1 |
1
영상 검색을 위한 단순화 문장 생성 장치에 있어서,학습 데이터가 저장된 학습 데이터 베이스;상기 학습 데이터로 학습을 수행하여 생성된 모델을 통해 사용자 입력 질의문으로부터 단순화 문장을 생성하는 단순화 문장 생성부; 를 포함하되;상기 학습 데이터베이스는 제 1 메타데이터 및 제 2 메타데이터를 상기 학습 데이터로 구축하고,상기 제 1 메타데이터는 단순 질의문으로 구성되고 상기 제 2 메타데이터는 복합 질의문으로 구성되는 것을 특징으로 하는 단순화 문장 생성 장치
|
2 |
2
제 1 항에 있어서, 상기 단순화 문장 생성부는 학습을 위해 상기 제 1 메타데이터와 상기 제 2 메타데이터를 벡터 형태로 표현하는 임베딩을 수행하는 단순화 문장 생성 장치
|
3 |
3
제 2항에 있어서, 상기 단순화 문장 생성부는상기 학습 데이터로 학습을 수행하여 생성된,상기 제 2 메타데이터로부터 단순화된 질의문을 생성하는, 단순화된 질의문 생성 모델; 을 포함하는 것을 특징으로 하는 단순화 문장 생성 장치
|
4 |
4
제 3항에 있어서, 상기 단순화 문장 생성부는상기 학습 데이터로 학습을 수행하여 생성된,상기 생성된 단순화된 질의문과 상기 제 1 메타데이터를 비교하고 판별하는, 판별 모델; 을 포함하는 것을 특징으로 하는 단순화 문장 생성 장치
|
5 |
5
제 4항에 있어서, 상기 단순화된 질의문 생성 모델과 상기 판별 모델은 GAN(Generative Adversarial Network)기반인 것을 포함하는 단순화 문장 생성 장치
|
6 |
6
제 5항에 있어서, 학습 효과를 높이기 위해 어텐션 메커니즘을 적용하여상기 단순화된 질의문 생성 모델과 상기 판별 모델이 attention GAN 기반인 것을 포함하는 단순화 문장 생성 장치
|
7 |
7
제 5항에 있어서, 상기 단순화된 질의문 생성 모델의 학습을 수행할 때,손실함수 값을 계산하되,상기 손실함수 값의 계산 시 문장 어휘력, 문장 복잡도 및 벡터 유사도 중 적어도 어느 하나를 고려하는 것을 특징으로 하는 단순화 문장 생성 장치
|
8 |
8
제 7항에 있어서,상기 단순화된 질의문 생성 모델은 상기 손실함수 값과 상기 판별 모델의 판별 결과를 피드백 받고,상기 판별 모델은 판별의 정답 값을 피드백 받는 것을 특징으로 하는 단순화 문장 생성 장치
|
9 |
9
사용자 입력 질의문으로부터 단순화 문장을 생성하는 단순화 문장 생성 장치;단순화 문장 생성 장치로부터 생성된 단순화 문장과 영상들의 메타데이터를 비교하여 관련도를 계산하는 관련도 계산 장치;상기 관련도가 높은 영상들을 검색 결과로 제공하는 검색결과 제공 부;를 포함하는 영상 검색 장치
|
10 |
10
제 9항에 있어서,각 영상의 구간별로 메타데이터를 생성하는 영상 캡셔닝 부; 를 더 포함하되,상기 영상 캡셔닝 부는,상기 메타데이터를 인공 지능 기술을 이용하여 자동으로 생성하는 것을 특징으로 하는 영상 검색 장치
|
11 |
11
영상 검색을 위한 단순화 문장 생성 단계;상기 단순화 문장 생성 단계를 통해 생성된 단순화 문장과 영상들의 메타데이터를 비교하여 관련도를 계산하는 단계;상기 관련도가 높은 영상들을 검색 결과로 제공하는 단계;를 포함하는 영상 검색 방법
|
12 |
12
제 11항에 있어서,상기 단순화 문장 생성 단계는,단순화 문장을 생성하기 위해 학습 데이터가 구축된 학습 데이터 베이스를 구성하는 단계;상기 학습 데이터를 이용하여 학습을 수행하여 사용자 입력 질의문으로부터 단순화 문장을 생성하는 단계;를 포함하는 영상 검색 방법
|
13 |
13
제 12항에 있어서,상기 학습 데이터 베이스를 구성하는 단계에서 제 1 메타데이터 및 제 2 메타데이터를 상기 학습 데이터로 구축하되,상기 제 1 메타데이터는 단순 질의문으로 구성되고 상기 제 2 메타데이터는 복합 질의문으로 구성되는 것을 특징으로 하는 영상 검색 방법
|
14 |
14
제 13항에 있어서,상기 단순화 문장 생성 단계는 학습을 위해 상기 제 1 메타데이터와 상기 제 2 메타데이터를 벡터 형태로 표현하는 임베딩 과정을 포함하는 것을 특징으로 하는 영상 검색 방법
|
15 |
15
제 14항에 있어서,상기 단순화 문장 생성 단계는,상기 학습데이터를 이용하여 학습을 수행하는, 상기 제 2 메타데이터로부터 단순화된 질의문을 생성하는 단계; 및상기 학습데이터를 이용하여 학습을 수행하는, 상기 생성된 단순화된 질의문과 상기 제 1 메타데이터를 비교하여 판별하는 단계; 를 포함하는 영상 검색 방법
|
16 |
16
제 15항에 있어서, 상기 단순화된 질의문을 생성하는 단계와 상기 판별하는 단계는 GAN 기반인 것을 포함하는 영상 검색 방법
|
17 |
17
제 16항에 있어서, 학습 효과를 높이기 위해 어텐션 메커니즘을 더 적용하여상기 단순화된 질의문을 생성하는 단계 및 상기 판별하는 단계가 (self) attention GAN 기반인 것을 포함하는 영상 검색 방법
|
18 |
18
제 16항에 있어서, 상기 단순화된 질의문을 생성하는 단계는 손실함수 값을 계산하며 학습을 수행하되,상기 손실함수 값의 계산 시 문장 어휘력, 문장 복잡도 및 벡터 유사도 중 적어도 어느 하나를 고려하는 영상 검색 방법
|
19 |
19
제 18 항에 있어서,상기 단순화된 질의문을 생성하는 단계는 상기 손실함수 값과 판별 모델의 판별 결과를 피드백 받고,상기 판별하는 단계는 판별의 정답 값을 피드백 받는 것을 특징으로 하는 영상 검색 방법
|
20 |
20
제 11항에 있어서,각 영상의 구간 별로 메타데이터를 생성하는 영상 캡셔닝 단계; 를 더 포함하되,상기 영상 캡셔닝 단계는,상기 메타데이터를 인공 지능 기술을 이용하여 자동으로 생성하는 것을 포함하는 영상 검색 방법
|