4장 질의 언어 목 차 4.1 소개 4.2 키워드 기반 질의 4.3 패턴 정합 4.4 구조 질의 4.5 질의 프로토콜 4.6 연구 동향 및 쟁점 4.7 참고 문헌 고찰 최신정보검색론 Chapter 4

4.1 소개 질의 언어 : 검색 모델에 의존 - 연관 문서를 찾기 위해 문서의 내용(의미)과 문서의 구조(텍스트의 구문)를 이용 관련 기술 - 동의어 확장, 시소러스와 스테밍을 이용, 불용어 제거 종류 - 키워드 기반 질의 언어 : 단순 단어와 구, 불리안 연산자 - 패턴 정합: 복잡한 질의 - 텍스트 구조에 대한 질의: 특정 텍스트 모델에 매우 의존적 - 인터넷과 CD-ROM 출판사에서 사용되는 표준 프로토콜 최신정보검색론 Chapter 4

4.2 키워드 기반 질의 직관적, 작성 용이, 빠른 순위화 -> 널리 사용 종류 단일 단어 질의 문맥 질의 불리안 질의 자연언어 최신정보검색론 Chapter 4

4.2.1 단일 단어 질의 정의 알파벳은 문자와 분리자로 나누어지며, 단어는 분리자로 둘러싸인 문자열 4.2.1 단일 단어 질의 정의 알파벳은 문자와 분리자로 나누어지며, 단어는 분리자로 둘러싸인 문자열 - 질의 단어들 중 어느 하나라도 포함하고 있는 문서들이 검색 - 검색된 문서는 질의와의 연관도에 따라서 정렬 - 문헌에서의 단어 출현 빈도에 대한 두 가지 통계 값 단어 빈도(tf) : 어떤 단어가 한 문헌 내에서 몇 번 나타났는가 역문헌 빈도(idf) : 단어가 출현한 문헌 수의 역수 - 텍스트에서 나타난 정확한 위치에 대한 정보 최신정보검색론 Chapter 4

4.2.2 문맥 질의 문맥(근접한 다른 언어)에 나타난 단어 검색 구(Phrase) 근접도(proximity) 단일 단어 질의의 열 예) enhance retrieval -> ‘enhance the retrieval’ 근접도(proximity) 단어 혹은 구 사이에 허용되는 최대 거리 값과 함께 제공 예) enhance retrieval within 4 ‘enhance the power of retrieval…’ 최신정보검색론 Chapter 4

4.2.3 불리안 질의 질의 구문 트리 단말 노드는 기본 질의, 내부 노드는 연산자 최신정보검색론 Chapter 4 4.2.3 불리안 질의 질의 구문 트리 단말 노드는 기본 질의, 내부 노드는 연산자 [그림 4. 1] 질의 구문 트리의 예. 이 트리는 ‘translation’을 포함하며, ‘syntax’나 ‘syntactic’ 중 어느 하나라도 포함하는 모든 문서를 검색한다. 그림 4. 1 질의 구문 트리의 예. 이 트리는 ‘translation’을 포함하며, ‘syntax’나 ‘syntactic’ 중 어느 하나라도 포함하는 모든 문서를 검색한다. 최신정보검색론 Chapter 4

4.2.3 불리안 질의(계속) - 고전적인 불리안 시스템 e1 연산자 e2 OR AND BUT 4.2.3 불리안 질의(계속) e1 연산자 e2 OR e1 혹은 e2를 만족시키는 모든 문서, 중복 제거 AND e1 과 e2 둘 다 만족시키는 모든 문서 BUT e1을 만족시키지만 e2를 만족시키지 않는 모든 문서 - 고전적인 불리안 시스템 검색된 문서에 대한 순위가 제공되지 않음 > 퍼지 불리안, 확장 불리안 : 순위제공 최신정보검색론 Chapter 4

4.2.4 자연언어 불리안 질의 벡터모델 자연언어 질의의 단순한 추상화 문헌과 질의 모두 ‘용어-가중치’ 벡터로 간주 4.2.4 자연언어 불리안 질의 자연언어 질의의 단순한 추상화 벡터모델 문헌과 질의 모두 ‘용어-가중치’ 벡터로 간주 질의 벡터와 유사한 문헌 벡터 검색 최신정보검색론 Chapter 4

4.3 패턴 정합 패턴의 정의 종류 - 단어: 문자열, 기본 패턴 어떤 텍스트 조각에서 출현해야 하는 구문적 자질 - 단어: 문자열, 기본 패턴 - 접두사: 단어의 앞에 나타나는 문자열 예) comput* : ‘computer’,‘computation’,‘computing’ - 접미사: 단어의 마지막인 문자열 예) *ters : ‘computers’, ‘testers’, ‘painters’ - 부분 문자열: 단어의 내부에 나타내는 문자열 예) *tal* : ‘coastal’, ‘talk’, ‘metallic’ 최신정보검색론 Chapter 4

4.3 패턴 정합 (계속) 범위 오류허용 사전 순서상에서 두 문자열 사이에 있는 어떤 문자열과도 정합 예) ‘head’와 ‘hold’의 범위 : ‘hoax’, ‘hissing’ 오류허용 단어와 오류 임계값. ( 철자 오류 검색 ) 단어간의 유사도 모델 : Levenshtein 거리 (편집거리) 두 문자열을 같게 만들기 위한 문자 삽입, 삭제, 치환의 최소 수 예) ‘flower’ 와 ‘flo wer’ 의 편집거리는 1 최신정보검색론 Chapter 4

4.3 패턴 정합 (계속) 정규 표현식 문자열과 연산자들을 이용한 보다 일반적인 패턴 합집합 : e1 과 e2가 정규 표현식이라면 (e1 | e2)는 e1 혹은 e2와 정합 연쇄 : (e1, e2)는 e1 바로 다음에 e2가 인접 반복 : 만약 e가 정규 표현식이라면 (e*)는 e가 0번 혹은 그 이상 연속 예) ‘pro(blem | tein) (s | ε) (0 | 1 | 2)*’ (ε는 빈 문자열) -> ‘problem02’ ,’proteins’ . 최신정보검색론 Chapter 4

4.3 패턴 정합 (계속) 확장 패턴 정규 표현식의 부분 집합 문자 클래스 미리 정의된 문자 집합 내의 임의 문자와 정합 대소문자간의 정합, 글자 범위의 사용, 여집합, 열거, 대표문자 조건 표현: 패턴의 일부로 나타나거나 나타나지 않아도 좋은 부분 텍스트 내 임의 문자열과 정합되는 대표 문자 예) ‘flo’로 시작하여 ‘ers’로 끝나는 패턴: ‘flowers’,’flounders’ 패턴의 일부는 정확하게 정합, 다른 부분은 오류 포함도 가능 최신정보검색론 Chapter 4

4.4 구조 질의 a) 양식 형태의 고정 구조 b) 하이퍼텍스트 구조 c) 계층적 구조 최신정보검색론 Chapter 4

4.4.1 고정 구조 예) 전자우편 - 필드 - 질의 발신자, 날짜, 제목, 내용 필드 데이터베이스 테이블의 열에 대응 관계 모델(relational model)과 연결 - 질의 SQL(Structured Query Language) 확장 Oracle, Sybase, SFQL (4.5절 참고) 최신정보검색론 Chapter 4

4.4.2 하이퍼텍스트 방향성 그래프 (Directed Graph) 브라우징과 웹 탐색 결합 노드는 텍스트 링크는 노드 사이 혹은 노드 내 어떤 위치 사이에 존재하는 연결 브라우징과 웹 탐색 결합 WebGlimpse 전통적인 항해와 현재 노드의 인접 노드 내용에 의한 검색 기능 제공 최신정보검색론 Chapter 4

4.4.3 계층적 구조 [그림 4.3] 예 : 책의 한 페이지, 도식적인 모형, 그림을 검색하기 위한 파싱된 질의 최신정보검색론 Chapter 4

4.4.3 계층적 구조 (계속) 고정 텍스트 구조와 하이퍼텍스트 구조의 중간 예) 서적, 논문, 법률 문서, 구조화 프로그램 계층적 구조는 하이퍼텍스트보다 간단하기 때문에 빠른 질의 처리 알고리즘을 적용 종류 PAT 표현 겹침(overlapped) 리스트 참조 리스트 인접 노드 트리 정합 최신정보검색론 Chapter 4

4.4.3 계층적 구조 (계속) 계층적 모델의 예 겹침(overlapped) 리스트 참조 리스트 인접 노드 트리 정합 PAT 표현 텍스트 구조에 대한 새로운 색인 없이 텍스트 인덱스를 이용 겹침(overlapped) 리스트 PAT 수식을 발전 한 영역 내 지역이 서로 겹치는 것은 허용 중첩(nest) 되는 것은 불허 참조 리스트 구조화 텍스트의 정의와 탐색을 공통의 언어를 사용하여 통합 인접 노드 구조는 정적이고 계층적이어서 여러 개의 독립적인 구조가 같은 텍스트에 정의 트리 정합 트리 포함(tree inclusion) 연산에 의존 최신정보검색론 Chapter 4

4.5 질의 프로토콜 텍스트 데이터베이스 검색 Z39.50 1995년 ANSI와 NISO에서 표준으로 인정 클라이언트와 호스트 데이터베이스 관리기 사이에 표준 인터페이스를 이용하여 서지 정보 검색 서버와 클라이언트가 세션을 연결하는 방법, 정보를 통신하고 교환하는 방법 정의 초기에는 서지 정보(기계 가독형 목록 레코드:MARC) 위주였으나 점차 다른 형태의 정보도 검색할 수 있도록 확장 최신정보검색론 Chapter 4

4.5 질의 프로토콜 (계속) WAIS Wide Area Information Service (광역 정보 서비스) 1990년대 초반 웹이 유행하기 전에 많이 사용되던 프로토콜 WAIS의 목표는 네트워크 출판 프로토콜과 인터넷을 통하여 데이터베이스를 검색 최신정보검색론 Chapter 4

4.5 질의 프로토콜 (계속) CD-ROM 출판 분야에서의 질의 프로토콜 CCL: Common Command Language(공통 명령 언어) Z39.50에 기반한 NISO의 제안(Z39.58 혹은 ISO8777) 19개의 대화 명령어 정의, 고전적 불리안 모델에 기반 CD-RDx(Compact Disk Read only Data exchange) 클라이언트-서버 구조를 사용하며 대부분의 플랫폼에 구현 고정길이 필드 영상 및 음성을 허용 CIA, NASA, GSA와 같은 미국 국가 기관이 지원 최신정보검색론 Chapter 4

4.5 질의 프로토콜 (계속) SFQL Structured Full-text Query Language (구조화 전문 질의 언어) SQL에 기반, 클라이언트-서버 구조 사용 항공우주 분야에서 표준으로 채택 문서는 관계 테이블에서 하나의 행으로 표시, SGML을 이용해 태깅 예) Select abstract from journal.papers where title contains "text search“ 불리안 및 논리 연산, 시소러스, 근접 연산, 대표 문자, 반복 등을 표시하기 위한 특수 문자 지원 최신정보검색론 Chapter 4

4.6 연구 동향 및 쟁점 Model Queries allowed 시각적 질의 언어 Boolean word, set operation Vector Words Probabilistic words BBN(신념망) 표 4.1 질의 유형과 모델간의 관계 시각적 질의 언어 시각 메타포(metaphore): 초보자의 복잡한 불리안 질의 작성에 도움 사용자 인터페이스의 시각화 (10장 참조) 최신정보검색론 Chapter 4

4.6 연구 동향 및 쟁점 (계속) 최신정보검색론 Chapter 4 [그림 4, 4] 질의 유형과 구조화 방법

4.7 참고 문헌 고찰 고전적 질의 언어(단순 패턴, 불리안 모델, 고정 구조) 퍼지 불리안 모델: [703] Fulcrum, Verity 등 현재 상용 시스템 및 Glimpse[540], Igrep[26]과 같은 비상용 시스템에 기초 퍼지 불리안 모델: [703] Levenshtein 거리: [504]와 [25] Soundex : [445], 서로 다른 유사 모델의 성능 비교는 [595] 정규식에 대한 설명은 [373], 확장 패턴의 여러 언어는 [837] 하이퍼텍스트에 대한 고전적 소개 [181] WebGlimpse 시스템 [539] 계층적 텍스트 [41] 최신정보검색론 Chapter 4