KR20220082146A - 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템 - Google Patents

Abstract

의료 콘텐츠를 전문적인 기술 분야에 맞도록 체계적이고 효율적으로 분류하는 동시에 유저들에게 전문적인 용어의 지식이 없이도 도움이 될 수 있는 콘텐츠를 추천하거나, 유저들의 의료 정보에 관련된 콘텐츠의 저작 활동에 있어서 도움이 될 수 있는 가이드 정보를 매우 정확하고 효율적으로 제공한다. 본 발명의 일 실시예에 따른 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템은, 하나 이상의 프로세서 및 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템에 관한 것으로, 유저 단말로부터 키워드를 수신 시, 기설정된 유사어 도출 알고리즘을 통해 수신한 키워드와 유사한 유사 키워드를 추출하는 유사어 추출부; 적어도 유사어 추출부에 의하여 추출된 유사 키워드를 포함하여, 유저가 작성하는 의료 분야 콘텐츠에 도움이 되는 정보인 콘텐츠 저작에 대한 가이드 정보를 기설정된 가이드 정보 생성 알고리즘을 통해 생성하여 유저 단말에 제공하는 가이드 제공부; 및 데이터베이스에 기 저장된 의료 분야 콘텐츠들 중, 유사어 추출부에 의하여 추출된 유사 키워드를 포함하며, 기설정된 콘텐츠 선택 알고리즘을 통해 선택된 콘텐츠들을 추천 콘텐츠로 유저 단말에 제공하는 콘텐츠 추천부;를 포함하는 것을 특징으로 한다.

Description

인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템{MEDICAL CONTENT PRODUCTION AND MANAGEMENT SYSTEM BASED ON ARTIFICIAL INTELLIGENCE AND NATURAL LANGUAGE PROCESSING}

본 발명은 의료 분야의 정보를 포함하는 멀티 미디어 콘텐츠를 효율적으로 분류하는 한편, 콘텐츠를 제작하고자 하는 유저들에게 콘텐츠의 질을 높일 수 있는 가이드 정보를 효율적으로 제공하기 위해서, 자연어 처리 기술과 인공지능 학습 기술을 이용하여 기 저작된 콘텐츠들로부터 가이드 정보 및 콘텐츠를 추천하는 기술에 관한 것이다.

최근 유튜브, 인스타그램 등 다양한 소셜 미디어 플랫폼에 대한 이용률이 급증하면서, 콘텐츠 공유 플랫폼에서 양질의 콘텐츠를 제작하기 위한 창작자들의 고민이 깊어지고 있다. 창작자들은 자신이 저작한 콘텐츠가 더욱 다수의 유저들에게 조회되고, 이에 대한 좋은 평가를 받기 위해서 노력하고 있다.

특히 최근 전염병의 창궐 및 미세먼지 등의 문제와 함께 삶의 질의 향상에 대한 일반인들의 관심이 높아지면서, 의료 정보를 포함하는 콘텐츠에 대한 관심이 늘어나고 있다. 이에 따라서 의료 관련 정보를 공유하는 플랫폼 또는 이를 전문으로 수행하는 인플루언서 등이 등장하고 있다.

일반적으로 기존에는, 창작자가 자신의 노하우에 따라서 콘텐츠를 저작하여 이를 온라인 공유 플랫폼 상에 업로드하는 방식으로 각 플랫폼에 최적화된 콘텐츠에 대한 공유가 이루어져 왔다. 특히 의료 분야의 경우, 전문적인 용어의 사용 및 지식의 필요성에 따라서 의사들 중에서도 극 소수만이 이러한 콘텐츠의 저작을 수행하여 왔다.

그러나 이러한 콘텐츠 저작 방식은, 일정한 노하우를 반드시 보유하고 있어야 하기 때문에, 좋은 내용의 콘텐츠를 보유하고 있더라도 콘텐츠의 형식이나, 키워드 등에 대한 소양 부족으로 그 이용률을 높이지 못하는 경우가 다수 발생되어 왔다.

이에, 콘텐츠를 일정한 툴을 통해 저작할 수 있는 저작 툴에 대한 필요성이 증가해 왔는데, 예를 들어 한국공개특허 10-2015-0012869호 등에서는, 사용자의 스크립트 입력에 따라서 일정한 기능을 수행하는 콘텐츠 형식을 이용할 수 있도록 하는 기술을 제공하고 있고, 한국등록특허 10-1445971호 등에서는, 특정 주제를 선택 시, 동화의 스토리에 대한 가이드라인을 제공하여, 사용자가 콘텐츠의 형식 및 내용에 대해서 가이드를 받을 수 있도록 하고 있다.

그러나, 이러한 기술들은 게시 콘텐츠에 대한 유저들의 실질적인 확인 가능성 향상 및 선호 가능성의 향상과는 큰 관계가 없이 저작자의 편의성만을 고려한 기술로서, 콘텐츠의 조회 및 평가에 따라서 수익이 결정되거나, 콘텐츠를 판매하는 입장에서는 적합하지 않은 저작 가이드 기술이라는 문제가 있다.

특히 의료 분야의 경우, 콘텐츠의 분류 및 관리가 일반인들에게 큰 영향을 주는 정보의 제공이라는 점에서 중요하고, 콘텐츠를 제작하고자 하는 유저들에게는 이러한 편의성보다, 노하우 및 전문적인 용어에 대한 가이드를 제공하는 것이 더욱 중요할 것이나, 이러한 기술은 기존에 존재하지 않는 문제점이 존재하여 왔다.

이에 본 발명은, 상술한 문제점들을 해결하기 위하여 고안된 것으로서, 의료 콘텐츠를 전문적인 기술 분야에 맞도록 체계적이고 효율적으로 분류하는 동시에 유저들에게 전문적인 용어의 지식이 없이도 도움이 될 수 있는 콘텐츠를 추천하거나, 유저들의 의료 정보에 관련된 콘텐츠의 저작 활동에 있어서 도움이 될 수 있는 가이드 정보를 매우 정확하고 효율적으로 제공할 수 있는 기술을 제공하는 데 그 목적이 있다.

상술한 목적들을 달성하기 위해서, 본 발명의 일 실시예에 따른 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템은, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템에 관한 것으로, 유저 단말로부터 키워드를 수신 시, 기설정된 유사어 도출 알고리즘을 통해 수신한 키워드와 유사한 유사 키워드를 추출하는 유사어 추출부; 적어도 상기 유사어 추출부에 의하여 추출된 유사 키워드를 포함하여, 유저가 작성하는 의료 분야 콘텐츠에 도움이 되는 정보인 콘텐츠 저작에 대한 가이드 정보를 기설정된 가이드 정보 생성 알고리즘을 통해 생성하여 유저 단말에 제공하는 가이드 제공부; 및 데이터베이스에 기 저장된 의료 분야 콘텐츠들 중, 상기 유사어 추출부에 의하여 추출된 유사 키워드를 포함하며, 기설정된 콘텐츠 선택 알고리즘을 통해 선택된 콘텐츠들을 추천 콘텐츠로 유저 단말에 제공하는 콘텐츠 추천부;를 포함하는 것을 특징으로 한다.

상기 유사어 추출부는, 기설정된 자연어 처리 프로세스로서, 동일 의료 분야의 콘텐츠에 포함된 단어들의 관계성을 머신 러닝을 통해 학습하여 단어를 벡터로 임베딩하고, 임베딩된 단어 벡터 사이의 유사도를 기준으로 수신한 키워드에 대한 유사어를 추출하는 것을 상기 유사어 도출 알고리즘으로 적용하는 것이 바람직하다.

상기 유사어 추출부는, 상기 기설정된 자연어 처리 프로세스의 수행에 있어서, 동일 의료 분야의 콘텐츠의 수가 기설정된 제1 개수 이하인 경우, 전이 학습을 통해 유사 의료 분야의 콘텐츠를 이용하는 것이 바람직하다.

상기 가이드 제공부는, 기 저장된 의료 분야 콘텐츠들 중, 유저 단말로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 유저 단말로부터 입력된 키워드 및 상기 유사 키워드가 포함된 콘텐츠들로서 유저들의 조회 수, 추천 수, 및 유저 단말로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수를 기준으로 기설정된 개수의 콘텐츠들을 기준 콘텐츠로 선택하고, 기준 콘텐츠를 기준으로 상기 가이드 정보를 생성하여 제공하는 것이 바람직하다.

상기 가이드 제공부는, 상기 기준 콘텐츠에 포함된 문장의 패턴 정보를 상기 가이드 정보 생성 알고리즘 중 하나인 자연어 처리 알고리즘을 이용하여 추출하고, 추출된 문장의 패턴 정보들 중 상기 기준 콘텐츠들에서 사용 빈도가 높은 순으로 기설정된 개수의 문장의 패턴 정보를 가이드 정보로 선택하여 유저 단말에 제공하는 것이 바람직하다.

상기 가이드 제공부는, 기 저장된 의료분야 콘텐츠들 중, 유저 단말로부터 입력된 키워드 및 상기 유사 키워드가 포함된 콘텐츠들로서, 유저 단말로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수 순으로 기설정된 개수의 콘텐츠들을 참조 콘텐츠로 선택하여 유저 단말에 제공하고, 유저 단말로부터 참조 콘텐츠들 중 적어도 하나 이상의 콘텐츠에 대한 선택 입력을 수신 시, 선택 입력에 대응되는 참조 콘텐츠의 내용 중, 상기 유저 단말로부터 입력된 키워드 및 유사 키워드를 포함하는 문장에 대한 리스트인 추천 문장 리스트를 도출하여 유저 단말에 제공하는 것이 바람직하다.

유저 단말로부터 적어도 콘텐츠 내용 정보를 포함하는 콘텐츠 저작 요청 입력을 수신 시, 콘텐츠 저작 요청 입력에 따라서 콘텐츠를 생성하되, 상기 유저 단말에 제공된 추천 문장 리스트들 중 상기 콘텐츠 내용 정보에 포함된 문장이 존재하는 것으로 판단되는 경우, 그 문장을 포함하는 참조 콘텐츠에 대한 식별 정보를 레퍼런스 정보로 가공하여 콘텐츠 내용 정보에 포함시켜 콘텐츠를 생성하는 콘텐츠 생성부;를 더 포함하는 것이 바람직하다.

상기 가이드 제공부는, 기 저장된 의료 분야 콘텐츠들 중 유저 단말로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 콘텐츠의 수가 기설정된 제2 개수 이하인 경우, 전이 학습을 통해 유사 의료 분야 정보에 대응하는 분야에서의 자연어 처리 알고리즘을 이용하여 상기 자연어 처리 알고리즘을 학습하도록 하는 것이 바람직하다.

상기 콘텐츠 추천부는, 기 저장된 의료 분야 콘텐츠들 중, 유저 단말로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 유저 단말로부터 입력된 키워드 및 상기 유사 키워드가 포함된 콘텐츠들로서 유저들의 조회 수, 추천 수, 및 유저 단말로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수 순으로 기설정된 개수의 콘텐츠들을 추천 콘텐츠로 선택하여 유저 단말에 제공하는 것이 바람직하다.

상기 유저 단말로부터 저작된 콘텐츠에 대한 저장 요청 입력을 수신 시, 저작된 콘텐츠의 분야를 식별 가능한 태그 정보를 생성하여 저작된 콘텐츠에 삽입하고, 삽입된 태그 정보를 기준으로 콘텐츠를 분류하여 데이터베이스에 저장하는 콘텐츠 저장부;를 더 포함하는 것이 바람직하다.

상기 콘텐츠 저장부는, 콘텐츠에 포함된 키워드별 사용 빈도를 기준으로 콘텐츠의 분야를 분류하는 머신 러닝 방식의 콘텐츠 분류 알고리즘을 이용하여, 사용 빈도가 가장 높은 키워드, 사용 빈도가 가장 높은 키워드와의 유사 키워드 및 콘텐츠 분류 알고리즘에 따라 분류된 콘텐츠의 분야에 대한 정보를 콘텐츠의 태그 정보로 생성하는 것이 바람직하다.

본 발명에 의하면, 자연어 처리 기술 및 인공지능 학습 기술에 더하여, 학습 표본이 적은 경우의 전이 학습을 통해, 전문적인 분야의 특성 상 그 콘텐츠가 많이 확보되지 않을 수 있는 의료 정보에 최적화되어, 유저들에게 콘텐츠를 추천하거나, 유저들의 콘텐츠 저작에 효율적으로 도움이 되는 가이드 정보를 제공할 수 있는 효과가 있다.

특히, 자연어 처리 기술을 통해서 유사어를 도출하고, 이러한 유사어 도출 및 이를 통한 문장 패턴 분석 및 콘텐츠 검색에 있어서의 딥러닝 및 전이 학습을 통한 효율적인 알고리즘 향상을 통해, 정확하게 유저들에게 도움이 될 수 있는 정보를 제공할 수 있는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템의 구성 블록도.
도 2 및 3은 본 발명의 일 실시예에 따른 가이드 제공부 및 콘텐츠 추천부의 기능 수행을 설명하기 위한 플로우차트.
도 4는 본 발명의 일 실시예에 따라서 유사어가 도출되는 예를 설명하기 위한 도면.
도 5는 본 발명의 일 실시예의 구현에 따라서 전이 학습 방법이 이용되는 예를 설명하기 위한 도면.
도 6은 본 발명의 일 실시예의 구현에 따라 문장 패턴 정보가 제공되는 예를 설명하기 위한 도면.
도 7은 본 발명의 일 실시예에 따라서 콘텐츠에 대한 태그 정보가 생성되는 예를 설명하기 위한 도면.
도 8은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예.

이하에서는, 다양한 실시 예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.

본 명세서에서 사용되는 "실시 예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.

또한, 제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

또한, 본 발명의 실시 예들에서, 별도로 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시 예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 1은 본 발명의 일 실시예에 따른 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템의 구성 블록도, 도 2 및 3은 본 발명의 일 실시예에 따른 가이드 제공부 및 콘텐츠 추천부의 기능 수행을 설명하기 위한 플로우차트, 도 4는 본 발명의 일 실시예에 따라서 유사어가 도출되는 예를 설명하기 위한 도면, 도 5는 본 발명의 일 실시예의 구현에 따라서 전이 학습 방법이 이용되는 예를 설명하기 위한 도면, 도 6은 본 발명의 일 실시예의 구현에 따라 문장 패턴 정보가 제공되는 예를 설명하기 위한 도면, 도 7은 본 발명의 일 실시예에 따라서 콘텐츠에 대한 태그 정보가 생성되는 예를 설명하기 위한 도면이다.

상술한 도면들을 함께 참조하여 설명하면, 본 발명의 일 실시예에 따른 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템(10, 이하 본 발명의 시스템이라 함)은, 유사어 추출부(11), 가이드 제공부(12), 콘텐츠 추천부(13)를 포함하는 것을 특징으로 하고, 추가적으로 콘텐츠 저장부(14)를 포함할 수 있다. 또한, 본 발명에서 언급되는 모든 데이터 및 알고리즘에 대한 코드 데이터 등 본 발명에서 수행될 수 있는 기능에 대응되는 프로그램을 실행하기 위한 코드 데이터 및 프로그램 또는 알고리즘에 의하여 처리되거나 외부로 송수신되는 모든 데이터(의료 콘텐츠에 대한 데이터를 포함)를 저장 및 외부의 입력에 의하여 수정/삭제 등 관리하는 기능을 수행하는 데이터베이스(15)가 더 포함될 수 있다.

한편 본 발명의 시스템(10)은 후술하는 도 8의 컴퓨팅 장치로 구성되거나 그 컴퓨팅 장치의 일 구성 또는 다수의 컴퓨팅 장치가 그룹화된 형태로 구성될 수 있다.

본 발명의 시스템(10)에서의 유사어 추출부(11)는 유저 단말(20)로부터 키워드를 수신 시, 기설정된 유사어 도출 알고리즘을 통해 수신한 키워드와 유사한 유사 키워드를 추출하는 기능을 수행한다.

본 발명에서 유저 단말(20)은 콘텐츠의 저작을 수행하는 콘텐츠 크리에이터(Contents Creator) 또는 콘텐츠를 이용하는 일반 유저 등을 포함하는 유저가 본 발명의 시스템(10)이 제공하는 서비스의 이용을 위해서 이용하는 단말을 의미한다. 즉 유저들은 본 발명의 시스템(10)이 제공하는 서비스의 이용을 위해서 계정을 생성하고, 단말(20)을 이용하여 계정으로 로그인 한 뒤 본 발명의 기능 수행에 의하여 이용 가능한 서비스를 이용할 수 있다.

본 발명의 시스템(10)이 제공하는 서비스는 웹(Web) 기반 프로그램을 통해서 특정 웹사이트에 접속하거나, 어플리케이션(App) 등의 별도의 프로그램의 실행 시 온라인을 통해 서비스에 연결되는 방식으로 이용할 수 있다. 또한 본 발명의 서비스는, 상술한 웹사이트 접속 결과 또는 프로그램의 실행 결과 출력되는 정보 출력 및 입력이 가능한 유저 인터페이스(UI, User Interface)를 통해 이용될 수 있다.

키워드는 단어 또는 문자열 등의 텍스트 정보로서, 유저들이 후술하는 콘텐츠 저작을 위한 가이드 정보를 제공받고자 하거나, 특정 콘텐츠를 추천받고자 하는 경우 입력하는 정보로서, 키워드는 주어지는 단어 중 하나 이상을 선택하는 보기 선택형 또는 직접 키워드를 입력하는 직접 입력형 등 다양한 방식으로 입력될 수 있다.

기설정된 유사어 도출 알고리즘은, 유저가 입력한 키워드와 유사하게 사용되는 단어들을 도출하기 위한 알고리즘으로서, 예를 들어 자연어 처리 프로세스를 통해 도출될 수 있다. 자연어 처리 프로세스란(Natural Language Processing, 이하 NLP)는 컴퓨터와 인간 언어 사이의 상호 작용하는 기술로 인공지능의 핵심 기능 중 하나이다.

NLP에는 자연어 분석, 자연어 이해, 자연어 생성 등의 기술이 사용된다. 자연어 분석은 그 정도에 따라 형태소 분석(morphological analysis), 구문 분석(syntactic analysis), 하나로써 문장의 의미에 기저(基底)하여 그 문장을 해석하는 시멘틱 분석(semantic analysis)과 문장이 실제로 무슨 의미를 내포하는지 결정하는 실용 분석(pragmatic analysis) 등으로 크게 나누어 구분할 수 있다.

특히 최근에는 NLP에 딥러닝을 통해 학습한 데이터를 활용해 형태소를 분석하는 모델이 제시되고 있다. 일부 기술은, 딥러닝 기술 중 하나인 콘볼루션 신경망(CNN, Convolutional Neural Network)을 이용해 음절기반으로 형태소를 분석하는 방법을 채택했다.

이러한 자연어 처리 프로세스를 이용하는 데 있어서 특히 인공지능을 이용하여 유사어를 도출하는 데 있어서 본 발명에서는 예를 들어 동일 의료 분야의 콘텐츠에 포함된 단어들의 관계성을 머신 러닝을 통해 학습하여 단어를 벡터로 임베딩하고, 임베딩된 단어 벡터 사이의 유사도를 기준으로 수신한 키워드에 대한 유사어를 추출하는 것을 상기 유사어 도출 알고리즘으로 적용할 수 있다.

이러한 텍스트 및 키워드 등을 벡터로 바꾸는 데 있어서는 예를 들어 원-핫 인코딩(One-hot encoding) 등의 단순한 방식부터, 단어 임베딩(Word embedding) 모델 등이 사용될 수 있다.

본 발명에서는 더욱 고차원적인 단어 임베딩 기법이 사용될 수 있다. 단어 임베딩 기법에는 통계적 자연어 처리 기법의 하나로서 분산 표상(distributedsimilarity based representation) 개념이 차용된다. 이는 상술한 자연어 처리 프로세스를 통해서 각 문장의 구조를 파악하고 유사한 단어들끼리는 문장에서 비슷하게 사용된다는 개념을 이용하는 것이다. 또는 최근 K 사에서 개발한 Wordrep 등의 알고리즘 역시 단어의 벡터를 도출하고 이로부터 유사한 벡터들끼리 유사어로 관계짓는 데 사용될 수 있다.

이러한 다양한 모델들을 이용하여 유사어를 추출하게 되는데, 의료 분야의 경우, 매우 전문적인 콘텐츠의 성격이 있어, 콘텐츠의 수가 다른 분야에 비하여 매우 적을 수 있다.

이러한 경우 표본의 부족에 의하여 상술한 유사어를 도출하는 알고리즘 자체를 머신러닝을 통해 학습하는 것이 특허 의료 분야에서는 불가능할 수 있다. 이 경우 본 발명에서는 기설정된 자연어 처리 프로세스의 수행에 있어서, 동일 의료 분야의 콘텐츠의 수가 기설정된 제1 개수 이하인 경우, 전이 학습을 통해 유사 의료 분야의 콘텐츠를 이용하도록 할 수 있다.

전이 학습을 통한다는 것은 인공지능 학습 모델의 하나인 전이 학습과 유사한 개념을 도입하여 다른 의료 분야의 콘텐츠에 대한 유사어 도출 알고리즘의 학습 결과를 차용하여 학습에 사용하거나, 다른 의료 분야의 콘텐츠를 해당 분야의 유사어 도출 알고리즘의 학습에 사용하는 등의 모든 방법을 포함하는 개념으로 이해되어야 할 것이다.

전이 학습(Transfer Learning)은 학습 데이터가 부족한 분야의 모델 구축을 위해 데이터가 풍부한 분야에서 훈련된 모델을 재사용하는 머신러닝 학습 기법을 의미한다.

이는 딥러닝을 feature extractor로만 사용하고 그렇게 추출한 피처를 가지고 다른 모델을 학습하는 것으로서 기존의 만들어진 모델을 사용하여 새로운 모델을 만들시 학습을 빠르게 하며, 예측을 더 높이는 방법이다.

일반적으로 VGG,ResNet,gooGleNet등 이미 이러한 사전에 학습이 완료된 모델(Pre-Training Model)을 가지고 우리가 원하는 학습에 미세 조정 즉, 작은변화를 이용하여 학습시키는 방법이 Transfer Learning이다.

이미 학습된 weight들을 transfer(전송)하여 자신의 model에 맞게 학습을 시키는 방법이며, 신경망의 이러한 재학습 과정을 세부 조정(fine-tuning)이라 부르기도 한다. 실제로 CNN을 구축하는 경우 대부분 처음부터 (random initialization) 학습하지는 않고, ImageNet과 같은 대형 데이터셋을 사용해서 pretrain된 ConvNet을 사용한다.

전이 학습은 Feature extraction, pre-trained model을 모델 구조를 이용하는 방법, 및 다른 레이어를 고정시키고 일부분 layer를 조정하는 방법 등을 이용하여 수행될 수 있다.

주로 알려진 Transfer Learning의 종류는 inception (googlenet), ms의 resNet, mobilenet, VGG 등이 있고, Pre trained VGG Model은 ImageNet 기반으로 학습이 된 Model이며, Inception v3는 ImageNet이라는 데이터를 분류하는데 학습이 되어 있다.

이러한 유사어에 대한 추출 예가 도 4 및 5에 도시되어 있다. 먼저 도 4를 참조하면, 특정 키워드에 대해서 사용자가 입력을 수행하면 사용자가 입력한 키워드 정보(100)가 포함될 것인데, 이에 대해서 유사어를 상술한 유사어 도출 알고리즘을 통해서 추출하게 되면, 도출된 유사어를 포함하는 키워드 정보(110)가 도출된다.

키워드 정보(110)에는 사용자가 입력한 키워드(101)에 상술한 바와 같이 도출된 유사어(111)가 포함되어, 후술하는 가이드 제공부(12) 및 콘텐츠 추천부(13)의 기능 수행을 위해서 사용된다.

이때 도 5에 도시된 바와 같이 예를 들어 "피부과" 분야의 키워드 정보(100)에 따라서 도출되는 유사어에 따라서 도출된 키워드 정보(110), 즉 사용자가 입력한 키워드(101)와 도출된 유사어(111)를 이용하여 검색된 콘텐츠의 수가 기설정된 개수(예를 들어 10000개) 이하인 경우에는, 상술한 바와 같이 유사 의료 분야(성형외과)에 대한 키워드 정보(120)로서, 유사 의료 분야를 식별하는 키워드(121)를 이용하여 사용자가 입력한 키워드와 유사한 것으로 도출된 키워드를 함께 유사어로 사용하거나, 콘텐츠를 검색하는 데 사용할 수 있다.

다시 도 1에 대한 설명으로 돌아와서, 가이드 제공부(12)는 적어도 유사어 추출부(11)에 의하여 추출된 유사 키워드를 포함하여, 유저가 작성하는 의료 분야 콘텐츠에 도움이 되는 정보인 콘텐츠 저작에 대한 가이드 정보를 기설정된 가이드 정보 생성 알고리즘을 통해 생성하여 유저 단말에 제공하는 기능을 수행한다.

즉 가이드 정보는, 콘텐츠를 저작하고자 하는 유저들에게, 해당 콘텐츠의 분야 등에 따라서 어떤 키워드가 들어가면 좋은지, 어떤 구조의 패턴을 갖는 문장을 기재하면 좋을지 여부에 대한 정보를 의미한다. 본 발명에서 좋은 콘텐츠란, 예를 들어 사용자의 조회 수가 많거나, 추천수가 많은 콘텐츠 등 콘텐츠의 저작 시 이에 대한 타 유저들의 관심도가 높은 것으로 판단되는 콘텐츠를 의미한다.

이러한 기준을 만족하기 위해서, 본 발명에서는 가이드 정보를 생성 시, 특정 콘텐츠들로부터 키워드 및 문장 패턴을 분석할 수 있다. 즉 상술한 유저들의 관심도에 더하여, 유저 단말로부터 입력된 키워드 및 유사한 키워드가 얼마나 자주 사용되었는지 여부를 기준으로 콘텐츠를 선택한다.

즉, 가이드 제공부(13)는 기 저장된 의료 분야 콘텐츠들 중, 유저 단말(20)로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 유저 단말로부터 입력된 키워드 및 유사 키워드가 포함된 콘텐츠들로서 유저들의 조회 수, 추천 수 및 유저 단말로부터 입력된 키워드 및 유사 키워드 사용 빈도 수를 기준으로 기설정된 개수의 콘텐츠들을 기준 콘텐츠로 선택하고, 기준 콘텐츠를 기준으로 상기 가이드 정보를 생성하여 제공하는 것이 바람직하다.

기준 콘텐츠는 예를 들어 상술한 유저들의 조회 수, 추천 수 및 유저가 입력한 키워드 및 유사 키워드 사용 빈도 수 등의 판단 조건 수치가 많은 순으로 기설정된 개수(예를 들어 100개)로 선택되는 콘텐츠를 의미한다.

이때 가이드 제공부(13)는 가이드 정보로서, 기준 콘텐츠에 포함된 문장의 패턴 정보를 가이드 정보 생성 알고리즘 중 하나로서 상술한 바와 같은 자연어 처리 알고리즘을 이용하여 추출하고, 추출된 문장의 패턴 정보들 중 기준 콘텐츠들에서 사용 빈도가 높은 순으로 기설정된 개수의 문장의 패턴 정보를 가이드 정보로 선택하여 유저 단말에 제공할 수 있다.

상술한 바와 같이 자연어 처리 알고리즘을 통하면 형태소 분석부터 문장에 대한 구조 및 패턴 분석이 가능하다. 이러한 알고리즘을 통해서 기준 콘텐츠들에 포함된 문장의 패턴들을 분석하고, 기준 콘텐츠들에서 사용 빈도(예를 들어 기준 콘텐츠들의 수 대비 사용 횟수의 비율)가 높은 순으로 예를 들어 4개의 패턴에 대응되는 문장의 예를 가이드 정보로서 제공할 수 있는 것이다. 이에 대한 예가 도 6에 도시되어 있다.

도 6의 가이드 정보 화면(200)을 참고하면, 유저가 입력한 키워드(201)에 대한 정보가 출력되고, 유저들이 선택 가능한 콘텐츠의 타입에 대한 정보(202)가 출력될 수 있다. 본 발명에서는 콘텐츠 저작자로서의 유저들은 자신이 원하는 타입의 콘텐츠에 대해서만 가이드 정보를 제공받을 수 있도록 한다. 즉, 자신이 제작할 콘텐츠의 성격에 따라서 다른 가이드 정보를 제공받을 수 있는 것이다. 이를 위해서 202 메뉴를 이용하여 원하는 콘텐츠 타입을 선택하고, 이들로부터 가이드 정보를 제공받을 수 있다.

이때 출력되는 예시 문장 정보(203)에는 주로 쓰이는 키워드(204)를 포함하여 문장의 예를 유저들이 확인할 수 있도록 하여, 주로 쓰이는 문장의 패턴을 확인하고, 이와 유사한 키워드 및 패턴을 이용하여 콘텐츠 내의 텍스트를 생성할 수 있도록 하는 가이드 정보를 제공할 수 있다.

상술한 설명 및 도 2에 도시된 바와 같이 본 발명의 시스템(10)은 상술한 각 구성들의 기능 수행을 통하여, 유저들로부터 키워드를 수신하고(S10) 이후 유사어를 추출한 뒤(S20), 기준 콘텐츠를 선택하고(S30) 이들에 대한 분석 결과를 통해 키워드 및 문장 패턴 등의 가이드 정보를 생성(S40)하여 유저에게 제공하게 된다.

이에 의하면, 인공지능 및 자연어 처리 프로세스 등의 첨단 기술을 활용하여 전문 지식이 특히 필요하거나 콘텐츠의 수가 많이 확보되기 어려운 의료 분야 콘텐츠의 저작에 최적화되어, 유저들의 콘텐츠 저작에 효율적으로 도움이 되는 가이드 정보를 제공할 수 있는 효과가 있다.

한편 유사어 추출부(11)와 유사하게 가이드 제공부(12) 역시, 가이드 정보를 도출하는 데 있어서 인공지능 알고리즘으로서 문장 패턴을 분석하기 위한 자연어 처리 프로세스를 사용하게 되는데, 이때 기 저장된 의료 분야 콘텐츠들 중 유저 단말로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 콘텐츠의 수가 기설정된 제2 개수(예를 들어 1000개) 이하인 경우, 상술한 전이 학습을 통해 유사 의료 분야 정보에 대응하는 분야에서의 자연어 처리 알고리즘을 이용하여 자연어 처리 알고리즘을 학습하도록 함으로써, 상술한 유사어 도출 알고리즘과 동일하게 콘텐츠의 수가 적을 수 밖에 없는 특정 의료 분야에 대한 가이드 정보 제공을 효율적으로 가능하도록 할 수 있다.

한편 콘텐츠 추천부(13)는 데이터베이스에 기 저장된 의료 분야 콘텐츠들 중, 적어도 유사어 추출부(11)에 의하여 추출된 유사 키워드 및 유저 단말(20)로부터 입력된 키워드를 포함하며, 기설정된 콘텐츠 선택 알고리즘을 통해 선택된 콘텐츠들을 추천 콘텐츠로 유저 단말에 제공하는 기능을 수행한다.

즉 콘텐츠 추천부(13)는 유저들이 콘텐츠 저작을 위해서 참고하고자 하는 콘텐츠를 추천하거나, 유저들이 콘텐츠 이용 시 키워드 입력을 통해서 이용하고자 하는 콘텐츠를 추천하는 기능을 수행하는 것이다.

이때 가이드 제공부(12)와 동일하게, 콘텐츠 추천부(13)는, 기 저장된 의료 분야 콘텐츠들 중, 유저 단말(20)로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 유저 단말(20)로부터 입력된 키워드 및 유사 키워드가 포함된 콘텐츠들로서 유저들의 조회 수, 추천 수, 및 유저 단말(20)로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수 순으로 기설정된 개수(예를 들어 5개)의 콘텐츠들을 추천 콘텐츠로 선택하여 유저 단말(20)에 제공하는 것이 바람직하다.

이러한 흐름은 도 3에 도시된 바와 같다. 즉, 본 발명의 시스템(10)은 상술한 각 구성들의 기능 수행을 통하여, 유저들로부터 키워드를 수신하고(S10) 이후 유사어를 추출한 뒤(S20), 콘텐츠를 선택하고(S31) 이들의 리스트를 유저에게 추천(S40)하게 된다.

이를 통해서 가이드 제공부(12)와 마찬가지로, 전문 용어에 대한 모든 학습이 되지 않더라도 유사 키워드 등을 통해서 콘텐츠를 추천할 수 있도록 하여 시스템(10)의 이용률 향상 및 이용 편의성 향상 효과를 기대할 수 있다.

한편, 콘텐츠 저장부(14)는 유저 단말(20)로부터 저작된 콘텐츠에 대한 저장 요청 입력을 수신 시, 저작된 콘텐츠의 분야를 식별 가능한 태그 정보를 생성하여 저작된 콘텐츠에 삽입하고, 삽입된 태그 정보를 기준으로 콘텐츠를 분류하여 데이터베이스(15)에 저장하는 기능을 수행한다. 이러한 콘텐츠 저장부(14)의 기능 수행을 통해서 상술한 기 저작된 콘텐츠로서 유저들이 작성한 콘텐츠가 사용되는 것이다.

구체적으로, 콘텐츠 저장부(14)는, 콘텐츠에 포함된 키워드별 사용 빈도를 기준으로 콘텐츠의 분야를 분류하는 머신 러닝 방식의 콘텐츠 분류 알고리즘을 이용하여, 사용 빈도가 가장 높은 키워드, 사용 빈도가 가장 높은 키워드와의 유사 키워드 및 콘텐츠 분류 알고리즘에 따라 분류된 콘텐츠의 분야에 대한 정보를 콘텐츠의 태그 정보로 생성하고 생성된 태그 정보를 콘텐츠에 연동하여 데이터베이스(15)에서 관리하는 데 사용하도록 할 수 있다.

이에 대한 예가 도 7에 도시되어 있다. 도 7을 참조하면, 유저가 저작한 콘텐츠(300, C1)에는 다수의 키워드(K1 ~ k4)가 서로 다른 사용 빈도를 갖도록 포함될 수 있다. 이때 콘텐츠 저장부(14)는 이를 분석하여, 해당 키워드의 사용 빈도수(K1:3, K2~K4:1)를 분석하고, 사용 빈도가 가장 높은 키워드(K1)에 대한 유사 키워드(K1-1, K1-2)를 분석한 콘텐츠 분석 테이블(310)과, 사용자가 입력하거나 상술한 콘텐츠 분류 알고리즘을 이용하여 콘텐츠의 분야에 대한 정보(F1, 311)를 생성하게 된다.

이후 상술한 정보를 활용하여 콘텐츠(C1)에 대한 태그 정보(320)로서, 상술한 정보들 중 일부(K1, F1, K1-2) 등을 포함하는 정보를 생성하고 이를 콘텐츠(C1)에 링크시켜, 콘텐츠(C1)의 분류 및 관리에 사용하게 된다.

이를 통해서, 상술한 가이드 정보 및 콘텐츠 추천에 태그 정보를 활용할 수 있도록 하여 더욱 신속 정확한 검색 및 가이드 정보 생성 등이 가능하도록 하는 효과가 있다.

한편 상술한 콘텐츠 저장부(14)의 기능에 앞서, 유저 단말(20)로부터의 입력에 따라서 콘텐츠를 생성하는 기능을 수행하는 콘텐츠 생성부(미도시)가 본 발명의 시스템(10)에 더 포함될 수 있다.

구체적으로, 콘텐츠 생성부는, 상술한 다른 구성들의 기능을 이용하기 위하여 유저 단말(20)에서 접속되는 웹 페이지 또는 실행되는 어플리케이션이나 프로그램 등의 접속 또는 실행 결과 유저 단말(20)에 출력되는 콘텐츠 저작용 유저 인터페이스(UI, User Interface)에 포함되는 콘텐츠 저작 툴 등을 통해 기능이 수행되는 구성으로서, 유저가 텍스트 또는 이미지를 입력할 수 있고, 특정 주소 등에 콘텐츠를 업로드할 수 있는 메뉴 등을 포함하도록 하는 유저 인터페이스를 통해 기능이 수행된다.

구체적으로 콘텐츠 생성부는 상술한 유저 인터페이스를 통한 유저 단말(20)로부터 수신한 데이터를 기반으로 콘텐츠를 생성하는 기능을 수행하는 데, 이때 상술한 가이드 제공부(12)에 의하여 제공되는 가이드 정보가 상술한 콘텐츠 저작용 유저 인터페이스에 출력될 수 있다. 이를 통해서 유저들은 상술한 바와 같은 키워드, 문장 패턴 등의 가이드 정보를 확인하면서 콘텐츠를 저작할 수 있다.

의료 콘텐츠는 전문적인 지식 등이 포함될 수 있고, 이에 따라서 특정 콘텐츠로서 논문이나 의학 뉴스 등 전문적인 내용이 포함된 콘텐츠의 내용을 차용하도록 할 수 있다. 이 경우 레퍼런스 정보를 제대로 기재하지 않는 경우, 참조한 콘텐츠에 대한 저작권의 분쟁 이슈가 발생할 수 있다.

이를 방지하기 위해서, 본 발명에서 가이드 제공부(13)는, 레퍼런스 정보를 면밀하게 반영할 수 있도록 유저에게 가이드 정보를 제공할 수 있다. 즉, 유저가 콘텐츠를 저작 시, 문장 패턴 및 키워드를 가이드 정보로 제공받는 경우, 이와 유사한 문장을 포함하는 기존 콘텐츠가 존재할 수 있기 때문에 이 경우 이에 대한 레퍼런스 정보를 기재하도록 유도하여 저작권 분쟁을 사전에 대응할 수 있도록 하는 것이다.

이를 위해서 가이드 제공부(13)는 가이드 정보를 제공 시, 기 저장된 의료분야 콘텐츠들 중, 유저 단말(20)로부터 입력된 키워드 및 유사 키워드가 포함된 콘텐츠들로서, 유저 단말(20)로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수 순으로 기설정된 개수의 콘텐츠들을 참조 콘텐츠로 선택하여 유저 단말(20)에 제공하고, 유저 단말로부터 참조 콘텐츠(20)들 중 적어도 하나 이상의 콘텐츠에 대한 선택 입력을 수신 시, 선택 입력에 대응되는 참조 콘텐츠의 내용 중, 유저 단말(20)로부터 입력된 키워드 및 유사 키워드를 포함하는 문장에 대한 리스트인 추천 문장 리스트를 도출하여 유저 단말에 제공할 수 있다.

즉 유저가 직접 저작 시 유저가 인지하지 못한 채로, 기존의 콘텐츠의 문장과 동일 또는 유사한 문장을 생성하는 경우, 유저가 인지하지 못한 채로 저작권 이슈가 발생할 가능성이 있기 때문에, 애초에 가이드 정보로서 해당 문장을 제공하여 유저가 기존의 콘텐츠에 존재하는 문장임을 인지하고, 이에 대해서 사용 시 레퍼런스 정보를 기재하도록 하여, 저작권 이슈 발생의 사전 대응이 가능하도록 하는 것이다.

이 경우 유저의 편의성을 더욱 강화하기 위해서, 상술한 콘텐츠 생성부는, 유저 단말로부터 적어도 상술한 유저 인터페이스를 통해 저작된 콘텐츠 내용 정보를 포함하는 콘텐츠 저작 요청 입력을 수신 시, 콘텐츠 저작 요청 입력에 따라서 콘텐츠를 생성하되, 유저 단말(20)에 제공된 추천 문장 리스트들 중 콘텐츠 내용 정보에 포함된 문장이 존재하는 것으로 판단되는 경우, 그 문장을 포함하는 참조 콘텐츠에 대한 식별 정보를 레퍼런스 정보로 가공하여 콘텐츠 내용 정보에 포함시켜 콘텐츠를 생성하는 기능을 수행할 수 있다.

즉 단순히 유저에게 특정 문장에 대한 리스트를 제공하는 것이 아니라, 유저가 해당 문장을 그대로 인용할 수 있도록 하는 동시에 이 경우 그 문장을 포함하는 참조 콘텐츠들에 대한 레퍼런스 정보를 빠짐없이 자동으로 생성하여 콘텐츠 생성 시 포함시키도록 하여, 저작권 분쟁에 대한 확실한 대응이 가능하도록 하는 것이다.

도 8은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 도시하였으며, 이하의 설명에 있어서, 상술한 도 1 내지 4에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.

도 8에 도시한 바와 같이, 컴퓨팅 장치(10000)은 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripheral interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다. 이때, 컴퓨팅 장치(10000)은 촉각 인터페이스 장치에 연결된 유저 단말이기(A) 혹은 전술한 컴퓨팅 장치(B)에 해당될 수 있다.

메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(11200)는 컴퓨팅 장치(10000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그밖에 다양한 데이터를 포함할 수 있다.

이때, 프로세서(11100)나 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 메모리(11200)에 액세스하는 것은 프로세서(11100)에 의해 제어될 수 있다.

주변장치 인터페이스(11300)는 컴퓨팅 장치(10000)의 입력 및/또는 출력 주변장치를 프로세서(11100) 및 메모리 (11200)에 결합시킬 수 있다. 프로세서(11100)는 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 컴퓨팅 장치(10000)을 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.

입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 입/출력 주변장치들은 입/출력 서브시스템(11400)을 거치지 않고 주변장치 인터페이스(11300)에 결합될 수도 있다.

전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.

통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅 장치와 통신을 가능하게 할 수 있다.

또는 상술한 바와 같이 필요에 따라 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅 장치와 통신을 가능하게 할 수도 있다.

이러한 도 8의 실시 예는, 컴퓨팅 장치(10000)의 일례일 뿐이고, 컴퓨팅 장치(11000)은 도 8에 도시된 일부 컴포넌트가 생략되거나, 도 8에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅 장치는 도 8에도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 통신 회로(1160)에 다양한 통신방식(WiFi, 3G, LTE, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 컴퓨팅 장치(10000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.

본 발명의 실시 예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시 예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로 (collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨팅 장치상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (11)

1. 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템에 관한 것으로,
   유저 단말로부터 키워드를 수신 시, 기설정된 유사어 도출 알고리즘을 통해 수신한 키워드와 유사한 유사 키워드를 추출하는 유사어 추출부;
   적어도 상기 유사어 추출부에 의하여 추출된 유사 키워드를 포함하여, 유저가 작성하는 의료 분야 콘텐츠에 도움이 되는 정보인 콘텐츠 저작에 대한 가이드 정보를 기설정된 가이드 정보 생성 알고리즘을 통해 생성하여 유저 단말에 제공하는 가이드 제공부; 및
   데이터베이스에 기 저장된 의료 분야 콘텐츠들 중, 상기 유사어 추출부에 의하여 추출된 유사 키워드를 포함하며, 기설정된 콘텐츠 선택 알고리즘을 통해 선택된 콘텐츠들을 추천 콘텐츠로 유저 단말에 제공하는 콘텐츠 추천부;를 포함하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
2. 제1항에 있어서.
   상기 유사어 추출부는,
   기설정된 자연어 처리 프로세스로서, 동일 의료 분야의 콘텐츠에 포함된 단어들의 관계성을 머신 러닝을 통해 학습하여 단어를 벡터로 임베딩하고, 임베딩된 단어 벡터 사이의 유사도를 기준으로 수신한 키워드에 대한 유사어를 추출하는 것을 상기 유사어 도출 알고리즘으로 적용하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
3. 제2항에 있어서,
   상기 유사어 추출부는,
   상기 기설정된 자연어 처리 프로세스의 수행에 있어서, 동일 의료 분야의 콘텐츠의 수가 기설정된 제1 개수 이하인 경우, 전이 학습을 통해 유사 의료 분야의 콘텐츠를 이용하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
4. 제1항에 있어서,
   상기 가이드 제공부는,
   기 저장된 의료 분야 콘텐츠들 중, 유저 단말로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 유저 단말로부터 입력된 키워드 및 상기 유사 키워드가 포함된 콘텐츠들로서 유저들의 조회 수, 추천 수, 및 유저 단말로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수를 기준으로 기설정된 개수의 콘텐츠들을 기준 콘텐츠로 선택하고, 기준 콘텐츠를 기준으로 상기 가이드 정보를 생성하여 제공하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
5. 제4항에 있어서,
   상기 가이드 제공부는,
   상기 기준 콘텐츠에 포함된 문장의 패턴 정보를 상기 가이드 정보 생성 알고리즘 중 하나인 자연어 처리 알고리즘을 이용하여 추출하고, 추출된 문장의 패턴 정보들 중 상기 기준 콘텐츠들에서 사용 빈도가 높은 순으로 기설정된 개수의 문장의 패턴 정보를 가이드 정보로 선택하여 유저 단말에 제공하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
6. 제4항에 있어서,
   상기 가이드 제공부는,
   기 저장된 의료분야 콘텐츠들 중, 유저 단말로부터 입력된 키워드 및 상기 유사 키워드가 포함된 콘텐츠들로서, 유저 단말로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수 순으로 기설정된 개수의 콘텐츠들을 참조 콘텐츠로 선택하여 유저 단말에 제공하고, 유저 단말로부터 참조 콘텐츠들 중 적어도 하나 이상의 콘텐츠에 대한 선택 입력을 수신 시, 선택 입력에 대응되는 참조 콘텐츠의 내용 중, 상기 유저 단말로부터 입력된 키워드 및 유사 키워드를 포함하는 문장에 대한 리스트인 추천 문장 리스트를 도출하여 유저 단말에 제공하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
7. 제6항에 있어서,
   유저 단말로부터 적어도 콘텐츠 내용 정보를 포함하는 콘텐츠 저작 요청 입력을 수신 시, 콘텐츠 저작 요청 입력에 따라서 콘텐츠를 생성하되, 상기 유저 단말에 제공된 추천 문장 리스트들 중 상기 콘텐츠 내용 정보에 포함된 문장이 존재하는 것으로 판단되는 경우, 그 문장을 포함하는 참조 콘텐츠에 대한 식별 정보를 레퍼런스 정보로 가공하여 콘텐츠 내용 정보에 포함시켜 콘텐츠를 생성하는 콘텐츠 생성부;를 더 포함하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
8. 제5항에 있어서,
   상기 가이드 제공부는,
   기 저장된 의료 분야 콘텐츠들 중 유저 단말로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 콘텐츠의 수가 기설정된 제2 개수 이하인 경우, 전이 학습을 통해 유사 의료 분야 정보에 대응하는 분야에서의 자연어 처리 알고리즘을 이용하여 상기 자연어 처리 알고리즘을 학습하도록 하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
9. 제1항에 있어서,
   상기 콘텐츠 추천부는,
   기 저장된 의료 분야 콘텐츠들 중, 유저 단말로부터 입력된 의료 분야 정보와 동일한 의료 분야 정보의 유저 단말로부터 입력된 키워드 및 상기 유사 키워드가 포함된 콘텐츠들로서 유저들의 조회 수, 추천 수, 및 유저 단말로부터 입력된 키워드 및 유사 키워드의 사용 빈도 수 순으로 기설정된 개수의 콘텐츠들을 추천 콘텐츠로 선택하여 유저 단말에 제공하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
   
10. 제1항에 있어서,
    상기 유저 단말로부터 저작된 콘텐츠에 대한 저장 요청 입력을 수신 시, 저작된 콘텐츠의 분야를 식별 가능한 태그 정보를 생성하여 저작된 콘텐츠에 삽입하고, 삽입된 태그 정보를 기준으로 콘텐츠를 분류하여 데이터베이스에 저장하는 콘텐츠 저장부;를 더 포함하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
    
11. 제10항에 있어서,
    상기 콘텐츠 저장부는,
    콘텐츠에 포함된 키워드별 사용 빈도를 기준으로 콘텐츠의 분야를 분류하는 머신 러닝 방식의 콘텐츠 분류 알고리즘을 이용하여, 사용 빈도가 가장 높은 키워드, 사용 빈도가 가장 높은 키워드와의 유사 키워드 및 콘텐츠 분류 알고리즘에 따라 분류된 콘텐츠의 분야에 대한 정보를 콘텐츠의 태그 정보로 생성하는 것을 특징으로 하는 인공지능 및 자연어 처리 기반의 의료 콘텐츠 저작 및 관리 시스템.
    

Images