[논문]웹 사이트 탐색 알고리즘 비교분석

김덕수; 권영직

문제 정의

있다. Minimal Path가 어떻게 더욱 많은 페이지, 더욱 많은 페이지 링크, 그리고 더욱 많은 트래픽을 가진 더 큰 사이트에 대해서도 측정할 수 있는가를 연구하는 것이다.
중간 페이지에서 스크롤을 피할 수 있다는 것까지 평가한다면 절약되는 노력은 이 이상이다. 그래서 우리는 수준 높은 극소수의 지름길만을 찾는 방법을 제시한다. 따라서 스크롤링 없이 이동통신 장치에 최대한 적합한 지름길만을 생성시키는데 관련연구가 필요하다고 사료된다.
적정화의 일반적 틀을 전개하였다. 이 논문에서 이용자가 요구하는 각 페이지에 자동적으로, 지름길 링크'를 부여하는 분석틀에 사용할 수 있는 특정의 적정화가 어떤 것인지 살펴본다. 이동통신 이용자의 행태가 사이트에서 특정한 목적지인 페이지를 봄으로써 수행되는 '정보 수집 과업에 의해 좌우된다고 가정한다.

가설 설정

이 논문에서 이용자가 요구하는 각 페이지에 자동적으로, 지름길 링크'를 부여하는 분석틀에 사용할 수 있는 특정의 적정화가 어떤 것인지 살펴본다. 이동통신 이용자의 행태가 사이트에서 특정한 목적지인 페이지를 봄으로써 수행되는 '정보 수집 과업에 의해 좌우된다고 가정한다. '지름길 링크'는 다른 방법으로 연결되지 않은 두 개의 페이지를 서로 연결해서 이용자가 가능한 한 신속하게 이러한 목적지에 도달할 수 있게 도와준다.
즉 서로 다른 웹 사이트 이용자는 서로 다른 경로를 나타낼 것이며, 설사 동일한 웹 사이트 이용자라 하더라도 웹 사이트를 방문할 때마다 각기 다른 경로를 따라갈 수 있다는 것이다. 이러한 문제를 해결하기 위하여 어떤 웹페이지가 요청될 가능성을 서로 다른 무리(clusters) K 중의 하나(혹은 그 분포)에 속하는 개별 경로로 가정하고 아래 수식(4)과 같이 무리의 동일성 a에 대한 조건화를 통해 페이지의 요청 가능성 이를 계산할 수 있다.

제안 방법

없기 때문이었다. Minimal Path 링크의 깊이 한계를 무한대 단계로 정하여 측정을 하였다. 측정 결과 다음과 같은 점을 발견 할 수 있었다.
그리고 링크 길이가 최소 2개 이상을 가진 경로들만을 선택하였으며, 경로의 깊이 한계를 무한대로 정하여 측정을 하였으며, 경로에 의한 초과시간은 120초로 하였으며, 웹 사용 모델에 대한 링크에 의한 평균 경로의 수는에서 보여주는 것과 같이 다양한 모델들을 사용할 때 Minimal Path의 효능을 비교하였다.
둘째 : Naive Bayes 혼합 모델과 Markov 모델 혼합을 포함한 다양한 이용자 모델을 평가하고, Minimal Path에서 그들의 적용 가능성을 논의한다.
둘째, 몇 개의 웹 사용 모델을 살펴보고 그것이 어떻게 Minimal Path를 수행하는지 평가했다.
또 경로에서 각 페이지가 얼마나 자주 최초의 요청으로 나타나는지를 계산함으로써, 요청된 페이지의 URL을 관련 조작용 데이터의 분량을 증가시키는 URL 아래 경로로 대체시켰다. 이러한 변형의 필요성은 Markov 모델의 경우 더욱 커지는데, 왜냐하면 Markov 모델이 Unconditional 모델보다 2차적으로(제곱 값으로) 더욱 커지는 추정 확률값을 가질수록, 결과 (/>, .
이 알고리즘은 탐색한 경로를 저장할 수 있는 테이블을 생성한다 생성한 테이블에서 경로이름, 위치, 가중치를 포함한 경로의 출발지(S, source node) 와 목적지 (destination node) 에 이르는 전체 경로를 만든다. 만들어진 테이블에서 경로의 node 개수와 경로상의 페이지 크기를 이용하여 가중치를 산출한다. 첫 번째 테이블 처음 경로리스트에서 각 경로 P를 검색한다.
셋째, Minimal Path가 유용한 지름길 링크를 찾아낼 수 있다는 실험적 증거를 제시했다. Markov 모델혼합을 사용하여, Minimal Path는 이동통신 이용자로 하여금 링크 절약 가능치의 40% 이상을 절약할 수 있게 한다.
연구 범위와 방법으로는 첫째 : 이동 매체 이용자들이 실시간 자동적으로 수준 높은 지름길을 찾아낼 수 있도록 해 주는 알고리즘인 Minimal Path 알고리즘을 제시한다. 오프라인에서 Minimal Path는 서브 접근 로그에 기반한 웹 사용 모델을 탐구하고, 이용자의 최종 목적지를 예측하기 위해 실행 시간에 이 모델을 사용한다.
첫째, 개별 웹 이용자의 정보 축적 행태를 목적으로 삼은 지름길 링크를 찾아내는 Minimal Path 알고리즘을 전개했다.

대상 데이터

국내 웹 사이트 중 본 논문에서 정의한 웹 사이트를 유형별로 표본을 선택하여, 경로의 조작군과 1, 500개 경로의 시험군을 산출하기 위해 2003년 3월 한 달 동안 웹 접근 데이터를 사용하였다. 사이트에서 조작과 시험 기간동안 134, 565개의 독자적인 URL의 전체 모집단으로부터 87, 561개의 독자적인 페이지가 요청됐다.

성능/효과

iT 인 P(pj I Ck)가 존재한다. 결론적으로 Naive Bayes 혼합모델(AUTOCLASS, Cheeseman외, 1988; 에서 사용된 것과 비슷함)을 통해 우리는 모델의 매개변수 P( />, = q I CQ와, EM 알고리즘을 사용하는 무리 할당 가능성 P(Q)를 알 수 있다.
63만큼의 짧은 링크의 숫자를 기록했다. 그리고 Markov 모델에도 0.22만큼 짧은 링크의 숫자를 기록했으며, Positional and Markov/Positional 모델에도 0.09의 짧은 링크의 숫자를 보여 Minimal path 모델이 가장 우수하다고 할 수 있다.
98)를 보였다. 네 번째 Markov 모델 은 사용자가 따라간 링크의 숫자<2.57)를 보였다. 마지막으로 Positional and Markov/Positional 모델은 사용자가 따라간 링크의 숫자(2.
35)를 보여준다. 두 번째 Unconditional model에서는 이용자가 따라간 링크의 숫자(2.87)를 보였고, 세 번째 Naive Bayes mixture 모델은 사용자가 따라간 링크의 숫자(2.98)를 보였다. 네 번째 Markov 모델 은 사용자가 따라간 링크의 숫자<2.
둘째, 무선 네트워크의 낮은 대역폭과 높은 무응답률 때문에, 하나의 텍스트 페이지에서 하나의 링크만을 연결하는 데에도 수십 초의 시간이 걸릴 수 있다.
욕심스럽게 선택한다는 것이다). 둘째, 이용자의 경로 내에서 페이지를 인도하는 지름길이 없다면, 이용자는 경로 내의 다음 링크를 따라갈 것이라는 점이다 (다시 말해, 이용자가 잘못해서 지름길을 따라가지는 않을 것이라는 점이다). 끝으로, Minimal Path는 이용자가 요청하는 각각의 페이지마다 지름길을 배치하며, 그래서 이용자가 한 가지 경로를 따라 다양한 지름길 링크를 따라갈 수 있도록 해준다는 이점이 있다.
여기서 Markov 모델이 연쇄 정보를 조건화함으로써, 무조건적 모델을 실제로 능가한다는 것을 알 수 있다. 또한, 혼합 모델들이 상응하는 단일 모델보다(예를 들면, Nave Bayes 모델에 대한 2.98 대 무조건적 모델에 대한 2.87) 더 유리한 점을 제공한다는 것을 보여주었다. 실험의 결과 Minimal path 모델은 Unconditional model 에 비해 0.
57)를 보였다. 마지막으로 Positional and Markov/Positional 모델은 사용자가 따라간 링크의 숫자(2.44)를 나타내었다. 여기서 Markov 모델이 연쇄 정보를 조건화함으로써, 무조건적 모델을 실제로 능가한다는 것을 알 수 있다.
사이트에서 조작과 시험 기간동안 134, 565개의 독자적인 URL의 전체 모집단으로부터 87, 561개의 독자적인 페이지가 요청됐다. 그리고 링크 길이가 최소 2개 이상을 가진 경로들만을 선택하였으며, 경로의 깊이 한계를 무한대로 정하여 측정을 하였으며, 경로에 의한 초과시간은 120초로 하였으며, 웹 사용 모델에 대한 링크에 의한 평균 경로의 수는<그림 1>에서 보여주는 것과 같이 다양한 모델들을 사용할 때 Minimal Path의 효능을 비교하였다.
셋째 : Markov 모델 혼합이 Minimal Path를 위한 최상의 모델이며, Minimal Path는 이동장치 이용자가 추적해야 할 링크의 숫자, 즉 그들의 정보 탐색에 드는 노력을 실질적으로 감소시킨다는 것을 나타내는 실험적 증거를 제시한다.
87) 더 유리한 점을 제공한다는 것을 보여주었다. 실험의 결과 Minimal path 모델은 Unconditional model 에 비해 0.52 만큼 짧은 링크의 숫자를 보였으며, Naive Bayes mixture 모델에는 무려 0.63만큼의 짧은 링크의 숫자를 기록했다. 그리고 Markov 모델에도 0.
첫째, 단지 하나의 페이지에서 특정한 하나의 링크만을 찾을 수 있다면, 이용자는 작은 화면에서 페이지를 따라 스크롤 하는 데 많은 시간을 소비하게 한다.
첫째, 이용자의 경로를 따라 목적지로 인도하는 한 개 이상의 지름길이 제시될 때, 이용자는 경로를 따라가장 멀리 인도하는 지름길을 선택할 것이라는 점이다(다시 말해, 이용자는 외관상 최상으로 보이는 지름길을 욕심스럽게 선택한다는 것이다). 둘째, 이용자의 경로 내에서 페이지를 인도하는 지름길이 없다면, 이용자는 경로 내의 다음 링크를 따라갈 것이라는 점이다 (다시 말해, 이용자가 잘못해서 지름길을 따라가지는 않을 것이라는 점이다).

후속연구

그래서 우리는 수준 높은 극소수의 지름길만을 찾는 방법을 제시한다. 따라서 스크롤링 없이 이동통신 장치에 최대한 적합한 지름길만을 생성시키는데 관련연구가 필요하다고 사료된다.
향후 연구 과제로는 지름길 링크에 대한 더욱 간명하고도 설명적인 고정(anchor) 텍스트를 자동 적으로 선택할 수 있느냐 하는 것과 웹 개인화에 적용하는 연구가 필요하다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

웹 사이트 탐색 알고리즘 비교분석
Comparision and Analysis of Algorithm for web Sites Researching 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

웹 사이트 탐색 알고리즘 비교분석 Comparision and Analysis of Algorithm for web Sites Researching 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

김덕수 (1) 권영직 (34)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

웹 사이트 탐색 알고리즘 비교분석
Comparision and Analysis of Algorithm for web Sites Researching 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper