Journal of IKEEE (전기전자학회논문지)

Institute of Korean Electrical and Electronics Engineers (한국전기전자학회)
권호 표지

eCRM Agent System for Articles Automatic Classification System based on Naive Bayesian Classifier

나이브 베이지안 분류기를 이용한 게시물 자동 분류를 위한 eCRM 에이전트 시스템

  • Choi, Jung-Min (Department of Computer Engineering, University of Incheon) ;
  • Lee, Byoung-Soo (Department of Computer Engineering, University of Incheon)
  • 최정민 (인천대학교 컴퓨터공학과) ;
  • 이병수 (인천대학교 컴퓨터공학과)
  • Published : 2004.12.01
Download PDF
⟨ Previous Next ⟩

Abstract

The customer's bulletin board is the important channel to get opinions from customers directly. The effective management of the bulletin board for the customer improves the reliance by providing the best replies and by accepting opinions of the customer and furthermore, that can raise the customer's reliance of the whole shopping mall is the important eCRM method. But, the present mostly customer's bulletin board is been replied without any classifying about many kinds of question. Consequently, The shopping mall should do systematic management of the best professional reply about many kinds of question. In order to resolve this problem, we implement a classifier called Naive Bayesian classifier is classified automatically bulletin board for eCRM of shopping mall.

최근 전자 상거래에서 사용하고 있는 게시판은 고객의 능동적인 참여로 운영되며, 게시물은 고객의 직접적인 의사를 들을 수 있는 인 바운드(Inbound)정보로서 다른 eCRM을 위한 고객 접점 채널 과는 성격이 다른 도구이다. 또한 게시판의 효과적인 운영은 게시판 자체의 신뢰도를 향상 시키고 나아가 전자 상거래 전체의 신뢰도를 높여 줄 수 있는 중요한 eCRM 도구이다. 그러나 현재 대부분의 전자상거래에서 운영하는 게시판은 기 분류된 카테고리를 고객이 직접 수동으로 선정하도록 되어 있고, 이렇게 임의로 분류되는 게시물에 대하여 체계적인 처리 과정 없이 답변이 이루어지기 때문에 답변을 하는데 많은 시간이 소요 되고 있으며, 정확한 답변이 이루어지지 않고 있는 실정이다. 따라서, 본 논문에서는 여러 가지 종류의 게시물에 대하여 나이브 베이지안 분류기를 이용하여 게시판의 기존 문제점의 해결과 효과적인 운영 그리고 게시물의 체계적인 분류 관리를 할 수 있는 게시물 자동 분류기를 설계하고 구현하였다. 아울러 문서 분류 학습 기법 중 대표적인 TFIDF. k-NN, 나이브 베이지안 기법들의 게시물 분류 성능을 측정하여 채택한 나이브 베이지안 분류기의 우수성을 확인 하였다.

Keywords

References

  1. MACHINE LEARNING Michell, Tom M.
  2. Proceeding of the 3rd Annual Symposium on Document Analysis and Information Retrieval A Comparison of Two Learning Algorithms for Text Categorization Lewis, D.D.;Ringuette, M.
  3. Proceedings of SIGIR-99 A Re-Examination of Text Categorization Methods Yang, Y.;Liu, X.
  4. A Bayesian Approach to Filtering Junk e-mail, AAAI Technical Report WS-98-05 Sahami;Dumais, S.;Heckerman, D.;Horvitz, E.
  5. AAAI-98 Worksop on Learning for Text Categorization A Comparison of Event Models for naive Bayes Text Classification McCallum, A.;Nigam, K.
  6. Personal WebWatcher: Design and Implementation, Technical Report IJS-DP-7472 Mladenic, D.
  7. IEEE Experts v.12 no.5 The InfoFinder agent: Learning user interests through heuristic phrase extraction Krulwich, B.;Burkey, C.
  8. Machine Learning v.27 no.3 Learning and revising user profiles: The identification of interesting Web sites Pazzani, M.;Billsus, D.
  9. Communications of the ACM v.37 no.7 Agent That Reduce Work and Information Overload Maes, P.
  10. Proceedings of the 9th IEEE Conference on AI for Applications Evolveing Agents for Personalized Information Filtering Sheth, B.;Maes, P.
  11. Proceedings of ICML-97, 14th International Conference on Machine Learning A comparative study on feature selection in text categorization Yang, Y.;Pedersen, J.O.
  12. Information Retrieval v.1 no.1-2 An evaluation of statistical approaches to text categorization Yang, Y.
  13. AAAI Spring Learning Rules that Classify E-Mail Cohen, William W.
  14. CONALD-98 Feature Selection for Classification Based on Text Hierarchy, Working notes of Learning from Text and the Web Mladenic, D.;Grobelink, M.
  15. Ensemble approach to Naive Bayesian e-mail classifier Youn, J.S.;Kwan, Y.S.
  16. Proceedings of ICPADS-2001, IEEE Comput. Soc. BClassifier: a personal agent for bookmark classification Myoung, Soon-Hee;Choi, Jung-Min;Kim, In-Cheol