1 |
1
가독성 분류 시스템에 있어서, 문장이 입력됨을 수신함에 따라 상기 문장으로부터 문장 분류 결과 데이터베이스에 기반하여 문장의 특징을 추출하는 문장 특징 추출 모듈; 문단이 입력됨을 수신함에 따라 상기 문단으로부터 문단 분류 결과 데이터베이스에 기반하여 문단의 특징을 추출하는 문단 특징 추출 모듈-상기 문단은 문장 파서를 통하여 문장 단위로 분할함에 따라 생성된 문장들에 대하여 상기 문장 특징 추출 모듈을 통해 추출된 문장의 특징을 결합함으로써 상기 문단의 특징이 추출됨-;상기 추출된 문장의 특징에 기초하여 상기 문장의 수준과 상기 문장의 가독성을 측정 및 분류하는 문장 가독성 분류 모듈; 및 상기 추출된 문단의 특징에 기초하여 상기 문단의 수준과 상기 문단의 가독성을 측정 및 분류하는 문단 가독성 분류 모듈을 포함하고,상기 가독성 분류 시스템은, 상기 측정 및 분류된 문장 또는 문단의 수준과 가독성을 디스플레이하도록 제공하는 것을 포함하고, 상기 문장 특징 추출 모듈은, 상기 문장의 구조적 특징을 추출하는 문장의 구조적 특징 추출 모듈; 상기 문장의 어휘적 특징을 추출하는 문장의 어휘적 특징 추출 모듈; 및 상기 문장의 구조 점수를 산출하기 위하여 상기 문장에 대한 파스트리와 트리 패턴 표현식 기반 매칭 기법을 수행하는 문장 평가 모듈을 포함하고,상기 문장 평가 모듈은, 문장이 입력됨에 따른 입력 문장을 트리 패턴 표현식 매칭에 적용 가능한 파스 트리 구조의 패턴으로 패턴화시키는 입력 문장 패턴화 모듈;상기 입력 문장의 패턴과 파스 트리 데이터베이스에 저장된 문장들의 파스 트리를 트리 패턴 표현식(TPE:Tree Pattern Expression) 매칭을 통해 매칭시키고, 상기 매칭된 매칭 결과에 기초하여 문장의 구조 점수를 획득하는 트리 패턴 표현식 기반 매칭 모듈; 및상기 매칭 결과를 이용하여 매칭된 문장들에 대하여 상기 문장들의 수준간의 평균 및 분산을 활용하여 상기 문장의 구조 점수를 측정하는 매칭 결과 기반 문장구조 점수화 모듈을 포함하고, 상기 문장 가독성 분류 모듈은,상기 추출된 문장의 특징을 인공 신경망, 서포트 벡터 머신(SVM), 나이브 베이지안 중 적어도 하나에 기초하여 학습시킨 후 상기 문장의 특징에 따라 상기 문장의 수준 및 가독성을 평가 및 분류하고,상기 문단 가독성 분류 모듈은,상기 추출된 문단의 특징을 인공신경망, 서포트 벡터 머신, 나이브 베이지안 중 적어도 하나에 기초하여 학습시킨 후 상기 문단의 특징에 따라 상기 문단의 수준 및 가독성을 평가 및 분류하는가독성 분류 시스템
|
2 |
2
제1항에 있어서, 상기 문장 특징 추출 모듈은,상기 문장의 전체 길이, 상기 문장에서 사용된 단어의 개수, 문장의 문형 점수, 상기 문장에서 사용된 형용사구의 개수, 상기 문장에서 사용된 부사구의 개수, 상기 문장에서 사용된 수식어의 개수, 상기 문장에서 사용된 단어들의 평균 글자 수, 상기 문장에서 사용된 단어들의 평균 음절 수, 상기 문장의 구조 점수, 상기 문장에서 사용된 등위접속사의 개수, 상기 문장에서 사용된 종속절의 개수, 상기 문장에서 사용된 합성명사의 개수, 상기 문장에서 사용된 구성 성분간의 문법적 관계 개수 중 적어도 하나의 문장의 구조적 특징을 포함하는 문장의 구조적 특징 모듈; 및 Collins 단어 사전에 기록된 단어의 빈도 점수를 활용한 상기 문장에서의 어휘 점수 또는 아카데믹 워드 리스트(AWL: Academic Word List)에 저장된 단어의 점수 합 중 적어도 하나의 문장의 어휘적 특징을 포함하는 문장의 어휘적 특징 모듈을 포함하는 가독성 분류 시스템
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
제1항에 있어서,상기 문단 특징 추출 모듈은,상기 문단의 전체 길이, 상기 문단에서 사용된 단어의 개수, 상기 문단에서 사용된 문장들의 문형 점수 평균, 상기 문단에서 사용된 형용사구의 개수, 상기 문단에서 사용된 부사구의 개수, 상기 문단에서 사용된 수식어의 개수, 상기 문단에서 사용된 단어들의 평균 글자수, 상기 문단에서 사용된 단어들의 평균 음절수, 상기 문단에서 사용된 트리 패턴 표현식 기반의 문장 구조 점수 평균, 상기 문단에서 사용된 등위접속사의 개수, 상기 문단에서 사용된 종속절의 개수, 상기 문단에서 사용된 합성명사의 개수, 상기 문단에서 사용된 구성 성분간의 문법적 관계 개수 중 적어도 하나의 문단 구조적 특징을 포함하고, Collins 단어 사전에 기록된 단어의 빈도 점수를 활용한 상기 문단에서의 어휘 점수 또는 상기 문단에서 사용된 AWL에 등록된 단어의 점수 합 중 적어도 하나의 문단 어휘적 특징을 포함하는 가독성 분류 시스템
|
6 |
6
삭제
|
7 |
7
가독성 분류 방법에 있어서,문장 분류 결과 데이터베이스 및 문단 분류 결과 데이터베이스를 유지하는 단계; 문장 또는 문단이 입력됨을 수신하는 단계;상기 문장이 입력됨을 수신함에 따른 입력 문장을 상기 문장 분류 결과 데이터베이스에 기반하여 상기 입력 문장의 구조적 및 어휘적 특징을 추출하는 단계;상기 문단이 입력됨을 수신함에 따른 입력 문단을 상기 문단 분류 결과 데이터베이스에 기반하여 상기 입력 문단의 특징을 추출하는 단계-상기 입력 문단은 문장 파서를 통하여 문장 단위로 분할함에 따라 생성된 문장들에 대하여 기 추출된 문장의 특징을 결합함으로써 상기 입력 문단의 특징이 추출됨-;상기 추출된 문장 또는 문단의 특징에 기초하여 상기 문장 또는 문단의 수준과 상기 문장 또는 문단의 가독성을 측정 및 분류하는 단계; 및상기 측정 및 분류된 문장 또는 문단의 수준과 가독성을 디스플레이하도록 제공하는 단계 를 포함하고, 상기 입력 문장의 구조적 및 어휘적 특징을 추출하는 단계는,상기 문장의 구조 점수를 산출하기 위하여 상기 문장에 대한 파스트리와 트리 패턴 표현식 기반 매칭 기법을 수행하여 문장을 평가하는 단계를 포함하고,상기 문장을 평가하는 단계는, 문장이 입력됨에 따른 입력 문장을 트리 패턴 표현식 매칭에 적용 가능한 파스 트리 구조의 패턴으로 패턴화시키고, 상기 입력 문장의 패턴과 파스 트리 데이터베이스에 저장된 문장들의 파스 트리를 트리 패턴 표현식(TPE:Tree Pattern Expression) 매칭을 통해 매칭시키고, 상기 매칭된 매칭 결과에 기초하여 문장의 구조 점수를 획득하고, 상기 매칭 결과를 이용하여 매칭된 문장들에 대하여 상기 문장들의 수준간의 평균 및 분산을 활용하여 상기 문장의 구조 점수를 측정하는 단계를 포함하고, 상기 문장 또는 문단의 수준과 상기 문장 또는 문단의 가독성을 측정 및 분류하는 단계는,상기 추출된 문장의 특징을 인공 신경망, 서포트 벡터 머신(SVM), 나이브 베이지안 중 적어도 하나에 기초하여 학습시킨 후 상기 문장의 특징에 따라 상기 문장의 수준 및 가독성을 평가 및 분류하고, 상기 추출된 문단의 특징을 인공신경망, 서포트 벡터 머신, 나이브 베이지안 중 적어도 하나에 기초하여 학습시킨 후 상기 문단의 특징에 따라 상기 문단의 수준 및 가독성을 평가 및 분류하는 단계를 포함하는 가독성 분류 방법
|
8 |
8
삭제
|