회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2017년 설립 회사입니다. 컴퓨터 시스템 통합 자문, 구축 및 관리업을 합니다. 2025년 매출은 117억입니다. 2026년 8월 기준 국민연금 가입자는 210명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-05-07 · 최근 등록 2026-03-23 · 최신 출원순
본 발명은 마스킹 기반 자연어 생성 장치 및 그 장치의 구동방법에 관한 것으로서, 본 발명의 실시예에 따른 마스킹 기반 자연어 생성 장치는, 초거대 언어모델(LLM)이나 비전-언어 모델(VLM)을 활용하려는 사용자의 사용자 단말장치에서 입력하는 입력 데이터를 수신하는 통신 인터페이스부, 및 수신한 입력 데이터를 초거대 언어모델이나 비전-언어 모델에 입력하여 입력 데이터에 대한 응답 데이터를 출력할 때, 입력 데이터의 언어를 근거로 지정되는 언어 사용 범위의 설정 데이터를 근거로 응답 데이터를 생성해 출력하도록 제어하는 제어부를 포함할 수 있다.
검색 서비스를 제공하는 방법에 있어서, 적어도 하나의 외부 전자 장치로부터 데이터를 획득하는 동작, LLM을 통해 상기 획득된 데이터에서 적어도 하나의 엔티티를 추출하는 동작, 상기 추출된 엔티티를 이용하여 NER 모델을 학습 및 추론하는 동작, 및 상기 NER 모델의 추론 결과를 이용하여 STS 모델 추론을 통해 검색 아이템을 식별하는 동작을 포함하는 방법이 개시된다. 이 외에도 본 문서를 통해 파악되는 다양한 실시예들이 가능하다.
본 발명은 멀티턴 챗봇 데이터 생성을 위한 장치 및 그 장치의 구동방법에 관한 것으로서, 본 발명의 실시예에 따른 멀티턴 챗봇 데이터 생성을 위한 장치는, 질문과 답변이 연달아 이어지는 멀티턴 대화의 생성을 위해 제1 인공지능 모델과 제2 인공지능 모델에 각각 역할과 상황을 부여하는 인터페이스부, 및 제1 인공지능 모델에 부여된 역할과 상황에 따라 쿼리를 생성하고, 제2 인공지능 모델에 부여된 역할과 상황에 따라 기생성한 쿼리에 응답하는 방식으로 멀티턴 대화의 멀티턴 대화 데이터를 생성하는 제어부를 포함할 수 있다.
본 발명은 거대언어모델을 활용하여 의미기반 아이템 검색을 위한 장치 및 그 장치의 구동방법에 관한 것으로서, 본 발명의 실시예에 따른 의미기반 아이템 검색을 위한 장치는, 의미기반 아이템 검색 모델에 사용할 학습 데이터를 생성하기 위해 사용자 질문과 관련한 키워드를 입력받는 인터페이스부, 및 입력받은 키워드를 이용하여 사용자 예상 검색 자연어 시드 데이터를 생성하고, 생성한 사용자 예상 검색 자연어 시드 데이터를 기저장된 아이템 정보 데이터와 유사도 비교를 통해 평가하여 평가 결과를 근거로 의미기반 아이템 검색 모델에 사용할 학습 데이터를 생성하는 제어부를 포함할 수 있다.
본 발명은 거대언어모델을 활용한 업무수행 챗봇 서비스장치 및 그 장치의 구동방법에 관한 것으로서, 본 발명의 실시예에 따른 업무수행 챗봇 서비스장치는 챗봇 서비스를 이용하는 사용자 단말장치로부터 질의 내용을 수신하는 통신 인터페이스부, 및 대화의 맥락 내에서 시나리오가 변환되는 지점에 단계별로 어떤 상황인지 나타내는 정보가 담긴 학습 데이터를 학습한 후 학습 결과를 근거로 기수신한 질의 내용에서 각 단계별로 어떤 상황인지 판단하여 판단 결과를 근거로 사용자 단말장치로 질의 내용에 대한 답변을 제공하는 제어부를 포함할 수 있다.
본 발명은 PDF 문서 내부의 표 텍스트 처리장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체에 관한 것으로서, 본 발명의 실시예에 따른 PDF 문서 내부의 표 텍스트 처리장치는, PDF의 전자 문서 파일을 수신하는 통신 인터페이스부, 및 수신한 PDF의 전자 문서 파일의 페이지에 대한 레이아웃 정보를 근거로 선(LTLine)과 표(LTRect)를 인식하여 표 내의 텍스트를 추출하며, 추출한 텍스트를 초거대언어모델을 통해 평서문의 자연어로 변환하는 제어부를 포함할 수 있다.
표 기반의 문서에서 의미기반 검색 방법은 상기 표에 포함된 정보를 추출하는 단계, 상기 추출된 정보를 인공신경망에 입력하여 특성 벡터를 생성하는 단계 및 상기 특성 벡터를 이용하여 유사도 검사하는 단계를 포함할 수 있다.
본 발명은 특정 해상도에 대해 생성기 모델과 판별기 모델의 상호 학습을 통해 생성되는 모델 블록의 적어도 하나를 저해상도로부터 고해상도로 누적하여 점진적으로 성장킴으로써, 생체신호 파형에 대한 비지도 학습 기반의 노이즈 탐지 모델을 생성하는 장치 및 방법에 관한 것으로서, 기계 학습용 데이터를 준비할 때 지도 학습을 위한 라벨링에 드는 수고를 고려하여, 비지도 학습 방식을 적용하여 노이즈 탐지 모델을 생성하는 장치 및 방법을 제공하는 것을 목적으로 한다. 본 발명에 따른 생체신호 파형에 대한 비지도 학습 기반의 노이즈 탐지 모델을 생성하는 장치 및 방법에 의하면, 특정 해상도에 대한 모델 블록이 저해상도로부터 고해상도로 누적하여 점진적으로 성장될 수 있고, 그로부터 비지도 학습 기반의 노이즈 탐지 모델이 생성될 수 있으므로, 기계 학습용 데이터를 준비하는 경우 지도 학습을 위한 라벨링에 수고를 들이지 않고서도 생체신호 파형으로부터 노이즈 파형을 탐지하는 것이 가능해질 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 8건 중 8건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 86.3 | 117.4 |
| 영업비용 | 76.1 | 110.4 |
| 영업이익(손실) | 10.2 | 7.0 |
| 영업외수익 | 0.1 | 2.3 |
| 기타이익 | 0.0 | 0.0 |
| 금융수익 | 0.1 | 2.3 |
| 영업외비용 | (1.3) | (5.8) |
| 기타손실 | (0.3) | (0.1) |
| 금융원가 | (1.0) | (5.8) |
| 법인세비용차감전순이익(손실) | 9.0 | 3.5 |
| 법인세비용 | (1.1) | (7.9) |
| 당기순이익(손실) | 10.0 | 11.4 |
매출은 117.4억으로 전년 대비 36.1% 증가한 것으로 나타났다.
영업이익률은 6.0%로 전년 11.8%에서 하락했다.
당기순이익은 11.4억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-07 확인