[논문]검색 편의성 향상을 위한 패턴 분석 기반 질의어 확장

전서인; 박건우; 남광우; 류근호

doi:10.9723/jksiis.2012.17.2.065

검색 편의성 향상을 위한 패턴 분석 기반 질의어 확장
Pattern Analysis-Based Query Expansion for Enhancing Search Convenience 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.17 no.2, 2012년, pp.65 - 72

전서인 (육군본부) , 박건우 (육군종합보급창) , 남광우 (군산대학교 컴퓨터정보공학과) , 류근호 (충북대학교 전자정보대학)

초록
AI-Helper

21세기 정보화시대에 정보자원의 양은 증대되고 있으며 필요한 정보를 손쉽게 취득하게 해주는 정보검색 시스템의 역할이 중요해지고 있다. 일반적으로 사용자가 원활한 검색을 하기 위해서는 검색하고자 하는 정보에 대한 충분한 사전 파악이 필요하며, 키워드를 식별하는 능력 또한 뛰어나야 한다. 하지만 대부분의 사용자들이 충분한 지식을 갖추고 검색을 수행하지 않으며 질의어에 적합한 효율적인 키워드를 연상하는데 많은 시간을 소비한다. 또한 여러 검색엔진에서 연관검색어 서비스를 제공하고 있지만 이는 검색어와 유사한 의미 내용이 대부분이며 사용자에게 맞는 확장/연관검색어를 제공하여 주지 못한다. 본 논문은 질의어 패턴 분석 기반의 사용자 확장 검색어 추출 및 추천을 통해 사용자의 검색 편의성을 제공하기 위한 시스템을 제안한다.

Abstract ▼ AI-Helper

In the 21st century of information systems, the amount of information resources are ever increasing and the role of information searching system is becoming criticalto easily acquire required information from the web. Generally, it requires the user to have enough pre-knowledge and superior capabilities to identify keywords of information to effectively search the web. However, most of the users undertake searching of the information without holding enough pre-knowledge and spend a lot of time associating key words which are related to their required information. Furthermore, many search engines support the keywords searching system but this only provides collection of similar words, and do not provide the user with exact relational search information with the keywords. Therefore this research report proposes a method of offering expanded user relationship search keywords by analyzing user query patterns to provide the user a system, which conveniently support their searching of the information.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 사용자 질의어에 대한 사용빈도수 및 통계적 확률을 기반으로 질의어 패턴을 분석하여 사용자의 정보요구에 맞는 확장 검색어를 추출하기위한 방안을 제시한다[13],[14]. 즉, 사용자의 입력 질의어 예측을 통해 보다 사용자 의도에 부합되는 확장 검색어를 추천함으로써 초기 질의어 입력 후 질의어 확장 과정에서 사용자 편의성을 향상 시킨다[13]
본 논문은 웹 사용자의 질의어에 대한 패턴을 분석하기 위해 정보검색과정에서 사용자가 1~2개의 키워드를 입력하고 검색결과 페이지에서 상단에 위치하는 웹사이트를 더 많이 클릭한다는 점에 착안하여 데이터 마이닝 기술 중 연관규칙을 적용하였다. 이를 통해 검색 키워드에 대한 사용자의 질의어 내용을 저장하고 질의패턴 분석하여 개인화된 연관 검색어를 추출(연관 질의어 규칙)하여 웹 사용자에게 연관 검색어를 추천하는 시스템을 제안함으로서 사용자 질의어 입력 시 편의성 제공하고자 하였다.

제안 방법

각 사용자의 사용 빈도수 및 확률적 통계를 바탕으로 순위화 된 키워드를 추출하고 추출된 키워드는 연관규칙, 즉 “if A then B” 개념을 기반으로 확장 검색어로 추천되어 진다.
이후 검색엔진에서 추천된 확장 검색어와 제안된 시스템에서 추천한 확장 검색어 중 사용자가 선택한 결과를 비교한다. 마지막으로, 실험 참가자를 대상으로 설문조사를 통해 검색엔진과 제안한 시스템에서 추천한 각각의 확장 검색어에 대한 편의성을 평가한다.
여러 검색엔진에서 확장 및 연관검색어 서비스를 제공하고 있지만 이는 검색어와 유사한 의미의 내용이 대부분이며 사용자에게 맞는 개인화된 확장 및 연관검색어 서비스는 한계가 있다. 본 논문은 웹 사용자의 질의어에 대한 패턴을 분석하기 위해 정보검색과정에서 사용자가 1~2개의 키워드를 입력하고 검색결과 페이지에서 상단에 위치하는 웹사이트를 더 많이 클릭한다는 점에 착안하여 데이터 마이닝 기술 중 연관규칙을 적용하였다. 이를 통해 검색 키워드에 대한 사용자의 질의어 내용을 저장하고 질의패턴 분석하여 개인화된 연관 검색어를 추출(연관 질의어 규칙)하여 웹 사용자에게 연관 검색어를 추천하는 시스템을 제안함으로서 사용자 질의어 입력 시 편의성 제공하고자 하였다.
연구자를 위한 공개용 데이터인 ‘AOL’ 질의어 셋과‘서치’를 이용하여 직접 수집한 질의어 셋을 이용하여 각각 실험 및 평가를 실시하였다.
우선, ‘서치’와 기존 검색엔진(구글, 야후, 네이버, 다음)에 특정 질의어를 입력하여 각각 엔진에서 추천되는 확장 검색어를 상호 비교한다.
우선, ‘서치’와 기존 검색엔진(구글, 야후, 네이버, 다음)에 특정 질의어를 입력하여 각각 엔진에서 추천되는 확장 검색어를 상호 비교한다. 이후 검색엔진에서 추천된 확장 검색어와 제안된 시스템에서 추천한 확장 검색어 중 사용자가 선택한 결과를 비교한다. 마지막으로, 실험 참가자를 대상으로 설문조사를 통해 검색엔진과 제안한 시스템에서 추천한 각각의 확장 검색어에 대한 편의성을 평가한다.
제안한 시스템은 사용자의 질의어를 입력받아 질의 어에 대한 DB를 구축 한다. 각 사용자의 사용 빈도수 및 확률적 통계를 바탕으로 순위화 된 키워드를 추출하고 추출된 키워드는 연관규칙, 즉 “if A then B” 개념을 기반으로 확장 검색어로 추천되어 진다.
질의어 길이가 3개 단어를 초과하게 되면 검색 적합성이 낮아지는 연구결과에 따라[9] 최대 3개까지 확장된 질의어에 대해 분석을 실시하였다. <표 2>는 사용자 질의어 패턴 분석 기반의 ‘서치’에 의한 확장 검색어의 예를 나타낸다.

대상 데이터

0 GHz인 50대의 개인용 컴퓨터를 사용하였다. 100명을 대상으로 질의어를 수집하였으며, 2011년 9월 22일부터 10월 25일 까지 개인별 평균 311개의 질의어와 전체 15,560개의 질의어를 수집하였다. 실험을 위한 검색엔진은 구글, 야후, 네이버, 다음을 이용하였다.
연구자를 위한 공개용 데이터인 ‘AOL’ 질의어 셋과‘서치’를 이용하여 직접 수집한 질의어 셋을 이용하여 각각 실험 및 평가를 실시하였다. AOL 질의어 셋은 2010년 3월 1일부터 2011년 5월 31일까지의 질의어 로그(Query Log Data)를 활용하였으며 실험을 위해 전체 질의어 중 전처리 과정을 거쳐 100명을 대상으로 200개 이상 사용된 질의어 61,053개를 추출하여 실험에 활용하였다. ‘서치’를 이용하여 질의어를 수집하기 위해, 메모리는 512 Byte - 1G, Pentium 3.
100명을 대상으로 질의어를 수집하였으며, 2011년 9월 22일부터 10월 25일 까지 개인별 평균 311개의 질의어와 전체 15,560개의 질의어를 수집하였다. 실험을 위한 검색엔진은 구글, 야후, 네이버, 다음을 이용하였다. 평가 방법은 다음과 같다.

데이터처리

이와 같이 ‘서치’를 통해 추출 및 추천되는 질의어 패턴을 상용 검색엔진에서의 확장 검색어 추천 결과와 비교 평가하였다.

성능/효과

에 나타나듯이 구글에서는‘서치’에 비해 상대적으로 사용자 질의어 입력 패턴에 적합한 확장 질의어를 42%에 대해서만 추천 가능한 것으로 확인 되었다.
에 나타나듯이 제안한 방안인 ‘서치’에 의해 추천된 사용자 질의어 패턴인 ‘국방대 입시요강’이 상용 검색엔진에서는 추천되지 않는 것을 확인 할 수 있다.

후속연구

본 논문의 제한사항은 사용자의 검색어 입력 즉 질의어 빈도에 근거하기 때문에 관심분야에 대한 변화에 따라 능동적으로 대처하지 못하는 문제점을 가질 수 있다. 따라서, 사용자의 관심변화 즉 시간의 변화에 따른 질의어 패턴을 추출하기 위한 방안을 연구 할 것이며 개인의 질의어 내역을 통해 분석된 패턴을 바탕으로 유사한 관심분야에 대한 커뮤니티 형성 가능성과 이를 기반으로 소셜 네트워크(Social Network) 형성을 통한 소셜 검색을 연구 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	확장 검색어 서비스란 무엇인가?	확장 검색어 서비스는 검색을 하는 단어를 분석하여 현재 검색을 하는 단어에 의미적으로 도움이 되는 검색어를 추천하여 주는 서비스이다. 연관 검색어 서비스는 사용자가 특정 단어를 검색한 후 연이어 많이 검색한 검색어를 추출하여 제공하는 서비스로 해당 검색분야에 확장 검색어를 제공하여 사용자의 검색 편의를 도와주는 서비스로 확장 검색어 서비스와 동일한 개념으로 간주 할 수 있다[6].
	연관 검색어 서비스란 무엇인가?	확장 검색어 서비스는 검색을 하는 단어를 분석하여 현재 검색을 하는 단어에 의미적으로 도움이 되는 검색어를 추천하여 주는 서비스이다. 연관 검색어 서비스는 사용자가 특정 단어를 검색한 후 연이어 많이 검색한 검색어를 추출하여 제공하는 서비스로 해당 검색분야에 확장 검색어를 제공하여 사용자의 검색 편의를 도와주는 서비스로 확장 검색어 서비스와 동일한 개념으로 간주 할 수 있다[6]. 예를 들어 <그림 1>과 같이 ‘멜라민’을 검색하면 ‘멜라민 과자’, ‘멜라민 파동’ 등 검색하고자 하는 분야에 대해 의미적으로 확장된 검색어를 추천 해 줌으로써 사용자들에게 검색 시 질의어 입력에 대한 편의성을 제공한다.
	어떤 문제점을 해결하기 위해 질의어 확장 및 사용자 클릭 데이터 로그의 적합성 피드백에 대한 방법들이 연구되어 왔는가?	질의어는 단일 단어 또는 여러 개의 단어를 결합한 형태일 수 있으나, 대부분의 사용자들은 단일 단어를 입력하여 정보를 찾는 경우가 대부분이다[2],[3],[4],[5],[9]. 이와 같은 단일 단어로 구성된 질의어는 사용자마다 서로 다른 검색 의도를 가질 수 있기 때문에 검색 결과의 정확성이 감소하는 문제점이 있다[4]. 따라서, 질의어를 통해 발생하는 정보검색의 결과에 대한 정확성이 감소되는 문제를 해소하기 위해 질의어 확장 및 사용자 클릭 데이터 로그(User Click-Through Data Log)의 적합성 피드백에 대한 방법들이 연구되어 왔다[8],[9].

참고문헌 (14)

김도영 "인터넷 사용자의 검색엔진 이용형태에 관한 연구", 건국대학교 정보통신대학원 석사논문, 2004
J. R. Wen, J. Y. Nie and H. J. Zhang. "Clustering user queries of a Search Engine". In Proceedings of the Internation World Wide Web conference, 2001.
문현정, 이수진, "도메인 온톨로지를 이용한 개인화된 개념기반 검색 기법", 한국전자거래학회지 제12권 3호, 2006.
IProspect, Search Engine User Behavior Study, 2006, http://iprospect.com/WhitePaper_2006_SearchEngineUserBehavior.pdf
용환승, "데이터 마이닝", 인피니트북스, 2007
김지혜, 박두순, "연관규칙마이닝을 이용한 자동상품 추천 시스템 설계 및 구현", 순천향산업기술연구소 논문집 제11권 1호, 2005.
박건우, 이상훈, "질의어 패턴 자동분석을 통한 커뮤니티 기반 개인화 검색", KCC08 한국정보과학회 종합학술대회논문집, 2008.
Pranam K, Lei D, Yi C, "Temporal query log profiling to improve web search ranking", Proceeding CIKM '10 Proceedings of the 19th ACM international conference on Information and knowledge management, 2010.
Schuemie MJ, Kang N, Hekkelman ML, Kors JA, "GeneE: gene and protein query expansion with disambiguation", Bioinformatics, 26(1), pp.147-148. 2010.

상세보기
Stokes N, Li Y, Cavedon L, Zobel J, "Exploring criteria for successful query expansion in the genomic domain", Inf Retr, 12(1), pp.17-50. 2009.

상세보기
Alexander S, Elizabeth L, "Integrated Architecture for Personalized Query Expansion in Web Search", Artificial Intelligence, 2008.
Marin B, Rachid G, Vincent L, Anne-Marie K, "Toward personalized query expansion", Proceedings of the Second ACM EuroSys Workshop on Social Network Systems, 2009.
임요한, 박건우, 이상훈, "사용자 질의 패턴기반 에이전트에 의한 맞춤형 질의 추천", 한국정보과학회, 2008 한국컴퓨터종합학술대회 논문집, 제35권 제1호(B), 2008. 6, page(s): 1-604
국방대 석사 학위논문 "사용자 질의 패턴분석을 통한 확장검색어 추천에 관한 연구, 임요한, 2009"

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