[논문]질의기반 사용자 프로파일을 이용하는 개인화 웹 검색

윤성희

doi:10.5762/kais.2016.17.2.690

[국내논문] 질의기반 사용자 프로파일을 이용하는 개인화 웹 검색
Personalized Web Search using Query based User Profile 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.17 no.2, 2016년, pp.690 - 696

초록
AI-Helper

사용자 입력 질의와 웹 문서에 포함된 단어들의 형태적 일치를 검사하여 관련 문서를 검색하는 검색엔진은 사용자의 개인별 관심 분야를 반영하는 검색 결과를 생성하기 어렵다. 본 논문에서는 개인별 관심사를 파악하여 질의 의도에 적합한 내용의 문서를 검색하는 개인화된 웹 검색 방법을 제안한다. 개인화 검색의 성능은 사용자의 개인적 관심사를 정확하게 표현하는 우수한 사용자 프로파일을 생성하는 전략에 좌우된다. 본 연구에서 개인 프로파일은 사용자가 최근 입력한 질의어들과 검색에서 클릭했던 문서들에 나타나는 주제어들이 출현 빈도를 반영한 가중치와 함께 등록된 데이터베이스이다. 특히 중의적 질의어의 정확한 의미를 결정하기 위해 워드넷을 기반으로 프로파일에 등록된 단어들과 의미 유사도를 계산한다. 기존 웹 검색 시스템의 사용자 측에 질의확장 모듈과 순위재계산 모듈을 추가하는 확장모듈을 구축하여 비교 실험하였으며, 본 연구의 방법을 적용한 개인화 웹 검색의 결과는 특히 10위 이내 상위의 결과 문서들에 대해 92%의 정확률과 82%의 재현율을 보여 향상된 성능을 검증하였다.

Abstract ▼ AI-Helper

Search engines that rely on morphological matching of user query and web document content do not support individual interests. This research proposes a personalized web search scheme that returns the results that reflect the users' query intent and personal preferences. The performance of the personalized search depends on using an effective user profiling strategy to accurately capture the users' personal interests. In this study, the user profiles are the databases of topic words and customized weights based on the recent user queries and the frequency of topic words in click history. To determine the precise meaning of ambiguous queries and topic words, this strategy uses WordNet to calculate the semantic relatedness to words in the user profile. The experiments were conducted by installing a query expansion and re-ranking modules on the general web search systems. The results showed that this method has 92% precision and 82% recall in the top 10 search results, proving the enhanced performance.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 개인의 관심사를 파악하여 차별화된 검색 결과를 제공하는 개인화 웹 검색 방법을 제안하였다. 개인의 관심 주제어를 수집하여 프로파일 데이터베이스에 저장하고 지속적으로 갱신하여 최신 관심사를 유지하면서 검색 결과를 제공을 하는 것이 목적이며, 사용자의 검색 환경에서 확장모듈로 구축되는 방법이다. 사용자 프로파일을 구성하는 내용은 사용자가 최근에 입력한 질의어들과 최근 실제 검색했던 문서들의 주제어들이며, 특히 중의적 성격을 갖는 주제어들의 의미를 판별하기 위해 워드넷을 기반으로 사용자의 관심을 반영하는 주제어들 사이의 의미 유사도를 계산하였다.
공통의 관심 분야를 갖는 사용자 집단의 성향을 프로파일 정보에 반영하는 연구들에서는 포털의 개인 블로그나 가입 활동하는 카페 등 커뮤니티(community)를 기반으로 정보를 수집한다[8-9]. 개인의 관심사를 다른 사용자들의 관심사와 결합하여 다수 사용자의 성향에 대한 정보를 표현할 수 있는 연결망 구조로 확장하는 방법을 소개했다. ‘사람들에 의한 분류법’라 불리는 폭소노미(folksonomy)의 태그를 개인화 검색에 활용하는 연구에서는 태그들을 중심으로 문서의 클러스터링 과정을 거치며, 문서의 태그가 사용자의 질의어로 사용되는 경우가 많다는 특성을 활용하는 방법이다[10].
본 논문에서는 검색 사용자들의 성향과 관심 분야를 검색질의어와참조했던문서들의주제어들로부터추출하여 개인화된프로파일(profile) 구성하고, 이를활용하는질의 확장(query expansion)과 순위 재계산(re-ranking) 과정을 통해 개인 관심사에 적합한 문서들을 검색하는 개인화 웹 검색(personalized web search) 방법에 대해 제안한다. 검색 시스템의 결과문서 집합이 사용자의 질의 의도에 얼마나 일치하는지에 대한 성능은 정확률(precision)과 재현율(recall)이라는 정량적 지표로 평가된다.
본 연구는 개인의 관심사를 파악하여 차별화된 검색 결과를 제공하는 개인화 웹 검색 방법을 제안하였다. 개인의 관심 주제어를 수집하여 프로파일 데이터베이스에 저장하고 지속적으로 갱신하여 최신 관심사를 유지하면서 검색 결과를 제공을 하는 것이 목적이며, 사용자의 검색 환경에서 확장모듈로 구축되는 방법이다.
텍스트 데이터 처리에는 사전정보를 이용하고 불용어 처리와 형태소 분석 등 다양한 자연어처리 결과를 활용하며 질의어나 주제어들 간의 형태적 유사도와 빈도를 중심으로 처리하거나 온톨로지 등의 대용량 자원을 활용하기도 한다[13-14]. 본 연구는 워드넷을 이용하여 질의어와 주제어들의 사이의 의미 유사도(semantic similarity)를 계산하고 순위를 재계산하는 개인화 검색 시스템을 소개한다.
본 연구에서는 사용자들이 검색 시스템에 일정 기간 입력한 질의어들을 수집하여 사용자의 개인화된 선호도와 관심사를 반영하는 개인 프로파일 정보로 등록하고 질의 확장하여 검색 결과의 정확률을 향상시킨다. 또 검색된 후보 문서들을 관련 주제어들의 출현 중첩도를 이용하여 순위를 재계산하여 결과물을 생성한다.
특히 사용자들이 상위의 10개 내외의 문서들만을 중심으로 참조한다는 연구 결과에 따르면 검색 문서들의 순위를 결정하는 것은 검색 성능의 평가에 매우 중요한 과정이다. 본 연구에서는 순위 재계산을 위해 사용자 프로파일의 관심 주제어들과 검색결과 문서에 출현하는 주제어들과의 중첩정도를 계산한다. 또한 실제로 사용자가 클릭하는 문서에 대해서는 관심분야 주제어 갱신과 가중치 갱신이 이루어진다.

제안 방법

개인화 검색의 성능 향상 정도를 평가하기 위해 확장모듈을 적용하지 않은 기존의 검색 시스템의 검색 결과에 대한 평가를 비교하였다. 실험의 결과는 Table 2와 Fig.
본 연구에서는 사용자들이 검색 시스템에 일정 기간 입력한 질의어들을 수집하여 사용자의 개인화된 선호도와 관심사를 반영하는 개인 프로파일 정보로 등록하고 질의 확장하여 검색 결과의 정확률을 향상시킨다. 또 검색된 후보 문서들을 관련 주제어들의 출현 중첩도를 이용하여 순위를 재계산하여 결과물을 생성한다. 특히 결과 문서들 중에서 사용자가 클릭하여 적극적으로 참조한 문서들에 대한 검색 행위 정보를 가중치로 반영하여 최신 정보를 유지한다.
본 연구에서 제안한 개인화 검색 방법은 기존 검색 시스템을 사용하는 사용자 측에 확장 모듈(expanded module) 방식으로 구현되었으며, Fig. 5는 검색 시스템의 내부 구성도이다.
개인의 관심 주제어를 수집하여 프로파일 데이터베이스에 저장하고 지속적으로 갱신하여 최신 관심사를 유지하면서 검색 결과를 제공을 하는 것이 목적이며, 사용자의 검색 환경에서 확장모듈로 구축되는 방법이다. 사용자 프로파일을 구성하는 내용은 사용자가 최근에 입력한 질의어들과 최근 실제 검색했던 문서들의 주제어들이며, 특히 중의적 성격을 갖는 주제어들의 의미를 판별하기 위해 워드넷을 기반으로 사용자의 관심을 반영하는 주제어들 사이의 의미 유사도를 계산하였다. 개인 관심 분야가 다른 실제 사용자들을 대상으로 개인화 검색과 기존 검색을 실험하고 결과를 비교 평가하였으며, 검색 결과 상위 10위 이내의 문서들을 중심으로 92%의 정확률과 82%의 재현율로 성능이 향상된 결과를 보였다.
성능 평가 방법은 검색 성능에 대한 정량적 척도인 정확률과 재현율을 구하기 위해 개인화 검색의 결과가 각 사용자가 실제로 관심을 갖는 문서들인지를 판별해야 하므로 사용자들이 직접 수동으로 평가를 하였다. 정확률과 재현율은 다음 (4)와 같이 계산되며, 여기서 R은 관련 문서들(Relevant documents)의 집합이고, C는 검색 문서들(Collected documents)의 집합이다.
특히 결과 문서들 중에서 사용자가 클릭하여 적극적으로 참조한 문서들에 대한 검색 행위 정보를 가중치로 반영하여 최신 정보를 유지한다. 이와같은과정을질의확장모듈과순위재계산 모듈로 구현하여 실험하였으며, 검색 성능은 정확률과 재현율을 기준으로 실험을 통해 평가하였다.

대상 데이터

음악, 여행, 컴퓨터, 프로그래밍, 스포츠 등 다양한 성향과 관심분야를 가진 대학생 사용자 20명을 대상으로 실험하였으며, 사용자들의 초기 프로파일은 일주일 동안의 입력 질의어들과 실제 참조 문서들의 주제어들을 기반으로 구성하였다. 실험 환경과 결과에 대한 일반적인 요약은 Table 1과 같다.

이론/모형

영어 워드넷(PWN: Princeton WordNet)을 기반으로 세계 여러 언어에 대한 워드넷을 확장하는 연구가 활발히 진행되고 있으며, 주로 영어 워드넷을 대역하여 구축한 후 정제하는 방법으로 진행되고 있다[18-21]. 본 연구에서는 워드넷을 이용하여 질의어와 관심 주제어들 사이의 의미 근접 정도를 계산하여 사용자의 관심분야를 결정하는데 활용한다.
워드넷에서 노드 간의 거리는 어휘의 의미 거리이며 개념 간 유사도를 판단하는 정량적인 값이다. 워드넷에서 의미 유사도를 계산하는 알고리즘은 여러 가지가 소개되고 있으나 간단하면서도 가장 많이 적용되는 방법은 경로 길이(path length)에 기반한 계산방법이며 본 연구에서도 이와 같은 방법을 적용하였다[22-24]. 사용자들 개인별 관심 분야에 따라 입력하는 질의어의 집합이 다르며, 중의적 질의어에 대한 정확한 질의 의도는 이 집합에 속해있는 단어들의 그룹과 의미 근접성에 기반을 두고 결정하는 방법이다.

성능/효과

사용자 프로파일을 구성하는 내용은 사용자가 최근에 입력한 질의어들과 최근 실제 검색했던 문서들의 주제어들이며, 특히 중의적 성격을 갖는 주제어들의 의미를 판별하기 위해 워드넷을 기반으로 사용자의 관심을 반영하는 주제어들 사이의 의미 유사도를 계산하였다. 개인 관심 분야가 다른 실제 사용자들을 대상으로 개인화 검색과 기존 검색을 실험하고 결과를 비교 평가하였으며, 검색 결과 상위 10위 이내의 문서들을 중심으로 92%의 정확률과 82%의 재현율로 성능이 향상된 결과를 보였다.
7과 같이 요약된다. 정확률과 재현율로 측정된 개인화 검색 시스템의 검색 결과에 대한 만족도는 상대적으로 크게 향상되었으며, 특히 상위 10~20개 문서에 대한 사용자의 만족도가 높게 나타났다. 대부분 사용자들이 상위의 문서들만을 중심으로 관심을 보이고 클릭한다는 검색 행태에 대한 연구 결과를 반영한다면 이결과는 매우 의미가 있다고 할 수 있다.

후속연구

개인의 관심 분야와 선호도를 고려하는 맞춤형 검색 시스템의 개발은 광고나 마케팅 등 다양한 시장으로 넓은 활용이 이루어질 것으로 기대된다. 사용자의 만족도를 높이는 우수한 품질의 검색 결과를 생산하기 위해 질의어와 웹 문서 주제어들의 중의성 해소나 문서 분류 등 자연어 처리 분야의 여러 연구 결과들을 적극적으로 반영하는 지속적인 연구는 정보검색에 큰 발전을 가져올 것으로 기대된다.
개인의 관심 분야와 선호도를 고려하는 맞춤형 검색 시스템의 개발은 광고나 마케팅 등 다양한 시장으로 넓은 활용이 이루어질 것으로 기대된다. 사용자의 만족도를 높이는 우수한 품질의 검색 결과를 생산하기 위해 질의어와 웹 문서 주제어들의 중의성 해소나 문서 분류 등 자연어 처리 분야의 여러 연구 결과들을 적극적으로 반영하는 지속적인 연구는 정보검색에 큰 발전을 가져올 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	정보검색 시스템은 어떻게 적합 문서 여부를 결정하나?	정보검색 시스템은 기본적으로 입력 질의어와 웹 문서 에나타나는색인어(index)의형태적일치를 검사함으로써 적합 문서 여부를 결정한다. 대부분의 사용자들은 아주 단순한검색질의어를입력하고검색된 문서들에 대한 관련성 평가를 통해 더 관련이 많은 문서를 찾기 위해 재검색하는 것이 일반적이다[3].
	개인화된 웹 검색 기법이 중요한 가치를 갖게 된 이유는?	IT 기기나 소프트웨어 분야에 대해 관심이 많은 사용자의 검색어 ‘apple' 이나 'virus'는 농산물이나 생물학에 관심이 많은 사용자의 검색어 ’apple'이나 ’virus'와는 의미가 분명히 다를 것이다. 이와같이 검색시스템의 성능향상에 대한 사용자들의 기대는 점차로 개인의 관심사에 적합한문서들만 결과로 제시하는 지능적인 기능의 품질 높은 맞춤형 검색으로바뀌고있다. 개인화된 웹 검색 기법은 정보검색의 개선된 기능으로서도 중요하지만 더 나아가 개인별 맞춤형 광고와 마케팅 등을 위해서도 매우 중요한 가치를 갖는 기술이 되고 있다.
	정보검색 시스템이란?	정보검색 시스템은 사용자의 입력 질의(query)에 적합한 문서를 찾기 위해 대량의 문서들을 검색하고 질의 목적에 부합하는 문서들을 선별하고 순위를 매겨서 정답 후보 문서 집합으로 제시하는 소프트웨어 도구이다[1]. 정보검색 시스템의 성능은 사용자의 질의 의도에 적합한 문서들을 골라내고 신뢰할 만한 순위로 제공하는 기능에 기준을 두고 있다.

참고문헌 (24)

Baeza-Yates Ricardo, Reberio-Neto Berthier, Modern Information Retrieval. Addison Wesley, 1999.
Soyeon Park, Joon-Ho Lee, "Investigating Web Search Behavior via Query Log Analysis," Journal of the Korean Society of Information Management,. Vol. 24, No. 4, pp. 255-265. 2002.
Soyeon Park, Joon-Ho Lee, Ji Seoung Kim, "An Analysis of Query Types and Topics Submitted to Naver," The Journal of the Korean Society for Library and Information Science, Vol. 39, No. 11, pp. 265-278, 2005. DOI: http://dx.doi.org/10.4275/KSLIS.2005.39.1.265

원문보기 상세보기
S. Koratkar, S. A. Takale, "Deriving Concept Based User Profile for Search Engine Personalization," International Journal of Science and Research, Vol.4, No. 6, pp.3086-3089, 2013.
K. W. Leung, W. Ng, D. L. Lee, "Personalized Concept-Based Clustering of Search Engine Queries.," IEEE Transactions on Knowledge and Data Engineering, Vol.20, No. 11, pp.1505-1518, 2008. DOI: http://dx.doi.org/10.1109/TKDE.2008.84

상세보기
N. Sharma, M. Sharma, O. J. Gupta, "Search Engine Personalization Using Concept Based User Profiles," International Journal of Scientific Research Engineering & Technology(IJSRET), Vol. 2, No. 4, pp.084-087, 2012.
K. R. Remesh Babu, P. Samuel, "Concept Networks for Personalized Web Search Using Genetic Algorithm," International Conference on Information and Communication Technologies (ICICT 2014), pp. 566-573, 2015.
Taebok Yoon, Seungjoon Lee, Kwangho Yoon, Jeehyong Lee, "Design and Application of Multi Concept Model based on Web-using Information," Journal of Internet Computing and Services, Vol. 10, No. 5, pp.95-104, 2009.
Gunwoo Park, Sang-Hoon Lee, "Personalized Search based on Community through Automatic Analysis of Query Patterns," Journal of the Korean Institute of Information Scientists and Engineers: Database, Vol. 36, No. 4, pp. 321-326, 2009.
Dongwook Kim, Sooyong Kan, Hanjoon Kim, Byungjeong Lee, "Folksonomy-based Personalized Web Search System," Journal of Digital Contents Society, Vol. 11, No. 1, pp. 105-116, 2010.
Soyeon Park, "Analysis and Evaluation of Term Suggestion Services of Korean Search Portals: The Case of Naver and Google Korea," Journal of the Korean Society of Information Management, No. 20, Vol. 2, pp.297-315, 2013. DOI: http://dx.doi.org/10.3743/kosim.2013.30.2.297
Sung Hee Yoon, "Using Query Word Senses and User Feedback to Improve Precision of Search Engine," Journal of the Korean Society of Information Management, Vol. 26, No. 4, pp. 81-91, 2009. DOI: http://dx.doi.org/10.3743/kosim.2009.26.4.081
Jeong Heo, Pum-Mo Ryu, Yoon Jae Choi, Hyun Ki Kim, and Cheol Young Ock, "An Issue Event Search System based on Big Data for Decision Supporting: SocialWisdom," The Proceedings of Korean Institute of Information Scientists and Engineers Vol. 39, No. 5, pp.381-394, 2013.
Boon Hee Kim, "Words Recommendation Algorithm for Similarity Connection based on Data Transmutability," The Journal of The Korea Institute of Electronic Communication Sciences, Vol. 8, No. 11, pp. 1719-1724, 2013. DOI: http://dx.doi.org/10.13067/JKIECS.2013.8.11.1719

원문보기 상세보기
Yong-Gu Lee, Young-Mee Chung, "An Experimental Study on an Effective Word Sense Disambiguation Model Based on Automatic Sense Tagging Using Dictionary Information," Journal of the Korean Society for Information Management, Vol.24, No. 1, pp. 321-342, 2007. DOI: http://dx.doi.org/10.3743/kosim.2007.24.1.321
Wikipedia, http://en.wikipedia.org/wiki/WordNet
WordNet:A Lexical Database for English. http://wordnet.princeton.edu/
KIBS : Korean Information Base System. http://kibs.kaist.ac.kr
Young-Bum Kim, Yu-seop Kim,"A Question Example Generation System for Multiple Choice Tests by utilizing Concept Similarity in Korean WordNet," Journal of the Korean Information Processing Society, Vol. 15(A), 2008.
Kyeong-Kook Park, Kwang-Mo Lee, Yu-Seop Kim, "WordNet Extension for IT Terminology Using Web Search," The Proceedings of Korean Institute of Information Scientists and Engineers Conference, pp. 189-193, 2007.
In Keun Lee, Dosam Hwang, Younggyun Hahm, Key-Sun CHoi, "Open Korean WordNet(KWN): Dictionary-based Semi-Automatic Development," The 26th Annual Conference on Human & Cognitive Language Technology, 2014.
Mi-Young Cho, Jun-Ho Choi, Pan-Koo Kim, "Design of Conceptual Image Annotation System Using WordNet," The Proceedings of the Korea Multimedia Society Conference. pp. 1081-1086., 2002.
L. Meng, R. Huang, J. Gu, "A Review of Semantic Similarity Measures in WordNet," International Journal of Hybrid Information Technology. Vol. 6, No. 1,, 2013.
T. Simpson, T. Dao, "WordNet-based semantic similarity measurement," 2010, http://www.codeproject.com/Articles/11835.

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