KR102036507B1 - 에디터 추천 장치 및 방법 - Google Patents

에디터 추천 장치 및 방법 Download PDF

Info

Publication number
KR102036507B1
KR102036507B1 KR1020180026820A KR20180026820A KR102036507B1 KR 102036507 B1 KR102036507 B1 KR 102036507B1 KR 1020180026820 A KR1020180026820 A KR 1020180026820A KR 20180026820 A KR20180026820 A KR 20180026820A KR 102036507 B1 KR102036507 B1 KR 102036507B1
Authority
KR
South Korea
Prior art keywords
editor
user
topic
similarity
probability
Prior art date
Application number
KR1020180026820A
Other languages
English (en)
Other versions
KR20190105979A (ko
Inventor
최예림
손연빈
안현태
박혜주
이종환
장진영
Original Assignee
경기대학교 산학협력단
(주)워드바이스
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 경기대학교 산학협력단, (주)워드바이스 filed Critical 경기대학교 산학협력단
Priority to KR1020180026820A priority Critical patent/KR102036507B1/ko
Publication of KR20190105979A publication Critical patent/KR20190105979A/ko
Application granted granted Critical
Publication of KR102036507B1 publication Critical patent/KR102036507B1/ko

Links

Images

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0619—Neutral agent
    • G06F17/20—
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (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 실시 예에 따른 에디터 추천 장치는 사용자의 교정 의뢰 논문에 대해서 단어를 추출하여 추출 단어 집합을 생성하는 단어 추출부, 지정된 각 토픽 별 단어 집합과 추출 단어 집합의 유사도를 사용자와 토픽 간의 유사도로 산출하는 유사도 산출부 및 사용자와 토픽 간의 유사도를 통해 사용자와 에디터 간의 유사도를 산출하고, 사용자와 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 에디터 추천부를 포함한다.

Description

에디터 추천 장치 및 방법{APPARATUS AND METHOD FOR RECOMMANDING EDITOR}
본 발명은 에디터를 추천하는 기술에 관한 것으로 보다 상세하게는 논문의 교정을 하는 에디터를 사용자에게 추천하는 기술에 관한 것이다.
논문을 제출하는 과정에서 논문 교정은 필수적인 과정이다. 즉, 논문을 제출하는 과정에서 논문에 맞지 않는 스타일, 전문용어, 문법, 구성 등에 대한 전문적인 교정은 필수적이다.
이에 따라, 논문 교정 회사에서 논문 교정 서비스를 제공하고 있다. 이 때, 회사의 관리자는 교정 의뢰 논문에 적합한 에디터를 매칭하고 있다. 관리자는 일일이 교정 의뢰 논문의 내용을 확인하여야 하고, 관리자의 주관적인 판단에 따라 논문을 교정할 에디터가 선정된다.
논문 교정은 교정 의뢰 논문의 내용에 대해 정확히 이해하고, 주제에 따른 스타일, 전문용어에 대한 교정을 수행할 수 있는 에디터가 수행하여야 한다. 하지만, 관리자는 모둔 교정 의뢰 논문의 분야에 대한 지식이 충분하지 않고, 논문을 파악할 시간이 충분하지 않아 적합한 에디터의 선정을 하기 어려운 점이 있다.
본 발명의 배경기술은 대한민국 특허등록공보 제 1769507호에 게시되어 있다.
본 발명의 해결하고자 하는 과제는 교정 의뢰 논문에 적합한 에디터를 추천하는 에디터 추천 장치 및 방법을 제공하는 것이다.
본 발명의 일 측면에 따르면, 사용자의 교정 의뢰 논문에 대해서 단어를 추출하여 추출 단어 집합을 생성하는 단어 추출부; 지정된 각 토픽 별 단어 집합과 상기 추출 단어 집합의 유사도를 상기 사용자와 상기 토픽 간의 유사도로 산출하는 유사도 산출부; 및 상기 사용자와 상기 토픽 간의 유사도를 통해 상기 사용자와 에디터 간의 유사도를 산출하고, 상기 사용자와 상기 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 에디터 추천부를 포함하는 에디터 추천 장치가 제공된다.
상기 에디터 추천부는, 상기 사용자와 상기 에디터 간의 유사도와 상기 에디터에 대한 평가 점수를 곱하여 전이 확률을 산출하고, 사용자의 각 토픽에 대한 유사도에 대한 정규화를 수행하여 랜덤 이동 확률을 산출하고, 상기 전이 확률 및 상기 랜덤 이동 확률을 이용하여 현재의 에디터 랭크를 산출할 수 있다.
상기 에디터 추천부는 상기 각 에디터에 대해 이전 에디터 랭크, 상기 전이 확률 및 지정된 제1 파라미터의 곱과 상기 랜덤 이동 확률 및 지정된 제2 파라미터의 곱을 합하여 현재의 상기 에디터 랭크를 산출할 수 있다.
상기 에디터 추천부는 상기 에디터 랭크를 기준으로 지정된 수의 상위 에디터를 추천하는 상기 에디터 추천 정보를 생성할 수 있다.
본 발명의 다른 측면에 따르면, 에디터 추천 장치가 에디터를 추천하는 방법에 있어서, 사용자의 교정 의뢰 논문에 대해서 단어를 추출하여 추출 단어 집합을 생성하는 단계; 지정된 각 토픽 별 단어 집합과 상기 추출 단어 집합의 유사도를 상기 사용자와 상기 토픽 간의 유사도로 산출하는 단계; 및 상기 사용자와 상기 토픽 간의 유사도를 통해 상기 사용자와 에디터 간의 유사도를 산출하고, 상기 사용자와 상기 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 단계를 포함하는 에디터 추천 방법이 제공된다.
상기 사용자와 상기 토픽 간의 유사도를 통해 상기 사용자와 에디터 간의 유사도를 산출하고, 상기 사용자와 상기 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 단계는, 상기 사용자와 상기 에디터 간의 유사도와 상기 에디터에 대한 평가 점수를 곱하여 전이 확률을 산출하는 단계; 사용자의 각 토픽에 대한 유사도에 대한 정규화를 수행하여 랜덤 이동 확률을 산출하는 단계; 상기 전이 확률 및 상기 랜덤 이동 확률을 이용하여 현재의 에디터 랭크를 산출하는 단계를 포함할 수 있다.
상기 전이 확률 및 상기 랜덤 이동 확률을 이용하여 현재의 에디터 랭크를 산출하는 단계는, 상기 각 에디터에 대해 이전 에디터 랭크, 상기 전이 확률 및 지정된 제1 파라미터의 곱과 상기 랜덤 이동 확률 및 지정된 제2 파라미터의 곱을 합하여 현재의 상기 에디터 랭크를 산출하는 단계일 수 있다.
상기 사용자와 상기 토픽 간의 유사도를 통해 상기 사용자와 에디터 간의 유사도를 산출하고, 상기 사용자와 상기 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 단계는, 상기 에디터 랭크를 기준으로 지정된 수의 상위 에디터를 추천하는 상기 에디터 추천 정보를 생성하는 단계일 수 있다.
본 발명의 실시 예에 따르면, 교정 의뢰 논문에 대한 에디터 추천을 위한 관리자의 부하를 줄일 수 있다.
또한, 본 발명의 실시 예에 따르면, 주관적인 기준이 아닌 객관적인 기준에 따라 효과적인 에디터를 추천할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 에디터 추천 장치를 예시한 도면.
도 2는 본 발명의 일 실시 예에 따른 에디터 추천 장치가 생성하는 유저-유저 행렬을 나타낸 도면.
도 3은 본 발명의 일 실시 예에 따른 에디터 추천 장치가 수행하는 정규화 과정을 예시한 도면.
도 4는 본 발명의 일 실시 예에 따른 에디터 추천 장치가 사용하는 유저-토픽 행렬을 예시한 도면.
도 5는 본 발명의 일 실시 예에 따른 에디터 추천 장치가 에디터를 추천하는 방법을 예시한 순서도.
도 6은 본 발명의 일 실시 예에 따른 에디터 추천 장치가 에디터 랭크를 산출하는 과정을 예시한 순서도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 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. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하에서는 도면들을 참조하여 본 발명의 실시 예들에 대해 설명하도록 한다.
이하에서 지칭하는 사용자는 논문을 교정 받으려 하는 사람을 의미하고, 에디터는 논문을 교정해 주는 사람을 의미하고, 사용자와 에디터를 통칭하여 유저라 지칭하도록 한다.
도 1은 본 발명의 일 실시 예에 따른 에디터 추천 장치를 예시한 도면이고, 도 2는 본 발명의 일 실시 예에 따른 에디터 추천 장치가 생성하는 유저-유저 행렬을 나타낸 도면이고, 도 3은 본 발명의 일 실시 예에 따른 에디터 추천 장치가 수행하는 정규화 과정을 예시한 도면이고, 도 4는 본 발명의 일 실시 예에 따른 에디터 추천 장치가 사용하는 유저-토픽 행렬을 예시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 에디터 추천 장치는 단어 추출부(110), 유사도 산출부(120) 및 에디터 추천부(130)를 포함한다.
단어 추출부(110)는 사용자의 교정 의뢰 논문에 대해서 단어를 추출하여 단어 집합(이하, 추출 단어 집합)을 생성한다. 또한, 단어 추출부(110)는 에디터가 과거에 교정한 문서 중 평가 점수가 미리 지정된 이상인 논문에서 단어를 추출하여 추출 단어 집합을 생성한다. 단어 추출부(110)는 추출 단어 집합을 유사도 산출부(120)로 전송한다. 또한, 단어 추출부(110)는 빅데이터 분석을 통해 미리 설정된 토픽에 대해 전체 교정 의뢰 논문에 포함된 단어를 매칭하여 미리 생성된 단어 집합인 토픽 별 단어 집합을 생성할 수 있다.
유사도 산출부(120)는 추출 단어 집단과 미리 산출된 토픽 별 단어 집합과 유사도를 산출한다. 이 때, 유사도를 산출하는 방식은 잠재 디리클레 할당(Latent dirichlet allocation)을 이용한 유사도를 산출하는 방식일 수 있다. 유사도 산출부(120)는 사용자 및 에디터와 토픽과의 유사도를 나타내는 유저-토픽 행렬을 산출한다. 예를 들어, 유저-토픽 행렬의 열은 사용자 및 에디터로 형성되고 행은 토픽으로 형성되고 각 요소는 사용자 또는 에디터와 토픽 간의 유사도를 나타내며, 요소는 유저-토픽 행렬의 한 행의 모든 값을 합하면 1이 되도록 정규화된 값일 수 있다. 유사도 산출부(120)는 유저-토픽 행렬을 에디터 추천부(130)로 전송한다.
에디터 추천부(130)는 유저-토픽 행렬을 이용하여 사용자에 대한 각 에디터의 에디터 랭크를 산출하고, 각 에디터 랭크를 기준으로 전체 에디터 중 지정된 상위에 해당하는 에디터를 포함하는 에디터 추천 정보를 생성한다. 에디터 추천부(130)는 사용자의 단말로 에디터 추천 정보를 전송할 수 있다. 예를 들어, 에디터 추천부(130)는 유저간 유사성 기반 이동 확률인 전이 확률(transition probability) 및 유저(사용자 및 에디터) 간 랜덤 이동 확률인 랜덤 이동 확률(teleportation probability)를 이용하여 에디터 랭크를 산출할 수 있다. 이 때, 이동은 유저와 연관된 토픽이 다른 토픽으로 이동하는 것을 의미하고, 전이 확률은 유저 간 유사성에 따라 일 유저의 토픽이 다른 토픽으로 이동할 확률을 의미한다. 랜덤 이동 확률은 유저의 토픽이 다른 토픽으로 랜덤 하게 이동하게 되는 경우의 확률을 의미한다.
에디터 추천부(130)는 유저-토픽 행렬과 유저-유저 행렬을 이용하여 전이 확률을 산출한다. 이 때, 유저-유저 행렬은 도 2와 같이 이전 사용자가 에디터를 평가한 평가 점수를 포함하는 행렬로 행 및 열은 모두 유저이며, 요소는 평가 점수이다. 예를 들어, 평가 점수는 1부터 5 사이의 정수일 수 있다. 유저-유저 행렬은 사용자가 평가하지 않은 에디터에 대해서는 빈 값(nullvalue)을 가지는 요소로 표현할 수 있다. 따라서, 도 2의 210 및 220과 같이 사용자와 에디터 간의 영역에 평가 점수가 포함될 수 있다.
예를 들어, 에디터 추천부(130)는 하기의 수학식 1에 따라 전이 확률을 산출할 수 있다.
[수학식 1]
topicSimt( i, j ) = 1 - | UTit - UTjt |
TPt( i,j ) = Ut( i, j ) * topicSimt( i, j )
이 때, 도 4에 예시한 바와 같이 UTit는 유저-토픽 행렬에 따른 사용자(i)와 토픽(t)의 유사도(유저-토픽 행렬의 i행 t열의 원소)이고, UTjt는 에디터(j)와 토픽(t)의 유사도(유저-토픽 행렬의 j행 t열의 원소)이고, topicSimt( i, j )는 사용자와 에디터 간의 연관도이고, Ut( i, j )는 유저-유저 행렬에서 사용자와 에디터 간의 평가 점수이고, TPt는 전이 확률을 의미한다.
또한, 에디터 추천부(130)는 랜덤 이동 확률을 유저-토픽 행렬 중 사용자에 해당하는 열에 대해 정규화(column normalize)를 수행하여 계산할 수 있다. 즉, 에디터 추천부(130)는 도 3과 같이 특정 토픽에 대한 모든 유저의 유사도 중 첫번째 유저의 유사도가 1이 되도록 해당 토픽에 대응하는 열의 값을 정규화한 값인 랜덤 이동 확률을 산출할 수 있다.
에디터 추천부(130)는 하기의 수학식 2에 따라 에디터 랭크를 산출할 수 있다.
[수학식 2]
Figure 112018022931741-pat00001
이 때,
Figure 112018022931741-pat00002
는 미리 정해진 파라미터이고,
Figure 112018022931741-pat00003
은 특정 토픽에 대한 모든 유저의 에디터 랭크이고, EPt는 랜덤 이동 확률이다.
도 5는 본 발명의 일 실시 예에 따른 에디터 추천 장치가 에디터를 추천하는 방법을 예시한 순서도이다. 이하 설명하는 각 단계는 에디터 추천 장치를 구성하는 각 기능부를 통해 수행되는 과정이나, 발명의 간결하고 명확한 설명을 위해 각 단계의 주체를 에디터 추천 장치로 통칭하도록 한다.
도 5를 참조하면, 단계 310에서 에디터 추천 장치는 전체 논문에 대한 빅데이터 분석을 통해 토픽 별 단어를 추출한다.
단계 320에서 에디터 추천 장치는 각 유저(사용자 및 에디터)와 토픽 간의 유사도를 산출한다.
단계 330에서 에디터 추천 장치는 사용자에 대ㅋ한 각 에디터의 에디터 랭크를 산출한다. 이하, 도 4에서 단계 330의 과정을 상세히 설명하도록 한다.
단계 340에서 에디터 추천 장치는 에디터 랭크를 기준으로 미리 지정된 순위 이내의 에디터 랭크에 대응하는 에디터를 추천하는 에디터 추천 정보를 생성한다.
도 6은 본 발명의 일 실시 예에 따른 에디터 추천 장치가 에디터 랭크를 산출하는 과정을 예시한 순서도이다. 도 6에 예시된 각 과정은 도 3의 단계 330에 해당하는 과정이다.
도 6을 참조하면, 단계 410에서 에디터 추천 장치는 사용자와 에디터 간의 유사도를 산출한다. 예를 들어, 에디터 추천 장치는 사용자와 특정 토픽간의 유사도와 에디터와 특정 토픽간의 유사도의 차이에 따른 사용자와 에디터 간의 유사도를 산출할 수 있다.
단계 420에서 에디터 추천 장치는 유저 간 유사성 기반 전이 확률을 산출한다. 예를 들어, 에디터 추천 장치는 사용자와 에디터 간의 유사도와 유저-유저 행렬에 따른 평가 점수를 곱하여 전이 확률을 산출할 수 있다. 이 때, 유저-유저 행렬은 도 2와 같이 이전 사용자가 에디터를 평가한 평가 점수를 포함하는 행렬로 행 및 열은 모두 유저이며, 요소는 평가 점수일 수 있다.
단계 430에서 에디터 추천 장치는 유저-토픽 행렬 중 사용자에 해당하는 열에 대해 정규화를 수행하여 랜덤 이동 확률을 산출한다. 즉, 에디터 추천 장치는 사용자의 각 토픽에 대한 유사도에 대한 정규화를 수행하여 랜덤 이동 확률을 산출할 수 있다.
단계 440에서 에디터 추천 장치는 에디터의 이전 에디터 랭크, 전이 확률 및 지정된 제1 파라미터의 곱과 랜덤 이동 확률과 미리 지정된 제2 파라미터의 곱의 합을 현재 에디터의 에디터 랭크로 산출한다. 이 때, 제1 파라미터와 제2 파라미터는 서로 합이 1인 0 이상 1 이하인 값일 수 있다.
따라서, 본 발명의 일 실시 예에 따른 에디터 추천 장치는 사용자의 논문에 적합한 에디터를 객관적인 기준을 통해 자동 선정하여 사용자에게 추천할 수 있다.
상술한 본 발명의 실시 예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 발명의 실시 예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 본 발명의 실시 예들에 따른 방법은 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits),DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 프로세서, 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 실시 예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드 등이 기록된 컴퓨터 프로그램은 컴퓨터 판독 가능 기록 매체 또는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 메모리 유닛은 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 프로세서와 데이터를 주고 받을 수 있다.
또한 본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
더불어 각 블록 또는 각 단계는 특정된 논리적 기능을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또한 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이와 같이, 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 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

  1. 사용자의 교정 의뢰 논문에 대해서 단어를 추출하여 추출 단어 집합을 생성하는 단어 추출부;
    지정된 각 토픽 별 단어 집합과 상기 추출 단어 집합의 유사도를 상기 사용자와 상기 토픽 간의 유사도로 산출하는 유사도 산출부; 및
    상기 사용자와 상기 토픽 간의 유사도를 통해 상기 사용자와 에디터 간의 유사도를 산출하고, 상기 사용자와 상기 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 에디터 추천부를 포함하되,
    상기 유사도 산출부는,
    잠재 디리클레 할당(LDA:Latent Dirichlet Alocation)을 이용하여 유사도를 산출하고,
    상기 에디터 추천부는,
    상기 사용자와 상기 에디터 간의 유사도와 상기 에디터에 대한 평가 점수를 곱하여 전이 확률을 산출하고,
    사용자의 각 토픽에 대한 유사도에 대한 정규화를 수행하여 랜덤 이동 확률을 산출하고,
    상기 전이 확률 및 상기 랜덤 이동 확률을 이용하여 현재의 에디터 랭크를 산출하되,
    상기 전이 확률은,
    상기 사용자와 상기 에디터 간 유사성에 따라 상기 사용자 또는 상기 에디터의 토픽이 다른 토픽으로 이동할 확률이고, 사용자-에디터 행렬과 사용자 또는 에디터-토픽 행렬을 이용하여 산출하고,
    상기 사용자-에디터 행렬은,
    이전 사용자가 상기 에디터를 평가한 평가점수를 포함하는 행렬로 행 및 열 모두 사용자 또는 에디터로 형성되고, 요소는 상기 평가 점수이고, 이전 사용자가 평가하지 않는 에디터에 대해서는 빈 값(null value)을 가지는 요소로 표현하고,
    상기 사용자 또는 에디터-토픽 행렬은,
    열은 상기 사용자 또는 상기 에디터이고, 행은 상기 토픽이고, 각 요소는 상기 사용자 또는 상기 에디터와 상기 토픽 간의 유사도이고,
    상기 랜덤 이동 확률은,
    상기 사용자의 토픽이 다른 토픽으로 랜덤하게 이동하게 되는 경우의 확률이고, 상기 토픽에 대한 상기 사용자의 유사도 중 첫번째 사용자의 유사도가 1이 되도록 상기 토픽에 대응하는 열의 값을 정규화하고,
    상기 각 에디터에 대해 이전 에디터 랭크, 상기 전이 확률 및 지정된 제1 파라미터의 곱과 상기 랜덤 이동 확률 및 지정된 제2 파라미터의 곱을 합하여 현재의 상기 에디터 랭크를 산출하되, 제1 파라미터와 제2 파라미터는 서로 합이 1인 0 이상 1 이하인 값이고,
    상기 에디터 랭크를 기준으로 지정된 수의 상위 에디터를 추천하는 상기 에디터 추천 정보를 생성하는 에디터 추천 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 에디터 추천 장치가 에디터를 추천하는 방법에 있어서,
    사용자의 교정 의뢰 논문에 대해서 단어를 추출하여 추출 단어 집합을 생성하는 단계;
    지정된 각 토픽 별 단어 집합과 상기 추출 단어 집합의 유사도를 상기 사용자와 상기 토픽 간의 유사도로 산출하는 단계; 및
    상기 사용자와 상기 토픽 간의 유사도를 통해 상기 사용자와 에디터 간의 유사도를 산출하고, 상기 사용자와 상기 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 단계를 포함하되,
    상기 사용자와 상기 토픽 간의 유사도를 통해 상기 사용자와 에디터 간의 유사도를 산출하고, 상기 사용자와 상기 에디터 간의 유사도에 따라 에디터 추천 정보를 생성하는 단계는,
    상기 사용자와 상기 에디터 간의 유사도와 상기 에디터에 대한 평가 점수를 곱하여 전이 확률을 산출하는 단계;
    사용자의 각 토픽에 대한 유사도에 대한 정규화를 수행하여 랜덤 이동 확률을 산출하는 단계; 및
    상기 전이 확률 및 상기 랜덤 이동 확률을 이용하여 현재의 에디터 랭크를 산출하는 단계를 포함하고,
    상기 사용자의 각 토픽에 대한 유사도에 대한 정규화를 수행하여 랜덤 이동 확률을 산출하는 단계는,
    상기 사용자와 상기 토픽 간의 유사도에서 사용자에 해당하는 열에 대해 정규화를 수행하는 것으로, 상기 토픽에 대한 상기 사용자의 유사도 중 첫번째 사용자의 유사도가 1이 되도록 상기 토픽에 대응하는 열의 값을 정규화하는 것을 특징을 하고,
    상기 전이 확률 및 상기 랜덤 이동 확률을 이용하여 현재의 에디터 랭크를 산출하는 단계는,
    상기 전이 확률은 상기 사용자와 상기 에디터 간 유사성에 따라 상기 사용자 또는 상기 에디터의 토픽이 다른 토픽으로 이동할 확률이고, 사용자-에디터 행렬과 사용자 또는 에디터-토픽 행렬을 이용하여 산출하고,
    상기 사용자-에디터 행렬은,
    이전 사용자가 상기 에디터를 평가한 평가점수를 포함하는 행렬로 행 및 열 모두 사용자 또는 에디터로 형성되고, 요소는 상기 평가 점수이고, 이전 사용자가 평가하지 않는 에디터에 대해서는 빈 값(null value)을 가지는 요소로 표현하고,
    상기 사용자 또는 에디터-토픽 행렬은,
    열은 상기 사용자 또는 상기 에디터이고, 행은 상기 토픽이고, 각 요소는 상기 사용자 또는 상기 에디터와 상기 토픽 간의 유사도이고,
    상기 랜덤 이동 확률은,
    상기 사용자의 토픽이 다른 토픽으로 랜덤하게 이동하게 되는 경우의 확률이고, 상기 토픽에 대한 상기 사용자의 유사도 중 첫번째 사용자의 유사도가 1이 되도록 상기 토픽에 대응하는 열의 값을 정규화하고,
    상기 각 에디터에 대해 이전 에디터 랭크, 상기 전이 확률 및 지정된 제1 파라미터의 곱과 상기 랜덤 이동 확률 및 지정된 제2 파라미터의 곱을 합하여 현재의 상기 에디터 랭크를 산출하되, 제1 파라미터와 제2 파라미터는 서로 합이 1인 0 이상 1 이하인 값이고,
    상기 에디터 랭크를 기준으로 지정된 수의 상위 에디터를 추천하는 상기 에디터 추천 정보를 생성하는 에디터 추천 방법.
  6. 삭제
  7. 삭제
  8. 삭제
  9. 제 5 항의 에디터 추천 방법을 프로세서가 수행하게 하는 명령어를 포함하는 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능 기록매체.
  10. 제 5 항의 에디터 추천 방법을 프로세서가 수행하게 하는 컴퓨터 판독 가능 기록매체에 저장된 컴퓨터 프로그램.
KR1020180026820A 2018-03-07 2018-03-07 에디터 추천 장치 및 방법 KR102036507B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180026820A KR102036507B1 (ko) 2018-03-07 2018-03-07 에디터 추천 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180026820A KR102036507B1 (ko) 2018-03-07 2018-03-07 에디터 추천 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190105979A KR20190105979A (ko) 2019-09-18
KR102036507B1 true KR102036507B1 (ko) 2019-10-25

Family

ID=68071167

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180026820A KR102036507B1 (ko) 2018-03-07 2018-03-07 에디터 추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102036507B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113569127B (zh) * 2020-04-29 2023-11-21 北京达佳互联信息技术有限公司 一种推荐对象的确定方法、装置、设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101686338B1 (ko) * 2015-07-13 2016-12-14 중앙대학교 산학협력단 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101458588B1 (ko) * 2012-09-12 2014-11-21 (주)케이테크 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법
KR101714380B1 (ko) * 2014-07-11 2017-03-09 방일권 인터넷을 이용한 작문감수 및 에디터(감수자) 관리방법
KR20160089177A (ko) * 2015-01-19 2016-07-27 (주)프람트테크놀로지 폴라리티 기반 사용자 의견 랭킹 산정방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101686338B1 (ko) * 2015-07-13 2016-12-14 중앙대학교 산학협력단 이벤트 처리 시스템, 이벤트 처리 방법 및 컴퓨터 프로그램

Also Published As

Publication number Publication date
KR20190105979A (ko) 2019-09-18

Similar Documents

Publication Publication Date Title
CN112242187B (zh) 基于知识图谱表征学习的医疗方案推荐系统及方法
US20180336193A1 (en) Artificial Intelligence Based Method and Apparatus for Generating Article
WO2020007028A1 (zh) 问诊数据推荐方法、装置、计算机设备和存储介质
WO2018040899A1 (zh) 搜索词纠错方法及装置
US10068175B2 (en) Question resolution processing in deep question answering systems
US9753905B2 (en) Generating a document structure using historical versions of a document
CN109325146B (zh) 一种视频推荐方法、装置、存储介质和服务器
WO2019136960A1 (zh) 一种爬取网站数据的方法、存储介质、服务器及装置
RU2015155633A (ru) Системы и способы создания и реализации агента или системы с искусственным интеллектом
CN113707300A (zh) 基于人工智能的搜索意图识别方法、装置、设备及介质
CN104978354B (zh) 文本分类方法和装置
CN108182182B (zh) 翻译数据库中文档匹配方法、装置及计算机可读存储介质
CN113656547A (zh) 文本匹配方法、装置、设备及存储介质
CN113010679A (zh) 问答对生成方法、装置、设备及计算机可读存储介质
KR102036507B1 (ko) 에디터 추천 장치 및 방법
CN114037545A (zh) 客户推荐方法、装置、设备及存储介质
JP2019212034A5 (ko)
JP2016212879A (ja) 情報処理方法及び情報処理装置
CN103823667A (zh) 根据可视反馈自动调整值序列分析任务的方法和系统
CN113590879B (zh) 一种缩短时间戳网络解决多事件视频问答系统、方法、计算机及存储介质
CN113343700B (zh) 数据处理方法、装置、设备及存储介质
CN112949305B (zh) 负反馈信息采集方法、装置、设备及存储介质
Mynarz et al. DB-quiz: a DBpedia-backed knowledge game
CN113326365A (zh) 回复语句生成方法、装置、设备及存储介质
CN113935387A (zh) 文本相似度的确定方法、装置和计算机可读存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant