| 1 |
1
분류모델 학습부가, 복수의 학습 데이터를 메타데이터에 기반하여 분류한 결과인 복수의 데이터집합 각각에 대응되는 분류모델을 학습시키는 단계;데이터 비교부가, 상기 메타데이터 및 소정의 데이터 유사 판단 기준 중 적어도 하나를 이용하여, 상기 복수의 데이터집합 중에서 분류 대상인 대상 데이터에 대응되는 데이터집합인 선택데이터집합을 결정하는 단계; 및데이터 분류부가, 상기 선택데이터집합에 대응되는 분류모델인 선택분류모델을 이용하여 상기 대상 데이터를 분류하는 단계를 포함하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 2 |
2
제1항에 있어서,상기 선택데이터집합을 결정하는 단계는상기 대상 데이터의 상기 메타데이터에 관한 정보가 존재하면, 상기 메타데이터 및 상기 유사 판단 기준 중 적어도 하나를 이용하고,상기 대상 데이터의 상기 메타데이터에 관한 정보가 존재하지 않으면, 상기 유사 판단 기준을 이용하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 3 |
3
제1항에 있어서,상기 분류모델을 학습시키는 단계와 상기 선택데이터집합을 결정하는 단계의 사이에,상기 분류모델 학습부가, 상기 복수의 데이터집합에 포함된 개별 데이터집합과 상기 개별 데이터집합에 대응되는 분류모델을 짝지어 저장소에 저장하는 단계를 더 포함하고,상기 데이터 비교부는 상기 저장소로부터 상기 복수의 데이터집합을 획득하고, 상기 데이터 분류부는 상기 저장소로부터 상기 선택분류모델을 획득하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 4 |
4
제1항에 있어서,상기 분류모델을 학습시키는 단계는상기 복수의 데이터집합 각각에 대하여,복수의 분류모델 중 하나인 임시 분류모델을 학습시키는 단계;혼동행렬(confusion matrix)에 기초하여, 상기 학습된 임시 분류모델의 성능을 평가하는 단계; 및상기 복수의 분류모델 모두에 대하여, 상기 임시 분류모델을 학습시키는 단계 및 상기 학습된 임시 분류모델의 성능을 평가하는 단계를 수행하여, 상기 평가된 성능에 따라 하나의 분류모델을 결정하는 단계를 포함하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 5 |
5
제4항에 있어서,상기 복수의 분류모델은확률 및 통계, 도메인 변환, 인공 신경망, 전문가 시스템, 인스턴스 기반 학습, 의사 결정 트리 및 앙상블 기법에 기반한 분류모델들 중에서 선정되는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 6 |
6
제1항에 있어서,상기 복수의 학습 데이터 및 상기 대상 데이터에 대하여 소정의 기준에 따른 대표값을 추출하는 특징추출(feature extraction) 및 상기 대표값으로 구성된 특징 공간의 차원을 축소하는 차원축소(dimensionality reduction)는사전 설정에 따라서 데이터 처리부 및 상기 분류모델 중 하나에 의해 수행되거나, 상기 데이터 처리부 및 상기 분류모델에서 나뉘어 수행되는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 7 |
7
제6항에 있어서,상기 데이터 처리부가 특징추출 또는 차원축소를 수행하는 경우에,상기 분류모델을 학습시키는 단계의 이전에, 상기 데이터 처리부가, 상기 복수의 학습 데이터에 대하여 특징추출 또는 차원축소를 수행하는 단계; 및상기 선택데이터집합을 결정하는 단계의 이전에,상기 데이터 처리부가, 상기 대상 데이터에 대하여 특징추출 또는 차원축소를 수행하는 단계를 더 포함하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 8 |
8
제1항에 있어서,상기 데이터 유사 판단 기준은상기 복수의 데이터집합 각각에 포함된 데이터와 상기 대상 데이터의 유사도가 소정의 유사임계치 이상인지 여부 또는 상기 복수의 데이터집합 각각에 포함된 데이터와 상기 대상 데이터의 오차가 소정의 오차임계치 이하인지 여부인 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델의 동작 방법
|
| 9 |
9
저장소;복수의 학습 데이터를 메타데이터에 기반하여 분류한 결과인 복수의 데이터집합 각각에 대응되는 분류모델을 학습시키고, 상기 복수의 데이터집합에 포함된 개별 데이터집합과 상기 개별 데이터집합에 대응되는 분류모델을 짝지어 상기 저장소에 저장하는 분류모델 학습부;상기 메타데이터 및 소정의 데이터 유사 판단 기준 중 적어도 하나를 이용하여, 상기 복수의 데이터집합 중에서 분류 대상인 대상 데이터에 대응되는 데이터집합인 선택데이터집합을 결정하는 데이터 비교부; 및상기 선택데이터집합에 대응되는 분류모델인 선택분류모델을 이용하여 상기 대상 데이터를 분류하는 데이터 분류부를 포함하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델 장치
|
| 10 |
10
제9항에 있어서,상기 데이터 비교부는상기 대상 데이터의 상기 메타데이터에 관한 정보가 존재하면, 상기 메타데이터 및 상기 유사 판단 기준 중 적어도 하나를 이용하고,상기 대상 데이터의 상기 메타데이터에 관한 정보가 존재하지 않으면, 상기 유사 판단 기준을 이용하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델 장치
|
| 11 |
11
제9항에 있어서,상기 분류모델 학습부는상기 복수의 데이터집합 각각에 대하여,복수의 분류모델 중 하나인 임시 분류모델을 학습시키고, 혼동행렬(confusion matrix)에 기초하여, 상기 학습된 임시 분류모델의 성능을 평가하는 과정을 상기 복수의 분류모델 모두에 대하여 수행하고, 상기 평가된 성능에 따라 하나의 분류모델을 결정하는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델 장치
|
| 12 |
12
제11항에 있어서,상기 복수의 분류모델은확률 및 통계, 도메인 변환, 인공 신경망, 전문가 시스템, 인스턴스 기반 학습, 의사 결정 트리 및 앙상블 기법에 기반한 분류모델들 중에서 선정되는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델 장치
|
| 13 |
13
제9항에 있어서,상기 복수의 학습 데이터 및 상기 대상 데이터에 대하여 소정의 기준에 따른 대표값을 추출하는 특징추출(feature extraction) 및 상기 대표값으로 구성된 특징 공간의 차원을 축소하는 차원축소(dimensionality reduction)는사전 설정에 따라서 데이터 처리부 및 상기 분류모델 중 하나에 의해 수행되거나, 상기 데이터 처리부 및 상기 분류모델에서 나뉘어 수행되는 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델 장치
|
| 14 |
14
제9항에 있어서,상기 데이터 유사 판단 기준은상기 복수의 데이터집합 각각에 포함된 데이터와 상기 대상 데이터의 유사도가 소정의 유사임계치 이상인지 여부 또는 상기 복수의 데이터집합 각각에 포함된 데이터와 상기 대상 데이터의 오차가 소정의 오차임계치 이하인지 여부인 것을 특징으로 하는 메타데이터를 이용한 독립 분류 모델 장치
|
