KR20190080455A - 문서들로부터 스토리라인을 생성하기 위한 장치 및 방법 - Google Patents

문서들로부터 스토리라인을 생성하기 위한 장치 및 방법 Download PDF

Info

Publication number
KR20190080455A
KR20190080455A KR1020170182916A KR20170182916A KR20190080455A KR 20190080455 A KR20190080455 A KR 20190080455A KR 1020170182916 A KR1020170182916 A KR 1020170182916A KR 20170182916 A KR20170182916 A KR 20170182916A KR 20190080455 A KR20190080455 A KR 20190080455A
Authority
KR
South Korea
Prior art keywords
feature
document
documents
feature vector
vector
Prior art date
Application number
KR1020170182916A
Other languages
English (en)
Other versions
KR102358048B1 (ko
Inventor
선우연
김주연
김형준
이호엽
이연수
Original Assignee
주식회사 엔씨소프트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엔씨소프트 filed Critical 주식회사 엔씨소프트
Priority to KR1020170182916A priority Critical patent/KR102358048B1/ko
Publication of KR20190080455A publication Critical patent/KR20190080455A/ko
Application granted granted Critical
Publication of KR102358048B1 publication Critical patent/KR102358048B1/ko

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

문서들로부터 스토리라인을 생성하기 위한 장치 및 방법이 개시된다. 본 발명의 일 실시예에 따른 방법은, 문서 집합에 포함된 복수 개의 문서들 각각의 특징 벡터(feature vector)를 생성하는 단계; 상기 복수 개의 문서들 각각의 시각 정보 및 상기 특징 벡터로부터, 상기 특징 벡터에 포함된 각 특징(feature)들의 시간 순서에 따른 연관 관계를 나타내는 특징맵(feature map)을 생성하는 단계; 및 상기 특징맵에 기초하여, 입력된 대상 문서와 연관 관계가 존재하는 하나 이상의 후속 문서를 도출하는 단계를 포함한다.

Description

문서들로부터 스토리라인을 생성하기 위한 장치 및 방법{APPARATUS AND METHOD FOR GENERATING STORYLINE FROM DOCUMENTS}
본 발명의 실시예들은 문서들을 분석하여 이로부터 문서들에 포함된 스토리의 발생 및 전개를 모델링하기 위한 기술과 관련된다.
인터넷 및 모바일 환경이 일반화되면서, 언론사의 뉴스 기사(news article) 또한 신문, 잡지 등의 오프라인 매체에서 온라인을 중심으로 그 제공 방식이 변화되었다. 특히 온라인에서 제공되는 뉴스 기사들은 사건의 전개 양상에 따라 하루에도 몇 번씩 새로운 기사가 올라오는 경우가 많으며, 온라인 매체에는 오프라인 매체에 비해 제공되는 기사의 양이 매우 방대하다. 따라서 방대한 양의 기사들 중에서 특정 주제(topic)와 관련된 흐름을 추적하기는 점점 어려워지고 있다.
대한민국 등록특허공보 제10-1768852호 (2017. 08. 10.)
본 발명의 실시예들은 대용량 코퍼스(corpus; 문서의 집합)를 분석하고, 이를 기반으로 특정 주제와 관련된 문서들의 시퀀스(스토리라인)을 도출하기 위한 기술적인 수단을 제공하기 위한 것이다.
예시적인 실시예에 따르면, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 문서 집합에 포함된 복수 개의 문서들 각각의 특징 벡터(feature vector)를 생성하는 단계; 상기 복수 개의 문서들 각각의 시각 정보 및 상기 특징 벡터로부터, 상기 특징 벡터에 포함된 각 특징(feature)들의 시간 순서에 따른 연관 관계를 나타내는 특징맵(feature map)을 생성하는 단계; 및 상기 특징맵에 기초하여, 입력된 대상 문서와 연관 관계가 존재하는 하나 이상의 후속 문서를 도출하는 단계를 포함하는, 방법이 제공된다.
상기 특징 벡터는, 상기 복수 개의 문서들 각각에 포함된 주제(topic)를 특징(feature)으로 하고, 상기 각 주제가 해당 문서에서 차지하는 비율을 특징값(feature value)으로 하는 벡터일 수 있다.
상기 특징맵을 생성하는 단계는, 상기 시각 정보 및 상기 특징 벡터로부터, 상기 복수 개의 문서들 각각이 선행 문서로부터 받은 영향의 정도를 나타내는 강도 함수(intensity function)을 계산하는 단계를 더 포함할 수 있다.
상기 강도 함수는 다음의 수학식
Figure pat00001
Figure pat00002
Figure pat00003
Figure pat00004
(이때, λ(t)는 시각 t에서의 강도 함수, μ는 스케일 팩터,
Figure pat00005
는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 평균 벡터, Σ는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 공분산 행렬,
Figure pat00006
는 i번째 특징 벡터, ti는 i번째 특징 벡터의 시각 정보,
Figure pat00007
및
Figure pat00008
는 영향력 파라미터(influence parameter),
Figure pat00009
및
Figure pat00010
는 감쇠 파라미터(decaying parameter), T는 상기 특징 벡터들의 시각 범위)로부터 계산될 수 있다.
상기 특징맵은 상기 특징 벡터에 포함된 특징들을 각각 행 및 열로 가지는 행렬로서, 상기 특징맵의 a행 b열에 위치한 성분의 값은, 시각 t1에서 a행에 대응되는 특징이 존재할 경우, 해당 특징의 영향으로 시각 t2(t1 < t2)에서 b열에 대응되는 특징이 존재할 확률값일 수 있다.
상기 후속 문서를 도출하는 단계는, 상기 대상 문서의 특징 벡터와 상기 특징맵 간의 내적(dot product)을 계산하는 단계; 및 상기 대상 문서의 후속 문서 중, 상기 내적의 결과값과의 유사도가 가장 높은 문서를 선택하는 단계를 더 포함할 수 있다.
상기 후속 문서를 도출하는 단계는, 선택된 상기 후속 문서를 새로운 대상 문서로 하여 상기 내적 계산 단계 및 상기 문서 선택 단계를 기 설정된 횟수만큼 반복함으로써 시간의 흐름에 따른 문서 시퀀스를 생성하도록 구성될 수 있다.
다른 예시적인 실시예에 따르면, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 문서 집합에 포함된 복수 개의 문서들 각각의 특징 벡터(feature vector)를 생성하기 위한 명령; 상기 복수 개의 문서들 각각의 시각 정보 및 상기 특징 벡터로부터, 상기 특징 벡터에 포함된 각 특징(feature)들의 시간 순서에 따른 연관 관계를 나타내는 특징맵(feature map)을 생성하기 위한 명령; 및 상기 특징맵에 기초하여, 입력된 대상 문서와 연관 관계가 존재하는 하나 이상의 후속 문서를 도출하기 위한 명령을 포함하는, 컴퓨팅 장치가 제공된다.
상기 특징 벡터는, 상기 복수 개의 문서들 각각에 포함된 주제(topic)를 특징(feature)으로 하고, 상기 각 주제가 해당 문서에서 차지하는 비율을 특징값(feature value)으로 하는 벡터일 수 있다.
상기 특징맵을 생성하기 위한 명령은, 상기 시각 정보 및 상기 특징 벡터로부터, 상기 복수 개의 문서들 각각이 선행 문서로부터 받은 영향의 정도를 나타내는 강도 함수(intensity function)을 계산하기 위한 명령을 더 포함할 수 있다.
상기 강도 함수는 다음의 수학식
Figure pat00011
Figure pat00012
Figure pat00013
Figure pat00014
(이때, λ(t)는 시각 t에서의 강도 함수, μ는 스케일 팩터,
Figure pat00015
는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 평균 벡터, Σ는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 공분산 행렬,
Figure pat00016
는 i번째 특징 벡터, ti는 i번째 특징 벡터의 시각 정보,
Figure pat00017
및
Figure pat00018
는 영향력 파라미터(influence parameter),
Figure pat00019
및
Figure pat00020
는 감쇠 파라미터(decaying parameter), T는 상기 특징 벡터들의 시각 범위)로부터 계산될 수 있다.
상기 특징맵은 상기 특징 벡터에 포함된 특징들을 각각 행 및 열로 가지는 행렬로서, 상기 특징맵의 a행 b열에 위치한 성분의 값은, 시각 t1에서 a행에 대응되는 특징이 존재할 경우, 해당 특징의 영향으로 시각 t2(t1 < t2)에서 b열에 대응되는 특징이 존재할 확률값일 수 있다.
상기 후속 문서를 도출하기 위한 명령은, 상기 대상 문서의 특징 벡터와 상기 특징맵 간의 내적(dot product)을 계산하기 위한 명령; 및 상기 대상 문서의 후속 문서 중, 상기 내적의 결과값과의 유사도가 가장 높은 문서를 선택하기 위한 명령을 더 포함할 수 있다.
상기 후속 문서를 도출하기 위한 명령은, 선택된 상기 후속 문서를 새로운 대상 문서로 하여 상기 내적 계산 단계 및 상기 문서 선택 단계를 기 설정된 횟수만큼 반복함으로써 시간의 흐름에 따른 문서 시퀀스를 생성하도록 구성될 수 있다.
본 발명의 실시예들에 따를 경우, 대용량 문서의 집합을 분석하여 이로부터 특정한 스토리의 발생 및 전개를 용이하게 모델링할 수 있게 되는 바, 문서 분석의 용이성 및 정확성을 높일 수 있다.
도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 스토리라인 생성 방법을 설명하기 위한 흐름도
도 3은 본 발명의 일 실시예에 따른 특징 벡터 생성 과정을 설명하기 위한 예시도이다.
도 4는 본 발명의 일 실시예에 따른 특징맵 생성 과정을 설명하기 위한 예시도
도 5는 본 발명의 일 실시예에 따른 스토리라인 생성 과정을 설명하기 위한 예시도
도 6은 본 발명의 일 실시예에 따라 생성된 스토리라인의 예시도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술되지 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 본 발명의 실시예들에 따른 스토리라인 생성 장치일 수 있다. 컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(102)와 연결될 수도 있다.
본 발명의 실시예들에 따른 컴퓨팅 장치(12)는 문서 집합에 포함된 복수 개의 문서들을 분석하여 상기 문서 집합에 포함된 스토리의 발생 및 전개(스토리라인)을 모델링하기 위한 장치이다. 본 발명의 실시예들에서, 스토리라인(storyline)이란 상기 문서가 표현하고 있는 사건들 간의 관계를 토대로 구성된 이벤트의 흐름(sequence)으로 정의할 수 있다. 하나의 스토리라인은 특정한 주제(topic)을 중심으로 시간에 따라 진화하는 특성을 가진다. 컴퓨팅 장치(12)는 상기 복수 개의 문서들 중 어느 하나의 문서에 대하여, 해당 문서와 관련성이 있는 하나 이상의 후속 문서를 추출하고, 추출된 문서들을 시간 순서에 따라 나열함으로써 스토리라인을 구성하게 된다.
개시되는 실시예들에서, 문서(document)란 언론 기사 또는 칼럼(column) 등의 텍스트(text)를 의미한다. 예를 들어, 상기 문서 집합은 프로야구와 관련된 기사의 모음일 수 있다. 본 발명에서 스토리라인은 시간의 흐름을 반영한 문서들의 나열을 의미하는 바, 각각의 문서들은 대응되는 시각 정보를 포함한다. 이때 상기 시각 정보는, 예컨대 각 문서의 작성 시각, 또는 해당 문서와 관련된 사건의 발생 시각 등일 수 있다. 또한, 이하의 설명에서 특정 문서의 선행 문서란 해당 특정 문서보다 앞선 시각 정보를 가진 문서를, 후속 문서란 해당 특정 문서보다 늦은 시각 정보를 가진 문서를 의미한다.
도 2는 본 발명의 일 실시예에 따른 스토리라인 생성 방법(200)을 설명하기 위한 흐름도이다. 도 2에 도시된 방법은 예를 들어, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치(12)에 의해 수행될 수 있다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
단계 202에서, 컴퓨팅 장치(12)는 문서 집합에 포함된 복수 개의 문서들 각각의 특징 벡터(feature vector)를 생성한다. 본 발명의 실시예들에서, 컴퓨팅 장치(12)는 문서 집합에 포함된 복수 개의 문서들 각각이 포함하는 주제(topic) 및 각 주제가 해당 문서에서 차지하는 비율을 계산하고, 이를 이용하여 각각의 문서로부터 특징 벡터를 생성할 수 있다. 이때 각각의 특징 벡터는 복수 개의 문서들 각각에 포함된 주제(topic)를 특징(feature)으로 가지고, 상기 각 주제가 해당 문서에서 차지하는 비율을 특징값(feature value)으로 가지게 된다.
도 3은 본 발명의 일 실시예에 따른 특징 벡터 생성 과정을 설명하기 위한 예시도이다. 도시된 바와 같이, 문서 집합에 포함된 문서 중 문서 N에 대한 분석 결과 해당 문서가 주제 1, 주제 2, 주제 3 및 주제 4를 포함한다고 가정하자. 만약 상기 주제 1, 주제 2, 주제 3 및 주제 4이 문서 N에서 차지하는 비율이 각각 0.35, 0.35, 0.17, 0.13라면, 문서 N은 다음과 같은 특징 벡터로 변환될 수 있다.
문서 N의 특징 벡터: {0.35, 0.35, 0.17, 0.13}
컴퓨팅 장치(12)는 각각의 문서에 대한 형태소 분석 등을 통해 키워드를 추출하고, 추출된 키워드에 대한 빈도 분석(TF-IDF 등) 등을 통하여 각 문서에 포함된 주제 및 해당 주제가 차지하는 비율을 도출할 수 있다. 문서로부터 주제를 알아내기 위한 기술적 방법에 대해서는 본 기술분야에서 통상의 기술자에게 잘 알려져 있는 바, 여기서는 그 상세한 설명을 생략하기로 한다. 본 발명의 실시예에서, 컴퓨팅 장치(12)는 문서의 특성 등을 고려하여 다양한 주제 도출 알고리즘 중 적절하다고 판단되는 알고리즘을 선정하여 상기 특징 벡터 변환 과정을 수행할 수 있다. 또한 본 발명의 실시예들에서, 문서 집합에 포함된 각 문서들은 각각 동일한 개수의 원소를 가지는 특징 벡터로 변환될 수 있다.
다시 도 2로 돌아와서, 다음으로 단계 204에서 컴퓨팅 장치(12)는 상기 복수 개의 문서들 각각의 시각 정보 및 상기 특징 벡터로부터, 상기 특징 벡터에 포함된 각 특징(feature)들의 시간 순서에 따른 연관 관계를 나타내는 특징맵(feature map)을 생성한다.
도 4는 본 발명의 일 실시예에 따른 특징맵 생성 과정을 설명하기 위한 예시도이다. 본 발명의 실시예들에서 특징맵(feature map, 402)은 202 단계에서 생성한 특징 벡터에 포함된 특징들을 각각 행 및 열로 가지는 행렬(matrix)이다. 예를 들어, 특징 벡터가 {a1, a2, ..., an}과 같이 n개의 주제(topic)를 원소로 가지는 벡터로 표현될 경우, 특징맵(402)은 nxn 매트릭스로 표현될 수 있다. 또한 특징맵(402)의 각 원소는 시간 선후 관계에 따른 각각의 주제들의 생성 확률을 나타낸다. 예를 들어, 특징맵(402)의 a행 b열에 위치한 성분의 값은, 임의의 시각 t1에서 a행에 대응되는 특징(주제)이 존재할 경우, 해당 특징의 영향으로 이어지는 시각 시각 t2(t1 < t2)에서 b열에 대응되는 특징(주제)이 존재할 확률값을 나타낸다. 도 4 및 도 5에서는 설명의 편의를 위하여 특징맵(402)의 각 원소의 값을 음영으로 표시하였다. 즉, 도시된 특징맵(402)의 경우 해당 위치의 색상이 진할 수록 대응되는 확률값 또한 높아지게 된다.
일 실시예에서, 컴퓨팅 장치(12)는 상기 시각 정보 및 상기 특징 벡터를 이용하여 상기 복수 개의 문서들 각각이 선행 문서로부터 받은 영향의 정도를 나타내는 강도 함수(intensity function)을 계산하고, 이로부터 특징맵(402)을 생성할 수 있다. 이때, 컴퓨팅 장치(12)는 벡터화된 혹스 프로세스(Vectorized Hawkes Process)를 이용하여 상기 강도 함수를 도출할 수 있다. 혹스 프로세스(Hawkes Process)는 포인트 프로세스(Point Process)의 일종으로, 이벤트의 발생을 모델링하는데 사용하는 통계적 기법이다. 특히 다변수 혹스 프로세스(Multivariate Hawkes Process)의 경우 하나의 이벤트 발생이 다양한 후속 이벤트의 발생에 미치는 영향을 설명할 수 있다.
본 발명의 실시예에서, 컴퓨팅 장치(12)는 문서 집합에 포함된 각각의 문서들을 이벤트(event)로 가정하여 혹스 프로세스를 적용함으로써 선행 문서와 후속 문서 사이의 영향 관계(상관 관계)를 계산하도록 구성된다. 특히, 일반적인 혹스 프로세스와 달리 본 발명의 실시예에서는 벡터 형태의 입력(특징 벡터)에 대하여 혹스 프로세스를 적용할 수 있는 모델인 벡터화된 혹스 프로세스를 이용하도록 구성된다.
혹스 프로세스에서 이벤트의 발생 정도는 전술한 강도 함수(Intensity Function)으로 표현된다. 상기 강도 함수는 기본 강도(base intensity; 해당 이벤트가 일어날 기본 확률) 및 영향력 함수(해당 이벤트가 기존 이벤트의 발생으로부터 받은 영향에 대한 함수)의 합으로 표현된다.
벡터화된 혹스 프로세스에서는 벡터화된 입력(특징 벡터)을 이용하므로, 개별 이벤트(문서)에 대해 따로 기본 강도를 정의하는 것이 불가능하다. 따라서, 본 발명의 실시예에서는 가우시안 분포를 가정하고, 특징 벡터의 평균 및 분산으로부터 샘플링하여 기본 강도를 계산하도록 구성된다.
구체적으로, 단일 이벤트(문서)의 기본 강도는 다음의 수학식 1과 같이 계산될 수 있다.
[수학식 1]
Figure pat00021
(이때,
Figure pat00022
는 i번째 특징 벡터,
Figure pat00023
는 i번째 특징 벡터에 대응되는 이벤트의 기본 강도, μ는 스케일 팩터(scale factor),
Figure pat00024
는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 평균 벡터, Σ는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 공분산 행렬)
이로부터 전체 이벤트(문서)의 기본 강도(λbase)는 다음의 수학식 2와 같이 계산된다.
[수학식 2]
Figure pat00025
한편, 벡터로 표현되는 두 이벤트
Figure pat00026
,
Figure pat00027
간의 관계는 다음과 같은 변환 매트릭스를 이용하여 계산될 수 있다.
[수학식 3]
Figure pat00028
(이때, M은 선형 변환 매트릭스(linear transformation matrix))
다음으로, 단일 이벤트의 영향력 함수는 다음의 수학식 4와 같이 계산된다.
[수학식 4]
Figure pat00029
Figure pat00030
Figure pat00031
(이때, gj(t)는 시각 t에서의 영향력 함수,
Figure pat00032
및
Figure pat00033
는 영향력 파라미터(influence parameter),
Figure pat00034
및
Figure pat00035
는 감쇠 파라미터(decaying parameter), T는 특징 벡터들의 시각 범위, ti는 i번째 특징 벡터의 시각 정보)
이로부터, 단일 이벤트
Figure pat00036
의 강도 함수(
Figure pat00037
)는 다음의 수학식 5와 같이 계산된다.
[수학식 5]
Figure pat00038
마지막으로, 전체 이벤트 집합(문서 집합)에서의 강도 함수는 다음의 수학식 6과 같이 계산될 수 있다.
[수학식 6]
Figure pat00039
(이때, λ(t)는 시각 t에서의 강도 함수)
전술한 강도 함수를 이용하면, 특정 시각 t1에서 생성된 문서(이벤트)의 각 주제들이, 이어지는 시각 t2에서 생성된 후속 문서의 각 주제들에 미치는 영향을 계산할 수 있는 바, 이로부터 특징맵을 생성할 수 있다.
다시 도 2로 돌아와서, 다음으로 단계 206에서 컴퓨팅 장치(12)는 204 단계에서 추출된 특징맵에 기초하여, 입력된 대상 문서와 연관 관계가 존재하는 하나 이상의 후속 문서를 도출함으로써 스토리라인을 생성한다.
도 5는 본 발명의 일 실시예에 따른 스토리라인 생성 과정을 설명하기 위한 예시도이다. 도시된 바와 같이, 컴퓨팅 장치(12)는 스토리라인을 생성하기 위한 대상 문서와 특징맵 간의 내적(dot product)을 계산하여 {x1, x2, …, xn}과 같은 형태의 내적값을 연산하고, 상기 대상 문서의 후속 문서 중, 상기 내적값과의 유사도가 가장 높은 문서를 선택할 수 있다. 이때 상기 유사도 계산은 유클리디안 유사도, 코사인 유사도 등 벡터간의 유사도를 계산하기 위한 다양한 방법 중 적절한 것을 적용할 수 있다.
컴퓨팅 장치(12)는 선택된 후속 문서에 대하여 다시 특징맵과의 내적값을 계산하고, 이로부터 상기 선택된 후속 문서의 후속 문서를 선택하는 방법을 기 설정된 횟수만큼 반복함으로써 도 6과 같이 복수 개의 문서가 시간의 흐름에 따라 배열되는 스토리라인을 생성할 수 있다.
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램, 및 상기 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나, 또는 컴퓨터 소프트웨어 분야에서 통상적으로 사용 가능한 것일 수 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 프로그램의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안되며, 후술하는 특허청구범위 뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (14)

  1. 하나 이상의 프로세서들, 및
    상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,
    문서 집합에 포함된 복수 개의 문서들 각각의 특징 벡터(feature vector)를 생성하는 단계;
    상기 복수 개의 문서들 각각의 시각 정보 및 상기 특징 벡터로부터, 상기 특징 벡터에 포함된 각 특징(feature)들의 시간 순서에 따른 연관 관계를 나타내는 특징맵(feature map)을 생성하는 단계; 및
    상기 특징맵에 기초하여, 입력된 대상 문서와 연관 관계가 존재하는 하나 이상의 후속 문서를 도출하는 단계를 포함하는, 방법.
  2. 청구항 1에 있어서,
    상기 특징 벡터는,
    상기 복수 개의 문서들 각각에 포함된 주제(topic)를 특징(feature)으로 하고, 상기 각 주제가 해당 문서에서 차지하는 비율을 특징값(feature value)으로 하는 벡터인, 방법.
  3. 청구항 1에 있어서,
    상기 특징맵을 생성하는 단계는,
    상기 시각 정보 및 상기 특징 벡터로부터, 상기 복수 개의 문서들 각각이 선행 문서로부터 받은 영향의 정도를 나타내는 강도 함수(intensity function)을 계산하는 단계를 더 포함하는, 방법.
  4. 청구항 3에 있어서,
    상기 강도 함수는 다음의 수학식
    Figure pat00040

    Figure pat00041

    Figure pat00042

    Figure pat00043

    (이때, λ(t)는 시각 t에서의 강도 함수, μ는 스케일 팩터,
    Figure pat00044
    는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 평균 벡터, Σ는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 공분산 행렬,
    Figure pat00045
    는 i번째 특징 벡터, ti는 i번째 특징 벡터의 시각 정보,
    Figure pat00046
    및
    Figure pat00047
    는 영향력 파라미터(influence parameter),
    Figure pat00048
    및
    Figure pat00049
    는 감쇠 파라미터(decaying parameter), T는 상기 특징 벡터들의 시각 범위)
    로부터 계산되는, 방법.
  5. 청구항 3에 있어서,
    상기 특징맵은 상기 특징 벡터에 포함된 특징들을 각각 행 및 열로 가지는 행렬로서,
    상기 특징맵의 a행 b열에 위치한 성분의 값은, 시각 t1에서 a행에 대응되는 특징이 존재할 경우, 해당 특징의 영향으로 시각 t2(t1 < t2)에서 b열에 대응되는 특징이 존재할 확률값인, 방법.
  6. 청구항 3에 있어서,
    상기 후속 문서를 도출하는 단계는,
    상기 대상 문서의 특징 벡터와 상기 특징맵 간의 내적(dot product)을 계산하는 단계; 및
    상기 대상 문서의 후속 문서 중, 상기 내적의 결과값과의 유사도가 가장 높은 문서를 선택하는 단계를 더 포함하는, 방법.
  7. 청구항 6에 있어서,
    상기 후속 문서를 도출하는 단계는,
    선택된 상기 후속 문서를 새로운 대상 문서로 하여 상기 내적 계산 단계 및 상기 문서 선택 단계를 기 설정된 횟수만큼 반복함으로써 시간의 흐름에 따른 문서 시퀀스를 생성하도록 구성되는, 방법.
  8. 하나 이상의 프로세서들;
    메모리; 및
    하나 이상의 프로그램들을 포함하고,
    상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
    상기 하나 이상의 프로그램들은,
    문서 집합에 포함된 복수 개의 문서들 각각의 특징 벡터(feature vector)를 생성하기 위한 명령;
    상기 복수 개의 문서들 각각의 시각 정보 및 상기 특징 벡터로부터, 상기 특징 벡터에 포함된 각 특징(feature)들의 시간 순서에 따른 연관 관계를 나타내는 특징맵(feature map)을 생성하기 위한 명령; 및
    상기 특징맵에 기초하여, 입력된 대상 문서와 연관 관계가 존재하는 하나 이상의 후속 문서를 도출하기 위한 명령을 포함하는, 컴퓨팅 장치.
  9. 청구항 8에 있어서,
    상기 특징 벡터는,
    상기 복수 개의 문서들 각각에 포함된 주제(topic)를 특징(feature)으로 하고, 상기 각 주제가 해당 문서에서 차지하는 비율을 특징값(feature value)으로 하는 벡터인, 컴퓨팅 장치.
  10. 청구항 8에 있어서,
    상기 특징맵을 생성하기 위한 명령은,
    상기 시각 정보 및 상기 특징 벡터로부터, 상기 복수 개의 문서들 각각이 선행 문서로부터 받은 영향의 정도를 나타내는 강도 함수(intensity function)을 계산하기 위한 명령을 더 포함하는, 컴퓨팅 장치.
  11. 청구항 10에 있어서,
    상기 강도 함수는 다음의 수학식
    Figure pat00050

    Figure pat00051

    Figure pat00052

    Figure pat00053

    (이때, λ(t)는 시각 t에서의 강도 함수, μ는 스케일 팩터,
    Figure pat00054
    는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 평균 벡터, Σ는 가우시안 분포를 가정할 때의 상기 특징 벡터들의 공분산 행렬,
    Figure pat00055
    는 i번째 특징 벡터, ti는 i번째 특징 벡터의 시각 정보,
    Figure pat00056
    및
    Figure pat00057
    는 영향력 파라미터(influence parameter),
    Figure pat00058
    및
    Figure pat00059
    는 감쇠 파라미터(decaying parameter), T는 상기 특징 벡터들의 시각 범위)
    로부터 계산되는, 컴퓨팅 장치.
  12. 청구항 10에 있어서,
    상기 특징맵은 상기 특징 벡터에 포함된 특징들을 각각 행 및 열로 가지는 행렬로서,
    상기 특징맵의 a행 b열에 위치한 성분의 값은, 시각 t1에서 a행에 대응되는 특징이 존재할 경우, 해당 특징의 영향으로 시각 t2(t1 < t2)에서 b열에 대응되는 특징이 존재할 확률값인, 컴퓨팅 장치.
  13. 청구항 10에 있어서,
    상기 후속 문서를 도출하기 위한 명령은,
    상기 대상 문서의 특징 벡터와 상기 특징맵 간의 내적(dot product)을 계산하기 위한 명령; 및
    상기 대상 문서의 후속 문서 중, 상기 내적의 결과값과의 유사도가 가장 높은 문서를 선택하기 위한 명령을 더 포함하는, 컴퓨팅 장치.
  14. 청구항 13에 있어서,
    상기 후속 문서를 도출하기 위한 명령은,
    선택된 상기 후속 문서를 새로운 대상 문서로 하여 상기 내적 계산 단계 및 상기 문서 선택 단계를 기 설정된 횟수만큼 반복함으로써 시간의 흐름에 따른 문서 시퀀스를 생성하도록 구성되는, 컴퓨팅 장치.
KR1020170182916A 2017-12-28 2017-12-28 문서들로부터 스토리라인을 생성하기 위한 장치 및 방법 KR102358048B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170182916A KR102358048B1 (ko) 2017-12-28 2017-12-28 문서들로부터 스토리라인을 생성하기 위한 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170182916A KR102358048B1 (ko) 2017-12-28 2017-12-28 문서들로부터 스토리라인을 생성하기 위한 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190080455A true KR20190080455A (ko) 2019-07-08
KR102358048B1 KR102358048B1 (ko) 2022-02-03

Family

ID=67256339

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170182916A KR102358048B1 (ko) 2017-12-28 2017-12-28 문서들로부터 스토리라인을 생성하기 위한 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102358048B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005004247A (ja) * 2003-06-09 2005-01-06 Hitachi Ltd 文書検索方法、文書検索プログラム、ならびに、文書検索装置
KR101768852B1 (ko) 2016-01-26 2017-08-17 경북대학교 산학협력단 트리플 데이터의 생성 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005004247A (ja) * 2003-06-09 2005-01-06 Hitachi Ltd 文書検索方法、文書検索プログラム、ならびに、文書検索装置
KR101768852B1 (ko) 2016-01-26 2017-08-17 경북대학교 산학협력단 트리플 데이터의 생성 방법 및 시스템

Also Published As

Publication number Publication date
KR102358048B1 (ko) 2022-02-03

Similar Documents

Publication Publication Date Title
CN109923556B (zh) 指针哨兵混合架构
US10817527B1 (en) Systems and methods of using natural language processing for visual analysis of a data set
Emiliano et al. Information criteria: How do they behave in different models?
US9405847B2 (en) Contextual grouping of a page
CN105096934B (zh) 构建语音特征库的方法、语音合成方法、装置及设备
CN110032641A (zh) 计算机执行的、利用神经网络进行事件抽取的方法及装置
CN110245221A (zh) 训练对话状态跟踪分类器的方法和计算机设备
KR20180077847A (ko) 문장 검증 장치 및 방법
US20150121200A1 (en) Text processing apparatus, text processing method, and computer program product
CN109815331A (zh) 文本情感分类模型的构建方法、装置和计算机设备
KR101549792B1 (ko) 문서 자동 작성 장치 및 방법
US12079720B2 (en) Apparatus and method for scheduling data augmentation technique
CN110717027A (zh) 多轮智能问答方法、系统以及控制器和介质
US20170300461A1 (en) Representation of an Interactive Document as a Graph of Entities
KR102119083B1 (ko) 사용자 리뷰 기반 평점 재산정 장치 및 방법, 이를 기록한 기록매체
Ceran et al. Prediction of software quality with Machine Learning-Based ensemble methods
CN111373391B (zh) 语言处理装置、语言处理系统和语言处理方法
Ceschia et al. Task design in complex crowdsourcing experiments: Item assignment optimization
CN107832271B (zh) 函数图像绘制方法、装置、设备及计算机存储介质
CN109190116A (zh) 语义解析方法、系统、电子设备及存储介质
KR102400689B1 (ko) 의미 관계 학습 장치, 의미 관계 학습 방법, 및 의미 관계 학습 프로그램
Wang et al. Image captioning using region-based attention joint with time-varying attention
KR20190080455A (ko) 문서들로부터 스토리라인을 생성하기 위한 장치 및 방법
US20200151275A1 (en) Histograms Based on Varying Data Distribution
CN111221880B (zh) 特征组合方法、装置、介质和电子设备

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant