| 1 |
1
RCT 생성부가 사회적 관계 분류에 따른 상황 학습을 위한 관계-상황 토픽 모델(relation-context topic model; RCT)을 생성하는 단계;RCT 학습부가 상기 관계-상황 토픽 모델을 통해 이미 알려진 사용자들 간의 근접성 이력으로부터 사용자들 간의 은닉 상황(latent context)을 자동으로 학습하는 단계;맵핑부가 새로운 사용자들 간의 근접성 이력을 학습된 상기 은닉 상황 공간으로 맵핑하는 단계; 및관계 분류부가 맵핑 결과에 따라, 상기 새로운 사용자들 간의 사회적 관계를 분류하는 단계를 포함하고,상기 RCT 학습부가 상기 관계-상황 토픽 모델을 통해 이미 알려진 사용자들 간의 근접성 이력으로부터 사용자들 간의 은닉 상황을 자동으로 학습하는 단계는,상기 이미 알려진 사용자들 간의 근접성 이력을 입력으로 하는 학습의 결과로 은닉 상황들 및 관계 별 상황 비율을 도출하는 단계를 포함하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 2 |
2
제1항에 있어서,상기 관계-상황 토픽 모델은 사용자들 간의 근접성 이력과 사회적 관계를 명시적으로 연계하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 3 |
3
제2항에 있어서, 상기 RCT 생성부가 상기 사회적 관계 분류에 따른 상황 학습을 위한 관계-상황 토픽 모델을 생성하는 단계는,사회적 관계에 의해 은닉 상황이 결정되고, 결정된 은닉 상황에 의해 사용자들 간의 근접성 이력이 발생한다고 가정하는 단계를 포함하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 4 |
4
제3항에 있어서, 상기 RCT 학습부가 상기 관계-상황 토픽 모델을 통해 이미 알려진 사용자들 간의 근접성 이력으로부터 사용자들 간의 은닉 상황을 자동으로 학습하는 단계는,상기 은닉 상황을 은닉 변수로 간주하는 단계를 포함하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 5 |
5
제1항에 있어서, 상기 RCT 학습부가 상기 관계-상황 토픽 모델을 통해 이미 알려진 사용자들 간의 근접성 이력으로부터 사용자들 간의 은닉 상황을 자동으로 학습하는 단계는,이미 알려진 사용자들 간의 근접성 이력을 수집하는 단계를 포함하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 6 |
6
제5항에 있어서,상기 근접성 이력은 상기 사용자들의 모바일 단말기의 블루투스 센서 또는 GPS 센서로부터 수집되는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 7 |
7
제1항에 있어서, 상기 RCT 학습부가 상기 관계-상황 토픽 모델을 통해 이미 알려진 사용자들 간의 근접성 이력으로부터 사용자들 간의 은닉 상황을 자동으로 학습하는 단계는,깁스(gibbs) 샘플링 방법을 통해 상기 관계-상황 토픽 모델의 파라미터를 학습하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 8 |
8
삭제
|
| 9 |
9
제1항에 있어서, 상기 맵핑부가 상기 새로운 사용자들 간의 근접성 이력을 학습된 상기 은닉 상황 공간으로 맵핑하는 단계는,상기 새로운 사용자들 간의 근접성 이력으로부터 상황 비율을 추론하는 단계; 및상기 추론된 상황 비율을 상기 학습의 결과로 도출된 관계 별 상황 비율과 비교하는 단계를 포함하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 10 |
10
제9항에 있어서, 상기 맵핑부가 상기 새로운 사용자들 간의 근접성 이력으로부터 상황 비율을 추론하는 단계는,은닉 상황 토픽 모델(latent context topic model; LCT)을 이용하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 11 |
11
제9항에 있어서, 상기 관계 분류부가 상기 새로운 사용자들 간의 사회적 관계를 분류하는 단계는,상기 비교 결과, 가장 유사한 상기 학습의 결과로 도출된 관계 별 상황 비율과 대응하는 관계로 상기 새로운 사용자들 간의 사회적 관계를 분류하는 단계를 포함하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 12 |
12
제1항에 있어서, 상기 관계 분류부가 상기 새로운 사용자들 간의 사회적 관계를 분류하는 단계는,베이즈(bayes) 분류 기법을 이용하는, 모바일 단말기 사용자간 사회적 관계 분류 방법
|
| 13 |
13
제1항 내지 제7항, 제9항 내지 제12항 중 어느 하나의 항에 따른 모바일 단말기 사용자간 사회적 관계 분류 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|
| 14 |
14
사회적 관계 분류에 따른 상황 학습을 위한 관계-상황 토픽 모델(relation-context topic model; RCT)을 생성하는 RCT 생성부;상기 관계-상황 토픽 모델을 통해 이미 알려진 사용자들 간의 근접성 이력으로부터 사용자들 간의 은닉 상황(latent context)을 자동으로 학습하는 RCT 학습부;새로운 사용자들 간의 근접성 이력을 학습된 상기 은닉 상황 공간으로 맵핑하는 맵핑부; 및맵핑 결과에 따라, 상기 새로운 사용자들 간의 사회적 관계를 분류하는 관계 분류부를 포함하고,상기 RCT 학습부는,상기 이미 알려진 사용자들 간의 근접성 이력을 입력으로 하는 학습의 결과로 은닉 상황들 및 관계 별 상황 비율을 도출하는, 모바일 단말기 사용자간 사회적 관계 분류 장치
|
| 15 |
15
제14항에 있어서,상기 관계-상황 토픽 모델은 사용자들 간의 근접성 이력과 사회적 관계를 명시적으로 연계하는, 모바일 단말기 사용자간 사회적 관계 분류 장치
|
| 16 |
16
제15항에 있어서, 상기 RCT 생성부는, 사회적 관계에 의해 은닉 상황이 결정되고, 결정된 은닉 상황에 의해 사용자들 간의 근접성 이력이 발생한다고 가정하고,상기 RCT 학습부는, 상기 은닉 상황을 은닉 변수로 간주하는, 모바일 단말기 사용자간 사회적 관계 분류 장치
|
| 17 |
17
제14항에 있어서, 상기 RCT 학습부는,이미 알려진 사용자들 간의 근접성 이력을 사용자들의 모바일 단말기로부터 수집하는, 모바일 단말기 사용자간 사회적 관계 분류 장치
|
| 18 |
18
삭제
|
| 19 |
19
제14항에 있어서, 상기 맵핑부는,상기 새로운 사용자들 간의 근접성 이력으로부터 상황 비율을 추론하는 추론부; 및상기 추론된 상황 비율을 상기 학습의 결과로 도출된 관계 별 상황 비율과 비교하는 비교부를 포함하는, 모바일 단말기 사용자간 사회적 관계 분류 장치
|
| 20 |
20
제19항에 있어서, 상기 관계 분류부는,상기 비교부의 비교 결과, 가장 유사한 상기 학습의 결과로 도출된 관계 별 상황 비율과 대응하는 관계로 상기 새로운 사용자들 간의 사회적 관계를 분류하는, 모바일 단말기 사용자간 사회적 관계 분류 장치
|
