맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

범주형 특징 인코딩을 위한 딥러닝 임베딩 기술

  • 기술번호 : KST2022010058
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
상담신청 PDF 받기
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 범주형 특징 인코딩을 위한 Deep Learned Embedding 기술이 개시된다. 일 실시예에 따른 임베딩 시스템에 의해 수행되는 임베딩 방법은, 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델에 범주형 데이터를 입력받는 단계; 및 상기 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델을 이용하여 상기 범주형 데이터의 분산 표현을 생성하는 단계를 포함할 수 있다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) G06F 40/126 (2020.01.01)
CPC G06N 3/08(2013.01) G06N 3/04(2013.01) G06F 40/126(2013.01)
출원번호/일자 1020200180623 (2020.12.22)
출원인 한양대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0089940 (2022.06.29) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.12.22)
심사청구항수 7

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 대한민국 서울특별시 성동구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 조인휘 서울특별시 성동구
2 무왐바카송고다후다 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

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		 2020.12.22 수리 (Accepted) 1-1-2020-1394613-69
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
임베딩 시스템에 의해 수행되는 임베딩 방법에 있어서, 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델에 범주형 데이터를 입력받는 단계; 및 상기 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델을 이용하여 상기 범주형 데이터의 분산 표현을 생성하는 단계를 포함하는 임베딩 방법
2 2
제1항에 있어서, 상기 임베딩 기술은, 자연어 처리에 사용되는 Word2vec 기술을 포함하고, 상기 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델은, 상기 자연어 처리에 사용되는 Word2vec 기술을 이용하여 상기 범주형 데이터에 대한 인코딩을 통해 분산 표현이 생성되도록 구축된 것을 특징으로 하는 임베딩 방법
3 3
제2항에 있어서, 상기 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델은,하나 또는 두 개의 은닉층(hidden layer)으로 구성된 얕은 신경망 또는 두 개 이상의 은닉층으로 구성된 심층 신경망이 구성되고, 상기 은닉층에 입력 데이터와 가중치가 사용되어 출력 데이터가 계산되는 제1 부분, 상기 출력 데이터에 활성화 함수를 통해 뉴런의 최종 출력 데이터가 제공되는 제2 부분이 포함되는 것을 특징으로 하는 임베딩 방법
4 4
제2항에 있어서, 상기 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델은,범주형 데이터의 특징 벡터를 상기 특징 인코딩을 위한 학습 모델의 신경망에 사용하기 위한 임베딩층을 포함하고, 상기 임베딩층에 의해 훈련 데이터 세트에 포함된 범주형 데이터가 특징 벡터로 학습되는 것을 특징으로 하는 임베딩 방법
5 5
제4항에 있어서, 상기 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델은,상기 학습된 특징 벡터가 연결됨에 따라 획득된 단일 벡터가 은닉층에 통과됨에 따라 벡터 표현이 생성되도록 학습된 것을 특징으로 하는 임베딩 방법
6 6
임베딩 시스템에 있어서, 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델에 범주형 데이터를 입력받는 입력부; 및 상기 딥러닝 기반의 임베딩 기술이 적용된 특징 인코딩을 위한 학습 모델을 이용하여 상기 범주형 데이터의 분산 표현을 생성하는 인코딩부를 포함하는 임베딩 시스템
7 7
제1항 내지 제5항 중 어느 한 항의 임베딩 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.