| 1 |
1
프로세서가 각 단계의 적어도 일부를 수행하는 학습 장치의 컨텐츠 추천 방법으로서,복수의 클래스에 대해, 컨텐츠의 클래스별 예측 확률을 입력 받는 단계;복수의 상기 클래스에 대해, 대상자의 클래스별 예측 확률을 입력 받는 단계; 및상기 컨텐츠의 클래스별 예측 확률 및 상기 대상자의 클래스별 예측 확률에 기반하여, 상기 대상자에게 상기 컨텐츠의 추천을 결정하는 단계를 포함하는,직무 교육 장치의 컨텐츠 추천 방법
|
| 2 |
2
제1 항에 있어서, 상기 컨텐츠의 추천을 결정하는 단계는,복수의 상기 클래스에 대해, 상기 대상자의 클래스별 예측 확률과 상기 컨텐츠의 클래스별 예측 확률을 비교하여, 상기 대상자에 대한 상기 컨텐츠의 유사도를 산출하는 단계; 및상기 유사도에 기반하여 상기 대상자에게 상기 컨텐츠의 추천을 결정하는 단계를 더 포함하는,직무 교육 장치의 컨텐츠 추천 방법
|
| 3 |
3
제2 항에 있어서,상기 유사도는 상기 대상자의 클래스별 예측 확률과 상기 컨텐츠의 클래스별 예측 확률의 L2 노름에 기반하는,직무 교육 장치의 컨텐츠 추천 방법
|
| 4 |
4
제1 항에 있어서,상기 클래스별 예측 확률은 복수의 상기 클래스에 대해, 상기 대상자 또는 상기 컨텐츠가 복수의 상기 클래스의 서로 다른 각 클래스에 해당할 것으로 예측된 확률인,직무 교육 장치의 컨텐츠 추천 방법
|
| 5 |
5
제4 항에 있어서,상기 클래스는 직무에 관련된 클래스 또는 난이도에 관련된 클래스인,직무 교육 장치의 컨텐츠 추천 방법
|
| 6 |
6
제2 항에 있어서,추천 개수 및 상기 유사도의 크기에 기반하여 상기 대상자에게 추천하기 위한 복수의 컨텐츠를 결정하는 단계를 더 포함하고,상기 대상자에게 추천하는 것으로 결정된 복수의 컨텐츠는 서로 다른 클래스에 속하는, 직무 교육 장치의 컨텐츠 추천 방법
|
| 7 |
7
프로세서가 각 단계의 적어도 일부를 수행하는 직무 교육 장치의 컨텐츠 추천 방법으로서,대상자의 생체 정보를 포함하는 대상자 정보를 입력 받는 단계;상기 대상자 정보에 기반하여 상기 대상자가 복수의 클래스 중 각 클래스에 대한 대상자의 클래스별 예측 확률을 산출하는 단계;복수의 클래스에 대해, 컨텐츠의 클래스별 예측 확률을 제공 받는 단계; 및상기 컨텐츠의 클래스별 예측 확률 및 상기 대상자의 클래스별 예측 확률에 기반하여, 상기 대상자에게 상기 컨텐츠의 추천을 결정하는 단계를 포함하는,직무 교육 장치의 컨텐츠 추천 방법
|
| 8 |
8
제7 항에 있어서,복수의 컨텐츠 및 복수의 컨텐츠의 메타 정보를 입력 받는 단계로서, 상기 메타 정보는 각 컨텐츠의 학습에 필요한 신체 활동량 정보가 포함된 정보이고,;복수의 컨텐츠 및 복수의 컨텐츠의 상기 메타 정보로부터 벡터 형태의 특징점을 추출하는 단계;상기 특징점을 머신 러닝에 기반한 다중 클래스 분류 모델에 입력하여 각 컨텐츠의 클래스별 예측 확률을 산출하는 단계를 더 포함하는, 직무 교육 장치의 컨텐츠 추천 방법
|
| 9 |
9
제7 항에 있어서,상기 대상자의 생체 정보는 상기 대상자의 수면 정보, 활동 정보 및 심박 정보 중 적어도 어느 하나에 기반하여 산출된 신체의 안정 상태와 관련된 정보인,직무 교육 장치의 컨텐츠 추천 방법
|
| 10 |
10
제8 항에 있어서,상기 컨텐츠의 메타 정보는 상기 컨텐츠의 학습 체계와 관련된 카테고리 정보, 상기 컨텐츠의 학습에 소요되는 소요 시간 및 상기 컨텐츠의 학습에 필요한 신체 활동량 중 적어도 어느 하나와 관련된 정보인,직무 교육 장치의 컨텐츠 추천 방법
|
| 11 |
11
제10 항에 있어서,상기 대상자에게 상기 컨텐츠의 추천을 결정하는 단계는,상기 대상자의 스케쥴 정보를 제공 받는 단계; 및상기 대상자의 스케쥴 정보 및 상기 컨텐츠의 학습에 소요되는 소요 시간에 기반하여 상기 컨텐츠의 추천을 결정하는 단계를 더 포함하는,직무 교육 장치의 컨텐츠 추천 방법
|
| 12 |
12
제7 항에 있어서,상기 대상자에게 상기 컨텐츠의 추천을 결정하는 단계는,복수의 상기 클래스에 대해, 상기 대상자의 클래스별 예측 확률과 상기 컨텐츠의 클래스별 예측 확률을 비교하여, 상기 대상자에 대한 상기 컨텐츠의 적합도를 산출하는 단계; 및상기 적합도에 기반하여 상기 대상자에게 상기 컨텐츠의 추천을 결정하는 단계를 더 포함하는,직무 교육 장치의 컨텐츠 추천 방법
|
| 13 |
13
프로세서; 및상기 프로세서와 전기적으로 연결되고, 상기 프로세서에서 수행되는 적어도 하나의 코드(code)가 저장되는 메모리를 포함하고,상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서가,복수의 클래스에 대해, 컨텐츠의 클래스별 예측 확률을 입력 받고, 복수의 상기 클래스에 대해, 대상자의 클래스별 예측 확률을 입력 받고, 상기 컨텐츠의 클래스별 예측 확률 및 상기 대상자의 클래스별 예측 확률에 기반하여, 상기 대상자에게 상기 컨텐츠의 추천을 결정하도록 야기하는 코드를 저장하는,직무 교육 장치
|
| 14 |
14
제1 항에 있어서,상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서가,복수의 상기 클래스에 대해, 상기 대상자의 클래스별 예측 확률과 상기 컨텐츠의 클래스별 예측 확률을 비교하여, 상기 대상자에 대한 상기 컨텐츠의 유사도를 산출하고, 상기 유사도에 기반하여 상기 대상자에게 상기 컨텐츠의 추천을 결정하도록 야기하는 코드를 더 저장하는,직무 교육 장치
|
| 15 |
15
제14 항에 있어서,상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서가,미리 결정된 추천 개수 또는 입력 받은 추천 개수 및 상기 유사도의 크기에 기반하여 상기 대상자에게 추천하기 위한 복수의 컨텐츠를 결정하도록 야기하는 코드를 더 저장하고,상기 대상자에게 추천하는 것으로 결정된 복수의 컨텐츠는 서로 다른 클래스에 속하는, 직무 교육 장치
|
| 16 |
16
프로세서; 및상기 프로세서와 전기적으로 연결되고, 상기 프로세서에서 수행되는 적어도 하나의 코드(code)가 저장되는 메모리를 포함하고,상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서가,대상자의 생체 정보를 포함하는 대상자 정보를 입력 받고, 상기 대상자 정보에 기반하여 상기 대상자가 복수의 클래스 중 각 클래스에 대한 대상자의 클래스별 예측 확률을 산출하고, 복수의 클래스에 대해, 컨텐츠의 클래스별 예측 확률을 제공 받고, 상기 컨텐츠의 클래스별 예측 확률 및 상기 대상자의 클래스별 예측 확률에 기반하여, 상기 대상자에게 상기 컨텐츠의 추천을 결정하도록 야기하는 코드를 저장하는,직무 교육 장치
|
| 17 |
17
제16 항에 있어서,상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서가,상기 복수의 컨텐츠 및 복수의 상기 컨텐츠의 메타 정보를 입력 받고, 복수의 컨텐츠 및 복수의 컨텐츠의 상기 메타 정보로부터 벡터 형태의 특징점을 추출하고, 상기 특징점을 머신 러닝에 기반한 다중 클래스 분류 모델에 입력하여 각 컨텐츠의 클래스별 예측 확률을 산출하도록 야기하는 코드를 더 저장하고,상기 메타 정보는 각 컨텐츠의 학습에 필요한 신체 활동량 정보가 포함된 정보인,직무 교육 장치
|
| 18 |
18
제16 항에 있어서,상기 대상자의 생체 정보는 상기 대상자의 수면 정보, 활동 정보 및 심박 정보 중 적어도 어느 하나에 기반하여 산출된 신체의 안정 상태와 관련된 정보인,직무 교육 장치
|
| 19 |
19
제17 항에 있어서,상기 컨텐츠의 메타 정보는 상기 컨텐츠의 학습 체계와 관련된 카테고리 정보, 상기 컨텐츠의 학습에 소요되는 소요 시간 및 상기 컨텐츠의 학습에 필요한 신체 활동량 중 적어도 어느 하나와 관련된 정보인,직무 교육 장치
|
