• Journal of Computing Science and Engineering
• /
• 제9권2호
• /
• pp.73-82
• /
• 2015

Understanding how the topic evolves is an important and challenging task. A topic usually consists of multiple related events, and the accurate identification of event evolution relationship plays an important role in topic evolution analysis. Existing research has used the traditional vector space model to represent the event, which cannot be used to accurately compute the semantic similarity between events. This has led to poor performance in identifying event evolution relationship. This paper suggests constructing a semantic aspect-based vector space model to represent the event: First, use hierarchical Dirichlet process to mine the semantic aspects. Then, construct a semantic aspect-based vector space model according to these aspects. Finally, represent each event as a point and measure the semantic relatedness between events in the space. According to our evaluation experiments, the performance of our proposed technique is promising and significantly outperforms the baseline methods.

• 산업기술연구
• /
• 제25권A호
• /
• pp.123-131
• /
• 2005

Semantic object model has widely been recognized as an alternative data modeling approach to entity-relationship model for database system design. In this study, we have presented a semantic object model for intermediary type shopping mall consisting of multiple buyers and sellers. Essential processes and information with regard to the customer management, product management, price estimation, product order etc. have been considered for this study. Upon careful examination and analysis of them, a detailed semantic objects and attributes have been drawn and structured into semantic object diagrams. The final objects were converted into an entity-relationship diagram so that intuitive comparison could be made for relational database design. The results in this study may form a conceptual framework for both academic concerns and more complicated system applications.

• 디지털융복합연구
• /
• 제10권5호
• /
• pp.267-273
• /
• 2012

시맨틱 관계성은 포맷되지 않은 많은 문서 객체들을 계층적으로 구조화한다. 그러나 분산 응용도메인에서 관련 데이터를 추출하여 구조화하기란 쉽지 않는 일이다. 이러한 문제를 해결하기 위하여 본 논문에서는 분산된 응용 도메인 객체들을 서비스할 수 있도록 시멘틱 참조 관련성을 이용한 새로운 객체 관리 기법을 제안하였다. 제안된 기법은 응용 도메인 객체들로부터 시멘틱 유사성을 추출하기 위하여 프로파일 구조를 이용하였으며, 추출된 객체들의 시멘틱 관계성을 결정하기 위하여 joint matrix를 이용하였다. 제안된 기법의 성능을 알아보기 위하여 시뮬레이션을 수행하였으며, 시뮬레이션 결과 제안된 기법이 기존의 텍스트 마이닝 기법과 정보추출기법에 비해서 검색 성능이 우수함을 알게 되었다.

• 디지털산업정보학회논문지
• /
• 제14권4호
• /
• pp.35-45
• /
• 2018

Users are sharing many of contents such as text, image, video, and so on in SNS. There are various information as like as personal interesting, opinion, and relationship in social media contents. Therefore, many of recommendation systems or search systems are being developed through analysis of social media contents. In order to extract subject-related topics of social context being collected from social media channels in developing those system, it is necessary to develop ontologies for semantic analysis. However, it is difficult to develop formal ontology because social media contents have the characteristics of non-formal data. Therefore, we develop a social topic system based on semantic and subject correlation. First of all, an extracting system of social topic based on semantic relationship analyzes semantic correlation and then extracts topics expressing semantic information of corresponding social context. Because the possibility of developing formal ontology expressing fully semantic information of various areas is limited, we develop a self-extensible architecture of ontology for semantic correlation. And then, a classifier of social contents and feed back classifies equivalent subject's social contents and feedbacks for extracting social topics according semantic correlation. The result of analyzing social contents and feedbacks extracts subject keyword, and index by measuring the degree of association based on social topic's semantic correlation. Deep Learning is applied into the process of indexing for improving accuracy and performance of mapping analysis of subject's extracting and semantic correlation. We expect that proposed system provides customized contents for users as well as optimized searching results because of analyzing semantic and subject correlation.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 컴퓨터소사이어티 추계학술대회논문집
• /
• pp.223-226
• /
• 2003

Because UMLS semantic network is bulky and complex, user hard to understand and has shortcoming that can not express all semantic network on screen. To solve this problem, rules to dismember semantic network efficiently are introduction. but there is shortcoming that this should classifies manually applying rule whenever UMLS semantic network is modified. Suggest automatic clustering method of UMLS semantic network that use genetic algorithm to solve this problem. Proposed method uses Linked semantic relationship between each semantic type and semantic network does clustering by structurally similar semantic type linkages. To estimate the performance of suggested method, we compared it with result of clustering method by rule.

• 한국정보과학회논문지:데이타베이스
• /
• 제30권5호
• /
• pp.476-493
• /
• 2003

이동 컴퓨팅(mobile computing) 환경이 가지는 통신 대역의 협소함과 이동 기기의 에너지 제약 때문에 데이타 베이스 서버에서 다수의 이동 클라이언트로 데이타를 전달할 때는 브로드캐스트 (broadcast)가 효과적이다. 기존의 여러 가지 브로드캐스트 방법은 클라이언트의 데이타 접근 빈도(access frequency)를 이용하여 전송 스케줄을 정하거나, 데이타들의 시맨틱 관계(semantic relationship)를 이용하여 전송 스케줄을 결정하였다. 데이타의 접근 빈도만을 반영하는 경우 클라이언트들이 접근하는 데이타들의 의미적 관계를 고려하지 않으므로 클라이언트가 밀접한 시맨틱 관계를 갖는 데이타를 차례로 접근해야 하는 경우 오랜 시간 동안 무선 채널을 듣고 있어야 한다. 시맨틱 관계만을 반영하여 전송 스케줄을 작성하면, 클라이언트가 시맨틱 관계는 없으나 접근 빈도가 높은 특정 데이타를 자주 접근할 필요가 있는 경우, 클라이언트의 데이타 접근 시간이 길어지게 된다. 이 논문에서는 데이타 접근 빈도와 시맨틱 관계를 함께 반영하여 이동 클라이언트의 데이타 접근 시간을 개선한 효율적인 하이브리드 데이타 브로드캐스트 방법을 제안한다. 우리가 제안하는 하이브리드 브로드캐스트 방법은 데이타 접근 빈도에 의해 브로드캐스트 스케줄을 생성한 후, 스케줄 상 데이타 전송 위치를 시맨틱 관계에 따라 조정한다. 시뮬레이션을 통해 기존의 방법들과 성능을 비교 분석하여 우리의 방법이 효율적임을 보인다.

• 한국문헌정보학회지
• /
• 제39권4호
• /
• pp.119-138
• /
• 2005

본 연구는 현행의 용어관계가 가진 문제점을 파악하기 위하여 용어관계의 다양한 사례를 조사 분석하고 이를 바탕으로 용어관계를 체계화하고자 하였다. 이를 위해 용어관계가 기반이 되는 분류, 시소러스, 주제명표목을 비롯하여 의미망, 온톨로지, 데이터베이스 등 기존의 여러 지식조직체계를 용어관계의 측면에서 재조명하여 그 특성 및 상호관계를 파악하였다. 또한 이들 지식조직체계에 실질적으로 나타나는 각종 용어관계의 사례와 용어관계에 대한 연구들을 광범위하게 수집하여 다양한 용어관계의 유형을 파악하였다. 이렇게 수집된 다양한 용어관계를 분석하여 실재하는 용어관계의 체계화 방안을 모색하였다.

• 한국항행학회논문지
• /
• 제14권2호
• /
• pp.239-246
• /
• 2010

본 논문은 비음수 행렬 분해와 퍼지 관계를 이용한 새로운 문서군집 방법을 제안한다. 제안된 방법은 비음수 행렬 분해된 의미특징을 이용하여 군집 레이블과 군집의 대표 용어들을 선택함으로서 문서군집의 내부구조를 더 잘 표현할 수 있으며, 퍼지 관계 값을 이용한 군집은 문서군집에 유사하지 않은 문서를 더 잘 구분함으로써 문서군집의 성능을 높일 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 다른 문서군집 방법에 비하여 좋은 성능을 보인다.

• 디지털융복합연구
• /
• 제15권12호
• /
• pp.341-347
• /
• 2017

많은 양의 문서 데이터가 증가됨에 따라 사용자는 해당 문서를 이해하기 위한 요약된 정보를 필요로 한다. 그러나, 기존 문서 요약 연구 방법들은 지나치게 단순한 통계에 의존함으로써 문장의 모호성 및 의미 있는 문장 생성을 위한 다중 문서 요약 연구가 미흡한 실정이다. 본 논문에서는 의미적 연결 관계에 대한 파악 및 불필요한 정보를 처리하기 위한 전처리 과정을 거치며, 어휘 의미 패턴 정보를 기반으로 VAE를 이용하여 문장 간의 의미적 연결성을 높인 다중 문서 요약 기법을 제안하였다. 문장을 이루고 있는 단어 벡터들을 이용하여, 잠재된 변수로 생성된 압축된 정보와 속성 판별기로부터 학습을 한 후 문장을 재구성함으로써 의미적 연결 처리가 자연스러운 요약문을 생성하였다. 제안된 방법과 다른 문서 요약 방법을 비교했을 시 미세하지만 더 향상된 성능을 나타냈으며, 이는 의미적 문장 생성 및 연결성을 높일 수 있음을 증명하였다. 앞으로, 다양한 속성 설정 값을 가지고 실험하여 의미적 연결 관계를 확장할 수 있는 방법을 연구하고자 한다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제15권1호
• /
• pp.222-230
• /
• 2023

The purpose of this study is to provide basic data on sports entertainment programs by collecting data on unstructured data generated by Naver and Google for SBS entertainment program 'Women Who Score Goal', which began regular broadcast in June 2021, and analyzing public perceptions through data mining, semantic matrix, and CONCOR analysis. Data collection was conducted using Textom, and 27,911 cases of data accumulated for 16 months from June 16, 2021 to October 15, 2022. For the collected data, 80 key keywords related to 'Kick a Goal' were derived through simple frequency and TF-IDF analysis through data mining. Semantic network analysis was conducted to analyze the relationship between the top 80 keywords analyzed through this process. The centrality was derived through the UCINET 6.0 program using NetDraw of UCINET 6.0, understanding the characteristics of the network, and visualizing the connection relationship between keywords to express it clearly. CONCOR analysis was conducted to derive a cluster of words with similar characteristics based on the semantic network. As a result of the analysis, it was analyzed as a 'program' cluster related to the broadcast content of 'Kick a Goal' and a 'Soccer' cluster, a sports event of 'Kick a Goal'. In addition to the scenes about the game of the cast, it was analyzed as an 'Everyday Life' cluster about training and daily life, and a cluster about 'Broadcast Manipulation' that disappointed viewers with manipulation of the game content.