KR20230013540A - 머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템 - Google Patents

머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템 Download PDF

Info

Publication number
KR20230013540A
KR20230013540A KR1020210094414A KR20210094414A KR20230013540A KR 20230013540 A KR20230013540 A KR 20230013540A KR 1020210094414 A KR1020210094414 A KR 1020210094414A KR 20210094414 A KR20210094414 A KR 20210094414A KR 20230013540 A KR20230013540 A KR 20230013540A
Authority
KR
South Korea
Prior art keywords
welfare
learning
information
database
service
Prior art date
Application number
KR1020210094414A
Other languages
English (en)
Inventor
이석곤
Original Assignee
(주)복지이십사
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)복지이십사 filed Critical (주)복지이십사
Priority to KR1020210094414A priority Critical patent/KR20230013540A/ko
Publication of KR20230013540A publication Critical patent/KR20230013540A/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Child & Adolescent Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 실시예에 따르면, 데이터베이스로부터 수신되는 학습 대상으로서의 복지 정보를 학습하는 데이터 학습부; 상기 데이터 학습부로부터 수신되는 학습 모델을 기반으로 복지 정보에 대한 카테고리 분류를 수행하고, 수행 결과를 상기 데이터베이스에 저장하는 API 통신부; 및 사용자 단말기로부터 수신된 복지 서비스 신청에 필요한 사용자 정보, 상기 데이터 학습부에 의해 도출되는 학습 모델 및 상기 카테고리 분류 결과에 기초하여 추출되는 특정 복지 서비스에 대한 신청 문서를 생성하는 복지 신청 문서 생성부를 포함하는, 복지 신청 서비스 제공 시스템이 제공된다.

Description

머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템{METHOD AND SYSTEM FOR PROVIDING UNTACT WELFARE APPLICATION SERVICE BASED ON MACHINE LEARNING}
본 발명은 머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템에 관한 것이다.
최근 정부부처나 지자체 또는 기업 등에서 국민에게 다양한 복지 혜택을 제공하고 있다. 매년 우후죽순 생겨나는 복지 정책 및 복지 혜택을 일반인 입장에서 정확히 파악하고, 신청하기는 매우 어려웠다.
또한, 복지 혜택의 수혜자는 대부분 노약자인기 때문에, 더더욱 복지 정책과 혜택을 이해하기는 쉽지 않았다.
이러한 복지 서비스를 신청하고, 혜택을 수령하기 위해서는 직접 해당 기관으로 방문하거나 전화를 통해 가능했으나, 실제 지원 대상에 해당되는지 판단하기기도 어려울 뿐만 아니라 신청 절차도 쉽지 않았다.
대한민국 공개특허공보 제10-2014-0002412호(2014년 01월 08일 공개)는 주민 복지 지원 대상 확인 서비스 시스템 및 방법에 관한 것으로, 인터넷을 이용하여 웹페이지에서 자신이 복지 지원 사업의 지원 대상인지 간편하게 확인할 수 있도록 하는 구성을 포함하고 있다.
그러나, 상기 특허 또한 신청자가 직접 각 복지 서비스 제공 기관이 운영하는 관할 부처나 지자체, 기업들의 웹 페이지에 접속하여야 하고, 신청 시마다 일일이 본인 인증 또는 회원 가입을 해야 하며, 최대의 복지 혜택을 누리기 위해서는 일일이 각 서비스를 직접 비교해볼 수 밖에 없었다.
또한, 복지 서비스 신청 자격 조건이 변동되는 경우 이를 인지하기 어려운 문제점도 있었다.
본 발명은 전술한 종래기술의 문제점을 해결하기 위한 것이다.
본 발명의 목적은, 사용자가 복지 서비스 신청을 위한 최소 정보만을 입력하면, 최적화된 복지 서비스에 대한 도출 및 이에 대한 신청이 자동으로 이루어질 수 있도록 하는 것이다.
본 발명의 목적은, 복지 정보를 학습에 있어서, 정보별로 최적화된 학습 알고리즘을 사용함으로써, 최소한의 정보로 최적화된 복지 서비스 추천 서비스가 제공될 수 있도록 하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 데이터베이스로부터 수신되는 학습 대상으로서의 복지 정보를 학습하는 데이터 학습부; 상기 데이터 학습부로부터 수신되는 학습 모델을 기반으로 복지 정보에 대한 카테고리 분류를 수행하고, 수행 결과를 상기 데이터베이스에 저장하는 API 통신부; 및 사용자 단말기로부터 수신된 복지 서비스 신청에 필요한 사용자 정보, 상기 데이터 학습부에 의해 도출되는 학습 모델 및 상기 카테고리 분류 결과에 기초하여 추출되는 특정 복지 서비스에 대한 신청 문서를 생성하는 복지 신청 문서 생성부를 포함하는, 복지 신청 서비스 제공 시스템이 제공된다.
상기 데이터베이스는, 관계형 데이터베이스 및 분산형 데이터베이스를 포함하고, 상기 관계형 데이터베이스는, 외부 서버로부터 획득되는 복지 정보를 상기 API 통신부 및 상기 분산형 데이터베이스로 전송하고, 상기 데이터 학습부는, 상기 분산형 데이터베이스로부터 상기 학습 대상으로서의 복지 정보를 수신할 수 있다.
상기 데이터베이스는 관리자 단말기에 복지 정보에 대한 검색 기능 및 복지 정보 리스트 출력 기능을 제공하고, 상기 관리자 단말기로부터 정제된 데이터를 수신 및 저장할 수 있다.
상기 데이터 학습부는, 복지 혜택명을 CNN 및 LSTM 알고리즘을 통해 학습하고, 각 복지 서비스의 지원 내용, 지원 조건, 지원 자격을 심플 CNN 알고리즘을 통해 학습할 수 있다.
본 발명의 다른 실시예에 따르면, 복지 정보 제공 서버가, 머신러닝 기반 복지 신청 서비스를 제공하기 위한 방법으로서, 데이터베이스로부터 수신되는 학습 대상으로서의 복지 정보를 학습하는 단계; 상기 데이터 학습부로부터 수신되는 학습 모델을 기반으로 복지 정보에 대한 카테고리 분류를 수행하고, 수행 결과를 상기 데이터베이스에 저장하는 단계; 및 사용자 단말기로부터 수신된 복지 서비스 신청에 필요한 사용자 정보, 상기 데이터 학습부에 의해 도출되는 학습 모델 및 상기 카테고리 분류 결과에 기초하여 추출되는 특정 복지 서비스에 대한 신청 문서를 생성하는 단계를 포함하는, 복지 신청 서비스 제공 방법이 제공된다.
본 발명의 일 실시예에 따르면, 사용자가 복지 서비스 신청을 위한 최소 정보만을 입력하면, 최적화된 복지 서비스에 대한 도출 및 이에 대한 신청이 자동으로 이루어질 수 있게 된다.
본 발명의 일 실시예에 따르면, 복지 정보를 학습함에 있어서, 복지혜택명은 CNN 및 LSTM 알고리즘을 통해 학습하고, 지원 내용, 지원 조건, 지원 자격 등은 Simple CNN에 의해 학습됨으로써, 각 정보에 최적화된 학습이 가능해질 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 머신러닝 기반 비대면 복지 서비스 제공 시스템의 구성을 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 복지 정보 제공 서버의 세부 구성 및 동작을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 복지 정보에 대한 학습 방법론을 설명하기 위한 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 머신러닝 기반 비대면 복지 서비스 제공 시스템의 구성을 개략적으로 나타내는 도면이다.
도 1을 참조하면, 일 실시예에 따른 시스템은, 사용자 단말기(100), 복지 정보 제공 서버(200), 관리자 단말기(300)를 포함하여 구성될 수 있다.
사용자 단말기(100), 복지 정보 제공 서버(200), 관리자 단말기(300)는 통신망, 예를 들면, 이동통신망, 근거리 통신망(LAN: Local Area Network), 도시권 통신망(MAN: Metropolitan Area Network), 광역 통신망(WAN: Wide Area Network), 월드와이드웹(WWW: World Wide Web), 무선통신망(WiFi: Wireless Fidelity)을 통해 상호 통신할 수 있다.
사용자 단말기(100), 관리자 단말기(300)는 연산 기능을 갖추고 있으며, 외부와 통신할 수 있는 기기라면 어떠한 형태로 구현되어도 무방하다. 사용자 단말기(100), 관리자 단말기(300)는, 예를 들면 스마트폰, 태블릿 PC, 데스크톱, 랩탑 노트북, PDA 등으로 구현될 수 있으나, 이에 제한되는 것은 아니다.
사용자 단말기(100)는 복지 서비스 수혜자가 소지하는 단말기로서, 복지 정보 제공 서버(200)에 접속하여 사용자에 의해 입력되는 개인 정보를 전송하는 기능을 수행한다.
복지 정보 제공 서버(200)는 사용자 단말기(100)로부터 제공되는 정보, 각종 지자체 또는 기업에서 운영하는 서버로부터 획득되는 복지 정보를 기반으로 머신러닝에 기반하여 학습하여 사용자에게 최적의 복지 서비스 정보를 제공하는 기능을 수행한다.
관리자 단말기(300)는 복지 정보 제공 서버(200)의 동작을 모니터링하고, 복지 정보 리스트에 대한 정제된 데이터를 복지 정보 제공 서버(200)로 전송하는 기능을 수행한다. 또한, 복지 정보 제공 서버(200)에 의해 생성된 복지 서비스 신청 문서를 수신하는 기능 또한 수행한다.
도 2는 본 발명의 일 실시예에 따른 복지 정보 제공 서버의 세부 구성 및 동작을 설명하기 위한 도면이다.
도 2를 참조하면, 복지 정보 제공 서버(200)는 API 통신부(210), 관계형 데이터베이스(220), 분산형 데이터 베이스(230), 데이터 학습부(240), 복지 신청 문서 생성부(250)를 포함하여 구성될 수 있다.
API 통신부(210), 관계형 데이터베이스(220), 분산형 데이터 베이스(230), 데이터 학습부(240), 복지 신청 문서 생성부(250)는 외부 장치와 통신할 수 있는 프로그램 모듈 또는 하드웨어들일 수 있다. 이러한 프로그램 모듈 또는 하드웨어는 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 복지 서비스 제공 서버(200) 또는 이와 통신 가능한 다른 장치에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 한편, 이러한 프로그램 모듈 또는 하드웨어들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
API 통신부(210)는 사용자 단말기(100)로부터 수신되는 복지 서비스 신청과 관련된 정보, 예를 들면, 이름, 생년월일, 나이, 성별, 주소, 장애 관련 정보, 소득 수준 정보 등을 수신한다. 또한, 관계형 데이터베이스(220)로부터 각종 복지 정보를 수신하고, 데이터 학습부(240)로부터 수신되는 학습 모델을 토대로, 상기 각종 복지 정보를 분석하여, 카테고리 분류 결과를 관계형 데이터베이스(220)에 저정한다.
관계형 데이터베이스(220)는 정부, 지자체 또는 각종 복지 서비스 제공 기업으로부터 수신되는 복지 정보를 저장하고, 이에 대한 정보를 API 통신부(210) 및 분산형 데이터베이스(230)에 전송하는 기능을 수행한다. 관계형 데이터베이스(220)는 테이블로 이루어진 데이터베이스로서, 테이블은 키와 값의 관계를 나타낸다. 테이블은 행과 열, 그리고 거기에 대응하는 값을 가진다. 이러한 관계형 데이터베이스(220)는 데이터의 분류, 정렬, 탐색 속도가 빠르고, 데이터 무결성이 보장된다. 반면, 기존 작성된 스키마 수정이 어려우며, 데이터베이스의 부하를 분석하는 것이 여렵다. 분산형 데이터베이스(230)는 데이터를 여러 노드에 분산 위치시킨 형태로서, 데이터의 저장 장소를 명시하지 않고, 접근자로 하여금 어느 노드에 위치한 데이터일지라도 동일한 방법으로 데이터에 접근할 수 있도록 한다. 여러 접근자의 프로그램이 동시에 데이터베이스에 대한 트랜잭션을 수행하여도 결과에 이상이 없게 된다.
상기의 특징으로 인해, 관계형 데이터베이스(220)는 외부 서버 또는 데이터베이스로부터 수신되는 복지 정보를 효율적으로 관리하게 되며, 분산형 데이터베이스(230)는 데이터 학습부(240)에 의한 데이터 접근에 있어서 효율성, 무결성을 보장해주게 된다.
한편, 관계형 데이터베이스(220)는 관리자 단말기(300)로부터의 요청에 따라 복지 정보에 대한 검색 및 검색 결과 리스트 전송의 기능을 제공하고, 관계형 데이터베이스(220)에 저장된 데이터에 대해 관리자가 정제를 수행한 결과를 관리자 단말기(300)로부터 수신한다.
일 실시예에 따른 데이터 학습부(240)는 분산형 데이터베이스(230)에 접근하여, 학습 대상 데이터를 획득하고, 학습 결과로서 생성되는 학습 모델은 API 통신부(210)로 제공한다.
도 3은 본 발명의 일 실시예에 따른 복지 정보에 대한 학습 방법론을 설명하기 위한 도면이다.
본 발명의 실시예에서, 학습은 머신러닝 또는 이의 일종인 딥러닝 알고리즘을 통해 수행된다.
도 3을 참조하면, 데이터 학습부(240)는 복지 정보에 있어서, 복지 혜택명을 CNN(Convolutional Neural Network) 및/또는 LSTM(Long Short Term Memory)을 통해 학습한다. LSTM은 RNN(Recurrent Neural Network) 알고리즘의 한 종류로서, 이를 개선한 모델로 긴 의존 시간을 필요로 하는 데이터를 학습하는 데에 효과적인 모델이다. 환언하면, 직전 데이터뿐만 아니라, 좀 더 거시적으로 과거 데이터를 고려하여 미래의 데이터를 예측할 수 있도록 하는 알고리즘이다. 또한, LSTM 은 자연어를 처리 및 학습하기에도 적합한 알고리즘이라고 할 수 있다. 한편, CNN 은 특정 특징이 해당 데이터에 존재하는지를 검출하는 데에 적합한 알고리즘이다.
일 실시예에 따르면, 복지 혜택명을 CNN 알고리즘을 통해 딥러닝함으로써, 각 복지 혜택명에 복지와 관련된 다양한 키워드들 중 어떠한 키워드가 포함되어 있는지를 라벨링할 수 있게 된다. 또한, LSTM 알고리즘을 통해 각 복지 혜택명에 대한 자연어 분석 및 학습과, 긴 시간 동안의 데이터를 고려함으로써, 각 복지 혜택명이 어떠한 종류의 복지 서비스와 관련되어 있는지 여부를 판단할 수 있게 된다.
한편, 각 복지 서비스에 대한 지원 내용, 지원 조건, 지원 자격 등에 대해서는 심플(Simple) CNN 알고리즘을 통해 학습을 수행한다.
이렇게 학습된 결과에 대해서는, 결합(Concatenate) 함수 및 밀집(Dense) 함수를 통해 데이터 결합이 이루어진다. 밀집 함수를 통해, 각 복지 정보에 대한 카테고리 분류가 이루어질 수 있게 된다.
상기의 동작을 모두 데이터 학습부(240)가 수행할 수도 있지만, 밀집 함수를 API 통신부(210)가 수행할 수도 있고, 결합 함수와 밀집 함수를 모두 API 통신부(210)가 수행할 수도 있다.
카테고리 분류 결과는 API 통신부(210)를 통해 관계형 데이터베이스(220)에 저장될 수 있다.
전술한 바와 같이, 사용자 단말기(100)를 통해 제공되는 사용자 정보는 API 통신부(210)로 전송되는데, 해당 사용자 정보, 데이터 학습부(240)에 의해 상기의 동작으로 도출되는 복지 정보 학습 모델 및 카테고리 분류 결과를 통해 해당 사용자에게 최적화된 복지 서비스 정보가 추출될 수 있고, 해당 복지 서비스에 대한 신청 문서가 복지 신청 문서 생성부(250)에 의해 자동으로 생성될 수 있다. 복지 신청 문서 생성부(250)는 GUI 자동화 봇에 의해 상기 동작을 실시할 수 있다.
생성된 복지 신청 문서는 관리자 단말기(300) 또는 다른 담당자 단말기로 전송될 수 있다.
본 발명의 일 실시예에 따르면, 사용자가 복지 서비스 신청을 위한 최소 정보만을 입력하면, 최적화된 복지 서비스에 대한 도출 및 이에 대한 신청이 자동으로 이루어질 수 있게 된다.
본 발명의 일 실시예에 따르면, 복지 정보를 학습함에 있어서, 복지혜택명은 CNN 및 LSTM 알고리즘을 통해 학습하고, 지원 내용, 지원 조건, 지원 자격 등은 Simple CNN에 의해 학습됨으로써, 각 정보에 최적화된 학습이 가능해질 수 있게 된다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 사용자 단말기
200: 복지 정보 제공 서버
300: 관리자 단말기
210: API 통신부
220: 관계형 데이터베이스
230: 분산형 데이터 베이스
240: 데이터 학습부
250: 복지 신청 문서 생성부

Claims (5)

  1. 데이터베이스로부터 수신되는 학습 대상으로서의 복지 정보를 학습하는 데이터 학습부;
    상기 데이터 학습부로부터 수신되는 학습 모델을 기반으로 복지 정보에 대한 카테고리 분류를 수행하고, 수행 결과를 상기 데이터베이스에 저장하는 API 통신부; 및
    사용자 단말기로부터 수신된 복지 서비스 신청에 필요한 사용자 정보, 상기 데이터 학습부에 의해 도출되는 학습 모델 및 상기 카테고리 분류 결과에 기초하여 추출되는 특정 복지 서비스에 대한 신청 문서를 생성하는 복지 신청 문서 생성부를 포함하는, 복지 신청 서비스 제공 시스템.
  2. 제1항에 있어서,
    상기 데이터베이스는, 관계형 데이터베이스 및 분산형 데이터베이스를 포함하고,
    상기 관계형 데이터베이스는, 외부 서버로부터 획득되는 복지 정보를 상기 API 통신부 및 상기 분산형 데이터베이스로 전송하고,
    상기 데이터 학습부는, 상기 분산형 데이터베이스로부터 상기 학습 대상으로서의 복지 정보를 수신하는, 복지 신청 서비스 제공 시스템.
  3. 제1항에 있어서,
    상기 데이터베이스는 관리자 단말기에 복지 정보에 대한 검색 기능 및 복지 정보 리스트 출력 기능을 제공하고, 상기 관리자 단말기로부터 정제된 데이터를 수신 및 저장하는, 복지 신청 서비스 제공 시스템.
  4. 제1항에 있어서,
    상기 데이터 학습부는,
    복지 혜택명을 CNN 및 LSTM 알고리즘을 통해 학습하고,
    각 복지 서비스의 지원 내용, 지원 조건, 지원 자격을 심플 CNN 알고리즘을 통해 학습하는, 복지 신청 서비스 제공 시스템.
  5. 복지 정보 제공 서버가, 머신러닝 기반 복지 신청 서비스를 제공하기 위한 방법으로서,
    데이터베이스로부터 수신되는 학습 대상으로서의 복지 정보를 학습하는 단계;
    상기 데이터 학습부로부터 수신되는 학습 모델을 기반으로 복지 정보에 대한 카테고리 분류를 수행하고, 수행 결과를 상기 데이터베이스에 저장하는 단계; 및
    사용자 단말기로부터 수신된 복지 서비스 신청에 필요한 사용자 정보, 상기 데이터 학습부에 의해 도출되는 학습 모델 및 상기 카테고리 분류 결과에 기초하여 추출되는 특정 복지 서비스에 대한 신청 문서를 생성하는 단계를 포함하는, 복지 신청 서비스 제공 방법.
KR1020210094414A 2021-07-19 2021-07-19 머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템 KR20230013540A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210094414A KR20230013540A (ko) 2021-07-19 2021-07-19 머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210094414A KR20230013540A (ko) 2021-07-19 2021-07-19 머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20230013540A true KR20230013540A (ko) 2023-01-26

Family

ID=85110834

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210094414A KR20230013540A (ko) 2021-07-19 2021-07-19 머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20230013540A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102649918B1 (ko) * 2023-06-05 2024-03-20 (주)복지이십사 대규모 언어 모델 기반 맞춤형 복지 정책 추천 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102649918B1 (ko) * 2023-06-05 2024-03-20 (주)복지이십사 대규모 언어 모델 기반 맞춤형 복지 정책 추천 시스템

Similar Documents

Publication Publication Date Title
US20210248247A1 (en) Data privacy policy based network resource access controls
US10997258B2 (en) Bot networks
US10713306B2 (en) Content pattern based automatic document classification
US20180330232A1 (en) Identification and classification of training needs from unstructured computer text using a neural network
US10762083B2 (en) Entity- and string-based search using a dynamic knowledge graph
EP4162416A1 (en) Machine learning systems for remote role evaluation and methods for using same
US20220335223A1 (en) Automated generation of chatbot
US10606910B2 (en) Ranking search results using machine learning based models
US11681817B2 (en) System and method for implementing attribute classification for PII data
US20180285775A1 (en) Systems and methods for machine learning classifiers for support-based group
US20200184422A1 (en) System and method for screening candidates based on historical data
US10902201B2 (en) Dynamic configuration of document portions via machine learning
US11030228B2 (en) Contextual interestingness ranking of documents for due diligence in the banking industry with topicality grouping
US11900320B2 (en) Utilizing machine learning models for identifying a subject of a query, a context for the subject, and a workflow
US20210350023A1 (en) Machine Learning Systems and Methods for Predicting Personal Information Using File Metadata
CN113924586A (zh) 将机器学习和预测建模用于优化招聘管理系统的知识引擎
US11323564B2 (en) Case management virtual assistant to enable predictive outputs
KR20230013540A (ko) 머신러닝 기반 비대면 복지 신청 서비스 제공 방법 및 시스템
US20200159738A1 (en) Contextual interestingness ranking of documents for due diligence in the banking industry with entity grouping
US10332048B2 (en) Job profile generation based on intranet usage
US20190266291A1 (en) Document processing based on proxy logs
US20170085450A1 (en) Device for Identifying Organizations and Monitoring Organization's Website Activity from Visit Logs
US20200242494A1 (en) Corpus Gap Probability Modeling
US11625450B1 (en) Automated predictive virtual assistant intervention in real time
JP2020067864A (ja) 知識検索装置、知識検索方法、および、知識検索プログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal