| 1 |
1
딥러닝 관계 추출 시스템이 개체간 관계를 추출하는 방법으로서,복수의 개체들을 포함하되 상기 복수의 개체들간 관계가 표시되지 않은 제1 문장을 수신하고, 상기 제1 문장에서 상기 개체들과 개체들간 관계를 설명하는 적어도 하나의 단어를 실마리 단어들로 추출하도록 임베딩 벡터 모델을 선행 학습하는 단계,미리 저장되어 있으며, 개체들이 표시되어 있는 제2 문장을 수신하고, 상기 제2 문장에서 상기 표시된 개체들간 관계를 추출하도록 상기 선행 학습한 임베딩 벡터 모델을 학습하는 단계입력된 문장에 포함되어 있는 복수의 개체, 그리고 상기 복수의 개체 사이의 관계를 추출하기 위하여, 상기 입력된 문장으로부터 문장 임베딩 벡터를 생성하는 단계, 그리고상기 문장 임베딩 벡터를 토대로, 상기 복수의 개체 사이의 관계를 추출하는 단계를 포함하는 딥러닝 관계 추출 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 임베딩 벡터 모델을 선행 학습하는 단계는,최단거리 경로 의존성(Shortest Dependency Path) 방법 또는 CW(Context Words) 방법 중 어느 하나의 방법으로 상기 실마리 단어들을 추출하는 딥러닝 관계 추출 방법
|
| 4 |
4
제3항에 있어서,상기 선행 학습한 임베딩 벡터 모델을 학습하는 단계는,상기 제2 문장에서 상기 표시되어 있는 개체 사이에 미리 지정된 관계가 추출되도록 하는 특징을 갖도록, 상기 선행 학습된 임베딩 벡터 모델을 학습하는 딥러닝 관계 추출 방법
|
| 5 |
5
제4항에 있어서,상기 선행 학습된 임베딩 벡터 모델의 가중치 값을 상기 선행 학습된 임베딩 벡터 모델을 학습하는 과정에서 문장 임베딩 모델의 초기 값으로 활용하는 딥러닝 관계 추출 방법
|
| 6 |
6
제5항에 있어서,상기 문장 임베딩 모델은 CNN(Convolutional Neural Network) 문장 임베딩 모델을 이용하며, 상기 제1 문장과 제2 문장에서 임베딩 벡터를 구하는 딥러닝 관계 추출 방법
|
| 7 |
7
딥러닝 관계 추출 시스템으로서,개체들 그리고 상기 개체들간 관계가 표시되어 있지 않은 제1 문장에서, 상기 개체들과 개체들 사이의 관계를 추출하도록 임베딩 벡터 모델을 선행 학습하는 선행 학습 모듈, 그리고개체들이 표시되어 있는 제2 문장을 수신하고, 상기 제2 문장에서 상기 표시되어 있는 개체들간에 관계가 추출되도록, 상기 선행 학습 모듈에서 선행 학습된 임베딩 벡터 모델을 학습하는 개체 관계 추출 모듈을 포함하는 딥러닝 관계 추출 시스템
|
| 8 |
8
제7항에 있어서,상기 선행 학습된 임베딩 벡터 모델의 가중치 값은 상기 선행 학습된 임베딩 벡터 모델을 학습하는 과정에서 문장 임베딩 모델의 초기 값으로 활용되고, 상기 문장 임베딩 모델은 CNN(Convolutional Neural Network) 문장 임베딩 모델로 구현되며, 수신한 입력 데이터에 포함된 복수의 문장에 대한 문장 임베딩을 구하는 딥러닝 관계 추출 시스템
|
| 9 |
9
제8항에 있어서,상기 CNN 문장 임베딩 모델은 구한 문장 임베딩 벡터로부터 문장과 문장의 구조를 재생성하는 딥러닝 관계 추출 시스템
|
| 10 |
10
제9항에 있어서,상기 제2 문장은 상기 표시되어 있는 개체, 그리고 상기 개체 사이의 지정된 관계를 포함하고 있는 딥러닝 관계 추출 시스템
|
| 11 |
11
제7항에 있어서,상기 개체 관계 추출 모듈은,입력된 문장에 포함되어 있는 복수의 개체, 그리고 상기 복수의 개체 사이의 관계를 설명하는 적어도 하나의 단어들을 포함하는 실마리 단어들을 문장 임베딩 벡터로 생성하고, 상기 문장 임베딩 벡터를 토대로, 실마리 단어들에 포함된 개체 사이의 관계를 설명하는 적어도 하나의 단어들을 이용하여 상기 개체 사이에 관계를 추출하는 딥러닝 관계 추출 시스템
|
