[논문]개인화된 웹 검색 순위 생성

강영기; 배준수

doi:10.7232/jkiie.2013.39.2.119

개인화된 웹 검색 순위 생성
Customized Web Search Rank Provision 원문보기

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.39 no.2, 2013년, pp.119 - 128

강영기 (전북대학교 산업정보시스템공학과) , 배준수 (전북대학교 산업정보시스템공학과)

Abstract ▼ AI-Helper

Most internet users utilize internet portal search engines, such as Naver, Daum and Google nowadays. But since the results of internet portal search engines are based on universal criteria (e.g. search frequency by region or country), they do not consider personal interests. Namely, current search engines do not provide exact search results for homonym or polysemy because they try to serve universal users. In order to solve this problem, this research determines keyword importance and weight value for each individual search characteristics by collecting and analyzing customized keyword at external database. The customized keyword weight values are integrated with search engine results (e.g. PageRank), and the search ranks are rearranged. Using 50 web pages of Goolge search results for experiment and 6 web pages for customized keyword collection, the new customized search results are proved to be 90% match. Our personalization approach is not the way that users enter preference directly, but the way that system automatically collects and analyzes personal information and then reflects them for customized search results.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 동음이의어를 포함한 여러 가지 키워드 검색의 중요도의 선정방법을 제안하고 있다. 사용자의 개인적인 성향을 반영하는 데이터베이스를 독립적으로 구축하고, 인터넷 포털에서 제공하는 웹 검색결과에 개인사용자 정보를 추가적으로 반영하여 웹 리스트의 각각의 성향을 재분석하여 포털에 나타난 결과를 재순위화 시키는 방법을 제안한다.
특히 동음이의어를 완벽하게 해결하지 못하는 단점이 있다. 본 논
문은 이를 해결하기 위해 페이지랭크 기법을 활용하는 검색엔진인 구글의 검색결과에 개인 성향 정보를 추가하여 검색엔진에서 보인 웹 랭크를 재구조화시켜 사용자가 원하는 검색결과를 재반영시키는 개인화된 웹 검색결과를 생성하였다.
060 이하인데 페이지가 회색이면 가로무늬로 표시된다. 이와 같은 결과를 통하여 각 페이지들의 키워드 평균값을 기준으로 웹페이지의 성향이 원하는 성향인지 자동으로 판단하는 방법을 제시하고 있다.

제안 방법

검색엔진 구글에서 “BPM” 키워드로 검색을 실시한 후 랭크된 50개의 페이지를 수집하여 그 의미를 분석한 결과 아래와 같이 4가지의 동음이의어로 분류되었다.
본 논문에 제시한 방법은 사용자의 성향을 반영하는 검색결과를 효과적으로 생성하는 장점이 있다. 그리고 동음이의어의 키워드로 검색한 페이지를 사용자가 원하는 페이지로 재정렬시켜 사용자에 맞는 웹 페이지 검색 결과를 향상시켰다. 또한 웹 포털 서비스를 대상으로 하기 때문에 높은 활용도가 예상되며, 사용자의 개인성향 가중치를 조정하여 검색엔진의 사용방법을 사용자가 원하는 값으로 조정할 수 있는 장점이 있다.
마지막으로 사용자가 원하는 웹 페이지를 제대로 판별하였는지를 체크하였다. 사용자가 원하는 웹 페이지 인지 여부를 판별하는 방법은 사용자 키워드 빈도의 판별값 공식이다.
본 논문에 제시한 방법은 사용자의 성향을 반영하는 검색결과를 효과적으로 생성하는 장점이 있다. 그리고 동음이의어의 키워드로 검색한 페이지를 사용자가 원하는 페이지로 재정렬시켜 사용자에 맞는 웹 페이지 검색 결과를 향상시켰다.
본 논문에서 제시하는 기법이 기존검색결과보다 검색에 얼마나 더욱 효율적으로 표현되는지를 측정하기 위해 상위에 제시된 결과들을 이용하여 새로운 랭킹리스트를 생성해 보았다. 이 결과는 단순하고 간단하게 구축될 수 있으며, 이전의 결과값보다 사용자의 개인 성향을 더욱 반영한 결과값을 상위에 노출시키는 결과를 가져왔다.
사용자 참조 웹 페이지를 선정한 후, PK를 계산하는 방법과 같은 방법으로 참조 웹 페이지들의 키워드들을 추출하여 빈도가 높은 키워드들을 선정, 사용자 키워드 리스트(Custom Keyword)를 생성한다. 하지만 PK는 각각의 웹 페이지의 키워드 빈도를 추출한 반면, CK는 참조 문서의 모든 키워드들의 총합에서 가장 빈도가 높은 키워드들을 찾는 부분에서는 차이가 있다.
본 논문에서는 동음이의어를 포함한 여러 가지 키워드 검색의 중요도의 선정방법을 제안하고 있다. 사용자의 개인적인 성향을 반영하는 데이터베이스를 독립적으로 구축하고, 인터넷 포털에서 제공하는 웹 검색결과에 개인사용자 정보를 추가적으로 반영하여 웹 리스트의 각각의 성향을 재분석하여 포털에 나타난 결과를 재순위화 시키는 방법을 제안한다. 또한, 사용자의 성향을 입력, 수치화 시키며, 그 정보를 바탕으로 어떻게 활용하는가에 대한 방법이 매우 중요할 수 있다.
4절에서 각 웹페이지별로 키워드 중요도 값인 KF(Total Keyword Frequency) 값을 생성하였다. 생성된 KF 값과 검색엔진 구글에서 페이지랭크를 이용하여 랭킹된 웹 리스트를 함께 반영하기 위하여 GR(Google Rank)의 가중치를 더한다. GR 값의 생성방법은 검색엔진 구글 페이지에서 키워드를 사용하여 검색하였을 때 최상단에 랭크되어있는 웹페이지를 “1” 그다음을 “2” ··· 순위로 가중치를 더한다.

대상 데이터

50개의 웹 페이지에서 수집된 데이터는 GR(Google Ranking) 값과 “Business Process Management”와 관련여부, 그리고, 웹 페이지 주소, 웹 페이지의 키워드이다.
검색엔진 구글에서 “BPM”으로 검색된 50개의 웹 페이지를 수집하였다.
실험은 검색엔진 구글에서 “BPM”이라는 키워드를 검색한 결과를 기본 데이터로 선정하였다. 또한 사용자가 참조할 수 있는 웹페이지 6개를 참조페이지로 선정하였다. 구글 검색엔진의 검색결과와 비교하기 위하여 사용자 참조 페이지는 네이버, 구글 등 다양하게 추출되었다.
본 실험에서는 [Table 6]과 같이 6개의 사용자 참조페이지를 수집하였다. 위 페이지는 네이버 및 구글에서 수집되었으며, Business Process Management과 관련성이 높은 문서들로 선정하였다.
실험은 검색엔진 구글에서 “BPM”이라는 키워드를 검색한 결과를 기본 데이터로 선정하였다.
본 실험에서는 [Table 6]과 같이 6개의 사용자 참조페이지를 수집하였다. 위 페이지는 네이버 및 구글에서 수집되었으며, Business Process Management과 관련성이 높은 문서들로 선정하였다. 위 수집된 페이지들은 차후 50개의 페이지와의 빈도분석을 통하여 관련 키워드를 수집할 수 있다.
하지만 이들 논문에 사용된 기본 데이터는 인터넷 웹 포털의 정보를 사용하지 않고 독자적인 데이터베이스를 사용하였다. 이는 인터넷 웹 포털에 직접 적용이 어려운 문제점을 가지고 있다.

성능/효과

각 그림은 랭크 10단위의 누적값과 분할값을 가지고 있다. 기준을 상위 20개로 가정하였을 때 정확도는 기존보다 200% 향상됨을 확인할 수 있었으며, 상위 10개의 재현율은 150% 향상된 것을 확인할 수 있었다.
보편적으로 ‘가수 스웨이드’가 상위랭크에 노출되어 있으며, 표출되는 사이트의 수도 상대적으로 많다는 것을 확인할 수 있다.
그리고 이전에 각 웹 페이지의 속성을 판별한 결과인 “0”과 “1” 값을 비교하였을 때 서로 “1” = “A”이거나 “0” = “B”일 때 격자무늬로 표시하고 “1” = “B”이거나 “0” =“A” 처럼 자동 계산 값과 판별 값이 다를 때는 가로무늬로 표시하였다. 이와 같은 작업을 반복 해본 결과 총 50개의 문서 중 40개(약80%)가 격자무늬로 표기되어 웹페이지에 사용자의 성향을 추론할 때 빈도의 평균 값을 사용하는 것이 효과적이라는 것을 확인할 수 있었다.
이전의 연구들은 사용자의 개인성향을 반영하는데 있어서, 분류 코드로 코드화시킨 부분이 장점이지만, 본 논문은 웹 포털의 검색결과에 사용자의 키워드의 가중치를 혼합시켜 웹 포털의 검색 순위을 최신화한 면에서 차이가 있다. 종합
하면, 본 논문에 제시된 방법이 실제 웹 포털에 적용할 수 있는 실용적인 측면에서 더욱 현실적인 방법을 제시하고 있다.

후속연구

즉 사용자의 성향을 어떻게 입력, 수치화시켜, 그 정보를 바탕으로 어떻게 활용하는가에 대한 방법이 매우 중요하다. 개인이 클릭하여 수집된 키워드 데이터를 계산하여 사용자의 개인성향에 대한 가중치를 정하고, 페이지랭크 결과에 개인성향의 가중치를 더한다면 사용자의 성향을 반영한 검색 순위가 나올 것이다.
위 페이지는 네이버 및 구글에서 수집되었으며, Business Process Management과 관련성이 높은 문서들로 선정하였다. 위 수집된 페이지들은 차후 50개의 페이지와의 빈도분석을 통하여 관련 키워드를 수집할 수 있다.
추후에는 사용자 데이터베이스에 개인화 키워드를 추가하여 개인성향의 검색 정확도 더욱 향상시킬 수 있는 방법을 찾아내야 하며, 다양한 개인성향 키워드 생성방법을 개발 및 적용하며, 검색결과에 대한 개별적인 사용자의 만족도를 어떠한 방식으로 분석해야할 것인지는 추후에 연구해야할 과제이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	포털사이트는 무엇이 있는가?	사회가 디지털화 되고 정보시스템이 발달함에 따라, 웹의 중요성이 날로 증가하고 있다. 웹(Web)은 무수히 많은 정보들을 기록하고 있으며, 대부분의 사용자들이 구글(Google)이나 네이버(Naver)같은 포털사이트를 이용하여 정보를 검색하고 있다. 포털사이트를 활용하는 사용자는 자신이 원하는 결과들을 리스트 최상위에 보여주기를 희망한다.
	페이지랭크는 어디에 사용되고 있는가?	페이지랭크는 월드 와이드 웹과 같은 하이퍼링크 구조를 가지는 문서에 상대적 중요도에 따라 가중치를 부여하는 방법이다. 페이지랭크는 사용자가 링크를 따라 이동하는 것을 시뮬레이션 함으로써 사용자가 각 웹 페이지를 방문할 확률을 구하여 웹페이지의 중요도로 사용하고 있다. 페이지랭크 알고리즘은 수집된 전체 웹 페이지에 대하여 행렬 곱셈을 수렴할 때까지 반복하기 때문에 웹의 크기가 커질수록 많은 시간을 소
	문서모음의 크기가 증가함에 따라 높은 정확도를 측정하는 성능척도가 필요한 이유는?	문서의 수는 기하급수적으로 증가해온 반면 사용자가 문서를 찾는 능력은 그렇지 못하다. 사람들은 여전히 검색 결과 중 수개 및 수십 개 정도만을 보려고 한다. 그러므로 문서모음의 크기가 증가함에 따라 높은 정확도를 측정하는 성능척도가 필요해진다.

참고문헌 (12)

Brin, S. and Page, L. (1998), The anatomy of a large-scale hypertextual Web search engine, Journal of Computer Networks and ISDN Systems, 30(1- 7), 107-117.

상세보기
Do, H. H., Melnik, S., and Rahm, E. (2003), Comparison of schema matching evaluations, Web, Web-Services, and Database Systems, Lecture Notes in Computer Science, 2593, 221-237.
Han, H.-J., Kim, J.-S., Lee, S.-H., Choe, H.-S., Kim, K.-Y., and You, B.-J. (2010), Search Result Personalization using Search History Analysis, Journal of Korean Society for Internet Information, 10, 125-126.
Jun, B.-H., Kim, J.-H., and Kwak, H.-Y. (2002), Design and Implementation for User Oriented Search System using the Information of History, Journal of research institute of advanced technology, 10(1), 91-97.
Jung, B.-J. (2005), A study on satisfaction index of internet portal site : with emphasis on internet user behaviors, environments and demographic characteristics, Department of Management Korea National Open University.
Kim, K.-Y., Shim, K.-S., and Kwak, S.-J. (2009), A Personalized Retrieval System Based on Classification and User Query, Journal of the Korean Library and Information Science Society, 43(3), 163-180.

원문보기 상세보기
Kim, H.-H. and Ahn, T.-K. (2003), An Experimental Study on the Internet Web Retrieval Using Ontologies, Korea Society for Information Management, 20(1), 417-455.

원문보기 상세보기
Lee, J. H. (2003), Ontology Languages for the Semantic Web, Korea Information Science Society review, 21(3), 18-27.
Lee, J.-H. and Cheon, S. H. (2010), Re-ranking for Search result using association relationship and TF ${\times}$ IDF, Korean Institute of Information Scientists and Engineers, 37(1), 349-352.
Lee, S.-J. (2010), Analysis of Preference Criteria for Personalized Web Search, The Journal of Korean association of computer education, 13(1), 45-52.
Park, S.-J., Lee, S.-H., and Hwang, D.-H. (2011), A Web Contents Ranking System using Related Tag and Similar User Weight, Journal of Korea Multimedia Society, 14(4) 567-576.

원문보기 상세보기
Yoon, S. H. (2009), Using Query Word Senses and User Feedback to Improve Precision of Search Engine, Journal of Information Management, 26(4), 81-91.

저자의 다른 논문 :

LOADING...

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