지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
클러스터링(Clustering)은 유사한 문서나 데이터를 묶어 군집화해주는 프로세스이다. 클러스터링은 문서들을 대표하는 개념별로 그룹화함으로써 사용자가 자신이 원하는 주제의 문서를 찾기 위해 모든 문서를 검사할 필요가 없도록 도와준다. 이를 위해 유사한 문서를 찾아 그룹화하고, 이 그룹의 대표되는 개념을 도출하여 표현해주는 기법이 요구된다. 이 상황에서 문제점으로 대두되는 것이 복합 개념(Complex Concept)의 탐지이다. 복합 개념은 서로 다른 개념의 여러 클러스터에 속하는 중복 개념이다. 기존의 클러스터링 방법으로는 문서를 클러스터링할 때 동일한 레벨에 있는 서로 다른 개념의 클러스터에 속하는 중복된 복합 개념의 클러스터를 찾아서 표현할 수가 없었고, 또한 복합 개념과 각 단순 개념(Simple Concept) 사이의 의미적 계층 관계를 제대로 검증하기가 어려웠다.
본 논문에서는 기존 클러스터링 방법의 문제점을 해결하여 복합 개념을 쉽게 찾아 표현하는 방법을 제안한다. 기존의 계층적 클러스터링 알고리즘을 변형하여 동일 레벨에서 중복을 허용하는 계층적 클러스터링(Hierarchical Overlapping Clustering, HOC) 알고리즘을 개발하였다. HOC 알고리즘은 문서를 클러스터링하여 그 결과를 트리가 아닌 개념 중복이 가능한 Lattice 계층 구조로 표현함으로써 이를 통해 여러 개념이 중복된 복합 개념을 탐지할 수 있었다. HOC 알고리즘을 이용해 생성된 각 클러스터의 개념이 제대로 된 의미적인 계층 관계로 표현되었는지는 특징 선택(Feature Selection) 방법을 적용하여 검증하였다.
본 논문에서는 기존 클러스터링 방법의 문제점을 해결하여 복합 개념을 쉽게 찾아 표현하는 방법을 제안한다. 기존의 계층적 클러스터링 알고리즘을 변형하여 동일 레벨에서 중복을 허용하는 계층적 클러스터링(Hierarchical Overlapping Clustering, HOC) 알고리즘을 개발하였다. HOC 알고리즘은 문서를 클러스터링하여 그 결과를 트리가 아닌 개념 중복이 가능한 Lattice 계층 구조로 표현함으로써 이를 통해 여러 개념이 중복된 복합 개념을 탐지할 수 있었다. HOC 알고리즘을 이용해 생성된 각 클러스터의 개념이 제대로 된 의미적인 계층 관계로 표현되었는지는 특징 선택(Feature Selection) 방법을 적용하여 검증하였다.
목차
1. 서론
2. 관련 연구
3. 중복 허용 계층적 클러스터링(HOC) 알고리즘
4. HOC 알고리즘을 이용한 시스템 구조
5. 실험 및 평가
6. 결론
참고문헌
Abstract
저자소개
참고문헌 (11)
참고문헌 신청
1. [단행본] - Baeza-Yates, R. / 1999 / Modern Information Retrieval / Addison Wesley
2. [학술대회논문] - Chuang, S. / 2004 / A Practical Web-based Approach to Generating Topic Hierarchy for Text Segments / Proc. 13th ACM Intl. Conf. on Information and Knowledge Management (CIKM’04) : 127 ~ 136
3. [학술대회논문] - Cleuziou, G. / 2008 / An Extended Version of the Kmeans Method for Overlapping Clustering / Proc. 19th Intl. Conf. on Pattern Recognition (ICPR 2008) : 1 ~ 4
4. [학술지(정기간행물)] - Gath, I. / 1989 / Unsupervised Optimal Fuzzy Clustering / IEEE Transactions on Pattern Analysis and Machine Intelligence 11 (7) : 773 ~ 780
5. [학술지(정기간행물)] - Jain, A. K. / 1999 / Data Clustering : A Review / ACM Computing Surveys 31 (3) : 264 ~ 323
2. [학술대회논문] - Chuang, S. / 2004 / A Practical Web-based Approach to Generating Topic Hierarchy for Text Segments / Proc. 13th ACM Intl. Conf. on Information and Knowledge Management (CIKM’04) : 127 ~ 136
3. [학술대회논문] - Cleuziou, G. / 2008 / An Extended Version of the Kmeans Method for Overlapping Clustering / Proc. 19th Intl. Conf. on Pattern Recognition (ICPR 2008) : 1 ~ 4
4. [학술지(정기간행물)] - Gath, I. / 1989 / Unsupervised Optimal Fuzzy Clustering / IEEE Transactions on Pattern Analysis and Machine Intelligence 11 (7) : 773 ~ 780
5. [학술지(정기간행물)] - Jain, A. K. / 1999 / Data Clustering : A Review / ACM Computing Surveys 31 (3) : 264 ~ 323
이 논문의 저자 정보
이 논문과 함께 이용한 논문
스플라인 기어부 결함의 와전류검사 신호처리에 관한 연구
이재호
,
박태성
,
박익근
비파괴검사학회지
2016
.06
클러스터 파일 시스템에서 인라인 데이터 중복제거 설계 및 구현
김영철
,
김재열
,
이상민
외 1명
정보과학회 컴퓨팅의 실제 논문지
2016
.08
인공지능과 핀테크
김원걸
,
유성민
,
김영상
한국정보기술학회지
2016
.06
비행궤적 재현 알고리즘 검증을 위한 시뮬레이션 기반 가상 QAR 데이터 생성
노철우
,
홍주현
,
한승호
외 2명
한국항공우주학회 학술발표회 초록집
2015
.04
부트로더와 물리적으로 독립된 저장장치를 이용한 모바일 운영체제 무결성 검증
박재경
,
이상훈
,
권미영
외 1명
한국컴퓨터정보학회논문지
2014
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2013-003-000511917