-
Patent Agency Ranking
公开(公告)号：KR101842362B1
公开(公告)日：2018-03-26
申请号：KR1020160112691
申请日：2016-09-01
Applicant: 성균관대학교산학협력단
Abstract: 인공신경망기반의문단생성방법이제공된다. 상기방법은문서데이터세트에포함된복수의문장데이터를기반으로머신러닝을통해문장데이터와상기문장데이터에대응하는문장벡터간의상호변환을위한문장벡터변환모델을생성하는단계, 상기복수의문장데이터에각각대응하는복수의문장벡터를기반으로머신러닝을통해현재문장벡터에대한후속문장벡터를예측하기위한후속문장예측모델을생성하는단계및 상기문장벡터변환모델및 상기후속문장예측모델을이용하여하나의입력문장데이터에대응하는출력문단데이터를생성하는단계를포함할수 있다. 따라서, 앞뒤문맥을고려하여문장을생성하여, 올바른문법과일정한스토리의흐름을고려한문장을생성하도록함으로써스토리의질을향상시킬수 있다.
-
公开(公告)号：KR101717230B1
公开(公告)日：2017-03-16
申请号：KR1020150190005
申请日：2015-12-30
Applicant: 성균관대학교산학협력단
Abstract: 본발명은재귀오토인코더기반문장벡터모델링을이용하는문서요약방법및 문서요약시스템을제공한다. 상기방법은언폴딩재귀오토인코더(Unfolding Recursive Autoencoder, URAE)를통한문장벡터를모델링하는단계, 상기문장벡터에대해텍스트랭크를적용하는단계, 핵심키워드를포함하는문장을파악하는단계와상기텍스트랭크를적용하여계산된각 문장벡터의점수와상기핵심키워드를포함하는문장의점수를합산하여최종문장점수를계산하는단계를포함한다.
Abstract translation: 本发明提供了一种使用基于递归自动编码器的句子向量建模的文档总结方法和文档总结系统。 该方法包括通过展开递归自动编码器（URAE）对语句向量进行建模，将文本排名应用于语句向量，掌握包含核心关键字的语句， 并且通过将通过应用句子向量计算的每个句子向量的分数和包括核心关键字的句子的分数相加来计算最终句子分数。
-
公开(公告)号：KR101881647B1
公开(公告)日：2018-08-24
申请号：KR1020160112693
申请日：2016-09-01
Applicant: 성균관대학교산학협력단
Abstract: 본발명은온라인게임에서의위치기반그룹분류를통한봇 탐지방법, 봇탐지장치및 컴퓨터프로그램을제공한다. 상기방법은봇 탐지를위한서버에서, 수집된게임데이터를이용하여상기온라인게임상에서의사용자들의위치에기반하여사용자들을군집화하는단계와상기봇 탐지를위한서버에서, 상기군집화하는단계에서산출된사용자그룹들을봇 그룹과사람그룹으로분류하는단계를포함한다.
-
公开(公告)号：KR1020170078462A
公开(公告)日：2017-07-07
申请号：KR1020150189002
申请日：2015-12-29
Applicant: 성균관대학교산학협력단
IPC: H04N21/25 , H04N21/475 , H04N21/466 , H04N21/442
Abstract: 본발명의시스템은 TV 프로그램추천에있어해당콘텐츠에대한정적인데이터만을사용하여낮은정확도의추천을하는문제를해결하기위하여, 시간과같은동적인데이터를추천에활용한다.
Abstract translation: 本发明的系统利用诸如时间之类的动态数据来仅使用TV节目推荐中的内容的静态数据来推荐低精度推荐。
-
公开(公告)号：KR1020180025691A
公开(公告)日：2018-03-09
申请号：KR1020160112691
申请日：2016-09-01
Applicant: 성균관대학교산학협력단
CPC classification number: G06F17/276 , G06N3/08 , G06N99/005
Abstract: 인공신경망기반의문단생성방법이제공된다. 상기방법은문서데이터세트에포함된복수의문장데이터를기반으로머신러닝을통해문장데이터와상기문장데이터에대응하는문장벡터간의상호변환을위한문장벡터변환모델을생성하는단계, 상기복수의문장데이터에각각대응하는복수의문장벡터를기반으로머신러닝을통해현재문장벡터에대한후속문장벡터를예측하기위한후속문장예측모델을생성하는단계및 상기문장벡터변환모델및 상기후속문장예측모델을이용하여하나의입력문장데이터에대응하는출력문단데이터를생성하는단계를포함할수 있다. 따라서, 앞뒤문맥을고려하여문장을생성하여, 올바른문법과일정한스토리의흐름을고려한문장을생성하도록함으로써스토리의질을향상시킬수 있다.
Abstract translation: 提供了一种基于人工神经网络的段落生成方法。 该方法包括：基于包括在文档数据集中的多个句子数据，通过机器学习生成句子数据和与句子数据对应的句子数据之间的相互转换的句子矢量转换模型， 生成后续语句预测模型，用于根据分别与语句向量转换模型和后续语句预测模型对应的多个语句向量，通过机器学习为当前语句向量预测后续语句向量， 并生成对应于一个输入句子数据的输出段落数据。 因此，可以通过考虑来回的上下文来生成句子并生成考虑正确语法和某个故事的流程的句子来提高故事的质量。
-
-
-
-
Search Results
5
records
(took 0.032 seconds)
