KR20080026899A

KR20080026899A - 검색 대상과 연관된 단어를 추천하는 방법 및 상기 방법을수행하는 시스템

Info

Publication number: KR20080026899A
Application number: KR1020060092074A
Authority: KR
Inventors: 최지훈
Original assignee: 엔에이치엔(주)
Priority date: 2006-09-22
Filing date: 2006-09-22
Publication date: 2008-03-26
Also published as: KR100828560B1

Abstract

본 발명은 검색 대상과 연관된 단어를 추천하는 방법 및 상기 방법을 수행하는 시스템에 관한 것이다. 본 발명에 따른 검색 대상과 연관된 단어를 추천하는 방법은, 검색 대상에 포함된 단어에 대한 추천 정보를 측정하는 단계, 상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산하는 단계 및 상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천하는 단계를 포함한다.

도서 검색, 단어, 단어 추천, 가중치

Description

검색 대상과 연관된 단어를 추천하는 방법 및 상기 방법을 수행하는 시스템{METHOD FOR RECOMMENDING WORDS ASSOCIATED WITH AN OBJECT OF SEARCH AND SYSTEM FOR EXECUTING THE METHOD}

도 1은 종래기술에 있어서 도서의 본문 내용을 검색하는 방법의 일례를 도시한 도면이다.

도 2는 본 발명의 일실시예에 있어서, 검색 대상과 연관된 단어를 추천하는 방법을 도시한 흐름도이다.

도 3은 본 발명의 일실시예에 있어서, 추천 정보를 측정하는 방법을 도시한 흐름도이다.

도 4는 본 발명의 일실시예에 있어서, 단어 가중치를 계산하는 방법을 도시한 흐름도이다.

도 5는 도서의 본문 내용이 포함하는 단어를 추천하는 웹 페이지의 일례이다.

도 6은 추천한 단어의 선택에 대해 제공되는 검색 결과 페이지의 일례이다.

도 7은 본 발명의 다른 실시예에 있어서, 단어 추천 시스템의 내부 구성을 설명하기 위한 블록도이다.

도 8은 본 발명의 다른 실시예에 있어서, 단어 가중치부의 내부 구성을 설명 하기 위한 블록도이다.

<도면의 주요 부분에 대한 부호의 설명>

700: 단어 추천 시스템

701: 추천 정보 측정부

702: 단어 가중치부

703: 단어 추천부

801: 제1 단어 가중치 생성부

802: 제2 단어 가중치 생성부

803: 단어 가중치 계산부

본 발명은 검색 대상과 연관된 단어를 추천하는 방법 및 상기 방법을 수행하는 시스템에 관한 것으로, 더욱 자세하게는 상기 검색 대상에 포함된 단어에 대해 상기 단어의 단어 출현 빈도, 상기 단어가 포함된 문서의 문서 길이 등을 이용하여 단어 가중치를 계산하고, 상기 단어 가중치에 기초하여 상기 검색 대상의 문서 별로 상기 단어를 추천하는 방법 및 상기 방법을 수행하는 시스템에 관한 것이다.

검색 엔진(search engine)은 인터넷상에서 자료를 쉽게 찾을 수 있게 도와주는 소프트웨어 또는 웹사이트를 말한다. 이때, 검색 엔진은 사용자의 질의에 대한 자료를 웹사이트를 통해 제공하는 역할을 수행한다.

이러한 검색 엔진을 이용한 도서 검색에 있어서, 종래기술은 원하는 도서에 대한 질의를 통해 도서 검색을 수행하여 원하는 도서를 찾고, 검색된 도서의 본문 내용을 다시 검색할 수 있는 기능을 제공한다. 도 1은 종래기술에 있어서 도서의 본문 내용을 검색하는 방법의 일례를 도시한 도면이다.

도면부호(100)는 검색된 도서의 본문 내용 내에서 다시 검색을 수행하는 웹 페이지를 나타내고 있다. 이러한 웹 페이지는 검색 필드(101)를 통해 입력된 사용자의 질의를 포함하는 본문 내용의 일부분(102)을 사용자에게 제공할 수 있다. 또한, 도서의 목차(103)에 목차(103)의 첫 페이지로의 링크를 설정하여 사용자가 본문 내용을 확인할 수 있게 하거나, 페이지 이동 버튼(104)을 이용하여 이전 페이지 또는 다음 페이지를 선택하기 위한 버튼(105)을 제공할 수 있다.

그러나 이러한 검색 엔진을 이용한 도서 검색에 있어서, 사용자들은 도서 내에 어떠한 단어가 있는지 모르기 때문에 한 권의 책을 대상으로 검색을 수행할 때, 검색에 대한 질의를 선택하는데 어려움을 겪을 수 있다. 즉, 상기 도서에 대한 정보를 얻기 위해 또는 상기 도서에서 원하는 정보를 찾기 위해 상기 도서의 본문 내용을 검색하고자 하는 경우, 어떠한 질의를 이용하여 검색을 수행해야 하는가에 대해 어려움을 느끼게 되는 문제점이 있다.

본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위해, 검색 대상과 연관된 단어를 추천하는 방법 및 상기 방법을 수행하는 시스템에 관한 새로운 기술을 제안한다.

본 발명은 검색 대상 내에서 검색을 수행하는 경우, 상기 검색 대상에 포함된 단어를 사용자에게 추천함으로써 상기 검색 대상에 대한 검색을 수월하게 하는 것을 목적으로 한다.

본 발명의 다른 목적은 상기 검색 대상이 포함하는 문서 별로 상기 문서가 포함하는 단어에 대해 단어 가중치를 계산하여 상기 단어 가중치가 높은 순서로 상기 단어를 상기 사용자에게 추천하는 것이다.

본 발명의 또 다른 목적은 상기 단어의 출현 빈도, 상기 문서의 문서 길이 및 전체 문서에서 상기 단어가 출현한 문서의 수 등에 기초하여 상기 단어 가중치를 계산함으로써 상기 문서 길이에 따라 상기 출현 빈도가 높은 단어에 대해 더 높은 단어 가중치를 갖게 하는 것이다.

상기의 목적을 달성하고, 상술한 종래기술의 문제점을 해결하기 위하여, 본 발명의 일실시예에 따른 검색 대상과 연관된 단어를 추천하는 방법은, 검색 대상에 포함된 단어에 대한 추천 정보를 측정하는 단계, 상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산하는 단계 및 상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천하는 단계를 포함한다.

본 발명의 일측에 따르면, 상기 추천 정보는 (1) 상기 단어를 포함하는 문서의 문서 길이, (2) 상기 검색 대상에 해당하는 전체 문서에 대한 전체 문서 개수, (3) 상기 단어의 단어 출현 빈도, (4) 상기 단어가 출현한 문서의 개수인 단어 출현 문서 개수 또는 (5) 상기 전체 문서에 대한 문서 평균 길이를 포함할 수 있다.

본 발명의 다른 측면에 따르면, 검색 대상에 포함된 단어에 대한 추천 정보를 측정하는 상기 단계는, 상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하는 단계, 상기 문서 별로 측정된 상기 문서 길이를 이용하여 전체 문서 길이를 계산하는 단계 및 상기 전체 문서 길이 및 상기 전체 문서 개수에 기초하여 상기 문서 평균 길이를 계산하는 단계를 포함할 수 있다.

본 발명의 또 다른 측면에 따르면, 상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하는 상기 단계는, 상기 전체 문서 중 어느 하나의 문서에 대해 상기 문서 길이를 측정하는 제1 단계, 상기 문서에 포함된 단어 별로 상기 단어 출현 빈도를 측정하는 제2 단계, 상기 단어 별로 단어 출현 문서 개수를 갱신하는 제3 단계 및 상기 제1 단계 내지 상기 제3 단계를 상기 전체 문서에 대해 반복 수행하는 제4 단계를 포함할 수 있다.

본 발명의 다른 실시예에 있어서, 검색 대상과 연관된 단어를 추천하는 단어 추천 시스템은, 검색 대상에 포함된 단어에 대한 추천 정보를 측정하는 추천 정보 측정부, 상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산하는 단어 가중치부 및 상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천하는 단어 추천부를 포함한다.

이하 첨부된 도면을 참조하여 본 발명에 따른 다양한 실시예를 상세히 설명하기로 한다.

단계(S210)에서 검색 대상과 연관된 단어를 상기 검색 대상에 대한 질의로서 추천하는 단어 추천 시스템은 상기 검색 대상에 포함된 상기 단어에 대한 추천 정보를 측정한다. 이때, 상기 추천 정보는 (1) 상기 단어를 포함하는 문서의 문서 길이, (2) 상기 검색 대상에 해당하는 전체 문서에 대한 전체 문서 개수, (3) 상기 단어의 단어 출현 빈도, (4) 상기 단어가 출현한 문서의 개수인 단어 출현 문서 개수 또는 (5) 상기 전체 문서에 대한 문서 평균 길이를 포함할 수 있다.

또한, 상기 검색 대상은 복수의 문서로 이루어진 도서의 본문 내용을 포함할 수 있고, 상기 본문 내용은 상기 도서의 목차에 기초하여 상기 문서로 분류될 수 있다. 이에 더해, 상기 단어는 명사 추출기를 이용하여 상기 검색 대상에서 추출한 추출 결과를 포함할 수 있다.

이러한 상기 추천 정보를 측정하는 방법에 대해서는 도 3을 통해 더욱 자세히 설명한다.

단계(S220)에서 상기 단어 추천 시스템은 상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산한다. 즉, 상기 단어 추천 시스템은 상기 문서 길이, 상기 전체 문서 개수, 상기 단어 출현 빈도, 상기 단어 출현 문서 개수 또는 상기 문서 평균 길이를 이용하여 상기 단어 가중치를 계산할 수 있다. 이러한 추천 정보에 기초하여 상기 단어 가중치를 계산하는 단계(S220)에 대해서는 도 4를 통해 더욱 자세히 설명한다.

단계(S230)에서 상기 단어 추천 시스템은 상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천한다. 이때, 단계(S230)는 상기 검색 대상에 포함된 문서 별로 상기 문서가 포함하는 단어를 상기 단어 가중치에 기초하여 리스팅(listing)하는 단계(S231), 리스팅된 상기 단어 중에서 상기 단어 가중치가 높은 순서로 기선정된(predetermined) 개수만큼 상기 단어를 추출하는 단계(S232) 및 상기 단어 추천 시스템은 상기 문서가 검색 페이지에 노출되는 경우, 추출된 상기 단어를 상기 문서에 대한 질의로서 제공하는 단계(S233)를 포함할 수 있다.

즉, 상기 단어 추천 시스템은 상기 도서의 본문 내용에 대한 결과 내 검색을 위해 상기 본문 내용을 상기 목차를 통해 분류한 복수의 문서 각각에 대해 상기 추천 정보를 이용하여 상기 단어 별로 상기 단어 가중치를 계산하고 사용자가 선택한 상기 문서에 포함된 단어를 상기 단어 가중치에 따라 추천할 수 있다.

이와 같이 단어 추천 방법은 단계(S210) 내지 단계(S230)과 같은 과정을 통해 검색 대상 내에서 검색을 수행하는 경우, 상기 검색 대상에 포함된 단어를 사용자에게 추천함으로써 상기 검색 대상에 대한 검색을 수월하게 할 수 있다. 이러한 단어 추천 방법을 이용하여 단어를 추천하는 일례 및 추천된 단어를 통해 검색 결과를 제공하는 일례를 도 5 및 도 6를 통해 자세히 설명한다.

도 3은 본 발명의 일실시예에 있어서, 추천 정보를 측정하는 방법을 도시한 흐름도이다. 도 3에 도시된 바와 같이 단계(S310) 내지 단계(S330)는 도 2를 통해 설명한 단계(S210)에 포함되어 수행될 수 있다.

단계(S310)에서 상기 단어 추천 시스템은 상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정한다. 이때, 도 3에 도시된 바와 같이 단계(S310)는 단계(S311) 내지 단계(S316)을 포함할 수 있다.

단계(S311)에서 상기 단어 추천 시스템은 상기 전체 문서 중 어느 하나의 문서에 대해 상기 문서 길이를 측정한다. 이때, 상기 문서 길이는 상기 문서의 문자열에 대한 바이트 크기를 통해 측정할 수 있다. 이와 같은 문서 길이는 단계(S311) 내지 단계(S313)을 반복 수행하는 단계(S314)를 통해 반복적으로 누적되어 상기 전체 문서 길이를 측정하는데 이용될 수 있다.

단계(S312)에서 상기 단어 추천 시스템은 상기 문서에 포함된 단어 별로 상기 단어 출현 빈도를 측정한다. 즉, 상기 단어 별로 상기 문서에 포함된 횟수를 측정함으로써 상기 단어 출현 빈도를 측정할 수 있다.

단계(S313)에서 상기 단어 추천 시스템은 상기 단어 별로 단어 출현 문서 개수를 갱신한다. 이때, 상기 단어 출현 문서 개수는 상기 전체 문서에 포함된 단어 별로 상기 단어가 출현하는 문서의 개수를 포함할 수 있고, 상기 단어 별로 단어 출현 문서 개수를 갱신하는 단계(S313)는 상기 단어 별로 상기 문서의 개수를 카운팅하거나 또는 상기 단어가 출현하는 문서를 상기 단어와 연관된 문서리스트에 추가하는 단계일 수 있다.

이와 같은 단계(S311) 내지 단계(S313)는 도 2에서 설명한 명사 추출기를 이용하여 상기 문서에 포함된 상기 단어를 하나씩 추출하면서 추출된 상기 단어에 대한 상기 단어 출현 빈도를 측정할 수 있고, 상기 단어 출현 문서 개수를 갱신할 수 있다. 또한, 상기 문서 길이는 상기 문서의 생성 시 저장되어 있던 상기 문서의 문자열에 대한 바이트 크기를 확인하여 측정할 수 있다.

단계(S314)에서 상기 단어 추천 시스템은 단계(S311) 내지 단계(S313)를 상기 전체 문서에 대해 반복 수행하기 위해 상기 전체 문서에 대해 상기 문서 길이 및 상기 단어 출현 빈도를 측정하고, 상기 단어 출현 문서 개수를 갱신한다. 이때, 상기 단어 추천 시스템은 단계(S311) 내지 단계(S313)를 상기 전체 문서에 대해 수행한 후 단계(S315)를 수행한다.

단계(S315)에서 상기 단어 추천 시스템은 단계(S311) 내지 단계(S313)를 반복 수행한 횟수를 상기 전체 문서 개수로서 측정한다. 즉, 단계(S314)에서 단계(S311) 내지 단계(S313)가 반복될 때마다 반복 횟수를 측정하여 상기 전체 문서 개수를 측정할 수 있다.

단계(S316)에서 상기 단어 추천 시스템은 최종 갱신된 상기 단어 출현 문서 개수를 확인한다. 이러한 상기 단어 출현 문서 개수는 단계(S313)에서 설명된 바와 같이 상기 단어 별로 카운팅된 문서의 개수를 통해 확인하거나 또는 상기 단어와 연관된 문서리스트에 포함된 문서의 개수를 통해 확인할 수 있다.

단계(S320)에서 상기 단어 추천 시스템은 상기 문서 별로 측정된 상기 문서 길이를 이용하여 전체 문서 길이를 계산한다. 즉, 단계(S311)의 반복 수행을 통해 최종적으로 누적된 상기 문서 길이를 상기 전체 문서 길이로서 구하거나 또는 상기 문서 별로 각각 측정 및 저장된 상기 문서 길이를 합산하여 상기 전체 문서 길이를 계산할 수 있다.

단계(S330)에서 상기 단어 추천 시스템은 상기 전체 문서 길이 및 상기 전체 문서 개수에 기초하여 상기 문서 평균 길이를 계산한다. 보다 자세하게는, 상기 전체 문서 길이의 상기 전체 문서 개수에 대한 비율을 계산하여 상기 문서 평균 길이로서 측정할 수 있다.

이와 같이 단계(S310) 내지 단계(S330)를 통해 (1) 상기 단어를 포함하는 문서의 문서 길이, (2) 상기 검색 대상에 해당하는 전체 문서에 대한 전체 문서 개수, (3) 상기 단어의 단어 출현 빈도, (4) 상기 단어가 출현한 문서의 개수인 단어 출현 문서 개수 또는 (5) 상기 전체 문서에 대한 문서 평균 길이를 포함하는 상기 추천 정보를 측정할 수 있고, 이러한 상기 추천 정보를 이용하여 도 2를 통해 설명한 단어 가중치를 계산할 수 있다.

도 4는 본 발명의 일실시예에 있어서, 단어 가중치를 계산하는 방법을 도시한 흐름도이다. 도 4에 도시된 바와 같이 단계(S410) 내지 단계(S430)는 도 2에서 설명한 단계(S220)에 포함되어 수행될 수 있다.

단계(S410)에서 상기 단어 추천 시스템은 상기 문서에 대해 상기 단어 출현 빈도, 상기 문서의 문서 길이 및 전체 문서 개수에 기초하여 제1 단어 가중치를 생성한다. 이때, 상기 제1 단어 가중치를 생성하는 단계(S410)는 상기 문서 별로 상기 문서 길이의 상기 문서 평균 길이에 대한 비율을 계산하여 상기 단어 출현 빈도에 합산하는 단계(S411) 및 상기 단어 출현 빈도의 상기 합산된 단어 출현 빈도에 대한 비율을 상기 제1 단어 가중치로서 생성하는 단계(S412)를 포함할 수 있다. 이와 같은 상기 제1 단어 가중치는 다음 수학식 1과 같이 나타낼 수 있다.

단계(S420)에서 상기 단어 추천 시스템은 상기 문서에 대해 상기 단어 출현 문서 개수 및 상기 전체 문서 개수에 기초하여 제2 단어 가중치를 생성한다. 이때, 상기 단어 출현 문서 개수는 상기 전체 문서에 포함된 단어 별로 상기 단어가 출현하는 문서의 개수를 포함할 수 있고, 상기 제2 단어 가중치를 생성하는 단계(S420)는 상기 단어 출현 문서 개수의 상기 전체 문서 개수에 대한 비율을 상기 제2 단어 가중치로 생성하는 단계일 수 있다. 이와 같은 상기 제2 단어 가중치는 다음 수학식 2와 같이 나타낼 수 있다.

단계(S430)에서 상기 단어 추천 시스템은 상기 제1 단어 가중치 및 상기 제2 단어 가중치를 통해 상기 문서 별로 상기 단어 가중치를 계산한다. 이때, 상기 단어 추천 시스템은 상기 제1 단어 가중치 및 상기 제2 단어 가중치의 곱셈 연산을 통해 상기 단어 가중치를 계산할 수 있다. 즉, 상기 단어 가중치는 다음 수학식 3과 같다.

이와 같이, 상기 검색 대상이 포함하는 문서 별로 상기 문서가 포함하는 단어에 대해 단어 가중치를 계산하여 상기 단어 가중치가 높은 순서로 상기 단어를 상기 사용자에게 추천할 수 있다.

또한, 상기 단어의 출현 빈도, 상기 문서의 문서 길이 및 전체 문서에서 상기 단어가 출현한 문서의 수 등에 기초하여 상기 단어 가중치를 계산함으로써 상기 문서 길이에 따라 상기 출현 빈도가 높은 단어에 대해 더 높은 단어 가중치를 갖게 할 수 있다. 이러한 상기 단어 가중치를 정리하면 다음 수학식 4와 같이 나타낼 수 있다.

이와 같이 상기 전체 문서에 대해 각각의 문서 별로 상기 단어 가중치를 계산함으로써, 상기 문서에 포함된 단어에 대한 단어 가중치를 통해 사용자에게 상기 문서 별로 상기 단어를 추천할 수 있다.

도면부호(500)는 도서의 본문 내용을 검색 대상으로 하여 상기 본문 내용이 포함하는 단어를 추천하는 웹 페이지를 나타내고 있다. 도 2 내지 도 4를 통해 설명한 바와 같이 상기 웹 페이지는 상기 본문 내용 내 검색을 위한 검색 필드(501)를 포함할 수 있고, 사용자에게 이러한 상기 본문 내용 내 검색을 편리하게 제공하기 위해 상기 사용자에게 현재 상기 웹 페이지 상에 나타나는 문서(502)에 포함된 단어(503)를 단어 가중치를 이용하여 추출 및 제공할 수 있다.

즉, 상기 사용자는 이렇게 추천된 단어(503)들을 이용하여 문서(502)의 검색을 간편하게 수행할 수 있다. 이때, 이러한 문서(502)의 검색은 검색 필드(501)를 통해 단어(503)를 입력하거나 또는 추천된 단어(503)들 중에서 원하는 단어(504)를 선택함으로써 수행될 수 있다. 예를 들어, 상기 사용자는 단어(“수열”)(504)를 클릭함으로써, 단어(504)에 대한 검색 결과를 얻을 수 있다.

도면부호(600)는 도 5에서 설명한 단어(“수열”)(504)에 대한 검색 결과(601)를 사용자에게 제공하는 검색 결과 페이지를 나타내고 있다.

즉, 도서의 본문 내용을 상기 도서의 목차를 통해 복수의 문서로 분류하고, 상기 사용자에 의해 선택된 문서가 포함하는 단어를 단어 가중치를 통해 추천하여 상기 문서에서 선택된 단어(504)가 포함된 내용을 검색 결과(601)로서 제공할 수 있다. 또한, 상기 사용자는 복수의 검색 결과(601) 중에서 원하는 검색 결과(602)를 선택함으로써, 보다 편리하게 상기 본문 내용에서 원하는 검색 결과를 얻을 수 있다.

이와 같이 도 2 내지 도 6을 통해 설명한 도서 추천 방법을 통해 검색 대상 내에서 검색을 수행하는 경우, 상기 검색 대상에 포함된 단어를 사용자에게 추천함으로써 상기 검색 대상에 대한 검색을 수월하게 할 수 있고, 상기 검색 대상이 포함하는 문서 별로 상기 문서가 포함하는 단어에 대해 단어 가중치를 계산하여 상기 단어 가중치가 높은 순서로 상기 단어를 상기 사용자에게 추천할 수 있다.

또한, 상기 단어의 출현 빈도, 상기 문서의 문서 길이 및 전체 문서에서 상기 단어가 출현한 문서의 수 등에 기초하여 상기 단어 가중치를 계산함으로써 상기 문서 길이에 따라 상기 출현 빈도가 높은 단어에 대해 더 높은 단어 가중치를 갖게 할 수 있다.

도 7은 본 발명의 다른 실시예에 있어서, 단어 추천 시스템의 내부 구성을 설명하기 위한 블록도이다. 이때, 사용자에게 검색 대상에 대한 단어를 추천하는 단어 추천 시스템(700)은 추천 정보 측정부(701), 단어 가중치부(702) 및 단어 추천부(703)를 포함할 수 있다.

추천 정보 측정부(701)는 검색 대상에 포함된 단어에 대한 추천 정보를 측정한다. 이때, 상기 추천 정보는 (1) 상기 단어를 포함하는 문서의 문서 길이, (2) 상기 검색 대상에 해당하는 전체 문서에 대한 전체 문서 개수, (3) 상기 단어의 단어 출현 빈도, (4) 상기 단어가 출현한 문서의 개수인 단어 출현 문서 개수 또는 (5) 상기 전체 문서에 대한 문서 평균 길이를 포함할 수 있다.

또한, 상기 검색 대상은 복수의 문서로 이루어진 도서의 본문 내용을 포함할 수 있고, 상기 본문 내용은 상기 도서의 목차에 기초하여 상기 문서로 분류될 수 있다. 이에 더해, 상기 단어는 명사 추출기를 이용하여 상기 검색 대상에서 추출한 추출 결과를 포함할 수 있다. 즉, 추천 정보 측정부(701)는 상기 본문 내용을 상기 목차에 따라 분류한 복수의 문서 각각에 대해 상기 추천 정보를 측정할 수 있다.

이를 위해 추천 정보 측정부(701)는 상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하여 상기 문서 별로 측정된 상기 문서 길이를 이용하여 전체 문서 길이를 계산한다. 또한, 상기 전체 문서 길이 및 상기 전체 문서 개수에 기초하여 상기 문서 평균 길이를 계산함으로써, 상기 추천 정보를 측정할 수 있다. 이때, 상기 단어 출현 빈도는 상기 복수의 문서를 하나씩 순차적으로 처리하면서 상기 문서에 포함된 단어 별로 측정할 수 있다.

또한, 상기 단어 출현 문서 개수는 상기 문서 별로 특정 단어에 대한 상기 문서의 개수를 카운팅하거나 또는 상기 단어가 출현하는 문서를 상기 단어와 연관된 문서리스트에 추가함으로써, 측정할 수 있다. 즉, 상기 전체 문서에 대해 위와 같은 과정을 반복 수행한 이후 상기 카운팅된 문서의 개수를 확인하거나 또는 상기 문서리스트에 포함된 상기 문서의 개수를 확인함으로써 상기 단어 출현 문서 개수를 확인할 수 있다. 이에 더해, 추천 정보 측정부(701)는 상기 반복 수행의 횟수를 측정하여 상기 전체 문서 개수로서 확인할 수 있다.

단어 가중치부(702)는 상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산한다. 즉, 추천 정보 측정부(701)에서 측정된 상기 추천 정보를 이용하여 상기 문서 별로 상기 단어 가중치를 계산하여 상기 문서에 대한 질의로서 단 어를 추천하기 위한 기준으로 이용할 수 있다. 이러한 단어 가중치를 계산하는 단어 가중치부(702)에 대해서는 도 8을 통해 더욱 자세히 설명한다.

단어 추천부(703)는 상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천한다. 이를 위해, 단어 추천부(703)는 상기 검색 대상에 포함된 문서 별로 상기 문서가 포함하는 단어를 상기 단어 가중치에 기초하여 리스팅(listing)하고, 리스팅된 상기 단어 중에서 상기 단어 가중치가 높은 순서로 기선정된 개수만큼 상기 단어를 추출하여 상기 문서가 검색 페이지에 노출되는 경우, 추출된 상기 단어를 상기 문서에 대한 질의로서 제공할 수 있다.

도 8은 본 발명의 다른 실시예에 있어서, 단어 가중치부의 내부 구성을 설명하기 위한 블록도이다. 도 8에 도시된 바와 같이 단어 가중치부(702)는 제1 단어 가중치 생성부(801), 제2 단어 가중치 생성부(802) 및 단어 가중치 계산부(803)를 포함할 수 있다.

제1 단어 가중치 생성부(801)는 상기 문서에 대해 상기 단어 출현 빈도, 상기 문서의 문서 길이 및 전체 문서 개수에 기초하여 제1 단어 가중치를 생성한다. 이와 같은 제1 단어 가중치를 생성하기 위해 제1 단어 가중치 생성부(801)는 상기 문서 별로 상기 문서 길이의 상기 문서 평균 길이에 대한 비율을 계산하여 상기 단어 출현 빈도에 합산하고, 상기 단어 출현 빈도의 상기 합산된 단어 출현 빈도에 대한 비율 계산하여 상기 제1 단어 가중치로서 생성할 수 있다.

제2 단어 가중치 생성부(802)는 상기 문서에 대해 상기 단어 출현 문서 개수 및 상기 전체 문서 개수에 기초하여 제2 단어 가중치를 생성한다. 이때, 상기 단 어 출현 문서 개수는 상기 전체 문서에 포함된 단어 별로 상기 단어가 출현하는 문서의 개수를 포함할 수 있고, 제2 단어 가중치 생성부(802)는 이러한 상기 단어 출현 문서 개수의 상기 전체 문서 개수에 대한 비율을 계산하여 상기 제2 단어 가중치로서 생성할 수 있다.

단어 가중치 계산부(803)는 이와 같이 제1 단어 가중치 생성부(801)를 통해 생성된 상기 제1 단어 가중치 및 제2 단어 가중치 생성부(802)를 통해 생성된 상기 제2 단어 가중치를 통해 상기 문서 별로 상기 단어 가중치를 계산할 수 있다. 즉, 단어 가중치 계산부(803)는 상기 제1 단어 가중치 및 상기 제2 단어 가중치의 곱셈 연산을 통해 상기 단어 가중치를 계산할 수 있다.

이와 같이 본 발명에 따른 단어 추천 시스템(700)을 통해 검색 대상 내에서 검색을 수행하는 경우, 상기 검색 대상에 포함된 단어를 사용자에게 추천함으로써 상기 검색 대상에 대한 검색을 수월하게 할 수 있고, 상기 검색 대상이 포함하는 문서 별로 상기 문서가 포함하는 단어에 대해 단어 가중치를 계산하여 상기 단어 가중치가 높은 순서로 상기 단어를 상기 사용자에게 추천할 수 있다. 또한, 상기 단어의 출현 빈도, 상기 문서의 문서 길이 및 전체 문서에서 상기 단어가 출현한 문서의 수 등에 기초하여 상기 단어 가중치를 계산함으로써 상기 문서 길이에 따라 상기 출현 빈도가 높은 단어에 대해 더 높은 단어 가중치를 갖게 할 수 있다.

본 발명에 따른 실시예들은 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

본 발명에 따르면, 검색 대상 내에서 검색을 수행하는 경우, 상기 검색 대상에 포함된 단어를 사용자에게 추천함으로써 상기 검색 대상에 대한 검색을 수월하게 할 수 있다.

본 발명에 따르면, 상기 검색 대상이 포함하는 문서 별로 상기 문서가 포함하는 단어에 대해 단어 가중치를 계산하여 상기 단어 가중치가 높은 순서로 상기 단어를 상기 사용자에게 추천할 수 있다.

본 발명에 따르면, 상기 단어의 출현 빈도, 상기 문서의 문서 길이 및 전체 문서에서 상기 단어가 출현한 문서의 수 등에 기초하여 상기 단어 가중치를 계산함으로써 상기 문서 길이에 따라 상기 출현 빈도가 높은 단어에 대해 더 높은 단어 가중치를 갖게 할 수 있다.

Claims

검색 대상과 연관된 단어를 추천하는 방법에 있어서,

검색 대상에 포함된 단어에 대한 추천 정보를 측정하는 단계;

상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산하는 단계; 및

상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천하는 단계

를 포함하는 것을 특징으로 하는 단어 추천 방법.
제1항에 있어서,

상기 추천 정보는 (1) 상기 단어를 포함하는 문서의 문서 길이, (2) 상기 검색 대상에 해당하는 전체 문서에 대한 전체 문서 개수, (3) 상기 단어의 단어 출현 빈도, (4) 상기 단어가 출현한 문서의 개수인 단어 출현 문서 개수 또는 (5) 상기 전체 문서에 대한 문서 평균 길이를 포함하는 것을 특징으로 하는 단어 추천 방법.
제2항에 있어서,

검색 대상에 포함된 단어에 대한 추천 정보를 측정하는 상기 단계는,

상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하는 단계;

상기 문서 별로 측정된 상기 문서 길이를 이용하여 전체 문서 길이를 계산하는 단계; 및

상기 전체 문서 길이 및 상기 전체 문서 개수에 기초하여 상기 문서 평균 길이를 계산하는 단계

를 포함하는 것을 특징으로 하는 단어 추천 방법.
제3항에 있어서,

상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하는 상기 단계는,

상기 전체 문서 중 어느 하나의 문서에 대해 상기 문서 길이를 측정하는 제1 단계;

상기 문서에 포함된 단어 별로 상기 단어 출현 빈도를 측정하는 제2 단계;

상기 단어 별로 단어 출현 문서 개수를 갱신하는 제3 단계; 및

상기 제1 단계 내지 상기 제3 단계를 상기 전체 문서에 대해 반복 수행하는 제4 단계

를 포함하는 것을 특징으로 하는 단어 추천 방법.
제4항에 있어서,

상기 단어 출현 문서 개수는 상기 전체 문서에 포함된 단어 별로 상기 단어가 출현하는 문서의 개수를 포함하고,

상기 제3 단계는,

상기 단어 별로 상기 문서의 개수를 카운팅하거나 또는 상기 단어가 출현하는 문서를 상기 단어와 연관된 문서리스트에 추가하는 단계인 것을 특징으로 하는 단어 추천 방법.
제4항에 있어서,

상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하는 상기 단계는,

상기 제1 단계 내지 상기 제3 단계를 반복 수행한 횟수를 상기 전체 문서 개수로서 측정하는 제5 단계

를 더 포함하는 것을 특징으로 하는 단어 추천 방법.
제4항에 있어서,

상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하는 상기 단계는,

최종 갱신된 상기 단어 출현 문서 개수를 확인하는 제5 단계

를 더 포함하는 것을 특징으로 하는 단어 추천 방법.
제2항에 있어서,

상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산하는 상기 단계는,

상기 문서에 대해 상기 단어 출현 빈도, 상기 문서의 문서 길이 및 전체 문서 개수에 기초하여 제1 단어 가중치를 생성하는 단계;

상기 문서에 대해 상기 단어 출현 문서 개수 및 상기 전체 문서 개수에 기초하여 제2 단어 가중치를 생성하는 단계; 및

상기 제1 단어 가중치 및 상기 제2 단어 가중치를 통해 상기 문서 별로 상기 단어 가중치를 계산하는 단계

를 포함하는 것을 특징으로 하는 단어 추천 방법.
제8항에 있어서,

상기 단어 출현 빈도, 상기 문서의 문서 길이 및 전체 문서 개수에 기초하여 제1 단어 가중치를 생성하는 상기 단계는,

상기 문서 별로 상기 문서 길이의 상기 문서 평균 길이에 대한 비율을 계산하여 상기 단어 출현 빈도에 합산하는 단계; 및

상기 단어 출현 빈도의 상기 합산된 단어 출현 빈도에 대한 비율을 상기 제1 단어 가중치로서 생성하는 단계

를 포함하는 것을 특징으로 하는 단어 추천 방법.
제8항에 있어서,

상기 단어 출현 문서 개수는 상기 전체 문서에 포함된 단어 별로 상기 단어 가 출현하는 문서의 개수를 포함하고,

상기 단어 출현 문서 개수 및 상기 전체 문서 개수에 기초하여 제2 단어 가중치를 생성하는 상기 단계는,

상기 단어 출현 문서 개수의 상기 전체 문서 개수에 대한 비율을 상기 제2 단어 가중치로 생성하는 단계인 것을 특징으로 하는 단어 추천 방법.
제8항에 있어서,

상기 제1 단어 가중치 및 상기 제2 단어 가중치를 통해 상기 문서 별로 상기 단어 가중치를 계산하는 상기 단계는,

상기 제1 단어 가중치 및 상기 제2 단어 가중치의 곱셈 연산을 통해 상기 단어 가중치를 계산하는 단계인 것을 특징으로 하는 단어 추천 방법.
제1항에 있어서,

상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천하는 상기 단계는,

상기 검색 대상에 포함된 문서 별로 상기 문서가 포함하는 단어를 상기 단어 가중치에 기초하여 리스팅(listing)하는 단계;

리스팅된 상기 단어 중에서 상기 단어 가중치가 높은 순서로 기선정된(predetermined) 개수만큼 상기 단어를 추출하는 단계; 및

상기 문서가 검색 페이지에 노출되는 경우, 추출된 상기 단어를 상기 문서에 대한 질의로서 제공하는 단계

를 포함하는 것을 특징으로 하는 단어 추천 방법.
제1항에 있어서,

상기 검색 대상은 복수의 문서로 이루어진 도서의 본문 내용을 포함하고,

상기 본문 내용은 상기 도서의 목차에 기초하여 상기 문서로 분류되는 것을 특징으로 하는 단어 추천 방법.
제1항에 있어서,

상기 단어는 명사 추출기를 이용하여 상기 검색 대상에서 추출한 추출 결과를 포함하는 것을 특징으로 하는 단어 추천 방법.
제1항 내지 제14항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
검색 대상과 연관된 단어를 추천하는 단어 추천 시스템에 있어서,

검색 대상에 포함된 단어에 대한 추천 정보를 측정하는 추천 정보 측정부;

상기 추천 정보에 기초하여 상기 단어에 대한 단어 가중치를 계산하는 단어 가중치부; 및

상기 단어 가중치에 기초하여 상기 단어를 상기 검색 대상에 대한 질의로서 추천하는 단어 추천부

를 포함하는 것을 특징으로 하는 단어 추천 시스템.
제16항에 있어서,

상기 추천 정보는 (1) 상기 단어를 포함하는 문서의 문서 길이, (2) 상기 검색 대상에 해당하는 전체 문서에 대한 전체 문서 개수, (3) 상기 단어의 단어 출현 빈도, (4) 상기 단어가 출현한 문서의 개수인 단어 출현 문서 개수 또는 (5) 상기 전체 문서에 대한 문서 평균 길이를 포함하는 것을 특징으로 하는 단어 추천 시스템.
제17항에 있어서,

상기 추천 정보 측정부는,

상기 문서를 통해 상기 단어 출현 빈도, 상기 문서 길이 및 상기 단어 출현 문서 개수를 측정하는 측정부;

상기 문서 별로 측정된 상기 문서 길이를 이용하여 전체 문서 길이를 계산하는 전체 문서 길이 계산부; 및

상기 전체 문서 길이 및 상기 전체 문서 개수에 기초하여 상기 문서 평균 길이를 계산하는 문서 평균 길이 계산부

를 포함하는 것을 특징으로 하는 단어 추천 시스템.
제17항에 있어서,

상기 단어 가중치부는,

상기 문서에 대해 상기 단어 출현 빈도, 상기 문서의 문서 길이 및 전체 문서 개수에 기초하여 제1 단어 가중치를 생성하는 제1 단어 가중치 생성부;

상기 문서에 대해 상기 단어 출현 문서 개수 및 상기 전체 문서 개수에 기초하여 제2 단어 가중치를 생성하는 제2 단어 가중치 생성부; 및

상기 제1 단어 가중치 및 상기 제2 단어 가중치를 통해 상기 문서 별로 상기 단어 가중치를 계산하는 단어 가중치 계산부

를 포함하는 것을 특징으로 하는 단어 추천 시스템.
제16항에 있어서,

상기 단어 추천부는,

상기 검색 대상에 포함된 문서 별로 상기 문서가 포함하는 단어를 상기 단어 가중치에 기초하여 리스팅(listing)하는 리스팅부;

리스팅된 상기 단어 중에서 상기 단어 가중치가 높은 순서로 기선정된 개수만큼 상기 단어를 추출하는 단어 추출부; 및

상기 문서가 검색 페이지에 노출되는 경우, 추출된 상기 단어를 상기 문서에 대한 질의로서 제공하는 질의 제공부

를 포함하는 것을 특징으로 하는 단어 추천 시스템.