$\require{mediawiki-texvc}$

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.

검색엔진 최적화를 위한 GAN 기반 웹사이트 메타데이터 자동 생성
GAN-based Automated Generation of Web Page Metadata for Search Engine Optimization 원문보기

한국정보통신학회 2019년도 춘계학술대회, 2019 May 23, 2019년, pp.79 - 82  

안소정 (중앙대학교) ,  이오준 (중앙대학교) ,  이정현 (중앙대학교) ,  정재은 (중앙대학교) ,  용환성 (리얼리티랩)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 검색엔진 최적화(SEO; Search Engine Optimization)에 인공지능 기법을 접목하여, 자동화된 SEO 도구 설계 및 구현을 목표로 한다. 기존의 SEO 온-페이지(On-page) 최적화 기법들은 웹페이지 관리자들의 경험적 지식에 의존하는 한계점을 보이고 있다. 이는 SEO 성능에 영향을 끼칠 뿐 아니라, 웹페이지 관리자들에게도 SEO 도입의 장벽으로 작용한다. 따라서, 위 문제를 해결하기 위하여 메타데이터의 효과적인 구성을 위해 다음과 같은 3단계의 접근법을 제안하고자 한다. i) 상위 랭킹 웹사이트들의 메타데이터를 추출한다. ii) 어텐션 메커니즘에 기반한 LSTM(Long Short Term Memory)을 이용하여 사용자 질의어와의 관련성 높은 메타데이터를 생성한다. iii) GAN(Generative Adversarial Network) 모델을 통하여 학습함으로써 전반적으로 성능을 높여주는 기법을 제안한다. 본 연구결과는 기업의 온라인 마케팅 프로세스를 평가하고 개선하기 위한 최적화 도구로서 유용하게 활용될 것으로 기대한다.

Abstract AI-Helper 아이콘AI-Helper

This study aims to design and implement automated SEO tools that has applied the artificial intelligence techniques for search engine optimization (SEO; Search Engine Optimization). Traditional Search Engine Optimization (SEO) on-page optimization show limitations that rely only on knowledge of webp...

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 적절한 메타데이터 생성을 목표로 본 논문에서는 기존 bi-directetional LSTM 모델의 확장을 기반으로 SEO 기술에 접목하고자 한다. 따라서 bi-directional LSTM 모델을 기반으로 각 특성을 분석하고, 그 결과를 바탕으로 발생 가능한 특성들의 분류와 패턴을 수립하고자 한다.
  • 기존의 bi-directional LSTM은 네트워크상의 의존 관계 정보를 포함하고 시스템의 성능 향상에 크게 기여해왔다. 본 논문에서는 (Linqing Liu etal, 2018) 방법론을 적용하여 문서의 내용을 적절히 고려한 메타데이터 생성 및 추천을 위한 방법론을 제안한다.
  • 따라서 인공지능 기술을 접목하여 보다 더 객관적인 메타데이터 의사결정을 위한 지표가 필요성이 있다. 본 연구에서는 사용자 질의어를 고려한 GAN 모델링 기반 자동 메타데이터 자동 생성을 위한 접근법을 제안하고자 한다.
  • 아래 [표 1]은 정형화된 각각의 태그들은 검색엔진에게 노출되는 웹사이트의 지시자 역할을 수행한다. 이는 학습을 위하여 전처리 과정에서 사용되며, 각각의 메타데이터들의 다른 특징점들을 추출하고, 그 평균 벡터를 바탕으로 메타데이터를 반복 복제함으로써 적절한 메타데이터를 생성 및 추출하고자 한다.
  • 이에 본 연구에서는 온라인 마케팅을 위해 동적메타데이터 생성 및 추천을 위한 방법론을 제안하였다. 이는 온라인 마케팅 지표로서 확장될 수 있으며, 기업측면에서 온라인 마케팅 성공을 위한 해결책이 될 수 있음을 기대한다.
  • 오프 페이지 최적화(off-page optimization, off-page SEO, off-site SEO, off-site optimization)는 웹 사이트와 분리되어 사이트의 순위에 영향을 주는 외부 요인을 제어하는 기술을 의미한다. 자신의 웹 사이트 의 인기도, 관련성, 신뢰성 및 권한에 대한 검색 엔진 및 사용자 인식을 향상시키는 것을 목표로 한다.
  • 적절한 메타데이터 생성을 목표로 본 논문에서는 기존 bi-directetional LSTM 모델의 확장을 기반으로 SEO 기술에 접목하고자 한다. 따라서 bi-directional LSTM 모델을 기반으로 각 특성을 분석하고, 그 결과를 바탕으로 발생 가능한 특성들의 분류와 패턴을 수립하고자 한다.
본문요약 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