1 |
1
개인의 일상을 관리할 수 있는 모바일 디바이스에 있어서,사용자의 생활 패턴을 나타내는 로그 정보를 수집하는 정보 수집부;상기 수집된 로그 정보 중 적어도 일부와 관련된 의미있는 형태의 정보인 의미정보를 포함하는 확률모델을 저장하는 저장부;사용자로부터 키워드를 입력받는 입력부;상기 입력받은 키워드에 따라 상기 확률모델에 기반하여 의미정보를 검색하는 검색부; 및상기 검색된 결과를 표시하는 표시부를 포함하는 것을 특징으로 하는 모바일 디바이스
|
2 |
2
제1항에 있어서,상기 수집된 로그 정보를 분석하여 의미있는 형태의 정보인 의미정보를 추출하는 의미정보 추출부를 더 포함하는 것을 특징으로 하는 모바일 디바이스
|
3 |
3
제2항에 있어서,상기 수집된 로그 정보 및 상기 추출된 의미정보에 따라 상기 확률모델을 갱신하는 확률모델 갱신부를 더 포함하는 것을 특징으로 하는 모바일 디바이스
|
4 |
4
제2항에 있어서, 상기 의미정보 추출부는,상기 수집된 로그 정보를 분석하여 특정 규칙을 만족하는 의미정보를 추출하는 규칙 분석부;상기 수집된 로그 정보를 분석하여 통계적인 의미를 나타내는 의미정보를 추출하는 통계 분석부; 및상기 수집된 로그 정보 또는 상기 규칙 분석부 또는 상기 통계 분석부에서 추출된 의미정보를 바탕으로 상기 확률 모델을 통해 의미정보를 추출하는 확률 분석부를 포함하는 것을 특징으로 하는 모바일 디바이스
|
5 |
5
제3항에 있어서,상기 확률모델은 모듈화된 베이지안 네트워크 형태인 것을 특징으로 하는 모바일 디바이스
|
6 |
6
제5항에 있어서,상기 확률모델을 구성하는 각 모듈은 확률적인 증거를 반영하기 위한 가상 노드를 가지는 것을 특징으로 하는 모바일 디바이스
|
7 |
7
제5항에 있어서,상기 모듈화된 베이지안 네트워크는 각 노드마다 레벨 정보를 가지는 계층적인 구조인 것을 특징으로 하는 모바일 디바이스
|
8 |
8
제7항에 있어서,상기 확률모델 갱신부는 상기 수집된 로그 정보 및 상기 추출된 의미정보를 입력받아, 학습될 노드의 집합과 각 노드의 레벨을 정의하고, 노드 간의 연관성을 계산하고, 그 결과에 따라 노드의 위상 순위를 결정하고, 상기 베이지안 네트워크 구조를 학습하는 것을 특징으로 하는 모바일 디바이스
|
9 |
9
제8항에 있어서,상기 베이지안 네트워크 구조의 학습은 K2 학습 알고리즘을 사용하는 것을 특징으로 하는 모바일 디바이스
|
10 |
10
제1항에 있어서,상기 검색부는 상기 입력받은 키워드에 따라 상기 확률 모델 및 이미 규정된 규칙을 이용하여 상기 검색의 기초가 되는 키워드를 더 생성하는 키워드 확장부; 및상기 입력받은 키워드 및 상기 더 생성된 키워드에 따라 의미정보를 검색하는 의미정보 검색부를 포함하는 것을 특징으로 하는 모바일 디바이스
|
11 |
11
제10항에 있어서,상기 이미 규정된 규칙은 의미정보 간의 연관성을 나타내는 온톨로지 모델을 따르는 것을 특징으로 하는 모바일 디바이스
|
12 |
12
제1항에 있어서,상기 표시부는 상기 검색된 의미정보가 위치 정보와 관련된 경우에 상기 검색된 의미정보에 해당하는 위치 정보를 맵 이미지에 표시하는 것을 특징으로 하는 모바일 디바이스
|
13 |
13
개인의 일상을 관리할 수 있는 모바일 디바이스에서의 정보 검색 방법에 있어서,(a) 사용자의 생활 패턴을 나타내는 로그 정보를 수집하는 단계;(b) 사용자로부터 키워드를 입력받는 단계;(c) 상기 입력받은 키워드에 따라 상기 수집된 로그 정보 중 적어도 일부와 관련된 의미있는 형태의 정보인 의미정보를 포함하는 확률모델에 기반하여 의미정보를 검색하는 단계; 및(d) 상기 검색된 결과를 표시하는 단계를 포함하는 것을 특징으로 하는 검색 방법
|
14 |
14
제13항에 있어서,(a2) 상기 수집된 로그 정보를 분석하여 의미있는 형태의 정보인 의미정보를 추출하는 단계를 더 포함하는 것을 특징으로 하는 정보 검색 방법
|
15 |
15
제14항에 있어서,(a3) 상기 수집된 로그 정보 및 상기 추출된 의미정보에 따라 상기 확률모델을 갱신하는 단계를 더 포함하는 것을 특징으로 하는 정보 검색 방법
|
16 |
16
제14항에 있어서, 상기 (a2) 단계는,(a21) 상기 수집된 로그 정보를 분석하여 특정 규칙을 만족하는 의미정보를 추출하는 단계;(a22) 상기 수집된 로그 정보를 분석하여 통계적인 의미를 나타내는 의미정보를 추출하는 단계; 및(a23) 상기 수집된 로그 정보 또는 상기 (a21) 단계 또는 상기 (a22) 단계에서 추출된 의미정보를 바탕으로 상기 확률 모델을 통해 의미정보를 추출하는 단계를 포함하는 것을 특징으로 하는 정보 검색 방법
|
17 |
17
제15항에 있어서,상기 확률모델은 모듈화된 베이지안 네트워크 형태인 것을 특징으로 하는 정보 검색 방법
|
18 |
18
제17항에 있어서,상기 확률모델을 구성하는 각 모듈은 확률적인 증거를 반영하기 위한 가상 노드를 가지는 것을 특징으로 하는 정보 검색 방법
|
19 |
19
제17항에 있어서,상기 모듈화된 베이지안 네트워크는 각 노드마다 레벨 정보를 가지는 계층적인 구조인 것을 특징으로 하는 정보 검색 방법
|
20 |
20
제19항에 있어서,상기 (a3) 단계는 상기 수집된 로그 정보 및 상기 추출된 의미정보를 입력받아, 학습될 노드의 집합과 각 노드의 레벨을 정의하고, 노드 간의 연관성을 계산하고, 그 결과에 따라 노드의 위상 순위를 결정하고, 상기 베이지안 네트워크 구조를 학습하는 것을 특징으로 하는 정보 검색 방법
|
21 |
21
제20항에 있어서,상기 베이지안 네트워크 구조의 학습은 K2 학습 알고리즘을 사용하는 것을 특징으로 하는 정보 검색 방법
|
22 |
22
제13항에 있어서, 상기 (c) 단계는,상기 입력받은 키워드에 따라 상기 확률 모델 및 이미 규정된 규칙을 이용하여 상기 검색의 기초가 되는 키워드를 더 생성하는 단계; 및상기 입력받은 키워드 및 상기 더 생성된 키워드에 따라 의미정보를 검색하는 단계를 포함하는 것을 특징으로 하는 정보 검색 방법
|
23 |
23
제22항에 있어서,상기 이미 규정된 규칙은 의미정보 간의 연관성을 나타내는 온톨로지 모델을 따르는 것을 특징으로 하는 정보 검색 방법
|
24 |
24
제13항에 있어서,상기 (d) 단계는 상기 검색된 의미정보가 위치 정보와 관련된 경우에 상기 검색된 의미정보에 해당하는 위치 정보를 맵 이미지에 표시하는 것을 특징으로 하는 정보 검색 방법
|
25 |
25
제13항 내지 제24항 중 어느 한 항에 기재된 정보 검색 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
|