KR102324179B1 - 영유아 기관정보 통합 서비스 제공 시스템 - Google Patents

Abstract

영유아 기관정보 통합 서비스 제공 시스템이 제공되며, GPS 위치를 전송하거나 검색위치를 설정한 후, 검색어를 입력하여 영유아 지역 시설정보를 검색하고, 적어도 하나의 카테고리별 육아정보를 검색하며, 지역커뮤니티에서 글을 검색하거나 입력하는 사용자 단말 및 적어도 하나의 정부기관의 정보공시 사이트, 적어도 하나의 유치원 홈페이지 및 적어도 하나의 어린이집 홈페이지로부터 GPS 또는 주소지에 대응하는 영유아 정보를 수집하는 수집부, GPS 또는 주소지에 대응하는 고유식별부호를 부여하고 영유아 정보를 고유식별부호에 매핑하여 저장하는 저장부, 사용자 단말에서 GPS 위치나 검색위치를 설정한 후 검색어를 입력하는 경우 LBS(Location Based Service)에 기반하여 검색결과를 추출하여 지도상에 오버레이하는 출력부, 적어도 하나의 카테고리별 육아정보를 텍스트, 이미지, 사진 및 동영상을 포함하는 멀티미디어 콘텐츠로 제공하는 육아정보부, 지역별 지역커뮤니티를 제공하는 커뮤니티부를 포함하는 통합 서비스 제공 서버를 포함한다.

Description

영유아 기관정보 통합 서비스 제공 시스템{SYSTEM FOR PROVIDING CHILD CARE CENTER DATA INTEGRATION SERVICE}

본 발명은 영유아 기관정보 통합 서비스 제공 시스템에 관한 것으로, 영유아 시설 관련 정보를 통합하여 제공하고 소셜미디어, 중고거래장터 및 오픈채팅을 포함하는 커뮤니티를 지역 기반으로 제공할 수 있는 플랫폼을 제공한다.

최근 초·중·고등학교에서는 학교정보공시제를 실시했고, 유치원에서도 전반적인 운영에 대한 정보를 알 수 있도록 유치원 정보공시제가 도입되고 유치원 알리미 홈페이지와 각 해당 유치원의 홈페이지에서 관련 정보를 제공하고 있으며, 유치원 공시항목으로는 유치원 규칙 및 시설 등의기본현황, 교원, 회계, 안전관리, 시정명령 등의 조치사항, 그 밖의 유치원의 교육여건 및 운영 상태 등에 관한 사항을 매년 1회 이상 공시한다. 어린이집도 마찬가지로 영유아보육법 제49조의 2항과 영유아보육법 시행령 제25조 4항 어린이집의 정보공시에 대한 법령에 따라 어린이집 정보공시포털 사이트 또는 아이사랑보육포털 사이트를 통해 시행되고 있다. 어린이집의 원장은 어린이집의 시설, 설치·운영자, 보육교직원 등 기본현황, 보육과정, 보육료와 필요경비, 회계, 건강 및 영양, 안전 등 어린이집 운영에 대한 전반적인 사항에 대해 매년 1회 이상 공시하여야 한다. 또한 영유아보육법 제49조 3항과 영유아보육법 시행령 제25조 6항에 의거 위반사실의 공포에 대한 법령이 제정되어 법을 위반한 시설이나 원장, 보육교사에 대한 내용을 공시하고 있다.

이때, 애플리케이션을 이용하여 유아교육정보를 제공하거나 어린이집을 예약할 수 있는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2013-0107434호(2013년10월02일 공개) 및 한국공개특허 제2019-0028181호(2019년03월18일 공개)에는, 사용자 단말에서 어린이집을 검색하는 검색어가 입력되면, 어린이집 데이터베이스로부터 어린이집 홈페이지를 사용자 단말로 전송하고, 사용자 단말은 어린이집 원장, 교사, 기사, 원생 및 학부모를 위하여 제공되는 유아교육정보, 각종 서식, 상담, 화상서비스 및 차량도우미 정보 중 어느 하나를 선택하여 출력하도록 함으로써, 어린이집마다 홈페이지 제작에 따른 비용을 최소화하고 유지관리비를 절감할 수 있는 구성과, 스마트폰으로 어린이집을 예약할 수 있도록 하고 어린이 안전사고를 예방하거나 대응할 수 있도록 지역별 어린이집을 검색하고, 예약 메인 페이지를 로딩하여 지역별 어린이집 인원이나 현황을 출력하며, 아동신상정보를 입력하여 입소대기를 신청하고, 대기신청이 완료되면 입소대기번호를 부여받는 구성이 각각 개시되어 있다.

다만, 상술한 구성 중 전자의 경우 각각의 어린이집 홈페이지를 전달해주는 포털사이트의 역할만을 할 뿐 하나의 플랫폼 내에서 각종 정보를 모아서 제공하는 구성이 아니고, 후자의 경우에도 단순히 어린이집 홈페이지를 연동시키거나 대기예약을 할 수 있는 플랫폼일 뿐이다. 정부에서는 어린이집 정보공시를 위한 홈페이지와 유치원 정보공시를 위한 홈페이지를 각각 제공하고 있지만, 유지관리가 제대로 되고 있지 않아 접속이 되지 않거나 홈페이지가 깨지는 등 제대로 된 정보를 제공하고 있지 않다. 또, 현대사회에 이르러 정보가 홍수처럼 쏟아지면서 원하는 것을 얻기 위한 학부모의 노력도 덩달아 커져야 하는 상황이 됐기 때문에 각 개인은 고르고 결정하는 과정을 더욱 힘겹게 느끼게 된다. 선택지가 지나치게 많아지면 오히려 선택의 자유가 줄어드는 선택의 역설(The Paradox of Choice)이 바로 그것이다. 선택사항이 많다는 것은 고려할 것이 많다는 의미이고 검색 및 선택의 과정에서 옵션들을 비교하며 최선의 선택을 하는 것이 학부모에게 상당한 인지적 부하를 일으킨다. 이에, 정부기관, 어린이집, 유치원, 동영상 공유 플랫폼 및 소셜미디어에 산재해있는 각종 정보를 하나의 플랫폼에서 제공할 수 있는 통합 플랫폼의 연구 및 개발이 요구된다.

본 발명의 일 실시예는, 정부기관의 공시정보와, 어린이집 및 유치원의 홈페이지에 각각 산재된 정보를 수집 및 통합하여 영유아 통합 플랫폼을 구축하고, 사용자 단말에서 영유아 기관 정보를 검색하는 경우 위치기반 검색어에 대응하는 결과를 플랫폼 내에서 지도 상에 제공하며, 시설, 원장 및 교사의 정보를 멀티미디어 콘텐츠로 제공하면서 다양한 니즈에 맞는 복합검색 및 평가자료를 제공하고, 임신, 출산 및 육아에 전반적인 정보 뿐만 아니라 각 개인에 맞는 정부지원 프로그램까지 연계하여 안내해줄 수 있으며, 지역 기반 축제나 행사 정보와 주제별 지역 커뮤니티를 마련하고 중고거래 장터도 함께 제공함으로써 지역정보, 소셜미디어 및 이벤트와 거래기능까지 하나의 플랫폼에서 통합적으로 제공할 수 있는, 영유아 기관정보 통합 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, GPS 위치를 전송하거나 검색위치를 설정한 후, 검색어를 입력하여 영유아 지역 시설정보를 검색하고, 적어도 하나의 카테고리별 육아정보를 검색하며, 지역커뮤니티에서 글을 검색하거나 입력하는 사용자 단말 및 적어도 하나의 정부기관의 정보공시 사이트, 적어도 하나의 유치원 홈페이지 및 적어도 하나의 어린이집 홈페이지로부터 GPS 또는 주소지에 대응하는 영유아 정보를 수집하는 수집부, GPS 또는 주소지에 대응하는 고유식별부호를 부여하고 영유아 정보를 고유식별부호에 매핑하여 저장하는 저장부, 사용자 단말에서 GPS 위치나 검색위치를 설정한 후 검색어를 입력하는 경우 LBS(Location Based Service)에 기반하여 검색결과를 추출하여 지도상에 오버레이하는 출력부, 적어도 하나의 카테고리별 육아정보를 텍스트, 이미지, 사진 및 동영상을 포함하는 멀티미디어 콘텐츠로 제공하는 육아정보부, 지역별 지역커뮤니티를 제공하는 커뮤니티부를 포함하는 통합 서비스 제공 서버를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 정부기관의 공시정보와, 어린이집 및 유치원의 홈페이지에 각각 산재된 정보를 수집 및 통합하여 영유아 통합 플랫폼을 구축하고, 사용자 단말에서 영유아 기관 정보를 검색하는 경우 위치기반 검색어에 대응하는 결과를 플랫폼 내에서 지도 상에 제공하며, 시설, 원장 및 교사의 정보를 멀티미디어 콘텐츠로 제공하면서 다양한 니즈에 맞는 복합검색 및 평가자료를 제공하고, 임신, 출산 및 육아에 전반적인 정보 뿐만 아니라 각 개인에 맞는 정부지원 프로그램까지 연계하여 안내해줄 수 있으며, 지역 기반 축제나 행사 정보와 주제별 지역 커뮤니티를 마련하고 중고거래 장터도 함께 제공함으로써 지역정보, 소셜미디어 및 이벤트와 거래기능까지 하나의 플랫폼에서 통합적으로 제공할 수 있다.

도 1은 본 발명의 일 실시예에 따른 영유아 기관정보 통합 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 통합 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 영유아 기관정보 통합 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 영유아 기관정보 통합 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 영유아 기관정보 통합 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 영유아 기관정보 통합 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 통합 서비스 제공 서버(300), 적어도 하나의 시설 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 영유아 기관정보 통합 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 통합 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 통합 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 시설 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 시설 단말(400)은, 네트워크(200)를 통하여 통합 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 사용자 단말(100)은, 영유아 기관정보 통합 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 영유아 시설 정보, 육아 정보, 지역 기반 오픈채팅, 중고 장터 및 이벤트나 축제 등을 검색하고자 하는 사용자의 단말일 수 있다. 이때, 사용자 단말(100)은 GPS 신호에 엑세스를 허용하거나 지역을 입력하여 통합 서비스 제공 서버(300)로 위치를 전송하고, 검색어를 입력하여 검색을 할 때, 위치를 AND 연산자로 함께 넣어 질의를 생성한 검색결과를 통합 서비스 제공 서버(300)로부터 수신하는 단말일 수 있다.

여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

통합 서비스 제공 서버(300)는, 영유아 기관정보 통합 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 통합 서비스 제공 서버(300)는, 어린이집 및 유치원의 정보를 제공하는 적어도 하나의 시설이나 기관을 포함하는 적어도 하나의 시설 단말(400)로부터 어린이집 및 유치원의 정보를 수집하여 지도 상 주소나 GPS에 고유식별코드를 부여하여 매핑하여 저장하는 서버일 수 있다. 그리고, 통합 서비스 제공 서버(300)는 사용자 단말(100)에서 어린이집 또는 유치원의 정보를 위치 정보와 함께 검색한 경우 지도 상에 이에 대응하는 결과를 출력해주는 서버일 수 있다. 또한, 통합 서비스 제공 서버(300)는, 지역 기반으로 이벤트나 축제 정보를 제공하고, 육아 정보를 적어도 하나의 카테고리에 대응하여 제공하되, 텍스트 이외에도 다양한 멀티미디어 콘텐츠로 제공할 수 있도록 데이터베이스를 구축하고, 지역 기반 주제에 대응하는 오픈 채팅을 검색하여 리스트업할 수 있는 서버일 수 있다.

여기서, 통합 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 시설 단말(400)은, 영유아 기관정보 통합 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 영유아 관련 정보를 제공하는 유치원, 어린이집, 관계 기관, 관할 부처 등의 단말일 수 있다. 이때, 적어도 하나의 시설 단말(400)은, 통합 서비스 제공 서버(300)에서 요청하는 자료를 제공하거나 또는 통합 서비스 제공 서버(300)에서 엑세스하여 웹크롤러로 데이터를 모아가는 것을 허용하는 단말일 수 있다.

여기서, 적어도 하나의 시설 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 시설 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 시설 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 통합 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 영유아 기관정보 통합 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 통합 서비스 제공 서버(300)는, 수집부(310), 저장부(320), 출력부(330), 육아정보부(340), 커뮤니티부(350), 정보관리부(360), 오픈채팅부(370), 지역기반검색부(380), 요약부(390), 모자이크부(391), 담당아동관리부(393) 및 식단확인부(395)를 포함할 수 있다.

본 발명의 일 실시예에 따른 통합 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 시설 단말(400)로 영유아 기관정보 통합 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 시설 단말(400)은, 영유아 기관정보 통합 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 시설 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.

도 2를 참조하면, 수집부(310)는, 적어도 하나의 정부기관의 정보공시 사이트, 적어도 하나의 유치원 홈페이지 및 적어도 하나의 어린이집 홈페이지로부터 GPS 또는 주소지에 대응하는 영유아 정보를 수집할 수 있다. 이때, 수집부(310)는, 웹 크롤러를 이용할 수 있는데, 웹 크롤러란 조직적, 자동화된 방법으로 월드 와이드 웹을 탐색하는 컴퓨터 프로그램이다. 웹 크롤러가 하는 작업을 웹크롤링(WebCrawling) 혹은 스파이더링(Spidering)이라 부르며 봇이나 소프트웨어 에이전트의 한 형태이다. 웹 크롤러는 크게 일반 웹 크롤러와 분산 웹 크롤러가 있다. 웹 크롤러의 기본 동작을 설명하면, 우선 URL 프론티어(Frontier) 모듈에서 URL을 가져와 HTTP 프로토콜을 사용해 해당 URL의 웹 페이지를 가져오는 것으로 시작한다. 그런 다음 패치(Fetch) 모듈에서 임시 저장소에 웹 페이지를 저장하고, 파서(Parser) 모듈에서 텍스트와 링크를 추출을 하고 텍스트는 인덱서(Indexer)에 보내진다. 링크의 경우는 URL 프론티어에 추가되어야 하는지에 대해 Content Seen, URL Filter, Duplication URL Element 모듈들을 거치면서 판단하게 된다. 이때, 웹 문서를 전부를 일반 웹 크롤러로 크롤링 한다는 것은 사실상 불가능하기 때문에 분산 웹 크롤러를 더 사용할 수 있다.

분산 웹 크롤러는 크게 2가지로 나누어지는데 그 중 하나가 중앙 집중식(Centralized) 방식이고 다른 하나는 P2P(or Fully-Distributed) 방식이다. 중앙 집중식 분산 웹 크롤러는 URL 매니저가 서버와 같은 역을 수행하고, 크롤러가 클라이언트 역을 하는 구조이다. 크롤러에서 문서를 다운로드 받고 아웃링크(OutLink) URL을 추출하여 URL 매니저에게 넘겨주면 URL 매니저는 다운로드 받은 문서의 URL인지 검사하여 URL 중복을 제거를 한다. 즉 일반 웹 크롤러에서 URL 중복과 URL 관리를 하는 부분을 URL 매니저가 대신 해 주는 것이다. 한편, P2P 방식은 각 Crawler가 완전 독립적인 구조를 가진다. P2P 방식은 각각의 크롤러가 일반 웹 크롤러처럼 동작을 한다. 각각의 크롤러는 문서를 다운로드 받고 OutLink URL을 추출하고 URL 중복제거까지 모두 각각의 크롤러가 독립적으로 동작한다. 이렇게 하기 위해서는 각각의 크롤러에서 관리하는 다운로드 받은 URL 목록은 서로 배타적이어야 한다. 그렇지 않으면 서로 다른 크롤러에서 같은 문서를 다운로드 받는 현상이 발생할 것이다. 이것을 해결하는 방법으로 각각의 크롤러는 다운로드 받을 URL 도메인(Domain)을 서로 배타적으로 나눠서 관리할 수 있다. 즉, 자신이 다운로드 도메인에 속하는 것만 관리하고 나머지 URL은 다른 크롤러에게 넘기는 방법인데, 이러한 방법을 이용하는 경우 각각의 크롤러가 독립적으로 동작할 수 있다.

그 다음은 웹 콘텐츠를 추출해야 하는데, 웹 콘텐츠 추출 기술은 웹 문서로부터 정보 분석에 활용될 콘텐츠 등을 자동으로 추출하는 기능을 제공한다. 웹 콘텐츠 추출 시스템은 콘텐츠를 추출하는 규칙을 자동 생산해 콘텐츠만을 추출하는 장치로 콘텐츠 추출 규칙을 자동 생성하는 규칙 생성기(Rule Generator), 주어진 웹 문서에서 내비게이션 콘텐츠를 제거하는 네비게이션 콘텐츠 제거기(Navigation Content Eliminator), 콘텐츠 추출 규칙 키워드 유사도 비교를 통해 콘텐츠를 추출하는 콘텐츠 추출기(Core Context Extractor)로 구성될 수 있다. 물론, 상술한 크롤링 방법 이외에도 다양한 방법으로 실시간 자료를 수집하는 것도 가능하며 나열된 것들로 한정되지 않으며 열거되지 않은 이유로 배제되지 않는다.

저장부(320)는, GPS 또는 주소지에 대응하는 고유식별부호를 부여하고 영유아 정보를 고유식별부호에 매핑하여 저장할 수 있다. 이때, [GPS-주소지-키워드-영유아 정보]와 같이 매핑하여 저장하는 키워드형 검색엔진을 이용하도록 설정할 수 있다. 키워드형 검색엔진은 찾고자 하는 정보와 관련된 핵심어로 검색하는 방법이다. 즉, 검색어를 입력하여 정보를 찾는 방법이다. 키워드형 검색엔진은 현재 가장 널리 사용되는 방식으로 구글, 네이버, 야후 등 거의 모든 검색엔진에서 지원하고 있다. 이는 많은 사이트들에 대한 정보를 데이터베이스로 구축해 두었다가 사용자가 검색어를 입력하면 해당 사이트를 찾아주는 방식을 사용할 수 있다. 이때, 키워드 검색의 가장 큰 단점은 사용자가 키워드를 정확히 알지 못하거나 혼동하거나 불완전한 기억이나 오타로 인해 오질의어가 입력될 경우 검색 성능이 현저히 떨어진다는 것이다. 이에 따라, 본 발명의 일 실시예는 각 주소지별로 데이터를 저장할 때, 검색어와의 문자열 유사도를 측정함으로써 사용자가 정확하게 알고 있지 못하거나 오기를 기재하거나 혼동하는 경우에도 정확한 결과가 나올 수 있도록 한다.

<집합-기반 POI 검색 알고리즘>

집합-기반 POI 검색 알고리즘은 집합 개념을 적용하여 POI 데이터를 검색하는 기법으로, 전역적 쿼리 확장, 지역적 쿼리 확장, 적합성 피드백처럼 복잡한 계산과 방대한 데이터를 필요로 하지 않아 차량 네비게이션과 같은 독립형 시스템에 적합하다. 집합-기반 POI 검색 알고리즘은 n개의 문자로 이루어진 질의어를 m개의 블록으로 균등 분할하여 각 블록에 대해 집합 기반 연산을 수행한다. 또 주어진 레코드에 포함된 질의어 내 글자의 총 개수를 의미하는‘차수’라는 개념을 이용하여 차수가 큰 데이터를 상위에 출력한다. 그래서 모든 글자가 정해진 순서로 정확하게 입력되어야 원하는 결과를 출력하는 하드매칭 기법의 단점을 보완한다. 다만, 집합-기반 POI 검색 알고리즘은 집합 기반이기 때문에 한 레코드 혹은 질의어 내에 같은 글자가 두 번 이상 중복으로 있을 경우 이를 구분하지 못하고 한 개만 포함한 것으로 인식할 수 있다.

<문자열 유사도 측정 기법>

문자열 유사도 측정 기법은 집합-기반 POI 검색 알고리즘에서 같은 ‘차수’를 가진 데이터 간의 정확도를 측정하기 위한 방법이다. 문자열 유사도 측정 기법은 크게 추정단계와 유사도 측정 단계로 나누어진다. 먼저 추정 단계는 자주 혼동되는 외래어 표기법 및 맞춤법으로 인한 오질의어를 원래 사용자가 의도한 내용으로 추정하기 위한 단계이다. 예를 들어 ‘크린플라자’의 경우 ‘크’와 ‘플’이 외래어의 특성상 ‘클’과 ‘프’와 같은 의미로 사용될 수 있기 때문에 이를 고려한다. 추정 단계를 거친 후에는 유사도 측정 단계를 수행한다. 유사도 측정 단계에서는 ‘블록’과 ‘NF’라는 개념을 쓰는데, ‘블록’은 데이터에서 질의어 글자와 연속 매칭되는 글자들의 묶음을 의미하고, ‘NF’는 데이터 내의 글자들 중 블록에 포함되지 않은 글자의 개수를 의미한다. 이 두 개념을 이용하여 데이터를 완전다자블록형, 완전외자블록형, 기타형으로 나누어 점수를 배정한다. 그리고 정밀화 요소로 ‘추정된 글자의 개수’와 ‘isFirstLetterInBlock’를 이용한다. ‘추정된 글자의 개수’는 유사도 측정 단계 이전에 추정 단계에서 추정한 질의어의 글자 개수를 의미하며 감점 요소로 작용한다. ‘isFirstLetterInBlock’은 일반적으로 상호명은 첫 단어가 고유명칭으로 이루어져 있다는 점에서 착안한 기준으로 가산점 요소로 작용한다.

<문자열 유사도 측정 정확도 향상 기법>

문자열 유사도 측정 기법은 집합-기반 POI 검색 알고리즘만 적용할 때 보다 매칭의 정확도를 더 정밀하게 측정하며, 특히 외래어에 대한 검색 성능이 현저히 향상되지만, 경험적인 사례를 기반으로 했기 때문에, 고려하지 않은 부분도 존재한다. 또 일반적인 척도로 모든 데이터에 동일하게 적용하지 않고 특정 부류로 나누어점수를 배정하기 때문에 같은 부류 내에 더 세밀한 정확도 측정이 어렵다. 이에 따른 해결 방법은 두 단계로 나누어질 수 있다.

추정 단계는 자주 혼동되는 외래어 표기법 및 맞춤법으로 인한 오질의어를 원래 사용자가 의도한 내용으로 추정하기 위한 단계로, 외래어 검색 시 확실한 효과가 있다. 일반적인 추정 단계는 외래어 표기법 및 맞춤법 외에는 보정효과가 없었다. 예를 들어 설렁탕과 선농탕, 뜰안채와 뜨란채와 같은 고유어나 한자어에 대한 보정은 포함하지 않았다. 보완된 알고리즘에서는 고유어나 한자어에 대한 이 같은 보정을 추가할 수 있다. 네비게이션 및 검색 업체가 제안한 자주 혼동되는 단어 일부를 고려하여 렁과 농, 안과 란 등에 유사성을 부여한다. 하지만 고유어나 한자어 추정은 외래어 추정보다 연관성이 떨어질 확률이 크다. 예를 들어 크와 클이 혼용될 확률이 농과 렁이 혼용될 확률보다 더 높다. 그래서 추정 단계를 좀더 체계적으로 세분화시켜 연관성이 높을수록 높은 등급을 부여한다. 이 등급은 이 후 수식을 이용한 점수 계산에서 추정된 글자 개수를 고려할 때 적용될 수 있다.

일반적인 유사도 측정 단계에서는 다양한 척도를 활용한다. 그 중에 ‘블록’이란 데이터에서 질의어 글자와 연속 매칭되는 글자들의 묶음을 의미한다. 질의어 글자에 대한 데이터 각 글자의 일치 여부 검사를 통해 블록을 구한다. 블록은 다자블록(여러 글자가 연속 일치한 블록), 외자 블록으로 구분되고 다자블록은 외자블록보다 높은 연관성을 갖는 것으로 간주한다. 질의어의 각 글자가 데이터의 몇 번째 글자와 일치하는지를 배열에 저장한다. 그리고 블록을 구하는 함수를 재귀적으로 호출하여 블록을 구한다. 두 개의 1차원 배열을 이용하여 데이터 내의 블록의 시작과 블록의 끝의 위치를 저장한다. 이런 식으로 블록의 개수와 크기, 위치를 알 수 있다. 하지만 일반적인 블록을 구하는 방법은 같은 단어가 두 번 이상 중복되어 있는 경우 문제가 있다. 예를 들어 질의어‘샤브샤브’에 대해 데이터 ‘샤브샤브촌’은 [샤브샤브], [샤브], [샤브]로 측정되어 세 개의 블록이 있는 것으로 인식한다. 실제로는 [샤브샤브] 하나의 블록으로 측정되어야 하지만, 기존의 블록 연산에서는 중복 단어를 고려하지 않는다.

우선 블록이 서로 겹치는 몇 가지 경우를 생각해보면 작은 블록이 보다 큰 블록에 완전히 겹치는 경우와 크기가 다른 블록이 일부만 겹치는 경우, 크기가 같은 블록이 일부만 겹치는 경우 총 3가지 경우가 있다. 중복 단어를 고려한 블록 연산 과정은 다음과 같다. 크기가 큰 블록을 먼저 고려하고, 나머지 겹치는 블록을 제거한다. 동일한 크기의 블록이 겹칠 경우에는 앞 블록을 먼저 고려한다. 일부만 겹치는 경우에서 제거된 블록의 남은 글자들은 외자블록으로 고려된다. 이렇게 기존에는 고려하지 않았던 겹치는 블록에 대한 추가적인 작업을 통해 정확한 블록 개수를 구하여 연산의 정확도에 기여한다.

문자열 유사도 측정 기법에서는 다자블록과 외자블록 중에 외자블록만 블록의 나열 순서를 고려한다. 이 같은 방법은 축약어를 고려할 수 있어서 축약어에 대한 검색 성능을 향상시킬 수 있지만, 외자블록의 나열 순서만 고려하고 다자블록의 나열 순서를 고려하지 않는 것은 검색 결과의 정확도에 영향을 준다. 모두 다자 블록일 경우에도 블록의 순서를 고려하지 않기 때문이다. 이 문제를 해결하기 위해 외자블록 뿐만 아니라 다자블록의 나열 순서도 고려한다. 블록 구하기에서 중복된 블록은 제거했기 때문에 다자블록의 나열 순서를 구하는 작업은 수월하다. 이와 같이 다자 블록의 나열 순서를 고려함으로써 보다 유사한 데이터에 더 많은 점수를 부여할 수 있게 되어 연산의 정확도에 기여한다.

문자열 유사도 측정 기법에서는 몇 가지 척도를 이용해 특정 부류로 나누어 점수를 배정한다. 문자열 유사도를 측정하기 위해 다양한 척도를 사용할 수 있고 검색 성능도 좋을 수 있지만, 각 척도 간의 관계나 기여도를 표현하지 못한다. 이때 고려해야 할 파라미터는 크게 질의어 요소, 데이터 길이 요소, 외자 블록 요소, 다자블록 요소로 나눌 수 있다. 질의어는 질의어와 관련된 요소들로 기존 문자열 유사도 측정 기법의 ‘NF’와 ‘추정된 글자의 개수’ 에 상응하는 요소이다. 즉 데이터 내의 글자들 중 블록에 포함된 글자 개수를 의미한다. 데이터 길이는 데이터와 관련된 요소로 데이터 글자 개수와 질의어 글자 개수의 비율을 의미한다. 다자블록과 외자블록은 일반적인 문자열 유사도 측정 기법에서 ‘블록’과 ‘isFirstLetterInBlock’에 상응하는 요소로 블록에 대한 연산을 의미한다. 값이 음수일수록 유사성이 큰 데이터이다.

<질의어 요소>

질의어는 질의어와 관련된 요소들을 의미한다. 검색시 사용자의 본래 의도에 맞는 검색 결과를 출력하기 위해서는 사용자의 의도를 파악해야 하는데, 이때 사용자가 입력한 질의어를 토대로 유추해야 하기 때문에 질의어의 중요성이 커진다. 질의어는 사용자의 의도를 파악할 수 있는 거의 유일한 힌트이다. 이때 고려야 할 파라미터는, 질의어 글자 개수와, 다른 요소들간의 상호작용에서 질의어 요소의 영향력을 가장 크게 하기 위해 설정한 가중치 상수일 수 있다. 또, 데이터 내에서 질의어의 글자와 매칭되는 글자 개수나, 그 중 추정된 글자의 개수를 고려할 수 있다. 추정 글자 등급을 부여할 때 연관성이 적은 추정 글자는 연관성이 많은 추정 글자에 비해 2배로 감점할 수 있으나 질의어의 글자 수가 많을수록 이 요소의 영향력이 작아지도록 설정할 수 있다. 질의어의 글자 수가 많을수록 오타가 날 확률이 크며 단어의 도치, 생략, 추가가 발생할 수 있다. 또 다자블록, 외자블록에 의해 보정될 여지가 충분하기 때문에 질의어 요소의 영향력을 작게 배정할 수 있다. 반면 질의어의 글자 수가 작을수록 질의어의 각글자를 포함하고 있는 데이터의 개수가 많아져서 정답과는 거리가 먼 여러 개의 데이터가 무분별하게 출력될 가능성이 있기 때문에 질의어 요소의 중요성이 커진다.

<데이터 길이 요소>

데이터 길이는 데이터와 관련된 요소를 의미한다. 여기에서는 데이터의 글자 개수와 질의어의 글자 개수의 비율만을 고려한다. 이 요소는 질의어 ‘남사초교’에 대해 데이터 ‘남사초등학교’와 ‘남사초등학교 정류장’을 분별할 때 필요하다. 이 요소에 의해 축약어 검색 성능이 떨어질 가능성도 있지만 축약어는 질의어 요소와 외자블록 요소에 의해 보정될 확률이 크다. 데이터 요소는 다른 모든 요소에서 동등한 점수를 받았을 때 미묘한 점수차를 주기 위한 요소이므로 그 중요성이 적기 때문에 대체로 감점하는 퍼센테이지를 낮게 줄 수 있다. 이 결과에 절댓값을 취할 수도 있는데, 이유는 질의어의 글자 개수보다 데이터의 글자 개수가 적을 때도 동일한 기준으로 처리하기 위한 것이다. 데이터의 글자 개수가 질의어의 글자 개수 보다 더 적은 경우는 질의어 요소에서 보정되지만 알고리즘의 완성도를 위해 고려한다.

<외자블록 요소>

외자블록은 외자블록과 관련된 요소이다. 외자블록이란 한 글자로 구성된 블록으로 여기서는 외자블록의 개수와 외자블록의 나열 순서를 고려한다. 이 요소는 질의어가 축약어일 때 큰 기여를 한다. 고려되어야 할 파라미터는, 외자블록의 개수인데, 외자블록 개수만큼 감점할 수 있고, 외자블록 중에 질의어의 글자 나열 순서와 뒤바뀌어 있는 블록의 개수를 고려할 수 있다. 예를 들어 질의어 ‘건보심평원’에 대해 데이터 ‘건강보험심사평가원’과 ‘보험심사평가원 건대점’이 있을 경우 두 데이터의 점수는 데이터 길이 요소와 외자블록 요소에서만 차이점이 있다. 이와 같이 외자블록 요소는 축약어 검색 시 매우 유용하다. 하지만 외자이기 때문에 정답 데이터와 거리가 먼 데이터도 동일한 글자의 외자블록을 포함할 가능성이 있다. 이런 위험부담이 크므로 외자블록의 개수가 증가하거나 순서가 뒤바뀌어 있을 때 다자 블록에 비해 N 배로 감점할 수 있다. 감점 단위가 크기 때문에 다른 요소에 영향을 미칠 가능성이 있다.

<다자블록 요소>

다자블록은 다자블록과 관련된 요소이다. 다자블록이란 두 글자이상으로 구성된 블록으로 여기서는 외자블록과 마찬가지로 다자블록의 개수와 다자블록의 나열순서를 고려할 수 있다. 추가로 질의어나 데이터의 첫 글자가 다자블록에 포함되었는지를 확인한다. 고려해야 할 파라미터는, 다자블록의 개수, 다자블록 중에 질의어의 글자 나열과 뒤바뀌어 있는 블록의 개수일 수 있다. 일반적으로 상호명은 첫 단어가 고유명칭으로 이루어져 있다는 점에 착안한 요소로 ‘xx 농산물 유통센터’같은 다양한 상호명이 존재하고 상호명 뒤에 단어가 길어 사용자에게 혼동을 야기할 때 유용하다. 예를 들어 데이터 ‘에덴농수산물센터’를 검색하고 싶은데 사용자가 ‘에덴농산물유통센터’로 검색하면 ‘에덴농수산물센터’외에 ‘횡성농산물유통센터’와 같은 데이터들이 상위에 랭킹된다. 이 같은 문제는 첫 글자의 다자블록 포함 여부를 검사하여 보정할 수 있다.

출력부(330)는, 사용자 단말(100)에서 GPS 위치나 검색위치를 설정한 후 검색어를 입력하는 경우 LBS(Location Based Service)에 기반하여 검색결과를 추출하여 지도상에 오버레이할 수 있다. 사용자 단말(100)은, GPS 위치를 전송하거나 검색위치를 설정한 후, 검색어를 입력하여 영유아 지역 시설정보를 검색하고, 적어도 하나의 카테고리별 육아정보를 검색하며, 지역커뮤니티에서 글을 검색하거나 입력할 수 있다.

육아정보부(340)는, 적어도 하나의 카테고리별 육아정보를 텍스트, 이미지, 사진 및 동영상을 포함하는 멀티미디어 콘텐츠로 제공할 수 있다. 적어도 하나의 카테고리별 육아정보의 적어도 하나의 카테고리는, 임신, 출산, 육아, 보육, 보건, 발달, 부모교육, 정부지원, 육아뉴스 및 전문가 Q&A를 포함하고, 적어도 하나의 카테고리별 육아정보는 텍스트, 사진, 이미지 및 동영상을 포함하는 멀티미디어 콘텐츠로 제공될 수 있다. 이때, 멀티미디어 콘텐츠가 동영상인 경우 이하의 메타 태그를 이용할 수도 있다.

사용자 단말(100)은, 동영상을 업로드하거나 검색하여 출력할 수 있다. 이때, 육아정보부(340)는, 사용자의 의도에 부합하는 동영상(콘텐츠)을 찾기 위하여 사전 및 규칙으로 추출된 메타 태그와 신경망 모델을 이용하여 추가적으로 메타 태그를 추출하여, 사용자의 요구에 더욱 부합하는 콘텐츠를 제공할 수 있는 하이브리드 미디어 콘텐츠 검색 질의 분석기를 이용할 수 있다. 미디어 콘텐츠 질의 분석기는, 첫 번째로, 입력 문장에서 키워드 추출 및 키워드에 대한 메타 유형 분류를 하고, 두 번째로, 추출된 키워드와 가장 유사한 메타 태그 검색을 하며, 세 번째로 사전 및 규칙으로 추출된 메타 태그와 추가적으로 추출한 메타 태그에 대한 지능적인 병합을 수행하는 3 가지 단계를 거쳐 사전 및 규칙으로 정의되지 않은 메타 태그도 해석하여 콘텐츠를 제공할 수 있다.

예를 들어, 콘텐츠 검색은 입력 문장에서 콘텐츠에 메타 정보를 추출하여 해당하는 콘텐츠를 제공하는 것을 의미한다. 이때, 메타 정보는 장르, 출연자, 감성 등 메타 유형들로 이루어질 수 있는데, 메타 유형은 예를 들어, <장르:다큐멘터리>, <출연자:오은영>, <감성:감동적인> 같이 메타 태그들에 대한 집합이다. 사용자들은 자신이 원하는 것을 자유롭게 입력하기에, 어휘가 변형된 메타 태그를 입력할 수 있다. 예를 들어 <감성:감동적인> 메타 태그는 “감동스러운”, “감동을 느끼는”, “감동의” 어휘들과 같이 형태적으로 변화될 수 있으며, “감명적인”, “감격적인”과 같이 유의어로 입력될 수 있다. 변형된 어휘들은 메타 태그로 인식하기 어려울 뿐만 아니라, 해당되는 콘텐츠가 없을 수 있어, 메타 태그로 변환하는 과정이 필요하다.

이때, 입력 문장에서 키워드 추출 및 키워드에 대한 메타 유형 분류는 개체명 인식 같이 입력된 어휘들마다 라벨을 정하는 Sequence Labeling 문제다. 최근 개체명 인식 task는 Pretrained Language Model 중 RoBERTa를 사용한 모델들이 좋은 성능을 보이고 있고, RoBERTa의 출력을 LSTM Layer, CRF Layer를 통해 개체명 인식 한모델이 우수한 성능을 보인다. 콘텐츠는 메타 태그에 대한 정보들로 정의되어 있어, 키워드를 사용하여 검색할 시 원하는 결과를 얻을 수 없다. 이를 해결하기 위해 추출된 키워드와 가장 유사한 콘텐츠의 메타 태그 검색 과정이 필요하다. 이때, 사전을 구축하여 동의어, 유의어에 대하여 검색할 수 있도록 한 연구와 신경망 모델을 이용하여 단어와 관련 문서를 연결하는 개체명 연결하기 위하여, 자연어 문장과 유의어 문장 쌍을 구축하는 등 방법이 연구 및 개발되었는데, 이러한 방법들은 대량의 데이터가 요구된다. 또, 매일 새로운 어휘들이 추가되고 있어 이를 동의어 및 유의어 사전을 구축하는 것은 매우 많은 비용이 요구되며, 신경망 모델을 사용할 시 모델을 학습할 시간이 필요하기에, 새로운 메타 태그를 즉시 적용하기 어렵다.

이에 따라, 본 발명의 일 실시예에서는, 하이브리드 미디어 콘텐츠 검색 질의 분석기를 이용할 수 있는데, 이는 사전과 규칙으로 메타 정보를 추출하는 것과 딥러닝을 사용하여 사전과 규칙으로 추출하지 못한 메타 태그를 추출하여 보다 사용자 의도에 부합하는 콘텐츠를 제공할 수 있도록 한다. 사전과 규칙을 이용한 메타 정보 추출은 수작업으로 구축한 사전과 규칙에 정의된 메타 태그들을 추출할 수 있다. 이때 사전과 규칙은 형태소 정보를 사용하기에, 입력된 문장에 대하여 형태소 분석을 진행한 후 사전 및 패턴에 정의된 메타 태그 정보들을 추출할 수 있다. 사전 및 규칙은 학습 과정 없이 바로 적용할 수 있는 장점이 있어, 새로운 메타 태그를 즉시 해석할 수 있도록 적용할 수 있으며, 기존에 사전 및 규칙만으로 잘 해석되던 입력에 대한 해석 품질을 유지 할 수 있다.

입력 문장에서 키워드 추출 및 키워드에 대한 메타 유형 분류는 각 어휘에 대하여 NONE 태그를 포함한 키워드 종류를 추출할 수 있도록 한다. 추출한 키워드의 범위를 명확하게 하기 위해 IOB Tag를 사용하여 태그를 분류한다. 개체명 인식에서 사용된 방법을 이용할 수 있기에, 본 발명의 일 실시예에서는 RoBERTa의 결과에 LSTM Layer와 CRF Layer를 추가한 모델을 이용할 수 있다. 또한 형태소 분석 정보, 키워드 사전 및 패턴을 통해 추출된 유의미한 정보들을 LSTM Layer에 추가적인 입력으로 사용한다. 추출된 키워드와 가장 유사한 콘텐츠의 메타 태그를 검색하기 위하여, 대량의 데이터를 구축하지 않고 유의어를 추출할 수 있다. 예를 들어, 동일 어휘, 부분 문자열 같은 키워드와 메타 태그의 형태적 정보를 이용한 방법과 BM25 스코어를 이용한 어휘에 대한 가중치 정보를 사용하는 메타 태그 검색기를 구축할 수 있다. 마지막으로 사전 및 규칙으로 추출된 메타 태그와 추가적으로 추출한 메타 태그에 대한 지능적인 병합은 규칙을 생성하여 해결할 수 있다. 병합 규칙은 사전 및 패턴 기반 키워드와 딥러닝 키워드 간 모호성 해소, 키워드에 대한 노이즈 제거, <장르:다큐멘터리> <장르:교육>를 <장르:교육다큐멘터리> 와 같이 상위 키워드로 변환 등 키워드를 고도화할 수 있는 규칙이다. 병합된 키워드를 사용하여 미디어 콘텐츠를 검색할 수 있는 쿼리를 생성할 수 있다.

예를 들어, "감동스러운 교육 다큐멘터리"라는 입력에 대하여 메타 태그를 추출 후 쿼리를 생성하는 경우, "감동스러운 교육 다큐멘터리" 입력에 대하여 사전 및 패턴 기반 메타 태그 추출은 <장르:교육> <콘텐츠:다큐멘터리> 메타 태그를 추출한다. LSTM Layer는 RoBERTa를 결과인 단어 Vector, 형태소 분석 정보, 사전 및 패턴을 이용한 메타 태그 정보를 받아 계산 후 CRF Layer에 전달한다. CRF Layer는 LSTM Layer에서 계산한 값을 입력으로 사전 및 패턴에서 인식하지 못한 <감성:감동스러운>을 추가적으로 인식할 수 있다. <감성:감동스러운>은 메타 태그 검색 결과 <감성:감동적인>이 가장 유사하여 해당 메타 태그로 치환될 수 있고, 사전 및 패턴 기반 키워드들과 병합 후 미디어 콘텐츠를 검색하는 쿼리를 생성할 수 있다.

커뮤니티부(350)는, 지역별 지역커뮤니티를 제공할 수 있다. 온라인 육아 커뮤니티의 구성원들은 지역에 근거하여 형성된 커뮤니티 안에서 육아에 관한 정보 외에도 다양한 지역 정보를 얻을 수 있다. 예를 들어, 지역의 유명한 음식점, 학원, 병원 외에도 부동산과 같은 정보를 주고받을 수 있다. 익명성을 바탕으로 형성된 커뮤니티이긴 하지만, 커뮤니티 이용자들은 육아라는 공통의 관심사로 모였기 때문에 정보나 지식의 공유, 정서의 상호작용이 활발하다. 대부분의 육아 커뮤니티에서 주양육자들은 필요한 정보를 제공하거나 공유하는 방식을 통해 그들만의 유대관계를 형성하고 있다. 육아 커뮤니티마다 세부적으로 글을 쓰는 공간의 카테고리는 상이할 수 있으나, 육아 커뮤니티에서는 정보를 공유하는 공간, 오프라인 참여를 유도하는 공간, 정서적인 경험을 공유하는 공간, 지역의 정보를 공유하는 공간 등으로 이루어질 수 있는데, 이 카테고리를 통해 알 수 있는 것은 육아 커뮤니티 이용 목적이 다양하다는 것이다.

육아 커뮤니티의 이용은 크게 세 가지로 나누어진다. 이는 육아 또는 지역에 관련한 정보를 얻기 위한 정보적 이용, 서로 외로움을 완화하거나 정서 관련 이야기를 나누는 정서적 이용, 오프라인 이용이 그것이다. 육아 커뮤니티에서 오프라인 이용이 하나의 카테고리로 분류되는 이유는 타 커뮤니티보다 오프라인으로 만날 수 있는 창구가 다양하기 때문이다. 육아를 하다보면 아이가 성장함에 따라 필요가 없어진 물건들을 팔거나, ‘드림’ 행위를 통해서 타인에게 기부방식으로 물건을 줄 수도 있다. 또한 일회성 만남 외에도, 시간을 유익하게 사용하기 위해 자신의 재능을 기부하거나, 친목모임을 통해 새로운 것을 배우거나 인간관계를 확장할 수 있다. 이러한 예들을 바탕으로 오프라인에서 만나는 것 또한 하나의 카테고리가 될 수 있다. 물론, 상술한 카테고리의 커뮤니티만을 제공하는 것은 아니고 사용자의 니즈가 있다면 이를 분류하고 또 다른 카테고리로 만들 수도 있다.

이때, 지역커뮤니티는 축제·행사, 수다방 및 이벤트 메뉴를 포함할 수 있다. 축제나 행사는 그 지역에서 열리는 축제나 행사를 관광공사 등으로부터 수집하여 공유할 수 있다. 예를 들어, 한국관광공사에서 제공하는 관광 데이터와 SNS 올라오는 관광 게시물들을 활용할 수 있다. 관광지들을 소개하고 특정 지역을 관광하고자 할 때 다른 관광자들이 자주 방문하는 관광지들을 자동으로 선택하도록 최단 경로 알고리즘을 사용하여 최적의 관광 코스를 생성 후 사용자에게 추천해줄 수도 있다. 이때, 본 발명의 서비스는 크게 2 가지의 방법을 기준으로 할 수 있는데, 객관적인 요소인 위치 정보를 통해 최적의 코스 추천이 진행되도록 변형된 TSP(Traveling Salesman Problem) 알고리즘과, 주관적인 요소인 SNS 데이터 분석을 위하여 엘라스틱 검색(Elasticsearch) 엔진을 이용할 수 있다. 또, 구축된 플랫폼의 재활용성을 위하여 설계 방법론은 CBD(Component Based Development) 방법론을 기준으로 모든 설계 산출물을 정의할 수 있다.

본 발명의 일 실시예는, 공공데이터 포털에 있는 데이터들과 SNS에 올라오는 관광지들에 대한 게시물들에 대한 자동 크롤링 모듈을 이용하여 관광지 포인트에 대한 전처리 리스트를 처리할 수 있다. SNS 데이터를 수집 및 분석하여 관광지를 추천하고 한 지역 내 추천된 관광지들에 대한 최적 경로를 추천해 주기 위하여 변형된 TSP 알고리즘과 엘라스틱 검색 엔진을 이용하여 사용자 주변 지역에 대한 최적의 관광 코스를 추천하는 기능을 포함한다. 이를 위해 한국관광공사의 관광 데이터와 SNS 관광 게시물을 이용한 관광지 추천 시스템과 TSP 알고리즘을 이용한 최적 관광코스 추천 시스템, 관광 웹 페이지를 포함할 수 있다. 추천 시스템에 의해 생성된 관광지와 관광 코스 및 관광 데이터를 엘라스틱 검색 엔진을 이용하여 사용자들에게 웹 페이지를 통해 제공해줄 수 있다.

관광지 추천 웹페이지 또는 앱페이지는, 사용자가 메인 GUI에 접근을 할 때 관광지 추천 시스템에 requestRecommendTour() 메소드로 추천 관광지를 요청한 후, 추천 시스템이 requestTourData(), sendTourData() 메소드로 DB에서 데이터를 불러온다. 불러온 데이터의 정보의 조회수, 최근 조회수 등을 이용하여 추천도를 계산한 후 추천 관광지를 DB에 저장하고 사용자에게 관광지를 선택하여 메인 GUI에 출력한다. 사용자가 메인 GUI에 접근할 때 관광 추천 시스템에 requestRecommendTourCourse(adress) 메소드로 현재 지역의 추천 관광 코스를 요청한다. 관광 추천 시스템에서는 데이터베이스에서 관광지에 대한 정보를 호출하고 calcRecommendTourData() 메소드를 이용하여 추천도를 계산한 후 관광지 목록을 수신한다. 그리고 추천받은 관광지 중 상위 관광지들을 선택하기 위해 calcDistance() 메소드를 이용하여 거리를 계산한다. calcTourCourse() 메소드에서 상위 관광지들과 계산된 거리값은 변형된 TSP 알고리즘을 적용하여 관광 코스를 생성하여 사용자에게 추천한다.

관광 정보 GUI에서 관광 리뷰 GUI에 접근할 때 requestTourReviewList() 메소드를 호출하고 DB에서 관광 리뷰 리스트를 전달받아 사용자에게 출력한다. 사용자는 wirteReview(), updateReview(), deleteReview() 메소드들을 이용하여 관광지에 대한 이미지, 후기 등을 작성, 수정, 삭제할 수 있다. 사용자가 회원 가입 후 로그인하여 카테고리 및 키워드를 이용한 관광지 검색, GPS 정보를 이용한 주변 관광지 검색, 관광 코스 추천과 게시판을 통해 관광지와 관련된 정보를 주고받을 수 있도록 구성될 수 있다. 이때, 관광 경로 추천 시스템의 데이터베이스 스키마는, 예를 들어, DBMS는 MySQL를 이용할 수 있고, 총 7개의 테이블(TOUR, TOUR_REVIEW, TOUR_COURSE, SNS_DATA, MEMBER, BOARD, ANSWER_BOARD)이 존재할 수 있다. MEMBER 테이블은 회원의 정보를, TOUR 테이블은 관광지에 대한 정보를 가진다. TOUR_REVIEW와 BOARD, ANSWER_BOARD는 각각 리뷰 게시판, 자유게시판과 댓글에 대한 정보를 가진 테이블이다. SNS_DATA 테이블은 SNS에서 크롤링하는 데이터를 저장하는 테이블로 올라온 게시글의 작성자, 내용, 업로드 날짜, 이미지를 저장한다. TOUR_COURSE 테이블은 관광 코스 추천 시스템으로 생성된 관광 코스를 저장할 수 있다.

정보관리부(360)는, 고유식별부호가 부여된 어린이집 또는 유치원에 방문한 후기 공유, 시설정보, 시설영상, 요약, 기본현황 및 평가에 대응하는 데이터를 메뉴를 나누어 저장할 수 있다. 이때, 리뷰가 다수일 경우 최근순, 평점순, 사진있는리뷰 등으로 정렬을 할 수 있지만 모든 리뷰를 다 볼 수는 없다. 여기서, 동영상을 요약했던 것과 같이 문서 요약 기법을 이용하여 리뷰도 요약하여 제공해줄 수 있다. 이때 일반적인 문서 요약 기법들은 대부분 완결된 문서나 뉴스같이 요약을 하는데 있어 별도의 추가 정보가 필요하지 않는 경우를 전제로 했기 때문에 바로 적용이 어렵다. 왜냐하면 현실의 데이터들은 이렇게 양이 많지도, 질이 좋지도 않기 때문이다. 이에 따라, 양과 질이 좋지 않은 현실의 데이터들에 대해서도 추가 정보를 이용하여 문서요약을 생성할 수 있도록 한다. 인터넷의 다양한 텍스트 데이터들 중, 시설 리뷰들은 해당 제품에 대한 사용자의 평가와 유의미한 정보를 제공할 뿐만 아니라 어린이집이나 유치원에 관심이 있는 잠재적 고객의 등록 여부를 결정할 중요한 정보를 제공한다. 이때 일반적인 상향식 생성 요약 모델에 추가 지식정보를 위한 구조를 추가함으로써 대상 문서만을 입력으로 사용한 문서 요약 모델에서 고려하지 못했던 지식정보들을 포함한 요약을 생성하도록 할 수 있다.

<추가 정보 인코더>

추가 지식정보가 어떠한 방식으로 인코딩되고 기존 모델에 결합되는지 알아보도록 한다. 대상 문서와 더불어 추가 정보를 학습하고 활용하기 위해, 먼저 대상 문서와 같이 입력으로 들어오는 추가 지식 정보의 형식에 대해 정의한다. 입력으로 들어오는 추가 지식 정보는 고정된 항목들과 그 항목에 대한 텍스트들이 나열되어 있다고 가정한다. 또한 추가 지식 정보의 항목 수는 모든 대상 문서에 대해 다 같은 크기를 가지는 것으로 가정한다. 각 항목의 추가 지식 정보는 키(Key)와 값(Value)의 쌍인 (K, V)로 정의한다. K는 추가 지식정보의 항목이 가지는 개별적인 키이고, {k1, ..., kn} ∈ K를 만족하는 개별 키 ki들을 정의할 수 있다. 여기서 n은 추가 지식정보 항목의 숫자이다. V는 각 항목이 가지고 있는 추가 지식 정보 토큰들의 집합으로, 각 키에 들어가 있는 값들을 표현한다. 또한 키 ki에 포함된 추가 지식 정보 토큰들은 {vi1, ..., vim}으로 표현할 수 있다.

일반적인 키-값 메모리 네트워크((Key-Value Memory Networks)와는 다르게 추가 지식 정보 항목의 크기가 고정되어 있으므로 별도의 키 임베딩을 사용하지 않는다. 추가 지식 정보들의 토큰들 {vi1, ..., vim}을 각각 BoW(Bag-of-Words) 기법을 이용해 원-핫 벡터(One-hot vector) {xi1, ..., xim} 로 만든다. 그리고 이 벡터들을 값 임베딩 행렬(Value embedding matrix)를 통해 인코딩한다. 여기서 요약 문서의 입력 토큰과 추가 지식 정보들의 토큰은 같은 단어라고 하더라도 시멘틱(Semantic)이 다르다고 생각해서 임베딩 공간을 공유하지 않는 것으로 설계한다. 또한 별도의 미리 학습된 임베딩을 사용하지 않고 랜덤하게 초기화된 임베딩 행렬을 사용한다. 이러한 과정을 식으로 표현하면 이하 수학식 1과 같다.

여기서 ki'는 키 ki의 메모리 벡터(Memory vector)를 의미하고, A는 값을 임베딩하기 위한 행렬이다. 이를 통해 각각의 키 ki에 대한 메모리 벡터들을 생성할 수 있다. 여기서 생성한 메모리 벡터는 각 키들에 대응되는 추가지식 정보의 컨텍스트를 포함한 임베딩으로 볼 수 있다.

<기존 모델과 결합>

최근 널리 쓰이는 상향식 요약 모델(Bottom-up Abstractive Summarization)의 구조는 기본적인 시퀀스-투-시퀀스 모델에 상향식 주의 집중(Bottom-up Attention) 메커니즘과 복사 메커니즘을 적용한 모델이다. 이때, 복사 메커니즘은, 대상 문서에서 필요한 단어를 가져오기 위한 방법론이다. 복사 메커니즘을 사용하는 경우 복사 확률 분포는 이하 수학식 2와 같은 결합 확률 분포로 표현할 수 있다.

위의 결합 확률 분포는 zj 의 값에 따라 각 단계별로 요약을 위한 단어를 생성할지 아니면 대상 문서에서 복사를 할지에 대한 확률 값을 표현한다.

<추가 지식 정보 별 가중치 설정>

대상 문서에서 요약을 생성하기 위해 필요한 추가 지식 정보의 종류는 다를 것이다. 예를 들면, 어린이집이 가진 특성에 대한 리뷰라면 어린이집의 카테고리와 제목이 상대적으로 더 많은 정보를 가질 것이고, 어린이집에 대한 긍정/부정 평가를 포함한 리뷰라면 어린이집의 평점이 더 많은 정보를 가질 것으로 추측할 수 있다. 그러므로 대상 문서마다 각 지식 정보들을 얼마만큼 반영할 지를 정하는 구조가 필요하다. 대상 문서의 모든 입력이 끝나면, 인코더의 마지막 은닉 상태가 디코더에 전달된다. 이 은닉 상태는 요약 문서가 인코딩을 거쳐간 후 생성된 결과물로 입력 시퀀스의 정보가 내재되어 있는 벡터로 볼 수 있다. 일반적인 시퀀스-투-시퀀스 모델에서는 이 벡터를 디코더에 전달해서 요약을 생성한다. 본 발명의 일 실시예의 모델도 디코더에 전달하는 부분은 동일하지만, 입력 시퀀스의 정보가 내재되어 있다는 점을 이용해서 각 추가 지식 정보들의 가중치를 구하기 위해 사용한다.

먼저 벡터를 [은닉 상태 차원 크기]*[추가 지식 정보 항목의 종류 수] 크기의 전연결층(Fully Connected Layer)을 통과시킨다. 여기서 전연결층도 학습에 포함시켜서, 대상 문서에 따라 각 항목마다 얼마만큼 가중치를 부여할 지 결정한다. 이렇게 통과한 벡터에 대해 소프트맥스(Softmax) 함수를 이용해 정규화한다. 그리고 마지막으로 이렇게 분포화된 벡터를 가중치로 삼아 미리 인코딩된 추가 지식 정보 항목 벡터들에 대해 가중치 합 연산을 수행함으로써 하나의 벡터로 만든다. 이러한 구조를 통해 대상 문서마다 필요한추가 지식 정보들을 반영할 수 있도록 설계할 수 있다.

<추가 지식 정보 임베딩 결합>

이전 단계에서 인코딩된 추가 지식 정보 임베딩을 디코더에 결합해준다. 디코더의 은닉 유닛에 추가 지식 정보 임베딩(벡터)를 접합시킨다. 그리고 주의 집중 벡터의 차원도 같이 증가시켜서 단어 생성 확률 분포에 추가 지식 정보가 반영될 수 있도록 모델을 수정한다. 이러한 구조를 통해 추가 지식정보가 요약 생성에 영향을 주도록 모델을 설계할 수 있다.

오픈채팅부(370)는, 수다방에서 주제태그(Tag)가 선택되는 경우, 주제태그에 대응하는 주제를 가지는 적어도 하나의 오픈채팅을 추출하여 리스트업할 수 있다.

지역기반검색부(380)는, 사용자 단말(100)에서 입력한 검색어와, 사용자 단말(100)의 GPS 또는 사용자 단말(100)에서 지정한 위치를 결합하여 질의를 생성하고, 생성된 질의에 대응하는 결과를 LBS(Location Based Service)에 기반하여 제공하도록 설정할 수 있다. 이때, 위치를 결합할 때에도 예를 들어 "이촌동"이라고 하여 행정구역을 기준으로 이촌동에만 위치한 것을 보내주는 경우는 결과가 얼마 없거나 정말 가깝지 않은 경우가 존재할 수 있다. 이에 따라, GPS 기반으로 기 설정된 반경 내의 결과를 보여주되, 도보거리라면 도보를 기준으로 가까운 곳을 보여줄 수 있다. 또는 예를 들어, 어린이집이나 유치원을 검색하는 것이라면 어린이가 다니기에 안전한 길로 다녔을 때의 도보거리를 기준으로 검색을 해줄 수 있다.

요약부(390)는, 사용자 단말(100)에서 어린이집 또는 유치원에 자녀를 등록한 경우, 등록된 어린이집 또는 유치원에 설치된 적어도 하나의 CCTV에서 촬영된 동영상을 적어도 하나의 종류의 동영상 요약 알고리즘을 이용하여 요약된 동영상 요약 정보를 사용자 단말(100)로 전송할 수 있다. 이때, CCTV 동영상은 드라마, 영화와 같은 방송 콘텐츠와 달리 카메라가 고정되어 같은 장소만을 찍기 때문에 프레임 사이의 변화가 크지 않아 인덱싱이 무의미하다. 또, 일반적인 동영상 요약 알고리즘이나 라이브러리, 메타데이터 저작도구를 CCTV 동영상 도메인에 적용하였을 때 신뢰도가 낮아져 사용하기가 어렵다. 이러한 이유로 길이가 긴 CCTV 동영상에 대해서 메타데이터를 생성하면 시간과 비용적인 측면에서 비효율적이다. 또, 메타데이터 저작도구는 생성된 메타데이터가 실제 메타데이터와 일치하지 않을 경우 사용자가 이를 수정할 수가 없으며, 동영상의 모든 프레임이나 특정 프레임의 메타데이터를 생성하기 때문에 신뢰성이 낮아지고, 신뢰성을 보장하기 위해 사람이 직접 메타데이터를 생성하는 방법은 시간의 효율성과 비용적인 측면에서 비효율적이다.

이에 따라, 요약부(390)는, CCTV 동영상 도메인을 대상으로 메타데이터 생성의 신뢰성과 시간, 비용 측면에서의 효율성을 높이기 위하여 동영상 요약 방법을 이용하여 요약된 구간의 프레임을 저장하여 사용자가 수동으로 메타데이터를 생성하거나, 모듈을 통하여 자동으로 메타데이터를 생성해 실제 메타데이터와 불일치할 경우 사용자가 메타데이터를 수정하게 구현할 수 있다. 이에 따라, 시간, 비용 측면에서의 효율성과 신뢰성을 높일 수 있고 사용자가 생성된 메타데이터를 보기 쉽게 시간 축으로 나타내어 직관성을 높일 수 있다.

동영상 요약은 원본 동영상을 잘 표현하는 간결한 요약 동영상로 만들어 내어 동영상 검색을 용이하게 하는 것이 목표이다. 대표적인 방법으로 각 동영상 프레임에 대해 프레임이 선택될 확률을 예측하여 다음 확률 분포에 따라 다음 프레임을 선택하여 동영상을 요약하는 DSN(Deep Summarization Network)이 있다. 이 외에도, BiLSTM(Bidirectional LSTM)과 Attention을 결합한 Self-Attention을 기반으로 동영상 요약을 하는 VASnet 방법도 이미 존재한다. 다양한 형식의 동영상 또는 이미지 목록에서 물체의 바운딩 박스(Bounding Box)의 메타정보를 레이블링 및 다양한 포맷으로 저장할 수 있는 여러 개의 유틸리티 프로그램들이 있다. 예를 들어, NeoALT-AI Labeling Tool은 이미지와 동영상의 객체에 대해 세그멘테이션 및 레이블링이 가능하다. 또한, Psacal Voc 데이터 형식과 동일하게 XML포맷으로 레이블링 결과를 저장할 수도 있다. 다른 저작도구로는 DarkLabel도 있다. 이 도구는 각각의 객체가 클래스마다 갖는 고유 ID를 자동으로 부여하는 자동 레이블링과 영상추적기를 이용한 레이블 트래킹 기능을 지원한다. 바운딩 박스를 만들기 위해 사용하는 소프트웨어 컴포넌트로 Jcrop(JQuery Image Cropping Plugin)이 있다. Jcrop은 웹 응용프로그램에 이미지 자르기 기능을 빠르고 쉽게 추가할 수 있는데 다양한 브라우저에서 호환 가능하기 때문에 본 발명의 일 실시예에서도 Jcrop을 이용할 수 있다.

본 발명의 일 실시예에 따른 동영상 요약을 위한 동영상 요약 검출기는 MOG (Mixture of Gaussian) 알고리즘을 사용하여 배경을 제거하고 임곗값을 적용해 시간이 지남에 따라 픽셀값이 변경되고 이를 누적하여 히트맵 이미지를 결과로 보여주며 사용자는 이 결과를 확인 가능하도록 할 수 있다. 메타데이터 저작도구의 시스템 프로세스는 먼저 CCTV로부터 동영상이 업로드되면 DB에 동영상이 저장되고, 사용자가 동영상의 특정 구간의 시작 시간과 끝 시간을 입력으로 주거나, 어린이집 또는 각 유치원의 시간표에 따른 각 구간의 시작과 끝을 자동으로 정하고 해당 구간에 대한 동영상 요약을 이미지로 사용자에게 보여줄 수 있다. 메타데이터 자동 생성 뷰어를 통해 사용자가 원하는 관심 객체/상황에 대한 메타데이터를 생성할 수 있다. 동영상 요약 검출 뷰어에서 동영상 요약에 이상행동이 간주되면 사용자는 해당 구간에서의 프레임을 저장할 수 있도록 한다. 사용자는 저장된 프레임을 이용하여 동영상 메타데이터 수동생성 뷰어에서 메타데이터의 ROI(Region of interest) 영역 X, Y, Width, Height를 지정할 수 있으며, 레이블은 CCTV 동영상에서 사용자가 원하는 관심 객체/상황을 정하여 선택할 수 있다. 생성된 메타데이터는 노란색 바운딩 박스로 표시되며 태깅된 메타데이터를 확인할 수 있다.

사용자는 동영상 요약 검출기를 통해 추출된 프레임을 이용하여 동영상 메타데이터 자동생성 뷰어에서 모듈을 통하여 메타데이터를 생성할 수 있다. 생성된 메타데이터가 실제 메타데이터와 불일치할 경우, 사용자는 메타데이터 수정 뷰어를 통하여 메타데이터 수정할 수도 있다. 자동 생성된 메타데이터는 사용자가 수정한 메타데이터를 반영하여 태깅될 수 있다. 메타데이터가 생성되면 동영상에서 관심 객체/상황의 메타데이터가 얼마나 언제 생성되었는지 시간 축을 통하여 나타내 직관성을 높였으며 생성된 객체를 나타내는 원 모양에 마우스 오버를 하게 되면 상세정보를 볼 수 있다. 생성된 메타데이터의 정보는 해당 검출 객체 ID, 클래스, 프레임 번호, ROI 영역 X, Y, Width, Height를 가지고 있으며 파일로 저장될 수 있다.

모자이크부(391)는, 사용자 단말(100)에서 자녀의 얼굴 이미지를 등록한 경우, 얼굴 이미지 내 얼굴의 특징점을 추출하고, 동영상 요약 정보의 포맷이 동영상인 경우, 동영상 내에 포함된 복수의 피사체 중 특징점이 식별된 얼굴을 제외한 나머지 얼굴을 모자이크 또는 블러(Blurr) 처리하여 사용자 단말(100)로 동영상 요약 정보를 전송할 수 있다. 학부모는 일가정양립을 위해 어린이집에 자녀들을 보내지만, 자녀들이 잘 먹고는 있는지, 친구와 싸우지는 않았는지, 누구에게 맞고 있지는 않는지, 어린이집 교사들은 학대를 하지 않는지, 학대를 안받고 누구에게 맞고 있지 않다고 해도 지금은 무엇을 하고 있는지 궁금해 하는 경우가 있다. 이러한 일 때문에 보육교사들은 아동의 사진을 찍어 학부모에게 카톡으로 보내주는 경우가 있는데, 학부모들은 1 명의 자녀의 사진만 보기 때문에 교사의 업무가 많지 않을 것이라고 생각하지만 1 명의 보육교사 대 아동의 수가 수 십명을 넘어가는 경우 2 장의 사진과 카톡 2 개만 보낸다고 하더라도 수 백 번의 촬영, 분류 및 카톡전송이 있어야 하기 때문에 보육교사의 업무량은 기하급수적으로 늘어난다. 한 아이를 돌보기 위해서는 온 마을이 필요하다는 속담과 같이 한 아이가 언제 어디서 어떠한 일을 발생시키지 모르기 때문에 한 시도 눈을 뗄 수 없는 상황 속에서 이러한 업무까지 가중되는 경우 보육교사의 정원 확보는 요원한 일이 되버리고 만다.

이에 따라, 최근 연구 및 개발된 동영상 요약 알고리즘을 이용하여 씬(Scene)이나 장면이 전환될 때마다 이벤트를 발생시켜 요약을 해주고, 움직이는 GIF 파일로 만들고 텍스트를 태깅해주는 것을 이용하여 교사가 일일이 사진을 찍고 이벤트를 기재하여 카카오톡으로 메세지를 보내는 것이 아니라 자동으로 촬영, 요약, 텍스트 태깅 및 학부모 메신저로 전송을 하는 경우 보육교사는 온전히 영유아 돌봄에만 집중할 수 있게 된다. 예를 들어, 9시에 등원을 한 후, 9시 30분까지 오전간식을 먹고, 11시까지 실내자유놀이를 하고, 12시까지 실외놀이, 1시까지 점심식사, 3시까지 낮잠, 5시까지 오후 실내자유놀이, 6시까지 실외자유놀이, 7시에 귀가를 하는 스케줄이라면, 각 이벤트가 발생하는 시각 및 시간은 이미 알고 있으므로 해당 시간에 동기화되어 각 구간별, 예를 들어 11시부터 12시까지는 실내자유놀이의 동영상 요약을 하여 사용자 단말(100)로 전송해주는 것이다. 학부모는 CCTV 영상을 한 시간 내내 보지 않아도 되고, 약 1~2분의 요약된 영상을 보면서 무엇을 하고 있는지 잘 하고는 있는지 안심을 하게 된다.

이때, 모자이크부(391)는, 복수의 피사체 중 특징점이 식별된 얼굴을 제외한 나머지 얼굴에 GAN(Generative Adversarial Networks)을 이용하여 가짜얼굴로 대체하여 합성할 수 있다. 최근 경찰 관계자가 어린이집 CCTV를 요청한 학부모에게 개인정보보호법에 의거 타인의 얼굴을 모자이크 처리하는데 1 억의 비용이 든다고 통보한 사건이 있어 논란이 일었다. 경찰은 수사 업무 매뉴얼을 안내했다는 입장이지만, 비용이 너무 비싸 피해 부모의 열람을 막고 있는 것 아니냐는 지적이 나왔고 국민의 공분을 샀는데, 이러한 수동 모자이크를 통한 비용을 최소화하기 위하여 각 얼굴을 식별하고 이를 모자이크 처리하거나 가짜 얼굴을 합성하여 주는 경우 사람이 일일이 모자이크를 할 필요도 없고 아동학대를 한 정황을 포착하기 위한 학부모도 비용부담없이 열람을 신청할 수 있다.

담당아동관리부(393)는, 적어도 하나의 어린이집 또는 유치원에 근무하는 교사의 수를 실시간으로 업데이트하고, 교사 대 영유아 비율을 산출하여 지역별로 리스트업할 수 있다. 최근 서울시는 2021년부터 교사 대 영유아 비율을 줄인다고 발표했으나 아직까지도 한 명의 교사 당 담당하는 인원이 너무나도 많고 SNS나 카카오톡과 같은 알림 서비스의 업무도 함께 늘어나면서 업무 과중으로 인한 스트레스로 이직이나 일을 그만두는 사례도 증가하며, 아동학대도 함께 증가하고 있다. 이에 따라, 1 명당 담당하는 영유아가 적은 순으로 검색이 되도록 할 수 있고 정렬을 해줄 때 상위로 노출되도록 할 수도 있다.

식단확인부(395)는, 적어도 하나의 어린이집 또는 유치원에 설치된 적어도 하나의 CCTV로부터 식판을 추출하고, 식판 내 포함된 밥 및 반찬의 종류 및 양을 적어도 하나의 인공지능 알고리즘으로 식별한 후, 날짜별로 매핑하여 저장할 수 있다. 최근 다양한 다이어트 애플리케이션이 출시되었는데, 각종 인공지능 알고리즘을 이용하여 각 반찬의 종류를 구분하는 것은 물론 양까지 측정가능하도록 개발되었다. 이때, 어린이집이나 유치원은 식단표가 미리 나오고 공유되기 때문에 인공지능 알고리즘이 각 객체를 식별하기 위하여 많은 컴퓨팅 자원과 네트워킹 자원을 필요로 하지 않는다. 다만, 식판의 크기를 알아야 그 양을 측정할 수 있는 절대적 수치를 파악하기 때문에, 각 유치원이나 어린이집의 식판의 크기를 알 수 있도록 각 유치원이나 어린이집으로부터 각 식판의 가로세로 크기와 반찬이나 국이 담기는 공간의 크기, 반지름 등도 함께 입력받을 수 있다. 정확한 양은 시각적 분석으로 어렵지만 허용오차범위 내로 대략적인 추정은 가능할 수 있다.

이하, 상술한 도 2의 통합 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3a를 참조하면, 본 발명의 일 실시예는 정부 기관, 관계 부처, 유치원, 어린이집, 유튜브, 카페, 블로그, SNS, 카카오톡과 같은 메신저 등 다양한 플랫폼에 다양하게 흩어져 있는 정보를 도 3b와 같이 한 곳에 모아 정보를 쉽고 빠르게 찾도록 할 수 있게 한다. 서비스 대상은 도 3c와 같이 어린이집, 유치원 및 학원과 학부모지만 이에 한정되지는 않는다. 도 4a와 같이 시설정보를 검색할 때 위치기반으로 썸네일을 보여주고 바로 후기나 평점, 또 시설정보나 요약정보 등을 메뉴나 탭으로 구분하여 보기 편하게 해주고, 도 4b와 같이 육아정보를 카테고리를 나누어 보여주고 전문가 Q&A는 동영상으로도 업로드할 수 있기 때문에 다양한 정보 공유가 가능해진다. 지역커뮤니티도 도 4c와 같이 축제/행사, 수다방, 이벤트 등 다양한 메뉴로 구성될 수 있고, 수다방은 태그나 키워드 또는 주제 등으로 나누어 보여주는데 지역 기반이므로 지역에 대한 키워드가 삽입되어 질의를 형성하도록 하고 그 결과값을 제공하도록 한다. 이벤트나 거래기능도 활성화하여 중고물품을 지역 기반으로 교환, 판매, 구매할 수 있도록 한다.

이와 같은 도 2 내지 도 4의 영유아 기관정보 통합 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 영유아 기관정보 통합 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 도 1의 영유아 기관정보 통합 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 5를 참조하면, 통합 서비스 제공 서버는, 적어도 하나의 정부기관의 정보공시 사이트, 적어도 하나의 유치원 홈페이지 및 적어도 하나의 어린이집 홈페이지로부터 GPS 또는 주소지에 대응하는 영유아 정보를 수집한다(S5100).

그리고, 통합 서비스 제공 서버는, GPS 또는 주소지에 대응하는 고유식별부호를 부여하고 영유아 정보를 고유식별부호에 매핑하여 저장하고(S5200), 사용자 단말에서 GPS 위치나 검색위치를 설정한 후 검색어를 입력하는 경우 LBS(Location Based Service)에 기반하여 검색결과를 추출하여 지도상에 오버레이 한다(S5300).

또, 통합 서비스 제공 서버는, 적어도 하나의 카테고리별 육아정보를 텍스트, 이미지, 사진 및 동영상을 포함하는 멀티미디어 콘텐츠로 제공하고(S5400), 지역별 지역커뮤니티를 제공한다(S5500).

상술한 단계들(S5100~S5500)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5500)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 5의 영유아 기관정보 통합 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 영유아 기관정보 통합 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 영유아 기관정보 통합 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 영유아 기관정보 통합 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 영유아 기관정보 통합 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

1. GPS 위치를 전송하거나 검색위치를 설정한 후, 검색어를 입력하여 영유아 지역 시설정보를 검색하고, 적어도 하나의 카테고리별 육아정보를 검색하며, 지역커뮤니티에서 글을 검색하거나 입력하는 사용자 단말; 및
   적어도 하나의 정부기관의 정보공시 사이트, 적어도 하나의 유치원 홈페이지 및 적어도 하나의 어린이집 홈페이지로부터 GPS 또는 주소지에 대응하는 영유아 정보를 수집하는 수집부, 상기 GPS 또는 주소지에 대응하는 고유식별부호를 부여하고 상기 영유아 정보를 상기 고유식별부호에 매핑하여 저장하는 저장부, 상기 사용자 단말에서 GPS 위치나 검색위치를 설정한 후 검색어를 입력하는 경우 LBS(Location Based Service)에 기반하여 검색결과를 추출하여 지도상에 오버레이하는 출력부, 적어도 하나의 카테고리별 육아정보를 텍스트, 이미지, 사진 및 동영상을 포함하는 멀티미디어 콘텐츠로 제공하는 육아정보부, 지역별 지역커뮤니티를 제공하는 커뮤니티부, 상기 사용자 단말에서 입력한 검색어와, 상기 사용자 단말의 GPS 또는 상기 사용자 단말에서 지정한 위치를 결합하여 질의를 생성하고, 상기 생성된 질의에 대응하는 결과를 LBS(Location Based Service)에 기반하여 제공하도록 설정하는 지역기반검색부를 포함하는 통합 서비스 제공 서버를 포함하며,
   상기 통합 서비스 제공 서버는,
   키워드형 검색엔진을 위해서 [GPS-주소지-키워드-영유아 정보] 형태로 저장하며,
   상기 LBS에 기반한 검색결과 추출 시, 도보거리를 기준으로 검색결과를 추출하여 상기 지도상에 오버레이하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
2. 제 1 항에 있어서,
   상기 통합 서비스 제공 서버는,
   상기 고유식별부호가 부여된 어린이집 또는 유치원에 방문한 후기 공유, 시설정보, 시설영상, 요약, 기본현황 및 평가에 대응하는 데이터를 메뉴를 나누어 저장하는 정보관리부;
   를 더 포함하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
3. 제 1 항에 있어서,
   상기 적어도 하나의 카테고리별 육아정보의 적어도 하나의 카테고리는,
   임신, 출산, 육아, 보육, 보건, 발달, 부모교육, 정부지원, 육아뉴스 및 전문가 Q&A를 포함하고,
   상기 적어도 하나의 카테고리별 육아정보는 텍스트, 사진, 이미지 및 동영상을 포함하는 멀티미디어 콘텐츠로 제공되는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
4. 제 1 항에 있어서,
   상기 지역커뮤니티는 축제·행사, 수다방 및 이벤트 메뉴를 포함하고,
   상기 통합 서비스 제공 서버는,
   상기 수다방에서 주제태그(Tag)가 선택되는 경우, 상기 주제태그에 대응하는 주제를 가지는 적어도 하나의 오픈채팅을 추출하여 리스트업하는 오픈채팅부;
   를 더 포함하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
5. 삭제
6. 제 1 항에 있어서,
   상기 통합 서비스 제공 서버는,
   상기 사용자 단말에서 어린이집 또는 유치원에 자녀를 등록한 경우, 등록된 어린이집 또는 유치원에 설치된 적어도 하나의 CCTV에서 촬영된 동영상을 적어도 하나의 종류의 동영상 요약 알고리즘을 이용하여 요약된 동영상 요약 정보를 상기 사용자 단말로 전송하는 요약부;
   를 더 포함하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
7. 제 6 항에 있어서,
   상기 통합 서비스 제공 서버는,
   상기 사용자 단말에서 상기 자녀의 얼굴 이미지를 등록한 경우, 상기 얼굴 이미지 내 얼굴의 특징점을 추출하고, 상기 동영상 요약 정보의 포맷이 동영상인 경우, 상기 동영상 내에 포함된 복수의 피사체 중 상기 특징점이 식별된 얼굴을 제외한 나머지 얼굴을 모자이크 또는 블러(Blurr) 처리하여 상기 사용자 단말로 동영상 요약 정보를 전송하는 모자이크부;
   를 더 포함하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
8. 제 7 항에 있어서,
   상기 모자이크부는,
   상기 복수의 피사체 중 상기 특징점이 식별된 얼굴을 제외한 나머지 얼굴에 GAN(Generative Adversarial Networks)을 이용하여 가짜얼굴로 대체하여 합성하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
9. 제 1 항에 있어서,
   상기 통합 서비스 제공 서버는,
   상기 적어도 하나의 어린이집 또는 유치원에 근무하는 교사의 수를 실시간으로 업데이트하고, 교사 대 영유아 비율을 산출하여 지역별로 리스트업하는 담당아동관리부;
   를 더 포함하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
   
10. 제 1 항에 있어서,
    상기 통합 서비스 제공 서버는,
    상기 적어도 하나의 어린이집 또는 유치원에 설치된 적어도 하나의 CCTV로부터 식판을 추출하고, 상기 식판 내 포함된 밥 및 반찬의 종류 및 양을 적어도 하나의 인공지능 알고리즘으로 식별한 후, 날짜별로 매핑하여 저장하는 식단확인부;
    를 더 포함하는 것을 특징으로 하는 영유아 기관정보 통합 서비스 제공 시스템.
    

Images