| 1 |
1
관능 평가 장치가 제품에 대한 관능 평가를 수행하는 방법에 있어서,(a) 온라인 또는 SNS에서 입력 조건에 따른 제품 리뷰 데이터를 수집하는 단계;(b) 상기 제품 리뷰 데이터를 형태소 분석함에 있어, 기설정된 맛 표현 사전을 기초로 상기 제품 리뷰 데이터를 분석하여 평가 후보 요소 워드를 선별하는 단계-상기 맛 표현 사전은 맛집, 음식, 식사를 포함하는 범용적인 맛 표현이 가능한 키워드를 이용하여 음식 평가 사이트에서 데이터를 수집하여 빈도수를 기반으로 선별된 범용적으로 사용되고 있는 맛과 향에 관련된 유의미한 워드를 포함함;(c) 상기 관능 평가를 위해 사용자에 의해 미리 지정된 키워드를 특징 키워드로 선택되며, 상기 특징 키워드에 대한 벡터값인 특징 키워드 벡터값을 도출하고, 상기 선별된 평가 후보 요소 워드에 대한 벡터값을 도출한 후 벡터 공간에 임베딩하며, 상기 임베딩된 벡터값과 상기 특징 키워드 벡터값 사이의 유사도를 각각 계산하여 유사도가 높은 상위 n(자연수)개의 평가 요소 워드를 선별하는 단계; 및(d) 상기 평가 요소 워드를 상기 맛 표현 사전에 기반하여 감정에 따라 분류하여 제품에 대한 최종 관능 평가 결과를 생성하는 단계를 포함하되, 상기 맛 표현 사전은 상기 음식 평가 사이트의 추천 또는 찬성 글에 사용된 워드와 비추천 또는 반대글에 사용된 워드 분석을 기반으로 워드들을 긍정 워드 데이터와 부정 워드 데이터로 더 분류하되, 상기 벡터값을 상기 벡터 공간에 임베딩시 관능 평가 세부 비교 항목에 따라 가중치를 상이하게 적용하되, 상기 관능 평가 세부 비교 항목은 맛과 향이며, 상기 (c) 단계에서, 상기 평가 요소 워드를 선별하기 이전에, 상기 임베딩된 벡터값을 이용하여 딥 러닝 모델을 학습하고, 상기 학습된 딥 러닝 모델에 상기 선별된 평가 후보 요소 워드의 벡터값을 입력하며 무의미한 워드의 벡터값을 제거하며,상기 (d) 단계는, 상기 맛 표현 사전에 정의된 상기 긍정 워드 데이터와 상기 부정 워드 데이터의 워드 임베딩값을 이용하여 긍정 및 부정 중 적어도 하나에 따른 감정으로 분류되는 것을 특징으로 하는 관능 평가 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1 항에 있어서,상기 (b) 단계는,상기 제품 리뷰 데이터에 포함에 포함된 각 워드의 빈도수에 기반하여 상기 평가 후보 요소 워드를 자동으로 선별하되, 상기 평가 후보 요소 워드는 자동으로 선별되는 제품의 관능 평가 비교 요소인 것을 특징으로 하는 관능 평가 방법
|
| 4 |
4
제1 항에 있어서,상기 (b) 단계는, 상기 맛 표현 사전을 이용하여 형태소 분석을 통해 상기 평가 후보 요소 워드를 추출하되, 상기 제품 리뷰 데이터를 문장 단위로 형태소 분석하되 명사, 형용사, 동사에 해당하는 워드 중 빈도수가 높은 복수의 워드를 평가 후보 요소 워드로 추출하며, 조사와 인칭 대명사에 대응하는 워드는 제외시키는 것을 특징으로 하는 관능 평가 방법
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
제1 항에 따른 방법을 수행하기 위해 필요한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체
|
| 8 |
8
온라인 또는 SNS에서 입력 조건에 따른 제품 리뷰 데이터를 수집하는 수집부;기설정된 맛 표현 사전을 기초로 상기 제품 리뷰 데이터를 분석하여 평가 후보 요소 워드를 선별하는 워드 추출부-상기 맛 표현 사전은 맛집, 음식, 식사를 포함하는 범용적인 맛 표현이 가능한 키워드를 이용하여 음식 평가 사이트에서 데이터를 수집하여 빈도수를 기반으로 선별된 범용적으로 사용되고 있는 맛과 향에 관련된 유의미한 워드를 포함함;관능 평가를 위해 사용자에 의해 미리 지정된 키워드를 특징 키워드로 선택되며, 상기 특징 키워드에 대한 벡터값인 특징 키워드 벡터값을 도출하고, 상기 선별된 평가 후보 요소 워드에 대한 벡터값을 도출한 후 벡터 공간에 임베딩하고, 임베딩된 벡터값과 특징 키워드 벡터값간의 유사도를 각각 계산하여 유사도가 높은 상위 n(자연수)개의 평가 요소 워드를 선별하며, 상기 평가 요소 워드를 상기 맛 표현 사전에 기반하여 감정에 따라 분류하여 제품에 대한 최종 관능 평가 결과를 생성하는 분석부를 포함하되, 상기 맛 표현 사전은 상기 음식 평가 사이트의 추천 또는 찬성 글에 사용된 워드와 비추천 또는 반대글에 사용된 워드 분석을 기반으로 워드들을 긍정 워드 데이터와 부정 워드 데이터로 더 분류하되, 상기 벡터값을 상기 벡터 공간에 임베딩시, 관능 평가 세부 비교 항목에 따라 가중치를 상이하게 적용하되, 상기 관능 평가 세부 비교 항목은 맛과 향이며, 상기 분석부는, 상기 평가 요소 워드를 선별하기 이전에, 상기 임베딩된 벡터값을 이용하여 딥 러닝 모델을 학습하고, 상기 학습된 딥 러닝 모델에 상기 선별된 평가 후보 요소 워드의 벡터값을 입력하며 무의미한 워드의 벡터값을 제거하며, 상기 맛 표현 사전에 정의된 상기 긍정 워드 데이터 또는 상기 부정 워드 데이터의 워드 임베딩값을 이용하여 긍정 또는 부정에 따른 감정으로 분류되는 것을 특징으로 하는 관능 평가 장치
|
| 9 |
9
컴퓨팅 장치에 있어서,적어도 하나의 어플리케이션을 저장하는 메모리;상기 메모리에 연동되며, 상기 메모리에 저장된 어플리케이션을 실행하는 프로세서를 포함하되, 상기 프로세서에 의해 실행된 어플리케이션은, (a) 온라인 또는 SNS에서 입력 조건에 따른 제품 리뷰 데이터를 수집하는 단계;(b) 기설정된 맛 표현 사전을 기초로 상기 제품 리뷰 데이터를 분석하여 평가 후보 요소 워드를 선별하는 단계-상기 맛 표현 사전은 맛집, 음식, 식사를 포함하는 범용적인 맛 표현이 가능한 키워드를 이용하여 음식 평가 사이트에서 데이터를 수집하여 빈도수를 기반으로 선별된 범용적으로 사용되고 있는 맛과 향에 관련된 유의미한 워드를 포함함;(c) 관능 평가를 위해 사용자에 의해 미리 지정된 키워드를 특징 키워드로 선택되며, 상기 특징 키워드에 대한 벡터값인 특징 키워드 벡터값을 도출하고, 상기 선별된 평가 후보 요소 워드에 대한 벡터값을 도출한 후 벡터 공간에 임베딩하고, 임베딩된 벡터값과 특징 키워드 벡터값간의 유사도를 각각 계산하여 유사도가 높은 상위 n(자연수)개의 평가 요소 워드를 선별하는 단계; 및(d) 상기 평가 요소 워드를 상기 맛 표현 사전에 기반하여 감정에 따라 분류하여 제품에 대한 최종 관능 평가 결과를 생성하는 단계를 수행하되,상기 맛 표현 사전은 상기 음식 평가 사이트의 추천 또는 찬성 글에 사용된 워드와 비추천 또는 반대글에 사용된 워드 분석을 기반으로 워드들을 긍정 워드 데이터와 부정 워드 데이터로 더 분류하되, 상기 벡터값을 상기 벡터 공간에 임베딩시 관능 평가 세부 비교 항목에 따라 가중치를 상이하게 적용하되, 상기 관능 평가 세부 비교 항목은 맛과 향이며, 상기 (c) 단계에서, 상기 평가 요소 워드를 선별하기 이전에, 상기 임베딩된 벡터값을 이용하여 딥 러닝 모델을 학습하고, 상기 학습된 딥 러닝 모델에 상기 선별된 평가 후보 요소 워드의 벡터값을 입력하며 무의미한 워드의 벡터값을 제거하며, 상기 (d) 단계는, 상기 맛 표현 사전에 정의된 상기 긍정 워드 데이터 또는 상기 부정 워드 데이터의 워드 임베딩값을 이용하여 긍정 또는 부정에 따른 감정으로 분류되는 것을 특징으로 하는 컴퓨팅 장치
|
