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
- 하지만, 어떤 문서에 특정 문서로 향하는 하이퍼링크 (hyperlink)는 문서를 작성자의 판단이 인코딩 되어 있는데, 중요한 문서일수록 그 문서로 향하는 하이퍼링크의 개수가 많아진다. 그래서 [3]은 권위 있는 문서를 특정 질의와 관련성 높은 문서들의 하이퍼링크의 구조를 분석하여 해결하고자 하였다.
- 대부분 질문에 나온 내용을 기반으로 사용자들이 답변을 작성하기 때문에 질문과 답변은 유사도가 높으며, 반대로 선택되지 않은 답변은 유사도가 많이 떨어진다. 그래서 질문과 답변의 유사도를 질문에 출현한 단어와 답변에 출현한 단어의 동시출현 자질 정보[2]를 이용하고, 사용자 명성이 높은 사람의 답변이 우수한 답변으로 추천될 수 있도록 함으로써 이러한 단점을 극복하려고 한다.
- 본 논문에서는 사용자의 명성을 평가하여 새롭게 제시된 답변의 품질을 평가한다. 하지만 위와 같은 단순한 비텍스트 정보는 조작이 간편할 뿐더러, 먼저 작성된 문서보다 비 텍스트 정보가 부족하여 나중에 작성된 문서가 아무리 높은 품질을 가지고 있다하여도 항상 낮은 순위를 가지므로 올바른 문서 품질 평가 불가능하다.
- 본 논문에서는 지식검색과 같은 사용자 참여에 의해 작성된 질문과 답변을 이용하여, 사용자의 명성을 평가할 수 있는 방법을 제안하였다. 특히 동시출현 자질을 사용, 질문에서 선택된 답변과 선택되지 않은 답변의 유사도를 비교 하여 아무리 많은 답변을 작성하였다고 해서 사용자 명성이 높아지지 않고, 질문의 내용을 바탕으로 작성된 답변 작성자의 사용자 명성을 높일 수 있는 자질을 개발하였다.
- 지식검색 문서의 질문과 답변에서 유사도를 측정하고자 동시출현 자질 정보를 이용하고자 한다. 하지만 [2]에서 블로그의 스팸 덧글을 분류하고자 블로그 본문에 있는 주제어(명사류)와 덧글에 있는 주제어의 동시출현 자질 정보를 이용하였는데, 본 논문에서는 주제어를 사용하지 않고, n-gram을 이용한 동시출현 자질 정보를 사용하고자 한다. 이는 특정 분야에 사용하는 주제어인 경우, 축약형이 많으며 특정 분야의 전문가들만 사용하는 단어를 많이 사용하므로, 범용으로 제작된 품사부착기 또는 명사추출기는 주제어를 찾기 힘들 뿐더러, 찾는다 하더라고 오류를 범할 수 있는 확률이 높아, 오히려 잘못된 주제어 정보를 제공할 수 있으므로 사용하지 않는다.
가설 설정
- 본 논문에서는 제안하는 ‘사용자 명성(User Reputation)’ 알고리즘은 질문과 답변의 작성자 모두를 하나의 문서로 가정하고 질문과 답변의 작성자 사이에 가상의 링크를 생성하여 링크를 분석하는 단계까지는 PageRank와 비슷하지만 링크의 종류에 따라 가중치를 달리하여, 사용자의 명성을 추정한다는 점이 PageRank와 다른 점이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.