KR20130092310A - Recommendation system for goods - Google Patents

Recommendation system for goods Download PDF

Info

Publication number
KR20130092310A
KR20130092310A KR1020120013967A KR20120013967A KR20130092310A KR 20130092310 A KR20130092310 A KR 20130092310A KR 1020120013967 A KR1020120013967 A KR 1020120013967A KR 20120013967 A KR20120013967 A KR 20120013967A KR 20130092310 A KR20130092310 A KR 20130092310A
Authority
KR
South Korea
Prior art keywords
product
importance
keyword
user
unit
Prior art date
Application number
KR1020120013967A
Other languages
Korean (ko)
Other versions
KR101379503B1 (en
Inventor
허순영
Original Assignee
(주)워터빈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)워터빈 filed Critical (주)워터빈
Priority to KR1020120013967A priority Critical patent/KR101379503B1/en
Publication of KR20130092310A publication Critical patent/KR20130092310A/en
Application granted granted Critical
Publication of KR101379503B1 publication Critical patent/KR101379503B1/en

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

PURPOSE: A product recommendation system is provided to recommend an excellent product to a user by recommending a product in consideration of the product instruction and evaluation information of users who purchase an actual product and the preference of the user who will purchase the product. CONSTITUTION: An evaluation information collector (110) collects the instruction and evaluation information for a specific product. An importance calculator (130) calculates the importance for keywords which are extracted by a keyword extractor (120). An importance personalizing unit (150) calculates the keyword importance by users for keywords which are selected and stored by a keyword selector (140). A group forming unit (160) forms users having a similar importance pattern into a group. A product recommendation unit (170) recommends a product in which a specific user within the group does not purchase among the product in which the users of the formed group purchase to the corresponding specific user. [Reference numerals] (110) Evaluation information collector; (120) Keyword extractor; (130) Importance calculator; (140) Keyword selector; (150) Importance personalizing unit; (160) Group forming unit; (170) Product recommendation unit; (180) User information collecting unit; (AA) Purchase history data per user; (BB) Keyword per product

Description

상품 추천 시스템{Recommendation system for goods}Product recommendation system {Recommendation system for goods}

본 발명은 상품 추천 기술에 관련한 것으로, 특히 온라인을 통해 사용자에게 상품을 추천하는 상품 추천 시스템에 관한 것이다.The present invention relates to a product recommendation technology, and more particularly, to a product recommendation system for recommending a product to a user through online.

국내특허등록 제10-0801662호(2008.01.30)에서 다수의 상품을 구매한 각각의 사용자에 대한 구매상품 속성과 유사집단 속성을 학습하고, 학습된 구매상품 속성과 유사집단 속성을 기반으로 사용자 선호도를 파악하여 사용자가 선호하는 상품을 추천하는 상품 추천 기술이 제안되었다.In Korea Patent Registration No. 10-0801662 (2008.01.30), learn the purchase product attributes and similar group attributes for each user who purchased a plurality of products, and based on the learned purchase product attributes and similar group attributes A product recommendation technique for recommending a user's preferred product by suggesting a product has been proposed.

이러한 종래의 상품 추천 기술은 사용자의 상품 구매 이력으로부터 사용자의 선호도를 분석해 상품을 추천하는 선호도 기반의 상품 추천 기술로, 실제 상품을 구매한 사용자들의 상품 소개 및 평가 정보는 전혀 고려하고 있지 않다.The conventional product recommendation technology is a preference based product recommendation technology that analyzes a user's preferences from a user's product purchase history, and does not consider any product introduction and evaluation information of users who actually purchased the product.

따라서, 본 발명자는 실제 상품을 구매한 사용자들의 상품 소개 및 평가 정보와, 상품을 구매할 사용자의 선호도를 동시에 고려하여 상품을 추천함으로써 보다 우수한 상품을 사용자에게 추천할 수 있는 상품 추천 기술에 대한 연구를 하게 되었다.Therefore, the present inventors have studied a product recommendation technology that can recommend products to users by recommending products in consideration of product introduction and evaluation information of users who have actually purchased the products and preferences of users to purchase the products at the same time. Was done.

국내특허등록 제10-0801662호(2008.01.30)Domestic Patent Registration No. 10-0801662 (2008.01.30)

본 발명은 상기한 취지하에 발명된 것으로, 실제 상품을 구매한 사용자들의 상품 소개 및 평가정보와, 상품을 구매할 사용자의 선호도를 동시에 고려하여 상품을 추천할 수 있는 상품 추천 시스템을 제공함을 그 목적으로 한다.The present invention has been invented under the above-described object, and an object of the present invention is to provide a product recommendation system capable of recommending a product in consideration of product introduction and evaluation information of users who have actually purchased the product and the preference of the user to purchase the product at the same time. do.

상기한 목적을 달성하기 위한 본 발명의 일 양상에 따르면, 상품 추천 시스템이 특정 상품에 대한 소개 및 평가 정보를 수집 및 분석해 해당 상품의 특징을 식별할 수 있는 키워드들을 추출하고, 추출된 키워드들에 대한 중요도를 계산해 이들 중 중요도가 높은 키워드들을 일부 선택하여 저장하고, 각 사용자의 상품구매이력을 기반으로 선택된 키워드들에 대한 사용자별 키워드 중요도를 계산하고, 사용자별 키워드 중요도 패턴을 비교해 키워드 중요도 패턴이 유사한 사용자들을 검출하여 그룹을 형성하고, 그룹내의 사용자들이 구매한 상품 중 해당 그룹내의 특정 사용자가 구매하지 않은 상품을 해당 특정 사용자에게 추천하는 것을 특징으로 한다.According to an aspect of the present invention for achieving the above object, the product recommendation system collects and analyzes the introduction and evaluation information for a particular product to extract the keywords that can identify the characteristics of the product, to the extracted keywords And then select some of the most important keywords and save them, calculate keyword importance for each of the selected keywords based on the product purchase history of each user, and compare keyword importance patterns with each other. Forming a group by detecting similar users, and recommends to the particular user a product that is not purchased by a particular user in the group among the products purchased by the users in the group.

본 발명은 실제 상품을 구매한 사용자들의 상품 소개 및 평가정보와, 상품을 구매할 사용자의 선호도를 동시에 고려하여 상품을 추천함으로써 보다 우수한 상품을 사용자에게 추천할 수 있는 유용한 효과를 가진다.The present invention has a useful effect that can recommend a better product to the user by recommending the product in consideration of the product introduction and evaluation information of the users who actually purchased the product and the preference of the user to purchase the product at the same time.

도 1 은 본 발명에 따른 상품 추천 시스템의 일 실시예의 구성을 도시한 블럭도이다.
도 2 는 특정 사용자의 상품구매이력-키워드 테이블의 일 예를 도시한 도면이다.
도 3 은 본 발명에 따른 상품 추천 시스템의 상품 추천 절차의 일 예를 도시한 흐름도이다.1 is a block diagram showing the configuration of an embodiment of a product recommendation system according to the present invention.
2 is a diagram illustrating an example of a product purchase history-keyword table of a specific user.
3 is a flowchart illustrating an example of a product recommendation procedure of the product recommendation system according to the present invention.

이하, 첨부된 도면을 참조하여 기술되는 바람직한 실시예를 통하여 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 기술하기로 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to embodiments of the present invention, examples of which are illustrated in the accompanying drawings, wherein like reference numerals refer to the like elements throughout.

본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명 실시예들의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.

본 발명 명세서 전반에 걸쳐 사용되는 용어들은 본 발명 실시예에서의 기능을 고려하여 정의된 용어들로서, 사용자 또는 운용자의 의도, 관례 등에 따라 충분히 변형될 수 있는 사항이므로, 이 용어들의 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.The terms used throughout the specification of the present invention have been defined in consideration of the functions of the embodiments of the present invention and can be sufficiently modified according to the intentions and customs of the user or operator. It should be based on the contents of.

도 1 은 본 발명에 따른 상품 추천 시스템의 일 실시예의 구성을 도시한 블럭도이다. 도 1 에 도시한 바와 같이, 이 실시예에 따른 상품 추천 시스템(100)은 평가정보 수집부(110)와, 키워드 추출부(120)와, 중요도 계산부(130)와, 키워드 선택부(140)와, 중요도 개인화부(150)와, 그룹 형성부(160)와, 상품 추천부(170)를 포함하여 이루어진다.1 is a block diagram showing the configuration of an embodiment of a product recommendation system according to the present invention. As shown in FIG. 1, the product recommendation system 100 according to this embodiment includes an evaluation information collecting unit 110, a keyword extracting unit 120, an importance calculation unit 130, and a keyword selecting unit 140. ), The importance personalization unit 150, the group forming unit 160, and the product recommendation unit 170.

상기 평가정보 수집부(110)는 특정 상품에 대한 소개 및 평가 정보를 수집한다. 상기 상품은 서적 등과 같은 유형의 상품일 수도 있고, 앱(App)이나 동영상 컨텐츠 등의 무형의 상품일 수도 있다.The evaluation information collection unit 110 collects the introduction and evaluation information for a particular product. The product may be a type of product such as a book or the like, or may be an intangible product such as an app or video content.

이 때, 상기 평가정보 수집부(110)가 특정 웹 게시판으로부터 특정 상품에 대한 소개 및 평가 정보를 수집하도록 구현할 수 있다. 예컨대, 상기 평가정보 수집부(110)가 앱 스토어(App Store)의 사용자 리뷰 게시판에서 특정 앱에 대한 사용자 평가 텍스트를 복사하여 특정 상품에 대한 소개 및 평가 정보를 수집할 수 있다.At this time, the evaluation information collection unit 110 may be implemented to collect the introduction and evaluation information about a specific product from a specific web bulletin board. For example, the evaluation information collection unit 110 may copy the user evaluation text for a specific app from the user review bulletin board of the App Store to collect the introduction and evaluation information for the specific product.

상기 키워드 추출부(120)는 상기 평가정보 수집부(110)에 의해 수집된 특정 상품에 대한 소개 및 평가 정보를 분석해 해당 상품의 특징을 식별할 수 있는 키워드들을 추출한다. 이 때, 상기 키워드 추출부(120)가 형태소 분석을 통해 상품의 특징을 식별할 수 있는 키워드들을 추출하도록 구현할 수 있다. The keyword extracting unit 120 analyzes the introduction and evaluation information on the specific product collected by the evaluation information collecting unit 110 and extracts keywords for identifying the characteristics of the corresponding product. At this time, the keyword extraction unit 120 may be implemented to extract keywords that can identify the characteristics of the product through morphological analysis.

형태소 분석 기법은 단어(한국어의 경우 어절)를 구성하는 각각의 형태소들을 인식하고, 불규칙 활용이나 축약, 탈락 현상이 일어난 경우 원형을 복원하는 자연 언어 분석 기법이다. 형태소 분석은 이 출원 이전에 이미 다양하게 공지되어 시행되는 통상의 기술이므로, 이에 대한 구체적인 설명은 생략한다.Morphological analysis is a natural language analysis technique that recognizes each morpheme constituting a word (word in Korean) and restores the original form when irregular use, abbreviation, or dropout occurs. Morphological analysis is a conventional technique that is already known and implemented in various ways prior to this application, so a detailed description thereof is omitted.

상기 중요도 계산부(130)는 상기 키워드 추출부(120)에 의해 추출된 키워드들에 대한 중요도를 계산한다. 키워드에 대한 중요도는 상품의 특징을 식별함에 있어서 해당 키워드가 어느 정도 중요한 척도인지를 나타내기 위한 정보이다.The importance calculator 130 calculates the importance of the keywords extracted by the keyword extractor 120. The importance of a keyword is information for indicating how important the keyword is in identifying the characteristics of the product.

이 때, 상기 중요도 계산부(130)가 키워드들의 추출 빈도수에 따라 키워드들에 대한 중요도를 계산하도록 구현할 수 있다. 즉, 상품에 대한 평가 정보로부터 추출되는 빈도수가 더 높은 키워드일수록 중요도가 더 높다고 판단할 수 있다.At this time, the importance calculator 130 may be implemented to calculate the importance for the keywords according to the frequency of extraction of the keywords. That is, it may be determined that a keyword having a higher frequency extracted from the evaluation information on the product has a higher importance.

한편, 상기 중요도 계산부(130)가 TF-IDF(Term-Frequency Inverse-Document-Frequency) 기법을 이용해 빈도수가 높은 키워드들 중 흔하게 사용되는 키워드와 중요한 키워드를 분리하도록 구현할 수 있다.Meanwhile, the importance calculating unit 130 may be implemented to separate an important keyword from a commonly used keyword using a term-frequency inverse-document-frequency (TF-IDF) technique.

TF-IDF(Term-Frequency Inverse-Document-Frequency)는 정보 검색과 텍스트 마이닝에서 이용하는 가중치로, 여러 문서로 이루어진 문서군이 있을 때 어떤 단어가 특정 문서 내에서 얼마나 중요한 것인지를 나타내는 통계적 수치이다. 문서의 핵심어를 추출하거나, 검색 엔진에서 검색 결과의 순위를 결정하거나, 문서들 사이의 비슷한 정도를 구하는 등의 용도로 사용할 수 있다.TF-IDF (Term-Frequency Inverse-Document-Frequency) is a weight used in information retrieval and text mining. It is a statistical value that indicates how important a word is in a particular document when there are a group of documents. It can be used to extract key words of a document, to rank search results in a search engine, or to obtain a degree of similarity between documents.

TF(Term Frequency)는 특정한 단어가 문서 내에 얼마나 자주 등장하는지를 나타내는 단어 빈도수 값으로, 이 값이 높을수록 문서에서 중요하다고 생각할 수 있다. TF (Term Frequency) is a word frequency value that indicates how often a particular word appears in a document. The higher this value, the more important it can be considered in the document.

그러나, 단어 자체가 문서군 내에서 자주 사용되는 경우, 이것은 그 단어가 흔하게 등장한다는 것을 의미하며, 이것을 DF(Document Frequency) 즉, 문서 빈도수라고 하며, 이 값의 역수를 IDF(inverse document frequence)라고 한다. TF-IDF는 TF와 IDF를 곱한 값이다.However, if the word itself is often used within a family of documents, this means that the word is common, which is called the document frequency (DF), or inverse document frequence (IDF). do. TF-IDF is the product of TF and IDF.

IDF 값은 문서군의 성격에 따라 결정된다. 예를 들어 '원자'라는 낱말은 일반적인 문서들 사이에서는 잘 나오지 않기 때문에 IDF 값이 높아지고 문서의 핵심어가 될 수 있지만, 원자에 대한 문서를 모아놓은 문서군의 경우 이 낱말은 상투어가 되어 각 문서들을 세분화하여 구분할 수 있는 다른 낱말들이 높은 가중치를 얻게 된다.The IDF value depends on the nature of the document family. For example, the word “atoms” can be a key word in documents because of the high IDF value because they do not appear well among ordinary documents. Other words that can be broken down into segments get high weights.

따라서, TF-IDF(Term-Frequency Inverse-Document-Frequency) 기법을 이용해 빈도수가 높은 키워드들 중 흔하게 사용되는 키워드를 판단하여 제거하고, 실제로 중요한 키워드만 추출하는 것이 바람직하다. TF-IDF(Term-Frequency Inverse-Document-Frequency) 기법은 이 출원 이전에 이미 다양하게 공지되어 시행되는 통상의 기술이므로, 이에 대한 구체적인 설명은 생략한다.Therefore, it is desirable to determine and remove the commonly used keywords among the high frequency keywords using the term-frequency inverse-document-frequency (TF-IDF) technique, and extract only the important keywords. TF-IDF (Term-Frequency Inverse-Document-Frequency) technique is a conventional technique that is already known and implemented variously before this application, a detailed description thereof will be omitted.

상기 키워드 선택부(140)는 상기 중요도 계산부(130)에 의해 중요도가 계산된 키워드들 중 중요도가 높은 키워드들을 일부 선택하여 저장한다. 이 때, 상기 키워드 선택부(140)가 중요도가 높은 순으로 특정 개수의 키워드들을 선택하도록 구현할 수도 있고, 중요도가 임계치보다 높은 임의 개수의 키워드들을 선택하도록 구현할 수도 있다.The keyword selecting unit 140 selects and stores some keywords having high importance from among the keywords whose importance is calculated by the importance calculating unit 130. In this case, the keyword selector 140 may be configured to select a specific number of keywords in order of importance, or may select to select any number of keywords whose importance is higher than a threshold.

상기 중요도 개인화부(150)는 각 사용자의 상품구매이력을 기반으로 상기 키워드 선택부(140)에 의해 선택되어 저장된 키워드들에 대한 사용자별 키워드 중요도를 계산한다.The importance personalization unit 150 calculates keyword importance for each user for the keywords selected and stored by the keyword selection unit 140 based on the product purchase history of each user.

이 때, 상기 중요도 개인화부(150)가 각 사용자의 특정 기간 동안 구매한 상품들에 대한 키워드들의 빈도수를 계산해 각 사용자별 키워드 중요도를 판단하도록 구현할 수 있다.At this time, the importance personalization unit 150 may be implemented to determine the keyword importance for each user by calculating the frequency of the keywords for the products purchased for a specific period of each user.

도 2 는 특정 사용자의 상품구매이력-키워드 테이블의 일 예로, 도 2 에 도시한 바와같이 사용자의 상품구매이력으로부터 사용자가 특정 기간 동안 구매한 상품이 '상품1', 상품2', '상품3'이라 검출되고, 상기 키워드 선택부(140)에 의해 '상품1'의 경우 키워드로 '키워드A', '키워드B', '키워드C'가, '상품2'의 경우 키워드로 '키워드A', '키워드C', '키워드D'가, '상품3'의 경우 키워드로 '키워드A', '키워드B', '키워드E'가 선택되어 저장되었다고 가정하자.FIG. 2 is an example of a product purchase history-keyword table of a specific user. As illustrated in FIG. 'Keyword', 'keyword A', 'keyword B', 'keyword C' as the keyword in the case of 'product 1', and 'keyword A' as the keyword in the case of 'product 2' Suppose that 'Keyword C', 'Keyword D' is selected, and 'Keyword A', 'Keyword B', and 'Keyword E' are selected and stored as keywords for 'Product 3'.

그러면, 중요도 개인화부(150)는 '키워드A'의 빈도수는 3, '키워드B'의 빈도수는 2, '키워드C'의 빈도수는 2, '키워드D'의 빈도수는 1, '키워드E'의 빈도수는 1로 계산하고, 빈도수가 제일 높은 '키워드A'가 가장 중요도가 높다고 판단하고, 그 다음 빈도수가 높은 '키워드B' 및 '키워드C'를 그 다음 중요도가 높다고 판단하고, 빈도수가 제일 낮은 '키워드D' 및 '키워드E'를 제일 중요도가 낮다고 판단할 수 있다.Then, the importance personalization unit 150 has a frequency of 'keyword A' is 3, a frequency of 'keyword B' is 2, a frequency of 'keyword C' is 2, a frequency of 'keyword D' is 1, and a keyword of 'keyword E'. The frequency is calculated as 1, and the highest frequency, 'Keyword A' is considered to be the most important, and the next highest frequency, 'Keyword B' and 'Keyword C,' 'Keyword D' and 'Keyword E' may be judged to be the least important.

상기 그룹 형성부(160)는 상기 중요도 개인화부(150)에 의해 계산된 사용자별 키워드 중요도 패턴을 비교해 키워드 중요도 패턴이 유사한 사용자들을 검출하여 그룹을 형성한다.The group forming unit 160 compares the keyword importance patterns for each user calculated by the importance personalization unit 150 and detects users having similar keyword importance patterns to form a group.

이 때, 상기 그룹 형성부(160)가 코사인 유사도 측정(Cosine similarity measure) 기법을 이용해 키워드 중요도 패턴이 유사한 사용자들을 검출하도록 구현할 수 있다.In this case, the group forming unit 160 may be implemented to detect users having similar keyword importance patterns by using a cosine similarity measure technique.

상기 중요도 개인화부(150)에 의해 중요도가 계산된 사용자별 키워드들은 N차원의 벡터 공간(Vector Space)상의 한 점으로 생각할 수 있다. N차원의 벡터(Vector Space)에서 코사인(Cosine)의 각(Angle)이 작을수록 유사도가 높다고 가정할 수 있으므로, 내적 코사인(Inner Cosine)을 이용하여 각 사용자들의 키워드 중요도 패턴의 유사도를 비교할 수 있다. 코사인 유사도 측정(Cosine similarity measure) 기법은 이 출원 이전에 이미 다양하게 공지되어 시행되는 통상의 기술이므로, 이에 대한 구체적인 설명은 생략한다.The user-specific keywords whose importance is calculated by the importance personalization unit 150 may be considered as a point on an N-dimensional vector space. Since the smaller the angle of the cosine in the vector space of the N-dimensional vector (Vector Space), it can be assumed that the similarity is higher, the similarity of the keyword importance pattern of each user can be compared using the inner cosine (Inner Cosine). . Since the cosine similarity measure technique is a conventional technique that is known and implemented in various ways before this application, a detailed description thereof will be omitted.

상기 상품 추천부(170)는 상기 그룹 형성부(160)에 형성된 그룹내의 사용자들이 구매한 상품 중 해당 그룹내의 특정 사용자가 구매하지 않은 상품을 해당 특정 사용자에게 추천한다.The product recommendation unit 170 recommends to the specific user a product which is not purchased by a specific user in the group among the products purchased by the users in the group formed in the group forming unit 160.

이 때, 상기 상품 추천부(170)가 동일한 그룹내의 각 사용자들이 특정 기간 동안 구매한 상품구매이력을 기반으로 상품들을 추출하고, 추출된 상품별 미구매 사용자들을 검출하여, 검출된 상품별 미구매 사용자들에게 미구매 상품을 추천하도록 구현할 수 있다.At this time, the product recommendation unit 170 extracts products based on the product purchase history purchased by each user in the same group for a specific period of time, and detects the unpurchased users for each extracted product, thereby detecting the unpurchased users for each product. It can be implemented to recommend non-purchased goods to.

예컨대, 상기 상품 추천부(170)가 상품별 미구매 사용자들에게 e-메일, 메신저, 단문 메시지, 멀티미디어 메시지 등을 통해 미구매 상품 추천 정보를 제공할 수 있다.For example, the product recommendation unit 170 may provide unpurchased product recommendation information to e-mails, messengers, short messages, multimedia messages, and the like, to non-purchased users for each product.

따라서, 이와 같이 구현함에 의해 본 발명은 실제 상품을 구매한 사용자들의 상품 소개 및 평가 정보와, 상품을 구매할 사용자의 선호도를 동시에 고려하여 상품을 추천함으로써 보다 우수한 상품을 사용자에게 추천할 수 있게 된다.Therefore, by implementing in this manner, the present invention can recommend products to users by recommending products in consideration of product introduction and evaluation information of users who actually purchased products and preferences of users who purchase products.

한편, 본 발명의 부가적인 양상에 따르면, 상기 상품 추천 시스템(100)이 사용자 정보 수집부(180)를 더 포함할 수 있다. 상기 사용자 정보 수집부(180)는 각 사용자의 상품구매이력을 수집한다. 예컨대, 상기 사용자 정보 수집부(180)가 앱 스토어(App Store)로부터 각 사용자가 구매한 앱(App) 구매이력을 수집하도록 구현할 수 있다.Meanwhile, according to an additional aspect of the present invention, the product recommendation system 100 may further include a user information collecting unit 180. The user information collecting unit 180 collects a product purchase history of each user. For example, the user information collecting unit 180 may be configured to collect an app purchase history purchased by each user from an app store.

상기 사용자 정보 수집부(180)에 의해 수집된 각 사용자의 상품구매이력은 상기 중요도 개인화부(150)에 의해 각 사용자의 상품구매이력을 기반으로 상기 키워드 선택부(140)에 의해 선택된 키워드들에 대한 사용자별 키워드 중요도를 계산할 때 이용된다.The product purchase history of each user collected by the user information collection unit 180 is based on the keywords selected by the keyword selection unit 140 based on the product purchase history of each user by the importance personalization unit 150. It is used to calculate keyword importance for each user.

도 3 을 참조하여 이상에서 설명한 바와 같은 본 발명에 따른 상품 추천 시스템의 상품 추천 동작의 일 예를 알아본다. 도 3 은 본 발명에 따른 상품 추천 시스템의 상품 추천 절차의 일 예를 도시한 흐름도이다.An example of a product recommendation operation of the product recommendation system according to the present invention as described above with reference to FIG. 3 will be described. 3 is a flowchart illustrating an example of a product recommendation procedure of the product recommendation system according to the present invention.

먼저, 상품 추천 시스템이 단계 310에서 특정 상품에 대한 소개 및 평가 정보를 수집한다. 상품에 대한 소개 및 평가 정보 수집과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.First, the product recommendation system collects introduction and evaluation information about a specific product in step 310. Since the introduction of the product and the collection of evaluation information have been described above, duplicate descriptions are omitted.

상기 단계 310에 의해 특정 상품에 대한 소개 및 평가 정보가 수집되면, 상품 추천 시스템이 단계 320에서 수집된 특정 상품에 대한 소개 및 평가 정보를 분석해 해당 상품의 특징을 식별할 수 있는 키워드들을 추출한다. 상품의 특징을 식별할 수 있는 키워드 추출과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.When the introduction and evaluation information on the specific product is collected by the step 310, the product recommendation system analyzes the introduction and evaluation information on the specific product collected in step 320 and extracts keywords for identifying the characteristics of the corresponding product. Since the keyword extraction for identifying the feature of the product has been described above, duplicate description thereof will be omitted.

상기 단계 320에 의해 상품의 특징을 식별할 수 있는 키워드들이 추출되면, 상품 추천 시스템이 단계 330에서 추출된 키워드들에 대한 중요도를 계산한다. 추출된 키워드들에 대한 중요도 계산과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.When keywords capable of identifying a feature of a product are extracted in step 320, the product recommendation system calculates importance of the extracted keywords in step 330. Since the importance calculation for the extracted keywords has been described above, duplicate description will be omitted.

상기 단계 330에 의해 키워드들의 중요도가 계산되면, 상품 추천 시스템이 단계 340에서 중요도가 계산된 키워드들 중 중요도가 높은 키워드들을 일부 선택하여 저장한다. 중요도가 계산된 키워드들 중 중요도가 높은 키워드들을 일부 선택하여 저장하는 것과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.When the importance of the keywords is calculated in step 330, the product recommendation system selects and stores some of the keywords having high importance among the keywords whose importance is calculated in step 340. Since some of the keywords whose importance is calculated are selected and stored, the duplicate description will be omitted.

상기 단계 340에 의해 중요도가 계산된 키워드들 중 중요도가 높은 키워드들이 일부 선택되어 저장되면, 상품 추천 시스템이 단계 350에서 각 사용자의 상품구매이력을 수집한다. 각 사용자의 상품구매이력 수집과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.If some of the keywords of high importance are selected and stored in the keywords calculated in step 340, the product recommendation system collects the product purchase history of each user in step 350. Since the collection of product purchase history of each user has been described above, duplicate descriptions are omitted.

상기 단계 350에 의해 각 사용자의 상품구매이력이 수집되면, 상품 추천 시스템이 단계 360에서 각 사용자의 상품구매이력을 기반으로 상기 단계 340에 의해 선택되어 저장된 키워드들에 대한 사용자별 키워드 중요도를 계산한다. 키워드들에 대한 사용자별 키워드 중요도 계산과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.When the product purchase history of each user is collected in step 350, the product recommendation system calculates keyword importance for each user for the keywords selected and stored in step 340 based on the product purchase history of each user in step 360. . Since the keyword importance calculation for each user with respect to the keywords has been described above, duplicate description thereof will be omitted.

상기 단계 360에 의해 키워드들에 대한 사용자별 키워드 중요도가 계산되면, 상품 추천 시스템이 단계 370에서 계산된 사용자별 키워드 중요도 패턴을 비교해 키워드 중요도 패턴이 유사한 사용자들을 검출하여 그룹을 형성한다. 키워드 중요도 패턴이 유사한 사용자들을 검출하여 그룹을 형성하는 것과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.When the keyword importance of each user for the keywords is calculated in step 360, the product recommendation system compares the keyword importance pattern of each user calculated in step 370 to detect and form a group of users having similar keyword importance patterns. Since the keyword importance pattern has been described above with respect to detecting users who have similar keyword importance patterns, duplicate description will be omitted.

상기 단계 370에 의해 키워드 중요도 패턴이 유사한 사용자들의 그룹이 형성되면, 상품 추천 시스템이 단계 380에서 형성된 그룹내의 사용자들이 구매한 상품 중 해당 그룹내의 특정 사용자가 구매하지 않은 상품을 해당 특정 사용자에게 추천한다. 그룹내의 특정 사용자가 구매하지 않은 상품을 해당 특정 사용자에게 추천하는 것과 관련해서는 기 설명하였으므로, 중복 설명은 생략한다.If a group of users having similar keyword importance patterns is formed in step 370, the product recommendation system recommends, to the specific user, products not purchased by a specific user in the group among products purchased by the users in the group formed in step 380. . Since a description of recommending a product which is not purchased by a specific user in the group to the specific user has been described above, duplicate description thereof will be omitted.

따라서, 본 발명은 실제 상품을 구매한 사용자들의 상품 소개 및 평가 정보와, 상품을 구매할 사용자의 선호도를 동시에 고려하여 상품을 추천함으로써 보다 우수한 상품을 사용자에게 추천할 수 있으므로, 상기에서 제시한 본 발명의 목적을 달성할 수 있다.Therefore, the present invention can recommend a better product to the user by recommending the product in consideration of the product introduction and evaluation information of the users who actually purchased the product and the preference of the user to purchase the product, the present invention presented above Can achieve the purpose.

본 발명은 첨부된 도면에 의해 참조되는 바람직한 실시예를 중심으로 기술되었지만, 이러한 기재로부터 후술하는 특허청구범위에 의해 포괄되는 범위내에서 본 발명의 범주를 벗어남이 없이 다양한 변형이 가능하다는 것은 명백하다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it will be understood by those of ordinary skill in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. .

본 발명은 상품 추천 기술분야 및 이의 응용 기술분야에서 산업상으로 이용 가능하다.The present invention can be used industrially in the field of product recommendation and its application.

100 : 상품 추천 시스템 110 : 평가정보 수집부
120 : 키워드 추출부 130 : 중요도 계산부
140 : 키워드 선택부 150 : 중요도 개인화부
160 : 그룹 형성부 170 : 상품 추천부
180 : 사용자 정보 수집부100: product recommendation system 110: evaluation information collection unit
120: keyword extraction unit 130: importance calculation unit
140: keyword selection unit 150: importance personalization unit
160: group forming unit 170: product recommendation unit
180: user information collection unit

Claims (12)

특정 상품에 대한 소개 및 평가 정보를 수집하는 평가정보 수집부와;
상기 평가정보 수집부에 의해 수집된 특정 상품에 대한 소개 및 평가 정보를 분석해 해당 상품의 특징을 식별할 수 있는 키워드들을 추출하는 키워드 추출부와;
상기 키워드 추출부에 의해 추출된 키워드들에 대한 중요도를 계산하는 중요도 계산부와;
상기 중요도 계산부에 의해 중요도가 계산된 키워드들 중 중요도가 높은 키워드들을 일부 선택하여 저장하는 키워드 선택부와;
각 사용자의 상품구매이력을 기반으로 상기 키워드 선택부에 의해 선택되어 저장된 키워드들에 대한 사용자별 키워드 중요도를 계산하는 중요도 개인화부와;
상기 중요도 개인화부에 의해 계산된 사용자별 키워드 중요도 패턴을 비교해 키워드 중요도 패턴이 유사한 사용자들을 검출하여 그룹을 형성하는 그룹 형성부와;
상기 그룹 형성부에 형성된 그룹내의 사용자들이 구매한 상품 중 해당 그룹내의 특정 사용자가 구매하지 않은 상품을 해당 특정 사용자에게 추천하는 상품 추천부를;
포함하여 이루어지는 것을 특징으로 하는 상품 추천 시스템.An evaluation information collection unit collecting introduction and evaluation information on a specific product;
A keyword extraction unit for extracting keywords capable of identifying characteristics of the corresponding product by analyzing the introduction and evaluation information on the specific product collected by the evaluation information collection unit;
An importance calculator for calculating importance of the keywords extracted by the keyword extractor;
A keyword selecting unit that selects and stores some keywords having high importance from among the keywords whose importance is calculated by the importance calculating unit;
An importance personalization unit configured to calculate keyword importance for each user for keywords selected and stored by the keyword selection unit based on a product purchase history of each user;
A group forming unit for comparing the keyword importance patterns for each user calculated by the importance personalization unit to detect users having similar keyword importance patterns and forming a group;
A product recommendation unit for recommending, to the specific user, products not purchased by the specific user in the group among the products purchased by the users in the group formed in the group forming unit;
Product recommendation system comprising a. 제 1 항에 있어서,
상기 중요도 계산부가:
키워드들의 추출 빈도수에 따라 키워드들에 대한 중요도를 계산하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The importance calculation unit:
The product recommendation system of claim 1, wherein the importance of the keywords is calculated according to the extraction frequency of the keywords. 제 2 항에 있어서,
상기 중요도 계산부가:
TF-IDF(Term-Frequency Inverse-Document-Frequency) 기법을 이용해 빈도수가 높은 키워드들 중 흔하게 사용되는 키워드와 중요한 키워드를 분리하는 것을 특징으로 하는 상품 추천 시스템.3. The method of claim 2,
The importance calculation unit:
A product recommendation system that uses TF-IDF (Term-Frequency Inverse-Document-Frequency) technique to separate commonly used keywords from important keywords. 제 1 항에 있어서,
상기 키워드 선택부가:
중요도가 높은 순으로 특정 개수의 키워드들을 선택하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The keyword selector:
A product recommendation system characterized by selecting a specific number of keywords in order of high importance. 제 1 항에 있어서,
상기 키워드 선택부가:
중요도가 임계치보다 높은 임의 개수의 키워드들을 선택하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The keyword selector:
A product recommendation system characterized by selecting any number of keywords whose importance is higher than a threshold. 제 1 항에 있어서,
상기 중요도 개인화부가:
각 사용자의 특정 기간 동안 구매한 상품들에 대한 키워드들의 빈도수를 계산해 각 사용자별 키워드 중요도를 판단하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The importance personalization section:
The product recommendation system of claim 1, wherein the keyword importance of each user is determined by calculating the frequency of keywords for products purchased for a specific period of each user. 제 1 항에 있어서,
상기 상품 추천부가:
동일한 그룹내의 각 사용자들이 특정 기간 동안 구매한 상품구매이력을 기반으로 상품들을 추출하고, 추출된 상품별 미구매 사용자들을 검출하여, 검출된 상품별 미구매 사용자들에게 미구매 상품을 추천하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The above product recommendation part:
Each user in the same group extracts the goods based on the product purchase history purchased for a specific period, detects the unpurchased users by the extracted goods, and recommends the unpurchased goods to the unpurchased users by the detected goods. Commodity recommendation system. 제 1 항에 있어서,
상기 평가정보 수집부가:
특정 웹 게시판으로부터 특정 상품에 대한 소개 및 평가 정보를 수집하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The evaluation information collection unit:
A product recommendation system comprising collecting introduction and evaluation information on a specific product from a specific web bulletin board. 제 1 항에 있어서,
상기 키워드 추출부가:
형태소 분석을 통해 상품의 특징을 식별할 수 있는 키워드들을 추출하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The keyword extraction unit:
Product recommendation system, characterized in that to extract the keywords that can identify the characteristics of the product through morphological analysis. 제 1 항에 있어서,
상기 그룹 형성부가:
코사인 유사도 측정(Cosine similarity measure) 기법을 이용해 키워드 중요도 패턴이 유사한 사용자들을 검출하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 1,
The group forming unit:
A product recommendation system for detecting users with similar keyword importance patterns using a cosine similarity measure technique. 제 1 항 내지 제 10 항 중의 어느 한 항에 있어서,
상기 상품 추천 시스템이:
각 사용자의 상품구매이력을 수집하는 사용자 정보 수집부를;
더 포함하는 것을 특징으로 하는 상품 추천 시스템.11. The method according to any one of claims 1 to 10,
The product recommendation system is:
A user information collecting unit for collecting a product purchase history of each user;
Product recommendation system characterized in that it further comprises. 제 11 항에 있어서,
상기 사용자 정보 수집부가:
앱 스토어(App Store)로부터 각 사용자가 구매한 앱(App) 구매이력을 수집하는 것을 특징으로 하는 상품 추천 시스템.The method of claim 11,
The user information collecting unit:
Product recommendation system, characterized in that to collect the purchase history (App) purchased by each user from the App Store (App Store).
KR1020120013967A 2012-02-10 2012-02-10 Recommendation system for goods KR101379503B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120013967A KR101379503B1 (en) 2012-02-10 2012-02-10 Recommendation system for goods

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120013967A KR101379503B1 (en) 2012-02-10 2012-02-10 Recommendation system for goods

Publications (2)

Publication Number Publication Date
KR20130092310A true KR20130092310A (en) 2013-08-20
KR101379503B1 KR101379503B1 (en) 2014-03-28

Family

ID=49217181

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120013967A KR101379503B1 (en) 2012-02-10 2012-02-10 Recommendation system for goods

Country Status (1)

Country Link
KR (1) KR101379503B1 (en)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150144916A (en) * 2014-06-17 2015-12-29 오은석 system and method providing a suited shopping information by customer profiling
CN106157050A (en) * 2015-04-13 2016-11-23 深圳好父母婴幼儿用品有限公司 A kind of social networks purchase system
KR20180137351A (en) * 2017-06-16 2018-12-27 네이버 주식회사 Item recommendation method and apparatus based on user behavior
KR20190021903A (en) * 2017-08-24 2019-03-06 에스케이플래닛 주식회사 Management apparatus for advertisement receiver and control method thereof, and advertisement providing apparatus
KR20200072207A (en) * 2018-12-12 2020-06-22 경기대학교 산학협력단 item recommendation method based on preference sensitivity over purchase decision factor
KR102178961B1 (en) * 2020-04-21 2020-11-13 주식회사 스타일쉐어 Artificial neural network apparatus and method for recommending fashion item using user clustering
CN112184372A (en) * 2020-09-25 2021-01-05 魔玛智能科技（上海）有限公司 Modular product Internet recommendation system and method
WO2021242073A1 (en) * 2020-05-29 2021-12-02 삼성전자주식회사 Electronic device and control method therefor
CN113822743A (en) * 2021-09-23 2021-12-21 秦桂珍 Big data insurance recommendation method and system
KR20220040903A (en) * 2020-09-24 2022-03-31 이대근 Apparatus of alcoholic liquors recommendation using purchase history
KR102404511B1 (en) * 2022-02-17 2022-06-07 주식회사 로원홀딩스 Method, device and system for recommending customized product information based on artificial intelligence
KR20230068376A (en) * 2020-11-30 2023-05-17 주식회사 뮤즈라이브 Method of recommanding products based on user activities
CN116805023A (en) * 2023-08-25 2023-09-26 量子数科科技有限公司 Takeaway recommendation method based on large language model
CN117635237A (en) * 2023-12-22 2024-03-01 广州方块网络技术有限公司 Advertisement management system based on SaaS information flow and cross-platform crowd data

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101707660B1 (en) 2015-05-07 2017-02-20 신재욱 An e-commerce system based on interest category using related keywords

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020039281A (en) * 2002-03-20 2002-05-25 조근식 Recommender system through conversation on Internet
KR20100091669A (en) * 2009-02-11 2010-08-19 인하대학교 산학협력단 Personalized recommendation system for e-commerce service
KR20100092852A (en) * 2009-02-13 2010-08-23 주식회사 시프트더블유 System for recommending goods based on preference, and method thereof
KR101129538B1 (en) * 2009-12-10 2012-03-29 동국대학교 산학협력단 Apparatus and method for product recommendation

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150144916A (en) * 2014-06-17 2015-12-29 오은석 system and method providing a suited shopping information by customer profiling
CN106157050A (en) * 2015-04-13 2016-11-23 深圳好父母婴幼儿用品有限公司 A kind of social networks purchase system
KR20180137351A (en) * 2017-06-16 2018-12-27 네이버 주식회사 Item recommendation method and apparatus based on user behavior
KR20190021903A (en) * 2017-08-24 2019-03-06 에스케이플래닛 주식회사 Management apparatus for advertisement receiver and control method thereof, and advertisement providing apparatus
KR20200072207A (en) * 2018-12-12 2020-06-22 경기대학교 산학협력단 item recommendation method based on preference sensitivity over purchase decision factor
KR102178961B1 (en) * 2020-04-21 2020-11-13 주식회사 스타일쉐어 Artificial neural network apparatus and method for recommending fashion item using user clustering
WO2021242073A1 (en) * 2020-05-29 2021-12-02 삼성전자주식회사 Electronic device and control method therefor
KR20220040903A (en) * 2020-09-24 2022-03-31 이대근 Apparatus of alcoholic liquors recommendation using purchase history
CN112184372A (en) * 2020-09-25 2021-01-05 魔玛智能科技（上海）有限公司 Modular product Internet recommendation system and method
KR20230068376A (en) * 2020-11-30 2023-05-17 주식회사 뮤즈라이브 Method of recommanding products based on user activities
CN113822743A (en) * 2021-09-23 2021-12-21 秦桂珍 Big data insurance recommendation method and system
KR102404511B1 (en) * 2022-02-17 2022-06-07 주식회사 로원홀딩스 Method, device and system for recommending customized product information based on artificial intelligence
CN116805023A (en) * 2023-08-25 2023-09-26 量子数科科技有限公司 Takeaway recommendation method based on large language model
CN116805023B (en) * 2023-08-25 2023-11-03 量子数科科技有限公司 Takeaway recommendation method based on large language model
CN117635237A (en) * 2023-12-22 2024-03-01 广州方块网络技术有限公司 Advertisement management system based on SaaS information flow and cross-platform crowd data

Also Published As

Publication number Publication date
KR101379503B1 (en) 2014-03-28

Similar Documents

Publication Publication Date Title
KR101379503B1 (en) Recommendation system for goods
US10423648B2 (en) Method, system, and computer readable medium for interest tag recommendation
KR102139029B1 (en) Generalized graph, rule, and spatial structure based recommendation engine
US10909427B2 (en) Method and device for classifying webpages
JP5387578B2 (en) Information analysis apparatus, information analysis method, and program
JP6093200B2 (en) Information search apparatus and information search program
CN102567475A (en) User interface for interactive query reformulation
US20120036144A1 (en) Information and recommendation device, method, and program
US20100318526A1 (en) Information analysis device, search system, information analysis method, and information analysis program
KR20160107187A (en) Coherent question answering in search results
CN107153656B (en) Information searching method and device
US9405825B1 (en) Automatic review excerpt extraction
KR102108683B1 (en) Method for providing recommendation contents including non-interest contents
CN104850537B (en) The method and device screened to content of text
TWI645348B (en) System and method for automatically summarizing images and comments within commodity-related web articles
CN112989824A (en) Information pushing method and device, electronic equipment and storage medium
Yerva et al. It was easy, when apples and blackberries were only fruits
CN111723293A (en) Article content recommendation method and device, electronic equipment and storage medium
KR101305535B1 (en) Recommendation system for moving picture
CN106202050B (en) Theme information acquisition method and device and electronic equipment
KR101976056B1 (en) System and method for recommendation
De Bakker et al. A hybrid model words-driven approach for web product duplicate detection
CN104462083A (en) Content comparison method and device and information processing system
KR101614843B1 (en) The method and judgement apparatus for detecting concealment of social issue
KR20170087423A (en) Method for personalized book recommendation, and system of the same

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
N231 Notification of change of applicant
GRNT Written decision to grant