맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 시스템 및 방법

  • 기술번호 : KST2022018740
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
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 본 발명은 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 시스템 및 방법은 기 작성된 리뷰 데이터를 수집한 후 상기 리뷰 데이터를 기반으로 감정예측모델을 생성하는 예측모델 생성부를 포함하고, 상기 감정예측모델에 실시간 리뷰가 입력되면 실시간 리뷰에 대한 감정예측결과를 출력한 후 사용자의 단말기에 상기 감정예측결과를 전송하는 서버를 포함하는 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 시스템 및 방법에 관한 것이다.
Int. CL G06Q 30/02 (2012.01.01) G06N 20/00 (2019.01.01) G06N 3/08 (2006.01.01)
CPC G06Q 30/0278(2013.01) G06Q 30/0201(2013.01) G06N 20/00(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020210022444 (2021.02.19)
출원인 동서대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0118703 (2022.08.26) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.02.19)
심사청구항수 5

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 동서대학교 산학협력단 대한민국 부산광역시 사상구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 안성우 울산 남구
2 장원태 부산 북구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김종석 대한민국 부산광역시 해운대구 센텀서로 **(우동) KNN타워 ****호(브릿지특허법률사무소)

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		 2021.02.19 수리 (Accepted) 1-1-2021-0203197-43
2 선행기술조사의뢰서
Request for Prior Art Search		 2022.07.18 수리 (Accepted) 9-1-9999-9999999-89
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
기 작성된 리뷰 데이터를 수집한 후 상기 리뷰 데이터를 기반으로 감정예측모델을 생성하는 예측모델 생성부를 포함하고, 상기 감정예측모델에 실시간 리뷰가 입력되면 실시간 리뷰에 대한 감정예측결과를 출력한 후 사용자의 단말기에 상기 감정예측결과를 전송하는 서버;를 포함하는 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 시스템
2 2
예측모델 생성부에 의하여, 기 작성된 리뷰 데이터가 수집된 후 상기 리뷰 데이터가 기반이 되어 감정예측모델이 생성되는 예측모델 생성단계;서버에 의하여, 상기 감정예측모델에 실시간 리뷰가 입력되면 실시간 리뷰에 대한 감정예측결과가 출력되는 감정예측결과 출력단계; 및 상기 서버에 의하여, 사용자의 단말기에 상기 감정예측결과가 전송되는 감정예측결과 전송단계;를 포함하는 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 방법
3 3
제 2항에 있어서, 상기 예측모델 생성단계는, 상기 리뷰 데이터에 포함된 평점이 기반이 되어 상기 리뷰 데이터가 긍정 데이터와 부정 데이터로 분리된 후 라벨링 되는 라벨링 단계;기 저장된 불용어 사전이 기반이 되어 상기 리뷰 데이터가 형태소 단위로 토큰화되고, 토큰화된 상기 리뷰데이터 중에서 빈도수가 기 설정된 빈도수 미만이면 제거되는 토큰화 단계;토큰화된 상기 리뷰 데이터가 정수 인코딩되는 정수 인코딩 단계;정수 인코딩된 상기 리뷰 데이터의 최대 길이와 평균 길이를 기반으로 최적 길이가 선정되고, 정수 인코딩된 상기 리뷰 데이터가 상기 최적 길이로 패딩화되는 패딩화 단계; 및패딩화된 상기 리뷰 데이터가 이용되어 GRU 기반의 인공 신경망 모델이 학습되는 학습 단계;를 포함하는 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 방법
4 4
제 3항에 있어서, 상기 학습 단계는, GRU 기반의 인공 신경망 모델이 훈련된 후 정확도(D)가 기 설정된 정확도(Dref)를 초과할 경우 상기 감정예측모델로 저장되는 것을 특징으로 하는 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 방법
5 5
제 2항에 있어서, 상기 감정예측결과는, 긍정감정 또는 부정감정 중 하나가 포함되고, 해당되는 감정에 대한 예측정확도가 포함되는 것을 특징으로 하는 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 방법
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 교육부 동서대학교산학협력단 사회맞춤형 산학협력 선도대학 (LINC+) 육성사업 사회맞춤형 산학협력 선도대학 (LINC+) 육성사업 (산학협력 고도화형)