[논문]검색 엔진에서 사용자 프로파일을 이용한 문서 순위결정 방법

김용호; 김형균

문제 정의

본 논문에서는 동일한 분야의 검색된 문서가 갖는 하 나의 성 향을 중심 으로 문서 들 자체가 가지 고 있는 관계성 을 분석 하여 용어의 가중치 를 결정 하였다. 그리고 사용자 의 관심분야와 선호도를 적절히 표현하기 위하여 질의가 아닌 사용자 프로파일을 구축하여 이 용하였다. 사용자 프 로파일은 관심 분야별로 용어열과 선호도 벡터로 구성하 고, ”사용자접근에 의한 갱신”, "사용자 프로파일을 이용 한 갱신" 방법을 이용하여 사용자 프로파일을 사용자 위 주로 학습시 킨다.
사용자 프로파일 을 구축하여 사용자의 선호도를 표현하고 검 색결과 문서 들을 대상으로 잠재 적 구조를 분석 한 다음, 사용자 프로 파일과 분석결과로 표현된 문서들과의 유사성을 비교한 다. 그리고 적합성 정도에 따라 사용자에게 최적의 문서 를 제공하는 데에 목적이 있다.
본 논문에서는 검 색된 수많은 결과 중에서 특정 사용 자의 선호도를 고려한 최적의 문서만을 제공하기 위하여 사용자 프로파일과 유전자 알고리즘(genetic algorithm)을 이용한 문서 순위결정 기 법을 제 안한다. 사용자 프로파일 을 구축하여 사용자의 선호도를 표현하고 검 색결과 문서 들을 대상으로 잠재 적 구조를 분석 한 다음, 사용자 프로 파일과 분석결과로 표현된 문서들과의 유사성을 비교한 다.
본 논문에서 제안한 사용자 위주의 문서 순위결정 기 법은 사용자의 선호도 반영과 문서의 순위 결정을 목적으 로 하고 있으므로, 성능 평가를 위 해 두 가지 측면에서 실 험 평가한다. 첫 번째 실험은 본 논문에서 제안한사용자 프로파일의 갱신 방법이 얼마나 효과적 인지를 알아보기 위한 실험이다. 본 논문에서 제안하는 사용자 프로파일 갱신 방법의 성능을 실험하고, 구성과 갱신방법이 다른 사용자 프로파일 과의 성 능을 비 교 분석 한다.

제안 방법

사용자 위주의 문서 순위 결정을 수행하기 위 해서는 먼 저 사용자의 관심과 선호도가 표현되어 있어야 한다. 본 논문에서는 사용자의 관심분야와 선호도를 표현하기 위 하여 ”사용자 식 별자(user ID)", "용어 열 4(termarray)" 그 리 고 "선호도 벡 터 £ (preference vector)"로 구성 된 사용자 프로파일을 제안한다. 사용자 프로파일의 구조는 정의 1 과 같다.
사용자 위주의 문서 순위결정은 유사한 관심분야라도 사용자의 선호도에 따라 개인별로 문서 순위결정 이 다르 게 이루어져야 하므로, 세부 전공이 다른 사용자들을 대 상으로 순위 별 적 합률을 측정 하였다. 각 분야별로 사용자 프로파일을 13회의 갱신을 거쳐 학습시키면서 의사문서 를 작성하고 이를 이용하여 문서의 순위를 결정하였다. [표 1]의 값은 세부 분야별 각 3명의 사용자들이 평가한 평균적 합율이다.
이때, , 사용자 접근에 의한 갱신” 방법을 함께 수행 하면 1회의 갱신으로 적합률 60% 이상을 얻을 수 있었다. 그리고 동일한 관심분야의 논문들은 한가지 성향을 나타 내므로 검색된 논문들을 분석하는 과정에서 한 개의 인자 로 축소화하여 SVD를 수행하였다.
두 번째 실험은 제안한문서 순위결정 기법을 이용하 여 결정된 문서의 순위별 적합률을 구하여 본 논문의 기 법이 사용자의 요구에 대해 얼마나 적합한 결과를 제공하 는지를 검증한다.
첫 번째 실험은 본 논문에서 제안한사용자 프로파일의 갱신 방법이 얼마나 효과적 인지를 알아보기 위한 실험이다. 본 논문에서 제안하는 사용자 프로파일 갱신 방법의 성능을 실험하고, 구성과 갱신방법이 다른 사용자 프로파일 과의 성 능을 비 교 분석 한다.
본 논문에서 제안하는 사용자 프로파일은 여러 개의 관심 분야를 허 용하므로 새로운 관심 분야일 경우에 는 관 심 분야를 입 력 하고, 학습이 끝난 관심 분야일 경우에 는 원 하는 관심 분야를 선 택 한다. 새 로운 관심 분야가 생 겼을 경 우에는 해당 관심분야에 대한 사용자의 선호도가 충분히 학습될 수 있도록 사용자 프로파일의 갱신에 사용자가 다 소 관여할 필요가 있다.
본 논문에서 제안한 사용자 위주의 문서 순위결정 기 법에 대한성능검증을위하여 두가지 측면, 즉사용자선 호도 반영 측면과 문서 순위결정의 성능 측면에서 실험을 수행하였다. 사용자 프로파일의 성능평가 실험에서 상위 10% 내의 논문들을 평가했을 때 3회라는 매우 적은 회수 의 갱신으로도 평균 적합률 67%를 얻을 수 있었다.
본 논문에서 제안한 사용자 위주의 문서 순위결정 기 법은 사용자의 선호도 반영과 문서의 순위 결정을 목적으 로 하고 있으므로, 성능 평가를 위 해 두 가지 측면에서 실 험 평가한다. 첫 번째 실험은 본 논문에서 제안한사용자 프로파일의 갱신 방법이 얼마나 효과적 인지를 알아보기 위한 실험이다.
본 논문에서는 동일한 분야의 검색된 문서가 갖는 하 나의 성 향을 중심 으로 문서 들 자체가 가지 고 있는 관계성 을 분석 하여 용어의 가중치 를 결정 하였다. 그리고 사용자 의 관심분야와 선호도를 적절히 표현하기 위하여 질의가 아닌 사용자 프로파일을 구축하여 이 용하였다.
사용자 위주의 문서 순위결정은 유사한 관심분야라도 사용자의 선호도에 따라 개인별로 문서 순위결정 이 다르 게 이루어져야 하므로, 세부 전공이 다른 사용자들을 대 상으로 순위 별 적 합률을 측정 하였다. 각 분야별로 사용자 프로파일을 13회의 갱신을 거쳐 학습시키면서 의사문서 를 작성하고 이를 이용하여 문서의 순위를 결정하였다.
본 논문에서는 검 색된 수많은 결과 중에서 특정 사용 자의 선호도를 고려한 최적의 문서만을 제공하기 위하여 사용자 프로파일과 유전자 알고리즘(genetic algorithm)을 이용한 문서 순위결정 기 법을 제 안한다. 사용자 프로파일 을 구축하여 사용자의 선호도를 표현하고 검 색결과 문서 들을 대상으로 잠재 적 구조를 분석 한 다음, 사용자 프로 파일과 분석결과로 표현된 문서들과의 유사성을 비교한 다. 그리고 적합성 정도에 따라 사용자에게 최적의 문서 를 제공하는 데에 목적이 있다.

성능/효과

사용자 프 로파일은 관심 분야별로 용어열과 선호도 벡터로 구성하 고, ”사용자접근에 의한 갱신”, "사용자 프로파일을 이용 한 갱신" 방법을 이용하여 사용자 프로파일을 사용자 위 주로 학습시 킨다. "사용자 접근에 의한 갱신" 방법은 주제 분야에 대한 지식이 있는 경우에 적용할 수 있는 방법으 로서 실험 결과, 사용자 프로파일이 사용자의 선호도를 제대로 표현하기까지의 갱신 횟수를 상당히 감소시킬 수 있었다. "사용자 프로파일을 이용한 갱신" 방법은 갱신초 기에 수행하는 방법으로서 선호도 값의 차이를 명 확히 해 주는 결과를 가져온다.
5% 이상 을 보임으로써 본 논문에서 제안한 사용자 프로파일 구 성.갱신 방법을 이용하면 사용자의 선호도를 충분히 반 영 할 수 있음을 알 수 있었다.
1% 이상의 적합율을, 20순위 내에서 95% 이상의 적합율을 보임으로써 본논문에서 제안한문서 순위결정 기법이 사 용자의 요구를 만족시키기에 충분히 우수함을 알 수 있 다. 따라서 본 논문에서 제 안안한 방법 을 사용하면 사용 자 위주의 문서검색에서 상위 1〜10번째의 문서는 적합 률이 평균98% 이상이 되므로 질의 에 따른 방대한자료에 서 사용자가 관심 있는 정보를 제공할 수 있으며 알맞은 정보검색을 위한 시간과 노력을 줄일 수 있을 것으로 사 료된다.
그리 고9회의 갱신으로 적합률92%를 얻을 수 있었다. 또한사 용자 프로파일의 갱신에 따른 적합률이 최고 98.5% 이상 을 보임으로써 본 논문에서 제안한 사용자 프로파일 구 성.갱신 방법을 이용하면 사용자의 선호도를 충분히 반 영 할 수 있음을 알 수 있었다.
본 논문에서 제안하는 문서 순위결정 기법의 기본 개 념은 순위를 결정할 문서들은 일반 정보 검색 시스템에 의해 얻어진 동일 분야의 문서들이고, 이렇게 얻은 문서 들은 사용자의 관심을 반영하므로 한 가지 성향을 갖게 된다는 점 이다. 따라서 한 가지 성향을 중심으로 차원을 줄여 분석을 수행할 수 있다.
본 논문에서 제안한 사용자 위주의 문서 순위결정 기 법에 대한성능검증을위하여 두가지 측면, 즉사용자선 호도 반영 측면과 문서 순위결정의 성능 측면에서 실험을 수행하였다. 사용자 프로파일의 성능평가 실험에서 상위 10% 내의 논문들을 평가했을 때 3회라는 매우 적은 회수 의 갱신으로도 평균 적합률 67%를 얻을 수 있었다. 그리 고9회의 갱신으로 적합률92%를 얻을 수 있었다.
예를 들어 문 서의 순위 1 〜5에서 n은 5이고, 순위 11 〜20에서의 n은 10이다. 실험 결과, 1 〜5순위의 결과에 대해서는 99.1% 이상의 적합율을, 20순위 내에서 95% 이상의 적합율을 보임으로써 본논문에서 제안한문서 순위결정 기법이 사 용자의 요구를 만족시키기에 충분히 우수함을 알 수 있 다. 따라서 본 논문에서 제 안안한 방법 을 사용하면 사용 자 위주의 문서검색에서 상위 1〜10번째의 문서는 적합 률이 평균98% 이상이 되므로 질의 에 따른 방대한자료에 서 사용자가 관심 있는 정보를 제공할 수 있으며 알맞은 정보검색을 위한 시간과 노력을 줄일 수 있을 것으로 사 료된다.
즉, 선호도가 높은 것은 더욱 높게, 낮은 것은 더욱 낮게 만들어 적합과 비적합의 경계를 넓 혀주는 방법이다. 실험 평가 결과, 이 갱신 방법은 순위가 결정된 문서들 중 상위 10%의 적합률이 60%이상이 되는 시점인 갱신 회수3회까지 실시하는 것이 적당함을 알수 있다. 이때, , 사용자 접근에 의한 갱신” 방법을 함께 수행 하면 1회의 갱신으로 적합률 60% 이상을 얻을 수 있었다.

후속연구

향후사용자 프로파일을 더욱 확대하여 공통 관심사를 갖는 그룹에 대해 개체군을 적절히 산출하고 개체군의 유 전자에 따라 그룹의 프로파일의 성능을 향상 시킬 수 있 는 유전자 알고리즘을 개발하고 이를 시스템으로 구현하 여 그룹과그룹의 프로파일 차이에 따른 개체군의 정형화 를 이룰 수 있는 연구를 계속할 것 이 다.

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

검색 엔진에서 사용자 프로파일을 이용한 문서 순위결정 방법
Ranking Decision Method of Retrieved Documents Using User Profile from Searching Engine 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

참고문헌 (8)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

검색 엔진에서 사용자 프로파일을 이용한 문서 순위결정 방법 Ranking Decision Method of Retrieved Documents Using User Profile from Searching Engine 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

제안 방법

성능/효과

후속연구

참고문헌 (8)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

검색 엔진에서 사용자 프로파일을 이용한 문서 순위결정 방법
Ranking Decision Method of Retrieved Documents Using User Profile from Searching Engine 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper