1 |
1
설정 기간 동안의 수강신청 이력 데이터를 전처리하여 수강신청 데이터 세트를 생성하는 전처리부;상기 생성된 수강신청 데이터 세트를 이용하여 하나의 강의수강 시점을 기준으로 선후 관계로 연결된 과목 간 네트워크 데이터를 구축하는 데이터 구축부;귀납적 학습(inductive learning) 방식의 그래프 세이지(Graph SAGE) 알고리즘을 이용하여 상기 구축된 과목 간 네트워크 데이터를 학문영역 차원에 임베딩하는 임베딩부; 및상기 임베딩 결과에 따른 과목별 노드의 특성을 이용하여 사용자로부터 입력된 과목의 유사 과목을 추천하는 과목 추천부를 포함하고,상기 구축된 과목 간 네트워크 데이터를 이용하여 한 명의 학생이 하나의 선수과목을 수강한 뒤 후 수강과목을 수강할 때마다 선수과목과 후 수강과목의 연결을 증가시켜 선후 수강과목을 동시 수강한 빈도에서 선수과목을 들은 빈도를 나눈 값을 통해 선후 수강 조건부 확률 데이터를 산출하는 선후 수강 조건부 확률 산출부;상기 생성된 수강신청 데이터 세트를 이용하여 한 학기에 동시 수강한 두 과목이 연결된 동시 수강 네트워크 데이터를 구축하는 동시 수강 네트워크 구축부; 및상기 산출된 선후 수강 조건부 확률 데이터를 이용하여 특정 과목에 대한 이전, 동시 및 이후 수강과목 리스트를 제공하기 위한 배치 테이블을 생성하는 배치 테이블 생성부를 더 포함하는 그래프 데이터 기반 관련 과목 추천 시스템
|
2 |
2
제1항에 있어서,상기 데이터 구축부는,상기 수강신청 데이터 세트를 참고하여 하나의 강의수강 시점을 기준으로 선후 관계로 연결된 과목들을 통해 과목 간 관계 데이터를 산출하여 상기 과목 간 네트워크 데이터를 구축하는 그래프 데이터 기반 관련 과목 추천 시스템
|
3 |
3
제1항에 있어서,상기 임베딩부는,대상 노드의 특성 벡터를 산출하기 위한 이웃 노드를 랜덤 추출하여 대상 노드와 직접 연결된 이웃 노드와, 그 이웃 노드의 이웃 노드까지의 연결 n개를 선택하고, 선택된 이웃 노드의 특성 벡터를 통합하여 대상 노드의 특성을 업데이트하고, 귀납적 학습 방식으로 대상 노드의 표현 학습을 수행하여 과목별 노드의 특성을 새로운 차원에 임베딩하는 순으로 그래프 세이지 알고리즘의 노드 표현 학습을 수행하는 그래프 데이터 기반 관련 과목 추천 시스템
|
4 |
4
삭제
|
5 |
5
제1항에 있어서,상기 배치 테이블 생성부는,특정 과목을 수강한 경우 그 이전에 수강했을 확률이 가장 높은 과목 순으로 이전 수강과목 리스트를 산출하고, 동시에 수강할 확률이 가장 높은 과목 순으로 동시 수강과목 리스트를 산출하며, 이후에 수강할 확률이 가장 높은 과목 순으로 이후 수강과목 리스트를 산출하여 제공하는 그래프 데이터 기반 관련 과목 추천 시스템
|
6 |
6
그래프 데이터 기반 관련 과목 추천 시스템에 의해 수행되는 관련 과목 추천 방법에 있어서,설정 기간 동안의 수강신청 이력 데이터를 전처리하여 수강신청 데이터 세트를 생성하는 단계;상기 생성된 수강신청 데이터 세트를 이용하여 하나의 강의수강 시점을 기준으로 선후 관계로 연결된 과목 간 네트워크 데이터를 구축하는 단계;귀납적 학습(inductive learning) 방식의 그래프 세이지(Graph SAGE) 알고리즘을 이용하여 상기 구축된 과목 간 네트워크 데이터를 학문영역 차원에 임베딩하는 단계; 및상기 임베딩 결과에 따른 과목별 노드의 특성을 이용하여 사용자로부터 입력된 과목의 유사 과목을 추천하는 단계를 포함하고,상기 네트워크 데이터를 구축하는 단계 이후,상기 구축된 과목 간 네트워크 데이터를 이용하여 한 명의 학생이 하나의 선수과목을 수강한 뒤 후 수강과목을 수강할 때마다 선수과목과 후 수강과목의 연결을 증가시켜 선후 수강과목을 동시 수강한 빈도에서 선수과목을 들은 빈도를 나눈 값을 통해 선후 수강 조건부 확률 데이터를 산출하는 단계;상기 생성된 수강신청 데이터 세트를 이용하여 한 학기에 동시 수강한 두 과목이 연결된 동시 수강 네트워크 데이터를 구축하는 단계; 및상기 산출된 선후 수강 조건부 확률 데이터를 이용하여 특정 과목에 대한 이전, 동시 및 이후 수강과목 리스트를 제공하기 위한 배치 테이블을 생성하는 단계를 더 포함하는 관련 과목 추천 방법
|
7 |
7
제6항에 있어서,상기 과목 간 네트워크 데이터를 구축하는 단계는,상기 수강신청 데이터 세트를 참고하여 하나의 강의수강 시점을 기준으로 선후 관계로 연결된 과목들을 통해 과목 간 관계 데이터를 산출하여 상기 과목 간 네트워크 데이터를 구축하는 관련 과목 추천 방법
|
8 |
8
제6항에 있어서,상기 임베딩하는 단계는,대상 노드의 특성 벡터를 산출하기 위한 이웃 노드를 랜덤 추출하여 대상 노드와 직접 연결된 이웃 노드와, 그 이웃 노드의 이웃 노드까지의 연결 n개를 선택하고, 선택된 이웃 노드의 특성 벡터를 통합하여 대상 노드의 특성을 업데이트하고, 귀납적 학습 방식으로 대상 노드의 표현 학습을 수행하여 과목별 노드의 특성을 새로운 차원에 임베딩하는 순으로 그래프 세이지 알고리즘의 노드 표현 학습을 수행하는 관련 과목 추천 방법
|
9 |
9
삭제
|
10 |
10
제6항에 있어서,상기 배치 테이블을 생성하는 단계는,특정 과목을 수강한 경우 그 이전에 수강했을 확률이 가장 높은 과목 순으로 이전 수강과목 리스트를 산출하고, 동시에 수강할 확률이 가장 높은 과목 순으로 동시 수강과목 리스트를 산출하며, 이후에 수강할 확률이 가장 높은 과목 순으로 이후 수강과목 리스트를 산출하여 제공하는 관련 과목 추천 방법
|
11 |
11
제6항에 따라 그래프 데이터 기반 관련 과목 추천 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체
|