단어 빈도 가중치를 이용한 자동 문서 분류 = Automatic document classification based on word frequency weight
저자
발행사항
광주 : 전남대학교 대학원, 2003
학위논문사항
학위논문(석사)-- 전남대학교 대학원: 전산학과 2003. 2
발행연도
2003
작성언어
한국어
주제어
KDC
005.74 판사항(4)
DDC
005.74 판사항(20)
발행국(도시)
광주
형태사항
38p. : 삽도 ; 30cm.
일반주기명
지도교수 : 김수형
참고문헌수록
소장기관
본 논문에서는 통계적 방법의 하나인 키워드 빈도의 출현횟수를 이용하여 범주 내의 키워드 빈도 가중치에 의해 문서를 자동으로 분류하는 방법을 제안한다. 문서 분류는 정해진 분류 체계 하에서 분류하고자 하는 각 문서들을 가장 적합한 범주에 자동으로 할당하는 것을 목적으로 할 수 있어, 본 논문에서는 문서의 자동 분류시 사용하는 색인어에 대해 통계적인 방법인 이미 분류되어 있는 문서들로부터 각 분류 범주에 나타나는 단어 출현 빈도에 새로운 가중치 계산을 이용하여 분류의 정확도를 높이는 자동문서 분류 방법을 제안하고 실험하였다.
통계적인 문서 분류 방법은 사람에 의해 이미 분류되어 있는 문서들로부터 각 분류 범주에 나타나는 단어들의 출현빈도에 대한 정보를 추출하고, 분류하고자 하는 문서로부터 주요 단어들의 출현빈도에 의해 이미 분류된 학습 문서 집합을 이용하여 새로운 문서가 분류될 가능성이 가장 높은 범주를 찾아내는 방법이다.
그러나, 단어의 출현빈도만을 범주 할당의 주된 기준으로 고려하는 것은 여러 범주에 동시에 출현하는 단어의 성질을 간과한 한계점을 가진다. 그러므로 단순히 자질의 출현빈도만을 고려하는 것 외에, 여러 범주에 동시에 출현하는 문제가 문서범주화에서 요구되는데, 이를 해결하는 방안으로 출현빈도의 정확도를 높이는 방법인 단어에 가중치를 부여하는 방법을 이용하여 범주별 분리도가 높은 단어에 높은 가중치를 부여하고, 여러 범주에 고르게 출현한 자질인 다범주 자질들의 가중치는 더 낮춰줌으로써 다범주 자질의 모호성을 해소하는데 중점을 두었다.
본 논문에서는 단어의 출현빈도를 이용하여 각 자질의 가중치 계산에 있어서 각 범주별로 단순히 빈도만을 이용한 방법 단순 TF방법, 지나치게 집중된 키워드의 영향력에 로그를 취하므로써 일정하게 분산시키는 효과를 주는 로그 TF방법, 본 논문에서 제안한 로그 TF의 가중치를 약간 변형한 방법으로 지나치게 편중된 범주간의 영향력을 로그 TF에 한 번 더 로그를 취하여 각 범주를 일정하게 분산시켜 주는 효과를 이용해 문서 분류의 성능을 향상시킬 수 있도록 가중치 방법을 제시하여 실험하였다.
10,000건의 신문기사 및 10 개의 범주를 이용하여 분류 실험한 결과 본 논문에서 제안한 방법인 변형된 로그 TF가 단순 TF방법보다는 약 5.64%의 개선된 성능을 보였고, 로그 TF방법보다는 약 2.4%의 우수한 분류 성능을 보임으로써 본 논문에서 제시한 방법이 효율적임을 증명하였다.
This thesis suggests the method of classifying documents by keyword frequency weight using the appearance number of keyword frequency, which is one of the statistical methods. As document classification can have an objective to assign automatically the documents which will be classified to the most adequate class in the determined classification system, the thesis suggested and experimented the automatic document classification method which is the statistical method for the index word used when automatic classification of documents and heightens the correctness of classification by using a new weight calculation at word appearance frequency which appears at each classification class from the document already classified.
The statistical document classification method is the one that extracts the information on the appearance frequency of the word appearing at every classification class from the documents already classified by people, and finds the class which has the highest possibility of new document classification by using study document assembly already classified by appearance frequency of main words from documents to be classified.
However, to consider only appearance frequency of words as the main standard of class classification has the limit which passes over the property of words appearing simultaneously at numerous class. Therefore, in document classification is required the problem appearing simultaneously at numerous class besides simply considering appearance frequency of words, focused on removing the vagueness of multi-class property by giving a weight on word having high separateness for each class by using a method of giving a weight on word which is the method heightening the correctness of appearance frequency as a resolution, and by lowering weight of multi-class property which is the property appearing evenly at numerous class.
The thesis experimented with suggesting simple TF method using only appearance frequency of word at each class in calculating weight of each property, log TF method giving an effect constantly dispersing by applying logarithm to effectiveness of excessively focused keyword, and weight method so as to improve the efficiency of document classification by using the effect constantly dispersing each class by applying logarithm one more to log TF of the effectiveness among classes excessively biased in a method slightly transformed by transforming the weight of log TF suggested in the thesis.
The thesis has proven that transformed log TF method suggested by the thesis had more improved efficiency than simple TF method by 5.64 % according to the result of classification experiment by using about 10,000 newspaper articles and 10 categories, and has demonstrated that the method suggested by the thesis is efficient by showing superior classification efficiency to log TF by 2.4 %.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)