http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 임은기(En Ki Lim) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
퍼지 추론을 이용한 소수 문서의 대표 키워드 추출에 대한 유용성 평가
노순억(Sun Ok Rho),김병만(Byeong Man Kim),신윤식(Yoon Sik Shin),임은기(En Ki Lim) 한국정보과학회 2002 한국정보과학회 학술발표논문집 Vol.29 No.2Ⅱ
본 논문은 퍼지 추론을 이용하여 소수문서로부터의 대표 용어들을 추출하고 가중치를 부여한 기존 방법의 유용성을 평가하고자 GIS (Generalized Instance Set) 알고리즘에 이를 적응시켜 보았다. GIS 는 학습 문서 집합에 대한 클러스터링 과정을 통해 문서 그룹들을 생성하고 이들에 대한 선형 분류기들을 유도한 뒤 k-NN 알고리즘을 적용하는 방법이다. GIS의 일반화(generalization) 과정에 Rocchio, Widrow-Hoff및 퍼지 추론을 이용한 방법을 적용시켜 문서 분류 성능을 비교하였다. 긍정적 문서 집합에 대한 실험에서 비교적 우수한 성능 향상을 보여줌으로써 퍼지 추론을 이용한 방법의 유용성을 확인 할 수 있었다.
-
비교 쇼핑 에이전트를 위한 Wrapper의 자동생성 설계 및 구현
강준규(Joon Gyu Kang),김병만(Byeong Man Kim),김주연(Ju Youn Kim),임은기(En Ki Lim),오득환(Dukhwan Oh) 한국정보과학회 2000 한국정보과학회 학술발표논문집 Vol.27 No.1A
본 논문에서는 비교 쇼핑 에이전트에 필수 요소인 wrapper를 자동으로 생성하는 방법에 대하여 제안한다. 상품 정보들을 추출하기 위하여 사용자로부터 URL을 입력받고, cgi URL, 질의 형식(Get 또는 Post), 입력 매개변수들, 검색된 HTML 페이지에서 출력 위치들(상품명, 모델명, 판매가...)을 추출한다. 또한, 상품명을 이용하여 검색을 실시하고, 검색 결과 문서들을 분석하여 상품가격을 추출하여 규칙을 생성하며, 생성된 규칙을 WIDL로 기술하여 데이터베이스에 저장한다.
-
추천시스템을 위한 내용기반 필터링과 협력필터링의 새로운 결합 기법
김병만(Byeong Man Kim),이경(Qing Li),김시관(Si-Gwan Kim),임은기(En Ki Lim),김주연(Ju-Yeon Kim) 한국정보과학회 2004 정보과학회논문지 : 소프트웨어 및 응용 Vol.31 No.3
엄청난 속도로 증가하고 있는 정보의 홍수 시대에서는 정보들을 선별하기 위하여 정보 필터링기법이 필요하다. 정보 필터링은 내용 기반 방법과 협력에 의한 방법으로 분류할 수 있다. 내용 기반 기법에서는 내용에 기반을 두어 정보를 추출하는 반면 협력 기법은 다른 사람들의 의견을 이용하게 된다. 본 논문에서는 기존 협력 필터링 방법의 문제점을 해결하기 위한 방법의 일환으로 내용 기반 기법과 협력 기법을 보다 유기적으로 결합시키는 연구를 수행하였다. 이를 위해 협력 필터링 틀을 그대로 유지하면서 사용자 프로파일을 효과적으로 이용하는 방법을 제안하였다. 또한, 본 논문에서 제시한 기법을 실험적으로 분석하고 기존의 필터링 기법과 비교하였다. 실험 결과, 본 방법이 예측 질 면에서 상당한 성능 향상이 있었고 새로운 사용자에게도 보다 나은 추천을 할 수 있음을 알 수 있었다. With the explosive growth of information in our real life, information filtering is quickly becoming a popular technique for reducing information overload. Information filtering technique is divided into two categories: content-based filtering and collaborative filtering (or social filtering). Content-based filtering selects the information based on contents; while collaborative filtering combines the opinions of other persons to make a prediction for the target user. In this paper, we describe a new filtering approach that seamlessly combines content-based filtering and collaborative filtering to take advantages from both of them, where a technique using user profiles efficiently on the collaborative filtering framework is introduced to predict a user's preference. The proposed approach is experimentally evaluated and compared to conventional filtering. Our experiments showed that the proposed approach not only achieved significant improvement in prediction quality, but also dealt with new users well.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
