2. - 생일보다는 나이 (마우스오버시 생일?)
- 두 의원간 유사도는 percentage로 (∵ 일반인들이 보기 더 쉬움)
- 소속위원회는 중복되는 것, 중복되지 않는 것으로 나누어 재정렬
- 이메일은 아래에 아이콘으로 (∵ 딱히 텍스트로 봐야할 내용은 아님) + twitter + …
- 유사한 의원은 세 명 까지만 나열 후 ‘more’ (similarity는 마우스오버시 볼 수 있도록)
- 데이터 저장: 엑셀로 가져가기, 그림으로 저장
나이 56세
이 두 의원의
유사도는
42.1%
입니다
>
=
…
나이 58세
마우스오버시
눈으로 쉽게 비교할 수 있게 함
내 지역구
x
x
x
x
x
x
x
위쪽에서 아이콘을 클릭하면 main에서
분할된 화면이 나타나고 이름을 drag-and-drop하면 의원 간 비교 가능
2
3. To-dos
• Recalculate 의원간 similarity
• Refine indices
– 퐁
– 허브: 뻔함
– 링커: 정당과 정당을 연결하는
– 중심자: 가장 중심에 두면 좋을 인물 (소문을 내려면 누구에게 얘기하는게 좋을까?)
– Modularity: 집단화의 정도 (p.171)
• 안건의 성격에 따라 움직이나? 정당의 흐름과 일치하는지?
– Cohesive arc (이우기 교수): cosine measure, boolean measure,… vector space model의 한
계를 뛰어넘고자하는 시도
• Arc measure, cosine measure, content load measure
• 네트워크 – 다중 layer
– Similarity 계산 대상: 의안, twitter, …
– 연결의 유무, 연결선의 두께, 색, …
• LDA -> generative topic model
3