위키백과를 활용한 문서 주제 추출

Hyungsik Shin

doi:10.6109/jkiice.2023.27.2.307

추천

검색

질문

자료유형: 학술저널

저자정보: Hyungsik Shin (Hongik University)

저널정보: 한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제27권 제2호

발행연도: 2023.2

수록면: 307 - 310 (4page)

DOI: 10.6109/jkiice.2023.27.2.307

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Automatic text classification and topic extraction have received much attention from many fields, and various approaches for the problem have been proposed so far. In some of the proposed methods, a few ways of using Wikipedia data have been suggested and implemented. This paper presents a novel method to explore Wikipedia data to extract suitable topics from any given text document. The proposed method uses the network of Wikipedia articles and their categories to find most relevant Wikipedia categories for the given text. Finally, the method designates these most relevant categories as the topics of the document. An experimental result and the feasibility of the proposed method are illustrated.

#Topic Extraction #Taxonomy #Wikipedia #Categorization

참고문헌 (11)

참고문헌 신청

S. Tiun, R. Abdullah, and T. E. Kong, “Automatic topic identification using ontology hierarchy,” in Computational Linguistics and Intelligent Text Processing. CICLing 2001. Lecture Notes in Computer Science, vol. 2004, Berlin, Heidelberg: Springer, pp. 44

C. D. Manning, P. Raghavan, and H. Schütze, Introduction to Information Retrieval, Cambridge: Cambridge University Press, 2008. DOI: 10.1017/CBO9780511809071.

M. M. Hassan, F. Karray, and M. S. Kamel, “Automatic document topic identification using Wikipedia hierarchical ontology,” in 11th International Conference on Information Science, Signal Processing and their Applications (ISSPA), Montreal, QC, Canada, pp.

J. F. Medeiros, B. Pereira Nunes, S. W. M. Siqueira, L. A. Portes Paes Leme, “TagTheWeb: Using Wikipedia categories to automatically categorize resources on the web,” in The Semantic Web: ESWC 2018 Satellite Events, ESWC 2018. Lecture Notes in Computer Sc

C. Müller and I. Gurevych, “Using Wikipedia and Wiktionary in domain-specific information retrieval,” in Evaluating Systems for Multilingual and Multimodal Information Access. CLEF 2008. Lecture Notes in Computer Science, vol. 5706, Berlin, Heidelberg: Sp

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

Hyungsik Shin

소속기관 홍익대학교

주요연구분야 공학 > 전기전자공학 > 전자공학 공학 > 전기전자공학 > 정보통신공학

논문수 5 이용수 556

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)