$\require{mediawiki-texvc}$

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.

기계학습을 이용한 문서 자동분류에 관한 연구
A Study on the Documents's Automatic Classification Using Machine Learning 원문보기

정보관리연구 = Journal of information management, v.39 no.4, 2008년, pp.47 - 66  

김성희 (중앙대학교 문헌정보학과) ,  엄재은 (중앙대학교 대학원 문헌정보학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 수작업 분류 시 초래하는 여러 가지 한계점을 극복하고, 이용자에게 보다 빠르고 정확한 분류 서비스를 제공하기 위해 4개의 다양한 기계학습 알고리즘을 적용하였다. 연구대상으로는 MeSH의 8개의 주제별 범주로 각각 100개의 문헌 타이틀을 선정하였으며, 4개의 기계학습 알고리즘으로 실험을 수행하였다. 그 결과 신경망 기법과 C5.0 기법을 병행하여 사용했을 경우 단일 기법을 사용했을 경우보다 2.5%, 3.75%가 상승하여 분류 효율이 83.75%로 측정되었다. 이 수치는 4개의 분류 실험 결과 중 가장 높은 정확률을 나타내었다. 따라서 신경망 기법과 C5.0 기법의 장점을 이용하여 분류 서비스를 실행하면 단일 기법을 사용한 경우보다 높은 정확률을 나타낼 수 있을 것이라 기대된다.

Abstract AI-Helper 아이콘AI-Helper

This study introduced the machine learning algorithms to overcome the many different limitations involved with manual classification and to provide the users with faster and more accurate classification service. The experiments objects of the study were consisted of 100 literature titles for each of...

주제어

질의응답

핵심어 질문 논문에서 추출한 답변
의사결정나무의 생성 단계는 어떤 과정을 거쳐 수행되는가? 의사결정나무의 생성 단계는 첫째, 의사결정나무의 형성(Growing), 둘째, 가지치기(Remove branch), 셋째, 타당성평가(Assessment), 넷째, 해석(Interpretation) 및 예측(Prediction)등의 과정을 거쳐서 수행된다. 각 단계별로 살펴보면 첫째, 의사결정나무의 형성이다.
문서분류란 무엇인가? 문서분류란 문서의 내용을 작업자가 읽고 문서를 미리 정의한 범주로 분류하는 작업이다. 일반적으로 분류라고 하면 정해진 분류체계 하에서 분류하고자 하는 각 문헌들을 가장 적합한 카테고리로 배정하여 집단화하는 작업을 의미한다.
KNN의 특징은 무엇인가? KNN(K nearest neighbor Classifier)은 Yang(1994)에 의해서 제안되었다. 이 알고리즘의 특징은 아주 간단하다는 것과 학습단계에서 최소한의 처리 작업을 한다는 것이다. 문서분류 관점에서 KNN의 정확도는 매우 우수하나, 분류 단계에서 실행속도는 매우 느리다는 단점을 가지고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (31)

  1. 김성희. 2000. WWW상의 지능형 정보검색을 위한 기계학습 알고리즘 구현에 관한 연구. 정보관리학회지, 17(2): 189-205. 

  2. 김진화. 2004. 인공지능을 이용한 웹 문서의 자동분류. 서강경영논총, 15(2):49-75. 

  3. 김천식, 홍유식. 2006. 텍스트마이닝을 이용한 XML 문서분류 기술. 한국 컴퓨터 정보학회 논문지, 11(2): 19. 

  4. 김판준, 이재윤. 2007. 문헌 간 유사도를 이용한 자동분류에서 미 분류 문헌의 활용에 관한 연구. 한국정보관리학회지, 3: 251-271. 

  5. 노영희. 2001. 기계학습을 기반으로 한 인터넷 학술문서의 효과적 자동분류에 관한 연구. 한국도서관정보학회지, 32(3): 307-330. 

  6. 박성배, 태윤식. 2007. 기계학습과 정보검색. 정보과학회지, 25(3): 5-11. 

  7. 이영숙, 정영미. 2001. 계층적 분류체계를 위한 자동분류 기법에 관한 연구. 한국정보관리학회 학술대회 논문집, 173-176. 

  8. 이재문. 2003. 휴리스틱을 이용한 KNN의 효율성 개선. 정보처리학회논문지, 10-B(6): 719-720. 

  9. 조용준 외 3인. 1999. Neural Connection을 이용한 데이터마이닝 신경망 분석. 서울: SPSS 아카데미. 

  10. 최종후 외 3인. 2000. AnswerTree를 이용한 데이터마이닝 의사결정나무분석. 서울: SPSS 아카데미. 

  11. 허명회, 이용구. 2003. 데이터마이닝 모델링과 사례. 서울: SPSS 아카데미, 43. 

  12. 허인옥. 2002. 신경망 학습을 이용한 문서 자동 분류. 석사학위논문, 성신여자대학교 교육대학원. 

  13. 황성하, 최광남, 이대규, 이상호. 2005. 인터넷 문서의 자동분류 서비스 시스템에 관한 구현. 한국 컨텐츠학회 추계종합학술대회 논문집, 3(2): 66-71. 

  14. SPSS Korea 컨설팅 팀. 2007. Clementine Manual. 서울: SPSS 코리아. 

  15. Chang, Jeffrey, 2000.“Using the MeSH Hierarchy to Index Bioinformatics Articles.” CS224N/Ling237 Final Projects 2000, 1-10. 

  16. Cherkassky. V and N. Vassilas. 1989. “Performance of Back Propagation Networks for Associative Database Retrieval.” Proc. International Joint Conference on Neural Networks, 1: 77-84. 

  17. Chidanand Apte, Fred Damerau, and Sholom M. Weis. 1994. “Towards language independent automated learning of text categorization models.” In Proceeding of the 17th annual international ACM-SIGIR, 23-30. 

  18. Jacobs. P. 1993. “Using statistical methods to improve knowledge-based news categorization.” IEEE Expert, 1-10. 

  19. Lewis, D. D. 1992. Representation and Learning in information Retrieval Ph.D. thesis. Department of Computer Science. University of Massachusetts. Amherst. 

  20. Ruiz, Miguel E. and Padmini Srinivasan. 2002. “Hierarchical Text categorization Using Neural Networks.” Information Retrieval, 5(10):87-118. 

  21. Salton G. and M. J. McGill. 1983. An Introduction to Modern Information Retrieval. New York: McGraw-Hill. 

  22. Salton, G. E. A. Fox and H. Wu. 1983. “Extend boolean information retrieval.” Communications of the ACM, 26(12): 1022-1036. 

  23. Tom Mitchell. 1996. Machine Learning. New York: McCraw Hill. 

  24. Ruiz, M. E. and Padmini Srinivasan. 2002. “Hierarchical Text categorization Using Neural Networks.” Information Retrieval, 5(10):87-118 

  25. Vapnik, V. 1995. The Nature of Statistical Learning Theory. New York: Springer. 

  26. Yang, Y. and Xin Liu, 1999. “A reexamination of text categorization methods”. Proceedings of ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR), 42-49. 

  27. Yang, Y. 1999. “An evaluation of statistical approaches to text categorization.” Journal of Information Retrieval, 1(1-2): 69-90. 

  28. Yang, Y. J. O. Pederson. 1997. “A Comparative study on feature selection in text categorization.” In Proceeding of the 24th International Conference on Machine Learning, 412-420. 

  29. Yang, Y. L. Xin. 1999. “A re-examination of text categorization methods.” Proceedings of ACM SIGIR Conference on Research and Development in Information Retrieval, 42-49. 

  30. Yang, Y. 1994. “Expert Network: Effective and efficient learning from human decisions in text categorization and retrieval”, In 17th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 13-22. 

  31. Yang, Y. Pederson, J.O. 1997. “Feature selection in statistical learning of text categorization.”Proceedings of the 14th International Conference on Machine Learning, 412-420. 

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

이 논문과 함께 이용한 콘텐츠

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