KR20230093691A - 자산 파일을 분류하기 위한 방법 - Google Patents
자산 파일을 분류하기 위한 방법 Download PDFInfo
- Publication number
- KR20230093691A KR20230093691A KR1020210182528A KR20210182528A KR20230093691A KR 20230093691 A KR20230093691 A KR 20230093691A KR 1020210182528 A KR1020210182528 A KR 1020210182528A KR 20210182528 A KR20210182528 A KR 20210182528A KR 20230093691 A KR20230093691 A KR 20230093691A
- Authority
- KR
- South Korea
- Prior art keywords
- asset file
- file
- asset
- data
- source
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000013145 classification model Methods 0.000 claims abstract description 68
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000005192 partition Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 description 54
- 238000004891 communication Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 241000282326 Felis catus Species 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012950 reanalysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/126—Character encoding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- 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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 개시의 몇몇 실시예에 따른, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 자산 파일을 분류하기 위한 방법이 개시된다. 상기 자산 파일을 분류하기 위한 방법은 파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하는 단계; 상기 분류 모델을 사용하여 상기 입력 데이터로부터 상기 제 1 자산 파일을 분류한 분류 결과를 생성하는 단계; 및 상기 분류 결과에 기초하여 상기 제 1 자산 파일을 분류하는 단계를 포함할 수 있다.;
Description
본 개시는 자산 파일을 분류하기 위한 방법으로서, 구체적으로 메인프레임에서 사용자의 자산 파일을 자동으로 분류하기 위한 방법에 관한 것이다.
메인프레임(mainframe)은 다양한 데이터를 처리할 수 있는 범용 목적의 대형 컴퓨팅 장치일 수 있다. 범용 목적으로 사용되는 메인프레임은 금융권, 제조, 공공 등 다양한 분야의 업무를 모두 수용할 수 있다. 메인프레임은 다양한 분야의 업무에 대한 데이터가 저장되는 바, 수령 된 고객의 자산 파일들을 분류할 필요성이 존재한다. 여기서, 자산 파일은 고객들이 유의미한 가치가 있다고 판단한 데이터 셋일 수 있다. 자산 파일은 고객들이 유의미한 가치가 있다고 판단한 애플리케이션 또는 프로그램일 수 있다. 자산 파일과 관련되는 기술 분야에 따라 데이터의 처리 또는 운용 방식이 상이할 수 있기 때문에, 메인프레임은 수령 된 고객의 자산 파일들을 분류할 필요성이 존재한다.
그러나, 종래에는 자산 파일을 분류하기 위한 기술이 개발되지 않아, 자산 파일들의 분류가 필요한 경우 관리자가 직접 자산 파일들을 일일이 확인하여 분류해야 했다. 더하여, 자산 파일들은 파일의 형태가 다양하고 통일되어 있지 않기 때문에, 파일의 형태 또한 관리자가 직접 통일 시켜야 했다. 이에 따라 자산 파일들을 분류하는데 많은 시간과 노력이 소요되었다. 또한, 자산 파일들을 분류한 결과에 대해서도 일관성이 존재하지 않아 신뢰도를 장담할 수 없다는 문제가 존재하였다.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 분류의 결과에 대한 정확도가 높은 자산 파일을 분류하기 위한 방법을 제공하고자 한다.
본 개시의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위한 본 개시의 일 실시예에 따라, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 자산 파일을 분류하기 위한 방법이 개시된다. 상기 자산 파일을 분류하기 위한 방법은 파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하는 단계; 상기 분류 모델을 사용하여 상기 입력 데이터로부터 상기 제 1 자산 파일을 분류한 분류 결과를 생성하는 단계; 및 상기 분류 결과에 기초하여 상기 제 1 자산 파일을 분류하는 단계; 를 포함할 수 있다.
또한, 상기 파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하는 단계는, 상기 파티션 데이터 셋 단위의 상기 제 1 자산 파일을 멤버 단위의 소스(source) 파일로 분할하는 단계; 상기 소스 파일에 포함된 텍스트를 토큰화(tokenizing)하는 단계; 및 토큰화된 상기 소스 파일을 벡터화하여 상기 입력 데이터를 생성하는 단계; 를 포함할 수 있다.
또한, 상기 토큰화된 상기 소스 파일을 벡터화하여 상기 입력 데이터를 생성하는 단계는, 상기 소스 파일에 포함된 단어의 중요도를 이용하는 TF-IDF(Term Frequency-Inverse Document Frequency) 기법에 따라 상기 소스 파일을 벡터화하여 상기 입력 데이터를 생성하는 단계; 를 포함할 수 있다.
또한, 상기 파티션 데이터 셋 단위의 상기 제 1 자산 파일을 멤버 단위의 소스(source) 파일로 분할하는 단계는,
상기 제 1 자산 파일에 포함된 복수의 소스 코드들이 디렉토리 형태로 존재하는지 여부를 확인하는 단계; 상기 복수의 소스 코드들이 디렉토리 형태로 존재하는 경우, 상기 제 1 자산 파일을 상기 멤버 단위의 소스 파일로 분할하는 단계; 및 상기 복수의 소스 코드들이 디렉토리 형태로 존재하지 않는 경우, 상기 복수의 소스 코드들이 구분되는 딜리미터(delimiter) 정보에 기초하여, 상기 제 1 자산 파일을 상기 멤버 단위의 소스 파일로 분할하는 단계; 를 포함할 수 있다.
또한, 상기 파티션 데이터 셋 단위의 제 1 자산 파일을 멤버 단위의 소스(source) 파일로 분할하는 단계는, 상기 제 1 자산 파일이 EBCDIC (Extended Binary Coded Decimal Interchange Code) 데이터 형태인 경우, ASCII(American Standard Code for Information Interchange) 데이터 형태로 전환하는 단계; 및 전환된 상기 파티션 데이터 셋 단위의 상기 제 1 자산 파일을 상기 멤버 단위의 상기 소스 파일로 분할하는 단계; 를 포함할 수 있다.
또한, 상기 제 1 자산 파일이 EBCDIC(Extended Binary Coded Decimal Interchange Code) 데이터 형태인 경우, ASCII(American Standard Code for Information Interchange) 데이터 형태로 전환하는 단계는, 상기 EBCDIC 데이터 형태의 상기 제 1 자산 파일에 포함된 소스 코드 중 인식이 불가능한 소스 코드가 존재하는 경우, 상기 제 1 자산 파일의 생성에 사용된 언어를 나타내는 CPM 파일에 기초하여 상기 소스 코드를 상기 ASCII 데이터 형태로 전환하는 단계; 를 포함할 수 있다.
또한, 상기 분류 모델은 자산 파일로부터 추출되는 특징에 기초하여 생성된 정형 데이터를 이용하여 사전 학습될 수 있다.
또한, 상기 분류 모델은 상기 제 1 자산 파일이 사전 정의된 복수의 라벨들 중 어느 하나의 라벨과 대응되는 확률에 기초하여 상기 분류 결과를 생성할 수 있다.
또한, 상기 분류 결과는 상기 제 1 자산 파일을 상기 사전 정의된 복수의 라벨들 중 어느 하나의 라벨로 분류한 결과에 대한 정보 또는 상기 제 1 자산 파일을 사전 정의된 라벨로 분류하지 못한 결과에 대한 정보를 포함할 수 있다.
또한, 상기 분류 결과를 생성한 이후 상기 제 1 자산 파일 내에 적어도 두개의 특징이 존재한다고 결정된 경우, 상기 적어도 두개의 특징 각각이 상기 제 1 자산 파일에 분포된 분포도를 결정하는 단계; 상기 적어도 두개의 특징 각각의 상기 분포도에 기초하여 하나의 제 1 특징을 결정하는 단계; 및 상기 하나의 제 1 특징에 기초하여, 상기 분류 결과를 재생성하는 단계; 를 더 포함할 수 있다.
또한, 생성된 상기 분류 결과를 데이터베이스에 테이블로 저장하는 단계; 를 더 포함할 수 있다.
또한, 자산 파일을 분류하기 위한 컴퓨팅 장치로서, 파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하고, 상기 분류 모델을 사용하여 상기 입력 데이터로부터 상기 제 1 자산 파일을 분류한 분류 결과를 생성하고, 그리고 상기 분류 결과에 기초하여 상기 제 1 자산 파일을 분류하는 프로세서; 를 포함할 수 있다.
또한, 컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에 의해 실행되는 경우 자산 파일을 분류하기 위한 방법을 수행하며, 상기 방법은 파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하는 단계; 상기 분류 모델을 사용하여 상기 입력 데이터로부터 상기 제 1 자산 파일을 분류한 분류 결과를 생성하는 단계; 및 상기 분류 결과에 기초하여 상기 제 1 자산 파일을 분류하는 단계; 를 포함할 수 있다.
본 개시에서 얻을 수 있는 기술적 해결 수단은 이상에서 언급한 해결 수단들로 제한되지 않으며, 언급하지 않은 또 다른 해결 수단들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 몇몇 실시예에 따르면, 분류의 결과에 대한 정확도가 높은 자산 파일을 분류하기 위한 방법을 제공할 수 있도록 한다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 특정 세부사항들 없이 실시될 수 있음은 명백할 것이다. 다른 예시들에서, 공지의 구조들 및 장치들이 하나 이상의 양상들의 기재를 용이하게 하기 위해 블록도 형태로 도시된다.
도 1은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치의 일례를 설명하기 위한 블록 구성도이다.
도 2는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일을 분류하는 방법의 일례를 설명하기 위한 흐름도이다.
도 3은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일에 전처리를 수행하는 방법의 일례를 설명하기 위한 흐름도이다.
도 4는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일을 소스 파일로 분할하는 방법의 일례를 설명하기 위한 흐름도이다.
도 5는 본 개시의 몇몇 실시예에 따른 분류 모델이 분포도에 기초하여 분류 결과를 생성하는 방법의 일례를 설명하기 위한 흐름도이다.
도 6은 본 개시내용의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 일반적인 개략도를 도시한다.
도 1은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치의 일례를 설명하기 위한 블록 구성도이다.
도 2는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일을 분류하는 방법의 일례를 설명하기 위한 흐름도이다.
도 3은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일에 전처리를 수행하는 방법의 일례를 설명하기 위한 흐름도이다.
도 4는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일을 소스 파일로 분할하는 방법의 일례를 설명하기 위한 흐름도이다.
도 5는 본 개시의 몇몇 실시예에 따른 분류 모델이 분포도에 기초하여 분류 결과를 생성하는 방법의 일례를 설명하기 위한 흐름도이다.
도 6은 본 개시내용의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 일반적인 개략도를 도시한다.
다양한 실시예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나 이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 감지될 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. 구체적으로, 본 명세서에서 사용되는 "실시예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.
이하, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략한다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다.
비록 제 1, 제 2 등이 다양한 소자나 구성요소들을 서술하기 위해서 사용되나, 이들 소자나 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자나 구성요소를 다른 소자나 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제 1 소자나 구성요소는 본 발명의 기술적 사상 내에서 제 2 소자나 구성요소 일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
더불어, 본 명세서에서 사용되는 용어 "정보" 및 "데이터"는 종종 서로 상호교환 가능하도록 사용될 수 있다.
어떤 구성 요소가 다른 구성 요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어"있다고 언급된 때에는, 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다.
이하의 설명에서 사용되는 구성 요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 개시의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 개시를 설명하는데 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 개시에서의 기능을 고려하여 정의된 용어들로써 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 개시의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시는 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 개시에서, 컴퓨팅 장치는 파티션 데이터 셋(partitioned data set, PDS) 단위의 자산 파일을 분류할 수 있다. 자산 파일은 고객들로부터 수신한 데이터 셋일 수 있다. 자산 파일은 고객으로부터 수신한 애플리케이션 또는 프로그램일 수도 있다. 파티션 데이터 셋은 여러 개의 멤버(member)를 포함하는 데이터 셋일 수 있다. 멤버는 객체 지향 프로그래밍에서 하나의 클래스를 구성하는 개별적인 구성 요소일 수 있다. 멤버 단위는 소스 파일 단위를 나타낼 수 있다. 멤버는 별개의 하위 데이터 셋을 포함할 수도 있다. 파티션 데이터 셋은 파일을 분류하기 위한 디렉토리(directory) 구조와 동일한 또는 유사한 구조를 가질 수 있다. 이러한 종류의 파티션 데이터 세트는 실행 프로그램, 소스 프로그램 라이브러리 또는 작업 제어 언어를 보관하기 위해 사용될 수 있다. 이와 같은 파티션 데이터 셋 단위의 자산 파일들은 형태가 매우 다양하고 제각각일 수 있다. 이에 따라, 컴퓨팅 장치는 자산 파일에 전처리를 수행할 수 있다. 컴퓨팅 장치는 자산 파일에 전처리를 수행하여 생성된 입력 데이터를 분류 모델에 입력하여 자산 파일을 분류할 수 있다. 여기서, 분류 모델은 신경망(neural network) 기반의 모델일 수 있다. 이하, 본 개시에 따른 컴퓨팅 장치에 의해 수행되는 자산 파일을 분류하기 위한 방법에 대해 도 1 내지 도 6을 통해 설명한다.
도 1은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치의 일례를 설명하기 위한 블록 구성도이다.
도 1을 참조하면, 본 개시에서의 컴퓨팅 장치(100)는 프로세서(110), 저장부(120) 및 통신부(130)를 포함할 수 있다. 다만, 상술한 구성 요소들은 컴퓨팅 장치(100)를 구현하는데 있어서 필수적인 것은 아니어서, 컴퓨팅 장치(100)는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
컴퓨팅 장치(100)는 예를 들어, 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 휴대용 디바이스 및 디바이스 제어기 등과 같은 임의의 타입의 컴퓨터 시스템 또는 컴퓨터 디바이스를 포함할 수 있다.
프로세서(110)는 컴퓨팅 장치(100)의 전반적인 동작을 제어할 수 있다. 프로세서(110)는 컴퓨팅 장치(100)의 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리에 저장된 응용 프로그램을 구동함으로써, 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치(100)의 중앙 처리 장치(CPU: Central Processing Unit), 범용 그래픽 처리 장치 (GPGPU: General Purpose Graphics Processing Unit), 텐서 처리 장치(TPU: Tensor Processing Unit) 등의 데이터 분석을 위한 프로세서를 포함할 수 있다.
본 개시에서, 프로세서(110)는 파티션 데이터 셋 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성할 수 있다. 분류 모델은 입력 데이터로부터 제 1 자산 파일을 분류한 분류 결과를 생성할 수 있다. 프로세서(110)는 분류 모델을 통해 출력된 분류 결과에 기초하여, 제 1 자산 파일을 분류할 수 있다.
분류 모델은 신경망(neural network) 기반의 모델일 수 있다. 신경망은 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은 "뉴런(neuron)"들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의"링크"에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다. 하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다.
가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다.
예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다. 상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다.
신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다.
예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다. 신경망은 하나 이상의 노드들을 포함하여 구성될 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다.
예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다.
그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다.
예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다. 최초 입력 노드는 신경망 내의 노드들 중 다른 노드 들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다.
또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다.
이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드 들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다.
또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 몇몇 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다.
또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다.
또한, 본 개시의 또 다른 몇몇 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다.
본 개시의 또 다른 몇몇 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다.
딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다.
딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrentneural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 또는 백본 네트워크(backbone network) 등을 포함할 수 있다.
전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다. 뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다.
뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다.
교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다.
즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨이 비교함으로써 오류(error)가 계산될 수 있다.
다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다.
학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다. 뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다.
과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regulaization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.
저장부(120)는 메모리 및/또는 영구저장매체를 포함할 수 있다. 메모리는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
저장부(120)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 통신부(130)가 수신한 임의의 형태의 정보를 저장할 수 있다. 본 개시에서, 저장부(120)는 파티션 데이터 셋 단위의 제 1 자산 파일을 저장할 수 있다. 저장부(120)는 분류 모델을 통해 생성된 제 1 자산 파일에 대한 분류 결과를 데이터베이스에 테이블로 저장할 수 있다.
통신부(130)는 컴퓨팅 장치(100)와 통신 시스템 사이 또는 컴퓨팅 장치(100)와 네트워크 사이의 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 이러한 통신부(130)는 유선 인터넷 모듈 및 무선 인터넷 모듈 중 적어도 하나를 포함할 수 있다.
이하에서는, 본 개시에 따른 컴퓨팅 장치가 자산 파일을 분류하는 방법에 대해 설명한다.
도 2는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일을 분류하는 방법의 일례를 설명하기 위한 흐름도이다.
도 2를 참조하면, 컴퓨팅 장치(100)의 프로세서(110)는 파티션 데이터 셋 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성할 수 있다(S110).
파티션 데이터 셋은 여러 개의 멤버(member)를 포함하는 데이터 셋일 수 있다. 멤버는 객체 지향 프로그래밍에서 하나의 클래스를 구성하는 개별적인 구성 요소일 수 있다. 멤버는 별개의 하위 데이터 셋을 포함할 수 있다. 파티션 데이터 셋은 파일을 분류하기 위한 디렉토리(directory) 구조와 동일한 또는 유사한 구조를 가질 수 있다. 분류 모델은 파티션 데이터 셋 단위의 제 1 자산 파일을 입력값으로 사용하지 못할 수 있다. 분류 모델과 같은 신경망 모델에 사용되는 입력값은 일반적으로 행렬 구조의 데이터이기 때문일 수 있다. 이에 따라, 프로세서(110)는 파티션 데이터 셋 단위의 제 1 자산 파일에 전처리를 수행하여 멤버 단위로 정제할 수 있다.
전처리는 제 1 자산 파일이 분류 모델에 입력값으로서 사용될 수 있도록 수행되는 동작일 수 있다. 전처리는 제 1 자산 파일에 포함된 소스 파일을 벡터화하는 동작일 수 있다. 벡터화는 소스 파일에 포함된 텍스트를 열 벡터(column vector)로 변환하는 동작일 수 있다. 프로세서(110)는 제 1 자산 파일에 포함된 소스 파일을 벡터화하여 입력 데이터를 생성할 수 있다. 이하, 프로세서(110)가 파티션 데이터 셋 단위의 제 1 자산 파일에 전처리를 수행하는 방법의 일례는 도 3을 통해 설명한다.
프로세서(110)는 분류 모델을 사용하여 입력 데이터로부터 제 1 자산 파일을 분류한 분류 결과를 생성할 수 있다(S120).
구체적으로, 분류 모델은 제 1 자산 파일이 저장부(120)에 저장된 사전 정의된 복수의 라벨(label)들 중 어느 하나의 라벨과 대응되는 확률에 기초하여 분류 결과를 생성할 수 있다. 라벨은 관리자에 의해 다양한 종류의 자산 파일들이 분류되어 있는 카테고리를 나타낼 수 있다. 분류 모델은 제 1 자산 파일이 저장부(120)에 저장된 사전 정의된 복수의 라벨들 각각과 대응되는 확률을 계산할 수 있다. 분류 모델은 복수의 라벨들 중 가장 높은 확률로 대응되는 어느 하나의 라벨을 결정할 수 있다. 분류 모델은 결정된 라벨에 기초하여 분류 결과를 생성할 수 있다. 분류 결과가 생성된 경우, 저장부(120)는 생성된 분류 결과를 데이터베이스에 테이블로 저장할 수 있다.
본 개시의 몇몇 실시예에 따르면 분류 결과는 제 1 자산 파일을 사전 정의된 복수의 라벨들 중 어느 하나의 라벨로 분류한 결과에 대한 정보 또는 제 1 자산 파일을 사전 정의된 라벨로 분류하지 못한 결과에 대한 정보를 포함할 수 있다. 다시 말해, 분류 모델은 제 1 자산 파일이 사전 정의된 라벨로 분류되지 않는 경우, 제 1 자산 파일이 분류되지 못했다는 분류 결과를 생성할 수도 있다. 프로세서(110)는 제 1 자산 파일이 분류되지 못했다는 분류 결과가 생성된 경우, 제 1 자산 파일을 고객이 직접 판단할 수 있도록 하는 재분석 기능을 제공할 수 있다. 일례로, 재분석 기능은 제 1 자산 파일에 대한 피드백을 요구하는 기능일 수 있다.
본 개시의 몇몇 실시예에 따르면, 제 1 자산 파일 내에는 적어도 두개의 특징이 존재할 수도 있다. 제 1 자산 파일 내에 적어도 두개의 특징이 존재하는 경우, 분류 모델은 각각의 특징이 제 1 자산 파일에 분포된 분포도에 기초하여, 분류 결과를 생성할 수 있다. 이하, 분류 모델이 분포도에 기초하여 분류 결과를 생성하는 방법은 도 5를 통해 설명한다.
본 개시의 몇몇 실시예에 따르면 분류 모델은 자산 파일로부터 추출되는 특징에 기초하여 생성된 정형 데이터를 이용하여 사전 학습되는 모델일 수 있다. 정형 데이터는 데이터베이스의 정해진 규칙(Rule)에 맞게 데이터를 들어간 데이터 중 수치 또는 텍스트 만으로 의미 파악이 가능한 데이터일 수 있다. 정형 데이터를 이용하여 분류 모델이 사전 학습됨에 따라 분류 모델이 제 1 자산 파일을 분류한 분류 결과에 대한 정확도가 향상될 수 있다.
프로세서(110)는 분류 결과에 기초하여 제 1 자산 파일을 분류할 수 있다(S130). 실시예에 따라, 저장부(120)는 제 1 자산 파일이 프로세서(110)에 의해 분류된 경우, 생성된 분류 결과를 데이터베이스에 테이블로 저장할 수도 있다. 데이터베이스에 테이블로 저장된 분류 결과는 추후 분류 모델이 제 2 자산 파일을 분류하는데 활용될 수도 있다.
상술한 구성에 따르면, 컴퓨팅 장치(100)는 분류 모델을 사용하여 파티션 데이터 셋 단위의 제 1 자산 파일을 분류할 수 있다. 종래에는 파티션 데이터 셋 단위의 파일의 전처리 동작에 대한 기술이 개발되지 않았거나 또는 미비했을 수 있다. 따라서, 관리자는 자산 파일을 분류하기 위하여 먼저 파티션 데이터 셋 단위의 자산 파일을 멤버 단위로 수작업으로 정제해야 했을 수 있다. 이에 따라, 관리자가 자산 파일을 정제하는데 많은 시간과 더불어 노력이 소요되었다. 반면, 본 개시에 따른 컴퓨팅 장치(100)는 파티션 데이터 셋 단위의 자산 파일에 전처리를 수행하여, 분류 모델에 사용된 입력 데이터를 생성할 수 있다. 더하여, 본 개시에서는 분류 모델을 이용하여 자산 파일을 분류하기 때문에, 분류 결과에 대한 일관성이 높을 수 있다.
이하에서는, 본 개시에 따른 컴퓨팅 장치(100)가 자산 파일에 전처리를 수행하는 방법에 대해 설명한다.
도 3은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일에 전처리를 수행하는 방법의 일례를 설명하기 위한 흐름도이다.
도 3을 참조하면, 컴퓨팅 장치(100)의 프로세서(110)는 파티션 데이터 셋 단위의 제 1 자산 파일을 멤버 단위의 소스(source) 파일로 분할할 수 있다(S111). 멤버 단위는 소스 파일 단위를 나타낼 수 있다. 소스 파일은 컴퓨터 프로그램을 사람이 읽을 수 있는 프로그래밍 언어로 기술한 텍스트 파일일 수 있다. 프로세서(110)는 여러 개의 멤버(member)를 포함하는 파티션 데이터 셋 단위의 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다.
본 개시의 몇몇 실시예에 따르면 프로세서(110)는 제 1 자산 파일이 EBCDIC (Extended Binary Coded Decimal Interchange Code) 데이터 형태인 경우, ASCII(American Standard Code for Information Interchange) 데이터 형태로 전환할 수 있다. EBCDIC 데이터 형태는 확장 이진화 십진법 교환 부호로서, 주로 IBM 메인 프레임 운영 체제에서 사용되는 8비트로 된 인코딩 부호 체계일 수 있다. ASCII 데이터 형태는 미국표준협회가 제정한 데이터 처리 및 통신시스템 상호 간의 정보 교환용 표준 코드로서 7비트로 된 인코딩 부호 체계일 수 있다. 일 실시예에 따르면, 프로세서(110)는 제 1 자산 파일이 EBCDIC 데이터 형태 외 다른 형태의 데이터인 경우에도, 제 1 자산 파일을 ASCII 데이터 형태로 전환할 수 있다. 환언하자면, 프로세서(110)는 어떠한 형태의 제 1 자산 파일이 존재하더라도, 제 1 자산 파일을 ASCII 데이터 형태로 전환할 수 있다. 이에 따라, 프로세서(110)는 전환된 파티션 데이터 셋 단위의 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다.
프로세서(110)는 EBCDIC 데이터 형태의 제 1 자산 파일에 포함된 소스 코드 중 인식이 불가능한 소스 코드가 존재하는 경우, 제 1 자산 파일의 생성에 사용된 언어를 나타내는 CPM(Code Page Map) 파일에 기초하여 소스 코드를 ASCII 데이터 형태로 전환할 수 있다. CPM 파일은 관리자가 제 1 자산 파일을 생성하는데 사용한 언어를 나타내는 파일일 수 있다. 예를 들어, 프로세서(110)는 제 1 자산 파일에 포함된 소스 코드 중 특수 문자는 인식하지 못할 수도 있다. 프로세서(110)는 CPM 파일에 기초하여 특수 문자로 작성된 소스 코드를 ASCII 데이터 형태로 전환할 수 있다. 따라서, 프로세서(110)는 제 1 자산 파일에 포함된 소스 코드 중 인식이 불가능한 소스 코드가 존재하더라도 상기 소스 코드를 ASCII 데이터 형태로 전환할 수 있다.
프로세서(110)는 소스 파일에 포함된 텍스트를 토큰화(tokenizing)할 수 있다(S112). 토큰화는 문장의 마침표(.), 느낌표(!), 또는 물음표(?) 등과 같이 문장의 마지막을 뜻하는 기호에 따라 텍스트를 분리하는 작업일 수 있다. 토큰화는 띄어쓰기를 기준으로 텍스트를 분리하는 작업일 수 있다. 또한, 프로세서(110)는 제 1 자산 파일에 토큰화를 수행하여 주석을 제거하거나, 특수 문자를 치환하거나, 띄어쓰기를 삭제하거나 또는 대소문자를 통일하는 처리 등을 수행할 수 있다.
프로세서(110)는 토큰화된 소스 파일을 벡터화하여 입력 데이터를 생성할 수 있다(S113). 벡터화는 소스 파일에 포함된 텍스트를 열 벡터(column vector)로 변환하는 동작일 수 있다.
구체적으로, 프로세서(110)는 소스 파일에 포함된 단어의 중요도를 이용하는 TF-IDF(Term Frequency-Inverse Document Frequency) 기법에 따라 소스 파일을 벡터화하여 입력 데이터를 생성할 수 있다. TF-IDF 기법은 텍스트의 빈도와 역 문서 빈도를 사용하여 DTM(Document-Term Matrix) 내의 각 단어들마다 중요한 정도를 가중치로 주는 기법일 수 있다. 여기서, 역문서 빈도는 한 텍스트가 문서 집합 전체에서 얼마나 공통적으로 나타나는지를 나타내는 값일 수 있다. 프로세서(110)는 TF-IDF 기법에 따라 소스 파일 내에 포함된 텍스트 각각의 중요도에 기초하여, 소스 파일을 벡터화한 입력 데이터를 생성할 수 있다. 입력 데이터가 생성된 경우, 프로세서(110)는 분류 모델을 사용하여 입력 데이터로부터 제 1 자산 파일을 분류한 분류 결과를 생성할 수 있다. 따라서, 분류 결과는 제 1 자산 파일에 포함된 텍스트들의 중요도도 함께 고려된 결과일 수 있다.
상술한 구성에 따르면, 컴퓨팅 장치(100)는 파티션 데이터 셋 단위의 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다. 컴퓨팅 장치(100)는 소스 파일에 포함된 텍스트를 토큰화하고, 토큰화된 소스 파일을 벡터화하여 입력 데이터를 생성할 수 있다. 입력 데이터는 소스 파일이 벡터화된 데이터이기 때문에, 분류 모델의 입력값으로 사용될 수 있다. 종래에는 파티션 데이터 셋 단위의 자산 파일을 분류 모델에 입력하기 위한 벡터화된 데이터로 만드는 기술이 개발되지 않았거나 또는 미비했을 수 있다. 이에 따라, 관리자는 자산 파일을 수작업으로 정제해야 했을 수 있다. 반면, 본 발명에 따른 컴퓨팅 장치(100)는 상술한 방법을 통해 파티션 데이터 셋 단위의 자산 파일로부터 분류 모델에 사용될 입력 데이터를 수행할 수 있다. 따라서, 관리자가 수작업으로 파티션 데이터 셋 단위의 자산 파일을 정제할 필요가 없어졌을 수 있다.
본 개시의 몇몇 실시예에 따르면, 컴퓨팅 장치(100)는 자산 파일에 포함된 복수의 소스 코드들이 디렉토리 형태로 존재하는지 여부에 기초하여, 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다. 이하에서는, 본 개시에 따른 컴퓨팅 장치(100)가 자산 파일을 소스 파일로 분할하는 방법에 대해 설명한다.
도 4는 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치가 자산 파일을 소스 파일로 분할하는 방법의 일례를 설명하기 위한 흐름도이다.
도 4를 참조하면, 컴퓨팅 장치(100)의 프로세서(110)는 제 1 자산 파일에 포함된 복수의 소스 코드들이 디렉토리 형태로 존재하는지 여부를 확인할 수 있다(S1111). 디렉토리 형태는 최상위 디렉토리를 기준으로 하위 디렉토리들이 존재하는 계층적 트리 구조의 형태일 수 있다.
프로세서(110)는 복수의 소스 코드들이 디렉토리 형태로 존재하는 경우(S1112, Yes), 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다(S1113). 복수의 소스 코드들이 디렉토리 형태로 존재한다는 의미는 복수의 소스 코드들이 개별로 존재한다는 의미로 이해될 수 있다. 또는, 복수의 소스 코드들이 디렉토리 형태로 존재한다는 의미는 제 1 자산 파일에 포함된 소스 파일들이 디렉토리 형태로 개별로 존재한다는 의미로 이해될 수도 있다. 이에 따라, 프로세서(110)는 제 1 자산 파일에 포함된 복수의 소스 코드들이 디렉토리 형태로 존재하는 경우, 별도의 추가적인 정보의 필요 없이 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다.
프로세서(110)는 복수의 소스 코드들이 디렉토리 형태로 존재하지 않는 경우(S1112, No), 복수의 소스 코드들이 구분되는 딜리미터(delimiter) 정보에 기초하여, 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다(S1114). 딜리미터 정보는 텍스트 또는 데이터 스트림에서 별도의 독립적 영역 사이의 경계를 지정하는 데 사용되는 구분 문자 혹은 문자들의 배열을 의미할 수 있다. 구분 문자는 예를 들어 쉼표(,) 또는 띄어쓰기 등일 수 있다. 복수의 소스 코드들이 디렉토리 형태로 존재하지 않는다는 의미는 복수의 소스 코드들이 개별로 존재하지 않는다는 의미로 이해될 수 있다. 다시 말해, 복수의 소스 코드들이 디렉토리 형태로 존재하지 않는다는 의미는 복수의 소스 코드들이 하나의 소스 파일로서 존재한다는 의미일 수 있다. 프로세서(110)는 복수의 소스 코드들이 디렉토리 형태로 존재하지 않고, 하나의 소스 파일 내에 존재하는 경우, 딜리미터 정보에 기초하여 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다.
상술한 구성에 따르면, 컴퓨팅 장치(100)는 제 1 자산 파일에 포함된 복수의 소스 코드들이 디렉토리 형태로 존재하는지 여부와 관계없이, 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다. 환언하자면, 컴퓨팅 장치(100)는 제 1 자산 파일에 포함된 복수의 소스 코드 들이 어떠한 형태로 존재하더라도, 제 1 자산 파일을 멤버 단위의 소스 파일로 분할할 수 있다. 이에 따라, 컴퓨팅 장치(100)는 멤버 단위로 분할된 소스 파일을 이용하여 분류 모델에 사용될 입력 데이터를 생성할 수 있다.
본 개시의 몇몇 실시예에 따르면, 제 1 자산 파일 내에는 적어도 두개의 특징이 존재할 수도 있다. 제 1 자산 파일 내에 적어도 두개의 특징이 존재하는 경우, 분류 모델은 각각의 특징이 제 1 자산 파일에 분포된 분포도에 기초하여, 분류 결과를 생성할 수 있다. 이하, 분류 모델이 분포도에 기초하여 분류 결과를 생성하는 방법에 대해 설명한다.
도 5는 본 개시의 몇몇 실시예에 따른 분류 모델이 분포도에 기초하여 분류 결과를 생성하는 방법의 일례를 설명하기 위한 흐름도이다.
도 5를 참조하면, 분류 모델은 분류 결과를 생성한 이후 제 1 자산 파일 내에 적어도 두개의 특징이 존재한다고 결정된 경우, 적어도 두개의 특징 각각이 제 1 자산 파일에 분포된 분포도를 결정할 수 있다(S210). 분포도는 적어도 두개의 특징 각각이 제 1 자산 파일 내에서 얼마나 분포되어 있는지를 나타내는 값 또는 수치일 수 있다.
실시예에 따라, 분류 모델은 사전 설정된 임계값에 기초하여 제 1 자산 파일 내에서 특징을 결정할 수 있다. 분류 모델은 분류 결과를 생성한 경우, 제 1 자산 파일 내에서 복수개의 예비 특징들을 결정할 수 있다. 분류 모델은 복수개의 예비 특징들 중 사전 설정된 임계값 이상인 특징을 결정할 수 있다. 분류 모델은 사전 설정된 임계값 이상인 특징이 적어도 두개 이상인 경우, 적어도 두개의 특징 각각이 제 1 자산 파일에 분포된 분포도를 결정할 수 있다.
분류 모델은 적어도 두개의 특징 각각의 분포도에 기초하여 하나의 제 1 특징을 결정할 수 있다(S220). 예를 들어, 분류 모델은 적어도 두개의 특징 중 분포도가 높은 하나의 특징을 제 1 특징으로 결정할 수 있다. 제 1 특징에 대한 분포도가 높다는 의미는 제 1 자산 파일 내에서 제 1 자산 파일이 제 2 파일에 비해 보다 많이 분포되어 있다는 의미로 이해될 수 있다.
분류 모델은 하나의 제 1 특징에 기초하여, 분류 결과를 재생성할 수 있다(S210). 예를 들어, 분류 모델은 결정된 제 1 특징이 사전 정의된 복수의 라벨들 중 어느 하나의 라벨과 대응되는 확률에 기초하여 분류 결과를 재생성할 수 있다. 이에 따라, 분류 모델이 생성한 분류 결과에 대한 정확도가 향상될 수 있다.
상술한 구성에 따르면, 분류 모델은 분류 결과를 생성한 이후 제 1 자산 파일 내에 적어도 두개의 특징이 존재하는지 여부를 결정할 수 있다. 분류 모델은 제 1 자산 파일 내에 적어도 두개의 특징이 존재하는 경우, 각각의 특징의 분포도에 기초하여 분류 결과를 재생성할 수 있다. 따라서, 분류 모델이 생성한 분류 결과에 대한 정확도가 향상될 수 있다.
도 6은 본 개시내용의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 일반적인 개략도를 도시한다.
본 개시내용이 일반적으로 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어와 관련하여 전술되었지만, 당업자라면 본 개시내용 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로서 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 본 명세서에서의 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로시져, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체 로서, 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다.
컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)―이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음―, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 예를 들어, USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 저장 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 저장 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (13)
- 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 자산 파일을 분류하기 위한 방법으로서,
파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하는 단계;
상기 분류 모델을 사용하여 상기 입력 데이터로부터 상기 제 1 자산 파일을 분류한 분류 결과를 생성하는 단계; 및
상기 분류 결과에 기초하여 상기 제 1 자산 파일을 분류하는 단계;
를 포함하는,
방법.
- 제 1 항에 있어서,
상기 파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하는 단계는,
상기 파티션 데이터 셋 단위의 상기 제 1 자산 파일을 멤버 단위의 소스(source) 파일로 분할하는 단계;
상기 소스 파일에 포함된 텍스트를 토큰화(tokenizing)하는 단계; 및
토큰화된 상기 소스 파일을 벡터화하여 상기 입력 데이터를 생성하는 단계;
를 포함하는,
방법.
- 제 2 항에 있어서,
상기 토큰화된 상기 소스 파일을 벡터화하여 상기 입력 데이터를 생성하는 단계는,
상기 소스 파일에 포함된 단어의 중요도를 이용하는 TF-IDF(Term Frequency-Inverse Document Frequency) 기법에 따라 상기 소스 파일을 벡터화하여 상기 입력 데이터를 생성하는 단계;
를 포함하는,
방법.
- 제 2 항에 있어서,
상기 파티션 데이터 셋 단위의 상기 제 1 자산 파일을 멤버 단위의 소스(source) 파일로 분할하는 단계는,
상기 제 1 자산 파일에 포함된 복수의 소스 코드들이 디렉토리 형태로 존재하는지 여부를 확인하는 단계;
상기 복수의 소스 코드들이 디렉토리 형태로 존재하는 경우, 상기 제 1 자산 파일을 상기 멤버 단위의 소스 파일로 분할하는 단계; 및
상기 복수의 소스 코드들이 디렉토리 형태로 존재하지 않는 경우, 상기 복수의 소스 코드들이 구분되는 딜리미터(delimiter) 정보에 기초하여, 상기 제 1 자산 파일을 상기 멤버 단위의 소스 파일로 분할하는 단계;
를 포함하는,
방법.
- 제 2 항에 있어서,
상기 파티션 데이터 셋 단위의 제 1 자산 파일을 멤버 단위의 소스(source) 파일로 분할하는 단계는,
상기 제 1 자산 파일이 EBCDIC (Extended Binary Coded Decimal Interchange Code) 데이터 형태인 경우, ASCII(American Standard Code for Information Interchange) 데이터 형태로 전환하는 단계; 및
전환된 상기 파티션 데이터 셋 단위의 상기 제 1 자산 파일을 상기 멤버 단위의 상기 소스 파일로 분할하는 단계;
를 포함하는,
방법.
- 제 5 항에 있어서,
상기 제 1 자산 파일이 EBCDIC(Extended Binary Coded Decimal Interchange Code) 데이터 형태인 경우, ASCII(American Standard Code for Information Interchange) 데이터 형태로 전환하는 단계는,
상기 EBCDIC 데이터 형태의 상기 제 1 자산 파일에 포함된 소스 코드 중 인식이 불가능한 소스 코드가 존재하는 경우, 상기 제 1 자산 파일의 생성에 사용된 언어를 나타내는 CPM 파일에 기초하여 상기 소스 코드를 상기 ASCII 데이터 형태로 전환하는 단계;
를 포함하는,
방법.
- 제 1 항에 있어서,
상기 분류 모델은 자산 파일로부터 추출되는 특징에 기초하여 생성된 정형 데이터를 이용하여 사전 학습되는,
방법.
- 제 1 항에 있어서,
상기 분류 모델은 상기 제 1 자산 파일이 사전 정의된 복수의 라벨들 중 어느 하나의 라벨과 대응되는 확률에 기초하여 상기 분류 결과를 생성하는,
방법.
- 제 8 항에 있어서,
상기 분류 결과는 상기 제 1 자산 파일을 상기 사전 정의된 복수의 라벨들 중 어느 하나의 라벨로 분류한 결과에 대한 정보 또는 상기 제 1 자산 파일을 사전 정의된 라벨로 분류하지 못한 결과에 대한 정보를 포함하는,
방법.
- 제 1 항에 있어서,
상기 분류 결과를 생성한 이후 상기 제 1 자산 파일 내에 적어도 두개의 특징이 존재한다고 결정된 경우, 상기 적어도 두개의 특징 각각이 상기 제 1 자산 파일에 분포된 분포도를 결정하는 단계;
상기 적어도 두개의 특징 각각의 상기 분포도에 기초하여 하나의 제 1 특징을 결정하는 단계; 및
상기 하나의 제 1 특징에 기초하여, 상기 분류 결과를 재생성하는 단계;
를 더 포함하는,
방법.
- 제 1 항에 있어서,
생성된 상기 분류 결과를 데이터베이스에 테이블로 저장하는 단계;
를 더 포함하는,
방법.
- 자산 파일을 분류하기 위한 컴퓨팅 장치로서,
파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하고, 상기 분류 모델을 사용하여 상기 입력 데이터로부터 상기 제 1 자산 파일을 분류한 분류 결과를 생성하고, 그리고 상기 분류 결과에 기초하여 상기 제 1 자산 파일을 분류하는 프로세서;
를 포함하는,
컴퓨팅 장치.
- 컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에 의해 실행되는 경우 자산 파일을 분류하기 위한 방법을 수행하며, 상기 방법은
파티션 데이터 셋(partitioned data set, PDS) 단위의 제 1 자산 파일에 전처리를 수행하여 분류 모델에 사용될 입력 데이터를 생성하는 단계;
상기 분류 모델을 사용하여 상기 입력 데이터로부터 상기 제 1 자산 파일을 분류한 분류 결과를 생성하는 단계; 및
상기 분류 결과에 기초하여 상기 제 1 자산 파일을 분류하는 단계;
를 포함하는,
컴퓨터 판독가능 저장 매체에 저장되는 컴퓨터 프로그램.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210182528A KR20230093691A (ko) | 2021-12-20 | 2021-12-20 | 자산 파일을 분류하기 위한 방법 |
US18/076,202 US20230195770A1 (en) | 2021-12-20 | 2022-12-06 | Method for Classifying Asset File |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210182528A KR20230093691A (ko) | 2021-12-20 | 2021-12-20 | 자산 파일을 분류하기 위한 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20230093691A true KR20230093691A (ko) | 2023-06-27 |
Family
ID=86768140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210182528A KR20230093691A (ko) | 2021-12-20 | 2021-12-20 | 자산 파일을 분류하기 위한 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230195770A1 (ko) |
KR (1) | KR20230093691A (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116719942B (zh) * | 2023-07-07 | 2024-03-12 | 北京亿赛通科技发展有限责任公司 | 数据资产分类方法、装置、计算机设备和计算机存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003153564A (ja) | 2001-11-13 | 2003-05-23 | Canon Inc | 画像形成装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10244034B2 (en) * | 2017-03-29 | 2019-03-26 | Ca, Inc. | Introspection driven monitoring of multi-container applications |
US11762639B2 (en) * | 2017-04-28 | 2023-09-19 | Lzlabs Gmbh | Containerized deployment of microservices based on monolithic legacy applications |
US10705837B2 (en) * | 2017-09-12 | 2020-07-07 | Devfactory Innovations Fz-Llc | Method and apparatus for finding long methods in code |
US11789711B2 (en) * | 2020-12-30 | 2023-10-17 | Mercury Mission Systems, Llc | Using artificial intelligence to optimize software to run on heterogeneous computing resource |
US11609748B2 (en) * | 2021-01-28 | 2023-03-21 | Fujitsu Limited | Semantic code search based on augmented programming language corpus |
US12045592B2 (en) * | 2021-03-25 | 2024-07-23 | Microsoft Technology Licensing, Llc. | Semi-supervised translation of source code programs using neural transformers |
-
2021
- 2021-12-20 KR KR1020210182528A patent/KR20230093691A/ko not_active Application Discontinuation
-
2022
- 2022-12-06 US US18/076,202 patent/US20230195770A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003153564A (ja) | 2001-11-13 | 2003-05-23 | Canon Inc | 画像形成装置 |
Also Published As
Publication number | Publication date |
---|---|
US20230195770A1 (en) | 2023-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102583582B1 (ko) | 어노말리 데이터 생성 방법 | |
KR102465571B1 (ko) | 문서 데이터의 주제어 분류를 수행하는 기법 | |
KR102313626B1 (ko) | 신경망을 학습시키는 방법 | |
KR102478076B1 (ko) | 음성 인식 오류 검출을 위해 학습 데이터를 생성하기 위한 방법 | |
KR20210023385A (ko) | 신경망을 이용한 데이터 처리 방법 | |
KR102517661B1 (ko) | 텍스트 정보에서 타겟 단어에 대응하는 단어를 식별하는 방법 | |
KR20230094955A (ko) | 문서 데이터 검색 기법 | |
JP2024516629A (ja) | 生体信号分析方法 | |
KR20230073138A (ko) | 유사 컨텐츠 제공 기법 | |
KR20220116111A (ko) | 인공 신경망의 추론 데이터에 대한 신뢰도를 판단하는 방법 | |
US20230195770A1 (en) | Method for Classifying Asset File | |
KR102486119B1 (ko) | 피드백 정보를 이용한 음성 인식 방법 | |
KR102492277B1 (ko) | 멀티모달 정보를 이용한 질의응답 수행 방법 | |
KR20230062130A (ko) | 인공지능을 이용한 인터뷰 공유 및 사용자 매칭 플랫폼 | |
KR20230031419A (ko) | 신경망 모델의 다양성을 위한 학습 방법 | |
KR20220057268A (ko) | 신경망을 이용한 특허 문서 분류 방법, 장치 및 컴퓨터 프로그램 | |
KR102547001B1 (ko) | 하향식 방식을 이용한 오류 검출 방법 | |
KR102497436B1 (ko) | 음성 신호를 포함하는 컨텐츠를 기반으로 타겟 단어와 관련된 정보를 획득하는 방법 | |
KR102596192B1 (ko) | 인공지능 기반으로 사용자가 텍스트를 읽는 시간을 예측하는 방법 | |
KR102486120B1 (ko) | 음성 신호와 연관된 컨텐츠를 결정하는 방법 | |
KR102583764B1 (ko) | 외국어가 포함된 오디오의 음성 인식 방법 | |
KR20230070654A (ko) | 비정형 데이터를 정형화 시 사용되는 규칙을 생성하는 기법 | |
KR102562197B1 (ko) | 오토 인코더 모델의 데이터 선별 및 비정상 스코어 산출 방법 | |
KR102596190B1 (ko) | 텍스트 정보를 수정하는 방법 | |
KR102552230B1 (ko) | 클라우드 플랫폼에서 인공지능 모델을 활용한 데이터 라벨링 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal |