국민의 체감안전도와 치안만족도를 높이기 위해서는 경찰활동과 치안에 대한 정확한 수요를 파악해야 한다. 일부 지역에서는 정확한 치안 수요를 포착해내기 위해 개방형 조사를 실시하였으나 범주화와 분석에 많은 시간과 비용이 소요된다는 측면에서 제약이 있었다. 따라서 본 연구에서는 개방형 수요 응답을 분석하는 방법 중 하나로 텍스트 마이닝을 활용한 자동범주화 기법을 제안하고자 하였다. A 지역에 거주하는 480명의 주민들로부터 취합한 응답 자료에 주관적 범주화와 자동범주화를 적용하여 비교한 결과, 출현 빈도가 높은 대부분의 주요 범주들은 두 방법 모두에서 공통으로 추출되어 자동범주화 기법의 활용 가능성을 확인하였다. 자동범주화를 통해 주관적 범주화에서 누락될 수 있는 수요를 포착할 수 있음을 확인하였으나, 반대로 문맥 해석을 통해 추상적 혹은 포괄적으로 구성되는 범주는 추출하기 어렵다는 한계점도 확인하였다. 그러나 이러한 한계에도 불구하고 텍스트 마이닝 기법을 활용하여 자료 내 주제를 요약하고 범주 구성에 대한 기준을 도출할 수 있다는 점에서, 치안 수요 조사에 있어 자동범주화 기법의 활용 가능성을 확인하였다.In order to enhance the perception of public safety and security satisfaction level, the government should grasp the exact demand for police activities and public security. In some areas, open-ended surveys were conducted to figure out the exact demand for police activity, but there were limitations in terms of the time and cost involved in categorization and data analysis. Therefore, this study proposed an automatic categorization technique using text-mining as one of the ways to analyze open-ended responses. We collected response data from 480 residents in the A-area and compared the categories derived from both subjective categorization and automatic categorization. The majority of the major categories with high frequency of emergence were extracted in common from both methods. So the possibility of using automatic categorization technique was confirmed. Although it was confirmed that some demands that could be omitted from subjective categorization can be captured through automatic categorization, the limitations were also identified that it is difficult to extract categories that are composed abstractly or comprehensively. However, despite these limitations, the possibility of the use of automatic categorization technique in the survey of security needs was confirmed, given that text-mining technique can be used to summarize the topics in the data and derive some criteria for the composition of the categories.