링크 기반 논문 유사도 계산의 정확도 향상 방안

링크 기반 유사도 계산 방안은 논문을 노드로, 논문 간의 참조 정보를 링크로 간주하여 논문들 간의 유사도를 계산하는 방법이다. 기존 방안들은 링크의 가중치가 모두 동일하다고 가정하여 유사도를 계산하는 한계가 있었다.

연구 결과, 링크로 연결된 논문들 간의 관련 정도를 인기도, 발행연도, 내용 관련도 세 가지 경험적 방법을 이용해 계산하고, 이 값을 링크의 가중치로 부여하면 유사도 계산의 정확도가 향상된다. 특히 인기도와 발행연도를 고려한 방법이 정확도 향상에 크게 기여한다.

학술대회자료 Full-text

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2012한국컴퓨터종합학술대회 논문집 제39권 제1호(C)

오류 신고하기

피인용 0

검색

초록·키워드

본 논문에서는 논문들 간의 유사도를 계산하는 기존 링크 기반 유사도 계산 방안의 정확도를 향상시키기는 방안을 제안한다. 제안하는 방안은 링크로 연결되어 있는 두 객체의 관련 정도를 경험적인 세 가지 방법(인기도 고려, 발행연도 ... 전체 초록 보기

UCI(KEPA) : I410-ECN-0101-2013-569-003449653

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드