- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 다양한 유형의 정보자원에 대한 연속적이며 통합된 접근을 요하는 하이브리드 정보 서비스를 제공하기 위한 일반적인 하이브리드 도서관 모델과 설계 원칙에 따른 하이브리드 도서관 설계를 위한 하이브리드 도서관의 요구 분석과 논리적 구조를 살펴보았다. 하이브리드 도서관의 요구 분석은 해당 도서관의 특정한 요구사항을 명기함으로써 다양한 형태의 하이브리드 정보환경을 개발하는 기관과 서비스를 지원하는데 필요하며 서비스 개발을 계획하는 관리자들이 반드시 고려할 필요가 있는 과정이다. 이러한 요구 분석은 기본적인 요구사항, 기본적 시스템 요구사항, 탐색, 소재 확인, 신청, 배달, 지불 등의 7가지 항목으로 구성된다. 하이브리드 도서관의 논리적 구조는 기본적으로 하이브리드 도서관 설계에 필요한 요구 분석사항들을 수용할 수 있도록 조직되어야 하며, 이러한 구조는 하이브리드 도서관 관리시스템을 위한 논리적 구조와 하이브리드 도서관의 복잡한 기능성을 포괄적으로 지원하는 동시에 국지적 단순성을 획득하기 위한 5개의 계층별 논리 구조로 구분하여 생각 할 필요가 있다.
Abstract
A hybrid information service may include local and/or remote distributed services, both and electronic. Also, a hybrid information service can be described as one which an appropriate range of heterogeneous information services is presented to the user in a consistent and integrated way via a single interface. The purpose of this study is to suggest high-level requirements and logical architecture to design hybrid library. High-level requirements analysis for hybrid library need to contain baseline requirements, basic system requirements, searching, location, requesting, delivery and payment. A logical architecture need to consider logical architecture for hybrid library management system including user access points, hybrid library management system and hybrid library components and 5 layered architecture including presenter, coordinator, mediator, communicator and provider to achieve local simplicity while still supporting complex functionality of hybrid library.
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.