KR20230094956A - 문서 데이터의 주제어 분류를 수행하는 기법 - Google Patents

Abstract

본 개시의 몇몇 실시예에 따라, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 문서 데이터의 주제어 분류를 수행하는 방법을 개시한다. 상기 방법은: 문서 데이터를 이용하여 복수의 문장 데이터를 획득하는 단계; 및 상기 복수의 문장 데이터 각각을 적어도 하나의 네트워크 모델에 입력하여 상기 문서 데이터의 클래스를 결정하는 단계;를 포함할 수 있다.

Description

문서 데이터의 주제어 분류를 수행하는 기법{TECHNIQUES FOR PERFORMING SUBJECT WORD CLASSIFICATION OF DOCUMENT DATA}

본 개시는 문서 데이터의 주제어 분류를 수행하는 방법에 관한 것으로, 구체적으로, 길이가 긴 문서 데이터를 임베딩 벡터로 변환하고 이를 이용하여 문서 데이터의 주제어를 분류하는 방법에 관한 것이다.

최근 스마트 디바이스의 급속한 발달과 보급으로 인하여 인터넷 웹상에서 등장하는　문서의 데이터는 하루가 다르게 증가하고 있다. 이러한 정보의 증가로 인터넷 웹상에서는 대량의　문서가 증가하여 사용자가 해당　문서의 데이터를 이해하는데, 어려움을 겪고 있다. 그렇기 때문에 문서의 주제어를 분류하는 기술에 대한 연구가 진행되고 있다.

기존의 BERT 언어모델을 활용한 문서 임베딩 기술은 임베딩할 수 있는 문서의 길이가 512개의 단어로 제한되어 있다. 따라서, 학위 논문 등과 같이 긴 한국어 문서를 임베딩하고 분류하는 기술이 부재한 상황이다.

대한민국 등록특허 10-2217248

본 개시는 전술한 배경기술에 대응하여 안출 된 것으로, 문서 데이터를 임베딩하는 경우 발생하게 되는 길이 제한 문제를 해결하는 방법을 제공한다.

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 몇몇 실시예에 따라, 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 문서 데이터의 주제어 분류를 수행하는 방법을 개시한다. 상기 방법은: 문서 데이터를 이용하여 복수의 문장 데이터를 획득하는 단계; 및 상기 복수의 문장 데이터 각각을 적어도 하나의 네트워크 모델에 입력하여 상기 문서 데이터의 클래스를 결정하는 단계;를 포함할 수 있다.

또한, 상기 문서 데이터를 이용하여 복수의 문장 데이터를 획득하는 단계는, 상기 문서 데이터 내에서 문장 구분자를 결정하는 단계; 및 상기 문장 구분자에 기초하여 상기 복수의 문장 데이터를 획득하는 단계;를 포함할 수 있다.

또한, 상기 문서 데이터 내에서 문장 구분자를 결정하는 단계는, 상기 문서 데이터 내에 포함된 복수의 텍스트 데이터에 대하여 정규 표현식 및 사전학습된 문장 분절 모델에 기초하여 상기 문장 구분자를 결정하는 단계를 포함할 수 있다.

또한, 상기 사전학습된 문장 구분 모델은 상기 문서 데이터 내에 포함된 문장을 입력받고 그리고 상기 입력된 문장에 대한 분절 결과를 출력할 수 있는 인공지능 기반의 모델을 포함할 수 있다.

또한, 적어도 하나의 네트워크 모델은: 상기 복수의 문장 데이터 각각을 입력 받아 복수의 임베딩 벡터를 결정하는 제 1 네트워크 모델; 및 각 문장에 대한 임베딩 벡터를 입력으로 받아 문서 전체에 대한 임베딩을 확보하고, 상기 문서에 대한 임베딩 벡터를 입력 받아 문서에 대한 클래스를 결정하는 제 2 네트워크 모델;을 포함할 수 있다.

또한, 상기 제 2 네트워크 모델은, 문장들에 대한 복수의 임베딩 벡터의 시퀀스를 인코딩하여 문장 전체에 대한, 즉 문서 전체에 대한 벡터표현을 출력하는 인코더를 포함한다. 이 때, 각 문장별 위치 정보와 어텐션 정보를 포함하는 레이어 구조를 포함 할 수 있다.

또한, 상기 모델은 문서에 대한 정보를 문장들에서부터 얻는 것에 초점이 맞추어져 있으며, 문장들에 대한 정보로부터 문서의 임베딩을 얻어 해결하는 방법을 제공한다.

또한, 상기 클래스는, 상기 문서 데이터의 상기 주제어와 관련될 수 있다.

또한, 상기 적어도 하나의 네트워크 모델은, 복수의 논문 데이터 각각의 초록에 주제어가 라벨링된 학습용 데이터 셋을 이용하여 학습될 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 개시는 문서 데이터를 임베딩하는 경우 발생하게 되는 길이 제한 문제를 해결하는 방법을 제공한다.

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 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 몇몇 실시예에 따른 문서 데이터의 주제어 분류를 수행하는 컴퓨팅 장치의 블록 구성도이다.
도 2는 본 개시의 몇몇 실시예에 따라 문서 데이터의 주제어 분류를 수행하는 방법의 일례를 설명하기 위한 흐름도이다.
도 3은 본 개시의 몇몇 실시예에 따라 문서 데이터를 이용하여 복수의 문장 데이터를 획득하는 방법의 일례를 설명하기 위한 흐름도이다.
도 4는 본 개시의 몇몇 실시예에 따라 문서 데이터의 주제어 분류를 수행하는 방법의 일례를 설명하기 위한 흐름도이다.
도 5는 본 개시 내용의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

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 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 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.

그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

도 1은 본 개시의 몇몇 실시예에 따른 문서 데이터의 주제어 분류를 수행하는 컴퓨팅 장치의 블록 구성도이다.

도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.

컴퓨팅 장치(100)는 예를 들어, 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 휴대용 디바이스 또는 디바이스 제어기 등과 같은 임의의 타입의 컴퓨터 시스템 또는 컴퓨터 디바이스를 포함할 수 있다.

컴퓨팅 장치(100)는 프로세서(110) 및 저장부(120)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.

프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 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 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 몇몇 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 개시의 몇몇 실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

한편, 본 명세서 전반에서 연산 모델, 신경망, 네트워크 함수 및 신경망(neural network)는 상호 교환 가능한 의미로 사용될 수 있다. 즉, 본 개시에서 연산 모델, (인공)신경망, 네트워크 함수 및 신경망은 상호 교환 가능하게 사용될 수 있다. 이하에서는 설명의 편의를 위해 신경망으로 통일하여 기술한다.

신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 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 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 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, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.

신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 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 노드들과의 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 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 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 일 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 일 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 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.

심층 신경망(DNN: deep neural network)은 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 심층 신경망을 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. 심층 신경망은 컨볼루션 신경망(CNN: convolutional neural network), 리커런트 신경망(RNN: recurrent neural 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, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 심층 신경망의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

신경망은 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 신경망의 학습은 신경망이 특정한 동작을 수행하기 위한 지식을 신경망에 적용하는 과정일 수 있다.

신경망은 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 신경망의 학습에서 반복적으로 학습 데이터를 신경망에 입력시키고 학습 데이터에 대한 신경망의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 신경망의 에러를 신경망의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 신경망의 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 신경망에 입력되고, 신경망의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 신경망 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 신경망에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 신경망의 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 신경망의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 신경망의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 신경망의 학습 초기에는 높은 학습률을 사용하여 신경망이 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.

신경망의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 신경망을 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 신경망이 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(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.

본 개시의 몇몇 실시예에 따르면, 프로세서(110)는 문서 데이터를 이용하여 복수의 문장 데이터를 획득할 수 있다. 여기서, 문서 데이터는 공공 학술 정보 시스템에 포함되어 있는 논문 문서 데이터, 특허 문서 데이터 및 학술지 문서 데이터 등을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

문장 데이터는 하나의 문장에 포함된 복수의 텍스트를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 프로세서(110)는 복수의 문장 데이터 각각을 적어도 하나의 네트워크 모델에 입력하여 문서 데이터의 클래스를 결정할 수 있다. 여기서, 문서 데이터의 클래스는 문서 데이터가 어떤 주제어와 관련이 있는지를 나타내는 데이터일 수 있다. 다만, 이에 한정되는 것은 아니다.

본 개시의 몇몇 실시예에 따르면, 저장부(120)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부가 수신한 임의의 형태의 정보를 저장할 수 있다.

저장부(120)는 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. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 저장부(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 저장부(120)기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 몇몇 실시예에 따르면, 저장부(120)는 적어도 하나의 네트워크 모델을 저장하고 있을 수 있다. 다만, 이에 한정되는 것은 아니다.

적어도 하나의 네트워크 모델은, 문장 데이터를 입력 받아 임베딩 벡터를 결정하는 제 1 네트워크 모델 및 임베딩 모델을 입력 받아 주제어를 결정하는 제 2 네트워크 모델을 포함할 수 있다. 다만, 이에 한정되는 것은 아니고, 상기 적어도 하나의 네트워크 모델은 상술한 네트워크 모델보다 많거나 적은 네트워크 모델을 포함할 수 있다.

한편, 제 2 네트워크 모델은 복수의 임베딩 벡터의 시퀀스를 인코딩하여 시퀀스 각각에 대한 제 1 벡터 표현 또는 시퀀스 전체에 대한 제 2 벡터 표현을 출력하는 인코더와 제 1 벡터 표현 또는 제 2 벡터 표현을 입력 받아 클래스를 결정하는 신경망 분류기를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

본 개시의 몇몇 실시예에 따르면, 클래스는 문서 데이터의 주제어와 관련될 수 있다. 즉, 저장부(120)에는 복수의 클래스 값 각각에 대응하는 주제어가 저장되어 있을 수 있다. 그리고, 프로세서(110)는 제 2 네트워크 모델에서 출력된 클래스에 기초하여 어느 주제어에 문서 데이터가 해당하는지를 추론할 수 있다.

소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 컴퓨팅 장치(100)의 저장부(120)에 저장되고, 컴퓨팅 장치(100)의 프로세서(110)에 의해 실행될 수 있다.

이하, 도 2 내지 도 4를 참조하여, 문서 데이터의 주제어 분류를 수행하는 방법을 좀더 자세히 설명한다.

도 2는 본 개시의 몇몇 실시예에 따라 문서 데이터의 주제어 분류를 수행하는 방법의 일례를 설명하기 위한 도면이다. 도 3은 본 개시의 몇몇 실시예에 따라 문서 데이터를 이용하여 복수의 문장 데이터를 획득하는 방법의 일례를 설명하기 위한 도면이다.

도 2를 참조하면, 프로세서(110)는 문서 데이터를 이용하여 복수의 문장 데이터를 획득할 수 있다(S110). 여기서, 문서 데이터는 공공 학술 정보 시스템에 포함되어 있는 논문 문서 데이터, 특허 문석 데이터 및 학습지 문서 데이터 등을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 문장 데이터는 하나의 문장에 포함된 복수의 텍스트 또는 자연어 문자열을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

단계(S110)를 도 3을 참조하여 구체적 설명하면 다음과 같다.

프로세서(110)는 문서 데이터를 이용하여 복수의 문장 데이터를 획득할 때, 문서 데이터 내에서 문장 구분자를 결정할 수 있다(S111). 여기서, 문장 구분자는 문장의 끝과 시작을 구분하는 기호(예를 들어, 마침표) 또는 특정 텍스트일 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 다양한 형태의 문서 데이터가 존재하기 때문에 문장 구분자도 다양한 형태로 존재할 수 있고, 원래 존재해야 하는 위치에 문장 구분자가 존재하지 않을 수도 있다. 이 경우, 문장 구분자를 결정할 수 없어 복수의 문장 데이터를 획득할 수 없다는 문제가 발생한다.

이러한 문제점을 해결하기 위해, 본 개시는 문서 데이터 내에서 문장 구분자를 결정할 때, 프로세서(110)는 문서 데이터 내에 포함된 복수의 텍스트 데이터를 정규 표현식에 기초하여 문장 구분자를 결정할 수 있다. 또한 프로세서(110)는 문장의 구분에 대하여 학습된 모델을 통해 문장 구분자를 결정 할 수 있다. 예를 들어, 문장의 구분에 대하여 학습된 모델은 텍스트 데이터를 입력으로 받아 텍스트 데이터에 대한 문장 구분자를 출력하는 모델일 수 있다. 다른 예시로, 문장의 구분에 대하여 학습된 모델은 입력된 텍스트 데이터에 대하여 문장 구분자가 포함된 텍스트 데이터로 변환하는 모델일 수 있다.

이와 같이 정규 표현식 및 학습된 문장 분절 모델을 이용하여 문장 구분자를 결정하는 경우 문서가 보다 정확한 문장 단위로 분할될 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 단계(S111)에서 문장 구분자가 결정된 경우, 프로세서(110)는 문장 구분자에 기초하여 복수의 문장 데이터를 획득할 수 있다(S112).

구체적으로, 프로세서(110)는 문장 구분자가 존재하는 위치를 기준으로 앞에 존재하는 문장과 뒤에 존재하는 문장을 분리하여 복수의 문장 데이터를 획득할 수 있다. 다만, 이에 한정되는 것은 아니고 본 개시의 몇몇 실시예에 따른 프로세서(110)는 다양한 방법을 통해 복수의 문장 데이터를 획득할 수 있다.

도 2를 다시 참조하면, 단계(S110)에서 문서 데이터를 이용하여 복수의 문장 데이터를 획득한 경우, 프로세서(110)는 복수의 문장 데이터 각각을 적어도 하나의 네트워크 모델에 입력하여 문서 데이터의 클래스를 결정할 수 있다(S120). 여기서, 문서 데이터의 클래스는 문서 데이터가 어느 주제어와 관련되는지를 나타낼 수 있다.

본 개시의 몇몇 실시예에 따르면, 적어도 하나의 네트워크 모델은, 복수의 문장 데이터 각각을 입력 받아 복수의 임베딩 벡터를 결정하는 제 1 네트워크 모델 및 복수의 임베딩 벡터를 입력 받아 문서 데이터의 클래스를 결정하는 제 2 네트워크 모델을 포함할 수 있다. 다만, 이에 한정되는 것은 아니고, 적어도 하나의 네트워크 모델은 상술한 네트워크 모델보다 적거나 많은 네트워크 모델을 포함할 수 있다.

본 개시의 적어도 하나의 네트워크 모델은 복수의 논문 데이터 각각의 초록에 주제어가 라벨링된 학습용 데이터 셋을 이용하여 학습될 수 있다. 구체적으로, 프로세서(110)는 적어도 하나의 네트워크 모델에 학습용 데이터 셋을 입력한 후, 출력 값을 산출할 수 있다. 그리고, 프로세서(110)는 출력 값과 학습용 데이터 셋 각각에 라벨링된 값 간의 차이를 산출하고, 상기 차이를 역전파하여 상기 적어도 하나의 네트워크 모델에 포함된 적어도 하나의 파라미터를 업데이트시킬 수 있다. 이 경우, 적어도 하나의 네트워크 모델에 포함된 모든 파라미터를 한번에 업데이트하는 방식으로 즉, end-to-end 방식으로 적어도 하나의 파라미터를 업데이트시킬 수 있다. 상술한 바와 같이 학습을 수행하는 경우 문서 분류 성능이 향상될 수 있다.

한편, 제 1 네트워크 모델에서 출력된 복수의 임베딩 벡터는 벡터 공간 상에 매핑될 수 있으며 벡터 공간 상에 매핑된 복수의 임베딩 벡터 사이의 유사도는 문장 데이터의 의미적 유사도 및 관련도에 따라 달라질 수 있다.

일례로, 제 1 문장 데이터와 제 2 문장 데이터가 의미적으로 유사한 문장 데이터인 경우, 제 1 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 1 임베딩 벡터와 제 2 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 2 임베딩 벡터의 벡터 공간 상에서의 거리는 가까울 수 있다.

다른 일례로, 제 1 문장 데이터와 제 2 문장 데이터가 의미적으로 상이한 문장 데이터인 경우, 제 1 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 1 임베딩 벡터와 제 2 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 2 임베딩 벡터의 벡터 공간 상에서의 거리는 멀 수 있다.

한편, 제 1 네트워크 모델은 사전 학습된 문장 임베딩 모델일 수 있다. 여기서, 사전 학습된 문장 임베딩 모델은 BERT(Bidirectional Encoder Representations form Transformers) 모델, GPT(Generative Pre-treained Transformer) 모델, T5(Text-to-Text Transfer Transformer) 모델, SBERT(Sentence Bidirectional Encoder Representations form Transformers) 모델과 같은 다양한 종류의 자연어 처리 모델이 제 1 네트워크 모델로 이용될 수 있다. 다만, 이에 한정되는 것은 아니다.

본 개시에서는 제 1 네트워크 모델로 SBERT 모델을 이용하는 것이 적합할 수 있다. 여기서, SBERT 모델은 대용량의 코퍼스 데이터를 이용하여 학습된 BERT 모델을 상술한 학습용 데이터 셋을 이용하여 추가 학습시켜 문장 임베딩이 더 잘 수행되도록 학습된 모델일 수 있다. 다만, 이에 한정되는 것은 아니다.

제 1 네트워크 모델을 학습시키는 방법은 임의의 두 문장이 연속하는 문장인지 아니면 연속하지 않은 문장인지를 맞추는 NSP(Next Sentence Prediction) 학습 방법과 문장 내 임의의 단어를 마스킹(masking)하고 마스킹된 단어를 맞추는 MLM(Masked Language Model) 학습 방법을 통해 진행될 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 본 개시의 몇몇 실시예에 따르면, 제 2 네트워크 모델은 복수의 임베딩 벡터를 하나로 취합하여 벡터 표현을 출력하는 인코더 및 인코더에서 출력된 벡터 표현을 입력 받아 클래스를 결정하는 신경망 분류기를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

구체적으로, 인코더는 복수의 임베딩 벡터의 시퀀스(sequence)를 인코딩하여 시퀀스 각각에 대한 제 1 벡터 표현 또는 시퀀스 전체에 대한 제 2 벡터 표현을 출력할 수 있다. 여기서, 인코더는 종래에 자연어 처리에 많이 사용되는 트랜스포머(transformer) 모델의 인코딩 레이어와 대응되는 구조를 가질 수 있다. 다만, 이에 한정되는 것은 아니다.

일반적으로, 트랜스포머 모델의 인코딩 레이어는 임베딩 벡터의 시퀀스를 인코딩할 때 사용되는 모델로 시퀀스 각각의 요소에 대한 벡터 표현 또는 시퀀스 전체에 대한 벡터 표현을 획득하기 위해 주로 사용될 수 있다. 따라서, 본 개시에서 복수의 임베딩 벡터의 시퀀스를 인코딩하여 시퀀스 각각에 대한 제 1 벡터 표현 또는 시퀀스 전체에 대한 제2 벡터 표현을 획득하기 위해 트랜스포머 모델의 인코딩 레이어를 인코더로 이용할 수 있다. 이 경우, RNN(Recurrent Neural Network) 기반 시퀀스 인코딩 모델보다 복잡도가 낮고, 인코딩의 품질은 더 좋아질 수 있다.

한편, 신경망 분류기는, 인코더에서 출력된 제 1 벡터 표현 또는 제 2 벡터 표현을 입력 받아 클래스를 결정할 수 있다. 여기서, 클래스는 문서 데이터의 주제어와 관련된 정보일 수 있다.

구체적으로, 신경망 분류기는 선형 레이어와 소프트맥스 레이어를 포함할 수 있다. 이 경우, 신경망 분류기에 제 1 벡터 표현 또는 제 2 벡터 표현이 입력된 경우, 신경망 분류기는 복수의 클래스 각각과 관련된 확률 값을 출력할 수 있다. 이 경우, 프로세서(110)는 확률 값이 가장 큰 클래스를 문서 데이터의 주제어와 관련된 클래스라고 결정할 수 있다. 즉, 신경망 분류기는 벡터 표현이 입력된 경우, 해당 벡터 표현이 사전 정의된 복수의 클래스 중 어느 클래스로 분류되는지를 결정할 수 있다. 다만, 이에 한정되는 것은 아니다.

도 4는 본 개시의 몇몇 실시예에 따라 문서 데이터의 주제어 분류를 수행하는 방법의 일례를 설명하기 위한 흐름도이다.

도 4를 참조하면, 문서 데이터(210)는 공공 학술 정보 시스템에 포함되어 있는 논문 문서 데이터, 특허 문석 데이터 및 학습지 문서 데이터 등을 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

프로세서(110)는 문서 데이터(210)를 이용하여 복수의 문장 데이터(220)를 획득할 수 있다.

구체적으로, 프로세서(110)는 문서 데이터를 이용하여 복수의 문장 데이터를 획득할 때, 문서 데이터 내에서 문장 구분자를 결정할 수 있다. 여기서, 문장 구분자는 문장의 끝과 시작을 구분하는 기호(예를 들어, 마침표) 또는 특정 텍스트일 수 있다. 다만, 이에 한정되는 것은 아니다.

본 개시의 몇몇 실시예에 따르면, 문서 데이터 내에서 문장 구분자를 결정할 때, 프로세서(110)는 문서 데이터 내에 포함된 복수의 텍스트 데이터에 대해서 정규 표현식에 기초하여 문장 구분자를 결정할 수 있다. 또한 프로세서(110)는 문장의 구분에 대하여 학습된 모델을 통해 문장 구분자를 결정 할 수 있다. 이와 같이 정규 표현식 및 학습된 문장 분절 모델을 이용하여 문장 구분자를 결정하는 경우 문서가 보다 정확한 문장 단위로 분할될 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 프로세서(110)는 문장 구분자가 결정된 경우, 문장 구분자에 기초하여 복수의 문장 데이터(220)를 획득할 수 있다.

구체적으로, 프로세서(110)는 문장 구분자가 존재하는 위치를 기준으로 앞에 존재하는 문장과 뒤에 존재하는 문장을 분리하여 복수의 문장 데이터(220)를 획득할 수 있다. 다만, 이에 한정되는 것은 아니고 본 개시의 몇몇 실시예에 따른 프로세서(110)는 다양한 방법을 통해 복수의 문장 데이터(220)를 획득할 수 있다.

프로세서(110)는 문서 데이터를 이용하여 복수의 문장 데이터를 획득한 경우, 복수의 문장 데이터 각각을 제 1 네트워크 모델(310)에 입력하여 복수의 임베딩 벡터(230)를 결정할 수 있다.

제 1 네트워크 모델(310)은 사전 학습된 문장 임베딩 모델일 수 있다. 여기서, 사전 학습된 문장 임베딩 모델은 BERT(Bidirectional Encoder Representations form Transformers) 모델, GPT(Generative Pre-treained Transformer) 모델, T5(Text-to-Text Transfer Transformer) 모델, SBERT(Sentence Bidirectional Encoder Representations form Transformers) 모델과 같은 다양한 종류의 자연어 처리 모델이 제 1 네트워크 모델로 이용될 수 있다. 다만, 이에 한정되는 것은 아니다. 본 개시에서는 제 1 네트워크 모델(310)로 SBERT 모델을 이용하는 것이 적합할 수 있다. 여기서, SBERT 모델은 대용량의 코퍼스 데이터를 이용하여 학습된 BERT 모델을 상술한 학습용 데이터 셋을 이용하여 추가 학습시켜 문장 임베딩이 더 잘 수행되도록 학습된 모델일 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 제 1 네트워크 모델(310)에서 출력된 복수의 임베딩 벡터(230)는 벡터 공간 상에 매핑될 수 있으며 벡터 공간 상에 매핑된 복수의 임베딩 벡터(230) 사이의 유사도는 문장 데이터의 의미적 유사도 및/또는 관련도에 따라 달라질 수 있다. 유사도 및/또는 관련도를 판단하는데 있어서 예를 들어 벡터 공간 상에서의 임베딩 벡터(230)들 간의 거리가 고려될 수 있다. 벡터 공간 상에서의 임베딩 벡터(230) 들 간의 거리가 가까우면 유사도 및/또는 관련도가 높은 것으로 판단될 수 있다.

일례로, 제 1 문장 데이터와 제 2 문장 데이터가 의미적으로 유사한 문장 데이터인 경우, 제 1 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 1 임베딩 벡터와 제 2 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 2 임베딩 벡터의 벡터 공간 상에서의 거리는 가까울 수 있다.

다른 일례로, 제 1 문장 데이터와 제 2 문장 데이터가 의미적으로 상이한 문장 데이터인 경우, 제 1 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 1 임베딩 벡터와 제 2 문장 데이터를 제 1 네트워크 모델에 입력하여 획득된 제 2 임베딩 벡터의 벡터 공간 상에서의 거리는 멀 수 있다.

한편, 프로세서(110)는 복수의 임베딩 벡터(230)를 획득한 경우, 복수의 임베딩 벡터(230)를 제 2 네트워크 모델(320)에 입력하여 클래스(240)를 결정할 수 있다.

제 2 네트워크 모델(320)은 복수의 임베딩 벡터(230)를 하나로 취합하여 벡터 표현을 출력하는 인코더 및 인코더에서 출력된 벡터 표현을 입력 받아 클래스를 결정하는 신경망 분류기를 포함할 수 있다. 다만, 이에 한정되는 것은 아니다.

일반적으로, 트랜스포머 모델의 인코딩 레이어는 임베딩 벡터의 시퀀스를 인코딩할 때 사용되는 모델로 시퀀스 각각의 요소에 대한 벡터 표현 또는 시퀀스 전체에 대한 벡터 표현을 획득하기 위해 주로 사용될 수 있다. 따라서, 본 개시에서 복수의 임베딩 벡터의 시퀀스를 인코딩하여 시퀀스 각각에 대한 제 1 벡터 표현 또는 시퀀스 전체에 대한 제2 벡터 표현을 획득하기 위해 트랜스포머 모델의 인코딩 레이어를 인코더로 이용할 수 있다. 이 경우, RNN(Recurrent Neural Network) 기반 시퀀스 인코딩 모델보다 복잡도가 낮고, 인코딩의 품질은 더 좋아질 수 있다.

한편, 신경망 분류기는, 인코더에서 출력된 제 1 벡터 표현 또는 제 2 벡터 표현을 입력 받아 클래스를 결정할 수 있다. 여기서, 클래스는 문서 데이터의 주제어와 관련된 정보일 수 있다.

구체적으로, 신경망 분류기는 선형 레이어와 소프트맥스 레이어를 포함할 수 있다. 이 경우, 신경망 분류기에 제 1 벡터 표현 또는 제 2 벡터 표현이 입력된 경우, 신경망 분류기는 복수의 클래스(240) 각각과 관련된 확률 값을 출력할 수 있다. 이 경우, 프로세서(110)는 확률 값이 가장 큰 클래스를 문서 데이터의 주제어와 관련된 클래스라고 결정할 수 있다. 즉, 신경망 분류기는 벡터 표현이 입력된 경우, 해당 벡터 표현이 사전 정의된 복수의 클래스 중 어느 클래스로 분류되는지를 결정할 수 있다. 다만, 이에 한정되는 것은 아니다.

좀더 구체적으로, 사전 정의된 클래스가 class 1, class 2 및 class 3을 포함한다고 가정한 경우, class 1와 관련된 값, class 2와 관련된 값 및 class 3과 관련된 값이 신경망 분류기에서 출력될 수 있다. 이 경우, 프로세서(110)는 가장 높은 값을 갖는 클래스(도 4에서 class 2)로 해당 벡터 표현이 분류된다고 결정할 수 있다. 다만, 이에 한정되는 것은 아니다.

한편, 본 개시의 몇몇 실시예에 따르면, 제 1 네트워크 모델(310) 및 제 2 네트워크 모델(320)은 복수의 논문 데이터 각각의 초록에 주제어가 라벨링된 학습용 데이터 셋을 이용하여 학습될 수 있다.

구체적으로, 프로세서(110)는 제 1 네트워크 모델(310) 및 제 2 네트워크 모델(320)에 학습용 데이터 셋을 입력한 후, 출력 값을 산출할 수 있다. 그리고, 프로세서(110)는 출력 값과 학습용 데이터 셋 각각에 라벨링된 값 간의 차이를 산출하고, 상기 차이를 역전파하여 제 1 네트워크 모델(310) 및 제 2 네트워크 모델(320)에 포함된 적어도 하나의 파라미터를 업데이트시킬 수 있다. 이 경우, 제 1 네트워크 모델(310) 및 제 2 네트워크 모델(320)에 포함된 모든 파라미터를 한번에 업데이트하는 방식으로 즉, end-to-end 방식으로 적어도 하나의 파라미터를 업데이트시킬 수 있다. 상술한 바와 같이 학습을 수행하는 경우 문서 분류 성능이 향상될 수 있다.

상술한 본 개시의 몇몇 실시예에 따르면, 문서 데이터를 임베딩하는 경우 발생하게 되는 길이 제한 문제를 해결할 수 있으며, 문서 데이터에 대응하는 주제어를 분류할 때 분류 성능이 향상될 수 있다.

도 5는 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.

본 개시가 일반적으로 컴퓨팅 장치에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.

일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 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(handheld) 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 둘 다에 위치할 수 있다.

컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 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 데이터 등을 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 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 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 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, 컴퓨팅 디바이스 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 컴퓨팅 디바이스에 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 5GHz 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 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 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 소프트웨어로 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 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 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. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

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 (1)

1. 문서 데이터의 주제어 분류를 수행하는 방법.
   
   
   
   

Images