리뷰 데이터의 감성을 분류하기 위한 방법 및 장치

    公开(公告)号:KR101842361B1

    公开(公告)日:2018-03-26

    申请号:KR1020160112690

    申请日:2016-09-01

    Abstract: 리뷰데이터의감성을분류하기위한방법이제공된다. 상기방법은텍스트정보및 상기텍스트정보에대응하는감성레벨정보를각각포함하는복수의리뷰데이터들을기반으로머신러닝을통해감성분류모델을생성하는단계와, 상기감성분류모델을이용하여감성레벨정보를포함하지않는리뷰데이터의감성레벨을결정하는단계를포함할수 있으며, 감성분류모델을생성하는단계는상기텍스트정보들간의유사도를기반으로상기감성레벨정보를조정하여상기감성분류모델에반영할수 있다. 따라서, 리뷰가받은추천및 비추천정보와, 다른평점을가진리뷰간의유사도를이용해리뷰의신뢰도를고려하여효과적으로리뷰의감성을분류할수 있다.

    인공 신경망 기반의 문단 생성 방법 및 장치

    公开(公告)号:KR101842362B1

    公开(公告)日:2018-03-26

    申请号:KR1020160112691

    申请日:2016-09-01

    Abstract: 인공신경망기반의문단생성방법이제공된다. 상기방법은문서데이터세트에포함된복수의문장데이터를기반으로머신러닝을통해문장데이터와상기문장데이터에대응하는문장벡터간의상호변환을위한문장벡터변환모델을생성하는단계, 상기복수의문장데이터에각각대응하는복수의문장벡터를기반으로머신러닝을통해현재문장벡터에대한후속문장벡터를예측하기위한후속문장예측모델을생성하는단계및 상기문장벡터변환모델및 상기후속문장예측모델을이용하여하나의입력문장데이터에대응하는출력문단데이터를생성하는단계를포함할수 있다. 따라서, 앞뒤문맥을고려하여문장을생성하여, 올바른문법과일정한스토리의흐름을고려한문장을생성하도록함으로써스토리의질을향상시킬수 있다.

    인공 신경망 기반의 문단 생성 방법 및 장치
    5.
    发明公开
    인공 신경망 기반의 문단 생성 방법 및 장치 有权
    基于人工神经网络的段落生成方法和装置

    公开(公告)号:KR1020180025691A

    公开(公告)日:2018-03-09

    申请号:KR1020160112691

    申请日:2016-09-01

    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。

    리뷰 데이터의 감성을 분류하기 위한 방법 및 장치
    6.
    发明公开
    리뷰 데이터의 감성을 분류하기 위한 방법 및 장치 有权
    用于分类评论数据的情绪的方法和设备

    公开(公告)号:KR1020180025690A

    公开(公告)日:2018-03-09

    申请号:KR1020160112690

    申请日:2016-09-01

    CPC classification number: G06F17/2785 G06N3/08 G06N99/005

    Abstract: 리뷰데이터의감성을분류하기위한방법이제공된다. 상기방법은텍스트정보및 상기텍스트정보에대응하는감성레벨정보를각각포함하는복수의리뷰데이터들을기반으로머신러닝을통해감성분류모델을생성하는단계와, 상기감성분류모델을이용하여감성레벨정보를포함하지않는리뷰데이터의감성레벨을결정하는단계를포함할수 있으며, 감성분류모델을생성하는단계는상기텍스트정보들간의유사도를기반으로상기감성레벨정보를조정하여상기감성분류모델에반영할수 있다. 따라서, 리뷰가받은추천및 비추천정보와, 다른평점을가진리뷰간의유사도를이용해리뷰의신뢰도를고려하여효과적으로리뷰의감성을분류할수 있다.

    Abstract translation: 提供了用于对评论数据的情绪进行分类的方法。 该方法包括基于多个评论数据通过机器学习生成情感分类模型,每个评论数据包括与文本信息对应的文本信息和情绪级别信息, 并且其可以包括:确定所述敏感度水平,不包括数据的审查,生成情感类别模型的步骤可以体现在通过调节基于所述文本信息之间的相似度的灵敏度电平信息的情感分类模型。 因此,可以有效的审查的敏感性进行分类,同时考虑到审查和所接收的审查建议踩信息的可信性,使用具有其他额定值审查之间的相似度。

Patent Agency Ranking