최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털산업정보학회논문지 = Journal of the Korea Society of Digital Industry and Information Management, v.15 no.4, 2019년, pp.103 - 110
김영호 (고려대학교 산업경영공학부) , 박상성 (청주대학교 빅데이터통계학과) , 장동식 (고려대학교 산업경영공학부)
A patent contains detailed information of the developed technology and is published to the public. Thus, patents can be used to overcome the limitations of traditional technology trend research and prediction techniques. Recently, due to the advantages of patented analytical methodology, IP R&D is c...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
Random forest란 무엇인가? | Random forest는 Tree 기반의 Ensemble 분류 모형이며, 일반적으로 좋은 성능을 보인다. 이는 주어진 데이터에서 n개의 자료를 이용한 Bootstrap 표본을 생성한다. | |
Random forest에 적용가능한 문제는? | 또한, 입력 변수들을 무작위로 추출하고 서로 다른 Decision Tree를 생성한 후, 선형결합하여 최종 분류 모형을 구축한다[13, 14]. Random forest는 회귀(Regression)와 분류(Classification) 문제에 모두 적용이 가능하다[15]. 일반적으로 분류 문제에서의 선형결합 방식은 다수결 원칙(Majority voting)을 적용한다. | |
Word2Vec이 전제하고 있는 것은? | [6]이 제안한 단어 분산 표상 기법이다. 이는 같은 맥락(Context)을 가진 단어들은 Embedding 공간상에서 근접하게 위치한다는 분포 가설(Distributional hypothesis)을 전제로 한다[7, 8]. Word2Vec은 신경망 기반으로, 예측 단어 구분에 따라 CBOW(Continuous Bag of Words)와 Skip-gram 방식으로 나뉜다. |
D. Hunt, L. D. Nguyen, M. Rodgers, Patent Searching Tools & Techniques, Wiley, New Jersey, 2007.
A. Abbas, L. Zhang, S. U. Khan, "A literature review on the state-of-the-art in patent analysis," World Patent Information, Vol. 37, 2014, pp.3-13.
Korean Intellectual Property Office (KIPO), Korean Invention Promotion Association (KIPA), Patent and Information Analysis (for Researchers), KIPO, Seoul, 2006.
Korean Intellectual Property Office (KIPO), Korean Intellectual Property Strategy Agency (KISTA), Intellectual Property Research & Development, KIPO, Seoul, 2012.
T. Mikolov, K. Chen, G. Corrado, J. Dean, "Efficient Estimation of Word Representations in Vector Space," arXiv preprint arXiv:1301.3781, 2013.
X. Rong, "word2vec Parameter Learning Explained," arXiv preprint arXiv:1411.2738, 2016.
S. Goki, Deep Learning from Scratch 2, O'Reilly, California, 2019.
D. Seo, K. H. Mo, J. Park, G. Lee, P. Kang, "Word Sentiment Score Evaluation based on Graph-Based Semi-Supervised Learning and Word Embedding," Journal of the Korean Institute of Industrial Engineers, Vol. 43, No. 5, 2017, pp.330-340.
K. Kim, C. Park, "Automatic IPC Classification of Patent Documents Using Word2Vec and Two Layers Bidirectional Long Short Term Memory Network," The Journal of KINGComputing, Vol. 15, No. 2, 2019, pp.50-60.
J. Jeong, K. H. Mo, S. Seo, C. Y. Kim, H. Kim, P. Kang, "Unsupervised Document Multi-Category Weight Extraction based on Word Embedding and Word Network Analysis: A Case Study on Mobile Phone Reviews," Journal of the Korean Institute of Industrial Engineers, Vol. 44, No. 6, 2018, pp.442-451.
A. Geron, Hands-on Machine Learning with Scikit-learn & Tensorflow, O'Reilly, California, 2017.
C. Park, Y. Kim, J. Kim, J. Song, H. Choi, R Data Mining, Kyowoosa, Seoul, 2011.
V. Sventnik, A. Liaw, C. Tong, J. C. Culberson, R. P. Sheridan, B. P. "Feuston, Random Forest: A Classification and Regression Tool for Compound Classification and QSAR Modeling," Journal of Chemical Information and Computer Science, Vol. 43, No. 6, 2003, pp.1947-1958.
W. T. Aung, Y. Myanmar, K. H. S. Hla, "Random forest classifier for multi-category classification of web pages," Proceedings of 2009 IEEE Asia-Pacific Services Computing Conference (APSCC), 2009, pp.372-376.
A. Onan, S. Korukoglu, H. Bulut, "Ensemble of keyword extraction methods and classifier in text classification," Expert Systems with Applications, Vol. 57, No. 15, 2016, pp.232-247.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.