투자 가이드 · 테마별 기록

뉴스 언급 수를 믿기 전에: 키워드 매칭의 오탐과 누락

Jurin's Note · 2026-10-24 · 데이터 읽기

테마별 기록 페이지는 매 거래일 최근 72시간 뉴스에서 테마 키워드가 들어간 링크 수를 세어, 9개 테마 중 상위 2개를 ‘주목받은 날’로 기록합니다. 숫자로 정리되어 있어 객관적으로 보이지만, 이 숫자는 ‘어떤 단어가 몇 번 나왔나’를 셀 뿐 기사가 그 테마에 관한 것인지는 판단하지 않습니다. 이 글은 이 사이트에 실제로 쌓인 뉴스 기록을 예로 키워드 매칭이 틀리는 방식과, 언급 수를 읽을 때 확인할 점을 정리합니다.

아래 사례는 이 사이트의 테마별 기록과 종목별 기록에 쌓인 뉴스 링크(2026년 10월 23일까지)입니다. 기사 내용의 사실 여부를 평가하지 않으며, 분류 방식의 한계를 보여 주기 위해 인용합니다.

1. 이 사이트가 언급 수를 세는 방식

1. 여러 언론사 RSS에서 발행 시각이 표시된 최근 72시간 기사만 모읍니다.
2. 같은 주소(URL)의 기사는 한 번만 셉니다. 같은 사건을 다른 언론사가 쓰면 각각 따로 셉니다.
3. 기사 제목과 요약문에 테마 키워드가 하나라도 들어 있으면 그 테마의 언급으로 셉니다.
4. 한글 키워드는 글자 그대로 포함되면 일치로 보고, 영문 키워드는 앞뒤가 다른 영문자·숫자가 아닐 때만 일치로 봅니다. 예를 들어 ‘AI’는 ‘AI칩’에는 걸리지만 ‘SAID’에는 걸리지 않습니다.

이 규칙은 단순하고 누구나 검산할 수 있다는 장점이 있습니다. 하지만 아래와 같은 오탐(관련 없는 기사를 세는 것)과 누락(관련 기사를 놓치는 것)이 생깁니다.

2. 오탐 사례: 단어의 일부가 걸린다

금융/은행 테마의 키워드 ‘하나’는 하나금융을 찾으려고 넣은 것인데, ‘안 하나’ 같은 어미나 ‘그중 하나’ 같은 흔한 말에도 걸립니다. 엔터테인먼트 테마의 ‘게임’은 ‘아시안게임’ 안에 들어 있어 스포츠 기사를 끌어왔습니다. 세 번째 기사는 게임에 관한 기사가 맞지만 국내 상장 엔터·게임사와는 관계가 없는 해외 게임 이야기입니다. 10월 23일 엔터테인먼트 테마는 이런 기사 3건으로 상위 2개 테마에 들었습니다.

3. 오탐 사례: 요약문 속 한 단어

삼성전자 기록 페이지에 쌓인 뉴스 링크 60건 가운데 52건은 제목에 ‘삼성전자’가 없습니다. 요약문 어딘가에 회사 이름이 나와서 분류된 것입니다. ‘정부, 초과 세수 활용해 국채 발행 물량 축소’ 같은 기사는 반도체 경기로 세금이 더 걷혔다는 맥락에서 회사 이름을 한 번 언급했을 수 있지만, 이 회사에 관한 기사라고 보기는 어렵습니다. 금융/은행 테마에도 제목에 키워드가 전혀 없는 정치·국제 기사가 섞여 있습니다.

4. 구조적 편향: 흔한 단어를 가진 테마가 자주 1등이 된다

테마마다 키워드가 얼마나 흔한 단어인지가 다릅니다. 금융/은행 테마는 ‘금융’, ‘증권’, ‘보험’, ‘이자’, ‘배당’, ‘하나’처럼 경제 기사에 늘 나오는 말을 키워드로 씁니다. 반도체 테마는 ‘삼성전자’, ‘SK하이닉스’를 키워드로 써서 두 회사의 지배구조나 인사 기사까지 반도체 언급으로 셉니다.

금융/은행 테마가 넷 중 세 날꼴로 상위에 든 것을 ‘시장이 금융주에 가장 오래 주목했다’로 읽으면 안 됩니다. 키워드가 흔하면 언급 수가 늘어나는 것은 당연한 결과이기 때문입니다. 테마끼리 언급 수를 비교하려면 키워드 목록부터 나란히 놓고 봐야 합니다. 각 테마 기록 페이지 ‘주목받은 날’ 아래에 사용 키워드를 적어 둔 이유입니다.

5. 누락: 세지 못하는 기사

• 수집 대상 밖의 기사: RSS를 받는 언론사와 분야가 정해져 있어, 업계 전문지나 영문 기사, 유료 기사는 대부분 빠집니다.
• 키워드에 없는 표현: 별칭이나 약어, 영문 표기, 자회사 이름으로만 나온 기사는 세지 못합니다.
• 72시간 창: 사흘 전 기사는 빠지고, 주말 기사가 월요일 집계에 섞입니다.
• 중복 제거의 한계: 같은 통신사 기사를 여러 매체가 다른 주소로 실으면 각각 따로 셉니다.

6. 언급 수를 읽는 순서

1. 언급 수가 무엇을 센 것인지 확인합니다. 이 사이트의 숫자는 ‘키워드가 들어간 기사 링크 수’입니다.
2. 그날 분류된 링크를 몇 개 열어, 기사 주제가 정말 그 테마나 회사인지 확인합니다.
3. 키워드가 제목에 있었는지, 요약문에만 있었는지 구분합니다.
4. 테마끼리 비교할 때는 키워드 목록과 그 단어가 얼마나 흔한지를 함께 봅니다.
5. 언급이 늘어난 날의 주가 움직임을 원인과 결과로 잇지 않습니다. 같은 날 일어났다는 사실만 기록합니다.

이 사이트는 키워드 매칭의 결과를 그대로 보여 주고, 해석은 하지 않습니다. 분류가 명백히 잘못된 사례를 발견하면 오류 제보로 알려 주세요. 키워드 목록을 고칠 때 참고하겠습니다.

출처와 적용 범위

사례로 든 제목은 이 사이트 뉴스 기록에 저장된 링크의 제목이며, 저작권은 각 언론사에 있습니다. 수집 대상과 정정 기록은 수집 방식과 정정 기록에 정리되어 있습니다.

테마별 기록 · 테마 바스켓 지수 만들기 · 시황 화면 숫자를 검산하는 순서

학습용 자료이며 특정 종목의 매수·매도 판단이나 수익을 제시하지 않습니다.