맞춤기술찾기

이전대상기술

사용자 관심 키워드 기반 전공 추천 시스템과 방법 및 이를 위한 컴퓨터 프로그램

  • 기술번호 : KST2022022534
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 사용자 관심 키워드에 기반한 전공 추천 시스템은, 전공별 강의내용 정보를 생성하고, 전공별 과목명 키워드 정보를 생성하며, 전공별 강의 내용 정보, 전공별 과목명 키워드 정보 및 사용자 관심 키워드 정보를 이용하여 전공별 유사도 정보를 생성하여 제2전공 추천 정보를 제공할 수 있다.
Int. CL G06Q 50/20 (2012.01.01) G06F 16/9535 (2019.01.01) G06F 16/335 (2019.01.01) G06F 16/33 (2019.01.01) G06F 16/34 (2019.01.01) G06N 20/00 (2019.01.01)
CPC G06Q 50/20(2013.01) G06F 16/9535(2013.01) G06F 16/335(2013.01) G06F 16/3344(2013.01) G06F 16/345(2013.01) G06F 16/3338(2013.01) G06F 16/3334(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020210064780 (2021.05.20)
출원인 고려대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0157119 (2022.11.29) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.05.20)
심사청구항수 15

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 고려대학교 산학협력단 대한민국 서울특별시 성북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 문기범 서울특별시 도봉구
2 이진숙 서울특별시 종로구
3 이수강 서울특별시 마포구
4 한수연 서울특별시 용산구
5 권혜정 서울특별시 강남구
6 한재호 서울특별시 노원구
7 김규태 경기도 안양시 동안구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 윤귀상 대한민국 서울특별시 금천구 디지털로*길 ** ***호 (가산동, 한신IT타워*차)(디앤특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2021.05.20 수리 (Accepted) 1-1-2021-0580130-93
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
사용자 관심 키워드에 기반한 전공 추천 시스템으로서, 사용자에 의해 관심 키워드 정보를 입력 받는 입력부;하나 이상의 과목에 연관된 텍스트 데이터를 분석함으로써 상기 하나 이상의 과목 각각에 대한 강의내용 정보를 생성하고 상기 강의내용 정보에 전공을 임베딩하여 전공별 강의내용 정보를 생성하도록 구성된 제1 데이터 분석부; 과목명 키워드 정보를 생성하고 상기 과목명 키워드 정보에 전공을 임베딩하여 전공별 과목명 키워드 정보를 생성하도록 구성된 제2 데이터 분석부;상기 전공별 강의내용 정보 및 상기 전공별 과목명 키워드 정보를 이용하여 상기 사용자로부터 입력된 관심 키워드 정보와 각 전공간 유사도를 결정하도록 구성된 유사도 결정부; 및상기 전공간 유사도 정보에 기초하여 상기 사용자에게 타 학과 전공인 제2 전공에 대한 추천 정보를 생성하도록 구성된 추천전공 결정부;를 포함하는 사용자 관심 키워드에 기반한 전공 추천 시스템
2 2
제1항에 있어서, 상기 과목의 교수요목 및 학문분야별 출간논문 키워드 중 하나 이상으로부터 상기 텍스트 데이터를 추출하도록 구성된 전처리부를 더 포함하는 사용자 관심 키워드에 기반한 전공 추천 시스템
3 3
제1항에 있어서, 상기 제1 데이터 분석부는, 상기 텍스트 데이터에 대한 단어 빈도-역 문서 빈도 기반의 분석에 의하여 상기 과목 각각에 대한 강의내용을 학습하고, 상기 강의내용에 대한 학습 결과에 기초하여 상기 강의내용 정보를 생성하며,전공별 커리큘럼 정보와 상기 생성된 강의내용 정보를 이용하여 전공별 강의내용 정보를 생성하도록 구성된 사용자 관심 키워드에 기반한 전공 추천 시스템
4 4
제1항에 있어서, 상기 제2 데이터 분석부는, 커리큘럼 데이터로부터 필수이수 과목명을 추출하고 상기 필수이수 과목명으로부터 텍스트를 추출하며, 상기 필수이수 과목명과 상기 필수이수 과목명으로부터 추출된 텍스트를 병합하고 상기 병합된 텍스트에 대한 단어 빈도-역 문서 빈도 기반의 분석에 의하여 상기 병합된 텍스트를 학습하고, 상기 병합된 텍스트에 대한 학습 결과에 기초하여 상기 전공별 과목명 키워드 정보를 생성하도록 구성된 사용자 관심 키워드에 기반한 전공 추천 시스템
5 5
제1항에 있어서, 상기 유사도 결정부는, 상기 전공별 강의내용 정보 및 상기 전공별 과목명 키워드 정보에 각각 상응하는 매트릭스와 상기 입력된 사용자 관심 키워드 정보 매트릭스 간의 코사인 유사도를 이용하여 각 전공간 유사도 정보를 생성하도록 구성된 사용자 관심 키워드에 기반한 전공 추천 시스템
6 6
제1항에 있어서, 상기 추천 전공 결정부는, 전공별 특성에 상응하는 복수 개의 차원에 의해 정의되며 전공 간의 유사도가 높을수록 전공들이 서로 가까이 위치하는 전공지도를 이용하여 상기 전공 추천 정보를 상기 사용자에게 제공하도록 더 구성된 키워드에 기반한 전공 추천 시스템
7 7
제1항에 있어서, 상기 추천정보 결정부는,제2 전공 관련 상세 정보 및 추천 활동 정보를 생성하도록 더 구성된 사용자 관심 키워드에 기반한 전공 추천 시스템
8 8
하나 이상의 과목에 연관된 텍스트 데이터를 분석함으로써 상기 하나 이상의 과목 각각에 대한 강의내용 정보를 생성하는 단계;상기 생성된 강의내용 정보에 전공을 임베딩하여 전공별 강의내용 정보를 생성하는 단계;과목명 키워드 정보를 생성하는 단계;생성된 과목명 키워드 정보에 전공을 임베딩하여 전공별 과목명 키워드 정보를 생성하는 단계;사용자가 관심 키워드 정보를 입력하는 단계;전공별 강의내용 정보 및 전공별 과목명 키워드 정보를 이용하여 상기 사용자로부터 입력된 관심 키워드 정보와 각 전공간 유사도를 결정하는 단계; 및상기 각 전공간 유사도 정보에 기초하여 상기 사용자에게 타 학과 전공인 제2 전공에 대한 추천 정보를 생성하는 단계를 포함하는 사용자 관심 키워드에 기반한 전공 추천 방법
9 9
제 8항에 있어서,상기 강의내용 정보를 생성하는 단계는,상기 과목의 교수요목 및 학문분야별 출간논문 키워드 중 하나 이상으로부터 상기 텍스트 데이터를 추출하여 데이터를 분석하는 사용자 관심 키워드에 기반한 전공 추천 방법
10 10
제 8항에 있어서,상기 강의내용 정보를 생성하는 단계는, 상기 텍스트 데이터에 대한 단어 빈도-역 문서 빈도 기반의 분석에 의하여 상기 과목 각각에 대한 강의내용을 학습하는 단계; 및상기 강의내용에 대한 학습 결과에 기초하여 상기 강의내용 정보를 생성하는 단계를 포함하고상기 전공별 강의내용 정보를 생성하는 단계는,전공별 커리큘럼 정보와 상기 생성된 강의내용 정보를 이용하여 전공별 강의 내용 정보를 생성하는 단계를 포함하는 사용자 관심 키워드에 기반한 전공 추천 방법
11 11
제 8항에 있어서,상기 과목명 키워드 정보를 생성하는 단계는, 커리큘럼 데이터로부터 필수이수 과목명을 추출하는 단계; 상기 추출된 필수이수 과목명으로부터 텍스트를 추출하는 단계; 상기 추출된 필수이수 과목명과 상기 필수 이수 과목명으로부터 추출된 텍스트를 병합하는 단계;상기 병합된 텍스트에 대한 단어 빈도-역 문서 빈도 기반의 분석에 의하여 상기 병합된 텍스트를 학습하는 단계; 및상기 병합된 텍스트에 대한 학습 결과에 기초하여 상기 과목명 키워드 정보를 생성하는 단계;를 포함하는 사용자 관심 키워드에 기반한 전공 추천 방법
12 12
제 8항에 있어서,상기 유사도 정보를 생성하는 단계는, 상기 전공별 강의내용 정보 및 상기 전공별 과목명 키워드 정보에 각각 상응하는 매트릭스와 상기 입력된 사용자 관심 키워드 정보 매트릭스 간의 코사인 유사도를 산출하는 단계를 포함하는 사용자 관심 키워드에 기반한 전공 추천 방법
13 13
제 8항에 있어서,제2 전공 추천 정보를 생성하는 단계는, 전공별 특성에 상응하는 복수 개의 차원에 의해 정의되며 전공 간의 유사도가 높을수록 전공들이 서로 가까이 위치하는 전공지도를 이용하여 상기 전공 추천 정보를 상기 사용자에게 제공하는 단계를 더 포함하는 사용자 관심 키워드에 기반한 전공 추천 방법
14 14
제 8항에 있어서,제2 전공 추천 정보를 생성하는 단계는,제2 전공 관련 상세 정보 및 추천 활동 정보를 생성하는 단계를 더 포함하는 사용자 관심 키워드에 기반한 전공 추천 방법
15 15
하드웨어와 결합되어 제8항에 따른 사용자 관심 키워드에 기반한 전공 추천 방법을 실행하도록 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.