맞춤기술찾기
이전대상기술
시공간 구조 기반의 확률 그래프 모델 학습 장치 및 방법
- 기술번호 : KST2015135462
- 담당센터 : 서울동부기술혁신센터
- 전화번호 : 02-2155-3662
| 요약 | 스트림 데이터에 대응되는 변수를 포함하는 제 1 매트릭스를 생성하는 제 1 매트릭스 생성부, 제 1 매트릭스의 변수들을 관심 대상이 되는 목적 변수(object variable)와 상기 목적 변수 이외의 입력 변수(input variable)로 분류하고, 입력 변수에 대한 다차원 조합(multi-order combination)을 통해 조합 변수(combination variable)를 획득하고, 획득된 조합 변수를 이용하여 제 2 매트릭스를 생성하는 제 2 매트릭스 생성부, 및 제 1 매트릭스의 목적 변수와 제 2 매트릭스의 조합 변수를 이용하여 확률 그래프 모델을 생성하는 모델 생성부를 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 장치가 제공된다. |
|---|---|
| Int. CL | G06F 17/16 (2006.01.01) G06N 5/04 (2006.01.01) G06N 7/00 (2006.01.01) |
| CPC | G06F 17/16(2013.01) G06F 17/16(2013.01) G06F 17/16(2013.01) G06F 17/16(2013.01) G06F 17/16(2013.01) G06F 17/16(2013.01) G06F 17/16(2013.01) G06F 17/16(2013.01) G06F 17/16(2013.01) |
| 출원번호/일자 | 1020100078012 (2010.08.12) |
| 출원인 | 삼성전자주식회사, 서울대학교산학협력단 |
| 등록번호/일자 | 10-1672500-0000 (2016.10.28) |
| 공개번호/일자 | 10-2012-0015693 (2012.02.22) 문서열기 |
| 공고번호/일자 | (20161103) 문서열기 |
| 국제출원번호/일자 | |
| 국제공개번호/일자 | |
| 우선권정보 | |
| 법적상태 | 소멸 |
| 심사진행상태 | 수리 |
| 심판사항 | |
| 구분 | 신규 |
| 원출원번호/일자 | |
| 관련 출원번호 | |
| 심사청구여부/일자 | Y (2015.08.07) |
| 심사청구항수 | 18 |
출원인
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 삼성전자주식회사 | 대한민국 | 경기도 수원시 영통구 |
| 2 | 서울대학교산학협력단 | 대한민국 | 서울특별시 관악구 |
발명자
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 김여진 | 대한민국 | 경기도 화성시 영통로**번길 ** |
| 2 | 장병탁 | 대한민국 | 서울특별시 서초구 |
| 3 | 배병철 | 대한민국 | 경기도 안양시 동안구 |
| 4 | 최현진 | 대한민국 | 서울특별시 송파구 |
| 5 | 정윤경 | 대한민국 | 경기도 안양시 동안구 |
| 6 | 최영상 | 대한민국 | 경기도 성남시 분당구 |
대리인
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 특허법인 신지 | 대한민국 | 서울특별시 강남구 테헤란로*길 **, *층 ***호실(역삼동, 청원빌딩) |
최종권리자
| 번호 | 이름 | 국적 | 주소 |
|---|---|---|---|
| 1 | 삼성전자주식회사 | 경기도 수원시 영통구 | |
| 2 | 서울대학교산학협력단 | 서울특별시 관악구 |
| 번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
|---|---|---|---|---|
| 1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2010.08.12 | 수리 (Accepted) | 1-1-2010-0520390-71 |
| 2 | 보정요구서 Request for Amendment |
2010.08.16 | 발송처리완료 (Completion of Transmission) | 1-5-2010-0073454-24 |
| 3 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2010.09.16 | 수리 (Accepted) | 1-1-2010-0604780-11 |
| 4 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2011.09.27 | 수리 (Accepted) | 4-1-2011-5195109-43 |
| 5 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2012.06.21 | 수리 (Accepted) | 4-1-2012-5132663-40 |
| 6 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2013.01.14 | 수리 (Accepted) | 4-1-2013-5007213-54 |
| 7 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2015.03.17 | 수리 (Accepted) | 4-1-2015-5033829-92 |
| 8 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2015.05.13 | 수리 (Accepted) | 4-1-2015-5062924-01 |
| 9 | [심사청구]심사청구(우선심사신청)서 [Request for Examination] Request for Examination (Request for Preferential Examination) |
2015.08.07 | 수리 (Accepted) | 1-1-2015-0769200-15 |
| 10 | 등록결정서 Decision to grant |
2016.07.29 | 발송처리완료 (Completion of Transmission) | 9-5-2016-0549329-83 |
| 11 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.05.13 | 수리 (Accepted) | 4-1-2019-5093546-10 |
| 12 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.05.23 | 수리 (Accepted) | 4-1-2019-5101798-31 |
| 13 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.08.02 | 수리 (Accepted) | 4-1-2019-5154561-59 |
| 14 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2020.11.25 | 수리 (Accepted) | 4-1-2020-5265458-48 |
| 번호 | 청구항 |
|---|---|
| 1 |
1 스트림 데이터에 대응되는 변수를 포함하는 제 1 매트릭스를 생성하는 제 1 매트릭스 생성부; 상기 제 1 매트릭스의 변수들을 관심 대상이 되는 목적 변수(object variable)와 상기 목적 변수 이외의 입력 변수(input variable)로 분류하고, 상기 입력 변수에 대한 다차원 조합(multi-order combination)을 통해 조합 변수(combination variable)를 획득하고, 획득된 조합 변수를 이용하여 제 2 매트릭스를 생성하는 제 2 매트릭스 생성부; 및상기 제 1 매트릭스의 목적 변수와 상기 제 2 매트릭스의 조합 변수를 이용하여 확률 그래프 모델을 생성하는 모델 생성부; 를 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 2 |
2 제 1 항에 있어서, 상기 제 1 매트릭스 생성부는 상기 스트림 데이터의 종류에 대응되는 행(row)과 상기 스트림 데이터의 입력 시간에 대응되는 열(column)을 갖는 2차원 구조에 상기 변수를 배열하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 3 |
3 제 2 항에 있어서, 상기 제 2 매트릭스 생성부는 상기 제 1 매트릭스의 변수들을 상기 목적 변수와 상기 입력 변수로 분류하는 분류부;상기 행 및 상기 열에 따라 상기 입력 변수 중에서 일부를 선택하는 입력 변수 선택부; 상기 선택된 입력 변수를 n번 조합해서 제 1 차원 내지 제 n 차원 조합 변수들을 획득하는 조합 변수 획득부; 및상기 획득된 조합 변수들을 포함하는 상기 제 2 매트릭스를 생성하는 매트릭스 확장부; 를 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 4 |
4 제 3 항에 있어서, 상기 입력 변수 선택부는 각각의 행에서 임의의 개수의 입력 변수를 선택하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 5 |
5 제 3 항에 있어서, 상기 입력 변수 선택부는 각각의 행에서 n개의 입력 변수를 선택하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 6 |
6 제 5 항에 있어서, 상기 n 값은 마르코브 연쇄 차수(Markov chain order)에 기초하여 정해지는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 7 |
7 제 1 항에 있어서, 상기 모델 생성부는상기 제 1 매트릭스의 목적 변수와 상기 제 2 매트릭스의 조합 변수들의 조건부 확률 테이블에 기초하여 상기 확률 그래프 모델의 각 노드 간의 관계를 결정하는 노드 결정부; 및정해진 임계값 이하의 확률값을 갖는 조건부 확률 테이블의 엔트리를 삭제하여 상기 확률 그래프 모델의 구조를 결정하는 구조 결정부; 를 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 8 |
8 제 1 항에 있어서, 상기 생성된 확률 그래프 모델을 저장하거나, 또는 상기 생성된 확률 그래프 모델을 이용하여 기 저장된 확률 그래프 모델을 갱신하는 모델 갱신부; 를 더 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 9 |
9 제 1 항에 있어서,상기 생성된 확률 그래프 모델을 이용하여 현재 상황에 적합한 목적 변수를 추론하는 추론부; 를 더 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 장치 |
| 10 |
10 스트림 데이터에 대응되는 변수를 포함하는 제 1 매트릭스를 생성하는 단계;상기 제 1 매트릭스의 변수들을 관심 대상이 되는 목적 변수(object variable)와 상기 목적 변수 이외의 입력 변수(input variable)로 분류하고, 상기 입력 변수에 대한 다차원 조합(multi-order combination)을 통해 조합 변수(combination variable)를 획득하고, 획득된 조합 변수를 이용하여 제 2 매트릭스를 생성하는 단계; 및상기 제 1 매트릭스의 목적 변수와 상기 제 2 매트릭스의 조합 변수를 이용하여 확률 그래프 모델을 생성하는 단계; 를 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 11 |
11 제 10 항에 있어서, 상기 제 1 매트릭스를 생성하는 단계는 상기 스트림 데이터의 종류에 대응되는 행(row)과 상기 스트림 데이터의 입력 시간에 대응되는 열(column)을 갖는 2차원 구조에 상기 변수를 배열하는 과정을 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 12 |
12 제 11 항에 있어서, 상기 제 2 매트릭스를 생성하는 단계는 상기 제 1 매트릭스의 변수들을 상기 목적 변수와 상기 입력 변수로 분류하는 과정;상기 행 및 상기 열에 따라 상기 입력 변수 중에서 일부를 선택하는 과정; 상기 선택된 입력 변수를 n번 조합해서 제 1 차원 내지 제 n 차원 조합 변수들을 획득하는 과정; 및상기 획득된 조합 변수들을 포함하는 상기 제 2 매트릭스를 생성하는 과정; 을 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 13 |
13 제 12 항에 있어서, 상기 입력 변수 중 일부를 선택하는 과정은 각각의 행에서 임의의 개수의 입력 변수를 선택하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 14 |
14 제 12 항에 있어서, 상기 입력 변수 중 일부를 선택하는 과정은 각각의 행에서 n개의 입력 변수를 선택하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 15 |
15 제 14 항에 있어서, 상기 n 값은 마르코브 연쇄 차수(Markov chain order)에 기초하여 정해지는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 16 |
16 제 10 항에 있어서, 상기 모델을 생성하는 단계는 상기 제 1 매트릭스의 목적 변수와 상기 제 2 매트릭스의 조합 변수들의 조건부 확률 테이블에 기초하여 상기 확률 그래프 모델의 각 노드 간의 관계를 결정하는 과정; 및정해진 임계값 이하의 확률값을 갖는 조건부 확률 테이블의 엔트리를 삭제하여 상기 확률 그래프 모델의 구조를 결정하는 과정; 을 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 17 |
17 제 10 항에 있어서, 상기 생성된 확률 그래프 모델을 저장하거나, 또는 상기 생성된 확률 그래프 모델을 이용하여 기 저장된 확률 그래프 모델을 갱신하는 단계; 를 더 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 18 |
18 제 10 항에 있어서,상기 생성된 확률 그래프 모델을 이용하여 현재 상황에 적합한 목적 변수를 추론하는 단계; 를 더 포함하는 시공간 구조 기반의 확률 그래프 모델 학습 방법 |
| 지정국 정보가 없습니다 |
|---|
| 순번 | 패밀리번호 | 국가코드 | 국가명 | 종류 |
|---|---|---|---|---|
| 1 | US08645307 | US | 미국 | FAMILY |
| 2 | US20120041920 | US | 미국 | FAMILY |
DOCDB 패밀리 정보
| 순번 | 패밀리번호 | 국가코드 | 국가명 | 종류 |
|---|---|---|---|---|
| 1 | US2012041920 | US | 미국 | DOCDBFAMILY |
| 2 | US8645307 | US | 미국 | DOCDBFAMILY |
| 국가 R&D 정보가 없습니다. |
|---|
- 본 등록정보는 참고용으로 법적증빙자료로 사용할 수 없습니다.
- 데이터 이관에 따른 소요기간(1일)으로 인하여 등록원부와 일부 차이가 발생할 수 있으며, 일부 정보(부기, 상세 주소 등)를 제공하지 않고 있습니다.
- 법적증빙자료로 활용하시거나 더 자세한 정보를 보시려면 등록원부를 발급받아 사용하시기 바랍니다.
| 특허 등록번호 | 10-1672500-0000 |
|---|
권리란
| 표시번호 | 사항 |
|---|---|
| 1 |
출원 연월일 : 20100812 출원 번호 : 1020100078012 공고 연월일 : 20161103 공고 번호 : 특허결정(심결)연월일 : 20160729 청구범위의 항수 : 18 유별 : G06F 17/16 발명의 명칭 : 시공간 구조 기반의 확률 그래프 모델 학습 장치 및 방법 존속기간(예정)만료일 : |
특허권자란
| 순위번호 | 사항 |
|---|---|
| 1 |
(권리자) 삼성전자주식회사 경기도 수원시 영통구... |
| 1 |
(권리자) 서울대학교산학협력단 서울특별시 관악구... |
등록료란
| 제 1 - 3 년분 | 금 액 | 747,000 원 | 2016년 10월 28일 | 납입 |
| 제 4 년분 | 금 액 | 436,000 원 | 2019년 09월 10일 | 납입 |
- 본 '원본보기 서비스'는 참고용이므로, 일부 오류 및 누락이 발생할 수 있습니다.
- 정확한 서류를 확인하시려면 해당 웹사이트에서 조회하시기 바랍니다. (특허로 바로가기: http://www.patent.go.kr)
- 해당 서비스는 점검으로 인해 매주 일요일 00:00 ~ 02:00까지 이용이 중단됩니다.
| 번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
|---|---|---|---|---|
| 1 | [특허출원]특허출원서 | 2010.08.12 | 수리 (Accepted) | 1-1-2010-0520390-71 |
| 2 | 보정요구서 | 2010.08.16 | 발송처리완료 (Completion of Transmission) | 1-5-2010-0073454-24 |
| 3 | [출원서등 보정]보정서 | 2010.09.16 | 수리 (Accepted) | 1-1-2010-0604780-11 |
| 4 | 출원인정보변경(경정)신고서 | 2011.09.27 | 수리 (Accepted) | 4-1-2011-5195109-43 |
| 5 | 출원인정보변경(경정)신고서 | 2012.06.21 | 수리 (Accepted) | 4-1-2012-5132663-40 |
| 6 | 출원인정보변경(경정)신고서 | 2013.01.14 | 수리 (Accepted) | 4-1-2013-5007213-54 |
| 7 | 출원인정보변경(경정)신고서 | 2015.03.17 | 수리 (Accepted) | 4-1-2015-5033829-92 |
| 8 | 출원인정보변경(경정)신고서 | 2015.05.13 | 수리 (Accepted) | 4-1-2015-5062924-01 |
| 9 | [심사청구]심사청구(우선심사신청)서 | 2015.08.07 | 수리 (Accepted) | 1-1-2015-0769200-15 |
| 10 | 등록결정서 | 2016.07.29 | 발송처리완료 (Completion of Transmission) | 9-5-2016-0549329-83 |
| 11 | 출원인정보변경(경정)신고서 | 2019.05.13 | 수리 (Accepted) | 4-1-2019-5093546-10 |
| 12 | 출원인정보변경(경정)신고서 | 2019.05.23 | 수리 (Accepted) | 4-1-2019-5101798-31 |
| 13 | 출원인정보변경(경정)신고서 | 2019.08.02 | 수리 (Accepted) | 4-1-2019-5154561-59 |
| 14 | 출원인정보변경(경정)신고서 | 2020.11.25 | 수리 (Accepted) | 4-1-2020-5265458-48 |
| 기술정보가 없습니다 |
|---|
| 과제고유번호 | 1345119142 |
|---|---|
| 세부과제번호 | 2010-0017734 |
| 연구과제명 | 지능형 추천 서비스를 위한 인지기반 기계학습 및 추론 기술 |
| 성과구분 | 출원 |
| 부처명 | 교육과학기술부 |
| 연구관리전문기관명 | 한국연구재단 |
| 연구주관기관명 | 서울대학교 산학협력단 |
| 성과제출연도 | 2010 |
| 연구기간 | 201005~201504 |
| 기여율 | 0.5 |
| 연구개발단계명 | 기초연구 |
| 6T분류명 | IT(정보기술) |
| 과제고유번호 | 1415107392 |
|---|---|
| 세부과제번호 | KI002138 |
| 연구과제명 | 차세대 맞춤형 서비스를 위한 기계학습 기반 멀티모달 복합 정보 추출 및 추천기술 개발 |
| 성과구분 | 출원 |
| 부처명 | 지식경제부 |
| 연구관리전문기관명 | 한국산업기술평가관리원 |
| 연구주관기관명 | 서울대학교산학협력단 |
| 성과제출연도 | 2010 |
| 연구기간 | 200903~201402 |
| 기여율 | 0.5 |
| 연구개발단계명 | 응용연구 |
| 6T분류명 | IT(정보기술) |
특허성과
| [1020110021444] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
|---|---|---|
| [1020110021444] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
| [1020110001347] | 바이소스 토픽모델을 이용한 이미지 연관 검색 방법 및 그 시스템 | 새창보기 |
| [1020110001347] | 바이소스 토픽모델을 이용한 이미지 연관 검색 방법 및 그 시스템 | 새창보기 |
| [1020110000913] | 멀티 모달리티 데이터 색인 및 검색 방법, 그 시스템 | 새창보기 |
| [1020110000913] | 멀티 모달리티 데이터 색인 및 검색 방법, 그 시스템 | 새창보기 |
| [1020100078012] | 시공간 구조 기반의 확률 그래프 모델 학습 장치 및 방법 | 새창보기 |
중요키워드
| [KST2019011607][서울대학교] | 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법 및 그 시스템 | 새창보기 |
|---|---|---|
| [KST2020013732][서울대학교] | 유사도에 따라 후보 선택을 가속하는 방법 및 후보 선택을 수행하는 가속기 | 새창보기 |
| [KST2023002240][서울대학교] | 이종 컴퓨팅 환경에서의 병렬 LU 분해 제공 방법 및 그 방법을 실행하는 노드 | 새창보기 |
| [KST2019006209][서울대학교] | 병렬 처리를 통한 다차원 데이터 분석을 지원하는 장치 및 그 방법 | 새창보기 |
| [KST2023001968][서울대학교] | 다항식을 이용하여 데이터의 암복호화를 수행하는 암호화 시스템을 위한 다항식 역원 생성 장치 및 방법 | 새창보기 |
| [KST2019011963][서울대학교] | 사전 그래프 분할 기반 행렬 벡터 곱을 이용한 대규모 그래프 마이닝 방법 및 장치 | 새창보기 |
| [KST2020006256][서울대학교] | 다중 간선 라벨 그래프의 정점들 간 관련도를 측정하는 방법 및 장치 | 새창보기 |
| [KST2015135195][서울대학교] | 데이터 처리 장치 및 방법 | 새창보기 |
| [KST2022019204][서울대학교] | 시간 연속성을 고려한 텐서 분해 방법 및 그 장치 | 새창보기 |
| [KST2023010626][서울대학교] | 텐서 분석 장치 및 방법 | 새창보기 |
| [KST2021013516][서울대학교] | 복수의 가수의 가창음성 합성/변조 장치 및 방법 | 새창보기 |
| [KST2014037099][서울대학교] | 비음수 행렬 인수분해에 기초한 목표 신호 검출 방법 및 시스템 | 새창보기 |
| [KST2021008871][서울대학교] | 음수값을 갖는 활성화 함수에서 제로 스키핑을 제공하는 방법 및 장치 | 새창보기 |
| [KST2020003772][서울대학교] | 인공 신경망 선택 장치 및 방법 | 새창보기 |
| [KST2019006208][서울대학교] | 희박 데이터를 위한 데이터 분석 방법 및 이를 수행하기 위한 장치 | 새창보기 |
| [KST2019014434][서울대학교] | 데이터 처리 장치 및 방법 | 새창보기 |
| [KST2021012558][서울대학교] | 텐서 분해 방법 및 이를 수행하기 위한 장치 | 새창보기 |
| [KST2023002052][서울대학교] | 다차원 텐서의 주소 생성 장치 및 방법 | 새창보기 |
| [KST2018009403][서울대학교] | 정점 분류 장치 및 정점 분류 방법 | 새창보기 |
| [KST2023002238][서울대학교] | 이종 컴퓨팅 환경에서의 병렬 LU 분해 제공 방법 및 그 방법을 실행하는 노드 | 새창보기 |
| [KST2021016127][서울대학교] | 가속기, 가속기의 동작 방법 및 이를 포함한 가속기 시스템 | 새창보기 |
| [KST2015135218][서울대학교] | ＣＢＲ기반 공공아파트 기획 및 계획설계단계 건축공사비 예측 시스템 및 그 예측 모델 | 새창보기 |
| [KST2022019854][서울대학교] | 고속 부분 푸리에 변환 방법 및 이를 수행하기 위한 컴퓨팅 장치 | 새창보기 |
| [KST2021000777][서울대학교] | 인공 신경망을 이용한 온실의 수직 환경 제어 시스템 및 그 방법 | 새창보기 |
| [KST2020002501][서울대학교] | 뉴럴 네트워크를 이용한 변분 추론 학습 방법 및 학습 장치, 그리고 이를 이용한 변분 추론 방법 및 장치 | 새창보기 |
| [KST2024000035][서울대학교] | 작업 얽힘 기반 코딩을 이용한 분산 행렬 연산 방법 | 새창보기 |
| [KST2020006712][서울대학교] | 가속도계를 이용한 유동 모니터링 방법 및 시스템 | 새창보기 |
| [KST2024000100][서울대학교] | 모바일 환경을 위한 저지연 합성곱 연산 장치 및 방법 | 새창보기 |
| [KST2020011289][서울대학교] | 스파이킹 뉴럴 네트워크를 이용한 추론 방법 및 장치 | 새창보기 |
| [KST2023001969][서울대학교] | 다항식을 이용하여 데이터의 암복호화를 수행하는 암호화 시스템에서 사용되는 다항식의 역원을 생성하기 위한 역원 생성 장치 및 방법 | 새창보기 |
| 심판사항 정보가 없습니다 |
|---|