KR102653594B1 - 생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법 - Google Patents

생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법 Download PDF

Info

Publication number
KR102653594B1
KR102653594B1 KR1020230163690A KR20230163690A KR102653594B1 KR 102653594 B1 KR102653594 B1 KR 102653594B1 KR 1020230163690 A KR1020230163690 A KR 1020230163690A KR 20230163690 A KR20230163690 A KR 20230163690A KR 102653594 B1 KR102653594 B1 KR 102653594B1
Authority
KR
South Korea
Prior art keywords
content
name
address
place
generated
Prior art date
Application number
KR1020230163690A
Other languages
English (en)
Inventor
김찬일
Original Assignee
주식회사 브로즈
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 주식회사 브로즈 filed Critical 주식회사 브로즈
Priority to KR1020230163690A priority Critical patent/KR102653594B1/ko
Application granted granted Critical
Publication of KR102653594B1 publication Critical patent/KR102653594B1/ko

Links

Classifications

    • 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
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • G06F16/29—Geographical information databases
    • 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
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0475—Generative networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/096—Transfer learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/81—Threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Library & Information Science (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

장소 콘텐츠 수집 장치가 개시된다. 장소 콘텐츠 수집 장치는, 프로세서 및 상기 프로세서에 의해 실행될 인스트럭션들(instructions)을 저장하는 메모리를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 장소를 소개하는 콘텐츠를 수집하고자 하는 웹 페이지에 대한 정보 및 상기 웹 페이지에서 탐색하고자 하는 계정을 수신하고, 사전 학습된 생성형 인공지능 모델을 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들로부터, 각 콘텐츠에 포함된 장소의 명칭 및 주소를 키(key)로 하여 상기 업로드된 콘텐츠들에 대한 정보가 분류 및 나열된 콘텐츠 수집 정보를 생성하고, 및 상기 생성된 콘텐츠 수집 정보를 제공한다.

Description

생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법{APPARATUS AND METHOD FOR COLLECTING PLACE INFORMATION USING GENERATIVE ARTIFICIAL INTELLIGENCE MODEL}
아래 실시예들은 생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법에 관한 것이다.
소셜 네트워크 서비스가 발달하면서 공중이 이용할 수 있는 시설이나 공간 등 다양한 장소에 대한 정보가 활발히 게시되고 있다.
종래에는 게시된 정보를 취합하려면 사용자가 직접 서비스에 접속하여 검색하며, 게시된 정보를 장소별로 모아보기 어려운 문제점이 있었다.
한편, 최근 온라인 상의 데이터를 수집하는 방법으로서, 크롤링 기법이 이용되고 있다.
실시예들은 온라인 상에 게시된 장소를 소개하는 콘텐츠들을 생성형 인공지능 모델 기반으로 분류하여 데이터베이스를 생성하기 위한 것이다. 다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
일 실시예에 따른 장소 콘텐츠 수집 장치는 프로세서, 및 상기 프로세서에 의해 실행될 인스트럭션들(instructions)을 저장하는 메모리를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 장소를 소개하는 콘텐츠를 수집하고자 하는 웹 페이지에 대한 정보 및 상기 웹 페이지에서 탐색하고자 하는 계정을 수신하고, 사전 학습된 생성형 인공지능 모델을 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들로부터, 각 콘텐츠에 포함된 장소의 명칭 및 주소를 키(key)로 하여 상기 업로드된 콘텐츠들에 대한 정보가 분류 및 나열된 콘텐츠 수집 정보를 생성하고, 및 상기 생성된 콘텐츠 수집 정보를 제공할 수 있다.
상기 프로세서는, 상기 웹 페이지로부터, 상기 계정에 의해 업로드된 콘텐츠들을 수집하고, 상기 수집된 콘텐츠들을 상기 생성형 인공지능 모델에 입력하고, 상기 생성형 인공지능 모델을 이용하여, 상기 수집된 콘텐츠들 각각에 대응되는 장소의 명칭 및 주소를 생성하고, 상기 생성된 명칭 및 주소에 오류가 있는지 여부를 확인하고, 및 상기 확인 결과, 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 상기 콘텐츠 수집 정보를 생성할 수 있다.
상기 프로세서는, 상기 각 콘텐츠의 텍스트에 상기 각 콘텐츠에 대응되는 것으로 생성된 장소의 명칭 및 주소가 포함되어 있는지 여부에 기초하여 상기 오류가 있는지 여부를 결정할 수 있다.
상기 프로세서는, 상기 생성형 인공지능 모델을 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들 각각에 대응되는 장소의 명칭 및 주소를 복수 회 반복적으로 생성하고, 상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들에 기초하여 상기 수집된 콘텐츠들에 오류가 있는지 여부를 확인하고, 상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들에 기초하여, 상기 콘텐츠들에 오류가 있는지 여부의 확인 결과 오류가 없는 것으로 결정된 콘텐츠들에 대응되는 장소의 명칭과 주소를 결정하고, 상기 결정된 명칭과 주소에 오류가 있는지 여부를 확인하고, 및 상기 결정된 명칭과 주소에 오류가 있는지 여부의 확인 결과, 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 상기 콘텐츠 수집 정보를 생성할 수 있다.
상기 프로세서는, 상기 업로드된 콘텐츠들 중 동일한 콘텐츠에 대해, 상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들을 중 동일한 장소의 명칭과 주소의 비율을 확인하고, 및 상기 확인된 비율이 제1 임계 값 이상인 경우, 상기 동일한 콘텐츠에 오류가 없는 것으로 결정하고, 상기 확인된 비율이 상기 제1 임계 값 미만인 경우, 상기 동일한 콘텐츠에 오류가 있는 것으로 결정할 수 있다.
상기 프로세서는, 상기 오류가 없는 것으로 결정된 콘텐츠에 대해 상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들 중 상기 동일한 장소의 명칭과 주소를 상기 오류가 없는 것으로 결정된 콘텐츠에 대응되는 장소의 명칭과 주소로 결정할 수 있다.
상기 프로세서는, 제1 지도 서비스의 API(Application Programming Interface)를 이용하여, 상기 생성된 명칭 및 주소를 검색하고, 제2 지도 서비스의 API를 이용하여, 상기 생성된 명칭 및 주소를 검색하고, 제3 지도 서비스의 API를 이용하여, 상기 생성된 명칭 및 주소를 검색하고, 상기 생성된 명칭 및 주소가 상기 제1 지도 서비스, 상기 제2 지도 서비스 및 상기 제3 지도 서비스 중 적어도 하나의 지도 서비스에서 상기 생성된 명칭 및 주소와 일치하는 결과가 검색된 것에 응답하여, 상기 생성된 명칭이 기설정된 소셜 네트워크 서비스에 사용자가 콘텐츠 업로드 시 선택할 수 있는 태그로 등록되어 있는지 확인하고, 및 상기 태그로 등록되어 있는 경우, 상기 생성된 명칭에 오류가 없는 것으로 결정할 수 있다.
상기 프로세서는, 상기 생성된 콘텐츠 수집 정보의 주소에 기초하여 상기 콘텐츠 수집 정보에 포함된 장소들에 대한 지도 콘텐츠를 더 생성할 수 있다.
상기 프로세서는, 상기 웹 페이지에 대한 정보 및 상기 계정을 상기 생성형 인공지능 모델에 입력하고, 상기 생성형 인공지능 모델의 API를 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들을 수집하고, 그리고, 상기 수집된 콘텐츠들로부터, 각 콘텐츠에 대응되는 장소의 명칭 및 주소를 생성하고, 상기 콘텐츠들을 각 콘텐츠로부터 상기 생성된 명칭 및 주소와 비교하여 상기 생성된 명칭 및 주소에 오류가 있는지 여부를 확인하고, 및 상기 확인 결과, 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 상기 콘텐츠 수집 정보를 생성할 수 있다.
일 실시예에 따른 장소 콘텐츠 수집 방법은 장소를 소개하는 콘텐츠를 수집하고자 하는 웹 페이지에 대한 정보 및 상기 웹 페이지에서 탐색하고자 하는 계정을 수신하는 단계, 사전 학습된 생성형 인공지능 모델을 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들로부터, 각 콘텐츠에 포함된 장소의 명칭 및 주소를 키(key)로 하여 상기 업로드된 콘텐츠들에 대한 정보가 분류 및 나열된 콘텐츠 수집 정보를 생성하는 단계, 및 상기 생성된 콘텐츠 수집 정보를 제공하는 단계를 포함할 수 있다.
실시예들은 온라인 상에 게시된 장소를 소개하는 콘텐츠들을 생성형 인공지능 모델 기반으로 분류하여 데이터베이스를 생성할 수 있다.
도 1은 일 실시예에 따른 시스템의 구성을 개략적으로 도시한 도면이다.
도 2는 일 실시예에 따른 장소 콘텐츠 수집 장치의 블록도이다.
도 3은 일 실시예에 따른 장소 콘텐츠 수집 방법의 흐름도이다.
도 4는 일 실시예에 따른 콘텐츠 수집 정보를 생성하는 방법의 흐름도이다.
도 5는 다른 실시예에 따른 콘텐츠 수집 정보를 생성하는 방법의 흐름도이다.
도 6은 일 실시예에 따라 생성된 명칭과 주소의 오류 여부를 확인하는 방법의 흐름도이다.
도 7은 일 실시예에 따른 콘텐츠에 대응되는 장소의 명칭과 주소를 다시 생성하는 방법의 흐름도이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
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. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 명세서에서의 모듈(module)은 본 명세서에서 설명되는 각 명칭에 따른 기능과 동작을 수행할 수 있는 하드웨어를 의미할 수도 있고, 특정 기능과 동작을 수행할 수 있는 컴퓨터 프로그램 코드를 의미할 수도 있고, 또는 특정 기능과 동작을 수행시킬 수 있는 컴퓨터 프로그램 코드가 탑재된 전자적 기록 매체, 예를 들어 프로세서 또는 마이크로 프로세서를 의미할 수 있다.
다시 말해, 모듈이란 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및/또는 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적 및/또는 구조적 결합을 의미할 수 있다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 시스템의 구성을 개략적으로 도시한 도면이다.
도 1을 참조하면, 장소를 소개하는 콘텐츠를 수집하기 위한 일 실시예에 따른 시스템은 장소를 소개하는 콘텐츠를 제공하는 서비스 서버(105), 유무선 통신 네트워크(110)를 통해 서비스 서버(105)로부터 콘텐츠를 수신하는 장소 콘텐츠 수집 장치(100)를 포함할 수 있다.
서비스 서버(105)는, 예를 들어, 소셜 네트워크 서비스를 제공할 수 있다. 서비스 서버(105)는 통신 네트워크(110)를 통해 웹 페이지에 사용자가 업로드한 장소를 소개하는 콘텐츠를 게시할 수 있다. 소셜 네트워크 서비스는, 예를 들어, 인스타그램, 유튜브, 페이스북을 포함할 수 있으나, 이에 한정되는 것이 아닌 임의의 소셜 네트워크 서비스 서버를 포함할 수 있다. 장소를 소개하는 콘텐츠는, 예를 들어, 소셜 네트워크 서비스의 웹 페이지에 게시된 게시글, 동영상 및 이미지를 포함할 수 있다.
사용자는 웹 페이지에 접근하여 게시된 콘텐츠를 보고 여러 사람이 이용하는 장소들에 대한 정보를 얻을 수 있다. 그러나 이러한 소셜 네트워크 서비스의 웹 페이지에는 서로 다른 정보를 담은 콘텐츠들이 단편적으로 게시되어 있으므로, 사용자가 원하는 장소에 대한 콘텐츠를 모아보거나, 여러 콘텐츠들의 경향성과 같은 종합적인 정보를 알기 어려울 수 있다.
일 실시예에 따른 장소 콘텐츠 수집 장치(100)는 생성형 인공지능 모델을 이용하여 웹 페이지에 게시된 콘텐츠들이 각 콘텐츠에 포함된 장소를 기준으로 분류된 콘텐츠 수집 정보를 제공할 수 있다. 이로부터, 사용자는 장소를 소개하는 콘텐츠와 관련된 정량적, 정성적 콘텐츠를 용이하게 구축할 수 있다.
도 2는 일 실시예에 따른 장소 콘텐츠 수집 장치의 블록도이다.
도 2를 참조하면, 일 실시예에 따른 장소 콘텐츠 수집 장치(100)는 프로세서(205) 및 프로세서(205)에 의해 실행될 인스트럭션들(instructions)을 저장하는 메모리(210)를 포함하는 컴퓨터 장치일 수 있다. 예를 들어, 장소 콘텐츠 수집 장치(100)는 PC(personal computer), 서버, 또는 휴대용 장치를 통해 구현될 수 있다.
PC(personal computer), 서버, 또는 휴대용 장치는 예를 들어, 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서(205), 휴대용 장치 및 장치 제어기 등과 같은 임의의 타입의 컴퓨팅 시스템 또는 컴퓨팅 장치를 포함할 수 있다.
휴대용 장치는 랩탑(laptop) 컴퓨터, 이동 전화기, 스마트 폰(smart phone), 태블릿(tablet) PC, 모바일 인터넷 장치(mobile internet device(MID)), PDA(personal digital assistant), EDA(enterprise digital assistant), 디지털 스틸 카메라(digital still camera), 디지털 비디오 카메라(digital video camera), PMP(portable multimedia player), PND(personal navigation device 또는 portable navigation device), 휴대용 게임 콘솔(handheld game console), 또는 스마트 장치(smart device)로 구현될 수 있다. 스마트 장치는 스마트 와치(smart watch), 스마트 밴드(smart band), 또는 스마트 링(smart ring)으로 구현될 수 있다.
프로세서(205)는 메모리(210)에 저장된 데이터를 처리할 수 있다. 프로세서(205)는 메모리(210)에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(205)에 의해 유발된 인스트럭션(instruction)들을 실행할 수 있다.
프로세서(205)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
메모리(210)는 휘발성 메모리 장치 또는 불휘발성 메모리 장치로 구현될 수 있다. 휘발성 메모리 장치는 DRAM(dynamic random access memory), SRAM(static random access memory), T-RAM(thyristor RAM), Z-RAM(zero capacitor RAM), 또는 TTRAM(Twin Transistor RAM)으로 구현될 수 있다. 불휘발성 메모리 장치는 EEPROM(Electrically Erasable Programmable Read-Only Memory), 플래시(flash) 메모리, MRAM(Magnetic RAM), 스핀전달토크 MRAM(Spin-Transfer Torque(STT)-MRAM), Conductive Bridging RAM(CBRAM), FeRAM(Ferroelectric RAM), PRAM(Phase change RAM), 저항 메모리(Resistive RAM(RRAM)), 나노 튜브 RRAM(Nanotube RRAM), 폴리머 RAM(Polymer RAM(PoRAM)), 나노 부유 게이트 메모리(Nano Floating Gate Memory(NFGM)), 홀로그래픽 메모리(holographic memory), 분자 전자 메모리 소자(Molecular Eelectronic Memory Device), 또는 절연 저항 변화 메모리(Insulator Resistance Change Memory)로 구현될 수 있다.
도 3은 일 실시예에 따른 장소 콘텐츠 수집 방법의 흐름도이다.
도 3을 참조하면, 단계(305)에서, 프로세서(205)는 장소를 소개하는 콘텐츠를 수집하고자 하는 소셜 네트워크 서비스의 웹 페이지에 대한 정보 및 웹 페이지에서 탐색하고자 하는 계정을 수신할 수 있다. 웹 페이지에 대한 정보와 계정은 사용자로부터 입력될 수 있다. 웹 페이지에 대한 정보는 웹 페이지의 URL(Uniform Resource Locator)을 포함할 수 있다. 수신된 계정은 장소를 소개하는 콘텐츠를 주로 업로드하는 계정일 수 있다.
단계(310)에서, 프로세서(205)는 사전 학습된 생성형 인공지능 모델을 이용하여, 단계(305)의 계정에 의해 웹 페이지에 업로드된 콘텐츠들로부터, 각 콘텐츠에 포함된 장소의 명칭 및 주소를 키(key)로 하여 업로드된 콘텐츠들에 대한 정보가 분류 및 나열된 콘텐츠 수집 정보를 생성할 수 있다. 생성형 인공지능 모델은 GPT(Generative Pre-trained Transformer)와 같은 생성형 언어 모델일 수 있으나, 이에 제한되지 않는다.
일 실시예에서, 프로세서(205)는 생성형 인공지능 모델을 이용하여 단계(310)의 계정에 의해 웹 페이지에 업로드된 콘텐츠들 각각에 대응되는 장소의 명칭 및 주소를 생성할 수 있다.
프로세서(205)는 생성된 장소 및 명칭 중 적어도 하나를 분류를 위한 키(예를 들어, 기본키(Primary key), 복합키(Composite key))로 사용하여, 업로드된 콘텐츠들을 분류 및 나열하여 콘텐츠 수집 정보를 생성할 수 있다. 예를 들어, 콘텐츠 수집 정보는 업로드된 콘텐츠들을 분류 및 나열하여 구축된 데이터베이스일 수 있다.
일 실시예에서, 프로세서(205)는 생성된 콘텐츠 수집 정보에 포함된 장소의 명칭 및 주소에 기초하여, 콘텐츠 수집 정보에 포함된 장소들에 대한 지도 콘텐츠를 더 생성할 수 있다.
단계(315)에서, 프로세서(205)는 단계(310)에서 생성된 콘텐츠 수집 정보를 제공할 수 있다. 프로세서(205)는 단계(310)에서 생성된 콘텐츠 수집 정보를 출력할 수 있다. 프로세서(205)는 단계(310)에서 생성된 지도 콘텐츠를 더 출력할 수 있다.
이하, 도 4를 참조하여 단계(310)에서 콘텐츠 수집 정보를 생성하는 구체적인 방법에 대해 설명한다.
도 4는 일 실시예에 따른 콘텐츠 수집 정보를 생성하는 방법의 흐름도이다.
단계(405)에서, 프로세서(205)는 각 콘텐츠에 대응되는 장소의 명칭 및 주소를 생성하기 위해, 웹 페이지로부터, 계정에 의해 업로드된 콘텐츠들을 수집할 수 있다. 예를 들어, 프로세서(205)는 웹 페이지로부터, 계정에 의해 업로드된 콘텐츠들을 크롤링할 수 있다. 프로세서(205)는 수집된 콘텐츠들을 생성형 인공지능 모델에 입력하고, 생성형 인공지능 모델의 출력으로서 각 콘텐츠에 대응되는 장소의 명칭과 주소를 생성할 수 있다.
프로세서(205)는 생성형 인공지능 모델을 이용하여 각 콘텐츠에 대응되는 장소의 명칭과 주소를 생성하기 위해, 수집된 콘텐츠들과 함께 각 콘텐츠에 대응되는 장소의 명칭과 주소를 생성하도록 지시하는 자연어 명령을 포함하는 제1 프롬프트를 입력할 수 있다. 프로세서(205)는 제1 프롬프트를 기반으로 생성형 인공지능 모델을 이용하여 각 콘텐츠에 대응되는 장소의 명칭과 주소를 생성할 수 있다.
다른 실시예에서, 프로세서(205)는 단계(305)에서 수신된 웹 페이지에 대한 정보 및 계정을 생성형 인공지능 모델에 입력할 수 있다. 프로세서(205)는 생성형 인공지능 모델의 API(Application Programming Interface)를 이용하여, 계정에 의해 웹 페이지에 업로드된 콘텐츠들을 수집하고, 그리고, 수집된 콘텐츠들로부터, 각 콘텐츠에 대응되는 장소의 명칭 및 주소를 생성할 수 있다.
프로세서(205)는 생성형 인공지능 모델을 이용하여 각 콘텐츠에 대응되는 장소의 명칭과 주소를 생성하기 위해, 웹 페이지에 대한 정보 및 계정과 함께 해당 웹 페이지에 접근하여 해당 계정에 의해 업로드된 콘텐츠를 수집하고, 각 콘텐츠에 대응되는 장소의 명칭과 주소를 생성하도록 지시하는 자연어 명령을 포함하는 제2 프롬프트를 입력할 수 있다. 프로세서(205)는 제2 프롬프트를 기반으로 생성형 인공지능 모델의 API를 이용하여 계정에 의해 웹 페이지에 업로드된 콘텐츠들을 수집하고, 그리고, 수집된 콘텐츠들로부터, 각 콘텐츠에 대응되는 장소의 명칭 및 주소를 생성할 수 있다.
단계(410)에서, 프로세서(205)는 단계(405)에서 생성된 명칭 및 주소에 오류가 있는지 여부를 확인할 수 있다.
예를 들어, 프로세서(205)는 각 콘텐츠에 대응되는 것으로 생성된 장소의 명칭 및 주소가 각 콘텐츠의 텍스트에 포함되어 있는지 여부에 기초하여 생성된 장소의 명칭 및 주소의 오류 여부를 확인할 수 있다. 프로세서(205)는 각 콘텐츠에 대응되는 것으로 생성된 장소의 명칭 및 주소가 해당 콘텐츠의 텍스트에 포함되는 경우, 생성된 장소의 명칭 및 주소에 오류가 없다고 결정할 수 있고, 반대로, 각 콘텐츠에 대응되는 것으로 생성된 장소의 명칭 및 주소가 해당 콘텐츠의 텍스트에 포함되지 않는 경우, 생성된 장소의 명칭 및 주소에 오류가 있다고 결정할 수 있다.
단계(415)에서, 프로세서(205)는 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 콘텐츠 수집 정보를 생성할 수 있다. 생성된 콘텐츠 수집 정보는 단계(410)에서 오류가 있는 것으로 결정된 명칭 및 주소에 대응되는 콘텐츠에 대한 정보를 포함하지 않을 수 있다.
도 5는 다른 실시예에 따른 콘텐츠 수집 정보를 생성하는 방법의 흐름도이다.
앞서 도 4에서, 생성된 장소의 명칭 및 주소와 콘텐츠를 비교하여 생성된 명칭 및 주소의 오류 여부를 확인하였다. 도 5를 참조하면, 프로세서(205)는 동일한 콘텐츠에 대해 장소의 명칭과 주소를 복수 회 생성하고, 복수 회 생성된 명칭들과 주소들에 기초하여 해당 콘텐츠에 대한 오류 여부를 더 확인할 수 있고, 해당 콘텐츠에 대해 더 정확도가 높은 장소의 명칭과 주소를 대응시킬 수 있다.
프로세서(205)는 도 4의 단계(405)에서 수집된 콘텐츠들에 대한 장소의 명칭 및 주소를 생성형 인공지능 모델을 이용하여 생성함에 있어서, 수집된 콘텐츠들에 대응되는 장소의 명칭 및 주소를 복수 회 반복적으로 생성할 수 있다. 예를 들어, 도 5의 단계(505)에서, 프로세서(205)는 단계(405)를 복수 회 반복적으로 수행할 수 있다. 복수 회 반복 수행 과정에서 생성형 인공지능 모델에 입력되는 프롬프트는 동일할 수 있다.
생성형 인공지능 모델의 특성상 같은 데이터를 입력하더라도 매 회 출력되는 결과물이 상이할 수 있다. 생성형 인공지능 모델을 이용하여 수집된 콘텐츠들에 대응되는 장소의 명칭 및 주소를 복수 회 반복적으로 생성할 경우, 콘텐츠에 따라 반복 과정에서 다른 장소의 명칭, 주소가 생성될 수 있다. 프로세서(205)는 동일한 콘텐츠에 대해 반복 생성된 명칭들과 주소들에 기초하여 해당 콘텐츠에 대응되는 장소의 명칭과 주소를 결정할 수 있다. 예를 들어, 프로세서(205)는 반복 과정에서 동일한 콘텐츠에 대해 생성된 명칭 및 주소 중 가장 빈도가 높은 명칭 및 주소를 해당 콘텐츠에 대응되는 장소의 명칭 및 주소인 것으로 결정할 수 있다. 가장 빈도가 높은 명칭 및 주소를 해당 콘텐츠에 대응되는 장소의 명칭 및 주소인 것으로 결정함으로써, 콘텐츠에 대해 생성된 장소의 명칭 및 주소의 정확도가 높아질 수 있다.
또한 반복 과정에서 동일한 콘텐츠에 대해 다른 장소의 명칭과 주소가 생성되는 빈도가 높다는 것은 해당 콘텐츠에 포함된 장소가 어떤 장소인지 명확하지 않다는 의미를 내포할 수 있다. 단계(510)에서, 프로세서(205)는 동일한 콘텐츠에 대해 복수 회 반복적으로 생성된 장소의 명칭과 주소에 기초하여 오류가 있는 콘텐츠를 식별하고, 식별된 콘텐츠를 제외할 수 있다.
예를 들어, 프로세서(205)는 동일한 콘텐츠에 대해 반복 생성된 장소의 명칭들과 주소들을 서로 비교하여 해당 콘텐츠에 오류가 있는지 여부를 확인할 수 있다. 프로세서(205)는 장소의 명칭들과 주소들 중 동일한 장소의 명칭과 주소의 비율을 확인할 수 있다. 프로세서(205)는 확인된 비율이 제1 임계 값 이상인 경우, 해당 콘텐츠에 오류가 없는 것으로 결정하고, 확인된 비율이 제1 임계 값 미만인 경우, 해당 콘텐츠에 오류가 있는 것으로 결정할 수 있다. 프로세서(205)는 오류가 있는 것으로 결정된 콘텐츠를 콘텐츠 수집 정보에 포함시키지 않을 수 있다.
단계(515)에서, 프로세서(205)는 오류가 없는 것으로 결정된 콘텐츠에 대해, 해당 콘텐츠에 대한 장소의 명칭과 주소를 결정할 수 있다. 프로세서(205)는 해당 콘텐츠에 대한 장소의 명칭과 주소를 단계(505)에서 복수 회 생성된 장소의 명칭과 주소에 기초하여 결정할 수 있다. 예를 들어, 프로세서(205)는 해당 콘텐츠에 대해 반복 생성된 장소의 명칭들과 주소들 중 동일한 장소의 명칭과 주소의 비율이 제1 임계 값 이상인 경우, 해당 동일한 장소의 명칭과 주소를 해당 콘텐츠에 대응되는 장소의 명칭과 주소로 결정할 수 있다.
다른 예에서, 프로세서(205)는 해당 콘텐츠에 대해 반복 생성된 장소의 명칭들과 주소들 중 동일한 장소의 명칭과 주소의 비율이 제1 임계 값 보다 높은 제2 임계 값 이상인 경우 해당 동일한 장소의 명칭과 주소를 해당 콘텐츠에 대한 장소의 명칭과 주소로 결정하고, 해당 콘텐츠에 대해 반복 생성된 장소의 명칭들과 주소들 중 동일한 장소의 명칭과 주소의 비율이 제1 임계 값 이상, 제2 임계 값 미만인 경우 반복 생성된 장소의 명칭들과 주소들 중 어느 하나를 임의로 선택하여 해당 콘텐츠에 대한 장소의 명칭과 주소를 결정할 수 있다. 또는, 프로세서(205)는 해당 콘텐츠에 대해 반복 생성된 장소의 명칭들과 주소들 중 동일한 장소의 명칭과 주소의 비율이 제1 임계 값 이상, 제2 임계 값 미만인 경우 반복 생성된 장소의 명칭들과 주소들 중에서 콘텐츠의 텍스트에 포함된 명칭과 주소를 해당 콘텐츠에 대한 장소의 명칭과 주소로 결정할 수 있다.
단계(520)에서, 프로세서(205)는 단계(515)에서 결정된 장소의 명칭 및 주소에 오류가 있는지 여부를 확인할 수 있다.
예를 들어, 프로세서(205)는 각 콘텐츠에 대응되는 것으로 결정된 장소의 명칭 및 주소가 각 콘텐츠의 텍스트에 포함되어 있는지 여부에 기초하여 장소의 명칭 및 주소의 오류 여부를 확인할 수 있다. 프로세서(205)는 각 콘텐츠에 대응되는 것으로 결정된 장소의 명칭 및 주소가 해당 콘텐츠의 텍스트에 포함되는 경우, 장소의 명칭 및 주소에 오류가 없다고 결정할 수 있고, 반대로, 각 콘텐츠에 대응되는 것으로 결정된 장소의 명칭 및 주소가 해당 콘텐츠의 텍스트에 포함되지 않는 경우, 장소의 명칭 및 주소에 오류가 있다고 결정할 수 있다.
단계(525)에서, 프로세서(205)는 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 콘텐츠 수집 정보를 생성할 수 있다. 생성된 콘텐츠 수집 정보는 단계(520)에서 오류가 있는 것으로 결정된 명칭 및 주소에 대응되는 콘텐츠에 대한 정보를 포함하지 않을 수 있다.
도 6은 일 실시예에 따라 생성된 명칭과 주소의 오류 여부를 확인하는 방법의 흐름도이다.
일 실시예에서, 프로세서(205)는 도 6의 흐름도의 단계들을 통해 생성형 인공지능 모델을 이용하여 각 콘텐츠에 대응되는 것으로 생성된 장소의 명칭과 주소에 오류가 있는지 여부를 확인할 수 있다.
도 6의 단계들(605, 610, 615, 620, 625, 630)은 도 4의 단계(410) 또는 도 5의 단계(520)에서 수행될 수 있다. 또는 도 6의 단계들(605, 610, 615, 620, 625, 630)은 도 4의 단계(410) 또는 도 5의 단계(520)에 이어서 수행될 수 있다. 예를 들어, 도 6의 단계들(605, 610, 615, 620, 625, 630)은 도 4의 단계(405)의 콘텐츠들 및 해당 콘텐츠들에 대응되는 장소의 명칭들 및 주소들에 대해 수행되거나, 도 5의 단계(510)에서 오류가 없는 것으로 결정된 콘텐츠들 및 해당 콘텐츠들에 대응되는 장소의 명칭들 및 주소들에 대해 수행될 수 있다. 이하, 단계(405)의 콘텐츠들 및 단계(510)에서 오류가 없는 것으로 결정된 콘텐츠들 중 어느 하나의 콘텐츠인 제1 콘텐츠를 예시로 하여 설명한다.
단계(605)에서, 프로세서(205)는 제1 지도 서비스를 이용하여, 제1 콘텐츠에 대응되는 장소의 명칭과 주소를 검색하고, 단계(610)에서, 제2 지도 서비스를 이용하여, 제1 콘텐츠에 대응되는 장소의 명칭과 주소를 검색하고, 단계(615)에서, 제3 지도 서비스를 이용하여, 제1 콘텐츠에 대응되는 장소의 명칭과 주소를 검색할 수 있다.
일 실시예에서, 제1 지도 서비스는 GoogleMaps 서비스이고, 제2 지도 서비스는 네이버 지도 서비스이고, 제3 지도 서비스는 Mapbox 서비스일 수 있다. 프로세서(205)는 각 지도 서비스의 API를 이용하여 제1 콘텐츠에 대응되는 장소의 명칭과 주소를 이용하여 제1 콘텐츠에 대응되는 장소를 검색하고, 검색 결과를 획득할 수 있다.
단계(620)에서, 프로세서(205)는 단계들(605, 610, 615)의 검색 결과로부터 제1 지도 서비스, 제2 지도 서비스 및 제3 지도 서비스 중 적어도 하나의 지도 서비스에서 제1 콘텐츠에 대응되는 장소가 검색되었는지 여부를 확인할 수 있다.
프로세서(205)는 단계들(605, 610, 615)의 검색 결과에 제1 콘텐츠에 대응되는 장소의 명칭 및 주소와 동일한 명칭 및 주소의 장소가 포함되어 있는 경우, 장소가 검색된 것으로 결정하고, 단계들(605, 610, 615)의 검색 결과에 제1 콘텐츠에 대응되는 장소의 명칭 및 주소와 동일한 명칭 및 주소의 장소가 포함되어 있지 않은 경우 장소가 검색되지 않은 것으로 결정할 수 있다.
지도 서비스에서 장소가 검색되었다는 것은 해당 장소가 실존한다는 것을 의미하므로 생성형 인공지능 모델에 의해 생성된 장소의 명칭과 주소가 정확할 가능성이 더 높다는 점을 의미할 수 있다.
단계(620)에서 장소가 검색되지 않은 것으로 결정된 것에 응답하여, 프로세서(205)는, 단계(630)에서, 제1 콘텐츠에 대응되는 장소의 명칭 및 주소에 오류가 있는 것으로 결정할 수 있다. 오류가 있는 것으로 결정된 명칭 및 주소에 대응되는 콘텐츠에 대한 정보는 콘텐츠 수집 정보에 포함하지 않을 수 있다.
단계(620)에서 장소가 검색된 것으로 결정된 것에 응답하여, 프로세서(205)는, 단계(625)에서, 제1 콘텐츠에 대응되는 명칭이 기설정된 소셜 네트워크 서비스에 사용자가 콘텐츠 업로드 시 선택할 수 있는 태그로 등록되어 있는지 여부를 확인할 수 있다. 여기서, 태그는, 예를 들어, 인스타그램의 해시 태그일 수 있다. 프로세서(205)는 기설정된 소셜 네트워크 서비스에 접속하여 제1 콘텐츠에 대응되는 장소의 명칭 태그를 검색할 수 있다. 제1 콘텐츠에 대응되는 장소의 명칭 동일한 태그가 검색된 경우, 프로세서(205)는 제1 콘텐츠에 대응되는 장소의 명칭의 태그가 등록되어 있는 것으로 결정할 수 있다. 제1 콘텐츠에 대응되는 장소의 명칭 동일한 태그가 검색되지 않은 경우, 프로세서(205)는 제1 콘텐츠에 대응되는 장소의 명칭의 태그가 등록되어 있지 않은 것으로 결정할 수 있다.
단계(625)에서 제1 콘텐츠에 대응되는 장소의 명칭과 동일한 태그가 등록되어 있지 않은 것에 응답하여, 프로세서(205)는, 단계(630)에서, 제1 콘텐츠에 대응되는 장소의 명칭 및 주소에 오류가 있는 것으로 결정할 수 있다. 오류가 있는 것으로 결정된 명칭 및 주소에 대응되는 콘텐츠에 대한 정보는 콘텐츠 수집 정보에 포함하지 않을 수 있다.
단계(625)에서 제1 콘텐츠에 대응되는 장소의 명칭과 동일한 태그가 등록되어 있는 것에 응답하여, 프로세서(205)는, 단계(635)에서, 제1 콘텐츠에 대응되는 장소의 명칭 및 주소에 오류가 없는 것으로 결정할 수 있다. 단계(635)에서 오류가 없는 것으로 결정된 장소의 명칭 및 주소는 도 4의 단계(415) 또는 도 5의 단계(525)에서 콘텐츠 수집 정보를 생성하는 데에 이용될 수 있다.
일 실시예에 따르면, 단계(620) 및 단계(625) 사이 혹은 단계(625)와 단계(635) 사이에 이미지(또는 영상) 기반의 추가 검증을 수행하는 단계를 더 포함하 수 있다. 예를 들어, 프로세서(205)는 제1 콘텐츠에 포함된 이미지 혹은 영상과, 제1 콘텐츠에 대응되는 장소의 명칭을 통해 검색되는 이미지 또는 영상(예를 들어, 제1 지도 서비스 내지 제3 지도 서비스를 통해 장소 명칭에 기반하여 검색되는 이미지 또는 장소 명칭을 통해 검색되는 영상 등) 사이의 유사도를 산출하고, 산출된 유사도가 미리 설정된 제3 임계값 이상인 경우에 이후 단계로 진행하여 오류가 없는 것으로 결정하며, 제3 임계값 미만인 경우에는 오류가 있는 것으로 결정(단계(630))할 수 있다.
도 7은 일 실시예에 따른 콘텐츠에 대응되는 장소의 명칭과 주소를 다시 생성하는 방법의 흐름도이다.
도 7을 참조하면, 프로세서(205)는 도 5의 단계(520)에서 오류가 있는 것으로 결정된 장소의 명칭 및 주소에 대응되는 콘텐츠에 대해, 해당 콘텐츠에 대한 명칭과 주소를 다시 생성할 수 있다.
도 5에서, 단계(510)에서 오류가 없는 콘텐츠가 확인되기 때문에, 단계(510)에서 오류가 없는 것으로 결정된 콘텐츠에 대응되는 장소의 명칭과 주소에 대해, 단계(520)에서 오류가 있는 것으로 결정된 경우, 도 7의 방법을 통해 오류가 없는 것으로 결정된 콘텐츠에 대응되는 장소의 명칭과 주소를 다시 생성할 수 있다.
단계(705)에서, 프로세서(205)는 단계(520)에서 오류가 있는 것으로 결정된 장소의 명칭과 주소에 대해, 오류 유형을 식별할 수 있다. 예를 들어, 오류 유형은, 장소의 명칭과 주소 중 명칭이 잘못된 제1 유형, 주소가 잘못된 제2 유형 및 그 외 제3 유형을 포함할 수 있다.
프로세서(205)는 오류가 없는 것으로 결정된 콘텐츠와 해당 콘텐츠에 대응되는 장소의 명칭 및 주소를 비교하여 오류 유형을 결정할 수 있다. 프로세서(205)는 오류가 없는 것으로 결정된 콘텐츠에 장소의 명칭은 포함되고 주소가 포함되어 있지 않은 경우, 오류 유형을 제1 유형으로 결정할 수 있고, 오류가 없는 것으로 결정된 콘텐츠에 장소의 주소는 포함되고 명칭이 포함되어 있지 않은 경우, 오류 유형을 제2 유형으로 결정할 수 있고, 오류가 없는 것으로 결정된 콘텐츠에 장소의 명칭과 주소가 모두 포함되어 있지 않은 경우, 오류 유형을 제3 유형으로 결정할 수 있다.
오류 유형이 제1 유형으로 결정된 것에 응답하여, 프로세서(205)는, 단계(710)에서, 오류가 없는 것으로 결정된 콘텐츠와 제3 프롬프트를 생성형 인공지능 모델에 입력하여 해당 콘텐츠에 대응되는 장소의 명칭과 주소를 다시 생성할 수 있다. 제3 프롬프트는, 도 5의 단계(515)에서 결정된 장소의 명칭 및 주소를 포함하여 해당 명칭 및 주소를 기초로 해당 콘텐츠에 대응되는 장소의 명칭을 다시 생성하되, 도 5의 단계(515)에서 결정된 장소의 주소에 대응되는 명칭을 생성하며, 도 5의 단계(515)에서 결정된 장소의 명칭과 다른 명칭을 생성할 것을 지시하는 자연어 명령을 포함할 수 있다.
오류 유형이 제2 유형으로 결정된 것에 응답하여, 프로세서(205)는, 단계(715)에서, 오류가 없는 것으로 결정된 콘텐츠와 제4 프롬프트를 생성형 인공지능 모델에 입력하여 해당 콘텐츠에 대응되는 장소의 명칭과 주소를 다시 생성할 수 있다. 제4 프롬프트는, 도 5의 단계(515)에서 결정된 장소의 명칭 및 주소를 포함하여 해당 명칭 및 주소를 기초로 해당 콘텐츠에 대응되는 주소를 다시 생성하되, 도 5의 단계(515)에서 결정된 장소의 명칭에 대응되는 주소를 생성하며, 도 5의 단계(515)에서 결정된 장소의 주소와 다른 주소를 생성할 것을 지시하는 자연어 명령을 포함할 수 있다.
오류 유형이 제3 유형인 경우, 오류가 없는 것으로 결정된 콘텐츠에 대응되는 장소의 명칭 및 주소는 다시 생성되지 않을 수 있다.
단계(720)에서, 프로세서(205)는 단계(710) 또는 단계(715)에서 다시 생성된 장소의 명칭 및 주소를 이용하여 도 5의 콘텐츠 수집 정보를 업데이트할 수 있다. 예를 들어, 프로세서(205)는 단계(525)에서 생성된 콘텐츠 수집 정보에 단계(710) 또는 단계(715)에서 다시 생성된 장소의 명칭 및 주소를 추가할 수 있다. 다시 생성된 장소의 명칭 및 주소는 단계(525)에서 생성된 콘텐츠 수집 정보에 포함된 키를 기준으로 콘텐츠 수집 정보에 추가될 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (6)

  1. 인공지능 기반으로 웹 상의 장소 콘텐츠를 수집하는 장소 콘텐츠 수집 장치에 있어서,
    프로세서; 및
    상기 프로세서에 의해 실행될 인스트럭션들(instructions)을 저장하는 메모리를 포함하고,
    상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,
    장소를 소개하는 콘텐츠를 수집하고자 하는 웹 페이지에 대한 정보 및 상기 웹 페이지에서 탐색하고자 하는 계정을 수신하고,
    사전 학습된 생성형 인공지능 모델을 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들로부터, 각 콘텐츠에 포함된 장소의 명칭 및 주소를 키(key)로 하여 상기 업로드된 콘텐츠들에 대한 정보가 분류 및 나열된 콘텐츠 수집 정보를 생성하고, 및
    상기 생성된 콘텐츠 수집 정보를 제공하고,
    상기 프로세서는,
    상기 웹 페이지로부터, 상기 계정에 의해 업로드된 콘텐츠들을 수집하고,
    상기 수집된 콘텐츠들을 상기 생성형 인공지능 모델에 입력하고,
    상기 생성형 인공지능 모델을 이용하여, 상기 수집된 콘텐츠들 각각에 대응되는 장소의 명칭 및 주소를 생성하고,
    상기 생성된 명칭 및 주소에 오류가 있는지 여부를 확인하고,
    상기 확인 결과, 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 상기 콘텐츠 수집 정보를 생성하고,
    상기 각 콘텐츠의 텍스트에 상기 각 콘텐츠에 대응되는 것으로 생성된 장소의 명칭 및 주소가 포함되어 있는지 여부에 기초하여 상기 오류가 있는지 여부를 결정하고,
    상기 프로세서는,
    제1 지도 서비스의 API(Application Programming Interface)를 이용하여, 상기 생성된 명칭 및 주소를 검색하고,
    제2 지도 서비스의 API를 이용하여, 상기 생성된 명칭 및 주소를 검색하고,
    제3 지도 서비스의 API를 이용하여, 상기 생성된 명칭 및 주소를 검색하고,
    상기 생성된 명칭 및 주소가 상기 제1 지도 서비스, 상기 제2 지도 서비스 및 상기 제3 지도 서비스 중 적어도 하나의 지도 서비스에서 상기 생성된 명칭 및 주소와 일치하는 결과가 검색된 것에 응답하여, 상기 생성된 명칭이 기설정된 소셜 네트워크 서비스에 사용자가 콘텐츠 업로드 시 선택할 수 있는 태그로 등록되어 있는지 확인하고,
    상기 태그로 등록되어 있는 경우, 상기 생성된 명칭에 오류가 없는 것으로 결정하는, 장소 콘텐츠 수집 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 생성형 인공지능 모델을 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들 각각에 대응되는 장소의 명칭 및 주소를 복수 회 반복적으로 생성하고,
    상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들에 기초하여 상기 수집된 콘텐츠들에 오류가 있는지 여부를 확인하고,
    상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들에 기초하여, 상기 콘텐츠들에 오류가 있는지 여부의 확인 결과 오류가 없는 것으로 결정된 콘텐츠들에 대응되는 장소의 명칭과 주소를 결정하고,
    상기 결정된 명칭과 주소에 오류가 있는지 여부를 확인하고, 및
    상기 결정된 명칭과 주소에 오류가 있는지 여부의 확인 결과, 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 상기 콘텐츠 수집 정보를 생성하고,
    상기 프로세서는,
    상기 업로드된 콘텐츠들 중 동일한 콘텐츠에 대해, 상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들을 중 동일한 장소의 명칭과 주소의 비율을 확인하고, 및
    상기 확인된 비율이 제1 임계 값 이상인 경우, 상기 동일한 콘텐츠에 오류가 없는 것으로 결정하고, 상기 확인된 비율이 상기 제1 임계 값 미만인 경우, 상기 동일한 콘텐츠에 오류가 있는 것으로 결정하는, 장소 콘텐츠 수집 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 오류가 없는 것으로 결정된 콘텐츠에 대해 상기 복수 회 반복적으로 생성된 장소의 명칭들과 주소들 중 상기 동일한 장소의 명칭과 주소를 상기 오류가 없는 것으로 결정된 콘텐츠에 대응되는 장소의 명칭과 주소로 결정하는, 장소 콘텐츠 수집 장치.
  5. 삭제
  6. 장소 콘텐츠 수집 장치에 의해 수행되는, 인공지능 기반으로 웹 상의 장소 콘텐츠를 수집하는 방법에 있어서,
    장소를 소개하는 콘텐츠를 수집하고자 하는 웹 페이지에 대한 정보 및 상기 웹 페이지에서 탐색하고자 하는 계정을 수신하는 단계;
    사전 학습된 생성형 인공지능 모델을 이용하여, 상기 계정에 의해 상기 웹 페이지에 업로드된 콘텐츠들로부터, 각 콘텐츠에 포함된 장소의 명칭 및 주소를 키(key)로 하여 상기 업로드된 콘텐츠들에 대한 정보가 분류 및 나열된 콘텐츠 수집 정보를 생성하는 단계; 및
    상기 생성된 콘텐츠 수집 정보를 제공하는 단계
    를 포함하고,
    상기 콘텐츠 수집 정보를 생성하는 단계는,
    상기 웹 페이지로부터, 상기 계정에 의해 업로드된 콘텐츠들을 수집하고,
    상기 수집된 콘텐츠들을 상기 생성형 인공지능 모델에 입력하고,
    상기 생성형 인공지능 모델을 이용하여, 상기 수집된 콘텐츠들 각각에 대응되는 장소의 명칭 및 주소를 생성하고,
    상기 생성된 명칭 및 주소에 오류가 있는지 여부를 확인하고,
    상기 확인 결과, 오류가 없는 것으로 결정된 명칭 및 주소를 이용하여 상기 콘텐츠 수집 정보를 생성하고,
    상기 각 콘텐츠의 텍스트에 상기 각 콘텐츠에 대응되는 것으로 생성된 장소의 명칭 및 주소가 포함되어 있는지 여부에 기초하여 상기 오류가 있는지 여부를 결정하고,
    제1 지도 서비스의 API(Application Programming Interface)를 이용하여, 상기 생성된 명칭 및 주소를 검색하고, 제2 지도 서비스의 API를 이용하여, 상기 생성된 명칭 및 주소를 검색하고, 제3 지도 서비스의 API를 이용하여, 상기 생성된 명칭 및 주소를 검색하고, 상기 생성된 명칭 및 주소가 상기 제1 지도 서비스, 상기 제2 지도 서비스 및 상기 제3 지도 서비스 중 적어도 하나의 지도 서비스에서 상기 생성된 명칭 및 주소와 일치하는 결과가 검색된 것에 응답하여, 상기 생성된 명칭이 기설정된 소셜 네트워크 서비스에 사용자가 콘텐츠 업로드 시 선택할 수 있는 태그로 등록되어 있는지 확인하고, 상기 태그로 등록되어 있는 경우, 상기 생성된 명칭에 오류가 없는 것으로 결정하는 단계
    를 더 포함하는, 장소 콘텐츠 수집 방법.
KR1020230163690A 2023-11-22 2023-11-22 생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법 KR102653594B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230163690A KR102653594B1 (ko) 2023-11-22 2023-11-22 생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230163690A KR102653594B1 (ko) 2023-11-22 2023-11-22 생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102653594B1 true KR102653594B1 (ko) 2024-04-02

Family

ID=90714508

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230163690A KR102653594B1 (ko) 2023-11-22 2023-11-22 생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102653594B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130090612A (ko) * 2012-02-06 2013-08-14 주식회사 와이즈커넥트 소셜 네트워크 서비스의 키워드 분석을 통한 위치기반 콘텐츠 제공 방법 및 시스템
KR20200071877A (ko) * 2018-12-06 2020-06-22 한국과학기술원 자율 증강형 반복 학습을 이용한 정보 추출 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130090612A (ko) * 2012-02-06 2013-08-14 주식회사 와이즈커넥트 소셜 네트워크 서비스의 키워드 분석을 통한 위치기반 콘텐츠 제공 방법 및 시스템
KR20200071877A (ko) * 2018-12-06 2020-06-22 한국과학기술원 자율 증강형 반복 학습을 이용한 정보 추출 방법 및 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Crawling Online Social Networks", 2015 Second European Network Intelligence Conference, 2015.* *

Similar Documents

Publication Publication Date Title
EP3724785B1 (en) Fast indexing with graphs and compact regression codes on online social networks
Gao et al. Learning to recommend with multiple cascading behaviors
US8694540B1 (en) Predictive analytical model selection
US20190370659A1 (en) Optimizing neural network architectures
US20190188285A1 (en) Image Search with Embedding-based Models on Online Social Networks
CN110945500A (zh) 键值记忆网络
JP2019517057A (ja) ワイドアンドディープマシンラーニングモデル
CN111753198A (zh) 信息推荐方法和装置、以及电子设备和可读存储介质
JP2018523885A (ja) ユーザ挙動を異常として分類すること
KR20160144384A (ko) 딥 러닝 모델을 이용한 상황 의존 검색 기법
US10331441B2 (en) Source code mapping through context specific key word indexes and fingerprinting
US11915129B2 (en) Method and system for table retrieval using multimodal deep co-learning with helper query-dependent and query-independent relevance labels
US20210294976A1 (en) Systems and Methods for Deploying Computerized Conversational Agents
US20150227626A1 (en) Measuring semantic incongruity within text data
US20220138216A1 (en) Extract-transform-load script generation
US20180189307A1 (en) Topic based intelligent electronic file searching
Sisodia et al. Fast prediction of web user browsing behaviours using most interesting patterns
US10296635B2 (en) Auditing and augmenting user-generated tags for digital content
US20110264642A1 (en) Dynamic computation engine in search stack
US11921865B2 (en) Systems and methods for identifying data processing activities based on data discovery results
KR102653594B1 (ko) 생성형 인공지능 모델을 이용한 장소 정보 수집 장치 및 방법
CN113837210A (zh) 小程序分类方法、装置、设备及计算机可读存储介质
CN113158049B (zh) 一种知识增强的推荐方法和系统
US11157535B2 (en) Method and system for subject-based ranking considering writer-reader interaction
Choi et al. Comparison of public-domain software and services for probabilistic record linkage and address standardization