유사문서 수집을 위한 포털사이트 기반 웹 크롤러 설계 및 구현 = Portal based Web Crawler for Similar Content
저자
발행사항
서울 : 건국대학교 대학원, 2016
학위논문사항
학위논문(석사)-- 건국대학교 대학원 : 컴퓨터·정보통신공학과 2016. 2
발행연도
2016
작성언어
한국어
주제어
DDC
621.3 판사항(22)
발행국(도시)
서울
형태사항
vi, 52 p. : 삽화, 도표 ; 26 cm
일반주기명
지도교수: 민덕기
참고문헌: p. 48-50
UCI식별코드
I804:11004-000002214422
소장기관
1인 콘텐츠 창작 생태계가 등장하면서 많은 콘텐츠가 생산되고, 소셜네트워크 서비스를 통하여 손쉽게 수정 및 재배포 되는 상황에서 저작자의 저작권을 침해하는 사례가 증가하고 있다. 그에 따라 저작권의 침해를 예방하고자 유사한 콘텐츠를 찾아주는 서비스의 필요성이 제기 되고 있다. 유투브는 저작권 문제를 예방하고자 동영상을 업로드하기 전에 유사한 콘텐츠를 찾아주는 ContentID 서비스를 제공하고 있다. 자동으로 유사한 콘텐츠를 찾아주는 서비스는 저작권 문제뿐만 아니라 연구자에게는 관련연구를 찾는 시간과 노력, 변리사에게는 유사 특허를 찾는 시간과 노력을 줄여줄 수 있다.
최근 웹의 규모가 급격히 증가하면서 웹의 다양하고 무한한 정보를 이용한 서비스와 시스템과 서비스가 점차 증가하고 있다. 특히 많은 정보를 인덱싱하고 있으며 검색 또한 할 수 있는 포털사이트 서비스는 웹의 많은 정보를 가장 잘 요약해서 보여 주는 서비스 중의 하나이다. 이러한 서비스를 이용하면 손쉽게 웹의 정보를 이용할 수 있다. 따라서 본 논문은 포털사이트를 기반으로 자동으로 유사 콘텐츠를 찾아주는 시스템을 설계 및 구현한다. 크롤링 과정에서 수집 효율을 증가시킬 수 있는 URL Pattern 기반의 새로운 UPFS(URL Pattern First Strategy)를 제시하여, 손쉽게 필요 없는 페이지를 제거하도록 한다. 이 전략은 특히 사이트 설계자에 의해 사이트의 구조가 URL에 반영 되는 경우 기존의 전략보다 큰 수집효율을 보일 수 있다.
본 논문에서는 BFS(Breadth First Strategy), BeFS(Best First Strategy), UPFS 세 가지 전략의 수집효율을 비교하는 실험을 수행하여 포털사이트를 기반으로 자동으로 유사 콘텐츠를 수집할 때 UPFS가 기존의 전략보다 수집효율이 좋은 것을 확인한다. 또한 문서의 유사성 정도에 따른 핵심어 기준을 비교하고 있다.
Many cases involved in Copyright Infringement have risen consistently. Because anybody can do contents redistribution and content modification easily on the web. Solution of this problem is service that could find similar content. In the example at the top, there’s ContentID serviced by YouTube.
If we can use the service that find similar content automatically on the web like ContentID, Researcher and patent attorney can save time and effort to search.
When we need to get some information from the web, everybody use the portal service. That means clearly it is best that using portal service. Unluckily, as a scale of web increases rapidly, it is natural to use the portal service to get information from the web.
So I design and develope PCSC(Portal based Web Crawler for Similar Content) in this paper. Besides I suggest UPFS(URL Pattern First Strategy) that is a new crawling strategy based URL Set using URL pattern.
In this paper, I do some experimental work for measuring each crawling strategy(BeFS : Best First Strategy, BFS : Breadth First Strategy, UPFS) performance and another experimental work for getting information about which criterion(keyword based, Phrase based) of best is good for high or low similarity content when portal based crawling.
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)