논문KCI 등재
논문 데이터베이스를 위한 텍스트 기반 유사도 계산 방안
A Text-based Similarity Measure for Scientific Literature
2
조회
0
다운로드
2
인용
0
참고문헌
키워드
주제분류공학
초록
본 논문에서는 기존 텍스트 기반 유사도 계산 방안을 이용해서 논문들 간의 유사도를 계산하는 방안에 대해서 논의한다. 먼저, 실험을 통해서 논문의 제목, 요약, 그리고 본문 중에서 어떤 부분이 유사도를 계산하는데 더 유용한지 확인하고 적절한 가중치를 부여한다. 두 번째로 논문의 텍스트 정보가 불완전한 상황에서 논문들 간의 유사도를 보다 정확하게 계산할 수 있는 키워드 확장 방안을 제안한다. 실제 논문 데이터베이스를 이용해서 제안하는 방안의 우수성을 검증한다.
Abstract
This paper addresses computing of similarity among papers using text-based measures. First, we analyze the accuracy of the similarities computed using different parts of a paper, and propose a method of Keyword-Extension, which is very useful when text information is incomplete. Via a series of experiments, we verify the effectiveness of Keyword-Extension
참고문헌 (7)
- J. Tang, "ArnetMiner: Extraction and Mining of Academic Social Networks", In Proc. of ACM SIGKDD Int'l Conf. on Knowledge Discovery and Data Mining, pp.990~998 (2008)
- X. Liu, "Hybrid Clustering of Text Mining and Bibliometrics Applied to Journal Sets", In Proc. of SIAM Int'l Conf. on Data Mining, pp.49~60 (2009)
- J. Han, "Data Mining: Concepts and Techniques" (2006), Morgan Kaufmann
- S. Yoon, "A link-based similarity measure for scientific literature", In Proc. of Int’'l. Conf. on World Wide Web, pp.1213~1214 (2010)
- R. Baeza-Yates, "Modern Information Retrieval" (1999), Addison Wesley
- D. Gruhl, "Information diffusion through blogspace", In Proc. Int'l. Conf. on World Wide Web, pp.491~501 (2004)
- T. Zhang, "BIRCH: an Efficient Data Clustering Method for Very Large Databases", In Proc. Int'l. Conf. on Management of Data, pp.103~114 (1996)