$\require{mediawiki-texvc}$

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.

C-rank: 웹 페이지 랭킹을 위한 기여도 기반 접근법
C-rank: A Contribution-Based Approach for Web Page Ranking 원문보기

정보과학회논문지. Journal of KIISE. 컴퓨팅의 실제 및 레터, v.16 no.1, 2010년, pp.100 - 104  

이상철 (한양대학교 전자컴퓨터통신공학과) ,  김동진 ((주)NHN) ,  손호용 (한양대학교 전자컴퓨터통신공학과) ,  김상욱 (한양대학교 정보통신학부) ,  이재범 ((주)NHN)

초록
AI-Helper 아이콘AI-Helper

수많은 웹 문서로부터 웹 서퍼가 원하는 정보를 찾기 위해 다양한 검색 엔진들이 개발되어왔다. 검색 엔진에서 가장 중요한 기능 중 하나는 사용자 질의에 대해서 웹 문서를 평가하고 랭킹을 부여하는 것이다. PageRank등의 기존 하이퍼링크 정보를 이용한 웹 랭킹 알고리즘은 토픽 드리프트 현상을 발생시킨다. 이러한 문제를 해결하기 위하여 연관성 파급 모델이 제안되었지만, 기존의 연관성 파급 모델을 기반으로 하는 랭킹 알고리즘은 성능상의 이유로 실제 웹 검색 엔진에서 사용하기 어렵다. 본 논문에서는 이러한 토픽 드리프트 현상을 완화하면서 좋은 성능을 제공하는 새로운 랭킹 알고리즘을 제안한다. 다양한 실험을 통하여 기존 알고리즘들과 비교한 제안하는 알고리즘의 우수성을 검증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In the past decade, various search engines have been developed to retrieve web pages that web surfers want to find from world wide web. In search engines, one of the most important functions is to evaluate and rank web pages for a given web surfer query. The prior algorithms using hyperlink informat...

주제어

#웹 페이지 랭킹   #연관성 파급 모델  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 기존의 연관성 파급 기법의 랭킹 계산 성능을 개선하는 새로운 기법인 C-rank 기법을 제안하 였다. 제안하는 C~rank 기법은 각 웹 문서는 자신의 내용을 보완하기 위하여 하이퍼링크를 포함시킨다는 특징을 이용하여 각 웹 문서의 기여하는 정도를 계량화 하 였다.
  • 본 논문에서는 다음과 같은 관찰을 통하여 이러한 문제점을 해결할 수 있는 매우 효과적인 오프라인 계산 방법을 제안한다. 하나의 웹 문서는 주로 한 두 개의 주제들을 다루는 내용을 포함하며' 이 주제들을 표현하는 소수의 단어들로 대표될 수 있다.
  • 기존 연관성 파급 모델은 세 단계의 과정으로 인하여, 상당한 계산 오버헤드가 있다. 본 논문은 기존 연관성 파급 기법의 한계를 해결하기 위하여 제안된 Crank宙］를 설명하고, 성능을 평가한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (11)

  1. R. Baeza-Yates and B. Ribeiro-Neto, Modern Information Retrieval, Addision-Wesley, 1999. 

  2. S. E. Robertson, "Overview of the Okapi projects," Journal of Documentation, vol.53, no.1, pp.3-7, 1997. 

    상세보기 crossref

  3. P. Lawrence et al., The PageRank Citation Ranking: Bringing Order to the Web, Technical Report, Stanford University, 1998. 

  4. J. M. Kleinberg, "Authoritative Sources in a Hyperlinked Environment," Journal of the ACM, vol.46, no.5, pp.604-632, 1999. 

    상세보기 crossref

  5. M. Richardson and P. Domingos, "The Intelligent Surfer: Probabilistic Combination of Link and Content Information In PageRank," In Advances in Neural Information Processing Systems 14, pp.1141-1448, 2002. 

  6. T. Qin et al., "A Study of Relevance Propagation of Web Search," In Proc. ACM Int'l. Conf. on Information Retrieval, pp.408-415, 2005. 

  7. A. Shakery and C. Zhai, "A Probabilistic Relevance Propagation Model for Hypertext Retrieval," In Proc. ACM Int'l. Conf. on Information and Knowledge Management, pp.550-558, 2006. 

  8. Dong-Jin Kim, C-rank: A Contribution-Based Web Page Ranking Algorithm, NHN Internal Technical Report, TR-NHN-2007-158, 2007. (In Korean) 

  9. Lucene, http://lucene.apache.org. 

  10. TREC Web Track, http://es.cmis.csiro.au/TRECWeb. 

  11. S. Chakrabarti, Mining The Web, Morgan Kaufmann, 2002. 

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