http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김문종(Moonjong Kim),이재안(Jaean Lee),한규열(Kyouyeol Han),안영민(Youngmin Ahn) 한국정보과학회 2016 정보과학회 컴퓨팅의 실제 논문지 Vol.22 No.1
VOC(Voice of Customer)는 기업의 제품 또는 서비스에 대한 고객의 의견이나 요구를 파악할 수 있는 중요한 데이터이다. 그러나 VOC 데이터는 대화체의 특징으로 인해 내용의 분절이나 중복이 다수 존재할 뿐 아니라 다양한 내용의 대화가 포함되어 유형을 파악하는데 어려움이 있다. 본 논문에서는, 문서에서 중요한 의미를 갖는 키워드와 품사, 형태소 등을 언어 자원으로 선정하였고, 이를 바탕으로 문장의 구조 및 의미를 이해하기 위한 LSP(Lexico-Semantic-Pattern, 어휘 의미 패턴)를 정의하여 구문 의미 이해 기반의 주요 문장을 요약문으로 추출하였다. 요약문을 생성함에 있어 분절된 문장을 연결하고 중복된 의미를 갖는 문장을 줄이는 방법을 제안하였다. 또한 카테고리 별로 어휘 의미 패턴을 정의하고 어휘 의미 패턴에 매칭된 주요 문장이 속한 카테고리를 기반으로 문서를 분류하였다. 실험에서는 VOC 데이터를 대상으로 문서를 분류하고 요약문을 생성하여 기존의 방법들과 비교하였다. To attain an understanding of customers" opinions or demands regarding a companies’ products or service, it is important to consider VOC (Voice of Customer) data; however, it is difficult to understand contexts from VOC because segmented and duplicate sentences and a variety of dialog contexts. In this article, POS (part of speech) and morphemes were selected as language resources due to their semantic importance regarding documents, and based on these, we defined an LSP (Lexico- Semantic-Pattern) to understand the structure and semantics of the sentences and extracted summary by key sentences; furthermore the LSP was introduced to connect the segmented sentences and remove any contextual repetition. We also defined the LSP by categories and classified the documents based on those categories that comprise the main sentences matched by LSP. In the experiment, we classified the VOC-data documents for the creation of a summarization before comparing the result with the previous methodologies.
협력적 필터링과 콘텐츠 정보를 결합한 영화 추천 알고리즘
김상화(Sanghwa Kim),오병화(Byonghwa Oh),김문종(Moonjong Kim),양지훈(Jihoon Yang) 한국정보과학회 2012 정보과학회논문지 : 소프트웨어 및 응용 Vol.39 No.4
추천 시스템은 사용자의 관심을 고려하여 새로운 추천 아이템을 예측한다. 대부분의 추천 시스템은 협력적 필터링 또는 콘텐츠 기반의 방법을 사용한다. 두 방법은 각자의 장점을 가지고 있지만, 하나만 사용할 경우에는 상황에 따라 알맞은 추천 결과를 내지 못하기도 한다. 두 방법의 이점들을 통합한 하이브리드 추천 시스템은 각 방법들의 단점을 극복할 수 있다. 본 논문에서는, 콘텐츠 기반의 방법과 협력적 필터링을 효과적으로 통합할 수 있는 구조를 소개한다. 제안한 방법은 하나의 기법만 이용한 모델에 비해 높은 성능을 보여주었다. Recommender Systems attempt to predict new items considering interest for a user. Most recommender systems use Collaborative Filtering or Content-based methods. While both methods have their own advantages, individually they fail to provide good recommendations in many situations. Incorporating components from both methods, a hybrid recommender system can overcome these shortcomings. In this paper, we present an effective framework for combining content-based filtering and collaborative filtering. The proposed algorithm performs better than a pure content-based predictor or pure collaborative filter.
협력적 필터링과 콘텐츠 정보를 결합한 영화 추천 알고리즘
김상화(Sanghwa Kim),오병화(Byonghwa Oh),김문종(Moonjong Kim),양지훈(Jihoon Yang) 한국정보과학회 2011 한국정보과학회 학술발표논문집 Vol.38 No.2B
추천 시스템은 사용자의 관심을 고려하여 새로운 추천 아이템을 예측한다. 대부분의 추천 시스템은 협력적 필터링 또는 콘텐츠 기반의 방법을 사용한다. 두 방법은 각자의 장점을 가지고 있지만 상황에 따라 알맞은 추천 결과를 내지 못하기도 한다. 두 방법의 이점들을 통합한 하이브리드 추천 시스템은 각 방법들의 단점을 극복할 수 있다. 본 논문에서는 콘텐츠 기반의 방법과 협력적 필터링을 효과적으로 통합할 수 있는 구조를 소개한다. 제안한 방법은 하나의 기법만 이용한 모델에 비해 높은 성능을 보여주었다.