텍스트 네트워크 분석을 이용한 바닥충격음 연구동향 분석

1. 서 론

바닥충격음은 공동주택에서 항상 고려되고 관심이 많은 소음이라 할 수 있다. 바닥충격음과 관련된 연구논문은 바닥충격음 영향요인에 대한 분석⁽¹⁾과 재료개발 연구⁽²⁾ 및 거주자의 청감반응 연구^(3,4) 등 많은 수의 연구들이 진행되어 왔다. 이러한 연구들의 동향 파악은 연구의 흐름과 중심이 되는 분야를 파악하기 위해 필요한 작업이라고 생각된다. 그러나 많은 수의 논문을 대상으로 연구동향을 파악하기 위해서는 연구자가 모든 논문을 읽고 분류·분석하기에는 한계가 있다. 바닥충격음 연구동향을 살펴본 선행연구⁽⁵⁾에서는 연구자가 자료를 하나하나 정리하고 내용을 분석하여 진행된 것으로 판단된다. 하지만 분석 대상 데이터 수가 많아지면 연구자가 내용을 모두 읽고 특징을 분류하기는 어려워진다.

최근 빅 데이터를 활용한 분석 연구^(6,7)를 쉽게 찾아 볼 수 있다. 광범위한 데이터 속에서 의미를 찾고 분석하는 방법은 다양한 분야에서 활용되고 있으며, 인공지능을 활용하여 그 가능성은 더욱더 무궁무진해지고 있다. 특정한 문장이나 글에는 어떤 의미가 내포되어 있으며, 이러한 의미를 파악하고 분석하는 것은 사회과학 연구 분야에서는 일반적인 연구방법이다. 키워드 분석은 정형화되지 않은 텍스트 문서나 데이터베이스에서 의미 있는 정보를 찾는 과정을 텍스트 마이닝(text mining) 이라하며, 추출된 단어들의 관계성을 파악하여 의미 있는 정보를 도출하여 상호간의 관계(network) 또한 분석할 수 있다.

이 연구는 공동주택 소음 중에서 가장 관심이 높은 바닥충격음 분야에 대한 연구동향 파악 및 어떤 연구가 중점적으로 수행되었는지 등을 텍스트 네트워크 분석을 통하여 살펴보았다.

2. 연구 방법

바닥충격음 연구동향을 살펴보기 위해서 한국과학기술정보연구원에서 제공하는 ‘과학기술 지식인프라 원문제공서비스(ScienceON)’에서 연구문헌을 추출하였다. 검색 대상은 국내논문으로 한정하여 ‘바닥충격음’, ‘층간소음’, ‘청감실험’, ‘중량충격음’, ‘경량충격음’, ‘고무공’ 검색어로 문헌을 검색하였다(Table 1). 검색기간은 1980년부터 2021년까지로 설정하였으며, 우선 검색된 결과에서 중복되거나 타 분야 논문인 경우를 제외하고 총 379편의 논문으로 정리하였다. 모든 문헌들이 국문초록을 제공하는 것은 아니었으며, 프로시딩이 아닌 저널에 실린 논문은 국문초록 없이 영문초록만으로 구성되는 경우가 많았다. 국문초록보다 영문초록을 제공하는 논문 수가 더 많은 관계로, 이 연구는 영문초록 232편을 대상으로 키워드 추출과 네트워크 분석을 실시하였다.

Table 1

Data collection conditions

의미 없는 단어(다른, 많은, 끝 등)나 바닥충격음과 관련된 연구동향 분석이기 때문에 ‘바닥충격음’ 단어는 키워드 분석에서 제외하였다. 아울러, 자료의 전처리를 통하여 일반적인 단어로 구분될 수 있다고 판단한 ‘level’, ‘noise’, ‘study’, ‘result’, ‘sound’ 등의 단어는 제외시켰다. 키워드 분석을 위해서 1 글자 단어도 제외하였으며, 빈도수가 3회 이상 출현한 키워드만을 분석대상으로 하였다.

수많은 텍스트에서 중요 단어를 추출하고 가공하기 위해서 분석 프로그램을 사용하며, 이 연구에서는 텍스트 마이닝과 네트워크 분석이 가능한 넷마이너(NetMiner 4.4.3)를 사용하였다. 기간별 연구 논문 수와 키워드 빈도, 네트워크 분석, 토픽분석을 수행하였다.

3. 분 석

3.1 기본 분석

(1) 기간별 논문 수

논문발표 기간을 10년 단위로 구분하여 ‘1980 ~ 1989’, ‘1990 ~ 1999’, ‘2000 ~ 2009’, ‘2010 ~ 2019’, ‘2020 ~ 2021’ 5개 기간별 논문수를 분석하였다. 논문 편수 분석은 총 379편을 대상으로 하였다. Fig. 1과 같이 2000년대에 발표된 논문이 가장 많은 수를 차지하는 것을 알 수 있다. 2000년대는 바닥충격음 성능기준 도입과 바닥충격음 차단구조 인정제도 시행된 기간에 해당됨에 따라 관련 연구도 증가한 것으로 판단된다.

Fig. 1

Number of papers by periods

논문발표가 가장 많은 2000년대를 년도 별로 구분하여 논문 편수를 Fig. 2에서 분석하였다. 2002년과 2004년에 논문 수가 많았는데 2002년은 바닥충격음 성능기준 마련 연구⁽⁸⁾를 통해 바닥충격음에 대한 관심 증대가 논문 수에 반응된 것으로 보이며, 2004년은 바닥충격음 성능기준(중량: 50 dB 이하, 경량: 58 dB 이하)이 적용되는 시점에 해당된다.

Fig. 2

Number of papers by year (2000 ~ 2009)

(2) 키워드 빈도

텍스트(영문초록)에서 도출된 키워드(단어)가 해당 문서에서 자주 등장하게 되면 키워드의 중요도가 높아지게 된다. 단순히 단어가 등장하는 빈도에 따라 키워드의 중요도를 평가하는 것으로 일반적으로 Fig. 3과 같이 워드 클라우드로 간단히 표현할 수도 있다. 그림에서 단어의 크기가 크게 표시된 것이 빈도수가 높음을 의미하며, 개략적인 중요한 단어를 확인할 수 있다. Table 2는 빈도수가 높은 키워드를 1위부터 30위까지 나열한 것으로 ‘slab’, ‘apartment’, ‘material’, ‘system’ 순서로 분석되었으며, ‘rating’, ‘factor’ 단어도 순위에 포함되었다.

Fig. 3

Word cloud

Table 2

Frequency of key words (rank.1 ~ 30)

3.2 네트워크 분석

네트워크 분석은 중요도(TF-IDF)와 연결중심도(degree centrality), 위세 중심도(figenvector centrality)로 분석하였으며, Table 3에 나타내었다.

Table 3

Results of network analysis

(1) 단어빈도-역문서빈도(TF-IDF)

문장에 출현하는 빈도수와 함께 키워드의 중요도를 분석하기 위해서 단어빈도-역문서빈도(TF-IDF)가 사용된다. 단순히 빈도수만으로 중요도를 분석하게 되면 모든 문서에 나타나는 흔한 단어의 경우에 중요도가 높아져 중요 단어인지 아닌지 구분하기 어려워진다. 단어빈도-역문서빈도는 모든 문서에서 나타나는 흔한 단어를 추출하여 특정 단어의 중요도를 측정하는 것으로 문서내의 단어 빈도(term frequency)와 문서빈도의 역수인 역문서빈도(inverse document frequency)를 곱하여 특정 단어가 가지는 중요도를 분석한다. 특정 문서에서 단어출현 빈도가 높을수록, 전체 문서 중에서 해당 단어가 등장한 문서가 적을수록 값은 높아진다⁽⁹⁾. 분석결과는 Table 3과 같다. 가중치가 높은 순서로 정렬하여 30위까지의 키워드를 나타내었다. TF-IDF가 높은 단어는 ‘chip’, ‘masking’, ‘SBR(styrene-butadiene rubber)’, ‘hanok’, ‘aperture’, ‘joint’ 순으로 나타났다.

(2) 연결 중심도(degree centrality)

연결 중심도는 키워드 간의 네트워크에서 다른 단어와 연결되는 선이 많을수록 중요성이 높다고 평가하는 것으로 이웃된 노드에 연결된 선이 많게 되면 해당 키워드를 통해 다른 단어와 연결되는 역할을 하게 됨으로 중요한 단어로 평가하게 된다. 단어 간 연결선이 특정한 방향성이 존재하는 네트워크의 경우에는 in degree와 out degree로 구분이 가능하지만, 이 연구의 단어는 단어 간의 상호관계를 나타내는 것으로 방향성이 in degree와 out degree가 동일한 네트워크이다. 연결 중심도 분석결과 네트워크 전체의 중심도는 Fig. 4와 같이 나타낼 수 있다. 단어의 노드(원형 아이콘)가 클수록 중심도가 높은 단어로 분석된다. 특정 단어를 중심으로 모여 있는 형태를 확인하기 어려웠으며, 중심도 지수(degree centralization index)도 13.5 %로 높지 않았다. 많은 단어가 상호 관련을 맺고 있는 복잡한 관계를 보여주고 있다. Table 3과 같이 연결 중심도가 높은 단어는 ‘slab’, ‘material’, ‘system’, ‘apartment’, ‘measurement’ 순서로 나타났으며, ‘rubber ball’, ‘bang machine’, ‘stiffness’ 단어도 포함되었다. ‘slab’는 중량충격음 저감을 위한 주요 기술개발 적용 대상이 되는 부분이기 때문에 중심도가 높게 나타난 것으로 판단된다.

Fig. 4

Figure of degree centrality

(3) 위세 중심도(eigenvector centrality)

위세 중심도는 중심이 되는 단어를 확인하는 방법중에 하나이다. 연결 중심도(degree centrality)와 같이 이웃된 단어와 연결이 많은 단어의 중심도를 높게 평가하는 개념에서 해당 단어와 직접 연결된 인접 단어를 포함하고 인접 단어와 이웃된 단어까지 고려하여 연쇄적으로 이웃이 많은 이웃과 연결되는 단어의 중심도를 높게 평가하는 개념이다.

즉, 단어 ‘A’와 단어 ‘B’에 각각 연결된 단어 개수가 10개로 동일한 경우에는 연결 중심도는 같은 값을 가지지만, 단어 ‘A’와 ‘B’에 이웃한 10개 단어들이 다시 이웃한 단어 개수가 많을수록 해당단어의 중요도를 높게 평가한다. 위세 중심도가 높은 단어는 ‘apartment’, ‘house’, ‘building’, ‘performance’, ‘insulation’ 순서로 나타났으며, ‘high rise’, ‘site’ 단어가 낮은 값을 보였다. 연결 중심도 단어들과 다른 단어들이 도출되거나 순위가 바뀌어 도출되었음을 알 수 있었다. 이러한 분석결과는 위세 중심도는 해당단어의 이웃과 그 이웃과 이웃된 단어의 관계까지 확대하여 평가하는 것이기 때문에 단순 연결 관계만을 보는 연결 중심도의 순서와 차이를 보이게 된다. 어떤 분석 지표를 적용하느냐에 따라 분석결과가 차이나기 때문에 적정한 분석지표 선정과 의미분석이 필요하다. 연결중심도가 높은 ‘slab’ 단어와 함께 ‘ceiling’ 단어 또한 위세 중심도 8번째로 나타나 리모델링 주택이나 준공 후 성능개선 방안으로 검토⁽¹⁰⁾되고 있기 때문에 ‘ceiling’ 단어 중심도도 높은 것으로 판단된다.

3.3 토픽 분석(Topic analysis)

토픽 분석은 문서의 집단에서 추상적인 주제를 도출하기 위한 통계적 모델이며, 텍스트 본문에 숨겨진 의미를 찾기 위해 사용되는 분석기법이다. 토픽분석을 위한 방법인 LDA(latent dirichlet allocation, 잠재 디리클레 할당)는 대표적인 알고리즘으로 문서들은 토픽들의 혼합으로 이루어져 있고, 토픽들은 확률분포를 토대로 단어들을 생성한다고 가정하여 토픽의 개수에 따라 단어들을 구분하여 도출한다. 토픽 개수는 연구자가 해당 분야의 특성을 고려하여 정해줘야 하며, 토픽별로 구분된 단어들을 보고 토픽의 이름을 정해야 줘야 한다. 이 연구에서는 샘플링 반복횟수를 1000번으로 설정하여 토픽 수를 3개부터 10개 까지 선정 후 분석하여 최종적으로 관련 연구를 잘 해석할 수 있는 5개 토픽 분석 결과를 사용하였다. 분석결과 Table 4와 같이 5개의 토픽에 할당된 단어들을 첫 번째 단어부터 10번째 단어까지 표현하였으며, 할당 확률이 높게 나타난 순서이다. 각 해당 토픽은 분석된 단어를 토대로 토픽명칭을 부여하여한다.

Table 4

Topic analysis

토픽1은 ‘material’, ‘stiffness’, ‘reduction’ 등으로 구성되어 있어 ‘재료 특성 평가’에 대한 토픽으로 명명하였으며, 토픽2는 ‘measurement’, ‘frequency’, ‘mode’ 등의 단어로 구성되어 ‘주파수 및 모드분석’과 관련된 토픽으로 구분하였다. 토픽3은 ‘바닥구조 및 천장구조’에 대한 주제로 분석하였고, 토픽4는 ‘슬래브 구조의 진동, 주파수 특성평가’, 토픽5는 ‘충격원 특성 및 반응평가’에 대한 토픽으로 구분할 수 있을 것이다.

바닥충격음 연구논문 수를 기준으로 각 토픽별 비중을 Fig. 5에서 살펴보았다. 토픽들의 비율은 전반적으로 유사하게 분포하였으며, 그 중 충격원에 대한 특성과 반응 연구가 전체의 24 %로 가장 높았다.

Fig. 5

Proportion by topic

토픽 분석을 통하여 완충재료, 바닥 및 천장 등에 대한 성능평가(개선정도) 연구가 이루어졌으며, 표준충격원의 특성에 대한 검토가 진행된 것을 알 수 있었다. 그리고 충격음에 대한 주파수분석과 모드 분석을 통한 접근도 진행된 것을 알 수 있다.

4. 결 론

바닥충격음 연구 동향을 분석하기 위해서 텍스트 네트워크 분석이 가능한 프로그램을 활용하여 발표된 논문들의 영문초록을 대상으로 분석하였다. 분석결과는 다음과 같다.

(1) 바닥충격음 관련 연구는 2000년대 가장 많은 논문이 발표되었으며, 2010년대에는 대략 절반정도로 논문수가 감소하였다. 바닥충격음 성능기준 도입전, 후 시점에 많은 연구가 진행되었다.

(2) 논문초록에 가장 많이 등장하는 단어는 ‘slab’, ‘apartment’, ‘material’, ‘system’ 등이며 ‘rubber ball’도 빈도가 7번째로 높은 것으로 나타났다.

(3) 네트워크 분석을 통해 TF-IDF은 ‘chip’, ‘SBR’, ‘FRP (fiber reinforced plastics)’ 등 재료를 의미하는 단어의 가중치가 높은 것을 알 수 있다. TF-IDF은 다른 문서에서 출연빈도가 낮고 특정 문서에서 많이 등장하는 경우에 가중치가 높아지기 때문에 특정 재료에 대한 연구의 단어 가중치가 높게 평가되는 한계가 있었다.

단어 간의 연결 중심도는 ‘slab’, ‘material’이 높은 값을 가졌으며, 위세 중심도는 ‘apartment’, ‘house’ 등이 높은 값을 가졌다. 공동주택의 슬래브와 적용되는 저감재료, 바닥구조성능과 재료의 성능에 대한 검토가 중요한 부분으로 분석되었다. 공동주택 바닥충격음 성능에 관련된 것으로 여러 개의 군집으로 구분되지 못하고 복잡하게 연결되어 나타나기 때문에 상기 단어들이 높은 중심도를 보이게 된 것으로 판단된다.

(4) 영문초록들을 대상으로 토픽 분석을 실시한 결과 ‘재료 특성 평가’, ‘주파수 및 모드분석’, ‘바닥구조 및 천장구조’, ‘슬래브 구조의 진동, 주파수 특성평가’, ‘충격원 특성 및 반응평가’로 토픽을 구분하였다.

최근 물리적 성능 향상이 아닌 사회심리학적 접근과 같이 층간소음과 사람의 심리반응의 관계에 대한 연구^(11~13)와 바닥충격음 예측에 대한 연구^(14,15)도 진행되고 있으나 이 연구의 토픽 분석에는 포함되지 않았다. 해당 분야에 보다 많은 연구자들의 연구가 필요해 보인다.

텍스트 네트워크 분석은 소셜 네트워크를 통해 시민들의 의식이나 관계 등을 주로 파악해 왔으나, 많은 데이터의 축적과 분석기술 고도화로 다양한 분야에서 의미 파악에 적용되고 있다. 이러한 분석 기법을 활용하여 건축음향 분야의 연구 특성을 파악하고 필요한 연구 방향 등을 도출할 수 있을 것이다.

Acknowledgments

이 연구는 한국건설기술연구원 주요사업 연구비지원(20210639-001)에 의해 수행되었습니다.

References

• Kim, T. M., Bae, J. Y. and Yang, H. S., 2020, The Study on Characteristic of Floor Impact Noise Using the Structural Vibration on Floor Slab : Effective Plate, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 30, No. 3, pp. 276~285. [https://doi.org/10.5050/KSNVE.2020.30.3.276]
• Song, G. G., Park, J. H. and Lee, S. M., 2018, Floor Impact Sound Reduction of Resilient Materials with Polyolefine, Proceedings of the KSNVE Annual Autumn Conference, p 121.
• Ryu, J. K. and Jeong, M. J., 2016, Difference in Subjective Magnitude between Heavy-weight Floor Impact Sources Using Auditory Experiment, Proceedings of the KSNVE Annual Spring Conference, p. 304. [https://doi.org/10.1121/1.4970829]
• Park, S. H., Shin, H. K. and Kim, K. W., 2021, VR Experiment on Indoor Noise Perception and Moderation Effects of Outdoor Sounds, Visual Environment and Noise Sensitivity, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 31, No. 3, pp. 279~288. [https://doi.org/10.5050/KSNVE.2021.31.3.279]
• Jeong, J. H., 2019, Review and Perspective on the Researches of Floor Impact Sound, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 29, No. 4, pp. 477~487. [https://doi.org/10.5050/KSNVE.2019.29.4.477]
• Lee, C. H., Kang, K. H., Kim, Y. H., Lim, H. N., Ku, J. H. and Kim, K. H., 2021, A Study on the Factors of Well-aging through Big Data Analysis: Focusing on Newspaper Articles, Journal of the Korea Academia-industrial Cooperation Society, Vol. 22, No. 5, pp. 354~360.
• Won, D. S. and Park, H. W., 2021, Examining Economic Activities of Disabled People Using Media Big Data: Temporal Trends and Implications for Issue Detection, Journal of the Korea Academia-industrial Cooperation Society, Vol. 22, No. 2, pp. 548~557.
• Kim, H. S., Kim, H. G., Kim, M. J. and Cho, C. G., 2001, The Criteria of Floor Impact Sound Insulation for Apartment Houses, Housing & Urban Research Institute, Korea National Housing Corporation.
• Kim, S. M. and Kim, Y. J., 2020, Research Trend Analysis on Living Lab Using Text Mining, Journal of Digital Convergence, Vol. 18, No. 8, pp. 37~48.
• Shin, H, K. and Kim, K. W., 2020, Sound Absorbing Ceiling to Reduce Heavy Weight Floor Impact Sound, Building and Environment, Vol. 180, 107058. [https://doi.org/10.1016/j.buildenv.2020.107058]
• Im, D. K., Kim, S. H. and Choi, J. E., 2017, A Study on the Social Psychological Studies of Floor Noise, Joint Conference by KSNVE, ASK and KSME(DC), p. 165.
• Jeong, J. H. and Lee, P. J., 2018, Questionnaire Survey on Annoyance and Disturbance of Floor Impact Sound, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 28, No. 6, pp. 685~693. [https://doi.org/10.5050/KSNVE.2018.28.6.685]
• Ha, J. M., Lee, T. K. and Shin, E. Y., 2015, Social Inter-floor Noiseproof Measures According to Experiences of Conflict in Multi-family Housing, Journal of the Korean Housing Association, Vol. 26, No. 6, pp. 1~8. [https://doi.org/10.6107/JKHA.2015.26.6.001]
• Kim, T. M. and Yang, H. S., 2020, Prediction of Heavy-weight Floor Impact Sound with Different Impact Sources and Indices Using a Finite Element Method, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 30, No. 2, pp. 169~178. [https://doi.org/10.5050/KSNVE.2020.30.2.169]
• Kim, J. H., Mun, D. H., Jeong, G. C. and Park, H. G., 2017, Influence of Floor Dimension and Resilient Material on Heavy Impact Noise of Floating Floor System, Transactions of the Korean Society for Noise and Vibration Engineering, Vol. 27, No. 4, pp. 434~443. [https://doi.org/10.5050/KSNVE.2017.27.4.434]