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
- 하더라도 사용자의 질의어 자체 에 있는 불완전함을 보완하기 위한 방법은 고려되지 않았다. 따라서 새로운 의미 적 공간에서 문서집합을 군집 화시켜 질의어를 보완하는 방법을 다음에서 연구하였다.
- 따라서 이 벡 터들끼리의 군집화를 거쳐서 형성된 각 클러스터의 중심 값(centroid)을 문서집합이 표현하는 '개념(concept)'이 라고 생각할 수 있다. 따라서 초기 제시 했던 사용자의 불 완전한 질의를 클러스터의 중심값으로 치환 또는 보정하여 검색의 효율을 높이는 방법을 제시하고자 한다. 먼저 k-차원의 벡터를 앞에서 제시한 k-means algorithm을 사용하여 거리상 가까운 벡터끼리 k개의 군집을 만든다.
- 향후과제로는 위 실험에서 사용자의 초기 질의어에 따라 다른 결과가 유도되므로 질의어가 문서 및 클러스터 와 어떤 상관관계가 있는 지 연구할 필요가 있다. 또한 k-means 군집화에 있어서 클러스터 k값을 이론적으宇- 산출하는 방법을 연구하는 것과 군집화 기법에 있어서 문서 클러스터링에 많이 사용되는 계층적 클러스터 링 방법 등 다양한 방법을 적용해보아 가장 효율적인 군집화 기법을 찾아내고자 한다. 마지막으로 위 실험을 객관적 데이터 set인 TREC 전체에 적용해보고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.