-
1.发明专利
公开(公告)号：KR102234850B1
公开(公告)日：2021-04-02
申请号：KR1020190163590A
申请日：2019-12-10
Applicant: 숭실대학교산학협력단
IPC: G06N5/02 , G06F16/901
CPC classification number: G06N5/02 , G06F16/9024
Abstract: 릴레이션 네트워크에 기반한 지식 보완 방법을 개시한다. 본 발명의 일 실시예에 따른 릴레이션 네트워크에 기반한 지식 보완 방법은 지식 그래프에 포함된 복수의 노드페어에 대하여, 노드페어를 구성하는 소스노드와 타겟노드 간의 관계를 나타내는 복수의 경로에 관한 정보인 경로정보를 추출하는 단계; 상기 경로정보에 기초하여, 상기 복수의 경로 각각에 대응되는 트레이닝 데이터를 생성하는 단계; 및 상기 트레이닝 데이터를 이용하여 릴레이션 네트워크 모델을 학습시키는 단계를 포함한다.
-
2.发明专利
公开(公告)号：KR102223382B1
公开(公告)日：2021-03-08
申请号：KR1020190146102A
申请日：2019-11-14
Applicant: 숭실대학교산학협력단
CPC classification number: G06N5/02 , G06F16/9024 , G06N3/08
Abstract: 다중타입 엔티티에 기반한 지식 보완 방법을 개시한다. 본 발명의 다른 일 실시예에 따른 다중타입 엔티티에 기반한 지식 보완 방법은 지식 그래프에 포함된 2개의 엔티티를 연결하는 복수의 경로 각각에 대하여, 개별 경로에 포함된 복수의 엔티티에 관한 정보인 엔티티정보와 상기 복수의 엔티티 중 2개의 관계에 관한 정보인 관계정보를 추출하는 단계; 상기 엔티티정보, 상기 관계정보, 상기 복수의 엔티티 각각에 대응되는 적어도 하나의 엔티티타입에 관한 정보인 타입정보 및 소정의 임베딩 크기에 기초하여, 상기 복수의 경로 각각에 대응되는 경로벡터를 생성하는 단계; CNN(Convolutional Neural Network)과 Bi-LSTM(Bidirectional Long A Short-Term Memory)을 이용하여, 상기 경로벡터로부터 인코딩된 경로벡터를 산출하는 단계; 및 상기 복수의 경로 및 상기 복수의 인코딩된 경로벡터를 이용하여 상기 2개의 엔티티 간의 관계를 예측하도록 학습된 관계모델을 이용하여, 상기 2개의 엔티티 간에 소정의 목표 관계가 유효한지 판단하는 단계를 포함한다.
-
3.发明申请
公开(公告)号：WO2014107013A1
公开(公告)日：2014-07-10
申请号：PCT/KR2013/012381
申请日：2013-12-30
Applicant: 숭실대학교산학협력단
Abstract: 본 발명은 사용자의 이동행위를 구분하는 모바일 장치, 사용자의 이동행위 구분방법 및 이를 위한 계층적 트리 모델 생성방법에 관한 것이다. 특히, 모바일 장치는 가속도 센서; 사용자의 특정 이동행위에 따라 가속도 센서로부터 출력되는 가속도 데이터를 수집하는 버퍼; 버퍼에 수집된 가속도 데이터를 기초로 사용자의 특정 이동행위에 대한 특징 요소를 추출하는 추출부; 및 추출부에서 추출한 특징 요소를 미리 구성된 계층적 트리 모델에 입력하여 사용자의 특정 이동행위가 어떤 이동행위에 해당하는지 구분하는 이동행위 판단부를 포함하고, 계층적 트리 모델은 각 이동행위마다 추출된 특징 요소를 기초로 미리 구성되고, 각 이동행위에 대한 특징 요소는, 각 이동행위 별로 구분하여 수집된 가속도 데이터를 미리 설정된 시간 단위로 분리하여 구성된 제 1 프레임 그룹과, 각 이동행위 별로 구분하여 수집된 가속도 데이터를 상기 미리 설정된 시간 단위와 다른 시간 단위로 분리하여 일부 가속도 데이터가 제 1 프레임 그룹과 오버랩 되도록 구성된 제 2 프레임 그룹을 기초로 추출된 것이다.
Abstract translation: 本发明涉及用于区分用户移动的移动设备及其方法，以及用于生成用于其的分层树模型的方法。 特别地，移动设备包括：加速度传感器; 缓冲器，用于根据用户的特定运动收集从加速度传感器输出的加速度数据; 提取单元，用于基于由缓冲器收集的加速度数据提取用户的特定移动的特征元素; 以及移动判断单元，用于通过将由提取单元提取的特征元素输入到预先构造的分层树模型中来确定用户的具体运动属于哪个类别，其中，基于提取的特征元素预先构建分层树模型 基于通过将针对每个移动收集的加速度数据除以预定时间单位形成的第一帧组和通过将针对每个运动收集的加速度数据除以另一个而形成的第二帧组来提取每个运动和每个运动的特征元素 时间单位与预定时间单位不同，以使加速数据的一部分与第一帧组重叠。
-
4.发明授权
公开(公告)号：KR101422767B1
公开(公告)日：2014-07-30
申请号：KR1020130001693
申请日：2013-01-07
Applicant: 숭실대학교산학협력단
Abstract: 본 발명은 사용자의 이동행위를 구분하는 모바일 장치, 사용자의 이동행위 구분방법 및 이를 위한 계층적 트리 모델 생성방법에 관한 것이다. 특히, 모바일 장치는 가속도 센서; 상기 사용자가 각각의 이동행위를 수행할 때마다 상기 가속도 센서로부터 출력되는 가속도 데이터를 상기 이동행위 별로 구분하여 수집하는 버퍼; 상기 버퍼에 수집된 가속도 데이터를 기초로 상기 각각의 이동행위에 대한 특징 요소를 추출하는 추출부; 및 상기 추출부에서 추출한 특징 요소를 기초로 구성된 계층적 트리 모델에 의하여 상기 사용자의 특정 이동행위가 어떤 이동행위에 해당하는지 구분하는 이동행위 판단부를 포함하고, 상기 추출부는 상기 버퍼에 수집된 가속도 데이터를 제 1 시간 단위, 및 일부 가속도 데이터가 오버랩 되도록 상기 제 1 시간 단위와 상이하게 설정된 제 2 시간 단위로 각각 분리하고, 상기 제 1 시간 단위에 따라 구성된 제 1 프레임 그룹 및 상기 제 2 시간 단위에 따라 구성된 제 2 프레임 그룹을 기초로 상기 특징 요소를 추출한다.
-
公开(公告)号：KR102212310B1
公开(公告)日：2021-02-05
申请号：KR1020190042525
申请日：2019-04-11
Applicant: 숭실대학교산학협력단
IPC: G06F16/215 , G06F16/28 , G06N3/08 , G06F40/20 , G06F40/166 , G06N20/20 , G06N20/10 , G06K9/62
Abstract: 본발명의일 실시예에따르면, 지식베이스내에서타겟트리플(subject, type, object)을선정하는트리플선정부; 상기타겟트리플내에포함된개체를공유하는대상트리플을연결하여문장모델을생성하는샘플링부; 상기문장모델을벡터공간에임베딩하여학습개체백터(entity vector)를생성하고임베딩모델을구축하는모델구축부; 및상기임베딩모델에테스트트리플을입력하여오류트리플을검출하는오류트리플검출부를포함하는오류트리플검출시스템을제공한다.
-
Patent Agency Ranking
公开(公告)号：KR1020170123591A
公开(公告)日：2017-11-08
申请号：KR1020170137353
申请日：2017-10-23
Applicant: 숭실대학교산학협력단
Abstract: 온톨로지추론방법및 장치가개시된다. 온톨로지추론방법은 (a) 스키마트리플을복제하여각 노드로브로드캐스팅하는단계; (b) 상기스키마트리플을제외한나머지트리플들을파티셔닝하여상기각 노드로분산시키는단계; 및 (c) 추론규칙에따라상기트리플에대한추론을수행한후 추론된트리플에대한신뢰값을갱신하는단계를포함한다.
Abstract translation: 公开了用于推理本体的方法和装置。 本体推理方法包括以下步骤：（a）复制模式三元组并向每个节点广播; （b）分割除模式三元组以外的其余三元组并将三元组分配给节点; 并且（c）根据推理规则对三元组执行推断并更新推断的三元组的信任值。
-
7.发明公开
公开(公告)号：KR1020140091128A
公开(公告)日：2014-07-21
申请号：KR1020130001693
申请日：2013-01-07
Applicant: 숭실대학교산학협력단
Abstract: The present invention relates to a mobile device and a method for classifying moving actions of a user and a method for creating a hierarchical tree model for the same. The mobile device comprises: an acceleration sensor; a buffer for collecting acceleration data outputted from the acceleration sensor according to a specific action of a user; an extraction unit for extracting a characteristic element about the specific action of the user based on the acceleration data collected in the buffer; and an action determination unit for classifying the specific action of the user into a certain action by inputting the characteristic element extracted by the extraction unit to a previously configured hierarchical tree model. The hierarchical tree model was constructed in advance based on an extracted characteristic element from each action. The characteristic element of each action is extracted based on a first frame group which is configured by dividing the selected acceleration data for each action by a predetermined time unit and a second frame group in which part of the acceleration data is constructed to overlap with the first frame group by separating the collected acceleration data for each action by a different time unit from the predetermined time unit.
Abstract translation: 本发明涉及用于对用户的移动动作进行分类的移动装置和方法以及用于为其创建分层树模型的方法。 移动设备包括：加速度传感器; 用于根据用户的具体动作收集从加速度传感器输出的加速度数据的缓冲器; 提取单元，用于基于在缓冲器中收集的加速度数据来提取关于用户的特定动作的特征元素; 以及动作确定单元，用于通过将由提取单元提取的特征元素输入到先前配置的分层树模型来将用户的特定动作分类为特定动作。 基于每个动作提取的特征元素，提前构建了层次树模型。 基于通过将每个动作的所选择的加速度数据除以预定时间单位而构成的第一帧组，以及加速数据的一部分被构造为与第一帧的重叠的第二帧组来提取每个动作的特征元素 通过将每个动作的所收集的加速度数据与预定时间单位分开不同的时间单位。
-
公开(公告)号：KR102234850B1
公开(公告)日：2021-04-02
申请号：KR1020190163590
申请日：2019-12-10
Applicant: 숭실대학교산학협력단
IPC: G06N5/02 , G06F16/901
Abstract: 릴레이션네트워크에기반한지식보완방법을개시한다. 본발명의일 실시예에따른릴레이션네트워크에기반한지식보완방법은지식그래프에포함된복수의노드페어에대하여, 노드페어를구성하는소스노드와타겟노드간의관계를나타내는복수의경로에관한정보인경로정보를추출하는단계; 상기경로정보에기초하여, 상기복수의경로각각에대응되는트레이닝데이터를생성하는단계; 및상기트레이닝데이터를이용하여릴레이션네트워크모델을학습시키는단계를포함한다.
-
公开(公告)号：KR102223382B1
公开(公告)日：2021-03-08
申请号：KR1020190146102
申请日：2019-11-14
Applicant: 숭실대학교산학협력단
Abstract: 다중타입엔티티에기반한지식보완방법을개시한다. 본발명의다른일 실시예에따른다중타입엔티티에기반한지식보완방법은지식그래프에포함된 2개의엔티티를연결하는복수의경로각각에대하여, 개별경로에포함된복수의엔티티에관한정보인엔티티정보와상기복수의엔티티중 2개의관계에관한정보인관계정보를추출하는단계; 상기엔티티정보, 상기관계정보, 상기복수의엔티티각각에대응되는적어도하나의엔티티타입에관한정보인타입정보및 소정의임베딩크기에기초하여, 상기복수의경로각각에대응되는경로벡터를생성하는단계; CNN(Convolutional Neural Network)과 Bi-LSTM(Bidirectional Long A Short-Term Memory)을이용하여, 상기경로벡터로부터인코딩된경로벡터를산출하는단계; 및상기복수의경로및 상기복수의인코딩된경로벡터를이용하여상기 2개의엔티티간의관계를예측하도록학습된관계모델을이용하여, 상기 2개의엔티티간에소정의목표관계가유효한지판단하는단계를포함한다.
-
公开(公告)号：KR102203065B1
公开(公告)日：2021-01-14
申请号：KR1020190108915
申请日：2019-09-03
Applicant: 숭실대학교산학협력단
Abstract: 본발명의일 실시예에따르면, 소스개체, 타겟개체및 상기소스개체와상기타겟개체와의관계값을가지는트리플을설정하는단계; 상기소스개체및 상기타겟개체에연관된복수개의중간개체를추출하는단계; 상기소스개체및 상기타겟개체사이에서상기복수개의중간개체를연결하는복수개의연결경로를생성하는단계; 상기복수개의연결경로를벡터값으로임베딩하여매트릭스를생성하는단계; 상기매트릭스에컨볼루션연산을수행하여특징맵을산출하는단계; 상기특징맵에 BiLSTM기법을적용하여인코딩하여각 연결경로별인코딩벡터를생성하는단계; 및어텐션메커니즘을적용하여상기연결경로별인코딩벡터를합산하여스테이트벡터를생성하고, 상기트리플의관계값및 상기스테이트벡터와의유사도값에따라상기트리플을검증하는단계를포함하는트리플검증방법을제공한다.
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
