메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
지금까지 연구된 시소러스에 기반을 둔 문서순위 결정 방법들은 문서에 포함된 색인어와 질의에 포함된 색인어간의 개념적 밀접성을 시소러스에서 색인 노드간의 최단거리의 역으로 계산함으로써 여러가지 문제점을 나타내고 있다. 본 연구에서는 질의어에 포함되는 색인노드와 그 자식노드를 색인어로 갖는 문서들사이의 유사성이 부모 노드를 색인어로 갖는 문서들사이의 유사성보다 크게 함으로써 이러한 문제점을 일부 해결하였다. 본 연구에서는 CACM 데이타 집합을 이용하여 제안된 방식이 지금까지 개발된 방식보다 우수하다는 것을 실험적으로 입증하고 있다.

목차

요약

1. 서론

2. 시소러스에 기반을 둔 문서순위 결정방법들

3. 시소러스에 기반을 둔 개선된 랭킹방법

4. 실험 및 분석

5. 결론 및 향후 과제

참고 문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017962097