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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최용석
- 발행연도
- 2016
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구에서는 스마트 디바이스(Smart Device) 기반 메신저 어플리케이션(Messenger Application)의 비정형화 데이터인 채팅 내용을 자연어 처리(Natural Language Processing)를 통해 단어를 추출하여 검색엔진을 통하지 않고 채팅 환경에서 사용자가 원하는 맛있기로 유명한 음식집(이하 ‘맛집’이라 한다)을 추천하는 시스템을 제안한다.
데이터 마이닝(Data Mining) 기반으로 채팅 환경에서 자동 맛집 추천 시스템을 구현하기 위해서는 채팅 메시지의 문법적 구조를 분석하고 중요한 키워드(Keyword)를 추출하는 것과 추출된 키워드를 통해 맛집을 추천하여 정확도가 높은 맛집을 추천하는 것이 중요하다. 이는 자동 맛집 추천이 가능한 시스템을 구현하기 위한 핵심적인 요소이다.
문법적으로 중요한 키워드로서 정확하게 추출하기 위해 텍스트 마이닝(Text Mining) 기반에 Bigram과 시그니처(Signature)에 관한 내용을 제안한다. 또한 단어 유사도에 최적의 임계치를 구하고, 시스템 성능 분석을 한다. 채팅 내용에서 추출된 단어들은 기존에 주소 데이터베이스와 음식타입 데이터베이스에 있는 단어와 유사도 비교를 통해 Bigram과 시그니처를 활용하면 채팅 내용에서 그대로 추출된 단어로 추천하는 것 보다 정확한 결과 값을 도출할 수 있다. 이 때, 추출된 키워드는 주소 키워드와 음식타입 키워드이다.
맛집을 추천하기 위해 주소 키워드와 음식타입 키워드를 통해 맛집 데이터베이스에서 정보를 획득한다. 이때, 맛집 데이터베이스는 웹 마이닝(Web mining)을 기반으로 웹 크롤링(Web Crawling)을 통해 대용량의 데이터를 수집하였다. 또한 제안하는 시스템과 네이버 블로그 맛집 검색을 통해 성능 분석을 한다.
이러한 기반을 통해 향후 검색엔진을 통하지 않고 구조화된 정보를 추출하여 자동으로 맛집 추천이 가능한 시스템에 설계 방향을 제시한다.
데이터 마이닝(Data Mining) 기반으로 채팅 환경에서 자동 맛집 추천 시스템을 구현하기 위해서는 채팅 메시지의 문법적 구조를 분석하고 중요한 키워드(Keyword)를 추출하는 것과 추출된 키워드를 통해 맛집을 추천하여 정확도가 높은 맛집을 추천하는 것이 중요하다. 이는 자동 맛집 추천이 가능한 시스템을 구현하기 위한 핵심적인 요소이다.
문법적으로 중요한 키워드로서 정확하게 추출하기 위해 텍스트 마이닝(Text Mining) 기반에 Bigram과 시그니처(Signature)에 관한 내용을 제안한다. 또한 단어 유사도에 최적의 임계치를 구하고, 시스템 성능 분석을 한다. 채팅 내용에서 추출된 단어들은 기존에 주소 데이터베이스와 음식타입 데이터베이스에 있는 단어와 유사도 비교를 통해 Bigram과 시그니처를 활용하면 채팅 내용에서 그대로 추출된 단어로 추천하는 것 보다 정확한 결과 값을 도출할 수 있다. 이 때, 추출된 키워드는 주소 키워드와 음식타입 키워드이다.
맛집을 추천하기 위해 주소 키워드와 음식타입 키워드를 통해 맛집 데이터베이스에서 정보를 획득한다. 이때, 맛집 데이터베이스는 웹 마이닝(Web mining)을 기반으로 웹 크롤링(Web Crawling)을 통해 대용량의 데이터를 수집하였다. 또한 제안하는 시스템과 네이버 블로그 맛집 검색을 통해 성능 분석을 한다.
이러한 기반을 통해 향후 검색엔진을 통하지 않고 구조화된 정보를 추출하여 자동으로 맛집 추천이 가능한 시스템에 설계 방향을 제시한다.
목차
국문 요약 ·························································· 1제 1장 서 론 ······················································ 3제 1절 연구 배경 ····························································· 3제 2절 연구 내용 ····························································· 6제 2장 관련 연구 ················································· 8제 1절 텍스트 마이닝 ······················································· 9제 2절 웹 마이닝과 웹 크롤러 ············································ 9제 3절 Bigram과 시그니처 파일 ······································· 10제 4절 Jaccard similarity coefficient(자카드 연관 계수)와User&EmoticonSignature-based method(UEMD) ········ 11제 3장 주소 키워드와 음식타입 키워드 추출 기법 ············ 13제 1절 주소와 음식타입 용어 사전 및 맛집 데이터베이스 구축 13제 2절 주소 키워드와 음식타입 키워드 구분 기법 ················· 15제 3절 시그니처 유사도 측정 기법 ····································· 19제 4장 메시지 키워드 추출을 통한 맛집 자동 추천 시스템 ··· 21제 1절 시스템 개요 ························································· 21제 2절 메시지 키워드 추출을 통한 맛집 자동 추천 기법 ········· 24제 5장 실험 및 성능평가 ········································ 27제 1절 실험 환경 ···························································· 27제 2절 최적의 시그니처 유사도 임계값 설정 ························· 28제 3절 성능 비교 실험 결과 ·············································· 30제 6장 결론 및 향후 연구 ······································· 35참고 문헌 ·························································· 37ABSTRACT ······················································ 39
최근 본 자료
댓글(0)
0