The text is an important medium to acquire knowledge. The knowledge representation in a text is verbal and sequential, while the knowledge in long-term memory is the network of mental representations. When searching,
comprehending, learning, and recalling the information in a text, a human utilizes prior knowledge to manipulate the information. So, the difference between two types of knowledge representation induces high cognitive load that contributes to mental exhaustion. Thus, it is essential to present the text in a similar form to the human knowledge structure. To this end, I propose a topic schema network to represent the information in a text, and I proposed the method to model the topic schema network as a computable form from a document. To model the topic schema network, I proposed to use burst durations of a concept as a source instead of the individual occurrence of a word, and elaborated the method for extracting topic schema networks based on the co-burst durations. When evaluating against the human-created concept map, the method based on co-burst durations effectively extracted association relationships. The results show that the burst durations of a word and co-burst durations can be a useful source for detecting topic schema model. Furthermore, I developed the system which visualizes the topic schema, and the experiment result shows that the topic schema helps users to seek information in the particular part of a long document by providing the efficient way to find the location of information and guess the gist of a specific part.
텍스트는 지식 획득의 중요한 매개체이다. 텍스트에 포함된 지식의 형태는 언어적이며 순차적인데
반하여, 사람의 장기 기억의 지식은 심적 표상으로 이루어진 네트워크의 형태를 가진다. 텍스트에
담긴 정보에 대한 검색, 이해, 학습, 회상의 작업에, 사람은 내면의 지식을 활용해서 외부 지식을
다루게 되므로, 지식 형태의 차이가 인지적 부담으로 연결된다. 따라서 텍스트의 정보를 사람의
지식 형태와 가깝게 표현하는 것이 유용할 것이라 예상한다. 이를 위해서 ‘토픽 스키마
네트워크’라는 문서 지식의 표현 방식을 제안하고, 문서로부터 추출하는 방법을 제시한다. 또한,
토픽 스키마 네트워크를 문서로부터 추출하기 위해서 개별 단어의 위치가 아니라 단어의 버스트
(burst) 구간을 이용할 것을 제안하고, 단어들의 동시 버스트 (co-burst) 구간을 기반으로 토픽
스키마 네트워크를 추출한다. 사람이 만든 컨셉맵과 비교 실험을 통해서 코버스트 구간이 단어
간의 연관성을 잘 나타내고, 버스트와 코버트스 구간이 토픽 스키마를 모델링 하는 데 중요한
정보원이 될 수 있음을 보였다. 다음으로, 토픽 스키마를 시각화하는 시스템을 개발하고, 실험을
통해 긴 문서에서의 정보 찾기 과업 수행 시 정보의 위치 발견과 내용 예측에 토픽 스키마
네트워크가 유용함을 보였다.
