| 1 |
1
컴퓨터로 구현되는 신뢰 지수(trust index) 예측 방법에 있어서,거래와 관련된 고객 데이터, 회사 데이터 및 물건 데이터를 수집하는 단계;상기 수집된 고객 데이터, 회사 데이터 및 물건 데이터를 신뢰 지표를 나타내는 진실(base), 능력(ability), 및 의도(intent)에 따라 분류하는 단계;상기 진실, 능력, 및 의도로 분류된 데이터들을 대상으로, 딥러닝(deep learning) 구조(architecture)를 다르게 구성하는 단계; 및새로운 거래가 발생함에 따라, 상기 새로운 거래에 해당하는 신뢰 지수를 예측하는 단계를 포함하고, 상기 딥러닝 구조를 다르게 구성하는 단계는,상기 진실, 능력, 의도 별로 서로 다른 중요도를 적용하기 위해, 상기 진실, 능력, 의도 각각에 서로 다른 개수의 은닉층(hidden layer)을 적용하는 단계를 포함하고, 상기 신뢰 지수를 예측하는 단계는,상기 수집된 고객 데이터, 회사 데이터 및 물건 데이터를 대상으로, 상기 새로운 거래와 유사도가 가장 높은 복수개의 기존 거래를 검색하는 단계; 상기 검색된 기존 거래에 해당하는 신뢰 지수의 평균을 계산하는 단계; 상기 딥러닝 구조를 기반으로 상기 새로운 거래에 해당하는 신뢰 지수의 예측치를 계산하는 단계; 및상기 계산된 평균과 상기 계산된 예측치의 평균을 상기 새로운 거래에 해당하는 상기 신뢰 지수로 예측하는 단계를 포함하는 신뢰 지수 예측 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서,상기 유사도는 상기 새로운 거래와 기존 거래간의 유클리드 거리(Euclideandistance)에 기초하여 계산되는 것을 특징으로 하는 신뢰 지수 예측 방법
|
| 6 |
6
제1항에 있어서,상기 새로운 거래와 유사도가 가장 높은 복수개의 기존 거래를 검색하는 단계는,K-최근접 알고리즘(kNN algorithm)에 기초하여 상기 새로운 거래와 유사도가 가장 높은 순서로 복수개의 기존 거래를 검색하는 것을 특징으로 하는 신뢰 지수 예측 방법
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
| 9 |
9
제1항에 있어서,상기 분류하는 단계는,상기 새로운 거래가 발생할 때 마다 상기 새로운 거래에 해당하는 고객 데이터, 회사 데이터, 및 물건 데이터를 데이터프레임에 지정된 진실(base)에 해당하는 열(column)에 할당하는 단계;데이터베이스에서 상기 새로운 거래와 관련된 기존 거래의 고객 데이터, 회사 데이터, 및 물건 데이터와 연관하여 저장된 거래 내역들을 추출하는 단계;상기 추출된 거래 내역들을 상기 데이터프레임에 지정된 능력(ability)에 해당하는 열(column)에 할당하는 단계; 및상기 새로운 거래에 해당하는 계약 조건을 상기 데이터프레임에 지정된 의도(intention)에 해당하는 열(column)에 할당하는 단계를 포함하는 신뢰 지수 예측 방법
|
| 10 |
10
제9항에 있어서,상기 데이터프레임은, 제1 열(column)부터 마지막 열까지 진실(base), 능력(ability), 의도(intention), 및 신뢰지수(trust index) 순서로 할당되도록 지정되는 것을 특징으로 하는 신뢰 지수 예측 방법
|
| 11 |
11
제10항에 있어서,상기 의도의 중요도가 가장 높고, 상기 능력이 상기 진실보다 중요도가 높고, 상기 진실의 중요도가 가장 낮게 설정되는 것을 특징으로 하는 신뢰 지수 예측 방법
|
| 12 |
12
컴퓨터로 구현되는 신뢰 지수(trust index) 예측 시스템에 있어서,거래와 관련된 고객 데이터, 회사 데이터 및 물건 데이터를 수집하는 데이터 수집부;상기 수집된 고객 데이터, 회사 데이터 및 물건 데이터를 신뢰 지표를 나타내는 진실(base), 능력(ability), 및 의도(intent)에 따라 분류하는 분류부;상기 진실, 능력, 및 의도로 분류된 데이터들을 대상으로, 딥러닝(deep learning) 구조(architecture)를 다르게 구성하는 딥러닝 제어부; 및새로운 거래가 발생함에 따라, 상기 새로운 거래에 해당하는 신뢰 지수를 예측하는 신뢰 지수 예측부를 포함하고, 상기 딥러닝 제어부는,상기 진실, 능력, 의도 별로 서로 다른 중요도를 적용하기 위해, 상기 진실, 능력, 의도 각각에 서로 다른 개수의 은닉층(hidden layer)을 적용하고,상기 신뢰지수 예측부는,상기 수집된 고객 데이터, 회사 데이터 및 물건 데이터를 대상으로, 상기 새로운 거래와 유사도가 가장 높은 복수개의 기존 거래를 검색하고, 상기 검색된 기존 거래에 해당하는 신뢰 지수의 평균을 계산하고, 상기 딥러닝 구조를 기반으로 상기 새로운 거래에 해당하는 신뢰 지수의 예측치를 계산하고, 상기 계산된 평균과 상기 계산된 예측치의 평균을 상기 새로운 거래에 해당하는 상기 신뢰 지수로 예측하는 신뢰 지수 예측 시스템
|
| 13 |
13
삭제
|
| 14 |
14
삭제
|
| 15 |
15
삭제
|
| 16 |
16
제12항에 있어서,상기 유사도는 상기 새로운 거래와 기존 거래간의 유클리드 거리(Euclideandistance)에 기초하여 계산되는 것을 특징으로 하는 신뢰 지수 예측 시스템
|
| 17 |
17
제12항에 있어서,상기 신뢰지수 예측부는,K-최근접 알고리즘(kNN algorithm)에 기초하여 상기 새로운 거래와 유사도가 가장 높은 순서로 복수개의 기존 거래를 검색하는 것을 특징으로 하는 신뢰 지수 예측 시스템
|
| 18 |
18
삭제
|
| 19 |
19
삭제
|
| 20 |
20
제12항에 있어서,상기 분류부는,상기 새로운 거래가 발생할 때 마다 상기 새로운 거래에 해당하는 고객 데이터, 회사 데이터, 및 물건 데이터를 데이터프레임에 지정된 진실(base)에 해당하는 열(column)에 할당하고, 데이터베이스에서 상기 새로운 거래와 관련된 기존 거래의 고객 데이터, 회사 데이터, 및 물건 데이터와 연관하여 저장된 거래 내역들을 추출하고, 상기 추출된 거래 내역들을 상기 데이터프레임에 지정된 능력(ability)에 해당하는 열(column)에 할당하고, 상기 새로운 거래에 해당하는 계약 조건을 상기 데이터프레임에 지정된 의도(intention)에 해당하는 열(column)에 할당하는 것을 특징으로 하는 신뢰 지수 예측 시스템
|
