KR20200117381A - Collective Intelligence Case-Based Reasoning System and its Method for user-customized recommendation - Google Patents
Collective Intelligence Case-Based Reasoning System and its Method for user-customized recommendation Download PDFInfo
- Publication number
- KR20200117381A KR20200117381A KR1020190039405A KR20190039405A KR20200117381A KR 20200117381 A KR20200117381 A KR 20200117381A KR 1020190039405 A KR1020190039405 A KR 1020190039405A KR 20190039405 A KR20190039405 A KR 20190039405A KR 20200117381 A KR20200117381 A KR 20200117381A
- Authority
- KR
- South Korea
- Prior art keywords
- case
- user
- new
- solution
- context
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000004891 communication Methods 0.000 claims description 8
- 238000013523 data management Methods 0.000 claims description 7
- 230000008685 targeting Effects 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 230000003993 interaction Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 101100493820 Caenorhabditis elegans best-1 gene Proteins 0.000 description 4
- 101100004280 Caenorhabditis elegans best-2 gene Proteins 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/30—Transportation; Communications
Abstract
Description
본 발명은 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템 및 그 방법에 관한 것이다.The present invention relates to a collective intelligence type case-based reasoning system and method for user-customized recommendation.
최근 개인 맞춤형 서비스에 대한 수요와 시장이 나날이 커져가고 있다. 정보가 많아지고 생활이 복잡해지면서 사람들이 결정해야 할 선택 사항들이 더욱 많아지고 있기 때문에 원하는 정보를 빨리 찾고 의사 결정에 도움을 받을 수 있는 시스템 또는 서비스에 대한 수요가 증가하고 있다.Recently, the demand and market for personalized services are growing day by day. As more information and life become more complex, there are more and more choices people have to make, so there is an increasing demand for systems or services that can quickly find the information they need and help them make decisions.
이러한 개인 맞춤형 서비스를 제공하기 위해 사례기반추론(Case Based Reasoning, CBR)이 사용될 수 있다. 사례기반추론(CBR)은 과거에 있었던 사례(케이스)들의 결과를 바탕으로 새로운 사례의 결과를 예측하는 기법이다. 사례기반추론을 이용하기 위해서는 일반적으로 과거의 사례와 사례들 사이의 유사 정도를 측정하기 위한 유사도 척도가 준비되어야 한다. Case Based Reasoning (CBR) can be used to provide such personalized services. Case-based reasoning (CBR) is a technique that predicts the outcome of a new case based on the results of the past cases (cases). In order to use case-based reasoning, in general, a similarity measure should be prepared to measure the degree of similarity between past cases and cases.
한국등록특허 10-1298160호는 이러한 의사 결정 추천 시스템 및 방법에 관한 것으로, 온톨로지를 이용한 의사 결정 추천 시스템 및 방법에 관한 기술을 기재하고 있다.Korean Patent Registration No. 10-1298160 relates to such a decision making recommendation system and method, and describes a description of a decision making recommendation system and method using an ontology.
이는 과거 사례를 활용한 기존 CBR 방식에 온톨로지를 활용하는 방법으로, 전통적인 CBR 방식을 그대로 이용하여 해결 방안을 도출하는 방식을 보이고 있다. 그러나 기존의 의사 결정 추천 시스템은 해결 방안을 도출하는 과정에서 통계 데이터의 오류가 발생되는 문제점이 있다. This is a method of using ontology in the existing CBR method using past cases, and it shows a method of deriving a solution by using the traditional CBR method as it is. However, the existing decision recommendation system has a problem in that an error in statistical data occurs in the process of deriving a solution.
본 발명의 실시예들은 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템 및 그 방법에 관하여 기술하며, 보다 구체적으로 다양한 추론 모듈을 통한 의사 결정(Decision Making) 과정에 의장-의원 제도를 통한 집단지성 기반 투표 방식을 적용시킴으로써, 사용자의 현재 상황에서 가장 최적의 해결안을 도출할 수 있는 기술을 제공한다. Embodiments of the present invention describe a collective intelligence case-based reasoning system and method for user-customized recommendation, and more specifically, collective intelligence through a chairman-legislator system in a decision making process through various reasoning modules. By applying the based voting method, it provides a technology that can derive the most optimal solution in the current situation of the user.
본 발명의 실시예들은 사용자의 맥락에 알맞은 서비스를 제공하기 위하여 현재 사용자 상황에 관한 데이터를 실시간으로 수집하여 사례화함과 동시에 과거 사용자의 사례를 다양한 추론 모듈을 통하여 최적의 서비스를 찾음으로써, 투표 기반의 의사결정 방식을 선택하여 각 사례에 대해 수치 이상의 다각화된 검토를 실행하고 사례 증가에 따른 합리적 의사결정 효과를 극대화할 수 있는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템 및 그 방법을 제공하는데 있다. Embodiments of the present invention collect and instantiate data on the current user situation in real time in order to provide a service suitable for the user's context, and at the same time find the best service through various reasoning modules on the case of past users, based on voting To provide a collective intelligence case-based reasoning system and method for user-customized recommendations that can maximize the effect of rational decision-making according to the number of cases by selecting a decision-making method of have.
본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법은, 사용자의 맥락을 신규 사례로 표현하여 사례화하는 단계; 상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(Case-base, CB)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 상기 사용자에게 상기 1차 솔루션을 추천하는 단계; 및 상기 1차 솔루션에 대한 상기 사용자의 피드백을 받은 후 상기 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 상기 사용자에게 상기 최종 솔루션을 추천하는 단계를 포함하여 이루어질 수 있다. The collective intelligence type case-based reasoning method for user-customized recommendation according to an embodiment of the present invention includes the steps of expressing a user's context as a new case and making a case; Based on the new case of the user's context, the previous case is searched from the case-base (CB), and the case with the highest similarity or the case with the highest similarity is selected, based on the predetermined upper cases in the order of the
상기 최종 솔루션의 완성에 따른 상기 신규 사례를 케이스 베이스(Case-base, CB)에 저장하는 단계를 더 포함할 수 있다. It may further include storing the new case according to the completion of the final solution in a case-base (CB).
상기 사용자의 맥락을 신규 사례로 표현하여 사례화하는 단계는, 상기 사용자의 요구사항이 음성(Voice) 또는 텍스트(Text) 기반으로 입력되었을 때 현재의 상기 사용자 맥락을 신규 사례로 변환하여 사례화하는 단계를 포함할 수 있다. The step of instantiation by expressing the user's context as a new case includes converting the current user context into a new case when the user's request is input based on voice or text. It may include steps.
상기 사용자의 맥락을 신규 사례로 표현하여 사례화하는 단계는, 기 설정된 요구사항에 관한 조건이 달성되었을 때 현재의 상기 사용자 맥락을 신규 사례로 변환하여 사례화하는 단계를 포함할 수 있다. The step of instantiating the user's context by expressing it as a new case may include converting the current user context into a new case and instantiating it when a condition regarding a preset requirement is achieved.
상기 사용자에게 상기 1차 솔루션을 추천하는 단계는, 추론 모듈의 의장(Gateway)은 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하는 단계; 등록된 상기 신규 안건을 대상으로 상기 추론 모듈의 복수의 의원(Node)들은 각각 상기 케이스 베이스(CB)의 과거 사례 중 유사도가 높다고 판단되는 사례 순으로 소정의 사례를 리스트화하여 상기 의장에게 전달함에 따라 투표하는 단계; 상기 의장은 투표 결과에 따라 가장 유사도가 높다고 판단된 사례를 1차 솔루션으로 채택하는 단계; 및 상기 의장은 채택된 상기 1차 솔루션을 상기 사용자에게 전달하여 추천하는 단계를 포함할 수 있다. Recommending the first solution to the user may include: registering a new case in the context of the user as a new agenda by the gateway of the reasoning module; Targeting the registered new agenda, the plurality of members of the inference module list predetermined cases in the order of cases judged to have high similarity among the past cases of the case base (CB) and deliver them to the chairman. Voting accordingly; The chairman selecting the case judged to have the highest similarity according to the voting result as the first solution; And transmitting the adopted primary solution to the user and recommending it.
상기 사용자에게 상기 1차 솔루션을 추천하는 단계는, 상기 추론 모듈의 의장은 상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 상기 케이스 베이스(CB)로부터 검색하는 단계; 상기 의장은 검색된 과거 사례 중 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 이용하여 사례 후보 리스트를 작성하는 단계; 및 상기 의장은 상기 사례 후보 리스트 중 첫 번째로 유사도가 가장 높은 사례와 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 이용하여 안건 상정 여부를 판단하는 단계를 더 포함할 수 있다. Recommending the first solution to the user may include, by the chairman of the reasoning module, searching for a past case from the case base (CB) based on a new case of the user's context; The chairman selecting cases with high similarity among the searched past cases and creating a case candidate list using predetermined upper cases in the order of high similarity; And the chairman may further include determining whether an agenda is proposed by using a similarity value between the first case with the highest similarity and the second case with the highest similarity among the case candidate list.
상기 유사도 수치를 이용하여 안건 상정 여부를 판단하는 단계는, 상기 첫 번째로 유사도가 가장 높은 사례의 유사도 수치에서 상기 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 차감한 값이 기 설정된 수치 미만인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하고, 상기 기 설정된 수치 이상인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하지 않을 수 있다. The step of determining whether an agenda is assumed using the similarity value may be, when a value obtained by subtracting the similarity value of the second case with the highest similarity from the similarity value of the first case with the highest similarity is less than a preset value. A new case of the user's context may be registered as a new agenda, and if the number is higher than the preset value, the new case of the user's context may not be registered as a new agenda.
상기 유사도 수치를 이용하여 안건 상정 여부를 판단하여 안건 상정을 하지 않는 경우, 상기 의장은 상기 첫 번째로 유사도가 가장 높은 사례를 상기 1차 솔루션으로 채택하는 단계를 더 포함할 수 있다. If the agenda is not proposed by determining whether the agenda is proposed using the similarity value, the chairman may further include the step of firstly adopting the case with the highest similarity as the first solution.
본 발명의 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템은, 사용자의 맥락을 신규 사례로 표현하여 사례화하는 사례화부; 상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(Case-base, CB)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 상기 사용자에게 상기 1차 솔루션을 추천하는 사례 검색 및 재사용부; 및 상기 1차 솔루션에 대한 상기 사용자의 피드백을 받은 후 상기 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 상기 사용자에게 상기 최종 솔루션을 추천하는 사례 수정부를 포함하여 이루어질 수 있다. According to another embodiment of the present invention, a collective intelligence type case-based reasoning system for user-customized recommendation includes: a caseization unit for expressing a user's context as a new case and making a case; Based on the new case of the user's context, the previous case is searched from the case-base (CB), and the case with the highest similarity or the case with the highest similarity is selected, based on the predetermined upper cases in the order of the highest similarity 1 A case search and reuse unit for deriving a primary solution and recommending the primary solution to the user; And a case correction unit for receiving the user's feedback on the first solution, reflecting the user's feedback, modifying the final solution, and recommending the final solution to the user.
상기 최종 솔루션의 완성에 따른 상기 신규 사례를 케이스 베이스(Case-base, CB)에 저장하는 사례 유지부를 더 포함할 수 있다. It may further include a case holding unit for storing the new case according to the completion of the final solution in a case-base (CB).
상기 사례 검색 및 재사용부는, 추론 모듈의 의장(Gateway)은 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하고, 등록된 상기 신규 안건을 대상으로 상기 추론 모듈의 복수의 의원(Node)들은 각각 상기 케이스 베이스(CB)의 과거 사례 중 유사도가 높다고 판단되는 사례 순으로 소정의 사례를 리스트화하여 상기 의장에게 전달함에 따라 투표하며, 상기 의장은 투표 결과에 따라 가장 유사도가 높다고 판단된 사례를 1차 솔루션으로 채택하여, 상기 의장은 채택된 상기 1차 솔루션을 상기 사용자에게 전달하여 추천할 수 있다. The case search and reuse unit, the chairman (Gateway) of the reasoning module registers a new case of the user's context as a new agenda, and a plurality of members (Nodes) of the reasoning module are each of the Among the past cases of the case base (CB), predetermined cases are listed in the order of cases judged to have high similarity, and voted by delivering them to the chairperson, and the chairman selects the cases judged to have the highest similarity according to the voting results. Adopted as a solution, the chairman can forward and recommend the adopted primary solution to the user.
상기 사례 검색 및 재사용부는, 상기 추론 모듈의 의장은 상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 상기 케이스 베이스(CB)로부터 검색하고, 상기 의장은 검색된 과거 사례 중 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 이용하여 사례 후보 리스트를 작성하며, 상기 의장은 상기 사례 후보 리스트 중 첫 번째로 유사도가 가장 높은 사례와 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 이용하여 안건 상정 여부를 판단할 수 있다. The case search and reuse unit, the chairman of the reasoning module searches for a past case from the case base (CB) based on the new case of the user's context, and the chairman selects cases with high similarity among the searched past cases and A case candidate list is prepared using the predetermined high-order cases in the highest order of A, and the chairman uses the similarity value of the first case with the highest similarity and the second case with the highest similarity among the case candidate lists. It can be determined whether it is assumed or not.
상기 사례 검색 및 재사용부는, 상기 첫 번째로 유사도가 가장 높은 사례의 유사도 수치에서 상기 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 차감한 값이 기 설정된 수치 미만인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하고, 상기 기 설정된 수치 이상인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하지 않을 수 있다. The case search and reuse unit, when a value obtained by subtracting the similarity value of the second highest similarity case from the similarity value of the first case with the highest similarity is less than a preset value, retrieves a new case of the user's context. It is possible to register as a new agenda, and not register a new case in the context of the user as a new agenda if it is more than the preset value.
본 발명의 또 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템은, 사용자의 맥락을 신규 사례로 표현하여 사례화하고, 상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(Case-base, CB)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 상기 사용자에게 상기 1차 솔루션을 추천하며, 상기 1차 솔루션에 대한 상기 사용자의 피드백을 받은 후 상기 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 상기 사용자에게 상기 최종 솔루션을 추천하는 추론 모듈; 상기 과거 사례를 저장하고, 상기 최종 솔루션이 완성된 상기 신규 사례를 저장하는 케이스 베이스(Case-base, CB); 및 상기 추론 모듈의 요청에 따라 상기 케이스 베이스로부터 상기 과거 사례를 검색하여 리스트를 전달하는 데이터 관리 모듈을 포함하여 이루어질 수 있다. The collective intelligence type case-based reasoning system for user-customized recommendation according to another embodiment of the present invention expresses the user's context as a new case to make a case, and based on the new case of the user's context, the past case is case-based. Search from (Case-base, CB) and select the cases with the highest similarity or cases with the highest similarity to derive the first solution based on the predetermined upper cases in the order of high similarity, and provide the first solution to the user. An inference module that recommends, receives feedback from the user on the primary solution, modifies a final solution by reflecting the user's feedback, and recommends the final solution to the user; A case-base (CB) for storing the past case and storing the new case for which the final solution is completed; And a data management module for retrieving the past case from the case base and transmitting a list according to the request of the inference module.
상기 사용자의 요구사항 또는 상기 사용자의 피드백을 입력하고, 상기 추론 모듈을 통해 도출된 결과인 상기 1차 솔루션 또는 상기 최종 솔루션을 출력하는 커뮤니케이션 모듈(Communication Module, CM)을 더 포함할 수 있다. It may further include a communication module (Communication Module, CM) for inputting the user's request or the user's feedback and outputting the first solution or the final solution, which is a result derived through the inference module.
본 발명의 실시예들에 따르면 다양한 추론 모듈을 통한 의사 결정(Decision Making) 과정에 의장-의원 제도를 통한 집단지성 기반 투표 방식을 적용시킴으로써, 사용자의 현재 상황에서 가장 최적의 해결안을 도출할 수 있는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템 및 그 방법을 제공할 수 있다. According to embodiments of the present invention, by applying a voting method based on collective intelligence through the chairman-legislator system to the decision making process through various reasoning modules, the most optimal solution can be derived in the current situation of the user. It is possible to provide a collective intelligence type case-based reasoning system and method for customized recommendations.
본 발명의 실시예들에 따르면 사용자의 맥락에 알맞은 서비스를 제공하기 위하여 현재 사용자 상황에 관한 데이터를 실시간으로 수집하여 사례화함과 동시에 과거 사용자의 사례를 다양한 추론 모듈을 통하여 최적의 서비스를 찾음으로써, 투표 기반의 의사결정 방식을 선택하여 각 사례에 대해 수치 이상의 다각화된 검토를 실행하고 사례 증가에 따른 합리적 의사결정 효과를 극대화할 수 있는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템 및 그 방법을 제공할 수 있다. According to embodiments of the present invention, in order to provide a service suitable for the user's context, data on the current user situation is collected and cased in real time, and at the same time, the case of the past user is searched for the optimal service through various reasoning modules, A collective intelligence case-based reasoning system and method for user-tailored recommendations that can maximize the effect of rational decision-making for each case by selecting a voting-based decision-making method and executing diversified reviews for each case. Can provide.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법을 개략적으로 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 사례기반추론 방식을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법을 나타내는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 사례 검색 및 재사용을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템을 나타내는 도면이다.
도 6a는 본 발명의 다른 실시예에 따른 통합서버와 연동되는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템을 설명하기 위한 도면이다.
도 6b은 본 발명의 다른 실시예에 따른 통합서버와 연동되는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템의 구성을 설명하기 위한 도면이다.
도 7은 본 발명의 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법을 설명하기 위한 도면이다.
도 8a 내지 도 8e는 본 발명의 다른 실시예에 따른 통합서버와 정보를 주고받는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법의 예를 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 의장-의원 제도 기반 추론 과정을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 사례의 요소를 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 사례 완성 과정을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 CI-CBR의 예시를 설명하기 위한 도면이다. 1 is a diagram schematically illustrating a collective intelligence type case-based reasoning method for user-customized recommendation according to an embodiment of the present invention.
2 is a view for explaining a case-based reasoning method according to an embodiment of the present invention.
3 is a flowchart illustrating a collective intelligence type case-based reasoning method for customized recommendation according to an embodiment of the present invention.
4 is a diagram illustrating case search and reuse according to an embodiment of the present invention.
5 is a diagram illustrating a collective intelligence type case-based reasoning system for customized recommendations according to an embodiment of the present invention.
6A is a diagram for explaining a collective intelligence case-based reasoning system for user-customized recommendation interlocked with an integrated server according to another embodiment of the present invention.
6B is a view for explaining the configuration of a collective intelligence case-based reasoning system for user-customized recommendation interlocked with an integrated server according to another embodiment of the present invention.
7 is a diagram for explaining a collective intelligence type case-based reasoning method for customized recommendation according to another embodiment of the present invention.
8A to 8E are diagrams for explaining an example of a collective intelligence case-based reasoning method for user-customized recommendation for exchanging information with an integrated server according to another embodiment of the present invention.
9 is a view for explaining a reasoning process based on a chairman-clinical system according to an embodiment of the present invention.
10 is a diagram for explaining elements of a case according to an embodiment of the present invention.
11 is a view for explaining a case completion process according to an embodiment of the present invention.
12 is a view for explaining an example of CI-CBR according to an embodiment of the present invention.
이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.Hereinafter, embodiments will be described with reference to the accompanying drawings. However, the described embodiments may be modified in various forms, and the scope of the present invention is not limited by the embodiments described below. In addition, various embodiments are provided to more completely explain the present invention to those of ordinary skill in the art. In the drawings, the shapes and sizes of elements may be exaggerated for clearer explanation.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법을 개략적으로 설명하기 위한 도면이다. 1 is a diagram schematically illustrating a collective intelligence type case-based reasoning method for user-customized recommendation according to an embodiment of the present invention.
도 1을 참조하면, 본 발명은 다양한 추론 모듈을 통한 의사 결정(Decision Making) 과정에 "의장-의원" 제도를 통한 집단지성 기반 투표 방식을 적용시킴으로써, 사용자의 현재 상황에서 가장 최적의 해결안을 도출하는 것을 목적으로 한다. Referring to FIG. 1, the present invention derives the most optimal solution in the current situation of the user by applying a voting method based on collective intelligence through the "chairman-legislator" system to the decision making process through various reasoning modules. It aims to do.
본 발명은 사용자의 맥락에 알맞은 서비스를 제공하기 위하여 현재 사용자 상황에 관한 데이터를 실시간으로 수집하여 사례화함과 동시에 과거 사용자의 사례를 다양한 추론 모듈을 통하여 최적의 서비스를 찾는 집단지성형 사례기반추론 방법 및 그에 대한 시스템에 관한 것이다.The present invention is a collective intelligence case-based reasoning method that collects and instantiates data on the current user situation in real time in order to provide a service appropriate to the user's context, and at the same time finds the optimal service through various reasoning modules of the past user's case. And a system therefor.
사용자 맞춤형 서비스를 추천하기 위해서는 수많은 장치와 환경 정보, 그리고 사용자의 요구 사항이 존재하고 있기 때문에 현재 사용자의 맥락을 파악하기 위한 데이터 수집이 필요하다. 또한, 특정 사용자에게 적절한 서비스를 추천하기 위해서는 현재 사용자의 과거 서비스 사용 내역을 파악하여 추천하는 방식을 사용하기 때문에 과거 사용자의 경험 사례를 통하여 현재 사용자의 맥락에 맞는 해결책을 찾는 사례기반추론 방식이 적절하다.In order to recommend a customized service, there are numerous devices, environment information, and user requirements, so it is necessary to collect data to understand the context of the current user. In addition, in order to recommend an appropriate service to a specific user, a case-based reasoning method is appropriate to find a solution that fits the context of the current user through the past user's experience cases because the method of identifying and recommending the current user's past service usage is used. Do.
본 실시예들은 여러 추론 모듈의 투표 결과를 통하여 최적 해를 찾는 방식으로, 기존의 해결 방안을 도출하는 과정에서 생겨나는 통계 데이터의 오류를 최소화하기 위하여 투표 과정을 도입하였다.The present embodiments are a method of finding an optimal solution through voting results of several inference modules, and a voting process is introduced in order to minimize errors in statistical data generated in the process of deriving an existing solution.
도 2는 본 발명의 일 실시예에 따른 사례기반추론 방식을 설명하기 위한 도면이다. 2 is a view for explaining a case-based reasoning method according to an embodiment of the present invention.
도 2를 참조하면, 기존 추론 방식(210)과 본 실시예에 따른 추론 방식(220)을 비교하여 설명할 수 있다. 현재 사용자의 맥락(New Case)에서 추론을 통해 서비스를 추천할 수 있는 추론 방법(200)을 제공할 수 있으며, 이 때 유사한 과거 사례들을 검색하여 추론을 통해 서비스를 추천할 수 있다. 여기에서는 특정 사례 A(Case A)의 유사도가 70%, 사례 B의 유사도 69%, 그리고 사례 C의 유사도 68%일 경우를 하나의 예를 들어 설명한다. Referring to FIG. 2, description may be made by comparing the existing reasoning method 210 and the reasoning method 220 according to the present embodiment. An
기존 추론 방식(210)은 현재 상황과 가장 유사한 과거 사례 검색 과정에 있어서, 특정 사례 A(Case A)의 유사도가 70%, 사례 B의 유사도 69% 및 사례 C의 유사도 68%일 경우, 단 1-2%의 차이로 사례 A가 유사하다고 판단되게 된다. 이렇게 검색된 사례들 간에 미세한 차이를 보이는 경우, 어떤 사례가 유사하다고 판단하기 위해서는 단지 아주 미세하게 높은 차이로 사례 A를 선정하기 보다는 보다 면밀하게 살펴볼 필요성이 있다.Existing reasoning method 210, in the process of retrieving past cases most similar to the current situation, only 1 when the similarity of specific case A is 70%, the similarity of case B is 69%, and the similarity of case C is 68%. Case A is judged to be similar with a difference of -2%. In the case where there are subtle differences between the searched cases, in order to determine that a case is similar, it is necessary to look more closely rather than just selecting case A with a very subtle high difference.
이에 본 실시예에 따른 추론 방식(220)은 현재 사용자의 맥락(New Case)을 실시간으로 수집하여 사례화함으로써 사용자의 상황을 파악하고, 수치의 오류를 극복하기 위하여 여러 추론 모듈의 가장 유사한 과거 사례들에 관한 투표를 통하여 가장 유사한 사례를 검출하는 서비스 추천 방식 전반을 아우르는 집단지성형 사례기반추론 방법과 시스템을 제공할 수 있다. Therefore, the reasoning method 220 according to the present embodiment collects the current user's context (New Case) in real time and makes it a case to understand the user's situation, and to overcome the numerical error, the most similar past cases of various reasoning modules It is possible to provide a collective intelligence case-based reasoning method and system that encompasses the overall service recommendation method that detects the most similar cases through voting on fields.
도 3은 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법을 나타내는 흐름도이다. 3 is a flowchart illustrating a collective intelligence type case-based reasoning method for customized recommendation according to an embodiment of the present invention.
도 3을 참조하면, 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법은, 사용자의 맥락을 신규 사례로 표현하여 사례화하는 단계(310), 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(Case-base, CB)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 사용자에게 1차 솔루션을 추천하는 단계(320), 및 1차 솔루션에 대한 사용자의 피드백을 받은 후 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 사용자에게 최종 솔루션을 추천하는 단계(330)를 포함하여 이루어질 수 있다. Referring to FIG. 3, in the collective intelligence type case-based reasoning method for user-customized recommendation according to an embodiment of the present invention, a
최종 솔루션의 완성에 따른 신규 사례를 케이스 베이스(Case-base, CB)에 저장하는 단계(340)를 더 포함할 수 있다.A
이와 같이 본 발명의 프로세스는 CBR(Case-Based Reasoning)에서 활용 가능한 4R Cycle 방식을 이용할 수 있다. 아래에서 각 단계를 보다 구체적으로 설명한다. As described above, the process of the present invention may use a 4R Cycle method that can be utilized in Case-Based Reasoning (CBR). Each step is described in more detail below.
본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법은 도 5 및/또는 도 6b에서 설명하는 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템을 이용하여 보다 상세히 설명할 수 있다. 아래에서는 먼저 도 5를 참조하여 하나의 예를 들어 설명한다. The collective intelligence case-based reasoning method for user-customized recommendation according to an embodiment of the present invention uses a collective intelligence-type case-based reasoning system for user-customized recommendation according to an embodiment described in FIGS. 5 and/or 6B. This can be described in more detail. Hereinafter, one example will be described with reference to FIG. 5.
도 5는 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템을 나타내는 도면이다. 5 is a diagram illustrating a collective intelligence type case-based reasoning system for customized recommendations according to an embodiment of the present invention.
도 5를 참조하면, 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템(500)은 시스템의 프로세스에 따라 사례화부(510), 사례 검색 및 재사용부(520), 그리고 사례 수정부(530)를 포함할 수 있고, 실시예에 따라 사례 유지부(540)를 더 포함할 수 있다.5, the collective intelligence type case-based
단계(310)에서, 사례화부(510)(Case Representation)는 사용자의 맥락을 신규 사례로 표현하여 사례화할 수 있다. 사례화부(510)는 사용자의 요구사항이 발생한 시점의 사용자 맥락을 신규 사례로서 표현(변환)할 수 있다. 예를 들어, 사례화부(510)는 JSON, XML, CSV 등 다양한 데이터 포맷으로 변환하는 과정을 통해 사용자의 맥락을 사례화할 수 있다. In
일례로, 사례화부(510)는 사용자의 요구사항이 음성(Voice) 또는 텍스트(Text) 기반으로 입력되었을 때 현재의 사용자 맥락을 신규 사례로 변환하여 사례화할 수 있다. 다른 예로, 사례화부(510)는 기 설정된 요구사항에 관한 조건이 달성되었을 때 현재의 사용자 맥락을 신규 사례로 변환하여 사례화할 수 있다.As an example, when the user's request is input based on voice or text, the
단계(320)에서, 사례 검색 및 재사용부(520)(Case Retrieve/Reuse)는 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(Case-base, CB)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 사용자에게 1차 솔루션을 추천할 수 있다.In
사례 검색 및 재사용부(520)는 사용자의 현 맥락에 알맞은 과거 사례를 케이스 베이스(Case-base, CB)으로부터 검색할 수 있다. 이 때, CI-CBR(Collective Intelligence Case-Based Reasoning) 기반 투표 방식을 통하여 가장 유사한 사례를 도출하고, 해당 사례의 솔루션을 1차 솔루션으로서 재사용할 수 있다. 이러한 사례 검색 및 재사용부(520)는 도 5에서 보다 상세히 설명하기로 한다. The case search and
단계(330)에서, 사례 수정부(530)(Case Revise)는 1차 솔루션에 대한 사용자의 피드백을 받은 후 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 사용자에게 최종 솔루션을 추천할 수 있다.In
단계(340)에서, 사례 유지부(540)(Case Retain)는 최종 솔루션의 완성에 따른 신규 사례를 케이스 베이스(Case-base, CB)에 저장할 수 있다. 즉, 사례 유지부(540)는 위 과정을 통하여 완성된 신규 사례를 학습하고, 향후 사례 검색을 함에 활용하기 위하여 케이스 베이스(Case-base, CB)에 저장 및 기록할 수 있다. In
실시예들에 따르면 사례 간 유사도 비교를 통한 최적 해를 추론하는 의사결정 과정에서 수치적 기준뿐만 아니라, 검색된 사례 간 유사도 수치가 상대적으로 큰 차이를 보이지 않는 사례들에 대해 사용자 맥락에 대한 재검토 과정을 거침으로써, 사례 데이터의 질적 측면을 고려할 수 있고 보다 정확한 통계 데이터를 도출할 수 있다. According to examples, in the decision-making process of inferring the optimal solution through comparison of similarity between cases, not only numerical criteria but also the review process of user context for cases in which the similarity value between searched cases does not show a relatively large difference. By going through, it is possible to consider the qualitative aspects of case data and to derive more accurate statistical data.
도 4는 본 발명의 일 실시예에 따른 사례 검색 및 재사용을 설명하기 위한 도면이다. 4 is a diagram illustrating case search and reuse according to an embodiment of the present invention.
도 4를 참조하면, 본 시스템에서 핵심을 이루는 집단지성형 사례기반추론 방식을 개략적으로 나타낸 것으로, 해당 부분은 도 3에서 설명한 4R Cycle 중 사례 검색 및 재사용 부분에 해당할 수 있다.Referring to FIG. 4, as a schematic representation of a collective intelligence type case-based reasoning method, which is a core in the present system, a corresponding part may correspond to a case search and reuse part of the 4R cycle described in FIG. 3.
다양한 추론 모듈을 통한 의사 결정(Decision Making) 과정에 의장-의원 제도를 통한 집단지성 기반 투표 방식을 적용시킴으로써 사용자의 현재 상황에서 가장 최적의 해결안을 도출하는 프로세스를 지니고 있다. It has a process to derive the most optimal solution in the current situation of the user by applying a voting method based on collective intelligence through the chairman-legislator system to the decision making process through various reasoning modules.
만일 의장이 현재 시점에서 유사 사례 검출을 위한 투표가 필요하다고 판단할 경우, 각각의 추론 모듈에 해당하는 의원들은 의장이 제안한 후보 사례 중 적절한 사례에 투표를 진행하여 최적 해를 검출할 수 있다. 이 때, 의장이 현재 시점에서 유사 사례 검출을 위한 투표가 필요한지 여부를 판단하는 것은 다음 식의 만족 여부에 따라 결정될 수 있다.If the chairman determines that voting to detect similar cases is necessary at the present time, the lawmakers corresponding to each reasoning module can detect the optimal solution by voting on an appropriate case among the candidate cases proposed by the chairman. At this time, it may be determined whether or not the chairman needs to vote for similar case detection at the present time according to the satisfaction of the following equation.
[수학식 1][Equation 1]
CBest1 - CBest2 < 0.2C Best1 -C Best2 <0.2
여기서, CBest1은 첫 번째로 유사도가 가장 높은 사례이고, CBest2은 두 번째로 유사도가 가장 높은 사례를 나타낸다. 상기 수학식 1의 해가 0.2보다 작은 경우 투표가 필요한 경우로 판단되고, 해가 0.2보다 큰 경우 투표가 필요하지 않으며 의장이 해결책으로 CBest1을 추천할 수 있다. 한편, 0.2로 설정된 파라미터는 시스템의 성격에 따라 0 이상 1 미만의 유사도 범위 내에서 다양하게 설정될 수 있다. 즉, 다음 식과 같이 표현될 수 있다. Here, C Best1 is the first case with the highest similarity, and C Best2 is the second case with the highest similarity. If the solution of
[수학식 2][Equation 2]
CBest1 - CBest2 < parameterC Best1 -C Best2 <parameter
여기서, parameter는 0 이상 1 미만으로 설정될 수 있다. Here, the parameter may be set to 0 or more and less than 1.
아래에서 사례 검색 및 재사용 방법의 각 단계를 보다 상세히 설명한다. Each step of the case search and reuse method is described in more detail below.
사용자에게 1차 솔루션을 추천하는 단계(320)는, 추론 모듈의 의장(Gateway)은 사용자의 맥락의 신규 사례를 신규 안건으로 등록하는 단계(440), 등록된 신규 안건을 대상으로 추론 모듈의 복수의 의원(Node)들은 각각 케이스 베이스(CB)의 과거 사례 중 유사도가 높다고 판단되는 사례 순으로 소정의 사례를 리스트화하여 의장에게 전달함에 따라 투표하는 단계(450, 460), 의장은 투표 결과에 따라 가장 유사도가 높다고 판단된 사례를 1차 솔루션으로 채택하는 단계(470), 및 의장은 채택된 1차 솔루션을 사용자에게 전달하여 추천하는 단계를 포함할 수 있다. In the
또한, 사용자에게 1차 솔루션을 추천하는 단계(320)는, 추론 모듈의 의장은 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(CB)로부터 검색하는 단계(410), 의장은 검색된 과거 사례 중 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 이용하여 사례 후보 리스트를 작성하는 단계(420), 및 의장은 사례 후보 리스트 중 첫 번째로 유사도가 가장 높은 사례와 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 이용하여 안건 상정 여부를 판단하는 단계(430)를 더 포함할 수 있다. In addition, in the
단계(410)에서, 사례 검색 및 재사용부(520)에서 추론 모듈의 의장은 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(CB)로부터 검색할 수 있다. In
단계(420)에서, 사례 검색 및 재사용부(520)에서 의장은 검색된 과거 사례 중 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 이용하여 사례 후보 리스트를 작성할 수 있다.In
단계(430)에서, 사례 검색 및 재사용부(520)에서 의장은 사례 후보 리스트 중 첫 번째로 유사도가 가장 높은 사례와 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 이용하여 안건 상정 여부를 판단할 수 있다.In
사례 검색 및 재사용부(520)는 첫 번째로 유사도가 가장 높은 사례의 유사도 수치에서 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 차감한 값이 기 설정된 수치 미만인 경우 사용자의 맥락의 신규 사례를 신규 안건으로 등록하고, 기 설정된 수치 이상인 경우 사용자의 맥락의 신규 사례를 신규 안건으로 등록하지 않을 수 있다. 이와 같이 의장은 다중 의사결정 판단 실행의 기준을 특정한 기준을 두고 실행할 수 있다. The case search and
한편, 유사도 수치를 이용하여 안건 상정 여부를 판단하여 안건 상정을 하지 않는 경우, 의장은 첫 번째로 유사도가 가장 높은 사례를 1차 솔루션으로 채택하는 단계를 더 포함할 수 있다.On the other hand, if the agenda is not proposed by determining whether the agenda is proposed using the similarity value, the chairman may further include the step of firstly adopting the case with the highest similarity as the first solution.
단계(440)에서, 사례 검색 및 재사용부(520)에서 추론 모듈의 의장(Gateway)은 사용자의 맥락의 신규 사례를 신규 안건으로 등록할 수 있다.In
단계(450, 460)에서, 사례 검색 및 재사용부(520)에서 등록된 신규 안건을 대상으로 추론 모듈의 복수의 의원(Node)들은 각각 케이스 베이스(CB)의 과거 사례 중 유사도가 높다고 판단되는 사례 순으로 소정의 사례를 리스트화하여 의장에게 전달함에 따라 투표할 수 있다.In
단계(470)에서, 사례 검색 및 재사용부(520)에서 의장은 투표 결과에 따라 가장 유사도가 높다고 판단된 사례를 1차 솔루션으로 채택할 수 있다.In
이후, 사례 검색 및 재사용부(520)에서 의장은 채택된 1차 솔루션을 사용자에게 전달하여 추천할 수 있다.Thereafter, in the case search and
따라서 수집한 사용자 환경 데이터를 절대적으로 수치만을 기반으로 의사결정을 하지 않으며 사례 데이터의 질적 측면을 고려할 수 있다. Therefore, it is possible to consider the qualitative aspect of case data without making a decision based on absolute numbers based on the collected user environment data.
도 6a는 본 발명의 다른 실시예에 따른 통합서버와 연동되는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템을 설명하기 위한 도면이다. 6A is a diagram for explaining a collective intelligence case-based reasoning system for user-customized recommendation interlocked with an integrated server according to another embodiment of the present invention.
도 6a를 참조하면, 사례기반추론 시스템(600)은 통합서버로부터 사용자의 맥락에 대한 상황정보를 전달 받아 사례기반추론을 통해 최적 솔루션에 따른 서비스를 도출하고, 도출된 서비스를 통합서버)에 전달함으로써 서비스를 추천할 수 있다. 여기서, 사례기반추론 시스템(600)은 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템을 의미할 수 있다. 6A, the case-based
도 6b은 본 발명의 다른 실시예에 따른 통합서버와 연동되는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템의 구성을 설명하기 위한 도면이다. 6B is a view for explaining the configuration of a collective intelligence case-based reasoning system for user-customized recommendation interlocked with an integrated server according to another embodiment of the present invention.
도 6b를 참조하면, 본 발명의 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템(600)은 시스템의 구성에 따라 추론 모듈(620), 데이터 관리 모듈(630) 및 케이스 베이스(Case-base, CB)(640)을 포함할 수 있고, 실시예에 따라 커뮤니케이션 모듈(Communication Module, CM)(610)을 더 포함할 수 있다. 6B, the collective intelligence type case-based
한편, 도 5에서 설명한 본 발명의 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템(500)은 프로세스에 따라 분류한 것으로, 사례화부, 사례 검색 및 재사용부 및 사례 수정부를 포함할 수 있고, 실시예에 따라 사례 유지부를 더 포함할 수 있다. 여기서, 사례화부, 사례 검색 및 재사용부 및 사례 수정부는 도 6b의 추론 모듈(620)에 포함될 수 있으며, 사례 유지부는 데이터 관리 모듈(630) 및 케이스 베이스(CB, 640)에 포함될 수 있다. Meanwhile, the collective intelligence type case-based
커뮤니케이션 모듈(CM, 610)은 사용자의 요구 사항을 입력하고, CBR의 추론 모듈(620)을 통하여 도출된 결과를 출력하는 모듈이다. 즉, 커뮤니케이션 모듈(CM, 610)은 사용자의 요구사항 또는 사용자의 피드백을 입력하고, 추론 모듈(620)을 통해 도출된 결과인 1차 솔루션 또는 최종 솔루션을 출력할 수 있다. The communication module (CM, 610) is a module that inputs a user's request and outputs a result derived through the
추론 모듈(Reasoning Module, RM)(620)은 사용자의 요구 사항을 사례화하여 가장 유사한 과거 사례를 검색하여 과거 사례의 솔루션을 도출하여 1차 솔루션이 입력된 사례를 케이스 풀(case pool)에 전달하는 모듈이다. 또한, 사용자 피드백을 기반으로 사례를 수정하여 신규 사례를 제작하는 모듈이다.Reasoning Module (RM) 620 is an example of the user's requirements, searches for the most similar past cases, derives the solutions of the past cases, and delivers the case in which the first solution was entered to the case pool. It is a module that does. In addition, it is a module that creates new cases by modifying cases based on user feedback.
보다 구체적으로, 추론 모듈(620)은 사용자의 맥락을 신규 사례로 표현하여 사례화하고, 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(CB, 640)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 사용자에게 1차 솔루션을 추천하며, 1차 솔루션에 대한 사용자의 피드백을 받은 후 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 사용자에게 최종 솔루션을 추천할 수 있다. More specifically, the
데이터 관리 모듈(Data Management Module, DMM)(630)은 추론 모듈(620)이 요청하는 유사 사례 검색을 함에 있어서, 케이스 베이스(CB, 640)로부터 과거 사례를 검색하여 추론 모듈(620)에 목록을 전달하는 모듈이다. 또한, 신규 사례를 케이스 베이스(CB, 640)로 저장하는 기능을 수행하는 모듈이다. 즉, 데이터 관리 모듈(630)은 추론 모듈(620)의 요청에 따라 케이스 베이스(CB, 640)로부터 과거 사례를 검색하여 리스트를 전달할 수 있다. The data management module (DMM) 630 searches for a past case from the case base (CB, 640) in searching for a similar case requested by the
케이스 베이스(CB, 640)는 과거 사례를 저장하고, 최종 솔루션이 완성된 신규 사례를 저장하는 데이터베이스(DB)이다.The case base (CB, 640) is a database (DB) that stores past cases and new cases for which the final solution is completed.
본 발명의 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템(600)은 일 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템(500)과 분류를 달리하는 것으로, 중복되는 설명은 생략하기로 한다. The collective intelligence case-based
도 7은 본 발명의 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법을 설명하기 위한 도면이다. 7 is a diagram for explaining a collective intelligence type case-based reasoning method for customized recommendation according to another embodiment of the present invention.
도 7을 참조하면, 본 발명의 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법은 도 6a 및 도 6b에서 설명한 통합서버(710)와 정보를 주고받는 본 발명의 다른 실시예에 따른 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템의 동작을 설명하는 것으로, 커뮤니케이션 모듈(Communication Module, 720), 추론 모듈(730) 및 데이터 관리 모듈(740)의 동작을 통해 사례기반추론을 수행할 수 있다. 이 때, 케이스 베이스(Case-base, CB)를 참조하여 사례기반추론을 수행할 수 있다. Referring to FIG. 7, a collective intelligence case-based reasoning method for user-customized recommendation according to another embodiment of the present invention is another embodiment of the present invention for exchanging information with the
도 8a 내지 도 8e는 본 발명의 다른 실시예에 따른 통합서버와 정보를 주고받는 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법의 예를 설명하기 위한 도면이다. 8A to 8E are diagrams for explaining an example of a collective intelligence case-based reasoning method for user-customized recommendation for exchanging information with an integrated server according to another embodiment of the present invention.
도 8a를 참조하면, 사례기반추론 시스템은 통합서버로부터 사용자의 맥락에 관한 케이스데이터(사례 데이터)를 전달받아 케이스 변환을 통해 사례화하고, 케이스 레벨을 확인하여 유사 케이스를 검색하여 솔루션을 결정하여 통합서버로 전달할 수 있다.Referring to FIG. 8A, the case-based reasoning system receives case data (case data) about the user's context from the integrated server, converts the case into a case, checks the case level, searches for similar cases, and determines a solution. Can be delivered to the integrated server.
도 8b를 참조하면, 사례기반추론 시스템은 유사 케이스 검색을 위해, 검색 조건을 결정하고, 검색 조건에 따라 케이스 베이스(Case-base, CB)를 참조하여 일치 리스트를 생성하여 유사 케이스의 후보 리스트를 작성하고, 케이스 유사도를 측정하여 유사 케이스를 검색할 수 있다. 도 8c에 도시된 바와 같이, 케이스 유사도를 측정할 수 있다. Referring to FIG. 8B, the case-based reasoning system determines a search condition to search for similar cases, and generates a match list by referring to a case-base (CB) according to the search condition to generate a candidate list of similar cases. You can create and measure case similarity to search for similar cases. As shown in FIG. 8C, case similarity can be measured.
그리고, 도 8d에 도시된 바와 같이, 유사 케이스 검색 결과를 통해 솔루션을 채택하고 솔루션에 따른 케이스를 케이스 베이스(Case-base, CB)에 저장하여 갱신할 수 있다. 이후, 도 8e에 도시된 바와 같이, 사례기반추론 시스템은 통합서버로부터 피드백 정보를 전달 받아 이를 반영한 솔루션을 결정하여 통합서버로 전달할 수 있다. In addition, as shown in FIG. 8D, a solution may be adopted through a similar case search result, and a case according to the solution may be stored in a case-base (CB) and updated. Thereafter, as shown in FIG. 8E, the case-based reasoning system receives feedback information from the integration server, determines a solution reflecting it, and transmits it to the integration server.
도 9는 본 발명의 일 실시예에 따른 의장-의원 제도 기반 추론 과정을 설명하기 위한 도면이다. 9 is a view for explaining a reasoning process based on a chairman-clinical system according to an embodiment of the present invention.
도 9에 도시된 바와 같이, 신규 사용자의 상황 사례(New Case)가 들어왔을 때, 추론 모듈의 의장(Gateway)은 신규 안건으로 등록할 수 있다. 그리고 등록된 신규 안건을 대상으로, 각 의원(Node)들은 기존의 사례 데이터베이스(DB)인 케이스 베이스(Case Base, CB)로부터 가장 유사한 사례를 검색할 수 있다. As shown in FIG. 9, when a new case of a new user enters, a gateway of the reasoning module may register as a new agenda. And, targeting the registered new agenda, each node can search for the most similar case from the existing case database (DB), the Case Base (CB).
각 의원들은 가장 유사도가 높은 사례들(예컨대, Top 3)을 리스트화하여 의장에게 전달할 수 있다. 의장은 가장 유사도가 높다고 판단된 사례를 솔루션으로 채택할 수 있다. 그리고 채택된 솔루션은 추론 결과에 따른 솔루션으로서 사용자에게 1차 솔루션으로 전달될 수 있다. Each legislator can list the most similar cases (eg, Top 3) and forward it to the chairman. The chairman can adopt the case judged to have the highest similarity as a solution. And the adopted solution can be delivered as a primary solution to the user as a solution based on the inference result.
도 10은 본 발명의 일 실시예에 따른 사례의 요소를 설명하기 위한 도면이다. 10 is a diagram for explaining elements of a case according to an embodiment of the present invention.
도 10을 참조하면, 본 발명은 사례기반추론 방법론을 활용한 것으로, 사용자의 현재 상황이나 맥락을 크게 문제부(Problem, 1010), 해결책부(Solution, 1020), 그리고 결과물부(Outcome, 1030)의 사례의 3 요소(1000)에 걸쳐 사례로 표현할 수 있다. Referring to FIG. 10, the present invention utilizes a case-based reasoning methodology, and a problem part (Problem, 1010), a solution part (Solution, 1020), and a result part (Outcome, 1030) are largely based on the current situation or context of the user. It can be expressed as a case over three elements (1000) of the case.
문제부(1010)는 현재 사용자의 상황, 맥락에 관한 데이터를 기록하는 섹션으로, 해당 섹션을 바탕으로 과거 사례와의 비교를 통하여 해결책을 제시할 수 있다. The problem unit 1010 is a section that records data on the current user's situation and context, and may present a solution through comparison with past cases based on the section.
해결책부(1020)는 현재 사용자 상황에 알맞은 추천 해결책을 기록하는 섹션으로, 사용자 맞춤형 솔루션이 제시될 수 있다. The solution unit 1020 is a section for recording a recommended solution suitable for the current user situation, and a customized solution may be presented.
또한, 결과물부(1030)는 추천 내용이나 해결책, 혹은 시스템에 관한 사용자의 만족도 및 피드백을 기록할 수 있다. 여기서, 사례는 대개 텍스트(Text) 및 수 데이터들로 표현되나, 때에 따라서 이미지나 기호와 같은 데이터로도 표현이 가능하다.In addition, the result unit 1030 may record recommendations or solutions, or user satisfaction and feedback regarding the system. Here, examples are usually expressed as text and number data, but in some cases, data such as images or symbols may also be expressed.
도 11은 본 발명의 일 실시예에 따른 사례 완성 과정을 설명하기 위한 도면이다. 11 is a view for explaining a case completion process according to an embodiment of the present invention.
도 11을 참조하면, 본 시스템은 데이터 수집에서부터 사례를 만들기 시작하여 사용자 피드백과 솔루션 추천에 이르기까지, 위와 같이 사례 완성 4단계를 통하여 사례기반추론 방법론을 활용할 수 있다. Referring to FIG. 11, the present system can utilize the case-based reasoning methodology through the four steps of case completion as described above, from data collection to case creation, user feedback and solution recommendation.
Trigger 단계(1110)는 사례화 단계로, 대화/텍스트 기반 서비스 및 특정 상황에 대한 선제적 서비스를 제공할 수 있다. 대화/텍스트 기반 서비스는 사용자의 요구사항이 음성(Voice) 또는 텍스트(Text) 기반으로 입력되었을 때 시스템이 시작될 수 있다. 그리고 선제적 서비스는 사용자가 미리 설정해놓은 요구사항에 관한 조건이 달성되었을 때 시스템이 시작될 수 있다.The trigger step 1110 is an instantiation step, and may provide a conversation/text-based service and a preemptive service for a specific situation. The conversation/text-based service can be started when a user's request is input based on voice or text. In addition, the preemptive service can be started when the conditions for requirements set by the user in advance are met.
Suggest 단계(1120)는 사례 검색 및 재사용 단계로, 현재 사용자 맥락을 토대로, 추천 시스템에서 기존 사례 간의 검색을 통하여 솔루션을 도출하여 서비스를 추천할 수 있다. 즉, 현재 사용자 맥락을 사례화하고, 신규 사례에 대한 과거 사례를 검색하여, 유사도가 가장 높은 사례 기반 1차 솔루션을 추천할 수 있다.Suggest step 1120 is a case search and reuse step. Based on the current user context, a service may be recommended by deriving a solution through a search between existing cases in a recommendation system. That is, the case-based first solution with the highest similarity can be recommended by exampleizing the current user context and searching for past cases for new cases.
Revise 단계(1130)는 사례 수정 단계로, 제공된 솔루션에 대한 사용자의 피드백을 반영하여 알맞은 솔루션으로 수정할 수 있다. 즉, 1차 솔루션에 대한 사용자 피드백을 받아 사용자 피드백에 따른 최종 솔루션을 추천할 수 있다.The Revise step 1130 is a case modification step, and may be modified into an appropriate solution by reflecting the user's feedback on the provided solution. In other words, it is possible to recommend a final solution based on user feedback by receiving user feedback on the first solution.
Confirm 단계(1140)는 사례 유지 단계로, 완성된 사례를 학습하고 활용하기 위하여 케이스 베이스(Case-base)에 저장할 수 있다. 즉, 솔루션 완성에 따른 신규 사례를 케이스 베이스(Case-base)에 저장할 수 있다.The Confirm step 1140 is a case maintenance step, and may be stored in a case-base in order to learn and utilize the completed case. In other words, new cases according to the completion of the solution can be stored in the case-base.
이상에서 설명한 본 발명의 실시예들은 사용자 맞춤형 서비스를 제공하는 모든 플랫폼에서 활용이 가능하다. 부연하자면, 특정 사용자에게 어떠한 서비스나 컨텐츠를 추천 및 제공할 것인지를 판단하는 모든 시스템에서 활용이 가능하다.The embodiments of the present invention described above can be utilized in any platform that provides a customized service. In addition, it can be used in any system that determines which service or content to recommend and provide to a specific user.
예를 들어, 아마존(Amazon) 사의 에코(Echo)나 구글(Google) 사의 홈(Home)과 같은 스마트홈 어시스턴트가 사용자에게 적절한 서비스를 추천함에 있어서, 추천할 서비스 간의 추천 점수가 비슷할 경우 본 실시예들에 따른 방법을 활용하여 보다 정확하게 추천 서비스를 선정할 수 있다. For example, when a smart home assistant, such as Amazon's Echo or Google's Home, recommends an appropriate service to a user, when the recommended scores are similar between the services to be recommended, this embodiment Recommended services can be more accurately selected by using the method according to the field.
본 발명의 실시예들은 사용자에게 개인화된 추천을 제공하는 모든 서비스에 적용 가능하기에 넓은 확장성을 가진다. 사례기반추론의 추천 서비스는 다양한 방식으로 비즈니스 모델을 수립할 수 있다. 예를 들어, 넷플릭스, 아마존 등과 같은 기업은 자사의 콘텐츠를 사용자에게 더 적합하게 추천하도록 활용할 수 있으며, 네이버, 구글 등과 같은 뉴스 플랫폼은 기사들이 많은 사용자에게 골고루 추천될 수 있도록 하는 뉴스 추천 서비스 환경을 제공할 수 있을 것이다. Embodiments of the present invention have wide scalability because they can be applied to all services that provide personalized recommendations to users. The recommendation service of case-based reasoning can establish a business model in various ways. For example, companies such as Netflix and Amazon can use their content to recommend their content more appropriately to users, and news platforms such as Naver and Google provide a news recommendation service environment that allows articles to be evenly recommended to many users. Will be able to provide.
기업이 자의적으로 선택한 특정 콘텐츠를 모든 사용자에게 일률적으로 부각시키려면 비효율적인 마케팅과 홍보 비용을 동반하면서도 긍정적인 사용자 경험을 장담할 수 없다. 마케팅 비용의 절감과 사용자 경험 향상은 복수의 콘텐츠를 보유했다면 보편적으로 기업이 추구하는 가치이므로 본 발명의 활용도는 매우 높을 것으로 기대된다.In order to uniformly highlight specific content arbitrarily selected by a company to all users, it is not possible to guarantee a positive user experience while accompanying inefficient marketing and promotion costs. Reduction of marketing costs and improvement of user experience are values that companies generally pursue if they have multiple contents, so the utilization of the present invention is expected to be very high.
본 발명은 인공지능 서비스 전반에 있어서 다각화된 사업을 발전시키는 촉매제 역할을 할 수 있다. 대표적으로 자율주행, 대화형 에이전트와의 인터랙션에 있어서 개인화된 맞춤형 추천은 비즈니스 모델 기본 엔진이기 때문이다. 따라서 CI-CBR 방법론을 적용한다면 적합한 추천으로 인한 사용자 경험 향상을 기대할 수 있다.The present invention can serve as a catalyst for the development of diversified businesses in the overall artificial intelligence service. This is because, as a representative, personalized recommendations for autonomous driving and interaction with interactive agents are the basic engine of business models. Therefore, if CI-CBR methodology is applied, user experience can be improved through appropriate recommendations.
AI 자율주행 사업의 경우, 현재 일반적으로 구현 가능한 기술 상태로 자동차와 운전자 간 실질적 운행역할이 분담되어 주행이 이루어지는 ‘부분적 또는 조건부 자율주행’ 단계(국제 자동차 공학회 기준)에 놓여있다. 즉, 운전자의 개입이 반드시 필요한 상태이므로 자동차 내 거리측정 센서, 고도 측정 센서, 날씨 측정 센서, GPS에 따른 데이터를 CI-CBR에 따라 처리하여 더 나은 주행을 운전자에게 추천한다면 보다 안정적인 주행 모델을 정립할 수 있다.In the case of the AI autonomous driving business, it is currently in the'partial or conditional autonomous driving' stage (based on the International Society of Automotive Engineers), in which the actual driving role is divided between the car and the driver as a technology that can be implemented in general. In other words, since the driver's intervention is indispensable, a more stable driving model can be established if the vehicle's distance sensor, altitude sensor, weather sensor, and GPS data are processed according to CI-CBR to recommend better driving to the driver. can do.
스마트 스피커를 기반으로 한 AI 에이전트와 사용자 간에 인터랙션 기술은 음성 인식 및 자연어 처리를 기반으로 이루어진다. 즉, 음성 인식을 통해 정확한 문장을 만들고 그것을 자연어 처리를 통해 시스템이 이해할 수 있는 명령 등으로 바꾼 후에 시스템이 그 명령을 기반으로 사용자가 원하는 액션을 보여주는 것이 스마트 비서 서비스의 특징이다. 이를 위해서 정확한 음성 인식을 위해 음성 패턴을 수집하고 분석해서 정확한 컴퓨터가 인식할 수 있는 언어로 만드는 기술이 필요하지만, 실제 사용자 환경에서 발화자는 고령자, 장애인 등 연령, 신체와 같은 특수한 개별 상황에 따라 일관되지 못한 음성 패턴을 보여주는 위험이 있다. 기존의 사례들을 단편적으로 판단하지 않는 CI-CBR 방법론은 비균질적인 음성 데이터로 인해 발생할 수 있는 오류와 오차를 최소화하고 최적화된 인터랙션을 구현하는데 있어서 도움을 줄 수 있다. The interaction technology between AI agents and users based on smart speakers is based on speech recognition and natural language processing. In other words, the feature of the smart assistant service is that an accurate sentence is created through speech recognition and converted into a command that the system can understand through natural language processing, and then the system shows the action desired by the user based on the command. To this end, a technology is needed to collect and analyze speech patterns for accurate speech recognition to make a language that can be recognized by an accurate computer, but in an actual user environment, the talker is consistent with specific individual circumstances such as age and body such as the elderly and the disabled. There is a risk of showing unsuccessful voice patterns. The CI-CBR methodology, which does not judge existing cases in pieces, can help to minimize errors and errors that may occur due to inhomogeneous voice data, and to implement optimized interactions.
도 12는 본 발명의 일 실시예에 따른 CI-CBR의 예시를 설명하기 위한 도면이다. 12 is a view for explaining an example of CI-CBR according to an embodiment of the present invention.
도 12를 참조하면, 본 발명의 일 실시예들에 따른 CI-CBR 시스템은 ‘IoT 환경의 스마트홈’ 비즈니스 모델과 결합한다면 최적의 효율을 기대할 수 있다. CI-CBR은 ‘홈’ 환경과 같은 동일한 사용자와의 지속적이고 반복적인 인터랙션이 보장이 된다면 사례 누적을 통해 효율성을 높일 수 있기 때문이다.Referring to FIG. 12, if the CI-CBR system according to the embodiments of the present invention is combined with the'Smart Home in IoT Environment' business model, optimal efficiency can be expected. This is because CI-CBR can increase efficiency by accumulating cases if continuous and repetitive interactions with the same user, such as a “home” environment, are guaranteed.
예를 들어, 스마트홈 환경에서 30세 남성 Ronald 사용자의 현재 환경과 요구사항(1210)을 신규 안건으로 의장은 등록하고, 의원들이 수행하는 투표 결과를 수집할 수 있다(1220). 이에 가장 높은 추천도를 가진 사례 27(Case)을 선정(1240)하여 해당 사례의 해결 방안을 1차 추천 서비스(1250)로서 활용할 수 있다.For example, in a smart home environment, the chairman may register the current environment and
이와 같이 귀가, 식사 준비 등 거주민들의 일상 생활 속에서 나올 수 있는 다양한 상황에 맞는 서비스를 제공하는 머신러닝(Machine Learning: 기계 학습) 기반의 서비스인 지능형 스마트홈에 적용할 수 있다. 스마트홈 거주민의 억양, 발음 습관 등을 스스로 학습하여 95% 이상의 자연어 인식률을 갖춘 환경에 음성인식 기술을 더하여 ‘조명 꺼’라고 명령을 내리면 “어느 방 조명을 꺼 드릴까요?”라고 대답하는 등 인터랙션을 확장시킬 수 있다. In this way, it can be applied to an intelligent smart home, a service based on machine learning (Machine Learning) that provides services suitable for various situations that can occur in the daily life of residents such as returning home and preparing meals. By self-learning the intonation and pronunciation habits of smart home residents, voice recognition technology is added to an environment with a natural language recognition rate of 95% or more, and when a command is given to'Turn off the lights', you answer, "Which room will you turn off the lights?" Can be expanded.
이와 같이 스마트홈 사업에 CI-CBR 시스템을 적용시킨다면 실외환경인 외부 온도, 미세먼지 농도 등과 실내환경인 고객의 위치정보, 수면패턴, 이동패턴 등 종합적인 데이터를 분석해 고객에게 필요한 서비스를 추천할 때 음성 인터랙션에 따른 사례를 기반으로 개인화된 패턴을 추론하여 최적화된 맞춤형 서비스를 제공할 수 있다. In this way, if the CI-CBR system is applied to the smart home business, it is time to analyze comprehensive data such as outdoor environment such as external temperature, fine dust concentration, and indoor environment such as customer's location information, sleep pattern, movement pattern, etc. An optimized customized service can be provided by inferring a personalized pattern based on the case of voice interaction.
본 발명의 실시예들에 따르면 투표 기반의 의사결정 방식을 선택하면서 각 사례에 대해 수치 이상의 다각화된 검토를 실행한다는 점에서 사례 증가에 따른 합리적 의사결정 효과를 극대화할 수 있다. 또한, 본 발명의 실시예들에 따르면 기존의 사례 형성 과정을 다음 의사결정 시에 적극적으로 활용한다는 점에서 누적된 사례들을 활용하며 과정 반복 시 추천의 정교화 수준이 높아지는 효과를 기대할 수 있다. According to the embodiments of the present invention, a rational decision-making effect according to an increase in cases can be maximized in that a diversified review of more than a number is executed for each case while selecting a voting-based decision making method. In addition, according to the embodiments of the present invention, since the existing case formation process is actively used in the next decision making, the accumulated cases are utilized, and when the process is repeated, the level of sophistication of the recommendation can be expected to increase.
이에 따라 본 발명의 실시예들에 따른 집단지성형 CBR 시스템 추론 방식은 사용자에게 적절한 서비스나 컨텐츠를 제공하는 추천 시스템의 핵심 엔진으로서 활용될 수 있다. 본 발명에서 제안하는 사용자와의 인터랙션(interaction) 기반 사례 완성 과정을 통하여 CBR 시스템의 실시간 적용 가능성을 보여주며, 실시간 기계학습이 필요한 시스템 기반 추천 서비스 영역에서 활용될 수 있다. Accordingly, the collective intelligence type CBR system inference method according to embodiments of the present invention can be utilized as a core engine of a recommendation system that provides appropriate services or contents to users. The possibility of real-time application of the CBR system is shown through the process of completing a case based on interaction with a user proposed in the present invention, and can be used in a system-based recommendation service area requiring real-time machine learning.
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, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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 애플리케이션을 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 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The apparatus described above may be implemented as a hardware component, a software component, and/or a combination of a hardware component and a software component. For example, the devices and components described in the embodiments include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable array (FPA), It can be implemented using one or more general purpose computers or special purpose computers, such as a programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications executed on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of software. For the convenience of understanding, although it is sometimes described that one processing device is used, one of ordinary skill in the art, the processing device is a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it may include. For example, the processing device may include a plurality of processors or one processor and one controller. In addition, other processing configurations are possible, such as a parallel processor.
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, 가상 장치(virtual equipment), 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.The software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to behave as desired or processed independently or collectively. You can command the device. Software and/or data may be interpreted by a processing device or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. Can be embodyed in The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of the program instructions include not only machine language codes such as those produced by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
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.As described above, although the embodiments have been described by the limited embodiments and drawings, various modifications and variations are possible from the above description by those of ordinary skill in the art. For example, the described techniques are performed in a different order from the described method, and/or components such as a system, structure, device, circuit, etc. described are combined or combined in a form different from the described method, or other components Alternatively, even if substituted or substituted by an equivalent, an appropriate result can be achieved.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다. Therefore, other implementations, other embodiments, and claims and equivalents fall within the scope of the claims to be described later.
Claims (15)
상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(Case-base, CB)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 상기 사용자에게 상기 1차 솔루션을 추천하는 단계; 및
상기 1차 솔루션에 대한 상기 사용자의 피드백을 받은 후 상기 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 상기 사용자에게 상기 최종 솔루션을 추천하는 단계
를 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법. Expressing the user's context as a new case to make an instance;
Based on the new case of the user's context, the previous case is searched from the case-base (CB), and the case with the highest similarity or the case with the highest similarity is selected, based on the predetermined upper cases in the order of the highest similarity 1 Deriving a primary solution and recommending the primary solution to the user; And
After receiving the user's feedback on the first solution, modifying the final solution by reflecting the user's feedback, and recommending the final solution to the user
Including, collective intelligence type case-based reasoning method for customized recommendations.
상기 최종 솔루션의 완성에 따른 상기 신규 사례를 케이스 베이스(Case-base, CB)에 저장하는 단계
를 더 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법. The method of claim 1,
Storing the new case according to the completion of the final solution in a case-base (CB)
A collective intelligence case-based reasoning method for user-customized recommendation further comprising a.
상기 사용자의 맥락을 신규 사례로 표현하여 사례화하는 단계는,
상기 사용자의 요구사항이 음성(Voice) 또는 텍스트(Text) 기반으로 입력되었을 때 현재의 상기 사용자 맥락을 신규 사례로 변환하여 사례화하는 단계
를 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법. The method of claim 1,
The step of expressing the user's context as a new case and making the case,
When the user's request is input based on voice or text, converting the current user context into a new case and instantiating it
Including, collective intelligence type case-based reasoning method for customized recommendations.
상기 사용자의 맥락을 신규 사례로 표현하여 사례화하는 단계는,
기 설정된 요구사항에 관한 조건이 달성되었을 때 현재의 상기 사용자 맥락을 신규 사례로 변환하여 사례화하는 단계
를 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법.The method of claim 1,
The step of expressing the user's context as a new case and making the case,
Step of converting the current user context into a new case and instantiating it when the conditions for the pre-set requirements are achieved
Including, collective intelligence type case-based reasoning method for customized recommendations.
상기 사용자에게 상기 1차 솔루션을 추천하는 단계는,
추론 모듈의 의장(Gateway)은 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하는 단계;
등록된 상기 신규 안건을 대상으로 상기 추론 모듈의 복수의 의원(Node)들은 각각 상기 케이스 베이스(CB)의 과거 사례 중 유사도가 높다고 판단되는 사례 순으로 소정의 사례를 리스트화하여 상기 의장에게 전달함에 따라 투표하는 단계;
상기 의장은 투표 결과에 따라 가장 유사도가 높다고 판단된 사례를 1차 솔루션으로 채택하는 단계; 및
상기 의장은 채택된 상기 1차 솔루션을 상기 사용자에게 전달하여 추천하는 단계
를 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법.The method of claim 1,
The step of recommending the first solution to the user,
The gateway of the reasoning module includes the steps of registering a new case of the user's context as a new agenda;
Targeting the registered new agenda, the plurality of members of the inference module list predetermined cases in the order of cases judged to have high similarity among the past cases of the case base (CB) and deliver them to the chairman. Voting accordingly;
The chairman selecting the case judged to have the highest similarity according to the voting result as the first solution; And
The chairman delivers the adopted primary solution to the user and recommends
Including, collective intelligence type case-based reasoning method for customized recommendations.
상기 사용자에게 상기 1차 솔루션을 추천하는 단계는,
상기 추론 모듈의 의장은 상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 상기 케이스 베이스(CB)로부터 검색하는 단계;
상기 의장은 검색된 과거 사례 중 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 이용하여 사례 후보 리스트를 작성하는 단계; 및
상기 의장은 상기 사례 후보 리스트 중 첫 번째로 유사도가 가장 높은 사례와 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 이용하여 안건 상정 여부를 판단하는 단계
를 더 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법.The method of claim 5,
The step of recommending the first solution to the user,
The chairman of the reasoning module searches for a past case from the case base CB based on the new case of the user's context;
The chairman selecting cases with high similarity among the searched past cases and creating a case candidate list using predetermined upper cases in the order of high similarity; And
The chairman determines whether an agenda is proposed using the similarity value of the first case with the highest similarity and the second case with the highest similarity among the case candidate list.
A collective intelligence case-based reasoning method for user-customized recommendation further comprising a.
상기 유사도 수치를 이용하여 안건 상정 여부를 판단하는 단계는,
상기 첫 번째로 유사도가 가장 높은 사례의 유사도 수치에서 상기 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 차감한 값이 기 설정된 수치 미만인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하고, 상기 기 설정된 수치 이상인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하지 않는 것
을 특징으로 하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법.The method of claim 6,
The step of determining whether the agenda is proposed using the similarity value,
If the value obtained by subtracting the similarity value of the second case with the highest similarity from the first case with the highest similarity is less than a preset value, a new case in the context of the user is registered as a new agenda, and the Not registering a new case in the context of the user above as a new agenda if it exceeds the preset number
Characterized in, collective intelligence type case-based reasoning method for user-customized recommendation.
상기 유사도 수치를 이용하여 안건 상정 여부를 판단하여 안건 상정을 하지 않는 경우, 상기 의장은 상기 첫 번째로 유사도가 가장 높은 사례를 상기 1차 솔루션으로 채택하는 단계
를 더 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 방법.The method of claim 6,
The step of selecting the first case with the highest similarity as the first solution when the agenda is not proposed by determining whether the agenda is proposed using the similarity value.
A collective intelligence case-based reasoning method for user-customized recommendation further comprising a.
상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 케이스 베이스(Case-base, CB)로부터 검색하여 유사도가 가장 높은 사례 또는 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 기반으로 1차 솔루션을 도출하고, 상기 사용자에게 상기 1차 솔루션을 추천하는 사례 검색 및 재사용부; 및
상기 1차 솔루션에 대한 상기 사용자의 피드백을 받은 후 상기 사용자의 피드백을 반영하여 최종 솔루션으로 수정하고, 상기 사용자에게 상기 최종 솔루션을 추천하는 사례 수정부
를 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템. A caseization unit that expresses the user's context as a new case and makes it a case;
Based on the new case of the user's context, the previous case is searched from the case-base (CB), and the case with the highest similarity or the case with the highest similarity is selected, based on the predetermined upper cases in the order of the highest similarity 1 A case search and reuse unit for deriving a primary solution and recommending the primary solution to the user; And
After receiving the user's feedback on the first solution, a case modification government that reflects the user's feedback and modifies the final solution and recommends the final solution to the user
Including, collective intelligence type case-based reasoning system for user-customized recommendations.
상기 최종 솔루션의 완성에 따른 상기 신규 사례를 케이스 베이스(Case-base, CB)에 저장하는 사례 유지부
를 더 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템. The method of claim 9,
A case holding unit that stores the new case according to the completion of the final solution in a case-base (CB)
A collective intelligence case-based reasoning system for a user-customized recommendation further comprising a.
상기 사례 검색 및 재사용부는,
추론 모듈의 의장(Gateway)은 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하고, 등록된 상기 신규 안건을 대상으로 상기 추론 모듈의 복수의 의원(Node)들은 각각 상기 케이스 베이스(CB)의 과거 사례 중 유사도가 높다고 판단되는 사례 순으로 소정의 사례를 리스트화하여 상기 의장에게 전달함에 따라 투표하며, 상기 의장은 투표 결과에 따라 가장 유사도가 높다고 판단된 사례를 1차 솔루션으로 채택하여, 상기 의장은 채택된 상기 1차 솔루션을 상기 사용자에게 전달하여 추천하는 것
을 특징으로 하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템.The method of claim 9,
The case search and reuse unit,
The gateway of the reasoning module registers a new case of the user's context as a new agenda, and a plurality of members of the reasoning module targeting the registered new agenda are Among the cases, certain cases are listed in the order of cases judged to have high similarity, and voted by delivering them to the chairman, and the chairman adopts the case judged to have the highest similarity according to the voting result as the first solution, and the chairman Is to deliver the adopted primary solution to the user to recommend
Characterized by, collective intelligence type case-based reasoning system for user-customized recommendations.
상기 사례 검색 및 재사용부는,
상기 추론 모듈의 의장은 상기 사용자의 맥락의 신규 사례를 토대로 과거 사례를 상기 케이스 베이스(CB)로부터 검색하고, 상기 의장은 검색된 과거 사례 중 유사도가 높은 사례들을 선별하여 유사도가 높은 순서의 소정의 상위 사례들을 이용하여 사례 후보 리스트를 작성하며, 상기 의장은 상기 사례 후보 리스트 중 첫 번째로 유사도가 가장 높은 사례와 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 이용하여 안건 상정 여부를 판단하는 것
을 특징으로 하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템.The method of claim 11,
The case search and reuse unit,
The chairman of the inference module searches for past cases from the case base (CB) based on the new case of the user's context, and the chair selects cases with high similarity among the searched past cases and selects a predetermined higher order of similarity. A case candidate list is prepared using cases, and the chairman determines whether an agenda is proposed by using the similarity value of the first case with the highest similarity and the second case with the highest similarity among the case candidate lists.
Characterized by, collective intelligence type case-based reasoning system for user-customized recommendations.
상기 사례 검색 및 재사용부는,
상기 첫 번째로 유사도가 가장 높은 사례의 유사도 수치에서 상기 두 번째로 유사도가 가장 높은 사례의 유사도 수치를 차감한 값이 기 설정된 수치 미만인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하고, 상기 기 설정된 수치 이상인 경우 상기 사용자의 맥락의 신규 사례를 신규 안건으로 등록하지 않는 것
을 특징으로 하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템.The method of claim 12,
The case search and reuse unit,
If the value obtained by subtracting the similarity value of the second case with the highest similarity from the first case with the highest similarity is less than a preset value, a new case in the context of the user is registered as a new agenda, and the Not registering a new case in the context of the user above as a new agenda if it exceeds the preset number
Characterized by, collective intelligence type case-based reasoning system for user-customized recommendations.
상기 과거 사례를 저장하고, 상기 최종 솔루션이 완성된 상기 신규 사례를 저장하는 케이스 베이스(Case-base, CB); 및
상기 추론 모듈의 요청에 따라 상기 케이스 베이스로부터 상기 과거 사례를 검색하여 리스트를 전달하는 데이터 관리 모듈
을 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템. By expressing the user's context as a new case and making it a case, based on the new case of the user's context, the past case is searched from the case-base (CB) to select the case with the highest similarity or the case with the highest similarity. Deriving a first solution based on predetermined high-level cases in the order of high similarity, recommending the first solution to the user, receiving the user's feedback on the first solution, and reflecting the user's feedback An inference module for modifying the final solution and recommending the final solution to the user;
A case-base (CB) for storing the past case and storing the new case for which the final solution is completed; And
Data management module that retrieves the past case from the case base and delivers a list according to the request of the inference module
Including, collective intelligence type case-based reasoning system for user-customized recommendations.
상기 사용자의 요구사항 또는 상기 사용자의 피드백을 입력하고, 상기 추론 모듈을 통해 도출된 결과인 상기 1차 솔루션 또는 상기 최종 솔루션을 출력하는 커뮤니케이션 모듈(Communication Module, CM)
을 더 포함하는, 사용자 맞춤형 추천을 위한 집단지성형 사례기반추론 시스템. The method of claim 14,
A communication module (Communication Module, CM) that inputs the user's request or the user's feedback and outputs the first solution or the final solution, which is a result derived through the inference module
A collective intelligence case-based reasoning system for user-customized recommendation further comprising a.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190039405A KR102229768B1 (en) | 2019-04-04 | 2019-04-04 | Collective Intelligence Case-Based Reasoning System and its Method for user-customized recommendation |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190039405A KR102229768B1 (en) | 2019-04-04 | 2019-04-04 | Collective Intelligence Case-Based Reasoning System and its Method for user-customized recommendation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200117381A true KR20200117381A (en) | 2020-10-14 |
| KR102229768B1 KR102229768B1 (en) | 2021-03-19 |
Family
ID=72847504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190039405A KR102229768B1 (en) | 2019-04-04 | 2019-04-04 | Collective Intelligence Case-Based Reasoning System and its Method for user-customized recommendation |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102229768B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020023312A (en) * | 2002-01-15 | 2002-03-28 | 소병수 | the operation method and network alarm variable information electrical system |
| KR20020064639A (en) * | 2001-02-02 | 2002-08-09 | 정창덕 | Information Risk Analysis Method using Integrated Approach of Case Based Reasoning and Structured Analaysis Methodology |
| KR20120071966A (en) * | 2010-12-23 | 2012-07-03 | 한국과학기술원 | Method and apparatus for retrieving software components using case based reasoning system, and method for providing explanation |
| KR20120118400A (en) * | 2011-04-18 | 2012-10-26 | 성균관대학교산학협력단 | Recommendation system and method for decision making |
-
2019
- 2019-04-04 KR KR1020190039405A patent/KR102229768B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20020064639A (en) * | 2001-02-02 | 2002-08-09 | 정창덕 | Information Risk Analysis Method using Integrated Approach of Case Based Reasoning and Structured Analaysis Methodology |
| KR20020023312A (en) * | 2002-01-15 | 2002-03-28 | 소병수 | the operation method and network alarm variable information electrical system |
| KR20120071966A (en) * | 2010-12-23 | 2012-07-03 | 한국과학기술원 | Method and apparatus for retrieving software components using case based reasoning system, and method for providing explanation |
| KR20120118400A (en) * | 2011-04-18 | 2012-10-26 | 성균관대학교산학협력단 | Recommendation system and method for decision making |
| KR101298160B1 (en) | 2011-04-18 | 2013-08-20 | 성균관대학교산학협력단 | Recommendation system and method for decision making |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102229768B1 (en) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10157347B1 (en) | Adaptable systems and methods for processing enterprise data | |
| CN115485690A (en) | Batch technique for handling unbalanced training data of chat robots | |
| US20220188661A1 (en) | Stateful, Real-Time, Interactive, and Predictive Knowledge Pattern Machine | |
| CN109299245B (en) | Method and device for recalling knowledge points | |
| WO2018081020A1 (en) | Computerized domain expert | |
| US20210083994A1 (en) | Detecting unrelated utterances in a chatbot system | |
| US20220100963A1 (en) | Event extraction from documents with co-reference | |
| US11556733B2 (en) | System and method for auto-completion of ICS flow using artificial intelligence/machine learning | |
| US20130325770A1 (en) | Probabilistic language model in contextual network | |
| US20220237446A1 (en) | Hybrid graph neural network | |
| CN110598070A (en) | Application type identification method and device, server and storage medium | |
| CN113761219A (en) | Knowledge graph-based retrieval method and device, electronic equipment and storage medium | |
| CN116547676A (en) | Enhanced logic for natural language processing | |
| US20190114359A1 (en) | System And Method For Contextual Reasoning | |
| US11055655B1 (en) | Method and system for generating an alimentary combination help update | |
| CN115989490A (en) | Techniques for providing interpretation for text classification | |
| US20220100967A1 (en) | Lifecycle management for customized natural language processing | |
| KR102229768B1 (en) | Collective Intelligence Case-Based Reasoning System and its Method for user-customized recommendation | |
| CN116595328A (en) | Knowledge-graph-based intelligent construction device and method for data scoring card model | |
| US11972467B2 (en) | Question-answer expansion | |
| US20230177277A1 (en) | Contextual dialogue framework over dynamic tables | |
| US11782918B2 (en) | Selecting access flow path in complex queries | |
| US20220180865A1 (en) | Runtime topic change analyses in spoken dialog contexts | |
| CN114898184A (en) | Model training method, data processing method and device and electronic equipment | |
| CA3104292C (en) | Systems and methods for identifying and linking events in structured proceedings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |