KR20230115964A - 지식 그래프 생성 방법 및 장치 - Google Patents

Abstract

본 개시의 일 실시예에 따라 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 텍스트 데이터 분석 방법이 개시된다. 상기 방법은: 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득하는 단계; 상기 개념어 리스트에 포함된 두 개념어 사이의 관계 정보를 산출하는 단계; 및 상기 개념어 리스트, 상기 각각의 개념어에 대한 지식 텍스트 및 상기 관계 정보에 기초하여 지식 그래프 데이터를 생성하는 단계를 포함할 수 있다.

Description

지식 그래프 생성 방법 및 장치 {METHOD AND APPARATUS FOR GENERATING KNOWLEDGE GRAPH}

본 발명은 지식 그래프를 구축하는 방법에 관한 것으로서, 보다 구체적으로 특정 분야에 대한 지식을 모델링하여 지식 그래프 데이터를 생성하는 방법에 관한 것이다.

기존 당업계의 지식 그래프 관련 기술은 그래프 구조를 사용하여 개체를 선언하고 개체간 관계를 정의하였다. 그리고 이러한 데이터 구조를 기반으로 질의응답 문제 및 추천 문제를 해결해왔다.

그러나 지식 그래프 기술에 있어서 그래프(graph)라는 데이터 구조를 사용한다는 공통점 외에 기술 분야마다 기술적 문제를 해결하기 위해 노드간 관계를 어떻게 설정할 것인가의 문제가 존재한다. 특히 일반적인 지식 그래프 관련 기술은 사용자 선호도에 기반하므로 교육 분야에 있어서 학생의 학습 수준을 분석하고 적절한 콘텐츠를 제공하는 등의 맞춤형 학습에서의 지식 그래프 생성 기술로 사용되기에는 적절하지 않다.

이에 따라 당업계에서는 교육 분야에 적합한 형태의 지식 그래프 개발에 대한 수요가 지속적으로 존재해왔다.

한국등록특허 "KR1686068"은 개념 그래프 매칭을 이용한 질의응답 방법 및 시스템을 개시하고 있다.

본 개시는 전술한 배경기술에 대응하여 안출 된 것으로, 특정 분야에 대한 지식을 모델링하여 지식 그래프 데이터를 생성하는 방법의 제공을 목적으로 한다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 텍스트 데이터 분석 방법이 개시된다. 상기 방법은: 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득하는 단계; 상기 개념어 리스트에 포함된 두 개념어 사이의 관계 정보를 산출하는 단계; 및 상기 개념어 리스트, 상기 각각의 개념어에 대한 지식 텍스트 및 상기 관계 정보에 기초하여 지식 그래프 데이터를 생성하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득하는 단계는: 상기 입력 문서에 포함된 적어도 하나의 텍스트에 대한 학습 단위 정보를 획득하는 단계; 및 상기 학습 단위 정보에 기초하여 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 학습 단위 정보는, 부모-자식 관계를 갖는 둘 이상의 학습 단위 요소를 포함할 수 있다.

대안적인 실시예에서, 상기 개념어 리스트에 포함된 두 개념어 사이의 관계 정보에는, 개념어들 사이의 연관성의 유무 또는 연관 정도를 나타내는 연관관계가 포함되며, 상기 연관관계는 상기 입력 문서에서 상기 두 개념어 사이의 거리 또는 상기 두 개념어의 동시 출현 빈도에 기초하여 산출될 수 있다.

대안적인 실시예에서, 상기 개념어 리스트에 포함된 두 개념어 사이의 관계 정보에는, 개념어들 사이의 상하위 관계를 나타내는 포함관계가 포함되며, 상기 포함관계는 연관관계에 있는 제 1 개념어 및 제 2 개념어 중 적어도 하나의 개념어에 대한 지식 텍스트의 형태소 분석 결과에 기초하여 결정될 수 있다.

대안적인 실시예에서, 상기 개념어 리스트에 포함된 두 개념어 사이의 관계 정보에는, 개념어들 사이의 선후 관계를 나타내는 선행관계가 포함되며, 상기 선행관계는 연관관계에 있는 제 1 개념어 및 제 2 개념어 중 적어도 하나의 개념어에 대한 지식 텍스트의 형태소 분석 결과에 기초하여 결정될 수 있다.

대안적인 실시예에서, 상기 선행관계는, 연관관계에 있는 제 1 개념어 및 제 2 개념어 각각에 대한 학습 단위 정보의 비교 결과에 기초하여 결정될 수 있다.

대안적인 실시예에서, 상기 개념어 리스트, 상기 각각의 개념어에 대한 지식 텍스트 및 상기 관계 정보에 기초하여 지식 그래프 데이터를 생성하는 단계는: 상기 개념어에 대한 지식 텍스트 또는 상기 관계 정보에 기초하여 논리식을 생성하는 단계; 상기 생성된 논리식에 기초하여 온톨로지 언어를 생성하는 단계; 및 상기 생성된 온톨로지 언어에 기초하여 지식 그래프 데이터를 생성하는 단계를 포함할 수 있다.

대안적인 실시예에서, 상기 지식 그래프 데이터는 개념어 노드 또는 개념어 관계 엣지를 포함하되, 상기 개념어 노드는 상기 온톨로지 언어에 포함된 개념어 표현에 기초하여 생성되고, 그리고 상기 개념어 관계 엣지는 상기 온톨로지 언어에 포함된 관계 표현에 기초하여 생성될 수 있다.

대안적인 실시예에서, 상기 지식 그래프 데이터는, 개념어를 표현하는 둘 이상의 개념어 노드; 및 개념어들 사이의 관계를 표현하는 적어도 하나의 개념어 관계 엣지를 포함할 수 있다.

대안적인 실시예에서, 상기 지식 그래프 데이터는, 학습 단위를 표현하는 적어도 하나의 학습 단위 노드; 및 개념어와 상기 학습 단위의 관계를 표현하는 적어도 하나의 개념어-학습 단위 엣지를 더 포함할 수 있다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 지식 그래프 데이터를 생성하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득하는 동작; 상기 개념어 리스트에 포함된 두 개념어 사이의 관계 정보를 산출하는 동작; 및 상기 개념어 리스트, 상기 각각의 개념어에 대한 지식 텍스트 및 상기 관계 정보에 기초하여 지식 그래프 데이터를 생성하는 동작을 포함할 수 있다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 지식 그래프 데이터 생성 장치가 개시된다. 상기 장치는 하나 이상의 프로세서; 메모리; 및 네트워크를 포함하고, 그리고 상기 하나 이상의 프로세서는, 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득하고, 상기 개념어 리스트에 포함된 두 개념어 사이의 관계 정보를 산출하고, 그리고 상기 개념어 리스트, 상기 각각의 개념어에 대한 지식 텍스트 및 상기 관계 정보에 기초하여 지식 그래프 데이터를 생성할 수 있다.

본 개시는 특정 분야에 대한 지식을 모델링하여 지식 그래프 데이터를 생성하는 방법의 제공할 수 있다.

도 1은 본 개시의 일 실시예에 따라 지식 그래프 데이터를 생성하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 2는 학습 단위 정보에 포함된 데이터를 트리(tree)로 표현한 예시도이다.
도 3은 본 개시의 일 실시예에 따라 생성된 지식 그래프 데이터를 도시한 예시도이다.
도 4는 본 개시의 일 실시예에 따라 개념어를 표현하는 개념어 노드와 학습 단위를 표현하는 학습 단위 노드를 포함하는 지식 그래프 데이터를 도시한 예시도이다.
도 5는 본 개시의 실시예에 따라 지식 그래프 데이터를 생성하기 위한 방법을 나타내는 순서도이다.
도 6은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.

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 일 실시예에 따라 지식 그래프 데이터를 생성하기 위한 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 프로세서(110), 메모리(130), 네트워크부(150)를 포함할 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 일 실시예에 따른 지식 그래프 데이터를 생성하기 위한 데이터 처리를 수행할 수 있다. 프로세서(110)는 입력 문서로부터 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득할 수 있다. 프로세서(110)는 개념어 리스트에 포함된 두 개념어 사이의 관계 정보를 산출할 수 있다. 프로세서(110)는 개념어 리스트, 개념어 리스트에 포함된 각각의 개념어에 대한 지식 텍스트 및 두 개념어 사이의 관계정보에 기초하여 지식 그래프 데이터를 생성할 수 있다.

본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다.

본 개시의 일 실시예에 따르면, 메모리(130)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 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 네트워크부(150)는 임의의 형태의 데이터 및 신호 등을 송수신할 수 있는 임의의 유무선 통신 네트워크가 본 개시 내용에서 표현되는 네트워크에 포함될 수 있다.

본 개시에서 네트워크부(150)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.

본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.

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.

본 개시에 따른 컴퓨팅 장치(100)는 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득할 수 있다. 본 개시에 따른 컴퓨팅 장치(100)는 텍스트 데이터를 포함하는 입력 문서에서 개념어 및 개념어에 대한 지식 텍스트를 추출하기 위해 형태소 분석 동작에 적어도 일부 기초할 수 있다. 본 개시내용에 있어서 '개념어에 대한 지식 텍스트'는 '개념어와 관련된 내용으로서 개념어를 설명하거나 한정하거나 구체화하는 내용을 포함하는 텍스트'와 상호교환적으로 사용될 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 형태소 분석 동작을 통해 입력된 텍스트를 형태소 단위로 쪼개어 분석할 수 있다. 예를 들어 컴퓨팅 장치(100)는 입력된 텍스트를 실질형태소와 형식형태소로 나누어 분석할 수 있다. 다른 예를 들어 컴퓨팅 장치(100)는 입력된 텍스트를 어휘형태소와 문법형태소로 나누어 분석할 수 있다. 구체적으로 컴퓨팅 장치(100)가 “집에 갔습니다”라는 텍스트에 대해 형태소 분석 동작을 수행하는 경우 컴퓨팅 장치(100)는 “집/명사 + 에/격조사 + 가/동사 + 았/선어말어미 + 습니다/어말어미”와 같은 형태소 분석 결과를 획득할 수 있다. 다른 예를 들어 컴퓨팅 장치(100)가 “방정식은 미지수의 값에 따라 참이 되거나 거짓이 되는 식이다.”라는 텍스트에 대해 형태소 분석 동작을 수행하는 경우, 컴퓨팅 장치(100)는 “방정식/일반명사 + 은/보조사 + 미지수/일반명사 + 의/관형격 조사 + 값/일반명사 + 에/부사격 조사 + 따르-/동사 + 아/연결 어미 + 참/일반명사 + 이/주격 조사 + 되/동사 + 거나/연결어미 + 거짓/일반명사 + 이/주격 조사 + 되/동사 + 는/관형 어미 + 식/일반명사 + 이/긍정 지정사 + 다/연결 어미”와 같은 형태소 분석 결과를 획득할 수도 있다. 상기 형태소 분석의 구체적인 수행 과정은 공지기술인 바 상세한 설명은 생략한다.

본 개시에 따른 컴퓨팅 장치(100)는 형태소 분석 수행 후 개념어를 추출하기 위해 명사 및 명사구에 해당하는 텍스트 토큰을 추출할 수 있다. 컴퓨팅 장치(100)는 명사 및 명사구에 해당하는 텍스트 토큰들 중 적어도 일부를 개념어로 선택할 수 있다. 예를 들어, “방정식은 미지수의 값에 따라 참이 되거나 거짓이 되는 식이다.”라는 텍스트에 대해 형태소 분석을 수행하고 명사 및 명사구에 해당하는 텍스트 토큰을 추출하는 경우, 컴퓨팅 장치(100)는 “방정식, 미지수, 값, 참, 거짓, 식”을 명사 및 명사구에 해당하는 텍스트 토큰으로 추출할 수 있다. 그 후 컴퓨팅 장치(100)는 상기 추출된 텍스트 토큰들 중 “방정식, 미지수”를 개념어로 선택할 수 있다. 최종적으로 컴퓨팅 장치(100)는 입력 문서로부터 둘 이상의 개념어를 포함하는 개념어 리스트를 획득할 수 있다. 전술한 개념어 추출 방법에 대한 예시는 설명을 위한 일 예시에 불과할 뿐 본 개시의 개념어 추출 동작은 입력 문서에 포함된 텍스트의 내용과 무관하며 형태소 분석 결과에 기초하여 개념어를 추출하는 다양한 실시예를 포함한다.

컴퓨팅 장치(100)는 사전 정의된 개념어 사전을 포함할 수 있다. 상기 사전 정의된 개념어 사전은 명사 및 명사구에 해당하는 텍스트 토큰에서 개념어를 추출하기 위한 기초가 될 수 있다. 또한 상기 개념어는 사용자의 UI를 통한 개입에 기초하여 선택될 수도 있다. 전술한 바와 같이 본 발명의 컴퓨팅 장치(100)는 사용자가 입력 문서로부터 사용자가 원하는 지식 분야에서의 개념어들을 추출할 수 있는 방법을 제공할 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 입력 문서에서 상기 개념어 리스트에 포함된 각각의 개념어에 대한 지식 텍스트를 획득할 수 있다. 본 개시에 있어서 컴퓨팅 장치(100)가 각각의 개념어에 대한 지식 텍스트를 획득하는 동작은 전술한 개념어 추출 동작 전, 후 또는 동시에 병렬적으로 수행될 수 있으며 그 수행 시기가 제한되지 않는다.

본 개시에 따른 일 실시예에서 컴퓨팅 장치(100)는 입력 문서 내에 각각의 개념어를 포함하는 사전 결정된 길이의 텍스트를 상기 개념어에 대한 지식 텍스트로 획득할 수 있다. 상기 사전 결정된 길이는 개념어 기준 앞뒤로 N개의 단어일 수 있다. 예를 들어 컴퓨팅 장치(100)는 “위에서 봤던 등식에는 숫자만 들어있지만, 대부분 변수가 함께 있는 경우가 많습니다. 그것을 방정식이라고 부르며 이를 참으로 만드는 변수 값을 찾는 것이 목적입니다.”와 같은 문장에서 '방정식'이라는 개념어에 대한 지식 텍스트를 획득할 수 있다. 이 때 개념어 기준 앞뒤로 7개의 단어를 개념어에 대한 지식 텍스트로 설정한 경우, 컴퓨팅 장치(100)는 위 예에서 “대부분 변수가 함께 있는 경우가 많습니다. 그것을 방정식이라고 부르며 이를 참으로 만드는 변수 값을 찾는” 이라는 문장을 '방정식'에 대한 지식 텍스트로 획득할 수 있다.

본 개시에 따른 일 실시예에서 컴퓨팅 장치(100)는 입력 문서 내에 각각의 개념어를 포함하는 문장 단위 텍스트를 상기 개념어에 대한 지식 텍스트로 획득할 수 있다. 예를 들어 컴퓨팅 장치(100)는 “위에서 봤던 등식에는 숫자만 들어있지만, 대부분 변수가 함께 있는 경우가 많습니다. 그것을 방정식이라고 부르며 이를 참으로 만드는 변수 값을 찾는 것이 목적입니다.”와 같은 문장에서 '방정식'이라는 개념어에 대한 지식 텍스트를 “그것을 방정식이라고 부르며 이를 참으로 만드는 변수 값을 찾는 것이 목적입니다.”로서 획득할 수 있다.

전술한 바와 같이 본 개시의 컴퓨팅 장치(100)는 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트를 획득할 수 있으며, 이 때 각 개념어를 설명하기 위한 지식 텍스트 또한 입력 문서로부터 획득할 수 있다.

본 개시의 몇몇 실시예에 있어서, 컴퓨팅 장치가 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어와 관련된 지식 텍스트를 획득하는 단계는 입력 문서에 포함된 적어도 하나의 텍스트에 대한 학습 단위 정보를 획득하는 단계 및 상기 학습 단위 정보에 기초하여 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어와 관련된 지식 텍스트를 획득하는 단계를 포함할 수 있다.

본 개시내용에 있어서 학습 단위 정보는 입력 문서에 포함된 적어도 일부의 텍스트에 대한 사전 결정된 학습 과정 상에서의 위치를 나타내는 정보를 포함할 수 있다. 상기 적어도 일부의 텍스트는 형태소 단위, 음절 단위, 어절 단위, 문장 단위 또는 문단 단위를 포함할 수 있다. 상기 학습 단위 정보에는 예를 들어 학년 정보, 학기 정보, 대단원 정보, 중단원 정보, 소단원 정보 및 단락 정보 중 적어도 하나가 포함될 수 있다. 본 개시의 일 실시예에 있어서 컴퓨팅 장치(100)는 “피타고라스 정리는 직각 삼각형에 있어서 빗변의 길이의 제곱값이 두 직각변 각각의 길이의 제곱값 합과 같다는 정리이다.”라는 문장에 대해 “중학교, 2학년, 2학기, 3단원, 피타고라스 정리, 피타고라스 정리의 정의” 라는 내용을 포함하는 학습 단위 정보를 획득할 수 있다. 본 개시의 다른 실시예에 있어서 컴퓨팅 장치(100)는 “피타고라스”라는 단어에 대해서도 “중학교, 2학년, 2학기, 3단원, 피타고라스 정리, 피타고라스 정리의 정의” 라는 내용을 포함하는 학습 단위 정보를 획득할 수도 있다.

본 개시에 따른 컴퓨팅 장치(100)는 사용자로부터 텍스트 데이터 및 학습 단위 정보를 입력 받아 입력 문서에 포함된 적어도 하나의 텍스트에 대한 학습 단위 정보를 획득할 수 있다. 또한 컴퓨팅 장치(100)는 입력 문서에 포함된 텍스트를 파싱(parsing)함으로써 입력 문서에 포함된 적어도 하나의 텍스트에 대한 학습 단위 정보를 획득할 수도 있다. 상기 텍스트 파싱에는 텍스트를 토큰 또는 문자열 단위에 기초하여 순차적으로 입력 받아 텍스트의 의미를 인식하는 동작이 포함된다. 상기 텍스트 파싱에는 입력 문서에 포함된 텍스트의 물리적 형태를 인식하는 동작도 포함될 수 있다.

본 개시의 일 실시예에 있어서 컴퓨팅 장치(100)는 입력 문서에서 목차 정보를 획득하고 이에 기초하여 입력 문서에 포함된 적어도 하나의 텍스트에 대한 학습 단위 정보를 획득할 수 있다. 예를 들어 교육용 교재는 전체 내용에 대한 차례 또는 목차에 대한 정보를 포함할 수 있다. 따라서 컴퓨팅 장치(100)는 위와 같은 목차 정보를 획득하고 이에 기초하여 대단원, 중단원 또는 소단원 등을 포함하는 학습 단위 정보를 생성한 뒤 텍스트와 연관 지을 수 있다. 컴퓨팅 장치(100)는 목차 정보에 포함된 페이지 정보에 기초하여 텍스트에 대한 학습 단위 정보를 생성할 수도 있다.

본 개시의 다른 일 실시예에 있어서 컴퓨팅 장치(100)는 입력 문서에 포함된 텍스트의 물리적 형태에 기초하여 학습 단위 정보를 획득할 수도 있다. 상기 텍스트의 물리적 형태는 텍스트의 크기, 텍스트의 굵기, 문서 상에서 텍스트의 시작 위치 또는 텍스트에 포함된 숫자 기호의 모양 중 적어도 하나가 포함될 수 있다. 구체적으로, 컴퓨팅 장치(100)는 입력 문서 상에 제 1 텍스트와 제 2 텍스트가 순차적으로 존재하되, 제 1 텍스트의 문자열 크기가 제 2 텍스트의 문자열 크기보다 큰 경우, 제 1 텍스트를 제 2 텍스트에 대한 학습 단위 요소명으로 설정할 수 있다. 또한 컴퓨팅 장치(100)는 입력 문서에서 텍스트에 포함된 숫자 기호의 모양에 기초하여 학습 단위 정보를 획득할 수 있다. 예를 들어 입력 문서는 내용의 구분을 위해 “Ⅰ, 1, 1), (1)” 등과 같은 서로 다른 숫자 기호를 사용하여 작성된 문서일 수 있다. 이 때 숫자 기호의 차이는 학습 단위의 차이를 의미하므로 컴퓨팅 장치(100)는 이러한 숫자 기호에 기초하여 입력 문서에 포함된 적어도 일부의 텍스트에 대한 학습 단위 정보를 획득할 수 있다.

도 2는 학습 단위 정보에 포함된 데이터를 트리(tree)로 표현한 예시도이다. 도 2에 도시된 바와 같이 학습 단위 정보는 부모-자식 관계를 갖는 둘 이상의 학습 단위 요소를 포함할 수 있다. 학습 단위 정보에 포함된 각각의 학습 단위 요소는 트리(tree) 내에서 노드로 표현될 수 있다. 학습 단위 요소들 중 적어도 일부 요소들 사이에 존재하는 부모-자식 관계는 트리 내에서 엣지로 표현될 수 있다. 참조번호 210은 학습 단위 정보에 포함된 복수의 학습 단위 요소들 중 최대 학습 단위 요소를 나타낸다. 최대 학습 단위 요소(210)는 입력 문서가 포함하는 내용에 대한 가장 넓은 범위의 학습 단위와 관련된 명칭을 포함할 수 있다. 최대 학습 단위 요소(210)는 예를 들어 '전체 교육과정', '학년' 또는 '학기' 등과 관계된 명칭을 포함할 수 있다. 도 2의 참조번호 230은 학습 단위 정보에 포함된 복수의 학습 단위 요소들 중 중간 학습 단위들을 나타낸다. 중간 학습 단위 요소 집합(230)은 최대 학습 단위와 최소 학습 단위 사이에 존재하는 학습 단위들을 포함한다. 중간 학습 단위 요소 집합(230)에 포함된 하나 이상의 중간 학습 단위는 '학기', '대단원', '중단원' 또는 '소단원' 등과 관계된 명칭을 포함할 수 있다. 도 2의 참조번호 250은 학습 단위 정보에 포함된 복수의 학습 단위들 중 최소 학습 단위들의 집합을 나타낸다. 최소 학습 단위 집합(250)은 학습 단위를 설명하기 위한 가장 작은 단위의 학습 단위들을 포함할 수 있다. 최소 학습 단위 집합(250)은 학습 단위 정보를 트리 형태로 표현할 때 트리 내에 존재하는 리프(leaf) 노드의 집합일 수 있다. 일 실시예에서 최소 학습 단위 집합(250)에 포함된 제 1 최소 학습 단위(251)는 교과서의 소단원 제목을 포함할 수 있다. 다른 일 실시예에서 제 1 최소 학습 단위(251)는 단위 수업 시간에 학습되기 위한 단락 정보의 명칭을 포함할 수도 있다. 상기 단위 수업 시간에는 예를 들어 1교시, 1시간, 1일 또는 1주일 등이 포함될 수 있다. 도 2는 시각적으로 학습 단위 정보가 트리로 표현될 수 있음을 설명할 뿐, 본 개시에서 설명되는 학습 단위 정보는 트리 구조에 관한 시각적 표현 없이도 획득 및/또는 저장될 수 있음은 자명할 것이다. 전술한 바와 같이 본 개시에 따른 컴퓨팅 장치(100)는 입력 문서에 포함된 복수의 텍스트 각각에 대한 학습 단위 정보를 획득할 수 있다. 상기 학습 단위 정보는 텍스트의 내용에 대한 교육 과정 상에서의 위치 정보를 포함하는 정보이기 때문에 본 개시에 따른 컴퓨팅 장치(100)는 입력 문서에 포함된 복수의 텍스트들을 교육 과정 순서에 따라 분류할 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 학습 단위 정보에 기초하여 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어와 관련된 지식 텍스트를 획득할 수 있다. 본 개시에 따라 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트를 획득하는 방법에 대해서는 구체적으로 전술하였으므로 이하에서는 중복되는 내용은 생략하고 차이점을 위주로 설명하도록 한다.

컴퓨팅 장치(100)는 둘 이상의 개념어를 포함하는 개념어 리스트를 획득할 때 각 개념어에 대한 학습 단위 정보를 추가적으로 포함시킬 수 있다. 구체적으로 컴퓨팅 장치(100)에 의해 입력 문서에 대한 개념어 리스트는 “방정식, 피타고라스”와 같이 생성될 수 있다. 이 때 컴퓨팅 장치(100)가 학습 단위 정보를 추가적으로 고려할 경우 상기 개념어 리스트는 “방정식_2학년 1학기 5단원, 피타고라스_2학년 2학기 3단원”과 같이 생성될 수도 있다. 컴퓨팅 장치(100)는 개념어 리스트에 개념어 및 개념어에 매칭되는 학습 단위 정보를 함께 포함시킴으로써 학습 단위 정보에 포함된 학습 단위 요소별로 개념어를 그룹화 할 수 있다. 계속된 예시에서 상술한 바와 “방정식_2학년 1학기 5단원, 피타고라스_2학년 2학기 3단원”라는 내용을 포함하는 개념어 리스트가 생성된 경우, 컴퓨팅 장치(100)가 학기별로 개념어를 그룹화할 경우 “방정식”은 1학기의 개념어이고 “피타고라스”는 2학기의 개념어이므로 서로 구분되어 분류될 수 있다. 만약 컴퓨팅 장치(100)가 학년별로 개념어를 그룹화할 경우 “방정식” 및 “피타고라스”는 모두 2학년의 개념어이므로 같은 그룹으로 묶일 수 있다. 위와 같이 본 개시에 따라 학습 단위 정보에 기초하여 개념어 리스트를 획득할 경우, 입력 문서로부터 획득되는 복수의 개념어들을 학습 범위에 따라 분류할 수 있는 장점을 갖는다. 즉, 컴퓨팅 장치(100)는 특정 학습 범위에 포함되는 개념어들을 분류할 수 있으며 학습 단위를 확장시키는 과정에서 추가로 학습되어야 하는 개념어들이 무엇인지 식별할 수 있다.

본 개시에 따른 일 실시예에 있어서 컴퓨팅 장치(100)는 개념어 리스트에 포함된 두 개념어 사이의 관계 정보를 산출할 수 있다. 상기 관계 정보에는 개념어들 사이의 연관성의 유무 또는 연관 정도를 나타내는 연관 관계가 포함될 수 있다. 본 개시 내용에 있어서 “두 개념어가 연관 관계에 있다”는 것은 “두 개념어에 기초하여 산출된 연관 정도를 나타내는 값이 사전 결정된 임계값보다 크다”라는 의미로 사용될 수 있다. 상기 연관 관계는 입력 문서에서 두 개념어 사이의 거리 또는 두 개념어의 동시 출현 빈도에 기초하여 산출될 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 두 개념어 사이의 거리에 기초하여 연관 관계를 결정할 수 있다. 상기 두 개념어 사이의 거리는 문장 내에서 두 개념어 사이에 존재하는 어절 개수를 기준으로 연산 될 수 있다. 예를 들어 A와 B라는 개념어가 존재한다고 가정할 때 “A는 B이다.”라는 제 1 예시 문장에서 'A는' 이라는 어절과 'B이다'라는 어절 사이에 어절이 0개 존재하므로 컴퓨팅 장치(100)는 두 개념어 사이의 거리를 0으로 연산할 수 있다. 계속된 실시예에서 “A는 약수가 1과 자기 자신뿐인 B이다.”라는 제 2 예시 문장에서 컴퓨팅 장치(100)는 두 개념어 사이의 거리를 5로 연산할 수 있다. 컴퓨팅 장치(100)는 연산된 두 개념어 사이의 평균 거리가 임계값 이하인 경우 두 개념어가 연관 관계에 있는 것으로 결정할 수 있다. 예를 들어 본 개시의 컴퓨팅 장치(100)는 두 개념어 사이의 평균 거리에 대한 임계값이 3인 경우, A와 B가 동시에 출현한 문장이 N개 존재하고 N개의 문장 내에서 두 개념어 사이의 거리에 대한 평균값이 2.5일 경우 A와 B는 연관 관계에 있는 것으로 결정될 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 두 개념어의 동시 출현 빈도에 기초하여 연관 관계를 결정할 수 있다. 개념어 리스트에 예를 들어 K개의 개념어가 포함된 경우, 컴퓨팅 장치(100)는 K개 중 임의의 2개의 개념어를 포함하는 개념어 쌍 조합들 각각에 대해 입력 문서 내에서의 동시 출현 횟수를 연산할 수 있다. 상기 동시 출현 판단의 기준은 문장, 문단, 문서 페이지 또는 임의의 단위 길이에 기초할 수 있다. 구체적 일 실시예에서 입력 문서에 포함된 문장들 중 개념어 A와 개념어 B를 동시에 포함하는 문장이 10개 존재하는 경우, 컴퓨팅 장치(100)는 개념어 A 및 개념어 B의 동시 출현 빈도를 10으로 연산할 수 있다. 컴퓨팅 장치(100)는 두 개념어의 동시 출현 횟수가 임계값 이상인 경우 두 개념어가 연관 관계에 있는 것으로 결정할 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 두 개념어 사이의 거리 및 두 개념어의 동시 출현 빈도 모두에 기초하여 연관 관계를 산출할 수도 있다. 예를 들어 컴퓨팅 장치(100)는 A와 B라는 개념어가 동시에 출현한 문장의 개수가 사전 결정된 개수 이상이면서, 동시에 A와 B 사이의 거리가 임계 거리 이하인 경우에만 두 개념어가 연관 관계를 갖는 것으로 결정할 수 있다. 위와 같은 방법은 두 개념어 사이의 평균 거리가 임계값 이하라고 하더라도 두 개념어의 동시 출현 빈도 자체가 적은 경우, 또는 두 개념어가 자주 동시에 출현한다고 하더라도 거리가 지나치게 멀어 관계가 없다고 보여지는 경우 등의 노이즈를 제거할 수 있는 효과가 있다.

전술한 연관 관계 산출 방법에 대한 서술은 실시를 위한 일 예시에 불과하며 본 개시는 입력 문서에서 두 개념어 사이의 거리 또는 두 개념어의 동시 출현 빈도에 기초하여 연관 관계를 산출하는 다양한 방법을 제한없이 포함한다.

본 개시에 따른 관계 정보에는 개념어들 사이의 상하위 관계를 나타내는 포함관계가 포함될 수 있다. 상기 포함관계는 연관관계에 있는 제 1 개념어 및 제 2 개념어 중 적어도 하나의 개념어에 대한 지식 텍스트의 형태소 분석 결과에 기초하여 컴퓨팅 장치(100)에 의해 결정될 수 있다. 컴퓨팅 장치(100)는 포함관계를 결정하기 위해 형태소 분석 결과에 기초하여 포함관계를 나타내는 구문 구조를 탐색할 수 있다. 포함관계를 나타내는 구문 구조에는 예를 들어 상위 개념에 대한 하위 개념들의 열거문 구조가 포함될 수 있다. 상위 개념에 대한 하위 개념들의 열거문 구조에는 예를 들어 <~~에는 ~~이 포함된다.>, <~~의 예시에는 ~~이 있다.> 또는 <~~는 ~~ 등을 포함한다> 등과 같은 문장 구조가 포함될 수 있다. 구체적으로 컴퓨팅 장치(100)에 “삼각함수에는 사인함수, 코사인함수, 탄젠트함수 등이 있다.”라는 문장이 입력될 경우, 컴퓨팅 장치(100)는 형태소 분석 결과에 적어도 일부 기초하여 <A에는 a1, a2, a3 등이 있다.>라는 포함관계를 나타내는 구문 구조를 식별한 후, A라는 개념어에 a1, a2, a3 라는 개념어들이 포함되는 것으로 결정할 수 있다. 그 결과 컴퓨팅 장치(100)는 '삼각함수'라는 개념어에 대해 '사인함수', '코사인함수' 및 '탄젠트함수' 라는 개념어들이 포함관계를 갖는 것으로 결정할 수 있다. 전술한 포함관계를 나타내는 구문 구조에 관한 예시는 설명을 위한 것일 뿐, 본 개시는 형태소 분석 결과에 기초하여 탐색될 수 있는 포함관계를 나타내는 구문 구조를 제한없이 포함할 수 있다. 컴퓨팅 장치(100)는 포함관계를 결정할 때 1차적으로 연관관계에 있는 제 1 개념어 및 제 2 개념어들을 대상으로 하므로, 포함관계를 나타내는 구문 구조를 탐색하기 전에 관련도를 나타내는 값이 임계치를 넘는 일정한 관련성이 있는 개념어 쌍들을 선별할 수 있다. 이는 연산 속도를 증가시키는 효과를 갖는다.

본 개시에 따른 관계 정보에는 개념어들 사이의 선후 관계를 나타내는 선행관계가 포함될 수 있다. 상기 선행관계는 연관관계에 있는 제 1 개념어 및 제 2 개념어 중 적어도 하나의 개념어에 대한 지식 텍스트의 형태소 분석 결과에 기초하여 결정될 수 있다. 예를 들어 A 개념어를 설명하는 지식 텍스트에 B 개념어가 등장할 경우, A 개념어를 이해하기 위해서는 B 개념어를 알고 있어야 하므로 A 개념어보다 B 개념어가 앞에 있다는 의미를 가진 선행관계가 결정될 수 있다. 컴퓨팅 장치(100)는 선행관계를 결정하기 위해 형태소 분석 결과에 기초하여 선행관계를 나타내는 구문 구조를 탐색할 수 있다. 선행관계를 나타내는 구문 구조에는 예를 들어 <~~은 ~~이다.>, <~~이란 ~~이다.> 또는 <~~는 ~~ 을 뜻한다.> 등과 같은 문장 구조가 포함될 수 있다. 구체적인 예시로서 컴퓨팅 장치(100)에 “등비수열은 첫째항부터 차례로 일정한 수를 곱하여 만든 수열이다.”라는 문장이 입력될 경우, 컴퓨팅 장치(100)는 형태소 분석 결과에 적어도 일부 기초하여 '등비수열'라는 개념어를 설명하기위해 '수열'이라는 개념어가 선행되어야 함을 식별할 수 있다. 그 결과 컴퓨팅 장치(100)는 '등비수열'과 '수열'이라는 개념어 쌍이 선행관계에 있는 것으로 결정할 수 있다. 전술한 선행관계를 나타내는 구문 구조에 관한 예시는 설명을 위한 것일 뿐, 본 개시는 형태소 분석 결과에 기초하여 탐색될 수 있는 선행관계를 나타내는 구문 구조를 제한없이 포함할 수 있다. 컴퓨팅 장치(100)는 선행관계를 결정할 때 상술한 포함관계와 마찬가지로 1차적으로 연관관계에 있는 제 1 개념어 및 제 2 개념어들을 대상으로 하므로, 관련도를 나타내는 값이 임계치를 넘는 일정한 관련성이 있는 개념어 쌍들에 대해 선행관계 여부를 판별하는 바, 연산 성능을 증가시키는 효과를 갖는다.

본 개시에 따른 컴퓨팅 장치(100)는 두 개념어 사이의 선행관계를 연관관계에 있는 제 1 개념어 및 제 2 개념어 각각에 대한 학습 단위 정보의 비교 결과에 기초하여 결정할 수 있다. 설명을 위한 일 예시로서 제 1 개념어가 '지수방정식'이고 제 2 개념어가 '방정식'이라고 가정하자. 이때 제 1 개념어와 관련된 지식 텍스트가 “지수방정식은 지수에 미지수를 포함하는 방정식이다.”와 같이 존재할 수 있다. 전술한 바와 같이 컴퓨팅 장치(100)가 형태소 분석 결과에 기초하여 선행관계를 결정할 경우, 위의 문장으로부터 컴퓨팅 장치(100)는 '지수방정식'이라는 개념어와 '방정식'이라는 개념어가 선행관계에 있다고 결정할 수 있다. 컴퓨팅 장치(100)는 각각의 개념어에 대한 지식 텍스트와 무관하게 각각의 개념어와 매칭되는 학습 단위 정보를 이용하여 선행관계를 결정할 수도 있다. 즉, '지수방정식'과 '방정식'이 연관관계에 있고, '지수방정식'에 대한 학습 단위 정보가 “고등학교 2학년, 1학기, 3단원”이고 그리고 '방정식'에 대한 학습 단위 정보가 “중학교 2학년, 1학기, 5단원”인 경우, 컴퓨팅 장치(100)는 '지수방정식'과 '방정식'의 학습 단위 정보를 비교하여 '방정식'이 '지수방정식'에 선행되어야 하는 개념어로 식별할 수 있다. 그 결과 컴퓨팅 장치(100)는 '지수방정식'과 '방정식'이 선행관계에 있다고 결정할 수 있다. 전술한 예시는 설명을 위한 예시일 뿐 본 개시는 학습 단위 정보의 비교 결과에 기초하여 두 개념어 사이의 선행관계를 결정하는 다양한 실시예를 제한없이 포함한다. 상술한 바와 같이 컴퓨팅 장치(100)는 연관관계에 있는 두 개념어의 학습 단위 정보를 비교하여 선행관계를 결정함으로써, 형태소 분석에 기초하여서는 탐색될 수 없는 모호한 형태의 문장에서도 선행관계를 결정할 수 있다. 예를 들어 입력 문서에 포함된 문장 중에는 선행관계를 나타내는 구문 구조 중 어느 하나에도 매칭이 되지는 않지만 선행관계를 나타내는 문장이 존재할 수 있다. 이러한 경우 본 개시에 따라 연관관계에 있는 두 개념어에 대한 학습 단위 정보를 비교하여 선행관계를 결정하면, 보다 효율적으로 선행관계를 갖는 개념어 쌍을 결정할 수 있는 효과를 갖는다.

본 개시에 따른 컴퓨팅 장치(100)가 개념어 리스트, 각각의 개념어에 대한 지식 텍스트 및 관계 정보에 기초하여 지식 그래프 데이터를 생성하는 단계는: 개념어에 대한 지식 텍스트 또는 상기 관계 정보에 기초하여 논리식을 생성하는 단계, 생성된 논리식에 기초하여 온톨로지 언어를 생성하는 단계 및 생성된 온톨로지 언어에 기초하여 지식 그래프 데이터를 생성하는 단계를 포함할 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 개념어에 대한 지식 텍스트 또는 개념어 사이의 관계 정보에 기초하여 논리식을 생성할 수 있다. 컴퓨팅 장치(100)는 아래의 표 1에 기초하여 명제 또는 술어로 구성된 지식 텍스트 또는 두 개념어 사이의 관계 정보로부터 논리식을 생성할 수 있다.

논리기호	이름	논리식	의미
	부정		Not P
	논리합		P or Q
	논리곱		P and Q
	합의		If P then Q
	동치		P if and only if Q

본 개시에 따른 컴퓨팅 장치(100)는 표 1에 적어도 부분적으로 기초하여 지식 텍스트를 정규화하고 논리식을 생성할 수 있다. 상기 논리식은 논리곱 정규형(Conjuctive Normal Form, CNF) 또는 논리합 정규형(Disjunctive Normal Form, DNF)을 포함할 수 있다.

일 실시예에서 두 개념어 A, B가 존재하고 A와 B 사이에 A가 B에 우선하는 선행관계가 존재하는 경우, 컴퓨팅 장치(100)는 “”와 같은 논리식을 생성할 수 있다. 다른 일 실시예에서 “A이면서 B인 x가 존재한다.”라는 지식 텍스트에 대해 컴퓨팅 장치(100)는 표 1에 기초하여 “” 와 같은 논리식을 생성할 수 있다. 기호 는 전칭 한정사(universal quantifier)를 나타낸다. 기호 는 존재 한정사(existential quantifier)를 나타낸다.

다른 일 실시예에서 “소수는 약수가 1과 자기 자신뿐인 자연수이다.”라는 지식 텍스트에 대해 컴퓨팅 장치(100)는 “”와 같은 논리식을 생성할 수도 있다. 본 개시에 따른 컴퓨팅 장치(100)는 상술한 논리식 구성 요소 외에도 개념어에 대한 지식 텍스트 또는 개념어 사이의 관계 정보를 논리식으로 표현하기 위한 다양한 논리식 구성요소를 포함할 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 텍스트와 논리식에 대한 매칭 정보가 기록된 테이블에 기초하여 지식 텍스트를 논리식에 매칭할 수 있다. 상기 테이블은 메모리(130) 또는 데이터베이스에 저장되어 있을 수도 있고 외부 서버에 별도로 저장되어 있을 수도 있다. 상기 테이블이 외부 서버에 저장되어 있는 경우 컴퓨팅 장치(100)는 네트워크부(150)를 통해 지식 텍스트 또는 개념어의 관계정보에 대응되는 논리식을 수신할 수 있다. 위와 같이 본 개시에 따른 컴퓨팅 장치(100)는 입력 문서에 포함된 각각의 개념어에 대한 지식 텍스트를 논리식으로 표현함으로써 자연어가 갖는 모호한 표현을 정규화할 수 있다. 즉, 중의적 의미를 갖는 문장이라도 일차적으로는 단일한 의미의 논리식으로 문장을 대응시켜 자연어의 모호성으로 인해 발생할 수 있는 연산 과정 상의 문제를 방지할 수 있는 효과가 있다.

본 개시에 따른 컴퓨팅 장치(100)는 논리식에 기초하여 온톨로지 언어를 생성할 수 있다. 온톨로지는 특정 분야의 지식 데이터 구조를 표현하는 데이터 모델로서 개념 및 개념 사이의 관계를 정형적으로 표현할 수 있다. 온톨로지의 구성 요소에는 클래스, 인스턴스, 관계, 속성 등이 포함될 수 있다. 상기 속성은 클래스나 인스턴스의 특정한 성질을 나타내기 위해 클래스나 인스턴스가 갖는 특정한 값을 의미한다. 상기 관계는 클래스, 인스턴스 간에 존재하는 관계들을 의미한다. 본 개시에 따른 온톨로지 언어에는 RDF, OWL, SWRL 등이 포함될 수 있다. 컴퓨팅 장치(100)는 상기 논리식을 온톨로지 언어로 변환함으로써 개념어들 자체와 개념어들 간의 연관성을 서술하는 관계를 정형화된 형태로 표현할 수 있다. 본 개시에 따른 온톨로지 언어는 W3C 국제 웹 표준 기구에 의해 개시된 프로그래밍 언어에 기초하여 생성될 수 있다.

본 개시의 몇몇 실시예에 있어서 논리식에 포함된 교집합 관련 표현은 “ObjectIntersectionOf()”라는 함수에 기초하여 표현될 수 있다. 예를 들어, “ObjectIntersectionOf(xsd:nonNegativeInteger xsd:nonPositiveInteger)”이라는 함수는 음수가 아닌 정수 및 양수가 아닌 정수의 속성을 갖는 데이터를 식별하기 위한 함수이다. 상기 xsd는 'Xml schema datatype'의 약자로, 공지의 프로그래밍 언어인 Xml 언어 상에서 정의된 데이터 타입을 가리키기 위한 prefix이다. 결과적으로 상기 함수는 음수도 아니고 양수도 아닌 정수로서 '0'의 값을 갖는 데이터를 선택할 수 있다.

본 개시의 몇몇 실시예에 있어서 논리식에 포함된 합집합 관련 표현은 “ObjectUnionOf()”라는 함수에 기초하여 표현될 수 있다. 예를 들어, “ObjectUnionOf(xsd:string xsd:integer)”이라는 함수는 모든 문자열 타입의 데이터 및 모든 정수형 타입의 데이터를 식별할 수 있다.

본 개시의 몇몇 실시예에 있어서 논리식에 포함된 부정(negation) 표현은 “ObjectComplementOf()”라는 함수에 기초하여 표현될 수 있다. 예를 들어, “ObjectComplementOf(xsd:positiveInteger)”이라는 함수는 양의 정수가 아닌 정수 데이터들을 식별할 수 있다.

본 개시의 일 실시예에 있어서 컴퓨팅 장치(100)는 “”라는 논리식을

“EquivalentClasses(:primeNumber

ObjectIntersectionOf(:naturalNumber

ObjectComplementOf(DataHasValue(:hasVal “1”^^xsd:positiveInteger))

ObjectAllValuesFrom(:isNumMultipleOf

ObjectUnionOf(DataHasValue(:hasVal “1”^^xsd:positiveInteger)

ObjectHasSelf(:isEqualTo)))))”

라는 온톨로지 언어로 표현할 수 있다. 전술한 논리식의 구성요소에 대한 온톨로지 언어 표현에 대한 몇몇 예시들은 일 예시에 불과하며, 본 개시는 논리식을 온톨로지 언어로 표현하기 위한 함수들을 제한없이 포함한다. 논리식을 온톨로지 언어로 표현하기 위한 구체적인 함수의 종류는 본 구체적인 내용에 대한 설명은 본 출원에서 전체가 참조로서 통합되는 OWL 문법 설명을 위한 웹 문서 "https://www.w3.org/TR/owl-semantics/" (공개일: 2004년 02월 10일)에서 보다 구체적으로 논의된다.

본 개시에 따른 컴퓨팅 장치(100)는 생성된 온톨로지 언어에 기초하여 지식 그래프 데이터를 생성할 수 있다. 지식 그래프 데이터는 노드 또는 엣지를 포함하는 그래프 형태의 데이터 구조로 이루어질 수 있다. 상기 지식 그래프 데이터는 개념어를 표현하는 둘 이상의 개념어 노드 및 개념어들 사이의 관계를 표현하는 적어도 하나의 개념어 관계 엣지를 포함할 수 있다. 본 개시에 따른 개념어 노드 또는 개념어 관계 엣지를 포함하는 지식 그래프 데이터는 컴퓨팅 장치(100)에 의해 생성되되, 상기 개념어 노드는 온톨로지 언어에 포함된 개념어 표현에 기초하여 생성되고, 상기 개념어 관계 엣지는 온톨로지 언어에 포함된 개념어 사이의 관계 표현에 기초하여 생성될 수 있다.

본 개시의 제 1 실시예에 있어서 “제 1 관계함수(제 1 인자, 제 2 인자)”와 같이 표현되는 온톨로지 언어가 있을 경우, 컴퓨팅 장치(100)는 제 1 인자 및 제 2 인자에 대한 정보를 포함하는 노드들을 생성하고 제 1 관계함수에 대한 정보를 포함하는 엣지를 생성할 수 있다. 그리고 이 경우 제 1 관계함수에 대한 정보를 포함하는 엣지는 제 1 인자에 대한 노드 및 제 2 인자에 대한 노드를 연결하는 개념어 관계 엣지일 수 있다. 상기 제 1 인자 또는 제 2 인자는 다시 특정 관계함수의 결과값일 수 있는데, 이러한 경우에는 노드들의 집합인 트리 구조로 해당 인자에 대한 노드 부분이 치환될 수 있다.

본 개시의 제 2 실시예에 있어서 “제 2 관계함수(제 3 인자, 제 4 인자)”와 같이 표현되는 온톨로지 언어가 있을 경우, 컴퓨팅 장치(100)는 제 3 인자, 제 4 인자 그리고 제 2 관계함수 연산 결과 각각에 대응되는 개념어 노드들을 생성할 수 있다. 상기 제 2 관계함수 연산 결과에 대응되는 개념어 노드는 제 3 인자 및 제 4 인자에 기초한 제 2 관계함수의 연산 결과에 대한 정보를 포함할 수 있다. 즉, 제 2 실시예에서 제 2 관계함수는 제 3 인자와 제 4 인자에 기초한 연산을 통해 새로운 값을 도출하는 관계함수 일 수 있다. 그 결과 컴퓨팅 장치(100)는 제 3 인자에 대한 노드와 제 2 관계함수 연산 결과를 연결하는 개념어 관계 엣지 및 제 4 인자에 대한 노드와 제 2 관계함수 연산 결과를 연결하는 개념어 관계 엣지를 생성할 수 있다. 제 2 실시예의 개념어 관계 엣지들은 제 2 관계함수에 대한 정보를 포함할 수 있다. 상기 제 3 인자 또는 제 4 인자는 다시 특정 관계함수의 결과값일 수 있는데, 이러한 경우에는 노드들의 집합인 트리 구조로 해당 인자에 대한 노드 부분이 치환될 수 있다.

이하 도 3을 참조하여 온톨로지 언어에 기초하여 지식 그래프 데이터를 생성하는 방법을 구체적으로 설명한다. 도 3은 본 개시의 일 실시예에 따라 생성된 지식 그래프 데이터를 도시한 예시도이다. 도 3은 “R_1(C_1, R_2(C_2, R_3))”와 같이 표현될 수 있는 온톨로지 언어에 기초하여 지식 그래프 데이터를 생성할 경우 표현될 수 있는 그래프를 예시적으로 시각화한 것이다. R_1, R_2, R_3은 온톨로지에 언어에 포함된 관계(Relationship) 표현을 나타낸다. C_1, C_2는 온톨로지 언어에 포함된 개념어(Concept word) 표현을 나타낸다. 도 3을 참조하면 C_1 개념어에 대응되는 노드(301)와 R_2(C_2, R_3)에 대한 연산 결과로 얻어지는 지식 그래프의 최상위 노드(303)는 R_1 관계 표현에 대응되는 엣지(313)로 연결될 수 있다. 본 예시에서 R_1 관계는 전술한 제 1 실시예에서 설명된 관계함수와 같은 종류일 수 있다. 계속해서 R_2(C_2, R_3)에 대한 연산 결과로 얻어지는 지식 그래프는 새로운 트리를 구성하게 된다. R_2(C_2, R_3)에 대한 연산 결과로 얻어지는 지식 그래프의 최상위 노드(303)와 C_2 개념어에 대응되는 노드(305)는 R_2 관계 표현에 대응되는 엣지(315)로 연결될 수 있다. 본 예시에서 R_2 관계는 전술한 제 2 실시예에서 설명된 관계함수와 같은 종류일 수 있다. 참조번호 307은 R_3에 대한 연산 결과로 얻어지는 지식 그래프의 최상위 노드를 나타낼 수 있다. R_3에 대한 연산 결과로 얻어지는 지식 그래프의 최상위 노드(307)는 R_2(C_2, R_3)에 대한 연산 결과로 얻어지는 지식 그래프의 최상위 노드(303)와 R_2 관계 표현에 대응되는 엣지(317)로 연결될 수 있다. 상술한 예시는 복수의 개념어 및 다양한 개념어 사이의 관계함수로 이루어진 온톨로지 언어에 기초하여 지식 그래프 데이터를 생성하는 방법을 설명하기 위한 일 실시예일 뿐 본 개시를 제한하지 않는다.

상술한 바와 같이 본 개시의 컴퓨팅 장치(100)는 입력 문서에 존재하는 둘 이상의 개념어 사이의 관계 정보 또는 개념어 리스트에 포함된 각 개념어에 대한 지식 테스트를 그래프 데이터로 표현할 수 있다. 이는 텍스트에서 정보를 추출하고 정보를 구조화하며 사용자에게 구조화된 정보를 시각적으로 전달할 수 있다는 효과를 갖는다. 따라서 본 발명에 따른 지식 그래프 데이터를 이용하면 사용자의 학습수준을 해당 분야의 개념 단위로 분석할 수 있고 그 결과 사용자 맞춤형 학습 방법을 제공할 수 있다. 또한 지식 개념 간 상관관계 분석을 통해 다음 학습 개념에 대한 추천 과정을 투명하고 해석 가능하게 설명할 수 있다. 또한 본 개시는 텍스트에서 유의미한 정보를 추출하여 그래프 구조로 데이터를 구축하므로 데이터 검색 속도 및 질의에 대한 추론 속도가 빨라진다는 장점이 있다.

본 개시에 따른 지식 그래프 데이터는 학습 단위를 표현하는 적어도 하나의 학습 단위 노드 및 개념어와 학습 단위의 관계를 표현하는 적어도 하나의 개념어-학습 단위 엣지를 더 포함할 수 있다. 이하에서는 도 4를 참조하여 학습 단위 노드 및 개념어-학습 단위 엣지를 더 포함하는 지식 그래프 데이터에 대해 서술한다.

도 4는 본 개시의 일 실시예에 따라 개념어를 표현하는 개념어 노드와 학습 단위를 표현하는 학습 단위 노드를 포함하는 지식 그래프 데이터를 도시한 예시도이다. 도 4의 지식 그래프 데이터는 사용자 인터페이스를 통해 사용자에게 표현될 수도 있다. 지식 그래프 데이터(400)는 각각의 부분 그래프에 포함되는 노드의 종류를 기준으로 제 1 부분 그래프(410)와 제 2 부분 그래프(430)로 나누어질 수 있다. 제 1 부분 그래프(410)는 도 2를 참조하여 상술된 학습 단위 정보를 나타내는 하나 이상의 학습 단위 노드를 포함할 수 있다. 제 2 부분 그래프(430)는 도 3을 참조하여 상술된 개념어를 표현하는 하나 이상의 개념어 노드를 포함할 수 있다.

제 1 부분 그래프(410)에 포함된 최소 학습 단위 노드는 각각의 학습 단위에 해당하는 하나 이상의 개념어 노드들과 연결될 수 있다. 예를 들어 “중학교 1학년 1학기 1단원”에 해당하는 최소 학습 단위 노드(411a)는 “소인수분해”에 대한 개념어 노드(431a)와 연결될 수 있다. 또한 “중학교 1학년 1학기 2단원”에 해당하는 최소 학습 단위 노드(411b)는 “유리수”를 나타내는 개념어 노드(431c)와 연결될 수 있다. 제 2 부분 그래프(430)에 포함된 일부 개념어 노드(431b)는 최소 학습 단위 노드와 연결되지 않고 다른 개념어 노드들(431a,431c)과만 연결될 수도 있다.

지식 그래프 데이터(400)는 제 1 부분 그래프(410)에 포함된 노드와 제 2 부분 그래프(430)에 포함된 노드를 연결하는 개념어-학습 단위 엣지(453)를 적어도 하나 포함할 수 있다. 본 개시의 몇몇 실시예에 있어서 개념어-학습 단위 엣지(453)는 컴퓨팅 장치(100)가 입력 문서에 포함된 개념어에 대해 획득한 학습 단위 정보에 기초하여 생성될 수 있다. 제 2 부분 그래프(430)는 개념어들 사이의 관계를 표현하는 개념어 관계 엣지들(433a, 433b)을 포함할 수 있다. 개념어 관계 엣지들(433a, 433b)은 두 개념어 사이의 포함관계, 선행관계, 연관관계 등을 포함하는 개념어 사이의 관계 정보를 포함할 수 있다. 본 개시의 몇몇 실시예에 있어서 개념어 관계 엣지들(433a, 433b)은 컴퓨팅 장치(100)가 산출한 개념어 리스트에 포함된 두 개념어 사이의 관계 정보 또는 개념어 리스트에 포함된 각각의 개념어에 대한 지식 텍스트에 적어도 부분적으로 기초하여 생성될 수 있다. 상술한 바와 같이 본 개시에 있어서 개념어-학습 단위 엣지들과 개념어 관계 엣지들은 컴퓨팅 장치(100)에 의해 서로 다른 시점 또는 서로 다른 동작의 결과에 기초하여 획득될 수 있고, 컴퓨팅 장치(100)는 개념어 관계 엣지와 개념어-학습 단위 엣지를 서로 구별하여 저장할 수 있다.

지식 그래프 데이터(400)에 포함된 제 1 부분 그래프(410)는 학습 단위 정보를 포함한다. 상기 학습 단위 정보는 전술한 바와 같이 입력 문서에 대한 파싱(parsing) 과정에서 획득될 수 있다. 제 1 부분 그래프(410)에 포함된 노드들은 위상 정렬이 가능하다. 본 개시에 있어서 제 1 부분 그래프(410)에 포함되는 학습 단위 정보는 학습 순서를 그래프로 표현한 것으로 사이클이 발생하지 않도록 위상 정렬(Topological Sort)이 가능하다. 또한 제 1 부분 그래프(410)는 트리 구조로 표현될 수도 있다. 이에 따라 컴퓨팅 장치(100)가 제 1 부분 그래프(410)에 포함된 하나의 노드를 선택할 경우 후순위의 노드 및/또는 자식 노드들을 식별할 수 있다.

지식 그래프 데이터(400)에 포함된 제 2 부분 그래프(430)는 하나 이상의 개념어 노드 및 개념어 사이의 관계를 나타내는 개념어 관계 엣지를 포함한다. 제 2 부분 그래프(430)에 포함된 노드 및 엣지들은 복수의 개념어들 사이의 관계를 나타낸다.

본 개시에 따라 위와 같은 지식 그래프 데이터(400)를 사용할 경우 사용자는 지식 그래프의 진입을 위한 노드 또는 정점을 제 1 부분 그래프(410)에 기초하여 선택할 수 있다. 예를 들어, 사용자가 제 1 부분 그래프(410)의 “중학교 1학년 1학기 1단원”에 해당하는 최소 학습 단위 노드(411a)를 선택한 경우 컴퓨팅 장치(100)는 상기 최소 학습 단위 노드(411a)와 개념어-학습 단위 엣지로 연결된 개념어 노드들을 식별한 후 식별된 개념어 노드들을 제 2 부분 그래프(430)에서의 출발 노드로 결정할 수 있다. 다른 예를 들어 사용자가 제 1 부분 그래프(410)에 포함된 임의의 학습 단위 노드를 선택한 경우에도 컴퓨팅 장치(100)는 해당 학습 단위 노드가 포함하는 하나 이상의 최소 학습 단위 노드들과 연결된 개념어 노드들을 식별한 후 제 2 부분 그래프(430)에서의 출발 노드를 하나 이상 결정할 수 있다. 본 개시의 도 4와 같이 지식 그래프 데이터를 구성할 경우 사용자는 편리하게 학습하고자 하는 학습 단위를 선택할 수 있고 컴퓨팅 장치(100)는 상기 선택된 학습 단위의 기본이 되는 개념어를 제공할 수 있다.

본 개시에 따른 컴퓨팅 장치(100)는 사용자에게 지식 그래프 데이터를 시각적으로 제공할 경우에 도 4에 도시된 제 2 부분 그래프(430)만을 지식 그래프 데이터로 제공하는 한 편 각 개념어 노드와 관련된 학습 단위가 서로 상이할 경우 노드를 시각적으로 서로 다르게 표현하는 방법으로 사용자 인터페이스를 구성할 수도 있다.

도 5는 본 개시의 실시예에 따라 지식 그래프 데이터를 생성하기 위한 방법을 나타내는 순서도이다. 컴퓨팅 장치(100)는 입력 문서에서 둘 이상의 개념어를 포함하는 개념어 리스트 및 각각의 개념어에 대한 지식 텍스트를 획득(S510)할 수 있다. 컴퓨팅 장치(100)는 입력 문서에 포함된 텍스트에 대해 형태소 분석을 수행하고 그 결과 개념어를 추출할 수 있다. 컴퓨팅 장치(100)는 입력 문서에 포함된 텍스트 토큰들 중 명사 또는 명사구에 해당하는 텍스트 토큰들을 개념어로 추출할 수 있다. 컴퓨팅 장치(100)는 개념어 리스트에 포함된 두 개념어 사이의 관계 정보를 산출(S530)할 수 있다. 두 개념어 사이의 관계 정보는 연관관계, 포함관계 또는 선행관계를 포함할 수 있다. 상기 관계 정보는 각 개념어를 포함하는 문장에 대해 분석을 수행한 결과 획득될 수 있다. 상기 연관관계는 입력 문서 내에서 두 개념어 사이의 거리 또는 두 개념어의 동시 출현 빈도에 기초하여 산출될 수 있다. 컴퓨팅 장치(100)는 상기 개념어 리스트, 상기 각각의 개념어에 대한 지식 텍스트 및 상기 관계 정보에 기초하여 지식 그래프 데이터를 생성(S550)할 수 있다. 컴퓨팅 장치(100)는 개념어에 대한 지식 텍스트 또는 개념어 사이의 관계 정보에 기초하여 논리식을 생성할 수 있다. 컴퓨팅 장치(100)는 생성된 논리식에 기초하여 온톨로지 언어를 생성할 수 있다. 컴퓨팅 장치(100)는 생성된 온톨로지 언어에 기초하여 지식 그래프 데이터를 생성할 수 있다.

도 6은 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 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. 지식 그래프 데이터 생성 방법.
   
   
   

Images