KR102571350B1

KR102571350B1 - Method for providing customized analysis report using deep learning model based tagging technology and apparatus thereof

Info

Publication number: KR102571350B1
Application number: KR1020230038323A
Authority: KR
Inventors: 이홍재; 고형석
Original assignee: (주)유알피
Priority date: 2023-03-24
Filing date: 2023-03-24
Publication date: 2023-08-29

Abstract

본 발명은 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법 및 그 장치에 관한 것으로, 온라인상에서 수집한 문서를 딥러닝 모델을 통해 태깅(tagging)하여 카테고리별로 분류 및 요약하여 클라우드 서버에 저장하고, 상기 분류 및 요약한 문서를 사용자의 니즈에 따라 SaaS(software as a service) 기반의 맞춤형 분석보고서로 생성하여 제공할 수 있도록 하는 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법 및 그 장치에 관한 것이다.The present invention relates to a method and apparatus for providing a customized analysis report using deep learning model-based tagging technology, and documents collected online are tagged through a deep learning model, classified and summarized by category, and stored in a cloud server. A method for providing a customized analysis report using a deep learning model-based tagging technology that enables the classification and summary of the document to be generated and provided as a SaaS (software as a service)-based customized analysis report according to the user's needs, and its It's about the device.

Description

Method and device for providing customized analysis report using deep learning model-based tagging technology

본 발명은 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법 및 그 장치에 관한 것으로, 더욱 상세하게는 온라인상에서 수집한 문서를 딥러닝 모델을 통해 태깅(tagging)하여 카테고리별로 분류 및 요약하여 클라우드 서버에 저장하고, 상기 분류 및 요약한 문서를 사용자의 니즈에 따라 SaaS(software as a service) 기반의 맞춤형 분석보고서로 생성하여 제공할 수 있도록 하는 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법 및 그 장치에 관한 것이다.The present invention relates to a method and apparatus for providing a customized analysis report using deep learning model-based tagging technology, and more particularly, to tagging documents collected online through a deep learning model, classifying and summarizing them by category, Customized analysis report using deep learning model-based tagging technology that stores in a cloud server and generates and provides a customized analysis report based on SaaS (software as a service) according to user needs according to the classification and summary of the document. It relates to a provision method and its device.

딥러닝(Deep Learning)은 인공신경망을 기반으로 한 기술로, 입력과 출력 사이에 인공신경망을 여러 개 층층이 쌓고 연결한 다층 신경망을 사용하여 데이터를 처리하고 패턴을 학습하는 머신 러닝의 한 분야이다.Deep learning is a technology based on artificial neural networks. It is a field of machine learning that processes data and learns patterns using multi-layered neural networks in which artificial neural networks are stacked and connected between inputs and outputs.

특히, 최근 들어 금융 분야에서 금융 보고서, 재무 보고서, 거래 내역 등을 분류하여 투자 전략을 제시하거나, 보험 회사에서 고객의 보험 청구서를 분류하여 보상을 제공하는 것과 같이 딥러닝 기반의 문서 분류가 다양한 분야에서 활용되고 있다.In particular, in recent years, in the field of finance, deep learning-based document classification is diverse, such as presenting investment strategies by classifying financial reports, financial reports, and transaction details, or insurance companies classifying customers' insurance claims and providing compensation. is being used in

문서 분류는 이메일, 문서, 보고서 등의 텍스트 데이터를 각 주제나 유형에 맞게 분류하는 것으로서, 이를 통해서 사용자의 요구사항에 맞는 맞춤형 보고서를 제공할 수 있다. 예를 들어, 사용자가 특정 제품에 대해 문의하면, 해당 제품에 대한 보고서를 자동으로 생성하거나 해당 제품과 관련된 정보를 담은 보고서를 제공할 수 있는 것이다.Document classification is to classify text data such as e-mails, documents, reports, etc. according to each subject or type, and through this, a customized report tailored to the user's requirements can be provided. For example, when a user inquires about a particular product, a report about that product can be automatically generated or a report containing information related to that product can be provided.

하지만, 딥러닝 기술을 활용한 문서 분류 모델은 많은 양의 데이터를 필요로 하지만, 데이터가 부족한 경우 모델의 성능이 저하될 수 있으며, 사용자의 니즈(needs)에 따른 보고서를 제공할 때 방대한 양의 문서를 정확하게 분류하지 못하면 잘못된 결과가 제공되어 정확도가 저하되는 것은 물론, 편향된 결과가 제공될 수 있는 문제가 있었다.However, a document classification model using deep learning technology requires a large amount of data, but if the data is insufficient, the performance of the model may deteriorate, and when providing a report according to user needs, a huge amount of data is required. If documents are not accurately classified, erroneous results may be provided, resulting in deterioration of accuracy and biased results.

또한, 대부분의 빅데이터 관련 업체들은 자체적으로 데이터를 수집 및 분석하는 딥러닝 모델을 보유하지 못하여, 급변하는 현실 환경에서 사용자의 니즈를 충족시키는 데 한계가 있었다.In addition, most big data related companies do not have a deep learning model that collects and analyzes data on their own, and thus has limitations in meeting user needs in a rapidly changing real environment.

따라서 본 발명에서는 딥러닝 기술을 통해 온라인상에서 수집한 문서를 태깅하여 분류 및 요약한 다음 클라우드 서버에 저장하고, 이를 참조하여 사용자가 쉽게 이해할 수 있는 SaaS 기반의 맞춤형 분석보고서를 생성하여 제공할 수 있는 방안을 제시하고자 한다.Therefore, in the present invention, after tagging, classifying and summarizing documents collected online through deep learning technology, storing them in a cloud server, creating and providing a SaaS-based customized analysis report that users can easily understand by referring to it. I would like to suggest a plan.

또한, 본 발명은 부족한 카테고리에 대한 지속적인 문서 수집을 통해 딥러닝 모델을 업데이트함으로써, 사용자의 니즈에 맞는 분석보고서 제공의 정확도 및 신뢰도를 높일 수 있도록 한다.In addition, the present invention can increase the accuracy and reliability of providing analysis reports that meet the user's needs by updating the deep learning model through continuous document collection for categories that are lacking.

다음으로 본 발명의 기술분야에 존재하는 선행발명에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행발명에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.Next, the prior inventions existing in the technical field of the present invention will be briefly described, and then the technical details to be achieved by the present invention to be differentiated from the prior inventions will be described.

먼저 한국등록특허 제2396413호(2022.05.09.)는 인공지능을 기반으로 온라인에서 수집한 소셜 데이터를 실시간으로 분석하여 유의미한 데이터들을 추출 및 분석하고, 분석 결과에 대한 통합 보고서를 자동 생성하여 제공하기 위한 빅데이터와 인공지능을 활용한 소셜 빅데이터 분석보고서 자동 제공 시스템에 관한 선행발명이다.First, Korea Patent No. 2396413 (May 9, 2022) analyzes social data collected online in real time based on artificial intelligence to extract and analyze meaningful data, and automatically generates and provides an integrated report for the analysis results. It is a prior invention related to an automatic social big data analysis report provision system using big data and artificial intelligence.

또한 한국등록특허 제2179890호(2020.11.17.)는 복수의 모듈 각각에 대응되는 복수의 컴포넌트를 사용자 입력에 따라 연결하여 사용자가 원하는 텍스트 데이터 분석을 수월하게 하기 위한 텍스트 데이터 수집 및 분석을 위한 시스템에 관한 선행발명이다.In addition, Korea Patent No. 2179890 (November 17, 2020) discloses a system for collecting and analyzing text data to facilitate text data analysis desired by a user by connecting a plurality of components corresponding to each of a plurality of modules according to user input. It is a prior invention about

하지만, 본 발명은 딥러닝 모델을 통해 태깅하여 분류 및 요약한 문서를 클라우드 서버에 저장하고, 이를 토대로 사용자의 니즈에 따른 SaaS 기반의 맞춤형 분석보고서를 생성하여 제공하는 것으로서, 온라인에서 수집한 소셜 데이터를 인공지능을 통해 처리하여 긍정 또는 부정의 결과를 도출한 후 이에 대한 분석결과정보를 생성하여 제공하는 상기 한국등록특허 제2396413호, 및 전자 장치에 제공되는 UI 화면을 통해 간편하게 텍스트 데이터를 분석하고, 분석 결과를 다양한 방법을 통해 확인하는 상기 한국등록특허 제2179890호와 비교해 볼 때, 구성상 차이점이 있다.However, the present invention stores documents tagged, classified, and summarized through a deep learning model in a cloud server, and based on this, creates and provides a SaaS-based customized analysis report according to the user's needs, and social data collected online is processed through artificial intelligence to derive positive or negative results, and then analyze text data easily through Korea Patent No. 2396413, which generates and provides analysis result information, and the UI screen provided to electronic devices , There is a difference in composition compared to the Korean Patent Registration No. 2179890, which confirms the analysis result through various methods.

본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 온라인상에서 다양한 형태로 수집한 문서를 딥러닝 모델을 통해 태깅하여 분류 및 요약한 다음 클라우드 서버에 저장하고, 상기 클라우드 서버에 저장한 문서를 토대로 사용자의 니즈에 따라 SaaS 기반의 맞춤형 분석보고서로 생성하여 제공할 수 있도록 하는 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법 및 그 장치를 제공하는 것을 목적으로 한다.The present invention was created to solve the above problems, and documents collected online in various forms are tagged, classified and summarized through a deep learning model, stored in a cloud server, and documents stored in the cloud server are stored. The purpose of this study is to provide a method and device for providing a customized analysis report using deep learning model-based tagging technology that can be generated and provided as a SaaS-based customized analysis report according to the user's needs.

또한, 본 발명은 부족한 카테고리에 대한 문서를 지속적으로 수집하여 딥러닝 모델을 업데이트하여, 사용자의 니즈에 맞는 분석보고서 제공의 정확도 및 신뢰도를 높일 수 있도록 하는 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법 및 그 장치를 제공하는 것을 다른 목적으로 한다.In addition, the present invention continuously collects documents for categories that are lacking, updates the deep learning model, and uses deep learning model-based tagging technology to increase the accuracy and reliability of providing analysis reports tailored to the user's needs. Another purpose is to provide a report providing method and its device.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical problem to be achieved by the present embodiment is not limited to the technical problems described above, and other technical problems may exist.

본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법은, 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치에서, 온라인상에서 문서를 수집하는 문서 수집 단계; 상기 수집한 문서를 클라우드 스토리지 서버에 저장하는 문서 저장 단계; 상기 클라우드 스토리지 서버에 저장된 문서를 태깅하여 카테고리별로 분류하는 문서 태깅 단계; 네트워크를 통해 접속된 사용자 단말의 상기 카테고리별로 분류한 문서의 요약정보 검색과 확인을 지원하는 문서 조회 단계; 상기 카테고리별로 분류한 문서를 이용한 맞춤형 분석보고서 제공을 위한 사용자의 요구사항을 확인하는 사용자 요구사항 확인 단계; 및 상기 확인한 사용자의 요구사항에 따라 맞춤형 분석보고서를 생성하여 상기 사용자 단말로 제공하는 맞춤형 분석보고서 생성 단계;를 포함하는 것을 특징으로 한다.A method for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention includes a document collection step of collecting documents online in an apparatus for providing a customized analysis report using deep learning model-based tagging technology; a document storage step of storing the collected documents in a cloud storage server; A document tagging step of tagging documents stored in the cloud storage server and classifying them by category; a document inquiry step of supporting search and confirmation of summary information of documents classified by the category of a user terminal accessed through a network; A user requirement confirmation step of confirming user requirements for providing a customized analysis report using the documents classified by category; and a customized analysis report generation step of generating a customized analysis report according to the confirmed user's requirements and providing the customized analysis report to the user terminal.

또한, 상기 문서 수집 단계는, 로봇 프로세스 자동화(Robot Process Automation)를 사용한 크롤링(crawling)을 통해서 행정 문서, 보고서, 논문, 평가서 및 기사를 포함한 문서를 수집하되, 상기 문서를 수집할 웹사이트를 선택하는 단계; 상기 문서의 추출 및 저장을 위해 로봇 프로세스를 개발하는 단계; 상기 개발한 로봇 프로세스를 주기적 또는 실시간으로 실행하여 상기 선택한 웹사이트에서 문서를 추출하는 단계; 상기 추출한 문서를 필요 형식으로 가공하는 단계; 및 상기 가공한 문서를 상기 클라우드 스토리지 서버에 저장하는 단계;를 순차적으로 수행하는 것을 통해서 문서를 수집하는 것을 특징으로 한다.In addition, the document collection step collects documents including administrative documents, reports, theses, evaluation reports, and articles through crawling using robot process automation, and selects a website to collect the documents. doing; developing a robotic process for retrieval and storage of the document; Executing the developed robot process periodically or in real time to extract documents from the selected website; processing the extracted document into a required format; And storing the processed document in the cloud storage server; characterized in that the document is collected through sequentially performing.

또한, 상기 문서 태깅 단계는, 상기 클라우드 스토리지 서버에 저장된 문서를 문서 분류 딥러닝 모델(textCNN)을 통해 태깅하여 카테고리별로 분류하는 단계; 및 상기 카테고리별로 분류한 문서를 각 카테고리에 따라 상기 클라우드 스토리지 서버에 저장하는 단계;를 포함하며, 상기 문서 분류 딥러닝 모델은, 복수의 문서에 해당 문서가 속하는 카테고리를 나타내는 태그를 각각 레이블링하여 구성한 학습데이터를 학습하여 생성되는 것을 특징으로 한다.In addition, the document tagging step may include tagging documents stored in the cloud storage server through a document classification deep learning model (textCNN) and classifying them by category; and storing the documents classified by category in the cloud storage server according to each category. Characterized in that it is generated by learning the learning data.

이때, 상기 문서 분류 딥러닝 모델은, 상기 문서에서 인물, 조직 및 지역을 포함한 특정한 개체명을 인식하는 개체명 인식; 상기 문서에 포함된 단어의 품사를 분석하는 품사 분석; 상기 문서의 긍정적 또는 부정적인 감성을 분석하는 감성 분석; 상기 문서가 나타내는 사용자의 의도를 분석하는 의도 분류; 상기 문서의 주제를 분석하는 문서 분류; 상기 문서의 의미를 분석하는 의미 분석; 또는 이들의 조합을 포함한 태깅을 통해 상기 문서를 카테고리별로 분류하는 것을 특징으로 한다.In this case, the document classification deep learning model includes entity name recognition for recognizing a specific entity name including a person, organization, and region in the document; part-of-speech analysis to analyze parts of speech of words included in the document; sentiment analysis to analyze positive or negative sentiment of the document; intention classification to analyze the user's intention indicated by the document; document classification to analyze the subject matter of the document; semantic analysis to analyze the meaning of the document; Or, it is characterized in that the document is classified by category through tagging including a combination thereof.

또한, 상기 맞춤형 분석보고서 생성 단계는, 서비스형 소프트웨어(SaaS) 기반으로 인프라 제공, 보고서 포맷 제공, 보고서 요약 제공, 보고서 필드 지정, 수집 문서 통계, 보고서 그래프 자동 생성 또는 이들의 조합을 통해 상기 카테고리별로 저장한 각 문서의 필요 정보만을 이용하여, 시각적이고 직관적인 상기 사용자의 요구사항에 따른 맞춤형 분석보고서를 생성하는 단계; 상기 생성한 맞춤형 분석보고서를 네트워크를 통해 상기 사용자 단말로 제공하는 단계;를 포함하는 것을 특징으로 한다.In addition, in the generating of the customized analysis report, each category is provided through software-as-a-service (SaaS)-based infrastructure provision, report format provision, report summary provision, report field designation, collected document statistics, report graph automatic generation, or a combination thereof. generating a visual and intuitive customized analysis report according to the requirements of the user, using only necessary information of each stored document; and providing the generated customized analysis report to the user terminal through a network.

또한, 상기 맞춤형 분석보고서 제공방법은, 상기 맞춤형 분석보고서 제공장치에서, 상기 맞춤형 분석보고서를 제공받은 상기 사용자 단말로부터 각 카테고리별 평가를 포함한 피드백 정보를 수신하는 피드백 정보 수신 단계; 및 상기 수신한 피드백 정보를 토대로 특정 카테고리의 문서 수집 계획을 수립하고, 상기 수립한 문서 수집 계획에 따라 문서를 수집하여 문서 분류 딥러닝 모델을 재학습하며, 상기 재학습한 문서 분류 딥러닝 모델의 성능을 평가하여 업데이트하는 딥러닝 모델 업데이트 단계;를 더 포함하는 것을 특징으로 한다.In addition, the customized analysis report providing method may include a feedback information receiving step of receiving, in the customized analysis report providing apparatus, feedback information including evaluation for each category from the user terminal provided with the customized analysis report; And based on the received feedback information, a document collection plan of a specific category is established, documents are collected according to the established document collection plan, and the document classification deep learning model is re-learned. It is characterized in that it further comprises; a deep learning model update step of evaluating and updating performance.

아울러, 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치는, 온라인상에서 문서를 수집하는 문서 수집부; 상기 수집한 문서를 클라우드 스토리지 서버에 저장하는 문서 저장부; 상기 클라우드 스토리지 서버에 저장된 문서를 태깅하여 카테고리별로 분류하는 문서 태깅부; 네트워크를 통해 접속된 사용자 단말의 상기 카테고리별로 분류한 문서의 요약정보 검색과 확인을 지원하는 문서 조회부; 상기 카테고리별로 분류한 문서를 이용한 맞춤형 분석보고서 제공을 위한 사용자의 요구사항을 확인하는 사용자 요구사항 확인부; 및 상기 확인한 사용자의 요구사항에 따라 맞춤형 분석보고서를 생성하여 상기 사용자 단말로 제공하는 맞춤형 분석보고서 생성부;를 포함하는 것을 특징으로 한다.In addition, an apparatus for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention includes a document collection unit for collecting documents online; a document storage unit for storing the collected documents in a cloud storage server; a document tagging unit for tagging documents stored in the cloud storage server and classifying them by category; a document search unit that supports search and confirmation of summary information of documents classified by the categories of user terminals accessed through the network; a user requirement confirmation unit confirming user requirements for providing a customized analysis report using the documents classified by category; and a customized analysis report generation unit generating a customized analysis report according to the identified user requirements and providing the customized analysis report to the user terminal.

또한, 상기 문서는, 행정 문서, 보고서, 논문, 평가서 및 기사를 포함하며, 상기 문서 수집부는, 로봇 프로세스 자동화(Robot Process Automation)를 사용한 크롤링(crawling)을 통해서 상기 문서를 수집하되, 상기 문서를 수집할 웹사이트를 선택하고, 상기 문서의 추출 및 저장을 위해 로봇 프로세스를 개발하고, 상기 개발한 로봇 프로세스를 주기적 또는 실시간으로 실행하여 상기 선택한 웹사이트에서 문서를 추출하고, 상기 추출한 문서를 필요 형식으로 가공하며, 상기 가공한 문서를 상기 클라우드 스토리지 서버에 저장하는 것을 순차적으로 수행함으로써, 수집하는 것을 특징으로 한다.In addition, the documents include administrative documents, reports, theses, evaluation reports, and articles, and the document collection unit collects the documents through crawling using Robot Process Automation, and collects the documents. Select a website to be collected, develop a robot process for extracting and storing the document, run the developed robot process periodically or in real time to extract documents from the selected website, and save the extracted document in a required format It is characterized in that it is collected by sequentially performing processing and storing the processed documents in the cloud storage server.

또한, 상기 문서 태깅부는, 상기 클라우드 스토리지 서버에 저장된 문서를 문서 분류 딥러닝 모델(textCNN)을 통해 태깅하여 카테고리별로 분류한 다음, 해당 문서를 카테고리에 따라 상기 클라우드 스토리지 서버에 저장하며, 상기 문서 분류 딥러닝 모델은, 복수의 문서에 해당 문서가 속하는 카테고리를 나타내는 태그를 각각 레이블링하여 구성한 학습데이터를 학습하여 생성되는 것을 특징으로 한다.In addition, the document tagging unit tags the documents stored in the cloud storage server through a document classification deep learning model (textCNN) and classifies them by category, and then stores the documents in the cloud storage server according to the categories, and classifies the documents. The deep learning model is characterized in that it is generated by learning training data configured by labeling a plurality of documents with tags representing categories to which the documents belong.

또한, 상기 맞춤형 분석보고서 생성부는, 서비스형 소프트웨어(SaaS) 기반으로 인프라 제공, 보고서 포맷 제공, 보고서 요약 제공, 보고서 필드 지정, 수집 문서 통계, 보고서 그래프 자동 생성 또는 이들의 조합을 통해 상기 카테고리별로 저장한 각 문서의 필요 정보만을 이용하여, 시각적이고 직관적인 상기 사용자의 요구사항에 따른 맞춤형 분석보고서를 생성하고, 상기 생성한 맞춤형 분석보고서를 네트워크를 통해 상기 사용자 단말로 제공하는 것을 특징으로 한다.In addition, the customized analysis report generation unit stores by category through software-as-a-service (SaaS)-based infrastructure provision, report format provision, report summary provision, report field designation, collected document statistics, report graph automatic generation, or a combination thereof. It is characterized in that a customized analysis report according to the requirements of the user is generated visually and intuitively using only necessary information of each document, and the generated customized analysis report is provided to the user terminal through a network.

또한, 상기 맞춤형 분석보고서 제공장치는, 상기 맞춤형 분석보고서를 제공받은 상기 사용자 단말로부터 각 카테고리별 평가를 포함한 피드백 정보를 수신하는 피드백 정보 수신부; 및 상기 수신한 피드백 정보를 토대로 특정 카테고리의 문서 수집 계획을 수립하고, 상기 수립한 문서 수집 계획에 따라 문서를 수집하여 문서 분류 딥러닝 모델을 재학습하며, 상기 재학습한 문서 분류 딥러닝 모델의 성능을 평가하여 업데이트하는 딥러닝 모델 업데이트부;를 더 포함하는 것을 특징으로 한다.In addition, the customized analysis report providing device may include a feedback information receiving unit receiving feedback information including evaluation for each category from the user terminal receiving the customized analysis report; And based on the received feedback information, a document collection plan of a specific category is established, documents are collected according to the established document collection plan, and the document classification deep learning model is re-learned. It is characterized in that it further includes; a deep learning model update unit that evaluates and updates performance.

이상에서와 같이 본 발명의 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법 및 그 장치에 따르면, 딥러닝 기술을 통해 온라인상에서 다양하게 수집한 각종 문서를 태깅하여 카테고리별로 분류 및 요약한 다음 클라우드 서버에 저장하여 관리하고, 사용자의 요청에 따라 상기 분류 및 요약한 문서를 참조하여 사용자가 쉽게 이해할 수 있는 형태로 SaaS 기반의 맞춤형 분석보고서를 생성하여 제공할 수 있는 효과가 있다. 예를 들어, 기업에서는 고객 응대 이메일이나 고객 리뷰 등의 텍스트 분석을 통해서 고객 요구사항을 파악하고 제품/서비스 개선에 활용할 수 있으며, 정부나 연구 기관에서는 보고서나 논문을 분석하여 특정 분야의 연구 동향 파악과 정책 결정에 활용할 수 있도록 한다.As described above, according to the method and device for providing a customized analysis report using the deep learning model-based tagging technology of the present invention, various documents collected online through the deep learning technology are tagged, classified and summarized by category, and then It is stored and managed in a cloud server, and according to the user's request, it is possible to generate and provide a customized analysis report based on SaaS in a form that the user can easily understand by referring to the classified and summarized documents. For example, companies can identify customer needs and use them to improve products/services through text analysis such as customer response emails or customer reviews. Governments and research institutes can analyze reports and papers to identify research trends in specific fields. and to be used in policy making.

또한, 본 발명은 부족한 카테고리에 대한 지속적인 문서 수집을 통해 딥러닝 모델을 업데이트함으로써, 사용자의 니즈에 맞는 분석보고서 제공의 정확도 및 신뢰도를 높일 수 있는 효과가 있다.In addition, the present invention has an effect of increasing the accuracy and reliability of providing an analysis report that meets the user's needs by updating the deep learning model through continuous document collection for categories that are lacking.

다만, 본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.However, the effects of the present invention are not limited to the above-mentioned effects, and effects not mentioned will be clearly understood by those skilled in the art from this specification and the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치를 포함한 전체 구성을 개략적으로 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치의 구성을 보다 상세하게 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치의 하드웨어 구조를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법의 동작과정을 상세하게 나타낸 순서도이다.1 is a diagram schematically showing the overall configuration including an apparatus for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention.
2 is a block diagram showing the configuration of an apparatus for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention in more detail.
3 is a diagram showing the hardware structure of an apparatus for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention.
4 is a flowchart showing in detail the operation process of a method for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention.

이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.Hereinafter, specific embodiments of the present invention will be described in detail with reference to the drawings. However, the spirit of the present invention is not limited to the presented embodiments, and those skilled in the art who understand the spirit of the present invention may add, change, delete, etc. other elements within the scope of the same spirit, through other degenerative inventions or the present invention. Other embodiments included within the scope of the inventive idea can be easily proposed, but it will also be said to be included within the scope of the inventive concept.

또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.In addition, components having the same function within the scope of the same idea appearing in the drawings of each embodiment are described using the same reference numerals.

도 1은 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치를 포함한 전체 구성을 개략적으로 나타낸 도면이다.1 is a diagram schematically showing the overall configuration including an apparatus for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명은 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치(100, 이하 맞춤형 분석보고서 제공장치라 함), 외부 서버(200), 클라우드 스토리지 서버(300), 사용자 단말(400) 등을 포함하여 구성된다.As shown in FIG. 1, the present invention provides a customized analysis report providing device (100, hereinafter referred to as a customized analysis report providing device) using deep learning model-based tagging technology, an external server 200, and a cloud storage server 300 , the user terminal 400, and the like.

상기 맞춤형 분석보고서 제공장치(100)는 네트워크를 통해 복수의 외부 서버(200)와 연결되어 각종 문서를 수집한다.The customized analysis report providing device 100 is connected to a plurality of external servers 200 through a network to collect various documents.

또한, 상기 맞춤형 분석보고서 제공장치(100)는 상기 외부서버(200)로부터 수집한 각종 문서를 딥러닝 모델을 활용하여 태깅하여 각 카테고리별로 분류하고, 각 카테고리별로 구분한 문서를 상기 클라우드 스토리지 서버(300)에 저장한다.In addition, the customized analysis report providing device 100 tags various documents collected from the external server 200 using a deep learning model, classifies them by category, and documents classified by each category to the cloud storage server ( 300) to save.

또한, 상기 맞춤형 분석보고서 제공장치(100)는 상기 사용자 단말(400)의 요청에 의해 상기 클라우드 스토리지 서버(300)에 저장하여 관리중인 각 카테고리별 문서를 토대로 맞춤형 분석보고서를 생성하여 제공한다.In addition, the customized analysis report providing device 100 generates and provides a customized analysis report based on documents for each category stored and managed in the cloud storage server 300 at the request of the user terminal 400 .

이때 상기 네트워크는 유선 공중망, 무선 이동 통신망, 또는 휴대 인터넷 등과 통합된 코어 망일 수도 있고, TCP/IP 프로토콜 및 그 상위 계층에 존재하는 여러 서비스, 즉 HTTP(Hyper Text Transfer Protocol), HTTPS(Hyper Text Transfer Protocol Secure), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol) 등을 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미할 수 있으며, 이러한 예에 한정하지 않고 다양한 형태로 데이터를 송수신할 수 있는 데이터 통신망을 포괄적으로 의미한다.In this case, the network may be a core network integrated with a wired public network, a wireless mobile communication network, or a portable Internet, and various services existing in the TCP/IP protocol and its upper layer, that is, HTTP (Hyper Text Transfer Protocol), HTTPS (Hyper Text Transfer) Protocol Secure), Telnet, FTP (File Transfer Protocol), DNS (Domain Name System), SMTP (Simple Mail Transfer Protocol), etc. It comprehensively means a data communication network capable of transmitting and receiving data in a form.

또한 상기 문서는 각종 행정 문서, 보고서, 논문, 평가서 및 기사 등의 다양한 종류로 구성되며, hwp, pdf, txt 등의 다양한 파일형식으로 작성된 것을 의미한다.In addition, the document is composed of various types such as various administrative documents, reports, theses, evaluation documents, and articles, and means that they are prepared in various file formats such as hwp, pdf, and txt.

한편, 상기 맞춤형 분석보고서 제공장치(100)에서 수행하는 문서 태깅 기반의 맞춤형 분석보고서를 사용자에게 제공하기 위해서는 문서 태깅 기술, 사용자 요구사항 분석 기술, 분석 알고리즘 분석 기술, 보고서 시각화 기술, 사용자 피드백 수집 및 분석 기술 등이 필요하다.On the other hand, in order to provide the user with a customized analysis report based on document tagging performed by the customized analysis report providing device 100, document tagging technology, user requirement analysis technology, analysis algorithm analysis technology, report visualization technology, user feedback collection and analysis skills, etc.

일 예로, 사용자에게 맞춤형 분석보고서를 제공하기 위해서는 문서 내용을 효과적으로 파악하고 분류할 수 있는 태깅 기술이 필수적이다. 이를 위해서 본 발명에서는 자연어 처리 기술과 딥러닝 모델을 활용하여 문서의 의미와 구조를 파악할 수 있는 태깅 기술을 적용한다.For example, in order to provide a customized analysis report to users, a tagging technology capable of effectively identifying and classifying document contents is essential. To this end, in the present invention, a tagging technology capable of grasping the meaning and structure of a document is applied using a natural language processing technology and a deep learning model.

또한, 본 발명은 사용자와 대화를 통해 필요한 정보와 분석 방향성 등을 파악하고, 이를 바탕으로 사용자가 원하는 맞춤형 분석보고서를 생성하여 제공할 수 있다. 이때 사용자가 쉽게 이해하고 활용할 수 있도록 보고서 시각화 기술을 적용하는 것이 중요하므로, 본 발명에서는 다양한 시각화 도구를 활용하여 문서를 시각화 및 직관화함으로써 사용자가 필요한 정보를 쉽게 파악할 수 있도록 한다.In addition, the present invention can identify necessary information and analysis direction through conversation with the user, and based on this, a customized analysis report desired by the user can be generated and provided. At this time, since it is important to apply report visualization technology so that users can easily understand and utilize it, the present invention uses various visualization tools to visualize and intuitively visualize documents so that users can easily grasp necessary information.

또한, 본 발명은 맞춤형 분석보고서를 제공받은 사용자로부터 피드백 정보(즉, 보고서 만족도, 부족한 부분에 대한 설문 등)를 수집하여 분석하고, 상기 분석한 내용을 기반으로 맞춤형 분석보고서 제공을 위한 개선을 수행할 수 있다.In addition, the present invention collects and analyzes feedback information (i.e., report satisfaction, surveys on insufficient parts, etc.) from users who have been provided with a customized analysis report, and performs improvement to provide a customized analysis report based on the analyzed content. can do.

상기 외부 서버(200)는 공공 기관 서버, 기업 서버 및/또는 개인 서버로서, 각종 문서를 저장하고 있다.The external server 200 is a public institution server, a corporate server, and/or a personal server, and stores various documents.

이때 상기 외부 서버(200)는 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있으며, 임의의 형태의 장치를 모두 포함할 수 있다. 예를 들어, 랩톱(laptop) 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다.At this time, the external server 200 may include other configurations for performing a server environment, and may include all types of devices. For example, it may be a digital device equipped with a processor and having an arithmetic capability including a memory, such as a laptop computer, a notebook computer, a desktop computer, a web pad, and a mobile phone.

상기 클라우드 스토리지 서버(300)는 상기 맞춤형 분석보고서 제공장치(100)에서 수집한 각 문서는 물론, 딥러닝 모델을 통해 태깅하여 각 카테고리별로 구분한 문서에 대한 정보를 저장하여 관리한다.The cloud storage server 300 stores and manages information on documents collected by the customized analysis report providing device 100 as well as documents classified by category by tagging through a deep learning model.

상기 사용자 단말(400)은 특정 카테고리에 대한 맞춤형 분석보고서를 원하는 사용자가 보유하고 있는 스마트폰, 태블릿, PC 등의 유무선 통신기기이다.The user terminal 400 is a wired/wireless communication device such as a smartphone, tablet, or PC possessed by a user who wants a customized analysis report for a specific category.

상기 사용자 단말(400)은 네트워크를 통해 상기 맞춤형 분석보고서 제공장치(100)로 접속한 후, SaaS 기반의 양식을 통해 사용자가 입력하는 요구사항을 상기 맞춤형 분석보고서 제공장치(100)로 전송하며, 상기 맞춤형 분석보고서 제공장치(100)로부터 사용자의 요구에 따른 맞춤형 분석보고서를 제공받는다.The user terminal 400 accesses the customized analysis report providing device 100 through the network, and transmits requirements input by the user to the customized analysis report providing device 100 through a SaaS-based form, A customized analysis report according to the user's request is provided from the customized analysis report providing device 100 .

또한, 상기 사용자 단말(400)은 맞춤형 분석보고서를 이용하는 사용자가 입력하는 피드백 정보를 상기 맞춤형 분석보고서 제공장치(100)로 전송한다.In addition, the user terminal 400 transmits feedback information input by the user using the customized analysis report to the customized analysis report providing device 100 .

도 2는 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치의 구성을 보다 상세하게 나타낸 블록도이다.2 is a block diagram showing the configuration of an apparatus for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention in more detail.

도 2에 도시된 바와 같이, 상기 맞춤형 분석보고서 제공장치(100)는 문서 수집부(110), 문서 저장부(120), 문서 태깅부(130), 문서 조회부(140), 사용자 요구사항 확인부(150), 맞춤형 분석보고서 생성부(160), 피드백 정보 수신부(170), 딥러닝 모델 업데이트부(180) 등을 포함하여 구성된다.As shown in FIG. 2, the customized analysis report providing device 100 includes a document collection unit 110, a document storage unit 120, a document tagging unit 130, a document inquiry unit 140, and user requirements confirmation. It is configured to include a unit 150, a customized analysis report generator 160, a feedback information receiver 170, a deep learning model update unit 180, and the like.

상기 문서 수집부(110)는 상기 외부서버(200)를 통해 온라인상에서 문서를 수집하는 기능을 수행한다.The document collection unit 110 performs a function of collecting documents online through the external server 200 .

일 예로, 상기 문서 수집부(110)는 로봇 프로세스 자동화(Robot Process Automation)를 사용한 크롤링(crawling)을 통해서 문서를 실시간 또는 주기적으로 수집할 수 있다.For example, the document collection unit 110 may collect documents in real time or periodically through crawling using robot process automation.

상기 로봇 프로세스 자동화(RPA)를 사용한 크롤링은 인공지능 기술을 활용하여 인터넷에서 문서를 수집하는 방법으로서, 사용자가 직접 문서를 수집하거나 문서 수집을 위한 별도의 소프트웨어를 설치할 필요 없이, 자동화된 프로세스를 통해 웹사이트에서 필요한 문서를 추출할 수 있다.Crawling using the robotic process automation (RPA) is a method of collecting documents from the Internet by utilizing artificial intelligence technology, and the user does not have to collect documents himself or install separate software for document collection, through an automated process. You can extract the documents you need from the website.

상기 로봇 프로세스 자동화(RPA)를 사용한 크롤링 방법은 다음과 같은 절차로 수행된다.The crawling method using the robotic process automation (RPA) is performed in the following procedure.

우선 크롤링을 통해 수집할 문서가 있는 웹사이트를 선택하고, 상기 문서의 추출 및 저장을 위해 로봇 프로세스를 개발한다.First, a website with documents to be collected through crawling is selected, and a robot process is developed to extract and store the documents.

이어서, 상기 개발한 로봇 프로세스를 주기적 또는 실시간으로 실행하여 상기 선택한 웹사이트에서 문서를 추출한다. 이때 자연어 처리(Natural Language Processing, NLP) 기술을 활용하여 웹사이트에서 문서를 추출할 수 있다.Subsequently, the developed robot process is executed periodically or in real time to extract documents from the selected website. At this time, natural language processing (NLP) technology can be used to extract documents from the website.

또한 상기 추출한 문서를 필요 형식으로 가공하며, 상기 가공한 문서를 상기 클라우드 스토리지 서버(300)에 저장하는 것을 순차적으로 수행한다.In addition, the extracted document is processed into a required format, and the processed document is stored in the cloud storage server 300 in sequence.

이와 같은 방식으로 문서를 수집하면, 사용자는 별도의 노력 없이 인터넷에서 필요한 문서를 자동으로 수집할 수 있으며, 문서 수집의 자동화를 통해서 사람이 직접 작업함에 따라 발생할 수 있는 오류를 줄일 수 있음은 물론, 수집된 문서의 정확성과 일관성을 높일 수 있게 된다.When documents are collected in this way, users can automatically collect necessary documents from the Internet without any extra effort, and through the automation of document collection, errors that can occur as people work directly can be reduced, as well as Accuracy and consistency of collected documents can be increased.

상기 문서 저장부(120)는 상기 문서 수집부(110)에서 수집한 각종 문서를 상기 클라우드 스토리지 서버(300)에 저장하는 기능을 수행한다.The document storage unit 120 performs a function of storing various documents collected by the document collection unit 110 in the cloud storage server 300 .

상기 문서 태깅부(130)는 상기 클라우드 스토리지 서버(300)에 저장된 문서를 태깅하여 카테고리별로 분류하는 기능을 수행한다. 즉, 사전 학습된 문서 분류 딥러닝 모델(textCNN)을 통하여 문서 태깅 수행 및 카테고리 별로 분류 및 저장하는 것이다. 이때 카테고리는 제목, 목차, 주제 등을 의미한다.The document tagging unit 130 performs a function of tagging documents stored in the cloud storage server 300 and classifying them by category. That is, document tagging is performed through a pre-learned document classification deep learning model (textCNN), and classification and storage are performed by category. In this case, a category means a title, a table of contents, a subject, and the like.

일 예로, 상기 문서 태깅부(130)는 상기 클라우드 스토리지 서버(300)에 저장되어 있는 다양한 파일 형태로 구성된 문서를 입력받고, 해당 문서를 문서 분류 딥러닝 모델(textCNN)에 입력하여 태깅을 통해 카테고리별로 분류한 다음, 분류된 각 문서를 카테고리에 따라 상기 클라우드 스토리지 서버(300)에 저장한다. 이를 통해 사용자는 필요한 카테고리의 문서를 쉽게 찾아볼 수 있다.For example, the document tagging unit 130 receives a document composed of various file types stored in the cloud storage server 300, inputs the document into a document classification deep learning model (textCNN), and categorizes the document through tagging. After classifying by category, each classified document is stored in the cloud storage server 300 according to the category. Through this, users can easily search for documents in the required category.

이러한 과정을 통해 본 발명은 문서 분류 딥러닝 모델(textCNN)을 사용하여 상기 클라우드 스토리지 서버(300)에 저장된 문서를 태깅하고, 카테고리 별로 분류하여 저장할 수 있다. 이를 통해 사용자는 문서를 빠르고 정확하게 분류하고 검색할 수 있으며, 문서를 보다 효과적으로 활용할 수 있게 된다.Through this process, the present invention can tag documents stored in the cloud storage server 300 using a document classification deep learning model (textCNN), and classify and store them by category. Through this, users can classify and search documents quickly and accurately, and can utilize documents more effectively.

이때, 상기 문서 분류 딥러닝 모델은 복수의 문서에 해당 문서가 속하는 카테고리를 나타내는 태그를 각각 레이블링하여 구성한 학습데이터를 학습하여 생성된다.At this time, the document classification deep learning model is generated by learning training data configured by labeling a plurality of documents with tags representing categories to which the documents belong.

또한 상기 문서 분류 딥러닝 모델은 문서에서 특정한 인물이나 조직의 정보를 빠르게 찾을 수 있도록 하는 기술로서 상기 문서에서 인물, 조직 및 지역을 포함한 특정한 개체명을 인식하는 개체명 인식(Named Entity Recognition, NER), 상기 문서 내 단어의 품사를 태깅하여 분석하는 기술로서 문장 구조를 파악하거나 단어의 의미를 파악할 수 있는 품사 태깅 기술(Part-of-Speech Tagging, POS tagging), 제품 또는 서비스에 대한 고객의 감정을 파악하거나 마케팅 전략을 수립할 수 있도록 하는 기술로서 상기 문서의 긍정적 또는 부정적인 감성을 분석하는 감성 분석(Sentiment Analysis), 자동 응답 시스템, 챗봇, 검색 엔진 등에서 사용자 요청에 적합한 결과를 제공할 수 있도록 하는 기술로서 상기 문서가 나타내는 사용자의 의도를 태깅하여 분석하는 의도 분류(Intent Classification), 원하는 주제의 문서를 빠르게 찾을 수 있도록 하는 기술로서 상기 문서의 주제를 태깅하여 분석하는 문서 분류(Document Classification), 문서에서 중요한 내용을 더욱 쉽게 파악할 수 있도록 하는 기술로서 상기 문서의 의미를 파악하여 태깅하는 의미 분석(Semantic Analysis), 또는 이들의 조합을 포함한 태깅을 통해 상기 문서를 카테고리별로 분류할 수 있다.In addition, the document classification deep learning model is a technology that allows you to quickly find information about a specific person or organization in a document. Named Entity Recognition (NER) , Part-of-Speech Tagging (POS tagging), a technology that tags and analyzes the parts of speech of words in the document, that can identify the structure of a sentence or the meaning of a word, and customer's feelings about a product or service Sentiment Analysis, which analyzes the positive or negative sentiment of the document as a technology that enables identification or marketing strategy establishment, technology that enables automatic response systems, chatbots, search engines, etc. to provide results suitable for user requests Intent Classification, which tags and analyzes the user's intention represented by the document, and Document Classification, which tags and analyzes the subject of the document as a technology for quickly finding a document of a desired subject, in a document The document can be classified into categories through semantic analysis in which the meaning of the document is identified and tagged as a technology that allows important contents to be grasped more easily, or through tagging including a combination thereof.

이러한 문서 태깅 기술은 자연어 처리 분야에서 중요한 기술 중 하나로서, 문서에 대한 정보를 추가하여 문서를 분석하고 처리하기 쉽도록 만든다. 이를 통해 사용자는 원하는 정보를 빠르게 찾거나 필요한 작업을 수행할 수 있다.This document tagging technology is one of the important technologies in the field of natural language processing, and makes it easy to analyze and process a document by adding information about the document. This allows users to quickly find the information they are looking for or perform the required action.

상기 문서 조회부(140)는 네트워크를 통해 접속된 상기 사용자 단말(400)의 상기 카테고리별로 분류한 문서의 요약정보 검색 및 확인을 지원하는 기능을 수행한다.The document search unit 140 performs a function of supporting summary information retrieval and confirmation of documents classified by the categories of the user terminal 400 accessed through the network.

상기 사용자 요구사항 확인부(150)는 상기 카테고리별로 분류한 문서를 토대로 맞춤형 분석보고서 생성 및 제공을 위한 사용자의 요구사항을 확인하는 기능을 수행한다.The user requirement confirmation unit 150 performs a function of confirming user requirements for generating and providing a customized analysis report based on the documents classified by category.

상기 맞춤형 분석보고서 생성부(160)는 상기 사용자 요구사항 확인부(150)에서 확인한 사용자의 요구사항에 따라 맞춤형 분석보고서를 생성하고, 상기 생성한 맞춤형 분석보고서를 상기 사용자 단말(400)로 제공하는 기능을 수행한다.The customized analysis report generating unit 160 generates a customized analysis report according to the user's requirements confirmed by the user requirement checking unit 150, and provides the generated customized analysis report to the user terminal 400 perform a function

이때 상기 맞춤형 분석보고서 생성부(160)는 SaaS(서비스형 소프트웨어) 기반으로 인프라 제공, 보고서 포맷 제공, 보고서 요약 제공, 보고서 필드 지정, 수집 문서 통계, 보고서 그래프 자동 생성 또는 이들의 조합을 통해 상기 카테고리별로 저장한 각 문서의 필요 정보만을 이용하여, 시각적이고 직관적인 상기 사용자의 요구사항에 따른 맞춤형 분석보고서를 생성하며, 상기 생성한 맞춤형 분석보고서를 네트워크를 통해 상기 사용자 단말(400)로 제공할 수 있다.At this time, the customized analysis report generation unit 160 provides the category through SaaS (Software as a Service)-based infrastructure provision, report format provision, report summary provision, report field designation, collected document statistics, report graph automatic generation, or a combination thereof. Using only the necessary information of each document stored separately, a visual and intuitive customized analysis report according to the user's requirements is generated, and the generated customized analysis report can be provided to the user terminal 400 through a network. there is.

일 예로, 상기 맞춤형 분석보고서 생성부(160)는 SaaS 기반으로 맞춤형 분석보고서를 제공하기 위해서는 클라우드 기반의 인프라를 제공해야 한다. 이를 위해 본 발명에서는 인프라를 구축하고, 사용자는 해당 인프라를 활용하여 문서를 저장하고 분석보고서를 생성할 수 있다.For example, the customized analysis report generating unit 160 needs to provide a cloud-based infrastructure to provide a customized analysis report based on SaaS. To this end, an infrastructure is built in the present invention, and a user can utilize the infrastructure to store documents and generate an analysis report.

또한 사용자가 요청하는 분석보고서의 종류에 따라서 PDF, Excel, HTML 등의 다양한 포맷을 제공할 수 있다.In addition, various formats such as PDF, Excel, and HTML can be provided according to the type of analysis report requested by the user.

또한 사용자가 요청한 문서를 분석하여 주요 내용을 요약하는 보고서 요약 제공을 통해서 사용자가 빠르게 분석 결과를 파악할 수 있도록 할 수 있다.In addition, by analyzing the document requested by the user and providing a report summary that summarizes the main contents, the user can quickly grasp the analysis result.

또한 사용자 자신이 필요한 정보만을 보고서에서 확인할 수 있도록, 맞춤형 분석보고서에서 보고서에 포함시킬 필드를 지정할 수 있다.In addition, you can specify the fields to be included in the report in the custom analysis report so that the user can check only the information he or she needs in the report.

또한 사용자가 요청한 분석 결과에 대해 자동으로 분석 결과를 시각화하기 위한 그래프를 생성하여 맞춤형 분석보고서에 포함시킬 수 있다.In addition, for the analysis results requested by the user, graphs to visualize the analysis results can be automatically created and included in the customized analysis report.

이러한 과정을 통해 상기 맞춤형 분석보고서 생성부(160)는 SaaS 기반으로 맞춤형 분석보고서를 제공할 수 있고, 사용자는 분석 결과를 빠르게 파악하는 것은 물론, 필요한 정보만을 집중적으로 확인할 수 있으며, 시각적인 분석 결과를 통해 쉽게 이해할 수 있게 된다.Through this process, the customized analysis report generation unit 160 can provide a customized analysis report based on SaaS, and the user can quickly grasp the analysis result, as well as intensively check only necessary information, and visually analyze the result. makes it easier to understand.

한편, SaaS 기반 문서 분류 기능은 텍스트 문서를 이해하고 분석하는 데 필요한 기술인 자연어 처리(Natural Language Processing), 문서를 학습하여 패턴을 파악하고 새로운 문서에 대해 예측하여 문서를 분류하고 요약할 수 있는 머신러닝(Machine Learning), 문서 분석 작업을 자동화하여 효율성을 높일 수 있는 인공지능(Artificial Intelligence) 등의 기술을 활용하여 구현될 수 있다.On the other hand, SaaS-based document classification capabilities include natural language processing, which is a technology required to understand and analyze text documents, and machine learning that learns documents to identify patterns and predicts new documents to classify and summarize documents. It can be implemented using technologies such as machine learning and artificial intelligence that can automate document analysis tasks to increase efficiency.

또한, 문서 요약 기능은 비슷한 문서를 그룹으로 묶는 것을 통해 문서의 패턴을 파악하고 이를 요약하여 제공할 수 있는 클러스터링(Clustering), 문서의 중요한 내용을 추출 및 요약하여 제공할 수 있는 요약 알고리즘(Summarization Algorithm), 사용자가 문서의 내용을 시각적으로 파악할 수 있는 시각화(Visualization) 등의 방법으로 구현될 수 있다.In addition, the document summary function includes clustering that identifies patterns in documents by grouping similar documents and summarizes them, and summarization algorithm that extracts and summarizes important contents of documents. ), visualization that allows the user to visually understand the content of the document.

즉, SaaS 기반으로 문서의 분류 및 요약을 통해 사용자의 요구사항에 따라 다양한 기술을 조합하여 제공될 수 있으며, 이를 통해 사용자는 수집된 문서를 더욱 효율적으로 활용할 수 있게 된다.In other words, through SaaS-based classification and summary of documents, various technologies can be combined and provided according to the user's requirements, and through this, users can utilize the collected documents more efficiently.

상기 피드백 정보 수신부(170)는 상기 맞춤형 분석보고서를 제공받은 상기 사용자 단말(400)로부터 각 카테고리별 평가를 포함한 피드백 정보를 수신하는 기능을 수행한다.The feedback information receiving unit 170 performs a function of receiving feedback information including evaluation for each category from the user terminal 400 receiving the customized analysis report.

상기 딥러닝 모델 업데이트부(180)는 상기 피드백 정보 수신부(170)에서 수신한 피드백 정보를 토대로 부족한 학습 데이터의 카테고리에 대해서 추가 수집을 결정하여, 문서를 추가로 수집하고 이를 통해 문서 분류 딥러닝 모델을 재학습하여 업데이트하는 기능을 수행한다.The deep learning model update unit 180 determines additional collection for the category of insufficient training data based on the feedback information received from the feedback information receiver 170, collects additional documents, and through this, documents classification deep learning model. It performs the function of relearning and updating.

일 예로, 상기 딥러닝 모델 업데이트부(180)는 어떤 카테고리의 문서가 필요한지, 어떤 종류의 문서를 수집할 것인지, 어떤 방법으로 문서를 수집할 것인지 등을 결정하여, 추가 문서 수집 계획을 수립한다.For example, the deep learning model updater 180 establishes an additional document collection plan by determining which category of documents is required, what type of documents to collect, and how to collect the documents.

또한 상기 수립한 문서 수집 계획에 따라 인터넷에서 문서를 수집하는 웹 크롤링 기술, 사용자들이 제공하는 문서를 수집하는 유저 제너레이션 기술 등을 활용하여 문서를 수집한다.In addition, according to the document collection plan established above, documents are collected using web crawling technology that collects documents from the Internet and user generation technology that collects documents provided by users.

또한 수집한 문서에 대해 데이터 클렌징, 데이터 변환, 데이터 라벨링 등의 전처리를 수행하여, 딥러닝 모델 학습에 사용할 수 있도록 변환한 다음, 이를 토대로 기존의 문서 분류 딥러닝 모델을 재학습한다.In addition, pre-processing such as data cleansing, data conversion, and data labeling is performed on the collected documents to convert them so that they can be used for deep learning model learning, and then, based on this, the existing document classification deep learning model is retrained.

또한 문서 분류 딥러닝 모델을 재학습한 후, 이를 평가하여 모델의 성능을 확인하는 모델 평가를 수행함으로써, 문서 분류 딥러닝 모델을 업데이트한다. 이때 평가 결과를 토대로 모델의 성능이 개선되지 않았을 경우, 다시 추가 문서를 수집하여 모델을 재학습하는 과정을 반복한다.In addition, after retraining the document classification deep learning model, it is evaluated to update the document classification deep learning model by performing model evaluation to check the performance of the model. At this time, if the performance of the model is not improved based on the evaluation results, additional documents are collected and the process of retraining the model is repeated.

이러한 절차를 통해 딥러닝 기반의 모델에서 부족한 학습 데이터의 카테고리에 대해서 추가적인 문서 수집을 수행함으로써, 모델의 성능을 향상시키고, 더 나은 예측 및 분류 결과를 도출할 수 있도록 한다.Through this procedure, additional documents are collected for categories of training data lacking in the deep learning-based model, thereby improving the performance of the model and deriving better prediction and classification results.

도 3은 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치의 하드웨어 구조를 나타낸 도면이다.3 is a diagram showing the hardware structure of an apparatus for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention.

도 3에 도시한 것과 같이, 상기 맞춤형 분석보고서 제공장치(100)의 하드웨어 구조는, 중앙처리장치(1000), 메모리(2000), 사용자 인터페이스(3000), 데이터베이스 인터페이스(4000), 네트워크 인터페이스(5000), 웹서버(6000) 등을 포함하여 구성된다.As shown in FIG. 3, the hardware structure of the customized analysis report providing device 100 includes a central processing unit 1000, a memory 2000, a user interface 3000, a database interface 4000, and a network interface 5000. ), a web server 6000, and the like.

상기 사용자 인터페이스(3000)는 그래픽 사용자 인터페이스(GUI, graphical user interface)를 사용함으로써, 사용자에게 입력과 출력 인터페이스를 제공한다.The user interface 3000 provides an input and output interface to the user by using a graphical user interface (GUI).

상기 데이터베이스 인터페이스(4000)는 데이터베이스와 하드웨어 구조 사이의 인터페이스를 제공한다. 상기 네트워크 인터페이스(5000)는 사용자가 보유한 장치 간의 네트워크 연결을 제공한다.The database interface 4000 provides an interface between a database and a hardware structure. The network interface 5000 provides a network connection between devices possessed by a user.

상기 웹 서버(6000)는 사용자가 네트워크를 통해 하드웨어 구조로 액세스하기 위한 수단을 제공한다. 대부분의 사용자들은 원격에서 웹 서버로 접속하여 상기 맞춤형 분석보고서 제공장치(100)를 사용할 수 있다.The web server 6000 provides a means for users to access hardware structures through a network. Most users can access the web server remotely and use the customized analysis report providing device 100 .

상술한 구성 또는 방법의 각 단계는, 컴퓨터 판독 가능한 기록매체 상의 컴퓨터 판독 가능 코드로 구현되거나 전송 매체를 통해 전송될 수 있다. 컴퓨터 판독 가능한 기록매체는, 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터를 저장할 수 있는 데이터 저장 디바이스이다.Each step of the above configuration or method may be implemented as computer readable code on a computer readable recording medium or transmitted through a transmission medium. A computer-readable recording medium is a data storage device capable of storing data that can be read by a computer system.

컴퓨터 판독 가능한 기록매체의 예로는 데이터베이스, ROM, RAM, CD-ROM, DVD, 자기 테이프, 플로피 디스크 및 광학 데이터 저장 디바이스가 있으나 이에 한정되는 것은 아니다. 전송매체는 인터넷 또는 다양한 유형의 통신 채널을 통해 전송되는 반송파를 포함할 수 있다. 또한 컴퓨터 판독 가능한 기록매체는, 컴퓨터 판독 가능 코드가 분산 방식으로 저장되고, 실행되도록 네트워크 결합 컴퓨터 시스템을 통해 분배될 수 있다.Examples of computer-readable recording media include, but are not limited to, databases, ROMs, RAMs, CD-ROMs, DVDs, magnetic tapes, floppy disks, and optical data storage devices. The transmission medium may include a carrier wave transmitted through the Internet or various types of communication channels. Also, the computer readable recording medium may be distributed over a network coupled computer system such that the computer readable code is stored and executed in a distributed manner.

또한 본 발명에 적용된 적어도 하나 이상의 구성요소는, 각각의 기능을 수행하는 중앙처리장치(CPU), 마이크로프로세서 등과 같은 프로세서를 포함하거나 이에 의해 구현될 수 있으며, 상기 구성요소 중 둘 이상은 하나의 단일 구성요소로 결합되어 결합된 둘 이상의 구성요소에 대한 모든 동작 또는 기능을 수행할 수 있다. 또한 본 발명에 적용된 적어도 하나 이상의 구성요소의 일부는, 이들 구성요소 중 다른 구성요소에 의해 수행될 수 있다. 또한 상기 구성요소들 간의 통신은 버스(미도시)를 통해 수행될 수 있다.In addition, at least one component applied to the present invention may include or be implemented by a processor such as a central processing unit (CPU) or a microprocessor that performs each function, and two or more of the components are one single All operations or functions of two or more components that are combined into components can be performed. In addition, some of at least one or more components applied to the present invention may be performed by other components among these components. Also, communication between the components may be performed through a bus (not shown).

다음에는, 이와 같이 구성된 본 발명에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법의 일 실시예를 도 4를 참조하여 상세하게 설명한다. 이때 본 발명의 방법에 따른 각 단계는 사용 환경이나 당업자에 의해 순서가 변경될 수 있다.Next, an embodiment of a method for providing a customized analysis report using the deep learning model-based tagging technology according to the present invention configured as described above will be described in detail with reference to FIG. 4 . At this time, the order of each step according to the method of the present invention may be changed by a user environment or a person skilled in the art.

도 4는 본 발명의 일 실시예에 따른 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공방법의 동작과정을 상세하게 나타낸 순서도이다.4 is a flowchart showing in detail the operation process of a method for providing a customized analysis report using deep learning model-based tagging technology according to an embodiment of the present invention.

도 4에 도시된 바와 같이, 상기 맞춤형 분석보고서 제공장치(100)는 온라인상에서 상기 외부서버(200)로부터 각종 문서를 수집하는 문서 수집 단계를 수행하고(S100), 상기 수집한 각종 문서를 상기 클라우드 스토리지 서버(300)에 저장하는 문서 저장 단계를 수행한다(S200).As shown in FIG. 4, the customized analysis report providing device 100 performs a document collection step of collecting various documents from the external server 200 online (S100), and transfers the collected documents to the cloud. A step of storing documents in the storage server 300 is performed (S200).

이때 상기 S100 단계는 로봇 프로세스 자동화(RPA)를 사용한 크롤링을 통해서 행정 문서, 보고서, 논문, 평가서 및 기사를 포함한 문서를 수집할 수 있다.At this time, in step S100, documents including administrative documents, reports, theses, evaluation reports, and articles may be collected through crawling using robotic process automation (RPA).

보다 구체적으로, 상기 S100 단계는 상기 문서를 수집할 웹사이트를 선택하는 단계, 상기 문서의 추출 및 저장을 위해 로봇 프로세스를 개발하는 단계, 상기 개발한 로봇 프로세스를 주기적 또는 실시간으로 실행하여 상기 선택한 웹사이트에서 문서를 추출하는 단계, 상기 추출한 문서를 필요 형식으로 가공하는 단계 및 상기 가공한 문서를 상기 클라우드 스토리지 서버(300)에 저장하는 단계를 순차적으로 수행하는 것을 통해서 문서를 수집한다.More specifically, the step S100 includes selecting a website to collect the document, developing a robot process to extract and store the document, and executing the developed robot process periodically or in real time to obtain the selected web site. Documents are collected by sequentially performing the steps of extracting a document from a site, processing the extracted document into a required format, and storing the processed document in the cloud storage server 300.

이후, 상기 맞춤형 분석보고서 제공장치(100)는 상기 S100 및 S200 단계를 통해 수집 및 저장한 각종 문서를 딥러닝 모델을 통해 태깅하여 카테고리별로 분류하여 상기 클라우드 스토리지 서버(300)에 저장하는 문서 태깅 단계를 수행한다(S300).Thereafter, the customized analysis report providing device 100 tags various documents collected and stored through the steps S100 and S200 through a deep learning model, classifies them by category, and stores them in the cloud storage server 300. is performed (S300).

즉, 상기 클라우드 스토리지 서버(300)에 저장된 문서를 문서 분류 딥러닝 모델(textCNN)을 통해 태깅하여 카테고리별로 분류하는 단계 및 상기 카테고리별로 분류한 문서를 각 카테고리에 따라 상기 클라우드 스토리지 서버(300)에 저장하는 단계를 수행하는 것을 통해서 수집한 각종 문서를 분류하는 것이다.That is, tagging documents stored in the cloud storage server 300 through a document classification deep learning model (textCNN) and classifying the documents into categories, and storing the documents classified by category into the cloud storage server 300 according to each category. It is to classify various documents collected through the storage step.

이때 상기 문서 분류 딥러닝 모델은 복수의 문서에 해당 문서가 속하는 카테고리를 나타내는 태그를 각각 레이블링하여 구성한 학습데이터를 학습하여 생성된 것으로서, 개체명 인식, 품사 분석, 감성 분석, 의도 분류, 문서 분류, 의미 분석, 또는 이들의 조합을 포함한 태깅을 통해 상기 문서를 카테고리별로 분류할 수 있음은 상기 설명한 바와 같다.At this time, the document classification deep learning model is generated by learning learning data configured by labeling a plurality of documents with tags representing categories to which the documents belong, respectively, and includes object name recognition, part-of-speech analysis, sentiment analysis, intention classification, document classification, As described above, the document can be classified by category through semantic analysis or tagging including a combination thereof.

상기 맞춤형 분석보고서 제공장치(100)는 상기 S300 단계를 통해 각종 문서를 태깅하여 카테고리별로 분류 및 저장한 이후, 네트워크를 통해 접속된 사용자 단말(400)의 카테고리별로 분류한 문서의 요약정보 검색과 확인을 지원하는 문서 조회 단계를 수행한다(S400).The customized analysis report providing device 100 tags various documents through the step S300, classifies and stores them by category, and then searches and checks summary information of the documents classified by category of the user terminal 400 accessed through the network. Performs a document inquiry step that supports (S400).

이어서, 상기 맞춤형 분석보고서 제공장치(100)는 상기 카테고리별로 분류한 문서를 이용한 맞춤형 분석보고서 제공을 위한 사용자의 요구사항을 확인하는 사용자 요구사항 확인 단계를 수행한다(S500).Subsequently, the customized analysis report providing device 100 performs a user requirement confirmation step of confirming the user's requirements for providing a customized analysis report using the documents classified by category (S500).

상기 맞춤형 분석보고서 제공장치(100)는 상기 S500 단계에서 확인한 사용자의 요구사항에 따라 맞춤형 분석보고서를 생성하는 맞춤형 분석보고서 생성 단계를 수행한다(S600).The customized analysis report providing device 100 performs a customized analysis report generation step of generating a customized analysis report according to the user's requirements confirmed in the step S500 (S600).

즉, SaaS 기반으로 인프라 제공, 보고서 포맷 제공, 보고서 요약 제공, 보고서 필드 지정, 수집 문서 통계, 보고서 그래프 자동 생성 또는 이들의 조합을 통해 상기 카테고리별로 저장한 각 문서의 필요 정보만을 이용하여, 시각적이고 직관적인 상기 사용자의 요구사항에 따른 맞춤형 분석보고서를 생성하는 단계, 및 상기 생성한 맞춤형 분석보고서를 네트워크를 통해 상기 사용자 단말(400)로 제공하는 단계를 순차적으로 수행하는 것이다.That is, through SaaS-based infrastructure provision, report format provision, report summary provision, report field designation, collected document statistics, report graph automatic generation, or a combination thereof, using only the necessary information of each document stored for each category, visual and The step of generating a customized analysis report according to the user's intuitive requirements and the step of providing the created customized analysis report to the user terminal 400 through a network are sequentially performed.

한편, 상기 맞춤형 분석보고서 제공장치(100)는 상기 S600 단계를 통해 맞춤형 분석보고서를 제공한 이후, 상기 사용자 단말(400)로부터 각 카테고리별 평가를 포함한 피드백 정보를 수신하는 피드백 정보 수신 단계를 수행한다(S700).Meanwhile, the customized analysis report providing device 100 performs a feedback information receiving step of receiving feedback information including evaluation for each category from the user terminal 400 after providing the customized analysis report through the step S600. (S700).

이어서, 상기 맞춤형 분석보고서 제공장치(100)는 상기 S700 단계를 통해 상기 사용자 단말(400)로부터 수신한 피드백 정보를 토대로 특정 카테고리의 문서 수집 계획을 수립하고, 상기 수립한 문서 수집 계획에 따라 문서를 수집하여 문서 분류 딥러닝 모델을 재학습하며, 상기 재학습한 문서 분류 딥러닝 모델의 성능을 평가하여 업데이트하는 딥러닝 모델 업데이트 단계를 수행한다(S800).Subsequently, the customized analysis report providing device 100 establishes a document collection plan of a specific category based on the feedback information received from the user terminal 400 through the step S700, and documents according to the established document collection plan. The document classification deep learning model is collected, re-learned, and the deep learning model update step of evaluating and updating the performance of the re-learned document classification deep learning model is performed (S800).

이처럼, 본 발명은 딥러닝 기술을 통해 온라인상에서 다양하게 수집한 각종 문서를 태깅하여 카테고리별로 분류 및 요약한 다음 클라우드 서버에 저장하여 관리하고, 사용자의 요청에 따라 상기 분류 및 요약한 문서를 참조하여 사용자가 쉽게 이해할 수 있는 형태로 SaaS 기반의 맞춤형 분석보고서를 생성하여 제공할 수 있다.As such, the present invention tags various documents collected online through deep learning technology, classifies and summarizes them by category, stores and manages them in a cloud server, and refers to the classified and summarized documents according to the user's request. SaaS-based customized analysis reports can be created and provided in a format that users can easily understand.

첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위해, 본 발명의 기술적 사상과 관련성이 없거나 떨어지는 구성에 대해서는 간략하게 표현하거나 생략하였다.In the accompanying drawings, in order to more clearly express the technical idea of the present invention, components that are not related to or detached from the technical idea of the present invention are briefly expressed or omitted.

상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.In the above, the configuration and characteristics of the present invention have been described based on the embodiments according to the present invention, but the present invention is not limited thereto, and various changes or modifications can be made within the spirit and scope of the present invention. It is apparent to those skilled in the art, and therefore such changes or modifications are intended to fall within the scope of the appended claims.

100 : 딥러닝 모델 기반 태깅 기술을 활용한 맞춤형 분석보고서 제공장치
110 : 문서 수집부 120 : 문서 저장부
130 : 문서 태깅부 140 : 문서 조회부
150 : 사용자 요구사항 확인부 160 : 맞춤형 분석보고서 생성부
170 : 피드백 정보 수신부 180 : 딥러닝 모델 업데이트부
200 : 외부 서버 300 : 클라우드 스토리지 서버
400 : 사용자 단말100: Customized analysis report providing device using deep learning model-based tagging technology
110: document collection unit 120: document storage unit
130: document tagging unit 140: document inquiry unit
150: user requirements verification unit 160: customized analysis report generation unit
170: feedback information receiver 180: deep learning model update unit
200: external server 300: cloud storage server
400: user terminal

Claims

A document collection step of collecting documents online in a customized analysis report providing device using deep learning model-based tagging technology;
a document storage step of storing the collected documents in a cloud storage server;
A document tagging step of tagging documents stored in the cloud storage server and classifying them by category through a document classification deep learning model;
a document inquiry step of providing a search and confirmation function for summary information of documents classified by category to a user terminal accessed through a network;
A user requirement confirmation step of confirming user requirements for providing a customized analysis report using the documents classified by category;
A customized analysis report generation step of generating a customized analysis report according to the confirmed user's requirements and providing it to the user terminal;
a feedback information receiving step of receiving feedback information including evaluation for each category from the user terminal receiving the customized analysis report; and
A deep learning model update step of determining additional collection for a category lacking based on the received feedback information, collecting additional documents, and relearning and updating the document classification deep learning model through the additionally collected documents. contains,
The deep learning model update step,
Based on the above feedback information, establish a plan for collecting additional documents, including documents of insufficient categories, types of documents to be collected, and document collection methods;
According to the document collection plan established above, documents are collected through web crawling and user generation,
Relearning the document classification deep learning model by performing preprocessing including data cleansing, data conversion, and data labeling on the collected documents;
Evaluating the performance of the re-learned document classification deep learning model, and updating the document classification deep learning model with reference to the evaluation result.

The method of claim 1,
The document collection step,
Collect documents including administrative documents, reports, theses, evaluations and articles through crawling using Robot Process Automation,
selecting a website from which the documents are to be collected;
developing a robotic process for retrieval and storage of the document;
Executing the developed robot process periodically or in real time to extract documents from the selected website; and
Storing the extracted document in the cloud storage server; method for providing a customized analysis report using deep learning model-based tagging technology, characterized in that for collecting documents by sequentially performing.

The method of claim 1,
The document tagging step,
Classifying the documents stored in the cloud storage server by category by tagging them through a document classification deep learning model (textCNN); and
Storing the documents classified by category in the cloud storage server according to each category;
The document classification deep learning model,
A method of providing a customized analysis report using deep learning model-based tagging technology, characterized in that it is generated by learning learning data composed by labeling a plurality of documents with tags representing categories to which the documents belong.

The method of claim 3,
The document classification deep learning model,
Entity Name Recognition for recognizing specific entity names including persons, organizations and regions in the document;
part-of-speech analysis to analyze parts of speech of words included in the document;
sentiment analysis to analyze positive or negative sentiment of the document;
intention classification to analyze the user's intention indicated by the document;
document classification to analyze the subject matter of the document;
semantic analysis to analyze the meaning of the document;
Or a method of providing a customized analysis report using deep learning model-based tagging technology, characterized in that the document is classified by category through tagging including a combination thereof.

The method of claim 1,
The step of generating the customized analysis report,
Customization according to the user's requirements by using or combining necessary components for document editing, including report format, summary information, field information, statistical information, and graph information, through SaaS-based infrastructure. generating a report; and
A method of providing a customized analysis report using deep learning model-based tagging technology, characterized in that it comprises; providing the generated customized analysis report to the user terminal through a network.

delete

a document collection unit that collects documents online;
a document storage unit for storing the collected documents in a cloud storage server;
a document tagging unit for tagging documents stored in the cloud storage server and classifying them by category through a document classification deep learning model;
a document search unit that provides a function of searching and checking summary information of documents classified by category to a user terminal accessed through a network;
a user requirement confirmation unit confirming user requirements for providing a customized analysis report using the documents classified by category;
a customized analysis report generating unit generating a customized analysis report according to the confirmed user's requirements and providing the customized analysis report to the user terminal;
a feedback information receiving unit receiving feedback information including evaluation for each category from the user terminal receiving the customized analysis report; and
A deep learning model update unit for determining additional collection for categories lacking based on the received feedback information, collecting additional documents, and re-learning and updating the document classification deep learning model through the additionally collected documents. contains,
The deep learning model update unit,
Based on the above feedback information, establish a plan for collecting additional documents, including documents of insufficient categories, types of documents to be collected, and document collection methods;
According to the document collection plan established above, documents are collected through web crawling and user generation,
Relearning the document classification deep learning model by performing preprocessing including data cleansing, data conversion, and data labeling on the collected documents;
Evaluate the performance of the re-learned document classification deep learning model, and update the document classification deep learning model with reference to the evaluation result.

The method of claim 7,
said document,
Includes administrative documents, reports, dissertations, evaluations and articles;
The document collection department,
The documents are collected through crawling using Robot Process Automation, a website to collect the documents is selected, a robot process is developed for extracting and storing the documents, and the developed Utilizing deep learning model-based tagging technology, characterized in that, by executing a robot process periodically or in real time to extract documents from the selected website and sequentially storing the extracted documents in the cloud storage server for collection. A device that provides a customized analysis report.

The method of claim 7,
The document tagging unit,
Documents stored in the cloud storage server are tagged through a document classification deep learning model (textCNN), classified by category, and then stored in the cloud storage server according to the category,
The document classification deep learning model,
An apparatus for providing a customized analysis report using deep learning model-based tagging technology, characterized in that it is generated by learning learning data composed by labeling a plurality of documents with tags representing categories to which the documents belong.

The method of claim 9,
The document classification deep learning model,
Entity Name Recognition for recognizing specific entity names including persons, organizations and regions in the document;
part-of-speech analysis to analyze parts of speech of words included in the document;
sentiment analysis to analyze positive or negative sentiment of the document;
intention classification to analyze the user's intention indicated by the document;
document classification to analyze the subject matter of the document;
semantic analysis to analyze the meaning of the document;
Or a customized analysis report providing device using deep learning model-based tagging technology, characterized in that the document is classified by category through tagging including a combination thereof.

The method of claim 7,
The customized analysis report generation unit,
Customization according to the user's requirements by using or combining necessary components for document editing, including report format, summary information, field information, statistical information, and graph information, through SaaS-based infrastructure. An apparatus for providing a customized analysis report using deep learning model-based tagging technology, characterized in that for generating a report and providing the generated customized analysis report to the user terminal through a network.

delete