KR101923312B1 - 유사 강의 정보를 제공하는 강의 검색 시스템 및 방법 - Google Patents

유사 강의 정보를 제공하는 강의 검색 시스템 및 방법 Download PDF

Info

Publication number
KR101923312B1
KR101923312B1 KR1020170059116A KR20170059116A KR101923312B1 KR 101923312 B1 KR101923312 B1 KR 101923312B1 KR 1020170059116 A KR1020170059116 A KR 1020170059116A KR 20170059116 A KR20170059116 A KR 20170059116A KR 101923312 B1 KR101923312 B1 KR 101923312B1
Authority
KR
South Korea
Prior art keywords
lectures
lecture
similarity
information
user
Prior art date
Application number
KR1020170059116A
Other languages
English (en)
Other versions
KR20180124493A (ko
Inventor
박선주
유건식
김탁희
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020170059116A priority Critical patent/KR101923312B1/ko
Publication of KR20180124493A publication Critical patent/KR20180124493A/ko
Application granted granted Critical
Publication of KR101923312B1 publication Critical patent/KR101923312B1/ko

Links

Images

Classifications

    • G06F17/30705—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/34—Browsing; Visualisation therefor
    • G06F17/30716—
    • 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
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

유사 강의 정보를 제공하는 강의 검색 시스템 및 방법이 개시된다. 개시된 시스템은 다수의 강의들 중 사용자가 검색한 강의 및 그와 유사한 강의 정보를 제공하는 강의 검색 시스템으로서, 상기 다수의 강의들의 강의 계획서 및 각 강의간 유사도가 저장된 데이터베이스; 상기 각 강의간 유사도를 연산하는 유사도 연산부; 및 상기 다수의 강의들 중 사용자가 검색한 강의와 유사도가 일정 값 이상인 강의들을 선택하는 강의 추출부를 포함하되, 상기 유사도 연산부는 상기 강의 계획서를 텍스트 마이닝하여 유사도를 연산하는 것을 특징으로 한다. 개시된 강의 검색 시스템에 따르면, 사용자에게 강의간 연관성 정보를 제공하여 시너지를 발휘할 수 있는 수강 계획을 세울 수 있는 장점이 있다.

Description

유사 강의 정보를 제공하는 강의 검색 시스템 및 방법{Lecture Search System and Method for Providing Information on Similar Courses}
본 발명은 강의 검색 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 유사 강의 정보를 제공하는 강의 검색 시스템 및 방법에 관한 것이다.
일반적으로 대학의 수강편람과 하사정보 시스템은 표를 사용한 나열식 검색 결과 표기 방식을 주로 사용해 왔다. 최근에 학제간 연구가 활발해지고 융합형 인재에 대한 사회적인 수요가 늘어남에 따라, 복수의 전공을 수강 대상으로 탐색하는 학생들이 많아졌으며, 따라서 자신이 속한 전공 외 대학 전체의 수강과목을 효과적으로 검색할 수 있는 방법에 대한 요구가 늘어나게 되었다.
종래 기술의 표를 사용한 나열식 검색 결과 표기 방식은 과목들 간의 연계성 및 선후 관계를 알아보기가 힘들기 때문에, 이것만을 보고 대학 생활 전반에 걸친 수강 계획을 수립하는 것이 어렵다.
또한, 학생의 수강 이력 표시 역시 같은 방식을 사용하므로, 수강 이력만을 보고 학생이 대학 생활을 하면서 어떤 분야의 과목들에 일관된 관심사를 가졌는지에 대해 파악하기가 힘들다.
상기한 바와 같은 종래기술의 문제점을 해결하기 위해, 본 발명은 검색된 강의와 유사도가 높은 강의 정보를 함께 제공하는 강의 검색 시스템 및 방법을 제공한다.
상기한 목적을 달성하기 위해 본 발명의 바람직한 실시예에 따르면, 다수의 강의들 중 사용자가 검색한 강의 및 그와 유사한 강의 정보를 제공하는 강의 검색 시스템으로서, 상기 다수의 강의들의 강의 계획서 및 각 강의간 유사도가 저장된 데이터베이스; 상기 각 강의간 유사도를 연산하는 유사도 연산부; 및 상기 다수의 강의들 중 사용자가 검색한 강의와 유사도가 일정 값 이상인 강의들을 선택하는 강의 추출부를 포함하되, 상기 유사도 연산부는 상기 강의 계획서를 텍스트 마이닝하여 유사도를 연산하는 것을 특징으로 하는 강의 검색 시스템이 제공된다.
상기 유사도 연산부는 상기 다수의 강의들의 강의계획서를 학정번호별로 벡터에 대입하고, 각 벡터의 코사인 유사도를 연산하여 상기 각 강의간 유사도를 연산하는 것을 특징으로 한다.
상기 학정번호별 벡터는 각 단어의 단어 빈도 값과 역문서 빈도 값의 곱으로 이루어지며, 상기 코사인 유사도는 상기 학정번호별 벡터들로 구성된 행렬과 상기 행렬의 전치행렬의 곱으로 연산되는 것을 특징으로 한다.
상기 강의 추출부에서 선택된 강의들을 출력하는 출력부를 더 포함하되, 상기 출력부는 선택된 강의들을 텍스트 및 그래프로 출력 가능한 것을 특징으로 한다.
상기 데이터베이스에는 각 강의의 선수과목 정보가 더 저장되며, 상기 출력부는 선택된 강의들의 선수과목 정보들을 더 출력하는 것을 특징으로 한다.
상기 데이터베이스에는 각 사용자의 수강이력 정보가 더 저장되는 것을 특징으로 한다.
또한, 본 발명의 다른 실시예에 따르면, 다수의 강의들 중 사용자가 검색한 강의 및 그와 유사한 강의 정보를 제공하는 강의 검색 방법으로서, (a) 상기 다수의 강의들의 강의 계획서를 텍스트 마이닝하여 각 강의간 유사도를 연산하는 단계; (b) 상기 연산된 각 강의간 유사도를 저장하는 단계; (c) 상기 사용자가 강의를 검색하는 단계; 및 (d) 상기 검색된 강의 및 상기 검색된 강의와 유사도가 일정 값 이상인 강의들을 출력하는 단계를 포함하는 강의 검색 방법이 제공된다.
상기 (a)단계는, 상기 다수의 강의들의 강의계획서를 학정번호별로 벡터에 대입한 후, 각 벡터의 코사인 유사도를 연산하여 상기 각 강의간 유사도를 연산하는 것을 특징으로 한다.
상기 학정번호별 벡터는 각 단어의 단어 빈도 값과 역문서 빈도 값의 곱으로 이루어지며, 상기 코사인 유사도는 상기 학정번호별 벡터들로 구성된 행렬과 상기 행렬의 전치행렬의 곱으로 연산되는 것을 특징으로 한다.
상기(d)단계는, 상기 검색된 강의 및 상기 검색된 강의와 유사도가 일정 값 이상인 강의들을 텍스트 및 그래프로 출력하는 것을 특징으로 한다.
상기 (a)단계 이전에, 상기 다수의 강의들의 선수과목 정보를 저장하는 단계를 더 포함하는 것을 특징으로 한다.
상기 (d)단계는, 상기 검색된 강의 및 상기 검색된 강의와 유사도가 일정 값 이상인 강의들의 선수과목 정보를 더 출력하는 것을 특징으로 한다.
상기 (a)단계 이전에, 각 사용자의 수강이력 정보를 저장하는 단계를 더 포함하는 것을 특징으로 한다.
본 발명은 사용자에게 강의간 연관성 정보를 제공하여 시너지를 발휘할 수 있는 수강 계획을 세울 수 있는 장점이 있다.
도 1은 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템의 구조도이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템의 데이터베이스를 나타낸 도면이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템에서 제공된 강의 검색 결과를 예시한 것이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템에서 제공된 강의 검색 결과의 다른 예시이다.
도 5는 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 방법을 시간의 흐름에 따라 도시한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 자세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템의 구조도이다.
도 1을 참조하면, 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템은 강의 검색 서버(110) 및 서버 데이터베이스(120)를 포함할 수 있다. 각 클라이언트(130)들은 네트워크로 연결된 강의 검색 서버(110)에 접속하여 수강하고자 하는 강의를 검색할 수 있다.
강의 검색 서버(110)는 수신부(113), 제어부(111) 및 출력부(112)를 포함할 수 있다. 수신부(113)는 각 클라이언트(130)들의 요청을 수신받는다. 제어부(111)는 수신부(113)에서 수신된 클라이언트(130)의 요청에 따라 서버 데이터 베이스(120)의 정보를 전송할 수 있으며, 해당 정보는 출력부(112)를 통해 클라이언트(130)에게 전송된다.
서버 데이터베이스(120)는 데이터베이스(122), 유사도 연산부(123), 강의 추출부(121)를 포함할 수 있다. 데이터베이스(122)에는 강의 계획서를 포함하여 강의와 관련된 다양한 정보가 저장될 수 있다. 유사도 연산부(123)는 데이터베이스(122)에 저장된 강의 계획서를 이용하여 각 강의간 유사도를 연산하여 데이터베이스(122)에 저장한다. 강의 추출부(121)는 제어부(111)의 제어에 따라 데이터베이스(122)에서 정보를 추출하여 강의 정보를 제공한다.
이제, 데이터베이스(122)에 저장되는 정보 및 유사도 연산 과정에 대해 보다 상세히 설명하도록 한다.
도 2는 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템의 데이터베이스를 나타낸 도면이다.
도 2를 참조하면, 데이터베이스(122)에는 모든 강의의 강의 계획서, 유사도 정보, 선수과목 정보 및 학생들의 수강이력 정보가 저장될 수 있다.
유사도 연산부(123)에서는 데이터베이스(122)에 저장된 강의 계획서를 이용하여 각 강의간 유사도를 연산할 수 있다. 유사도 연산부(123)는 텍스트 마이닝(Text mining)을 이용하여 유사도를 연산할 수 있다.
텍스트 마이닝은 다양한 방법으로 수행될 수 있다. 일례로, 동일 학정번호를 갖는 강의들을 하나의 개체로 정리하고, 하나의 개체로 정리된 강의들의 공통된 명사들을 추출하여 단어집합을 구성할 수 있다. 이 과정을 통해, 학정번호별로 단어집합이 구성되는데, 구성된 단어집합에서 신뢰도가 낮은 단어들, 즉 텍스트 정보가 충분하지 않은 단어들은 제거하는 예외처리가 수행될 수도 있다. 구성된 단어 집합으로 학정번호별 단어 빈도 - 역문서 빈도(TF-IDF, Term Frequency - Inverse Document Frequency)벡터와 모든 학정번호별 단어 빈도 - 역문서 빈도 벡터를 포함하는 행렬을 구성할 수 있다. 여기서, 단어 빈도 - 역문서 빈도란, 특정 단어가 문서 내에 얼마나 자주 등장하는지를 나타내는 값인 단어 빈도와 해당 단어가 문서 집합 전체에서 얼마나 공통적으로 나타나는지를 나타내는 값인 역문서 빈도를 곱한 값을 의미한다.
일례로, 단어 빈도는 하기 수학식에 의해 산출될 수 있다.
Figure 112017045155035-pat00001
수학식 1에서,
Figure 112017045155035-pat00002
는 문서
Figure 112017045155035-pat00003
에서 단어
Figure 112017045155035-pat00004
의 단어 빈도이며,
Figure 112017045155035-pat00005
는 문서
Figure 112017045155035-pat00006
에서 단어
Figure 112017045155035-pat00007
의 빈도수이다.
한편, 역문서 빈도는 하기 수학식에 의해 산출될 수 있다.
Figure 112017045155035-pat00008
수학식 2에서,
Figure 112017045155035-pat00009
는 단어
Figure 112017045155035-pat00010
의 역문서 빈도이며,
Figure 112017045155035-pat00011
는 전체 문서의 개수이고,
Figure 112017045155035-pat00012
는 단어
Figure 112017045155035-pat00013
를 포함하는 문서의 개수이다.
그러므로, 단어 빈도 - 역문서 빈도는 하기 수학식으로 표현된다.
Figure 112017045155035-pat00014
수학식 3에서,
Figure 112017045155035-pat00015
는 문서
Figure 112017045155035-pat00016
에서 단어
Figure 112017045155035-pat00017
의 단어 빈도 - 역문서 빈도 값이다.
그러므로, 단어 빈도 - 역문서 빈도 벡터는 단어 빈도 - 역문서 빈도 값을 이용하여 학정번호별로 구성될 수 있다. 단어 빈도 - 역문서 빈도 벡터는 하기 수학식에 의해 구성될 수 있다.
Figure 112017045155035-pat00018
수학식 4에서,
Figure 112017045155035-pat00019
는 학정번호별 문서
Figure 112017045155035-pat00020
의 단어 빈도 - 역문서 빈도 벡터이다.
수학식 4에 의해 구성된 모든 학정번호별 단어 빈도 - 역문서 빈도 벡터를 포함하는 행렬을 구성한 후, 해당 행렬의 전치행렬과의 곱을 하여, 각 학정번호별 문서간 코사인 유사도를 연산할 수 있다. 연산되는 코사인 유사도는 하기 수학식으로 표현될 수 있다.
Figure 112017045155035-pat00021
수학식 5에서,
Figure 112017045155035-pat00022
는 학정번호별 문서
Figure 112017045155035-pat00023
와
Figure 112017045155035-pat00024
의 코사인 유사도이다.
학정번호별 단어 빈도 - 역문서 빈도 벡터의 각 성분은 각 단어의 단어 빈도 - 역문서 빈도 값이므로, 특정한 두 학정번호별 단어 빈도 - 역문서 빈도 벡터간에 코사인 유사도가 0에 가깝다면, 해당되는 두 학정번호의 강의 계획서에는 같은 단어가 거의 존재하지 않는다는 것을 의미한다. 즉, 특정한 두 학정번호별 단어 빈도 - 역문서 빈도 벡터간에 코사인 유사도가 1에 가까울수록, 해당 두 학정번호의 강의 계획서에는 같은 단어가 더 많이 존재한다는 것을 의미한다.
도 3은 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템에서 제공된 강의 검색 결과를 예시한 것이다.
도 3을 참조하면, 동아시아학입문과 관련된 강의를 수강하고자 하는 사용자에게 검색어와 일치하는 동아시아학입문 강의 및 동아시아학입문과 코사인 유사도가 높은 강의들의 정보를 함께 제공하며, 제공된 강의들의 코사인 유사도가 표시되므로 사용자가 강의 계획을 세우는데 유용하게 사용될 수 있다.
설명한 바와 같이, 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템의 유사도 연산부(123)에서는 텍스트 마이닝 및 코사인 유사도를 이용하여 각 강의간의 유사도를 산출하며, 사출된 각 강의간 유사도는 데이터베이스(122)에 저장된다.
또한, 데이터베이스(122)에는 해당 강의 정보가 제공될 때 선행과목 및 후행과목 정보가 함께 제공될 수 있도록 각 강의의 선수과목 정보가 저장될 수 있다.
데이터베이스(122)에는 각 학생의 수강이력 정보도 저장될 수 있다. 수강이력 정보에는 수강한 강의 뿐 아니라 강의의 유사도 정보가 함께 제공되므로, 사용자는 자신의 수강이력 정보를 통해 장기적인 수강계획을 세울 수 있으며, 자신의 관심사를 더 잘 파악할 수 있다.
도 4는 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템에서 제공된 강의 검색 결과의 다른 예시이다.
도 4를 참조하면, 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 시스템은 검색 결과를 그래프로 제공할 수도 있다. 각 과목들은 학정번호 분류에 따라 다른 색상으로 표시되고, 각 과목간의 유사도는 거리로 표시되며, 선수과목은 각 과목간 화살표로 연결되어 표시될 수 있다.
도 5는 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 방법을 시간의 흐름에 따라 도시한 순서도이다.
도 5를 참조하면, 본 발명의 바람직한 일 실시예에 따른 유사 강의 정보를 제공하는 강의 검색 방법은 강의 계획서 저장 단계(S510), 유사도 산출 단계(S520), 유사도 저장 단계(S530), 강의 검색 단계(S540) 및 강의 출력 단계(S550)를 포함할 수 있다.
강의 계획서 저장 단계(S510)는 데이터베이스(122)에 각 강의의 강의 계획서를 저장하는 단계이다. 각 강의의 선수과목 정보 및 각 학생의 수강기록 정보 또한 저장될 수 있다.
유사도 산출 단계(S520)는 유사도 연산부(123)에서 데이터베이스(122)에 저장된 각 강의의 강의 계획서를 이용하여 각 강의간 유사도를 산출하는 단계이다. 유사도 연산부(123)는 각 강의계획서를 텍스트 마이닝하여 학정번호별로 벡터를 생성하며, 전술한 수학식 1 내지 수학식 4를 이용하여 각 강의간 코사인 유사도를 산출한다. 산출된 코사인 유사도 값이 1에 가까울수록 두 강의는 유사도가 높다.
유사도 저장 단계(S530)는 유사도 연산부(123)에서 연산된 유사도 값을 데이터베이스(122)에 저장하는 단계이다. 저장된 유사도 값은 사용자가 강의를 검색할 때나 수강 기록을 조회할 때 제공될 수 있다.
강의 검색 단계(S540)는 사용자가 클라이언트(130)를 통해 강의를 검색하는 단계이다. 클라이언트(130)는 네트워크를 통해 강의 검색 서버(110)와 연결되며, 사용자의 요청은 제어부(111)에 의해 서버 데이터베이스(120)로 전달되며, 데이터베이스(122)의 강의가 검색된다.
강의 출력 단계(S550)는 사용자의 요청에 따른 검색 결과를 출력하는 단계이다. 강의 추출부(121)는 사용자의 검색과 일치하는 강의 및 사용자의 검색과 일치하는 강의와 코사인 유사도가 높은 강의들을 함께 제공한다. 물론, 제공되는 강의와 선수과목 관계에 있는 강의들도 함께 제공될 수 있다. 검색된 강의들은 도 3과 같이 텍스트로 출력될 수도 있으며, 도 4와 같이 그래프로 출력될 수도 있다.
상술한 바와 같이, 본 발명은 사용자가 강의를 검색함에 있어서, 유사도가 높은 강의를 함께 제공하므로 학생이 장기적인 수강 계획을 수립할 수 있도록 도울 수 있으며, 사용자가 타 학과에 개설된 수업 중에서도 듣고자 하는 수업과 연관성 있는 수업을 쉽게 검색할 수 있도록 하여 융합적인 사고를 배양 가능한 수강 계획을 세울 수 있도록 도울 수 있다. 또한, 수강 이력에서 제공되는 코사인 유사도 정보를 통해, 학생의 학문적 배경이나 관심사를 쉽게 알 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다는 것을 이해할 것이다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
110: 강의 검색 서버
111: 제어부
112: 출력부
113: 수신부
120: 서버 데이터베이스
121: 강의 추출부
122: 데이터베이스
123: 유사도 연산부
130: 클라이언트

Claims (13)

  1. 다수의 강의들 중 사용자가 검색한 강의 및 그와 유사한 강의 정보를 제공하는 강의 검색 시스템으로서,
    상기 다수의 강의들의 강의 계획서 및 각 강의간 유사도가 저장된 데이터베이스;
    상기 각 강의간 유사도를 연산하는 유사도 연산부; 및
    상기 다수의 강의들 중 사용자가 검색한 강의와 유사도가 일정 값 이상인 강의들을 선택하는 강의 추출부를 포함하되,
    상기 유사도 연산부는 상기 강의 계획서를 텍스트 마이닝하여 유사도를 연산하는 것을 특징으로 하는 강의 검색 시스템.
  2. 제1항에 있어서,
    상기 유사도 연산부는 상기 다수의 강의들의 강의계획서를 학정번호별로 벡터에 대입하고, 각 벡터의 코사인 유사도를 연산하여 상기 각 강의간 유사도를 연산하는 것을 특징으로 하는 강의 검색 시스템.
  3. 제2항에 있어서,
    상기 학정번호별 벡터는 각 단어의 단어 빈도 값과 역문서 빈도 값의 곱으로 이루어지며, 상기 코사인 유사도는 상기 학정번호별 벡터들로 구성된 행렬과 상기 행렬의 전치행렬의 곱으로 연산되는 것을 특징으로 하는 강의 검색 시스템.
  4. 제1항에 있어서,
    상기 강의 추출부에서 선택된 강의들을 출력하는 출력부를 더 포함하되,
    상기 출력부는 선택된 강의들을 텍스트 및 그래프로 출력 가능한 것을 특징으로 하는 강의 검색 시스템.
  5. 제4항에 있어서,
    상기 데이터베이스에는 각 강의의 선수과목 정보가 더 저장되며, 상기 출력부는 선택된 강의들의 선수과목 정보들을 더 출력하는 것을 특징으로 하는 강의 검색 시스템.
  6. 제1항에 있어서,
    상기 데이터베이스에는 각 사용자의 수강이력 정보가 더 저장되는 것을 특징으로 하는 강의 검색 시스템.
  7. 다수의 강의들 중 사용자가 검색한 강의 및 그와 유사한 강의 정보를 제공하는 강의 검색 방법으로서,
    (a) 상기 다수의 강의들의 강의 계획서를 텍스트 마이닝하여 각 강의간 유사도를 연산하는 단계;
    (b) 상기 연산된 각 강의간 유사도를 저장하는 단계;
    (c) 상기 사용자가 강의를 검색하는 단계; 및
    (d) 상기 검색된 강의 및 상기 검색된 강의와 유사도가 일정 값 이상인 강의들을 출력하는 단계를 포함하는 강의 검색 방법.
  8. 제7항에 있어서,
    상기(a)단계는,
    상기 다수의 강의들의 강의계획서를 학정번호별로 벡터에 대입한 후, 각 벡터의 코사인 유사도를 연산하여 상기 각 강의간 유사도를 연산하는 것을 특징으로 하는 강의 검색 방법.
  9. 제8항에 있어서,
    상기 학정번호별 벡터는 각 단어의 단어 빈도 값과 역문서 빈도 값의 곱으로 이루어지며, 상기 코사인 유사도는 상기 학정번호별 벡터들로 구성된 행렬과 상기 행렬의 전치행렬의 곱으로 연산되는 것을 특징으로 하는 강의 검색 방법.
  10. 제7항에 있어서,
    상기(d)단계는,
    상기 검색된 강의 및 상기 검색된 강의와 유사도가 일정 값 이상인 강의들을 텍스트 및 그래프로 출력하는 것을 특징으로 하는 강의 검색 방법.
  11. 제7항에 있어서,
    상기 (a)단계 이전에,
    상기 다수의 강의들의 선수과목 정보를 저장하는 단계를 더 포함하는 것을 특징으로 하는 강의 검색 방법.
  12. 제11항에 있어서,
    상기 (d)단계는,
    상기 검색된 강의 및 상기 검색된 강의와 유사도가 일정 값 이상인 강의들의 선수과목 정보를 더 출력하는 것을 특징으로 하는 강의 검색 방법.
  13. 제7항에 있어서,
    상기 (a)단계 이전에,
    각 사용자의 수강이력 정보를 저장하는 단계를 더 포함하는 것을 특징으로 하는 강의 검색 방법.
KR1020170059116A 2017-05-12 2017-05-12 유사 강의 정보를 제공하는 강의 검색 시스템 및 방법 KR101923312B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170059116A KR101923312B1 (ko) 2017-05-12 2017-05-12 유사 강의 정보를 제공하는 강의 검색 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170059116A KR101923312B1 (ko) 2017-05-12 2017-05-12 유사 강의 정보를 제공하는 강의 검색 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20180124493A KR20180124493A (ko) 2018-11-21
KR101923312B1 true KR101923312B1 (ko) 2018-11-28

Family

ID=64561575

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170059116A KR101923312B1 (ko) 2017-05-12 2017-05-12 유사 강의 정보를 제공하는 강의 검색 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101923312B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102375755B1 (ko) * 2021-03-31 2022-03-17 고려대학교 산학협력단 과목 유사도에 기반한 과목 추천 시스템과 방법 및 이를 위한 컴퓨터 프로그램

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112711650B (zh) * 2019-10-24 2024-04-12 富驰律法(北京)科技有限公司 一种公益诉讼线索挖掘方法及系统
KR20210157088A (ko) 2020-06-19 2021-12-28 주식회사 데일리팜 다중 참석이 가능한 양방향 기반의 웨비나 콘텐츠 제공시스템
KR102540417B1 (ko) * 2022-03-02 2023-06-05 고려대학교 산학협력단 학문영역 임베딩을 이용한 관심 키워드 기반 학습활동 통합 추천 시스템 및 그 방법, 이를 수행하기 위한 기록매체
KR20230168352A (ko) 2022-06-07 2023-12-14 메디플래너 주식회사 이원중계 웨비나를 위한 3d가상스튜디오 시스템
KR102651469B1 (ko) * 2023-01-30 2024-03-27 고려대학교 산학협력단 Ai기반 맞춤형 논문 추천 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102375755B1 (ko) * 2021-03-31 2022-03-17 고려대학교 산학협력단 과목 유사도에 기반한 과목 추천 시스템과 방법 및 이를 위한 컴퓨터 프로그램

Also Published As

Publication number Publication date
KR20180124493A (ko) 2018-11-21

Similar Documents

Publication Publication Date Title
KR101923312B1 (ko) 유사 강의 정보를 제공하는 강의 검색 시스템 및 방법
Cohen et al. Detecting linguistic markers for radical violence in social media
US20140172415A1 (en) Apparatus, system, and method of providing sentiment analysis result based on text
Wang et al. On complete convergence for an extended negatively dependent sequence
Omidvar et al. Context based user ranking in forums for expert finding using WordNet dictionary and social network analysis
US10331685B2 (en) Method and apparatus for sorting related searches
CN107357917A (zh) 一种简历搜索方法及计算设备
KR20170027576A (ko) 연구 이력 매칭 기반의 연구자 추천 장치 및 방법
Rodríguez et al. A student-centered hybrid recommender system to provide relevant learning objects from repositories
Xu et al. Inferring your expertise from Twitter: Integrating sentiment and topic relatedness
Li et al. MARS: a multi-aspect recommender system for point-of-interest
KR102488842B1 (ko) 유사 수학문제 검색장치 및 컴퓨터 프로그램
Barthwal-Datta Strategic narratives and non-state actors
Bochsler et al. The normative trap in ethnopolitical research
Litou et al. Pythia: A system for online topic discovery of social media posts
Estivill-Castro et al. Towards the Ranking of Web-pages for Educational Purposes.
Pavlyshenko Genetic optimization of keyword subsets in the classification analysis of authorship of texts
Elalfy et al. Predicting best answer in community questions based on content and sentiment analysis
CN107491492B (zh) 问题请求的处理方法、装置、服务器和存储介质
Aelani et al. Chatbot for Information Service of New Student Admission Using Multinomial Naïve Bayes Classification and TF-IDF Weighting
Anggraeny et al. Undergraduate Thesis Supervisor Recommendation Based On Text Similarity
Khater et al. Personalized microblogs corpus recommendation based on dynamic users interests
Singh et al. Comparative study on evaluative measures of search engines
Sungsri The use of multiple-classifier data mining technique for study guideline
Papachroni et al. Finding your data

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant