$\require{mediawiki-texvc}$

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.

거대 인용 자료를 이용한 문서 추천 방법
Documents recommendation using large citation data 원문보기

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.24 no.5, 2013년, pp.999 - 1011  

채민우 (서울대학교 통계학과) ,  강민수 (광개토연구소) ,  김용대 (서울대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 논문이나 특허 등의 문서들의 인용 정보를 활용하여 연관성이 높고 중요한 특허를 추천하는 방법을 제안한다. 문서 간의 연관성 지표인 공통피인용횟수와 중요도 지표인 HITS를 적절한 형태로 결합한 뉴먼 커널로부터 두 정보의 반영 정도를 조율하는 것이 핵심이다. 제안하는 방법은 미래의 인용에 대한 예측 오차를 최소화하는 것으로 이를 통해 뉴먼 커널의 조율모수 ${\gamma}$를 적절하게 선택할 수 있다. 또한, 거대 인용 자료를 분석하기 위해 필요한 계산 기술에 대해서 자세히 논의한다. 마지막으로, 미국 등록 특허 400만 건에 대한 실증적 자료 분석을 시행한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this research, we propose a document recommendation method which can find documents that are relatively important to a specific document based on citation information. The key idea is parameter tuning in the Neumann kernal which is an intermediate between a measure of importance (HITS) and of rel...

주제어

#거대 자료   #뉴먼 커널   #성긴 행렬 연산   #인용 자료 분석   #추천  

질의응답

핵심어 질문 논문에서 추출한 답변
SPARSKIT은 어떤 언어로 작성되었는가? Golub과 Van Loan (2012)는 행렬 연산에 대한 내용을 다루는 책인데 여기에 거대 성긴 행렬에서의 여러 이론과 알고리즘이 자세히 나와 있다. 현재 구현되어 있는 라이브러리 중 가장 대표적인 것으로는 포트란 언어로 작성된 SPARSKIT (Saad, 1990)이 있다. 본 연구에서 사용한 프로그램은 통계 패키지 R의 Matrix라는 라이브러리이다.
같은 기술분야 내에서의 인용정보만을 사용한다고 하더라도 본 연구의 목적에 크게 어긋나지 않는다고 할 수 있는 이유는? 이는 추후 과제로 남겨두기로 하고 본 연구에서는 일반 PC에서 쉽게 다룰 수 있을 정도의 용량만을 처리하기로 한다. 그리고 전체 인용의 60% 정도가 동일한 IPC1 기술 분야 내에서 발생하기 때문에 인용 정보를 통해 다른 기술분야에서 추천할 만한 문서는 그리 많지 않다. 따라서, 같은 기술분야 내에서의 인용정보만을 사용한다고 하더라도 본 연구의 목적에 크게 어긋나지 않는다고 할 수 있다.
LDA 모형의 특징은? 언어, 특히 단어와 단어가 유기적으로 연결되어 있는 하나의 글을 모델링하는 것은 매우 어렵기 때문에, 통계적으로 쉽게 다룰 수 있는 간단한 형태로 문서를 변환한 후 이를 모델링 하는 것이 훨씬 효과적이다. 예를 들어, Blei 등 (2003)이 제안한 LDA (latent Dirichlet allocation) 모형은 문서를 단순히 단어를 모아놓은 집합 (bag of words), 즉 단어의 빈도를 나타내는 벡터로 변환한 후에 다항혼합분포 (mixture of multinomial distributions)를 사용하여 문서를 모델링한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (27)

  1. Blei, D. M. and Lafferty, J. D. (2007) A correlated topic model of science. The Annals of Applied Statistics, 1, 17-35. 

    상세보기 crossref

  2. Blei, D. M., NG, A. Y. and Jordan, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3, 993-1022. 

  3. Brin, S. and Page, L. (1998). The anatomy of a large-scale hypertextual (web) search engine. Computer Network and ISDN Systems, 30, 107-117. 

    상세보기 crossref

  4. Cook, D. J. and Holder, L. B. (2006). Mining graph data, John Wiley & Sons, New Jersey. 

  5. Garfield, E. and Merton, R. K. (1979). Citation indexing: Its theory and application in science, technology, and humanities, Wiley, New York. 

  6. Golub, G. H. and Van Loan, C. F. (2012). Matrix computations, Johns Hopkins University Press, Baltimore. 

  7. He, Q., Pei, J., Kifer, D., Mitra, P. and Giles, C. L. (2010). Context-aware citation recommendation. Proceedings of the 19th International Conference on World Wide Web, 421-430. 

  8. Hofmann, T. (2004). Latent semantic models for collaborative filtering. ACM Transactions on Information Systems, 22, 22, 89-115. 

    상세보기 crossref

  9. Jannach, D., Zanker, M., Felfernig, A. and Friedrich, G. (2010). Recommender systems: An introduction, Cambridge University Press, New York. 

  10. Kandola, J., Shawe-Taylor, J. and Cristianini, N. (2003). Learning semantic similarity. In Neural Information Processing Systems, 673-680. 

  11. Kessler, M. M. (1963). Bibliographic coupling between scientific papers. American Documentation, 14, 10-25. 

    상세보기 crossref

  12. Kleinberg, J. M. (1999). Authoritative sources in a hyperlinked environment. Journal of the ACM, 46, 604-632. 

    상세보기 crossref

  13. Lam, C. (2010). Hadoop in action, Manning Publications Company, Stamford. 

  14. Lehoucq, R. B., Sorensen, D. C. and Yang, C. (1998). ARPACK users’ guide: Solution of large-scale eigenvalue problems with implicitly restarted Arnoldi methods, 6, Siam, Philadelphia. 

  15. Li, W. and McCallum, A. (2006). Pachinko allocation: DAG-structured mixture models of topic correlations. Proceedings of the 23rd International Conference on Machine Learning, 577-584. 

  16. Liben-Nowell, D. and Kleinberg, J. (2007). The link prediction problem for social networks. Journal of the American Society for Information Science and Technology, 58, 1019-1031. 

    상세보기 crossref

  17. McNee, S. M., Albert, I., Cosley, D., Gopalkrishnan, P., Lam, S. K., Rashid, A. M., Konstan, J. A. and Riedl, J. (2002). On the recommending of citations for research papers. Proceedings of the 2002 ACM Conference on Computer Supported Cooperative Work, 116-125. 

  18. Page, L. and Brin S. (1999). The PageRank citation ranking: Bringing order to the web, Stanford InfoLab, California. 

  19. Shimbo, M. and Ito, T. (2006). Kernels as link analysis measures, John Wiley & Sons, New Jersey, 283-310. 

  20. Saad, Y. (1990). SPARSKIT: A basic toolkit for sparse matrix computations, Research Institute for Advanced Computer Science, NASA Ames Research Center Moffet Field, CA. 

  21. Sanders, J. and Kandrot, E. (2010). CUDA by example: An introduction to general-purpose GPU programming, Addison-Wesley Professional, Boston. 

  22. Small, H. (1973). Co-citation in the scientific literature: A new measure of the relationship between two documents. Journal of the American Society for Information Science, 24, 265-269. 

    상세보기 crossref

  23. Strohman, T., Croft, W. and Jensen, D. (2007). Recommending citations for academic papers. Proceedings of the 30th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 705-706. 

  24. Tang, J. and Zhang, J. (2009). A discriminative approach to topic-based citation recommendation. Advances in Knowledge Discovery and Data Mining, 572-579. 

  25. Teh, Y. W., Jordan M. I., Beal, M. J. and Blei, D. M. (2006). Hierarchical Dirichlet processes. Journal of the American Statistical Association, 101, 1566-1581. 

    상세보기 crossref

  26. Wei, X. and Croft W. B. (2006). LDA-based document models for ad-hoc retrieval. Proceedings of the 29th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 178-185. 

  27. White, S. and Smyth P. (2003). Algorithms for estimating relative importance in networks. Proceedings of the KDD’03, 266-275. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 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