KR102519033B1 - 인공지능 학습 기반의 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 - Google Patents
인공지능 학습 기반의 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 Download PDFInfo
- Publication number
- KR102519033B1 KR102519033B1 KR1020227010947A KR20227010947A KR102519033B1 KR 102519033 B1 KR102519033 B1 KR 102519033B1 KR 1020227010947 A KR1020227010947 A KR 1020227010947A KR 20227010947 A KR20227010947 A KR 20227010947A KR 102519033 B1 KR102519033 B1 KR 102519033B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- data
- impact analysis
- bill
- regulatory
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 230000001105 regulatory effect Effects 0.000 claims abstract description 137
- 238000004458 analytical method Methods 0.000 claims abstract description 96
- 238000005065 mining Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 7
- 238000007727 cost benefit analysis Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 22
- 238000003058 natural language processing Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000000375 direct analysis in real time Methods 0.000 description 4
- 238000012063 dual-affinity re-targeting Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/93—Document management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/106—Display of layout of documents; Previewing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법은, 적어도 하나 이상의 메모리 및 적어도 하나 이상의 프로세서를 포함하는 컴퓨팅 시스템에 의해 수행되는 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법에 있어서, 미리 설정된 항목을 포함하는 템플릿 정보를 저장하는 단계와 사용자 단말로부터 법안의 제안이유 및 주요내용을 포함하는 기본정보를 수신하는 단계와 상기 수신한 기본정보를 분석서버에 저장하는 단계와 상기 미리 설정된 항목을 기초로 텍스트 마이닝(Text mining)을 통해 상기 기본정보로부터 추출정보를 형성하는 단계와 상기 추출정보 및 상기 템플릿정보를 기초로 규제영향분석데이터를 생성하는 단계와 및 상기 생성된 규제영향분석데이터를 기초로 상기 법안 또는 법규정에 대한 규제영향분석 인터페이스를 사용자 단말에 출력하는 단계를 포함한다.
Description
본 발명은 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램에 관한 것으로 보다 상세하게는 규제에 따른 영향분석 데이터를 제공하는 기술에 관한 것이다.
변경 또는 발의되는 법안에는 정부 입법안과 의원안이 존재한다.
정부 입법안에 의해 규제가 강화되는 경우에는 정부에서 규제영향분석서를 수동으로 작성하여 해당 규제에 의해 어떠한 영향이 있는지가 분석되고 있다.
다만, 정부 입법안에 의해 규제가 약화되는 경우에는 규제영향분석서가 따로 작성되지 않고 있는 실정이다.
한편, 의원안의 경우, 발의되는 규제의 강화 또는 약화 여부에 상관없이 규제영향분석서가 작성되지 않고 있다.
규제영향분석서는, 정부 입법안이 발의되면, 규제사무명, 규제조문, 위임법령, 유형, 입법예고, 추진배경 및 정부개입의 필요성, 규제목표, 규제내용, 피규제집단 및 이해관계자, 비용 편익분석, 영향평가여부, 일몰설정여부, 우선허용 및 사후규제 적용여부, 비용관리제 등에 대해 분석한 내용을 정부에서 수동으로 작성하여 공중에게 제공되는 문서이다.
이처럼, 규제영향분석서는 현재 정부 입법안 중에서도 규제가 강화되거나 신설될 때에만 작성되고 있고, 의원안에 대해서는 규제영향분석서가 전혀 작성되지 않아 규제가 관련산업 및 관련기업 등에 어떠한 영향을 미칠지 파악하기 어려운 문제점이 존재하였다.
또한, 현재 규제영향분석서 작성은 사람에 의해 수동으로 이루어져 데이터의 신뢰도가 높다고 할 수 없으며, 특히, 작성자가 관련된 해외사례 및 유사입법사례에 관한 자료를 찾지 못한다면 규제영향분석서에는 해당없음으로 표시되어 공중에게 잘못된 정보를 제공하게 될 수 있는 문제점이 존재하였다.
본 발명이 해결하고자 하는 과제는 컴퓨팅시스템이 발의된 법안에 대한 규제영향분석데이터를 제공하여 법안 또는 법규정의 모니터링을 수행할 수 있는 방법 및 이를 위한 프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 또는 법규정에 대한 모니터링 방법은, 적어도 하나 이상의 메모리 및 적어도 하나 이상의 프로세서를 포함하는 컴퓨팅 시스템에 의해 수행되는 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법에 있어서, 미리 설정된 항목을 포함하는 템플릿정보를 저장하는 단계와, 사용자 단말로부터 법안의 제안이유 및 주요내용을 포함하는 기본정보를 수신하는 단계와, 상기 기본정보를 분석서버에 저장하는 단계와, 상기 미리 설정된 항목을 기초로 텍스트 마이닝(Text mining)을 통해 상기 기본정보로부터 추출정보를 형성하는 단계와, 상기 추출정보 및 상기 템플릿정보를 기초로 규제영향분석데이터를 생성하는 단계와, 상기 생성된 규제영향분석데이터를 기초로 상기 법안 또는 법규정에 대한 규제영향분석 인터페이스를 사용자 단말에 출력하는 단계를 포함한다.
이 때 규제영향분석데이터를 형성하는 단계는, 상기 추출정보를 상기 템플릿 정보 상의 상기 미리 설정된 항목 각각에 대응시켜 규제영향분석데이터를 생성하는 단계를 포함할 수 있다.
또한, 상기 미리 설정된 항목은, 규제사무명, 규제조문, 위임법령, 유형, 입법예고, 추진배경, 정부개입의 필요성, 규제목표, 규제내용, 피규제집단, 이해관계자, 비용 편익분석, 영향평가여부, 일몰설정여부, 우선허용, 사후규제 적용여부, 비용관리제, 규제를 받는 산업, 근접산업 및 관련기업을 포함할 수 있다.
또한, 상기 규제영향분석데이터를 생성하는 단계는, 미리 결정된 유사도 산출식에 기초하여 상기 피규제집단 및 이해관계자, 상기 규제를 받는 산업, 상기 근접산업 및 상기 관련기업 각각에 대응되는 상기 추출정보와 발의된 상기 법안과의 제 1 관련도를 산출하고, 상기 제 1 관련도에 대한 규제영향분석데이터를 생성하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 또는 법규정에 대한 모니터링 방법은, 특정기업의 계정으로 상기 컴퓨팅 시스템에 로그인(Log-in)하면, 기업정보제공서버로부터 제공되는 API(Application Programming Interface)를 통해 상기 기업정보제공서버에서 제공되는 상기 특정기업의 정보를 수신하는 단계를 더 포함하고, 상기 규제영향분석데이터를 생성하는 단계는, 미리 결정된 유사도 산출식에 기초하여 상기 특정기업과 상기 법안과의 제 2 관련도를 산출하는 단계와, 상기 제 2 관련도에 대한 규제영향분석데이터를 생성하는 단계와, 상기 제 2 관련도 규제영향분석데이터를 백분율로 변환하는 단계와, 상기 특정기업의 정보를 기초로 상기 백분율을 상기 사용자 단말에 출력하는 단계를 더 포함할 수 있고, 상기 제 2 관련도는 상기 미리 설정된 항목에 포함될 수 있다.
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 또는 법규정에 대한 모니터링 방법은, 특정기업의 계정으로 상기 컴퓨팅 시스템에 로그인(Log-in)하면, 기업정보제공서버로부터 제공되는 API(Application Programming Interface)를 통해 상기 기업정보제공서버에서 제공되는 상기 특정기업의 정보를 수신하는 단계를 더 포함하고, 상기 규제영향분석데이터를 생성하는 단계는, 미리 결정된 제 1 알고리즘에 기초하여 상기 법안에 의한 상기 특정기업의 위험도를 산출하는 단계와, 상기 위험도에 대한 규제영향분석데이터를 생성하는 단계와, 상기 위험도 규제영향분석데이터를 상기 규제영향분석데이터에 대응되는 위험도에 기초하여 시각적 데이터로 변환하는 단계와, 상기 특정기업의 정보를 기초로 상기 시각적 데이터를 상기 사용자 단말에 출력하는 단계를 더 포함할 수 있고, 상기 위험도는 상기 미리 설정된 항목에 포함되고, 상기 시각적 데이터는 상기 위험도에 대응한 채도 정보를 포함할 수 있다.
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 또는 법규정에 대한 모니터링 방법은, 제 1 발의된 법안의 기본정보, 제 1 과거 법안의 기본정보 및 제 1 과거규제영향분석데이터와 제 1 추론데이터가 연계되어 저장된 훈련데이터에 기초하여 학습모델을 통해 지도학습(Supervised learning)을 수행하는 단계와, 상기 학습모델이 기계학습을 하여 학습데이터를 형성하는 단계와, 상기 학습데이터를 인공지능모듈에 제공하는 단계와, 제 2 발의된 법안의 기본정보, 제 2 과거 법안의 기본정보 및 제 2 과거규제영향분석데이터가 입력되면 상기 학습모델로부터 전달받은 상기 학습데이터를 기초로 제 2 추론데이터를 출력하는 단계와, 상기 제 2 추론데이터와 미리 저장된 정답 데이터 세트(Ground truth set)의 차이를 기초로 피드백 정보를 형성하는 단계와, 상기 피드백 정보에 기초하여 상기 학습모델의 파라미터를 변경하는 단계를 더 포함할 수 있다.
이 때 상기 규제영향분석데이터를 생성하는 단계는, 상기 기본정보를 텍스트 마이닝(Text mining)하여 획득한 마이닝 데이터 및 상기 제 2 추론데이터에 기초하여 상기 규제영향분석데이터를 생성하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 또는 법규정에 대한 모니터링 방법은, 미리 결정된 제 2 알고리즘을 이용하여 상기 기본정보와 대응되는 관련 해외사례 및 유사입법사례를 결정하는 단계와, 상기 관련 해외사례 및 유사입법사례의 주요내용을 추출하는 단계와, 상기 주요내용을 상기 사용자 단말에 전송하는 단계와, 상기 주요내용을 상기 사용자 단말에 출력하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 또는 법규정에 대한 모니터링 방법은, 상기 제 2 발의된 법안의 기본정보가, 의원안에 대한 기본정보를 포함하면, 상기 미리 설정된 항목은 상기 제 2 법안을 발의한 의원의 정당 및 입법성향을 더 포함하는 것으로 결정될 수 있다.
본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 또는 법규정에 대한 모니터링 방법은, 매체에 저장된 컴퓨터프로그램에 의하여 실행될 수 있다.
본 발명의 일측면에 따른 인공지능 학습 기반의 법안 및 법규정 모니터링 방법 및 이를 위한 프로그램에 의하면 정부 입법안에 의한 규제가 약화될 경우에도 관련산업 또는 관련기업에는 새로운 기회로 작용할 수 있어 규제영향분석데이터를 통해 기업 운영 시 유용한 정보를 제공할 수 있다.
본 발명의 일측면에 따른 인공지능 학습 기반의 법안 및 법규정 모니터링 방법 및 이를 위한 프로그램에 의하면 의원안 발의 또는 변경 전 해당 규제내용을 분석하여 해당 법안 발의 시 규제영향분석데이터를 통해 기업 운영 시 유용한 정보를 제공할 수 있다.
본 발명의 일측면에 따른 인공지능 학습 기반의 법안 및 법규정 모니터링 방법 및 이를 위한 프로그램에 의하면 해당 규제에 의해 영향을 받을 수 있는 산업 및 기업을 추천할 수 있다.
본 발명의 일측면에 따른 인공지능 학습 기반의 법안 및 법규정 모니터링 방법 및 이를 위한 프로그램에 의하면 특정기업과 해당 규제와의 관계도 및 특정기업의 규제에 따른 위험도에 대한 정보를 제공할 수 있다.
본 발명의 일측면에 따른 인공지능 학습 기반의 법안 및 법규정 모니터링 방법 및 이를 위한 프로그램에 의하면 관련된 해외사례 및 유사입법사례에 대한 정보를 자동으로 검색하여 사용자에게 제공할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시예에 따른 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법을 제공하는 구성요소들을 개략적으로 나타낸 도면이다.
도 2는 일 실시예에 따른 추출정보와 미리 설정된 템플릿 정보가 대응된 규제영향분석데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 템플릿 정보가 사용자 단말에 출력된 인터페이스를 나타내기 위한 도면이다.
도 4는 일 실시예에 따른 피규제집단 및 이해관계자, 규제를 받는 산업, 근접산업 및 관련기업에 대응되는 규제영향분석데이터가 생성되어 사용자 단말에 출력된 화면을 나타내기 위한 도면이다.
도 5는 일 실시예에 따른 기업계정으로 로그인된 경우 기업정보제공 서버로 부터 기업정보API를 수신받아 관련도 및 위험도에 대한 시각적데이터를 출력하는 동작을 나타내기 위한 도면이다.
도 6는 일 실시예에 따른 인공지능(AI) 학습을 통해 규제영향분석데이터가 생성되는 과정을 개략적으로 나타낸 도면이다.
도 7는 일 실시예에 따른 텍스트마이닝과 머신러닝을 통해 규제영향분석데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 머신러닝에 의해 추론데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 9은 일 실시예에 따른 관련된 해외사례 및 유사입법사례가 존재하는지 여부에 따른 출력값이 무엇인지 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 의원안에 대한 기본정보를 수신한 경우 템플릿정보가 추가되는 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 추출정보와 미리 설정된 템플릿 정보가 대응된 규제영향분석데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 템플릿 정보가 사용자 단말에 출력된 인터페이스를 나타내기 위한 도면이다.
도 4는 일 실시예에 따른 피규제집단 및 이해관계자, 규제를 받는 산업, 근접산업 및 관련기업에 대응되는 규제영향분석데이터가 생성되어 사용자 단말에 출력된 화면을 나타내기 위한 도면이다.
도 5는 일 실시예에 따른 기업계정으로 로그인된 경우 기업정보제공 서버로 부터 기업정보API를 수신받아 관련도 및 위험도에 대한 시각적데이터를 출력하는 동작을 나타내기 위한 도면이다.
도 6는 일 실시예에 따른 인공지능(AI) 학습을 통해 규제영향분석데이터가 생성되는 과정을 개략적으로 나타낸 도면이다.
도 7는 일 실시예에 따른 텍스트마이닝과 머신러닝을 통해 규제영향분석데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 머신러닝에 의해 추론데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 9은 일 실시예에 따른 관련된 해외사례 및 유사입법사례가 존재하는지 여부에 따른 출력값이 무엇인지 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 의원안에 대한 기본정보를 수신한 경우 템플릿정보가 추가되는 동작을 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
한편, 본 발명에서 기재하는 '법안' 또는 '법규정'은 통상적으로 이해되는 다양한 법률적 종류들을 의미할 수 있다. 구체적으로, 본 발명에서의 '법안' 또는 '법규정'은 헌법, 법률, 시행령, 부령, 시행규칙, 조례, 규칙, 예규 등을 의미할 수 있다. 또한, 본 발명에서 기재하는 '정부 입법안', '의원안', 또는 '의안'은 상술한 '법안' 또는 '법규정'에 대하여 제안된 안건을 의미할 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법을 제공하는 구성요소들을 개략적으로 나타낸 도면이고, 도 2는 본 발명의 일 실시예에 따른 추출정보와 미리 설정된 템플릿 정보가 대응된 규제영향분석데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 1 및 도 2에서 도시된 바와 같이, 적어도 하나 이상의 메모리 및 적어도 하나 이상의 프로세서를 포함하는 컴퓨팅 시스템(200)에 의해 수행되는 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법에 있어서, 본 발명의 동작을 수행하기 위해서는 템플릿정보 저장부(210), 기본정보 수신부(220), 분석서버(230), 추출정보 형성부(240) 및 규제영향분석데이터 생성부(250) 및 사용자 단말(100)이 마련될 수 있다.
사용자 단말(100)은 휴대폰, 스마트폰, PDA(Personal Digital Assistant), PMP(Portable Multimedia Player), 태블릿 PC, 등과 같이 네트워크를 통하여 웹 서버와 연결될 수 있는 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있으며, 개인용 컴퓨터(예를 들어, 데스크탑 컴퓨터, 노트북 컴퓨터 등), 워크스테이션, PDA, 웹 패드 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기 중 하나일 수도 있다.
한편, 사용자 단말(100)은 인터페이스가 출력되는 디스플레이와 통신 모듈 및 사용자 단말 상에서 어플리케이션이 구동될 수 있도록 마련되는 적어도 하나의 프로세서 등을 포함할 수 있다.
한편, 컴퓨팅 시스템(200)은 일반적으로 컴퓨터 관련 엔티티(computer-related entity)를 의미하며, 예를 들어, 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어를 의미할 수 있다.
컴퓨팅 시스템(200) 내의 템플릿정보 저장부(210)에는 미리 설정된 항목을 포함하는 템플릿정보가 저장될 수 있다(S210).
템플릿정보는 컴퓨팅 시스템(200) 내의 권한이 부여된 관리자에 의해 1 이상의 항목에 대하여 업데이트 될 수 있다.
템플릿정보는 규제사무명, 규제조문, 위임법령, 유형, 입법예고, 추진배경 및 정부개입의 필요성, 규제목표, 규제내용, 피규제집단 및 이해관계자, 비용 편익분석, 영향평가여부, 일몰설정여부, 우선허용 및 사후규제 적용여부, 비용관리제, 규제를 받는 산업, 근접산업, 관련기업, 관련도, 위험도, 관련 해외사례/유사입법사례, 해당의원의 정당, 입법성향 및 관련정보를 포함할 수 있다.
컴퓨팅시스템(200) 내의 기본정보 수신부(220)는 상기 사용자 단말(100)로부터 법안의 제안이유 및 주요내용을 포함하는 기본정보를 수신할 수 있다(S220).
주요내용은 발의된 법안의 변경된 내용을 의미할 수 있다.
발의된 법안은 정부입법안 및/또는 의원안을 의미할 수 있다.
수신되는 기본정보는 정부입법안 또는 의원안(이하, 총칭하여 '의안'이라고 한다.) 변경 또는 발의 시 제공되는 기본정보로서, 소관부처, 담당자, 담당자연락처, 입법예고일, 의안명, 제안자(제안일자), 상임위원회(소관부처), 국회현황(추진일자), 의결현황(의결일자), 의안번호(대안번호), 의안 제안이유/주요내용 및 현행법과 개정법의 내용을 포함할 수 있다.
한편, 수신되는 기본정보는 컴퓨팅시스템(200) 내의 분석서버(230)에 저장될 수 있다(S230).
분석서버(230)는 기업정보제공서버(300)로부터 제공되는 API를 수신할 수 있다.
기업정보제공서버(300)는 기업정보를 제공하는 서버를 의미할 수 있다.
기업정보제공서버(300)로부터 제공되는 API는 기업정보 전자공시스템(DART) 으로부터 제공되는 API일 수 있다.
기업정보제공서버(300)로부터 제공되는 API는 한국평가데이터(KoDATA)로부터 제공되는 API일 수 있다.
한편, 분석서버(230)에 저장된 기본정보는 추출정보 형성부(240)에 전달될 수 있다.
추출정보 형성부(240)는 전달된 기본정보에 대하여 텍스트 마이닝(Text mining)을 수행하여 마이닝 데이터를 생성할 수 있고, 필요한 경우 머신러닝(Machine learning)을 수행하여 추론데이터를 생성할 수 있다.
추출정보 형성부(240)에서는 이러한 텍스트 마이닝 또는 머신러닝에 의해 생성된 데이터를 통해 추출정보를 형성할 수 있다(S240).
텍스트 마이닝(Text mining)이란, 비정형 데이터에 대한 마이닝 과정이다. 마이닝이란, 데이터로부터 통계적인 의미가 있는 개념이나 특성을 추출하고 이것들 간의 패턴이나 추세 등의 고품질의 정보를 끌어내는 과정이다.
머신러닝(Machine learning)이란, 데이터를 통해 기계가 스스로 학습하게 하는 방법을 의미한다.
규제영향데이터 생성부(250)에서는 상기 추출된 정보 및 상기 템플릿 정보를 기초로 규제영향분석데이터가 생성될 수 있다.
추출된 정보는 템플릿정보 저장부(210)에 저장된 미리 설정된 항목에 대응되어 매칭될 수 있다(S250).
규제영향데이터 생성부(250)에서는 추출정보와 템플릿정보가 대응되어 규제영향분석데이터가 생성될 수 있다(S260).
이렇게 생성된 규제영향분석데이터는 사용자단말(100)상에 출력되어 표시될 수 있다(S270).
도 3은 본 발명의 일 실시예에 따른 템플릿 정보가 사용자 단말(100)에 출력된 인터페이스를 나타내기 위한 도면이다.
출력된 인터페이스에 나타나는 템플릿정보 저장부(210) 내의 미리 설정된 항목은 은 규제사무명(D310), 규제조문(D320), 위임법령(D330), 유형(D340), 입법예고(D350), 추진배경 및 정부개입의 필요성(D360), 규제내용(D370), 피규제집단 및 이해관계자(D380), 규제목표(D390), 영향평가여부(D3100), 비용 편익분석(D3110), 일몰설정여부(D3120), 우선허용 및 사후규제 적용여부(D3130), 비용관리제, 영향도(D3140), 규제를 받는 산업(D3150), 근접산업(D3160), 관련기업(D3170), 제1관련도, 제2관련도(D3180), 위험도(D3190), 관련된 해외사례/유사입법사례, 해당의원의 정당, 입법성향 및 관련정보를 포함할 수 있다.
구체적으로, 규제사무명(D310)은 규제 내용을 나타내는 사무명칭을 의미할 수 있다.
구체적으로, 규제조문(D320)은 의안의 해당법령, 고시 등에 대한 명칭 및 법조항을 의미할 수 있다.
구체적으로, 위임법령(D330)은 규제의 근거가 되는 상위 법령 명칭, 및 법조항을 의미할 수 있다.
구체적으로, 유형(D340)은 상기 의안에 의해 규제가 강화 및/또는 약화되는지, 상기 의안에 의해 규제가 신설 및/또는 폐지되는지 여부를 나타낼 수 있다.
구체적으로, 입법예고(D350)는 상기 의안의 입법예고 기간을 의미할 수 있다.
구체적으로, 추진배경 및 정부개입의 필요성(D360)은 규제의 신설, 강화 등을 통해 해결하고자 하는 문제가 대두된 사회경제적 배경을 의미하며, 이 경우 정부개입이 필요한 이유를 나타낼 수 있다.
구체적으로, 규제내용(D370)은 규제 사무의 내용을 요약한 것을 의미할 수 있다.
구체적으로, 피규제집단 및 이해관계자(D380)는 규제의 직접대상이 되는 피규제자, 이해관계자, 기관 등을 의미할 수 있다.
구체적으로, 규제목표(D390)는 규제 도입을 통해 달성하고자 하는 목표를 의미할 수 있다.
구체적으로, 영향평가여부(D3100)는 기술, 경쟁, 중기 해당여부를 의미할 수 있다.
구체적으로, 비용 편익분석(D3110)은 비용산정결과를 의미할 수 있다.
구체적으로, 일몰설정여부(D3120)는 규제존속기한 및 재검토기한 설정여부를 의미할 수 있다.
구체적으로, 우선허용 및 사후규제 적용여부(D3130)는 포괄적 네거티브형 규제 적용여부를 의미할 수 있다.
구체적으로, 영향도(D3140)는 발의된 법안에 따라 규제를 받는 산업, 근접산업 및 관련기업 추출정보를 분석한 결과, 규제를 받는 산업의 규모, 근접한 산업이 다수인지 여부 및 관련기업 리스트가 많은지 여부에 따라 발의된 법안이 산업에 미치는 영향이 어느정도인지 나타내는 지표를 의미할 수 있다.
구체적으로, 규제를 받는 산업(D3150)은 발의된 법안으로 인해 규제를 받는 산업군을 의미할 수 있다.
구체적으로, 근접산업(D3160)은 해당규제와 동일 또는 근접한 산업군을 의미할 수 있다.
구체적으로, 관련기업(D3170)은 해당규제 산업 내에서 국내 및 해외의 관련 기업목록을 의미할 수 있다.
구체적으로, 제 1 관련도는, 템플릿정보 상의 피규제집단 및 이해관계자(D380), 규제를 받는 산업(D3150), 근접산업(D3160) 및 관련기업(D3170)와 해당규제와의 관련성을 유사도 산출식에 기초하여 백분율로 변환한 것을 의미할 수 있다.
구체적으로, 제 2 관련도(D3180)는 해당규제와 기업계정으로 로그인된 특정기업(ID)의 관련성을 백분율로 변환한 것을 의미할 수 있다.
구체적으로, 위험도(D3190)는 기업계정으로 로그인인 된 특정기업(ID)의 규제 강화에 따른 위험성을 나타낸 것을 의미할 수 있다.
구체적으로, 비용관리제는 비용관리제 적용여부 및 비용편익을 의미할 수 있다.
구체적으로, 관련된 해외사례 및 유사입법사례는 해당규제 발의와 관련된 해외사례 및 이와 유사한 입법사례 검색결과를 의미할 수 있다.
구체적으로, 해당의원의 정당은 의원안에 관한 기본정보가 수신된 경우 해당 법안을 발의한 의원의 정당을 의미할 수 있다.
구체적으로, 해당의원의 입법성향은 의원안에 관한 기본정보가 수신된 경우 해당 법안을 발의한 의원의 입법성향을 규제강화적 입법성향, 규제약화적 입법성향 등으로 나타낸 것을 의미할 수 있다.
도 3에서 출력된 인터페이스의 형태는 본 발명의 일 실시예에 불과하며 변경된 인터페이스의 형태와 변경된 인터페이스의 동작에 대한 제한은 없다.
도 3에 도시된 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.
도 4는 본 발명의 일 실시예에 따른 피규제집단 및 이해관계자(D430), 규제를 받는 산업(D440), 근접산업(D450) 및 관련기업(D460)에 대응되는 규제영향분석데이터(D470)가 생성되어 사용자단말(100)에 출력된 인터페이스를 나타내기 위한 도면이다.
상기 템플릿정보 상의 피규제집단 및 이해관계자(D430), 규제를 받는 산업(D440), 근접산업(D450) 및 관련기업(D460)에 관한 규제영향분석데이터(D470)는 추출정보 목록(D410)을 포함할 수 있다.
또한, 상기 템플릿정보 상의 피규제집단 및 이해관계자(D430), 규제를 받는 산업(D440), 근접산업(D450) 및 관련기업(D460)에 관한 규제영향분석데이터(D470)는 해당규제와의 관련성을 유사도 산출식에 기초하여 백분율로 변환한 것(D420)(이를, '제 1 관련도'라 한다.)을 포함할 수 있다.
상기 유사도 산출식은 이를테면 평균제곱차이 유사도, 코사인 유사도 및 피어슨 유사도 식 중 적어도 어느 하나를 포함할 수 있다.
도 5는 일 실시예에 따른 기업계정으로 로그인된 경우 기업정보제공 서버로 부터 기업정보API를 수신받아 관련도 및 위험도에 대한 시각적데이터를 출력하는 동작을 나타내기 위한 도면이다.
컴퓨팅 시스템(200) 접속은 기업계정으로 로그인하는 방식에 의해 수행될 수 있다(S510).
기업계정으로 로그인된 경우, 계정을 ID화 시켜 관리자가 관리할 수 있다.
이 경우 관리자는 데이터에 대한 권한을 부여할 수 있다. 예를 들어, 기업ID별로 타 기업에 대한 분석데이터를 볼 수 없게 하거나, 산업군, 입법주체, 규제당사자 및 피규제자 등 주체에 따라 공개할 수 없는 데이터는 마스킹처리할 수 있다.
한편, 기업계정으로 로그인된 경우, 국내기업과 해외기업이 국내 및 해외 특성에 따라 구분되어 권한이 부여될 수 있다. 예를 들어, 국내 및 해외에 따라 구분되는 특성은 지원사업여부 일 수 있다.
이렇게 기업계정으로 로그인된 경우, 분석서버(200)는 기업정보제공서버(300)로부터 제공되는 API를 수신할 수 있다(S520).
기업정보제공서버(300)로부터 제공되는 API는 기업정보 전자공시시스템(DART)로부터 제공되는 API일 수 있다.
기업정보 전자공시시스템(DART)로부터 제공되는 API가 수신되면, 수신받은 API를 이용하여 기업정보 전자공시시스템(DART)으로부터 상기 시스템에 등록된 기업공시정보를 검색하여 실시간으루 수집하는 과정이 수행될 수 있다.
추출정보 형성부(240)에서는 제 2 관련도 및 위험도에 대한 추출정보가 형성될 수 있고, 규제영향분석데이터 생성부(250)에서는 상기 각각에 대응 규제영향분석데이터가 생성될 수 있다(S530).
제 2 관련도는 유사도 산출식에 기초하여 산출될 수 있다.
유사도 산출식은 이를테면 평균제곱차이 유사도, 코사인 유사도 및 피어슨 유사도 식 중 적어도 어느 하나를 포함할 수 있다.
위험도는 미리 결정된 알고리즘에 기초하여 산출될 수 있다.
미리 결정된 제 1 알고리즘은, 규제가 약화되는 경우 및 규제가 강화되는 경우로서 상기 제 2 관련도가 0 내지 30%인 경우이면 위험도 “낮음”, 규제가 강화되는 경우로서 상기 제 2 관련도가 30% 내지 60%인 경우이면 위험도 “중간”, 규제가 강회되는 경우로서 상기 제 2 관련도가 60%이상인 경우이면 위험도 “높음”으로 출력되는 알고리즘일 수 있다.
제 2 관련도에 관한 규제영향분석데이터는 백분율로 변환되어 표시될 수 있다(S540).
한편, 상기 제 2 관련도는 백분율 변환 이외에 기 설정된 알고리즘에 따라 다른 수치에 의해 표시될 수 있다.
예를 들어, 1부터 5까지의 영향도 범주를 나누어 영향도가 높을 수록 5에 가까운 수치를 표시하고 영향도가 낮을 수록 1에 가까운 수치를 표시할 수 있다.
위험도에 관한 규제영향분석데이터는 위험도에 따라 색의 채도가 다르게 표시되는 아이콘 및 도형 등 시각적데이터로 변환될 수 있다(S550).
예를들어, 위험도가 “높음”인 경우 Hue : 0(빨강), rgb(255, 51, 51), hex code(#ff3333)를 이용하여 표시될 수 있고, “중간”인 경우 Hue : 60(노랑), rgb(255, 255, 51), hex code(#ffff33)를 이용하여 표시될 수 있고, “낮음”인 경우 Hue : 225(파랑), rgb(51, 51, 255), hex code(#3333ff)를 이용하여 표시될 수 있다.
상기 변환된 시각적데이터는 사용자단말(100)에 출력될 수 있다(S560).
도 6는 일 실시예에 따른 인공지능(AI) 학습을 통해 규제영향분석데이터가 생성되는 과정을 개략적으로 나타낸 도면이다.
훈련데이터는 제1발의된 법안의 기본정보, 제1과거 법안의 기본정보 및 제1과거규제영향분석데이터와 제1추론데이터가 연계되어 저장된 데이터일 수 있다(S610).
학습모델은 이러한 훈련데이터를 이용하여 지도학습을 수행할 수 있다(S620).
학습모델은 기계학습을 통하여 학습데이터를 형성하여 인공지능 모듈에 제공할 수 있다(S630).
이후 인공지능 모듈에 제2발의된 법안의 기본정보, 제2과거 법안의 기본정보 또는 제2과거규제영향분석데이터가 입력되면 인공지능 모듈에 전달받은 학습데이터를 기초로 제2추론데이터를 출력할 수 있다(S640).
출력한 추론데이터는 미리 저장된 정답 데이터 세트(Ground truth set)와 비교를 통해 피드백 정보를 형성할 수 있다(S650).
피드백 정보는 학습 모델의 파라미터를 변경 또는 튜닝할 수 있다(S660).
학습 모델의 파라미터는 학습 모델에 포함된 각 레이어의 가중치 정보 등을 의미할 수 있다.
지도 학습(Supervised learning)은 입력과 출력 사이의 매핑을 학습하는 것이며, 입력과 출력 쌍이 데이터로 주어지는 경우에 적용한다. 예를 들어 컴퓨터가 주차장 입구에서 자동차 번호판을 인식할 때 번호판이 오염된 경우 제대로 인식하지 못할 수 있다. 이 경우 다양하게 오염된 번호판 사례와 정상 번호판을 각각 입력과 출력 쌍으로 학습시켜 번호판 인식률을 높일 수 있다.
상기 학습모델은, 딥 러닝 기반으로 학습된 인공지능 모델을 의미할 수 있으며, 일 예로, CNN(Convolutional Neural Network)을 이용하여 학습된 모델을 의미할 수 있다.
또한, 상기 학습모델은, Natural Language Processing(NLP), Random Forest (RF), Support Vector Machine (SVC), eXtra Gradient Boost (XGB), Decision Tree (DC), Knearest Neighbors (KNN), Gaussian Naive Bayes (GNB), Stochastic Gradient Descent (SGD), Linear Discriminant Analysis (LDA), Ridge, Lasso 및 Elastic net 중 적어도 하나의 알고리즘을 포함할 수 있다.
도 7는 일 실시예에 따른 텍스트마이닝(Text mining)과 머신러닝(Machine learning)을 통해 규제영향분석데이터가 생성되는 동작을 설명하기 위한 도면이다.
기본정보 수신부(220)는 발의된 법안의 기본정보를 수신할 수 있다(S710).
기본정보 수신부(220)에 상기 기본정보가 수신되면, 추출정보 형성부(240)에서는 텍스트마이닝을 통해 비정형적 데이터인 텍스트를 추출하여 마이닝데이터를 형성할 수 있다(S720).
한편, 기본정보 수신부(220)에 상기 기본정보가 수신되면, 추출정보 형성부(240)에서는 머신러닝을 통해 인공지능모듈에 학습데이터를 제공하고, 제공받은 학습데이터를 기초로 법안의 기본정보가 입력되면 추론데이터를 형성할 수 있다(S730).
추출정보 형성부(240)에서는 이와 같이 형성된 마이닝데이터 및 추론데이터를 취합할 수 있다(S740).
마이닝데이터 및 추론데이터가 취합되면 규제영향데이터 생성부에 전달될 수 있고, 규제영향데이터 생성부(250)에서는 미리 설정된 템플릿정보(D710)에 기초하여 규제영향분석데이터를 생성할 수 있다(S750).
도 8은 일 실시예에 따른 머신러닝에 의해 추론데이터가 생성되는 동작을 설명하기 위한 도면이다.
도 8을 참고하면 훈련데이터는 학습모델에 의해 학습되어 추론데이터를 형성할 수 있다.
훈련데이터(D810) 학습모델은 언어처리(토큰화, 정제 및 정규화, 컨텍스트분석)에 대해서는 Natural Language Processing(NLP)를 사용할 수 있고(S810), 영상/이미지처리(첨부된 이미지/도표 분석, 이미지화된 텍스트 분석)에 대해서는 Convolutional Neural Network(CNN)을 사용(S820)할 수 있다.
구체적으로, 토큰화는 텍스트 전처리 과정으로, 문장 토큰화와 단어 토큰화로 분류할 수 있으며, 문장 토큰화는 텍스트에서 문장을 분리하는 작업을 의미하고, 단어 토큰화는 문자에서 단어를 토큰으로 분리하는 작업을 의미한다.
한편, 토큰은 의미있는 단위로 정의할 수 있다.
구체적으로, 정제란, 갖고 있는 코퍼스로부터 노이즈 데이터를 제거하는 것을 의미한다. 한편, 코퍼스는 말이나 글로된 텍스트 모음을 의미한다.
구체적으로, 정규화란, 표현 방법이 다른 단어들을 통합시켜서 같은 단어로 만들어주는 것을 의미한다.
구체적으로, 컨텍스트 분석은 자연어처리과정에서 문맥을 파악하여 단어를 수치로 표현하여 벡터로 분리함으로써 기계가 이해할 수 있도록 하는 분석 작업을 의미한다.
구체적으로, 이미지/도표 분석은 데이터에서 직접 학습하고 패턴을 사용해 이미지/도표를 분류하는 분석으로, 이미지/도표를 인식하기위해 패턴을 찾는데 특히 유용할 수 있다.
구체적으로, 이미지화된 텍스트 분석은 이미지화된 텍스트를 딥러닝기반의 모델에 의해 인식하는 기법으로, 글자들이 잘 보여질 수 있게 밝기나 색과 같은 영상의 메타데이터를 변화시키는 전처리 단계, 글자들이 존재하는 위치를 찾아내고 이들을 bounding box로 묶는 문자검출 단계, bounding box 안에 글자가 어떤 내용인지 알아내는 문자인식단계에 의해 수행될 수 있다.
이렇게 자연어처리 및 영상/이미지 처리 학습모델을 거친 데이터는 취합되는 동작이 이루어 질 수 있다(S830).
이렇게 취합된 데이터는 추론데이터(D820)로 형성될 수 있다.
도 9는 일 실시예에 따른 관련 해외사례 및 유사입법사례가 존재하는지 여부에 따른 출력값이 무엇인지 설명하기 위한 도면이다.
기본정보 수신부에서는 법안의 기본정보가 수신될 수 있다(S910).
관련된 해외사례 및 유사입법사례 자동검색단계에서는 미리 결정된 제 2 알고리즘을 이용하여 기본정보 수신부(220)에서 수신된 법안의 기본정보와 관련된 해외사례 및 유사입법사례를 자동으로 검색하는 동작이 수행될 수 있다(S920).
이러한 관련된 해외사례 및 유사입법사례가 자동으로 검색되는 단계의 미리 결정된 제 2 알고리즘은 유사도 산출식, 이를테면 평균제곱차이 유사도, 코사인 유사도 및 피어슨 유사도 식 중 적어도 어느 하나를 포함할 수 있다.
또한, 이러한 관련된 해외사례 및 유사입법사례가 자동으로 검색되는 단계의 미리 결정된 제 2 알고리즘은 인터넷서버에 자동으로 키워드를 검색하여 출력값을 찾는 동작을 포함할 수 있다.
한편, 자동으로 키워드를 검색하여 추출하는 방식은 법안의 기본정보에 대해 텍스트마이닝(Text mining) 또는 머신러닝에 의한 자연어처리(NLP) 등에 의해 수행될 수 있다.
한편, 관련된 해외사례의 주요내용은 인터넷 신문기사, 방송내용 및 해외 입법사례를 포함할 수 있다.
한편, 유사입법사례의 주요내용은 법 조항, 법 조항의 제목 및 법 조항의 내용을 포함할 수 있다.
한편, 유사입법사례는 국내 유사입법사례 및 해외 유사입법사례를 모두 포함할 수 있다.
법 조항이란, 법률의 규정뿐 아니라 시행령, 시행규칙 등 하위법령을 포함할 수 있다.
관련 해외사례 및 유사입법사례 자동검색 시 관련된 해외사례 및 유사입법사례가 존재하지 않는 경우는 사용자 단말(100)상에서 해당없음으로 표시될 수 있다(S930).
한편, 관련 해외사례 및 유사입법사례가 존재하면, 상기 관련된 해외사례 및 유사입법사례의 주요내용을 산출하여 상기 사용자 단말에 추천하여 표시할 수 있다(S940).
주요내용의 산출은 텍스트 요약모델에에 기초하여 수행될 수 있다.
텍스트 요약모델은, 문서에서 뽑은 단어를 조합해 문장을 생성하는 추출요약(extraction)이거나 의미가 바뀌지 않은 선에서 문서에서 쓰이지 않은 단어 또는 표현을 이용해 문장을 만들어내는 생성요약(abstraction) 모델을 의미할 수 있다.
컴퓨팅시스템(200)내의 서버는 이렇게 산출된 주요내용의 정보를 포함하는 API를 수신할 수 있다.
이렇게 수신받은 주요내용의 API는 사용자단말(100)에 전송 및 출력되어 표시될 수 있다.
도 10은 일 실시예에 따른 의원안에 대한 기본정보를 수신한 경우 템플릿정보가 추가되는 동작을 설명하기 위한 도면이다.
컴퓨팅시스템(200) 내의 템플릿정보 저장부(210)에서는 관리자에 의해 미리 설정된 템플릿 항목이 저장될 수 있다(S1010).
기본정보 수신부(220)에서는 법안의 기본정보를 수신할 수 있다.
기본정보 수신부(220)에서 수신되는 법안의 기본정보는 정부입법안에 대한 기본정보일 수 있거나 의원안에 대한 기본정보일 수 있다.
기본정보 수신부(220)에서는 정부입법안과 의원안 기본정보를 구분할 수 있고, 의원안 기본정보를 수신할 수 있다(S1020).
기본정보 수신부(220)에서 의원안 기본정보를 수신한 경우, 템플릿 저장부(210)에서는 법안을 발의한 의원의 정당 및 입법성향 항목이 추가로 저장될 수 있다(S1030).
추출정보 형성부(240)에서는 법안을 발의한 의원의 의원정보를 기반으로 텍스트 마이닝 또는 머신러닝을 통해 해당 의원의 정당, 입법성향 및 법안을 제안한 목적 등을 분류하는 과정이 추가로 수행될 수 있다.
추출정보 형성부(240)에서는 이렇게 추가된 의원의 정당 및 입법성향에 관한 추출정보를 형성할 수 있다(S1040).
규제영향분석데이터 생성부(250)에서는 의원의 정당 및 입법성향 템플릿정보와 추출정보를 대응시켜 규제영향분석데이터를 생성할 수 있다(S1050).
한편, 이러한 방법들에 의해 수행되는 동작은 매체에 저장된 컴퓨터프로그램에 의해 실행될 수 있다.
본 발명에 따르면, 법안 또는 법규정을 모니터링 하기 위하여 정부입법안이 신설되거나 강화되는 경우뿐만 아니라, 정부입법안이 약화되는 경우 및 의원안이 발의되는 경우에도 규제영향분석서를 자동으로 생성하여 해당 규제에 의한 영향도를 사용자에게 제공할 수 있는 새로운 법안 또는 법규정을 모니터링하기 위한 방법 또는 장치를 제공할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
Claims (11)
- 적어도 하나 이상의 메모리 및 적어도 하나 이상의 프로세서를 포함하는 컴퓨팅 시스템에 의해 수행되는 법안 및 법규정에 대한 모니터링 방법에 있어서,
미리 설정된 항목을 포함하는 템플릿정보를 저장하는 단계;
사용자 단말로부터 법안의 제안이유 및 주요내용을 포함하는 기본정보를 수신하는 단계;
상기 기본정보를 분석서버에 저장하는 단계;
상기 미리 설정된 항목을 기초로 텍스트 마이닝(Text mining)을 통해 상기 기본정보로부터 추출정보를 형성하는 단계;
상기 추출정보 및 상기 템플릿정보를 기초로 규제영향분석데이터를 생성하는 단계; 및
상기 생성된 규제영향분석데이터를 기초로 상기 법안 또는 법규정에 대한 규제영향분석 인터페이스를 사용자 단말에 출력하는 단계를 포함하고,
상기 규제영향분석데이터를 생성하는 단계는,
코사인 유사도 산출식에 기초하여 피규제집단 및 이해관계자, 상기 규제를 받는 산업, 근접산업 및 관련기업 각각에 대응되는 상기 추출정보와 발의된 상기 법안과의 관련성을 나타내는 제 1 관련도를 산출하고,
상기 제 1 관련도에 대한 규제영향분석데이터를 생성하는 단계를 더 포함하고,
특정기업의 계정으로 상기 컴퓨팅 시스템에 로그인(Log-in)하면,
기업정보제공서버로부터 제공되는 API(Application Programming Interface)를 통해 상기 기업정보제공서버에서 제공되는 상기 특정기업의 정보를 수신하는 단계를 더 포함하고,
상기 규제영향분석데이터를 생성하는 단계는,
코사인 유사도 산출식에 기초하여 상기 특정기업과 상기 법안과의 관련성을 나타내는 제 2 관련도를 산출하는 단계;
상기 제 2 관련도에 대한 규제영향분석데이터를 생성하는 단계;
상기 제 2 관련도 규제영향분석데이터를 백분율로 변환하는 단계;
미리 결정된 제 1 알고리즘에 기초하여 상기 법안에 의한 상기 특정기업의 위험도를 산출하는 단계;
상기 위험도에 대한 규제영향분석데이터를 생성하는 단계;
상기 위험도 규제영향분석데이터를 상기 규제영향분석데이터에 대응되는 위험도에 기초하여 시각적 데이터로 변환하는 단계; 및
상기 특정기업의 정보를 기초로 상기 백분율 및 상기 시각적 데이터를 상기 사용자 단말에 출력하는 단계를 더 포함하고,
상기 제 2 관련도 규제영향분석데이터를 백분율로 변환하는 단계 및 상기 위험도 규제영향분석데이터를 상기 규제영향분석데이터에 대응되는 위험도에 기초하여 시각적 데이터로 변환하는 단계는 동시에 수행되고,
상기 제 2 관련도 및 상기 위험도는 상기 미리 설정된 항목에 포함되고,
상기 시각적 데이터는 상기 위험도에 대응한 채도 정보를 포함하고,
상기 미리 결정된 제 1 알고리즘은, 규제가 약화되는 경우 위험도 “낮음”, 규제가 강화되는 경우로서, 상기 제 2 관련도가 0 내지 30%인 경우 위험도 “낮음”, 규제가 강화되는 경우로서, 상기 제 2 관련도가 30% 내지 60%인 경우 위험도 “중간”, 규제가 강화되는 경우로서, 상기 제 2 관련도가 60%이상인 경우 위험도 “높음”으로 출력되는 알고리즘이고,
상기 위험도에 따라 hex code에 기초한 시각적 데이터로 변환되어 상기 사용자 단말 상 인터페이스에 출력되는, 법안 및 법규정에 대한 모니터링 방법.
- 제 1 항에 있어서,
상기 규제영향분석데이터를 형성하는 단계는,
상기 추출정보를 상기 템플릿 정보 상의 상기 미리 설정된 항목 각각에 대응시켜 규제영향분석데이터를 생성하는 단계;를 포함하는 법안 및 법규정에 대한 모니터링 방법.
- 제 1 항에 있어서,
상기 미리 설정된 항목은,
규제사무명, 규제조문, 위임법령, 유형, 입법예고, 추진배경, 정부개입의 필요성, 규제목표, 규제내용, 피규제집단, 이해관계자, 비용 편익분석, 영향평가여부, 일몰설정여부, 우선허용, 사후규제 적용여부, 비용관리제, 규제를 받는 산업, 근접산업 및 관련기업을 포함하는 법안 및 법규정에 대한 모니터링 방법.
- 삭제
- 삭제
- 삭제
- 제 1 항에 있어서,
제 1 발의된 법안의 기본정보, 제 1 과거 법안의 기본정보 및 제 1 과거규제영향분석데이터와 제 1 추론데이터가 연계되어 저장된 훈련데이터에 기초하여 학습모델을 통해 지도학습(Supervised learning)을 수행하는 단계;
상기 학습모델이 기계학습을 하여 학습데이터를 형성하는 단계;
상기 학습데이터를 인공지능모듈에 제공하는 단계;
제 2 발의된 법안의 기본정보, 제 2 과거 법안의 기본정보 및 제 2 과거규제영향분석데이터가 입력되면 상기 학습모델로부터 전달받은 상기 학습데이터를 기초로 제 2 추론데이터를 출력하는 단계;
상기 제 2 추론데이터와 미리 저장된 정답 데이터 세트(Ground truth set)의 차이를 기초로 피드백 정보를 형성하는 단계; 및
상기 피드백 정보에 기초하여 상기 학습모델의 파라미터를 변경하는 단계;를 더 포함하는 법안 및 법규정에 대한 모니터링 방법.
- 제 7 항에 있어서,
상기 규제영향분석데이터를 생성하는 단계는,
상기 기본정보를 텍스트 마이닝(Text mining)하여 획득한 마이닝 데이터 및 상기 제 2 추론데이터에 기초하여 상기 규제영향분석데이터를 생성하는 단계;를 포함하는 법안 및 법규정에 대한 모니터링 방법.
- 제 7 항에 있어서,
미리 결정된 제 2 알고리즘을 이용하여 상기 기본정보와 대응되는 관련 해외사례 및 유사입법사례를 결정하는 단계;
상기 관련 해외사례 및 유사입법사례의 주요내용을 추출하는 단계;
상기 주요내용을 상기 사용자 단말에 전송하는 단계; 및
상기 주요내용을 상기 사용자 단말에 출력하는 단계;를 더 포함하는 법안 및 법규정에 대한 모니터링 방법.
- 제 7 항에 있어서,
상기 제 2 발의된 법안의 기본정보가,
의원안에 대한 기본정보를 포함하면,
상기 미리 설정된 항목은 상기 제 2 법안을 발의한 의원의 정당 및 입법성향을 더 포함하는 것으로 결정되는, 법안 및 법규정에 대한 모니터링 방법.
- 제 1 항 내지 제 3 항 및 제 7 항 내지 제 10 항에 따른 방법 중 어느 한 항에 따른 방법을 실행시키기 위하여 매체에 저장된 컴퓨터프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020237011354A KR20240023494A (ko) | 2022-03-30 | 2022-03-30 | 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2022/004482 WO2023191129A1 (ko) | 2022-03-30 | 2022-03-30 | 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237011354A Division KR20240023494A (ko) | 2022-03-30 | 2022-03-30 | 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102519033B1 true KR102519033B1 (ko) | 2023-04-07 |
Family
ID=85979881
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227010947A KR102519033B1 (ko) | 2022-03-30 | 2022-03-30 | 인공지능 학습 기반의 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 |
| KR1020237011354A KR20240023494A (ko) | 2022-03-30 | 2022-03-30 | 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237011354A KR20240023494A (ko) | 2022-03-30 | 2022-03-30 | 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 |
Country Status (2)
| Country | Link |
|---|---|
| KR (2) | KR102519033B1 (ko) |
| WO (1) | WO2023191129A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102596842B1 (ko) * | 2023-05-19 | 2023-11-02 | 주식회사 코딧 | 규제정보를 포함하는 이슈별 정보계층트리를 생성하는 방법, 컴퓨터-판독가능 기록매체 및 이를 수행하는 컴퓨팅시스템 |
| KR102625553B1 (ko) * | 2023-05-19 | 2024-01-16 | 주식회사 코딧 | 입력된 쿼리와 관련된 규제법률조항을 도출하는 방법, 컴퓨터-판독가능 기록매체 및 이를 수행하는 컴퓨팅시스템 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102350713B1 (ko) * | 2021-08-24 | 2022-01-13 | 주식회사 코딧 | 크라우드소싱 기반의 의안정보 업데이트 방법 및 시스템 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100836877B1 (ko) * | 2006-11-03 | 2008-06-11 | 한국과학기술정보연구원 | 연구개발 환경정보를 이용한 미래 시그널 및 이슈 도출시스템 및 그 방법 |
| KR102057169B1 (ko) * | 2018-10-29 | 2019-12-18 | 주식회사 엘에스디지탈 | 기업 맞춤형 화학 물질 관련 법령 이행 가이드 시스템 |
| KR20210072362A (ko) * | 2019-12-09 | 2021-06-17 | 엘지전자 주식회사 | 인공 지능 모델에 대한 학습 데이터를 생성하는 인공 지능 장치 및 그 방법 |
| JP2021092957A (ja) * | 2019-12-10 | 2021-06-17 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
| KR102298033B1 (ko) * | 2021-02-15 | 2021-09-06 | 광주광역시 | 텍스트마이닝 기반의 감사자료 분석 시스템 |
-
2022
- 2022-03-30 KR KR1020227010947A patent/KR102519033B1/ko active IP Right Review Request
- 2022-03-30 KR KR1020237011354A patent/KR20240023494A/ko active Search and Examination
- 2022-03-30 WO PCT/KR2022/004482 patent/WO2023191129A1/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102350713B1 (ko) * | 2021-08-24 | 2022-01-13 | 주식회사 코딧 | 크라우드소싱 기반의 의안정보 업데이트 방법 및 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102596842B1 (ko) * | 2023-05-19 | 2023-11-02 | 주식회사 코딧 | 규제정보를 포함하는 이슈별 정보계층트리를 생성하는 방법, 컴퓨터-판독가능 기록매체 및 이를 수행하는 컴퓨팅시스템 |
| KR102625553B1 (ko) * | 2023-05-19 | 2024-01-16 | 주식회사 코딧 | 입력된 쿼리와 관련된 규제법률조항을 도출하는 방법, 컴퓨터-판독가능 기록매체 및 이를 수행하는 컴퓨팅시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20240023494A (ko) | 2024-02-22 |
| WO2023191129A1 (ko) | 2023-10-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110704572B (zh) | 疑似非法集资风险的预警方法、装置、设备和存储介质 | |
| KR102519033B1 (ko) | 인공지능 학습 기반의 인공지능 학습 기반의 법안 및 법규정에 대한 모니터링 방법 및 이를 위한 프로그램 | |
| CN109872162B (zh) | 一种处理用户投诉信息的风控分类识别方法及*** | |
| CN110069609B (zh) | 裁判文书分析方法、装置、计算机设备及存储介质 | |
| CN111125343A (zh) | 适用于人岗匹配推荐***的文本解析方法及装置 | |
| CN111914087B (zh) | 一种舆情分析方法 | |
| CN110163242B (zh) | 风险识别方法、装置及服务器 | |
| CN113742733B (zh) | 阅读理解漏洞事件触发词抽取和漏洞类型识别方法及装置 | |
| TW201539216A (zh) | 文件分析系統、文件分析方法、及文件分析程式 | |
| CN112395421B (zh) | 课程标签的生成方法、装置、计算机设备及介质 | |
| CN110909542B (zh) | 智能语义串并分析方法及*** | |
| CN110991694A (zh) | 一种基于深度学习的量刑预测方法 | |
| CN113743111A (zh) | 基于文本预训练和多任务学习的金融风险预测方法及装置 | |
| CN116910104B (zh) | 基于大语言模型的建筑业施工安全智能日志记录方法 | |
| Leiser | Bias, journalistic endeavours, and the risks of artificial intelligence | |
| CN115204886A (zh) | 账户识别的方法、装置、电子设备和存储介质 | |
| Lai et al. | Large language models in law: A survey | |
| CN117520503A (zh) | 基于llm模型的金融客服对话生成方法、装置、设备及介质 | |
| Kou et al. | A cross-platform market structure analysis method using online product reviews | |
| Zhang et al. | Multimodal fake news analysis based on image–text similarity | |
| Oelke et al. | Visual evaluation of text features for document summarization and analysis | |
| Ray et al. | Demonetization and its aftermath: an analysis based on twitter sentiments | |
| CN113177164B (zh) | 基于大数据的多平台协同新媒体内容监控管理*** | |
| CN113850085B (zh) | 企业的等级评估方法、装置、电子设备及可读存储介质 | |
| Zhang | News Communication Value Evaluation Algorithm Based on Deep Neural Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant | ||
| J202 | Request for trial for correction [limitation] | ||
| J301 | Trial decision |
Free format text: TRIAL NUMBER: 2024105000007; TRIAL DECISION FOR CORRECTION REQUESTED 20240123 Effective date: 20240322 |