군집 중심 기반 문헌 검색 결과의 시각화 = Visualization Method of Document Retrieval Result based on Centers of Clusters

다국어 초록 (Multilingual Abstract)

Because it is difficult on existing document retrieval systems to visualize the search result, search results show document titles and short summaries of the parts that include the search keywords. If the result list is long, it is difficult to examine all the documents at once and to find a relation among them. This study uses clustering to classify similar documents into groups to make it easy to grasp the relations among the searched documents. Also, this study proposes a two-level visualization algorithm such that, first, the center of clusters is projected to low-dimensional space by using multi-dimensional scaling to help searchers grasp the relation among clusters at a glance, and second, individual documents are drawn in low-dimensional space based on the center of clusters using the orbital model as a basis to easily confirm similarities among individual documents. This study is tested on the benchmark data and the real data, and it shows that it is possible to visualize search results in real time.

국문 초록 (Abstract)

기존의 문헌검색시스템은 검색 결과를 시각화하기 어렵기 때문에 문헌 제목과 검색어가 존재하는 부분에 대한 요약문을 보여주는 형태가 대부분이다. 이러한 방식은 문헌 검색 결과가 많은 경우 한 번에 문헌들을 살펴보는데 어려움이 있고, 문헌들간의 연관성을 알아보기 어렵다. 따라서, 본 논문에서는 웹 환경에 적합하도록 실시간으로 문헌 검색 결과를 시각화하는 방법을 제안하였다. 이를 위하여, 군집의 중심을 다차원 척도에 의해 저 차원 평면에 투사하는 단계와 오비탈 모형에 기반하여 개별 문헌들을 군집 중심을 기준으로 저 차원 평면에 표현하는 2단계 시각화 알고리즘을 제안하여, 문헌 군집의 관계를 쉽게 알아보고 개별 문헌들 사이의 유사성을 쉽게 확인할 수 있도록 하였다. 벤치마크 데이터와 실 데이터에 적용하여 실험하였으며, 실시간으로 검색 결과를 시각화 할 수 있다는 것을 실험을 통해 확인할 수 있었다.

참고문헌 (Reference)

1 이태영, "한국어 초록문의 문장과 내용에 관한 연구" 21 (21): 1-33, 1990

2 "http://www.wipscorp.com/en"

3 "http://www.research.att.com/∼lewis"

4 J. A. Wise, "Visualizing the non-visual: Spatial analysis and interaction with information from text documents" 51-58, 1995

5 Y. Liu, "Visualizing Document Classification: A Search Aid for the Digital Library" 51 (51): 216-227, 2000

6 M. Song, "Visualization in Information Retrieval, A Three-Level Analysis" 26 (26): 3-19, 2000

7 T. Kohonen, "Very large twolevel SOM for the browsing of newsgroups" 1112 : 269-274, 1996

8 R. K. Maloney, "Title versus Title/Abstract Text Searching SDI System" 25 (25): 370-373, 1974

9 J. A. Wise, "The ecological approach to text visualization" 50 (50): 1224-1233, 1999

10 A. Toffler, "The Third Wave" Bantam Books 1990

11 H. Ritter, "Self-organizing semantic maps" 61 (61): 241-254, 1989

12 D. R. Cutting, "Scatter/Gather: a cluster-based approach to browsing large document collections" 318-329, 1992

13 M. Sahami, "SONIA: a service for organizing networked information autonomously" 200-209, 1998

14 H. Schutze, "Projections for efficient document clustering" 31 : 74-81, 1997

15 D. W. Oxtoby, "Principles of Modern Chemistry" Brooks Cole 2002

16 E. Gose, "Pattern Recognition and Image Analysis" Prentice Hall 1996

17 A. Flexer, "On the use of self-organizing maps for clustering and visualization" 5 : 373-384, 2001

18 T. Li, "Information Visualization for Intelligent Decision Support Systems" 14 : 259-262, 2001

19 W. B. Frakes, "Information Retrieval: Data Structures and Algorithms" Prentice Hall 1992

20 B. Larsen, "Fast and effective text mining using linear-time document clustering"

21 M. J. A. Berry, "Data Mining Techniques for Marketing, Sales, and Customer Support" John Wiley & Sons 1997

22 T. Honkela, "Comparisons of self-organized word category maps" 298-303, 1997

23 X. Lin, "A self-organizing semantic map for information retrieval" 262-269, 1991

24 M. Bender, "A functional Framework for Web-Based Information Visualization System" 6 (6): 8-23, 2000

25 K. Cox, "A Multi-Modal Natural Language Interface to an Information Visualization Environment" 4 : 297-314, 2001