KR102590930B1 - 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 - Google Patents
사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 Download PDFInfo
- Publication number
- KR102590930B1 KR102590930B1 KR1020230015879A KR20230015879A KR102590930B1 KR 102590930 B1 KR102590930 B1 KR 102590930B1 KR 1020230015879 A KR1020230015879 A KR 1020230015879A KR 20230015879 A KR20230015879 A KR 20230015879A KR 102590930 B1 KR102590930 B1 KR 102590930B1
- Authority
- KR
- South Korea
- Prior art keywords
- text
- user
- analysis
- bias
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000013480 data collection Methods 0.000 claims abstract description 35
- 230000009193 crawling Effects 0.000 claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 116
- 238000012937 correction Methods 0.000 claims description 18
- 230000001737 promoting effect Effects 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 7
- 238000011017 operating method Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000006854 communication Effects 0.000 description 74
- 238000004891 communication Methods 0.000 description 72
- 230000005540 biological transmission Effects 0.000 description 22
- 230000015654 memory Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 238000009223 counseling Methods 0.000 description 8
- 230000008451 emotion Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000002996 emotional effect Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 101000842368 Homo sapiens Protein HIRA Proteins 0.000 description 2
- 102100030473 Protein HIRA Human genes 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 102100033814 Alanine aminotransferase 2 Human genes 0.000 description 1
- 101710096000 Alanine aminotransferase 2 Proteins 0.000 description 1
- 206010010144 Completed suicide Diseases 0.000 description 1
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009323 psychological health Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- MEFOUWRMVYJCQC-UHFFFAOYSA-N rimsulfuron Chemical compound CCS(=O)(=O)C1=CC=CN=C1S(=O)(=O)NC(=O)NC1=NC(OC)=CC(OC)=N1 MEFOUWRMVYJCQC-UHFFFAOYSA-N 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- 239000011669 selenium Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0273—Determination of fees for advertising
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Psychiatry (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Heart & Thoracic Surgery (AREA)
- Finance (AREA)
- Social Psychology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
Abstract
본 발명의 실시 예에 따르면, 사용자의 심리 상태를 결정하는 서비스 제공 장치가 제공된다. 사용자가 생성한 사용자의 작성물의 데이터를 사용자 단말, 플랫폼 서버 및 웹크롤링 서버로부터 수신하는 데이터 수집부; 상기 데이터 수집부로부터 상기 작성물 데이터를 수신하고, 수신된 작성물 데이터를 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류하고, 데이터베이스에서 복수의 상기 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하여 저장하는 텍스트 전처리부; 및 상기 제1 작성시각, 상기 제1 이미지 비율, 상기 제1 문단수, 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자의 작성물을 분석 텍스트로 결정하는 텍스트 유형 특정부를 포함한다.
Description
본 발명은 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 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.
일반적으로 심리적, 정서적으로 어려움을 겪는 사람들을 위한 다양한 심리 상담 서비스가 제공되고 있다. 이와 같은 대부분의 심리 상담 서비스가 오프라인 상에서 제공되고 있으며, 익명성을 보장하지 못하거나, 그 관리가 어려워 복수의 상담사 간의 상담의 품질에 차이가 나거나, 상담의 효과의 측정이 어렵고, 물리적인 제약이 존재하는 문제점이 있다.
한편, 이동 전화의 등장과 인터넷, 스마트폰 기술의 발전으로 인해, 이제 사적 텍스트는 편지 등의 물리적인 형태뿐만 아니라 다양한 디지털의 형태로 전달되고 있으며, 작성과 전달의 편의성으로 인해 그 양이 폭증해왔다. 따라서 이와 관련된 빅데이터 시장은 지속적으로 성장해 국내 ICT 시장에서 차지하는 비중이 점점 커지고 있다.
그리고 보건의료분야가 사후 치료에서 예방 건강관리 중심으로 패러다임이 전환하며 보건의료분야에서의 빅데이터 활용이 활발하다. 그 중에서도 멘탈 헬스케어 시장의 성장 속도와 폭이 커지며 감정 영역에 대한 빅데이터 연구의 필요성이 대두되고 있다.
개인의 정신건강에 대한 지표인 심리건강지수, 자살위험도, 기질적 특성 등을 도출하고 그에 적절히 대응할 사회적 필요가 급증했기 때문이다.
국내 보건의료시장의 경우 건강보험심사평가원(이하 심평원)이 포털, SNS 등의 자료를 바탕으로 의료지식사전을 구축해 자연어 검색으로 정확한 병명을 찾아준다. 또한, 심평원이 보유한 75억 8100만 건의 심사정보와 116억건의 처방정보를 바탕으로 해당 병의 평균, 최대, 최소 진료기간 및 진료비용에 대한 예측 제공하고 있다.
그리고, 사적 텍스트를 주고받는 방식에 있어서의 기술적인 발전은 활발하게 이루어져 왔으나, 사적 텍스트의 내용을 분석하는 방법에 있어서의 기술적인 발전은 상대적으로 더디게 이루어져 왔다.
혈액형, 별자리, 타로 등을 토대로 과거의 상태, 미래의 모습을 예측하는 방법이나 띠, 바이오리듬을 통해 그 날의 감정을 알아보는 서비스는 존재하나, 이러한 방식들은 과학적 연구방법에 기반을 둔 동적 분석이 아니라, 통설에 기반한 비과학적 분석방법에 불과하다.
특히, 사적 텍스트가 주로 담고 있는 사적 감정의 영역에 대한 분석 기술의 개발은 제한적으로 이루어지고 있는데, 현재 자연어로 기술된 텍스트로부터 감정을 인식하는 기술은 제품 리뷰, 사회 현상, 시장 등을 분석하는데 있어 중요한 기술로 인식되고 있다.
이러한 감정 인식 기술 개발을 위해 다양한 텍스트의 형태로부터(대화문, SNS 게시글, 블로그 등) 감정을 인식하는 연구들이 수행되고 있다.
텍스트로부터의 감정 분석의 시도는 주로 감정 극성 분석(sentiment analysis) 기술을 이용하여 텍스트의 감정의 극성(긍/부정)을 인식하는데 집중되어 왔다. 그러나 긍정 또는 부정이라는 단순한 감정의 극성(sentiment)에 대한 정보는 심도있는 감정 분석에 있어 그 한계가 있다. 또한, 텍스트테라피(문자심리상담) 진행에 의한 상담 내용의 분석에 관한 기술의 개발은 시도되지 않고 있다.
따라서, 텍스트테라피(문자심리상담) 분야에서 피상담자가 작성한 텍스트 만으로도 피상담자의 대표감정과 감정 강도를 추출할 수 있도록 하는 새로운 기술의 개발의 필요성이 대두되고 있다.
본 발명은, 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램을 제공하는 것을 일 목적으로 한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 장치가 제공된다.
상기 장치는, 사용자가 생성한 사용자의 작성물의 데이터를 사용자 단말, 플랫폼 서버 및 웹크롤링 서버로부터 수신하는 데이터 수집부; 상기 데이터 수집부로부터 상기 작성물 데이터를 수신하고, 수신된 작성물 데이터를 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류하고, 데이터베이스에서 복수의 상기 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하여 저장하는 텍스트 전처리부; 및 상기 제1 작성시각, 상기 제1 이미지 비율, 상기 제1 문단수, 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자의 작성물을 분석 텍스트로 결정하는 텍스트 유형 특정부를 포함한다.
또한, 상기 텍스트 유형 특정부는, 상기 텍스트 전처리부로부터 수신한 상기 제1 작성시각, 상기 제1 이미지 비율 및 상기 제1 문단수에 기초하여 제1 벡터를 생성하고, 상기 텍스트 전처리부로부터 수신한 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 제2 벡터를 생성하며, 상기 제1 벡터와 상기 제2 벡터의 코사인유사도에 기초하여 상기 사용자 작성물들 각각과 대응하는 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자 작성물들을 분석 텍스트들로 결정할 수 있다.
또한, 상기 상기 텍스트 유형 특정부는, 상기 분석 텍스트들 각각에 대한 편중도를 결정하며, 상기 편중도가 기 설정된 기준편중도 이상인 상기 분석텍스트를 제1 텍스트로 결정하고, 상기 편중도가 기설정된 기준편중도 이하인 상기 분석텍스트들을 제2 텍스트로 결정하며, 상기 편중도는 아래의 수학식에 의해 결정되고, 상기 수학식에서 D는 편중도를 의미하며, I는 분석 텍스트 내의 이미지수를 의미하고, P는 분석 텍스트 내의 문단수를 의미하며, S는 분석 텍스트 내의 단어수를 의미하며, T는 분석 텍스트의 작성시간을 의미하고, K1은 제1 보정계수, K2는 제2 보정계수, K3은 제3 보정계수를 의미할 수 있다.
또한, 상기 텍스트 유형 특정부로부터 결정된 제1 텍스트들 및 제2 텍스트들을 수신하고, 상기 데이터베이스로부터 맞춤법 정보를 수신하며, 제1 평가 조건에 기초하여 상기 제1 텍스트를 평가하여, 제1 참여자 및 제2 참여자를 포함하는 제1 텍스트 평가 정보를 결정하고, 제2 평가 조건에 기초하여 상기 제2 텍스트를 평가하여, 제3 참여자 및 제4 참여자를 포함하는 제2 텍스트 평가 정보를 결정하며, 사용자 단말에 상기 제1 텍스트 평가 정보 및 상기 제2 텍스트 평가 정보를 전달하는 결과 평가부; 및 상기 사용자 단말로부터 상기 제1 텍스트 평가 정보 및 상기 제2 텍스트 평가 정보에 대한 상기 사용자의 평점 및 댓글을 수신하고, 상기 사용자의 평점이 기 설정된 평점 이상인 경우 텍스트 평가 정보를 적합 텍스트 평가 정보로 결정하는 결과 평가 피드백부를 포함하며, 상기 제1 평가 조건은, 제1 텍스트의 업로드 간격, 맞춤법, 동일 단어의 반복횟수가 포함되며, 상기 제2 평가 조건은, 제2 텍스트의 작성 빈도, 제2 텍스트의 오타수, 제2 텍스트의 작성시간, 제2 텍스트를 구성하는 문장들 중 한 문장의 평균 단어수, 비속어 사용 빈도를 포함한다.
또한, 기 설정된 홍보 채널에 상기 적합 텍스트 평가 정보의 결정에 기초가 된 상기 사용자의 평점 및 댓글을 포함된 게시글을 게시하고, 상기 홍보 채널을 통하여 유입된 다른 사용자의 수에 기초하여 상기 적합 텍스트 평가 정보에 평점 및 댓글을 제공한 상기 사용자에게 수익을 분배하는 수익분배부를 더 포함한다.
또, 본 발명의 다른 측면은, 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 동작 방법이 제공된다.
상기 동작 방법은, 사용자가 생성한 사용자의 작성물의 데이터를 사용자 단말, 플랫폼 서버 및 웹크롤링 서버로부터 수신하는 동작; 상기 작성물 데이터를 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류하고, 데이터베이스에서 복수의 상기 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하여 저장하는 동작; 및 상기 제1 작성시각, 상기 제1 이미지 비율, 상기 제1 문단수, 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자의 작성물을 분석 텍스트로 결정하는 동작을 포함한다.
또, 본 발명의 또 다른 측면은, 상기 동작 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀질 수 있는, 비일시적 기록매체가 제공된다.
또, 본 발명의 또 다른 측면은, 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 장치에서, 상기 동작 방법을 실행시키기 위하여 비일시적 기록매체에 기록된 컴퓨터 프로그램이 제공된다.
또, 본 발명의 또 다른 측면은, 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 시스템이 제공된다.
상기 시스템은, 사용자가 생성한 사용자의 작성물의 데이터를 제공하는 사용자 단말; 플랫폼 서버; 웹크롤링 서버; 및 상기 사용자 단말에 분석 텍스트의 텍스트 평가 정보를 제공하는 장치를 포함하되, 상기 장치는, 상기 사용자가 생성한 사용자의 작성물의 데이터를 상기 사용자 단말, 상기 플랫폼 서버 및 상기 웹크롤링 서버로부터 수신하는 데이터 수집부; 및 상기 데이터 수집부로부터 상기 작성물 데이터를 수신하고, 수신된 작성물 데이터를 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류하고, 데이터베이스에서 복수의 상기 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하여 저장하는 텍스트 전처리부; 및 상기 제1 작성시각, 상기 제1 이미지 비율, 상기 제1 문단수, 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자의 작성물을 상기 분석 텍스트로 결정하는 텍스트 유형 특정부를 포함한다.
본 발명의 일 실시예에 따르면, 사용자가 작성한 작성물에 기초하여 사용자의 심리 상태를 결정할 수 있다.
또한, 본 발명의 다른 실시예에 따르면, 사용자가 작성한 작성물 중 분석 텍스트를 결정하고 분석 텍스트를 제1 텍스트 및 제2 텍스트로 분류하여 이에 대하여 제1 텍스트 평가 정보 및 제2 텍스트 평가정보를 결정하고, 이를 통해 사용자의 심리 상태를 결정할 수 있다.
또한, 본 발명의 또 다른 실시예에 따르면, 제1 텍스트 평가 정보 및 제2 텍스트 평가 정보에 대하여 사용자가 평점을 부여하고, 부여된 평점을 통하여 제1 텍스트 평가 정보 및 제2 텍스트 평가 정보가 사용자에게 적합했는지 피드백 할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시예에 따른 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 시스템에 대한 개요도이다.
도 2는 도 1에 따른 서비스 제공 장치의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 텍스트 유형을 분류하여 특정하는 방법을 개략적으로 도시한 순서도이다.
도 4는 도 2에 따른 결과 평가부가 제1 텍스트 및 제2 텍스트에 기초하여 사용자의 심리 상태를 결정하는 과정을 도시하는 흐름도이다.
도 5는 도2에 따른 결과 평가 피드백부가 제1 텍스트 평가 정보 또는 제2 텍스트 평가 정보에 대한 사용자의 만족도를 결정하고 사용자에게 수익을 제공하는 과정을 도시하는 흐름도이다.
도 6은 도 1에 따른 서비스 제공 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다.
도 8은 도 7에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다.
도 9는 도 7에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다.
도 10은 도 7에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다.
도 2는 도 1에 따른 서비스 제공 장치의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 텍스트 유형을 분류하여 특정하는 방법을 개략적으로 도시한 순서도이다.
도 4는 도 2에 따른 결과 평가부가 제1 텍스트 및 제2 텍스트에 기초하여 사용자의 심리 상태를 결정하는 과정을 도시하는 흐름도이다.
도 5는 도2에 따른 결과 평가 피드백부가 제1 텍스트 평가 정보 또는 제2 텍스트 평가 정보에 대한 사용자의 만족도를 결정하고 사용자에게 수익을 제공하는 과정을 도시하는 흐름도이다.
도 6은 도 1에 따른 서비스 제공 장치의 하드웨어 구성을 예시적으로 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다.
도 8은 도 7에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다.
도 9는 도 7에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다.
도 10은 도 7에 따른 무선 통신 시스템에서 통신 인터페이스를 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, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 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 실시 예에 따른 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 시스템에 대한 개요도이다.
도 1을 참조하면, 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 시스템은, 서비스 제공 장치(100), 사용자 단말(200), 플랫폼 서버(300), 웹크롤링 서버(400) 및 네트워크(500)를 포함한다. 이하 설명되는 동작들은 서비스 제공 장치(100)에 의하여 제어되는 플랫폼을 통해 수행될 수 있다. 일 실시 예에서, 플랫폼은 웹 페이지, 모바일 어플리케이션 등일 수 있다.
사용자 단말(200)은, 사용자의 심리 상태를 결정 서비스를 통해 사용자의 심리 상태를 결정하는 서비스를 받고자 하는 사용자의 단말로서, 서비스 제공 장치(100)에 텍스트 종류, 텍스트 길이, 텍스트 비중 및 텍스트 작성 시간을 제공하고, 서비스 제공 장치(100)로부터 텍스트 종류, 텍스트 길이, 텍스트 비중 및 텍스트 작성 시간과 매칭되는 사용자의 심리 상태에 대한 정보를 제공받을 수 있다.
또한, 사용자 단말(200)은, 서비스 제공 장치(100)로부터 사용자의 심리 상태 정보를 제공받고, 서비스 제공 장치(100)에 제공받은 심리 상태의 정확성 여부, 서비스 재사용 여부를 제공할 수 있다.
사용자 단말(200)은, 심리상담 서비스를 제공받고자 하는 피검사자인 사용자가 본 발명과 상호작용할 수 있는 인터페이스(Interface)를 제공하며, 상기 사용자로부터 명령을 입력받아 전자적인 데이터로 변환하기 위한 하드웨어 장치 및 소프트웨어 프로그램을 포괄하는 개념이다.
사용자 단말(200)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.
플랫폼 서버(300)는, SNS(Social Network Service)와 관련된 플랫폼 서버일 수 있다. 플랫폼 서버(300)는 하나 이상의 이미지, 영상 또는 텍스트를 저장할 수 있다.
플랫폼 서버(300)는 사용자 단말(200)이 액세스 가능하며, 각종 이미지, 영상 또는 텍스트를 업로딩하고 다운로딩 가능하도록 하는 인터페이스를 제공할 수 있다.
또한, 플랫폼 서버(300)는 사용자가 이미지, 영상 또는 텍스트를 업로딩 하고 다운로드 가능하도록 하는 기능 및 이미지, 영상 또는 텍스트에 댓글의 형태로 텍스트를 업로딩하고 다운로딩 가능하도록 하는 기능을 제공할 수 있다.
웹크롤링 서버(400)는, 인터넷 망을 통해 웹페이지(Webpage)들을 크롤링(crawling)하며, 크롤링된 웹페이지들을 서비스 제공 장치(100)에 제공한다. 일 실시 예에서, 웹크롤링 서버(400)는 크롤링된 웹페이지들로부터 사용자가 작성한 텍스트들을 추출하고, 추출된 텍스트들을 서비스 제공 장치(100)에 전송할 수 있다.
서비스 제공 장치(100)는 사용자의 심리 상태를 결정하는 서비스를 사용자 단말(200)에 제공하기 위한 서버일 수 있다.
서비스 제공 장치(100), 사용자 단말(200), 플랫폼 서버(300), 웹크롤링 서버(400)는 각각 통신 네트워크(500)에 연결되어, 통신 네트워크(500)를 통해 서로간 데이터를 송수신할 수 있다. 예를 들어, 통신 네트워크(500)는 LAN(Local Area Network), MAN(Metropolitan Area Network), GSM(Global System for Mobile Network), EDGE(Enhanced Data GSM Environment), HSDPA(High Speed Downlink Packet Access), W-CDMA(Wideband Code Division Multiple Access), CDMA(Code Division Multiple Access), TDMA(Time Division Multiple Access), 블루투스(Bluetooth), 지그비(Zigbee), 와이-파이(WiFi), VoIP(Voice over Internet Protocol), LTE Advanced, IEEE802.16m, WirelessMAN-Advanced, HSPA+, 3GPP Long Term Evolution (LTE), Mobile WiMAX(IEEE 802.16e), UMB(formerly EV-DO Rev. C), Flash-OFDM, iBurst and MBWA(IEEE 802.20) systems, HIPERMAN, Beam-Division Multiple Access (BDMA), WiMAX(World Interoperability for Microwave Access), 5G 등 다양한 종류의 유선 또는 무선 네트워크가 사용될 수 있다.
도 2는 도 1에 따른 서비스 제공 장치(100)의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 2를 참조하면, 서비스 제공 장치(100)는 데이터 수집부(101), 텍스트 전처리부(102)를 포함한다.
데이터 수집부(101)는, 사용자의 심리 상태 판단에 필요한 데이터를 획득할 수 있다. 데이터 수집부(101)는 사용자의 심리 상태 판단을 위한 학습을 위하여 필요한 데이터를 획득할 수 있다. 데이터 수집부(101)는 사용자로부터 복수의 글을 수신할 수 있다. 사용자의 복수의 글에는 사용자의 심리 상태가 담겨있을 수 있다.
사용자는 PC, 스마트폰 등과 같은 전자 단말기를 이용하여 글을 작성할 수 있다. 데이터 수집부(101)는 사용자의 사용자 단말(200)로부터 유무선으로 사용자가 작성한 글을 수신할 수 있다. 또한, 데이터 수집부(101)는 사용자 단말(200)을 통하여 사용자가 작성한 글을 키보드, 터치 키패드, 마우스 등과 같은 입력장치로부터 획득할 수 있다.
서비스 제공 장치(100)는 사용자의 심리 상태 결정하는 서비스를 사용자 단말(200) 및 플랫폼 서버(300)에 제공하기 위한 서버일 수 있다.
학습을 위해서는 많은 데이터가 필요하므로, 데이터 수집부(101)는 복수의 사용자들로부터 복수의 글 및 사진을 수신할 수 있다. 또한 데이터 수집부(101)는 사용자들로부터 복수의 글뿐 아니라, 사용자의 활동 로그, 사용자의 심리 프로파일을 수신할 수 있다. 사용자의 활동 로그는 사용자가 열람한 게시글, 댓글, 사용자가 공감을 표시한 글 및 사용자의 북마크 중 적어도 하나를 포함할 수 있다. 또한 심리 프로파일은 복수의 사용자의 성별, 나이, 성향 프로파일 및 성격형 테스트 결과 중 적어도 하나를 포함할 수 있다.
텍스트 전처리부(102)는, 사용자의 심리 상태 판단을 위하여 획득된 데이터가 기계학습에 이용될 수 있도록, 수신된 텍스트 데이터에 대한 전처리를 수행한다. 일 실시 예에서, 전처리는, 토큰화(Tokenization), 단어 집합(Vocabulary) 생성, 정수 인코딩, 패딩, 벡터화 등의 동작일 수 있다.
구체적으로, 텍스트 전처리부(102)는 후술할 텍스트 유형 특정부(103) 및 결과 평가부(104)가 사용자의 심리 상태 판단을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 미리 설정된 포맷으로 가공할 수 있다. 예를 들어, 전처리부(102)는 사용자가 남긴 글을 형태소 분석하여 형태소 임베딩을 획득할 수 있다.
텍스트 유형 특정부(103)는, 데이터 수집부(101)가 수집한 데이터 중에서 사용자의 심리 상태 판단을 위하여 사용될 분석 텍스트를 특정하고, 특정된 분석 텍스트를 제1 텍스트와 제2 텍스트로 분류한다.
결과 평가부(104)는 텍스트 전처리부(102)에서 전처리된 데이터 중에서 학습에 필요한 데이터를 선택하고, 선택된 데이터를 이용하여 사용자의 심리 상태를 분석할 수 있다. 일 실시 예에서 심리 상태는 사용자의 감정 또는 성격을 포함하며, 일 실시 예에서, 감정이라 함은, 통상적으로 사용자가 어떤 현상이나 일에 대하여 느낄 수 있는 기분으로서 '기쁨', '분노', '슬픔', '즐거움', '사랑', '증오', '욕망', '감동', '자신감', '질투', '행복', '희망', '절망', '두려움', '설렘', '실망', '그리움', '걱정', '기대' 등이 포함될 수 있고, 일 실시 예에서, 성격이라 함은, 평균형, 자기중심적유형, 내성적유형, 롤모델형 등이 포함될 수 있다. 구체적으로 평균형은 친화적이고 성실하며 외향적인 성격을 의미하고, 자기중심적 유형은 개방성, 성실성, 친화성 측면에서는 평균이하이고, 강한 외향성을 갖는 것을 의미하며, 내성적 유형은 성실성, 외향성, 친화성이 낮으며, 롤모델형은, 외향성, 친화성, 성실성이 매우 높은 것을 의미한다. 그리고, 결과 평가부(104)는 사용자의 심리 상태 판단을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다.
결과 평가부(104)는 학습 데이터에 기초하여 사용자의 심리 상태를 어떻게 판단할 지에 관한 기준을 학습할 수 있다.
또한, 결과 평가부(104)는 사용자의 심리 상태 판단에 이용되는 데이터 학습모델을 학습 데이터로써 이용하여 학습시킬 수 있다. 이 경우, 데이터 학습모델은 미리 구축된 모델일 수 있다. 일 실시 예에서, 데이터 학습모델은 기본 학습 데이터(예를 들어, 샘플 이미지 등)을 입력 받아 미리 구축된 모델일 수 있다.
또한, 데이터 학습모델은, 학습모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 학습모델은, 다른 실시 예에서, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, Deep Neural Network (DNN), Recurrent Neural Network (RNN), Long Short-Term Memory models (LSTM), BRDNN(Bidirectional Recurrent Deep Neural Network), Convolutional Neural Networks (CNN)과 같은 모델이 데이터 학습모델로써 사용될 수 있으나, 이에 한정되지 않는다.
다양한 실시 예에 따르면, 결과 평가부(104)는 미리 구축된 데이터 학습모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 학습모델을 학습할 데이터 학습모델로 결정할 수 있다.
이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 학습모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
또한, 결과 평가부(104)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 학습모델을 학습시킬 수 있다.
또한, 결과 평가부(104)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning)을 통하여, 데이터 학습모델을 학습할 수 있다. 또한, 결과 평가부(104)는, 예를 들어, 별다른 지도없이 상황 판단을 위해 필요한 데이터의 종류를 스스로 학습함으로써, 상황 판단을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 학습모델을 학습할 수 있다. 또한, 결과 평가부(104)는, 예를 들어, 학습에 따른 상황 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 학습모델을 학습할 수 있다.
또한, 데이터 학습모델이 학습되면, 결과 평가부(104)는 학습된 데이터 학습모델을 저장할 수 있다. 이 경우, 결과 평가부(104)는 학습된 데이터 학습모델을 본 발명의 메모리에 저장할 수 있다. 또는, 결과 평가부(104)는 학습된 데이터 학습모델을 본 발명과 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 학습모델이 저장되는 메모리는, 예를 들면, 본 발명의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.
결과 평가 피드백부(105)는 데이터 학습모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 결과 평가부(104)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 학습모델을 평가하기 위한 기 설정된 데이터일 수 있다.
예를 들어, 결과 평가 피드백부(105)는 평가 데이터에 대한 학습된 데이터 학습모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 학습모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 결과 평가 피드백부(105)는 학습된 데이터 학습모델이 적합하지 않은 것으로 평가할 수 있다.
한편, 학습된 데이터 학습모델이 복수 개가 존재하는 경우, 결과 평가 피드백부(105)는 각각의 학습된 데이터 학습모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 학습모델로써 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 결과 평가 피드백부(105)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 학습모델로써 결정할 수 있다.
한편, 데이터 수집부(101), 텍스트 전처리부(102), 텍스트 유형 특정부(103), 결과 결정부(104) 및 결과 평가 피드백부(105) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 본 발명에 탑재될 수 있다. 예를 들어, 데이터 수집부(101), 텍스트 전처리부(102), 텍스트 유형 특정부(103), 결과 결정부(104) 및 결과 평가 피드백부(105) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 수집부(101), 텍스트 전처리부(102), 텍스트 유형 특정부(103), 결과 결정부(104) 및 결과 평가 피드백부(105)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 수집부(101), 텍스트 전처리부(102), 텍스트 유형 특정부(103), 결과 결정부(104) 및 결과 평가 피드백부(105) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 수집부(101), 텍스트 전처리부(102), 텍스트 유형 특정부(103), 결과 결정부(104) 및 결과 평가 피드백부(105) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 수집부(101), 텍스트 전처리부(102), 텍스트 유형 특정부(103), 결과 결정부(104) 및 결과 평가 피드백부(105) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 3은 본 발명의 일 실시 예에 따른 텍스트 유형을 분류하여 특정하는 방법을 개략적으로 도시한 순서도이다.
도 3을 참조하면, 심리 상태 결정 방법은 데이터 수집부(101)가 사용자 단말(200), 플랫폼 서버(300) 및 웹크롤링 서버(400)로부터 사용자가 생성한 사용자 작성물의 데이터를 수신하는 단계(S110), 텍스트 전처리부(102)가 수신된 작성물 데이터를 분류하는 단계(S120), 텍스트 전처리부(102)가 데이터베이스(600)에서 복수의 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하는 단계(S130), 텍스트 유형 특정부(103)가 사용자 작성물 각각과 대응하는 매칭도를 결정하는 단계(S140), 텍스트 유형 특정부(103)는 매칭도가 기 설정된 기준매칭도 이상인 사용자 작성물을 분석 텍스트로 결정하는 단계(S150), 텍스트 유형 특정부(103)가 분석 텍스트들 각각에 대한 편중도를 결정하는 단계(S160) 및 텍스트 유형 특정부(103)가 편중도에 기초하여 분석 텍스트를 제1 텍스트, 제2 텍스트 및 제3 텍스트로 특정하는 단계(S170)을 포함한다.
본 명세서에서, 순서도에 따라 각 단계가 차례로 수행되는 것으로 설명하지만, 발명의 사상을 변경하지 않는 한, 연속하여 수행하는 것으로 도시된 일부 단계들이 동시에 수행되거나, 일부 단계의 순서가 변경되거나, 일부 단계가 생략되거나, 또는 각 단계 사이에 다른 단계가 더 포함될 수 있음은 자명하다.
구체적으로, 데이터 수집부(101)는, 사용자 단말(200), 플랫폼 서버(300) 및 웹크롤링 서버(400)로부터 사용자가 생성한 사용자 작성물의 데이터를 수신한다(S110).
일 실시 예에서, 사용자 작성물의 데이터는, 사용자가 업로드한 텍스트와 텍스트에 댓글의 형태로 기재된 댓글 텍스트일 수 있으며, 이미지에 첨부된 텍스트, 영상에 첨부된 텍스트, 상대방과 주고받은 채팅 텍스트도 포함하며, 이때 텍스트는, 언급된 텍스트의 형태들만으로 한정되는 것은 아니다.
이때 데이터 수집부(101)는, 플랫폼 서버(300)에 사용자가 사용자 단말(200)을 통하여 업로드된 페이지를 크롤링 할 수 있다. 예를 들어, 데이터 수집부(101)는 파이썬, Selenium 등의 모듈을 이용하여 크롤링을 수행할 수 있다.
일 실시예로, 데이터 수집부(101)는 플랫폼 서버(300)에 사용자가 사용자 작성물의 데이터를 업로드한 일 페이지를 제1 크롤링 페이지로 선정하여 크롤링을 수행할 수 있다. 이후, 데이터 수집부(101)는 제1 크롤링 페이지에서 링크로 연결되는 다른 플랫폼 서버(300)의 다른 일 페이지에 업로드 된 제2 크롤링 페이지에서 크롤링을 수행할 수 있다. 제1 크롤링 페이지와 제2 크롤링 페이지는 연관될 수 있다. 예를 들어, 제1 대상 페이지에서 특정 주제에 대해 텍스트 데이터를 통해 설명했다면, 제2 크롤링 페이지에서 상기 특정 주제에 대해 다른 텍스트 데이터를 통해 설명이 이루어졌을 수 있다.
일 실시예로, 데이터 수집부(101)는 제1 크롤링 페이지 및 제2 크롤링 페이지를 선정하는데 있어, 직전 두 달 내지 직전 달에 업로드된 페이지를 기준으로 삼을 수 있다. 최근 업로드된 페이지를 크롤링 페이지로 선정함으로써, 사용자 작성물의 데이터에 반영된 사용자의 가장 최근 심리 상태를 확인할 수 있다.
데이터 수집부(101)는 제1 크롤링 페이지 및 제2 크롤링 페이지에서 사용자가 업로드한 부분 및 다른 사용자가 업로드한 부분에서 각각 크롤링을 수행할 수 있다. 이때 다른 사용자가 업로드한 부분은 예를 들어 댓글일 수 있다.
한편, 데이터 수집부(101)는 크롤링을 통해 제1 크롤링 페이지 및 제2 크롤링 페이지의 사용자가 업로드한 부분에서 키워드를 결정할 수 있다.
일 실시 예에서, 키워드는 해당 페이지에서 수집한 사용자 작성물의 데이터의 주제와 연관되어 있는 단어들로 구성될 수 있다.
데이터 수집부(101)가 크롤링한 사용자 작성물의 데이터는 해시태그 또는 텍스트 워드 등을 포함할 수 있다.
텍스트 전처리부(102)는 데이터 수집부(101)로부터 작성물 데이터를 수신하고, 수신된 작성물 데이터를 분류한다(S120). 구체적으로, 작성물 데이터는 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류한다. 일 실시 예에서, 제1 작성시각은 하루 24시간 중 사용자가 문자를 작성한 시간대를 의미하며, 제1 이미지 비율은, 사용자 작성물에 사용된 이미지 수를 사용자 작성물의 전체 문장수로 나눈 값이고, 제1 문단수는 사용자 작성물의 문단수를 의미한다.
또한, 텍스트 전처리부(102)는 데이터베이스(600)에서 복수의 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색한다(S130).
일 실시 예에서, 제2 작성시각, 제2 이미지 비율 및 제2 문단수는 작성물과 미리 매칭되어 데이터베이스에 저장된 작성시각, 이미지 비율 및 문단수를 의미한다.
한편, 텍스트 유형 특정부(103)는 사용자의 작성물 각각과 대응하는 매칭도를 결정한다(S140).
텍스트 유형 특정부(103)는, 텍스트 전처리부(102)로부터 제1 작성시각, 제1 이미지 비율 및 제1 문단수를 수신하며, 제1 작성시각, 제1 이미지 비율 및 제1 문단수 각각을 좌표로 하는 제1 벡터를 생성한다.
그리고, 텍스트 유형 특정부(103)는, 텍스트 전처리부(102)로부터 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 수신하고, 제2 작성시각, 제2 이미지 비율 및 제2 문단수 각각을 좌표로 하는 제2 벡터를 생성한다.
텍스트 유형 특정부(103)는, 제1 벡터와 제2 벡터의 코사인 유사도에 기초하여 사용자 작성물들 각각과 대응하는 매칭도를 결정한다.
매칭도는 아래의 수학식 1에 의해 결정될 수 있다.
상기 수학식 1에서 M은 매칭도를 의미하고, A는 제1 벡터를 의미하며, B는 제2 벡터를 의미한다. 제1 벡터와 제2 벡터가 이루는 각도가 상대적으로 작을수록 매칭도는 커지고, 제1 벡터와 제2 벡터가 이루는 각도가 상대적으로 클수록 매칭도가 작아진다.
또한, 텍스트 유형 특정부(103)는 매칭도가 기 설정된 기준매칭도 이상인 사용자 작성물을 분석 텍스트로 결정한다(S150).
또한, 텍스트 유형 특정부(103)가 분석 텍스트들 각각에 대한 편중도를 결정한다(S160). 편중도는 아래의 수학식 2에 의해 결정될 수 있다.
상기 수학식 2에서 D는 편중도를 의미하며, I는 분석 텍스트 내의 이미지수를 의미하고, P는 분석 텍스트 내의 문단수를 의미하며, S는 분석 텍스트 내의 단어수를 의미하며, T는 분석 텍스트의 작성시간을 의미하고, 수학식 2에 분 단위로 대입되며, K1은 제1 보정계수, K2는 제2 보정계수, K3은 제3 보정계수를 의미한다.
제1 보정계수는, I/P의 값이 10이상인 경우 0을 의미하고, I/P의 값이 10미만, 1이상인 경우 1을 의미하고, I/P의 값이 5이상, 10미만인 경우 2를 의미하며, I/P의 값이 5미만인 경우 3을 의미한다.
제2 보정계수는 W의 값이 3000이상인 경우 0.1을 의미하고, W의 값이 1500이상, 3000미만인 경우 0.05를 의미하며, W의 값이 500이상 1500미만인 경우 0.03을 의미하고, W의 값이 500미만인 경우 0.01을 의미한다.
제3 보정계수는, T의 값이 60이상인 경우 1을 의미하고, T의 값이 30이상 60미만인 경우 0.5를 의미하며, T의 값이 10 이상, 30미만인 경우0.3을 의미하고, T의 값이 10미만인 경우 0.1을 의미한다.
텍스트 유형 특정부(103)는 편중도에 기초하여 분석 텍스트를 제1 텍스트 또는 제2 텍스트 중 하나로 특정한다(S170).
텍스트 유형 특정부(103)는, 편중도가 기 설정된 기준편중도 이상인 분석 텍스트를 제1 텍스트들로 결정하며, 분석 테스트 중 제1 텍스트가 아닌 것을 제2 텍스트들로 결정한다.
일 실시 예에서 제1 텍스트는, 사용자가 객관적인 정보 전달 목적으로 작성물일 수 있으며, 제2 텍스트는, 사용자가 사적인 내용을 작성한 일기 형태의 작성물일 수 있다.
다시 도 2를 참조하면, 서비스 제공 장치(100)는, 결과 평가부(104)를 포함한다.
도 4는 도 2에 따른 결과 평가부(104)가 제1 텍스트 및 제2 텍스트에 기초하여 사용자의 심리 상태를 결정하는 과정을 도시하는 흐름도이다.
먼저, 텍스트 유형 특정부(103)는 결정된 제1 텍스트들 또는/및 제2 텍스트들을 결과 평가부(104)에 제공한다. 그리고 데이터베이스(600)는 맞춤법 정보를 결과 평가부(104)에 제공한다(S210). 일 실시 예에서 맞춤법 정보는, 맞춤법 검사 기능이 구비된 맞춤법 검사 프로그램 또는 맞춤법 검사 모듈에 관한 정보를 포함한다.
또한, 결과 평가부(104)는, 텍스트 유형 특정부(103)가 특정한 제1 텍스트들에 기초하여 사용자의 심리 상태를 평가한다(S220). 구체적으로, 결과 평가부(104)는, 제1 평가 조건에 기초하여 제1 텍스트들을 평가한다. 일 실시 예에서, 제1 평가 조건은, 제1 텍스트의 업로드 간격, 맞춤법, 동일 단어의 반복횟수 등이 포함될 수 있다.
결과 평가부(104)는, 제1 텍스트의 업로드 간격이 일정하고, 맞춤법을 틀린 횟수가 기 설정된 횟수보다 적으며, 중복되는 단어의 반복횟수가 기 설정된 횟수보다 많은 사용자를 제1 참여자로 결정한다. 일 실시 예에서, 제1 참여자는, 객관적인 정보 전달 목적으로 작성한 제1 텍스트를 꾸준하게 작성하므로, 성실함을 예측할 수 있으며, 맞춤법이 틀리지 않으며, 중복되는 단어의 반복횟수가 많은 것은 키워드에 대한 내용이 제1 텍스트에서 강조됨을 예측할 수 있으므로, 이는 상대적으로 정보 전달을 신중하게 하고 정확하게 함을 예측할 수 있다. 제1 참여자는 앞서 설명한 사용자의 심리 상태 중 롤모델형 유형일 수 있다.
또한, 결과 평가부(104)는, 제1 텍스트의 업로드 간격이 일정하지 않으며, 맞춤법을 틀린 횟수가 많고, 중복되는 단어의 반복횟수가 적은 사용자를 제2 참여자로 결정한다. 일 실시 예에서, 제2 참여자는, 객관적인 정보 전달 목적으로 작성한 제1 텍스트를 불규칙하게 작성하므로, 불성실함을 예측할 수 있으며, 맞춤법이 빈번하게 틀리고, 중복되는 단어의 반복횟수가 적은 것은 상대적으로 사용자가 작성한 작성물에서 키워드가 부각되지 않을 확률이 상대적으로 높기 때문에, 이는 상대적으로 정보 전달을 신중하게 하지 않고 부정확하게 함을 예측할 수 있다. 제2 참여자는 앞서 설명한 사용자의 심리 상태 중 평균형 유형일 수 있다.
또한, 결과 평가부(104)는, 제1 텍스트에 기초한 제1 텍스트 평가 정보를 사용자 단말(200)에 제공한다(S230). 일 실시 예에서, 제1 텍스트 평가 정보는, 사용자의 제1 참여자 또는 제2 참여자로의 결정 여부 등을 포함한다.
또한, 결과 평가부(104)는, 텍스트 유형 특정부(103)가 특정한 제2 텍스트에 기초하여 사용자의 심리 상태를 평가한다(S240). 구체적으로, 결과 평가부(104)는, 제2 평가 조건에 기초하여 제2 텍스트들을 평가한다. 일 실시 예에서, 제2 평가 조건은, 제2 텍스트의 작성 빈도, 제2 텍스트의 오타수, 제2 텍스트의 작성시간, 제2 텍스트를 구성하는 문장들 중 한 문장의 평균 단어수, 비속어 사용 빈도 등을 포함한다.
또한, 결과 평가부(104)는, 제2 텍스트의 빈도가 상대적으로 낮고, 제2 텍스트의 오타수가 상대적으로 많고, 비속어 사용 빈도가 상대적으로 많은 사용자를 제3 참여자로 결정한다. 일 실시 예에서, 제3 참여자는, 앞서 설명한 사용자의 심리 상태 중 자기중심적 유형일 수 있다.
또한, 결과 평가부(104)는, 제2 텍스트의 빈도가 상대적으로 높고, 제2 텍스트의 오타수가 상대적으로 적고, 제2 텍스트의 비속어 사용빈도가 상대적으로 적은 사용자를 제4 참여자로 결정한다. 일 실시 예에서, 제4 참여자는 앞서 설명한 사용자의 심리 상태 중 내성적 유형일 수 있다.
또한, 결과 평가부(104)는, 제2 텍스트에 기초한 제2 텍스트 평가 정보를 사용자 단말(200)에 제공한다(S250). 일 실시 예에서, 제2 텍스트 평가 정보는, 사용자의 제3 참여자 또는 제4 참여자로의 결정 여부 등을 포함한다.
다시 도 2를 참조하면, 서비스 제공 장치(100)는, 결과 평가 피드백부(105) 및 수익 분배부(106)을 포함한다.
도 5는 도2에 따른 결과 평가 피드백부가 제1 텍스트 평가 정보 또는 제2 텍스트 평가 정보에 대한 사용자의 만족도를 결정하고 사용자에게 수익을 제공하는 과정을 도시하는 흐름도이다.
먼저, 결과 평가 피드백부(105)는 사용자의 제1 텍스트 평가 정보 또는 제2 텍스트 평가 정보에 대한 사용자의 평점 및 댓글을 수신한다(S310).
또한, 결과 평가 피드백부(105)는 사용자의 평점이 기 설정된 평점 이하인 경우, 텍스트 평가 정보를 부적합 텍스트 평가 정보로 결정한다(S320).
이를 통해, 사용자의 심리 상태와 과도하게 부적합한 제1 텍스트 또는 제2 텍스트를
또한, 결과 평가 피드백부(105)는 사용자의 평점이 기 설정된 평점 이상인 경우, 텍스트 평가 정보를 적합 텍스트 평가 정보로 결정한다(S330).
또한, 수익 분배부(106)는, 기 설정된 홍보 채널에 적합 텍스트 평가 정보의 결정에 기초가 된 사용자의 평점 및 댓글을 포함하며, 본 발명을 이용할 수 있는 게시글을 게시한다(S340). 일 실시 예에서, 홍보 채널은 SNS(Social Network Service) 플랫폼일 수 있다. 일 실시 예에서 게시글은, 본 발명을 이용하기 위하여 본 발명을 이용할 수 있는 홈페이지 링크 또는 애플리케이션 설치 링크 등을 포함할 수 있다.
또한, 수익 분배부(106)는 홍보 채널을 통하여 본 발명을 이용할 수 있는 게시글을 통하여 본 발명에 접근한 다른 사용자의 수를 수신한다(S350). 일 실시 예에서, 수익 분배부(106)는, 홍보 채널을 운영하는 서버로부터, 본 발명을 이용할 수 있는 홈페이지 링크 또는 애플리케이션 설치 링크에 접근한 다른 사용자들의 수를 수신할 수 있다.
또한, 수익 분배부(106)는, 홍보 채널의 게시글을 통하여 본 발명에 접근한 다른 사용자의 수에 기초하여 적합 텍스트 평가 정보에 평점 및 댓글을 제공한 사용자에 대한 수익을 결정한다(S360).
수익 분배부(106)는, 일 실시 예에서, 홍보 채널의 게시글을 통하여 본 발명에 접근한 다른 사용자의 수에 기 설정된 제1 단가를 곱한 값을 적합 텍스트 평가 정보에 평점을 제공한 사용자에게 지급할 제1 수익으로 결정할 수 있다.
그리고 수익 분배부(106)는, 제1 수익에 제1 계수를 곱한 값을 적합 텍스트 평가 정보에 평점을 제공한 사용자에게 지급할 제2 수익으로 결정할 수 있다. 일 실시 예에서, 제1 계수는 홍보 채널의 게시글에 연결된 홈페이지 링크 또는 애플리케이션 설치링크를 통하여 실제로 본 발명을 이용한 다른 사용자의 수가 많을수록 큰 값을 갖는다.
도 6는 도 1에 따른 서비스 제공 장치의 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(101~106)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.
한편, 장치(100)는 버스(170)에 연결되는 크롤링 시스템(180) 및 머신러닝 시스템(190)을 더 포함할 수 있다.
크롤링 시스템(180)은 통신 네트워크(500)를 통해 플랫폼 서버(300) 각각을 액세스하고 복수의 플랫폼 서버(300)에 저장되어 있는 이미지, 영상, 텍스트 및 이들을 표시하는 페이지에 업로드된 댓글들을 수집하고, 수집된 정보를 머신러닝 시스템(190)을 통해 또는 직접 저장 장치(160)에 저장할 수 있다.
크롤링 시스템(180)은 타겟하는 플랫폼 서버들(300) 별로 문서 객체 모델(DOM; Document Object Model)의 패턴을 분석하는 DOM 특징 분석(DOM feature analysis)과, 복수의 플랫폼 서버(300)들의 데이터에서 사용자 단말(200)에 제공할 필요 정보를 추출하기 위한 마이닝 영역 관리(mining area management)를 통해 데이터를 크롤링(crawling)할 수 있다. 문서 객체 모델(DOM)은 프로그램이나 스크립트가 웹 페이지 내의 구성 요소들에 접근하여 내용이나 스타일 등을 변경할 수 있게 해주는 인터페이스이다. 브라우저에서 HTML, XML 등의 웹 페이지가 로딩되면 문서 객체 모델은 브라우저 내에 트리(tree) 형태로 문서 내 요소들을 구성하게 된다. 크롤링 시스템(180)은 다양한 복수의 플랫폼 서버 별로 문서 객체 모델의 패턴을 인식하여, 타겟하는 복수의 플랫폼 서버(300) 별로 인식한 문서 객체 모델 패턴을 기반으로 타겟하는 복수의 플랫폼 서버이 제공하는 페이지 데이터에서 필요로 하는 정보를 추출할 수 있다. 장치(100)는 크롤링 시스템(180)을 통해 다양한 플랫폼 서버(300)로부터 데이터를 크롤링하고, 다양한 플랫폼 서버(300)로부터 수집한 데이터를 통합하여 심리 정보를 추출하고, 심리 정보를 사용자 단말(200)에 제공하는 서비스를 제공할 수 있다.
머신러닝 시스템(190)은 크롤링 시스템(180)에 의해 수집된 이미지, 영상, 텍스트 및 이들을 표시하는 페이지에 업로드된 댓글들을 이용하여 수집된 정보에 대응하여 설정된 분위기를 학습한다. 예를 들어, 하나의 분위기로 수집된 이미지, 영상, 텍스트 및 이들을 표시하는 페이지에 업로드된 댓글들을 이용하여 해당 분위기를 학습하고 다른 분위기로 수집된 이미지들을 이용하여 해당 다른 분위기를 학습한다.
머신러닝 시스템(190)은 크롤링 시스템(180)에 의해 수집된 텍스트 및 이를 표시하는 페이지에 업로드된 댓글들에 대하여 키워드들을 추출하고, 추출된 키워드들을 자연어 처리(Natural Language Processing, NLP)함으로써 텍스트 및 댓글들 각각에 대한 적어도 하나의 주제들을 결정할 수 있다. 예를 들어, 자연어 처리는, 자연어 처리를 구현할 수 있는 프레임워크(framework) 또는 알고리즘인 파이썬의 NTLK(Python NLTK), 샌포드의 코어NLP(Sanford CoreNLP), 아파치의 오픈NLP(Apache OpenNLP), 마이크로소프트의 튜링 (Turing), 또는 BERT, GPT-2 등을 이용하여 구현될 수 있다.
도 7은 본 발명의 일 실시예에 따른 통신 과정에서 적용될 수 있는 무선 통신 시스템을 나타낸 도면이다. 도 8은 도 7에 따른 무선 통신 시스템에서 기지국을 나타낸 도면이다. 도 9은 도 7에 따른 무선 통신 시스템에서 단말을 나타낸 도면이다. 도 10는 도 7에 따른 무선 통신 시스템에서 통신 인터페이스를 나타낸 도면이다. 이하에서는 서비스 제공 장치(100)와 단말(200) 및 기지국 사이의 통신을 지원하는 무선 통신 네트워크 시스템의 일례를 구체적으로 예를 들어 설명하며 이러한 서비스 제공 장치(100)와 단말(200)은 설명의 편의상 노드나 단말로 혼용하여 지칭될 수 있다. 다음 설명에서, 제1 노드(장치)는 앵커/도너 노드 또는 앵커/도너 노드의 CU(centralized unit) 일 수 있고, 제2 노드(장치)는 앵커/도너 노드 또는 릴레이 노드의 DU(distributed unit) 일 수 있다.
무선 통신 시스템에서 무선 채널을 사용하는 노드의 일부로 기지국(base station, BS), 단말, 서버 등이 포함될 수 있다.
기지국은 단말에 무선 액세스를 제공하는 네트워크 인프라이다. 기지국은 신호가 전송될 수 있는 거리에 따라 소정의 지리적 영역으로 정의된 커버리지를 갖는다.
기지국은 "기지국"과 마찬가지로 "액세스 포인트(access point, AP)", "이노드비(enodeb, eNB)", "5 세대(5th generation, 5G) 노드", "무선 포인트(wireless point)", "송/수신 포인트(transmission/reception point, TRP)" 지칭될 수 있다.
기지국, 단말은 밀리미터 파(millimeter wave, mmWave) 대역(예: 28GHz, 30GHz, 38GHz, 60GHz)으로 무선 신호를 송수신할 수 있다. 이때, 채널 이득 향상을 위해 기지국, 단말은 빔포밍을 수행할 수 있다. 빔포밍은 송신 빔포밍 및 수신 빔포밍을 포함할 수 있다. 즉, 기지국, 단말은 송신 신호와 수신 신호에 지향성을 부여할 수 있다. 이를 위해 기지국, 단말은 빔 탐색 절차 또는 빔 관리 절차를 통해 서빙 빔을 선택할 수 있다. 그 후, 통신은 서빙 빔을 운반하는 자원과 준 동일위치(quasi co-located) 관계에 있는 자원을 사용하여 수행될 수 있다.
첫 번째 안테나 포트 및 두 번째 안테나 포트는 첫 번째 안테나 포트의 심볼이 전달되는 채널의 대규모 속성이 두 번째 안테나 포트의 심볼이 전달되는 채널에서 유추될 수 있는 경우 준 동일위치 위치에 있는 것으로 간주된다. 대규모 속성은 지연 확산, 도플러 확산, 도플러 시프트, 평균 이득, 평균 지연 및 공간 Rx 파라미터 중 하나 이상을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 기지국을 예시한다. 이하에서 사용되는 "-모듈(module)", "-부(unit)"또는 "-er"라는 용어는 적어도 하나의 기능 또는 동작을 처리하는 유닛을 의미할 수 있으며, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다.
기지국은 무선 통신 인터페이스, 백홀 통신 인터페이스, 저장부(storage unit 및 컨트롤러을 포함할 수 있다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스는 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
무선 통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 무선 통신 인터페이스은 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행할 수 있다. 예를 들어, 데이터 전송에서, 무선 통신 인터페이스은 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신 시 무선 통신 인터페이스은 베이스 밴드 신호를 복조 및 디코딩하여 수신 비트 스트림을 재구성한다.
또한, 무선 통신 인터페이스는 베이스 대역 신호를 RF(Radio Frequency) 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 베이스 대역 신호로 하향 변환한다. 이를 위해, 무선 통신 인터페이스은 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 무선 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다.
하드웨어 측면에서 무선 통신 인터페이스는 디지털 유닛과 아날로그 유닛을 포함할 수 있고, 아날로그 유닛은 동작 전력, 동작 주파수 등에 따라 복수의 서브 유닛을 포함할 수 있다. 디지털 유닛은 적어도 하나의 프로세서(예를 들어, 디지털 신호 프로세서(digital signal processor, DSP))로 구현될 수 있다.
무선 통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 무선 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)"또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 무선 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
백홀 통신 인터페이스는 네트워크 내의 다른 노드와 통신을 수행하기위한 인터페이스를 제공한다. 즉, 백홀 통신 인터페이스는 다른 노드로 전송되는 비트 스트림을 변환하고, 예를 들어, 다른 액세스 노드, 다른 기지국, 상위 노드 또는 기지국으로부터의 코어 네트워크는 물리적 신호로, 다른 노드로부터 수신된 물리적 신호를 비트 스트림으로 변환한다.
저장부는 기본 프로그램, 어플리케이션, 기지국의 동작을 위한 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다.
컨트롤러는 기지국의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 무선 통신 인터페이스 또는 백홀 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 무선 통신 인터페이스에 포함될 수 있다. 이를 위해 컨트롤러는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예에 따르면 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 기지국을 제어할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 도너 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 상기 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 상기 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 릴레이 노드로 전송하도록 구성되고; 상기 릴레이 노드로부터 상기 단말에 대한 복수의 라디오 베어러에 관한 상기 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 수신하고; 단말에 대한 데이터를 릴레이 노드로 전송할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
다양한 실시 예에 따르면, 무선 통신 시스템의 릴레이 노드는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 동작 가능하게 결합된 트랜시버를 포함하고, 도너 노드로부터, 릴레이 노드에 액세스하는 단말에 대한 복수의 라디오 베어러에 관한 도너 노드와 관련된 제1 정보를 포함하는 제1 메시지를 수신하도록 구성되고; 단말에 대한 복수의 라디오 베어러에 관한 릴레이 노드와 관련된 제2 정보를 포함하는 제2 메시지를 도너 노드로 전송하고; 도너 노드로부터 단말기에 대한 데이터를 수신할 수 있다. 데이터는 제1 정보 및 제2 정보에 기초하여 복수의 라디오 베어러를 통해 단말로 전송될 수 있다.
다양한 실시 예에 따르면, 복수의 라디오 베어러 중 라디오 베어러는 복수의 라디오 베어러를 통합시킬 수 있다. 적어도 하나의 프로세서는 또한 릴레이 노드에 액세스하는 단말에 대한 라디오 베어러 및 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정하도록 구성되고; 또는 라디오 베어러에 의해 통합된 다중 라디오 베어러를 결정할 수 있다.
다양한 실시 예에 따르면, 제1 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 접속하는 단말의 종류를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대한 정보; 릴레이 노드에 액세스하는 단말에 의해 전달된 라디오 베어러에 대한 정보; 도너 노드와 릴레이 노드 사이의 라디오 베어러에 대해 설정된 터널에 대한 정보; 통합된 다중 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 도너 노드 측면의 주소에 대한 정보; 릴레이 노드 측의 주소에 대한 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러에 대응하는 표시 정보; 릴레이 노드에 액세스하는 단말에 대해 새로운 주소를 라디오 베어러에 할당하도록 릴레이 노드를 나타내는 표시 정보; 릴레이 노드에 접속하는 단말의 라디오 베어러의 데이터를 전송하는 릴레이 노드가 사용할 수 없는 주소 정보 목록; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 다음 중 하나 이상을 포함할 수 있다: 릴레이 노드에 액세스하는 터미널의 식별; 릴레이 노드에 의해 승인된 라디오 베어러에 대한 정보; 릴레이 노드에 의해 승인되지 않은 라디오 베어러에 대한 정보; 릴레이 노드에 의해 부분적으로 승인된 라디오 베어러에 대한 정보; 라디오 베어러 매핑 정보; 릴레이 노드가 생성한 릴레이 노드에 접속하는 단말의 구성 정보; 릴레이 노드 측의 주소에 대한 정보; 및 보안 구성과 관련된 정보.
다양한 실시 예에 따르면, 제2 메시지는 통합된 다중 라디오 베어러에 대한 정보를 더 포함할 수 있다.
다양한 실시 예에 따르면, 도너 노드는 도너 노드의 중앙 유닛을 포함하고, 릴레이 노드는 도너 노드의 분산 유닛을 포함할 수 있다.
이하에서는 상술한 무선 통신 시스템에서 단말의 구성요소를 도시한다. 이하에서는 설명하는 단말의 구성요소는 무선 통신 시스템에서 지원하는 범용적인 단말의 구성요소로서 전술한 내용들에 따른 단말의 구성요소와 병합되거나 통합될 수 있고, 일부 중첩되거나 상충되는 범위에서 앞서 도면을 참조하여 설명한 내용이 우선적용되는 것으로 해석될 수 있다. 이하에서 사용되는 "-모듈", "-유닛"또는 "-er"라는 용어는 적어도 하나의 기능을 처리하는 유닛을 의미할 수 있다.
단말은 통신 인터페이스, 저장부 및 컨트롤러를 포함한다.
통신 인터페이스는 무선 채널을 통해 신호를 송수신하는 기능을 수행한다. 예를 들어, 통신 인터페이스는 시스템의 물리 계층 표준에 따라 베이스 밴드 신호와 비트 스트림 간의 변환 기능을 수행한다. 예를 들어, 데이터 전송에서 통신 인터페이스는 전송 비트 스트림을 인코딩 및 변조하여 복합 심볼을 생성한다. 또한, 데이터 수신시 통신 인터페이스는 베이스 대역 신호를 복조 및 복호화하여 수신 비트 스트림을 재구성한다. 또한, 통신 인터페이스는 베이스 대역 신호를 RF 대역 신호로 상향 변환하고, 변환된 신호를 안테나를 통해 전송한 후 안테나를 통해 수신된 RF 대역 신호를 기저 대역 신호로 하향 변환한다. 예를 들어, 통신 인터페이스는 송신 필터(transmission filter), 수신 필터(reception filter), 증폭기(amplifier), 믹서(mixer), 발진기(oscillator), 디지털-아날로그 컨버터(digital-to-analog convertor, DAC), 아날로그-디지털 컨버터(analog-to-digital convertor, ADC) 등을 포함할 수 있다.
또한, 통신 인터페이스는 복수의 송수신 경로를 포함할 수 있다. 또한, 통신 인터페이스는 복수의 안테나 요소를 포함하는 적어도 하나의 안테나 어레이를 포함할 수 있다. 하드웨어 측에서 무선 통신 인터페이스는 디지털 회로 및 아날로그 회로(예를 들어, radio frequency integrated circuit, RFIC)를 포함할 수 있다. 디지털 회로는 적어도 하나의 프로세서(예: DSP)로 구현될 수 있다. 통신 인터페이스는 복수의 RF 체인을 포함할 수 있다. 통신 인터페이스는 빔포밍을 수행할 수 있다.
통신 인터페이스는 전술한 바와 같이 신호를 송수신한다. 따라서, 통신 인터페이스는 "송신기(transmitter)", "수신기(receiver)" 또는 "트랜시버(transceiver)"로 지칭될 수 있다. 또한, 이하의 설명에서 무선 채널을 통해 수행되는 송수신은 전술한 바와 같이 통신 인터페이스에서 수행되는 처리를 포함하는 의미로 사용될 수 있다.
저장부는 단말기의 동작을 위한 기본 프로그램, 어플리케이션, 설정 정보 등의 데이터를 저장한다. 저장부는 휘발성 메모리, 비 휘발성 메모리 또는 휘발성 메모리와 비 휘발성 메모리의 조합을 포함할 수 있다. 또한, 저장부는 컨트롤러의 요청에 따라 저장된 데이터를 제공한다.
컨트롤러는 단말의 전반적인 동작을 제어한다. 예를 들어, 컨트롤러는 통신 인터페이스를 통해 신호를 송수신한다. 또한 컨트롤러는 저장부에 데이터를 기록하고 기록된 데이터를 읽는다. 컨트롤러는 통신 규격에서 요구하는 프로토콜 스택의 기능을 수행할 수 있다. 다른 구현에 따르면, 프로토콜 스택은 통신 인터페이스에 포함될 수 있다. 이를 위해, 컨트롤러는 적어도 하나의 프로세서 또는 마이크로 프로세서를 포함하거나 프로세서의 일부를 재생할 수 있다. 또한, 통신 인터페이스 또는 컨트롤러의 일부를 통신 프로세서(communication processor, CP)라고 할 수 있다.
본 발명의 일 실시 예에 따르면, 컨트롤러는 본 발명의 실시 예에 따른 동작을 수행하도록 단말을 제어할 수 있다.
이하에서는 무선 통신 시스템에서 통신 인터페이스를 예시한다.
통신 인터페이스는 인코딩 및 변조 회로, 디지털 빔포밍 회로, 복수의 전송 경로 및 아날로그 빔포밍 회로를 포함한다.
인코딩 및 변조 회로는 채널 인코딩을 수행한다. 채널 인코딩을 위해 low-density parity check(LDPC) 코드, 컨볼루션 코드 및 폴라 코드 중 적어도 하나가 사용될 수 있다. 인코딩 및 변조 회로는 성상 매핑(constellation mapping)을 수행함으로써 변조 심볼을 생성한다.
디지털 빔포밍 회로는 디지털 신호(예를 들어, 변조 심볼)에 대한 빔 형성을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 변조 심볼을 다중화한다. 빔포밍 가중치는 신호의 크기 및 문구를 변경하는데 사용될 수 있으며, "프리코딩 매트릭스(precoding matrix)"또는 "프리코더(precoder)"라고 할 수 있다. 디지털 빔포밍 회로는 디지털 빔포밍된 변조 심볼을 복수의 전송 경로로 출력한다. 이때, 다중 안테나 기술(multiple input multiple output, MIMO) 전송 방식에 따라 변조 심볼이 다중화 되거나 동일한 변조 심볼이 복수의 전송 경로에 제공될 수 있다.
복수의 전송 경로는 디지털 빔포밍된 디지털 신호를 아날로그 신호로 변환한다. 이를 위해, 복수의 전송 경로 각각은 인버스 고속 푸리에 변환(inverse fast fourier transform, IFFT) 계산 유닛, 순환 전치(cyclic prefix, CP) 삽입 유닛, DAC 및 상향 변환 유닛을 포함할 수 있다. CP 삽입 부는 직교 주파수 분할 다중화(orthogonal frequency division multiplexing, OFDM) 방식을 위한 것으로 다른 물리 계층 방식(예: 필터 뱅크 다중 반송파(a filter bank multi-carrier): FBMC) 적용시 생략될 수 있다. 즉, 복수의 전송 경로는 디지털 빔포밍을 통해 생성된 복수의 스트림에 대해 독립적인 신호 처리 프로세스를 제공한다. 그러나, 구현에 따라 복수의 전송 경로의 일부 요소는 공통적으로 사용될 수 있다.
아날로그 빔포밍 회로는 아날로그 신호에 대한 빔포밍을 수행한다. 이를 위해, 디지털 빔포밍 회로는 빔포밍 가중 값에 의해 아날로그 신호를 다중화한다. 빔포밍된 가중치는 신호의 크기와 문구를 변경하는데 사용된다. 보다 구체적으로, 복수의 전송 경로와 안테나 사이의 연결 구조에 따라, 아날로그 빔포밍 회로는 다양한 방식으로 구성될 수 있다. 예를 들어, 복수의 전송 경로 각각은 하나의 안테나 어레이에 연결될 수 있다. 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 연결될 수 있다. 또 다른 예에서, 복수의 전송 경로는 하나의 안테나 어레이에 적응적으로 연결될 수 있거나 2개 이상의 안테나 어레이에 연결될 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 (9)
- 사용자의 심리 상태를 결정하는 서비스를 제공하는 장치로서,
사용자가 생성한 사용자의 작성물의 데이터를 사용자 단말, 플랫폼 서버 및 웹크롤링 서버로부터 수신하는 데이터 수집부;
상기 데이터 수집부로부터 상기 작성물 데이터를 수신하고, 수신된 작성물 데이터를 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류하고, 데이터베이스에서 복수의 상기 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하여 저장하는 텍스트 전처리부; 및
상기 제1 작성시각, 상기 제1 이미지 비율, 상기 제1 문단수, 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자의 작성물을 분석 텍스트로 결정하는 텍스트 유형 특정부를 포함하고,
상기 텍스트 유형 특정부는,
상기 제1 작성시각, 상기 제1 이미지 비율 및 상기 제1 문단수에 기초하여 제1 벡터를 생성하고,
상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 제2 벡터를 생성하며,
상기 제1 벡터와 상기 제2 벡터의 코사인유사도에 기초하여 상기 사용자 작성물들 각각과 대응하는 매칭도를 결정하고,
상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자 작성물들을 분석 텍스트들로 결정하고,
결정된 상기 분석 텍스트들 각각에 대한 편중도를 결정하며, 상기 편중도가 기 설정된 기준편중도 이상인 분석텍스트를 제1 텍스트로 결정하고, 상기 편중도가 기설정된 기준편중도 이하인 분석텍스트를 제2 텍스트로 결정하며,
상기 편중도는 아래의 수학식에 의해 결정되고,
상기 수학식에서 D는 편중도를 의미하며, I는 분석 텍스트 내의 이미지수를 의미하고, P는 분석 텍스트 내의 문단수를 의미하며, S는 분석 텍스트 내의 단어수를 의미하며, T는 분석 텍스트의 작성시간을 의미하고, K1은 제1 보정계수, K2는 제2 보정계수, K3은 제3 보정계수를 의미하는,
장치. - 삭제
- 삭제
- 제1항에 있어서,
상기 텍스트 유형 특정부로부터 결정된 제1 텍스트들 및 제2 텍스트들을 수신하고, 상기 데이터베이스로부터 맞춤법 정보를 수신하며, 제1 평가 조건에 기초하여 상기 제1 텍스트를 평가하여, 제1 참여자 및 제2 참여자를 포함하는 제1 텍스트 평가 정보를 결정하고, 제2 평가 조건에 기초하여 상기 제2 텍스트를 평가하여, 제3 참여자 및 제4 참여자를 포함하는 제2 텍스트 평가 정보를 결정하며, 사용자 단말에 상기 제1 텍스트 평가 정보 및 상기 제2 텍스트 평가 정보를 전달하는 결과 평가부; 및
상기 사용자 단말로부터 상기 제1 텍스트 평가 정보 및 상기 제2 텍스트 평가 정보에 대한 상기 사용자의 평점 및 댓글을 수신하고, 상기 사용자의 평점이 기 설정된 평점 이상인 경우 텍스트 평가 정보를 적합 텍스트 평가 정보로 결정하는 결과 평가 피드백부를 포함하며,
상기 제1 평가 조건은, 제1 텍스트의 업로드 간격, 맞춤법, 동일 단어의 반복횟수가 포함되며,
상기 제2 평가 조건은, 제2 텍스트의 작성 빈도, 제2 텍스트의 오타수, 제2 텍스트의 작성시간, 제2 텍스트를 구성하는 문장들 중 한 문장의 평균 단어수, 비속어 사용 빈도를 포함하는,
장치. - 제4항에 있어서,
기 설정된 홍보 채널에 상기 적합 텍스트 평가 정보의 결정에 기초가 된 상기 사용자의 평점 및 댓글을 포함된 게시글을 게시하고, 상기 홍보 채널을 통하여 유입된 다른 사용자의 수에 기초하여 상기 적합 텍스트 평가 정보에 평점 및 댓글을 제공한 상기 사용자에게 수익을 분배하는 수익분배부를 더 포함하는,
장치. - 시스템에 의해 수행되는 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 동작 방법으로서,
사용자가 생성한 사용자의 작성물의 데이터를 사용자 단말, 플랫폼 서버 및 웹크롤링 서버로부터 수신하는 동작;
상기 작성물 데이터를 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류하고, 데이터베이스에서 복수의 상기 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하여 저장하는 동작; 및
상기 제1 작성시각, 상기 제1 이미지 비율, 상기 제1 문단수, 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자의 작성물을 분석 텍스트로 결정하는 동작을 포함하고,
상기 사용자의 작성물을 분석 텍스트로 결정하는 동작은,
상기 제1 작성시각, 상기 제1 이미지 비율 및 상기 제1 문단수에 기초하여 제1 벡터를 생성하고,
상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 제2 벡터를 생성하며,
상기 제1 벡터와 상기 제2 벡터의 코사인유사도에 기초하여 상기 사용자 작성물들 각각과 대응하는 매칭도를 결정하고,
상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자 작성물들을 상기 분석 텍스트들로 결정하는 동작을 포함하고,
상기 사용자의 작성물을 분석 텍스트로 결정하는 동작 이후에,
상기 분석 텍스트들 각각에 대한 편중도를 결정하고, 결정된 상기 편중도가 기 설정된 기준편중도 이상인 분석텍스트를 제1 텍스트로 결정하고, 상기 편중도가 기설정된 기준편중도 이하인 분석텍스트를 제2 텍스트로 결정하는 동작을 더 포함하되,
상기 편중도는 아래의 수학식에 의해 결정되고,
상기 수학식에서 D는 편중도를 의미하며, I는 분석 텍스트 내의 이미지수를 의미하고, P는 분석 텍스트 내의 문단수를 의미하며, S는 분석 텍스트 내의 단어수를 의미하며, T는 분석 텍스트의 작성시간을 의미하고, K1은 제1 보정계수, K2는 제2 보정계수, K3은 제3 보정계수를 의미하는,
동작 방법. - 제6항에 따른 동작 방법을 실행시키기 위한 프로그램이 기록되고, 컴퓨터에 의해 읽혀질 수 있는, 비일시적 기록매체.
- 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 장치에서, 제6항에 따른 동작 방법을 실행시키기 위하여 비일시적 기록매체에 기록된 컴퓨터 프로그램.
- 사용자의 심리 상태를 결정하는 서비스를 제공하기 위한 시스템으로서,
사용자가 생성한 사용자의 작성물의 데이터를 제공하는 사용자 단말; 플랫폼 서버; 웹크롤링 서버; 및 상기 사용자 단말에 분석 텍스트의 텍스트 평가 정보를 제공하는 장치를 포함하되,
상기 장치는,
상기 사용자가 생성한 사용자의 작성물의 데이터를 상기 사용자 단말, 상기 플랫폼 서버 및 상기 웹크롤링 서버로부터 수신하는 데이터 수집부; 및
상기 데이터 수집부로부터 상기 작성물 데이터를 수신하고, 수신된 작성물 데이터를 제1 작성시각, 제1 이미지 비율 및 제1 문단수로 분류하고, 데이터베이스에서 복수의 상기 작성물들 각각과 매칭되는 제2 작성시각, 제2 이미지 비율 및 제2 문단수를 검색하여 저장하는 텍스트 전처리부; 및
상기 제1 작성시각, 상기 제1 이미지 비율, 상기 제1 문단수, 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 매칭도를 결정하고, 상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자의 작성물을 상기 분석 텍스트로 결정하는 텍스트 유형 특정부를 포함하는,
상기 텍스트 유형 특정부는,
상기 텍스트 전처리부로부터 수신한 상기 제1 작성시각, 상기 제1 이미지 비율 및 상기 제1 문단수에 기초하여 제1 벡터를 생성하고,
상기 텍스트 전처리부로부터 수신한 상기 제2 작성시각, 상기 제2 이미지 비율 및 상기 제2 문단수에 기초하여 제2 벡터를 생성하며,
상기 제1 벡터와 상기 제2 벡터의 코사인유사도에 기초하여 상기 사용자 작성물들 각각과 대응하는 매칭도를 결정하고,
상기 매칭도가 기 설정된 기준매칭도 이상인 상기 사용자 작성물들을 분석 텍스트들로 결정하고,
결정된 상기 분석 텍스트들 각각에 대한 편중도를 결정하며, 상기 편중도가 기 설정된 기준편중도 이상인 분석텍스트를 제1 텍스트로 결정하고, 상기 편중도가 기설정된 기준편중도 이하인 분석텍스트를 제2 텍스트로 결정하며,
상기 편중도는 아래의 수학식에 의해 결정되고,
상기 수학식에서 D는 편중도를 의미하며, I는 분석 텍스트 내의 이미지수를 의미하고, P는 분석 텍스트 내의 문단수를 의미하며, S는 분석 텍스트 내의 단어수를 의미하며, T는 분석 텍스트의 작성시간을 의미하고, K1은 제1 보정계수, K2는 제2 보정계수, K3은 제3 보정계수를 의미하는,
시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230136657A KR20230151500A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
| KR1020230136659A KR20230151501A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20230013801 | 2023-02-01 | ||
| KR1020230013801 | 2023-02-01 | ||
| KR20230014220 | 2023-02-02 | ||
| KR1020230014220 | 2023-02-02 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230136659A Division KR20230151501A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
| KR1020230136657A Division KR20230151500A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102590930B1 true KR102590930B1 (ko) | 2023-10-19 |
Family
ID=88507657
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230015879A KR102590930B1 (ko) | 2023-02-01 | 2023-02-07 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
| KR1020230136659A KR20230151501A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
| KR1020230136657A KR20230151500A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230136659A KR20230151501A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
| KR1020230136657A KR20230151500A (ko) | 2023-02-01 | 2023-10-13 | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR102590930B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160136054A (ko) | 2015-05-19 | 2016-11-29 | 트윈워드 주식회사 | 글에 반영된 사용자의 심리 상태 정보 제공 장치 및 그 방법 |
| KR20190125154A (ko) | 2018-04-27 | 2019-11-06 | 아토머스 주식회사 | 심리 상담 데이터를 기계 학습한 자동 대화 장치 및 그 방법 |
| KR102463875B1 (ko) | 2022-10-11 | 2022-11-04 | 한동균 | 빅데이터를 활용한 사용자 맞춤 심리 치료 콘텐츠 제공 방법, 장치 및 시스템 |
| KR20230011012A (ko) | 2021-07-13 | 2023-01-20 | 이성옥 | 그림을 이용한 아동정서, 심리, 행동 사전 점검 및 치유 솔루션 시스템 및 이를 이용한 아동정서, 심리, 행동 사전 점검 및 치유 방법 |
-
2023
- 2023-02-07 KR KR1020230015879A patent/KR102590930B1/ko active IP Right Grant
- 2023-10-13 KR KR1020230136659A patent/KR20230151501A/ko active Application Filing
- 2023-10-13 KR KR1020230136657A patent/KR20230151500A/ko active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160136054A (ko) | 2015-05-19 | 2016-11-29 | 트윈워드 주식회사 | 글에 반영된 사용자의 심리 상태 정보 제공 장치 및 그 방법 |
| KR20190125154A (ko) | 2018-04-27 | 2019-11-06 | 아토머스 주식회사 | 심리 상담 데이터를 기계 학습한 자동 대화 장치 및 그 방법 |
| KR20230011012A (ko) | 2021-07-13 | 2023-01-20 | 이성옥 | 그림을 이용한 아동정서, 심리, 행동 사전 점검 및 치유 솔루션 시스템 및 이를 이용한 아동정서, 심리, 행동 사전 점검 및 치유 방법 |
| KR102463875B1 (ko) | 2022-10-11 | 2022-11-04 | 한동균 | 빅데이터를 활용한 사용자 맞춤 심리 치료 콘텐츠 제공 방법, 장치 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230151501A (ko) | 2023-11-01 |
| KR20230151500A (ko) | 2023-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11249774B2 (en) | Realtime bandwidth-based communication for assistant systems | |
| CN111930940B (zh) | 一种文本情感分类方法、装置、电子设备及存储介质 | |
| US11704500B2 (en) | Techniques to add smart device information to machine learning for increased context | |
| CN111027331A (zh) | 用于评估翻译质量的方法和装置 | |
| US10825449B1 (en) | Systems and methods for analyzing a characteristic of a communication using disjoint classification models for parsing and evaluation of the communication | |
| US20190362025A1 (en) | Personalized query formulation for improving searches | |
| KR102335780B1 (ko) | 다수의 플랫폼 서버들을 이용하는 인플루언서를 활용한 온라인 광고 방법 및 온라인 광고 시스템 | |
| KR20230012082A (ko) | 사용자를 위한 상품 제공 방법 | |
| Martino et al. | Adaptive rejection sampling with fixed number of nodes | |
| US20190205382A1 (en) | Analyzing language units for personality | |
| KR20200041199A (ko) | 챗봇 구동 방법, 장치 및 컴퓨터 판독가능 매체 | |
| KR102590930B1 (ko) | 사용자의 심리 상태를 결정하는 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| CN110633476B (zh) | 用于获取知识标注信息的方法及装置 | |
| KR102661611B1 (ko) | 실패 내지 실수에 관한 개인의 경험을 공유하는 소셜 네트워크 서비스를 제공하는 방법 및 장치 | |
| KR102534271B1 (ko) | 사용자를 위한 디지털 문구 콘텐츠 제공 방법 | |
| KR102560678B1 (ko) | 사용자의 선호도에 기초한 맞춤형 상품 제공 방법 | |
| KR102577740B1 (ko) | 사용자를 위한 애완 동물의 건강 관리 케어 방법 | |
| KR102461676B1 (ko) | 바이오 빅데이터 분석을 이용한 건강 관리 서비스 제공 장치, 시스템, 방법 및 프로그램 | |
| KR102594812B1 (ko) | 온오프라인 통합 마케팅 방법 및 시스템 | |
| KR20240064596A (ko) | 실패 내지 실수에 관한 개인의 경험을 공유하는 소셜 네트워크 서비스를 제공하는 방법 및 장치 | |
| KR20240064597A (ko) | 실패 내지 실수에 관한 개인의 경험을 공유하는 소셜 네트워크 서비스를 제공하는 방법 및 장치 | |
| KR20230078599A (ko) | 사용자를 위한 디지털 문구 콘텐츠 제공 방법 | |
| KR102532792B1 (ko) | 다중 분류 모델에 기반한 직무 훈련 컨텐츠 추천 장치 및 방법 | |
| US20240045911A1 (en) | Method and system for webpage classification and content delivery | |
| US20230081879A1 (en) | Computerized system and method for automatic moderation of online content |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |