KR20190116058A - 양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법 - Google Patents

양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법

Info

Publication number
KR20190116058A
KR20190116058A KR1020190029852A KR20190029852A KR20190116058A KR 20190116058 A KR20190116058 A KR 20190116058A KR 1020190029852 A KR1020190029852 A KR 1020190029852A KR 20190029852 A KR20190029852 A KR 20190029852A KR 20190116058 A KR20190116058 A KR 20190116058A
Authority
KR
South Korea
Prior art keywords
expert
network
technology
node
processor
Prior art date
Application number
KR1020190029852A
Other languages
English (en)
Other versions
KR102216275B1 (ko
Inventor
조진삼
Original Assignee
조진삼
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 조진삼 filed Critical 조진삼
Publication of KR20190116058A publication Critical patent/KR20190116058A/ko
Application granted granted Critical
Publication of KR102216275B1 publication Critical patent/KR102216275B1/ko

Links

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]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0619—Neutral agent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • 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
    • G06Q30/08—Auctions

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

다양한 실시예들에 따른 양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법은, 적어도 하나의 전문가와 전문가의 보유 기술을 매칭시켜 양분 네트워크를 형성하고, 보유 기술에 대응하는 다수 개의 기술 노드들로 다층 네트워크를 형성하고, 수요자의 입력에 응답하여, 다층 네트워크 및 양분 네트워크를 기반으로 전문가를 선정하도록 구성될 수 있다.

Description

양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법{ARTIFICIAL INTELLIGENCE SYSTEM AND METHOD FOR MATCHING EXPERT BASED ON BIPARTITE NETWORK AND MULTIPLEX NETWORK}
다양한 실시예들은 양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법에 관한 것이다.
기술은 끊임 없이 생성되고 소멸된다. 이러한 기술 변화의 속성 때문에, 기술의 분류 체계 또한 고정되지 않고 끊임 없이 변화하기 마련이다. 한편, 수요자는 특정한 기술의 전문가와 접촉을 필요로 할 수 있다. 이로 인하여, 수요자와 전문가를 매칭시키는 시스템이 제안되고 있다. 시스템은 수요자의 요구에 부합하는 전문가를 선정하여, 수요자에 추천할 수 있다.
그런데, 상기와 같은 시스템은 효율적으로 수요자와 전문가를 매칭시키지 못하는 문제점이 있다. 즉 시스템이 기술의 급속한 변화 속에서 수요자의 요구에 부합하는 전문가를 선정하는 데 있어서, 신속성과 정확성이 낮다. 따라서, 수요자와 전문가를 효율적으로 매칭시키기 위한 방안이 요구된다.
다양한 실시예들에 따른 시스템은 인공지능 전문가 매칭 시스템으로서, 메모리, 및 상기 메모리와 연결되는 프로세서를 포함하고, 상기 프로세서는, 적어도 하나의 전문가와 상기 전문가의 보유 기술을 매칭시켜 양분 네트워크를 형성하고, 수요자의 입력에 응답하여, 상기 양분 네트워크를 기반으로 상기 전문가를 선정하도록 구성될 수 있다.
다양한 실시예들에 따른 시스템의 동작 방법은 인공지능 전문가 매칭 방법으로서, 적어도 하나의 전문가와 상기 전문가의 보유 기술을 매칭시켜 양분 네트워크를 형성하는 동작, 상기 보유 기술에 대응하는 다수 개의 기술 노드들로 다층 네트워크를 형성하는 동작, 및 수요자의 입력에 응답하여, 상기 다층 네트워크 및 양분 네트워크를 기반으로 상기 전문가를 선정하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 시스템이 전문가와 전문가의 보유 기술을 양분 네트워크를 기반으로 관리함으로써, 양분 네트워크를 통하여 효율적으로 수요자와 전문가를 매칭시킬 수 있다. 이 때 시스템이 전문가의 보유 기술을 다층 네트워크에 기반하여 전문가의 관점 뿐 아니라 수요자의 관점에서도 관리함으로써, 보다 효율적으로 수요자와 전문가를 매칭시킬 수 있다. 여기서, 시스템이 다층 네트워크에서 범위를 확대해 가면서 전문가를 선정하기 때문에, 동적으로 수요자와 전문가를 매칭시킬 수 있다. 이에 따라, 시스템이 기술의 급속한 변화 속에서 수요자의 요구에 부합하는 전문가를 선정하는 데 있어서, 신속성과 정확성이 향상될 수 있다.
도 1은 다양한 실시예들에 따른 시스템을 도시하는 도면이다.
도 2는 다양한 실시예들에 따른 시스템의 동작 방법을 도시하는 도면이다.
도 3은 도 2의 양분 네트워크 형성 동작을 도시하는 도면이다.
도 4, 도 5a, 도 5b 및 도 5c는 도 2의 양분 네트워크 형성 동작을 설명하기 위한 도면들이다.
도 6은 도 2의 양분 네트워크 기반 전문가 선정 동작을 도시하는 도면이다.
도 7a 및 도 7b는 도 2의 양분 네트워크 기반 전문가 선정 동작을 설명하기 위한 도면들이다.
이하, 본 문서의 다양한 실시예들이 첨부된 도면을 참조하여 설명된다.
도 1은 다양한 실시예들에 따른 시스템(100)을 도시하는 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 시스템(100)은 양분 네트워크(bipartite network)와 다층 네트워크(multiplex network)에 기초하여, 인공지능으로 전문가를 매칭시키기 시스템으로서, 입력 모듈(110), 출력 모듈(120), 메모리(130) 또는 프로세서(140) 중 적어도 어느 하나를 포함할 수 있다.
입력 모듈(110)은 시스템(100)의 구성 요소에 사용될 명령 또는 데이터를 시스템(100)의 외부로부터 수신할 수 있다. 입력 모듈(110)은, 사용자가 시스템(100)에 직접적으로 명령 또는 데이터를 입력하도록 구성되는 입력 장치 또는 외부 전자 장치와 유선 또는 무선으로 통신하여 명령 또는 데이터를 수신하도록 구성되는 통신 장치 중 적어도 어느 하나를 포함할 수 있다. 예를 들면, 입력 장치는 마이크로폰(microphone), 마우스(mouse), 키보드(keyboard) 또는 카메라(camera) 중 적어도 어느 하나를 포함할 수 있다. 예를 들면, 통신 장치는 유선 통신 장치 또는 무선 통신 장치 중 적어도 어느 하나를 포함하며, 무선 통신 장치는 근거리 통신 장치 또는 원거리 통신 장치 중 적어도 어느 하나를 포함할 수 있다.
출력 모듈(120)은 시스템(100)의 외부로 정보를 제공할 수 있다. 출력 모듈(120)은 정보를 청각적으로 출력하도록 구성되는 오디오 출력 장치, 정보를 시각적으로 출력하도록 구성되는 표시 장치 또는 외부 전자 장치와 유선 또는 무선으로 통신하여 정보를 전송하도록 구성되는 통신 장치 중 적어도 어느 하나를 포함할 수 있다. 예를 들면, 통신 장치는 유선 통신 장치 또는 무선 통신 장치 중 적어도 어느 하나를 포함하며, 무선 통신 장치는 근거리 통신 장치 또는 원거리 통신 장치 중 적어도 어느 하나를 포함할 수 있다.
메모리(130)는 시스템(100)의 구성 요소에 의해 사용되는 데이터를 저장할 수 있다. 데이터는 프로그램 또는 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 예를 들면, 메모리(130)는 휘발성 메모리 또는 비휘발성 메모리 중 적어도 어느 하나를 포함할 수 있다.
프로세서(140)는 메모리(130)의 프로그램을 실행하여, 시스템(100)의 구성 요소를 제어할 수 있고, 데이터 처리 또는 연산을 수행할 수 있다. 프로세서(140)는 적어도 하나의 전문가를 등록하고, 수요자에 전문가를 추천할 수 있다. 이를 위해, 프로세서(140)는 적어도 하나의 전문가와 전문가의 보유 기술을 기반으로 양분 네트워크를 형성할 수 있다. 이 때 프로세서(140)는 전문가의 보유 기술에 대응하는 다수 개의 기술 노드들로 다층 네트워크를 형성할 수 있다. 예를 들면, 기술 노드들은 보유 기술을 나타내는 적어도 하나의 제 1 기술 노드 및 제 1 기술 노드와 각각 연관되며, 수요자에 의해 입력될 적어도 하나의 제 2 기술 노드를 포함할 수 있다. 이를 통해, 다층 네트워크는 제 1 기술 노드가 배열되는 제 1 레이어 및 제 2 기술 노드가 배열되는 제 2 레이어를 포함할 수 있다. 그리고 프로세서(140)는 수요자의 입력에 응답하여, 양분 네트워크를 기반으로 전문가를 선정할 수 있다. 이 때 프로세서(140)는 수요자의 입력에 대응하여 제 2 기술 노드를 선택하고, 제 2 기술 노드를 기반으로 제 1 기술 노드를 선택하고, 제 1 기술 노드를 기반으로 전문가를 선정할 수 있다.
도 2는 다양한 실시예들에 따른 시스템(100)의 동작 방법을 도시하는 도면이다.
도 2를 참조하면, 시스템(100)은 210 동작에서 적어도 하나의 전문가 및 전문가의 보유 기술을 기반으로 양분 네트워크를 형성할 수 있다. 시스템(100)은 전문가를 신규로 등록하면서, 전문가와 전문가의 보유 기술을 기반으로 양분 네트워크를 형성할 수 있다. 그리고 프로세서(140)는 전문가의 보유 기술에 대응하는 다수 개의 기술 노드들로 다층 네트워크를 형성할 수 있다. 여기서, 기술 노드들이 다수 개의 레이어들로 구분될 수 있다. 예를 들면, 기술 노드들은 보유 기술을 나타내는 적어도 하나의 제 1 기술 노드 및 제 1 기술 노드와 각각 연관되며, 수요자에 의해 입력될 적어도 하나의 제 2 기술 노드를 포함할 수 있다.
도 3은 도 2의 양분 네트워크 형성 동작을 도시하는 도면이다. 도 4, 도 5a, 도 5b 및 도 5c는 도 2의 양분 네트워크 형성 동작을 설명하기 위한 도면들이다.
도 3을 참조하면, 시스템(100)은 310 동작에서 전문가 노드(400)를 생성할 수 있다. 시스템(100)은 신규로 전문가를 등록하면서, 전문가에 대응하는 전문가 노드(400)를 생성할 수 있다. 이 때 시스템(100)은 전문가의 입력에 기반하여, 전문가 노드(400)를 생성할 수 있다. 예를 들면, 프로세서(140)는 입력 모듈(110)을 통하여 수신되는 전문가의 입력으로부터 전문가의 특징 데이터를 검출할 수 있다. 일 예로, 전문가의 특징 데이터는 전문가의 학력, 나이, 주소 등을 포함할 수 있다. 일 실시예에 따르면, 프로세서(140)는 도 4에 도시된 바와 같이 전문가 노드(400)를 생성할 수 있다. 미리 등록된 다수의 전문가들에 대응하는 전문가 노드(400)들, 예컨대 A, B, C, D, E 및 F가 미리 생성되어 있을 수 있으며, 프로세서(140)가 전문가 노드(400), 예컨대 G를 생성하여 추가할 수 있다.
시스템(100)은 320 동작에서 적어도 하나의 제 1 기술 노드(410)를 결정할 수 있다. 시스템(100)은 신규로 등록된 전문가의 보유 기술에 대응하여, 제 1 기술 노드(410)를 결정할 수 있다. 일 실시예에 따르면, 프로세서(140)는 도 4에 도시된 바와 같이 제 1 기술 노드(410)를 결정할 수 있다. 일 예로, 제 1 기술 노드(410)는 미리 등록된 전문가들 중 적어도 어느 하나와 신규로 등록된 전문가에 의해 공유될 수 있다. 바꿔 말하면, 제 1 기술 노드(410)는 미리 등록된 전문가들 중 적어도 어느 하나에 대응하여 이미 선택된 것일 수 있다. 예를 들면, 기술 분류에 따른 다수 개의 제 1 기술 노드(410)들이 메모리(130)에 미리 저장되어 있을 수 있으며, 프로세서(140)는 입력 모듈(110)을 통하여 수신되는 전문가의 입력에 기반하여, 제 1 기술 노드(410)들 중 적어도 어느 하나를 선택할 수 있다. 여기서, 제 1 기술 노드(410)들은 제 1 기술 노드(410)들, 예컨대 1, 2, 3 및 4 각각에 대응하는 기술들의 관련성에 기반하여, 도 5a에 도시된 바와 같이 제 1 기술 네트워크를 형성할 수 있다. 일 예로, 제 1 기술 노드(410)들 중에서, 1과 2가 상호 관련되고, 2, 3 및 4가 상호 관련될 수 있다.
시스템(100)은 330 동작에서 전문가 노드(400)와 제 1 기술 노드(410)에 기반하여 양분 네트워크를 형성할 수 있다. 프로세서(140)는, 도 4에 도시된 바와 같이 전문가 노드(400)와 전문가 노드(400)에 대응하는 제 1 기술 노드(410)를 연결할 수 있다. 여기서, 미리 등록된 전문가들에 대응하는 전문가 노드(400)들이, 도 5b에 도시된 바와 같이 전문가 네트워크를 형성할 수 있다. 그리고 신규로 전문가가 등록됨에 따라, 전문가 네트워크가 업데이트될 수 있다. 예를 들면, 전문가 네트워크는 전문가 노드(400)들과 제 1 기술 노드(410)들의 연결을 기반으로 형성될 수 있다. 일 예로, 신규로 등록되는 전문가에 대응하는 전문가 노드(400) G는 제 1 기술 노드(410), 즉 4에 기반하여, 전문가 네트워크의 전문가 노드(400)들 중 E와 F에 연결될 수 있다.
시스템(100)은 340 동작에서 적어도 하나의 제 2 기술 노드(420)를 결정할 수 있다. 시스템(100)은 신규로 등록된 전문가의 보유 기술에 대응하여, 수요자에 의해 입력될 제 2 기술 노드(420)를 결정할 수 있다. 이 때 제 2 기술 노드(420)는 적어도 하나의 제 1 기술 노드(410)와 관련되며, 제 1 기술 노드(410)와 동일할 수 있으며 상이할 수도 있다. 일 실시예에 따르면, 프로세서(140)는 도 4에 도시된 바와 같이 제 2 기술 노드(420)를 결정할 수 있다. 예를 들면, 기술 분류에 따른 다수 개의 제 2 기술 노드(420)들이 제 1 기술 노드(410)들과 관련되어, 메모리(130)에 미리 저장되어 있을 수 있으며, 프로세서(140)는 제 1 기술 노드(410)들 중 적어도 어느 하나의 선택에 대응하여, 제 2 기술 노드(420)들 중 적어도 어느 하나를 선택할 수 있다. 여기서, 제 2 기술 노드(420)들은 제 2 기술 노드(420)들, 예컨대 1’, 2’, 3’ 및 4’ 각각에 대응하는 기술들의 관련성에 기반하여, 도 5c에 도시된 바와 같이 제 2 기술 네트워크를 형성할 수 있다. 일 예로, 제 2 기술 노드(420)들 중에서, 1’, 2’ 및 3’이 상호 관련되고, 3’과 4’이 상호 관련될 수 있다.
시스템(100)은 350 동작에서 제 1 기술 노드(410)와 제 2 기술 노드(420)에 기반하여 다층 네트워크를 형성할 수 있다. 다층 네트워크는 상호에 대향하는 제 1 레이어(도 7a의 710)와 제 2 레이어(도 7a의 720)를 포함할 수 있다. 시스템(100)은 제 1 레이어(도 7a의 710)에 제 1 기술 노드(410)를 배열하고, 제 2 레이어(도 7a의 720)에 제 2 기술 노드(420)를 배열할 수 있다. 이를 통해, 다층 네트워크에서, 제 1 기술 노드(410)와 제 2 기술 노드(420)가 하나의 쌍(pair)을 이룰 수 있다. 프로세서(140)는 도 4에 도시된 바와 같이 제 1 기술 노드(410)와 제 2 기술 노드(420)를 연결할 수 있다. 일 예로, 제 1 기술 노드(410)들, 즉 1, 2, 3 및 4와 제 2 기술 노드(420)들, 즉 1’, 2’, 3’ 및 4’이 각각 연결될 수 있다. 이 후 시스템(100)은 도 2로 리턴할 수 있다.
시스템(100)은 220 동작에서 수요자의 입력을 감지할 수 있다. 프로세서(140)는 입력 모듈(110)을 통하여, 수요자의 입력을 수신할 수 있다. 이에 응답하여, 시스템(100)은 230 동작에서 양분 네트워크를 기반으로 적어도 하나의 전문가를 선정할 수 있다. 시스템(100)은 양분 매칭(bipartite matching) 기법을 이용하여, 수요자의 입력으로부터 전문가를 선정할 수 있다. 이 때 시스템(100)은 양분 네트워크 뿐 아니라, 다층 네트워크를 기반으로 전문가를 선정할 수 있다. 예를 들면, 프로세서(140)는 수요자의 입력에 대응하여, 적어도 하나의 제 2 기술 노드(420)를 선택하고, 제 2 기술 노드(420)를 기반으로 제 1 기술 노드(410)를 선택하고, 제 1 기술 노드(410)를 기반으로 전문가 노드(400)를 선정할 수 있다. 이를 통해, 시스템(100)이 수요자에 전문가를 추천할 수 있다.
도 6은 도 2의 양분 네트워크 기반 전문가 선정 동작을 도시하는 도면이다. 도 7a 및 도 7b는 도 2의 양분 네트워크 기반 전문가 선정 동작을 설명하기 위한 도면들이다.
도 6을 참조하면, 시스템(100)은 610 동작에서 양분 네트워크를 기반으로 적어도 하나의 전문가를 선정할 수 있다. 프로세서(140)는 수요자의 입력에 응답하여, 양분 네트워크를 기반으로 전문가를 선정할 수 있다. 이 때 프로세서(140)는 수요자의 입력에 대응하여, 적어도 하나의 제 2 기술 노드(420)를 선택할 수 있다. 그리고 프로세서(140)는 다층 네트워크에 기반하여, 제 2 기술 노드(420)와 관련된 적어도 하나의 제 1 기술 노드(410)를 선택할 수 있다. 여기서, 프로세서(140)는 제 1 레이어(710)에서 제 2 기술 노드(420)와 연결된 제 1 기술 노드(410)에 대응하여, 선정 범위(R)를 설정할 수 있다. 이 후 프로세서(140)는 양분 네트워크에 기반하여, 제 1 기술 노드(410)에 연결된 적어도 하나의 전문가 노드(400)를 검출하고, 그에 대응하는 적어도 하나의 전문가를 선정할 수 있다. 일 실시예에 따르면, 다수의 전문가들이 선택되면, 프로세서(140)는, 전문가들 각각에 대한 만족도 또는 전문가들 각각의 특징 데이터 중 적어도 어느 하나를 기반으로 하는 인공신경망 훈련 결과를 이용하여, 전문가들 중 어느 하나를 선정할 수 있다.
예를 들면, 도 7a에 도시된 바와 같이 다층 네트워크의 제 1 레이어(710)와 제 2 레이어(720)가 구성될 때, 프로세서(140)는 제 2 레이어(720)에서 제 2 기술 노드(420), 예컨대 4’을 선택할 수 있다. 이에 대응하여, 프로세서(140)는 제 1 레이어(710)에서 제 2 기술 노드(420)와 관련된 제 1 기술 노드(410), 예컨대 4를 선택할 수 있다. 이를 통해, 프로세서(140)는 양분 네트워크에 기반하여, 제 1 기술 노드(410), 예컨대 4에 연결된 적어도 하나의 전문가 노드(400), 예컨대 E, F 및 G를 선택하고, 그에 대응하는 적어도 하나의 전문가를 선정할 수 있다.
시스템(100)은 620 동작에서 전문가에 매칭 수락을 요청할 수 있다. 프로세서(140)는 출력 모듈(120)을 통하여 전문가에 수요자에 대응하는 매칭 수락 여부를 요청할 수 있다. 이 후 시스템(100)은 630 동작에서 전문가의 매칭 수락 여부를 판단할 수 있다. 프로세서(140)는 입력 모듈(110)을 통하여 수신되는 전문가의 응답에 기반하여, 전문가의 매칭 수락 여부를 판단할 수 있다. 예를 들면, 다수의 전문가들이 선정되면, 프로세서(140)는 전문가들 각각으로 매칭 수락 여부를 요청한 다음, 전문가들 각각에 대하여 매칭 수락 여부를 판단할 수 있다.
630 동작에서 전문가가 매칭을 수락하지 않은 것으로 판단되면, 시스템(100)은 635 동작에서 양분 네트워크를 기반으로 전문가를 재선정할 수 있다. 매칭 수락을 요청한 모든 전문가가 매칭을 수락하지 않으면, 프로세서(140)가 양분 네트워크를 기반으로 전문가를 재선정할 수 있다. 이 때 프로세서(140)는 제 1 레이어(710)에서 이전에 선택된 제 1 기술 노드(410)와 관련성에 기반하여, 적어도 하나의 다른 제 1 기술 노드(410)를 선택할 수 있다. 여기서, 프로세서(140)는 제 1 레이어(710)에서 이전에 선택된 제 1 기술 노드(410)와 관련성이 높은 적어도 하나의 다른 제 1 기술 노드(410)를 선택할 수 있다. 관련성은 제 1 레이어(710)에서 이전에 선택된 제 1 기술 노드(410)와 거리에 따라 결정될 수 있으며, 거리가 짧을수록 높을 수 있다. 일 예로, 제 1 기술 네트워크와 제 2 기술 네트워크 형성 시, 도 7b에 도시된 바와 같이 다층 네트워크의 제 1 기술 노드(410)들과 제 2 기술 노드(420)들 사이의 연결 여부에 따른 관련성이 정의될 수 있다. 이를 통해, 프로세서(140)는, 제 1 레이어(710)에서 이전에 선택된 제 1 기술 노드(410)와 관련성이 (1, 1), (0, 1) 또는 (1, 0) 중 어느 하나에 해당하는 적어도 하나의 다른 제 1 기술 노드(410)를 선택할 수 있다. 여기서, 프로세서(140)는 제 1 레이어(710)에서 이전에 선택된 제 1 기술 노드(410)를 중심으로, 선정 범위(R)를 순차적으로 확대할 수 있다. 그리고 프로세서(140)는 양분 네트워크에 기반하여, 제 1 기술 노드(410)에 연결된 적어도 하나의 전문가 노드(400)를 검출하고, 그에 대응하는 적어도 하나의 전문가를 선정할 수 있다. 일 실시예에 따르면, 다수의 전문가들이 선택되면, 프로세서(140)는, 전문가들 각각에 대한 만족도 또는 전문가들 각각의 특징 데이터 중 적어도 어느 하나를 기반으로 하는 인공신경망 훈련 결과를 이용하여, 전문가들 중 어느 하나를 선정할 수 있다. 이 후 시스템(100)은 620 동작으로 복귀할 수 있다.
예를 들면, 도 7a에 도시된 바와 같이 구성되는 다층 네트워크에서 이전에 선택된 제 1 기술 노드(410)가, 예컨대 4이면, 프로세서(140)는 제 1 레이어(710)에서 제 1 기술 노드(410), 예컨대 4에 연결된 적어도 하나의 다른 제 1 기술 노드(410), 예컨대 2와 3을 선택할 수 있다. 여기서, 프로세서(140)는 선정 범위(R)에 기반하여, 제 1 기술 노드(410), 예컨대 2와 3을 선택할 수 있다. 이 후 프로세서(140)는 양분 네트워크에 기반하여, 제 1 기술 노드(410), 예컨대 2와 3에 연결된 적어도 하나의 전문가 노드(400), 예컨대 B, D 및 E를 선택하고, 그에 대응하는 적어도 하나의 전문가를 선정할 수 있다. 여기서, 전문가 노드(400), 예컨대 E는 이전에 선택된 바 있으므로, 무시될 수 있다.
예를 들면, 도 7a에 도시된 바와 같이 구성되는 다층 네트워크에서 이전에 선택된 제 1 기술 노드(410)가, 예컨대 2와 3이면, 프로세서(140)는 제 1 레이어(710)에서 제 1 기술 노드(410), 예컨대 2와 3에 연결된 적어도 하나의 다른 제 1 기술 노드(410), 예컨대 1을 선택할 수 있다. 여기서, 프로세서(140)는 선정 범위(R)에 기반하여, 제 1 기술 노드(410), 예컨대 2와 3을 선택할 수 있다. 이 후 프로세서(140)는 양분 네트워크(410)에 기반하여, 제 1 기술 노드(410), 예컨대 1에 연결된 적어도 하나의 전문가 노드(400), 예컨대 A, B 및 C를 선택하고, 그에 대응하는 적어도 하나의 전문가를 선정할 수 있다. 여기서, 전문가 노드(400), 예컨대 B와 C는 이전에 선택된 바 있으므로, 무시될 수 있다.
630 동작에서 전문가가 매칭을 수락한 것으로 판단되면, 시스템(100)은 640 동작에서 수요자에 전문가를 추천할 수 있다. 매칭 수락을 요청한 모든 전문가 중 적어도 어느 하나가 매칭을 수락하면, 프로세서(140)가 수요자에 매칭을 수락한 전문가를 추천할 수 있다. 이를 통해, 시스템(100)이 수요자와 전문가를 매칭시킬 수 있다. 프로세서(140)는 출력 모듈(120)을 통하여, 수요자에 전문가를 추천할 수 있다. 그리고 시스템(100)은 650 동작에서 전문가에 대한 수요자의 만족도를 확인할 수 있다. 프로세서(140)는 입력 모듈(110)을 통하여, 전문가에 대한 수요자의 만족도를 수신할 수 있다.
일 실시예에 따르면, 프로세서(140)는 전문가에 대한 수요자의 만족도를 출력 변수로 하고, 전문가의 특성 정보 또는 제 1 기술 노드(410)들 각각의 관련성 중 적어도 어느 하나를 입력 변수로 하여, 인공신경망 훈련을 수행할 수 있다. 이를 통해, 프로세서(140)는 인공신경망 훈련 결과를 메모리(130)에 저장할 수 있다. 아울러, 프로세서(140)는 수요자와 전문가의 계약 체결을 위한 절차를 가이드하거나, 중계할 수 있다.
다양한 실시예들에 따르면, 시스템(100)이 전문가와 전문가의 보유 기술을 양분 네트워크를 기반으로 관리함으로써, 양분 네트워크를 통하여 효율적으로 수요자와 전문가를 매칭시킬 수 있다. 이 때 시스템(100)이 전문가의 보유 기술을 다층 네트워크에 기반하여 전문가의 관점 뿐 아니라 수요자의 관점에서도 관리함으로써, 보다 효율적으로 수요자와 전문가를 매칭시킬 수 있다. 여기서, 시스템이 다층 네트워크에서 범위를 확대해 가면서 전문가를 선정하기 때문에, 동적으로 수요자와 전문가를 매칭시킬 수 있다. 이에 따라, 시스템(100)이 기술의 급속한 변화 속에서 수요자의 요구에 부합하는 전문가를 선정하는 데 있어서, 신속성과 정확성이 향상될 수 있다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 시스템(100))에 의해 읽을 수 있는 저장 매체(storage medium)(예: 메모리(130))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 기기의 프로세서(예: 프로세서(140))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
다양한 실시예들에 따르면, 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 통합 이전에 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (5)

  1. 인공지능 전문가 매칭 시스템에 있어서,
    메모리; 및
    상기 메모리와 연결되는 프로세서를 포함하고,
    상기 프로세서는,
    적어도 하나의 전문가와 상기 전문가의 보유 기술을 매칭시켜 양분 네트워크를 형성하고,
    수요자의 입력에 응답하여, 상기 양분 네트워크를 기반으로 상기 전문가를 선정하도록 구성되는 시스템.
  2. 제 1 항에 있어서, 상기 프로세서는,
    상기 보유 기술에 대응하는 다수 개의 기술 노드들로 다층 네트워크를 형성하도록 구성되는 시스템.
  3. 제 2 항에 있어서,
    상기 기술 노드들은 상기 보유 기술을 나타내는 적어도 하나의 제 1 기술 노드 및 상기 제 1 기술 노드와 각각 연관되며, 상기 수요자에 의해 입력될 적어도 하나의 제 2 기술 노드를 포함하고,
    상기 다층 네트워크는 상기 제 1 기술 노드가 배열되는 제 1 레이어 및 상기 제 2 기술 노드가 배열되는 제 2 레이어를 포함하는 시스템.
  4. 제 3 항에 있어서, 상기 프로세서는,
    상기 입력에 대응하여 상기 제 2 기술 노드를 선택하고,
    상기 제 2 기술 노드를 기반으로 상기 제 1 기술 노드를 선택하고,
    상기 제 1 기술 노드를 기반으로 상기 전문가를 선정하도록 구성되는 시스템.
  5. 시스템의 인공지능 전문가 매칭 방법에 있어서,
    적어도 하나의 전문가와 상기 전문가의 보유 기술을 매칭시켜 양분 네트워크를 형성하는 동작;
    상기 보유 기술에 대응하는 다수 개의 기술 노드들로 다층 네트워크를 형성하는 동작; 및
    수요자의 입력에 응답하여, 상기 다층 네트워크 및 양분 네트워크를 기반으로 상기 전문가를 선정하는 동작을 포함하는 방법.
KR1020190029852A 2018-03-15 2019-03-15 양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법 KR102216275B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180030277 2018-03-15
KR1020180030277 2018-03-15

Publications (2)

Publication Number Publication Date
KR20190116058A true KR20190116058A (ko) 2019-10-14
KR102216275B1 KR102216275B1 (ko) 2021-02-17

Family

ID=68171830

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190029852A KR102216275B1 (ko) 2018-03-15 2019-03-15 양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102216275B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220168403A (ko) 2021-06-16 2022-12-23 비즈니스전략연구소(주) 전문가 매칭 및 프로젝트 견적 시스템 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150087891A (ko) * 2014-01-22 2015-07-31 주식회사 라이프시맨틱스 소셜 네트워크 분석과 온톨로지를 이용한 전문가 매칭 시스템 및 방법
KR101551547B1 (ko) * 2013-12-13 2015-09-08 배규호 카테고리 관리를 통한 사용자 매칭 서비스 시스템 및 방법
KR20170140877A (ko) * 2016-06-14 2017-12-22 한국생산기술연구원 전문가 매칭 시스템을 이용하는 온라인 플랫폼 시스템.

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101551547B1 (ko) * 2013-12-13 2015-09-08 배규호 카테고리 관리를 통한 사용자 매칭 서비스 시스템 및 방법
KR20150087891A (ko) * 2014-01-22 2015-07-31 주식회사 라이프시맨틱스 소셜 네트워크 분석과 온톨로지를 이용한 전문가 매칭 시스템 및 방법
KR20170140877A (ko) * 2016-06-14 2017-12-22 한국생산기술연구원 전문가 매칭 시스템을 이용하는 온라인 플랫폼 시스템.

Also Published As

Publication number Publication date
KR102216275B1 (ko) 2021-02-17

Similar Documents

Publication Publication Date Title
KR102433834B1 (ko) 신경망 모델을 압축하는 방법 및 장치, 코퍼스 번역 방법 및 장치, 전자 장치, 프로그램 및 기록 매체
US20240119286A1 (en) Adaptive artificial neural network selection techniques
CN107210039B (zh) 环境调节的讲话人标识
KR102199928B1 (ko) 사용자 페르소나를 고려한 대화형 에이전트 장치 및 방법
US11521038B2 (en) Electronic apparatus and control method thereof
US10636428B2 (en) Determining a target device for voice command interaction
CN106095988A (zh) 自动问答方法及装置
CN108021554A (zh) 语音识别方法、装置以及洗衣机
CN106528692A (zh) 基于人工智能的对话控制方法及装置
US11887224B2 (en) Method, apparatus, and computer program for completing painting of image, and method, apparatus, and computer program for training artificial neural network
KR102340834B1 (ko) 인공지능을 기반으로 정보통신 인프라 시공을 수행하기 위한 구조 설계 방법, 장치 및 시스템
CN115129878B (zh) 一种对话业务执行方法、装置、存储介质及电子设备
KR20190116058A (ko) 양분 네트워크와 다층 네트워크에 기초한 인공지능 전문가 매칭 시스템 및 방법
US10372212B2 (en) Techniques for simulated physical interaction between users via their mobile computing devices
US11537090B2 (en) Model calculating unit and control unit for selectively calculating an RBF model, a gaussian process model and an MLP model
US10846477B2 (en) Method and apparatus for recommending word
CN111222558A (zh) 图像处理方法及存储介质
CN112820302B (zh) 声纹识别方法、装置、电子设备和可读存储介质
CN112085942B (zh) 一种根据遥控设备图像配置遥控功能数据的方法和系统
CN113760380B (zh) 网络模型的运行代码的确定方法、装置、设备及存储介质
US20200334126A1 (en) Server and control method thereof
CN114969636B (zh) 一种模型推荐的方法、装置和计算机设备
CN112489644A (zh) 用于电子设备的语音识别方法及装置
CN110619872A (zh) 控制装置、对话装置、控制方法及记录介质
KR20050015584A (ko) 감정 표현이 가능한 통신 장치 및 방법

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