바로가기메뉴

본문 바로가기 주메뉴 바로가기

ACOMS+ 및 학술지 리포지터리 설명회

  • 한국과학기술정보연구원(KISTI) 서울분원 대회의실(별관 3층)
  • 2024년 07월 03일(수) 13:30
 

logo

  • P-ISSN2466-2542
  • KCI

키워드 중심 학술정보서비스 개선 연구 - NDSL 추천 및 분류를 중심으로 -

An Improvement study in Keyword-centralized academic information service - Based on Recommendation and Classification in NDSL -

한국도서관·정보학회지 / Journal of Korean Library and Information Science Society, (P)2466-2542;
2018, v.49 no.4, pp.265-294
https://doi.org/10.16981/kliss.49.4.201812.265
김선겸 (한국과학기술정보연구원)
김완종 (한국과학기술정보연구원)
이태석 (한국과학기술정보연구원)
배수영 (한국과학기술정보연구원)

초록

최근 정보의 폭발적인 증가로 인해 사용자에게 적합한 정보를 제공하기 위한 정보의 필터링이 매우 중요시 되고 있다. 한국과학기술정보연구원에서 운영하고 있는 학술정보서비스인 NDSL은 방대한 자료를 보유함에도 불구하고 사용자들은 검색 외에 자료 획득이 쉽지가 않다. 본 논문은 사용자에게 적합한 정보를 제공하기 위하여 키워드 특성을 활용한 서비스인 PIN(Profiling service In NDSL)을 제안한다. PIN은 키워드만을 가지고 검색하는 것이 아닌 사용자 본인 및 유사 사용자가 등록한 관심 키워드, 동시이용 키워드, 검색 키워드로 분석된 워드 클라우드를 제공하고 이를 통하여 사용자에게 맞춤형 논문, 보고서, 특허, 동향의 콘텐츠를 추천한다. 또한 콘텐츠를 보다 쉽게 접근하기 위하여 중복분류가 가능한 학술연구분류체계 기반 분류를 제공한다. 이를 검증하기 위해 NDSL의 축적된 2016년도의 국내논문의 데이터를 기반으로 분류별로 키워드를 추출하고 이를 통해 매칭 기반의 분류 모델을 만든 후 트레이닝 및 테스트를 거쳐 결과를 도출한다.

keywords
Recommendation, Classification, Keyword, Word cloud, the academic classification system, NDSL, 추천, 분류, 키워드, 워드 클라우드, 학술연구분류체계, NDSL

Abstract

Nowadays, due to an explosive increase in information, information filtering is very important to provide proper information for users. Users hardly obtain scholarly information from a huge amount of information in NDSL of KISTI, except for simple search. In this paper, we propose the service, PIN to solve this problem. Pin provides the word cloud including analyzed users’ and others’ interesting, co-occurence, and searched keywords, rather than the existing word cloud simply consisting of all keywords and so offers user-customized papers, reports, patents, and trends. In addition, PIN gives the paper classification in NDSL according to keyword matching based classification with the overlapping classification enabled-academic classification system for better search and access to solve this problem. In this paper, Keywords are extracted according to the classification from papers published in Korean journals in 2016 to design classification model and we verify this model.

keywords
Recommendation, Classification, Keyword, Word cloud, the academic classification system, NDSL, 추천, 분류, 키워드, 워드 클라우드, 학술연구분류체계, NDSL

참고문헌

1.

김광영, 곽승진. 2011. 주제분류 기반의 개인화 검색시스템에 관한 연구. 한국문헌정보학회지 , 45(4): 77-102.

2.

김남규 외. 2017. 텍스트 분석 기술 및 활용 동향. 한국통신학회논문지 , 42(2): 471-492

3.

김은경, 최진오. 2005. 효율적인 키워드 검색을 지원하는 학습자료의 구조화 방법 연구, 한국해양정보통신학회 , 9(1): 1063-1066.

4.

네이버 학술정보, http://academic.naver.com/

5.

박창호, 염성숙, 이정모. 2000. 사용자 중심의 홈페이지 분류체계가 분류 검색에 미치는 효과. 인지과학회지 , 11(1): 47-65.

6.

손지은 외. 2015. 추천 시스템 기법 연구동향 분석. 대한산업공학회지 , 41(2): 185-208.

7.

여운동 외. 2010. 연구논문 추천시스템의 전자도서관 적용방안. 한국콘텐츠학회논문지 , 10(11):10-19.

8.

이락규 외. 2011. 모바일 환경에서 콘텐츠 추천 시스템 설계 및 구현. 한국콘텐츠학회 , 11(12):40-51.

9.

이주현, 이응봉, 김환민. 2006. NDSL 웹사이트 분석 및 서비스 품질평가. 정보관리연구 , 37(4):69-91.

10.

이태석 외. 2012. 용어 자동분류를 사용한 검색어 범주화의 분석적 고찰. 정보처리학회지 , 19(2): 133-138.

11.

정덕영, 이준석, 박상성. 2016. 워드 클라우드를 이용한 기술트렌드 분석. 한국지능시스템학회 , 26(1): 17-18.

12.

정영미. 2005. 정보검색연구 . 서울: 구미무역 출판부.

13.

학술연구분류체계, <https://www.nrf.re.kr/biz/doc/class/view?menu_no=323>

14.

Adomavicius, Gediminas, and Alexander Tuzhilin. 2005. “Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions”. IEEE Transactions on Knowledge and Data Engineering, 17(6): 734-749.

15.

Balabanović, Marko, and Yoav Shoham. 1997. “Fab : content-based, collaborative recommendation”. Communications of the ACM, 40(3): 66-72.

16.

Breese, John S., David Heckerman, and Carl Kadie. 1998. “Empirical analysis of predictive algorithms for collaborative filtering”. Proceedings of the Fourteenth conference on Uncertainty in artificial intelligence, 43-52.

17.

Burke, R. 2002. “Hybrid recommender systems : Survey and experiments”. User modeling and user-adapted interaction, 12(4): 331-370.

18.

Das, Abhinandan S. et al. 2007. “Google news personalization: scalable online collaborative filtering”. Proceedings of International Conference on World Wide Web, 271-280.

19.

DBPia, http://www.dbpia.co.kr

20.

Goldberg, Ken. et al. 2001. “Eigentaste : A constant time collaborative filtering algorithm”. Information Retrieval, 4(2): 133-151.

21.

Matsuo, Yutaka, and Mitsuru Ishizuka, M. 2004. “Keyword extraction from a single document using word co-occurrence statistical information”. International Journal on Artificial Intelligence Tools, 13(1): 157-169.

22.

McCallum, Andrew, and Kamal Nigam. 1999. “Text classification by bootstrapping with keywords”. EM and shrinkage.

23.

NDSL Homepage, http://www.ndsl.kr

24.

Pazzani, Michael J., and Daniel Billsus. 2007. “Content-based recommendation systems”. Proceedings of the adaptive web, 325-341.

25.

Smeaton, Alan F., and Jamie Callan. 2005. “Personalisation and recommender systems in digital libraries”. International Journal on Digital Libraries. 57(4): 299-308.

26.

Wu, Yi-Hung, and Arbee LP Chen. 2000. “Index structures of user profiles for efficient web page filtering services”. Proceedings of International Conference on Distributed Computing Systems, 644-644.

한국도서관·정보학회지