KR102487820B1 - 유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램 - Google Patents

유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램 Download PDF

Info

Publication number
KR102487820B1
KR102487820B1 KR1020220035983A KR20220035983A KR102487820B1 KR 102487820 B1 KR102487820 B1 KR 102487820B1 KR 1020220035983 A KR1020220035983 A KR 1020220035983A KR 20220035983 A KR20220035983 A KR 20220035983A KR 102487820 B1 KR102487820 B1 KR 102487820B1
Authority
KR
South Korea
Prior art keywords
sentences
content
similarity
user
classes
Prior art date
Application number
KR1020220035983A
Other languages
English (en)
Inventor
최미선
Original Assignee
최미선
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 최미선 filed Critical 최미선
Priority to KR1020220035983A priority Critical patent/KR102487820B1/ko
Application granted granted Critical
Publication of KR102487820B1 publication Critical patent/KR102487820B1/ko

Links

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
    • 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
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 실시예에 따르면, 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스를 제공하기 위한 장치가 제공된다. 상기 장치는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다. 또한, 상기 적어도 하나의 동작은, 사용자의 사용자 단말로부터 상기 사용자의 사업영역, 사용자콘텐츠의 종류 및 상기 사용자콘텐츠를 수신하는 동작; 데이터베이스에서 상기 사업영역 및 상기 종류와 매칭되는 복수의 비교콘텐츠들을 선택하는 동작; 상기 사용자콘텐츠에 포함된 복수의 제1 단어들 및 제1 문장들과 상기 비교콘텐츠들 각각에 포함되는 복수의 제2 단어들 및 제2 문장들을 이용하여, 상기 비교콘텐츠들 각각에 대한 유사도를 결정하고, 상기 유사도가 기 설정된 유사도 기준을 만족하는 상기 비교콘텐츠들을 유사콘텐츠들로 결정하는 동작; 및 상기 유사콘텐츠들 각각에 포함되는 상기 제2 문장들 중 상기 제1 문장들과 대응하지 않는 제2 문장들, 상기 사업영역 및 상기 종류를 이용하여 추가자료를 검색하고, 검색된 추가자료를 상기 사용자 단말에 제공하는 동작을 포함할 수 있다.

Description

유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램{DEVICE, METHOD AND PROGRAM FOR PROVIDING INTEGRATED PLATFORM SERVICE FOR CONTENT PLANNING AND PRODUCTION}
본 발명은 유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
회사소개서, IR자료, 브로슈어 등의 회사를 알릴 수 있는 콘텐츠들은 회사를 운영하는데 있어서 필수적인 요소들이다.
특히, 투자자들로부터 자본을 받아 회사를 급격하게 성장시키거나, 정부의 지원금을 통해 회사를 성장시키는 등의 사례가 증가하고 있어, 회사에 대한 양질의 콘텐츠를 만드는 일의 중요성이 대두되고 있다.
전문컨설팅 회사에 의뢰하여 회사에 대한 콘텐츠를 만드는 사례가 증가하고 있는데, 많은 비용이 발생될 뿐더러 관련된 지식이 상대적으로 부족한 회사로서는 전문컨설팅 회사의 역량을 정확히 파악하기 힘들어, 발생된 비용에 비해 양질의 콘텐츠를 얻지 못하는 피해사례 역시 증가하고 있다.
이러한 문제점을 고려하여, 신뢰성 있는 양질의 콘텐츠를 제공할 수 있는 기술에 대한 필요성이 대두되고 있다.
본 발명은, 미리 검증된 콘텐츠들 중 사용자의 콘텐츠와 관련성이 있는 콘텐츠들을 결정하고, 결정된 콘텐츠들과 사용자의 콘텐츠를 비교해 차별점을 도출하며, 도출된 차별점을 이용해 사용자의 콘텐츠에 부가할 추가자료를 검색해 사용자 단말에 제공할 수 있는, 플랫폼 서비스 제공 장치, 방법 및 프로그램을 제공하는 것을 일 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스를 제공하기 위한 장치를 제공한다.
상기 장치는, 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
상기 적어도 하나의 동작은, 사용자의 사용자 단말로부터 상기 사용자의 사업영역, 사용자콘텐츠의 종류 및 상기 사용자콘텐츠를 수신하는 동작; 데이터베이스에서 상기 사업영역 및 상기 종류와 매칭되는 복수의 비교콘텐츠들을 선택하는 동작; 상기 사용자콘텐츠에 포함된 복수의 제1 단어들 및 제1 문장들과 상기 비교콘텐츠들 각각에 포함되는 복수의 제2 단어들 및 제2 문장들을 이용하여, 상기 비교콘텐츠들 각각에 대한 유사도를 결정하고, 상기 유사도가 기 설정된 유사도 기준을 만족하는 상기 비교콘텐츠들을 유사콘텐츠들로 결정하는 동작; 및 상기 유사콘텐츠들 각각에 포함되는 상기 제2 문장들 중 상기 제1 문장들과 대응하지 않는 제2 문장들, 상기 사업영역 및 상기 종류를 이용하여 추가자료를 검색하고, 검색된 추가자료를 상기 사용자 단말에 제공하는 동작을 포함할 수 있다.
또한, 상기 유사도가 기 설정된 유사도 기준을 만족하는 상기 비교콘텐츠들을 유사콘텐츠들로 결정하는 동작은, 상기 제1 단어들과 상기 제2 단어들을 이용하여 상기 비교콘텐츠들 각각과 대응하는 제1 유사도를 결정하며, 상기 제1 유사도가 미리 설정된 제1 기준 유사도보다 큰 상기 비교콘텐츠들을 예비유사콘텐츠들로 결정하는 동작; 및 상기 제1 문장들에 포함된 복수의 제1 소제목들과 상기 제2 문장들에 포함된 복수의 제2 소제목들을 이용하여, 예비유사콘텐츠들 각각과 대응하는 제2 유사도를 결정하고, 상기 제2 유사도가 미리 설정된 제2 기준 유사도보다 큰 상기 예비유사콘텐츠들을 상기 유사콘텐츠들로 결정하는 동작을 포함할 수 있다.
또한, 상기 제2 유사도가 미리 설정된 제2 기준 유사도보다 큰 상기 예비유사콘텐츠들을 상기 유사콘텐츠들로 결정하는 동작은, 상기 사업영역, 상기 종류 및 상기 제1 소제목들 각각을 미리 학습된 제1 기계학습모델에 입력 값으로 입력하고, 상기 제1 기계학습모델로부터 상기 제1 소제목들과 대응하는 제1 제목클래스들을 획득하며, 상기 제1 소제목들을 상기 제1 제목클래스들로 라벨링하는 동작; 및 상기 제1 제목클래스들과 상기 유사콘텐츠들 각각의 제2 제목클래스들을 이용하여 상기 유사콘텐츠들 각각과 대응하는 상기 제2 유사도를 결정하는 동작을 포함할 수 있다.
또한, 상기 검색된 추가자료를 상기 사용자 단말에 제공하는 동작은, 상기 제1 문장들에 포함되고 상기 제1 소제목들 각각에 대해 쓰여진 복수의 제1 세부문장들을 획득하는 동작; 상기 사업영역, 상기 종류 및 상기 제1 세부문장들 각각을 미리 학습된 제2 기계학습모델에 입력 값으로 입력하고, 상기 제2 기계학습모델로부터 상기 제1 세부문장들과 대응하는 제1 문장클래스들을 획득하며, 상기 제1 세부문장들을 상기 제1 문장클래스들로 라벨링하는 동작; 상기 제1 제목클래스들 중 적어도 하나가 상기 제2 제목클래스와 동일한 경우, 상기 제2 제목클래스와 동일한 상기 제1 제목클래스로 라벨링된 상기 제1 소제목을 획득하고, 획득한 상기 제1 소제목에 대해 쓰여진 상기 제1 세부문장들의 상기 제1 문장클래스들과 상기 제2 제목클래스와 대응하는 제2 문장클래스들을 비교하는 동작; 상기 제2 문장클래스들 중 상기 제1 문장클래스들과 동일하지 않은 제2 문장클래스들을 추가문장클래스들로 결정하는 동작; 및 상기 추가문장클래스들, 상기 제2 제목클래스와 동일한 상기 제1 제목클래스, 상기 사업영역 및 사용자콘텐츠의 종류를 이용하여 상기 추가자료를 검색하는 동작을 포함할 수 있다.
또한, 상기 검색된 추가자료를 상기 사용자 단말에 제공하는 동작은, 상기 제1 제목클래스들 모두와 상기 제2 제목클래스가 동일하지 않은 경우, 상기 제2 제목클래스, 상기 사업영역 및 상기 종류를 이용하여 상기 추가자료를 검색하는 동작을 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 사용자의 콘텐츠와 유사성이 기준 이상이고, 미리 검증된 콘텐츠들과 사용자의 콘텐츠와의 차별점을 이용해 사용자의 콘텐츠에 부가할 추가자료가 결정된다. 미리 검증된 콘텐츠들과의 차별점에 기초하여 사용자의 콘텐츠에 부가할 추가자료가 결정되므로, 신뢰성 있는 양질의 추가자료가 사용자에게 제공될 수 있다.
도 1은 일 실시예에 따른 플랫폼 서비스를 제공하기 위한 시스템에 대한 개요도이다.
도 2는 도 1에 따른 서비스 제공 장치의 기능적 모듈을 예시적으로 나타낸 도면이다.
도 3은 도 1에 따른 서비스 제공 장치가 제1 유사콘텐츠를 결정하는 과정을 도시하는 흐름도다.
도 4는 도 1에 따른 서비스 제공 장치가 제2 유사콘텐츠를 결정하는 과정을 도시하는 흐름도다.
도 5는 도 1에 따른 서비스 제공 장치가 사용자 단말에 제공할 추가자료를 결정하고 검색하는 과정을 도시하는 흐름도다.
도 6은 도 1에 따른 서비스 제공 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 일 실시예에 따른 플랫폼 서비스를 제공하기 위한 시스템에 대한 개요도이다.
도 1을 참조하면, 플랫폼 서비스를 제공하기 위한 시스템은, 서비스 제공 장치(100) 및 사용자 단말(200)을 포함한다. 도시된 실시예에서, 하나의 사용자 단말(200)과 서비스 제공 장치(100)가 통신 가능하게 연결되는 것으로 도시되나, 이에 한정되는 것은 아니며 복수의 사용자 단말(200)들과 서비스 제공 장치(100)가 통신 가능하게 연결될 수 있다.
사용자 단말(200)은, 플랫폼 서비스를 통해 사용자콘텐츠에 사용할 추가 자료를 제공받고자 하는 사용자의 단말로서, 서비스 제공 장치(100)에 사용자의 정보를 제공한다. 일 실시예에서, 사용자의 정보는, 사용자의 사업영역 및 사용자콘텐츠의 종류를 포함할 수 있다.
또한, 사용자 단말(200)은, 서비스 제공 장치(100)에 사용자콘텐츠와 사용자의 정보를 제공하고, 서비스 제공 장치(100)로부터 사용자콘텐츠와 유사하면서 상대적으로 높은 평가를 받은 유사콘텐츠들을 제공받을 수 있다. 일 실시예에서, 사용자 단말(200)은, 홍보물, IR자료, 회사소개서, 브로슈어 등의 사용자콘텐츠를 서비스 제공 장치(100)에 제공할 수 있다.
또한, 사용자 단말(200)은, 사용자콘텐츠에는 포함되지 않으나 유사콘텐츠들에는 포함되는 차별화포인트들을 서비스 제공 장치(100)로부터 제공받을 수 있다. 또한, 사용자 단말(200)은, 차별화포인트들이 표시된 유사콘텐츠들을 출력 인터페이스 장치를 통해 사용자에게 제공하고, 사용자는 사용자 단말(200)을 통해 차별화포인트들 중 적어도 하나에 대한 선택신호를 입력할 수 있다. 서비스 제공 장치(100)는, 사용자 단말(200)에 차별화포인트들에 대한 선택기능을 제공하는 사용자 인터페이스(User Interface)를 제공할 수 있다.
또한, 사용자 단말(200)은, 서비스 제공 장치(100)에 선택신호와 대응하는 차별화포인트를 제공하고, 서비스 제공 장치(100)로부터 차별화포인트와 대응하는 추가자료를 제공받을 수 있다.
서비스 제공 장치(100)는, 사용자 단말(200)에 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스를 제공하는 서버일 수 있다.
도 2는 도 1에 따른 서비스 제공 장치(100)의 동작 과정을 예시적으로 나타낸 도면이다.
서비스 제공 장치(100)는, 제1 유사콘텐츠 결정부(101), 제2 유사콘텐츠 결정부(102), 추가자료 결정부(103) 및 추가자료 검색부(104)를 포함한다.
제1 유사콘텐츠 결정부(101) 및 제2 유사콘텐츠 결정부(102)는, 사용자콘텐츠에 포함된 복수의 단어들 및 복수의 문장들과 비교콘텐츠들 각각에 포함된 복수의 단어들 및 복수의 문장들을 이용하여 비교콘텐츠들 각각에 대한 유사도를 결정하고, 유사도가 미리 설정된 유사도 기준을 만족하는 비교콘텐츠들을 유사콘텐츠들로 결정할 수 있다. 유사도는, 사용자콘텐츠에 포함된 복수의 단어들과 비교콘텐츠들 각각에 포함된 복수의 단어들을 이용해 결정되는 제1 유사도를 포함할 수 있으며, 사용자콘텐츠에 포함된 복수의 문장들과 비교콘텐츠들 각각에 포함된 복수의 문장들을 이용해 결정되는 제2 유사도를 포함할 수 있다. 또한, 제1 유사도 및 제2 유사도 각각이 미리 설정된 기준보다 큰 경우 미리 설정된 유사도 기준을 만족할 수 있다.
먼저, 제1 유사콘텐츠 결정부(101)는, 사용자콘텐츠의 내용과 관련성이 미리 설정된 기준 이상인 제1 유사콘텐츠를 결정할 수 있다.
도 3은 도 1에 따른 서비스 제공 장치(100)가 제1 유사콘텐츠를 결정하는 과정을 도시하는 흐름도다.
제1 유사콘텐츠 결정부(101)는, 사용자 단말(300)로부터 사용자콘텐츠를 수신한다. 일 실시예에서, 제1 유사콘텐츠 결정부(101)는, 홍보물, IR자료, 회사소개서, 브로슈어 등이 사용자콘텐츠를 수신할 수 있다.
또한, 제1 유사콘텐츠 결정부(101)는, 사용자콘텐츠에서 복수의 비교키워드들을 획득하고, 비교키워드들을 이용해 제1 벡터를 생성한다(S120).
제1 유사콘텐츠 결정부(101)는, 사용자콘텐츠에 포함된 복수의 단어들을 획득하고, 사용자의 사업영역 및 사용자콘텐츠의 종류와의 연관성을 이용해 단어들 각각에 대한 중요도를 결정할 수 있다. 일 실시예에서, 제1 유사콘텐츠 결정부(101)는, OCR(Optical Character Reader)을 이용해 사용자콘텐츠에 포함된 텍스트를 획득할 수 있다. 또한, 제1 유사콘텐츠 결정부(101)는, 획득한 텍스트를 단어를 획득하도록 미리 학습된 자연어처리모델에 입력 값으로 입력하고, 자연어처리모델로부터 텍스트에 포함된 복수의 단어들을 획득할 수 있다. 일 실시예에서, 제1 유사콘텐츠 결정부(101)는, 사업영역 및 콘텐츠의 종류가 사용자와 동일한 콘텐츠들에 포함된 빈도수에 기초하여 단어의 중요도를 평가할 수 있다. 일 실시예에서, 제1 유사콘텐츠 결정부(101)는, 사용영역 및 콘텐츠의 종류가 사용자와 동일한 콘텐츠들을 검색하고, 검색된 콘텐츠들에서 단어가 포함되는 횟수가 많을수록 상대적으로 단어의 중요성을 높게 결정할 수 있다.
제1 유사콘텐츠 결정부(101)는, 중요도가 미리 설정된 기준 중요도 이상인 단어들을 비교키워드들로 결정할 수 있다.
제1 유사콘텐츠 결정부(101)는, 비교키워드들을 이용해 제1 벡터를 생성한다.
또한, 제1 유사콘텐츠 결정부(101)는, 서비스 제공 장치(100)의 데이터베이스에서 사용자의 사업영역 및 사용자콘텐츠의 종류와 매칭되는 복수의 비교콘텐츠들을 선택한다(S130). 일 실시예에서, S130단계는 S120단계보다 앞서서 수행될 수 있다.
서비스 제공 장치(100)의 데이터베이스에는 비교콘텐츠들 각각과 사업영역 및 비교콘텐츠의 종류가 매칭되어 저장된다.
제1 유사콘텐츠 결정부(101)는, 사업영역 및 비교콘텐츠의 종류가 사용자의 사업영역 및 사용자콘텐츠의 종류와 동일한 비교컨텐츠들을 서비스 제공 장치(100)의 데이터베이스에서 선택한다.
또한, 제1 유사콘텐츠 결정부(101)는, 비교콘텐츠들 각각의 제2 벡터와 제1 벡터를 이용해 비교콘텐츠들 각각의 제1 유사도를 결정한다(S140).
서비스 제공 장치(100)의 데이터베이스에는 비교콘텐츠들 각각과 제2 벡터가 미리 매칭되어 저장된다. 제2 벡터를 비교콘텐츠에 포함된 비교키워드들을 이용해 생성될 수 있다.
제1 유사콘텐츠 결정부(101)는, 제1 벡터와 제2 벡터 사이의 코사인 유사도를 이용하여 비교콘텐츠들 각각과 대응하는 제1 유사도를 결정할 수 있다.
제1 유사도는 아래의 수학식 1에 의해 산출될 수 있다.
Figure 112022031298955-pat00001
상기 수학식 1에서, S1은 제1 유사도를 의미하고, A는 제1 벡터를 의미하며, B는 제2 벡터를 의미한다. 제1 벡터와 제2 벡터가 이루는 각도가 작을수록 제1 유사도는 상대적으로 커지고, 제1 벡터와 제2 벡터가 이루는 각도가 클수록 제1 유사도는 상대적으로 작아진다.
또한, 제1 유사콘텐츠 결정부(101)는, 제1 유사도가 기 설정된 기준 유사도보다 큰 비교콘텐츠들을 제1 유사콘텐츠들로 결정한다(S150).
이를 통해, 사용자콘텐츠의 내용과 관련성이 미리 설정된 기준 이상인 비교콘텐츠들이 제1 유사콘텐츠로 결정될 수 있다.
또한, 제2 유사콘텐츠 결정부(102)는, 사용자콘텐츠와 목차의 유사도가 미리 설정된 기준 이상인 제1 유사콘텐츠들을 제2 유사콘텐츠들로 결정할 수 있다.
도 4는 도 1에 따른 서비스 제공 장치(100)가 제2 유사콘텐츠를 결정하는 과정을 도시하는 흐름도다.
먼저, 제2 유사콘텐츠 결정부(102)는, 사용자콘텐츠로부터 복수의 소제목들을 획득하고, 소제목들과 대응하는 제1 제목클래스들을 결정한다(S210).
제2 유사콘텐츠 결정부(102)는, 사용자콘텐츠의 목차를 구성하는 소제목들을 획득하고, 소제목들의 종류에 기초해 미리 설정된 제목클래스들과 소제목들을 매칭할 수 있다. 일 실시예에서, 사용자콘텐츠가 회사소개서인 경우, 회사개요, 회사연혁, 경영이념, 조직도, 주요사업, 사업내용, 경쟁력, 시장성, 고객사 등과 대응하는 제목클래스들이 설정될 수 있다. 소제목이 회사개요와 관련된 내용인 경우, 제2 유사콘텐츠 결정부(102)는, 소제목에 회사개요와 대응하는 제목클래스를 매칭할 수 있다.
일 실시예에서, 제2 유사콘텐츠 결정부(102)는, 입력 인터페이스 장치를 통해 사용자콘텐츠와 대응하는 소제목들 및 소제목들 각각에 대해 쓰여진 내용을 입력 받을 수 있다.
일 실시예에서, 제2 유사콘텐츠 결정부(102)는, 사용자 단말(200)로부터 사용자콘텐츠와 대응하는 소제목들 및 소제목들 각각에 대해 쓰여진 내용을 입력 받을 수 있다.
일 실시예에서, 제2 유사콘텐츠 결정부(102)는, 텍스트를 미리 학습된 자연어처리모델을 이용해 문장 단위로 구분하고, 문장을 문장이 소제목에 해당하는지 여부를 판단하도록 미리 학습된 기계학습모델에 입력 값으로 입력하고, 기계학습모델로부터 문장의 소제목여부를 획득할 수 있다. 예를 들어, RNN(Recurrent Neural Network), BERT(Bidirectional Encoder Representations from Transformers) 등이 기계학습모델의 학습에 사용될 수 있다. 다만, 이에 한정되는 것은 아니다. 제2 유사콘텐츠 결정부(102)는, 소제목에 해당하는 두 문장 사이에 위치한 문장들을 먼저 나온 문장에 대해 쓰여진 내용으로 결정할 수 있다.
일 실시예에서, 서비스 제공 장치(100)의 데이터베이스에는 사용자콘텐츠의 종류별로 매칭되는 제목클래스테이블이 저장된다. 예를 들어, 사용자콘텐츠의 종류가 회사소개서인 경우, 제2 유사콘텐츠 결정부(102)는, 회사소개서와 매칭되는 제목클래스테이블을 선택할 수 있다. 제목클래스테이블에는 제목클래스들 각각과 복수의 제목키워드들이 매칭되어 저장된다. 제2 유사콘텐츠 결정부(102)는, 소제목으로 판단된 문장에 포함되는 단어들과 매칭되는 제목클래스를 제목클래스테이블에서 선택할 수 있다. 또한, 제2 유사콘텐츠 결정부(102)는, 선택한 제목클래스를 소제목에 대한 제1 제목클래스로 라벨링할 수 있다.
일 실시예에서, 제2 유사콘텐츠 결정부(102)는, 소제목으로 판단된 문장을 문장의 제목클래스를 판단하도록 미리 학습된 기계학습모델에 입력 값으로 입력하고, 기계학습모델로부터 문장과 대응하는 제목클래스를 획득할 수 있다. 일 실시예에서, 기계학습모델은, 사업영역, 콘텐츠의 종류 및 소제목에 해당하는 문장에 제목클래스를 라벨링하여 생성된 학습데이터를 이용한 기계학습을 통해 생성될 수 있다. 예를 들어, RNN(Recurrent Neural Network), BERT(Bidirectional Encoder Representations from Transformers) 등이 기계학습모델의 학습에 사용될 수 있다. 다만, 이에 한정되는 것은 아니다. 제2 유사콘텐츠 결정부(102)는, 획득한 제목클래스를 소제목에 대한 제1 제목클래스로 결정할 수 있다.
또한, 제2 유사콘텐츠 결정부(102)는, 사용자콘텐츠의 제1 제목클래스들과 제1 유사콘텐츠들 각각의 제2 제목클래스들을 이용하여 제1 유사콘텐츠들 각각과 대응하는 제2 유사도를 결정한다(S220).
제2 유사콘텐츠 결정부(102)는, 사용자콘텐츠의 소제목들과 대응하는 제1 제목클래스들을 이용해 제3 벡터를 생성할 수 있다.
서비스 제공 장치(100)의 데이터베이스에는 제1 유사콘텐츠들 각각과 제4 벡터가 미리 매칭되어 저장된다. 제4 벡터는 제1 유사콘텐츠에 포함된 소제목들 각각과 대응하는 제2 제목클래스들을 이용해 생성될 수 있다.
제2 유사콘텐츠 결정부(102)는, 제3 벡터와 제4 벡터 사이의 코사인 유사도를 이용하여 비교콘텐츠들 각각과 대응하는 제2 유사도를 결정할 수 있다.
제2 유사도는 아래의 수학식 2에 의해 산출될 수 있다.
Figure 112022031298955-pat00002
상기 수학식 2에서, S2는 제2 유사도를 의미하고, C는 제3 벡터를 의미하며, D는 제4 벡터를 의미한다. 제3 벡터와 제4 벡터가 이루는 각도가 작을수록 제2 유사도는 상대적으로 커지고, 제3 벡터와 제4 벡터가 이루는 각도가 클수록 제2 유사도는 상대적으로 작아진다.
제2 유사콘텐츠 결정부(102)는, 제2 유사도가 미리 설정된 기준 유사도보다 큰 제1 유사도콘텐츠들을 제2 유사콘텐츠들로 결정한다(S230). 제2 유사콘텐츠는 최종적인 유사콘텐츠를 의미한다.
또한, 추가자료 결정부(103)는 사용자 단말(200)에 제공할 추가자료를 결정하고, 추가자료 검색부(104)는, 결정된 추가자료를 검색하여 사용자 단말(200)에 제공할 수 있다.
도 5는 도 1에 따른 서비스 제공 장치(100)가 사용자 단말(200)에 제공할 추가자료를 결정하고 검색하는 과정을 도시하는 흐름도다.
추가자료 결정부(103) 및 추가자료 검색부(104)는, 제2 유사콘텐츠들 각각에 포함되는 문장들 중 사용자콘텐츠의 문장들과 대응하지 않는 문장들, 사용자의 사업영역 및 사용자콘텐츠의 종류를 이용하여 추가자료를 검색하고, 검색된 추가자료를 사용자 단말(200)에 제공할 수 있다.
추가자료 결정부(103)는, 사용자콘텐츠의 제1 제목클래스들과 제2 유사콘텐츠들 각각의 제2 제목클래스들을 비교한다(S310).
또한, 추가자료 결정부(103)는, 제1 제목클래스들 중 적어도 하나가 제2 제목클래스와 동일한지 판단한다(S320).
추가자료 결정부(103)는, 제1 제목클래스들 중 적어도 하나가 제2 제목클래스가 동일한 경우, 제2 제목클래스와 매칭된 소제목에 대해 쓰여진 내용과 제2 제목클래스와 동일한 제1 제목클래스와 매칭된 소제목에 대해 쓰여진 내용을 비교하여 사용자 단말(200)에 제공할 추가자료를 결정한다. 예를 들어, 제2 제목클래스가 회사연혁이고, 제1 제목클래스들 중 회사연혁인 제1 제목클래스가 존재하는 경우, 추가자료 결정부(103)는, 제2 유사콘텐츠의 회사연혁으로 라벨링된 소제목에 대해 쓰여진 내용과 사용자콘텐츠의 회사연혁으로 라벨링된 소제목에 대해 쓰여진 내용을 비교하여 사용자 단말(200)에 제공할 추가자료를 결정한다.
추가자료 결정부(103)는, 제1 제목클래스들 모두와 제2 제목클래스가 동일하지 않는 경우, 제2 제목클래스를 이용해 사용자 단말(200)에 제공할 추가자료를 결정한다. 예를 들어, 제2 제목클래스가 포트폴리오이고, 제1 제목클래스들 중 포트폴리오인 제1 제목클래스가 존재하지 않는 경우, 추가자료 결정부(103)는, 포트폴리오인 제2 제목클래스를 이용하여 사용자 단말(200)에 제공할 추가자료를 결정한다.
또한, 제1 제목클래스들 중 적어도 하나가 제2 제목클래스와 동일한 경우, 추가자료 결정부(103)는, 사용자콘텐츠로부터 소제목들 각각과 대응하는 복수의 세부문장들을 획득하고, 세부문장들 각각의 제1 문장클래스를 결정한다(S330). 일 실시예에서, 사용자콘텐츠로부터 소제목들 각각과 대응하는 복수의 세부문장들을 획득하고, 세부문장들 각각의 제1 문장클래스를 결정하는 단계는, S320단계 이전에 수행될 수 있다. 이 경우, 제1 제목클래스들 중 적어도 하나가 제2 제목클래스와 동일한 경우, 추가자료 결정부(103)는, 후술하는 S340단계를 수행한다. 일 실시예에서, 소제목들 각각과 대응하는 복수의 세부문장들은, 사용자콘텐츠에 포함된 문장들 중 소제목들 각각에 대해 쓰여진 복수의 문장들을 의미한다.
추가자료 결정부(103)는, 각각의 소제목들에 대해 쓰여진 내용들을 문장단위로 획득하고, 문장의 종류에 기초해 미리 설정된 문장클래스들과 문장들을 매칭할 수 있다. 일 실시예에서, 소제목이 경쟁력으로 라벨링된 경우, 소제목에 대해 쓰여진 문장들은, 제품효과, 특허, 경쟁사비교 등의 문장클래스들로 라벨링될 수 있다.
추가자료 결정부(103)는, 소제목에 대해 쓰여진 세부문장을 미리 학습된 기계학습모델에 입력 값으로 입력하고, 기계학습모델로부터 세부문장과 대응하는 문장클래스를 획득할 수 있다. 예를 들어, "자사는 3건의 등록특허를 취득하여 자사만의 원천적인 기술을 확보하였습니다"라는 세부문장을 기계학습모델에 입력 값으로 입력한 경우, 기계학습모델로부터 세부문장과 대응하는 문장클래스로 "특허"를 획득할 수 있다. 일 실시예에서, 기계학습모델은 사업영역, 사업콘텐츠의 종류 및 문장에 문장클래스를 라벨링하여 생성된 학습데이터를 이용한 기계학습을 통해 생성될 수 있다. 예를 들어, RNN(Recurrent Neural Network), BERT(Bidirectional Encoder Representations from Transformers) 등이 기계학습모델의 학습에 사용될 수 있다.
또한, 추가자료 결정부(103)는, 제2 제목클래스와 대응하는 제2 문장클래스들을 제2 제목클래스와 동일한 제1 제목클래스와 대응하는 제1 문장클래스들을 비교한다(S340).
추가자료 결정부(103)는, 제2 제목클래스와 매칭된 소제목에 대해 쓰여진 세부문장들의 제2 문장클래스들을, 제2 제목클래스와 동일한 제1 제목클래스와 매칭된 소제목에 대해 쓰여진 세부문장들의 제1 문장클래스들과 비교한다. 예를 들어, 추가자료 결정부(103)는, 사용자 콘텐츠의 경쟁력으로 라벨링된 소제목에 대해 쓰여진 세부문장들의 제1 문장클래스들과 제2 유사콘텐츠의 경쟁력으로 라벨링된 소제목에 대해 쓰여진 세부문장들의 제2 문장클래스들을 비교한다.
또한, 추가자료 결정부(103)는, 제2 문장클래스들 중 제1 문장클래스들과 동일하지 않은 제2 문장클래스들을 추가문장클래스들로 결정하고, 결정된 추가문장클래스들을 사용자 단말(200)에 제공한다(S350).
예를 들어, 제2 문장클래스들은 제품효과, 특허 및 경쟁사비교이고, 제1 문장클래스들이 제품효과 및 특허인 경우, 경쟁사비교인 제2 문장클래스가 추가문장클래스로 결정될 수 있다.
추가문장클래스들을 제공받은 사용자 단말(200)은, 출력 인터페이스 장치를 통해 추가문장클래스들을 사용자에게 제공한다. 또한, 사용자 단말(200)은, 입력 인터페이스 장치를 통해 사용자로부터 추가문장클래스들 중 적어도 하나에 대한 선택신호를 입력 받을 수 있다(S360).
또한, 추가자료 결정부(103)는, 사용자로부터 입력 받은 추가문장클래스를 사용자 단말(200)로부터 수신한다(S360). 사용자 단말(200)은, 사용자로부터 입력 받은 선택신호와 대응하는 추가문장클래스를 추가자료 결정부(103)에 제공한다.
또한, 추가자료 검색부(104)는, 사용자 단말(200)로부터 수신한 추가문장클래스, 제2 제목클래스와 동일한 제1 제목클래스, 사용자의 사업영역 및 사용자콘텐츠의 종류를 이용해 추가자료를 검색하고, 검색된 추가자료를 사용자 단말(200)에 제공한다(S380).
서비스 제공 장치(100)의 데이터베이스에는 추가문장클래스와 복수의 제1 검색어들이 미리 매칭되어 저장되고, 제1 제목클래스와 복수의 제2 검색어들이 미리 매칭되어 저장되며, 사업영역과 복수의 제3 검색어들이 미리 매칭되어 저장되고, 사용자콘텐츠의 종류와 복수의 제4 검색어들이 미리 매칭되어 저장된다.
추가자료 검색부(104)는, 추가문장클래스, 제1 제목클래스, 사업영역 및 사용자콘텐츠의 종류와 매칭되는 제1 검색어들, 제2 검색어들, 제3 검색어들 및 제4 검색어들을 데이터베이스에서 선택하고, 선택된 제1 검색어들, 제2 검색어들, 제3 검색어들 및 제4 검색어들을 이용해 검색식을 생성할 수 있다. 일 실시예에서, 검색식은 제1 검색어들 중 어느 하나, 제2 검색어들 중 어느 하나, 제3 검색어들 중 어느 하나 및 제4 검색어들 중 어느 하나를 모두 포함하도록 설정될 수 있다. 일 실시예에서, 검색식은 제1 검색어를 반드시 포함하고 제2 검색어, 제3 검색어 및 제4 검색어는 선택적으로 포함하도록 설정될 수 있다.
추가자료 검색부(104)는, 별도의 자료검색서버(미도시) 또는 서비스 제공 장치(100)에 포함된 검색데이터베이스(미도시)에 검색식을 입력하고, 검색식과 대응하는 복수의 검색자료들을 획득할 수 있다.
추가자료 검색부(104)는, 검색자료들 각각에 대한 제3 유사도를 결정하고, 제3 유사도가 기 설정된 기준 유사도보다 큰 검색자료들을 추가자료들로 결정하여 사용자 단말(200)에 제공할 수 있다.
일 실시예에서, 추가자료 검색부(104)는, 검색자료에 제1 검색어가 포함된 횟수, 검색자료에 제2 검색어가 포함된 횟수, 검색자료에 제3 검색어가 포함된 횟수 및 검색자료에 제4 검색어가 포함된 횟수를 이용해 검색자료와 대응하는 제3 유사도를 결정할 수 있다. 일 실시예에서, 검색자료에 제1 검색어가 포함된 횟수, 검색자료에 제2 검색어가 포함된 횟수, 검색자료에 제3 검색어가 포함된 횟수 및 검색자료에 제4 검색어가 포함된 횟수가 클수록 제3 유사도가 상대적으로 크게 설정될 수 있다. 일 실시예에서, 검색자료에 제1 검색어가 포함된 횟수에 제1 가중치를 곱한 값, 검색자료에 제2 검색어가 포함된 횟수에 제2 가중치를 곱한 값, 검색자료에 제3 검색어가 포함된 횟수에 제3 가중치를 곱한 값 및 검색자료에 제4 검색어가 포함된 횟수에 제4 가중치를 곱한 값이 클수록 제3 유사도가 상대적으로 크게 설정될 수 있다. 일 실시예에서, 제1 가중치 내지 제4 가중치는 서로 다르게 설정될 수 있다.
또한, 제1 제목클래스들 모두가 제2 제목클래스와 동일하지 않은 경우, 추가자료 검색부(104)는, 제2 제목클래스, 사용자의 사업영역 및 사용자콘텐츠의 종류를 이용하여 추가자료를 검색하고, 검색된 추가자료를 사용자 단말(200)에 제공한다(S370).
서비스 제공 장치(100)의 데이터베이스에는 제2 제목클래스와 복수의 제5 검색어들이 미리 매칭되어 저장되며, 사업영역과 복수의 제3 검색어들이 미리 매칭되어 저장되고, 사용자콘텐츠의 종류와 복수의 제4 검색어들이 미리 매칭되어 저장된다.
추가자료 검색부(104)는, 제2 제목클래스, 사업영역 및 사용자콘텐츠의 종류와 매칭되는 제5 검색어들, 제3 검색어들 및 제4 검색어들을 데이터베이스에서 선택하고, 선택된 제5 검색어들, 제3 검색어들 및 제4 검색어들을 이용해 검색식을 생성할 수 있다. 일 실시예에서, 검색식은 제5 검색어들 중 어느 하나, 제3 검색어들 중 어느 하나 및 제4 검색어들 중 어느 하나를 모두 포함하도록 설정될 수 있다. 일 실시예에서, 검색식은 제5 검색어를 반드시 포함하고 제3 검색어, 및 제4 검색어는 선택적으로 포함하도록 설정될 수 있다.
추가자료 검색부(104)는, 별도의 자료검색서버(미도시) 또는 서비스 제공 장치(100)에 포함된 검색데이터베이스(미도시)에 검색식을 입력하고, 검색식과 대응하는 복수의 검색자료들을 획득할 수 있다.
추가자료 검색부(104)는, 검색자료들 각각에 대한 제3 유사도를 결정하고, 제3 유사도가 기 설정된 기준 유사도보다 큰 검색자료들을 추가자료들로 결정하여 사용자 단말(200)에 제공할 수 있다.
일 실시예에서, 추가자료 검색부(104)는, 검색자료에 제5 검색어가 포함된 횟수, 검색자료에 제3 검색어가 포함된 횟수 및 검색자료에 제4 검색어가 포함된 횟수를 이용해 검색자료와 대응하는 제3 유사도를 결정할 수 있다. 일 실시예에서, 검색자료에 제5 검색어가 포함된 횟수, 검색자료에 제3 검색어가 포함된 횟수 및 검색자료에 제4 검색어가 포함된 횟수가 클수록 제3 유사도가 상대적으로 크게 설정될 수 있다. 일 실시예에서, 검색자료에 제5 검색어가 포함된 횟수에 제5 가중치를 곱한 값, 검색자료에 제3 검색어가 포함된 횟수에 제3 가중치를 곱한 값 및 검색자료에 제4 검색어가 포함된 횟수에 제4 가중치를 곱한 값이 클수록 제3 유사도가 상대적으로 크게 설정될 수 있다. 일 실시예에서, 제3 가중치 내지 제5 가중치는 서로 다르게 설정될 수 있다.
도 6은 도 1에 따른 서비스 제공 장치(100)의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 6을 참조하면, 서비스 제공 장치(100)는, 적어도 하나의 프로세서(110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
상기 적어도 하나의 동작은 전술한 서비스 제공 장치(100)의 구성부들(101~105)이나 기타 기능 또는 동작 방법을 포함할 수 있다.
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다.
예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 장치(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 장치(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.
장치(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (5)

  1. 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스를 제공하기 위한 장치로서,
    상기 장치는,
    적어도 하나의 프로세서(processor); 및
    상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
    상기 적어도 하나의 동작은,
    사용자의 사용자 단말로부터 상기 사용자의 사업영역, 사용자콘텐츠의 종류 및 상기 사용자콘텐츠를 수신하는 동작;
    데이터베이스에서 상기 사업영역 및 상기 종류와 매칭되는 복수의 비교콘텐츠들을 선택하는 동작;
    상기 사용자콘텐츠에 포함된 복수의 제1 단어들 및 제1 문장들과 상기 비교콘텐츠들 각각에 포함되는 복수의 제2 단어들 및 제2 문장들을 이용하여, 상기 비교콘텐츠들 각각에 대한 유사도를 결정하고, 상기 유사도가 기 설정된 유사도 기준을 만족하는 상기 비교콘텐츠들을 유사콘텐츠들로 결정하는 동작; 및
    상기 유사콘텐츠들 각각에 포함되는 상기 제2 문장들 중 상기 제1 문장들과 대응하지 않는 제2 문장들, 상기 사업영역 및 상기 종류를 이용하여 추가자료를 검색하고, 검색된 추가자료를 상기 사용자 단말에 제공하는 동작을 포함하고,
    상기 유사도가 기 설정된 유사도 기준을 만족하는 상기 비교콘텐츠들을 유사콘텐츠들로 결정하는 동작은,
    상기 제1 단어들과 상기 제2 단어들을 이용하여 상기 비교콘텐츠들 각각과 대응하는 제1 유사도를 결정하며, 상기 제1 유사도가 미리 설정된 제1 기준 유사도보다 큰 상기 비교콘텐츠들을 예비유사콘텐츠들로 결정하는 동작; 및
    상기 제1 문장들에 포함된 복수의 제1 소제목들과 상기 제2 문장들에 포함된 복수의 제2 소제목들을 이용하여, 예비유사콘텐츠들 각각과 대응하는 제2 유사도를 결정하고, 상기 제2 유사도가 미리 설정된 제2 기준 유사도보다 큰 상기 예비유사콘텐츠들을 상기 유사콘텐츠들로 결정하는 동작을 포함하며,
    상기 제2 유사도가 미리 설정된 제2 기준 유사도보다 큰 상기 예비유사콘텐츠들을 상기 유사콘텐츠들로 결정하는 동작은,
    상기 사업영역, 상기 종류 및 상기 제1 소제목들 각각을 미리 학습된 제1 기계학습모델에 입력 값으로 입력하고, 상기 제1 기계학습모델로부터 상기 제1 소제목들과 대응하는 제1 제목클래스들을 획득하며, 상기 제1 소제목들을 상기 제1 제목클래스들로 라벨링하는 동작; 및
    상기 제1 제목클래스들과 상기 유사콘텐츠들 각각의 제2 제목클래스들을 이용하여 상기 유사콘텐츠들 각각과 대응하는 상기 제2 유사도를 결정하는 동작을 포함하는,
    장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 검색된 추가자료를 상기 사용자 단말에 제공하는 동작은,
    상기 제1 문장들에 포함되고 상기 제1 소제목들 각각에 대해 쓰여진 복수의 제1 세부문장들을 획득하는 동작;
    상기 사업영역, 상기 종류 및 상기 제1 세부문장들 각각을 미리 학습된 제2 기계학습모델에 입력 값으로 입력하고, 상기 제2 기계학습모델로부터 상기 제1 세부문장들과 대응하는 제1 문장클래스들을 획득하며, 상기 제1 세부문장들을 상기 제1 문장클래스들로 라벨링하는 동작;
    상기 제1 제목클래스들 중 적어도 하나가 상기 제2 제목클래스와 동일한 경우, 상기 제2 제목클래스와 동일한 상기 제1 제목클래스로 라벨링된 상기 제1 소제목을 획득하고, 획득한 상기 제1 소제목에 대해 쓰여진 상기 제1 세부문장들의 상기 제1 문장클래스들과 상기 제2 제목클래스와 대응하는 제2 문장클래스들을 비교하는 동작;
    상기 제2 문장클래스들 중 상기 제1 문장클래스들과 동일하지 않은 제2 문장클래스들을 추가문장클래스들로 결정하는 동작; 및
    상기 추가문장클래스들, 상기 제2 제목클래스와 동일한 상기 제1 제목클래스, 상기 사업영역 및 사용자콘텐츠의 종류를 이용하여 상기 추가자료를 검색하는 동작을 포함하는,
    장치.
  5. 제4항에 있어서,
    상기 검색된 추가자료를 상기 사용자 단말에 제공하는 동작은,
    상기 제1 제목클래스들 모두와 상기 제2 제목클래스가 동일하지 않은 경우, 상기 제2 제목클래스, 상기 사업영역 및 상기 종류를 이용하여 상기 추가자료를 검색하는 동작을 더 포함하는,
    장치.
KR1020220035983A 2022-03-23 2022-03-23 유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램 KR102487820B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220035983A KR102487820B1 (ko) 2022-03-23 2022-03-23 유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220035983A KR102487820B1 (ko) 2022-03-23 2022-03-23 유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램

Publications (1)

Publication Number Publication Date
KR102487820B1 true KR102487820B1 (ko) 2023-01-13

Family

ID=84900254

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220035983A KR102487820B1 (ko) 2022-03-23 2022-03-23 유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램

Country Status (1)

Country Link
KR (1) KR102487820B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102551997B1 (ko) 2023-02-27 2023-07-06 주식회사 턴키웍스 콘텐츠 시청 성향 분석 기반 광고 콘텐츠 기획 자동화 및 커머스 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102664241B1 (ko) 2023-10-30 2024-05-08 주식회사 에이디쏠인터렉티브 고객 맞춤형 광고 콘텐츠의 기획 및 템플릿 생성 자동화 솔루션 제공 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110117440A (ko) * 2010-04-21 2011-10-27 엔에이치엔(주) 문서 간 유사도 계산 시스템 및 방법
KR20150031087A (ko) * 2013-09-13 2015-03-23 한국과학기술원 지식 구조를 기반으로 한 검색 서비스 제공 방법 및 장치
KR20210006098A (ko) * 2019-07-08 2021-01-18 네이버 주식회사 문서 검색 품질 향상을 위한 문서 일관성 판단 방법 및 시스템
JP2021135782A (ja) * 2020-02-27 2021-09-13 三菱重工業株式会社 文書解析装置、文書解析方法およびプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110117440A (ko) * 2010-04-21 2011-10-27 엔에이치엔(주) 문서 간 유사도 계산 시스템 및 방법
KR20150031087A (ko) * 2013-09-13 2015-03-23 한국과학기술원 지식 구조를 기반으로 한 검색 서비스 제공 방법 및 장치
KR20210006098A (ko) * 2019-07-08 2021-01-18 네이버 주식회사 문서 검색 품질 향상을 위한 문서 일관성 판단 방법 및 시스템
JP2021135782A (ja) * 2020-02-27 2021-09-13 三菱重工業株式会社 文書解析装置、文書解析方法およびプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102551997B1 (ko) 2023-02-27 2023-07-06 주식회사 턴키웍스 콘텐츠 시청 성향 분석 기반 광고 콘텐츠 기획 자동화 및 커머스 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102664241B1 (ko) 2023-10-30 2024-05-08 주식회사 에이디쏠인터렉티브 고객 맞춤형 광고 콘텐츠의 기획 및 템플릿 생성 자동화 솔루션 제공 시스템

Similar Documents

Publication Publication Date Title
US11403680B2 (en) Method, apparatus for evaluating review, device and storage medium
KR102487820B1 (ko) 유사한 비교콘텐츠들과의 차별점을 제공하는 콘텐츠 기획과 제작을 위한 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램
US11977589B2 (en) Information search method, device, apparatus and computer-readable medium
US10331673B2 (en) Applying level of permanence to statements to influence confidence ranking
US20150339616A1 (en) System for real-time suggestion of a subject matter expert in an authoring environment
US9772991B2 (en) Text extraction
CN113806588A (zh) 搜索视频的方法和装置
CN112199602A (zh) 岗位推荐方法、推荐平台及服务器
CN112579729A (zh) 文档质量评价模型的训练方法、装置、电子设备和介质
CN114936565A (zh) 主旨信息提取方法及装置
US20210342389A1 (en) Techniques for identifying color profiles for textual queries
CN114297143A (zh) 一种搜索文件的方法、显示文件的方法、装置及移动终端
US11886809B1 (en) Identifying templates based on fonts
US9946765B2 (en) Building a domain knowledge and term identity using crowd sourcing
US20230351225A1 (en) Machine learning-based user selection prediction based on sequence of prior user selections
CN114742062B (zh) 文本关键词提取处理方法及系统
KR102559891B1 (ko) 사용자콘텐츠를 이용해 결정된 추천디자인을 제공하는 콘텐츠 제작 통합 플랫폼 서비스 제공 장치, 방법 및 프로그램
US20210089541A1 (en) Intellectual property support device, intellectual property support method, and intellectual property support program
US8549008B1 (en) Determining section information of a digital volume
KR102674650B1 (ko) 광고 컨텐츠를 자동으로 생성하는 이지 포스팅 시스템
KR102448633B1 (ko) 사용자의 검색어를 기반으로 한 상품 추천 방법
Indira et al. Profile screening and recommending using natural language processing (NLP) and leverage Hadoop framework for big data
US9652670B1 (en) Omission detection
US11860917B1 (en) Catalog adoption in procurement
US20230162020A1 (en) Multi-Task Sequence Tagging with Injection of Supplemental Information

Legal Events

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