KR20190032911A

KR20190032911A - 문장 습관 분석 장치 및 방법

Info

Publication number: KR20190032911A
Application number: KR1020170121334A
Authority: KR
Inventors: 장창영
Original assignee: 장창영
Priority date: 2017-09-20
Filing date: 2017-09-20
Publication date: 2019-03-28
Also published as: KR102008145B1

Abstract

본 발명은 사용자로부터 복수의 문장을 입력 받고, 이를 분석하여 개인의 문장 습관에 대한 정확한 정보를 제공하면서 올바른 대안 문장을 제시하여 사용자의 글쓰기 능력을 향상시킬 수 있는 문장 습관 분석 장치 및 방법에 관한 것으로서, 사용자로부터 복수의 문장을 입력 받고, 상기 복수의 문장을 형태소 단위, 단어 단위, 어절 단위, 문장 단위 또는 문단 단위 중 적어도 하나 이상으로 분리하며, 품사를 인식하는 문장 인식부, 상기 문장 인식부에 의해 인식된 복수의 문장을 기 설정된 분석 항목에 따라 항목별로 사용자의 문장 습관을 분석하는 문장 분석부 및 상기 사용자의 문장 습관에 대한 분석 결과에 따라 상기 분석 항목별로 대안 문장을 제시하는 대안 제시부를 포함한다.

Description

문장 습관 분석 장치 및 방법{APPARATUS AND METHOD FOR ANALYZING SENTENCE HABIT}

본 발명은 사용자로부터 복수의 문장을 입력 받고, 이를 분석하여 개인의 문장 습관에 대한 정확한 정보를 제공하면서 올바른 대안 문장을 제시하여 사용자의 글쓰기 능력을 향상시킬 수 있는 문장 습관 분석 장치 및 방법에 관한 것이다.

글쓰기는 언어 학습, 번역, 문서 작성 등 실생활에서 매우 중요하다. 글쓰기를 통해 작성되는 한 편의 글은 그 길이가 길든 짧든 여러 문장이 모여서 이루어진다. 한 편의 좋은 글이란, 예를 들면, 정확한 단어와 수식어가 사용되고 비문이 없으며, 주제가 명확하고 글의 흐름이 매끄러워 읽는 사람으로 하여금 어색함이 느껴지지 않도록 하는 글이라고 할 수 있다. 이러한 좋은 글을 작성하기 위해서는 올바른 문장을 많이 접해보아야 하고 많은 연습이 필요하다고 할 것이다. 그런데 사용자들의 글쓰기에 도움을 주기 위해 문장의 구문을 분석하고, 문법 오류를 검출하거나 맞춤법 오류를 검출하여 단순히 교정안을 제시하는 기술들은 종래부터 많이 존재하였으나, 문법이나 맞춤법에 대한 교정안을 제시하는 것만으로는 사용자가 작성한 복수의 문장으로부터 사용자의 습관을 분석하거나, 복수 문장의 전체 내용을 파악하여 사용자에게 보다 나은 대안을 제시할 수 없는 문제가 있었다.

한국등록특허 제10-1511116호

상술한 문제점을 해결하기 위해, 본 발명의 문장 습관 분석 장치 및 방법은 사용자로부터 복수의 문장을 입력 받거나 복수의 문장을 인식하여, 분석 항목별로 구체화하여 분석함으로써 사용자의 문장 습관에 대한 정확한 정보를 제공하는 것을 목적으로 한다.

또한, 본 발명의 문장 습관 분석 장치 및 방법은 사용자의 문장 습관을 유형별로 분류하고, 글의 내용을 유형별로 구분하여 각 유형에 맞는 적절한 문장을 제안하는 것을 목적으로 한다.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 문장 습관 분석 장치는 사용자로부터 복수의 문장을 입력 받고, 상기 복수의 문장을 형태소 단위, 단어 단위, 어절 단위, 문장 단위 또는 문단 단위 중 적어도 하나 이상으로 분리하며, 품사를 인식하는 문장 인식부, 상기 문장 인식부에 의해 인식된 복수의 문장을 기 설정된 분석 항목에 따라 항목별로 사용자의 문장 습관을 분석하는 문장 분석부 및 상기 사용자의 문장 습관에 대한 분석 결과에 따라 상기 분석 항목별로 대안 문장을 제시하는 대안 제시부를 포함할 수 있다.

일 실시예에 있어서, 문장 습관 분석 장치는 주제 적정성 검사, 문장 길이 적정성 검사, 문법 및 맞춤범 검사, 문장 구조 검사, 문맥 검사 또는 사용자 유형 검사 중 적어도 하나 이상을 포함하는 분석 항목을 설정하는 분석 항목 설정부를 더 포함할 수 있다.

일 실시예에 있어서, 문장 습관 분석 장치는 네트워크를 통해 문장 습관 분석의 기초가 되는 자료를 축적하고, 문장 습관 분석 요청이 있는 경우 상기 문장 분석부 및 상기 대안 제시부로 자료를 제공하는 기계 학습부를 더 포함할 수 있다.

일 실시예에 있어서, 문장 습관 분석 장치는 상기 문장 분석부에 의해 분석된 결과를 분석 항목별로 표시하는 분석 결과 표시부를 더 포함할 수 있다.

일 실시예에 있어서, 상기 문장 분석부는, 상기 문장 인식부에 의해 인식된 복수의 문장들에 등장하는 특정 단어의 빈도수를 기초로 글의 종류와 주제를 파악하는 내용 분석 모듈, 상기 문장 인식부에 의해 인식된 복수의 문장에 대해 기 설정된 기준에 따라 장문 또는 단문으로 구분하여 문장 길이를 판단하는 문장 길이 분석 모듈, 기 정의된 문법 규칙 및 맞춤법 규칙을 이용하여 상기 복수의 문장에 대한 문법과 맞춤법 오류를 검출하는 문법 및 맞춤법 검사 모듈, 품사에 기초하여 상기 복수의 문장 각각의 구문 구조를 분석하고, 주술관계 오류, 단어 중복, 단어 누락 또는 비문 여부 중 적어도 하나 이상을 판단하는 구문 분석 모듈 및 상기 복수의 문장이 형성하는 글의 종류, 주제, 각 문장에서 사용된 단어의 연관성 및 품사를 기초로 각 문장 간의 연결관계를 파악하여 전체 문장의 일관성과 연결성을 판단하는 문맥 판단 모듈을 포함할 수 있다.

일 실시예에 있어서, 상기 문장 분석부는, 특정 단어의 빈도수, 복수의 문장의 길이, 문법 및 맞춤법 오류, 문장의 주술관계 오류, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 사용자의 문장 습관 유형을 분류하는 사용자 유형 분류 모듈을 더 포함할 수 있다.

일 실시예에 있어서, 상기 사용자의 유형은, 중언부언형, 모호형, 확신형, 논리형 또는 감성형으로 분류될 수 있다.

일 실시예에 있어서, 상기 대안제시부는, 상기 문장 분석부에 의해 분석된 상기 복수의 문장의 종류, 주제, 길이, 문법 및 맞춤법 오류, 문장의 주술관계 오류, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 각 분석 항목에서 나타난 문제점에 대응하는 대안을 제시할 수 있다.

본 발명의 다른 실시예에 따른 문장 습관 분석 방법은 (a) 사용자로부터 복수의 문장을 입력 받는 단계, (b) 상기 복수의 문장을 형태소 단위, 단어 단위, 어절 단위, 문장 단위 또는 문단 단위 중 적어도 하나 이상으로 분리하며, 품사를 인식하는 단계, (c) 상기 인식된 복수의 문장을 기 설정된 분석 항목에 따라 항목별로 사용자의 문장 습관을 분석하는 단계 및 (d) 상기 사용자의 문장 습관에 대한 분석 결과에 따라 상기 분석 항목별로 대안 문장을 제시하는 단계를 포함할 수 있다.

일 실시예에 있어서, 상기 (c) 단계는, 상기 분석 항목을 주제 적정성 검사, 문장 길이 적정성 검사, 문법 및 맞춤범 검사, 문장 구조 검사, 문맥 검사 또는 사용자 유형 검사 중 적어도 하나 이상으로 설정하는 단계를 더 포함할 수 있다.

일 실시예에 있어서, 상기 (c) 단계는, 분석된 사용자의 문장 습관을 분석 항목별로 표시하는 단계를 더 포함할 수 있다.

일 실시예에 있어서, 상기 (c) 단계는, 상기 인식된 복수의 문장들에 등장하는 특정 단어의 빈도수를 기초로 글의 종류와 주제를 파악하는 단계, 상기 인식된 복수의 문장에 대해 기 설정된 기준에 따라 장문 또는 단문으로 구분하여 문장 길이를 판단하는 단계, 기 정의된 문법 규칙 및 맞춤법 규칙을 이용하여 상기 복수의 문장에 대한 문법과 맞춤법 오류를 검출하는 단계, 품사에 기초하여 상기 복수의 문장 각각의 구문 구조를 분석하고, 주술관계 오류, 단어 중복, 단어 누락 또는 비문 여부 중 적어도 하나 이상을 판단하는 단계 및 상기 복수의 문장이 형성하는 글의 종류, 주제, 각 문장에서 사용된 단어의 연관성 및 품사를 기초로 각 문장 간의 연결관계를 파악하여 전체 문장의 일관성과 연결성을 판단하는 단계를 포함할 수 있다.

일 실시예에 있어서, 상기 (c) 단계는, 특정 단어의 빈도수, 복수의 문장의 길이, 문법 및 맞춤법 오류, 문장의 주술관계 오류, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 사용자의 유형을 분류하는 단계를 더 포함할 수 있다.

일 실시예에 있어서, 상기 (d) 단계는, 입력된 복수의 문장의 종류, 주제, 길이, 문법 및 맞춤법 오류, 문장의 주술관계, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 각 분석 항목에서 나타난 문제점에 대응하는 대안을 제시할 수 있다.

본 발명의 문장 습관 분석 장치 및 방법은, 사용자로부터 복수의 문장을 입력 받거나 복수의 문장을 인식하여, 분석 항목별로 구체화하여 분석함으로써 사용자의 문장 습관에 대한 정확한 정보를 제공할 수 있다.

또한, 본 발명의 문장 습관 분석 장치 및 방법은, 사용자의 문장 습관을 유형별로 분류하고, 글의 내용을 유형별로 구분하여 각 유형에 맞는 적절한 문장을 제안할 수 있다.

사용자는 본 발명의 문장 습관 분석 장치 및 방법을 이용하여 문장을 입력하기만 하면 올바른 대안을 제공받을 수 있으므로, 글쓰기 능력을 보다 쉽게 향상시킬 수 있고, 작문 학습을 보다 효율적으로 할 수 있다.

도 1은 본 발명의 일 실시예에 따른 문장 습관 분석 장치의 구성을 나타내는 구성도이다.
도 2는 본 발명의 일 실시예에 따른 문장 습관 분석 장치의 구성 중 문장 분석부의 세부 구성을 나타내는 구성도이다.
도 3은 본 발명의 일 실시예에 따른 문장 습관 분석 방법을 설명하는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 문장 습관 분석 장치가 분석 항목을 설정하기 위한 화면을 표시하는 것을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 문장 습관 분석 장치가 입력된 문장과 그에 대한 분석 결과를 표시하는 것을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 문장 습관 분석 장치가 입력된 문장에 대한 분석 결과와 그에 따른 대안 문장을 제시하는 것을 나타낸 도면이다.

본 발명의 목적과 기술적 구성 및 그에 따른 작용 효과에 관한 자세한 사항은 본 발명의 명세서에 첨부된 도면에 의거한 이하의 상세한 설명에 의해 보다 명확하게 이해될 것이다. 첨부된 도면을 참조하여 본 발명에 따른 실시예를 상세하게 설명한다.

본 명세서에서 개시되는 실시예들은 본 발명의 범위를 한정하는 것으로 해석되거나 이용되지 않아야 할 것이다. 이 분야의 통상의 기술자에게 본 명세서의 실시예를 포함한 설명은 다양한 응용을 갖는다는 것이 당연하다. 따라서, 본 발명의 상세한 설명에 기재된 임의의 실시예들은 본 발명을 보다 잘 설명하기 위한 예시적인 것이며 본 발명의 범위가 실시예들로 한정되는 것을 의도하지 않는다.

도면에 표시되고 아래에 설명되는 기능 블록들은 가능한 구현의 예들일 뿐이다. 다른 구현들에서는 상세한 설명의 사상 및 범위를 벗어나지 않는 범위에서 다른 기능 블록들이 사용될 수 있다. 또한, 본 발명의 하나 이상의 기능 블록이 개별 블록들로 표시되지만, 본 발명의 기능 블록들 중 하나 이상은 동일 기능을 실행하는 다양한 하드웨어 및 소프트웨어 구성들의 조합일 수 있다.

또한, 어떤 구성요소들을 포함한다는 표현은 개방형의 표현으로서 해당 구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안 된다.

나아가 어떤 구성요소가 다른 구성요소에 연결되어 있다거나 접속되어 있다고 언급될 때에는, 그 다른 구성요소에 직접적으로 연결 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 한다.

또한 '제1, 제2' 등과 같은 표현은 복수의 구성들을 구분하기 위한 용도로만 사용된 표현으로써, 구성들 사이의 순서나 기타 특징들을 한정하지 않는다.

도 1은 본 발명의 일 실시예에 따른 문장 습관 분석 장치의 구성을 나타내는 구성도이다.

문장 습관 분석 장치(10)는 문장 습관 분석 어플리케이션을 실행할 수 있는 단말기로서, 단말기에는 이동통신 단말기뿐만 아니라 모든 정보통신기기, 멀티미디어 단말기, 유선 단말기, 고정형 단말기 및 IP(Internet Protocol) 단말기 등 다양한 단말기가 포함될 수 있다. 문장 습관 분석 장치(10)는 디스플레이를 갖는 스마트폰(Smart Phone), 휴대폰, PMP(Portable Multimedia Player), MID(Mobile Internet Device), 데스크톱(Desktop), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net book) 등과 같은 단말기일 때 유리하게 활용될 수 있다. 또한, 문장 습관 분석 장치(10)는 서버 기반 컴퓨팅 기반 방식 또는 클라우드 방식으로 동작하는 하나 이상의 서버로 구현될 수도 있다.

본 발명의 일 실시예로서 문장 습관 분석 장치(10)를 기술하고 있으나, 또 다른 실시예로서 문장 습관 분석 어플리케이션을 실행할 수 있는 단말기, 문장 습관 분석을 수행하는 서버, 단말기와 서버 간 데이터 송수신을 매개하는 네트워크로 구성된 문장 습관 분석 시스템의 구현도 가능하다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 문장 습관 분석 장치(10)는 문장 인식부(100), 분석 항목 설정부(200), 기계 학습부(300), 문장 분석부(400), 분석 결과 표시부(500), 대안 제시부(600) 및 통신부(700)를 포함할 수 있다.

문장 인식부(100)는 사용자로부터 복수의 문장을 직접 입력 받을 수 있다. 사용자는 문장 인식부(100)의 입력 영역에 직접 문장을 작성하여 입력하는 방식으로 분석 받고자 하는 복수의 문장을 입력할 수 있다. 또한, 문장 인식부(100)는 기 작성된 텍스트 파일(예를 들면, txt, hwp, doc, docx, xls, xlsx, ppt, pptx 파일 등)을 입력 받아 텍스트 파일에 기록된 문자와 문장을 인식할 수 있고, 사진을 입력 받아 사진 속에 존재하는 문자와 문장을 인식할 수 있다. 문장 인식부(100)는 인쇄된 문자를 인식하는 것 외에 사용자의 손으로 쓰여진 문자를 인식할 수도 있다. 이때, 이미 저장되어 있는 사진을 입력 받는 것 외에 문장 습관 분석 장치(10)에 설치된 카메라를 이용하여 촬영된 사진이 입력될 수도 있다.

문장 인식부(100)는 입력 받은 복수의 문장을 일정 단위로 분리하여 인식할 수 있고, 품사를 인식할 수 있다. 여기에서 일정 단위는 형태소 단위, 단어 단위, 어절 단위, 문장 단위 또는 문단 단위를 의미할 수 있다. 품사는 단어를 공통된 특징끼리 나누어 묶어 놓을 것을 의미하는 것으로서 명사, 대명사, 수사, 동사, 형용사, 관형사, 부사, 조사, 감탄사로 구분된다. 품사는 문장에서 특정 단어가 제대로 쓰여진 것인지 여부를 판단하는 기준이 될 수 있다. 문장 인식부(100)는 복수의 문장을 형태소부터 문단까지 일정 단위로 분리하여 인식한 것을 후술할 문장 분석부(400)에 전달함으로써 문장 분석부(400)로 하여금 문장의 문법 오류부터 전체 문장의 내용을 파악할 수 있게 한다.

문장 인식부(100)는 방대한 양의 문장이 이미 분석되어 저장된 데이터베이스로부터 자료를 제공 받아 문장을 분리하거나 품사를 인식할 수 있다. 여기에서 데이터베이스는 문장 습관 분석 장치(100)의 메모리에 기 저장된 것일 수 있고, 문장 습관 분석 장치(100) 외부의 저장소에 해당할 수도 있다. 데이터베이스가 문장 습관 분석 장치(100)의 외부에 있는 경우, 문장 습관 분석 장치(100)는 통신부(700)를 통하여 네트워크에 접속할 수 있고, 네트워크를 통해 데이터베이스로부터 자료를 제공받을 수 있다. 또한, 데이터베이스는 후술할 기계 학습부(300)에 해당하는 것일 수 있다.

분석 항목 설정부(200)는 사용자로 하여금 주제 적정성 검사, 문장 길이 적정성 검사, 문법 및 맞춤범 검사, 문장 구조 검사, 문맥 검사 또는 사용자 유형 검사 중 적어도 하나 이상을 포함하는 분석 항목을 설정하도록 할 수 있다. 즉, 사용자가 분석 받고자 하는 항목을 선택할 수 있게 하는 것이다. 기본적으로는 모든 항목에 대해 분석하도록 설정되어 있으나, 사용자는 원하는 항목만을 선택할 수 있다. 문장 습관 분석 장치(10)는, 도 4와 같이, 분석 항목 설정을 위해 분석 항목들을 화면에 표시할 수 있다. 사용자는 손가락 등을 이용하여 분석 항목을 터치함으로써 분석 항목 설정을 할 수 있다.

여기에서, 주제 적정성 검사는 복수의 문장 전체 내용을 파악하여 글의 종류를 구별하고, 전체 문장의 내용에 대한 주제 선정이 적절한지 검사하는 것이다. 문장 길이 적정성 검사는 입력 받은 복수의 문장 각각의 길이가 적절한지 검사하는 것이고, 문법 및 맞춤법 검사는 문법 오류 및 맞춤법 오류를 검출하는 것이며, 문장 구조 검사는 입력된 복수의 문장 각각의 구문 구조를 분석하고, 주술관계 오류, 단어 중복, 단어 누락 또는 비문 여부 등을 판단하는 것을 의미한다. 문맥 검사는 복수의 문장에 등장하는 특정 단어의 빈도수와 품사에 기초하여 각 문장 간의 연결관계와 내용을 판단하고, 전체 문장에 대한 문맥의 적정성을 판단하는 것을 말한다. 사용자 유형 검사는 복수의 문장의 길이, 문법 및 맞춤법 오류, 문장의 주술관계, 단어 중복, 단어 누락, 비문 여부 또는 문맥의 적정성을 기초로 사용자의 유형을 분류하는 것을 의미한다. 사용자 유형은 중언부언형, 모호형, 확신형, 논리형 또는 감성형으로 분류될 수 있다.

기계 학습부(300)는 머신러닝(machine learning)을 통해 네트워크상에 존재하는 모든 문장들을 학습하여 데이터베이스에 축적하고, 문장 습관 분석 요청이 있는 경우, 문장 분석의 기초가 되는 자료를 문장 인식부(100) 또는 후술할 문장 분석부(400)와 대안 제시부(600)에 제공할 수 있다.

기계 학습(machine learning)이란, 일반적으로, 컴퓨터에게 사람이 직접 명시적으로 Logic을 지시하지 않아도, 데이터를 통해 컴퓨터가 '학습'을 하고 그것을 사용해 컴퓨터가 자동으로 문제를 해결하도록 하는 것을 의미한다. 기계 학습 알고리즘에는 다양한 것들이 있으나, 본 발명과 같이 문장을 분석하기 위해서는 인공 신경망 모델이 적합하다.

기계 학습을 통해 데이터를 축적할 필요가 있는 이유는 다음과 같다. 문장 자료의 양이 충분히 저장되어 있지 않은 데이터베이스를 이용하여 문장을 분석하는 경우, 분석의 정확도가 떨어져 사용자의 문장 습관을 정확히 파악할 수 없는 문제가 생길 수 있다. 따라서 사람이 직접 데이터베이스에 자료를 저장하지 않더라도, 기계가 문장 자료를 스스로 학습하고 문장 분석의 기초가 되는 데이터를 축적하도록 할 필요가 있다. 이 경우 방대한 양의 문장 자료를 획득할 수 있으므로 문장 습관 분석에 있어서 보다 높은 정확도를 이끌어 낼 수 있다.

기계 학습부(300)는 데이터베이스의 형태로 구현될 수 있으며, 도 1에서 문장 분석부(400)와 구별되는 것으로 도시하였으나, 문장 분석부(400)에 포함되거나, 문장 습관 분석 장치(10)의 외부에 존재하는 별개의 장치일 수도 있다.

문장 분석부(400)는 문장 인식부(100)에 의해 인식된 복수의 문장을 기 설정된 분석 항목에 따라 항목별로 사용자의 문장 습관을 분석할 수 있다. 분석 항목 설정은 위에서 설명한 것과 같이 분석 항목 설정부(200)에 의해 수행될 수 있다. 문장 습관의 분석은 사용자가 자주 사용하는 단어, 품사, 문장 종류 및 문장 구조를 바탕으로 수행된다. 문장 습관 분석을 위한 기준 데이터는 데이터베이스에 이미 저장되어 있을 수 있고, 기계 학습부(300)가 네트워크를 통해 학습한 후 축적한 데이터일 수도 있다. 문장 분석부(400)는 기계 학습부(300)로부터 문장 분석의 기준 데이터를 제공 받을 수 있다.

문장 분석부(400)는 주제 적정성 검사, 문장 길이 적정성 검사, 문법 및 맞춤범 검사, 문장 구조 검사, 문맥 검사 또는 사용자 유형 검사를 위한 각각의 분석 모듈을 포함할 수 있다. 문장 분석부(400)가 포함하는 분석 모듈들에 대한 상세 내용은 이하 도 2에서 설명한다.

분석 결과 표시부(500)는 복수의 문장들이 문장 분석부(400)에 의해 분석된 결과를 분석 항목별로 표시한다. 도 5를 참조하면, 문장 습관 분석 장치(10)는 화면의 왼쪽에 입력된 복수의 문장을 표시하고, 화면의 오른쪽에 복수의 문장에 대해 문법 및 맞춤법 검사와 문장 구조를 검사한 결과를 표시하고 있다. 도 5와 같은 형태로 분석 결과가 표시되는 것은 하나의 예를 든 것일 뿐이고, 분석 결과 표시부(500)에 의해 다양한 형태로 표시될 수 있다.

대안 제시부(600)는 문장 분석부(400)가 복수의 문장들로부터 사용자의 문장 습관을 분석한 결과에 따라 분석 항목별로 대안 문장을 제시할 수 있다. 대안 제시부(600)는 문장 분석부(400)에 의해 분석된 복수의 문장의 종류, 주제, 길이, 문법 및 맞춤법 오류, 문장의 주술관계, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 각 분석 항목에서 나타난 문제점에 대응하는 대안을 제시할 수 있다.

도 6에 도시된 바와 같이, 대안 제시부(600)는 문장 분석부(400)에 의해 분석되어 문제점이 발견된 항목에 대해 해당 문제점을 설명하고, 문제점이 해소된 대안 문장을 제시할 수 있다. 도 6은 1. 단문으로 작성, 2. 적절한 수식어 제시, 3. 올바른 단어 선택, 4. 생략된 단어 보완, 5. 주술 관계 수정과 같이 문제점에 대한 대안을 제시하고 있으나, 이는 예시에 불과하고, 분석 항목에 따라 다양한 대안이 제시될 수 있다. 이 때, 대안 제시부(600)는 기계 학습부(300)로부터 문장 자료를 제공받아 대안 문장을 제시할 수 있다.

통신부(700)는 기계 학습부(300)가 네트워크에 접속하여 문장 데이터를 학습하고 축적할 수 있도록 기계 학습부(300)와 네트워크 간 데이터 송수신을 매개하는 역할을 한다. 통신부(700)는 무선통신 모듈, 유선통신 모듈 중 적어도 하나를 포함할 수 있다. 무선통신과 유선통신은 다양한 형태의 통신 방식을 포함하는 것으로, WLAN(Wireless LAN), 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), HSDPA(High Speed Downlink Packet Access) 등의 무선 통신방식 또는 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coax), FTTC(Fiber to The Curb), FTTH(Fiber To The Home) 등의 유선 통신방식을 포함할 수 있다.

도 2는 본 발명의 일 실시예에 따른 문장 습관 분석 장치의 구성 중 문장 분석부의 세부 구성을 나타내는 구성도이다.

도 2를 참조하면, 문장 분석부(400)는 내용 분석 모듈(410), 문장 길이 분석 모듈(420), 문법 및 맞춤법 검사 모듈(430), 구문 분석 모듈(440), 문맥 판단 모듈(450), 사용자 유형 분류 모듈(460)을 포함할 수 있다.

내용 분석 모듈(410)은 복수의 문장 전체 내용을 파악하여 글의 종류를 구별하고, 전체 문장의 내용에 대한 주제를 파악할 수 있다. 문장 전체에 대한 내용 판단은 문장에 등장하는 특정 단어의 빈도수를 측정함으로써 이루어질 수 있다. 즉, 내용 분석 모듈(410)은 복수의 문장들에 자주 등장하는 단어나 어휘들을 파악하고, 빈도수가 가장 높은 단어나 어휘를 기초로 전체 문장의 내용과 주제를 파악할 수 있다. 또한, 내용 분석 모듈(410)은 데이터베이스에 저장된 문장 자료로부터 해당 단어나 어휘의 빈도수가 비슷한 예시 글을 추출할 수 있다.

내용 분석 모듈(410)은 데이터베이스로부터 추출된 예시 글로부터 복수의 문장들이 이루는 글의 종류와 주제를 파악할 수 있다. 추출된 예시 글의 종류와 주제는 이미 알려진 정보에 해당하기 때문이다. 글의 종류는 소설, 일기, 설명문, 논설, 기사, 보고서, 시, 감상문 등 다양한 분야의 글을 포함한다.

내용 분석 모듈(410)은 입력된 복수의 문장들에 해당 글의 종류와 주제에서 자주 사용되지 않는 단어나 어휘가 있는 경우, 부적합 단어나 부적합 어휘로 판단할 수 있다. 이 경우 대안 제시부(600)는 데이터베이스 또는 기계 학습부(300)로부터 권장 단어 또는 권장 어휘를 추출하여 제시할 수 있다.

여기서, 데이터베이스는 위에서 설명한 바와 같이 기계 학습부(300)에 해당하는 것일 수 있다. 기계 학습부(300)는 네트워크 상의 모든 문장 자료를 학습하여 문장 인식부(100)를 통해 입력된 복수의 문장 내용과 유사한 글을 추출할 수 있고, 추출된 글을 내용 분석 모듈(410)에 제공할 수 있다.

문장 길이 분석 모듈(420)은 입력된 복수의 문장들 각각에 대해 기 설정된 기준에 따라 장문 또는 단문으로 문장의 길이를 판단한다. 장문과 단문의 구별 기준은 글자수 40자를 기준으로 구별될 수 있다. 즉, 한 문장이 40자 이하인 경우 단문, 40자 이상인 경우 장문으로 구별될 수 있다. 문장의 길이를 판단하는 이유는 글의 종류에 따라 사용되는 문장의 길이가 다르기 때문이다. 예를 들면, 기사의 경우에는 독자가 이해를 쉽게 할 수 있도록 짧고 간결한 단문을 사용하고, 소설과의 경우에는 다양한 묘사를 위해 비교적 긴 문장을 사용한다. 내용 분석 모듈(410)에 의해 입력된 복수의 문장들에 대한 글의 종류가 주제가 파악된 경우, 문장 길이 분석 모듈(420)은 문장의 길이가 적절한지 판단할 수 있다. 문장 길이가 부적절한 것으로 판단된 경우, 대안 제시부(600)는 사용자에게 문장 길이를 조절할 것을 제안할 수 있다.

문법 및 맞춤법 검사 모듈(430)은 기 정의된 문법 규칙 및 맞춤법 규칙을 이용하여 복수의 문장에 대한 문법과 맞춤법 오류를 검출할 수 있다. 기 정의된 문법 규칙 및 맞춤법 규칙은 국립국어원이 제공하는 문법 규칙, 맞춤법 규칙, 외래어 표기법으로 할 수 있다. 또한, 기계 학습부(300)가 학습한 문법 규칙 및 맞춤법 규칙을 이용하여 문법과 맞춤법 오류를 검출할 수도 있다. 본 발명에서 문법은 높임 표현, 시제 표현, 부정 표현, 사동 표현, 피동 표현에 관한 법칙을 의미하는 것으로 정의한다.

문법 또는 맞춤법 오류가 검출된 경우, 대안 제시부(600)는 문법 오류와 맞춤법 오류가 정정된 교정안을 제안할 수 있다. 교정안은 데이터베이스 저장된 문장 자료 또는 기계 학습부(300)에 의해 학습되어 축적된 문장 자료를 바탕으로 제공된다.

구문 분석 모듈(440)은 품사에 기초하여 상기 복수의 문장 각각의 구문 구조를 분석하고, 주술관계 오류, 단어 중복, 단어 누락 또는 비문 여부 중 적어도 하나 이상을 판단한다.

본 발명에서 구문이란 문장의 구조를 말하는 것으로, 문장은 기본적으로 주어와 서술어로 이루어진다. 한 문장 안에서 주어와 서술어가 한 번씩 나오는 문장을 홑문장이라 하고, 한 번 이상의 주어와 서술어가 나오는 문장을 겹문장이라 한다. 겹문장은 절과 절의 관계에 따라 다시 안은문장, 안긴문장, 이어진문장으로 나뉜다. 안은문장은 둘 이상의 주어와 서술어를 가진 문장에서 문장 바깥쪽에 있는 문장을 말하고, 안긴문장은 둘 이상의 주어와 서술어를 가진 문장에서 문장 안쪽에 있는 문장을 말한다. 안긴문장은 명사절, 서술절, 관형절, 부사절, 인용절로 나타나게 된다. 이어진 문장은 한 문장 안에 두 개의 문장이 연결어미를 통해 나란히 이어진 문장을 말한다. 이어진 문장은 다시 대등적 문장과 종속적 문장으로 구분된다. 구문 분석 모듈(440)은 이러한 문장의 구조를 분석하여 주술관계 오류, 단어 중복, 단어 누락, 비문 여부를 판단할 수 있다.

구문 분석 모듈(440)이 주술관계 오류, 단어 중복, 단어 누락, 비문을 검출하면, 대안 제시부(600)는 올바른 주술관계, 중복된 단어 삭제, 누락된 단어 추가, 비문의 정정을 제안할 수 있고, 정정된 대안 문장을 제시할 수 있다.

문맥 판단 모듈(450)은 입력된 복수의 문장이 형성하는 글의 종류, 주제, 각 문장에서 사용된 단어의 연관성 및 품사를 기초로 각 문장 간의 연결관계를 파악하여 전체 문장의 일관성과 연결성을 판단한다. 일관성이란 전체 문장이 얼마나 논리 정연하게 쓰여져 있는지를 말하고, 연결성이란 문장과 문장이 얼마나 매끄럽게 연결되어 있는지를 말한다. 문장의 일관성은 복수의 문장에서 사용된 단어의 연관성을 기초로 판단될 수 있다. 단어의 연관성이란 사용된 단어들의 의미 관계를 뜻하는 것으로 유의 관계, 반의 관계, 상하 관계, 부분 관계, 다의 관계, 동음 이의 관계가 포함된다. 문장의 연결성은 문장을 연결하는 부사의 적절한 활용 여부를 기초로 판단될 수 있다. 문장의 종류에 따라 활용 가능한 부사는 데이터베이스 또는 기계 학습부(300)로부터 문맥 판단 모듈(450)에 제공된다.

문맥 판단 모듈(450)이 문장의 모순, 부조화, 불일치, 분리, 단절을 검출한 경우, 대안 제시부(600)는 데이터베이스 또는 기계 학습부(300)로부터 추출한 동일 또는 유사 문장에 기초하여 대안 문장을 제시한다.

사용자 유형 분류 모듈(460)은 복수의 문장의 길이, 문법 및 맞춤법 오류, 문장의 주술관계 오류, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 사용자의 문장 습관을 유형 별로 분류할 수 있다. 사용자 유형은 중언부언형, 모호형, 확신형, 논리형 또는 감성형으로 분류될 수 있다. 중언부언형은 동일 문장 또는 동일 단어를 반복하는 유형이고, 모호형은 목적어를 생략하거나 중의적인 단어를 사용하여 문장의 의미가 불분명한 유형이며, 확신형은 모호형과는 반대로 문장의 의미가 명확하나 단정적인 의미를 가진 어휘를 자주 쓰는 유형이다. 논리형은 문장의 서론, 본론, 결론이 명확하고 감정적인 어휘가 사용되지 않는 유형을 말하고, 감성형은 논리형과는 반대의 유형을 말한다. 사용자는 자신의 문장 습관에 대한 유형 정보를 제공 받음으로써 자신의 문장 습관을 한 눈에 확인할 수 있다.

도 3은 본 발명의 일 실시예에 따른 문장 습관 분석 방법을 설명하는 흐름도이다.

도 3을 참조하면, 본 발명의 일 실시예에 따른 문장 습관 분석 방법을 제공하기 위해, 문장 습관 분석 장치(10)의 문장 인식부(100)는 사용자로부터 복수의 문장을 입력 받거나 사진 등으로부터 문장을 인식한다(S310). 이 때, 복수의 문장은 형태소 단위, 단어 단위, 어절 단위, 문장 단위 또는 문단 단위 중 적어도 하나 이상으로 분리될 수 있고, 품사가 인식된다.

사용자는 분석 항목 설정부(200)를 이용하여 분석 항목을 주제 적정성 검사, 문장 길이 적정성 검사, 문법 및 맞춤범 검사, 문장 구조 검사, 문맥 검사 또는 사용자 유형 검사 중 적어도 하나 이상으로 설정한다(S320). 문장 분석부(400)는 인식된 복수의 문장을 설정된 분석 항목에 따라 항목별로 사용자의 문장 습관을 분석한다(S330). 이 때, 문장 습관의 분석은 사용자가 자주 사용하는 단어, 품사, 문장 종류 및 문장 구조를 바탕으로 수행된다. 문장 습관 분석을 위한 기준 데이터는 데이터베이스에 이미 저장되어 있을 수 있고, 기계 학습부(300)가 네트워크를 통해 학습한 후 축적한 데이터일 수도 있다.

문장 분석부(400)는 기계 학습부(300)로부터 문장 분석의 기준 데이터를 제공 받을 수 있다. 분석 결과 표시부(500)는 문장 분석부(400)에 의해 분석된 결과를 분석 항목별로 표시한다(S340).

대안 제시부(600)는 사용자의 문장 습관에 대한 분석 결과에 따라 상기 분석 항목별로 대안 문장을 제시한다(S350). 대안 제시부(600)는 문장 분석부(400)에 의해 분석된 복수의 문장의 종류, 주제, 길이, 문법 및 맞춤법 오류, 문장의 주술관계, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 각 분석 항목에서 나타난 문제점에 대응하는 대안을 제시할 수 있다.

이와 같은 방법을 통해, 본 발명의 문장 습관 분석 장치(10)는 입력 받은 복수의 문장을 분석 항목별로 구체화하여 분석함으로써 사용자의 문장 습관에 대한 정확한 정보를 제공할 수 있고, 사용자의 문장 습관을 유형별로 분류하고, 글의 내용을 유형별로 구분하여 각 유형에 맞는 적절한 문장을 제안할 수 있다. 또한, 사용자는 본 발명의 문장 습관 분석 장치 및 방법을 이용하여 문장을 입력하기만 하면 올바른 대안을 제공받을 수 있으므로, 글쓰기 능력을 보다 쉽게 향상시킬 수 있고, 작문 학습을 보다 효율적으로 할 수 있다.

본 발명의 일 실시예에 따른 문장 습관 분석 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

이와 같이, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시에 해당하는 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

10: 문장 습관 분석 장치
100: 문장 인식부
200: 분석 항목 설정부
300: 기계 학습부
400: 문장 분석부
410: 내용 분석 모듈
420: 문장 길이 분석 모듈
430: 문법 및 맞춤법 검사 모듈
440: 구문 분석 모듈
450: 문맥 판단 모듈
460: 사용자 유형 분류 모듈
500: 분석 결과 표시부
600: 대안 제시부
700: 통신부

Claims

사용자로부터 복수의 문장을 입력 받고, 상기 복수의 문장을 형태소 단위, 단어 단위, 어절 단위, 문장 단위 또는 문단 단위 중 적어도 하나 이상으로 분리하며, 품사를 인식하는 문장 인식부;
상기 문장 인식부에 의해 인식된 복수의 문장을 기 설정된 분석 항목에 따라 항목별로 사용자의 문장 습관을 분석하는 문장 분석부; 및
상기 사용자의 문장 습관에 대한 분석 결과에 따라 상기 분석 항목별로 대안 문장을 제시하는 대안 제시부를 포함하는 문장 습관 분석 장치.
제1항에 있어서,
주제 적정성 검사, 문장 길이 적정성 검사, 문법 및 맞춤범 검사, 문장 구조 검사, 문맥 검사 또는 사용자 유형 검사 중 적어도 하나 이상을 포함하는 분석 항목을 설정하는 분석 항목 설정부를 더 포함하는 문장 습관 분석 장치.
제1항에 있어서,
네트워크를 통해 문장 습관 분석의 기초가 되는 자료를 축적하고, 문장 습관 분석 요청이 있는 경우 상기 문장 분석부 및 상기 대안 제시부로 자료를 제공하는 기계 학습부를 더 포함하는 문장 습관 분석 장치.
제1항에 있어서,
상기 문장 분석부에 의해 분석된 결과를 분석 항목별로 표시하는 분석 결과 표시부를 더 포함하는 문장 습관 분석 장치.
제1항에 있어서,
상기 문장 분석부는,
상기 문장 인식부에 의해 인식된 복수의 문장들에 등장하는 특정 단어의 빈도수를 기초로 글의 종류와 주제를 파악하는 내용 분석 모듈;
상기 문장 인식부에 의해 인식된 복수의 문장에 대해 기 설정된 기준에 따라 장문 또는 단문으로 구분하여 문장 길이를 판단하는 문장 길이 분석 모듈;
기 정의된 문법 규칙 및 맞춤법 규칙을 이용하여 상기 복수의 문장에 대한 문법과 맞춤법 오류를 검출하는 문법 및 맞춤법 검사 모듈;
품사에 기초하여 상기 복수의 문장 각각의 구문 구조를 분석하고, 주술관계 오류, 단어 중복, 단어 누락 또는 비문 여부 중 적어도 하나 이상을 판단하는 구문 분석 모듈; 및
상기 복수의 문장이 형성하는 글의 종류, 주제, 각 문장에서 사용된 단어의 연관성 및 품사를 기초로 각 문장 간의 연결관계를 파악하여 전체 문장의 일관성과 연결성을 판단하는 문맥 판단 모듈을 포함하는 문장 습관 분석 장치.
제5항에 있어서,
상기 문장 분석부는,
특정 단어의 빈도수, 복수의 문장의 길이, 문법 및 맞춤법 오류, 문장의 주술관계 오류, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 사용자의 문장 습관 유형을 분류하는 사용자 유형 분류 모듈을 더 포함하는 문장 습관 분석 장치.
제6항에 있어서,
상기 사용자의 유형은,
중언부언형, 모호형, 확신형, 논리형 또는 감성형으로 분류되는 문장 습관 분석 장치.
제5항에 있어서,
상기 대안제시부는,
상기 문장 분석부에 의해 분석된 상기 복수의 문장의 종류, 주제, 길이, 문법 및 맞춤법 오류, 문장의 주술관계 오류, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 각 분석 항목에서 나타난 문제점에 대응하는 대안을 제시하는 문장 습관 분석 장치.
문장 습관 분석 장치가 사용자의 문장 습관을 분석하는 방법에 있어서,
(a) 사용자로부터 복수의 문장을 입력 받는 단계;
(b) 상기 복수의 문장을 형태소 단위, 단어 단위, 어절 단위, 문장 단위 또는 문단 단위 중 적어도 하나 이상으로 분리하며, 품사를 인식하는 단계;
(c) 상기 인식된 복수의 문장을 기 설정된 분석 항목에 따라 항목별로 사용자의 문장 습관을 분석하는 단계; 및
(d) 상기 사용자의 문장 습관에 대한 분석 결과에 따라 상기 분석 항목별로 대안 문장을 제시하는 단계를 포함하는 문장 습관 분석 방법.
제9항에 있어서,
상기 (c) 단계는,
상기 분석 항목을 주제 적정성 검사, 문장 길이 적정성 검사, 문법 및 맞춤범 검사, 문장 구조 검사, 문맥 검사 또는 사용자 유형 검사 중 적어도 하나 이상으로 설정하는 단계를 더 포함하는 문장 습관 분석 방법.
제9항에 있어서,
상기 (c) 단계는,
분석된 사용자의 문장 습관을 분석 항목별로 표시하는 단계를 더 포함하는 문장 습관 분석 방법.
제9항에 있어서,
상기 (c) 단계는,
상기 인식된 복수의 문장들에 등장하는 특정 단어의 빈도수를 기초로 글의 종류와 주제를 파악하는 단계;
상기 인식된 복수의 문장에 대해 기 설정된 기준에 따라 장문 또는 단문으로 구분하여 문장 길이를 판단하는 단계;
기 정의된 문법 규칙 및 맞춤법 규칙을 이용하여 상기 복수의 문장에 대한 문법과 맞춤법 오류를 검출하는 단계;
품사에 기초하여 상기 복수의 문장 각각의 구문 구조를 분석하고, 주술관계 오류, 단어 중복, 단어 누락 또는 비문 여부 중 적어도 하나 이상을 판단하는 단계; 및
상기 복수의 문장이 형성하는 글의 종류, 주제, 각 문장에서 사용된 단어의 연관성 및 품사를 기초로 각 문장 간의 연결관계를 파악하여 전체 문장의 일관성과 연결성을 판단하는 단계를 포함하는 문장 습관 분석 방법.
제12항에 있어서,
상기 (c) 단계는,
특정 단어의 빈도수, 복수의 문장의 길이, 문법 및 맞춤법 오류, 문장의 주술관계 오류, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 사용자의 유형을 분류하는 단계를 더 포함하는 문장 습관 분석 방법.
제13항에 있어서,
상기 사용자의 유형은,
중언부언형, 모호형, 확신형, 논리형 또는 감성형으로 분류되는 문장 습관 분석 방법.
제9항에 있어서,
상기 (d) 단계는,
입력된 복수의 문장의 종류, 주제, 길이, 문법 및 맞춤법 오류, 문장의 주술관계, 단어 중복, 단어 누락, 비문 여부, 문장의 일관성 또는 문장의 연결성을 기초로 각 분석 항목에서 나타난 문제점에 대응하는 대안을 제시하는 것인 문장 습관 분석 방법.