- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
국가 R&D 사업관리 시스템에서는 국내의 국가 연구개발과제 정보를 관리하고 검색할 수 있도록 하고 있다. 특히 연구개발과제들을 분류하고 다양한 검색 및 분석 서비스를 제공하기 위해서 다양한 분류체계를 이용하고 있다. 하지만 하나의 분류체계에 대해 하나의 분류만 입력 가능하도록 하고 있기 때문에 과제의 성격을 명확히 파악하는데 어려움이 있다. 또한 연구개발과제를 위한 분류체계는 모든 분야에 대한 일반적인 분류를 제공하고 있으나 한의학과 같은 특정 분야에 맞는 분류체계는 제공하지 않고 있다. 반면에 한의학 분야에서는 한의학에 대한 분류체계 연구가 진행되어 왔지만 이 분류체계 또한 한의학 전반에 관한 일반적인 분류이기 때문에 한의학 연구개발과제를 위한 분류로는 적합하지 않는 문제가 있다. 따라서 본 연구에서는 이러한 문제를 해결하기 위해 한의학 분야의 연구개발과제들의 성격을 명확히 파악하고 검색 및 분석에 활용할 수 있는 분류를 제안한다.
Abstract
NTIS(National Science & Technology Information Service) provides the information for domestic research projects. It in particular has several classification schemes to classify research projects and provide better retrieval and analysis services. It however is difficult to understand the characteristic of a research project clearly since only a classification in a classification scheme can be chosen about a research project. Moreover, the classification scheme covers the high-level classification for every research areas so that it cannot cover the area specialized to the oriental medicines. On the other hand, the classification schemes for oriental medicines have recently been studied in oriental medicine field. However, it also covers the high-level classification for oriental medicine so that it may not suit to a classification scheme for research projects. Therefore, in this paper we propose a classification scheme to understand clearly the characteristic of research projects in oriental medicine and use to use them to retrieval and analysis services.
초록
본 연구는 공공도서관과 대형서점 이용자의 요구 및 이용행태가 유사하다는 가정 하에 두 기관의 분류방식의 분석을 통해 이용자의 도서탐색을 용이하게 해주는 요인들을 조사하였다. 본 연구의 목적은 대형서점의 방식으로 공공도서관의 장서를 분류하는 것을 제안하기보다는 공공도서관과 대형서점 분류방식의 어떤 특징이 탐색을 용이하게 하는지를 알아보아, 공공도서관에서 보다 편리한 분류를 제공하기 위해 고려할 점들이 무엇인지를 알아보는데 있다. 이를 위해 먼저 공공도서관 이용자의 도서탐색의 특징과 공공도서관과 대형서점의 분류방식을 조사·분석한 후 설문지법을 통해 이용자의 도서탐색목적과 탐색영역, 탐색기준을 알아보고, 공공도서관과 대형서점의 분류표를 바탕으로 탐색에 더 편리한 분류방식과 그 원인을 분석하였다. 연구결과 이용자들은 대형서점의 분류방식이 도서탐색에 더 편리하다고 생각하고 있음이 밝혀졌다.
Abstract
The research was conducted to investigate factors that facilitate users’ finding books by analyzing classifications in public library and bookstore. This research was based on the assumption that the users’ needs and information behaviors are similar in both public library and bookstore. The main purpose of this study is not to recommend classifying public library collections the way a bookstore does, but to figure out what makes the users’ book finding more convenient by analyzing the classifications. To carry out the research, users’ book finding in public library and classifications of public library and bookstore are analyzed. Then, a survey was conducted to investigate users’ book finding behaviors, degree of convenience in finding books according to different classifications and the causes of the convenience. The results of the research showed that bookstore’s classification was more convenient for the users in finding books.
초록
사회․정치적 패러다임의 변화에 따라 공공기관의 기관업무 및 직제는 시시각각 신설되거나 통합 또는 폐지된다. 효과적인 기록관리 관점에서는 이러한 변화를 반영하여 이전에 구축된 기록물 분류체계와 현행 업무 맥락이 적정한지 검토할 필요가 있다. 그러나 대부분 기관에서는 분류체계 재정비 과정이 실무담당자나 기관 기록물 담당자의 실무 경험적 판단에 의존한 수작업으로 진행되고 있어, 기업의 변화가 적시에 반영되거나 전체 큰 맥락을 통합적으로 파악하기가 어렵다. 이에 본 연구는 이러한 문제를 보완하고 나아가 기록의 효율적인 관리를 위해 자동화 및 지능화 기술을 활용한 기록물 분류체계 재정비 방안을 제안한다. 또한 제안된 방법론을 실제 공공기관에 적용하고, 도출된 결과물을 기관의 기능분류 담당 실무자와 면담을 수행하여 그 실효성과 한계점을 검증하였다. 이를 통해 재정비한 기록물 분류체계의 정확도와 신뢰도를 높여 기록물 관리의 표준화 실현을 도모하고자 한다.
Abstract
As social and political paradigms change, public institution tasks and structures are constantly created, integrated, or abolished. From an effective record management perspective, it is necessary to review whether the previously established record classification schemes reflect these changes and remain relevant to current tasks. However, in most institutions, the restructuring process relies on manual labor and the experiential judgment of practitioners or institutional record managers, making it difficult to reflect changes in a timely manner or comprehensively understand the overall context. To address these issues and improve the efficiency of record management, this study proposes an approach using automation and intelligence technologies to restructure the classification schemes, ensuring records are filed within an appropriate context. Furthermore, the proposed approach was applied to the target institution, its results were used as the basis for interviews with the practitioners to verify the effectiveness and limitations of the approach. It is, aiming to enhance the accuracy and reliability of the restructured record classification schemes and promote the standardization of record management.
초록
기록이나 문헌의 자동분류에 관한 연구는 오래 전부터 시작되었다. 최근에는 인공지능 기술이 발전하면서 기계학습이나 딥러닝을 접목한 연구로 발전되고 있다. 이 연구에서는 우선 문헌의 자동분류와 인공지능의 학습방식이 발전해 온 과정을 살펴보았다. 또 기계학습 중 특히 지도학습 방식의 특징과 다양한 사례를 통해 기록관리 분야에 인공지능 기술을 적용해야 할 필요성에 대해 알아보았다. 그리고 실제로 지도학습 방식으로 서울시의 결재문서를 ETRI의 엑소브레인을 통해 정부기능분류체계로 자동분류해 보았다. 이를 통해 기록을 다양한 방식의 분류체계로 자동분류하기 위한 각 과정의 고려사항을 도출하였다.
Abstract
Research on automatic classification of records and documents has been conducted for a long time. Recently, artificial intelligence technology has been developed to combine machine learning and deep learning. In this study, we first looked at the process of automatic classification of documents and learning method of artificial intelligence. We also discussed the necessity of applying artificial intelligence technology to records management using various cases of machine learning, especially supervised methods. And we conducted a test to automatically classify the public records of the Seoul metropolitan government into BRM using ETRI’s Exobrain, based on supervised machine learning method. Through this, we have drawn up issues to be considered in each step in records management agencies to automatically classify the records into various classification schemes.
초록
국내 학술회의 논문으로 구성된 문헌집합을 대상으로 기계학습에 기초한 자동분류의 성능에 영향을 미치는 요소들을 검토하였다. 특히 구현이 쉽고 컴퓨터 처리 속도가 빠른 로치오 알고리즘을 사용하여 『한국정보관리학회 학술대회 논문집』의 논문에 주제 범주를 자동 할당하는 분류 성능 측면에서 분류기 생성 방법, 학습집합 규모, 가중치부여 기법, 범주 할당 방법 등 주요 요소들의 특성을 다각적인 실험을 통해 살펴보았다. 결과적으로 분류 환경 및 문헌집합의 특성에 따라 파라미터(β, λ)와 학습집합의 크기(5년 이상)를 적절하게 적용하는 것이 효과적이며, 동등한 성능 수준이라면 보다 단순한 단일 가중치부여 기법을 사용하여 분류의 효율성을 높일 수 있음을 발견하였다. 또한 국내 학술회의 논문의 분류는 특정 논문에 하나 이상의 범주가 부여되는 복수-범주 분류(multi-label classification)가 실제 환경에 부합한다고 할 수 있으므로, 이러한 환경을 고려하여 주요 성능 요소들의 특성에 기초한 최적의 분류 모델을 개발할 필요가 있다.
Abstract
This study examined the factors affecting the performance of automatic classification for the domestic conference papers based on machine learning techniques. In particular, In view of the classification performance that assigning automatically the class labels to the papers in Proceedings of the Conference of Korean Society for Information Management using Rocchio algorithm, I investigated the characteristics of the key factors (classifier formation methods, training set size, weighting schemes, label assigning methods) through the diversified experiments. Consequently, It is more effective that apply proper parameters (β, λ) and training set size (more than 5 years) according to the classification environments and properties of the document set. and If the performance is equivalent, I discovered that the use of the more simple methods (single weighting schemes) is very efficient. Also, because the classification of domestic papers is corresponding with multi-label classification which assigning more than one label to an article, it is necessary to develop the optimum classification model based on the characteristics of the key factors in consideration of this environment.
초록
본 연구는 국내 주요 학술 DB의 검색서비스에서 제공되고 있는 저자키워드(비통제키워드)의 재분류를 통하여 디스크립터(통제키워드)를 자동 할당할 수 있는 가능성을 모색하였다. 먼저 기계학습에 기반한 주요 분류기들의 특성을 비교하는 실험을 수행하여 재분류를 위한 최적 분류기와 파라미터를 선정하였다. 다음으로, 국내 독서 분야 학술지 논문들에 부여된 저자키워드를 학습한 결과에 따라 해당 논문들을 재분류함으로써 키워드를 추가로 할당하는 실험을 수행하였다. 또한 이러한 재분류 결과에 따라 새롭게 추가된 문헌들에 대하여 통제키워드인 디스크립터와 마찬가지로 동일 주제의 논문들을 모아주는 어휘통제 효과가 있는지를 살펴보았다. 그 결과, 저자키워드의 재분류를 통하여 디스크립터를 자동 할당하는 효과를 얻을 수 있음을 확인하였다.
Abstract
This study purported to investigate the possibility of automatic descriptor assignment using the reclassification of author keywords in domestic scholarly databases. In the first stage, we selected optimal classifiers and parameters for the reclassification by comparing the characteristics of machine learning classifiers. In the next stage, learning the author keywords that were assigned to the selected articles on readings, the author keywords were automatically added to another set of relevant articles. We examined whether the author keyword reclassifications had the effect of vocabulary control just as descriptors collocate the documents on the same topic. The results showed the author keyword reclassification had the capability of the automatic descriptor assignment.
초록
이 연구의 목적은 기록이 지식경영의 주요 자원임을 밝히고 기록관리의 기법이 통합적 KMS 구축에 활용될 수 있음을 구체적으로 제시하며, 또한 이러한 분석을 근거로 기록관리를 반영한 지식관리시스템 구축 방향을 제시하는 것이다. 지식자원으로서 기록의 가치를 파악하기 위해 우선 기록의 개념과 구조를 분석하였다. 특히 본 연구에서는 Upward(1996)의 기록관리 개념을 지식관리 개념으로 치환하여 지식으로서의 기록의 가치를 적극적으로 파악하고자 하였다. 또한 기록의 계층성을 분석하여 기록이 지식으로 전이될 때 고려해야 할 핵심적 측면을 제시하고자 하였다. 이러한 분석을 토대로 기록관리에 기반한 지식관리시스템을 구축할 때 고려해야 할 원칙을 제시하였다.
Abstract
The purpose of this study is to discuss ‘records' as core resources for knowledge management and to suggests the directions for developing integrated knowledge management systems based records management. This present paper begins with analyzing concept and structure of records in light of knowledge management, and identify the importance of records management in developing knowledge management systems by substituting evidence axis in Upward's “Records Continuum Model" for knowledge management. And this study tries to identify critical aspects regarding transfer of records to knowledge system by analyzing the level of records. Based on these analyses, it suggests a directions for developing records based-knowledge management systems.
초록
본 논문에서는 다중 모델 기계학습 기법을 이용하여 자동 문서 분류의 성능과 신뢰도를 향상시킬 수 있는 연구와 실험 결과를 기술하였다. 기존의 다중 모델 기계 학습법들이 훈련 데이터 또는 학습 알고리즘의 편향에 의한 오류를 극복하고자 한 것인데 비해 본 논문에서 제안한 메타 학습을 이용한 하이브리드 다중 모델 방식은 이 두 가지의 오류 원인을 동시에 해소하고자 하였다. 다양한 문서 집합에 대한 실험 결과. 본 논문에서 제안한 하이브리드 다중 모델 학습법이 전반적으로 기존의 일반 다중모델 학습법들에 비해 높은 성능을 보였으며, 다중 모델의 결합 방식으로서 메타 학습이 투표 방식에 비해 효율적인 것으로 나타났다.
Abstract
Inductive learning and classification techniques have been employed in various research and applications that organize textual data to solve the problem of information access. In this study, we develop hybrid model combination methods which incorporate the concepts and techniques for multiple modeling algorithms to improve the accuracy of text classification, and conduct experiments to evaluate the performances of proposed schemes. Boosted stacking, one of the extended stacking schemes proposed in this study yields higher accuracy relative to the conventional model combination methods and single classifiers.
초록
자동 분류에서 문헌을 표현하는 일반적인 방식인 BOW는 용어를 독립적으로 처리하기 때문에 주변 문맥을 반영하지 못한다는 한계가 있다. 이에 본 연구는 각 용어마다 주제범주별 문맥적 특징을 파악해 프로파일로 정의하고, 이 프로파일과 실제 문헌에서의 문맥을 비교하는 과정을 통해 동일한 형태의 용어라도 그 의미나 주제적 배경에 따라 구분하고자 하였다. 이를 통해 주제가 서로 다름에도 불구하고 특정 용어의 출현만으로 잘못된 분류 판정을 하는 문제를 극복하고자 하였다. 본 연구에서는 이러한 문맥적 요소를 용어 가중치, 분류기 결합, 자질선정의 3가지 항목에 적용해 보고 그 분류 성능을 측정했다. 그 결과, 세 경우 모두 베이스라인보다 분류 성능이 향상되었고 가장 큰 성능 향상을 보인 것은 분류기 결합이었다. 또한 제안한 방법은 학습문헌 수가 많고 적음에 따라 발생하는 성능의 편향을 완화하는데도 효과적인 것으로 나타났다.
Abstract
One of the limitations of BOW method is that each term is recognized only by its form, failing to represent the term’s meaning or thematic background. To overcome the limitation, different profiles for each term were defined by thematic categories depending on contextual characteristics. In this study, a specific term was used as a classification feature based on its meaning or thematic background through the process of comparing the context in those profiles with the occurrences in an actual document. The experiment was conducted in three phases; term weighting, ensemble classifier implementation, and feature selection. The classification performance was enhanced in all the phases with the ensemble classifier showing the highest performance score. Also, the outcome showed that the proposed method was effective in reducing the performance bias caused by the total number of learning documents.
초록
본 연구는 이용이 매우 활발한 국내 학위논문의 원문 검색 서비스를 개선하기 위한 하나의 방법으로 한국직업능력개발원이 개발한 커리어넷의 학과정보 분류체계를 한국교육학술정보원이 운영하는 RISS에 포함된 학위논문 정보에 적용한 것이다. 연구 결과 커리어넷의 학과정보 분류체계는 최근 3년간 국내에서 생산되거나 이용된 학위논문을 분류하는데 비교적 적합한 것으로 나타났다. 최근 3개년 동안의 학과분류별 논문생산량과 논문이용량을 분석하였으며, 이를 바탕으로 학과분류 적용 가능성을 검토하고 활용방안을 모색하였다.
Abstract
This study suggests that improvement of theses and dissertations retrieval can be made by applying appropriate academic department classification. We applied the Korea Research Institute for Vocational Education and Training(KRIVET)'s department classification to these and dissertations being serviced by Korea Education & Research Information Service(KERIS). The results show that the chosen classification appropriately represents diverse academic department information contained in the theses and dissertations either published or used within the recent three year period. The study also makes a number of suggestions that will facilitate the application of an academic department classification to a live system.