KR20150018474A - 시맨틱 키워드를 추출하기 위한 방법, 비일시성의 시스템 및 컴퓨터 판독 가능한 기록 매체 - Google Patents

시맨틱 키워드를 추출하기 위한 방법, 비일시성의 시스템 및 컴퓨터 판독 가능한 기록 매체 Download PDF

Info

Publication number
KR20150018474A
KR20150018474A KR1020140102598A KR20140102598A KR20150018474A KR 20150018474 A KR20150018474 A KR 20150018474A KR 1020140102598 A KR1020140102598 A KR 1020140102598A KR 20140102598 A KR20140102598 A KR 20140102598A KR 20150018474 A KR20150018474 A KR 20150018474A
Authority
KR
South Korea
Prior art keywords
target word
context
document
context string
semantic keyword
Prior art date
Application number
KR1020140102598A
Other languages
English (en)
Other versions
KR102424196B1 (ko
Inventor
이우주
Original Assignee
큐리온코리아 주식회사
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 큐리온코리아 주식회사 filed Critical 큐리온코리아 주식회사
Publication of KR20150018474A publication Critical patent/KR20150018474A/ko
Application granted granted Critical
Publication of KR102424196B1 publication Critical patent/KR102424196B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/313—Selection or weighting of terms for indexing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 일 태양에 따르면, 시맨틱 키워드(semantic keyword)를 추출하기 위한 방법으로서, (a) 검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 단계, 및 (b) 상기 타겟 단어는 제1 타겟 단어 및 제2 타겟 단어를 포함하고, 상기 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 상기 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 제1 타겟 단어 및 상기 제2 타겟 단어가 시맨틱 키워드인 것으로 결정하는 단계를 포함하는 방법이 제공된다.

Description

시맨틱 키워드를 추출하기 위한 방법, 비일시성의 시스템 및 컴퓨터 판독 가능한 기록 매체{METHOD, SYSTEM AND NON-TRANSITORY COMPUTER-READABLE RECORDING MEDIUM FOR EXTRACTING SEMANTIC KEYWORD}
본 발명은 시맨틱 키워드를 추출하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
검색 서비스를 제공하기 위해서는 검색의 대상이 되는 컨텐츠(예를 들면, 문서, 이미지, 동영상 등)에 대하여 검색 인덱스(index)를 구축할 필요가 있다. 일반적으로, 검색 인덱스는 검색의 대상이 되는 컨텐츠를 구분할 수 있는 단어, 컬러, 숫자 등으로 이루어질 수 있고, 이러한 검색 인덱스는 컨텐츠에 포함되어 있는 내용(예를 들면, 문서에 포함되어 있는 단어)에 기반하여 생성될 수 있다.
인터넷 포털 사이트나 인터넷 게시판에서 제공되는 전통적인 검색 서비스의 경우, 접근할 수 있는 컨텐츠의 범위가 사용자마다 다르지 않은 것이 보통이기 때문에, 모든 사용자에게 적용되는 하나의 통일된 검색 인덱스를 구축하는 것만으로 모든 사용자에게 충분히 만족스러운 검색 서비스를 제공할 수 있다.
한편, 최근에 소개되어 널리 사용되는 소셜 네트워크 서비스(Social Network Service, 이하 SNS)의 경우에는, 각각의 사용자가 SNS 내에서 자신 만의 소셜 네트워크를 만들어 가게 되고 이로 인해 사용자마다 접근할 수 있는 컨텐츠의 범위가 달라지기 때문에, 각 사용자가 접근할 수 있는 컨텐츠만을 대상으로 하는 검색 인덱스가 사용자마다 따로 구축될 필요가 있다. 하지만, 물리적으로 한정된 컴퓨팅 자원이나 저장 공간을 고려할 때, 적게는 수천 명에서 많게는 수십억 명에 이르는 무수히 많은 SNS 사용자 각각에 대하여 검색 인덱스를 따로 구축하는 것은 현실적으로 불가능에 가깝다는 한계가 존재한다.
이에, 본 발명자는, 검색의 대상이 되는 문서에 포함된 단어 중 소정의 의미를 가지고 있는 중요한 단어, 즉, 시맨틱 키워드(semantic keyword)를 추출하고 이렇게 추출된 시맨틱 키워드만을 이용하여 데이터 크기와 검색 부하를 줄일 수 있는 검색 인덱스를 구축하는 기술을 개발하기에 이르렀다.
본 발명은 상술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은 시맨틱 키워드(semantic keyword)를 추출하기 위한 방법으로서, 검색의 대상이 되는 문서 내에서 타겟 단어(target word)를 추출하고, 해당 문서 내에서 위의 타겟 단어에 인접하는 적어도 하나의 문맥 문자열을 포함하는 문맥 문자열 집합을 생성하고, 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면 제1 타겟 단어 및 제2 타겟 단어가 시맨틱 키워드인 것으로 결정함으로써, 문서 내에서 소정의 의미를 가지는 중요한 단어(즉, 시맨틱 키워드)를 추출할 수 있도록 하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체를 제공하는 것을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 시맨틱 키워드(semantic keyword)를 추출하기 위한 방법으로서, (a) 검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 단계, 및 (b) 상기 타겟 단어는 제1 타겟 단어 및 제2 타겟 단어를 포함하고, 상기 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 상기 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 제1 타겟 단어 및 상기 제2 타겟 단어가 시맨틱 키워드인 것으로 결정하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 시맨틱 키워드(semantic keyword)를 추출하기 위한 방법으로서, (a) 검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 단계, 및 (b) 상기 타겟 단어에 대한 문맥 문자열 집합과 적어도 하나의 시맨틱 키워드를 포함하는 클러스터(cluster)에 대한 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 타겟 단어가 시맨틱 키워드인 것으로 결정하고 상기 타겟 단어를 상기 클러스터에 포함시키는 단계를 포함하는 방법이 제공된다.
본 발명의 또 다른 태양에 따르면, 시맨틱 키워드(semantic keyword)를 추출하기 위한 시스템으로서, 검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 - 상기 타겟 단어는 제1 타겟 단어 및 제2 타겟 단어를 포함함 - 문서 처리부, 및 상기 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 상기 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 제1 타겟 단어 및 상기 제2 타겟 단어가 시맨틱 키워드인 것으로 결정하는 시맨틱 키워드 판별부를 포함하는 시스템이 제공된다.
본 발명의 또 다른 태양에 따르면, 시맨틱 키워드(semantic keyword)를 추출하기 위한 시스템으로서, 검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 문서 처리부, 및 상기 타겟 단어에 대한 문맥 문자열 집합과 적어도 하나의 시맨틱 키워드를 포함하는 클러스터(cluster)에 대한 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 타겟 단어가 시맨틱 키워드인 것으로 결정하고 상기 타겟 단어를 상기 클러스터에 포함시키는 시맨틱 키워드 판별부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하기 위한 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 문서로부터 소정의 의미를 가지고 있는 중요한 단어, 즉, 시맨틱 키워드(semantic keyword)를 추출할 수 있고 이러한 시맨틱 키워드만을 이용하여 데이터 크기와 검색 부하가 작은 검색 인덱스(index)를 구축할 수 있으므로, SNS를 이용하는 수많은 사용자 각각에 대하여 별개의 검색 인덱스를 구축할 수 있게 되는 효과가 달성된다.
또한, 본 발명에 의하면, SNS 컨텐츠로부터 추출되는 시맨틱 키워드를 기준으로 하여 SNS 컨텐츠를 분류, 요약 또는 정리할 수 있게 되는 효과가 달성된다.
또한, 본 발명에 의하면, 사적인 내용을 담고 있거나 비공개로 설정되어 있는 SNS 컨텐츠를 접근 권한이 없는 다른 사용자에게 널리 제공하기 어려웠던 종래기술과는 달리, SNS 컨텐츠로부터 추출되는 시맨틱 키워드를 기준으로 하여 SNS 컨텐츠에 관한 트렌드(trend) 정보(예를 들면, 주요 이슈, 영화 인기 순위 등)를 얻어낼 수 있으므로, SNS 컨텐츠 자체에 대한 접근 권한과 관계 없이 모든 사용자에게 SNS 컨텐츠에 관한 트렌드 정보를 제공할 수 있게 되는 효과가 달성된다.
도 1은 본 발명에 일 실시예에 따라 시맨틱 인덱스를 추출하고 검색 인덱스를 구축하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 서비스 제공 시스템의 내부 구성을 예시적으로 나타내는 도면이다.
도 3은 SNS 내에서 검색의 대상이 되는 문서의 구성을 예시적으로 나타내는 도면이다.
도 4는 종래기술에 따라 검색 인덱스를 구축하는 구성을 예시적으로 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 검색 인덱스를 구축하는 구성을 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
전체 시스템의 구성
도 1은 본 발명에 일 실시예에 따라 시맨틱 인덱스를 추출하고 검색 인덱스를 구축하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시되어 있는 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은, 통신망(100), 서비스 제공 시스템(200), 사용자 단말 장치(300) 및 SNS 서버(400)로 구성될 수 있다.
먼저, 본 발명의 일 실시예에 따르면, 통신망(100)은 유무선 통신을 모두 포함하는 양태로 구성될 수 있으며 이동 통신망을 포함하는 통신망으로 구성될 수 있다. 보다 구체적으로, 본 발명에서 말하는 통신망(100)은 공지의 WLAN(Wireless LAN), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), GSM(Global System for Mobile communications) 또는 LTE(Long Term Evolution) 통신망 등을 모두 포함하는 개념인 것으로 이해되어야 한다.
다음으로, 본 발명의 일 실시예에 따르면, 서비스 제공 시스템(200)은 검색의 대상이 되는 문서 내에서 타겟 단어(target word)를 추출하고, 해당 문서 내에서 위의 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)을 포함하는 문맥 문자열 집합을 생성하고, 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면 제1 타겟 단어 및 제2 타겟 단어가 시맨틱 키워드인 것으로 결정함으로써, 문서 내에서 소정의 의미를 가지는 중요한 단어(즉, 시맨틱 키워드)를 추출하는 기능을 수행할 수 있다.
서비스 제공 시스템(200)의 내부 구성에 대해서는 후술할 "서비스 제공 시스템의 구성" 부분에서 보다 자세하게 살펴보기로 한다.
다음으로, 본 발명의 일 실시예에 따른 사용자 단말 장치(300)는 통신망(100)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿 PC 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 휴대용 디지털 기기라면 얼마든지 본 발명에 따른 사용자 단말 장치(300)로서 채택될 수 있다. 한편, 본 발명의 일 실시예에 따른 사용자 단말 장치(300)에는 사용자가 서비스 제공 시스템(200)으로부터 본 발명에 따른 검색 서비스를 제공 받을 수 있도록 하기 위한 애플리케이션, 웹 브라우저, 위젯 등의 필요 프로그램이 포함되어 있을 수 있다.
다음으로, 본 발명의 일 실시예에 따르면, SNS 서버(400)는 통신망(100)을 통하여 서비스 제공 시스템(200) 및/또는 사용자 단말 장치(300)와의 통신을 수행한다. 예를 들어, SNS 서버(400)는 페이스북(Facebook), 트위터(Twitter)와 같이 공지의 SNS를 제공하는 서버일 수 있다.
서비스 제공 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 서비스 제공 시스템의 내부 구성 및 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 서비스 제공 시스템의 내부 구성을 예시적으로 나타내는 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 서비스 제공 시스템(200)은, 문서 처리부(210), 시맨틱 키워드 판별부(220), 검색 인덱스 관리부(230), 통신부(240) 및 제어부(250)를 포함할 수 있다. 본 발명의 일 실시예에 따르면, 문서 처리부(210), 시맨틱 키워드 판별부(220), 검색 인덱스 관리부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 외부 시스템(미도시됨)과 통신하는 프로그램 모듈들일 수 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 서비스 제공 시스템(200)에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 또한, 이러한 프로그램 모듈들은 서비스 제공 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
먼저, 본 발명의 일 실시예에 따르면, 문서 처리부(210)는 검색의 대상이 되는 문서 내에서 적어도 하나의 타겟 단어를 추출하고, 위의 추출된 적어도 하나의 타겟 단어 각각에 대하여 타겟 단어에 인접하는 적어도 하나의 문맥 문자열을 포함하는 문맥 문자열 집합을 각각 정의(즉, 생성)하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 타겟 단어는 하나 이상의 연속된 단어가 결합된 형태로 이루어질 수 있고, 타겟 단어에 인접하는 문맥 문자열은 해당 타겟 단어의 바로 앞 또는 바로 뒤에 위치하는 단어일 수 있다.
예를 들면, 검색의 대상이 되는 문서로부터 "pizza"라는 타겟 단어가 추출되는 경우에, 해당 문서 내에서 "pizza"라는 타겟 단어에 인접하여 등장하는 "I like", "for lunch" 및 "ordered"라는 단어가 문맥 문자열로서 정의될 수 있고, 이러한 문맥 문자열을 포함하는 문맥 문자열 집합이 "pizza"라는 타겟 단어에 대한 문맥 문자열 집합으로서 생성될 수 있다. 다만, 본 발명에 따른 타겟 단어, 문맥 문자열 및 문맥 문자열 집합의 구성이 반드시 위의 열거된 실시예에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 변경될 수 있음을 밝혀 둔다.
다음으로, 본 발명의 일 실시예에 따르면, 시맨틱 키워드 판별부(220)는 제1 타겟 단어에 대하여 생성된 제1 문맥 문자열 집합과 제2 타겟 단어에 대하여 생성된 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 제1 타겟 단어 및 제2 타겟 단어가 소정의 의미를 가지는 중요한 단어, 즉, 시맨틱 키워드인 것으로 결정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도를 산출함에 있어서, 제1 문맥 문자열 집합 및 제2 문맥 문자열 집합은 소정의 벡터로서 표현될 수 있다. 더 구체적으로, 본 발명의 일 실시예에 따르면, 문맥 문자열 집합에 포함되는 적어도 하나의 문맥 문자열 각각에는 각 문맥 문자열이 타겟 단어와 인접하여 등장하는 빈도에 기초하여 산출되는 가중치(예를 들면, PMI(Pointwise Mutual Information) 값)가 벡터값으로서 부여될 수 있다.
예를 들면, 앞서 예시된 "pizza"라는 타겟 단어에 대한 문맥 문자열 집합에 포함되는 "I like", "for lunch" 및 "ordered"라는 문맥 문자열 각각에는 "0.32","0.25" 및 "0.14"라는 벡터값이 부여될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 시맨틱 키워드 판별부(220)는, 코사인 유사도(Cosine Similarity) 산출 방법과 같은 공지의 유사도 산출 방법을 이용하여, 위와 같이 벡터로서 표현된 제1 문맥 문자열 집합 및 제2 문맥 문자열 집합 사이의 유사도를 산출할 수 있고, 제1 문맥 문자열 집합과 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면 제1 타겟 단어와 제2 타겟 단어가 시맨틱 키워드인 것으로 결정할 수 있다.
예를 들면, 검색의 대상이 되는 여러 문서로부터 추출된 것으로서 앞서 언급된 "pizza"라는 타겟 단어 외에 "ice cream", "California" 및 "I like"라는 타겟 단어가 더 존재하고, 이들 타겟 단어에 대한 문맥 문자열 집합이 다음과 같이 생성된 경우를 가정할 수 있다:
"pizza" = (0.32/"I like", 0.25/"for lunch", 0.14/"ordered")
"ice cream" = (0.32/"I like", 0.25/"for dessert", 0.14/"ordered")
"California" = (0.18/"I like", 0.01/"pizza", 0.02/"pizza kitchen", 0.03/"recommend")
"I like" = (0.1/"pizza", 0.3/"California", 0.4/"California pizza", 0.01/"California pizza kitchen")
이러한 경우, 본 발명의 일 실시예에 따라 코사인 유사도 산출 방법을 이용하면, 타겟 단어인 "pizza", "ice cream", "California" 및 "I like"에 대한 문맥 문자열 집합 사이의 유사도는 다음과 같이 산출될 수 있다:
("pizza" 및 "ice cream"의 문맥 문자열 집합 사이의 유사도) = 0.5
("pizza" 및 "California"의 문맥 문자열 집합 사이의 유사도) = 0.08
("pizza" 및 "I like"의 문맥 문자열 집합 사이의 유사도) = 0.01
("ice cream" 및 "California"의 문맥 문자열 집합 사이의 유사도) = 0.08
("ice cream" 및 "I like"의 문맥 문자열 집합 사이의 유사도) = 0.005
본 발명의 일 실시예에 따른 시맨틱 키워드 판별부(220)는, 위의 산출 결과에 기초하여, 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준(예를 들면, 위의 실시예에서 0.3) 이상인 "pizza" 및 "ice cream"이 시맨틱 키워드인 것으로 결정할 수 있다.
한편, 본 발명의 일 실시예에 따르면, 시맨틱 키워드 판별부(220)는 제1 문맥 문자열 집합과 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면 제1 타겟 단어와 제2 타겟 단어를 시맨틱 키워드인 것으로 결정하는 것과 함께, 시맨틱 키워드인 것으로 결정된 제1 타겟 단어 및 제2 타겟 단어를 포함하는 클러스터를 생성하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 시맨틱 키워드 판별부(220)는 시맨틱 키워드를 클러스터링함에 있어서 공지의 BIRCH(Balanced Iterative Reducing and Clustering using Hierarchies) 데이터 클러스터링 기술과 같은 공지의 클러스터링 기술을 이용할 수 있다.
또한, 본 발명의 일 실시예 따르면, 클러스터는 해당 클러스터에 포함되는 시맨틱 키워드가 가지는 의미 또는 속성에 따라 특정 카테고리(category)(또는 컨셉(concept))로 분류될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 시맨틱 키워드 판별부(220)는 클러스터에 포함되는 적어도 두 개의 시맨틱 키워드 각각에 대한 적어도 두 개의 문맥 문자열 집합을 참조로 하여 해당 클러스터에 대한 문맥 문자열 집합(예를 들면, 해당 클러스터에 포함되는 적어도 두 개의 시맨틱 키워드 각각에 대한 적어도 두 개의 문맥 문자열 집합 사이의 교집합 또는 합집합 등)을 정의(즉, 생성)할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 클러스터에 대하여 정의된 문맥 문자열 집합 역시 벡터로서 표현될 수 있는데, 시맨틱 키워드 판별부(220)는, 클러스터에 포함되는 적어도 두 개의 시맨틱 키워드 각각에 대한 적어도 두 개의 문맥 문자열 집합의 벡터값을 참조로 하여, 해당 클러스터에 대한 문맥 문자열 집합의 벡터값(예를 들면, 해당 클러스터에 포함되는 적어도 두 개의 시맨틱 키워드 각각에 대한 적어도 두 개의 문맥 문자열 집합의 벡터값의 평균 또는 합 등)을 결정할 수 있다.
예를 들면, 시맨틱 키워드로 결정된 "pizza" 및 "ice cream"를 포함하는 "제1 클러스터"의 문맥 문자열 집합은 다음과 같이 생성될 수 있다:
"제1 클러스터" = (0.6/"I like", 0.3/"for lunch", 0.2/"ordered", 0.1/"nice", ...)
한편, 본 발명의 일 실시예에 따르면, 시맨틱 키워드 판별부(220)는 검색의 대상이 되는 문서로부터 새로 추출된 제3 타겟 단어에 대한 제3 문맥 문자열 집합과 시맨틱 키워드를 포함하는 클러스터에 대한 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 제3 타겟 단어 역시 소정의 의미를 가지는 중요한 단어, 즉, 시맨틱 키워드인 것으로 결정하고, 제3 타겟 단어를 해당 클러스터에 포함시키는 기능을 수행할 수 있다. 본 발명의 일 실시예에 따르면, 위와 같이 검색의 대상이 되는 문서로부터 추출될 수 있는 수많은 타겟 단어에 대하여 시맨틱 키워드 여부 판별 및 클러스터링 과정을 수행하면서, 시맨틱 키워드를 포함하는 클러스터의 개수 및 크기를 점차 늘려갈 수 있으며, 이렇게 만들어진 클러스터는 일명 시맨틱 키워드 추출기와 같은 역할을 수행할 수 있게 된다.
한편, 제3 타겟 단어에 대한 제3 문맥 문자열 집합과 클러스터에 대한 문맥 문자열 집합 사이의 유사도를 산출하는 방법은, 앞서 설명한 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도를 산출하는 방법과 실질적으로 동일하기 때문에, 이에 대한 자세한 설명은 생략하기로 한다.
다음으로, 본 발명의 일 실시예에 따르면, 검색 인덱스 관리부(230)는 위의 시맨틱 키워드 판별부(220)에 의하여 시맨틱 키워드인 것으로 결정된 타겟 단어를 해당 타겟 단어가 추출된 문서에 대한 검색 인덱스에 포함시킴으로써 검색 대상이 되는 문서에 대한 검색 인덱스를 구축하는 기능을 수행할 수 있다. 즉, 본 발명의 일 실시예에 따르면, 문서에 포함되어 있는 모든 단어가 아닌 소정의 의미를 가지는 시맨틱 키워드만을 이용하여 데이터 크기와 검색 부하가 작은 검색 인덱스를 구축할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 검색 인덱스 관리부(230)는 검색의 대상이 되는 문서가 SNS로부터 제공되는 문서인 경우에, 해당 SNS 내에서 접근할 수 있는 문서의 범위가 서로 다른 복수의 사용자 각각에 대하여 별개의 검색 인덱스를 구축할 수 있다.
도 3은 SNS 내에서 검색의 대상이 되는 문서의 구성을 예시적으로 나타내는 도면이다. 도 4는 종래기술에 따라 검색 인덱스를 구축하는 구성을 예시적으로 나타내는 도면이다. 도 5는 본 발명의 일 실시예에 따라 검색 인덱스를 구축하는 구성을 예시적으로 나타내는 도면이다.
도 3을 참조하면, SNS 내에서 제1 사용자(310)는 문서 1 및 문서 2에 접근할 수 있고, 제2 사용자(320)는 문서 2 및 문서 3에 접근할 수 있는 경우를 가정할 수 있다.
이러한 경우, 도 4에 도시된 종래기술에 따르면, 문서 1, 문서 2 및 문서 3에 포함되어 있는 모든 단어("I", "nice", "gravity", "was", "I", "read" 등을 )를 이용하여 각 문서에 대한 검색 인덱스를 구축하기 때문에, 제1 사용자(도 4의 (a) 참조) 및 제2 사용자(도 4의 (b) 참조) 각각에 대하여 별개로 구축되는 검색 인덱스의 데이터 크기가 커지고 이로 인해 검색 부하도 커질 수 밖에 없다.
하지만, 도 5에 도시된 본 발명에 따르면, 문서 1, 문서 2 및 문서 3에 포함되어 있는 단어 중 소정의 의미를 가지는 시맨틱 키워드("burger", "gravity", "Hans diary" 등)만을 이용하여 각 문서에 대한 검색 인덱스를 구축하기 때문에, 제1 사용자(도 5의 (a) 참조) 및 제2 사용자(도 5의 (b) 참조) 각각에 대하여 별개로 구축되는 검색 인덱스의 데이터 크기가 작아지고 이로 인해 검색 부하도 줄어들게 된다.
한편, 본 발명의 일 실시예에 따르면, 검색 인덱스 관리부(230)는 문서로부터 추출되는 시맨틱 키워드를 기준으로 하여 해당 문서를 분류, 요약 또는 정리하는 기능을 수행할 수 있다.
한편, 본 발명의 일 실시예에 따르면, 검색 인덱스 관리부(230)는, 사용자마다 문서에 대한 접근 권한이 다를 수 밖에 없는 SNS의 본질적인 특성으로 인해 SNS로부터 제공되는 문서 자체를 모든 사용자에게 제공할 수는 없지만, SNS로부터 제공되는 모든 문서로부터 추출되는 시맨틱 키워드에 관한 정보(예를 들면, 트렌드(trend) 정보, 인기 이슈 정보 등)를 문서에 대한 접근 권한과는 관계 없이 모든 사용자에게 전체적으로 제공하는 기능을 수행할 수 있다. 구체적으로, 본 발명의 일 실시예에 따르면, 검색 인덱스 관리부(230)는, 접근할 수 있는 문서의 범위가 서로 다른 제1 사용자 및 제2 사용자가 존재하는 경우에, 제1 사용자가 접근할 수 있는 적어도 하나의 문서로부터 추출되는 빈도가 기설정된 임계값 이상인 시맨틱 키워드에 관한 정보를 제2 사용자에게 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 통신부(240)는 서비스 제공 시스템(200)이 사용자 단말 장치(300) 및/또는 SNS 서버(400) 등의 외부 장치와 통신할 수 있도록 하는 기능을 수행한다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(250)는 문서 처리부(210), 시맨틱 키워드 판별부(220), 검색 인덱스 관리부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행한다. 즉, 제어부(250)는 외부로부터의 또는 서비스 제공 시스템의 각 구성요소 간의 데이터의 흐름을 제어함으로써, 문서 처리부(210), 시맨틱 키워드 판별부(220), 검색 인덱스 관리부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어한다.
이하에서는, 본 발명의 일 실시예에 따라 타겟 단어에 대한 문맥 문자열 집합을 생성하는 구성에 대하여 보다 자세하게 살펴보기로 한다.
먼저, 본 발명의 일 실시예에 따르면, 서비스 제공 시스템(200)은 검색의 대상의 되는 적어도 하나의 문서에서 추출된 타겟 단어와 인접하여 등장하는 패턴 타입(pattern type)을 획득하는 기능을 수행할 수 있다. 여기서, 패턴 타입은 해당 패턴 타입을 구성하는 단어의 수 및 해당 패턴 타입의 타겟 단어에 대한 상대적인 위치로 정의될 수 있다. 또한, 본 발명의 일 실시예에 따르면, 타겟 단어와 인접하여 등장하는 문맥 문자열은, 해당 문맥 문자열을 구성하는 단어의 수 및 해당 문맥 문자열의 타겟 단어에 대한 상대적인 위치에 기초하여, 타겟 단어와 관계된 어떤(certain) 패턴 타입을 가지는 것으로 취급될 수 있다.
예를 들면, 문서 내에 "wp1wp2wp3W0ws1ws2ws3"라는 문장이 포함되어 있는 경우를 가정할 수 있다. 여기서, W0는 타겟 단어를 가리키고, wp1, wp2 및 wp3는 타겟 단어에 선행하는 단어를 가리키고, ws1, ws2 및 ws3는 타겟 단어에 후행하는 단어를 가리킨다. 이러한 경우, 위의 문장으로부터 아래와 같은 6가지의 패턴 타입이 획득될 수 있다.
패턴 타입 1 = wp3
패턴 타입 2 = ws1
패턴 타입 3 = wp2wp3
패턴 타입 4 = ws1ws2
패턴 타입 5 = wp1wp2wp3
패턴 타입 6 = ws1ws2ws3
또한, 본 발명의 일 실시예에 따르면, 위와 같은 패턴 타입은 해당 패턴 타입을 구성하는 단어의 수 및 해당 패턴 타입의 타겟 단어에 대한 상대적인 위치에 기초하여 유형화될 수 있다. 예를 들면, "1p"는 타겟 단어에 선행하여 인접하는 한 개의 단어로 이루어진 패턴 타입을 가리킬 수 있고, "2p"는 타겟 단어에 선행하여 인접하는 두 개의 단어로 이루어진 패턴 타입을 가리킬 수 있고, "3p"는 타겟 단어에 선행하여 인접하는 세 개의 단어로 이루어진 패턴 타입을 가리킬 수 있고, "1s"는 타겟 단어에 후행하여 인접하는 한 개의 단어로 이루어진 패턴 타입을 가리킬 수 있고, "2s"는 타겟 단어에 후행하여 인접하는 두 개의 단어로 이루어진 패턴 타입을 가리킬 수 있다.
다음으로, 본 발명의 일 실시예에 따르면, 서비스 제공 시스템(200)은 검색의 대상의 되는 적어도 하나의 문서로부터 추출된 타겟 단어에 인접하여 등장하는 적어도 하나의 문맥 문자열 각각이 가지는 패턴 타입을 참조로 하여, 적어도 하나의 문맥 문자열 각각에 가중치를 부여하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 타겟 단어 W0에 인접하여 등장하는 특정 문맥 문자열이 x라는 패턴 타입을 가지는 경우에, 위의 특정 문맥 문자열에 대하여 부여되는 가중치는 P(W0)를 P(x)로 나눈 값을 참조로 하여 결정될 수 있다. 여기서, P(W0)는 검색의 대상의 되는 적어도 하나의 문서 내에서 x라는 패턴 타입을 가지고 등장하는 위의 특정 문맥 문자열이 타겟 단어 W0에 인접하여(with W0) 등장할 확률을 가리키고, P(x)는 검색의 대상의 되는 적어도 하나의 문서 내에서 등장하는 x라는 패턴 타입이 위의 특정 문맥 문자열과 함께 어디에든(anywhere) 등장할 확률을 가리킨다.
보다 구체적으로, 본 발명의 일 실시예에 따르면, 타겟 단어 W0에 인접하여 등장하는 특정 문맥 문자열이 x라는 패턴 타입을 가지는 경우에, 위의 특정 문맥 문자열에 대하여 부여되는 가중치는 다음과 같이 결정될 수 있다:
(타겟 단어 W0에 인접하여 등장하고 x라는 패턴 타입을 가지는 특정 문맥 문자열에 부여되는 가중치)
= log (P(W0)/P(x))
여기서, P(W0)
= (검색의 대상의 되는 적어도 하나의 문서 내에서 x라는 패턴 타입을 가지고 등장하는 특정 문맥 문자열이 타겟 단어 W0에 인접하여(with W0) 등장할 확률)
= (검색의 대상이 되는 적어도 하나의 문서 내에서 x라는 패턴 타입을 가지는 특정 문맥 문자열이 타겟 단어 W0와 인접하여 등장하는 횟수)/(검색의 대상이 되는 적어도 하나의 문서 내에서 x라는 패턴 타입이 타겟 단어 W0와 인접하여 등장하는 횟수)
여기서, P(x)
= (검색의 대상의 되는 적어도 하나의 문서 내에서 등장하는 x라는 패턴 타입이 특정 문맥 문자열과 함께 어디에든(anywhere) 등장할 확률)
= (검색의 대상이 되는 적어도 하나의 문서 내에서 x라는 패턴 타입을 가지는 특정 문맥 문자열이 등장하는 횟수)/(검색의 대상이 되는 적어도 하나의 문서 내에서 x라는 패턴 타입이 등장하는 횟수)
예를 들면, 검색의 대상이 되는 5개의 문서가 다음과 같고, 타겟 단어 W0가 "pizza"이고, 문맥 문자열이 "I like"이고, 문맥 문자열이 가지는 패턴 타입이 "2p"(즉, 타겟 단어에 선행하여 인접하는 두 개의 단어로 이루어진 패턴 타입)인 경우를 가정할 수 있다:
문서 1: I like pizza.
문서 2: Pizza was great.
문서 3: I ordered pizza.
문서 4: I like pizza, too.
문서 5: I like pies.
이러한 경우, 문서 1 내지 문서 5 내에서 패턴 타입 "2p"가 타겟 단어 "pizza"와 인접하여 등장하는 횟수가 3회이고(문서 1, 문서 3 및 문서 4), 문서 1 내지 문서 5 내에서 문맥 문자열 "I like"가 패턴 타입 "2p"를 가지고 타겟 단어 "pizza"와 인접하여 등장하는 횟수가 2회이므로, P(pizza)(즉, 문서 1 내지 문서 5 내에서 패턴 타입 "2p"을 가지고 등장하는 문맥 문자열 "I like"가 타겟 단어 "pizza"와 함께 등장할 확률)은 2/3이 될 수 있다.
또한, 이러한 경우, 문서 1 내지 문서 5 내에서 패턴 타입 "2p"가 등장하는 횟수가 6회이고(문서 1의 "pizza"에 선행하는 "I like", 문서 2의 "great"에 선행하는 "Pizza was", 문서 3의 "pizza"에 선행하는 "I ordered", 문서 4의 "pizza" 및 "too"에 각각 선행하는 "I like" 및 "like pizza", 문서 5의 "pies"에 선행하는 "I like"), 문서 1 내지 문서 5 내에서 패턴 타입 "2p"를 가지는 문맥 문자열 "I like"가 등장하는 횟수가 3회(문서 1, 문서 4 및 문서 5)이므로, P(x)(즉, 문서 1 내지 문서 5 내에서 등장하는 패턴 타입 "2p"가 문맥 문자열 "I like"와 함께 어디에든(anywhere) 등장할 확률)은 3/6이 될 수 있다.
따라서, 타겟 단어 "pizza" 에 인접하여 등장하고 패턴 타입 "2p"를 가지는 문맥 문자열 "I like"에 부여되는 가중치(PMI)는 약 0.1249 (=log ((2/3)/(3/6)) = log (1.333))일 수 있다.
다음으로, 본 발명의 일 실시예에 따르면, 타겟 단어에 대한 문맥 문자열 집합은 해당 문맥 문자열 집합에 포함되는 적어도 하나의 문맥 문자열 각각에 위와 같이 부여된 가중치를 벡터값으로서 포함하는 벡터로서 정의될 수 있고, 이렇게 벡터로서 정의된 문맥 문자열 집합에 포함되는 적어도 하나의 문맥 문자열 각각은 해당 벡터의 각 차원(dimension)으로서 정의될 수 있다. 예를 들면, 타겟 단어 W0, W1 및 W2의 문맥 문자열 집합은 각각 벡터 V0, V1 및 V2로서 정의될 수 있고, 여기서, V0 = (0.1, 0.2, 5.4)이고, V1 = (1, 3.5, 4.8)이고, V2 = (2, 6, 7.8)일 수 있다. 이상의 예에서, 벡터로서 정의된 문맥 문자열 집합의 차원이 3차원인 경우에 대하여 주로 설명되어 있지만, 본 발명에 따른 문맥 문자열 집합의 구성이 반드시 이에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.
이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 비일시성의 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 비일시성의 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 비일시성의 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 비일시성의 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 서비스 제공 시스템
110: 문서 처리부
120: 시맨틱 키워드 판별부
130: 검색 인덱스 관리부
140: 통신부
150: 제어부

Claims (16)

  1. 시맨틱 키워드(semantic keyword)를 추출하기 위한 방법으로서,
    (a) 검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 단계, 및
    (b) 상기 타겟 단어는 제1 타겟 단어 및 제2 타겟 단어를 포함하고, 상기 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 상기 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 제1 타겟 단어 및 상기 제2 타겟 단어가 시맨틱 키워드인 것으로 결정하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 (a) 단계에서,
    상기 문맥 문자열 집합은 상기 문맥 문자열 집합에 포함되는 적어도 하나의 문맥 문자열 각각에 부여된 벡터값을 포함하는 벡터인 방법.
  3. 제2항에 있어서,
    상기 적어도 하나의 문맥 문자열 각각에 부여된 벡터값은 상기 적어도 하나의 문맥 문자열이 상기 타겟 단어에 인접하여 등장하는 빈도에 기초하여 결정되는 방법.
  4. 제1항에 있어서,
    상기 제1 문맥 문자열 집합과 상기 제2 문맥 문자열 집합 사이의 유사도는 상기 제1 문맥 문자열 집합과 상기 제2 문맥 문자열 집합 사이의 코사인 유사도(Cosine Similarity)인 방법.
  5. 제1항에 있어서,
    상기 (b) 단계에서,
    상기 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 상기 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 제1 타겟 단어 및 상기 제2 타겟 단어를 포함하는 클러스터(cluster)를 생성하는 방법.
  6. 제5항에 있어서,
    상기 (b) 단계에서,
    상기 제1 문맥 문자열 집합 및 상기 제2 문맥 문자열 집합 중 적어도 하나를 참조로 하여 상기 클러스터에 대한 문맥 문자열 집합을 생성하는 방법.
  7. 제6항에 있어서,
    (c) 상기 타겟 단어는 제3 타겟 단어를 더 포함하고, 상기 제3 타겟 단어에 대한 제3 문맥 문자열 집합과 상기 클러스터에 대한 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 제3 타겟 단어가 시맨틱 키워드인 것으로 결정하고 상기 제3 타겟 단어를 상기 클러스터에 포함시키는 단계
    를 더 포함하는 방법.
  8. 제1항에 있어서,
    (d) 시맨틱 키워드인 것으로 결정된 상기 제1 타겟 단어를 상기 제1 타겟 단어가 추출된 문서에 대한 검색 인덱스에 포함시키고, 시맨틱 키워드인 것으로 결정된 상기 제2 타겟 단어를 상기 제2 타겟 단어가 추출된 문서에 대한 검색 인덱스(index)에 포함시키는 단계
    를 더 포함하는 방법.
  9. 제8항에 있어서,
    상기 (d) 단계에서,
    접근할 수 있는 문서의 범위가 서로 다른 복수의 사용자가 존재하는 경우에, 상기 검색 인덱스는 상기 복수의 사용자 각각이 접근할 수 있는 적어도 하나의 문서를 대상으로 하여 상기 복수의 사용자마다 각각 생성되는 방법.
  10. 제1항에 있어서,
    (e) 시맨틱 키워드인 것으로 결정된 상기 제1 타겟 단어 및 상기 제2 타겟 단어 중 적어도 하나를 참조로 하여 상기 적어도 하나의 문서를 분류하는 단계
    를 더 포함하는 방법.
  11. 제1항에 있어서,
    (f) 접근할 수 있는 문서의 범위가 서로 다른 제1 사용자 및 제2 사용자가 존재하는 경우에, 상기 제1 사용자가 접근할 수 있는 적어도 하나의 문서로부터 추출되는 시맨틱 키워드에 관한 정보를 상기 제2 사용자에게 제공하는 단계
    를 더 포함하는 방법.
  12. 제1항에 있어서,
    상기 (a) 단계는,
    (a1) 상기 추출된 타겟 단어와 인접하여 등장하는 패턴 타입(pattern type)을 획득하는 단계 - 상기 패턴 타입은 상기 패턴 타입을 구성하는 단어의 수 및 상기 패턴 타입의 상기 추출된 타겟 단어에 대한 상대적인 위치로서 정의됨 - , 및
    (a2) 상기 적어도 하나의 문맥 문자열 각각이 가지는 패턴 타입을 참조로 하여, 상기 적어도 하나의 문맥 문자열 각각에 가중치를 부여하는 단계
    를 포함하고,
    타겟 단어 W0에 대한 특정 문맥 문자열이 패턴 타입 x를 가지는 경우에, 상기 타겟 단어 W0에 대한 특정 문맥 문자열에 대하여 부여되는 가중치는 P(W0)를 P(x)로 나눈 값을 참조로 하여 결정되고, 상기 P(W0)는 상기 적어도 하나의 문서 내에서 상기 패턴 타입 x을 가지고 등장하는 상기 특정 문맥 문자열이 상기 타겟 단어 W0와 함께 등장할 확률이고, 상기 P(x)는 상기 적어도 하나의 문서 내에서 등장하는 상기 패턴 타입 x가 상기 특정 문맥 문자열과 함께 등장할 확률이고,
    상기 문맥 문자열 집합은 상기 문맥 문자열 집합에 포함되는 적어도 하나의 문맥 문자열 각각에 부여된 가중치를 벡터값으로서 포함하는 벡터인 방법.
  13. 시맨틱 키워드(semantic keyword)를 추출하기 위한 방법으로서,
    (a) 검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 단계, 및
    (b) 상기 타겟 단어에 대한 문맥 문자열 집합과 적어도 하나의 시맨틱 키워드를 포함하는 클러스터(cluster)에 대한 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 타겟 단어가 시맨틱 키워드인 것으로 결정하고 상기 타겟 단어를 상기 클러스터에 포함시키는 단계
    를 포함하는 방법.
  14. 제1항 내지 제13항 중 어느 한 항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록한 비일시성의 컴퓨터 판독 가능한 기록 매체.
  15. 시맨틱 키워드(semantic keyword)를 추출하기 위한 시스템으로서,
    검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 - 상기 타겟 단어는 제1 타겟 단어 및 제2 타겟 단어를 포함함 - 문서 처리부, 및
    상기 제1 타겟 단어에 대한 제1 문맥 문자열 집합과 상기 제2 타겟 단어에 대한 제2 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 제1 타겟 단어 및 상기 제2 타겟 단어가 시맨틱 키워드인 것으로 결정하는 시맨틱 키워드 판별부
    를 포함하는 시스템.
  16. 시맨틱 키워드(semantic keyword)를 추출하기 위한 시스템으로서,
    검색의 대상이 되는 적어도 하나의 문서 내에서 타겟 단어(target word)를 추출하고, 상기 적어도 하나의 문서 내에서 상기 타겟 단어에 인접하는 적어도 하나의 문맥 문자열(context string)를 포함하는 문맥 문자열 집합을 생성하는 문서 처리부, 및
    상기 타겟 단어에 대한 문맥 문자열 집합과 적어도 하나의 시맨틱 키워드를 포함하는 클러스터(cluster)에 대한 문맥 문자열 집합 사이의 유사도가 기설정된 임계 수준 이상이면, 상기 타겟 단어가 시맨틱 키워드인 것으로 결정하고 상기 타겟 단어를 상기 클러스터에 포함시키는 시맨틱 키워드 판별부
    를 포함하는 시스템.
KR1020140102598A 2013-08-08 2014-08-08 시맨틱 키워드를 추출하기 위한 방법, 비일시성의 시스템 및 컴퓨터 판독 가능한 기록 매체 KR102424196B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20130094205 2013-08-08
KR1020130094205 2013-08-08

Publications (2)

Publication Number Publication Date
KR20150018474A true KR20150018474A (ko) 2015-02-23
KR102424196B1 KR102424196B1 (ko) 2022-07-25

Family

ID=52449354

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140102598A KR102424196B1 (ko) 2013-08-08 2014-08-08 시맨틱 키워드를 추출하기 위한 방법, 비일시성의 시스템 및 컴퓨터 판독 가능한 기록 매체

Country Status (2)

Country Link
US (1) US20150046152A1 (ko)
KR (1) KR102424196B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102628460B1 (ko) * 2022-11-14 2024-01-23 세종대학교산학협력단 메타버스를 위한 가상 공간 검색 방법 및 시스템

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10224025B2 (en) * 2012-12-14 2019-03-05 Robert Bosch Gmbh System and method for event summarization using observer social media messages
US10395175B1 (en) * 2014-12-12 2019-08-27 Amazon Technologies, Inc. Determination and presentment of relationships in content
CN106326300A (zh) * 2015-07-02 2017-01-11 富士通株式会社 信息处理方法以及信息处理设备
RU2672393C2 (ru) 2016-09-20 2018-11-14 Общество С Ограниченной Ответственностью "Яндекс" Способ и система автоматического создания тезауруса
CN106557465B (zh) * 2016-11-15 2020-06-02 科大讯飞股份有限公司 一种词权重类别的获得方法及装置
US10425433B2 (en) * 2016-11-18 2019-09-24 Bank Of America Corporation Network security database filtering tool
CN106970910B (zh) * 2017-03-31 2020-03-27 北京奇艺世纪科技有限公司 一种基于图模型的关键词提取方法及装置
CN109829149A (zh) * 2017-11-23 2019-05-31 中国移动通信有限公司研究院 一种词向量模型的生成方法及装置、设备、存储介质
US11321530B2 (en) * 2018-04-19 2022-05-03 Entigenlogic Llc Interpreting a meaning of a word string
CN108763211B (zh) * 2018-05-23 2020-07-31 中国科学院自动化研究所 融合蕴含知识的自动文摘方法及系统
CN109101620B (zh) * 2018-08-08 2022-07-05 阿里巴巴（中国）有限公司 相似度计算方法、聚类方法、装置、存储介质及电子设备
CN109271497B (zh) * 2018-08-31 2021-10-26 华南理工大学 一种基于词向量的事件驱动服务匹配方法
CN110188181B (zh) * 2019-05-31 2021-06-18 腾讯科技（深圳）有限公司 领域关键词确定方法、装置、电子设备和存储介质
CN111310072B (zh) * 2020-01-17 2021-10-26 腾讯科技（深圳）有限公司 关键词提取方法、装置和计算机可读存储介质
CN111310477B (zh) * 2020-02-24 2023-04-21 成都网安科技发展有限公司 文档查询方法及装置
US11475054B2 (en) 2020-04-24 2022-10-18 Roblox Corporation Language detection of user input text for online gaming
US11468883B2 (en) * 2020-04-24 2022-10-11 Snap Inc. Messaging system with trend analysis of content

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004152041A (ja) * 2002-10-31 2004-05-27 Ricoh Co Ltd 重要語句抽出装置、プログラムおよび記録媒体
US20090125517A1 (en) * 2007-11-14 2009-05-14 Qualcomm Incorporated Method and system for keyword correlation in a mobile environment
KR20100116595A (ko) * 2008-01-16 2010-11-01 아브 이니티오 테크놀로지 엘엘시 근사 문자열 매칭을 위한 아카이브를 관리하는 방법 및 시스템
WO2012106133A2 (en) * 2011-02-01 2012-08-09 Accenture Global Services Limited System for identifying textual relationships

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5675819A (en) * 1994-06-16 1997-10-07 Xerox Corporation Document information retrieval using global word co-occurrence patterns
US6567778B1 (en) * 1995-12-21 2003-05-20 Nuance Communications Natural language speech recognition using slot semantic confidence scores related to their word recognition confidence scores
NO316480B1 (no) * 2001-11-15 2004-01-26 Forinnova As Fremgangsmåte og system for tekstuell granskning og oppdagelse
US10387892B2 (en) * 2008-05-06 2019-08-20 Netseer, Inc. Discovering relevant concept and context for content node
US8204988B2 (en) * 2009-09-02 2012-06-19 International Business Machines Corporation Content-based and time-evolving social network analysis
US8898798B2 (en) * 2010-09-01 2014-11-25 Apixio, Inc. Systems and methods for medical information analysis with deidentification and reidentification
US8346563B1 (en) * 2012-04-10 2013-01-01 Artificial Solutions Ltd. System and methods for delivering advanced natural language interaction applications
US20130291019A1 (en) * 2012-04-27 2013-10-31 Mixaroo, Inc. Self-learning methods, entity relations, remote control, and other features for real-time processing, storage, indexing, and delivery of segmented video
US20140149215A1 (en) * 2012-11-29 2014-05-29 Giridhar Rajaram Determining keywords for content items
US9117450B2 (en) * 2012-12-12 2015-08-25 Nuance Communications, Inc. Combining re-speaking, partial agent transcription and ASR for improved accuracy / human guided ASR

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004152041A (ja) * 2002-10-31 2004-05-27 Ricoh Co Ltd 重要語句抽出装置、プログラムおよび記録媒体
US20090125517A1 (en) * 2007-11-14 2009-05-14 Qualcomm Incorporated Method and system for keyword correlation in a mobile environment
KR20100116595A (ko) * 2008-01-16 2010-11-01 아브 이니티오 테크놀로지 엘엘시 근사 문자열 매칭을 위한 아카이브를 관리하는 방법 및 시스템
WO2012106133A2 (en) * 2011-02-01 2012-08-09 Accenture Global Services Limited System for identifying textual relationships

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AMINUL ISLAM 외, ‘Semantic Text Similarity Using Corpus-Based Word Similarity and String Similarity’, RESERCH-ARTICLE, 2008.07.24. *
Wael H. Gomaa 외, 'A Survey of Text Similarity Approaches', International Journal of Computer Application, 2013.04. *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102628460B1 (ko) * 2022-11-14 2024-01-23 세종대학교산학협력단 메타버스를 위한 가상 공간 검색 방법 및 시스템

Also Published As

Publication number Publication date
US20150046152A1 (en) 2015-02-12
KR102424196B1 (ko) 2022-07-25

Similar Documents

Publication Publication Date Title
KR102424196B1 (ko) 시맨틱 키워드를 추출하기 위한 방법, 비일시성의 시스템 및 컴퓨터 판독 가능한 기록 매체
JP7411651B2 (ja) コンテンツアイテム推奨をランク付けするための技術
EP3158559B1 (en) Session context modeling for conversational understanding systems
US9997157B2 (en) Knowledge source personalization to improve language models
WO2017084362A1 (zh) 模型生成方法、推荐方法及对应装置、设备和存储介质
CN108701161B (zh) 为搜索查询提供图像
CN107408130B (zh) 通过间接集群连接来进行搜索的方法
CN110569496B (zh) 实体链接方法、装置及存储介质
US10535106B2 (en) Selecting user posts related to trending topics on online social networks
Wang et al. RiMOM results for OAEI 2010
US20230177360A1 (en) Surfacing unique facts for entities
US10152478B2 (en) Apparatus, system and method for string disambiguation and entity ranking
US8538984B1 (en) Synonym identification based on co-occurring terms
CN111492356B (zh) 搜索建议的推荐
US20160205109A1 (en) Website access control
US10664664B2 (en) User feedback for low-confidence translations
JP2023545945A (ja) コンテンツ管理システムにおけるコンテンツのスマートなカテゴリ化のためのシステムおよび方法
US20140280084A1 (en) Using structured data for search result deduplication
KR101683138B1 (ko) 정보검색장치 및 그 동작 방법
CN114490923A (zh) 相似文本匹配模型的训练方法、装置、设备及存储介质
JP2013242675A (ja) 分散情報制御装置、分散情報検索方法、データ分散配置方法、及びプログラム
CN103745004B (zh) 一种基于云计算的桌面搜索方法、云服务器及终端
CN116569164A (zh) 在内容管理系统中对内容进行智能归类的系统和方法
KR20210118429A (ko) 개인화된 비디오들을 검색하고 랭킹하기 위한 방법들 및 시스템들
US20190220537A1 (en) Context-sensitive methods of surfacing comprehensive knowledge in and between applications

Legal Events

Date Code Title Description
N231 Notification of change of applicant
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant