KR20130045054A - 키워드 추출 및 정련 시스템과 그 방법 - Google Patents

키워드 추출 및 정련 시스템과 그 방법 Download PDF

Info

Publication number
KR20130045054A
KR20130045054A KR1020110109496A KR20110109496A KR20130045054A KR 20130045054 A KR20130045054 A KR 20130045054A KR 1020110109496 A KR1020110109496 A KR 1020110109496A KR 20110109496 A KR20110109496 A KR 20110109496A KR 20130045054 A KR20130045054 A KR 20130045054A
Authority
KR
South Korea
Prior art keywords
keyword
keywords
candidate
noise
conditional probability
Prior art date
Application number
KR1020110109496A
Other languages
English (en)
Other versions
KR101868936B1 (ko
Inventor
조민정
김상희
성주원
장두성
Original Assignee
주식회사 케이티
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 케이티 filed Critical 주식회사 케이티
Priority to KR1020110109496A priority Critical patent/KR101868936B1/ko
Publication of KR20130045054A publication Critical patent/KR20130045054A/ko
Application granted granted Critical
Publication of KR101868936B1 publication Critical patent/KR101868936B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 키워드 추출 및 정련 시스템과 그 방법에 관한 것으로, 동영상과 관련된 데이터(메타데이터)로부터 통제 어휘를 이용하여 후보 키워드를 추출하고, 상기 추출된 후보 키워드로부터 베이지안 확률을 이용하여 노이즈 키워드를 제거함으로써 정련된 키워드를 추출하기 위한, 키워드 추출 및 정련 시스템과 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은 키워드 추출 및 정련 시스템에 있어서, 제 1 텍스트 데이터로부터 통제 어휘를 선정하기 위한 통제 어휘 선정부; 상기 통제 어휘 선정부에서 선정된 통제 어휘를 이용하여 제 2 텍스트 데이터로부터 후보 키워드를 추출하기 위한 후보 키워드 추출부; 특정 단어가 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하기 위한 조건부 확률 계산부; 및 상기 조건부 확률 계산부에서 구한 조건부 확률을 이용하여 상기 후보 키워드 추출부에서 추출된 후보 키워드 중 노이즈 키워드를 제거하여 키워드를 정련하기 위한 키워드 정련부를 포함한다.

Description

키워드 추출 및 정련 시스템과 그 방법{Keyword extracting and refining system, and method thereof}
본 발명은 동영상 내용 기반 검색 시스템 등에서 정확도를 높이기 위해 사용되는 키워드 추출 및 정련 시스템과 그 방법에 관한 것으로, 더욱 상세하게는 동영상 등의 메타데이터로부터 통제 어휘를 이용하여 후보 키워드를 추출하고, 상기 추출된 후보 키워드로부터 베이지안 확률을 이용하여 노이즈 키워드를 제거함으로써 정련된 키워드를 추출하기 위한, 키워드 추출 및 정련 시스템과 그 방법에 관한 것이다.
최근 인터넷상에서 동영상 서비스를 제공하는 업체들이 많아지면서 그와 더불어 동영상 검색 서비스에 대한 필요성도 높아지고 있다.
일반적으로, 동영상 검색 방식은 동영상의 내용을 대표하는 키워드를 추출하여 색인하고, 이렇게 색인된 키워드를 이용하여 동영상을 검색한다. 그에 따라 동영상의 내용을 대표하는 적절한 키워드를 추출하는 과정은 매우 중요하다. 특히, 텍스트의 검색 시간보다 동영상의 검색 시간이 더 오래 걸린다는 점에서 정확한 키워드의 추출은 매우 중요하다.
일반적으로, 동영상의 키워드를 추출하기 위해서는 주로 메타데이터가 많이 사용되고 있으며, 그 외에도 시납시스, 리뷰, 웹에서 크롤링한 데이터 등도 사용되고 있다.
기존의 검색 서비스는 사전과 형태소 분석을 통해서 명사를 추출하고, 추출된 명사의 문헌 빈도(tf : term frequency)와 역문헌 빈도(idf : inverted document frequency)를 이용하여 가중치를 부여하여 색인을 수행하고, 이러한 색인을 이용하여 검색을 수행한다.
그러나 이러한 종래 방법은 많은 부적절한 키워드를 추출하는 결과를 가져오며, 시납시스는 양이 한정되어 있고 스포일러를 피하기 위해 앞부분의 내용만을 포함하기 때문에 문헌 빈도(tf)와 역문헌 빈도(idf)를 이용한 가중치 부여 방식이 효과적이지 않다.
따라서 상기와 같은 종래 기술은 시납시스에 있는 모든 키워드들을 사전을 기반으로 전부 추출하므로 부적절한 키워드를 다수 포함하는 결과를 가져오며, 시납시스는 양이 한정되어 있고 스포일러를 피하기 위해 앞부분의 내용만을 포함하기 때문에 문헌 빈도(tf)와 역문헌 빈도(idf)를 이용한 가중치 부여 방식은 변별력이 적어, 부적절한 노이즈 키워드가 유의미한 키워드와 비슷한 가중치를 부여받게 되므로 정확도를 떨어뜨리는 문제점이 있으며, 이러한 문제점을 해결하고자 하는 것이 본 발명의 과제이다.
따라서 본 발명은 동영상과 관련된 데이터(메타데이터)로부터 통제 어휘를 이용하여 후보 키워드를 추출하고, 상기 추출된 후보 키워드로부터 베이지안 확률을 이용하여 노이즈 키워드를 제거함으로써 정련된 키워드를 추출하기 위한, 키워드 추출 및 정련 시스템과 그 방법을 제공하는 데 그 목적이 있다.
즉, 본 발명은 사전과 형태소 분석이 아니라 검색에 적절한 어휘들만을 포함하는 통제 어휘(즉, 통제 어휘 목록)를 이용하여 후보 키워드를 추출하고, 문헌 빈도(tf)와 역문헌 빈도(idf)로 가중치를 주는 방식이 아니라 적절한 키워드일 조건부 확률을 계산하여 부적절한 키워드를 노이즈로 판단하여 제거함으로써 정련된 키워드를 추출하기 위한, 키워드 추출 및 정련 시스템과 그 방법을 제공하는 데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시 예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 시스템은, 키워드 추출 및 정련 시스템에 있어서, 제 1 텍스트 데이터로부터 통제 어휘를 선정하기 위한 통제 어휘 선정부; 상기 통제 어휘 선정부에서 선정된 통제 어휘를 이용하여 제 2 텍스트 데이터로부터 후보 키워드를 추출하기 위한 후보 키워드 추출부; 특정 단어가 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하기 위한 조건부 확률 계산부; 및 상기 조건부 확률 계산부에서 구한 조건부 확률을 이용하여 상기 후보 키워드 추출부에서 추출된 후보 키워드 중 노이즈 키워드를 제거하여 키워드를 정련하기 위한 키워드 정련부를 포함한다.
한편, 상기 목적을 달성하기 위한 본 발명의 방법은, 키워드 추출 및 정련 시스템에서의 키워드 추출 및 정련 방법에 있어서, 제 1 텍스트 데이터로부터 통제 어휘를 선정하는 통제 어휘 선정 단계; 특정 단어가 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하는 조건부 확률 계산 단계; 상기 선정된 통제 어휘를 이용하여 제 2 텍스트 데이터로부터 후보 키워드를 추출하는 후보 키워드 추출 단계; 및 상기 구한 조건부 확률을 이용하여 상기 추출된 후보 키워드 중 노이즈 키워드를 제거하여 키워드를 정련하는 키워드 정련 단계를 포함한다.
상기와 같은 본 발명은, 사전과 형태소 분석이 아니라 검색에 적절한 어휘들만을 포함하는 통제 어휘(즉, 통제 어휘 목록)를 이용하여 후보 키워드를 추출하고, 문헌 빈도(tf)와 역문헌 빈도(idf)로 가중치를 주는 방식이 아니라 적절한 키워드일 조건부 확률을 계산하여 부적절한 키워드를 노이즈로 판단하여 제거함으로써, 정련된 키워드를 추출하여 색인할 수 있는 효과가 있다.
또한, 본 발명은, 색인 키워드의 정확성을 높임으로써 검색의 정확도를 집중적으로 높일 수 있고, 동영상 검색 서비스를 사용하는 사용자의 불편을 해소할 수 있으며, 동영상 검색 서비스의 효용성을 향상시킬 수 있다.
도 1은 본 발명에 따른 키워드 추출 및 정련 시스템의 일실시예 구성도,
도 2는 본 발명에 따른 도 1의 통제 어휘 선정부의 일실시예 상세 구성도,
도 3은 본 발명에 따른 도 1의 조건부 확률 계산부의 일실시예 상세 구성도,
도 4는 본 발명에 따른 키워드 추출 및 정련 방법에 대한 일실시예 흐름도,
도 5는 본 발명에 따른 도 4의 통제 어휘 선정 과정에 대한 일실시예 상세 흐름도,
도 6은 본 발명에 따른 도 4의 조건부 확률 계산 과정에 대한 일실시예 상세 흐름도이다.
상술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되어 있는 상세한 설명을 통하여 보다 명확해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하기로 한다.
그리고 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함" 또는 "구비"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함하거나 구비할 수 있는 것을 의미한다.
도 1은 본 발명에 따른 키워드 추출 및 정련 시스템의 일실시예 구성도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 키워드 추출 및 정련 시스템은, 제 1 텍스트 데이터로부터 통제 어휘를 선정하기 위한 통제 어휘 선정부(10), 상기 통제 어휘 선정부(10)에서 선정된 통제 어휘를 이용하여 제 2 텍스트 데이터로부터 후보 키워드를 추출하기 위한 후보 키워드 추출부(30), 특정 단어가 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하기 위한 조건부 확률 계산부(40), 및 상기 조건부 확률 계산부(40)에서 구한 조건부 확률을 이용하여 상기 후보 키워드 추출부(30)에서 추출된 후보 키워드 중 노이즈 키워드를 제거하여 키워드를 정련하기 위한 키워드 정련부(50)를 포함한다.
이때, 상기 키워드 정련부(50)는, 상기 후보 키워드 추출부(30)에서 추출된 후보 키워드가 노이즈 키워드인지를 상기 조건부 확률 계산부(40)에서 구한 조건부 확률을 이용하여 판정하기 위한 노이즈 키워드 판정기(51), 상기 노이즈 키워드 판정기(51)에서 노이즈 키워드로 판정된 키워드를 제거하여 키워드를 정련하기 위한 노이즈 키워드 제거기(52), 및 상기 노이즈 키워드 제거기(52)에서 정련된 키워드를 저장하기 위한 정련 키워드 데이터베이스(DB, 53)를 포함한다.
또한, 본 발명에 따른 키워드 추출 및 정련 시스템은, 상기 키워드 정련부(50)에서 정련된 키워드를 색인하여 색인 데이터베이스(70)에 저장하기 위한 키워드 색인부(60)를 더 포함할 수도 있다.
또한, 본 발명에 따른 키워드 추출 및 정련 시스템은, 상기 키워드 색인부(60)에서 색인된 키워드를 이용하여 동영상을 검색하기 위한 동영상 검색부(80)를 더 포함할 수도 있다.
이처럼, 본 발명에서는 동영상 검색 등에서 정확도를 높이기 위해 통제 어휘(즉, 통제 어휘 목록)를 이용하여 후보 키워드를 추출하고, 적절한 키워드일 조건부 확률 값을 이용하여 부적절한 키워드를 제거하는 방식을 사용한다.
즉, 본 발명에서는 동영상과 관련된 시납시스, 리뷰, 웹 크롤링 데이터 등의 텍스트 데이터로부터 추출한 키워드로부터 정확한 후보 키워드만을 추출하기 위해 적절한 통제 어휘(검색에 적절한 단어를 의미함)를 이용하여 후보 키워드를 추출하고, 이렇게 추출된 후보 키워드들이 적절한 키워드일 조건부 확률 값을 이용하여 노이즈 키워드를 제거하여 키워드를 정련하는 방식을 사용한다.
이러한 방식을 동영상과 관련된 시납시스를 예로 들어 좀 더 구체적으로 살펴보면 다음과 같다.
먼저, 동영상 검색을 위해서는 동영상의 내용을 대표할 수 있는 적절한 키워드를 추출하여 색인하여야 한다.
동영상의 형식적인 정보는 장르, 감독, 출연배우 등의 정형화된 메타데이터로부터 얻을 수도 있지만, 동영상의 내용에 관한 정보는 시납시스로부터 얻을 수 있다. 시납시스는 정형화된 정보가 아니라 텍스트 데이터이므로 적절한 키워드들을 추출하여야 한다.
시납시스로부터 키워드를 추출하는 방식을 도 1을 참조하여 살펴보면, 후보 키워드 추출부(30)의 키워드 추출기(31)는 검색에 적절한 단어들로 이루어진 통제 어휘를 이용하여 패턴 매칭으로 시납시스(20, 제 2 텍스트 데이터)로부터 단어(후보 키워드)들을 추출하여 후보 키워드 데이터베이스(32)에 저장한다. 이때, 통제 어휘로는 통제 어휘 선정부(10)에 의해 미리 선정되어 통제 어휘 데이터베이스(11)에 저장되어 있는 통제 어휘를 이용한다(후술되는 도 2 참조).
이렇게 추출한 단어(후보 키워드)들 중에는 여전히 검색에 적절하지 않은 노이즈 키워드들이 존재할 수 있다.
따라서 조건부 확률 계산부(40)에서는 특정 단어들이 적절한 검색 키워드일 조건부 확률을 베이지안 확률을 이용하여 미리 구하여 조건부 확률 데이터베이스(41)에 저장한다(후술되는 도 3 참조).
그리고 키워드 정련부(50)에서는 상기 키워드 추출기(31)에서 추출된 단어(후보 키워드)들 중에서 적절한 검색 키워드일 확률이 낮은 단어(후보 키워드)들을 동영상의 내용과 관련이 없는 노이즈 키워드로 판단하여 제거하는 방식으로 키워드를 정련한다. 이때, 각 단어별로 구해진 조건부 확률에 따라 상기 추출된 후보 키워드들이 노이즈 키워드일 조건부 확률과 적절한 키워드일 조건부 확률을 임계치(threshold)로 정하여, 임계치(threshold) 이상일 경우에 키워드로 추출하고, 임계치(threshold) 미만일 경우에는 노이즈 키워드로 판단하여 제거한다.
상기와 같이 정련된 키워드를 키워드 색인부(60)에서 색인하여 동영상 검색부(80)에서 동영상을 검색하는데 이용하도록 한다. 이러한 색인 및 동영상 검색 기술은 공지 기술이므로, 여기서는 더 이상 상세히 설명하지 않기로 한다.
도 2는 본 발명에 따른 도 1의 통제 어휘 선정부(10)의 일실시예 상세 구성도이다.
도 2에 도시된 바와 같이, 본 발명에 따른 통제 어휘 선정부(10)는, 사용자 단말기로부터 입력되는 검색 로그로부터 검색 키워드를 추출하기 위한 검색 키워드 추출기(12), 상기 검색 키워드 추출기(12)에서 추출된 검색 키워드를 빈도(해당 단어가 검색어로 입력된 빈도)순으로 정렬하기 위한 제 1 빈도순 정렬기(13), 동영상과 관련된 시납시스(텍스트 데이터)로부터 키워드를 추출하기 위한 키워드 추출기(14), 상기 키워드 추출기(14)에서 추출된 키워드를 빈도(전체 시납시스에 해당 단어가 키워드로 추출된 빈도)순으로 정렬하기 위한 제 2 빈도순 정렬기(15), 및 상기 제 1 및 제 2 빈도순 정렬기(13, 15)에서 정렬된 키워드들 중에서 검색에 적절한 통제 어휘를 추출하여 통제 어휘 데이터베이스(11)에 저장하기 위한 통제 어휘 추출기(16)를 포함한다.
여기서, 상기 통제 어휘 추출기(16)는 빈도순으로 정렬된 키워드들 중에서 상위의 키워드들을 통제 어휘로 추출하거나, 상기 제 1 빈도순 정렬기(13)에서 정렬된 키워드들과 상기 제 2 빈도순 정렬기(15)에서 정렬된 키워드들에 공통으로 속해 있는 키워드들을 통제 어휘로 추출하거나 하는 등의 방식을 사용할 수 있다.
도 3은 본 발명에 따른 도 1의 조건부 확률 계산부(40)의 일실시예 상세 구성도이다.
도 3에 도시된 바와 같이, 본 발명에 따른 조건부 확률 계산부(40)는, 상기 통제 어휘 선정부(10)에서 선정된 통제 어휘를 이용하여 동영상과 관련된 시납시스(텍스트 데이터)로부터 후보 키워드를 추출하여 후보 키워드 데이터베이스(43)에 저장하기 위한 키워드 추출기(42), 상기 키워드 추출기(42)에서 통제 어휘를 이용하여 추출한 후보 키워드들로부터 노이즈 키워드를 제거하여 학습용 키워드(학습 데이터)를 생성하여 학습 키워드 데이터베이스(45)에 저장하기 위한 노이즈 키워드 제거기(44), 및 상기 노이즈 키워드 제거기(44)에서 생성된 학습 데이터를 이용하여 키워드 리스트가 주어졌을 때 하나의 키워드가 적절한 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하기 위한 단어별 조건부 확률 계산기(46)를 포함한다.
여기서, 상기 노이즈 키워드 제거기(44)는 외부 전문가 단말기로부터의 선택 신호를 이용하여 후보 키워드들로부터 노이즈 키워드를 제거하거나, 그 외의 공지의 방식을 사용하여 노이즈 키워드를 제거하여 정확한 키워드들만을 남겨서 학습 데이터를 생성한다.
다음으로, 조건부 확률을 구하는 방식을 상세히 살펴보면 다음과 같다.
예를 들어, 조건부 확률은 베이즈 정리(베이지안 확률)를 이용하여 구할 수 있다.
베이즈(Bayes) 정리는 어떤 사건이 일어난 후에 조건부 확률을 구하기 위한 방식으로 다음의 [수학식 1]과 같이 정의한다.
Figure pat00001
하나의 시납시스로부터 통제 어휘를 이용하여 추출된 단어들의 리스트를 Wd={w1...wn}라 하고, 그 가운데 단어 w1이 적절한 키워드일 확률을 P(w1=k)라 하고, 단어 w1이 적절한 키워드가 아닐 확률을 P(w1!=k)라 한다. 해당 시납시스의 단어 리스트 Wd={w1...wn}가 주어질 때, 그 가운데 단어 w1이 키워드일 확률을 P(w1=k|w2...wn)이라 하면, 베이즈(Bayes) 정리에 의해 {w2...wn}이 주어졌을 때 w1 이 키워드일 확률(P(w1=k|w2...wn))을 다음의 [수학식 2]와 같이 정의할 수 있다.
Figure pat00002
각각의 단어들의 출현이 독립적이라고 가정하면, 상기 [수학식 2]에 필요한 각 항목은 다음의 [수학식 3]과 같이 구할 수 있다.
Figure pat00003
각 단어의 조건부 확률은 전체 시납시스들에서 단어가 출현한 빈도수를 이용하여 다음의 [수학식 4]와 같이 구할 수 있다.
Figure pat00004
각 단어가 키워드일 확률과 키워드가 아닐 확률은 다음의 [수학식 5]와 같이 구할 수 있다.
Figure pat00005
상기와 같이 각 단어들에 대해 시납시스의 키워드 리스트가 주어졌을 때 적합한 키워드일 확률을 계산하여 확률이 낮은 키워드(노이즈 키워드)들은 임계치(threshold)를 이용하여 제거한다.
도 4는 본 발명에 따른 키워드 추출 및 정련 방법에 대한 일실시예 흐름도로서, 그 구체적인 실시예는 전술한 바와 같으므로 여기서는 그 동작 과정만을 간략하게 설명하기로 한다.
먼저, 통제 어휘 선정부(10)가 제 1 텍스트 데이터로부터 통제 어휘를 선정한다(401).
그리고 조건부 확률 계산부(40)가 특정 단어가 키워드일 조건부 확률을 베이지안 확률을 이용하여 구한다(402).
이후, 후보 키워드 추출부(30)가 상기 통제 어휘 선정부(10)에서 선정된 통제 어휘를 이용하여 제 2 텍스트 데이터로부터 후보 키워드를 추출한다(403).
이후, 키워드 정련부(50)가 상기 조건부 확률 계산부(40)에서 구한 조건부 확률을 이용하여 상기 후보 키워드 추출부(30)에서 추출된 후보 키워드 중 노이즈 키워드를 제거하여 키워드를 정련한다(404).
도 5는 본 발명에 따른 도 4의 통제 어휘 선정 과정(401)에 대한 일실시예 상세 흐름도로서, 그 구체적인 실시예는 전술한 바와 같으므로 여기서는 그 동작 과정만을 간략하게 설명하기로 한다.
먼저, 검색 키워드 추출기(12)가 사용자 단말기로부터 입력되는 검색 로그로부터 검색 키워드를 추출하고, 키워드 추출기(14)가 동영상과 관련된 시납시스(텍스트 데이터)로부터 키워드를 추출한다(501).
이후, 제 1 빈도순 정렬기(13)가 상기 검색 키워드 추출기(12)에서 추출된 검색 키워드를 빈도(해당 단어가 검색어로 입력된 빈도)순으로 정렬하고, 제 2 빈도순 정렬기(15)가 상기 키워드 추출기(14)에서 추출된 키워드를 빈도(전체 시납시스에 해당 단어가 키워드로 추출된 빈도)순으로 정렬한다(502).
이후, 통제 어휘 추출기(16)가 상기 제 1 및 제 2 빈도순 정렬기(13, 15)에서 정렬된 키워드들 중에서 검색에 적절한 통제 어휘를 추출하여 통제 어휘 데이터베이스(11)에 저장한다(503).
도 6은 본 발명에 따른 도 4의 조건부 확률 계산 과정(402)에 대한 일실시예 상세 흐름도로서, 그 구체적인 실시예는 전술한 바와 같으므로 여기서는 그 동작 과정만을 간략하게 설명하기로 한다.
먼저, 키워드 추출기(42)가 상기 통제 어휘 선정부(10)에서 선정된 통제 어휘를 이용하여 동영상과 관련된 시납시스(텍스트 데이터)로부터 후보 키워드를 추출하여 후보 키워드 데이터베이스(43)에 저장한다(601).
이후, 노이즈 키워드 제거기(44)가 상기 키워드 추출기(42)에서 통제 어휘를 이용하여 추출한 후보 키워드들로부터 노이즈 키워드를 제거하여 학습용 키워드(학습 데이터)를 생성하여 학습 키워드 데이터베이스(45)에 저장한다(602).
이후, 단어별 조건부 확률 계산기(46)가 상기 노이즈 키워드 제거기(44)에서 생성된 학습 데이터를 이용하여 키워드 리스트가 주어졌을 때 각 키워드가 적절한 키워드일 각 단어별 조건부 확률을 베이지안 확률을 이용하여 구한다(603).
한편, 전술한 바와 같은 본 발명에 따른 키워드 추출 및 정련 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 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. 상기 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시 예에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 치환, 변형 및 변경이 가능하다.
그러므로 본 발명의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
10 : 통제 어휘 선정부 30 : 후보 키워드 추출부
40 : 조건부 확률 계산부 50 : 키워드 정련부

Claims (12)

  1. 키워드 추출 및 정련 시스템에 있어서,
    제 1 텍스트 데이터로부터 통제 어휘를 선정하기 위한 통제 어휘 선정부;
    상기 통제 어휘 선정부에서 선정된 통제 어휘를 이용하여 제 2 텍스트 데이터로부터 후보 키워드를 추출하기 위한 후보 키워드 추출부;
    특정 단어가 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하기 위한 조건부 확률 계산부; 및
    상기 조건부 확률 계산부에서 구한 조건부 확률을 이용하여 상기 후보 키워드 추출부에서 추출된 후보 키워드 중 노이즈 키워드를 제거하여 키워드를 정련하기 위한 키워드 정련부
    를 포함하는 키워드 추출 및 정련 시스템.
  2. 제 1 항에 있어서,
    상기 키워드 정련부는,
    상기 후보 키워드 추출부에서 추출된 후보 키워드가 노이즈 키워드인지를 상기 조건부 확률 계산부에서 구한 조건부 확률을 이용하여 판정하기 위한 노이즈 키워드 판정기;
    상기 노이즈 키워드 판정기에서 노이즈 키워드로 판정된 키워드를 제거하여 키워드를 정련하기 위한 노이즈 키워드 제거기; 및
    상기 노이즈 키워드 제거기에서 정련된 키워드를 저장하기 위한 정련 키워드 데이터베이스
    를 포함하는 키워드 추출 및 정련 시스템.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 키워드 정련부에서 정련된 키워드를 색인하기 위한 키워드 색인부
    를 더 포함하는 키워드 추출 및 정련 시스템.
  4. 제 3 항에 있어서,
    상기 키워드 색인부에서 색인된 키워드를 이용하여 동영상을 검색하기 위한 동영상 검색부
    를 더 포함하는 키워드 추출 및 정련 시스템.
  5. 제 1 항 또는 제 2 항에 있어서,
    상기 후보 키워드 추출부는,
    상기 통제 어휘 선정부에서 선정된 통제 어휘를 이용하여 패턴 매칭으로 상기 제 2 텍스트 데이터로부터 후보 키워드를 추출하는, 키워드 추출 및 정련 시스템.
  6. 제 1 항 또는 제 2 항에 있어서,
    상기 제 2 텍스트 데이터는,
    시납시스, 리뷰, 또는 웹 크롤링 데이터 중 어느 하나 이상을 포함하는, 키워드 추출 및 정련 시스템.
  7. 제 1 항에 있어서,
    상기 통제 어휘 선정부는,
    검색 로그로부터 검색 키워드를 추출하기 위한 검색 키워드 추출기;
    상기 검색 키워드 추출기에서 추출된 검색 키워드를 빈도순-해당 단어가 검색어로 입력된 빈도순-으로 정렬하기 위한 제 1 빈도순 정렬기;
    시납시스로부터 키워드를 추출하기 위한 키워드 추출기;
    상기 키워드 추출기에서 추출된 키워드를 빈도순-전체 시납시스에 해당 단어가 키워드로 추출된 빈도순-으로 정렬하기 위한 제 2 빈도순 정렬기; 및
    상기 제 1 및 제 2 빈도순 정렬기에서 정렬된 키워드들 중에서 통제 어휘를 추출하기 위한 통제 어휘 추출기
    를 포함하는 키워드 추출 및 정련 시스템.
  8. 제 1 항에 있어서,
    상기 조건부 확률 계산부는,
    상기 통제 어휘 선정부에서 선정된 통제 어휘를 이용하여 시납시스로부터 후보 키워드를 추출하기 위한 키워드 추출기;
    상기 키워드 추출기에서 추출된 후보 키워드들로부터 노이즈 키워드를 제거하여 학습용 키워드(학습 데이터)를 생성하기 위한 노이즈 키워드 제거기; 및
    상기 노이즈 키워드 제거기에서 생성된 학습 데이터를 이용하여 키워드 리스트 중의 각 키워드가 적절한 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하기 위한 단어별 조건부 확률 계산기
    를 포함하는 키워드 추출 및 정련 시스템.
  9. 키워드 추출 및 정련 시스템에서의 키워드 추출 및 정련 방법에 있어서,
    제 1 텍스트 데이터로부터 통제 어휘를 선정하는 통제 어휘 선정 단계;
    특정 단어가 키워드일 조건부 확률을 베이지안 확률을 이용하여 구하는 조건부 확률 계산 단계;
    상기 선정된 통제 어휘를 이용하여 제 2 텍스트 데이터로부터 후보 키워드를 추출하는 후보 키워드 추출 단계; 및
    상기 구한 조건부 확률을 이용하여 상기 추출된 후보 키워드 중 노이즈 키워드를 제거하여 키워드를 정련하는 키워드 정련 단계
    를 포함하는 키워드 추출 및 정련 방법.
  10. 제 9 항에 있어서,
    상기 키워드 정련 단계는,
    상기 추출된 후보 키워드가 노이즈 키워드인지를 상기 구한 조건부 확률을 이용하여 판정하는 과정;
    상기 노이즈 키워드로 판정된 키워드를 제거하여 키워드를 정련하는 과정; 및
    상기 정련된 키워드를 저장하는 과정
    을 포함하는 키워드 추출 및 정련 방법.
  11. 제 9 항 또는 제 10 항에 있어서,
    상기 통제 어휘 선정 단계는,
    검색 로그로부터 검색 키워드를 추출하고, 시납시스로부터 키워드를 추출하는 과정;
    상기 추출된 검색 키워드를 빈도순-해당 단어가 검색어로 입력된 빈도순-으로 정렬하고, 상기 추출된 키워드를 빈도순-전체 시납시스에 해당 단어가 키워드로 추출된 빈도순-으로 정렬하는 과정; 및
    상기 정렬된 키워드들 중에서 통제 어휘를 추출하는 과정
    을 포함하는 키워드 추출 및 정련 방법.
  12. 제 9 항 또는 제 10 항에 있어서,
    상기 조건부 확률 계산 단계는,
    상기 선정된 통제 어휘를 이용하여 시납시스로부터 후보 키워드를 추출하는 후보 키워드 추출 과정;
    상기 후보 키워드 추출 과정에서 추출된 후보 키워드들로부터 노이즈 키워드를 제거하여 학습 데이터를 생성하는 과정; 및
    상기 생성된 학습 데이터를 이용하여 키워드 리스트의 각 키워드가 적절한 키워드일 각 단어별 조건부 확률을 베이지안 확률을 이용하여 구하는 과정
    을 포함하는 키워드 추출 및 정련 방법.
KR1020110109496A 2011-10-25 2011-10-25 키워드 추출 및 정련 시스템과 그 방법 KR101868936B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110109496A KR101868936B1 (ko) 2011-10-25 2011-10-25 키워드 추출 및 정련 시스템과 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110109496A KR101868936B1 (ko) 2011-10-25 2011-10-25 키워드 추출 및 정련 시스템과 그 방법

Publications (2)

Publication Number Publication Date
KR20130045054A true KR20130045054A (ko) 2013-05-03
KR101868936B1 KR101868936B1 (ko) 2018-06-20

Family

ID=48657330

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110109496A KR101868936B1 (ko) 2011-10-25 2011-10-25 키워드 추출 및 정련 시스템과 그 방법

Country Status (1)

Country Link
KR (1) KR101868936B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190058935A (ko) 2017-11-22 2019-05-30 주식회사 와이즈넛 문서 내 핵심 키워드 추출 시스템 및 방법
KR20200073524A (ko) 2018-12-14 2020-06-24 (주)윕스 특허 문서의 키프레이즈 추출 장치 및 방법
KR20200073520A (ko) 2018-12-14 2020-06-24 (주)윕스 융합 콘텐츠 제공을 위한 시스템 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102334255B1 (ko) 2021-08-31 2021-12-02 (주)네오플로우 AI 기반 음성서비스의 Text Data 수집 플랫폼 구축 및 통합관리방법
KR102334236B1 (ko) 2021-08-31 2021-12-02 (주)네오플로우 음성 변환 Text Data에서 의미있는 키워드 추출 방법과 활용

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090074464A (ko) * 2008-01-02 2009-07-07 엔에이치엔(주) 연관 검색어 판단 방법 및 시스템
JP2009271796A (ja) * 2008-05-08 2009-11-19 Nomura Research Institute Ltd 文書データのノイズ除去システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4360167B2 (ja) * 2003-09-30 2009-11-11 ソニー株式会社 キーワード抽出装置、およびキーワード抽出方法、並びにコンピュータ・プログラム
JP5050599B2 (ja) * 2007-03-23 2012-10-17 トヨタ自動車株式会社 情報検索システム、情報検索装置、情報検索方法、及びそのプログラム。
JP4937218B2 (ja) * 2008-09-12 2012-05-23 株式会社東芝 メタデータ編集装置及びメタデータ生成方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090074464A (ko) * 2008-01-02 2009-07-07 엔에이치엔(주) 연관 검색어 판단 방법 및 시스템
JP2009271796A (ja) * 2008-05-08 2009-11-19 Nomura Research Institute Ltd 文書データのノイズ除去システム

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190058935A (ko) 2017-11-22 2019-05-30 주식회사 와이즈넛 문서 내 핵심 키워드 추출 시스템 및 방법
KR20200073524A (ko) 2018-12-14 2020-06-24 (주)윕스 특허 문서의 키프레이즈 추출 장치 및 방법
KR20200073520A (ko) 2018-12-14 2020-06-24 (주)윕스 융합 콘텐츠 제공을 위한 시스템 및 방법

Also Published As

Publication number Publication date
KR101868936B1 (ko) 2018-06-20

Similar Documents

Publication Publication Date Title
CN108829893B (zh) 确定视频标签的方法、装置、存储介质和终端设备
CN107480143B (zh) 基于上下文相关性的对话话题分割方法和系统
US20240028837A1 (en) Device and method for machine reading comprehension question and answer
CN108280114B (zh) 一种基于深度学习的用户文献阅读兴趣分析方法
US20150074112A1 (en) Multimedia Question Answering System and Method
US8126897B2 (en) Unified inverted index for video passage retrieval
Ye et al. Linguistic structures as weak supervision for visual scene graph generation
US20220083874A1 (en) Method and device for training search model, method for searching for target object, and storage medium
Tsur et al. Identifying web queries with question intent
CN110134777B (zh) 问题去重方法、装置、电子设备和计算机可读存储介质
CN108920599B (zh) 一种基于知识本体库的问答系统答案精准定位和抽取方法
KR102070197B1 (ko) 영상 분석 기반 토픽 모델링 영상 검색 시스템 및 방법
CN112035688B (zh) 资源搜索方法及装置、搜索设备及存储介质
Duarte et al. Sign language video retrieval with free-form textual queries
CN113660541B (zh) 新闻视频的摘要生成方法及装置
KR102091633B1 (ko) 연관법령 제공 방법
KR20130045054A (ko) 키워드 추출 및 정련 시스템과 그 방법
CN112905768A (zh) 一种数据交互方法、装置及存储介质
EP2674874A1 (en) Search program, search apparatus, and search method
KR20200136636A (ko) 형태소 기반 ai 챗봇 및 그의 문장의도 결정 방법
JP2006227823A (ja) 情報処理装置及びその制御方法
CN111324705A (zh) 自适应性调整关连搜索词的系统及其方法
KR102028155B1 (ko) 문헌 스코어링 방법 및 문헌 검색 시스템
JP2023031294A (ja) コンピュータ実装方法、コンピュータプログラム、コンピュータシステム（テキスト要素の特異度ランク付け及びその応用）
Dinh et al. Voting techniques for a multi-terminology based biomedical information retrieval

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant