효율적 검색의도 파악을 위한 쿼리 단어 가시화에 관한 연구 Revealing Hidden Relations between Query-Words for an Efficient Inducing User's Intention of an Information Search원문보기
본 논문은 검색 질의어 단어 입력 시에 드러나지 않은 쿼리 단어들을 가시화함으로써, 검색 주체의 의도 구조를 선택할 수있게 하며, 탐색 효율을 제고하도록 제안한다. 검색 질의어를 입력할 때 검색 의도를 파악한다면 효과적인 검색 서비스가 가능할 것이다. 이렇게 하기 위하여, 의도 구조와 요소를 설정함과 아울러 쿼리 단어의 생략된 관계에 해당하는 단어를 복원하여 가시화하는 과정이 필요하다. 관련된 연구들을 검토하며, 검색 의도 구조를 정의하고, 쿼리 단어의 가시화를 위한 방법과 의도 구조에 적합한 쿼리 단어를 확장 생성하는 과정을 보인다. 이 과정에서 의도 구조의 여러 계층 중 하나를 쿼리 단어 범위로 할당하는 예제와 실험을 수행하였다. 탐색 효율 상승의 검색결과와 탐색효율 하락의 검색결과를 분석하였다. 향후 연구로는 의도 결절을 확장하여 구성 요소를 학습할 수 있도록 자동화하는 연구가 필요하다.
본 논문은 검색 질의어 단어 입력 시에 드러나지 않은 쿼리 단어들을 가시화함으로써, 검색 주체의 의도 구조를 선택할 수있게 하며, 탐색 효율을 제고하도록 제안한다. 검색 질의어를 입력할 때 검색 의도를 파악한다면 효과적인 검색 서비스가 가능할 것이다. 이렇게 하기 위하여, 의도 구조와 요소를 설정함과 아울러 쿼리 단어의 생략된 관계에 해당하는 단어를 복원하여 가시화하는 과정이 필요하다. 관련된 연구들을 검토하며, 검색 의도 구조를 정의하고, 쿼리 단어의 가시화를 위한 방법과 의도 구조에 적합한 쿼리 단어를 확장 생성하는 과정을 보인다. 이 과정에서 의도 구조의 여러 계층 중 하나를 쿼리 단어 범위로 할당하는 예제와 실험을 수행하였다. 탐색 효율 상승의 검색결과와 탐색효율 하락의 검색결과를 분석하였다. 향후 연구로는 의도 결절을 확장하여 구성 요소를 학습할 수 있도록 자동화하는 연구가 필요하다.
This paper proposes to increase an efficiency of somebody searching information by a visualization of an unseen query words with well-selected user's intent structures. If a search engine identifies user's intent to pursue information, it would be an effective search engine. To do so, it is needed t...
This paper proposes to increase an efficiency of somebody searching information by a visualization of an unseen query words with well-selected user's intent structures. If a search engine identifies user's intent to pursue information, it would be an effective search engine. To do so, it is needed that relationships between query-words are to be visible after recovering words lost during formulated, and that an intention structure/elements is to be established. This paper will review previous studies, after then, define a simple structure of the search intent, and show a process to expand and to generate the query words appropriate to the intent structure with a method for the visualization of the query words. In this process, some examples and tests are necessary that one of the multiple intent structured layers is to assign to a range of query-words. Increasing/Decreasing an efficiency are analyzed to find. Future research is needed how to automate a process to extend structural nodules of user's intent.
This paper proposes to increase an efficiency of somebody searching information by a visualization of an unseen query words with well-selected user's intent structures. If a search engine identifies user's intent to pursue information, it would be an effective search engine. To do so, it is needed that relationships between query-words are to be visible after recovering words lost during formulated, and that an intention structure/elements is to be established. This paper will review previous studies, after then, define a simple structure of the search intent, and show a process to expand and to generate the query words appropriate to the intent structure with a method for the visualization of the query words. In this process, some examples and tests are necessary that one of the multiple intent structured layers is to assign to a range of query-words. Increasing/Decreasing an efficiency are analyzed to find. Future research is needed how to automate a process to extend structural nodules of user's intent.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
[4,6,8] Rao와 Geogeff의 Multi-Agent Systems에 의한 결정과정, Chulef와 Read and Walsh 의 목표의 계층구조에 관해 연구하였다.[5,7]
이를 숨겨진 쿼리 단어의 관계를 가시화하는데 활용한다. 두 질의어의 관계에 잠재된 특정 관계 유형을 정의하고 드러내는 가시화 과정을 거침으로서, 질의 표현 시에 탈락되는 의도표상에 관한 단서를 드러내고자 하였다. 가시화 과정에는 첫째, 관계의 형태 와 내용(관계 항목의 프레임과 구조 및 계층, 요소, 값 등), 둘째, 관계 유형 식별자의 결정 및 Tagger 표현과 부착 방법, 셋째, 관계 유형의 식별과정 규칙 저장, 넷째, 관계 온톨로지 모형 및 저장 기준 등이 포함된다.
본 논문에서는 그 방법을 찾기 위하여 질의어의 관계를 드러내고 식별자를 설정할 수 있도록 한다. 대부분의 검색 질의어는 평균 2.
상위구조의 의도 낱말 군을 제한하는 방법으로 속성범위를 제한하는 방법과 검색주체가 개입하도록 하는 방법이 있다. 본 논문에서는 무한 반복을 피할 수 있도록 질의자를 개입시켜서 선택하도록 한다. 즉, 종로 비빔밥의 경우는 맛집 또는 점심이나 한정식 등 6개의 상위 구조 중 한 개를 선택할 수 있고, ‘Denny's Burger'의 경우는 마찬가지 방법으로 ’Lunch' 또는 ‘Restaurant'를 클릭하여 선택한다.
본 논문은 어떤 주체가 정보를 검색(Information Retrieval)할 때 드러나지 않은 쿼리 단어들을 가시화함으로써, 미리 정의된 사용자 의도구조를 선택할 수 있게 하며, 탐색 효율을 제고하도록 제안한다. 검색 질의 어를 입력할 때 검색 주체의 의도를 파악한다면 효과적인 검색 서비스가 가능할 것이다.
본 연구에서는 두 질의어 사이의 관계로부터 검색의 상위구조인 의도를 유추함으로써, 검색 주체의 의도에 적합한 질의어를 구성하도록 하였으며, 그 결과로 검색의 효율성을 판단하는 과정을 보이고자 하였다. 두 질의어의 의미적 관계를 확장하는 ‘종로 비빔밥’의 경우 13,871 건의 인스턴스를 구성했고, 의도 선택 유형은 6가지로 식별할 수 있었다.
관련 연구는 크게 두 부류로 나누어 검토한다. 의도 및 의도 구성 요인에 관한 연구, 그리고 질의어 및 질의어들의 관계 가시화에 관한 연구이다.
가설 설정
질의어 차원의 한 계층 위의 개념이 나타나도록 추론하되 정보 요구가 발생하는 공간을 가정하여야 한다. 즉, 정보 검색 주체가 어떤 문제 극복의 과정에 놓여 정보 추구 행동을 검색 질의어로 표현하게 된 것인가를 가정하게 된다. 문제 극복 과정을 도입 및 정형화하고, 추론할 수 있는 복합적인 요소를 가정하되, 질의와 상위 구조의 개념이 동일 차원의 공간에서 다루어질 수 있도록 단순화한 공간을 가정하여야 할 것이다.
질의어 관계(R)의 공간 범위는 질의 의도(I)의 집합 범위 내에서 평면상의 확장 범위로 가정한다.
질의 의도는 질의어와 질의어 관계 집합을 모두 포함하는 한 계층 위의 개념인 의도(Intent, Intention, Intending to do)가 나올 수 있다. 질의어 차원의 한 계층 위의 개념이 나타나도록 추론하되 정보 요구가 발생하는 공간을 가정하여야 한다. 즉, 정보 검색 주체가 어떤 문제 극복의 과정에 놓여 정보 추구 행동을 검색 질의어로 표현하게 된 것인가를 가정하게 된다.
한편 의도어는 맛집, 음식점, 식당을 가정하였다.
제안 방법
[3] 협력적 추천을 실제 사용자 프로파일을 통해 수동과 자동으로 실험하였다. 여러 가지 추천 방법들을 혼합하여 제안하고 있으며 개인화 온톨로지 기반 콘텐츠 검색(Retrieval) 모델에서 가중치를 부여한 의미적 선호성을 사용하고 있다.
본 논문은 다음과 같이 구성하였다. 복층의 의도 구조 및 쿼리 단어에 관해 관련연구들을 검토하였으며, 쿼리 단어들의 형성 흐름을 분석하여 관계양상을 도출하였다. 이렇게 함으로써, 사용자가 쿼리를 입력하기 직전 단계에서의 의도를 회상하는 실마리를 제공할 수 있다.
본 연구에서 제안하는 모델은 검색 주체의 의도를 유추함으로써 기존 정보검색(IR) 엔진과 분리되어, 실용 영역에서는 자료 구조의 범주 변화에 동적으로 대응할수 있는 기반이자 방향이 된다. 질의어를 형성(Formulation)하는 과정에 있어 의도의 힌트를 추천할때에도 유용할 것이다.
검색 질의어 사이의 관계를 의미적으로 확장하여, 관계유형 군을 상위 의미 계층인 의도 낱말 군 중에서 선택한다. 선택한 결과가 검색엔진에서 검색대상 범위의 적합성 기준으로 기능할 수 있는지 여부를 판별하고, 성능 향상시의 효율이 상승하는지를 측정한다. 실험의 목표는 아래 두 가지로 대별된다.
질의어와 질의어 사이의 관계를 의미적으로 확장하여 발생가능한 경우의 관계 유형 군을 분류하여 실험하였다. 실험의 목적과 목표는 다음과 같다.
대상 데이터
‘Chicago Seminar’에 관련된 의미있는 데이터는 6,003 건을 구성하였다.
질의어 관계를 확장하여 의미적으로 나타나는 경우의 데이터 수는 ‘종로 비빔밥’은 총 13,871 건을 의미체계 모델로 구성하였다.
성능/효과
[2] 목표구조 (goal structure)를 정의하고, 목표의 속성/방향/행선지의 계층구조를 보였고, 사용자 의도들을 추출하는 과정, 단순화시킨 개체 클래스 온톨로지, 그리고 목표선택 과정과 아키텍쳐를 다루었으며 물품구입시의 실제 예를 보였다. 배경지식의 중요성을 주장하였다.
본 연구 결과는 Jansen 등의 연구 결과에서 정보 의도 통계 결과 범위 내의 정보 요구 중 한 가지를 톱다운(Top-Down) 방식으로 역추적하여 실험했다는 의미가 있다 할 것이다.[14~15] 향후 연구로는 연관성 탐사규칙 생성에 관한 연구가 진행 중이고, 남은 연구로는 의도 구조를 한 계층 더 추가할 경우에 데이터베이스의 자동 구성과 시간적 효율성을 다른 방법으로 측정하는 연구가 이루어져야 할 것이다.
질의어 수준의 상호 작용 뿐만 아니라 검색 대상이 적합한지를 판단하는 기준과의 상호 작용 차원을 하나 더 늘리는 효과가 있다. 정보 과부하 속에서 사람의 검색 경로 이탈 현상을 크게 개선할 수 있는 가능성을 확인하였다. 이 과정에서 식별자는 질의자의 의도 모형을 선택하는 중요한 역할을 할 것이다.
후속연구
[14~15] 향후 연구로는 연관성 탐사규칙 생성에 관한 연구가 진행 중이고, 남은 연구로는 의도 구조를 한 계층 더 추가할 경우에 데이터베이스의 자동 구성과 시간적 효율성을 다른 방법으로 측정하는 연구가 이루어져야 할 것이다.
가시화 과정에는 첫째, 관계의 형태 와 내용(관계 항목의 프레임과 구조 및 계층, 요소, 값 등), 둘째, 관계 유형 식별자의 결정 및 Tagger 표현과 부착 방법, 셋째, 관계 유형의 식별과정 규칙 저장, 넷째, 관계 온톨로지 모형 및 저장 기준 등이 포함된다. 구문의 의미 관계를 표현한 데이터 배열로 실험 모델을 구성하는 예제와 검색 엔진을 이용한 실험이 수행될 것이다.
따라서 검색 의도를 명시적으로 밝히되 최소한의 구조화로 사용자 스스로 검색 흐름 도중에 경로를 이탈하지 않도록 하는 정도에서 검색 성능 향상에 활용하는 연구가 바람직하고 합리적이다. 본 연구의 결과를 응용한다면, 검색 주체가 사물인 경우에도 유용할 뿐만 아니라, 프라이버시 침해의 소지가 없으므로 여러 면에서 더욱 유용할 것이다.
매핑시스템에는 매핑데이터 생성코드와 개념정의 및 규칙이 필수적이다. 질의의도의 연관성을 효율적으로 탐사할 규칙 생성에 관한 연구는, 포괄적 집합군 탐색 방안과 의도구성 및 구성요소의 속성상속에 의존이 예상되므로 난이도가 높아 후속 연구로 별도로 진행되고 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
검색 질의어를 입력 시 무엇을 파악하면 효과적인 검색 서비스가 가능한가?
본 논문은 검색 질의어 단어 입력 시에 드러나지 않은 쿼리 단어들을 가시화함으로써, 검색 주체의 의도 구조를 선택할 수있게 하며, 탐색 효율을 제고하도록 제안한다. 검색 질의어를 입력할 때 검색 의도를 파악한다면 효과적인 검색 서비스가 가능할 것이다. 이렇게 하기 위하여, 의도 구조와 요소를 설정함과 아울러 쿼리 단어의 생략된 관계에 해당하는 단어를 복원하여 가시화하는 과정이 필요하다.
정보 탐색의 중요한 과제는 무엇인가?
검색 주체의 정보 요구에 적절한 정보를 가져다주는 것은 정보 탐색의 중요한 과제이다. 그러나 현행 검색 결과로서 검색엔진을 사용하는 사람에게 많은 참고 자료를 주지만, 이들은 보조 자료에 불과하고 이마저도 대부분이 정보 요구에의 부합성이 떨어진다.
효과적인 검색 서비스가 가능하도록 하기 위해 필요한 과정은?
검색 질의어를 입력할 때 검색 의도를 파악한다면 효과적인 검색 서비스가 가능할 것이다. 이렇게 하기 위하여, 의도 구조와 요소를 설정함과 아울러 쿼리 단어의 생략된 관계에 해당하는 단어를 복원하여 가시화하는 과정이 필요하다. 관련된 연구들을 검토하며, 검색 의도 구조를 정의하고, 쿼리 단어의 가시화를 위한 방법과 의도 구조에 적합한 쿼리 단어를 확장 생성하는 과정을 보인다.
참고문헌 (16)
Sandra Carberry, "Modelling the User's Plans and Goals," Computational Linguistics, V.14, No.3, 1988.9
C. L. Lee and A. Liu, "Modeling the Query Intention with Goals," Proceedings of the 19th International Conference on Advanced Information Networking and Applications (AINA'05), 2005.
Ivan Cantador, Alejandro Bellogin and Pablo Castells, "A Multilayer Ontology-based Hybrid Recommendation Model," AI Communications , Vol.21 No.2-3, IOS Press, p203-210, 2008.
Patrick Schmitz, "Inducing Ontology from Flickr Tags", WWW 2006, May 22-26, Edinburgh, UK, 2006.
Anand S. Rao and Michael P. Geogeff, "Formal Models and Decision Procedures for Multi-Agent Systems," Technical Note 61, 1995, in www.cs.ucf.edu
Mohan Ponnada and Nalin Sharda, "Model of a Semantic Web Search Engine for Multimedia Content Retrieval," In the proceeding of 6th IEEE/ACIS International Conference on Computer and Information Science, Melbourne, 2007.7.11-13
A. Chulef, S. J. Read and D.A. Walsh, "A Hierarchical taxonomy of human goals," Motivation and Emotion, Vol.25, No.3, p191-232, 2001.
D.E. Rose and D. Levinson, "Understanding user goals in web search," Proceedings of the 13 th international conference on World Wide Web, p13-19, 2004.
장재형 김태연 김재광 이지형, 개체명을 활용한 스니펫 생성 방법, Proceedings of KIIS Spring Conference 2010, Vol. 20, No. 1, p178-179, 2010
T. Spyrou and J. Darzentas, "Intention Modelling: Approximating," Information Systems Security, 1996, p321-336
Philip R. Cohen and Hector J. Levesque, "Intention Is Choice with Commitment," Artificial Intelligence 42, p213-261, 1990.
R. S. Taylor, "Question Negotiation and Information Seeking in Libraries," College and Libraries 28, 178-194, 1968.
B. J. Jansen, A. Spink, J. Bateman & T. Saracevic, "Real life information retrieval: a study of user queries on the web," ACM SIGIR Forum, 1998.
B. J. Jansen, D. L. Booth and A. Spink, "Determining the informational, navigational, and transactional intent of Web queries," 2007, Available online at www.sciencedirect.com, 2011.3.1
백지원 정연경, 용어관계의 분류모형 개발에 관한 연구, 정보관리학회지 제23권 제1호, 2006.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.