KR20190114195A - 핵심 키워드 추출 방법 및 시스템 - Google Patents
핵심 키워드 추출 방법 및 시스템 Download PDFInfo
- Publication number
- KR20190114195A KR20190114195A KR1020180036532A KR20180036532A KR20190114195A KR 20190114195 A KR20190114195 A KR 20190114195A KR 1020180036532 A KR1020180036532 A KR 1020180036532A KR 20180036532 A KR20180036532 A KR 20180036532A KR 20190114195 A KR20190114195 A KR 20190114195A
- Authority
- KR
- South Korea
- Prior art keywords
- keyword
- candidate
- extracting
- document
- feature
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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
- G06F16/332—Query formulation
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
핵심 키워드 추출 방법 및 시스템이 개시된다. 핵심 키워드 추출 방법은, 주어진 문서 상에서 핵심 키워드 조건에 대응되는 후보 키워드를 추출하는 단계; 상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계; 및 상기 후보 키워드의 특징과 상기 문맥의 특징을 함께 학습한 결과에 따라 상기 후보 키워드에 대한 핵심 키워드 여부를 판단하는 단계를 포함할 수 있다.
Description
아래의 설명은 주어진 문서 상에서 핵심 키워드를 추출하는 기술에 관한 것이다.
웹(Web)에서 수집된 문서들, 뉴스 기사들 또는 학술지에 발표된 논문들과 같은 문서 집합이 주어졌을 때 각 문서의 키워드가 추출될 필요가 있다.
문서에서 키워드를 추출하는 방법은 크게 학습 기반 방법과 비학습 기반 방법으로 분류될 수 있다. 학습 기반 방법은 어휘와 의미에 기반하여 키워드를 인식하도록 미리 학습한 키워드 추출 시스템이 학습된 결과를 바탕으로 문서의 키워드를 추출하는 방법이고, 비학습 기반 방법은 키워드 추출 시스템이 학습 과정 없이 단어들이 사용된 순서나 횟수 등을 활용하여 키워드를 추출하는 방법이다.
예컨대, 한국 등록특허공보 제10-0844073호(등록일 2008년 06월 30일)에는 게시물 타이틀로부터 토픽을 추출하는 기술이 개시되어 있다.
주어진 문서에서 후보 키워드 자체의 특징과 주변 문맥(context)의 특징을 함께 고려하여 핵심 키워드를 추출할 수 있는 방법 및 시스템을 제공한다.
문서에서 후보 키워드를 추출하는 부분과 후보 키워드가 핵심 키워드인지 판단하는 부분을 분리하여 처리할 수 있는 방법 및 시스템을 제공한다.
사용자 검색 로그와 문서 클릭 로그를 이용하여 핵심 키워드를 판단하기 위한 모델의 학습 데이터를 자동 생성할 수 있는 방법 및 시스템을 제공한다.
컴퓨터로 구현되는 핵심 키워드 추출 방법에 있어서, 주어진 문서 상에서 핵심 키워드 조건에 대응되는 후보 키워드를 추출하는 단계; 상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계; 및 상기 후보 키워드의 특징과 상기 문맥의 특징을 함께 학습한 결과에 따라 상기 후보 키워드에 대한 핵심 키워드 여부를 판단하는 단계를 포함하는 핵심 키워드 추출 방법을 제공한다.
일 측면에 따르면, 상기 후보 키워드를 추출하는 단계는, 상기 문서에서 추출된 후보 키워드에 대해 상기 후보 키워드의 추가나 삭제가 가능한 편집 기능을 제공하는 단계를 포함할 수 있다.
다른 측면에 따르면, 상기 후보 키워드를 추출하는 단계는, 상기 문서에 대한 검색 로그와 클릭 로그를 이용하여 사용자들이 상기 문서를 검색하거나 클릭하기 전후에 입력된 질의 중 상기 문서에 포함된 어휘를 상기 후보 키워드로 추출할 수 있다.
또 다른 측면에 따르면, 상기 후보 키워드를 추출하는 단계는, 기 구축된 개체명 사전, 검색 질의 목록, 백과사전 제목을 포함하는 핵심 키워드 후보 사전을 이용하여 상기 후보 키워드를 추출할 수 있다.
또 다른 측면에 따르면, 상기 후보 키워드를 추출하는 단계는, 상기 문서의 길이를 고려하여 추출하고자 하는 상기 후보 키워드의 개수를 결정하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 후보 키워드를 추출하는 단계는, 상기 문서의 제목, 본문의 첫 문장, 따옴표나 괄호에 포함된 어휘들을 위주로 상기 후보 키워드를 추출할 수 있다.
또 다른 측면에 따르면, 상기 후보 키워드를 추출하는 단계는, 복합 명사류의 경우 사용자 검색 로그에서 자동완성 질의로 입력된 이력의 어휘를 상기 후보 키워드로 추출할 수 있다.
또 다른 측면에 따르면, 상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계는, 상기 후보 키워드가 상기 문서에서 출현한 빈도, 상기 후보 키워드가 상기 문서의 제목에 포함된 어휘인지 여부, 상기 후보 키워드의 문자열 길이, 상기 후보 키워드가 상기 문서에서 출현한 위치, 상기 후보 키워드의 전후에 위치한 형태소의 품사 중 적어도 하나를 나타내는 특징 벡터를 추출할 수 있다.
또 다른 측면에 따르면, 상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계는, 상기 후보 키워드의 문자열에서 첫 형태소의 품사, 상기 후보 키워드의 문자열에서 마지막 형태소의 품사, 상기 후보 키워드의 좌측에 위치한 일정 개수의 형태소, 상기 후보 키워드의 우측에 위치한 일정 개수의 형태소, 상기 후보 키워드의 첫 음절을 포함하는 적어도 둘 이상의 시작 음절, 상기 후보 키워드의 마지막 음절을 포함하는 적어도 둘 이상의 끝 음절 중 적어도 하나를 나타내는 특징 벡터를 추출할 수 있다.
또 다른 측면에 따르면, 상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계는, 상기 문서의 문장이나 문단 단위로 분리하여 상기 후보 키워드가 포함된 문맥의 특징을 추출할 수 있다.
또 다른 측면에 따르면, 상기 판단하는 단계는, 상기 후보 키워드에 대한 특징 벡터와 상기 후보 키워드가 포함된 문맥에 대한 특징 벡터를 입력으로 하는 DNN(deep neural network) 모델을 통해 상기 후보 키워드에 대한 핵심 키워드 여부를 나타내는 확률을 도출할 수 있다.
컴퓨터와 결합되어 상기 핵심 키워드 추출 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 핵심 키워드 추출 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체를 제공한다.
컴퓨터로 구현되는 핵심 키워드 추출 시스템에 있어서, 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 주어진 문서 상에서 핵심 키워드 조건에 대응되는 후보 키워드를 추출하는 후보 추출부; 상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 특징 추출부; 및 상기 후보 키워드의 특징과 상기 문맥의 특징을 함께 학습한 결과에 따라 상기 후보 키워드에 대한 핵심 키워드 여부를 판단하는 핵심 판단부를 포함하는 핵심 키워드 추출 시스템을 제공한다.
본 발명의 실시예들에 따르면, 주어진 문서에서 후보 키워드 자체의 특징과 주변 문맥(context)의 특징을 함께 고려하여 핵심 키워드를 추출함으로써 더욱 가치가 있을 만한 키워드를 추출할 수 있다.
본 발명의 실시예들에 따르면, 문서에서 후보 키워드를 추출하는 부분과 후보 키워드가 핵심 키워드인지 판단하는 부분을 분리하여 처리할 수 있고 이를 통해 후보 키워드를 추가나 삭제할 수 있는 제어가 가능하다. 후보 키워드의 추가나 삭제가 가능하므로 검색 서비스의 이슈에 쉽게 대응할 수 있고, 후보 키워드가 추가 혹은 삭제 되더라도 핵심 키워드 판단을 위한 모델을 재학습할 필요가 없어 시간이나 비용이 절감될 수 있다.
본 발명의 실시예들에 따르면, 사용자 검색 로그와 문서 클릭 로그를 이용하여 핵심 키워드를 판단하기 위한 모델의 학습 데이터를 자동 생성함으로써 대용량의 학습 데이터를 용이하게 확보할 수 있다.
도 1은 본 발명의 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.
도 5 내지 도 9는 본 발명의 일 실시예에 있어서 문서 상에서 핵심 키워드를 추출하는 과정을 설명하기 위한 예시 도면이다.
도 2는 본 발명의 일 실시예에 있어서, 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.
도 5 내지 도 9는 본 발명의 일 실시예에 있어서 문서 상에서 핵심 키워드를 추출하는 과정을 설명하기 위한 예시 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 주어진 문서 상에서 핵심 키워드를 추출하는 기술에 관한 것이다.
본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 문서의 주제를 잘 표현하면서 검색 서비스 상 질의로 사용했을 때 가치가 있을 만한 주제어를 핵심 키워드로 추출할 수 있고, 이를 통해 정확성, 효율성, 신속성, 확장성, 비용 절감 등의 측면에 있어서 상당한 장점들을 달성한다.
도 1은 본 발명의 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 시스템으로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 시스템들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제1 서비스를 제공하는 시스템일 수 있으며, 서버(160) 역시 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 제2 서비스를 제공하는 시스템일 수 있다. 보다 구체적인 예로, 서버(150)는 복수의 전자 기기들(110, 120, 130, 140)에 설치되어 구동되는 컴퓨터 프로그램으로서의 어플리케이션을 통해, 해당 어플리케이션이 목적하는 서비스(일례로, 검색 서비스 등)를 제1 서비스로서 복수의 전자 기기들(110, 120, 130, 140)로 제공할 수 있다. 다른 예로, 서버(160)는 상술한 어플리케이션의 설치 및 구동을 위한 파일을 복수의 전자 기기들(110, 120, 130, 140)로 배포하는 서비스를 제2 서비스로서 제공할 수 있다.
도 2는 본 발명의 일 실시예에 있어서 전자 기기 및 서버의 내부 구성을 설명하기 위한 블록도이다. 도 2에서는 전자 기기에 대한 예로서 전자 기기(110), 그리고 서버(150)의 내부 구성을 설명한다. 또한, 다른 전자 기기들(120, 130, 140)이나 서버(160) 역시 상술한 전자 기기(110) 또는 서버(150)와 동일한 또는 유사한 내부 구성을 가질 수 있다.
전자 기기(110)와 서버(150)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 비-일시적인 컴퓨터 판독가능한 기록매체로서, RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리(211, 221)와는 구분되는 별도의 영구 저장 장치로서 전자 기기(110)나 서버(150)에 포함될 수도 있다. 또한, 메모리(211, 221)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 전자 기기(110)에 설치되어 구동되는 브라우저나 특정 서비스의 제공을 위해 전자 기기(110)에 설치된 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독가능한 기록매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로, 상술한 서버(160))이 네트워크(170)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.
프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(213, 223)은 네트워크(170)를 통해 전자 기기(110)와 서버(150)가 서로 통신하기 위한 기능을 제공할 수 있으며, 전자 기기(110) 및/또는 서버(150)가 다른 전자 기기(일례로 전자 기기(120)) 또는 다른 서버(일례로 서버(160))와 통신하기 위한 기능을 제공할 수 있다. 일례로, 전자 기기(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(170)를 통해 서버(150)로 전달될 수 있다. 역으로, 서버(150)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 컨텐츠, 파일 등이 통신 모듈(223)과 네트워크(170)를 거쳐 전자 기기(110)의 통신 모듈(213)을 통해 전자 기기(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(150)의 제어 신호나 명령, 컨텐츠, 파일 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 컨텐츠나 파일 등은 전자 기기(110)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(214)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드, 마우스, 마이크로폰, 카메라 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(215)는 전자 기기(110)와 하나의 장치로 구성될 수도 있다. 또한, 서버(150)의 입출력 인터페이스(224)는 서버(150)와 연결되거나 서버(150)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 보다 구체적인 예로, 전자 기기(110)의 프로세서(212)가 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(150)나 전자 기기(120)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다.
또한, 다른 실시예들에서 전자 기기(110) 및 서버(150)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 전자 기기(110)는 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다. 보다 구체적인 예로, 전자 기기(110)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 가속도 센서나 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 전자 기기(110)에 더 포함되도록 구현될 수 있다.
이하에서는 주어진 문서 상에서 핵심 키워드를 추출하는 방법 및 시스템의 구체적인 실시예를 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 서버의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 블록도이고, 도 4는 본 발명의 일 실시예에 따른 서버가 수행할 수 있는 방법의 예를 도시한 흐름도이다.
본 실시예에 따른 서버(150)는 클라이언트(client)인 복수의 전자 기기들(110, 120, 130, 140)을 대상으로 검색 서비스를 제공하는 플랫폼 역할을 한다. 특히, 서버(150)는 주어진 문서 상에서 핵심 키워드를 추출하여 추출된 핵심 키워드를 바탕으로 하이라이팅, 검색, 문서 요약 등의 기능을 제공할 수 있으며, 더 나아가 추출된 핵심 키워드가 엔티티(entity)인 경우 ID 링크를 통해 메타 정보로 다른 서비스에 활용 가능케 할 수도 있다.
이를 위해 서버(150)의 프로세서(222)는 구성요소로서 도 3에 도시된 바와 같이, 후보 추출부(310), 특징 추출부(320), 및 핵심 판단부(330)를 포함할 수 있다. 실시예에 따라 프로세서(222)의 구성요소들은 선택적으로 프로세서(222)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(222)의 구성요소들은 프로세서(222)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(222) 및 프로세서(222)의 구성요소들은 도 4의 핵심 키워드 추출 방법이 포함하는 단계들(S410 내지 S440)을 수행하도록 서버(150)를 제어할 수 있다. 예를 들어, 프로세서(222) 및 프로세서(222)의 구성요소들은 메모리(221)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
여기서, 프로세서(222)의 구성요소들은 서버(150)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(222)에 의해 수행되는 프로세서(222)의 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 서버(150)가 후보 키워드를 추출하도록 상술한 명령에 따라 서버(150)를 제어하는 프로세서(222)의 기능적 표현으로서 후보 추출부(310)가 이용될 수 있다.
단계(S410)에서 프로세서(222)는 서버(150)의 제어와 관련된 명령이 로딩된 메모리(221)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(222)가 이후 설명될 단계들(S420 내지 S440)을 실행하도록 제어하기 위한 명령을 포함할 수 있다.
단계(S420)에서 후보 추출부(310)는 주어진 문서 상에서 핵심 키워드 조건에 대응되는 후보 키워드를 추출할 수 있다. 핵심 키워드는 문서가 주로 설명하거나 묘사하고 있는 주제, 사물, 인물, 현상, 개념, 개체명 등을 나타내는 어휘를 의미할 수 있다. 핵심 키워드로 검색 시 적절한 품질과 효용 가치를 가지는 검색 결과가 있어야 하기 때문에, 검색 서비스를 고려하여 사용자가 검색했을 때 효용 가치가 있는 어휘들로 핵심 키워드를 추출하게 된다. 사용자가 해당 문서를 찾기 위해 입력할법한 질의 또는 사용자가 해당 문서를 읽고 다음에 입력할법한 질의를 중심으로 핵심 키워드 판단에 참고할 수 있다. 핵심 키워드 조건은 개체명, 명사, 혹은 명사구 단위로 정의될 수 있다. 이때, 문서의 핵심 주제는 제목, 본문 첫 문장(초반 내용), 따옴표(또는 쌍따옴표)나 괄호 등에 담고 있는 경우가 대부분이므로 해당 부분의 어휘를 위주로 후보 키워드를 추출할 수 있다. 문서의 길이에 따라 추출하고자 하는 후보 키워드의 개수를 결정될 수 있으며, 문서가 아주 긴 경우에는 제목이나 본문 초반 내용에 포함된 어휘들 위주로 후보 키워드를 추출할 수 있다. 그리고, 복합 명사류 혹은 묶어서 하나의 의미나 새로운 개념이 되는 어휘들은 개체명과 마찬가지로 복수 개의 단어를 묶어서 하나의 후보 키워드로 간주할 수 있다. 단, 이슈성 합성어와 같은 경우 개별 명사가 모두 핵심 키워드 조건에 대응되는 경우 분리해서 별개의 후보 키워드로 간주하는 것 또한 가능하다. 또한, 복합 명사류 혹은 묶어서 하나의 의미나 새로운 개념이 되는 어휘들의 경우 의미와 의도를 표현할 수 있는 최소 단위로 묶어서 하나의 후보 키워드로 간주할 수 있다. 이때, 사용자 검색 로그에서 자동완성 질의를 참조하여 다수가 더 많이 입력한 이력의 어휘로 후보 키워드를 결정할 수 있다. 특히, 후보 추출부(310)는 도박, 성인, 스팸, 욕설, 불법 광고성, 무의미한 문서 등의 경우 핵심 키워드 추출 대상에서 제외시킬 수 있다.
후보 추출부(310)는 주어진 문서에 대한 사용자 검색 로그와 문서 클릭 로그를 이용한 학습 데이터를 자동 생성할 수 있고 자동 생성된 학습 데이터를 바탕으로 해당 문서의 후보 키워드를 구축할 수 있다. 일례로, 후보 추출부(310)는 사용자들이 문서를 검색하거나 클릭하기 전후에 입력한 질의 중 해당 문서에 포함된 어휘를 정답 데이터로 가정하여 후보 키워드로 추출할 수 있다. 다른 예로, 후보 추출부(310)는 사용자들이 클릭한 문서를 대상으로 해당 문서의 제목 내에 포함된 어휘를 위주로 후보 키워드를 추출할 수 있다. 이때, 사용자 로그에서 클릭된 문서의 ID 정보와 해당 문서의 클릭 전후 입력된 질의를 추출하여 문서 ID와 질의로 이루어진 정보 쌍을 생성한 후 N번 이상 출현한 것만 학습 데이터로 사용하도록 정제할 수 있다. 후보 추출부(310)는 문서에서 질의와 일정 비율 이상 부분 일치하는 단어열, 문서 제목에 출연하는 개체명과 완전 일치하는 단어열 등을 후보 키워드로 선정할 수 있다. 그리고, 후보 추출부(310)는 핵심 키워드 후보 사전을 이용하여 후보 키워드를 추출하는 것 또한 가능하다. 기 구축된 개체명 사전, 고빈도 검색 질의 목록, 백과사전 제목 등이 핵심 키워드 후보 사전으로 사용될 수 있다.
후보 추출부(310)는 문서 상에서 추출된 후보 키워드 목록을 사용자에게 제공하여 사용자에 의해 후보 키워드의 추가나 삭제가 가능한 편집 기능을 제공할 수 있다.
단계(S430)에서 특징 추출부(320)는 후보 키워드의 특징과 후보 키워드가 포함된 주변 문맥의 특징을 추출할 수 있다. 핵심 키워드에 대한 다음 특성을 잘 나타내는 특징(즉, 자질 feature)을 함수로 나타내어 표현할 수 있다. 1) 제목은 글의 핵심을 담고 있다. 2) 문서의 특정 부분에 주로 핵심 내용이 묘사될 것이다. 3) 핵심 키워드 문구는 일반적인 단어와는 길이 분포가 다를 것이다. 4) 핵심 키워드 문구의 시작과 끝 품사는 일반적인 단어의 그것과 분포가 다를 것이다. 5) 핵심 키워드 문구의 음절 정보는 일반적인 단어의 그것과 분포가 다를 것이다. 상기한 특성들을 고려하여 특징 추출부(320)는 후보 키워드의 특징으로서 후보 키워드가 문서에 출현한 빈도(후보 키워드 빈도), 후보 키워드가 문서의 제목에 포함된 어휘인지 여부, 후보 키워드의 문자열 길이, 후보 키워드가 문서에 출현한 위치, 후보 키워드의 전후에 위치하는 형태소의 품사 등을 나타내는 특징 벡터를 추출할 수 있다. 그리고, 특징 추출부(320)는 주변 문맥의 특징으로서 후보 키워드의 문자열에서 첫 형태소의 품사, 후보 키워드의 문자열에서 마지막 형태소의 품사, 후보 키워드의 좌측에 위치한 N개의 형태소, 후보 키워드의 우측에 위치한 N개의 형태소, 후보 키워드의 첫 음절을 포함하는 적어도 둘 이상의 시작 음절, 후보 키워드의 마지막 음절을 포함하는 적어도 둘 이상의 끝 음절 등을 나타내는 특징 벡터를 추출할 수 있다. 특징 추출부(320)는 후보 키워드에 대해 핵심 키워드가 가지는 특성을 나타내는 특징들을 추출할 수 있고, 이때 추출된 특징들은 고차원의 공간 벡터로 표현될 수 있다. 이때, 후보 키워드의 음절 정보에 대한 임베딩 벡터는 공간 벡터의 차원을 줄여, 예컨대 차원을 제거하고(axis=0) 전체 원수의 합계를 구하는 함수(reduce_sum)에 의해 계산될 수 있다.
특징 추출부(320)는 연산량을 줄이기 위해 문서의 문맥을 분리하여 특징을 추출할 수 있다. 핵심 키워드 여부를 판단해야 하는 단어, 즉 후보 키워드가 위치 C에 존재한다면 후보 키워드의 위치 C를 기준으로 이전 N개 음절부터 이후 N개 음절까지(C-N~C+N)를 하나의 문맥 K로 정의할 수 있다. DNN(심층 신경망, deep neural network)의 입력으로 사용하기 위해서는 문맥 특징을 분산된 벡터 표현(distributed vector representation)으로 나타내야 하며 이를 컨텍스트 벡터(context2vector)라 정의할 수 있다. 컨텍스트 벡터는 하나의 문서 안에서 핵심 키워드 여부를 판단해야 하는 후보 키워드 수만큼 생성될 수 있으며, 문맥을 나타내기 위해 문맥을 구성하는 문자열의 임베딩 벡터 값, 문맥을 구성하는 문자열의 품사 정보의 임베딩 벡터 값, 후보 키워드의 시작과 끝 음절의 임베딩 벡터 값 등을 사용할 수 있다.
단계(S440)에서 핵심 판단부(330)는 DNN을 이용하여 후보 키워드의 특징과 주변 문맥의 특징을 함께 학습한 결과에 따라 후보 키워드에 대한 핵심 키워드 여부를 판단할 수 있다. 핵심 판단부(330)는 후보 키워드에 대한 특징 벡터 학습과 문맥에 대한 특징 벡터 학습을 하나의 DNN 모델을 통해 수행하여 핵심 키워드를 추출할 수 있다. 후보 키워드의 특징 벡터와 문맥의 특징 벡터가 유사한 에너지 준위를 갖도록 동일한 벡터 공간에 사상시켜줄 수 있으며, 동일한 벡터 공간에 사상된 두 벡터 학습 결과를 병합하여(concatenate) DNN의 입력으로 사용할 수 있다. 핵심 판단부(330)는 후보 키워드의 특징 벡터와 문맥의 특징 벡터를 입력으로 하는 DNN 모델을 통해 후보 키워드가 핵심 키워드인지(Topic) 아닌지(Non-topic)를 나타내는 확률 값(또는 확률 점수)을 도출할 수 있다. 따라서, 핵심 판단부(330)는 후보 키워드 자체의 특징과 함께 후보 키워드의 주변 문맥 특징을 같이 고려하여 해당 키워드가 핵심 키워드인지 여부를 판별할 수 있다.
도 5 내지 도 9는 본 발명의 일 실시예에 있어서 문서 상에서 핵심 키워드를 추출하는 과정을 설명하기 위한 예시 도면이다.
도 5는 도 4를 통해 설명한 단계(S420)의 예시 과정을 나타낸 것이다.
후보 추출부(310)는 문서(500) 상에서 어휘의 중요도를 바탕으로 핵심 키워드가 될만한 후보 키워드(510)를 추출할 수 있다. 예를 들어, 후보 추출부(310)는 제목(501)에 포함된 어휘, 본문(502)에서 첫 문장과 같은 초반 내용에 포함된 어휘, 본문(502)에서 따옴표(또는 쌍따옴표)나 괄호 등에 포함된 어휘 등을 후보 키워드(510)로 추출할 수 있다. 이때, 후보 추출부(310)는 기 구축된 개체명이나 핵심 키워드 사전 등을 이용한 트라이 기반 사전 탐색을 통해 후보 키워드(510)를 추출할 수 있고, 후보 키워드(510)를 추출하기 위한 핵심 키워드 리소스로는 검색 질의로 이용된 어휘, 유의어 사전, 지식백과 제목 등을 포함한 DB를 활용하는 것 또한 가능하다.
도 6은 도 4를 통해 설명한 단계(S430)의 예시 과정을 나타낸 것이다.
특징 추출부(320)는 문서(500)에서 추출된 후보 키워드(510) 각각에 대해 해당 후보 키워드(510)의 특성을 표현한 특징들(F1, F2, ?, context2vector)(620)을 추출할 수 있다. 후보 키워드(510)의 특징(620)에는 후보 키워드(510)가 문서(500)에 출현한 빈도, 후보 키워드(510)가 문서(500)의 제목(501)에 포함된 어휘인지 여부, 후보 키워드(510)의 문자열 길이, 후보 키워드(510)가 문서(500) 내에서 출현한 위치, 후보 키워드(510)의 전후에 위치하는 형태소의 품사 등이 반영될 수 있다. 또한, 후보 키워드(510)의 특징(620)에는 후보 키워드(510)가 포함된 문맥의 특징(context2vector)이 반영될 수 있으며, 문맥을 구성하는 문자열, 문맥을 구성하는 문자열의 품사, 후보 키워드(510)의 시작과 끝 음절 등의 특징 벡터 값이 포함될 수 있다.
본 발명에서는 문서(500) 상의 핵심 키워드를 추출하는 과정에서 문서(500)의 주제에 대한 이해로서 주변 문맥을 반영할 수 있다. 전체 문맥에 대한 특징 추출 시 연산량과 시간이 늘어나므로 도 7에 도시한 바와 같이 문서(500)를 문장이나 문단 단위로 분리하여 특징을 추출할 수 있다. 분리된 문맥의 특징 벡터 합은 결과적으로 전체 문맥의 특징을 반영할 수 있다.
도 8은 도 4를 통해 설명한 단계(S440)의 예시 과정을 나타낸 것이다.
핵심 판단부(330)는 후보 키워드(510)의 특징(620)으로서 후보 키워드(510) 자체의 특성을 표현한 특징들(F1, F2, ?)과 후보 키워드(510)가 포함된 문맥의 특징(context2vector)을 입력으로 하는 DNN 모델(800)을 통해 후보 키워드(510)가 핵심 키워드인지 여부를 나타내는 확률 값(또는 확률 점수)(830)을 도출할 수 있다. 이때, 핵심 판단부(330)는 후보 키워드(510) 별 확률 값(830)이 미리 정해진 임계 값 이상이면 핵심 키워드(Topic)로 판단하고 해당 임계 값 미만이면 핵심 키워드가 아닌 것(Non-topic)으로 판단할 수 있다.
도 9는 DNN 모델(800) 구조를 도시한 것으로, 도시한 바와 같이 후보 키워드(510)의 특징(620)으로 후보 키워드(510) 자체의 특징들(F1, F2, ?)과 후보 키워드(510)가 포함된 문맥의 특징(context2vector)이 DNN 모델(800)의 입력이 되어 하나의 DNN 모델(800)을 통해 문맥을 고려한 특징 벡터 학습이 진행됨에 따라 핵심 키워드에 해당되는 어휘(Topic) 혹은 핵심 키워드에 해당되지 않은 어휘(Non-topic)로 분류될 수 있다.
그리고, 핵심 판단부(330)는 DNN 모델(800)을 통해 분류된 후보 키워드(510)에 대해 기 구축된 이슈 대응 사전이나 필터 등을 적용하여 후보 키워드(510) 중에서 최근 이슈가 되고 있는 어휘들을 위주로 최종 핵심 키워드로 판별하는 것 또한 가능하다.
상기한 과정을 통해 문서(500)에서 추출된 핵심 키워드는 문서(500) 내 하이라이팅 기능, 검색 기능, 핵심어 요약 기능 등에 적용할 수 있고, 더 나아가 검색을 예측하는 서비스, 일례로 해당 문서(500)와 관련된 연관 검색어를 제공하는 검색어 추천 서비스 등에서 활용 가능하다.
이처럼 본 발명의 실시예들에 따르면, 주어진 문서에서 후보 키워드 자체의 특징과 주변 문맥의 특징을 함께 고려하여 핵심 키워드를 추출함으로써 더욱 가치가 있을 만한 키워드를 추출할 수 있다. 더욱이, 본 발명의 실시예들에 따르면, 문서에서 후보 키워드를 추출하는 부분과 후보 키워드가 핵심 키워드인지 판단하는 부분을 분리하여 처리함으로써 후보 키워드의 추가나 삭제가 가능하고 후보 키워드가 추가 혹은 삭제 되더라도 핵심 키워드 판단을 위한 모델을 재학습할 필요가 없어 시간이나 비용이 절감될 수 있다. 또한, 본 발명의 실시예들에 따르면, 사용자 검색 로그와 문서 클릭 로그를 이용하여 핵심 키워드를 판단하기 위한 모델의 학습 데이터를 자동 생성함으로써 대용량의 학습 데이터를 용이하게 확보할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (20)
- 컴퓨터로 구현되는 핵심 키워드 추출 방법에 있어서,
주어진 문서 상에서 핵심 키워드 조건에 대응되는 후보 키워드를 추출하는 단계;
상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계; 및
상기 후보 키워드의 특징과 상기 문맥의 특징을 함께 학습한 결과에 따라 상기 후보 키워드에 대한 핵심 키워드 여부를 판단하는 단계
를 포함하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드를 추출하는 단계는,
상기 문서에서 추출된 후보 키워드에 대해 상기 후보 키워드의 추가나 삭제가 가능한 편집 기능을 제공하는 단계
를 포함하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드를 추출하는 단계는,
상기 문서에 대한 검색 로그와 클릭 로그를 이용하여 사용자들이 상기 문서를 검색하거나 클릭하기 전후에 입력된 질의 중 상기 문서에 포함된 어휘를 상기 후보 키워드로 추출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드를 추출하는 단계는,
기 구축된 개체명 사전, 검색 질의 목록, 백과사전 제목을 포함하는 핵심 키워드 후보 사전을 이용하여 상기 후보 키워드를 추출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드를 추출하는 단계는,
상기 문서의 길이를 고려하여 추출하고자 하는 상기 후보 키워드의 개수를 결정하는 단계
를 포함하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드를 추출하는 단계는,
상기 문서의 제목, 본문의 첫 문장, 따옴표나 괄호에 포함된 어휘들을 위주로 상기 후보 키워드를 추출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드를 추출하는 단계는,
복합 명사류의 경우 사용자 검색 로그에서 자동완성 질의로 입력된 이력의 어휘를 상기 후보 키워드로 추출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계는,
상기 후보 키워드가 상기 문서에서 출현한 빈도, 상기 후보 키워드가 상기 문서의 제목에 포함된 어휘인지 여부, 상기 후보 키워드의 문자열 길이, 상기 후보 키워드가 상기 문서에서 출현한 위치, 상기 후보 키워드의 전후에 위치한 형태소의 품사 중 적어도 하나를 나타내는 특징 벡터를 추출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계는,
상기 후보 키워드의 문자열에서 첫 형태소의 품사, 상기 후보 키워드의 문자열에서 마지막 형태소의 품사, 상기 후보 키워드의 좌측에 위치한 일정 개수의 형태소, 상기 후보 키워드의 우측에 위치한 일정 개수의 형태소, 상기 후보 키워드의 첫 음절을 포함하는 적어도 둘 이상의 시작 음절, 상기 후보 키워드의 마지막 음절을 포함하는 적어도 둘 이상의 끝 음절 중 적어도 하나를 나타내는 특징 벡터를 추출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 단계는,
상기 문서의 문장이나 문단 단위로 분리하여 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 제1항에 있어서,
상기 판단하는 단계는,
상기 후보 키워드에 대한 특징 벡터와 상기 후보 키워드가 포함된 문맥에 대한 특징 벡터를 입력으로 하는 DNN(deep neural network) 모델을 통해 상기 후보 키워드에 대한 핵심 키워드 여부를 나타내는 확률을 도출하는 것
을 특징으로 하는 핵심 키워드 추출 방법. - 컴퓨터와 결합되어 제1항 내지 제11항 중 어느 한 항의 핵심 키워드 추출 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
- 제1항 내지 제11항 중 어느 한 항의 핵심 키워드 추출 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체.
- 컴퓨터로 구현되는 핵심 키워드 추출 시스템에 있어서,
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로세서는,
주어진 문서 상에서 핵심 키워드 조건에 대응되는 후보 키워드를 추출하는 후보 추출부;
상기 후보 키워드의 특징과 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 특징 추출부; 및
상기 후보 키워드의 특징과 상기 문맥의 특징을 함께 학습한 결과에 따라 상기 후보 키워드에 대한 핵심 키워드 여부를 판단하는 핵심 판단부
를 포함하는 핵심 키워드 추출 시스템. - 제14항에 있어서,
상기 후보 추출부는,
상기 문서에서 추출된 후보 키워드에 대해 상기 후보 키워드의 추가나 삭제가 가능한 편집 기능을 제공하는 것
을 특징으로 하 핵심 키워드 추출 시스템. - 제14항에 있어서,
상기 후보 추출부는,
상기 문서에 대한 검색 로그와 클릭 로그를 이용하여 사용자들이 상기 문서를 검색하거나 클릭하기 전후에 입력된 질의 중 상기 문서에 포함된 어휘를 상기 후보 키워드로 추출하는 것
을 특징으로 하는 핵심 키워드 추출 시스템. - 제14항에 있어서,
상기 특징 추출부는,
상기 후보 키워드가 상기 문서에서 출현한 빈도, 상기 후보 키워드가 상기 문서의 제목에 포함된 어휘인지 여부, 상기 후보 키워드의 문자열 길이, 상기 후보 키워드가 상기 문서에서 출현한 위치, 상기 후보 키워드의 전후에 위치한 형태소의 품사 중 적어도 하나를 나타내는 특징 벡터를 추출하는 것
을 특징으로 하는 핵심 키워드 추출 시스템. - 제14항에 있어서,
상기 특징 추출부는,
상기 후보 키워드의 문자열에서 첫 형태소의 품사, 상기 후보 키워드의 문자열에서 마지막 형태소의 품사, 상기 후보 키워드의 좌측에 위치한 일정 개수의 형태소, 상기 후보 키워드의 우측에 위치한 일정 개수의 형태소, 상기 후보 키워드의 첫 음절을 포함하는 적어도 둘 이상의 시작 음절, 상기 후보 키워드의 마지막 음절을 포함하는 적어도 둘 이상의 끝 음절 중 적어도 하나를 나타내는 특징 벡터를 추출하는 것
을 특징으로 하는 핵심 키워드 추출 시스템. - 제14항에 있어서,
상기 특징 추출부는,
상기 문서의 문장이나 문단 단위로 분리하여 상기 후보 키워드가 포함된 문맥의 특징을 추출하는 것
을 특징으로 하는 핵심 키워드 추출 시스템. - 제14항에 있어서,
상기 핵심 판단부는,
상기 후보 키워드에 대한 특징 벡터와 상기 후보 키워드가 포함된 문맥에 대한 특징 벡터를 입력으로 하는 DNN(deep neural network) 모델을 통해 상기 후보 키워드에 대한 핵심 키워드 여부를 나타내는 확률을 도출하는 것
을 특징으로 하는 핵심 키워드 추출 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180036532A KR102075505B1 (ko) | 2018-03-29 | 2018-03-29 | 핵심 키워드 추출 방법 및 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180036532A KR102075505B1 (ko) | 2018-03-29 | 2018-03-29 | 핵심 키워드 추출 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190114195A true KR20190114195A (ko) | 2019-10-10 |
KR102075505B1 KR102075505B1 (ko) | 2020-02-10 |
Family
ID=68206135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180036532A KR102075505B1 (ko) | 2018-03-29 | 2018-03-29 | 핵심 키워드 추출 방법 및 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102075505B1 (ko) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852064A (zh) * | 2019-10-31 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 关键句提取方法及装置 |
CN111274815A (zh) * | 2020-01-15 | 2020-06-12 | 北京百度网讯科技有限公司 | 用于挖掘文本中的实体关注点的方法和装置 |
KR20210092152A (ko) * | 2020-01-15 | 2021-07-23 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 핵심 엔티티를 레이블링하는 방법, 장치 및 전자 기기 |
KR20210121921A (ko) * | 2020-03-31 | 2021-10-08 | 포항공과대학교 산학협력단 | 키워드 공동출현 네트워크를 기반으로 핵심 키워드를 추출하는 방법 및 장치 |
KR102389671B1 (ko) * | 2021-02-08 | 2022-04-25 | 주식회사 잡쇼퍼 | 인공지능 기반의 학업 탐구 주제 데이터베이스 생성 방법 |
KR20220165515A (ko) * | 2021-06-08 | 2022-12-15 | 고려대학교 산학협력단 | 카탈로그 이미지의 데이터 추출 시스템 및 카탈로그 이미지의 데이터 추출 방법 |
KR102595682B1 (ko) * | 2023-04-04 | 2023-10-30 | 주식회사 에프앤가이드 | 기업에 대한 뉴스 기사를 이용하여 주식 종목에 대한 감성 분석을 제공하기 위한 방법 및 이를 이용한 장치와 시스템 |
KR20230166332A (ko) * | 2022-05-30 | 2023-12-07 | 국민대학교산학협력단 | 딥러닝 기반 고객 관점 중요 키워드 도출 장치 및 방법 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102429568B1 (ko) | 2022-03-29 | 2022-08-04 | 주식회사 에이알케이 미디어 | 인공지능 기반 사용자 상담요청에 따른 무속인 매칭 방법, 장치 및 시스템 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110060317A (ko) * | 2009-11-30 | 2011-06-08 | 한국과학기술원 | 이동통신 단말기에서 컨텍스트를 이용한 추천검색어 제공 시스템 및 방법 |
KR20150008635A (ko) * | 2013-07-15 | 2015-01-23 | 주식회사 다음카카오 | 핵심 키워드 선정 장치, 핵심 키워드 선정 방법 및 이를 이용한 검색 서비스 제공 방법 |
KR20160112248A (ko) * | 2015-03-18 | 2016-09-28 | 성균관대학교산학협력단 | 잠재 키워드 생성 방법 및 장치 |
-
2018
- 2018-03-29 KR KR1020180036532A patent/KR102075505B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110060317A (ko) * | 2009-11-30 | 2011-06-08 | 한국과학기술원 | 이동통신 단말기에서 컨텍스트를 이용한 추천검색어 제공 시스템 및 방법 |
KR20150008635A (ko) * | 2013-07-15 | 2015-01-23 | 주식회사 다음카카오 | 핵심 키워드 선정 장치, 핵심 키워드 선정 방법 및 이를 이용한 검색 서비스 제공 방법 |
KR20160112248A (ko) * | 2015-03-18 | 2016-09-28 | 성균관대학교산학협력단 | 잠재 키워드 생성 방법 및 장치 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852064A (zh) * | 2019-10-31 | 2020-02-28 | 腾讯科技(深圳)有限公司 | 关键句提取方法及装置 |
CN110852064B (zh) * | 2019-10-31 | 2021-10-26 | 腾讯科技(深圳)有限公司 | 关键句提取方法及装置 |
CN111274815A (zh) * | 2020-01-15 | 2020-06-12 | 北京百度网讯科技有限公司 | 用于挖掘文本中的实体关注点的方法和装置 |
KR20210092147A (ko) * | 2020-01-15 | 2021-07-23 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 텍스트의 엔티티 포커스의 마이닝 방법 및 장치 |
KR20210092152A (ko) * | 2020-01-15 | 2021-07-23 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 핵심 엔티티를 레이블링하는 방법, 장치 및 전자 기기 |
US11775761B2 (en) | 2020-01-15 | 2023-10-03 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for mining entity focus in text |
CN111274815B (zh) * | 2020-01-15 | 2024-04-12 | 北京百度网讯科技有限公司 | 用于挖掘文本中的实体关注点的方法和装置 |
KR20210121921A (ko) * | 2020-03-31 | 2021-10-08 | 포항공과대학교 산학협력단 | 키워드 공동출현 네트워크를 기반으로 핵심 키워드를 추출하는 방법 및 장치 |
KR102389671B1 (ko) * | 2021-02-08 | 2022-04-25 | 주식회사 잡쇼퍼 | 인공지능 기반의 학업 탐구 주제 데이터베이스 생성 방법 |
KR20220165515A (ko) * | 2021-06-08 | 2022-12-15 | 고려대학교 산학협력단 | 카탈로그 이미지의 데이터 추출 시스템 및 카탈로그 이미지의 데이터 추출 방법 |
KR20230166332A (ko) * | 2022-05-30 | 2023-12-07 | 국민대학교산학협력단 | 딥러닝 기반 고객 관점 중요 키워드 도출 장치 및 방법 |
KR102595682B1 (ko) * | 2023-04-04 | 2023-10-30 | 주식회사 에프앤가이드 | 기업에 대한 뉴스 기사를 이용하여 주식 종목에 대한 감성 분석을 제공하기 위한 방법 및 이를 이용한 장치와 시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR102075505B1 (ko) | 2020-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102075505B1 (ko) | 핵심 키워드 추출 방법 및 시스템 | |
US10963499B2 (en) | Generating command-specific language model discourses for digital assistant interpretation | |
KR102243536B1 (ko) | 어플리케이션의 내용 분석을 통해 사용자 접근을 제어하는 방법 및 시스템 | |
US10963495B2 (en) | Automated discourse phrase discovery for generating an improved language model of a digital assistant | |
JP5257071B2 (ja) | 類似度計算装置及び情報検索装置 | |
US10929613B2 (en) | Automated document cluster merging for topic-based digital assistant interpretation | |
WO2018045646A1 (zh) | 基于人工智能的人机交互方法和装置 | |
JP7529797B2 (ja) | オンラインゲームのためのユーザ入力テキストの言語検出 | |
CN111026319B (zh) | 一种智能文本处理方法、装置、电子设备及存储介质 | |
JP2021197133A (ja) | 意味マッチング方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
CN105183761A (zh) | 敏感词替换方法和装置 | |
KR102400995B1 (ko) | 쇼핑 검색을 위한 상품 속성 추출 방법 | |
KR102088357B1 (ko) | 기계독해기반 질의응답방법 및 기기 | |
KR20200087977A (ko) | 멀티모달 문서 요약 시스템 및 방법 | |
KR20200014047A (ko) | 시맨틱 트리플 기반의 지식 확장 시스템, 방법 및 컴퓨터 프로그램 | |
CN114880447A (zh) | 信息检索方法、装置、设备及存储介质 | |
US20210149900A1 (en) | Method, system and computer program for semantic triple-based knowledge extension | |
Palagin et al. | Distributional semantic modeling: A revised technique to train term/word vector space models applying the ontology-related approach | |
KR102277240B1 (ko) | 키워드 관계 구조를 이용한 동의어 추출 방법 및 시스템 | |
US20220222442A1 (en) | Parameter learning apparatus, parameter learning method, and computer readable recording medium | |
KR102415366B1 (ko) | 서로 다른 모달의 피처를 이용한 복합 랭킹 모델을 통해 연관 이미지를 검색하는 방법 및 시스템 | |
KR102315068B1 (ko) | 문서 검색 품질 향상을 위한 문서 일관성 판단 방법 및 시스템 | |
US20240054991A1 (en) | Spoken query processing for image search | |
KR20200097949A (ko) | 키워드 관계 구조를 이용한 동의어 추출 방법 및 시스템 | |
EP3822817A1 (en) | Method, system and computer program for semantic triple-based knowledge extension |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |