• The Transactions of the Korea Information Processing Society
• /
• v.4 no.3
• /
• pp.709-719
• /
• 1997

Performance of an algorithm can be mesaurde from serval aspects.Suppose thre is a query formulation al-gorithm.Even though this algorithm shows high retrival performance, ie, high recall and percision, retriveing items can rake a long time.In this study, we time complexity of automatic query reformulation algorithms, named the query Tree, DNF method, and Dillon's method, and comparethem in theoretical and practical aspects using a tral-time performance)the absolute times for each algorithm to fromulate a query)in a Sun SparcStation 2. In experiments using three test sets, CSCM, CISI, and Medlars, the query Tree algorithm was the fastest among the three algorithms tested.

• Journal of KIISE:Software and Applications
• /
• v.26 no.2
• /
• pp.203-212
• /
• 1999

디지털 도서관 시스템의 검색에서 발생하는 가장 큰 문제점은 질의에 있어 사용자의 의도와 시스템의 해석간의 의미적, 형식적 차이가 생긴다는 점에 있다. 우리는 보다 효과적으로 사용자의 의도를 반영할 수 있도록 사용자의 질의를 변환하는 지능적 검색 에이전트를 제안한다. 이를 위해서 의미적 질의 최적화기법에 근거를 둔 변환 알고리즘과 에이전트 아키텍쳐를 정의한다. 제안된 알고리즘은 범용 추론키보다 훨씬 간단하면서도 효과적으로 사용자의 질의를 변환한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10a
• /
• pp.238-240
• /
• 2001

XML이 확산되면서 이를 저장하고 검색하는 XML DB와 검색 앤진들이 만들어졌다. 그러나, 이들 대부분의 시스템에서 초기 질의만으로 문서를 검색하고, 그 대상도 질의 조건에 완전히 정합되는 문서로만 제한하고 있다. 그러나, 사용자가 데이터에 대한 정확한 정보가 없는 경우에는 자신의 요구를 제대로 표현하기가 힘들고 또, 한번의 질의로 사용자 요구에 정확하게 부합되는 문서를 검색하기도 매우 어렵다. 따라서, 본 논문에서는 질의 조건에 부분적으로 정합되는 문서도 검색하고, 사용자 피드백을 받아서 조기 질의를 사용자 요구에 좀 더 근접만 문서들을 검색할 수 있도록 수정하여 재질의를 하는 시스템을 설계하였다.

• Journal of KIISE
• /
• v.44 no.8
• /
• pp.832-841
• /
• 2017

Bug reports are essential documents for developers to localize and fix bugs. These reports contain information regarding software bugs or failures that occur during software operation and maintenance phase. Information Retrieval-based Bug Localization (IR-BL) techniques have been proposed to reduce the time and cost it takes for developers to resolve bug reports. However, if a low-quality bug report is submitted, the performance of such techniques can be significantly degraded. To address this problem, we propose a quality prediction method that selects low-quality bug reports. This process; defines a Quality property of a Bug report as a Query (Q4BaQ) and predicts the quality of the bug reports using machine learning. We evaluated the proposed method with 3 open source projects. The results of the experiment show that the proposed method achieved an average F-measure of 87.31% and outperformed previous prediction techniques by up to 6.62% in the F-measure. Finally, a combination of the proposed method and traditional automatic query reformulation method improved the MRR and MAP by 0.9% and 1.3%, respectively.