KR102454261B1 - 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법 - Google Patents
사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102454261B1 KR102454261B1 KR1020200067050A KR20200067050A KR102454261B1 KR 102454261 B1 KR102454261 B1 KR 102454261B1 KR 1020200067050 A KR1020200067050 A KR 1020200067050A KR 20200067050 A KR20200067050 A KR 20200067050A KR 102454261 B1 KR102454261 B1 KR 102454261B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- similarity
- user
- knowledge
- network
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005516 engineering process Methods 0.000 claims description 88
- 238000012827 research and development Methods 0.000 claims description 34
- 230000000694 effects Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 50
- 238000013500 data storage Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 235000014510 cooky Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- FGRBYDKOBBBPOI-UHFFFAOYSA-N 10,10-dioxo-2-[4-(N-phenylanilino)phenyl]thioxanthen-9-one Chemical compound O=C1c2ccccc2S(=O)(=O)c2ccc(cc12)-c1ccc(cc1)N(c1ccccc1)c1ccccc1 FGRBYDKOBBBPOI-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법에 관한 것으로서, 본 발명에서는, 연구자 데이터베이스를 구비하고 제공받은 사용자 정보 기반으로 추천 협업 파트너 정보를 생성하고 사용자들에게 제공하는 운영컴퓨터와, 상기 운영컴퓨터와 통신 접속된 사용자단말기에서 출력 또는 실행되어 사용자 정보의 제공 및 추천 협업 파트너 추천 정보를 이용하는 사용자인터페이스를 포함하는 시스템에서, 상기 운영컴퓨터는, 다양한 분야의 과학기술 지식정보를 기초로 지식정보 유사도 네트워크를 구축하는 수단과; 상기 사용자 정보를 기반으로 상기 지식정보 유사도 네트워크 내에서의 사용자 유사도를 산출하는 수단과; 상기 사용자 유사도 정보 및 사용자의 시스템 이용 정보를 기초로 상기 지식정보 유사도 네트워크 내 사용자의 유사도를 재설정하는 수단과; 재설정된 사용자의 유사도를 기초로 협업 파트너 추천 정보를 생성시켜 상기 사용자인터페이스에 제공하는 수단을 포함하는 사용자 정보 기반 협업 파트너 추천 시스템 및 이를 이용한 방법이 제시된다.
Description
본 발명은 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법에 관한 것이다. 더 상세하게는 사용자 정보를 기반으로 사용자에게 맞춤형 전문가, 친구 또는 혁신파트너를 추천하는 것으로서, 각 다양한 분야의 과학기술 지식정보의 효율적인 추천을 위해 특허정보, 논문정보 및 사용자 정보들 간의 과학기술 지식정보를 연결할 수 있는 최상위 과학기술 연구개발 분류체계를 구축하고, 구축된 최상위 과학기술 연구개발 분류체계를 기준으로 과학기술 메타데이터(과학기술 지식정보) 유사도 네트워크를 구축하고, 지식정보 유사도 네트워크 내 회원 유사도를 산출하고, 회원정보와 연구자 데이터베이스의 매칭 데이터 및 소셜네트워크에서 추출한 팔로잉/팔로우 내역 정보를 추가하여 지식정보 유사도 네트워크 내의 사용자 간 유사도를 재산출하여, 사용자에게 맞춤형으로 협업 전문가, 친구 또는 혁신파트너 추천 또는 검색 목록을 생성하여 사용자에게 제공하는 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법에 관한 것이다.
산업계, 학계 및 연구소(산학연)의 개발자 및 연구자(이하 '연구자'라 함)들은 지속적인 산업기술 및 과학기술의 연구개발을 하고 있고, 그 성과를 내고 있다. 연구개발의 경우 단독으로 수행하는 경우도 있지만, 여러 파트너들이 협업을 통하여 의미있는 연구개발의 성과를 내는 경우가 많이 있다.
연구개발의 협업의 경우 산학연의 같은 조직 내에 가능한 경우는 연구개발의 파트너를 찾기가 용이하지만, 환경이 그렇지 않은 경우에는 연구개발의 협업 파트너를 찾는다는 것이 시간과 노력이 많이 들고, 파트너를 찾았다 해도 파트너의 분석 정보가 미미하여 충분하게 검증되지 않아서 종국에 가서는 연구개발의 성과를 내지 목하는 경우가 발생하는 문제가 있다.
이러한 문제점을 해결하기 위한 발명으로서, 대한민국 공개특허번호 제10-2014-0067697호(공개일: 2014년06월05일)의 협업 파트너 검색 서비스를 제공하는 시스템 및 방법의 발명이 공개되어 있다.
상기 공개발명은, NTIS에서 제공하는 양질의 국가R&D정보에 대한 분석 대상 데이터의 테이블값으로부터 키워드를 추출하고 추출된 키워드에 대해 설정된 관계식을 토대로 인물이 갖는 전문성 정보 도출하며 도출된 인물이 가지는 전문성 정보에 대해 속성 정보 및 링크 정보를 토대로 인물과 인물 간의 협업 관계를 지식맵으로 도출함에 따라, 키워드로 입력된 특정 주제에 대한 인물의 전문성 정보를 판단하고 네트워크 관계를 분석하여 지식맵 형태로 제공함으로써 기존에 전문가 추천 서비스에서 제공하는 리스트 형태의 서비스 보다, 보다 더 정확하고, 특화된 서비스를 제공할 수 있고, 연구자로 하여금 협업관계를 찾거나 전문가를 찾을 때 보다 더 쉽고 양질의 서비스를 제공할 수 있는 발명이다.
상기 공개발명은 인물과 인물 간의 전문성 정보를 지식맵 형태로 제공하여 연구자가 협업 전문가를 용이하게 찾을 수 있는 발명이다. 그러나 상기 공개발명은 특정 인물이 갖는 전문성 정보만을 기초로 지식맵을 생성하는 것으로서, 사용자 정보를 기반으로 하고 정확한 맞춤형 파트너 정보를 제공할 수 없는 문제가 있다.
따라서, 사용자 정보 기반으로 그 사용자에게 보다 적합한 협업 파트너 정보를 제공하기 위해, 지식정보 유사도 네트워크를 구축하고, 그 지식정보 유사도 네트워크 내에서 사용자 유사도를 산출하고, 상기 사용자 유사도에 사용자들 간의 유사도, 연구자데이터베이스에서 사용자 정보와 매칭되는 정보, 사용자의 활동지수 정보 및 사용자의 소셜네트워크에서의 팔로잉/팔로우 내역 정보를 추가하여 사용자 간 유사도를 재산출하고, 이를 기초로 협업 파트너 추천 및 검색목록을 산출하여 사용자들에게 제공하는 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법의 발명이 요망된다.
본 발명은 상기 종래기술의 문제점을 해결하기 위한 것으로, 본 발명의 목적은 사용자 정보 기반으로 그 사용자에게 보다 적합한 협업 파트너 정보를 제공하기 위해, 지식정보 유사도 네트워크를 구축하고, 그 지식정보 유사도 네트워크 내에서 사용자 유사도를 산출하고, 상기 사용자 유사도에 사용자들 간의 유사도, 연구자데이터베이스에서 사용자 정보와 매칭되는 정보, 사용자의 활동지수 정보 및 사용자의 소셜네트워크에서의 팔로잉/팔로우 내역 정보를 추가하여 사용자 간 유사도를 재산출하고, 이를 기초로 협업 파트너 추천 및 검색목록을 산출하여 사용자들에게 제공하는 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법을 제공함에 있다.
상기 본 발명의 목적을 달성하기 위한 기술적 해결 수단으로서, 본 발명의 제1 관점으로, 연구자 데이터베이스를 구비하고 제공받은 사용자 정보 기반으로 추천 협업 파트너 정보를 추출하고 사용자들에게 제공하는 운영컴퓨터와, 상기 운영컴퓨터에서 관리 또는 제공하는 사용자인터페이스를 출력시키고 사용자 정보의 제공 및 추천 협업 파트너 정보를 이용하는 사용자단말기를 포함하는 시스템에서,
상기 운영컴퓨터는, 다양한 분야의 과학기술 지식정보를 기초로 과학기술 지식정보 유사도 네트워크를 구축하는 수단과; 상기 사용자 정보를 기반으로 상기 지식정보 유사도 네트워크 내에서의 사용자 유사도를 산출하는 수단과; 상기 지식정보 유사도 네트워크에서 설정된 조건에 따른 회원 정보를 추출하는 수단과; 추출된 회원간의 유사도를 산출하는 수단과; 산출된 상기 회원간의 유사도에 상기 사용자 정보와 구비하고 있는 연구자 정보의 매칭정보 또는 연구자 영향지수, 사용자의 소셜네트워킹에 관한 팔로잉/팔로우 내역정보 및 회원의 활동지수를 추가하여 회원간 유사도를 재산출하는 수단과; 재산출된 회원간 유사도 정보를 기초로 협업 파트너 추천 또는 검색목록을 생성하여 사용자인터페이스에 제공하는 수단을 포함하는 사용자 정보 기반 협업 파트너 추천 시스템이 제시된다.
또한, 본 발명의 제2 관점으로, 연구자 데이터베이스를 구비하고 제공받은 사용자 정보 기반으로 추천 협업 파트너 정보를 추출하고 사용자들에게 제공하는 운영컴퓨터와, 상기 운영컴퓨터에서 관리 또는 제공하는 사용자인터페이스를 출력시키고 사용자 정보의 제공 및 추천 협업 파트너 정보를 이용하는 사용자단말기를 포함하는 시스템을 이용한 방법에 있어서,
상기 운영컴퓨터가 다양한 분야의 과학기술 지식정보를 기초로 지식정보 유사도 네트워크를 구축하는 단계와; 상기 운영컴퓨터가 상기 사용자 정보를 기반으로 상기 지식정보 유사도 네트워크 내에서의 사용자 초기 유사도를 산출하는 단계와; 상기 운영컴퓨터가 상기 지식정보 유사도 네트워크에서 추천 또는 지정된 조건에 따른 회원 정보를 추출하는 단계와; 상기 운영컴퓨터가 추출된 회원간의 유사도를 산출하는 단계와; 상기 운영컴퓨터가 회원정보, 산출된 상기 회원간의 유사도 정보, 상기 사용자 정보와 구비하고 있는 연구자 데이터베이스에서의 연구자 영향지수 정보, 사용자의 서비스 이용에 따른 활동지수 정보 및 사용자의 소셜네트워킹에 관한 팔로잉/팔로우 내역정보를 반영하여 회원간 유사도를 재산출하는 단계와; 상기 운영컴퓨터가 재산출된 회원간 유사도 정보를 기초로 협업 파트너 추천 리스트 또는 검색목록을 생성하여 사용자인터페이스에 제공하는 단계를 포함하는 사용자 정보 기반 협업 파트너 추천 방법이 제시된다.
본 발명에 의하면, 사용자 정보 기반으로 그 사용자에게 보다 적합한 협업 파트너 정보를 제공하기 위해, 지식정보 유사도 네트워크를 구축하고, 그 지식정보 유사도 네트워크 내에서 사용자 유사도를 산출하고, 상기 사용자 유사도에 사용자들 간의 유사도, 연구자데이터베이스에서 사용자 정보와 매칭되는 정보, 사용자의 활동지수 정보 및 사용자의 소셜네트워크에서의 팔로잉/팔로우 내역 정보를 추가하여 사용자 간 유사도를 재산출하고, 이를 기초로 협업 파트너 추천 및 검색목록을 산출하여 사용자들에게 제공함으로써, 사용자에게 보다 적합한 맞춤형 협업 파트너 정보를 제공할 수 있고, 이로 인해 산학연 연구개발 전문가간의 상호 추천을 통한 정보교류의 증대 및 연구개발에 있어서 최적의 협업을 구현하여 사회적 자본을 형성할 수 있는 효과가 있다.
도 1`은 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 실시예에 관한 개략적인 구성도이다.
도 2는 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 주요부인 운영컴퓨터의 실시예에 관한 개략적인 구성도이다.
도 3은 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 실시예를 설명하기 위한 흐름도이다.
도 4는 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 주요부를 설명하기 위한 흐름도이다.
도 5는 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 주요부를 설명하기 위한 흐름도이다.
도 2는 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 주요부인 운영컴퓨터의 실시예에 관한 개략적인 구성도이다.
도 3은 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 실시예를 설명하기 위한 흐름도이다.
도 4는 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 주요부를 설명하기 위한 흐름도이다.
도 5는 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 주요부를 설명하기 위한 흐름도이다.
이하에서 본 발명의 실시예를 첨부한 도면을 참조하면서 상세히 설명하기로 한다.
본 발명의 실시예에서 사용되는 용어는 그 자체에 한정되는 것이 아니고 이 기술분야의 통상의 지식을 가진 자가 대체하여 사용할 수 있는 다양한 용어와 같은 의미로 사용될 수 있다.
본 발명의 실시예의 설명에 사용되는 용어에 관해 정의하기로 한다. 본 발명에서 사용하는 각종 컴퓨터 및 단말기는 하드웨어 자체 구성일 수 있고, 그 하드웨어 자원을 활용하는 컴퓨터 프로그램, 웹프로그램의 구성일 수 있다. 예를 들면 본 발명의 운영컴퓨터는 컴퓨터에 포함된 하드웨어의 각 구성으로 이루어질 수 있고, 그 컴퓨터의 하드웨어 자원을 활용하여 실행되는 컴퓨터 프로그램 또는 웹프로그램으로 이루어질 수 있다.
또한, 본 발명의 실시예에 설명되는 '사용자인터페이스'는 사용자단말기에 출력되거나 설치되어 실행되는 웹프로그램 또는 어플리케이션프로그램일 수 있다.
또한, 본 발명의 실시예에서 설명되는 '~부 또는 ~모듈'은 '~수단'으로도 대체하여 사용할 수 있다. 여기에서 '~부' 또는 '~수단'은 하드웨어 자체의 구성요소일 수 있고 바람직하게는 소프트웨어 또는 프로그램의 구성요소로 구성될 수 있다.
또한, 본 발명의 실시예 설명에 사용되는 '사용자'는 '회원'으로 혼용하여 사용될 수도 있다.
또한, 본 발명의 실시예에서 데이터저장부를 성격별로 구분하여 도시하고 설명했지만, 이에 한정되는 것은 아니고 각각 저장부의 분리, 통합 및 재구분 등을 할 수 있음은 당연하다.
도 1은 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 실시예에 관한 개략적인 구성도이다.
도 1에 도시한 바와 같이 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템은, 제공받은 사용자 정보 기반으로 추천 협업 파트너 정보를 추출하고 사용자들에게 제공하는 운영컴퓨터(100)와,
상기 운영컴퓨터(100)가 제공하는 본 발명의 시스템의 서비스를 이용하기 위해 상기 사용자단말기로 접속하여 회원가입을 한 사용자들의 회원정보룰 저장하는 회원정보저장부(210)와; 회원들의 상기 운영컴퓨터(100)가 제공하는 협업 파트너 추천 정보의 이용 정보를 저장하는 회원이용정보저장부(220)와; 상기 회원들의 협업 파트너 추천 정보의 이용 정보를 기초로 산출한 회원들의 활동 지수 정보를 저장하는 회원활동지수저장부(230)와; 본 발명의 시스템을 이용한 서비스와 관련하여 회원들이 자신의 소셜네트워크서비스를 통하여 활동 또는 리액션 등의 내역 정보를 저장하는 팔로잉/팔로우 내역 정보저장부(240)을 포함하는 회원정보데이타저장부(200)와,
자체 보유하여 주기적 또는 실시간 업데이트되거나 외부의 특허청보제공컴퓨터로부터 수집한 세계 각국의 특허정보를 저장하는 특허정보데이터저장부(310)와; 자체 보유하여 주기적 또는 실시간 업데이트되거나 외부의 논문청보제공컴퓨터로부터 수집한 세계 각구의 논문정보를 저장하는 논문정보데이터저장부(320)와; 사용자가 회원 가입시 사용자인터페이스에서 선택 또는 입력한 산업분류 정보를 저장하고 관리하는 산업분류정보저장부(330)와; 사용자가 회원 가입시 사용자인터페이스에서 선택 또는 입력한 사용자의 관심사(분야) 정보를 저장하고 관리하는 관심분야정보저장부(340)와; 사용자가 회원 가입시 사용자인터페이스에서 선택 또는 입력한 사용자의 현재 전문분야 정보를 저장하고 관리하는 전문분야정보저장부(350)와; 사용자가 회원 가입시 사용자인터페이스에서 선택 또는 입력한 사용자의 대학전공 정보를 저장하고 관리하는 대학전공정보저장부(360)을 포함하는 지식정보데이터저장부(300)와,
대량의 과학기술 문서에서 분석 및 학습을 통하여 수행한 과학기술 단어 유사도 모델을 저장하고 관리하는 과학기술단어유사도모델저장부(410)와; 과학기술 지식정보를 연결할 수 있도록 국제적인 과학기술분류체계 및 국내 과학기술분류체계를 정리하여 구축한 최상위 과학기술 R&D 분류체계를 저장하고 관리하는 최상위과학기술R&D분류정보저장부(420)와; 과학기술 단어 유사도 모델을 이용하여 최상위 과학기술 R&D 분류체계 간의 유사도를 계산하여 구축한 기준 과학기술 지식정보 유사도 네트워크 정보를 저장하고 관리하는 기준과학기술 지식정보네트워크정보저장부(430)와; 기준 과학기술 지식정보 유사도 네트워크에 과학기술 지식정보를 추가하여 구축한 과학기술 지식정보 유사도 네트워크 정보를 저장하는 과학기술의 지식정보유사도네트워크정보저장부(440)를 포함하는 지식정보활용데이터저장부(400)와,
수집된 세계 각국의 산업계, 학계 및 연구계의 연구자 정보를 저장한 연구자정보저장부(500)와,
상기 운영컴퓨터(100)에 통신 접속되어 회원 가입시 개인정보, 속해 있는 산업분야, 관심분야, 현재의 전문분야 및 대학전공 등을 제공하고 상기 운영컴퓨터(100)로부터 맞춤형 협업 파트너 추천정보를 제공받는 적어도 하나의 사용자단말기(600)와;
상기 운영컴퓨터(100)와 통신 접속되어 상기 운영컴퓨터의 정보 제공 요청에 따라서 과학기술 관련 연구자 정보를 제공하는 연구자정보제공컴터(700)와;
상기 운영컴퓨터(100)와 통신 접속되어 상기 운영컴퓨터의 정보 제공 요청에 따라서 특허정보를 제공하는 특허정보제공컴퓨터(800)와;
상기 운영컴퓨터(100)와 통신 접속되어 상기 운영컴퓨터(100)의 정보 제공 요청에 따라서 논문정보를 제공하는 논문정보제공컴퓨터(900)와;
상기 운영컴퓨터(100)가 통신 접속하여 사용자들의 소셜네트워크 상에서의 활동 내역(팔로잉/팔로우) 정보를 수집하는 소셜네트워크(SNS)매체(1000)를 포함하는 구성이다.
상기 운영컴퓨터(100), 연구자정보제공컴퓨터(700), 특허정보제공컴퓨터(800) 및 논문정보제공컴퓨터(900)는 자체 데이터저장수단을 구비하거나 외부 데이터저장수단과 통신 접속되고, 본 발명의 협업 파트너 추천 시스템과학기술 지식정보 추천 시스템의 운용 및 이용을 위한 수단을 구비한 적어도 하나의 서버 컴퓨터로 구성될 수 있다.
상기 연구자정보제공컴퓨터(700)는 대량의 과학기술 연구자 정보를 구비하고 있는 다양한 공공 또는 사기업의 연구자 데이터베이스를 국가별로 수집하여 제공할 수 있는 적어도 하나의 서버 컴퓨터 또는 데이터베이스관리시스템(DBMS)를 포함할 수 있다. 상기 특허정보제공컴퓨터(800)는 각국의 특허청 특허정보 데이터베이스 서버 또는 세계 각국의 통합 특허정보 데이터베이스를 제공하는 서버 컴퓨터 또는 데이터베이스관리시스템(DBMS)를 포함할 수 있다. 각국의 특허정보 데이터베이스는 예를 들면, 대한민국의 경우 국내 특허정보를 포함한 지식재산권 정보를 구비하여 사용자에게 제공하는 웹사이트 'www.kipris.or.kr'가 구비한 데이터베이스를 들 수 있고, 세계 각국의 통합 특허정보 데이터베이스는 세계 각국의 특허정보를 구비하여 사용자에게 제공하는 웹사이트 'www.escape.net'이 구비한 데이터베이스를 들 수 있다.
상기 논문정보제공컴퓨터(900)는 각국의 논문정보 데이터베이스 서버 또는 세계 각국의 통합 논문정보 데이터베이스를 제공하는 서버를 포함할 수 있다. 각국의 특허정보 데이터베이스 및 는 예를 들면, 대한민국의 경우 국내 논문정보 및 세계 각국의 통합 논문정보를 포함한 논문정보를 구비하여 사용자에게 제공하는 웹사이트 'www.ndsl.kr'가 구비한 데이터베이스를 들 수 있다.
상기 회원정보데이터저장부(200), 과학기술 지식정보데이터저장부(300), 지식정보활용데이터저장부(400) 및 연구자정보저장부(500)는 상기 운영컴퓨터(100)가 구비한 데이터저장수단으로 구성될 수 있고, 바람직하게는 데이터베이스관리서버시스템(DBMS)으로 구성될 수 있다. 또한, 하나의 서버시스템으로 구성될 수 있고 각각 분리된 서버시스템으로 구성될 수 있다.
상기 회원정보데이터저장부(200), 지식정보데이터저장부(300), 지식정보활용데이터저장부(400) 및 연구자정보저장부(500)를 각각 분리해서 설명했으나, 이에 한정되는 것은 아니다. 통합된 저장 및 관리수단을 이용하여 구성할 수 있고, 상기 회원정보데이터저장부(200), 지식정보데이터저장부(300) 및 지식정보활용데이터저장부(400)에 포함된 것으로 설명한 각각의 저장부도 이용 및 기능면에서 필요에 따라 그 배치를 변경하여 구성될 수 있음은 물론이다.
상기 사용자단말기(600)는 상기 운영컴퓨터(100)가 제공하는 웹사이트 또는 웹프로그램으로 이루어진 사용자인터페이스를 출력시키거나, 상기 운영컴퓨터(100) 또는 애플리케이션 프로그램 다운로드 컴퓨터에서 제공하는 사용자인터페이스를 다운로드하여 실행시키거나, 또는 클라우드컴퓨팅시스템에 접속하여 사용자인터페이스를 출력시킬 수 있는 수단을 구비한, 휴대전화, 스마트폰, 태블릿컴퓨터, 노트북 또는 개인용컴퓨터(PC) 등으로 구성될 수 있다.
도 2는 본 발명의 사용자정보 기반 협업 파트너 추천 시스템의 주요부인 운영컴퓨터의 실시예에 관한 개략적인 구성도이다.
보다 상세하게는 상기 운영컴퓨터(100)의 하드웨어 자원을 활용하여 실행되는 컴퓨터프로그램 등의 구성으로 설명될 수 있다.
도 2에 도시한 바와 같이 본 발명의 운영컴퓨터(100)는, 사용자단말기에 제공할 사용자인터페이스의 식별정보 및 업데이트 정보 등을 관리하는 사용자인터페이스관리부(101)와; 세계 각국의 과학기술 관련 연구자 정보, 특허정보, 논문정보 등을 수집하고 관리하는 과학기술정보수집관리부(102)와; 수집되거나 자체 보유한 연구자 정보에서 연구자의 논문 및 특허의 수를 기초로 영향지수를 산출하여 해당 연구자 정보에 반영하고 관리하는 연구자영향지수산출관리부(103)와; 본 발명의 협업 파트너 추천 시스템을 이용하는 사용자들이 회원으로 가입한 기본적인 회원정보 및 회원 노드별 점수 정보를 저장시키고 관리하는 회원정보관리부(104)와; 상기 사용자들이 회원 가입시 선택 또는 입력한 산업분류, 관심분야, 전문분야 및 대학전공을 포함하는 회원 정보를 이용하여 구축된 지식정보 유사도 네트워크 내의 회원의 초기 유사도를 산출하여 관리하는 회원유사도산출관리부(105)와; 구축된 지식정보 유사도 네트워크 내에서 미리 지정된 조건에 따라 이에 매칭되는 회원들을 검색하는 회원정보검색관리부(106)와; 지식정보 유사도 네트워크 내의 검색된 회원들 간의 유사도를 산출하여 관리하는 회원간유사도산출관리부(107)와; 회원 정보와 보유하고 있는 연구자 데이터베이스에서의 매칭 정보를 추출하고 관리하는 회원-연구자매칭정보관리부(108)와; 회원의 본 발명의 협업 파트너 시스템의 이용 정보를 수집하여 관리하는 회원이용정보관리부(109)와; 상기 회원의 이용정보를 기초로 회원의 본 발명의 협업 파트너 추천 시스템에서의 활동 지수를 산출하고 관리하는 회원활동지수산출관리부(110)와; 회원들이 사용하는 소셜네트워크서비스에서의 본 발명의 협업 파트너 추천 시스템 관련 활동 내역(팔로잉/팔로우) 정보를 수집하고 관리하는 팔로잉/팔로우내역정보관리부(111)와; 상기 회원간유사도산출관리부(107)에서 산출된 회원간유사도 정보에 상기 회원정보, 상기 회원-연구자매칭정보관리부(108)에서 연구자 정보 내에 활성화된 데이터와, 상기 회원활동지수산출관리부(110)에서 산출된 회원들의 회원활동지수 정보 및 상기 팔로잉/팔로우내역정보관리부(111)에서 수집된 팔로잉/팔로우 내역 정보를 반영하여 회원들 간의 유사도를 재산출하여 관리하는 회원간유사도재산출관리부(112)와; 상기 회원간유사도재산출관리부(112)에서 재산출된 회원간의 유사도 정보를 기초로 추천할 협업 파트너 정보를 생성하여 관리하는 협업파트너추천정보생성관리부(113)와; 대량의 과학기술 문서에서 분석과 학습을 통하여 단어의 유사도 모델을 구축하고 관리하는 과학기술단어유사도모델정보관리부(114)와; 과학기술 지식정보를 연결할 수 있도록 국제적인 과학기술분류체계 및 국내 과학기술분류체계를 정리하여 구축한 최상위 과학기술 R&D 분류체계를 구축하고 관리하는 최상위과학기술R&D분류정보관리부(115)와; 과학기술 단어 유사도 모델을 이용하여 최상위 과학기술 R&D 분류체계 간의 유사도를 계산하여 구축한 기준 과학기술 지식정보 유사도 네트워크를 구축하고 관리하는 기준과학기술 지식정보유사도네트워크정보관리부(116)와; 상기 기준 과학기술 지식정보 유사도 네트워크에 과학기술 지식정보를 추가하여 과학기술 지식정보 유사도 네트워크를 구축하고 관리하는 과학기술 지식정보유사도네트워크정보관리부(117)와; 상기 과학기술정보수집관리부(102)에서 수집한 세계 각국의 특허정보를 저장 및 추출 등의 관리를 수행하는 특허정보관리부(118)와; 상기 과학기술정보수집관리부(102)에서 수집한 세계 각국의 과학기술 관련 논문정보를 저장 및 추출 등의 관리를 수행하는 논문정보관리부(119)와; 사용자가 회원 가입시 사용자인터페이스에서 선택 또는 입력한 산업분류 정보를 수신하여 저장시키고 관리하는 산업분류정보관리부(120)와; 사용자가 회원 가입시 사용자인터페이스에서 선택 또는 입력한 사용자의 관심사(분야) 정보 및 사용자의 현재 전문분야 정보를 수신하여 저장시키고 관리하는 관심/전문분야정보관리부(121)와; 사용자가 회원 가입시 사용자인터페이스에서 선택 또는 입력한 사용자의 대학전공 정보를 수신하여 저장시키고 관리하는 대학전공정보관리부(122)를 포함하는 구성이다.
상기 회원정보관리부(104)는, 구축된 지식정보 유사도 네트워크 내 회원의 노드 관리를 수행한다. 회원은 노드 별로 점수를 가지고 가장 높은 점수를 갖는 노드에 속할 수 있다. 상기 회원의 노드별 점수 관리는, 사용자가 본 발명의 시스템에 회원 가입할 때 입력한 회원 기본정보를 기초로 초기 노드를 설정하고, 사용자가 선택한 대학전공, 산업분류, 관심분야 및 전문분야에 해당하는 노드에 점수를 추가하고, 본 발명의 시스템에서의 조회, 검색 및 스크랩 등의 회원의 활동에 가중치를 부여하고, 추가적으로 쿠키를 이용하여 조회 시간 등의 데이터를 수집하여, 회원이 본 발명의 지식정보 추천 시스템의 서비스를 이용하면 가중치와 쿠키를 이용해 수집한 데이터를 토대로 점수를 계산하고, 이용 내역에 해당하는 노드에 점수 추가하도록 구성될 수 있다.
또한, 회원의 회원정보(대학 전공, 산업, 관심사 및 전문분야)에 대한 수정이 있을 때 해당하는 노드의 점수를 가감하는 것을 통해 회원의 노드 점수 계산하도록 구성될 수 있다.
상기 도 1 및 도 2를 참조하여 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 실시예의 작용에 관해 상세히 설명하기로 한다.
상기 운영컴퓨터(100)는 본 발명의 과학기술 지식정보 추천 시스템을 이용하고자 하는 사용자들로부터 회원가입을 받고, 사용자들이 회원 가입시 제공한 기본적인 회원정보 및 산업분류, 관심분야, 전문분야 및 대학전공과 같은 사용자 과학기술 지식정보를 수신하여 관리한다.
또한, 상기 운영컴퓨터(100)는 연구자정보저장부(500)에 자체 보유 및 외부의 연구자정보제공컴퓨터(700)로부터 제공받은 과학기술 관련 산학연 연구자 정보를 상기 연구자정보저장부(500)에 업데이트시키면서 관리한다.
<지식정보 유사도 네트워크 구축>
이하에서는 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템에서의 지식정보 유사도 네트워크의 구축 과정을 설명하기로 한다. 본 발명에서는 최상위 과학기술 R&D 분류체계를 기본으로 하는 과학기술 메타데이터 유사도 네트워크를 구축함에 있어서, 최상위 과학기술 R&D 분류체계간의 유사도를 토대로 구축한 기준 지식정보 유사도 네트워크를 이용하여 과학기술분야 지식정보를 추가한 지식정보 유사도 네트워크를 구축하도록 구성될 수 있다.
더 상세하게는 이하의 설명과 같은 과정을 통하여 지식정보 유사도 네트워크가 구축될 수 있다.,
상기 운영컴퓨터(100)는, 자체 수집하거나 외부에서 전송한 대량의 과학기술 문서 파일을 기초로 각 과학기술 문서에서 불필요한 문단을 제외한 주요 본문을 추출하고, 추출된 과학기술 문서의 본문에서 형태소 분석 알고리즘을 이용하여 본문 중의 명사 단어만을 추출한 후, 전치사, 관사 등 많이 등장하는 단어 등 문장이나 문서의 특징을 표현하는데 불필요한 단어를 삭제하는 불용어 처리를 수행한다.
여기서, 형태소 분석 알고리즘에서의 형태소란 언어에 있어서 "최소 의미 단위"를 말한다. 이 때 의미는 어휘적 의미와 문법적 의미를 모두 포함한다. 형태소 분석이란 형태소 보다 단위가 큰 언어 단위인 어절, 혹은 문장을 최소 의미 단위인 형태소로 분절하는 과정을 의미한다.
대량의 과학기술 문서 파일에서 추출하여 불용어 처리된 명사 단어 간의 의미를 특정 벡터 값으로 계산을 하고 인공신경망 학습 또는 머신러닝의 일종인 비지도 학습(unsupervised learning) 알고리즘을 적용하여 추출된 단어간의 유사도 모델을 구축한다.
여기서, 비지도 학습 알고리즘은, 입력 데이터에 대한 목표값이 없이 데이터가 어떻게 구성되었는지를 알아내는 것으로서, 비정제 데이터를 입력하여 훈련 데이터가 없이 데이터의 특징 요약과 군집(clustering)을 수행함으로써, 목표값을 정해주지 않아도 되고 사전 학습이 필요 없으므로 속도가 빠른 머신러닝 방법이다.
상기 대량의 과학기술 문서에서의 단어 유사도 모델의 구축을 정리하면, 대량의 과학기술문서 데이터베이스에서 각 과학기술문서에서 본문을 추출하고, 이 과정에서 본문 중 불필요한 문단은 제외시킴, 추출된 주요 본문에서 명사로 이루어진 단어를 추출하고, 추출된 단에에서 불용어 처리를 수행하고, 그 단어를 기반으로 인공신경망 또는 머신러닝 학습을 통하여 과학기술 관련 단어 유사도 모델을 구축한다. 즉, 대량의 과학기술 문서 파일에서 텍스트 데이터의 전처리를 수행하고, 인공신경망(neural network) 또는 머신러닝(machine learning)을 통한 학습을 통해 과학기술 관련 단어 유사도 모델을 구축할 수 있다.
다시 정리하면, 자체 수집하거나 외부에서 전송한 대량의 과학기술 문서 파일을 기초로 각 과학기술 문서 내 문장과 단어의 유사도를 계산하고, 유사도 비교를 통해 문장과 단어에 가중치를 매겨 불필요한 문단을 제외한 주요 본문을 추출하고, 추출된 과학기술 문서의 본문에서 형태소 분석 기법을 이용하여 명사 단어만을 추출하고, 등장 빈도가 적은 단어, 길이가 짧은 단어 등 문장이나 문서의 특징을 표현하는데 불필요한 단어를 삭제하는 불용어 처리를 수행하고, 불용어 처리된 단어 간의 의미를 특정 벡터 값으로 계산하여 모델 학습을 위한 트레이닝 데이터를 구축하고, 인공신경망 또는 머신러닝의 일종인 비지도 학습(unsupervised learning) 알고리즘을 적용한 모델을 학습하여 추출된 단어간의 유사도 모델을 구축하도록 구성될 수 있다.
또한, 상기 운영컴퓨터(100)는 각각 이질적인 과학기술 분야 과학기술 지식정보들, 예를 들면 과학기술관련 논문, 특허 및 과학기술 전문가인 사용자 정보, 간의 효과적인 과학기술 지식정보 추천 시스템을 구축하기 위한 과학기술 지식정보를 연결할 수 있는 최상위 과학기술 R&D 분류체계를 구축한다. 상기 최상위 과학기술 R&D 분류체계의 구축은 국내는 물론 국제적인 정보를 활용할 수 있다. 예를 들면, OECD의 FORD 체계와 대한민국의 국가과학기술분류체계를 정리 및 통합하여 구축할 수 있다. 그 구축 형태의 예로서, 수학분야를, 대분류로 수학, 중분류를 대수학, 소분류를 선형대수와 같이 분류체계를 구축할 수 있다.
상기 운영컴퓨터(100)는 구축된 상기 과학기술 관련 단어 유사도 모델을 이용하여 구축된 상기 최상위 과학기술 R&D 분류체계 간의 유사도를 산출하여 기준 과학기술 지식정보 유사도 네트워크를 구축한다. 그 방법으로 1차적으로, 과학기술 관련 단어 유사도 모델을 개입시켜 최상위 과학기술 R&D 분류체계의 소분류 간의 유사도를 산출하고, 최상위 과학기술 R&D 분류체계의 대분류 및 중분류를 이용해 유사도를 세부 조정하여 과학기술 지식정보 유사도 네트워크를 구축한다. 여기서, 최상위 과학기술 R&D 분류체계의 소분류는 노드가 되고, 유사도는 관계가 될 수 있다.
정리하면, 과학기술 관련 단어 유사도 모델을 개입시켜 최상위 과학기술 R&D 분류체계의 단계별 유사도를 계산한 뒤, 가중치에 따라 유사도를 재산출하여 지식정보 유사도 네트워크를 구축할 수 있다.
구축된 기준 과학기술 지식정보 유사도 네트워크의 형태는 아래 표 1과 같이 관리될 수 있다.
| A분류 | B분류 | C분류 | D분류 | |
| A분류 | 1 | 0.2 | 0.7 | 0.5 |
| B분류 | 0.2 | 1 | 0.4 | 0.1 |
| C분류 | 0.7 | 0.4 | 1 | 0.9 |
| D분류 | 0.5 | 0.1 | 0.9 | 1 |
상기 운영컴퓨터(100)는 구축된 상기 기준 과학기술 지식정보 유사도 네트워크에 다양한 과학기술분야의 과학기술 지식정보를 추가하여 과학기술의 지식정보 유사도 네트워크를 구축한다.
상기 과학기술 지식정보 유사도 네트워크의 구축의 실시예로서, 활용할 과학기술 지식정보는 특허정보, 논문정보, 회원들의 산업분류, 관심분야, 전문분야 및 대학전공 등의 과학기술 분야의 과학기술 지식정보를 들 수 있다.
상기 과학기술 지식정보 유사도 네트워크의 구축에 활용되는 특허정보와 관련해서는, 국제특허분류(IPC: International Patent Classification)와 발명의 키워드를 이용하여 기준 과학기술 지식정보 유사도 네트워크에 추가하고, 과학기술 단어 유사도 모델을 이용하여 국제특허분류(IPC) 정보를 설명하는 문장 또는 단어 집합과 노드 간의 유사도를 산출함으로써 특정 특허발명이 어떤 노드에 속하는지를 결정할 수 있다. 이 경우 하나의 특허발명은 복수의 노드를 가질 수 있음은 당연하다.
구체적으로는, TF-IDF(Term Frequency - Inverse Document Frequency)를 이용하여 너무 잦은 의미 없는 단어를 정제하고 불용어를 처리한 후, 자체적으로 발전시킨 Text-Rank 기법을 통해 키워드를 추출하고, 과학기술 단어 유사도 모델을 이용하여 키워드와 노드간의 유사도를 계산하여 산출하고, 산출된 유사도를 정규화시킴으로써, 키워드가 노드 내부에서의 깊이를 결정하도록 작용을 한다.
상기 TF-IDF는 정보 검색과 텍스트 마이닝에서 이용하는 가중치로, 여러 문서로 이루어진 문서군이 있을 때 어떤 단어가 특정 문서 내에서 얼마나 중요한 것인지를 나타내는 통계적 수치이다
상기 Text-Rank 기법(알고리즘)은 페이지 랭크 알고리즘에 착안하여 나온 것으로서 유사도를 비교하여 문장과 단어에 가중치를 매겨 하나의 문서를 요약해주는 기법으로 알려져 있지만, 빈도가 높은 단어와 문장들을 추출해내는 성격이 강한 알고리즘이다.
상기 과학기술 지식정보 유사도 네트워크의 구축에 활용되는 논문정보와 관련해서는, 논문 주제 분류와 키워드를 이용하여 기준 과학기술 지식정보 유사도 네트워크에 추가하고, 과학기술 단어 유사도 모델을 이용하여 논문 주제 분류와 노드 간의 유사도를 산출함으로써 특정 논문이 어떤 노드에 속하는지를 결정할 수 있다. 이 경우 하나의 논문은 복수의 노드를 가질 수 있음은 당연하다.
구체적으로는, TF-IDF(Term Frequency - Inverse Document Frequency)를 이용하여 너무 잦은 의미 없는 단어를 정제하고 불용어를 처리한 후, 자체적으로 발전시킨 Text-Rank 기법을 통해 키워드를 추출하고, 과학기술 단어 유사도 모델을 이용하여 키워드와 노드간의 유사도를 계산하여 산출하고, 산출된 유사도를 정규화시킴으로써, 키워드가 노드 내부에서의 깊이를 결정하도록 작용을 한다.
상기 과학기술 지식정보 유사도 네트워크의 구축에 활용되는 사용자의 대학전공 정보와 관련해서는, 대학전공을 대표 분류로 간소화 및 재분류 하는 과정과 학과 분류 자료를 이용하여 기준 과학기술 지식정보 유사도 네트워크에 추가함으로써 이루어질 수 있다.
상기 대학전공을 대표 분류로 간소화 및 재분류 하는 과정은 같은 전공 내용이지만 대학 별 표현법의 차이로 이름이 다른 경우가 존재하는 것을 감안하여, 대표 분류로 간소화 및 재분류하여 통일성 획득하고, 교육부에서 제공하는 학과(전공) 분류 자료집을 이용해 어떤 노드에 속하는지 결정할 수 있다.
상기 과학기술 지식정보 유사도 네트워크의 구축에 활용되는 사용자가 선택한 산업분류 정보와 관련해서는, 산업분류코드를 이용하여 기준 과학기술 지식정보 유사도 네트워크에 추가하고, 과학기술 단어 유사도 모델을 이용하여 산업분류코드를 설명하는 문장 또는 단어 집합과 노드 간의 유사도를 산출할 수 있다. 이 경우 하나의 산업분류는 복수의 노드를 가질 수 있음은 당연하다.
상기 과학기술 지식정보 유사도 네트워크의 구축에 활용되는 사용자의 관심분야 및 전문분야 정보와 관련해서는, 관심사 및 전문분야는 명사의 형태를 가진 대량의 데이터로서, 이를 과학기술 단어 유사도 모델을 이용해 기준 과학기술 지식정보 유사도 네트워크에 추가하고, 과학기술 단어 유사도 모델을 이용해 관심사 및 전문분야 관련 단어와 노드 간의 유사도를 산출할 수 있다. 이 경우, 하나의 관심사 및 전문분야는 복수의 노드를 가질 수 있음은 당연하다.
<회원 초기 유사도 산출>
상기 운영컴퓨터(100)는 구축된 상기 지식정보 유사도 네트워크 내에서의 회원의 초기 유사도를 산출한다.
회원의 지식정보 유사도 네트워크 내 유사도는 협업 파트너 추전 로직이 진행되기 전에 수행되는 것으로서, 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템에 회원 가입시에 입력 또는 선택한 사용자의 개인 정보, 속하는 산업분류, 관심분야, 현재의 전문분야 및 대학전공을 포함하는 회원정보를 이용하여, 구축된 지식정보 유사도 네트워크 내 회원의 초기 유사를 산출하되, 회원의 초기 유사도를 계산할 때 미리 계산된 지식정보 유사도 네트워크 내 산업분류, 관심분야, 전문분야의 유사도를 이용할 수 있다. 이 경우 회원의 본 발명의 시스템 이용 정보 및 지식정보 유사도 네트워크 내의 회원의 포지션 정보를 더 반영하여 회원의 유사도를 산출할 수 있다.
<회원간 유사도 산출>
상기 운영컴퓨터(100)는 구축된 상기 지식정보 유사도 네트워크 내에서 회원들간의 유사도를 산출한다.
지식정보 유사도 네트워크 내 회원들간의 유사도는 협업 파트너 추천 로직을 진행하면서 수행되는 것으로서, 상기 회원정보검색관리부(106)에서 지정된 또는 추천한 검색 조건에 따라 상기 지식재산 유사도 네트워크 내에서 회원정보를 검색하여 추출하고, 상기 회원간유사도산출관리부(107)은 추출된 회원들간의 유사도를 계산하여 산출하도록 구성될 수 있다. 이 경우 회원들간의 유사도 산출은 지식정보 유사도 네트워크 내에서 가지고 있는 유사도를 토대로 수행되고 또한 지식정보 유사도 네트워크 내에서 회원들간의 거리 정보를 토대로 수행될 수 있다.
<회원 및 연구자 정보 매칭 데이터 활성화>
상기 운영컴퓨터(100)는 상기 연구자정보저장부(500)가 구비하고 있는 연구자 데이터베이스와 사용자의 회원가입 정보가 일치할 경우, 상기 연구자 데이터베이스 내 해당 데이터를 활성화시킨다.
여기에서, 상기 연구자 데이터베이스에는 연구자 정보와 연구자가 보유하고 있는 논문과 특허의 수(양)을 통해 상기 연구자영향지수산출관리부(103)에서 산출한 연구자 영향 지수가 포함될 수 있다.
<회원 활동 지수 산출>
상기 운영컴퓨터(100)는 회원들의 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템에서의 활동 지수를 산출할 수 있다.
그에 앞서, 상기 회원정보관리부(104)는, 구축된 상기 지식정보 유사도 네트워크 내 회원의 노드 관리를 수행한다. 회원은 노드 별로 점수를 가지고 가장 높은 점수를 갖는 노드에 속할 수 있다. 상기 회원의 노드별 점수 관리는, 사용자가 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템에 회원 가입할 때 입력한 회원 기본정보를 기초로 초기 노드를 설정하고, 사용자가 선택한 산업분류, 관심분야, 전문분야 및 대학전공에 해당하는 노드에 점수를 추가하여 관리할 수 있다.
또한, 회원의 회원정보(대학 전공, 산업, 관심사 및 전문분야)에 대한 수정이 있을 때 해당하는 노드의 점수를 가감하는 것을 통해 회원의 노드 점수 계산하도록 구성될 수 있다.
상기 운영컴퓨터(100)의 회원활동지수산출관리부(110)는, 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템에서의 조회, 검색 및 스크랩 등의 회원의 이용정보를 바탕으로 회원의 활동에 가중치를 부여하고, 추가적으로 쿠키를 이용하여 조회 시간 등의 데이터를 수집하여, 회원이 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 서비스를 이용하면 가중치와 쿠키를 이용해 수집한 데이터를 토대로 점수를 계산하고, 이용 내역에 해당하는 노드에 점수 추가하여 회원의 활동지수를 산출할 수 있다.
<소셜네트워크 활동 내역 정보>
상기 운영컴퓨터(100)의 팔로잉/팔로우내역정보관리부(111)는, 회원들이 자신이 사용하는 소셜네트워크서비스(SNS) 상에서 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 서비스와 관련된 글 입력, 리액션 등의 내역 정보를 수집하여 저장시키고 관리할 수 있다.
<회원 유사도 재산출>
상기 운영컴퓨터(100)의 회원간유사도재산출관리부(112)는, 회원들의 본 발명의 사용자 정보 기반 협업 파트너 추천 시스템의 서비스의 이용 정보를 이용하여 상기 지식정보 유사도 네트워크 내 회원의 유사도를 재설정할 수 있다.
이 경우, 상기 회원간유사도산출관리부(107)에서 산출된 회원간유사도 정보와 상기 회원-연구자매칭정보관리부(108)에서 매칭되어 활성화된 회원의 데이터, 상기 회원활동지수산출관리부(110)에서 산출된 회원활동지수 정보 및 상기 팔로잉/팔로우내역정보관리부(111)에서 수집한 회원의 소셜네트워크 활동 내역 정보를 반영하여 지식정보 유사도 네트워크 내 회원 유사도를 종합적으로 재산출할 수 있다.
<협업 파트너 추천 정보 생성>
상기 운영컴퓨터(100)의 협업파트너추천정보생성관리부(113)은, 회원에게 제공할 협업 파트너 추천 정보를 생성한다. 회원 정보, 상기 지식정보 유사도 네트워크 내 회원의 초기 유사도 정보, 연구자 데이터베이스에 구비된 연구자 영향 지수 정보, 회원 활동지수 정보 및 회원의 팔로잉/팔로우 내역 정보를 기초로 상기 지식정보 유사도 네트워크 내 회원 간 유사도를 종합적으로 계산하여 산출된 회원 유사도 정보를 이용하여 회원에게 제공할 협업 파트너 추천 리스트 또는 전문가 추천 리스트를 생성할 수 있다.
협업 파트너 추천 리스트의 생성을 정리하면, 복수개의 데이터베이스에서 후보 회원을 추출하고 유사도를 산출한다. 이 경우 회원이 속한 노드와 인근 노드에서 후보 회원을 추출하고 노드에서 가지는 점수를 이용해 유사도를 산출함으로써, 지식정보 유사도 네트워크를 이용하여 후보 회원 추출 및 유사도를 산출할 수 있다.
또한, 연구자데이터베이스에서 회원이 속한 노드에 해당하는 연구자를 추출하고 연구자 영향지수를 이용하여 유사도를 산출함으로써, 연구자 데이터베이스에서 후보 회원 추출 및 유사도를 산출할 수 있다.
또한, 회원의 활동지수가 높을 수록 높은 유사도를 갖는 것으로 상정을 하고 회원이 속한 노드에 해당할 경우 유사도를 추가함으로써, 회원의 활동지수를 이용하여 후보 회원 추출 및 유사도를 산출할 수 있다.
또한, 유사한 회원 정보 데이터를 가질수록 높은 유사도를 갖는 것으로 하여, 지식정보 유사도 네트워크에 사용되지 않은 회원 정보 데이터를 토대로 후보 회원 추출 및 유사도를 산출할 수 있다.
또한, 친구의 친구를 추천하는 개념으로 가까운 관계일 수록 더 높은 유사도를 가지는 것으로 하여, 소셜네트워크에서의 팔로잉/팔로우 내역을 이용하여 후보 회원 추출 및 유사도를 산출할 수 있다.
이와 같이 복수개의 데이터베이스에서 추출된 후보 회원들의 유사도에 가중치를 반영하여 지식정보 유사도 네트워크 내 회원 유사도를 재산출하여 협업 파트너 추천리스트를 생성할 수 있다.
본 발명의 사용자 정보 기반 협업 파트너 추천 시스템에서 협업 파트너 추천 리스트의 생성의 예를 설명하기로 한다.
협업 파트너 추천 리스트의 생성에 사용되는 요소에 각각 가중치가 부여된다. 예를 들면, 첫번째 요소로서 지식정보 유사도 네트워크내의 유사도로 하고 그 가중치를 0.3으로 설정하고, 두번째 요소로서 연구자데이터베이스에서의 연구자영향지수로 하고 그 가중치를 0.1으로 설정하고, 세번째 요소로서 시스템의 회원 이용정보에서 산출된 회원활동지수로 하고 그 가중치를 0.1로 설정하고, 네번째 요소로서 회원정보로 하고 그 가중치를 0.3으로 설정하고, 다섯번째 요소로서 소셜네트워크에서의 팔로잉/팔로우 내역 정보로 하고 그 가중치를 0.2로 설정한 상태에서, 각 회원들의 상기 다섯가지 요소에서의 산출된 점수를 기초로 상기 가중치를 적용하여 합계 점수가 높은 회원의 순으로 협업 파트너 추천리스트가 생성될 수 있다. 상기 예에서 각 회원들의 합계 점수를 산출하는 방법은 아래 수학식을 활용할 수 있다.
이렇게 생성된 협업 파트너 추천 리스트 또는 전문가 추천 리스트를 상기 사용자인터페이스를 통해 회원에게 제공하거나, 회원이 사용자인터페이스를 통해 검색할 수 있도록 제공할 수 있다.
도 3은 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 실시예를 설명하기 위한 흐름도이다.
도 3에 도시한 바와 같이 본 발명의 사용자 정보 기반 협업 파트너 추천 방법은, 상기 운영컴퓨터가 다양한 분야의 과학기술 지식정보를 기초로 지식정보 유사도 네트워크를 구축하는 단계(S100)와; 상기 운영컴퓨터가 상기 사용자 정보를 기반으로 상기 지식정보 유사도 네트워크 내에서의 사용자 초기 유사도를 산출하는 단계(S110)와; 상기 운영컴퓨터가 상기 지식정보 유사도 네트워크에서 추천 또는 지정된 조건에 따른 회원 정보를 추출하는 단계(S120)와; 상기 운영컴퓨터가 추출된 회원간의 유사도를 산출하는 단계(S130)와; 상기 운영컴퓨터가 회원정보, 산출된 상기 회원간의 유사도 정보, 상기 사용자 정보와 구비하고 있는 연구자 데이터베이스에서의 연구자 영향지수 정보, 사용자의 서비스 이용에 따른 활동지수 정보 및 사용자의 소셜네트워킹에 관한 팔로잉/팔로우 내역정보를 반영하여 회원간 유사도를 재산출하는 단계(S140)와; 상기 운영컴퓨터가 재산출된 회원간 유사도 정보를 기초로 협업 파트너 추천 리스트 또는 검색목록을 생성하여 사용자인터페이스에 제공하는 단계(S150)를 포함하는 구성이다.
상기 회원의 초기 유사도를 산출하는 단계(S110)는, 상기 운영컴퓨터가 사용자의 회원 가입시 입력한 산업분류, 관심분야, 전문분야 및 대학전공을 포함하는 회원 정보를 이용하여 구축된 상기 지식정보 유사도 네트워크 내의 회원의 유사도를 산출하는 구성이다.
또한, 상기 회원간 유사도를 재산출하는 단계(S140)는, 상기 운영컴퓨터가 회원의 사용자 정보 기반 협업 파트너 추천 서비스의 이용정보를 이용하여 지식정보 유사도 네트워크 내 회원의 유사도를 재설정하는 구성으로 할 수 있다.
도 4는 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 주요부인 지식정보 유사도 네트워크 구축의 실시예를 설명하기 위한 흐름도이다.
도 4에 도시한 바와 같이 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 지식정보 유사도 네트워크 구축(S100)은, 운영컴퓨터가 대량의 과학기술문서에서 텍스트 데이터 전처리 및 인공신경망 학습을 통해 과학기술 정보의 단어 유사도 모델을 구축하는 단계(S101)와; 상기 운영컴퓨터가 이질적인 과학기술분야의 과학기술 지식정보를 연결할 수 있는 최상위 과학기술 연구개발(R&D) 분류 체계를 구축하는 단계(S102)와; 상기 운영컴퓨터가 상기 단어 유사도 모델을 이용하여 최상위 과학기술 R&D 분류체계 간 유사도 계산을 수행하여 기준 과학기술 지식정보 유사도 네트워크를 구축하는 단계(S103)와; 상기 운영컴퓨터가 구축된 상기 기준 과학기술 지식정보 유사도 네트워크를 이용하여 과학기술 지식정보를 추가한 과학기술의 지식정보 유사도 네트워크를 구축하는 단계(S104)를 포함하는 구성이다.
도 5는 본 발명의 사용자 정보 기반 협업 파트너 추천 방법의 주요부를 설명하기 위한 흐름도이다.
도 5에 도시한 바와 같이 본 발명의 상기 단어 유사도 모델을 구축하는 단계(S101)는, 대량의 과학기술 문서에서 불필요한 문단을 제외한 주요 본문을 추출하는 단계(S10)와: 추출한 주요 본문에서 형태소 분석 기법을 이용하여 명사인 단어만을 추출하는 단계(S20)와; 추출된 단어에서 불용어 처리를 수행하는 단계(S30)와; 불용어 처리된 단어를 기반으로 인공신경망 또는 머신러닝 학습을 통하여 과학기술 관련 단어 유사도 모델을 구축하는 단계(S40)를 포함하는 구성이다.
이상에서 설명한 본 발명의 실시예는 다양한 실시예 중 일부에 불과하다. 본 발명의
다양한 분야의 과학기술 지식정보를 기초로 지식정보 유사도 네트워크를 구축하고, 사용자 정보를 기반으로 구축된 지식정보 유사도 네트워크 내에서의 사용자 초기 유사도를 산출하고, 지정된 조건으로 추출된 회원간의 유사도를 산출하고, 회원의 이용정보를 기초로 회원의 지식정보 유사도 네트워크 내 회원유사도를 재설정하여 이를 기초로 협업 파트너 추천 리스트를 생성시키는 기술적 사상에 포함하는 다양한 실시예가 본 발명의 보호범위에 포함되는 것은 당연하다.
100: 운영컴퓨터
200: 회원정보데이터저장부
300: 지식정보데이터저장부
400: 지식정보활용데이터저장부
500: 연구자정보저장부
600: 사용자단말기
700: 연구자정보제공컴퓨터
800: 특허정보제공컴퓨터
900: 논문정보제공컴퓨터
1000: 소셜네트워크매체
200: 회원정보데이터저장부
300: 지식정보데이터저장부
400: 지식정보활용데이터저장부
500: 연구자정보저장부
600: 사용자단말기
700: 연구자정보제공컴퓨터
800: 특허정보제공컴퓨터
900: 논문정보제공컴퓨터
1000: 소셜네트워크매체
Claims (10)
- 연구자 데이터베이스를 구비하고 제공받은 사용자 정보를 기반으로 추천 협업 파트너 정보를 생성하여 사용자들에게 제공하는 운영컴퓨터로서,
상기 운영컴퓨터는 구비하고 있는 하드웨어 자원을 활용하여 저장되어 있는 관련 컴퓨터 프로그램 또는 웹프로그램의 실행을 제어하되,
최상위 과학기술 R&D 분류체계간의 유사도를 토대로 구축한 기준 지식정보 유사도 네트워크를 이용하고 다양한 과학기술 분야의 지식정보를 추가하여 지식정보 유사도 네트워크를 구축하고;
상기 사용자 정보를 기반으로 상기 지식정보 유사도 네트워크 내에서 사용자 정보 초기 유사도를 산출하고;
상기 지식정보 유사도 네트워크에서 설정된 조건에 따른 사용자 정보를 추출하고;
추출된 사용자 정보에서 사용자간의 유사도를 산출하고;
산출된 사용자간의 유사도의 정보 및 사용자의 시스템 이용 정보를 기초로 상기 지식정보 유사도 네트워크 내 사용자의 유사도를 재설정하고,
재설정된 사용자의 유사도를 기초로 협업 파트너 추천 정보를 생성하는 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 시스템. - 연구자 데이터베이스를 구비하고 제공받은 사용자 정보를 기반으로 추천 협업 파트너 정보를 생성하여 사용자들에게 제공하는 운영컴퓨터로서,
상기 운영컴퓨터는 구비하고 있는 하드웨어 자원을 활용하여 저장되어 있는 관련 컴퓨터 프로그램 또는 웹프로그램의 실행을 제어하되,
최상위 과학기술 R&D 분류체계간의 유사도를 토대로 구축한 기준 지식정보 유사도 네트워크를 이용하고 다양한 분야의 과학기술 분야의 지식정보를 추가하여 지식정보 유사도 네트워크를 구축하고,
상기 사용자 정보를 기반으로 상기 지식정보 유사도 네트워크 내에서의 사용자 초기 유사도를 산출하고,
상기 지식정보 유사도 네트워크에서 설정된 조건에 따른 사용자 정보를 추출하고,
추출된 사용자 정보에서 사용자간의 유사도를 산출하고,
산출된 상기 사용자간의 유사도와, 상기 사용자 정보와 구비하고 있는 연구자 데이터베이스의 연구자 영향지수 정보, 사용자의 소셜네트워킹에 관한 팔로잉/팔로우 내역정보 및 사용자의 시스템 활동지수를 반영하여 지식정보 유사도 네트워크 내 사용자 간 유사도를 재설정하고,
재설정된 사용자 간 유사도 정보를 기초로 협업 파트너 추천 또는 검색목록을 생성하는 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 시스템. - 청구항 1 또는 청구항 2에 있어서,
상기 운영컴퓨터와 통신 접속된 연구자데이터베이스를 저장하는 연구자정보저장부를 더 포함하고,
상기 연구자데이터베이스는 연구자의 논문 및 특허의 수를 기초로 산출된 연구자영향지수 정보를 포함하는 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 시스템. - 청구항 1 또는 청구항 2에 있어서,
상기 운영컴퓨터가 사용자의 사용자 정보 기반 협업 파트너 추천 시스템의 서비스 이용 정보를 기초로 사용자의 활동지수를 산출하는 것을 더 포함하는 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 시스템. - 청구항 1 또는 청구항 2에 있어서,
상기 운영컴퓨터는 상기 지식정보 유사도 네트워크에서 추천 또는 지정된 조건으로 사용자를 검색하여 추출하는 수단을 더 포함하는 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 시스템. - 청구항 1 또는 청구항 2에 있어서,
상기 지식정보 유사도 네트워크의 구축은,
대량의 과학기술문서에서 텍스트 데이터 전처리 및 인공신경망 학습을 통해 과학기술 정보의 단어 유사도 모델을 구축하고; 이질적인 과학기술분야의 과학기술 지식정보를 연결할 수 있는 최상위 과학기술 연구개발(R&D) 분류 체계를 구축하고; 상기 단어 유사도 모델을 이용하여 최상위 과학기술 R&D 분류체계 간 유사도 계산을 수행하여 기준 과학기술 지식정보 유사도 네트워크를 구축하고; 구축된 상기 기준 과학기술 지식정보 유사도 네트워크를 이용하여 과학기술 지식정보를 추가한 지식정보 유사도 네트워크를 구축하는 것을 포함하는 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 시스템. - 청구항 1 또는 청구항 2에 있어서,
상기 연구자데이터베이스의 연구자 정보와 사용자의 회원가입 정보가 일치할 경우 상기 연구자데이터베이스 내 해당 데이터를 활성화시키는 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 시스템. - 운영컴퓨터가 최상위 과학기술 R&D 분류체계간의 유사도를 토대로 구축한 기준 지식정보 유사도 네트워크를 이용하고 다양한 분야의 과학기술 지식정보를 추가하여 지식정보 유사도 네트워크를 구축하는 단계와;
상기 운영컴퓨터가 회원가입을 한 사용자 정보를 기초로 상기 지식정보 유사도 네트워크 내에서의 사용자 초기 유사도를 산출하는 단계와;
상기 운영컴퓨터가 상기 지식정보 유사도 네트워크에서 추천 또는 지정된 조건에 따른 사용자 정보를 추출하는 단계와;
상기 운영컴퓨터가 추출된 사용자 정보에서 사용자 간의 유사도를 산출하는 단계와;
상기 운영컴퓨터가 사용자간의 유사도 정보 및 사용자의 시스템 이용 정보를 기초로 상기 지식정보 유사도 네트워크 내 사용자의 유사도를 재설정하는 단계와;
상기 운영컴퓨터가 재설정된 사용자의 유사도 기초로 협업 파트너 추천 정보를 생하는 단계를 포함하는 사용자 정보 기반 협업 파트너 추천 방법. - 운영컴퓨터가 최상위 과학기술 R&D 분류체계간의 유사도를 토대로 구축한 기준 지식정보 유사도 네트워크를 이용하고 다양한 분야의 과학기술 지식정보를 기초로 지식정보 유사도 네트워크를 구축하는 단계와;
상기 운영컴퓨터가 회원가입을 한 사용자 정보를 기초로 상기 지식정보 유사도 네트워크 내에서의 사용자 초기 유사도를 산출하는 단계와;
상기 운영컴퓨터가 상기 지식정보 유사도 네트워크에서 추천 또는 지정된 조건에 따른 사용자 정보를 추출하는 단계와;
상기 운영컴퓨터가 추출된 사용자 정보에서 사용자 간의 유사도를 산출하는 단계와;
상기 운영컴퓨터가 사용자정보, 산출된 상기 사용자간의 유사도 정보, 상기 사용자 정보와 구비하고 있는 연구자 데이터베이스에서의 연구자 영향지수 정보, 사용자의 서비스 이용에 따른 활동지수 정보 및 사용자의 소셜네트워킹에 관한 팔로잉/팔로우 내역정보를 반영하여 사용자 간 유사도를 재설정하는 단계와;
상기 운영컴퓨터가 재산출된 사용자 간 유사도 정보를 기초로 협업 파트너 추천 리스트 또는 검색목록을 생성하는 단계를 포함하는 사용자 정보 기반 협업 파트너 추천 방법. - 청구항 8 또는 청구항 9에 있어서,
상기 사용자의 초기 유사도를 산출하는 단계는,
상기 운영컴퓨터가 사용자의 회원 가입시 입력한 산업분류, 관심분야, 전문분야 및 대학전공을 포함하는 회원 정보를 이용하여, 구축된 상기 지식정보 유사도 네트워크 내의 회원의 유사도를 산출하는 단계인 것을 특징으로 하는 사용자 정보 기반 협업 파트너 추천 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200067050A KR102454261B1 (ko) | 2020-06-03 | 2020-06-03 | 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200067050A KR102454261B1 (ko) | 2020-06-03 | 2020-06-03 | 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210150103A KR20210150103A (ko) | 2021-12-10 |
| KR102454261B1 true KR102454261B1 (ko) | 2022-10-14 |
Family
ID=78865574
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200067050A KR102454261B1 (ko) | 2020-06-03 | 2020-06-03 | 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102454261B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994577B (zh) * | 2023-03-22 | 2024-02-06 | 北京企元界科技有限公司 | 一种基于知识图谱的数据处理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007323622A (ja) * | 2006-05-31 | 2007-12-13 | Tokuaki Matsuo | 研究者支援システム |
| KR101823463B1 (ko) * | 2017-05-23 | 2018-01-31 | 한국과학기술정보연구원 | 연구자 검색 서비스 제공 장치 및 그 방법 |
| KR101985961B1 (ko) * | 2018-03-23 | 2019-06-05 | 대한민국 | 국가연구개발과제 유사도 정량화 시스템 및 이를 이용한 국가연구개발과제 협업 제안 방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101363171B1 (ko) * | 2012-05-30 | 2014-02-14 | (주)유엠텍 | 하이브리드 협업적 여과 방법을 이용한 코사인 유사도 기반 전문가 추천 장치 및 방법 |
| KR101426765B1 (ko) | 2012-11-27 | 2014-08-06 | 한국과학기술정보연구원 | 협업 파트너 검색 서비스를 제공하는 시스템 및 방법 |
-
2020
- 2020-06-03 KR KR1020200067050A patent/KR102454261B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007323622A (ja) * | 2006-05-31 | 2007-12-13 | Tokuaki Matsuo | 研究者支援システム |
| KR101823463B1 (ko) * | 2017-05-23 | 2018-01-31 | 한국과학기술정보연구원 | 연구자 검색 서비스 제공 장치 및 그 방법 |
| KR101985961B1 (ko) * | 2018-03-23 | 2019-06-05 | 대한민국 | 국가연구개발과제 유사도 정량화 시스템 및 이를 이용한 국가연구개발과제 협업 제안 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210150103A (ko) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8332434B2 (en) | Method and system for finding appropriate semantic web ontology terms from words | |
| CN111949758A (zh) | 医疗问答推荐方法、推荐系统和计算机可读存储介质 | |
| Rafiei et al. | A novel method for expert finding in online communities based on concept map and PageRank | |
| El-Fishawy et al. | Arabic summarization in twitter social network | |
| KR102371329B1 (ko) | 과학기술 지식정보의 추천을 위한 운영컴퓨터, 과학기술 지식정보 추천 시스템 및 그 방법 | |
| CN111831802B (zh) | 一种基于lda主题模型的城市领域知识检测系统及方法 | |
| US20170262783A1 (en) | Team Formation | |
| CN112966091B (zh) | 一种融合实体信息与热度的知识图谱推荐系统 | |
| Shah et al. | Sentimental Analysis Using Supervised Learning Algorithms | |
| Shahid et al. | Insights into relevant knowledge extraction techniques: a comprehensive review | |
| Dorji et al. | Extraction, selection and ranking of Field Association (FA) Terms from domain-specific corpora for building a comprehensive FA terms dictionary | |
| Song et al. | Semi-automatic construction of a named entity dictionary for entity-based sentiment analysis in social media | |
| Liu et al. | Identifying experts in community question answering website based on graph convolutional neural network | |
| KR102280494B1 (ko) | 상호연관성 기반 우선순위로 정렬된 전문분야 인터넷 검색 서비스 제공 방법 | |
| KR102454261B1 (ko) | 사용자 정보 기반 협업 파트너 추천 시스템 및 그 방법 | |
| Du et al. | An iterative reinforcement approach for fine-grained opinion mining | |
| Bae et al. | Improving question retrieval in community question answering service using dependency relations and question classification | |
| Karpagam et al. | A mobile based intelligent question answering system for education domain | |
| Liu et al. | Dynamic updating of the knowledge base for a large-scale question answering system | |
| Liang et al. | Enhancing scenic recommendation and tour route personalization in tourism using ugc text mining | |
| Dhokar et al. | Tweet contextualization: combining sentence extraction, sentence aggregation and sentence reordering to enhance informativeness and readability | |
| Beck-Fernández et al. | Identification and extraction of memes represented as semantic networks from free text online forums | |
| ElGindy et al. | Capturing place semantics on the geosocial web | |
| Kamath et al. | Semantic similarity based context-aware web service discovery using nlp techniques | |
| Li et al. | Deep Learning for Psychometric NLP |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |