memento @ SW_Maestro_ 7th 관심있는 유명인 “그”에 대해 알고 싶을 때 “그”가 살았던 인생을 들려 주는 서비스

1. 이영수 백동환 배지운
멘토 최광선
SW_Maestro 7기
팀 메멘토
2017년 6월 23일
1

2. 서비스
소개
목차
기술
소개
서비스 컨셉
기술 흐름도
팀내 역할 분
담
서비스
가치
팀 메멘
토
스토리
사용자 분석 기능 및 사용자 경험
기술 파트 및 목표 기술 구현 기술 성과
역경과 극복 성과 지표
서비스 시연
운영관리 도구
2
유저 반
응
사업화 가능
성
전문가 피드
백

3. 관심있는 유명인 “그”에 대해 알고 싶을 때
“그”가 살았던 인생을 들려 주는 서비
스
팬이나
미디어 소식을 알고 싶은 사
람이
1) 서비스 컨셉
얘가 이 사건 때문에 유명해졌구나
이 사건은 이렇게 진행되었네
이때 이 연기 대박이었는데, 다시 한번 봐 볼까?
이 사람은 최근 뭐하고 지냈으려나
다른 사람도 이렇게 느꼈구나. 나만 그런 게 아니었네
맞아. 이때는 다들 이 사람 욕만 했지..
서비스
소개
3

4. 언제 어디서나 볼 수 있는
매거진으로 만들어주자
그것도 기술을 이용해서 자동
으로!
웹 상에 넘쳐나는 단편적인 정보를 모두 모아
1) 서비스 컨셉
그 사람의 인생 이야기 를
그 때의 분위기를 반영하여
서비스
소개
인생 이야
기
분위기
매거진
기술 자동
4

5. 2) 사용자 분석
연예인
팬
미디어 정보에
뒤쳐지기 싫
은
인물 매거
진
사건 매거
진
• 한 눈에 파악하는 사건
• 현장의 분위기 파악 및 공감
위클리 메멘토 & 홈
• 미디어 배경지식 제공
• 컨텐츠 추천
• 인물의 삶을 꿰뚫어 보는 경험
• 인물에 대한 팬심과 관심의 표
현
서비스
소개
5
페르소나 기능 및 사용자 경험

6. 3) 기능 및 사용자 경험
• 요즘 자주 나오던데, 어떤 이유로 뜨게 된 거
지?
• 얘가 어떤 사건들을 겪었더라?
• 대중들은 이 사람에 대해 어떻게 생각하고 있
지?
타임라인
왜 떴을까?
재미로 보는 능력
치
사용자 참여
대표사진 선
택
한마디로
인물 매거
진
서비스
소개
6
인물의 삶을 꿰뚫어 보는 경
험
인물에 대한 팬심과 관심의 표
현
• 좋아하는 연예인의 장점을 알리자
• 더 예쁜 사진을 수집하거나 공유
하자

7. 사건 매거
진
• 얼마나 이슈 되었던 사건이지?
• 사람들의 반응은 어땠지?
3줄 요약
이슈 등급
사람들의 반
응
관련 기사 모아주
기
연관 키워
드
서비스
소개
• 볼만한 기사들이 뭐가 있을까?
• 사건을 간단하게 요약하자면?
• 이 사건과 관련된 게 무엇이 있고 뭐
가
중요하지?
7
한 눈에 파악하는 사건
3) 기능 및 사용자 경험
현장의 분위기 파악 및 공
감

8. 위클리 메멘토 & 홈
• 꼭 알아야 하는 사건이 뭐가 있을까?
• 이 사람은 내가 몰랐는데, 유명한가
보네
• 요즘 친구들이 얘기하던 사건이 이거
구나
• 심심한데 볼만한 건 없나?
• 아 이런 사건도 있었구나, 잘 몰랐던 건
데
주간 핵심 사
건
3년전 오늘
사건 탐색
트렌디 피
플
볼만한 사건
들
서비스
소개
8
3) 기능 및 사용자 경험
대화 시 필요한 미디어 지식 제
공
인물 및 사건 중심의 컨텐츠
추천

9. 4) 서비스 시연서비스
소개
약 350명의 유명인을 대상으로 베타서비스 중
지속적으로 인물 추가 중
9
https://memento.live

10. 서비스
소개
기술
소개
서비스 컨셉
기술 흐름도
서비스
가치
팀 메멘
토
스토리
사용자 분석 기능 및 사용자 경험
기술 파트 및 목표 기술 구현 기술 성과
서비스 시연
운영관리 도구
팀내 역할 분
담
역경과 극복 성과 지표
10
유저 반
응
사업화 가능
성
전문가 피드
백

11. 인물관계 API
이미지 API
기술
소개
1) 기술 흐름도
인물 매거진
사건 매거진
타임라인
IN맥
사진
관련 인물
사람들의 반응
사진
3줄 요약
인물 전처리 과정
개체 및 사건 임베딩
중복사건 병합,
부가정보 분석
인물 및 사건 가
공
뉴스댓
글
수집기
뉴스기
사
수집기
위키
수집기
이미지
수집기
인스타
그램
수집기
수집 분석 데이터 가공·관리 생성·배포
11
사건 클러스터링

12. 2) 기술 파트 및 목표기술
소개
12
① 하루에 수백 명 이상의 유명인 중심 정보 수집
② 새로운 채널이 생겼을 때 기존 시스템 변경 없이 빠르게 대응할 수 있는 구
조
① 90% 이상의 개체 명 인식 & 동명 이인 분리
② 수천, 수 만개의 사건을 단시간 내에 처리
① 30년 이상의 인물·사건 정보를 가공·관리
② 확장성 있는 설계를 통한 신규 비정형 데이터 수용이 용이한 구
조
① 서비스와 수집·분석 작업의 분리를 통한 부하 최소화
② 명료한 프로세스 설계 및 새벽시간 동안 생성·배포 완료
수집
분석
데이터 가공·관리
생성·배포

13. 생성·배포가공·관리분석
3) 기술 구현 | 수집
Part 1
기술
소개
13
1) 하루에 수백 명 이상의 유명인 중심 정보 수집
2) 새로운 채널이 생겼을 때 기존 시스템 변경 없이 빠르게 대응할 수 있는 구조
사건, 사진, 인적정보, 인물 관계
등
서비스 기능 추가, 타 서비스 제휴
등
수집

14. 대중 반
응
웹 크롤링
웹 크롤링
뉴스 기사
모듈
DB 덤프
웹 크롤링
API
3) 기술 구현 | 수집
Part 1
기술
소개
사건, 사진, 인적 정보, 인물 관계 등의 데
이터
인스타그램
모듈
위키 모
듈
뉴스 댓
글
모듈
이미지
모듈
새로운 채널이 생겼을 때 확장 용이
용도에 맞는 내부 방식으로 빠르게 수집 가
능
사건
사진
인적 정보
인물 관
계
유명인 중심의 정보 수집 데이터 채널 별 수집기 분
리

15. 뉴스 기사
관리 프로그램 통신
및
수집 대상 탐색
수집
프로세
스
수집
프로세
스
수집
프로세
스
수집
프로세
스
수집 결과 저장
컨테이너 기술 Docker 활
용
3) 기술 구현 | 수집
Part 1
기술
소개
15
뉴스 기
사
모듈
가상환경으로 모듈 패키
징

16. 3) 기술 구현 | 수집
Part 1
수집#문재인
수집#아이유
수집#김연아
수집#박근혜
수집#유재석
수집 모듈 관리기
수집#공유수집#김태희
수집#다현 수집#설리
서버 1
서버 2
서버 3
기술
소개
16
: 모듈 스케줄링 및 오류관리 : 뉴스기사 수집기 Docker 인스턴스
수집속도 향상 및 순간대응 가
능
관리기
(대선 등 데이터가 많이 생성되는 특수한 날)
다수 서버에서 동시에 수집 진
행

17. 3) 기술 구현 | 분석
Part 2
기술
소개
17
1) 90% 이상의 개체 명 인식 & 동명 이인
분리
2) 수천, 수 만개의 사건을 단시간 내에 처리
하루동안 발생하는 모든 사건을 새벽 시간 동안
처리
생성·배포가공·관리분석수집
사람 이름, 추후 제품으로 확
장

18. 3) 기술 구현 | 분석
Part 2
기술
소개
데이터의 특징을 잘 살려서
다루기 쉬운 숫자로 변환
데이터의 포함된 인물과 사건
기반으로 유사한 데이터 모음
중복 사건 제거
이벤트 등록
형태소 분석
메타 데이터 분석
개체명 인식
동명 이인 분리
소프트웨어
마에스트로
짱
뉴스기사
댓글댓글
…
수집된 데이터
이벤트
이벤트
이벤트
분석 프로세스
Embedding Clustering 병합
전처리 과정
18

19. 3) 기술 구현 | 분석
Part 2
기술
소개
19
전처리 과정
김태희 작가는 29일 오후 서울 마포구 상암동 MBC 상암
신사옥에서 진행된 '2014 MBC 방송연예대상'에 참석했다.
이날 '황금어장-라디오스타'로 작가상을 받은 김태희 작가
는 "영광스러운 상을 받아 정말 기쁘다"고 말문을 열었다.
이어 그는 "그만둔 지 꽤 됐지만 '무한도전' PD님과 멤버
들에게도 감사하다"며 "특히 고구마를 가지고 가다 넘어
진 노홍철과 정형돈의 고백을 거절했을 때가 생각나 미안
한 마음을 갖고 있다"고 말해 시상식장을 웃음바다로 만
들었다.
한편 김태희 작가 수상 소감에서 언급된 '무한도전'의 메
인 MC 유재석은 같은 날 MBC 방송연예대상을 받았다.
개체명 인식
외래어가 혼재된 개체명도 인식 가능
여러 형태소로 분리되는 이름들도 묶
음
한국어 개체명 인식을 위한 자질 추
가
여러 오픈 소스도 앙상블
90% 이상의 정확도

20. 3) 기술 구현 | 분석
Part 2
기술
소개
20
배우 김태희 연관 키워드
작가, 서울, 마포구,
상암동, 황금어장, 라
디오스타, 작가상, 수
상, 소감, 무한도전
작가 김태희 연관 키워드
같은 “김태희” 인가?
김태희 작가는 29일 오후 서울 마포구 상암동 MBC 상암
신사옥에서 진행된 '2014 MBC 방송연예대상'에 참석했다.
이날 '황금어장-라디오스타'로 작가상을 받은 김태희 작가
는 "영광스러운 상을 받아 정말 기쁘다"고 말문을 열었다.
이어 그는 "그만둔 지 꽤 됐지만 '무한도전' PD님과 멤버
들에게도 감사하다"며 "특히 고구마를 가지고 가다 넘어
진 노홍철과 정형돈의 고백을 거절했을 때가 생각나 미안
한 마음을 갖고 있다"고 말해 시상식장을 웃음바다로 만
들었다.
한편 김태희 작가 수상 소감에서 언급된 '무한도전'의 메
인 MC 유재석은 같은 날 MBC 방송연예대상을 받았다.
전처리 과정

21. 3) 기술 구현 | 분석
Part 2
기술
소개
21
소프트웨어
마에스트로
짱짱
뉴스기사
내용 제목
…
전처리된 데이터
문서의 특징이
표현된 벡터공간
단어_김태희
단어_비
단어_박근혜
단어_최순실
단어_여신
문서_박근혜 탄핵
문서_헌법 판결문
문서_최순실 출석
단어_아이리스
Doc2Vec
단어_탄핵
문서_김태희 비 결혼
문서_김태희 아이리스 출현
• 날짜 단위로 세분화
분리할 수 있는 사건을 미리 분리하여 정확도 향상
• 형태소 분리 및 가중치
특정 형태소에 가중치를 부여해 정확도 향상
• 수집된 데이터의 특징을 살려 분석
기사의 메타데이터를 통해 rule-base로 미리 분리
연관된 문서와 단어, 관계 파악
수학적 연산이 가능한 벡터 형태
Embedding

22. 3) 기술 구현 | 분석
Part 2
기술
소개
문서_김태희 비 결혼
문서_박근혜 탄핵
문서_헌법 판결문
similarity
문서_김태희 비 연애
문서_김태희 아이리스 시청률
문서_군대간 비
문서_최순실 출석
문서_박근혜 대선 당선
문서_장시호 증언
문서_소프트웨어 마에스트로
Doc2vec, TF-IDF와 교차 검증하여
threshold를 재조정, 최적의 값을
찾아내고 반영
threshold
• 계속 발전해 나가는 구조
미리 구축된 인물 정보에서 인물을 구
별할 만한 정보가 많이 있느냐 에 따라
서 엄격하게/느슨하게 분리
• 인물마다 서로 다른
threshold
중복되거나 비슷한 문서를 한데 모아
하나의 사건으로 재구성하고
사건 사이의 관계를 파악
여러 문서를 모아 사건을 재구
성
Clustering
같은 사건으로 정의하는 일종의 임계치
22

23. 서버 1
서버 2
수집 · 분석 모듈 관리기
수집#김태희
수집#문재인
수집#아이
유
수집#김연
아
수집#박근혜
수집#유재석
수집#공유
동일 사건
병합기
분석#김태희
분석#문재인
분석#아이유 분석#김연아
분석#박근혜
분석#유재석
분석#공유
대기
대기
대기
3) 기술 구현 | 분석
Part 2
기술
소개
23
분석속도 향상 및 순간대응 가능(대선 등 데이터가 많이 생성되는 특수한 날)
다수 서버에서 동시에 분석 진행

24. 3) 기술 구현 | 데이터 가공·관리
Part 3
기술
소개
24
1) 30년 이상의 인물·사건 정보를 가공·관리
2) 확장성 있는 설계를 통한 신규 비정형 데이터 수용이 용이한 구조
수집·분석 과정을 거친 정보
비정형 + 관계형 융
합
생성·배포가공·관리분석수집
(인물-인물 관계, 인물-사건 관계 등)

25. 3) 기술 구현 | 데이터 가공·관리
Part 3
Raw Data
Storage
Service
Database
수집기 분석기
웹
서비스
검수 및
병합
기술
소개
25
수집 및 분석 작업에서 사용되는 원본 데이터 스토리지와
실제 서비스에서 사용되는 데이터베이스 분리

26. 3) 기술 구현 | 데이터 가공·관리
Part 3
Service
Database
”인물”과 “사건”에 대한 정리된 정보 (관계형)
• 서비스 확장이 가능한 데이터 모델 설계
• 통합 API를 통한 데이터 가공·관리 + 문서화를 통한 커뮤니케이션 비용 감소
인물 뿐만 아니라 기업/제품/미디어로 확장 가능
Raw Data
Storage
인물 사전, 뉴스 기사, 댓글, SNS 등의 원본
데이터• Document Search Engine
비정형 데이터 위주, 관계 쿼리 최소화
• 스토리지 분할을 통한 수십 년간의 대량 데이터 효율적 저장 가능
기술
소개
26

27. 3) 기술 구현 | 생성·배포
Part 4
기술
소개
27
1) 서비스와 수집·분석 작업의 분리를 통한 부하 최
소화
2) 명료한 프로세스 설계 및 새벽시간 동안 생성·배포 완
료
사용자가 폭증해도 서비스 정상 작동
사용자 접속과 수집·분석 사이의 프로세
스
생성·배포가공·관리분석수집
매일 신규 인물/사건 매거진 발
행

28. 흩어진 정보를 모아 사건과 인물
로
재구성해서 보여주는 일종의 잡지
일정 주기 마다 매거진을 만드는 구조
서비스 운용 비용 ▼
캐시를 통한 접근속도 ▲
사용자 트래픽과 수집 · 분석계층은
비 동기적인 시점을 가져야함
정적
웹
채택
3) 기술 구현 | 생성·배포
Part 4
기술
소개
28
웹
서비스
사용
자
수집
분석
정적 웹 기술 도입 이유

29. 신규 사건/인물
페이지만 생성
멀티 프로세싱
3) 기술 구현 | 생성·배포
Part 4
기술
소개
29
정적 웹을 이용한 생성·배포 기술의 목
표
코어와 서비스코드 분
리
정적 웹 프레임워크 (코
어)
서비스 코드
파일 변경시간 트래킹
오류 제어
실시간 개발모드 지원
템플릿과 asset 파일 구분으
로
관리포인트 분산
① 생성 및 배포 속도가 빨라야 한다
② Fault Tolerant 해야 한다
③ 유지보수가 용이해야 한다
④ 프로세스가 명료해야 한다
데이터 인출 – 랜더링 - 배
포
프로세스 도입 및 명시
통합 API 서버 및
클라우드 서비스 연동
범용 라이브러리로 제작 및
오픈소스화
:직지(Jikji)② Fault Tolerant
: 중간에 문제가 발생해도, 퍼블리시 작업 전체가 중단 되면 안된
다

30. #랜더링
인물 > 김태희배포
API
데이터
전처리
&
생성 관리
서비스
배포
Amazon
S3
서비스 코드
3) 기술 구현 | 생성·배포
Part 4
정적 웹
프레임워
크
#랜더링
사건 > 1031
#랜더링
위클리 메멘토
#랜더링
홈
#랜더링
인물 > 김연아
#랜더링
사건 > 2574…
…
기술
소개
30
생성 및 배포 작업 흐름
도
클라우드 스토리지
+ CDN
사용자 트래픽
완벽 대응

31. 4) 기술 성과기술
소개
31
① 유명인 300여명에 대한 국내에서 발행되는 모든 뉴스기사, 댓글, SNS 매일 수
집 가능
② 모듈화를 통해 시스템 변경 없이 신규 채널 추가 가능
① 구축한 인물 사전을 바탕으로 개체 명 인식 & 동명 이인 분리 가능
② 매일 발생하는 사건을 2시간 이내에 분석 가능
① 80GB 이상의 원본 데이터와 10만개의 가공된 사건 정보 관리 중
② 원본 스토리지 및 서비스 데이터베이스 분리를 통한 확장성 확보
① 정적 웹을 이용하여 사용자 트래픽 완벽 대응
② 프레임워크 설계를 통한 명료한 프로세스 설계 및 초당 100페이지 이상의 생성 속
도 확보
수집
분석
데이터 가공·관리
생성·배포

32. 5) 운영관리 도구기술
소개
32
자동화와 가상화를 바탕으로 사람의 큰 개입 없이 운영 가능
운영관리 도구를 통해 지속적 서비스 품질 향상 가능
https://monitor.memento.live

33. 서비스
소개
기술
소개
기술 흐름도 기술 파트 및 목표 기술 구현 기술 성과 운영관리 도구
유저 반
응
서비스
가치
사업화 가능
성
팀 메멘
토
스토리
팀내 역할 분
담
역경과 극복 성과 지표
33
전문가 피드
백
서비스 컨셉 사용자 분석 기능 및 사용자 경험 서비스 시연

34. 서비스
가치
1) 유저 반응
34
베타서비스 공개 후 유저 반
응
연예인
팬
미디어 정보에
뒤쳐지기 싫
은
관련된 컨텐츠를 모아 정리해서 보여줘서 좋다
내가 좋아하는 사람의 정보를 잘 볼 수 있어서 좋다
새롭게 일어나는 수많은 사건을 정리해서 보여줘서
좋다
메멘토 서비스가 만족스러운 이유
내가 좋아하는 인물을 검색하기 위해서
잘 모르는 인물을 알아보기 위해서
최근에 일어났던 중요한 사건들에 대해 알아보기
위해서
메멘토 서비스 사용 이유

35. 2) 전문가 피드백
• 소셜 마케팅 분석전문 스타트업
CEO
• 미디어 분석 전문가
• 전문 서비스 기획자
• 빅데이터 전문가
• 기계학습 전문 멘토
기술을 바탕으로 유명인에 관한 정보를
정리해서 제공한다는 점
”새로운 시도”
기업이나 정치인/공인들이 매우 좋아할 것
- 김태완, Oracle
- 신석원, 루디엔 대표
35
초청한 전문가 전문가 평가
서비스
가치

36. 3) 사업화 가능성
36
서비스
가치
현재 메멘토 서비
스
기술 연구, 사용자 피드백 확보시범 운영
스타 중심의 마케
팅
• 특정 스타 중심의 마케팅이 중요한 서비스 회사와 협력
• 정치인 및 공인 대상으로도 활용 가능
• 메뉴 혹은 위젯 형태로 팬들이 모여 있는 다양한 곳에 적용 가능
인물에서 제품으로 확장
• 제품이나 영화, 드라마 등의 미디어로도 확장 가능
• 제품의 정보를 제공하는 사이트(ex 쇼핑몰)에 위젯 제공 가능

37. 팀내 역할 분담
팀 메멘
토
스토리
역경과 극복 성과 지표
37
서비스
소개
기술
소개
기술 흐름도 기술 파트 및 목표 기술 구현 기술 성과 운영관리 도구
서비스 컨셉 사용자 분석 기능 및 사용자 경험 서비스 시연
서비스
가치
유저 반
응
사업화 가능
성
전문가 피드
백

38. 팀 메멘
토
스토리
1) 팀내 역할 분담
수집 분석데이터
가공·관
리
생성 및
배포
기술 기술기술기술
UX/UI
UX/UI 관리
대시보
드
배지운 멘티백동환 멘티이영수 멘티
38
기존 자신의 전문 분야 역량 강화 + 공동 작업을 통한 기술 스펙트럼
확장

39. 팀 메멘
토
스토리
1) 팀내 역할 분담
39
기획/설계 과정은 공동으로 체계적 절차와 함께
진행

40. 2) 역경과 극복
40
팀 메멘
토
스토리
1차
기획심의
2차
기획심의
불통
과
원인 파
악 3차
기획심의
통과
기획 심의
서비스에 대한 불확실
성
1 기술적으로 가능한
가?
2 사용자가 정말 좋아할까?
타겟 사용자 설문조사
기술 검증 (최소기능제품) 우선 개발
+ 데이터 분석 전문가, 빅데이터·머신러닝 전문 멘토 초청
MVP 기술 가능성 검증
체계적 기획 과정 + 사용자 피드백 + 전문 기획자 자문
사용자 분석
페르소나
사용자 경험 설계
기능 및 스토리보드 구성…
고객 중심의 재 기획
(Pain/Gain Point 도출 등)
전문가 초청
관점의 변화 (우리 → 고객)
심사 피드백 반영 및 개선
개선
긍정적 피드백

41. 3) 성과 지표
총 멘토링 횟수
40+ 총 멘토링 시간
170+ 커밋 수
550+ 코드 라인 수
60k
수집한 데이터 수
80GB
기계가 스스로
학습한 시간
500h
읽은 논문 수
20+ 초빙한 외부
멘토 / 전문가
6명
41
팀 메멘
토
스토리

42. 감사합니다
메멘토
그 사람에 대한 모든 정보
42

43. 43
43
2월 3월 4월 5월 6월
UX
UI
수집
분석
생성
관리
1차 개발기간 2차 개발기간
보완 단
계
분석엔진 기본모델 개발
모바일 웹 최소기능제
품 개발
뉴스기사, 댓글 및 위키 수집
가공 모듈 개발
통합 시스템 설계 및 개발
수집 매지니먼트
프레임워크 개발이미지 및 SNS 수집
클러스터링 및 핵심
정보 추출 보완
부가 정보 분석
2차 컨텐츠 개발
사용자 상호작용 기능 개
발
사용자 상호작용 모듈
수집기 및 분석기 통
신
데이터 및
데이터베이스설계
검수 페이지 개발
사용자 요구 분석 및
차별화 포인트 도출
1차 컨텐츠 기능 확정
및
2차 컨텐츠 고안
MVP 페이지 UI 작업
테스트서버
배포 자동
화
클라우드
서비스 연계배포
범용 정적 웹 생
성
라이브러리 개발
컨텐츠 보완 및 점검
MVP 점검 및
기능 추가 고안
디자이너 협업하여
추가 화면 UI 작업 및 개선
정상 추
진
약간 지
체
매우 지
체
개발 취
소
정확도 향상
APPENDIX: 개발 일정

44. 44
APPENDIX: 사용자 분석

45. 45
APPENDIX: 기능 도출 과정

46. 46
네이버 통합검색 인물사전 뉴스 나무위키 메멘토
정보의 실시간성 △ X O △ △
정보의 신뢰성 O O O X △
체계적인 구성 X O X △ O
트렌드 분석 O X X X O
인물의 스토리 △ △ X O O
연관정보 추천 △ X △ △ O
대중 감정, 분위기 △ X O △ O
APPENDIX: 유사 서비스

47. 47
APPENDIX: 저작권 이슈
1. 뉴스 컨텐츠를 바탕으로 만들어낸 2차 컨텐
츠는
저작권이 인정되지 않음
2. 한국언론진흥재단과 계약 가능

48. 48
APPENDIX: 분석 프로세스
• 날짜와 인물로 나누어 분류
• 비슷한 사건들을 분류
• 노이즈 제거
분류
분석
• 분류된 사건을 재조합
• 사건에서 관련 인물 추출
• 동명이인 확인
• 사건의 핵심키워드 추출
클러스터
미리 정의된 인물 사전
• 분석이 필요한 인물 분리
• 인물에 대한 고유 키워드 수집
• 연관된 인물 파악
• 수집된 기사로 인물 키워드 개선
• 수집된 기사로 연관 인물 추가
개선
수집기
• 주기적으로 기사와 연관된 인물을 수집
• 인물에 대한 고유 키워드 수집