한국표준산업분류를 기준으로 한 문서의 자동 분류 모델에 관한 연구

이재성; 전승표; 유형선

추천

검색

질문

자료유형: 학술저널

저자정보: 이재성 (과학기술연합대학원대학교) 전승표 (한국과학기술정보연구원) 유형선 (한국과학기술정보연구원)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제24권 제3호

발행연도: 2018.9

수록면: 221 - 241 (21page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2018

한국표준산업분류를 기준으로 한 문서의 자동 분류 모델에 관한 연구

이재성 , 전승표 , 유형선 지능정보연구 2018.09 학술저널

한국표준산업분류를 기준으로 한 문서의 자동 분류 모델에 관한 연구

이재성 , 전승표 , 유형선 한국지능정보시스템학회 학술대회논문집 2018.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

지식사회에 들어서며 새로운 형태의 자본으로서 정보의 중요성이 강조되고 있다. 그리고 기하급수적으로 생산되는 디지털 정보의 효율적 관리를 위해 정보 분류의 중요성도 증가하고 있다. 본 연구에서는 기업의 기술사업화 의사결정에 도움이 될 수 있는 맞춤형 정보를 자동으로 분류하여 제공하기 위하여, 기업의 사업 성격을 나타내는 한국표준산업분류(이하 `KSIC`)를 기준으로 정보를 분류하는 방법을 제안하였다. 정보 혹은 문서의 분류 방법은 대체로 기계학습을 기반으로 연구되어 왔으나 KSIC를 기준으로 분류된 충분한 학습데이터가 없어, 본 연구에서는 문서간 유사도를 계산하는 방식을 적용하였다. 구체적으로 KSIC 각 코드별 설명문을 수집하고 벡터 공간 모델을 이용하여 분류 대상 문서와의 유사도를 계산하여 가장 적합한 KSIC 코드를 제시하는 방법과 모델을 제시하였다. 그리고 IPC 데이터를 수집한 후 KSIC를 기준으로 분류하고, 이를 특허청에서 제공하는 KSIC-IPC 연계표와 비교함으로써 본 방법론을 검증하였다. 검증 결과 TF-IDF 계산식의 일종인 LT 방식을 적용하였을 때 가장 높은 일치도를 보였는데, IPC 설명문에 대해 1순위 매칭 KSIC의 일치도는 53%, 5순위까지의 누적 일치도는 76%를 보였다. 이를 통해 보다 정량적이고 객관적으로 중소기업이 필요로 할 기술, 산업, 시장정보에 대한 KSIC 분류 작업이 가능하다는 점을 확인할 수 있었다. 또한 이종 분류체계 간 연계표를 작성함에 있어서도 본 연구에서 제공하는 방법과 결과물이 전문가의 정성적 판단에 도움이 될 기초 자료로 활용될 수 있을 것으로 판단된다.

As we enter the knowledge society, the importance of information as a new form of capital is being emphasized. The importance of information classification is also increasing for efficient management of digital information produced exponentially. In this study, we tried to automatically classify and provide tailored information that can help companies decide to make technology commercialization. Therefore, we propose a method to classify information based on Korea Standard Industry Classification (KSIC), which indicates the business characteristics of enterprises. The classification of information or documents has been largely based on machine learning, but there is not enough training data categorized on the basis of KSIC. Therefore, this study applied the method of calculating similarity between documents. Specifically, a method and a model for presenting the most appropriate KSIC code are proposed by collecting explanatory texts of each code of KSIC and calculating the similarity with the classification object document using the vector space model. The IPC data were collected and classified by KSIC. And then verified the methodology by comparing it with the KSIC-IPC concordance table provided by the Korean Intellectual Property Office. As a result of the verification, the highest agreement was obtained when the LT method, which is a kind of TF-IDF calculation formula, was applied. At this time, the degree of match of the first rank matching KSIC was 53% and the cumulative match of the fifth ranking was 76%. Through this, it can be confirmed that KSIC classification of technology, industry, and market information that SMEs need more quantitatively and objectively is possible. In addition, it is considered that the methods and results provided in this study can be used as a basic data to help the qualitative judgment of experts in creating a linkage table between heterogeneous classification systems.

#문서자동분류 #한국표준산업분류 #텍스트마이닝 #벡터공간모델 #자연어 처리 #Automatic Document Classification #Korea Standard Industry Classification #Text mining #Vector space model #Natural language processing

참고문헌 (56)

참고문헌 신청

Aha, D. W., D. Kibler, and M. K. Albert, Instance-based learning algorithms, Machine learning, Vol.6, No.1(1991), 37~66. Beel, J., B. Gipp, S. Langer, and C. Breitinger, paper recommender systems: a literature survey, International Journal on Digital Libraries, Vol.17, No.4(2016), 305~338. Byun, S., Lee, D., and Kim, N,. “Methodology for Identifying Issues of User Reviews from the Perspective of Evaluation Criteria: Focus on a Hotel Information Site,” Journal of Intelligence and Information Systems, Vol.22, No.3(2016), 23~43. Chang, J., Using the MeSH Hierarchy to Index Bioinformatics Articles, CS224N/Ling237 Final Projects, (2000), 1~10. Chang, J. Y., A Study on Research Trends of Graph-Based Text Representations for Text Mining, The Journal of The Institute of Internet, Broadcasting and Communication, Vol.13, No.5(2013), 37~47.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이재성

소속기관 과학기술연합대학원대학교

주요연구분야 사회과학 > 법학 공학 > 산업공학

논문수 21 이용수 3,787

전승표

소속기관 한국과학기술정보연구원

주요연구분야 복합학 > 기술정책 TOP 5% 공학 > 산업공학 TOP 10%

논문수 77 이용수 14,824

유형선

소속기관 한국과학기술정보연구원

주요연구분야 공학 > 산업공학 복합학 > 학제간연구

논문수 39 이용수 4,916

이 논문과 함께 이용한 논문

학교폭력에 대한 효율적 대처 방안 : 법무부 추진방안을 중심으로

조종태 저스티스 2013 .02

디지털 음악 콘텐츠 시장에서의 가격전략, 수익배분 및 시장구조

장대철 , 안병훈 한국경영과학회 학술대회논문집 2008 .10

인공지능 기술분석을 위한 베이지안 추론

최준혁 , 전성해 한국지능시스템학회 논문지 2018 .08

심층 다중 커널 최소제곱 서포트 벡터 회귀 기계

황창하 , 최상일 , 심주용 한국데이터정보과학회지 2018 .07

평균 대조괴리도 알고리즘 기반 분류용 제한볼츠만기계

심주용 , 신원용 , 황창하 한국데이터정보과학회지 2018 .01

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (56)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)