[논문]추천 소프트 키보드 MissLess의 성능 평가

황기태; 김태완; 조혜경

doi:10.7236/jiibc.2014.14.4.187

추천 소프트 키보드 MissLess의 성능 평가
Performance Evaluation of MissLess Soft Keyboard with Recommendation 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.14 no.4, 2014년, pp.187 - 195

황기태 (한성대학교 컴퓨터공학과) , 김태완 (한성대학교 컴퓨터공학과) , 조혜경 (한성대학교 정보통신공학과)

초록
AI-Helper

본 논문은 선행 연구에서 개발한 MissLess 키보드의 성능을 평가한다. MissLess 키보드는 모바일 단말기 내의 사전에 저장되는 모든 어휘에 해시 코드 값을 할당한다. 그리고, 사용자가 입력한 어휘와 일정 범위의 해시 코드를 가진 어휘를 골라내는 해시필터링, 골라낸 어휘와 입력된 어휘의 철자 유사성을 실시간으로 비교하여 유사 단어를 추려내는 철자 유사성 기반 정렬, 그리고 마지막으로 사용자의 사용 빈도가 놓은 어휘를 우선적으로 골라내는 사용자 패턴 기반 추천의 3 단계를 거쳐 어휘를 추천한다. 본 논문은 추천 알고리즘의 각 단계별로 성능 요소를 분석하고, 이들 요소가 미치는 추천 성능의 영향을 평가하고 평가된 결과를 보인다.

Abstract ▼ AI-Helper

In this paper, we evaluated the performance of recommendation and run time of the MissLess soft keyboard developed in the previous research. The MissLess keyboard assigns a hash code per each word for all words within its mobile dictionary. It decides recommendation words through three consecutive processes such as hash filtering, sorting based on spelling similarity, and finally recommendation based on frequency of use. Each process has some factors to have an impact on the recommendation success. We conducted experiments in an Android mobile device running the MissLess keyboard and measured performance of recommendation and run time overhead according to the impact factors. In this paper, we showed the experiment results.

주제어

AI 본문요약
AI-Helper

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

문제 정의

추천 단어가 N 개에 포함되면 추천 성공으로 판단하 기 때문에, 당연히 N 값이 크면 추천 성공률이 올라갈 것 으로 예측된다. 다만 이 실험의 목적은 N의 크기 차이에 따라 어느 정도 추천 성공률이 차이 나는지 보기 위함이다.
본 논문에서는 성능 요소로 한글 음소 코드 값 부여 전략, α, β, N의 5가지로 분석하고, 이들이 추천 성능에 어떤 영향을 미치는지 실험하였다.
본 논문은 선행 연구를 통해 설계 구현된 MissLess 키보드의 추천 알고리즘을 보완하고, 추천 시스템이 가지는 성능 요소를 보다 세밀히 분석하고 다양한 요소들이 성능에 어떤 영향을 미치는지 평가 하고자 한다.
본 논문은 성능 평가를 통해 α(alpha) 값에 따라 추천 성능이 어떻게 변하는지 평가하였다.

제안 방법

‘카카오톡’ 메신저 그룹 채팅에서 자주 사용된 단어를 랜덤하게 100개 추출하여 ‘정상 워드’로 구성하고, 각 정상 워드에 대해 직접 타이핑해보며 가장 많이 발생하는 오타를 ‘오타 워드’로 설정하였다.
L_med 리스트의 워드에서 사용자가 자주 사용하는 워드 를 우선적으로 추천하기 위해 동일한 med 값을 갖는 워 드들을 그룹으로 묶고, 그룹 단위로 med 값이 낮아지는 순서로 정렬한다.
MissLess 키보드의 코드 부여 기법의 성능의 우수성 을 보이기 위해 다른 코드 부여 방법과 비교 평가하였다. 이를 위해 총 MissLess 키보드를 포함하여 총 6가지의 코드 부여 방법을 비교 평가하였다.
를 구성한다. 그리고 L_h를 대상으로 철자의 유사성을 비교하여 가장 유사한 순서로 정렬하여 L_med를 구성한다. 이제 L_med에서 사용자의 사용 빈도수가 높은 워드를 몇 개 추천하여 L_rec를 구성한다.
일반 커뮤니티 사이트를 통해 자주 사용된 워드 1500 개 중에서 랜덤하게 100개를 추출하였다. 그리고 본 연구의 보조원들이 이 워드들에 대해서 직접 타이핑하면서 발생하는 오타로 테스트 셋을 구성하였다.
둘째, 현재 천지인 타입의 키보드에 적용하고 있기 때 문에 동일한 키보드에 중복된 키들은 다른 키에 설정된 글자보다 유사성을 높이기 위해 기본 코드 값의 차이를 작게 설정하였다. 표 1에서 보면, 예를 들어 ,‘ㄱ’, ‘ㅋ’, ‘ㄲ’ 에 연속된 기본 키 값을 배정하고 있다.
다만, N 개 안에 사용자가 원하는 어휘가 있을 때 추천 성공이라고 판단한다면, N 값이 클수록 추천 성공률이 높아지는 것은 당연하다. 모바일 단말기의 특성상 추천 창의 크기가 작기 때문에 4개보다 많은 어휘를 추천 하는 것은 다소 무리가 있기 때문에, 본 논문에서는 N의 최댓값을 4로 하고, N(1～4) 값에 따라 추천 성공률이 어 떻게 변하는지 관찰하였다.
해시 코드의 목적은 워드들의 유사성을 쉽게 분류하는데 있다. 본 논문에서는 해시 코드를 생성하기 위해 표 1과 같이 각 자음, 모음에 기본 코드를 부여하였다.
본 연구 팀은 선행 연구[7]를 통해, 사용자가 텍스트를 입력하는 동안 의도하는 한글 단어나 어절을 추론하여 추천하여, 한글 입력에 오타가 발생하는 경우 사용자가 빠르게 교정할 수 있게 하여 사용자의 키 입력을 도와주는 추천 키 입력 시스템을 제안하고 MissLess로 불리는 소프트 키보드를 구현하였다.
실험 방법은 선행 연구[7]의 방법을 그대로 따랐다. 사용자의 행위를 미리 테스트 셋으로 만들어 두고, 알고리즘이 구현된 키보드 소프트웨어에 배치(batch) 방식으로 전달하여, 성능을 테스트하였다. 테스트에 사용되는 단위 데이터는 ‘정상 워드’와 ‘오타 워드’로 구성되며, 오타 워드를 입력으로 주었을 때, 정상 워드가 추천 리스트에 포 함되면 추천 성공으로 판별한다.
MissLess 키보드의 코드 부여 기법의 성능의 우수성 을 보이기 위해 다른 코드 부여 방법과 비교 평가하였다. 이를 위해 총 MissLess 키보드를 포함하여 총 6가지의 코드 부여 방법을 비교 평가하였다. 중성은 표 1의 코드 체계를 그대로 사용하였다.
그리고 L_h를 대상으로 철자의 유사성을 비교하여 가장 유사한 순서로 정렬하여 L_med를 구성한다. 이제 L_med에서 사용자의 사용 빈도수가 높은 워드를 몇 개 추천하여 L_rec를 구성한다. 이 리스트의 워드들이 사용자에게 보여지며, 사용자는 이 중에서 한 워드를 선택한다.
추천 과정에 적용되는 각 알고리즘에서 성능과 관련 된 요소를 분석한 결과, 추천 성공률과 추천에 걸리는 시간에 영향을 주는 다음 요소들을 도출하였다.
추천 알고리즘의 각 단계별로 소요되는 시간을 측정 하였다. 그림 9는 측정된 결과를 보여준다.

대상 데이터

테스트에 사용되는 단위 데이터는 ‘정상 워드’와 ‘오타 워드’로 구성되며, 오타 워드를 입력으로 주었을 때, 정상 워드가 추천 리스트에 포 함되면 추천 성공으로 판별한다. 본 연구에서는 선행 연구[7]에서 구성한 3개의 테스트 셋, TS1, TS2, TS3 을 이 용한다.
일반 커뮤니티 사이트를 통해 자주 사용된 워드 1500 개 중에서 랜덤하게 100개를 추출하였다. 그리고 본 연구의 보조원들이 이 워드들에 대해서 직접 타이핑하면서 발생하는 오타로 테스트 셋을 구성하였다.
일반 커뮤니티 사이트를 통해 추출한 워드 중에서 사 용률이 가장 떨어지는 워드 1000개를 선정하고 이 중에 서 100개를 랜덤하게 선택하였다. 그리고 본 연구의 보조원들이 이 워드들에 대해서 직접 타이핑하면서 발생하는 오타로 테스트 셋을 구성하였다.
테스트에 사용되는 단위 데이터는 ‘정상 워드’와 ‘오타 워드’로 구성되며, 오타 워드를 입력으로 주었을 때, 정상 워드가 추천 리스트에 포 함되면 추천 성공으로 판별한다.

이론/모형

실험 방법은 선행 연구[7]의 방법을 그대로 따랐다. 사용자의 행위를 미리 테스트 셋으로 만들어 두고, 알고리즘이 구현된 키보드 소프트웨어에 배치(batch) 방식으로 전달하여, 성능을 테스트하였다.

성능/효과

N 값이 크면 당연히 추천 성능이 올라가지만, N=4 일 때, N=1일 때 보다 4배의 성능이 올라가지는 않았으며, 조금 올라가는 수준으로 평가되었다. 필요에 따라 N을 무리하게 크게 잡지 않아도 필요한 추천 성능은 얻을 수 있다.
본 논문에서는 성능 요소로 한글 음소 코드 값 부여 전략, α, β, N의 5가지로 분석하고, 이들이 추천 성능에 어떤 영향을 미치는지 실험하였다. 실험 결과 MissLess 의 한글 음소 코드 부여 전략은 타 전략에 비해 추천 성능 향상에 현저한 영향을 미치는 것으로 나타났다.
이 실험의 결과, α 값에 따라 추천 성공률이 거의 달라지지 않는 것으로 결론 내린다.
첫째, 초성의 코드 값을 종성의 코드 값보다 크게 하여 종성의 유사성이 초성의 유사성에 영향을 미치지 못하게 한다. 예를 들어 ‘갖“과 ’작‘은 매우 다른 글자로 인식되게 한다.
3, N=4로 설정하고 실험한 결과, 6가지 방 법론의 추천 성공률은 그림 5와 같이 평가되었다. 초성과 종성의 코드 차이를 크게 하고, 한 키에 중복된 음소들은 매우 유사한 코드를 부여하는 MissLess 키보드의 성능 이 월등이 좋은 것으로 평가되었다.
한편 β가 클수록 추천 시간이 오래 걸리는 단점이 있어 0.3으로 설정하는 것이 추천 성능과 추천 시간 면에서 가장 유리하 다는 결론을 얻었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	소프트 키보드는 무엇인가?	소프트 키보드는 터치 스크린 상에 구현된 키보드로 서, 하드웨어 키보드를 장착할 수 없는 모바일 단말기나 태블릿 장치에 주로 사용된다[1,2]. 그러나 이들 장치의 크기 한계로 인해 소프트 키보드가 작아서 인접한 키의 거리가 좁고, 키 타이핑 시 사용자에게 전달되는 접촉 피드백도 부족하므로, 키 입력 오류가 많이 발생한다[3].
	소프트 키보드는 어떠한 장치에 주로 사용되는가?	소프트 키보드는 터치 스크린 상에 구현된 키보드로 서, 하드웨어 키보드를 장착할 수 없는 모바일 단말기나 태블릿 장치에 주로 사용된다[1,2]. 그러나 이들 장치의 크기 한계로 인해 소프트 키보드가 작아서 인접한 키의 거리가 좁고, 키 타이핑 시 사용자에게 전달되는 접촉 피드백도 부족하므로, 키 입력 오류가 많이 발생한다[3].
	제안된 MissLess 추천 키보드에서 워드를 추천하는 예는 무엇인가?	현재 입력된 한글 음소나 글자의 다음 글자나 단어 를 추천하는 것이 아니다. 예를 들어 사용자가 “사진”을 입력하려다 “서ㅈㄴ”을 입력한 경우 “사진”을 추천하여 사용자가 선택할 수 있게 한다.

참고문헌 (8)

I. Scott MacKenzie, "Introduction to This Special Issue on Text Entry for Mobile Computing", Human-Computer Interaction, vol. 17, pp.141-145, 2002.

상세보기
Per Ola Kristensson, "Five Challenges for Intelligent Text Entry Methods", Association for the Advancement of Artificial Intelligence, pp.85-94, 2009
Asela Gunawardana, Tim Paek, Christopher Meek, "Usability Guided Key-Target Resizing for Soft Keyboards", In proceedings of International conference of Intelligent User Interface, pp.111-118, 2010.
Seongmin Kimo, Nahyun Kim, Woongsub Byun, Junhwan Choi, Taeseok Kim, "Soft Keyboard application for reducing the mis-typing ratio in the smartphones", In Proceedings of Fall Conference, Korea Institute of Information Scientists and Engineers, vol. 38, no.2, pp.89-92, 2011.
L. Magnien, J. Bouraoui, and N. Vigouroux. "Mobile text input with soft keyboards: optimization by means of visual clues", In Proceedings of Mobile HCI, pp.337-341, Springer-Verlag, 2004.
Kye-Suk Lee, Hwan-Seung Yong, "Research on the Automatic Software Keyboard Based on Database", Journal of Korea Multimedia Society, vol. 8, no. 1,pp.101-110, 2005.
Kitae Hwang, Jae Moon Lee, "Preliminary Study on Soft Keyboard with Recommendation for Mobile Device", The Journal of The Institute of Internet, Broadcasting and Communication(JIIBC), vol. 13, no. 6, pp.137-145, 2013.

원문보기 상세보기
A. Levenstein, "Binary Codes Capable of Correcting Deletions, Insertions and Reversals," Soviet Physics-Doklady, vol. 10, no. 8, pp.707-710, 1966.

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