earticle

영어

This study is about use corpus and genetic algorithms for a recommendation system. In detail, when recommending related words or sentences in a recommendation system, propose a method of recommend words or sentences include more possibilities compared to existing recommendation methods. The word recommendation method is performed in three steps. The first step is the extraction of associate words through collaborative filtering. In the second step, new association words are additionally extracted from the associate words extracted in the first step. In this process, use corpus, part-of-speech tagging, and named entity recognition for extract various associate words. In step 3, a candidate set of final recommended words is constructed from the words and sentences newly extracted in step 2, and a genetic algorithm is applied to this candidate set to extract optimal related words. As a result of prototype implementation and experimentation with the proposed content, it was confirmed that the number of recommended related words increased compared to the existing method. In addition, the results of the user satisfaction survey confirmed differences from the existing method.

한국어

본 연구는 추천 시스템을 위해 코퍼스와 유전 알고리즘을 적용하는 방법에 관한 연구이다. 세부적으로 추천 시스템 등에서 연관 단어나 문장 추천 시 기존의 추천 방법에 비해 보다 많은 가능성을 포함한 연관 단어나 혹은 문장을 추천하는 방법을 제안한다. 단어 추천 방식은 3단계로 수행된다. 1단계는 협업필터링을 통한 연관 단어 추출 단계이다. 2단계는 1단계에서 추출된 연관 단어를 대상으로 새로운 연관 단어를 추가적으로 추출한다. 이 과정에서 다양한 연관 단어를 추출하기 위해 코퍼스, 품사 태깅 및 개체명 인식 기능을 활용한다. 3단계에서는 2단계에서 새 롭게 추출된 단어 및 문장을 대상으로 최종 추천 단어의 후보 집합을 구성되고 이 후보 집합에 유전 알고리즘을 적 용해 최적의 연관 단어를 추출한다. 제안 내용에 대한 프로토타입 구현 및 실험 결과 기존 방법에 비해 추천 연관 단어의 개수가 증가됨을 확인했다. 또한 사용자 만족도 조사 결과 기존의 방법과 유의한 차이를 확인했다.