Skip to contents

krpoltext

R-CMD-check License: MIT License: CC BY-NC-ND 4.0 DOI Zenodo DOI

English | 한국어

krpoltext는 다음 논문에서 소개된 두 개의 대규모 한국 정치 텍스트 코퍼스에 R에서 손쉽게 접근할 수 있도록 돕는 패키지입니다.

Lim, T.H. (2025). South Korean Election Campaign Booklet and Party Statements Corpora. Scientific Data, 12, 1030. https://doi.org/10.1038/s41597-025-05220-4

코퍼스 기간 후보자 / 문서 수 설명
선거공보 코퍼스 2000–2022 49,678 candidates 대통령선거, 국회의원선거, 지방선거 후보자의 선거공보 텍스트로, original과 enriched 두 variant로 제공
정당 성명 코퍼스 2003–2022 83,201 statements 양대 정당의 공식 성명과 지도부 회의 발언문

데이터는 Open Science Framework에 호스팅되어 있으며 (DOI: 10.17605/OSF.IO/RCT9Y), 관리형 아티팩트가 필요할 경우 대화형 세션에서 처음 사용할 때 자동으로 다운로드됩니다. 비대화형 세션에서는 로컬 파일 경로나 미리 채워둔 cache를 사용해야 합니다.

campaign_booklet는 두 개의 공개 variant로 제공됩니다.

  • original: 기존 krpoltext 선거공보 코퍼스 아티팩트
  • enriched: 동일한 문서-행 universe를 유지하면서 huboid, sg_id, sg_typecode, link_status, matcher_version, nec_snapshot_id 같은 보수적 NEC linkage 필드를 추가한 variant

load_campaign_booklet()의 기본값은 variant = "original"입니다. kr-elections-mcp 같은 NEC-aligned workflow에는 variant = "enriched"를 사용하는 것이 적합합니다.

릴리스 노트

최근 패키지 변경 사항은 아래에서 확인할 수 있습니다.

설치 

# install.packages("remotes")
remotes::install_github("taehyun-lim/krpoltext")

빠른 시작 

library(krpoltext)

# 관리형 Parquet 아티팩트를 명시적으로 사용
ps <- load_party_statements(format = "parquet")
cb <- load_campaign_booklet(format = "parquet")
cb_enriched <- load_campaign_booklet(format = "parquet", variant = "enriched")

# 기본 campaign_booklet는 original 코퍼스 아티팩트를 로드
cb[, c("code", "party", "text")]

# NEC-linked workflow에는 enriched variant 사용
cb_enriched[, c("code", "huboid", "sg_id", "sg_typecode", "link_status")]

# 메타데이터 확인
metadata("campaign_booklet")
metadata("campaign_booklet", variant = "enriched")
schema("campaign_booklet")
schema("campaign_booklet", variant = "enriched")
metadata("party_statements")
schema("party_statements")

# 문서 필터링
docs_2020 <- get_docs("party_statements", year = 2020)
conservative <- get_docs("party_statements", year = 2018:2022, conservative = 1)
strict_subset <- get_docs(
  "party_statements",
  year = 2020,
  .select = c("year", "title", "text"),
  .strict = TRUE
)

# 선거공보 데이터에서 선거 종류와 정당 기준으로 필터링
assembly <- get_docs("campaign_booklet", office = "national_assembly", .data = cb)

데이터 다운로드

관리형 아티팩트는 현재 OSF에서 CSV와 Parquet 두 형식으로 제공됩니다. load_*() helper는 관리형 Parquet 아티팩트를 사용할 수 있지만, download_data()는 여전히 CSV prefetch helper입니다. 로컬 CSV나 Parquet 파일 경로를 직접 넘길 수도 있습니다.

campaign_booklet의 기존 unsuffixed 파일명은 original 아티팩트를 뜻합니다.

  • sk_election_campaign_booklet_v2022.csv
  • sk_election_campaign_booklet_v2022.parquet

enriched 아티팩트는 suffixed 파일명을 사용합니다.

  • sk_election_campaign_booklet_enriched_v2022.csv
  • sk_election_campaign_booklet_enriched_v2022.parquet
# 관리형 Parquet를 명시적으로 사용
ps <- load_party_statements(format = "parquet")
cb <- load_campaign_booklet(format = "parquet")
cb_enriched <- load_campaign_booklet(format = "parquet", variant = "enriched")

# 또는 CSV를 명시적으로 사용
ps <- load_party_statements(format = "csv")
cb <- load_campaign_booklet(format = "csv")
cb_enriched <- load_campaign_booklet(format = "csv", variant = "enriched")

# 두 데이터셋의 CSV cache를 미리 받아두기
download_data()

# 로컬 파일 경로를 직접 지정할 수도 있음
ps <- load_party_statements(path = "~/Downloads/sk_party_statements_v2022.csv")
ps <- load_party_statements(path = "~/Downloads/sk_party_statements_v2022.parquet")

데이터는 tools::R_user_dir("krpoltext", "cache")에 압축 RDS 형태로 캐시되며, SHA-256 체크섬으로 검증됩니다. 이후 로딩은 대체로 약 2초 내외로 끝납니다.

quanteda 연동 

library(quanteda)

corp <- as_quanteda_corpus(ps, docid_field = "id")
toks <- tokens(corp, remove_punct = TRUE)
dfm_obj <- dfm(toks)
topfeatures(dfm_obj, 20)

주요 함수

함수 설명
load_campaign_booklet() 선거공보 코퍼스 로드
load_party_statements() 정당 성명 코퍼스 로드
metadata() 데이터셋 메타데이터와 버전 확인
schema() 컬럼 단위 스키마와 아티팩트 메타데이터 확인
get_docs() 문서를 필터링하고 필요 컬럼만 선택
filter_docs() 메모리 데이터에 strict 필터 적용
select_vars() 메모리 데이터에서 컬럼 선택
as_quanteda_corpus() quanteda 코퍼스로 변환
download_data() OSF에서 데이터 다운로드
clear_cache() 캐시된 데이터 삭제

정적 데이터 API

데이터셋 metadata와 다운로드 링크는 GitHub Pages를 통해 정적 JSON API로도 제공됩니다. 별도의 서버가 필요하지 않습니다.

엔드포인트 설명
/data/index.json 파일, 버전, SHA-256, 다운로드 URL이 담긴 리소스 인덱스
/data/metadata.json 데이터셋 설명과 인용 정보
/data/schema/campaign_booklet.json original 선거공보 아티팩트의 컬럼 스키마
/data/schema/campaign_booklet_enriched.json enriched 선거공보 아티팩트의 컬럼 스키마
/data/schema/party_statements.json 정당 성명 컬럼 스키마

API 안내와 대체 URL: https://taehyun-lim.github.io/krpoltext/data-api.html

GitHub Pages에서 일시적으로 404가 뜰 경우, 같은 리소스 인덱스를 아래 raw URL에서도 받을 수 있습니다. https://raw.githubusercontent.com/taehyun-lim/krpoltext/gh-pages/data/index.json

R 패키지 설치 없이 사용:

api <- "https://taehyun-lim.github.io/krpoltext/data/metadata.json"
meta <- jsonlite::fromJSON(api)
url <- meta$party_statements$download_urls$csv
tmp <- tempfile(fileext = ".csv")
download.file(url, tmp, mode = "wb")
dt <- data.table::fread(tmp, encoding = "UTF-8")

Python:

import requests, pandas as pd
meta = requests.get("https://taehyun-lim.github.io/krpoltext/data/metadata.json").json()
url = meta["party_statements"]["download_urls"]["csv"]
df = pd.read_csv(url)

함수 문서: https://taehyun-lim.github.io/krpoltext/reference/index.html

가이드와 예제: https://taehyun-lim.github.io/krpoltext/articles/index.html

인용

학술 작업에서 데이터를 사용할 경우, 먼저 Data Descriptor 논문을 인용해 주세요.

Lim, T.H. (2025). South Korean Election Campaign Booklet and Party Statements Corpora. Scientific Data, 12, 1030. https://doi.org/10.1038/s41597-025-05220-4

그리고 데이터 저장소도 함께 인용하는 것을 권장합니다.

Lim, T.H. (2024). South Korean Election Campaign Booklet Corpus and Party Statements Corpus. OSF. https://doi.org/10.17605/OSF.IO/RCT9Y

R 패키지 자체를 인용할 때는 다음 형식을 사용할 수 있습니다.

Lim, T.H. (2026). krpoltext: Korean Political Text Corpora for R. R package version 0.2.0. Zenodo. https://doi.org/10.5281/zenodo.18704318

현재 패키지 citation은 R에서 아래처럼 확인할 수도 있습니다.

citation("krpoltext")

라이선스

링크