전장 상황과 관련된 복수의 가설들 중에서 제1 가설과 제2 가설을 확인하는 단계; 상기 제1 가설에 대응하는 제1 임베딩 벡터와 상기 제2 가설에 대응하는 제2 임베딩 벡터를 확인하는 단계; 상기 제1 임베딩 벡터와 상기 제2 임베딩 벡터를 기반으로 비교 모델을 학습시키는 단계;상기 학습된 비교 모델에 기반하여 상기 전장 상황과 관련된 상기 복수의 가설들을 조합한 가설 쌍(pair) 간의 우선 순위를 결정하는 단계; 및상기 우선 순위에 기반하여 상기 전장 상황에 대응하는 가설을 추천하는 단계를 포함하는,전장 상황과 관련된 가설 추천 방법.

제1항에 있어서,상기 비교 모델은, 샴 뉴럴 네트워크(Siamese neural network)에 기반한 모델인,전장 상황과 관련된 가설 추천 방법.

제2항에 있어서,상기 비교 모델은, 상기 제1 임베딩 벡터를 입력받는 제1 신경망과 상기 제2 임베딩 벡터를 입력받는 제2 신경망을 포함하는, 전장 상황과 관련된 가설 추천 방법.

제3항에 있어서,상기 제1 신경망과 상기 제2 신경망은, 가중치를 공유하여 동시에 업데이트되는,전장 상황과 관련된 가설 추천 방법.

제3항에 있어서,상기 비교 모델은,상기 제1 신경망의 제1 출력과 상기 제2 신경망의 제2 출력에 기반하여 상기 제1 가설과 상기 제2 가설 중에서 우선 순위와 관련된 상대적인 확률을 출력하는,전장 상황과 관련된 가설 추천 방법.

제1항에 있어서,상기 제1 가설은, 상기 제1 가설 보다 하위 계층의 가설들의 조합으로 구성되고,상기 제1 임베딩 벡터는, 상기 하위 계층의 가설들에 각각 대응하는 임베딩 벡터의 평균에 기초하여 결정되는, 전장 상황과 관련된 가설 추천 방법.

제1항에 있어서,상기 제2 가설은, 상기 제2 가설 보다 하위 계층의 가설들의 조합으로 구성되고,상기 제2 임베딩 벡터는, 상기 하위 계층의 가설들에 각각 대응하는 임베딩 벡터의 평균에 기초하여 결정되는, 전장 상황과 관련된 가설 추천 방법.

제1항에 있어서,상기 가설을 추천하는 단계는,상기 전장 상황과 관련된 상기 복수의 가설들 중에서, 상기 우선 순위에 기반한 적어도 하나의 가설을 추천하는 단계를 포함하는,전장 상황과 관련된 가설 추천 방법.

비일시적 컴퓨터 판독 가능 저장 매체로서,컴퓨터 판독 가능 명령어들을 저장하도록 구성되는 매체를 포함하고,상기 컴퓨터 판독 가능 명령어들은 프로세서에 의해 실행되는 경우 상기 프로세서가:전장 상황과 관련된 복수의 가설들 중에서 제1 가설과 제2 가설을 확인하는 단계; 상기 제1 가설에 대응하는 제1 임베딩 벡터와 상기 제2 가설에 대응하는 제2 임베딩 벡터를 확인하는 단계; 상기 제1 임베딩 벡터와 상기 제2 임베딩 벡터를 기반으로 비교 모델을 학습시키는 단계;상기 학습된 비교 모델에 기반하여 상기 전장 상황과 관련된 상기 복수의 가설들을 조합한 가설 쌍(pair) 간의 우선 순위를 결정하는 단계; 및상기 우선 순위에 기반하여 상기 전장 상황에 대응하는 가설을 추천하는 단계를 포함하는 전장 상황과 관련된 가설 추천 방법을 수행하도록 하는, 비일시적 컴퓨터 판독 가능 저장 매체.

적어도 하나의 명령어(instruction)를 저장하는 메모리; 및전장 상황과 관련된 복수의 가설들 중에서 제1 가설과 제2 가설을 확인하고, 상기 제1 가설에 대응하는 제1 임베딩 벡터와 상기 제2 가설에 대응하는 제2 임베딩 벡터를 확인하고, 상기 제1 임베딩 벡터와 상기 제2 임베딩 벡터를 기반으로 비교 모델을 학습시키고, 상기 학습된 비교 모델에 기반하여 상기 전장 상황과 관련된 상기 복수의 가설들을 조합한 가설 쌍(pair) 간의 우선 순위를 결정하고, 상기 우선 순위에 기반하여 상기 전장 상황에 대응하는 가설을 추천하는 제어부(controller)를 포함하는,전자 장치.