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
- 본 논문에서는 기존 LDA 기반 텍스트 유사도 계산 방안이 논문 데이터에 적합한지에 대해 검증해보고자 한다.
- 최근 LDA 기반 유사도 계산 방안들이 연구 되어 왔다[3]. 본 논문에서는 기존의 LDA 기반 유사도 계산 방안을 논문 데이터베이스에 적용하고, 해당 방안의 유용성을 검증해보고자 한다.
- 본 논문에서는 기존의 LDA 기반 유사도 계산 방안의 논문 데이터에 대한 적합성을 검증하였다. 실험 결과, LDA 기반 유사도 계산 방안은 cosine measure에 비해 높은 precision을 보였다.
가설 설정
- LDA는 단어 집단 (text corpus)과 같은 이산형 데이터의 집합을 위한 generative probabilistic model이며 기계학습 분야에서 문서들의 주제 분석을 위해 많이 사용되어 왔다[1]. LDA에서 하나의 문서는 여러 개의 단어들로 구성되며, 하나의 단어는 여러 개의 잠재적인 주제에 속할 수 있다고 가정한다. 또한, 하나의 주제는 여러 단어들의 확률 분포로 구성되며, 각각의 주제는 서로 다른 단어들의 분포를 가진다고 가정한다.
- 두 논문 간에는 일치하는 단어가 없이 논문 A에는 ‘알고리즘’이라는 단어만 출현하고, 논문 B에는 ‘순서도’라는 단어만 출현한다고 가정하자.
- LDA에서 하나의 문서는 여러 개의 단어들로 구성되며, 하나의 단어는 여러 개의 잠재적인 주제에 속할 수 있다고 가정한다. 또한, 하나의 주제는 여러 단어들의 확률 분포로 구성되며, 각각의 주제는 서로 다른 단어들의 분포를 가진다고 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.