$\require{mediawiki-texvc}$

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.

사용자 질의패턴 분석을 이용한 효율적인 확장검색어 추천시스템
An Efficient Extended Query Suggestion System Using the Analysis of Users' Query Patterns 원문보기

한국통신학회논문지. The Journal of Korea Information and Communications Society. 통신이론 및 시스템, v.37C no.7, 2012년, pp.619 - 626  

김영안 (국방대학교 국방과학학과) ,  박건우 (육군 종합보급창)

초록
AI-Helper 아이콘AI-Helper

주요 검색엔진들은 확장 및 연관검색어를 추천하는 서비스를 제공함으로써 질의어 확장에 대한 사용자의 검색 편의성을 제공하고 있다. 하지만 많은 수의 사용자가 많이 찾는 검색어 즉, 대중성을 근거하여 제공되는 확장 및 연관검색어 추천 서비스는 사용자의 만족도를 높이는데 한계가 있다. 왜냐하면 사용자마다 생각하는 차이가 존재하며 선호하는 질의 및 관심 분야도 다르기 때문이다. 본 논문에서는 사용자의 정보요구에 적합한 효율적인 확장검색어를 추천하는 시스템을 설계 및 구현하고 웹 사용자의 정보검색 과정에서 최초 질의어 입력 후 질의어 확장 과정에서 사용자의 편의성을 향상시키고자 하였다. 평가결과 제안시스템은 검색엔진에서 추천하지 못한 구글 41% 및 야후 48%의 확장검색어를 추천할 수 있었으며 사용자의 편의성을 위하여 대중성 기반으로 추천되고 있는 확장 및 연관검색어 추천 서비스의 한계를 보완하여 사용자의 편의성을 향상시킬 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

With the service suggesting additional extended or related query, search engines aim to provide their users more convenience. The extended or related query suggestion service based on popularity, or by how many people have searched on web using the query, has limitations to elevate users' satisfacti...

주제어

#Search engines   #Related query   #Extended query   #Users' convenience   #Query pattern  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 사용자 질의어 데이터는 AOL에서 공개된 데이터를[5] 연관규칙을 적용하여 대중성 기반의 질의패턴을 분석하고 대중이 선호하는 질의어를 분석한다. 반대로 개별 사용자의 질의패턴을 분석하여 대중성 기반의 제한 사항을 보완하기 위한 확장검색어 추천시스템을 구현하여 사용자의 정보검색 과정 중 최초질의어 입력 후 질의어 확장 과정에서 사용자 편의성을 향상 시키고자 한다.
  • 본 논문에서는 사용자의 질의패턴을 분석하여 사용자에게 효율적인 확장검색어를 추천하는 시스템을 구현하였다. 제안한 사용자의 확장검색어 추천시스템은 평가 결과 우수하지만 검색엔진에서 확장 및 연관검색어를 추천하는 서비스가 제공되고 있다면 제안시스템의 적용은 어렵다고 할 수 있으므로 검색엔진 이용 시 사용자의 편의성을 위하여 대중성 기반으로 추천되고 있는 확장 및 연관 검색어 추천 서비스와 제안한 확장검색어 추천시스템의 추천 결과를 비교하여 대중성 기반의 추천 서비스의 한계를 보완하고 사용자의 편의성을 향상시킬 수 있는지 평가하였다.
  • 본 논문은 정보검색 과정 중 입력되는 질의어를 분석하여 질의패턴을 추출하고, 이를 기반으로 사용자의 정보요구에 적합한 확장검색어를 추천하는 방안을 제시한다. 사용자 질의어 데이터는 AOL에서 공개된 데이터를[5] 연관규칙을 적용하여 대중성 기반의 질의패턴을 분석하고 대중이 선호하는 질의어를 분석한다.
  • 본 논문에서는 사용자의 질의패턴을 분석하여 사용자에게 효율적인 확장검색어를 추천하는 시스템을 구현하였다. 제안한 사용자의 확장검색어 추천시스템은 평가 결과 우수하지만 검색엔진에서 확장 및 연관검색어를 추천하는 서비스가 제공되고 있다면 제안시스템의 적용은 어렵다고 할 수 있으므로 검색엔진 이용 시 사용자의 편의성을 위하여 대중성 기반으로 추천되고 있는 확장 및 연관 검색어 추천 서비스와 제안한 확장검색어 추천시스템의 추천 결과를 비교하여 대중성 기반의 추천 서비스의 한계를 보완하고 사용자의 편의성을 향상시킬 수 있는지 평가하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
질의어 확장이란 무엇인가? 질의어 확장이란 사용자가 제시한 질의어에 이와 관련된 단어들을 추가해서 문서를 검색함으로서 보다 연관성이 높은 문서들을 검색하고자 하는 것이다. 또 다른 정의로 질의 확장이란 사용자들의 불완전한 최초 질의에 대하여 최초 질의와 관련이 높은 단어들을 선정하여 질의에 추가하는 것을 말한다.
본 논문에서 사용자의 확장검색어의 추천시스템 평가를 위해 어떤 과정을 통해 평가하는가? 사용자의 확장검색어의 추천시스템 평가를 위하여 실험은 3가지 과정을 통해서 평가한다. 첫째, 사용자의 질의패턴을 추출하기 위해 데이터마이닝 기법 중 연관규칙을 적용하여 사용자의 대표적인 질의패턴을 추출한다. 사용자 질의어는 AOL 질의어 데이터 중 1001개 이상의 사용자 질의어 데이터를 적용하고 100명의 사용자별 질의패턴을 추출한다. 둘째, 질의패턴을 추출한 사용자 100명의 동일한 질의어를 제안한 시스템에 적용하여 확장검색어 추천 결과와 비교하여 평가한다. 셋째, 제안한 시스템의 확장검색어 추천 결과가 대중성 기반 추천 서비스의 한계를 보완할 수 있는지를 검증하기 위해 검색엔진에서 추천된 확장 및 연관검색어 서비스 결과를 비교 및 평가한다. 추천된 확장 및 연관검색어 서비스 결과를 비교 및 평가를 위해 선택한 검색엔진은 AOL 질의어 데이터의 특성상 검색엔진(구글, 야후)을 선택하였다.
확장검색어는 무엇인가? ‘확장검색어’는 사용자의 검색 편의를 위해 검색창에 입력되는 검색어 유형을 분석하여 많은 사용자가 자주 찾는 검색어를 추천해주는 서비스이며 ‘연관검색어’란 사용자가 특정 단어를 검색한 후 연이어 많이 검색한 검색어를 추출하여 제공하는 서비스로, 해당 검색분야에 확장검색어를 제공하여, 찾으려는 정보에 더욱 쉽게 다가갈 수 있도록 사용자의 검색 편의를 도와주는 서비스이다[6]. 이와 같이 확장 및 연관 검색어 서비스는 사용자의 질의어와 관련 있는 단어를 말하며, 지원하는 목적은 최초 검색어와 관련성이 높은 단어를 제시함으로써 검색의 편의성과 재검색을 통한 결과 값 획득에 용이하게 하기 위해서이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. Broder, A., "A Taxonomy of Web Search", SIGAR Forum Vol. 36, No. 2, 2002. 

  2. Hyungil Kim, Juntae Kim "Improving Performance of Web Search using The User Preference in Query Word Senses", KIISE Vol. 31, No. 8, 2004. 

  3. Mun HyeonJeong, Lee SuJin, "A Personalized Concept-based Retrieval technique Using Domain Ontology", CALS/EC, Vol. 12, No. 3, 2006. 

  4. Zhongming Mai, Gautam Pant, Olivia R. Liu Sheng., "Interest-based personalized search", ACM Transactions on Information systems, Vol.25 Issue 1, 2007. 

    상세보기

  5. AOL Query Set, http://www.gregsadesky.com/aol-date 

  6. NAVER, http://www.help.naver/service/main.service 

  7. P. Wallis. J. A. Tom, "Relevace judgement for accessing recall", Information Processing & Management 32, 1998. 

  8. Teevan, J., Dumais, S. T., "Presonalizing search via automated analysis of interests and activities" SiGIR Coference, 2005. 

  9. Jihye Kim, Hyun-min Kim "Introduction to Concept in Association Rule Mining", KCC 2002, Vol. 29, No. 1, 2002. 

  10. Hwan-Seung Yong, "DATA Mining", Infinitebooks, 2007. 

  11. 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. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

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