메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김계현 (포항공과대학교) 최승진 (포항공과대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 컴퓨팅의 실제 및 레터 정보과학회논문지 : 컴퓨팅의 실제 및 레터 제17권 제4호
발행연도
2011.4
수록면
239 - 243 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문은 웹 검색에서 사용자의 검색 기록과 웹 문서간의 연관 관계를 동시에 이용하여 적합한 랭킹 함수를 학습하는 방법을 소개한다. 제안하는 방법은 그래프 기반의 준지도 학습(semi-supervised learning) 기법을 선호도 학습(preference learning)에 적용한 기계학습 알고리즘으로, 그래프의 가중치 행렬(weight matrix)을 직접적으로 계산할 필요가 없는 matrix-free 알고리즘을 고안하여 대규모 데이터를 다룰 수 있도록 하였다. 또한 새로운 검색 기록들이 추가될 때마다 이미 학습된 랭킹 함수를 효율적으로 업데이트할 수 있도록 점진적(incremental) 학습 알고리즘을 개발하였다. Microsoft Research Asia에서 약 400만개 질의어에 대해 수집한 MSN Live Search의 검색 기록 데이터에 본 방법을 적용한 결과, 주어진 질의어에 적합함에도 Live Search에서 순위가 낮게 책정되었던 웹 페이지들의 검색 순위를 크게 향상시킴으로써(평균 11-20위 → 3-12위로 향상) 더욱 정확한 검색 결과를 산출하였으며, 이를 위해 질의어당 실시간으로 소요된 처리 시간은 불과 1.4밀리초였다.

목차

요약
Abstract
1. 서론
2. 본론
3. 실험
4. 결론
참고문헌

참고문헌 (13)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2012-569-004457299