오픈 백과사전을 이용한 개념망 구축과 시각화

Abstract

Text-mining is capturing underlying concepts or their relationships from a text stream. Wikipedia, open encyclopedia, is a rich resource for automatic semantic annotation by utilizing tex-mining technique. Since an encyclopedia contains useful information about a historical person (e.g., Einstein), such information facilitates students to study. So, exploiting Wikipedia to recognize educational entities (i.e., achievement, policy, theory, book) for a historical person is quite helpful, while students study about the person. In this paper, we propose an automatic summarization system for historical people by utilizing text-mining techniques on Wikipedia corpus. Specifically, two different tasks are formulated; 1) automatic educational concept identification; 2) visualization of extracted concepts. Firstly, we define education concepts as important entities to denote the achievements of a historical person (e.g., written book, developed theory, policy, relevant people). Based on this definition, we next developed a statistical classifier for education concept extraction. We devised 4 different features; 1) lexico-syntactic patterns, 2) co-occurrence probability, 3) language model probability, 4) Wikipedia link information, and in the experiment, those achieved 89% F-Measure accuracy. Finally, we developed a visualizing tool for the extracted concepts, which works effectively as an educational assistant tool. As a result, we can conclude our system is valuable to enhance the studying abilities of students.;웹을 기반으로 한 오픈 백과사전은 지식 마이닝을 위한 유익한 지식 저장소로서 각광을 받아왔다. 본 연구에서는 이러한 웹 기반의 오픈 백과사전의 지식 추출로서의 유용성을 교육적 목적으로 활용하기 위한 방법론과 그러한 활용을 효과적으로 보이기 위한 효과적인 어플리케이션을 개발하였다. 즉, 웹 자원을 통해서 교육 지식을 자동적으로 찾아내고, 찾아낸 지식을 효과적으로 활용하기 위해서 지식 망을 시각화하였다. 그러기 위해서 우선 초․중등 학생들의 교육에서 활용될 교육 지식을 교육 개념 및 관련 연관성으로 정의하고, 정의된 개념을 추출하기 위해서 교과서에 중요하게 다루어지는 위인들을 중심으로 위인들과 관련 깊은 인물이나 업적을 나타내는 어구를 중심으로 교육 개념을 추출한다. 이러한 개념 추출을 위해서, 중요 어구들의 출현 패턴을 바탕으로 한 어휘 구조 패턴과 여러 가지 확률 모델에 기반을 두어 기계학습 기반의 교육 개념 분류기를 고안하였다. 제안된 실험에서 고안된 분류기는 89% 정확도를 보였다. 그리고 추출된 교육 개념을 연관성을 기반으로 링크하여 교육 지식 망을 구현하고 이것을 시각적으로 표현하였다. 결론적으로 본 논문에서 제안한 교육 지식과 그러한 지식을 표현한 시각화된 교육 망이 학교 수업에서 효과적으로 활용될 수 있다고 본다.