$\require{mediawiki-texvc}$

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.

[국내논문] 비음수 행렬 분해와 군집의 응집도를 이용한 문서군집
Document Clustering Method using Coherence of Cluster and Non-negative Matrix Factorization 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.13 no.12, 2009년, pp.2603 - 2608  

김철원 (호남대학교 컴퓨터공학과) ,  박선 (전북대학교 BK21-전북 전자정보고급인력양성사업단)

초록
AI-Helper 아이콘AI-Helper

문서군집은 정보검색의 많은 응용분야에 사용되는 중요한 문서 분석 방법이다. 본 논문은 비음수 행렬 분해 (NMF, non-negative matrix factorization)를 군집방법과 군집의 응집도(coherence of cluster)를 이용한 군집 내 문서들의 정제를 이용한 새로운 문서군집방법을 제안한다. 제안된 방법은 문서집합의 내부구조를 나타내는 의미특징행렬과 의미변수행렬 이용하여 문서군집의 성능을 높일 수 있고, 문장들 간의 유사도에 기반 한 군집의 응집도를 이용하여 군집내의 문서들을 정제하여서 재 할당함으로써 군집의 효율을 향상시킬 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 다른 문서군집 방법에 비하여 좋은 성능을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Document clustering is an important method for document analysis and is used in many different information retrieval applications. This paper proposes a new document clustering model using the clustering method based NMF(non-negative matrix factorization) and refinement of documents in cluster by us...

주제어

#문서군집   #비음수 행렬분해   #군집의 응집도   #문서분류  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문은 비음수 행렬 분해와 군집내의 응집도를 이용하여 문서를 군집하는 새로운방법을 제안하였다. 제안방법은 비음수 행렬 분해의 의미 특징과 의미변수를 사용하여 문서의 내부구조를 군집에 반영함으로써 군집의 정확도를 향상시켰다.
  • 본 논문은 비음수 행렬 분해와 군집의 응집도를 이용하여 문서를 군집하는 새로운 문서군집 방법을 제안한다. 비음수 행렬 분해는(NMF, non-negative matrix factorization) Lee와 Seung이 제안한 방법으로 인간이 객체를 인식할 때 객체의 부분정보의 조합으로 인식하는것에 착안하여, 객체정보를 기초특징(base feature)과 부호특징(encoding feature)로 나누어 부분정보(part-base)로 표현한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
문서의범주화는 무엇으로 분류할 수 있는가? 현재의 정보검색 분야에서는 사용자의 요구사항을 만족시키기 위하여 다양한 정보를 효율적으로 처리할 수있는 문서의 범주화에 대한 연구를 많이 진행하고 있다.문서의범주화는 대량의 문서들을 각각의 문서의 특성 및 주제에 맞게 분류하는 것 으로 사전에 학습이 필요한 지도학습방법인 문서분류와 학습이 필요 없는 비지도 학습 방법의문서군집으로 구분할 수 있다[1].
문서군집은 자료를 분석하는 중요한 기술 이지만 근본적인 문제는? 문서군집은 자료를 분석하는 중요한 기술로 자료의 조직화, 웹검 색결과의 브라우징, 다중문서 요약 등 다양한 정보검색 응용분야에 활용되는 중요한 방법이다[1, 2]. 그러나 문서군집 방법의 근본적인 문제는 자료 집합의 분포나 내부구조, 사용자가 원하는 군집 형태 등이 군집결과에 중요한 영향을 미친다는 것이다[3].
문서군집이란? 문서군집은 정보검색의 많은 응용분야에 사용되는 중요한 문서 분석 방법이다. 본 논문은 비음수 행렬 분해 (NMF, non-negative matrix factorization)를 군집방법과 군집의 응집도(coherence of cluster)를 이용한 군집 내 문서들의 정제를 이용한 새로운 문서군집방법을 제안한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. S. Chakrabarti, 'mining the web: Discovering Knowledge from Hypertext Data', Morgan Kaufmann Publishers, 2003 

  2. Y. Huang, T. M. Mitchell, 'Text Clustering with Extended User Feedback', Proceeding of Special Interest Group on Information Retrieval (SIGIR), 413-420, 2006 

  3. X. Ji, W. Xu, S. Zhu, 'Document Clustering with Prior Knowledge', Proceeding of Special Interest Group on Information Retrieval (SIGIR), 405-412, 2006 

  4. D. D. Lee, H. S. Seung, 'Learning the parts of objects by non-negative matrix factorization', Nature, vol.401, 788-791, 1999 

    상세보기 crossref

  5. D. D. Lee, H. S. Seung, 'Algorithms for non-negative matrix factorization', In Advances in Neural Information Processing Systems, vol.13, 556-562, 2001 

  6. W. Xu, X. Liu, Y. Gon, 'Document Clustering Based On Non-negative Matrix Factorization', Proceeding of Special Interest Group on Information Retrieval (SIGIR), 267-274, 2003 

  7. 주길홍, 이원석, '효율적인 문서검색을 위한 레벨별 불용어 제거에 기반한 문서클러스터링', 컴퓨터교육학회 논문지 11권 3호, 2008.5 

  8. B. Y. Ricardo, R. N. Berthier, 'Moden Information Retrieval', ACMPress, 1999 

  9. S. Basu, A.Banerjee, R. Mooney, 'Semi-supervised Clustering by Seeding', Proceeding of International Conference on Machine Learning (ICML), 19-26, 2002 

  10. H. J. Zeng, Q. C. He, Z. Chen, W. Y. Ma, J. Ma, 'Learning to Cluster Web Search Results', Proceeding of Special Interest Group on Information Retrieval (SIGIR), 210-217, 2004 

  11. The 20 newsgroups data set. http://people.csail.mit. edu/jrennie/20Newsgroups/, 2007 

  12. J. Han, M. Kamber, 'Second Edition Data Mining Concepts and Techniques', Morgan Kaufman, 2006 

저자의 다른 논문 :

관련 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