(304100) 솔트룩스 - (3) 그래프 DB ( Graph DB Suite 기술소개 )

saltlux

• 동사는 1981년 8월에 설립되었으며, B2B 및 B2G 인공지능·빅데이터 솔루션을 프로젝트 수주하여 구축 혹은 클라우드 기반으로 서비스 하는 사업을 영위.
• 동사의 주요 제품으로는 지능형 빅데이터 분석 플랫폼인 Big Data Suite와 인공지능 플랫폼인 AI Suite가 있으며, 각각 2019년 전체 매출액의 41.2%, 37.75%를 차지.
• 아웃바운드 컨택센터 자동화, 지능형 채용/HR 심사 등의 신규 사업 확장 계획.

 

그래프 DB (Graph DB Suite)

그래프 데이터베이스 인식 및 기술 패러다임 변화

2018년 기준으로 전세계 GraphDB 시장 중 아시아의 비중은 18.2%로 미국이나 유럽보다 시장 규모는 작지만, 년 상승률은 28.3%로 가장 큰 것으로 나타나고 있습니다. 따라서 아시아 IT 인프라 발전과 중·소 규모의 GraphDB 기업들의 가치가 다른 대륙 기업들의 기대치보다 높게 나타나고 있습니다.

< 그래프 데이터베이스의 시장 점유율 및 상승율(2018년) >

 

시장 변화에 따른 제품 혁신의 통찰력

현재 GraphDB 시장은 기업들의 시장 욕구를 토대로 기술력이 발전하면서 점차적으로 확대되어 2023년에는 전세계적으로 2.4 billions 규모로 커질 것으로 기대하고 있습니다. 이에 따라 솔트룩스는 내제된 솔루션을 정립하고 더 나아가 맞춤형 솔루션을 체계화하여 시장 대응력을 강화하였습니다.

< 그래프 데이터베이스 마켓 성장 및 기술변환에 따른 시장 성장 >

 

소개

GraphDB Suite는 다양하고 방대하게 쏟아지고 있는 빅데이터를 효율적으로 활용 및 관리하기 위하여 데이터 간의 상관관계를 지식그래프 구조로 자동 변환·생성하여 저장뿐만 아니라 분석에 바로 활용할 수 있는 분석 기능을 내장합니다. 또한, 국내 최고의 지식그래프데이터 생성에서부터 관리, 지능형 분석(예측·추론)이 가능한 최고의 제품으로 비즈니스 환경에 따라 Add-on 패키지를 선택적으로 사용하여 데이터 통합, 리스크 관리, 콘텐츠 추천, 데이터 공개, 대용량 추론 기능을 제공합니다.

< GraphDB Suite 개념도 >

GraphDB Suite은 멀티 데이터 모델 통합 서비스, 데이터 예측/진단 서비스, 링크드 오픈 데이터 서비스, 대용량 지식그래프 구축 서비스를 구축할 수 있는 환경을 제공하고 있습니다.

< GraphDB Suite 구성도 >

 

주요 기능

GraphDB Suite는 데이터를 그래프데이터로 변환하기 위한 변환기능, 그래프데이터 저장소, 그래프데이터 기반 지오데이터 분석과 지식 네트워크 분석, 그래프데이터 개방 기능, 시각화와 운영관리에 이르는 그래프데이터의 생명주기에 해당하는 모든 기능을 제공하고 있습니다.

 

주요 특성

GraphDB Suite은 비즈니스 환경에 따라 최적화된 솔루션을 선택하여 적용해야 합니다. 비즈니스 환경은 기업이나 기관이 보유한 데이터의 유입 속도, 데이터의 볼륨에 따라 크게 좌우되며, 또한 서비스의 종류에 따라 지식베이스 구축의 기술 난이도도 상이하게 달라지게 됩니다. GraphDB Suite는 고객의 니즈를 충족시키고 최적화된 서비스를 제공할 수 있게 함으로써 그래프 데이터 기반의 새로운 시장창출과 고객발굴, 고객의 경제적 가치를 높이는 최적의 솔루션입니다.

 

주요 경쟁력

GraphDB Suite 제품은 지식그래프 기반 인공지능기반 서비스(고객상담 서비스, 인공지능 스피커의 질의응답 서비스 등)와 결합된 국내 최초 제품입니다. GraphDB Suite은 그래프 데이터변환부터 통합, 저장, 추론/질의, 분석, 관리, 활용에 필요한 모든 기능을 하나의 프레임워크에서 제공하는 플랫폼입니다.

 

그래프데이터변환 엔진

구조화 데이터에는 RDBMS, 엑셀, CSV, TSV, RDF 등 데이터가 일정한 구조를 가지는 것을 말하며, 비구조화 데이터는 웹문서, 매뉴얼 등의 문서의 구조를 가지는 데이터를 말하며, 이렇게 내/외부 산재되어 있는 다양한 대용량의 데이터들 간의 아주 복잡한 관계를 더 쉽고 빠르게 파악할 수 있도록 Graph DB에 저장하기 위하여 그래프데이터로 변환하여 통합 처리하는 프로세스에서 시작합니다.

데이터를 변환하는 방법에는 데이터 소스의 구조와 지식그래프 데이터 모델을 매핑하거나 비구조화된 문서에서 지식그래프 모델에 해당되는 특정 리소스의 속성, 값 형태로 데이터를 추출하여 그래프 데이터로 변환할 수 있습니다. 또한, W3C의 RDF Direct Mapping 기술을 통해서 RDB와 RDF를 직접 연결하고 통합할 수 있습니다.

솔트룩스의 데이터변환엔진은 변환 및 통합을 위한 매핑 언어인 RML(Rule Mapping Language)과 W3C의 R2RML을 지원하고 있으며, RDB 뿐만 아니라 다양한 데이터 소스를 지원하고 매핑 과정에서 데이터에 대한 정제 및 필터링을 지원함으로써 양질의 그래프데이터 확보 및 처리에 적합한 엔진입니다.

< 그래프데이터변환 엔진 – 데이터변환 개념도 >

 

소개

그래프데이터변환 엔진은 데이터 소스(DBMS, CSV, RDF 등)와 지식그래프 모델간 매핑을 통해 지식그래프에 해당되는 데이터를 생성하기 위한 엔진입니다. W3C의 R2RML언어 지원뿐만 아니라 자체 데이터변환 규칙인 RML언어 제공을 통해 RDB와 같은 구조화된 형태를 가지는 모든 데이터를 대상으로 변환하는 기능을 제공하며, 사용자 데이터를 가상의 데이터 뷰(Data View)로 전환하고 처리하기 위한 기능을 제공하고 있습니다. 사용자는 그래프데이터변환엔진을 통해 데이터변환 업무를 쉽고 빠르게 수행할 수 있습니다.

< 그래프데이터변환 엔진 – 기능 구성도 >

데이터변환 엔진의 관리 기능은 데이터 매핑 및 변환 뿐만 아니라 데이터 소스 뷰어, 데이터 모델(스키마) 뷰어, SPARQL 뷰어 및 테스트, CSV/Excel 파일 뷰어, RML 편집기 및 테스트, 변환 통계기능 등 사용자가 데이터변환 처리(데이터 전처리, 변환, 데이터 후처리)에 있어 유용한 기능을 제공하고 있습니다.

< 그래프데이터 변환 절차 >

데이터변환 절차는 데이터 소스 선정, 데이터 소스에 해당되는 데이터 뷰 생성, 그래프 맵 정의, 데이터 뷰와 그래프 맵 바인딩, 그래프데이터 생성의 절차로 진행합니다. 그래프 맵은 그래프 모델에 해당되는 인스턴스를 정의하며 특정 리소스의 속성값을 생성할 때 값에 대한 필터링/정제가 필요할 경우는 함수를 이용하여 처리합니다.

< 대용량 비졍형데이터 지식 추출 절차 및 도구 >

 

주요 특징

그래프데이터변환 엔진은 대용량 데이터에 대한 변환뿐만 아니라 다양한 데이터 소스를 지원하는 가상의 데이터 뷰를 제공, 데이터변환 시 데이터에 대한 정제 및 필터링 제공 등 사용자가 정의한 데이터 뷰와 필터링 함수를 직접 정의하고 엔진에 적용할 수 있습니다. 그래프데이터변환 엔진의 가장 큰 장점은 사용자가 데이터 뷰(Data View)를 만들거나 사용자 함수(필터링, 정제 등)을 플러그인으로 만들 수 있으며, 이들은 모두 URI주소를 가지고 있어 다른 프로젝트(작업)에서 동일한 함수가 URI를 통해서 구분하여 사용할 수 있는 장점이 있습니다. 또한, 형상관리 서버(SVN, CVS, Git 등)와의 연동을 통해 작업중인 프로젝트 별 형상을 관리할 수 있습니다. 다음과 같은 주요 특징들을 가지고 있습니다.

주요 기능 및 사양

Graph DB Suite에 정형과 비정형 데이터에 대한 그래프데이터 생성을 담당하는 그래프데이터변환 엔진은 데이터변환 핵심기능과 손쉬운 변환 작업을 지원하는 관리도구로 구성되어 있습니다. 정형화된 데이터의 경우 스키마 매핑을 통해 데이터를 추출/변환할 수 있으며, 비정형화 데이터의 경우는 KENT의 데이터 추출 기능을 결합하여 데이터 모델에 필요한 속성의 값을 추출하고 변환할 수 있습니다.

 

 다양한 포맷을 지원하는 데이터변환 기능

Graph DB Suite의 데이터변환 기능은 그래프데이터를 생성하기 위한 절차와 방법을 제공하고 있으며, 변환 전 결과에 대한 사전 테스트와 변환 결과를 Graph DB에 직접 저장할 수 있는 기능을 제공하고 있습니다. 핵심 기능들은 대부분 플러그인 형태로 구성되어 사용자 환경에 맞게 기능을 최적화할 수 있는 있습니다.

 초 대용량 그래프 데이터변환과 증강 기능

그래프데이터변환 엔진은 위키피디아, 위키데이터 등 내/외부에 존재하는 큰 데이터셋에 대한 지식변환과 지식그래프 데이터에 대한 증강 및 오류보정 등 복잡한 데이터변환 프로세스와 방법을 제공합니다.

데이터 수집, 추출, 리소스 통합 및 보정, 그래프 데이터 생성 등의 기능을 제공하고 있으며, 플러그인 방식으로 기능을 추가하거나 최적화할 수 있습니다. 또한, 변환과정을 관리하고 통제하기 위한 관리 API를 제공하고 있습니다.

 데이터변환 엔진 관리 기능

변환 엔진 관리도구에는 데이터변환 규칙 편집 및 실행, 데이터 소스, 사용자 함수, SPARQL, 리소스 뷰어 등의 기능이 있으며 사용자는 해당 기능을 사용하여 변환 규칙을 쉽고 빠르게 작성할 수 있습니다. 변환 엔진의 모든 함수는 네임스페이스에 기반하고 있어 중복되는 함수이름도 네임스페이스를 통해 구분하고 사용할 수 있습니다. 관리도구의 규칙 편집기는 변수, 함수 등에 대한 자동완성을 제공하고 있으며, 사용자의 데이터 모델을 가져오기 하면 자동으로 클래스, 속성을 편집기에서 자동완성 항목에 포함시켜 사용자가 클래스/속성을 쉽게 참조하여 변환규칙을 생성하는 데 사용할 수 있습니다.

 

주요 엔진 화면

 

그래프데이터저장 엔진

Graph DB Suite에서 100억 트리플 이상의 초 대용량 그래프데이터를 저장하고 활용할 수 있는 그래프데이터 저장 엔진을 제공하고 있습니다. 그래프데이터 저장 엔진은 개념간 상·하위 추론과 관계추론 및 검증을 위한 3.3.2.3의 공리(Axiom)를 제공하고 있으며, 이를 통해 새로운 사실을 생성하고 저장할 수 있습니다.

Graph DB Suite은 W3C의 그래프 모델인 RDFS, OWL과 OWL2을 지원하고 있으며, 아파치 TinkerPop과 Gremlin 서버 연동을 통해 (Labeled) Property Graph 모델을 저장하고 질의할 수 있습니다. 사용자는 2가지의 데이터모델을 목적에 따라 선택적으로 사용이 가능합니다.

그래프데이터 저장 엔진은 데이터를 조회, 수정/삭제하기 위한 질의 언어를 제공합니다. W3C의 SPARQL과 GraphQL를 제공하고 있으며, 데이터 개방, 공유, 분석 등을 위해서 Rest기반 API를 통해 쉽고 빠르게 접근할 수 있습니다.

 

소개

그래프데이터 저장 엔진은 기본적으로 RDF기반 그래프데이터를 저장하는 저장소와 Property Graph를 저장하는 저장소 기능을 제공하며, 아파치 TinkerPop과 Gremlin 서버 연계를 통해 Property Graph를 저장하고 분석할 수 있는 기능을 제공하고 있습니다. RDF기반 그래프데이터는 트리플(triple)로 데이터가 표현되고, Property Graph는 Vertex, Edge로 표현되고 Vertex와 Edge은 속성(property)를 가질 수 있습니다.

 

주요 특징

 

주요 기능 및 사양

 

주요 엔진 화면

 

그래프데이터추론 엔진

Graph DB Suite에서 강력한 지식표현과 추론, 그래프 데이터의 저장은 추론을 통해 변환된 데이터로부터 새로운 사실을 발견하고 저장할 수 있습니다. 특히 데이터 모델에서 개념 간의 상·하위 추론과 개념 간의 관계추론을 위한 스키마 공리와 인스턴스 공리를 제공하고 있습니다.

Graph DB Suite은 W3C의 그래프 모델인 RDFS, OWL1, OWL2을 지원하고 있으며, (Labeled) Property Graph 모델을 저장하고 질의할 수 있습니다. 사용자는 2가지의 데이터모델을 목적에 따라 선택적으로 사용이 가능합니다.

 

소개

그래프데이터추론 엔진은 규칙기반 추론을 위한 2가지 리즈닝 전략(전방연쇄 (forward-chaining)과 후방연쇄(backward-chaining))을 제공하고 있습니다. 기본적으로 전방연쇄에 기반한 추론전략을 제공하며 필요시 후방연쇄 추론엔진을 사용할 수 있습니다. 전방연쇄에 기반한 추론의 장단점은 데이터가 저장소에 트랜잭션 후에 유추된 사실을 확장하기 때문에 새로운 사실을 업로드, 저장, 추가, 삭제 시 상대적으로 느려질 수 있습니다. 그래프데이터추론 엔진에서 추론은 데이터 입력 시점부터 시작됩니다. 하지만, 전방연쇄 추론기법의 장점은 모든 데이터에 대한 추론결과를 미리 만들어 저장함으로써 질의와 검색에 상당히 빠른 성능을 제공합니다. 일반적으로 후방연쇄 추론기법은 질의나 검색 시 추론이 발생하며 이로 인해 복잡한 연역추론이나 적합성 검사나 다른 추론이 발생할 가능성이 높아 성능에 영향을 미칠 수 있습니다.

 

주요 특징

그래프데이터 저장과 분석은 강력한 지식표현과 데이터 멀티 모델 지원을 통한 데이터 통합, 그래프데이터에 대한 다양한 분석기능을 제공합니다. 그래프데이터 저장과 분석의 주요 특징은 다음과 같습니다.

 

주요 기능 및 사양

 

주요 엔진 화면

 

그래프데이터분석 엔진

Graph DB Suite의 그래프데이터분석 엔진은 그래프데이터 기반 공간정보분석, 네트워크분석, 토픽분석을 제공합니다.

 

소개

그래프데이터분석 엔진은 외부정보(소셜미디어, 이메일, 지식관리 시스템 등)에 대한 지식그래프 생성기, 지식네트워크 분석을 위한 그래프 인덱스 생성기, 사용자별, 시간대별, 토픽별 지식네트워크 분석기, 네트워크 상에 유통되는 컨텐츠에 토픽(핵심어)분석을 위한 토픽네트워크 분석기, 시간대별 관심 토픽에 대한 경향성 분석기, 지식 검색기로 구성되어 있습니다.

 

주요 특징

그래프데이터분석 엔진의 특징은 실시간으로 수집/변경되는 지식에 대한 실시간 반영과 분석을 제공하며, 특히 수집된 데이터를 지식으로 변환하는 그래프데이터변환 엔진을 포함하고 있습니다. 또한, 그래프데이터분석에 필요한 데이터의 저장과 분석 색인 및 알고리즘을 제공하고 있으며, 분석 서비스 관점에 따라 사용자가 적절한 분석 알고리즘을 선택하여 결과를 얻을 수 있습니다. 모든 결과는 테이블 형태뿐만 아니라 RDF포멧(RDF/XML, Turtle, N-Triple, RDF/JSON 등)을 지원하고 있습니다.

 

주요 기능 및 사양

 

주요 엔진 화면

 

그래프 DB (Graph DB Suite) 적용사례

컴플라이언스 시스템 구축

지능형 범죄예방 협업 체계 개발 – 대검찰청

“국민안전”이 정부의 주요 국정전략임에도 불구하고 일시적인 인력·예산 투자 (치안인력 증원, CCTV 설치, 캠페인 강화 등) 및 기관별 범죄예방활동만으로는 지속적이고 장기적인 범죄예방 어려움을 겪고 있습니다. 발생 범죄를 세부적으로 분석하고 관계기관간 정보를 공유, 협업하여 국민에게 실효성 있는 범죄예방을 위한 과학적인 범죄분석체계 확립을 통하여 선제적 예방 중심의 형사사법체계 강화할 수 있는 지능적 시스템이 필요하며, 범죄정보, 행정사회정보를 과학적으로 분석하고, 관계기관이 공유하여 교육, 수사, 범죄자 사후 관리 및 피해자·가해자의 정상적인 사회 복귀 실현을 위한 국민정부지방간 긴밀한 공동의 협업 시스템 필요한 상황입니다. 이러한 두가지 관점의 큰 문제점을 해결하기 위하여 과학적인 범죄분석 기반 시스템 구축과 범죄 그래프데이터 기반의 지능형 범죄분석체계 확립 및 관계기관간 범죄예방 협업체계 구성 기반을 마련하였습니다.

< 지능형 범죄예방 분석시스템 >

① 사업의 내용

1. 과학적인 범죄분석 기반 시스템 구축
   • 5대 강력범죄 (살인, 성폭행, 강도, 방화, 폭행상해치사)에 대한 정형/비정형 데이터 융합 분석 인프라 구축
   • 약 800여종의 반정형 비정형 문서 텍스트 분석
   • 범죄분석을 지원하는 다양한 시나리오 설계
   • 범인의 음성, 영상, 사진 등 범죄 증거자료 분석
   • 기술 방법론 연구 (외부 POC 수행)
2. 지능형 범죄분석 지식 기반 구축
   • 심층 범죄 분석을 위한 기반 자료 구축
   • 심층 범죄 분석용 컨셉사전 및 범죄 분류체계 구축
   • 심층 범죄 분석의 자동화를 위한 기계학습 데이터 및 지식표현 체계 구축
3. 관계기관간 범죄예방 협업체계 기반마련
   • 관계기관 범죄예방 수립 시 요구되는 정보 식별
   • 관계기관 연계 기반 방안 마련

② 적용 기술 및 솔루션

1. Graph DB Suite 제품 적용
   범죄 분석에 필요한 Concept사전, Taxonomy, 범죄유형정보, 분석모델을 기반으로 범죄사전 정보에 대한 그래프데이터 생성 및 저장, 추론, 분석을 위하여 Graph DB Suite 제품 적용
2. Big Data Suite 제품 적용
   Big Data Suite 제품 중 지능형 시맨틱 검색 서비스를 위하여 빅데이터 저장/검색엔진(DISCOVERY)과 수집된 비정형 데이터 분석을 위하여 비정형 빅데이터 분석 엔진(TMS), 인지 분석 엔진(CAS)를 적용
3. Apach SPARK, STORM, KAFKA 등 적용
   OpenSource Apach SPARK, STORM, KAFKA 등을 지능형 범죄예방 분석시스템에 반영하여 Graph DB Suite 제품, Big Data Suite 제품과 연계를 통한 최적의 품질을 보장하는 지능형 분석 플랫폼 구성

③ 제품 선정 당위성

1. 온톨로지 기반 실시간 분석 및 객체간 관계 시각화 필요
2. 과학수사, 형사정책, 범죄예방 관련 분석 결과에 대한 시각화 필요
3. 한국 범죄에 특화된 범죄 텍사노미 구성 필요

 

그래프데이터 통합 플랫폼 구축

지능형 KMS 시스템 구축 – 농협은행

농협은행 고객행복센터 및 전 영업점에서 고객상담에 필요한 업무 지식을 관리하고 공유하는 지식관리 시스템을 개선하였습니다. 지식 생성, 관리, 검색 등의 사용 편의성을 높이고, 지식 컨텐츠 생성 시, 업무 분야와 속성에 따라 구체적으로 관리되도록 하여 Knowledge-Graph 기반의 지식베이스로 변환 저장합니다. 이는 자연어 컨텐츠를 시스템이 이해 가능한 형태(machine readable)의 지식 데이터로 변환하는 것이며, 이 과정에서 인공지능 기반 지식 자동 추출도 적용하였습니다.

< 지능형 KMS 시스템 UI/UX >

① 사업의 내용

기존의 지식관리 시스템은 고객 상담을 위해 필요한 업무 지식을 생산, 저장 관리하는 시스템으로, 은행 상담사 또는 영업점 직원들 간 지식을 공유하기 위한 목적으로 사용되고 있습니다. 하지만, 은행 고객들의 다양한 디지털 채널 사용이 많아 짐에 따라, 인공지능 기반의 서비스 요구가 지속적 증가하고 있고, 인공지능 서비스를 위해서는 별도의 AI 기반 지식 데이터구축 관리가 필요합니다. 기존 지식 컨텐츠와 AI 기반 지식 데이터는 형태와 구조가 서로 상이하여 개별적으로 관리하기에는 동일한 정보를 유지하기 어렵고, 중복된 지식 생성, 관리 및 활용으로 여러 측면에서 사용자에게 불편함을 주고 있는 상태입니다. 농협 은행에서는 10년 이상 사용한 노후화된 지식관리 시스템을 최신 인공지능 기술 트렌드에 부합하는 지능형 지식관리 시스템으로 개편하여, 직원들 간 상담 지식정보 관리 및 공유의 편의성을 높이는 것은 물론, 인공지능 기반 서비스에 활용 가능한 지식 데이터를 동시에 생성 관리함으로써, 지식 컨텐츠의 관리 효율성과 활용성을 높이는 것을 목표로 합니다.

< 지능형 KMS 시스템 개요 >

② 적용 기술 및 솔루션

1. 지식그래프 기반의 지식 데이터 생성 관리
   지능형 지식관리 시스템에서는 지식 컨텐츠를 생성할 뿐만 아니라, 지식그래프(Knowledge-graph) 구조에 따라 시스템이 이해 가능한 형태(machine readable)의 지식 데이터를 생성하고 관리할 수 있습니다. 이러한 지식 베이스는 다양한 인공지능 기반 서비스에 활용될 수 있습니다.
2. 비정형 텍스트로부터 지식 자동 추출
   지식 컨텐츠는 사용자들이 쉽게 이해 가능한 형태(TEXT 또는 HTML)의 문장 또는 단락으로 작성되어 있습니다. KENT(Knowledge Extraction from Natural Language Text) 기술은 딥러닝으로 학습된 모델을 기반으로 이러한 비정형 텍스트로부터 지식 데이터를 자동으로 추출하고 변환합니다.

③ 제품 선정 당위성

1. 국내 최고의 품질 및 성능을 보유한 지식그래프를 저장하기 위한 저장소 선정
2. 비정형 문서의 지식 추출을 위한 기계학습기반의 지식 추출 솔루션 선정

④ 주요 성과

1. 농협은행/농협카드 지능형 지식관리 시스템과 질의응답 시스템 연계
   농협은행과 농협카드의 지능형 지식관리 시스템을 각각 구축하여 별도의 컨텐츠를 관리하고 서로 지식 공유가 가능하도록 연계하였습니다. 또한, 콜센터 상담 어드바이저로 서비스되는 인공지능 질의응답 시스템과 연계하여 지능형 지식관리 시스템을 통해 관리는 지식데이터가 직원들과 시스템에 동시에 서비스되는 환경을 구축하였습니다.
2. 지식 자동 추출 기술 상용화
   지식 자동 추출은 아직까지 많은 연구 개발의 노력이 필요한 기술 분야입니다. 품질 향상을 위해 언어처리와 기계학습을 포함한 다양한 방안들을 연구하였고, 농협은행의 컨텐츠로부터 필요한 지식을 추출하는 범위에서는 만족할 만한 수준의 성과를 보였습니다. 지식 자동 추출을 실제 서비스에 적용한 성공 사례로 볼 수 있습니다.

 

안전 먹거리 질의응답 시스템 - 한국식품안전관리인증원

① 사업의 내용

1. 국민생활과 밀접한 HACCP 인증 안심먹거리 기반으로 제품의 원재료, 영양성분 데이터를 활용하여 지식베이스를 구축하고, 더 나아가 테마기반의 개인화된 안심먹거리 추천 서비스를 대국민에게 제공할 수 있는 “HACCP 지능정보서비스를 위한 인공지능 기반 고객 맞춤형 지식 상담 서비스 개발”을 목표로 합니다.

< 안전먹거리 질의응답 시스템 목표 구성도 >

< 안전먹거리 질의응답 UI/UX >

② 적용 기술 및 솔루션

1. QA Manager: 사용자 질의처리와 인터페이스 제공(Open API)
2. KBQA: FBQA & TBQA &Plugin
   • FBQA: 팩트(facts)기반 질의처리
   • TBQA: 템플릿 기반 질의처리 기능, 복잡하거나 복합적인 질의처리
   • Plugin: 날씨, 뉴스, 세계시간 등 실시간 변경되는 데이터에 대한 질의처리
3. IRQA: 텍스트 분석을 통해 질문과 유사한 질문을 찾아 랭킹 된 답변을 제공
4. KB(Ontology): 질의처리에 필요한 오픈 도메인 지식베이스(OWL ontology: RDF + Axioms)
5. NLU: 자연어 질의 분석 및 패턴인식
6. NLG: 질의처리 결과에 대한 자연어 질의 생성
7. 분석사전관리: 질의분석 및 질의패턴에 필요한 자원관리
8. QA관리: KB관리, 질의테스트, QA평가, KBQA분석사전관리

③ 제품 선정 당위성

1. 지식그래프를 저장하기 위한 저장소 사용
2. 비정형 문서의 지식 추출을 위한 기계학습 솔루션 사용

④ 주요 성과

1. 사용자들에게 테마기반의 맞춤형 식품정보를 제공 가능
2. 정보취약계층에 대한 접근성을 강화하고 안심먹거리에 대한 알 권리 향상
3. 지능형 안심먹거리 서비스의 정보 획득 시간 단축 비용절감 효과
4. 지능형 HACCP 상담서비스의 민원상담 및 기술지원방면의 비용절감 효과 기대

 

링크드 데이터(LOD) 서비스 구축

맞춤형 IP-Biz 정보공유 플랫폼 개발 – 특허청

① 사업의 내용

특허청이 보유한 지식재산권 정보를 중심으로 타 정부부처 및 공공기관이 보유 중인 다양한 비즈니스 정보를 연계하여 활용할 수 있는 정보채널을 구축하고, 중소기업 및 창업기업 등 기업 종사자들이 빠르고 편리하게 정보를 획득할 수 있는 사용자 관점의 편의 기능을 제공하였습니다.

1. 타 정부부처 및 공공기관 보유 비즈니스 정보 연계
2. 특허청 보유 지식재산권 정보와 비즈니스 정보 융합 및 맞춤형 제공
3. 구축된 지식재산권 정보와 비즈니스 정보를 바탕으로 사용자 맞춤 보고서 제공

< 맞춤형 IP-Biz 정보공유 플랫폼 구성도 >

② 적용 기술 및 솔루션

1. 텍스트 마이닝 키워드(주제어) 추출
2. 트렌드 분석 및 TopN 분석
3. 연관관계 분석을 위한 지식그래프 적용

③ 제품 선정 당위성

1. 지식그래프를 저장하기 위한 저장소 사용
2. 비정형 문서의 지식 추출을 위한 기계학습 솔루션 사용
3. 동향 및 트렌드 분석을 위한 텍스트마이닝 및 시계열 분석 기술 솔루션

< 특허동향/기술/시장 분석 서비스 UI/UX >

③ 주요 성과

1. 국내외 500만건 이상의 특허정보 공개
2. 13개 기관 300만 건의 특허 분석 DB 연계 정보 제공
3. 제품 유형별 분석서비스 제공
4. 기업 맞춤형 분석 리포트 제공

 

그래프 DB (Graph DB Suite) 기술소개

 

(304100) 솔트룩스 - (2) 빅데이터 ( Bigdata Suite 기술소개 )

saltlux

• 동사는 1981년 8월에 설립되었으며, B2B 및 B2G 인공지능·빅데이터 솔루션을 프로젝트 수주하여 구축 혹은 클라우드 기반으로 서비스 하는 사업을 영위.
• 동사의 주요 제품으로는 지능형 빅데이터 분석 플랫폼인 Big Data Suite와 인공지능 플랫폼인 AI Suite가 있으며, 각각 2019년 전체 매출액의 41.2%, 37.75%를 차지.
• 아웃바운드 컨택센터 자동화, 지능형 채용/HR 심사 등의 신규 사업 확장 계획.

 

빅데이터 Bigdata Suite

데이터 인식 및 기술 패러다임의 변화

2010년 전후로 시작된 데이터 급증은 대규모 데이터의 저장과 처리를 위한 새로운 기술을 요구하고 있으며, 이 가운데에서 빅데이터라는 용어가 등장했습니다. 빅데이터는 거대한 데이터의 집합 또는 이를 저장·전송·처리할 수 있는 기술을 의미합니다. 4차 산업혁명 시대에 접어들면서 데이터가 모든 산업의 발전과 새로운 가치 창출의 촉매 역할을 하는 ‘데이터 경제(Data Economy)’로 패러다임 전환 중이며, 선진국은 국가 경제의 지속성장 및 일자리 창출을 위해 AI와 빅데이터 접목을 통한 주력산업의 재도약과 혁신성장을 도모하고 있습니다.

최근 데이터 혁신을 주도하는 새로운 기술로 AI(인공지능) 기술이 주목을 받으면서, 스스로 데이터를 전처리하고 학습용 데이터로부터 문제해결 로직을 만들어내는 등 데이터사이언티스트의 역할을 대체하고 있습니다. AI 기술이 빠르게 진화함에 따라 데이터와 기술이 융합해 지능화를 촉진하며 새로운 패러다임 변곡점이 발생하고 경제시스템과 사회구조 변화 유발을 시킴으로써 새로운 지능정보사회의 뉴 패러다임 구축되고 있습니다.

< 지능정보사회의 패러다임 변화 >

시장 변화에 따른 제품 혁신의 통찰력

솔트룩스는 기술발전의 변화를 통찰력 있는 사전예측을 통하여 창립이래 체계적인 기술 개발 로드맵을 수립하여 자연언어처리와 시맨틱, 추론을 포함한 인공지능 원천기술을 확보해 왔으며 시맨틱 검색과 텍스트 마이닝을 넘어 빅데이터 기반의 기계학습, 심층학습과 지식그래프 기반의 추론을 융합한 탁월한 성능과 기능의 스마트 데이터 제품과 플랫폼을 만들어 왔습니다.

전통적 데이터 분석뿐만 아니라 지능정보사회 즉 데이터 경제를 이끌어 갈 데이터 생태계의 가치사슬(데이터의 수집·저장·유통·활용)을 기반으로 공급중개-수요 시장을 통해 경제적 가치(신제품·서비스, 일자리 등) 창출할 수 있는 데이터로부터 스스로 학습하고 지식을 축적하며 분석/추론 및 심층학습을 통하여 전문가 수준의 문제 해결 및 데이터 주도적 의사결정을 지원할 수 있는 Bigdata Suite을 출시하였습니다.

Bigdata Suite는 4차 산업혁명 시대의 데이터 경제 및 데이터 사이언스에 이바지할 수 있는 End-to-End One stop 지능형 실시간 빅데이터분석 통합 플랫폼으로 체계적인 개발 관리 프로세스를 통하여 끊임없는 제품 성장을 이루어 가고 있으며, 제품 품질 확보를 및 신뢰성 있는 검증을 통하여 국내 및 국외 다양한 공공기관, 기업 및 연구기관 등 구축 사업에 납품실적을 다수 보유 하고 있으며 제품에 대한 품질 검증 및 철저한 제품관리체계를 통하여 신뢰성을 확보하고 있습니다.

솔트룩스 Bigdata Suite은 다음과 같은 6개의 엔진을 제공합니다.

 

소개

Bigdata Suite는 정형 빅데이터와 비정형 빅데이터의 융합 분석에 탁월한 성능과 분석 품질을 제공합니다. 기업 및 공공 빅데이터에 대한 시맨틱 검색/분석, 지능화뿐 아니라 플랫폼을 통해 IoT 센서와 생산 및 운영시스템 로그와 같은 스트림 빅데이터에 대한 실시간 분석, 예측 기능을 제공하고 있습니다. Bigdata Suite은 미래 IoT서비스 지능화와 운영 인텔리전스 구축을 포함해 데이터 기반 스마트 데이터 및 차세대 IT 시스템 구현을 위한 최적의 플랫폼입니다.

< Bigdata Suite 개념도 >

아래 그림에서 보듯이 빅데이터의 수집, 변환, 분석, 시각화, 의사결정 지원에 이르는 빅데이터분석 가치사슬 전체를 커버하는 최고의 플랫폼으로 구성되어 있습니다. 자연언어처리(NLP)와 인공지능기술, 기계학습(machine learning), 심층학습(deep learning), 추론기술, 분산병렬 처리와 같은 핵심 기반기술 등이 통합되어진 제품으로 빅데이터 라이프사이클 전체를 아우르는 단계별 엔진과 다양한 분석 및 시각화 기능 등을 사용자에게 제공합니다. 더불어 기존 Hadoop Eco System으로 구성되어진 빅데이터 플랫폼과도 유연하게 결합하여 최적의 지능형 빅데이터분석 플랫폼을 구성할 수 있습니다. 인메모리 맵리듀스 엔진인 SPARK, 실시간 스트림 데이터 처리를 위한 STORM과 UIMA 프레임워크와 같은 Opensource HADOOP ECO System을 구성하는 다양한 엔진 모듈 통합 구성이 가능합니다. 또한, 초대용량 실시간 데이터의 수집, 저장, 검색과 병렬/분산 분석 및 시각화의 모든 기능을 단 하나의 통합형 플랫폼에서 구현이 가능하고 강력한 확장(Scale-out and Scale-up)성을 지원합니다.

< Bigdata Suite 구성도 >

 

주요 기능

Bigdata Suite은 자연언어처리와 기계학습, 심층학습을 포함한 다양한 인공지능 기술과 고능률 분산병렬 빅데이터 처리 기술을 결합하고 실시간 데이터 수집, 변환, 저장과 분석, 시각화, 운영관리에 이르는 빅데이터 생명주기에 해당하는 기능을 아래 [표 #] 와 같이 제공하며, 지능화된 빅데이터분석을 위한 탁월한 안정성과 가용성뿐 아니라 사용자를 위한 강력하고 차별화된 다양한 지능형 분석 기능과 고품질의 분석 결과를 제공합니다.

 

주요 특성

지능형 실시간 빅데이터분석 통합 플랫폼 Bigdata Suite 제품을 구성하고 있는 주요기술이 반영되어진 엔진들은 규모, 다양성, 속도, 가치 측면에서 전통적인 기술과 방법으로는 다루기 어려운 데이터를 효과적으로 처리할 수 있게 제품화 되어 있으며, 비용대비 효율적으로 데이터를 처리, 분석, 표현함으로써 사용자들에게는 데이터 생태계의 가치사슬(데이터의 수집·저장·유통·활용)을 기반으로 데이터기반 시장을 통해 경제적 가치(신제품·서비스, 일자리 등) 창출할 수 있습니다.

 

주요 경쟁력

지능형 실시간 빅데이터분석 통합 플랫폼 Bigdata Suite 제품은 인공지능 기술(심층학습: deep learning)과 빅데이터 기술(기계학습: machine learning) 등이 융합되어 생산되어진 국내 최초 제품입니다. Bigdata Suite은 하둡 생태계의 통합연계 없이 전 산업군에서 지능형 빅데이터분석을 수행할 수 있는 AI 기반 End-to-End One stop 실시간 빅데이터분석 통합 플랫폼입니다.

 

수집 엔진 Tornado

빅데이터 처리의 시작은 데이터 생성 또는 수집이라고 할 수 있습니다. 전통적인 데이터베이스(DB) 환경에서는 외부에서 데이터를 가져오기보다는 DB의 프론트엔드인 애플리케이션에서 데이터가 생성되면서 처리가 시작되어지고, 반면 빅데이터는 내부에서 데이터가 생성되기보다는 외부의 데이터를 가져오면서 처리가 시작되어집니다. 빅데이터 환경에서 데이터 처리는 데이터 수집에서 시작한다고 할 수 있습니다.

[솔트룩스] 지식 수집 엔진 토네이도 TORNADO

youtu.be/F_M_imK9R90

 

소개

빅데이터수집 엔진(Tornado)은 능동적인 방식과 수동적인 방식 둘 다 고려한 빅데이터수집 엔진으로 방대한 딥웹(Deep Web)과 SNS, 쇼핑 사이트, IoT, 스트리밍 데이터 등의 다양한 산업군에서 생성되는 빅데이터에서 사용자가 원하는 빅데이터를 실시간 자동, 병렬 수집이 가능한 강력한 빅데이터수집 처리 엔진입니다. 실시간 소셜 빅데이터분석, 경쟁자 분석, 시장 및 제품 분석, 위험 관리 및 고객 목소리 분석을 위한 최적의 빅데이터수집 환경을 제공하고 있습니다.

데이터의 유실과 중복 방지, 데이터 압축, 데이터 정형화, 저장된 데이터의 암호화, 무결성 검증, 사용자 편리성 등을 고려하여 보다 강력한 웹 수집 기능뿐 아니라 가려져 있는 웹 페이지로부터 빅데이터를 자동 추출하고 변환 저장합니다. 웹 데이터뿐 아니라 뉴스, RSS, 트위터, 페이스북 등의 소셜 빅데이터수집이 가능한 수집엔진으로 현존하는 가장 강력한 대용량 빅데이터수집 엔진입니다.

< 빅데이터수집 엔진 개념도 >

 

주요 특징

 

주요 기능 및 사양

정형 및 빅데이터의 지능형 융합 분석에 필요한 다양한 형태의 내•외부 데이터 수집 처리를 하기 위하여 Big Data Suite의 빅데이터수집 엔진(Tornado)은 사용자 시나리오 기반 수집, RSS 기반 수집, 심층 웹 수집, 메타 검색 수집, 소셜미디어 수집, OpenAPI 수집 기능을 제공합니다. 사용자가 정의한 수집 업무를 수집 엔진 내부 시뮬레이터를 통해 수집이 의도한대로 동작하는지 테스트해 수행할 수 있으며, 실제 운영 시 수집이 실행되는 동안 실시간으로 수집 결과를 모니터링 할 수 있는 스케줄링 기능, 상태 모니터링 기능, 운영관리자 기능을 제공하고 있습니다.

< 수집 엔진 동작 절차 >

 

주요 엔진 화면

 

시맨틱 검색엔진 Discovery

기계학습(Machine Learning)과 딥러닝(인공신경망)에 기반을 둔 인공지능기반 검색 엔진으로 단어와 문서의 의미를 기계가 스스로 이해할 수 있는 지능형 시맨틱 검색엔진(DISCOVERY)입니다. 특징학습(Feature Learning)이 가능한 기계학습 알고리즘을 적용하여 데이터 수집을 통해 특징을 학습함으로써 검색성능 향상과 사용자가 원하는 검색 결과를 제공합니다. 또한 단어와 문서의 의미를 기계가 스스로 이해할 수 있는 시맨틱 검색 솔루션으로, 입력한 키워드의 의미까지 스스로 판단해 검색 가능한 딥 서치(Deep Search) 기능을 내장하고 있습니다.

< 지능형 시맨틱 검색 엔진 개념도 >

Big Data Suite에서 기본적으로 활용하고 있는 저장소는 병렬/분산 저장이 가능한 빅데이터 저장소(GFS - GLORY-FS)를 적용하고 있습니다. 비용적인 측면에서의 효율성, 지속적으로 증가하는 데이터의 수용, 빈번하게 발생하는 장애에 대한 대처, 관리의 편리성, 신속한 입출력 성능, 데이터 최적 배치, 효과적인 캐시 사용, 부하 집중에 대한 유연한 대처, 데이터에 대한 보안 등과 같이 대용량 분산 파일 시스템이 갖추어야 할 사항들을 집약하고 있는 기본적으로 적용하여 구성되어져 있습니다.

 

주요 특징

지능형 시맨틱 검색 엔진 주요 특징

기업 내에 분산된 많은 양의 DB뿐 아니라 외부 소셜 빅데이터, 센서 및 로그 데이터, DOC, PPT, XLS, HWP 등의 오피스 문서를 포함한 초대용량 빅데이터를 특징학습을 통하여 검색 효율성 극대화 및 탁월한 검색 품질 성능을 갖춘 지능형 빅데이터 전용 시맨틱 기반 검색 엔진입니다.

 

빅데이터 저장소 주요 특징

수천에서 수만 대의 저비용 서버들을 이용하여 저장 공간 구축을 할 수 있는 분산파일시스템으로 장애에 대한 효율적인 통제 능력과 높은 입출력 처리 성능을 갖춘 대용량 데이터 처리를 위한 분산 파일 시스템입니다. GFS는 다음과 같은 주요 특징들을 가지고 있습니다.

 

주요 기능 및 사양

검색 서비스의 개발 편의성 및 표준화된 데이터 처리를 통해 검색 서비스 인터페이스 기능을 제공하여 효과적인 연계 서비스 구축으로 다양한 시스템의 사용자에게 다양한 검색 기능을 제공합니다.

 

주요 엔진 화면

 

텍스트마이닝 엔진 TMS

텍스트마이닝 엔진은 대용량의 내·외부 비정형 데이터에 대하여 데이터의 특성, 의미와 연관성을 파악하여 의미기반 검색, 정보 재조직화, 다차원 분석을 수행함으로, 숨은 지식을 발견하고 이를 통하여 높은 지식활용, 고객관리, 위험관리, 연구개발 등의 올바른 의사결정을 할 수 있도록 숨은 지식을 발굴하여 가치화 할 수 있는 다양한 비정형 데이터 분석 기능을 제공합니다. 방대한 문서 및 정보에서 고품질의 정보 추출, 관계 추출, 자동 정보(문서) 분류, 자동 정보(문서) 군집, 자동 정보(문서) 요약 및 지능형 비정형 데이터 분석 기능 등으로 구성되어 있으며 지식정보의 검색, 분석 및 활용에 소요되는 시간을 획기적으로 단축시키는 지능형 비정형 빅데이터분석 엔진입니다.

< 텍스트마이닝 엔진 구성도 >

 

주요 특징

 

주요 기능 및 사양

자연어 처리 기능

비정형 데이터 가공을 위한 모든 고정밀 언어분석기들은 기계학습과 인공신경망 기술이 적용되어 있으며, 사전과 규칙을 통해 각 도메인별로 품질을 최적화할 수 있는 기능입니다.

< 자연어처리 기능 >

정보(문서) 자동 분류 기능

방대한 양의 비정형 빅데이터(정보 및 문서)에 대하여 사전 정의한 분류체계(카테고리) 별로 자동으로 실시간 계층 분류하는 기능으로 문서 분류에 학습 및 규칙 기반을 동시에 사용할 수 있는 혼합형 분류 기능입니다.

 

주요 엔진 화면

 

스트림분석 엔진 BlueBolt

실시간 스트림 빅데이터분석 엔진(BlueBolt)은 다양한 장비와 생산라인의 로그, 센서 데이터와 같은 실시간 머신 데이터뿐 아니라 다양한 소스의 비정형 휴먼데이터를 융합 분석할 수 있는 실시간 스트리밍 데이터 분석 엔진입니다. 스트림 빅데이터의 실시간 인메모리 분석과 복잡한 이벤트 처리(CEP)를 통해 보안, 안보상의 이상 징후를 감지하거나 생산 라인의 문제 예측과 최적화 체계를 갖추는 것을 가능케 합니다. 특히 강력한 분산 인메모리 분석 기능은 대규모 서비스 시스템 운영/관리, 이상거래탐지(FDS; Fraud Detection System) 및 컴플라이언스와 eDiscovery를 포함한 운영 인텔리전스 (OI; Operational Intelligence) 구현을 위한 세계 최고의 성능을 제공하고 있습니다.

[솔트룩스] 스트림 빅데이터 분석 엔진 블루볼트 BLUEBOLT

youtu.be/zHC0JmXSCLY

< 스트림분석 엔진 개념도 >

 

주요특징

 

주요 기능 및 사양

다양한 형식의 스트림 데이터(비정형, 반정형)를 실시간으로 수집·정제를 통하여 실시간으로 복잡한 조건의 질의 및 분석을 수행합니다. 분석한 결과들을 대시보드로 구성하여 실시간 모니터링 및 공유를 할 수 있으며 특정 조건에 일치하는 패턴이 발생하면 외부에 알림 기능을 수행합니다.

 

주요 엔진 화면

 

인지분석 엔진 CAS

데이터 분석 관점에서 ‘인지’는 정형화된 규칙과 사물을 표현할 때 어떤 특징으로 표현할지 찾는 것을 말합니다. 솔트룩스의 인지분석 엔진(Cognitive Engine)은 컴퓨터가 사람처럼 학습을 통해 데이터에 대한 다양한 관점을 인지하거나 예측할 수 있는 인공지능 기술이 융합 적용된 기계학습(Machine Learning) 및 심층학습 (Deep Learning) 기반의 세계 최고의 인지분석 엔진입니다.

인지분석 엔진(Cognitive Engine)은 수집된 대용량의 내·외부 빅데이터를 기계학습 및 심층학습 기반으로 사람이 찾지 못하거나 사람이 분석하기에 어려운 데이터의 특성, 의미와 데이터 간의 연관성 분석 등을 빠른 속도로 찾아낼 수 있습니다. 더 나아가 초대용량 데이터에 대한 복잡계 분석, 음성과 텍스트 간의 융합분석, 이미지와 텍스트 간의 융합분석 기능을 제공합니다.

< 인지분석 엔진 - Cognitive Engine 구성도 >

 

주요 특징

 

주요 기능 및 사양

기계학습 및 심층학습을 통한 개체명 인지분석, 감성 인지분석, 지식/소셜 네트워크 분석, 음성인식 융합분석, 이미지 인식 융합분석 등 데이터 속의 의미관계망 분석을 통해 심층 분석 기능을 제공합니다.

개체명 인지분석 기능

기계학습 기반의 개체명 인지분석 기능은 데이터에서 개체(회사이름, 사람이름, 지역 명칭, 날짜, 시간, 금액)를 자동으로 추출(경계 구분)하고 추출된 개체의 종류를 분류를 통하여 개체들 간의 연관 관계를 실시간 자동 분석을 할 수 있는 기능입니다.

< 개체명 인지 분석 기능(실 구축 화면 - 언론진흥재단) >

감성 인지분석 기능

기계학습(Machine Learning)과 심층학습(Deep Learning) 기반 형태소, 문장구조, 개체명, 의미 등을 파악하여 토픽 별 감성 분석, 긍/부정 트렌드 분석을 처리하는 고품질, 고정밀 감성 분석(Sentiment Analysis) 기능입니다.

< 감성 인지 분석 기능 >

지식/소셜 네트워크 분석 기능

초대용량 웹, 소셜미디어, 이메일 및 방대한 기업이 보유하고 있는 데이터로부터 시맨틱 소셜 네트워크를 추출해 그 구조를 분석하고, 네트워크에 흐르는 지식과 상호 영향력을 기계학습 기반의 심층분석을 통하여 중심성분석, 군집분석, 최단경로 분석, 핵심 플레이어 분석, 주제별 핵심 노드 분석, 주제별 연관 노드 분석, 연관 주제별 핵심 노드 분석 등 지식네트워크 상에 유통되는 데이터에 대한 실시간 분석을 할 수 있는 기능입니다.

< 지식/소셜 네트워크 분석 기능 – 통계분석 & 중심성분석 >

음성인식+텍스트 융합 분석 기능

사용자의 실시간 음성데이터를 입력 받아 텍스트로 변환 후 비정형 빅데이터분석 기능과 연계하여 분석을 수행하는 기능과 사용자가 보유하고 있는 테스트 데이터와 음성인식을 통한 텍스트로 변환되어진 데이터 간의 융합 분석하는 기능입니다.

< 실시간 음성인식을 통한 텍스트 분석 – 이슈 분석 >

 

주요 엔진 화면

 

시각분석 엔진 Rainbow

시각분석 엔진(Rainbow)은 빅데이터와 그 분석 결과를 다양한 관점에서 시각화 함으로 숨겨져 있는 패턴을 발견하고, 미래를 예측, 이해할 수 있도록 지원합니다. 단순한 개별 데이터의 시각화뿐 아니라, 서로 다른 데이터를 융합, 재구성하고 동적 대시보드를 통해 시각적분석을 가능하게 합니다.

< 시각분석 엔진 개념도 >

워크벤치를 통해 다양한 시각화 라이브러리를 통해 표현되는 데이터들은 엔진 내부 임시저장소를 통해 관리되며 웹, 기업 포털 및 소셜미디어에 퍼블리싱이 가능합니다. 전통적인 BI(비즈니스 인텔리전스)와 시각화 도구의 한계를 넘어, 빅데이터로부터의 새로운 통찰력을 얻고, 데이터를 통해 문제 해결과 답을 얻도록 돕는 최고의 빅데이터 시각적분석 엔진입니다.

 

주요 특징

다양한 데이터 소스와 파일 포맷 지원

 

주요 기능 및 사양

다양한 형식의 데이터소스에 연결을 하여 선택된 데이터에 대하여 연산, 필터링 및 서로 다른 데이터 소스 간의 결합이 가능하며 최종 정제된 데이터를 가지고 인터렉티브 한 시각화 요소들을 쉽게 생성하는 것이 가능 합니다. 또한 웹 서버로의 퍼블리싱을 통하여 생성한 시각화 요소를 웹 상에서 확인하거나 다른 사람들과 공유를 할 수 있는 기능을 제공합니다.

< 시각분석 엔진 동작 프로세스 >

 

주요 엔진 화면

 

적용사례

국가단위의 빅데이터분석 플랫폼 구축

공간빅데이터 체계 구축 사업 - 국토교통부 - 국토교통부장관 표창 수상

행정정보와 민간정보 등 공간데이터 기반 정형·비정형 빅데이터 및 텍스트 데이터를 융합하여 생산성 있는 지능형 공간데이터를 구축하였으며, 이를 바탕으로 다양한 분석 모델과 템플릿을 제공하여 사용자가 웹 환경에서 쉽고 빠르게 분석모델을 활용 및 분석을 할 수 있는 워크플로우 기반 분석 도구를 제공하였습니다. 또한 공간빅데이터 기반 다목적 공간빅데이터분석 표준 플랫폼 구축 및 서비스 환경을 제공하여 국정현안에 선제적으로 대응하고 미래전략을 수립할 수 있도록 공간정보의 특성을 고려하여 지능형 공간빅데이터를 구축하고 스마트 행정을 실현할 수 있는 기틀을 마련하였습니다.

< 국토교통부 - 공간빅데이터 체계 포털 >

① 사업의 내용

1. (융합 DB 구축) 융합데이터 서비스를 통해 다양한 융합DB의 결과를 Dash board형태로 제공하여 사용자가 공간 데이터를 보다 쉽게 이해하고 접근할 수 있도록 하였으며 다양한 유형의 결과값을 대시보드 형태로 제공
2. (데이터서비스 개발) 융합자료와 기초자료로 데이터셋을 분류하여 제공하는 데이터 서비스로 조회를 통하여 관련 데이터를 다운로드 할 수 있고, 융합DB의 시계열 정보를 효과적으로 활용할 수 있는 화면 분할 방식의 시각화 서비스를 제공
3. (분석 플랫폼 구축 및 시각화 서비스 개발) 공간정보 및 공간빅데이터에서 제공되는 데이터와 공간빅데이터분석도구에서 제공하는 공간라이브러리를 활용하여 분석을 지원하는 공간빅데이터분석 플랫폼 구축과, 공간하둡(Spatial Hadoop) 기반의 분석결과를 지도 위에 시각화하여 표출할 수 있는 시각화 서비스 제공
4. (소셜 공간분석 서비스 개발) 비정형데이터를 문장단위로 감성분석하여 존재하는 위치정보와 결합하고 이슈와의 관계를 파악하고 지역에 따른 주요토픽, 어휘 트렌드를 분석하여 지도 위에 시각화하여 표출할 수 있는 서비스 제공

< 공간빅데이터분석 기능 >

② 적용 기술 및 솔루션

1. Big Data Suite 제품 적용
   정형·비정형 공간빅데이터 기반의 스마트 데이터 및 차세대 빅데이터분석 플랫폼 구현을 위하여 One stop 실시간 공간 빅데이터분석이 가능한 Big Data Suite 제품 적용
2. HDP 3.2 제품 적용
   호튼웍스에서 Package한 HDP 3.2를 적용하여 Big Data suite 제품과 Hadoop Eco System 연계를 통하여 최적의 공간 빅데이터분석 플랫폼 구성

③ 제품 선정 당위성

1. Big Data Suite Pilot을 통한 제품 품질의 우수성 및 탁월한 성능 평가
   1차 구축 시스템과 Big Data Suite으로 구성한 Pilot시스템을 국토교통부 주관 외부전문가를 통하여 빅데이터 전주기에 해당하는 전 단계별 성능 및 품질 테스트 수행 후 Big Data Suite Pilot 시스템의 품질 및 성능 우수성 평가

④ 주요 성과

1. 국토교통부 산하 구축 사업 중 국토교통부장관 표창 수상
2. 과학행정 구현 및 맞춤형 서비스 제공을 위해 공간정보를 활용한 공간 빅데이터 체계를 구축하여 범정부적 활용을 지원
3. 공간 빅데이터의 공통활용 기반을 조성하여 중앙행정기관, 지자체, 공사공단 등 공공부분에서 공간정보를 활용한 합리적이고 객관적인 정책수립을 지원하여 현안사항 해결 지원
   • 부동산, 교육, 복지, 범죄, 재난 등 복잡한 사회․경제적 현안에 선제적 대응
   • 과학적 공간분석기법을 활용한 미래국가 전략 수립 및 의사결정 지원
4. 공간 빅데이터를 활용한 다양한 민간 활용서비스 모델 개발, 확산을 통해 신산업 및 일자리 창출 등 공간정보산업 진흥 도모
5. 공간빅데이터 체계는 사용자 활용성을 고려하여 다양한 형태의 템플릿과 웹 환경에서 사용자가 보다 쉽고 빠르게 분석 모델을 개발할 수 있는 환경을 제공
6. 이를 통해 사용자가 목적에 따라 데이터와 분석 기능을 조합하여 새로운 분석모델 개발 및 분석 결과 도출이 가능한 기능 제공
7. 분석모델의 결과는 공간하둡 기반의 위치정보를 활용한 공간 시각화, 화면분할을 통한 시계열 정보화를 통하여 과거의 정보, 미래예측을 포함한 분석결과를 한눈에 파악할 수 있는 서비스 제공

 

신기술 센싱 및 예측 분석 플랫폼 구축

삼성전자 신기술 센싱 시스템 구축 – 삼성전자 & 삼성반도체

삼성전자 및 삼성반도체 내부 KMS에 축적되어 있는 지식정보들과 함께 외부 KISTI (한국과학기술정보연구원)와의 MOU 계약을 통해 공급받게 된 해외학술자료, 국내 학술회의 정보, 각종 연구보고서, 해외과학기술 동향분석 정보 등 대량의 기술문서, 국내외 IT 뉴스, IT전문리뷰/블로그, 기술잡지 등을 수집 및 내/외부 지식정보 통합을 통하여 미래 기술/사업 불확실성에 대한 리스크 조기 감지 체계를 구축하였습니다.

또한 신기술 정보 자동수집 및 분석 체계를 구축함으로써 신기술 및 응용분야에 대한 조기 신기술 센싱 능력 강화를 통해 연속 기술의 한계, 비연속 기술 등장에 따른 사업 리스크 대응, 사업 리스크 보완을 위한 벤처투자, M&A 전략 수립 등 신기술 센싱의 다양한 분석 및 예측 기능을 통하여 내부 데이터 기반의 의사결정 지원을 할 수 있는 기틀을 마련하였습니다.

< 삼성전자 - 신기술 센싱 시스템 >

① 사업의 내용

1. (데이터 수집 체계 구축) 내외부 다양한 형태의 정형데이터, 비정형데이터에 대한 다양한 수집 기능이 적용되어진 수집 체계 구축을 통하여 신기술 센싱, 예측 분석을 위한 통합 DB 구축
2. (데이터 모델링 및 지식베이스 구축) 신기술 센싱의 품질 확보를 위하여 내부에서 생성되는 지식뿐만 아니라 외부에서 생성되고 수집되는 기술문서 및 소셜 데이터(뉴스, 블로그 등)에서 다양한 연관성 정보를 추출하기 위하여 삼성전자 신기술 센싱을 위한 다양한 데이터 모델링 구축을 하였으며, 이를 통하여 기술 및 기업정보 지식베이스(인물/논문/특허 연관성, 기술/기업/인물 연관성, 기업/ 투자기관/인물 연관성 등)를 구축
3. (신기술 센싱 플랫폼 구축 및 분석 서비스 개발) 삼성전자 내부 지식정보들과 외부에서 수집되어지는 데이터를 수집, 저장, 가공, 분석 및 시각화를 지원하는 신기술 센싱/예측/분석 플랫폼 구축을 통하여 다양한 대용량의 데이터에 대한 기업/인물/기술/논문/언론 등에 대한 상호연관성 분석, 지식 트렌드 분석, 지식정보 네트워크 분석, 실시간 신기술 센싱/예측 분석 등 다양한 분석 기능의 결과에 대한 시각화하여 표출할 수 있는 서비스 제공

② 적용 기술 및 솔루션

1. Big Data Suite 제품 적용
   내부 지식정보 및 외부 기술데이터 기반의 지능형 신기술 센싱, 예측 분석 플랫폼 구현을 위하여 실시간/배치 분석이 가능한 Big Data Suite 제품 적용

③ 제품 선정 당위성

1. PoC를 통한 제품 성능 및 품질 테스트 수행의 우수성 검증
   • 삼성전자 KMS를 위한 신기술 센싱 플랫폼 구축에 적용되어질 빅데이터분석 플랫폼 사전 검증을 위하여 POC를 3차에 걸쳐 수행 후 제품의 성능 및 품질의 우수성으로 인해 선정
   • 국문 및 영문 데이터 대상으로 데이터 수집, 저장단계, 분석단계, 시각화 단계에 각 단계별 시스템 성능 및 분석 성능 등 다양한 검증을 통하여 지능형 신기술 센싱, 예측 분석 플랫폼 구축을 위하여 Big Data Suite 선정

④ 주요 성과

1. 단순 검색 기능으로는 개별 기술, 혹은 개별 키워드에 대한 단순 나열의 결과 밖에는 얻을 수 없었고 이 제한된 기능으로 전체 기술네트워크를 바라보거나 기술분석 트렌드를 알아내는 것은 불가능에 가까운 일이었으나, 구축한 신기술 센싱 시스템으로 인해 나무가 아닌 숲을 바라볼 수 있는 능력과 적용기술 혹은 관심기술의 트렌드 정보의 제공이 가능해 거대하고 개별적인 기술이슈를 가진 삼성전자 조직 구성원들의 기술 탐색 욕구를 충족시킬 수 있었습니다.
2. 이는 기존 시스템 Open 이후 기존 KMS 접속 및 사용자를 3~5배 증가시켜 삼성전자 지식관리 활동을 비약적으로 증가 및 개선시킨 효과를 가져왔습니다.

 

미디어 컨텐츠 분석 플랫폼 구축

뉴스 빅데이터분석 시스템 구축 - 한국언론진흥재단

국내 각 언론 기관들이 수십 년에 걸쳐서 구축한 뉴스 미디어 콘텐츠에 대한 고부가가치화 및 지식화를 통한 저널리즘 서비스의 획기적 혁신을 통하여 차별화된 대정부/대국민 서비스로 발전시키기 위해서 방대한 양의 뉴스 데이터를 체계적으로 분석할 수 있는 플랫폼을 구축하였으며 지능형 분석을 위해 뉴스 빅데이터 관련 메타데이터 등 분석 데이터구축, 사용자를 위한 다양한 분석 서비스 및 관리 체계를 구축하여 미디어 기반의 지능형 분석, 융합, 예측 서비스 등 고품질의 저널리즘 정보 생산 주체인 언론 기관들이 향후에 보다 수준 높은 차세대 미디어 콘텐츠를 지속적으로 도출하고 자생적으로 유통 지원 혁신을 위한 기틀을 마련하였습니다.

< 한국언론진흥재단 - 뉴스빅데이터 분석 서비스(BIGKinds) >

① 사업의 내용

1. (뉴스 빅데이터 DB 구축) 국내 종합일간지, 경제일간신문, TV방송뉴스, 인터넷신문, 영자일간지, 지역주간신문과 고신문 및 90년대 이전신문 등과 국외 해외뉴스를 포함한 최대 규모의 기사 DB 구축
2. (뉴스 빅데이터분석 플랫폼 구축) 뉴스 빅데이터를 분석 위하여 한국어를 포함한 영어권 언어 분석이 가능한 지능형 자연어처리엔진, 기계학습기반 비정형 텍스트분석 엔진, 의미기반 검색엔진 등 뉴스 빅데이터 심층 분석 처리를 위한 플랫폼을 구축
3. (뉴스 빅데이터분석 서비스 개발) 뉴스 빅데이터를 활용하여 의미기반 뉴스 검색 기능을 통하여 일반인을 위한 빅카인즈 검색 서비스와 전문가를 위한 빅카인즈 프로 서비스를 제공
4. 뉴스 심층분석을 통하여 뉴스와 주가 지수 간의 연관 정보 및 예측 분석 기능, 뉴스기사를 분석하여 인용문을 추출하고 해당 인용문의 정보원을 분석하는 뉴스 정보원 분석(네트워크) 기능, 트렌드 리포트 기능, 각 국의 정치뉴스를 분석하여 특정 이슈에 대한 차이를 볼 수 있는 해외 뉴스 심층 분석 기능, 국가별 언론보도에 대한 트렌드 분석, 연관어 분석, 네트워크 분석 등 사용자에게 다양한 분석 기능 등 다양한 분석 기능을 제공

< 뉴스 빅데이터 분석 기능 >

② 적용 기술 및 솔루션

1. Big Data Suite 제품 적용
   국내/해외 뉴스 콘텐츠 기반의 비정형 뉴스 빅데이터분석 플랫폼 구현을 위해 One stop 실시간 미디어 콘텐츠 빅데이터분석이 가능한 Big Data Suite 제품의 적용
2. Apach SPARK, STORM, KAFKA 등 적용
   OpenSource Apach SPARK, STORM, KAFKA 등을 뉴스 빅데이터 플랫폼에 적재적소에 반영하여 Big Data Suite 제품과 연계를 통하여 최적의 품질을 보장하는 뉴스 빅데이터분석 플랫폼 구성

③ 주요 성과

1. 대규모 뉴스 데이터구축 및 분석을 통하여 국가적으로는 중요한 역사적 자산 축적 및 사회변화 예측 및 정책 입안·사업 기회 포착에 기여
2. 또한 경제적인 측면에서는 향후의 판세나 정황을 예측하고 대처할 수 있는 창조 경제 브레인 역할을 수행할 수 있는 기틀 마련
3. 고품질의 저널리즘 정보 생산 주체인 언론 기관들이 향후에 보다 수준 높은 차세대 미디어 콘텐츠를 지속적으로 도출하고 자생적으로 유통할 수 있는 혁신적 시스템 기반 마련
4. 뉴스빅데이터분석 체계를 활용한 글로벌 뉴스(영문, 일문) 분석 시스템 및 특정 이슈에 대한 국가별 언론보도의 차이 분석 서비스 제공을 통하여 글로벌 뉴스 분석 서비스 영역의 선두사례로 발전
5. 뉴스 활용가치에 대한 사회적 인식 제고 및 이에 상응한 언론사 콘텐츠 기반 수익모델 창출에 기여
6. 방대한 뉴스 데이터와 개별 사용자, 개별 기관의 특성과 성향을 분석하여 맞춤형 뉴스 및 관련 정보 제공

 

금융 데이터 & 실시간 VOC 분석 플랫폼 구축

지능형 실시간 VOC 분석 및 TA 분석 시스템 구축 – 농협은행

고객의 디지털 채널 활용 증가와 지능형 서비스 요구의 지속적 상승이 예상되어, AI기반 서비스 확대를 통한 고객 만족도 및 운영 효율성을 높일 수 있도록 기존 시스템을 고도화하고 개선하는 것을 목표를 두고 콜센터 AI 빅데이터 시스템을 구축하였습니다.

농협은행 고객행복센터에서 매일 발생되는 전화 상담 내용을 기록 저장하고 분석하는 상담 빅데이터분석 시스템을 실시간 음성처리, 언어분석 처리, 대용량 분산 환경을 적용하였으며, 실시간 TA(Text Analysis) 분석 서비스가 가능한 구조로 개발하여 적시, 적소에 상담 데이터 분석 결과를 제공하였으며, 다양한 목적과 관점에서 분석하고 통찰할 수 있는 지능형 VOC 분석 및 TA분석을 위한 기반을 마련하였습니다.

< 농협은행 - 지능형 금융 데이터 분석 >

 

① 사업의 내용

1. (데이터 저장 및 운영 환경 개선) 수집되는 상담 빅데이터는 메시지 큐에 저장되고 분산 어플리케이션을 통해 색인 및 빅데이터 저장소에 저장되면 텍스트 분석을 통한 서비스로 구성
2. (지능형 지식관리시스템 구성) 신규 KMS(지능형 지식관리 시스템)을 통해 구축/관리되는 지식정보가 지식베이스로 동시에 관리되고, 질의응답 시스템에 자동 배포 가능한 구조가 구성
3. (TA 서비스 구성) 이슈 클라우드 및 이슈 트렌드 분석 기능 제공
   • 이슈 키워드에 대한 감성분석 기능을 제공
   • 연관 토픽 분석에 대한 네비게이션 기능 제공
   • 상담결과를 주제별로 자동 군집하는 기능 제공

< 지능형 VOC 분석 및 TA 분석 기능 >

② 적용 기술 및 솔루션

1. Big Data Suite 제품 적용
   상담데이터 수집계층, 메시지계층, 빅데이터 저장계층, 빅데이터 색인계층, 활용서비스 계층 등으로 구성할 Big Data Suite 제품 적용
2. Apach SPARK, STORM, KAFKA 등 적용
   OpenSource Apach SPARK, STORM, KAFKA 등을 뉴스 빅데이터 플랫폼에 적재적소에 반영하여 Big Data Suite 제품과 연계를 통하여 최적의 품질을 보장하는 지능형 금융 빅데이터분석 플랫폼 구성

③ 제품 선정 당위성

1. Big Data Suite의 대용량 빅데이터수집에 대한 무결성을 보장하며, 실시간 데이터 송수신에서의 유실을 방지합니다. 또한 분산 처리 환경과 인메모리 분석을 통해 대용량 집계 및 분석 처리시에도 빅데이터 시스템의 성능을 보장하는 제품 선정
2. 지속적으로 증가하는 상담 데이터의 실시간 분석과 배치 분석 모두 수용할 수 있는 분석 플랫폼 체계 필요성에 충족하는 제품 선정
3. 인메모리(in-memory) 기반의 집계 및 통계 분석과 실시간 색인 및 분산 처리를 통해 고성능의 빅데이터분석이 가능한 제품 선정

③ 주요 성과

1. 사용자 증가로 부하가 집중될 수 있는 고객 집중 상담 시간에도 원활한 서비스가 가능하고, 향후 지속적인 데이터 증가나 서비스 확대에도 시스템 인프라 확장이 유연한 구조로 구성
2. TA 분석 기능 및 서비스 개선으로 실시간 이슈 분석 및 상담 품질 평가 기능 고도화
   
   • 상담 이슈에 대한 검색, 통계, 트렌드 분석, 연관성 분석 등이 연관성을 가지고 주제를 확장하여 심층 분석될 수 있도록 UI를 개선하고 분석 결과를 시각화서비스 제공
   • 상담사의 고객 상담을 실시간으로 모니터링 하거나, 상담 결과에 대한 품질 평가의 일부를 시스템으로 자동화함으로써, 오상담이나 부적절한 대응을 적시에 발견하고 개선하여 고객 상담의 만족도 향상
3. 음성데이터를 텍스트로 변환하고, 비정형 텍스트를 분석하여 결과를 제시해야 하는데 이를 대량으로 실시간으로 처리할 수 있는 지능형 인지분석 기능 제공

 

지능형 통합 검색 시스템 구축

포스코 GIH(Global Information Hub) 구축 사업 – 포스코 경영연구소(POSRI)

GIH 프로세스를 효율적으로 지원하고 패밀리사의 전략적 의사결정 지원을 위해 IT 시스템 구축이 필요. 포스코 및 패밀리사에서 자체 관리하던 국내∙외 사외정보를 GIH에서 통합관리하고 분야별 전문가가 분석∙가공해 임직원에게 서비스하기 위한 포스코 패밀리 통합정보관리 네트워크를 구축하기 위함입니다.

GIH 내부정보와 외부 수집정보를 대상으로 정형/비정형 데이터에 대한 지능형 분석을 통해 관련 주제 및 이슈 키워드의 시맨틱 검색으로 보다 정확한 정보검색과 모니터링 능력을 극대화하고, 특정 주제에 대한 동향분석, 트렌드 분석, 연관주제 분석 등 축적된 비정형데이터를 대상으로 보다 입체적이고 의미 있는 분석 수행이 가능하게 하였습니다.

< 포스코 – 시맨틱 통합 검색 & 분석 >

① 사업의 내용

1. (의미기반 지능형 통합 검색 체계 구축) 사용자가 질의하거나 선택한 키워드 (토픽)에 대하여 키워드를 포함한 문서 중 중요한 문서의 상위 100건의 문서를 실시간 분석하여, 검색어와 가장 밀접한 관계를 가지고 있는 연관정보를 추출하여 방사형 트리 형태로 조회할 수 있는 지능형 검색 체계를 구축
2. (지능형 검색 기능 개발)
   • 검색결과 클러스터링: 사용자 질의어에 대한 검색 결과 문서를 실시간 분석하여 문서 클러스터링 결과를 제공
   • 인기검색어: 사용자가 검색한 검색어 이력을 통계적으로 추출하여 순위를 시각화하여 표출
   • 자동분류검색: 정보(문서) 자동분류를 통해 분류가 되어진 데이터에 대하여 분류체계를 통한 검색을 할 수 있는 기능 제공
   • 유사문서 검색: 특정문서와 유사한 문서를 다양한 출처에서 실시간으로 검색해서 제공
3. (지능형 트렌드 분석 기능 및 서비스 개발) CEO메시지와 정보니즈 데이터를 분석하여, 주요키워드를 기간 단위로 추출하여, 해당 기간 동안에 이슈가 되는 키워드를 추출하여 사용자들에게 다양한 챠트 형식으로 시각적분석 서비스를 제공

< 의미기반 지능형 통합검색 및 트렌드 분석 >

② 적용 기술 및 솔루션

1. Big Data Suite 제품 적용
   GIH 내부정보와 외부 수집정보를 대상으로 정형/비정형 데이터에 대한 지능형 검색 및 데이터 분석을 위하여 Big Data Suite 제품의 빅데이터 저장/검색 엔진(DISCOVERY), 비정형 빅데이터분석 엔진(TMS)를 적용하여 구축

③ 제품 선정 당위성

1. GS인증, 행정업무용 SW인증, 신SW 상품대상, 대한민국SW대상 대통령상 수상을 국내 최고의 성능과 품질을 보장하는 빅데이터 저장/검색 엔진(DISCOVERY) 및 비정형 빅데이터분석 엔진(TMS) 선정

③ 주요 성과

1. 포스코 패밀리 정보 경쟁력 강화
   유용한 정보를 신속하고 정확하게 제공
   분업 및 협업을 통해 패밀리간 정보 공유
   최신 정보기술 활용을 통한 효율적 정보활용 및 업무생산성 증가
2. 포스코 패밀리 정보 마인드와 문화 정착
   정보 수집 및 활용을 통한 정보 마인드의 진화(형성→확산→정착) 기반 마련
   정보 활동 모니터링과 피드백을 통해 변화관리 유도
3. 전략적 Insight 정보 발굴
   국내외 유의미한 정보의 체계적 축적
   전략적 Insight정보를 활용한 의사결정 지원
   신 사업 아이디어 발굴 및 경영 Risk 선제 대응
4. 포스리 정보기반 분석역량 강화
   포스리와 패밀리사간 효과적 커뮤니케이션과 의사결정 지원 기반 구축
   국내외 현장의 Live한 정보취득으로 포스리 연구/과제 현장성 강화

 

빅데이터 기술소개

실시간 데이터 수집, 저장, 검색, 분석, 시각화에 이르는 빅데이터 라이프 사이클을 충족시키는 Big Data Suite 제품은 아래에서 제시하고 있는 주요 기술들이 반영되어 구성되어 있습니다.

 

(304100) 솔트룩스 - (1) 회사소개 & 인공지능 ( AI Suite , 적용사례 , 기술소개 )

saltlux

• 동사는 1981년 8월에 설립되었으며, B2B 및 B2G 인공지능·빅데이터 솔루션을 프로젝트 수주하여 구축 혹은 클라우드 기반으로 서비스 하는 사업을 영위.
• 동사의 주요 제품으로는 지능형 빅데이터 분석 플랫폼인 Big Data Suite와 인공지능 플랫폼인 AI Suite가 있으며, 각각 2019년 전체 매출액의 41.2%, 37.75%를 차지.
• 아웃바운드 컨택센터 자동화, 지능형 채용/HR 심사 등의 신규 사업 확장 계획.

 

회사소개

솔트룩스는 기계학습과 자연어처리 스타트업으로 2000년에 창업된 ㈜시스메타에 그 뿌리를 두고 있으며, 창업이래 인공지능과 빅데이터 기술의 한 우물을 파온, 국내 대표적인 4차산업혁명 원천기술 기업입니다. 자사는 창업 초기부터 원천기술 확보에 집중해 왔으며 2006년 솔트룩스로 기업명을 변경하고 인공지능 기술개발과 신시장 창출에 더욱 박차를 가해 왔습니다.

인공지능 데이터과학 전문기업 솔트룩스 회사 및 사업소개

youtu.be/Iv2IhNxok2c

솔트룩스는 알고리즘 중심의 인공지능과 빅데이터 기술개발뿐만 아니라 인공지능 사업의 글로벌 경쟁력 확보를 위해 150억건 이상의 대규모 데이터를 축적, 자산화하고 끊임없는 혁신제품 출시와 해외 진출에 노력해 왔습니다. 자사의 이러한 노력은 118건의 기술 특허출원(PCT 포함)과 61건의 등록특허, 145건의 등록 소프트웨어 보유, 매년 20% 이상의 높은 매출 성장의 결실을 보이고 있습니다. 지난 19년간 인공지능과 데이터 부분에서의 기술, 인재, 경험의 축적은 최근 인공지능 기술의 성숙과 세계적 성장에 따라 솔트룩스와 자회사, 파트너, 고객 모두에게 큰 성장의 기회가 되고 있습니다.

솔트룩스 인공지능 기술의 차별성은 한마디로 ‘고정밀 앙상블 인공지능’으로 표현할 수 있습니다. 이는 다양한 기계학습(딥러닝) 기술과 지식그래프, 논리추론과 같은 상이한 AI 기술들을 융합함으로 구현되며, 대규모 데이터 수집, 분석, 학습 등의 빅데이터 및 데이터과학 기술이 뒷받침되어야 합니다. 축적의 시간을 통해 확보된 솔트룩스의 차별화된 인공지능과 빅데이터 기술에 대한 상세 소개와 그 상용 경쟁력 및 구체적 사업계획과 전망 내용을 담고 있습니다.

 

설립 배경

솔트룩스는 ‘세상 모든 사람들이 자유롭게 지식 소통하도록 돕겠다’는 기업 사명(mission statement)을 중심으로 사람과 사람뿐 아니라 사람과 기계, 기계와 기계가 상호 소통/협력 가능한 미래 원천기술을 개발하겠다는 일념으로 세명의 공동창업자에 의해 설립이 되었습니다. 설립초기에는 컴퓨터가 사람의 글과 말을 이해하기 위한 기계학습 기술 개발에 집중을 하였으며, 2005년부터는 지식공학(Knowledge Engineering)과 지식그래프(Knowledge Graph) 및 추론 기술에 대한 연구, 2010년부터는 심층 질의응답과 대화처리, 2015년 이후는 딥러닝 기반의 지식학습, 음성인식/합성 등에 많은 투자를 진행해 왔습니다. 솔트룩스의 기업 사명은 회사의 존재 이유가 되며 ‘올곧게 일함’, ‘혁신을 통한 공헌’, ‘행복과 성장 추구’로 정의된 핵심 가치는 솔트룩스 임직원이 일하는 방식과 이유를 설명하고 있습니다. 솔트룩스 임직원은 우리의 기업 사명과 핵심 가치가 우리의 고객의 성공을 넘어 사회와 인류의 보다 행복한 삶에 기여한다 믿고 있습니다.

 

브랜드 스토리

세상에 필요한 빛과 소금이 되겠습니다.

솔트룩스(SALTLUX)는 ‘SALT(소금)’와 ‘LUX(빛)’의 합성어로서, 새로운 지식기반 세상에 필요한 빛과 소금의 역할을 담당할 기업 철학을 내포하고 있습니다. 구체적으로 ‘SALT’는 변치 않는 도덕적 가치와 성실한 봉사의 정신 그리고 통화와 자본으로서 가장 오래된 화폐 기능 등 문화적 이미지를 상징합니다. 또한 ‘LUX’는 빠르게 변하는 지식과 정보를 손쉽게 제공하는 IT 기술로서의 빛과 따뜻하고 풍요롭게 변화하는 미래의 문명적 이미지를 상징하고 있습니다. 따라서 ‘SALT’는 기업의 내재 가치를, ‘LUX’는 기업이 제공하는 기술적 서비스를 뜻합니다.

기술 개요

솔트룩스는 향후 5년간 언어, 음성, 시각, 감성, 지식 등 각 AI 기술을 고도화하고, 하나의 앙상블 AI 플랫폼으로 융합, 발전시킴으로 현재 기계학습 기술의 한계를 극복한 세계 최고 수준의 차세대 인공지능 상용 기술의 확보를 목표하고 있습니다. 현재 솔트룩스가 보유한 국가 수준의 빅데이터 플랫폼 기술을 지구 스케일로 확장 고도화하고, 이를 통해 전세계 대상의 데이터 수집과 실시간 이슈 분석, 이상징후 조기 감지, 더 나아가 지능형 예측을 포함한 실시간 증강분석 기술의 상용화를 목표로 하고 있습니다. 지구 스케일의 빅데이터 증강분석 기술은 앙상블 AI기술과 결합되어 글로벌 AIaaS 통합 플랫폼을 구현하는데 중추역할을 하게 될 것입니다.

 

조직 구성

솔트룩스는 현재 5개의 사업본부 아래에 6개 그룹, 16개 팀, 대표이사 직속의 2개의 실과 경영자문위, 기술자문위로 조직이 구성되어 있으며, 2개의 해외 자회사와 1개의 국내 자회사를 별도 운영하고 있습니다. 경영자문위원회는 경영, 법률, IT산업 등의 분야에서 독보적인 경력을 쌓아온 국내 최고 리더 6명으로 구성되어 있으며, 솔트룩스의 경영전략에 대한 자문과 경영진에 대한 멘토의 역할을 하고 있습니다. 기술자문위원회는 국내외 최고의 AI 석학과 전문가로 구성되어 있으며, 솔트룩스의 기술과 제품에 대한 발전 방향을 제언하고 오픈 이노베이션을 통한 R&D 혁신을 지원하고 있습니다.

 

이경일 대표이사는 폭넓은 대내외 활동과 빅데이터 및 인공지능에 대한 기술전문성을 바탕으로 솔트룩스의 사업 비전과 성장 방향을 제시하며 솔트룩스를 이끌고 있습니다.

AI 및 빅데이터 분야에서 세계적으로 인정받는 AI & Big Data Guru

솔트룩스의 7명의 CXO와 3명의 연구위원은
각자의 사업/운영 영역에 대한 풍부한 경험과 전문성을 가지고 있습니다.

 

사업소개

사업 비전

솔트룩스의 기업 사명이 우리의 존재 이유와 목적을 설명한다면, 사업 비전은 우리의 사업 추구 목표와 방향을 제시합니다. 지난 2017년 솔트룩스는 2025년까지 글로벌 AIaaS (AI as a Service) 통합 플랫폼을 확보하고, "1억 명의 일상과 함께하는 AI 기업"이 되겠다는 새로운 기업 비전과 함께 기술, 제품, 사업 부분의 각 세부 목표를 수립하고 단계적 로드맵을 실천해 가고 있습니다.

 

사업 내용

솔트룩스는 지난 10년간 인공지능 고객센터 구축과 챗봇 고객응대 서비스를 포함한 인공지능 플랫폼 공급 사업과 공공 빅데이터 분석 플랫폼, 비정형 및 고객 목소리 분석 등을 위한 빅데이터 플랫폼 공급을 주요 사업으로 진행해 왔습니다. 주요 고객으로는 삼성전자, LG전자, 현대자동차를 포함한 국내대기업과 행자부, 국토부 등의 공공기관, 그리고 우리은행, NH농협은행 등의 금융기관뿐만 아니라 ANA항공, 미즈호은행 등 해외사업분야에도 폭 넓게 확대되고 있습니다.

최근에는 AI OpenAPI 서비스와 데이터과학 SaaS 서비스, 대규모 데이터 수집과 인지분석 등의 클라우드 기반한 구독형 서비스 사업을 확대하고 있으며, 향후 이 사업 부문은 매년 100% 이상 성장할 것으로 기대하고 있습니다.

 

지적 재산권

꾸준한 연구개발 활동을 통해 축적된 다수의 지적 재산권과 많은 국내외 인증 및 수상 실적은 솔트룩스의 탁월한 기술력과 성과의 우수성을 대외적으로 인정받고 있음을 증명합니다.

AI as a Service, Welcome aboard! - 솔트룩스 이경일 대표이사 (AI SUMMIT 2020 SEOUL)

youtu.be/G1xwtsZThsM

 

[CES 2020] 인공지능 가상 인간 'Virtual Human' 선보인 '솔트룩스(Saltlux)'

youtu.be/E4lJR12-rwI

 

Partner

프로젝트 별 담당자를 위한
다타이쿠의 특징

 

인공지능

인공지능 인식 및 기술 패러다임 변화

인공지능(AI, Artificial Intelligence) 기술은 아주 오랜 시간 동안 연구되고 발전해 왔습니다. 이미 1950년대부터 인공지능 기술 분야에 대한 연구가 시작되었는데, 초기에는 사람이 이해하고 사고하는 것처럼 기계에도 명시적으로 지식을 구축하고 논리(규칙)을 정의하는데 목표가 있었습니다. 기계가 더욱 복잡한 추론과 탐색을 가능하게 하는 것에 연구의 핵심이었고, 1980년대에 이르러서는 전문가시스템이라고 하는 형태로 더욱 연구되고 발전되었습니다.

2000년대에 들어서는 기계학습(Machine Learning) 분야의 연구가 시작되었는데, 시스템에 필요한 지식과 논리를 구축하는데 많은 시간과 노력이 소요되기 때문에, 기계가 스스로 학습하게 하여 그 한계를 극복하고자 하였습니다. 이후, 꾸준한 기계학습의 연구와 하드웨어의 발전이 동반되면서 2012년 이후 딥러닝(Deep Learning) 기술에 대한 연구가 급격히 성장하였고, 사람의 개입 없이 기계가 스스로 학습하여 다양한 분야에서 훌륭한 성과를 보이는 단계에 이르렀습니다. 이를 계기로 인공지능 분야에서의 접근 방식은 딥러닝 기술을 통한 발전으로 그 인식이 변화되어 왔습니다.

현재는 이러한 인공지능 기술의 발전이 실생활에 적용되어 서비스의 확대로 이어지고 있는데 이미 금융, 의료, 법률, 공공, 민간 등 다양한 산업 분야에서 인공지능 서비스가 구축되고 있습니다. 만족할 만한 서비스 수준을 위해서는 기계가 서비스 환경에서의 상호작용으로 더욱 더 지능화되어야 하고 다른 기술과 융합된 형태의 서비스가 요구된다는 점에서 단순히 기술적 성장뿐만 아니라, 서비스 관점에서의 발전이 필요한 단계입니다.

솔트룩스 AI Suite은 다음과 같은 10개의 엔진을 제공합니다.

시장 변화에 따른 제품 혁신의 통찰력

인공지능 분야의 발전 과정에서 보듯, 기술은 시장의 요구에 따라 빠르게 발전하고 있고, 이러한 기술발전에 따라 제품으로 완성되어야 비로소 실현 가능한 서비스로 활용될 수 있습니다.

솔트룩스는 창립 이후로 자연언어처리와 시맨틱, 추론을 포함한 인공지능 분야에서의 독보적인 원천기술을 연구해 왔습니다. 시맨틱기술과 지식그래프기술을 통해 명시적인 지식과 논리를 축적하여 시스템을 지능화하고, 빅데이터 기반의 기계학습과 딥러닝을 통해 통계적 패턴을 학습하여 시스템이 자가 성장할 수 있는 기술적 성과를 이루었습니다. 즉, 솔트룩스의 인공지능 기술은 지식 기반 추론과 데이터 기반 학습이 융합된, 상호작용을 통해 시스템을 지능화 하는 앙상블 인공지능(Ensemble AI)으로 제품화 되어 있습니다. 또한, 이러한 인공지능 기술이 실제 서비스에 활용될 수 있도록 언어, 음성, 시각 등 모든 데이터에 대해 인지, 이해, 지식, 추론, 예측의 각 과정에서 필요한 기능을 통합하고, 탁월한 성능을 보장하도록 완성도를 높이고 있습니다. 이처럼, 솔트룩스의 AI Suite 제품은 인공지능 기술의 융합을 통해 지능형 소프트웨어 솔루션과 서비스를 통합 제공하는 혁신적인 인공지능 플랫폼으로 발전해 가고 있습니다.

 

소개

AI Suite은 솔트룩스가 지난 20년간 투자해온 R&D의 결정체로써 언어지능, 음성지능, 학습/추론지능, 시각지능의 4개의 영역으로 구분하고, 각 분야별 원천기술을 개발한 결과물입니다. 국내 최초로 상용화된 인공지능 플랫폼 ADAM의 경우 아시아 최대 규모의 지식그래프를 내장하고 있으며 지식학습 및 추론을 통한 생활 질의응답의 경우 94% 수준의 정확도로 일반상식 수준의 질의에 대한 응답이 가능합니다. 각각의 엔진들은 적용 도메인에 따라 필요한 구성요소들을 조합하거나 ADAMS.ai를 통해 RESTful 형태로 제공되는 60여 개의 API를 결합 사용함으로 가상비서, 인공지능 상담원, 지능형 로봇 등 혁신적인 인공지능 서비스 구현이 가능합니다.

다음 그림과 같이 AI Suite은 다양한 인공지능 기반기술들을 활용하여 필요한 기능을 수행할 수 있도록 영역별 엔진들을 포함하고 있고, 하나의 지능형 지식처리 플랫폼으로 동작 할 수 있도록 구성되어 있습니다. 텍스트, 음성, 영상 등의 데이터에 대해 분석과 이해가 가능하고, 지식그래프 형태의 지식으로 구축되어 대화, 질의응답, 독해, 번역 등과 같은 지능형 지식처리에 활용됩니다. 또한 각각의 엔진은 적용하고자 하는 서비스 요구 기능에 따라 독립적, 선별적으로 적용이 가능하도록 설계되어 있어, 다양한 종류의 인공지능 서비스 구현에 효과적으로 활용할 수 있습니다.

< AI Suite 구성도 >

AI Suite은 인공지능 기반 실시간 가상 상담 및 상담 지원 서비스는 물론, 금융, 통신/방송, 법률/특허, 의료, 쇼핑/여행, 공공, 민간 등 지식 기반 고객응대가 즉각적으로 필요한 모든 분야에서 폭넓게 사용될 수 있습니다.

< AI Suite의 주요 활용 범위 >

 

주요 기능

AI Suite은 각 인공지능 분야별 주요 기술들에 대한 개별 엔진들을 아래 표와 같이 구분하고, 각 엔진별 최고 성능의 기능과 서비스를 제공합니다. 그 뿐만 아니라 적용 분야에 따라 커스터마이징을 통해 최적의 결과 제공이 가능하도록 사전 및 데이터구축, 모델 학습 등의 관리 기능을 함께 제공하고 있습니다.

 

주요 특성

 

주요 경쟁력

AI Suite은 자연어처리와 대화모델 위주의 기능만을 제공하는 일반적인 제품들과는 달리 다음과 같은 차별화되고 경쟁력 있는 기능 요소들을 지속적으로 연구 개발하여 제품화하고 있습니다.

 

자연어이해 엔진 LEA

자연어이해 엔진(LEA - Language Engineering & Analysis)은 비정형 데이터 가공을 위해 형태소 분석, 개체명 인식, 구문 분석, 감성 분석 등의 텍스트 분석 기능을 처리하는 기계학습/심층학습 기반의 언어 분석 엔진입니다. 그 뿐만 아니라 자연어처리 결과를 바탕으로 문장에 숨겨진 의도를 이해하거나 질문의 유형을 파악하는 등의 한 단계 높은 수준의 분석 결과를 제공함으로써, 대화처리를 위한 의도 이해 및 분석, 심층질의응답을 위한 질문 의미 이해 등이 가능합니다. 자연어이해 엔진(LEA)은 AI Suite에 포함된 다른 엔진들이 동작하기 위해 필요한 기본 엔진입니다.

자연어이해 엔진을 구성하고 있는 고정밀 언어분석기들은 기계학습과 심층학습(인공신경망) 기술이 적용되어 있으며, 대규모 언어자원(분야별 대용량 학습데이터, 사전과 규칙)을 통해 도메인별로 품질을 최적화할 수 있습니다. 형태소 분석기는 98% 이상의 분석 품질을 제공하고, 구문 분석과 개체명 추출기는 병렬/분산 처리를 통해 세계 최고 성능을 제공하고 있습니다. 한국어뿐 아니라 영어, 일어 등 다국어 대응이 가능하며, 지식그래프와 연계하여 의미해석, 질의응답, 대화 시스템 구현이 가능한 자연어처리 엔진입니다.

< 자연어이해엔진 - LEA 구성도 >

주요 특징

 

주요 기능 및 사양

 

주요 엔진 화면

 

음성인식 엔진 STT

음성인식(Speech Recognition)이란 사람이 말하는 음성 언어를 컴퓨터가 해석해 그 내용을 문자데이터로 전환하는 처리를 말하며 STT(Speech-to-Text)라고도 합니다. 음성인식 엔진은 음성 인터페이스를 기반으로 하는 다양한 서비스에 활용하기 위해 음성인식 서비스를 제공하는 시스템입니다. 특히 AI Suite의 음성인식 엔진은 방대한 데이터를 사전 학습하였으며, 특정 도메인에 빠르게 적용하기 위한 전이학습 방식을 활용하여 적은 양의 데이터 학습만으로도 양질의 음성인식 서비스 제공이 가능합니다.

< 음성 대화 인터페이스 기반 서비스 구성 >

 

주요 특징

 심층신경망 기반의 음성인식 학습AI Suite의 음성인식 엔진은 딥러닝(Deep Learning)에 의해 고도화된 음향모델 적응 학습을 기반으로 합니다. 일반적으로 사용되는 음성인식 알고리즘인 HMM(Hidden Markov Model) 또는, 기존 Fully connected DNN(Deep Neural Network) 기반 음향모델보다 개선된 음성인식 성능을 보이는 LSTM(Long Short-Term Memory)기술을 적용한 baseline 음향모델을 기반으로 적응 학습 환경을 제공합니다.

< 심층신경망 기반 음성인식 학습 개요 >

 

주요 기능 및 사양

음성인식 엔진은 RESTful 기반의 음성인식 서비스와 음향모델 및 언어모델의 학습 관리 기능으로 나눌 수 있습니다. 음성인식 서비스는 입력되는 음성데이터의 전처리, 특성 추출, 모델을 통한 텍스트 변환, 결과 보정 단계로 음성인식 결과를 제공합니다. 학습 관리는 음성-텍스트의 학습데이터로 음향모델과 언어모델에 대한 학습을 수행합니다.

< 음성 인식 엔진 구성도 >

 

주요 성능

아래 표는 적응학습 기반의 음성인식 품질 평가 결과입니다. Corr(Correct)는 음절단위맞춘 수, Acc(Accuracy)는 삽입, 삭제 오류를 고려한 정답률, H(hit)는 바르게 인식한 개수, D(deletion)은 묵음으로 인식한 수, S(substitution)는 다른 음절로 인식한 수, I(insertion)는 묵음이 다른 음절로 인식된 수를 의미합니다. 적응학습 이전의 베이스라인의 경우 음향 및 언어모델 모두 70% 이하의 정답률이었는데, 적응학습을 거친 후 두 모델 모두 97% 이상까지 향상되는 것을 확인할 수 있습니다. 개발된 음성인식 기술은 다양한 환경에서의 챗봇과 콜센터의 음성인식과 텍스트분석, 콜봇 시스템 구축 등에 활용되고 있습니다.

 

주요 엔진 화면

 

음성합성 엔진 TTS

음성합성(speech synthesis)은 인위적으로 사람의 소리를 합성하여 만들어내는 것으로, 텍스트를 음성으로 변환한다는 데서 텍스트 음성변환(text-to-speech, TTS) 이라고 하기도 합니다.

AI Suite의 음성합성 엔진은 사람의 목소리를 학습하여 주어진 문장에 대하여 학습한 목소리와 유사한 어조와 억양으로 사람의 음성을 인공적으로 만들어 주는 엔진입니다. 특히, 이미 학습되어 있는 모델에 의한 목소리뿐만 아니라 특정 개인 목소리 또는 특정 도메인의 음성파일을 실시간으로 학습하여 사용자 각각의 특성이 반영된 목소리로 음성합성 모델을 생성할 수 있습니다. 음성합성 엔진은 이렇게 학습된 모델을 End-Point를 통해 개별 서비스로 제공함으로써, 다양한 인공지능 서비스에 활용할 수 있습니다.

 

주요 특징

 

주요 기능 및 사양

음성합성 엔진의 기능은 크게 학습 관리와 서비스 관리 영역으로 나눌 수 있습니다. 학습 관리 영역은 특정 음성데이터를 학습하여 새로운 음성합성 모델의 생성하거나 관리합니다. 서비스 관리 영역은 엔진을 통해 학습된 음성합성 모델을 서비스로 구성하여 타 서비스 애플리케이션에서 접근하고 사용할 수 있도록 배포 및 관리를 담당합니다.

< 음성 합성 엔진 시스템 구성 >

 

주요 성능

솔트룩스는 음성합성 개인화 서비스 실현을 위해 전이 학습 기술을 이용한 화자적응 방법을 사용하고 있습니다. 전이 학습이란 기존에 잘 훈련된 모델을 사용하여 유사한 문제를 가지는 새로운 모델을 학습하는 방법입니다. 전이학습은 새로운 모델의 학습 효율을 높여 적은 데이터양으로도 이미 학습된 모델의 가중치(Weight) 값들을 의미 있게 조정(Fine-tuning)하므로 높은 성능을 달성할 수 있습니다. 전이학습은 충분한 양의 데이터로 잘 학습된 A 모델에 기반하여 데이터가 부족한 B의 목소리를 효율적으로 학습하는 것이 가능합니다.

전이학습 시 사전 학습된 A 모델과 추가 학습할 B 모델의 분포가 큰 차이를 보이는 경우 음성합성 성능이 크게 떨어지게 됩니다. 솔트룩스는 이러한 데이터 부조화 따른 학습 성능 변이 문제를 해결하기 위해 여러 사람의 음성으로 이루어진 수십 시간의 데이터를 사용하여 음성합성 네트워크의 일부만을 미리 학습시켜 놓는 준지도학습(Semi-Supervised Learning) 방법을 추가로 적용하고 있습니다. 준지도학습은 전사 데이터 없이 음성 데이터만으로 학습을 수행하는 것으로, 인간이 글을 배우기 전에 말하는 법을 배우는 것과 같은 원리입니다. 솔트룩스는 전이학습과 함께 준지도학습 모델을 음성합성에 적용하므로 학습 시간을 현격하게 줄이면서 동시에 음성합성 성능을 극대화할 수 있습니다. 현재 솔트룩스의 음성합성 엔진은 30분 분량의 음성데이터로 특정인의 목소리를 학습, 높은 품질의 발화하는 것이 가능합니다.

 

주요 엔진 화면

 

톡봇 대화 엔진 Talkbot

AI Suite의 톡봇 대화 엔진은 솔트룩스에서 개발한 챗봇 플랫폼으로, 기존의 챗봇 시스템의 한계를 뛰어넘은 지식 기반의 심층 대화 시스템입니다. 기존의 챗봇이 간단한 자연언어처리와 규칙 및 문장 매칭 방식의 대화 매니저를 가지고 있다면, 톡봇 대화 엔진은 지식그래프와 복합추론 기반의 자연어이해 결과를 바탕으로 사용자 발화의 정확한 의미를 이해하고, 탁월한 답변을 제공하는 강력하고 유연한 대화모델을 생성할 수 있도록 지원합니다.

톡봇 대화 엔진을 통한 대화 서비스는 아래 그림과 같은 구조로 처리됩니다. 사용자는 다양한 채널을 통해 톡봇 대화 엔진에 메시지를 전달합니다. 입력된 메시지는 자연어이해 엔진을 통해 분석되고 대화 매니저는 학습된 대화모델을 통해 답변을 생성하여 음성, 텍스트, UX 등 적절한 방법으로 사용자에게 전달합니다. 톡봇 대화 엔진은 대화모델을 학습할 때 지식그래프, 선호추천, 사용자모델 등을 반영하여 모델을 학습한다는 점에서 기존의 대화처리 시스템들과 차이점이 있습니다. 또한, 대화모델로 처리하기 어려운 메시지에 대해서는 심층 질의응답을 통해 문제를 해결하며, 서비스 사용자와 대화 도중 문제가 발생하면 서비스 매니저를 통해 관리자가 대화에 개입할 수 있는 기능을 제공합니다.

< 대화 처리 구조 >

 

주요 특징

 

주요 기능 및 사양

톡봇 대화 엔진은 크게 대화 서비스를 담당하는 대화 서버와 대화모델 학습 및 관리를 담당하는 API 서버로 구성됩니다. 다양한 서비스 채널을 통해 대화 서비스를 제공하고, 자연어이해 엔진, 심층질의응답 엔진과 연동하여 사용자 발화의 의도를 분석하거나 처리하지 못하는 질의에 대한 답변을 제공하기도 합니다. 또한, 플러그인을 통한 외부서비스 연계로 대화 처리 시 필요한 데이터나 기능을 활용할 수 있습니다. 이러한 톡봇 대화 엔진의 기능들은 대화 관리도구 인 톡봇 빌더를 통해 쉽게 운영 관리될 수 있습니다.

< 톡봇 대화 엔진 구성 >

 

강력한 ‘봇 빌더’ 내장

인공지능에게 언어와 대화, 지식을 가르치는 것은 늘 어려운 도전과제였습니다. 톡봇 대화 엔진은 코딩과 프로그래밍 기술 없이 마우스 클릭만으로 똑똑한 상담 봇을 만들고 다양한 채널로 즉각적인 서비스 시작이 가능합니다.

[튜토리얼] 솔트룩스 TalkBot(톡봇)으로 인공지능 '챗봇' 금방 만들어요! (Full Ver.)

youtu.be/ahg0khtut8g

< 톡봇 제작 튜토리얼 영상 >

 

주요 사례

 

주요 엔진 화면

 

심층QA 엔진 ASSISTANT

AI Suite의 심층QA 엔진은 사용자의 질문에 대해 다양한 지식을 스스로 학습, 추론하여 축적한 지식으로부터 최적의 답을 찾아내어 답을 제시하는 시스템입니다. 심층QA 엔진은 지식베이스 기반 질의응답기술(KBQA), 정보 검색 기반 질의응답기술(IRQA), 기계독해 기술을 이용한 질의응답기술(MRCQA), 상담 및 대화 이력 학습 기반 질의응답기술(DLQA) 등이 앙상블 되어 질의 유형에 따라 최적의 풀이 방식을 채택하여 사용자에게 응답을 제시합니다.

 

주요 특징

 

주요 기능 및 사양

심층QA 엔진은 자연어이해 엔진의 자연어이해 결과를 기반으로 정답을 찾기 위한 다양한 QA 방법을 적용합니다. 이 때, 지식그래프를 참조하여 자연어이해 및 답변 탐색 등을 수행합니다. 별도의 관리도구를 제공하여 도메인에 따라 심층질의응답을 위한 지식 구축, 관리, 서비스 모니터링 등을 수행할 수 있습니다.

< 심층QA 엔진 시스템 구조 >

 앙상블 심층질의응답

심층QA 엔진은 고정밀 자연어이해 결과를 기반으로 지식베이스와 시맨틱 검색, 기계학습 및 딥러닝 등의 다양한 방법으로 답변을 탐색하는 앙상블 심층 QA를 제공합니다.① 지식베이스 기반 질의응답 (Knowledge Based Question Answering, KBQA)질문의 핵심 의미를 파악하고, 이를 지식그래프 저장소에 질의하여 답변을 탐색하는 방식입니다. 지식을 구조적으로 설계하고, 지식 구조에 맞게 지식베이스를 구축하기 때문에, 질문에 대한 정확한 답변을 질의할 수 있습니다. 또한, 지식 변경 및 유지 관리가 용이하고, 답변 품질을 지속적으로 높일 수 있습니다.

< 지식베이스 기반 질의응답 처리 개요 >

② 정보 검색 기반 질의응답 (Information Retrieval Question Answering, IRQA)

심층QA 엔진의 IRQA는 색인 기술 기반의 처리 방식과 심층인공신경망을 활용한 임베딩(Embedding) 기술 기반의 처리 방식으로 구분됩니다. 색인 기반의 IRQA는 가장 일반적인 질의응답 처리 방식으로 예상 질문-답변 데이터를 미리 구축해 두고, 사용자 질문과 유사한 질문 검색하여 해당 답변을 제공하는 방식입니다.

③ 기계독해 기반 질의응답 (Machine Reading Comprehension Question Answering, MRCQA)

사람이 직접 지식 구축을 하지 않아도, 기계가 문서를 읽고 질문에 대한 답변을 찾아 제시할 수 있도록 학습시키는 방식입니다. 대상 문서를 탐색하는 정보 검색 방식과 문서에서 답변을 찾는 기계독해(MRC) 방식을 결합하여 질문에 대한 답변을 제공합니다.

④ 대화 학습 기반 질의응답 (Dialog Learning based Question Answering, DLQA)

실제 상담이나 대화 이력, 질의응답 이력 등의 대화 데이터를 학습한 딥러닝 모델을 기반으로 질문에 대한 답변을 자동 생성하는 방식입니다. 학습을 위해 양질의 학습데이터를 대량으로 구축하고 지속적인 학습 및 평가를 통해 품질을 높일 수 있습니다. 딥러닝 모델이 생성한 답변을 직접 서비스 하거나, KBQA, IRQA 등의 질의처리와 병합하여 서비스 하는 앙상블 질의응답 처리로 활용할 수 있습니다.

< 대화 학습 기반 질의응답 처리 개요 >

 

주요 엔진 화면

 

기계번역 엔진

솔트룩스의 기존 통계기반 기계번역 엔진에서 더욱 발전된 인공신경망을 기반으로 한 기계번역 엔진입니다. 기계번역 학습을 도메인에 따라 특화할 수 있도록 CAT(Computer-assisted translation) 언어자원 관리도구를 통합 구성하여 지속적해서 번역의 품질과 생산성이 개선될 수 있도록 구성되어 있습니다.

< 인공신경망기계번역 엔진 개념도 >

 

주요 특징

 자동번역 후처리 및 재학습을 통한 품질 향상

기계번역 엔진의 처리 구조는 NMT학습, 번역적용, 자산화, NMT 재학습의 선순환 구조로 이루어집니다. 이러한 시스템을 통해 번역 엔진을 사용할수록 자동 번역의 품질과 생산성이 더욱 향상되는 효과를 기대할 수 있습니다.

< 기계번역 엔진의 선순환 작업 구조 >

 다양한 Office 도구와의 연동성

기계번역 엔진은 오피스도구와 연계를 가능하게 하는 Office플러그인을 제공합니다. 이를 통해 다양한 Office프로그램 내에서 기계번역의 결과를 즉시 활용할 수 있습니다.

주요 기능 및 사양

기계번역 엔진은 크게 번역자원과 각종 사전을 검색 관리하기 위한 데이터 영역, 기계번역이 수행 및 관리를 위한 NMT 영역, 그리고 시스템 사용자가 번역결과를 확인하고 관리할 수 있는 관리도구 영역으로 구성되어 있습니다.

< 기계번역 엔진 기능 구성도 >

 

주요 엔진 화면

 

기계독해 엔진 MRC

기계독해 엔진은 질문에 대한 답을 찾기 위해 스스로 관련된 문서를 찾고 해당 문서로부터 답을 찾아 제시하는 엔진입니다. 특히 AI Suite의 기계독해 엔진은 솔트룩스가 보유한 다양한 지식자원을 활용하여 질문의 답을 찾는다는 점에서 기존의 기계독해 기술의 문서 입력에 대한 단점을 보완하였으며, 기계독해 서비스 사용자에게 문서 입력 없이 질문에 대한 답을 구하는 Open QA 형태의 서비스를 제시합니다. 또는 기계독해 엔진을 통해 문서에서 원하는 정보를 추출하는 용도로 활용할 수 있습니다.

 

주요 특징

 Open QA로 활용

가능솔트룩스는 지난 20년간 수집해온 다양한 지식자원을 기계독해 엔진을 통한 QA에 활용합니다. 사용자로부터 문서를 입력받지 않아도 이미 보유하고 있는 지식자원에서 기계독해 엔진에 입력할 문서 또는 문단을 자동으로 추출함으로써, 사용자가 질문만 입력하여 답을 구할 수 있도록 질의응답 서비스로서의 활용성을 높였습니다.

< 문서 자동 검색/입력을 통한 기계독해 >

 

주요 기능 및 사양

기계독해 서비스

기계독해 엔진은 현재 별도의 관리도구를 제공하지 않으며 시스템 설치형으로 제공됩니다. 시스템 설치와 구동을 통해 기계독해 서비스에 접근할 수 있는 API가 동작하며 기계독해 엔진 사용자는 해당 API 활용을 통해 기계독해를 활용한 다양한 서비스를 구현할 수 있습니다.

< 기계독해 테스트 및 시각화 화면 >

 

주요 엔진 화면

 

복합추론 엔진

복합추론 엔진은 정형/비정형 문서로부터 추출된 지식들을 지식그래프 형태로 축적하고, 주어진 규칙이나 지식 간의 관계에 기반하여 새로운 사실을 탐색/추론함으로써 지식을 생성하는 엔진입니다. 특히, AI Suite의 복합추론 엔진이 제공하는 논리규칙 기반 연역추론과 기계학습 기반 귀납추론의 복합 적용으로 기 구축된 지식으로부터 새로운 관계를 도출하고 지식으로 활용하는 등 지식 증강 및 검증을 가능하게 합니다.

 

주요 특징

 

주요 기능 및 사양

복합추론 엔진은 대규모 시맨틱추론, 경험규칙기반추론, 시공간추론 등 다양한 추론기능을 통합 제공하고, 뿐만 아니라 신뢰 값 기반 확률/불확실 추론, 부재(default) 추론 등 관련 연구를 통해 지속적으로 기능을 확장하고 있습니다. 또한, 지식베이스 엔진과 연계하고 실시간 분산 처리 환경을 적용하여 초 대용량의 데이터로부터 초고속으로 추론된 결과를 제시합니다.

< 복합추론 엔진 구성도 >

 

주요 엔진 화면

 

지식학습 엔진 KENT

지식자동추출 엔진(Knowledge Extraction from Natural Language Text, KENT)이란 정형/비정형 데이터로부터 지식을 추출하고 지식 추출을 위한 모델을 학습 및 관리하는 엔진입니다. 추출된 지식은 지식그래프화 하여 질의응답, 대화처리 등 다양한 지식기반 인공지능 서비스에 활용될 수 있습니다. 지식자동추출 엔진의 기능만으로도 상품설명서, 계약서 등으로부터 유용한 지식정보를 추출하는 것이 가능합니다.

< 지식추출 및 지식그래프 생성 예 >

 

주요 특징

 

주요 기능 및 사양

지식학습 엔진은 지식학습 기능을 통한 지식 추출을 담당하는 KENT Server와 학습모델 관리, 작업 관리 등을 웹 상에서 운영할 수 있도록 하는 운영관리 Server로 구성되어 있습니다.

< 지식학습 엔진 시스템 구성 >

 

주요 엔진 화면

 

이미지인식 엔진

이미지인식 엔진은 이미지에 포함되어 있는 객체들을 인식하고 인식된 결과를 바탕으로 이미지가 어떤 장면인지를 분류할 수 있는 엔진입니다. 이미지인식 엔진은 향후 앞서 소개한 시각기반 검색, 비디오 캡셔닝, 자율주행, 시각적 질의응답 등의 응용 분야에 적용하기 위한 기반 기능을 지원합니다. 솔트룩스는 현재의 이미지인식 엔진의 고도화를 통해 이미지를 단순 설명하는 수준을 넘어 이미지속 장면의 의미를 이해하는 수준으로 발전시켜 아래 그림과 같은 기술 스택을 달성할 계획입니다.

< 이미지인식 엔진 기술 스택 >

 

주요 특징

 

주요 기능 및 사양

이미지인식 엔진은 카메라 등을 통해 들어온 이미지를 실시간으로 처리해 상황을 인식하고, 인식된 정보를 응용 어플리케이션에 제공하는 역할을 합니다. 이를 위해 이미지에서 다양한 정보를 분석하는 시각 분석 모듈과 분석된 정보를 바탕으로 상황을 이해하기 위한 시각 이해 모듈로 구성될 수 있습니다.

< 이미지인식 엔진 구성도 >

주요 성능

앞서 소개한 이미지 인식 엔진의 각 기능들은 지속적인 연구 및 개발 진행 중에 있습니다. 현재까지의 SOTA(Status-Of-The-Art)는 아래 표와 같습니다.

 

적용사례

인공지능 상담 시스템 구축 사례

상담사 및 대고객 질의응답 서비스 - NH농협은행

최근 금융 분야에서는 모바일을 비롯한 다양한 고객 서비스 채널이 확대되고 있고, 최신 인공지능 기반의 기술 트렌드에 대응하는 서비스 요구가 증가하고 있습니다. NH농협은행에서도 여러 디지털 채널을 통한 인공지능 상담 서비스의 필요성이 대두되고 있습니다. NH농협은행 고객행복센터는 상담사와 고객, 온라인과 오프라인 등 인공지능 상담 서비스가 필요한 모든 환경을 수용하여 서비스 채널을 확대해 나갈 수 있도록 시스템 인프라를 구축하는 것을 목표로 합니다. 이를 통해 고객행복센터가 인공지능 서비스의 중추적 역할을 담당하고, 전체 금융 분야를 선도할 것으로 기대하고 있습니다.

① 사업의 내용

1. (고객상담 질의응답 서비스 구축) 고객 상담 지식에 대한 질의응답 서비스 제공. 모바일앱을 통한 채팅상담 서비스를 통해 사용자 질문을 입력 받아 해당하는 답변을 찾아 텍스트로 제공하거나 계좌 조회나 이체 등의 서비스로 연결
2. (실시간 전화상담 지원 서비스 구축) 상담사와 고객의 전화상담 내용을 실시간으로 텍스트로 변환하여, 질문에 대한 답변을 제공. 상담사가 직접 질의하는 것과는 달리, 상담 중에 인공지능 시스템에 의해 제시되는 내용을 참고로 하여 빠른 고객대응이 가능
3. (인공지능 가상 상담 서비스 ‘콜봇’ 구축) 고객의 상담 전화를 인공지능 시스템이 먼저 수신하여 간단한 질문에 대한 답변을 하거나 전문 상담사로 연결. 대화 모델을 통해 대화형 상담을 제공하고, 일반 질문은 질의응답 시스템으로 답변을 제공
4. (안내 로봇 상담 서비스) 안내 로봇으로 농협은행 인공지능 시스템에서 제공하는 API를 연계하여 고객 상담 및 안내 서비스 제공. 상담 내용에 대한 대화모델 구축과 질의응답 시스템 연계를 통한 고객 상담 제공

< 가상상담 콜봇 서비스 및 로봇 상담 서비스 >

② 적용 기술 및 솔루션

1. AI Suite 제품 적용
   상담 서비스 제공 시, 서비스 시나리오에 따른 대화 흐름 처리와 질의응답 제공을 위해 AI Suite의 자연어이해 엔진, 심층QA 엔진, 대화처리 엔진, 기계독해 엔진 적용

③ 주요 성과

1. 인공지능 상담 시스템을 활용하여 직원과 고객을 대상으로 모든 채널에서 서비스를 확장할 수 있는 시스템 인프라 구축
2. 심층QA 엔진과 대화처리 엔진의 연계를 통해 대화형 상담 서비스 제공. 대화를 통해 고객의 질문 의도를 파악하여 답변함으로써, 질문 의도가 불분명한 단순질의에 대한 답변역량을 향상할 수 있고, 추가 질문으로 연속적인 상담을 이어 나갈 수 있어 의도하는 서비스를 원활하게 제공 가능
3. 콜센터 상담원의 업무 보조 역할을 하는 상담도우미 운영을 통한 상담 품질 향상 및 상담원 업무 전문성 강화
4. 농협은행 모바일앱인 올원뱅크 및 스마트뱅킹 앱 내에 상담톡 서비스를 탑재하여 일반 사용자들에게 서비스를 확대
5. 국내 최초 인공지능 전화 상담 서비스 콜봇(Call Bot) 개발 및 상용화. 기존 ARS 안내에 대비하여 보다 빠른 대응이 가능하고, 상담사도 전문 상담에 집중 가능. 안내로봇 Pilot 시스템 구축으로 영업점과 같은 오프라인 채널에서 안내로봇 운영을 통한 대화형 상담 및 지식 서비스 제공 가능성 확인

 

지능형 지식관리 시스템 구축 사례

지능형 지식관리 시스템 - NH농협은행

고객콜센터 및 전 영업점에서 고객상담에 필요한 업무 지식을 관리하고 공유하는 지식관리 시스템을 인공지능 시스템에서 활용 가능한 형태로 개선하였습니다. 지식 생성, 관리, 검색 등의 사용 편의성을 높이고, 지식 콘텐츠 생성 시, 업무 분야와 속성에 따라 구체적으로 관리되도록 하여 Knowledge-Graph 기반의 지식베이스로 변환 저장합니다. 이는 자연어 콘텐츠를 시스템이 이해 가능한 형태(machine readable)의 지식 데이터로 자동 변환을 시도하는 것이며, 이 과정은 인공지능 기반 지식자동추출을 통해 지식 데이터를 추출하고 시맨틱 복합추론을 통해 지식베이스로 변환 및 저장되도록 적용하였습니다.

< 지능형 지식관리 시스템 개요 >

① 사업의 내용

1. (지식 콘텐츠 생성 관리) 지식 추출 및 지식그래프 형태의 변환을 고려하여 계층 구조로 업무 카테고리를 정의하고, 각 카테고리 별 단위 지식 콘텐츠 생성 관리할 수 있도록 세분화된 콘텐츠 관리도구 구축
2. (지식 데이터 자동 추출) 비정형 텍스트로 작성된 지식 콘텐츠를 분석하여 지식 데이터 후보를 자동으로 추출. 콘텐츠 내용에서 자연어이해 처리를 통해 대상 지식을 식별하고, 딥러닝 기반 학습 모델을 통해 데이터를 추출하는 지식자동추출 과정이 적용. 추출된 지식 데이터는 지식그래프 기반으로 저장할 수 있도록 트리플(triple) 형태로 변환
3. (지식학습 검증 및 관리) 자동 추출된 지식 데이터를 검증하고 편집할 수 있는 품질 관리 환경 구축. 지식자동추출의 품질과 성능을 지속적으로 개선

② 적용 기술 및 솔루션

1. AI Suite 제품 적용
   지식 콘텐츠로부터 지식 추출 및 저장 관리를 위해 AI Suite의 자연어이해 엔진, 지식학습 엔진, 복합추론 엔진 적용

③ 주요 성과

1. 지식자동추출 및 지식 추출은 아직까지 많은 연구 개발의 노력이 필요한 기술 분야입니다. 품질 향상을 위해 언어처리와 기계학습을 포함한 다양한 방안들을 연구하였고, 해당 도메인의 콘텐츠로부터 필요한 지식을 추출하는 범위에서는 만족할 만한 수준의 성과를 보였습니다. 지식자동추출을 실제 서비스에 적용한 성공 사례로 볼 수 있습니다.
2. 지식관리 시스템에서 관리되는 지식 콘텐츠가 인공지능 시스템에서 활용될 수 있어 지식 활용성이 높아지고, 각각 관리되던 지식정보를 일원화하여 지식 유지 관리에 대한 비용이 절감하고 편의성이 증대되었습니다.

 

챗봇 서비스 구축 사례

내부 업무 지원을 위한 챗봇 서비스 도입 사업 – 한전 KDN

본 사업은 한전 KDN의 챗봇 서비스 도입 사업으로 고성능의 자연어처리, 인텐트/엔티티 맵핑 기술, 대화모델링 등 기본적인 대화처리 엔진의 적용과 향후 다양한 지식에 대한 효과적인 질의-답변 제공이 가능한 시스템으로 확장하기 위한 지식그래프 연계 등의 업무를 수행했습니다. 한전 내부 직원들의 편의를 위해 접근성이 용이한 메신저 플랫폼 기반으로 실지 업무에서 직면하는 출장업무와 ICT 장비대여, 업무담당자 연계 등의 분야에 관한 단순지식 제공을 넘어 맞춤형 답변 서비스를 제공하는 것을 목표로 합니다.

< 한전 KDN 챗봇 서비스 구성도 >

① 사업의 내용

1. (도메인 사전 구축) 내부 직원들로부터 자주 문의되는 질의 수집 및 용어사전 구축
2. (업무 프로세스 대화모델 구성) 각 업무 프로세스에 따라 챗봇이 동작할 수 있도록 대화모델 구성
3. (문장 분석) 컨설팅을 통해 도출된 다양한 인텐트를 적용하고, 인텐트 추출 적중률을 높이기 위해 상담내용 문장 분리하여 인텐트 분석에 활용
4. (안내 서비스 구현) 출장여비제도 안내 및 ICT 장비대여 업무 안내 서비스 구축

② 적용 기술 및 솔루션

1. AI Suite의 대화처리 엔진 및 심층QA 기술 선별적 적용

③ 주요 성과

1. 지식 기반 업무지원으로, 단순 지원업무를 위한 인적자원 소비 감소로 주요 업무에 대한 업무효율성 향상
2. 복잡한 논리흐름도(Logical flow chart)를 자체 생성하여 다양한 작업 상황에 대해 구체적 조치 가능
3. 업무 절차에 대한 질의응답 뿐만 아니라 그룹웨어 연동을 통한 업무 신청, 예약 등을 하나의 메신저 플랫폼 상에서 가능

 

추천 서비스 구축 사례

방송 콘텐츠 추천 시스템 구축 – KBS (한국방송공사)

개방형 기술 환경과 방송/통신 융합과 같은 서비스 환경, 그리고 진화된 콘텐츠 소비 구조로 인해, 필요한 콘텐츠를 손쉽게 발견하고 소비할 수 있는 환경의 필요성이 점점 부각됨에 따라, 사용자의 특성과 상황에 따른 맞춤형 콘텐츠 추천 기술을 개발하게 되었습니다. 본 사례에서는 언어분석, 검색, 마이닝, 시맨틱기술 등 다양한 기술들을 이용하여 방송 영상 콘텐츠 및 관련 콘텐츠들에 대한 사용자 맞춤형 방송 콘텐츠 추천 검색을 연구 개발하였습니다. 방송 콘텐츠 추천 검색 시스템은 크게 데이터 수집, 콘텐츠 검색, 콘텐츠 추천, API 서버, 4개의 시스템으로 구성되고, 이를 각각의 독립된 시스템으로 나눌 수 있으며, 독립된 시스템은 데이터 수집, 콘텐츠 색인, 콘텐츠 분석, 콘텐츠 탐색, 콘텐츠 검색, 사용자 분석, 콘텐츠 추천으로 구분되어집니다.

< 방송 콘텐츠 추천 시스템 구성도 >

① 사업의 내용

1. (콘텐츠 및 선호데이터 플랫폼) 콘텐츠 분석을 위한 KBS 내의 방송 메타 데이터와 관련 정보, 사용자 분석을 위한 사용자 프로파일 정보와 방송 서비스 이력 및 사용자 피드백 정보 등에 대한 수집 및 저장 관리.
2. (추천 검색 플랫폼) 사용자의 콘텐츠 소비 이력 데이터를 분석하여 콘텐츠를 소비한 사용자의 패턴이 다른 콘텐츠의 소비 사용자들과 얼마나 비슷한 지 유사 정도를 도출하고 이를 기반으로 콘텐츠 추천 검색 결과를 제공.
3. (추천 검색 알고리즘 개발) 수집된 콘텐츠 메타데이터의 특성을 기반으로 콘텐츠 간의 유사성 또는 연관성을 분석하여 사용자의 입력(검색어, 메뉴, 콘텐츠)에 따라 콘텐츠를 추천하는 콘텐츠 기반 알고리즘과, 사용자 개인의 선호 정보, 프로파일(Profile)을 기반으로 사용자 기반 협업 필터링 기법과 아이템 기반 협업 필터링 기법을 활용한 사용자 기반 추천 알고리즘 구현.
4. (추천 검색 관리) 수집 관리, 색인 관리, 기획 관리, API 관리, 콘텐츠 관리 등 추천 시스템에 필요한 데이터 및 서비스 관리 기능 구현.
5. (추천 검색 활용 서비스) 추천 검색 인터페이스 개발 및 이를 활용한 프로그램 관련 메뉴 및 관련 추천 페이지, 콘텐츠/키워드/인물 기반 추천 검색, 맞춤 추천 작품, 최근 추천 작품 등 활용 서비스 구현.

② 적용 기술 및 솔루션

1. AI Suite의 자연어이해 엔진 및 복합추론 엔진

③ 주요 성과

1. 방송 콘텐츠 추천 서비스를 위해 추천 검색 연구 동향을 파악하고 기존 추천 시스템 사례를 바탕으로 추천 시스템의 구성요소와 추천 알고리즘, 목표 기능과 서비스를 기획, 연구 개발.
2. 방송 메타데이터 표준에 따른 모델링을 기반으로 방송 콘텐츠 데이터 및 메타데이터, 사용자 이력 정보를 수집. 사용자 이력정보는 각 추천 알고리즘에 따른 추천 모델을, 방송 콘텐츠 데이터와 메타데이터는 텍스트 마이닝과 통계 기법으로 추천 모델을 구현.
3. 콘텐츠 추천 검색을 적용하여 OHTV 추천 서비스 정합에 사용하고, 추천검색 웹 페이지에 적용하여 추천검색 시스템의 활용 서비스를 구축.
4. 추천검색 엔진 활용 방안의 연구로 KBS 통합 CMS에 적용하여 소비 이력 기반 추천, 선호 인물 추천, 선호 장르 추천, 그룹/성별/연령 추천, 복합 추천으로 총 5가지 추천 기능을 제공하는 사용자기반 추천검색 서비스를 개발.

 

인공지능 스마트 뉴스 추천 앱 서비스 구축 – 지니뉴스 (Ziny News)

뉴스와 소셜 콘텐츠는 인공지능을 통해 분석할 수 있는 빅데이터의 핵심입니다. 솔트룩스는 1,200여개 이상의 국내 온/오프라인 뉴스 및 소셜 미디어를 인공지능 엔진이 실시간으로 분석하여 30만명에 달하는 개인 사용자에게 맞춤형 정보를 추천하고 제공하는 스마트 뉴스 앱 ‘지니뉴스’ 서비스를 구축하였습니다.

지니뉴스 인공지능 엔진은 하루 700만건의 뉴스와 블로그를 사람처럼 읽어내고, 500여 카테고리로 자동 분류할 뿐 아니라 떠오르는 이슈들을 자동 인지해 맞춤 서비스를 제공합니다. 특히, 맞춤 뉴스 기능은 등록된 관심 키워드 뉴스 뿐만 아니라 딥러닝 기술을 사용해 각 사용자가 읽은 콘텐츠의 내용을 학습하고, 학습된 결과에 기반을 둬 사용자가 좋아할 만한 콘텐츠를 자동 예측, 추천해줍니다. 일종의 각 사용자 별 인공지능 페르소나와 각 개인별 맞춤형 인공신경망을 생성해 콘텐츠 추천을 진행하는 것으로, 사용자의 개인 정보를 수집하지 않고 인공지능 엔진이 익명화 된 인공신경망을 통해 개인 맞춤형 뉴스 추천 서비스를 진행한다는 점이 특징입니다.

① 사업의 내용

1. 딥러닝 기반 사용자 맞춤 콘텐츠 추천
   딥러닝 기반의 사이코그래피(Psychography) 학습과 데모그래피(Demography) 기반 융합 추천 기술 연구 및 이를 활용한 뉴스 추천 서비스 개발
2. 심층 뉴스와 소셜 콘텐츠의 지능적 큐레이션
   대규모 콘텐츠 실시간 분석을 통한 핵심 콘텐츠 및 주요 이슈(주제) 도출.
   카테고리 별 콘텐츠 분류 및 시맨틱기술 기반 연관/유사 콘텐츠 분석 제공.
3. 보다 진화된 사용자 경험(UX) 제공
   사용자 편의성과 콘텐츠의 가독성을 높이는 UI/UX 구현.
   관심 콘텐츠의 개인화 및 소셜 공유 기능 구현.

② 적용 기술 및 솔루션

1. AI Suite의 자연어이해 엔진 및 복합추론 엔진

③ 주요 성과

1. (커버스토리) 놓치지 말아야 할 오늘의 이슈들을 실시간으로 제공. 중복 뉴스 제거, 랭킹 뉴스, 속보, 3분 브리핑 등 다양한 스타일의 카드 뉴스 제공으로 오늘의 핫이슈 확인.
2. (뉴스/소셜 스트림) 국내 언론사 뉴스와 소셜미디어 콘텐츠 실시간 수집하여 주요 뉴스, 재미 있는 볼거리 등 다양한 콘텐츠 제공. 사용자가 관심 있는 분야별/주제별 카테고리만 선택하여 뉴스와 소셜미디어 콘텐츠 제공.

1. (맞춤 뉴스) 등록된 관심 키워드를 기반으로 뉴스, 소셜미디어 구분 없이 해당 주제의 보고 싶은 콘텐츠를 선별하여 제공.
2. (3분 브리핑) 매일 정치, 경제, 세계, IT, 스포츠 등 중요한 뉴스만을 골라 요약된 정보로 브리핑 제공.
3. (지니 추천) 사용자 개개인을 연구하고, 분석하여 개인이 선호할 만한 재미 있는 콘텐츠를 선별하여 제공. 자체 추천 알고리즘을 통해 주제별, 연령별, 성별 등 다양한 콘텐츠를 제공.

1. (아티클 뷰어) 사용자의 편의성과 가독성을 고려하여 광고 없는 스마트뷰를 제공.
2. (뉴스 연대기 / 연관 뉴스) 기사가 담고 있는 토픽일 분석하여 시간순으로 자동 구성되며 기사의 흐름을 한눈에 확인할 수 있도록 제공. 그 외 연관된 토픽 기사들을 추천하여 다양한 볼거리 제공.

 

해외 사례

[일본] 인공지능 상담 시스템

솔트룩스는 일본 금융과 항공 산업에 인공지능 상담 시스템, 가상 상담 비서 서비스를 도입했고 기계학습, 지식추론 및 심층 질의응답과 같은 인공지능 기술을 상용화했습니다. 인공지능 상담 시스템 도입을 통해 고객 이탈방지, 시스템 스스로 해결, 고객만족도 향상 등의 효과를 보았고 기업 이미지 및 영업이익 증가와 실질적인 고객 만족도 상승에 기여했습니다.

< 일본 인공지능 상담 시스템 도입 사례 >

① 사업의 내용

1. (미즈호 은행 가상상담) 사람이 질문하는 말의 의도를 이해하고 적절한 내용과 답변을 찾아 실제 상담원(사람)처럼 대답을 제공하는 컨시어지(Concierge) 개념의 서비스 구축. 미즈호 은행 고객의 문제 해결을 위해 비즈니스 웹사이트에서 Push Type의 네비게이터 미나(Mi-na) 서비스를 제공.
2. (마넥스 증권) 마넥스(Monex) 증권 홈페이지에서의 상담 서비스 구축.
3. (손해보험재팬 주식회사) 손해보험재팬日本興亜주식회사 공식 홈페이지에서 고객의 궁금사항 해결을 도와주는 ‘날마다 지킴이(日々乃まもり)’ 서비스 구축.
4. (전일본공수 주식회사) 전일본공수 주식회사(ANA, All Nippon Airways)의 ANA SKY WEB에 아미(Amy) 서비스 구축

< AI Suite 해외 적용 사례 >

② 적용 기술 및 솔루션

1. AI Suite 제품 적용
   상담 서비스 제공을 위해 AI Suite의 자연어이해 엔진, 심층QA 엔진 적용

③ 주요 성과

1. 고객 이탈 방지
   문의 진행중 고객에게 필요한 정보를 적절히 제공함으로써 고객이 서비스 페이지에서 문제 해결 도중 이탈을 방지함
2. 상담 횟수 감소
   고객 상담센터 문의 내용을 컨시어지 서비스가 대신함으로써 상담 전화 횟수 및 문의 메일 건수의 감소
3. 고객만족도 향상
   서비스 모니터링을 통해 부족한 지식을 보완하여 품질 향상. 서비스 사용자의 평가율이 지속적으로 증가하여 실제 고객 만족도 상승 확인

 

기술소개

AI Suite은 4차 산업혁명 시대에서 요구되는 문자, 음성, 시각, 학습, 대화 등의 인공지능 기반기술들의 집합체입니다. 솔트룩스는 각 분야의 원천기술을 자체화하고 이들을 다양한 산업 분야에 적용함으로써 그 성능과 효율성을 검증해왔습니다. 지금까지 확보한 기술과 제품들을 기반으로 향 후 우리 생활에 필수 요소로 자리잡을 자율주행, 인공지능 가상비서 등의 기술 시장을 선도해 나가도록 할 것입니다. 아래 표는 AI Suite를 이루고 있는 엔진들과 해당 엔진을 구현한 주요 기술들을 나열한 것입니다.

 

(010040) 한국내화 - (1) 회사소개 ( 사업소개 & 제품소개 )

fskrc

• 동사는 1973년 5월 '한국특수내화공업사'라는 사명으로 설립되어 1995년 현재 한국내화주식회사로 변경하였으며 2000년 10월 한국거래소에 상장함.
• 영위사업으로는 요업 제품 제조 및 판매업, 무역업, 도매업, 도장 공사업, 부동산임대업, 환경관련 부대사업 등이 있음.
• 국내 내화물업체로는 약 60여개사가 있으며, 각 업체별 주요 거래처의 요구 특성에 맞는 내화물을 공급 중에 있음.

 

회사소개

CEO 인사말

한국내화는 내화업계의 “Leading Company”로서 최고의 내화물 기술을 개발하여
종합내화물 업체로의 성장과 고객 경쟁력을 높이는 최고 기업을 목표로 합니다.

“ Value Creative beyond Best”

저희 한국내화를 방문해주신 고객 여러분 환영합니다.

한국내화는 지난 1973년 창설 이후 최고 품질의 내화물을 생산 및 공급하며 제철, 시멘트, 유리, 석유화학 등
국가 기간산업의 초석을 다지고 있는 기업입니다.

정형, 부정형 내화물의 제조부터 공업로 Engineering, 축로, 건설 등 각종 설비의 설계, 시공, 감리에 이르는 토탈 서비스 체제를 갖추고 있는 종합 내화물 전문 업체로 성장하여 제철소 고로 건설, 축로 시공 등 조업의
최고 파트너로서 그 역할을 다하고 있습니다.

또한, 한국내화는 기능성 내화물 시장 진출 및 신소재 사업 등 신규사업을 지속해서 발굴하여 대한민국 철강 산업의
무한한 가능성과 함께 하는 Global 경쟁력을 갖춘 내화물 기업으로 새로운 도약을 시작하겠습니다.

감사합니다.

한국내화㈜ 대표이사 

경영이념

인간 중심적이고 꿈과 미래를 중시하는 기업, 인류 행복을 추구하는 기업이 후성의 기본정신입니다.

BACK TO THE BASIC! 

초심으로 돌아가 기본에 충실한 항상성으로 굳건하고 능동적 핵심역량을 갖춘 인재육성과 인재실현을 통해 창조적이고,
미래지향적인 영속발전을 알차게 성취해 나감으로써 사회와 국가, 인류에 큰 업을 이루고자 하는 의지가 담겨있습니다.

비전

연혁

사업장

후성그룹 내의 내화물 전문 기업. 후성그룹의 모체이자 중심 기업 역할을 하고 있다.

본래 현대그룹의 방계 기업으로, 창업주가 현대그룹의 창업주인 정주영과 인척관계에있어 본래 KCC의 사업부로서 시작하였던 것을 분리받아 따로 사업을 시작하여 현재까지도 현대그룹 및 현대자동차그룹의 사업분야와 밀접한 관계를 맺고 있다. 범현대가의 숙원사업 중 하나였던 제철사업 중에서도 일관제철소를 건설하게 되면서 현대제철의 내화물 주관사로서 현대제철의 조업에 사용되는 내화물의 대다수를 공급하고 있으며, 현대중공업이나 기타 내화물이 사용되는 시설에 대하여 내화물의 판매 및 시공업무를 하고 있다.

종합내화물 기업 중에서는 2008년까지만 해도 매출액이 업계 4~5위권에서 20년 가까이 맴돌고 있던 중소기업 수준을 유지하고 있었으나, 현대제철의 고로 공사를 독점적으로 맡고 내화물 수주 주관을 하게 되면서 매출액이 급성장하여 현재는 조선내화에 이은 종합내화물 시장 2위까지 성장하였다. 현대제철의 고로 3호기 건설에 참여하였으며, 로 내화물 교체 물량을 공급하고 있다. 이를 발판으로 추후 성장세에 따라 현대제철이 타지 혹은 해외 제철소 건설에 참여할 예정이라 꾸준한 매출 상승과 사세 확장을 기대해볼 수 있는 기업이라는 평가를 받고 있다.

현대제철 공사 실적이 생기면서 포스코켐텍과 함께 대한민국에서 유이하게 제철소 건설 기술을 보유하게 되어 업계 부동의 1위인 조선내화를 상대할 수 있는 성장가능성과 꾸준히 성장할 수 있는 독점 공급처를 확보하게 되었다.

매출액이나 실적에 비해 코스피시장에서의 주식 유통량이 너무 적어 주가가 기업가치에 비해 지나치게 저평가되어 있다는 평가를 받는 회사 중 하나. 2010년 9월 기준 최대주주는 회사 대표로 보유 지분은 특수관계인을 포함해 63.21%다. 계열사로는 후성, 퍼스텍, 후성에이치디에스, 후성산업, 후성정공, 일광실업, 트래닛 등이 있다.

 

사업분야

내화물

내화물은 고온에서 연화(軟化) 되지 않고 견뎌내는 물질로 모든 공업로(盧)에 사용되는 소재입니다.

한국내화는 제철소 건설부터 안정적인 조업까지 고객의 눈높이에 맞춘 제품 설계와 공급을 수행하며 최적의 SOLUTION을 제공하고 있습니다.

제철 · 제강용 내화물 경험을 토대로 국내외 석유화학, 비철금속, 소각로, 소성로 등의 산업용 공업로 생산성 향상을 위해
고객 중심의 내화물을 공급하며, 국내 최대 규모의 내화물 연구소와 생산시설을 갖춘 종합 내화물 회사입니다.

조업정비

조업정비부는 당진 현대 일관제철소의 고로, TLC, 제강, 연주 주요 설비 내화물 시공 및 유지보수를 전담하고 있는 부서입니다.
또한, 전문적인 축로 인력 양성과 최신 장비,설비 보유 기반으로 책임 정비 시스템을 구축하고 있습니다.

고로

철광석을 용융시켜 선철을 만드는 고로 설비의 내화물 유지 보수

TLC

고로에서 생산된 용선을 제강으로 운반하는 TLC(Torpedo Ladle Car) 내화물 유지 보수

제강

제강 주요 설비, 래들 (용선/용강), 전로, RH-OB (2차 정련) 내화물 유지 보수

연주

전로에서 생산된 용강을 연속 주조 몰드로 안전하게 이송시켜주는 턴디쉬 설비 내화물 유지 보수

 

플랜트

한국내화는 첨단 ICT 융합 공업로부터, 축로, 대형 구조물의 건설까지 기간 산업 설비를 광범위하게 설계 · 시공해왔으며,
축적된 경험과 기술로써 고객의 요구에 맞는 서비스를 제공 합니다.

공업로 (Industrial Furnace)

한국내화는 소형 시험로 부터 대형 단조 가열로 까지 다양한 산업분야의 가열, 열처리 설비의 설계 및 시공, 시운전을 수행하고 있습니다.
뿐만 아니라 고객의 조업 환경을 분석하여 안전과 에너지 절감을 고려한 ICT 기반의 Smart Factory 까지 사업의 고도화를 실현하고 있습니다

축로 (Refractories Lining)

한국내화의 축로 사업은 금속,화학,발전, 환경설비 등의 산업플랜트 분야에 적용되는 내화물과 관련된 설계, 시공,감리, 등을 수행하고 있습니다.
아울러 수많은 Project를 수행해오면서 축적된 기술과 풍부한 경험으로 국내뿐만 아니라 해외까지 사업영역을 확장해 나가고 있습니다.

건설 (Construction)

한국내화는 국내 주요 발전소의 대형 굴뚝과 고가수조, Silo등 다양한 대형 구조물의 건설 실적을 보유하고 있으며, 안전을 최우선으로 다양한 공법들을 적용하여 최고 수준의 사업 수행 능력을 발휘하고 있습니다.

 

분체

재산업의 핵심 부분인 광물의 분석, 가공 처리의 공정관리와
엄격한 품질 관리로 최상의 균질한 품위를 유지하여 고객의 만족을 실현하고 있습니다.

광물의 소재화는 기초산업으로서 특화된 공정과 관리로 고객의 요구에 부응하고 있습니다.
대량의 가공 처리와 분석 기술을 기반으로 타 광물의 소재 가공 개발에도 전념하고 있습니다.

 

제품소개

부정형 내화물

일정한 형태가 없는 비성형 내화물로 시공 시 그 형태가 결정되는 내화물

(캐스타블 내화물, 플라스틱 내화물, 코팅재, 내화 모르타르 등)

제품리스트

정형 내화물

원료를 분쇄, 조합하여 일정한 형상으로 고압 성형 후, 건조시키거나, 고온에서 소성하여 소결 시킨 것

제품리스트

납석 파우더

내화물, 유리섬유(Glass Fiber), 도자기, 타일, 페인트충진재, 시멘트 첨가제, 플라스틱 및 제지용
충진제 등에 사용되는 제품

적용처

Steel / Iron Making

Blast Furnace

Main Runner

Torpedo Ladle Car

Converter

Steel Ladle

RH-TOB

Tundish

Electric Arc Furnace

 

General Industries

PC Boiler

Circulation Fluidized Bed Combustion Boiler

Rotary Incinerator

Stoker Incinerator

Melting Incinerator

Cement Kiln

Vertical Shaft Lime Kiln

Glass Melting Furnace

Electric Arc Furnace for Mineral Wool Melting

Aluminum Melting Furnace

Copper Melting Furnace

Rotary Furnace for Secondary Lead Melting

Fired Heater

Thermal Reactor

Sulphur Recovery Unit Reactor

Car Type Heating Furnace

Walking Beam Reheating Furnace

Concrete Type Stack

Steel Type Stack

 

R&D

연구소 소개

특허 현황

연구장비 현황

 

(314130) 지놈앤컴퍼니 - (1) 회사소개 & 원천기술

genomecom

• 기존 면역항암제에 효과 없는 환자를 대상으로 마이크로바이옴 및 신규타겟 기반 First-in-Class 면역항암제 개발 중.
• Bed-to-Bench 전략을 토대로 신약 발굴 플랫폼(‘GNOCLE TM’)을 구축하였으며 이를 기반으로 First-in-Class 면역항암제 뿐만 아니라 마이크로바이옴 뇌질환/피부질환 치료제 또한 개발 중.
• 밸류체인 및 사업화 영역 확장을 통한 완전통합형 제약바이오 기업 구축을 목표.

 

회사소개

Genome & Company 정보

‘보이지 않는 것을보고, 미충족을 만나고, 미전도에 도달하라’ Genome & Company는 대한민국에 기반을 둔 임상 단계 생명 공학 회사로, 미충족 요구를 충족하기 위해 다양한 미생물 군유 전체 양식, 새로운 표적 면역 체크 포인트 억제제 (ICI)를 통해 면역 종양학 분야에서 차세대 혁신 치료제를 발견하고 개발하는 데 주력하고 있습니다. 암 환자. 당사의 R & D 프로그램은 치료제, 화장품 및식이 보조제를 포함한 미생물 군유 전체 기반 제품과 새로운 표적 면역 종양 치료제의 두 가지로 나뉩니다. 2015 년 설립 이래 처음에는 비만, 당뇨병, 여드름, 아토피 피부염에 적용 할 수있는 미생물 및 프로바이오틱스 연구를 시작했습니다. 추가 연구는 면역 종양 미생물 군유 전체, 신규 표적 ICI에 투자되었으며, 2020 년에는 당사의 선도적 인 면역 종양 미생물 군유 전체 파이프 라인 GEN-001이 미국에서 임상 시험을 시작했습니다. 당사의 기술과 역량은 Merck KGaA 및 Pfizer와 같은 글로벌 제약 회사 및 기타 주요 병원, 대학, 연구 기관 및 정부와의 파트너십을 통해 입증됩니다.

보이지 않는 것

인간 미생물 생태계 시뮬레이터를 이용한 기능적 메커니즘과 차세대 시퀀싱을 통한 멀티 오 믹스 프로파일 링을 통해 질병의 원인을 파악하기위한 노력을 계속하고 있습니다.

미충족을 만나다

전 세계의 충족되지 않은 의학적 요구를 충족시키는 것입니다. 공생 미생물 군집 발견에서 새로운 표적 신약 개발에 이르기까지 우리 연구팀은 매일 우리 자신의 가설에 도전하고 있습니다.

미지의 영역에 도달

우리는 지역 및 글로벌 파트너에게 최대한의 이익을 제공하기 위해 노력합니다. 지금까지 우리의 성과는 투자자와 다양한 이해 관계자의 지원 없이는 불가능했을 것입니다.

 

Business Area

 

Core Competency

Our pipeline has strong backbone of three pillars: novel platform technology, R&D human resources and collaborative relations with local and global networks

우리의 파이프 라인은 새로운 플랫폼 기술, R & D 인적 자원, 지역 및 글로벌 네트워크와의 협력 관계라는 세 가지 기둥의 강력한 백본을 가지고 있습니다.

 

Core Value

 

Our Credo

우리는 미생물 군유 전체 연구 및 개발에 우리의 재능과 역량을 활용하여 인류의 건강 증진에 기여하는 것이 우리의 사명이라는 신념에 굳게 서 있습니다. 단순히 성공한 기업이 아니라 의료계와 제약 업계에서 존경받는 높은 수준의 미생물 군집 연구 개발에 만족할 것입니다.

우리는 고객과 파트너의 이익을 극대화하기 위해 노력합니다. 우리는 그들의 부가 증가하면 우리도 혜택을받는다고 믿습니다. 우리는 제품과 서비스를 사용함으로써 고객과 파트너가 자신의 비즈니스 가치를 높일 수 있음을 확신합니다. 이것은 우리 자신의 가치를 극대화하는 이상적인 방법 인 선순환을 만들 것입니다.

우리 직원은 행복하고 즐거운 업무 환경을 만들고 유지하기 위해 노력합니다. 우리는 회원들이 잠재력을 개발하고 자아 실현을 달성 할 수있는 기회를 제공하고자합니다. 우리는 회원들이 회사에 대한 자부심을 느끼기를 바랍니다.

우리는 회원들이 우리 기업과의 협력을 통해 자부심과 자신감을 높이기를 바랍니다. 조직 내에서 수평 적, 수직적 개방형 소통을 위해 최선을 다합니다. 사회에 공헌 할 수있는 리더를 양성하고 싶습니다. 우리는 그들이 리더십, 팀워크, 연구 기술 및 비즈니스 기술을 개발하고 향상시킬 수있는 경력 경로를 제공함으로써 그들이 그렇게 할 수있는 수단을 제공 할 것입니다. 우리는 회원들이 자신의 커리어 비전을 자유롭게 생각하고 구현할 수 있기를 바랍니다. 커뮤니티의 일원으로서 우리는 사회의 안녕에 기여하고 싶습니다. 우리는 우리 사회의 소외된 구성원을 돕고 싶습니다. 우리는 항상 우리 사회 구성원에 대한 관심을 가지고 있으며 우리의 능력 내에서 사회의 안녕과 발전에 기여합니다.

우리는 투자자에 대한 우리의 책임을 인식합니다. 우리는 그들이 우리의 능력과 비즈니스 모델을 신뢰하는 것에 감사합니다. 우리는 우리에 대한 그들의 믿음에 크게 감사 드리며 더 큰 이익으로 그들에게 혜택을주고 싶습니다. 지속 가능한 성장을 위해 노력하고 가치를 창출합니다.

 

파이프라인

Pipeline

우리의 선도적 인 프로그램은 면역 종양학, 피부 질환 및 자폐증 분야의 마이크로 바이 옴 기반 치료 후보입니다. 또한 면역 체크 포인트 억제제의 단일 클론 항체에서 자체 치료제 후보의 면역 종양 연구에 주력하고 있습니다. 임상 파이프 라인과 함께 미생물 군유 전체 연구를 기반으로 화장품 및 보조 식품 분야를 개발하고 있습니다.

1. Immuno-oncology Microbiome (GEN-001)

1. 면역 종양 마이크로 바이 옴 (GEN-001)

GEN-001은 면역 조절 활성을 갖도록 개발 된 경구 용 미생물 군유 전체 치료제 후보로, 면역 체크 포인트 억제제 (ICI)와 잠재적 인 파트너십을 이룹니다. GEN-001은 건강한 인간 지원자의 장에서 분리 된 단일 균주 박테리아로 구성되어 수지상 세포, 대 식세포 및 T 세포 반응을 활성화하는 것으로 나타났습니다. 전임상 연구에서 GEN-001은 ICI 민감성 및 내성 종양 모델의 성장을 억제하는 효과를 향상시켜 ICI와 조합하여 최적의 안전 한계와 시너지 효과를 보여주었습니다. 최근 미국 FDA는 고형암 환자의 아벨 루맙 (BAVENCIO®) 병용 치료를위한 GEN-001에 대한 IND 신청을 승인했습니다. 임상 1 / 1b상은 미국 임상 현장에서 시작될 것이며 첫 환자는 올해 안에 등록 될 것으로 예상됩니다.

 

2. Skin Microbiome Therapeutics (GEN-501)

2. 피부 미생물 치료제 (GEN-501)

GEN-501은 아토피 성 피부 질환을 가진 두필 루맙 약물의 비 반응자를 표적으로 삼고 있습니다. GEN-501은 황색 포도상 구균 (S. aureus) 생물막의 억제제입니다. S. aureus 우세로 인한 모든 유형의 피부 질환 환자에게 적용 할 수 있습니다. 또한 유전 적 변형이 없어 안전한 미생물 군집입니다. GEN-501의 환자 신청서가 제출되었습니다.

 

3. Autism Microbiome Therapeutics (SB-121): Lactobacullus reuteri (L. reuteri)

3. 자폐성 미생물 군유 전체 치료제 (SB-121) : Lactobacullus reuteri (L. reuteri)

G & C는 2020 년 9 월부터 US Scioto Biosciences와 파트너십을 맺고 있으며, G & C는 Scioto의 주요 약물 후보 (SB-121)의 임상 개발을 계속 지원할 것입니다. SB-121은 모유 박테리아에서 추출한 Lactobacullus reuteri 치료제입니다. 이것은 GI 미생물 군유 전체 발달을 촉진하고 GI 손상을 예방하는 "선구자"박테리아 역할을합니다. 그 안전성과 효능은 25 개 이상의 임상 연구에서 입증되었습니다 (이상 반응 없음). 단일 용량으로 장에 놀라운 영향을 미칩니다. SB-121은 자폐 스펙트럼 장애 (ASD)와 같은 장-뇌 축과 관련된 장애와 미숙아에게 영향을 미치는 괴사 성 장염 (NEC)과 같은 장 손상 관련 장애를 표적으로합니다.

 

4. Novel target directed immune checkpoint inhibitor (GENA-104)

4. 새로운 표적 지정 면역 체크 포인트 억제제 (GENA-104)

GENA 프로그램은 mAb 후보에 의해 표적화 될 수있는 종양 세포 사멸을 유도하는 새로운 IO 표적을 포함합니다. 특허 출원이 접수되었습니다. 새로운 표적 ICI 인 GENA 프로그램은 (1) 기존 PD-1 / PD-L1 억제제에 반응하지 않는 환자 또는 (2) 치료에 적합하지 않은 PD-L1 비 발현 환자 등 광범위한 환자 집단을 위해 설계되었습니다. 기존의 면역 요법. 파이프 라인에서 선도적 인 ICI 후보자 인 GENA-104 리드 최적화가 현재 진행 중이며 IND 지원 연구가 진행 중입니다. 초기 연구는 리드 후보가 강력한 T 세포 억제 효과를 가지며 수용체에 의한 강한 결합 친 화성을 나타냄을 보여줍니다.

 

원천기술 Technology

Our platform – GNOCLETM

당사의 플랫폼 – GNOCLETM

Genome and Company는 임상 정보는 물론 귀중한 표본 (예 : 대변, 피부 조직, 혈액 샘플 및 종양 조직)을 수집하기 위해 여러 병원 및 임상 실험실과의 강력한 파트너십을 기반으로 pharmabiotics를 개발하는 것을 목표로합니다. 특히, 신선한 대변과 피부 조직은 당사의 미생물 군유 전체 라이브러리의 주요 소스입니다.

Stage 1

Establishment of clinical database

1 단계

임상 데이터베이스 구축

우리는 임상 네트워크와의 협력을 통해 임상 데이터베이스 및 미생물 군유 전체 라이브러리를 계속 구축하고 있습니다. 6 가지 암 유형과 6 가지 기타 질병에 대한 최대 8,200 개의 임상 샘플이 데이터베이스에 특성화되어 있습니다. 우리의 균주 관리 시스템은 제약 GMP 수준입니다.

 

Stage 2

Finding the ‘lead’

2 단계

'리드'찾기

우리의 마이크로 바이 옴 '리드'는 플랫폼의 핵심 강점 중 하나 인 '2 단계 채굴 공장'을 통해 식별됩니다. '2 단계 채굴 공장'은 실리코 pharmabiotics 발견의 메타 게놈과 대사 체를 개념 증명 (PoC) 실험과 결합합니다. 그 결과 의약품 개발 가능성이 높은 균주를 신속하게 발견 할 수 있습니다.

 

Stage 3

Pre-clinical study

3 단계

전임상 연구

우리의 마지막 단계는 제조 공정 개발 및 의약품 생산을위한 최종 약물 후보를 찾는 것을 목표로합니다. 우리는 주로 6 가지 암 유형 (폐, 결장, 췌장, 유방암, 식도 및 간)과 6 가지 다른 질병 (치매, 당뇨병, 신장 질환, 불임, 여드름 및 아토피 질환)에 중점을 둡니다. MoA (Mechanism of Action) 및 약동학 및 독성 확인을 통해 전임상 테스트를 거친 당사 라이브러리에서 가장 적합한 균주를 선택합니다.

 

Partners

Our partners

우리의 파트너들

우리는 지역 연구 센터, 3 차 병원 및 글로벌 제약 회사를 포함한 R & D 및 상용화 파트너와 비전을 공유합니다.

Merck KGaA, Darmstadt, Germany 및 Pfizer와 임상 시험 협력 및 공급 계약 (2019.12)

Genome & Company의 GEN-001, 마이크로 바이 옴 기반 면역 종양 요법 및 avelumab (BAVENCIO®), Merck KGaA, Darmstadt, Germany 및 Pfizer Inc.의 anti-PD-L1과의 1 / 1b 상 조합 임상 시험의 임상 파트너십 종양학 적응증에있는 항체.

LG 화학 상용화 라이선스 거래 (2020.04)

G & C는 GEN-001에 대한 LGC와 세계 최초로 마이크로 바이 옴 면역 종양 치료제 라이선스 아웃 계약을 체결했습니다. 계약 조건에 따라 LGC는 한국 및 기타 아시아 국가에서 임상 시험 및 상업적 유통에 대한 독점권을 보유하게된다. 그 대가로 G & C는 마일스톤과 로열티를 추가로 지급받을 가능성이있는 선불금을 받게되며 거래 가치는 공개되지 않습니다.

이중 항체 개발 업체 ABL Bio Inc.와 새로운 '면역 체크 포인트 억제제'개발 참여 (2019.01)

지앤씨는 면역 종양 및 신경 퇴행성 질환 치료제 개발에 주력하는 생명 공학 연구 기업 ABL Bio와 '면역 체크 포인트 억제제'연구 개발 협력 계약을 체결했다. 새로운 ICI는 G & C가 표적 식별 및 검증을위한 전임상 단계를 개발하고 ABL Bio가 항체 개발 및 제조 프로세스를 담당하는 anti-PD1의 비 응답자를 대상으로합니다.

G & C와 삼성 서울 병원, 면역 항암제 개발 MOU 체결

이번 MOU는 G & C의 '벤치 투베드 (bench-to-bedside)'기술 플랫폼과 삼성 서울 병원의 '벤치 투베드 (Bedside to Bench)'플랫폼의 협업을 통해 차세대 면역 항암제 시너지를 가져올 예정이다.

 

Microbiome 마이크로바이옴 (미생물 군유 전체)

What is the microbiome?

미생물 군집이란 무엇입니까?

마이크로 바이 옴이라는 용어는 The Scientists가 2001 년에 출판 한 Nobel Laureates, Lederberg 및 McCray에 의해 만들어졌습니다. 미생물은 우리 몸 안에 살고 있으며, 수조 개의 미생물 (미생물 군이라고도 함)으로 구성되어 있으며, 그중 95 %는 소장과 대장뿐만 아니라 몸 전체에서 발견됩니다. 각 사람은 원래 자신의 DNA에 의해 결정되는 완전히 고유 한 미생물 군 네트워크를 가지고 있습니다.

Characteristics of the microbiome in the human body and relationship with diseases

인체 내 미생물의 특성 및 질병과의 관계

(1) Characteristics of the microbiome

(1) 미생물 군집의 특성

다양한 유형의 박테리아는 신체의 다른 부분에 살며 다른 기능을 수행합니다. 미생물 군집은 유용하고 잠재적으로 유해한 미생물로 구성됩니다. 대부분은 공생체 (인체와 미생물 모두에게 유익 함)이고 일부는 병원성 (질병을 촉진)입니다.

(2) Relationship with disease and opportunities for therapy

(2) 질병과의 관계 및 치료 기회

가장 최근에는 장내 미생물 군유 전체와의 관계가 건강과 질병에 미치는 영향으로 점점 더 인식되고 있습니다. 몇 가지 증거는 인간 미생물 군집이 암 발병, 진행 및 치료에 대한 반응과 같은 암 면역 요법의 결과에 더 구체적으로 영향을 미칠 수 있음을 나타냅니다.

 

(3) Expanding the scope and scale of microbiome research and development

(3) 미생물 군유 전체 연구 개발의 범위와 규모 확대

장내 미생물 군집과 인간 질병 사이의 연관성은 과학적 데이터베이스를 기반으로 발견되었습니다. 이러한 과학적 데이터베이스를 활용하여 다국적 제약 회사와 식품 영양 회사는 영양 식품에서 화장품, 면역 요법에 이르기까지 미생물 군유 전체 연구 개발 분야를 확대하고 있습니다. 다양한 연구를 통해 Lactobacillus 및 Bifidobacterium과 같은 일반 종에서 새로 발견 된 종인 Akkermansia로 다양 화되어 현재 다양한 분야에서 사용되고 있습니다.

 

지놈앤컴퍼니 IPO 기업설명회

youtu.be/l8snEA1DdRs

지놈앤컴퍼니 - 궁금한 사항을 CEO가 직접 알려드립니다

youtu.be/SaOVo_xmlvo