KR20190013426A - Apparatus and Method for providing a summarized information using a artificial intelligence model - Google Patents
Apparatus and Method for providing a summarized information using a artificial intelligence model Download PDFInfo
- Publication number
- KR20190013426A KR20190013426A KR1020180007169A KR20180007169A KR20190013426A KR 20190013426 A KR20190013426 A KR 20190013426A KR 1020180007169 A KR1020180007169 A KR 1020180007169A KR 20180007169 A KR20180007169 A KR 20180007169A KR 20190013426 A KR20190013426 A KR 20190013426A
- Authority
- KR
- South Korea
- Prior art keywords
- document
- information
- summary information
- documents
- electronic device
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G06F17/2705—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
Abstract
Description
본 개시는 요약 정보를 제공하기 위한 전자 장치 및 이의 제어 방법에 관한 것으로, 더욱 상세하게는 검색어를 바탕으로 검색된 복수의 문서 중 적어도 하나에 대한 요약 정보를 제공하기 위한 전자 장치 및 이의 제어 방법에 관한 것이다.The present disclosure relates to an electronic device for providing summary information and a control method thereof, and more particularly to an electronic device for providing summary information on at least one of a plurality of documents retrieved based on a search word, and a control method thereof will be.
또한, 본 문서는 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관한 것이다.This document also relates to an artificial intelligence (AI) system that simulates the functions of the human brain using cognitive learning algorithms, and its applications.
근래에는 인간 수준의 지능을 구현하는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.In recent years, artificial intelligence systems that implement human-level intelligence have been used in various fields. Artificial intelligence system is a system that the machine learns, judges, and becomes smarter, unlike the existing rule-based smart system. Artificial intelligence systems are becoming more and more recognizable as users use them, and existing rule-based smart systems are increasingly being replaced by deep-run-based artificial intelligence systems.
인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.Artificial intelligence technology consists of elemental technologies that utilize machine learning (eg, deep learning) and machine learning.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.Machine learning is an algorithm technology that classifies / learns the characteristics of input data by itself. Element technology is a technology that simulates functions such as recognition and judgment of human brain using machine learning algorithms such as deep learning. Understanding, reasoning / prediction, knowledge representation, and motion control.
인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.The various fields in which artificial intelligence technology is applied are as follows. Linguistic understanding is a technology for recognizing, applying, and processing human language / characters, including natural language processing, machine translation, dialogue system, query response, speech recognition / synthesis, and the like. Visual understanding is a technology for recognizing and processing objects as human vision, including object recognition, object tracking, image search, human recognition, scene understanding, spatial understanding, and image enhancement. Inference prediction is a technique for judging and logically inferring and predicting information, including knowledge / probability based reasoning, optimization prediction, preference base planning, and recommendation. Knowledge representation is a technology for automating human experience information into knowledge data, including knowledge building (data generation / classification) and knowledge management (data utilization). The motion control is a technique for controlling the autonomous travel of the vehicle and the motion of the robot, and includes motion control (navigation, collision, traveling), operation control (behavior control), and the like.
한편, 근래에는 문서를 요약하여 요약 정보(예를 들어, 요약 텍스트)를 제공하는 기술이 개발되고 있다. 특히, 근래의 전자 장치 혹은 프로그램은 인공지능 학습을 통해 획득된 요약 모델을 이용하여 문서를 요약하여 요약 정보를 제공할 수 있다.On the other hand, a technique for summarizing a document and providing summary information (for example, summary text) has been developed in recent years. In particular, current electronic devices or programs can provide summarized information by summarizing a document using an abstract model obtained through artificial intelligence learning.
따라서, 인공지능 학습을 통해 획득된 요약 모델을 이용하여 문서를 요약하는 기능을 통해 사용자에게 다양한 사용자 경험을 제공하기 위한 필요성이 대두된다.Therefore, there is a need to provide a variety of user experiences to users through the summarization of documents by using the summary model acquired through artificial intelligence learning.
본 개시의 목적은 검색어를 바탕으로 검색된 복수의 문서 중 적어도 하나를 선택하고 검색어와 관련된 선택된 문서들의 요약 정보를 제공할 수 있는 전자 장치 및 이의 제어 방법을 제공함에 있다.It is an object of the present disclosure to provide an electronic apparatus and a control method thereof capable of selecting at least one of a plurality of documents retrieved based on a retrieval word and providing summary information of selected documents related to the retrieval word.
본 개시의 일 실시예에 따른, 인공지능 학습모델을 이용하여 요약 정보를 제공하는 서버의 제어 방법은, 검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 문서를 검색하여 전자 장치로 제공하는 단계; 상기 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하는 사용자 명령이 수신되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 문서에 대한 요약 정보를 획득하는 단계; 및 상기 획득된 요약 정보를 상기 전자 장치로 제공하는 단계;를 포함한다.According to an embodiment of the present disclosure, a control method of a server for providing summary information using an artificial intelligence learning model includes the steps of searching a plurality of documents based on the search word, ; Wherein at least one of the plurality of documents is entered into an artificial intelligence learning model that is learned to obtain summary information when a user command for requesting summary information of at least one of the plurality of documents is received, Obtaining summary information on a document of the document; And providing the obtained summary information to the electronic device.
본 개시의 일 실시예에 따른, 인공지능 학습모델을 이용하여 요약 정보를 제공하는 방법을 실행하기 위한 프로그램을 저장하는 컴퓨터 판독가능 기록매체에 있어서, 상기 방법은 검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 문서를 검색하여 제공하는 단계; 상기 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하는 사용자 명령이 입력되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 문서에 대한 요약 정보를 획득하는 단계; 및 상기 획득된 요약 정보를 제공하는 단계;를 포함할 수 있다.According to an embodiment of the present disclosure, there is provided a computer-readable medium storing a program for executing a method of providing summary information using an artificial intelligence learning model, the method comprising: when a search request for a search term is received, Retrieving and providing a plurality of documents based on the search word; Inputting at least one of the plurality of documents to an artificial intelligence learning model that is learned to obtain summary information, when a user command for requesting summary information of at least one of the plurality of documents is input, Obtaining summary information on a document of the document; And providing the obtained summary information.
본 개시의 일 실시예에 따른, 인공지능 학습모델을 이용하여 요약 정보를 제공하는 방법은, 제1 문서가 표시되는 동안 검색어를 입력받는 단계; 상기 검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 제2 문서를 검색하여 제공하는 단계; 상기 복수의 제2 문서 중 적어도 하나에 대한 요약 정보를 상기 제1 문서에 삽입하는 사용자 명령이 입력되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 제2 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 제2 문서에 대한 요약 정보를 획득하는 단계; 및 상기 제1 문서 상에 상기 획득된 요약 정보를 삽입하는 단계;를 포함한다.According to an embodiment of the present disclosure, a method for providing summary information using an artificial intelligence learning model includes receiving a search term while a first document is displayed; Retrieving and providing a plurality of second documents based on the search word when a search request for the search term is received; Inputting at least one of the plurality of second documents to an artificial intelligence learning model that is learned to acquire summary information when a user command to insert summary information on at least one of the plurality of second documents into the first document is input Obtaining summary information for the at least one second document associated with the search term; And inserting the obtained summary information on the first document.
본 개시의 일 실시예에 따른, 인공지능 학습모델을 이용하여 요약 정보를 제공하는 방법을 실행하기 위한 프로그램을 저장하는 컴퓨터 판독가능 기록매체에 있어서, 상기 방법은, 제1 문서가 표시되는 동안 검색어를 입력하기 위한 사용자 명령이 수신되면, 상기 제1 문서와 함께 상기 검색어를 표시하는 단계; 상기 검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 제2 문서를 검색하여 제공하는 단계; 상기 복수의 제2 문서 중 적어도 하나에 대한 요약 정보를 상기 제1 문서에 삽입하는 사용자 명령이 입력되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 제2 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 제2 문서에 대한 요약 정보를 획득하는 단계; 및 상기 제1 문서 상에 상기 획득된 요약 정보를 삽입하는 단계;를 포함한다.There is provided a computer readable medium storing a program for executing a method for providing summary information using an artificial intelligence learning model, the method comprising the steps of: Displaying the search term with the first document when a user command for inputting the search term is received; Retrieving and providing a plurality of second documents based on the search word when a search request for the search term is received; Inputting at least one of the plurality of second documents to an artificial intelligence learning model that is learned to acquire summary information when a user command to insert summary information on at least one of the plurality of second documents into the first document is input Obtaining summary information for the at least one second document associated with the search term; And inserting the obtained summary information on the first document.
상술한 바와 같은 본 개시의 다양한 실시예에 의해, 전자 장치는 검색어와 관련된 요약 정보를 획득하여, 획득된 요약 정보를 이용한 다양한 사용자 경험을 제공할 수 있게 된다. 또한, 전자 장치는 사용자의 성향, 지적 능력에 맞는 요약정보를 제공할 수 있게 된다.Various embodiments of the present disclosure as described above enable an electronic device to obtain summary information related to a search term and to provide a variety of user experiences using the obtained summary information. In addition, the electronic device can provide summary information that matches the user's propensity and intellectual capabilities.
도 1은 본 개시의 일 실시예에 따른, 검색어를 바탕으로 검색된 적어도 하나의 문서에 대한 요약 정보를 제공하기 위한 전자 장치의 사용도,
도 2a는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 도시한 블록도,
도 2b는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도,
도 2c는 본 개시의 일 실시예에 따른, 적어도 하나의 문서에 대한 요약 정보를 제공하기 위한 다양한 모듈을 포함하는 블록도,
도 3 내지 도 6은 본 개시의 다양한 실시예에 따른, 적어도 하나의 문서에 대한 요약 정보를 제공하기 위한 방법을 설명하기 위한 흐름도들,
도 7은 본 개시의 일 실시예에 따른, 검색어를 바탕으로 검색된 적어도 하나의 문서에 대한 요약 텍스트를 다른 문서에 삽입하기 위한 실시예를 설명하기 위한 도면,
도 8은 본 개시의 일 실시예에 따른, UI를 이용하여 요약 텍스트의 길이 및 논조를 설정하는 실시예를 설명하기 위한 도면,
도 9는 본 개시의 다양한 실시예에 따른, 사용자의 히스토리를 바탕으로 요약 텍스트의 길이 및 논조를 설정하는 실시예를 설명하기 위한 도면,
도 10은 본 개시의 일 실시예에 따른, 레시피 문서를 요약한 요약 텍스트를 제공하는 실시예를 설명하기 위한 도면,
도 11은 본 개시의 다양한 실시예에 따른, 요약 텍스트에 포함된 단어를 추가적으로 검색하는 실시예를 설명하기 위한 도면,
도 12는 본 개시의 다양한 실시예에 따른, 요약 정보를 제공하는 방법을 설명하기 위한 도면,
도 13은 본 개시의 일 실시예에 따른, 요약 모델을 학습하고 이용하기 위한 전자 장치의 구성을 나타내는 블록도,
도 14a 및 도 14b는 본 개시의 일 실시예에 따른, 학습부 및 요약부의 구체적인 구성을 나타내는 블록도,
도 15는 본 개시의 일 실시예에 따른, 검색어를 바탕으로 검색된 적어도 하나의 문서에 대한 요약 정보를 다른 문서로 삽입하는 실시예를 설명하기 위한 흐름도,
도 16 내지 19는 본 개시의 다양한 실시예에 따른, 요약 모델을 이용하는 네트워크 시스템의 흐름도,
도 20 내지 도 21은 본 개시의 다양한 실시예에 따른, 서버 및 전자 장치의 제어 방법을 도시한 흐름도이다.BRIEF DESCRIPTION OF THE DRAWINGS Figure 1 is a use of an electronic device for providing summary information for at least one document retrieved based on a search term,
Figure 2a is a block diagram that schematically illustrates the configuration of an electronic device, in accordance with one embodiment of the present disclosure;
Figure 2B is a block diagram detailing the configuration of an electronic device, in accordance with one embodiment of the present disclosure;
2C is a block diagram that includes various modules for providing summary information for at least one document, in accordance with one embodiment of the present disclosure;
Figures 3-6 illustrate flowcharts for describing a method for providing summary information for at least one document, in accordance with various embodiments of the present disclosure;
Figure 7 illustrates an embodiment for inserting summary text for at least one document retrieved based on a query into another document, according to one embodiment of the present disclosure;
8 is a diagram for describing an embodiment for setting the length and tone of a summary text using the UI, according to one embodiment of the present disclosure;
9 is a diagram for describing an embodiment for setting the length and tone of summary text based on the user's history, according to various embodiments of the present disclosure;
Figure 10 is an illustration of an embodiment that provides a summary text summarizing a recipe document, in accordance with one embodiment of the present disclosure;
11 is a diagram for describing an embodiment for further searching for words included in the summary text, according to various embodiments of the present disclosure;
Figure 12 is a diagram illustrating a method of providing summary information, in accordance with various embodiments of the present disclosure;
13 is a block diagram illustrating a configuration of an electronic device for learning and using a summary model, in accordance with one embodiment of the present disclosure;
14A and 14B are block diagrams showing specific configurations of a learning section and a summary section according to an embodiment of the present disclosure;
Figure 15 is a flow chart illustrating an embodiment of inserting summary information for at least one document retrieved based on a query into another document, according to one embodiment of the present disclosure;
Figures 16-19 are flow diagrams of a network system using a summary model, in accordance with various embodiments of the present disclosure;
20 to 21 are flowcharts illustrating a method of controlling a server and an electronic device according to various embodiments of the present disclosure.
이하, 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 문서의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.Hereinafter, various embodiments of the present document will be described with reference to the accompanying drawings. It should be understood, however, that this invention is not intended to be limited to the particular embodiments described herein but includes various modifications, equivalents, and / or alternatives of the embodiments of this document . In connection with the description of the drawings, like reference numerals may be used for similar components.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.In this document, the expressions "having," " having, "" comprising," or &Quot;, and does not exclude the presence of additional features.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.In this document, the expressions "A or B," "at least one of A or / and B," or "one or more of A and / or B," etc. may include all possible combinations of the listed items . For example, "A or B," "at least one of A and B," or "at least one of A or B" includes (1) at least one A, (2) Or (3) at least one A and at least one B all together.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. As used herein, the terms "first," "second," "first," or "second," and the like may denote various components, regardless of their order and / or importance, But is used to distinguish it from other components and does not limit the components.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.(Or functionally or communicatively) coupled with / to "another component (eg, a second component), or a component (eg, a second component) Quot; connected to ", it is to be understood that any such element may be directly connected to the other element or may be connected through another element (e.g., a third element). On the other hand, when it is mentioned that a component (e.g., a first component) is "directly connected" or "directly connected" to another component (e.g., a second component) It can be understood that there is no other component (e.g., a third component) between other components.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 부프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다. As used herein, the phrase " configured to " (or set) to be "configured according to circumstances may include, for example, having the capacity to, To be designed to, "" adapted to, "" made to, "or" capable of ". The term " configured to (or set up) "may not necessarily mean" specifically designed to "in hardware. Instead, in some situations, the expression "configured to" may mean that the device can "do " with other devices or components. For example, a subprocessor configured to (or configured to) execute the phrases "A, B, and C" may be implemented as a processor dedicated to performing the operation (e.g., an embedded processor), or one or more software programs To a generic-purpose processor (e.g., a CPU or an application processor) that can perform the corresponding operations.
본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.Electronic devices in accordance with various embodiments of the present document may be used in various applications such as, for example, smart phones, tablet PCs, mobile phones, videophones, electronic book readers, desktop PCs, laptop PCs, netbook computers, workstations, a portable multimedia player, an MP3 player, a medical device, a camera, or a wearable device. Wearable devices may be of the type of accessories (eg, watches, rings, bracelets, braces, necklaces, glasses, contact lenses or head-mounted-devices (HMD) (E.g., a skin pad or tattoo), or a bio-implantable circuit. In some embodiments, the electronic device may be, for example, a television, a digital video disk (Eg Samsung HomeSyncTM, Apple TVTM, or Google TVTM), game consoles, home appliances, air conditioners, air conditioners, refrigerators, air conditioners, vacuum cleaners, ovens, microwave ovens, washing machines, air purifiers, set top boxes, home automation control panels, (E.g., Xbox (TM), PlayStation (TM)), an electronic dictionary, an electronic key, a camcorder, or an electronic photo frame.
다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다. In an alternative embodiment, the electronic device may be any of a variety of medical devices (e.g., various portable medical measurement devices such as a blood glucose meter, a heart rate meter, a blood pressure meter, or a body temperature meter), magnetic resonance angiography (MRA) A navigation system, a global navigation satellite system (GNSS), an event data recorder (EDR), a flight data recorder (FDR), an automobile infotainment device, a marine electronic equipment (For example, marine navigation systems, gyro compasses, etc.), avionics, security devices, head units for vehicles, industrial or domestic robots, drones, ATMs at financial institutions, of at least one of the following types of devices: a light bulb, a fire detector, a fire alarm, a thermostat, a streetlight, a toaster, a fitness device, a hot water tank, a heater, a boiler, .
본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.In this document, the term user may refer to a person using an electronic device or a device using an electronic device (e.g., an artificial intelligence electronic device).
먼저, 도 1의 (a)에 도시된 바와 같이, 전자 장치(100)는 제1 영역에 제1 문서를 표시할 수 있다. 이때, 제1 문서는 복수의 텍스트를 포함하는 문서로서, 텍스트 이외에 이미지, 동영상을 더 포함할 수 있다. 그리고, 전자 장치(100)는 제1 영역에 제1 문서(10)가 표시되는 동안 검색창(20)에 검색어를 입력하기 위한 사용자 명령을 입력받을 수 있다. 전자 장치(100)는 사용자 명령에 응답하여 검색창(20)에 검색어를 표시할 수 있다.First, as shown in Fig. 1 (a), the
검색창(20)에 입력된 검색어에 대한 검색 명령(예를 들어, 검색 아이콘이 선택되는 명령)이 수신되면, 전자 장치(100)는 검색어를 바탕으로 복수의 문서를 검색할 수 있다. 이때, 전자 장치(100)는 검색어를 바탕으로 전자 장치(100) 내에 저장된 복수의 문서를 검색할 수 있으나, 이는 일 실시예에 불과할 뿐, 외부 서버를 통해 복수의 문서를 검색할 수 있다.When a search command (for example, a command for selecting a search icon) for a search word entered in the
전자 장치(100)는 도 1의 (b)에 도시된 바와 같이, 제1 영역에 제1 문서(10)를 표시하는 동안 제2 영역에 검색된 복수의 문서를 포함하는 리스트(30)를 표시할 수 있다. 이때, 검색된 복수의 문서를 포함하는 리스트(30)는 복수의 문서에 포함된 텍스트 중 검색어를 포함하는 일부 영역을 표시할 수 있으며, 썸네일 이미지를 표시할 수 있다.The
전자 장치(100)는 리스트(30)에 포함된 복수의 문서 중 적어도 하나(40)를 선택하여 제1 문서로 삽입하기 위한 사용자 명령을 입력받을 수 있다. 일 예로, 전자 장치(100)는 도 1의 (c)에 도시된 바와 같이, 리스트(30)에 포함된 복수의 문서 중 적어도 하나(40)를 선택하고 제1 문서의 일 지점으로 드래그하는 사용자 명령을 입력받을 수 있다.The
복수의 문서 중 적어도 하나를 선택하여 제1 문서(10)로 삽입하기 위한 사용자 명령이 입력되면, 전자 장치(100)는 선택된 적어도 하나의 문서(40)를 요약한 요약 정보를 획득할 수 있다. 이때, 전자 장치(100)는 요약 정보를 획득하도록 학습된 인공지능 학습모델(예로, 문서 요약 모델)에 선택된 적어도 하나의 문서(40)를 입력하여 선택된 적어도 하나의 문서(40)에 대한 요약 정보를 획득할 수 있다. 이때, 요약 정보에는 요약 텍스트, 요약 이미지, 요약 동영상 등과 같은 다양한 정보가 포함될 수 있다.When a user command for selecting at least one of the plurality of documents and inserting the selected document into the
이때, 인공지능 학습모델은 검색어를 바탕으로 검색어와 관련된 요약 정보를 생성할 수 있다. 즉, 인공지능 학습모델은 검색어에 높은 가중치를 설정하여 요약 정보를 생성할 수 있다.At this time, the artificial intelligence learning model can generate summary information related to the search term based on the search term. That is, the artificial intelligence learning model can generate summary information by setting a high weight on a query word.
또한, 복수의 문서 중 적어도 두 개의 문서를 선택하여 제1 문서(10)에 삽입하기 위한 사용자 명령이 입력된 경우, 인공지능 학습모델은 선택된 적어도 두 개의 문서에 공통적으로 포함된 문장(또는 텍스트)를 중심으로 적어도 두 개의 문서에 대한 요약 정보를 획득할 수 있다. 즉, 인공지능 학습모델은 선택된 적어도 두 개의 문서에 공통적으로 들어간 문장(또는 텍스트)에 높은 가중치를 설정하여 요약 정보를 생성하도록 학습될 수 있다.In addition, when a user command for selecting at least two documents among a plurality of documents and inserting them into the
또한, 선택된 문서(40)가 목차를 가지는 경우, 인공지능 학 습모델은 선택된 문서(40)에 포함된 목차를 바탕으로 선택된 문서를 요약하여 요약 정보를 획득하도록 학습될 수 있다. 즉, 인공지능 학습모델은 목차 중 요약이나 결론에 포함된 텍스트나 문장에 높은 가중치를 설정하여 요약 정보를 생성할 수 있다.In addition, if the selected
일 실시예로, 전자 장치(100)는 요약 정보의 논조나 길이를 설정하기 위한 UI를 표시할 수 있다. 이때, UI를 통해 요약 정보의 논조나 길이가 설정된 경우, 인공지능 학습모델은 설정된 논조나 길이를 바탕으로 요약 정보를 생성할 수 있다. 일 예로, UI를 통해 부정적인 논조로 요약 정보를 생성하도록 설정된 경우, 인공지능 학습모델은 부정적인 단어에 높은 가중치를 설정하여 요약 정보를 생성할 수 있다. 또 다른 예로, UI를 통해 긴 요약 정보를 생성하도록 설정된 경우, 인공지능 학습모델은 요약 정보를 구성하기 위한 단어나 문장을 기설정된 개수 이상 추출하여 요약 정보를 생성할 수 있다.In one embodiment, the
다른 실시예로, 전자 장치(100)는 사용자의 히스토리 정보를 획득하고, 인공지능 학습모델은 사용자 히스토리 정보를 바탕으로 요약 정보를 생성할 수 있다. 구체적으로, 인공지능 학습모델은 사용자 히스토리 정보(예를 들어, 사용자의 정치적 성향, 지식 수준 등)를 바탕으로 요약 정보의 논조나 길이를 설정할 수 있다. 예를 들어, 사용자 히스토리 정보를 바탕으로 사용자가 정치적으로 진보적인 성향을 가진 것으로 판단된 경우, 인공지능 학습모델은 진보적인 특징(예를 들어, 진보, 복지, 분배 등)을 가지는 단어에 높은 가중치를 설정하여 요약 정보를 생성할 수 있다. 또 다른 예로, 사용자 히스토리 정보를 바탕으로 사용자가 해당 문서에 대한 전문 지식이 낮은 것으로 판단된 경우, 인공지능 학습모델은 쉬운 단어에 높은 가중치를 설정하여 요약 정보를 생성할 수 있다.In another embodiment, the
요약 정보가 획득된 경우, 전자 장치(100)는 획득된 요약 정보를 제1 문서(10) 내에 삽입할 수 있다. 특히, 전자 장치(100)는 도 1의 (d)에 개시된 바와 같이, 제1 문서(10) 중 사용자 드래그 입력이 종료된 지점에 요약 정보(50)를 삽입할 수 있다.If the summary information is obtained, the
이때, 요약 정보(50)는 제1 문서(10)의 다른 텍스트 또는 리스트(30)에 포함된 다른 문서와 구별되어 표시될 수 있다. 예로, 구별되어 표시된다는 것은, 예로, 다른 음영, 다른 명암 또는 보색을 갖도록 표시되거나, 요약 정보의 경계를 점선 또는 실선 등으로 구분하여 표시하거나, 요약 정보를 지시하는 인디케이터를 표시하는 것 등을 포함할 수 있다.At this time, the
또한, 전자 장치(100)는 요약 정보(50)에 대한 인용 정보 역시 함께 표시할 수 있다. 즉, 전자 장치(100)는 요약 정보(50)의 출처를 함께 표시할 수 있다.The
또한, 요약 정보(50) 중 적어도 하나의 단어에 대한 추가 검색을 요청하는 사용자 명령이 입력되면, 전자 장치(100)는 적어도 하나의 단어에 대한 추가 검색을 수행할 수 있다. 이때, 전자 장치(100)는 요약 정보를 생성하기 위해 이용된 문서를 바탕으로 추가 검색을 수행할 수 있으나, 이는 일 실시예에 불과할 뿐, 별도의 서버를 통해 적어도 하나의 단어에 대한 추가 검색을 수행할 수 있다.In addition, if a user command is entered requesting further retrieval of at least one word of the
한편, 본 개시의 다양한 실시예에 따르면, 전자 장치(100)는 사용자에 의해 선택된 적어도 하나의 문서를 인공지능 학습모델에 입력 데이터로 사용하여 요약 정보를 획득할 수 있다. Meanwhile, according to various embodiments of the present disclosure, the
본 개시에서 학습된 인공지능 학습모델은 인식 모델의 적용 분야 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 예로, 학습된 인공지능 학습모델은 복수의 텍스트를 포함하는 문서를 입력 데이터로 사용하여 문서의 요약 정보를 획득하도록 설정될 수 있다. 문서에 포함된 단어만을 추출하여 요약 정보를 생성하는 것이 아닌 문서에 포함된 단어의 관계를 파악하여 요약 정보를 생성하기 위해, 학습된 인공지능 학습모델은, 예로, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 인공지능 학습모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 또한, 문서 요약 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 문서 요약 모델의 예에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등이 있을 수 있으나 이에 한정되지 않는다.The artificial intelligence learning model learned in the present disclosure can be constructed in consideration of the application field of the recognition model or the computer performance of the apparatus. For example, the learned artificial intelligence learning model can be set to acquire summary information of a document using a document containing a plurality of texts as input data. In order to generate the summary information by grasping the relation of the words included in the document rather than generating the summary information by extracting only the words included in the document, the learned AI learning model is, for example, based on a neural network . ≪ / RTI > The artificial intelligence learning model may include a plurality of weighted network nodes that may be designed to simulate human brain structures on a computer and simulate a neuron of a human neural network. The plurality of network nodes may each establish a connection relationship so that the neurons simulate synaptic activity of the neurons sending and receiving signals via synapses. The document summary model may also include, for example, a neural network model or a deep-run model developed in a neural network model. In the deep learning model, a plurality of network nodes are located at different depths (or layers) and can exchange data according to a convolution connection relationship. Examples of document summary models include, but are not limited to, Deep Neural Network (DNN), Recurrent Neural Network (RNN), and Bidirectional Recurrent Deep Neural Network (BRDNN).
또한, 전자 장치(100)는 상술한 바와 같은 사용자에 의해 선택된 문서에 대한 요약 정보를 생성하기 위하여 인공지능 에이전트(Artificial intelligence agent)를 이용할 수 있다. 이때, 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다. 특히, 인공지능 에이전트는 후술할 다양한 모듈을 제어할 수 있다.In addition, the
구체적으로, 문서 요약을 위한 사용자 입력이 수신된 경우, 인공지능 에이전트가 동작할 수 있다. 그리고, 인공지능 에이전트는 사용자 입력을 바탕으로 문서에 포함된 텍스트를 획득할 수 있으며, 인공지능 학습모델을 통해 요약 정보를 획득할 수 있다. Specifically, if a user input for a document summary is received, the AI agent may operate. The AI agent can acquire the text included in the document based on the user input, and obtain the summary information through the artificial intelligence learning model.
물론, 문서 요약을 위한 사용자 입력(예를 들어, 문서를 선택하여 일 지점으로 드래그하는 명령)이 수신되면, 인공지능 에이전트가 동작할 수도 있다. 또는, 인공지능 에이전트는 문서 요약을 위한 사용자 입력이 수신되기 이전에 기 실행된 상태일 수 있다. 이 경우, 문서 요약을 위한 사용자 입력이 수신된 이후에 전자 장치(100)의 인공지능 에이전트가 선택된 문서에 대한 요약 정보를 획득할 수 있다. 또한, 인공지능 에이전트는 문서 요약을 위한 사용자 입력이 수신하기 이전에 대기 상태일 수 있다. 여기서, 대기 상태란, 인공지능 에이전트의 동작 시작을 제어하기 위해 미리 정의된 사용자 입력이 수신되는 것을 감지하는 상태이다. 인공지능 에이전트가 대기 상태인 동안 문서 요약을 위한 사용자 입력이 수신되면, 전자 장치(100)는 인공지능 에이전트를 동작시키고, 선택된 문서에 대한 요약 정보를 획득할 수 있다. 한편, 인공지능 에이전트는 후술할 다양한 모듈을 제어할 수 있다. 이에 대해서는 추후 상세히 설명하기로 한다.Of course, if a user input for a document summary (e.g., a command to select a document and drag it to a point) is received, the AI agent may operate. Alternatively, the artificial intelligence agent may be in an already executed state before the user input for the document summary is received. In this case, after the user input for the document summary is received, the AI agent of the
또한, 전자 장치(100) 및 서버 간의 선택된 문서에 대한 요약 정보을 이용하여 선택된 문서와 관련된 요약 정보를 획득하는 구체적인 예들은 이하 다양한 실시예들을 통하여 후술된다.In addition, specific examples of obtaining summary information related to the selected document using the summary information on the selected document between the
도 2a는, 다양한 실시예에 따른 전자 장치(100)의 블록도를 나타낸다. 전자 장치(100)는 도 2a에 도시된 바와 같이, 디스플레이(110), 메모리(120), 사용자 입력부(130) 및 프로세서(140)를 포함한다. 도 2a에 도시된 구성들은 본 개시의 실시 예들을 구현하기 위한 예시도이며, 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 전자 장치(100)에 추가로 포함될 수 있다.2A shows a block diagram of an
디스플레이(110)는 다양한 화면을 제공할 수 있다. 특히, 디스플레이(110)는 복수의 텍스트를 포함하는 문서 또는 검색 결과를 포함하는 검색 화면을 표시할 수 있다. 또한, 디스플레이(110)는 문서와 함께 문서를 요약한 요약 정보를 함께 표시할 수 있다. 또한, 디스플레이(110)는 제1 문서에 제2 문서를 요약한 요약 정보를 삽입하여 표시할 수 있다.The
메모리(120)는 전자 장치(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(120)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(120)는 프로세서(140)에 의해 액세스되며, 프로세서(140)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(120), 프로세서(140) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(120)에는 디스플레이부(110)의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
또한, 메모리(120)는 요약 정보를 생성하기 위한 인공지능 에이전트를 저장할 수 있으며, 본 개시의 일 실시예에 따른, 인공지능 학습모델(즉, 문서 요약 모델)을 저장할 수 있다. 한편, 다른 실시예에 따르면, 인공지능 학습모델은 다른 전자 장치에 저장될 수 있다.The
또한, 메모리(120)는 도 2c에 도시된 다양한 모듈 중 적어도 일부를 저장할 수 있다. 이에 대해서는 후술하도록 한다.In addition, the
사용자 입력부(130)는 다양한 사용자 입력을 수신하여 프로세서(140)로 전달할 수 있다. 특히, 사용자 입력부(130)는 터치 센서, (디지털) 펜 센서, 압력 센서, 마우스, 키보드 또는 키를 포함할 수 있다. 터치 센서는, 예를 들면, 정전식, 감압식, 적외선 방식, 또는 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. (디지털) 펜 센서는, 예를 들면, 터치 패널의 일부이거나, 별도의 인식용 쉬트를 포함할 수 있다. 키는, 예를 들면, 물리적인 버튼, 광학식 키, 또는 키패드를 포함할 수 있다.The
특히, 사용자 입력부(130)는 요약 정보를 생성하기 위한 문서를 선택하는 사용자 입력 또는 사용자 입력부(130)는 특정 버튼(예를 들어, 인공지능 서비스를 실행하기 위한 버튼)을 누른 후 문서를 선택하는 사용자 입력에 따른 입력 신호를 획득할 수 있다. 그리고, 사용자 입력부(130)는 입력 신호를 프로세서(140)로 전송할 수 있다.In particular, the
프로세서(140)는 디스플레이(110), 메모리(120) 및 사용자 입력부(130)와 전기적으로 연결되어 전자 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 프로세서(140)는 메모리(120)에 저장된 다양한 모듈 등을 이용하여 검색된 문서에 대한 요약 정보를 생성하는 동작을 수행할 수 있다. 특히, 입력된 검색어에 대한 검색을 요청하는 사용자 명령이 수신되면, 프로세서(140)는 검색어를 바탕으로 복수의 문서를 검색하고, 검색된 복수의 문서를 제공하도록 디스플레이(110)를 제어할 수 있다. 그리고, 복수의 문서 중 적어도 하나를 선택하기 위한 사용자 명령이 입력되면, 프로세서(140)는 요약 정보를 획득하도록 학습된 인공지능 학습모델에 선택된 문서를 입력하여 선택된 문서의 요약 정보를 획득하고, 요약 정보를 제공하도록 디스플레이(110)를 제어할 수 있다. 프로세서(140)가 요약 정보를 생성하는 방법에 대해서는 추후에 상세히 설명하기로 한다.The
도 2b는 본 개시의 다른 실시예에 따른, 전자 장치(100)의 구성을 상세히 도시한 블록도이다. 도 2b에 도시된 바와 같이, 전자 장치(100)는 디스플레이(110), 메모리(120), 사용자 입력부(130), 프로세서(140), 카메라(150), 통신부(160) 및 오디오 출력부(170)를 포함할 수 있다. 한편, 디스플레이(110), 메모리(120), 사용자 입력부(130)는 도 2b에서 설명하였으므로, 중복되는 설명은 생략하기로 한다.FIG. 2B is a block diagram detailing the configuration of
카메라(150)는 사용자를 포함하는 이미지를 촬영할 수 있다. 이때, 카메라(150)는 전자 장치(100)의 전방 및 후방 중 적어도 하나에 구비될 수 있다. 한편, 카메라(150)는 전자 장치(100) 내부에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100) 외부에 존재하며, 전자 장치(100)와 유무선으로 연결될 수 있다. 특히, 카메라(150)는 사용자 히스토리 정보를 획득하기 위해 사용자를 포함하는 이미지를 촬영할 수 있다.The
통신부(160)는 다양한 유형의 통신방식에 따라 다양한 유형의 외부 기기와 통신을 수행할 수 있다. 통신부(160)는 와이파이칩(161), 블루투스 칩(162), 무선 통신 칩(163), NFC 칩(164) 중 적어도 하나를 포함할 수 있다. 프로세서(140)는 통신부(160)를 이용하여 외부 서버 또는 각종 외부 기기와 통신을 수행할 수 있다. The
특히, 통신부(160)는 외부의 검색 서버, 외부의 문서 요약 장치 또는 외부의 클라우드 서버와 통신을 수행할 수 있다.In particular, the
오디오 출력부(170)는 오디오 처리부(미도시)에 의해 디코딩이나 증폭, 노이즈 필터링과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 특히, 오디오 출력부(170)는 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.The
프로세서(140)(또는, 제어부)는 메모리(120)에 저장된 각종 프로그램을 이용하여 전자 장치(100)의 전반적인 동작을 제어할 수 있다.The processor 140 (or the control unit) can control the overall operation of the
프로세서(140)는 RAM(141), ROM(142), 그래픽 처리부(143), 메인 CPU(144), 제1 내지 n 인터페이스(145-1~145-n), 버스(146)로 구성될 수 있다. 이때, RAM(141), ROM(142), 그래픽 처리부(143), 메인 CPU(144), 제1 내지 n 인터페이스(145-1~145-n) 등은 버스(146)를 통해 서로 연결될 수 있다.The
도 2c는 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 문서를 요약하여 요약 정보를 생성하기 위한 복수의 모듈을 도시한 구성이다.2C is a configuration illustrating a plurality of modules for summarizing a document selected by a user and generating summary information, according to an embodiment of the present disclosure.
우선, 전자 장치(100)는 검색 모듈(121), UI 생성 모듈(123), 요약 요청 감지모듈(125), 사용자 히스토리 수집 모듈(127), 요약 정보 삽입 모듈(129)을 포함할 수 있으며, 문서 요약 장치(200)는 요약 모델 설정 모듈(210), 문서 요약 모듈(220), 문서 요약 모델(230)을 포함할 수 있다.First, the
검색 모듈(121)은 사용자 입력부(130)를 통해 검색어를 입력하기 위한 사용자 입력에 따른 입력 신호를 획득할 수 있다. 이때, 검색 모듈(121)는 입력 신호를 바탕으로 검색창에 검색어를 입력할 수 있다. 검색 모듈(121)는 입력된 검색어에 대한 검색을 요청하는 사용자 입력에 따른 입력 신호를 획득할 수 있다.The
검색 모듈(121)은 입력된 검색어를 바탕으로 검색 동작을 수행할 수 있다. 일 실시예로, 검색 모듈(121)은 검색어를 바탕으로 전자 장치(100)내에 저장된 문서를 검색할 수 있다. 구체적으로, 검색 모듈(121)은 입력된 검색어를 포함하는 제목을 가지는 문서를 우선적으로 검색할 수 있으며, 입력된 검색어를 포함하는 본문을 가지는 문서를 검색할 수 있다. The
또 다른 실시예로, 검색 모듈(121)은 검색어를 포함하는 쿼리를 생성하고, 외부 검색 서버로 쿼리를 전송할 수 있다. 외부 검색 서버가 쿼리를 바탕으로 검색 동작을 수행한 경우, 검색 모듈(121)은 외부 검색 서버로부터 검색 결과를 수신하여 사용자에게 검색 결과를 제공할 수 있다.In yet another embodiment, the
UI 생성 모듈(123)은 검색 모듈(121)에 의해 검색된 검색 결과가 제공되도록 디스플레이(110)를 제어할 수 있다. 특히, UI 생성 모듈(123)은 검색된 복수의 문서를 디스플레이 화면의 일 영역에 제공할 수 있다. 이때, 검색 모듈(121)은 제목에 검색어를 포함하는 문서 또는 검색어를 많이 포함하는 문서를 우선적으로 표시할 수 있다.The
UI 생성 모듈(123)은 요약 정보에 대한 설정을 위한 요약 설정 UI를 표시할 수 있다. 이때, 요약 설정 UI는 요약 정보의 논조나 길이를 설정하기 위한 UI일 수 있다.The
또한, UI 생성 모듈(123)은 문서 요약 장치(200)에 의해 획득된 요약 정보가 사용자에게 제공되도록 디스플레이(110)를 제어할 수 있다. 이때, UI 생성 모듈(123)은 사용자 명령에 따라 요약 정보를 다른 문서에 삽입하도록 디스플레이(110)를 제어할 수 있으며, 팝업 화면 등을 이용하여 표시하도록 디스플레이(11)를 제어할 수 있다.The
요약 요청 감지 모듈(125)은 검색된 복수의 문서 중 적어도 하나의 문서를 요약하기 위한 사용자 입력에 따른 입력 신호를 획득할 수 있다. 이때, 적어도 하나의 문서를 요약하기 위한 사용자 입력은 적어도 하나의 문서를 선택하여 다른 문서로 드래그하는 사용자 입력일 수 있으며, 적어도 하나의 문서에 대한 요약 아이콘을 선택하는 사용자 입력, 적어도 하나의 문서를 선택한 후 전자 장치(100)에 포함된 특정 버튼(인공지능 에이전트를 실행하기 위한 버튼)되고, 요약을 위한 아이콘을 선택하는 사용자 입력 등일 수 있으나, 이에 한정되는 것은 아니다.The summary
요약 요청 감지 모듈(125)은 입력 신호에 따라 선택된 문서에 대한 정보를 문서 요약 장치(200)로 전송할 수 있다. 이때, 요약 요청 감지 모듈(125)은 문서에 대한 데이터를 문서 요약 장치(200)로 전송할 수 있으나, 이는 일 실시예에 불과할 뿐, 문서에 대한 부가 정보(예를 들어, 주소 정보 등)를 문서 요약 장치(200)로 전송할 수 있다.The summary
또한, 요약 요청 감지 모듈(125)은 사용자에 의해 선택된 문서에 대한 정보뿐만 아니라, 요약 설정 UI를 통해 요약 설정 정보, 검색어에 대한 정보, 사용자 히스토리 수집 모듈(127)을 통해 획득된 사용자 히스토리 정보 등을 함께 전송할 수 있다.In addition, the summary
사용자 히스토리 수집 모듈(127)은 전자 장치(100)로부터 사용자 히스토리 정보를 수집할 수 있다. 이때, 사용자 히스토리 수집 모듈(127)은 사용자가 등록한 사용자 프로파일 정보 및 사용자가 전자 장치(100)를 사용하면서 수집된 사용 이력 정보를 수집할 수 있다.The user
이때, 사용자 프로파일 정보는 사용자가 전자 장치(100)에 기 등록한 정보로서, 사용자의 이름, 성별, 아이디, 선호 카테고리, 생체 정보(예를 들어, 키, 몸무게, 병력) 중 적어도 하나를 포함할 수 있다. 사용 이력 정보는 사용자가 전자 장치(100)를 사용하면서 수집된 정보로서, 사용자의 선호 분야, 사용자의 정치적 성향, 사용자의 지식 수준 등을 포함할 수 있다. 구체적으로, 사용자 히스토리 수집 모듈(127)은 사용자가 자주 방문하는 웹 사이트, 사용자가 검색하는 검색 용어, 사용자가 자주 검색하는 기사 등을 바탕으로 사용자의 선호 분야, 사용자의 정치적 성향, 사용자의 지식 수준을 획득할 수 있다.At this time, the user profile information may include at least one of the user's name, gender, ID, preference category, biometric information (e.g., key, have. The usage history information may include information collected by a user using the
요약 정보 제공 모듈(129)은 문서 요약 장치(200)로부터 획득된 요약 정보를 디스플레이(110)를 통해 사용자에게 제공할 수 있다. 특히, 요약 정보 제공 모듈(129)은 사용자 입력에 따라 획득된 요약 정보를 다른 문서에 삽입할 수 있다. 이때, 다른 문서에 삽입된 요약 정보는 다른 문서에 포함된 텍스트와 구별되게 표시될 수 있다. 또한, 요약 정보 제공 모듈(129)은 문서 요약 장치(200)로부터 획득된 요약 정보를 별도의 팝업 화면 또는 별도의 전체 화면에 표시할 수 있다.The summary information providing module 129 may provide the summary information obtained from the
이때, 요약 정보 제공 모듈(129)은 요약 정보 중 핵심 정보에 대해서는 다른 정보와 구별되게 표시할 수 있다. 또한, 특정 단어에 대한 추가 검색 요청이 수신되면, 요약 정보 제공 모듈(129)은 특정 단어에 대한 정보를 특정 단어 주위에 함께 표시할 수 있다. At this time, the summary information providing module 129 can display the core information among the summary information so as to be distinguished from other information. Also, when an additional search request for a specific word is received, the summary information providing module 129 may display information about the specific word together around the specific word.
요약 모델 설정 모듈(210)은 요약 요청 감지 모듈(125)에 의해 수신된 요약 설정 정보, 검색어에 대한 정보, 사용자 히스토리 정보를 바탕으로 문서 요약 모델(230)의 파라미터를 설정할 수 있다. 구체적으로, 요약 모델 설정 모듈(210)은 검색어 혹은 검색어와 관련된 단어에 높은 가중치를 부가하도록 문서 요약 모델(230)을 설정할 수 있다. 또한, 요약 모델 설정 모듈(210)은 요약 설정 정보나 사용자 히스토리 정보를 바탕으로 요약 정보의 논조나 길이를 설정하도록 문서 요약 모델(230)을 설정할 수 있다. The summary
또한, 요약 모델 설정 모듈(210)은 복수의 문서가 입력된 경우, 복수의 문서 중 공통적으로 들어간 단어에 높은 가중치를 부가하도록 문서 요약 모델(230)을 설정할 수 있다. 또한, 요약 모델 설정 모듈(210)은 목차 중 요약이나 결론 부분에 포함된 단어 또는 문장에 높은 가중치를 부가하도록 문서 요약 모델(230)을 설정할 수 있다.In addition, the summary
문서 요약 모듈(220)은 문서 요약 모델(230)을 이용하여 사용자에 의해 선택된 문서에 대해 요약 동작을 수행하여 요약 정보를 생성할 수 있다. 이때, 문서 요약 모듈(220)은 요약 대상 문서에 나오는 단어의 빈도, 제목, 문장의 길이, 문장의 위치 등을 이용하여 문서 구성 요소를 인식하고, 핵심 요소를 추출할 수 있다. 그리고, 문서 요약 모듈(220)은 문장 혹은 단어별 가중치를 계산하고, 문장 혹은 단어에 대한 우선 순위를 결정할 수 있다. 그리고, 문서 요약 모듈(220)은 문서에 포함된 단어들의 우선 순위 및 단어들의 관계를 바탕으로 핵심 단어를 추출할 수 있다. 그리고, 문서 요약 모듈(220)은 핵심 단어를 바탕으로 자연어 처리(NLP)를 통해 요약 정보를 생성할 수 있다. 그러나, 상술한 바와 같은 문서 요약 방법은 일 실시예에 불과할 뿐, 다양한 문서 요약 방법을 이용하여 요약 정보를 생성할 수 있다.The document summary module 220 may use the
이때, 문서 요약 모듈(220)은 문서 수집 장치(300)에 의해 수집된 문서들을 함께 이용하여 문서를 요약할 수 있다. 구체적으로, 문서 요약 모듈(220)은 요약하고자 하는 문서와 관련된 문서를 문서 수집 장치(300)로 수신하고, 수신된 관련된 문서와 사용자에 의해 선택된 문서를 이용하여 요약 정보를 획득할 수 있다. 그리고, 문서 요약 모듈(220)은 사용자에 의해 선택된 문서와 문서 수집 장치(300)에 의해 수신된 문서들에 공통적으로 들어가 공통 단어를 추출하고, 추출된 공통 단어를 이용하여 요약 정보를 획득할 수 있다. 예를 들어, 사용자가 선택된 문서가 기사인 경우, 문서 요약 모듈(220)은 문서 수집 장치(300)를 통해 선택된 기사와 관련된 신문기사를 획득하고, 획득된 기사와 관련된 신문기사를 이용하여 사용자에 의해 선택된 기사에 대한 요약 정보를 획득할 수 있다.At this time, the document summary module 220 can summarize the document by using the documents collected by the
한편, 문서 요약 모듈(220)은 문서 요약 장치(200)의 성능 등을 고려하여 다양한 방식으로 문서를 요약할 수 있다. 구체적으로, 문서 요약 모듈(220)은 문서에 존재하는 단어나 구, 문장 등을 그대로 추출하는 추출 요약(extraction summary) 및 문장의 내용을 압축하여 새로운 문서를 작성하는 생성 요약(abstract summary) 중 하나를 이용하여 요약 정보를 획득할 수 있다. 또한, 문서 요약 모듈(220)은 사용자 정보와 관계없이 문서 저자의 견해를 요약하는 포괄적 요약(generic summary) 및 사용자 히스토리 정보를 바탕으로 문서를 요약하는 질의기반 요약(query-based summary) 중 하나를 이용하여 요약 정보를 획득할 수 있다.Meanwhile, the document summary module 220 can summarize the document in various ways in consideration of the performance of the
문서 요약 모델(230)은 문서에 대한 요약 정보를 획득하도록 학습된 인공지능 학습모델일 수 있다. 이때, 문서 요약 모델(230)은 문서를 포함하는 구성 요소를 나타내는 단어를 인식하고, 핵심 단어를 추출하는 것을 학습할 수 있으며, 단어들과의 관계를 바탕으로 핵심 단어를 추출하는 것을 학습할 수 있으며, 학습 데이터로부터 획득된 요약문의 특성별로 요약 정보를 생성하는 것을 학습할 수 있다.The
한편, 상술한 바와 같은, 문서 요약 장치(200) 및 문서 수집 장치(300)는 전자 장치(100)와는 별도의 장치로서 전자 장치 외부의 서버로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100) 내에 구비될 수 있다.Meanwhile, as described above, the
도 3 내지 도 6은 본 개시의 다양한 실시예에 따른, 적어도 하나의 문서에 대한 요약 정보를 제공하기 위한 방법을 설명하기 위한 흐름도들이다.Figures 3-6 are flow charts illustrating a method for providing summary information for at least one document, in accordance with various embodiments of the present disclosure.
도 3에서는 본 개시의 일 실시예에 따른, 요약 정보를 다른 문서에 삽입하기 위한 실시예를 설명하기 위한 흐름도이다, 우선, 전자 장치(100)는 검색어를 입력받을 수 있다(S305). 이때, 전자 장치(100)는 제1 문서를 표시하는 동안 검색창을 통해 검색어를 입력받을 수 잇다.FIG. 3 is a flow chart for explaining an embodiment for inserting summary information into another document according to an embodiment of the present disclosure. First, the
전자 장치(100)는 입력된 검색어에 대한 검색 요청에 대한 사용자 명령을 입력받을 수 있다(S310). 예를 들어, 전자 장치(100)는 검색어가 입력된 후 검색을 위한 아이콘을 선택하는 사용자 명령을 입력받을 수 있다.The
전자 장치(100)는 검색어에 대한 검색 요청을 문서 검색 장치(400)에 전송할 수 있다(S315). 이때, 검색어에 대한 검색 요청에는 검색어에 대한 정보를 포함할 수 있다.The
문서 검색 장치(400)는 검색어를 바탕으로 문서를 검색할 수 있다(S320). 이때, 문서 검색 장치(400)는 전자 장치(100)와 구별된 외부의 서버로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100) 내에 구비될 수 있다. 특히, 문서 검색 장치(400)는 검색어를 포함하는 복수의 문서를 검색할 수 있다.The
문서 검색 장치(400)는 검색어를 바탕으로 검색된 검색 결과를 전자 장치(100)에 전송할 수 있다(S325).The
전자 장치(100)는 검색 결과를 제공할 수 있다(S330). 이때, 전자 장치(100)는 제1 문서를 디스플레이 화면의 제1 영역에 제공하는 동안 검색 결과를 디스플레이 화면의 제2 영역에 제공할 수 있다.The
전자 장치(100)는 요약 정보를 삽입하기 위한 사용자 명령을 입력받을 수 있다(S335). 이때, 전자 장치(100)는 검색 결과에 포함된 복수의 문서 중 적어도 하나를 선택한 후 제1 문서의 일 지점으로 드래그하는 사용자 명령을 입력받을 수 있다.The
전자 장치(100)는 문서 요약 장치(200)로 요약 정보를 생성하기 위한 문서에 대한 정보를 전송할 수 있다(S340). 이때, 전자 장치(100)는 문서에 대한 정보뿐만 아니라 요약 설정 정보, 검색어에 대한 정보, 사용자 히스토리 정보를 함께 전송할 수 있다.The
문서 요약 장치(200)는 요약 정보를 생성하기 위한 문서를 요약하여 요약 정보를 생성할 수 있다(S345). 이때, 문서 요약 장치(200)는 문서에 대한 정보를 입력 데이터로서 문서 요약 모델에 입력하여 요약 정보를 획득할 수 있다. 특히, 문서 요약 장치(200)는 문서에 대한 정보뿐만 아니라 검색어에 대한 정보, 사용자 히스토리 정보를 바탕으로 요약 정보를 생성할 수 있다. 또한, 사용자에 의해 요약 정보의 길이나 논조가 설정된 경우, 문서 요약 장치(300)는 사용자에 의해 설정된 요약 정보의 길이나 논조를 바탕으로 요약 정보를 생성할 수 있다.The
문서 요약 장치(200)는 획득된 요약 정보를 전자 장치(100)로 전송할 수 있다(S350).The
전자 장치(100)는 요약 정보를 다른 문서에 삽입할 수 있다(S355). 구체적으로, 전자 장치(100)는 요약 정보를 사용자 명령이 입력된 지점에 삽입할 수 있으며, 이때, 요약 정보는 다른 텍스트들과 구별되어 표시될 수 있다. 또한, 전자 장치(100)는 요약 정보에 대한 인용 정보를 함께 삽입할 수 있다.The
도 4는 본 개시의 일 실시예에 따른, UI를 통해 생성된 요약 설정 정보를 바탕으로 요약 정보를 생성하는 실시예를 설명하기 위한 흐름도이다.4 is a flowchart illustrating an embodiment for generating summary information based on summary setting information generated through a UI, according to an embodiment of the present disclosure;
우선, 전자 장치(100)는 문서에 대한 요약 명령을 입력받을 수 있다(S410). 구체적으로, 전자 장치(100)는 문서의 일 영역에 표시된 요약 아이콘을 선택하는 사용자 명령을 입력받을 수 있다. 또는, 전자 장치(100)는 문서에 기설정된 패턴의 사용자 터치 명령을 입력받을 수 있다. 또는, 전자 장치(100)는 전자 장치(100)에 포함된 기설정된 버튼(예를 들어, 인공지능 에이전트를 실행시키기 위한 버튼)이 선택된 후 생성되는 요약 아이콘을 선택하는 사용자 명령을 입력받을 수 있다.First, the
전자 장치(100)는 요약 설정을 위한 UI를 표시할 수 있다(S420). 이때, 요약 설정을 위한 UI는 요약 정보의 논조 또는 길이를 설정하기 위한 UI 일 수 있으나, 이에 한정되는 것은 아니다. 또한, 요약 설정을 위한 UI는 스크롤 바 형태일 수 있으나, 이에 한정된 것이 아니며 복수의 아이콘을 포함하는 메뉴 형태일 수 있다.The
전자 장치(100)는 UI를 통해 입력된 사용자 명령에 따라 요약 설정 정보를 획득할 수 있다(S430). 이때, 요약 설정 정보는 요약 정보의 논조 또는 길이에 대한 정보일 수 있다. 예를 들어, 요약 설정 정보는 요약 정보의 논조가 부정적인지 긍정적인지, 요약 정보의 길이가 긴지 짧은지 여부에 대한 정보를 포함할 수 있다.The
전자 장치(100)는 획득된 문서에 대한 정보 및 요약 설정 정보를 문서 요약 장치(200)로 전송할 수 있다(S440).The
문서 요약 장치(200)는 요약 설정 정보를 바탕으로 문서를 요약할 수 있다(S450). 특히, 문서 요약 장치(200)는 요약 설정 정보에 의해 설정된 논조 또는 길이를 바탕으로 요약 정보를 생성할 수 있다. The
일 예로, 문서가 기사이며, 요약 정보의 논조가 부정적인 것으로 설정된 경우, 문서 요약 장치(200)는 기사에 포함된 단어 중 부정적인 단어를 바탕으로 요약 정보를 생성할 수 있다. 또한, 문서가 기사이며, 요약 정보의 논조가 긍정적인 것으로 설정된 경우, 문서 요약 장치(200)는 기사에 포함된 단어 중 긍정적인 단어를 바탕으로 요약 정보를 생성할 수 있다. In one example, if the document is an article and the summary of the summary information is set to be negative, the
또 다른 예로, 문서가 기사이며, 요약 정보의 길이가 짧게 설정된 경우, 문서 요약 장치(200)는 문장의 위치 및 제목과의 관련성을 바탕으로 기사의 결론 부분을 획득하고, 기사의 결론을 바탕으로 요약 정보를 생성할 수 있으며, 날짜, 장소 사건 등과 같은 기본적인 배경을 바탕으로 요약 정보를 생성할 수 있다. 문서가 사건 전달을 위한 기사이며, 요약 정보의 길이가 중간으로 설정된 경우, 문서 요약 장치(200)는 5W1H를 중심으로 사건을 전달하기 위한 요약 정보를 생성할 수 있다. 문서가 의견 대립에 대한 기사이며, 요약 정보의 길이가 중간으로 설정된 경우, 문서 요약 장치(200)는 기사의 핵심 주체의 입장을 바탕으로 요약 정보를 생성할 수 있다. 문서가 스포츠의 결과 제공에 대한 기사이며, 요약 정보의 길이가 중간으로 설정된 경우, 문서 요약 장치(200)는 스포츠의 결과에 대한 내용을 바탕으로 요약 정보를 생성할 수 있다. 또한, 문서가 사건 전달을 위한 기사이며, 요약 정보의 길이가 길게 설정된 경우, 문서 요약 장치(200)는 5W1H와 함께 부가적인 내용을 포함하는 요약 정보를 생성할 수 있다. 문서가 의견 대립에 대한 기사이며, 요약 정보의 길이가 길게 설정된 경우, 문서 요약 장치(200)는 의견 대립이 있는 모든 주체의 입장을 바탕으로 요약 정보를 생성할 수 있다. 문서가 스포츠의 결과 제공에 대한 기사이며, 요약 정보의 길이가 길게 설정된 경우, 문서 요약 장치(200)는 스포츠의 결과뿐만 아니라 하이라이트 장면에 대한 내용을 바탕으로 요약 정보를 생성할 수 있다. 즉, 문서 요약 장치(200)는 컨텐츠의 내용을 바탕으로 상이한 방법으로 요약 정보를 생성할 수 있다.As another example, if the document is an article and the length of the summary information is set short, the
문서 요약 장치(200)는 요약 정보를 전자 장치(100)에 전송할 수 있다(S460).The
전자 장치(200)는 전송된 요약 정보를 제공할 수 있다(S470). 일 예로, 전자 장치(200)는 획득된 요약 정보를 기존의 문서상에 매칭하여 제공할 수 있다. 구체적으로, 전자 장치(200)는 문서상에 요약 정보에 대응되는 문장 혹은 단어의 위치에 마커를 표시할 수 있는 레이어를 생성할 수 있으며, 문서(예를 들어, 웹 문서)의 스크립트를 수정하여 마커를 표시할 수 있으며, 요약 정보 부분에 마커가 표시된 별도의 문서 이미지를 생성할 수 있다. 또 다른 예로, 전자 장치(200)는 요약 정보를 문서와 별개로 화면(예를 들어, 전체 화면 또는 팝업 화면)을 통해 표시할 수 있다. 또 다른 예로, 요약 정보를 별도의 파일로 생성하여 전자 장치(100)에 저장하거나 외부 클라우드 서버에 저장할 수 있다.The
또는 전자 장치(200)는 요약 정보에 대응되는 문서의 링크를 요약 정보와 함께 제공할 수 있으며, 요약 정보 중 짧게 요약된 부분에 대한 상세 내용을 확인할 수 있는 링크를 요약 정보 내에 제공할 수 있다.Or the
상술한 바와 같이, UI를 통해 설정된 요약 설정 정보를 바탕으로 문서를 요약함으로써, 사용자의 니즈에 맞는 요약 정보를 사용자에게 제공할 수 있게 된다.As described above, by summarizing the document based on the summary setting information set through the UI, it is possible to provide the user with summary information suited to the needs of the user.
도 5는 본 개시의 일 실시예에 따른, 사용자 히스토리 정보를 바탕으로 문서를 요약하는 실시예를 설명하기 위한 흐름도이다.Figure 5 is a flow diagram illustrating an embodiment of summarizing documents based on user history information, in accordance with one embodiment of the present disclosure.
우선, 전자 장치(100)는 문서에 대한 요약 명령을 입력받을 수 있다(S510). 구체적으로, 전자 장치(100)는 문서의 일 영역에 표시된 요약 아이콘을 선택하는 사용자 명령을 입력받을 수 있다.First, the
전자 장치(100)는 문서와 관련된 사용자 히스토리 정보를 획득할 수 있다(S520). 이때, 사용자 히스토리 정보는 사용자에 의해 기 등록된 사용자 프로파일 정보, 사용자의 사용 이력 정보, 문서 접근 경로 정보 등을 포함할 수 있다.The
전자 장치(100)는 문서에 대한 정보 및 사용자 히스토리 정보를 문서 요약 장치(200)로 전송할 수 있다(S530). The
문서 요약 장치(200)는 사용자 히스토리 정보를 바탕으로 문서를 요약할 수 있다(S540). 일 예로, 문서 요약 장치(200)는 사용자의 지식 수준을 바탕으로 문서를 요약하여 요약 정보를 생성할 수 있다. 구체적으로, 사용자의 사용 이력 정보를 바탕으로 요약하고자 하는 문서와 관련된 검색 이력이나 문서 확인 이력이 많은 것으로 판단된 경우, 문서 요약 장치(200)는 문서에 대한 기본 내용을 짧게 요약하여 요약 정보를 생성할 수 있다. 또 다른 예로, 문서 요약 장치(200)는 사용자 프로파일 정보(예를 들어, 나이, 성별 등)을 바탕으로 문서에 대한 관심도를 판단하여 요약 정보를 생성할 수 있다. 구체적으로, 사용자 프로파일 정보를 바탕으로 문서에 대한 관심도가 높은 것으로 판단된 경우, 문서 요약 장치(200)는 기본 내용을 짧게 요약하고 세부 내용을 길게 요약하도록 요약 정보를 생성할 수 있으며, 사용자 프로파일 정보를 바탕으로 문서에 대한 관심도가 낮은 것으로 판단된 경우, 문서 요약 장치(200)는 기본 내용을 길게 요약하도록 요약 정보를 생성할 수 있다. 또 다른 예로, 문서 요약 장치(200)는 해당 문서의 접근 경로를 바탕으로 사용자의 현재 관심도를 판단하여 요약 정보를 생성할 수 있다. 구체적으로, 해당 문서가 웹 브라우징 시 우연히 접근된 경우, 문서 요약 장치(200)는 해당 문서에 대한 관심도를 낮게 판단하여 기본 내용을 길게 요약하도록 요약 정보를 생성할 수 있다. 관련 문서들을 확인하는 도중 해당 문서에 접근하게 된 경우, 문서 요약 장치(200)는 해당 문서에 대한 관심도를 높은 것으로 판단하여 기본 내용은 짧게 요약하고 새로운 내용은 길게 요약하도록 요약 정보를 생성할 수 있다. 키워드 검색을 통해 해당 문서에 접근하게 된 경우, 문서 요약 장치(200)는 해당 문서를 키워드 중심으로 요약하여 요약 정보를 생성할 수 있다.The
또한, 문서 요약 장치(200)는 기사의 타입에 따라 상이한 방법으로 요약 정보를 생성할 수 있다. 구체적으로, 요약하고자 하는 문서가 사건 위주의 기사인 경우, 문서 요약 장치(200)는 사건에 대한 5W1H를 중심으로 요약 정보를 생성할 수 있다. 요약하고자 하는 문서가 의견 대립을 포함하는 기사인 경우, 문서 요약 장치(200)는 대립되는 의견을 중심으로 요약 정보를 생성할 수 있다. 요약하고자 하는 문서가 (스포츠의) 결과 전달을 위한 기사인 경우, 문서 요약 장치(200)는 결과 부분을 중심으로 요약 정보를 생성할 수 있다. 또한, 사용자가 선호하는 문장 스타일(예를 들어, 단문형)에 대한 정보가 존재하는 경우, 문서 요약 장치(200)는 사용자가 선호하는 문장 스타일을 바탕으로 요약 정보를 생성할 수 있으며, 사용자가 선호하는 문장 스타일에 대한 정보가 존재하지 않는 경우, 문서 요약 장치(200)는 해당 문서의 문장 스타일을 바탕으로 요약 정보를 생성할 수 있다. 또한, 문서 요약 장치(200)는 해당 문서의 논조(긍정적/부정적 또는 진보/보수)를 바탕으로 요약 정보를 생성할 수 있다.In addition, the
문서 요약 장치(200)는 요약 정보를 전자 장치(100)로 전송할 수 있다(S550).The
전자 장치(200)는 전송된 요약 정보를 제공할 수 있다(S560). 이때, 요약 정보를 제공하는 방법은 도 4의 S470에서 상세히 설명하였으므로, 중복되는 설명은 생략한다.The
도 6은 본 개시의 일 실시예에 따른, 문서 수집 장치를 통해 수집된 관련 문서를 이용하여 요약 정보를 생성하는 실시예를 설명하기 위한 흐름도이다.6 is a flow diagram illustrating an embodiment for generating summary information using an associated document collected through a document collection device, in accordance with an embodiment of the present disclosure;
우선, 전자 장치(100)는 문서에 대한 요약 명령을 입력받을 수 있다(S610). 구체적으로, 전자 장치(100)는 문서의 일 영역에 표시된 요약 아이콘을 선택하는 사용자 명령을 입력받을 수 있다. First, the
전자 장치(100)는 요약 설정을 위한 UI를 표시할 수 있다(S620). 이때, 요약 설정을 위한 UI는 요약 정보의 논조 또는 길이를 설정하기 위한 UI 일 수 있으나, 이에 한정되는 것은 아니다. The
전자 장치(100)는 요약 설정 정보 및 사용자 히스토리 정보를 획득할 수 있다(S630). 구체적으로, 전자 장치(100)는 UI를 통해 요약 설정 정보를 획득할 수 있으며, 사용자 프로파일 정보 및 사용자의 사용 이력 정보를 포함하는 사용자 히스토리 정보를 획득할 수 있다.The
전자 장치(100)는 문서에 대한 정보, 요약 설정 정보 및 사용자 히스토리 정보를 문서 요약 장치(200)를 전송할 수 있다(S640).The
문서 요약 장치(200)는 문서 수집 장치(300)에 문서에 대한 정보를 바탕으로 문서와 관련된 다른 문서를 요청할 수 있다(S650). 이때, 문서와 관련된 다른 문서는, 문서의 핵심 키워드와 동일한 핵심 키워드를 갖는 문서, 문서와 동일한 주제를 가지는 문서, 문서의 작성자가 생성한 문서, 문서가 작성된 시간으로부터 기설정된 기간 내에 작성된 문서 등이 포함될 수 있으나, 이에 한정되는 것은 아니다.The
문서 수집 장치(300)는 문서와 관련된 다른 문서를 검색할 수 있으며(S660), 검색된 다른 문서를 문서 요약 장치(200)로 전송할 수 있다(S670).The
문서 요약 장치(200)는 요약 설정 정보 및 사용자 히스토리 정보를 바탕으로 문서 및 관련된 다른 문서를 이용하여 문서를 요약할 수 있다(S680). 구체적으로, 문서 요약 장치(200)는 문서 및 관련된 다른 문서에 동일하게 등장하는 단어를 위주로 요약 정보를 생성할 수 있다. 또한, 문서 요약 장치(200)는 해당 문서에는 기재되어 있지 않으나, 관련된 다른 문서 중 관련 내용이 포함되도록 요약 정보를 생성할 수 있다. 예를 들어, 해당 문서에서 A 측 입장만이 기재되어 있고, B 측 입장이 기재되어 있지 않은 경우, 문서 요약 장치(200)는 관련된 다른 문서를 통해 B측 입장을 포함하는 요약 정보를 생성할 수 있다.The
문서 요약 장치(200)는 요약 정보를 전자 장치(100)에 전송할 수 있으며(S690), 전자 장치(100)는 획득된 요약 정보를 제공할 수 있다(S700).The
도 7은 본 개시의 일 실시예에 따른, 검색어를 바탕으로 검색된 적어도 하나의 문서에 대한 요약 텍스트를 다른 문서에 삽입하기 위한 실시예를 설명하기 위한 도면이다.FIG. 7 illustrates an embodiment for inserting summary text for at least one document retrieved based on a search term into another document, according to an embodiment of the present disclosure; FIG.
우선, 전자 장치(100)는 도 7의 (a)에 도시된 바와 같이, 제1 문서(710)를 화면의 제1 영역(좌측 영역)에 표시하고, 제2 영역 상단에 검색창(720)을 표시할 수 있다. 이때, 전자 장치(100)는 제1 영역에 표시되는 문서로서 논문을 표시할 수 있다. 전자 장치(100)는 검색창(720)에 검색어를 입력하기 위한 사용자 명령에 따른 입력 신호를 수신할 수 있으며, 입력 신호에 응답하여 검색창(720)에 검색어를 표시할 수 있다.First, the
검색어에 대한 검색 요청이 수신된 경우, 전자 장치(100)는 문서 검색 장치(400)로 검색어와 관련된 복수의 문서에 대한 검색을 요청하고, 문서 검색 장치(400)로부터 복수의 문서를 포함하는 검색 결과를 수신할 수 있다. 이때, 전자 장치(100)는 도 7의 (b)에 도시된 바와 같이, 검색된 복수의 문서를 포함하는 리스트(730)를 제2 영역에 표시할 수 있다. 이때, 리스트에 포함된 복수의 문서는 검색어와 관련성이 높은 문서를 우선 순위로 정렬될 수 있다. 예를 들어, 리스트에 포함된 문서는 검색어를 포함하는 제목을 가지는 문서, 검색어를 포함하는 본문을 가지는 문서, 검색어와 유사한 단어를 포함하는 문서 순으로 정렬될 수 있다.When a search request for a search term is received, the
전자 장치(100)는 검색된 복수의 문서 중 적어도 하나의 문서(740)를 선택하여 제1 영역에 표시된 제1 문서(710)에 삽입하기 위한 사용자 입력에 따른 입력 신호를 수신할 수 있다. 구체적으로, 전자 장치(100)는 도 7의 (c)에 도시된 바와 같이, 리스트(730)에 포함된 복수의 문서 중 세 개의 문서(740)를 선택하여 제1 문서(710)의 일 지점으로 드래그하는 사용자 입력에 따른 입력 신호를 수신할 수 있다.The
전자 장치(100)는 요약 텍스트를 제1 문서(710)에 삽입하기 위한 사용자 명령에 따라 선택된 문서(740)에 대한 정보를 문서 요약 장치(200)로 전송할 수 있다. 이때, 전자 장치(100)는 문서(740)에 대한 정보뿐만 아니라 검색어에 대한 정보, 문서를 요약하기 위한 요약 설정 정보, 사용자 히스토리 정보 등을 함께 전송할 수 있다. 검색어에 대한 정보, 문서를 요약하기 위한 요약 설정 정보, 사용자 히스토리 정보 등을 이용하여 문서를 요약하는 방법에 대해서는 상술하였으므로, 상세한 설명은 생략하도록 한다.The
문서 요약 장치(200)는 선택된 문서(740)에 대한 정보를 바탕으로 요약 텍스트를 생성할 수 있다. 이때, 문서 요약 장치(200)는 선택된 문서를 입력 데이터로 학습된 문서 요약 모델에 입력하여 요약 텍스트를 획득할 수 있다. 이때, 문서 요약 장치(200)는 선택된 문서뿐만 아니라 선택된 문서와 관련된 다른 문서를 함께 이용하여 요약 텍스트를 획득할 수 있다. The
특히, 도 7의 (c)에 도시된 바와 같이, 복수의 문서가 요약하고자 하는 문서로 선택된 경우, 문서 요약 장치(200)는 선택된 복수의 문서가 공통적으로 포함하는 단어 혹은 문장을 기준으로 요약 텍스트를 생성할 수 있다. 즉, 문서 요약 장치(200)는 선택된 복수의 문서가 공통적으로 포함하는 단어 혹은 문장에 높은 가중치를 설정하여 요약 텍스트를 생성할 수 있다.In particular, as shown in FIG. 7C, when a plurality of documents are selected as a document to be summarized, the
문서 요약 장치(200)는 생성된 요약 텍스트를 전자 장치(100)로 전송할 수 있다.The
전자 장치(100)는 도 7의 (d)에 도시된 바와 같이, 수신된 요약 텍스트(750)를 제1 영역에 표시된 제1 문서(710) 중 사용자 명령이 입력된 지점에 삽입할 수 있다. 이때, 전자 장치(100)는 요약 텍스트(750)를 다른 텍스트와 구별되도록 표시할 수 있으며, 요약 텍스트 내에 인용 정보(즉, 출처 정보)를 함께 표시할 수 있다.The
이에 의해, 사용자는 논문 작성시 검색 결과를 통해 획득된 문서를 요약하여 논문에 삽입함으로써, 더욱 효율적으로 논문을 작성할 수 있게 된다.Thus, the user can create a dissertation more efficiently by summarizing the document obtained through the search result when preparing the dissertation and inserting it into the dissertation.
도 8은 본 개시의 일 실시예에 따른, UI를 이용하여 요약 텍스트의 길이 및 논조를 설정하는 실시예를 설명하기 위한 도면이다.8 is a diagram for describing an embodiment for setting the length and tone of a summary text using the UI, according to an embodiment of the present disclosure;
우선, 전자 장치(100)는 도 8의 (a)에 도시된 바와 같이, 복수의 텍스트를 포함하는 기사를 표시할 수 있다. 이때, 기사 중 제목 주위에는 도 8의 (a)에 도시된 바와 같이, 문서 요약 명령을 입력받기 위한 요약 아이콘(810)이 표시될 수 있다. 이때, 요약 아이콘(810)은 전자 장치(100)가 기사를 표시할 때, 동시에 표시될 수 있으나, 이는 일 실시예에 불과할 뿐, 요약 아이콘(810)은 기사가 표시된 후 전자 장치(100)의 기설정된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼) 또는 기설정된 패턴의 사용자 명령이 입력된 후 표시될 수 있다. 전자 장치(100)의 기설정된 버튼 또는 기설정된 패턴의 사용자 명령이 입력된 경우, 전자 장치(100)는 요약 아이콘(810)을 포함하는 별도의 레이어를 구성하여 기사 상에 표시할 수 있다.First, the
요약 아이콘(810)을 선택하는 사용자 명령(특히, 요약 아이콘(810) 중 요약 설정을 위한 아이콘을 선택하는 사용자 명령)이 입력되면, 전자 장치(100)는 도 8의 (b)에 도시된 바와 같이, 문서 요약 설정을 위한 UI(820)를 표시할 수 있다. 이때, 전자 장치(100)는 문서 요약 설정을 위한 UI(810)를 포함하는 별도의 레이어를 구성하여 기사 상에 표시할 수 있다. 한편, 상술한 실시예에서는 요약 아이콘(810)이 선택된 후 문서 요약 설정을 위한 UI(820)가 표시되는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 요약 아이콘(810)과 문서 요약 설정을 위한 UI(820)가 동시에 표시될 수 있다.When the user command to select the summary icon 810 is input (in particular, a user command to select an icon for summary setting among the summary icons 810), the
특히, 문서 요약 설정을 위한 UI(820)는 요약 텍스트의 길이 및 논조 중 적어도 하나를 설정할 수 있다. 이때, 문서 요약 설정을 위한 UI(820)는 도 8의 (b)에 도시된 바와 같이, 프로그레스 바 형태일 있으나, 이는 일 실시예에 불과할 뿐, 복수의 아이템을 포함하는 메뉴 형태일 수 있다.In particular, the
UI(820)에 사용자 명령이 입력되면, 전자 장치(100)는 사용자 명령에 따른 요약 설정 정보를 생성하고, 문서(기사)에 대한 정보와 함께 요약 설정 정보를 문서 요약 장치(200)에 전송할 수 있다. 이때, 문서에 대한 정보는 기사에 포함된 텍스트일 수 있으나, 이는 일 실시예에 불과할 뿐, 기사에 대응되는 웹 주소에 대한 정보일 수 있다.When a user command is input to the
문서 요약 장치(200)는 수신된 요약 설정 정보를 바탕으로 문서를 요약하여 요약 텍스트를 생성할 수 있다. 예를 들어, 요약 텍스트의 길이가 짧게 설정되고, 요약 텍스트의 논조가 중립으로 설정된 경우, 문서 요약 장치(200)는 기사에 포함된 텍스트 중 결과 전달을 위한 핵심 단어를 추출하고, 추출된 단어만을 포함하는 요약 텍스트를 생성할 수 있다. 즉, 문서 요약 장치(200)는 도 8의 (c)에 도시된 바와 같은 결과 전달 위주의 단어만을 포함하는 요약 텍스트를 생성할 수 있다.The
또 다른 예로, 요약 텍스트의 길이가 길게 설정되고, 요약 텍스트의 논조가 부정적으로 설정된 경우, 문서 요약 장치(200)는 기사에 포함된 텍스트 중 결과 전달 뿐만 아니라 의견 전달의 위한 단어 또는 문장들 중 부정적인 단어에 높은 가중치를 부가하여 핵심 단어 또는 핵심 문장을 추출하고, 추출된 핵심 단어 또는 핵심 문장을 이용하여 요약 텍스트를 생성할 수 있다. 이때, 문서 요약 장치(200)는 추출된 핵심 단어를 자연어 처리를 통해 자연스러운 문장을 생성하여 요약 텍스트를 생성할 수 있다. 즉, 문서 요약 장치(200)는 도 8의 (d)에 도시된 바와 같이, 결과 전달 위주의 문장뿐만 아니라 의견 대립의 문장을 함께 표시하며, 의견 대립 중 부정적인 의견을 포함하는 요약 텍스트를 생성할 수 있다.As another example, when the length of the summary text is set to be long and the summary text is set to negative, the
한편, 전자 장치(100)는 기사가 표시된 상태에서 생성된 요약 텍스트를 별도의 팝업 화면으로 제공할 수 있으나, 이는 일 실시예에 불과할 뿐, 기사에 포함된 텍스트 중 요약 텍스트에 대응되는 부분에 마커를 표시할 수 있다.On the other hand, the
즉, 상술한 바와 같이, 문서 요약 장치(200)는 UI(820)를 통해 획득된 요약 설정 정보를 통해 사용자가 원하는 요약 텍스트를 제공할 수 있게 된다.That is, as described above, the
도 9는 본 개시의 다양한 실시예에 따른, 사용자의 히스토리를 바탕으로 요약 텍스트의 길이 및 논조를 설정하는 실시예를 설명하기 위한 도면이다.9 is a diagram illustrating an embodiment for setting the length and tone of summary text based on the user's history, in accordance with various embodiments of the present disclosure.
우선, 전자 장치(100)는 도 9의 (a)에 도시된 바와 같이, 복수의 기사 링크를 포함하는 웹 페이지를 표시할 수 있다. 이때, 복수의 기사 링크 중 대표 링크(즉, 가장 상단에 위치하는 링크) 주위에는 도 9의 (a)에 도시된 바와 같이, 대표 링크에 대한 문서 요약 명령을 입력받기 위한 요약 아이콘(910)이 표시될 수 있다. 이때, 요약 아이콘(910)은 전자 장치(100)가 기사를 표시할 때, 동시에 표시될 수 있으나, 이는 일 실시예에 불과할 뿐, 요약 아이콘(910)은 웹 페이지가 표시된 후 전자 장치(100)의 기설정된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼) 또는 기설정된 패턴의 사용자 명령이 입력된 후 표시될 수 있다. First, the
또한, 도 9의 (a)에는 대표 링크에 대응되는 요약 아이콘(910)이 표시되는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 요약 아이콘(910)을 선택한 후 요약 텍스트를 생성하기 위한 기사 링크를 선택할 수 있다. 또는 복수의 링크 각각에 대응되는 요약 아이콘이 복수의 링크 주위에 표시될 수 있다.9 (a), the
요약 아이콘(910)을 선택하는 사용자 명령이 입력되면, 전자 장치(100)는 대표 링크에 대응되는 사용자 히스토리 정보를 획득할 수 있다. 이때, 사용자 히스토리 정보는 대표 링크와 관련된 사용자 관심도, 사용자의 전문 지식 등을 포함할 수 있다. 대표 링크와 관련된 사용자의 관심도 및 사용자의 전문 지식은 사용자의 나이, 성별 등과 같은 프로파일 정보, 대표 링크에 대응되는 기사와 관련된 다른 기사의 검색 횟수 또는 대표 링크 접속 경로 등을 바탕으로 판단될 수 있다.When a user command for selecting the
전자 장치(100)는 문서(대표 링크)에 대한 정보 및 사용자 히스토리 정보를 문서 요약 장치(200)에 전송할 수 있다. 이때, 전자 장치(100)는 문서에 대한 정보로서, 대표 링크의 웹 주소를 전송할 수 있으나, 이는 일 실시예에 불과할 뿐, 대표 링크에 포함된 기사의 텍스트를 전송할 수 있다. The
문서 요약 장치(200)는 문서에 대한 정보 및 사용자 히스토리 정보를 바탕으로 문서를 요약할 수 있다. 일 예로, 사용자 히스토리 정보를 통해 대표 링크에 대응되는 기사가 사용자 비 관심분야(또는 비 전문분야)라고 판단된 경우, 문서 요약 장치(200)는 대표 링크에 대응되는 기사에 포함된 텍스트 중 결과 전달을 위한 핵심 단어를 추출할 수 있다. 이때, 문서 요약 장치(200)는 쉬운 단어를 위주로 핵심 단어를 추출할 수 있으며, 도 9의 (b)에 도시된 바와 같이, 추출된 핵심 단어를 나열하여 요약 텍스트를 생성할 수 있다. 다른 예로, 사용자 히스토리 정보를 통해 대표 링크에 대응되는 기사가 사용자 관심분야(또는 전문분야)라고 판단된 경우, 문서 요약 장치(200)는 도 9의 (c)에 도시된 바와 같이, 대표 링크에 대응되는 기사에 포함된 텍스트 중 핵심 단어 또는 핵심 문장을 추출할 수 있다. 이때, 문서 요약 장치(200)는 전문 용어를 위주로 핵심 단어 또는 핵심 문장을 추출할 수 있으며, 도 9의 (c)에 도시된 바와 같이, 추출된 핵심 단어에 대한 자연어 처리를 통해 자연스러운 문장을 요약 텍스트로 제공할 수 있다.The
한편, 전자 장치(100)는 복수의 링크가 표시된 상태에서 생성된 요약 텍스트를 별도의 팝업 화면으로 제공할 수 있으나, 이는 일 실시예에 불과할 뿐, 대표 링크에 대응되는 기사를 표시하고, 기사에 포함된 텍스트 중 요약 텍스트에 대응되는 부분에 마커를 표시할 수 있다.On the other hand, the
즉, 상술한 바와 같이, 문서 요약 장치(200)는 사용자 히스토리 정보를 통해 사용자에게 최적화된 요약 텍스트를 제공할 수 있게 된다.That is, as described above, the
한편, 본 실시예에서는 문서 요약 장치(200)가 대표 링크와 대응되는 기사를 이용하여 요약 텍스트를 생성하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 문서 요약 장치(200)는 대표 링크와 대응되는 기사뿐만 아니라 대표 링크와 관련된 다른 링크와 대응되는 기사들을 함께 이용하여 요약 텍스트를 생성할 수 있다.Meanwhile, in the present embodiment, the
도 10은 본 개시의 일 실시예에 따른, 레시피 문서를 요약한 요약 텍스트를 제공하는 실시예를 설명하기 위한 도면이다.Figure 10 is a diagram illustrating an embodiment that provides a summary text summarizing a recipe document, in accordance with one embodiment of the present disclosure;
전자 장치(100)는 복수의 레시피 문서에 대응되는 링크를 표시할 수 있다. 이때, 전자 장치(100)는 복수의 링크 중 최상단에 위치하는 링크의 일 영역에 문서 요약을 위한 요약 아이콘(1010)을 함께 표시할 수 있다. 이때, 요약 아이콘(1010)은 사용자에 의해 최상단에 위치하는 링크가 선택되거나 최상단에 위치하는 링크에 커서 또는 하이라이트가 표시되는 경우 표시될 수 있다. 다른 예로, 복수의 링크 각각에 대응되는 요약 아이콘이 대응되는 링크에 표시될 수 있다.The
요약 아이콘(1010)을 선택하는 사용자 명령이 입력되면, 전자 장치(100)는 도 10의 (b)에 도시된 바와 같이, 문서 요약 설정을 위한 UI(1020)를 표시할 수 있다. 이때, 전자 장치(100)는 문서 요약 설정을 위한 UI(1010)를 포함하는 별도의 레이어를 구성하여 기사 상에 표시할 수 있다. 한편, 상술한 실시예에서는 요약 아이콘(1010)이 선택된 후 문서 요약 설정을 위한 UI(1020)가 표시되는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 요약 아이콘(1010)과 문서 요약 설정을 위한 UI(1020)가 동시에 표시될 수 있다.When the user command for selecting the
특히, 문서 요약 설정을 위한 UI(1020)는 요약 텍스트의 길이를 설정할 수 있다. 이때, 문서 요약 설정을 위한 UI(1020)는 도 10의 (b)에 도시된 바와 같이, 프로그레스 바 형태일 있으나, 이는 일 실시예에 불과할 뿐, 복수의 아이템을 포함하는 메뉴 형태일 수 있다. 한편, 상술할 실시예에서는 문서 요약 설정을 위한 UI(1020)가 요약 텍스트의 길이만을 설정할 수 있는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 요약 텍스트에 영상 또는 동영상을 포함할지 여부를 설정할 수 있다.In particular, the UI for document summary settings 1020 can set the length of the summary text. At this time, the UI 1020 for document summary setting may be a progress bar form as shown in FIG. 10B, but it may be a menu form including a plurality of items . Meanwhile, in the above-described embodiment, the UI 1020 for document summary setting can set only the length of the summary text. However, this is only an example, and it is possible to set whether or not to include a video or a moving image in the summary text have.
UI(1020)에 사용자 명령이 입력되면, 전자 장치(100)는 사용자 명령에 따른 요약 설정 정보를 생성하고, 레시피 문서에 대한 정보와 함께 요약 설정 정보를 문서 요약 장치(200)에 전송할 수 있다. 이때, 문서에 대한 정보는 기사에 포함된 텍스트일 수 있으나, 이는 일 실시예에 불과할 뿐, 기사에 대응되는 웹 주소에 대한 정보일 수 있다.When a user command is input to the UI 1020, the
문서 요약 장치(200)는 수신된 요약 설정 정보를 바탕으로 문서를 요약하여 요약 텍스트를 생성할 수 있다. 예를 들어, 요약 텍스트의 길이가 짧게 설정된 경우, 문서 요약 장치(200)는 레시피 기사에 포함된 텍스트 중 재료를 나타내는 단어를 추출하고, 추출된 단어만을 포함하는 요약 텍스트를 생성할 수 있다. 즉, 문서 요약 장치(200)는 도 10의 (c)에 도시된 바와 같은 재료 위주의 단어만을 포함하는 요약 텍스트를 생성할 수 있다. 또 다른 예로, 요약 텍스트의 길이가 길게 설정된 경우, 문서 요약 장치(200)는 레시피 기사에 포함된 텍스트 중 재료를 나타내는 단어 뿐만 아니라 조리법에 대한 문장을 추출하고, 재료 및 조리법을 포함하는 요약 텍스트를 생성할 수 있다. 즉, 문서 요약 장치(200)는 도 10의 (d)에 도시된 바와 같은 재료 위주의 단어뿐만 아니라 조리법에 대한 문장을 포함하는 요약 텍스트를 생성할 수 있다. The
문서 요약 장치(200)는 생성된 요약 텍스트를 전자 장치(100)로 전송할 수 있으며, 전자 장치(100)는 생성된 요약 텍스트를 별도의 전체 화면 또는 팝업 화면에 표시할 수 있다. 또는 전자 장치(100)는 레시피 문서를 표시하고, 레시피 문서 중 생성된 요약 텍스트에 대응되는 부분에 마커를 표시할 수 있다.The
한편, 상술한 실시예에서는 UI(1020)를 통해 설정된 요약 설정 정보를 이용하여 레시피 문서를 요약하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 사용자의 히스토리 정보를 바탕으로 레시피 문서를 요약할 수 있다. 구체적으로, 요리가 사용자의 전문분야라고 판단된 경우, 문서 요약 장치(200)는 재료 및 조리법에 대한 핵심 단어만을 추출하여 짧은 요약 텍스트를 제공할 수 있으며, 요리가 사용자의 비전문분야라고 판단된 경우, 문서 요약 장치(200)는 재료 및 조리법에 대한 상세한 단어를 추출하고, 추출된 단어에 대한 자연어 처리를 통해 긴 요약 텍스트를 제공할 수 있다.Meanwhile, in the above-described embodiment, the recipe document is summarized using the summary setting information set through the UI 1020. However, the recipe document may be summarized on the basis of the history information of the user, have. Specifically, when it is determined that the cooking is the user's specialty, the
한편, 상술한 실시예에서는 레시피 문서를 이용하여 요약 텍스트를 제공하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 다른 문서를 이용하여 요약 텍스트를 제공할 수 있다. 예를 들어, 여행관련 문서를 이용하여 요약 텍스트를 제공하는 경우, 사용자에 의해 짧은 요약 텍스트를 생성하는 것으로 설정된 경우, 문서 요약 장치(200)는 여행 관련 문서 중 여행 코스 위주의 단어 또는 문장을 추출하여 요약 텍스트를 생성할 수 있다. 또는, 사용자에 의해 긴 요약 텍스트를 생성하는 것으로 설정된 경우, 문서 요약 장치(200)는 여행 관련 문서 중 여행 코스뿐만 아니라 주요 관광지, 맛집 등에 대한 정보를 포함하는 단어 또는 문장을 추출하여 요약 텍스트를 생성할 수 있다. Meanwhile, in the above-described embodiment, the summary text is provided using the recipe document. However, this is merely an example, and the summary text can be provided using another document. For example, when the summary text is provided using the travel related document and the short summary text is set to be generated by the user, the
도 11은 본 개시의 다양한 실시예에 따른, 요약 텍스트에 포함된 단어를 추가적으로 검색하는 실시예를 설명하기 위한 도면이다.11 is a diagram illustrating an embodiment for further searching for words included in the summary text, in accordance with various embodiments of the present disclosure.
우선, 전자 장치(100)는 도 11의 (a)에 도시된 바와 같이, 복수의 기사 링크를 포함하는 웹 페이지를 표시할 수 있다. 이때, 복수의 기사 링크 중 대표 링크(즉, 가장 상단에 위치하는 링크) 주위에는 도 11의 (a)에 도시된 바와 같이, 대표 링크에 대한 문서 요약 명령을 입력받기 위한 요약 아이콘(1110)이 표시될 수 있다. First, the
요약 아이콘(1110)이 선택된 경우, 전자 장치(100)는 대표 링크에 대한 정보를 문서 요약 장치(200)로 전송하고, 문서 요약 장치(200)는 대표 링크에 대한 정보를 문서 요약 모델에 입력하여 대표 링크에 대응되는 기사에 대한 요약 텍스트를 획득할 수 있다. 이때, 전자 장치(100)는 대표 링크에 대한 정보뿐만 아니라 요약 설정 정보 및 사용자 히스토리 정보를 함께 전송할 수 있으며, 문서 요약 장치(200)는 요약 설정 정보 및 사용자 히스토리 정보를 바탕으로 요약 텍스트를 생성할 수 있다.When the
문서 요약 장치(200)는 전자 장치(100)로 생성된 요약 텍스트를 전송할 수 있으며, 전자 장치(100)는 도 11의 (b)에 도시된 바와 같이, 팝업 형태의 요약 텍스트를 제공할 수 있다.The
요약 텍스트가 제공되는 동안 요약 텍스트에 포함된 단어(또는, 문장, 구) 중 하나가 선택되면, 전자 장치(100)는 선택된 단어에 대한 정보를 외부의 검색 서버로 전송할 수 있다. 예를 들어, 도 11의 (b)에 도시된 요약 텍스트에 포함된 단어 중 "고고도미사일방어체계(THAAD, 사드)"라는 단어가 선택된 경우, 전자 장치(100)는 사용자에 의해 선택된 단어에 대한 상세 정보를 외부 검색 서버로 요청할 수 있다. If one of the words (or phrases, phrases) included in the summary text is selected while the summary text is provided, the
외부 검색 서버로부터 선택된 단어에 대한 상세 정보가 수신된 경우, 전자 장치(100)는 도 11의 (c)에 도시된 바와 같이, 선택된 단어에 대한 상세 정보 또는 추가 정보를 요약 텍스트 내에 표시할 수 있다.When detailed information on a word selected from the external search server is received, the
한편, 상술한 실시예에서는 외부 검색 서버가 사용자에 의해 선택된 단어에 대한 상세 정보 또는 추가 정보를 제공하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100)는 선택된 단어에 대한 상세 정보 또는 추가 정보를 문서 요약 장치(200)에게 요청할 수 있다. 이때, 문서 요약 장치(200)는 요약 텍스트를 생성하기 위해 이용된 문서를 이용하여 선택된 단어에 대한 상세 정보 또는 추가 정보를 획득할 수 있다. 즉, 문서 요약 장치(200)는 기존의 문서 내에서 선택된 단어에 대한 상세 정보 또는 추가 정보를 획득하여 전자 장치(100)로 제공할 수 있다.In the above-described embodiment, the external search server provides detailed information or additional information for a word selected by the user. However, the present invention is not limited thereto. For example, the
도 12는 본 개시의 다양한 실시예에 따른, 요약 텍스트를 제공하는 방법을 설명하기 위한 도면이다.12 is a diagram illustrating a method of providing summary text, in accordance with various embodiments of the present disclosure;
문서 요약 장치(200)로부터 요약 텍스트를 수신한 경우, 전자 장치(100)는 다양한 방법으로 요약 텍스트를 제공할 수 있다.Upon receiving a summary text from the
구체적으로, 전자 장치(100)는 도 12의 (a)에 도시된 바와 같이, 기존에 표시되는 문서(예로, 기사) 상에 요약 텍스트에 대응되는 단어 또는 문장에 마커(1210)를 표시하여 요약 텍스트를 제공할 수 있다. 이때, 전자 장치(100)는 문서상에 요약 텍스트에 대응되는 문장 혹은 단어의 위치에 마커(1210)를 표시할 수 있는 별도의 레이어를 생성하여 문서 상에 표시할 수 있다. 또는, 전자 장치(100)는 문서의 스크립트를 수정하여 문서 상에 마커(1210)를 표시할 수 있으며, 요약 텍스트 부분에 마커(1210)가 표시된 별도의 문서 이미지를 생성하여 표시할 수 있다. 한편, 상술한 실시예에서는 요약 텍스트를 제공하기 위하여 문서 상에 요약 텍스트에 대응되는 부분에 마커를 표시하는 것으로 설명하였으나, 이는 일 실시에에 불과할 뿐, 문서 상에 요약 텍스트에 대응되는 텍스트를 다른 텍스트와 구별되게 표시할 수 있다. 예를 들어, 전자 장치(100)는 문서 상에 요약 텍스트에 대응되는 텍스트의 크기, 글씨체, 굵기, 밝기, 색 등을 다른 텍스트들과 상이하게 표시할 수 있다.Specifically, the
또한, 전자 장치(100)는 도 12의 (b)에 도시된 바와 같이, 문서(예로, 기사) 상에 요약 텍스트를 포함하는 팝업 화면(1220)을 표시할 수 있다. 이때, 팝업 화면(1220)은 기존의 기사의 표시를 방해하지 않도록 화면 상단에 표시될 수 있다. 그러나, 팝업 화면(1220)은 사용자의 조작에 의해 크기가 조절될 수 있으며, 표시 위치가 변경될 수 있다.The
또 다른 예로, 전자 장치(100)는 요약 텍스트를 포함하는 전체 화면을 표시할 수 있으며, 요약 텍스트를 전자 장치(100) 내의 메모리(120)에 저장하거나 외부 클라우드 서버에 저장할 수 있다.As another example, the
도 13 내지 14b는 본 개시의 일 실시예에 따른, 문서 요약 모델을 학습하고 이용하기 위한 전자 장치의 구성을 나타내는 블록도이다.Figures 13 to 14B are block diagrams illustrating the configuration of an electronic device for learning and using a document summary model, in accordance with one embodiment of the present disclosure.
도 13을 참조하면, 프로세서(1300)는 학습부(1310) 및 요약부(1320) 중 적어도 하나를 포함할 수 있다. 도 13의 프로세서(1300)는 도 2a 및 도 2b의 전자 장치(100)의 프로세서(140) 또는 데이터 학습 서버(미도시)의 프로세서에 대응될 수 있다.Referring to FIG. 13, the
학습부(1310)는 문서를 요약하여 요약 정보를 생성하는 기준을 갖는 문서 요약 모델을 생성 또는 학습시킬 수 있다. 학습부(1310)는 수집된 학습 데이터를 이용하여 요약 정보를 생성할 수 있는 문서 요약 모델을 생성할 수 있다. 일 예로, 학습부(1310)는 텍스트를 포함하는 문서를 학습 데이터로서 이용하여 문서에 대한 요약 정보를 생성하는 기준을 판단하기 위한 문서 요약 모델을 생성, 학습 또는 갱신시킬 수 있다. The
이때, 학습부(1310)는 문서의 유형에 따라 상이한 요약 정보를 생성하는 기준을 갖도록 문서 요약 모델을 학습할 수 있다. 구체적으로, 학습부(1310)는 입력되 문서가 기사, 논문, 레시피 문서 등의 여부에 따라 상이한 기준으로 요약 정보를 생성하도록 문서 요약 모델을 학습할 수 있다. 예를 들어, 학습 데이터로 입력되는 문서가 기사인 경우, 학습부(1310)는 기사의 핵심 단어를 추출하여 결과 전달 위주의 요약 정보를 생성하도록 문서 요약 모델을 학습할 수 있으며, 학습 데이터로 입력되는 문서가 논문인 경우, 학습부(1310)는 요약이나 결론에 포함된 단어 또는 문장을 추출하여 요약 정보를 생성하도록 문서 요약 모델을 학습할 수 있다.At this time, the
요약부(1320)는 소정의 문서 데이터를 학습된 문서 요약 모델의 입력 데이터로 사용하여, 소정의 문서에 대한 요약 정보를 생성할 수 있다. 일 예로, 요약부(1320)는 텍스트가 포함된 문서 데이터를 학습된 요약부의 입력 데이터로 사용하여 사용자에 의해 선택된 문서에 대한 요약 정보를 생성할 수 있다.The summarizing
학습부(1310)의 적어도 일부 및 요약부(1320)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 학습부(1310) 및 요약부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치 또는 문서 요약 장치(200)에 탑재될 수도 있다. 이때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. 학습부(1310) 및 요약부(1320)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.At least a portion of the
이 경우, 학습부(1310) 및 요약부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 학습부(1310) 및 요약부(1320) 중 하나는 전자 장치(100)에 포함되고, 나머지 하나는 외부의 서버에 포함될 수 있다. 또한, 학습부(1310) 및 요약부(1320)는 유선 또는 무선으로 통하여, 학습부(1310)가 구축한 모델 정보를 요약부(1320)로 제공할 수도 있고, 학습부(1320)로 입력된 데이터가 추가 학습 데이터로서 학습부(1310)로 제공될 수도 있다.In this case, the
도 14a는, 다양한 실시예에 따른 학습부(1310) 및 요약부(1320)의 블록도이다.14A is a block diagram of a
도 14a의 (a)를 참조하면, 일부 실시예에 따른 학습부(1310)는 학습 데이터 획득부(1310-1) 및 모델 학습부(1310-4)를 포함할 수 있다. 또한, 학습부(1310)는 학습 데이터 전처리부(1310-2), 학습 데이터 선택부(1310-3) 및 모델 평가부(1310-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.Referring to FIG. 14A, a
학습 데이터 획득부(1310-1)는 문서에 대한 요약 정보를 생성하기 위한 요약부에 필요한 학습 데이터를 획득할 수 있다. 본 개시의 실시예로, 학습 데이터 획득부(1310-1)는 논문, 기사, e-book 컨텐츠 등과 같이, 텍스트를 포함하는 문서를 학습 데이터로서 획득할 수 있다. 학습 데이터는 학습부(1310) 또는 학습부(1310)의 제조사가 수집 또는 테스트한 데이터가 될 수도 있다. The learning data acquisition unit 1310-1 may acquire learning data necessary for the summary unit for generating summary information about the document. In the embodiment of the present disclosure, the learning data acquiring unit 1310-1 can acquire, as learning data, a document including text, such as a paper, an article, e-book content and the like. The learning data may be data collected or tested by the
모델 학습부(1310-4)는 학습 데이터를 이용하여, 요약부이 소정의 문서를 어떻게 요약할지에 관한 판단 기준을 갖도록 학습시킬 수 있다. 일 예로, 모델 학습부(1310-4)는 문서에 포함된 단어의 출현 빈도, 단어의 위치, 단어들과의 관계 등을 바탕으로 핵심 단어를 추출하고, 추출된 핵심 단어를 이용하여 요약 정보를 생성하도록 요약부을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 복수의 문서를 이용하여 요약 정보를 생성하도록 요약부을 학습할 수 있다. 구체적으로, 모델 학습부(1310-4)는 복수의 문서에 포함된 단어들 중 공통적으로 나오는 단어를 바탕으로 요약 정보를 생성하도록 요약부을 학습할 수 있다.The model learning unit 1310-4 can use the learning data so that the summary unit learns how to summarize a predetermined document. For example, the model learning unit 1310-4 extracts key words based on the occurrence frequency of words included in the document, the position of the words, the relationship with the words, and extracts the summary information using the extracted key words You can learn to summarize it. In addition, the model learning unit 1310-4 can learn the summary unit to generate summary information using a plurality of documents. Specifically, the model learning unit 1310-4 can learn the summary unit to generate summary information based on words commonly found among words included in a plurality of documents.
특히, 모델 학습부(1310-4)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 요약부을 학습시킬 수 있다. 또는, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 요약 정보를 생성하기 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 요약부 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 상황 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 요약부을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 요약부을 학습시킬 수 있다In particular, the model learning unit 1310-4 can learn the summary by supervised learning using at least some of the learning data as a criterion. Alternatively, the model learning unit 1310-4 may learn, for example, by using the learning data without any guidance, by self learning, through unsupervised learning to find a criterion for generating the summary information, The model can be learned. Also, the model learning unit 1310-4 can learn the summary part through reinforcement learning using, for example, feedback as to whether the result of the situation judgment based on learning is correct. Also, the model learning unit 1310-4 can learn the summation unit using, for example, a learning algorithm including an error back-propagation method or a gradient descent
또한, 모델 학습부(1310-4)는 입력 데이터를 이용하여 요약 정보를 생성하기 위하여 어떤 학습 데이터를 이용해야 하는지에 대한 선별 기준을 학습할 수도 있다. In addition, the model learning unit 1310-4 may learn a selection criterion about which learning data should be used to generate the summary information using the input data.
모델 학습부(1310-4)는 미리 구축된 요약부이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 요약부을 학습할 요약부로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입별로 기 분류되어 있을 수 있으며, 요약부은 데이터의 타입별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 유형 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다. 예를 들어, 모델 학습부(1310-4)는 기사에 대한 요약 정보를 생성하기 위한 제1 문서 요약 모델 및 논문에 대한 요약 정보를 생성하기 위한 제2 문서 요약 모델을 생성할 수 있다.The model learning unit 1310-4 can determine a summary unit to learn a summary having a large relation between the input learning data and the basic learning data if there are a plurality of predefined summary units. In this case, the basic learning data may be pre-classified according to the type of data, and the summary part may be pre-built for each type of data. For example, the basic learning data may be pre-classified by various criteria such as an area where the learning data is generated, a time at which the learning data is generated, a size of the learning data, a genre of the learning data, a creator of the learning data, . For example, the model learning unit 1310-4 may generate a first document summary model for generating summary information on an article and a second document summary model for generating summary information on the article.
모델이 학습되면, 모델 학습부(1310-4)는 학습된 문서 요약 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 문서 요약 모델을 전자 장치(100)의 메모리(130)에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 문서 요약 모델을 전자 장치(100)와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.When the model is learned, the model learning unit 1310-4 can store the learned document summary model. In this case, the model learning unit 1310-4 can store the learned document summary model in the
학습부(1310)는 문서 요약 모델의 결과를 향상시키거나, 문서 요약 모델의 생성에 필요한 자원 또는 시간을 절약하기 위하여, 학습 데이터 전처리부(1310-2) 및 학습 데이터 선택부(1310-3)를 더 포함할 수도 있다.The
학습 데이터 전처리부(1310-2)는 요약 정보 생성을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 학습 데이터 전처리부(1310-2)는 모델 학습부(1310-4)가 요약 정보 생성을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다. The learning data preprocessing unit 1310-2 can preprocess acquired data so that the acquired data can be used for learning for generating summary information. The learning data preprocessing unit 1310-2 can process the acquired data into a predetermined format so that the model learning unit 1310-4 can use the data acquired for learning for generating the summary information.
학습 데이터 선택부(1310-3)는 학습 데이터 획득부(1310-1)에서 획득된 데이터 또는 학습 데이터 전처리부(1310-2)에서 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선택할 수 있다. 예를 들어, 학습 데이터 선택부(1310-3)는 입력된 문서 데이터 중 텍스트 관련 데이터만을 학습 데이터로 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 학습 데이터를 선택할 수도 있다.The learning data selection unit 1310-3 can select the data acquired by the learning data acquisition unit 1310-1 or the data required for learning from the data preprocessed by the learning data preprocessing unit 1310-2. The selected learning data may be provided to the model learning unit 1310-4. The learning data selection unit 1310-3 can select learning data necessary for learning from the acquired or preprocessed data in accordance with a predetermined selection criterion. For example, the learning data selection unit 1310-3 can select only text-related data among the input document data as learning data. The learning data selection unit 1310-3 can also select learning data according to a predetermined selection criterion by learning by the model learning unit 1310-4.
학습부(1310)는 문서 요약 모델의 출력 결과를 향상시키기 위하여, 모델 평가부(1310-5)를 더 포함할 수도 있다.The
모델 평가부(1310-5)는 문서 요약 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 출력 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 문서 요약 모델을 평가하기 위한 기 정의된 데이터일 수 있다. The model evaluation unit 1310-5 inputs the evaluation data to the document summary model, and if the output result output from the evaluation data does not satisfy the predetermined criterion, the model evaluation unit 1310-5 can instruct the model learning unit 1310-4 to learn again have. In this case, the evaluation data may be predefined data for evaluating the document summary model.
예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 문서 요약 모델의 출력 결과 중에서, 출력 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. For example, the model evaluating unit 1310-5 may determine whether the number or the ratio of the evaluation data whose output result is not correct out of the output result of the learned document summary model for the evaluation data exceeds a predetermined threshold value It can be evaluated as unsatisfactory.
한편, 학습된 문서 요약 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 문서 요약 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 문서 요약 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 문서 요약 모델로서 결정할 수 있다.On the other hand, if there are a plurality of learned document summary models, the model evaluation unit 1310-5 evaluates whether each of the learned document summary models satisfies a predetermined criterion, Can be determined as a model. In this case, when there are a plurality of models satisfying a predetermined criterion, the model evaluating unit 1310-5 can determine any one or a predetermined number of models preset in descending order of the evaluation score as a final document summary model.
도 14a의 (b)를 참조하면, 일부 실시예에 따른 요약부(1320)는 요약 데이터 획득부(1320-1) 및 요약 결과 제공부(1320-4)를 포함할 수 있다. 또한, 요약부(1320)는 요약 데이터 전처리부(1320-2), 요약 데이터 선택부(1320-3) 및 모델 갱신부(1320-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.Referring to FIG. 14A, the
요약 데이터 획득부(1320-1)는 요약 정보 생성에 필요한 문서 데이터를 획득할 수 있다. 요약 결과 제공부(1320-4)는 요약 데이터 획득부(1320-1)에서 획득된 데이터를 입력 값으로 학습된 문서 요약 모델에 적용하여 요약 정보를 생성할 수 있다. 요약 결과 제공부(1320-4)는 입력되는 문서의 유형에 따른 요약 정보를 제공할 수 있다. 요약 결과 제공부(1320-4)는 후술할 요약 데이터 전처리부(1320-2) 또는 요약 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 문서 요약 모델에 적용하여 요약 정보를 획득할 수 있다.The summary data acquisition unit 1320-1 can acquire document data necessary for generating summary information. The summary result providing unit 1320-4 can generate the summary information by applying the data obtained by the summary data obtaining unit 1320-1 to the learned document summary model as the input value. The summary result providing unit 1320-4 may provide summary information according to the type of the input document. The summary result providing unit 1320-4 applies the data selected by the summary data preprocessing unit 1320-2 or the summary data selecting unit 1320-3 to be described later to the document summary model to obtain summary information .
일 실시예로, 요약 결과 제공부(1320-4)는 요약 데이터 획득부(1320-1)에서 획득한 텍스트를 포함하는 문서 데이터를 학습된 문서 요약 모델에 적용하여 요약 정보를 생성할 수 있다.In one embodiment, the summary result providing unit 1320-4 can generate summary information by applying the document data including the text acquired by the summary data obtaining unit 1320-1 to the learned document summary model.
요약부(1320)는 문서 요약 모델의 출력 결과를 향상시키거나, 출력 결과의 제공을 위한 자원 또는 시간을 절약하기 위하여, 요약 데이터 전처리부(1320-2) 및 요약 데이터 선택부(1320-3)를 더 포함할 수도 있다.The summarizing
요약 데이터 전처리부(1320-2)는 문서 데이터가 요약 데이터로서 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 요약 데이터 전처리부(1320-2)는 요약 결과 제공부(1320-4)가 요약 정보 생성을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 정의된 포맷으로 가공할 수 있다. The summary data preprocessing section 1320-2 can preprocess acquired data so that document data can be used as summary data. The summary data preprocessing unit 1320-2 can process the acquired data into a predefined format so that the summary result provider 1320-4 can use the data obtained for generating the summary information.
요약 데이터 선택부(1320-3)는 요약 데이터 획득부(1320-1)에서 획득된 데이터 또는 요약 데이터 전처리부(1320-2)에서 전처리된 데이터 중에서 요약 정보 생성에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 요약 결과 제공부(1320-4)에게 제공될 수 있다. 요약 데이터 선택부(1320-3)는 요약 정보 생성을 위한 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 요약 데이터 선택부(1320-3)는 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 데이터를 선택할 수도 있다.The summary data selection unit 1320-3 can select data necessary for generating the summary information from the data acquired by the summary data acquisition unit 1320-1 or the data preprocessed by the summary data preprocessing unit 1320-2. The selected data may be provided to the summary result providing unit 1320-4. The summary data selection unit 1320-3 may select some or all of the obtained or preprocessed data according to a predetermined selection criterion for generating summary information. In addition, the summary data selection unit 1320-3 may select data according to a predetermined selection criterion by learning by the model learning unit 1310-4.
모델 갱신부(1320-5)는 요약 결과 제공부(1320-4)에 의해 제공되는 출력 결과에 대한 평가에 기초하여, 문서 요약 모델이 갱신되도록 제어할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 요약 결과 제공부(1320-4)에 의해 제공되는 출력 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 문서 요약 모델을 추가 학습 또는 갱신하도록 요청할 수 있다.The model updating unit 1320-5 can control the document summary model to be updated based on the evaluation of the output result provided by the summary result providing unit 1320-4. For example, the model updating unit 1320-5 provides the model learning unit 1310-4 with the output result provided by the summary result providing unit 1320-4 so that the model learning unit 1310-4 You can request to learn or update the document summary model further.
도 14b는, 일 실시예에 따른 전자 장치(100) 및 외부의 서버(S)가 서로 연동함으로써 데이터를 학습하고 요약 정보를 생성하는 예시를 나타내는 도면이다.Fig. 14B is a diagram showing an example in which the
도 14b를 참조하면, 외부의 서버(S)는 요약 정보를 생성하기 위한 문서 요약 모델을 학습할 수 있으며, 전자 장치(100)는 서버(S)에 의한 학습 결과에 기초하여 요약 정보를 생성할 수 있다.14B, an external server S may learn a document summary model for generating summary information, and the
이 경우, 서버(S)의 모델 학습부(1310-4)는 도 13에 도시된 학습부(1310)의 기능을 수행할 수 있다. 서버(S)의 모델 학습부(1310-4)는 요약 정보를 어떻게 생성할지에 관한 기준을 학습할 수 있다. In this case, the model learning unit 1310-4 of the server S can perform the function of the
또한, 전자 장치(100)의 요약 결과 제공부(1320-4)는 요약 데이터 선택부(1320-3)에 의해 선택된 문서 데이터를 서버(S)에 의해 생성된 문서 요약 모델에 적용하여 문서에 대한 요약 정보를 획득할 수 있다. 또는, 전자 장치(100)의 요약 결과 제공부(1320-4)는 서버(S)에 의해 생성된 문서 요약 모델을 서버(S)로부터 수신하고, 수신된 문서 요약 모델을 이용하여 요약 정보를 생성할 수 있다. 이 경우, 전자 장치(100)의 요약 결과 제공부(1320-4)는 요약 데이터 선택부(1320-3)에 의해 선택된 문서 데이터를 서버(S)로부터 수신된 문서 요약 모델에 적용하여, 문서에 대한 요약 정보를 획득할 수 있다. The summary result providing unit 1320-4 of the
도 15는 본 개시의 일 실시예에 따른, 검색어를 바탕으로 검색된 적어도 하나의 문서에 대한 요약 정보를 다른 문서로 삽입하는 실시예를 설명하기 위한 흐름도이다.Figure 15 is a flow diagram illustrating an embodiment for inserting summary information for at least one document retrieved based on a query into another document, in accordance with one embodiment of the present disclosure.
우선, 전자 장치(100)는 검색어를 입력받을 수 있다(S1510). 이때, 전자 장치(100)는 제1 영역에 제1 문서를 표시하고, 제2 영역에 검색창을 표시할 수 있으며, 입력된 검색어를 제2 영역의 검색창에 표시할 수 있다.First, the
전자 장치(100)는 검색어에 대한 검색 요청이 수신되었는지 여부를 판단할 수 있다(S1520). 이때, 검색어에 대한 검색 요청은 검색창에 포함된 검색 아이콘을 선택하는 아이콘을 선택하는 사용자 명령이 입력되는 것일 수 있다.The
검색어에 대한 검색 요청이 수신된 경우, 전자 장치(100)는 검색어를 바탕으로 복수의 문서를 검색할 수 있다(S1530). 이때, 전자 장치(100)는 전자 장치(100) 내에 저장된 복수의 문서를 검색할 수 있으나, 이는 일 실시예에 불과할 뿐, 외부의 검색 서버(또는 클라우드 서버)에 저장된 복수의 문서를 검색할 수 있다.If a search request for a search term is received, the
전자 장치(100)는 검색된 복수의 문서를 제공할 수 있다(S1540). 이때, 전자 장치(100)는 제2 영역 상에 검색된 복수의 문서를 제공할 수 있다.The
전자 장치(100)는 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하기 위한 사용자 명령이 입력되었는지 여부를 판단할 수 있다(S1550). 이때, 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하기 위한 사용자 명령은 복수의 문서 중 적어도 하나를 선택하여 제1 문서가 표시된 제1 영역 중 일 지점으로 드래그하 사용자 명령일 수 있다.The
전자 장치(100)는 요약 정보를 획득하도록 인공지능 학습모델에 선택된 문서를 입력하여 선택된 문서의 요약 정보를 획득할 수 있다(S1560). 이때, 인공지능 학습모델은 요약 정보를 획득하도록 학습된 모델로서, 문서에 대한 정보, 요약 설정 정보, 사용자 히스토리 정보 등을 바탕으로 요약 정보를 생성할 수 있다.The
전자 장치(100)는 요약 정보를 다른 문서에 삽입할 수 있다(S1570). 구체적으로, 전자 장치(100)는 요약 정보를 다른 문서 중 사용자 명령이 입력된 지점에 삽입할 수 있다. 이때, 전자 장치(100)는 요약 정보를 다른 텍스트와 구별하여 제공할 수 있으며, 요약 정보에 인용 정보를 함께 제공할 수 있다.The
도 16 내지 19는 본 개시의 다양한 실시예에 따른, 요약 모델을 이용하는 네트워크 시스템의 흐름도이다.Figures 16-19 are flow diagrams of a network system using a summary model, in accordance with various embodiments of the present disclosure.
도 16 내지 도 19에서, 문서 요약 모델을 이용하는 네트워크 시스템은 제1 구성 요소(1601,1701,1801,1901), 제2 구성 요소(1602,1702,1802,1902) 및 제3 구성 요소(1703) 중 적어도 두 개를 포함할 수 있다.16-19, a network system using the document summary model includes a
여기서, 제1 구성 요소(1601,1701,1801,1901)는 전자 장치(100)이고, 제2 구성 요소(1602,1702,1802,1902)는 텍스트 요약 모델이 저장된 서버가 될 수 있다. 또는, 제1 구성 요소(1601,1701,1801,1901)는 범용 프로세서이고, 제2 구성 요소(1602,1702,1802,1902)는 인공 지능 전용 프로세서가 될 수 있다. 또는, 제1 구성 요소(1601,1701,1801,1901)는 적어도 하나의 어플리케이션이 될 수 있고, 제2 구성 요소(1602,1702,1802,1902)는 운영 체제(operating system, OS)가 될 수 있다. 즉, 제2 구성 요소(1602,1702,1802,1902)는 제1 구성 요소(1601,1701,1801,1901)보다 더 집적화되거나, 전용화되거나, 딜레이(delay)가 작거나, 성능이 우세하거나 또는 많은 리소스를 가진 구성 요소로서 인공지능 학습모델의 생성, 갱신 또는 적용 시에 요구되는 많은 연산을 제1 구성 요소(1601,1701,1801,1901)보다 신속하고 효과적으로 처리 가능한 구성 요소가 될 수 있다.Here, the
이 경우, 제1 구성 요소(1601,1701,1801,1901) 및 제2 구성 요소(1602,1702,1802,1902) 간에 데이터를 송/수신하기 위한 인터페이스가 정의될 수 있다. In this case, an interface for transmitting / receiving data between the
예로, 인공지능 학습모델에 적용할 학습 데이터를 인자 값(또는, 매개 값 또는 전달 값)으로 갖는 API(application program interface)가 정의될 수 있다. API는 어느 하나의 프로토콜(예로, 전자 장치(100)에서 정의된 프로토콜)에서 다른 프로토콜(예로, 서버에서 정의된 프로토콜)의 어떤 처리를 위해 호출할 수 있는 서브 루틴 또는 함수의 집합으로 정의될 수 있다. 즉, API를 통하여 어느 하나의 프로토콜에서 다른 프로토콜의 동작이 수행될 수 있는 환경을 제공될 수 있다.For example, an application program interface (API) having an argument value (or an intermediate value or a transfer value) of learning data to be applied to the AI learning model may be defined. An API can be defined as a set of subroutines or functions that can be called for any processing of another protocol (e.g., a protocol defined in the server) in any one protocol (e.g., a protocol defined in the electronic device 100) have. That is, it is possible to provide an environment through which an operation of another protocol can be performed through any one of the protocols through the API.
한편, 제3 구성 요소(1703)는 제1 구성 요소(1701) 및 제2 구성 요소(1702) 중 적어도 하나에서 수신한 데이터에 기반하여 문서와 관련된 다른 문서를 수집하여 제공할 수 있다. 제3 구성 요소(1703)는 예로, 도 2c의 문서 수집 장치(300)에 대응될 수 있다. 이 때, 제3 구성 요소(1703)가 수신하는 데이터는, 예로, 사용자에 의해 선택된 문서에 대한 정보가 될 수 있다.On the other hand, the
일 실시예로, 도 16에서, 제1 구성 요소(1601)는 문서에 대한 요약 명령을 입력받을 수 있다(S1610). 이때, 문서에 대한 요약 명령은 문서에 포함된 요약 아이콘을 선택하는 명령, 검색된 복수의 문서 중 적어도 하나를 선택하는 명령 등일 수 있으나, 이에 한정되는 것은 아니다.In one embodiment, in FIG. 16, the
제1 구성 요소(1601)는 UI를 표시할 수 있다(S1620). 이때, UI는 요약 설정 정보를 생성하기 위한 UI로서, 요약 정보의 길이 또는 논조를 설정하기 위한 UI일 수 있다.The
제1 구성 요소(1601)는 요약 설정 정보, 사용자 히스토리 정보를 획득할 수 있다(S1630). 이때, 제1 구성 요소(1601)는 UI를 통해 입력된 사용자 명령에 ek라 요약 설정 정보를 획득할 수 있으며, 사용자 프로파일 정보 및 사용 이력 정보를 포함하는 사용자 히스토리 정보를 획득할 수 있다.The
제1 구성 요소(1601)는 제2 구성 요소(1602)로 문서에 대한 정보, 요약 설정 정보, 사용자 히스토리 정보를 전송할 수 있다(S1640). The
제2 구성 요소(1602)는 획득된 정보들을 바탕으로 문서 요약을 수행할 수 있다. 구체적으로, 제2 구성 요소(1602)는 획득된 문서에 대한 정보를 입력 데이터로 인공지능 학습모델에 적용하여 요약 정보를 생성할 수 있다. 이때, 제2 구성 요소(1602)는 획득된 요약 설정 정보 및 사용자 히스토리 정보를 바탕으로 요약 정보의 파라미터를 설정하여 요약 정보를 생성할 수 있다.The
제2 구성 요소(1602)는 요약 정보를 제1 구성 요소(1601)로 전송할 수 있다(S1660). The
제1 구성 요소(1601)는 생성된 요약 정보를 제공할 수 있다(S1670). 이때, 제1 구성 요소(1601)는 생성된 요약 정보를 별도의 화면으로 제공할 수 있으며, 현재 표시되는 문서 중 요약 정보에 대응되는 부분에 마커를 제공할 수 있다.The
다른 실시예로, 도 17에서는, 제1 구성 요소(1701)는 문서에 대한 요약 명령을 입력받고(S1710), UI를 표시할 수 있다(S1720). 그리고, 제1 구성 요소(1701)는 UI를 통해 요약 설정 정보를 획득하고, 사용자 히스토리 정보를 획득할 수 있다(S1730). 그리고, 제1 구성 요소(1701)는 제2 구성 요소(1702)로 문서에 대한 정보, 요약 설정 정보, 사용자 히스토리 정보를 전송할 수 있다(S1740). 도 17의 S1710 단계 내지 S1740 단계는 도 16의 S1610 단계 내지 S1640 단계에 대응되므로, 중복되는 설명은 생략한다.In another embodiment, in Fig. 17, the
제2 구성 요소(1702)는 제3 구성 요소(1703)로 문서와 관련된 다른 문서를 요청할 수 있다(S1750). 이때, 요청에는 문서에 대한 정보를 포함할 수 있다.The
제3 구성 요소(1703)는 문서에 대한 정보를 바탕으로 다른 문서를 검색할 수 있다(S1760). 이때, 다른 문서는 문서와 관련된 문서로서, 예로, 문서가 기사인 경우, 다른 문서는 관련 기사 또는 후속 기사이며, 문서가 논문인 경우, 다른 문서는 동일한 분야의 논문, 유사한 제목을 가지는 논문 등일 수 있다.The
제3 구성 요소(1703)는 문서와 관련된 다른 문서를 제2 구성 요소(1702)로 전송할 수 있다(S1770).The
제2 구성 요소(1702)는 문서에 대한 정보 및 문서와 관련된 다른 문서를 이용하여 문서를 요약할 수 있다(S1780). 구체적으로, 제2 구성 요소(1702)는 문서에 대한 정보 및 문서와 관련된 다른 문서를 입력 데이터로 학습된 인공지능 학습모델에 적용하여 요약 정보를 획득할 수 있다. 이때, 인공지능 학습모델은 문서 및 관련된 다른 문서에 공통적으로 포함된 단어(또는 문장, 구)를 바탕으로 요약 정보를 생성할 수 있다. 뿐만 아니라, 제2 구성 요소(1702)는 제1 구성 요소(1701)로부터 획득한 요약 설정 정보 및 사용자 히스토리 정보를 바탕으로 인공지능 학습모델의 파라미터를 설정하여 요약 정보를 생성할 수 있다.The
제2 구성 요소(1702)는 요약 정보를 제1 구성 요소(1701)로 전송할 수 있다(S1790). 제1 구성 요소(1701)는 생성된 요약 정보를 제공할 수 있다(S1795).The
다른 실시예로, 도 18에서는, 제1 구성 요소(1801)는 검색 요청을 입력받을 수 있다(S1810). 구체적으로, 제1 구성 요소(1801)는 사용자에 의해 입력된 검색어를 기반으로 복수의 문서를 검색하기 위한 검색 요청을 입력받을 수 있다. 이때, 검색어는 웹 브라우저의 검색창에 입력된 검색어일 수 있다.In another embodiment, in FIG. 18, the
제1 구성 요소(1801)는 검색어에 대한 정보를 제2 구성 요소(1802)로 전송할 수 있다(S1820).The
이때, 제2 구성 요소(1802)는 검색어를 바탕으로 복수의 문서를 검색할 수 있다(S1830). 제2 구성 요소(1802)는 검색된 복수의 문서를 제1 구성 요소(1801)로 전송할 수 있다(S1840).At this time, the
제1 구성 요소(1801)는 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하는 명령을 입력받을 수 있다(S1850). 제1 구성 요소(1801)는 요약 명령을 제2 구성 요소(1802)로 전송할 수 있다(S1860). 이때, 요약 명령에는 적어도 하나의 문서에 대한 정보와 검색어에 대한 정보가 포함될 수 있다. 또한, UI 통해 요약 설정 정보가 획득되거나 사용자 히스토리 정보가 획득된 경우, 제1 구성 요소(1801)는 요약 설정 정보 또는 사용자 히스토리 정보를 요청 명령과 함께 제2 구성 요소(1802)로 전송할 수 있다.The
제2 구성 요소(1802)는 인공지능 학습 모델을 이용하여 검색어와 관련된 요약 정보를 획득할 수 있다(S1870). 구체적으로, 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하는 사용자 명령이 수신되면, 제2 구성 요소(1802)는 요약 정보를 획득하도록 학습된 인공지능 학습모델에 복수의 문서 중 적어도 하나를 입력하여 검색어와 관련된, 적어도 하나의 문서에 대한 요약 정보를 획득할 수 있다.The
제2 구성 요소(1802)는 요약 정보를 제1 구성 요소(1801)로 전송할 수 있다(S1880).The
제1 구성 요소(1801)는 수신된 요약 정보를 제공할 수 있다(S1890).The
다른 실시예로, 도 19에서는, 제1 구성요소(1901)는 제1 문서를 표시할 수 있다(S1910). In another embodiment, in Fig. 19, the
제1 구성 요소(1901)는 사용자에 의해 검색어를 입력받을 수 있다(S1920). 이때, 제1 구성 요소(1901)는 검색어를 제2 구성 요소(1902)로 전송할 수 있다(S1930). The
제2 구성 요소(1902)는 검색어를 바탕으로 복수의 제2 문서를 검색할 수 있다(S1940) 제2 구성 요소(1902)는 검색된 복수의 제2 문서를 제1 구성 요소(1901)로 전송할 수 있다(S1950).The
제1 구성 요소(1901)는 복수의 제2 문서 중 적어도 일부를 제1 문서로 삽입하기 위한 삽입 명령을 입력받을 수 있다(S1960). 이때, 삽입 명령은 검색된 복수의 제2 문서 중 일부를 선택하여 제1 문서 중 사용자가 삽입하길 원하는 위치로 드래그하는 명령일 수 있다.The
제1 구성 요소(1901)는 적어도 하나의 제2 문서를 제2 구성 요소(1902)로 전송할 수 있다(S1970). 이때, 제1 구성 요소(1901)는 검색어를 함께 전송할 수 있다.The
제2 구성 요소(1902)는 인공지능 학습 모델을 이용하여 요약 정보를 획득할 수 있다(S1980). 구체적으로, 제2 구성 요소(1902)는 요약 정보를 획득하도록 학습된 인공지능 학습모델에 복수의 제2 문서 중 적어도 하나를 입력하여 검색어와 관련된 적어도 하나의 제2 문서에 대한 요약 정보를 획득할 수 있다.The
제2 구성 요소(1902)는 요약 정보를 제1 구성 요소(1901)로 전송할 수 있다(S1990). The
제1 구성 요소(1901)는 요약 정보를 제1 문서에 삽입할 수 있다(S1995).The
도 20은 본 개시의 일 실시예에 따른, 서버의 제어 방법을 설명하기 위한 흐름도이다.20 is a flowchart for explaining a control method of a server according to an embodiment of the present disclosure;
서버는 검색어에 대한 검색 요청을 수신할 수 있다(S2010). The server may receive a search request for a search term (S2010).
서버는 검색어를 바탕으로 복수의 문서를 검색하여 전자 장치(100)로 제공할 수 있다(S2020).The server may retrieve a plurality of documents based on the search terms and provide the retrieved documents to the electronic device 100 (S2020).
서버는 검색된 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하는 사용자 명령을 수신할 수 있다(S2030).The server may receive a user command requesting summary information of at least one of the retrieved documents (S2030).
서버는 요약 정보를 획득하도록 학습된 인공지능 학습모델에 복수의 문서 중 적어도 하나를 입력하여 검색어와 관련된, 적어도 하나의 문서에 대한 요약 정보를 획득할 수 있다(S2040).The server may input at least one of the plurality of documents to the learned AI model to acquire the summary information to acquire summary information about the at least one document related to the search term (S2040).
서버(200)는 획득된 요약 정보를 전자 장치(100)로 제공할 수 있다(S2050).The
도 21은 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.21 is a flowchart for explaining a control method of an electronic device according to an embodiment of the present disclosure;
전자 장치(100)는 제1 문서가 표시되는 동안 검색어를 입력받을 수 있다(S2110).The
전자 장치(100)는 검색어에 대한 검색 요청을 수신할 수 있다(S2120).The
전자 장치(100)는 검색어를 바탕으로 복수의 제2 문서를 검색하여 제공할 수 있다(S2130).The
전자 장치(100)는 복수의 제2 문서 중 적어도 하나에 대한 요약 정보를 제1 문서에 삽입하는 사용자 명령을 입력받을 수 있다(S2140).The
전자 장치(100)는 요약 정보를 획득하도록 학습된 인공지능 학습모델에 복수의 제2 문서 중 적어도 하나를 입력하여 검색어와 관련된 적어도 하나의 제2 문서에 대한 요약 정보를 획득할 수 있다(S2150).The
전자 장치(100)는 제1 문서 상에 획득된 요약 정보를 삽입할 수 있다.(S2160).The
본 개시에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.The term "module" as used herein includes units made up of hardware, software, or firmware and may be used interchangeably with terms such as, for example, logic, logic blocks, components, or circuits. A module may be an integrally constructed component or a minimum unit or part thereof that performs one or more functions. For example, the module may be configured as an application-specific integrated circuit (ASIC).
본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.Various embodiments of the present disclosure may be implemented in software, including instructions stored on machine-readable storage media readable by a machine (e.g., a computer) (E. G., Electronic device 100) in accordance with the disclosed embodiments, when the instructions are executed by a processor, such that the processor is capable of operating directly, Or other components under the control of the processor. The instructions may include code generated or executed by a compiler or an interpreter. , Non-transitory storage medium, where 'non-transient' means that the storage medium does not contain a signal, Only it means that the material (tangible) data is not case that the permanently or temporarily stored in the storage medium.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.According to a temporal example, the method according to various embodiments disclosed herein may be provided in a computer program product. A computer program product can be traded between a seller and a buyer as a product. A computer program product may be distributed in the form of a machine readable storage medium (eg, compact disc read only memory (CD-ROM)) or distributed online through an application store (eg PlayStore ™). In the case of on-line distribution, at least a portion of the computer program product may be temporarily stored, or temporarily created, on a storage medium such as a manufacturer's server, a server of an application store, or a memory of a relay server.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.Each of the components (e.g., modules or programs) according to various embodiments may be comprised of a single entity or a plurality of entities, and some of the subcomponents described above may be omitted, or other subcomponents May be further included in various embodiments. Alternatively or additionally, some components (e.g., modules or programs) may be integrated into a single entity to perform the same or similar functions performed by each respective component prior to integration. Operations performed by a module, program, or other component, in accordance with various embodiments, may be performed sequentially, in parallel, repetitively, or heuristically, or at least some operations may be performed in a different order, .
110: 디스플레이
120: 메모리
130: 사용자 입력부
140: 프로세서
150: 카메라
160: 통신부
170: 오디오 출력부110: display 120: memory
130: user input unit 140: processor
150: camera 160:
170: Audio output section
Claims (19)
검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 문서를 검색하여 전자 장치로 제공하는 단계;
상기 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하는 사용자 명령이 수신되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 문서에 대한 요약 정보를 획득하는 단계; 및
상기 획득된 요약 정보를 상기 전자 장치로 제공하는 단계;를 포함하는 방법.A method of controlling a server for providing summary information using an artificial intelligence learning model,
Retrieving a plurality of documents based on the search terms and providing them to an electronic device when a search request for the search term is received;
Wherein at least one of the plurality of documents is entered into an artificial intelligence learning model that is learned to obtain summary information when a user command for requesting summary information of at least one of the plurality of documents is received, Obtaining summary information on a document of the document; And
And providing the obtained summary information to the electronic device.
상기 요약정보를 획득하는 단계는,
상기 전자 장치에 표시된 UI에 입력된 사용자 명령에 따라 요약 정보의 요약 길이가 설정된 경우, 상기 설정된 요약 길이에 따라 상기 적어도 하나의 문서에 대한 요약정보를 획득하는 단계인 것을 특징으로 하는 방법.The method according to claim 1,
Wherein the step of obtaining the summary information comprises:
If the summary length of the summary information is set according to a user command input in the UI displayed on the electronic device, obtaining summary information on the at least one document according to the set summary length.
상기 요약정보를 획득하는 단계는,
사용자 히스토리 정보를 바탕으로 설정된 요약 길이에 따라 상기 적어도 하나의 문서에 대한 요약정보를 획득하는 단계인 것을 특징으로 하는 방법.The method according to claim 1,
Wherein the step of obtaining the summary information comprises:
And obtaining summary information on the at least one document according to the set summary length based on the user history information.
상기 인공지능 학습모델은,
적어도 두 개의 문서가 입력되면, 상기 적어도 두 개의 문서에 공통적으로 포함된 문장을 중심으로 상기 적어도 두 개의 문서를 요약하도록 학습된 것을 특징으로 하는 방법.The method according to claim 1,
In the artificial intelligence learning model,
Wherein if at least two documents are input, then the at least two documents are learned to be summarized around a sentence commonly included in the at least two documents.
상기 인공지능 학습모델은,
입력된 검색어를 기반으로 문서를 요약하도록 학습된 것을 특징으로 하는 방법.The method according to claim 1,
In the artificial intelligence learning model,
And the document is summarized based on the inputted search word.
상기 인공지능 학습모델은,
입력된 문서가 목차를 가지는 경우, 상기 입력된 문서에 포함된 목차를 고려하여 상기 입력된 문서를 요약하도록 학습된 것을 특징으로 하는 방법.The method according to claim 1,
In the artificial intelligence learning model,
Wherein when the input document has a table of contents, the input document is learned by summarizing the input document in consideration of a table of contents included in the input document.
상기 요약정보 중 적어도 하나의 단어를 선택하는 사용자 명령이 수신되면, 상기 복수의 문서 중 적어도 하나로부터 상기 선택된 적어도 하나의 단어에 대한 추가 정보를 획득하여 제공하는 단계;를 더 포함하는 방법.The method according to claim 1,
And when a user command for selecting at least one word of the summary information is received, obtaining and providing additional information for the selected at least one word from at least one of the plurality of documents.
상기 방법은
검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 문서를 검색하여 제공하는 단계;
상기 복수의 문서 중 적어도 하나에 대한 요약 정보를 요청하는 사용자 명령이 입력되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 문서에 대한 요약 정보를 획득하는 단계; 및
상기 획득된 요약 정보를 제공하는 단계;를 포함하는 기록매체.A computer-readable recording medium storing a program for executing a method for providing summary information using an artificial intelligence learning model,
The method
Retrieving and providing a plurality of documents based on the search term when a search request for the search term is received;
Inputting at least one of the plurality of documents to an artificial intelligence learning model that is learned to obtain summary information, when a user command for requesting summary information of at least one of the plurality of documents is input, Obtaining summary information on a document of the document; And
And providing the obtained summary information.
상기 방법은,
요약 정보의 요약 길이를 설정하기 위한 UI를 표시하는 단계를 더 포함하고,
상기 요약정보를 획득하는 단계는,
상기 UI에 입력된 사용자 명령에 따라 요약 정보의 요약 길이가 설정된 경우, 상기 설정된 요약 길이에 따라 상기 적어도 하나의 문서에 대한 요약정보를 획득하는 단계인 것을 특징으로 하는 기록매체.9. The method of claim 8,
The method comprises:
Further comprising the step of displaying a UI for setting a summary length of the summary information,
Wherein the step of obtaining the summary information comprises:
And acquiring summary information on the at least one document according to the set summary length when the summary length of the summary information is set according to a user command inputted to the UI.
상기 방법은,
사용자 히스토리 정보를 바탕으로 요약 정보의 요약 길이를 설정하는 단계;를 더 포함하고,
상기 요약정보를 획득하는 단계는,
상기 설정된 요약 길이에 따라 상기 적어도 하나의 문서에 대한 요약정보를 획득하는 단계인 것을 특징으로 하는 기록매체.9. The method of claim 8,
The method comprises:
Setting a summary length of the summary information based on the user history information,
Wherein the step of obtaining the summary information comprises:
And obtaining summary information on the at least one document according to the set summary length.
상기 검색어는,
디스플레이 화면의 제1 영역에 다른 문서가 제공되는 동안 상기 디스플레이 화면의 제2 영역에 제공된 검색창을 통해 입력받으며,
상기 제공하는 단계는,
상기 제1 영역에 상기 다른 문서가 제공되는 동안 제3 영역에 상기 검색된 복수의 문서를 제공하는 것을 특징으로 하는 기록매체.9. The method of claim 8,
The search term includes:
A first area of the display screen receives input through a search window provided in a second area of the display screen while another document is provided,
Wherein the providing step comprises:
And provides the retrieved plurality of documents in a third area while the other document is provided in the first area.
상기 요약 정보와 함께 상기 적어도 하나의 문서에 대한 인용 정보가 상기 다른 문서에 삽입되는 것을 특징으로 하는 기록매체.12. The method of claim 11,
And the citation information for the at least one document is inserted into the another document together with the summary information.
상기 인공지능 학습모델은,
적어도 두 개의 문서가 입력되면, 상기 적어도 두 개의 문서에 공통적으로 포함된 문장을 중심으로 상기 적어도 두 개의 문서를 요약하도록 학습된 것을 특징으로 하는 기록매체.9. The method of claim 8,
In the artificial intelligence learning model,
And when at least two documents are input, the at least two documents are learned to be summarized around a sentence commonly included in the at least two documents.
상기 인공지능 학습모델은,
입력된 검색어를 기반으로 문서를 요약하도록 학습된 것을 특징으로 하는 기록매체.9. The method of claim 8,
In the artificial intelligence learning model,
And the document is learned to be summarized based on the inputted search word.
상기 인공지능 학습모델은,
입력된 문서가 목차를 가지는 경우, 상기 입력된 문서에 포함된 목차를 고려하여 상기 입력된 문서를 요약하도록 학습된 것을 특징으로 하는 기록매체.9. The method of claim 8,
In the artificial intelligence learning model,
Wherein when the input document has a table of contents, the input document is learned by summarizing the input document in consideration of a table of contents included in the input document.
상기 방법은,
상기 요약정보 중 적어도 하나의 단어가 선택되면, 상기 복수의 문서 중 적어도 하나로부터 상기 선택된 적어도 하나의 단어에 대한 추가 정보를 획득하여 제공하는 단계;를 더 포함하는 기록매체.9. The method of claim 8,
The method comprises:
If at least one word of the summary information is selected, acquiring and providing additional information about the selected at least one word from at least one of the plurality of documents.
상기 요약정보를 제공하는 단계는,
상기 요약정보를 상기 복수의 문서 중 적어도 하나 상에 다른 정보와 구별되도록 제공하는 것을 특징으로 하는 기록매체.9. The method of claim 8,
Wherein providing the summary information comprises:
And provides the summary information to be distinguished from other information on at least one of the plurality of documents.
제1 문서가 표시되는 동안 검색어를 입력받는 단계;
상기 검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 제2 문서를 검색하여 제공하는 단계;
상기 복수의 제2 문서 중 적어도 하나에 대한 요약 정보를 상기 제1 문서에 삽입하는 사용자 명령이 입력되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 제2 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 제2 문서에 대한 요약 정보를 획득하는 단계; 및
상기 제1 문서 상에 상기 획득된 요약 정보를 삽입하는 단계;를 포함하는 방법.A method for providing summary information using an artificial intelligence learning model,
Receiving a search word while a first document is displayed;
Retrieving and providing a plurality of second documents based on the search word when a search request for the search term is received;
Inputting at least one of the plurality of second documents to an artificial intelligence learning model that is learned to acquire summary information when a user command to insert summary information on at least one of the plurality of second documents into the first document is input Obtaining summary information for the at least one second document associated with the search term; And
And inserting the obtained summary information on the first document.
상기 방법은,
제1 문서가 표시되는 동안 검색어를 입력하기 위한 사용자 명령이 수신되면, 상기 제1 문서와 함께 상기 검색어를 표시하는 단계;
상기 검색어에 대한 검색 요청이 수신되면, 상기 검색어를 바탕으로 복수의 제2 문서를 검색하여 제공하는 단계;
상기 복수의 제2 문서 중 적어도 하나에 대한 요약 정보를 상기 제1 문서에 삽입하는 사용자 명령이 입력되면, 요약 정보를 획득하도록 학습된 인공지능 학습모델에 상기 복수의 제2 문서 중 적어도 하나를 입력하여 상기 검색어와 관련된, 상기 적어도 하나의 제2 문서에 대한 요약 정보를 획득하는 단계; 및
상기 제1 문서 상에 상기 획득된 요약 정보를 삽입하는 단계;를 포함하는 기록매체.A computer-readable recording medium storing a program for executing a method for providing summary information using an artificial intelligence learning model,
The method comprises:
Displaying a search term with the first document when a user command for inputting the search term is received while the first document is being displayed;
Retrieving and providing a plurality of second documents based on the search word when a search request for the search term is received;
Inputting at least one of the plurality of second documents to an artificial intelligence learning model that is learned to acquire summary information when a user command to insert summary information on at least one of the plurality of second documents into the first document is input Obtaining summary information for the at least one second document associated with the search term; And
And inserting the obtained summary information on the first document.
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/KR2018/008759 WO2019027259A1 (en) | 2017-08-01 | 2018-08-01 | Apparatus and method for providing summarized information using an artificial intelligence model |
CN201880035705.3A CN110692061A (en) | 2017-08-01 | 2018-08-01 | Apparatus and method for providing summary information using artificial intelligence model |
EP18840709.2A EP3602334A4 (en) | 2017-08-01 | 2018-08-01 | Apparatus and method for providing summarized information using an artificial intelligence model |
US16/052,144 US10699062B2 (en) | 2017-08-01 | 2018-08-01 | Apparatus and method for providing summarized information using an artificial intelligence model |
US16/909,574 US11017156B2 (en) | 2017-08-01 | 2020-06-23 | Apparatus and method for providing summarized information using an artificial intelligence model |
US17/327,036 US11574116B2 (en) | 2017-08-01 | 2021-05-21 | Apparatus and method for providing summarized information using an artificial intelligence model |
KR1020230072462A KR102644088B1 (en) | 2017-08-01 | 2023-06-05 | Apparatus and Method for providing a summarized information using a artificial intelligence model |
KR1020240029746A KR20240032796A (en) | 2017-08-01 | 2024-02-29 | Apparatus and Method for providing a summarized information using a artificial intelligence model |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762539686P | 2017-08-01 | 2017-08-01 | |
US62/539,686 | 2017-08-01 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230072462A Division KR102644088B1 (en) | 2017-08-01 | 2023-06-05 | Apparatus and Method for providing a summarized information using a artificial intelligence model |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190013426A true KR20190013426A (en) | 2019-02-11 |
KR102542049B1 KR102542049B1 (en) | 2023-06-12 |
Family
ID=65370158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180007169A KR102542049B1 (en) | 2017-08-01 | 2018-01-19 | Apparatus and Method for providing a summarized information using a artificial intelligence model |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3602334A4 (en) |
KR (1) | KR102542049B1 (en) |
CN (1) | CN110692061A (en) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210146834A (en) * | 2020-05-27 | 2021-12-06 | 정치훈 | Apparatus and method for providing user interface for searching document using topic keyword |
KR20210146833A (en) * | 2020-05-27 | 2021-12-06 | 정치훈 | Apparatus and method for providing summary of document based on genetic algorithm |
KR20210146832A (en) * | 2020-05-27 | 2021-12-06 | 정치훈 | Apparatus and method for extracting of topic keyword |
KR102343059B1 (en) * | 2021-08-05 | 2021-12-27 | 주식회사 인피닉 | Data collecting system for artificial intelligence machine learning, and device therefor |
KR102378936B1 (en) * | 2020-09-22 | 2022-03-28 | 심재우 | System for managing reading and learning of digital documents |
KR102400767B1 (en) * | 2022-02-08 | 2022-05-23 | (주)에스투더블유 | Method for collecting and preprocessing learning data of an artificial intelligence model to perform dark web document classification |
KR20220071576A (en) * | 2020-11-24 | 2022-05-31 | 울산과학기술원 | Method and apparatus for generating thumbnail images |
KR20220168062A (en) * | 2021-06-15 | 2022-12-22 | 주식회사 웨이커 | Article writing soulution using artificial intelligence and device using the same |
KR102559891B1 (en) * | 2022-04-06 | 2023-07-27 | 주식회사 유니코드 | Apparatus, method and program for providing content creation integrated platform service that provides a recommended design determined using user content |
KR102574619B1 (en) * | 2023-02-03 | 2023-09-06 | 김용로 | Advertizing system of journal channel using transforming of reasearch paper to moving picture |
KR102596191B1 (en) * | 2022-10-17 | 2023-10-31 | 주식회사 아티피셜 소사이어티 | Method for processing visualization of text based on artificial intelligence |
WO2024085715A1 (en) * | 2022-10-20 | 2024-04-25 | 주식회사 아이팩토리 | Document creation device, method, computer program, computer-readable recording medium, server and system, which have function of automatically generating text by using natural language generation mode |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111216637B (en) * | 2020-01-22 | 2022-09-20 | 同济大学 | Vehicle-mounted head-up display system oriented to safety auxiliary function |
US11449518B2 (en) | 2020-04-08 | 2022-09-20 | Capital One Services, Llc | Neural network-based document searching system |
KR102548600B1 (en) * | 2021-08-30 | 2023-06-27 | 계명대학교 산학협력단 | Development of AI Based Surgery Result Report System and Method Using Voice Recognition Platform |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060101012A1 (en) * | 2004-11-11 | 2006-05-11 | Chad Carson | Search system presenting active abstracts including linked terms |
US20100228693A1 (en) * | 2009-03-06 | 2010-09-09 | phiScape AG | Method and system for generating a document representation |
KR20160058587A (en) * | 2014-11-17 | 2016-05-25 | 삼성전자주식회사 | Display apparatus and method for summarizing of document |
KR20170004154A (en) * | 2015-07-01 | 2017-01-11 | 네이버 주식회사 | Method and system for automatically summarizing documents to images and providing the image-based contents |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110099134A1 (en) * | 2009-10-28 | 2011-04-28 | Sanika Shirwadkar | Method and System for Agent Based Summarization |
US9535960B2 (en) * | 2014-04-14 | 2017-01-03 | Microsoft Corporation | Context-sensitive search using a deep learning model |
-
2018
- 2018-01-19 KR KR1020180007169A patent/KR102542049B1/en active IP Right Grant
- 2018-08-01 EP EP18840709.2A patent/EP3602334A4/en not_active Withdrawn
- 2018-08-01 CN CN201880035705.3A patent/CN110692061A/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060101012A1 (en) * | 2004-11-11 | 2006-05-11 | Chad Carson | Search system presenting active abstracts including linked terms |
US20100228693A1 (en) * | 2009-03-06 | 2010-09-09 | phiScape AG | Method and system for generating a document representation |
KR20160058587A (en) * | 2014-11-17 | 2016-05-25 | 삼성전자주식회사 | Display apparatus and method for summarizing of document |
KR20170004154A (en) * | 2015-07-01 | 2017-01-11 | 네이버 주식회사 | Method and system for automatically summarizing documents to images and providing the image-based contents |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210146833A (en) * | 2020-05-27 | 2021-12-06 | 정치훈 | Apparatus and method for providing summary of document based on genetic algorithm |
KR20210146832A (en) * | 2020-05-27 | 2021-12-06 | 정치훈 | Apparatus and method for extracting of topic keyword |
KR20210146834A (en) * | 2020-05-27 | 2021-12-06 | 정치훈 | Apparatus and method for providing user interface for searching document using topic keyword |
KR102378936B1 (en) * | 2020-09-22 | 2022-03-28 | 심재우 | System for managing reading and learning of digital documents |
KR20220071576A (en) * | 2020-11-24 | 2022-05-31 | 울산과학기술원 | Method and apparatus for generating thumbnail images |
KR20220168062A (en) * | 2021-06-15 | 2022-12-22 | 주식회사 웨이커 | Article writing soulution using artificial intelligence and device using the same |
KR102343059B1 (en) * | 2021-08-05 | 2021-12-27 | 주식회사 인피닉 | Data collecting system for artificial intelligence machine learning, and device therefor |
KR102400767B1 (en) * | 2022-02-08 | 2022-05-23 | (주)에스투더블유 | Method for collecting and preprocessing learning data of an artificial intelligence model to perform dark web document classification |
US11836192B2 (en) | 2022-02-08 | 2023-12-05 | S2W Inc. | Method of collecting and preprocessing learning data of artificial intelligence model to perform dark web document classification |
KR102559891B1 (en) * | 2022-04-06 | 2023-07-27 | 주식회사 유니코드 | Apparatus, method and program for providing content creation integrated platform service that provides a recommended design determined using user content |
KR102596191B1 (en) * | 2022-10-17 | 2023-10-31 | 주식회사 아티피셜 소사이어티 | Method for processing visualization of text based on artificial intelligence |
WO2024085715A1 (en) * | 2022-10-20 | 2024-04-25 | 주식회사 아이팩토리 | Document creation device, method, computer program, computer-readable recording medium, server and system, which have function of automatically generating text by using natural language generation mode |
KR102574619B1 (en) * | 2023-02-03 | 2023-09-06 | 김용로 | Advertizing system of journal channel using transforming of reasearch paper to moving picture |
Also Published As
Publication number | Publication date |
---|---|
EP3602334A1 (en) | 2020-02-05 |
CN110692061A (en) | 2020-01-14 |
EP3602334A4 (en) | 2020-03-11 |
KR102542049B1 (en) | 2023-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102644088B1 (en) | Apparatus and Method for providing a summarized information using a artificial intelligence model | |
KR102542049B1 (en) | Apparatus and Method for providing a summarized information using a artificial intelligence model | |
Zhao et al. | A machine learning-based sentiment analysis of online product reviews with a novel term weighting and feature selection approach | |
CN111226193B (en) | Electronic device and method for changing chat robot | |
Ni et al. | Perceive your users in depth: Learning universal user representations from multiple e-commerce tasks | |
KR20190047214A (en) | Electronic device and method for controlling the electronic device thereof | |
US11288333B2 (en) | Method and system for estimating user-item interaction data based on stored interaction data by using multiple models | |
EP3557441A1 (en) | Electronic device and method for controlling the electronic device thereof | |
KR20200046185A (en) | Electronic device and Method for controlling the electronic device thereof | |
KR102469717B1 (en) | Electronic device and method for controlling the electronic device thereof | |
US11115359B2 (en) | Method and apparatus for importance filtering a plurality of messages | |
US10902209B2 (en) | Method for content search and electronic device therefor | |
KR20150086441A (en) | Connecting people based on content and relational distance | |
CN112989208B (en) | Information recommendation method and device, electronic equipment and storage medium | |
Bohnert et al. | Personalised viewing-time prediction in museums | |
EP3523932B1 (en) | Method and apparatus for filtering a plurality of messages | |
KR102629772B1 (en) | Electronic apparatus and Method for summarizing a content thereof | |
CN111902812A (en) | Electronic device and control method thereof | |
EP3304343A1 (en) | Systems and methods for providing a comment-centered news reader | |
Wei et al. | Feature-level sentiment analysis based on rules and fine-grained domain ontology | |
KR102254827B1 (en) | Recommendation service using pattern mining based on deep learning | |
Rani et al. | A Study on Diverse Methods and Performance Measures in Sentiment Analysis | |
EP3836069A1 (en) | Electronic device and control method therefor | |
KR102378565B1 (en) | Method and system for controlling user access through content analysis of application | |
CN117743673A (en) | Resource recall method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A107 | Divisional application of patent | ||
GRNT | Written decision to grant |