KR102213291B1 - 웹사이트 제작 시스템 - Google Patents

웹사이트 제작 시스템 Download PDF

Info

Publication number
KR102213291B1
KR102213291B1 KR1020200095160A KR20200095160A KR102213291B1 KR 102213291 B1 KR102213291 B1 KR 102213291B1 KR 1020200095160 A KR1020200095160 A KR 1020200095160A KR 20200095160 A KR20200095160 A KR 20200095160A KR 102213291 B1 KR102213291 B1 KR 102213291B1
Authority
KR
South Korea
Prior art keywords
text
image
neural network
data
unit
Prior art date
Application number
KR1020200095160A
Other languages
English (en)
Inventor
배도연
Original Assignee
배도연
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 배도연 filed Critical 배도연
Priority to KR1020200095160A priority Critical patent/KR102213291B1/ko
Application granted granted Critical
Publication of KR102213291B1 publication Critical patent/KR102213291B1/ko

Links

Images

Classifications

    • 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
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/103—Formatting, i.e. changing of presentation of documents
    • G06F40/106—Display of layout of documents; Previewing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

웹사이트 제작 시스템이 제공된다. 본 발명의 일 실시예에 따른 웹사이트 제작 시스템은 서버와 사용자가 이용하는 사용자 단말을 포함하는 시스템으로서, 상기 서버는 정보 처리부, 통신부 및 메모리부를 포함하고, 상기 사용자 단말은 상기 서버에서 제공하는 정보를 표시하거나 입력을 제공받는 인터페이스부; 및 상기 통신부와 연결되는 네트워크부를 포함하되, 상기 정보 처리부는 이미지 객체와 텍스트 객체가 결합된 이미지-텍스트 결합 데이터를 입력하면, 상기 이미지-텍스트 결합 데이터 중 상기 텍스트 객체의 객체 정보를 변경하여 출력하는 뉴럴 네트워크를 포함한다.

Description

웹사이트 제작 시스템{SYSTEM FOR MAKING WEBSITE}
본 발명은 웹사이트 제작 시스템에 대한 것이다.
인터넷의 확산과 더불어 해마다 많은 수의 인터넷 웹사이트가 생성되고 있다. 웹사이트를 만들기 위해서 웹사이트 제작도구와 저장공간이 필요하다. 웹사이트 제작 프로그램으로는 나모인터렉티브에서 개발한 나모 웹에디터, 마이크로소프트의 프론트페이지와 매크로미디어의 드림위버 등이 잘 알려져있으며, PC 통신이나 IP 업체들이 가입자에게 웹사이트 내용을 저장할 수 있는 공간을 제공하고 있다.
그러나 일반적으로 웹사이트 제작에 대한 전문지식이나 경험이 없는 인터넷 사용자가 웹사이트를 제작하기는 쉽지 않아 웹사이트 제작을 전문으로 하는 업체에 의뢰하여 제작하고 있다. 그러나, 이 경우 웹사이트 제작에 너무 많은 비용과 시간이 소요되고, 제작된 웹사이트를 수정하거나 관리하기 위해서 별도의 용역이 필요한 문제가 있다.
따라서 초보자들도 쉽게 웹사이트를 제작할 수 있는 기술들이 개발되고 있으며, 예컨대 KR1020140130799 등에 개시되어 있다.
본 발명이 해결하고자 하는 과제는 인공지능을 이용해 완성도 높은 웹사이트를 제작할 수 있는 웹사이트 제작 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는 초보자도 쉽게 웹사이트를 제작할 수 있는 웹사이트 제작 시스템을 만드는 것이다.
이상에서 서술한 과제는 예시로서, 보다 자세한 내용은 명세서 상세한 설명에 반영되어 있다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 웹사이트 제작 시스템은 서버와 사용자가 이용하는 사용자 단말을 포함하는 시스템으로서, 상기 서버는 정보 처리부, 통신부 및 메모리부를 포함하고, 상기 사용자 단말은 상기 서버에서 제공하는 정보를 표시하거나 입력을 제공받는 인터페이스부 및 상기 통신부와 연결되는 네트워크부를 포함하되, 상기 정보 처리부는 이미지 객체와 텍스트 객체가 결합된 이미지-텍스트 결합 데이터를 입력하면, 상기 이미지-텍스트 결합 데이터 중 상기 텍스트 객체의 객체 정보를 변경하여 출력한다.
또한, 상기 메모리부는 상기 텍스트 객체가 라벨링된 상기 이미지-텍스트 결합 데이터를 학습 데이터 세트로 저장하며, 상기 뉴럴 네트워크는 상기 학습 데이터 세트로 학습된 모델일 수 있다.
또한, 상기 인터페이스부는 상기 이미지 객체 및 상기 텍스트 객체를 포함하는 컨텐츠 영역을 포함할 수 있다.
또한, 상기 인터페이스부는 추천 버튼을 더 포함하고, 상기 사용자가 상기 추천 버튼을 선택 입력하면, 상기 컨텐츠 영역을 가로지르는 분할 라인이 생성되고, 상기 분할 라인에 의해 상기 컨텐츠 영역은 제1 분할 영역과 제2 분할 영역으로 구분될 수 있다.
또한, 상기 제1 분할 영역에는 입력된 상기 이미지-텍스트 결합 데이터가 표시되고, 상기 제2 분할 영역에는 상기 뉴럴 네트워크에서 출력된 상기 이미지-텍스트 결합 데이터가 표시될 수 있다.
또한, 상기 분할 라인은 상기 컨텐츠 영역 상에서 일측 또는 타측으로 이동되고, 이에 따라 상기 제1 분할 영역과 상기 제2 분할 영역의 크기가 변경될 수 있다.
또한, 상기 분할 라인이 상기 컨텐츠 영역 일측 끝단으로 이동하면, 상기 제2 분할 영역 만이 상기 컨텐츠 영역 상에 표시될 수 있다.
본 발명의 실시예들에 의하면 손쉽게 완성도 높은 웹사이트를 제작할 수 있다.
또한, 초보자들도 별다른 어려움 없이 전문적인 웹사이트를 제작할 수 있다.
본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.
도 1은 본 발명의 일 실시예에 웹사이트 제작 시스템을 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 3은 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 4는 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 5는 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 6은 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 7은 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 8은 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 9는 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 10은 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
도 11은 본 발명의 일 실시예에 다른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
구성(elements) 또는 층이 다른 소자 또는 층의 "위(on)" 또는 "상(on)"으로 지칭되는 것은 다른 구성 또는 층의 바로 위뿐만 아니라 중간에 다른 층 또는 다른 구성을 개재한 경우를 모두 포함한다. 반면, 구성이 "직접 위(directly on)" 또는 "바로 위"로 지칭되는 것은 중간에 다른 구성 또는 층을 개재하지 않은 것을 나타낸다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "위(on)", "상(on)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성 또는 구성 요소들과 다른 구성 또는 구성 요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 구성을 뒤집을 경우, 다른 구성의 "아래"로 기술된 구성은 다른 구성의 "위"에 놓여질 수 있다. 또한 도면을 기준으로 다른 구성의 "좌측"에 위치하는 것으로 기술된 구성은 시점에 따라 다른 구성의 "우측"에 위치할 수도 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성은 다른 방향으로도 배향될 수 있으며, 이 경우 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
비록 제1, 제2 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는다.
명세서 전체를 통하여 동일하거나 유사한 부분에 대해서는 동일한 도면 부호를 사용한다.
이하, 도면을 참조하여 본 발명의 실시예들에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 웹사이트 제작 시스템을 설명하기 위한 개략도이다.
일 실시예에서 웹사이트 제작 시스템은 서버(100)와 사용자 단말(200)을 포함할 수 있다. 즉, 서버(100)와 사용자 단말(200)에 의해 후술하는 각 구성이 수행될 수 있다.
일 실시예에서 서버(100)는 정보 처리부(110), 통신부(120) 및 메모리부(130)를 포함할 수 있다.
정보 처리부(110)는 본 발명의 몇몇 실시예에 다른 웹사이트 제작 시스템을 총괄적으로 관리할 수 있다. 이를 위해 정보 처리부(110)는 각 구성으로부터 구동에 필요한 데이터 및/또는 신호를 제공받거나, 각 구성을 구동하기 위해 필요한 데이터 및/또는 신호를 제공할 수 있다.
이와 같은 기능을 수행하기 위해 정보 처리부(110)는 전적으로 하드웨어이거나 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어일 수 있다. 즉, 정보 처리부(110)는 특정 형식 및 내용의 데이터를 전자통신 방식으로 주고받기 위한 장치 및 이에 관련된 소프트웨어를 통칭하는 개념으로 이해될 수 있다.
예를 들어, 하드웨어는 CPU 또는 다른 프로세서를 포함하는 데이터 처리 기기를 포함할 수 있다.
또한, 소프트웨어는 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 포함할 수 있다.
일 실시예에서 정보 처리부(110)는 적어도 하나의 프로세서를 포함할 수 있다. 프로세서는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU, Central Processing Unit), 범용 그래픽 처리 장치(GPGPU: General Purpose Graphics Processing Unit), 텐서 처리 장치(TPU: Tensor Processing Unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다.
통신부(120)는 정보 처리부(110)와 후술하는 각 구성 또는 서버(100)와 외부 서버, 다른 컴퓨팅 장치 또는 모바일 기기를 무선 및/또는 유선으로 연결할 수 있다.
또한, 통신부(120)는 사용자 단말(200)과의 무선 연결을 제공할 수 있다.
본 명세서에서 '연결'이라 함은 두 개의 구성이 서로 데이터 및/또는 신호를 주고받을 수 있는 상태를 의미할 수 있다.
일 실시예에서 통신부(120)는 유선 통신을 지원하기 위한 유선 통신 모듈 및/또는 무선 통신을 지원하기 위한 무선 통신 모듈을 포함할 수 있다.
유선 통신 모듈은 예컨대, 유선 통신을 위한 기술표준들 또는 통신 방식(이더넷(Ehternet), PLC(Power Line Communication), 홈 PNA, IEEE 1394 등)에 따라 구축된 유선 통신망에서 타 서버, 기지국, AP(access point) 중 적어도 하나와 유선 신호를 송수신하기 위한 통신 인터페이스를 포함할 수 있다.
무선 통신 모듈은, 무선 통신을 위한 기술표준들 또는 통신방식(예를 들어, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), DLNA(Digital Living Network Alliance), GSM(Global System for Mobile communication), CDMA(Code Division MultiAccess), WCDMA(Wideband CDMA), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 무선 통신망에서 기지국, AP(Access Point) 및 중계기 중 적어도 하나와 무선 신호를 송수신하기 위한 통신 인터페이스를 포함할 수 있다. 다만, 이는 예시적인 것으로, 통신부(120)의 구성이 이에 제한되는 것은 아니다. 즉, 데이터 송수신을 가능하게 하는 수단이라면, 통신부(120)로 채택될 수 있다.
메모리부(130)는 서버(100)에서 필요로하는 데이터를 저장할 수 있다.
일 실시예에서 메모리부(130)는 내장 메모리를 포함할 수 있다. 보다 구체적으로, 메모리부(130)는 휘발성 메모리(예를 들면, DRAM(dynamic RAM), SRAM(static RAM), SDRAM(synchronous dynamic RAM) 등) 또는 비휘발성 메모리(non-volatile Memory, 예를 들면, OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, NAND flash memory, NOR flash memory 등), SSD(Solid State Drive) 중 적어도 하나를 포함할 수 있다.
한편, 메모리부(130)는 일 실시예로 외장 메모리를 포함할 수 있다. 보다 구체적으로, 메모리부(130)는 flash drive, 예를 들면, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital) 또는 Memory Stick 등을 더 포함할 수 있다.
메모리부(130)은 정보 처리부(110)의 판단에 기초가 되는 정보를 저장할 수 있다. 메모리부(130)에 의해 저장되는 정보는 기 입력된 정보이거나, 통신부(120)을 이용하여 사용자 단말(200)이나 외부의 다른 서버, 컴퓨팅 장치로부터 제공받은 정보일 수 있다.
일 실시예에서 메모리부(130)는 복수의 DB를 포함할 수 있다. 메모리부(130)가 저장하는 DB의 모든 데이터는 후술하는 학습 데이터 세트(600)로 활용될 수 있다.
메모리부(130)에 저장된 데이터 또는 복수의 DB는 복수의 이미지와 이에 매칭된 텍스트 객체 정보를 포함할 수 있다.
다시 말하면, 메모리부(130)는 이미지 객체와 텍스트 객체가 결합된 데이터를 저장할 수 있다.
본 명세서에서 '텍스트 객체 정보'라 함은 이미지와 중첩되어 표시되는 텍스트의 배치 위치, 사용된 폰트의 종류, 텍스트의 크기, 색상, 두께 및 기타 디자인 요소 중 선택된 어느 하나 이상을 의미할 수 있다.
일 실시예에서 이미지 객체와 텍스트 객체가 결합된 데이터는 전문가 또는 전문가 집단이 선정한 데이터일 수 있다. 즉, 일 실시예에서 이미지 객체와 텍스트 객체가 결합된 데이터는 전문가 또는 전문가 집단이 특정 이미지에 가장 잘 어울리는(폰트, 크기, 색상, 두께, 디자인 요소 등) 텍스트 객체를 결합시킨 것이거나, 특정 이미지 위에 텍스트 객체를 작성하여 중첩시키거나, 텍스트가 표시된 이미지를 선정한 것일 수 있다. 예컨대, 전문가 또는 전문가 집단은 포토샵, 일러스트레이터, 파워 포인트, 워드 등의 편집 도구를 사용하여 특정 이미지에 텍스트 객체를 결합시킬 수 있다. 이렇게 결합되어 형성된 데이터는 학습 데이터 세트를 구성할 수 있으며, 후술하는 바와 같이 뉴럴 네트워크를 학습시키는 데이터 세트로 활용될 수 있다. 또한, 전문가 또는 전문가 집단은 이미 텍스트가 쓰여진 이미지를 선정할 수도 있다. 즉, 이미지와 텍스트가 같이 배치되어 있는 이미지 또는 데이터는 이미지 객체와 텍스트 객체가 결합된 데이터에 포함될 수 있다.
전문가 또는 전문가 집단은 이미지와 텍스트의 결합의 구도, 심미감, 전달력, 주관적 판단, 완성도 등을 고려하여 이미지-텍스트 결합 데이터를 선정할 수 있다. 이와 같이 전문가 또는 전문가 집단이 선정한 이미지-텍스트 결합 데이터를 학습 데이터 세트로 활용하는 경우, 뉴럴 네트워크가 추천하는 텍스트 객체의 완성도, 심미감, 구도 등의 질적 요소가 향상될 수 있다.
일 실시예에서 서버(100)는 사용자 단말(200)과 연결될 수 있다.
일 실시예에서 사용자 단말(200)은 데스크탑, 랩탑, 노트북 등의 컴퓨팅 장치이거나, 휴대가 가능한 모바일 기기(스마트폰 등)일 수 있다.
다만, 이는 예시적인 것으로 사용자 단말(200)의 종류가 이에 제한되는 것은 아니다. 즉, 사용자 단말(200)은 서버와 연결이 가능하며, 본 발명의 몇몇 실시예에서 필요로 하는 입력과 출력을 지원하는 모든 형태의 전자기기를 포함하는 것으로 이해될 수 있다.
일 실시예에서 사용자 단말(200)은 인터페이스부(210), 제어부(220), 네트워크부(230), 표시부(240), 저장부(250), 입력부(260)를 포함할 수 있다.
제어부(220)는 사용자 단말(200)을 총괄적으로 제어할 수 있다. 이를 위해 제어부(220)는 각 구성으로부터 구동에 필요한 데이터 및/또는 신호를 제공받거나, 각 구성을 구동하기 위해 필요한 데이터 및/또는 신호를 제공할 수 있다.
이와 같은 기능을 수행하기 위해 제어부(220)는 전적으로 하드웨어이거나 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어일 수 있다. 즉, 제어부는 특정 형식 및 내용의 데이터를 전자통신 방식으로 주고받기 위한 장치 및 이에 관련된 소프트웨어를 통칭하는 개념으로 이해될 수 있다.
예를 들어, 하드웨어는 CPU 또는 다른 프로세서를 포함하는 데이터 처리 기기를 포함할 수 있다.
또한, 소프트웨어는 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 포함할 수 있다.
일 실시예에서 제어부(220)는 적어도 하나의 프로세서를 포함할 수 있다. 프로세서는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU, Central Processing Unit), 범용 그래픽 처리 장치(GPGPU: General Purpose Graphics Processing Unit), 텐서 처리 장치(TPU: Tensor Processing Unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다.
네트워크부(230)는 제어부(220)와 후술하는 각 구성 또는 서버(100)와 외부 서버, 다른 컴퓨팅 장치 또는 모바일 기기를 무선 및/또는 유선으로 연결할 수 있다.
또한, 네트워크부(230)는 서버(100)와의 무선 연결을 제공할 수 있다.
일 실시예에서 네트워크부(230)는 유선 통신을 지원하기 위한 유선 통신 모듈 및/또는 무선 통신을 지원하기 위한 무선 통신 모듈을 포함할 수 있다.
유선 통신 모듈은 예컨대, 유선 통신을 위한 기술표준들 또는 통신 방식(이더넷(Ehternet), PLC(Power Line Communication), 홈 PNA, IEEE 1394 등)에 따라 구축된 유선 통신망에서 타 서버, 기지국, AP(access point) 중 적어도 하나와 유선 신호를 송수신하기 위한 통신 인터페이스를 포함할 수 있다.
무선 통신 모듈은, 무선 통신을 위한 기술표준들 또는 통신방식(예를 들어, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), DLNA(Digital Living Network Alliance), GSM(Global System for Mobile communication), CDMA(Code Division MultiAccess), WCDMA(Wideband CDMA), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 무선 통신망에서 기지국, AP(Access Point) 및 중계기 중 적어도 하나와 무선 신호를 송수신하기 위한 통신 인터페이스를 포함할 수 있다. 다만, 이는 예시적인 것으로, 네트워크부(230)의 구성이 이에 제한되는 것은 아니다. 즉, 데이터 송수신을 가능하게 하는 수단이라면, 네트워크부(230)로 채택될 수 있다.
저장부(250)는 사용자 단말(200)에서 처리하는 데이터를 저장할 수 있다.
일 실시예에서 저장부(250)는 내장 메모리를 포함할 수 있다. 보다 구체적으로, 저장부(250)는 휘발성 메모리(예를 들면, DRAM(dynamic RAM), SRAM(static RAM), SDRAM(synchronous dynamic RAM) 등) 또는 비휘발성 메모리(non-volatile Memory, 예를 들면, OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, NAND flash memory, NOR flash memory 등), SSD(Solid State Drive) 중 적어도 하나를 포함할 수 있다.
한편, 저장부(250)는 일 실시예로 외장 메모리를 포함할 수 있다. 보다 구체적으로, 저장부(250)는 flash drive, 예를 들면, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital) 또는 Memory Stick 등을 더 포함할 수 있다.
저장부(250)는 제어부(220)의 판단에 기초가 되는 정보를 저장할 수 있다. 저장부(250)에 의해 저장되는 정보는 기 입력된 정보이거나, 네트워크부(230)를 이용하여 서버(100)나 외부의 다른 서버 또는 다른 컴퓨팅 장치로부터 제공받은 정보일 수 있다.
인터페이스부(210)는 사용자 인터 페이스를 제공할 수 있다. 즉, 인터페이스부(210)는 저장부(250)에 의해 저장되어 제어부(220)에 의해 수행되는 프로그램이나 어플리케이션일 수 있다.
일 실시예에서 인터페이스부(210)는 서버(100)로부터 제공받거나, 외부 기관(앱 스토어 등)으로부터 다운로드 받아 설치될 수 있다.
일 실시예에 따른 웹사이트 제작 시스템은 사용자 단말(200)에 설치된 웹브라우저를 통해 구현될 수 있다. 이 경우, 인터페이스부(210)는 사용자 단말(200)에 설치된 웹브라우저(인터넷 익스플로러, 크롬, 파이어폭스 등)를 포함하는 개념으로 이해될 수 있다.
표시부(240)는 인터페이스부(210)에서 제공하는 정보를 사용자에게 표시할 수 있다. 이를 위해 표시부(240)는 적어도 하나의 디스플레이 장치를 포함할 수 있다. 일 실시예에서 디스플레이 장치는 액정 표시 장치 또는 유기 발광 표시 장치일 수 있다. 다만, 이에 제한되는 것은 아니며, 사용자 인터페이스 또는 동영상을 표시할 수 있는 디스플레이 장치라면 표시부(240)로 이용될 수 있다. 즉, 소프트웨어 형태의 인터페이스부(210)가 하드웨어인 표시부(240)를 통해 표시될 수 있다.
입력부(260)는 사용자로부터 입력을 제공받을 수 있다. 일 실시예에서 입력부(260)는 마우스, 키보드, 터치 패드 또는 터치 스크린일 수 있다. 입력부(260)가 터치 스크린인 경우, 입력부(260)는 전술한 표시부(240)와 일체로 형성될 수 있다.
위 열거한 입력부(260)의 종류는 예시로서, 입력부(260)가 이에 제한되는 것은 아니다. 즉, 사용자 선택를 반영할 수 있는 입력 수단이라면, 입력부(260)로 이용될 수 있다.
이하에서는 본 발명의 몇몇 실시예에 따른 웹사이트 제작 시스템이 웹사이트를 제작하는 방식에 대해 구체적으로 설명하기로 한다.
설명에 앞서 몇몇 용어를 정의하기로 한다.
본 명세서에서 '페이지'란 브라우저 상에 로딩되는 파일에 대응되는 개념이고, '도메인'은 페이지들로 이루어진 사이트의 주소를 의미할 수 있다. 예를 들어, 도메인은 'aa.com', 'bb.com' 등과 같은 사이트 주소를 의미하고, 페이지들은 'aa.com'/a1.html', 'bb.com'/a2.html' 등과 같은 형태를 가질 수 있다. 본 발명의 몇몇 실시예에서 웹사이트라함은 적어도 하나의 페이지를 포함하는 도메인을 의미하는 것으로 이해될 수 있다.
한편, 본 발명의 몇몇 실시예에서 서버(100)는 웹사이트를 제작 및/또는 수정할 수 있는 그래픽 유저 인터페이스를 사용자 단말(200)에 지원할 수 있다. 즉, 이를 통해 사용자는 별도의 코딩이나 프로그램을 사용할 필요 없이, 웹사이트의 표시 내용을 보고 직접 객체를 편집하여 웹사이트를 제작할 수 있다. 즉, 본 발명의 몇몇 실시예에 따르면 사용자는 웹 브라우저 상에서 제공된 인터페이스를 통해 자신의 웹사이트를 제작 및 편집하되, 인공지능이 추천한 디자인과 자신이 선택한 디자인을 비교하고 더 나은 것을 선택함으로써, 더욱 더 고급스럽고, 전문가의 손길이 느껴지는 웹사이트를 제작할 수 있게 된다.
일 실시예에서 사용자는 서버(100)가 제공하는 웹사이트 제작 서비스에 로그인하여, 웹사이트의 편집 모드로 들어갈 수 있다. 이하에서 사용자의 행위는 서버(100)가 제공하는 웹사이트 제작 서비스의 편집 모드에서 이루어지는 것으로 가정하여 설명하기로 한다.
도 2는 본 발명의 몇몇 실시예에 따른 웹사이트 제작 시스템의 인터페이스를 도시한 개략도이다.
도 2를 참조하면, 일 실시예에서 웹사이트 제작 시스템은 사용자 단말(200)에 메뉴바(MB)와 복수의 테마선택옵션을 표시할 수 있다. 구체적으로, 인터페이스부(210)는 서버(100)에서 제공된 정보를 기초로 도 2와 같은 인터페이스를 사용자에게 표시할 수 있다.
일 실시예에서 메뉴바(MB)는 그래픽 유저 인터페이스 화면 상단에 위치할 수 있다. 일 실시예에서 메뉴바(MB)는 메인버튼(300)과 적어도 하나의 서브 버튼(301, 302, 303, 304)을 포함할 수 있다.
메인 버튼(300)은 웹사이트의 'Home' 페이지를 의미할 수 있다. 즉, 웹사이트가 완성된 상태에서 사용자가 메인 버튼(300)을 클릭 또는 터치하면 'Home' 페이지로 이동할 수 있게 된다.
이하에서는 설명의 편의를 위해 본 발명의 몇몇 실시예에 따른 웹사이트 제작 시스템을 PC에서 사용하는 것을 전제로 설명하기로 한다. 즉, '클릭' 등의 용어는 입력 수단을 이용한 입력(또는 선택)을 의미하며, 이를 모바일에 사용할 경우 '터치' 등의 표현으로 대체될 수 있음을 밝혀둔다.
도 2는 메인 버튼(300)에 표시된 제목이 'Main'으로 도시되어 있으나, 이는 예시적인 것으로 이에 제한되지 않는다. 일 실시예에서 'Main' 은 '회사소개', 'About US', 'Home' 등의 열거된 예시에서 선택되거나, 사용자가 자유롭게 수정하여 입력할 수 있다.
서브 버튼(301, 302, 303, 304)도 이와 마찬가지로 서버(100)에서 제공한 예시 중 하나를 선택하거나, 사용자가 자유롭게 입력한 제목으로 표시될 수 있다.
일 실시예에서 인터페이스부(210)는 복수의 테마 선택 옵션을 포함할 수 있다.
예컨대, 인터페이스부(210)는 복수의 테마를 표시하고, 이 중 어느 하나를 사용자에게 선택하도록 할 수 있다.
일 실시예에서 도 2에 도시된 바와 같이 테마(TM)를 표시하고, 테마(TM)의 일측에 선택 버튼(SB)을 표시할 수 있다. 사용자가 선택 버튼(SB)을 클릭하는 경우, 해당 테마가 선택될 수 있다. 테마의 종류, 수 및 선택 방식은 서버(100)에서 제공하는 방식에 따라 달라질 수 있다. 즉, 도 2는 테마의 종류, 수 및 선택 방식을 제한하는 것이 아니며, 하나의 예를 도시함을 밝혀둔다.
도 3은 본 발명의 일 실시예에 따른 웹사이트 제작 시스템의 인터페이스를 도시한 개략도이다.
테마를 선택하면, 테마는 도 3에 도시된 바와 같이 복수의 컨텐츠 영역으로 구분될 수 있다.
도 3은 하나의 테마가 3개의 컨텐츠 영역으로 도시된 경우를 예시한다. 다만, 이는 예시적인 것으로, 선택된 테마에 따라 영역의 수와 크기는 달라질 수 있다.
일 실시예에서 테마는 적어도 하나의 컨텐츠 영역을 포함할 수 있다. 각각의 컨텐츠 영역은 이미지 객체 및/또는 텍스트 객체를 포함할 수 있다.
사용자가 제1 컨텐츠 영역(A1)을 클릭하면, 도 4와 같은 인터페이스가 표시될 수 있다.
도 4 내지 도 6은 일 실시예에 따른 웹사이트 제작 시스템의 인터페이스를 도시한 개략도이다.
일 실시예에서 제1 컨텐츠 영역(A1)을 클릭하면, 제1 컨텐츠 영역(A1)의 이미지 객체와 텍스트 객체를 추가하기 위한 버튼이 생성될 수 있다.
일 실시예에서 인터페이스부(210)는 이미지 버튼(401)과 텍스트 버튼(402) 및 추천 버튼(403)을 포함할 수 있다.
사용자가 이미지 버튼(401)을 선택하면, 도 5와 같이 이미지 창(40)이 표시될 수 있다.
이미지 창(40)은 적어도 하나의 추천 이미지(41)를 도시할 수 있다. 사용자는 복수의 추천 이미지(41) 중 어느 하나를 선택할 수 있다. 사용자가 추천 이미지(41) 중 어느 하나를 선택하면, 제1 컨텐츠 영역(A1)은 사용자가 선택한 이미지로 채워질 수 있다.
사용자는 추천 이미지(41)지가 아니고 사용자 임의로 선택한 이미지를 사용할 수 있다. 이를 위해 이미지 창(40)에는 사용자가 임의로 선택한 이미지를 추가하기 위한 이미지 추가 버튼(42)이 배치될 수 있다. 사용자는 이미지 추가 버튼(42)을 누르고, 사용자 단말(200)에 저장된 이미지 등을 선택할 수 있다.
이 경우, 사용자가 추가한 이미지가 제1 컨텐츠 영역(A1)에 표시될 수 있다.
이미지 창(40)을 통해 제1 컨텐츠 영역(A1)의 이미지 객체가 확정되면, 사용자는 제1 컨텐츠 영역(A1)에 텍스트 객체를 추가할 수 있다.
도 6에 도시된 바와 같이 사용자는 텍스트 버튼(402)을 선택할 수 있다.
텍스트 버튼(402)을 선택하면 인터페이스에 메인 텍스트 창(50m)과 서브 텍스트 창(50s)이 표시될 수 있다.
일 실시예에서 메인 텍스트 창(50m) 및 서브 텍스트 창(50s)에는 텍스트 입력을 위한 커서(C)가 표시될 수 있다. 또한, 입력되는 텍스트의 폰트 종류, 크기, 색 등을 바꿀 수 있는 옵션 버튼이 표시될 수 있다.
텍스트의 폰트 종류, 크기, 색 등을 바꾸는 옵션 버튼은 기존의 워드 프로세서나 포토샵 일러스트 등과 실질적으로 동일할 수 있다. 따라서, 이에 대한 자세한 설명은 생략하기로 한다.
일 실시예에서 서브 텍스트 창(50s)은 추가 버튼(53)과 제거 버튼(54)을 포함할 수 있다. 추가 버튼(53)을 선택하면, 새로운 서브 텍스트 창이 생성될 수 있다. 제거 버튼(54)을 선택하면 서브 텍스트 창이 제거될 수 있다.
도 7은 본 발명의 일 실시예에 따른 웹사이트 제작 시스템의 인터페이스를 도시한 개략도이다.
이어서, 도 7을 참조하면, 제1 컨텐츠 영역(A1) 상에 이미지 객체(IO)와 텍스트 객체(TO)가 표시될 수 있다.
사용자는 이미지 객체(IO)를 선택하여, 위치를 변경하거나 크기를 조정할 수 있다. 또한, 사용자는 텍스트 객체(TO)를 선택하여 위치를 변경하거나, 앞서 도 6에서와 같이 텍스트 객체의 정보(폰트 종류, 크기, 색 등)을 수정할 수 있다.
도 8은 본 발명의 일 실시예에 따른 웹사이트 제작 시스템의 인터페이스를 도시한 개략도이다.
도 8을 참조하면, 일 실시예에서 인터페이스부(210)은 추천 버튼(403)을 포함할 수 있다. 인터페이스부(210)을 통해 사용자가 추천 버튼(403)을 선택하면, 서버(100)는 인공지능을 이용하여 제1 컨텐츠 영역(A1)의 텍스트 객체(TO)를 수정하여 사용자 단말(200)에 제공할 수 있다. 이에 대한 구체적인 방식은 뒤에서 자세히 설명하기로 한다.
일 실시예에서 추천 버튼(403)이 선택으로 활성화되면, 인터페이스부(210) 상에는 분할 라인(DL)이 도시될 수 있다. 분할 라인(DL)은 마우스 커서나 사용자의 터치를 따라 좌측 또는 우측으로 이동할 수 있다.
분할 라인(DL)에 의해 제1 컨텐츠 영역(A1)은 제1 분할 영역(D1) 및 제2 분할 영역(D2)으로 구분될 수 있다.
즉, 분할 라인(DL)을 기준으로 일측에는 제1 분할 영역(D1)이 배치되고, 타측에는 제2 분할 영역(D2)이 배치될 수 있다.
일 실시예에서 제1 분할 영역(D1)에는 사용자가 확정한 제1 컨텐츠 영역(A1)이 도시되고, 제2 분할 영역(D2)에는 서버(100)가 추천한 제1 컨텐츠 영역(A1)이 도시될 수 있다.
일 실시예에서 서버(100)는 인공지능을 기초로 해당 이미지에 어울리도록 텍스트 객체의 크기, 폰트 종류, 색상을 변경하여 이를 사용자에게 추천할 수 있다. 즉, 서버(100)에서 추천한 텍스트 객체의 정보가 사용자 단말(200)에 제공되어 인터페이스부(210)를 통해 표시될 수 있다. 이 경우, 제2 분할 영역(D2)에는 인공지능에 의해 수정된 텍스트 객체(61)가 표시되고, 제1 분할 영역(D1)에는 사용자가 선택한 텍스트 객체(TO)가 도시될 수 있다.
다시 말하면, 제1 분할 영역(D1)에는 뉴럴 네트워크의 입력값인 이미지-텍스트 결합 데이터가 표시되고, 제2 분할 영역(D2)에는 뉴럴 네트워크의 출력값인 이미지-텍스트 결합 데이터(텍스트 객체의 객체 정보가 변형된)가 표시될 수 있다.
이와 같이 분할 라인(DL)을 통해 제1 컨텐츠 영역(A1)을 분할하고, 사용자가 선택한 텍스트 객체와 인공지능이 추천한 텍스트 객체를 각 영역에 표시하는 경우, 사용자는 쉽게 자신이 선택한 텍스트 객체와 인공지능이 추천한 텍스트 객체를 비교할 수 있다.
일 실시예에서 제1 분할 영역(D1)에는 뉴럴 네트워크의 입력값인 이미지-텍스트 결합 데이터의 일부가 표시되고, 제2 분할 영역(D2)에는 뉴럴 네트워크의 출력값인 이미지-텍스트 결합 데이터의 일부가 표시될 수 있다.
일 실시예에서 사용자는 분할 라인(DL)을 드래그하여 이동시킬 수 있다. 사용자가 분할 라인(DL)을 이동시키면, 제1 분할 영역(D1)의 크기와 제2 분할 영역(D2)의 크기가 변경될 수 있다.
일 실시예에서 제1 분할 영역(D1)의 크기와 제2 분할 영역(D2)의 크기 변경은 서로 상보적일 수 있다. 즉, 제1 분할 영역(D1)이 크기가 커지면, 제2 분할 영역(D2)의 크기는 작아질 수 있다. 이 경우, 제1 분할 영역(D1)에 표시되는 뉴럴 네트워크의 입력값인 이미지-텍스트 결합 데이터가 더 많은 비율로 도시되고, 제2 분할 영역(D2)에 표시되는 뉴럴 네트워크의 출력값인 이미지-텍스트 결합 데이터가 상대적으로 적은 비율로 도시될 수 있다. 그 반대의 경우도 같다.
기본적으로 인공지능이 추천한 텍스트 객체는 전문가 집단에서 선택된 학습 데이터를 통해 학습된 뉴럴 네트워크가 선택된 이미지 객체를 입력하여 입력된 이미지 객체에 가장 잘 어울릴만한 텍스트 객체를 출력하여 이를 제공한 것일 수 있다. 즉, 초보자의 경우, 이미지와 어울리는 텍스트 객체를 쉽게 선택하지 못하고, 이는 전체적인 웹사이트의 심미감과 완성도를 떨어트리게 된다.
상술한 바와 같이 전문가 집단에서 선택한 학습 데이터를 통해 학습된 뉴럴 네트워크가 추천하는 텍스트 객체를 사용하는 경우, 웹사이트 페이지의 완성도를 향상시킬 수 있다.
도 9는 본 발명의 일 실시예에 따른 웹사이트 제작 시스템의 인터페이스를 도시한 개략도이다.
도 9를 참조하면, 일 실시예에서 사용자가 분할 라인(DL)을 제1 컨텐츠 영역(A1) 일측 끝단으로 이동시키는 경우, 제1 분할 영역(D1)은 사라지고 제2 분할 영역(D2) 만 도시될 수 있다. 이 경우, 사용자는 인공지능이 추천한 텍스트 객체과 이미지 객체를 확인할 수 있다. 다시 말하면, 뉴럴 네트워크의 출력값인 이미지-텍스트 결합 데이터만이 표시될 수 있다.
도 10은 본 발명의 일 실시예에 따른 웹사이트 제작 시스템의 인터페이스를 도시한 개략도이다.
도 10을 참조하면, 일 실시예에서 사용자가 분할 라인(DL)을 제1 컨텐츠 영역(A2)의 타측 끝단으로 이동시키는 경우, 제2 분할 영역(D2)은 사라지고 제1 분할 영역(D1) 만 도시될 수 있다. 이 경우, 사용자는 자신이 선택한 텍스트 객체와 이미지 객체를 확인할 수 있다. 다시 말하면, 뉴럴 네트워크의 입력값인 이미지-텍스트 결합 데이터가 표시될 수 있다.
이하에서는 도 11 및 도 12를 참조하여, 서버(100)가 인공지능을 이용하여 이미지 객체에 어울리는 텍스트 객체를 추천하는 구체적인 방식에 대해 설명하기로 한다.
도 11은 본 발명의 일 실시예에 따른 웹사이트 제작 시스템을 설명하기 위한 블록도이다.
도 12는 본 발명의 일 실시예에가 포함하는 인공 신경망을 나타낸 개략도이다.
일 실시예에서 정보 처리부(110)는 뉴럴 네트워크(500)를 포함할 수 있다.
일 실시예에서 뉴럴 네트워크(500)는 학습 데이터 세트(600)를 기초로 기계 학습을 수행할 수 있다. 이에 더하여 뉴럴 네트워크(500)는 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstraction, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습 알고리즘의 집합인 심층학습(deep learning)을 이용하여 구축된 분석 모델을 포함할 수 있다.
즉, 뉴럴 네트워크(500)는 적어도 하나의 딥 뉴럴 네트워크(DNN, Deep Neural Network)를 포함할 수 있다.
이에 대해서는 도 12를 참조하여 설명하기로 한다.
도 12는 본 명의 일 실시예가 포함하는 인공 신경망을 나타낸 개략도이다.
설명의 편의를 위해 용어를 정리하기로 한다. 본 명세서에서 '신경망', '네트워크 함수' 및 '뉴럴 네트워크'는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 '노드'라 지칭될 수 있는 상호연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 '노드'는 '뉴런(Neuron)'으로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드를 포함하여 구성될 수 있다. 신경망들을 구성하는 노드들은 하나 이상의 '링크'에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
도 12에 도시된 바와 같이 신경망은 하나 이상의 노드들을 포함하여 구성될 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터 거리들에 기초하여 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 전술한 것과 상이한 방법으로 정의될 수도 있다. 예컨대, 노드들의 레이어는 최종 출력 노드로부터의 거리에 의해 정의될 수도 있다. 최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는 신경망 네트워크 내에서 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드를 가지지 않는 노드들을 의미할 수 있다.
이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다.
히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
딥 뉴럴 네트워크는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(Latent Structrue)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지, 정답과 오답 간의 거리가 얼마인지 등)을 파악할 수 있다. 일 실시예에서 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: Convolutional Neural Network), 리커런트 뉴럴 네트워크(RNN: Recurrent Neural Network), 제한 볼츠만 머신(RBM: Restricted Boltzmann Machine), 심층 신뢰 네트워크(DBN: Deep Belief Network), Q 네트워크, U 네트워크 및 샴 네트워크로 이루어진 군에서 선택된 하나 이상을 포함할 수 있다.
다시 도 11을 참조하면, 뉴럴 네트워크(500)는 학습 데이터 세트(600)에 의해 학습될 수 있다.
일 실시예에서 학습 데이터 세트(600)는 이미지 객체와 텍스트 객체를 포함하는 데이터일 수 있다. 이미지 객체와 텍스트 객체를 포함하는 데이터라 함은 이미지와 텍스트가 중첩되어 표시되어 있는 데이터, 이미지와 텍스트가 하나로 결합되어 표시된 이미지 및 이미지와 텍스트가 각각의 벡터 이미지로 분리되어 있는 데이터를 포함하는 것으로 가장 넓게 해석될 수 있다. 또한, 이를 본 명세서에서 이미지-텍스트 결합 데이터로 지칭할 수도 있다. 이미지-텍스트 결합 데이터는 이미지와 텍스트가 결합된 모든 형태의 데이터를 의미할 수 있다.
일 실시예에서 뉴럴 네트워크(500)는 교사 학습(Supervised learning), 비교사 학습(Unsupervised learning) 및 반교사 학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크(500)의 학습은 출력의 오류를 최소화하기 위한 것이다. 뉴럴 네트워크(500)의 학습은 반복적으로 학습 데이터(600)를 뉴럴 네트워크(500)에 입력시키고, 학습 데이터(600)에 대한 뉴럴 네트워크(500)의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크(500)의 에러를 뉴럴 네트워크(500)의 출력 레이어에서부터 입력 레이어 방향으로 역전파하여 뉴럴 네트워크(500)의 각 노드의 가중치를 업데이트 하는 과정이다.
교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어 있는 학습 데이터를 사용하며, 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 예컨대, 데이터 분류에 관한 교사 학습의 경우, 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링된 데이터일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력과 학습 데이터의 라벨을 비교하여 오차(error)가 계산될 수 있다. 계산된 오차는 뉴럴 네트워크에서 역방향으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(Learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
일 실시예에서 뉴럴 네트워크(500)는 교사 학습될 수 있다. 예컨대, 학습 데이터 세트(600)는 전문가 또는 전문가 집단이 선정한 이미지 객체와 텍스트 객체를 포함하는 데이터를 포함할 수 있다. 즉, 전문가 또는 전문가 집단은 임의의 이미지 객체를 선택하고, 이에 가장 최적화된 배치 위치, 폰트 종류, 크기, 색 및 기타 디자인 요소를 포함하는 텍스트 객체를 결합시켜 데이터화할 수 있다.
뉴럴 네트워크(500) 출력값의 오차를 줄이기 위해 전문가 또는 전문가 집단은 충분히 많은 수의 이미지 객체와 텍스트 객체를 포함하는 데이터를 학습 데이터 세트(600)에 입력시킬 수 있다.
이에 대해 다시 설명하면, 뉴럴 네트워크(500)는 이미지 객체와 텍스트 객체가 결합된 데이터를 입력하면, 텍스트 객체의 객체 정보를 수정하여 출력하도록 학습될 수 있다.
일 실시예에서 수정되는 텍스트 객체의 객체 정보는 텍스트의 크기, 위치, 색깔 및/또는 기타 디자인 요소일 수 있다. 기타 디자인 요소는 예컨대, 기울임, 두껍게, 혹은 밑줄일 수 있다. 다만, 이에 제한되는 것은 아니고, 도안화되거나 캘리그래피와 같은 예술적 특성이 가미된 디자인 요소도 이에 포함될 수 있다.
정보 처리부(110)는 뉴럴 네트워크(500)의 출력값과 학습 데이터 세트를 비교하여 오차를 계산할 수 있다. 또한, 정보 처리부(110)는 계산된 오차를 뉴럴 네트워크에서 역방향으로 역전파하고 이를 통해 뉴럴 네트워크(500) 각 레이어들의 연결 가중치가 업데이트 될 수 있다.
일 실시예에서 뉴럴 네트워크(500)는 교사학습될 수 있다. 구체적으로 전문가 풀에서 선정하여 라벨링한 이미지-텍스트 결합 데이터를 학습 데이터 세트로 하여 학습될 수 있다. 즉, 뉴럴 네트워크(500)가 출력한 '이미지 객체와 객체 정보가 변경된 텍스트 객체가 결합된 데이터'와 전문가 풀에서 선정한 동일 이미지에 대한 텍스트 객체의 차이를 비교하고 이를 역전파 하여 뉴럴 네트워크(500)가 학습될 수 있다. 다시 말하면, 전문가 또는 복수의 전문가가 모인 전문가 풀은 특정 이미지와 어울리는 텍스트 객체를 생성하여 결합시키거나 서로 어울리도록 결합된 특정 이미지와 텍스트 객체를 선택하여 이를 학습 데이터 세트에 포함시킬 수 있다.
즉, 특정 이미지 객체와 어울리도록 결합되는 텍스트 객체를 라벨링하고 이미지 객체와 라벨링된 텍스트 객체가 결합된 데이터가 학습 데이터 세트에 포함될 수 있다.
이와 같은 학습 데이터 세트(600)를 통해 학습된 뉴럴 네트워크에 이미지 객체와 텍스트 객체가 결합된 데이터를 입력하면, 뉴럴 네트워크(500)는 수정된 텍스트 객체를 출력할 수 있다. 즉, 뉴럴 네트워크(500)는 입력된 이미지 객체에 가장 잘 어울리도록 텍스트 객체의 정보, 구체적으로, 텍스트 객체의 위치, 폰트의 종류, 크기, 색 또는 기타 디자인 요소를 수정하여 출력할 수 있다. 이 경우에도, 텍스트 객체 중 텍스트의 내용은 사용자가 입력한 대로 고정될 수 있다. 즉, 텍스트 객체의 내용은 사용자가 선택하되, 디자인 최적화를 위해 전문가에 의해 선택된 학습 데이터 세트에 의해 학습된 뉴럴 네트워크는 텍스트 객체의 객체 정보 중 적어도 일부를 수정하여 사용자에게 제공할 수 있다. 즉, 뉴럴 네트워크(500)는 상술한 학습 데이터 세트(600)를 통해 학습된 모델일 수 있다.
도 8 내지 도 10에 도시된 바와 같이 뉴럴 네트워크(500)가 추천한 텍스트 객체가 제1 컨텐츠 영역(A1)에 표시되면, 사용자는 서버(100)가 추천한 텍스트 객체 디자인을 활용할지 여부를 선택할 수 있다.
사용자가 사용자 단말(200)을 통해 서버(100)에 서버(100)가 추천한 텍스트 객체 디자인을 사용한다는 선택 신호를 입력하면, 정보 처리부(100)는 제1 컨텐츠 영역(A1)의 이미지 객체와 텍스트 객체를 학습 데이터 세트(600)에 포함시킬 수 있다. 이 경우, 뉴럴 네트워크(500)는 추가된 학습 데이터 세트(600)를 통해 학습을 추가적으로 수행함으로써, 갱신될 수 있다.
사용자가 사용자 단말(200)을 통해 서버(100)에 서버(100)가 추천한 텍스트 객체 디자인을 사용하지 않는다는 선택 신호를 입력하면, 정보 처리부(100)는 이미지 객체와 텍스트 객체를 재입력하고, 먼저의 출력값을 제외한 다른 출력값을 출력할 수 있다. 즉, 인공지능을 통해 다른 텍스트 객체를 추천할 수 있다. 이 과정은 사용자가 해당 텍스트 객체를 '사용한다'는 신호를 입력할 때까지 계속될 수 있다. '사용한다' 신호를 입력하면, 해당 이미지 객체와 텍스트 객체가 학습 데이터 세트(600)에 추가됨은 앞서 설명한 바와 같다.
이상에서 본 발명의 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 발명의 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 본 발명의 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
100: 서버
110: 정보 처리부
120: 통신부
130: 메모리부
200: 사용자 단말
210: 인터페이스부
220: 제어부
230: 네트워크부
240: 표시부
250: 저장부
260; 입력부

Claims (7)

  1. 서버와 사용자가 이용하는 사용자 단말을 포함하는 시스템으로서,
    상기 서버는 정보 처리부;
    통신부; 및
    메모리부를 포함하고,
    상기 사용자 단말은 상기 서버에서 제공하는 정보를 표시하거나 입력을 제공받는 인터페이스부; 및
    상기 통신부와 연결되는 네트워크부를 포함하되,
    상기 정보 처리부는 이미지 객체와 텍스트 객체가 결합된 이미지-텍스트 결합 데이터를 입력하면, 상기 이미지-텍스트 결합 데이터 중 상기 텍스트 객체의 객체 정보를 변경하여 출력하는 뉴럴 네트워크를 포함하되, 상기 이미지-텍스트 결합 데이터는 상기 이미지 객체와 상기 텍스트 객체가 중첩되어 표시되는 데이터이며,
    상기 뉴럴 네트워크가 변경하여 출력하는 상기 텍스트 객체의 상기 객체 정보는 텍스트의 배치 위치, 폰트의 종류, 텍스트의 크기, 텍스트의 색상 및 텍스트의 두께 중 선택된 하나 이상을 포함하고,
    상기 메모리부는 상기 텍스트 객체가 라벨링된 상기 이미지-텍스트 결합 데이터를 학습 데이터 세트로 저장하며, 상기 뉴럴 네트워크는 상기 학습 데이터 세트로 학습된 모델이되,
    상기 입력된 이미지-텍스트 결합 데이터에서 상기 텍스트 객체의 내용과 상기 출력된 이미지-텍스트 결합 데이터에서 상기 텍스트 객체의 내용은 동일하고,
    상기 인터페이스부는 컨텐츠 영역 및 추천 버튼을 더 포함하며, 상기 사용자가 상기 추천 버튼을 선택 입력하면, 상기 컨텐츠 영역을 가로지르는 분할 라인이 생성되고, 상기 분할 라인에 의해 상기 컨텐츠 영역은 제1 분할 영역과 제2 분할 영역으로 구분되는 웹사이트 제작 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 제1 분할 영역에는 입력된 상기 이미지-텍스트 결합 데이터가 표시되고, 상기 제2 분할 영역에는 상기 뉴럴 네트워크에서 출력된 상기 이미지-텍스트 결합 데이터가 표시되는 웹사이트 제작 시스템.
  6. 제5항에 있어서,
    상기 분할 라인은 상기 컨텐츠 영역 상에서 일측 또는 타측으로 이동되고, 이에 따라 상기 제1 분할 영역과 상기 제2 분할 영역의 크기가 변경되는 웹사이트 제작 시스템.
  7. 제6항에 있어서,
    상기 분할 라인이 상기 컨텐츠 영역 일측 끝단으로 이동하면, 상기 제2 분할 영역 만이 상기 컨텐츠 영역 상에 표시되는 웹사이트 제작 시스템.
KR1020200095160A 2020-07-30 2020-07-30 웹사이트 제작 시스템 KR102213291B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200095160A KR102213291B1 (ko) 2020-07-30 2020-07-30 웹사이트 제작 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200095160A KR102213291B1 (ko) 2020-07-30 2020-07-30 웹사이트 제작 시스템

Publications (1)

Publication Number Publication Date
KR102213291B1 true KR102213291B1 (ko) 2021-02-04

Family

ID=74558710

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200095160A KR102213291B1 (ko) 2020-07-30 2020-07-30 웹사이트 제작 시스템

Country Status (1)

Country Link
KR (1) KR102213291B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350745B1 (ko) * 2021-05-31 2022-01-14 주식회사 틴토랩 UX-bit를 이용한 자동 디자인 생성 인공신경망 장치 및 방법
KR102525315B1 (ko) * 2022-11-01 2023-04-25 팜피 주식회사 제작 데이터 및 사용 데이터를 이용한 사용자 추천 방법 및 이를 위한 장치
KR102576664B1 (ko) * 2023-03-08 2023-09-13 스튜디오씨드코리아 주식회사 그래픽 사용자 인터페이스의 프로토타입 제작 방법 및 그 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150136173A (ko) * 2014-05-26 2015-12-07 김일국 홈페이지 제작 시스템 및 방법
KR20180037593A (ko) * 2016-10-04 2018-04-12 엑시스 에이비 뉴럴 네트워크들에 트레이닝 데이터를 제공하기 위한 이미지 분석 알고리즘들을 사용하는 장치 및 방법
KR20200052416A (ko) * 2018-10-25 2020-05-15 카페24 주식회사 객체 영역 추출을 수행하는 인공 신경망을 위한 학습 데이터를 생성하는 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150136173A (ko) * 2014-05-26 2015-12-07 김일국 홈페이지 제작 시스템 및 방법
KR20180037593A (ko) * 2016-10-04 2018-04-12 엑시스 에이비 뉴럴 네트워크들에 트레이닝 데이터를 제공하기 위한 이미지 분석 알고리즘들을 사용하는 장치 및 방법
KR20200052416A (ko) * 2018-10-25 2020-05-15 카페24 주식회사 객체 영역 추출을 수행하는 인공 신경망을 위한 학습 데이터를 생성하는 방법 및 장치

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350745B1 (ko) * 2021-05-31 2022-01-14 주식회사 틴토랩 UX-bit를 이용한 자동 디자인 생성 인공신경망 장치 및 방법
KR102363370B1 (ko) * 2021-05-31 2022-02-16 주식회사 틴토랩 UX-bit 및 몬테카를로 트리 탐색을 이용한 자동 디자인 생성 인공신경망 장치 및 방법
WO2022255632A1 (ko) * 2021-05-31 2022-12-08 주식회사 틴토랩 Ux-bit를 이용한 자동 디자인 생성 인공신경망 장치 및 방법
KR102525315B1 (ko) * 2022-11-01 2023-04-25 팜피 주식회사 제작 데이터 및 사용 데이터를 이용한 사용자 추천 방법 및 이를 위한 장치
WO2024096146A1 (ko) * 2022-11-01 2024-05-10 팜피 주식회사 제작 데이터 및 사용 데이터를 이용한 사용자 추천 방법 및 이를 위한 장치
KR102576664B1 (ko) * 2023-03-08 2023-09-13 스튜디오씨드코리아 주식회사 그래픽 사용자 인터페이스의 프로토타입 제작 방법 및 그 시스템
US11941417B1 (en) 2023-03-08 2024-03-26 Studio Xid Korea, Inc. Method for producing prototype of graphical user interface and system thereof

Similar Documents

Publication Publication Date Title
KR102213291B1 (ko) 웹사이트 제작 시스템
US10984319B2 (en) Neural architecture search
US11138022B2 (en) Dynamic user interface for predicted procedures
CN109478254A (zh) 使用合成梯度来训练神经网络
AU2018202382A1 (en) Methods and systems for resolving user interface features, and related applications
US10607271B1 (en) Search platform with data driven search relevancy management
US20230350651A1 (en) Creating user interface using machine learning
US10602226B2 (en) Ranking carousels of on-line recommendations of videos
US20230351655A1 (en) Automatic design-creating artificial neural network device and method, using ux-bits
EP4182850A1 (en) Hardware-optimized neural architecture search
Rodi et al. Optimal learning paths in information networks
KR102314007B1 (ko) 인공지능을 이용한 사용자 맞춤형 강의 제공 시스템
US20140118338A1 (en) System and method for managing a trail
WO2020033030A1 (en) Multi-question multi-answer configuration
US9934002B2 (en) Technology recommendation for software environment
KR102222848B1 (ko) 수업 추천 장치 및 방법
CN111819536B (zh) 人工智能应用的搭建、运行实现方法、装置和机器设备
Khan Information society in global age
Hadzhikoleva et al. Generalized net model for building responsive design of web pages
Taieb Data analysis with Python: a modern approach
KR102645660B1 (ko) 인공지능에 기반한 애플리케이션 생성방법 및 그 시스템
KR102637198B1 (ko) 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램
Lande et al. GPT Semantic Networking
Khan The Grandnarrative of Artificial Intelligence and Modes of Human (Art) istic Resistance: The Grandnarrative of Artificial Intelligence and Modes of Human (Art) istic Resistance
KR20230166230A (ko) 인공지능 클라우드 플랫폼 서비스 시스템 및 그 방법

Legal Events

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