$\require{mediawiki-texvc}$

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.

키워드 중심 학술정보서비스 개선 연구 - NDSL 추천 및 분류를 중심으로 -
An Improvement study in Keyword-centralized academic information service - Based on Recommendation and Classification in NDSL - 원문보기

한국도서관 정보학회지 = Journal of Korean Library and Information Science Society, v.49 no.4, 2018년, pp.265 - 294  

김선겸 (한국과학기술정보연구원) ,  김완종 (한국과학기술정보연구원) ,  이태석 (한국과학기술정보연구원) ,  배수영 (한국과학기술정보연구원)

초록
AI-Helper 아이콘AI-Helper

최근 정보의 폭발적인 증가로 인해 사용자에게 적합한 정보를 제공하기 위한 정보의 필터링이 매우 중요시 되고 있다. 한국과학기술정보연구원에서 운영하고 있는 학술정보서비스인 NDSL은 방대한 자료를 보유함에도 불구하고 사용자들은 검색 외에 자료 획득이 쉽지가 않다. 본 논문은 사용자에게 적합한 정보를 제공하기 위하여 키워드 특성을 활용한 서비스인 PIN(Profiling service In NDSL)을 제안한다. PIN은 키워드만을 가지고 검색하는 것이 아닌 사용자 본인 및 유사 사용자가 등록한 관심 키워드, 동시이용 키워드, 검색 키워드로 분석된 워드 클라우드를 제공하고 이를 통하여 사용자에게 맞춤형 논문, 보고서, 특허, 동향의 콘텐츠를 추천한다. 또한 콘텐츠를 보다 쉽게 접근하기 위하여 중복분류가 가능한 학술연구분류체계 기반 분류를 제공한다. 이를 검증하기 위해 NDSL의 축적된 2016년도의 국내논문의 데이터를 기반으로 분류별로 키워드를 추출하고 이를 통해 매칭 기반의 분류 모델을 만든 후 트레이닝 및 테스트를 거쳐 결과를 도출한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Nowadays, due to an explosive increase in information, information filtering is very important to provide proper information for users. Users hardly obtain scholarly information from a huge amount of information in NDSL of KISTI, except for simple search. In this paper, we propose the service, PIN t...

주제어

#추천   #분류   #키워드   #워드 클라우드   #학술연구분류체계  

참고문헌 (26)

  1. Kim, Kwang-Young and S. Kwak. 2011. "A study on personalized search system based on subject classification." Korean Society for Library and Information Science, 45(4): 77-102 

    원문보기 상세보기 crossref

  2. Kim, Namgyu. et al. 2017."Investigations on Techniques and Applications of Text Analytics." Korean Institute of Intelligent Systems, 42(2): 471-492. 

  3. Kim, Eun-Kyung and J. Choi, 2005. "A study on structuring method of study data supporting efficient keyword search." Maritime information and communication sciences, 9(1): 1063-1066. 

  4. Naver Academic, http://academic.naver.com/ 

  5. Park, Chang-Ho, S. Youm, and J. Lee. 2000. "The effect of user-centered categorization system of homepages on directory Search." Cognitive science, 11(1): 47-65. 

  6. Son, Jieun. et al. 2015. "Review and Analysis of Recommender Systems." Journal of the Korean Institute of Industrial Engineers, 41(2): 185-208. 

    원문보기 상세보기 crossref

  7. Yeo, Woon-Dong. et al. 2010. "Application of Research Paper Recommender System to Digital Library." Korea contents association, 10(11): 10-19. 

  8. Lee, Nak-Gyu. et al. 2011. "Design and implementation of a contents recommendation system in mobile enviornment." Korea Contents association, 11(1): 40-51. 

  9. Lee, Ju-Hyun, E. Lee, and H. Kim. 2006."Analysis and service quaility evaluation on NDSL website." Journal of information management, 37(4): 69-91. 

    원문보기 상세보기 crossref

  10. Lee, Tae-Suk. et al. 2012."An Analytic Study on the Categorization of Query through Automatic Term Classification." KIPS Transactions:PartD, 19(2): 133-138. 

  11. Jeong, Duckyoung, J. Lee and S. Park. 2016. "A technology trend analysis using world cloud." Proceedings of KIIS Spring conference, 26(1): 17-18. 

  12. Jung, Young-Mi. 1993. Information retrieval, Seoul: Kumibooks, 

  13. The academic classification system. 

  14. Adomavicius, Gediminas, and Alexander Tuzhilin. 2005. "Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions". IEEE Transactions on Knowledge and Data Engineering, 17(6): 734-749. 

    상세보기 crossref

  15. Balabanovic, Marko, and Yoav Shoham. 1997. "Fab : content-based, collaborative recommendation". Communications of the ACM, 40(3): 66-72. 

    상세보기

  16. Breese, John S., David Heckerman, and Carl Kadie. 1998. "Empirical analysis of predictive algorithms for collaborative filtering". Proceedings of the Fourteenth conference on Uncertainty in artificial intelligence, 43-52. 

  17. Burke, R. 2002. "Hybrid recommender systems : Survey and experiments". User modeling and user-adapted interaction, 12(4): 331-370. 

    crossref

  18. Das, Abhinandan S. et al. 2007. "Google news personalization: scalable online collaborative filtering". Proceedings of International Conference on World Wide Web, 271-280. 

  19. DBPia, http://www.dbpia.co.kr 

  20. Goldberg, Ken. et al. 2001. "Eigentaste : A constant time collaborative filtering algorithm". Information Retrieval, 4(2): 133-151. 

    상세보기 crossref

  21. Matsuo, Yutaka, and Mitsuru Ishizuka, M. 2004. "Keyword extraction from a single document using word co-occurrence statistical information". International Journal on Artificial Intelligence Tools, 13(1): 157-169. 

    상세보기 crossref

  22. McCallum, Andrew, and Kamal Nigam. 1999. "Text classification by bootstrapping with keywords". EM and shrinkage. 

  23. NDSL Homepage, http://www.ndsl.kr 

  24. Pazzani, Michael J., and Daniel Billsus. 2007. "Content-based recommendation systems". Proceedings of the adaptive web, 325-341. 

  25. Smeaton, Alan F., and Jamie Callan. 2005. "Personalisation and recommender systems in digital libraries". International Journal on Digital Libraries. 57(4): 299-308. 

  26. Wu, Yi-Hung, and Arbee LP Chen. 2000. "Index structures of user profiles for efficient web page filtering services". Proceedings of International Conference on Distributed Computing Systems, 644-644. 

저자의 다른 논문 :

관련 콘텐츠

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