KR102637313B1 - Bim 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법 - Google Patents

Bim 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법 Download PDF

Info

Publication number
KR102637313B1
KR102637313B1 KR1020220182866A KR20220182866A KR102637313B1 KR 102637313 B1 KR102637313 B1 KR 102637313B1 KR 1020220182866 A KR1020220182866 A KR 1020220182866A KR 20220182866 A KR20220182866 A KR 20220182866A KR 102637313 B1 KR102637313 B1 KR 102637313B1
Authority
KR
South Korea
Prior art keywords
bim
technical
sentences
score
sentence
Prior art date
Application number
KR1020220182866A
Other languages
English (en)
Inventor
김정수
문현석
박상미
박초롱
Original Assignee
한국건설기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국건설기술연구원 filed Critical 한국건설기술연구원
Priority to KR1020220182866A priority Critical patent/KR102637313B1/ko
Application granted granted Critical
Publication of KR102637313B1 publication Critical patent/KR102637313B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

실시예에 의한 BIM 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법이 개시된다. 상기 평가 장치는 입력된 입찰 문서의 내용을 문장 단위로 구분하고 상기 구분된 문장 단위의 텍스트를 추출하는 전처리부; 상기 추출된 문장 단위의 텍스트를 기초로 최소 의미 단위로 구분하는 문장 토큰화부; 및 상기 최소 의미 단위로 구분된 문장을 관련 기술 항목으로 분류하고, 기술 항목별로 대표 점수를 할당하여 상기 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력하는 난이도 평가부를 포함한다.

Description

BIM 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법{APPARATUS FOR ESTIMATING TECHNICAL LEVEL OF BIM BIDDING DOCUMENT AND METHOD THEREOF}
실시예는 BIM 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법에 관한 것이다.
‘건설산업 BIM 기본지침’ 및 ‘건설산업 BIM 시행지침’ (국토교통부), ‘스마트 설계 지침’ (한국도로공사) 등 공공부문을 중심으로 BIM 발주사업의 의무화뿐만 아니라 BIM 기반 발주사업에 대한 요구기술 난이도 및 세부 요구사항 수준이 고도화되고 있다.
또한 기술형 입찰에 대한 스마트 건설분야 배점을 강화하고 있어, 이의 근간이 되는 건설 전주기적 데이터 체계에 기반한 업무 수행을 위한 수급자의 높은 BIM 역량이 요구되고 있음. 또한 BIM발주 사업의 낙찰뿐만 아니라 사업 수주 이후의 리스크 관리 측면에서도 발주사업 입찰단계에서부터 해당사업의 BIM 기술 난이도를 정확히 판단할 필요가 있다.
하지만, BIM기반 건설사업 입찰단계부터 전체 프로세스 및 기술 관계를 파악할 수 있는 유능한 BIM 전문인력이 부족한 실정으로, BIM 전담부서 및 인력을 보유할 수 있는 대기업 및 그 간 BIM 발주사업에 대한 직접적인 경험이 있는 중견 설계사를 제외하고 대부분의 수급자는 BIM 입찰공고 서류내용 및 요구 기술 수준을 파악할 수 있는 역량 및 수행 체계를 보유하고 있지 못한 실정이다.
따라서 BIM 프로세스 및 요소기술에 대한 전반적인 이해를 바탕으로 건설분야 BIM 사업 입찰문서의 분석이 가능하면서도 BIM 기술역량 및 이해도가 낮고 중소/중견 건설기업에서도 활용할 수 있는 입찰문서 기술 난이도 분석 도구가 필요하다.
실시예는, BIM 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법을 제공할 수 있다.
실시예에서 해결하고자 하는 과제는 이에 한정되는 것은 아니며, 아래에서 설명하는 과제의 해결수단이나 실시 형태로부터 파악될 수 있는 목적이나 효과도 포함된다고 할 것이다.
실시예에 따른 평가 장치는 입력된 입찰 문서의 내용을 문장 단위로 구분하고 상기 구분된 문장 단위의 텍스트를 추출하는 전처리부; 상기 추출된 문장 단위의 텍스트를 기초로 최소 의미 단위로 구분하는 문장 토큰화부; 및 상기 최소 의미 단위로 구분된 문장을 관련 기술 항목으로 분류하고, 기술 항목별로 대표 점수를 할당하여 상기 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력하는 난이도 평가부를 포함할 수 있다.
상기 난이도 평가부는 상기 최소 의미 단위로 구분된 문장을 미리 학습된 제1 딥러닝 모델을 이용하여 분류할 수 있다.
상기 난이도 평가부는 상기 최소 의미 단위로 구분된 문장을 미리 학습된 제2 딥러닝 모델에 입력하여 유사도가 가장 높은 상위의 일반 문장군을 추출하고, 상기 추출된 상위의 일반 문장군에 매칭되는 기술 문장의 정량 점수를 각각 할당할 수 있다.
상기 난이도 평가부는 상기 할당된 정량 점수를 기초로 입찰 문서의 구분된 문장에 대한 기술 점수를 계산할 수 있다.
상기 난이도 평가부는 각 문장별로 산출된 기술 점수를 기술 항목별로 재배치하고, 각 기술 항목별로 대표 점수를 할당할 수 있다.
상기 난이도 평가부는 상기 기술 항목별로 할당된 대표 점수를 미리 학습된 제3 딥러닝 모델에 입력하여 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력할 수 있다.
실시예에 따른 평가 방법은 입력된 입찰 문서의 내용을 문장 단위로 구분하고 상기 구분된 문장 단위의 텍스트를 추출하는 단계; 상기 추출된 문장 단위의 텍스트를 기초로 최소 의미 단위로 구분하는 단계; 및 상기 최소 의미 단위로 구분된 문장을 관련 기술 항목으로 분류하고, 기술 항목별로 대표 점수를 할당하여 상기 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력하는 단계를 포함할 수 있다.
상기 출력하는 단계는 상기 최소 의미 단위로 구분된 문장을 미리 학습된 제1 딥러닝 모델을 이용하여 분류할 수 있다.
상기 출력하는 단계는 상기 최소 의미 단위로 구분된 문장을 미리 학습된 제2 딥러닝 모델에 입력하여 유사도가 가장 높은 상위의 일반 문장군을 추출하고, 상기 추출된 상위의 일반 문장군에 매칭되는 기술 문장의 정량 점수를 각각 할당할 수 있다.
상기 출력하는 단계는 상기 할당된 정량 점수를 기초로 입찰 문서의 구분된 문장에 대한 기술 점수를 계산할 수 있다.
상기 출력하는 단계는 각 문장별로 산출된 기술 점수를 기술 항목별로 재배치하고, 각 기술 항목별로 대표 점수를 할당할 수 있다.
상기 출력하는 단계는 상기 기술 항목별로 할당된 대표 점수를 미리 학습된 제3 딥러닝 모델에 입력하여 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력할 수 있다.
실시예에 따르면, 입찰 문서의 내용을 문장 단위로 구분하고, 구분된 문장의 기술 항목을 분류하고, 기술 항목별로 대표 점수를 할당하여 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급 형태로 출력하도록 함으로써, 입찰 문서의 객관적인 기술 난이도를 제공할 수 있다.
실시예에 따르면, 입찰 문서의 객곽적인 기술 난이도를 제공하는 것이 가능하기 때문에 역량 및 수행 체계를 보유하고 있지 못한 기업에 유용할 수 있다.
본 발명의 다양하면서도 유익한 장점과 효과는 상술한 내용에 한정되지 않으며, 본 발명의 구체적인 실시형태를 설명하는 과정에서 보다 쉽게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 전체적인 시스템의 구성을 나타내는 도면이다.
도 2는 도 1에 도시된 기술 난이도 평가 장치의 구성을 나타내는 도면이다.
도 3은 도 2에 도시된 난이도 평가부의 상세한 구성을 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 기술 항목의 리스트를 보여주는 도면이다.
도 5는 본 발명의 실시예에 따른 기술 난이도 평가 방법을 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다.
다만, 본 발명의 기술 사상은 설명되는 일부 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 기술 사상 범위 내에서라면, 실시 예들간 그 구성 요소들 중 하나 이상을 선택적으로 결합, 치환하여 사용할 수 있다.
또한, 본 발명의 실시예에서 사용되는 용어(기술 및 과학적 용어를 포함)는, 명백하게 특별히 정의되어 기술되지 않는 한, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 일반적으로 이해될 수 있는 의미로 해석될 수 있으며, 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미를 고려하여 그 의미를 해석할 수 있을 것이다.
또한, 본 발명의 실시예에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함할 수 있고, “A 및(와) B, C 중 적어도 하나(또는 한 개 이상)”로 기재되는 경우 A, B, C로 조합할 수 있는 모든 조합 중 하나 이상을 포함할 수 있다.
또한, 본 발명의 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다.
이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등으로 한정되지 않는다.
그리고, 어떤 구성 요소가 다른 구성요소에 ‘연결’, ‘결합’ 또는 ‘접속’된다고 기재된 경우, 그 구성 요소는 그 다른 구성 요소에 직접적으로 연결, 결합 또는 접속되는 경우뿐만 아니라, 그 구성 요소와 그 다른 구성 요소 사이에 있는 또 다른 구성 요소로 인해 ‘연결’, ‘결합’ 또는 ‘접속’ 되는 경우도 포함할 수 있다.
또한, 각 구성 요소의 “상(위) 또는 하(아래)”에 형성 또는 배치되는 것으로 기재되는 경우, 상(위) 또는 하(아래)는 두 개의 구성 요소들이 서로 직접 접촉되는 경우뿐만 아니라 하나 이상의 또 다른 구성 요소가 두 개의 구성 요소들 사이에 형성 또는 배치되는 경우도 포함한다. 또한, “상(위) 또는 하(아래)”으로 표현되는 경우 하나의 구성 요소를 기준으로 위쪽 방향뿐만 아니라 아래쪽 방향의 의미도 포함할 수 있다.
실시예에서는, 입찰 문서의 내용을 문장 단위로 구분하고, 구분된 문장의 기술 항목을 분류하고, 기술 항목별로 대표 점수를 할당하여 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급 형태로 출력하도록 한다.
도 1은 본 발명의 실시예에 따른 전체적인 시스템의 구성을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 평가 시스템은 다수의 사용자 단말(100), 기술 난이도 평가장치(200), 데이터베이스(database, 300)를 포함할 수 있다.
사용자 단말(100)은 수급자 또는 사용자가 입찰 문서를 작성하여 기술 난이도 평가장치(200)에 제공할 수 있다.
기술 난이도 평가장치(200)는 다수의 사용자 단말(100)과 연동하고, 다수의 사용자 단말(100)로부터 제공받은 입찰 문서의 기술 난이도를 평가할 수 있다. 기술 난이도 평가장치(200)는 입찰 문서를 미리 학습된 딥러닝 모델에 입력하여 그 입력한 결과로 입찰 문서의 기술 난이도를 점수 또는 등급 형태로 평가할 수 있다.
데이터베이스(300)는 입찰 문서와 각 입찰 문서의 기술 난이도를 저장할 수 있다. 데이터베이스(300)는 이하에서 기술될 기술문장 평가 DB를 포함할 수 있다.
도 2는 도 1에 도시된 기술 난이도 평가 장치의 구성을 나타내는 도면이고, 도 3은 도 2에 도시된 난이도 평가부의 상세한 구성을 나타내는 도면이고, 도 4는 본 발명의 실시예에 따른 기술 항목의 리스트를 보여주는 도면이다.
도 2를 참조하면, 본 발명의 실시예에 따른 기술 난이도 평가 장치(200)는 전처리부(210), 문장 토큰화부(220), 난이도 평가부(230), 결과 출력부(240)를 포함할 수 있다.
전처리부(210)는 사용자 단말로부터 제공받은 입찰 문서가 입력될 때 입력된 입찰 문서의 내용을 문장 단위로 구분하여 구분된 문장 단위의 텍스트를 추출하여 저장할 수 있다.
문장 토큰화부(220)는 추출된 문장 단위의 텍스트를 기초로 최소 의미 단위로 구분하고, 구분된 최소 의미 단위를 워드 임베딩 처리하여 수치 데이터화할 수 있다. 여기서 워드 임베딩(word embedding)이란 단어를 벡터로 표현하는 방법이다. 워드 임베딩을 구현하는 방법으로는 LSA, Word2Vec, FastText, Glove 등이 있다.
난이도 평가부(230)는 최소 의미 단위로 구분된 문장을 관련 기술 항목으로 분류하고, 기술 항목별로 대표 점수를 할당하여 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급 형태로 출력할 수 있다.
결과 출력부(240)는 입찰 문서 전체에 대한 기술 점수/등급, 각 기술 항목별 점수 및 상위 기술 점수를 갖는 관련 기술 문장을 화면 상에 출력할 수 있다.
도 3을 참조하면, 본 발명의 실시예에 따른 난이도 평가부(230)는 항목 분류부(231), 유사도 분석부(232), 제1 점수 계산부(233), 제2 점수 계산부(234), 난이도 분류부(235)를 포함할 수 있다.
항목 분류부(231)는 최소 의미 단위로 구분된 문장을 관련 기술 항목으로 분류할 수 있다. 이때, 항목 분류부(231)는 구분된 문장을 미리 학습된 제1 딥러닝 모델을 이용하여 분류할 수 있다.
이러한 항목 분류를 통해 입출 문서의 문장에 대해 사전에 정의된 BIM 기술 항목으로 분류할 수 있다. 또한 공고된 BIM 입찰 사업, 입찰 기업이 작성한 수행 계획서, 결과 보고서, 공공기간 BIM 발주지침 등이 정리된 데이터베이스를 통해 기술적 내용이 최소화 또는 부재한 입찰 문서의 문장과 관련된 기술 문장을 찾을 수 있다.
실시예에서는 BIM 요구 항목에 대한 기술 항목을 정의하는데, 여기서 기술 항목은 도 4와 같이, BIM 협업, BIM 환경, BIM 성과품, BIM 데이터, BIM 모델링, BIM 인력 조직, BIM 시뮬레이션, BIM 품질 관리, BIM 활용 교육, BIM 유지 관리, BIM 측량 조사, BIM 기성 관리, BIM 공정 관리, BIM 현장 관리, 기타 등을 포함할 수 있지만 반드시 이에 한정되지 않고 다양한 항목을 포함할 수 있다.
유사도 분석부(232)는 입찰 문서의 구분된 문장과 기술문장 평가 DB에 저장된 일반 문장의 유사도를 비교하여 유사도가 가장 높은 상위의 일반 문장군을 추출할 수 있다. 이때, 유사도가 가장 높은 상위의 일반 문장군의 개수는 미리 정해질 수 있다.
유사도 분석부(232)는 미리 정해진 개수의 일반 문장군이 추출될 때 추출된 유사도가 가장 높은 상위의 일반 문장군에 매칭되는 기술 문장을 추출하고, 추출된 기술 문장의 정량 점수를 할당할 수 있다.
이때, 유사도 분석부(232)는 입찰 문서의 구분된 문장을 미리 학습된 제2 딥러닝 모델에 입력하여 유사도가 가장 높은 상위의 일반 문장군을 추출하고, 추출된 상위의 일반 문장군에 매칭되는 기술 문장의 정량 점수를 각각 할당할 수 있다.
기술문장 평가 DB는 BIM 전문가 경험 및 설문 등을 통해 사전 도출되어 구축된 데이터베이스로서, 입찰문서-일반문장-기술문장-정량점수로 구성될 수 있다.
이러한 유사도 분석을 통해 입력된 입찰 문서의 문장과 데이터베이스에 포함된 입출 문서 수준의 문장 간 유사도 분석을 수행하여 입찰 문서의 문장에 데이터베이스의 문장과 일치하지 않더라도 다른 기술 문장과 연계될 수 있도록 한다.
제1 점수 계산부(233)는 입찰 문서의 구분된 문장에 대한 기술 점수를 계산할 수 있다. 이때, 제1 점수 계산부(233)는 유사도와 기술문장의 정량 점수를 정규화하여 입력된 입출문서의 구분된 문장의 기술 점수를 계산할 수 있다.
제2 점수 계산부(234)는 각 문장별로 산출된 기술 점수를 기술 항목별로 재배치하고, 각 기술 항목별로 대표 점수를 할당할 수 있다. 여기서 각 기술 항목별로 할당되는 대표 점수는 평균값일 수 있지만 반드시 이에 한정되지 않는다.
난이도 분류부(235)는 기술 항목별로 할당된 대표 점수를 미리 학습된 제3 딥러닝 모델에 입력하여 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급 형태로 출력할 수 있다. 예컨대, 기술 난이도에 따라 스코어는 0 ~ 10 이내의 숫자로 표시될 수 있거나, 등급은 A ~ D 이내의 알파벳으로 표시될 수 있다.
도 5는 본 발명의 실시예에 따른 기술 난이도 평가 방법을 나타내는 도면이다.
도 5를 참조하면, 본 발명의 실시예에 따른 기술 난이도 평가장치는 입찰 문서가 입력될 때(S510) 입력된 입찰 문서의 내용을 문장 단위로 구분하여 구분된 문장 단위의 텍스트를 추출할 수 있다(S520).
다음으로, 기술 난이도 평가장치는 추출된 문장 단위의 텍스트를 기초로 최소 의미 단위로 구분하고, 구분된 최소 의미 단위를 수치 데이터화할 수 있다(S530).
다음으로, 기술 난이도 평가장치는 최소 의미 단위로 구분된 문장을 미리 학습된 제1 딥러닝 모델에 입력하여 관련 기술 항목으로 분류할 수 있다(S540).
다음으로, 기술 난이도 평가장치는 입찰 문서의 구분된 문장을 미리 학습된 제2 딥러닝 모델에 입력하여 유사도가 가장 높은 상위의 일반 문장군을 추출하고, 추출된 상위의 일반 문장군에 매칭되는 기술 문장의 정량 점수를 각각 할당할 수 있다(S550).
다음으로, 기술 난이도 평가장치는 할당된 정량 점수를 기초로 입찰 문서의 구분된 문장에 대한 기술 점수를 계산할 수 있다(S560).
다음으로, 기술 난이도 평가장치는 각 문장별로 계산된 기술 점수를 기술 항목별로 재배치하고, 재배치된 기술 항목별로 대표 점수를 할당할 수 있다(S570).
다음으로, 기술 난이도 평가장치는 기술 항목별로 할당된 대표 점수를 미리 학습된 제3 딥러닝 모델에 입력하여 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급을 출력할 수 있다(S580).
다음으로, 기술 난이도 평가장치는 화면 상에 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급을 표시함으로써 분석 결과를 표시할 수 있다(S590).
본 실시예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 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.
100: 사용자 단말
200: 기술 난이도 평가장치
210: 전처리부
220: 문장 토큰화부
230: 난이도 평가부
231: 항목 분류부
232: 유사도 분석부
233: 제1 점수 계산부
234: 제2 점수 계산부
235: 난이도 분류부
240: 결과 출력부
300: 데이터베이스

Claims (12)

  1. 입력된 입찰 문서의 내용을 문장 단위로 구분하고 상기 구분된 문장 단위의 텍스트를 추출하는 전처리부;
    상기 추출된 문장 단위의 텍스트를 기초로 최소 의미 단위로 구분하는 문장 토큰화부; 및
    상기 최소 의미 단위로 구분된 문장을 관련 기술 항목으로 분류하고, 기술 항목별로 대표 점수를 할당하여 상기 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력하는 난이도 평가부를 포함하되,
    상기 기술 항목은 BIM 협업, BIM 환경, BIM 성과품, BIM 데이터, BIM 모델링, BIM 인력 조직, BIM 시뮬레이션, BIM 품질 관리, BIM 활용 교육, BIM 유지 관리, BIM 측량 조사, BIM 기성 관리, bim 공정 관리, BIM 현장 관리를 포함하고,
    상기 난이도 평가부는,
    상기 최소 의미 단위로 구분된 문장을 미리 학습된 제1 딥러닝 모델을 이용하여 분류하고,
    상기 최소 의미 단위로 구분된 문장을 미리 학습된 제2 딥러닝 모델에 입력하여 유사도가 가장 높은 상위의 일반 문장군을 추출하고,
    상기 추출된 상위의 일반 문장군에 매칭되는 기술 문장의 정량 점수를 각각 할당하고,
    상기 할당된 정량 점수를 기초로 입찰 문서의 구분된 문장에 대한 기술 점수를 계산하고,
    각 문장별로 산출된 기술 점수를 기술 항목별로 재배치하고, 각 기술 항목별로 대표 점수를 할당하고,
    상기 기술 항목별로 할당된 대표 점수를 미리 학습된 제3 딥러닝 모델에 입력하여 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력하는, 평가 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 전처리부가 입력된 입찰 문서의 내용을 문장 단위로 구분하고 상기 구분된 문장 단위의 텍스트를 추출하는 단계;
    문장 토큰화부가 상기 추출된 문장 단위의 텍스트를 기초로 최소 의미 단위로 구분하는 단계; 및
    난이도 평가부가 상기 최소 의미 단위로 구분된 문장을 관련 기술 항목으로 분류하고, 기술 항목별로 대표 점수를 할당하여 상기 할당된 대표 점수를 기초로 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력하는 단계를 포함하되,
    상기 기술 항목은 BIM 협업, BIM 환경, BIM 성과품, BIM 데이터, BIM 모델링, BIM 인력 조직, BIM 시뮬레이션, BIM 품질 관리, BIM 활용 교육, BIM 유지 관리, BIM 측량 조사, BIM 기성 관리, bim 공정 관리, BIM 현장 관리를 포함하고,
    상기 출력하는 단계는,
    상기 난이도 평가부가 상기 최소 의미 단위로 구분된 문장을 미리 학습된 제1 딥러닝 모델을 이용하여 분류하고,
    상기 최소 의미 단위로 구분된 문장을 미리 학습된 제2 딥러닝 모델에 입력하여 유사도가 가장 높은 상위의 일반 문장군을 추출하고,
    상기 추출된 상위의 일반 문장군에 매칭되는 기술 문장의 정량 점수를 각각 할당하고,
    상기 할당된 정량 점수를 기초로 입찰 문서의 구분된 문장에 대한 기술 점수를 계산하고,
    각 문장별로 산출된 기술 점수를 기술 항목별로 재배치하고, 각 기술 항목별로 대표 점수를 할당하고,
    상기 기술 항목별로 할당된 대표 점수를 미리 학습된 제3 딥러닝 모델에 입력하여 입찰 문서 전체에 대한 기술 난이도를 스코어 또는 등급으로 출력하는, 평가 방법.
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
KR1020220182866A 2022-12-23 2022-12-23 Bim 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법 KR102637313B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220182866A KR102637313B1 (ko) 2022-12-23 2022-12-23 Bim 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220182866A KR102637313B1 (ko) 2022-12-23 2022-12-23 Bim 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102637313B1 true KR102637313B1 (ko) 2024-02-20

Family

ID=90056599

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220182866A KR102637313B1 (ko) 2022-12-23 2022-12-23 Bim 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102637313B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100899754B1 (ko) * 2007-06-27 2009-05-27 재단법인 한국특허정보원 텍스트 마이닝 기법을 이용한 등록특허의 기술평가 시스템및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100899754B1 (ko) * 2007-06-27 2009-05-27 재단법인 한국특허정보원 텍스트 마이닝 기법을 이용한 등록특허의 기술평가 시스템및 그 방법

Similar Documents

Publication Publication Date Title
US10204153B2 (en) Data analysis system, data analysis method, data analysis program, and storage medium
US9779085B2 (en) Multilingual embeddings for natural language processing
CN107357837B (zh) 基于保序子矩阵和频繁序列挖掘的电商评论情感分类方法
Parthiban et al. Optical character recognition for English handwritten text using recurrent neural network
Singh et al. PROSPECT: a system for screening candidates for recruitment
CN107491531A (zh) 基于集成学习框架的中文网络评论情感分类方法
CN112184525A (zh) 通过自然语义分析实现智能匹配推荐的系统及方法
KR102235990B1 (ko) 모순 표현 수집장치 및 그를 위한 컴퓨터 프로그램
Ison Detection of Online Contract Cheating Through Stylometry: A Pilot Study.
CN104809142A (zh) 商标查询系统和方法
KR102097282B1 (ko) 구직자-구인자 매칭의 합격 여부 판단을 위한 기계 학습 방법 및 이를 이용한 추천 장치
CN107436916B (zh) 智能提示答案的方法及装置
CN113220768A (zh) 基于深度学习的简历信息结构化方法及系统
CN110263148A (zh) 智能简历筛选方法及装置
CN110610003A (zh) 用于辅助文本标注的方法和系统
Palash et al. Bangla image caption generation through cnn-transformer based encoder-decoder network
Helmersson et al. Text-analytic measurement of effectuation and causation orientations among small and global business managers
CN115269816A (zh) 基于信息处理方法的核心人员挖掘方法、装置和存储介质
CN107632974A (zh) 适用于多领域的中文分析平台
CN105373568B (zh) 问题答案自动学习方法和装置
Ripoll et al. Multi-Lingual Contextual Hate Speech Detection Using Transformer-Based Ensembles.
Rintyarna et al. Automatic ranking system of university based on technology readiness level using LDA-Adaboost. MH
KR102637313B1 (ko) Bim 입찰 문서의 기술 난이도를 평가하기 위한 장치 및 그 방법
KR102663632B1 (ko) 인공지능 기반의 미술품 거래의 트랜드 예측 장치 및 방법
Faizi et al. A sentiment analysis based approach for exploring student feedback

Legal Events

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