1. - An Unsupervised Feature Extraction for Document Clustering - 正田 备也 Tomonari MASADA 长崎大学 Nagasaki University [email_address] DOCUMENTS AS A BAG OF MAXIMAL SUBSTRINGS

6. 在第六次人口普查数据中，值得注意的是中国人口的年龄结构变化。普查结果显示，大陆 31 个省份和现役军人的人口中， 0-14 岁人口占 16.60% ； 15-59 岁占 70.14% ； 60 岁及以上人口占 13.26% ，其中 65 岁及以上人口占 8.87% 。 同第五次全国人口普查相比， 0-14 岁人口的比重下降 6.29 个百分点， 15-59 岁人口的比重上升 3.36 个百分点， 60 岁及以上人口的比重上升 2.93 个百分点， 65 岁及以上人口的比重上升 1.91 个百分点。 马建堂表示， 1980 年以后，特别是近十年，老龄人口比重增加，少儿年龄的比重在缩小，“这样的状况，大家都在思索中国的人口政策和计划生育政策。” 他认为，计划生育工作取得了举世瞩目的成就，有效控制了人口过快增长。此外，中国要重视人口发展出现的一些新情况、新变化，坚持计划生育的基本国策，稳定适度低生育的水平，同时兼顾当前和长远，科学研究、认真评估，慎重地、逐步地完善人口计划生育政策，统筹解决人口问题。

7. 工作 12119 表示 12107 于 12027 名 11993 问题 11965 已 11906 后 11854 更 11812 就 11792 从 11486 进行 11180 以 10902 地区 10712 被 10368 要 10209 但 10047 还 9927 目前 9700 总统 9658 企业 9582 北京 9114 向 9041 合作 8982 时 8969 市场 8873 一个 8668 年 8665 最 8570 公司 8453 今年 8365 都 8286 组织 8235 而 8124 前 8073 元 8070 会 8034 举行 7980 出 7849 安全 7788 金融 7705 关注 7600 美元 7480 社会 7432 国 7393 人员 7330 内容 7324 次 7319 发生 7319 建设 7205 世界 7087 至 7086 地 6995 会议 6929 我们 6784 全国 6698 下 6692 报道 6648 关系 6570 增长 6493 通过 6476 政策 6392 认为 6251 有关 6184 价格 6149 能 6119 日本 6102 三 6094 请 6088 机构 6080 应 6014 没有 5997 其 5968 要求 5896 活动 5872 主要 5868 由 5855 部门 5662 已经 5624 影响 5616 加强 5609 投资 5507 新华社 5479 重要 5469 方面 5456 副 5437 来 5412 情况 5377 当天 5356 高 5292 可能 5285 管理 5277 内 5242 流感 5229 其中 5179 朝鲜 5074 危机 5071 银行 5052 甲型 5049 及 5047 时间 5021

8. 为 52758 是 52564 了 51612 月 51262 部 48568 上 47851 对 44310 地 42575 不 42441 政 42422 美 41441 业 41141 经 39598 出 38830 时 38796 者 38659 生 37414 家 36601 作 35987 以 35923 关 35642 全 35352 成 35198 方 35050 要 34279 市 34249 ３ 34237 中国 34144 公 33453 进 33437 个 33222 ５ 32887 华 32497 这 32313 于 32201 民 32125 前 32089 将 32040 0 32037 机 30320 长 29705 工 29641 多 29571 ９ 29539 到 29377 1 29320 加 28963 说 28478 来 28428 内 28382 展 28206 网 28142 电 27906 ８ 27643 合 27615 ６ 27442 ７ 27355 重 27024 记 26608 ４ 26598 员 26551 动 26496 开 26383 法 26338 主 26220 斯 26039 现 25456 区 25352 表 25350 高 25082 能 25007 下 24920 分 24850 总 24822 与 24504 同 24228 学 24012 事 23414 资 23173 定 23161 新华 23160 记者 23138 后 23122 力 22809 实 22796 本 22719 利 22424 产 22368 等 22253 建 22164 济 22124 2 21954 理 21889 金 21865 当 21783 报 21540 美国 21501 体 21429 议 21314 他 21303

9. 이날 본회의에서 한중일은 환경 정책과 지구ㆍ동북아시아 차원의 환경문제 극복을 위한 자국의 주요 정책을 소개하고 의견을 교환했다 . 특히 한ㆍ중 장관은 재난에 따른 환경 피해를 예방하기 위한 정보 공유의 필요성을 강조했다 . 한국은 녹색강국의 비전 실현을 위한 저탄소 녹색성장 프로그램 , 4 대강 살리기 대책 , 소음 대책을 비롯한 생활 공감 환경정책 등을 소개했다 . 중국은 제 11 차 5 개년 (2005~2011) 계획의 환경적 성과 , 제 12 차 5 개년 (2011~2015) 계획의 환경개선 목표 , 이산화황 (SO2) 등 주요 오염원 배출 저감지표 등을 설명했다 . 일본은 지난달 발생한 지진과 쓰나미의 피해상황과 대응책을 설명하고 그린 이노베이션 (Green Innovation), 지구온난화 대책 기술개발 , 환경영향평가법 개정 등 주요 환경정책을 소개했다 .

10. 기자 243772 이 230494 보기 216175 것 134963 기사 108662 블로그 105935 기자이 105461 등 103620 고 69754 2009 55899 수 54841 2008 49877 저 46713 지난 40253 kr 38759 co 38368 seoul 37869 한 37689 대통령 36856 서울 36258 한국 34117 정부 32053 대한 29792 씨 27762 그 27376 대표 26445 원 25405 하 25397 경기 24005 1 23754 의원 21790 미국 21777 당 21218 이날 20939 2 20767 뒤 20710 은행 20161 지난해 19926 때문 19720 때 19507 관련 19081 북한 18965 문제 18849 경제 18775 3 18259 〃 18014 만원 17979 금융 17673 회장 17628 시장 17503 기업 17103 김 16914 조사 16690 관계자 16601 경우 16326 지역 15895 나 15874 하지 15841 이상 15632 중 15594 이번 15460 연합 15443 뉴스 15387 이후 15329 달러 15232 우리 14962 삼성 14819 오전 14807 지원 14377 경찰 14303 한나라 14071 09 13825 04 13766 4 13744 05 13675 사업 13556 국회 13473 07 13412 국민 13363 08 13356 검찰 13354 03 13345 한나라당 13196 06 13105 상황 12998 말 12942 국내 12853 정책 12657 01 12593 10 12560 가운데 12513 02 12322 최근 12192 수사 12130 함 11998 두 11950 시간 11908 보 11887 사실 11843 이어 11704

11. 의를 9864 특히 9833 사가 9813 혐 9805 정을 9778 점을 9769 쳐 9764 수는 9756 앙 9751 혐의 9727 0 억원 9707 들에 9702 주택 9702 라며 9692 찬 9687 부의 9683 않았 9676 탄 9670 80 9661 색 9650 이를 9646 주장 9635 첫 9585 d 9581 기관 9545 탈 9536 긴 9508 이들 9444 회사 9428 전문 9421 문이 9414 하겠다 9392 돈 9360 와대 9351 기준 9350 청와 9347 사건 9344 청와대 9344 예정 9340 넷 9333 가장 9332 설명 9332 성을 9329 스 2 9323 렸다 9321 이사 9300 객 9299 큰 9288 자리 9286 시작 9283 들을 9272 원들 9259 확인 9258 지를 9255 발표 9248 뉴스 2 9247 찰은 9240 연합뉴스 2 9217 00 만원 9196 스 20 9186 스 200 9182 페 9174 뉴스 20 9171 뉴스 200 9167 연합뉴스 20 9166 연합뉴스 200 9162 전자 9158 볼 9149 하며 9130 안을 9127 찾 9115 좋 9108 없는 9105 정에 9065 70 9062 지적 9058 이지 9017 31 8998 휴 8962 보인 8951 끝 8922 롯 8910 럼 8861 국의 8833 추진 8804 5 년 8804 이고 8803 열린 8800 인다 8781 적이 8772 기획 8749 등에 8744 압 8717 는다 8717 력을 8715 이명 8703 중앙 8687 p 8681 자금 8670 것을 8667

13. Comparison Procedure maximal substrings words (supervised) document vectors document vectors document clustering document set document set document set

14. Suffix Array “ abracadabra$” $ a$ ra$ bra$ abra$ dabra$ adabra$ cadabra$ acadabra$ racadabra$ bracadabra$ abracadabra$ $ a$ ra$ bra$ abra$ dabra$ adabra$ cadabra$ acadabra$ racadabra$ bracadabra$ abracadabra$ 12 11 10 9 8 7 6 5 4 3 2 1 12 11 8 1 4 6 9 2 5 7 10 3 SAIS [Nong et al. 08]

15. BTW (Burrows-Wheeler Transform) “ abracadabra$” a r d * r c a a a a b b $ a$ ra$ bra$ abra$ dabra$ adabra$ cadabra$ acadabra$ racadabra$ bracadabra$ abracadabra$ $ a$ ra$ bra$ abra$ dabra$ adabra$ cadabra$ acadabra$ racadabra$ bracadabra$ abracadabra$

16. Extracting Maximal Substrings ...... ...... .... .... ...... .......... . .... ....._...._......_..._.........._......_.... ..... ....... .. .... . ...... .... ..... ...._...._......_...._.. ..... ... .. .... .. ... . . ... ... .... ..... ..._.._...._...._....._...._..

21. E step M step

23. E step M step

26. n 1 = 978,789 n 1 = 243,772

28. n 1 = 265,254 n 1 = 262,769