KR20090069874A - 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한기록매체 - Google Patents

지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한기록매체 Download PDF

Info

Publication number
KR20090069874A
KR20090069874A KR1020070137691A KR20070137691A KR20090069874A KR 20090069874 A KR20090069874 A KR 20090069874A KR 1020070137691 A KR1020070137691 A KR 1020070137691A KR 20070137691 A KR20070137691 A KR 20070137691A KR 20090069874 A KR20090069874 A KR 20090069874A
Authority
KR
South Korea
Prior art keywords
similarity
analysis
knowledge map
keyword
selection
Prior art date
Application number
KR1020070137691A
Other languages
English (en)
Inventor
박만희
이상필
배상진
송인석
전성진
신수미
Original Assignee
한국과학기술정보연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술정보연구원 filed Critical 한국과학기술정보연구원
Priority to KR1020070137691A priority Critical patent/KR20090069874A/ko
Publication of KR20090069874A publication Critical patent/KR20090069874A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법 및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체에 관한 것으로, (a) 주제영역을 선정하고 관련정보를 수집하여 분석데이터를 수정 및 보정하는 데이터 선정 단계와; (b) 상기 선정된 데이터의 유사도행렬을 작성하는 유사도 행렬작성 단계와; (c) 상기 유사도행렬을 이용하여 유사성이 있는 대상들을 다수개의 군집(집단)으로 그룹핑하는 클러스터링 단계; 및 (d) 상기 군집 내의 분석대상들 간의 연결관계를 표현하는 시각화 단계;를 포함함으로써, 분석대상 데이터의 안정성을 증가시킬 수 있다.
지식맵, 분석, 키워드, 유사도계수, 선정

Description

지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법 및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체{Method Of Selecting Keyword And Similarity Coefficient For Knowledge Map Analysis, And System Thereof And Media That Can Record Computer Program Sources For Method Therof}
본 발명은 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법 및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체에 관한 것으로, 특히 분석대상 데이터의 안정성을 증가시킬 수 있는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법 및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체에 관한 것이다.
기존 연구를 고찰해볼 때 어떤 유사계수를 선정하는 것이 분석하고자 하는 관심분야의 기술수준과 발전행태를 가장 잘 표현하는지 명확한 기준은 존재하지 않는다. 유사계수 선정과 관련된 선행 연구를 살펴보면 도 1과 같이 정리할 수 있다. 벡터구성요소의 성질에 따라 가중치 벡터와 이진 벡터로 구분하고 선호되는 유사계 수를 밝힌 연구와 중요단어의 빈도수준에 따라 고빈도어 선호, 저빈도어 선호로 구분하여 선호되는 유사계수를 조사하였다.
유사계수 선정 시 원하는 전략맵의 행태나 양상에 따라 최적 유사계수는 달라질 수 있으므로 최적 유사계수 선정알고리즘이 필요하다. 기존 방법론에서는 최적유사계수 선정기준이 제시되지 못하여 수행도가 높은 유사계수가 선정되지 못하고 일반적으로 널리 이용되는 유사계수가 활용되고 있다. 출현행렬의 행태에 따른 최적 유사계수 선정기준 및 알고리즘을 제시한다.
따라서, 본 발명은 상기 문제점을 해결하기 위하여 이루어진 것으로, 본 발명의 목적은 분석대상 데이터의 안정성을 증가시킬 수 있는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법 및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체를 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명에 의한 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법은, (a) 주제영역을 선정하고 관련정보를 수집하여 분석데이터를 수정 및 보정하는 데이터 선정 단계와; (b) 상기 선정된 데이터의 유사도행렬을 작성하는 유사도 행렬작성 단계와; (c) 상기 유사도행렬을 이용하여 유사성이 있는 대상들을 다수개의 군집(집단)으로 그룹핑하는 클러스터링 단계; 및 (d) 상기 군집 내의 분석대상들 간의 연결관계를 표현하는 시각화 단계;를 포함하는 것을 특징으로 한다.
상기 데이터 선정 단계는 분석대상 기술분야별 과제정보에 대하여 텍스트마이닝을 수행하여 키워드 혹은 색인어의 발생빈도를 구하고, 상기 발생빈도에 대하여 평균과 표준편차를 구하고, 평균±3(표준편차) 범위 내에 있는 키워드나 색인어를 분석대상으로 활용하는 것을 특징으로 한다.
상기 유사도 행렬작성 단계는 동시출현행렬을 작성하는 단계; 및 상기 동시 출현행렬의 표준화를 수행하는 단계;를 포함하는 것을 특징으로 한다.
상기 유사도 행렬작성 시 이용할 수 있는 유사계수는 피어슨 상관계수, 코사인, 자카드, 다이스, 우도비, 카이제곱통계량을 포함하는 것을 특징으로 한다.
상기 클러스터링 단계는 주성분 분석을 이용한 요인분석과, 계층적, 비계층적 클러스터링 기법, 네트워크분석을 포함하는 것을 특징으로 한다.
상기 계층적 클러스터링 기법은 단일결합기준, 완전결합기준, 평균결합기준, 와드 방법(wards method)을 포함하는 것을 특징으로 한다.
상기 비계층적 클러스터링 기법은 K-means 클러스터링 기법을 포함하는 것을 특징으로 한다.
상기 시각화 단계는 스프링(Sping), 다차원 척도법, 어플라이드(Applied), 심플(Simple) 방법을 포함하는 것을 특징으로 한다.
또한, 상기 목적을 달성하기 위한 본 발명에 의한 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 시스템은, 데이터를 선정한 후 유사도행렬을 작성하고, 상기 유사도행렬을 이용하여 유사성이 있는 대상들을 다수개의 군집(집단)으로 그룹핑한 후 상기 군집 내의 분석대상들 간의 연결관계를 시각화하는 것을 특징으로 한다.
또한, 상기 목적을 달성하기 위한 본 발명에 의한 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법에 대한 컴퓨터 프로그램을 저장한 기록매체는 특허청구범위 제1항 내지 제8항 중 어느 한 항에 기재된 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법에 대한 컴퓨터 프로그램을 저장한 기록매체인 것을 특징으로 한다.
본 발명에 의한 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법 및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한 기록매체에 의하면, 전략맵 도출을 위하여 분석대상으로 하는 정보는 국가연구개발사업 관련 정보 중 국가연구개발과제의 과제명, 한글키워드, 연구개요, 연구목표, 기대효과 항목을 이용한다. 분석에서 이용되는 키워드 혹은 색인어 선정과정에서 분석대상 기술분야별 과제정보에 대하여 텍스트마이닝을 수행하여 키워드 혹은 색인어의 발생빈도를 구한다. 발생빈도에 대하여 평균과 표준편차를 구하고, 평균±3(표준편차) 범위내에 있는 키워드나 색인어를 분석대상으로 활용한다. 동 방법을 이용하는 이유는 기존 방법론에서 키워드 선정기준에 대한 명확한 근거나 기준이 존재하지 않으며, 평균±3(표준편차) 기준을 적용하면 이상치(oulier)가 제거되어 분석대상 데이터의 안정성을 증가시킬 수 있다.
이하, 본 발명의 바람직한 실시 예에 대해 첨부된 도면을 참조하여 더 상세히 설명하기로 한다.
실시 예
도 2는 본 발명의 실시 예에 의한 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법을 나타낸 동작 흐름도이다. 그리고, 도 3은 도 2에 도시된 데이터 선정 방법을 나타낸 동작 흐름도이고, 도 4는 도 2에 도시된 유사도행렬작성 방법을 나타낸 동작 흐름도이고, 도 5는 도 2에 도시된 클러스터링 방법을 나타낸 동작 흐름도이다.
먼저, 전략맵(Strategic Map)은 논문 또는 특허자료의 키워드, 인용, 공동저술, 공동분류 등의 동시출현(Co-occurrence)에 숨어 있는 데이터의 통계적 특성을 활용하여 분석한 지식구조를 시각적 형태의 맵으로 표현하는 방법이다. 거대하고 복잡한 데이터를 가시화하는 것은 보다 짧은 시간 안에 보다 전체 모습을 개관할 수 있도록 해주며, 이를 이용하여 미래연구의 방향성을 예측할 수 있도록 해주는 방법론으로 평가되고 있다. 지식맵을 이용한 시계열적 분석은 새로운 연구활동의 출현, 과학적 도구의 중요성, 융합과 전문화 같은 과학기술분야의 시간흐름에 따른 중요한 변화 등 과학기술 구조의 역동성을 파악할 수 있다.
전략맵 분석에 이용되는 주요 분석기법으로는 군집분석(Cluster analysis), 다차원척도법(Multi-dimensional Scaling), 요인분석, 그래프모형에 근거한 사회네트워크분석(Social Network Analysis), 그리고 이러한 기법의 조합 등이 있다. 이러한 다양한 분석방법을 이용하여 전략맵을 구축하는 주요 단계를 정리하면 다음과 같다. 주요 단계는 데이터선정, 유사도행렬작성, 클러스터링, 시각화로 요약할 수 있다(도 2 참조).
상기 데이터선정 단계(단계 S100)에서는 주제영역선정, 관련정보 수집, 분석 데이터 수정 및 보정을 수행한다(도 3 참조).
상기 유사도행렬작성 단계(단계 S200)에서는 동시출현행렬을 작성하고 동시출현행렬의 표준화를 수행한다(도 4 참조). 유사도 행렬작성 시 이용할 수 있는 유사계수에는 피어슨 상관계수, 코사인, 자카드, 다이스, 우도비, 카이제곱통게량 등 다양한 유사계수가 존재하므로 이를 선정하는 작업이 매우 중요하다.
상기 클러스터링 단계(단계 S300)에서는 유사도 계수를 이용하여 유사성이 있는 대상들을 다수개의 군집(집단)으로 그룹핑하는 작업을 수행한다(도 5 참조). 클러스터링 기법에는 주성분분석을 이용한 요인분석과 계층적, 비계층적 클러스터링 기법, 네크워크 분석 등이 있다. 이때, 상기 계층적 클러스터링 기법에는 단일결합기준(single linkage), 완전결합기준(complete linkage), 평균결합기준(average linkage), 와드방법(wards method)이 있고, 비계층적 클러스터링 기법에는 K-means 클러스터링 기법이 있다.
마지막으로, 상기 시각화 단계(단계 S400)에서는 클러스터 내의 분석 대상들간의 연결관계를 표현하는 것이다. 시각화방법에는 스프링(Spring), 다차원척도법, Applied, Simple 방법 등이 있다.
전략맵 도출을 위하여 분석대상으로 하는 정보는 국가연구개발사업 관련 정보 중 국가연구개발과제의 과제명, 한글키워드, 연구개요, 연구목표, 기대효과 항목을 이용한다. 분석에서 이용되는 키워드 혹은 색인어 선정과정에서 분석대상 기술분야별 과제정보에 대하여 텍스트마이닝을 수행하여 키워드 혹은 색인어의 발생빈도를 구한다. 발생빈도에 대하여 평균과 표준편차를 구하고, 평균±3(표준편차) 범위내에 있는 키워드나 색인어를 분석대상으로 활용한다. 동방법을 이용하는 이유는 기존 방법론에서 키워드 선정기준에 대한 명확한 근거나 기준이 존재하지 않으며, 평균±3(표준편차) 기준을 적용하면 이상치(oulier)가 제거되어 분석대상 데이터의 안정성이 증가한다.
이상의 본 발명은 상기에 기술된 실시 예들에 의해 한정되지 않고, 당업자들에 의해 다양한 변형 및 변경을 가져올 수 있으며, 이는 첨부된 특허청구범위에서 정의되는 본 발명의 취지와 범위에 포함되는 것으로 보아야 할 것이다.
도 1은 종래기술에 따른 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법을 나타낸 도표
도 2는 본 발명의 실시 예에 의한 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법을 나타낸 동작 흐름도
도 3은 도 2에 도시된 데이터 선정 방법을 나타낸 동작 흐름도
도 4는 도 2에 도시된 유사도행렬작성 방법을 나타낸 동작 흐름도
도 5는 도 2에 도시된 클러스터링 방법을 나타낸 동작 흐름도

Claims (10)

  1. 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법에 있어서,
    (a) 주제영역을 선정하고 관련정보를 수집하여 분석데이터를 수정 및 보정하는 데이터 선정 단계와;
    (b) 상기 선정된 데이터의 유사도행렬을 작성하는 유사도 행렬작성 단계와;
    (c) 상기 유사도행렬을 이용하여 유사성이 있는 대상들을 다수개의 군집(집단)으로 그룹핑하는 클러스터링 단계; 및
    (d) 상기 군집 내의 분석대상들 간의 연결관계를 표현하는 시각화 단계;를 포함하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  2. 제 1 항에 있어서, 상기 데이터 선정 단계는:
    분석대상 기술분야별 과제정보에 대하여 텍스트마이닝을 수행하여 키워드 혹은 색인어의 발생빈도를 구하고, 상기 발생빈도에 대하여 평균과 표준편차를 구하고, 평균±3(표준편차) 범위 내에 있는 키워드나 색인어를 분석대상으로 활용하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  3. 제 1 항에 있어서, 상기 유사도 행렬작성 단계는:
    동시출현행렬을 작성하는 단계; 및
    상기 동시출현행렬의 표준화를 수행하는 단계;를 포함하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  4. 제 3 항에 있어서, 상기 유사도 행렬작성 시 이용할 수 있는 유사계수는:
    피어슨 상관계수, 코사인, 자카드, 다이스, 우도비, 카이제곱통계량을 포함하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  5. 제 1 항에 있어서, 상기 클러스터링 단계는:
    주성분 분석을 이용한 요인분석과, 계층적, 비계층적 클러스터링 기법, 네트워크분석을 포함하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  6. 제 5 항에 있어서, 상기 계층적 클러스터링 기법은:
    단일결합기준, 완전결합기준, 평균결합기준, 와드 방법(wards method)을 포 함하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  7. 제 5 항에 있어서, 상기 비계층적 클러스터링 기법은:
    K-means 클러스터링 기법을 포함하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  8. 제 1 항에 있어서, 상기 시각화 단계는:
    스프링(Sping), 다차원 척도법, 어플라이드(Applied), 심플(Simple) 방법을 포함하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법.
  9. 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 시스템에 있어서,
    데이터를 선정한 후 유사도행렬을 작성하고, 상기 유사도행렬을 이용하여 유사성이 있는 대상들을 다수개의 군집(집단)으로 그룹핑한 후 상기 군집 내의 분석대상들 간의 연결관계를 시각화하는 것을 특징으로 하는 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 시스템.
  10. 제1항 내지 제8항 중 어느 한 항에 기재된 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법에 대한 컴퓨터 프로그램을 저장한 기록매체.
KR1020070137691A 2007-12-26 2007-12-26 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한기록매체 KR20090069874A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070137691A KR20090069874A (ko) 2007-12-26 2007-12-26 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070137691A KR20090069874A (ko) 2007-12-26 2007-12-26 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한기록매체

Publications (1)

Publication Number Publication Date
KR20090069874A true KR20090069874A (ko) 2009-07-01

Family

ID=41321475

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070137691A KR20090069874A (ko) 2007-12-26 2007-12-26 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한기록매체

Country Status (1)

Country Link
KR (1) KR20090069874A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012060502A1 (ko) * 2010-11-02 2012-05-10 한국과학기술정보연구원 연구주체간의 상관관계 추론을 위한 시스템 및 방법
KR20140146439A (ko) * 2013-06-17 2014-12-26 고려대학교 산학협력단 특허 키워드 분석에 기반한 부상 기술 예측 장치 및 방법
KR101684442B1 (ko) * 2015-08-20 2016-12-08 한국과학기술정보연구원 정보분석 장치 및 방법
KR20190018480A (ko) * 2016-07-25 2019-02-22 가부시키가이샤 스크린 홀딩스 텍스트 마이닝 방법, 텍스트 마이닝 프로그램, 및 텍스트 마이닝 장치
CN109446342A (zh) * 2018-10-30 2019-03-08 沈阳师范大学 一种基于赫希曼指数的中小学教育知识图谱分析方法及系统
KR102345299B1 (ko) * 2021-07-08 2021-12-31 주식회사 크라우드웍스 크라우드소싱 기반 프로젝트의 특성에 따른 인공지능 기반 교재 제작 서비스 제공 방법 및 장치
CN117891958A (zh) * 2024-03-14 2024-04-16 中国标准化研究院 一种基于知识图谱的标准数据处理方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012060502A1 (ko) * 2010-11-02 2012-05-10 한국과학기술정보연구원 연구주체간의 상관관계 추론을 위한 시스템 및 방법
KR20140146439A (ko) * 2013-06-17 2014-12-26 고려대학교 산학협력단 특허 키워드 분석에 기반한 부상 기술 예측 장치 및 방법
KR101684442B1 (ko) * 2015-08-20 2016-12-08 한국과학기술정보연구원 정보분석 장치 및 방법
KR20190018480A (ko) * 2016-07-25 2019-02-22 가부시키가이샤 스크린 홀딩스 텍스트 마이닝 방법, 텍스트 마이닝 프로그램, 및 텍스트 마이닝 장치
CN109446342A (zh) * 2018-10-30 2019-03-08 沈阳师范大学 一种基于赫希曼指数的中小学教育知识图谱分析方法及系统
KR102345299B1 (ko) * 2021-07-08 2021-12-31 주식회사 크라우드웍스 크라우드소싱 기반 프로젝트의 특성에 따른 인공지능 기반 교재 제작 서비스 제공 방법 및 장치
CN117891958A (zh) * 2024-03-14 2024-04-16 中国标准化研究院 一种基于知识图谱的标准数据处理方法
CN117891958B (zh) * 2024-03-14 2024-05-24 中国标准化研究院 一种基于知识图谱的标准数据处理方法

Similar Documents

Publication Publication Date Title
CN101692223B (zh) 响应于用户输入精炼搜索空间
Mencía et al. Efficient voting prediction for pairwise multilabel classification
US9317593B2 (en) Modeling topics using statistical distributions
CN101408886B (zh) 通过分析文档的段落来选择该文档的标签
US20140280241A1 (en) Methods and Systems to Organize Media Items According to Similarity
CN108140025A (zh) 用于图形生成的结果分析
KR20090069874A (ko) 지식맵 분석을 위한 키워드 선정 및 유사도계수 선정 방법및 그 시스템과 그 방법에 대한 컴퓨터 프로그램을 저장한기록매체
JP2010541092A5 (ko)
CN101404015A (zh) 自动生成词条层次
Galbrun et al. What is redescription mining
Sumathi et al. Data mining: analysis of student database using classification techniques
Chakraborty et al. Performance comparison for data retrieval from nosql and sql databases: a case study for covid-19 genome sequence dataset
Al Ghoson Decision tree induction & clustering techniques in SAS enterprise miner, SPSS clementine, and IBM intelligent miner a comparative analysis
Vogelgesang et al. PMCube: a data-warehouse-based approach for multidimensional process mining
Nasution A method for constructing a dataset to reveal the industrial behaviour of big data
Kadhim et al. Combined chi-square with k-means for document clustering
Al-Najdi et al. Frequent closed patterns based multiple consensus clustering
Rajkumar et al. A critical study and analysis of journal metric ‘CiteScore’cluster and regression analysis
Wang et al. A Markov logic network method for reconstructing association rule-mining tasks in library book recommendation
Szymczak et al. Coreference detection in XML metadata
KR100952634B1 (ko) 정보분석 시스템 및 그 정보분석 방법
Srinivas et al. A Comprehensive Survey of Big Data in the Age of AI
Ma Clustering of Time Series Data: Measures, Methods, and Applications
Wilhelm Data and knowledge mining
Alfred et al. k-NN ensemble DARA approach to learning relational

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application