초록

사용자는 원하는 자료를 검색하기 위해서 각 위치에 대한 정보를 저장하고 있는 검색엔진을 이용하는 경우가 대부분이다. 하지만 자료의 양이 방대해짐에 따라 사용자에게 실제로 필요한 정보가 아닐 경우가 많이 발생한다. 본 논문에서는 이러한 문제를 해결할 수 있는 개인형 웹 인터페이스 에이전트 시스템인 웹 가이드를 제안하였다. 웹 가이드는 사용자의 행동과 에이전트의 방문을 키워드를 중심으로 각각의 사례로 저장하는 사례기반 학습 방법을 이용, 특정 개인 사용자가 웹 상에서 검색하고자 하는 자료를 입력받은 후부터 사용자의 방문 행동을 학습하여 보다 빠른 시간 내에 원하고자 하는 자료를 검색할 수 있도록 도와주는 에이전트 시스템이다.

Abstract

Users usually search for the required information via search engines which contain locations of the information. However, as the amount of data gets large, the result of the search is often not the information that users actually want. In this paper a web guide is proposed in order to resolve this problem. The web guide uses case-based learning method which stores and utilizes cases based on the keywords of user’s action and agent’s visit. The proposed agent system learns the user’s visiting actions following the input the data to be searched, and then helps rapid searches of data wanted.

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

이 연구에서는 심미적 인상을 이미지 검색의 고수준 자질로 이용하였다. ‘심미적’이라는 용어는 심리학, 예술, 문학 등에서 연구되어 왔다. 이 용어는 시각적 지각과 감정의 무의식적이고 즉각적인 측면을 의미한다. 심미적 인상과 관련된 문헌 연구를 통해 4 가지 종류의 심미적 인상을 조작적으로 정의하였다: 강한 인상, 부드러운 인상, 중후한 인상, 세련된 인상. 66개의 회화 이미지 파일을 1,000개의 회화 이미지 중에서 무작위로 추출하였으며 시지각 색상 모형을 이용하여 이 이미지 파일들로부터 저수준 색상 자질을 추출하였다. 이미지의 고수준 자질인 4가지 종류의 심미적 인상은 4명의 평가자가 리커트 7점 척도로 평가한 것을 평균내었다. 검색 실험에서 2명의 피험자는 심미적 인상이나 주제어에 대한 예제 이미지 질의를 이용해서 이미지 검색을 수행하였다. 피험자들은 심미적 인상 기반 이미지 검색 시스템에 대해서 보통 정도의 수준으로 만족했다. 그리고 색상 자질과 심미적 인상 자질을 모두 이용한 이미지 검색의 R-정확률이 색상 자질만을 이용한 이미지 검색의 R-정확률보다 높았다. 그러나 이 연구결과의 일반화를 위해서는 큰 실험 집단을 대상으로 보다 많은 검색 질의를 통한 추후 연구들이 필요할 것으로 생각된다.

Abstract

In this study, aesthetic impressions were used for a high-level feature of image retrieval. The term, “aesthetic" has been studied in psychology, art, and literature. It means unconscious, instantaneous parts of visual perception and emotion. The literatures related to aesthetic impressions were reviewed and four kinds of aesthetic impressions were defined operationally: strong impression, soft impression, courteous impression, and refined impression. 66 image files of paintings were sampled randomly from 1100 paintings and low-level color features were extracted from them by a using perceptual color model(Lai, & Tait, 1998). The high-level features of an image, that is, four kinds of aesthetic impressions of each painting were measured by 4 subjects and averaged. In CBIR, 2 subjects performed image retrievals using example queries. They were asked to retrieve images by using the aesthetic impressions or the keywords. In evaluations, subjects showed that they were satisfied with the aesthetic impression-based image retrieval system on the average. And R-precision of the image retrieval with both color features and aesthetic impressions was higher than that of the image retrieval with color features only. But further studies with larger test collections and query sets should be followed for generalization of the result of this study.

초록

온톨로지는 웹자원을 지식화함으로써 정보의 효율적 검색, 통합, 재사용을 도모할 수 있는 새로운 기술인 시맨틱 웹의 구현을 위한 가장 핵심적인 요소 기술로 알려지고 있다. 온톨로지는 사람간에 그리고 서로 다른 응용 시스템간에 지식을 공유하고 재이용하는 방법을 제공하는 기술로서 특정 주제에 관한 지식 용어들의 집합으로서 이들 용어뿐만 아니라 용어간의 의미적 연결 관계와 간단한 추론 규칙을 포함한다. 본 연구에서는 인터넷 웹상에서 국제기구에 관한 정보를 체계적으로 관리하고 검색하기 위해서 국제기구 온톨로지를 설계하고 이 온톨로지에 기반 하여 검색 시스템을 구현해 보고, 이 시스템을 20개의 탐색 질문들을 이용하여 기존의 인터넷 검색엔진과 적합성과 탐색 시간이라는 두 가지 요인을 통해서 비교해 보았다. 실험 결과에 의하면 적합성 측정은 온톨로지 기반 시스템은 평균 4.53, 인터넷 검색엔진은 평균 2.51로 온톨로지 기반 시스템의 적합도가 1.80배 높은 것으로 나타났다. 또한 탐색시간은 온톨로지 기반 시스템은 평균 1.96분, 인터넷 검색엔진은 평균 4.74분으로 인터넷 검색엔진이 온톨로지 기반 시스템 보다 2.42배 정도 더 많은 탐색시간이 필요한 것으로 나타났다.

Abstract

Ontologies are formal theories that are suitable for implementing the semantic web, which is a new technology that attempts to achieve effective retrieval, integration, and reuse of web resources. Ontologies provide a way of sharing and reusing knowledge among people and heterogeneous applications systems. The role of ontologies is that of making explicit specified conceptualizations. In this context, domain and generic ontologies can be shared, reused, and integrated in the analysis and design stage of information and knowledge systems. This study aims to design an ontology for international organizations, and build an Internet web retrieval system based on the proposed ontology, and finally conduct an experiment to compare the system performance of the proposed system with that of Internet search engines focusing relevance and searching time. This study found that average relevance of ontology- based searching and Internet search engines are 4.53 and 2.51, and average searching time of ontology-based searching and Internet search engines are 1.96 minutes and 4.74 minutes.

초록

정보환경의 변화에 따라 도서관과 웹 검색엔진의 차별성이 있음에도 불구하고 이용자들은 인터넷의 자원과 학술데이터베이스의 자원을 혼동하고 있다. 특히 구글스칼라와 같은 상업용 검색엔진의 검색속도와 조작 편의성이라는 상대적 장점 때문에 학술데이터베이스가 갖고 있는 학술적 가치와 신뢰성에도 불구하고 이용자는 구글스칼라를 선호하고 있는 실정이다. 이 연구에서는 구글스칼라가 갖는 장점을 반영한 메타서치시스템의 특성과 가치를 인터페이스 측면과 전자정보원 측면에서 분석하였다. 또한 이러한 새로운 검색채널로서 메타서치시스템과 이와 연계된 링크리졸버를 이용하는 대학도서관의 이용통계를 분석하였다. 이를 바탕으로 구글스칼라와 차별화될 수 있는 도서관만의 특징인 이용자 이용행태 패턴과 주제별 전자정보 이용행태를 도출하여 전자정보 서비스의 방안으로 활용할 수 있음을 조사하였다.

Abstract

The amount of online scholarly information rapidly expands in numerous resources, while user behavior demands single search box interface like Google Scholar. Despite scholarly values of e-resources libraries provide, users consider Google Scholar as the most efficient research tool attracted by its speed, simplicity, ease of use, and convenience. Characteristics of Metasearch System compared with Google Scholar are analyzed from perspectives of the interface and e-resource. Based on usage statistics of Metasearch System along with a link resolver in one academic library, e-resource accessibility patterns and information seeking behaviors of subject-specific areas are investigated for electronic information services.

초록

대학도서관에서 제공하고 있는 디지털참고봉사의 현황을 이해하기 위하여 전국적인 조사를 수행하여 분석하였다. 2003년 7월 8일부터 7월 22일까지 직접 접속을 통한 관찰과 질문응답 기록을 통하여 데이터를 수집하였다. 우리나라 4년제 대학 중 171개 도서관이 디지털참고봉사를 제공하는 것으로 나타났으며, 접근수준, 명칭, 서비스방식, 웹폼, 서비스정책 등 디지털참고봉사 제공 관련 특성과 이용량, 응답비율, 질문유형 등 이용관련 특성을 분석하였다. 현황과 문제점이 식별되고, 도서관 서비스로 확립되기 위한 제언이 이루어졌다.

Abstract

To understand current state of the digital reference services in Korean academic libraries, a comprehensive examination and analysis was performed. Data was collected from July 8. 2003 to July 22. 2003, through direct site examination and recording the question and answer transcripts. The analysis focused on the provision characteristics and use of the digital reference services. Results revealed interesting findings and related problems. Suggestions for future development are provided.

초록

본 연구는 후기수용모델을 통해 병원정보탐색 어플리케이션(이하 병원 앱)의 지속적인 이용과 이용 중단에 영향을 미치는 요인을 파악하고자 하였다. 병원 앱을 사용한 경험이 있는 이용자를 대상으로 2019년 10월 11일부터 18일까지 설문조사를 실시하여 125개의 유효한 데이터를 수집하였고 구조방정식 모형을 사용하여 데이터를 분석하였다. 연구 결과, 병원 앱 사용자의 만족도와 기대일치도는 지속적 이용의도와 지각된 유용성에 각각 유의미한 영향을 미치는 것으로 나타났다. 하지만 지각된 유용성은 지속적 이용의도에 유의미한 영향을 미치지 않는 것으로 나타났다. 본 연구는 기존에 많이 조명되지 않았던 병원 앱에 관한 연구를 통해 이러한 혁신적 기술의 지속적 사용여부에 영향을 미치는 변인들을 파악하였다. 연구 결과는 병원앱의 수용과 이용을 관찰하여 후기수용모델을 재검증하였으며, 응급상황과 같은 긴급한 도움탐색이나 신속함이 강조되는 정보요구를 만족시키는 병원앱의 특수성을 논의함으로써 이론적 확장을 도모하였다. 또한 소비자가 보고한 병원 앱의 유익성과 한계점을 바탕으로 병원 앱 개발자나 운영자들에게 보다 이용자 친화적인 앱을 제공하기 위한 실질적인 시사점을 제공하였다.

Abstract

The present study aims to identify the factors that affect the continuous use and discontinuance of the hospital information seeking applications(hospital apps thereafter) by employing the post acceptance model. The surveys were conducted with people who used the hospital apps from October 11 to 18, 2019. Researchers collected 125 valid data and analyzed them by using the structural equation model. The study found that the satisfaction and confirmation of expectation for the hospital apps users had significant effects on intention for continuous use and perceived usefulness, respectively. However, the perceived usefulness did not have a significant effect on the intention for continue use. The present study has identified the variables that influence the continuous use of these innovative technologies. The findings of the study confirmed the post acceptance model by observing the adoption and use of the hospital apps and extended the literature of the post acceptance model by discussing the unique characteristics of the hospital apps that satisfy the urgent help-seekers under emergency situations or the information needs emphasizing promptness. In addition, based on the benefits and limitations of hospital apps reported by consumers, the study provided practical implications for designing more user-friendly apps to hospital app developers or managers.

초록

Abstract

The present study surveyed 225 undergraduates to examine their social media use behaviors and their perceptions of usefulness, trustworthiness, and privacy of social media for seeking and sharing health information. 151 respondents reported using social media for health information while 74 reported not using it for health matters. Results show that the most popular medium were social Q&As, followed by blogs and social networking sites. Age, gender, school year, and the presence of a health problem were associated with the social media use behaviors. This study suggests the potential of social media as a desired channel for providing health information to undergraduates.

초록

본 연구의 목적은 LDA 토픽모델링 결과와 BERTopic 토픽모델링 결과를 합성하는 방법론인 Augmented and Extended Topics(AET)를 제안하고, 이를 사용해 문헌정보학 분야의 연구주제를 분석하는 데 있다. AET의 실제 적용결과를 확인하기 위해 2001년 1월부터 2021년 10월까지의 Web of Science 내 문헌정보학 학술지 85종에 게재된 학술논문 서지 데이터 55,442건을 분석하였다. AET는 서로 다른 토픽모델링 결과의 관계를 WORD2VEC 기반 코사인 유사도 매트릭스로 구축하고, 매트릭스 내 의미적 관계가 유효한 범위 내에서 매트릭스 재정렬 및 분할 과정을 반복해 증강토픽(Augmented Topics, 이하 AT)을 추출한 뒤, 나머지 영역에서 코사인 유사도 평균값 순위와 BERTopic 토픽 규모 순위에 대한 조화평균을 통해 확장토픽(Extended Topics, 이하 ET)을 결정한다. 최적 표준으로 도출된 LDA 토픽모델링 결과와 AET 결과를 비교한 결과, AT는 LDA 토픽모델링 토픽을 한층 더 구체화하고 세분화하였으며 ET는 유효한 토픽을 발견하였다. AT(Augmented Topics)의 성능은 LDA 이상이었으며 ET(Extended Topics)는 일부 경우를 제외하고 대부분 LDA와 유사한 수준의 성능을 나타내었다.

Abstract

The purpose of this study is to propose AET (Augmented and Extended Topics), a novel method of synthesizing both LDA and BERTopic results, and to analyze the recently published LIS articles as an experimental approach. To achieve the purpose of this study, 55,442 abstracts from 85 LIS journals within the WoS database, which spans from January 2001 to October 2021, were analyzed. AET first constructs a WORD2VEC-based cosine similarity matrix between LDA and BERTopic results, extracts AT (Augmented Topics) by repeating the matrix reordering and segmentation procedures as long as their semantic relations are still valid, and finally determines ET (Extended Topics) by removing any LDA related residual subtopics from the matrix and ordering the rest of them by (BERTopic topic size rank, Inverse cosine similarity rank). AET, by comparing with the baseline LDA result, shows that AT has effectively concretized the original LDA topic model and ET has discovered new meaningful topics that LDA didn’t. When it comes to the qualitative performance evaluation, AT performs better than LDA while ET shows similar performances except in a few cases.

초록

텍스트 범주화에 있어서 일반적인 문제는 문헌을 표현하는 핵심적인 용어라도 학습문헌 집합에 나타나지 않으면 이 용어는 분류자질로 선정되지 않는다는 것과 형태가 다른 동의어들은 서로 다른 자질로 사용된다는 점이다. 이 연구에서는 위키피디아를 활용하여 문헌에 나타나는 동의어들을 하나의 분류자질로 변환하고, 학습문헌 집합에 출현하지 않은 입력문헌의 용어를 가장 유사한 학습문헌의 용어로 대체함으로써 범주화 성능을 향상시키고자 하였다. 분류자질 선정 실험에서는 (1) 비학습용어 추출 시 범주 정보의 사용여부, (2) 용어의 유사도 측정 방법(위키피디아 문서의 제목과 본문, 카테고리 정보, 링크 정보), (3) 유사도 척도(단순 공기빈도, 정규화된 공기빈도) 등 세 가지 조건을 결합하여 실험을 수행하였다. 비학습용어를 유사도 임계치 이상의 최고 유사도를 갖는 학습용어로 대체하여 kNN 분류기로 분류할 경우 모든 조건 결합에서 범주화 성능이 0.35%~1.85% 향상되었다. 실험 결과 범주화 성능이 크게 향상되지는 못하였지만 위키피디아를 활용하여 분류자질을 선정하는 방법이 효과적인 것으로 확인되었다.

Abstract

In text categorization, core terms of an input document are hardly selected as classification features if they do not occur in a training document set. Besides, synonymous terms with the same concept are usually treated as different features. This study aims to improve text categorization performance by integrating synonyms into a single feature and by replacing input terms not in the training document set with the most similar term occurring in training documents using Wikipedia. For the selection of classification features, experiments were performed in various settings composed of three different conditions: the use of category information of non-training terms, the part of Wikipedia used for measuring term-term similarity, and the type of similarity measures. The categorization performance of a kNN classifier was improved by 0.35~1.85% in F1 value in all the experimental settings when non-learning terms were replaced by the learning term with the highest similarity above the threshold value. Although the improvement ratio is not as high as expected, several semantic as well as structural devices of Wikipedia could be used for selecting more effective classification features.