도움말

추천키워드 및 기계학습을 이용한 문서 분류

Document Classification using Recommendation Keywords and Machine Learning
정보과학회논문지 : 소프트웨어 및 응용 제38권 제1호, 2011.1, 41-49 (9 pages)
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 464건
피인용수 : 0건
분야내 활용도 : 2%
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
이 논문에서는 비교 및 추천키워드가 들어간 문서 중 추천 내용을 포함한 문서를 자동으로 분류하는 방법을 제안한다. 추천문장을 하나 이상 포함하는 문서를 추천문서로 정의한다. 추천문장의 대부분은 ‘~보다’와 같은 비교키워드를 포함하고 있거나 ‘추천, ‘우위’, ‘월등’, ‘압승’과 같은 추천키워드를 포함하고 있기도 하다. 제안하는 방법은 이 비교 및 추천키워드를 포함하고 있는 문장을 먼저 선정하고 이들 중추천문장만을 분류해 내기 위해 규칙을 추출하거나 기계 방법을 적용한다. ‘보다’를 포함한 다섯 개의 비교 및 추천키워드를 포함하고 있는 문서 1,336개를 Naive Bayes와 Bayesian Net으로 분류한 결과 평균 88.3%의 재현율과 83.5%의 정확률을 얻을 수 있었다. 향후 보다 많은 비교키워드와 추천키워드에 대해 일반화된 추천문서 분류 기술에 대한 연구가 진행될 것이다. 이 논문은 CSA2009에서 발표한 비교문장 분류 방법을 기반으로 추천문장 분류 방법을 추가하여 확장한 것이다.

We propose a novel approach for the automatic classification of Korean text documents containing product recommendations using machine learning and rules. Most of Korean product recommendations include comparative keywords such as ‘than’, or recommendation keywords including ‘recommend’, ‘superior’, ‘excellent’, and ‘overwhelming victory’. We apply some rules or machine learning based classifier to select candidate sentences including such keywords and sort out only the recommendation sentences. The result of classifying 1,336 documents, including five comparative and recommendation keywords using Naive Bayes and Bayesian Net shows a recall rate of 88.3% and a precision of 83.5%. In the future, hopefully, there will be further studies on approaches to classification of generalized recommendation sentences in terms of more comparative and recommendation keywords. The idea of our previous work on mining comparative only sentences published in CSA2009 can be exploited in classifying recommendation sentences by adding the features proposed in this paper.

목차
요약
Abstract
1. 서론
2. 관련 연구
3. 추천문서 분류를 위한 키워드
4. 비교키워드를 이용한 추천문장 분류
5. 추천키워드를 이용한 추천문장 분류
6. 실험 및 성능 평가
7. 결론
참고문헌
키워드

논문의 주요 키워드를 제공합니다. 키워드를 클릭하여 관련 논문을 확인해 보세요!

참고문헌 (20)

현재 논문의 참고문헌을 찾아 신청해주세요!

  1. B. Pang , 2002 , Thumbs up? Sentiment Classification using Machine Learning Techniques , Proc. the Conference on Empirical Methods in Natural Language Processing : 79 ~ 86

  2. K. Dave , 2003 , Mining the Peanut Gallery: Opinion Extraction and Semantic Classification of Product Reviews , In Proc. Of the 12th Intl. World Wide Web Conference(WWW ’03) : 512 ~ 528

  3. B. Liu , , Web Data Mining : Exploring Hyperlinks, Contents, and Usage Data , Springer

  4. D. Peter , 2002 , Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews , Proc. the 40th Annual Meeting of the Association for Computational Linguistics : 417 ~ 424

  5. 황재원 , 2008 , 감정 자질을 이용한 한국어 문장 및 문서 감정 분류 시스템 , 정보과학회논문지 : 컴퓨팅의 실제 및 레터 14 (3) : 336 ~ 340

  6. 맹성현 , 2008 , An opinion analysis system using domain-specific lexical knowledge , 4th Asia Information Retrieval Symposium, AIRS 2008 : 466 ~ 471

  7. N. Jindal , 2006 , Mining Comparative Sentences and Relations , AAAI’06

  8. N. Jindal , 2006 , Identifying Comparative Sentences in Text Document , Proc. the 29th Annual International ACM SIGIR Conference on Research & Development on Information Retrieval

  9. M. Hu , 2002 , Opinion Feature Extraction Using Class Sequential Rules , the 2006 AAAI Spring Symposium : 61 ~ 66

  10. T. Mitchell , 1977 , Machine learning , McGraw-Hill

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
인용된 논문 (0)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

해당 논문은 인용된 논문 정보가 없습니다.

제 1 저자의 다른 논문 (84)

김문현 식별저자 저자의 상세정보를 확인해 보세요.

권호 내 다른 논문 (8)

정보과학회논문지 : 소프트웨어 및 응용 제38권 제1호 의 상세정보를 확인해 보세요.

추천 논문 (10)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

더 많은 추천논문을 확인해 보세요!

함께 다운받은 논문

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수
1 숭실대학교 32
2 세종대학교 27
3 조선대학교 23

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

피인용수

상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동