| 1 |
1
상업시설의 전력사용량 데이터를 수집하는 전력사용정보 수집부;상기 상업시설의 영업정보에 대한 사용자 피드백 데이터를 수집하는 피드백 수집부;기 설정된 일정기간동안 누적된 사용자 피드백 데이터를 이용하여 상기 상업시설의 영업여부를 의미하는 레이블 데이터를 생성하는 레이블 데이터 생성부; 및상기 레이블 데이터와 전력사용량 데이터를 이용하여 상업시설 영업시간 예측모델을 생성하는 학습부;를 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 2 |
2
제1항에 있어서,상기 상업시설 영업시간 예측모델의 예측 정확도를 산출하고, 상기 예측 정확도에 기초하여 상기 상업시설 영업시간 예측모델을 검증하는 검증부를 더 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 3 |
3
제1항에 있어서, 상기 레이블 데이터 생성부는, 상기 사용자 피드백 데이터의 오염 여부를 판정하는 오염 데이터 판정부;상기 오염되지 않은 사용자 피드백 데이터에 대해 유효성을 판정하는 유효성 판정부; 및 유효한 사용자 피드백 데이터를 이용하여 레이블 데이터를 생성하는 레이블 생성부를 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 4 |
4
제3항에 있어서, 상기 오염 데이터 판정부는, 상기 누적된 사용자 피드백 데이터를 특정 주기의 사용자 피드백 데이터 셋으로 분류하고, 상기 분류된 각 사용자 피드백 데이터 셋에 대해, 단위시간당 사용자 피드백 데이터 발생 분포, 기 설정된 시간동안 동일 IP에서 발생한 사용자 피드백 데이터 횟수, 및 기 설정된 시간동안 사용자 피드백 데이터 발생 지역의 개수 중 적어도 하나에 기초하여 오염 데이터 여부를 판정하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 5 |
5
제4항에 있어서, 상기 유효성 판정부는, 오염되지 않은 사용자 피드백 데이터 셋에 대해 주기성 데이터인지를 판단하고, 주기성 데이터인 경우 노이즈성 데이터인지를 식별하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 6 |
6
제5항에 있어서, 상기 유효성 판정부는, 상기 오염되지 않은 각 사용자 피드백 데이터 셋에 FFT를 적용하여 주파수 도메인의 사용자 피드백 데이터로 변환하고, 상기 주파수 도메인의 사용자 피드백 데이터의 우세 주파수(Dominat Frequency)의 크기, Peak의 개수 및 임계값 초과 주파수 성분의 비율 중 적어도 하나를 이용하여 상기 사용자 피드백 데이터 셋이 주기성 데이터인지를 판단하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 7 |
7
제6항에 있어서, 상기 유효성 판정부는,상기 주기성을 갖는 사용자 피드백 데이터 셋에 대해 같은 값을 갖는 데이터의 비율, 및 전력사용량과 사용자 피드백 데이터의 부합률에 기초하여 노이즈 데이터를 식별하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 8 |
8
제1항에 있어서, 상기 학습부는,학습에 필요한 하이퍼파라미터를 최적화하고, 상기 최적화된 하이퍼파라미터, 레이블 데이터 및 상기 전력사용량 데이터를 이용하여 상기 상업시설 영업시간 예측모델을 생성하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 9 |
9
제1항에 있어서,상기 상업시설의 실시간 전력사용량 데이터를 입력받아, 상기 실시간 전력사용량 데이터를 상기 학습부에서 생성된 상업시설 영업시간 예측모델에 반영하여 상업시설의 영업시간을 예측하고, 상기 예측한 상업시설의 영업시간 및 피드백 데이터 요청 정보를 포함하는 상업시설의 영업 정보를 외부에 제공하는 영업정보 제공부; 및 상기 피드백 데이터 요청 정보를 통해 사용자 피드백 데이터를 수신하는 피드백 데이터 수신 처리부를 더 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 장치
|
| 10 |
10
전력사용정보 수집부가 상업시설의 전력사용량 데이터를 수집하는 단계;피드백 수집부가 상기 상업시설의 영업정보에 대한 사용자 피드백 데이터를 수집하는 단계;레이블 데이터 생성부가 기 설정된 일정기간동안 누적된 사용자 피드백 데이터를 이용하여 상기 상업시설의 영업여부를 의미하는 레이블 데이터를 생성하는 단계; 및학습부가 상기 레이블 데이터와 전력사용량 데이터를 이용하여 상업시설 영업시간 예측모델을 생성하는 단계를 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 11 |
11
제10항에 있어서,검증부가 상기 상업시설 영업시간 예측모델의 예측 정확도를 산출하고, 상기 예측 정확도에 기초하여 상기 상업시설 영업시간 예측모델을 검증하는 단계를 더 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 12 |
12
제10항에 있어서, 상기 레이블 데이터를 생성하는 단계는, 오염 데이터 판정부가 상기 사용자 피드백 데이터의 오염 여부를 판정하는 단계;유효성 판정부가 상기 오염되지 않은 사용자 피드백 데이터에 대해 유효성을 판정하는 단계; 및 레이블 생성부가 유효한 사용자 피드백 데이터를 이용하여 레이블 데이터를 생성하는 단계를 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 13 |
13
제12항에 있어서, 상기 사용자 피드백 데이터의 오염 여부를 판정하는 단계에서, 상기 오염 데이터 판정부는, 상기 누적된 사용자 피드백 데이터를 특정 주기의 사용자 피드백 데이터 셋으로 분류하고, 상기 분류된 각 사용자 피드백 데이터 셋에 대해, 단위시간당 사용자 피드백 데이터 발생 분포, 기 설정된 시간동안 동일 IP에서 발생한 사용자 피드백 데이터 횟수, 및 기 설정된 시간동안 사용자 피드백 데이터 발생 지역의 개수 중 적어도 하나에 기초하여 오염 데이터 여부를 판정하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 14 |
14
제13항에 있어서, 상기 유효성을 판정하는 단계에서, 상기 유효성 판정부는, 오염되지 않은 사용자 피드백 데이터 셋에 대해 주기성 데이터인지를 판단하고, 주기성 데이터인 경우 노이즈성 데이터인지를 식별하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 15 |
15
제14항에 있어서, 상기 유효성 판정부는, 상기 오염되지 않은 각 사용자 피드백 데이터 셋에 FFT를 적용하여 주파수 도메인의 사용자 피드백 데이터로 변환하고, 상기 주파수 도메인의 사용자 피드백 데이터의 우세 주파수(Dominat Frequency)의 크기, Peak의 개수 및 임계값 초과 주파수 성분의 비율 중 적어도 하나를 이용하여 상기 사용자 피드백 데이터 셋이 주기성 데이터인지를 판단하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 16 |
16
제15항에 있어서, 상기 유효성 판정부는, 상기 주기성을 갖는 사용자 피드백 데이터 셋에 대해 같은 값을 갖는 데이터의 비율, 및 전력사용량과 사용자 피드백 데이터의 부합률에 기초하여 노이즈 데이터를 식별하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 17 |
17
제10항에 있어서, 상기 상업시설 영업시간 예측모델을 생성하는 단계에서, 상기 학습부는, 학습에 필요한 하이퍼파라미터를 최적화하고, 상기 최적화된 하이퍼파라미터, 레이블 데이터 및 상기 전력사용량 데이터를 이용하여 상기 상업시설 영업시간 예측모델을 생성하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
| 18 |
18
제10항에 있어서,영업정보 제공부가 상기 상업시설의 실시간 전력사용량 데이터를 입력받아, 상기 실시간 전력사용량 데이터를 상기 학습부에서 생성된 상업시설 영업시간 예측모델에 반영하여 상업시설의 영업시간을 예측하고, 상기 예측한 상업시설의 영업시간 및 피드백 데이터 요청 정보를 포함하는 상업시설의 영업 정보를 외부에 제공하는 단계; 및 피드백 데이터 수신 처리부가 상기 피드백 데이터 요청 정보를 통해 사용자 피드백 데이터를 수신하는 단계를 더 포함하는 것을 특징으로 하는 상업시설 영업시간 예측모델 생성 방법
|
