KR102234850B1 - Method and apparatus for complementing knowledge based on relation network

    公开(公告)号:KR102234850B1

    公开(公告)日:2021-04-02

    申请号:KR1020190163590A

    申请日:2019-12-10

    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.

    KR102226493B1 - A device for storing of grain using laundry waste water

    公开(公告)号:KR102226493B1

    公开(公告)日:2021-03-12

    申请号:KR1020190140669A

    申请日:2019-11-06

    Inventor: 박태현 나형균

    CPC classification number: F25D3/005 F25D23/067 F25D23/069

    Abstract: 본 발명의 실시예에 따른 세탁 폐수를 이용한 곡물 저장 장치는 일측이 개방되며 내부에 곡물을 수용하는 하우징, 상기 하우징의 내측면에 구비되어 외부로부터 세탁 폐수를 공급받고, 상기 세탁 폐수의 온도를 이용하여 상기 하우징의 내부 온도를 유지하기 위한 온도 유지부 및 상기 하우징의 내부에 삽입되며 상기 내부 온도에 따라 상기 하우징에 저장되는 곡물의 저장공간을 구분하기 위한 구획부를 포함한다.

    KR102224487B1 - Management system and method of machine learning platform

    公开(公告)号:KR102224487B1

    公开(公告)日:2021-03-08

    申请号:KR1020190051638A

    申请日:2019-05-02

    CPC classification number: G06N20/00

    Abstract: 본 발명의 실시예에 따르면, 외부 프로그램을 통해 등록된 머신러닝 테스크(task) 및 명령어를 관리하는 마스터 노드; 상기 마스터 노드로부터 전달받은 상기 머신러닝 테스크 정보 및 상기 명령어를 분석하여 실행 가능한 하위 노드에 할당하는 세션 노드; 및 상기 세션 노드로부터 할당받은 상기 머신러닝 테스크 정보 및 상기 명령어에 따라 머신러닝을 수행하고, 학습 진행 상황 및 자원 상황을 상기 세션 노드로 보고하는 워커노드를 포함하는 머신 러닝 플랫폼 관리 시스템을 제공한다.

    KR102223382B1 - Method and apparatus for complementing knowledge based on multi-type entity

    公开(公告)号:KR102223382B1

    公开(公告)日:2021-03-08

    申请号:KR1020190146102A

    申请日:2019-11-14

    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.

Patent Agency Ranking