Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2018092936) PROCÉDÉ DE REGROUPEMENT DE DOCUMENTS POUR DES DONNÉES DE TEXTE NON STRUCTURÉES À L'AIDE D'UN APPRENTISSAGE PROFOND
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/092936 N° de la demande internationale : PCT/KR2016/013244
Date de publication : 24.05.2018 Date de dépôt international : 17.11.2016
CIB :
G06F 17/30 (2006.01) ,G06N 3/08 (2006.01) ,G06N 99/00 (2010.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17
Equipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
30
Recherche documentaire; Structures de bases de données à cet effet
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
08
Méthodes d'apprentissage
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
99
Matière non prévue dans les autres groupes de la présente sous-classe
Déposants :
주식회사 와이즈넛 WISENUT, INC. [KR/KR]; 경기도 성남시 분당구 대왕판교로 644번길 49 5-6층 (삼평동, 디티씨타워) (Sampyung-dong, DTC Tower) 5-6 Floor, 49, Daewangpangyo-ro 644 bun-gil, Bundang-gu Seongnam-si Gyeonggi-do 13493, KR
Inventeurs :
김문종 KIM, Moonjong; KR
한규열 HAN, Kyuyeol; KR
최현수 CHOI, Hyunsoo; KR
Mandataire :
임승섭 LIM, Seungseop; KR
정우성 JEONG, Woo Sung; KR
Données relatives à la priorité :
10-2016-015194015.11.2016KR
Titre (EN) DOCUMENT CLUSTERING METHOD FOR UNSTRUCTURED TEXT DATA, USING DEEP LEARNING
(FR) PROCÉDÉ DE REGROUPEMENT DE DOCUMENTS POUR DES DONNÉES DE TEXTE NON STRUCTURÉES À L'AIDE D'UN APPRENTISSAGE PROFOND
(KO) 딥러닝을 이용한 비정형 텍스트 데이터의 문서 군집화 방법
Abrégé :
(EN) Provided is a document clustering method for unstructured text data, using deep learning, which can improve the quality of document clustering for unstructured text data by increasing the similarity between documents in each cluster. The document clustering method, which is performed by a document clustering system, comprises the steps of: generating a word vector from unstructured text data collected from a plurality of documents, by using word mapping; extracting a keyword for each document and then expressing the same as a keyword vector by making reference to the word vector; configuring the feature of a document by using a document vector and the keyword vector for the document; and performing document clustering for a plurality of documents according to the similarity between the features of the documents.
(FR) L'invention concerne un procédé de regroupement de documents pour des données de texte non structurées à l'aide d'un apprentissage profond, qui permet d'améliorer la qualité d'un regroupement de documents pour des données de texte non structurées en augmentant la similarité entre les documents dans chaque groupe. Le procédé de regroupement de documents, qui est exécuté par un système de regroupement de documents, consiste à : générer un vecteur de mots à partir des données de texte non structurées collectées à partir d'une pluralité de documents à l'aide d'un mappage de mots; extraire un mot-clé pour chaque document puis l'exprimer sous la forme d'un vecteur de mot-clé en faisant référence au vecteur de mot; configurer la caractéristique d'un document à l'aide d'un vecteur de document et du vecteur de mot-clé pour le document; et effectuer un regroupement de documents pour une pluralité de documents en fonction de la similarité entre les caractéristiques des documents.
(KO) 비정형 텍스트 데이터에 대하여 군집 내 문서들 간의 유사도를 높여 문서 군집화의 품질을 높일 수 있는 딥러닝을 이용한 비정형 텍스트 데이터의 문서 군집화 방법이 제공된다. 이러한 문서 군집화 방법은, 문서 군집화 시스템이: 다수의 문서로부터 수집된 비정형 텍스트 데이터로부터 단어사상을 통해 단어 벡터를 생성하는 단계; 각 문서에 대한 주제어를 추출한 후 단어 벡터를 참조하여 주제어 벡터로 표현하는 단계; 문서에 대한 문서 벡터와 주제어 벡터를 이용하여 문서에 대한 문서 자질을 구성하는 단계; 및 복수의 문서에 대하여 문서 자질의 유사도에 따라 문서 군집화를 수행하는 단계를 포함한다.
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KN, KP, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : coréen (KO)
Langue de dépôt : coréen (KO)