메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
오영교 (Chonnam National Unive)
저널정보
한국영어학회 영어학 영어학 Volume.24
발행연도
2024.1
수록면
979 - 1,010 (32page)
DOI
10.15738/kjell.24..202409.979

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study attempts to conduct data-driven text analysis on the text of Jane Austen’s novel Emma (1815). Text analysis is a research method that utilizes Natural Language Processing (NLP) techniques to extract meaningful content and information from large-scale unstructured text data, and to discover new meaning and insights at the contextual level by considering the relationship between text and words. The main text analysis techniques include text network analysis, topic modeling, and sentiment analysis. In this study, we tried to analyze the text of the novel Emma, which is representative among English literary texts, according to NLP algorithms. To do so, we first analyzed the text of the novel Emma through term frequency (TF) analysis and term frequency-inverse document frequency (TF-IDF) analysis to determine the relative importance of words according to word frequency. Then, to examine the relationships between characters in the novel, we conducted co-occurrence and network centrality analysis through text network analysis. Next, we applied topic modeling using Latent Dirichlet Allocation (LDA) to classify Emma, a novel consisting of three volumes and 55 chapters, into four topics. Finally, sentiment analysis was conducted to calculate the degree of positivity and negativity for each volume to quantify the sentiment score. This study aims to help non-literature majors understand and appreciate English classical texts by objectively quantifying the literary content and character relationships inherent in 19th-century English fiction texts, and furthermore, to gain implications for English education in terms of effective English text comprehension education.
#text analysis #Emma #network text analysis #topic modeling #sentiment analysis

목차

ABSTRACT
1. 서론
2. 이론적 배경
3. 연구방법
4. 연구 결과
5. 논의 및 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

자연어 처리의 이해: 원리, 한계, 그리고 윤리적 쟁점
유재명 역사연구 2021 .05
인공지능 디지털 영어교육의 현황과 전망: 자연어처리 기반 텍스트 분석
Youngkyo Oh 영어학 2025 .01
빅데이터를 활용한 군사영어 기초어휘목록 개발
권은영 ,  우경민 ,  진성한 외 1명 영어학 2023 .01
인공 지능 시대의 언어 연구: 컴퓨터 언어학 방법론의 활용
신효필 새한영어영문학회 학술발표회 논문집 2022 .05
딥러닝을 이용한 셰익스피어 작품의 감정 분석
서혜진 ,  이종현 ,  신정아 영어학 2019 .12

최근 본 자료

전체보기

댓글(0)

0