1 |
1
전자 장치가 단어를 추천하는 방법에 있어서,전자 의료 기록(electronic medical record, EMR) 데이터 작성을 위한 제1 사용자 입력에 기초하여 소정의 문자열을 획득하는 단계;상기 획득된 문자열을 단어 추천 모델에 입력함으로써, 상기 단어 추천 모델로부터, 상기 문자열 내 분석 대상 단어를 식별하는 단계;상기 분석 대상 단어에 대한 제2 사용자 입력에 기초하여, 상기 제2 사용자 입력에 따라 선택된 분석 대상 단어에 대한 후보 단어들을 식별하는 단계; 및상기 식별된 후보 단어들 중 하나의 후보 단어를 선택하는 제3 사용자 입력에 기초하여, 상기 제2 사용자 입력에 따라 선택된 분석 대상 단어를 상기 제3 사용자 입력에 따라 선택된 후보 단어로 변경하는 단계; 를 포함하는, 방법
|
2 |
2
제1항에 있어서, 상기 방법은상기 후보 단어를 포함하는 문자열을 표시하는 단계; 및상기 후보 단어를 포함하는 문자열을 피드백 데이터로 저장하는 단계; 를 포함하는, 방법
|
3 |
3
제2항에 있어서, 상기 방법은상기 저장된 피드백 데이터의 수를 식별하는 단계; 및상기 식별된 피드백 데이터의 수가 소정의 임계치 이상이 되면, 상기 피드백 데이터에 기초하여 상기 단어 추천 모델을 재 학습시키는 단계; 를 더 포함하는, 방법
|
4 |
4
제3항에 있어서, 상기 재 학습시키는 단계는상기 단어 추천 모델을 재 학습시키기 전에 이용된 학습 데이터 및 상기 피드백 데이터 사이의 크기 비율을 결정하는 단계;상기 크기 비율에 따라 상기 피드백 데이터의 크기를 조정하는 단계; 및상기 조정된 크기의 피드백 데이터를 이용하여 상기 단어 추천 모델을 재 학습시키는 단계; 를 포함하는, 방법
|
5 |
5
제1항에 있어서, 상기 방법은상기 식별된 분석 대상 단어를 강조하기 위해 상기 분석 대상 단어의 표시 형태를 변경하는 단계; 및상기 변경된 형태로 상기 분석 대상 단어를 상기 전자 장치의 디스플레이 상에 표시하는 단계; 를 포함하는, 방법
|
6 |
6
제1항에 있어서, 상기 문자열을 획득하는 단계는HTML5 및 CSS를 이용하여 제작된 웹 에디터 서비스를 통하여 제공되는 인터페이스상 상기 사용자 입력에 기초하여 상기 소정의 문자열을 획득하는 단계; 를 포함하는, 방법
|
7 |
7
제3항에 있어서, 상기 단어 추천 모델은공통 데이터 모델(Common Data Model) 서버 내 단어 데이터를 이용하여, 상기 식별된 분석 대상 단어에 대한 상기 후보 단어들을 식별하는 것을 특징으로 하는, 방법
|
8 |
8
제3항에 있어서, 상기 단어 추천 모델은소정의 전자 의료 기록(EMR) 데이터와 상기 제3 사용자 입력에 따라 선택된 후보 단어로 변경된 문자열을 포함하는 피드백 데이터 내 단어들의 유사도를 결정하고, 상기 결정된 유사도에 기초하여, 상기 전자 의료 기록 데이터 및 상기 피드백 데이터 내 단어들이 배치된 벡터 공간을 생성하는 워드 임베딩 모델을 포함하고,상기 벡터 공간 내 배치된 단어들을 이용하여 상기 후보 단어들을 식별하는 것을 특징으로 하는, 방법
|
9 |
9
제8항에 있어서, 상기 단어 추천 모델이 식별한 후보 단어들은후보 단어 리스트를 구성하고, 상기 후보 단어 리스트는 NoSQL 데이터 베이스 중 하나인 Mongo 데이터 베이스를 통해 관리되는 것을 특징으로 하는, 방법
|
10 |
10
제8항에 있어서, 상기 단어 추천 모델은상기 전자 의료 기록 데이터 또는 상기 피드백 데이터 내 단어의 스펠링을 학습하고, 학습된 스펠링에 기초하여 유사 단어들을 생성하는 글자 단위 신경망 모델을 더 포함하고,상기 벡터 공간에 배치된, 상기 전자 의료 기록 데이터 또는 상기 피드백 데이터 내 단어들과 상기 유사 단어들을 이용하여 상기 후보 단어들을 식별하는 것을 특징으로 하는, 방법
|
11 |
11
단어를 추천하는 전자 장치에 있어서,네트워크 인터페이스;디스플레이;하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 전자 의료 기록(electronic medical record, EMR) 데이터 작성을 위한 제1 사용자 입력에 기초하여 소정의 문자열을 획득하고,상기 획득된 문자열을 단어 추천 모델에 입력함으로써, 상기 단어 추천 모델로부터, 상기 문자열 내 분석 대상 단어를 식별하고,상기 분석 대상 단어에 대한 제2 사용자 입력에 기초하여, 상기 제2 사용자 입력에 따라 선택된 분석 대상 단어에 대한 후보 단어들을 식별하고,상기 식별된 후보 단어들 중 하나의 후보 단어를 선택하는 제3 사용자 입력에 기초하여, 상기 제2 사용자 입력에 따라 선택된 분석 대상 단어를 상기 제3 사용자 입력에 따라 선택된 후보 단어로 변경하는, 전자 장치
|
12 |
12
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 후보 단어를 포함하는 문자열을 표시하고,상기 후보 단어를 포함하는 문자열을 피드백 데이터로 저장하는, 전자 장치
|
13 |
13
제12항에 있어서, 상기 적어도 하나의 프로세서는상기 저장된 피드백 데이터의 수를 식별하고,상기 식별된 피드백 데이터의 수가 소정의 임계치 이상이 되면, 상기 피드백 데이터에 기초하여 상기 단어 추천 모델을 재 학습시키는, 전자 장치
|
14 |
14
제13항에 있어서, 상기 적어도 하나의 프로세서는상기 단어 추천 모델을 재 학습시키기 전에 이용된 학습 데이터 및 상기 피드백 데이터 사이의 크기 비율을 결정하고,상기 크기 비율에 따라 상기 피드백 데이터의 크기를 조정하고,상기 조정된 크기의 피드백 데이터를 이용하여 상기 단어 추천 모델을 재 학습시키는, 전자 장치
|
15 |
15
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 식별된 분석 대상 단어를 강조하기 위해 상기 분석 대상 단어의 표시 형태를 변경하고,상기 변경된 형태로 상기 분석 대상 단어를 상기 전자 장치의 디스플레이 상에 표시하는, 전자 장치
|
16 |
16
제11항에 있어서, 상기 적어도 하나의 프로세서는HTML5 및 CSS를 이용하여 제작된 웹 에디터 서비스를 통하여 제공되는 인터페이스상 상기 사용자 입력에 기초하여 상기 소정의 문자열을 획득하는, 전자 장치
|
17 |
17
제13항에 있어서, 상기 단어 추천 모델은공통 데이터 모델(Common Data Model) 서버 내 단어 데이터를 이용하여, 상기 식별된 분석 대상 단어에 대한 상기 후보 단어들을 식별하는 것을 특징으로 하는, 전자 장치
|
18 |
18
제13항에 있어서, 상기 단어 추천 모델은소정의 전자 의료 기록(EMR) 데이터와 상기 제3 사용자 입력에 따라 선택된 후보 단어로 변경된 문자열을 포함하는 피드백 데이터 내 단어들의 유사도를 결정하고, 상기 결정된 유사도에 기초하여, 상기 전자 의료 기록 데이터 및 상기 피드백 데이터 내 단어들이 배치된 벡터 공간을 생성하는 워드 임베딩 모델을 포함하고,상기 벡터 공간 내 배치된 단어들을 이용하여 상기 후보 단어들을 식별하는 것을 특징으로 하는, 전자 장치
|
19 |
19
제18항에 있어서, 상기 단어 추천 모델을 이용하여 식별된 후보 단어들은후보 단어 리스트를 구성하고, 상기 후보 단어 리스트는 NoSQL 데이터 베이스 중 하나인 Mongo 데이터 베이스를 통해 관리되는 것을 특징으로 하는, 전자 장치
|
20 |
20
전자 장치가 단어를 추천하는 방법에 있어서,전자 의료 기록(electronic medical record, EMR) 데이터 작성을 위한 제1 사용자 입력에 기초하여 소정의 문자열을 획득하는 단계;상기 획득된 문자열을 단어 추천 모델에 입력함으로써, 상기 단어 추천 모델로부터, 상기 문자열 내 분석 대상 단어를 식별하는 단계;상기 분석 대상 단어에 대한 제2 사용자 입력에 기초하여, 상기 제2 사용자 입력에 따라 선택된 분석 대상 단어에 대한 후보 단어들을 식별하는 단계; 및상기 식별된 후보 단어들 중 하나의 후보 단어를 선택하는 제3 사용자 입력에 기초하여, 상기 제2 사용자 입력에 따라 선택된 분석 대상 단어를 상기 제3 사용자 입력에 따라 선택된 후보 단어로 변경하는 단계; 를 포함하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록매체
|