Abstract:
전거 데이터를 효율적으로 관리함으로써 통계분석의 효율성을 제고시키는 온톨로지 기반의 통계 분석 방법이 개시된다. 온톨로지 기반의 통계 분석 방법은 통계 항목들을 대상으로 전거데이터 온톨로지를 구축하는 과정; 전거데이터 및 전거데이터 온톨로지를 기반으로 연구성과를 대상으로 연구성과 온톨로지를 구축하는 과정; 및 온톨로지 관계 정보를 이용하여 연구성과에 대한 통계 정보를 생성하는 과정을 포함한다. 제안된 온톨로지 기반의 통계 분석 방법에 따르면 동일한 개체에 대해 사용되던 이표기들을 온톨로지화하여 관리함으로써 효율적으로 통계 정보를 관리할 수 있게 하는 효과를 갖는다.
Abstract:
본 발명은 사용자 개인 정보의 사용자 프로파일 온톨로지에 있는 주체 또는 객체와 개인화 서비스 온톨로지의 주체 또는 객체를 관계명으로 연계한 상태에서, 사용자로부터 개인화 서비스를 선택받는 경우, 선택된 개인화 서비스에 해당하는 개인화 서비스 온톨로지를 검색하여 개인화 서비스 온톨로지에 연계된 사용자 프로파일 온톨로지 내 인스턴스 형태의 개인 정보를 획득하고, 획득한 개인 정보를 적용하여 개인화 서비스를 실행하여 그 결과를 사용자에게 제공할 수 있도록 된, 온톨로지 기반 개인화 서비스 시스템 및 방법에 관한 것이다. 본 발명에 따른 개인화 서비스 방법은, 사용자의 개인 정보를 사용자 프로파일 온톨로지에 저장하고, 상기 사용자 프로파일 온톨로지에 개인화 서비스 온톨로지를 연계 시킨 상태에서, (a) 상기 사용자로부터 개인화 서비스를 선택받는 단계; (b) 상기 선택된 개인화 서비스에 해당하는 개인화 서비스 온톨로지를 검색하여, 상기 개인화 서비스 온톨로지에 연계된 상기 사용자 프로파일 온톨로지 내 인스턴스 형태의 개인 정보를 획득하는 단계; 및 (c) 상기 획득한 개인 정보를 적용하여 상기 개인화 서비스를 실행하고 그 결과를 상기 사용자에게 제공하는 단계를 포함한다.
Abstract:
본 발명은 기 구축된 개체명 사전에 등록된 특정 분류 내 개체명이 텍스트 문서에 포함되어 있을 때, 해당 개체명의 앞 문맥이나 뒷 문맥(문자열 또는 LSP 형식의 문맥)을 추출하고, 추출된 문맥 내에서 또 다른 용어(전문용어 포함)들을 빈도 순이나 가나다 순 등으로 정렬하여, 해당 분류에 속하는 개체명들을 찾기 쉽게 지원함으로써 개체명 사전을 확장하여 구축할 수 있도록 하고, 상기 다른 용어를 이용하는 다른 문맥들에서 다른 용어를 제외시킨 문맥들을 규칙으로 등록할 수 있도록 된, 문맥으로부터의 개체명 추출을 이용한 개체명 사전 구축과 규칙 등록 방법 및 시스템에 관한 것이다. 본 발명에 따른 개체명 사전 구축 방법은, 하나 이상의 개체명과 상기 개체명에 대응된 하나 이상의 용어들이 등록되어 있는 개체명 사전을 구비한 시스템의 개체명 사전 구축 방법으로서, (a) 상기 개체명 사전에 등록된 개체명을 가지는 용어가 텍스트 문서에 존재하는지의 여부를 검색하는 단계; (b) 상기 용어가 존재하는 경우, 상기 용어가 포함된 문맥을 상기 텍스트 문서로부터 추출하는 단계; (c) 상기 용어가 포함된 문맥에서 상기 용어가 제외된 문맥을 상기 텍스트 문서로부터 재검색하는 단계; (d) 재검색된 상기 용어가 제외된 문맥에서 상기 용어 위치에 존재하는 다른 용어를 분리하고 정렬하여 표시하는 단계; (e) 상기 다른 용어들을 상기 개체명에 추가하거나, 상기 다른 용어들이 가지는 제2 개체명을 추가하고 설정하는 단계; 및 (f) 상기 개체명 또는 상기 제2 개체명을 상기 개체명 사전에 등록하는 단계를 포함한다.
Abstract:
온톨로지 기반 sameAs 관리 시스템 및 방법이 개시된다. 본 발명은 서로 다른 식별자를 가진 온톨로지 인스턴스를 대상으로 sameAs 관계의 생성 또는 삭제를 포함하는 설정 요청이 수신되면, 수신한 sameAs 관계 설정 요청에 따라 업데이트하는 sameAs 관리 서버 및 sameAs 관리 서버와 실시간 동기화가 설정되고, sameAs 관리 서버로부터 수신한 sameAs 관계 설정 요청에 따라 업데이트를 수행하는 하나 이상의 동기화 sameAs 관리 서버를 포함하여, 서로 다른 식별자를 가진 온톨로지 인스턴스의 sameAs 관계의 생성 또는 삭제, sameAs 관계를 이용한 SPARQL 생성을 관리할 수 있다.
Abstract:
본 발명은 문서의 분류체계와 용어 속성을 포함하는 문서의 특성에 따라 다수의 문서가 분류되어 저장되는 분산형 데이터베이스, 분류대상 문서가 입력되면 상기 분류대상 문서로부터 자질을 추출하고 상기 추출된 자질과 범주의 유사도를 이용하여 자질별 가중치값을 연산하여 상기 분류대상 문서의 범주를 결정한 후 상기 문서 범주에 대한 자질별 가중치값을 연산한 최대값을 최대 개념강도로 결정하는 최대 개념강도 결정부, 및 상기 최대 개념강도 결정부에서 결정된 상기 분류대상 문서의 최대 개념강도를 상기 분산형 데이터베이스에 대하여 각각 적용하여 상기 분류대상 문서의 특성과 유사한 분산형 데이터베이스를 선택하는 데이터베이스 선택부를 포함한다.
Abstract:
본 발명은 기술용어 간 관계 추출용 테스트 컬렉션 반자동 구축을 위한 프레임워크에 관한 것으로서, 문헌에 존재하는 기술용어와 이들 간의 연관관계를 언어 자원을 기반으로 시스템적으로 처리하여, 제한된 문헌과 개체들을 기반으로 소규모의 테스트 컬렉션을 구축하는 기존의 접근법에서 벗어나 대규모의 학술 데이터 베이스와 다양한 분야의 전문용어 사전, 그리고 최신의 기계학습 알고리즘을 활용하여 실용적인 테스트 컬렉션을 구축하는 기술용어 간 관계 추출용 테스트 컬렉션 반자동 구축을 위한 프레임워크를 제공하여, 정형화되고 시간이 많이 소요되는 작업을 자동화시킴으로써, 구축자의 노력을 최소화할 수 있고, 구축자의 성향에 따라 발생하는 결과의 편차를 줄일 수 있는 효과가 있다.
Abstract:
본 발명은 양자키 활용 네트워크에서 양자키를 효과적으로 효율적으로 분배하여 네트워크 서비스에 대한 양자키를 신속하고 유연하게 제공하기 위한 양자키 관리장치 및 그 동작 방법에 관한 것이다. 양자키 관리장치는 양자키 개수 정보를 확인하는 확인부, 및 양자키 관리시스템 노드의 배열인 노드 경로를 탐색하는 탐색부를 포함하는 구성을 가질 수 있다.
Abstract:
이하의 개시는 보안 데이터 처리 장치, 보안 데이터 처리 방법 및 보안 데이터 처리하는 프로그램을 저장하는 컴퓨터 판독 가능한 저장매체에 관한 것이다. 일 실시예는, 보안 이벤트들을 하나 또는 그 이상의 그룹으로 분류하는 단계; 상기 분류된 각 그룹 내의 적어도 하나의 보안 이벤트로부터 유의미한 단어를 추출하는 단계; 상기 추출된 유의미한 단어에 기초하여 각 보안 이벤트들을 정탐 그룹 또는 오탐 그룹으로 레이블링하는 단계; 및 상기 정탐 그룹 내의 보안 이벤트들 및 상기 오탐 그룹 내의 보안 이벤트들을 수치화하는 단계; 를 포함하는, 보안 데이터 처리 방법을 제공한다.
Abstract:
본 발명은 블록체인 기반의 개방형 동료심사 서비스 제공 방법 및 그 시스템에 관한 것으로, 상세하게는 심사 과정 중에 발생된 심사 데이터의 접근 조건에 관하여 편집자 계정 및 플랫폼 계정 상호 간에 체결된 제1 스마트 컨트랙트를 생성하여 블록체인 시스템에 기록하고, 심사 과정에서 발생한 심사 데이터를 블록체인 시스템에 기록하고, 심사 데이터의 접근 요청을 입력받으면, 제1 스마트 컨트랙트를 통해 접근 조건에 대응하는 심사 데이터를 제공하는 것으로, 제1 스마트 컨트랙트 기반의 접근 조건에 따라 심사 데이터의 접근 통제 및 공개의 관리가 가능해지고, 제2 스마트 컨트랙트에 의한 편집자 및 심사자 사이의 계약 관리가 가능하고, 이러한 계약에 의하여 심사과정이 투명하고 신뢰성 있게 진행될 수 있으며, 제1 스마트 컨트랙트에 의하여 심사 과정이 공개됨으로써, 심사 심사 자료의 수준이 향상되고, 심사 지연을 방지할 수 있다.
Abstract:
환자의 성별에 따른 치매 예측 방법 및 장치가 제공 된다. 본 발명의 일 실시예에 따른 환자의 성별에 따른 치매 예측 방법은 검사 대상자로부터 성별에 따른 치매 위험 인자에 해당하는 데이터를 얻는 단계 및 상기 검사 대상자의 상기 성별에 따른 치매 위험 인자에 해당하는 데이터를 치매 예측 모델에 입력하여 상기 검사 대상자의 치매를 예측하는 단계를 포함하되, 상기 치매 예측 모델은, 정상 집단과 치매 환자 집단으로부터 수집된 코호트 데이터로부터 남성의 치매 위험 인자와 여성의 치매 위험 인자를 특징으로 추출하여 성별에 따른 치매 위험 인자를 학습한 모델일 수 있다.