[논문]개인화 검색 시스템 프레임워크 개발

김광영

doi:10.5392/jkca.2010.10.11.461

개인화 검색 시스템 프레임워크 개발
Development of a Personalized Search System Framework 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.10 no.11, 2010년, pp.461 - 467

초록
AI-Helper

본 논문에서는 다양한 콘텐츠들을 특징을 이용하여 각 콘텐츠에 적합한 특징들을 설계하고 수행할 수 있는 개인화 검색 시스템의 프레임워크를 개발하였다. 이를 이용하여 한국과학기술정보 연구원에서 제공하는 국내학술, 특허, 동향 정보 등 다양한 콘텐츠들을 이용하여 개인화 검색 시스템의 다양한 알고리즘에 적용하여 수행하였다.

In this paper, the framework of a personalized search system designing and can perform features which are suitable for each contents by using various contents a feature was developed. In addition, by using various contents including the domestic paper, patent, trend information, and etc., it applied...

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 다양한 콘텐츠들을 특징을 이용하여 각 콘텐츠에 사용하는 주제 분류를 기본으로 구성하여 개인화 검색 시스템의 프레임워크를 쉽게 적용할 수 있는 시스템을 개발하였다. 이를 이용하여 한국과학기술정보 연구원에서 제공하는 국내학술 80만 건, 국내, 미국 특허 300만 건 , 동향 정보 10만 건의 대상 콘텐츠들을 이용하여 개인화 검색 시스템 프레임워크를 적용하고 또한 고유한 콘텐츠들의 특징과 함께 적용될 수 있는 다양한 서비스 및 알고리즘에 적용하여 개발할 수가 있었다.
본 연구에서는 계층적인 개념 구조 또는 비계층적인 개념 구조에도 쉽게 개인화 검색 시스템을 적용할 수 있는 유연한 구조로 시스템을 개발하였다. 즉 국내학위 논문에 대해서는 KISTI 표준 분류 체계를 이용하였고 특허에 대해서 IPC 분류 체계를 이용하였고 동향정보에 대해서는 자체 디렉토리 분류를 체계를 이용하여 개념적 개인화 검색 시스템을 쉽게 구현할 수가 있었다.

제안 방법

[표 1]과 같이 개인화 검색시스템의 프레임워크에 적용하기 위해서 3가지 콘텐츠별로 각각 시스템을 구성하였다. 각 콘텐츠별로 시스템을 구성할 수 도 있고 전체 하나의 통합 시스템으로 구성을 할 수가 있다.
Sensus 온톨로지[17][18], 7만 개의 노드의 텍사노미와 야후! 디렉토리의 하위집합을 사용하여 그들의 계층적 개념 구조를 사용하였다. Outride 개인화 검색 시스템[19]은 ODP 디렉터리로부터 단지 1,000 개념들을 사용하였고 폭 넓은 동향(trend) 정보를 잡는데 중점을 두었다.
개인 프로파일 정보는 기본적으로 사용자가 검색을 하기 위해 입력한 키워드 정보를 중심으로 구성한다. 본 시스템에서는 개인 프로파일을 개념기반에 프로파일을 구성을 한다. 이를 위해서 사용자가 입력하는 키워드 정보를 이용하여 범주화된 각 콘텐츠들 정보들을 중심으로 kNN분류기를 이용하여 분류한 값을 함께 저장을 한다.
본 시스템은 다양한 콘텐츠를 이용하여 실제 개인화 검색 시스템의 프레임워크에 적용을 하였다.
우선 3개의 콘텐츠를 이용하여 개인화 검색 시스템 프레임워크에 적용을 하였다. 첫 번째는 국내학술 저널을 이용하여 KISTI 표준 분류 체계를 이용하여 개념기반의 프로파일을 구성하여 개인화 시스템을 적용하였고, 두 번째는 특허DB는 IPC 분류 체계를 이용하여 개념기반의 프로파일을 구성하여 개인화 시스템을 적용하였고 마지막으로 동향분석 DB는 자체 디렉토리 분류 체계를 이용하여 개념기반의 프로파일을 구성하여 개인화 시스템을 적용하였다.
본 시스템에서는 개인 프로파일을 개념기반에 프로파일을 구성을 한다. 이를 위해서 사용자가 입력하는 키워드 정보를 이용하여 범주화된 각 콘텐츠들 정보들을 중심으로 kNN분류기를 이용하여 분류한 값을 함께 저장을 한다. 이 분류된 값들은 각 콘텐츠의 주제 분류에 값에 따라 다를 수가 있다.
예를 들면 DDC, IPC분류, KISTI 자체 표준 분류(BIST) 등의 정보가 될 수가 있다. 저장된 키워드 정보와 분류 정보를 중심으로 개인화의 성향을 분석하여 검색된 결과에 사용자의 성향 정보를 반영 한다. 각 주제 분류 중에서 대분류, 중분류, 소분류가 있을 경우 본 시스템에서는 대부분 kNN 분류기를 이용하여 중분류를 중심으로 개인의 성향을 유추한다.
우선 3개의 콘텐츠를 이용하여 개인화 검색 시스템 프레임워크에 적용을 하였다. 첫 번째는 국내학술 저널을 이용하여 KISTI 표준 분류 체계를 이용하여 개념기반의 프로파일을 구성하여 개인화 시스템을 적용하였고, 두 번째는 특허DB는 IPC 분류 체계를 이용하여 개념기반의 프로파일을 구성하여 개인화 시스템을 적용하였고 마지막으로 동향분석 DB는 자체 디렉토리 분류 체계를 이용하여 개념기반의 프로파일을 구성하여 개인화 시스템을 적용하였다.

대상 데이터

대상 콘텐츠는 NDSL(www.ndsl.kr)에서 실제 서비스하고 있는 콘텐츠를 이용하였다.

이론/모형

그리고 개별 콘텐츠의 특징을 이용하여 저자 주제어 정보와 공동 저자 내비게이션 등의 추가적인 기능을 할 수가 있다. 국내학술 저널의 경우에는 DDC분류를 중심으로 주제 분류 기반의 개인화 검색 시스템을 적용하였다.
[그림 8]은 동향분석 13만 건을 이용하여 기본 개인화 검색 시스템의 프레임워크에 적용하였다. 동향분석의 경우에는 디렉터리 서비스에서 사용하는 자체 분류 체계를 이용하였다.
특허 시스템에서는 특허 분석 맵을 제공하여 출원일/등록일, 발명자, 회사, 기술정보를 중심으로 검색한 문서들에 대해서 간단한 특허 맵을 제공하고 있다. 특허 개인화 검색 시스템에서는 IPC분류 체계를 이용하여 주제 분류 기반의 개인화 검색 시스템을 적용하였다.

성능/효과

각 콘텐츠별로 시스템을 구성할 수 도 있고 전체 하나의 통합 시스템으로 구성을 할 수가 있다. 각 개별적으로 구성할 경우에는 각 콘텐츠별의 주제 분류 정보를 개인화 검색 시스템에 반영함으로서 개별 콘텐츠의 특징을 잘 반영을 할 수가 있었다.
본 논문에서는 다양한 콘텐츠들을 특징을 이용하여 각 콘텐츠에 사용하는 주제 분류를 기본으로 구성하여 개인화 검색 시스템의 프레임워크를 쉽게 적용할 수 있는 시스템을 개발하였다. 이를 이용하여 한국과학기술정보 연구원에서 제공하는 국내학술 80만 건, 국내, 미국 특허 300만 건 , 동향 정보 10만 건의 대상 콘텐츠들을 이용하여 개인화 검색 시스템 프레임워크를 적용하고 또한 고유한 콘텐츠들의 특징과 함께 적용될 수 있는 다양한 서비스 및 알고리즘에 적용하여 개발할 수가 있었다. 향후에는 현재 개발된 개인화 검색 시스템의 프레임워크를 서비스 특성에 따라 체계화하여 개인화 검색과 개인화 서비스를 더욱 쉽게 개발 및 적용할 수 있는 시스템을 개발할 필요성이 있다.
본 연구에서는 계층적인 개념 구조 또는 비계층적인 개념 구조에도 쉽게 개인화 검색 시스템을 적용할 수 있는 유연한 구조로 시스템을 개발하였다. 즉 국내학위 논문에 대해서는 KISTI 표준 분류 체계를 이용하였고 특허에 대해서 IPC 분류 체계를 이용하였고 동향정보에 대해서는 자체 디렉토리 분류를 체계를 이용하여 개념적 개인화 검색 시스템을 쉽게 구현할 수가 있었다.

후속연구

이를 이용하여 한국과학기술정보 연구원에서 제공하는 국내학술 80만 건, 국내, 미국 특허 300만 건 , 동향 정보 10만 건의 대상 콘텐츠들을 이용하여 개인화 검색 시스템 프레임워크를 적용하고 또한 고유한 콘텐츠들의 특징과 함께 적용될 수 있는 다양한 서비스 및 알고리즘에 적용하여 개발할 수가 있었다. 향후에는 현재 개발된 개인화 검색 시스템의 프레임워크를 서비스 특성에 따라 체계화하여 개인화 검색과 개인화 서비스를 더욱 쉽게 개발 및 적용할 수 있는 시스템을 개발할 필요성이 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	대부분의 개인화 검색시스템에 관한 주요한 기능은 클릭 정보나 개인의 검색 히스토리 정보를 이용하여 개인화 검색에 많은 활용을 하고 있는데, 구체적으로 어떤 것들이 있는가?	대부분의 개인화 검색시스템에 관한 주요한 기능들은 개인의 클릭 정보나 개인의 검색 히스토리 정보를 이용하여 개인화 검색에 많이 활용을 하고 있다. 개인의 어떤 내용을 개인화하여 검색 결과에 반영하는지에 따라 링크정보를 이용하거나, 질의어를 확장하거나, 결과를 재순위화하거나, 메타 검색, 혹은 도메인별 검색 등이 있다. Jeh 와 Widom(2003)은 이용자가 즐겨 찾는 페이지에서 링크되거나, 해당 페이지가 링크한 페이지에 더 많은 가중치를 두어 검색랭킹에 반영하는 형태를 연구하였다[4].
	개인화 검색의 유형에는 어떤 것들이 있는가?	일반적으로 개인화(Personalization)라는 용어는 이용자 정보요구에 부합되는 콘텐츠를 제공한다는 의미로 광범위하게 사용된다[2]. 개인화 검색의 유형은 개인이 적극적으로 프로파일의 사항을 입력하면, 이를 이용하여 기본 프로파일을 작성하는 방법과 서비스 이용형태를 기반으로 하는 방식으로 클릭한 문서, 클릭 수 등의 정보를 이용하여 프로파일을 작성하는 방법과 이용자의 사회화 프로파일(Social Profile)기반으로 하는 방식이 있다[3].
	이용자의 행동 정보에 근거하는 개인화로 검색 이력 위주의 다양한 기능을 제공하는 개인화 검색 시스템의 예는?	이용자가 입력한 프로파일에 기반을 두어 맞춤형 검색을 제공하였고 그 다음으로는 이용자의 행동 정보에 근거하는 개인화로서 검색 이력(history) 위주의 다양한 기능을 제공하는 개인화 검색 시스템이다. 2004년 10월 야후가 ‘My Search'를 시범 서비스로 시작하였으며 검색 결과를 저장하고 편집할 수 있는 기능 위주로 만들어진 시스템이다. 그 다음으로는 이용자의 자산 데이터를 대상으로 하는 개인화이다.

참고문헌 (19)

남궁황, “학습시스템에 기반한 개인화 정보 서비스에 관한 연구”, 정보관리학회지, 제20권, 제4호, pp.113-134, 2003.

원문보기 상세보기
Shahabi, Cyrus and Yi-Shin Chen, "Web Information Personalization : Challenges and Approaches," In Proceedings of 3rd Workshop on Databases in Networked Information System, pp.5-15, 2003.

상세보기
이소영, 정영미, "웹 포털 이용자 로그 데이터에 기반한 개인화 검색서비스 모형의 설계 및 평가" 정보관리학회지, 제23권, 제4호, pp.179-196, 2006.

원문보기 상세보기
G. Jeh and J. Widom, "Scaling Personalized Web Search," Proceedings of the 12th International World Wide Web Conference, pp.271-279, 2003.
E. J. Glover, "Web Search - Your Way," Communications of the ACM, Vol.44, No.12, pp.97-102, 2000.
Bonnet, Monica. "Personalization of Web Services: Opportunities and Challenages," Ariadne Issue 28. http://www.ariadne.ac.uk/issue28/personalization
박건우, 이상훈, “질의어 패턴 자동분석을 통한 커뮤니티 기반 개인화 검색”, 정보과학회논문지, 제36권, 제4호, pp.321-326, 2009.

원문보기 상세보기
G. Linden, B. Smith, and J. York, "Amazon.com Recommendations Item-to-Item Collaborative Filtering," IEEE Internet Computing, pp.76-80, 2003.

상세보기
Filip Radlinski, Susan Dumais, "Improving Personalized Wes Search using Result Diversification," Proceedings of the 29th annual international ACM SIGIR, pp.691-692, 2006.
Ahu Sieg, Bamshad Mobasher and Robin Burke, "Web Search Personalization with Ontological User Profiles," Proceedings of the sixteenth ACM conference on Conference on information and knowledge management, pp.525-534, 2007.
J. Trajkova and S. Gauch, “Improving ontology-based user profiles,” Proceedings of the Recherched’ Information Assistear Ordinateur, RIAO, pp.380-389, 2004.
http://www.dmoz.org
P. A. Chirita, W. Nejdl, R. Paiu, and C. Kohlschutter, "Using odp metadata to personalize search," Proceedings of the 28th Annual International ACMSIGIR Conference on Research and Development in Information Retrieval,SIGIR, pp.178-185, 2005.
C. Ziegler, K. Simon, and G. Lausen, "Automatic computation of semantic proximity using taxonomic knowledge," Proceedings of the15th ACM International Conference on Information and Knowledge Management, CIKM, pp.465-474, 2006.
G. Jeh and J. Widom, “Scaling personalized web Search,” Proceedings of the12th international conference on World Wide Web, pp.271-279, 2003.
Pretschner, "Ontology Based Personalized Search," Proceeding of the 11th IEEE International Conference ICTAI, pp.391-398, 1999.
N. Guarino, C. Masolo, and G. Vetere, "Content-Based Access to the Web," IEEE Intelligent Systems, pp.70-80, 1999.

상세보기
K. Knight and S. Luk, "Building a Large Knowledge for Machine Translation,"Proceedings of AAAI, pp.773-778, 1999.
J. Pitkow and H. Cass, "Personalized search," CACAM, pp.50-55, 2002.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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