[색인, 색인과 주제색인, 색인과 자동색인, 색인과 동영상색인, 색인과 문자이미지색인, 인터넷색인]색인과 주제색인, 색인과 자동색인, 색인과 동영상색인, 색인과 문자이미지색인, 색인과 인터넷색인 분석

소개글

[색인, 색인과 주제색인, 색인과 자동색인, 색인과 동영상색인, 색인과 문자이미지색인, 인터넷색인]색인과 주제색인, 색인과 자동색인, 색인과 동영상색인, 색인과 문자이미지색인, 색인과 인터넷색인 분석에 대한 보고서 자료입니다.

목차

Ⅰ. 색인과 주제색인
1. 주제명표목의 범위
1) 일반주제명
2) 고유명
2. 주제명표목의 형식
1) 표기원칙
2) 고유명
3) 한정어의 부기

Ⅱ. 색인과 자동색인

Ⅲ. 색인과 동영상색인
1. 동영상을 프레임의 진행에 따라 부분별로 분할하는 방법에 관한 것이다
2. 화상인식 방법을 통해 영상의 내용을 구별하여 색인을 자동화하고자 하는 연구이다
3. 음성 코멘트나 캡션과 같이 동영상 정보에 동반되는 정보들을 자동색인에 이용하는 연구이다

Ⅳ. 색인과 문자이미지색인

Ⅴ. 색인과 인터넷색인
1. 데이터 표현
2. 매칭 프로세스
3. 학습능력
4. 구문 입력
5. 조합 탐색

참고문헌

본문내용

보여준다. 이용자는 검색어를 다시 제정할 때 이를 포함시킬 것인지 배제 할 것인지 정한다. 적합성은 관련된 문헌에서 단어가 동시에 발생하는지에 따라 결정된다. DrLink는 의미론적 그리고 실제적 분석을 통하여 질의어 확장을 제공한다. Excalibur의 RetrievalWare는 퍼지 신경망에 근거한 패턴 매칭 방식을 사용한다.
3. 학습능력
많은 시스템, 특히 개인용 탐색 에이전트는 성능을 개선시키기 위하여 학습기능을 어느 정도 사용한다. 그 대부분은 검색된 문헌의 적합성에 대한 이용자의 평가에 관련한 피드백을 채용한다. 학습 메카니즘은 통계적인 적합성 피드백과 인공 신경망을 포함한다. 예를 들면 More Like This는 통계적 적합성 피드백을 통 해 검색성능을 개선한다. 이용자들은 첫 번째 탐색에서 검색된 아이템들의 적합성을 평가하고, 이 피드백을 반영하기 위하여 키워드 가중치를 조정한다. Autonomy는 인공신경망 아키텍쳐의 고유한 학습기능을 사용한다. 성능에 대한 이 용자의 피드백은 에러에 대한 평가로 변환되어 질의어와 정보 소스를 나타내는 노드들 간 의 링크에 지정된 가중치를 조정하는 데 사용된다.
이용자 피드백이 필요없는 기계학습의 형태는 검색에 있어서 \'인공생명\' 방식으로 나타난다. 검색 에이전트는 환경 피드백에 적합한지에 따라, 즉 정보 매칭질의 검색에 그들의 생존을 건다. 이러한 의미에서, 특정 탐색을 수행하는 에이전트는 학습능력을 보이는 것이다.
4. 구문 입력
어떤 시스템은 다양한 형태의 질의를 입력할 수 있다. 불리언 공식을 이용할 수 있는 AltaVista 같은 검색엔진은 높은 수준의 언어통제를 한다. 불리언 외에 혹은 그것을 대신 하여 언어통제가 필요없는, 자연어 입력 시스템도 많이 있다. 이러한 의미에서, 그것들은 검색을 \'자동 파이롯트\' 방식보다 높은 수준으로 수행한다.
그런데 \'자동 파이롯트\'를 목적으로 한 통제 차원은 보기로 질의를 하는 시스템이 되었다. 그러한 시스템은 이용자가 적절한 문헌을 확인하도록 하고, 그 문헌의 특성을 분석하여 유사한 문헌을 발견하게 한다. Muscat의 Euroferret 같은 시스템은 질의어 확장을 위 한 옵션을 명확히 제공하지만, Autonomy 같은 경우는 이용자에게는 분명치 않은 기준을 채용했다. 적절성에 대한 피드백은 이용자가 검색결과의 수준을 높이기 위해서 시도하는 것이 일반적이다.
5. 조합 탐색
전조합 검색시스템과 후조합 검색시스템은 모두 인터넷상에서 구현되고 있다. 전조합은 도서관 분류표와 유사한 주제 메뉴를 제공하는, 디렉토리에 기반한 서비스에서 많이 사용한다. 이것의 예는 Napier University Library의 Internet Resource와 BUBL의 LINK Service이다.
후조합 탐색은 인터넷상의 키워드 검색엔진에서 많이 사용한다. 그런데 선조합과 후조 합을 결합한 시스템도 많이 있다. 예를 들면, Yahoo는 복합 주제를 위계적으로 배열한 분류를 나타내는, 선조합 색인 용어 체인으로 후조합 키워드 탐색에 대응한다. 이용자는 이러한 기술을 결합하여 사용할 수 있다.
참고문헌
- 김기영(2008), 전문색인에 있어서 수작업 색인과 자동색인의 특성, 한국정보관리학회
- 김강희(1999), 분야별 색인기법을 이용한 인터넷 검색엔진 설계, 경북대학교 전자기술연구소
- 김진화 외 1명(2010), 의미 확산을 이용한 잠재 의미 색인 방법, 한국정보과학회
- 선우현승(2009), 색인 디자인 연구, 국민대학교
- 윤구호(1988), 주제색인법의 분석적 고찰 Ⅰ, 한국정보관리학회
- 장현성(1999), 내용 기반의 검색을 위한 효율적인 동영상 색인 기법, 서울대학교

키워드

색인,   주제색인,   자동색인,   동영상색인,   문자이미지색인