초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

공기빈도를 이용한 전역적 질의확장 검색에서 공기유사도를 판정하는데 이용되는 유사계수의 특성에 따른 질의확장 성능을 비교해보았다. 먼저 각 유사계수의 통계적인 특성을 말뭉치와 검색실험 문서집단을 대상으로 살펴본 결과 코사인 계수, 자카드 계수는 고빈도어 선호경향을 보이고 상호정보량과 율의 Y는 저빈도어 선호경향을 보이는 것으로 나타났다. 질의확장 검색실험에서는 고빈도어 선호경향을 가진 유사계수에 비해서 저빈도어 선호경향을 가진 유사계수률 이용할 때 더 종은 성능이 나타났다. 특히 율의 Y는 질의어의 DF가 1에 가깝게 매우 낮을 때 다른 유사계수와 달리 고빈도어를 선호함으로써 항상 저빈도어를 선호하는 상호정보량에 비해서 질의확장 검색에 유리함을 알 수가 있었다.

공기빈도를 이용한 전역적 질의확장 검색에서 공기유사도를 판정하는데 이용되는 유사계수의 특성에 따른 질의확장 성능을 비교해보았다. 먼저 각 유사계수의 통계적인 특성을 말뭉치와 검색실험 문서집단을 대상으로 살펴본 결과 코사인 계수, 자카드 계수는 고빈도어 선호경향을 보이고 상호정보량과 율의 Y는 저빈도어 선호경향을 보이는 것으로 나타났다. 질의확장 검색실험에서는 고빈도어 선호경향을 가진 유사계수에 비해서 저빈도어 선호경향을 가진 유사계수률 이용할 때 더 종은 성능이 나타났다. 특히 율의 Y는 질의어의 DF가 1에 가깝게 매우 낮을 때 다른 유사계수와 달리 고빈도어를 선호함으로써 항상 저빈도어를 선호하는 상호정보량에 비해서 질의확장 검색에 유리함을 알 수가 있었다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 실제 질의확장 검색에서는 Qiu & 타ei[2]가 제안한 것처럼 개별 질의어가 아닌 질의에 포함된 전체 질의어와의 유사도 평 균을 기준으로 추가 질의어를 선정한다. 따라서 실제로 질의에 추가되는 용어의 DF 수준이 유사계수마다 어떻게 다른지를 분 석해보았다. 각 질의에 대해서 100개씩 확장하되 10개씩 구간 을 나누어 각 구간에 포함된 확장질의어의 평균 DF를 표 2와 표 3에 제시하였다.
• Mandala, Tokunaga, & Tanaka[3]h 상호정보량의 성능이 자카드 계수, 다이스 계수보다 좋은 것으로 보고하였는데, Kim & Ch이[4]에서는 코사인 계수, 자카드 계수의 성능이 상호정보량보다 더 좋았다고 보고한 것이다. 이 연구에서는 이러한 유사계수간 성능의 우열이 각 유사계 수의 통계적 특성이 다르기 때문이라는 가정하에 질의확장 검 색에 적합한 유사계수의 특성을 검증하고자 하였다.

제안 방법

• CACM 실험집단과 Me에ine 실험집단을 대상으로 각 질의혈 로 공기빈도 기반 유사어를 10개부터 100개까지 10개씩 늘이 면서 추가하여 확장된 질의로 검색을 수행하였다. 색인어의 가 중치 DW(tJ와 질의어의 가중치 QW(ti), 그리고 문서와 질의간 유사도 sim(D, Q)은 다음 공식으로 산출하였다(Incite 방식).
• CACM의 질의어 중에서 공기 용어가 5개 이하인 질의어 3개 를 제외한 289개와 Medline의 질의어 213개를 실험집단에서의 DF에 따라 각각 7개 그룹으로 나눈 다음, 각 그룹에 속한 질 의어와의 공기기반 유사도가 가장 높은 용어의 평균 DF를 표 1과 그림 2에 제시하였다.
• 따라서 실제로 질의에 추가되는 용어의 DF 수준이 유사계수마다 어떻게 다른지를 분 석해보았다. 각 질의에 대해서 100개씩 확장하되 10개씩 구간 을 나누어 각 구간에 포함된 확장질의어의 평균 DF를 표 2와 표 3에 제시하였다.
• 앞에서 살펴본 유사계수의 특징이 검색실험집단에서도 나타 나는가룰 알아보기 위해서 CACM 실험집단(3, 204건)과 Me에ine 실험집단(1, 033건)의 질의어룔 대상으로 공기기반 유 사어의 빈도 수준을 분석해보았다. 이패 질의어가 아닌 용어 중에서 문서빈도(DF)가 1인 용어는 제외하였다.
• Chung & Lee[5]는 공기기반 유사계수에 대한 분석에서 공 기하는 단어의 빈도 수준에 따른 유사계수의 특성을 살펴본 바 가 있다. 이듷은 16, 555건의 신문기사에서 출현한 단어룔 대상으로 빈도 수준에 따라서 문헌빈도 20인 저빈도어부터 1, 820 인 고빈도어에 이르기까지 10개의 기준 단어룔 선정한 다음, 공기단어의 문헌빈도와 유사도 사이의 상관계수룔 구해서 그림 1을 얻었다.
• 추가된 질의어의 가중치는 TF가중치 부분을 초기 질의와의 유人[도로 하고 IDF 가중치는 그대로 적용하였다. 단, 상호정보 량은 유사도의 범위를 1에서 0 사이로 제한하기 위해서 최대값 인 log洲으로 나누고 믐수인 경우는 0으로 처리하였다.

데이터처리

• 검색 결과를 11지점 평균정확률(11-AP)과 10위내 정확案 (P@10) 척도로 분석하였다. 그림 3과 그림 4에 제시한 초기질 의의 검색성능 대비 11지점 평균정확률의 향상울을 보면 유사 계수간의 성능 우열은 대체적으로 다음과 같다.

성능/효과

• 다른 유사계수는 대부분의 구간에서 상관값이 0 이상이므로 고빈도어의 유사도 률 높게 판정하는 경향, 즉 고빈도어 선호경향을 나타냈다. 그 중에서도 자카드 계수(JAC)가 고빈도어 선호경향이 가장 강하며 그 다음으로는 코사인 계수(COS), 우도비(LR)와 카이제곱 통계량(CHI)의 순서로 나타났다.
• 분석 결과 코사인 계수와 자카드 계수는 짙의어가 고빈도어 일 때 고빈도어가 유사도 상위에 속하며, 질의어가 저빈도어일 패에는 저빈도어가 높은 유사도를 가진다. 즉, 질의어와 비슷한 수준의 其어가 높은 유사도를 가지는 경향이 있다.
• 유사계수에 따른 공기빈도 기반 질의 확장 검색 실험에서 고빈 도어 선호경향을 가진 유사계수에 비해서 저빈도어 선호경향을 가진 유사계수률 이용할 때 더 좋은 성능이 나타났다. 특히 율의 攵질의어의 DF가 1에 가깝게 매우 낮을 때 다른 유사계수와 달리 저빈도어를 선호하지 않음으로써 항상 저 빈도어률 선호하는 상호 정보량에 비해서 질의 확장 검색에 유리하였다.
• 역시 코사인 계수와 자카드 계수에 의해 추가질의어로 선택 돤 용어가 상호정보량 및 율의 y에 의한 경우보다 DF가 훨씬 높다는 것을 알 수 있다. 저빈도어 선호 유사계수 중에서는 율 의 同| 의해 추가된 질의어가 상호정보량에 의한 것보다 DF가 더 높았다.
• 유사계수에 따른 공기빈도 기반 질의 확장 검색 실험에서 고빈 도어 선호경향을 가진 유사계수에 비해서 저빈도어 선호경향을 가진 유사계수률 이용할 때 더 좋은 성능이 나타났다. 특히 율의 攵질의어의 DF가 1에 가깝게 매우 낮을 때 다른 유사계수와 달리 저빈도어를 선호하지 않음으로써 항상 저 빈도어률 선호하는 상호 정보량에 비해서 질의 확장 검색에 유리하였다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기