---
title: "북한 김책공대, DB 구조까지 반영한 단어 클라우드 배치 기법 연구"
published: 2026-06-06T05:05:03.905Z
canonical: https://jeff.news/article/3793
---
# 북한 김책공대, DB 구조까지 반영한 단어 클라우드 배치 기법 연구

북한 김책공업종합대학 연구원이 DB의 구조적 관계를 이용해 단어 유사도를 계산하고, 유사도 행렬 기반 클러스터링으로 단어 클라우드 배치를 최적화하는 방법을 제안했다. 단순히 많이 나온 단어를 크게 보여주는 수준을 넘어서, 단어 사이의 의미적 연관 관계를 시각화에 반영하려는 접근이다.

- 북한 김책공업종합대학이 DB 내용을 단어 클라우드로 시각화하는 연구를 소개함
  - 정보과학기술학부 정철삼 연구원이 DB의 구조 관계를 이용해 단어 사이의 유사성을 분석하는 방식을 제안했다고 함
  - 핵심은 유사도 행렬 기반 클러스터링으로 단어 배치를 최적화하는 것임

- 문제의식은 꽤 익숙함: 텍스트 데이터는 늘어나는데, 사람이 빠르게 의미를 파악하기는 점점 어려워짐
  - 기사, 잡지, 연구논문, 학술토론회 등에서 본문 데이터가 계속 쌓이고 있다는 배경을 들고 있음
  - 그래서 중요한 단어를 뽑아 시각적으로 보여주는 단어 구름, 즉 워드 클라우드가 필요하다는 흐름임

- 일반적인 단어 클라우드는 보통 빈도와 가중치 중심으로 움직임
  - 무게가 큰 단어를 중심에 놓고, 주변에 다른 단어를 배치하는 방식임
  - 글자 크기와 색 같은 시각 속성을 쓰지만, 특히 글자 크기가 가장 중요한 신호로 쓰인다고 설명함
  - 빈도수가 큰 용어는 크게 보이니 사용자가 빠르게 찾을 수 있음

- 이번 연구가 건드린 지점은 “단어가 많이 나왔는가”만으로는 부족하다는 것임
  - DB 내용을 표 형식으로 보여주면 특정 상태를 반영하기는 좋지만, 자료 사이의 연관 정도를 정확히 보여주기 어렵다고 봄
  - 여러 상태를 연속적으로 보여줄 때 변화 정도를 사용자가 직관적으로 파악하기 어렵다는 문제도 제기함

- 제안 방식은 DB 구조를 이용해 단어 유사도를 평가하고, 그 결과로 클러스터링을 수행하는 흐름임
  - 단어들의 유사도 행렬을 만들고, 비슷한 단어끼리 무리짓는 방식으로 배치 기준을 잡음
  - 단어의 무게에서 서체 크기와 경계 영역을 결정한 뒤, 2차원 평면에 단어 배치를 최적화했다고 설명함

> [!NOTE]
> 기사에는 실험 결과의 정량 지표나 비교 대상 알고리즘이 자세히 나오지 않음. 그래서 “실제로 얼마나 더 잘 보이는가”보다는 접근 방식 자체를 보는 게 맞음.

- 결과적으로 목표는 작은 공간에서 더 많은 관계 정보를 보여주는 단어 클라우드임
  - 대학 측은 제안 방법을 쓰면 사용자가 자료의 의미론적 연관 관계를 빠르게 얻을 수 있다고 주장함
  - 단순히 큰 단어 몇 개만 튀어나오는 워드 클라우드보다, 단어 간 관계까지 읽히게 만들려는 시도라고 보면 됨

## 핵심 포인트

- DB 구조 관계를 이용해 단어 간 유사성을 평가하고 유사도 행렬을 만든다는 점이 핵심임
- 유사도 행렬 기반 클러스터링으로 의미적으로 가까운 단어들이 시각적으로도 가깝게 배치되도록 설계함
- 단어의 무게를 바탕으로 서체 크기와 경계 영역을 결정하고 2차원 평면 배치를 최적화함
- 기존 표 형식 시각화가 자료 간 연관성과 변화 정도를 보여주는 데 약하다는 문제의식에서 출발함

## 인사이트

요즘 기준으로 보면 단어 클라우드는 낡은 시각화처럼 보일 수 있지만, DB 구조와 클러스터링을 결합해 의미 관계를 배치에 반영하려는 문제 설정은 여전히 유효하다. 다만 기사에 실험 데이터, 비교 기준, 정확도 지표가 거의 없어 실무 적용성은 제한적임.