[논문]웹페이지 분석을 위한 딥러닝 모델 학습과 구현에 관한 연구

김정환; 조재원; 김진산; 이한진

doi:10.17703/jcct.2024.10.2.517

[국내논문] 웹페이지 분석을 위한 딥러닝 모델 학습과 구현에 관한 연구
Research on Training and Implementation of Deep Learning Models for Web Page Analysis

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.10 no.2, 2024년, pp.517 - 524

김정환 (고려대학교 디지털경영학과) , 조재원 (명지전문대학교 산업디자인학과) , 김진산 (서울사이버대 빅데이터 정보보호학과) , 이한진 (한동대학교 창의융합교육원)

초록
AI-Helper

본 연구는 ChatGPT 서비스의 개시 이후 인공지능 혁명이라 일컬어지는 시대적 배경 속에서, 웹사이트의 제작과 인공지능의 융합을 위해 딥러닝 모델을 학습 및 구현하고자 한다. 딥러닝 모델은 수집한 3,000개의 웹페이지 이미지를 구성요소와 레이아웃 분류체계 기반의 데이터 가공을 통해 학습하였으며, 다음과 같은 세 가지 단계로 구분하여 진행하였다. 첫째, 인공지능 모델에 관한 선행연구를 조사하여 구현하고자 하는 모델에 가장 적합한 알고리즘을 선택하였다. 둘째, 적합한 웹페이지 및 단락 이미지를 수집하고 분류 및 가공하였다. 셋째, 딥러닝 모델을 학습시키고 서빙 인터페이스를 연동해 모델의 실제 결과를 확인하였다. 이렇게 구현된 모델은 실제 웹페이지를 구성하는 복수의 단락을 탐지하고, 단락별 규모, 요소, 특징을 분석하여 분류체계를 기반으로 의미 있는 데이터를 도출할 것이다. 이 과정은 점차 발전하여 웹페이지를 보다 정밀하게 분석할 수 있게 될 것이다. 그리고 정밀 분석기법을 역으로 설계하여, 인공지능이 완벽한 웹페이지를 자동으로 생성할 수 있는 연구의 초석이 될 것으로 기대한다.

Abstract ▼ AI-Helper

This study aims to train and implement a deep learning model for the fusion of website creation and artificial intelligence, in the era known as the AI revolution following the launch of the ChatGPT service. The deep learning model was trained using 3,000 collected web page images, processed based on a system of component and layout classification. This process was divided into three stages. First, prior research on AI models was reviewed to select the most appropriate algorithm for the model we intended to implement. Second, suitable web page and paragraph images were collected, categorized, and processed. Third, the deep learning model was trained, and a serving interface was integrated to verify the actual outcomes of the model. This implemented model will be used to detect multiple paragraphs on a web page, analyzing the number of lines, elements, and features in each paragraph, and deriving meaningful data based on the classification system. This process is expected to evolve, enabling more precise analysis of web pages. Furthermore, it is anticipated that the development of precise analysis techniques will lay the groundwork for research into AI's capability to automatically generate perfect web pages.

주제어

표/그림 (8)

그림 그림 1. EfficientNetV2의 파라미터와 정확도 Figure 1. Parameters and Accuracy of EfficientNetV2
그림 그림 2. CNN 특징과 탐지 영역 Figure 2. CNN Features and Detection Areas
그림 그림 3. 다양한 YOLO 모델 버전의 성능 비교 [23] Figure 3. Performance Comparison of Different Versions of the YOLO Model [23]
그림 그림 4. 카테고리기반 쇼핑몰 웹사이트 캡처 Figure 4. Data for Section in Web Pages
그림 그림 5. 분석의 종류와 순서 예시 Figure 5. Examples of Type and Sequence of Analysis
표 표 1. 단락과 요소의 분류 체계 Table 1. Section and Element Classification System
그림 그림 6 슬라이드 배너의 왼쪽 오른쪽 버튼과 페이지 표시 버튼의 탐지 예시 Figure 6. Example of Detecting the left and right buttons of the slider banner and the pagination buttons
표 표 2. 단락 분류 레이블 체계 Table 2. Section Classification Labels System

참고문헌 (28)

Kaluarachchi, T., and Wickramasinghe, M.？(2023). A systematic literature review on？automatic website generation. Journal of？Computer Languages, 75. https://doi.org/10.1016/j.cola.2023.101202

상세보기
Lee, J.-S. (2003). Aspect-Oriented Programming？and Subject-Oriented Programming. Korea？Information Processing Society Review, Vol. 21,？No. 9, pp. 94-101.
Sivasubramanian, S., Szymaniak, M., Pierre, G.,？& Steen, M. v. (2004). Replication for web？hosting systems. ACM Computing Surveys？(CSUR), Vol. 36, No. 3, pp. 291-334. DOI : https://doi.org/10.1145/1035570.1035573

상세보기
Muhammad Garib, N. S. (2006). Online Website？Builder for Non-Programmers.
Bangboonrit, C. (2004). Site builder: build, market？and manage business website with CMS.
Xu, Y., Bo, L., Sun, X., Li, B., Jiang, J., & Zhou,？W. (2021). image2emmet: Automatic code？generation from web user interface image.？Journal of Software: Evolution and Process, Vol.？33, No. 8, e2369, DOI : https://doi.org/10.1002/smr.2369

상세보기
Hashimoto, Y. and T. Igarashi (2005). Retrieving？Web Page Layouts using Sketches to Support？Example-based Web Design. SBM, DOI : http://dx.doi.org/10.2312/SBM/SBM05/155-164
Chang, K. S.-P. and B. A. Myers (2012).？WebCrystal: understanding and reusing examples？in Web authoring. Proceedings of the SIGCHI？Conference on Human Factors in Computing？Systems. DOI : https://doi.org/10.1145/2207676.2208740
Baule, D., von Wangenheim, C. G., von？Wangenheim, A., Hauck, J. C., & Junior, E. C. V.？(2021). Automatic code generation from sketches？of mobile applications in end-user development？using Deep Learning. arXiv preprint？arXiv:2103.05704. DOI : https://doi.org/10.48550/arXiv.2103.05704
Kaluarachchi, T. and M. Wickramasinghe (2023).？"A systematic literature review on automatic？Website generation." Journal of Computer？Languages 75. DOI : https://doi.org/10.1016/j.cola.2023.101202

상세보기
Xi, C., and Chung, J. (2023). A Study on？Character Design Using [Midjourney]？Application. International Journal of Advanced？Culture Technology, Vol. 11, No. 2, pp. 409-414.？DOI : https://doi.org/10.17703/IJACT.2023.11.2.409

원문보기 상세보기
McCarthy, J., Minsky, M. L., Rochester, N., &？Shannon, C. E. (2006). A proposal for the？dartmouth summer research project on artificial？intelligence, august 31, 1955. AI magazine, Vol.？27, No. 4, pp. 12-12. DOI : https://doi.org/10.1609/aimag.v27i4.1904
Hinton, G.E., Osindero, S., & Teh, Y. W. (2006).？A fast learning algorithm for deep belief nets.？Neural computation, Vol. 18, No. 7, 1527-1554.？DOI : https://doi.org/10.1162/neco.2006.18.7.1527

상세보기
Cai, S., Bileschi, S., & Nielsen, E. (2020). Deep？Learning with JavaScript: Neural networks in？TensorFlow.js. Manning. https://books.google.co.kr/idN2dswgEACAAJ
Mahesh, B. (2020). Machine learning？algorithms-a review. International Journal of？Science and Research, Vol. 9, No. 1, pp. 381-386.？DOI : https://doi.org/10.21275/ART20203995
Krizhevsky, A., Sutskever, I., & Hinton, G. E.？(2017). Imagenet classification with deep？convolutional neural networks. Communications？of the ACM, Vol. 60, No. 6, pp. 84-90. DOI : https://doi.org/10.1145/3065386

상세보기
Lozano-Diez, A., Zazo, R., Toledano, D. T., &？Gonzalez-Rodriguez, J. (2017). An analysis of？the influence of deep neural network (DNN)？topology in bottleneck feature based language？recognition. PloS one, Vol. 12, No. 8, e0182580.？DOI : https://doi.org/10.1371/journal.pone.0182580

상세보기
Amanatullah. (2023). Vanishing Gradient？Problem in Deep Learning: Understanding,？Intuition, and Solutions. Retrieved from？https://medium.com/@amanatulla1606
He, K., Zhang, X., Ren, S., & Sun, J. (2016).？Deep residual learning for image recognition. In？Proceedings of the IEEE conference on？computer vision and pattern recognition (pp.？770-778). DOI: https://doi.org/10.1109/CVPR.2016.90
Tan, M., and Le, Q. (2019, May). Efficientnet:？Rethinking model scaling for convolutional？neural networks. In International conference on？machine learning (pp. 6105-6114). PMLR. DOI :？https://doi.org/10.48550/arXiv.1905.11946
Girshick, R., Donahue, J., Darrell, T., & Malik,？J. (2014). Rich feature hierarchies for accurate？object detection and semantic segmentation. In？Proceedings of the IEEE conference on？computer vision and pattern recognition (pp.？580-587). DOI : https://doi.org/10.48550/arXiv.1311.2524
Redmon, J., Divvala, S., Girshick, R., & Farhadi,？A. (2016). You only look once: Unified,？real-time object detection. In Proceedings of the？IEEE conference on computer vision and pattern？recognition (pp. 779-788). DOI :？https://doi.org/10.1109/CVPR.2016.91
Rath, S. (2023). YOLOv8 : Comprehensive Guide？to State Of The Art Object Detection.？https://learnopencv.com/ultralytics-yolov8/
Hanjin Lee, Soyeon Kwon, & Daihwan Min？(2021), The Empirical Research on the User？Satisfaction of Mobile Grocery Shopping？Customer Journey, Journal of Information？Technology Applications & Management, Vol.？28, No. 4, pp. 59-78. DOI : https://doi.org/10.21219/jitam.2021.28.4.059

원문보기 상세보기
Hyun-ju Kim, and Jinyoung Lee (2024). A？Study on A Study on the University Education？Plan Using ChatGPTfor University Students,？The Journal of the Convergence on Culture？Technology (JCCT), Vol. 10, No. 1, pp. 71-79.？DOI : http://dx.doi.org/10.17703/JCCT.2024.10.1.71

원문보기 상세보기
Hanjin Lee, Young-geun Park, & Daihwan Min,？(2020). Analysis of Factors Affecting the？Continuance Intention to Use Mobile Grocery？Shopping. The Journal of Information Systems,？29(2), 95-110. DOI : https://doi.org/10.5859/KAIS.2020.29.2.95

원문보기 상세보기
Suhyun Park, Yeeun Lee, & Hanjin Lee (2024).？Research on Enhancing Customer Experience？through AI-Supported Review Generation, The？Transactions of the Korean Institute of？Electrical Engineers, Vol. 73, No. 2, pp. 334-342.？DOI : https://doi.org/10.5370/KIEE.2024.73.2.334

상세보기
Hyunjin Kim, Yeongjo Kim, Donghyeon Yun, &？Hanjin Lee (2024). Empirical Research on the？Interaction between Visual Art Creation and？Artificial Intelligence Collaboration, The Journal？of the Convergence on Culture Technology？(JCCT), Vol. 10, No. 1, pp.517-524. DOI :？http://dx.doi.org/10.17703/JCCT.2024.1.571

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