$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

K-Means 알고리즘을 이용한 계층적 클러스터링에서 클러스터 계층 깊이와 초기값 선정
Selection of Cluster Hierarchy Depth and Initial Centroids in Hierarchical Clustering using K-Means Algorithm 원문보기

정보관리학회지 = Journal of the Korean society for information management, v.21 no.4 = no.54, 2004년, pp.173 - 185  

이신원 (전북대학교 전자정보공학부) ,  안동언 (전북대학교 전자정보공학부) ,  정성종 (전북대학교 전자정보공학부)

초록
AI-Helper 아이콘AI-Helper

정보통신의 기술이 발달하면서 정보의 양이 많아지고 사용자의 질의에 대한 검색 결과 리스트도 많이 추출되므로 빠르고 고품질의 문서 클러스터링 알고리즘이 중요한 역할을 하고 있다. 많은 논문들이 계층적 클러스터링 방법을 이용하여 좋은 성능을 보이지만 시간이 많이 소요된다. 반면 K-means 알고리즘은 시간 복잡도를 줄일 수 있는 방법이다. 본 논문에서는 계층적 클러스터링 시스템인 콘도르(Condor) 시스템에서 간단하고 고품질이며 효율적으로 정보 검색 할 수 있도록 구현하였다. 이 시스템은 K-Means Algorithm을 이용하였으며 클러스터 계층 깊이와 초기값을 조절하여 $88\%$의 정확율을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Fast and high-quality document clustering algorithms play an important role in providing data exploration by organizing large amounts of information into a small number of meaningful clusters. Many papers have shown that the hierarchical clustering method takes good-performance, but is limited becau...

주제어

#문서 클러스터링   #K-Means 알고리즘   #클러스터 계층 깊이   #클러스터 초기값   #계층적 클러스터링   #클러스터 중심  

참고문헌 (13)

  1. 김해남, 이신원, 안동언, 정성종. 2004. 계층적 클러스터링에서 분류 계층 깊이에 관한 연구. '한국정보처리학회 춘계학술발표 대회 논문집'. 2004년 5월 14-15일[서울: 중앙대학교] 

  2. 박순철, 안동언 2003. 콘도르 정보 검색 시스템. '한국산업정보학회지'. 8(4): 31-37 

  3. 오형진. 2002. '클러스터 중심 결정 방법을 개선한 K-Means Algorithm의 구현'. 석사학위논문, 전북대학교 대학원, 컴퓨터공학과 

  4. 오형진, 고지현, 안동언, 박순철. 2003. 색인어 기중치 부여 방법에 따른 K-Means 문서 클러스터링의 LSI 분석. '한국정보처리학회지'. 10-B(7): 735-742 

  5. 이경순. 2001. '정보검색에서 벡터공간 검색과 클러스터 분석을 통한 문서 순위 결정 모델' 박사학위논문, 한국과학기술원 

  6. 이상선, 이신원, 안동언, 정성종. 2004. 계층적 클러스터링에서 분류 대표어 선정에 관한 연구. '한국정보처리학회 춘계학술발표대회 논문집'. 2004년 5월 14-15일 [서울: 중앙대학교] 

  7. Baeza-Yates, Rebeiro-Neto. 1999. 'Modern Information Retrieval'. Addison-Wesley 

  8. Khaled Alsabti, Sanjay Ranka, Vineet Singh. 1998. 'An Efficient K-Means Clustering Algorithm'. IPPS/SPDP Workshop on High Performance Data Mining. 

  9. Michael Steinbach, George Karypis. Vipin Kumar. 2000. 'A Comparison of Document Clustering Techniques'. Technical Report #00_034, Department of Computer Science and Engineering, University of Minnesota 

  10. Patrice Bellot, Marc E1-Beze. 1999. 'A Clustering Method for Information Retrieval'. Technical Report IR-0199 

  11. Qin He. 'A Review of Clustering Algorithms as Applied in IR'. UIUCLIS1999/6+IRG 

  12. Ramon A., Mollineda. Enrique Vidal. 2000. 'A relative approach to hierarchical clustering'. in Proceeding of ACM symposium of Computational geometry, Hongkong. June 12-14 

  13. Tapas Kanung. 2000. 'The Analysis of a Simple k-Means Clustering Algorithms'. in Proceedings of ACM symposium on Computational geometry. Hongkong, June 12-14 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로