KR20180122926A

KR20180122926A - Method for providing learning service and apparatus thereof

Info

Publication number: KR20180122926A
Application number: KR1020170175038A
Authority: KR
Inventors: 정원국; 유진선; 장기영; 정치훈
Original assignee: 주식회사 매스프레소
Priority date: 2017-05-04
Filing date: 2017-12-19
Publication date: 2018-11-14
Also published as: KR102260554B1; KR102106462B1; KR20190142288A; KR20190142287A; KR102056822B1; KR102260553B1; KR20190142286A

Abstract

A method for providing a learning service and an apparatus thereof are provided. According to one embodiment of the present invention, the method for providing a learning service is a method performed by an apparatus for providing a learning service. The method comprises: a step of receiving an image from a learner terminal a step of performing OCR processing on the received image; a step of identifying a search request question from the image as the OCR processing is performed; a step of searching for a question having a similarity level equal to or higher than a preset reference similarity level to the search request question, among stored search target questions; and a step of transmitting commentary information corresponding to the extracted question to the terminal of the learner when the question having the similarity is extracted, according to a result of the search. A learner can ask questions about various subjects and get commentary information.

Description

[0001] METHOD FOR PROVIDING LEARNING SERVICE AND APPARATUS THEREOF [0002]

본 발명은 학습 서비스 제공 방법 및 그 장치에 관한 것이다. 보다 자세하게는, 질문 이미지에 대한 OCR 처리 결과를 이용한 학습 서비스 제공 방법 및 그 장치에 관한 것이다.The present invention relates to a method and apparatus for providing a learning service. More particularly, the present invention relates to a learning service providing method and apparatus using an OCR processing result on a question image.

학습자가 웹 상의 Q & A 게시판에 질문을 등록하면, 답변자가 질문에 대한 답변을 등록하고, 등록된 답변이 다시 학습자에게 제공되는 온라인 서비스가 이용되고 있다. 이러한 온라인 서비스에서 등록된 질문을 답변자에게 제공하기 위하여, 일반적으로 질문을 구성하는 텍스트의 키워드 기반 분류 및 검색 기술이 이용된다. 이 같은 키워드 기반 분류 및 검색 기술은, 특히 텍스트 기반의 범용 키워드로 구성된 질문의 경우, 등록된 질문이 다수의 답변자에게 노출되게 함으로써, 높은 답변 횟수 및 정확한 답변의 제공을 가능하게 하는 장점이 있다.When a learner registers a question on the Q & A bulletin board on the web, the answerer registers the answer to the question and the online answer is provided to the learner again. In order to provide the answerer with registered questions in these online services, a keyword-based classification and retrieval technique of the text that constitutes the question is generally used. Such keyword based classification and search techniques have the advantage of allowing a high number of answers and accurate answers to be provided by allowing a registered question to be exposed to a large number of answerers, particularly in the case of a question composed of a text-based universal keyword.

반면, 키워드 기반의 분류 및 검색 기술은, 질문에 수학식 또는 이미지가 포함된 문제와 같이 학습자가 질문 내용을 텍스트로 명확히 표현하기 곤란한 문제의 경우 효과적이지 않다. 텍스트 외에 수학식 또는 이미지를 포함하는 문제의 경우, 질문의 등록 자체가 용이치 않고, 키워드 기반 분류 및 검색도 어렵기 때문이다. 결과적으로, 질문이 키워드 검색으로 답변자에게 검색되지 않음으로써, 학습자가 답변을 제공받을 수 없게 되는 문제점이 발생한다. On the other hand, keyword-based classification and retrieval techniques are not effective in the case of a problem in which it is difficult for a learner to clearly express a question as text, such as a problem involving a mathematical expression or an image in a question. In the case of a problem involving mathematical expressions or images in addition to text, the registration of the question itself is useless, and keyword-based classification and retrieval is also difficult. As a result, the question is not searched by the keyword search for the answerer, so that the learner can not receive the answer.

그럼에도, 수학식이나 이미지가 포함된 문제에 대한 질문을 용이하게 등록하고, 효과적으로 분류 및 검색하는 방법은 제공되지 않고 있다. 특히, 이미지 형식의 질문을 분석하여, 매칭된 해설 정보를 즉각적으로 제공할 수 있는 학습 서비스는 제공되지 않고 있다.Nevertheless, there is no way to easily register and effectively classify and search for questions involving mathematical expressions or images. In particular, there is no learning service capable of analyzing questions of image format and immediately providing matched commentary information.

한국공개특허 제 2012-0131480 호Korea Patent Publication No. 2012-0131480

본 발명이 해결하고자 하는 기술적 과제는, 이미지 형식의 질문을 분석하고, 분석 결과를 기초로 검색된 해설 정보를 학습자에게 제공하는 방법 및 장치를 제공하는 것이다.SUMMARY OF THE INVENTION It is an object of the present invention to provide a method and apparatus for analyzing a question in an image format and providing commentary information retrieved based on the analysis result to a learner.

구체적으로, 본 발명이 해결하고자 하는 기술적 과제는, 학습자 단말로부터 제공된 이미지에 대한 광학 문자 판독(Optical Character Recognition, 이하, OCR) 처리를 수행하여, 이미지에 포함된 질문과 동일하거나 유사한 문제를 검색하는 방법을 제공하는 것이다. 또한, 검색된 문제에 매칭된 해설 정보를 추출하여, 학습자 단말에 제공하는 방법을 제공하는 것이다.More specifically, the present invention provides a method and apparatus for performing an optical character recognition (OCR) process on an image provided from a learner terminal to search for a problem identical or similar to a question included in an image Method. The present invention also provides a method for extracting commentary information matched to a searched question, and providing the extracted commentary information to the learner terminal.

본 발명이 해결하고자 하는 다른 기술적 과제는, 문제 및 이에 대응된 해설 정보를 데이터베이스로 구축하고, 구축된 데이터베이스를 이용하여 학습 서비스를 제공하는 방법 및 장치를 제공하는 것이다. Another technical problem to be solved by the present invention is to provide a method and apparatus for constructing a problem and corresponding commentary information in a database and providing a learning service using the established database.

구체적으로, 본 발명이 해결하고자 하는 다른 기술적 과제는, 학습자의 질문에 매칭된 문제가 데이터베이스에 존재하지 않는 경우, 질문을 신규 문제로 저장하는 방법을 제공하는 것이다. 또한, 답변자 단말로부터 신규 문제에 대한 해설 정보를 수신하여 학습자의 단말에 송신하는 방법을 제공하는 것이다.More specifically, another technical problem to be solved by the present invention is to provide a method of storing a question as a new problem when a problem matched to a learner's question does not exist in the database. The present invention also provides a method for receiving commentary information on a new problem from an answerer terminal and transmitting the information to a terminal of a learner.

본 발명이 해결하고자 하는 또 다른 기술적 과제는, 학습자 단말과 답변자 단말 사이의 Q & A 메시징 인터페이스를 제공하는 방법 및 장치를 제공하는 것이다. Another aspect of the present invention is to provide a method and apparatus for providing a Q & A messaging interface between a learner terminal and an answerer terminal.

본 발명이 해결하고자 하는 또 다른 기술적 과제는, 학습자 단말의 학습 서비스 접속 위치에 기반한 학습 서비스 제공 방법 및 장치를 제공하는 것이다. Another object of the present invention is to provide a learning service providing method and apparatus based on a learning service access location of a learner terminal.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The technical objects of the present invention are not limited to the above-mentioned technical problems, and other technical subjects not mentioned can be clearly understood by those skilled in the art from the following description.

상기 기술적 과제를 해결하기 위한 학습 서비스 제공 방법은, 학습자 단말로부터 이미지를 수신하는 단계와 상기 수신된 이미지에 대한 OCR 처리를 수행하는 단계와 상기 OCR 처리가 수행됨에 따라, 상기 이미지로부터 검색 요청 문제를 식별하는 단계와 미리 저장된 검색 대상 문제 중, 상기 검색 요청 문제와 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제를 검색하는 단계와 상기 검색의 결과, 상기 유사도를 갖는 문제가 추출된 경우, 상기 추출된 문제에 대응되는 해설 정보를 상기 학습자의 단말에 송신하는 단계를 포함한다.According to another aspect of the present invention, there is provided a method of providing a learning service, the method comprising: receiving an image from a learner terminal; performing OCR processing on the received image; Searching for a problem having a degree of similarity equal to or higher than a preset similarity level with the retrieval request problem among the problems to be retrieved in advance and retrieving a problem having the degree of similarity as a result of the retrieval; And transmitting corresponding commentary information to the terminal of the learner.

상기 기술적 과제를 해결하기 위한 학습 서비스 제공 장치는, 하나 이상의 프로세서와 학습자 단말과 통신하는 네트워크 인터페이스와 상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리와 상기 컴퓨터 프로그램, 검색 대상 문제 및 상기 검색 대상 문제에 매칭된 해설 정보를 저장하는 스토리지를 포함하되, 상기 컴퓨터 프로그램은, 상기 학습자 단말로부터 이미지를 수신하는 오퍼레이션과 상기 수신된 이미지에 대한 OCR 처리를 수행하는 오퍼레이션과 상기 OCR 처리가 수행됨에 따라, 상기 이미지로부터 검색 요청 문제를 식별하는 오퍼레이션과 상기 검색 대상 문제 중, 상기 검색 요청 문제와 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제를 검색하는 오퍼레이션과 상기 검색의 결과, 상기 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제가 추출된 경우, 상기 추출된 문제에 대응되는 해설 정보를 상기 학습자의 단말에 송신하는 오퍼레이션을 포함할 수 있다.According to an aspect of the present invention, there is provided a learning service providing apparatus including a network interface for communicating with at least one processor and a learner terminal, a memory for loading a computer program executed by the processor, And a storage for storing commentary information matched to a search target problem, wherein the computer program further comprises: an operation for receiving an image from the learner terminal; an operation for performing OCR processing on the received image; An operation for identifying a search request problem from the image and an operation for searching for a problem having a degree of similarity equal to or higher than a preset similarity level between the search request problem and the search object problem, If the problem with the extracted degree of similarity, and may include the operation to be transmitted to the learner terminal the description information corresponding to the extracted problem.

본 발명의 일 실시예에 따르면, 학습자는 질문을 이미지 파일 형식으로 손쉽게 등록하고, 등록된 질문에 대한 답변을 제공받을 수 있는 장점이 있다. 특히, 본 발명의 일 실시예에 따르면, 학습 서비스 제공 장치가 텍스트뿐만 아니라, 수학식, 도형, 그림 및 사진 등을 포함하는 학습자의 질문을 식별할 수 있으므로, 학습자가 다양한 과목의 문제에 대하여 질문하고 해설 정보를 제공받을 수 있다.According to an embodiment of the present invention, a learner can easily register a question in an image file format and receive a reply to a registered question. Particularly, according to an embodiment of the present invention, since the learning service providing apparatus can identify the learner's questions including not only text but also mathematical expressions, figures, pictures and photographs, And can be provided with commentary information.

또한, 본 발명에 다른 실시예에 따르면, 학습자 단말과 답변자 단말 사이의 메시징 인터페이스가 제공되므로, 학습자가 실시간으로 질문하고 이에 대한 답변을 제공받을 수 있는 효과가 있다.According to another embodiment of the present invention, since a messaging interface between the learner terminal and the answerer terminal is provided, the learner can inquire in real time and receive an answer thereto.

또한, 본 발명의 또 다른 실시예에 따르면, 학습자는 질문한 문제뿐만 아니라, 질문한 문제 기반으로 학습 서비스 제공 장치에서 추출된 다양한 문제를 추천 받을 수 있게 된다. 이에 따라, 학습자의 학습 경험이 극대화될 수 있다. In addition, according to another embodiment of the present invention, the learner can receive various problems extracted from the learning service providing apparatus on the basis of the question on which the question is asked, as well as the question. Thus, the learner's learning experience can be maximized.

또한, 본 발명의 또 다른 실시예에 따르면, 학습자 단말의 학습 서비스 접속 위치에 따라 차등적인 학습 서비스가 제공되므로, 특정 접속 위치에서 학습자의 학습 몰입도가 증대되는 장점이 있다.According to another embodiment of the present invention, since a different learning service is provided according to a learning service access location of a learner terminal, there is an advantage that a learning commitment of a learner is increased at a specific access location.

도 1은 본 발명의 일 실시예에 따른 학습 서비스 제공 시스템의 구성도이다.
도 2는 본 발명의 다른 실시예에 따른 학습 서비스 제공 장치의 블록(Block)도이다.
도 3은 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 방법의 순서도이다.
도 4는 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 장치의 문제 검색 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 몇몇 실시예에서 참조되는, 학습 서비스 제공 장치에 저장된 문제 및 해설 정보를 설명하기 위한 예시도이다.
도 6 및 도 7은 본 발명의 몇몇 실시예에서 참조되는, 문제의 구성요소 및 가중치를 설명하기 위한 예시도이다.
도 8은 본 발명의 또 다른 실시예에 따른 학습자 단말에 해설 정보를 제공하는 방법에 대한 순서도이다.
도 9는 본 발명의 몇몇 실시예에서 참조되는, 학습자 단말과 답변자 단말 사이의 메시징 인터페이스의 예시이다.
도 10은 본 발명의 몇몇 실시예에서 참조되는, 추천 문제를 설명하기 위한 예시도이다.
도 11은 본 발명의 몇몇 실시예에서 참조되는, 학습자 질문 기반 학습 컨텐츠의 예시이다.
도 12는 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 시스템의 구성도이다.
도 13은 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 방법의 순서도이다.1 is a configuration diagram of a learning service providing system according to an embodiment of the present invention.
2 is a block diagram of a learning service providing apparatus according to another embodiment of the present invention.
3 is a flowchart of a method of providing a learning service according to another embodiment of the present invention.
4 is a flowchart illustrating a problem search method of a learning service providing apparatus according to another embodiment of the present invention.
5 is an exemplary diagram for explaining problem and commentary information stored in a learning service providing apparatus, which is referred to in some embodiments of the present invention.
Figures 6 and 7 are exemplary diagrams illustrating the components and weights of the problems referenced in some embodiments of the present invention.
8 is a flowchart illustrating a method of providing commentary information to a learner terminal according to another embodiment of the present invention.
Figure 9 is an illustration of a messaging interface between a learner terminal and an answerer terminal, referred to in some embodiments of the invention.
Figure 10 is an exemplary diagram for describing a recommendation problem, which is referenced in some embodiments of the present invention.
Figure 11 is an illustration of learner question-based learning content, which is referenced in some embodiments of the present invention.
12 is a block diagram of a system for providing a learning service based on a learner class according to another embodiment of the present invention.
13 is a flowchart of a method of providing a learning service based on a learner class according to another embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention and the manner of achieving them will become apparent with reference to the embodiments described in detail below with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. Is provided to fully convey the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.Unless defined otherwise, all terms (including technical and scientific terms) used herein may be used in a sense commonly understood by one of ordinary skill in the art to which this invention belongs. Also, commonly used predefined terms are not ideally or excessively interpreted unless explicitly defined otherwise. The terminology used herein is for the purpose of illustrating embodiments and is not intended to be limiting of the present invention. In the present specification, the singular form includes plural forms unless otherwise specified in the specification.

본 명세서에서 문제란, 학습자의 학습 성취도를 측정하고, 학습 수준을 증대하기 위해 제작된 것으로, 문자, 도형, 그래프, 그림, 사진 및 수학식 중 적어도 하나를 포함하는 저작물일 수 있다. 또한, 본 명세서에서 문제는 문서화되어 종이에 프린트된 것일 수 있으나, 본 발명의 실시예는 이에 한정되지 않으며, 문제는 개별 파일 형태로 저장될 수 있는 데이터를 의미할 수 있다.In this specification, the term " problem " may be a work produced to measure the learning achievement of a learner and increase the level of learning, and may include a character, a figure, a graph, a picture, a photograph, and a mathematical expression. In addition, although the problem herein may be documented and printed on paper, embodiments of the present invention are not so limited, and the problem may refer to data that can be stored in the form of individual files.

도 1은 본 발명의 일 실시예에 따른 학습 서비스 제공 시스템의 구성도이다.1 is a configuration diagram of a learning service providing system according to an embodiment of the present invention.

도 1을 참조하면, 학습 서비스 제공 시스템은 학습자 단말(50), 학습 서비스 제공 장치(100) 및 답변자 단말(200)을 포함할 수 있다. 도시된 학습자 단말(50), 학습 서비스 제공 장치(100) 및 답변자 단말(200)은 네트워크를 통해 상호 간에 통신할 수 있는 컴퓨팅 장치이다. 특히, 도 1에서 학습자 단말(50)에 의해 촬영되는 문제(10)는, 문자 및 수식을 포함하는 경우가 예로써 도시되었다.Referring to FIG. 1, a learning service providing system may include a learner terminal 50, a learning service providing apparatus 100, and an answerer terminal 200. The illustrated learner terminal 50, the learning service providing apparatus 100, and the answerer terminal 200 are computing apparatuses capable of communicating with each other through a network. In particular, the problem (10) taken by the learner terminal 50 in Fig. 1 is exemplified as including letters and mathematical expressions.

학습자 단말(50)은 문제(10)에 대한 이미지를 획득하여, 이를 학습 서비스 제공 장치(100)에 송신할 수 있다. 도 1에서, 학습자 단말(50)이 문제(10)에 대한 이미지 획득하는 방법으로, 학습자 단말(50)이 구비된 카메라를 통해 문제(10)를 촬영하는 경우가 예로써 도시되었으나, 본 발명의 실시예는 이에 한정되지 않는다. 다른 예로써, 학습자 단말(50)은, 인터넷 상의 웹 페이지로부터 문제(10)를 포함하는 이미지를 내려 받거나, 입력부(미도시)를 통해 학습자로부터 입력된 컨텐츠를 문제로 생성하는 방법으로 문제(10)에 대한 이미지를 획득할 수도 있다.The learner terminal 50 can acquire an image of the problem 10 and transmit it to the learning service providing apparatus 100. [ Although FIG. 1 shows an example in which the learner terminal 50 photographs the problem 10 through the camera provided with the learner terminal 50 as a method of acquiring images for the problem 10, The embodiment is not limited thereto. As another example, the learner terminal 50 may download the image including the problem 10 from a web page on the Internet, or generate the content inputted from the learner through the input unit (not shown) &Lt; / RTI >

본 발명의 일 실시예에 따르면, 학습자 단말(50)은, 문제(10)에 대한 이미지를 학습 서비스 제공 장치(100)에 송신하기 전에, 획득된 이미지에 대한 전처리(Preprocessing) 작업을 수행할 수 있다. 학습자 단말(50)이 수행하는 전처리 작업의 일례로, 학습자 단말(50)은 문제(10)가 촬영된 이미지의 방향을 자동 보정할 수 있다. 예를 들어, 학습자 단말(50)이 문제(10)를 거꾸로 촬영한 경우와 같이 문제(10)의 촬영 각도에 따라, 문제(10)가 기울어지거나 뒤집힌 채로 이미지에 포함될 수 있다. 이때, 학습자 단말(50)은 촬영된 이미지의 방향을 보정할 수 있다. 구체적으로, 학습자 단말(50)은 문제(10)의 방향이 학습자 단말(50)에 의해 디스플레이되는 방향과 일치되도록 이미지의 방향을 회전하는 방식으로 보정하고 저장할 수 있다. According to one embodiment of the present invention, the learner terminal 50 can perform a pre-processing operation on the acquired image before sending the image for the problem 10 to the learning service providing apparatus 100 have. As an example of the preprocessing operation performed by the learner terminal 50, the learner terminal 50 can automatically correct the direction of the photographed image of the problem 10. [ For example, the problem 10 may be inclined or inverted depending on the angle of view of the problem 10, such as when the learner terminal 50 has taken the problem 10 upside down. At this time, the learner terminal 50 can correct the direction of the photographed image. Specifically, the learner terminal 50 may correct and store the direction of the image in a rotating manner so that the direction of the problem 10 coincides with the direction in which it is displayed by the learner terminal 50. [

이미지에 대한 전처리 작업의 다른 예로, 학습자 단말(50)은, 이미지 상에서 문제(10) 부분만을 식별하여, 문제(10) 부분만 저장할 수도 있다. 즉, 학습자 단말(50)을 통해 촬영되는 이미지는, 문제(10)의 영역과 배경 영역을 포함할 수 있는데, 학습자 단말(50)은, 이미지 상에서, 문제(10)의 영역만을 식별하고, 문제(10) 외의 영역은 노이즈로 취급하여 필터링할 수도 있다. 이를 학습 서비스 제공 장치(100)로 송신할 수 있다.As another example of a preprocessing operation on an image, the learner terminal 50 may identify only the part of the problem (10) on the image and store only the part of the problem (10). That is, the image photographed through the learner terminal 50 may include a region of the problem 10 and a background region, wherein the learner terminal 50 identifies only the region of the problem 10 on the image, The region other than the region 10 may be treated as noise and filtered. And transmit it to the learning service providing apparatus 100.

또 다른 예로, 학습자 단말(50)은, 이미지 상에서 문제(10)의 위치를 식별하고, 이미지 상에서 문제(10)가 특정 위치로 치우쳐지도록 촬영된 경우, 문제(10)가 이미지의 중간 위치에 자리하도록 이미지를 보정할 수도 있으며, 이미지 상의 문제(10)의 크기를 고려하여 이미지를 보정할 수도 있다.As another example, the learner terminal 50 may identify the location of the problem 10 on the image, and if the problem 10 is photographed on the image such that the problem 10 is biased to a particular location, Or the image may be corrected in consideration of the size of the problem 10 on the image.

상기 예시된 전처리 작업을 수행하기 위해, 학습자 단말(50)은 획득된 이미지에 대한 전처리 프로그램을 미리 저장할 수 있다.To perform the illustrated preprocessing operation, the learner terminal 50 may store a preprocessing program for the acquired image in advance.

본 발명의 다른 실시예에 따르면, 상술한 전처리 작업은, 학습자 단말(50)에 의해 획득된 이미지가 학습 서비스 제공 장치(100)에 송신된 후, 학습 서비스 제공 장치(100)에 의해 수행될 수도 있다.According to another embodiment of the present invention, the above-described preprocessing job may be performed by the learning service providing apparatus 100 after the image obtained by the learner terminal 50 is transmitted to the learning service providing apparatus 100 have.

학습 서비스 제공 장치(100)는, 학습자 단말(50)로부터 수신된 문제(10)를 포함하는 이미지에 대하여 OCR 처리를 수행할 수 있다. 본 발명의 일 실시예에 따르면, OCR 처리가 수행됨에 따라, 학습 서비스 제공 장치(100)는, 이미지 상의 문제(10)를 식별할 수 있다. 예를 들어, 문제(10)가 수식을 포함하는 수학문제인 경우, 학습 서비스 제공 장치(100)는, 이미지에 대한 OCR 처리를 통해 이미지에 포함된 문제(10)를 구성하는 문자 및 수식 등을 식별하고, 문제(10)가 표시된 영역의 이미지를, 식별된 문자 및 수식 등으로 변환할 수 있다. 학습 서비스 제공 장치(100)는 변환된 문자 및 수식을 하나의 문제 단위로 저장함으로써, 문제에 대한 데이터베이스를 구축할 수도 있다.The learning service providing apparatus 100 can perform OCR processing on the image including the problem 10 received from the learner terminal 50. [ According to one embodiment of the present invention, as the OCR process is performed, the learning service providing apparatus 100 can identify the problem 10 on the image. For example, when the problem (10) is a mathematical problem including a formula, the learning service providing apparatus 100 identifies characters and formulas constituting the problem 10 included in the image through OCR processing on the image And convert the image of the area in which the problem 10 is displayed into the identified characters and mathematical expressions. The learning service providing apparatus 100 may build a database on the problem by storing the converted characters and mathematical expressions as one problem unit.

본 발명의 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는 문제에 대한 이미지가 학습자 단말(50)로부터 수신되면, 구축된 데이터베이스에 수신된 이미지 상의 문제와 동일하거나 유사한 문제가 존재하는지 검색할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 학습자 단말(100)로부터 수신되어, 문제를 포함하는 이미지가 OCR 처리되기 전에, 적어도 하나의 문제를 미리 저장될 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 상기 적어도 하나의 문제를 다른 학습자의 단말로부터 수신하거나, 웹에서 크롤링(Crawling)함으로써 수집하고 저장할 수 있다. 또는, 학습 서비스 제공 장치(100)는 상기 적어도 하나의 문제를 학습 서비스 제공 장치(100)의 관리자로부터 직접 입력 받고 저장할 수도 있다.According to another embodiment of the present invention, when the image of the problem is received from the learner terminal 50, the learning service providing apparatus 100 searches the established database for the same or similar problem as the image on the received image . To this end, the learning service providing apparatus 100 can be preliminarily stored with at least one problem before the image containing the problem is received from the learner terminal 100 and subjected to OCR processing. Specifically, the learning service providing apparatus 100 may collect and store the at least one problem by receiving it from another learner's terminal or by crawling it on the Web. Alternatively, the learning service providing apparatus 100 may directly receive and store the at least one problem from the manager of the learning service providing apparatus 100. [

본 발명의 또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는 상기 적어도 하나의 문제뿐만 아니라, 문제에 대한 해설 정보도 미리 저장할 수 있다. 학습 서비스 제공 장치(100)는 문제 및 해설 정보를 각각 저장하고, 양자에 대한 매칭 관계를 저장할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)에 구축되는 데이터베이스는 관계형 데이터베이스(Relational Database)일 수 있으나, 본 발명의 실시예는 이에 한정되지 않으며, 학습 서비스 제공 장치(100)에 구축되는 데이터베이스는 그래프 데이터베이스(Graph Database)일 수도 있다. 이 경우, 저장되는 각 문제와 그에 대한 해설 정보는 노드(Node)로 구성되고, 각 문제 사이의 유사도 관계 또는 추천 관계, 각 문제와 해설 정보 사이의 매칭 관계는 엣지(Edge)로 구성될 수도 있다.According to another embodiment of the present invention, the learning service providing apparatus 100 may store not only the at least one problem but also commentary information about the problem in advance. The learning service providing apparatus 100 may store the problem and commentary information, respectively, and store the matching relation for both. For this, the database constructed in the learning service providing apparatus 100 may be a relational database, but the embodiment of the present invention is not limited to this, and the database constructed in the learning service providing apparatus 100 may be a graph database (Graph Database). In this case, each problem to be stored and commentary information thereon is composed of a node, and a similarity relationship or a recommendation relationship between each problem, and a matching relationship between each problem and commentary information may be composed of an edge .

한편, 문제에 대한 해설 정보는, 답변자 단말(200)로부터 수신될 수 있다.On the other hand, commentary information on the problem can be received from the answerer terminal 200.

답변자 단말(200)은 학습 서비스 제공 장치(100)로부터 문제를 수신하고, 답변자로부터 문제에 대한 해설 정보를 입력 받을 수 있다. 답변자 단말(200)은 답변자로부터 입력된 해설 정보를 학습 서비스 제공 장치(100)에 송신할 수 있다.The answerer terminal 200 receives a problem from the learning service providing apparatus 100 and receives commentary information on the problem from the answerer. The answerer terminal 200 can transmit the commentary information input from the answerer to the learning service providing apparatus 100. [

본 발명의 다른 실시예에 따르면, 답변자 단말(200)은 학습 서비스 제공 장치(100)에 의해 제공되는 Q & A 메시징 인터페이스를 통해, 학습자 단말(50)로부터 문제에 대한 질문을 수신하고, 이에 대한 답변자의 답변을 기초로 해설 정보를 생성하고, 학습자 단말(50)에 제공할 수도 있다. According to another embodiment of the present invention, the answerer terminal 200 receives a question about a problem from the learner terminal 50 via the Q & A messaging interface provided by the learning service providing apparatus 100, The commentary information may be generated based on the answer of the answerer and provided to the learner terminal 50. [

학습자 단말(50)은, 스마트 폰, 태블릿 PC, 통신 모듈을 구비한 카메라 중 어느 하나의 장치일 수 있으나, 이에 한정되지 않으며, 데스크톱 PC, 랩톱 PC, PDA VR(Virtual Reality) 영상 장치, AR(Augmented Reality) 영상 장치와 같은 컴퓨팅 장치 중 어느 하나일 수도 있다. 답변자 단말(200) 역시, 학습자 단말(50)에 대하여 예시된 컴퓨팅 장치 중 어느 하나일 수 있다.The learner terminal 50 may be any one of a smart phone, a tablet PC, and a camera equipped with a communication module, but is not limited thereto and may be a desktop PC, a laptop PC, a PDA VR (Virtual Reality) Augmented Reality) imaging device. The answerer terminal 200 may also be any of the illustrated computing devices for the learner terminal 50. [

학습 서비스 제공 장치(100)는 모바일 또는 고정식 컴퓨팅 장치 중 어느 하나일 수 있다. 특히, 본 발명의 실시예에 따르면, 학습자 단말(50)로부터 수신된 이미지를 분석함으로써 문제를 식별하고, 이에 응답하여 답변자 단말(200)로부터 수집된 해설 정보를 검색하고, 검색 결과를 학습자 단말(50)에 제공하는 서버 장치일 수 있다.The learning service providing apparatus 100 may be either a mobile or a fixed computing device. Particularly, according to the embodiment of the present invention, the problem is identified by analyzing the image received from the learner terminal 50, the comment information collected from the answer terminal 200 is retrieved in response thereto, 50).

상술한 도 1의 학습 서비스 제공 시스템은 상술한 구성 외에, 구성요소 간의 데이터 통신을 중계하는 중계 서버, 하나 이상의 다른 학습자 단말 및 하나 이상의 다른 답변자 단말을 구성으로 더욱 포함할 수도 있다.The learning service providing system of FIG. 1 may further include a relay server for relaying data communication between components, one or more other learner terminals, and one or more other answer terminals in addition to the above-described configuration.

다음으로, 도 2를 참조하여 학습 서비스 제공 장치(100)의 기능 및 동작에 대하여 보다 구체적으로 설명하도록 한다. 도 2는 본 발명의 다른 실시예에 따른 학습 서비스 제공 장치(100)의 블록도이다.Next, the functions and operations of the learning service providing apparatus 100 will be described in more detail with reference to FIG. 2 is a block diagram of a learning service providing apparatus 100 according to another embodiment of the present invention.

학습 서비스 제공 장치(100)는 하나 이상의 프로세서(101), 학습자 단말(50) 및 답변자 단말(200)과 통신하는 네트워크 인터페이스(102), 프로세서(101)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(103)와, 컴퓨터 프로그램을 저장하는 스토리지(104)를 포함할 수 있다.The learning service providing apparatus 100 includes a network interface 102 that communicates with one or more processors 101, a learner terminal 50 and an answer terminal 200, a computer program that is executed by the processor 101, And a storage 104 for storing a computer program.

프로세서(101)는 학습 서비스 제공 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(101)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), AP(Application Processor), AP(Application Processor) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(101)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 학습 서비스 제공 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.The processor 101 controls the overall operation of each configuration of the learning service providing apparatus 100. [ The processor 101 may be implemented as a central processing unit (CPU), a micro processor unit (MPU), a microcontroller unit (MCU), an application processor (AP), an application processor (AP), or any other type of well- And a processor. The processor 101 may also perform operations on at least one application or program to perform the method according to embodiments of the present invention. The learning service providing apparatus 100 may include one or more processors.

네트워크 인터페이스(102)는 학습 서비스 제공 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 네트워크 인터페이스(102)는 공중 통신망인 인터넷 외에 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 네트워크 인터페이스(102)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다.The network interface 102 supports wired / wireless Internet communication of the learning service providing apparatus 100. In addition, the network interface 102 may support various communication methods other than the Internet, which is a public communication network. To this end, the network interface 102 may comprise a communication module well known in the art.

특히, 네트워크 인터페이스(102)는 본 발명의 실시예에 따른, 학습 서비스 제공 장치(100)의 학습 서비스 제공 과정에서 다양한 UI(User Interface)를 학습자 단말(50) 및 답변자 단말(200)에 제공할 수 있다. In particular, the network interface 102 provides various UIs (User Interface) to the learner terminal 50 and the answerer terminal 200 in the course of providing the learning service of the learning service providing apparatus 100 according to the embodiment of the present invention .

메모리(103)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(103)는 본 발명의 실시예들에 따른 방법들을 실행하기 위하여 스토리지(104)로부터 하나 이상의 프로그램(105)을 로드(load)할 수 있다. 메모리(103)는 기록해독이 가능하며 읽기 또는 쓰기 속도가 빠른 휘발성 메모리(volatile memory)로 구성될 수 있다. 일례로서, 메모리(103)에 RAM, DRAM 또는 SRAM 중 어느 하나가 구비될 수 있다.The memory 103 stores various data, commands and / or information. The memory 103 may load one or more programs 105 from the storage 104 to execute methods in accordance with embodiments of the present invention. The memory 103 may be constituted by a volatile memory capable of reading and writing and capable of reading and writing. As an example, the memory 103 may be provided with either RAM, DRAM, or SRAM.

스토리지(104)는 상기 하나 이상의 프로그램(105) 및 Q & A 데이터(107)를 비임시적으로 저장할 수 있다. 도 2에서 상기 하나 이상의 프로그램(105)의 예시로 학습 서비스 제공 S/W(이하, 학습 서비스 제공 소프트웨어)(105)가 도시되었다.The storage 104 may non-provisionally store the one or more programs 105 and the Q & A data 107. In FIG. 2, a learning service providing S / W (hereinafter referred to as a learning service providing software) 105 is shown as an example of the one or more programs 105.

스토리지(104)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.The storage 104 may be a nonvolatile memory such as a ROM (Read Only Memory), an EPROM (Erasable Programmable ROM), an Electrically Erasable Programmable ROM (EEPROM), a flash memory or the like, a hard disk, a removable disk, And any form of computer-readable recording medium known in the art.

본 발명의 다른 실시예에 따르면, 학습 서비스 제공 소프트웨어(105)는 학습 서비스 제공 장치(100)뿐만 아니라, 학습자 단말(50) 및 답변자 단말(200)에도 설치될 수 있다. 즉, 학습 서비스 제공 소프트웨어(105)는, 설치된 각 장치 사이에서 송수신되는 데이터를 이용하여 각종 기능을 수행하는 에이전트일 수도 있다.According to another embodiment of the present invention, the learning service providing software 105 can be installed not only in the learning service providing apparatus 100 but also in the learner terminal 50 and the answerer terminal 200. [ That is, the learning service providing software 105 may be an agent that performs various functions using data transmitted and received between the installed devices.

Q & A 데이터(107)는 학습자 단말(50)이 촬영하거나 학습자의 입력에 의해 직접 생성하여 학습 서비스 제공 장치(100)에 수신된 문제 또는 학습 서비스 제공 장치(100)가 웹에서 크롤링한 문제에 대한 데이터를 포함할 수 있다. 또한, Q & A 데이터(107)는 학습 서비스 제공 장치(100)가 웹에서 크롤링하거나, 직접 입력 받은 해설 정보 또는 답변자 단말(200)로부터 수신한 해설 정보를 포함할 수도 있다. Q & A 데이터(107)는 도 1에 대한 설명에서 예시된 데이터베이스의 형태로 저장될 수 있다.The Q & A data 107 is stored in the learning service providing apparatus 100 as a problem or a problem that the learning service providing apparatus 100 has crawled on the web by the learner terminal 50, May include data for the < RTI ID = 0.0 > The Q & A data 107 may include commentary information received from the answer terminal 200 or crawled by the learning service providing apparatus 100 via the web. The Q & A data 107 may be stored in the form of a database illustrated in the description of FIG.

또한, 도시되지 않았으나, 학습 서비스 제공 장치(100)는 본 발명의 실시예에 따른 UI를 출력하기 위한 출력부, 예를 들면, 디스플레이부를 포함할 수 있으며, 문제 및 해설 정보를 직접 입력 받기 위한 입력부를 더 포함할 수도 있다.Also, although not shown, the learning service providing apparatus 100 may include an output unit for outputting a UI according to an embodiment of the present invention, for example, a display unit, And the like.

이하, 도 1 및 도 2에 대한 설명을 기초로, 본 발명의 실시예에 따른 학습 서비스 제공 장치(100)의 기능 및 동작에 대하여 더욱 자세히 설명하기로 한다.Hereinafter, the functions and operations of the learning service providing apparatus 100 according to the embodiment of the present invention will be described in more detail with reference to FIGS. 1 and 2. FIG.

도 3은 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 방법의 순서도이다. 이하의 각 단계는 학습 서비스 제공 장치(100)에 의해 수행되며, 특히, 이하의 각 단계는 프로세서(101)가 학습 서비스 제공 소프트웨어(105)에 따른 연산을 수행함에 따라 수행된다. 3 is a flowchart of a method of providing a learning service according to another embodiment of the present invention. Each of the following steps is performed by the learning service providing apparatus 100, and in particular, each of the following steps is performed as the processor 101 performs an operation according to the learning service providing software 105.

도 3을 참조하면, 학습 서비스 제공 장치(100)는 문제에 대한 이미지를 수신할 수 있다(S10). 상술한 바와 같이, 문제에 대한 이미지는 학습자 단말(50)로부터 획득된 이미지 일 수 있으며, 학습 서비스 제공 장치(100)가 웹 크롤링을 수행하여 수신한 것일 수도 있다.Referring to FIG. 3, the learning service providing apparatus 100 may receive an image of a problem (S10). As described above, the image of the problem may be an image obtained from the learner terminal 50, or may be the one that the learning service providing apparatus 100 has received by performing the web crawl.

학습 서비스 제공 장치(100)는 수신된 이미지에 대한 OCR 처리를 수행할 수 있다(S20). 이때, OCR 처리에 이용되는 알고리즘은, 본 발명이 속한 기술 분야에서 널리 알려진 알고리즘이 이용될 수 있으나, 본 발명의 실시예에 따르면, OCR 처리를 위한 알고리즘으로 기계 학습 알고리즘이 적용되어, 문제에 포함된 문자 및 수식에 대한 인식 정확도를 향상시킬 수 있다. 예를 들어, 기계 학습 알고리즘으로, 합성곱 신경망(Convolutional Neural Network, CNN) 모델이 이용될 수 있다. The learning service providing apparatus 100 may perform OCR processing on the received image (S20). At this time, although an algorithm widely used in the technical field of the present invention can be used as the algorithm used for the OCR process, according to the embodiment of the present invention, a machine learning algorithm is applied as an algorithm for OCR processing, It is possible to improve the recognition accuracy of the characters and expressions. For example, as a machine learning algorithm, a Convolutional Neural Network (CNN) model can be used.

이하, 본 발명의 실시예에 따른 합성곱 신경망 모델을 이용한, 학습 서비스 제공 장치(100)의 OCR 처리의 수행 단계를 설명한다. Hereinafter, the steps of performing the OCR process of the learning service providing apparatus 100 using the resultant neural network model according to the embodiment of the present invention will be described.

일반적인 OCR 처리 방식은, 이미지 상의 문자의 종류를 식별한 후, 문자를 자소 등 구성요소 단위로 분리 인식해야 하는 세그멘테이션(Segmentation) 과정이 필수적이었다. In general OCR processing method, it is necessary to perform a segmentation process in which a character type of an image is identified, and then a character is separated and recognized by a component unit such as a ruler.

반면, 본 발명의 실시예에 따르면, 학습 서비스 제공 장치(100)는 합성곱 신경망 모델을 이용함으로써, 문자의 종류 인식 및 문자의 구성요소 단위에 대한 분리 인식 과정을 수행하지 않을 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 문자의 종류 인식을 선행하지 않고, 수신된 이미지로부터 분리 인식 없이 이미지 상의 전체 픽셀을 분석하여, 각 픽셀에 대한 특징 정보를 추출할 수 있다. 다음으로, 학습 서비스 제공 장치(100)는 합성곱 신경망 모델을 통해 미리 학습된 정보를 기초로, 상기 추출된 픽셀의 특징 정보로부터 이미지 상의 문자의 종류를 예측할 수 있다. 이때, 예측은, 확률적 예측 기법이 적용될 수 있으며, 합성곱 신경망 모델을 통한 학습량이 많을수록 확률적 예측의 정확도가 고도화된다.On the other hand, according to the embodiment of the present invention, the learning service providing apparatus 100 may not recognize the type of the character and perform the separation recognition process on the component unit of the character by using the composite neural network model. Specifically, the learning service providing apparatus 100 can extract the feature information for each pixel by analyzing all the pixels on the image without recognizing the received image from the received image, without preceding the recognition of the type of the character. Next, the learning service providing apparatus 100 can predict the type of the character on the image from the feature information of the extracted pixel based on the information previously learned through the composite neural network model. At this time, a stochastic prediction technique can be applied to the prediction, and the accuracy of the stochastic prediction becomes higher as the amount of learning based on the composite neural network model is larger.

특히, 본 발명의 실시예에 따르면, 학습 서비스 제공 장치(100)는 합성곱 신경망 모델을 통한 학습 결과를 이용하여, 문자뿐만 아니라 수식 역시 인식할 수 있다. 수식은, 숫자와 연산 기호를 포함할 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 미리 학습된 정보를 기초로, 추출된 특징 정보로부터, 각각의 픽셀이 구성하는 문자 또는 수식을 예측할 수 있다. 학습 서비스 제공 장치(100)는 예측된 문자 또는 수식 중 어느 하나를 구성하는 복수개의 픽셀을 클러스터링하고, 클러스터링된 복수개의 픽셀을 기초로, 문자 및 수식 중 적어도 하나를 식별할 수 있다. Particularly, according to the embodiment of the present invention, the learning service providing apparatus 100 can recognize the character as well as the character using the learning result through the compound neural network model. Formulas can include numbers and arithmetic symbols. Specifically, the learning service providing apparatus 100 can predict characters or expressions constituted by the respective pixels from the extracted feature information, based on the information previously learned. The learning service providing apparatus 100 may cluster a plurality of pixels constituting any one of predicted characters or mathematical expressions and identify at least one of a character and an equation based on the plurality of pixels clustered.

학습 서비스 제공 장치(100)는, 이미지 상의 문제가 문자로만 구성된 문제인 경우, 예를 들어, 한글 문제, 영문 문제, 또는 한글과 영문이 혼재된 문제의 경우에도 각각의 문자를 인식함으로써, 이미지 상의 문제를 식별할 수 있다. 또한, 학습 서비스 제공 장치(100)는, 이미지 상의 문제가 문자와 수식으로 구성된 문제인 경우, 예를 들어, 수학 문제인 경우, 문자와 수식을 각각 인식함으로써, 이미지 상의 문제를 식별할 수 있다.The learning service providing apparatus 100 recognizes each character even in the case where the problem on the image consists of only characters, for example, in the case of a Hangul problem, an English problem, or a problem in which Korean and English are mixed, Can be identified. In addition, the learning service providing apparatus 100 can identify a problem on the image by recognizing the character and the expression, respectively, when the problem on the image is a problem composed of characters and mathematical expressions, for example, a mathematical problem.

다음으로, 학습 서비스 제공 장치(100)는, OCR 처리 결과로 식별된 문제를 기초로, 미리 저장된 문제를 검색할 수 있다(S30). 상술한 바와 같이, 학습 서비스 제공 장치(100)는 스토리지(104)에 구축된 데이터베이스로 구축된 Q & A 데이터(107)를 미리 저장할 수 있다. 학습 서비스 제공 장치(100)는, 미리 저장된 Q & A 데이터(107)를 검색하여, OCR 처리 결과로 식별된 문제와 동일하거나 유사한 문제가 추출되는지 판단할 수 있다(S40). 또한, 단계(S40)에서 학습 서비스 제공 장치(100)는, Q & A 데이터(107)의 검색 결과, 상기 식별된 문제와 동일하거나 유사한 문제가 존재하면, 이를 추출할 수 있다. 이때, 학습 서비스 제공 장치(100)는, 식별된 문제와 미리 설정된 기준 이상의 유사도를 갖는 문제를 상기 동일하거나 유사한 문제로 결정할 수 있다. 상기 유사도 판단 방법에 대한 설명은, 도 4에 대한 설명에서 후술한다.Next, the learning service providing apparatus 100 can search for a previously stored problem based on the problem identified by the OCR processing result (S30). As described above, the learning service providing apparatus 100 can previously store the Q & A data 107 constructed in the database built in the storage 104. [ The learning service providing apparatus 100 may search the previously stored Q & A data 107 to determine whether a problem identical or similar to the problem identified by the OCR processing result is extracted (S40). In step S40, the learning service providing apparatus 100 can extract the same or similar problem as the identified problem as a result of the Q & A data 107 search. At this time, the learning service providing apparatus 100 can determine a problem having similarity to the identified problem to be equal to or greater than a preset reference as the same or similar problem. The description of the similarity determination method will be described later with reference to FIG.

단계(S40)의 판단 결과, 동일하거나 유사한 문제가 추출되는 경우, 학습 서비스 제공 장치(100)는, 추출된 문제에 대한 해설 정보를 추출하여, 학습자 단말(50)에 송신할 수 있다(S50). 이를 위해, 학습 서비스 제공 장치(100)는, Q & A 데이터(107) 상에 문제와 그 문제에 대한 해설 정보를 매칭하여 저장할 수 있다.As a result of the determination in step S40, if the same or similar problem is extracted, the learning service providing apparatus 100 can extract the commentary information on the extracted problem and transmit it to the learner terminal 50 (S50) . To this end, the learning service providing apparatus 100 can store the problem and the commentary information on the problem on the Q & A data 107 and store it.

단계(S40)의 판단 결과, 동일하거나 유사한 문제가 추출되지 않는 경우, 학습 서비스 제공 장치(100)는, 단계(S20)에서 수행된 OCR 처리 결과로 식별된 문제를 Q & A 데이터(107)로서 저장할 수 있다(S60). 즉, 단계(S40)에서 동일하거나 유사한 문제가 추출되지 않는 경우, 식별된 문제는 Q & A 데이터(107)에 존재하지 않은 신규 문제로 취급되어, 스토리지(104)에 Q & A 데이터(107)에 저장된다. 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 수신된 이미지 및 이의 OCR 처리 결과 식별된 문제를 함께 저장할 수 있다.As a result of the determination in step S40, if the same or similar problem is not extracted, the learning service providing apparatus 100 sets the Q & A data 107 as the problem identified by the OCR processing result performed in step S20 (S60). That is, if the same or similar problem is not extracted in step S40, the identified problem is treated as a new problem that does not exist in the Q & A data 107, and the Q & A data 107 is stored in the storage 104, / RTI > According to another embodiment, the learning service providing apparatus 100 may store together the received image and the problem identified as a result of the OCR processing thereof.

또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 식별된 문제의 저장 시, 식별된 문제에 대한 메타데이터를 생성할 수도 있다. 또한, 학습 서비스 제공 장치(100)는, 식별된 문제에 대한 추후 검색 시, 검색 속도 향상을 위한 인덱싱(Indexing) 동작을 수행할 수도 있다. 예를 들어, 인덱싱은, 식별된 문제를 구성하는 특별 키워드나 기호를 기초로 수행될 수 있다. 즉, 식별된 문제를 분류하는 기준이 되는 수학 기호 또는 키워드가 식별된 경우, 학습 서비스 제공 장치(100)는 식별된 문제에 대하여, 미리 설정된 키(Key) 값을 자동으로 할당할 수 있다.According to another embodiment, the learning service providing apparatus 100 may generate metadata for the identified problem upon storage of the identified problem. In addition, the learning service providing apparatus 100 may perform an indexing operation for improving the search speed at a later search for the identified problem. For example, indexing may be performed based on a particular keyword or symbol that constitutes the identified problem. That is, when a mathematical symbol or a keyword as a reference for classifying the identified problem is identified, the learning service providing apparatus 100 can automatically assign a preset key value to the identified problem.

본 발명의 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 단계(S60)에서, 미리 설정된 품질 기준을 기초로, 식별된 문제의 저장 여부를 결정할 수 있다. According to another embodiment of the present invention, in step S60, the learning service providing apparatus 100 may determine whether to store the identified problem based on a preset quality criterion.

일 예로, 학습 서비스 제공 장치(100)는, 수신된 이미지의 노이즈 포함 정도 또는 해상도 등을 식별하여, 미리 설정된 품질 기준 이상인 경우, 식별된 문제를 저장할 수 있다.In one example, the learning service providing apparatus 100 can identify the degree of noise included in the received image, resolution, or the like, and store the identified problem in a case where it is equal to or higher than a predetermined quality standard.

다른 예로, 학습 서비스 제공 장치(100)는, 수신된 이미지의 OCR 처리 결과, 식별되는 문제에 포함된 구성요소인 한글, 수식, 도형, 그래프, 이미지 등의 품질이 미리 설정된 품질 기준 이상인 경우, 식별된 문제를 저장할 수도 있다. 이때, 식별된 문제의 저장 여부는, 학습 서비스 제공 장치(100)의 관리자에 의해 정책적으로 결정될 수도 있다. 즉, 상기 관리자에 의해 학습 서비스 제공 장치(100)에 미리 설정된 필수 구성요소가 존재하는 경우, 학습 서비스 제공 장치(100)는 상기 필수 구성요소에 대한 OCR 처리 결과가 미리 설정된 품질 기준 이상일 때, 식별된 문제를 저장할 수도 있다.As another example, when the quality of the Korean characters, the formulas, the figures, the graphs, the images, and the like, which are components included in the identified problem, is higher than a predetermined quality reference, the learning service providing apparatus 100 determines You can also save the problem. At this time, whether or not the identified problem is stored may be determined by the administrator of the learning service providing apparatus 100 as a policy. That is, when there is an essential component set in advance in the learning service providing apparatus 100 by the manager, the learning service providing apparatus 100 determines whether or not the OCR processing result for the essential component is greater than or equal to a predetermined quality reference You can also save the problem.

또 다른 예로, 학습 서비스 제공 장치(100)는, OCR 처리 결과 식별된 문제의 각 구성요소 별로 미리 설정된 품질 기준 이상인지 여부를 판단할 수도 있다. 이에 따라, 본 발명의 실시예에 따른 학습 서비스 제공 장치(100)는, OCR 처리 결과 식별된 문제의 각 구성요소마다 품질 점수를 결정하고, 합산한 총점이 미리 설정된 점수 이상인 경우에만, 식별된 문제를 저장할 수도 있다.As another example, the learning service providing apparatus 100 may determine whether or not each component of the problem identified as a result of the OCR process is equal to or higher than a preset quality standard. Accordingly, the learning service providing apparatus 100 according to the embodiment of the present invention determines the quality score for each component of the problem identified as a result of the OCR process, and only when the total score is equal to or greater than a preset score, .

상술한 실시예에서, 미리 설정된 품질 기준은 학습 서비스 제공 장치(100)의 관리자에 의해 결정될 수 있다.In the above-described embodiment, the preset quality criterion can be determined by the administrator of the learning service providing apparatus 100. [

상기 실시예에 따르면, 학습 서비스 제공 장치(100) 수신된 이미지의 품질이 낮거나, OCR 처리 결과의 품질이 낮은 경우 스토리지(104)에 저장되지 않을 수 있다. 이로써, 학습 서비스 제공 장치(100)의 스토리지(104) 공간의 절약이 가능하며, 불필요한 검색 대상을 최소화할 수 있는 장점이 있다.According to the embodiment, if the quality of the received image is low or the quality of the OCR processing result is low, the learning service providing apparatus 100 may not be stored in the storage 104. Thereby, it is possible to save the space of the storage 104 of the learning service providing apparatus 100, and there is an advantage that an unnecessary search object can be minimized.

도 4는 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 장치(100)의 문제 검색 방법을 설명하기 위한 순서도이다. 특히, 도 3에 대한 설명에서 상술한 OCR 처리 결과를 기초로 문제를 검색하는 단계(S30) 및 유사도 기준의 문제 추출 단계(S40) 사이에 수행되는, 학습 서비스 제공 장치(100)의 문제 검색 방법을 도 4의 각 단계를 참고하여 설명한다.4 is a flowchart for explaining a problem search method of the learning service providing apparatus 100 according to another embodiment of the present invention. Particularly, the problem search method of the learning service providing apparatus 100, which is performed between the step S30 of searching for a problem based on the OCR processing result described above with reference to FIG. 3 and the step S40 of extracting a similarity- Will be described with reference to the respective steps in Fig.

도 4를 참조하면, 학습 서비스 제공 장치(100)는, OCR 처리 결과, 식별된 문자를 구성요소 단위로 분리할 수 있다(S31). 예를 들어, 식별된 문자가 한글인 경우, 학습 서비스 제공 장치(100)는 이를 식별하고, 문자의 구성요소인 자음과 모음으로 식별된 한글을 분리할 수 있다.Referring to FIG. 4, the learning service providing apparatus 100 can separate the identified characters by the component elements as a result of the OCR process (S31). For example, when the identified character is Hangul, the learning service providing apparatus 100 can identify it and separate the Hangul that is identified by the consonant, which is a component of the character, from the vowel.

또한, 학습 서비스 제공 장치(100)는 OCR 처리 결과, 식별된 수식 내의 키워드를 추출할 수 있다(S32). 예를 들어, 식별된 수식이, 적분 기호와 같이 특정 수식 기호를 포함하는 경우, 학습 서비스 제공 장치(100)는 이를 식별할 수 있다.In addition, the learning service providing apparatus 100 can extract keywords in the identified formula as a result of the OCR process (S32). For example, when the identified mathematical expression includes a specific mathematical symbol such as an integral symbol, the learning service providing apparatus 100 can identify the mathematical symbol.

학습 서비스 제공 장치(100)는 단계(S31) 및 단계(S32)에 앞서, 식별된 문자의 구성요소를 문자, 수식, 이미지, 도형, 그래프 등 각 구성요소 단위로 분리 식별할 수 있다. Prior to step S31 and step S32, the learning service providing apparatus 100 can distinguish the constituent elements of the identified character by each constituent element such as a letter, an equation, an image, a figure, and a graph.

학습 서비스 제공 장치(100)는 상기 분리된 문자의 구성요소 및 상기 추출된 키워드를 기초로, 학습 서비스 제공 장치(100)에 미리 저장된 문제를 필터링할 수 있다(S33). 이를 위해, 학습 서비스 제공 장치(100)는, 도 2에 대한 설명에서 상술한 바와 같이, 스토리지(104)에 Q & A 데이터(107)를 저장할 수 있다. 또한, Q & A 데이터(107)는 상기 분리된 문자의 구성요소 및 상기 추출된 키워드 중 적어도 일부와 동일 또는 유사한 문제를 포함할 수 있다.The learning service providing apparatus 100 may filter the problem stored in the learning service providing apparatus 100 based on the extracted character components and the extracted keyword (S33). To this end, the learning service providing apparatus 100 may store the Q & A data 107 in the storage 104, as described above with reference to Fig. In addition, the Q & A data 107 may include the same or similar problems as at least some of the components of the separated characters and the extracted keywords.

이하, 설명의 편의를 위해, 학습 서비스 제공 장치(100)에 의해 식별된 문제를 검색 요청 문제라고 칭하고, Q & A 데이터(107)에 미리 포함된 문제 중, 상기 적어도 일부와 동일하거나 유사한 문제를 검색 대상 문제라고 칭하기로 한다. 필터링 단계(S33)에 대하여 자세히 설명한다.Hereinafter, for the sake of convenience of explanation, the problem identified by the learning service providing apparatus 100 is referred to as a search request problem, and a problem identical or similar to at least one of the problems included in the Q & A data 107 It will be referred to as a search object problem. The filtering step S33 will be described in detail.

구체적으로, 학습 서비스 제공 장치(100)는 상기 검색 요청 문제에 포함된, 문자를 구성요소별로 분리하고, 수식 내의 키워드를 추출할 수 있다. 또한, 학습 서비스 제공 장치(100)는 검색 요청 문제에 대하여, 분리된 문자의 구성요소 및 추출된 수식 내의 키워드를 기초로 해싱(hashing)을 수행할 수 있다. 학습 서비스 제공 장치(100)는 상기 검색 요청 문제에 대한 해싱이 수행되면, 이를 기초로, 미리 인덱싱되어 저장된 검색 대상 문제를 필터링할 수 있다. 즉, 학습 서비스 제공 장치(100)는, Q & A 데이터(107)에 미리 포함된 문제 중, 검색 요청 문제에 포함된 문자의 구성 요소 및 수식 내 추출된 키워드와 적어도 일부 동일 또는 유사한 문제를 필터링할 수 있다. 이때, 적어도 하나의 검색 대상 문제가 필터링될 수 있다.Specifically, the learning service providing apparatus 100 can separate the characters included in the search request problem for each constituent element, and extract keywords in the formula. In addition, the learning service providing apparatus 100 can perform hashing based on the elements of the separated characters and the keywords in the extracted expressions with respect to the search request problem. When the hash of the search request problem is performed, the learning service providing apparatus 100 may filter the search target problem indexed and stored in advance based on the hashing. That is, the learning service providing device 100 filters out at least some of the same or similar problems with the components of the characters included in the search request problem and the keywords extracted in the formula out of the problems included in the Q & A data 107 in advance can do. At this time, at least one search target problem may be filtered.

다음으로, 학습 서비스 제공 장치(100)는 필터링된 각 검색 대상 문제를 구성요소의 카테고리 별로 분리할 수 있다(S34). 예를 들어, 학습 서비스 제공 장치(100)는 검색 대상 문제의 구성요소 중, 문자 파트와 수식 파트로 분리할 수 있다.Next, the learning service providing apparatus 100 can separate each filtered search target problem by category of each component (S34). For example, the learning service providing apparatus 100 can separate the character part and the expression part from the components of the search object problem.

학습 서비스 제공 장치(100)는, 분리된 문자 파트에 대하여 유사도 가중치를 부여할 수 있다(S35). 이를 위해, 학습 서비스 제공 장치(100)는 단계(S31)에서 검색 요청 문제의 문자의 구성요소를 기초로, 단계(S34)에서 분리된 문자 파트에 대한 유사도 측정을 수행할 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 상기 검색 요청 문제에 포함된 상기 분리된 문자의 각 구성요소, 각 구성요소 사이의 거리, 각 구성요소의 배열 순서, 각 구성요소가 결합된 단어, 전체 문자 영역의 길이 중 적어도 하나를 기준으로, 검색 대상 문제의 문자 파트를 분석하고, 분석된 문자 파트에 대한 유사도 가중치를 부여할 수 있다.The learning service providing apparatus 100 may assign similarity weighting values to the separated character parts (S35). To this end, the learning service providing apparatus 100 may perform similarity measurement on the separated character part in step S34, based on the character component of the search request question in step S31. Specifically, the learning service providing apparatus 100 determines whether or not each component of the separated character included in the search request problem, a distance between each component, an arrangement order of each component, a word combined with each component, It is possible to analyze the character part of the search object on the basis of at least one of the lengths of the character areas and to assign similarity weight values to the analyzed character parts.

검색 요청 문제의 문자 부분이 "x 값을 구하시오"이고, 검색 대상 문제의 문자 파트가 "x 값은" 인 경우를 예로 들어 설명한다. 학습 서비스 제공 장치(100)는 검색 요청 문제의 영문자 "x"와 한글인 "값", "을", "구", "하", "시", "오"를 식별할 수 있다. 이때, 학습 서비스 제공 장치(100)는 검색 요청 문제의 영문자 "x"와 한글인 "값"의 존재 및 양자의 거리, 배열 순서 등을 기초로, 검색 대상 문제의 문자 파트를 분석하고, 검색 대상 문제에 가중치를 부여할 수 있다. 상기 예에서, 학습 서비스 제공 장치(100)는 한글의 경우, 각 어절의 구성요소 역시 식별할 수 있으며, 이를 기초로, 상기 검색 대상 문제의 문자 파트를 분석할 수도 있다.The case where the character part of the search request problem is "Find x value" and the character part of the search object is "x value" will be described as an example. The learning service providing apparatus 100 can identify the alphabetical character "x" of the search request question and the Hangul characters "value", "to", "phrase", "lower", "poetry", and " At this time, the learning service providing apparatus 100 analyzes the character part of the search target question based on the presence of the alphabet "x" of the search request question and the "value" of the Hangul and the distance and arrangement order of the two, The problem can be weighted. In the above example, the learning service providing apparatus 100 can also identify the components of each word in the case of Hangul, and analyze the character part of the search object on the basis thereof.

학습 서비스 제공 장치(100)는 필터링 단계(S33)에서 필터링된 각각의 문제에 대하여 모두 가중치를 부여할 수 있으며, 부여된 가중치를 이용하여, 각각의 필터링된 검색 대상 문제의 유사도를 결정할 수 있다(S36). 학습 서비스 제공 장치(100)는 유사도를 기초로, 미리 설정된 유사도 기준 이상의 문제가 추출되는지 판단할 수 있다(S40). 즉, 학습 서비스 제공 장치(100)는, 단계(S36)에서 결정된 유사도를 기초로, 유사도 기준 이상의 문제가 존재하는지 판단할 수 있다. 도 3 및 도 4를 참조하면, 유사도 기준 이상의 문제가 존재하면, 학습 서비스 제공 장치(100)는 이를 추출하고, 추출된 문제에 대한 해설 정보를 학습자 단말(50)에 송신할 수 있다. The learning service providing apparatus 100 may weight all of the problems filtered in the filtering step S33 and may determine the similarity of each filtered search target problem using the weighted value S36). Based on the similarity, the learning service providing apparatus 100 can determine whether or not a problem exceeding a preset similarity degree reference is extracted (S40). That is, the learning service providing apparatus 100 can determine whether there is a problem that is greater than or equal to the similarity level reference, based on the similarity determined in step S36. Referring to FIGS. 3 and 4, if there is a problem that is greater than or equal to the similarity criterion, the learning service providing apparatus 100 can extract it and send comment information about the extracted problem to the learner terminal 50. [

도 5는 본 발명의 몇몇 실시예에서 참조되는, 학습 서비스 제공 장치(100)에 저장된 문제 및 해설 정보를 설명하기 위한 예시도이다. 이하, 도 5를 참조하여, 문제와 해설 정보의 관계에 대하여 자세히 설명한다. 도 5에서, Q & A 데이터(107)가 예로써 도시되었으며, 특히, 문제와 그에 대한 해설 정보가 미리 매칭되어 있는 경우가 예로써 도시되었다.5 is an exemplary diagram for explaining problem and commentary information stored in the learning service providing apparatus 100, which is referred to in some embodiments of the present invention. Hereinafter, the relationship between the problem and commentary information will be described in detail with reference to FIG. In Fig. 5, the Q & A data 107 is shown as an example, and in particular, a case in which a problem and commentary information thereon are matched in advance is shown as an example.

Q & A 데이터(107)는 문제(10), 문제(11), 문제(12)를 포함하고, 이에 각각 매칭된 해설 정보(500), 해설 정보(501), 해설 정보(502)를 포함할 수 있다. 도 3 및 도 4에서 참조된 바와 같이, 학습 서비스 제공 장치(100)는 수신된 이미지에 대한 OCR 처리 결과, 수신된 이미지를 검색 요청 문제로 식별할 수 있다. 이때, 학습 서비스 제공 장치(100) 단계(S36)에서, Q & A 데이터(107) 상에서, 검색 요청 문제와 미리 설정된 유사도 기준 이상의 유사도를 갖는 검색 대상 문제를 추출할 수 있다. 예를 들어, 도 5의 문제(10)이 추출된 문제인 경우, 학습 서비스 제공 장치(100)는 해설 정보(501)을 추출하여, 학습자 단말(50)에 송신할 수 있다.The Q & A data 107 includes the problem 10, the problem 11, and the problem 12, and includes the commentary information 500, the commentary information 501, and the commentary information 502, . 3 and 4, the learning service providing apparatus 100 may identify the received image as a search request problem as a result of OCR processing on the received image. At this time, in step S36 of the learning service providing apparatus 100, a search object problem having a degree of similarity equal to or higher than a predetermined similarity degree reference may be extracted on the Q & A data 107. For example, when the problem 10 in Fig. 5 is an extracted question, the learning service providing apparatus 100 can extract the commentary information 501 and transmit it to the learner terminal 50. [

일 예로, 학습 서비스 제공 장치(100)는, 미리 설정된 유사도 기준 이상의 유사도를 갖는 검색 대상 문제가 복수개인 경우, 가장 높은 유사도를 갖는 문제의 해설 정보를 학습자 단말(50)에 송신할 수 있다.For example, when the search service providing apparatus 100 has a plurality of search target problems having a degree of similarity higher than a predetermined similarity degree reference, the learning service providing apparatus 100 can transmit the commentary information of the problem having the highest degree of similarity to the learner terminal 50. [

다른 예로, 학습 서비스 제공 장치(100)는, 미리 설정된 유사도 기준 이상의 유사도를 갖는 검색 대상 문제가 문제(10), 문제(11)인 경우, 해설 정보(501) 및 해설 정보(502)를 모두 학습자 단말(50)에 송신할 수도 있다.As another example, in the case where the search target problem having a degree of similarity equal to or higher than a predetermined similarity degree reference is the problem 10 and the problem 11, the learning service providing apparatus 100 can provide both the commentary information 501 and the commentary information 502, Or may transmit it to the terminal 50.

상기 예들에서, 학습 서비스 제공 장치(100)는 학습자 단말(50)에 해설 정보뿐만 아니라, 추출된 문제 역시 함께 송신할 수도 있다. 수신된 이미지의 OCR 처리 결과 식별된 검색 요청 문제와 추출된 문제가 유사하되, 동일하지 않을 수 있기 때문이다. 이 경우, 학습자 단말(50)은 최초에 송신한 이미지 상의 문제와 다른 문제지만, 이와 유사한 문제와 그 해설 정보를 수신할 수 있다. 이에 따라, 학습자는 수신된 문제와 해설 정보를 학습함으로써, 검색 대상 문제에 대한 간접적인 학습이 가능하다.In the above examples, the learning service providing apparatus 100 may transmit not only the commentary information to the learner terminal 50, but also the extracted problem. This is because the search request problem identified as a result of the OCR processing of the received image may be similar but not identical to the extracted problem. In this case, the learner terminal 50 can receive a similar problem and commentary information, although the problem is different from the problem on the originally transmitted image. Accordingly, the learner can learn indirectly about the search target problem by learning the received question and commentary information.

다음으로, 도 6 및 도 7을 참조하여, 도 4에 대한 설명에서 참조된, 학습 서비스 제공 장치(100)의 문제 검색 방법에 대하여 더욱 자세히 설명한다.Next, referring to Fig. 6 and Fig. 7, the problem retrieval method of the learning service providing apparatus 100, which is referred to in the description of Fig. 4, will be described in more detail.

도 6 및 도 7은 본 발명의 몇몇 실시예에서 참조되는, 문제의 구성요소 및 가중치를 설명하기 위한 예시도이다. 특히, 도 6에서, Q & A 데이터(107)는 문제(10), 문제(11), 문제(12)를 포함하고, 문제(10)는 검색 요청 문제인 것으로 가정한다.Figures 6 and 7 are exemplary diagrams illustrating the components and weights of the problems referenced in some embodiments of the present invention. In particular, in FIG. 6, it is assumed that the Q & A data 107 includes a problem 10, a problem 11, a problem 12, and a problem 10 is a search request problem.

도 6을 참조하면, 학습 서비스 제공 장치(100)는 문제(10)를 구성요소 단위로 분리 식별할 수 있다. 이에 따라, 학습 서비스 제공 장치(100)는 문제(10)의 수식(610)과 문자(620)를 분리 식별할 수 있다. 도 4 및 도 6을 참조하면, 학습 서비스 제공 장치(100)는 Q & A 데이터(107) 중, 문제(11) 및 문제(12)를 필터링하고(S33), 문제(11) 및 문제(12)의 구성요소를 각각 수식(611) 및 문자(621)와, 수식(612) 및 문자(622)로 분리할 수 있다.Referring to FIG. 6, the learning service providing apparatus 100 can distinguish the problem (10) on a component basis. Accordingly, the learning service providing apparatus 100 can separately discriminate the equation 610 and the character 620 of the problem (10). 4 and 6, the learning service providing apparatus 100 filters the problem 11 and the problem 12 out of the Q & A data 107 (S33) Can be divided into the expressions 611 and 621 and the expressions 612 and 622, respectively.

학습 서비스 제공 장치(100)는 검색 요청 문제(10)의 수식(610)과 필터링된 문제(11, 12)의 수식(611) 및 수식(612)의 유사도를 판단할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 수식(610)의 키워드를 추출하고, 이를 기초로, 수식(611) 및 수식(621)을 분석할 수 있다. 분석 결과, 학습 서비스 제공 장치(100)는 수식(611) 및 수식(621)에 유사도 가중치를 부여할 수 있다. 수식에 부여된 가중치를, 이하 제1 가중치라 칭하기로 한다.The learning service providing apparatus 100 can determine the similarity between the mathematical expression 610 of the search request problem 10 and the mathematical expression 611 and the mathematical expression 612 of the filtered problem 11 and 12. To this end, the learning service providing apparatus 100 can extract the keyword of the equation (610) and analyze the equation (611) and the equation (621) based on the extracted keyword. As a result of the analysis, the learning service providing apparatus 100 can assign the similarity weight to the equation (611) and the equation (621). The weight given to the equation is hereinafter referred to as a first weight.

학습 서비스 제공 장치(100)는 검색 요청 문제(10)의 문자(620)과 필터링된 문제(11, 12)의 문자(621) 및 문자(622)의 유사도를 판단할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 문자(620)를 구성요소 단위로 분리하고, 분리된 문자의 구성요소, 구성요소 간의 거리, 구성요소가 결합된 단어, 구성요소의 배열 순서, 전체 문자 영역의 길이 중 적어도 하나를 기초로, 문자(621) 및 문자(622)를 분석할 수 있다. 분석 결과, 학습 서비스 제공 장치(100)는 문자(621) 및 문자(622)에 유사도 가중치를 부여할 수 있다. 문자에 부여된 가중치를, 이하 제2 가중치라 칭하기로 한다.The learning service providing apparatus 100 can determine the similarity between the characters 620 of the search request problem 10 and the characters 621 and characters 622 of the filtered problems 11 and 12. [ To this end, the learning service providing apparatus 100 divides the character 620 into components, separates the components of the separated characters, the distance between the components, the word combined with the components, the arrangement order of the components, Based on at least one of the lengths of the regions, character 621 and character 622 can be analyzed. As a result of the analysis, the learning service providing apparatus 100 can assign the similarity weight to the character 621 and the character 622. [ The weight given to the character is hereinafter referred to as a second weight.

학습 서비스 제공 장치(100)는 제1 가중치 및 제2 가중치를 기초로, 문제(11) 및 문제(12)의 유사도를 결정할 수 있다.The learning service providing apparatus 100 can determine the degree of similarity between the problem 11 and the problem 12 based on the first weight and the second weight.

도 7에서, 도 6의 문제(10)에 그래프(630)이 더 포함된 문제(710)가 검색 요청 문제로 예시되었다. 도 7을 참조하면, 학습 서비스 제공 장치(100)는 검색 요청 문제(710)를 수식(610), 문자(620) 및 그래프(630)로 분리 식별할 수 있다. 도 7에서 특히, 문제(710)가 그래프(630)을 포함하는 경우가 예시되었으나, 본 발명의 실시예는 이에 한정되지 않으며, 문제(710)는 도형이나 이미지를 포함할 수도 있다. 또한, 수식(611), 문자(720) 및 그래프(730) 중 적어도 일부는 필터링된 하나의 문제에 포함될 수 있으며, 각각 서로 다른 문제에 포함될 수도 있는 것으로 가정한다. In FIG. 7, a problem 710 in which the graph 630 is further included in the problem 10 of FIG. 6 is illustrated as a search request problem. Referring to FIG. 7, the learning service providing apparatus 100 can separately identify the search request problem 710 as an equation (610), a character (620), and a graph (630). 7, the problem 710 includes the graph 630, but the embodiment of the present invention is not limited thereto, and the problem 710 may include a figure or an image. It is also assumed that at least some of the equation (611), the text (720) and the graph (730) may be included in one filtered problem and each may be included in a different problem.

도 4 및 도 7을 참조하면, 학습 서비스 제공 장치(100)는 문제(710)의 수식(610), 문자(620) 및 그래프(630)을 각각 기초하여, Q & A 데이터(107)에 포함된 필터링된 문제를 분석할 수 있다.4 and 7, the learning service providing apparatus 100 includes the Q & A data 107 on the basis of the equation 610, the character 620 and the graph 630 of the problem 710, respectively Can be analyzed.

예를 들어, 학습 서비스 제공 장치(100)는 문제(710)의 수식(610)과 수식(611), 문제(710)의 문자(620)와 문자(720), 문제(710)의 그래프(630)과 그래프(730)를 각각 비교하여, 수식(611), 문자(720), 그래프(730)에 각각 유사도 가중치를 부여할 수 있다.For example, the learning-service providing apparatus 100 may calculate the character 620 and the character 720 of the problem 710 and the expression 611 of the problem 710, the character 620 and the character 720 of the problem 710, And the graph 730 can be compared with each other and the similarity weight can be given to the equation 611, the character 720, and the graph 730, respectively.

이때, 학습 서비스 제공 장치(100)는 수식에 대한 가중치인 제1 가중치, 문자에 대한 가중치인 제2 가중치와 그래프에 대한 가중치(이하, 제3 가중치라 한다.)의 중요도를 기초로, 문제의 유사도를 결정할 수 있다. 예를 들어, 학습 서비스 제공 장치(100)에, 제1 가중치, 제2 가중치, 제3 가중치의 순서로 가중치의 중요도가 미리 설정될 수 있다. 즉, 제1 가중치, 제2 가중치, 제3 가중치에 재차 가중치가 부여될 수 있다. 이를 위해, 제1 가중치, 제2 가중치, 제3 가중치에 특정 인자가 곱해짐으로써, 제1, 제2, 및 제3 가중치 사이의 우열 관계가 미리 결정될 수도 있다.At this time, the learning service providing apparatus 100 determines, based on the importance of the first weight, which is a weight for the formula, the second weight, which is a weight for characters, and the weight for the graph (hereinafter referred to as a third weight) The degree of similarity can be determined. For example, in the learning service providing apparatus 100, importance of weights may be preset in the order of the first weight, the second weight, and the third weight. That is, the first weight, the second weight, and the third weight may be weighted again. To this end, the rank relationship between the first, second, and third weights may be predetermined by multiplying the first weight, the second weight, and the third weight by specific factors.

본 발명의 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는 문제(710)의 구성요소인 수식(610), 문자(620) 및 그래프(630)를 분리 식별한 후, 각 구성요소가 문제(710)에서 차지하는 면적을 분석하고, 제1 가중치, 제2 가중치, 및 제3 가중치 사이의 중요도를 결정할 수도 있다. 예를 들어, 그래프(630)이 가장 넓은 면적을 차지하는 경우, 학습 서비스 제공 장치(100)는 제3 가중치를 필터링된 문제에 대한 유사도 결정에 가장 중요한 인자로 결정할 수 있다. 또는, 학습 서비스 제공 장치(100)는 문자(620)의 가로 길이가 가장 긴 경우, 제2 가중치를 필터링된 문제에 대한 유사도 결정에 가장 중요한 인자로 결정할 수 있다. 다시 말해, 학습 서비스 제공 장치(100)는 문제(710)에 대한 OCR 처리 결과를 기초로 동적으로, 각 구성요소의 가중치에 대한 중요도를 결정할 수도 있다.According to another embodiment of the present invention, the learning service providing apparatus 100 separates the formula 610, the character 620 and the graph 630, which are components of the problem 710, The area occupied by the first weight 710 may be analyzed and the importance between the first weight, the second weight, and the third weight may be determined. For example, when the graph 630 occupies the largest area, the learning service providing apparatus 100 may determine the third weight as the most important factor in determining the similarity to the filtered problem. Alternatively, the learning service providing apparatus 100 can determine the second weight as the most important factor for determining the degree of similarity to the filtered problem when the width of the character 620 is the longest. In other words, the learning service providing apparatus 100 may dynamically determine the importance of the weight of each component based on the result of the OCR process for the problem 710.

본 발명의 또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 유사도 가중치가 가장 높은 값에 추가 가중치를 부여할 수도 있다. 예를 들어, 문제(710)의 수식(610)과 수식(611), 문제(710)의 문자(620)와 문자(720), 문제(710)의 그래프(630)과 그래프(730)를 각각 비교한 결과, 수식(610) 및 수식(611) 사이의 유사도가 가장 높고, 그래프(630) 및 그래프(730)의 유사도가 두번째로 높고, 문자(620) 및 문자(720)의 유사도가 가장 낮은 경우, 유사도 가중치의 크기는 제1 가중치, 제3 가중치, 제2 가중치 순서로 결정될 수 있다. 이 경우, 학습 서비스 제공 자치(100)는 예를 들어, 제1 가중치에만 미리 설정된 1 이상의 인자를 곱하여, 유사도 결정에 제1 가중치가 가장 많이 반영되도록 할 수도 있다.According to another embodiment of the present invention, the learning service providing apparatus 100 may add additional weights to the value having the highest similarity weight. For example, the equation 610 and the equation 611 of the problem 710, the characters 620 and 720 of the problem 710, the graph 630 and the graph 730 of the problem 710 are shown as As a result of comparison, it is found that the degree of similarity between the expressions 610 and 611 is the highest, the degree of similarity between the graph 630 and the graph 730 is the second highest, and the degree of similarity between the characters 620 and 720 is the lowest In this case, the size of the similarity weight may be determined in the order of the first weight, the third weight, and the second weight. In this case, the learning service provider apparatus 100 may multiply the first weight only by one or more predetermined factors, for example, so that the first weight is most reflected in the similarity determination.

지금까지, 도 3 내지 도 7을 참조하여, 유사도를 기초로, 검색 요청 문제와 동일하거나 유사한 검색 대상 문제가 추출된 경우, 학습자 단말(50)에 해설 정보를 송신하는 단계(S50) 또는, 유사도 기준 이상의 문제가 추출되지 않은 경우, 식별된 검색 요청 문제를 저장하는 단계(S60)에 대하여 주로 설명하였다.3 to 7, in the case where a search object problem identical or similar to the search request problem is extracted based on the similarity degree, the explanation information is transmitted to the learner terminal 50 (S50) In the case where the problem over the reference is not extracted, the step S60 of storing the identified search request problem is mainly described.

다음으로, 도 3의 단계(S60) 이후에, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하지 못한 경우에, 학습 서비스 제공 장치(100)에 의해 수행되는 실시예를 도 8 및 도 9를 참조하여 설명한다. Next, an embodiment performed by the learning service providing apparatus 100 in the case where the learner terminal 50 fails to acquire commentary information on the search request problem after step S60 in FIG. 3 will be described with reference to FIGS. Will be described with reference to FIG.

다만, 여기에서 설명되는 실시예는, 도 3의 단계(S60) 이후에, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하지 못한 경우뿐만 아니라 도 3의 단계(S50) 이후에도 학습 서비스 제공 장치(100)에 의해 수행될 수 있다. 예를 들어, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하였음에도, 학습자가 추가 해설을 요청하는 경우, 단계(S50) 이후에 본 실시예가 수행될 수 있다. 또는, 학습자 단말(50)이 검색 요청 문제와 유사 문제에 대한 해설 정보를 획득하였고, 학습자가 검색 요청 문제의 해설을 요청하는 경우에도 마찬가지이다.However, the embodiment described herein can be applied not only to the case where the learner terminal 50 fails to acquire commentary information on the search request problem, but also after the step S50 of FIG. 3, after the step S60 of FIG. May be performed by the providing apparatus 100. [ For example, if the learner terminal 50 requests additional commentary even though the learner terminal 50 has obtained commentary information on the search request problem, this embodiment may be performed after step S50. Or the learner terminal 50 obtains commentary information about a search request problem and a similar problem, and the learner requests an explanation of a search request question.

이하, 도 3의 단계(S60) 이후에, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하지 못한 경우를 예를 들어 설명한다.Hereinafter, a case where the learner terminal 50 fails to acquire commentary information on the search request problem after step S60 of FIG. 3 will be described as an example.

도 8은 본 발명의 또 다른 실시예에 따른 학습자 단말(50)에 해설 정보를 제공하는 방법에 대한 순서도이다. 도 8을 참조하면, 학습 서비스 제공 장치(100)는 학습자 단말로부터 문제에 대한 해설 요청 메시지를 수신할 수 있다(S61). 학습자는, 학습자 단말(50)을 조작하여, 학습 서비스 제공 장치(100)에 문제에 대한 해설 요청 메시지를 송신할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 학습자 단말(50)에 상기 해설 요청 메시지의 생성 및 송신을 위한 사용자 인터페이스를 제공할 수 있다.8 is a flowchart of a method of providing commentary information to a learner terminal 50 according to another embodiment of the present invention. Referring to FIG. 8, the learning service providing apparatus 100 may receive an explanation request message for a problem from the learner terminal (S61). The learner can operate the learner terminal 50 to transmit the explanation request message for the problem to the learning service providing apparatus 100. [ To this end, the learning service providing apparatus 100 may provide the learner terminal 50 with a user interface for generating and transmitting the comment request message.

학습 서비스 제공 장치(100)는 학습자 단말(50)로부터 수신되는 해설 요청 메시지에 응답하여, 복수의 답변자 단말 중 적어도 하나의 단말에 해설 요청 메시지를 송신할 수 있다(S63). 학습자 단말(50)로부터 수신되는 해설 요청 메시지와, 적어도 하나의 단말에 송신되는 해설 요청 메시지는 동일한 메시지일 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다. 예를 들어, 학습 서비스 제공 장치(100)는 학습자 단말(50)로부터 수신되는 해설 요청 메시지를 기초로, 적어도 하나의 단말에 송신하기 위한 해설 요청 메시지를 생성할 수도 있다. 또는, 학습 서비스 제공 장치(100)는, 단계(S60)에서 식별된 문제가 신규 문제로 저장되면, 학습자 단말(50)로부터 해설 요청이 수신되지 않더라도, 신규 문제에 대한 해설 요청 메시지를 자동 생성하고, 복수의 답변자 단말 중 적어도 하나의 단말에 자동 생성된 해설 요청 메시지를 송신할 수도 있다. The learning service providing apparatus 100 may transmit an explanation request message to at least one of the plurality of answerer terminals in response to the comment request message received from the learner terminal 50 at step S63. The comment request message received from the learner terminal 50 and the comment request message transmitted to the at least one terminal may be the same message, but the embodiment of the present invention is not limited thereto. For example, the learning service providing apparatus 100 may generate a comment request message for transmitting to the at least one terminal, based on the comment request message received from the learner terminal 50. [ Alternatively, if the problem identified in step S60 is stored as a new problem, the learning service providing apparatus 100 automatically generates a comment request message for the new problem even if the comment request is not received from the learner terminal 50 , And may transmit an automatically generated comment request message to at least one of the plurality of answerer terminals.

도 1에서 도시된 답변자 단말(200)은 복수개 일 수 있으며, 복수개의 답변자 단말은, 학습 서비스 제공 장치(100)에 미리 등록된 단말 장치일 수 있다. 학습 서비스 제공 장치(100)는 복수개의 답변자 단말의 컨택 정보를 미리 저장할 수 있다.The answerer terminal 200 shown in FIG. 1 may be a plurality of answer terminals, and the answer terminal may be a terminal device registered in advance in the learning service providing apparatus 100. The learning service providing apparatus 100 may store contact information of a plurality of answerer terminals in advance.

학습 서비스 제공 장치(100)는 적어도 하나의 답변자 단말로부터 문제에 대한 해설 정보를 수신할 수 있다(S65). 적어도 하나의 답변자 단말이, 도 1의 답변자 단말(200)이라고 가정한다. 답변자 단말(200)은 학습 서비스 제공 장치(100)로부터 해설 요청 메시지를 수신할 수 있으며, 문제에 대한 이미지 및 검색 요청 문제 중 적어도 하나를 수신할 수도 있다.The learning service providing apparatus 100 can receive commentary information on a problem from at least one answer terminal (S65). It is assumed that at least one answer terminal is the answerer terminal 200 of FIG. The answerer terminal 200 may receive the comment request message from the learning service providing apparatus 100 and may receive at least one of the image and the search request problem for the problem.

답변자는 수신된 문제에 대한 이미지 및 검색 요청 문제 중 적어도 하나에 대한 해설 정보를 답변자 단말(200)에 입력할 수 있다. 이때, 해설 정보는 이미지 파일 형식일 수 있다. 또는, 답변자 단말(200)을 통해 제공되는 해설 정보 생성 인터페이스를 통해 답변자로부터 입력을 수신함으로써, 답변자 단말(200)이 해설 정보를 생성할 수도 있다.The answerer can input commentary information on at least one of the image and the search request problem for the received question to the answerer terminal 200. At this time, the commentary information may be an image file format. Alternatively, the answerer terminal 200 may generate commentary information by receiving input from the answerer through the commentary information generating interface provided through the answerer terminal 200.

답변자 단말(200)로부터 해설 정보가 수신되면, 학습 서비스 제공 장치(100)는 수신된 해설 정보를 학습자 단말(50)에 송신할 수 있다(S67). 또한, 학습 서비스 제공 장치(100)는 수신된 해설 정보와 검색 요청 문제를 매칭하여 저장할 수도 있다. 이 경우, 학습 서비스 제공 장치(100)는 도 3의 단계(S60)에 대한 설명에서 상술한 품질 기준에 따라 수신된 해설 정보의 저장 여부를 결정할 수도 있다. 학습 서비스 제공 장치(100)는 수신된 해설 정보와 답변자 단말(200)의 답변자 정보를 매칭하여 저장할 수도 있다.When the commentary information is received from the answerer terminal 200, the learning service providing device 100 can transmit the received commentary information to the learner terminal 50 (S67). Also, the learning service providing apparatus 100 may match and store the received commentary information and the search request problem. In this case, the learning service providing apparatus 100 may determine whether to store the received comment information according to the above-described quality criteria in the description of step S60 in Fig. The learning service providing apparatus 100 may match and store the received commentary information with the answerer information of the answerer terminal 200. [

다음으로, 학습 서비스 제공 장치(100)는 학습자 단말(50)로부터 메시징 인터페이스 생성 요청이 수신되는지 여부를 판단할 수 있다(S68). 예를 들어, 학습자는 단계(S67)에서 학습자 단말(50)을 통해 해설 정보가 수신되었으나, 추가적인 질문 사항이 있거나, 관련 문제에 대한 문의가 있는 경우, 학습자 단말(50)을 통해 학습 서비스 제공 장치(100)에 메시징 인터페이스 생성 요청을 송신할 수 있다.Next, the learning service providing apparatus 100 can determine whether a messaging interface creation request is received from the learner terminal 50 (S68). For example, if the commentary information is received through the learner terminal 50 in step S67, but there is an additional question item or there is an inquiry about the related question, Lt; RTI ID = 0.0 > 100 < / RTI >

단계(S68)에서, 판단 결과, 학습 서비스 제공 장치(100)는 메시징 인터페이스 생성 요청이 수신되면, 학습자 단말(50)과 답변자 단말(200) 사이의 메시징 인터페이스를 생성할 수 있다(S69). 이 경우, 메시징 인터페이스의 생성에 앞서, 학습 서비스 제공 장치(100)는 답변자 단말(200)에 메시징 인터페이스에 대한 초대 메시지를 송신할 수도 있다. 학습 서비스 제공 장치(100)는 답변자 단말(200)로부터 초대 메시지에 응하는 메시지가 수신되면, 학습자 단말(50) 및 답변자 단말(200) 사이의 메시징 인터페이스를 생성할 수 있다. 학습 서비스 제공 장치(100)는 학습자 단말(50)과 답변자 단말(200) 사이의 세션이 형성되도록 제어하고, 학습자과 답변자를 참여자로 하는 인스턴트 메시징 인터페이스를 제공할 수 있다. If it is determined in step S68 that the messaging interface creation request is received, the learning service providing device 100 may generate a messaging interface between the learner terminal 50 and the answerer terminal 200 (S69). In this case, prior to the generation of the messaging interface, the learning service providing apparatus 100 may send an invitation message for the messaging interface to the answerer terminal 200. The learning service providing apparatus 100 may generate a messaging interface between the learner terminal 50 and the answerer terminal 200 upon receiving a message corresponding to the invitation message from the answerer terminal 200. [ The learning service providing apparatus 100 may control the formation of a session between the learner terminal 50 and the answerer terminal 200 and provide an instant messaging interface with the learner and the answerer as participants.

도 9는 본 발명의 몇몇 실시예에서 참조되는, 학습자 단말과 답변자 단말 사이의 메시징 인터페이스의 예시이다. 도 9에서, 메시징 인터페이스의 예로써, 답변자와 학습자를 참여자로 하는 채팅창(900)이 도시되었다. Figure 9 is an illustration of a messaging interface between a learner terminal and an answerer terminal, referred to in some embodiments of the invention. In FIG. 9, as an example of a messaging interface, a chat window 900 is shown with respondents and learners as participants.

도 9를 참조하면, 학습 서비스 제공 장치(100)는, 채팅창(900)을 통해, 학습자와 답변자 사이의 문제 및 해설 정보에 대한 메시지 교환(910)을 지원할 수 있다. 이를 위해, 메시지 문자, 기호 및 수식 등의 할 수 있다. 또한, 학습 서비스 제공 장치(100)는, 학습자 단말(50)로부터 수신된 문제에 대한 이미지 또는 식별된 검색 요청 문제와 미리 설정된 유사도 기준 이상의 문제를 검색 및 추출할 수 있다. 미리 설정된 유사도 기준 이상의 문제는, 검색 요청 문제와 동일 문제 및 유사 문제를 포함할 수 있다. Referring to FIG. 9, the learning service providing apparatus 100 can support a message exchange 910 between a learner and an answerer and a commentary information through a chat window 900. For this purpose, message characters, symbols, and expressions can be used. In addition, the learning service providing apparatus 100 can search for and extract an image of a problem received from the learner terminal 50 or a problem of an identified search request problem and a problem of a predetermined similarity level or higher. A problem above a pre-set similarity criterion may include the same problem as the search request problem and similar problems.

학습 서비스 제공 장치(100)는 검색 요청 문제와 동일 문제 또는 유사 문제의 메타데이터를 분석할 수 있다. 또한, 학습 서비스 제공 장치(100)는 분석된 메타데이터를 기초로, 추출된 동일 문제 또는 유사 문제에 대한 관련 문제를 검색하고 추출할 수도 있다.The learning service providing apparatus 100 can analyze the metadata of the same problem or similar problem as the search request problem. Also, the learning service providing apparatus 100 may search for and extract related problems related to the extracted same problem or similar problem based on the analyzed metadata.

예를 들어, 유사 문제는, 검색 요청 문제와 일부 문자가 다르거나, 숫자가 다른 문제일 수 있다. 즉, 수학 문제를 예로 들어 설명하면, 문제를 풀이하는데 요구되는 원리 또는 공식은 동일하나, 주어진 상수 값이 다르거나, 변수의 표현이 다른 경우이다.For example, a similar problem might be a problem with the search request, some characters are different, or a different number. In other words, if we explain mathematical problems as an example, the principle or formula required to solve the problem is the same, but the given constant value is different, or the expression of the variable is different.

유사 문제의 경우, 미리 설정된 유사도 기준 대비 유사도가 높으나, 검색 요청 문제와 동일성 영역으로 분류되지는 못하는 문제일 수 있다. 예를 들어, 학습 서비스 제공 장치(100)에 미리 설정된 유사도가 90% 이상인 경우, 검색 요청 문제와 동일하거나 유사한 문제로 판단하고, 95% 이상의 동일성이 인정되면, 검색 요청 문제와 동일한 문제로 판단한다고 가정한다. 이때, 유사 문제는 검색 요청 문제와 90% 이상 95% 미만의 동일성이 인정되는 문제일 수 있다.In the case of a similar problem, it may be a problem that the degree of similarity with respect to the preset similarity degree criterion is high, but it can not be classified as the same as the search request problem. For example, if the degree of similarity set in advance in the learning service providing apparatus 100 is 90% or more, it is determined that the problem is the same as or similar to the search request problem. If the similarity is equal to or more than 95% I suppose. At this time, the similarity problem may be a problem in which 90% or more and 95% or less of identity with the search request problem is recognized.

예를 들어, 관련 문제는, 역시 수학 문제를 예로 들어 설명하면, 검색 대상 문제와 수학의 단원과 같은 카테고리가 동일하거나, 문제 풀이 방법 등이 관련된 문제일 수 있다. 즉, 검색 요청 문제가 수학 단원 중 집합 단원에 대한 문제인 경우, 관련 문제는, 두 집합의 교집합을 구하여 구해진 숫자를 이용하여, 방정식을 연산하는 문제인 경우이다.For example, if the mathematical problem is described as an example, the problem may be the same as the search target problem, the same category as the mathematical unit, or the problem solving method. That is, if the search request problem is a problem for a set unit in a mathematical unit, the related problem is a problem of calculating an equation using the obtained number by finding the intersection of two sets.

관련 문제의 경우, 검색 요청 문제와 미리 설정된 유사도 기준 대비 유사도가 낮으나, 메타데이터 상의 정보가 관련성을 갖는 문제일 수 있다. 상기 예시된 바와 같이, 학습 서비스 제공 장치(100)에 미리 설정된 유사도가 90% 이상의 동일성을 요구한다고 가정한다. 이때, 학습 서비스 제공 장치(100)가 검색 요청 문제와의 유사도 판단 결과, 80%의 동일성이 인정되는 문제가 검색된 경우, 검색된 문제가 검색 요청 문제와 동일하거나 유사한 문제가 아닌 것으로 판단할 수 있다. In the case of a related problem, the search request problem and the degree of similarity to the preset similarity criterion are low, but the information on the metadata may be a problem of relevance. As exemplified above, it is assumed that the similarity degree preset in the learning service providing apparatus 100 requires at least 90% identity. At this time, when the learning service providing apparatus 100 searches for a problem in which the identity of 80% is recognized as a result of the similarity determination with the search request problem, it can be determined that the retrieved problem is not the same as or similar to the retrieval request problem.

일 실시예에서, 학습 서비스 제공 장치(100)는, 검색된 문제에 대한 메타데이터를 분석할 수 있다. 메타데이터는 예를 들어, 문제가 수학 문제인 경우, 문제의 단원 정보, 문제를 설명하고, 분류하기 위한 키워드 정보 등을 포함할 수 있다. 학습 서비스 제공 장치(100)는 메타데이터를 분석하여, 검색된 문제와 검색 요청 문제와의 관련성을 판단할 수 있다. 즉, 학습 서비스 제공 장치(100)는 검색된 문제가 검색 요청 문제와 동일하거나 유사한 문제인 경우뿐만 아니라, 동일하거나 유사한 문제가 아닌 경우에도, 검색된 문제의 메타데이터 분석을 통해 검색 요청 문제와의 관련성을 판단할 수 있다. In one embodiment, the learning service providing apparatus 100 can analyze the metadata about the retrieved problem. The meta data may include, for example, unit information of the problem, keyword information for classifying the problem, and the like, if the problem is a mathematical problem. The learning service providing apparatus 100 may analyze the metadata to determine the relevance between the retrieved problem and the retrieval request problem. That is, the learning service providing apparatus 100 judges the relevance to the search request problem through the metadata analysis of the retrieved question, not only when the retrieved question is the same or similar to the retrieval request problem, can do.

이를 위해, 학습 서비스 제공 장치(100)는 유사도 기준 외에 관련도 기준을 미리 설정 받을 수도 있다. To this end, the learning service providing apparatus 100 may set an association degree criterion in addition to the similarity degree reference.

여기에서, 관련도 기준은, 검색 요청 문제가 수학문제일 때, 검색 요청 문제와 검색된 문제를 구성하는 문자, 숫자, 수식의 유사성 판단 기준이 아닌, 검색 요청 문제와 검색된 문제의 메타데이터 상의 유사성을 판단하기 위한 기준일 수 있다. 즉, 관련도 기준은, 문제와 문제 사이의 관련성을 판단하기 위한 기준이며, 정책적으로 결정될 수 있다.Here, the relevance criterion is a relationship between the search request problem and the meta data of the retrieved question, which is not a criterion for judging similarity between letters, numbers, and equations constituting a retrieval request problem and a retrieval request when the retrieval request problem is a mathematical problem Can be a criterion for judging. In other words, the relevance criterion is a criterion for judging the relationship between a problem and a problem, and can be determined politically.

예를 들어, 검색 요청 문제가 단원 카테고리로 2차 방정식, 풀이 방법으로 근의 공식, 난이도 정보로 레벨 3인 메타데이터를 갖고, 검색된 문제가 단원 카테고리로 3차 방정식, 풀이 방법으로 근의 공식 및 인수분해, 난이도 정보로 레벨3인 메타데이터를 갖는 경우를 가정한다. 또한, 단원 카테고리, 풀이 방법의 정보, 난이도 정보가 각각의 관련도 기준의 파라미터로서, 수치화 된 값을 갖는 정보인 경우를 가정한다. 이 경우, 학습 서비스 제공 장치(100)는 검색 요청 문제와 검색된 문제의 파라미터 값을 비교하여 관련성을 판단할 수 있다. 학습 서비스 제공 장치(100)는 검색 요청 문제와 검색된 문제의 파라미터 값의 차이가 미리 설정된 값 이하인 경우, 검색된 문제가 검색 요청 문제와 관련성이 있는 것으로 판단할 수 있다. 이때, 학습 서비스 제공 장치(100)는 복수의 파라미터를 비교하여, 검색된 문제와 검색 요청 문제의 관련성을 판단할 수도 있다.For example, if the search request problem has a secondary equation as a unit category, a root equation as a solution method, metadata as a level 3 as difficulty information, a retrieved problem as a unit category, a cubic equation, It is assumed that the metadata having level 3 is used as the factorization and difficulty information. It is also assumed that the unit category, the information of the solving method, and the degree of difficulty information are information having numerical values as parameters of respective relevance metrics. In this case, the learning service providing apparatus 100 can determine the relevance by comparing the search request problem with the parameter value of the retrieved question. The learning service providing apparatus 100 may determine that the retrieved question is related to the retrieval request problem when the difference between the retrieval request problem and the parameter value of the retrieved question is less than a preset value. At this time, the learning service providing apparatus 100 may compare a plurality of parameters to determine the relevance between the retrieved problem and the retrieval request problem.

학습 서비스 제공 장치(100)는, 미리 설정된 관련도 기준 이상의 관련성이 인정되는 경우, 검색된 문제를 관련 문제로 판단할 수 있다. The learning service providing apparatus 100 can determine the searched problem as a related problem when the relevance is determined to be equal to or higher than a preset relevance standard.

학습 서비스 제공 장치(100)는, 도 3의 식별된 문제를 기초로 검색 대상 문제를 검색하는 단계(S30)와 유사도 기준의 문제를 추출하는 단계(S40)에서 관련 문제를 검색 및 추출할 수도 있다. 학습 서비스 제공 장치(100)는 검색 요청 문제와 동일하거나 유사한 문제를 추출한 후, 추출한 문제를 대상으로 관련 문제 검색 및 추출을 수행할 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다. 즉, 학습 서비스 제공 장치(100)는 검색 요청 문제와 동일하거나 유사한 문제의 검색 및 추출 동작과 별개의 프로세스로 관련 문제를 검색하고 추출할 수도 있다. The learning service providing apparatus 100 may search for and extract a related problem in step S30 of retrieving the retrieval object problem based on the identified problem in Fig. 3 and extracting the similarity degree problem in step S40 . The learning service providing apparatus 100 may extract the same or similar problem as the search request problem and then perform the related problem search and extraction on the extracted problem, but the embodiment of the present invention is not limited thereto. That is, the learning service providing apparatus 100 may search for and extract the related problem in a separate process from the search and extract operation of the same or similar problem as the search request problem.

학습 서비스 제공 장치(100)는 관련 문제를 학습자 단말(50) 및 답변자 단말(200) 중 적어도 하나에 제공할 수 있다. 예를 들어, 관련 문제가 답변자 단말(200)에 제공된 경우, 답변자는 채팅창(900)을 통해, 관련 문제(920)을 학습자에게 추천할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 제공된 관련 문제를 선택하여 채팅창(900)을 통해 학습자 단말(50)에 제공하기 위한 인터페이스를 답변자 단말(200)에 제공할 수 있다. 또한, 학습 서비스 제공 장치(100)는 답변자의 단말(200)에 관련 문제를 검색하기 위한 인터페이스를 제공할 수도 있다. The learning service providing apparatus 100 can provide the relevant problem to at least one of the learner terminal 50 and the answerer terminal 200. [ For example, if a related question is provided to the answerer terminal 200, the answerer may recommend the question 920 to the learner through the chat window 900. [ To this end, the learning service providing apparatus 100 may provide the answerer terminal 200 with an interface for selecting the related question provided and providing it to the learner terminal 50 through the chat window 900. [ In addition, the learning service providing apparatus 100 may provide an interface for searching the answer terminal 200 for a related problem.

한편, 본 발명의 또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)에 의해 자동으로, 학습자 단말(50)의 요청에 의해, 또는, 답변자의 답변자 단말(200)에 대한 조작에 의해 검색 요청 문제와 동일하지 않으나 유사한 문제 또는 관련 문제가 추천될 수 있다. 이와 같이, 검색 요청 문제와 동일하거나 유사한 문제 또는 관련 문제로서, 학습자 단말(50)에 의해 검색 요청된 문제와 다르지만, 학습자 단말(50)에 제공되는 문제를 추천 문제라고 칭할 수 있다. On the other hand, according to another embodiment of the present invention, the learning service providing apparatus 100 can automatically perform the search request by the request of the learner terminal 50 or by the operation of the answerer terminal 200 of the answerer A similar problem or related problem may not be the same as the problem. As described above, a problem that is different from the problem searched for by the learner terminal 50, which is the same or similar to or similar to the search request problem, but which is provided to the learner terminal 50 can be referred to as a recommendation problem.

도 10은 본 발명의 몇몇 실시예에서 참조되는, 추천 문제를 설명하기 위한 예시도이다.Figure 10 is an exemplary diagram for describing a recommendation problem, which is referenced in some embodiments of the present invention.

도 10을 참조하면, 학습 서비스 제공 장치(100)는 도 2의 Q & A 데이터(107)에 속한 문제를 유사도 기준 및 관련도 기준 중 적어도 하나에 따라 분류할 수 있다. 도 10의 문제 그룹0, 문제 그룹1, 문제 그룹2, 문제 그룹3 및 문제 그룹 10은 관련도 기준에 따라 분류된 문제의 그룹이며, 각 문제 그룹에 속한 문제는 유사도 기준에 따라 그룹핑된 유사한 문제이다.Referring to FIG. 10, the learning service providing apparatus 100 may classify a problem belonging to the Q & A data 107 of FIG. 2 according to at least one of a similarity criterion and an association criterion. The problem group 0, problem group 1, problem group 2, problem group 3, and problem group 10 in FIG. 10 are groups of problems classified according to relevance criteria, and problems belonging to each problem group are classified into similar problems to be.

문제A1 및 문제B1은 검색 요청 문제 또는 검색 요청 문제와 동일한 문제이다. 도 10에서, 문제 그룹0은 난이도1에 해당하는 문제의 그룹이고, 문제 그룹1, 문제 그룹2 및 문제 그룹3은 난이도2에 해당하는 문제의 그룹이며, 문제 그룹10은 난이도3에 해당하는 문제 그룹인 경우가 예시되었다. 난이도1, 난이도2, 난이도3은 각각 세부 난이도로 다시 분류될 수 있다. 즉, 동일한 난이도2에 속하는 문제도 수평방향으로 차등적인 난이도를 가질 수 있다. 예를 들어, 문제A1 및 문제A2는 난이도2에 해당하는 문제이나, 문제A2는 문제A1 보다 세부 난이도가 더 높을 수 있다.Problems A1 and B1 are the same problems as search request problems or search request problems. 10, the problem group 0 is a group of problems corresponding to the degree of difficulty 1, the problem group 1, the problem group 2 and the problem group 3 are groups of problems corresponding to the difficulty level 2, and the problem group 10 is a group of problems corresponding to the difficulty level 3 Group is exemplified. Difficulty 1, Difficulty 2, and Difficulty 3 can be classified again into detailed difficulty levels. That is, the problem belonging to the same difficulty level 2 can also have a difficulty level in the horizontal direction. For example, Problems A1 and A2 may be difficulty level 2, and Problem A2 may be more difficult than Problem A1.

또한, 도 10의 문제 그룹1, 문제 그룹2 및 문제 그룹3은 동일한 난이도인 난이도2에 해당하는 문제들의 그룹이되, 메타데이터 상의 단원 카테고리가 다른 그룹일 수 있다. 즉, 도 10의 문제 그룹의 수직 방향 높이는 단원 카테고리의 차이를 나타낼 수 있다.In addition, the problem group 1, the problem group 2, and the problem group 3 in FIG. 10 are groups of problems corresponding to the difficulty level 2, which is the same degree of difficulty, and the unit categories on the metadata may be different groups. That is, the vertical height of the problem group in FIG. 10 may indicate a difference in the category category.

일 실시예에서, 학습 서비스 제공 장치(100)는 문제A1이 검색 요청된 경우, 즉, 학습자가 문제A1을 질문한 경우, 유사도 판단 결과, 유사한 문제의 그룹으로 문제 그룹1을 식별할 수 있다. 학습 서비스 제공 장치(100)는 학습자가 질문했던 문제와 유사한 문제를 식별된 문제 그룹1에서 추출하여 학습자 단말(50)에 추천 문제로 제공할 수 있다. 동일한 문제 그룹에 속한 문제는 검색 요청 문제와 상수의 차이만 있는 유사 문제일 수 있으며, 학습 서비스 제공 장치(100)는, 예를 들어, 문제 그룹1의 문제A2를 추천 문제로 추천할 수 있다. In one embodiment, the learning service providing apparatus 100 can identify the problem group 1 as a group of similar problems as a result of the degree of similarity determination when the question A1 is searched, that is, when the learner has asked the question A1. The learning service providing apparatus 100 may extract a problem similar to the question asked by the learner in the identified problem group 1 and provide the same to the learner terminal 50 as a recommendation problem. A problem belonging to the same problem group may be a similar problem having only a difference between a search request problem and a constant, and the learning service providing apparatus 100 may recommend, for example, problem A2 of the problem group 1 as a recommendation problem.

다른 실시예에서, 학습 서비스 제공 장치(100)는 문제A2가 검색 요청된 경우, 유사도 판단 결과, 유사한 문제의 그룹으로 문제 그룹2를 식별하여 유사한 문제를 문제 그룹2에서 추출하여 학습자 단말(50)에 추천 문제로 제공할 수 있다. 또한, 학습 서비스 제공 장치(100)는 문제A2를 기준으로 미리 설정된 관련도 기준 이상의 문제를 추출할 수 있다. 이때, 학습 서비스 제공 장치(100)는 메타데이터 상의 난이도 정보를 기준으로 인접 난이도를 갖는 문제 그룹을 먼저 식별한 후, 식별된 문제 그룹에 속한 문제를 추출하여 추천할 수도 있다. 도 10에서, 식별된 문제 그룹으로 문제 그룹0 및 문제 그룹10이 예시되었다. 문제 그룹0은 문제B1과 단원 카테고리는 동일하나 난이도가 낮아 기초 학습을 위한 문제가 속한 그룹이며, 문제 그룹10은 문제B1과 단원 카테고리는 동일하나 난이도가 높아 심화 학습을 위한 문제가 속한 그룹일 수 있다. In another embodiment, when the problem A2 is searched, the learning service providing apparatus 100 identifies the problem group 2 as a similar problem group as a result of the degree of similarity determination, extracts a similar problem from the problem group 2, As a recommendation problem. Also, the learning service providing apparatus 100 can extract a problem that is equal to or higher than the relevance standard preset on the basis of the problem A2. At this time, the learning service providing apparatus 100 may first identify the problem group having the adjacent difficulty level based on the difficulty information on the metadata, and then extract and recommend a problem belonging to the identified problem group. In Figure 10, problem group 0 and problem group 10 have been illustrated as identified problem groups. Problem group 0 is the group to which the problem for the basic learning belongs because the problem category B1 is the same as the problem category B1 but the difficulty level is low. The problem group 10 is the group in which the problem category for the problem B1 is the same, have.

학습 서비스 제공 장치(100)는, 예를 들어, 문제 그룹0에 속한 문제a2 및/또는 문제 그룹10에 속한 문제D1를 관련 문제로 추출하여 학습자 단말(50)에 추천 문제로 제공할 수 있다.The learning service providing apparatus 100 can extract the problem D1 belonging to the problem group 0 and / or the problem D1 belonging to the problem group 10 as a related problem, for example, and provide it to the learner terminal 50 as a recommendation problem.

또 다른 실시예에서, 학습 서비스 제공 장치(100)는 학습자의 질문 문제 내역(1000)을 저장할 수 있다. 도 10에서, 질문 문제 내역에 문제A1 및 문제B1이 저장된 경우가 예시되었다. 학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로, 학습자에게 질문 문제와 난이도는 동일하되, 단원 카테고리가 다른 문제 그룹을 식별할 수 있다. 즉, 학습 서비스 제공 장치(100)는 문제 그룹3을 식별할 수 있으며, 예를 들어 문제 그룹3에 속한 문제C1을 추천 문제로 학습자 단말(100)에 제공할 수 있다. In another embodiment, the learning service providing apparatus 100 may store the learner's question history record 1000. [ In Fig. 10, the case where the problem A1 and the problem B1 are stored in the question history are illustrated. The learning service providing apparatus 100 can identify the problem group having the same difficulty level as the question problem but different in the category of the question to the learner based on the question description history 1000. [ That is, the learning service providing apparatus 100 can identify the problem group 3, for example, and can provide the problem C1 belonging to the problem group 3 to the learner terminal 100 as a recommendation problem.

또한, 학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로 질문 문제와 난이도가 다른 문제 그룹을 식별할 수도 있다. 예를 들어, 학습 서비스 제공 장치(100)는 문제 그룹0 및/또는 문제 그룹10을 식별할 수 있으며, 식별된 문제 그룹에 속한 문제를 학습자에게 추천할 수도 있다.In addition, the learning service providing apparatus 100 may identify a question group having a different difficulty level from the question problem based on the question description part 1000. [ For example, the learning service providing apparatus 100 may identify the problem group 0 and / or the problem group 10, and may recommend the problem belonging to the identified problem group to the learner.

도 11은 본 발명의 몇몇 실시예에서 참조되는, 학습자 질문 기반 학습 컨텐츠의 예시이다. Figure 11 is an illustration of learner question-based learning content, which is referenced in some embodiments of the present invention.

도 11을 참조하면, 학습 서비스 제공 장치(100)는 도 10의 질문 문제 내역(1000)을 기초로, 학습자 맞춤형 학습 컨텐츠(1100)를 생성할 수 있다. 학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로, 학습자의 학습 수준을 판단할 수 있다. 또한, 학습 서비스 제공 장치(100)는 미리 설정된 기간 동안 질문 문제 내역(1000)에 추가되는 문제들을 기초로, 일정 기간 동안의 학습자의 학습 성취도를 판단할 수도 있다.Referring to FIG. 11, the learning service providing apparatus 100 can generate the learner customized learning contents 1100 based on the question description details 1000 of FIG. The learning service providing apparatus 100 can determine the learning level of the learner based on the question description history 1000. [ In addition, the learning service providing apparatus 100 may determine the learning achievement of the learner for a predetermined period based on the problems added to the question content 1000 during a predetermined period.

학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로, 검색 요청 문제와, 동일한 문제, 유사한 문제 및 관련 문제를 추천 문제로 추출할 수 있으며, 추출된 문제로 구성된 학습 컨텐츠(1100)를 생성할 수 있다. 도 11에서, 학습 컨텐츠(1100)가 제1 영역에 검색 요청 문제 또는 검색 요청 문제와 동일한 문제로 판단된 문제(1110)를 포함하고, 제2 영역에 추천 문제(1120)를 포함하는 경우가 예시되었다. 검색 요청 문제(1110) 및 추천 문제(1120)는 메타데이터의 적어도 하나의 파라미터를 기초로 학습 컨텐츠(1100) 내에 순차적으로 배열될 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다. 검색 요청 문제 또는 이와 동일한 문제로 판단된 문제(1110)와 추천 문제(1120)는 임의의 순서대로 학습 컨텐츠(1100) 내에 배열될 수도 있다.The learning service providing apparatus 100 can extract the search request problem, the same problem, the similar problem, and the related problem as the recommendation problem based on the question description history 1000, and the learning contents 1100, Lt; / RTI > 11 shows an example in which the learning content 1100 includes a problem 1110 in the first area that is determined to be the same as the search request problem or the search request problem and a recommendation problem 1120 in the second area . The search request problem 1110 and the recommendation problem 1120 can be sequentially arranged in the learning content 1100 based on at least one parameter of the metadata, but the embodiment of the present invention is not limited thereto. The search request problem 1110 and the recommendation problem 1120 judged as the same problem may be arranged in the learning contents 1100 in any order.

학습 서비스 제공 장치(100)는 문제의 단원 카테고리, 난이도, 풀이 방법 등 메타데이터 상의 파라미터를 기준으로 개별적인 학습 컨텐츠를 생성할 수도 있다. 예를 들어, 학습 서비스 제공 장치(100)는 동일한 단원으로만 구성된 학습 컨텐츠, 심화 난이도의 문제로만 구성된 학습 컨텐츠, 반복적으로 유사한 풀이 방법이 적용되는 문제로만 구성된 학습 컨텐츠를 생성할 수 있다.The learning service providing apparatus 100 may generate individual learning contents on the basis of the parameters on the meta data such as the problem category, difficulty, and solving method. For example, the learning service providing apparatus 100 can generate learning contents composed solely of the same unit, learning contents composed solely of problems of deepening difficulty, and learning contents composed solely of problems to which a similar solving method is applied repeatedly.

학습 서비스 제공 장치(100)는 생성된 학습 컨텐츠(1100)를 학습자 단말(50)에 송신할 수 있다.The learning service providing apparatus 100 can transmit the generated learning contents 1100 to the learner terminal 50. [

도 12는 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 시스템의 구성도이다. 특히, 도 12의 학습자 등급 기반의 학습 서비스 제공 시스템으로, 도 1의 학습 서비스 제공 시스템에 학습자 인증 장치(1200)가 추가된 경우가 예로써 도시되었다.12 is a block diagram of a system for providing a learning service based on a learner class according to another embodiment of the present invention. In particular, the case where the learner authentication apparatus 1200 is added to the learning service providing system of FIG. 1 as the learner class-based learning service providing system of FIG. 12 is shown as an example.

도 12를 참조하면, 학습자 인증 장치(1200)는 학습자 단말(50)이 미리 설정된 영역(1210) 내에 위치하는 것을 감지할 수 있다. 학습자 단말(50)이 학습 서비스 제공 장치(100)이 제공하는 학습 서비스에 접속되면, 학습자 인증 장치(1200)는 영역(1210) 내에서 상기 학습 서비스에 접속한 학습자 단말(50)의 고유 정보를 식별할 수 있다. 식별된 고유 정보가 학습 서비스 제공 장치(100)에 전달되면, 학습 서비스 제공 장치(100)는 학습자 단말(50)의 사용자인 학습자의 학습자 등급을 판단할 수 있다. 학습 서비스 제공 장치(100)는 판단된 학습자 등급에 대응되는 학습 서비스를 학습자 단말(50)에 제공할 수 있다.Referring to FIG. 12, the learner authenticating apparatus 1200 can detect that the learner terminal 50 is located in the predetermined area 1210. When the learner terminal 50 is connected to the learning service provided by the learning service providing apparatus 100, the learner authenticating apparatus 1200 acquires the unique information of the learner terminal 50 connected to the learning service in the area 1210 Can be identified. When the identified unique information is transmitted to the learning service providing apparatus 100, the learning service providing apparatus 100 can determine the learner class of the learner who is the user of the learner terminal 50. [ The learning service providing apparatus 100 can provide the learner terminal 50 with the learning service corresponding to the determined learner class.

예를 들어, 학습자 단말(50)의 고유 정보는 맥어드레스(Mac address) 정보일 수 있으며, 학습자 인증 장치(1200)는 미리 설정된 영역(1210) 내에 Wi-Fi 인터넷을 제공하는 AP(Access Point)일 수 있다. 학습 서비스 제공 장치(100)는 AP에 할당된 ip 정보 및/또는 학습자 단말(50)의 맥어드레스 정보를 기초로, 학습자 단말(50)에 미리 설정된 영역(1210) 내에서 학습 서비스에 접속이 개시되는지 판단할 수 있다. For example, the unique information of the learner terminal 50 may be Mac address information, and the learner authentication apparatus 1200 may include an AP (Access Point) providing Wi-Fi Internet in a predetermined area 1210, Lt; / RTI > The learning service providing apparatus 100 starts to connect to the learning service in the area 1210 preset in the learner terminal 50 based on the ip information allocated to the AP and / or the MAC address information of the learner terminal 50 .

학습 서비스 제공 장치(100)는 학습자 등급 별로, 서로 다른 학습 서비스를 제공할 수 있다. 학습 서비스 제공 장치(100)는 학습자가 신청한 학습 서비스 유형, 학습 서비스 과금액, 서비스 접속 위치 및 학습 서비스 참여도 중 적어도 하나를 기초로 학습자 등급을 결정할 수 있다.The learning service providing apparatus 100 can provide different learning services for each learner class. The learning service providing apparatus 100 can determine the learner class based on at least one of the type of the learning service, the amount of the learning service, the service access location, and the degree of participation in the learning service.

일 예로, 학습 서비스 제공 장치(100)는 기본 등급인 학습자가 학습 서비스에 접속되면, 기본 학습 서비스를 제공할 수 있다. 기본 학습 서비스는 학습자 단말(50)로부터 문제를 포함하는 이미지가 수신되면, 이를 OCR 분석하여 식별된 검색 요청 문제에 대한 해설 정보를 제공하는 서비스일 수 있다. 이때, 기본 등급인 학습자에게는 검색 요청 문제에 대하여 각 해설 정보가 학습자 단말(50)에 송신될 때마다, 서비스 비용이 과금될 수 있다. For example, the learning service providing apparatus 100 can provide a basic learning service when the learner, which is a basic level, is connected to the learning service. The basic learning service may be a service for providing an explanation information on the identified search request problem by OCR analysis when an image including a problem is received from the learner terminal 50. [ At this time, the service cost may be charged to the learner, which is the basic level, each time the commentary information is transmitted to the learner terminal 50 with respect to the search request problem.

다른 예로, 학습 서비스 제공 장치(100)는 기본 등급 보다 상위 등급인 학습자가 학습 서비스에 접속되면, 각 학습자의 등급에 맞춰 등급별 학습 서비스를 제공할 수 있다. 등급별 학습 서비스는, 상술한 기본 학습 서비스를 포함하고, 추가적으로 추천 문제를 학습자 단말(50)에 제공하는 서비스일 수 있다. 또한, 등급별 학습 서비스는, 학습자의 등급에 따라, 도 11에서 예시된 학습 컨텐츠(1100)를 학습자 단말(50)에 정기적 또는 비정기적으로 제공하는 서비스를 포함할 수도 있다. 이때, 학습자 상위 등급의 학습자에게는, 검색 요청 문제에 대한 해설 정보 제공은 무료로 제공되고, 학습 컨텐츠(1100)는 각 컨텐츠당 유료로 제공될 수 있다.As another example, when the learner having a higher grade than the basic grade is connected to the learning service, the learning service providing apparatus 100 can provide the learner-specific learning service according to the class of each learner. The grade-specific learning service may be a service that includes the above-described basic learning service and additionally provides a recommendation question to the learner terminal 50. [ The class-specific learning service may also include a service for regularly or irregularly providing the learning contents 1100 exemplified in FIG. 11 to the learner terminal 50 according to the class of the learner. At this time, the learner with the learner's upper grade may be provided free of charge to provide commentary information on the search request problem, and the learning contents 1100 may be provided for each content.

또 다른 예로, 학습 서비스 제공 장치(100)는 기본 등급의 학습자 또는 학습자 등급이 결정되지 않은 학습자가 학습 서비스에 접속되면, 학습자 단말(50)의 접속 위치가 미리 설정된 영역(1210) 내인지 판단할 수 있다. 학습자 단말(50)의 접속 위치가 영역(1210) 내인 경우, 학습 서비스 제공 장치(100)는 학습자의 등급을 상위 등급 학습자로 결정할 수 있다. 학습 서비스 제공 장치(100) 상위 등급 학습자로 결정된 학습자의 학습자 단말(50)에 등급별 학습 서비스를 제공할 수 있다.As another example, when the learner of the base class or the learner whose learner class is not determined is connected to the learning service, the learning service providing apparatus 100 determines whether the connection position of the learner terminal 50 is within the preset area 1210 . When the connection position of the learner terminal 50 is within the area 1210, the learning service providing apparatus 100 can determine the learner's rating as the higher-level learner. The class-specific learning service can be provided to the learner terminal 50 of the learner determined as the upper class learner.

상기 기본 학습 서비스 및 등급별 학습 서비스의 내용 및 과금 정책은 예에 불과하며, 본 발명의 실시예는 이에 한정되지 않는다.The contents of the basic learning service and the class-specific learning service and the charging policy are only examples, and the embodiment of the present invention is not limited thereto.

도 13은 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 방법의 순서도이다. 이하, 도 13을 참조하여, 학습자 등급 기반의 학습 서비스 제공 방법을 다시 한번 설명한다. 각 단계는 학습 서비스 제공 장치(100)에 의해 수행된다.13 is a flowchart of a method of providing a learning service based on a learner class according to another embodiment of the present invention. Hereinafter, with reference to FIG. 13, a learning service providing method based on the learner class will be described again. Each step is performed by the learning service providing apparatus 100.

도 13을 참조하면, 학습 서비스 제공 장치(100)는 학습자 단말(50)의 학습 서비스 접속 위치를 식별할 수 있다(S1301). 이를 위해, 학습 서비스 제공 시스템은 도 12에 예시된 바와 같이 학습자 인증 장치(1200)를 포함할 수 있다. 학습 서비스 제공 장치(100)는 학습자 인증 장치(1200)로부터 학습자 단말(50)의 고유 정보를 수신함으로써, 학습자 단말(50)의 접속 위치를 식별할 수 있다.Referring to FIG. 13, the learning service providing apparatus 100 can identify the learning service connection position of the learner terminal 50 (S1301). To this end, the learning service provision system may include a learner authenticator 1200, as illustrated in FIG. The learning service providing apparatus 100 can identify the connection position of the learner terminal 50 by receiving the unique information of the learner terminal 50 from the learner authenticating apparatus 1200. [

학습 서비스 제공 장치(100)는 학습자 단말(50)의 접속 위치가 미리 설정된 영역인지 여부를 판단할 수 있다(S1303). 예를 들어, 미리 설정된 영역은, 학습 서비스가 제공되는 장소로서, 독서실, 학교, 학원 등 교육 시설일 수 있다. 학습 서비스 제공 장치(100)에 상기 교육 시설을 장소 정보가 미리 설정될 수 있다.The learning service providing apparatus 100 can determine whether or not the connection position of the learner terminal 50 is a preset area (S1303). For example, the preset area may be a training room such as a reading room, a school, or a school, where a learning service is provided. The location information of the educational facility may be preset in the learning service providing apparatus 100. [

상기 판단 결과, 학습자 단말(50)의 접속 위치가 미리 설정된 영역이 아닌 경우, 학습 서비스 제공 장치(100)는 학습 서비스에 접속한 학습자 단말(50)의 학습자의 등급이 기본 등급인지 상위 등급인지 판단할 수 있다. 즉, 학습 서비스 제공 장치(100)는 학습자가 등급별 학습 서비스 대상자인지 판단할 수 있다(S1305).If the connection location of the learner terminal 50 is not the preset area, the learning service providing apparatus 100 determines whether the learner's class of the learner terminal 50 connected to the learning service is a base class or a higher class can do. That is, the learning service providing apparatus 100 can determine whether the learner is the target of the learning service for each grade (S1305).

학습 서비스 제공 장치(100)는 학습자가 기본 등급의 학습자로 판단되면, 학습자 단말(50)에 기본 학습 서비스를 제공할 수 있다(S1307).The learning service providing apparatus 100 may provide the basic learning service to the learner terminal 50 (S1307) if the learner is determined to be a learner of a basic grade.

반면, 단계(S1303)에서 학습자 단말(50)의 접속 위치가 미리 설정된 영역 내로 판단된 경우, 또는 단계(S1305)에서 학습자의 등급이 상위 등급으로 판단된 경우, 학습 서비스 제공 장치(100)는 학습자 단말(50)에 학습자의 등급에 맞춰, 등급별 학습 서비스를 제공할 수 있다(S1309).On the other hand, if the connection position of the learner terminal 50 is determined to be within the predetermined area in step S1303, or if the learner's grade is determined to be a higher grade in step S1305, It is possible to provide the learning service for each grade to the terminal 50 in accordance with the learner's rating (S1309).

지금까지 첨부된 도면을 참조하여 설명된 본 발명의 실시예에 따른 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터프로그램은 인터넷 등의 네트워크를 통하여 제1 컴퓨팅 장치로부터 제2 컴퓨팅 장치에 송신되어 상기 제2 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1 컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는, 서버 장치, 데스크탑 PC와 같은 고정식 컴퓨팅 장치, 노트북, 스마트폰, 태블릿 피씨와 같은 모바일 컴퓨팅 장치를 모두 포함한다.The methods according to embodiments of the present invention described above with reference to the accompanying drawings can be performed by the execution of a computer program embodied in computer readable code. The computer program may be transmitted from a first computing device to a second computing device via a network, such as the Internet, and installed in the second computing device, thereby enabling it to be used in the second computing device. The first computing device and the second computing device all include mobile computing devices such as a server device, a fixed computing device such as a desktop PC, a notebook, a smart phone, and a tablet PC.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, You will understand. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive.

Claims

A method performed by a learning service providing apparatus,
Receiving an image from a learner terminal;
Performing OCR processing on the received image;
Identifying a search request problem from the image as the OCR process is performed;
Searching for a problem having a degree of similarity equal to or higher than a preset reference similarity level to the search request problem among the problems to be searched in advance; And
And transmitting, as a result of the search, commentary information corresponding to the extracted question to the terminal of the learner when a problem having a degree of similarity higher than the predetermined similarity degree reference is extracted,
How to provide learning services.

The method of claim 1, wherein the search request problem includes at least one of a character and an expression as a component,
The method comprises:
Storing the search request problem in which the quality of the OCR processing for the at least one component is equal to or greater than a predetermined reference as the search target problem if the search result does not include a problem having the similarity, ,
How to provide learning services.

The method of claim 1, wherein the search request problem includes character and expression as elements,
The step of performing the OCR process includes:
Analyzing pixels on the image based on pre-learned information using a Convolutional Neural Network (CNN) model; And
And identifying, by the analysis, at least one of a character and an expression on the image.
How to provide learning services.

The method of claim 3,
Wherein analyzing the pixels on the image comprises:
Extracting feature information for each pixel on the image; And
Predicting a character or expression constituted by each pixel based on the previously learned information and the extracted feature information,
Wherein identifying at least one of a character and an expression on the image comprises:
Clustering a plurality of pixels constituting any one of the predicted character or the formula; And
And identifying either the character or the expression based on the plurality of pixels clustered.
How to provide learning services.

The method according to claim 1,
Searching for a problem having a degree of similarity higher than a predetermined similarity degree reference with the search request problem,
Separating the characters included in the identified search request problem on a component basis;
Extracting a keyword in an expression included in the identified search request problem;
Filtering the search object problem based on the characters separated by the component unit and the extracted keyword;
Determining a similarity to the filtered search target problem; And
Extracting a problem having a degree of similarity higher than the predetermined similarity degree reference based on the determined degree of similarity;
How to provide learning services.

6. The method of claim 5,
Wherein the step of determining the degree of similarity to the filtered search target problem comprises:
Dividing the filtered search target component into categories;
Determining a first degree of similarity between characters separated by the component unit and a character part of a component of a search subject separated by the category;
Determining a second degree of similarity of the extracted part of the extracted keyword and a component of the search subject separated by the category; And
And assigning a predetermined weight to each of the first similarity degree and the second similarity degree to determine a final similarity degree.
How to provide learning services.

3. The method of claim 2,
Transmitting an explanation request message for a search request problem stored as the search target problem to at least one terminal among a plurality of previously registered answer terminal terminals;
Receiving commentary information on the stored search request problem from the at least one answerer terminal; And
And transmitting the received comment information to the learner terminal,
The step of receiving the interpretation information includes:
And matching and storing the received commentary information and the answerer terminal information.
How to provide learning services.

8. The method of claim 7,
Receiving a request for generating a messaging interface for the stored search request problem from the learner terminal;
Transmitting an invitation message to at least one answer terminal of the plurality of answerer terminals as the messaging interface is received;
Generating a messaging interface between the answerer terminal that has transmitted the response message and the learner terminal when a response message to the invitation message is received; And
And providing the generated messaging interface to the answerer terminal that has transmitted the response message and the learner terminal.
How to provide learning services.

The method according to claim 1,
Comparing the first meta data for the extracted problem and the second meta data for the search target problem;
Extracting, from among the search target problems, a related problem having an association degree greater than or equal to a predetermined relevance criterion based on the comparison result; And
And sending the extracted related problem to the terminal of the learner,
How to provide learning services.

10. The method of claim 9,
Wherein the first metadata and the second metadata are parameter information for measuring degree of association, each of the first metadata and the second metadata includes category information of a problem, difficulty information of a problem,
Wherein the comparing the first metadata about the extracted problem and the second metadata about the search target problem comprises:
Comparing at least one of a problem category information, a problem difficulty information, and a problem solving method information on the first meta data and the second meta data to determine an association degree between the extracted question and the search target problem / RTI >
How to provide learning services.

10. The method of claim 9,
The step of extracting the related problem comprises:
Generating a learning content including at least one of a problem having a degree of similarity higher than the extracted similarity degree reference and the extracted related problem,
Wherein the step of transmitting the extracted related problem to the terminal of the learner includes:
And transmitting the generated learning contents to the terminal of the learner.
How to provide learning services.

The method according to claim 1,
Wherein the step of receiving an image from the learner terminal comprises:
Determining whether a location of the learner terminal connected to the learning service is within a predetermined area; And
And determining, as a result of the determination, the learner terminal as a learner service target terminal when the learner terminal is connected in a predetermined area,
Wherein the step of transmitting comment information corresponding to the extracted question to the terminal of the learner includes:
Further comprising the step of transmitting a problem related to the search request problem to the learning service terminal as the learner terminal is determined as a grade-
How to provide learning services.

One or more processors;
A network interface for communicating with a learner terminal;
A memory for loading a computer program executed by the processor; And
And storage for storing the computer program, a search target problem, and commentary information matched to the search target problem,
The computer program comprising:
An operation for receiving an image from the learner terminal;
Performing an OCR process on the received image;
Identifying a search request problem from the image as the OCR process is performed;
Searching for a problem having a degree of similarity equal to or higher than a preset reference similarity level to the search request problem among the search subject problems; And
And an operation of transmitting commentary information corresponding to the extracted question to the terminal of the learner when a problem having a degree of similarity equal to or higher than the preset similarity degree reference is extracted as a result of the search,
Learning service provision device.