KR20210099995A - 프로젝트 중개 시스템 및 방법 - Google Patents

프로젝트 중개 시스템 및 방법 Download PDF

Info

Publication number
KR20210099995A
KR20210099995A KR1020200135548A KR20200135548A KR20210099995A KR 20210099995 A KR20210099995 A KR 20210099995A KR 1020200135548 A KR1020200135548 A KR 1020200135548A KR 20200135548 A KR20200135548 A KR 20200135548A KR 20210099995 A KR20210099995 A KR 20210099995A
Authority
KR
South Korea
Prior art keywords
project
information
participant
main
machine learning
Prior art date
Application number
KR1020200135548A
Other languages
English (en)
Other versions
KR102536747B1 (ko
Inventor
강성일
Original Assignee
강성일
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 강성일 filed Critical 강성일
Priority to PCT/KR2020/017100 priority Critical patent/WO2021157832A1/ko
Publication of KR20210099995A publication Critical patent/KR20210099995A/ko
Priority to KR1020230063544A priority patent/KR20230079306A/ko
Application granted granted Critical
Publication of KR102536747B1 publication Critical patent/KR102536747B1/ko

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • 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
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 방법 및 시스템에 관한 것으로서, 더욱 상세하게는 프로젝트 기관에서 공고한 프로젝트 참가자 모집 공고 내용과 프로젝트 참가자가 받은 프로젝트 결과로부터 통계 및 확률 계산과 기계학습에 의해서 통계 및 확률 DB와 기계학습 DB를 생성하여, 통계 및 확률 예측 모델과 기계 학습 추론 모델에 의해서 신규프로젝트 참가 모집 공고에 적합한 프로젝트 참가자를 프로젝트 참가자들 중에 찾아서 해당 프로젝트 참가자와 프로젝트 기관에 통보하여, 프로젝트 참가자에게는 자신에게 맞는 프로젝트 정보를 빠르게 전달하고, 프로젝트 기관에게는 자신이 기획한 프로젝트에 적합한 프로젝트 참가자를 빠르게 찾는 효과가 있다.

Description

프로젝트 중개 시스템 및 방법{Method and System for intermediating project}
본 발명은 전문가 장치와 시스템 협업에 의해 클라우드 기반으로 점층적으로 지능을 향상시킴으로써, 프로젝트 중개를 고도로 지능화하는 방법과 그 시스템에 관한 것이다.
프로젝트는 일정한 기간 안에 일정한 목적을 달성하기 위해 수행하는 연구, 사업, 시험, 실험, 테스트 등에 업무의 묶음을 말한다. 하나의 프로젝트는 정해진 기간, 배정된 금액, 투입인력 등 일정한 제약조건하에서 각종 요구사항을 수행하는 방식으로 진행될 수 있다. 일예로서, 프로젝트는 임상 연구 프로젝트를 포함할 수 있다. 상기 임상 연구 프로젝트 진행과 관련하여, 임상시험 프로젝트 참가자가, 모집 공고를 열람하고 해당 임상시험 프로젝트에 참여할 수 있도록 하는 앱이 제공되고 있다.
하지만 임상 시험 프로젝트 참가자는 자신에게 적합한 프로젝트를 찾기 위해서 일일이 모집 공고를 열람하고, 해당 모집 공고 내용을 면밀하게 검토 및 이해해야 하기 때문에, 시간 낭비가 심한 문제점이 있다.
또한, 임상 시험 참가자를 모집하는 프로젝트 기관(또는 프로젝트 공고자)도 임상 시험 프로젝트 참가자가 참여 신청할 때까지 기약 없는 대기를 해야 하기 때문에, 임상 시험 프로젝트를 희망하는 시기에 진행하기 어렵거나, 참가자를 모집하지 못하여 해당 프로젝트가 조기 종료되는 문제가 발생하고 있다.
한 예로서, 국내 연구자료 ‘2016 임상시험 대상자 모집 개선 방안 연구: 의뢰자 관점으로_양영환’의 논문에 따르면 35.3%가 대상자 모집 실패 및 지연으로 인해 프로젝트 조기종료를 경험하였고, 계획된 일정대로 임상시험이 진행되지 않은 경우가 41.2%로 나타났다. 또한, 해외 연구자료 IBM Global Business Services에 의하면, 임상 시험 프로젝트의 75% 이상이 정해진 기한 내 참가자 모집에 실패하였다는 보고가 있다. 상술한 바와 같이, 정해진 기한 내 프로젝트 참가자를 모집하는 것은, 프로젝트의 성공과 실패를 좌우 할 만큼 중요한 문제로 작용하고 있다.
상술한 문제 인식에 따라, 임상시험 정보 통합서버가 임상 시험 프로젝트 참가자 단말기로 문진표를 제공하고, 임상 시험 프로젝트 참가자가 작성한 문진표 중 적격 문진표를 비교 판단하여 적격 여부를 임상 시험 프로젝트 참가자 단말기로 통보하는 임상 시험 프로젝트 정보 매칭 방법이 개발된 바 있다. (KR 공개특허 2018-0133301 참조) 그러나, 이러한 종래 방법은 문진표를 생성하여 임상 시험 프로젝트 참가자 단말기로 제공하고, 임상 시험 프로젝트 참가자 문진표 중 해당 적격 문진표를 비교 판단하여 적격 여부를 임상 시험 프로젝트 참가자 단말기로 통보하는 번거로운 과정이 포함되어 있어서 현실적으로 사용하기 어려운 결점이 있다.
한국등록특허공보 제10-1961144호(2019.03.22.)
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위하여 제안된 것으로서, 더욱 상세하게는 프로젝트 기관의 모집 공고 내용들과, 프로젝트 참가자의 프로젝트 참가 이력을 비교 분석하여, 적합한 프로젝트 참가자를 검출하고, 적합도를 프로젝트 기관 및 프로젝트 참가자 단말에 제공함으로써, 프로젝트 참자가 모집을 쉽고 빠르게 수행할 수 있도록 하는 프로젝트 중개 방법 및 시스템을 제공하는데 있다.
이와 같은 목적을 달성하기 위한 프로젝트 중개 시스템은, 프로젝트 공고 내용을 웹 사이트를 통해 게시하는 프로젝트 기관 장치, 상기 프로젝트 기관 장치로부터 상기 프로젝트 공고 내용을 수집하여 프로젝트 DB를 구성하고, 상기 프로젝트 DB에서 프로젝트 진행과 관련한 프로젝트 주요정보를 추출하여 저장하고, 상기 프로젝트에 참가할 참가자와 관련된 프로젝트 참가자 장치로부터 프로젝트 참가자 정보를 수집하거나 또는 이전에 참가한 프로젝트 수행에 따른 프로젝트 결과를 상기 프로젝트 기관 장치로부터 수집하여 프로젝트 참가자 주요정보로 저장하고, 상기 프로젝트 주요정보 및 상기 프로젝트 참가자 주요정보에 대한 통계 및 확률 계산과 예측을 기반으로 대상자를 선별하면서 상기 프로젝트 주요정보 및 상기 프로젝트 참가자 주요정보에 기계학습에 따른 추론 모델을 적용하여 대상자를 선별하고, 선별된 대상자들에 대한 검수 및 교정을 수행하여 최종 대상자를 선별한 후, 최종 대상자에 대한 정보를 상기 프로젝트 기관 장치 및 상기 프로젝트 참가자 장치 중 적어도 하나에 제공하는 프로젝트 중개 장치, 상기 프로젝트 중개 장치에 참가자로 등록하고, 상기 프로젝트 중개 장치로부터 신규 프로젝트 추천 정보를 수신하면, 사용자 입력에 따라 신규 프로젝트 참여 수락 메시지를 상기 프로젝트 중개 장치에 전송하는 프로젝트 참가자 장치, 상기 검수 및 교정을 수행하는 전문가 장치, 상기 프로젝트 참가자 모집과 관련하여, 상기 프로젝트 기관 장치의 비용 처리, 상기 프로젝트 참가자 장치의 비용 처리, 및 상기 프로젝트 중개 장치의 수수료 차감 중 적어도 하나의 결제 서비스를 지원하는 결제 서버를 포함하는 것을 특징으로 한다.
본 발명의 실시 예에 따른 프로젝트 중개 장치는 프로젝트 기관 장치가 운영하는 웹사이트로부터 프로젝트 참가 모집 공고 내용을 수집하는 크롤러, 상기 크롤러가 수집한 데이터를 수신하여 프로젝트DB에 저장하는 데이터관리 클라우드 서버, 상기 프로젝트에 참가할 참가자들의 주요정보를 저장하는 프로젝트 참가자 주요정보DB, 상기 프로젝트 주요정보에 대한 통계 및 확률 계산과 예측을 수행하는 통계 및 확률 예측 모듈, 상기 프로젝트 참가자 주요정보DB에 저장된 프로젝트 참가자 주요정보를 대상으로 상기 통계 및 확률 예측 모듈에 의해 1차 대상자를 선별하는 1차 대상자 선별 모듈, 상기 프로젝트 주요정보에 대해 기계학습 추론을 수행하는 기계학습 추론 모듈, 상기 프로젝트 참가자 주요정보들 중 상기 1차 대상자로 선별된 프로젝트 참가자를 제외하고 나머지를 대상으로 2차 대상자를 선별하는 2차 대상자 선별 모듈, 상기 1차 대상자 및 상기 2차 대상자 선별 내용이 맞는지 검수하고, 틀렸다면 올바르게 수정하는 교정 과정을 거치는 검수 및 교정 모듈, 상기 1차 대상자와 상기 2차 대상자를 모두 합하여 최종 대상자로 선정하고, 프로젝트 참가자와 프로젝트 기관에게 선정 결과를 통보하는 최종 대상자 선정 및 통보 모듈을 포함하는 것을 특징으로 한다.
추가로, 상기 프로젝트 중개 장치는 상기 프로젝트 참가자 장치와 관련한 참가자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 중 적어도 하나의 입력 및 관리를 지원하고 대상자 선정 결과 이력의 확인을 지원하는 회원로그인 및 정보 관리 모듈, 상기 프로젝트 참가자 모집 공고 내용과 해당 임상에 실제 참여한 프로젝트 참가자 정보를 상기 프로젝트 기관 장치로부터 전송받아 프로젝트 참가자DB에 저장하는 정보수집모듈, 상기 프로젝트 참가자DB로부터 상기 프로젝트 참가자 주요정보를 추출하여 상기 프로젝트 참가자 주요정보DB에 저장하는 프로젝트 참가자 주요정보 추출 모듈, 상기 프로젝트 참가자 주요정보DB에서 통계 및 확률 계산에 의해서 통계 및 확률 DB를 생성하는 통계 및 확률 계산 모듈, 상기 프로젝트 참가자 주요정보DB로부터 기계학습에 의해서 기계학습DB를 생성하는 기계 학습 모듈로 구성될 수 있다.
본 발명의 실시 예에 따른 프로젝트 중개 방법은 프로젝트 참가자 장치와 관련하여 사전 저장된 프로젝트 참가자 주요정보 및 프로젝트 기관 장치가 제공한 공고 내용을 기반으로 사전 저장된 프로젝트 주요정보에 대해, 통계 및 확률 계산과 예측을 통해 제1 대상자 선별을 수행하는 단계, 상기 제1 대상자 선별 이후, 상기 프로젝트 참가자 주요정보에서 상기 제1 대상자를 제외한 나머지 참가자 주요정보들과 상기 프로젝트 주요정보에 대한 기계 학습을 기반으로 제2 대상자 선별을 수행하는 단계, 전문가 장치에 상기 제1 대상자 및 상기 제2 대상자 선별 결과를 제공하고, 상기 전문가 장치에 의한 검수 및 교정을 수행하는 단계, 상기 검수 및 교정을 기반으로 최종 대상자를 선정하는 단계, 상기 최종 대상자 선정 정보를 상기 프로젝트 기관 장치 및 상기 프로젝트 참가자 장치 중 적어도 하나에 제공하는 단계를 포함하는 것을 특징으로 한다.
추가로, 상기 프로젝트 중개 방법은, 상기 프로젝트 기관 장치가 운영하는 웹사이트에 게시된 신규 프로젝트 참가 모집 공고 내용을 크롤링하여 프로젝트DB생성하고, 상기 프로젝트DB로부터 상기 프로젝트 주요정보를 추출하여 프로젝트 주요정보DB를 생성하는 단계, 상기 검수 및 교정에 따른 결과를 상기 프로젝트 참가자 주요정보에 갱신하고, 상기 갱신된 프로젝트 참가자 주요정보를 토대로 통계 및 확률 계산에 의해 통계 및 확률DB 생성하며, 상기 갱신된 프로젝트 참가자 주요정보를 토대로 기계 학습에 의해 기계학습DB를 생성하는 단계 중 적어도 하나의 단계를 더 포함할 수 있다.
또한, 상기 프로젝트 중개 방법은 결제 서버를 통해, 상기 프로젝트 참가자 장치와의 협약에 따른 수수료를 차감하고, 상기 프로젝트 주요정보에 기재된 보상 정보에 따라 상기 프로젝트에 참가한 프로젝트 참가자 장치에 비용을 지급하는 단계를 더 포함할 수 있다.
마지막으로, 상기 프로젝트 중개 방법은 결제 서버를 통해, 상기 프로젝트 참가자 장치가 프로젝트 참가 시마다 일정 수수료를 상기 프로젝트 중개 장치로 지급하는 단계를 더 포함할 수 있다.
상술한 본 발명의 프로젝트 중개 방법 및 시스템은 다음과 같은 유용한 과를 발휘한다.
1) 프로젝트 기관 장치에서 이전에 수행한 프로젝트 결과를 학습해서 모델을 만들고, 프로젝트 신규 공고가 나오면, 해당 공고에 적합한 프로젝트 참가자 장치를 선정해서, 프로젝트 참가자 장치와 프로젝트 기관 장치에 통보를 함으로써, 프로젝트 진행과 관련한 참가자 모집과 관련한 시간 지연 없이 프로젝트를 빠른 시간 내에 진행할 수 있다.
2) 프로젝트 기관 장치에서는 신규 공고한 프로젝트 내용에 적합한 프로젝트 참가자를 빠르게 통보 받을 수 있어, 프로젝트 전반의 기획 및 운용을 단기간으로 설계할 수 있다.
3) 프로젝트 참가자는 프로젝트 참가자 정보 등록을 통해, 프로젝트 정보의 검색 없이 자신에게 적합한 프로젝트 공고를 빠르게 통보 받을 수 있다.
4) 전문가 장치의 검수 및 교정에 의해서 시스템의 성능을 보증하고, 전문가 장치의 검수 및 교정 결과가 즉시 시스템에 반영되도록 함으로써 시스템의 예측 및 추론 정확도를 향상 시킬 수 있다.
5) 프로젝트 참가자 장치는 별도의 앱 설치 필요 없이 이용 가능한 다양한 통신 인터페이스 예컨대, SMS, PUSH, SNS(카톡, 페이스북), 인스턴스앱 링크 등으로 선정을 통보 받을 수 있어, 불필요한 통신 서비스 가입을 피할 수 있다.
도 1은 본 발명의 실시 예에 따른 프로젝트 중개 시스템 구성도의 한 예이다.
도 2는 본 발명의 실시 예에 따른 프로젝트 중개 장치 운용 방법의 한 예를 나타낸 도면이다.
도 3은 본 발명의 실시 예에 따른 프로젝트 중개 장치의 DB 생성 및 운용 방법의 한 예를 나타낸 도면이다.
도 4는 본 발명의 실시 예에 따른 프로젝트 중개 장치의 DB 갱신 및 운용 방법의 한 예를 나타낸 도면이다.
도 5는 본 발명의 실시 예에 따른 프로젝트 중개 시스템의 각 구성 간 신호 흐름을 나타낸 도면이다.
도 6은 본 발명의 실시 예에 따른 프로젝트 중개 장치 구성의 한 예를 나타낸 도면이다.
도 7은 본 발명의 실시 예에 따른 프로젝트 중개 장치의 프로젝트 참가자 선별 방법의 한 예를 나타낸 도면이다.
이하, 본 발명의 목적이 구체적으로 실현될 수 있는 바람직한 실시예를 첨부된 도면을 참조하여 상세히 설명한다. 본 실시예를 설명함에 있어서, 동일 구성에 대해서는 동일 명칭이 사용되며 이에 따른 부가적인 설명은 생략하기로 한다.
도 1은 본 발명의 실시 예에 따른 프로젝트 중개 시스템 구성도의 한 예이다.
도 1을 참조하면, 본 발명의 프로젝트 중개 시스템(10)은 프로젝트 기관 장치(200), 프로젝트 참가자 장치(300), 프로젝트 중개 장치(100), 전문가 장치(400) 및 결제 서버(500)를 포함할 수 있다. 이러한 본 발명의 프로젝트 중개 시스템(10)은 전문가 장치(400)와 시스템 협업에 의한 클라우드기반 점층적 지능 향상 딥 러닝을 기반으로 프로젝트 공고 내용의 파악과, 공고 내용에 적합한 프로젝트 참가자 장치(300)를 검색하고, 통보함으로써, 프로젝트 운용과 관련한 신속한 진행 및 적합한 프로젝트 참가자 관리를 지원할 수 있다.
상기 프로젝트 기관 장치(200)는 프로젝트를 설계하고, 설계된 프로젝트 진행과 관련하여 프로젝트 중개 장치(100)를 통하여 프로젝트 참가자 장치(300)를 모집한 후, 프로젝트를 진행할 수 있다. 예컨대, 상기 프로젝트가 특정 임상 시험인 경우, 상기 프로젝트 기관 장치(200)는 임상 시험 공고를 프로젝트 중개 장치(100)에 제공하고, 프로젝트 중개 장치(100)를 통하여 임상 시험 공고에 적합한 프로젝트 참가자 장치(300)들에 대한 정보를 수집할 수 있다. 이러한 프로젝트 기관 장치(200)는 설계된 프로젝트를 저장하는 저장 장치, 프로젝트 중개 장치(100)와 통신하기 위한 통신 인터페이스, 상기 프로젝트의 저장 및 프로젝트 공고 내용의 전달과, 해당 프로젝트에 참가하는 프로젝트 참가자 장치(300)들에 대한 정보 관리를 수행하는 프로세서를 포함할 수 있다.
한 예로서, 상기 프로젝트 기관 장치(200)는 프로젝트(201) 설계 이후, 프로젝트(201) 진행과 관련한 프로젝트 공고 내용을 자신이 운용한 웹 사이트(202)(또는 웹 페이지)에 등재할 수 있다. 상기 프로젝트 기관 장치(200)는 각각의 프로젝트(201)들에 각각의 웹 사이트(202)를 할당하여 운용할 수 있다. 이에 대응하여, 프로젝트 중개 장치(100)는 각 웹사이트(202)에 게시된 신규 프로젝트 참가 모집 공고 내용을 크롤러(109)로 크롤링하고, 크롤링된 내용들은 데이터관리 클라우드 서버(110)를 통하여 프로젝트DB(111)를 생성한다.
다른 예로서, 상기 프로젝트 기관 장치(200)는 상기 프로젝트 중개 장치(100)가 제공한 웹 사이트(또는 웹 페이지)에 접속하고, 상기 웹 사이트에 프로젝트 공고 내용을 기입할 수 있다. 상기 웹 사이트를 통해 기입되는 프로젝트 공고 내용은 예컨대, 프로젝트(연구) 목적, 참여 대상의 주요 정보(나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 등), 프로젝트용의 약품 특징, 주요선정기준, 모집인원, 프로젝트(연구) 방법, 참여 시 제공사항, 예측 가능한 부작용, 신청 및 문의 정보 등을 포함할 수 있다. 상기 프로젝트 기관 장치(200)가 상기 프로젝트 공고 내용을 상기 웹 사이트를 통해 기입하면, 상기 프로젝트 중개 장치(100)는 기입된 프로젝트 공고 내용을 기반으로 프로젝트 참가자 장치(300)를 검색하고, 제안할 수 있다.
상기 프로젝트 기관 장치(200)는 프로젝트 참가자 장치(300) 모집과 관련한 비용을 결제 서버(500)를 통해 지급할 수 있다. 예컨대, 상기 프로젝트 기관 장치(200)는 결제 서버(500)를 통해 프로젝트에 참가한 프로젝트 참가자 장치(300)들과 1:1로 비용을 지급하고, 프로젝트 중개 장치(100)에 프로젝트 참가자 장치(300)들의 모집과 관련한 별도의 비용을 지급할 수 있다. 또는, 상기 프로젝트 기관 장치(200)는 프로젝트 참가자 장치(300)들의 모집과 관련한 전체 비용을 프로젝트 참가자들의 참가가 완료된 시점에, 결제 서버(500)를 통해 프로젝트 중개 장치(100)에 집행할 수 있다. 이 경우, 프로젝트 중개 장치(100)는 수납된 전체 비용 중 수수료를 제외한 비용을 각 프로젝트 참가자 장치(300)들에게 결제 서버(500)를 통해 제공할 수 있다. 여기서, 프로젝트 기관 장치(200)가 프로젝트 중개 장치(100)에 비용을 지급하는 결제 서버와 프로젝트 중개 장치(100)가 프로젝트 참가자 장치(300)들에 비용을 지급하는 결제 서버는 동일한 금융사의 결제 서버이거나 또는 서로 다른 금융 결제 서버일 수 있다. 다른 예로서, 프로젝트 기관 장치(200)가 프로젝트에 참가한 프로젝트 참가자 장치(300)들 각각에 프로젝트 진행과 관련한 비용을 지급하면, 프로젝트 참가자 장치(300)가 프로젝트 중개와 관련한 수수료를 결제 서버(500)를 통해 프로젝트 중개 장치(100)에 별도 납부할 수도 있다.
상기 프로젝트 참가자 장치(300)는 프로젝트 기관 장치(200)가 진행하는 프로젝트와 관련하여, 프로젝트 참가 추천 정보를 프로젝트 중개 장치(100)로부터 수신하고, 프로젝트 공고 내용을 확인한 후, 프로젝트 참가 여부를 결정하는 참가자의 단말을 포함할 수 있다. 상기 프로젝트 참가자 장치(300)는 컴퓨팅 장치 또는 이동형 전자 장치 등 다양한 전자 장치를 포함할 수 있다. 상기 프로젝트 참가자 장치(300)는 프로젝트 중개 장치(100)가 운영하는 웹 사이트에 접속하고, 회원 가입 및 정보 기입을 참가자 조작에 따라 수행할 수 있다. 이 과정에서, 상기 프로젝트 참가자 장치(300)는 프로젝트 참가자 주요 정보(예: 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 등)를 기입하거나, 상기 프로젝트 기관 장치(200)의 프로젝트(201) 명을 기입할 수 있다. 프로젝트 참가자 장치(300)가 기입한 프로젝트 참가자 주요 정보는 프로젝트 참가자 선정 시에 이용될 수 있다. 상기 프로젝트 참가자 장치(300)는 프로젝트 중개 이용과 관련하여, 회비를 결제 서버(500)를 통해 프로젝트 중개 장치(100)에 납부하고, 프로젝트 중개 서비스를 받을 수 있다. 또는, 프로젝트 참가자 장치(300)는 프로젝트(201) 참가 시마다 일정 수수료를 결제 서버(500)를 통해 프로젝트 중개 장치(100)에 제공할 수 있다. 비용 처리와 관련하여, 프로젝트 참가자 장치(300)는, 프로젝트 중개 장치(100)에 제공하는 다양한 항목 중 하나를 선택(예: 회비 납부 또는 수수료 지급)할 수 있다.
상기 전문가 장치(400)는 프로젝트 중개 장치(100)의 참가자 선별과 관련하여, 전문적인 의견을 제공하여, 최종 대상자 선정에 기여할 수 있다. 상기 전문가 장치(400)는 프로젝트 공고 내용과 프로젝트 참가자 주요 정보의 적합도에 대한 정보를 제공할 수 있다. 이와 관련하여, 전문가 장치(400)는 프로젝트 중개 장치(100)로부터 프로젝트 공고 내용과 프로젝트 참가자 주요 정보, 선정 근거를 수신하고, 수신된 정보들에 대한 검수 및 교정 결과를 프로젝트 중개 장치(100)에 제공할 수 있다. 이와 관련하여, 상기 전문가 장치(400)는 검수 및 교정과 관련한 전문가 운용 환경을 제공하거나, 또는, 상기 전문가의 검수 및 교정 관련 전문 지식 데이터베이스를 구축할 수 있다. 상기 전문가 장치(400)는 구축된 전문 지식 데이터베이스를 기반으로, 프로젝트에 대한 프로젝트 참가자 적합도 검수 정보 및 교정 정보를 생성하고, 상기 검수 및 교정 정보를 프로젝트 중개 장치(100)에 제공할 수 있다. 상기 전문 지식 데이터베이스는 프로젝트 참가자 장치(300)들의 프로젝트 진행 결과에 따라 갱신될 수 있다. 이와 관련하여, 상기 프로젝트 중개 장치(100) 또는 프로젝트 기관 장치(200)는 프로젝트 참가자 장치(300)의 동의하에, 개인 정보의 노출 없이(예: 프로젝트 진행과 관련한 신체 정보와 결과만 제공), 프로젝트 결과를 전문가 장치(400)에 제공하여, 전문 지식 데이터베이스를 갱신하도록 지원할 수 있다. 상기 전문가 장치(400)는 상기 프로젝트 중개 장치(100)의 일부 구성으로 포함될 수 있으며, 또는 별도의 구성으로 마련되어 운영될 수도 있다. 상기 전문가 장치(400)는 상기 프로젝트 중개 장치(100)의 요청에 따른 검수 및 교정에 따라 일정 비용을 결제 서버(500)로부터 프로젝트 중개 장치(100)로부터 지급받을 수 있다.
상기 결제 서버(500)는 상기 프로젝트 기관 장치(200)의 비용 지급, 프로젝트 중개 장치(100)의 비용 처리, 상기 프로젝트 참가자 장치(300)의 비용 처리, 상기 전문가 장치(400)의 비용 처리 중 적어도 하나를 대행할 수 있다. 이러한 결제 서버(500)는 적어도 하나의 금융사가 운영하는 은행 서버 또는 카드사 서버를 포함할 수 있다. 상기 결제 서버(500)는 예컨대, 프로젝트 기관 장치(200) 또는 프로젝트 중개 장치(100)의 계좌 이체를 지원할 수 있다. 또한, 상기 결제 서버(500)는 상기 프로젝트 중개 장치(100)의 수수료 처리와 프로젝트 참가자 장치(300)의 비용 지급을 지원할 수 있다. 이와 관련하여, 상기 결제 서버(500)는 상기 프로젝트 기관 장치(200)로부터 프로젝트 진행과 관련한 비용 및 비용 처리를 위임 받고, 프로젝트 진행 상황에 따라, 프로젝트 참가비용 및 프로젝트 중개 서비스 비용을 지급할 수 있다. 예를 들어, 결제 서버(500)는 프로젝트 기관 장치(200)로부터 프로젝트(201) 진행과 관련한 비용, 프로젝트 중개 장치(100) 정보, 프로젝트 참가자 장치(300) 정보를 수신하고, 프로젝트 참가자가 해당 프로젝트(201)에 참가 시, 또는 프로젝트 완료 시, 또는, 프로젝트 진해 중에 프로젝트 참가비용을 프로젝트 참가자 장치(300)에 지급하면서, 관련 수수료를 프로젝트 중개 장치(100)에 제공할 수 있다. 전문가 장치(400)의 비용 지급과 관련하여, 결제 서버(500)는 프로젝트 중개 장치(100)의 비용 지급을 대행하거나, 프로젝트 기관 장치(200)가 전문가 장치(400)를 지정한 경우, 프로젝트 기관 장치(200)의 전문가 장치(400)에 대한 비용 지급을 대행할 수 있다.
상기 프로젝트 중개 장치(100)는 프로젝트 기관 장치(200) 및 프로젝트 참가자 장치(300)들의 관리를 수행하고, 프로젝트 신규 공고 발생 시, 적합한 프로젝트 참가자 장치(300)의 검색 및 선별과 선정, 통보를 처리할 수 있다. 이를 보다 상세히 설명하면,
상기 프로젝트 중개 장치(100)는 프로젝트 기관 장치(200)에서 제시한 프로젝트 공고 내용을 수집하고, 프로젝트 공고 내용에 적합한 프로젝트 참가자 장치(300)를 검색 및 선별한 후, 선택적으로 전문가 장치(400)의 검수 및 교정을 받아 최종 대상자를 선정할 수 있다. 상기 프로젝트 중개 장치(100)는 선정된 최종 대상자에 해당하는 프로젝트 참가자 장치(300)에 프로젝트 참가 추천 정보를 제공하고, 프로젝트 참가자 장치(300)의 수락 여부에 따라, 프로젝트 참가자 장치(300) 정보(예: 참가자 주요 정보)를 프로젝트 기관 장치(200)에 제공할 수 있다. 이 과정에서, 상기 프로젝트 중개 장치(100)는, 프로젝트 기관 장치(200)에서 공고한 프로젝트 참가자 모집공고 내용과 프로젝트 참가자 장치(300)가 이전에 경험한 프로젝트 결과로부터 통계 및 확률 계산과 기계학습에 의해서 통계 및 확률DB와 기계학습DB를 생성하고, 통계 및 확률 예측모델과 기계 학습 추론 모델에 의해서 신규 프로젝트 참가 모집 공고에 적합한 프로젝트 참가자 장치(300)를 찾아서 해당 프로젝트 참가자 장치(300)와 프로젝트 기관 장치(200)에 통보하여, 프로젝트 기관 장치(200)에서 프로젝트 참가자 장치(300)를 대상으로 프로젝트를 신속하게 진행할 수 있도록 지원할 수 있다.
이와 관련하여, 프로젝트 중개 장치(100)는 각 웹사이트(202)에 게시된 신규 프로젝트 참가 모집 공고 내용을 크롤러(109)로 크롤링하고, 크롤링된 정보를 데이터관리 클라우드 서버(110)를 통하여 프로젝트DB(111)에 저장할 수 있다. 프로젝트 주요정보 추출 모듈(113)은 프로젝트DB(111)로부터 프로젝트 주요정보를 추출하여 프로젝트 주요정보DB(112)를 생성한다. 상기 프로젝트 주요정보는 예컨대, 프로젝트(연구) 목적, 참여 대상, 프로젝트용의 약품 특징, 주요선정기준, 모집인원, 프로젝트(연구) 방법, 참여 시 제공사항, 예측 가능한 부작용, 신청 및 문의를 포함할 수 있다.
상기 프로젝트 중개 장치(100)는 프로젝트 참가자 회원로그인 및 정보 관리 모듈(120)을 이용하여, 프로젝트 참가자 장치(300)와 관련한 참가자의 개인정보(나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 등)를 입력하거나 관리할 수 있고, 대상자 선정 결과 이력을 확인할 수 있다. 이와 관련하여, 상기 프로젝트 참가자 회원로그인 및 정보 관리 모듈(120)은 프로젝트 참가자 장치(300)가 접속하여 개인 정보를 입력할 수 있는 웹 사이트를 제공하고, 참가자 동의하에 개인 정보 저장 관리를 수행할 수 있다. 상기 프로젝트 참가자 회원로그인 및 정보 관리 모듈(120)은 가입된 프로젝트 참가자 장치(300)의 정보를 프로젝트 참가자DB(102)에 저장할 수 있다.
다른 예로서, 상기 프로젝트 중개 장치(100)는 정보수집모듈(101)을 포함할 수 있다. 상기 정보수집모듈(101)은 프로젝트 참가자 모집 공고 내용과 해당 임상에 실제 참여한 프로젝트 참가자 정보를 프로젝트 기관 장치(200)로부터 전송 받아 프로젝트 참가자DB(102)에 저장할 수 있다. 프로젝트 참가자 주요정보 추출 모듈(103)은 상기 프로젝트 참가자DB(102)로부터 프로젝트 참가자 주요정보를 추출하여 프로젝트 참가자 주요정보DB(104)에 저장한다. 프로젝트 참가자 주요정보DB(104)는 프로젝트 참가 모집 공고에서 임상실험대상 병명, 참여대상의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보, 선정기준 등 주요 정보를 규칙기반으로 추출한 정보와 상기 참가자 개인정보가 저장된다.
통계 및 확률 계산 모듈(105)은 프로젝트 참가자 주요정보DB(104)에 저장된 주요 정보들에 대한 통계 및 확률 계산을 수행하고, 수행 결과를 통계 및 확률DB(107) 생성한다. 상기 통계 및 확률 계산 모듈(105)은 참가자 주요 정보들에 대하여, 특정 색인(예: 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보)을 기준으로 이전 프로젝트 결과들에 대한 적합도에 대한 통계 및 확률 계산을 수행할 수 있다. 예컨대, 통계 및 확률DB(107)에는 프로젝트 주요정보(에: 병명: 교모세포종, 조건: 자가혈액단핵구 수집 가능 등)에 대한 참가자 개인정보(예: 병명: 뇌종양, 현재 상태: 수술 후 표준치료 진행 중 등)가 발생 빈도수별로 저장된다.
기계 학습 모듈(106)은 프로젝트 참가자 주요정보DB(104)에 저장된 주요 정보에 대한 기계학습을 수행하고, 수행 결과를 기반으로 기계학습DB(108)를 생성한다. 예컨대, 상기 기계 학습 모듈(106)은 주요 정보에 대한 데이터 평가를 수행하고, 딥 러닝을 기반으로 주요 정보들에 대한 속성을 추출한 후, 추출된 속성을 기반으로 예측 정보를 산출(또는 추론)할 수 있다. 예컨대, 유사한 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 중 적어도 하나를 가진 참가자의 프로젝트 이력을 기반으로, 새로운 프로젝트에 대한 적합도를 기계학습을 통해 추론할 수 있다. 한 예로서, 기계학습DB(108)는 프로젝트 참가자 개인정보에서 추출한 단어를 입력 값으로 임상실험대상 병명에서 추출한 단어를 목표 값으로 학습한 학습모델이 저장된다.
프로젝트 주요정보 추출모듈(113)은 프로젝트DB(112)에서 프로젝트 주요정보를 추출하고, 추출된 프로젝트 주요정보를 기반으로 프로젝트 주요정보DB(112)를 생성할 수 있다. 상기 프로젝트 주요정보DB(112)에 저장된 프로젝트 주요 정보는 통계 및 확률 예측 모듈(114)과 기계학습 추론 모듈(116)에 전달될 수 있다. 프로젝트 주요정보DB(112)는 프로젝트 참가 모집 공고에서 규칙기반으로 추출된 임상실험대상 병명, 참여대상의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보, 선정기준 등 주요 정보를 저장한다. 이때, 공고에 포함된 문장 리스트에서 규칙기반으로 정보를 추출하는 방법은 다음과 같다.
"만 20세 이상, 70세 미만 남녀" -> 규칙 : "만 #숫자#세 이상, #숫자#세 미만" -> 나이 : 20~69
"교모세포종으로 확진된 신환 환자" -> 규칙 : "#병명#으로 확진된 + 환자" -> 병명 : 교모세포종
통계 및 확률 예측 모듈(114)은 상기 통계 및 확률DB(107)에 저장된 정보 및 프로젝트 주요정보DB(112)에 저장된 신규 프로젝트 주요 정보에 대한 통계 및 확률 예측을 수행하고, 그 결과를 1차 대상자 선택 모듈(115)에 전달할 수 있다. 예컨대, 통계 및 확률 예측 모듈(114)은 신규 프로젝트 참가 모집 공고 내용으로부터 추출한 임상실험 주요정보 DB(나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 등 포함)를 바탕으로 발생 빈도수(확률)별로 참가자를 선정한다. 1차 대상자 선택 모듈(115)은 통계 및 확률 예측 모듈(114)에 의해 예측된 결과 중 지정된 기준 값 이상의 1차 대상자를 선택하고, 선택 결과를 검수 및 교정 모듈(118)에 전달할 수 있다.
상기 기계 학습 추론 모듈(116)은 기계학습DB(108)에 저장된 참가자 주요정보에 대한 기계학습 결과와 프로젝트 주요정보DB(112)에 저장된 프로젝트 주요정보를 기반으로 기계학습을 수행하고, 그에 따른 추론 결과를 산출할 수 있다. 상기 기계 학습 추론 모듈(116)은 산출된 추론 결과를 2차 대상자 선별 모듈(117)에 전달할 수 있다. 한 예로서, 기계 학습 추론 모듈(116)은 신규 프로젝트 대상 병명에 적합한 참가자를, 기 보유한 회원정보에서 선정하는데 이용된다. 기계 학습 추론 모델에서는 단어를 Word2vec 모델에 의해서 벡터화하여 사용한다. 상기 2차 대상자 선별 모듈(117)은 전달된 추론 결과에서, 지정된 조건을 만족하는 대상자들을 2차 대상자로 선별하고, 선별 결과를 검수 및 교정 모듈(118)에 전달할 수 있다. 상기 2차 대상자 선별 모듈(117)은 상기 프로젝트 참가자 주요정보들 중 1차 대상자로 선별된 프로젝트 참가자를 제외하고 나머지를 대상으로 2차 대상자를 선별할 수 있다. 또는, 상기 2차 대상자 선별 모듈(117)은 1차 대상자 선별과 독립적으로 기계학습을 통한 2차 대상자 선별을 수행할 수 있다.
상기 검수 및 교정 모듈(118)은 1차 대상자 선별 모듈(115)이 전달한 1차 대상자 정보 및 2차 대상자 선별 모듈(117)이 전달한 2차 대상자 정보를 전문가 장치(400)에 제공하고, 전문가 장치(400)로부터 검수 및 교정 결과를 수신할 수 있다. 상기 1차 대상자 정보는 참가자 주요정보에서 1차로 선택된 참가자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 중 적어도 하나를 포함하며, 상기 참가자 정보와 프로젝트 주요 정보에 대한 통계 및 확률 계산에 따라 1차 참가자로 선택된 조건 정보를 포함할 수 있다. 상기 2차 대상자 정보는 참가자 주요정보에서 선택된 참가자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 중 적어도 하나를 포함하며, 상기 참가자 정보와 프로젝트 주요 정보에 대한 기계학습에 따라 산출된 추론을 기반으로 2차 선택된 참가자 조건 정보를 포함할 수 있다. 전문가 장치(400)는 검수 및 교정 모듈(118)에 의해서 자동으로 선별한 내용이 맞는지 검수하고, 틀렸다면 올바르게 수정하는 교정 과정을 거친다. 예컨대, 전문가 장치(400)는 1차 대상자 선택 조건과, 프로젝트 주요정보, 1차 대상자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보, 통계 및 확률 정보 중 적어도 하나를 확인하여, 해당 결과가 1차 대상자 선택으로서 유효한지 평가하며, 2차 대상자 선택 조건과, 프로젝트 주요정보 및 2차 대상자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보, 기계학습에 따른 추론 결과 중 적어도 하나를 확인하여 2차 대상자로서의 선택이 유효한지 평가할 수 있다. 상기 전문가 장치(400)는 1차 대상자 검수 및 교정 결과와, 2차 대상자 검수 및 교정 결과를 검수 및 교정 모듈(118)에 전달할 수 있다. 상기 검수 및 교정 모듈(118)은 전문가 장치(400)로부터 수신한 결과를 최종 대상자 선정 및 통보 모듈(119)에 전달할 수 있다. 또 다른 측면으로는, 검수 및 교정 모듈(118)은 전문가 장치(400)의 검수 및 교정이 수행된 정보를 프로젝트 참가자 주요정보DB(104)에 신규 정보로서 누적 갱신할 수 있다. 이렇게 갱신된 정보를 토대로 통계 및 확률 계산 모듈(105)에 의해 통계 및 확률DB(107) 갱신될 수 있다. 또한, 이렇게 갱신된 정보를 토대로 기계 학습 모듈(106)에 의해 기계 학습DB(108)가 갱신될 수 있다. 상기 갱신된 통계 및 확률DB(107)에 의해서 통계 및 확률 예측 모듈(114)이 작동하고, 상기 갱신된 기계 학습DB(108)에 의해 기계 학습 추론 모듈(116)이 작동한다.
최종 대상자 선정 및 통보 모듈(119)은 1차 대상자와 2차 대상자를 모두 합하여 최종 대상자를 선정하고, 최종 대상자에 대응하는 프로젝트 참가자 장치(300)와 관련하여 등록된 SMS, PUSH, SNS(카톡, 페이스북), 인스턴스앱 링크를 통해서 프로젝트 참가자 장치(300)에 선정 결과를 전달하는 한편, 해당 결과를 프로젝트 기관 장치(200)에게 통보한다. 여기서, 최종 대상자 선정 및 통보 모듈(119)은 프로젝트 참가자 장치(300)에 결과를 우선 전달하고, 프로젝트 참가자 장치(300)로부터 신규 프로젝트에 참여 의사를 제시하는 경우, 프로젝트 기관 장치(200)에 해당 프로젝트 참가자 장치(300)에 전달할 수 있다.
도 2는 본 발명의 실시 예에 따른 프로젝트 중개 장치 운용 방법의 한 예를 나타낸 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 실시 예에 따른, 프로젝트 중개 장치 운용 방법과 관련하여, 501 단계에서, 프로젝트 중개 장치(100)는 프로젝트 1~N(201)과 관련한 웹사이트 1~N(202)에 게시된 신규 프로젝트 참가 모집 공고 내용을 크롤러(109)를 이용하여 크롤링하여 프로젝트DB(111)를 생성한다. 크롤링 동작과 관련하여, 프로젝트 중개 장치(100)는 프로젝트 기관 장치(200)에 소속된 웹 사이트(202)를 일정 주기 또는 실시간으로 확인하여, 새로운 신규 프로젝트 공고가 있는지 확인할 수 있다. 또는, 프로젝트 중개 장치(100)는 웹 사이트를 마련하고, 상기 웹 사이트를 기반으로 프로젝트 기관 장치(200)로부터 신규 프로젝트 공고 내용을 제공받을 수 있다.
502 단계에서, 프로젝트 중개 장치(100)는 프로젝트 주요정보DB(112)를 생성할 수 있다. 이오 관련하여, 프로젝트 중개 장치(100)는 상기 프로젝트DB(111)에 저장된 정보로부터 프로젝트 주요정보를 추출하여 프로젝트 주요정보DB를 생성할 수 있다.
503 단계에서, 프로젝트 중개 장치(100)는 통계 및 확률 예측 기반으로 1차 대상자 선별을 수행할 수 있다. 이를 위하여 프로젝트 중개 장치(100)는 프로젝트 참가자 주요정보가 저장된 프로젝트 참가자 주요정보DB(104)로부터 프로젝트 참가자 주요정보를 획득하고, 상기 프로젝트 참가자 주요 정보에 대한 통계 및 확률 계산을 수행하여, 통계 및 확률DB(107)를 생성할 수 있다. 상기 프로젝트 중개 장치(100)는 통계 및 확률DB(107)에 저장된 정보와 상기 프로젝트 주요정보DB(112)에 대한 통계 및 확률 예측을 수행하여 1차 대상자 선별을 수행할 수 있다.
504 단계에서, 프로젝트 중개 장치(100)는 기계 학습 DB를 이용하여 2차 대상자 선별을 수행할 수 있다. 이와 관련하여, 프로젝트 중개 장치(100)는 프로젝트 참가자 주요정보DB(104)에 저장된 프로젝트 참가자 주요정보에 대한 기계학습을 수행하고, 수행 결과를 기반으로 기계학습DB(108)를 생성할 수 있다. 상기 프로젝트 중개 장치(100)는 상기 프로젝트 주요정보DB(112)와 기계학습DB(108)에 저장된 정보를 기반으로 2차 대상자 선별을 수행할 수 있다. 상기 2차 대상자 선별 시, 프로젝트 중개 장치(100)는 상기 프로젝트 참가자 주요정보들 중 1차 대상자로 선별된 프로젝트 참가자를 제외하고 나머지를 대상으로 2차 대상자를 선별할 수 있다.
505 단계에서, 프로젝트 중개 장치(100)는 검수 및 교정을 수행하고, 최종 대상자 선정을 수행할 수 있다. 검수 및 교정과 관련하여, 프로젝트 중개 장치(100)는 전문가 장치(400)와 통신 채널을 형성하고, 1차 대상자 선별 정보 및 2차 대상자 선별 정보를 전문가 장치(400)에 전달할 수 있다. 전문가 장치(400)는 해당 프로젝트 공고 내용과 관련한 전문 지식을 보유한 기관의 컴퓨팅 장치를 포함할 수 있다. 상기 전문가 장치(400)는 수신된 1차 대상자 선별 정보 및 2차 대상자 선별 정보를 확인하고, 프로젝트 공고 내용에 따라 적합한 선별인지 확인할 수 있다. 또는, 전문가 장치(400)는 선별 대상자가 프로젝트 공고 내용에서 요구한 특정 조건에 부합하지 않는지 확인하고, 그에 따른 결과를 프로젝트 중개 장치(100)에 제공할 수 있다. 예컨대, 특정 공고 내용을 제시한 프로젝트를 참여해서는 안되는 신체 정보 또는 병 이력 정보를 가진 대상자를 필터링하고, 필터링 결과(필터링 이유와 제외 대상자 정보)를 프로젝트 중개 장치(100)에 제공할 수 있다.
506 단계에서, 프로젝트 중개 장치(100)는 최종 대상자에 대한 통보 내용을 제공할 수 있다. 상기 프로젝트 중개 장치(100)는 검수 및 교정 결과를 확인하고, 최종 대상자를 선별한 후, 최종 대상자를 프로젝트 참가자 장치(300) 및 프로젝트 기관 장치(200)에 제공할 수 있다. 여기서, 프로젝트 중개 장치(100)는 최종 대상자에 대응하는 프로젝트 참가자 장치(300)에 우선하여 프로젝트 참여 추천 정보를 제공하고, 프로젝트 참가자 장치(300)가 참가를 승락하는 경우, 승락한 프로젝트 참가자 장치(300)들의 정보를 프로젝트 기관 장치(200)에 제공할 수 있다. 또는, 프로젝트 중개 장치(100)는 최종 대상자 정보를 프로젝트 기관 장치(200)에 우선 제공하고, 프로젝트 기관 장치(200)에 의해 승인된 프로젝트 참가자 장치(300)들에게만 프로젝트 참여 추천 정보를 제공할 수도 있다.
도 3은 본 발명의 실시 예에 따른 프로젝트 중개 장치의 DB 생성 및 운용 방법의 한 예를 나타낸 도면이다.
도 1 및 도 3을 참조하면, 본 발명의 프로젝트 중개 장치 DB 생성 및 운용 방법과 관련하여, 프로젝트 중개 장치(100)는 601 단계에서, 참가자 정보를 프로젝트 참가자DB(102)에 저장할 수 있다. 이 동작에서, 프로젝트 중개 장치(100)는 프로젝트 기관 장치(200)로부터 프로젝트 참가자 모집 공고 내용과 해당 임상에 실제 참여한 프로젝트 참가자 정보를 수신하고, 수신된 참가자 정보를 프로젝트 참가자DB(102)에 저장할 수 있다.
602 단계에서, 프로젝트 중개 장치(100)는 상기 프로젝트 참가자DB(102)로부터 프로젝트 참가자 주요정보를 추출하고, 추출된 정보를 프로젝트 참가자 주요정보DB(104)에 저장할 수 있다. 프로젝트 참가자 주요정보는 프로젝트 참가 모집 공고에서 임상실험대상 병명, 참여대상의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보, 선정기준 등 주요 정보를 규칙기반으로 추출한 정보와 상기 참가자 개인정보를 포함할 수 있다.
603 단계에서, 프로젝트 중개 장치(100)는 프로젝트 참가자 주요정보DB(104)에 저장된 프로젝트 참가자 주요정보에 대한 통계 및 확률 계산을 수행하고, 그 결과를 기반으로 통계 및 확률DB(107)를 생성할 수 있다.
604 단계에서, 프로젝트 중개 장치(100)는 프로젝트 참가자 주요정보DB(104)에 저장된 프로젝트 참가자 주요 정보에 대한 기계학습을 수행하고, 기계학습 결과를 기반으로 기계학습DB(108)를 생성할 수 있다. 한편, 상기 통계 및 확률DB(107) 생성 이후 기계학습DB(108) 생성의 순서를 개시하였으나, 본 발명이 이에 한정되는 것은 아니다. 상기 프로젝트 중개 장치(100)는 기계학습DB(108)의 생성 이후 통계 및 확률DB(107) 생성을 수행하거나, 또는 기계학습DB(108)의 생성과 통계 및 확률DB(107) 생성을 병렬로(또는 동시에) 수행할 수도 있다.
605 단계에서, 프로젝트 중개 장치(100)는 상기 통계 및 확률DB(107)를 기반으로 통계 및 확률 예측 모델을 동작시키고, 상기 기계학습DB(108)를 기반으로 기계 학습 추론 모델을 동작시킬 수 있다. 상기 통계 및 확률 예측 모델 동작 및 기계학습 추론 모델 동작에는 프로젝트 주요정보DB(112)에 저장된 프로젝트 주요정보가 이용될 수 있다. 상기 프로젝트 주요정보는 예컨대, 프로젝트(연구) 목적, 참여 대상, 프로젝트용의 약품 특징, 주요선정기준, 모집인원, 프로젝트(연구) 방법, 예측 가능한 부작용을 적어도 포함할 수 있다.
상술한 방법을 통하여, 상기 프로젝트 중개 장치(100)는 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 시스템의 통계 및 확률DB, 기계학습DB 생성 및 운용할 수 있다.
도 4는 본 발명의 실시 예에 따른 프로젝트 중개 장치의 DB 갱신 및 운용 방법의 한 예를 나타낸 도면이다.
도 4를 참조하면, 본 발명의 실시 예에 따른 프로젝트 중개 장치(100)의 DB 갱신 운용 방법과 관련하여, 701 단계에서, 프로젝트 중개 장치(100)는 프로젝트 참가자 주요정보 갱신을 수행할 수 있다. 이와 관련하여, 프로젝트 중개 장치(100)는 1차 대상자 선별 결과와 2차 대상자 선별 결과에 대한 검수 및 교정 결과를 획득하고, 상기 검수 및 교정 결과를 기반으로 프로젝트 참가자 주요 정보를 갱신할 수 있다. 예컨대, 어떠한 참가자가 특정 프로젝트에 최종 대상자로 선정되었는지에 대한 결과를 기반으로 프로젝트 참가자 주요정보를 갱신할 수 있다. 최종 대상자에 해당하는 참가자 주요정보에는 특정 프로젝트의 최종 대상자로 선정된 사항이 등록 및 갱신될 수 있다.
702 단계에서, 프로젝트 중개 장치(100)는 갱신된 정보를 토대로 통계 및 확률 계산에 의해 통계 및 확률DB 생성하거나, 또는 이전 통계 및 확률DB(107)를 갱신하여, 갱신된 통계 및 확률DB를 생성할 수 있다.
703 단계에서, 프로젝트 중개 장치(100)는 갱신된 정보를 토대로 기계 학습에 의해 기계학습DB 생성하거나, 또는, 이전 기계학습DB(108)를 갱신하여, 갱신된 기계학습DB를 생성할 수 있다. 상술한 702 단계 및 703 단계는 순서가 변경될 수 있다. 예컨대, 프로젝트 중개 장치(100)는 프로젝트 참가자 주요 정보의 갱신이 수행되면, 기계학습DB의 갱신을 먼저 수행한 후, 통계 및 확률DB의 갱신을 수행할 수 있다. 또는, 프로젝트 중개 장치(100)는 기계학습DB의 갱신과, 통계 및 확률DB의 갱신을 병렬로 동시 수행할 수도 있다.
704 단계에서, 프로젝트 중개 장치(100)는 갱신된 통계 및 확률DB를 기반으로 통계 및 확률 예측 모델을 동작시키며, 상기 갱신된 기계학습DB를 기반으로 기계 학습 추론 모델을 동작시킬 수 있다. 이 동작에서, 프로젝트 중개 장치(100)는 새로운 신규 프로젝트에 관한 프로젝트 주요정보를 획득하고, 상기 신규 프로젝트 주요정보와 갱신된 통계 및 확률DB를 기반으로 통계 및 확률 예측 모델을 동작시키며, 상기 신규 프로젝트 주요정보와 갱신된 기계학습DB를 기반으로 기계학습 추론 모델을 동작시킬 수 있다.
상술한 방법을 기반으로, 본 발명의 프로젝트 중개 장치(100)는 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 시스템의 신규 정보 재학습 절차를 수행할 수 있다.
도 5는 본 발명의 실시 예에 따른 프로젝트 중개 시스템의 각 구성 간 신호 흐름을 나타낸 도면이다.
도 1 및 도 5를 참조하면, 프로젝트 중개와 관련하여, 801 단계에서, 프로젝트 참가자 장치(300)는 프로젝트 중개 장치(100)에 접속하여 자신의 정보를 입력, 수정, 조회할 수 있다. 이와 관련하여, 상기 프로젝트 중개 장치(100)는 프로젝트 참가자 장치(300)가 접속할 수 있는 웹 사이트를 생성 및 운용할 수 있다. 803 단계에서, 프로젝트 기관 장치(200)는 이전 프로젝트 결과를 프로젝트 중개 장치(100)에 제공할 수 있다. 여기서, 상기 이전 프로젝트 결과를 제공하는 프로젝트 기관 장치(200)와 새로운 신규 프로젝트를 설계 및 운영하는 프로젝트 기관 장치(200)는 동일하거나 또는 다를 수 있다. 상기 프로젝트 결과는 상기 프로젝트 기관 장치(200) 요청에 따라 제공되거나, 또는, 신규 프로젝트를 설계 및 운용하는 프로젝트 기관 장치(200)가 이전 프로젝트 결과를 프로젝트 중개 장치(100)에 제공할 수 있다. 상기 프로젝트 결과에는 프로젝트 참가자 장치(300)와의 연락 정보(예: SMS, SNS, 전화 번호 등), 프로젝트 참가자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 등을 포함할 수 있다. 상술한 801 단계 및 803 단계는 순서에 관계없이 진행될 수 있다.
프로젝트 중개 장치(100)는 프로젝트 참가자의 입력 정보 또는 이전 프로젝트 결과를 토대로, 프로젝트 참가자DB(102)를 구축하고, 상기 프로젝트 참가자DB(102)에서 참가자 주요정보를 추출하여 프로젝트 참가자 주요정보DB(104)를 생성할 수 있다. 상기 프로젝트 중개 장치(100)는 상기 프로젝트 참가자 주요정보DB(104)를 기반으로 토대로 805 단계 및 807 단계에서, 통계 및 확률DB(107)와 기계학습DB(108)를 생성할 수 있다.
한편, 807 단계에서, 프로젝트 기관 장치(200)는 프로젝트 기관 장치(200)의 웹 사이트(202)로부터 신규 프로젝트 참가 모집공고 내용을 크롤링할 수 있다. 프로젝트 중개 장치(100)는 크롤링을 통해 획득한 신규 프로젝트 공고 내용을 기반으로 프로젝트 DB(111)를 구축하고, 프로젝트 DB(111)에서 프로젝트 주요정보를 추출하여 프로젝트 주요정보DB(112)를 생성할 수 있다.
809 단계에서, 상기 프로젝트 중개 장치(100)는 상기 프로젝트 주요정보DB(112)에 저장된 프로젝트 주요 정보와, 통계 및 확률DB(107)를 이용한 통계 및 확률 예측을 수행하여 1차 대상자를 선별하는 한편, 811 단계에서, 상기 프로젝트 주요정보DB(112)에 저장된 프로젝트 주요정보와 기계학습DB를 이용한 기계학습 추론을 수행하여 2차 대상자 선별을 수행할 수 있다.
813 단계에서, 상기 전문가 장치(400)는 프로젝트 중개 장치(100)가 제공한 1차 대상자 선별 정보 및 2차 대상자 선별 정보에 대한 검수 및 교정을 수행하고, 검수 및 교정에 대한 정보를 프로젝트 중개 장치(100)에 제공할 수 있다.
815 단계에서, 프로젝트 중개 장치(100)는 검수 및 교정 정보를 토대로 최종 대상자를 선정하고, 817 단계에서, 프로젝트 기관 장치(200)에 프로젝트 참가자 정보를 통보하고, 819 단계에서, 선정된 최종 대상자에 대응하는 프로젝트 참가자 장치(300)에게 프로젝트 추천 정보를 제공할 수 있다. 819 단계에서, 프로젝트 중개 장치(100)는 프로젝트 참가자 장치(300)와 관련한 SMS, PUSH, SNS(카톡, 페이스북), 인스턴스앱 링크를 통해 선정 정보를 통보할 수 있다.
도 6은 본 발명의 실시 예에 따른 프로젝트 중개 장치 구성의 한 예를 나타낸 도면이다.
도 1 및 도 6을 참조하면, 본 발명의 실시 예에 따른 프로젝트 중개 장치(100)는 통신 회로(110), 메모리(120), 입력 장치(130), 표시 장치(140) 및 프로세서(150)를 포함할 수 있다.
상기 통신 회로(110)는 상기 프로젝트 중개 장치(100)의 통신 채널 형성 기능을 지원할 수 있다. 상기 통신 회로(110)는 3G, 4G, 5G 등의 다양한 이동통신 네트워크 또는 인터넷 네트워크 등을 이용할 수 있는 적어도 하나의 통신 모듈로 구성될 수 있다. 예컨대, 상기 통신 회로(110)는 프로젝트 기관 장치(200)와 통신 채널을 형성하고, 프로세서(150)에 제어에 대응하여 프로젝트 기관 장치(200)로부터 이전 프로젝트 수행 결과 및 신규 프로젝트 공고 내용을 수신할 수 있다. 또한, 상기 통신 회로(110)는 적어도 하나의 프로젝트 참가자 장치(300)와 통신 채널을 형성하고, 프로젝트 참가자 장치(300)로부터 참가자 정보(예: 참가자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 등)를 수신할 수 있다. 또한, 상기 통신 회로(110)는 프로세서(150) 제어에 대응하여, 전문가 장치(400)와 통신 채널을 형성하고, 프로세서(150) 제어에 대응하여, 전문가 장치(400)는 대상자 선별 정보를 제공하고, 전문가 장치(400)로부터 검수 및 교정 정보를 수신할 수 있다. 또는, 통신 회로(110)는 전문가 장치(400)가 접속하여 대상자 선별 정보를 확인할 수 있는 통신 채널을 제공하고, 전문가 장치(400)는 프로젝트 중개 장치(100)의 웹 페이지에 게시된 대상자 선별 정보에 대한 검수 및 교정 정보를 기입할 수 있다. 또한, 상기 통신 회로(110)는 프로세서(150) 제어에 대응하여, 결제 서버(500)와 통신 채널을 형성하고, 결제 관련 정보를 송수신할 수 있다.
상기 메모리(120)는 상기 프로젝트 중개 장치(100) 운용과 관련한 다양한 어플리케이션 및 데이터를 저장할 수 있다. 예를 들어, 상기 메모리(120)는 앞서 도 1에서 설명한 프로젝트 참가자DB(102), 프로젝트 참가자 주요정보DB(104), 프로젝트 DB(111), 프로젝트 주요정보DB(112), 통계 및 확률DB(107), 기계학습DB(108) 등을 포함할 수 있다. 상기 메모리(120)에 포함된 데이터베이스는 새로운 프로젝트 참가자의 추가 또는 삭제에 따라 갱신될 수 있으며, 또한 신규 프로젝트의 생성 및 진행 중인 프로젝트 완료에 따라 갱신될 수 있다. 또한, 상기 메모리(120)에는 전문가 장치(400)가 제공한 선별된 대상자들에 대한 검수 및 교정 정보가 저장될 수 있다. 상기 저장된 검수 및 교정 정보는 추후, 전문가 장치(400)의 평가에 이용될 수 있다.
상기 입력 장치(130)는 프로젝트 중개 장치(100) 운용에 필요한 관리자의 입력을 지원할 수 있다. 또는, 상기 입력 장치(130)는 데이터를 입력할 수 있는 하드웨어 인터페이스를 제공할 수 있다. 이에 따라, 입력 장치(130)는 프로젝트 참가자 장치(300) 또는 프로젝트 기관 장치(200)와 관련한 데이터 수동 입력 또는 다른 외부 저장 장치의 유선 연결을 통한 데이터 입력을 지원할 수 있다.
상기 표시 장치(140)는 상기 프로젝트 중개 장치(100) 운용과 관련한 적어도 하나의 화면을 제공할 수 있다. 상기 표시 장치(140)는 상기 프로세서(150) 제어에 대응하여, 통신 회로(110)를 통해 통신 채널(예: 유선 또는 무선 통신 채널)을 형성한 외부 장치와의 화면 인터페이스를 출력할 수 있다. 예컨대, 상기 표시 장치(140)는 프로젝트 기관 장치(200)가 접속하는 웹 페이지, 프로젝트 참가자 장치(300)가 접속하는 웹 페이지, 결제 서버(500) 이용과 관련한 웹 페이지, 전문가 장치(400)의 검수 및 교정 지원 웹 페이지 중 적어도 하나를 출력할 수 있다. 한 예로서, 상기 표시 장치(140)는 관리자 입력에 따라, 프로젝트 중개를 지원하는 프로젝트 기관 장치(200)들의 목록, 특정 프로젝트에 참여 중인 프로젝트 참가자 장치(300)들의 목록, 이전 프로젝트에 참여한 이력을 가진 프로젝트 참가자 장치(300)들의 목록, 적어도 하나의 전문가 장치(400) 목록 등을 표시할 수 있다.
상기 프로세서(150)는 프로젝트 중개 장치(100) 운용과 관련한 데이터의 전달 및 처리를 수행할 수 있다. 예컨대, 상기 프로세서(150)는 도 1에서 설명한 정보수집모듈(101), 프로젝트 참가자 주요정보 추출 모듈(103), 통계 및 확률 계산 모듈(105), 기계학습 모듈(106), 적어도 하나의 크롤러(109), 데이터관리 클라우드 서버 모듈(110), 프로젝트 주요정보 추출 모듈(113), 통계 및 확률 예측 모듈(114), 1차 대상자 선별 모듈(115), 기계학습 추론 모듈(116), 2차 대상자 선별 모듈(117), 검수 및 교정 모듈(118), 최종 대상자 선정 및 통보 모듈(119), 프로젝트 참가자 로그인 및 정보 관리 모듈(120) 중 적어도 하나를 포함할 수 있다. 상술한 각 모듈들은 적어도 하나의 하드웨어 프로세서로 구현되거나, 또는, 하나의 프로세서에 의해 수행되는 소프트웨어 모듈로 구성될 수 있다. 상기 프로세서(150)는 상술한 각 모듈들을 기반으로 본 발명의 실시 예에 따른 프로젝트 공고 내용에 적합한 참가자 자동 선별 및 검증을 수행하고, 통보할 수 있다.
또한, 상기 프로세서(150)는 각 장치들(예: 프로젝트 기관 장치(200), 프로젝트 참가자 장치(300), 전문가 장치(400)) 간의 결제 처리를 지원할 수 있다. 예를 들어, 프로세서(150)는 프로젝트 기관 장치(200)로부터 프로젝트 참여자들에 대한 비용 지급을 위임 받은 경우, 프로젝트에 참여한 참가자들의 프로젝트 참여자 주요정보에서 계좌 정보 또는 비용을 수신할 수 있는 결제 정보를 자동을 수집하고, 수집된 정보를 기반으로 비용 지급(예: 계좌 이체)을 수행할 수 있다. 이 동작에서, 상기 프로세서(150)는 프로젝트 참여에 따른 비용 지급을 안내하고, 관련 수수료 차감에 대한 정보를 자동으로 안내할 수 있다. 상기 프로세서(150)는 전문가 장치(400)의 검수 및 교정에 관한 비용 지급을 지원할 수 있다. 예컨대, 상기 프로세서(150)는 1차 선별 대상자 및 2차 선별 대상자에 대한 검수 및 교정에 대하여, 사전 정의된 규칙에 따라 비용 산정(예: 인원수 기준 비용 산정, 또는 프로젝트 난이도 기준 비용 산정, 긴급도에 따른 비용 산정 등)을 수행하고, 산정된 비용을 전문가 장치(400)에 제공할 수 있다. 비용 제공과 함께, 상기 전문가 장치(400)가 제공한 검수 및 교정에 대한 평가 점수를 전문가 장치(400)에 제공할 수 있다. 상기 평가 점수는, 최종 대상자로 선정된 자료를 프로젝트 기관 장치(200)에 제공한 후, 프로젝트 기관 장치(200)에 의해 산정될 수 있다. 예컨대, 프로젝트 기관 장치(200)가 최종 대상자 정보에서 제외한 프로젝트 참가자 장치(300)의 개수로 평가 점수가 결정될 수 있다. 상기 프로세서(150)는 사전 협의에 따라, 평가 점수를 기준으로 전문가 장치(400)에 대한 비용 할인 또는 증액(예: 인센티브)을 제공할 수 있다.
도 7은 본 발명의 실시 예에 따른 프로젝트 중개 장치의 프로젝트 참가자 선별 방법의 한 예를 나타낸 도면이다.
도 6 및 도 7을 참조하면, 본 발명의 실시 예에 따른 프로젝트 중개 장치의 프로젝트 참가자 선별 방법과 관련하여, 프로젝트 중개 장치(100)의 프로세서(150)는 901 단계에서 통계 및 확률 기반 제1 대상자 선별을 수행할 수 있다. 이와 관련하여, 상기 프로젝트 중개 장치(100)의 메모리(120)는 프로젝트 참가자 주요정보DB(104)와 프로젝트 주요정보DB(112)를 사전 저장할 수 있다. 상기 프로젝트 참가자 주요정보DB(104)에 저장된 참가자 주요정보는 프로젝트 참가자 장치(300)의 입력에 의해 획득되거나, 프로젝트 기관 장치(200)가 제공하는 이전 수행된 프로젝트 결과에 포함될 수 있다. 상기 프로젝트 주요정보DB(112)에 저장된 프로젝트 주요정보는 상기 프로젝트 기관 장치(200)가 운영하는 웹 사이트(202)에 대한 크롤링을 통해 수집되거나, 상기 프로젝트 기관 장치(200)가 프로젝트 중개 장치(100)에 전달하여 획득될 수 있다. 상기 프로세서(150)는 획득된 프로젝트 주요정보 및 상기 프로젝트 참가자 주요정보에 대한 통계 및 확률 계산과 예측을 통해 제1 대상자 선별을 수행할 수 있다. 또는, 제1 대상자 선별 이후, 프로젝트 참가자 정보에서 제1 대상자를 제외한 나머지 인원들에서 제2 대상자 선별을 수행할 수 있다.
한편, 상기 프로세서(150)는 901 단계가 수행되는 동안 또는 901 단계 이전 또는 이후에, 902 단계에서 기계 학습을 통한 제2 대상자 선별을 수행할 수 있다. 이와 관련하여, 상기 프로세서(150)는 프로젝트 주요정보와 참가자 주요정보에 대한 기계학습을 수행하고, 기계학습에 대한 추론 모델을 동작시켜, 제2 대상자를 선별할 수 있다.
프로세서(150)는 903 단계에서 선별 결과에 대한 검수 및 교정을 수행할 수 있다. 이와 관련하여, 상기 프로젝트 중개 장치(100)는 선별 결과에 대한 검수 및 교정을 수행할 수 있는 AI(Artificial Intelligence) 모듈을 포함할 수 있다. 상기 AI 모듈은 프로젝트 공고 내용과 참가자 정보에 대한 적합도 검수와 관련하여, 상기 프로젝트 공고 내용과 관련한 전문 지식을 수집하고, 상기 전문 지식을 바탕으로, 참가자의 적합도 결과에 대한 검수를 수행할 수 있다. 또는, 프로젝트 중개 장치(100)의 프로세서(150)는 상기 선별 결과에 대한 검수 및 교정이 가능한 전문가 장치(400)와 통신 채널을 형성하고, 상기 전문가 장치(400)와의 협업을 통하여 선별 결과에 대한 검수 및 교정 결과를 수집할 수 있다.
프로세서(150)는 904 단계에서, 최종 대상자에 대한 결제 처리를 수행할 수 있다. 이 동작에서, 상기 프로세서(150)는 최종 대상자에 해당하는 프로젝트 참가자 장치(300)에게 프로젝트 추천 정보를 제공하고, 프로젝트 참가자 장치(300)로부터 수락 메시지를 수신하는 경우, 해당 프로젝트 공고 내용에 기재된 보상비용 기준에 따라, 결제 서버(500)를 통해 일정 비용을 프로젝트 참가자 장치(300)에 제공할 수 있다. 이 동작에서, 프로세서(150)는 프로젝트 중개 장치(100)에서 정의한 정책에 따라, 또는 프로젝트 참가자 장치(300)와의 사전 계약에 따라 지정된 수수료를 참가한 비용을 프로젝트 참가자 장치(300)에 제공할 수 있다.
한편, 상술한 설명에서는, 통계 및 확률 예측을 기반으로 하는 대상자 선별과, 기계학습을 통한 대상자 선별을 병렬로 수행하는 것을 예로 하였으나, 본 발명이 이에 한정되는 것은 아니다. 예컨대, 본 발명의 프로젝트 중개 장치(100)는 프로젝트 주요정보 및 프로젝트 참가자 정보를 기반으로, 통계 및 확률 예측을 수행하는 1차 대상자를 선별한 후, 1차 대상자 내에서, 기계학습을 통한 추론 모델을 적용하여 2차 대상자를 선별할 수 있다. 또는, 본 발명의 프로젝트 중개 장치(100)는 프로젝트 주요정보 및 프로젝트 참가자 정보를 기반으로, 기계학습을 통한 추론 모델을 적용하여 1차 대상자를 선별한 후, 1차 대상자 에 속한 프로젝트 참가자들에 대하여 통계 및 확률 예측을 수행하여 2차 대상자를 선별할 수 있다. 또한, 본 발명의 프로젝트 중개 장치(100)는 상기 2차 대상자 선별 시, 상기 프로젝트 참가자 주요정보들 중 1차 대상자로 선별된 프로젝트 참가자를 제외하고 나머지를 대상으로 2차 대상자를 선별할 수 있다.
따라서 `통계 및 확률 예측 모듈`과 `기계학습 추론모듈` 중에 한 쪽에서만 선정된 프로젝트 참여자라도 모두 모집할 수 있으며, 이를 통해 `신규 참여자 모집 프로젝트 공고`와 `프로젝트 참여자 조건`에서 서로 누락될 수 있는 내용을 보완할 수 있는 효과가 있다. 프로젝트 참여자는 프로젝트 참가자 정보만 한번 등록해 놓으면, 자신에게 맞는 프로젝트 참여 정보를 검색 없이도 빠르게 전달 받을 수 있다. 이러한 본 발명은 프로젝트 분야를 막론하고 하나의 프로젝트에 대해, 정해진 기간, 배정된 금액, 투입인력 등 일정한 제약조건하에서 각종 요구사항을 수행하는 방식으로 진행함에 따라, 프로젝트의 기간 단축, 비용 절감, 투입 인력의 효율적 모집 등 각종 프로젝트 요구사항 등에서 효과를 기대할 수 있다.
상술한 바와 같이, 본 발명의 실시 예에 따른, 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 시스템은 프로젝트 기관 장치에서 공고한 프로젝트 참가자 장치 모집 공고 내용과 프로젝트 참가자 장치가 이전에 경험한 프로젝트 결과로부터 통계 및 확률 계산과 기계학습에 의해서 통계 및 확률DB와 기계학습DB를 생성하여, 통계 및 확률 예측 모델과 기계 학습 추론 모델에 의해서 신규 프로젝트 참가 모집 공고에 적합한 프로젝트 참가자 장치를 찾아서 해당 참가자 장치와 프로젝트 기관 장치에 통보하여, 프로젝트 기관 장치에서 프로젝트 참가자 장치를 대상으로 프로젝트를 바로 진행할 수 있다.
또한, 본 발명의 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 시스템은, 프로젝트 기관 장치 웹사이트에 게시된 프로젝트 참가 모집 공고를 수집하는 크롤러, 크롤러가 수집한 데이터를 프로젝트DB에 저장하는 데이터관리 클라우드 서버, 프로젝트DB로부터 프로젝트 주요정보를 추출하여 프로젝트 주요정보DB를 생성하는 프로젝트 주요정보 추출 모듈, 프로젝트 주요정보DB와 통계 및 확률DB로부터 통계 및 확률을 예측 계산하는 통계 및 확률 예측 모듈, 기 확보된 프로젝트 참가자 장치를 대상으로 통계 및 확률 예측 모듈에 의해 1차 대상자를 선별하는 1차 대상자 선별 모듈, 프로젝트 주요정보DB와 기계학습DB로부터 기계학습 추론하는 기계학습 추론 모듈, 기 확보된 프로젝트 참가자 장치들 중 1차 대상자로 선별된 프로젝트 참가자 장치를 제외하고 나머지를 대상으로 2차 대상자를 선별하는 2차 대상자 선별 모듈, 선별한 내용이 맞는지 검수하고, 틀렸다면 올바르게 수정하는 교정 과정을 거치는 검수 및 교정 모듈, 1차 대상자와 2차 대상자를 모두 합하여 최종 대상자로 선정하고, SMS, PUSH, SNS(카톡, 페이스북), 인스턴스앱 링크를 통해서 프로젝트 참가자 장치와 프로젝트 기관 장치에게 선정 결과를 통보하는 최종 대상자 선정 및 통보 모듈, 자신의 개인정보(나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 등)를 입력하거나 관리하고, 대상자 선정 결과 이력을 확인할 수 있는 회원로그인 및 정보 관리 모듈, 프로젝트 참가자 장치 모집 공고 내용과 해당 임상에 실제 참여한 프로젝트 참가자 장치 정보를 프로젝트 기관 장치로부터 전송받아 프로젝트 참가자 장치DB에 저장하는 정보수집모듈, 상기 프로젝트 참가자 장치DB로부터 프로젝트 참가자 장치 주요정보를 추출하여 프로젝트 참가자 장치 주요정보DB에 저장하는 프로젝트 참가자 장치 주요정보 추출 모듈, 프로젝트 참가자 장치 주요정보DB에서 통계 및 확률 계산에 의해서 통계 및 확률 DB를 생성하는 통계 및 확률 계산 모듈, 프로젝트 참가자 장치 주요정보DB로부터 기계학습에 의해서 기계학습DB를 생성하는 기계 학습 모듈로 구성될 수 있다.
또한, 본 발명의 실시 예에 따른 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 방법은, 프로젝트 기관 장치가 제공하는 웹사이트에 게시된 신규 프로젝트 참가 모집 공고 내용을 크롤링하여 프로젝트DB생성하는 단계, 상기 프로젝트DB로부터 프로젝트 주요정보를 추출하여 프로젝트 주요정보DB를 생성하는 단계, 상기 프로젝트 주요정보DB와 통계 및 확률DB로부터 통계 및 확률 예측에 의해 1차 대상자 선별하는 단계, 상기 프로젝트 주요정보DB와 기계학습DB에 의해 2차 대상자 선별하는 단계, 전문가 장치 검수 및 교정에 의해서 최종 대상자 선정 및 통보하는 단계, 통보 내용을 프로젝트 참가자 장치나 프로젝트 기관 장치에게 제공하는 단계를 포함할 수 있다.
또한, 본 발명의 실시 예에 따른 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 방법은, 프로젝트 참가자 장치 모집 공고 내용과 해당 임상에 실제 참여한 프로젝트 참가자 장치 정보를 프로젝트 기관 장치로부터 전송받아 프로젝트 참가자 장치DB에 저장하는 단계, 상기 프로젝트 참가자 장치DB로부터 프로젝트 참가자 장치 주요정보를 추출하여 프로젝트 참가자 장치 주요정보DB에 저장하는 단계, 프로젝트 참가자 장치 주요정보DB에서 통계 및 확률 계산에 의해서 통계 및 확률DB를 생성하는 단계, 프로젝트 참가자 장치 주요정보DB에서 기계학습에 의해서 기계학습DB 생성하는 단계, 상기 통계 및 확률DB에 의해서 통계 및 확률 예측 모델이 작동하고, 상기 기계학습DB에 의해서 기계 학습 추론 모델이 작동하는 단계를 포함할 수 있다.
또한, 본 발명의 실시 예에 따른 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 방법은, 전문가 장치 검수 및 교정에 의해서 프로젝트 참가자 장치 주요정보DB에 신규 정보가 누적 갱신되는 단계, 갱신된 정보를 토대로 통계 및 확률 계산에 의해 통계 및 확률DB 생성하는 단계, 갱신된 정보를 토대로 기계 학습에 의해 기계학습DB를 생성하는 단계, 상기 갱신된 통계 및 확률DB에 의해서 통계 및 확률 예측 모델이 작동하고, 상기 갱신된 기계학습DB에 의해 기계 학습 추론 모델이 작동되는 단계를 포함할 수 있다.
또한, 본 발명의 실시 예에 따른 전문가 장치와 시스템 협업에 의한 클라우드기반 점층적 지능향상 딥 러닝 프로젝트 중개 방법은, 프로젝트 참가자 장치가 프로젝트 중개시스템에 접속하여 자신의 정보를 입력, 수정, 조회하는 단계, 프로젝트 기관 장치는 프로젝트 결과(프로젝트 참가 모집 공고 내용과 실제 참여한 프로젝트 참가자 장치 정보 )를 프로젝트 중개시스템에 전송하는 단계, 프로젝트 중개시스템은 상기 프로젝트 결과를 토대로 통계 및 확률DB와 기계학습DB를 생성하는 단계, 프로젝트 기관 장치의 웹사이트로부터 신규 프로젝트 참가 모집 공고 내용을 크롤링하여 통계 및 확률DB를 이용한 통계 및 확률 예측으로 1차 대상자를 선별하고, 기계학습DB를 이용한 기계학습 추론으로 2차 대상자 선별하는 단계, 전문가 장치 검수 및 교정에 의해서 선별된 데이터를 검수 및 교정하며, 최종 대상자를 선정 및 통보하는 단계를 포함할 수 있다.
이외, 본 발명은 기타 다양한 실시 예에 따른 시스템, 장치 및 방법을 제공할 수 있다.
10: 프로젝트 중개 시스템
100 : 프로젝트 중개 장치
200 : 프로젝트 기관 장치
300 : 프로젝트 참가자 장치
400 : 전문가 장치
500: 결제 서버

Claims (7)

  1. 프로젝트 공고 내용을 웹 사이트를 통해 게시하는 프로젝트 기관 장치;
    상기 프로젝트 기관 장치로부터 상기 프로젝트 공고 내용을 수집하여 프로젝트 DB를 구성하고, 상기 프로젝트 DB에서 프로젝트 진행과 관련한 프로젝트 주요정보를 추출하여 저장하고, 상기 프로젝트에 참가할 참가자와 관련된 프로젝트 참가자 장치로부터 프로젝트 참가자 정보를 수집하거나 또는 프로젝트 참가자가 이전에 참여한 프로젝트 수행에 따른 프로젝트 결과를 상기 프로젝트 기관 장치로부터 수집하여 프로젝트 참가자 주요정보로 저장하고, 상기 프로젝트 주요정보 및 상기 프로젝트 참가자 주요정보에 대한 통계 및 확률 계산과 예측을 기반으로 대상자를 선별하면서 상기 프로젝트 주요정보 및 상기 프로젝트 참가자 주요정보에 기계학습에 따른 추론 모델을 적용하여 대상자를 선별하고, 선별된 대상자들에 대한 검수 및 교정을 수행하여 최종 대상자를 선별한 후, 최종 대상자에 대한 정보를 상기 프로젝트 기관 장치 및 상기 프로젝트 참가자 장치 중 적어도 하나에 제공하는 프로젝트 중개 장치;
    상기 프로젝트 중개 장치에 참가자로 등록하고, 상기 프로젝트 중개 장치로부터 신규 프로젝트 추천 정보를 수신하면, 사용자 입력에 따라 신규 프로젝트 참여 수락 메시지를 상기 프로젝트 중개 장치에 전송하는 프로젝트 참가자 장치;
    상기 검수 및 교정을 수행하는 전문가 장치;
    상기 프로젝트 참가자 모집과 관련하여, 상기 프로젝트 기관 장치의 비용 처리, 상기 프로젝트 참가자 장치의 비용 처리, 및 상기 프로젝트 중개 장치의 수수료 차감 중 적어도 하나의 결제 서비스를 지원하는 결제 서버;를 포함하는 것을 특징으로 하는 프로젝트 중개 시스템.
  2. 프로젝트 기관 장치가 운영하는 웹사이트로부터 프로젝트 참가 모집 공고 내용을 수집하는 크롤러;
    상기 크롤러가 수집한 데이터를 수신하여 프로젝트DB에 저장하는 데이터관리 클라우드 서버;
    상기 프로젝트에 참가할 참가자들의 주요정보를 저장하는 프로젝트 참가자 주요정보DB;
    상기 프로젝트 주요정보에 대한 통계 및 확률 계산과 예측을 수행하는 통계 및 확률 예측 모듈;
    상기 프로젝트 참가자 주요정보DB에 저장된 프로젝트 참가자 주요정보를 대상으로 상기 통계 및 확률 예측 모듈에 의해 1차 대상자를 선별하는 1차 대상자 선별 모듈;
    상기 프로젝트 주요정보에 대해 기계학습 추론을 수행하는 기계학습 추론 모듈;
    상기 프로젝트 참가자 주요정보들 중 상기 1차 대상자로 선별된 프로젝트 참가자를 제외하고 나머지를 대상으로 2차 대상자를 선별하는 2차 대상자 선별 모듈;
    상기 1차 대상자 및 상기 2차 대상자 선별 내용이 맞는지 검수하고, 틀렸다면 올바르게 수정하는 교정 과정을 거치는 검수 및 교정 모듈;
    상기 1차 대상자와 상기 2차 대상자를 모두 합하여 최종 대상자로 선정하고, 프로젝트 참가자와 프로젝트 기관에게 선정 결과를 통보하는 최종 대상자 선정 및 통보 모듈;을 포함하는 것을 특징으로 하는 프로젝트 중개 장치.
  3. 제2항에 있어서,
    상기 프로젝트 참가자 장치와 관련한 참가자의 나이, 성별, 신장, 체중, 병 이력, 가족력, 혈액형, 주소, 위치, 경력, 학력, 전문분야, 관심분야, 자기소개 정보, 자격증 정보, 프로젝트 진행 이력 및 결과, 취미, 특기, 기호, 의식주 정보 중 적어도 하나의 입력 및 관리를 지원하고 대상자 선정 결과 이력의 확인을 지원하는 회원로그인 및 정보 관리 모듈;
    상기 프로젝트 참가자 모집 공고 내용과 해당 임상에 실제 참여한 프로젝트 참가자 정보를 상기 프로젝트 기관 장치로부터 전송받아 프로젝트 참가자DB에 저장하는 정보수집모듈;
    상기 프로젝트 참가자DB로부터 상기 프로젝트 참가자 주요정보를 추출하여 상기 프로젝트 참가자 주요정보DB에 저장하는 프로젝트 참가자 주요정보 추출 모듈;
    상기 프로젝트 참가자 주요정보DB에서 통계 및 확률 계산에 의해서 통계 및 확률 DB를 생성하는 통계 및 확률 계산 모듈;
    상기 프로젝트 참가자 주요정보DB로부터 기계학습에 의해서 기계학습DB를 생성하는 기계 학습 모듈;로 구성되는 것을 특징으로 하는 프로젝트 중개 장치.
  4. 프로젝트 참가자 장치와 관련하여 사전 저장된 프로젝트 참가자 주요정보 및 프로젝트 기관 장치가 제공한 공고 내용을 기반으로 사전 저장된 프로젝트 주요정보에 대해, 통계 및 확률 계산과 예측을 통해 제1 대상자 선별을 수행하는 단계;
    상기 제1 대상자 선별 이후, 상기 프로젝트 참가자 주요정보에서 상기 제1 대상자를 제외한 나머지 참가자 주요정보들과 상기 프로젝트 주요정보에 대한 기계 학습을 기반으로 제2 대상자 선별을 수행하는 단계;
    전문가 장치에 상기 제1 대상자 및 상기 제2 대상자 선별 결과를 제공하고, 상기 전문가 장치에 의한 검수 및 교정을 수행하는 단계;
    상기 검수 및 교정을 기반으로 최종 대상자를 선정하는 단계;
    상기 최종 대상자 선정 정보를 상기 프로젝트 기관 장치 및 상기 프로젝트 참가자 장치 중 적어도 하나에 제공하는 단계;를 포함하는 것을 특징으로 하는 프로젝트 중개 방법.
  5. 제4항에 있어서,
    상기 프로젝트 기관 장치가 운영하는 웹사이트에 게시된 신규 프로젝트 참가 모집 공고 내용을 크롤링하여 프로젝트DB생성하고, 상기 프로젝트DB로부터 상기 프로젝트 주요정보를 추출하여 프로젝트 주요정보DB를 생성하는 단계;
    상기 검수 및 교정에 따른 결과를 상기 프로젝트 참가자 주요정보에 갱신하고, 상기 갱신된 프로젝트 참가자 주요정보를 토대로 통계 및 확률 계산에 의해 통계 및 확률DB 생성하며, 상기 갱신된 프로젝트 참가자 주요정보를 토대로 기계 학습에 의해 기계학습DB를 생성하는 단계; 중 적어도 하나의 단계를 더 포함하는 것을 특징으로 하는 프로젝트 중개 방법.
  6. 제4항에 있어서,
    결제 서버를 통해, 상기 프로젝트 참가자 장치와의 협약에 따른 수수료를 차감하고, 상기 프로젝트 주요정보에 기재된 보상 정보에 따라 상기 프로젝트에 참가한 프로젝트 참가자 장치에 비용을 지급하는 단계;를 더 포함하는 것을 특징으로 하는 프로젝트 중개 방법.
  7. 제4항에 있어서,
    결제 서버를 통해, 상기 프로젝트 참가자 장치가 프로젝트 참가 시마다 일정 수수료를 상기 프로젝트 중개 장치로 지급하는 단계;를 더 포함하는 것을 특징으로 하는 프로젝트 중개 방법.
KR1020200135548A 2020-02-05 2020-10-19 프로젝트 중개 시스템 및 방법 KR102536747B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2020/017100 WO2021157832A1 (ko) 2020-02-05 2020-11-27 프로젝트 중개 시스템 및 방법
KR1020230063544A KR20230079306A (ko) 2020-02-05 2023-05-17 프로젝트 중개 시스템 및 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200013697 2020-02-05
KR20200013697 2020-02-05

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020230063544A Division KR20230079306A (ko) 2020-02-05 2023-05-17 프로젝트 중개 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20210099995A true KR20210099995A (ko) 2021-08-13
KR102536747B1 KR102536747B1 (ko) 2023-05-30

Family

ID=77313765

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200135548A KR102536747B1 (ko) 2020-02-05 2020-10-19 프로젝트 중개 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102536747B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102349118B1 (ko) * 2021-09-07 2022-01-11 주식회사 디케이브라더스 프로젝트 중개 플랫폼 서비스 제공 방법 및 장치
KR102419327B1 (ko) * 2021-12-27 2022-07-11 (주)이랜서 프로젝트 정보의 선택적 솔팅과 레코멘딩을 통한 기업-프리랜서 에이전트 시스템
KR102419326B1 (ko) * 2021-12-27 2022-07-11 (주)이랜서 포트폴리오의 선택적 솔팅과 매칭 시뮬레이션을 통한 에이전트 시스템
KR102491666B1 (ko) * 2021-12-30 2023-01-27 (주)이랜서 기업-프리랜서의 매칭률 향상을 위한 에이전트 시스템
KR102616881B1 (ko) * 2022-10-18 2023-12-20 조원정 부동산 개발 참여자 간의 매칭 지원 시스템

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002015061A (ja) * 2000-04-28 2002-01-18 Ifusion Technologies Inc 臨床試験実施管理システム
JP2002183320A (ja) * 2000-12-15 2002-06-28 Moss Institute Co Ltd 臨床試験のための被験者登録システム
JP2011233066A (ja) * 2010-04-30 2011-11-17 Huma Corp 被験者募集方法、仲介者のサーバ、ソフトウェア、記録媒体
KR20180133301A (ko) * 2017-04-11 2018-12-14 주식회사 올리브헬스케어 임상시험 자원자와 임상시험 주관의료기관 간의 임상시험정보 매칭 방법
KR101961144B1 (ko) 2017-10-12 2019-03-22 주식회사 디지털존 국가직무능력표준 기반 직무적합 매칭 시스템 및 그 방법
KR20190134315A (ko) * 2018-05-25 2019-12-04 (주)혁신마케팅 인공지능 기반 임상시험 참여 대상자 매칭 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002015061A (ja) * 2000-04-28 2002-01-18 Ifusion Technologies Inc 臨床試験実施管理システム
JP2002183320A (ja) * 2000-12-15 2002-06-28 Moss Institute Co Ltd 臨床試験のための被験者登録システム
JP2011233066A (ja) * 2010-04-30 2011-11-17 Huma Corp 被験者募集方法、仲介者のサーバ、ソフトウェア、記録媒体
KR20180133301A (ko) * 2017-04-11 2018-12-14 주식회사 올리브헬스케어 임상시험 자원자와 임상시험 주관의료기관 간의 임상시험정보 매칭 방법
KR101961144B1 (ko) 2017-10-12 2019-03-22 주식회사 디지털존 국가직무능력표준 기반 직무적합 매칭 시스템 및 그 방법
KR20190134315A (ko) * 2018-05-25 2019-12-04 (주)혁신마케팅 인공지능 기반 임상시험 참여 대상자 매칭 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102349118B1 (ko) * 2021-09-07 2022-01-11 주식회사 디케이브라더스 프로젝트 중개 플랫폼 서비스 제공 방법 및 장치
KR102419327B1 (ko) * 2021-12-27 2022-07-11 (주)이랜서 프로젝트 정보의 선택적 솔팅과 레코멘딩을 통한 기업-프리랜서 에이전트 시스템
KR102419326B1 (ko) * 2021-12-27 2022-07-11 (주)이랜서 포트폴리오의 선택적 솔팅과 매칭 시뮬레이션을 통한 에이전트 시스템
KR102491666B1 (ko) * 2021-12-30 2023-01-27 (주)이랜서 기업-프리랜서의 매칭률 향상을 위한 에이전트 시스템
KR102616881B1 (ko) * 2022-10-18 2023-12-20 조원정 부동산 개발 참여자 간의 매칭 지원 시스템

Also Published As

Publication number Publication date
KR102536747B1 (ko) 2023-05-30

Similar Documents

Publication Publication Date Title
KR102536747B1 (ko) 프로젝트 중개 시스템 및 방법
Aleksina et al. Success factors of crowdfunding campaigns in medical research: perceptions and reality
Kulkarni et al. Mobileworks: Designing for quality in a managed crowdsourcing architecture
US8589308B1 (en) Grant management system and method
US20160371453A1 (en) Analytical data processing for consumer health scores
US20090177511A1 (en) Recruiting and applicant qualification system
US20210312401A1 (en) One click job placement
Liu et al. Factors affecting crowdfunding success
Yu et al. Exploring the factor-performance relationship of integrated project delivery projects: A qualitative comparative analysis
Ameen Arab users’ acceptance and use of mobile phones: a case of young users in Iraq, Jordan and UAE
Atiglo et al. Meeting women’s demand for contraceptives in Ghana: does autonomy matter?
Tsopra et al. Helping GPs to extrapolate guideline recommendations to patients for whom there are no explicit recommendations, through the visualization of drug properties. The example of AntibioHelp® in bacterial diseases
Cohen et al. Competition and crowding out in the market for outpatient substance abuse treatment
KR20220144323A (ko) 인공지능을 이용한 맞춤형 법률 서비스 제공방법, 서버 및 컴퓨터프로그램
McNamara et al. Investigating the determents of intelligent construction contract adoption: a refinement of the technology readiness index to inform an integrated technology acceptance model
Morrow et al. Applying the community health worker coverage and capacity tool for time-use modeling for program planning in Rwanda and Zanzibar
Claessens et al. Cooperative and conformist behavioural preferences predict the dual dimensions of political ideology
KR20220037023A (ko) 플리마켓의 운영 및 관리 자동화를 수행하는 방법 및 이를 수행하는 서버
Ye et al. Willingness to pay for one additional quality adjusted life year: A population based survey from China
Burgess et al. General practice and residential aged care: a qualitative study of barriers to access to care and the role of remuneration
KR101034997B1 (ko) 질문자와 조언자 쌍방이 실시간으로 질문하고 조언할 수있도록 정보를 제공하고 중개하여 온라인상의 수익을창출하는 웹사이트 운영시스템
Shechter et al. Irreversible treatment decisions under consideration of the research and development pipeline for new therapies
WO2021157832A1 (ko) 프로젝트 중개 시스템 및 방법
Chen et al. Assessing preferences for HIV pre-exposure prophylaxis (PrEP) delivery services via online pharmacies in Kenya: protocol for a discrete choice experiment
Morris et al. Accessibility User Research Collective: Engaging Consumers in Ongoing Technology Evaluation.

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant