1 |
1
제목 내용과 본문 내용을 포함하는 자연어 데이터에서 상기 제목 내용과 상기 본문 내용 각각을 전처리하는 전처리부; 상기 전처리된 제목 내용으로부터 제1 문장벡터를 추출하고, 상기 전처리된 본문 내용으로부터 복수의 제2 문장벡터를 추출하는 문장벡터 추출부 및 상기 복수의 제2 문장벡터간의 텍스트랭크 값을 산출하고, 상기 제1 문장벡터와 상기 복수의 제2 문장벡터간의 코사인 유사도 값을 산출하며, 상기 산출된 텍스트랭크 값과 상기 산출된 코사인 유사도 값에 기초하여 핵심문장을 추출하는 핵심문장 추출부를 포함하는 핵심문장 추출장치
|
2 |
2
제1항에 있어서, 상기 전처리부는, 상기 제목 내용에 포함된 한자 및 특수문자 중 적어도 하나를 한글로 변환하는 전처리를 수행하는 핵심문장 추출장치
|
3 |
3
제1항에 있어서, 상기 전처리부는,상기 제목 내용 및 상기 본문 내용 중 적어도 하나에 포함된 대괄호, 대괄호 내부 문자, 소괄호, 소괄호 내부 문자, 이메일 대응되는 문자 및 URL(uniform resource locator) 중 적어도 하나의 요소를 제거하는 핵심문장 추출장치
|
4 |
4
제1항에 있어서, 상기 문장벡터 추출부는, 사전 학습된 언어 모델에 기초하여 상기 제목 내용이 인코딩된 상기 제1 문장벡터와, 상기 본문 내용이 인코딩된 상기 복수의 제2 문장벡터를 추출하는 핵심문장 추출장치
|
5 |
5
제4항에 있어서, 상기 언어 모델은,상기 전처리된 제목 내용과 상기 전처리된 본문 내용 각각을 적어도 하나의 문장으로 구분하고, 상기 구분된 문장을 토큰화하여 입력 데이터를 구성하며, 상기 토큰화된 입력 데이터 각각에 대응되는 벡터를 추출하는 핵심문장 추출장치
|
6 |
6
제5항에 있어서, 상기 언어 모델은,상기 입력 데이터를 구성하는 경우에, 특별 분류 토큰(special classification token; CLS)을 추가하는 핵심문장 추출장치
|
7 |
7
제5항에 있어서, 상기 언어 모델은,상기 구분된 문장을 복수의 토큰으로 구분하며, 상기 복수의 토큰으로 구분된 문장으로부터 상기 복수의 토큰 각각에 대응되는 벡터를 추출하며, 상기 추출된 벡터의 평균값을 상기 제1 문장벡터 및 상기 복수의 제2 문장벡터로 사용하는핵심문장 추출장치
|
8 |
8
제1항에 있어서, 상기 핵심문장 산출부는, 상기 복수의 제2 문장벡터 각각을 그래프 노드로 설정하고, 상기 복수의 제2 문장벡터간의 코사인 유사도 값을 그래프 엣지로 설정하여 상기 제2 문장벡터간의 텍스트랭크 값을 산출하는 핵심문장 추출장치
|
9 |
9
제1항에 있어서, 상기 핵심문장 추출부는, 상기 산출된 텍스트랭크 값에 따른 텍스트랭크의 기준순위를 설정하고, 상기 산출된 코사인 유사도 값에 따른 코사인 유사도의 기준순위를 설정하며, 상기 설정된 텍스트랭크의 기준순위와 상기 코사인 유사도의 기준순위에 기초하여 상기 핵심문장을 추출하는핵심문장 추출장치
|
10 |
10
전처리부에서, 제목 내용과 본문 내용으로 구분된 자연어 데이터에서 상기 제목 내용과 상기 본문 내용 각각을 전처리하는 단계; 문장벡터 추출부에서, 상기 전처리된 제목 내용으로부터 제1 문장벡터를 추출하고, 상기 전처리된 본문 내용으로부터 복수의 제2 문장벡터를 추출하는 단계 및 핵심문장 추출부에서, 상기 복수의 제2 문장벡터간의 텍스트랭크 값을 산출하고, 상기 제1 문장벡터와 상기 복수의 제2 문장벡터간의 코사인 유사도 값을 산출하며, 상기 산출된 텍스트랭크 값과 상기 산출된 코사인 유사도 값에 기초하여 핵심문장을 추출하는 단계를 포함하는 핵심문장의 추출방법
|