과학기술분야 학위논문 내용목차에 따른 주제어 출현빈도에 관한 연구 = A Study on Frequency of Subjects on Contents of Thesis in Field of Science and Technology

다국어 초록 (Multilingual Abstract)

We would generally use subject terms such as subject indexing for searching and accessing documents. So then, there must be any relationship between document's full-text and its subject terms. This study is started in this question. Master's theses in field of science and technology are worked with because full-text is relatively formatted. This study is to study locations of subject term on Thesis, distribution patterns of subject terms on content of full-text; ‘Contents’, ‘Introduction’, ‘Theory’, ‘Main subject’, ‘Conclusion’ and ‘References’. Thesis were averagely composed of 1226.3 terms. And Subject terms were averagely compose of 12~13 terms. As a result, ‘Contents’ and ‘Introduction’ have had the most frequency of subject.

국문 초록 (Abstract)

일반적으로 문헌을 검색하고 접근하기 위하여 주제색인과 같은 주제어를 활용하곤 한다. 그렇다면 문헌의 내용과 문헌의 주제어는 분명히 어떤 밀접한 상관관계가 있을 것으로 예측해볼 수 있다. 본 연구는 이러한 의문점에서 출발하여, 디지털콘텐트의 본문내용이 비교적 짜임새 있게 정형화되어 있는 석사 학위논문을 연구문헌으로 한정하여 학위논문 전문에서 나타나는 학위논문의 주제어 분포도를 연구하였다. 학위논문의 주제어는 논문 저자가 부여한 주제어를 사용하되, 학위논문 전문은 ‘목차’, ‘서론’, ‘이론배경’, ‘본론’, ‘결론’, ‘참고문헌’의 내용위치로 분할하여 내용위치에 따른 주제어의 출현율을 확인하였다. 연구대상 학위논문 전문은 1226.3개의 용어, 5152.3번의 용어 출현을 보였다. 학위논문 저자가 부여한 주제어는 12~13개 용어로 구성되어 있었다. 연구결과, 전문 내용위치에 따른 주제어의 출현율은 ‘목차’ 11.4%와 ‘서론’ 11.2%에서 가장 높았으며(11%), 다음 순위는 내용위치 ‘결론’ 9.8%이었다.

참고문헌 (Reference)

1 이혜영, "학위논문의 주제어 분포에 관한 연구" 2007

2 이강일, "주제어와 미분류 문서들을 이용한 문서의 자동 분류 방법" 592-594, 2005

3 한광록, "주제어구 추출과 질의어 기반 요약을 이용한 문서 요약" 한국정보과학회 31 (31): 488-497, 2004

4 이창범, "주성분 분석을 이용한 문서 주제어 추출" 한국정보과학회 29 (29): 747-754, 2002

5 이혜영, "잠재적의미색인을 이용한 더블린코어 메터데이터 유사도 판단기법" 충남대학교 대학원 2003

6 황재영, "자동문헌분류를 위한 대표색인어 추출에 관한 연구" 55-64, 2003

7 김광해, "유의어, 반의어 사전" 한샘 1987

8 백지원, "용어분류의 비교연구" 19-26, 2002

9 이경찬, "범주 대표어의 가중치 계산 방식에 의한 자동 문서 분류 시스템" 475-477, 2002

10 유영준, "문헌정보학의 지식 구조에 관한 연구" 한국정보관리학회 20 (20): 277-297, 2003

11 안희국, "문서 분류를 위한 문장 응집도와 주어 주도의 주제어 추출" 163-165, 2005

12 국립중앙도서관, "국립중앙도서관 주제명표목표 개발"

13 이영숙, "계층적 분류체계를 위한 자동분류 기법에 관한 연구" 2001

14 Battiti, R., "Using Mutual Information for Selection Features in Supervised Neural Net Learning" 5 : 537-550, 1994

15 Amini, M. R., "The Use of Unlabeled Data to Improve Super- vised Learning for Text Summarization" 105-112, 2002

16 Moens, Marie-Francine, "Text categorization: the assign- ment of subject descriptors to mag- azine articles" 36 (36): 841-861, 2000

17 Lange, Holley R., "Taming the Internet Metadata, A Work in Progress" 21 : 47-72, 1997

18 Heery, Rache, "Review of Metadata Formal" 30 (30): 345-373, 1996

19 Gil-Leiva, I., "Keywords given by authors of scien- tific articles in database descriptors" 58 (58): 1175-1187, 2007

20 국민대학교, "KLT: Korean Language Tech- nology: (구)HAM"

21 Kwak, N., "Improved Mutual Information Feature Selector for Neural Networks in Supervised Learning" 1313-1318, 1999

22 Damerau,Fred J., "Generation and eval- uating domain-oriented multi-word terms from texts" 29 (29): 433-447, 1993

23 Novovicova, Jana, "Feature Selection Using Improved Mutual Information for Text Classification" 3138 : 1010-1017, 2004

24 Soucy, Pascal, "Feature Selection Strategies for Text Categorization" 2671 : 505-509, 2003

25 Sano, Hikomaro, "Facet Tabulation of Index Terms" 25 (25): 543-548, 1990

26 Chuang, W. T., "Extracting Sentence Segments for Text Summa- rization: A Machine Learning Approach" 152-159, 2000

27 Yang, Yiming, "Comparative Study on Feature Se- lection in Text Categorization" 412-420, 1997

28 Marshakova-Shaikevich, Irina, "Biblio- metric Maps of Field of Science" 41 : 1534-1547, 2005

29 Silvester, June P., "An Operational System for Subject Switching Between Controlled Vacabularies" 29 (29): 47-59, 1993

30 Craven, Timothy C., "Abstracts Produced Using Computer Assistance" 51 (51): 745-756, 2000