KR102315068B1

KR102315068B1 - 문서 검색 품질 향상을 위한 문서 일관성 판단 방법 및 시스템

Info

Publication number: KR102315068B1
Application number: KR1020190081951A
Authority: KR
Inventors: 민혜진; 최원태; 박찬훈
Original assignee: 네이버 주식회사
Priority date: 2019-07-08
Filing date: 2019-07-08
Publication date: 2021-10-20
Anticipated expiration: 2039-07-08
Also published as: KR20210006098A

Abstract

문서 검색 품질 향상을 위한 문서 일관성 판단 방법 및 시스템이 개시된다. 문서 일관성 판단 방법은, 정답 문서의 제목과 적어도 하나의 본문 청크를 포함하는 정답 데이터를 생성하는 단계; 상기 정답 문서와 상기 정답 문서와 다른 문서를 조합하여 제목과 적어도 하나의 본문 청크를 포함하는 오답 데이터를 생성하는 단계; 및 상기 정답 데이터와 상기 오답 데이터를 학습한 기계학습 모델을 통해 주어진 문서의 제목과 본문 간의 일관성을 판단하는 단계를 포함한다.

Description

문서 검색 품질 향상을 위한 문서 일관성 판단 방법 및 시스템{METHOD AND SYSTEM FOR DETERMINING DOCUMENT CONSISTENCE TO IMPROVE DOCUMENT SEARCH QUALITY}

아래의 설명은 문서 품질을 판단하는 기술에 관한 것이다.

인터넷의 상용화로 인해 많은 사용자들이 인터넷을 이용하여 다양한 주제의 정보를 간편하고 신속하게 검색할 수 있다. 그러나, 방대한 양의 정보 속에서 사용자가 원하는 최적의 정보를 찾는 데는 시간과 노력이 필요하다.

최근 검색 엔진들은 사용자가 원하는 최적의 정보를 찾아낼 수 있도록 다양한 검색 방법을 도입하고 있다. 그 중 하나는 특정 주제에 더 많은 전문성과 인지도를 쌓은 저자의 문서가 검색 결과 상위에 노출되도록 하는 저자 중심의 랭킹 알고리즘(C-Rank 알고리즘)이 있다. 다른 하나는 경험이나 의견이 풍부한 문서나 정보성이 높은 문서가 검색 결과 상위에 노출되도록 하는 문서 의도 기반의 랭킹 알고리즘(DIA(deep intent analysis 알고리즘)이 있다.

예컨대, 한국등록특허 제10-0818553호(등록일 2008년 03월 26일)에는 문서에 대한 사용자의 다양한 피드백 정보를 이용하여 문서 랭킹을 결정하는 기술이 개시되어 있다.

기존 검색 방법은 지나치게 장황하고 긴 후기, 제목과 전혀 관계 없는 내용을 포함한 글, 정보성이 높은 단락을 히든 텍스트(hidden text)로 가지고 있는 문서 등 결과적으로 글의 주제와 관련이 없는 문서가 검색 결과 상위에 노출되는 어뷰징(abusing) 문제가 빈번하게 발생하게 된다.

문서 검색 품질을 향상시키기 위해 문서의 일관성(consistence)을 판단할 수 있는 방법 및 시스템을 제공한다.

글의 중심 주제를 표현하는 제목(title)과 제목을 중심으로 구체적인 내용을 서술하는 본문 간의 일관성을 판단할 수 있는 방법 및 시스템을 제공한다.

실제 어뷰징 문서를 오답 데이터(negative data)로 이용한 학습 모델을 통해 주어진 문서의 일관성을 판단할 수 있는 방법 및 시스템을 제공한다.

컴퓨터 시스템에서 실행되는 문서 일관성 판단 방법에 있어서, 상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 문서 일관성 판단 방법은, 상기 적어도 하나의 프로세서에 의해, 정답 문서의 제목과 적어도 하나의 본문 청크를 포함하는 정답 데이터를 생성하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 정답 문서와 상기 정답 문서와 다른 문서를 조합하여 제목과 적어도 하나의 본문 청크를 포함하는 오답 데이터를 생성하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 정답 데이터와 상기 오답 데이터를 학습한 기계학습 모델을 통해 주어진 문서의 제목과 본문 간의 일관성을 판단하는 단계를 포함하는 문서 일관성 판단 방법을 제공한다.

일 측면에 따르면, 상기 정답 데이터를 생성하는 단계는, 문서 품질 평가 데이터가 사전에 정해진 정답 문서 기준에 부합되는 문서를 상기 정답 데이터를 생성하기 위한 문서로 선정하는 단계를 포함할 수 있다.

다른 측면에 따르면, 상기 정답 데이터를 생성하는 단계는, 상기 정답 문서의 본문을 임의 길이 혹은 사전에 정해진 단위 길이로 잘라 본문 청크를 생성하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 오답 데이터를 생성하는 단계는, 어뷰징(abusing) 문서로 분류된 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 오답 데이터를 생성하는 단계는, 내부 프레임 태그(i-frame tag) 또는 히든 태그(hidden tag)에 다른 컨텐츠가 포함된 문서 또는 문서 품질 평가 데이터가 사전에 정해진 오답 문서 기준에 부합되는 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 오답 데이터를 생성하는 단계는, 상기 정답 데이터의 생성 시 이용된 상기 정답 문서와 다른 정답 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 오답 데이터를 생성하는 단계는, 상기 정답 데이터의 임의 위치나 사전에 정해진 위치에 상기 다른 문서의 적어도 하나의 본문 청크를 삽입하여 상기 오답 데이터를 생성할 수 있다.

또 다른 측면에 따르면, 상기 오답 데이터를 생성하는 단계는, 상기 정답 데이터에 포함된 제목을 상기 다른 문서의 제목으로 변경하여 상기 오답 데이터를 생성할 수 있다.

또 다른 측면에 따르면, 상기 오답 데이터를 생성하는 단계는, 상기 정답 데이터의 임의 위치나 사전에 정해진 위치에 상기 다른 문서의 적어도 하나의 본문 청크를 삽입하고 상기 정답 데이터에 포함된 제목을 상기 다른 문서의 제목으로 변경함으로써 상기 오답 데이터를 생성할 수 있다.

또 다른 측면에 따르면, 상기 일관성을 판단하는 단계는, 상기 주어진 문서에 대해 각 본문 청크 별로 해당 문서의 제목과의 일관성 점수를 산출하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 기계학습 모델은 제목과 본문 청크 간 유사 매트릭스(similarity matrix)가 포함된 DNN(deep neural network) 모델로 구성될 수 있다.

또 다른 측면에 따르면, 상기 기계학습 모델은 단어 간의 의미 유사도를 기초로 제목과 본문 청크 간의 일관성 여부를 판단하기 위한 워드 임베딩(word embedding) 모델이 포함될 수 있다.

또 다른 측면에 따르면, 상기 문서 일관성 판단 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 주어진 문서의 일관성을 이용하여 해당 문서의 검색 랭킹을 결정하는 단계를 더 포함할 수 있다.

상기 문서 일관성 판단 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체를 제공한다.

컴퓨터 시스템에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 정답 문서의 제목과 적어도 하나의 본문 청크를 포함하는 정답 데이터를 생성하는 정답 데이터 생성부; 상기 정답 문서와 상기 정답 문서와 다른 문서를 조합하여 제목과 적어도 하나의 본문 청크를 포함하는 오답 데이터를 생성하는 오답 데이터 생성부; 및 상기 정답 데이터와 상기 오답 데이터를 학습한 기계학습 모델을 통해 주어진 문서의 제목과 본문 간의 일관성을 판단하는 일관성 판단부를 포함하는 컴퓨터 시스템을 제공한다.

본 발명의 실시예들에 따르면, 글의 중심 주제를 표현하는 제목과 제목을 중심으로 구체적인 내용을 서술하는 본문 간의 일관성을 판단함으로써 문서의 검색 품질을 향상시킬 수 있다.

본 발명의 실시예들에 따르면, 문서의 일관성을 판단하기 위해 실제 어뷰징 문서와 함께 일관성이 떨어지는 문서를 오답 데이터로 이용하여 학습함으로써 보다 범용적인 데이터의 학습을 통해 일관성 판단의 정확성과 신뢰성을 향상시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.
도 5 내지 도 6은 정상 텍스트와 어뷰징 텍스트를 구분하는 기본 기술을 설명하기 위한 예시 도면이다.
도 7 내지 도 8은 본 발명의 일실시예에 있어서 정답 데이터를 생성하는 방법의 일례를 설명하기 위한 예시 도면이다.
도 9 내지 도 10은 본 발명의 일실시예에 있어서 오답 데이터를 생성하는 방법의 일례를 설명하기 위한 예시 도면이다.
도 11 내지 도 12는 본 발명의 일실시예에 있어서 오답 데이터를 생성하는 방법의 다른 예를 설명하기 위한 예시 도면이다.
도 13은 본 발명의 일실시예에 있어서 문서의 일관성 판단을 위한 학습 모델의 예시를 도시한 것이다.
도 14 내지 도 15는 본 발명의 일실시예에 있어서 정답 데이터와 오답 데이터에 대한 일관성 판단 과정을 설명하기 위한 예시 도면이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 실시예들은 문서 품질을 판단하는 기술에 관한 것이다.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 문서 품질의 하나로 제목과 본문 간의 일관성을 판단할 수 있고, 이를 통해 문서의 검색 품질을 향상시킬 수 있다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.

복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제1 서비스를 제공하는 시스템일 수 있으며, 서버(160) 역시 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제2 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버(150)는 복수의 전자 기기들(110, 120, 130, 140)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, 검색 서비스 등)를 제1 서비스로서 복수의 전자 기기들(110, 120, 130, 140)로 제공할 수 있다. 다른 예로, 서버(160)는 상술한 어플리케이션의 설치 및 구동을 위한 파일을 복수의 전자 기기들(110, 120, 130, 140)로 배포하는 서비스를 제2 서비스로서 제공할 수 있다.

도 2는 본 발명의 일실시예에 있어서 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 2에서는 전자 기기에 대한 예로서 전자 기기(110), 그리고 서버(150)의 내부 구성을 설명한다. 또한, 다른 전자 기기들(120, 130, 140)이나 서버(160) 역시 상술한 전자 기기(110) 또는 서버(150)와 동일한 또는 유사한 내부 구성을 가질 수 있다.

전자 기기(110)와 서버(150)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 비-일시적인 컴퓨터 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(211, 221)와는 구분되는 별도의 영구 저장 장치로서 전자 기기(110)나 서버(150)에 포함될 수도 있다. 또한, 메모리(211, 221)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기(110)에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 전자 기기(110)에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버(160))이 네트워크(170)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.

프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(213, 223)은 네트워크(170)를 통해 전자 기기(110)와 서버(150)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기(110) 및/또는 서버(150)가 다른 전자 기기(일례로 전자 기기(120)) 또는 다른 서버(일례로 서버(160))와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(170)를 통해 서버(150)로 전달될 수 있다. 역으로, 서버(150)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(170)를 거쳐 전자 기기(110)의 통신 모듈(213)을 통해 전자 기기(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(150)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기(110)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.

입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(215)는 전자 기기(110)와 하나의 장치로 구성될 수도 있다. 또한, 서버(150)의 입출력 인터페이스(224)는 서버(150)와 연결되거나 서버(150)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 보다 구체적인 예로, 전자 기기(110)의 프로세서(212)가 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(150)나 전자 기기(120)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다.

또한, 다른 실시예들에서 전자 기기(110) 및 서버(150)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기(110)는 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 전자 기기(110)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 전자 기기(110)에 더 포함되도록 구현될 수 있다.

이하에서는 문서의 일관성을 판단하는 방법 및 시스템의 구체적인 실시예를 설명하기로 한다.

본 명세서에서 문서는 인터넷 상에서 검색 대상이 되는 정보 단위를 의미할 수 있다.

본 발명에서는 문서가 주어지면 딥러닝(deep learning) 모델을 통해 해당 문서의 일관성이 어느 정도인지 판단할 수 있다. 문서의 일관성이란 문서 품질 요소 중 하나로 일관되고 통일된 성질을 의미할 수 있으며, 문서의 내용이 하나의 주제를 중심으로 밀접하게 연결되는 관계를 의미하는 통일성(coherence)과, 주제가 잘 드러날 수 있도록 문서의 형식이 유기적으로 연결되는 관계를 의미하는 응집성(cohesion)을 포괄하는 개념에 해당된다.

도 3은 본 발명의 일실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이고, 도 4는 본 발명의 일실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.

본 실시예에 따른 서버(150)는 검색 서비스를 제공하는 플랫폼 역할을 한다. 특히, 서버(150)는 검색 대상이 되는 문서의 품질 요소 중 하나로 일관성을 판단할 수 있고, 더 나아가 문서의 일관성 개념을 검색 결과 순위에 반영하여 주제와 관련 없는 본문이 포함된 문서, 즉 일관성이 낮은 문서를 어뷰징 문서로 처리함으로써 문서의 검색 품질을 향상시킬 수 있다.

서버(150)의 프로세서(222)는 도 4에 따른 문서 일관성 판단 방법을 수행하기 위한 구성요소로서 도 3에 도시된 바와 같이, 정답 데이터 생성부(310), 오답 데이터 생성부(320), 및 일관성 판단부(330)를 포함할 수 있다. 실시예에 따라 프로세서(222)의 구성요소들은 선택적으로 프로세서(222)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(222)의 구성요소들은 프로세서(222)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.

이러한 프로세서(222) 및 프로세서(222)의 구성요소들은 도 4의 문서 일관성 판단 방법이 포함하는 단계들(S410 내지 S430)을 수행하도록 서버(150)를 제어할 수 있다. 예를 들어, 프로세서(222) 및 프로세서(222)의 구성요소들은 메모리(221)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.

여기서, 프로세서(222)의 구성요소들은 서버(150)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(222)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 서버(150)가 학습을 위한 정답 데이터(positive data)를 생성하도록 상술한 명령에 따라 서버(150)를 제어하는 프로세서(222)의 기능적 표현으로서 정답 데이터 생성부(310)가 이용될 수 있다.

프로세서(222)는 서버(150)의 제어와 관련된 명령이 로딩된 메모리(221)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(222)가 이후 설명될 단계들(S410 내지 S430)을 실행하도록 제어하기 위한 명령을 포함할 수 있다. 이후 설명될 단계들(S410 내지 S430)은 도 4에 도시된 순서와 다른 순서로 수행될 수 있으며, 단계들(S410 내지 S430) 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.

단계(S410)에서 정답 데이터 생성부(310)는 문서 품질 평가 데이터를 기준으로 사전에 정해진 기준에 부합되는 문서(이하, '정답 문서'라 칭함)를 이용하여 학습을 위한 정답 데이터를 생성할 수 있다. 검색 대상이 되는 문서로서 UGC(user generated content) 문서 등은 사용자 반응에 따른 문서 평가 점수를 획득하게 되는데, 이러한 평가 점수가 정답 문서 기준에 부합되는 경우 해당 문서를 정답 문서로 선정할 수 있다. 검색 대상이 되는 문서의 경우 추천이나 클릭 등 다양한 피드백 점수를 수집할 수 있으며, 피드백 점수가 상대적으로 높은 문서, 즉 사용자 반응이 좋은 문서를 품질이 보장된 문서로 가정하여 정답 문서로 선정할 수 있다. 정답 데이터 생성부(310)는 정답 문서를 이용하여 정답 문서의 제목과 본문의 적어도 일부를 포함하는 정답 데이터를 생성할 수 있다. 일례로, 정답 데이터 생성부(310)는 정답 문서의 본문을 임의 길이 혹은 사전에 정해진 단위 길이로 잘라 본문 청크(이하, '정답 청크'라 칭함)를 생성한 후 정답 문서의 제목과 적어도 하나의 정답 청크를 포함하는 정답 데이터를 생성할 수 있다.

단계(S420)에서 오답 데이터 생성부(320)는 정답 문서와 어뷰징 문서로 분류된 오답 문서를 조합하여 학습을 위한 오답 데이터를 생성할 수 있다. 오답 문서를 분류하는 방법의 일례는, 내부 프레임 태그(i-frame tag) 또는 웹 브라우저 상에서 보이지 않는 모든 히든 태그(hidden tag)에 다른 컨텐츠가 포함되는 등 본문에 히든 컨텐츠가 포함되어 있는 문서를 오답 문서로 분류할 수 있다. 다른 예로, 정답 문서로 이용되지 않는 문서를 어뷰징 문서로 분류하여 오답 문서로 이용할 수 있다. 또 다른 예로, 문서 품질 평가 데이터를 기준으로 사전에 정해진 오답 문서 기준에 부합되는 경우 해당 문서를 오답 문서로 분류할 수 있다. 이외에, 문서의 제목이 본문 내용을 잘 포괄하지 못하거나 제목만 보고 본문의 내용을 예측하기 어려운 경우, 예를 들어 1인칭 시점의 소설이나 인기 가수나 배우 주제의 팬픽 등과 같은 빙의글, 허구의 이야기로 구성된 소설 등의 산문체 문학, 개인적인 일화를 주제로 한 가벼운 일상글 등을 오답 문서로 분류할 수 있다. 오답 데이터 생성부(320)는 정답 문서와 오답 문서를 조합하여 오답 데이터를 생성할 수 있다(제1 방법). 일례로, 오답 데이터 생성부(320)는 오답 문서의 본문을 임의 길이 혹은 사전에 정해진 단위 길이로 잘라 본문 청크(이하, '오답 청크'라 칭함)를 생성할 수 있고, 이때 정답 청크와 오답 청크를 섞어서 오답 데이터를 생성할 수 있다. 오답 데이터 생성부(320)는 정답 데이터의 임의 위치에 적어도 하나의 오답 청크를 삽입함으로써 오답 데이터를 생성할 수 있다. 따라서, 오답 데이터 생성부(320)는 정답 문서로 만들어진 정답 데이터에 오답 청크를 섞어서 오답 데이터를 생성할 수 있다. 오답 문서를 이용하는 것 이외에, 오답 데이터 생성부(320)는 서로 다른 정답 문서를 이용하여 오답 데이터를 생성할 수 있다(제2 방법). 일례로, 오답 데이터 생성부(320)는 제1 정답 문서로부터 생성된 정답 데이터의 제목(즉, 제1 정답 문서의 제목)을 제2 정답 문서의 제목으로 변경함으로써 오답 데이터를 생성할 수 있다. 다른 예로, 오답 데이터 생성부(320)는 제1 정답 문서로부터 생성된 정답 청크와 제2 정답 문서로부터 생성된 정답 청크를 섞어서 오답 데이터를 생성할 수 있다. 따라서, 오답 데이터 생성부(320)는 정답 문서로 만들어진 정답 데이터에 다른 정답 문서의 제목 또는 본문 청크를 섞어서 오답 데이터를 생성할 수 있다. 상기한 제1 방법과 제2 방법을 결합하여 오답 데이터를 생성하는 것 또한 가능하다.

단계(S430)에서 일관성 판단부(330)는 제목과 본문 청크로 이루어진 학습 데이터, 즉 정답 데이터와 오답 데이터를 학습한 기계학습 모델을 통해 주어진 문서의 일관성을 판단할 수 있다. 본문 내 문장, 즉 본문 청크가 일관성 있는지 학습하는 기존 모델과 달리, 본 발명에 적용된 학습 모델의 경우 제목과 본문 청크로 이루어진 학습 데이터를 입력으로 하고 제목과 각 본문 청크 간에 유사 매트릭스(similarity matrix)를 추가 구성하여 이진 분류(binary classification)를 통해 문서의 일관성 여부를 판단할 수 있다. 이진 분류를 통해 일관성 여부를 판단하는 것 이외에, 일관성 정도를 연속된 숫자로도 나타낼 수 있다. 일관성 여부를 구분하는 기준은 서비스 상황에 따라 조정 가능하다. 일관성 판단부(330)는 제목과 본문 청크로 이루어진 정답 데이터와 오답 데이터를 학습한 결과를 통해 문서의 제목과 각 본문 청크 간 유사도에 따라 일관성 점수를 산출할 수 있다. 이때, 일관성 점수는 문서의 제목이 의미하는 중심 주제와 본문 내용이 일관되고 통일된 정도, 그리고 문서의 제목에서 예상되는 내용과 실제 본문 내용이 일치하는 정도를 나타낼 수 있다. 일관성의 요소로는 본문의 주제가 명확하고 하나로 통일되어 있는가에 대한 명확성과, 독자가 문서의 제목을 보고 글의 전개 내용을 예측할 수 있는가에 대한 예측성이 포함될 수 있다.

도 5 내지 도 6은 정상 텍스트와 어뷰징 텍스트를 구분하는 기본 기술을 설명하기 위한 예시 도면이다.

일반적으로, 정상 텍스트와 어뷰징 텍스트가 주어지면 정상 텍스트와 어뷰징 텍스트에 대하여 언어 모델(language model)을 만들 수 있다.

도 5를 참조하면, 주어진 텍스트 각각에 대하여, 제목의 유니그램(unigram, 1term)와 본문의 유니그램으로 이루어진 단어 쌍을 이용한 언어 모델을 만들 수 있다. 다른 예로, 도 6에 도시한 바와 같이 주어진 텍스트 각각에 대하여, 제목의 유니그램과 본문의 바이그램(bigram, 2term)으로 이루어진 단어 쌍을 이용한 언어 모델을 만들 수 있다.

기존에는 정상 텍스트와 어뷰징 텍스트의 확률 값과 제목과 본문의 단어 쌍의 확률 값을 스코어로 보고 선형 분리를 함으로써 주어진 텍스트가 정상인지 어뷰징인지 구분할 수 있다.

도 7은 본 발명의 일실시예에 있어서 정답 데이터를 생성하는 방법의 일례를 설명하기 위한 예시 도면이다.

도 7을 참조하면, 정답 데이터 생성부(310)는 정답 문서(710)를 이용하여 정답 문서(710)의 제목(positive title)과 적어도 하나의 본문 청크, 즉 정답 청크(positive chunk)로 이루어진 정답 데이터(700)를 생성할 수 있다.

정답 데이터(700)의 예시는 도 8과 같다. 'title'은 문서의 제목에 해당되고, 'chunk_body'는 각 청크의 텀들을 담고 있는 리스트에 해당된다. 'chunk_label'은 각 청크의 레이블을 담고 있는 리스트에 해당되며, 정답 문서의 청크는 1, 오답 문서의 청크는 0으로 표기한다. 'label'은 문서의 레이블을 의미하는 것으로, 정답 문서는 1, 오답 문서는 0으로 표기한다.

도 8에 도시한 바와 같이, 정답 데이터(700)는 정답 문서로부터 생성되는 것으로, 정답 문서의 제목과 함께 해당 문서의 본문 청크로서 'chunk_label'이 1인 정답 청크로 이루어진다.

도 9는 본 발명의 일실시예에 있어서 오답 데이터를 생성하는 방법의 일례를 설명하기 위한 예시 도면이다.

도 9를 참조하면, 오답 데이터 생성부(320)는 정답 문서(710)로부터 생성된 정답 데이터(700)의 임의 위치에 오답 문서(920)의 본문 청크, 즉 오답 청크(negative chunk)를 적어도 하나 이상 삽입함으로써 오답 데이터(900)를 생성할 수 있다.

다시 말해, 오답 데이터 생성부(320)는 정답 문서(710)로 만들어진 정답 데이터(700)에 오답 청크를 섞어서 오답 데이터(900)를 생성할 수 있다.

오답 데이터(900)의 예시는 도 10과 같다. 오답 데이터 생성부(320)는 'chunk_label'이 1인 정답 청크 중간 중간에 'chunk_label'이 0인 오답 청크(밑줄 처리된 청크)를 삽입함으로써 오답 데이터를 생성할 수 있다.

도 11은 본 발명의 일실시예에 있어서 오답 데이터를 생성하는 방법의 다른 예를 설명하기 위한 예시 도면이다.

도 11을 참조하면, 오답 데이터 생성부(320)는 정답 문서(710)로 만들어진 정답 데이터(700)에 포함된 제목을 다른 정답 문서(1130)의 제목으로 바꾸는 방식을 통해 오답 데이터(1100)를 생성할 수 있다.

정답 데이터(700)에 포함된 제목을 바꾸는 것 이외에도, 정답 문서(710)로 만들어진 정답 데이터(700)에 다른 정답 문서(1130)의 본문 청크(정답 청크)를 오답 청크로 삽입하여 오답 데이터를 생성하는 것 또한 가능하다.

오답 데이터(1100)의 예시는 도 12와 같다. 오답 데이터 생성부(320)는 'chunk_label'이 1인 정답 청크 중간 중간에 다른 문서의 본문 청크(밑줄 처리된 청크)를 오답 청크로 삽입하여 오답 데이터를 생성할 수 있다.

도 8의 정답 데이터(700)와, 도 10의 오답 데이터(900), 그리고 도 12의 오답 데이터(1100)는 한 가지 예시일 뿐, 이에 한정되는 것이 아니며 다양한 데이터 포맷으로 구성될 수 있다.

오답 데이터를 생성하기 위해 서로 다른 문서의 청크를 섞는 방법은 다양한 기준을 적용할 수 있다. 일례로, 사전에 정해진 규칙에 따라 정답 청크와 오답 청크를 교대로 섞어 오답 데이터를 생성할 수 있다. 다른 예로, 'chunk_body'의 앞부분에 정답 청크를 일괄 배치하고 뒷부분에 오답 청크를 일괄 배치할 수 있다. 또 다른 예로, 문서의 청크 수만큼 라벨을 만들고 그 라벨을 시퀀스처럼 나열한 다음 랜덤하게 순서를 섞을 수 있다. 예를 들어, [1,1,1,1,1,0,0,0,0,0]을 [1,0,0,1,1,1,0,1,0,0]로 썩은 다음 해당 순서로 정답 청크와 오답 청크를 섞어 오답 데이터를 생성할 수 있다.

오답 데이터는 실제 어뷰징 문서로 분류된 오답 문서를 그대로 활용하여 생성할 수 있고, 더 나아가 어뷰징이 특징적으로 나타나는 문서 이외에 일관성이 떨어지는 문서를 커버하기 위해, 즉 모델이 좀더 범용적인 데이터를 학습할 수 있도록 어뷰징 문서 이외에 정답 데이터에 다른 문서의 제목이나 본문을 섞어서 오답 데이터를 생성할 수 있다.

도 13은 본 발명의 일실시예에 있어서 문서의 일관성 판단을 위한 학습 모델의 예시를 도시한 것이다.

도 13을 참조하면, 본 발명은 텍스트간 일관성을 분석하는 모델로서 특징 맵(convolution feature maps), 풀링 계층(pooling layer), 유사 매트릭스(similarity matrix), 히든 계층(hidden layer), 소프트맥스 계층(softmax layer)이 포함된 DNN(deep neural network) 모델을 이용하여 일관성 판단 모델(1300)을 구축할 수 있다.

일관성 판단 모델(1300)의 입력은 문서의 제목과 함께 해당 문서의 적어도 하나 이상의 본문 청크가 될 수 있다.

도 14에 도시한 바와 같이, 일관성 판단 모델(1300)은 정답 데이터, 예를 들어 문서의 제목(title)과, 해당 문서의 본문 청크로서 'chunk_label'이 모두 1인 3개의 청크(S1, S2, S3)로 이루어진 데이터가 입력되는 경우 일관성이 있는 문서로 판단하도록 학습할 수 있다.

한편, 도 15에 도시한 바와 같이 일관성 판단 모델(1300)에 오답 데이터, 예를 들어 문서의 제목(title)과, 해당 문서의 본문 청크('chunk_label'이 1인 정답 청크)와 다른 문서의 본문 청크('chunk_label'이 0인 오답 청크)가 썩인 데이터가 입력되는 경우 일관성이 없는 문서로 판단하도록 학습할 수 있다.

일관성 판단부(330)는 문서가 주어지면 정답 데이터와 오답 데이터로 학습된 일관성 판단 모델(1300)을 통해 해당 문서의 제목과 각 본문 청크 간의 일관성을 분석하여 문서의 일관성 여부를 판단할 수 있다. 일관성 판단부(330)는 본문 청크 별로 제목과의 일관성 점수를 산출할 수 있고, 본문 청크 별 일관성 점수를 합산하여 문서의 일관성 여부를 판단할 수 있다.

이때, 일관성 판단 모델(1300)은 각 단어를 n차원의 벡터로 매핑시켜 주는 워드 임베딩(word embedding) 모델을 포함할 수 있으며, 일관성 판단부(330)는 제목과 본문 간의 키워드 매칭을 통해 일관성을 판단하는 것이 아니라, 워드 임베딩 모델을 통해 단어 간의 의미 유사도를 기초로 제목과 본문 간의 일관성을 판단할 수 있다. 다시 말해, 문서의 제목과 본문 간에 키워드가 일치하지 않더라도 의미 유사도를 바탕으로 일관성 여부를 판단할 수 있다.

본 발명의 일관성 판단 모델(1300)은 제목이나 본문 둘 중 어느 하나에라도 내용과 전혀 관련 없는 단어가 들어가면 일관성을 낮게 판단할 수 있다. 예를 들어, 대기업 총수들의 회동과 관련된 기사에 해당 기사 내용과 전혀 무관한 키워드, 예컨대 '성형외과 조찬 강연'이 포함되어 있는 경우 일관성 스코어는 그렇지 않은 경우의 일관성 스코어보다 현저히 낮아지게 된다.

기존에는 제목의 키워드들이 본문에 있으면 일관성 스코어를 높게 판단하나, 본 발명의 일관성 판단 모델(1300)은 제목의 키워드들이 본문에 있더라도 내용과 전혀 관계 없는 키워드가 제목이나 본문에 포함되어 있으면 일관성 스코어를 낮게 판단하게 된다.

서버(150)는 검색 시스템에 문서의 일관성을 반영하여 문서 랭킹을 결정할 수 있다. 검색 시스템의 문서 랭킹 알고리즘(일례로, DIA 랭킹, 또는 C-랭킹 등)에 문서의 일관성 개념을 결합할 수 있고, 이를 통해 글의 중심 주제를 나타내는 제목과 관련이 없는 본문 내용을 포함한 문서에 대해 검색 결과 상위에 노출되지 않도록 문서 랭킹을 조절하거나 어뷰징 문서로 처리할 수 있다.

이처럼 본 발명의 실시예들에 따르면, 글의 중심 주제를 표현하는 제목과 제목을 중심으로 구체적인 내용을 서술하는 본문 간의 일관성을 판단함으로써 문서의 검색 품질을 향상시킬 수 있다. 그리고, 본 발명의 실시예들에 따르면, 본 발명의 실시예들에 따르면, 문서의 일관성을 판단하기 위해 실제 어뷰징 문서와 함께 일관성이 떨어지는 문서를 오답 데이터로 이용하여 학습함으로써 보다 범용적인 데이터의 학습을 통해 일관성 판단의 정확성과 신뢰성을 향상시킬 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, 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 상기 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, 컴퓨터 저장 매체 또는 장치에 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. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

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

컴퓨터 시스템에서 실행되는 문서 일관성 판단 방법에 있어서,
상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
상기 문서 일관성 판단 방법은,
상기 적어도 하나의 프로세서에 의해, 정답 문서의 제목과 적어도 하나의 본문 청크를 포함하는 정답 데이터를 생성하는 단계;
상기 적어도 하나의 프로세서에 의해, 상기 정답 문서와 상기 정답 문서와 다른 문서를 조합하여 제목과 적어도 하나의 본문 청크를 포함하는 오답 데이터를 생성하는 단계; 및
상기 적어도 하나의 프로세서에 의해, 상기 정답 데이터와 상기 오답 데이터를 학습한 기계학습 모델을 통해 주어진 문서의 제목과 본문 간의 일관성을 판단하는 단계
를 포함하고,
상기 오답 데이터를 생성하는 단계는,
내부 프레임 태그(i-frame tag) 또는 히든 태그(hidden tag)에 다른 컨텐츠가 포함된 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 단계
를 포함하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 정답 데이터를 생성하는 단계는,
문서 품질 평가 데이터가 사전에 정해진 정답 문서 기준에 부합되는 문서를 상기 정답 데이터를 생성하기 위한 문서로 선정하는 단계
를 포함하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 정답 데이터를 생성하는 단계는,
상기 정답 문서의 본문을 임의 길이 혹은 사전에 정해진 단위 길이로 잘라 본문 청크를 생성하는 단계
를 포함하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 오답 데이터를 생성하는 단계는,
어뷰징(abusing) 문서로 분류된 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 단계
를 포함하는 문서 일관성 판단 방법.
컴퓨터 시스템에서 실행되는 문서 일관성 판단 방법에 있어서,
상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
상기 문서 일관성 판단 방법은,
상기 적어도 하나의 프로세서에 의해, 정답 문서의 제목과 적어도 하나의 본문 청크를 포함하는 정답 데이터를 생성하는 단계;
상기 적어도 하나의 프로세서에 의해, 상기 정답 문서와 상기 정답 문서와 다른 문서를 조합하여 제목과 적어도 하나의 본문 청크를 포함하는 오답 데이터를 생성하는 단계; 및
상기 적어도 하나의 프로세서에 의해, 상기 정답 데이터와 상기 오답 데이터를 학습한 기계학습 모델을 통해 주어진 문서의 제목과 본문 간의 일관성을 판단하는 단계
를 포함하고,
상기 오답 데이터를 생성하는 단계는,
문서 품질 평가 데이터가 사전에 정해진 오답 문서 기준에 부합되는 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 단계
를 포함하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 오답 데이터를 생성하는 단계는,
상기 정답 데이터의 생성 시 이용된 상기 정답 문서와 다른 정답 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 단계
를 포함하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 오답 데이터를 생성하는 단계는,
상기 정답 데이터의 임의 위치나 사전에 정해진 위치에 상기 다른 문서의 적어도 하나의 본문 청크를 삽입하여 상기 오답 데이터를 생성하는 것
을 특징으로 하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 오답 데이터를 생성하는 단계는,
상기 정답 데이터에 포함된 제목을 상기 다른 문서의 제목으로 변경하여 상기 오답 데이터를 생성하는 것
을 특징으로 하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 오답 데이터를 생성하는 단계는,
상기 정답 데이터의 임의 위치나 사전에 정해진 위치에 상기 다른 문서의 적어도 하나의 본문 청크를 삽입하고 상기 정답 데이터에 포함된 제목을 상기 다른 문서의 제목으로 변경함으로써 상기 오답 데이터를 생성하는 것
을 특징으로 하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 일관성을 판단하는 단계는,
상기 주어진 문서에 대해 각 본문 청크 별로 해당 문서의 제목과의 일관성 점수를 산출하는 단계
를 포함하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 기계학습 모델은 제목과 본문 청크 간 유사 매트릭스(similarity matrix)가 포함된 DNN(deep neural network) 모델로 구성되는 것
을 특징으로 하는 문서 일관성 판단 방법.
제11항에 있어서,
상기 기계학습 모델은 단어 간의 의미 유사도를 기초로 제목과 본문 청크 간의 일관성 여부를 판단하기 위한 워드 임베딩(word embedding) 모델이 포함되는 것
을 특징으로 하는 문서 일관성 판단 방법.
제1항에 있어서,
상기 문서 일관성 판단 방법은,
상기 적어도 하나의 프로세서에 의해, 상기 주어진 문서의 일관성을 이용하여 해당 문서의 검색 랭킹을 결정하는 단계
를 더 포함하는 문서 일관성 판단 방법.
제1항 내지 제13항 중 어느 한 항의 문서 일관성 판단 방법을 상기 컴퓨터 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
컴퓨터 시스템에 있어서,
메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로세서는,
정답 문서의 제목과 적어도 하나의 본문 청크를 포함하는 정답 데이터를 생성하는 정답 데이터 생성부;
상기 정답 문서와 상기 정답 문서와 다른 문서를 조합하여 제목과 적어도 하나의 본문 청크를 포함하는 오답 데이터를 생성하는 오답 데이터 생성부; 및
상기 정답 데이터와 상기 오답 데이터를 학습한 기계학습 모델을 통해 주어진 문서의 제목과 본문 간의 일관성을 판단하는 일관성 판단부
를 포함하고,
상기 오답 데이터 생성부는,
내부 프레임 태그(i-frame tag) 또는 히든 태그(hidden tag)에 다른 컨텐츠가 포함된 문서 또는 문서 품질 평가 데이터가 사전에 정해진 오답 문서 기준에 부합되는 문서를 상기 오답 데이터를 생성하기 위한 문서로 선정하는 것
을 특징으로 하는 컴퓨터 시스템.