$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

한글 문서의 단어 동시 출현 정보에 개선된 TextRank를 적용한 키워드 자동 추출 기법
Keyword Automatic Extraction Scheme with Enhanced TextRank using Word Co-Occurrence in Korean Document 원문보기

한국어정보학회 2016년도 제28회 한글및한국어정보처리학술대회, 2016 Oct. 07, 2016년, pp.62 - 66  

송광호 (인하대학교, 정보통신공학과) ,  민지홍 (인하대학교, 정보통신공학과) ,  김유성 (인하대학교, 정보통신공학과)

초록
AI-Helper 아이콘AI-Helper

문서의 의미 기반 처리를 위해서 문서의 내용을 대표하는 키워드를 추출하는 것은 정확성과 효율성 측면에서 매우 중요한 과정이다. 그러나 단일문서로부터 키워드를 추출해 내는 기존의 연구들은 정확도가 낮거나 한정된 분야에 대해서만 검증을 수행하여 결과를 신뢰하기 어려운 문제가 있었다. 따라서 본 연구에서는 정확하면서도 다양한 분야의 텍스트에 적용 가능한 키워드 추출 방법을 제시하고자 단어의 동시출현 정보와 그래프 모델을 바탕으로 TextRank 알고리즘을 변형한 새로운 형태의 알고리즘을 동시에 적용하는 키워드 추출 기법을 제안하였다. 제안한 기법을 활용하여 성능평가를 진행한 결과 기존의 연구들보다 향상된 정확도를 얻을 수 있음을 확인하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 그러나 [2]와 [3]의 연구들은 실제 활용하기에 부족한 수준의 정확도를 보였으며, [4]의 연구는 [2,3]보다 나은 성능을 보이긴 하였으나 제한된 영역의 데이터에 대한 검증결과만을 제시하였다. 따라서 본 논문에서는 단어의 동시출현 정보와 TextRank 알고리즘을 변형한 새로운 형태의 알고리즘을 함께 적용하여 비교적 정확도가 높은 방법을 제안하고 다양한 주제를 가진 텍스트 데이터를 이용한 평가를 진행하여 제안한 방법이 다양한 분야의 텍스트에서도 균일한 성능을 보이는지에 대한 검증 결과를 제시하고자 한다.
  • 따라서 본 논문에서는 정확도 높은 키워드 추출을 위해 단어의 동시출현 정보와 TextRank 알고리즘을 변형한 알고리즘을 동시에 적용한 새로운 키워드 추출 기법을 제안한다. 또한 이를 다양한 분야의 데이터에 적용하는 실험을 통해 일반적 데이터에 대한 적용가능성을 살피고 기존 연구들과 동일한 평가방법을 사용하여 성능비교실험을 진행, 그 성능과 타당성을 제시한다.
  • 본 논문에서는 정확하면서도 다양한 분야의 텍스트에 적용 가능한 키워드 추출 방법을 제시하고자 단어의 동시출현 정보와 그래프 모델을 바탕으로 TextRank 알고리즘을 변형한 새로운 형태의 알고리즘을 동시에 적용하는 키워드 추출 기법을 제안하였다. 그 결과 정확도 성능이 기존 연구들 대비 최대 31%의 증진됨을 볼 수 있었다.
  • 앞서 언급한 바와 같이 본 논문에서는 정확도 높은 키워드 추출을 위해 단어의 동시출현정보와 TextRank 알고리즘을 변형한 알고리즘을 동시에 적용한 새로운 키워드 추출 기법을 제안하고자 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
문서에서 키워드를 추출해내는 방법은 무엇이 있는가? 문서에서 키워드를 추출해내는 방법에는 기본적으로 문서에 나타난 단어들의 빈도를 이용하는 빈도기반 접근법과 그에 더해 문서들이 가진 언어학적 요소들을 가미하는 특징기반 접근법 그리고, 최근 연구되기 시작한 기계학습기반 접근법 등이 있다[7]. 그 중 빈도기반 접근법은 1958년 Luhn[8]이 처음 제안한 후 지금까지도 가장 많이 연구되는 방법이다.
키워드 추출의 어려운 점은? 키워드 추출은 대체로 여러 문서들의 집합에서 나온 대량의 단어들 중에서 각 문서들을 구별하는데 핵심적 역할을 하는 단어를 추려내는 방법으로 이루어진다. 그러나 [5]에 따르면 문서 집합에서 추출된 단어들 중 실제 각각의 문서를 구별하는 핵심적인 역할을 할 수 있는 단어 즉, 각 문서가 가진 고유성을 잘 기술할 수 있는 단어들은 약 10% 정도로 매우 적은 수이기 때문에 각각의 문서들이 가진 의미를 잘 표현할 수 있는 단어들을 각 문서마다 걸러내는데에 많은 어려움이 따른다. 따라서 최근에는 문서 군집이 아닌 단일 문서를 대상으로 그 문서만의 키워드를 추출해 내는 연구들이 활발히 진행되고 있다.
키워드 추출이란? 이렇게 선별된 속성들은 이후의 처리 단계에서 중요한 영향을 미치기 때문에 이를 정확하고 효율적으로 선별해내는 것은 매우 중요하다. 특히 단어(Word)는 텍스트 마이닝 연구에서 가장 널리 쓰이는 주요 속성으로써 주제를 대표할 수 있는 적은 수의 대표 단어(Representative Term)를 주어진 텍스트로부터 자동추출해내는 키워드 추출(Keyword Extraction)[1] 연구들이 활발히 진행되고 있다[2][3][4].
질의응답 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로