[논문]확장된 6하원칙을 이용한 신문기사 자동요약

윤재민; 강인수; 권오옥; 배재학; 이종혁

문제 정의

본 연구에서는 모바일 (Mobile)이나 PDACPersonal Digital Assistants), 인터넷(Internet) 등을 통해 신문 기사를 읽을 때, 공간과 시간적 제약으로 인해 원문을 다 볼 수 없는 경우의 문제점을 해결하기 위해, 신문 기사의 구조적인 특징인 6하원칙에 근거한 자동 추춘 (Extract) 방법을 제안한다. 2장에는 기존의 연구와 문제점을 살펴보고, 3장에서는 신문 기사의 구조적인 특징인 전문과 6하원칙의 관계에 대해서 기술한다.

제안 방법

일반적으로 기사는 그 내용과 성격에 따라 뉴스성 기사릍 경성기시-, 해설성 기사를 연성 기사로 분류하는데 해설성 기사는 논설이나 칼럼이 해당하고 뉴스성 기사로는 국제, 정치, 경제, 사외, 문화 관련 기사로 나누어진다 19]. 본 논문에서는 뉴스성 기사를 대상으로 하여 연구하였으며, 야후의 뉴스 기사 (Newswire) 와 조선일보의 신헌- 기사 (Newspaper)에서 각각 10。개의 기사를 무작위 추출해서 전문의 유무를 파악하기 위한 실험을 하였다. 야우 뉴스 기사의 경우, 전문이 차지하는 비율이 99%이고, 신문 기사의 경우 95%였다
실시간으로 신문 기사 요약을 하기 위해, 해당 웹페이지에서 로봇으로 신문기사룔 가져와서 전처리 시스템(Preprecess system)을 거치게 되는데 이때, 웹페이지를 구성하고 있는 각종 태그1들이 제거되고, 신문 기사 원문을 복구하게 된다. 그리고 구문분석을 똥 하여 문장의 성분을 분석하고, 분석된 정보를 바탕으로 동의어, 유사어 정보믈 얼기 위해 가도까와 사소러스를 이용해서 어휘를 학장한 다음, 6하원칙의 각 구성성분을 분리하고, 본 논문이 제안하는 순위부여 알고리즘을 바당으로 중요문서를 추출하게 된다. 여기시, 6하원치의 각 구성성분으 추출하기 위해서는 [표 1] 과 같은 패턴 정보 테이블이 필요하고, 구체적인 6하원칙 성분으로 기술할 수 없는 부분을 객체(Obj으ct)무- 할당하여 문장 성분의 다양성을 확보하였다.
3개의 문장으로 구성되어 있으며, 여기서 하나의 신문 기사에서 중요한 문장순서대로 문장 3개까지 대학원생 3명이 각각 추출해서 비교한 뒤, 죄선의 문장을 중요도에 따라 순서대로 3개까지 선택하였다. 그리고 전문(Lead-based)을 이용한 방법과 본 논문에서 게 안 한 방법(Expanded 5W1H)에 의한 자동 주줄(Extract) 방법, 그리고 본 논문에서 제안된 방법을 이용한 수작업에 의한 방법으로, 중요한 문장에 따라 순서대로 3개까지 추출하여[표 2]와 같이 정확률을 계산하였다. 일반적으로 요약률의 성능专가의 척도는 정확률과 재현율, 그리고 F값을 비교하는데, 본 연구에서는 사람이 선택한 중요문장의 총 개수와 위에서 언급한 각각의 방법들에 의해 추출된 문창의 개수가 같기 때문에 정확률과 재현율, F값은 동일하다.
그리고 구문분석을 똥 하여 문장의 성분을 분석하고, 분석된 정보를 바탕으로 동의어, 유사어 정보믈 얼기 위해 가도까와 사소러스를 이용해서 어휘를 학장한 다음, 6하원칙의 각 구성성분을 분리하고, 본 논문이 제안하는 순위부여 알고리즘을 바당으로 중요문서를 추출하게 된다. 여기시, 6하원치의 각 구성성분으 추출하기 위해서는 [표 1] 과 같은 패턴 정보 테이블이 필요하고, 구체적인 6하원칙 성분으로 기술할 수 없는 부분을 객체(Obj으ct)무- 할당하여 문장 성분의 다양성을 확보하였다. 일반적으로 제목 부분에서 언급한 내용이 전문 부분에 대부분 기술되지만, 전呈에는 없이 제목에만 출현한 중요단어는 전문에서 추출한 6 하 원치 구성성분과 동일한 가치-:: 부여한 후 두 부분을 합쳐서 중요문장을 주 쿨하기 위한 알고리즘에 이용한다.
반대로, 중심어(Head)룔 수식하거나 내포문에 이용된 단어가 각 6하원칙 구성성분의 중심어(Head)로 쓰인 경우(상위단계로 이동)는 R(+l, )로 표현한다. 이러한 방법론과 알고리즘에서는 6하원칙의 같은 성분에 반복되어 둥장하는 단어는 제거함으로써, 중요문장 결정 시 단순히 단어빈도와 문장길이를 이용하는 것이 아니라 그 성분이 어떻게 재사용되었는가를 파악하는데 중점을 두었다.

대상 데이터

.문에서 사용한 실험데이터는 조선일보 웹사。'드에서 제공하는 "스성 신문 기사로, 100건의 신문 기사를 무작위로 선택하였다. 신험에 사용된 각 신문 기사는 평균 약 9.
문에서 사용한 실험데이터는 조선일보 웹사。'드에서 제공하는 "스성 신문 기사로, 100건의 신문 기사를 무작위로 선택하였다. 신험에 사용된 각 신문 기사는 평균 약 9.3개의 문장으로 구성되어 있으며, 여기서 하나의 신문 기사에서 중요한 문장순서대로 문장 3개까지 대학원생 3명이 각각 추출해서 비교한 뒤, 죄선의 문장을 중요도에 따라 순서대로 3개까지 선택하였다. 그리고 전문(Lead-based)을 이용한 방법과 본 논문에서 게 안 한 방법(Expanded 5W1H)에 의한 자동 주줄(Extract) 방법, 그리고 본 논문에서 제안된 방법을 이용한 수작업에 의한 방법으로, 중요한 문장에 따라 순서대로 3개까지 추출하여[표 2]와 같이 정확률을 계산하였다.

성능/효과

본 연구에서 제안한 방법과 전문을 이용한 방법과의 정확률을 비교해 볼 때. [표 2]와 같이 본 연구에서 제안한 방법이 전문을 이용한 방법보다 우수함을 알 수 있다. 그러나 본 연구에서 제안된 방법을 이용하여 수작업으로 테스트한 결과가 더 좋은 이유는 사람이 테스트하는 정도의 정교한 분석에 도달하지 못하였다는 것을 말하고 있으며, 이러한 문제들은, 향후, 다양한 휴리스틱과 패턴 추가, 뛰어쓰기 오류수정, 복합명사 분할, 시소러스를 이용한 단어확장의 성능향상 등을 통해서 달성할 수 있다고 생각된다.
일반적으로 요약률의 성능专가의 척도는 정확률과 재현율, 그리고 F값을 비교하는데, 본 연구에서는 사람이 선택한 중요문장의 총 개수와 위에서 언급한 각각의 방법들에 의해 추출된 문창의 개수가 같기 때문에 정확률과 재현율, F값은 동일하다. 다음 [표 2]이서 보는 바와 같이 본 논문에서 제안한 방법을 수작업으로 테스트한 결과가 다른 방법에 비해서 가장 좋은 성능을 가지고 있고, 그다음으로 본 논문에서 제안한 방법 (Expanded EW1H)에 의한 자동추출(Extract) 방법이 전문(Lead-based)을 이용한 방법모다 좋은 결과를 보여준다는 것을 알 수 있다.

후속연구

[표 2]와 같이 본 연구에서 제안한 방법이 전문을 이용한 방법보다 우수함을 알 수 있다. 그러나 본 연구에서 제안된 방법을 이용하여 수작업으로 테스트한 결과가 더 좋은 이유는 사람이 테스트하는 정도의 정교한 분석에 도달하지 못하였다는 것을 말하고 있으며, 이러한 문제들은, 향후, 다양한 휴리스틱과 패턴 추가, 뛰어쓰기 오류수정, 복합명사 분할, 시소러스를 이용한 단어확장의 성능향상 등을 통해서 달성할 수 있다고 생각된다. 그리고, 앞으로의 연구에서, 6하원칙 구성성분을 분석하는데 있어서 廿 개념적으로 접근하고 추츨 알고리즘을 더욱 학장할 필요성이 있다.
그러나 본 연구에서 제안된 방법을 이용하여 수작업으로 테스트한 결과가 더 좋은 이유는 사람이 테스트하는 정도의 정교한 분석에 도달하지 못하였다는 것을 말하고 있으며, 이러한 문제들은, 향후, 다양한 휴리스틱과 패턴 추가, 뛰어쓰기 오류수정, 복합명사 분할, 시소러스를 이용한 단어확장의 성능향상 등을 통해서 달성할 수 있다고 생각된다. 그리고, 앞으로의 연구에서, 6하원칙 구성성분을 분석하는데 있어서 廿 개념적으로 접근하고 추츨 알고리즘을 더욱 학장할 필요성이 있다. 본 연구에서는 신문 기사를 대상으로 중요한 문장을 宜과적으로 추츨하는 방법을 제시하였지만, 앞에서 언급했듯이 신문 기사 (Newspaper)보다 뉴스 보도 기사(Newswire)에서 전문이 많이 등장하고, 신문 기사 (Newspaper)의 구성 특징상 뉴스 보도 기사 (Newswire)와 거의 동일하므로 본 연구 방법을 뉴스 보도 기사 요약에도 적용할 수 있을 것이다.
그리고, 앞으로의 연구에서, 6하원칙 구성성분을 분석하는데 있어서 廿 개념적으로 접근하고 추츨 알고리즘을 더욱 학장할 필요성이 있다. 본 연구에서는 신문 기사를 대상으로 중요한 문장을 宜과적으로 추츨하는 방법을 제시하였지만, 앞에서 언급했듯이 신문 기사 (Newspaper)보다 뉴스 보도 기사(Newswire)에서 전문이 많이 등장하고, 신문 기사 (Newspaper)의 구성 특징상 뉴스 보도 기사 (Newswire)와 거의 동일하므로 본 연구 방법을 뉴스 보도 기사 요약에도 적용할 수 있을 것이다.

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

확장된 6하원칙을 이용한 신문기사 자동요약
An automatic extraction of newspaper articles using expanded 5WlH 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

확장된 6하원칙을 이용한 신문기사 자동요약 An automatic extraction of newspaper articles using expanded 5WlH 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

확장된 6하원칙을 이용한 신문기사 자동요약
An automatic extraction of newspaper articles using expanded 5WlH 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper