KR20170093713A

KR20170093713A - 인공 지능을 기반으로 하는 모바일 검색 방법 및 장치

Info

Publication number: KR20170093713A
Application number: KR1020170012565A
Authority: KR
Inventors: 하이펭 왕; 시치 자오; 하이펭 우; 티엔 우; 다이송 구앙
Original assignee: 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Priority date: 2016-02-05
Filing date: 2017-01-26
Publication date: 2017-08-16
Also published as: CN105786977A; CN105786977B; JP2017138985A; US20170228459A1

Abstract

본 출원은 인공 지능을 기반으로 하는 모바일 검색 방법 및 장치를 제공하는 바 상기 인공 지능을 기반으로 하는 모바일 검색 방법은: 검색창을 디스플레이하고, 검색창을 통하여 입력된 검색어를 수신하는 단계；상기 검색어에 따라 검색 결과를 획득하고, 상기 검색 결과를 검색 결과 페이지에 디스플레이하는 단계; 상기 검색 결과에 대한 클릭 명령이 수신되면, 상기 검색 결과에 대응되는 컨텍스트 페이지(context page)를 디스플레이하는 단계; 검색 결과 또는 컨텍스트 페이지(context page)의 결과에 대한 클릭 명령이 수신되면, 클릭된 결과에 대응되는 콘텐츠 페이지(content page)를 디스플레이하는 단계를 포함할 수 있다. 본 출원에 따르는 방법은 PC 검색의 방식을 타파하고, 모바일 검색 장면에 더욱 적합한 검색방식을 제공할 수 있다.

Description

인공 지능을 기반으로 하는 모바일 검색 방법 및 장치{ METHOD AND DEVICE FOR MOBILE SEARCHING BASED ON ARTIFICIAL INTELLIGENCE }

본 출원은 인터넷 기술 분야에 관한 것으로서, 특히 인공 지능을 기반으로 하는 모바일 검색 방법 및 장치에 관한 것이다.

인공 지능(Artificial Intelligence, AI)은 사람의 지능을 시뮬레이션, 연장 및 확장하기 위한 이론, 방법, 기술 및 응용 시스템을 연구하고 개발하는 새로운 기술 과학이다. 인공 지능은 컴퓨터 과학의 한 분야이며, 지능의 본질을 이해하고, 인간의 지능과 비슷한 방식으로 반응하는 새로운 지능 머신을 제조하는 것을 의도하고 있다. 당해 분야의 연구에는 로봇, 언어 식별, 이미지 식별, 자연 언어 처리와 전문가 시스템 등이 포함된다.

스마트 폰이 신속히 보급됨에 따라, 모바일 인터넷은 이미 대부분의 네티즌들이 정보를 얻는 주요 경로가 되었다. 이에 따라 상기 모바일 인터넷을 이용한 모바일 검색은, 퍼스널 컴퓨터(Personal Computer, PC) 검색을 대체하여, 검색 엔진의 주요한 방식이 되었다. 모바일 기기 요소와 사용자 사용 습관 요소 등의 영향을 받아, 모바일 검색과 PC 검색 사이에는 비교적 큰 차이점이 존재한다.

관련 기술 중, 모바일 검색에서 여전히 PC 검색의 방식(concept)을 계속하여 사용하고 있음으로 인해, 관련 기술에서의 모바일 검색은 검색 결과에 대한 정확도, 장면화, 개인화, 및 사용자 요청의 흡인력을 확장하는 등의 방면에서 결함이 있을 수 있다.

본 출원은 관련 기술에서 존재하는 기술적 과제 중의 하나를 해결하려는데 있다.

이를 위해, 본 출원의 목적은, PC검색 방식을 타파하고, 모바일 검색 장면에 보다 적합한 검색 방법을 제공하는, 인공 지능을 기반으로 하는 모바일 검색 방법을 제공하는 것이다.

본 출원의 다른 하나의 목적은 인공 지능을 기반으로 하는 모바일 검색 장치를 제공하는 것이다.

상기 목적을 달성하기 위하여, 본 출원의 제1 실시예에 따르면, 인공 지능을 기반으로 하는 모바일 검색 방법이 제공될 수 있다. 상기 방법은, 검색창을 디스플레이하고, 상기 검색창을 통하여 입력된 검색어를 수신하는 단계；상기 검색어에 따른 검색 결과를 획득하고, 상기 검색 결과를 검색 결과 페이지에 디스플레이하는 단계; 상기 검색 결과에 대한 클릭 명령을 수신한 후, 상기 검색 결과에 대응되는 컨텍스트 페이지(context page)를 디스플레이하는 단계; 상기 검색 결과 또는 컨텍스트 페이지(context page) 에서 결과에 대한 상기 클릭 명령이 수신되면, 클릭된 결과에 대응되는 콘텐츠 페이지(content page)를 디스플레이하는 단계를 포함할 수 있다.

상기 목적을 달성하기 위하여, 본 출원에 따른 제2 실시예에 따르면, 인공 지능을 기반으로 하는 모바일 검색 장치가 제공될 수 있다. 상기 장치는, 검색창을 디스플레이하고, 상기 검색창을 통하여 입력된 검색어를 수신하기 위한 제1 디스플레이 모듈; 상기 검색어에 따른 검색 결과를 획득하고, 상기 검색 결과를 검색 결과 페이지에 디스플레이하기 위한 제2 디스플레이 모듈; 상기 검색 결과에 대한 클릭 명령이 수신되면, 상기 검색 결과에 대응되는 컨텍스트 페이지(context page)를 디스플레이하기 위한 제3 디스플레이 모듈; 상기 검색 결과 또는 상기 컨텍스트 페이지(context page)에서 결과에 대한 클릭 명령이 수신되면, 클릭된 결과에 대응되는 콘텐츠 페이지(content page)를 디스플레이하기 위한 제4 디스플레이 모듈을 포함할 수 있다.

본 출원 제1 실시예에 따른 인공 지능을 기반으로 하는 모바일 검색 방법은 상술한 과정에 따라 모바일 검색에 더욱 적합한 검색 방식을 제공할 수 있다.

본 출원의 제2 실시예에 따른 인공 지능을 기반으로 하는 모바일 검색 장치는 상술한 과정에 따라 모바일 검색에 더욱 적합한 검색방식을 제공할 수 있다.

본 출원의 부가된 양태 및 이점은 후술할 상세한 설명에서 부분적으로 제시되며, 아래의 설명에서 더 명확해지거나 또는 본 출원의 실시예를 실시함으로써 요해하게 될 것이다.

본 출원의 부가적 측면과 장점은 아래의 첨부된 도면을 결합하여 실시예에 대하여 설명하는 것으로부터 명확해지고 쉽게 이해할 수 있게 되는 것이다.
도 1은 본 출원의 일 실시예에 따른 인공 지능을 기반으로 하는 모바일 검색 방법의 흐름도이다.
도 2은 본 출원의 실시예에 따른 다양한 페이지들의 개략도이다.
도 3a 및 도 3b는 본 출원의 실시예에 따른 단일 요청 검색어와 다중 요청 검색어에 각각 대응되는 검색 결과 페이지의 개략도이다.
도 4a 내지 도 4d는 본 출원의 실시예에 따른 구체적인 실시예의 검색 결과 페이지의 개략도이다.
도 5는 본 출원의 실시예에 따른 구체적인 실시예의 컨텍스트 페이지(context page)의 개략도이다.
도 6은 본 출원의 실시예에 따른 구체적인 실시예의 콘텐츠 페이지(content page)의 개략도이다.
도 7a 및 도 7b는 본 출원의 실시예에 따른 구체적인 실시예의 검색 결과 페이지의 개략도이다.
도 8a 내지 도 8c는 각각 본 출원의 실시예에 따른 구체적인 실시예의 검색 결과 페이지, 컨텍스트 페이지(context page) 및 콘텐츠 페이지(content page)의 개략도이다.
도 9는 본 출원의 실시예에 따른 검색어에 따라 검색 결과를 획득하는 흐름도이다.
도 10은 본 출원의 실시예에 따른 검색어에 따라 검색 결과를 획득하는 흐름도이다.
도 11는 본 출원의 실시예에 따른 검색어에 따라 검색 결과를 획득하는 흐름도이다.
도 12는 본 출원의 실시예의 모바일 검색에 대응되는 효과 개략도이다.
도 13은 본 출원의 실시예에 따르는 인공 지능을 기반으로 하는 모바일 검색 장치의 구조 개략도이다.
도 14는 본 출원의 실시예에 따르는 인공 지능을 기반으로 하는 모바일 검색 장치의 구조 개략도이다.

이하에서는, 본 출원의 실시예에 대하여 보다 더 상세하게 설명하도록 한다. 본 명세서에 설명된 실시예는 본 출원을 설명하기 위해 사용되는 것으로 이해되어야 할 것이고, 본 명세서에 개시되어 있는 실시예로 본 출원의 권리 범위를 한정 해석 해서는 안될 것이다. 또한, 설명의 편의를 위해, 본 명세서에 실시예의 일부는 도면에 도시되어 있지만, 모든 내용이 도시되어 있지 않다는 점을 명확히 밝힌다.

도 1은 본 출원의 일 실시예에 따른 인공 지능을 기반으로 하는 모바일 검색 방법의 흐름도이다.

도 1을 참조하면, 상기 방법은 이하에서 설명할 S11 내지 S14를 포함할 수 있다.

S11은 검색창이 디스플레이되고, 사용자가 상기 검색창을 통하여 입력한 검색어가 수신되는 단계일 수 있다.

도 2에서 도시된 바와 같이, 사용자가 검색 제품(예를 들어 모바일 바이두(百度))을 사용할 때, 사용자에게 검색창(21)이 먼저 디스플레이 될 수 있다.

사용자는 상응하는 검색을 수행하기 위하여 상기 검색창에 검색어(query)를 입력할 수 있다.

사용자가 상기 검색어를 입력할 때, 상기 검색어는 문자, 음성, 이미지 등 형식으로 입력될 수 있다.

S12는 상기 검색어에 따라 검색 결과가 획득되고, 상기 검색 결과가 검색 결과 페이지에 디스플레이되는 단계일 수 있다.

예를 들어, 도 2를 참조하면, 사용자가 검색창(21)에 검색어를 입력하고, “검색”을 클릭하면, 상기 검색 결과를 포함하는 상기 검색 결과 페이지(22)로 연결될 수 있다.

일부 실시예에서, 검색 결과는 정확한 결과, 집계된 결과, 및 추천 가이드 결과를 포함할 수 있다.

검색어가 단일 요청 검색어 일 때, 요청을 충족하는 정확한 결과가 제공될 수 있다.

검색어가 다중 요청 검색어일 때, 다중 요청에서의 검색 결과가 집계(aggregate)되고, 상기 집계된(aggregation) 결과가 제공될 수 있다.

검색어가 단일 요청 검색어 일 때, 상기 정확한 결과 이후, 상기 요청(검색어), 상기 정확한 결과, 사용자의 개인화(personalized) 및 장면화(scenarized) 와 관련된 하나 이상의 추천 가이드 결과가 제공될 수 있다. 또는, 검색어가 다중 요청 검색어일 때, 집계된 결과 이후, 상기 요청(검색어), 상기 집계된 결과, 사용자의 개인화 및 장면화와 관련된 하나 이상의 추천 가이드 결과가 제공될 수 있다.

예를 들어, 도 3a 및 도 3b를 참조하면, 도 3a 및 도 3b는 본 출원의 실시예에 따른 단일 요청 검색어에 대응되는 검색 결과 페이지의 개략도와 다중 요청 검색어에 대응되는 검색 결과 페이지의 개략도이다.

S13는 검색 결과에 대한 클릭 명령을 수신된 후, 상기 검색 결과에 대응되는 컨텍스트 페이지(context page)가 디스플레이되는 단계일 수 있다.

상기 컨텍스트 페이지(context page)는 주어진 컨텍스트(context)에 관심을 갖는 사용자에 대한 심층적인 읽기(reading) 및 브라우징(browsing)을 위한 컨텍스트(context)를 제공하도록 하는 기능을 수행할 수 있다. 컨텍스트 페이지(context page) 의 내용은 주어진 컨텍스트(context)에 대한 개선(refining) 또는 확장(extension)일 수 있다. 또한, 상기 컨텍스트 페이지(context page)의 내용은 주어진 결과의 동류 결과, 근사 결과 또는 관련 결과를 포함할 수 있다. 상기 주어진 결과는 검색 결과 중 하나의 결과일 수 있다.

예를 들어, 도 2를 참조하면, 사용자가 상기 검색 결과 페이지의 검색 결과를 클릭하면, 상기 클릭된 검색 결과에 대응되는 컨텍스트 페이지(context page)(23)가 디스플레이될 수 있다.

S14는 검색 결과 또는 컨텍스트 페이지(context page)에서 결과에 대한 클릭 명령이 수신된 후, 클릭된 결과에 대응되는 콘텐츠 페이지(content page)가 디스플레이되는 단계일 수 있다.

콘텐츠 페이지(content page) 의 내용은 검색 결과 페이지의 결과에 대한 상세한 내용이거나, 또는 컨텍스트 페이지(context page)의 결과에 대한 상세한 내용일 수 있다. 또한, 상기 콘텐츠 페이지(content page) 의 내용은 뉴스에 대한 상세한 보도, 대상에 대한 상세한 설명, 웹 페이지에 대한 상세한 설명 등을 포함할 수 있으나, 열거된 예시에 한정되는 것은 아니다.

예를 들어, 도 2를 참조하면, 사용자가 컨텍스트 페이지(context page) 의 결과를 클릭하면, 클릭된 결과에 대응되는 콘텐츠 페이지(content page)(24)가 디스플레이될 수 있다. 또는, 사용자가 검색 결과 페이지의 검색 결과를 클릭하면, 클릭된 검색 결과에 대응되는 콘텐츠 페이지(content page)(24)가 디스플레이될 수 있다.

이하에서는 상술한 과정의 이해를 위해 구체적인 실시예를 들어 설명하기로 한다.

몇몇 실시예를 설명함에 있어, 단일 요청 검색어에 대한 모바일 검색을 예로 들어 설명한다.

예를 들어, 단일 요청 검색어는 “베이징 날씨”일 수 있다. 사용자가 검색창에 “베이징 날씨”를 입력하고 검색을 시작하면, 검색 결과 페이지는 도 4a 내지 도 4d에서 도시하는 바와 같이 디스플레이될 수 있다.

모바일 기기의 사이즈의 제한으로 인하여, 검색 결과는 통상적으로 복수개의 스크린 형식으로 디스플레이 되며, 사용자는 아래위로 슬라이딩하는 입력을 통하여 다른 스크린의 검색결과를 볼 수 있다. 본 출원의 실시예에서는 도 4a 내지 도 4d의 네개의 스크린을 예로 들었다.

검색 결과는 도 4a에 도시된 바와 같이 요청된 검색어를 직접 만족하는 정확한 결과를 포함할 수 있고, 도 4b 내지 도 4d에서 도시된 바와 같이 상기 요청된 검색어에 대한 추천 가이드 결과를 포함할 수도 있다. 본 실시예에서, 추천 가이드 결과는 “생활 지수 추천”인 바, 구체적으로, “신정 공략”, “생선 구이”, “다운 재킷”, “4D/5D 영화”, “주변 명소”, “기괴한 날씨”과 같은 구체적인 컨텍스트(context)를 포함한다.

“주변 명소”라는 검색 결과를 예로 들면, 검색 결과는 컨텍스트 페이지(context page)에 대응될 수 있다. 즉 사용자가 “주변 명소”를 클릭한 후이면, 도 5에서 도시하는 바와 같은 컨텍스트 페이지(context page)가 디스플레이될 수 있다. 컨텍스트 페이지(context page)에 디스플레이되는 주변 명소는 검색 결과 페이지에서 디스플레이되는 주변 명소보다 더욱 상세하고 종합적이다.

사용자가 컨텍스트 페이지(context page)의 결과를 클릭하는 것을 예를 들어 설명하면, 사용자가 컨텍스트 페이지(context page)의 “동방 프로방스 라벤더 장원(?方普?旺斯薰衣草庄?)”의 결과를 클릭하면, 도 6에서 도시하는 바와 같이 클릭된 결과에 대응되는 콘텐츠 페이지(content page)가 디스플레이될 수 있다.

몇몇 실시예를 설명함에 있어, 다중 요청 검색어에 대한 모바일 검색을 예로 들어 설명한다.

예를 들어, 다중 요청 검색어는 “오진(??)”일 수 있다. 사용자가 검색창에 “오진”을 입력하고 검색을 시작하면, 검색 결과 페이지는 도 7a 및 도 7b에서 도시하는 바와 같이 디스플레이될 수 있다.

본 실시예에서, 사용자의 “오진”이라는 대상에 대한 여러가지 잠재적인 요청으로 인해, 현재 검색어(query)에서의 사용자의 요청 분포(distribution)가 자동으로 탐지되고, “명소”, “맛있는 음식”, “쇼핑” 과 같은 복수개의 요청 차원(dimension)이 추출되며, 검색 결과가 이러한 요청 차원(dimension)에 따라 집계되어 디스플레이될 수 있다. 예를 들어, 도 7a를 참조하면, “명소”, “맛있는 음식”, “쇼핑”과 같은 요청 차원이 집계된 집계 결과가 디스플레이될 수 있다. 또한, 검색 결과 페이지에는 도 7b에서 도시된 바와 같이 추천 가이드 결과가 더 디스플레이될 수도 있다.

다중 요청 검색어의 장면에서, 컨텍스트 페이지(context page)와 콘텐츠 페이지(content page)의 로직 및 원리는 단일 요청 검색어에서의 로직 및 원리와 일치한 바, 여기에서는 더 상세히 설명하지 않기로 한다.

더 나아가, 다중 요청 검색어 장면에서, 다중 요청 검색어는 다른 뜻이 있는 검색어(예를 들어, “애플”, “이나(李娜)” 등)일 수 있다. 사용자의 상기 요청은 다중 요청 검색어의 종류에 따라 다른 항목(item)에 분포될 수 있다. 예를 들어 사용자의 “애플”에 대한 요청은 과일, 휴대폰 브랜드, 회사 이름, 그리고 영화에 분포될 수 있다. 이러한 경우, 본 출원의 일 실시예에 따르면, 다른 항목(item)에 대한 집계 결과가 디스플레이될 수 있다.

몇몇 실시예를 설명함에 있어, 정보 검색어에 대한 모바일 검색을 예로 들어 설명한다.

예를 들어, 정보 요청 검색어는 “쌍둥이자리 유성군”일 수 있다. 사용자가 검색창에 “쌍둥이자리 유성군”을 입력하고 검색을 시작하면, 검색 결과 페이지에는 도 8a에서 도시하는 것과 같이 디스플레이될 수 있다.

검색 결과 페이지에는 검색어 요청을 직접 만족하는 정확한 결과가 포함될 수 있고, 상기 정확한 결과 아래 쪽에는 추천 가이드 결과가 디스플레이될 수 있다. 만약 사용자의 정보 브라우징(browsing) 및 읽기(reading)에 대한 추가 요청이 있다면, 도 8b에서 도시하는 바와 같이 컨텍스트 페이지(context page)에 들어가기 위해 추천 가이드 결과가 클릭될 수 있다. 또한, 컨텍스트 페이지(context page)의 정보 내용 선택은 주로 정보 내용의 사용자의 개인화된 요청에 대한 인기도, 시간성(time-validity), 및 관련성을 기반으로 한다. 만약 사용자가 컨텍스트 페이지(context page)의 정보에 대하여 상세하게 요해하고자 하면, 정보를 클릭하여 도 8c에서 도시하는 바와 같이 콘텐츠 페이지(content page)에 접속 할 수 있다.

상기 프로세스에서, 검색어에 따라 검색 결과를 획득하기위해, 다른 장면에 따라 다른 방식이 적용될 수 있다.

일부 실시예에서, 도 9를 참조하면, 검색어에 따라 검색 결과를 획득하는 프로세스는 후술할 단계 S91 내지S94를 포함할 수 있다.

S91은 검색어에 대하여 요청 이해 분석이 수행되는 단계일 수 있다.

상기 요청 이해 분석은 요청 분류, 요청 구문 분석, 및 요청 의미 분석을 포함할 수 있다.

상기 요청 분류는 주어진 요청 분류 체계를 기반으로 하여 검색어(Q)를 어떤 특정 카테고리로 분류되는 것일 수 있다. 예를 들어, Q = “내일 상하이의 날씨”는 “날씨”류에 분류되는 것이다.

요청 구문 분석은 Q에서 단어 사이의 관계를 분석하는 것으로, 예를 들어 Q = “내일 상하이의 날씨”이면, 본 요청에서의 핵심 단어가 “날씨”이고, 한정 성분은 각각 “내일”과 “상하이”로 분석된다.

요청 의미 분석은 지식 라이브러리에서 검색을 수행하도록 요청 분류와 구문 분석 결과에 따라 구문 표현을 더 분석하고 생성할 수 있다.

더 나아가서, 요청 이해 분석은 요청 표준화 및 검색 오류 바로잡기(????) 중의 적어도 하나를 더 포함할 수 있다.

일부 비인기 분야의 검색어에 대하여 요청 표준화 기술을 응용하는 것이 필요할 수 있다. 예를 들어 Q = “여보세요, 내일 상하이의 날씨는 어떻습니까”는 의미적으로는 “내일 상하이의 날씨”에 해당하는 구어적인 검색어이고, 현재 날짜를 기반으로하여 Q를 “2016년 1월 12일 상하이 날씨”와 같이 정확한 검색이 가능하도록 표준화 될 수 있다.

잘못된 검색어의 경우, 검색 오류 바로잡기 기술을 사용하는 것이 필요할 수 있다. 예를 들어 Q = “내일 상처(?害)의 날씨”이면, 검색 오류 바로잡기 기술은 잘못 입력된 “상처”가 “상하이”여야 하는 것을 자동적으로 식별하고, 상기 검색어 Q는 정확한 검색 “내일 상하이(上海)의 날씨”로 수정된다.

S92는 웹 페이지 소스에 대하여 텍스트 이해 분석이 수행되는 단계일 수 있다.

상기 웹 페이지 소스에 대하여 텍스트 이해 분석이 수행되는 것은 텍스트 주제 분석을 포함할 수 있다.

상기 텍스트 주제 분석 기술은 대규모 웹 페이지의 학습 주제 모듈과 주제 모델을 기반으로 하여 주어진 주제 분포 텍스트를 계산할 수 있다. 간단하게 예를 들어, 웹 페이지의 주제 분포는 정치가 0. 74이고；군사가 0. 21이며；경제가 0. 05(각 수치는 각 주제에서의 텍스트의 분포 확률을 나타냄)일 수 있다. 텍스트 주제 분석 기술의 역할은 검색 결과의 주제 관련성을 높이는데 있을 수 있다.

S93은 검색어에 대한 분석 결과와 웹 페이지 소스에 대한 분석 결과에 따라 오리지널(original) 검색 결과가 획득되는 단계일 수 있다.

예를 들어, 검색어에 대한 요청 이해 분석을 행한 후, 검색어가 정치 주제에 속하면, 오리지널(original) 검색 결과는 정치 주제의 분포 확률이 비교적 높은 웹 페이지 소스에서 대응되는 검색결과가 검색될 수 있다.

S94는 오리지널(original) 검색 결과에 대하여 텍스트 이해 분석이 수행되고, 디스플레이하기 위한 검색 결과가 획득되는 단계일 수 있다.

오리지널(original) 검색 결과에 대하여 텍스트 이해 분석을 수행하는 단계는 오리지널(original) 검색 결과에 대한 자동 요약 처리를 수행하는 단계를 포함한다.

자동 요약 기술: 검색 결과의 텍스트의 길이가 제한되어 있기에, 일반적으로 검색 결과에 대하여 자동 요약 처리가 수행될 수 있다. 생성된 요약은 사용자의 읽기(reading) 효율을 높이도록 하기 위해 사용자에게 출력될 수 있다.

일부 실시예에서, 검색어가 질문 일 때, 심층 문답 기법을 적용하여 질문과 대응하는 정확한 답변을 획득할 수 있다.

심층 문답 기법 기술은 사용자의 의문문 형식 검색을 겨냥하여 정확한 답변을 직접 제공한다. 심층 문답 기법은 답변 유형에 따라 아래의 몇가지 유형으로 나뉠 수 있다: (1) 엔티티형 문답, 즉 “남아메리카의 제일 큰 나라”, “어떤 음식이 칼슘을 보충하나요” 등과 같이 질문에 대한 예상 답변이 하나 또는 복수개 엔티티인 것이다. (2) 비관점형 문답, 즉 “귀염둥이가 해삼을 먹을 수 있나요”, “다운 재킷은 물로 씻을 수 있나요” 등과 같이 질문에 대한 예상 답변이 “예” 또는 “아니오”인 것이다. (3) 단락형 문답, “귀염둥이가 트림하면 어찌하나요”, “훙사오러우는 어떻게 하나요” 등과 같은 것이다. 심층 문답 기법 기술은 질문의 요청과 유형에 대한 분석을 기반으로 자동으로 발굴하고, 필터링하며, 종합하고, 순서 배열하여 인터넷 빅데이터로부터 답변을 획득한다.

심층 문답 기법 기술에서, 객관적인 질문에 대하여 대답하는 것 외에도, 주관 적인 질문에 대하여 대답하는 것도 필요할 수 있다. 예를 들어, “기아 K5가 어떠세요”, “대동(大董) 오리구이가 맛있나요” 등과 같은 질문 일 수 있다. 이러한 질문에 대한 회답은 감정 분석 기술을 기반으로 하는 것을 필요로 하며, 상기 평론 대기 대상의 코멘트 텍스트가 자동으로 분석됨으로써 평론에 대한 개별적 측면의 평론 관점이 획득될 수 있고, 평론문의 요약이 자동으로 생성될 수 있다. 예를 들어, “기아 K5가 어떠세요”라는 검색어에 대하여, “외관”, “오일 소모량”, “자동차 내부 장식물”, “조작성” 등 측면에 대한 각각 평론 관점(“좋다”, “나쁘다”, “일반적이다” 등)의 발굴을 행하고, 대량의 온라인 상의 평론문(예를들어, 각 평론 측면에 대한 각 평론 관점)을 기반으로 하여 코멘트 요약문을 생성하는 것이 필요된다.

몇몇 실시예에서, 도 10을 참조하면, 검색어에 따라 검색 결과를 획득하는 프로세스는 하기의 단계 S101 및 S102를 포함할 수 있다.

S101는 검색어가 다중 요청 검색어 일 때, 상기 검색어에 대응하는 복수개 요청 차원이 결정되는 단계일 수 있다.

S102는 집계 결과의 획득을 위해 다른 요청 차원에 대응되는 검색 결과가 집계 되는 단계일 수 있다.

구체적으로, 검색어가 다중 요청 검색어 일 때, 결과 집계 기술이 적용될 수 있다.

결과 집계 기술은 다중 요청 검색어의 요청 차원에 대하여 자동으로 발견하고, 다른 검색 차원에서의 검색 결과에 대하여 집계할 수 있다. 구체적으로, 결과 집계 기술은 이하에서 설명할 (1)과 (2)를 포함한다. (1) 요청 차원 발견: 사용자 검색 로그를 기반으로 하여 현재 검색어Q를 함유하는 모든 검색어에 대하여 요청 차원에 따라 자동으로 클러스터될 수 있다. 예를 들어 Q = “리장”에 대하여, “공략”, “맛있는 음식”, “명소” 과 같은 다른 요청 차원이 자동적으로 발견되는 것이 필요될 수 있다. 요청 차원 발견의 구체적인 기술에는 여러가지 종류가 있는데, 일반적인 방법으로는 검색어 내용 유사도를 기반으로 하여 클러스터를 계산 하는 방법 및 사용자 클릭 유사도를 기반으로 하여 클러스터를 계산(즉 동일 요청의 검색어는 동일 결과가 클릭되는 경향이 있음)하는 방법 등이 있을 수 있다. (2) 검색 결과 집계: 다중 요청 검색어 Q에 대하여, 상기 발견된 복수개 요청 차원에서 모든 검색 결과가 집계될 수 있다. 보다 구체적으로 설명하면, 집계 과정에서 각 검색 결과와 각 요청 차원의 관련도를 고려하여야 할 뿐만 아니라, 검색 결과간의 유사도도 고려될 수 있다. 예를 들어, Q = “리장”의 “리장 현지 특색 스낵” 주제에 대한 검색 결과인 경우, 검색 결과 집계는 상기 결과와 “공략”, “맛있는 음식”, “명소” 과 같은 요청 차원의 관련도가 계산될 수 있고, 및/또는 상기 검색 결과와 각 요청 차원에서의 집계된 검색 결과의 유사도도 계산될 수 있다.

나아가서, 다중 요청 검색어는 다른 뜻이 있는 검색어를 포함할 수 있고, 상기 다른 뜻이 있는 검색어는 복수개의 항목(item)에 대응되는 검색어일 수 있다. 예를 들어, “애플”이란 검색어는 과일, 전자제품, 회사, 영화 등 복수개 항목에 대응 될 수 있다.

이 때, 다중 요청 차원은 복수개 항목을 가리키는바, 집계된 결과를 얻기 위해 복수개의 항목에 상응하는 검색 결과가 집계될 수 있다.

구체적으로, 검색어가 다른 뜻이 있는 검색어 일 때, 명확화 기술이 적용될 수 있다.

명확화 기술은 다른 뜻이 있는 검색어 Q에 따른 다른 항목들에 상응하는 검색 결과를 집계하도록 구성될 수 있다. 기본 기술은 엔티티 링킹(entity linking) 기술로서, 구체적으로 말하자면, 다른 뜻 검색어 Q의 글자 그대로의 표현(예를 들어 “애플”)은 미리 예정된 지식 베이스에서 복수개 항목에 대응될 수 있다(예를 들어 “애플”은 “과일”, “전자제품”, “회사”, “영화” 등에 대응됨). 엔티티 링킹 기술은 각 검색 결과에서의 다른 뜻 표현 Q의 컨텍스트(context)에 대해 모델링(modeling)하는 것을 통하여, 다른 항목에 대한 정확한 링크을 실행할 수 있다. 예를 들어, “겨울에는 마땅히 애플을 많이 먹어 비타민을 보충해야 한다”라는 이 결과에 대하여, “애플”이라는 검색어 컨텍스트(context)에 대한 모델이 구축되면, “과일” 항목이 자동적으로 링킹될 수 있다. 그러나 “잡스은 애플의 새기원을 개척하였다”라는 결과는 “회사”라는 항목에 링킹될 수 있다.

몇몇 실시예에서, 도 11를 참조하면, 상기 방법은 하기의 단계 S111 내지 S113을 포함할 수 있다.

S111은 개인화 모델을 획득하기 위해 사용자 정보에 따라 개인화 모델링이 수행되는 것 및 장면화 모델을 획득하는 것 사용자 정보에 따라 장면화 모델링이 수행되는 것 중 적어도 어느 하나의 행위가 수행되는 단계일 수 있다.

개인화 모델링에 사용되는 사용자 정보는 사용자 속성, 상태, 관심, 소비 습관 등을 포함하나 이에 한정되지 않는다.

구체적으로, 개인화 모델링에는 구체적으로 사용자의 속성(예를 들어 성별, 나이 등), 상태(예를 들어 임신, 구직 등), 관심(예를 들어 공포영화, 록 음악 등을 좋아하는 것), 소비 습관(예를 들어 전자 제품 등을 주로 구매하는 것)등의 모델링을 포함한다. 모델링 방식은 사용자에 의해 개인화 정보가 작성되고 제출되는 것, 사용자 검색 로그를 자동으로 분석하는 것, 및 사용자의 전체 페이지 브라우징(browsing) 로그를 자동으로 분석하는 것 등을 통한 모델링을 포함할 수 있으나 이에 한정되지 않는다. 개인화 모델링에서 얻은 사용자 정보는, 사용자의 프라이버시를 보호하기 위해, 사용자에 대한 개인화된 검색과 개인화된 추천에 사용될 수 있고, 다른 용도로는 사용되지 않는다.

장면화 모델링에 사용되는 사용자 정보는 사용자가 검색을 시작한 시간, 위치, 장소, 컨텍스트(context), 사용된 단말기 등을 포함하나 이에 한정되지 않는다.

구체적으로, 획득하고자 하는 장면화 특징에는 사용자가 검색 요청을 시작한 시간, 위치(다른 지리적 위치를 기반으로 하는 위치추적), 장소(예를 들어 학교, 쇼팽몰, 주거 지역 등), 컨텍스트(즉, 사용자가 현재 검색어 전에 검색한 기타 검색어), 및 기기 단말(예를 들어 다른 브랜드의 스마트폰) 등이 포함될 수 있다.

따라서, 검색어에 따라 검색 결과를 획득하는 프로세스는 다음과 같은 단계를 포함할 수 있다.

S112는 검색어에 따라 정확한 결과 또는 집계 결과가 획득되는 단계일 수 있다.

정확한 결과 또는 집계 결과는 검색어의 단일 또는 다중 차원의 요청을 만족시키는 결과일 수 있다. 검색 결과 페이지에는 사용자의 요청을 만족하는 결과가 디스플레이될 수 있을 뿐만 아니라, 관련된 추천 가이드 결과도 디스플레이될 수 있다.

S113은 추천된 결과와 검색어의 관련도, 추천된 결과와 정확한 결과 또는 집계 결과의 관련도, 추천된 결과와 개인화 모델의 매칭정도(matching degree), 추천된 결과와 장면화 모델의 매칭정도, 추천된 결과의 자체 가치 특징중 한가지 또는 여러가지 정보에 따른 정확한 결과 또는 집계 결과와 대응되는 추천 가이드 결과가 획득되는 단계일 수 있다.

구체적으로, 상술한 바와 같이, 정확한 결과 또는 집계 결과가 디스플레이된 후, 잠재적인 검색 요청을 유발하게 하기 위해 추천 가이드 결과가 더 디스플레이될 수 있다. 임의의 추천된 결과 D에 대하여, 추천 안내 기술(引?推?技?)을 기반으로 하여 추천 점수 환산치가 계산되고, 추천 점수 환산치의 높고 낮음에 따라 추천할지 여부가 다음의 가치에 따라 결정될 수 있다. (1) 추천된 결과 D와 검색어 Q의 관련도, (2) D와 Q의 검색 결과의 관련도, (3) D와 현재 사용자 개인화 모델의 매칭정도, (4) D와 현재 검색어Q의 장면화 모델의 매칭정도, (5) D의 자체 가치 특징, 예를 들어 권위성, 시간성 등 이다.

본 출원의 실시예에서, 상기 프로세스를 통하여, 검색 엔진의 목표가 근본적으로 변경될 수 있고, 도12에서 도시하고 있는바와 같이 “사용자 요청을 신속히 만족시키는 것”은 “사용자 요청을 심도있게 만족시키고, 사용자에게 ‘몰입감(immersion)’ 있는 경험을 제공하는 것”으로 진화될 수 있다.

구체적으로 상기 프로세스는 하기의 내용을 포함할 수 있다.

사용자의 요청을 심도있게 만족시키는 것은 다음과 같은 측면에서 구체화될 수 있다. (1) 단일 요청을 보다 정확히 만족시키고, 웹 페이지에 대한 링크가 아닌 사용자에게 정확한 답변을 직접 제공함으로써, 사용자가 웹 페이지를 더 브라우징하여 답변을 찾는 시간 비용이 생략될 수 있고；(2) 사용자의 요청을 보다 포괄적으로, 특히 다중 요청 검색어에 대하여, 검색어의 요청 분포 및 각각의 우선 순위가 조사되고, 전면적이고 합리적인 검색 결과를 디스플레이하여 사용자의 최대의 정도에서 검색 요청 포인트가 충족될 수 있고；(3) 검색 요청 만족이 더 심도있게 만족되며, 양질의 자원을 정선하고 및 검색 결과에 대한 집합, 요약 및 지식 발굴 등 기술 수단을 기반으로 한 검색결과의 심도와 품질이 향상될 수 있다.

몰입 검색 경험은 다음과 같은 측면에서 구체화 될 수 있다. (1) 검색 요청의 만족을 기반으로 하여, 요청 가이드가 강화되며, 사용자가 검색 요청을 확장하는 것이 유발되도록 하고；(2) 개인화와 장면화 모델링을 기반으로 하여, 가이드 및 유발의 적합성과 의존성이 개선되며, 추천 내용의 흡인력이 향상되고；(3) 전통적 검색 엔진의 “툴화(toolize)” 속성이 변경되고, “몰입감” 경험이 강화된다. 즉 사용자가 더 이상 검색만을 위하여 검색 엔진을 사용하는 것이 아니라, 몰입하여, 정보를 읽거나 또는 각 유형의 고품질 정보를 전면적으로 획득하기 위해 검색 엔진이 사용될 수 있다.

검색 결과 표현의 근본적인 혁신은, 구체적으로 말하자면 전통적 검색 결과를 간단하게 관련성에 따라 높은 것으로부터 낮은 것으로 선형 배렬한 “1 차원” 표현 방법으로부터 “세로+가로+심도”의 “3 차원” 표현방법으로 진화된 것이다. 여기에서 “세로”는 이른바 관련성, 중요성 등 요소에 따라 검색 결과에 대하여 위로부터 아래로의 세로 배열한 것을 가리키고(도 8a에서 예시한 제1 프레임으로 선택된 내용 81); “가로”는 이른바 동일 요청을 만족하는 유사한 결과에 대하여 좌측으로부터 우측으로의 가로 배열한 것을 가리키며(도 8a에서 예시한 제2 프레임으로 선택된 내용 82); “심입”은 컨텍스트 페이지(context page)에 디스플레이된 현재 검색 결과에 대한 진행 및 확장을 가리킨다(도 8b에서 예시한 제3 프레임으로 선택된 내용 83).

상술한 바를 종합하면, 본 출원에 관한 모바일 검색 수단은 사용자 만족도를 높이기 위해 사용자의 사용 기간을 연장할 수 있다. 그리고 사용자 경험의 향상은 모바일 검색 엔진에 더욱 강한 생태적 제어력을 가져다 준다.

도 13은 본 출원의 다른 실시예가 제공하는 인공 지능을 기반으로 하는 모바일 검색 장치의 구조 개략도이다. 도 13을 참조하면, 당해 장치(130)는 제1 디스플레이 모듈(131), 제2 디스플레이 모듈(132), 제3 디스플레이 모듈(133)과 제4 디스플레이 모듈(134)을 포함할 수 있다.

제1 디스플레이 모듈(131)은 검색창을 디스플레이하고, 사용자가 검색창을 통하여 입력한 검색어를 수신하도록 구성될 수 있다.

제2 디스플레이 모듈(132)은 검색어에 따라 검색 결과를 획득하고, 검색 결과를 검색 결과 페이지에 디스플레이하도록 구성될 수 있다.

제3 디스플레이 모듈(133)은 검색 결과에 대한 클릭 명령이 수신되면, 검색 결과에 대응되는 컨텍스트 페이지(context page)를 디스플레이하도록 구성될 수 있다.

제4 디스플레이 모듈(134)은 검색 결과 또는 컨텍스트 페이지(context page) 중의 결과에 대한 클릭 명령이 수신되면, 클릭한 결과에 대응하는 콘텐츠 페이지(content page)를 디스플레이하도록 구성될 수 있다.

일부 실시예에서, 상기 검색 결과는 정확한 결과, 집계 결과 및 추천 가이드 결과를 포함할 수 있다.

일부 실시예에서, 상기 제2 디스플레이 모듈(132)이 검색어에 따라 검색 결과를 획득하기 위해,

검색어에 대하여 요청 이해 분석을 수행하는 단계；

웹 페이지 소스에 대하여 텍스트 이해 분석을 수행하는 단계；

검색어에 대한 분석 결과와 웹 페이지 소스에 대한 분석 결과에 따라 오리지널(original) 검색 결과를 획득하는 단계；및

오리지널 검색 결과에 대하여 텍스트 이해 분석을 수행하여, 디스플레이하기 위한 검색 결과를 획득하는 단계를 포함할 수 있다.

일부 실시예에서, 상기 요청 이해 분석은, 요청 분류, 요청 구문 분석 및 요청 의미 분석을 포함할 수 있다.

일부 실시예에서, 상기 요청 이해 분석은, 요청 표준화 및 검색 오류 바로잡기 중의 적어도 하나를 더 포함할 수 있다.

일부 실시예에서, 상기 웹 페이지 소스에 대하여 텍스트 이해 분석을 수행하는 것은, 웹 페이지 자원에 대하여 텍스트 주제 분석을 수행하는 것을 포함할 수 있다.

일부 실시예에서, 상기 오리지널(original) 검색 결과에 대하여 텍스트 이해 분석을 수행하는 것은, 오리지널 검색 결과에 대하여 자동 요약 처리를 수행하는 것을 포함할 수 있다.

일부 실시예에서, 상기 제2 디스플레이 모듈(132)이 검색어에 따라 검색 결과를 획득하기 위해, 검색어가 질문 일 때, 심층 문답 기법을 적용하여 문제에 대응하는 정확한 답변을 획득하는 것을 포함할 수 있다.

검색어가 다중 요청 검색어 일 때, 상기 검색어에 대응되는 복수개 요청 차원을 결정하는 단계；및

집계 결과를 획득하기 위해, 다른 요청 차원에 대응하는 검색 결과를 집계하는 단계를 포함할 수 있다.

일부 실시예에서, 도 14를 참조하면, 당해 장치는 사용자 정보에 따라 개인화 모델을 획득하기 위해 개인화 모델링을 수행하거나 및/또는 사용자 정보에 따라 장면화 모델을 획득하기 위해 장면화 모델링을 수행하도록 구성된 모델링 모듈(135)을 더 포함할 수 있다.

상응하게, 상기 제2 디스플레이 모듈(132)이 검색어에 따라 검색 결과를 획득하기 위해,

검색어에 따라 정확한 결과 또는 집계 결과를 획득하는 단계；및

추천된 결과와 검색어의 관련도, 추천된 결과와 정확한 결과 또는 집계 결과의 관련도, 추천된 결과와 개인화 모델의 매칭정도, 추천된 결과와 장면화 모델의 매칭정도, 추천된 결과의 자체 가치 특징중 한가지 또는 여러가지 정보에 따라 정확한 결과 또는 집계 결과에 대응되는 추천 가이드 결과를 획득하는 단계를 포함할 수 있다.

상기 장치는 방법과 대응되는 것이기에, 상기 장치 중 각 모듈의 구체적인 내용은 방법 실시예 중의 관련된 설명을 참조할 수 있는바, 여기에서는 다시 상세히 설명하지 않기로 한다.

본 출원의 실시예에서, 상기 프로세스에 따르면, 검색 엔진의 목적이 근본적으로 변경될 수 있고, “사용자의 요청을 신속히 만족시키는 것”으로부터 “사용자 요청을 심도있게 만족시키고, 사용자에게 ‘몰입감’ 있는 경험을 제공하는 것”으로 개선될 수 있다.

본 출원을 설명함에 있어서, “제1”, “제2” 와 같은 용어는 단지 설명을 목적으로 사용된 것일 뿐, 상대적인 중요한 의미를 지시하거나 암시하는 것으로 이해해서는 안된다. 또한, 본 출원의 설명에서, 별도의 설명이 없는 한, “복수개”의 의미는 적어도 두개임을 가리킨다.

흐름도에서 또는 기타의 방식으로 설명되는 어떠한 과정 또는 방법에 대한 설명은 하나의 또는 복수개의 특정 로직 기능 또는 과정의 단계를 실현하기 위한 수행가능 명령의 코드의 모듈, 또는 코드의 하나 이상의 모듈, 세그먼트 또는 부분을 포함하는 것을 나타내는 것으로 이해할 수 있다. 그리고 본 출원의 바람직한 실시 방식의 범위는 여기서 제시되거나 토론된 순서가 아닌, 거의 동시의 방식 또는 상반되는 순서를 포함한 프로세스에 따른 기능이 수행될 수 있는바, 이는 본 출원이 속하는 기술 분야의 통상의 지식을 가진 자들에 따라 이해될 수 있다.

본 출원의 각 부분은 하드웨어, 소프트웨어, 펌웨어 또는 그들의 조합으로 실현될 수 있다는 것으로 이해되어야 한다. 상기 실시 방식에서, 복수개의 단계나 방법은 메모리에 저장된 적합한 명령 수행 시스템이 수행하는 소프트웨어 또는 펌웨어로 실현할 수 있다. 예를 들어, 하드웨어에 의해 구현되는 경우, 다른 실시예에서와 마찬가지로 본 분야에서 공지된 아래에 열거한 기술 중의 어느 한 항 또는 그들의 조합으로 실현될 수 있다. 상기 기술은, 데이터 신호에 대해 로직 기능을 실현하기 위한 로직 게이트 회로를 구비한 이산 로직 회로, 적합한 조합 로직 게이트 회로를 구비한 전용 집적 회로, 프로그램 가능 게이트 어레이(PGA), 필드 프로그램 가능 게이트 어레이(FPGA)등 이다.

본 출원이 속하는 기술 분야의 통상의 지식을 가진 자들은, 상기 실시예에 개시된 방법에 포함된 전부 또는 일부 단계를 실현하는 것은 프로그램을 통하여 관련 하드웨어를 명령하여 완성될 수 있으며, 상기 프로그램은 컴퓨터 판독가능 저장 매개물에 저장될 수 있으며, 당해 프로그램이 수행될 때 방법 실시예의 단계 중의 하나 또는 그 조합을 포함한다는 것을 이해할 수 있다.

이 외에, 본 출원의 각각의 실시예에서 각 기능 유닛은 하나의 처리 모듈에 집적될 수 있고, 각 유닛이 개별적인 물리적 존재일 수도 있으며 2 이상의 유닛이 하나의 모듈에 집적될 수도 있다. 상기 집적된 모듈은 하드웨어의 형식으로 실현될 수도 있고, 소프트웨어 기능 모듈의 형식을 적용하여 실현할 수도 있다. 상기 집적된 모듈이 만약 소프트웨어 기능 모듈의 형식으로 실현되고 독립된 제품으로 판매되거나 사용될 때 집적된 모듈은 하나의 컴퓨터 판독가능 저장 매개물에 저장될 수도 있다.

위에서 언급된 저장 매개물은 읽기 전용 기억 장치, 디스크 또는 CD일 수 있다.

본 명세서의 설명에서 참조 용어 “일 실시예”, “일부 실시예”, “예시”, “구체적 예시” 또는 “일부 예시” 등의 설명은 당해 실시예 또는 예시를 결부하여 설명하는 구체적인 특징, 구조, 재료 또는 특징이 본 출원의 적어도 하나의 실시예 또는 예시에 포함된다는 것을 의미한다. 본 명세서에서 상술한 용어에 대한 함축적인 표달이 반드시 동일한 실시예 또는 예시를 가리키는 것은 아니다. 그리고, 설명된 구체적 특징, 구조, 재료 또는 특징은 임의의 하나 또는 복수개의 실시예 또는 예시에서 적합한 방식으로 결합될 수 있다.

비록 위에서 이미 본 출원의 실시예를 제시하고 설명하였으나 상기 실시예는 예시적인 것으로서 본 출원에 대한 한정으로 이해해서는 안되며 본 출원이 속하는 기술 분야의 통상의 지식을 가진 자들은 본 출원의 범위내에서 상기 실시예에 대해 변화, 수정, 대체와 변형을 진행할 수 있을 것 이다.

Claims

인공 지능을 기반으로 하는 모바일 검색 방법에 있어서,
검색창을 디스플레이하고, 상기 검색창을 통하여 입력된 검색어를 수신하는 단계；
상기 검색어에 따라 검색 결과를 획득하고, 상기 검색 결과를 검색 결과 페이지에 디스플레이하는 단계；
상기 검색 결과에 대한 클릭 명령이 수신되면, 상기 검색 결과에 대응되는 컨텍스트 페이지(context page)를 디스플레이하는 단계；및
상기 검색 결과 또는 컨텍스트 페이지(context page)의 결과에 대한 클릭 명령이 수신되면, 클릭된 결과에 대응되는 콘텐츠 페이지(content page)를 디스플레이하는 단계;를 포함하는 모바일 검색 방법.
제1 항에 있어서,
상기 검색 결과는
정확한 결과, 집계 결과, 및 추천 가이드 결과를 포함하는 모바일 검색 방법.
제1 항에 있어서,
상기 검색어에 따라 상기 검색 결과를 획득하는 단계는,
상기 검색어에 대한 요청 이해 분석을 수행하는 단계；
웹 페이지 소스에 대하여 텍스트 이해 분석을 수행하는 단계；
상기 검색어에 대한 분석 결과 및 상기 웹 페이지 소스에 대한 분석 결과에 따라 오리지널(original) 검색 결과를 획득하는 단계；및
디스플레이하기 위한 검색 결과를 획득하기 위해 상기 오리지널(original) 검색 결과에 대한 텍스트 이해 분석을 수행하는 단계를 포함하는 모바일 검색 방법.
제3 항에 있어서,
상기 요청 이해 분석은,
요청 분류, 요청 구문 분석, 및 요청 의미 분석을 포함하는 모바일 검색 방법.
제4 항에 있어서,
상기 요청 이해 분석은,
요청 표준화 및 검색 오류 바로잡기 중의 적어도 하나를 더 포함하는 모바일 검색 방법.
제3 항에 있어서,
웹 페이지 소스에 대한 텍스트 이해 분석을 수행하는 단계는,
웹 페이지 자원에 대한 텍스트 주제 분석을 수행하는 단계를 포함하는 모바일 검색 방법.
제3 항에 있어서,
상기 오리지널(original) 검색 결과에 대한 텍스트 이해 분석을 수행하는 단계는,
상기 오리지널(original) 검색 결과에 대하여 자동 요약 처리를 수행하는 단계를 포함하는 모바일 검색 방법.
제1 항에 있어서,
상기 검색어에 따라 상기 검색 결과를 획득하는 단계는,
검색어가 질문일 때, 심층 문답 기법을 적용하여 상기 질문에 대응되는 정확한 답변을 획득하는 단계를 포함하는 모바일 검색 방법.
제8 항에 있어서,
상기 질문은,
객관적인 질문과 주관적인 질문을 포함하고,
상기 질문이 상기 주관적인 질문일 때, 감정 분석을 적용한 코멘트 텍스트(comment text)로부터 코멘트 요약문을 추출하는 단계를 포함하는 모바일 검색 방법.
제1 항에 있어서,
상기 검색어에 따라 상기 검색 결과를 획득하는 단계는,
검색어가 다중 요청 검색어 일 때, 상기 검색어에 대응되는 복수개의 요청 차원을 결정하는 단계；및
집계 결과를 획득하기 위해 서로 다른 요청 차원에 대응되는 검색 결과를 집계하는 단계를 포함하는 모바일 검색 방법.
제10 항에 있어서,
상기 다중 요청 검색어는 다른 뜻이 있는 검색어를 포함하고,
상기 복수개의 요청 차원은 복수개의 항목을 포함하며,
상기 집계 결과를 획득하기 위해 상기 복수개의 항목에 대응되는 검색 결과에 대하여 집계하는 단계를 포함하는 모바일 검색 방법.
제1 항에 있어서,
개인화 모델을 획득하기 위해 사용자 정보에 따라 개인화 모델링을 수행하는 단계 및 장면화 모델을 획득하기 위해 사용자 정보에 따라 장면화 모델링을 수행하는 단계 중 적어도 하나의 단계를 수행하는 단계를 포함하고,
상기 검색어에 따라 상기 검색 결과를 획득하는 단계는,
상기 검색어에 따라 정확한 결과 또는 집계 결과를 획득하는 단계；
추천된 결과와 검색어의 관련도, 추천된 결과와 정확한 결과 또는 집계 결과의 관련도, 추천된 결과와 개인화 모델의 매칭정도, 추천된 결과와 장면화 모델의 매칭정도, 및 추천된 결과의 자체 가치 특징 중 적어도 하나의 정보에 따라, 정확한 결과 또는 집계 결과에 대응되는 추천 가이드 결과를 획득하는 단계를 포함하는 모바일 검색 방법.
인공 지능을 기반으로 하는 모바일 검색 장치에 있어서,
검색창을 디스플레이하고, 상기 검색창을 통하여 입력된 검색어를 수신하기 위한 제1 디스플레이 모듈；
상기 검색어에 따라 검색 결과를 획득하고, 상기 검색 결과를 검색 결과 페이지에 디스플레이하기 위한 제2 디스플레이 모듈；
상기 검색 결과에 대한 클릭 명령이 수신되면, 상기 검색 결과에 대응되는 컨텍스트 페이지(context page)를 디스플레이하기 위한 제3 디스플레이 모듈；
상기 검색 결과 또는 컨텍스트 페이지(context page) 중의 결과에 대한 클릭 명령을 수신되면, 클릭된 결과에 대응되는 콘텐츠 페이지(content page)를 디스플레이하기 위한 제4 디스플레이 모듈을 포함하는 모바일 검색 장치.
제13 항에 있어서, 상기 검색 결과는
정확한 결과, 집계 결과 및 추천 가이드 결과를 포함하는 모바일 검색 장치.
제13항에 있어서,
상기 제2 디스플레이 모듈은,
상기 검색어에 대하여 요청 이해 분석을 수행하고,
웹 페이지 소스에 대해 텍스트 이해 분석을 수행하고,
상기 검색어에 대한 분석 결과와 상기 웹 페이지 소스에 대한 분석 결과에 따라 오리지널(original) 검색 결과를 획득하고,
디스플레이 하기 위한 검색 결과를 획득하기 위해 상기 오리지널(original) 검색 결과에 대하여 텍스트 이해 분석을 수행하여,
상기 검색어에 따른 검색 결과를 획득하는 모바일 검색 장치.
제13 항에 있어서,
상기 제2 디스플레이 모듈은,
상기 검색어가 질문일 때, 심층 문답 기법을 적용하여 상기 질문에 대응되는 정확한 답변을 획득하여 상기 검색어에 따른 검색 결과를 획득하는 모바일 검색 장치.
제13 항에 있어서,
상기 제2 디스플레이 모듈은,
검색어가 다중 요청 검색어 일 때, 상기 검색어에 대응되는 복수개의 요청 차원을 결정하고,
집계 결과를 획득하기 위해 서로 다른 요청 차원에 대응되는 검색 결과를 집계하여 상기 검색어에 따른 검색 결과를 획득하는 모바일 검색 장치.
제13 항에 있어서,
개인화 모델을 획득하기 위해 사용자 정보에 따라 개인화 모델링을 수행하는 동작 및 장면화 모델을 획득하기 위해 사용자 정보에 따라 장면화 모델링을 수행하는 동작 중 적어도 하나의 단계를 수행하는 모델링 모듈을 더 포함하고,
상기 제2 디스플레이 모듈은,
상기 검색어에 따라 정확한 결과 또는 집계 결과를 획득하고,
추천된 결과와 검색어의 관련도, 추천된 결과와 정확한 결과 또는 집계 결과의 관련도, 추천된 결과와 개인화 모델의 매칭정도, 추천된 결과와 장면화 모델의 매칭정도, 추천된 결과의 자체 가치 특징 중 한가지 또는 여러가지 정보에 따라, 정확한 결과 또는 집계 결과에 대응되는 추천 가이드 결과를 획득하여
상기 검색어에 따른 검색 결과를 획득하는 모바일 검색 장치.