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 뉴스에 대한 키워드 검색 결과 문서의 특성을 고려하여 문서 군집화와 문장 군집화를 수행한 뒤 대표 문장을 선정하여 뉴스 검색 결과를 효율적으로 사용하기 위한 방법을 제안하였다. 시스템에서는 동일한 주제에 대하여 수집된 최신 뉴스 기사 집합들은 이미 유사한 단어들을 갖고 있으므로 tf-idf를 활용하는 방법이 적절하지 않다.
- 문장 군집화에서는 여러 문장에서 자주 사용되는 단어보다 특정 문장에서 집중적으로 사용하는 단어의 가중치가 높게 측정되어야 한다. 본 논문에서는 이러한 단어 가중치를 얻기 위해 단어 분별도(discriminability)를 제안하여 사용한다. 단어 분별도는 조건부 확률에 기반하여 계산한다.
- 본 논문에서는 이러한 문제를 해결하기 위해서 키워드에 의해 검색된 뉴스 기사에 대한 다중문서요약을 제안한다. 기존 다중문서 요약에서는 동일 주제의 문장에서 요약을 생성하는 것[4][5]을 문제로 한다.
- 예를 들어 단어 w3은 다른 군집에는 등장하지 않는 단어이므로 {S8, S9, S10}만의 차별성을 나타낸다고 볼 수 있다. 본 논문에서는 조건부 확률에 기반한 분별도를 이용하여 군집에서의 단어 차별성을 측정한다. 단어 w에 대한 단어 wi의 조건부 확률 P(wi|w)는 아래 식(1)을 이용해서 구할 수 있다.
- 시스템에서는 동일한 주제에 대하여 수집된 최신 뉴스 기사 집합들은 이미 유사한 단어들을 갖고 있으므로 tf-idf를 활용하는 방법이 적절하지 않다. 이를 고려하여 본 논문에서는 조건부 확률에 기반한 분별도로 단어의 가중치를 표현하여, 코사인 유사도를 활용한 유사 문장 군집화를 하는 방법을 제시하였다. 실험 결과 특정 문장에만 등장하는 차별성이 있는 단어들에 의해 문장들이 군집화되는 결과를 얻을 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.