KR20240059932A - Method and device for recommending precedent related to malicious comments - Google Patents

Method and device for recommending precedent related to malicious comments Download PDF

Info

Publication number
KR20240059932A
KR20240059932A KR1020220141028A KR20220141028A KR20240059932A KR 20240059932 A KR20240059932 A KR 20240059932A KR 1020220141028 A KR1020220141028 A KR 1020220141028A KR 20220141028 A KR20220141028 A KR 20220141028A KR 20240059932 A KR20240059932 A KR 20240059932A
Authority
KR
South Korea
Prior art keywords
precedent
comments
precedents
malicious
big data
Prior art date
Application number
KR1020220141028A
Other languages
Korean (ko)
Inventor
이종복
이주석
김현우
Original Assignee
이종복
이주석
김현우
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 이종복, 이주석, 김현우 filed Critical 이종복
Priority to KR1020220141028A priority Critical patent/KR20240059932A/en
Publication of KR20240059932A publication Critical patent/KR20240059932A/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/18—Legal services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Technology Law (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

악플과 관련된 판례 추천 방법 및 장치가 개시된다. 본 발명의 실시 예에 따른 악플과 관련된 판례 추천 방법은, 대상 댓글의 특징 키워드를 추출하는 단계, 판례 빅데이터에 접속하는 단계, 추출한 대상 댓글의 특징 키워드를 이용하여 판례 빅데이터로부터 대상 댓글과 유사한 악성댓글 관련 판례를 추출하는 단계, 기설정된 유사도 비교 모델을 이용하여 추출한 악성댓글 관련 판례로부터 대상 댓글과 유사도가 높은 판례를 재추출하는 단계, 및 재추출된 판례를 사용자에게 추천하는 단계를 포함한다. 이에 의해, 악플과 관련된 판례를 손쉽게 추천받을 수 있다.A method and device for recommending precedents related to malicious comments are disclosed. A method for recommending precedents related to malicious comments according to an embodiment of the present invention includes the steps of extracting characteristic keywords of target comments; Step of accessing precedent big data, extracting precedents related to malicious comments similar to target comments from precedent big data using characteristic keywords of extracted target comments, target comments from precedents related to malicious comments extracted using a preset similarity comparison model It includes a step of re-extracting precedents with high similarity, and recommending the re-extracted precedents to the user. As a result, precedents related to malicious comments can be easily recommended.

Description

악플과 관련된 판례 추천 방법 및 장치 {METHOD AND DEVICE FOR RECOMMENDING PRECEDENT RELATED TO MALICIOUS COMMENTS}Method and device for recommending precedents related to malicious comments {METHOD AND DEVICE FOR RECOMMENDING PRECEDENT RELATED TO MALICIOUS COMMENTS}

본 발명은 악플과 관련된 판례 추천 방법 및 장치에 관한 것으로서, 보다 상세하게는, 악플과 관련된 고소 진행을 위한 판례를 손쉽게 찾아볼 수 있도록 한 악플과 관련된 판례 추천 방법 및 장치에 관한 것이다.The present invention relates to a method and device for recommending precedents related to malicious comments. More specifically, it relates to a method and device for recommending precedents related to malicious comments that allow users to easily find precedents for filing complaints related to malicious comments.

IT 기술의 발전에 따라, 남녀노소를 불문하고 온라인에 접속할 수 있는 기기들을 적어도 하나 이상 보유하고 있으며, 누구나 쉽게 콘텐츠를 제작하여 등록할 수 있음에 따라, 온라인 상에는 수많은 정보가 넘쳐나고 있다. With the advancement of IT technology, everyone, regardless of age or gender, has at least one device that can access online, and as anyone can easily create and register content, a lot of information is overflowing online.

일반적으로, 온라인 상에 게시된 콘텐츠는 콘텐츠를 게시한 사람과 콘텐츠를 시청하는 사람과의 상호 소통을 위해 댓글 기능이 제공된다. 온라인 콘텐츠에 대한 댓글은 해당 온라인 콘텐츠의 또 하나의 서브 콘텐츠가 될 수 있다. 즉, 댓글은 콘텐츠를 게시한 사람뿐만 아니라 다른 사용자들도 읽을 수 있기 때문에, 여러 사람에게 영향을 끼칠 수 있다. Generally, a comment function is provided for content posted online for mutual communication between the person who posted the content and the person watching the content. Comments on online content can become another sub-content of the online content. In other words, comments can be read by other users as well as the person who posted the content, so they can affect multiple people.

댓글 기능은, 해당 온라인 콘텐츠에 대한 감상평, 혹은 문의 사항들을 간단하게 기재하는 용도이지만, 경우에 따라서는 악의적으로 온라인 콘텐츠 및 해당 콘텐츠를 게시한 사람을 비방하는 내용을 포함하기도 한다. The comment function is intended to simply write reviews or inquiries about the online content, but in some cases, it may contain content that maliciously defames the online content and the person who posted the content.

악의적인 댓글을 '악플'이라 칭한다. 이러한 악플은 여러 사람에게 심리적, 및 금전적 피해를 주기도 한다. 그러므로, 악플로 인해 심각한 피해를 입은 사용자는 해당 악플러를 법적으로 처벌하기를 원할 수 있다. Malicious comments are called ‘malicious comments’. These malicious comments can cause psychological and financial damage to many people. Therefore, users who have suffered serious damage due to malicious comments may want to punish the malicious commenter legally.

온라인 상에서 이루어지는 행위인 관계로, 사용자는 어떠한 자료를 어떻게 수집하여야 할지를 알기 쉽지 않을 수 있다. 이 경우, 법적 처벌을 위한 고소 절차를 위해서는 이전에 악플과 관련된 판례를 찾아보는 것이 가장 좋은 방법이다. Because this is an online activity, it may not be easy for users to know what data to collect and how to collect it. In this case, the best way to file a complaint for legal punishment is to look up previous precedents related to malicious comments.

하지만, 일반적으로 판례는 빅데이터 형태로 기존 판례들을 모아 둔 상태에서, 판례의 대분류만을 제공하고 있으므로, 실제로 악플 관련 고소를 진행하고 하는 사용자들이 자신이 원하는 판례를 찾아보는 것은 매우 어려운 일이다.However, in general, precedents are a collection of existing precedents in the form of big data and only provide major classifications of precedents, so it is very difficult for users who actually file complaints related to malicious comments to find the precedents they want.

국내등록특허 제10-2341563호(2021. 12. 16. 공개)Domestic Registered Patent No. 10-2341563 (published on December 16, 2021)

전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 대상 악플의 특징 키워드 및 유사도를 이용하여 관련된 판례를 추출함으로써, 악플과 관련된 판례를 정확하게 추천할 수 있는 악플과 관련된 판례 추천 방법을 제시하는 데 있다.In order to solve the above-mentioned problems, the technical problem that the present invention aims to achieve is to present a method for recommending precedents related to malicious comments that can accurately recommend precedents related to malicious comments by extracting related precedents using the characteristic keywords and similarity of the target malicious comments. There is something to do.

본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to those mentioned above, and other problems not mentioned will be clearly understood by those skilled in the art from the description below.

전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따른 악플과 관련된 판례 추천 방법은, 대상 댓글의 특징 키워드를 추출하는 단계, 판례 빅데이터에 접속하는 단계, 추출한 대상 댓글의 특징 키워드를 이용하여 판례 빅데이터로부터 대상 댓글과 유사한 악성댓글 관련 판례를 추출하는 단계, 기설정된 유사도 비교 모델을 이용하여 추출한 악성댓글 관련 판례로부터 대상 댓글과 유사도가 높은 판례를 재추출하는 단계, 및 재추출된 판례를 사용자에게 추천하는 단계를 포함한다.As a means to solve the above-described technical problem, the method for recommending precedents related to malicious comments according to an embodiment of the present invention includes the steps of extracting characteristic keywords of target comments; Step of accessing precedent big data, extracting precedents related to malicious comments similar to target comments from precedent big data using characteristic keywords of extracted target comments, target comments from precedents related to malicious comments extracted using a preset similarity comparison model It includes a step of re-extracting precedents with high similarity, and recommending the re-extracted precedents to the user.

바람직하게, 온라인 상에서 이루어지는 댓글과 관련된 판례를 수집하여 판례 빅데이터를 구축하는 단계를 더 포함할 수 있다.Preferably, a step of collecting precedents related to comments made online and building precedent big data may be further included.

한편, 본 발명의 다른 실시 예에 따른 악플과 관련된 판례 추천 장치는, 대상 댓글의 특징 키워드를 추출하는 키워드 추출부, 판례 빅데이터에 접속하는 빅데이터 접속부, 추출한 대상 댓글의 특징 키워드를 이용하여 판례 빅데이터로부터 대상 댓글과 유사한 악성댓글 관련 판례를 추출하는 제1 판례 추출부, 기설정된 유사도 비교 모델을 이용하여 추출한 악성댓글 관련 판례로부터 대상 댓글과 유사도가 높은 판례를 추출하는 제2 판례 추출부, 및 재추출된 판례를 사용자에게 추천하는 사용자 인터페이스부를 포함한다.Meanwhile, the precedent recommendation device related to malicious comments according to another embodiment of the present invention includes a keyword extraction unit that extracts characteristic keywords of target comments, a big data connection unit that connects to precedent big data, and precedents using the characteristic keywords of the extracted target comments. A first precedent extraction unit that extracts precedents related to malicious comments similar to the target comment from big data, a second precedent extraction unit that extracts precedents with a high degree of similarity to the target comment from precedents related to malicious comments extracted using a preset similarity comparison model, and a user interface unit that recommends the re-extracted precedents to the user.

바람직하게, 온라인 상에서 이루어지는 댓글과 관련된 판례를 수집하여 판례 빅데이터를 구축하는 빅데이터 구축부를 더 포함할 수 있다. Preferably, it may further include a big data construction unit that collects precedents related to comments made online and builds precedent big data.

본 발명에 따르면, 사용자가 지정한 댓글을 그 키워드 및 유사도를 이용하여 관련된 판례를 검색 및 추천함으로써, 보다 손쉽게 악플 관련 판례를 검색 및 추천받을 수 있는 악플과 관련된 판례 추천 방법을 제공하는 효과가 있다.According to the present invention, there is an effect of providing a method of recommending precedents related to malicious comments that can more easily search for and recommend precedents related to malicious comments by searching for and recommending precedents related to user-specified comments using the keywords and similarities.

또한, 자신이 지정한 댓글에 대하여 관련된 판례를 제공받음으로써, 법적 관련 사항을 보다 용이하게 준비할 수 있는 효과가 있다.Additionally, by being provided with relevant precedents for comments you designate, you can more easily prepare legal-related matters.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to those mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the description below.

첨부된 도면은 해당 기술 분야의 통상의 기술자에게 본 발명의 내용을 보다 상세하게 설명하기 위한 것으로 본 발명의 기술적 사상이 이에 한정되는 것은 아니다.
도 1은 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 시스템의 네트워크 구성도,
도 2는 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 장치의 기능 블록도, 그리고,
도 3은 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 방법을 설명하기 위한 흐름도이다.The attached drawings are intended to explain the present invention in more detail to those skilled in the art, and the technical idea of the present invention is not limited thereto.
1 is a network configuration diagram of a precedent recommendation system related to malicious comments according to a preferred embodiment of the present invention;
Figure 2 is a functional block diagram of a precedent recommendation device related to malicious comments according to a preferred embodiment of the present invention, and
Figure 3 is a flowchart illustrating a method for recommending precedents related to malicious comments according to a preferred embodiment of the present invention.

이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.The above objects, other objects, features and advantages of the present invention will be easily understood through the following preferred embodiments related to the attached drawings. However, the present invention is not limited to the embodiments described herein and may be embodied in other forms. Rather, the embodiments introduced herein are provided so that the disclosed content will be thorough and complete and so that the spirit of the present invention can be sufficiently conveyed to those skilled in the art.

본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다. 또한, 도면들에 있어서, 구성요소들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다.In this specification, when an element is referred to as being on another element, it means that it may be formed directly on the other element or that a third element may be interposed between them. Additionally, in the drawings, the thickness of components is exaggerated for effective explanation of technical content.

본 명세서에서 제1, 제2 등의 용어가 구성요소들을 기술하기 위해서 사용된 경우, 이들 구성요소들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이들 용어들은 단지 어느 구성요소를 다른 구성요소와 구별시키기 위해서 사용되었을 뿐이다. 여기에 설명되고 예시되는 실시 예들은 그것의 상보적인 실시 예들도 포함한다.In this specification, when terms such as first, second, etc. are used to describe components, these components should not be limited by these terms. These terms are merely used to distinguish one component from another. Embodiments described and illustrated herein also include complementary embodiments thereof.

또한, 제1 엘리먼트 (또는 구성요소)가 제2 엘리먼트(또는 구성요소) 상(ON)에서 동작 또는 실행된다고 언급될 때, 제1 엘리먼트(또는 구성요소)는 제2 엘리먼트(또는 구성요소)가 동작 또는 실행되는 환경에서 동작 또는 실행되거나 또는 제2 엘리먼트(또는 구성요소)와 직접 또는 간접적으로 상호 작용을 통해서 동작 또는 실행되는 것으로 이해되어야 할 것이다.Additionally, when a first element (or component) is referred to as being operated or executed on (ON) a second element (or component), the first element (or component) means that the second element (or component) is ON. It should be understood as being operated or executed in an environment in which it is operated or executed, or operated or executed through direct or indirect interaction with a second element (or component).

어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.If any element, component, device, or system is said to contain a component consisting of a program or software, even if explicitly stated, that element, component, device, or system is not intended to allow that program or software to run or operate. It should be understood as including hardware (e.g., memory, CPU, etc.) or other programs or software (e.g., operating system or drivers required to run the hardware) required to run the computer.

또한, 어떤 엘리먼트(또는 구성요소)가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트(또는 구성요소)는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.Additionally, when an element (or component) is implemented, unless otherwise specified, it should be understood that the element (or component) may be implemented in any form of software, hardware, or software and hardware.

또한, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.Additionally, the terms used in this specification are for describing embodiments and are not intended to limit the present invention. As used herein, singular forms also include plural forms, unless specifically stated otherwise in the context. As used in the specification, 'comprises' and/or 'comprising' does not exclude the presence or addition of one or more other elements.

도 1은 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 시스템의 네트워크 구성도이다.Figure 1 is a network configuration diagram of a precedent recommendation system related to malicious comments according to a preferred embodiment of the present invention.

도 1을 참조하여, 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 시스템은, 서로 네트워크를 통해 연결되는 악플과 관련된 판례 추천 장치(이하, '판례 추천 장치'라 한다)(100) 및 관리 서버(200)로 이루어진다.Referring to Figure 1, the case precedent recommendation system related to malicious comments according to a preferred embodiment of the present invention includes a case precedent recommendation device (hereinafter referred to as 'case precedent recommendation device') 100 and management connected to each other through a network. It consists of a server (200).

판례 추천 장치(100)는 사용자가 사용하는 단말장치로, 온라인에 접속이 가능한 장치이다. 바람직하게, 판례 추천 장치(100)는 일반적으로 사용자들이 소유하고 있는 스마트폰, 태블릿 PC, 노트북 등이 될 수 있다. 여기서, 사용자는, 온라인을 통한 활동을 하는 모든 사람이 될 수 있으며, 다만 본 실시예에서는 온라인 활동 중 댓글로 인한 피해를 입어 고소를 진행하고자 하는 의사를 가진 사람이 될 수 있다.The precedent recommendation device 100 is a terminal device used by a user and can be accessed online. Preferably, the precedent recommendation device 100 may be a smartphone, tablet PC, laptop, etc. that are generally owned by users. Here, the user can be anyone who engages in online activities, but in this embodiment, it can be a person who has suffered damage due to comments during online activities and wishes to file a complaint.

판례 추천 장치(100)는 사용자의 요청에 따라, 사용자가 지정한 대상 댓글에 대한 특정 키워드를 추출하고, 대상 댓글과 유사도가 높은 판례를 찾아 사용자에게 추천하는 기능을 수행한다. 판례 추천 장치(100)에 관하여는 후술하는 도 2에서 보다 상세히 설명한다.According to the user's request, the precedent recommendation device 100 extracts specific keywords for the target comment specified by the user, finds precedents with high similarity to the target comment, and recommends them to the user. The precedent recommendation device 100 will be described in more detail in FIG. 2, which will be described later.

관리 서버(200)는 네트워크를 통해 접속하는 판례 추천 장치(100)에게 판례 빅데이터를 제공하는 서버에 해당한다. 또한, 관리 서버(200)는 판례 추천 장치(100)가 판례를 추천하는 동작을 수행할 수 있도록 하는 전용 앱을 제공 및 배포할 수 있다. 이 경우, 판례 추천 장치(100)는 관리 서버(200)에서 배포하는 전용 앱을 다운로드받아 설치할 수 있다.The management server 200 corresponds to a server that provides precedent big data to the precedent recommendation device 100 connected through a network. Additionally, the management server 200 may provide and distribute a dedicated app that allows the precedent recommendation device 100 to perform an operation of recommending precedents. In this case, the precedent recommendation device 100 can download and install a dedicated app distributed by the management server 200.

도 2는 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 장치의 기능 블록도이다.Figure 2 is a functional block diagram of a precedent recommendation device related to malicious comments according to a preferred embodiment of the present invention.

도 2를 참조하여, 본 발명의 바람직한 실시예에 따른 판례 추천 장치(100)는 키워드 추출부(110), 빅데이터 접속부(120), 제1 판례 추출부(130), 제2 판례 추출부(140), 사용자 인터페이스부(150), 저장부(160), 및 제어부(170)를 포함한다.Referring to FIG. 2, the precedent recommendation device 100 according to a preferred embodiment of the present invention includes a keyword extraction unit 110, a big data connection unit 120, a first precedent extraction unit 130, and a second precedent extraction unit ( 140), a user interface unit 150, a storage unit 160, and a control unit 170.

키워드 추출부(110)는 사용자가 특정 댓글을 대상 댓글로 지정하면, 대상 댓글의 특징 키워드를 추출한다. 키워드 추출을 위한 다양한 모델들 중 하나를 적용할 수 있으며, 예를 들면, Word2Vec, Glove와 같은 임베딩 방식을 적용하거나 혹은 BERT를 적용한 오픈 소스 파이썬 모델인 KeyBERT를 적용할 수도 있다.When a user specifies a specific comment as a target comment, the keyword extraction unit 110 extracts characteristic keywords of the target comment. You can apply one of various models for keyword extraction, for example, you can apply an embedding method such as Word2Vec or Glove, or you can apply KeyBERT, an open source Python model that applies BERT.

빅데이터 접속부(120)는 판례 빅데이터에 접속한다. 판례 빅데이터는 그 데이터가 매우 방대하여 판례 추천 장치(100)에 저장될 수 없다. 그러므로, 판례 빅데이터는 관리 서버(200)에 구축될 수 있으며, 대법원 판례 DB(DataBase) 등에 접속하여 이를 활용할 수도 있다. 판례 빅데이터는 판례가 발생할 때마다 수시로 업데이트되어야 하는 것으로, 판례가 발생한 후 댓글과 관련된 판례만을 추출하여 판례 빅데이터에 저장한다. The big data connection unit 120 connects to precedent big data. Case law big data cannot be stored in the case precedent recommendation device 100 because the data is so large. Therefore, case law big data can be built on the management server 200, and it can also be utilized by accessing the Supreme Court case law DB (DataBase), etc. Precedent big data must be updated frequently whenever a precedent occurs. After a precedent occurs, only precedents related to comments are extracted and stored in the precedent big data.

제1 판례 추출부(130)는 키워드 추출부(110)에 의해 추출된 대상 댓글의 특징 키워드를 이용하여 판례 빅데이터로부터 대상 댓글과 유사한 악성댓글 관련 판례를 추출한다. The first precedent extraction unit 130 extracts precedents related to malicious comments similar to the target comment from precedent big data using the characteristic keywords of the target comment extracted by the keyword extraction unit 110.

제2 판례 추출부(140)는 제1 판례 추출부의 추출 결과를 기설정된 유사도 비교 모델을 이용하여 대상 댓글과 유사도가 높은 판례를 재추출한다. 즉, 본 실시예에 따르면, 사용자가 대상 댓글을 설정하면, 설정된 대상 댓글에 대하여 1차적으로 키워드를 이용한 판례를 추출하고, 2차적으로 유사도를 이용하여 판례를 재추출하는 것이다.The second precedent extraction unit 140 re-extracts precedents with a high degree of similarity to the target comment using the extraction results of the first precedent extraction unit using a preset similarity comparison model. That is, according to this embodiment, when a user sets a target comment, precedents using keywords are first extracted for the set target comment, and precedents are secondarily re-extracted using similarity.

사용자 인터페이스부(150)는 사용자와 판례 추천 장치(100)와의 인터페이스를 지원한다. 즉, 사용자에 의해 입력되는 각종 선택신호 및 조작신호가 사용자 인터페이스부(150)를 통해 판례 추천 장치(100)로 입력되고, 판례 추천 장치(100)에서 사용자에게 전달하고자 하는 각종 정보가 사용자 인터페이스부(150)를 통해 제공된다.The user interface unit 150 supports an interface between the user and the precedent recommendation device 100. That is, various selection signals and manipulation signals input by the user are input to the precedent recommendation device 100 through the user interface unit 150, and various information that the precedent recommendation device 100 wishes to convey to the user are input to the user interface unit 150. It is provided through (150).

사용자 인터페이스부(150)는 사용자가 대상 댓글을 선택하는 신호를 입력받을 수 있으며, 판례 추천 장치(100)에서 사용자에게 추천하는 판례를 사용자에게 제공할 수 있다.The user interface unit 150 may receive a signal for the user to select a target comment, and may provide the user with a precedent recommended by the precedent recommendation device 100.

저장부(160)는 본 판례 추천 장치(100)의 동작에 필요한 모든 정보를 저장한다. 예를 들면, 저장부(160)는 키워드 추출부(110)에서 키워드 추출을 위해 적용하는 모델, 제1 판례 추출부(130)에서 판례 추출에 적용하는 모델, 및 제2 판례 추출부(140)에서 판례 추출에 적용하는 모델과 관련된 정보를 저장할 수 있다.The storage unit 160 stores all information necessary for the operation of the precedent recommendation device 100. For example, the storage unit 160 includes a model applied to extract keywords in the keyword extraction unit 110, a model applied to extract precedents in the first precedent extraction unit 130, and a model applied to extract precedents in the second precedent extraction unit 140. You can store information related to the model applied to extract precedents.

제어부(170)는 본 판례 추천 장치(100)의 전반적인 동작을 제어한다. 즉, 제어부(170)는 키워드 추출부(110), 빅데이터 접속부(120), 제1 판례 추출부(130), 제2 판례 추출부(140), 사용자 인터페이스부(150), 및 저장부(160)들 간의 신호 입출력을 제어한다.The control unit 170 controls the overall operation of the precedent recommendation device 100. That is, the control unit 170 includes a keyword extraction unit 110, a big data connection unit 120, a first precedent extraction unit 130, a second precedent extraction unit 140, a user interface unit 150, and a storage unit ( 160) controls signal input and output between devices.

도 3은 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 방법을 설명하기 위한 흐름도이다.Figure 3 is a flowchart illustrating a method for recommending precedents related to malicious comments according to a preferred embodiment of the present invention.

여기에서는 도 1 내지 도 3을 참조하여, 본 발명의 바람직한 실시예에 따른 악플과 관련된 판례 추천 방법을 설명한다.Here, with reference to FIGS. 1 to 3, a method for recommending precedents related to malicious comments according to a preferred embodiment of the present invention will be described.

먼저, 온라인 상에서의 댓글과 관련된 판례가 발생하면, 해당 판례로 빅데이터를 구축한다(S310). 이후 과정은 판례 빅데이터가 구축되어 있는 상태임을 전제로 한다.First, when a precedent related to online comments occurs, big data is constructed from the corresponding precedent (S310). The subsequent process assumes that precedent big data has been established.

사용자는 악플이 담긴 댓글을 대상 댓글로 설정하고, 대상 댓글에 관련된 판례 추천을 요청한다. 이에 의해, 키워드 추출부(110)는 대상 댓글로부터 특징 키워드를 추출한다(S320).The user sets a comment containing malicious comments as a target comment and requests recommendations for precedents related to the target comment. Accordingly, the keyword extraction unit 110 extracts characteristic keywords from the target comment (S320).

키워드 추출부(110)에 의해 대상 댓글의 특징 키워드가 추출되면, 빅데이터 접속부(120)는 판례 빅데이터에 접속하고, 제1 판례 추출부(130)는 특징 키워드를 이용해 악성댓글 관련 판례들을 추출한다(S330).When the characteristic keywords of the target comment are extracted by the keyword extraction unit 110, the big data connection unit 120 connects to the precedent big data, and the first precedent extraction unit 130 extracts precedents related to malicious comments using the characteristic keywords. Do it (S330).

제1 판례 추출부(130)에 의해 악성댓글 관련 판례들이 1차적으로 추출되면, 제2 판례 추출부(140)는 기설정된 유사도 비교 모델을 이용하여 기추출한 악성댓글 관련 판례로부터 대상 댓글과 유사도가 높은 판례를 2차적으로 추출한다(S340).When precedents related to malicious comments are primarily extracted by the first precedent extraction unit 130, the second precedent extraction unit 140 extracts the similarity with the target comment from the precedents related to malicious comments previously extracted using a preset similarity comparison model. High-level precedents are extracted secondarily (S340).

제2 판례 추출부(140)에 의해 적어도 하나 이상의 악성댓글 관련 판례가 추출되고, 사용자 인터페이스부(150)는 최종적으로 추출된 악성댓글 관련 판례는 기설정된 포맷으로 사용자에게 제공한다(S350).At least one precedent related to malicious comments is extracted by the second precedent extraction unit 140, and the user interface unit 150 provides the finally extracted precedent related to malicious comments to the user in a preset format (S350).

이러한 과정에 의해, 악성 댓글에 의한 피해를 입은 사용자는 보다 손쉽게 자신과 유사한 상황의 판례를 검색 및 확인할 수 있으며, 법적 절차의 진행을 위한 준비도 수월하게 진행할 수 있다.Through this process, users who have suffered damage from malicious comments can more easily search for and confirm precedents in situations similar to their own, and can also easily prepare for legal proceedings.

본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.Those skilled in the art to which the present invention pertains will understand that the present invention can be implemented in other specific forms without changing its technical idea or essential features. Therefore, the embodiments described above should be understood in all respects as illustrative and not restrictive. The scope of the present invention is indicated by the claims described below rather than the detailed description above, and all changes or modified forms derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present invention. do.

S310 : 판례 빅데이터 구축 단계;
S320 : 특징 키워드 추출 단계
S330 : 판례 추출 단계
S340 : 판례 재추출 단계
S350 : 판례 추천 단계 S310: Precedent big data construction stage;
S320: Feature keyword extraction step
S330: Case law extraction step
S340: Precedent re-extraction stage
S350: Case law recommendation stage

Claims (4)

대상 댓글의 특징 키워드를 추출하는 단계;
판례 빅데이터에 접속하는 단계;
상기 추출한 대상 댓글의 특징 키워드를 이용하여 상기 판례 빅데이터로부터 상기 대상 댓글과 유사한 악성댓글 관련 판례를 추출하는 단계;
기설정된 유사도 비교 모델을 이용하여 상기 추출한 악성댓글 관련 판례로부터 상기 대상 댓글과 유사도가 높은 판례를 재추출하는 단계; 및
상기 재추출된 판례를 사용자에게 추천하는 단계;를 포함하는 것을 특징으로 하는 악플과 관련된 판례 추천 방법.
 Extracting characteristic keywords of target comments;
Accessing precedent big data;
extracting precedents related to malicious comments similar to the target comment from the precedent big data using characteristic keywords of the extracted target comment;
Re-extracting cases with high similarity to the target comment from the extracted cases related to malicious comments using a preset similarity comparison model; and
A method for recommending precedents related to malicious comments, comprising: recommending the re-extracted precedents to a user.
 제 1 항에 있어서,
온라인 상에서 이루어지는 댓글과 관련된 판례를 수집하여 판례 빅데이터를 구축하는 단계;를 더 포함하는 것을 특징으로 하는 악플과 관련된 판례 추천 방법.
According to claim 1,
A method for recommending precedents related to malicious comments, further comprising the step of collecting precedents related to comments made online and building precedent big data.
 대상 댓글의 특징 키워드를 추출하는 키워드 추출부;
판례 빅데이터에 접속하는 빅데이터 접속부;
상기 추출한 대상 댓글의 특징 키워드를 이용하여 상기 판례 빅데이터로부터 상기 대상 댓글과 유사한 악성댓글 관련 판례를 추출하는 제1 판례 추출부;
기설정된 유사도 비교 모델을 이용하여 상기 추출한 악성댓글 관련 판례로부터 상기 대상 댓글과 유사도가 높은 판례를 추출하는 제2 판례 추출부; 및
상기 재추출된 판례를 사용자에게 추천하는 사용자 인터페이스부;를 포함하는 것을 특징으로 하는 악플과 관련된 판례 추천 장치.
 a keyword extraction unit that extracts characteristic keywords of target comments;
Big data connection unit to access precedent big data;
a first precedent extraction unit that extracts precedents related to malicious comments similar to the target comment from the precedent big data using characteristic keywords of the extracted target comment;
a second precedent extraction unit that extracts a precedent with a high degree of similarity to the target comment from the extracted precedents related to malicious comments using a preset similarity comparison model; and
A user interface unit that recommends the re-extracted precedents to a user. A precedent recommendation device related to malicious comments, comprising:
 제 3 항에 있어서,
온라인 상에서 이루어지는 댓글과 관련된 판례를 수집하여 판례 빅데이터를 구축하는 빅데이터 구축부;를 더 포함하는 것을 특징으로 하는 악플과 관련된 판례 추천 장치.
According to claim 3,
A precedent recommendation device related to malicious comments, further comprising a big data construction unit that collects precedents related to comments made online and builds precedent big data.
KR1020220141028A 2022-10-28 2022-10-28 Method and device for recommending precedent related to malicious comments KR20240059932A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220141028A KR20240059932A (en) 2022-10-28 2022-10-28 Method and device for recommending precedent related to malicious comments

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220141028A KR20240059932A (en) 2022-10-28 2022-10-28 Method and device for recommending precedent related to malicious comments

Publications (1)

Publication Number Publication Date
KR20240059932A true KR20240059932A (en) 2024-05-08

Family

ID=91074117

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220141028A KR20240059932A (en) 2022-10-28 2022-10-28 Method and device for recommending precedent related to malicious comments

Country Status (1)

Country Link
KR (1) KR20240059932A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102341563B1 (en) 2017-12-18 2021-12-21 (주)킨스미디어 Method for extracting professional text data using mediating text data topics

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102341563B1 (en) 2017-12-18 2021-12-21 (주)킨스미디어 Method for extracting professional text data using mediating text data topics

Similar Documents

Publication Publication Date Title
Rosen et al. What are mobile developers asking about? a large scale study using stack overflow
JP6901816B2 (en) Entity-related data generation methods, devices, devices, and storage media
US20150356174A1 (en) System and methods for capturing and analyzing documents to identify ideas in the documents
US10078632B2 (en) Collecting training data using anomaly detection
US9031992B1 (en) Analyzing big data
AU2009238294B2 (en) Data transformation based on a technical design document
CN111753198A (en) Information recommendation method and device, electronic equipment and readable storage medium
US9582486B2 (en) Apparatus and method for classifying and analyzing documents including text
US20170212945A1 (en) Branchable graph databases
US9910922B2 (en) Analysis of user's data to recommend connections
Villanes et al. What are software engineers asking about android testing on stack overflow?
US20170185686A1 (en) App Onboarding System for Developer-Defined Creation of Search Engine Results
CN112825089B (en) Article recommendation method, device, equipment and storage medium
CN113065018A (en) Audio and video index library creating and retrieving method and device and electronic equipment
KR102532216B1 (en) Method for establishing ESG database with structured ESG data using ESG auxiliary tool and ESG service providing system performing the same
CN116860311A (en) Script analysis method, script analysis device, computer equipment and storage medium
AU2022201117B2 (en) Frameworks and methodologies for enabling searching and/or categorisation of digitised information, including clinical report data
US10614145B2 (en) Presenting content on a webpage in a desired format
US20220382791A1 (en) Executing services across multiple trusted domains for data analysis
US20230161945A1 (en) Automatic two-way generation and synchronization of notebook and pipeline
US10331759B2 (en) Methods and system for controlling user access to information in enterprise networks
KR20240059932A (en) Method and device for recommending precedent related to malicious comments
CN114328947A (en) Knowledge graph-based question and answer method and device
US11106864B2 (en) Comment-based article augmentation
CN112947844A (en) Data storage method and device, electronic equipment and medium