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
- 바로 이러한 다의어들에 관한 의미 파악 및 확장을 위해 우리는 WordNet 올 이용하기로 한다. WordNet의 Synsete 각각 자신의 상위 개념들의 집합인 hypernym과 하위 개념들의 집합인 hyponym에 대한 정보를 포함하고 있는데, 본연구에서는 이러한 특정 어휘들 간의 관계들로 인해 형성된 경로와 사용자가 선택한 상품 카테고리간의 유사성 분석을 통해 어휘의 의미를 파악해 보고자 하였다. 그럼 지금부터 어휘의 의미 파악 및 확장 방법론에 대해 아래 예제를 통해 살펴보도록 하자.
- 그럼 앞서 살펴보았던 값들이 어떠한 과정을 통해 도출되었는지 정의된 수식을 바탕으로 좀 더 구체적으로 살펴보도록 하자. 우선, 비교 대상으로 선정된 두 카테고리 간의 용어 중복성 정도를 즉정하기 위한 Co-Occurrence에 관한 수식이다.
- (2) 다음으로 어휘 확장 단계를 통해 생성된 어휘 및 쇼핑몰의 상품 분류 Ontology를 이용하여 검색을 수행하는 Mapping 클래스 검색 단계를 제안하며, (3) 마지막으로 다수의 유사 상품이 검색되었을 경우, 사용자가 선택한 상품과 가장 유사한 상품을 선택해주는 Mapping 클래스 선택 방법론을 제안한다. 그럼 지금부터 각각의 단계에 대해 보다 구체적으로 살펴보도록 하자.
- M叩ping 클래스검색을 통해 추출된 2개의 카테고리 가운데 사용자가 요청한 상품과 가장 유사한 상품카테고리를 선정하기 위하여 우리는 Co-Occurrence 와 Order-Consistency 2} 개념을 정의하고 이를 정량화시켜 보았다. 그럼 지금부터 앞서 Mapping 클래스 검색 방법론을 통해 검색된 카테고리 가운데 사용자가 요청한 ODP 의 상품 카테고리와 가장 유사한 카테고리만을 선별해 내는 과정에 대해 살펴보도록 흐卜자. 다음 표 1은 각각의 경우에 따른 어휘 처리 방법론을 도식화시켜 나타내주고 있다.
- 다음으로 어휘 의미 파악 및 측정을 위한 마지막 과정 으로 function pathProximity0에 대해 살펴 보도록 하자. pathProximity0는 앞서 hypernymProximityO를 통해 도출된 값을 사용자가 선택한 카테고리의 총 노드 수로 나누어 주는 과정이라 할 수 있다.
- 따라서 현재 Ontology 가 지향하는 본래의 효용 가치를 극대화시키기 위해서는 이러한 이질성을 극복할 수 있는 방법론이 반드시 필요하다고 할 수 있다. 따라서 본 연구를 통해 우리는 현재 Ontology 분야에서 가장 커다란 이슈로 떠오르고 있는 정보통합에 대한 해결책을 제시해보고자 한다. 정보 통합의 관점에 있어 서로 다른 Ontology 간의 유사성을 측정하고, 그들 간의 Mapping 을 지원하는 작업은 핵심적인 부분으로 여겨지고 있다.
- 또한, E-Marketplace 상에서 역시 효과적인 상품 카테고리 관리가 이루어지지 못하고 있는 것이 현실이다. 따라서 본 연구에서는 이러한 상품 정보들에 대한 효과적인 Mapping을 통해, 추후 통합적인 상품 정보 제공을 위한 기반을 마련하고자 한다.
- 그러나 쇼핑몰 상품 검색의 특성상 사용자가 직접 상품에 대한 Mapping을 수행한다는 것은 의미가 없으므로, 본 연구에서는 PROMPT로부터 추천된 값만을 비교대상으로 고려했다. 따라서 본 장에서는 우리가 제안한 방법론과 PROMPT 간의 실험결과를 토대로 비교, 분석을 수행해 보기로 한다. 우선 4.
- com에서는 “TV & HDTV”로 그리고 ODP에서는 “Television"으로 각각 다르게 표현되어 있다. 따라서 서로 다른 카테고리 구조 상에 존재하는 상품들 가운데 서로 동일한 상품들을 Mapping시키기 위해 우리는 다음과 같은 3가지 방법론을 제안하고자 한다. (1) 우선 상품분류 Ontology들 마다 사용된 어휘가 다르기 때문에 이를 해결하기 위한 방안으로 어휘 확장단계가 필요하다.
- 우리 예제의 경우, 그림 3상에서 살펴 보는 바와 같이, computer라는 상품에 있어 사용자 카테고리와 WordNet hypernym 카테고리 간의 중복이 이루어지고 있을 확인해 볼 수 있다. 따라서 우리는 hypernymProximityO에서 정의한 수식에 따라 이들간의 거리를 측정해 보았다.
- 그러나 사용된 어휘에 대해 무분별적으로 동의어나 유사어를 추출한다는 것은 사용자의 검색의도에 부합하지 못한 상품을 검색해 낼 가능성이 크다고 할 수 있다. 따라서 우리는 어휘 확장과 더불어 상품분류 카테고리에 대한 의미를 파악하는 단계를 함께 고려해 보고자 한다. 이를 위하여 어휘의 의미 파악 및 어휘 확장 방법론을 제안 한다.
- 본 연구를 통해 우리는 서로 이질적인 분류체계로 이루어진 Ontology 들 간에 보다 효율적인 Mapping 을 지원해줄 수 있는 방법론을 제안해보았으며, 이와 함께 동일한 조건하에서 PROMPT 와의 비교 실험도 수행하였다. 또한, 대표적인 쇼핑몰 사이트에 대한 상품 정보카테고리를 Ontology 화시켜 Data Set 을 구성함으로써 실험의 객관성 확보는 물론, Data 일관성도 유지하였다.
- 보았다. 본 장에서는 앞서 지적된 문제점들을 극복하기 위해 제안된 방법론과 이를 통한 해결 방안을 모색해 보고자 한다. 전술한 바와같이 현존하는 쇼핑몰들의 경우, 서로 이질적인 카테고리를 기반으로 상품 정보를 제공하고 있기 때문에, 사용자들로 하여금 효율적인 검색을 지원해주지 못하고 있다.
- 본 장에서는 현실 세계에서 Ontology Mapping의 필요성과 함께 연구 수행 동기 관해 간략히 언급해 보고자 한다. 전술한 바와 같이 현재 활동 중인 대다수의 쇼핑몰 사이트들은 사용자가 원하는 상품에 대한 효율적인 검색을 지원해 주지 못하고 있다.
- 실험 결과를 확인하기에 앞서 우선 우리가 어떠한평가 방식을 기준으로 실험을 수행하였는지 살펴보기로 흐卜자. 앞서 4.
- 또한, 현재 Semantic Web이 지향하는 대표적 인 특성 중 하나로써 상호운영성 을 꼽을 수 있는데, Ontology mappinge 이러한 상호운영성을 지원하기 위한 대표적인 기술로써 각광을 받고 있다. 우리는 이러한 Ontology Mapping에 대한 방법론을 쇼핑몰 환경에 적용함으로써, 서로 이질적인 상품카테고리로 구성된 두 쇼핑몰 간의 상품에 대한 Mapping Algorithm을 제안하고자 한다. 또한, 효용성 검증을 위하여 Ontology Mapping에 있어 이미 효용성을 검증 받은 PROMPT와의 비교 분석도 수행하여 본다.
- 이러한 정보를 토대로 지금부터 어휘 의미 파악 및 확장 방법론에 대해 구체적으로 살펴 보도록 하자.
- 이를 위해 본 절에서는 Mapping 클래스검색 방법론을 제안하고자 한다. Mapping 클래스검색 방법론은 다음과 같은 2가지 단계로 구성된다.
- 측정에 앞서 이 과정에서 사용된 몇 가지 용어들에 대해 정의해보자. 먼저 common (Search Context, Path) 은 서로 다른 두 계층구조상에서 중복되는 클래스들에 대한 선, 후행 관계 수를 고려하기 위해 정의되었다.
가설 설정
- 가정 : 사용자가 선택한 상품의 상위 노드들이 WordNet 으로 인해 형성된 Path(해당 어휘의 Hypernym 정보)상에 많이 존재하면 할수록, 그리고그 노드들 간의 거涉가 가까우면 가까울수록 命당상晉에 다한 정확한 의可로 선정될 가능성이 높다
※ AI-Helper는 부적절한 답변을 할 수 있습니다.