KR102280149B1 - 인증 성분 추천 방법 및 그 장치 - Google Patents

인증 성분 추천 방법 및 그 장치 Download PDF

Info

Publication number
KR102280149B1
KR102280149B1 KR1020200121783A KR20200121783A KR102280149B1 KR 102280149 B1 KR102280149 B1 KR 102280149B1 KR 1020200121783 A KR1020200121783 A KR 1020200121783A KR 20200121783 A KR20200121783 A KR 20200121783A KR 102280149 B1 KR102280149 B1 KR 102280149B1
Authority
KR
South Korea
Prior art keywords
information
ingredient
component
list
certified
Prior art date
Application number
KR1020200121783A
Other languages
English (en)
Inventor
박은진
이다운
박성재
박찬일
Original Assignee
싸이엔스 주식회사
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 싸이엔스 주식회사 filed Critical 싸이엔스 주식회사
Priority to KR1020200121783A priority Critical patent/KR102280149B1/ko
Application granted granted Critical
Publication of KR102280149B1 publication Critical patent/KR102280149B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Abstract

인증 성분 추천 방법 및 그 장치가 제공 된다. 본 발명의 일 실시예에 따른 인증 성분 추천 방법은 적어도 하나의 성분 정보를 포함하는 성분 리스트를 획득하는 단계, 상기 성분 리스트의 인증 과정 분류 데이터를 획득하는 단계, 상기 인증 과정 분류 데이터를 기초로 상기 성분 리스트에 포함되지 않은 추가 성분 정보를 선정하는 단계 및 상기 추가 성분 정보를 상기 성분 리스트에 추가하고, 상기 추가 성분 정보가 추가된 성분 리스트의 인증 과정 분류 데이터를 획득하는 단계를 포함한다.

Description

인증 성분 추천 방법 및 그 장치{ METHOD AND APPARATUS FOR RECOMMENDING CERTIFIED INGREDIENTS }
본 발명은 인증 성분 추천 방법 및 그 장치에 관한 것이다. 보다 자세하게는, 식약처 허가를 위한 의약외품의 성분을 추천하는 방법 및 그 장치에 관한 것이다.
제품 기획시 제품의 기능성, 상품성을 판단해 기획을 진행한다. 하지만 의약외품의 경우 인증에 대한 부분을 추가로 고려해야한다.
의약품과 의약외품의 경우 식약처에 인증을 받아야하며 제품 기획 단계에서 이를 고려하지 않으면 모든 기획이 완료된 후 인증을 통과하지 못해 다시 상품을 기획하는 경우가 발생할 수 있다. 또한 인증을 통과한다고 하더라도 인증을 통과하기 위해 많은 인력과 자본이 소요된다.
의약외품의 경우 식약처 인증 받는 방법이 허가, 신고 두가지로 나뉘는데 허가의 경우가 신고에 비해 많은 프로세스를 요구한다. 또한, 동일한 기능을 하는 의약외품임에도 불구하고 첨가 성분에 따라 허가로 인증을 받아야 하는 경우, 신고로 인증을 받는 경우 대비 전문가의 인건비와 시간이 많이 소요된다는 문제점이 존재한다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
한국등록공보 10-2074178 B1 (2020.01.31)
본 발명의 실시예들은 기획 상품의 인증을 위한 소요비용 예측 또는 기획 방향 조정을 위해 인증과정에 필요한 시간과 비용을 절약할 수 있는 인증 성분 추천 방법 및 그 장치를 제공한다.
본 발명의 일 실시예에 따른 인증 성분 추천 방법은 적어도 하나의 성분 정보를 포함하는 성분 리스트를 획득하는 단계, 상기 성분 리스트의 인증 과정 분류 데이터를 획득하는 단계, 상기 인증 과정 분류 데이터를 기초로 상기 성분 리스트에 포함되지 않은 추가 성분 정보를 선정하는 단계 및 상기 추가 성분 정보를 상기 성분 리스트에 추가하고, 상기 추가 성분 정보가 추가된 성분 리스트의 인증 과정 분류 데이터를 획득하는 단계를 포함할 수 있다.
일 실시예에서 상기 추가 성분 정보를 선정하는 단계는, 외부 서버로부터 획득한 복수의 문헌 데이터를 인공신경망에 입력하여 성분 데이터를 획득하는 단계 및 상기 성분 데이터를 이용하여 상기 추가 성분 정보를 선정하는 단계를 포함할 수 있다.
일 실시예에서 상기 추가 성분 정보를 획득하는 단계는, 외부 서버로부터 적어도 하나의 성분으로 구성된 복수의 상품 데이터 정보를 획득하고, 상기 복수의 상품 데이터 정보를 기초로 상기 추가 성분 정보를 선정하는 단계를 포함할 수 있다.
일 실시예에서 상기 상품 데이터 정보는, 상기 상품의 판매 정보 및 트랜드 정보를 포함하고, 상기 추가 성분 정보를 선정하는 단계는, 상기 상품의 판매 정보 및 트랜드 정보를 기초로 상기 추가 성분 정보를 선정하는 단계를 포함할 수 있다.
일 실시예에서 상기 인증 과정 분류 데이터를 획득하는 단계는, 상기 성분 리스트를 제1 인공신경망에 입력하여 상기 성분 리스트의 인증 과정 분류 데이터를 획득하는 단계를 포함하고, 상기 추가 성분 정보를 선정하는 단계는, 상기 인증 과정 분류 데이터를 제2 인공신경망에 입력하여 상기 추가 성분 정보를 선정하는 단계를 포함하고, 상기 제2 인공신경망은, 상기 제1 인공신경망으로부터 전이 학습된 것일 수 있다.
일 실시예에서 상기 인증 과정 분류 데이터를 획득하는 단계는, 식품의약품안전처의 인증 성분 리스트를 완전 연결 레이어(Fully Connected Layer)에 입력하고, 상기 성분 리스트를 제1 컨벌루션 레이어(Convolution Layer)에 입력하는 단계를 포함할 수 있다.
일 실시예에서 상기 인증 과정 분류 데이터를 획득하는 단계는, 상기 완전 연결 레이어를 통해 차원이 축소된 인증 성분 리스트와 상기 제1 컨벌루션 레이어에서 출력된 성분 리스트를 연결(concat)하여 결합 벡터를 생성하는 단계를 포함할 수 있다.
일 실시예에서 상기 인증 과정 분류 데이터를 획득하는 단계는, 상기 결합 벡터를 제2 컨벌루션 레이어에 입력하여 상기 인증 과정 분류 데이터를 생성하는 단계를 포함할 수 있다.
본 발명의 다른 실시예에 따른 인증 성분 추천 장치는 프로세서를 포함하고, 상기 프로세서는, 적어도 하나의 성분 정보를 포함하는 성분 리스트를 획득하고, 상기 성분 리스트의 인증 과정 분류 데이터를 획득하며, 상기 인증 과정 분류 데이터를 기초로 상기 성분 리스트에 포함되지 않은 추가 성분 정보를 선정하고, 상기 추가 성분 정보를 상기 성분 리스트에 추가하고, 상기 추가 성분 정보가 추가된 성분 리스트의 인증 과정 분류 데이터를 획득할 수 있다.
일 실시예에서 상기 프로세서는, 외부 서버로부터 획득한 복수의 문헌 데이터를 인공신경망에 입력하여 성분 데이터를 획득하고, 상기 성분 데이터를 이용하여 상기 추가 성분 정보를 선정할 수 있다.
일 실시예에서 상기 프로세서는, 외부 서버로부터 적어도 하나의 성분으로 구성된 복수의 상품 데이터 정보를 획득하고, 상기 복수의 상품 데이터 정보를 기초로 상기 추가 성분 정보를 선정할 수 있다.
일 실시예에서 상기 상품 데이터 정보는, 상기 상품의 판매 정보 및 트랜드 정보를 포함하고, 상기 프로세서는, 상기 상품의 판매 정보 및 트랜드 정보를 기초로 상기 추가 성분 정보를 선정할 수 있다.
일 실시예에서 상기 프로세서는, 상기 성분 리스트를 제1 인공신경망에 입력하여 상기 성분 리스트의 인증 과정 분류 데이터를 획득하고, 상기 인증 과정 분류 데이터를 제2 인공신경망에 입력하여 상기 추가 성분 정보를 선정하며, 상기 제2 인공신경망은, 상기 제1 인공신경망으로부터 전이 학습 된 것일 수 있다.
일 실시예에서 상기 프로세서는, 식품의약품안전처의 인증 성분 리스트를 완전 연결 레이어(Fully Connected Layer)에 입력하고, 상기 성분 리스트를 제1 컨벌루션 레이어(Convolution Layer)에 입력할 수 있다.
일 실시예에서 상기 프로세서는, 상기 완전 연결 레이어를 통해 차원이 축소된 인증 성분 리스트와 상기 제1 컨벌루션 레이어에서 출력된 성분 리스트를 연결(concat)하여 결합 벡터를 생성할 수 있다.
일 실시예에서 상기 프로세서는, 상기 결합 벡터를 제2 컨벌루션 레이어에 입력하여 상기 인증 과정 분류 데이터를 생성할 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
도 1은 본 발명의 일 실시예에 따른 인증 성분 추천 방법을 포함하는 인증 성분 추천 시스템의 예를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 인증 성분 추천 장치의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인증 성분 추천 장치의 프로세서의 내부 구성을 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른 인증 성분 추천 방법의 순서도이다.
도 5는 본 발명의 일 실시예에 따라 인공신경망을 통해 상품 데이터 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따라 인증 성분 추천을 수행하는 인공신경망의 구조를 설명하기 위한 도면이다.
도 7 및 도 8은 본 발명의 일 실시예에 따라 인증 성분 추천 프로그램의 GUI 화면을 도시한 예이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
이하 도 1을 참조하여 본 발명의 일 실시예에 따른 인증 성분 추천 시스템에 대하여 상세히 설명한다.
본 발명은 약외품 및 기능성 화장품의 기획 단계에서 상품의 성분을 미리 분석해 식약처 인증 기준이 “허가” 또는 “신고”인지 나눌 수 있는 분류 시스템을 포함할 수 있다.
의약외품·기능성 화장품은 인체에 직접 작용하는 상품으로서 식품의약품안전처 (식약처)의 기준에 맞는 인증을 반드시 받아야 한다. 따라서, 의약외품·기능성 화장품 업체들은 인증 통과를 위해 상품 기획 단계에서 성분 결정 및 배합에 많은 인적, 금전적, 시간적 자원을 투입하고 있다.
식약처 의약외품·기능성 화장품의 인증 절차는 크게 ‘허가’와 ‘신고’로 나뉜다. 보다 구체적으로,'허가'는 국내에서 사용례가 없는 새로운 성분을 배합하는 경우이고, '신고'는 대한민국 약전 또는 식약처장이 인정하는 공정서 및 의약품집에 실려 있는 품목 및 성분을 이용해 제품을 만드는 경우일 수 있다.
대부분 의약외품·기능성 화장품 제조업체에서는 식약처 인증 단계에서 기회비용을 줄이기 위해 인증 절차와 기간이 적게 걸리는 ‘신고’ 절차를 선호한다. 인증 절차가 '신고‘로 이뤄질 경우, 비교적으로 적은 자원을 투입해 상품 기획이 가능하다.
다만, 동일 품목에 대해서도 주성분이 동일함에도 첨가제의 차이로 ‘허가’와 ‘신고’가 나뉘는 경우 존재하여 실제 인증 절차를 수행하기 전에는 기획중인 상품의 인증 절차를 정확히 알 수 없다는 문제가 존재한다.
이에 따라 본 발명의 몇몇 실시예에 따른 인증 성분 추천 방법은 딥러닝을 적용하여 허가될 확률이 높은 인증 성분을 추첨함으로써 인증 절차에 소요되는 시간과 비용을 절약할 수 있다.
도 1을 참조하여 인증 성분 추천 시스템에 대하여 설명한다. 인증 과정 분류기(20)는 성분 정보(10)를 기초로 인증 과정이 '신고'인지 '분류'구별할 수 있고, 성분 추천 시스템(50)은 성분 트렌드 분석(40)을 통해 인증 성분을 추천할 수 있다. 인증 과정 분류기(20)는 대상 상품의 성분 정보와 식약처에서 발표한 인증 성분 리스트를 이용하여 학습된 인공신경망일 수 있다. 학습이 완료된 인증 과정 분류기(20)는 추출한 결과 데이터를 기초로 입력된 타겟 인증 성분에 대한 인증 과정의 결과를 예측(30)할 수 있다.
이후, 본 발명의 몇몇 실시예에 따른 인증 성분 추천 장치(100)에 포함된 인공신경망은, 의약외품 성분(51)의 인증 과정 분류를 수행하는 인증 과정 분류기(53)에 포함된 인공신경망을 기초로 전이 학습될 수 있다. 학습이 완료된 성분 추천 장치(100)는 제품 시장(52)에서 획득한 제품 트렌드 정보 (54)를 기초로 최적의 인증 과정 수행을 위한 복수의 성분 정보(55, 56, 57, 58, 59)를 추천할 수 있다.
이하 도 2를 참조하여 인증 성분 추천 장치의 구성 및 동작에 대하여 상세히 설명한다.
일 실시예에서 인증 성분 추천 장치(100)는 메모리(101), 프로세서(102), 통신 모듈(103) 및 입출력 인터페이스(104)를 포함할 수 있다.
메모리(101)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(101)에는 인증 성분 추천 장치(100)를 제어하기 위한 프로그램 코드 및 설정이 일시적 또는 영구적으로 저장될 수 있다.
프로세서(102)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(101) 또는 통신 모듈(103)에 의해 프로세서(102)로 제공될 수 있다. 예를 들어 프로세서(102)는 메모리(101)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 일 실시예에서 프로세서(102)는 적어도 하나의 성분 정보를 포함하는 성분 리스트를 획득하고, 상기 성분 리스트의 인증 과정 분류 데이터를 획득하며, 상기 인증 과정 분류 데이터를 기초로 상기 성분 리스트에 포함되지 않은 추가 성분 정보를 선정하고, 상기 추가 성분 정보를 상기 성분 리스트에 추가하고, 상기 추가 성분 정보가 추가된 성분 리스트의 인증 과정 분류 데이터를 획득할 수 있다.
통신 모듈(103)은 네트워크를 통해 외부 서버와 통신하기 위한 기능을 제공할 수 있다. 일례로, 인증 성분 추천 장치(100)의 프로세서(102)가 메모리(101)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(103)의 제어에 따라 네트워크를 통해 외부 서버로 전달될 수 있다. 역으로, 외부 서버의 프로세서의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 네트워크를 거쳐 통신 모듈(103)을 통해 인증 성분 추천 장치(100)로 수신될 수 있다. 예를 들어 통신 모듈(103)을 통해 수신된 외부 서버의 제어 신호나 명령 등은 프로세서(102)나 메모리(101)로 전달될 수 있고, 컨텐츠나 파일 등은 인증 성분 추천 장치(100)가 더 포함할 수 있는 저장 매체로 저장될 수 있다. 또한, 통신 모듈의 통신 방식은 제한되지 않지만, 네트워크는 근거리 무선통신망일 수 있다. 예를 들어, 네트워크는 블루투스(Bluetooth), BLE(Bluetooth Low Energy), Wifi 통신망일 수 있다.
입출력 인터페이스(104)는 입출력 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 어플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(104)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 인증 성분 추천 장치(100)의 프로세서(102)는 메모리(101)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 외부 서버가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(104)를 통해 디스플레이에 표시될 수 있다.
또한, 다른 실시예들에서 인증 성분 추천 장치(100)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 인증 성분 추천 장치(100)는 내부 구성요소들에 전력을 공급하는 배터리 및 충전 장치를 포함할 수 있고, 상술한 입출력 장치 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
이하 도 3을 참조하여 본 발명의 일 실시예에 따른 인증 성분 추천 장치의 프로세서(102)의 내부 구성에 대하여 상세히 검토한다. 후술되는 프로세서는 이해의 용이를 위하여 도 2에 도시된 인증 성분 추천 장치(100)의 프로세서(102)임을 가정하고 설명하나, 일 실시예에서 인증 성분 추천 방법이 외부 서버에서 수행되는 경우 후술되는 프로세서는 외부 서버의 프로세서일 수 있음에 유의한다.
본 발명의 일 실시예에 따른 물체의 인증 성분 추천 장치의 프로세서(102)는 성분 리스트 획득부(111), 인증 과정 분류 데이터 획득부(112), 추가 성분 정보 선정부(113) 및 인증 과정 분류 데이터 재획득부(114)를 포함한다. 몇몇 실시예에 따라 프로세서(102)의 구성요소들은 선택적으로 프로세서(102)에 포함되거나 제외될 수도 있다. 또한, 몇몇 실시예에 따라 프로세서(102)의 구성요소들은 프로세서(102)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(102) 및 프로세서(102)의 구성요소들은 도 4 의 인증 성분 추천 방법이 포함하는 단계들(S110 내지 S140)을 수행하도록 인증 성분 추천 장치(100)를 제어할 수 있다. 예를 들어, 프로세서(102) 및 프로세서(102)의 구성요소들은 메모리(101)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(102)의 구성요소들은 인증 성분 추천 장치(100)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(102)에 의해 수행되는 프로세서(102)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 프로세서(102)의 내부 구성 및 구체적인 동작에 대해서는 도 4 의 인증 성분 추천 방법 및 도 5내지 도 8의 실시예를 참조하여 설명하기로 한다.
도 4 는 본 발명의 일 실시예에 따른 인증 성분 추천 방법을 시계열적으로 나타낸 도면이다.
단계 S110에서 인증 성분 추천 장치는 적어도 하나의 성분 정보를 포함하는 성분 리스트를 획득할 수 있다.
이후, 단계 S120에서 인증 성분 추천 장치는 성분 리스트의 인증 과정 분류 데이터를 획득할 수 있다.
일 실시예에서 인증 성분 추천 장치는 획득한 성분 리스트를 제1 인공신경망에 입력하여 성분 리스트의 인증 과정 분류 데이터를 획득할 수 있다.
단계 S130에서 인증 성분 추천 장치는 인증 과정 분류 데이터를 기초로 성분 리스트에 포함되지 않은 추가 성분 정보를 선정할 수 있다.
일 실시예에서 인증 성분 추천 장치는 외부 서버로부터 획득한 복수의 문헌 데이터를 제2 인공신경망에 입력하여 성분 데이터를 획득하고, 획득한 성분 데이터를 이용하여 추가 성분 정보를 선정할 수 있다.
일 실시예에서 인증 성분 추천 장치는 외부 서버로부터 적어도 하나의 성분으로 구성된 복수의 상품 데이터 정보를 획득하고, 복수의 상품 데이터 정보를 기초로 추가 성분 정보를 선정할 수 있다.
상품 데이터 정보는 상품의 판매 정보 및 트랜드 정보를 포함할 수 있다. 이 경우, 인증 성분 추천 장치는 상품의 판매 정보 및 트랜드 정보를 기초로 추가 성분 정보를 선정할 수 있다.
단계 S140에서 인증 성분 추천 장치는 추가 성분 정보를 성분 리스트에 추가하고, 추가 성분 정보가 추가된 성분 리스트의 인증 과정 분류 데이터를 획득할 수 있다.
도 5는 본 발명의 일 실시예에 따라 인공신경망을 통해 상품 데이터 정보를 획득하는 방법을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른 인증 성분 추천 장치는 문헌 데이터(310)를 인공신경망(300)에 입력하여 성분 데이터(311, 312)를 획득할 수 있다. 인공신경망(300)은 CNN(convolutional neural network)구조의 인공신경망으로, 문헌 데이터에 포함된 성분 데이터를 추출할 수 있다. 예를 들어 상술한 인공신경망(300)은 문헌 데이터(310)에 포함된 표, 그림 또는 화학 구조와 같은 성분 데이터를 획득할 수 있고, 이를 기초로 문헌 데이터의 해당 성분 데이터와 관련된 텍스트 정보를 더 추출할 수도 있다.
도 6은 본 발명의 일 실시예에 따라 인증 성분 추천을 수행하는 인공신경망의 구조를 설명하기 위한 도면이다.
본 발명의 몇몇 실시예에 따르면, 인증 성분 추천 장치는 인증 과정 분류를 수행하는 제1 인공신경망(200)을 기초로 전이 학습된 제2 인공신경망(210)을 통해 추가 성분 정보(55, 56, 57, 58, 59)를 획득할 수 있다.
보다 구체적으로, 인증 성분 추천 장치는 인증 성분 분류를 수행하기 위해 식품의약품안전처의 인증 성분 정보(201)는 완전 연결 레이어(Fully Connected Layer)에 입력하고, 성분 리스트(202)는 제1 컨벌루션 레이어(Convolution Layer)에 입력할 수 있다.
이후, 인증 성분 추천 장치는 완전 연결 레이어를 통해 차원이 축소된 인증 성분 리스트와 제1 컨벌루션 레이어에서 출력된 성분 리스트를 연결(concat)하여 결합 벡터를 생성하고, 결합 벡터를 제2 컨벌루션 레이어에 입력하여 인증 과정 분류 데이터(203)를 획득할 수 있다. 이 경우, 인증 성분 추천을 수행하는 제2 인공신경망(210)은 성분 데이터(211)를 기초로 추가 성분 정보(55, 56, 57, 58, 59)를 획득할 수 있다.
이하 도 7 및 도 8은 본 발명의 몇몇 실시예에 따른 인증 성분 추천 장치의 입출력 인터페이스와 연결된 입출력 장치에 표시된 GUI(graphic User Interface)의 일 예시를 도시한 도면이다.
일 실시예에서 인증 성분 추천 장치는 사용자가 대상 상품에 포함된 주성분 정보(401)를 입력하는 경우, 전자장치는 해당 주성분 정보에 대한 인증 과정 분류 결과 데이터(410a)를 출력할 수 있다. 본 실시예에서 인증 성분 추천 장치는 전술한 인공신경망의 출력 데이터를 기초로 상기 대상 상품의 인증 과정이 '허가'일 확률 및 상기 대상 상품의 인증 과정이 '신고'일 확률을 포함하는 결과 데이터(410a)를 출력할 수 있다.
도시된 인증 과정 분류 결과 데이터(410a)를 참조하면 주성분'에탄올', 첨가제 '디프로필렌글리콜'로 구성된 상품의 경우 식약처 인증을 위하여 '허가' 인증 과정이 수행될 확률이 0.0%이고, '신고' 인증 과장이 수행될 확률이 100%임을 알 수 있다.
본 발명의 몇몇 실시예에 따른 인증 성분 추천 장치는 인증 과정이 '허가'일 확률을 높이기 위해 추가 성분 정보를 선정할 수 있다. 예를 들어 인증 성분 추천 장치는 도 7에 도시된 상품의 새로운 첨가제 성분을 '디프로필렌글리콜'이 아닌'프로필렌글라이콜'을 선정할 수 있다. 본 실시예에 따라 도 8에 도시된 인증 과정 분류 결과 데이터(410b)를 참조하면 주성분'에탄올', 첨가제 '프로틸렌글라이콜'로 구성된 상품의 경우 식약처 인증을 위하여 '허가' 인증 과정이 수행될 확률이 62.06%이고, '신고' 인증 과장이 수행될 확률이 37.94%임을 알 수 있다.
또한, 다른 몇몇 실시예에 따른 인증 성분 추천 장치는 해당 대상 상품이 '화장품'으로 사용될 수 있는지, '의약외품'으로 사용될 수 있는지, '의약품'으로 사용될 수 있는지, '의료기기'로 사용될 수 있는지 여부를 더 판단할 수 있다. 이를 위해 본 실시예에 따른 인증 성분 추천 장치는 식약처로부터 '화장품'에 대한 인증 성분 리스트, '의약외품'에 대한 인증 성분 리스트, '의약품'에 대한 인증 성분 리스트 및 '의료기기'에 대한 인증 성분 리스트를 더 이용하여 인공신경망 학습을 수행할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (17)

  1. 컴퓨팅 장치에 의해 수행되는 인증 성분 추천 방법에 있어서,
    의약외품에 대한 적어도 하나의 성분 정보를 포함하는 성분 리스트를 획득하는 단계;
    상기 성분 리스트를 제1 인공신경망에 입력하여 상기 의약외품의 식약처 인증 방법에 대한 인증 과정 분류 데이터를 획득하는 단계;
    상기 인증 과정 분류 데이터를 상기 제1 인공신경망으로부터 전이학습 된 제2 인공신경망에 입력하여 상기 성분 리스트에 포함되지 않은 추가 성분 정보를 선정하는 단계; 및
    상기 추가 성분 정보를 상기 성분 리스트에 추가하고, 상기 추가 성분 정보가 추가된 성분 리스트의 인증 과정 분류 데이터를 획득하는 단계를 포함하는,
    인증 성분 추천 방법.
  2. 제1 항에 있어서,
    상기 추가 성분 정보를 선정하는 단계는,
    외부 서버로부터 획득한 복수의 문헌 데이터를 인공신경망에 입력하여 성분 데이터를 획득하는 단계; 및
    상기 성분 데이터를 이용하여 상기 추가 성분 정보를 선정하는 단계;를 포함하는,
    인증 성분 추천 방법.
  3. 제1 항에 있어서,
    상기 추가 성분 정보를 획득하는 단계는,
    외부 서버로부터 적어도 하나의 성분으로 구성된 복수의 상품 데이터 정보를 획득하고, 상기 복수의 상품 데이터 정보를 기초로 상기 추가 성분 정보를 선정하는 단계;를 포함하는,
    인증 성분 추천 방법.
  4. 제3 항에 있어서,
    상기 상품 데이터 정보는,
    상기 상품의 판매 정보 및 트랜드 정보를 포함하고,
    상기 추가 성분 정보를 선정하는 단계는,
    상기 상품의 판매 정보 및 트랜드 정보를 기초로 상기 추가 성분 정보를 선정하는 단계를 포함하는,
    인증 성분 추천 방법.


  5. 삭제
  6. 제1 항에 있어서,
    상기 인증 과정 분류 데이터를 획득하는 단계는,
    식품의약품안전처의 인증 성분 리스트를 완전 연결 레이어(Fully Connected Layer)에 입력하고, 상기 성분 리스트를 제1 컨벌루션 레이어(Convolution Layer)에 입력하는 단계;를 포함하는,
    인증 성분 추천 방법.
  7. 제6 항에 있어서,
    상기 인증 과정 분류 데이터를 획득하는 단계는,
    상기 완전 연결 레이어를 통해 차원이 축소된 인증 성분 리스트와 상기 제1 컨벌루션 레이어에서 출력된 성분 리스트를 연결(concat)하여 결합 벡터를 생성하는 단계;를 포함하는,
    인증 성분 추천 방법.
  8. 제7 항에 있어서,
    상기 인증 과정 분류 데이터를 획득하는 단계는,
    상기 결합 벡터를 제2 컨벌루션 레이어에 입력하여 상기 인증 과정 분류 데이터를 생성하는 단계를 포함하는,
    인증 성분 추천 방법.
  9. 프로세서; 를 포함하고,
    상기 프로세서는,
    의약외품에 대한 적어도 하나의 성분 정보를 포함하는 성분 리스트를 획득하고, 상기 성분 리스트를 제1 인공신경망에 입력하여 상기 의약외품의 식약처 인증 방법에 대한 인증 과정 분류 데이터를 획득하며, 상기 인증 과정 분류 데이터를 상기 제1 인공신경망으로부터 전이학습 된 제2 인공신경망에 입력하여 상기 성분 리스트에 포함되지 않은 추가 성분 정보를 선정하고, 상기 추가 성분 정보를 상기 성분 리스트에 추가하고, 상기 추가 성분 정보가 추가된 성분 리스트의 인증 과정 분류 데이터를 획득하는,
    인증 성분 추천 장치.
  10. 제9 항에 있어서,
    상기 프로세서는,
    외부 서버로부터 획득한 복수의 문헌 데이터를 인공신경망에 입력하여 성분 데이터를 획득하고, 상기 성분 데이터를 이용하여 상기 추가 성분 정보를 선정하는,
    인증 성분 추천 장치.
  11. 제9 항에 있어서,
    상기 프로세서는,
    외부 서버로부터 적어도 하나의 성분으로 구성된 복수의 상품 데이터 정보를 획득하고, 상기 복수의 상품 데이터 정보를 기초로 상기 추가 성분 정보를 선정하는,
    인증 성분 추천 장치.
  12. 제11 항에 있어서,
    상기 상품 데이터 정보는,
    상기 상품의 판매 정보 및 트랜드 정보를 포함하고,
    상기 프로세서는,
    상기 상품의 판매 정보 및 트랜드 정보를 기초로 상기 추가 성분 정보를 선정하는,
    인증 성분 추천 장치.
  13. 삭제
  14. 제9 항에 있어서,
    상기 프로세서는,
    식품의약품안전처의 인증 성분 리스트를 완전 연결 레이어(Fully Connected Layer)에 입력하고, 상기 성분 리스트를 제1 컨벌루션 레이어(Convolution Layer)에 입력하는,
    인증 성분 추천 장치.
  15. 제14 항에 있어서,
    상기 프로세서는,
    상기 완전 연결 레이어를 통해 차원이 축소된 인증 성분 리스트와 상기 제1 컨벌루션 레이어에서 출력된 성분 리스트를 연결(concat)하여 결합 벡터를 생성하는,
    인증 성분 추천 장치.
  16. 제15 항에 있어서,
    상기 프로세서는,
    상기 결합 벡터를 제2 컨벌루션 레이어에 입력하여 상기 인증 과정 분류 데이터를 생성하는,
    인증 성분 추천 장치.
  17. 컴퓨터를 이용하여 제1항 내지 제4항, 제6항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램.
KR1020200121783A 2020-09-21 2020-09-21 인증 성분 추천 방법 및 그 장치 KR102280149B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200121783A KR102280149B1 (ko) 2020-09-21 2020-09-21 인증 성분 추천 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200121783A KR102280149B1 (ko) 2020-09-21 2020-09-21 인증 성분 추천 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR102280149B1 true KR102280149B1 (ko) 2021-07-22

Family

ID=77158234

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200121783A KR102280149B1 (ko) 2020-09-21 2020-09-21 인증 성분 추천 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102280149B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100103053A (ko) * 2009-03-13 2010-09-27 전정휘 의약품 개발정보 통합 서비스 방법 및 시스템
KR20140060420A (ko) * 2012-11-09 2014-05-20 경북대학교 산학협력단 Ｕ-헬스케어 단말기, ｕ-헬스케어 시스템 및 이를 이용한 건강 정보 제공 방법
KR20180023050A (ko) * 2010-06-17 2018-03-06 에스.씨. 존슨 앤 선 인코포레이티드 화학 첨가제 성분 팔레트
KR102074178B1 (ko) 2018-12-27 2020-02-06 (주)로그싱크 개인 맞춤형 화장품 정보제공 분석 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100103053A (ko) * 2009-03-13 2010-09-27 전정휘 의약품 개발정보 통합 서비스 방법 및 시스템
KR20180023050A (ko) * 2010-06-17 2018-03-06 에스.씨. 존슨 앤 선 인코포레이티드 화학 첨가제 성분 팔레트
KR20140060420A (ko) * 2012-11-09 2014-05-20 경북대학교 산학협력단 Ｕ-헬스케어 단말기, ｕ-헬스케어 시스템 및 이를 이용한 건강 정보 제공 방법
KR102074178B1 (ko) 2018-12-27 2020-02-06 (주)로그싱크 개인 맞춤형 화장품 정보제공 분석 시스템 및 방법

Similar Documents

Publication Publication Date Title
US11811925B2 (en) Techniques for the safe serialization of the prediction pipeline
US11962510B2 (en) Resource watermarking and management
KR102034840B1 (ko) 테스트 그룹 분배 방법을 실행하기 위한 컴퓨터 프로그램 및 서버
CN108604278B (zh) 具有对共享数据表的支持的自描述配置
US20210141913A1 (en) System and Method for Management of Policies and User Data during Application Access Sessions
WO2019128528A1 (zh) 信息展示方法、装置和电子设备
US11966908B2 (en) Secure data management for sensitive information
US10678876B1 (en) Computing system for presenting supplemental content in context
US20170149686A1 (en) Resource watermarking and management
US10447702B2 (en) Digital credential tiers
JP2018521408A (ja) データ表示の方法、端末と記憶媒体
US20200053071A1 (en) Backend service integration
JPWO2016076128A1 (ja) 情報処理装置および方法、プログラム、並びに情報処理システム
CN105205675B (zh) 药店信息分析系统和方法
KR102280149B1 (ko) 인증 성분 추천 방법 및 그 장치
US20180270294A1 (en) Backend Service Integration
US20220107774A1 (en) Apparatus, systems, and methods for display content control at electronic user devices
CN107003867A (zh) 使用区段以用于跨平台的应用的定制
Pangestu et al. Food recipe finder mobile applications based on similarity of materials
KR102247056B1 (ko) 인증 과정 분류 방법 및 그 장치
KR102082949B1 (ko) 선택적 결제 처리 방법, 장치 및 컴퓨터 프로그램, 선택적 결제 요청 방법, 장치 및 컴퓨터 프로그램
US20230409617A1 (en) Method for providing term conversion service
US20180268443A1 (en) Determination method, determination apparatus, and non-transitory computer-readable storage medium
KR20210020513A (ko) 위치 기반 경험 공유 방법 및 컴퓨터 프로그램
KR20220112523A (ko) 트렌드 적응형 유저 인터페이스 구성 방법, 장치 및 컴퓨터-판독가능 기록매체

Legal Events

Date Code Title Description
GRNT Written decision to grant