KR20190030435A - 자연어 처리를 이용한 지정상품 추천 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 - Google Patents
자연어 처리를 이용한 지정상품 추천 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR20190030435A KR20190030435A KR1020170117878A KR20170117878A KR20190030435A KR 20190030435 A KR20190030435 A KR 20190030435A KR 1020170117878 A KR1020170117878 A KR 1020170117878A KR 20170117878 A KR20170117878 A KR 20170117878A KR 20190030435 A KR20190030435 A KR 20190030435A
- Authority
- KR
- South Korea
- Prior art keywords
- designated product
- product name
- designated
- vectorized
- list
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003058 natural language processing Methods 0.000 title claims abstract description 24
- 238000004590 computer program Methods 0.000 title claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- G06F17/27—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 자연어 처리를 이용한 지정상품 추천 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 방법은 규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하는 단계; 사용자가 입력한 지정상품 명칭을 수신하는 단계; 상기 수신된 지정상품 명칭을 벡터화하는 단계; 상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계; 및 상기 결정된 규정된 지정상품 명칭을 제공하는 단계를 포함한다.
Description
본 발명은 지정상품 추천 방법에 관한 것으로, 보다 구체적으로 자연어 처리를 이용하여 지정상품을 추천하는 방법에 관한 것이다.
기계학습의 여러 분야 중에서도 자연어 처리는 가장 흥미진진하고 응용 가능성이 넓은 분야이다. 하지만 이 분야의 연구 진행은 토론토 대학의 교수이자 구글에서 인공지능을 연구하고 있는 인공지능 분야의 거장인 Geoff Hinton이 reddit에서 진행된 질의답변 이벤트에서 지적한 바와 같이 반세기 가까이 벨 연구에서 진행된 연구들의 재탕에 지나지 않는 답보 상태에 있는 실정이였다.
여기에 주목할만한 한가지 흐름이 나타났다. Word2Vec는 구글의 연구원인 Tomas Mikolov와 Kai Chen, Greg Corrado, Jeffrey Dean에 의해 쓰여진 논문인 "Efficient Estimation of Word Representations in Vector Space(백터공간상에서 단어 의미의 효율적인 추정)"에서 제안된 방법을 구현한 알고리즘으로 기존의 알고리즘에 비해 자연어 처리 분야에서 비약적인 정밀도 향상을 가능하게 하였다.
Word2Vedc는 단어의 의미를 벡터형태로 표현하는 계량기법으로, 각 단어를 200차원 정도의 공간에서 벡터로 표현하고 있다. 단어에 대한 벡터 표현 생성 연구는 이전에도 있었지만, 그들과의 차이는 그 벡터가 단순한 수학적 존재 이상의 복잡한 개념 표현을 넘어 추론까지도 손쉽게 구현이 가능하다는 점이다.
Word2Vec는 원래 인공 신경망 연구에서 태어났으며 같은 맥락을 지닌 단어는 가까운 의미를 지니고 있다는 전제에서 출발한다. Word2Vec는 텍스트 문서를 통해 학습을 진행하며 한 단어에 대해 근처(전후 5-10단어 정도)에 출현하는 다른 단어들을 관련 단어로서 인공 신경망에 학습시킨다. 연관된 의미의 단어들은 문서상에서 가까운 곳에 출현할 가능성이 높기 때문에 학습을 반복해 나가는 과정에서 두 단어는 점차 가까운 벡터를 지니게 되는 것이다.
Word2Vec의 덕분에 자연어 기계학습 분야가 개발자들 사이에서 빠른 속도로 일반화 되어가고 있으며 연구자들로부터도 막대한 논문들과 관련 오픈소스 라이브러리들이 쏟아져 나오고 있다. 또한, 이러한 연구 결과를 바탕으로 실제 제품 및 서비스에 적용하기 위한 시도가 활발해지고 있다.
본 발명은 자연어 처리를 이용한 지정상품을 추천하는 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램을 제공하기 위함이다.
본 개시 내용의 예시적인 일 실시예에 따라, 규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하는 단계; 사용자가 입력한 지정상품 명칭을 수신하는 단계; 상기 수신된 지정상품 명칭을 벡터화하는 단계; 상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계; 및 상기 결정된 규정된 지정상품 명칭을 제공하는 단계를 포함하는, 자연어 처리를 이용한 지정상품 추천 방법을 제공할 수 있다.
본 개시 내용의 예시적인 다른 실시예에 따라, 컴퓨팅 디바이스의 하나 이상의 프로세서에 의해 실행되는 복수의 명령들을 포함하는, 컴퓨터 판독가능 저장 매체(computer readable storage medium)에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은, 규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하는 단계; 사용자가 입력한 지정상품 명칭을 수신하는 단계; 상기 수신된 지정상품 명칭을 벡터화하는 단계; 상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계; 및 상기 결정된 규정된 지정상품 명칭을 제공하는 단계를 포함하는, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램을 제공할 수 있다.
본 개시 내용의 예시적인 또 다른 실시예에 따라, 자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치로서, 하나 이상의 프로세서; 및 상기 하나 이상의 프로세서에서 실행가능한 명령들을 저장하는 메모리; 를 포함하며, 상기 하나 이상의 프로세서는: 규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하고, 사용자가 입력한 지정상품 명칭을 수신하고, 상기 수신된 지정상품 명칭을 벡터화하고, 상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하며, 그리고 상기 결정된 규정된 지정상품 명칭을 제공하는 자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치를 제공할 수 있다.
본 개시는 자연어 처리를 이용한 지정상품을 추천하는 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램을 제공할 수 있다.
상기 언급된 본 개시내용의 특징들이 상세하게, 보다 구체화된 설명으로, 이하의 실시예들을 참조하여 이해될 수 있도록, 실시예들 중 일부는 첨부되는 도면에서 도시된다. 또한, 도면과의 유사한 참조번호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭하는 것으로 의도된다. 그러나, 첨부된 도면들은 단지 본 개시내용의 특정한 전형적인 실시예들만을 도시하는 것일 뿐, 본 발명의 범위를 한정하는 것으로 고려되지는 않으며, 동일한 효과를 갖는 다른 실시예들이 충분히 인식될 수 있다는 점을 유의하도록 한다.
도 1은 본 발명의 일 실시예에 따른 자연어 처리를 이용한 지정상품 추천 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치의 블록 구성도(block diagram)이다.
도 1은 본 발명의 일 실시예에 따른 자연어 처리를 이용한 지정상품 추천 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치의 블록 구성도(block diagram)이다.
다양한 실시예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나 이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.
또한, 다양한 양상들 및 특징들이 다수의 디바이스들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있는 시스템에 의하여 제시될 것이다. 다양한 시스템들이, 추가적인 장치들, 컴포넌트들 및/또는 모듈들 등을 포함할 수 있다는 점 그리고/또는 도면들과 관련하여 논의된 장치들, 컴포넌트들, 모듈들 등 전부를 포함하지 않을 수도 있다는 점 또한 이해되고 인식되어야 한다.
본 명세서에서 사용되는 "실시예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다. 아래에서 사용되는 용어들 '컴포넌트', '모듈', '시스템', '인터페이스' 등은 일반적으로 컴퓨터 관련 엔티티(computer-related entity)를 의미하며, 예를 들어, 하드웨어, 하드웨어와 소프트웨어의 조합, 및 소프트웨어를 의미할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다. 또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 자연어 처리를 이용한 지정상품 추천 방법을 설명하기 위한 도면이다.
본 발명의 일 실시예에서, 자연어 처리를 이용한 지정상품 추천 방법은 규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하는 단계; 상기 수신된 지정상품 명칭을 벡터화하는 단계; 상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계; 및 상기 결정된 규정된 지정상품 명칭을 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에서, 상기 결정하는 단계는 상기 벡터화된 지정상품 명칭과 상기 벡터화된 지정상품 명칭들의 리스트 간의 벡터 거리에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계를 포함할 수 있다.
본 발명의 일 실시예에서, 상기 리스트를 생성하는 단계는 상기 규정된 지정상품 명칭들의 리스트에 포함된 규정된 지정상품 명칭들 각각을 구성하는 단어들을 벡터화 하는 단계; 및 상기 벡터화된 단어들을 딥러닝 뉴럴 네트워크에 학습시키는 단계를 포함할 수 있다.
본 발명의 일 실시예에서, 자연어 처리를 이용한 지정상품 추천 방법은 상기 결정된 규정된 지정상품 명칭을 제공하는 단계 이후에, 상기 제공된 결과에 대한 사용자의 피드백을 수신하는 단계; 및 상기 피드백을 상기 딥러닝 뉴럴 네트워크에 학습시키는 단계를 포함할 수 있다.
본 발명의 일 실시예에서, 상기 피드백은 상기 사용자의 네거티브 반응, 상기 사용자가 입력한 지정상품 명칭을 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치의 블록 구성도(block diagram)이다.
도 2는 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
본 발명이 일반적으로 하나 이상의 서버 내의 컴퓨터 또는 프로세서 상에서 실행될 수 있는 특징들과 관련하여 전술되었지만, 당업자라면 본 발명이 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로서 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 발명의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 발명의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다.
컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 송수신(통신) 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
도 2에서는 본 발명의 자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치(602)를 포함하는 본 발명의 여러가지 측면들을 구현하는 예시적인 환경이 나타내어져 있으며, 컴퓨팅 장치(602)는 처리 장치(604), 시스템 메모리(606) 및 시스템 버스(608)를 포함한다. 시스템 버스(608)는 시스템 메모리(606)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(604)에 연결시킨다. 처리 장치(604)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(604)로서 이용될 수 있다.
시스템 버스(608)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(606)는 판독 전용 메모리(ROM)(610) 및 랜덤 액세스 메모리(RAM)(612)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(610)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨팅 장치(602) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(612)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨팅 장치(602)는 또한 내장형 하드 디스크 드라이브(HDD)(614)(예를 들어, EIDE, SATA)이 내장형 하드 디스크 드라이브(614)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음), 자기 플로피 디스크 드라이브(FDD)(616)(예를 들어, 이동식 디스켓(618)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(620)(예를 들어, CD-ROM 디스크(622)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(614), 자기 디스크 드라이브(616) 및 광 디스크 드라이브(620)는 각각 하드 디스크 드라이브 인터페이스(624), 자기 디스크 드라이브 인터페이스(626) 및 광 드라이브 인터페이스(628)에 의해 시스템 버스(608)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(624)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독 가능 저장 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨팅 장치(602)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독 가능 저장 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독 가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 발명의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(630), 하나 이상의 애플리케이션 프로그램(632), 기타 프로그램 모듈(634) 및 프로그램 데이터(636)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(612)에 저장될 수 있다. 여기서 프로그램 모듈(634)은 허브 모듈(2000)을 포함할 수 있다. 또한, 프로그램 모듈(634)은 DBMS 모듈(3000)을 포함할 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(612)에 캐싱될 수 있다. 본 발명이 여러가지 상업적으로 이용 가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(638) 및 마우스(640) 등의 포인팅 장치를 통해 컴퓨팅 장치(602)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(608)에 연결되어 있는 입력 장치 인터페이스(642)를 통해 처리 장치(604)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(644) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(646) 등의 인터페이스를 통해 시스템 버스(608)에 연결된다. 모니터(644)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨팅 장치(602)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(648) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(648)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨팅 장치(602)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(650)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(652) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(654)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨팅 장치(602)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(656)를 통해 로컬 네트워크(652)에 연결된다. 어댑터(656)는 LAN(652)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(652)은 또한 무선 어댑터(656)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨팅 장치(602)는 모뎀(658)을 포함할 수 있거나, WAN(654) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(654)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(658)은 직렬 포트 인터페이스(642)를 통해 시스템 버스(608)에 연결된다. 네트워크화된 환경에서, 컴퓨팅 장치(602)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(650)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨팅 장치(602)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출 가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.6(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 6Mbps(802.6a) 또는 54 Mbps(802.6b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 발명의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 발명의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 발명의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독 가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독 가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 용어 "기계-판독 가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유할 수 있는 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 발명의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (11)
- 규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하는 단계;
사용자가 입력한 지정상품 명칭을 수신하는 단계;
상기 수신된 지정상품 명칭을 벡터화하는 단계;
상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계; 및
상기 결정된 규정된 지정상품 명칭을 제공하는 단계를 포함하는,
자연어 처리를 이용한 지정상품 추천 방법. - 제 1 항에 있어서,
상기 결정하는 단계는,
상기 벡터화된 지정상품 명칭과 상기 벡터화된 지정상품 명칭들의 리스트 간의 벡터 거리에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계를 포함하는,
자연어 처리를 이용한 지정상품 추천 방법. - 제 1 항에 있어서,
상기 리스트를 생성하는 단계는,
상기 규정된 지정상품 명칭들의 리스트에 포함된 규정된 지정상품 명칭들 각각을 구성하는 단어들을 벡터화 하는 단계; 및
상기 벡터화된 단어들을 딥러닝 뉴럴 네트워크에 학습시키는 단계를 포함하는,
자연어 처리를 이용한 지정상품 추천 방법. - 제 3 항에 있어서,
상기 결정된 규정된 지정상품 명칭을 제공하는 단계 이후에,
상기 제공된 결과에 대한 사용자의 피드백을 수신하는 단계; 및
상기 피드백을 상기 딥러닝 뉴럴 네트워크에 학습시키는 단계를 포함하는,
자연어 처리를 이용한 지정상품 추천 방법. - 제 4 항에 있어서,
상기 피드백은,
상기 사용자의 네거티브 반응, 상기 사용자가 입력한 지정상품 명칭을 포함하는,
자연어 처리를 이용한 지정상품 추천 방법. - 컴퓨팅 디바이스의 하나 이상의 프로세서에 의해 실행되는 복수의 명령들을 포함하는, 컴퓨터 판독가능 저장 매체(computer readable storage medium)에 저장된 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램은,
규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하는 단계;
사용자가 입력한 지정상품 명칭을 수신하는 단계;
상기 수신된 지정상품 명칭을 벡터화하는 단계;
상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계; 및
상기 결정된 규정된 지정상품 명칭을 제공하는 단계를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램. - 제 6 항에 있어서,
상기 결정하는 단계는,
상기 벡터화된 지정상품 명칭과 상기 벡터화된 지정상품 명칭들의 리스트 간의 벡터 거리에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하는 단계를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램. - 제 6 항에 있어서,
상기 리스트를 생성하는 단계는,
상기 규정된 지정상품 명칭들의 리스트에 포함된 규정된 지정상품 명칭들 각각을 구성하는 단어들을 벡터화 하는 단계; 및
상기 벡터화된 단어들을 딥러닝 뉴럴 네트워크에 학습시키는 단계를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램. - 제 8 항에 있어서,
상기 결정된 규정된 지정상품 명칭을 제공하는 단계 이후에,
상기 제공된 결과에 대한 사용자의 피드백을 수신하는 단계; 및
상기 피드백을 상기 딥러닝 뉴럴 네트워크에 학습시키는 단계를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램. - 제 9 항에 있어서,
상기 피드백은,
상기 사용자의 네거티브 반응, 상기 사용자가 입력한 지정상품 명칭을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치로서,
하나 이상의 프로세서; 및
상기 하나 이상의 프로세서에서 실행가능한 명령들을 저장하는 메모리;
를 포함하며,
상기 하나 이상의 프로세서는:
규정된 지정상품 명칭들의 리스트를 벡터화하여 벡터화된 지정상품 명칭들의 리스트를 생성하고,
사용자가 입력한 지정상품 명칭을 수신하고,
상기 수신된 지정상품 명칭을 벡터화하고,
상기 벡터화된 지정상품 명칭에 기초하여, 수신된 지정상품 명칭과 가장 유사한 규정된 지정상품 명칭을 결정하며, 그리고
상기 결정된 규정된 지정상품 명칭을 제공하는,
자연어 처리를 이용한 지정상품 추천 방법을 구현하기 위한 컴퓨팅 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170117878A KR20190030435A (ko) | 2017-09-14 | 2017-09-14 | 자연어 처리를 이용한 지정상품 추천 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170117878A KR20190030435A (ko) | 2017-09-14 | 2017-09-14 | 자연어 처리를 이용한 지정상품 추천 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190030435A true KR20190030435A (ko) | 2019-03-22 |
Family
ID=65949567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170117878A KR20190030435A (ko) | 2017-09-14 | 2017-09-14 | 자연어 처리를 이용한 지정상품 추천 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20190030435A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021171080A1 (en) * | 2020-02-24 | 2021-09-02 | Coupang Corp. | Computerized systems and methods for detecting product title inaccuracies |
| WO2021230469A1 (ko) * | 2020-05-13 | 2021-11-18 | 주식회사 세진마인드 | 아이템 추천 방법 |
| KR20220081398A (ko) * | 2020-12-08 | 2022-06-16 | (주)플래티어 | 검색어 추천 장치, 방법 및 기록매체 |
-
2017
- 2017-09-14 KR KR1020170117878A patent/KR20190030435A/ko not_active Application Discontinuation
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021171080A1 (en) * | 2020-02-24 | 2021-09-02 | Coupang Corp. | Computerized systems and methods for detecting product title inaccuracies |
| US11568425B2 (en) | 2020-02-24 | 2023-01-31 | Coupang Corp. | Computerized systems and methods for detecting product title inaccuracies |
| WO2021230469A1 (ko) * | 2020-05-13 | 2021-11-18 | 주식회사 세진마인드 | 아이템 추천 방법 |
| KR20220081398A (ko) * | 2020-12-08 | 2022-06-16 | (주)플래티어 | 검색어 추천 장치, 방법 및 기록매체 |
| KR20230117716A (ko) * | 2020-12-08 | 2023-08-09 | (주)플래티어 | 검색어 추천 장치, 방법 및 기록매체 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220188700A1 (en) | Distributed machine learning hyperparameter optimization | |
| US11886507B2 (en) | Multi-tenant knowledge graph databases with dynamic specification and enforcement of ontological data models | |
| CN113221183B (zh) | 实现隐私保护的多方协同更新模型的方法、装置及系统 | |
| CN111723298B (zh) | 基于改进标签传播的社交网络社团发现方法、装置及介质 | |
| US9462015B2 (en) | Distributed association engine | |
| Yu et al. | A node deployment algorithm based on van der Waals force in wireless sensor networks | |
| US20100083194A1 (en) | System and method for finding connected components in a large-scale graph | |
| TW201224808A (en) | Method for classification of objects in a graph data stream | |
| Liu et al. | A study of impulsive multiterm fractional differential equations with single and multiple base points and applications | |
| US20210012196A1 (en) | Peer-to-peer training of a machine learning model | |
| KR20190030435A (ko) | 자연어 처리를 이용한 지정상품 추천 방법, 장치 및 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램 | |
| CN113761350B (zh) | 一种数据推荐方法、相关装置和数据推荐系统 | |
| EP3812919A1 (en) | Methods, apparatuses, and systems for data mapping | |
| US10742627B2 (en) | System and method for dynamic network data validation | |
| Chu et al. | Adaptive consensus tracking for linear multi-agent systems with input saturation | |
| WO2022216753A1 (en) | Distributed machine learning hyperparameter optimization | |
| Monga et al. | Sustainable network by enhancing attribute-based selection mechanism using Lagrange interpolation | |
| US11979309B2 (en) | System and method for discovering ad-hoc communities over large-scale implicit networks by wave relaxation | |
| Luo et al. | A relationship matrix resolving model for identifying vital nodes based on community in opportunistic social networks | |
| Zharfi et al. | A novel metaheuristic for travelling salesman problem | |
| Nomi et al. | Complex network analysis of spatiotemporal dynamics of premixed flame in a Hele–Shaw cell: A transition from chaos to stochastic state | |
| US20160378774A1 (en) | Predicting Geolocation Of Users On Social Networks | |
| Xu et al. | Heuristic strategy of service function chain deployment based on N-base continuous digital coding in network function virtualization environment | |
| de Mello Bonotto et al. | Dissipativity in impulsive systems via Lyapunov functions | |
| Nagarajan et al. | Heuristics for synthesizing robust networks with a diameter constraint |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |