KR102600834B1 - Website Integrated Management System - Google Patents
Website Integrated Management System Download PDFInfo
- Publication number
- KR102600834B1 KR102600834B1 KR1020230107921A KR20230107921A KR102600834B1 KR 102600834 B1 KR102600834 B1 KR 102600834B1 KR 1020230107921 A KR1020230107921 A KR 1020230107921A KR 20230107921 A KR20230107921 A KR 20230107921A KR 102600834 B1 KR102600834 B1 KR 102600834B1
- Authority
- KR
- South Korea
- Prior art keywords
- metadata
- file
- website
- user terminal
- attached
- Prior art date
Links
- 238000013528 artificial neural network Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010801 machine learning Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000012776 electronic material Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/122—File system administration, e.g. details of archiving or snapshots using management policies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/14—Details of searching files based on file metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/164—File meta data generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
- G06F21/562—Static detection
- G06F21/565—Static detection by checking file integrity
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Library & Information Science (AREA)
- Virology (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
Abstract
본 발명은 웹사이트 통합 관리 시스템에 관한 것으로 구체적으로는 첨부파일의 내용을 인공신경망을 통하여 분석하여 등록되는 첨부파일에 해당되는 데이터들이 자동생성되도록 하고, 인공신경망을 통해 사용자의 웹사이트 사용패턴분석하는 등 웹사이트를 통합관리하기 위한 시스템에 관한 것이다.
본 발명은 웹사이트 통합관리 시스템에서 유사한 웹사이트를 통합관리 시, 같은 첨부파일이 여러번 등록되는 것을 방지하기 위해 사용자단말기로부터 등록되는 첨부파일이 웹사이트 통합관리 시스템에 저장된 첨부파일과 일치하는지 여부를 판단하여 같은 첨부파일인 경우 기존의 첨부파일을 재사용함으로서 효율적으로 시스템을 관리하는 효과가 있다.
또한 첨부파일의 내용을 인공신경망을 통하여 분석하여 등록되는 첨부파일에 해당되는 데이터들이 자동생성되도록 하고, 인공신경망을 통해 사용자단말기(200)의 웹사이트 사용패턴분석을 함으로서 사용자단말기에게 필요한 정보를 능동적으로 제공할 수 있는 효과가 있다.The present invention relates to an integrated website management system. Specifically, the contents of attached files are analyzed through an artificial neural network to automatically generate data corresponding to registered attached files, and the user's website usage patterns are analyzed through an artificial neural network. It is about a system for integrated management of websites.
The present invention is to prevent the same attachment file from being registered multiple times when managing similar websites in an integrated website management system, by checking whether the attachment file registered from the user terminal matches the attachment file stored in the integrated website management system. If the attachment file is the same, reusing the existing attachment file has the effect of efficiently managing the system.
In addition, the contents of the attached file are analyzed through an artificial neural network to automatically generate data corresponding to the registered attached file, and the website usage pattern of the user terminal 200 is analyzed through an artificial neural network to actively provide necessary information to the user terminal. There is an effect that can be provided.
Description
본 발명은 웹사이트 통합 관리 시스템에 관한 것으로 구체적으로는 첨부파일의 내용을 인공신경망을 통하여 분석하여 등록되는 첨부파일에 해당되는 데이터들이 자동생성되도록 하고, 인공신경망을 통해 사용자의 웹사이트 사용패턴분석하는 등 웹사이트를 통합관리하기 위한 시스템에 관한 것이다.The present invention relates to an integrated website management system. Specifically, the contents of attached files are analyzed through an artificial neural network to automatically generate data corresponding to registered attached files, and the user's website usage patterns are analyzed through an artificial neural network. It is about a system for integrated management of websites.
웹서버에 정보를 저장해 놓은 집합체를 말한다. 인터넷에 들어가는 관문으로 간략히 사이트(site)라고도 하며, 흔히 홈페이지 주소로 되어 있다. 주제별로 원하는 사이트 목록들을 나열한 사이트들이 많은데, 이를 인터넷 포털사이트(portal site)라고 한다.It refers to a collection of information stored on a web server. It is a gateway to the Internet and is also simply called a site, and is often written as a homepage address. There are many sites that list desired sites by topic, and these are called Internet portal sites.
이러한 웹사이트들을 용이하게 제작할 수 있는 프로그램 등은 현재 많이 개발되어 있으나, 초보자나 비전공자가 프로그램을 익히기에는 상당한 시간이 필요하며, 제작 또한 상당히 어렵다는 문제점이 있다. Many programs that can easily create such websites have been developed, but they require a considerable amount of time for beginners or non-majors to learn the programs, and are also quite difficult to create.
한편, 사용자의 요구에 따라 개별적으로 개발되어 운영되는 웹사이트들의 집합은 각각 상이한 관리시스템이 존재함에 따라 운영에 어려움이 많으며, 개별적인 도메인 관리, 데이터 처리 구조 및 수요 예측이 이루어지지 않아 동일한 기관 내에 존재하는 웹사이트임에도 불구하고 완전히 독립적인 시스템으로 취급되어 사이트간 정보교환이 원활하지 않고 자원의 효율적인 활용이 어렵다는 문제점이 있다. On the other hand, a set of websites that are individually developed and operated according to user needs are difficult to operate because each has a different management system, and individual domain management, data processing structure, and demand forecasting are not implemented, so they exist within the same organization. Although it is a website, it is treated as a completely independent system, so information exchange between sites is not smooth and resources are difficult to utilize efficiently.
이를 위해 이용되는 내용관리 시스템(Content Management System)은 웹 사이트의 내용을 관리하는 시스템을 말한다. 이 시스템에는 내용관리 애플리케이션(CMA1))과 내용 배포 애플리케이션(CDA2))이 있다. CMA는 하이퍼텍스트 생성 언어(HTML) 웹 내용의 작성 · 변경 · 제거 등의 관리 프로그램이고, CDA는 웹 사이트 현행화를 위한 정보 편집 프로그램이다. 형태로는 웹 기반 편찬(마법사와 회사가 인가한 도구나 템플릿을 사용), 형식관리(과거 전자 자료와 서류를 HTML 혹은 PDF3) 형식으로 작성), 개정 제어(내용의 신 버전 현행화 또는 구 버전에 재저장), 데이터의 색인, 데이터 탐색, 키워드 검색 등이 있다.The Content Management System used for this purpose refers to a system that manages the content of a website. This system includes a content management application (CMA1)) and a content distribution application (CDA2)). CMA is a management program for creating, changing, and removing hypertext creation language (HTML) web content, and CDA is an information editing program for updating websites. The forms include web-based compilation (using wizards and company-approved tools or templates), format management (creating past electronic materials and documents into HTML or PDF3), and revision control (making new or old versions of content current). restoring), indexing of data, data exploration, keyword search, etc.
하지만 종래 시스템은 프레임워크에 요구사항을 맞추어야 하므로 사용자의 요구사항에 따라 개별 웹사이트들을 다양한 형태로 구현하기 어려워 본 발명은 인공지능 기반으로 분석된 데이터를 포함한 웹사이트 통합 관리 시스템을 제공한다.However, since the conventional system must meet the requirements of the framework, it is difficult to implement individual websites in various forms according to user requirements. The present invention provides an integrated website management system including analyzed data based on artificial intelligence.
본 발명의 목적은 웹사이트 통합관리 시스템에서 유사한 웹사이트를 통합관리 시, 같은 첨부파일이 여러번 등록되는 것을 방지하기 위해 사용자단말기로부터 등록되는 첨부파일이 웹사이트 통합관리 시스템에 저장된 첨부파일과 일치하는지 여부를 판단하여 같은 첨부파일인 경우 기존의 첨부파일을 재사용하기 위한 것이다.The purpose of the present invention is to check whether the attachment files registered from the user terminal match the attachment files stored in the integrated website management system in order to prevent the same attachment file from being registered multiple times when managing similar websites in the integrated website management system. This is to determine whether the attachment is the same and reuse the existing attachment if it is the same.
또한 첨부파일의 내용을 인공신경망을 통하여 분석하여 등록되는 첨부파일에 해당되는 데이터들이 자동생성되도록 하고, 인공신경망을 통해 사용자단말기(200)의 웹사이트 사용패턴분석을 하기 위한 목적이다.In addition, the purpose is to analyze the contents of the attached file through an artificial neural network to automatically generate data corresponding to the registered attached file, and to analyze the website usage pattern of the user terminal 200 through the artificial neural network.
상기와 같은 문제를 해결하기 위해 본 발명은 다수의 웹사이트 내의 첨부파일을 저장하고, 사용자단말기(200)에 의해 선택된 웹사이트 내에 등록하기 위한 첨부파일의 메타데이터를 전송받고, 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터와 데이터베이스(110) 내의 첨부파일의 메타데이터 중 하나의 메타데이터가 일치하는지 여부를 판단하고, 웹사이트로 입출력되는 데이터를 인공신경망을 통해 사용되는 학습시키고, 학습된 인공신경망을 통해 사용자단말기(200)의 웹사이트 사용패턴분석을 하기 위한 웹사이트통합관리서버(100)와, 웹사이트통합관리서버(100)로 선택된 웹사이트 정보와 첨부파일을 전송하기 위한 사용자단말기(200)를 포함하고, 상기 웹사이트통합관리서버(100)는 다수의 웹사이트로부터 등록된 첨부파일과 첨부파일의 메타데이터를 저장하기 위한 데이터베이스(110)와, 사용자단말기(200)에 의해 선택된 웹사이트 내에 등록하기 위한 첨부파일의 메타데이터를 전송받고, 데이터베이스(110) 내의 첨부파일들의 메타데이터와 비교하여 같은 첨부파일의 메타데이터가 있는지 여부를 판단하기 위한 첨부파일분석부(120)와, 첨부파일분석부(120)에 의해 분석한 결과 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터와 데이터베이스(110) 내의 첨부파일의 메타데이터 중 하나의 메타데이터가 일치하는 경우 데이터베이스(110) 내의 첨부파일을 사용자단말기(200)에 의해 선택된 웹사이트로 등록하고, 일치하지 않는 경우 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터를 데이터베이스(110)로 전송하고, 사용자단말기(200)를 통해 선택된 웹사이트로 사용자단말기(200)로부터 전송받은 첨부파일을 등록하기 위한 첨부파일등록부(130)와, 데이터베이스(110) 내에 저장된 첨부파일과 첨부파일의 메타데이터가 변경되거나 삭제되는 경우 데이터베이스(110) 내의 저장된 첨부파일과 첨부파일의 메타데이터의 무결성을 검증하기 위한 첨부파일무결성검증부(140)와, 사용자단말기(200)에 의해 선택된 웹사이트로 첨부파일을 등록 시 첨부파일을 데이터베이스(100)에 축적된 정보를 활용하여 인공신경망을 통해 분석하여, 등록되는 첨부파일에 해당되는 대체텍스트값과 HTML이 포함된 데이터를 자동으로 생성하기 위한 첨부파일데이터자동생성부(150)와, 웹사이트로 입출력되는 데이터를 인공신경망을 통해 사용되는 학습시키고, 학습된 인공신경망을 통해 사용자단말기(200)의 웹사이트 사용패턴분석을 하기 위한 웹사이트데이터분석부(160)를 포함하는 것을 특징으로 하는 웹사이트 통합 관리 시스템을 제공한다.In order to solve the above problem, the present invention stores attached files in a plurality of websites, receives metadata of the attached files for registration in the website selected by the user terminal 200, and sends the attached files to the user terminal 200. It determines whether the metadata of the attached file received from the database matches the metadata of one of the metadata of the attached file in the database 110, trains the data input and output to the website to be used through an artificial neural network, and uses the learned A website integrated management server (100) for analyzing website usage patterns of the user terminal (200) through an artificial neural network, and a user terminal for transmitting selected website information and attachments to the website integrated management server (100). (200), wherein the website integrated management server 100 includes a database 110 for storing attachments registered from multiple websites and metadata of the attachments, and a database 110 selected by the user terminal 200. An attached file analysis unit 120 to receive metadata of an attached file for registration on a website and compare it with the metadata of the attached file in the database 110 to determine whether there is metadata of the same attached file; As a result of analysis by the attachment file analysis unit 120, if the metadata of the attached file received from the user terminal 200 matches the metadata of one of the metadata of the attached file in the database 110, the metadata in the database 110 Register the attached file with the website selected by the user terminal 200, and if it does not match, transfer the metadata of the attached file received from the user terminal 200 to the database 110 and send it to the database 110 through the user terminal 200. An attachment file register 130 for registering an attachment file transmitted from the user terminal 200 to the selected website, and a database 110 when the attached file stored in the database 110 and the metadata of the attached file are changed or deleted. When registering an attached file with a website selected by the user terminal 200, the attachment file integrity verification unit 140 is configured to verify the integrity of the attached file and the metadata of the attached file, and the attached file is stored in the database 100. An automatic attachment file data generation unit 150 for automatically generating data including alternative text values and HTML corresponding to registered attachments by analyzing them through an artificial neural network using accumulated information, and inputting and outputting data to a website. A website integration device comprising a website data analysis unit 160 for learning the data to be used through an artificial neural network and analyzing website usage patterns of the user terminal 200 through the learned artificial neural network. Provides a management system.
본 발명은 웹사이트 통합관리 시스템에서 유사한 웹사이트를 통합관리 시, 같은 첨부파일이 여러번 등록되는 것을 방지하기 위해 사용자단말기로부터 등록되는 첨부파일이 웹사이트 통합관리 시스템에 저장된 첨부파일과 일치하는지 여부를 판단하여 같은 첨부파일인 경우 기존의 첨부파일을 재사용함으로서 효율적으로 시스템을 관리하는 효과가 있다.The present invention is to prevent the same attachment file from being registered multiple times when managing similar websites in an integrated website management system, by checking whether the attachment file registered from the user terminal matches the attachment file stored in the integrated website management system. If the attachment file is the same, reusing the existing attachment file has the effect of efficiently managing the system.
또한 첨부파일의 내용을 인공신경망을 통하여 분석하여 등록되는 첨부파일에 해당되는 데이터들이 자동생성되도록 하고, 인공신경망을 통해 사용자단말기(200)의 웹사이트 사용패턴분석을 함으로서 사용자단말기에게 필요한 정보를 능동적으로 제공할 수 있는 효과가 있다.In addition, the contents of the attached file are analyzed through an artificial neural network to automatically generate data corresponding to the registered attached file, and the website usage pattern of the user terminal 200 is analyzed through an artificial neural network to actively provide necessary information to the user terminal. There is an effect that can be provided.
도 1은 본 발명의 전체적인 모습을 나타낸 도면이다.
도 2는 본 발명의 웹사이트통합관리서버(100)의 세부 구성도이다.1 is a diagram showing the overall appearance of the present invention.
Figure 2 is a detailed configuration diagram of the integrated website management server 100 of the present invention.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.Terms and words used in this specification and claims should not be construed as limited to their usual or dictionary meanings, and the inventor may appropriately define the concept of terms to explain his or her invention in the best way. It must be interpreted as meaning and concept consistent with the technical idea of the present invention based on principles.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the attached drawings.
본 발명은 웹사이트 통합 관리 시스템에 관한 것으로 구체적으로는 유사한 웹사이트를 통합 관리할 때 사용하기 위한 웹사이트 통합관리 시스템에 관한 것이다.The present invention relates to an integrated website management system, and specifically to an integrated website management system for use when managing similar websites in an integrated manner.
본 발명은 도1과 같이 웹사이트통합관리서버(100)와 사용자단말기(200)로 구성된다. 또한 웹사이트통합관리서버(100)와 사용자단말기(200) 간의 통신은 통신망을 통해 통신될 수 있다.The present invention consists of a website integrated management server 100 and a user terminal 200, as shown in Figure 1. Additionally, communication between the website integrated management server 100 and the user terminal 200 may be communicated through a communication network.
웹사이트통합관리서버(100)는 다수의 웹사이트 내의 첨부파일을 저장하고, 사용자단말기(200)에 의해 선택된 웹사이트 내에 등록하기 위한 첨부파일의 메타데이터를 전송받고, 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터와 데이터베이스(110) 내의 첨부파일의 메타데이터 중 하나의 메타데이터가 일치하는지 여부를 판단하고, 웹사이트로 입출력되는 데이터를 인공신경망을 통해 사용되는 학습시키고, 학습된 인공신경망을 통해 사용자단말기(200)의 웹사이트 사용패턴분석을 하기 위한 것이다.The website integrated management server 100 stores attached files in multiple websites, receives metadata of the attached files for registration in the website selected by the user terminal 200, and transmits them from the user terminal 200. It is determined whether the metadata of the received attached file matches the metadata of one of the metadata of the attached file in the database 110, the data input and output to the website is trained to be used through an artificial neural network, and the learned artificial neural network is trained. This is to analyze the website usage pattern of the user terminal 200.
도 2를 참고하면 상기 웹사이트통합관리서버(100)는 데이터베이스(110), 첨부파일분석부(120), 첨부파일등록부(130), 첨부파일무결성검증부(140), 첨부파일데이터자동생성부(150), 웹사이트데이터분석부(160), 웹사이트재구축부(170)를 포함하여 구성된다.Referring to Figure 2, the website integrated management server 100 includes a database 110, an attached file analysis unit 120, an attached file register 130, an attached file integrity verification unit 140, and an automatic attached file data generation unit. (150), website data analysis unit (160), and website reconstruction unit (170).
각 구성요소를 구체적으로 설명하면 다음과 같다.Each component is described in detail as follows.
데이터베이스(110)는 다수의 웹사이트로부터 등록된 첨부파일과 첨부파일의 메타데이터를 저장하기 위한 것이다.The database 110 is used to store attached files registered from multiple websites and metadata of the attached files.
상기 첨부파일은 이미지파일, 텍스트파일 등을 포함하는 것으로 웹사이트 상에 등록가능한 어떠한 형태의 파일일 수 있다.The attached file includes image files, text files, etc. and may be any type of file that can be registered on a website.
메타데이터는 속성정보로서 데이터에 관한 구조화된 데이터로, 구조화된 정보를 분석/분류하고, 부가 정보를 추가하기 위해 데이터에 따라가는 정보이다.Metadata is structured data about data as attribute information, and is information that follows the data to analyze/classify the structured information and add additional information.
첨부파일의 메타데이터의 정보는 파일 생성 날짜, 시간, 파일 생성의 지리적 위치, 작성자, 파일 수정 일자, 파일 크기 등일 수 있다.Information in the metadata of the attached file may include file creation date, time, geographic location of file creation, author, file modification date, file size, etc.
첨부파일분석부(120)는 사용자단말기(200)에 의해 선택된 웹사이트 내에 등록하기 위한 첨부파일의 메타데이터를 전송받고, 데이터베이스(110) 내의 첨부파일들의 메타데이터와 비교하여 같은 첨부파일의 메타데이터가 있는지 여부를 판단하기 위한 것이다.The attached file analysis unit 120 receives metadata of the attached file for registration in the website selected by the user terminal 200, compares it with the metadata of the attached files in the database 110, and determines the metadata of the same attached file. This is to determine whether there is a
상기 첨부파일분석부(120)는 사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터와 데이터베이스(110) 내에 선택된 첨부파일의 메타데이터의 메타데이터유사도를 판단하기 위해 하기 [수학식 1]을 이용할 수 있다.The attached file analysis unit 120 uses the following [Equation 1] to determine the metadata similarity between the metadata of the attached file transmitted by the user terminal 200 and the metadata of the attached file selected in the database 110. Available.
(여기서 Bh는 데이터베이스(110) 내의 첨부파일의 메타데이터들 중 h번째 첨부파일의 메타데이터와 사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 유사도, q는 데이터베이스(110) 내에 저장된 첨부파일의 메타데이터의 정보의 총 개수, Uhg는 데이터베이스(110) 내의 첨부파일의 메타데이터들 중 h번째 첨부파일의 메타데이터의 g번째 정보의 가중치, Chg는 데이터베이스(110) 내의 첨부파일의 메타데이터들 중 h번째 첨부파일의 메타데이터의 g번째 정보와 사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 g번째 정보의 유사도를 나타낸다.)(Here, B h is the similarity between the metadata of the hth attached file among the metadata of the attached file in the database 110 and the metadata of the attached file transmitted by the user terminal 200, and q is the metadata stored in the database 110. The total number of metadata information of the attached file, U hg is the weight of the g th information of the metadata of the hth attached file among the metadata of the attached file in the database 110, C hg is the attached file in the database 110 Among the metadata, it indicates the similarity between the gth information of the metadata of the hth attached file and the gth information of the metadata of the attached file transmitted by the user terminal 200.)
수학식 1에서 가중치(Uhg)는 사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 정보와 데이터베이스(110) 내의 h번째 첨부파일의 메타데이터의 정보 중 동일한 정보가 1개 이상 있는 경우 1이고, 없는 경우 0일 수 있다.In Equation 1, the weight (U hg ) is when there is at least one piece of identical information among the metadata information of the attached file transmitted by the user terminal 200 and the metadata information of the hth attached file in the database 110. It can be 1, and if not present, it can be 0.
유사도(Chg)는 범주형으로 결정되는 것이 바람직하며 비교하고자 하는 2개의 정보가 서로 동일한 범주에 속하면 1이고, 속하지 않으면 0일 수 있다. The similarity (C hg ) is preferably determined in a categorical manner, and can be 1 if the two pieces of information to be compared belong to the same category, and 0 if they do not belong to the same category.
하지만 가중치(Uhg)와 유사도(Chg)이 경우 사용자가 설정한 값에 따라 숫자 등이 달라질 수 있다.However, in the case of weight (U hg ) and similarity (C hg ), the numbers may vary depending on the values set by the user.
정보의 범주는 사전에 설정된 범주로서 제시될 수 있다.The category of information may be presented as a preset category.
첨부파일의 메타데이터 정보 중 파일 생성 날짜를 1주일 단위로 동일한 값으로 범주를 설정된다면, 같은 주 내에 생성된 정보는 같은 범주 내에 속한 값으로 판단할 수 있다.If the category of the file creation date among the metadata information of the attached file is set to the same value in one week units, information created within the same week can be judged as a value belonging to the same category.
예를 들면 첨부파일의 메타데이터의 정보 중 파일 생성 날짜, 파일크기를 통하여 유사도를 판단하면 다음과 같다.For example, if similarity is judged based on the file creation date and file size among the metadata information of the attached file, it is as follows.
날짜에 관해 설정된 범주는 1주일 내의 날짜(같은 주의 월요일~일요일을 의미함)가 동일한 값으로 범주를 한다고 가정한다. 또한 100MB 단위로 파일 크기가 같은 범주에 속한다고 가정한다.The categories set for dates assume that dates within one week (meaning Monday through Sunday of the same week) are categorized with the same value. Also, assume that the file sizes fall into the same category in units of 100MB.
데이터베이스(110) 내에 저장된 첨부파일의 메타데이터 중 4번째 첨부파일의 메타데이터와 사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 정보 중 파일 생성 날짜에 관한 정보의 유사도를 계산한다.The similarity between the metadata of the fourth attached file among the metadata of the attached file stored in the database 110 and the information about the file creation date among the metadata of the attached file transmitted by the user terminal 200 is calculated.
사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 정보와 데이터베이스(110) 내의 4번째 첨부파일의 메타데이터의 정보 중 동일한 정보가 1개 있다.Among the metadata information of the attached file transmitted by the user terminal 200 and the metadata information of the fourth attached file in the database 110, there is one piece of identical information.
사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 정보 중 유사도를 구하기 위한 정보인 파일 생성 날짜가 2023년 8월 7일이고, 데이터베이스(110) 내의 4번째 첨부파일의 메타데이터의 파일 생성날짜가 2023년 7월 31일이다. 즉 파일 생성날짜의 유사도(Chg)는 0이다.Among the metadata information of the attached file transmitted by the user terminal 200, the file creation date, which is information for calculating similarity, is August 7, 2023, and the metadata file of the fourth attached file in the database 110 is created. The date is July 31, 2023. In other words, the similarity (C hg ) of the file creation date is 0.
사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 정보 중 유사도를 구하기 위한 정보인 파일 크기가 110MB이고, 데이터베이스(110) 내의 4번째 첨부파일의 메타데이터의 파일 크기가 140MB이다. 즉 파일 크기의 유사도(Chg)는 1이다.Among the metadata information of the attached file transmitted by the user terminal 200, the file size of the information for calculating similarity is 110MB, and the file size of the metadata of the fourth attached file in the database 110 is 140MB. That is, the similarity (C hg ) of file sizes is 1.
데이터베이스(110) 내의 첨부파일의 메타데이터들 중 4번째 첨부파일의 메타데이터와 사용자단말기(200)에 의해 전송된 첨부파일의 메타데이터의 유사도(Bh)를 구하면 다음과 같다.The similarity (B h ) between the metadata of the fourth attached file among the metadata of the attached file in the database 110 and the metadata of the attached file transmitted by the user terminal 200 is calculated as follows.
상기 유사도(Bh)는 0.5로서 유사도(Bh)는 1에 가까울수록 유사도가 높은 것으로 설정되어 이의 값을 판단할 수 있다. 또한 유사도 판단기준 값은 사용자에 의해 다르게 설정될 수 있다.The similarity (B h ) is set to 0.5, and the closer the similarity (B h ) is to 1, the higher the similarity is, so that its value can be determined. Additionally, the similarity judgment standard value may be set differently by the user.
첨부파일등록부(130)는 첨부파일분석부(120)에 의해 분석한 결과 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터와 데이터베이스(110) 내의 첨부파일의 메타데이터 중 하나의 메타데이터가 일치하는 경우 데이터베이스(110) 내의 첨부파일을 사용자단말기(200)에 의해 선택된 웹사이트로 등록하고, 일치하지 않는 경우 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터를 데이터베이스(110)로 전송하고, 사용자단말기(200)를 통해 선택된 웹사이트로 사용자단말기(200)로부터 전송받은 첨부파일을 등록하기 위한 것이다.As a result of analysis by the attachment file analysis unit 120, the attachment file register 130 matches the metadata of the attached file received from the user terminal 200 and the metadata of the attached file in the database 110. In this case, the attached file in the database 110 is registered as the website selected by the user terminal 200, and if it does not match, the metadata of the attached file received from the user terminal 200 is transmitted to the database 110, This is to register the attached file transmitted from the user terminal 200 to the website selected through the user terminal 200.
상기 첨부파일등록부(130)는 첨부파일분석부(120)를 통하여 분석된 결과를 토대로 웹사이트통합관리서버(100) 내에 같은 첨부파일이 여러번 등록되지 않도록 함으로서 효율적으로 서버를 관리하기 위함이다.The attachment file registration unit 130 is used to efficiently manage the server by preventing the same attachment file from being registered multiple times in the website integrated management server 100 based on the results analyzed through the attachment analysis unit 120.
만약 기존의 첨부파일의 변경 혹은 삭제가 생기는 경우 재사용된 파일의 무결성을 위해 원본 첨부파일만 대체되며 링크된 파일에는 영향이 없도록 할 수 있다.If an existing attachment file is changed or deleted, only the original attachment file is replaced to ensure the integrity of the reused file and the linked file is not affected.
첨부파일무결성검증부(140)는 데이터베이스(110) 내에 저장된 첨부파일과 첨부파일의 메타데이터가 변경되거나 삭제되는 경우 데이터베이스(110) 내의 저장된 첨부파일과 첨부파일의 메타데이터의 무결성을 검증하기 위한 것이다.The attachment file integrity verification unit 140 is used to verify the integrity of the attached file and the metadata of the attached file stored in the database 110 when the attached file and metadata of the attached file are changed or deleted. .
즉 상기 첨부파일무결성검증부(140)는 첨부파일의 생성, 큐 레이션, 아카이빙 또는 기타 적격 이벤트 이후에 변경되었는지 여부를 확인하기 위해 무결성 검증을 수행할 수 있는 것이다.That is, the attachment file integrity verification unit 140 can perform integrity verification to check whether the attachment file has been changed after creation, curation, archiving, or other qualifying event.
첨부파일데이터자동생성부(150)는 사용자단말기(200)에 의해 선택된 웹사이트로 첨부파일을 등록 시 첨부파일을 데이터베이스(100)에 축적된 정보를 활용하여 인공신경망을 통해 분석하여, 등록되는 첨부파일에 해당되는 대체텍스트값과 HTML이 포함된 데이터를 자동으로 생성하기 위한 것이다.When registering an attached file with a website selected by the user terminal 200, the automatic attachment file data generation unit 150 analyzes the attached file through an artificial neural network using information accumulated in the database 100, and generates the registered attachment. This is to automatically generate data containing alternative text values and HTML corresponding to the file.
즉 데이터베이스(100)에 축적된 정보들(첨부파일의 데이터, 메타데이터 등)과 외부 사이트 등을 인공신경망을 통하여 학습을 시키며, 학습된 인공신경망을 통하여 새롭게 등록되는 첨부파일을 분석하여 대체텍스트값과 HTML이 포함된 데이터를 자동으로 생성할 수 있는 것이다.In other words, the information accumulated in the database 100 (attached file data, metadata, etc.) and external sites are learned through an artificial neural network, and newly registered attached files are analyzed through the learned artificial neural network to create alternative text values. and HTML can be automatically generated.
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.In the present invention, artificial intelligence (AI) refers to technology that imitates human learning ability, reasoning ability, perception ability, etc. and implements this with a computer, and includes concepts such as machine learning and symbolic logic. may include. Machine Learning (ML) is an algorithmic technology that classifies or learns the characteristics of input data on its own. Artificial intelligence technology is a machine learning algorithm that analyzes input data, learns the results of the analysis, and makes judgments or predictions based on the results of the learning. Additionally, technologies that mimic the functions of the human brain, such as cognition and judgment, using machine learning algorithms can also be understood as the category of artificial intelligence. For example, technical fields such as verbal understanding, visual understanding, reasoning/prediction, knowledge representation, and motion control may be included.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다.Machine learning can refer to the process of training a neural network model using experience processing data. Machine learning can mean that computer software improves its own data processing capabilities. A neural network model is built by modeling the correlation between data, and the correlation can be expressed by a plurality of parameters. A neural network model extracts and analyzes features from given data to derive correlations between data. Repeating this process to optimize the parameters of the neural network model can be called machine learning. For example, a neural network model can learn the mapping (correlation) between input and output for data given as input-output pairs.
첨부파일데이터자동생성부(150)는 첨부파일이 이미지인 경우 이미지의 밝기값을 분석할 수 있으며, 이미지의 밝기값이 분산되어 있는 정도를 파악하는 이미지밝기값분포도를 [수학식 2]를 통하여 계산함으로서 등록되는 이미지의 밝기값이 일정하게 유지되고 있는지 여부를 판단할 수 있다. 이미지밝기값분포도가 작을수록 이미지의 밝기값이 특정 이미지에만 치우쳐있음을 알 수 있다. 또한 상기 이미지밝기값분포도는 설정된 기간 내에 등록되는 이미지들을 대상으로 이미지밝기값분포도를 계산할 수 있다. The automatic attachment file data generation unit 150 can analyze the brightness value of the image when the attached file is an image, and generate an image brightness value distribution chart to determine the degree to which the brightness value of the image is distributed through [Equation 2]. By calculating, it is possible to determine whether the brightness value of the registered image is maintained constant. It can be seen that the smaller the distribution of image brightness values, the more biased the image brightness values are to only certain images. Additionally, the image brightness value distribution can be calculated for images registered within a set period.
여기서 M은 이미지밝기값분포도, w는 설정된 기간 내에 등록되는 이미지의 총 갯수, T(n)는 설정된 기간 내에 등록되는 이미지 중 n번째 이미지의 밝기값을 의미한다.Here, M is the image brightness value distribution, w is the total number of images registered within the set period, and T(n) means the brightness value of the nth image among the images registered within the set period.
예를 들어 for example
1) 사전에 설정된 기간 내에 5개의 이미지가 등록되고, 1번째 이미지의 밝기값이 3, 2번째 이미지의 밝기값이 2, 3번째 이미지의 밝기값이 3, 4번째 이미지의 밝기값이 3.2, 5번째 이미지의 밝기값이 2.5인 경우 이미지밝기값 분포도는 다음과 같다.1) Five images are registered within a preset period, the brightness value of the first image is 3, the brightness value of the second image is 2, the brightness value of the third image is 3, the brightness value of the fourth image is 3.2, If the brightness value of the 5th image is 2.5, the image brightness value distribution is as follows.
2) 사전에 설정된 기간 내에 5개의 이미지가 등록되고 1번째 이미지의 밝기값이 4, 2번째 이미지의 밝기값이 2, 3번째 이미지의 밝기값이 1, 4번째 이미지의 밝기값이 1, 5번째 이미지의 밝기값이 2.5인 경우 이미지밝기값 분포도는 다음과 같다.2) Five images are registered within a preset period, the brightness value of the first image is 4, the brightness value of the second image is 2, the brightness value of the third image is 1, and the brightness value of the fourth image is 1 and 5. If the brightness value of the th image is 2.5, the distribution of image brightness values is as follows.
이와 같이 1)번째 이미지밝기값분포도는 6.07, 2)번째 이미지밝기값분포도는 4.01으로 2)번째 이미지의 밝기값이 특정 이미지에만 치우쳐있음을 알 수 있다. In this way, the brightness value distribution of the 1)th image is 6.07, and the brightness value distribution of the 2)th image is 4.01. It can be seen that the brightness value of the 2)th image is biased only toward a specific image.
상기 이미지밝기값분포도는 설정된 기간마다 분석되는 값들의 상대적인 값을 비교하여 이미지밝기여부를 판단하거나 사전에 정의된 이미지밝기값분포도를 기준으로 하여 계산된 이미지밝기값분포도가 사전에 정의된 이미지밝기값분포도보다 낮은 경우 이미지의 밝기값이 특정 이미지에만 치우쳐져 있음을 알 수 있다.The image brightness value distribution diagram determines whether the image is bright by comparing the relative values of the values analyzed for each set period, or the image brightness value distribution diagram calculated based on a pre-defined image brightness value distribution diagram is a pre-defined image brightness value. If it is lower than the distribution, you can see that the brightness value of the image is biased only toward specific images.
웹사이트데이터분석부(160)는 웹사이트로 입출력되는 데이터를 인공신경망을 통해 사용되는 학습시키고, 학습된 인공신경망을 통해 사용자단말기(200)의 웹사이트 사용패턴분석을 하기 위한 것이다.The website data analysis unit 160 is used to learn data input and output to the website through an artificial neural network, and to analyze website usage patterns of the user terminal 200 through the learned artificial neural network.
즉 데이터베이스(110)로 저장되는 첨부파일과 첨부파일데이터 또는 이 외에 다수의 사용자단말기(200)들로부터 입력되거나 출력되는 다양한 입출력 데이터들을 인공신경망을 통하여 실시간으로 학습시키고 학습된 인공신경망을 통하여, 웹사이트 사용자패턴분석을 위해 선택된 특정 사용자단말기(200)의 웹사이트 사용자패턴을 분석할 수 있다. 상기 입출력 데이터는 본 발명의 시스템을 구현하기 위한 다양한 데이터일 수 있다.That is, attachment files and attachment data stored in the database 110 or various input and output data input or output from a plurality of user terminals 200 are learned in real time through an artificial neural network, and through the learned artificial neural network, on the web. For site user pattern analysis, the website user pattern of the specific user terminal 200 selected can be analyzed. The input/output data may be various data for implementing the system of the present invention.
또한 웹사이트데이터분석부(160)는 웹서비스에 사용되는 REST API의 입출력 데이터를 인공신경망 기반으로 분석하여, 사이버 공격 혹은 개인정보 유출시도를 사전에 파악하여 차단할 수 있다.In addition, the website data analysis unit 160 analyzes the input and output data of the REST API used in web services based on an artificial neural network, and can identify and block cyber attacks or attempts to leak personal information in advance.
상기 웹사이트데이터분석부(160)를 통해 분석된 데이터는 시스템 관리자의 단말기로 리포트 형태로 제공될 수 있다.Data analyzed through the website data analysis unit 160 may be provided in the form of a report to the system administrator's terminal.
또한 시스템 관리자의 단말기로 전송되는 리포트는 첨부파일데이터자동생성부(150)를 통해 계산된 이미지밝기값분포도에 대한 데이터를 포함할 수 있다.Additionally, the report transmitted to the system administrator's terminal may include data on the image brightness value distribution calculated through the automatic attachment data generation unit 150.
상기 웹사이트데이터분석부(160)를 통하여 사용자패턴을 분석하고, 분석된 사용자패턴을 토대로 사용자에게 적합한 정보를 능동적으로 제공할 수도 있다. User patterns may be analyzed through the website data analysis unit 160, and information suitable for the user may be actively provided based on the analyzed user patterns.
또한 사용자가 사용자단말기(200)에 설정한 권한에 따라 분석가능한 데이터 노출범위가 달라질 수도 있다.Additionally, the scope of data exposure that can be analyzed may vary depending on the permissions set by the user on the user terminal 200.
웹사이트재구축부(170)는 첨부파일데이터자동생성부(150)를 통해 제공된 데이터를 재가공하여 웹사이트로 제공하기 위한 것이다.The website reconstruction unit 170 is used to reprocess the data provided through the automatic attachment file data generation unit 150 and provide it to the website.
즉 웹사이트재구축부(170)는 사용자단말기(200)에 의해 선택된 항목에 따라 이미지를 소리로 변환하거나 쉬운 단어로 대체되는 변환 등을 통하여 사용자단말기(200)를 통해 접속된 웹사이트에서 데이터를 재가공하여 제공할 수 있다.That is, the website reconstruction unit 170 converts the image into a sound or replaces it with an easy word according to the item selected by the user terminal 200, and collects data from the website accessed through the user terminal 200. It can be reprocessed and provided.
예를 들면 사용자단말기(200) 내에 설정된 정보와 입출력된 데이터를 토대로 사용자가 시각장애인임을 판단하면 시각장애인을 위한 웹사이트로 재구축하기 위해 이미지에 포함된 문자를 텍스트로 변환하고, 대체텍스트가 미제공된 이미지의 설명을 제공할 수 있으며, 만약 사용자가 어린이거나 외국인 등인 경우 웹사이트 내에 제공되는 단어들을 쉬운 단어로 변환하여 제공할 수 있는 것이다.For example, if it is determined that the user is visually impaired based on the information set in the user terminal 200 and the input and output data, the characters included in the image are converted to text to reconstruct the website for the visually impaired, and no alternative text is provided. Descriptions of images can be provided, and if the user is a child or a foreigner, the words provided on the website can be converted into easy words and provided.
사용자단말기(200)는 웹사이트통합관리서버(100)로 선택된 웹사이트 정보와 첨부파일을 전송하기 위한 것이다.The user terminal 200 is used to transmit selected website information and attached files to the website integrated management server 100.
상기 사용자 단말기(200)는 스마트폰, 노트북 등일 수도 있고, IVI 장치 자체일 수도 있을 것이나, 이에 한정되는 것은 아니며, 설정 인터페이스를 표시할 수 있는 모든 장치가 포함될 수 있을 것이다.The user terminal 200 may be a smartphone, a laptop, etc., or the IVI device itself, but is not limited thereto and may include any device capable of displaying a settings interface.
이상과 같은 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.The embodiments described in the present specification and the configurations shown in the drawings are only one of the most preferred embodiments of the present invention and do not represent the entire technical idea of the present invention, so various equivalents and modifications can be substituted for them. It should be understood that there may be examples.
100 웹사이트통합관리서버
110 데이터베이스
120 첨부파일분석부
130 첨부파일등록부
1 140 첨부파일무결성검증부
150 첨부파일데이터자동생성부
160 웹사이트데이터분석부
170 웹사이트재구축부
200 사용자단말기100 website integrated management server
110 database
120 Attachment File Analysis Department
130 Attachment file register
1 140 Attachment File Integrity Verification Department
150 Automatic attachment file data generation unit
160 Website Data Analysis Department
170 Website Reconstruction Department
200 user terminals
Claims (3)
웹사이트통합관리서버(100)로 선택된 웹사이트 정보와 첨부파일을 전송하기 위한 사용자단말기(200)를 포함하고,
상기 웹사이트통합관리서버(100)는
다수의 웹사이트로부터 등록된 첨부파일과 첨부파일의 메타데이터를 저장하기 위한 데이터베이스(110)와,
사용자단말기(200)에 의해 선택된 웹사이트 내에 등록하기 위한 첨부파일의 메타데이터를 전송받고, 데이터베이스(110) 내의 첨부파일들의 메타데이터와 비교하여 같은 첨부파일의 메타데이터가 있는지 여부를 판단하기 위한 첨부파일분석부(120)와,
첨부파일분석부(120)에 의해 분석한 결과 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터와 데이터베이스(110) 내의 첨부파일의 메타데이터 중 하나의 메타데이터가 일치하는 경우 데이터베이스(110) 내의 첨부파일을 사용자단말기(200)에 의해 선택된 웹사이트로 등록하고, 일치하지 않는 경우 사용자단말기(200)로부터 전송받은 첨부파일의 메타데이터를 데이터베이스(110)로 전송하고, 사용자단말기(200)를 통해 선택된 웹사이트로 사용자단말기(200)로부터 전송받은 첨부파일을 등록하기 위한 첨부파일등록부(130)와,
데이터베이스(110) 내에 저장된 첨부파일과 첨부파일의 메타데이터가 변경되거나 삭제되는 경우 데이터베이스(110) 내의 저장된 첨부파일과 첨부파일의 메타데이터의 무결성을 검증하기 위한 첨부파일무결성검증부(140)와,
사용자단말기(200)에 의해 선택된 웹사이트로 첨부파일을 등록 시 첨부파일을 데이터베이스(100)에 축적된 정보를 활용하여 인공신경망을 통해 분석하여, 등록되는 첨부파일에 해당되는 대체텍스트값과 HTML이 포함된 데이터를 자동으로 생성하기 위한 첨부파일데이터자동생성부(150)를 포함하고,
상기 데이터베이스(110)에 저장되는 첨부파일은 이미지를 포함하고,
상기 첨부파일데이터자동생성부(150)는
첨부파일의 이미지의 밝기값을 분석하기 위해 이미지의 밝기값이 분산되어 있는 정도를 파악하는 이미지밝기값분포도를 [수학식 2]를 통하여 계산함으로서 등록되는 이미지의 밝기값이 일정하게 유지되고 있는지 여부를 판단하되,
[수학식 2]은
(여기서 M은 이미지밝기값분포도, w는 설정된 기간 내에 등록되는 이미지의 총 갯수, T(n)는 설정된 기간 내에 등록되는 이미지 중 n번째 이미지의 밝기값을 의미한다.)
인 것을 특징으로 하는 웹사이트 통합 관리 시스템Stores attached files in multiple websites, receives metadata of attached files for registration in the website selected by the user terminal 200, and stores metadata and database (data) of attached files transmitted from the user terminal 200 110) a website integrated management server 100 to determine whether one of the metadata of the attached files matches or not;
It includes a user terminal (200) for transmitting selected website information and attached files to the website integrated management server (100),
The website integrated management server (100) is
A database 110 for storing attachments registered from multiple websites and metadata of the attachments,
An attachment for receiving metadata of an attached file for registration in the website selected by the user terminal 200 and comparing it with the metadata of the attached file in the database 110 to determine whether there is metadata of the same attached file. A file analysis unit 120,
As a result of analysis by the attachment file analysis unit 120, if the metadata of the attached file received from the user terminal 200 matches the metadata of one of the metadata of the attached file in the database 110, the metadata in the database 110 Register the attached file with the website selected by the user terminal 200, and if it does not match, transfer the metadata of the attached file received from the user terminal 200 to the database 110 and send it to the database 110 through the user terminal 200. an attachment file register 130 for registering attached files transmitted from the user terminal 200 to the selected website;
An attachment integrity verification unit 140 for verifying the integrity of the attachment files and metadata of the attachments stored in the database 110 when the attachment files and metadata of the attachments stored in the database 110 are changed or deleted;
When registering an attached file with a website selected by the user terminal 200, the attached file is analyzed through an artificial neural network using information accumulated in the database 100, and the alternative text value and HTML corresponding to the registered attached file are analyzed. It includes an automatic attachment file data generation unit 150 for automatically generating the included data,
Attached files stored in the database 110 include images,
The automatic attachment file data generation unit 150
In order to analyze the brightness value of the image in the attached file, the image brightness value distribution diagram, which determines the degree to which the brightness value of the image is distributed, is calculated using [Equation 2] to determine whether the brightness value of the registered image is maintained constant. Judge,
[Equation 2] is
(Here, M is the image brightness value distribution, w is the total number of images registered within the set period, and T(n) means the brightness value of the nth image among the images registered within the set period.)
Website integrated management system characterized in that
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230107921A KR102600834B1 (en) | 2023-08-17 | 2023-08-17 | Website Integrated Management System |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230107921A KR102600834B1 (en) | 2023-08-17 | 2023-08-17 | Website Integrated Management System |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102600834B1 true KR102600834B1 (en) | 2023-11-10 |
Family
ID=88742158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230107921A KR102600834B1 (en) | 2023-08-17 | 2023-08-17 | Website Integrated Management System |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102600834B1 (en) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160051925A (en) * | 2014-10-29 | 2016-05-12 | 에스케이텔레콤 주식회사 | Apparatus and method for managing contents |
| JP2016119011A (en) * | 2014-12-22 | 2016-06-30 | 株式会社三菱東京Ｕｆｊ銀行 | File erroneous deletion prevention program and web server including file erroneous deletion prevention function |
| KR20190114465A (en) * | 2018-03-30 | 2019-10-10 | 정원빈 | Virtual area based contents management system |
| WO2021256755A1 (en) * | 2020-06-16 | 2021-12-23 | 김민석 | Device and method for managing harmful content by using metadata |
-
2023
- 2023-08-17 KR KR1020230107921A patent/KR102600834B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160051925A (en) * | 2014-10-29 | 2016-05-12 | 에스케이텔레콤 주식회사 | Apparatus and method for managing contents |
| JP2016119011A (en) * | 2014-12-22 | 2016-06-30 | 株式会社三菱東京Ｕｆｊ銀行 | File erroneous deletion prevention program and web server including file erroneous deletion prevention function |
| KR20190114465A (en) * | 2018-03-30 | 2019-10-10 | 정원빈 | Virtual area based contents management system |
| KR102085116B1 (en) | 2018-03-30 | 2020-03-05 | 정원빈 | Virtual area based contents management system |
| WO2021256755A1 (en) * | 2020-06-16 | 2021-12-23 | 김민석 | Device and method for managing harmful content by using metadata |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11615331B2 (en) | Explainable artificial intelligence | |
| Kolekar et al. | Prediction of Learner's Profile Based on Learning Styles in Adaptive E-learning System. | |
| CN107066446B (en) | Logic rule embedded cyclic neural network text emotion analysis method | |
| Little et al. | INS | |
| Karduni et al. | Vulnerable to misinformation? Verifi! | |
| CN113377850A (en) | Big data technology platform of cognitive Internet of things | |
| CN112749284B (en) | Knowledge graph construction method, device, equipment and storage medium | |
| Rice et al. | Machine coding of policy texts with the Institutional Grammar | |
| CN110362663A (en) | Adaptive more perception similarity detections and parsing | |
| CN113886567A (en) | Teaching method and system based on knowledge graph | |
| AU2020205593B2 (en) | Natural solution language | |
| Portisch et al. | The DLCC node classification benchmark for analyzing knowledge graph embeddings | |
| Allioui | Advanced prediction of learner's profile based on Felder-Silverman learning styles using web usage mining approach and fuzzy c-means algorithm | |
| Ingrams | A machine learning approach to open public comments for policymaking | |
| KR102600834B1 (en) | Website Integrated Management System | |
| Sheeba et al. | Semantic predictive model of student dynamic profile using fuzzy concept | |
| Jordanov et al. | Knowledge-based and intelligent information and engineering systems | |
| KR20230049486A (en) | Political tendency analysis device and service providing method using the same | |
| Mukherjee | Build Android-Based Smart Applications: Using Rules Engines, NLP and Automation Frameworks | |
| Briggs et al. | Information systems success | |
| Lytvyn et al. | Method of ontology quality assessment for knowledge base in intellectual systems based on ISO\IEC 25012 | |
| KR102666247B1 (en) | Method for generating training data for generative deep learning model through automatic prompt generation | |
| Tavares et al. | How COVID-19 Impacted Data Science: a Topic Retrieval and Analysis from GitHub Projects’ Descriptions | |
| CN117271781B (en) | Data cross-border compliance evaluation system | |
| Moghaddam et al. | Generating Examples From CLI Usage: Can Transformers Help? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |