최근 빅데이터에 대한 분석 및 대량의 정형 또는 비정형 데이터에서 의미 있는 검색결과를 얻기 위한 연구가 활발히 진행되고 있다. 급속도로 발전하는 IT환경과 폭발적인 데이터의 증가가 결합되어 더 이상 키워드 기반 검색으로는 원하는 검색결과를 얻을 수가 없다. 예를 들어“클라우드”라는 용어로 검색을 할 때 학술적인 의미를 찾고자 하는 것인지, 기술동향을 알아보고자 하는 것인지 정확히 알 수가 없는 것처럼 의미적으로 중의성을 갖는 키워드에 대한 정확한 검색이 불가능하다. 검색서비스가 주를 이루고 있는 도서관 정보서비스 분야에서도 학술정보 검색을 할 때 단순한 키워드 추출로는 자료가 품고 있는 의미와 관련된 내용을 정확히 검색할 수가 없다. 키워드를 일반적인 텍스트로 추출하는 것이 아니라 본문의 내용과 의미에 맞게 그리고 그 의미를 포함한 키워드를 추출해야만 한다. 본 논문에서는 이러한 문제를 해결하기 위해 학술자료의 내용을 요약해 놓은 초록정보를 활용하여 의미 구조를 파악하고 온톨로지 모델을 만든 후 자동 추출을 위한 패턴을 정의하고 의미추출기를 통해서 논문의 목적은 무엇인지, 논문에서 사용한 방법은 무엇인지와 같은 지식을 담고 있는 학술정보 지식맵을 구축하는 방법에 대하여 제안하였다. 온톨로지 모델을 활용하여 구축한 학술정보 지식맵과 수작업으로 의미를 분석한 ...
최근 빅데이터에 대한 분석 및 대량의 정형 또는 비정형 데이터에서 의미 있는 검색결과를 얻기 위한 연구가 활발히 진행되고 있다. 급속도로 발전하는 IT환경과 폭발적인 데이터의 증가가 결합되어 더 이상 키워드 기반 검색으로는 원하는 검색결과를 얻을 수가 없다. 예를 들어“클라우드”라는 용어로 검색을 할 때 학술적인 의미를 찾고자 하는 것인지, 기술동향을 알아보고자 하는 것인지 정확히 알 수가 없는 것처럼 의미적으로 중의성을 갖는 키워드에 대한 정확한 검색이 불가능하다. 검색서비스가 주를 이루고 있는 도서관 정보서비스 분야에서도 학술정보 검색을 할 때 단순한 키워드 추출로는 자료가 품고 있는 의미와 관련된 내용을 정확히 검색할 수가 없다. 키워드를 일반적인 텍스트로 추출하는 것이 아니라 본문의 내용과 의미에 맞게 그리고 그 의미를 포함한 키워드를 추출해야만 한다. 본 논문에서는 이러한 문제를 해결하기 위해 학술자료의 내용을 요약해 놓은 초록정보를 활용하여 의미 구조를 파악하고 온톨로지 모델을 만든 후 자동 추출을 위한 패턴을 정의하고 의미추출기를 통해서 논문의 목적은 무엇인지, 논문에서 사용한 방법은 무엇인지와 같은 지식을 담고 있는 학술정보 지식맵을 구축하는 방법에 대하여 제안하였다. 온톨로지 모델을 활용하여 구축한 학술정보 지식맵과 수작업으로 의미를 분석한 데이터 셋과 SPO 품질비교를 진행하였고, 일반적으로 저자 또는 사서가 입력한 키워드와 주제어 품질을 비교 분석하였다.
최근 빅데이터에 대한 분석 및 대량의 정형 또는 비정형 데이터에서 의미 있는 검색결과를 얻기 위한 연구가 활발히 진행되고 있다. 급속도로 발전하는 IT환경과 폭발적인 데이터의 증가가 결합되어 더 이상 키워드 기반 검색으로는 원하는 검색결과를 얻을 수가 없다. 예를 들어“클라우드”라는 용어로 검색을 할 때 학술적인 의미를 찾고자 하는 것인지, 기술동향을 알아보고자 하는 것인지 정확히 알 수가 없는 것처럼 의미적으로 중의성을 갖는 키워드에 대한 정확한 검색이 불가능하다. 검색서비스가 주를 이루고 있는 도서관 정보서비스 분야에서도 학술정보 검색을 할 때 단순한 키워드 추출로는 자료가 품고 있는 의미와 관련된 내용을 정확히 검색할 수가 없다. 키워드를 일반적인 텍스트로 추출하는 것이 아니라 본문의 내용과 의미에 맞게 그리고 그 의미를 포함한 키워드를 추출해야만 한다. 본 논문에서는 이러한 문제를 해결하기 위해 학술자료의 내용을 요약해 놓은 초록정보를 활용하여 의미 구조를 파악하고 온톨로지 모델을 만든 후 자동 추출을 위한 패턴을 정의하고 의미추출기를 통해서 논문의 목적은 무엇인지, 논문에서 사용한 방법은 무엇인지와 같은 지식을 담고 있는 학술정보 지식맵을 구축하는 방법에 대하여 제안하였다. 온톨로지 모델을 활용하여 구축한 학술정보 지식맵과 수작업으로 의미를 분석한 데이터 셋과 SPO 품질비교를 진행하였고, 일반적으로 저자 또는 사서가 입력한 키워드와 주제어 품질을 비교 분석하였다.
Recently, research has been actively conducted to analyze Big Data and obtain meaningful search results from a large amount of structured data or unstructured data. Combined with a rapidly evolving IT environment and explosive data growth, keyword-based search is no longer able to achieve the desire...
Recently, research has been actively conducted to analyze Big Data and obtain meaningful search results from a large amount of structured data or unstructured data. Combined with a rapidly evolving IT environment and explosive data growth, keyword-based search is no longer able to achieve the desired results. For example, when searching for the term "cloud", it is impossible to search for keywords that have semantically ambiguity, just as they can not know exactly whether they want to find academic meaning or technology trend. In the field of library information service, which is a main service of search service, when retrieving academic information, simple keyword extraction can not accurately search contents related to meaning of data. Rather than extracting keywords as plain text, you can have to extract the keywords that contain the meaning. In this paper, to solve these problems, abstract information summarizing the contents of academic materials is used to identify the semantic structure, the ontology model is created, and the pattern for automatic extraction is defined. And how to construct an academic information knowledge map containing knowledge such as the method used in the paper. We compared SPO(Subject, Predicate, Object) quality and data set with handwritten semantic analysis by using the ontology model. We compared the quality of the keywords extracted from the general search engine and the quality of the keywords.
Recently, research has been actively conducted to analyze Big Data and obtain meaningful search results from a large amount of structured data or unstructured data. Combined with a rapidly evolving IT environment and explosive data growth, keyword-based search is no longer able to achieve the desired results. For example, when searching for the term "cloud", it is impossible to search for keywords that have semantically ambiguity, just as they can not know exactly whether they want to find academic meaning or technology trend. In the field of library information service, which is a main service of search service, when retrieving academic information, simple keyword extraction can not accurately search contents related to meaning of data. Rather than extracting keywords as plain text, you can have to extract the keywords that contain the meaning. In this paper, to solve these problems, abstract information summarizing the contents of academic materials is used to identify the semantic structure, the ontology model is created, and the pattern for automatic extraction is defined. And how to construct an academic information knowledge map containing knowledge such as the method used in the paper. We compared SPO(Subject, Predicate, Object) quality and data set with handwritten semantic analysis by using the ontology model. We compared the quality of the keywords extracted from the general search engine and the quality of the keywords.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.