맞춤기술찾기

이전대상기술

줄거리를 통한 머신러닝 기반의 미디어 흥행 예측

  • 기술번호 : KST2021009417
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 줄거리를 통한 머신러닝 기반의 미디어 흥행 예측이 개시된다. 본 명세서의 일 실시예에 따른 방법은 줄거리로 구성된 텍스트 데이터에 대하여 전처리를 수행하고, 제1 모델을 이용하여, 상기 전처리된 데이터로부터 감정점수를 산출하고, 상기 산출된 감정점수를 이용하여 제1 입력데이터를 생성하고, 제2 모델을 이용하여, 상기 전처리된 데이터로부터 제2 입력데이터를 생성하고, 상기 제1 입력데이터와 상기 제2 입력데이터를 미리 학습된 제3 모델에 적용하여, 상기 줄거리에 상응하는 컨텐츠의 후보클래스를 결정한다.
Int. CL G06Q 10/06 (2012.01.01) G06Q 10/04 (2012.01.01) G06Q 10/10 (2012.01.01) G06N 3/08 (2006.01.01) G06F 40/30 (2020.01.01) G06F 40/205 (2020.01.01)
CPC G06Q 10/06375(2013.01) G06Q 10/04(2013.01) G06Q 10/10(2013.01) G06N 3/08(2013.01) G06F 40/30(2013.01) G06F 40/205(2013.01)
출원번호/일자 1020190179963 (2019.12.31)
출원인 성균관대학교산학협력단
등록번호/일자
공개번호/일자 10-2021-0086191 (2021.07.08) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.12.31)
심사청구항수 16

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 성균관대학교산학협력단 대한민국 경기도 수원시 장안구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 정윤경 경기도 안양시 동안구
2 김유진 경상남도 진주시 남강로
3 이정훈 경기도 수원시 장안구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인로얄 대한민국 서울특별시 강남구 테헤란로***길**, *층(대치동, 삼호빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2019.12.31 수리 (Accepted) 1-1-2019-1362678-18
2 선행기술조사의뢰서
Request for Prior Art Search
2020.11.13 수리 (Accepted) 9-1-9999-9999999-89
3 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2020.12.01 수리 (Accepted) 1-1-2020-1299834-91
4 선행기술조사보고서
Report of Prior Art Search
2021.01.15 발송처리완료 (Completion of Transmission) 9-6-2021-0052646-69
5 의견제출통지서
Notification of reason for refusal
2021.03.22 발송처리완료 (Completion of Transmission) 9-5-2021-0230579-50
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2021.05.13 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-0555520-10
7 [공지예외적용 보완 증명서류]서류제출서
2021.05.13 수리 (Accepted) 1-1-2021-0555522-01
8 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2021.05.13 수리 (Accepted) 1-1-2021-0555519-63
9 [출원서 등 보완]보정서
2021.05.13 수리 (Accepted) 1-1-2021-0555521-55
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
줄거리로 구성된 텍스트 데이터에 대하여 전처리를 수행하는 단계;제1 모델을 이용하여, 상기 전처리된 데이터로부터 감정점수를 산출하는 단계;상기 산출된 감정점수를 이용하여 제1 입력데이터를 생성하는 단계;제2 모델을 이용하여, 상기 전처리된 데이터로부터 제2 입력데이터를 생성하는 단계; 및상기 제1 입력데이터와 상기 제2 입력데이터를 미리 학습된 제3 모델에 적용하여, 상기 줄거리에 상응하는 컨텐츠의 후보클래스를 결정하는 단계;를 포함하되,상기 후보클래스는, 흥행을 나타내는 제1 클래스와 비흥행을 나타내는 제2 클래스를 포함하는 것을 특징으로 하는, 방법
2 2
제1 항에 있어서,,상기 줄거리는,영화, 뮤지컬, 콘서트, 연극, 스포츠, 전시, 서적 또는 음악 중 적어도 하나를 포함하는 것을 특징으로 하는, 방법
3 3
제1 항에 있어서,상기 전처리를 수행하는 단계는,상기 줄거리로 구성된 텍스트 데이터를 문장 단위로 분할하는 단계를 포함하는 것을 특징으로 하는, 방법
4 4
제3 항에 있어서,상기 전처리를 수행하는 단계는,상기 문장 단위로 분할된 텍스트 데이터에 관한 리스트를 생성하는 단계를 더 포함하는 것을 특징으로 하는, 방법
5 5
제1 항에 있어서,상기 감정점수는,긍정점수(positive score), 부정점수(negative score), 중립점수(neutral score), 또는 혼합점수(compound score)를 포함하는 것을 특징으로 하는, 방법
6 6
제1 항에 있어서,상기 제1 모델은 감정점수에 관한 정보와 상기 전처리된 데이터를 학습 데이터로 제공하여 학습된 신경망 모델인 것을 특징으로 하는, 방법
7 7
제1 항에 있어서,상기 제1 모델은 VADER sentiment Analyzer인 것을 특징으로 하는, 방법
8 8
제1 항에 있어서,상기 감정점수는 N 차원의 벡터이고,상기 감정점수를 산출하는 단계는,상기 줄거리를 구성하는 복수의 문장 중 가장 마지막에 위치한 문장부터 역순으로 상기 복수의 문장 각각에 대한 감정점수를 산출하되, 상기 복수의 문장의 수(=M)가 N 미만인 경우, (N-M)만큼의 나머지 차원에는 제로패딩(zero-padding)을 적용하는 것을 특징으로 하는, 방법
9 9
제1 항에 있어서,상기 제2 모델은 ELMO 모델인 것을 특징으로 하는, 방법
10 10
제1 항에 있어서,제1 입력데이터를 생성하는 단계는,상기 감정점수를 Merged 1D CNN에 적용하여, 제1 특징벡터를 생성하는 것을 특징으로 하는, 방법
11 11
제1 항에 있어서,제1 입력데이터를 생성하는 단계는,상기 감정점수를 제1 Bidirectional LSTM에 적용하여 제1 벡터를 생성하는 단계,상기 제1 벡터를 제2 Bidirectional LSTM에 적용하여 제2 벡터를 생성하는 단계; 및상기 제1 벡터와 상기 제2 벡터를 합(add)하여 제2 특징벡터를 생성하는 단계;를 포함하는 것을 특징으로 하는, 방법
12 12
제1 항에 잇어서,상기 후보클래스를 결정하는 단계는,상기 제1 입력데이터와 상기 제2 입력데이터를 결합(concatenate)하여 결합벡터(concatenated vector)를 생성하는 단계;상기 결합벡터를 상기 미리 학습된 제3 모델에 적용하여, 상기 줄거리에 상응하는 컨텐츠의 후보 클래스를 결정하는 단계;를 포함하는 것을 특징으로 하는, 방법
13 13
제1 항에 있어서,상기 제3 모델은,컨텐츠에 관한 흥행점수가 레이블링된 학습용 줄거리에 기반하여 미리 학습된 분류모델이고,상기 학습용 줄거리는 전처리가 수행된 텍스트 데이터인 것을 특징으로 하는, 방법
14 14
제13 항에 있어서,상기 컨텐츠에 관한 흥행점수는,상기 학습용 줄거리에 관한 수요자의 평가점수이며,상기 평가점수가 X점 이상이면 흥행을 나타내는 상기 제1 클래스, Y점 미만이면 비흥행을 나타내는 상기 제2 클래스인 것을 특징으로 하는, 방법
15 15
제14 항에 있어서,상기 X와 상기 Y는 서로 다른 값인 것을 특징으로 하는, 방법
16 16
제1 항 내지 제14 항 중 어느 한 항의 방법을 컴퓨터 시스템에서 실행하기 위한 프로그램이 기록된 컴퓨터 시스템이 판독 가능한 기록매체
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 성균관대학교 중견연구지원사업 지능형 스토리 생성 시스템을 위한 텍스트 이해 기술 연구
2 과학기술정보통신부 성균관대학교 인공지능핵심고급인재양성사업 1단계 인공지능대학원지원