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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
오흥선 (한국기술교육대학교) 정유철 (금오공과대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제19권 제11호
발행연도
2018.11
수록면
758 - 764 (7page)

이용수

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

초록· 키워드

오류제보하기
특허(patent), 학술 논문(scholarly paper)과 연구 보고서(research report)와 같은 디지털 문서(digital document)에는 주제(topic)를 요약하는 저자 키워드(author keyword)가 있다. 서로 다른 문서가 동일한 키워드를 공유하고 있다면 두 문서가 동일한 주제의 내용을 기술하고 있을 가능성이 매우 높다. 문서 군집화(document clustering)는 비슷한 주제를 가지는 문서들을 비지도 학습 방법(unsupervised learning)을 이용하여 같은 군집으로 그룹(group)화 하는 것이다. 문서 군집화는 다양한 분석에 이용되지만 대용량의 문서 데이터에 적용하기 위해서는 많은 계산량이 필요함으로 쉽지 않다. 이러한 경우, 문서의 내용을 이용하는 것보다 문서의 키워드를 이용하여 군집화하면 더욱 효율적으로 대용량의 데이터를 연결할 수 있다. 기존의 상향식 군집화 방법(bottom-up hierarchical clustering)은 대용량의 키워드 군집화(keyword clustering)를 수행하는데 있어서 많은 시간이 필요하다는 문제점이 있다. 본 논문에서는 정보검색(information retrieval)에서 널리 사용되는 역인덱스(inverted-index) 구조를 상향식 군집화에 적용한 효율적인 군집화 방법을 제안하고, 제안 방법을 대용량의 키워드 데이터에 적용하였으며, 그 결과를 분석하였다.
#Keyword clustering #Inverted-index #keyword analysis #bottom-up clustering #information retrieval

목차

요약
Abstract
1. 서론
2. 제안 방법
3. 결과 분석
4. 결론
References

참고문헌 (11)

참고문헌 신청
O. Egozi, S. Markovitch, E. Gabrilovich, “Concept-Based Information Retrieval Using Explicit Semantic Analysis”, ACM Transactions on Information Systems, Vol.29, No.2, pp.1-34, 2011. DOI: https://dx.doi.org/10.1145/1961209.1961211 L. Li, R. Zhou, D. Huang, “Two-phase biomedical named entity recognition using CRFs”, Computational Biology and Chemistry, Vol.33, No.4, pp.334-338, 2009. DOI: https://dx.doi.org/10.1016/j.compbiolchem.2009.07.004 Y. G. Kim, J. H. Suh, S. C. Park, “Visualization of patent analysis for emerging technology”, Expert Systems with Applications, Vol.34, No.3, pp.1804-1812, 2008. DOI: https://dx.doi.org/10.1016/j.eswa.2007.01.033 R. Meng, S. Zhao, S. Han, D. He, P. Brusilovsky, Y. Chi, “Deep Keyphrase Generation”, Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pp.582-592, 2017. DOI: https://dx.doi.org/10.18653/v1/P17-1054 J. Liu, J. Shang, C. Wang, X. Ren, J. Han, “Mining Quality Phrases from Massive Text Corpora”, Proceedings of the 2015 ACM SIGMOD International Conference on Management of Data - SIGMOD '15, pp.1729-1744, 2015. DOI: https://dx.doi.org/10.1145/2723372.2751523

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

유사도 기반 질의처리를 위한 공간 효율적인 역 색인 기법
임마누 ,  김종익 한국정보과학회 학술발표논문집 2015 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-505-000186464