| 1 |
1
컴퓨터에 의해 수행되는 방법에 있어서,자연어 문장 및 SPO 튜플이 쌍으로 구성되어 저장되는 제1 저장소에 저장된 자연어 문장을 독출하는 단계;상기 자연어 문장으로부터 의존구문 파싱을 수행하여 의존구문 관계 정보를 생성하는 단계;상기 제1 저장소에 저장된 상기 자연어 문장과 쌍을 이루는 SPO 튜플을 독출하는 단계;상기 SPO 튜플과 상기 자연어 문장 및 상기 의존구문 관계 정보를 기반으로 딥러닝 모델의 학습을 위한 의존구문 기반의 제1 SPO 튜플 관계 정보를 생성하는 단계;상기 의존구문 관계 정보를 대상으로 임베딩을 수행하는 단계;상기 임베딩된 의존구문 관계 정보를 다계층 양방향 시계열 신경망 모델에 입력하여 제2 SPO 튜플 관계 정보를 인지하는 단계; 및상기 제1 및 제2 SPO 튜플 관계 정보를 비교하여 딥러닝 모델을 학습하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 2 |
2
제1항에 있어서,상기 임베딩된 의존구문 관계 정보를 다계층 양방향 시계열 신경망 모델에 입력하여 제2 SPO 튜플 관계 정보를 인지하는 단계는,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 어텐션을 수행하는 단계; 및상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 디코딩을 수행하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 3 |
3
제2항에 있어서,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태는 n번째 계층 중 마지막 계층의 시간 스텝 t에서의 전방향 은닉상태 및 후방향 은닉상태를 통합한 은닉상태인 것인,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 4 |
4
제3항에 있어서,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 어텐션을 수행하는 단계는,상기 시간 스텝 t에서의 어텐션 마스크 및 상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태를 기반으로 어텐션 점수를 산출하는 단계; 및상기 어텐션 점수 및 상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태를 기반으로 어텐션 가치를 산출하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 5 |
5
제4항에 있어서,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 디코딩을 수행하는 단계는,상기 어텐션 가치 및 상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태를 통합하여 상기 시간 스텝 t에서의 셀프 디코딩을 수행하는 것인,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 6 |
6
제5항에 있어서,상기 임베딩된 의존구문 관계 정보를 다계층 양방향 시계열 신경망 모델에 입력하여 제2 SPO 튜플 관계 정보를 인지하는 단계는,상기 셀프 디코딩 결과에 따른 셀프 디코딩 벡터를 대상으로 다계층 순방향 신경망과 완전 접속망을 이용하여 SPO 튜플 관계 클래스의 점수를 산출하는 단계; 및상기 SPO 튜플 관계 클래스의 점수에 대한 소프트맥스를 수행하여 상기 제2 SPO 튜플 관계 정보로 각 SPO 튜플 관계 클래스에 대한 확률값을 생성하는 단계를 포함하는딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 7 |
7
제6항에 있어서,상기 제1 및 제2 SPO 튜플 관계 정보를 비교하여 딥러닝 모델을 학습하는 단계는,상기 SPO 튜플 관계 클래스에 대한 확률값과 상기 제1 SPO 튜플 관계 정보를 이용하여 SPO 튜플 관계 인지 정확도를 비교하는 단계; 및상기 비교 결과에 기초하여 상기 딥러닝 모델의 파라미터를 수정 적용하여 학습하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 8 |
8
컴퓨터에 의해 수행되는 방법에 있어서,자연어 문장 및 SPO 튜플이 쌍으로 구성되어 저장되는 제1 저장소에 저장된 자연어 문장을 독출하는 단계;상기 자연어 문장으로부터 의존구문 파싱을 수행하여 의존구문 관계 정보를 생성하는 단계;상기 제1 저장소에 저장된 상기 자연어 문장과 쌍을 이루는 SPO 튜플을 독출하는 단계;상기 SPO 튜플과 상기 자연어 문장 및 상기 의존구문 관계 정보를 기반으로 딥러닝 모델의 학습을 위한 의존구문 기반의 제1 SPO 튜플 관계 정보를 생성하는 단계;상기 의존구문 관계 정보와 상기 제1 SPO 튜플 관계 정보를 쌍으로 구성하여 제2 저장소에 저장하는 단계;상기 의존구문 관계 정보를 대상으로 임베딩을 수행하는 단계;상기 임베딩된 의존구문 관계 정보를 다계층 양방향 시계열 신경망 모델에 입력하여 제2 SPO 튜플 관계 정보를 인지하는 단계; 및상기 제2 저장소에 저장된 제1 SPO 튜플 관계 정보와 상기 제2 SPO 튜플 관계 정보를 비교하여 딥러닝 모델을 학습하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 9 |
9
제8항에 있어서,상기 의존구문 관계 정보와 상기 제1 SPO 튜플 관계 정보를 쌍으로 구성하여 제2 저장소에 저장하는 단계는,상기 제1 저장소에 저장된 모든 자연어 문장 및 SPO 튜플을 대상으로 수행한 결과에 따른 상기 의존구문 관계 정보와 상기 제1 SPO 튜플 관계 정보를 쌍으로 구성하여 상기 제2 저장소에 저장하는 것인,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 10 |
10
제8항에 있어서,상기 임베딩된 의존구문 관계 정보를 다계층 양방향 시계열 신경망 모델에 입력하여 제2 SPO 튜플 관계 정보를 인지하는 단계는,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 어텐션을 수행하는 단계; 및상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 디코딩을 수행하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 11 |
11
제10항에 있어서,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태는 n번째 계층 중 마지막 계층의 시간 스텝 t에서의 전방향 은닉상태 및 후방향 은닉상태를 통합한 은닉상태인 것인,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 12 |
12
제11항에 있어서,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 어텐션을 수행하는 단계는,상기 시간 스텝 t에서의 어텐션 마스크 및 상기 상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태를 기반으로 어텐션 점수를 산출하는 단계; 및상기 어텐션 점수 및 상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태를 기반으로 어텐션 가치를 산출하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 13 |
13
제12항에 있어서,상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태에 대한 셀프 디코딩을 수행하는 단계는,상기 어텐션 가치 및 상기 다계층 양방향 시계열 신경망 모델의 마지막 계층의 은닉상태를 통합하여 상기 시간 스텝 t에서의 셀프 디코딩을 수행하는 것인,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 14 |
14
제13항에 있어서,상기 임베딩된 의존구문 관계 정보를 다계층 양방향 시계열 신경망 모델에 입력하여 제2 SPO 튜플 관계 정보를 인지하는 단계는,상기 셀프 디코딩 결과에 따른 셀프 디코딩 벡터를 대상으로 다계층 순방향 신경망과 완전 접속망을 이용하여 SPO 튜플 관계 클래스의 점수를 산출하는 단계; 및상기 SPO 튜플 관계 클래스의 점수에 대한 소프트맥스를 수행하여 상기 제2 SPO 튜플 관계 정보로 각 SPO 튜플 관계 클래스에 대한 확률값을 생성하는 단계를 포함하는딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 15 |
15
제14항에 있어서,상기 제2 저장소에 저장된 제1 SPO 튜플 관계 정보와 상기 제2 SPO 튜플 관계 정보를 비교하여 딥러닝 모델을 학습하는 단계는,상기 SPO 튜플 관계 클래스에 대한 확률값과 상기 제2 저장소에 저장된 제1 SPO 튜플 관계 정보를 이용하여 SPO 튜플 관계 인지 정확도를 비교하는 단계; 및상기 비교 결과에 기초하여 상기 딥러닝 모델의 파라미터를 수정 적용하여 학습하는 단계를 포함하는,딥러닝 기반 SPO 튜플 관계 인지 방법
|
| 16 |
16
딥러닝 기반의 SPO 튜플 관계 인지 장치에 있어서,자연어 문장 및 SPO 튜플이 쌍으로 구성되어 저장되는 제1 저장소와, 상기 SPO 튜플 관계를 인지하기 위한 프로그램이 저장된 메모리 및상기 메모리에 저장된 프로그램을 프로세서를 포함하고,상기 프로세서는 상기 프로그램을 실행시킴에 따라, 상기 제1 저장소에 저장된 자연어 문장을 독출하고 의존구문을 파싱하여 의존구문 관계 정보를 생성하고,상기 제1 저장소에 저장된 상기 자연어 문장과 쌍을 이루는 SPO 튜플을 독출하여, 상기 SPO 튜플과 상기 자연어 문장 및 상기 의존구문 관계 정보를 기반으로 딥러닝 모델의 학습을 위한 의존구문 기반의 제1 SPO 튜플 관계 정보를 생성한 후,상기 의존구문 관계 정보를 대상으로 임베딩을 수행하고, 상기 임베딩된 의존구문 관계 정보를 다계층 양방향 시계열 신경망 모델에 입력하여 제2 SPO 튜플 관계 정보를 인지하고, 상기 제1 및 제2 SPO 튜플 관계 정보를 비교하여 딥러닝 모델을 학습하는 것인,딥러닝 기반의 SPO 튜플 관계 인지 장치
|
