KR101379503B1 - 상품 추천 시스템 - Google Patents

상품 추천 시스템 Download PDF

Info

Publication number
KR101379503B1
KR101379503B1 KR1020120013967A KR20120013967A KR101379503B1 KR 101379503 B1 KR101379503 B1 KR 101379503B1 KR 1020120013967 A KR1020120013967 A KR 1020120013967A KR 20120013967 A KR20120013967 A KR 20120013967A KR 101379503 B1 KR101379503 B1 KR 101379503B1
Authority
KR
South Korea
Prior art keywords
product
importance
keyword
user
keywords
Prior art date
Application number
KR1020120013967A
Other languages
English (en)
Other versions
KR20130092310A (ko
Inventor
허순영
Original Assignee
(주) 케이솔버
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) 케이솔버 filed Critical (주) 케이솔버
Priority to KR1020120013967A priority Critical patent/KR101379503B1/ko
Publication of KR20130092310A publication Critical patent/KR20130092310A/ko
Application granted granted Critical
Publication of KR101379503B1 publication Critical patent/KR101379503B1/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
    • G06Q30/06—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

본 발명은 상품 추천 시스템에 관한 것으로, 실제 상품을 구매한 사용자들의 상품 소개 및 평가 정보와, 상품을 구매할 사용자의 선호도를 동시에 고려하여 상품을 추천함으로써 보다 우수한 상품을 사용자에게 추천할 수 있도록 한 것이다.

Description

상품 추천 시스템{Recommendation system for goods}
본 발명은 상품 추천 기술에 관련한 것으로, 특히 온라인을 통해 사용자에게 상품을 추천하는 상품 추천 시스템에 관한 것이다.
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.
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.
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.
국내특허등록 제10-0801662호(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.
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.
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.
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.
이하, 첨부된 도면을 참조하여 기술되는 바람직한 실시예를 통하여 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 기술하기로 한다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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(Term Frequency)는 특정한 단어가 문서 내에 얼마나 자주 등장하는지를 나타내는 단어 빈도수 값으로, 이 값이 높을수록 문서에서 중요하다고 생각할 수 있다.
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.
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.
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.
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.
상기 중요도 개인화부(150)는 각 사용자의 상품구매이력을 기반으로 상기 키워드 선택부(140)에 의해 선택되어 저장된 키워드들에 대한 사용자별 키워드 중요도를 계산한다.
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.
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.
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.
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.
이 때, 상기 그룹 형성부(160)가 코사인 유사도 측정(Cosine similarity measure) 기법을 이용해 키워드 중요도 패턴이 유사한 사용자들을 검출하도록 구현할 수 있다.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
본 발명은 상품 추천 기술분야 및 이의 응용 기술분야에서 산업상으로 이용 가능하다.
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 수집부

Claims (12)

  1. 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 특정 기간 동안 구매한 상품구매이력을 기반으로 해당 그룹내의 특정 사용자가 구매하지 않은 상품을 해당 특정 사용자에게 추천하는 상품 추천부를;
    포함하여 이루어지는 것을 특징으로 하는 상품 추천 시스템.
  2. 제 1 항에 있어서,
    상기 중요도 계산부가:
    키워드들의 추출 빈도수에 따라 키워드들에 대한 중요도를 계산하는 것을 특징으로 하는 상품 추천 시스템.
  3. 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.
  4. 제 1 항에 있어서,
    상기 키워드 선택부가:
    중요도가 높은 순으로 특정 개수의 키워드들을 선택하는 것을 특징으로 하는 상품 추천 시스템.
  5. 제 1 항에 있어서,
    상기 키워드 선택부가:
    중요도가 임계치보다 높은 임의 개수의 키워드들을 선택하는 것을 특징으로 하는 상품 추천 시스템.
  6. 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.
  7. 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.
  8. 제 1 항에 있어서,
    상기 평가정보 수집부가:
    특정 웹 게시판으로부터 특정 상품에 대한 소개 및 평가 정보를 수집하는 것을 특징으로 하는 상품 추천 시스템.
  9. 제 1 항에 있어서,
    상기 키워드 추출부가:
    형태소 분석을 통해 상품의 특징을 식별할 수 있는 키워드들을 추출하는 것을 특징으로 하는 상품 추천 시스템.
  10. 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.
  11. 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.
  12. 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.
KR1020120013967A 2012-02-10 2012-02-10 상품 추천 시스템 KR101379503B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120013967A KR101379503B1 (ko) 2012-02-10 2012-02-10 상품 추천 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120013967A KR101379503B1 (ko) 2012-02-10 2012-02-10 상품 추천 시스템

Publications (2)

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

Family

ID=49217181

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120013967A KR101379503B1 (ko) 2012-02-10 2012-02-10 상품 추천 시스템

Country Status (1)

Country Link
KR (1) KR101379503B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160131477A (ko) 2015-05-07 2016-11-16 신재욱 연관 검색어를 이용한 관심사 카테고리 기반 이커머스 시스템

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101645554B1 (ko) * 2014-06-17 2016-08-05 주식회사 시더 소비자 프로파일링을 통한 맞춤형 쇼핑정보 제공 시스템 및 방법
CN106157050A (zh) * 2015-04-13 2016-11-23 深圳好父母婴幼儿用品有限公司 一种社交网络购物系统
KR102049777B1 (ko) * 2017-06-16 2019-11-28 네이버 주식회사 사용자 행위 기반의 아이템 추천 방법 및 장치
KR102534144B1 (ko) * 2017-08-24 2023-05-17 에스케이플래닛 주식회사 광고수신자관리장치 및 그 동작 방법, 그리고 광고제공장치
KR102231487B1 (ko) * 2018-12-12 2021-03-24 경기대학교 산학협력단 고객의 구매 결정 요인에 대한 선호 민감도에 기초한 상품 추천 방법
KR102178961B1 (ko) * 2020-04-21 2020-11-13 주식회사 스타일쉐어 유저 클러스터링을 이용한 패션 아이템 추천 인공신경망 장치 및 방법
US20230259703A1 (en) * 2020-05-29 2023-08-17 Samsung Electronics Co., Ltd. Electronic device and method for controlling the electronic device
KR102452667B1 (ko) * 2020-09-24 2022-10-07 이대근 구매 이력을 이용한 주류 추천 장치
CN112184372A (zh) * 2020-09-25 2021-01-05 魔玛智能科技（上海）有限公司 模块化产品互联网推荐系统及方法
KR20220077243A (ko) * 2020-11-30 2022-06-09 주식회사 뮤즈라이브 사용자 활동 기반 상품 추천 방법
CN113822743A (zh) * 2021-09-23 2021-12-21 秦桂珍 大数据保险推荐方法及系统
KR102404511B1 (ko) * 2022-02-17 2022-06-07 주식회사 로원홀딩스 인공지능 기반 사용자 맞춤형 상품 정보 추천 방법, 장치 및 시스템
CN116805023B (zh) * 2023-08-25 2023-11-03 量子数科科技有限公司 一种基于大语言模型的外卖推荐方法
CN117635237A (zh) * 2023-12-22 2024-03-01 广州方块网络技术有限公司 基于SaaS信息流与跨平台人群数据的广告管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020039281A (ko) * 2002-03-20 2002-05-25 조근식 인터넷상에서의 대화를 이용한 상품 추천 방법 및 그 시스템
KR20100091669A (ko) * 2009-02-11 2010-08-19 인하대학교 산학협력단 전자상거래 서비스에서의 개인화 추천 시스템
KR20100092852A (ko) * 2009-02-13 2010-08-23 주식회사 시프트더블유 선호도 기반의 상품 추천 시스템 및 그 방법
KR20110065970A (ko) * 2009-12-10 2011-06-16 동국대학교 산학협력단 상품 추천 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020039281A (ko) * 2002-03-20 2002-05-25 조근식 인터넷상에서의 대화를 이용한 상품 추천 방법 및 그 시스템
KR20100091669A (ko) * 2009-02-11 2010-08-19 인하대학교 산학협력단 전자상거래 서비스에서의 개인화 추천 시스템
KR20100092852A (ko) * 2009-02-13 2010-08-23 주식회사 시프트더블유 선호도 기반의 상품 추천 시스템 및 그 방법
KR20110065970A (ko) * 2009-12-10 2011-06-16 동국대학교 산학협력단 상품 추천 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160131477A (ko) 2015-05-07 2016-11-16 신재욱 연관 검색어를 이용한 관심사 카테고리 기반 이커머스 시스템

Also Published As

Publication number Publication date
KR20130092310A (ko) 2013-08-20

Similar Documents

Publication Publication Date Title
KR101379503B1 (ko) 상품 추천 시스템
US10423648B2 (en) Method, system, and computer readable medium for interest tag recommendation
Chen et al. Recommendation based on contextual opinions
US20140172415A1 (en) Apparatus, system, and method of providing sentiment analysis result based on text
JP5387578B2 (ja) 情報分析装置、情報分析方法、及びプログラム
JP6093200B2 (ja) 情報検索装置及び情報検索プログラム
Hu et al. Style in the long tail: Discovering unique interests with latent variable models in large scale social e-commerce
US20120036144A1 (en) Information and recommendation device, method, and program
CN102567475A (zh) 用于交互式查询重构的用户接口
CN107153656B (zh) 一种信息搜索方法和装置
US9405825B1 (en) Automatic review excerpt extraction
KR101700820B1 (ko) 사용자 코멘트 기반 개인화 컨텐츠 검색 장치 및 방법
CN104850537B (zh) 对文本内容进行筛选的方法及装置
TWI645348B (zh) 商品相關網路文章之自動圖文摘要方法及系統
CN111723293B (zh) 一种文章内容的推荐方法、装置、电子设备及存储介质
CN112989824A (zh) 信息推送方法及装置、电子设备及存储介质
Meyer et al. Toward a new protocol to evaluate recommender systems
KR101305535B1 (ko) 동영상 추천 시스템
De Bakker et al. A hybrid model words-driven approach for web product duplicate detection
KR101976056B1 (ko) 추천 시스템 및 추천 방법
KR20230014035A (ko) 사용자 검색 의도 분석을 통한 연관 문서 추천 방법 및 장치
Zhang et al. Exploiting shopping and reviewing behavior to re-score online evaluations
KR20170087423A (ko) 개인화 도서추천을 위한 도서 추천 방법, 및 그 시스템
KR101614843B1 (ko) 사회 이슈에 대한 은폐를 탐지하는 방법 및 판단 장치
JP5918714B2 (ja) 文献検索装置、文献検索方法、プログラム、および文献検索システム

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