선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 문서에서 발견된 대량의 패턴 중에서 의미 있는 패턴을 효과적으로 발견하기 위한 텍스트 마이닝 기법을 제시하였다. 본 기법은 Agrawal 등이 제안한 R-interesting 값을 수정하여 의미 있는 패턴을 추출하기 위한 방법이다. 특정 분야에서 나타나는 패턴의 빈도수와 다론 분야에서 나타나는 패턴 빈도수의 비율에 따른 z2 값의 A 기여도와 R 값을 비교한 결과 빈도수가 같을지라도 다른 분야에 나타나는 비율이 높을수록 기여도와 R 값은 낮아졌다.
- 본 논문에서눈 관련된 문서끼리 자농적으로 분류하거나 대량의 문서에서 유용한 지식 정보를 정확하게 검색하기 위하어 텍스트마이닝에서 의미 있는 패턴을 추출하기 위한 방법을 제안하였다. 제안한 방법은 Agrawal 등이 제안한 R-interesting 값을 수정하여 대량의 연관규칙에서 의미 있는 패턴을 추출하기 위한 방법이다.
- 본 논문에서는 문서를 대상으로 연관규칙 탐사기법을 적용하여 발견된 대량의 패턴 중에서 의미 있는 패턴을 효과적으로 추출하기 위한 새로운 기법을 제시하였다. 제안한 방법은 Agrawal 등이 제안한 R-interesting 값을 이용하여 의미 있는 패턴을 추출하기 위한 텍스트마이닝 기법이다.
- 본 논문에서는 문서에서 발견된 대량의 패턴 중에서 의미 있는 패턴을 효과적으로 발견하기 위한 텍스트 마이닝 기법을 제시하였다. 본 기법은 Agrawal 등이 제안한 R-interesting 값을 수정하여 의미 있는 패턴을 추출하기 위한 방법이다.
- 그리고 전문 용어이지만 모든 분야에서 공통적으로 사용되는 전문 용어는 특정 분야를 대표하는 용어로 보기 어렵다. 본 논문에서는 이러한 용어를 특이 용어로 처리하여 연관규칙 탐사 과정에서 제외시켜 무의미한 연관규칙의 양산을 방지하여 대표 색인어를 효율적으로 추출할 수 있도록 하였다.
- 본 논문에서는 텍스트마이닝에서 카테고리별로 의미 있는 패턴을 효과적으로 추출하기 위한 방법을 제안하였다. 먼저, 카테고리별 패턴을 분석하기 위하여 각 카테고리별로 연관규칙을 탐사하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.