상세검색
검색어 입력 검색어는 최대 5개까지 추가하실 수 있습니다.
비밀번호 변경 안내
비밀번호를 변경하신 지 90일 이상 지났습니다.
개인정보 보호를 위해 비밀번호를 변경해 주세요.
비밀번호 변경 안내
비밀번호를 변경하신 지 90일 이상 지났습니다.
개인정보 보호를 위해 비밀번호를 변경해 주세요.
- 학술저널
- Top 10%
휴대폰 리뷰 사례를 중심으로
- 대한산업공학회
- 대한산업공학회지
- 대한산업공학회지 제44권 제6호
- 2018.12
- 442 - 451 (10 pages)
- KCI우수등재
DOI : 10.7232/JKIIE.2018.44.6.442
UCI(KEPA) : I410-ECN-0101-2019-530-000172798
초록
Due to the increased amounts of online documents, there is a growing demand for text categorization that categorizes documents into predefined categories. Many approaches to this problem are based on supervised machine learning which couldn’t be applied to unlabeled data. However, large number of documents, such as online cell phone reviews, have no category information and key categories are not predefined. To solve these problems, we propose unsupervised document multi-labeling method based on word embedding and word network analysis. After embedding words in a lower dimensional space using Word2Vec technique, we generate a weight matrix by calculating similarities between words. We create a word network using this matrix and extract the key categories from this network. With key category-weight matrix and co-occurrence matrix, we generate a document-category score matrix. To verify our proposed method, we collect 298,206 cell phone reviews from four review websites. Then, we compared the results of the proposed method with labeled documents from human cognitive perspective.
목차
1. 서론
2. 관련 연구
3. 방법론
4. 실험 설계
5. 실험 결과
6. 결론 및 활용방안
참고문헌
참고문헌(48)
-
1.
-
2.
-
3.
-
4.
-
5.
추천 논문(5)
-
1.
-
2.
-
3.
-
4.
-
5.
리뷰(0)
도움이 되었어요.0
도움이 안되었어요.0
도움이 되었어요.0
도움이 안되었어요.0
