| 1 |
1
미리 정해진 복수의 생산품들 각각을 표상하는 미리 정해진 서로 다른 생산품 벡터가 저장되어 있는 생산품 벡터 저장부;미리 정해진 복수의 산업분야들 각각을 표상하는 미리 정해진 서로 다른 산업분야 벡터가 저장되어 있는 산업분야 벡터 저장부;두 개의 기업으로 구성된 k(k는 2이상의 자연수)개의 서로 다른 기업쌍들과 상기 k개의 기업쌍들 각각에 대응되는 미리 정해진 비즈니스 파트너 관계 값 - 상기 비즈니스 파트너 관계 값은 기업쌍을 구성하는 두 기업 간의 비즈니스 파트너 관계가 있는 경우 1로, 두 기업 간의 비즈니스 파트너 관계가 없는 경우 0으로 미리 지정된 값임 - 이 트레이닝 세트로 저장되어 있는 트레이닝 세트 저장부;상기 k개의 기업쌍들에 포함된 기업들 각각에 대해서 미리 수집된 n(n은 2이상의 자연수)개의 대표 생산품들에 대한 정보와 대표 산업분야에 대한 정보가 저장되어 있는 기업 정보 저장부;상기 k개의 기업쌍들 중 어느 하나인 제1 기업쌍에 포함된 두 개의 기업들 각각에 대해, 상기 생산품 벡터 저장부와 상기 산업분야 벡터 저장부를 참조하여 각 기업에 대한 n개의 대표 생산품들 각각의 생산품 벡터와 대표 산업분야의 산업분야 벡터를 연접(Concatenate)함으로써, 각 기업에 대한 기업 벡터를 생성하고, 상기 제1 기업쌍에 포함된 두 개의 기업들 각각의 기업 벡터를 서로 연접함으로써, 상기 제1 기업쌍에 대응하는 입력 벡터를 생성하는 입력 벡터 생성부;상기 입력 벡터를 둘 이상의 가중치 행렬들로 구성된 심층 신경망 - 상기 심층 신경망을 구성하는 둘 이상의 가중치 행렬들은 상기 심층 신경망의 출력으로 산출되는 벡터의 차원이 1차원이 되도록 구성된 행렬들임 - 에 입력으로 인가하여 상기 입력 벡터에 대응되는 출력 값을 생성하는 출력 값 생성부;상기 k개의 기업쌍들 중 상기 제1 기업쌍을 제외한 나머지 기업쌍들에 대해 상기 입력 벡터 생성부와 상기 출력 값 생성부에 따른 출력 값 생성 과정의 반복 수행을 제어함으로써, 상기 k개의 기업쌍들 각각에 대응하는 k개의 출력 값들을 생성하는 반복 수행 제어부;상기 k개의 출력 값들을 사전 설정된 활성화 함수(Activation Function) - 상기 활성화 함수는 입력 값을 0~1 사이의 값으로 변환하는 함수임 - 에 입력으로 인가하여 상기 k개의 출력 값들 각각에 대한 변환 값을 생성하는 변환부;와 상기 k개의 출력 값들 각각에 대한 변환 값이 상기 k개의 기업쌍들 각각에 대응하는 비즈니스 파트너 관계 값에 최대로 근접하도록 상기 심층 신경망에 대한 기계학습을 수행함으로써, 기업 간의 비즈니스 파트너 관계를 예측하는 예측모델을 생성하는 기계학습 수행부;로 구성되는 예측모델 생성부;상기 예측모델의 생성이 완료된 이후, 제1 기업과 제2 기업의 n개의 대표 생산품들에 대한 정보와 대표 산업분야에 대한 정보가 입력으로 인가되면서, 상기 제1 기업과 상기 제2 기업 간의 비즈니스 파트너 관계 예측명령이 인가되면, 상기 제1 기업과 상기 제2 기업 각각에 대해, 상기 생산품 벡터 저장부와 상기 산업분야 벡터 저장부를 참조하여 각 기업에 대한 n개의 대표 생산품들 각각의 생산품 벡터와 대표 산업분야의 산업분야 벡터를 연접함으로써, 각 기업에 대한 기업 벡터를 생성하고, 상기 제1 기업과 상기 제2 기업 각각의 기업 벡터를 서로 연접함으로써, 상기 제1 기업과 상기 제2 기업으로 구성되는 기업쌍에 대응하는 예측용 입력 벡터를 생성하는 예측용 입력 벡터 생성부;상기 예측용 입력 벡터를 기계학습이 완료된 상기 심층 신경망에 입력으로 인가하여 상기 예측용 입력 벡터에 대응되는 예측용 출력 값을 생성하는 예측용 출력 값 생성부;상기 예측용 출력 값을 상기 활성화 함수에 입력으로 인가하여 상기 예측용 출력 값에 대한 변환 값을 생성하는 예측용 변환부; 및상기 예측용 출력 값에 대한 변환 값이 미리 설정된 기준치 - 상기 기준치는 0
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 기계학습 수행부는상기 k개의 출력 값들 각각에 대한 변환 값과 상기 k개의 기업쌍들 각각에 대응하는 비즈니스 파트너 관계 값을 기초로 사전 설정된 손실 함수(Loss Function)를 기반으로 한 손실 값을 연산하고, 상기 손실 값이 최소가 되도록 상기 심층 신경망에 대한 기계학습을 수행하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치
|
| 4 |
4
제3항에 있어서,상기 기계학습 수행부는하기의 수학식 1에 따라 표현되는 상기 손실 함수를 기초로 상기 손실 값을 연산하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치
|
| 5 |
5
제4항에 있어서,상기 기계학습 수행부는상기 손실 값이 최소가 되도록 역전파(backpropagation) 처리를 수행함으로써, 상기 심층 신경망에 대한 기계학습을 수행하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치
|
| 6 |
6
삭제
|
| 7 |
7
제1항에 있어서,상기 관계 예측부는상기 예측용 출력 값에 대한 변환 값이 상기 기준치 이하인 것으로 확인되는 경우, 상기 제1 기업과 상기 제2 기업 간에 비즈니스 파트너 관계가 없는 것으로 예측하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치
|
| 8 |
8
미리 정해진 복수의 생산품들 각각을 표상하는 미리 정해진 서로 다른 생산품 벡터가 저장되어 있는 생산품 벡터 저장부를 유지하는 단계;미리 정해진 복수의 산업분야들 각각을 표상하는 미리 정해진 서로 다른 산업분야 벡터가 저장되어 있는 산업분야 벡터 저장부를 유지하는 단계;두 개의 기업으로 구성된 k(k는 2이상의 자연수)개의 서로 다른 기업쌍들과 상기 k개의 기업쌍들 각각에 대응되는 미리 정해진 비즈니스 파트너 관계 값 - 상기 비즈니스 파트너 관계 값은 기업쌍을 구성하는 두 기업 간의 비즈니스 파트너 관계가 있는 경우 1로, 두 기업 간의 비즈니스 파트너 관계가 없는 경우 0으로 미리 지정된 값임 - 이 트레이닝 세트로 저장되어 있는 트레이닝 세트 저장부를 유지하는 단계;상기 k개의 기업쌍들에 포함된 기업들 각각에 대해서 미리 수집된 n(n은 2이상의 자연수)개의 대표 생산품들에 대한 정보와 대표 산업분야에 대한 정보가 저장되어 있는 기업 정보 저장부를 유지하는 단계;상기 k개의 기업쌍들 중 어느 하나인 제1 기업쌍에 포함된 두 개의 기업들 각각에 대해, 상기 생산품 벡터 저장부와 상기 산업분야 벡터 저장부를 참조하여 각 기업에 대한 n개의 대표 생산품들 각각의 생산품 벡터와 대표 산업분야의 산업분야 벡터를 연접(Concatenate)함으로써, 각 기업에 대한 기업 벡터를 생성하고, 상기 제1 기업쌍에 포함된 두 개의 기업들 각각의 기업 벡터를 서로 연접함으로써, 상기 제1 기업쌍에 대응하는 입력 벡터를 생성하는 단계;상기 입력 벡터를 둘 이상의 가중치 행렬들로 구성된 심층 신경망 - 상기 심층 신경망을 구성하는 둘 이상의 가중치 행렬들은 상기 심층 신경망의 출력으로 산출되는 벡터의 차원이 1차원이 되도록 구성된 행렬들임 - 에 입력으로 인가하여 상기 입력 벡터에 대응되는 출력 값을 생성하는 단계;상기 k개의 기업쌍들 중 상기 제1 기업쌍을 제외한 나머지 기업쌍들에 대해 상기 입력 벡터를 생성하는 단계와 상기 출력 값을 생성하는 단계에 따른 출력 값 생성 과정의 반복 수행을 제어함으로써, 상기 k개의 기업쌍들 각각에 대응하는 k개의 출력 값들을 생성하는 단계;상기 k개의 출력 값들을 사전 설정된 활성화 함수(Activation Function) - 상기 활성화 함수는 입력 값을 0~1 사이의 값으로 변환하는 함수임 - 에 입력으로 인가하여 상기 k개의 출력 값들 각각에 대한 변환 값을 생성하는 단계;상기 k개의 출력 값들 각각에 대한 변환 값이 상기 k개의 기업쌍들 각각에 대응하는 비즈니스 파트너 관계 값에 최대로 근접하도록 상기 심층 신경망에 대한 기계학습을 수행함으로써, 기업 간의 비즈니스 파트너 관계를 예측하는 예측모델을 생성하는 단계;상기 예측모델의 생성이 완료된 이후, 제1 기업과 제2 기업의 n개의 대표 생산품들에 대한 정보와 대표 산업분야에 대한 정보가 입력으로 인가되면서, 상기 제1 기업과 상기 제2 기업 간의 비즈니스 파트너 관계 예측명령이 인가되면, 상기 제1 기업과 상기 제2 기업 각각에 대해, 상기 생산품 벡터 저장부와 상기 산업분야 벡터 저장부를 참조하여 각 기업에 대한 n개의 대표 생산품들 각각의 생산품 벡터와 대표 산업분야의 산업분야 벡터를 연접함으로써, 각 기업에 대한 기업 벡터를 생성하고, 상기 제1 기업과 상기 제2 기업 각각의 기업 벡터를 서로 연접함으로써, 상기 제1 기업과 상기 제2 기업으로 구성되는 기업쌍에 대응하는 예측용 입력 벡터를 생성하는 단계;상기 예측용 입력 벡터를 기계학습이 완료된 상기 심층 신경망에 입력으로 인가하여 상기 예측용 입력 벡터에 대응되는 예측용 출력 값을 생성하는 단계;상기 예측용 출력 값을 상기 활성화 함수에 입력으로 인가하여 상기 예측용 출력 값에 대한 변환 값을 생성하는 단계; 및상기 예측용 출력 값에 대한 변환 값이 미리 설정된 기준치 - 상기 기준치는 0
|
| 9 |
9
삭제
|
| 10 |
10
제8항에 있어서,상기 예측모델을 생성하는 단계는상기 k개의 출력 값들 각각에 대한 변환 값과 상기 k개의 기업쌍들 각각에 대응하는 비즈니스 파트너 관계 값을 기초로 사전 설정된 손실 함수(Loss Function)를 기반으로 한 손실 값을 연산하고, 상기 손실 값이 최소가 되도록 상기 심층 신경망에 대한 기계학습을 수행하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치의 동작 방법
|
| 11 |
11
제10항에 있어서,상기 예측모델을 생성하는 단계는하기의 수학식 1에 따라 표현되는 상기 손실 함수를 기초로 상기 손실 값을 연산하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치의 동작 방법
|
| 12 |
12
제11항에 있어서,상기 예측모델을 생성하는 단계는상기 손실 값이 최소가 되도록 역전파(backpropagation) 처리를 수행함으로써, 상기 심층 신경망에 대한 기계학습을 수행하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치의 동작 방법
|
| 13 |
13
삭제
|
| 14 |
14
제8항에 있어서,상기 예측하는 단계는상기 예측용 출력 값에 대한 변환 값이 상기 기준치 이하인 것으로 확인되는 경우, 상기 제1 기업과 상기 제2 기업 간에 비즈니스 파트너 관계가 없는 것으로 예측하는 기업의 비즈니스 파트너 추천을 위한 인공지능 기반의 관계 예측모델 생성 장치의 동작 방법
|
| 15 |
15
제8항, 제10항, 제11항, 제12항 또는 제14항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능 기록 매체
|
| 16 |
16
제8항, 제10항, 제11항, 제12항 또는 제14항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램
|
