KR101129538B1 - 상품 추천 장치 및 방법 - Google Patents

상품 추천 장치 및 방법 Download PDF

Info

Publication number
KR101129538B1
KR101129538B1 KR1020090122679A KR20090122679A KR101129538B1 KR 101129538 B1 KR101129538 B1 KR 101129538B1 KR 1020090122679 A KR1020090122679 A KR 1020090122679A KR 20090122679 A KR20090122679 A KR 20090122679A KR 101129538 B1 KR101129538 B1 KR 101129538B1
Authority
KR
South Korea
Prior art keywords
cluster
product
recommendation
user
content
Prior art date
Application number
KR1020090122679A
Other languages
English (en)
Other versions
KR20110065970A (ko
Inventor
이용규
Original Assignee
동국대학교 산학협력단
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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020090122679A priority Critical patent/KR101129538B1/ko
Publication of KR20110065970A publication Critical patent/KR20110065970A/ko
Application granted granted Critical
Publication of KR101129538B1 publication Critical patent/KR101129538B1/ko

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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]
    • G06Q30/0631—Item recommendations

Landscapes

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

Abstract

본 발명의 일 실시예에 따른 상품 추천 방법은 사용자의 콘텐츠 사용 이력 정보를 이용하여 사용자를 클러스터링하고, 각 클러스터에 속한 사용자들의 상품 구매 정보를 이용하여 추천할 추천 상품을 선정하여 사용자에게 추천한다. 본 발명의 실시예들은 사용자의 콘텐츠 사용 이력 정보를 이용하여 사용자에게 상품을 추천함으로써, 사용자의 성향에 맞는 상품을 추천할 수 있다.
통화 연결음, 추천.

Description

상품 추천 장치 및 방법{Apparatus and method for product recommendation}
본 발명의 실시예들은 상품 추천 및 전화 통신 서비스의 부가 서비스 기술에 관련된 것으로, 보다 자세하게는 콘텐츠의 사용 내역에 따른 클러스터링을 이용하여 상품을 추천하는 기술에 관한 것이다.
최근 특정 상품(예를 들면, 도서)에 대한 광고 서비스로, 사용자의 구매 이력을 분석하고, 이에 따라 새로운 상품을 추천하는 서비스가 제공되고 있다.
또한 전화 통화 서비스에서 통화 연결음(Ringback tone)을 사용자가 선택할 수 있게 하여, 사용자의 취향대로 통화 연결음을 발신자에게 제공하는 부가 서비스가 제공되고 있다.
이 때, 동일한 통화 연결음을 사용한 사용자는 상품에 대한 취향이 비슷한 성향을 가질 수 있다. 특히, 복수의 통화 연결음을 사용한 내역이 동일한 사용자간의 상품에 대한 전반적인 취향이 비슷할 가능성이 높다.
본 발명의 실시예들은 사용자의 콘텐츠 사용 이력에 따라 사용자를 클러스터링하고, 클러스터링된 사용자의 구매 내역을 이용하여 사용자에게 상품을 추천하고자 한다.
본 발명의 일 측면에 따르면, 사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보를 저장하는 사용 이력 저장부; 상기 사용 이력 정보에 따라 상기 사용자를 클러스터링하여 클러스터 트리를 생성하는 클러스터 트리 관리부; 상기 클러스터 트리의 각 노드에 상응하는 클러스터 구성원을 저장하는 클러스터 저장부; 및 상기 클러스터 트리의 단말 노드에 상응하는 상기 클러스터 구성원이 상품을 구매한 내역을 상품 서버로부터 수신하고, 상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 추천 상품을 선정하고, 상기 추천 상품을 추천 대상인에게 추천하는 추천부를 포함하는 상품 추천 장치가 제공된다.
본 발명의 다른 측면에 따르면, 상품 추천 장치가 상품을 추천하는 방법에 있어서,사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보에 따라 상기 사용자를 클러스터링하여 클러스터 트리를 생성하는 단계; 상기 클러스터 트리의 각 노드에 상응하는 클러스터 구성원을 저장하는 단계; 및 상기 클러스 터 트리의 단말 노드에 상응하는 상기 클러스터 구성원이 상품을 구매한 내역을 상품 서버로부터 수신하는 단계; 상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 추천 상품을 선정하는 단계; 및 상기 추천 상품을 추천 대상인에게 추천하는 단계를 포함하는 상품 추천 방법이 제공된다.
본 발명의 또 다른 측면에 따르면, 사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보를 저장하는 사용 이력 저장부; 상기 사용 이력 정보에 상응하는 상기 사용자간 공통 콘텐츠의 수를 확인하고, 상기 공통 콘텐츠의 수를 포함하는 행렬을 생성하고, 상기 행렬의 각 행에서 상기 공통 콘텐츠의 수가 지정된 제1 기준값 이상인 칸의 수에 따라 상기 사용자를 클러스터링하여 클러스터를 생성하는 공통 콘텐츠 확인부; 상기 생성된 클러스터에 상응하는 클러스터 구성원을 저장하는 클러스터 저장부; 및 상기 클러스터 구성원이 상품을 구매한 내역을 상품 서버로부터 수신하고, 상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 추천 상품을 선정하고, 상기 추천 상품을 추천 대상인에게 추천하는 추천부를 포함하는 상품 추천 장치가 제공된다.
본 발명의 또 다른 측면에 따르면, 상품 추천 장치가 상품을 추천하는 방법에 있어서, 사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보를 갱신하는 단계; 상기 사용 이력 정보에 상응하는 상기 사용자간 공통 콘텐츠의 수를 확인하는 단계; 상기 공통 콘텐츠의 수를 포함하는 행렬을 생성하는 단계; 상기 행렬의 각 행에서 상기 공통 콘텐츠의 수가 지정된 제1 기준값 이상인 칸에 따라 상기 사용자를 클러스터링하여 클러스터를 생성하는 단계; 상기 생성된 클러스터에 속한 사용자들의 상기 콘텐츠를 사용한 이력을 포함하는 클러스터 정보를 생성하는 단계; 상기 클러스터 정보를 참조하여, 추천 대상인에 상응하는 상기 클러스터에 속한 사용자가 상품을 구매한 내역을 상품 서버로부터 수신하는 단계; 상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 상품을 선정하는 단계; 및 상기 선정된 상품을 상기 추천 대상인에게 추천하는 단계를 포함하는 상품 추천 방법이 제공된다.
본 발명의 실시예들은 콘텐츠 사용 이력을 바탕으로 성향이 유사한 사용자들을 클러스터링 하고, 각 클러스터에 속한 사용자에게 해당 클러스터의 다른 사용자들이 많이 구입, 사용, 열람 또는 선택한 상품을 추천함으로써, 사용자의 성향에 적합한 상품을 추천할 수 있다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것 으로 이해되어야 한다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
또한 본 발명의 각 실시예에 따른 상품 추천 장치는 통화 연결음의 사용 이력에 따라 상품을 추천하는 것으로 설명하지만, 상품 추천 장치는 이에 한정되지 않고 통화 연결음 이외의 콘텐츠의 사용 이력을 이용하여 상품을 추천할 수 있음은 자명하다. 또한 각 실시예는 상품의 구매 횟수를 기준으로 상위의 상품을 추천하는 것으로 설명하지만, 본 발명의 실시예에 따른 상품 추천 장치는 추천할 상품이 콘텐츠 및 서비스와 같은 카테고리의 상품일 경우, 사용 횟수, 열람 횟수 또는 선택 횟수를 기준으로 상품을 추천할 수 있다.
도 1은 본 발명의 제1 실시예에 따른 상품 추천 장치를 예시한 도면이다.
도 1을 참조하면, 본 발명의 제1 실시예에 따른 상품 추천 장치(110)는 사용 이력 저장부(110), 클러스터 트리 관리부(120), 클러스터 저장부(130) 및 추천부(140)를 포함한다.
사용 이력 저장부(110)는 서비스 사용자의 콘텐츠 사용 이력을 저장한다. 예를 들어, 사용 이력 저장부(110)는 통화 연결음을 사용자에게 제공하는 콘텐츠 제 공 서버(50)와 연결되고, 사용 이력 저장부(110)는 각 사용자가 사용하는 콘텐츠에 대한 정보(이하 콘텐츠 사용 정보라 지칭)를 콘텐츠 제공 서버(50)로 요청한다. 사용 이력 저장부(110)는 콘텐츠 사용 정보를 콘텐츠 제공 서버(50)로부터 수신하여 저장한다. 이 때, 사용 이력 저장부(110)는 콘텐츠 제공 서버(50)로부터 주기적으로 콘텐츠 사용 정보를 수신하여 저장한다. 또한 사용 이력 저장부(110)는 각 사용자가 사용한 통화 연결음에 대한 사용 이력에 대한 정보(이하 사용 이력 정보라 지칭)를 구성한다. 즉, 사용 이력 저장부(110)는 콘텐츠 제공 서버(50)로부터 수신한 콘텐츠 사용 정보를 참조하여 사용 이력 정보를 생성 및 갱신한다. 본 발명의 일 실시예에 따른 사용 이력 정보는 사용자 식별 정보(예를 들어, 사용자의 전화번호)와 콘텐츠 변경 이력을 포함한다. 콘텐츠 변경 이력은 콘텐츠의 식별 정보를 콘텐츠를 사용한 역순으로 나열한 정보일 수 있다. 이는 일례이며 콘텐츠 변경 이력은 변경 순서대로 나열되어도 무방하다.
클러스터 트리 관리부(120)는 사용 이력 정보를 사용 이력 저장부(110)로부터 추출하고, 사용 이력 정보를 참조하여 각 콘텐츠 변경 이력에 상응하는 사용자의 수를 나타내는 클러스터 트리를 저장 및 갱신한다. 클러스터 트리는 노드가 콘텐츠 변경 이력에 상응하는 클러스터이고, 노드 간의 간선에 상응하는 인덱스가 통화 연결음의 식별 정보이다. 클러스터 트리에 대해서는 추후 도 3을 참조하여 상세히 설명하도록 한다.
클러스터 저장부(130)는 각 콘텐츠 변경 이력에 상응하는 클러스터에 대한 정보(이하 클러스터 정보라 지칭)를 저장한다. 클러스터 정보는 각 클러스터를 식 별 할 수 있는 클러스터 식별 정보, 각 클러스터에 포함된 사용자의 수, 각 클러스터에 포함된 사용자의 식별 정보를 포함한다.
추천부(140)는 전체 클러스터 중 클러스터 구성원의 수가 지정된 수 이하인 클러스터에 속한 사용자(이하 클러스터 구성원이라 지칭)가 구입한 상품의 구입 횟수가 지정된 상위 순위에 해당하는 상품을 선정하고, 선정된 상품을 해당 사용자에게 추천한다. 이 때, 추천부(140)는 문자 메시지, 메일 등을 통해 사용자에게 상품을 추천하거나, 웹페이지를 통해 상품 검색 중인 사용자에게 검색 중인 카테고리의 상품 중 추천할 상품을 선정하여 웹페이지를 통해 추천할 수 있다. 예를 들어, 추천부(140)는 웹페이지를 통한 사용자의 상품 검색에 따른 상품 추천 요청을 특정 쇼핑몰의 웹 서버(미도시)로부터 수신하고, 상품 추천 요청에 따라 해당 사용자의 클러스터를 클러스터 저장부(130)에서 검색하여 추출한다. 이어서 추천부(140)는 해당 사용자에 상응하는 클러스터에 속한 사용자들의 상품 구입 내역을 특정 쇼핑몰의 상품 서버(60)로 요청하고, 이를 수신한다. 이 때, 상품 서버(60)는 사용자들의 상품 구입 내역을 저장하는 데이터베이스를 구비한다. 추천부(140)는 수신한 사용자들의 상품 구입 내역을 분석하여 구입 횟수를 기준으로 각 상품을 정렬한다. 이 때, 상품 구입 내역은 각 사용자가 구입한 상품의 식별 정보를 포함한다. 추천부(140)는 해당 클러스터에 속한 사용자들이 구입한 상품 중 해당 사용자가 구입한 상품을 제외한 후, 구입 횟수가 지정된 상위 순위에 해당하는 상품(이하 추천 상품이라 지칭)을 검출한다. 추천부(140)는 검출된 상품을 해당 사용자에게 웹페이지를 통해 추천한다. 즉, 추천부(140)는 추천 상품의 식별 정보를 쇼핑몰의 웹 서버(미 도시)로 전송하여 해당 사용자가 웹페이지를 통해 추천 상품을 볼 수 있도록 할 수 있다.
상술한 추천부(140)는 상품 구입 내역을 상품 서버(60)로부터 수신하여 추천 상품을 검출하는 것으로 설명하였지만, 구현 방법에 따라 추천부(140)는 해당 클러스터 구성원의 식별 정보를 상품 서버(60)로 전송할 수 있다. 이에 따라 상품 서버(60)는 해당 클러스터 구성원의 식별 정보에 상응하는 상품 구입 내역을 참조하여 추천 상품을 검출하고, 추천 상품을 해당 사용자에게 추천할 수 있다.
[표 1]
통화 연결음 식별 정보 사용자 수 클러스터 포인터
1 3330 클러스터 B
7 250 클러스터 C
표 1은 본 발명의 제1 실시예에 따른 상품 추천 장치가 클러스터 트리를 관리하기 위한 비단말 노드의 구조를 예시한 표이다.
표 1을 참조하면, 본 발명의 제1 실시예에 따른 클러스터는 통화 연결음 식별 정보, 사용자 수, 클러스터 포인터를 포함한다.
통화 연결음 식별 정보는 각 통화 연결음을 식별할 수 있는 식별 정보이다. 사용자 수는 해당 클러스터 구성원 중 해당 통화 연결음을 사용한 사용자의 수이다. 클러스터 포인터는 해당 통화 연결음을 사용한 사용자를 포함하는 클러스터를 가리키는 포인터이다. 클러스터 트리 관리부(120)는 클러스터 포인터를 이용하여 각 클러스터 간의 관계를 정의할 수 있다. 추후 클러스터 트리에 대하여 도 2를 참조하여 상세히 설명하도록 한다.
[표 2]
사용자 아이디 리스트
01043213456
01043213820
01043213820
…
표 2는 본 발명의 일 실시예에 따른 상품 추천 장치가 클러스터 트리를 관리하기 위한 단말 노드의 구조를 예시한 표이다. 단말 노드의 클러스터 구성원은 더 이상 클러스터링 되지 않기 때문에, 단말 노드의 구조는 사용자 아이디 리스트만을 포함하는 형태를 이룬다.
도 2는 본 발명의 제1 실시예에 따른 상품 추천 장치에서 생성한 클러스터 트리를 예시한 도면이다.
도 2를 참조하면, 본 발명의 제1 실시예에 따른 클러스터 트리 관리부(120)는 사용 이력 정보를 참조하며, 특정 노드에 포함된 사용자를 통화 연결음을 기준으로 클러스터링하여 생성된 클러스터를 해당 노드의 자식 노드로 설정한다. 이 때, 클러스터 트리 관리부(120)는 특정 노드의 클러스터 구성원의 수가 지정된 수 이하인 경우, 해당 노드에 대해 클러스터링을 수행하지 않을 수 있다.
즉, 클러스터 트리의 단말 노드에 상응하는 클러스터는 지정된 수 이하의 클러스터 구성원을 포함한다.
예를 들어, 클러스터 트리 관리부(120)는 복수의 클러스터(210~250)를 노드로 포함하는 클러스터 트리를 생성한다. 클러스터 트리의 클러스터 A(210)는 사용 자가 현재 이용하는 통화 연결음에 상응하는 사용자 수를 포함한다. 즉, 클러스터 A(210)는 통화 연결음 부가 서비스를 이용하는 모든 사용자를 포함한다.
클러스터 트리 관리부(120)는 클러스터 A(210)에 상응하는 사용자를 현재 사용하고 있는 통화 연결음에 따라 클러스터를 생성하고, 각 클러스터를 클러스터 A(210)의 자식 노드로 설정한다. 즉, 클러스터 B(220)는 클러스터 A(210)와 클러스터 B(220) 간의 간선에 상응하는 인덱스인 1에 상응하는 통화 연결음을 현재 사용하고 있는 사용자들을 포함하는 클러스터이다. 클러스터 C(230)는 식별 정보가 7인 통화 연결음을 현재 사용하고 있는 클러스터이다.
클러스터 트리 관리부(120)는 클러스터 B(220)의 클러스터 구성원을 현재 사용하고 있는 통화 연결음의 이전에 사용했던 통화 연결음에 따라 클러스터링한다. 클러스터 트리 관리부(120)는 클러스터 B(220)의 클러스터 구성원을 클러스터링하여 생성된 클러스터를 클러스터 B(220)의 자식 노드로 설정한다. 즉, 클러스터 D(240)는 식별 정보가 3인 통화 연결음을 사용하다가 식별 정보가 1인 통화 연결음을 현재 사용하고 있는 사용자를 포함하는 클러스터이다. 클러스터 E(250)는 식별 정보가 7인 통화 연결음을 사용하다가 식별 정보가 1인 통화 연결음을 현재 사용하고 있는 사용자를 포함하는 클러스터이다.
클러스터 트리 관리부(120)는 클러스터 C(230)의 클러스터 구성원의 수가 지정된 수 이하임을 확인하고 클러스터링을 수행하지 않는다.
이 때, 클러스터 트리 관리부(120)는 각 클러스터에 상응하는 클러스터 정보를 생성하여 클러스터 저장부(130)에 저장한다.
추천부(140)는 전체 클러스터 중 클러스터 구성원의 수가 지정된 수 이하인 클러스터의 클러스터 구성원이 구입한 상품의 구입 횟수에 따라 추천 상품을 선정한다. 즉, 추천부(140)는 전체 클러스터 중 클러스터 구성원의 수가 지정된 수 이하인 단말 노드에 상응하는 클러스터에 대해 상품을 추천하는 과정을 수행한다. 예를 들어, 추천부(140)는 클러스터 C(230)의 클러스터 구성원이 상품을 구매한 내역을 상품 서버(60)로부터 수신한다. 추천부(140)는 클러스터 구성원이 상품을 구매한 내역에 따라 각 상품이 구매된 횟수를 산출한다. 이어서 추천부(140)는 각 상품을 구매된 횟수에 따라 정렬하고, 지정된 상위 순위에 해당하는 상품인 추천 상품을 클러스터 구성원에게 추천한다. 이 때, 추천부(140)는 클러스토 구성원의 개인 별로 추천과정을 진행하되, 전체 추천 상품 중 해당 개인이 구입한 적이 있는 추천 상품은 제외하여 해당 클러스터 구성원에게 추천한다. 추천부(140)는 상술한 추천 과정을 통해 클러스터 D(240) 및 클러스터 E(250)에 대해서도 상품을 추천한다.
도 3은 본 발명의 제2 실시예에 따른 상품 추천 장치를 예시한 도면이다.
도 3을 참조하면, 본 발명의 제2 실시예에 따른 상품 추천 장치(300)는 사용 이력 저장부(310), 공통 콘텐츠 확인부(320), 클러스터 저장부(330) 및 추천부(340)를 포함한다.
사용 이력 저장부(310) 및 클러스터 저장부(330)의 구성은 도 1을 참조하여 상술한 사용 이력 저장부(110) 및 클러스터 저장부(130)의 구성과 동일하므로 그 설명을 생략하기로 한다.
공통 콘텐츠 확인부(320)는 사용 이력 저장부(310)로부터 추출한 각 사용 이력을 참조하여, 각 사용자 간의 공통된 콘텐츠(이하 공통 콘텐츠라 지칭)의 수를 산출한다. 공통 콘텐츠 확인부(320)는 각 사용자 간의 공통 콘텐츠의 수를 포함하는 행렬(M)을 생성한다. 공통 콘텐츠 확인부(320)는 생성된 행렬의 각 행에서 제1 기준값 이상인 칸의 수가 제2 기준값 이상인 경우, 해당 행에서 제1 기준값 이상인 칸에 상응하는 사용자들을 하나의 클러스터로 설정한다.
이하 표 3를 참조하여 공통 콘텐츠의 수에 대해 상세히 설명하도록 한다.
[표 3]
M 사용자 1 사용자 2 사용자 3 사용자 4 사용자 5
사용자 1 9 0 3 4 2
사용자 2 0 7 1 0 1
사용자 3 3 1 10 2 4
사용자 4 4 0 2 12 0
사용자 5 2 1 4 0 11
표 3는 본 발명의 제2 실시예에 따른 상품 추천 장치가 공통 콘텐츠의 수를 산출하는 과정에서 이용되는 행렬(M)을 예시한 표이다. 표 3는 사용자 간의 공통 콘텐츠의 수를 행렬로 나타낸 표이다. 표 3의 행렬(M)은 사용자의 수(n)에 따라 n*n 크기의 행렬로 표시할 수 있다. 행렬의 행 j(1 <= j <= n)와 열 k(1 <= k <= n)에 해당되는 셀 M(j, k)는 사용자 j와 사용자 k의 공통 콘텐츠의 수를 표시한다. 또한 M(i, i)는 사용자 i(1 <= i <= n)의 통화 연결음 사용 횟수를 나타낸다.
이하, 제1 기준값은 3, 제2 기준값은 3인 것으로 가정하여 본 발명의 제2 실 시예에 따른 상품 추천 장치(300)의 공통 콘텐츠 확인부(320)를 설명하도록 한다.
표 3를 참조하면, 본 발명의 제2 실시예에 따른 상품 추천 장치(300)의 공통 콘텐츠 확인부(320)는 표 3과 같이 사용자 간의 공통 콘텐츠의 수를 포함하는 행렬을 생성한다.
공통 콘텐츠 확인부(320)는 표 3의 행렬에서 1행에서 3(제1 기준값) 이상인 사용자 간의 공통 콘텐츠(M(1,1), M(1,3), M(1,4)인 칸)의 수인 3를 산출한다. 공통 콘텐츠 확인부(320)는 산출된 3이 3(제2 기준값) 이상인 것을 확인한다. 공통 콘텐츠 확인부(320)는 1행에서 공통 콘텐츠의 수가 3(제1 기준값) 이상인 사용자 1, 사용자 3 및 사용자4를 하나의 클러스터로 생성한다. 이어서, 공통 콘텐츠 확인부(320)는 2행에서 3(제1 기준값) 이상인 공통 콘텐츠(좌표가 (2,2)인 칸)의 수가 1임을 확인한다. 공통 콘텐츠 확인부(320)는 2행의 제1 기준값 이상인 공통 콘텐츠의 수가 제 2 기준값 미만이기 때문에 2행의 공통 콘텐츠에 대한 클러스터링을 수행하지 않는다. 공통 콘텐츠 확인부(320)는 3행에서 3(제1 기준값) 이상인 공통 콘텐츠의 수가 3임을 확인하고, 3행에서 3(제1 기준값) 이상인 사용자 1, 사용자 3 및 사용자 5를 하나의 클러스터로 생성한다. 공통 콘텐츠 확인부(320)는 나머지 4 및 5행에 대해 상술한 과정을 통해 클러스터링을 수행한다.
공통 콘텐츠 확인부(320)는 설정된 클러스터를 조정한다. 즉, 공통 콘텐츠 확인부(320)는 하나의 클러스터가 다른 클러스터를 포함하는 경우, 포함되는 클러스터를 삭제한다. 예를 들어, 제1 클러스터가 제2 클러스터를 포함하는 경우, 공통 콘텐츠 확인부(320)는 제2 클러스터를 삭제할 수 있다.
또한 공통 콘텐츠 확인부(320)는 특정한 두 클러스터에 모두 속한 사용자인 공통 구성원의 수를 산출하고, 각각의 클러스터의 전체 구성원의 수와 산출된 공통 구성원의 수의 비율이 모두 지정된 값이상인 경우, 공통 콘텐츠 확인부(320)는 해당 클러스터들을 통합할 수 있다. 즉, 공통 구성원의 수가 제1 클러스터에서도 지정된 비율 이상이고, 제2 클러스터에서도 지정된 비율 이상인 경우, 공통 콘텐츠 확인부(320)는 해당 클러스터를 통합할 수 있다. 예를 들어, 두 개의 클러스터의 공통 구성원의 수와 각 클러스터의 클러스터 구성원의 수의 비율이 지정된 비율인 80% 이상일 경우, 공통 콘텐츠 확인부(320)는 두 개의 클러스터를 하나로 통합할 수 있다.
이 때, 공통 콘텐츠 확인부(320)는 각 사용자를 0개 이상의 설정된 클러스터에 포함시킬 수 있다. 즉 각 사용자는 어느 클러스터에도 포함되지 않을 수도 있으며, 또는 1개의 클러스터에 포함될 수도 있고, 또는 복수개의 클러스터에 포함될 수도 있다.
공통 콘텐츠 확인부(320)는 설정된 클러스터에 상응하는 클러스터 정보를 생성하여 클러스터 저장부(330)로 전송한다.
추천부(340)는 클러스터에 포함된 사용자에 대하여 각 사용자가 속한 1개 이상의 클러스터 구성원이 구입한 상품의 구입 횟수에 따라 해당 사용자에게 상품을 추천한다. 추천부(340)는 본 발명의 제1 실시예에 따른 추천부(140)과 그 구성 및 기능이 동일하므로 상세한 설명은 생략하기로 한다.
상술한 공통 콘텐츠 확인부(320)는 행렬을 이용하여 클러스터링하는 것으로 설명되었으나, 행렬 대신 하기의 표 4과 같은 상위 삼각 행렬을 이용하여 클러스터링할 수 있다. 표 4는 본 발명의 제2 실시예에 따른 상품 추천 장치가 공통 콘텐츠의 수를 산출하는 과정에서 이용되는 상위 삼각 행렬(T)을 예시한 표이다.
[표 4]
T 사용자 1 사용자 2 사용자 3 사용자 4 사용자 5
사용자 1 9 0 3 4 2
사용자 2 7 1 0 1
사용자 3 10 2 4
사용자 4 12 0
사용자 5 11
표 4의 상위 삼각 행렬(T)은 표 3의 행렬을 상위 삼각 행렬로 표시한 것이며, 각 셀의 값의 의미는 표 3의 행렬(M)의 경우와 동일하다. 이처럼 상위 삼각 행렬로 표시하는 경우 행렬에 비하여 기억 공간을 절약할 수 있다.
도 4는 본 발명의 제1 실시예에 따른 상품 추천 장치의 상품을 추천하는 과정을 예시한 순서도이다.
도 4를 참조하면, 상품 추천 장치(100)는 콘텐츠 사용 정보를 서비스 제공 장치(50)로부터 수신한다(410).
상품 추천 장치(100)는 사용 이력 정보를 갱신한다(420). 예를 들어, 상품 추천 장치(100)는 사용 이력 정보에 단계 410에서 수신한 콘텐츠 사용 정보를 추가한다.
상품 추천 장치(100)는 클러스터 트리를 갱신한다(430). 예를 들어, 상품 추 천 장치(110)는 단계 420에서 갱신된 사용 이력 정보를 참조하여 각 노드의 클러스터 구성원을 변경함으로써 클러스터 트리를 갱신한다.
상품 추천 장치(100)는 상품을 추천할 사용자에 상응하는 클러스터에 속한 사용자의 상품 구입 내역을 상품 서버(60)로 요청한다(450).
상품 추천 장치(100)는 상품 구입 내역을 상품 서버(60)로부터 수신하고, 해당 클러스터에 속한 사용자들에 의해 각 상품이 구입된 횟수에 따라 각 상품의 랭킹을 부여하고, 정해진 개수의 상위 랭킹의 상품을 추천할 상품으로 선정한다(460). 이 때, 상품 추천 장치(300)는 추천할 상품이 콘텐츠 및 서비스와 같은 카테고리의 상품일 경우, 사용 횟수, 열람 횟수 또는 선택 횟수를 기준으로 추천할 상품을 선정할 수 있다.
상품 추천 장치(100)는 선정된 추천 상품을 해당 사용자에게 추천한다. 즉, 상품 추천 장치(100)는 각 사용자에게 선정된 추천 상품 중 해당 사용자가 구입하지 않은 상품을 추천한다.
도 5는 본 발명의 제2 실시예에 따른 상품 추천 장치의 상품을 추천하는 과정을 예시한 순서도이다.
도 5를 참조하면, 상품 추천 장치(300)는 콘텐츠 사용 정보를 서비스 제공 장치(50)로부터 수신한다(510).
상품 추천 장치(100)는 사용 이력 정보를 갱신한다(520). 예를 들어, 상품 추천 장치(300)는 사용 이력 정보에 단계 510에서 수신한 콘텐츠 사용 정보를 추가 한다.
상품 추천 장치(300)는 공통 콘텐츠의 수를 산출한다(530). 예를 들어, 상품 추천 장치(300)는 각 사용자 간의 공통으로 사용한 통화 연결음의 수를 산출한다.
상품 추천 장치(300)는 공통 콘텐츠의 수를 행렬로 생성한다(540).
상품 추천 장치(300)는 특정 행에서 공통 콘텐츠의 수가 지정된 수 이상인 칸을 확인한다(550).
상품 추천 장치(300)는 단계 550에서 확인된 칸의 수가 지정된 수 이상인 경우, 해당 칸의 사용자들을 클러스터로 생성한다(560).
상품 추천 장치(300)는 단계 560에서 생성된 클러스터를 조정한다(570). 상품 추천 장치(300)는 특정 2개의 클러스터에 상응하는 공통 구성원의 수를 산출하고, 각각의 클러스터의 클러스터 구성원의 수와 산출된 공통 구성원의 수의 비율이 모두 지정된 값이상인 경우, 공통 콘텐츠 확인부(320)는 해당 클러스터들을 통합한다.
상품 추천 장치(300)는 상품을 추천할 사용자가 속한 클러스터에 속한 사용자들의 상품 구입 내역을 상품 서버(60)로 요청한다(580).
상품 추천 장치(300)는 상품 구입 내역을 상품 서버(60)로부터 수신하고, 해당 클러스터의 클러스터 구성원에 의해 각 상품이 구입된 횟수에 따라 각 상품의 랭킹을 부여하고, 정해진 개수의 상위 랭킹의 상품을 추천할 상품으로 선정한다 (590). 이 때, 상품 추천 장치(300)는 추천할 상품이 콘텐츠 및 서비스와 같은 카테고리의 상품일 경우, 사용 횟수, 열람 횟수 또는 선택 횟수를 기준으로 추천할 상품을 선정할 수 있다.
상품 추천 장치(300)는 각 사용자에게 선정된 추천 상품 중 해당 사용자가 구입하지 않은 상품을 추천한다. (595).
이제까지 본 발명에 대하여 그 실시 예를 중심으로 살펴보았다. 전술한 실시 예 외의 많은 실시 예들이 본 발명의 특허청구범위 내에 존재한다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예는 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
도 1은 본 발명의 제1 실시예에 따른 상품 추천 장치를 예시한 도면.
도 2는 본 발명의 제1 실시예에 따른 상품 추천 장치에서 생성한 클러스터 트리를 예시한 도면.
도 3은 본 발명의 제2 실시예에 따른 상품 추천 장치를 예시한 도면.
도 4는 본 발명의 제1 실시예에 따른 상품 추천 장치의 통화 연결음을 추천하는 과정을 예시한 순서도.
도 5는 본 발명의 제2 실시예에 따른 상품 추천 장치의 통화 연결음을 추천하는 과정을 예시한 순서도.

Claims (18)

  1. 사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보를 저장하는 사용 이력 저장부;
    상기 사용 이력 정보에 따라 상기 사용자가 현재 이용하는 콘텐츠가 동일한 상기 사용자를 포함하는 최상위 노드 및 부모 노드에 포함된 사용자 중 상기 부모 노드의 클러스터링 기준이 된 콘텐츠의 직전에 이용하였던 콘텐츠가 동일한 사용자를 포함하는 일반 노드를 포함하고, 상기 일반 노드 중 상기 일반 노드에 포함된 사용자의 수가 미리 지정된 수 이하인 상기 일반 노드를 단말 노드로 포함하는 클러스터 트리를 생성하는 클러스터 트리 관리부;
    상기 클러스터 트리의 각 노드에 상응하는 클러스터 구성원을 저장하는 클러스터 저장부; 및
    상기 클러스터 트리의 단말 노드에 상응하는 상기 클러스터 구성원이 상품을 구매한 내역을 상품 서버로부터 수신하고, 상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 추천 상품을 선정하고, 상기 추천 상품을 추천 대상인에게 추천하는 추천부를 포함하는 상품 추천 장치.
  2. 제1 항에 있어서,
    상기 추천부는 상기 추천 상품 중 상기 추천 대상인이 구매하지 않은 추천 상품을 추천하는 것을 특징으로 하는 상품 추천 장치.
  3. 삭제
  4. 제1 항에 있어서,
    상기 추천부는 상기 클러스터에 속한 사용자에 의해 상기 상품이 구매된 횟수를 기준으로 상기 상품의 순위를 부여하고,
    지정된 순위 이상의 상기 상품을 상기 추천 상품으로 선정하는 것을 특징으로 하는 상품 추천 장치.
  5. 상품 추천 장치가 상품을 추천하는 방법에 있어서,
    사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보에 따라 사용자가 현재 이용하는 콘텐츠가 동일한 상기 사용자를 포함하는 최상위 노드 및 부모 노드에 포함된 사용자 중 상기 부모 노드의 클러스터링 기준이 된 콘텐츠의 직전에 이용하였던 콘텐츠가 동일한 사용자를 포함하는 일반 노드를 포함하고, 상기 일반 노드 중 상기 일반 노드에 포함된 사용자의 수가 미리 지정된 수 이하인 상기 일반 노드를 단말 노드로 포함하는 클러스터 트리를 생성하는 단계;
    상기 클러스터 트리의 각 노드에 상응하는 클러스터 구성원을 저장하는 단계;
    상기 클러스터 트리의 단말 노드에 상응하는 상기 클러스터 구성원이 상품을 구매한 내역을 상품 서버로부터 수신하는 단계;
    상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 추천 상품을 선정하는 단계; 및
    상기 추천 상품을 추천 대상인에게 추천하는 단계를 포함하는 상품 추천 방법.
  6. 제5 항에 있어서,
    상기 추천 상품을 추천하는 단계는 상기 추천 상품 중 상기 추천 대상인이 구매하지 않은 추천 상품을 추천하는 것을 특징으로 하는 상품 추천 방법.
  7. 삭제
  8. 제6 항에 있어서,
    상기 추천 콘텐츠를 선정하는 단계는
    상기 클러스터에 속한 사용자에 의해 상기 상품이 구매된 횟수를 기준으로 상기 상품의 순위를 부여하고,
    지정된 순위 이상의 상기 상품을 상기 추천 상품으로 선정하는 단계인 것을 특징으로 하는 상품 추천 방법.
  9. 사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보를 저장하는 사용 이력 저장부;
    상기 사용 이력 정보에 상응하는 상기 사용자간 공통 콘텐츠의 수를 확인하고, 행에 상응하는 사용자와 열에 상응하는 사용자 간의 공통 콘텐츠의 수를 상기 행 및 상기 열에 해당하는 칸에 포함하는 행렬을 생성하고, 상기 행렬의 각 행에서 상기 공통 콘텐츠의 수가 지정된 제1 기준값 이상인 칸의 수에 따라 상기 사용자를 클러스터링하여 클러스터를 생성하는 공통 콘텐츠 확인부;
    상기 생성된 클러스터에 상응하는 클러스터 구성원을 저장하는 클러스터 저장부; 및
    상기 클러스터 구성원이 상품을 구매한 내역을 상품 서버로부터 수신하고, 상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 추천 상품을 선정하고, 상기 추천 상품을 추천 대상인에게 추천하는 추천부를 포함하되,
    상기 공통 콘텐츠 확인부는 상기 행렬의 각 행에서 상기 공통 콘텐츠의 수가 지정된 제1 기준값 이상인 칸의 수가 지정된 제2 기준값 이상인 경우, 상기 각 행에 상응하는 상기 콘텐츠의 수가 상기 제1 기준값 이상인 칸에 상응하는 사용자를 포함하는 클러스터를 생성하고,
    상기 공통 콘텐츠 확인부는
    제1 클러스터와 제2 클러스터에 상응하는 공통 구성원의 수와 상기 제1 클러스터의 클러스터 구성원 수의 비율 및 상기 공통 구성원의 수와 상기 제2 클러스터의 구성원 수의 비율이 지정된 비율 이상인 경우, 상기 제1 클러스터 및 제2 클러스터를 하나의 클러스터로 통합하는 것을 특징으로 하는 상품 추천 장치.
  10. 삭제
  11. 제9 항에 있어서,
    상기 추천부는 상기 클러스터에 속한 사용자에 의해 상기 상품이 구매된 횟수를 기준으로 상기 상품의 순위를 부여하고,
    지정된 순위 이상의 상기 상품을 상기 추천 상품으로 선정하는 것을 특징으로 하는 상품 추천 장치.
  12. 삭제
  13. 제9 항에 있어서,
    상기 공통 콘텐츠 확인부는
    제1 클러스터가 제2 클러스터를 포함하는 경우, 상기 제2 클러스터를 삭제하는 것을 특징으로 하는 상품 추천 장치.
  14. 상품 추천 장치가 상품을 추천하는 방법에 있어서,
    사용자가 콘텐츠를 사용한 이력에 대한 정보를 포함하는 사용 이력 정보를 갱신하는 단계;
    상기 사용 이력 정보에 상응하는 상기 사용자간 공통 콘텐츠의 수를 확인하는 단계;
    행에 상응하는 사용자와 열에 상응하는 사용자 간의 공통 콘텐츠의 수를 상기 행 및 상기 열에 해당하는 칸에 포함하는 행렬을 생성하는 단계;
    상기 행렬의 각 행에서 상기 공통 콘텐츠의 수가 지정된 제1 기준값 이상인 칸에 따라 상기 사용자를 클러스터링하여 클러스터를 생성하는 단계;
    상기 생성된 클러스터에 속한 사용자들의 상기 콘텐츠를 사용한 이력을 포함하는 클러스터 정보를 생성하는 단계;
    제1 클러스터와 제2 클러스터에 상응하는 공통 구성원의 수와 상기 제1 클러스터의 클러스터 구성원 수의 비율 및 상기 공통 구성원의 수와 상기 제2 클러스터의 구성원 수의 비율이 지정된 비율 이상인 경우, 상기 제1 클러스터 및 제2 클러스터를 하나의 클러스터로 통합하는 단계;
    상기 클러스터 정보를 참조하여, 추천 대상인에 상응하는 상기 클러스터에 속한 사용자가 상품을 구매한 내역을 상품 서버로부터 수신하는 단계;
    상기 상품을 구매한 내역에 따른 상품별 구매 횟수를 기준으로 지정된 수의 상품을 선정하는 단계; 및
    상기 선정된 상품을 상기 추천 대상인에게 추천하는 단계를 포함하되,
    상기 클러스터를 생성하는 단계는 상기 행렬의 각 행에서 상기 공통 콘텐츠의 수가 지정된 제1 기준값 이상인 칸의 수가 지정된 제2 기준값 이상인 경우, 상기 각 행에 상응하는 상기 콘텐츠의 수가 상기 제1 기준값 이상인 칸에 상응하는 사용자를 포함하는 클러스터를 생성하는 것을 특징으로 하는 상품 추천 방법.
  15. 삭제
  16. 제14 항에 있어서,
    상기 추천 콘텐츠를 선정하는 단계는
    상기 클러스터에 속한 사용자에 의해 상기 상품이 구매된 횟수를 기준으로 상기 상품의 순위를 부여하고,
    지정된 순위 이상의 상기 상품을 상기 추천 상품으로 선정하는 단계인 것을 특징으로 하는 상품 추천 방법.
  17. 삭제
  18. 제14 항에 있어서,
    상기 클러스터를 생성하는 단계 이후 및 상기 상품을 구매한 내역을 상품 서버로부터 수신하는 단계 이전에,
    제1 클러스터가 제2 클러스터를 포함하는 경우, 상기 제2 클러스터를 삭제하는 단계를 더 포함하는 상품 추천 방법.
KR1020090122679A 2009-12-10 2009-12-10 상품 추천 장치 및 방법 KR101129538B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090122679A KR101129538B1 (ko) 2009-12-10 2009-12-10 상품 추천 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090122679A KR101129538B1 (ko) 2009-12-10 2009-12-10 상품 추천 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20110065970A KR20110065970A (ko) 2011-06-16
KR101129538B1 true KR101129538B1 (ko) 2012-03-29

Family

ID=44398990

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090122679A KR101129538B1 (ko) 2009-12-10 2009-12-10 상품 추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101129538B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220049251A (ko) * 2020-10-14 2022-04-21 주식회사 엔캣 B2b 전자 상거래 플랫폼의 상품 추천 방법 및 이를 위한 장치

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101311511B1 (ko) 2011-06-17 2013-09-25 주식회사 케이티 인앱 추천 시스템 및 사용자 단말
KR101379503B1 (ko) * 2012-02-10 2014-03-28 (주) 케이솔버 상품 추천 시스템
KR20140031416A (ko) * 2012-08-27 2014-03-13 에스케이플래닛 주식회사 협업 필터링 기반의 아이템 추천 시스템과 방법 및 이를 지원하는 장치
KR102193345B1 (ko) * 2019-01-14 2020-12-21 카페24 주식회사 그룹 고객과 그룹 상품 간의 상품 추천 방법 및 장치
CN110111158A (zh) * 2019-05-16 2019-08-09 创络(上海)数据科技有限公司 生命周期或成长特征的营销设计方法、装置和存储介质
KR102538398B1 (ko) * 2020-06-30 2023-05-31 카페24 주식회사 빅데이터 기반의 그룹 단위의 상품 추천 방법, 장치 및 시스템
CN112634009B (zh) * 2020-12-14 2024-05-14 中国建设银行股份有限公司 一种产品的推送方法、装置、存储介质及电子设备
JP7280305B2 (ja) * 2021-03-18 2023-05-23 ヤフー株式会社 情報処理装置、情報処理方法および情報処理プログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100477206B1 (ko) 2002-07-04 2005-03-22 성균관대학교산학협력단 개인 적응형 기술에 의한 컨텐츠 여과전송기능을 갖는전자상거래시스템 및 이의 운용방법
KR100925511B1 (ko) 2008-03-24 2009-11-06 에스케이커뮤니케이션즈 주식회사 협업필터링을 이용한 컨텐츠 분류 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100477206B1 (ko) 2002-07-04 2005-03-22 성균관대학교산학협력단 개인 적응형 기술에 의한 컨텐츠 여과전송기능을 갖는전자상거래시스템 및 이의 운용방법
KR100925511B1 (ko) 2008-03-24 2009-11-06 에스케이커뮤니케이션즈 주식회사 협업필터링을 이용한 컨텐츠 분류 방법 및 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220049251A (ko) * 2020-10-14 2022-04-21 주식회사 엔캣 B2b 전자 상거래 플랫폼의 상품 추천 방법 및 이를 위한 장치
KR102393934B1 (ko) * 2020-10-14 2022-05-04 주식회사 엔캣 B2b 전자 상거래 플랫폼의 상품 추천 방법 및 이를 위한 장치

Also Published As

Publication number Publication date
KR20110065970A (ko) 2011-06-16

Similar Documents

Publication Publication Date Title
KR101129538B1 (ko) 상품 추천 장치 및 방법
CN103229203B (zh) 激励用户向用户的联系人推荐项目的推荐系统
US8271585B2 (en) Identifying intermediaries and potential contacts between organizations
US20220215433A1 (en) Dynamic content item creation
US10007655B2 (en) Table size dependent transaction target table display
US8549013B1 (en) Systems and methods for determining interest in an item or category of items
US8412718B1 (en) System and method for determining originality of data content
US8117228B2 (en) Head-to-head comparisons
CN103080962A (zh) 支持媒体访问与社交网络的网络化系统
US20150169189A1 (en) Media recommendation kiosk
US20150074114A1 (en) Tag management device, tag management method, tag management program, and computer-readable recording medium for storing said program
US20220067000A1 (en) Constructing a database of verified individuals
EP3176717A2 (en) Control method, processing apparatus, and non-transitory computer-readable recording medium
CN115271891B (zh) 基于互动小说的产品推荐方法及相关装置
KR20190002961A (ko) 개인 선호도를 반영한 광고 시스템 및 방법
KR102224800B1 (ko) 브랜드 성향지표와 창업자 성향지표를 이용한 창업자 브랜드 추천 서비스 제공 방법
US20180005281A1 (en) Collaborative Peer Review Search System and Method of Use
CN113158032B (zh) 一种信息推送方法和装置
CN113704630A (zh) 一种信息推送方法、装置、可读存储介质和电子设备
US20160148095A1 (en) Electronic calculating apparatus, method thereof and non-transitory machine-readable medium thereof for sensing context and recommending information
KR20120057786A (ko) 검색 결과 내에 첨부된 정보 데이터베이스에 기초한 검색 리스트 및 검색어 순위 제공 방법 및 시스템
CN107506970B (zh) 一种项目数据处理的方法和系统
JP4866747B2 (ja) 商品情報配信システム、コンテンツ配信サーバ、ユーザ端末、視聴履歴管理サーバ、視聴情報検索サーバ、商品情報検索サーバ及び商品情報配信方法
US11886485B1 (en) Computer-implemented visual query matching methods, and systems for implementing thereof
KR101735012B1 (ko) 상품 정보 제공 시스템, 방법 및 컴퓨터 판독 가능한 기록매체

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150306

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160311

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170303

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180615

Year of fee payment: 7