KR20210129465A - 연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법 - Google Patents

연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법 Download PDF

Info

Publication number
KR20210129465A
KR20210129465A KR1020200047506A KR20200047506A KR20210129465A KR 20210129465 A KR20210129465 A KR 20210129465A KR 1020200047506 A KR1020200047506 A KR 1020200047506A KR 20200047506 A KR20200047506 A KR 20200047506A KR 20210129465 A KR20210129465 A KR 20210129465A
Authority
KR
South Korea
Prior art keywords
research
note
notes
similarity
information
Prior art date
Application number
KR1020200047506A
Other languages
English (en)
Inventor
강성휘
Original Assignee
(주)사이버라인
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 (주)사이버라인 filed Critical (주)사이버라인
Priority to KR1020200047506A priority Critical patent/KR20210129465A/ko
Priority to PCT/KR2020/005276 priority patent/WO2021215551A1/ko
Publication of KR20210129465A publication Critical patent/KR20210129465A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06K9/62—
    • 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
    • G06Q10/10—Office automation; Time management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Storage Device Security (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

적어도 하나의 프로세서에 의해 동작하는 컴퓨팅 장치가 동작하는 방법으로서, 복수의 연구노트들을 입력받고, 각 연구노트의 컨텐츠를 추출하는 단계, 추출한 컨텐츠를 포함하는 각 연구노트의 메타정보를 저장하는 단계, 검색 키워드를 입력받는 단계, 그리고 학습된 머신러닝 모델로 상기 검색 키워드와 상기 각 연구노트의 메타정보와 유사도를 계산하고, 유사도가 높은 연구노트들을 제공하는 단계를 포함한다.

Description

연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법{APPARATUS FOR MANAGING LABORATORY NOTE AND METHOD FOR SEARCHING LABORATORY NOTE USING THEREOF}
본 발명은 연구노트 관리 기술과 이를 이용하여 연구노트 검색하는 기술에 관한 것이다.
대학, 공공연구기관, 기업의 연구실은 연구 활동을 통해 다양한 성과를 만들어내고, 연구실 단위로 연구 자금의 획득, 선행 연구에 관한 정보교환, 아이디어에 관한 브레인스토밍, 연구진행 방법이나 데이터 해석, 연구 장치나 시약의 구입과 사용 등을 통해 연구 활동이 이루어지게 되며 이러한 연구 활동을 기록한 자료를 연구노트라고 한다.
기술분야 별로 연구노트에 대한 활용성이 조금씩 다르고, 외국에 비해 연구노트 작성의 중요성에 대한 인식이 부족하여 연구노트 작성이 크게 활성화되어 있는 상황은 아니지만, 점점 연구노트 활성화를 위한 정부의 정책과 규정의 확대로 연구노트 작성은 더욱 늘어날 전망이다.
연구노트 작성 프로세스 중 기존에 작성된 연구노트 및 유사 연구자료를 탐색하고 정리하고 분류하는 시간에 많은 시간이 소요된다. 또한 연구자가 연구노트를 작성하는 과정에서, 원하는 지식과 정보를 수집하기 위해 방대한 분량의 불특정한 연구자료를 여러 채널을 통해 검색해야 한다. 예를 들어 학술연구정보서비스(RISS), 학술정보연구서비스(KISS) 등을 검색할 수 있다.
서면 연구노트뿐만 아니라 전자화된 연구노트 작성 과정에서도 검색은 수행되고 있다. 그러나 기존의 검색방식으로는 연구자의 의도와 관련성이 낮은 문헌이 검색될 가능성이 높다. 또한 신속하게 원하는 자료를 찾기도 어렵다.
연구의 질을 높이기 위해서는 이미 이루어진 선행 연구결과를 많이 참고해야 하지만, 현재의 연구노트 검색 방식은 정확도가 낮으므로, 전문가가 일일이 검색 결과를 확인해야 한다. 또한 각 분야별로 연구 데이터는 누적되므로, 탐색 시간 및 비용의 증가로 연구자들의 피로감은 증가하고 연구의 효율성을 기대하기 어렵다.
해결하고자 하는 과제는 연구노트에 포함된 메타데이터를 추출하고 서로 다른 종류의 메타데이터를 구조화하여 관리하고, 저장된 연구노트를 키워드로 검색하는 방법을 제공하는 것이다.
한 실시예에 따른 적어도 하나의 프로세서에 의해 동작하는 컴퓨팅 장치가 동작하는 방법으로서, 복수의 연구노트들을 입력받고, 각 연구노트의 컨텐츠를 추출하는 단계, 추출한 컨텐츠를 포함하는 각 연구노트의 메타정보를 저장하는 단계, 검색 키워드를 입력받는 단계, 그리고 학습된 머신러닝 모델로 상기 검색 키워드와 상기 각 연구노트의 메타정보와 유사도를 계산하고, 유사도가 높은 연구노트들을 제공하는 단계를 포함한다.
상기 추출하는 단계는, 상기 연구노트에 포함된 텍스트 또는 미디어 컨텐츠들을 포함할 수 있다.
상기 추출하는 단계는, 상기 연구노트를 광학적 문자 판독장치(Optical Character Recognition, OCR)에 입력하여 텍스트를 추출할 수 있다.
상기 제공하는 단계는, 상기 검색 키워드와 상기 각 연구노트의 메타정보와의 자카드 유사도 또는 코사인 유사도를 계산하는 단계, 그리고 상기 자카드 유사도 또는 상기 코사인 유사도가 미리 설정된 기준값 이상인 연구노트들을 제공하는 단계를 포함할 수 있다.
한 실시예에 따른 컴퓨팅 장치로서, 메모리, 그리고 상기 메모리에 로드된 프로그램의 명령들(instructions)을 실행하는 적어도 하나의 프로세서를 포함하고, 상기 프로그램은 복수의 연구노트들을 입력받고, 각 연구노트의 컨텐츠를 추출하는 단계, 추출한 컨텐츠를 포함하는 각 연구노트의 메타정보를 저장하는 단계, 검색 키워드를 입력받는 단계, 그리고 학습된 머신러닝 모델로 상기 검색 키워드와 상기 각 연구노트의 메타정보와 유사도를 계산하고, 유사도가 높은 연구노트들을 제공하는 단계를 실행하도록 기술된 명령들을 포함한다.
연구노트가 입력된 시간, 연구노트가 입력된 주기, 입력된 연구노트에 포함된 컨텐츠 중 적어도 어느 하나를 바탕으로 사용자별 연구 정보를 추출하고, 상기 메타정보에 상기 사용자별 연구 정보를 포함하는 단계를 더 포함할 수 있다.
상기 제공하는 단계는, 상기 사용자별 연구 정보와 상기 복수의 연구노트들 간 유사도를 계산하여, 추천 연구노트들을 제공할 수 있다.
본 발명에 따르면 연구노트에 삽입되는 다양한 텍스트 또는 미디어 컨텐츠 종류들을 구조화하여 저장하므로, 텍스트 기반 데이터와 동일하게 취급될 수 있어 연구노트 자료를 저장하고 검색하기 편리하다.
또한 본 발명에 따르면 연구자는 참고하고자 하는 다양한 연구자료를 일일이 검색할 필요가 없으므로, 선행 연구자료를 탐색하기 위해 필요한 시간과 비용을 줄일 수 있고, 따라서 효율적으로 양질의 연구를 수행할 수 있다.
도 1은 한 실시예에 따른 연구노트 관리 장치의 구성도이다.
도 2는 한 실시예에 따른 연구노트 관리 방법의 흐름도이다.
도 3은 한 실시예에 따른 연구노트 검색 방법의 흐름도이다.
도 4는 한 실시예에 따른 데이터 구조화부의 구성도이다.
도 5는 한 실시예에 따른 컴퓨팅 장치의 하드웨어 구성도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 한 실시예에 따른 연구노트 관리 장치의 구성도이다.
도 1을 참고하면, 연구노트 관리 장치(10)는 입력부(100), 데이터 구조화부(200), 검색부(300), 출력부(400) 그리고 저장부(500)를 포함한다.
설명을 위해, 입력부(100), 데이터 구조화부(200), 검색부(300), 출력부(400) 그리고 저장부(500)로 명명하여 부르나, 이들은 적어도 하나의 프로세서에 의해 동작하는 컴퓨팅 장치이다. 여기서, 입력부(100), 데이터 구조화부(200), 검색부(300), 출력부(400) 그리고 저장부(500)는 하나의 컴퓨팅 장치에 구현되거나, 별도의 컴퓨팅 장치에 분산 구현될 수 있다. 별도의 컴퓨팅 장치에 분산 구현된 경우, 입력부(100), 데이터 구조화부(200), 검색부(300), 출력부(400) 그리고 저장부(500)는 통신 인터페이스를 통해 서로 통신할 수 있다. 컴퓨팅 장치는 본 발명을 수행하도록 작성된 소프트웨어 프로그램을 실행할 수 있는 장치이면 충분하고, 예를 들면, 서버, 랩탑 컴퓨터 등일 수 있다.
데이터 구조화부(200)와 검색부(300) 각각은 하나의 인공지능 모델일 수 있고, 복수의 인공지능 모델로 구현될 수도 있다. 연구노트 관리 장치(10)는 하나의 인공지능 모델일 수 있고, 복수의 인공지능 모델로 구현될 수도 있다. 이에 따라, 상술한 구성들에 대응하는 하나 또는 복수의 인공지능 모델은 하나 또는 복수의 컴퓨팅 장치에 의해 구현될 수 있다.
입력부(100)는 작성된 연구노트를 입력받는다. 연구노트의 형태는 다양할 수 있다. 복수의 사용자가 연구노트들을 입력할 수 있다. 또한 검색을 위한 키워드를 입력받을 수 있다.
데이터 구조화부(200)는 연구노트에 포함된 메타데이터를 추출하고, 구조화한다. 이때 OCR, 머신러닝 등의 공지된 기술을 이용할 수 있다. 예를 들어 합성곱 신경망(Convolutional Neural Network, CNN)을 이용할 수 있다.
합성곱(Convolution)이란 하나의 함수와 또 다른 함수를 반전 이동한 값을 곱한 다음, 구간에 대해 적분하여 새로운 함수를 구하는 연산자이다. 합성곱을 사용하면 3차원 데이터의 공간적인 정보를 유지한 채 다음 레이어로 보낼 수 있다.
CNN은 특히 음성 인식이나 사물 이미지 인식에서 주로 사용된다. 컬러 이미지와 같은 다차원 배열 처리에 특화되어 있다. 또한 일반적인 신경망은 이미지 데이터를 그대로 처리하는 데 반해 CNN은 이미지에서 특징을 추출해 처리할 수 있다.
데이터 구조화부(200)는 머신러닝 모델을 기반으로 사용자의 검색어 또는 연구노트 입력 패턴을 이용하여 사용자의 연구 목적을 파악할 수 있다.
검색부(300)는 저장부(500)에 저장된 복수의 연구노트들 중 특정 연구노트를 검색한다. 검색에 사용되는 알고리즘은 어느 하나로 한정되지 않는다. 머신러닝을 이용할 수 있다.
검색부(300)는 사용자가 연구노트를 특정 기간동안 지속적으로 업로드하는 경우, 누적된 연구노트의 내용과 유사한 연구노트를 검색할 수 있다.
검색부(300)는 누적된 검색 기록을 사용자별로 관리할 수 있다.
출력부(400)는 검색된 연구노트들을 화면 또는 인터페이스에 출력한다. 복수의 연구노트들 중 키워드와 유사도가 미리 설정된 기준값을 초과하는 연구노트들만을 출력할 수 있다. 연구노트들을 HTML 파일 형태로 출력할 수 있다.
또한 출력부(400)는 연구노트가 입력부(100)에 입력될 때마다, 입력된 연구노트와 유사한 연구노트를 검색하고, 검색 결과를 사용자에게 인터페이스를 통해 실시간으로 알릴 수 있다.
저장부(500)는 메타데이터로 구조화된 연구노트들을 저장한다. 연구노트 관리 장치(10) 외부에 있는 데이터베이스로 구현될 수 있다. 클라우드 서버로 구현될 수 있다.
도 2는 한 실시예에 따른 연구노트 관리 방법의 흐름도이다.
도 2를 참고하면, 연구노트 관리 장치(10)는 작성된 복수의 연구노트들을 입력받는다(S110).
연구노트 관리 장치(10)는 각 연구노트로부터 컨텐츠를 추출한다(S120). 이때 광학적 문자 판독장치(Optical Character Recognition, OCR) 기반의 단어 추출 기술을 사용할 수 있다. 또한 텍스트 마이닝 기술을 이용하고, 각 단어에 대해 로지스틱 회귀를 수행하여 컨텐츠를 추출할 수 있다. 컨텐츠는 연구노트의 저자 정보, 연구노트가 작성된 일시를 포함할 수 있다.
연구노트 관리 장치(10)는 각 연구노트로부터 추출한 컨텐츠로 연구노트 메타정보를 구조화하여 저장한다(S120). 연구노트 메타정보는 텍스트, 이미지, 파서, 및 헤더를 포함하는 복수의 포맷으로 구성될 수 있다.
메타정보 추출과 구조화하는 방법에 대해서는 도 4를 통해 설명한다.
도 3은 한 실시예에 따른 연구노트 검색 방법의 흐름도이다.
도 3을 참고하면, 연구노트 관리 장치(10)는 사용자로부터 키워드를 입력받는다(S210). 키워드는 연구노트의 저자 또는 연구노트의 작성일시를 포함할 수 있다.
연구노트 관리 장치(10)는 입력된 키워드와 저장된 연구노트 메타정보 간 유사도를 계산한다(S220). 유사도 계산을 위해 자카드 유사도 또는 코사인 유사도를 이용할 수 있다.
연구노트 관리 장치(10)는 유사도가 기준값 이상인 연구노트들을 출력한다(S230). 연구노트 관리 장치(10)는 유사도 값에 따른 추천 연구노트들을 랭킹 리스트로 생성하여 출력할 수 있다.
한편 연구노트 관리 장치(10)는 휴리스틱 방법을 이용하여, 유사도와 무관한 추천 연구노트를 추가로 제시할 수 있다. 추천 연구노트는 추천 인덱스에 의해 결정된 것일 수 있다.
도 4는 한 실시예에 따른 데이터 구조화부의 구성도이다.
도 4를 참고하면, 데이터 구조화부(200)는 기준 수립 모듈, 원본 수집 모듈, 원본 분할 모듈, 코드 병합 모듈, 기준 맵핑 모듈 그리고 코드 생성 모듈을 포함할 수 있다.
기준 수립 모듈은 연구노트에 포함된 요소(Element)를 분류하는 기준을 수립한다. 그리고 수립된 기준에 따라 각 요소들을 분류하고 분석한다.
원본 수집 모듈은 연구노트의 원본 파일을 벡터 코드로 변환한다. 원본 파일과 벡터 코드가 매핑되어 저장될 수 있다.
원본 분할 모듈은 연구노트의 원본 파일을 슬라이싱하여 저장할 수 있다.
코드 병합 모듈은 meta code를 분석하고 병합할 수 있다.
기준 맵핑 모듈은 리소스 구조를 생성하고, 기준 코드를 매핑한다. meta code를 매핑할 수 있다.
코드 생성 모듈은 meta code를 생성하고, 태그 라이브러리(Tag Library)를 생성할 수 있다. 또한 생성된 코드를 HTML로 변환할 수 있다.
도시하지 않았으나, 데이터 구조화부(200)는 작성된 코드가 HTML 표준, CSS 가이드, WEB 표준에 따라 코드가 작성되었는지 검증할 수 있다.
도 5는 한 실시예에 따른 컴퓨팅 장치의 하드웨어 구성도이다.
도 5를 참고하면, 입력부(100), 데이터 구조화부(200), 검색부(300), 출력부(400) 그리고 저장부(500)는 적어도 하나의 프로세서에 의해 동작하는 컴퓨팅 장치(600)에서, 본 발명의 동작을 실행하도록 기술된 명령들(instructions)이 포함된 프로그램을 실행한다.
컴퓨팅 장치(600)의 하드웨어는 적어도 하나의 프로세서(610), 메모리(620), 스토리지(630), 통신 인터페이스(640)를 포함할 수 있고, 버스를 통해 연결될 수 있다. 이외에도 입력 장치 및 출력 장치 등의 하드웨어가 포함될 수 있다. 컴퓨팅 장치(600)는 프로그램을 구동할 수 있는 운영 체제를 비롯한 각종 소프트웨어가 탑재될 수 있다.
프로세서(610)는 컴퓨팅 장치(600)의 동작을 제어하는 장치로서, 프로그램에 포함된 명령들을 처리하는 다양한 형태의 프로세서(610)일 수 있고, 예를 들면, CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 등 일 수 있다. 메모리(620)는 본 발명의 동작을 실행하도록 기술된 명령들이 프로세서(610)에 의해 처리되도록 해당 프로그램을 로드한다. 메모리(620)는 예를 들면, ROM(read only memory), RAM(random access memory) 등 일 수 있다. 스토리지(630)는 본 발명의 동작을 실행하는데 요구되는 각종 데이터, 프로그램 등을 저장한다. 통신 인터페이스(640)는 유/무선 통신 모듈일 수 있다.
본 발명에 따르면 연구노트에 삽입되는 다양한 텍스트 또는 미디어 컨텐츠 종류들을 구조화하여 저장하므로, 텍스트 기반 데이터와 동일하게 취급될 수 있어 연구노트 자료를 저장하고 검색하기 편리하다.
또한 본 발명에 따르면 연구자는 참고하고자 하는 다양한 연구자료를 일일이 검색할 필요가 없으므로, 선행 연구자료를 탐색하기 위해 필요한 시간과 비용을 줄일 수 있고, 따라서 효율적으로 양질의 연구를 수행할 수 있다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (7)

  1. 적어도 하나의 프로세서에 의해 동작하는 컴퓨팅 장치가 동작하는 방법으로서,
    복수의 연구노트들을 입력받고, 각 연구노트의 컨텐츠를 추출하는 단계,
    추출한 컨텐츠를 포함하는 각 연구노트의 메타정보를 저장하는 단계,
    검색 키워드를 입력받는 단계, 그리고
    학습된 머신러닝 모델로 상기 검색 키워드와 상기 각 연구노트의 메타정보와 유사도를 계산하고, 유사도가 높은 연구노트들을 제공하는 단계
    를 포함하는, 동작 방법.
  2. 제1항에서,
    상기 추출하는 단계는,
    상기 연구노트에 포함된 텍스트 또는 미디어 컨텐츠들을 포함하는, 동작 방법.
  3. 제2항에서,
    상기 추출하는 단계는,
    상기 연구노트를 광학적 문자 판독장치(Optical Character Recognition, OCR)에 입력하여 텍스트를 추출하는, 동작 방법.
  4. 제1항에서
    상기 제공하는 단계는,
    상기 검색 키워드와 상기 각 연구노트의 메타정보와의 자카드 유사도 또는 코사인 유사도를 계산하는 단계, 그리고
    상기 자카드 유사도 또는 상기 코사인 유사도가 미리 설정된 기준값 이상인 연구노트들을 제공하는 단계
    를 포함하는, 동작 방법.
  5. 컴퓨팅 장치로서,
    메모리, 그리고
    상기 메모리에 로드된 프로그램의 명령들(instructions)을 실행하는 적어도 하나의 프로세서를 포함하고,
    상기 프로그램은
    복수의 연구노트들을 입력받고, 각 연구노트의 컨텐츠를 추출하는 단계,
    추출한 컨텐츠를 포함하는 각 연구노트의 메타정보를 저장하는 단계,
    검색 키워드를 입력받는 단계, 그리고
    학습된 머신러닝 모델로 상기 검색 키워드와 상기 각 연구노트의 메타정보와 유사도를 계산하고, 유사도가 높은 연구노트들을 제공하는 단계
    를 실행하도록 기술된 명령들을 포함하는, 컴퓨팅 장치.
  6. 제5항에서,
    연구노트가 입력된 시간, 연구노트가 입력된 주기, 입력된 연구노트에 포함된 컨텐츠 중 적어도 어느 하나를 바탕으로 사용자별 연구 정보를 추출하고, 상기 메타정보에 상기 사용자별 연구 정보를 포함하는 단계
    를 더 포함하는, 컴퓨팅 장치.
  7. 제6항에서,
    상기 제공하는 단계는,
    상기 사용자별 연구 정보와 상기 복수의 연구노트들 간 유사도를 계산하여, 추천 연구노트들을 제공하는, 컴퓨팅 장치.
KR1020200047506A 2020-04-20 2020-04-20 연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법 KR20210129465A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200047506A KR20210129465A (ko) 2020-04-20 2020-04-20 연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법
PCT/KR2020/005276 WO2021215551A1 (ko) 2020-04-20 2020-04-22 블록체인 기반의 전자 연구노트 검증 방법 및 이를 이용한 전자 연구노트 관리 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200047506A KR20210129465A (ko) 2020-04-20 2020-04-20 연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법

Publications (1)

Publication Number Publication Date
KR20210129465A true KR20210129465A (ko) 2021-10-28

Family

ID=78232684

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200047506A KR20210129465A (ko) 2020-04-20 2020-04-20 연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법

Country Status (2)

Country Link
KR (1) KR20210129465A (ko)
WO (1) WO2021215551A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102437375B1 (ko) 2022-01-12 2022-08-26 김용욱 블럭체인기술을 활용한 연구노트 활용 시스템 및 이의 실행 방법
KR102496620B1 (ko) 2022-10-26 2023-02-06 김정열 Ai 기반 검색 기능을 가지는 ocr 전자연구노트 관리 시스템

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160283920A1 (en) * 2015-03-28 2016-09-29 Justin Fisher Authentication and verification of digital data utilizing blockchain technology
KR20170035313A (ko) * 2016-02-29 2017-03-30 (주)사이버라인 전자연구노트 작성 시스템 및 방법
KR101781583B1 (ko) * 2016-08-31 2017-09-27 서강대학교산학협력단 블록체인을 기반으로 한 파일 관리/검색 시스템 및 파일 관리/검색 방법
KR102094497B1 (ko) * 2017-08-16 2020-04-23 주식회사 케이티 블록체인 기반의 스토리지 서비스 제공 시스템 및 방법
KR102084674B1 (ko) * 2018-05-30 2020-03-05 한국과학기술연구원 블록체인 기반 컨텐츠 관리 방법 및 상기 방법을 수행하는 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102437375B1 (ko) 2022-01-12 2022-08-26 김용욱 블럭체인기술을 활용한 연구노트 활용 시스템 및 이의 실행 방법
KR102496620B1 (ko) 2022-10-26 2023-02-06 김정열 Ai 기반 검색 기능을 가지는 ocr 전자연구노트 관리 시스템

Also Published As

Publication number Publication date
WO2021215551A1 (ko) 2021-10-28

Similar Documents

Publication Publication Date Title
US20240095867A1 (en) Patent mapping
Soibelman et al. Management and analysis of unstructured construction data types
US11853334B2 (en) Systems and methods for generating and using aggregated search indices and non-aggregated value storage
JP2022002075A (ja) 情報推奨方法及び装置、並びに、電子機器、プログラム及びコンピュータ読み取り可能な記憶媒体
CN111930518B (zh) 面向知识图谱表示学习的分布式框架构建方法
US11989662B2 (en) Methods and systems for base map and inference mapping
KR20190062848A (ko) 점진적 학습 모델을 이용한 빅데이터 마이닝 시스템 및 그 방법
KR100800460B1 (ko) 웹 온톨로지 검색/분류 시스템 및 방법
Stryzhak et al. Development of an Oceanographic Databank Based on Ontological Interactive Documents
El Abdouli et al. Sentiment analysis of moroccan tweets using naive bayes algorithm
KR20210129465A (ko) 연구노트 관리 장치 및 이를 이용한 연구노트 검색 방법
Ahmad 40 Algorithms Every Programmer Should Know: Hone your problem-solving skills by learning different algorithms and their implementation in Python
Aladakatti et al. Exploring natural language processing techniques to extract semantics from unstructured dataset which will aid in effective semantic interlinking
Knap Towards Odalic, a Semantic Table Interpretation Tool in the ADEQUATe Project.
Hu et al. The methods of big data fusion and semantic collision detection in Internet of Thing
CN111931034A (zh) 数据搜索方法、装置、设备及存储介质
CN115269862A (zh) 一种基于知识图谱的电力问答与可视化系统
KR102096328B1 (ko) 처방적 분석 기반 지능형 연구정보 고부가 가치화 제공 플랫폼 및 그 방법
CN114021541A (zh) 演示文稿生成方法、装置、设备及存储介质
Dass et al. Amelioration of big data analytics by employing big data tools and techniques
Reese et al. Java: Data science made easy
Bakar et al. A survey: Framework to develop retrieval algorithms of indexing techniques on learning material
Rodriguez et al. A multi-core computing approach for large-scale multi-label classification
Janciak et al. Distributed classification of textual documents on the grid
Khatai et al. An implementation of text mining decision feedback model using Hadoop MapReduce