WO2024225697A1 - 설문에 기초하여 해결책을 제안하는 방법 - Google Patents

설문에 기초하여 해결책을 제안하는 방법 Download PDF

Info

Publication number
WO2024225697A1
WO2024225697A1 PCT/KR2024/005300 KR2024005300W WO2024225697A1 WO 2024225697 A1 WO2024225697 A1 WO 2024225697A1 KR 2024005300 W KR2024005300 W KR 2024005300W WO 2024225697 A1 WO2024225697 A1 WO 2024225697A1
Authority
WO
WIPO (PCT)
Prior art keywords
marker
issue
solution
issues
questionnaire
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2024/005300
Other languages
English (en)
French (fr)
Inventor
임주원
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Invites Biocore Co Ltd
Seoul National University Hospital
Original Assignee
Invites Biocore Co Ltd
Seoul National University Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Invites Biocore Co Ltd, Seoul National University Hospital filed Critical Invites Biocore Co Ltd
Publication of WO2024225697A1 publication Critical patent/WO2024225697A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database

Definitions

  • the present invention relates to a method and device for proposing a solution based on a questionnaire.
  • the purpose of the present disclosure is to provide a method and device for proposing a solution based on a questionnaire.
  • the problems to be solved by the present disclosure are not limited to the problems mentioned above, and other problems and advantages of the present disclosure that are not mentioned can be understood by the following description and will be more clearly understood by the embodiments of the present disclosure.
  • the problems and advantages to be solved by the present disclosure can be realized by the means and combinations thereof indicated in the patent claims.
  • a first aspect of the present disclosure may provide a method for proposing a solution based on a questionnaire, comprising: patterning responses to a questionnaire; determining one or more issues based on the patterned responses; and determining a set of proposed solutions based on the one or more issues.
  • a second aspect of the present disclosure provides a device for proposing solutions based on a questionnaire, comprising: a memory having at least one program stored therein; and a processor configured to operate by executing the at least one program; wherein the processor is configured to pattern responses to a questionnaire, determine one or more issues based on the patterned responses, and determine a set of proposed solutions based on the one or more issues.
  • a third aspect of the present disclosure can provide a computer-readable recording medium having recorded thereon a program for executing the method according to the first aspect on a computer.
  • accurate issues can be derived based on a questionnaire, and reasonable solutions can be provided based on the derived issues.
  • the algorithm according to various embodiments of the present disclosure can continuously develop with improved accuracy because the more data is collected, the larger the sample becomes, and predictions are made based on the sample.
  • the algorithm according to various embodiments of the present disclosure can be applied to various fields as well as the medical field, and thus has high usability.
  • the algorithm according to various embodiments of the present disclosure is not limited to the field of making predictions based on responses to a questionnaire, but can also be applied to another field of making predictions based on certain data, thus having high usability.
  • Figures 1a and 1b are diagrams for explaining a method of deriving issues based on a conventional questionnaire.
  • Figure 2 is a diagram for explaining a method for determining a solution based on a conventional issue.
  • FIG. 3 is a flowchart illustrating the operation of a device for proposing a solution based on a questionnaire according to one embodiment of the present disclosure.
  • FIG. 4 is a flowchart for explaining the operation of a response processing unit according to one embodiment of the present disclosure.
  • FIG. 5 is a flowchart for explaining the operation of an issue determination unit according to one embodiment of the present disclosure.
  • FIG. 6 is a flowchart illustrating the operation of a solution determination unit according to one embodiment of the present disclosure.
  • FIG. 7 is a flowchart of a method for proposing a solution based on a questionnaire according to one embodiment of the present disclosure.
  • FIG. 8 is a block diagram of a device for proposing a solution based on a questionnaire according to one embodiment of the present disclosure.
  • a method for proposing a solution based on a questionnaire may include: storing, in a database, markers converted from patterns of responses of respondents, each of which is associated with an issue, in a data format; converting a user's response to the questionnaire into a patterned response having the data format; selecting a marker among the markers, the marker having the same data format as the patterned response, for comparison with the patterned response; determining one or more issues based on a comparison of the patterned response and the selected marker; determining a set of proposed solutions based on the one or more issues; and displaying the one or more issues and the set of proposed solutions on a device of the user.
  • Some embodiments of the present disclosure may be represented by functional block configurations and various processing steps. Some or all of these functional blocks may be implemented by various numbers of hardware and/or software configurations that perform specific functions.
  • the functional blocks of the present disclosure may be implemented by one or more microprocessors, or by circuit configurations for a given function.
  • the functional blocks of the present disclosure may be implemented by various programming or scripting languages.
  • the functional blocks may be implemented by algorithms that are executed on one or more processors.
  • the present disclosure may employ conventional techniques for electronic environment settings, signal processing, and/or data processing, etc. Terms such as “mechanism”, “element”, “means”, and “configuration” may be used broadly and are not limited to mechanical and physical configurations.
  • connecting lines or connecting members between components depicted in the drawings are only illustrative of functional connections and/or physical or circuit connections. In an actual device, connections between components may be represented by various functional connections, physical connections, or circuit connections that may be replaced or added.
  • a questionnaire may mean a set of one or more questions provided to a respondent and configured to allow the respondent to submit a response.
  • the questionnaire may include questions configured to allow the respondent to submit information necessary for predicting a disease, such as the type of symptom, the time of occurrence of the symptom, etc., as a response.
  • a patient may submit a response through the questionnaire to receive information about the expected disease and a suggestion of a department (medical subject) where the patient can receive treatment for the expected disease.
  • the patient's device may automatically connect to a hospital's database and schedule the patient's treatment schedule. The device may obtain the current location of the device using GPS and search for a hospital within a certain distance from the location of the device.
  • a respondent may mean a person who wishes to be provided with information about a solution by a method and device for proposing a solution based on a questionnaire of the present disclosure, and the respondent may submit a response to each of one or more items included in the questionnaire.
  • the respondent may be a patient who visited a hospital.
  • the method for proposing a solution based on a questionnaire of the present disclosure may determine an issue and a solution corresponding to the issue based on the response submitted by the respondent.
  • the issue is derived as a result of analyzing the respondent's response, and may mean a problem related to the respondent (or a problem raised by the respondent).
  • the issue may correspond to the result of diagnosing the phenomenon through the questionnaire.
  • the questionnaire is designed to collect grounds for deriving the issue.
  • the issue may be related to a disease.
  • one or more issues may be derived by analyzing the respondent's response.
  • a solution may refer to a means for resolving an identified issue.
  • the solution may relate to a medical department.
  • the identified issue is 'Sjogren's syndrome'
  • the solution may include 'rheumatology'.
  • a respondent may perform a procedure for resolving the issue later. There may be more than one solution corresponding to one issue.
  • the method of proposing a solution based on a questionnaire of the present disclosure can be applied not only to the field of predicting a disease and proposing a treatment department to respond to the disease based on responses to the questionnaire, but also to various fields of deriving issues and proposing solutions.
  • Figures 1a and 1b are diagrams for explaining a method of deriving issues based on a conventional questionnaire.
  • FIG. 1a and 1b an algorithm for deriving an issue through one or more items is illustrated in a tree structure.
  • the method according to Figures 1a and 1b can be viewed as a method based on a so-called decision tree.
  • a circular node containing a number may correspond to any one or more items included in the questionnaire.
  • the numbers of the nodes such as 1, 2-1, 2-2, etc., may be numbers assigned for convenience.
  • respondents can sequentially submit responses to one or more questions provided to the respondents.
  • the items provided may depend on the respondents' responses. That is, the items provided to the respondents may vary depending on the respondents' responses.
  • the respondents When the respondents respond to a question, the respondents may be provided with the next question, or the issue may be decided.
  • a connection from a first node to a second node may mean that when a respondent submits a response to an item corresponding to the first node, the respondent may be provided with an item corresponding to the second node.
  • node 2-1 is connected to node 3-1 and node 3-2, and depending on the response submitted by the respondent to the item corresponding to node 2-1, the respondent may then be provided with an item corresponding to node 3-1 or an item corresponding to node 3-2.
  • the respondent may be provided with an item corresponding to node 3-1.
  • a link from a node to an issue may mean that the issue has been derived if a respondent submits a response to a question corresponding to that node.
  • the first issue may be derived as an issue based on a response submitted by a respondent to a question corresponding to node 4-1.
  • a respondent may initially submit a response to an item corresponding to node 1.
  • an item corresponding to node 2-1 may be additionally provided to the respondent based on the response submitted by the respondent to the item corresponding to node 1.
  • the respondent may submit a response to an item corresponding to node 2-1.
  • an item corresponding to node 3-1 may be additionally provided to the respondent based on the response submitted by the respondent to the item corresponding to node 2-1.
  • the respondent may submit a response to an item corresponding to node 3-1.
  • FIG. 1b an item corresponding to node 2-1 may be additionally provided to the respondent based on the response submitted by the respondent to the item corresponding to node 1.
  • an item corresponding to node 4-1 may be additionally provided to the respondent based on the response submitted by the respondent to the item corresponding to node 3-1.
  • the first issue can be derived as an issue based on the response submitted by the respondent to the question corresponding to node 4-1.
  • a conventional questionnaire can derive accurate issues only for situations that are considered general or representative. For example, if the issue is about a disease, even if it is the same disease, the symptoms that appear cannot be the same for all people, so the conventional questionnaire illustrated in Figs. 1a and 1b may be a questionnaire with low accuracy because it does not reflect diversity.
  • respondents may be provided with solutions to issues derived from the questionnaire described above with reference to Figures 1a and 1b, but the conventional method of determining solutions also has limitations.
  • Figure 2 is a diagram for explaining a method for determining a solution based on a conventional issue.
  • one issue and one or more solutions are connected. Since one issue may have one or more solutions, the relationship between the issue and the solution may be depicted as in Figure 2. For example, if the issue is a disease and the third issue is osteoporosis, since orthopedics, endocrinology, etc. can perform treatment for osteoporosis, the fourth solution may be orthopedics, and the sixth solution may be endocrinology.
  • the conventional method of determining a solution is based on a simple matching relationship, and the solution is directly determined by the issue to be determined. Therefore, the solution determined in this way can be seen as not directly related to the response submitted by the respondent to the question.
  • solutions corresponding to issues that are not determined by the derived issues can be completely excluded, and when considering the relationship with other issues, more effective solutions may not be derived.
  • the third issue is derived as an issue, and the second solution, the fourth solution, and the sixth solution are provided to the respondent as possible solutions.
  • the respondent selects the fourth solution for some reason, the second solution may not be selected even though it can be an effective choice because it can address all of the first, second, and third issues.
  • the method for proposing a solution based on a questionnaire can be performed by a device for proposing a solution based on a questionnaire of the present disclosure, specifically, a processor included in the device for proposing a solution based on a questionnaire of the present disclosure.
  • a response processing unit (310), an issue determination unit (320), and a solution determination unit (330), etc. are illustrated and described as being separated for convenience of explanation of the operations performed, but are not necessarily implemented separately, and one or more different units may be implemented as a single device unit.
  • FIG. 3 is a flowchart illustrating the operation of a device for proposing a solution based on a questionnaire according to one embodiment of the present disclosure.
  • a response to a questionnaire submitted by a respondent may be input into a response processing unit (310).
  • the response processing unit (310) may process a response to the input questionnaire and output data to an issue determination unit (320).
  • the issue determination unit (320) may determine an issue based on data input from the response processing unit (310) and output data to a solution determination unit (330).
  • the solution determination unit (330) may determine a solution based on data input from the issue determination unit (320) and output a proposed solution.
  • the issue or proposed solution of the present disclosure may be displayed on a device of a user (i.e., a respondent).
  • the operations of each of the response processing unit (310), the issue determination unit (320), and the solution determination unit (330) will be described in detail.
  • FIG. 4 is a flowchart for explaining the operation of a response processing unit according to one embodiment of the present disclosure.
  • the response processing unit (310) can process a response to an input questionnaire and output data to the issue determination unit (320). Specifically, referring to FIG. 4, the response processing unit (310) can patternize a response to a questionnaire and generate and output a patterned response. The response processing unit (310) can convert a user's response to a questionnaire into a patterned response having the same data format as the indicator.
  • the questionnaire may include one or more items, and responses to each of the one or more items may be patterned by the response processing unit (310), rather than being scored in response to the item or determining the next item as in the conventional method described above.
  • FIG. 5 is a flowchart for explaining the operation of an issue determination unit according to one embodiment of the present disclosure.
  • the issue determination unit (320) can determine an issue based on data input from the response processing unit (310) and output the data to the solution determination unit (330). Specifically, referring to FIG. 5, that is, the issue determination unit (320) can generate and output an issue and an issue probability based on a patterned response.
  • the issue decision unit (320) may include a marker selection unit (510).
  • the indicator selection unit (510) may select an indicator.
  • the indicator may be compared with a patterned response and used to derive an indicator correlation.
  • the indicator correlation may refer to a correlation between a patterned response and an indicator.
  • the marker may be selected based on personal information (501). That is, the marker selection unit (510) may select the marker based on personal information (501).
  • the personal information (501) means personal information about the respondent, and in one embodiment, the issue determination unit (320) (or a device that proposes a solution based on a questionnaire) may receive the personal information (501), and the personal information (501) may be based on information of the respondent that is input by the respondent or collected in advance.
  • the personal information (501) may be information that can be expressed as objective numbers, such as the respondent's age, gender, height, and weight.
  • a marker may be data configured to detect a pattern of a response to a questionnaire. Accordingly, the patterned response and the marker may have the same data format. Since the patterned response and the marker have the same data format, the speed of processing the patterned response and the marker (e.g., comparing one of the patterned response and the marker) may increase.
  • one or more markers corresponding to a series of questionnaires may be generated in advance, and the generated one or more markers may be stored in a database. The markers may be stored in the database in a preset data format.
  • the marker selection unit (510) may select one of the one or more markers stored in the database, and the selection of the marker may be based on personal information (501).
  • a marker may reflect a relationship with one or more issues. That is, a marker may be generated in advance by converting a pattern of responses provided by respondents related to a specific issue into data having a preset data format. For example, since patients with a specific disease exhibit similar symptoms or patients with a specific disease exhibit similar conditions, a marker may be generated to reflect the characteristics of those patients. As described below, a marker correlation is calculated based on the patterned responses and the selected marker, and a high marker correlation means that the pattern of the selected marker and the response is similar, which means that one or more issues contained in the marker and the respondent's response may be highly correlated.
  • the issue decision unit (320) may include a marker correlation calculation unit (520).
  • the marker correlation calculation unit (520) can calculate the marker correlation based on the patterned response and the selected marker.
  • the marker correlation can be a numerical value indicating the degree of similarity between the patterned response and the selected marker.
  • the marker correlation calculation unit (520) can calculate the marker correlation through any suitable method. For example, the marker correlation calculation unit (520) can calculate the marker correlation using various correlation analyses used in probability theory, statistics, etc.
  • the issue determination unit (320) can select one or more markers and calculate a marker correlation corresponding to each of the selected one or more markers. That is, the operations of the marker selection unit (510) and the marker correlation calculation unit (520) can be performed repeatedly several times.
  • the issue decision unit (320) may further include a marker verification unit (530).
  • the marker verification unit (530) can determine whether to discard the marker based on the patterned response and the marker. In other words, the marker verification unit (530) can verify whether the marker selected by the marker selection unit (510) is a marker suitable for the patterned response. Since the marker correlation calculation unit (520) only performs the marker correlation calculation between the patterned response and the marker, whether the marker itself selected by the marker selection unit (510) is suitable cannot be verified, and whether the marker is suitable can be verified by the verification unit (530).
  • the marker may further include a screener.
  • a screener may refer to data that enables identification of whether a patterned response is not at all relevant to a particular issue.
  • the marker may be configured to include a selector.
  • the marker verification unit (530) may verify the marker based on the selector. For example, if the issue is about a disease, a person with the first disease should always exhibit the first symptom, but if the respondent answers that the first symptom is "never" exhibited to a question related to the first symptom included in the questionnaire, it may be reasonable that the issue is not considered, and the marker verification process of the present disclosure may be performed for this purpose.
  • the marker verification unit (530) can discard the marker if the patterned response is identified by the selector.
  • the marker verification unit (530) can verify the marker based on the patterned response and the selector. If the marker verification unit (530) fails the verification, it can discard the failed marker. Discarding the marker can mean that the marker selected by the marker selection unit (510) is decided not to be used any more in the process of proposing a solution based on the questionnaire of the present disclosure.
  • the process of verifying the markers can also be performed corresponding to each of the one or more markers.
  • the marker verification unit (530) can verify the marker by calculating a verification coefficient, which is a correlation between the patterned response and the selector.
  • a verification coefficient which is a correlation between the patterned response and the selector.
  • An example of calculating the verification coefficient can be expressed by the following mathematical expression 1.
  • x n may be the nth marker correlation among the marker correlations produced by the marker correlation production unit (520). That is, x 1 , x 2 , x 3 , ... may be marker correlations produced based on the patterned response and the selected markers, respectively.
  • x' n may be the nth marker correlation after marker verification is performed on x n .
  • a n may be the nth verification coefficient corresponding to the nth marker correlation (or the nth marker) among the verification coefficients produced by the marker verification unit (530).
  • the marker verification unit (530) may produce the verification coefficient based on the patterned response and the selector. That is, a 1 , a 2 , a 3 , ... may be verification coefficients produced based on the patterned response and the selector corresponding to the selected marker, respectively.
  • the validation coefficient or a n can be 0 or 1. Accordingly, if the validation coefficient is 0, the corresponding marker is discarded, and if the validation coefficient is 1, the corresponding marker is not discarded. For example, if the marker correlation calculated based on the second selected marker is x 2 , and the validation coefficient calculated based on the selector corresponding to the second selected marker is a 2 having a value of 0, then x' 2 becomes 0, and therefore the marker correlation calculated based on the second selected marker is not considered in the subsequent steps, and the second selected marker can be discarded.
  • the issue decision unit (320) may further include a weighting unit (540).
  • the weighting unit (540) can assign weights to the indicator correlations.
  • the issue determination unit (320) can calculate the issue probability based on one or more correlations and weights corresponding to each of one or more indicators.
  • the issue probability can refer to the probability that the issue is an issue that is suitable for the respondent.
  • a weight may be a value that is predetermined and associated with one or more issues.
  • an issue is determined based on a response submitted by a respondent, but the likelihood of occurrence of each issue, the importance of each issue, the value of each issue, etc. may also be reflected. For example, if the issue is about a disease, the probability that the respondent will have the first disease may be greater than the probability of having the second disease based only on the response submitted by the respondent, but if the probability of occurrence of the first disease is extremely low, it may be more reasonable to determine the second disease as the issue.
  • the weight may be predetermined based on the clinical importance of each disease, the probability of occurrence of each disease, etc. Accordingly, in one embodiment, the weight may be different depending on the issue. In addition, in one embodiment, the weight may be predetermined by matching with a marker.
  • the weights may vary across respondents. For example, the weights that best fit the respondent may be selected from among the predetermined weights.
  • the weighting unit (540) can calculate issues and issue probabilities by weighting the indicator correlations.
  • the weighting unit (540) may assign a weight to each of one or more indicator correlations calculated in response to one or more indicators.
  • An example of the weighting unit (540) assigning a weight can be expressed by the following mathematical expression 2.
  • y m may be the issue probability of issue m among one or more issues. That is, y m may be the probability of issue m calculated by the weighting unit (540) by applying weights to the indicator correlation.
  • w mn is associated with the mth issue and can mean a weight for the nth marker.
  • x 1 , x 2 , x 3 , ... may be the aforementioned marker correlations.
  • x 1 , x 2 , x 3 , ... may also be marker correlations after marker verification is performed, i.e., x' 1 , x' 2 , x' 3 , ....
  • the weighting unit (540) can determine one or more issues and calculate the issue probability for each of one or more issues by assigning a weight to each of one or more indicator correlations.
  • the issue decision unit (320) may select some of the one or more issues that have been determined. For example, issues with an issue probability below a threshold may be discarded.
  • the process of calculating issues and issue probabilities based on the patterned responses illustrated in FIG. 5 may be performed based on an artificial intelligence model.
  • the artificial intelligence model may be trained to receive a patterned response as input and output one or more indicators having the highest similarity to the patterned response among pre-generated indicators.
  • the artificial intelligence model may include, but is not limited to, supervised learning models such as a neural network, a decision tree, a linear regression, and a support vector machine, unsupervised learning models such as a Hidden Markov model, k-means, hierarchical clustering, and a Gaussian mixture model, and reinforcement learning models such as temporal difference learning, deep adversarial networks, and Q-learning.
  • FIG. 6 is a flowchart illustrating the operation of a solution determination unit according to one embodiment of the present disclosure.
  • the solution determination unit (330) can determine a solution based on the data input from the issue determination unit (320) and output a proposed solution. Specifically, the solution determination unit (330) can determine a proposed solution based on one or more issues and an issue probability for each of the one or more issues.
  • the solution determination unit (330) may include a solution suitability calculation unit (610).
  • the solution suitability calculation unit (610) may calculate the solution suitability for a solution based on the received issue and issue probability and the issue-specific solution coefficient (601).
  • the issue-specific solution coefficient (601) may be a predetermined value representing a correlation between each of one or more issues and each of one or more issue-specific solutions. In other words, correlations with all possible solutions for each of one or more issues may be calculated and stored in advance. For example, if the issue is about a disease and the solution is about a medical department, and the first issue is Sjogren's syndrome, the first solution is rheumatology, and the second solution is ophthalmology, the correlation between the first issue and the first solution may be higher than the correlation between the first issue and the second solution.
  • a specific issue and a specific solution may not be related to each other at all, and in this case, the value of the correlation between the issue and the solution may be 0.
  • an issue-specific solution coefficient (601) when more than one issue is derived, a reasonable solution can be proposed to the respondent.
  • s k is the solution suitability calculated by the solution suitability calculation unit (610), and can indicate how well the kth solution among one or more solutions is suitable for the response submitted by the respondent.
  • Equation 3 r km can be the correlation between the mth issue and the kth solution.
  • y m can be the issue probability of issue m among one or more issues.
  • the solution fit for one or more solutions can be calculated by multiplying the correlation for each of one or more issues.
  • the solution decision unit (330) may include a solution selection unit (620).
  • the solution selection unit (620) may select the proposed solution as a part of one or more generated solutions. In one embodiment, the solution selection unit (620) may select the proposed solution based on the solution suitability. For example, the solution selection unit (620) may select the proposed solution as solutions having a solution suitability greater than a threshold value. In one embodiment, the solution selection unit (620) may select the proposed solution as several solutions having high solution suitability.
  • the solution selection unit (620) may determine a set of proposed solutions based on the selected proposed solutions.
  • the set of proposed solutions may include one or more proposed solutions and a solution fit for one or more proposed solutions, and may enable the responder to select one of the proposed solutions.
  • the determined one or more issues and proposed solutions may be provided to the respondent. That is, the device for proposing solutions based on the questionnaire of the present disclosure may provide the determined one or more issues and proposed solutions to the respondent, for example, by displaying them on a display device.
  • the patterned responses used to determine the issue can be used as data to improve the performance of the device suggesting a solution based on the questionnaire of the present disclosure. That is, the accuracy of the algorithm of the present disclosure can be improved based on many samples.
  • the patterned responses can be stored in a database that serves as a basis for selecting markers through any suitable processing.
  • the patterned responses can be used as training data for an artificial intelligence model together with labels for the patterned responses.
  • the artificial intelligence model can include, but is not limited to, supervised learning models such as neural networks, decision trees, linear regression, and support vector machines, unsupervised learning models such as Hidden Markov models, k-means, hierarchical clustering, and Gaussian mixture models, and reinforcement learning models such as temporal difference learning, deep adversarial networks, and Q-learning.
  • supervised learning models such as neural networks, decision trees, linear regression, and support vector machines
  • unsupervised learning models such as Hidden Markov models, k-means, hierarchical clustering, and Gaussian mixture models
  • reinforcement learning models such as temporal difference learning, deep adversarial networks, and Q-learning.
  • FIG. 7 is a flowchart of a method for proposing a solution based on a questionnaire according to one embodiment of the present disclosure.
  • the operations illustrated in FIG. 7 can be executed by a device that proposes a solution based on the aforementioned questionnaire. Specifically, the operations illustrated in FIG. 7 can be executed by a processor included in the device that proposes a solution based on the aforementioned questionnaire.
  • the device that proposes a solution based on the questionnaire can pattern the responses to the questionnaire.
  • the device for suggesting solutions based on the questionnaire can determine one or more issues based on the patterned responses.
  • a device that proposes solutions based on a questionnaire may receive personal information, and step 720 may include selecting, based on the personal information, a marker for comparison with a patterned response.
  • step 720 may include calculating a correlation between the patterned response and the marker.
  • the marker may further comprise a selector.
  • step 720 may include verifying a marker based on a patterned response and a selector.
  • step 720 may include discarding the marker if it fails validation.
  • step 720 may include calculating an issue probability based on one or more correlations and predetermined weights corresponding to each of the one or more indicators.
  • the device for proposing solutions based on the questionnaire can determine a set of proposed solutions based on one or more issues.
  • step 730 may include calculating a solution fit for one or more solutions based on one or more issues and predetermined issue-specific solution coefficients.
  • the device that proposes solutions based on the questionnaire may display one or more issues and a set of proposed solutions.
  • FIG. 8 is a block diagram of a device for proposing a solution based on a questionnaire according to one embodiment of the present disclosure.
  • a device (800) for suggesting a solution based on a questionnaire may include a communication unit (810), a processor (820), and a DB (830). Only components related to the embodiment are illustrated in the device (800) for suggesting a solution based on a questionnaire of FIG. 8. Accordingly, a person skilled in the art will understand that other general components may be further included in addition to the components illustrated in FIG. 8.
  • the communication unit (810) may include one or more components that enable wired/wireless communication with an external server or external device.
  • the communication unit (810) may include at least one of a short-range communication unit (not shown), a mobile communication unit (not shown), and a broadcast receiving unit (not shown).
  • DB (830) is a hardware that stores various data processed within a device (800) that proposes a solution based on a questionnaire, and can store a program for processing and controlling the processor (820). DB (830) can store payment information, user information, etc.
  • DB (830) may include random access memory (RAM) such as dynamic random access memory (DRAM), static random access memory (SRAM), read-only memory (ROM), electrically erasable programmable read-only memory (EEPROM), CD-ROM, Blu-ray or other optical disk storage, hard disk drive (HDD), solid state drive (SSD), or flash memory.
  • RAM random access memory
  • DRAM dynamic random access memory
  • SRAM static random access memory
  • ROM read-only memory
  • EEPROM electrically erasable programmable read-only memory
  • CD-ROM compact disc-read-only memory
  • Blu-ray or other optical disk storage hard disk drive (HDD), solid state drive (SSD), or flash memory.
  • the processor (820) controls the overall operation of the device (800) that proposes a solution based on a questionnaire.
  • the processor (820) can control the input unit (not shown), the display (not shown), the communication unit (810), the DB (830), etc., by executing the programs stored in the DB (830).
  • the processor (820) can control the operation of the device (800) that proposes a solution based on a questionnaire by executing the programs stored in the DB (830).
  • the processor (820) can control at least some of the operations of the device (800) that proposes a solution based on the questionnaire described above in FIGS. 1 to 7.
  • the processor (820) may be implemented using at least one of application specific integrated circuits (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), field programmable gate arrays (FPGAs), controllers, micro-controllers, microprocessors, and other electrical units for performing functions.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • controllers micro-controllers, microprocessors, and other electrical units for performing functions.
  • the device (800) for suggesting a solution based on a questionnaire may be a mobile electronic device.
  • the device (800) for suggesting a solution based on a questionnaire may be implemented as a smart phone, a tablet PC, a PC, a smart TV, a PDA (personal digital assistant), a laptop, a media player, a navigation device, a camera-equipped device, and other mobile electronic devices.
  • the device (800) for suggesting a solution based on a questionnaire may be implemented as a wearable device, such as a watch, glasses, a hair band, and a ring, having a communication function and a data processing function.
  • An embodiment according to the present invention may be implemented in the form of a computer program that can be executed through various components on a computer, and such a computer program may be recorded on a computer-readable medium.
  • the medium may include a magnetic medium such as a hard disk, a floppy disk, and a magnetic tape, an optical recording medium such as a CD-ROM and a DVD, a magneto-optical medium such as a floptical disk, and a hardware device specifically configured to store and execute program instructions, such as a ROM, a RAM, a flash memory, and the like.
  • the computer program may be one that is specifically designed and constructed for the present invention or one that is known and available to those skilled in the art of computer software.
  • Examples of computer programs may include not only machine language codes created by a compiler, but also high-level language codes that can be executed by a computer using an interpreter, etc.
  • the method according to various embodiments of the present disclosure may be provided as included in a computer program product.
  • the computer program product may be traded between a seller and a buyer as a commodity.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g., a compact disc read only memory (CD-ROM)), or may be distributed online (e.g., downloaded or uploaded) via an application store (e.g., Play StoreTM) or directly between two user devices.
  • an application store e.g., Play StoreTM
  • at least a part of the computer program product may be at least temporarily stored or temporarily generated in a machine-readable storage medium, such as a memory of a manufacturer's server, a server of an application store, or an intermediary server.

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 개시는 설문에 기초하여 해결책을 제안하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따른 설문에 기초하여 해결책을 제안하는 방법은, 설문에 대한 응답을 패턴화하고, 패턴화된 응답에 기초하여 하나 이상의 쟁점을 결정하며, 하나 이상의 쟁점에 기초하여 제안 해결책 셋을 결정하는 것을 포함할 수 있다.

Description

설문에 기초하여 해결책을 제안하는 방법
본 발명은 설문에 기초하여 해결책을 제안하는 방법 및 장치에 관한 것이다.
고객이 문제점 또는 궁금한 점을 도출하고, 이에 관한 해결책 또는 조언을 제공받기 위해, 설문을 제공받고, 설문에 대한 응답을 제출하는 방식이, 다양한 분야에서, 다양한 매체를 통해, 흔하게 사용된다.
특히, 의료 분야에서 환자가 본격적인 진료를 받기 전, 자가 진단을 하거나 환자의 상태를 예측하기 위해 여러 문항을 포함하는 설문을 제공하는 방식이 많이 사용된다.
다만, 종래의 설문 기반 예측 알고리즘은, 트리 구조를 근거로 하거나 문항에 대한 응답의 점수화를 통한 것이어서, 결론에 도달하는 과정에서의 수많은 변수를 반영하기 어려워 예측이 부정확하다는 한계가 존재한다.
본 개시의 목적은 설문에 기초하여 해결책을 제안하는 방법 및 장치를 제공하는 데 있다. 본 개시가 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 개시의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 개시의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 개시가 해결하고자 하는 과제 및 장점들은 특허 청구범위에 나타난 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 개시의 제1 측면은, 설문에 대한 응답을 패턴화하는 단계; 상기 패턴화된 응답에 기초하여 하나 이상의 쟁점을 결정하는 단계; 및 상기 하나 이상의 쟁점에 기초하여 제안 해결책 셋을 결정하는 단계;를 포함하는 설문에 기초하여 해결책을 제안하는 방법을 제공할 수 있다.
본 개시의 제2 측면은, 적어도 하나의 프로그램이 저장된 메모리; 및 상기 적어도 하나의 프로그램을 실행함으로써 동작하는 프로세서;를 포함하되, 상기 프로세서는, 설문에 대한 응답을 패턴화하고, 상기 패턴화된 응답에 기초하여 하나 이상의 쟁점을 결정하며, 상기 하나 이상의 쟁점에 기초하여 제안 해결책 셋을 결정하는 설문에 기초하여 해결책을 제안하는 장치를 제공할 수 있다.
본 개시의 제3 측면은, 제1 측면에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공할 수 있다.
본 개시의 다양한 실시예에 따르면, 설문에 기초하여 정확한 쟁점을 도출할 수 있고, 도출된 쟁점에 기초하여 합리적인 해결책이 제공될 수 있다.
또한, 본 개시의 다양한 실시예에 따른 알고리즘은, 데이터를 수집할수록 표본이 방대해지고, 표본에 기초하여 예측을 수행하므로, 정확도가 향상되어 지속적으로 발전할 수 있다.
또한, 본 개시의 다양한 실시예에 따른 알고리즘은 의료 분야뿐만 아니라 다양한 분야에 적용될 수 있어, 활용 가능성이 높다.
또한, 본 개시의 다양한 실시예에 따른 알고리즘은 설문에 대한 응답에 기초하여 예측을 수행하는 분야에 한정되는 것이 아니라, 소정의 데이터에 기초하여 예측을 수행하는 또 다른 분야에도 적용될 수 있어, 활용 가능성이 높다.
도 1a 및 1b는 종래의 설문에 기초하여 쟁점을 도출하는 방식을 설명하기 위한 도면이다.
도 2는 종래의 쟁점에 기초하여 해결책을 결정하는 방식을 설명하기 위한 도면이다.
도 3은 본 개시의 일 실시예에 따른 설문에 기초하여 해결책을 제안하는 장치의 동작을 설명하기 위한 흐름도이다.
도 4는 본 개시의 일 실시예에 따른 응답 처리부의 동작을 설명하기 위한 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 쟁점 결정부의 동작을 설명하기 위한 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 해결책 결정부의 동작을 설명하기 위한 흐름도이다.
도 7은 본 개시의 일 실시예에 따른 설문에 기초하여 해결책을 제안하는 방법의 흐름도이다.
도 8은 본 개시의 일 실시예에 따른 설문에 기초하여 해결책을 제안하는 장치의 블록도이다.
본 개시의 일 실시예에 따른 방법은, 설문에 기초하여 해결책을 제안하는 방법으로서, 데이터베이스에 일 데이터 형식으로, 각각이 쟁점과 연관된 응답자들의 응답의 패턴으로부터 변환된 표지자들을 저장하는 단계; 상기 설문에 대한 사용자의 응답을 상기 일 데이터 형식을 갖는 패턴화된 응답으로 변환하는 단계; 상기 표지자들 중 상기 패턴화된 응답과 비교하기 위한, 상기 패턴화된 응답과 동일한 데이터 형식을 갖는, 표지자를 선정하는 단계; 상기 패턴화된 응답 및 상기 선정된 표지자의 비교에 기초하여 하나 이상의 쟁점을 결정하는 단계; 상기 하나 이상의 쟁점에 기초하여 제안 해결책 셋(set)을 결정하는 단계; 및 상기 사용자의 장치에 상기 하나 이상의 쟁점 및 상기 제안 해결책 셋을 표시하는 단계;를 포함할 수 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. "매커니즘 ", "요소", "수단" 및 "구성"등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.
본 개시에서, 설문은 응답자에게 제공되어, 응답자로 하여금 응답을 제출할 수 있도록 구성된 하나 이상의 문항의 집합을 의미할 수 있다. 예를 들어, 본 개시의 방법 및 장치가 적용되는 분야가 의료 분야인 경우, 설문은 증상의 종류, 증상의 발생 시기 등과 같이, 질병을 예측하는 데 필요한 정보를 응답으로 제출할 수 있도록 구성된 문항을 포함할 수 있다. 예를 들어, 환자는 설문을 통해 응답을 제출하여, 예상되는 질병에 관한 정보와 예상되는 질병에 관한 진료를 받을 수 있는 진료과(진료 과목)를 제안받을 수 있다. 일부 실시예에서, 환자의 장치는 병원의 데이터베이스에 자동으로 연결할 수 있고, 환자의 진료 일정을 스케줄링할 수 있다. 장치는 GPS를 이용하여 장치의 현재 위치를 획득하고, 장치의 위치로부터 특정 거리 내의 병원을 검색할 수 있다.
본 개시에서, 응답자는 본 개시의 설문에 기초하여 해결책을 제안하는 방법 및 장치에 의해 해결책에 관한 정보를 제공받고자 하는 사람을 의미할 수 있으며, 응답자는 설문에 포함된 하나 이상의 문항 각각에 대하여 응답을 제출할 수 있다. 예를 들어, 응답자는 병원에 방문한 환자일 수 있다. 본 개시의 설문에 기초하여 해결책을 제안하는 방법은 응답자가 제출한 응답에 기초하여 쟁점 및 쟁점에 대응하는 해결책을 결정할 수 있다.
본 개시에서, 쟁점은 응답자의 응답을 분석한 결과로 도출되는 사항으로서, 응답자(또는 응답자가 문제 삼는 사항)와 연관된 문제점을 의미할 수 있다. 즉, 쟁점은 설문을 통한 현상 진단 결과에 대응될 수 있다. 이에 따라, 설문은 쟁점을 도출하기 위한 근거를 수집할 수 있도록 설계된다. 예를 들어, 쟁점은 질병에 관한 것일 수 있다. 본 개시에서, 응답자의 응답을 분석함으로써, 하나 이상의 쟁점이 도출될 수 있다.
본 개시에서, 해결책은 도출된 쟁점을 해결하기 위한 수단을 지칭할 수 있다. 예를 들어, 쟁점이 질병에 관한 것인 경우, 해결책은 진료과에 관한 것일 수 있다. 예를 들어, 도출된 쟁점이 '쇼그렌증후군'인 경우, 해결책은 '류마티스내과'를 포함할 수 있다. 본 개시에서, 응답자는 해결책을 제안받음으로써, 추후 쟁점을 해결하기 위한 절차를 수행할 수 있을 것이다. 하나의 쟁점에 대응하여 하나 이상의 해결책이 존재할 수 있다.
본 개시의 설문에 기초하여 해결책을 제안하는 방법은, 설문에 대한 응답에 기초하여 질병을 예측하고 질병에 대응하는 진료과를 제안하는 분야만이 아니라, 쟁점을 도출하고 해결책을 제안하는 다양한 분야에 적용될 수 있다.
도 1a 및 1b는 종래의 설문에 기초하여 쟁점을 도출하는 방식을 설명하기 위한 도면이다.
도 1a 및 1b를 참조하면, 하나 이상의 문항을 거쳐 쟁점에 도출하는 방식의 알고리즘이 트리 구조로써 도시된다. 도 1a 및 1b에 따른 방식은 이른바 결정 수형(decision tree)에 근거한 방식이라고 볼 수 있다.
도 1a 및 1b에서 숫자를 포함하는 원 형태의 노드는 설문에 포함된 하나 이상의 문항 중 어느 하나에 대응될 수 있다. 도 1a 및 1b에서 1, 2-1, 2-2 등 노드의 숫자는 편의상 부여된 숫자일 수 있다.
종래의 방식에서, 응답자는 응답자에게 제공되는 하나 이상의 문항에 대해 순차적으로 응답을 제출할 수 있다. 제공되는 문항은 응답자의 응답에 의존할 수 있다. 즉, 응답자가 제공받게 될 문항은 응답자의 응답에 따라 달라질 수 있다. 응답자는 문항에 응답하는 경우, 응답자는 다음 문항을 제공받을 수도 있고, 쟁점이 결정될 수도 있다.
도 1a 및 1b에서, 제1 노드로부터 제2 노드로 연결되는 것은, 제1 노드에 대응하는 문항에 대해 응답자가 응답을 제출하는 경우, 제2 노드에 대응하는 문항을 제공받을 수 있다는 것을 의미할 수 있다. 예를 들어, 노드 2-1는 노드 3-1 및 노드 3-2에 연결되는데, 노드 2-1에 대응하는 문항에 대해 응답자가 제출하는 응답에 따라, 응답자는 다음으로 노드 3-1에 대응하는 문항 또는 노드 3-2에 대응하는 문항을 제공받을 수 있다. 예를 들어, 노드 2-1에 대응하는 문항에 대해 응답자가 노드 3-1에 대응하는 문항으로 연결되도록 설계된 응답을 제출하는 경우, 응답자는 노드 3-1에 대응하는 문항을 제공받을 수 있다.
도 1a 및 1b에서, 어떤 노드로부터 하나의 쟁점으로 연결되는 것은, 그 노드에 대응하는 문항에 대해 응답자가 응답을 제출하는 경우, 그 쟁점이 도출되었다는 것을 의미할 수 있다. 예를 들어, 노드 4-1에 대응하는 문항에 대해 응답자가 제출한 응답에 기초하여 제1 쟁점이 쟁점으로 도출될 수 있다.
구체적으로, 도 1b를 참조하면, 응답자는 최초에 노드 1에 대응하는 문항에 대해 응답을 제출할 수 있다. 도 1b에 도시된 예시에서, 응답자가 노드 1에 대응하는 문항에 대해 제출한 응답에 기초하여 노드 2-1에 대응하는 문항이 응답자에게 추가적으로 제공될 수 있다. 마찬가지로, 응답자는 노드 2-1에 대응하는 문항에 대해 응답을 제출할 수 있다. 도 1b에 도시된 예시에서, 응답자가 노드 2-1에 대응하는 문항에 대해 제출한 응답에 기초하여 노드 3-1에 대응하는 문항이 응답자에게 추가적으로 제공될 수 있다. 마찬가지로, 응답자는 노드 3-1에 대응하는 문항에 대해 응답을 제출할 수 있다. 도 1b에 도시된 예시에서, 응답자가 노드 3-1에 대응하는 문항에 대해 제출한 응답에 기초하여 노드 4-1에 대응하는 문항이 응답자에게 추가적으로 제공될 수 있다. 도 1b에 도시된 예시에서, 노드 4-1에 대응하는 문항에 대해 응답자가 제출한 응답에 기초하여 제1 쟁점이 쟁점으로 도출될 수 있다.
도 1b에 도시된 예시를 통해 알 수 있듯이, 종래의 설문에 기초하여 쟁점을 도출하는 과정은 정형화된 방식에 기초하고, 단순하다. 도 1b에 도시된 예시에 의하면, 설문의 첫번째 문항인 노드 1에 대응하는 문항에 대해 제출한 응답 하나에 의해 제4 내지 제7 쟁점은 완전히 배제되어 버린다. 따라서, 종래의 설문은 일반적 또는 대표적이라고 여겨지는 상황에 대해서만 정확한 쟁점을 도출할 수 있다. 예를 들어, 쟁점이 질병에 관한 것인 경우, 동일한 질병이라고 하더라도, 나타나는 증상이 모든 사람들에게 동일할 수는 없으므로, 도 1a 및 1b에 도시된 종래의 설문은 다양성을 반영하지 못하여 정확성이 떨어지는 설문일 수 있다.
한편, 응답자는, 도 1a 및 1b를 참조하여 전술한 방식의 설문에 기초하여 도출된 쟁점에 관한 해결책을 제공받을 수 있을 것이나, 종래의 해결책을 결정하는 방식 또한 한계점이 존재한다.
도 2는 종래의 쟁점에 기초하여 해결책을 결정하는 방식을 설명하기 위한 도면이다.
도 2를 참조하면, 하나에 쟁점과 하나 이상의 해결책이 연결된 것이 도시된다. 하나의 쟁점에 대해 하나 이상의 해결책이 존재할 수 있으므로, 쟁점과 해결책의 관계는 도 2와 같이 도시될 수 있다. 예를 들어, 쟁점이 질병이고, 제3 쟁점이 골다공증인 경우, 정형외과, 내분비내과 등이 골다공증에 관한 진료를 수행할 수 있으므로, 제4 해결책은 정형외과, 제6 해결책은 내분비내과일 수 있다.
종래의 해결책을 결정하는 방식은 단순한 매칭 관계에 기초하여, 해결책은 결정되는 쟁점에 의해 곧바로 결정되는 바, 이러한 방식으로 결정된 해결책은 문항에 대해 응답자가 제출한 응답과 직접적인 연관이 없다고 볼 수 있다. 이러한 방식을 통하여서는, 도출된 쟁점으로 결정되지 않은 쟁점에 대응되는 해결책은 완전히 배제될 수 있고, 다른 쟁점과의 관계를 고려할 때, 더 효과적인 해결책을 도출하지 못할 수 있다. 예를 들어, 종래의 설문에 기초하여 제3 쟁점이 쟁점으로 도출되어, 제2 해결책, 제4 해결책 및 제6 해결책이 가능한 해결책으로 응답자에게 제공되었는데, 어떠한 이유를 통해, 응답자가 제4 해결책을 선택하는 경우, 제2 해결책은, 제1 쟁점, 제2 쟁점 및 제3 쟁점 모두를 다룰 수 있어 효과적인 선택지가 될 수 있음에도, 선택되지 못할 수 있다.
이하에서, 종래의 방식과 차별화되어 전술한 문제를 해결할 수 있는, 본 개시의 다양한 실시예에 따른 설문에 기초하여 쟁점을 도출하고 해결책을 제안하는 방법에 관하여 설명하겠다.
이하에서 설명하는 다양한 실시예에 따른 설문에 기초하여 해결책을 제안하는 방법은 본 개시의 설문에 기초하여 해결책을 제안하는 장치, 구체적으로 본 개시의 설문에 기초하여 해결책을 제안하는 장치에 포함된 프로세서에 의해 수행될 수 있다.
이하에서, 다양한 실시예에 따른 유닛들(예컨대, 응답 처리부(310), 쟁점 결정부(320) 및 해결책 결정부(330) 등)은, 수행되는 동작들에 대한 설명의 편의 상, 분리된 것으로 도시 및 설명되지만, 반드시 분리되어 구현되는 것은 아니며, 하나 이상의 상이한 유닛들은 하나의 장치 단위로 구현될 수 있다.
도 3은 본 개시의 일 실시예에 따른 설문에 기초하여 해결책을 제안하는 장치의 동작을 설명하기 위한 흐름도이다.
본 개시에서, 응답자가 제출하는 설문에 대한 응답은 응답 처리부(310)로 입력될 수 있다. 본 개시에서, 응답 처리부(310)는 입력된 설문에 대한 응답을 처리하고 쟁점 결정부(320)로 데이터를 출력할 수 있다. 본 개시에서, 쟁점 결정부(320)는 응답 처리부(310)로부터 입력된 데이터에 기초하여 쟁점을 결정하고, 해결책 결정부(330)로 데이터를 출력할 수 있다. 본 개시에서, 해결책 결정부(330)는 쟁점 결정부(320)로부터 입력된 데이터에 기초하여 해결책을 결정하고 제안 해결책을 출력할 수 있다. 본 개시의 쟁점 또는 제안 해결책은 사용자(즉, 응답자)의 장치에 표시될 수 있다. 이하에서, 응답 처리부(310), 쟁점 결정부(320) 및 해결책 결정부(330) 각각의 동작을 자세히 설명하겠다.
도 4는 본 개시의 일 실시예에 따른 응답 처리부의 동작을 설명하기 위한 흐름도이다.
전술한 바와 같이, 본 개시에서, 응답 처리부(310)는 입력된 설문에 대한 응답을 처리하고 쟁점 결정부(320)로 데이터를 출력할 수 있다. 구체적으로, 도 4를 참조하면, 응답 처리부(310)는 설문에 대한 응답을 패턴화하여, 패턴화된 응답을 생성 및 출력할 수 있다. 응답 처리부(310)는 설문에 대한 사용자의 응답을 표시자와 동일한 데이터 형식과 동일한 데이터 형식을 갖는 패턴화된 응답으로 변환할 수 있다.
본 개시에서, 설문은 하나 이상의 문항을 포함할 수 있고, 하나 이상의 문항 각각에 대한 응답들은, 전술한 종래의 방식 등과 같이 문항에 대응하여 점수화되거나 다음 문항을 결정하는 것이 아니라, 응답 처리부(310)에 의해 패턴화될 수 있다.
도 5는 본 개시의 일 실시예에 따른 쟁점 결정부의 동작을 설명하기 위한 흐름도이다.
전술한 바와 같이, 본 개시에서, 쟁점 결정부(320)는 응답 처리부(310)로부터 입력된 데이터에 기초하여 쟁점을 결정하고, 해결책 결정부(330)로 데이터를 출력할 수 있다. 구체적으로, 도 5를 참조하면, 즉, 쟁점 결정부(320)는 패턴화된 응답에 기초하여 쟁점 및 쟁점 확률을 생성 및 출력할 수 있다.
일 실시예에서, 쟁점 결정부(320)는 표지자 선정부(510)를 포함할 수 있다.
일 실시예에서, 표지자 선정부(510)는 표지자(indicator)를 선정할 수 있다. 표지자는 패턴화된 응답과 비교되어 표지자 상관도를 산출하는 데 사용될 수 있다. 본 개시에서, 표지자 상관도는 패턴화된 응답 및 표지자 사이의 상관도를 지칭할 수 있다.
일 실시예에서, 표지자는 인적 정보(501)에 기초하여 선정될 수 있다. 즉, 표지자 선정부(510)는 인적 정보(501)에 기초하여 표지자를 선정할 수 있다. 인적 정보(501)는 응답자에 관한 인적 정보를 의미하며, 일 실시예에서, 쟁점 결정부(320)(또는 설문에 기초하여 해결책을 제안하는 장치)는 인적 정보(501)를 수신할 수 있고, 인적 정보(501)는 응답자에 의해 입력되거나 사전 수집된 응답자의 정보에 기초할 수 있다. 예를 들어, 인적 정보(501)는 응답자의 나이, 성별, 키, 몸무게 등 객관적인 수치로 나타낼 수 있는 정보일 수 있다.
본 개시에서, 표지자는 설문에 대한 응답의 패턴을 검출할 수 있도록 구성되는 데이터일 수 있다. 이에 따라, 패턴화된 응답과 표지자는 데이터의 형식이 동일할 수 있다. 패턴화된 응답 및 표지자가 동일한 데이터 형식을 갖기 때문에, 패턴화된 응답 및 표지자를 처리(예컨대, 패턴화된 응답 및 표지자 중 하나를 비교)하는 속도가 증가할 수 있다. 본 개시에서, 일련의 설문에 대응하는 하나 이상의 표지자가 미리 생성될 수 있고, 생성된 하나 이상의 표지자는 데이터베이스에 저장될 수 있다. 표지자는 사전 설정된 데이터 형식으로 데이터베이스에 저장될 수 있다. 표지자 선정부(510)는 데이터베이스에 저장된 하나 이상의 표지자 중 어느 하나를 선정할 수 있고, 표지자의 선정은 인적 정보(501)에 기초할 수 있다.
본 개시에서, 표지자는 하나 이상의 쟁점과의 연관 관계가 반영될 수 있다. 즉, 특정 쟁점과 관련된 응답자들이 제공하는 응답의 패턴을 사전 설정된 데이터 형식을 갖는 데이터로 변환하여 표지자가 미리 생성될 수 있다. 예를 들어, 특정 질병을 갖는 환자들에게 유사한 증상이 발현되거나, 특정 질병을 갖는 환자들은 유사한 상태를 나타낼 것이므로, 그 환자들의 특징을 반영하여 표지자가 생성될 수 있다. 후술할 바와 같이, 패턴화된 응답 및 선정된 표지자에 기초하여 표지자 상관도가 산출되는데, 표지자 상관도가 높다는 것은 선정된 표지자와 응답의 패턴이 유사하다는 것을 의미하고, 이는 표지자가 내포하고 있는 하나 이상의 쟁점과 응답자의 응답이 연관성이 높을 수 있다는 것을 의미한다.
일 실시예에서, 쟁점 결정부(320)는 표지자 상관도 산출부(520)를 포함할 수 있다.
일 실시예에서, 표지자 상관도 산출부(520)는 패턴화된 응답 및 선정된 표지자에 기초하여 표지자 상관도를 산출할 수 있다. 표지자 상관도는 패턴화된 응답과 선정된 표지자가 유사한 정도를 나타내는 수치일 수 있다. 표지자 상관도 산출부(520)는 임의의 적합한 방식을 통하여 표지자 상관도를 산출할 수 있다. 예를 들어, 표지자 상관도 산출부(520)는 확률론, 통계학 등에서 사용되는 다양한 상관 분석(correlation analysis)을 사용하여 표지자 상관도를 산출할 수 있다.
일 실시예에서, 쟁점 결정부(320)는 하나 이상의 표지자를 선정할 수 있고, 선정된 하나 이상의 표지자 각각에 대응하는 표지자 상관도를 산출할 수 있다. 즉, 표지자 선정부(510)와 표지자 상관도 산출부(520)의 동작은 수차례 반복하여 수행될 수 있다.
일 실시예에서, 쟁점 결정부(320)는 표지자 검증부(530)를 더 포함할 수 있다.
일 실시예에서, 표지자 검증부(530)는 패턴화된 응답과 표지자에 기초하여 표지자를 폐기(discard)할지 여부를 결정할 수 있다. 다시 말해, 표지자 검증부(530)는 표지자 선정부(510)에 의해 선정된 표지자가 패턴화된 응답에 적합한 표지자인지 여부를 검증할 수 있다. 표지자 상관도 산출부(520)는 패턴화된 응답과 표지자 사이의 표지자 상관도 산출만을 수행하므로, 표지자 선정부(510)에 의해 선정된 표지자 자체가 적합한지 여부가 검증될 수 없는 바, 표지자가 적합한지 여부가 검증부(530)에 의해 검증될 수 있다.
일 실시예에서, 표지자는 선별자(screener)를 더 포함할 수 있다. 본 개시에서, 선별자는 패턴화된 응답이 특정 쟁점과 전혀 관련이 없는지 여부를 식별할 수 있게 하는 데이터를 지칭할 수 있다.
일 실시예에서, 표지자는 선별자를 포함하도록 구성될 수 있다. 표지자 검증부(530)는 선별자에 기초하여 표지자를 검증할 수 있다. 예를 들어, 쟁점이 질병에 관한 것인 경우, 제1 질병을 가지는 사람은 항상 제1 증상이 나타나야 하는데, 응답자가 설문에 포함된 제1 증상과 연관된 문항에 대하여 제1 증상이 "전혀" 나타나지 않는다고 응답한 경우, 해당 쟁점은 고려되지 않는 것이 타당할 수 있으며, 이를 위해 본 개시의 표지자 검증 과정이 수행될 수 있다.
구체적으로, 표지자 검증부(530)는 패턴화된 응답이 선별자에 의해 식별되는 경우, 표지자를 폐기할 수 있다. 표지자 검증부(530)는 패턴화된 응답 및 선별자에 기초하여 표지자를 검증할 수 있다. 표지자 검증부(530)는 검증을 통과하지 못하는 경우, 통과하지 못한 표지자를 폐기할 수 있다. 표지자를 폐기한다는 것은, 본 개시의 설문에 기초하여 해결책을 제안하는 과정에서, 표지자 선정부(510)에 의해 선정된 표지자를 더 이상 사용하지 않는 것으로 결정한다는 것을 의미할 수 있다.
전술한 바와 같이, 하나 이상의 표지자에 대응하여 하나 이상의 표지자 상관도가 산출될 수 있으므로, 표지자를 검증하는 과정 또한 하나 이상의 표지자 각각에 대응하여 수행될 수 있다.
일 실시예에서, 표지자 검증부(530)는 패턴화된 응답 및 선별자 사이의 상관도인 검증 계수를 산출하여, 표지자를 검증할 수 있다. 검증 계수를 산출하는 일 예시는 아래의 수학식 1로 표현될 수 있다.
Figure PCTKR2024005300-appb-img-000001
수학식 1에서, xn은 표지자 상관도 산출부(520)에 의해 산출된 표지자 상관도 중 n번째 표지자 상관도일 수 있다. 즉, x1, x2, x3, ...는 패턴화된 응답과 선정된 표지자들 각각에 기초하여 산출된 표지자 상관도일 수 있다. 수학식 1에서 x'n은 xn에 대해 표지자 검증이 수행된 후의 n번째 표지자 상관도일 수 있다.
수학식 1에서, an는 표지자 검증부(530)에 의해 산출된 검증 계수 중 n번째 표지자 상관도(또는 n번째 표지자)에 대응하는 n번째 검증 계수일 수 있다. 일 실시예에서, 표지자 검증부(530)는 패턴화된 응답과 선별자에 기초하여 검증 계수를 산출할 수 있다. 즉, a1, a2, a3, ...는 패턴화된 응답과 선정된 표지자에 대응하는 선별자 각각에 기초하여 산출된 검증 계수들일 수 있다.
일 실시예에서, 검증 계수 또는 an는 0 또는 1일 수 있다. 따라서, 검증 계수가 0인 경우, 대응하는 표지자는 폐기되고, 검증 계수가 1인 경우, 대응하는 표지자는 폐기되지 않는다. 예를 들어, 두번째로 선정된 표지자에 기초하여 산출된 표지자 상관도가 x2이고, 두번째로 선정된 표지자에 대응하는 선별자에 기초하여 산출된 검증 계수가 값이 0인 a2인 경우, x'2은 0이 되므로, 이후 단계에서 두번째로 선정된 표지자에 기초하여 산출된 표지자 상관도가 고려되지 않아, 두번째 선정된 표지자는 폐기될 수 있다.
일 실시예에서, 쟁점 결정부(320)는 가중치 부여부(540)를 더 포함할 수 있다.
일 실시예에서, 가중치 부여부(540)는 표지자 상관도에 가중치를 부여할 수 있다. 쟁점 결정부(320)는 하나 이상의 표지자 각각에 대응하는 하나 이상의 상관도 및 가중치에 기초하여 쟁점 확률을 산출할 수 있다. 본 개시에서, 쟁점 확률은 해당 쟁점이 응답자에게 적합한 쟁점일 확률을 지칭할 수 있다.
본 개시에서, 가중치는 하나 이상의 쟁점과 연관되어 사전 결정되는 값일 수 있다. 본 개시에서, 가중치를 도입함으로써, 응답자가 제출한 응답에 기초하여 쟁점을 결정하되, 각 쟁점이 발생할 가능성, 각 쟁점의 중요성, 각 쟁점의 가치 등도 반영될 수 있다. 예를 들어, 쟁점이 질병에 관한 것인 경우, 응답자가 제출한 응답에만 의하면 응답자가 제1 질병을 가질 확률이 제2 질병을 가질 확률보다 더 클 수 있으나, 제1 질병이 발현될 확률이 극히 낮은 경우, 제2 질병을 쟁점으로 결정하는 것이 더 타당할 수 있다. 쟁점이 질병에 관한 것인 경우, 가중치는 각 질병의 임상적 중요성, 각 질병의 발생 확률 등에 의해 사전 결정될 수 있다. 이에 따라, 일 실시예에서, 가중치는 쟁점에 따라 상이할 수 있다. 또한, 일 실시예에서, 가중치는 표지자와 매칭되어 사전 결정될 수 있다.
일 실시예에서, 가중치는 응답자에 따라 상이할 수 있다. 예를 들어, 사전 결정된 가중치 중 응답자에게 가장 적합한 가중치가 선정될 수 있다.
일 실시예에서, 가중치 부여부(540)는 표지자 상관도에 가중치를 부여하여 쟁점 및 쟁점 확률을 산출할 수 있다.
일 실시예에서, 가중치 부여부(540)는 하나 이상의 표지자에 대응하여 산출된 하나 이상의 표지자 상관도 각각에 가중치를 부여할 수 있다. 가중치 부여부(540)가 가중치를 부여하는 일 예시는 아래의 수학식 2로 표현될 수 있다.
Figure PCTKR2024005300-appb-img-000002
수학식 2에서, ym은 하나 이상의 쟁점 중 제m 쟁점의 쟁점 확률일 수 있다. 즉, ym은 가중치 부여부(540)가 표지자 상관도에 가중치를 부여하여 산출한 제m 쟁점의 확률일 수 있다.
수학식 2에서, wmn은 제m 쟁점과 연관되고, 제n 표지자에 대한 가중치를 의미할 수 있다.
수학식 2에서, x1, x2, x3, ...는 전술한 표지자 상관도들일 수 있다. x1, x2, x3, ...는 표지자 검증이 수행된 후의 표지자 상관도, 즉 x'1, x'2, x'3, ...일 수도 있다.
수학식 2에 의하면, 산출된 표지자 상관도들 각각에 가중치가 곱해짐으로써, 하나 이상의 쟁점에 대한 쟁점 확률이 산출될 수 있다.
위와 같이, 가중치 부여부(540)는 하나 이상의 표지자 상관도 각각에 가중치를 부여함으로써, 하나 이상의 쟁점을 결정하고, 하나 이상의 쟁점 각각에 대한 쟁점 확률을 산출할 수 있다.
일 실시예에서, 쟁점 결정부(320)는 결정된 하나 이상의 쟁점 중 일부를 선별할 수 있다. 예를 들어, 쟁점 확률이 임계값 이하인 쟁점은 폐기될 수 있다.
일 실시예에서, 도 5에 도시된 패턴화된 응답에 기초하여 쟁점 및 쟁점 확률을 산출하는 과정은 인공지능 모델에 기초하여 수행될 수 있다. 일 실시예에서, 인공지능 모델은, 패턴화된 응답을 입력 받고, 미리 생성된 표지자 중 패턴화된 응답과 가장 유사성이 높은 하나 이상의 표지자를 출력하도록 학습될 수 있다. 인공지능 모델은 뉴럴 네트워크(neural network), 의사 결정 트리, 선형 회귀 및 서포트 벡터 머신과 같은 지도 학습 모델, 히든 마르코브(Hidden Markov) 모델, k-평균, 계층적(hierarchical) 클러스터링 및 가우시안 혼합 모델과 같은 비지도 학습 모델 및 시간차 학습, 심층 적대적(adversarial) 네트워크 및 Q-학습과 같은 강화 학습 모델을 포함할 수 있으나, 이에 제한되지 않는다.
도 6은 본 개시의 일 실시예에 따른 해결책 결정부의 동작을 설명하기 위한 흐름도이다.
전술한 바와 같이, 해결책 결정부(330)는 쟁점 결정부(320)로부터 입력된 데이터에 기초하여 해결책을 결정하고 제안 해결책을 출력할 수 있다. 구체적으로, 해결책 결정부(330)는 하나 이상의 쟁점 및 하나 이상의 쟁점 각각에 대한 쟁점 확률에 기초하여 제안 해결책을 결정할 수 있다.
일 실시예에서, 해결책 결정부(330)는 해결책 적합도 산출부(610)를 포함할 수 있다.
일 실시예에서, 해결책 적합도 산출부(610)는 수신된 쟁점 및 쟁점 확률과 쟁점 별 해결책 계수(601)에 기초하여 해결책에 대한 해결책 적합도를 산출할 수 있다. 본 개시에서, 쟁점 별 해결책 계수(601)는 하나 이상의 쟁점 각각과 하나 이상의 쟁점 해결책 각각 사이의 상관도를 나타내는 사전 결정되는 값일 수 있다. 다시 말해, 하나 이상의 쟁점 각각에 대해 제안 가능한 모든 해결책과의 상관도가 미리 산출되어 저장될 수 있다. 예를 들어, 쟁점이 질병에 대한 것이고, 해결책이 진료과에 대한 것인 경우, 제1 쟁점이 쇼그렌증후군이고, 제1 해결책이 류마티스내과이며, 제2 해결책이 안과인 경우, 제1 쟁점과 제1 해결책 사이의 상관도는 제1 쟁점과 제2 해결책 사이의 상관도보다 높을 수 있다. 특정 쟁점과 특정 해결책은 서로 전혀 연관되지 않을 수 있고, 이때, 그 쟁점과 그 해결책 사이의 상관도의 값은 0일 수 있다. 본 개시에서, 쟁점 별 해결책 계수(601)를 도입함으로써, 하나 이상의 쟁점이 도출되는 경우, 응답자에게 합리적인 해결책이 제안될 수 있다.
해결책 적합도 산출부(610)가 해결책 적합도를 산출하는 일 예시는 아래의 수학식 3으로 표현될 수 있다.
Figure PCTKR2024005300-appb-img-000003
수학식 3에서, sk은 해결책 적합도 산출부(610)에 의해 산출된 해결책 적합도로서, 하나 이상의 해결책 중 제k 해결책이 응답자가 제출한 응답에 얼마나 적합한지를 나타낼 수 있다.
수학식 3에서, rkm은 제m 쟁점과 제k 해결책 사이의 상관도일 수 있다.
수학식 3에서, ym은 하나 이상의 쟁점 중 제m 쟁점의 쟁점 확률일 수 있다.
수학식 3에 의하면, 하나 이상의 쟁점 각각에 대해 상관도가 곱해짐으로써, 하나 이상의 해결책에 대한 해결책 적합도가 산출될 수 있다.
일 실시예에서, 해결책 결정부(330)는 해결책 선정부(620)를 포함할 수 있다.
일 실시예에서, 해결책 선정부(620)는 산출된 하나 이상의 해결책 중 일부로써 제안 해결책을 선정할 수 있다. 일 실시예에서, 해결책 선정부(620)는 해결책 적합도에 기초하여 제안 해결책을 선정할 수 있다. 예를 들어, 해결책 선정부(620)는 임계값 이상의 해결책 적합도를 갖는 해결책들로써 제안 해결책을 선정할 수 있다. 일 실시예에서, 해결책 선정부(620)는 해결책 적합도가 높은 몇 개의 해결책들로써 제안 해결책을 선정할 수 있다.
일 실시예에서, 해결책 선정부(620)는 선정된 제안 해결책에 기초하여 제안 해결책 셋(set)을 결정할 수 있다. 일 실시예에서, 제안 해결책 셋은 하나 이상의 제안 해결책 및 하나 이상의 제안 해결책에 대한 해결책 적합도를 포함할 수 있으며, 응답자로 하여금 제안 해결책 중 하나를 취사 선택할 수 있게 할 수 있다.
일 실시예에서, 결정된 하나 이상의 쟁점 및 제안 해결책은 응답자에게 제공될 수 있다. 즉, 본 개시의 설문에 기초하여 해결책을 제안하는 장치는 결정된 하나 이상의 쟁점 및 제안 해결책을 응답자에게, 예컨대 디스플레이 장치에 표시함으로써, 제공할 수 있다.
일 실시예에서, 쟁점을 결정하기 위해 사용된 패턴화된 응답은 본 개시의 설문에 기초하여 해결책을 제안하는 장치의 성능을 높이기 위한 데이터로 사용될 수 있다. 즉, 많은 표본에 기초하여 본 개시의 알고리즘의 정확도를 향상시킬 수 있다. 예를 들어, 패턴화된 응답은, 임의의 적합한 가공을 통해, 표지자를 선정하는 기초가 되는 데이터베이스에 저장될 수 있다. 또는, 패턴화된 응답은 패턴화된 응답에 대한 레이블과 함께 인공지능 모델의 학습 데이터로 사용될 수 있다. 인공지능 모델은 뉴럴 네트워크(neural network), 의사 결정 트리, 선형 회귀 및 서포트 벡터 머신과 같은 지도 학습 모델, 히든 마르코브(Hidden Markov) 모델, k-평균, 계층적(hierarchical) 클러스터링 및 가우시안 혼합 모델과 같은 비지도 학습 모델 및 시간차 학습, 심층 적대적(adversarial) 네트워크 및 Q-학습과 같은 강화 학습 모델을 포함할 수 있으나, 이에 제한되지 않는다.
도 7은 본 개시의 일 실시예에 따른 설문에 기초하여 해결책을 제안하는 방법의 흐름도이다.
도 7에 도시된 동작들은 전술한 설문에 기초하여 해결책을 제안하는 장치에 의해 실행될 수 있다. 구체적으로, 도 7에 도시된 동작들은 전술한 설문에 기초하여 해결책을 제안하는 장치에 포함된 프로세서에 의하여 실행될 수 있다.
단계 710에서, 설문에 기초하여 해결책을 제안하는 장치는 설문에 대한 응답을 패턴화할 수 있다.
단계 720에서, 설문에 기초하여 해결책을 제안하는 장치는 패턴화된 응답에 기초하여 하나 이상의 쟁점을 결정할 수 있다.
일 실시예에서, 설문에 기초하여 해결책을 제안하는 장치는 인적 정보를 수신할 수 있고, 단계 720은, 인적 정보에 기초하여, 패턴화된 응답과 비교하기 위한 표지자를 선정하는 단계를 포함할 수 있다.
일 실시예에서, 단계 720은, 패턴화된 응답 및 표지자 사이의 상관도를 산출하는 단계를 포함할 수 있다.
일 실시예에서, 표지자는 선별자를 더 포함할 수 있다.
일 실시예에서, 단계 720은, 패턴화된 응답 및 선별자에 기초하여 표지자를 검증하는 단계를 포함할 수 있다.
일 실시예에서, 단계 720은, 검증을 통과하지 못하는 경우, 표지자를 폐기하는 단계를 포함할 수 있다.
일 실시예에서, 단계 720은, 하나 이상의 표지자 각각에 대응하는 하나 이상의 상관도 및 사전 결정된 가중치에 기초하여 쟁점 확률을 산출하는 단계를 포함할 수 있다.
단계 730에서, 설문에 기초하여 해결책을 제안하는 장치는 하나 이상의 쟁점에 기초하여 제안 해결책 셋을 결정할 수 있다.
일 실시예에서, 단계 730은 하나 이상의 쟁점 및 사전 결정된 쟁점 별 해결책 계수에 기초하여 하나 이상의 해결책에 대한 해결책 적합도를 산출하는 단계를 포함할 수 있다.
단계 730 이후에, 설문에 기초하여 해결책을 제안하는 장치는 하나 이상의 쟁점 및 제안 해결책 셋을 표시할 수 있다.
도 8은 본 개시의 일 실시예에 따른 설문에 기초하여 해결책을 제안하는 장치의 블록도이다.
도 8을 참조하면, 설문에 기초하여 해결책을 제안하는 장치(800)는 통신부(810), 프로세서(820) 및 DB(830)를 포함할 수 있다. 도 8의 설문에 기초하여 해결책을 제안하는 장치(800)에는 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 8에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 당해 기술분야의 통상의 기술자라면 이해할 수 있다.
통신부(810)는 외부 서버 또는 외부 장치와 유선/무선 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다. 예를 들어, 통신부(810)는, 근거리 통신부(미도시), 이동 통신부(미도시) 및 방송 수신부(미도시) 중 적어도 하나를 포함할 수 있다.
DB(830)는 설문에 기초하여 해결책을 제안하는 장치(800) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 프로세서(820)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. DB(830)는 결제 정보, 사용자 정보 등을 저장할 수 있다.
DB(830)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory), CD-ROM, 블루레이 또는 다른 광학 디스크 스토리지, HDD(hard disk drive), SSD(solid state drive), 또는 플래시 메모리를 포함할 수 있다.
프로세서(820)는 설문에 기초하여 해결책을 제안하는 장치(800)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(820)는 DB(830)에 저장된 프로그램들을 실행함으로써, 입력부(미도시), 디스플레이(미도시), 통신부(810), DB(830) 등을 전반적으로 제어할 수 있다. 프로세서(820)는, DB(830)에 저장된 프로그램들을 실행함으로써, 설문에 기초하여 해결책을 제안하는 장치(800)의 동작을 제어할 수 있다.
프로세서(820)는 도 1 내지 도 7에서 상술한 설문에 기초하여 해결책을 제안하는 장치(800)의 동작 중 적어도 일부를 제어할 수 있다.
프로세서(820)는 ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.
일 실시예로, 설문에 기초하여 해결책을 제안하는 장치(800)는 이동성을 가지는 전자 장치일 수 있다. 예를 들어, 설문에 기초하여 해결책을 제안하는 장치(800)는 스마트폰, 태블릿 PC, PC, 스마트 TV, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 네비게이션, 카메라가 탑재된 디바이스 및 기타 모바일 전자 장치로 구현될 수 있다. 또한, 설문에 기초하여 해결책을 제안하는 장치(800)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 장치로 구현될 수 있다.
본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
일 실시예에 따르면, 본 개시의 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예를 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (9)

  1. 설문에 기초하여 해결책을 제안하는 방법으로서,
    설문에 대한 응답을 패턴화하는 단계;
    상기 패턴화된 응답에 기초하여 하나 이상의 쟁점을 결정하는 단계; 및
    상기 하나 이상의 쟁점에 기초하여 제안 해결책 셋(set)을 결정하는 단계;
    를 포함하는,
    방법.
  2. 제1 항에 있어서,
    상기 하나 이상의 쟁점 및 상기 제안 해결책 셋을 표시하는 단계;
    를 포함하는,
    방법.
  3. 제1 항에 있어서,
    상기 방법은,
    인적 정보를 수신하는 단계;
    를 더 포함하고,
    상기 하나 이상의 쟁점을 결정하는 단계는,
    상기 인적 정보에 기초하여, 상기 패턴화된 응답과 비교하기 위한 표지자(indicator)를 선정하는 단계;
    를 포함하는,
    방법.
  4. 제3 항에 있어서,
    상기 하나 이상의 쟁점을 결정하는 단계는,
    상기 패턴화된 응답 및 상기 표지자 사이의 상관도를 산출하는 단계;
    를 더 포함하는,
    방법.
  5. 제3 항에 있어서,
    상기 표지자는,
    선별자(screener)를 더 포함하고,
    상기 하나 이상의 쟁점을 결정하는 단계는,
    상기 패턴화된 응답 및 상기 선별자에 기초하여 상기 표지자를 검증하는 단계; 및
    상기 검증을 통과하지 못하는 경우, 상기 표지자를 폐기(discard)하는 단계;
    를 더 포함하는,
    방법.
  6. 제4 항에 있어서,
    상기 하나 이상의 쟁점을 결정하는 단계는,
    하나 이상의 표지자 각각에 대응하는 하나 이상의 상관도 및 사전 결정된 가중치에 기초하여 쟁점 확률을 산출하는 단계;
    를 포함하는,
    방법.
  7. 제1 항에 있어서,
    제안 해결책 셋을 결정하는 단계는,
    상기 하나 이상의 쟁점 및 사전 결정된 쟁점 별 해결책 계수에 기초하여 하나 이상의 해결책에 대한 해결책 적합도를 산출하는 단계;
    를 포함하는,
    방법.
  8. 설문에 기초하여 해결책을 제안하는 장치로서,
    적어도 하나의 프로그램이 저장된 메모리; 및
    상기 적어도 하나의 프로그램을 실행함으로써 동작하는 프로세서;를 포함하되,
    상기 프로세서는,
    설문에 대한 응답을 패턴화하고,
    상기 패턴화된 응답에 기초하여 하나 이상의 쟁점을 결정하며,
    상기 하나 이상의 쟁점에 기초하여 제안 해결책 셋을 결정하는,
    장치.
  9. 제1 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
PCT/KR2024/005300 2023-04-25 2024-04-19 설문에 기초하여 해결책을 제안하는 방법 Ceased WO2024225697A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020230054136A KR102701333B1 (ko) 2023-04-25 2023-04-25 설문에 기초하여 해결책을 제안하는 방법
KR10-2023-0054136 2023-04-25

Publications (1)

Publication Number Publication Date
WO2024225697A1 true WO2024225697A1 (ko) 2024-10-31

Family

ID=92757633

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2024/005300 Ceased WO2024225697A1 (ko) 2023-04-25 2024-04-19 설문에 기초하여 해결책을 제안하는 방법

Country Status (3)

Country Link
US (1) US12554732B2 (ko)
KR (1) KR102701333B1 (ko)
WO (1) WO2024225697A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102701333B1 (ko) * 2023-04-25 2024-09-02 서울대학교병원 설문에 기초하여 해결책을 제안하는 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210079001A (ko) * 2019-12-19 2021-06-29 한국철도기술연구원 데이터베이스를 기반으로 기업의 문제를 해결하는 장치 및 방법
KR20220071327A (ko) * 2020-11-24 2022-05-31 주식회사 오퍼스원 건강 관리 서비스 제공 프로그램 기록매체
KR102451631B1 (ko) * 2022-03-30 2022-10-07 (주)모노랩스 원격 진료 서비스 제공 장치, 방법 및 프로그램
KR20230021890A (ko) * 2021-08-06 2023-02-14 주식회사 시어스랩 사용자의 선호도를 기반으로 한 사용자 공감 토픽 자동 생성 방법 및 장치
KR20230036944A (ko) * 2021-09-08 2023-03-15 주식회사 씨앤에이치커뮤니케이션즈 심리 상담 서비스 제공 서버 및 방법

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7665119B2 (en) * 2004-09-03 2010-02-16 Secure Elements, Inc. Policy-based selection of remediation
US9279897B2 (en) * 2005-12-12 2016-03-08 Hannes Zuercher Locating oil or gas passively by observing a porous oil and gas saturated system giving off its characteristic resonance response to ambient background noise, including optional differentiation of oil, locatinggas and water
US8429179B1 (en) * 2009-12-16 2013-04-23 Board Of Regents, The University Of Texas System Method and system for ontology driven data collection and processing
US9405835B2 (en) * 2010-09-02 2016-08-02 Paypal, Inc. Generating a search result ranking function
KR101382132B1 (ko) 2011-11-11 2014-04-07 와이즈멘토 유한회사 학습 패턴 평가 시스템
US9977788B2 (en) * 2012-09-14 2018-05-22 Salesforce.Com, Inc. Methods and systems for managing files in an on-demand system
KR20160043777A (ko) 2014-10-14 2016-04-22 삼성에스디에스 주식회사 질환 발병 예측 방법 및 그 장치
US20250210204A1 (en) * 2018-10-30 2025-06-26 Morgan State University System and method for predictive risk assessment and intervention
KR102272646B1 (ko) 2018-11-12 2021-07-05 서울대학교산학협력단 건강 패턴 평가 방법 및 이를 이용하는 장치
KR102351230B1 (ko) 2019-01-30 2022-01-14 주식회사 히치메드 체계적 의료 문진 번역 어플리케이션을 통한 진료 보조 시스템
US20210225468A1 (en) * 2020-01-21 2021-07-22 OutcomeMD, Inc. Systems, devices, and methods for standardizing a format for medical information received from a plurality of sources, associating the standardized medical information with patient accounts stored in a patient account database, and providing access to the patient account database via medical portal interfaces
US11449516B2 (en) * 2020-11-04 2022-09-20 International Business Machines Corporation Ranking of documents belonging to different domains based on comparison of descriptors thereof
US11714613B2 (en) * 2021-11-07 2023-08-01 Microsoft Technology Licensing, Llc Surfacing underutilized tool features
US20230368758A1 (en) * 2022-05-10 2023-11-16 Stephen I. Kincaid, IV System and method for mutation tuning of an audio file
US20250239347A1 (en) * 2022-12-23 2025-07-24 Lumanlab Inc. Apparatus and method for controlling pharmaceutical mixer of adhd medication by assessing mental health of adolescent through artificial intelligence
KR102701333B1 (ko) * 2023-04-25 2024-09-02 서울대학교병원 설문에 기초하여 해결책을 제안하는 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210079001A (ko) * 2019-12-19 2021-06-29 한국철도기술연구원 데이터베이스를 기반으로 기업의 문제를 해결하는 장치 및 방법
KR20220071327A (ko) * 2020-11-24 2022-05-31 주식회사 오퍼스원 건강 관리 서비스 제공 프로그램 기록매체
KR20230021890A (ko) * 2021-08-06 2023-02-14 주식회사 시어스랩 사용자의 선호도를 기반으로 한 사용자 공감 토픽 자동 생성 방법 및 장치
KR20230036944A (ko) * 2021-09-08 2023-03-15 주식회사 씨앤에이치커뮤니케이션즈 심리 상담 서비스 제공 서버 및 방법
KR102451631B1 (ko) * 2022-03-30 2022-10-07 (주)모노랩스 원격 진료 서비스 제공 장치, 방법 및 프로그램

Also Published As

Publication number Publication date
KR102701333B1 (ko) 2024-09-02
US20240362242A1 (en) 2024-10-31
US12554732B2 (en) 2026-02-17

Similar Documents

Publication Publication Date Title
WO2023115761A1 (zh) 基于时序知识图谱的事件检测方法和装置
CN118735002B (zh) 一种基于ai反馈的强化学习对齐模型训练方法和系统
WO2021075699A1 (ko) 전자 장치 및 그 동작방법
JP6651190B1 (ja) 機械学習用のデータ構造、学習方法及び情報提供システム
WO2021020810A1 (en) Learning method of ai model and electronic apparatus
WO2020071697A1 (ko) 전자 장치 및 이의 제어 방법
JP2020047234A (ja) データ評価方法、装置、機器及び読み取り可能な記憶媒体
KR102734003B1 (ko) 훈련 컨텐츠 추천 장치 및 방법
WO2019168223A1 (ko) 몰입형 가상피팅 연계 서비스 제공 시스템 및 몰입형 가상피팅 연계 서비스 제공 방법
WO2020149447A1 (ko) 보험 추천 시스템 및 그 동작 방법
JP2020177507A (ja) 試験問題予測システム及び試験問題予測方法
WO2024225697A1 (ko) 설문에 기초하여 해결책을 제안하는 방법
Arunkumar et al. Application using machine learning to promote women’s personal health
CN114936289B (zh) 文本分析方法及装置
CN113889274B (zh) 一种孤独症谱系障碍的风险预测模型构建方法及装置
KR102488550B1 (ko) 셀프 마인드 케어 시스템
CN118396803B (zh) 一种基于人工智能的智慧教育系统
JP4308113B2 (ja) データ分析装置及びその方法、プログラム
KR20240082181A (ko) 사용자에게 여행 장소 컨텐츠를 제공하기 위한 적어도 하나의 장소 추천 모델의 학습 방법 및 장치
CN113257409B (zh) 一种基于患者病症症状与医学检验报告的临床决策支持系统
CN117312845A (zh) 样本标注方法、介质以及电子设备
US20240104178A1 (en) Information processing apparatus, information processing method, matching system, program, and storage medium
KR102887371B1 (ko) 인공지능을 이용하여 개인 맞춤형 강습자 또는 레슨을 추천하는 시스템 및 그 방법
CN110706772A (zh) 一种排序方法及装置、电子设备、存储介质
KR102618067B1 (ko) 알레르기 질환의 증상 발생을 예측하는 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24797353

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 24797353

Country of ref document: EP

Kind code of ref document: A1