KR20220042856A - 의사결정을 위한 전문 지식 탐색 시스템 및 방법 - Google Patents

Abstract

의사결정을 위한 전문 지식 탐색 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 의사결정을 위한 전문 지식 탐색 시스템은, 수집된 지식들을 지식 종류에 따라 분류하는 지식 기반 분류부; 사용자 입력에 따라 지정되는 탐색 단계별로 설정된 상기 지식 종류에 상응하는 지식을 탐색하는 지식 탐색부; 상기 지식 탐색부에서의 단계별 탐색결과를 출력하는 탐색결과 출력부; 및 순차적인 상기 단계별 탐색결과를 흐름 순서대로 정리한 히스토리를 기록하고 관리하는 히스토리 관리부를 포함할 수 있다.

Description

의사결정을 위한 전문 지식 탐색 시스템 및 방법{Knowledge exploring system and method for decision making}

본 발명은 지식 탐색 시스템 및 방법에 관한 것으로 보다 상세하게는 검색 템플릿 조합을 변경하며 지식을 탐색하는 의사결정을 위한 전문 지식 탐색 시스템 및 방법에 관한 것이다.

기존의 일반적인 포털 검색 환경들은 "검색어 입력" → "결과 출력"의 '1개 쿼리(입력) : 다수의 결과(출력)'로 연결되는 1회성의 검색 행위를 지원한다. 혹은 검색식(여러 개의 검색어들을 정해진 논리규칙에 따라 조합한 검색어) 등을 활용해, 복합적인 검색어들의 논리 관계로 표현함으로써 "다수의 쿼리(입력) : 다수의 결과(출력)"로 연결되는 검색 행위를 지원한다. 그러나 검색식을 활용하여 검색을 수행한다 할지라도, '1회 검색어(혹은 검색식) 입력 : 다수의 결과 출력'이라는 1개의 이벤트만이 수행 가능하다.

하지만 의사결정을 위한 전문 지식 검색 행위는 검색 행위를 반복하면서 결과의 질적 수준을 높여가는 행위이기도 하지만, 반면 검색 행위를 반복하면서 질문(검색어 혹은 검색식)의 질적 수준을 높여가는 행위이기도 하다. 즉, 검색자는 반복적인 검색 행위를 통해 검색어를 완성해가는 학습 행위를 자신도 모르는 사이에 수행하고 있다.

예를 들어, 검색자는 1회의 검색 이벤트로부터 도출된, (1) 검색 결과물을 보고 새로운 검색어의 영감을 얻기도 하고(기존 검색어 단어를 보다 적확한 의미를 가진 단어로 변경하기도 한다), (2) 검색 결과물로부터 하이퍼링크로 연결된 다른 연관 문서로부터 검색어의 영감을 얻기도 하며, (3) 검색어와 유사한 의미를 갖는 유의어 혹은 반의어를 활용해 검색어의 영감을 얻기도 하고, 또는 (4) 추천 검색어 리스트로부터 새로운 검색어의 영감을 얻기도 한다.

다른 말로 설명하면, 검색자의 학습 행위는 다양한 지식 리소스(결과물, 연관 결과물, 유의어, 반의어, 추천 검색어 등)를 참조하는 행위들을 통해 이루어진다.

따라서, 의사결정을 위한 전문 지식 검색 행위는 복수 회의 검색 이벤트 동안 다양한 지식 리소스들로부터 영감을 받아 검색어를 보다 적확하게 발전시켜 나가고, 보다 적확한 의미를 갖게 된 검색어로부터 보다 관련성 높은 검색 결과를 추천받을 수 있게 되는 것이다.

그러나 이러한 학습 행위를 지원함에 있어, 기존의 검색 시스템들은 "유의어", "반의의", "추천 검색어", "연관 검색어"를 제공하는데 그치고 있다. 따라서, 연관 문서로부터 검색어의 영감을 얻거나, 결과물로부터 영감을 얻는 행위는 검색자 개인의 경험에 의존한다는 한계가 있다.

게다가, 복수 회의 검색 행위를 다양한 지식 리소스들을 참조하여 성공적으로 수행했다 할지라도, 최종 결과물이 어떻게 도출되었는지 그 과정을 돌이켜 설명하기 어려운 경우가 자주 발생한다. 이것은 검색자가 자신도 모르게 검색 행위 중에 학습 행위를 수행하였기 때문이다.

따라서, 처음 입력한 검색어와 최종 입력한 검색어 사이에 연관성을 찾기 어려울 정도로 논리적 도약이 발생한다(검색 중 학습 행위의 결과). 현행 시스템에서는 브라우저의 히스토리를 살펴보는 형식으로 매 회 발생한 이벤트들에 대하여 기록을 남겨주지만, 이러한 기록은 단절된 개별 검색 이벤트들에서 발생한 단편적인 검색 결과물만 기록으로 남기고 있으므로, 논리적 도약을 되돌이켜 상기시키기에는 매우 불완전한 것이 사실이다. 따라서 브라우저 히스토리 기록만 가지고서는 검색 행위 도중 발생한 사고의 흐름(논리적 도약을 발생시키는 학습 행위 중에 발생한 사고의 흐름)을 되돌이켜 상기하기 어렵다.

즉, 복수 회의 검색 행위 동안 성공적으로 학습 행위를 수행하여 검색어의 질적 발전과 결과물의 질적 발전에 성공하여 만족스러운 검색 결과를 얻어냈다고 할지라도 추후에 해당 검색 결과를 얻게 된 사고의 흐름을 돌이켜 상기할 방법이 없다. 1개의 사고 흐름은 곧 검색자의 학습 행위가 어떻게 이루어졌는지를 알 수 있는 기록임에도 불구하고 현행 시스템에서는 본 기록을 완결적인 형태로 남길 방법이 없다.

한국등록특허 제10-0672277호 (2007.01.16. 등록) - 개인화 검색 방법 및 검색 서버

본 발명은 의사결정 과정에서 반드시 발생하는 발산적 사고(Divergent Thinking)와 수렴적 사고(Convergent Thinking)를 컴퓨터를 활용한 검색 환경에서 직접 수행하고, 발생한 사고의 흐름을 기록할 수 있는 의사결정을 위한 전문 지식 탐색 시스템 및 방법을 제공하기 위한 것이다.

본 발명은 검색 행위 중 발생한 사고 흐름을 히스토리로 관리하여 추후에 사고 흐름의 중간 분기점을 만들어 새로운 탐색 행위를 재시작하는데 유용하게 사용될 수 있게 하는 의사결정을 위한 전문 지식 탐색 시스템 및 방법을 제공하기 위한 것이다.

본 발명은 검색 중 발생하는 의외성 발견을 관리하여 검색 초기 생각한 기대 결과 영역을 압도하는 창의적인 결과를 얻어낼 가능성을 높일 수 있는 의사결정을 위한 전문 지식 탐색 시스템 및 방법을 제공하기 위한 것이다.

본 발명의 이외의 목적들은 하기의 설명을 통해 쉽게 이해될 수 있을 것이다.

본 발명의 일 측면에 따르면, 수집된 지식들을 지식 종류에 따라 분류하는 지식 기반 분류부; 사용자 입력에 따라 지정되는 탐색 단계별로 설정된 상기 지식 종류에 상응하는 지식을 탐색하는 지식 탐색부; 상기 지식 탐색부에서의 단계별 탐색결과를 출력하는 탐색결과 출력부; 및 순차적인 상기 단계별 탐색결과를 흐름 순서대로 정리한 히스토리를 기록하고 관리하는 히스토리 관리부를 포함하는 의사결정을 위한 전문 지식 탐색 시스템이 제공된다.

상기 지식 탐색부는 순차적인 탐색 단계에 따라 지식 탐색을 수행하는 단계별 지식 탐색 모듈을 포함하며, N 번째 단계에서는 이전 단계에서의 탐색결과 중 선택된 결과에 대응되고 N 번째 단계에 대해 설정된 지식 종류에 상응하는 지식이 탐색될 수 있다.

N 번째 단계에서는 1번째 단계에서 (N-1)번째 단계 중 전체 혹은 선택된 일부 단계에서의 탐색결과 중 선택된 결과를 이용하여 지식 탐색을 수행할 수 있다.

상기 지식 탐색부는 상기 히스토리 관리부에 의해 관리되는 상기 히스토리를 활용하여 분기점을 설정하고, 상기 분기점에서 새로운 탐색이 진행되는 분기 탐색 모듈을 더 포함할 수 있다.

상기 분기 탐색 모듈은 상기 히스토리에서 n 번째 단계를 상기 분기점으로 설정한 경우, 상기 히스토리에서 n 번째 단계 이후의 탐색 단계를 삭제하고 사용자 입력에 따라 새롭게 상기 지식 종류가 선택되어 사고의 도약이 이루어지게 할 수 있다.

상기 지식 탐색부는 C-K 캔버스를 생성하고 관리하는 C-K 캔버스 모듈과 연동하며, 상기 C-K 캔버스 모듈은 상기 히스토리에 상응하여 상기 C-K 캔버스 상에 3차원 평면으로 상기 단계별 탐색결과를 배치시키고, 상기 분기 탐색 모듈은 상기 히스토리에 포함된 원본 단계별 탐색결과 중 선택된 탐색 단계에서 선택되었던 지식 요소 중 전체 혹은 일부를 선택하여 분기하여 지식 탐색을 수행할 수 있다.

상기 분기 탐색 모듈은 상기 원본 단계별 탐색결과 이외에 분기에 의한 탐색결과 중 동일한 지식 종류 혹은 다른 지식 종류의 지식 요소를 이용한 3차원적 지식 탐색이 가능할 수 있다.

상기 지식 기반 분류부는 원지식과 배경지식을 구축하는데 필요한 명제적 지식에 해당하는 선언적 지식, 문제를 해결하는 절차에 대한 절차적 지식, 각 절차에서 발생하는 상기 선언적 지식들의 선택 혹은 탈락의 기준 및 조건에 대한 조건적 지식으로 분류할 수 있다.

자연모방 분야의 경우 상기 지식 종류는 자연어 검색(Natural Language Search), 관련 어휘(Related Keywords), 기능(Functions), 연구 논문(Research Papers), 생물학적 시스템(Biological Systems), 제품(Products), 물리적 현상(Physical Effects)의 7 종류를 포함할 수 있다.

한편 본 발명의 다른 측면에 따르면, 의사결정을 위한 전문 지식 탐색 시스템에서 수행되는 전문 지식 탐색 방법으로, 지식 기반 분류부에서 수집된 지식들을 지식 종류에 따라 분류하는 단계; 사용자 입력에 따라 각 탐색 단계에 상응하는 상기 지식 종류를 설정하는 단계; 지식 탐색부에서 순차적으로 상기 각 탐색 단계를 수행하는 단계; 단계별 탐색결과를 출력하는 단계; 및 히스토리 관리부에서 순차적인 상기 단계별 탐색결과를 흐름 순서대로 정리한 히스토리를 기록하는 단계를 포함하는 의사결정을 위한 전문 지식 탐색 방법이 제공된다.

상기 각 탐색 단계를 수행하는 단계는 N 번째 단계의 경우 이전 단계에서의 탐색결과 중 선택된 결과에 대응되고 N 번째 단계에 대해 설정된 지식 종류에 상응하는 지식이 탐색될 수 있다.

상기 지식 탐색부가 상기 히스토리 관리부에 의해 관리되는 상기 히스토리를 활용하여 분기점을 설정하는 단계; 및 상기 분기점에서 새로운 탐색이 진행되는 단계를 포함하되, 분기 탐색에 의해 사고의 도약이 이루어지게 할 수 있다.

상기 지식 탐색부는 C-K 캔버스를 생성하고 관리하는 C-K 캔버스 모듈과 연동하며, 상기 C-K 캔버스 모듈이 상기 히스토리에 상응하여 상기 C-K 캔버스 상에 3차원 평면으로 상기 단계별 탐색결과를 로딩하는 단계; 및 상기 지식 탐색부가 상기 히스토리에 포함된 원본 단계별 탐색결과 중 선택된 탐색 단계에서 선택되었던 지식 요소 중 전체 혹은 일부를 선택하여 분기하여 지식 탐색을 수행하는 단계를 더 포함하되, 상기 원본 단계별 탐색결과 이외에 분기에 의한 탐색결과 중 동일한 지식 종류 혹은 다른 지식 종류의 지식 요소를 이용한 3차원적 지식 탐색이 가능할 수 있다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

본 발명의 실시예에 따르면, 의사결정 과정에서 반드시 발생하는 발산적 사고와 수렴적 사고를 컴퓨터를 활용한 검색 환경에서 직접 수행하고, 발생한 사고의 흐름을 기록할 수 있는 효과가 있다.

또한, 검색 행위 중 발생한 사고 흐름을 히스토리로 관리하여 추후에 사고 흐름의 중간 분기점을 만들어 새로운 탐색 행위를 재시작하는데 유용하게 사용될 수 있게 하는 효과도 있다.

또한, 검색 중 발생하는 의외성 발견을 관리하여 검색 초기 생각한 기대 결과 영역을 압도하는 창의적인 결과를 얻어낼 가능성을 높일 수 있는 효과도 있다.

도 1은 KIPRIS 시스템에서의 검색 결과 화면 예시도,
도 2는 Naver 검색 플랫폼에서의 검색 결과 화면 예시도,
도 3은 본 발명의 일 실시예에 따른 의사결정을 위한 전문 지식 탐색 시스템의 구성 블록도,
도 4는 본 발명의 일 실시예에 따른 전문 지식 탐색 시스템의 지식 탐색부과 이에 연동되는 C-K 캔버스 모듈의 상세 구성도,
도 5는 본 발명의 일 실시예에 따른 의사결정을 위한 전문 지식 탐색 방법의 순서도,
도 6은 본 발명의 일 실시예에 따른 의사결정을 위한 전문 지식 탐색 방법 중 분기 과정의 순서도,
도 7은 전문 지식 탐색 시스템의 출력부에서 출력하는 화면으로, 단계별 지식 탐색의 기본 화면,
도 8은 단계별 지식 탐색 시 각 단계들을 설정한 모습의 화면,
도 9는 1단계에서 자연어 검색을 위한 키워드를 입력한 화면,
도 10은 2단계에서 자연어 검색에 대응되는 관련 어휘에 대한 탐색 결과를 나타낸 화면,
도 11은 2단계에서의 선택 결과에 따른 3단계 연구 논문에 대한 탐색 결과를 나타낸 화면,
도 12는 탐색 히스토리들이 저장된 화면,
도 13은 단계별 지식 탐색 결과에 따른 제1 히스토리 기록 화면,
도 14는 도 13에 도시된 제1 히스토리 기록에서 분기된 제2 히스토리 기록 화면,
도 15는 단계별 지식 탐색 결과로부터의 분기 모습을 나타낸 도면,
도 16은 C-K 캔버스에서의 분기 모습을 나타낸 도면,
도 17은 단계별 지식 탐색 기록 중 일부를 C-K 캔버스에 불러와서 3차원으로 도시한 화면,
도 18은 C-K 캔버스에 불러온 단계별 지식 탐색 기록으로부터 분기가 이루어진 예시도.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 각 도면을 참조하여 설명하는 실시예의 구성 요소가 해당 실시예에만 제한적으로 적용되는 것은 아니며, 본 발명의 기술적 사상이 유지되는 범위 내에서 다른 실시예에 포함되도록 구현될 수 있으며, 또한 별도의 설명이 생략될지라도 복수의 실시예가 통합된 하나의 실시예로 다시 구현될 수도 있음은 당연하다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일하거나 관련된 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

또한, 명세서에 기재된 "…부", "…유닛", "…모듈", "…기" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

도 1은 KIPRIS 시스템에서의 검색 결과 화면 예시도이고, 도 2는 Naver 검색 플랫폼에서의 검색 결과 화면 예시도이며, 도 3은 본 발명의 일 실시예에 따른 의사결정을 위한 전문 지식 탐색 시스템의 구성 블록도이고, 도 4는 본 발명의 일 실시예에 따른 전문 지식 탐색 시스템의 지식 탐색부과 이에 연동되는 C-K 캔버스 모듈의 상세 구성도이며, 도 5는 본 발명의 일 실시예에 따른 의사결정을 위한 전문 지식 탐색 방법의 순서도이고, 도 6은 본 발명의 일 실시예에 따른 의사결정을 위한 전문 지식 탐색 방법 중 분기 과정의 순서도이며, 도 7은 전문 지식 탐색 시스템의 출력부에서 출력하는 화면으로, 단계별 지식 탐색의 기본 화면이고, 도 8은 단계별 지식 탐색 시 각 단계들을 설정한 모습의 화면이며, 도 9는 1단계에서 자연어 검색을 위한 키워드를 입력한 화면이고, 도 10은 2단계에서 자연어 검색에 대응되는 관련 어휘에 대한 탐색 결과를 나타낸 화면이며, 도 11은 2단계에서의 선택 결과에 따른 3단계 연구 논문에 대한 탐색 결과를 나타낸 화면이고, 도 12는 탐색 히스토리들이 저장된 화면이며, 도 13은 단계별 지식 탐색 결과에 따른 제1 히스토리 기록 화면이고, 도 14는 도 13에 도시된 제1 히스토리 기록에서 분기된 제2 히스토리 기록 화면이며, 도 15는 단계별 지식 탐색 결과로부터의 분기 모습을 나타낸 도면이고, 도 16은 C-K 캔버스에서의 분기 모습을 나타낸 도면이다.

앞서 검색 중 발생하는 학습 행위를 검색자의 경험이나 능력에 의존하는 문제, 검색 중 발생하는 학습 행위를 기록하지 못하는 문제는 적확한 검색 결과를 얻어내는 과정, 즉 검색 중 발생하는 학습 행위를 지원하지 못하는데서 발생한 문제였다. 그러나 지식을 검색하는 행위는 사용자가 만족할만한 결과가 나올 때까지 계속된다.

즉, 적확한 검색어에 따른 적확한 검색 결과를 도출하는 행위도 중요하지만, 적확한 검색 결과는 아니지만 검색자의 창의성을 촉발시킬 수 있는 적확하지는 않으나 사용자를 만족시킬 수 있는 검색 결과를 도출하는 행위도 매우 중요하다.

다시 말해서 검색 행위는 의외성을 새롭게 발견하는 행위까지도 포함된다. 이것은 검색 행위 중 발생하는 창의성과도 관련이 깊다. 예를 들어, 기대하지 않았던 결과이지만 검색의 동기를 충분히 만족시킬 수 있는 결과라고 검색자가 판단하여 용인한 경우이다.

검색자가 처음 검색 행위를 시작하는 단계에서 (첫 검색어를 연상하는 과정에서) 기대했던 기대 결과 영역과는 전혀 관계 없는 결과가 도출되었음에도 불구하고, 의외로 그것이 사용자의 기대를 만족하는 경우가 빈번히 발생한다. 이렇게 검색 도중 의외성을 발견하는 경우는 검색 중간에 도출된 의외의 개념을 검색자가 포착해 검색 행위를 처음의 검색 맥락에서 비껴 수행해 나간 경우이다.

이것은 전문가인 검색자가 복잡하고 전문적인 지식을 탐색하는 상황에서 빈번히 발생한다. 왜냐하면 검색의 대상이 되는 지식이 복잡하고 전문적일수록 검색 행위에 영향을 미치는 지식도 그만큼 복잡하게 서로 얽혀있고, 지식의 종류도 많을 수 밖에 없기 때문이다. 따라서, 어떤 종류의 지식이 어느 순간에 의외의 개념(의외성)을 발견할 수 있게 해줄지 예측하기가 곤란하다.

오히려 어떤 종류의 지식을 탐색해야겠다고 미리 특정하는 경향은 연구자가 반드시 타파해야 하는 경향이라고 받아들여지고 있다. 왜냐하면 솔루션 공간(Solution Space)(문제 해결의 답을 탐색해나가는 탐색 영역)을 좁히는 결과를 초래해 고정관념에 사로잡힌 뻔한 결과를 도출하는 원인이 된다. 이것은 탐색/연구에서의 바이어스를 만들어내며, 잘못된 솔루션을 도출하는 근본 원인이다. 결국 검색 중간에 도출된 의외의 개념들을 가지고 솔루션 공간을 가능한 한 넓히는 것이 필요하다.

이렇게 검색 도중 발생하는 의외의 개념(의외성)을 가지고 솔루션 공간을 충분히 넓힐 수 있다면, 결과적으로 검색 초기에 생각한 기대 결과 영역을 압도하는 창의적인 결과를 얻어낼 가능성이 크다.

기존의 검색 시스템들은 검색된 지식을 정보의 종류에 의거해 분류하고, 2차원 평면의 화면 분할을 만들어 이를 제공하였다.

도 1에는 KIPRIS 시스템에서의 "생태 모방"이라는 키워드에 대한 검색 결과 화면이 도시되어 있다. KIPRIS 시스템에서는 검색어에 대해 특허실용, 디자인, 상표, 미국 유럽, 일본 등으로 나눠 정보를 제공한다. KIPRIS 시스템은 관련 지식재산권을 탐색하기 위해 개발되었다는 목적을 가지고 있기 때문에, 지식재산권의 종류에 따라 정보를 나누어 제공하고 있다.

일반적인 포털 시스템들도 정보의 종류에 따라 화면을 분할하여 검색 결과를 제공하고 있다. Naver 검색 포털의 경우, 정보의 종류에 따라 블로그, 지식in, 파워링크(광고), 웹사이트, 뉴스, 카페, 동영상, 책, 이미지 등과 같이 정보의 종류에 따라 검색 결과를 큐레이팅하여 제공하고 있다. 도 2에는 Naver 검색 포털에서의 "생태 모방"이라는 키워드에 대한 검색 결과 화면이 도시되어 있다.

그러나, 시스템의 목적이 정보 탐색이 아닌 아이디에이션(ideation) 혹은 연구개발(R&D)인 경우, 검색의 결과는 정보의 종류로 분류되어 출력되기에는 너무도 많은 지식 종류를 포함해야 한다.

예를 들어, 자연모방 아이디에이션 및 연구개발을 위한 검색 플랫폼의 경우, 지식 종류가 "기능(Function)", "생물학적 시스템(Biological System)", "물리적 현상(Physical Effect)", "관련 어휘(Related Keywords)", "연구 논문(Research Papers)" 등으로 다양하다. 이 모든 지식이 서로 연결되어 있기 때문에 기존 검색 시스템과 같이 단순히 웹사이트, 뉴스, 블로그, 이미지, 백과사전 등의 정보 종류에 따른 분류로 검색 결과를 제공하기에는 부적합하다.

따라서, 본 실시예에 따른 의사결정을 위한 전문 지식 탐색 시스템(100)에서는 정보 단위가 아닌 지식 단위로 검색 결과를 제공하고자 한다. 전문 지식 탐색 시스템(100)에는 예를 들어 자연모방 아이디에이션 및 연구개발을 위한 검색 플랫폼이 포함될 수 있다.

정보 단위가 아닌 지식 단위로 검색 결과 제공이 필요한 이유는 다음과 같다.

인지심리학 연구에 따르면 전문가들은 사고 중에 지식 리소스 간의 연결 고리를 자유자재로 이용해 사고를 확장해가는 경향이 있다. 즉, 전문가들은 일반인들이 미처 연관성을 생각해내지 못하는 지식 간의 연결을 쉽게 연결 지을 수 있는 특별한 능력을 학습을 통해 갖게 된다는 것이다.

이것은 전문가들이 지식을 검색하는 행위에서 이 의외의 개념(의외성)을 발견하는 것이 얼마나 중요한지 보여준다. 왜냐하면 전문가들은 일반인들이 미처 연관성을 생각해내지 못하는 다른 종류의 지식간 연결 관계를 유사도로 이해할 수 있기 때문에, 전문가들의 의사결정에 활용되는 지식의 종류는 매우 다양하며, 그것은 정보의 종류에 따른 분류로는 표현하기 어려운, 전문가들의 잠재의식 속에 자리잡은 지식의 종류에 의존한다.

전문 의사결정을 수행하는 사람들이 어떤 정보 종류를 의사결정 과정에 사용하는지 분석하기 위해 카드 소팅 기법을 사용하여 검색자들이 어떤 정보 종류를 어느 순간에 사용하는지 조사한다. 조사 방법은 정보 종류가 적혀있는 카드들을 테이블에 무작위로 배치시키고, 의사결정의 프로세스를 전문가 스스로 되짚어보면서 나열해가도록 장려하는 방법을 사용한다. 직접 프로세스를 구술하게 하며, 조사를 진행하는 조사원은 각 정보 종류가 왜 그 순간에 사용되는지 그 인과관계를 조사한다. 그럼으로써 조사원은 전문가들이 어떤 지식 종류에 접근하기 위해 어떤 정보 종류를 사용하는지 자연스럽게 알 수 있게 된다. 이 방법으로 정보 종류가 아닌 지식 종류로 의사결정 과정에서의 지식 전달의 체계를 설명할 수 있다.

예를 들어, 자연모방의 경우 "기능(Function)", "생물학적 시스템(Biological System)", "물리적 현상(Physical Effects)", "관련 어휘(Related Keywords)", "연구 논문(Research Papers)" 등의 지식 종류가 의사결정 과정에 영향을 미치는 것으로 확인되었다.

물론 지식의 종류는 그 지식 검색 플랫폼의 도메인(분야) 특징에 따라 바뀔 수 있다. 또한, 자연모방의 경우에도 추가적인 지식 종류가 지식 검색 플랫폼에 제공될 수 있다.

조사 결과 자연모방 설계를 포함한 전문적인 의사결정 과정에서 많은 지식 종류가 유통되고 있다는 사실이 발견되었다. 전문가들도 그동안의 경험을 토대로 미처 생각지 못했던 지식 종류로부터 의외의 개념(의외성)을 발견할 수 있을 것이라는 기대를 가지고 있다. 이를 통해 창의적 문제 해결의 실마리를 얻을 수 있다는 기대를 가지고 문제 해결을 시도하고 있다.

하지만 대부분의 정보 검색 시스템은 지식의 종류가 아닌 정보의 종류를 기준으로 검색 결과를 제공하고 있기 때문에, 머리 속(내재적)으로 인지하고 있는 어떤 지식 종류를 직접 접근하여 지식 탐색을 수행하지 못하고 있는 실정이다. 오히려 이러한 한계를 오랜 문제해결 경험을 통해 이미 체감하였고, 그 대안으로 각자 자신만의 방법을 만들어 지식 탐색을 수행하고 있다. 즉, 간접적으로 어떤 정보 종류가 어떤 지식 종류를 제공할 수 있는지에 대한 연결고리를 각기 자신만의 방법으로 학습해 왔다. 이 연결고리를 쫓아 현행 정보 검색 플랫폼이 허락하는 정보 종류에 의거한 지식 탐색을 수행하고 있는 실정이다.

그럼에도 불구하고 그동안 지식 종류에 따른 지식 탐색이 불가능했던 이유는 다음과 같다.

어떤 지식 종류가 어느 순간에 의외의 개념(의외성)을 제공할 수 있을지 예측이 불가하다. 따라서 정보를 지식의 단위에서 재편집하여 데이터베이스나 지식베이스(Knowledge-base)로 구조화하기 어려웠다.

또한, 전문가들의 검색에서는 일반인들의 검색 행위보다 사고 도약이 훨씬 크게 발생하지만, 기존의 정보 탐색 UI에서는 이 사고 흐름을 지원할 수 있는 형태의 검색 경험을 제공할 수도 없을 뿐더러, 이를 기록할 수 있는 방법이 없다.

검색자가 처음 연상한 기대 결과 영역의 바깥에 의외의 해답이 존재할 가능성이 높지만, 지식 단위가 아닌 정보 단위로 데이터를 저장하고 제공하는 현행 검색 플랫폼 구조 상, 웹문서에 존재하는 하이퍼링크들을 기준으로 정보간의 연결을 제공할 수 밖에 없다.

따라서, 전문가들은 각기 스스로 터득한 방법(노하우)을 가지고 기존 정보 검색 플랫폼에서 지식 검색을 수행하는데, 이때 전문가(검색자)들은 기존 정보 검색 플랫폼이 정보 종류에 따라 편집/출력한 결과들을 살펴본다. 관련된 정보라고 판단된 정보를 하나하나 살펴보고, 여기서 포착한 내용을 지식의 수준으로 변환하여 다른 유사 지식 종류들과 연결한다. 이때 정보(웹사이트, 뉴스, 블로그, 이미지, 동영상 등)에 기 연결되어 있는 하이퍼링크를 활용하여 다른 정보로 점핑(도약)할 수 있다. 새로 검색해보아야겠다고 판단한 지식 종류를 적절한 검색어로 변환하여 기존 정보 검색 플랫폼에 입력한다. 정보를 살펴보고 지식을 추출하는 행위를 위와 같은 방법으로 복수 회 반복한다.

즉, 지식의 파생과 그로 인한 사고의 도약을 가능하게 하기 위해서는 정보 탐색의 행위를 검색자 스스로 복수 회 알아서 반복해야 하는 한계가 있다.

본 발명의 실시예에서는 이러한 행위를 검색어들의 변화, 검색에 사용된 지식 종류의 변화, 도출된 결과의 변화로 일목요연하게 기록하고 저장한 뒤 다시 불러내 사용할 수 있도록 한다. 따라서, 전문가들의 지식 탐색 행위가 지식 → 정보 → 지식 → 정보 → 지식의 불필요한 변환과정 없이 이루어질 수 있으며, 신규 연구자(아직 자신만의 지식 탐색 노하우가 갖춰지지 못한 학생 초보자)들의 교육에도 활용될 수 있다.

검색의 맥락이 기존 맥락에서 크게 벗어난 경우, 이 사고 흐름을 기록하지 않는다면 첫 검색어와 최종 검색 결과 사이의 연관성을 되돌이켜 생각하기가 불가능해진다. 다시 설명하면, 검색자가 의외성을 발견하여 의외의 개념으로 검색을 재시작한 순간 기존 검색 맥락에서 크게 벗어나 버리기 때문에 이를 기록하는 기능이 필요해진다. 검색 행위 도중에 검색자가 의외의 개념(의외성)을 새롭게 발견한다면, 논리 도약이 발생하여 최종 검색 결과가 어떻게 도출될 수 있었는지 상기하기 어려울 정도로 기록 맥락에서 벗어날 수 있기 때문이다.

본 발명의 실시예에서는 히스토리 기록 기능을 통해 다음과 같은 장점을 가져올 수 있다. 전문가들의 검색 행위 중에는 다양한 지식 종류들이 상호 연결되므로, 기록으로 남은 과거의 검색 결과를 불러올 수 있다면, 사고 과정 중의 브랜칭(분기)을 하여 완전히 새로운 검색 행위를 복수 개 만들어낼 수 있다. 이는 과거의 문제 해결 사례를 토대로 새로운 문제 해결 실마리를 얻어낼 수 있게 한다.

기존 검색 환경들이 가진 문제는 검색자의 학습 행위를 오직 추천 검색어 혹은 연관 검색어 제공으로만 지원한다는 한계, 검색자의 학습 행위는 검색자 개인의 경험이나 노하우에 의존한다는 한계, 검색자의 학습 행위를 기록으로 남기지 못한다는 한계가 있다.

따라서, 본 발명의 실시예에서는 복수 회의 검색이벤트를 거쳐 검색어를 발전시켜 나가고, 그에 따라 검색 결과도 발전시켜 나가는 행위를 지원하며, 학습 행위를 통해 발생한 논리적 도약의 사고 흐름을 히스토리로 기록할 수 있게 하고자 한다.

다양한 검색 템플릿(지식 종류 템플릿)을 사용자가 그때그때 조합해가며 검색 행위를 수행하도록 함으로써, 검색어를 발전시켜 나가는 행위와 결과를 발전시켜 나가는 행위를 시각적으로 보여줄 수 있게 된다.

본 발명의 실시예에 따른 전문 지식 탐색 시스템(100)에 의하면, 의사결정을 위한 전문 지식 탐색 과정에서 전문가(검색자)들이 수행하게 되는 검색 중 학습을 통한 지식 및 솔루션 공간을 확장하여 보다 창의적인 솔루션을 얻을 수 있게 도울 수 있다. 논리적 도약의 사고 흐름을 기록하여 의사결정 과정을 원활히 할 수 있다. 그리고 기존 기록된 사고 흐름을 불러내고, 이를 재사용하여 기존 사고 흐름의 중간에 새로운 브랜치(분기)를 만드는 형태로 새로운 사고의 흐름을 만들어갈 수 있게 해준다.

도 3을 참조하면, 본 실시예에 따른 전문 지식 탐색 시스템(100)은 지식 기반 분류부(110), 사용자 입력부(120), 지식 탐색부(130), 탐색결과 출력부(140), 히스토리 관리부(150)를 포함한다.

지식 기반 분류부(110)는 수집된 지식들을 정보 종류가 아닌 지식 종류로 분류시킨다.

지식은 정보와 다르게 다음 3가지 종류의 대분류로 나눌 수 있다.

대분류 1은 선언적 지식(명제적 지식)이다. 사실, 개념, 원리에 대한 지식이다. 사실, 개념, 원리에 대한 정보들의 집합이다. 원지식과, 원지식으로부터 파생된 배경지식들의 네트워크 체계로 이루어져 있다.

예를 들어, 도 5에 도시된 것과 같이 자연모방 분야에서는 자연어 검색(Natural Language Search), 관련 어휘(Related Keywords), 기능(Functions), 연구 논문(Research Papers), 생물학적 시스템(Biological Systems), 제품(Products), 물리적 현상(Physical Effects)과 같은 7 종류의 선언적 지식 종류가 있을 수 있다. 선언적 지식 종류는 필요에 따라 추가될 수 있고, 지식 분야에 따라 변경될 수 있다.

선언적 지식은 '원지식'과 '배경지식'을 구축하는데 필요한 명제적 지식들이다. 자연어 검색 역시 정의한 문제를 구체화하는데 필요한 지식이므로 명제적 지식에 포함된다(자연어(Natural Language)는 "A라는 제품이 B라는 문제를 해결하는데 관련되어 있다"는 명제이기 때문임). 나머지 지식들 모두 (N-1)단계의 지식과 연관된 (N)단계의 지식이라는 명제를 구성하고 있다.

대분류 2는 절차적 지식이다. 문제를 해결하는 절차에 대한 지식이다. 후술하는 C-K 캔버스 모듈에서 절차적 지식을 3차원 평면 위에 구조화할 수 있다. 3차원인 이유는 C 레이어와 K 레이어라는 2개 층 위에서 선언적 지식을 각각 구조화해가면서 문제를 해결해가기 때문이다.

절차적 지식은 제품 혹은 서비스 재설계를 수행하는데 필요한 절차를 포함한다. 절차적 지식은 크게 Discover, Define, Develop, Deliver의 4단계(디자인 프로세스 4D)로 구성된다.

4D는 제품 혹은 서비스의 문제를 해결하는 4개의 절차적 단계를 의미한다. 디자인 프로세스의 절차이다.

Discover는 제품이나 서비스의 문제를 찾아내고, 여러 문제가 발견될 경우 문제들의 시급성을 평가하는 과정이다. 가장 시급한 문제에 관련된 배경지식을 습득한다. 제품 및 서비스 사용자 조사 및 시장 조사 등을 수행할 수 있다.

Define은 문제가 초래된 근본 원인을 분석한다(발산적 사고). 문제를 구체적으로 1개 문장으로 정의한다(수렴적 사고). 문제 해결에 필요한 기능적 요구사항들을 도출한다. 문제 해결에 필요한 기능적 요구사항들을 도출한다. 설계 제약조건(제조 단가, 개발 기간, 개발 투입 인력, 제품 크기, 호환성 등)을 정의한다.

Develop은 기능 요구사항을 달성할 수 있는 아이디어 및 솔루션을 도출한다(발산적 사고). 구현 가능한 솔루션을 1개로 추려낸다(수렴적 사고).

Deliver는 구현 가능한 솔루션을 실제 제품 혹은 서비스 프로토타입(목업)으로 구현하여 문제 해결이 가능한지를 평가한다. 제품을 양산하거나 서비스를 런칭하기 전까지의 과정을 수행한다.

각 절차에서 각 선언적 지식들이 반복적으로 사용될 수 있다.

일반적으로 Discover 단계는 사고가 발산하고, Define 단계에서는 수렴하고, Develop 단계에서는 다시 발산한 뒤 Deliver 단계에서 최종적으로 수렴하여 제품 재설계가 완료된다. 또한, 각 4D 단계 안에서 각각 발산과 수렴적 사고가 발생할 수도 있기 때문에 내부적으로 배경지식이 발산했다가 다시 수렴하는 등의 상황이 발생할 수 있다.

여러 종류의 수렴적 지식을 단계별로 필요에 따라 끼워넣으면서 4D의 절차를 무의식적으로 수행하게 되며, 단계별 지식 탐색이 완성되었을 때 탐색 단계들의 순서를 살펴보면 4D의 절차로 자연스럽게 묶일 수가 있다.

대분류 3은 조건적 지식(총체적 지식)이다. 언제, 어디서, 어떻게 선언적 지식을 절차적 지식에 반영하여 사용할 것인지에 대한 지식이다. C-K 캔버스 및 단계별 탐색(Step Search) 히스토리를 저장하고, 과거 사례(C-K 캔버스 및 단계별 탐색)를 새로 불러와서 편집하는 방식으로 새로 만들어진 조건적 지식을 시각적으로 도식화할 수 있다. 과거에 완성한 조건적 지식을 불러와서 새로 습작하는 형태로 조건적 지식을 저장/편집할 수 있다.

조건적 지식은 각 절차에서 발생하는 선언적 지식들의 선택/탈락의 기준 및 조건에 대한 것이다.

단계별 지식 탐색을 절차적으로 구성하는 동안, 만일 Discover 단계에서 물리적 현상에 대한 선언적 지식을 탐색하였다면 제품 자체와 관련된 물리적 현상의 배경지식들이 선택될 것이다.

반면 Develop 단계에서 물리적 현상에 대한 선언적 지식이 또 탐색되었다면, 그때는 앞의 물리적 현상과는 다르게 아이디어 구현에 관련된 물리적 현상의 배경지식들이 선택될 것이다.

이처럼 각 절차 단계에 따라 선언적 지식들의 선택 여부가 달라지게 되고, 탐색자는 자기도 모르게 발산적 사고와 수렴적 사고를 하면서 4D의 단계를 자연스럽게 수행해 나가게 된다.

이러한 조건적 지식이 담긴 것이 단계별 지식 탐색의 전체 흐름이 된다.

사용자 입력부(120)는 의사결정을 위해 전문 지식 탐색을 희망하는 전문가(사용자라고도 칭함)로부터 지식 탐색을 위한 명령을 입력받는다.

또한, 사용자 입력부(120)는 지식 탐색 종류 선택 명령, 예를 들어 단계별 지식 탐색, 분기 탐색, C-K 캔버스 활용 중 하나에 대한 선택을 입력받을 수 있다. 단계별 지식 탐색이 선택된 경우에는 단계별 지식 종류, 단계별 검색어 등을 추가 입력받을 수 있다. 분기 탐색이 선택된 경우에는 분기하고자 하는 과거 사례(즉, 탐색 히스토리)에 대한 선택, 분기 시작점이 되는 단계 등을 추가 입력받을 수 있다. C-K 캔버스 활용이 선택된 경우에는 C 레이어의 컨셉 카드, K 레이어의 지식 카드 등에 대한 선택을 추가 입력받을 수 있다.

지식 탐색부(130)는 사용자 입력부(120)를 통해 입력된 지식 탐색 종류에 따라 지식 탐색을 수행한다. 지식 탐색부(130)의 기능에 대해서는 추후 관련 도면을 참조하여 상세히 설명하기로 한다.

탐색결과 출력부(140)는 지식 탐색부(130)에서 수행된 지식 탐색의 결과를 단계별로 혹은 전체적으로 사용자가 확인 가능하게 화면에 출력한다. 탐색 단계들 중에서 선택된 탐색 단계는 보다 상세하게 해당 단계에서의 지식 탐색 결과를 나타낼 수도 있다.

히스토리 관리부(150)는 일련의 탐색 결과를 하나의 탐색 히스토리로 데이터베이스 혹은 별도의 저장소에 저장(기록)한다. 그리고 사용자 입력에 따라 저장된 히스토(들) 중에서 선택된 히스토리가 로딩되어 탐색결과 출력부(140)를 통해 화면에 출력되게 할 수 있다.

도 5를 참조하면, 본 실시예에서 전문 지식 탐색 시스템(100)은 사용자 입력에 따라 의사결정을 위한 지식 탐색 서비스를 시작한다(S200).

이 경우 각 단계별 지식 탐색을 위해 탐색 단계별 지식 종류가 선택되고(S210), 순차적인 단계별로 탐색이 수행된다(S220).

단계별 탐색 결과는 히스토리로 저장되어 관리될 수 있다(S230).

도 4를 참조하면, 지식 탐색부(130)의 상세 구성 및 지식 탐색부(130)에 연동되는 C-K 캔버스 모듈(160)이 도시되어 있다.

지식 탐색부(130)는 단계별 지식 탐색 모듈(131)을 포함할 수 있다.

단계별 지식 탐색 모듈(131)은 순차적인 탐색 단계에 따라 지식 탐색을 수행하는 단계별 지식 탐색(Step Search)을 수행한다.

단계별 지식 탐색 모듈(131)은 탐색결과 출력부(140)와 연동하여 각 탐색 단계에서 입력/선택된 결과를 반영하여 탐색을 수행한 결과를 사용자가 확인 가능하게 화면에 출력할 수 있다.

각 탐색 단계는 전술한 7 종류의 선언적 지식 종류 중 하나의 지식 종류에 대한 지식 탐색 단계에 해당한다.

사용자 입력부(120)를 통해 입력된 사용자 입력에 따라 탐색 단계의 수, 각 탐색 단계에 설정된 지식 종류 등이 결정될 수 있다.

기본적으로 1단계에는 일반 검색(기존 정보 검색 플랫폼을 활용하는 경우)과 같이 자연어(Natural Language) 기반의 검색이 수행될 수 있다(도 7 등 참조). 만일 처음부터 다른 지식 종류를 사용하고자 한다면, 희망하는 지식 종류로 설정하여 검색을 시작할 수도 있다.

그리고 다음 탐색 단계에서는 이전 탐색 단계에서의 검색을 이용하여 얻고자 하는 지식 종류를 선택한다.

예를 들어, 1번째 탐색 단계가 자연어 검색이고, 2번째 탐색 단계가 연관 어휘라면, 1단계 자연어 검색을 수행하되 그 검색 범위를 설정할 때 연관 어휘라는 지식 종류에 대해 자연어 검색 단계에서 입력/선택된 자연어에 대응되어 검색이 이루어지게 할 수 있다.

탐색 단계별로 확장해 가고자 하는 지식 종류에 따라 사용자가 설정할 수 있다. 확장을 희망하는 지식 종류가 관련 어휘, 연구 논문, 관련 제품이라면 도 8에 도시된 것과 같이 미리 지식 탐색의 단계들을 정해놓은 뒤 탐색을 시작할 수 있다. 순서는 자유롭게 변경 가능하며, 같은 지식 종류에 대해서도 여러번 단계로 삽입할 수 있다.

예를 들어, 처음 자연어로 검색어를 waterproof, fabric, surface를 입력한 뒤, 다음 지식 종류(도면에서는 관련 어휘로 설정되어 있음)로 넘기면, 입력된 검색어에 대한 관련 어휘에 대한 지식들이 출력된다(도 9 및 도 10 참조).

관련 어휘에 대한 지식들로부터 다음 지식 종류(도면에서는 연구 논문으로 설정되어 있음)를 탐색하기 위해, 관련 어휘에서 관련된 것들을 선택한 뒤 다음 단계로 넘어갈 수 있다.

도 11을 참조하면, glazed, waxy, layer, coat, ceramic, edge 등의 관련 어휘 내부의 개념들을 선택하였다. 이 개념들을 가지고 다음 단계(연구 논문) 지식 종류에 대한 검색 결과가 도시되어 있다. 관련된 논문들의 종류가 나와 있으며, 연구 논문이라는 탐색 단계 옆의 삭제(x) 표시를 눌러 해당 단계를 제거하고 다른 지식 종류의 탐색 단계로 변경할 수도 있다.

N 번째 탐색 단계를 수행하는 경우, 이전 탐색 단계들(1 ~ (N-1)번째)의 선택결과들 모두를 종합적으로 반영할 수 있다. 또는 설정에 따라 과거의 검색 결과를 반영하지 않고, N 번째 탐색 단계를 수행할 때 바로 이전 탐색 단계((N-1) 번째)의 선택 결과만을 반영할 수도 있다. 또는 사용자 선택에 따라 이전 탐색 단계들 중 희망하는 탐색 단계(들)을 선택하여 선택된 탐색 단계(들)에서의 선택 결과만이 반영되게 할 수도 있을 것이다.

탐색 결과는 저장(save) 버튼을 통해 저장할 수 있다. 또는 리셋(reset) 버튼을 통해 탐색 결과를 리셋하고 처음부터 다시 시작하게 할 수도 있다.

단계별 지식 탐색 모듈(131)에 의해 수행된 순차적인 단계별 탐색 결과는 사용자의 사고 흐름을 나타낸 것으로, 히스토리 관리부(150)에 의해 하나의 탐색 히스토리로 저장될 수 있다.

히스토리 관리부(150)에 의해 관리하는 탐색 히스토리(들)이 도 12에 예시되어 있다.

도 12를 참조하면, 단계별 탐색 결과가 5개 저장되어 있다. 제1 탐색 히스토리와 제2 탐색 히스토리는 5단계로 구성되어 있고, 제3 탐색 히스토리는 1단계로 구성되어 있으며, 제4 탐색 히스토리는 7단계로 구성되어 있고, 제5 탐색 히스토리는 9단계로 구성되어 있다.

지식 탐색부(130)는 분기 탐색 모듈(133)을 더 포함할 수 있다.

분기 탐색 모듈(133)은 히스토리 관리부(150)에 의해 관리되는 기존에 저장되어 있는 탐색 결과인 탐색 히스토리를 활용하여 분기점을 설정하고 분기점에서 탐색이 새롭게 진행되는 분기 탐색이 이루어지게 한다.

기존에 저장되어 있는 검색 결과(분기 전 화면)는 도 13에 예시된 것과 같이 확인할 수 있다.

기존 결과를 불러와서(S300) 지식 탐색 행위가 완성된 행(row)(도면에서 체크 표시가 된 단계들)을 편집하여, 탐색 행위의 분기를 만들어낼 수 있다(S310). 예를 들어, 도 13에 예시된 탐색 히스토리 중 4번째 탐색 단계인 연구 논문에서 분기된 분기 후 탐색 결과 화면이 도 14에 도시되어 있다.

분기를 만든 뒤 신규 탐색에 따른 단계별 지식 종류를 선택하고(S320), 신규 단계별 탐색을 수행하며(S330), 그 탐색 결과를 새로운 지식 탐색 행위의 기록을 저장함(S340)으로써, 편집된 관련 탐색 행위들을 복수 개 만들어낼 수 있고, 다양한 사고 도약의 도모를 지원할 수 있다.

도 15에는 단계별 탐색 과정(Step Search)에서의 분기 과정이 도식화되어 있다.

제1 단계별 탐색(Step Search 1)의 경우 일직선으로 배치된 다수의 탐색 단계들로 이루어져 있다. 여기서, 다수의 탐색 단계들은 좌에서 우로 향하는 1 방향으로 일직선으로 이루어진 cascade 식이기 때문에, 순차적인 지식 탐색이 수행된다.

이에 대해 5번째 탐색 단계에서 분기된 새로운 제2 단계별 탐색(Step Search 1-1)과, 10번째 탐색 단계에서 분기된 새로운 제3 단계별 탐색(Step Search 1-2) 등이 만들어질 수 있다. 이 경우 분기는 2차원 분기에 해당한다.

다시 도 4를 참조하면, 지식 탐색부(130)는 C-K 캔버스 모듈(160)과 연동할 수 있다.

C-K 캔버스 모듈(160)은 C-K 이론에 기반하여 시간 흐름과 사고 전개 흐름을 기록할 수 있도록 하는 C-K 캔버스(10)를 이용한다. C-K 캔버스(10)는 복잡한 문제해결 문맥을 도식화하여 정의한 뒤, 문제해결에 필요한 솔루션들을 같은 도식 내에서 찾고 응용할 수 있도록 돕는 툴로서, C-K 이론(Concept-Knowledge Theory)에서 발전된 사고 확장 툴이다. C-K 캔버스(10)는 개념과 지식 간의 체이닝 과정을 도식화하여 표현해내도록 한다. 사용자는 개인의 사고 전개 과정을 시각적으로 확인할 수 있게 된다.

C-K 캔버스 모듈(160)은 C-K 캔버스(10)를 구현하여 아이디어을 개념(C) 공간에 넣고 전문지식을 지식(K) 공간에 넣는 형태로 시각화함으로써 사용자가 C-K 이론에 따라 개념과 지식을 상호 중첩시키면서 솔루션을 개발해 나가도록 할 수 있다.

C-K 캔버스(10)는 크게 개념 공간(C 레이어)(11)과 지식 공간(K 레이어)(12)으로 구분된다.

개념 공간(C 레이어)(11)는 Concept Space로, 설계자가 해결해야 할 문제에 대한 배경지식과 거기에 연관된 각종 개념(예를 들어, 스케치나 각종 아이디어 등)을 기재하는 공간이다. 개념 공간에는 주로 아이디어에 대한 키워드 등을 파생으로 계속 기재해 나가게 된다. 파생된 아이디어에는 관계선(링크, 연결선)이 맺어질 수 있다.

지식 공간(K 레이어)(12)는 Knowledge Space로, 설계자가 아이디어를 펼친 개념들을 구현하는데 사용할 수 있는 실제 메커니즘을 찾아 이를 기재하는 공간이다. 설계자가 발견한 각종 매커니즘에 대한 자세한 설명 혹은 체계도 등이 삽입되며, 개념 공간의 각종 개념들을 구현하는데 활용되기 적합한 전문지식 등이 전개될 수도 있다.

개념 공간(11)에는 키워드, 노트 혹은 스케치 등의 자유로운 컨텐츠(컨셉 카드)가 삽입되며, 지식 공간(12)에는 논문, 보고서 발췌 자료, 혹은 물리화학적 메커니즘들에 대한 간략한 도식 등의 전문지식 컨텐츠(지식 카드)가 첨부될 수 있다.

컨셉 카드로 등록될 수 있는 요소들은 지식 기반 시스템에서 사용되는 인과모형의 7개 지식 요소들(자연어(Natural Language) 요소, 관련 어휘(Related Keywords) 요소, 기능(Functions) 요소, 연구 논문(Research Papers) 요소, 생물학적 시스템(Biological Systems) 요소, 제품(Products) 요소, 물리적 현상(Physical Effects) 요소)일 수 있다.

지식 카드 중 어느 하나가 컨셉 카드와 연결되어 있다면, 이는 해당 지식 카드가 연결된 컨셉 카드를 실제 기능으로 구현하는데 참고해야 하는 관련된 전문지식인 것이다.

카드 관리부(163)는 개념 공간과 지식 공간에 각각 등록될 컨셉 카드와 지식 카드의 등록, 편집, 삭제를 관리한다.

사용자 입력이 발생되는 위치에 따라, 개념 공간 상에서 카드 등록과 관련된 사용자 입력이 있는 경우에는 컨셉 카드가 신규 생성되고, 지식 공간 상에서 카드 등록과 관련된 사용자 입력이 있는 경우 지식 카드가 신규 생성되어 등록될 수 있다.

특정 컨셉 카드 혹은 지식 카드에 대해 파생되는 개념이나 지식이 있는 경우, 연관 카드 검색부(165)는 파생되는 개념 혹은 지식에 관한 연관 카드(컨셉 카드 혹은 지식 카드)를 지식 기반 시스템에서 검색하고 추천할 수 있다. 연관 카드의 검색 및 추천에는 사례 재이용(case reuse)이 이용될 수 있다.

연관 카드 검색부(165)에 의해 검색된 여러 연관 카드 중에서 현재의 특정 카드와 연관시키고자 하는 연관 카드가 선택되면, 연관 카드의 속성에 따라 개념 공간 및/또는 지식 공간에 컨셉 카드 및/또는 지식 카드로 등록될 수 있다.

이 경우 링크 연결부(167)는 새롭게 등록된 연관 카드가 현재의 특정 카드로부터 파생되었음을 알리는 링크를 연결하여, 카드들 사이의 연관관계(연결관계, 파생관계)를 시각화시킬 수 있다. 예를 들어, 링크는 화살표선으로 표시될 수 있다. A 카드에서 B 카드가 파생되었으면, A → B로 링크 연결이 이루어질 수 있다.

캔버스 관리부(161)는 시각화된 C-K 캔버스(10)를 관리한다.

단계별 지식 탐색 모듈(131)에 의해 생성된 탐색 히스토리는 C-K 캔버스(10) 상으로 불러올 수 있다. 이 경우 각 탐색 단계들에서의 탐색 결과는 컨셉 카드 혹은 지식 카드의 형태로 C-K 캔버스(10)의 개념 공간 혹은 지식 공간에 배치될 수 있다.

분기 탐색 모듈(133)은 C-K 캔버스(10)에 로딩된 탐색 히스토리를 기초로 하여 분기를 수행할 수도 있다.

도 16에는 C-K 캔버스(10)에서의 분기 과정이 도식화되어 있다.

원본 단계별 탐색 기록에 따른 히스토리는 C-K 캔버스 모듈(160)에서 로딩되어, 제1 그룹(SS1)으로 표시되어 있다. 각 탐색 단계들에서 탐색을 위해 선택된 지식 요소가 오각형으로 표시되어 있다.

Y 분기의 Y-1 분기점은 원본 단계별 탐색 기록 중 2번째 탐색 단계에서 선택되었던 지식 요소들 중 2개를 선택하여 분기한 예시이다. 같은 탐색 단계의 지식 요소들을 토대로 분기를 수행했으므로, 같은 지식 종류의 선택으로부터 분기한 예이다.

R 분기의 R-1 분기점은 Y 분기의 Y-1 분기점과 같다.

R 분기의 R-2 분기점은 R 분기가 분기한 후, 원본 단계별 탐색 기록의 4번째 탐색 단계의 지식 요소가 끼어들기 하여 함께 지식 탐색이 수행되는 분기점이다. 서로 다른 지식 종류이더라도 이렇게 다시 합쳐져서 지식 탐색을 수행할 수 있다. 기존 단계별 단계 탐색에서 기 선택 완료된 과거 탐색 단계들을 선택하여 해당 단계들을 토대로 검색을 수행하는 경우와 동일한 논리 구조로 지식 탐색이 진행된다.

G 분기의 G-1 분기점은 R 분기의 R-2 분기점과 같다. 다른 종류의 지식들에서 선택된 지식 요소를 이용하여 지식 탐색을 수행할 수 있다.

G 분기의 G-2 분기점은 R 분기의 R-2 분기점과 같다. 이에 의하면, 분기와 분기도 지식 탐색이 가능한 3차원적 특성을 가진다.

도 17은 단계별 지식 탐색 기록 중 일부를 C-K 캔버스에 불러와서 3차원으로 도시한 화면이고, 도 18에는 C-K 캔버스에 불러온 단계별 지식 탐색 기록으로부터 분기가 이루어진 예시가 도시되어 있다.

이하에서는 단계별 지식 탐색(Step Search)에 대해 도 13의 탐색 히스토리를 예시로 들어 설명하기로 한다.

(1) 스마트팜에서 1개의 물 분사기가 효율적으로 멀리까지 수분을 전달하는 방법을 해결하고자 하는 상황을 가정한다.

(2) "물 입자를 가진 공기가 멀리까지 전달되지 않음"이라는 문제를 해결하고자 한다.

(3) 이 탐색자는 절차적 지식이 부족한 상태이다. 문제 정의로부터 솔루션 도출까지 디자인 프로세스(4D)에 대한 절차적 지식이 부족하다.

일단 문제 정의를 앞서 (2)에서 수행하였으며, 바로 문제 해결에 필요한 기능 요구사항을 도출하고자 하고 있다.

따라서, 일단 water 라는 '원지식'을 가지고 '배경지식'을 구체화해 나가려고 하고 있다.

도 13을 참조하면, 1단계에서 Natural Language Search로 water를 입력하고 선택하여 다음 단계로 진행한다. 2단계는 Functions 지식 종류이다. water 입력 전에 미리 다음 단계들을 (2차) Functions, (3차) Physical Effects, (4차) Research Papers 등으로 미리 정해 놓을 수도 있다.

'원지식'을 앞서 (2)에서 정의한 문제로 넣을 경우 훨씬 세련된 배경지식들을 탐색할 수 있었을 것이다.

첫번째 배경지식으로 절차적 지식 중 Define 단계의 '기능분석'을 시도하고 있으며, 단계별 지식 탐색에서는 Functions 지식 종류로 이를 탐색할 수 있다.

water에 관한 기능들이 탐색되었고, 이 중 사용자는 Join Liquid를 기능 요구사항으로 선택하였다.

수분 입자들이 멀리 전달되지 않는 근본원인을 중력에 의해 가라앉는다는 원인으로 분석하였으며, 입자가 뭉쳐서 전달될 수 있는 기능으로 배경지식을 확장하고자 하여 Join Liquid를 선택하였다.

(4) Join Liquid라는 기능 요구사항들을 달성하는데 사용할 수 있는 각종 물리적 현상들을 탐색하여, 문제(water라는 원지식)에 관한 배경지식들을 확장하고자 하고 있다. 물리적 현상(Physical Effects) 중 Tidal Force에 착안하고 있다. Tidal Force는 달의 인력으로 인해 파도 및 조수간만이 만들어지는 물리적 현상을 뜻한다.

(5) 실제 Tidal Force가 구현되는 방법에 대한 과학적 지식을 배경지식으로 포섭하고자 Research Papers를 다음 절차로 삼는다. Tidal Force에 관계된 과학적 지식이 논문들로 탐색되었으며, 본 시나리오에서는 2개 논문을 배경지식으로 포섭한 것을 확인할 수 있다.

앞서 (3), (4)에서도 같은 사건이 발생하였는데, 지금 탐색자는 여러 개 추천된 지식들 중 스스로 배경지식으로 갖춰놓는데 필요하다고 판단된 것들을 선택하고 있다.

선택되지 못한 지식들은 추후 히스토리를 불러왔을 때 다시 열어볼 수 있다. 이것은 조건적 지식을 본 단계별 지식 탐색에서 기억할 수 있고, 추후에 습작을 위한 예시로 활용할 수 있다는 것을 의미한다. 즉, 배경지식으로 선택된 것들과 선택되지 못한 기준에 대한 조건을 히스토리로 기억하고 있게 되는 것이다.

(6) 탐색자는 과학적 지식들을 배경지식으로 포섭한 이후, 문제해결에 필요한 기능 요구사항을 보다 구체화할 필요가 있다고 느낄 수 있다. 다시 앞의 기능 분석 절차인 Functions 절차를 생성하여 기능 요구사항의 배경지식을 보다 강화하고자 한다.

Tidal Force로 만들어진 파도에 의해 형광박테리아들이 해변에 몰려오는 현상과, 물을 저장한다는 store에 착안하여 기능 요구사항 배경지식을 확장하였다.

(7) 여기에 관계된 키워드 지식을 탐색하는 절차를 추가하여 미처 놓친 배경지식이 혹시 있는지 탐색하였으며, deliver, salt, crop의 연관 배경지식을 확장하였다.

(8) 본 탐색자는 배경지식이 충분히 모였다고 판단하고, 본인이 해결하고자 하는 문제의 제품(스마트팜의 안개 분사장치) 재설계에 벤치마크 할 수 있을법한 유사 제품들을 탐색하고자 한다. 지금까지의 원지식과 배경지식(water로부터 deliver, salt, crop에 이르기까지의 절차적 단계를 통해 만들어진 배경지식)을 가지고, 여기에 연관된 제품군 지식을 탐색한다.

탐색된 제품군 중 Cloud chamber를 포함한 3개 제품을 선택하였다. Cloud chamber는 이온 움직임을 확인할 때 사용하는 닫힌 공간이다. 안개가 고루 퍼져있어야 하는 제약조건이 존재하여, 지금 탐색자가 재설계하고자 하는 제품과 관련성이 있다.

(9) 다음으로 본 탐색자는 디자인 프로세스 절차의 Discover 및 Define을 만족스러운 수준으로 달성하였다고 스스로 평가하고, 지금까지의 원지식과 배경지식들의 총합을 가지고서, 이제 디자인 프로세스 절차의 Develop 단계로 넘어가고 있다. 즉, 이제 아이디어 및 솔루션을 도출하고자 한다.

자연에 존재하는 사례들 중 효율적으로 본 문제를 유사하게 해결하는 생물체들이 존재하는지 아이디어를 얻고자, 생물체(Biological Systems)들에 대한 사례 지식을 확보하고자 한다.

(10) 본 시나리오에서는 실제 자연의 문제 해결 사례를 탐색하는 단계(Biological Systems)까지 도달하였으나, 아이디어 도출을 위한 과학적 지식(Research Papers)을 추가로 탐색할 수도 있으며, 혹은 기술적 지식(Patents)을 추가로 탐색할 수도 있고, 벤치마크할 제품(Products)을 추가로 탐색하여 벤치마크할 제품으로부터 아이디어 도출을 시도할 수도 있다.

종래 지식 검색 플랫폼에서 다루고 있는 정보의 종류는 특정 정보 탐색 목적에 관계된 모든 메타데이터들의 카테고리에 한정되어 있다. 예를 들어 유전체 정보 탐색에 관계된 모든 유전체 메타데이터들의 카테고리를 탐색의 대상으로 삼거나 웹 상의 정보 탐색에 관계된 모든 HTML 메타데이터들의 카테고리를 탐색의 대상으로 삼거나 음악 정보 탐색에 관계된 모든 음악 메타데이터들의 카테고리를 탐색의 대상으로 감는다.

이에 비해 본 실시예는 정보가 아닌 지식을 구조화하며 탐색해가는 웹 검색 방법이다. 지식이라 함은 여러 정보들에 대한 평가를 거쳐 탐색자가 구조화한 체계를 말한다.

종래 지식 검색 플랫폼에서는 정해진 메타데이터 카테고리 안에서의 정보 탐색만 가능한 한계가 있지만, 본 실시예에서는 선언적 지식에 대한 탐색뿐만 아니라 절차적 지식에 대한 탐색과 조건적 지식에 대한 습작도 함께 수행할 수 있다.

본 실시예에 따른 전문 지식 탐색 시스템(100)에서 선언적 지식을 탐색하는 방법은 다음과 같다. 앞서 예시된 7 종류의 지식 종류를 탐색해가면서 선언적 지식을 구조화할 수 있다. 처음 입력된 원지식으로부터 단계별 지식 탐색을 수행하는 중에 배경지식을 덧붙여 가면서 선언적 지식을 완성할 수 있다.

다음으로 절차적 지식을 탐색하는 방법은 다음과 같다. 탐색자가 상정한 문제를 해결하는 단계별 지식 탐색과 C-K 캔버스의 흐름 중에 순차적으로 사용된 지식들의 종류는 곧 절차적 지식이 구조화된 것이라고 볼 수 있다. 과거에 저장된 단계별 지식 탐색 히스토리 및 C-K 캔버스 히스토리를 불러옴으로써 과거에 사용된 절차적 지식을 확인할 수 있다.

마지막으로 조건적 지식을 습작하는 방법은 다음과 같다.

C-K 캔버스(10)는 C(Concept)와 K(Knowledge)의 2개 레이어로 구성된 3D 캔버스이다.

C 레이어와 K 레이어에서 문제 해결의 과정(문제 정의, 문제 배경 분석, 제약 조건 분석, 아이디어 도출, 솔루션 대안 도출, 솔루션 평가 및 최종 낙점)이 시각적으로 도시된다. 이 과정 속에서 지식이 파생되고 수렴되는 과정을 통해, 어떤 종류의 선언적 지식이 언제 어떻게 사용되었는지 시각적으로 확인할 수 있다.

따라서, 과거의 단계별 지식 탐색 히스토리 및 C-K 캔버스 히스토리를 불러옴으로써, 과거에 사용된 절차적 지식뿐만 아니라 문제 해결의 절차 중에 사용된 선언적 지식들의 종류를 살펴보는 것으로, 조건적 지식까지도 살펴볼 수 있다.

과거의 히스토리를 불러와서 살펴보는 행위는 다른 사람이나 내가 작성했던 과거 사례를 편집하여 완전히 새로운 조건적 지식을 만들어내는 것을 가능하게 하므로 조건적 지식을 습작하는 행위가 가능해진다.

C 레이어에서는 문제 해결에 사용할 수 있는 아이디어들이 개시된다. "~ 이런 논리로 문제를 해결할 수 있을 것이다"에 관계된 선언적 지식들이 개시된다.

K 레이어에서는 아이디어를 물리적으로 실제 구현하는데 적용할 수 있는 솔루션들에 관계된 선언적 지식들이 개시된다. "~ 이런 방법으로 솔루션을 개발할 수 있을 것이다"에 관계된 선언적 지식들이 개시된다.

C-K 캔버스에서 Knowledge라는 용어는 구현 방법으로 해석할 수 있다.

C-K 캔버스에서 C 레이어와 K 레이어로 구분된 이유는 문제를 해결하는 방법(솔루션)을 발전시켜 나가는 과정에 있어서 개념적인 지식과 실제 구현을 위한 지식의 층위가 서로 다르므로, 이를 나누기 위해 서로 구분된 것이다.

예를 들어, 설계자들의 문제 해결 과정에서 "식수로 사용할만한 물이 적다"는 문제를 해결한다고 하였을 때, "식수로 사용할만한 물이 적다"는 문제를 해결하는 개념적인 아이디어로서, "해수의 담수화", "오염된 물의 정수", "공기 중 수분 포집" 등의 다양한 개념적 아이디어가 C 레이어에 도시될 수 있다.

"해수의 담수화"에는 "물의 증발", "소금 추출" 등의 세부적인 파생되는 개념적 아이디어가 추가적으로 C 레이어에 발산될 수 있다. 또한, C 레이어에서 발산된 아이디어들은 보다 구현이 쉬운 혹은 제품 컨셉에 맞는 아이디어들로 수렴될 수 있다.

C 레이어에서 발산된 개념적 아이디어들은 K 레이어로 옮겨가서, 해당 개념적인 아이디어를 물리적으로 구현하는 여러 구현 방법들로 발산될 수 있다. 예를 들어, "물의 증발"이라는 C 레이어의 아이디어로부터 물을 증발시키는 다양한 구현 방법들이 K 레이어에서 발산, 도시될 수 있다.

궁극적으로 K 레이어에서는 발산된 여러 구현 방법들 중 실제 가용 예산과 보유 기술을 따져 보았을 때 현실적으로 구현 가능한 대안들이 추려져 수렴된다.

이처럼 C 레이어 및 K 레이어에서 각각 사고의 발산과 수렴이 이루어진다.

전술한 예처럼, C 레이어 및 K 레이어에서 각각 사고의 발산과 수렴이 이루어지기 때문에, C와 K를 층위로 서로 구분해서 문제해결 과정 중 발생하는 사고의 흐름을 정리하도록 하고 있다.

본 실시예에 따른 의사결정을 위한 전문 지식 탐색 시스템 및 방법에 의하면, 선언적 지식(명제적 지식)의 폭을 정보 메타데이터 카테고리로 한정하지 않고, 관련된 배경지식의 범주로 더 넓혀서 절차로 남길 수 있게 하거나 과거 절차를 불러올 수 있을 뿐만 아니라, 절차적 지식 및 조건적 지식까지도 저장/편집(습작) 할 수 있게 된다.

전술한 전문 지식 탐색 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 전문 지식 탐색 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 전문 지식 탐색 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

상기에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

100: 전문 지식 탐색 시스템 110: 지식 기반 분류부
120: 사용자 입력부 130: 지식 탐색부
140: 탐색결과 출력부 150: 히스토리 관리부
131: 단계별 지식 탐색 모듈 133: 분기 탐색 모듈
160: C-K 캔버스 모듈 161: 캔버스 관리부
163: 카드 관리부 165: 연관 카드 검색부
167: 링크 연결부 10: C-K 캔버스
11: 개념 공간 12: 지식 공간

Claims (13)

1. 수집된 지식들을 지식 종류에 따라 분류하는 지식 기반 분류부;
   사용자 입력에 따라 지정되는 탐색 단계별로 설정된 상기 지식 종류에 상응하는 지식을 탐색하는 지식 탐색부;
   상기 지식 탐색부에서의 단계별 탐색결과를 출력하는 탐색결과 출력부; 및
   순차적인 상기 단계별 탐색결과를 흐름 순서대로 정리한 히스토리를 기록하고 관리하는 히스토리 관리부를 포함하는 의사결정을 위한 전문 지식 탐색 시스템.
   
2. 제1항에 있어서,
   상기 지식 탐색부는 순차적인 탐색 단계에 따라 지식 탐색을 수행하는 단계별 지식 탐색 모듈을 포함하며,
   N 번째 단계에서는 이전 단계에서의 탐색결과 중 선택된 결과에 대응되고 N 번째 단계에 대해 설정된 지식 종류에 상응하는 지식이 탐색되는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
3. 제2항에 있어서,
   N 번째 단계에서는 1번째 단계에서 (N-1)번째 단계 중 전체 혹은 선택된 일부 단계에서의 탐색결과 중 선택된 결과를 이용하여 지식 탐색을 수행하는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
4. 제2항에 있어서,
   상기 지식 탐색부는 상기 히스토리 관리부에 의해 관리되는 상기 히스토리를 활용하여 분기점을 설정하고, 상기 분기점에서 새로운 탐색이 진행되는 분기 탐색 모듈을 더 포함하는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
5. 제4항에 있어서,
   상기 분기 탐색 모듈은 상기 히스토리에서 n 번째 단계를 상기 분기점으로 설정한 경우, 상기 히스토리에서 n 번째 단계 이후의 탐색 단계를 삭제하고 사용자 입력에 따라 새롭게 상기 지식 종류가 선택되어 사고의 도약이 이루어지게 하는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
6. 제4항에 있어서,
   상기 지식 탐색부는 C-K 캔버스를 생성하고 관리하는 C-K 캔버스 모듈과 연동하며,
   상기 C-K 캔버스 모듈은 상기 히스토리에 상응하여 상기 C-K 캔버스 상에 3차원 평면으로 상기 단계별 탐색결과를 배치시키고,
   상기 분기 탐색 모듈은 상기 히스토리에 포함된 원본 단계별 탐색결과 중 선택된 탐색 단계에서 선택되었던 지식 요소 중 전체 혹은 일부를 선택하여 분기하여 지식 탐색을 수행하는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
7. 제6항에 있어서,
   상기 분기 탐색 모듈은 상기 원본 단계별 탐색결과 이외에 분기에 의한 탐색결과 중 동일한 지식 종류 혹은 다른 지식 종류의 지식 요소를 이용한 3차원적 지식 탐색이 가능한 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
8. 제1항에 있어서,
   상기 지식 기반 분류부는 원지식과 배경지식을 구축하는데 필요한 명제적 지식에 해당하는 선언적 지식, 문제를 해결하는 절차에 대한 절차적 지식, 각 절차에서 발생하는 상기 선언적 지식들의 선택 혹은 탈락의 기준 및 조건에 대한 조건적 지식으로 분류하는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
9. 제1항에 있어서,
   자연모방 분야의 경우 상기 지식 종류는 자연어 검색(Natural Language Search), 관련 어휘(Related Keywords), 기능(Functions), 연구 논문(Research Papers), 생물학적 시스템(Biological Systems), 제품(Products), 물리적 현상(Physical Effects)의 7 종류를 포함하는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 시스템.
   
10. 의사결정을 위한 전문 지식 탐색 시스템에서 수행되는 전문 지식 탐색 방법으로,
    지식 기반 분류부에서 수집된 지식들을 지식 종류에 따라 분류하는 단계;
    사용자 입력에 따라 각 탐색 단계에 상응하는 상기 지식 종류를 설정하는 단계;
    지식 탐색부에서 순차적으로 상기 각 탐색 단계를 수행하는 단계;
    단계별 탐색결과를 출력하는 단계; 및
    히스토리 관리부에서 순차적인 상기 단계별 탐색결과를 흐름 순서대로 정리한 히스토리를 기록하는 단계를 포함하는 의사결정을 위한 전문 지식 탐색 방법.
    
11. 제10항에 있어서,
    상기 각 탐색 단계를 수행하는 단계는 N 번째 단계의 경우 이전 단계에서의 탐색결과 중 선택된 결과에 대응되고 N 번째 단계에 대해 설정된 지식 종류에 상응하는 지식이 탐색되는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 방법.
    
12. 제11항에 있어서,
    상기 지식 탐색부가 상기 히스토리 관리부에 의해 관리되는 상기 히스토리를 활용하여 분기점을 설정하는 단계; 및
    상기 분기점에서 새로운 탐색이 진행되는 단계를 포함하되,
    분기 탐색에 의해 사고의 도약이 이루어지게 하는 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 방법.
    
13. 제12항에 있어서,
    상기 지식 탐색부는 C-K 캔버스를 생성하고 관리하는 C-K 캔버스 모듈과 연동하며,
    상기 C-K 캔버스 모듈이 상기 히스토리에 상응하여 상기 C-K 캔버스 상에 3차원 평면으로 상기 단계별 탐색결과를 로딩하는 단계; 및
    상기 지식 탐색부가 상기 히스토리에 포함된 원본 단계별 탐색결과 중 선택된 탐색 단계에서 선택되었던 지식 요소 중 전체 혹은 일부를 선택하여 분기하여 지식 탐색을 수행하는 단계를 더 포함하되,
    상기 원본 단계별 탐색결과 이외에 분기에 의한 탐색결과 중 동일한 지식 종류 혹은 다른 지식 종류의 지식 요소를 이용한 3차원적 지식 탐색이 가능한 것을 특징으로 하는 의사결정을 위한 전문 지식 탐색 방법.
    

Images