메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
이성직 (서울시립대학교) 김한준 (서울시립대학교) 이병정 (서울시립대학교) 강수용 (한양대학교)
저널정보
Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2009 한국컴퓨터종합학술대회 논문집 제36권 제1호(C)
발행연도
2009.6
수록면
203 - 208 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
정보검색 분야에서는 더 좋은 검색 결과를 얻기 위해 질의어 확장을 사용하는 방법이 연구되어 왔다. 하지만 질의어 확장에 사용되는 사전을 구성하고 유지 보수하는 일은 높은 비용이 요구되며, 사용자 개개인의 의도를 충분히 반영하기 어렵다. 본 논문에서는 웹 문서 검색에 있어서 질의확장에 사용되는 사전으로 사용하기 위한 개인 프로파일의 기본적인 모델인 개념 네트워크와 그 모델을 구성하는 기본적인 연관 관계를 찾는 방법으로써 최중요단어출현빈도를 사용한 키워드 추출방법을 제시한다. 많은 연구에서 성능이 검증된 TF-IDF 가중치를 바탕으로 계산하는 최중요단어출현빈도를 사용하면 주어진 문서 집합에서 중요한 키워드를 찾을 수 있다. 사용자가 검색엔진의 질의한 후 방문한 웹 문서들로 문서 집합을 구성하여 찾아낸 키워드들은 사용자의 질의어와 연관 관계를 갖는 단어를 찾을 수 있다. 이렇게 찾은 단어들과 질의어와의 연관 관계를 사용하여 개념 네트워크 기반의 사용자 프로파일을 구성할 수 있다. 그리고 사용자가 실제로 검색 엔진을 사용할 때는 매우 적은 수의 검색 결과 만을 방문하므로, 적은 문서의 수로 이루어진 문서 집합에서도 의미 있는 키워드를 추출할 수 있어야 한다. 실험에서는 실제 적은 수의 웹 문서로 이루어진 문서집합에서 키워드를 추출하고 그 결과를 보여 최중요단어출현빈도를 사용한 키워드 추출 방법의 성능을 검증하였다.

목차

요약
1. 서론
2. 검색 결과에 대한 키워드 추출
3. 질의 확장을 위한 네트워크 기반 개인 프로파일 모델
4. 실험
5. 실험 결과
6. 관련 연구
6. 결론 및 향후 연구
참고 문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-018522451