KR102020012B1 - 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법 - Google Patents

빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법 Download PDF

Info

Publication number
KR102020012B1
KR102020012B1 KR1020180083010A KR20180083010A KR102020012B1 KR 102020012 B1 KR102020012 B1 KR 102020012B1 KR 1020180083010 A KR1020180083010 A KR 1020180083010A KR 20180083010 A KR20180083010 A KR 20180083010A KR 102020012 B1 KR102020012 B1 KR 102020012B1
Authority
KR
South Korea
Prior art keywords
article
game result
score
unit
factor
Prior art date
Application number
KR1020180083010A
Other languages
English (en)
Inventor
김다남
Original Assignee
(주)에이피케이어플킹
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 (주)에이피케이어플킹 filed Critical (주)에이피케이어플킹
Application granted granted Critical
Publication of KR102020012B1 publication Critical patent/KR102020012B1/ko

Links

Images

Classifications

    • G06F17/24—
    • G06F17/27—
    • 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

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템은 야구경기정보 기록매체와 연동되어 야구경기 결과정보를 입력받는 데이터 입력부; 야구경기 결과정보 중 경기결과 관점 키를 선정하고, 상기 경기결과 관점 키에 따른 상기 경기결과의 기사문을 작성하는 기사문 작성부; 작성된 기사문 내에 기록된 단어들과 연관된 수식어를 데이터베이스로부터 추출하여, 상기 단어들과 조합시켜 상기 기사문을 편집하는 기사문 편집부; 및 편집된 기사문을 기 등록된 네트워크 망으로 전송하는 기사문 전송부를 포함한다.

Description

빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법{SYSTEM METHOD FOR WRITING SPORTS ARTICLE BASED ON BIGDATA ANALYSIS}
본 발명은 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법에 관한 것이다.
과거에는 모든 데이터를 사람이 직접 모으고, 판단하고, 글로 만들어서 구독자에게 배포하는 과정으로 저널리즘이 이루어졌다. 여기에 컴퓨터의 보조적인 활용이 가능할 뿐이었다.
최근에는 인터넷 언론사 등 언론 매체의 폭발적인 증가로 언론사 간의 경쟁이 치열해지고 있다. 때문에 언론사로서는 보다 빠르고 정확하게 정보를 생성해야 하면서도, 언론사의 규모는 줄여야 하는 상황에 처하게 되었다. 따라서 적은 인력으로도 보다 생산적인 업무를 가능하게 도와주는 로봇 저널리즘 프레임워크의 필요성이 점점 커지고 있다.
기존에는 이미 작성되어 있는 여러 언론사의 신문 기사를 그대로 옮겨와 배치를 조정하는 수준의 기술이 존재하였다. 이에 본 발명은 스포츠 경기의 경기결과를 다양한 관점으로 능동적인 기사를 작성할 수 있는 빅데이터 분석 기반의 실시간 스포츠 기사 자동 작성 시스템 및 방법을 개시하고자 한다.
공개특허공보 제10-2017-0058785호
본 발명이 해결하고자 하는 과제는 빅 데이터 마이닝 기법으로 자동기사를 생성함에 있어서 스포츠 경기의 경기결과를 다양한 관점으로 능동적인 기사를 작성할 수 있는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법을 제공하는 데 그 목적이 있다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템은 야구경기정보 기록매체와 연동되어 야구경기 결과정보를 입력받는 데이터 입력부; 야구경기 결과정보 중 경기결과 관점 키를 선정하고, 상기 경기결과 관점 키에 따른 상기 경기결과의 기사문을 작성하는 기사문 작성부; 작성된 기사문 내에 기록된 단어들과 연관된 수식어를 데이터베이스로부터 추출하여, 상기 단어들과 조합시켜 상기 기사문을 편집하는 기사문 편집부; 및 편집된 기사문을 기 등록된 네트워크 망으로 전송하는 기사문 전송부를 포함하고, 상기 기사문 작성부는 상기 야구경기 결과정보와 유사한 패턴의 경기결과를 기록한 복수 개의 과거 기사문을 수집하는 데이터 수집부; 상기 경기결과 관점 키를 선정하는 관점 키 선정부; 상기 복수 개의 과거 기사문들의 작성패턴을 분석하고, 분석된 작성패턴들 중 상기 경기결과 관점 키를 중심으로 작성된 과거기사문의 작성패턴을 추출하는 작성패턴 분석/추출부; 선정된 경기결과 관점 키와 상대적으로 연관된 경기결과정보를 추출하는 경기결과정보 추출부; 및 상기 경기결과정보 추출부에서 추출된 경기결과정보를 상기 작성패턴 분석/추출부에서 추출한 작성패턴으로 텍스트화하여 기록하는 텍스트 기록부;를 포함한다.
삭제
삭제
일 실시예에서, 상기 관점 키 선정부는 야구경기의 이닝별 점수 또는 실책이 발생된 적어도 하나 이상의 점수발생인자를 추출하는 점수발생인자 추출부; 상기 적어도 하나 이상의 점수발생인자들을 수치화한 후, 상기 점수에 직접적으로 관여된 점수발생인자에 가중치를 부여하는 가중치 부여부; 상기 점수발생인자와 연관된 선수의 점수 기여도 및 경기결과 기여도를 산출하는 기여도 산출부; 및 선수들의 점수발생인자, 점수 기여도 및 경기결과 기여도의 분포도를 기초로 경기결과 관점 키를 생성하는 관점 키 생성부를 포함한다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법은 데이터 입력부에서 야구경기정보 기록매체로부터 야구경기 결과정보를 입력받는 정보입력단계; 기사문 작성부에서 상기 야구경기 결과정보 중 경기결과 관점 키를 선정하고, 상기 경기결과 관점 키에 따른 상기 경기결과의 기사문을 작성하는 기사문 작성단계; 및 기사문 편집부에서 작성된 기사문 내에 기록된 단어들과 연관된 수식어를 데이터베이스로부터 추출하여, 상기 단어들과 조합시켜 상기 기사문을 편집하는 기사문 편집단계를 포함하고, 상기 기사문 작성단계는 상기 기사문 작성부의 데이터 수집부에서 상기 야구경기 결과정보와 유사한 패턴의 경기결과를 기록한 복수 개의 과거기사문을 수집하는 단계; 상기 기사문 작성부의 관점 키 선정부에서 상기 경기결과 관점 키를 선정하는 단계; 상기 기사문 작성부의 작성패턴 분석/추출부에서 상기 복수 개의 과거 기사문들의 작성 패턴을 분석하고, 분석된 작성패턴들 중 상기 경기결과 관점 키를 중심으로 작성된 과거기사문의 작성패턴을 추출하는 단계; 상기 기사문 작성부의 경기결과정보 추출부에서 선정된 경기결과 관점 키와 상대적으로 연관된 경기결과정보를 추출하는 단계; 상기 기사문 작성부의 텍스트 기록부에서 상기 경기결과정보 추출부에서 추출된 경기결과정보를 추출된 작성패턴으로 텍스트화하여 기록하는 단계를 포함한다.
삭제
삭제
일 실시예에서, 상기 경기결과 관점 키를 선정하는 단계는 야구경기의 이닝별 점수 또는 실책이 발생된 적어도 하나 이상의 점수발생인자를 추출하는 단계; 상기 적어도 하나 이상의 점수발생인자들을 수치화한 후, 상기 점수에 직접적으로 관여된 점수발생인자에 가중치를 부여하는 단계; 상기 점수발생인자와 연관된 선수의 점수 기여도 및 경기결과 기여도를 산출하는 단계; 및 선수들의 점수발생인자, 점수 기여도 및 경기결과 기여도의 분포도를 기초로 경기결과 관점 키를 생성하는 단계를 포함할 수 있다.
일 실시예에서, 상기 경기결과 관점 키는 상기 점수발생인자 및 상기 선수의 점수 기여도의 분포도에 따라 팀, 야수, 투수, 주요선수 중 어느 하나로 선택될 수 있다.
일 실시예에서, 상기 점수 기여도는 식 1에 따른 팀의 이닝 별 획득점수(Sn), 해당 선수의 점수발생인자, 타점발생인자, 선행주자인자, 공격실책인자, 타점발생인자 별 가중치, 출루인자에 기초하여 산출될 수 있다.
[식 1]
Figure 112018070535519-pat00001
여기서, i는 이닝 번호이고, n은 전체 이닝 수이며,
Figure 112018070535519-pat00002
는 해당 선수의 점수발생인자이고,
Figure 112018070535519-pat00003
는 타점발생인자이고,
Figure 112018070535519-pat00004
는 선행주자인자이고,
Figure 112018070535519-pat00005
는 실책인자이고,
Figure 112018070535519-pat00006
는 타점발생인자 별 가중치이고,
Figure 112018070535519-pat00007
는 해당 선수의 출루인자이다.
일 실시예에서, 상기 경기결과 기여도는 식 2에 따른 해당 선수의 이닝 별 공격지수의 총합, 해당 선수의 이닝 별 수비지수의 총합, 공격실책인자, 수비실책인자, 참여 이닝 횟수로 산출될 수 있다.
[식 2]
Figure 112018070535519-pat00008
여기서,
Figure 112018070535519-pat00009
는 해당 선수의 이닝 별 공격지수의 총합이고,
Figure 112018070535519-pat00010
는 해당 선수의 이닝 별 수비지수의 총합이고,
Figure 112018070535519-pat00011
는 공격 실책인자이고,
Figure 112018070535519-pat00012
는 수비 실책인자이고,
Figure 112018070535519-pat00013
는 참여이닝 횟수이다.
상기에서는 본 발명의 바람직한 실시 예를 설명하였지만, 해당 기술 분야의 숙련된 해당 업계 종사자는 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역에서 벗어나지 않는 범위 내에 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
본 발명의 일 실시예에 따른 빅 데이터 분석 기반의 인공지능 실시간 스포츠 경기 자동기사 작성 시스템을 이용하면, 데이터의 수집과 처리를 자동으로 수행하고, 인간의 개입 없이 기사의 발행까지 수행함으로써 속도 경쟁에서 우위를 선점할 수 있다.
또한, 사람이 처리해야 하는 반복적인 업무를 기계가 대신 수행함으로써 인력과 시간을 절약할 수 있고, 승리한 팀의 경기결과를 다양한 관점으로 분석한 경기기사를 작성할 수 있다.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템을 나타낸 블록도이다.
도 2는 도 1에 도시된 기사문 작성부의 세부구성을 나타낸 블록도이다.
도 3은 도 2에 도시된 경기결과 관점 키 선정부의 세부구성을 나타낸 블록도이다.
도 4a 및 도 4b는 점수 기여도 및 경기결과 기여도의 분포도를 나타낸 도이다.
도 5는 도 1에 도시된 기사문 편집부의 세부구성을 나타낸 블록도이다.
도 6는 기사문 작성부에서 작성된 기사문의 일 예이다.
도 7은 도 5의 기사문을 편집한 예이다.
도 8은 기사문 작성부에서 작성된 기사문의 다른 일 예이다.
도 9은 도 8의 기사문을 편집한 예이다.
도 10는 본 발명의 일 실시예에 따른 인공지능 실시간 스포츠 기사 자동 작성 방법의 흐름도이다.
도 11은 도 10에 도시된 S720의 흐름도이다.
도 12는 도 11의 S722의 흐름도이다.
도 13는 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시한 도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 첨부된 도면들에 기초하여 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법을 보다 상세하게 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템을 나타낸 블록도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템(100)은 데이터 입력부(200), 기사문 작성부(300), 기사문 편집부(400) 및 기사문 전송부(500)를 포함한다.
상기 데이터 입력부(200)는 야구경기정보 기록매체와 연동되어 야구경기 결과정보를 입력받는다.
상기 기사문 작성부(300)는 야구경기 결과정보 중 경기결과 관점 키를 선정하고, 상기 경기결과 관점 키에 따른 상기 경기결과의 기사문을 작성한다.
상기 기사문 편집부(400)는 작성된 기사문 내에 기록된 단어들과 연관된 수식어를 데이터베이스(내부 및/또는 외부)로부터 추출하여, 상기 단어들과 조합시켜 상기 기사문을 편집한다.
상기 기사문 전송부(500)는 편집된 기사문을 기 등록된 네트워크 망과 연결된 서버(예컨대, 인터넷 서버, 지역 신문사 서버, 웹 서버 등)로 전송한다.
상기 네트워크 망은 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 개인 근거리 무선통신(Personal Area Network; PAN), 이동 통신망(mobile radio communication network), Wibro(Wireless Broadband Internet), Mobile WiMAX, HSDPA(High Speed Downlink Packet Access) 또는 위성 통신망 등과 같은 모든 종류의 유/무선 네트워크로 구현될 수 있다.
도 2는 도 1에 도시된 기사문 작성부의 세부구성을 나타낸 블록도이고, 도 3은 도 2에 도시된 관점 키 생성부의 세부구성을 나타낸 블록도이다.
먼저, 도 2를 참조하면, 상기 기사문 작성부(300)는 데이터 수집부(310), 관점 키 선정부(320), 작성패턴 분석/추출부(330), 경기결과정보 추출부(340) 및 텍스트 기록부(350)를 포함한다.
상기 데이터 수집/분석부(310)는 야구경기 결과정보를 빅 데이터 분석알고리즘(데이터마이닝 기법)을 적용하여, 유사한 패턴의 경기결과를 기록한 복수 개의 과거 기사문을 수집한다.
상기 데이터수집부(310)는 데이터 수집 알고리즘을 통해 데이터를 수집할 수 있다.
가령, 데이터 수집부(310)는 해당 경기에 참여한 팀, 선수들의 프로필 정보, 기 설정된 기간 동안 양팀 간 진행된 과거경기기록정보, 해당 경기기록정보 등을 내부 DB 또는 외부의 DB에서 데이터를 크롤링할 수 있다.
한편, 상기 내부DB는 빅데이터를 구축하기 위하여, 저장된 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시할 수 있고, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다.
이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행할 수 있다.
물론, 이외에도 다양한 마이닝 방법이 존재할 수 있으며, 수집 및 저장되는 빅데이터의 종류나 이후에 요청될 질의(Query)의 종류에 따라 다르게 마이닝될 수도 있다. 이렇게 구축된 빅데이터는, 인공신경망 딥러닝이나 기계학습 등으로 검증과정을 거칠 수도 있다.
이때, 인공 신경망은 CNN(Convolutional neural network) 구조가 이용될 수 있는데, CNN은 컨볼루션 층을 이용한 네트워크 구조로 이미지 처리에 적합하며, 이미지 데이터를 입력으로 하여 이미지 내의 특징을 기반으로 이미지를 분류할 수 있기 때문이다.
또한, 텍스트 마이닝(Text Mining)은 비/반정형 텍스트 데이터에서 자연어처리 기술에 기반하여 유용한 정보를 추출, 가공하는 것을 목적으로 하는 기술이다. 텍스트 마이닝 기술을 통해 방대한 텍스트 뭉치에서 의미 있는 정보를 추출해 내고, 다른 정보와의 연계성을 파악하며, 텍스트가 가진 카테고리를 찾아내거나 단순한 정보 검색 그 이상의 결과를 얻어낼 수 있다. 이를 이용하여, 본 발명의 일 실시예에 서는, 질의로 입력되는 식별자나 자연어를 분석하고, 그 안에 숨겨진 정보를 발굴해 내기 위해 대용량 언어자원과 통계적, 규칙적 알고리즘이 사용될 수 있다.
한편, 상기 관점 키 선정부(320)는 도 3을 참조, 상기 경기결과 관점 키를 선정하기 위하여, 점수발생인자 추출부(321), 가중치 부여부(322), 기여도 산출부(323) 및 기여도 분포도(324)를 포함할 수 있다.
상기 점수발생인자 추출부(321)는 야구경기의 이닝별 점수 또는 실책이 발생된 적어도 하나 이상의 점수발생인자를 추출한다.
상기 점수발생인자는 공격시에, 점수로 이어진 안타, 예컨대, 홈렴, 1루타, 2루타, 3루타, 도루 등을 포함한다. 또한, 상기 점수발생인자는 점수발생에 기여한 상대팀의 실책을 포함할 수 있다.
상기 가중치 부여부(322)는 상기 적어도 하나 이상의 점수발생인자들을 수치화한 후, 상기 점수에 직접적으로 관여된 점수발생인자에 가중치를 부여한다.
가중치로는 각 이닝별 점수에 따른 가중치, 팀 공격수치에 따른 가중치, 수비수치에 따른 가중치, 각 타자의 공격수치에 따른 가중치, 각 투수의 공격수치에 따른 가중치, 상대전적에 따른 가중치 등을 포함할 수 있다.
상기 기여도 산출부(323)는 상기 점수발생인자와 연관된 선수의 점수 기여도 및 경기결과 기여도를 산출한다.
상기 관점 키 생성부(324)는 선수 전체의 점수 기여도 및 경기결과 기여도의 분포도를 기초로 경기결과 관점 키를 생성한다.
여기서, 상기 경기결과 관점 키는 팀, 야수, 투수, 점수, 주요선수 중 어느 하나를 관점 키로 선택될 수 있다(도 4a 및 도 4b 참조).
또한, 상기 점수 기여도(Win Above Score: WAS)는 하기의 [식 1]과 같이, 팀의 이닝 별 획득점수(Sn), 해당 선수의 점수발생인자, 타점발생인자, 선행주자인자, 공격실책인자, 타점발생인자 별 가중치, 출루인자에 기초하여 산출될 수 있다.
[식 1]
Figure 112018070535519-pat00014
여기서, i는 이닝 번호이고, n은 전체 이닝 수이며,
Figure 112018070535519-pat00015
는 해당 선수의 점수발생인자이고,
Figure 112018070535519-pat00016
는 타점발생인자이고,
Figure 112018070535519-pat00017
는 선행주자인자이고,
Figure 112018070535519-pat00018
는 실책인자이고,
Figure 112018070535519-pat00019
는 타점발생인자 별 가중치이고,
Figure 112018070535519-pat00020
는 해당 선수의 출루인자이다.
또한, 상기 경기결과 기여도는 하기의 [식 2]와 같이, 해당 선수의 수치화된 점수발생인자의 총합, 가중치, 실책, 이닝 참여 횟수의 총 합으로 산출될 수 있다.
[식 2]
Figure 112018070535519-pat00021
여기서,
Figure 112018070535519-pat00022
는 해당 선수의 이닝 별 공격지수의 총합이고,
Figure 112018070535519-pat00023
는 해당 선수의 이닝 별 수비지수의 총합이고,
Figure 112018070535519-pat00024
는 공격 실책인자이고,
Figure 112018070535519-pat00025
는 수비 실책인자이고,
Figure 112018070535519-pat00026
는 참여이닝 횟수이다.
다시, 도 2를 참조, 상기 작성패턴 분석/추출부(330)는 복수 개의 과거 기사문들의 작성 패턴을 분석하고, 분석된 작성패턴들 중 상기 경기결과 관점 키를 중심으로 작성된 과거기사문의 작성패턴을 추출한다.
상기 경기결과정보 추출부(340)는 선정된 경기결과의 관점 키와 상대적으로 연관된 경기결과정보를 추출한다.
예를 들어, 해당 경기의 경기결과 관점 키가 완봉승일 경우, 최근 해당 투수의 완봉승과 관련된 과거경기결과를 추출한다.
상기 텍스트 기록부(350)는 도 5 및 도 7을 참조, 상기 경기결과정보 추출부(340)에서 추출된 경기결과정보를 상기 랜덤으로 추출된 작성패턴으로 텍스트(text)화하여 기록한다.
다음으로, 도 1을 참조, 상기 기사문 편집부(400)는 단어/숫자 추출부(410), 연관 검색어 추출부(420), 연관 수식어 추출부(430) 및 작성부(440)를 포함한다.
상기 단어/숫자 추출부(410)는 기사문 내의 단어 및 숫자를 추출한다.
상기 연관 검색어 추출부(420)는 기사문에서 추출된 단어 및 숫자와 연관된 단어를 추출한다.
상기 연관 수식어 추출부(430)는 추출된 단어와 단어 간에 결합가능한 어미, 조사, 부사, 형용사 등의 수식어구를 추출한다.
상기 어미, 조사, 부사, 형용사 등의 수식어구는 내부 DB 또는 외부 DB에 저장된 과거의 경기결과를 기록한 기사문에 작성된 어미, 조사, 부사, 형용사를 1차적으로 추출하고, 전문가, 활동가, 집단 지성들이 사용된 투고 등을 2차적으로 추출한 후, 1차 및 2차에서 공통적으로 사용된 수식어를 최종적으로 추출한다.
상기 문장 작성부(440)는 연관단어(용어) 및 수식어구를 기사문에서 추출한 단어 및 숫자와 결합하여, 하나의 문장으로 완성한다.
일 예로, 기사문 내에 추출된 단어 및 숫자가 “9회말”, ”홈런”, “타점”, “승리” 일 경우, 해당 단어와 연관된 수식어로는 “놀랍게도”, “극적”, “드라마틱” 등일 수 있다. 다른 일 예로, 기사문 내에 추출된 단어 및 숫자가 “1회 실책”, “5회 실책”, “9회 실책”일 경우, “습관적인”, “집중력 상실” 등의 수식어를 추출할 수 있다.
상술한 예는 일 예일 뿐, 단어들의 종류에 따라 수식어, 어미, 조사 등은 가변될 수 있다(도 7 및 도 9 참조)
참고로, 상술한 문장 작성부(440)는 언어 모델링 데이터가 조합된 자연어 처리 학습 알고리즘을 이용한다. 부가적으로, 문장 작성부(440)는 자연어 처리(natural language processing)와 질의응답체계구축 등이 사용될 수 있다. 질의응답체계구축은 인지 컴퓨팅(perceptual computing), 딥러닝(deep learning), HMM(hidden markov model), 퍼지이론(fuzzy theory)등을 기반으로 한다.
또한, 문장 작성부(440)는 단어와 단어들 간의 고유 패턴을 분석하여, 분석된 패턴에 맞게 수식어를 결합할 수 있다.
도 10은 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법의 흐름도이고, 도 11은 도 10에 도시된 S720의 흐름도이고, 도 12는 도 11의 S722의 흐름도이다.
먼저, 도 10에 도시된 바와같이, 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법(S700)은 도 1에 도시된 인공지능 실시간 스포츠 기사 자동 작성 시스템을 통해 수행될 수 있고, 상기 정보입력단계(S710), 기사문 작성단계(S720) 및 기사문 편집단계(S730)를 포함할 수 있다.
상기 정보입력단계(S710)는 야구경기정보 기록매체로부터 야구경기 결과정보를 입력받는 단계일 수 있다. 야구경기 결과정보는 회차별 점수기록, 결승타, 홈럼, 1루타, 2루타, 3루타, 홈팀/원정팀 실책, 도루, 도루자, 주루사, 견제사, 병상타, 심판, 홈팀 타자기록, 원정팀 타자기록, 홈팀 투수기록, 원정팀 투수기록 등을 포함한다. 야구경기 결과정보는 경기 중에 발생된 모든 사건에 대한 정보를 포함할 수 있으므로, 본 발명에서 열거하지 않았을 뿐, 본 발명에 포함될 수 있다.
상기 기사문 작성단계(S720)는 도 11을 참조, 상기 야구경기 결과정보 중 경기결과 관점 키를 선정하고, 상기 경기결과 관점 키에 따른 상기 경기결과의 기사문을 작성하는 단계로서, 상기 야구경기 결과정보와 유사한 패턴의 경기결과를 기록한 복수 개의 과거 기사문을 수집(S721)한 후, 상기 경기결과 관점 키를 선정(S722)한다.
여기서, 도 12를 참조, 상기 S722 과정은 야구경기의 이닝별 점수 또는 실책이 발생된 적어도 하나 이상의 점수발생인자를 추출(S722-1)하고, 상기 적어도 하나 이상의 점수발생인자들을 수치화한 후, 상기 점수에 직접적으로 관여된 점수발생인자에 가중치를 부여(S722-2)한 후, 상기 점수발생인자와 연관된 선수의 점수 기여도 및 경기결과 기여도를 산출(S722-3)하고, 선수들의 점수발생인자, 점수 기여도 및 경기결과 기여도의 분포도를 기초로 경기결과 관점 키를 생성(S722-4)하는 일련의 과정을 포함할 수 있다.
여기서, 상기 경기결과 관점 키는 상기 점수발생인자 및 상기 선수의 점수 기여도의 분포도에 따라 팀, 야수, 투수, 주요선수 중 어느 하나로 선택될 수 있다.
또한, 상기 점수 기여도(Win Above Score: WAS)는 하기의 식 1과 같이, 팀의 이닝 별 획득점수, 해당 선수의 점수발생인자, 가중치, 실책에 기초하여 산출될 수 있다.
[식 1]
Figure 112018070535519-pat00027
여기서, i는 이닝 번호이고, n은 전체 이닝 수이며,
Figure 112018070535519-pat00028
는 해당 선수의 점수발생인자이고,
Figure 112018070535519-pat00029
는 타점발생인자이고,
Figure 112018070535519-pat00030
는 선행주자인자이고,
Figure 112018070535519-pat00031
는 실책인자이고,
Figure 112018070535519-pat00032
는 타점발생인자 별 가중치이고,
Figure 112018070535519-pat00033
는 해당 선수의 출루인자이다.
또한, 상기 경기결과 기여도는 하기의 [식 2]와 같이, 해당 선수의 수치화된 점수발생인자의 총합, 가중치, 실책, 이닝 참여 횟수의 총 합으로 산출될 수 있다.
여기서, 타점발생인자는 사사구(볼넷, 몸에 맞는공, 밀어내기), 안타(1루타, 2루타, 3루타, 홈런), 번트(희생번트, 기습번트), 희생플라이를 수치화한 인자일 수 있다.
상기 실책인자는 땅볼 아웃, 플라이 아웃, 라이드라이브 아웃, 병살, 삼중살을 수치화한 인자일 수 있다.
다음으로, 상기 경기결과 기여도는 하기의 식 2와 같이, 해당 선수의 이닝별 수치화된 점수발생인자의 총합, 가중치, 실책, 이닝 참여 횟수의 총 합으로 산출될 수 있다.
[식 2]
Figure 112018070535519-pat00034
여기서,
Figure 112018070535519-pat00035
는 해당 선수의 이닝 별 공격지수의 총합이고,
Figure 112018070535519-pat00036
는 해당 선수의 이닝 별 수비지수의 총합이고,
Figure 112018070535519-pat00037
는 공격 실책인자이고,
Figure 112018070535519-pat00038
는 수비 실책인자이고,
Figure 112018070535519-pat00039
는 참여이닝 횟수이다.
다시, 도 10을 참조, 상기 S722 과정이 완료되면, 작성패턴 분석/추출부에서 복수 개의 과거 기사문들의 작성 패턴을 분석하고, 분석된 작성패턴들 중 상기 경기결과 관점 키를 중심으로 작성된 과거기사문의 작성패턴을 추출(S723)한다.
상기 기사문 작성단계(S720)는 선정된 경기결과 관점 키와 상대적으로 연관된 경기결과정보를 추출(S724)하고, 추출된 경기결과정보를 추출된 작성패턴으로 텍스트화하여 기록(S725)하는 일련의 과정을 수행하는 단계일 수 있다.
다음으로 상기 기사문 편집단계(S730)는 작성된 기사문 내에 기록된 단어들과 연관된 수식어를 데이터베이스로부터 추출하여, 상기 단어들과 조합시켜 상기 기사문을 편집한다.
보다 상세하게, 상기 S730 단계는 단어/숫자 추출부(410)에서 기사문 내의 단어 및 숫자를 추출(S731)하고, 연관 검색어 추출부(420)에서 기사문에서 추출된 단어 및 숫자와 연관된 단어를 추출(S732)하고, 연관 수식어 추출부(430)는 추출된 단어와 단어 간에 결합가능한 어미, 조사, 부사, 형용사 등의 수식어구를 추출(S733)한다. 이후, 문장 작성부(440)에서 연관단어(용어) 및 수식어구를 기사문에서 추출한 단어 및 숫자와 결합하여, 하나의 문장으로 완성(S734)하는 일련의 과정을 포함할 수 있다.
일 예로, 기사문 내에 추출된 단어 및 숫자가 “9회말”, ”홈런”, “타점”, “승리” 일 경우, 해당 단어와 연관된 수식어로는 “놀랍게도”, “극적”, “드라마틱” 등일 수 있고, 문장 작성부를 통해 “9회말 극적인 홈런”으로 단어와 단어는 편집(문장, 구, 어절 등으로 완성)될 수 있다.
다른 일 예로, 기사문 내에 추출된 단어 및 숫자가 “1회 실책”, "5회 실책”, “9회 실책”일 경우, “습관적인”, “집중력 상실” 등의 수식어를 통해 문장 작성부는 “집중력 상실로 인한 1회 실책”으로 단어와 단어는 편집(문장, 구, 어절 등으로 완성)될 수 있다.
상술한 예는 일 예일 뿐, 단어들의 종류에 따라 수식어, 어미, 조사 등은 가변될 수 있다.
따라서, 본 발명의 일 실시예에 따른 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법을 이용하면, 데이터의 수집과 처리를 자동으로 수행하고, 인간의 개입 없이 기사의 발행까지 수행함으로써 속도 경쟁에서 우위를 선점할 수 있다.
또한, 사람이 처리해야 하는 반복적인 업무를 기계가 대신 수행함으로써 인력과 시간을 절약할 수 있고, 승리한 팀의 경기결과를 다양한 관점으로 분석한 경기기사를 작성할 수 있다.
도 13은 본 명세서에 개진된 하나 이상의 실시예가 구현될 수 있는 예시적인 컴퓨팅 환경을 도시하는 도면으로, 상술한 하나 이상의 실시예를 구현하도록 구성된 컴퓨팅 디바이스(1100)를 포함하는 시스템(1000)의 예시를 도시한다. 예를 들어, 컴퓨팅 디바이스(1100)는 개인 컴퓨터, 서버 컴퓨터, 핸드헬드 또는 랩탑 디바이스, 모바일 디바이스(모바일폰, PDA, 미디어 플레이어 등), 멀티프로세서 시스템, 소비자 전자기기, 미니 컴퓨터, 메인프레임 컴퓨터, 임의의 전술된 시스템 또는 디바이스를 포함하는 분산 컴퓨팅 환경 등을 포함하지만, 이것으로 한정되는 것은 아니다.
컴퓨팅 디바이스(1100)는 적어도 하나의 프로세싱 유닛(1110) 및 메모리(1120)를 포함할 수 있다. 여기서, 프로세싱 유닛(1110)은 예를 들어 중앙처리장치(CPU), 그래픽처리장치(GPU), 마이크로프로세서, 주문형 반도체(Application Specific Integrated Circuit, ASIC), Field Programmable Gate Arrays(FPGA) 등을 포함할 수 있으며, 복수의 코어를 가질 수 있다. 메모리(1120)는 휘발성 메모리(예를 들어, RAM 등), 비휘발성 메모리(예를 들어, ROM, 플래시 메모리 등) 또는 이들의 조합일 수 있다. 또한, 컴퓨팅 디바이스(1100)는 추가적인 스토리지(1130)를 포함할 수 있다. 스토리지(1130)는 자기 스토리지, 광학 스토리지 등을 포함하지만 이것으로 한정되지 않는다. 스토리지(1130)에는 본 명세서에 개진된 하나 이상의 실시예를 구현하기 위한 컴퓨터 판독 가능한 명령이 저장될 수 있고, 운영 시스템, 애플리케이션 프로그램 등을 구현하기 위한 다른 컴퓨터 판독 가능한 명령도 저장될 수 있다. 스토리지(1130)에 저장된 컴퓨터 판독 가능한 명령은 프로세싱 유닛(1110)에 의해 실행되기 위해 메모리(1120)에 로딩될 수 있다. 또한, 컴퓨팅 디바이스(1100)는 입력 디바이스(들)(1140) 및 출력 디바이스(들)(1150)을 포함할 수 있다.
여기서, 입력 디바이스(들)(1140)은 예를 들어 키보드, 마우스, 펜, 음성 입력 디바이스, 터치 입력 디바이스, 적외선 카메라, 비디오 입력 디바이스 또는 임의의 다른 입력 디바이스 등을 포함할 수 있다. 또한, 출력 디바이스(들)(1150)은 예를 들어 하나 이상의 디스플레이, 스피커, 프린터 또는 임의의 다른 출력 디바이스 등을 포함할 수 있다. 또한, 컴퓨팅 디바이스(1100)는 다른 컴퓨팅 디바이스에 구비된 입력 디바이스 또는 출력 디바이스를 입력 디바이스(들)(1140) 또는 출력 디바이스(들)(1150)로서 사용할 수도 있다. 또한, 컴퓨팅 디바이스(1100)는 컴퓨팅 디바이스(1100)가 다른 디바이스(예를 들어, 컴퓨팅 디바이스(1300))와 통신할 수 있게 하는 통신접속(들)(1160)을 포함할 수 있다.
여기서, 통신 접속(들)(1160)은 모뎀, 네트워크 인터페이스 카드(NIC), 통합 네트워크 인터페이스, 무선 주파수 송신기/수신기, 적외선 포트, USB 접속 또는 컴퓨팅 디바이스(1100)를 다른 컴퓨팅 디바이스에 접속시키기 위한 다른 인터페이스를 포함할 수 있다. 또한, 통신 접속(들)(1160)은 유선 접속 또는 무선 접속을 포함할 수 있다. 상술한 컴퓨팅 디바이스(1100)의 각 구성요소는 버스 등의 다양한 상호접속(예를 들어, 주변 구성요소 상호접속(PCI), USB, 펌웨어(IEEE 1394), 광학적 버스 구조 등)에 의해 접속될 수도 있고, 네트워크(1200)에 의해 상호접속될 수도 있다. 본 명세서에서 사용되는 "구성요소", "시스템" 등과 같은 용어들은 일반적으로 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어인 컴퓨터 관련 엔티티를 지칭하는 것이다.
예를 들어, 구성요소는 프로세서상에서 실행중인 프로세스, 프로세서, 객체, 실행 가능물(executable), 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 컨트롤러 상에서 구동중인 애플리케이션 및 컨트롤러 모두가 구성요소일 수 있다. 하나 이상의 구성요소는 프로세스 및/또는 실행의 스레드 내에 존재할 수 있으며, 구성요소는 하나의 컴퓨터상에서 로컬화될 수 있고, 둘 이상의 컴퓨터 사이에서 분산될 수도 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
100: 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템
200: 데이터 입력부
300: 기사문 작성부
310: 데이터 수집부
320: 관점 키 선정부
321: 점수발생인자 추출부
322: 가중치 부여부
323: 기여도 산출부
324: 관점 키 생성부
330: 작성패턴 분석/추출부
340: 경기결과정보 추출부
350: 텍스트 기록부
400: 기사문 편집부
410: 단어/숫자 추출부
420: 연관 단어(용어) 추출부
430: 연관 수식어 추출부
440: 문장 작성부
500: 기사문 전송부

Claims (12)

  1. 야구경기정보 기록매체와 연동되어 야구경기 결과정보를 입력받는 데이터 입력부;
    야구경기 결과정보 중 경기결과 관점 키를 선정하고, 상기 경기결과 관점 키에 따른 상기 경기결과의 기사문을 작성하는 기사문 작성부;
    작성된 기사문 내에 기록된 단어들과 연관된 수식어를 데이터베이스로부터 추출하여, 상기 단어들과 조합시켜 상기 기사문을 편집하는 기사문 편집부; 및
    편집된 기사문을 기 등록된 네트워크 망으로 전송하는 기사문 전송부를 포함하고,
    상기 기사문 작성부는
    상기 야구경기 결과정보와 유사한 패턴의 경기결과를 기록한 복수 개의 과거 기사문을 수집하는 데이터 수집부;
    상기 경기결과 관점 키를 선정하는 관점 키 선정부;
    상기 복수 개의 과거 기사문들의 작성패턴을 분석하고, 분석된 작성패턴들 중 상기 경기결과 관점 키를 중심으로 작성된 과거기사문의 작성패턴을 추출하는 작성패턴 분석/추출부;
    선정된 경기결과 관점 키와 상대적으로 연관된 경기결과정보를 추출하는 경기결과정보 추출부; 및
    상기 경기결과정보 추출부에서 추출된 경기결과정보를 상기 작성패턴 분석/추출부에서 추출한 작성패턴으로 텍스트화하여 기록하는 텍스트 기록부;를 포함하는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 관점 키 선정부는
    야구경기의 이닝별 점수 또는 실책이 발생된 적어도 하나 이상의 점수발생인자를 추출하는 점수발생인자 추출부;
    상기 적어도 하나 이상의 점수발생인자들을 수치화한 후, 상기 점수에 직접적으로 관여된 점수발생인자에 가중치를 부여하는 가중치 부여부;
    상기 점수발생인자와 연관된 선수의 점수 기여도 및 경기결과 기여도를 산출하는 기여도 산출부; 및
    선수들의 점수발생인자, 점수 기여도 및 경기결과 기여도의 분포도를 기초로 경기결과 관점 키를 생성하는 관점 키 생성부를 포함하는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템.
  4. 제3항에 있어서,
    상기 경기결과 관점 키는
    상기 점수발생인자 및 상기 선수의 점수 기여도의 분포도에 따라 팀, 야수, 투수, 점수 중 어느 하나로 선택되는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템.
  5. 제3항에 있어서,
    상기 점수 기여도는 팀의 이닝 별 획득점수, 해당 선수의 점수발생인자, 가중치, 실책에 기초하여 산출되는 것을 특징으로 하는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템.
    [식 1]
    Figure 112018090758967-pat00040

    여기서, i는 이닝 번호이고, n은 전체 이닝 수이며,
    Figure 112018090758967-pat00041
    는 해당 선수의 점수발생인자이고,
    Figure 112018090758967-pat00042
    는 타점발생인자이고,
    Figure 112018090758967-pat00043
    는 선행주자인자이고,
    Figure 112018090758967-pat00044
    는 실책인자이고,
    Figure 112018090758967-pat00045
    는 타점발생인자 별 가중치이고,
    Figure 112018090758967-pat00046
    는 해당 선수의 출루인자이다.
  6. 제3항에 있어서,
    상기 경기결과 기여도는 해당 선수의 수치화된 점수발생인자의 총합, 가중치, 실책, 이닝 참여 횟수의 총 합으로 산출되는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템.
    [식 2]
    Figure 112018090758967-pat00047

    여기서,
    Figure 112018090758967-pat00048
    는 해당 선수의 이닝 별 공격지수의 총합이고,
    Figure 112018090758967-pat00049
    는 해당 선수의 이닝 별 수비지수의 총합이고,
    Figure 112018090758967-pat00050
    는 공격 실책인자이고,
    Figure 112018090758967-pat00051
    는 수비 실책인자이고,
    Figure 112018090758967-pat00052
    는 참여이닝 횟수이다.
  7. 데이터 입력부에서 야구경기정보 기록매체로부터 야구경기 결과정보를 입력받는 정보입력단계;
    기사문 작성부에서 상기 야구경기 결과정보 중 경기결과 관점 키를 선정하고, 상기 경기결과 관점 키에 따른 상기 경기결과의 기사문을 작성하는 기사문 작성단계; 및
    기사문 편집부에서 작성된 기사문 내에 기록된 단어들과 연관된 수식어를 데이터베이스로부터 추출하여, 상기 단어들과 조합시켜 상기 기사문을 편집하는 기사문 편집단계를 포함하고,
    상기 기사문 작성단계는
    상기 기사문 작성부의 데이터 수집부에서 상기 야구경기 결과정보와 유사한 패턴의 경기결과를 기록한 복수 개의 과거기사문을 수집하는 단계;
    상기 기사문 작성부의 관점 키 선정부에서 상기 경기결과 관점 키를 선정하는 단계;
    상기 기사문 작성부의 작성패턴 분석/추출부에서 상기 복수 개의 과거 기사문들의 작성 패턴을 분석하고, 분석된 작성패턴들 중 상기 경기결과 관점 키를 중심으로 작성된 과거기사문의 작성패턴을 추출하는 단계;
    상기 기사문 작성부의 경기결과정보 추출부에서 선정된 경기결과 관점 키와 상대적으로 연관된 경기결과정보를 추출하는 단계;
    상기 기사문 작성부의 텍스트 기록부에서 상기 경기결과정보 추출부에서 추출된 경기결과정보를 추출된 작성패턴으로 텍스트화하여 기록하는 단계를 포함하는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법.
  8. 삭제
  9. 제7항에 있어서,
    상기 관점 키 선정부의 점수발생인자 추출부에서 야구경기의 이닝별 점수 또는 실책이 발생된 적어도 하나 이상의 점수발생인자를 추출하는 단계;
    상기 관점 키 선정부의 가중치 부여부에서 상기 적어도 하나 이상의 점수발생인자들을 수치화한 후, 상기 점수에 직접적으로 관여된 점수발생인자에 가중치를 부여하는 단계;
    상기 관점 키 선정부의 기여도 산출부에서 상기 점수발생인자와 연관된 선수의 점수 기여도 및 경기결과 기여도를 산출하는 단계; 및
    상기 관점 키 선정부의 관점 키 생성부에서 선수들의 점수발생인자, 점수 기여도 및 경기결과 기여도의 분포도를 기초로 경기결과 관점 키를 생성하는 단계를 포함하는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법.
  10. 제9항에 있어서,
    상기 경기결과 관점 키는
    상기 점수발생인자 및 상기 선수의 점수 기여도의 분포도에 따라 팀, 야수, 투수, 주요선수 중 어느 하나로 선택되는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법.
  11. 제9항에 있어서,
    상기 점수 기여도는 팀의 이닝 별 획득점수, 해당 선수의 점수발생인자, 가중치, 실책에 기초하여 산출되는 것을 특징으로 하는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법.
    [식 1]
    Figure 112018090758967-pat00053

    여기서, i는 이닝 번호이고, n은 전체 이닝 수이며,
    Figure 112018090758967-pat00054
    는 해당 선수의 점수발생인자이고,
    Figure 112018090758967-pat00055
    는 타점발생인자이고,
    Figure 112018090758967-pat00056
    는 선행주자인자이고,
    Figure 112018090758967-pat00057
    는 실책인자이고,
    Figure 112018090758967-pat00058
    는 타점발생인자 별 가중치이고,
    Figure 112018090758967-pat00059
    는 해당 선수의 출루인자이다.
  12. 제9항에 있어서,
    상기 경기결과 기여도는 해당 선수의 수치화된 점수발생인자의 총합, 가중치, 실책, 이닝 참여 횟수의 총 합으로 산출되는 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 방법.
    [식 2]
    Figure 112018090758967-pat00060

    여기서,
    Figure 112018090758967-pat00061
    는 해당 선수의 이닝 별 공격지수의 총합이고,
    Figure 112018090758967-pat00062
    는 해당 선수의 이닝 별 수비지수의 총합이고,
    Figure 112018090758967-pat00063
    는 공격 실책인자이고,
    Figure 112018090758967-pat00064
    는 수비 실책인자이고,
    Figure 112018090758967-pat00065
    는 참여이닝 횟수이다.
KR1020180083010A 2018-06-08 2018-07-17 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법 KR102020012B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180066258 2018-06-08
KR20180066258 2018-06-08

Publications (1)

Publication Number Publication Date
KR102020012B1 true KR102020012B1 (ko) 2019-09-11

Family

ID=67949023

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180083010A KR102020012B1 (ko) 2018-06-08 2018-07-17 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102020012B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102533407B1 (ko) * 2022-11-29 2023-05-17 광주과학기술원 바나듐을 포함하는 마그네슘 이온 이차전지용 양극활물질과 마그네슘 이온 이차전지용 양극 및 상기 양극을 포함하는 이차전지
CN117708545A (zh) * 2024-02-01 2024-03-15 华中师范大学 融合主题提取与余弦相似度的观点贡献度评价方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080047859A (ko) * 2006-11-27 2008-05-30 주식회사 씽크풀 기사 자동 생성 방법 및 그 장치
KR20120128407A (ko) * 2011-05-17 2012-11-27 한국지질자원연구원 의사결정 트리를 이용한 공간사건 예측분석 방법
KR20120132116A (ko) * 2011-05-27 2012-12-05 동서대학교산학협력단 예측 및 분석을 위한 분산 의사 결정 트리 생성방법
KR101377114B1 (ko) * 2012-10-11 2014-03-24 한양대학교 에리카산학협력단 뉴스 요약문 생성 시스템 및 방법
KR20170058785A (ko) 2015-11-19 2017-05-29 서울대학교산학협력단 자동 기사 생성을 위한 로봇 저널리즘 시스템 및 방법
KR101796667B1 (ko) * 2017-03-17 2017-11-10 (주)에이피케이어플킹 빅데이터 환경에서 군집 및 연관규칙에 기반한 데이터 마이닝 기법을 이용한 시계열 자료 분석 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080047859A (ko) * 2006-11-27 2008-05-30 주식회사 씽크풀 기사 자동 생성 방법 및 그 장치
KR20120128407A (ko) * 2011-05-17 2012-11-27 한국지질자원연구원 의사결정 트리를 이용한 공간사건 예측분석 방법
KR20120132116A (ko) * 2011-05-27 2012-12-05 동서대학교산학협력단 예측 및 분석을 위한 분산 의사 결정 트리 생성방법
KR101377114B1 (ko) * 2012-10-11 2014-03-24 한양대학교 에리카산학협력단 뉴스 요약문 생성 시스템 및 방법
KR20170058785A (ko) 2015-11-19 2017-05-29 서울대학교산학협력단 자동 기사 생성을 위한 로봇 저널리즘 시스템 및 방법
KR101796667B1 (ko) * 2017-03-17 2017-11-10 (주)에이피케이어플킹 빅데이터 환경에서 군집 및 연관규칙에 기반한 데이터 마이닝 기법을 이용한 시계열 자료 분석 시스템 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
강정수, 로봇저널리즘, 정보통신정책연구원 ICT 인문사회융합 동향 (2014) Vol.2 pp.14-25 (2014.06.30) *
김동환 외, 로봇 저널리즘 : 알고리즘을 통한 스포츠 기사 자동 생성에 관한 연구, 한국언론학회 제59권5호 (2015) 1부.* *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102533407B1 (ko) * 2022-11-29 2023-05-17 광주과학기술원 바나듐을 포함하는 마그네슘 이온 이차전지용 양극활물질과 마그네슘 이온 이차전지용 양극 및 상기 양극을 포함하는 이차전지
CN117708545A (zh) * 2024-02-01 2024-03-15 华中师范大学 融合主题提取与余弦相似度的观点贡献度评价方法及系统
CN117708545B (zh) * 2024-02-01 2024-04-30 华中师范大学 融合主题提取与余弦相似度的观点贡献度评价方法及系统

Similar Documents

Publication Publication Date Title
Koseler et al. Machine learning applications in baseball: A systematic literature review
Valero Predicting Win-Loss outcomes in MLB regular season games–A comparative study using data mining methods
Wang et al. Discerning tactical patterns for professional soccer teams: an enhanced topic model with applications
CN110162593A (zh) 一种搜索结果处理、相似度模型训练方法及装置
CN107491436A (zh) 一种标题党识别方法和装置、服务器、存储介质
Haiyun et al. Sports performance prediction model based on integrated learning algorithm and cloud computing Hadoop platform
US8428933B1 (en) Usage based query response
Keshtkar Langaroudi et al. Sports result prediction based on machine learning and computational intelligence approaches: A survey
KR102020012B1 (ko) 빅데이터 분석 기반의 인공지능 실시간 스포츠 기사 자동 작성 시스템 및 방법
CN116848561A (zh) 用于生成赛中见解的方法及系统
Shetty et al. Machine learning-based Selection of Optimal sports Team based on the Players Performance
Milani et al. Towards solving fuzzy tasks with human feedback: A retrospective of the minerl basalt 2022 competition
CN113393063A (zh) 比赛结果预测方法、系统、程序产品及存储介质
Tripathi et al. Prediction of IPL matches using Machine Learning while tackling ambiguity in results
Ren et al. Predicting football match outcomes with explainable machine learning and the kelly index
Chen et al. Offensive strategy in the 2D soccer simulation league using multi-group ant colony optimization
Saranya et al. Ipl data analysis and visualization for team selection and profit strategy
Behera et al. Mining strengths and weaknesses of cricket players using short text commentary
Haq et al. Machine Learning Techniques for Result Prediction of One Day International (ODI) Cricket Match
Ma [Retracted] On‐the‐Spot Decision‐Making System of Basketball Game Based on Data Mining Algorithm
Wang Solution for sports image classification using modified MobileNetV3 optimized by modified battle royal optimization algorithm
Mohapatra et al. Exploratory Data Analysis on IPL Data
Solanki et al. Prediction of tennis match using machine learning
Duan [Retracted] Combining AI Techniques for Recognizing Aerobics Sport Videos
Altin et al. Machine-Generated Hierarchical Structure of Human Activities to Reveal How Machines Think

Legal Events

Date Code Title Description
GRNT Written decision to grant