KR20240053911A - 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법 - Google Patents
소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법 Download PDFInfo
- Publication number
- KR20240053911A KR20240053911A KR1020220134023A KR20220134023A KR20240053911A KR 20240053911 A KR20240053911 A KR 20240053911A KR 1020220134023 A KR1020220134023 A KR 1020220134023A KR 20220134023 A KR20220134023 A KR 20220134023A KR 20240053911 A KR20240053911 A KR 20240053911A
- Authority
- KR
- South Korea
- Prior art keywords
- artificial intelligence
- source code
- generation system
- automatic
- item
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 109
- 230000006870 function Effects 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 238000005065 mining Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000011324 bead Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/33—Intelligent editors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법에 관한 것으로서, 더욱 상세하게는 비즈니스 로직의 소스 코드를 자동으로 생성하는 소스코드 자동 생성 시스템의 소스코드 생성 중, 로직 상의 다음 아이템을 사용자에게 추천해주기 위한 인공지능의 학습 방안과, 그 인공지능을 이용한 아이템 추천 서비스 방안에 관한 것이다.
본 발명의 의하면, 전문적인 소스코딩 지식이나 로직을 구현하는데 필요한 알고리즘의 구현에 도움이 필요한 개발자나 학생들이 소스코드 자동 생성 시스템 개발을 위해 필요한 최소한의 가이드 라인을 제공하여 도움을 줄 수 있도록 인공지능과의 협업 시스템을 제공한다. 이에 의하여 현재 진행되고 있는 로직을 구성하는 아이템과, 가장 적절한 다음 아이템을 예시하여 제공하고 설명을 확인할 수 있으며, 기본적인 사용방법의 확인이 가능하게 되므로, 사용자의 기본적인 이해를 돕는데 유용한 서비스를 제공할 수 있다. 또한 향후 소스코드 학습 시스템의 사용이 많아지고 사용자의 폭이 넓어질수록 학습 데이터의 축척이 많아지므로, 이를 학습하기 위한 방안을 제시하여 사용이 많아질수록 더욱 정확한 방안을 제시할 수 있는 협업 시스템 구성 방안을 제공한다.
본 발명의 의하면, 전문적인 소스코딩 지식이나 로직을 구현하는데 필요한 알고리즘의 구현에 도움이 필요한 개발자나 학생들이 소스코드 자동 생성 시스템 개발을 위해 필요한 최소한의 가이드 라인을 제공하여 도움을 줄 수 있도록 인공지능과의 협업 시스템을 제공한다. 이에 의하여 현재 진행되고 있는 로직을 구성하는 아이템과, 가장 적절한 다음 아이템을 예시하여 제공하고 설명을 확인할 수 있으며, 기본적인 사용방법의 확인이 가능하게 되므로, 사용자의 기본적인 이해를 돕는데 유용한 서비스를 제공할 수 있다. 또한 향후 소스코드 학습 시스템의 사용이 많아지고 사용자의 폭이 넓어질수록 학습 데이터의 축척이 많아지므로, 이를 학습하기 위한 방안을 제시하여 사용이 많아질수록 더욱 정확한 방안을 제시할 수 있는 협업 시스템 구성 방안을 제공한다.
Description
본 발명은 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법에 관한 것으로서, 더욱 상세하게는 비즈니스 로직의 소스 코드를 자동으로 생성하는 소스코드 자동 생성 시스템의 소스코드 생성 중, 로직 상의 다음 아이템을 사용자에게 추천해주기 위한 인공지능의 학습 방안과, 그 인공지능을 이용한 아이템 추천 서비스 방안에 관한 것이다.
최근 LCDP(Low Code Development Platform) 기술이 발전함에 따라 소스 코드를 직접 코딩하지 않고, 아이템이나 컴포넌트를 순서적으로 로직에 맞게 모델링하는 기술 또는 GUI(Graphic User Interface)를 통한 화면 및 웹 프로그램을 이용하여 소스코드 코딩에 대한 전문적인 지식이 없어도 프로그램을 만들 수 있는 기술들이 발전하고 있다.
이와 함께 인공지능 학습 시스템 등을 통한 종합적인 가이드 라인을 추천하거나 장애나 에러가 발생할 가능성이 있는 로직이나 화면 프로그램등을 발견하기 위한 기술들도 함께 발전하고 있다.
본 발명에서는 기존 로직을 데이터로 산출하고, 학습하거나 학습된 알고리즘을 이용하여 인공지능에 의해 다음 아이템을 추천함으로써 더욱 편리하게 소스코딩이 이루어지도록 하는 인공지능 협업 시스템을 구축하는 것이 필요한 실정이다.
추천 시스템의 구현을 위해 본 발명은, 비즈니스 로직 소스코드 자동생성 시스템이 수행하는 모델링 단계마다 상세한 로그 데이터를 저장하고, 또한 해당 비즈니스 로직과 관련된 모델링 데이터를 모두 데이터베이스에 저장하고 있어야 하고, 일별, 사용자별, 프로젝트별 로그를 구분할 수 있어야 한다.
소스코드 생성을 위하여 다음 아이템을 추천하는 인공지능과의 협업 시스템의 서비스 방안은, 비즈니스 로직 소스코드 자동생성 시스템을 사용하는 사용자마다 다른 모델링 방안을 사용할 가능성은 있으나 보편 타당한 대부분의 로직은 일련의 유사한 모델링을 통해 동일한 목적을 구현하는 특징이 있다. 로직을 모델링하는 일부분 순서나 내용이 서로 다른 소스코드도 동일한 비즈니스 로직의 목적을 달성해야 한다. 이를 위해서, 전체적인 순서나 모델링 방식은 유사하다는 점에 착안하여 학습된 인공지능과의 협업 시스템을 구축 후, 사용자에게 아이템 추천등의 협업 서비스를 제공하는 방안을 제시하고자 한다.
본 발명의 해결과제는, 비즈니스 로직 소스코드 자동생성 시스템은 전문적인 코딩에 대한 지식이 없는 일반 사용자가 자동 생성 툴을 사용해 프로그램을 생성하므로 최종 소스코드를 생성해 컴파일 등의 에러 검출 기능이 있는 프로그램을 사용해 실행코드를 생성하기 전까지는 그 결과를 예측 하기 어려운 상황이고 또한 모든 비즈니스 로직이 동일한 구조를 가지는 것은 아니므로, 이와 같은 문제점을 해결하기 위해 비 전문가들의 프로그램이나 로직 구성을 돕기 위해 적절한 아이템을 추천하거나 정확한 로직 구현을 위해 안내를 해주는 시스템을 제공하는데 그 목적이 있다.
이와 같은 목적을 달성하기 위하여 본 발명에 따른 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템은, 빅데이터 시스템에 저장된 로그 데이터를 수신하여, 전처리 과정을 통해 불필요한 정보를 제거하고 시간 순으로 저장된 여러 부분의 데이터를 일련의 순서로 정렬한 후, 다시 빅데이터 시스템의 다른 테이블에 저장하도록 하는 데이터 전처리부; 상기 데이터 전처리부에서 전처리된 데이터에서 중복을 제거하고 인공지능 모델 생성을 위한 학습 데이터를 생성하며, 여러 비즈니스 로직 소스코드 자동생성 시스템에서 발생하는 로그 데이터를 저장하고 이력을 관리하는 로그 매니저부; 인공지능 학습을 통한 아이템 추천 모델을 생성하기 위해 학습 데이터에 의한 학습을 수행하고, 이로써 아이템 추천 서비스를 제공하기 위한 인공지능 모델을 생성하고 배포하는 인공지능 모델러부 및, 비즈니스 로직 소스코드 자동생성 시스템에서 현재까지 작성된 아이템 정보를 입수하여, 상기 인공지능 모델을 구동하고 제어하는 협업 시스템 제어부를 포함한다.
상기 협업 시스템 제어부는, 추천할 아이템 정보의 도출시, 상기 인공지능 모델과, 연관분석 마이닝 알고리즘 모델을 함께 앙상블 모델로 사용하여 도출할 수 있다.
상기 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템은, 챗봇 시스템을 통해 질의와 응답으로 아이템을 추천하는 서비스 제공을 위해, 비즈 로직별 생성된 훈련 데이터(training data)를 가공하여 인공지능 모델러부로 입력하고, 챗봇 시스템 학습을 위한 훈련 데이터를 가공하고 관리하는 기능을 제공하는 챗봇 데이터 처리부를 더 포함할 수 있다.
본 발명의 다른 측면에 따르면, 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템이 인공지능 협업 서비스를 제공하는 방법은, (a) 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 단계에서 현재까지 작성된 아이템 정보를, 소스코드 자동생성 시스템으로부터 수집하는 단계; (b) 인공지능 모델을 구동하여 추천할 아이템 정보를 도출하는 단계; 및, (c) 상기 인공지능 모델로부터 도출된 추천 아이템 정보를 사용자에게 제공하는 단계를 포함한다.
상기 단계(b)에서 추천할 아이템 정보의 도출시, 상기 인공지능 모델과, 연관분석 마이닝 알고리즘 모델을 함께 앙상블 모델로 사용하여 도출할 수 있다.
상기 단계(a)와 단계(b) 사이에, (a11) 상기 단계(a)에서 수집한 아이템 정보로부터, 아이템 추천이 가능한 상태인지 여부를 판단하는 단계; 및, (a12) 아이템 추천이 가능한 상태인 경우 상기 단계(b)로 진행하는 단계를 더 포함하고, 상기 단계(a) 내지 단계(a12)는, 소스코드 자동생성 시스템에서 아이템이 작성될 때마다 수행되며, 상기 단계(c)의 추천 아이템 정보의 제공은, 상기 인공지능 협업 시스템이 아이템 작성 과정 중 상시 제공하는 정보 창을 통하여 이루어질 수 있다.
상기 단계(a) 이전에, (a01) 챗봇(chatbot) 시스템을 통하여 사용자에 의해 요청된 아이템 추천 요청을 수신하는 단계를 더 포함하고, 상기 단계(c)의 추천 아이템 정보의 제공은, 상기 챗봇 시스템을 통하여 이루어질 수 있다.
상기 단계(a01) 이전에 (a001) 아이템 추천 서비스 및 그와 연관된 정보의 검색 메뉴(이하 '검색 메뉴'라 한다)를 챗봇 시스템을 통하여 제공하는 단계를 더 포함하고, 상기 단계(a01)의 사용자의 아이템 추천 요청은, 상기 검색 메뉴를 통하여 입력되며, (d) 상기 검색 메뉴에서 사용자로부터 상기 아이템 추천 서비스와 관련된 검색(이하 '연관 검색'이라 한다)이 선택되면, 해당 응답을 찾아 챗봇 시스템을 통하여 결과를 제공하는 단계를 더 포함할 수 있다.
본 발명의 또 다른 측면에 따르면, 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템은, 적어도 하나의 프로세서; 및 컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되, 상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 단계에서 현재까지 작성된 아이템 정보를, 소스코드 자동생성 시스템으로부터 수집하는 단계; (b) 인공지능 모델을 구동하여 추천할 아이템 정보를 도출하는 단계; 및, (c) 상기 인공지능 모델로부터 도출된 추천 아이템 정보를 사용자 단말에 제공하는 단계가 실행되도록 한다.
본 발명의 또 다른 측면에 따르면, 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스를 수행하기 위한 컴퓨터 프로그램은, 비일시적 저장 매체에 저장되며, 프로세서에 의하여, (a) 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 단계에서 현재까지 작성된 아이템 정보를, 소스코드 자동생성 시스템으로부터 수집하는 단계; (b) 인공지능 모델을 구동하여 추천할 아이템 정보를 도출하는 단계; 및, (c) 상기 인공지능 모델로부터 도출된 추천 아이템 정보를 사용자 단말에 제공하는 단계가 실행되도록 하는 명령을 포함한다.
본 발명의 의하면, 전문적인 소스코딩 지식이나 로직을 구현하는데 필요한 알고리즘의 구현에 도움이 필요한 개발자나 학생들이 소스코드 자동 생성 시스템 개발을 위해 필요한 최소한의 가이드 라인을 제공하여 도움을 줄 수 있도록 인공지능과의 협업 시스템을 제공하는 효과가 있다.
이에 의하여 현재 진행되고 있는 로직을 구성하는 아이템과, 가장 적절한 다음 아이템을 예시하여 제공하고 설명을 확인할 수 있으며, 기본적인 사용방법의 확인이 가능하게 되므로, 사용자의 기본적인 이해를 돕는데 유용한 서비스를 제공할 수 있다.
또한 향후 소스코드 학습 시스템의 사용이 많아지고 사용자의 폭이 넓어질수록 학습 데이터의 축척이 많아지므로, 이를 학습하기 위한 방안을 제시하여 사용이 많아질수록 더욱 정확한 방안을 제시할 수 있는 협업 시스템 구성 방안을 제공하는 효과가 있다.
도 1은 본 발명의 비즈니스 로직 소스코드 자동생성 시스템의 구성을 나타내는 도면.
도 2는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법의 수행을 위한 전체 시스템 구성을 나타내는 도면.
도 3은 본 발명의 인공지능 협업 시스템의 구성을 나타내는 도면.
도 4는 비즈니스 로직 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 기본적인 단계에서 현재까지 작성된 아이템 정보를 기준으로, 인공지능 협업 시스템이 다음 아이템을 추천하는 서비스의 제공 방법을 나타내는 순서도.
도 5는 비즈니스 로직 소스코드 자동생성 중, 챗봇(Chatbot) 시스템을 통한 사용자와의 질의 응답을 통하여, 인공지능 협업 시스템이 다음 아이템을 추천하는 서비스의 제공 방법을 나타내는 순서도.
도 2는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법의 수행을 위한 전체 시스템 구성을 나타내는 도면.
도 3은 본 발명의 인공지능 협업 시스템의 구성을 나타내는 도면.
도 4는 비즈니스 로직 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 기본적인 단계에서 현재까지 작성된 아이템 정보를 기준으로, 인공지능 협업 시스템이 다음 아이템을 추천하는 서비스의 제공 방법을 나타내는 순서도.
도 5는 비즈니스 로직 소스코드 자동생성 중, 챗봇(Chatbot) 시스템을 통한 사용자와의 질의 응답을 통하여, 인공지능 협업 시스템이 다음 아이템을 추천하는 서비스의 제공 방법을 나타내는 순서도.
이하 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명의 비즈니스 로직 소스코드 자동생성 시스템(100)의 구성을 나타내는 도면이다.
비즈니스 로직 소스코드 자동생성 시스템(100)은, 소스코드를 크게 베이직(BASIC) 부분과 비즈로직(BIZLOGIC) 부분으로 나누어서 정의한다. 또한 각 부분을 블럭(block), 아이템(item), 라인(line)으로 나누어 정의하고, 데이터베이스(150) 상의 기준정보 테이블로 관리한다. 기준이 되는 기준정보 테이블은 테이블명 뒤에 TEMPLATE를 붙여서 정의하고 생성되는 소스는 비즈로직 부분의 블럭, 아이템, 라인 테이블에 생성한다.
아이템(item)은 특정한 기능을 수행하는 최소 단위의 로직을 말하며, 블럭(block)은 아이템 들의 조합에 의해 생성되는 로직을 의미한다. 라인(line)은 소스 상에서 최종 부분에 생성되는 데이터를 의미한다.
비즈니스 로직 소스코드 자동생성 시스템(100)은 기준정보 및 비즈니스 로직 아이템을 모델링 하기 위한 데이터 모델러부(110), 비즈니스 로직 소스코드 자동생성 시스템(100)에서 사용되는 환경설정 정보, 소스코드 기준정보 TEMPLATE 테이블 데이터 및 데이터 분석부(130)에서 생성된 데이터의 저장 및 관리를 위한 데이터베이스(150), 소스코드 관리를 위한 소스코드 매니저부(120), 생성되는 비즈니스 로직 소스코드 관련 로그 데이터 적재 및 분석을 위한 데이터 분석부(130) 및, 비즈니스 로직을 소스코드로 생성하는 룰-매니저부(140)를 포함한다. 룰-매니저부(140)는 사용자의 기준정보 모델링 기능 로직 생성 화면 인터페이스를 담당하는 웹화면 사용자 인터페이스 모듈(141)과 비즈니스 로직을 생성하는 룰 매니저(142)를 포함한다.
데이터 모델러부(110)는 비즈니스 로직 소스코드 자동생성 시스템(100)에서 사용하는 모든 기준정보 데이터 및 비즈니즈 로직 아이템을 모델링하는 기능을 수행하는데, 이를 위해 기준정보를 설정하는 사용자는 웹화면 사용자 인터페이스 모듈(141)을 통하여 필요한 사항을 입력하고, 이에 따라 데이터 모델러부(110)에 의해 모델링된다. 또한 데이터 모델러부(110)는, 생성된 데이터를 관리하기 위해 데이터베이스(150)에 데이터를 저장하고 신규 모델 입력, 수정 및 삭제가 가능한 관리 기능도 수행한다.
소스코드 매니저부(120)는 비즈니스 로직 소스코드 자동생성 시스템(100)에서 생성되는 모든 소스코드를 이하 <표1>과 같이 각각의 블럭으로 정의하고 해당 데이터는 데이터베이스(150)에 저장하고 관리한다.
블럭 구분 | 블럭명 | 아이템 모델링 방안 정의 |
DECLARE | DEFIMPORT | 외부 패키지, 라이브러리, 메시지클래스, DB클래스를 IMPORT시켜 비즈니스 로직 소스에서 사용하기 위한 정의 블럭 |
DEFCIPYRIGHTS | 비즈니스 로직명, 저작권, 제작자, 작성 연혁 정보를 기입 하기 위한 블럭 | |
DEFCLASS | 비즈니스 로직에서 사용되는 각종 클래스를 정의하고 파라메터, 메시지 클래스, DB클래스 및 변수를 선언하기 위한 블럭 | |
MAINFUNCTION | MAIN | 메인 함수 정의 블럭 |
SUBFUNCTION | INITVARIABLE | 변수, 메시지 클래스, 응답 메시지를 초기화 하기 위한 블럭 |
REQUIREDCHECK | 사전 요구사항에 대한 상태를 체크 하기 위한 블럭 | |
EXCUTELOGIC | 하나 이상의 비즈아이템의 연속으로 생성되는 비즈 로직을 모델링 하기 위한 블럭 | |
REPLYMESSAGE | 비즈니스 로직 마다 정의된 응답 메시지를 정의 하고 비즈니스 로직으로 생성된 결과값을 회신 하기 위한 기능 정의 블럭 |
<표1>에서 'EXECUTELOGIC' 블럭은 전술한 비즈로직(BIZLOGIC) 부분의 블럭을 나타내며, 그 외의 블럭들은 베이직(BASIC) 부분의 블럭들이다.
데이터 분석부(130)는 비즈니스 로직의 생성시 데이터 분석을 위해 로그 데이터를 생성하고 실시간으로 관련 데이터를 생성하고 외부 분석 엔진과의 통신을 위한 기능을 제공한다.
룰-매니저부(140)는 웹화면 사용자 인터페이스 모듈(141) 및 룰 매니저(142)를 구비한다.
웹화면 사용자 인터페이스 모듈(141)은, 데이터 모델러부(110)의 모델링 화면을 제공하고, 또한 후술하는 <표2>에서 모델링된 비즈 아이템(BIZ ITEM)을 비즈니스 로직에 따라 순서적으로 선택하고 소스코드를 생성하는데 필요한 사용자 화면을 제공할 뿐만 아니라 소스코드 관리 기능을 수행한다.
룰 매니저(142)는 모델링된 비즈 아이템을 소스코드로 생성하는 로직을 제공한다. 이와 같이 최종 소스코드를 생성하는 룰-매니저부(140)는 웹화면 사용자 인터페이스 모듈(141)을 통해 신규 룰 소스 생성시 DB클래스 변수 및 파라미터등을 포함한 메시지셋을 선택한 후, 소스 전체의 베이직(BASIC) 부분을 1차 생성하고 비즈로직 부분의 EXECUTE LOGIC 블럭을 사용자의 비즈 아이템 모델링에 따라 순차적으로 생성을 한다.
한편, 웹화면 사용자 인터페이스 모듈(141)과 비즈니스 로직 서버(300) 간의 로직을 전달하고 해당 로직 처리결과를 응답으로 돌려주는 표준 규격이 필요한데, 이를 메시지셋이라 정의한다. 해당 메시지 셋에는 전달하는 파라미터에 대한 규격이 정의되어 있으며 어떤 규격으로 응답을 받을지에 대한 규격을 포함한다. 또한 비즈니스 로직 소스코드 자동생성 시스템(100)은, 그와 같이 웹화면 사용자 인터페이스 모듈(141)과 통신을 위해 정의된 메시지셋을 사용하여 비즈니스 로직 서버(300)의 로직에 요청 사항을 전달하고 그에 대한 응답을 수신해가는 구조를 사용한다.
데이터베이스(150)는 상기 로직 및 소스코드 생성을 위한 기준정보 데이터와 임시 데이터 그리고 완성된 소스코드까지 모든 데이터를 저장하고 관리한다. 데이터베이스(150) 처리를 위한 규격은 테이블에 생성된 클래스의 메소드 정의에 따르며 사전 정의 및 생성 후 데이터 모델러부(110)에서 관리한다.
또한 비즈니스 로직 소스 코드 자동생성 시스템(100)은 데이터베이스 서버(400)에서 필요한 로직을 수행하기 위해 데이터베이스(150)에 신규 데이터 추가, 삭제, 수정 등의 작업을 DB클래스를 기반으로한 접근 방식을 사용한다.
도 2는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법의 수행을 위한 전체 시스템 구성을 나타내는 도면이다.
비즈니스 로직 소스코드 자동생성 시스템(100)은 도 1을 참조하여 전술한 바와 같이, 기준정보와 블록, 아이템, 라인으로 분류된 기준체계를 사용하여 각종 비즈니스 로직에 적합한 비즈아이템, 혹은 컴포넌트를 사용자의 선택과 입력을 통해 웹화면 상에 구성하고 소스코드를 생성하는 시스템을 말한다.
인공지능 협업 시스템(200)은 비즈니스 로직 소스코드 자동생성 시스템(100)의 소스코드 자동 생성 중, 사용자에게 다음 아이템을 추천하거나, 사용자의 아이템 추천 서비스 제공 등과 관련된 질의에 대하여 응답하는 기능을 수행하며, 이하 도 3 내지 도 5를 참조하여 그 구성 및 수행 방법에 대하여 상세히 후술한다.
데이터베이스 서버(300)는 비즈니스 로직 소스코드 자동생성 시스템(100)과 인공지능 협업 시스템(200)에서 사용하는 각종 정보 및 데이터를 관리한다.
빅데이터 시스템(400)은, 일 실시예로서 Hadoop ECO System을 사용하여 다수의 서버 혹은 클라우드 서비스로 구성하며 대량의 데이터를 축적하고 관리하며 학습 데이터를 추출할 수 있도록 관련 개발 툴 및 데이터 처리에 대한 방법을 제공한다.
도 3은 본 발명의 인공지능 협업 시스템(200)의 구성을 나타내는 도면이다.
데이터 전처리부(210)에서는 빅데이터 시스템(400)에 저장된 로그 데이터를 수신하여, 전처리 과정을 통해 불필요한 정보를 제거하고 시간 순으로 저장된 여러 부분의 데이터를 일련의 순서로 정렬한 후, 다시 빅데이터 시스템(400)의 다른 테이블에 저장하도록 한다.
로그 매니저부(220)에서는 데이터 전처리부(210)에서 전처리된 데이터에서 중복을 제거하고 인공지능 모델러부(240)에서의 인공지능 모델 생성을 위한 학습 데이터를 생성하며, 여러 비즈니스 로직 소스코드 자동생성 시스템(100)에서 발생하는 로그 데이터를 저장하고 이력을 관리한다.
챗봇 데이터 처리부(230)에서는 챗봇 시스템을 통해 질의와 응답으로 아이템을 추천하는 서비스 제공을 위해, 비즈 로직별 생성된 훈련 데이터(training data)를 가공하여 인공지능 모델러부(240)로 입력하고, 그 중에서 학습 데이터와 검증 데이터를 구분한다. 이와 같은 방식으로 챗봇 시스템 학습을 위한 훈련 데이터를 가공하고 관리하는 기능을 제공한다.
인공지능 모델러부(240)는 인공지능 학습을 통한 아이템 추천 모델을 생성하기 위해 학습 데이터에 의한 학습을 수행하고, 이로써 생성된 모델을 배포하며, 이로써 인공지능 협업 시스템(200)의 아이템 추천 서비스를 제공하기 위한 인공지능 모델 생성 기능을 제공한다. 여기서 '인공지능 모델'이란 다양한 종류의 모델을 통칭하는 용어로서, 예를 들어 머신러닝 모델, 인공신경망 모델, 심층신경망 모델 등, 다양한 모델을 통칭하는 용어이다.
협업 시스템 제어부(260)는 파이썬(python) 언어로 제작된 현재 데이터, 즉, 비즈니스 로직 소스코드 자동생성 시스템(100)에서 현재까지 작성된 아이템 정보를 입수하여 인공지능 모델을 구동하고 제어하는 역할을 하며, 챗봇 서비스와 아이템 간 추천 서비스에 맞게 도출된 결과를 FLASK웹 시스템(250)를 통해 제공하는 서비스 기능을 제어한다. 요청한 사용자에게는 해당 서비스 결과를 제공하고, 또한 그 과정에서의 상세 로그 데이터를 데이터베이스 서버(300)에 저장해서 인공지능 모델의 업그레이드시 판단 혹은 검증 자료로 기록한다.
도 4는 비즈니스 로직 소스코드 자동생성 시스템(100)에서 비즈니스 로직을 생성하는 기본적인 단계에서 현재까지 작성된 아이템 정보를 기준으로, 인공지능 협업 시스템이 다음 아이템을 추천하는 서비스의 제공 방법을 나타내는 순서도이다.
도 4의 방법은, 비즈니스 로직 소스코드 자동 생성 시스템(100)에서 로직에 맞게 아이템을 선택하고 해당 파라미터를 입력하는 과정을 마친 후, 다음 아이템을 선택하기 전에 인공지능 협업 시스템(200)에서 추천하는 아이템을, 인공지능 협업 시스템(200)이 상시 제공하는 정보 창을 통해 제공하는 것이다.
비즈니스 로직 룰 생성 단계(S401)에서 비즈로직 아이템 완료 단계(S404)까지는 비즈니스 로직 소스코드 자동생성 시스템(100)에 의해 수행되는 기본적인 아이템 선택 및 입력 과정을 도시하고 있다.
아이템 추천 서비스를 제공하기 위해 협업 시스템 제어부(260)는, 현재 진행된 아이템의 전체 정보를 입수하고(S405), 추천 시점까지 제작된 아이템의 수가 협업 시스템의 판단기준의 최소 아이템 수 이상인지, 인공지능 모델 생성을 위해 학습된 데이터에 비즈니스 로직 룰(S401)에 관한 정보가 있는지 등을 판단함으로써 아이템 추천이 가능한 상태인지 여부를 판단한다(S406).
이에 따라 아이템 추천이 가능한 것으로 판단된 경우, 인공지능 모델을 구동하여 아이템 추천 결과를 도출하고(S407), 사용자의 단말 화면에 팝업 창으로 즉시 그 결과를 보여줌으로써(S408) 다음 아이템 선정에 참고할 수 있도록 한다. 사용자는 그 결과에서 추천된 아이템을 선택할 수도 있고, 다른 아이템을 선택할 수도 있다. 전술한 바와 같이 도 4의 경우에는 인공지능 협업 시스템(200)이 상시 제공하는 정보 창을 통하여 이러한 아이템 추천 결과를 보여준다.
이때, 아이템 추천 결과 도출은, 전술한 바와 같이 인공지능 모델의 구동 만으로 수행될 수도 있으나, 앙상블 모델 방식으로 수행하도록 구성할 수도 있다.
즉, 인공지능 모델과 연관분석 마이닝 알고리즘 모델을 구축하여, 이 2가지 메인 알고리즘을 바탕으로 앙상블 모델을 구현하는 것이다. 이러한 앙상블 모델에서는, 위의 2가지의 각 알고리즘에서 출력되는 다음 아이템들에 대하여, 그 정확도에 따라 Ranking을 산출하고, 그로부터 하나 이상의 아이템이 도출되면 이를 정확도 순으로 추천한다.
인공지능 모델로는, 일 실시예로서 RNN학습 모델의 LSTM 알고리즘을 사용할 수 있다.
연관분석 마이닝 알고리즘이란, 연관 규칙을 분석하고 활용하기 위해 데이터들에 대한 발생빈도를 기반으로 발생하는 트랜잭션(transaction)을 분석하고 해당 Rule을 발견하기 위해 지지도라고 하는 경계값을 정하여 이를 기준으로 데이터 마이닝을 통하여 다음 아이템을 찾아내는 알고리즘이다.
이 경우 인공지능 협업 시스템(200)은, 웹 화면에 생성된 추천 아이템중 가장 정확도가 높은 아이템을 사용하도록 하거나 또는 사용자의 선택에 따라 차선 아이템을 사용할 수 있도록 하는 기능을 제공한다.
이와 같은 아이템 추천 과정은 최종 비즈니스 로직 완료(S409)를 만족하는 최종 시점까지 지속적으로 차기 아이템을 선택하고 저장할 때마다 제공된다.
도 5는 비즈니스 로직 소스코드 자동생성 중, 챗봇(Chatbot) 시스템을 통한 사용자와의 질의 응답을 통하여, 인공지능 협업 시스템(200)이 다음 아이템을 추천하는 서비스의 제공 방법을 나타내는 순서도이다.
도 5의 순서도에 따른 추천 방법은 사용자가 챗봇 시스템을 통하여 질문을 입력하면 그에 따라 아이템을 추천하는 것이며, 또한 챗봇 시스템을 통한 질의 응답을 통해 아이템 추천 서비스 사용과 관련한 다양한 정보를 제공하는 것이다. 구체적인 단계는 다음과 같다.
챗봇 시스템을 통하여 사용자로부터 아이템 추천과 관련된, 특정되고 약속된 질의 내용이 입력되면, 챗봇 시스템은 이에 대하여 자연어 처리를 수행한 후 인공지능 협업 시스템(200)으로 가공된 데이터를 전송하고, 인공지능 협업 시스템(200)의 협업 시스템 제어부(260)는 그 질의에 대하여 아이템을 추천하는 서비스 과정을 진행한다.
즉, 인공지능 협업 시스템(200)의 협업 시스템 제어부(260)는 데이터베이스 서버(300)의 테이블로부터, 비즈니스 로직 소스코드 자동생성 시스템(100)에서 현재 진행되어 있는 아이템 정보를 수집하고(S502), 인공지능 모델을 구동하여(S503), 아이템 추천 결과를 도출한다(S504). 인공지능 협업 시스템(200)의 아이템 추천 결과 도출 과정(S504)을 통해 도출된 추천 결과는 챗봇 시스템의 응답으로 사용자에게 제공된다.
이때 아이템 추천 결과 도출 역시 도 4의 경우에서 전술한 바와 같이, 인공지능 모델의 구동 만으로 수행될 수도 있으나, 앙상블 모델 방식으로 수행하도록 구성할 수도 있다.
이 경우, 그러한 아이템 추천 서비스는, 인공지능 협업 시스템(200)이 챗봇 시스템을 통하여 메뉴(이하 '검색 메뉴'라 한다)의 형태로 제공할 수 있다.
또한 제공된 검색 메뉴에는 아이템 추천 서비스와 관련된 검색(이하 '연관 검색'이라 한다)이 더 포함될 수 있고, 사용자로부터 연관 검색이 선택되면(S505), 인공지능 협업 시스템(200)은 해당 응답을 찾아 챗봇 시스템을 통하여 결과를 제공하여(S506), 관련 지식이 부족한 사용자에게도 해당 로직 및 다른 로직의 샘플 등을 참조할 수 있는 협업 서비스를 제공한다.
즉, 챗봇 시스템을 사용해서 별도의 웹 UI(User Interface)를 통하여, 질의와 응답 방식으로 아이템 추천 서비스 외에도, 연관 검색으로서 해당 아이템과 관련된 사용법, 다른 로직에서 사용된 예제, 관련 로직 구성 그림 및 동영상 자료를 시청할 수 있도록 하는 서비스 등을 제공할 수 있다.
이때 챗봇 시스템은 사용자의 질의에 대하여 자연어 처리를 한 후 인공지능 협업 시스템(200)으로 넘기고, 인공지능 협업 시스템(200)은 이에 대하여 인공지능 모델 또는 전술한 바와 같은 인공지능 모델을 포함한 2가지 모델의 앙상블 모델을 사용하여 아이템 추천을 수행하거나, 전술한 바와 같은 다양한 질의에 대한 응답 자료를 검색하는 기능을 수행한다. 이와 같은 아이템 추천 결과 또는 응답 자료는 다시 챗봇 시스템의 웹 UI를 통하여 사용자에게 제공된다.
인공지능 협업 시스템(200)에 사용자가 질의한 내역과 응답한 내역 그리고 관련 정보 검색 정보 등의 상세 정보를 사용자 로그 데이터로서 저장하며(S507), 향후 인공지능 협업 시스템(200)의 정확도 향상이나 검증 기능을 구현시 사용자가 요청한 질의에 대해 정확한 응답을 제공했는지 판단하는 참조 자료로 사용할 수 있도록 로그 저장 기능을 제공한다.
100: 비즈니스 로직 소스코드 자동생성 시스템
110: 데이터 모델러부
120: 소스코드 매니저부
130: 데이터 분석부
140: 룰 매니저(rule manager)부
141: 웹화면 사용자 인터페이스 모듈
142: 룰 매니저
150: 데이터베이스
200: 인공지능 협업 시스템
210: 데이터 전처리부
220: 로그 매니저부
230: 챗봇 데이터 처리부
240: 인공지능 모델러부
250: FLASK 웹 프레임
260: 협업 시스템 제어부
300: 데이터베이스 서버
400: 빅데이터 시스템
110: 데이터 모델러부
120: 소스코드 매니저부
130: 데이터 분석부
140: 룰 매니저(rule manager)부
141: 웹화면 사용자 인터페이스 모듈
142: 룰 매니저
150: 데이터베이스
200: 인공지능 협업 시스템
210: 데이터 전처리부
220: 로그 매니저부
230: 챗봇 데이터 처리부
240: 인공지능 모델러부
250: FLASK 웹 프레임
260: 협업 시스템 제어부
300: 데이터베이스 서버
400: 빅데이터 시스템
Claims (10)
- 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템으로서,
빅데이터 시스템에 저장된 로그 데이터를 수신하여, 전처리 과정을 통해 불필요한 정보를 제거하고 시간 순으로 저장된 여러 부분의 데이터를 일련의 순서로 정렬한 후, 다시 빅데이터 시스템의 다른 테이블에 저장하도록 하는 데이터 전처리부;
상기 데이터 전처리부에서 전처리된 데이터에서 중복을 제거하고 인공지능 모델 생성을 위한 학습 데이터를 생성하며, 여러 비즈니스 로직 소스코드 자동생성 시스템에서 발생하는 로그 데이터를 저장하고 이력을 관리하는 로그 매니저부;
인공지능 학습을 통한 아이템 추천 모델을 생성하기 위해 학습 데이터에 의한 학습을 수행하고, 이로써 아이템 추천 서비스를 제공하기 위한 인공지능 모델을 생성하고 배포하는 인공지능 모델러부 및,
비즈니스 로직 소스코드 자동생성 시스템에서 현재까지 작성된 아이템 정보를 입수하여, 상기 인공지능 모델을 구동하고 제어하는 협업 시스템 제어부
를 포함하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템. - 청구항 1에 있어서,
상기 협업 시스템 제어부는, 추천할 아이템 정보의 도출시,
상기 인공지능 모델과, 연관분석 마이닝 알고리즘 모델을 함께 앙상블 모델로 사용하여 도출하는 것
을 포함하는 것을 특징으로 하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템. - 청구항 1에 있어서,
챗봇 시스템을 통해 질의와 응답으로 아이템을 추천하는 서비스 제공을 위해, 비즈 로직별 생성된 훈련 데이터(training data)를 가공하여 인공지능 모델러부로 입력하고, 챗봇 시스템 학습을 위한 훈련 데이터를 가공하고 관리하는 기능을 제공하는 챗봇 데이터 처리부
를 더 포함하는 것을 특징으로 하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템. - 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템이 인공지능 협업 서비스를 제공하는 방법으로서,
(a) 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 단계에서 현재까지 작성된 아이템 정보를, 소스코드 자동생성 시스템으로부터 수집하는 단계;
(b) 인공지능 모델을 구동하여 추천할 아이템 정보를 도출하는 단계; 및,
(c) 상기 인공지능 모델로부터 도출된 추천 아이템 정보를 사용자에게 제공하는 단계
를 포함하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법. - 청구항 4에 있어서,
상기 단계(b)에서 추천할 아이템 정보의 도출시,
상기 인공지능 모델과, 연관분석 마이닝 알고리즘 모델을 함께 앙상블 모델로 사용하여 도출하는 것
을 특징으로 하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법. - 청구항 4에 있어서,
상기 단계(a)와 단계(b) 사이에,
(a11) 상기 단계(a)에서 수집한 아이템 정보로부터, 아이템 추천이 가능한 상태인지 여부를 판단하는 단계; 및,
(a12) 아이템 추천이 가능한 상태인 경우 상기 단계(b)로 진행하는 단계
를 더 포함하고,
상기 단계(a) 내지 단계(a12)는,
소스코드 자동생성 시스템에서 아이템이 작성될 때마다 수행되며,
상기 단계(c)의 추천 아이템 정보의 제공은,
상기 인공지능 협업 시스템이 아이템 작성 과정 중 상시 제공하는 정보 창을 통하여 이루어지는 것
을 특징으로 하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법. - 청구항 4에 있어서,
상기 단계(a) 이전에,
(a01) 챗봇(chatbot) 시스템을 통하여 사용자에 의해 요청된 아이템 추천 요청을 수신하는 단계
를 더 포함하고,
상기 단계(c)의 추천 아이템 정보의 제공은,
상기 챗봇 시스템을 통하여 이루어지는 것
을 특징으로 하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법. - 청구항 7에 있어서,
상기 단계(a01) 이전에
(a001) 아이템 추천 서비스 및 그와 연관된 정보의 검색 메뉴(이하 '검색 메뉴'라 한다)를 챗봇 시스템을 통하여 제공하는 단계
를 더 포함하고,
상기 단계(a01)의 사용자의 아이템 추천 요청은, 상기 검색 메뉴를 통하여 입력되며,
(d) 상기 검색 메뉴에서 사용자로부터 상기 아이템 추천 서비스와 관련된 검색(이하 '연관 검색'이라 한다)이 선택되면, 해당 응답을 찾아 챗봇 시스템을 통하여 결과를 제공하는 단계
를 더 포함하는 것을 특징으로 하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스 방법. - 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템으로서,
적어도 하나의 프로세서; 및
컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되,
상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여,
(a) 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 단계에서 현재까지 작성된 아이템 정보를, 소스코드 자동생성 시스템으로부터 수집하는 단계;
(b) 인공지능 모델을 구동하여 추천할 아이템 정보를 도출하는 단계; 및,
(c) 상기 인공지능 모델로부터 도출된 추천 아이템 정보를 사용자 단말에 제공하는 단계
가 실행되도록 하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템. - 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스를 수행하기 위한 컴퓨터 프로그램으로서,
비일시적 저장 매체에 저장되며, 프로세서에 의하여,
(a) 소스코드 자동생성 시스템에서 비즈니스 로직을 생성하는 단계에서 현재까지 작성된 아이템 정보를, 소스코드 자동생성 시스템으로부터 수집하는 단계;
(b) 인공지능 모델을 구동하여 추천할 아이템 정보를 도출하는 단계; 및,
(c) 상기 인공지능 모델로부터 도출된 추천 아이템 정보를 사용자 단말에 제공하는 단계
가 실행되도록 하는 명령을 포함하는 소스코드 자동 생성 시스템 기반의 인공지능 협업 서비스를 수행하기 위한 컴퓨터 프로그램.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220134023A KR20240053911A (ko) | 2022-10-18 | 2022-10-18 | 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220134023A KR20240053911A (ko) | 2022-10-18 | 2022-10-18 | 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20240053911A true KR20240053911A (ko) | 2024-04-25 |
Family
ID=90885373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220134023A KR20240053911A (ko) | 2022-10-18 | 2022-10-18 | 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20240053911A (ko) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102349344B1 (ko) | 2021-01-13 | 2022-01-11 | 주식회사 이노리브 | 데이터화 된 변수를 활용한 소스코드 자동 생성 시스템 및 방법 |
-
2022
- 2022-10-18 KR KR1020220134023A patent/KR20240053911A/ko unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102349344B1 (ko) | 2021-01-13 | 2022-01-11 | 주식회사 이노리브 | 데이터화 된 변수를 활용한 소스코드 자동 생성 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10725827B2 (en) | Artificial intelligence based virtual automated assistance | |
US11327935B2 (en) | Intelligent data quality | |
US11003863B2 (en) | Interactive dialog training and communication system using artificial intelligence | |
CN111861020A (zh) | 模型部署方法、装置、设备及存储介质 | |
CN112036577B (zh) | 基于数据形式的应用机器学习的方法、装置和电子设备 | |
EP4024203A1 (en) | System performance optimization | |
CN116127899B (zh) | 芯片设计***、方法、电子设备和存储介质 | |
CN109657065A (zh) | 知识图谱处理方法、装置及电子设备 | |
CN114048024A (zh) | 任务部署方法、装置、设备、存储介质及产品 | |
Büscher et al. | Semantic information modelling for factory planning projects | |
Roth-Berghofer et al. | Building case-based reasoning applications with myCBR and COLIBRI studio | |
US12001823B2 (en) | Systems and methods for building and deploying machine learning applications | |
CN117519656A (zh) | 一种基于智能制造的软件开发*** | |
Yang et al. | A situation-centric approach to identifying new user intentions using the mtl method | |
EP3834079A1 (en) | Multi-question multi-answer configuration | |
US20230195742A1 (en) | Time series prediction method for graph structure data | |
US20230117893A1 (en) | Machine learning techniques for environmental discovery, environmental validation, and automated knowledge repository generation | |
KR20240053911A (ko) | 소스코드 자동 생성 시스템 기반의 인공지능 협업 시스템 및 서비스 방법 | |
CN115686447A (zh) | 应用创建的智能推荐方法、应用的创建方法及装置和*** | |
CN111444170B (zh) | 基于预测业务场景的自动机器学习方法和设备 | |
US20200342302A1 (en) | Cognitive forecasting | |
US12020008B2 (en) | Extensibility recommendation system for custom code objects | |
CN115328442B (zh) | 基于低代码平台构建的危化品企业安全风险管控平台 | |
Orłowski et al. | Building Dedicated Project Management Process Basing on Historical Experience | |
Wagner | Platform Infrastructure for Agile Software Estimation |