$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

문서 내의 주제정보를 이용한 개선된 링크분석 알고리즘

Improved Link Analysis Algorithm Using Document Feature Information

한국정보과학회 03 가을학술발표논문집(1), 2003 Oct., 2003년, pp.7 - 9  

박기림 (아주대학교 정보통신전문대학원) ,  장유진 (아주대학교 정보통신전문대학원) ,  김민구 (아주대학교 정보통신전문대학원) ,  박승규 (아주대학교 정보통신전문대학원)

초록
AI-Helper 아이콘AI-Helper

최근 인터넷을 대상으로 하는 정보검색의 방법 중 하이퍼링크 정보를 이용한 방법이 각광받고 있다. 그리고 하이퍼링크 정보이외에 문서내에 존재하는 다양한 정보를 이용하여 검색 성능을 향상시키고자 하는 시도가 지속적으로 이루어지고 있다. 본 연구에서는 문서와 문서 사이의 유사도를 이용하여 하이퍼링크의 가중치를 부설하여 검색 성능을 향상시킨 방법을 개선하여 문서내의 주제정보를 추출하고 주제 단위의 유사도를 이용하여 하이퍼링크의 가중치를 새롭게 부여하여 링크분석 알고리즘에 적용하였다. 본 연구에서 제안한 방법이 문서사이의 유사도를 이용한 방법보다 뛰어난 성능을 나타내고 있음이 입증되었다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

제안 방법

  • 본 논문은 하나의 문서의 내용이 여러 개의 주제를 포 함하고 있음에 착안하여 문서를 연결하고 있는 하이퍼 링크의 가중치를 주제 사이의 유사도롤 이용해야 한다. 는 점을 주장했다.
  • 하나는 문서집합 전체를 대상으로 하여 링크분석을 하는 전역적 방법이고, 다른 하나는 기본 검색 시스템이 도출한 결과집합을 대상으로 하여 링크분석을 하는 지역적 방법이다. 본 연구에서는 지역적 방법 인 Klei가)e「g의 HITS 알고리즘에 초점을 맞추어 연구를 진행한다.
  • 뽄 연구에서는 Kleinbe「g의 HITS 알고리즘을 문서간의 유사성를 이용하여 개선한 방법을 소개하고, 문서간의 유사성을 이용한 방법의 단점을 지적하며, 문서안의 주 제별 유사성을 이용한 방법을 제안한다. 이는 하나의 문 서안에는 하나의 주제만 있는 것이 아니라 여러 개의 주 제가 있을 수 있다는 가정하에 문서와 문서사이의 유사 도가 아닌 주제와 주제 사이의 유사도를 측정하여 Kleinbe「g의 HITS 알고리즘에 적용하는 방법을 제안한다.
  • 실험은 Kleinbe「g에 의하여 제안된 기존의 HITS 알고리 즘과 문서간의 유사도를 이용하여 개선된 HITS 알고리즘, 그리고 문서내의 주제간 유사도를 이용하여 개선된 HITS 알고리즘을 구현하여 실시하였다. 이를 정리하면 [표 1]과 같다.
  • 뽄 연구에서는 Kleinbe「g의 HITS 알고리즘을 문서간의 유사성를 이용하여 개선한 방법을 소개하고, 문서간의 유사성을 이용한 방법의 단점을 지적하며, 문서안의 주 제별 유사성을 이용한 방법을 제안한다. 이는 하나의 문 서안에는 하나의 주제만 있는 것이 아니라 여러 개의 주 제가 있을 수 있다는 가정하에 문서와 문서사이의 유사 도가 아닌 주제와 주제 사이의 유사도를 측정하여 Kleinbe「g의 HITS 알고리즘에 적용하는 방법을 제안한다.

대상 데이터

  • 본 연구에서 제안한 알고리즘을 검증하기 위해 Web TREC11 자류를 이용하였다. Web TREC11 은 18Gb의 텍 스트 자료만을 가지고 있는 대용량 자료로서 1, 247, 753개의 문서를 포함하고 있다.
  • Web TREC11 은 18Gb의 텍 스트 자료만을 가지고 있는 대용량 자료로서 1, 247, 753개의 문서를 포함하고 있다. 질의어는 Web TREC11 의 Topic Distillation Task의 551 번부터 600번까지의 질의를 사용하였다.

이론/모형

  • 두 문서간의 유사도는 유클리디언 거리(타j 시 idean Distance)를 이용하였다. 모든 문서 사이의 링크에 유클리 디언 거리를 이용한 유사도를 반영하여 HITS알고리즘을 수 행 하였을 경우 기존의 Kleinberg가 제안한 HITS알고리즘 보다 월등히 뛰어난 성능을 보이고 있다.
  • 우선 문서 내에서 의미 있는 문장을 추줄하기 위해 의 미있는 단어를 선정한다. 의미 있는 단어의 선정은 Luhn's Keyword Cluster Method 와 Title term frequency method를 이용한다. 그리고 의미 있는 단어 의 개수와 전제 문서내의 문장의 개수를 이용하여 의미 있는 문장의 개수를 도출해낸다.
  • 이와 같이 두 문서를 연결하는 하이퍼링크의 가중치가 결정되연 [수식 2]와 같이 변형된 Kleinbe「g의 HITS알고 리즘을 수행하여 각 문서의 Authority값과 hub값을 결정 하게 된다. 여기서 Fsime 위에서 결정한 두 주제 사이의 유사도이다.
본문요약 정보가 도움이 되었나요?

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트