KR102353338B1 - 내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템 - Google Patents

내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템 Download PDF

Info

Publication number
KR102353338B1
KR102353338B1 KR1020200032092A KR20200032092A KR102353338B1 KR 102353338 B1 KR102353338 B1 KR 102353338B1 KR 1020200032092 A KR1020200032092 A KR 1020200032092A KR 20200032092 A KR20200032092 A KR 20200032092A KR 102353338 B1 KR102353338 B1 KR 102353338B1
Authority
KR
South Korea
Prior art keywords
video
document
ranking
correct answer
query
Prior art date
Application number
KR1020200032092A
Other languages
English (en)
Other versions
KR20210115789A (ko
Inventor
조근희
서재권
박건후
조혜민
백준선
김상범
Original Assignee
네이버 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 네이버 주식회사 filed Critical 네이버 주식회사
Priority to KR1020200032092A priority Critical patent/KR102353338B1/ko
Publication of KR20210115789A publication Critical patent/KR20210115789A/ko
Application granted granted Critical
Publication of KR102353338B1 publication Critical patent/KR102353338B1/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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Library & Information Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템이 개시된다. 동영상 검색 방법은, 질의에 대응되는 각 동영상의 내용분석 결과와 상기 질의에 대한 정답문서로서 동영상 타입이 아닌 다른 타입의 문서를 이용하여 상기 질의에 대한 동영상 검색 결과를 랭킹하는 단계를 포함한다.

Description

내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템{METHOD AND SYSTEM FOR RETRIEVING VIDEOS BASED ON CONTENT ANALYSIS}
아래의 설명은 동영상을 검색하는 기술에 관한 것이다.
인터넷의 상용화로 인해 많은 사용자들이 인터넷을 이용하여 다양한 주제의 정보를 간편하고 신속하게 검색할 수 있다.
인터넷을 이용하는 대부분의 사용자는 브라우저를 통하여 인터넷에 접속한 후 인터넷 포털 사이트를 통하여 정보를 검색한다.
사용자가 인터넷 포털의 검색창에 검색어를 입력하면 인터넷 포털은 데이터베이스에서 검색어에 대응하는 다양한 정보를 추출하여 검색 결과로서 사용자에게 제공한다.
검색 결과는 사전, 지식 정보, 블로그, 카페, 전문자료, 사이트, 책, 뉴스, 웹 페이지, 이미지, 동영상 등과 같은 카테고리로 나뉘어 전달될 수 있다.
예컨대, 한국등록특허 제10-1922070호(등록일 2018년 11월 20일)에는 검색어에 대응하는 정지영상과 동영상 중 적어도 하나가 포함된 검색 결과를 제공하는 기술이 개시되어 있다.
동영상 내용 분석을 기반으로 주어진 질의에 더욱 적합한 동영상을 찾을 수 있는 방법 및 시스템을 제공한다.
동영상 타입이 아닌 다른 타입의 정답문서를 이용하여 동영상 검색 결과를 랭킹할 수 있는 방법 및 시스템을 제공한다.
질의에 대한 동영상 검색 결과가 아닌 다른 문서를 이용하여 동영상 검색 결과를 리랭킹(re-ranking)할 수 있는 방법 및 시스템을 제공한다.
질의와 관련된 정답문서를 이용하여 사용자의 의도를 확대하고 확대된 의도와 매칭되는 동영상을 찾을 수 있는 방법 및 시스템을 제공한다.
컴퓨터 시스템에서 실행되는 동영상 검색 방법에 있어서, 상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 동영상 검색 방법은, 상기 적어도 하나의 프로세서에 의해, 질의에 대응하는 각 동영상의 내용분석 결과와 상기 질의에 대한 정답문서로서 동영상 타입이 아닌 다른 타입의 문서를 이용하여 상기 질의에 대한 동영상 검색 결과를 랭킹하는 단계를 포함하는 동영상 검색 방법을 제공한다.
일 측면에 따르면, 상기 랭킹하는 단계는, 상기 질의에 대응하는 문서 검색을 통해 동영상 검색 결과를 획득하는 단계; 상기 정답문서를 선정하는 단계; 및 상기 동영상 검색 결과에 포함된 각 동영상의 내용분석 결과와 상기 정답문서를 이용하여 상기 동영상 검색 결과를 랭킹하는 단계를 포함할 수 있다.
다른 측면에 따르면, 상기 랭킹하는 단계는, 키워드 별 대표 문서가 사전 정의된 문서 데이터베이스에서 상기 질의와 매칭되는 키워드의 대표 문서를 상기 정답문서로 선정하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 선정하는 단계는, 상기 질의에 대하여 동영상과 다른 카테고리의 검색 결과 내 문서를 상기 정답문서로 선정할 수 있다.
또 다른 측면에 따르면, 상기 선정하는 단계는, 상기 질의가 속하는 카테고리에 따라 해당 카테고리의 검색 결과 내 문서를 상기 정답문서로 선정할 수 있다.
또 다른 측면에 따르면, 상기 동영상 검색 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 동영상 검색 결과에서 상위 일정 개수의 동영상을 후보 동영상으로 선정하는 단계를 더 포함하고, 상기 랭킹하는 단계는, 상기 동영상 검색 결과에 포함된 상기 후보 동영상에 대해 리랭킹을 수행할 수 있다.
또 다른 측면에 따르면, 상기 랭킹하는 단계는, 상기 동영상 별로 해당 동영상에서 텍스트 정보를 추출하는 단계; 및 상기 텍스트 정보와 상기 정답문서 간의 유사도를 기초로 상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 추출하는 단계는, STT(speech to text) 기술과 OCR(optical character reader) 기술 중 적어도 하나를 이용하여 상기 동영상에서 상기 텍스트 정보를 추출할 수 있다.
또 다른 측면에 따르면, 상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계는, 워드 임베딩(word embedding) 모델을 이용하여 상기 텍스트 정보와 상기 정답문서를 벡터화하는 단계; 및 상기 텍스트 정보에 해당되는 벡터와 상기 정답문서에 해당되는 벡터 간의 유사도를 계산하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계는, 상기 동영상의 전체 프레임의 텍스트 정보와 상기 정답문서를 비교한 전체 유사도, 상기 동영상의 개별 프레임의 텍스트 정보와 상기 정답문서를 비교한 부분 유사도, 및 상기 부분 유사도 중 가장 큰 값의 유사도인 최대 부분 유사도 중 적어도 하나를 기초로 상기 동영상 검색 결과에 대한 랭킹을 수행할 수 있다.
또 다른 측면에 따르면, 상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계는, 상기 동영상 검색 결과에 상기 유사도가 사전에 정해진 임계치 이상인 동영상이 적어도 하나 이상 존재하는 경우 상기 동영상 검색 결과에 대한 랭킹을 수행할 수 있다.
상기 동영상 검색 방법을 상기 컴퓨터 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램을 제공한다.
상기 동영상 검색 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, 질의에 대응하는 각 동영상의 내용분석 결과와 상기 질의에 대한 정답문서로서 동영상 타입이 아닌 다른 타입의 문서를 이용하여 상기 질의에 대한 동영상 검색 결과를 랭킹하는 랭킹부를 포함하는 컴퓨터 시스템을 제공한다.
본 발명의 실시예들에 따르면, 동영상 내용을 분석하여 분석 결과를 기반으로 주어진 질의에 더욱 적합한 동영상을 찾을 수 있다.
본 발명의 실시예들에 따르면, 동영상 타입이 아닌 다른 타입의 정답문서를 이용하여 동영상 검색 결과를 랭킹할 수 있다.
본 발명의 실시예들에 따르면, 질의에 대한 동영상 검색 결과가 아닌 다른 문서를 이용하여 동영상 검색 결과를 리랭킹할 수 있다.
본 발명의 실시예들에 따르면, 질의와 관련된 정답문서를 이용하여 질의 의도를 확대하고 확대된 의도와 매칭되는 동영상을 찾을 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 9는 본 발명의 일 실시예에 있어서 내용분석 기술을 이용하여 동영상 검색 결과를 리랭킹하는 과정을 설명하기 위한 예시 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 동영상을 검색하는 기술에 관한 것이다.
본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 텍스트 질의 기반 동영상 검색에서 내용기반 정보 검색(content-based information retrieval) 기술을 바탕으로 질의에 대한 동영상 검색 결과를 리랭킹하여 동영상 검색 품질을 개선할 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 내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템의 구체적인 실시예를 설명하기로 한다.
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.
서버(150)는 전자 기기(110)의 사용자에 의해 텍스트로 입력된 질의에 대해 질의와 대응되는 문서를 검색 결과로 제공하게 되는데, 이때 검색 결과에는 동영상 컨텐츠가 포함될 수 있다.
특히, 서버(150)는 동영상 검색 품질을 개선하기 위해 동영상 내용 분석 기술과 함께, 검색 결과에 포함된 동영상이 아닌 다른 문서를 이용하여 동영상 검색 결과를 리랭킹할 수 있다.
서버(150)의 프로세서(222)는 도 4에 따른 동영상 검색 방법을 수행하기 위한 구성요소로서 도 3에 도시된 바와 같이, 문서 검색부(310), 정답문서 선정부(320), 후보 선정부(330), 텍스트 추출부(340), 및 랭킹부(350)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 동영상 검색 방법이 포함하는 단계들(S410 내지 S450)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 질의에 대응되는 문서를 검색하도록 상술한 명령에 따라 서버(150)를 제어하는 프로세서(222)의 기능적 표현으로서 문서 검색부(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 S450)을 실행하도록 제어하기 위한 명령을 포함할 수 있다. 이후 설명될 단계들(S410 내지 S450)은 도 4에 도시된 순서와 다른 순서로 수행될 수 있으며, 단계들(S410 내지 S450) 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.
도 4를 참조하면, 단계(S410)에서 문서 검색부(310)는 전자 기기(110)로부터 전자 기기(110)의 사용자에 의해 텍스트로 입력된 검색 질의가 수신되는 경우 질의에 대응되는 문서를 검색하여 초기 검색 결과를 획득할 수 있다. 문서 검색부(310)는 동영상 검색 환경을 제공하는 것으로, 사용자로부터 입력된 질의와 매칭되는 동영상 검색 결과를 획득할 수 있다.
단계(S420)에서 정답문서 선정부(320)는 질의와 관련된 정답문서로서 동영상 타입이 아닌 다른 타입의 문서를 정답 문서로 선정할 수 있다. 본 실시예에서 정답문서 선정부(320)는 초기 검색 결과에 포함된 동영상이 아닌 다른 문서를 선정할 수 있다. 질의와 관련된 정답문서는 텍스트 문서는 물론이고, 이미지나 음성과 같은 멀티미디어 문서일 수 있다.
일례로, 정답문서 선정부(320)는 사전 구축된 데이터베이스로서, 키워드 별로 각 키워드를 잘 설명하고 있는 대표 문서가 미리 저장된 문서 DB(예컨대, 메모리(221)에 저장됨)를 통해 질의와 매칭되는 키워드의 대표 문서를 정답문서로 선정할 수 있다. 다른 예로는 문서 DB를 사전 구축하지 않는 것으로, 정답문서 선정부(320)는 질의에 대하여 동영상이 아닌 다른 카테고리의 검색 결과 내에서 최상위 문서를 정답문서로 선정할 수 있다. 예를 들어, 질의에 대한 실시간 웹 검색결과 내 최상위 문서를 정답문서로 선정할 수 있다. 또 다른 예로, 정답문서 선정부(320)는 대표 문서가 미리 정해진 키워드 중 질의와 매칭되는 키워드가 존재하는 경우 해당 키워드의 대표 문서를 정답문서로 선정하고 질의와 매칭되는 키워드가 존재하지 않는 경우 동영상과 다른 카테고리의 검색 결과 내에서 최상위 문서를 정답문서로 선정할 수 있다. 또 다른 예로, 정답문서 선정부(320)는 질의가 속하는 카테고리를 고려하여 정답문서를 선정할 수 있다. 정답문서 선정부(320)는 질의가 속하는 카테고리의 검색 결과 내에서 정답문서를 선정할 수 있다. 예를 들어, 학술이나 의학 카테고리에 속하는 질의인 경우에는 백과사전 검색 결과 내 문서를 정답문서로 선정하고, 실시간성 질의인 경우에는 실시간 웹 검색결과 내 최상위 문서를 정답문서로 선정할 수 있다.
정답문서가 포함된 문서 DB를 구축하기 위한 대상 키워드는 사전에 정해진 기준에 따라 선정될 수 있다. 일례로, 프로세서(222)는 검색 질의로 인입되는 키워드 중 인입 빈도(즉, 검색 빈도)가 일정 레벨 이상인 키워드를 대상 키워드로 선정할 수 있다. 이때, 대상 키워드 별로 각 대상 키워드를 질의로 한 검색 결과 내에서 최상위 문서를 정답문서로 정할 수 있다. 다른 예로, 프로세서(222)는 백과사전 내 문서를 정답문서로 활용하고자 하는 경우 백과사전 상의 색인어로 사용되는 표제어나 주제어를 대상 키워드로 선정할 수 있다.
단계(S430)에서 후보 선정부(330)는 초기 검색 결과에 포함된 동영상 중 적어도 일부를 후보 동영상으로 선정할 수 있다. 일례로, 후보 선정부(330)는 질의에 대한 초기 검색 결과, 즉 기본 랭킹으로부터 상위 일정 개수(Top-N)의 동영상을 후보 동영상으로 선정할 수 있다. 이때, 초기 임의 개수의 상위 동영상을 선정하여 리랭킹을 시도하고 리랭킹 후 상위에 랭크되는 영상의 초기 랭크 값의 평균 값을 이용함으로써 후보 동영상을 선정하기 위한 일정 개수(N)를 설정할 수 있다. 다시 말해, 후보 선정부(330)는 동영상 검색 결과의 기본 랭킹을 이용하여 상위 일정 개수(Top-N)의 후보 동영상 목록을 생성할 수 있다.
단계(S440)에서 텍스트 추출부(340)는 후보 동영상 목록에 포함된 동영상 별로 각 후보 동영상에서 텍스트 정보를 추출할 수 있다. 일례로, 텍스트 추출부(340)는 음성 인식을 통한 텍스트 변환(speech to text, STT)과 이미지 글자 인식(optical character reader, OCR) 중 적어도 하나의 기술을 이용하여 동영상에서 텍스트 정보를 추출할 수 있다. 이때, 텍스트 추출부(340)는 동영상에서 오디오 데이터를 분리한 후 분리된 오디오 데이터를 STT를 통해 텍스트로 변환함으로써 동영상으로부터 텍스트 정보를 추출할 수 있다. 그리고, OCR의 경우 동영상의 영상 프레임으로부터 영상 내 텍스트와 자막 텍스트를 분리할 필요가 있다. 텍스트 추출부(340)는 자막의 경우 룰 기반 영상 패턴에 기초하여 동영상에서 자막의 위치를 찾아 해당 위치의 자막을 찾을 수 있으며, 이와 같이 영상 프레임에서 영상 내 텍스트와 자막 텍스트를 분리하여 추출한 후 기본적인 색인어 추출 옵션을 적용하여 형태소를 분석함으로써 영상 프레임 내 모든 텍스트를 추출할 수 있다.
텍스트 추출부(340)는 정답문서가 이미지나 음성과 같은 멀티미디어 컨텐츠인 경우 후보 동영상과 마찬가지로 STT와 OCR 중 적어도 하나를 이용하여 정답문서로부터 텍스트 정보를 추출할 수 있다.
상기한 STT나 OCR 이외에도 객체 인식 기술을 통해 인식된 인물 정보나, 동물 또는 물체 등 각종 객체 정보를 텍스트 정보로 활용할 수 있다. 또한, 이미지 캡셔닝(image captioning) 등을 통해 획득한 시각적인 정보를 텍스트 정보로 활용할 수 있다. 상기한 방법 이외에도 여러 타입의 문서로부터 텍스트를 획득할 수 있는 기술이라면 모두 적용 가능하다.
단계(S450)에서 랭킹부(350)는 후보 동영상의 텍스트 정보와 정답문서 간의 의미적 유사도(semantic similarity)를 판단하여 유사도를 기초로 초기 검색 결과에 포함된 후보 동영상을 리랭킹하여 최종 검색 결과를 제공할 수 있다.
먼저, 랭킹부(350)는 후보 동영상에서 추출된 텍스트 정보를 워드 임베딩(word embedding) 모델을 이용하여 벡터화(vectorization)할 수 있고, 이때 정답문서 또한 마찬가지로 후보 동영상의 텍스트 정보와 동일한 워드 임베딩 모델을 이용하여 벡터화할 수 있다. 워드 임베딩 기술은 오타나 유사 단어에 대한 형태소 분석이 가능함에 따라 단어 인식 성능이 뛰어나다는 이점이 있다. 워드 임베딩 이외에도 용어 가중치(term weighting) 기법이나 텍스트를 수치화하는 여러 공지 기술을 활용할 수 있다.
그리고, 랭킹부(350)는 후보 동영상의 텍스트 정보에 해당되는 벡터와 정답문서에 해당되는 벡터를 이용하여 두 벡터 간의 유사도를 계산할 수 있다. 일례로, 랭킹부(350)는 후보 동영상의 OCR 결과 벡터와 STT 결과 벡터 중 어느 하나를 사용하여 정답문서 벡터와의 유사도를 계산할 수 있다. 다른 예로, 랭킹부(350)는 후보 동영상의 OCR 결과 벡터를 정답문서 벡터와 비교한 결과인 제1 유사도와, 후보 동영상의 STT 결과 벡터를 정답문서 벡터와 비교한 결과인 제2 유사도를 병합하여 최종 유사도를 계산할 수 있다. OCR 결과 벡터와 STT 결과 벡터를 모두 사용하는 경우 가중치를 반영할 수 있으며, 이때 가중치 또한 랭킹 모델의 학습을 통해 정해질 수 있다.
제1 유사도는 후보 동영상의 각 프레임 별 OCR 결과 벡터를 정답문서 벡터와 비교한 결과인 부분 유사도, 후보 동영상의 모든 프레임에 대한 부분 유사도를 총합 혹은 평균한 전체 유사도, 후보 동영상의 모든 프레임에 대한 부분 유사도 중 가장 큰 값의 유사도인 최대 부분 유사도를 포함할 수 있다. 서버(150)는 내용분석 기반 텍스트 필드를 기본적인 형태소 분석을 적용한 뒤 색인하여 검색 시스템을 구축할 수 있으며, 이러한 검색 시스템을 이용하여 4개의 색인(부분 유사도, 전체 유사도, 최대 부분 유사도, 제2 유사도)을 구축하고 각 색인 별 질의와의 유사도를 기준으로 랭킹 모델을 위한 학습 데이터를 구축할 수 있다. 랭킹부(350)는 4개의 유사도(부분 유사도, 전체 유사도, 최대 부분 유사도, 제2 유사도)를 병합한 최종 유사도 모델을 사용하여 후보 동영상의 텍스트 정보와 정답문서 간의 유사도를 계산할 수 있다.
랭킹부(350)는 후보 동영상의 텍스트 정보와 정답문서 간의 유사도를 동영상 검색의 기본 랭킹에 적용하여 초기 검색 결과를 리랭킹함으로써 질의에 대한 최종 검색 결과를 제공할 수 있다. 이때, 랭킹부(350)는 후보 동영상 목록에서 정답문서와의 유사도가 사전에 정해진 임계치 이상인 동영상이 적어도 하나 이상 존재하는 경우 동영상 검색 결과에 대한 리랭킹을 수행할 수 있다. 한편, 랭킹부(350)는 후보 동영상 목록에 정답문서와의 유사도가 임계치 이상인 동영상이 존재하지 않는 경우 리랭킹을 수행하지 않고 기본 랭킹 그대로 동영상 검색 결과를 제공할 수 있다.
랭킹부(350)는 질의에 대한 최종 검색 결과를 제공함에 있어 후보 동영상 각각에 대하여 최대 부분 유사도를 기초로 후보 동영상의 프레임 중 정답문서와의 유사도가 가장 높은 프레임을 최종 검색 결과에 노출시킬 수 있다. 다른 예로, 랭킹부(350)는 최종 검색 결과에서 사용자에 의해 선택된 동영상이 재생될 때 해당 동영상의 프레임 중 정답문서와의 유사도가 가장 높은 프레임을 재생 시작 시점으로 특정할 수 있다.
도 5 내지 도 9는 본 발명의 일 실시예에 있어서 내용분석 기술을 이용하여 동영상 검색 결과를 리랭킹하는 과정을 설명하기 위한 예시 도면이다.
이하에서는 텍스트 질의 'Q1'에 대한 동영상 검색 결과를 리랭킹하는 과정을 설명한다.
도 5를 참조하면, 프로세서(222)는 동영상 검색 환경에서 전자 기기(110)로부터 텍스트 질의 'Q1'가 검색어로 수신되는 경우 질의 'Q1'에 대한 초기 검색 결과(501)로서 질의 'Q1'과 매칭되는 동영상 검색 결과를 획득할 수 있다.
초기 검색 결과(501)는 사전에 정의된 기본 랭킹을 적용한 것으로, 예를 들어 질의 'Q1'과 문서 간의 유사성, 문서 자체의 품질, 이용자 선호 등을 고려하여 랭킹이 결정될 수 있다.
그리고, 프로세서(222)는 검색 결과로 획득한 동영상이 아닌 다른 문서 중 하나를 질의 'Q1'과 관련된 정답문서로 선정할 수 있다.
일례로, 도 6을 참조하면, 프로세서(222)는 사전에 구축된 문서 DB(610)를 통해 질의 'Q1'과 매칭되는 키워드의 대표 문서 'document1'을 질의 'Q1'에 대한 정답문서(602)로 선정할 수 있다.
문서 DB(610)에는 대상 키워드(61)가 사전에 정해질 수 있고, 대상 키워드(61) 별로 각 대상 키워드(61)를 가장 잘 설명하고 있는 베스트 문서인 대표 문서(62)가 사전에 정해질 수 있다.
대상 키워드(61)는 검색 질의로 인입되는 키워드 중에서 인입 빈도가 일정 레벨 이상인 키워드, 혹은 백과사전 상의 색인어로 사용되는 키워드 등이 포함될 수 있다.
다른 예로, 프로세서(222)는 질의 'Q1'에 대하여 동영상이 아닌 다른 카테고리의 검색 결과를 획득하여 해당 검색 결과 내에서 최상위 문서를 정답문서로 선정할 수도 있다.
따라서, 프로세서(222)는 질의 'Q1'에 대하여 문서 DB(610)에서 정답문서를 선정하거나 혹은 동영상과 다른 카테고리의 검색 결과 내에서 정답문서를 선정할 수 있다.
도 7을 참조하면, 프로세서(222)는 질의 'Q1'에 대한 동영상 검색 결과인 초기 검색 결과(501)로부터 상위 일정 개수(Top-N)의 동영상을 후보 동영상 목록(703)으로 생성할 수 있다.
프로세서(222)는 주어진 시간 내에 최종 검색 결과를 제공하기 위해 초기 검색 결과(501)에서 상위 일정 개수(Top-N)의 동영상만을 리랭킹 대상으로 선정할 수 있다. 이때, 일정 개수(N)는 검색에 주어진 시간과 리랭킹의 반복적인 사전 시험을 통해 결정될 수 있다.
도 8을 참조하면, 프로세서(222)는 후보 동영상 목록(703)에 포함된 동영상 별로 각 후보 동영상에서 텍스트 정보(804)를 추출할 수 있다. 동영상 A, B, C, D가 후보 동영상으로 선정된 경우 텍스트 추출부(340)를 통해 동영상 A의 텍스트 정보 text (A), 동영상 B의 텍스트 정보 text (B), 동영상 C의 텍스트 정보 text (C), 동영상 D의 텍스트 정보 text (D)를 각각 추출할 수 있다.
텍스트 추출부(340)는 후보 동영상 목록(703)에 대하여 음성 인식을 통한 텍스트 변환 기술(STT)과 이미지 글자 인식 기술(OCR) 중 적어도 하나를 이용하여 텍스트 정보(804)를 추출할 수 있다.
정답문서(602)가 텍스트 문서가 아닌 이미지나 음성과 같은 멀티미디어 문서인 경우, 동영상과 마찬가지로 텍스트 변환 기술(STT)이나 이미지 글자 인식 기술(OCR)을 이용하여 정답문서(602)의 텍스트 정보를 추출할 수 있다.
이하에서는 정답문서(602)를 텍스트 문서로 가정한다.
도 9를 참조하면, 프로세서(222)는 질의 'Q1'에 대한 후보 동영상 목록(703)을 리랭킹하여 최종 검색 결과(905)를 제공할 수 있다.
상세하게, 프로세서(222)는 후보 동영상 목록(703)의 리랭킹을 위해 질의 'Q1'의 정답문서(602)와 후보 동영상의 텍스트 정보(804)를 워드 임베딩을 통해 벡터화할 수 있다. 프로세서(222)는 정답문서(602)와 텍스트 정보(804)의 두 벡터 간 유사도에 따라 후보 동영상 목록(703)을 리랭킹할 수 있다. 다시 말해, 동영상 A의 텍스트 정보 text (A), 동영상 B의 텍스트 정보 text (B), 동영상 C의 텍스트 정보 text (C), 동영상 D의 텍스트 정보 text (D)를 각각 정답문서(602)와 비교하여 정답문서(602)와의 유사도 순으로 동영상을 다시 정렬할 수 있다.
예를 들어, 후보 동영상 목록(703)이 기본 랭킹에 따라 최상위 문서가 동영상 A이고 동영상 A, B, C, D 순으로 정렬된 것이고, 동영상 A, B, C, D에 대해 정답문서(602)와의 유사도가 동영상 D, A, C, B 순으로 높다고 가정하면, 정답문서(602)를 이용한 리랭킹에 따라 후보 동영상 목록(703)에서 최상위 문서가 동영상 D로 바뀌면서 동영상 D, A, C, B 순으로 정렬된 최종 검색 결과(905)를 얻을 수 있다.
따라서, 프로세서(222)는 후보 동영상 목록(703)에서 질의 'Q1'을 잘 설명하고 있는 정답문서(602)와 유사한 동영상을 검색 결과 상단에 배치할 수 있다.
상기한 실시예에서는 질의 'Q1'에 대한 1차 검색과 1차 검색 결과에 대한 리랭킹을 거쳐 결과적으로 동영상 검색 랭킹을 2단계로 수행하는 것으로 설명하고 있으나, 이에 한정되는 것은 아니며, 도 9를 통해 설명한 랭킹 로직을 리랭킹이 아닌 초기 검색 결과에 대한 랭킹 로직으로 적용할 수 있다. 후보 동영상 목록(703)을 선정하는 과정을 생략하고 초기 검색 결과(501) 내 모든 동영상에 대해 텍스트 정보를 추출하여 정답문서(602)와의 유사도를 바탕으로 동영상 검색 랭킹을 수행할 수 있다. 다시 말해, 동영상 검색 랭킹을 1단계로 수행하는 실시예로서 질의 'Q1'에 대응하는 각 동영상의 내용분석 결과(텍스트 정보)와 동영상 타입이 아닌 다른 타입의 정답문서(602) 간의 유사도를 이용하여 질의 'Q1'에 대한 동영상 검색 결과를 랭킹할 수 있다.
이처럼 본 발명의 실시예들에 따르면, 동영상 내용 분석을 기반으로 주어진 질의에 더욱 적합한 동영상을 찾을 수 있다. 특히, 질의에 대한 동영상 검색 결과가 아닌 다른 문서를 정답문서로 이용하여 사용자의 질의 의도를 확대할 수 있고, 사용자의 질의 의도가 잘 표현된 정답문서를 검색 결과에 포함된 동영상의 내용 분석 결과(즉, 텍스트 정보)와 비교함으로써 동영상 검색 결과를 리랭킹하여 검색 품질을 한층 개선할 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 (20)

  1. 컴퓨터 시스템에서 실행되는 동영상 검색 방법에 있어서,
    상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 동영상 검색 방법은,
    상기 적어도 하나의 프로세서에 의해, 질의에 대응되는 각 동영상의 내용분석 결과와 상기 질의에 대한 정답문서로서 동영상 타입이 아닌 다른 타입의 문서를 이용하여 상기 질의에 대한 동영상 검색 결과를 랭킹하는 단계
    를 포함하고,
    상기 랭킹하는 단계는,
    키워드 별 대표 문서가 사전 정의된 문서 데이터베이스에서 상기 질의와 매칭되는 키워드의 대표 문서를 상기 정답문서로 선정하는 단계
    를 포함하는 동영상 검색 방법.
  2. 제1항에 있어서,
    상기 랭킹하는 단계는,
    상기 질의에 대응하는 문서 검색을 통해 동영상 검색 결과를 획득하는 단계;
    상기 정답문서를 선정하는 단계; 및
    상기 동영상 검색 결과에 포함된 각 동영상의 내용분석 결과와 상기 정답문서를 이용하여 상기 동영상 검색 결과를 랭킹하는 단계
    를 포함하는 동영상 검색 방법.
  3. 삭제
  4. 제1항에 있어서,
    상기 선정하는 단계는,
    상기 질의에 대하여 동영상과 다른 카테고리의 검색 결과 내 문서를 상기 정답문서로 선정하는 것
    을 특징으로 하는 동영상 검색 방법.
  5. 제1항에 있어서,
    상기 선정하는 단계는,
    상기 질의가 속하는 카테고리에 따라 해당 카테고리의 검색 결과 내 문서를 상기 정답문서로 선정하는 것
    을 특징으로 하는 동영상 검색 방법.
  6. 제1항에 있어서,
    상기 동영상 검색 방법은,
    상기 적어도 하나의 프로세서에 의해, 상기 동영상 검색 결과에서 상위 일정 개수의 동영상을 후보 동영상으로 선정하는 단계
    를 더 포함하고,
    상기 랭킹하는 단계는,
    상기 동영상 검색 결과에 포함된 상기 후보 동영상에 대해 리랭킹을 수행하는 것
    을 특징으로 하는 동영상 검색 방법.
  7. 제1항에 있어서,
    상기 랭킹하는 단계는,
    상기 동영상 별로 해당 동영상에서 텍스트 정보를 추출하는 단계; 및
    상기 텍스트 정보와 상기 정답문서 간의 유사도를 기초로 상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계
    를 포함하는 동영상 검색 방법.
  8. 제7항에 있어서,
    상기 추출하는 단계는,
    STT(speech to text) 기술과 OCR(optical character reader) 기술 중 적어도 하나를 이용하여 상기 동영상에서 상기 텍스트 정보를 추출하는 것
    을 특징으로 하는 동영상 검색 방법.
  9. 제7항에 있어서,
    상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계는,
    워드 임베딩(word embedding) 모델을 이용하여 상기 텍스트 정보와 상기 정답문서를 벡터화하는 단계; 및
    상기 텍스트 정보에 해당되는 벡터와 상기 정답문서에 해당되는 벡터 간의 유사도를 계산하는 단계
    를 포함하는 동영상 검색 방법.
  10. 제7항에 있어서,
    상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계는,
    상기 동영상의 전체 프레임의 텍스트 정보와 상기 정답문서를 비교한 전체 유사도, 상기 동영상의 개별 프레임의 텍스트 정보와 상기 정답문서를 비교한 부분 유사도, 및 상기 부분 유사도 중 가장 큰 값의 유사도인 최대 부분 유사도 중 적어도 하나를 기초로 상기 동영상 검색 결과에 대한 랭킹을 수행하는 것
    을 특징으로 하는 동영상 검색 방법.
  11. 제7항에 있어서,
    상기 동영상 검색 결과에 대한 랭킹을 수행하는 단계는,
    상기 동영상 검색 결과에 상기 유사도가 사전에 정해진 임계치 이상인 동영상이 적어도 하나 이상 존재하는 경우 상기 동영상 검색 결과에 대한 랭킹을 수행하는 것
    을 특징으로 하는 동영상 검색 방법.
  12. 제1항, 제2항, 제4항 내지 제11항 중 어느 한 항의 동영상 검색 방법을 상기 컴퓨터 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
  13. 제1항, 제2항, 제4항 내지 제11항 중 어느 한 항의 동영상 검색 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체.
  14. 컴퓨터 시스템에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    질의에 대응되는 각 동영상의 내용분석 결과와 상기 질의에 대한 정답문서로서 동영상 타입이 아닌 다른 타입의 문서를 이용하여 상기 질의에 대한 동영상 검색 결과를 랭킹하는 랭킹부; 및
    키워드 별 대표 문서가 사전 정의된 문서 데이터베이스에서 상기 질의와 매칭되는 키워드의 대표 문서를 상기 정답문서로 선정하는 정답문서 선정부
    를 포함하는 컴퓨터 시스템.
  15. 제14항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 질의에 대응하는 문서 검색을 통해 동영상 검색 결과를 획득하는 문서 검색부; 및
    상기 정답문서를 선정하는 정답문서 선정부
    를 더 포함하고,
    상기 랭킹부는,
    상기 동영상 검색 결과에 포함된 각 동영상의 내용분석 결과와 상기 정답문서를 이용하여 상기 동영상 검색 결과를 랭킹하는 것
    을 특징으로 하는 컴퓨터 시스템.
  16. 삭제
  17. 제15항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 동영상 검색 결과에서 상위 일정 개수의 동영상을 후보 동영상으로 선정하는 후보 선정부
    를 더 포함하고,
    상기 랭킹부는,
    상기 동영상 검색 결과에 포함된 상기 후보 동영상에 대해 리랭킹을 수행하는 것
    을 특징으로 하는 컴퓨터 시스템.
  18. 제14항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 동영상 검색 결과에 포함된 동영상 별로 해당 동영상에서 텍스트 정보를 추출하는 텍스트 추출부
    를 더 포함하고,
    상기 랭킹부는,
    상기 텍스트 정보와 상기 정답문서 간의 유사도를 기초로 상기 동영상 검색 결과에 대한 랭킹을 수행하는 것
    을 특징으로 하는 컴퓨터 시스템.
  19. 제18항에 있어서,
    상기 텍스트 추출부는,
    STT 기술과 OCR 기술 중 적어도 하나를 이용하여 상기 동영상에서 상기 텍스트 정보를 추출하는 것
    을 특징으로 하는 컴퓨터 시스템.
  20. 제18항에 있어서,
    상기 랭킹부는,
    워드 임베딩 모델을 이용하여 상기 텍스트 정보와 상기 정답문서를 벡터화하고,
    상기 텍스트 정보에 해당되는 벡터와 상기 정답문서에 해당되는 벡터 간의 유사도를 계산하는 것
    을 특징으로 하는 컴퓨터 시스템.
KR1020200032092A 2020-03-16 2020-03-16 내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템 KR102353338B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200032092A KR102353338B1 (ko) 2020-03-16 2020-03-16 내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200032092A KR102353338B1 (ko) 2020-03-16 2020-03-16 내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210115789A KR20210115789A (ko) 2021-09-27
KR102353338B1 true KR102353338B1 (ko) 2022-01-19

Family

ID=77925664

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200032092A KR102353338B1 (ko) 2020-03-16 2020-03-16 내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102353338B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013128462A1 (en) * 2012-02-27 2013-09-06 Hewlett-Packard Development Company, L.P. Video search
WO2014107193A1 (en) * 2013-01-03 2014-07-10 Board Of Regents, The University Of Texas System Efficiently identifying images, videos, songs or documents most relevant to the user based on attribute feedback

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013128462A1 (en) * 2012-02-27 2013-09-06 Hewlett-Packard Development Company, L.P. Video search
WO2014107193A1 (en) * 2013-01-03 2014-07-10 Board Of Regents, The University Of Texas System Efficiently identifying images, videos, songs or documents most relevant to the user based on attribute feedback

Also Published As

Publication number Publication date
KR20210115789A (ko) 2021-09-27

Similar Documents

Publication Publication Date Title
US8577882B2 (en) Method and system for searching multilingual documents
US9489401B1 (en) Methods and systems for object recognition
KR101754473B1 (ko) 문서를 이미지 기반 컨텐츠로 요약하여 제공하는 방법 및 시스템
WO2008016102A1 (fr) dispositif de calcul de similarité et dispositif de recherche d'informations
KR20190114195A (ko) 핵심 키워드 추출 방법 및 시스템
KR102400995B1 (ko) 쇼핑 검색을 위한 상품 속성 추출 방법
EP2806336A1 (en) Text prediction in a text input associated with an image
KR101624420B1 (ko) 검색 대상의 관련 키워드를 이용한 검색 방법 및 시스템
CN105550217B (zh) 场景音乐搜索方法及场景音乐搜索装置
JP2021163482A (ja) 画像内の文字色と背景色を抽出して提供する方法、システム、およびコンピュータプログラム
US20160154885A1 (en) Method for searching a database
KR102415366B1 (ko) 서로 다른 모달의 피처를 이용한 복합 랭킹 모델을 통해 연관 이미지를 검색하는 방법 및 시스템
CN106372231A (zh) 一种搜索方法及装置
KR102277240B1 (ko) 키워드 관계 구조를 이용한 동의어 추출 방법 및 시스템
KR20170035694A (ko) 여행성 질의에 대응하는 검색 결과로 코스를 추천하는 방법 및 시스템
KR102315068B1 (ko) 문서 검색 품질 향상을 위한 문서 일관성 판단 방법 및 시스템
KR102353338B1 (ko) 내용 분석을 기반으로 동영상을 검색하는 방법 및 시스템
KR20200097949A (ko) 키워드 관계 구조를 이용한 동의어 추출 방법 및 시스템
KR102264481B1 (ko) 복수의 소셜 네트워크 서비스 내 채널을 그룹핑 하는 방법, 시스템, 및 비-일시적인 컴퓨터 판독가능한 기록 매체
KR20230120759A (ko) 내용 분석을 이용한 실시간 영상 검색 방법
KR102195191B1 (ko) 키워드 관계 구조를 이용한 신규 키워드 추출 방법 및 시스템
JP2009069874A (ja) コンテンツ検索装置、コンテンツ検索方法、プログラム、および記録媒体
KR102227741B1 (ko) 타이틀 매칭 점수를 기반으로 한 장소 검색 방법 및 시스템
KR20190000061A (ko) 키워드 속성을 기준으로 관련 있는 키워드를 제공하는 방법 및 시스템
KR101837341B1 (ko) 비디오 콘텐츠를 분할하는 방법 및 시스템

Legal Events

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