KR101453868B1 - 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치 - Google Patents

메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치 Download PDF

Info

Publication number
KR101453868B1
KR101453868B1 KR1020120084667A KR20120084667A KR101453868B1 KR 101453868 B1 KR101453868 B1 KR 101453868B1 KR 1020120084667 A KR1020120084667 A KR 1020120084667A KR 20120084667 A KR20120084667 A KR 20120084667A KR 101453868 B1 KR101453868 B1 KR 101453868B1
Authority
KR
South Korea
Prior art keywords
document
query
metadata
recommendation
search result
Prior art date
Application number
KR1020120084667A
Other languages
English (en)
Other versions
KR20140017895A (ko
Inventor
박호진
양희민
윤도현
이명현
이현우
권영현
안영민
Original Assignee
주식회사 와이즈넛
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 주식회사 와이즈넛 filed Critical 주식회사 와이즈넛
Priority to KR1020120084667A priority Critical patent/KR101453868B1/ko
Publication of KR20140017895A publication Critical patent/KR20140017895A/ko
Application granted granted Critical
Publication of KR101453868B1 publication Critical patent/KR101453868B1/ko

Links

Images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Library & Information Science (AREA)

Abstract

본 발명은 메타기반 추천 프로세스를 포함하는 검색 결과 제공 방법에 관한 것이다.
본 발명의 방법은, 사용자 단말이 검색어 및 적어도 하나의 쿼리 메타데이터를 입력하는 단계와, 추천 모듈이 미리 정의된 메타데이터에 대한 밀접도 관계를 이용하여 상기 쿼리 메타데이터에서 제외되는 문서(문서2류에 속하는 문서)에 대한 추천 가중치를 연산하여 검색결과로 표시할 추천 대상 문서를 선정하는 단계; 및 검색결과로서 상기 쿼리 메타데이터에 대응하는 검색결과(문서1류에 속하는 문서에 대한 검색결과)와 상기 문서2류에 속하는 문서 중에서 선정된 추천 대상 문서를 함께 표시하는 단계를 포함한다.

Description

메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치{METHOD AND SYSTEM FOR PROVIDING SEARCH RESULTS COMPRISING METADATA BASED RECOMMENDATION PROCESS}
본 발명은 검색 결과 제공 방법 및 장치에 관한 것으로서, 보다 상세하게는 검색을 함에 있어서 검색어와 함께 메타데이터를 입력한 경우의 검색 결과를 제공하는 장치와 방법에 관한 것이다.
검색 엔진의 사용자가 원하는 문서를 찾기 위해서는 사용자가 원하는 문서와 관련이 있을만한 키워드를 통해서 검색을 한다. 보다 정확한 검색을 위해서는 검색어를 다양하게 조합해서 범위를 좁혀나가거나 날짜와 같은 메타정보를 이용하여 사용자가 원하는 문서가 검색되게끔 범위를 좁힐 수도 있다. 예를 들면, 생성 날짜가 1주일 이내인 문서들만 검색하도록 세부 사항을 조절할 수 있다. 날짜와 같은 문서의 세부 사항을 메타데이터라고 하며, 이런 메타데이터를 제한하는 방식으로 사용자가 원하는 문서의 범위를 제한하도록 검색을 구성할 수 있다.
이른바 필터링이라고도 하는 상술된 방법은 꼭 날짜나 가격과 같은 선형적인 메타데이터뿐만 아니라, 브랜드나, 지역 등의 비 선형적인 메타데이터에 대해서도 이루어질 수 있다. 예를 들어, 중고차를 검색할 때 가격의 범위와 같은 선형적 데이터뿐만 아니라 제조사, 브랜드 등의 비 선형적 메타데이터도 사용자가 제한할 수 있도록 하는 것이 일반적이다. 이러한 필터링을 통해서 검색 결과의 범위를 좁혀나가게 되면 사용자는 최종적으로 자신이 원하는 문서를 보다 정확하게 찾을 수가 있다.
그런데 종래의 검색방법의 단점은 사용자가 입력한 쿼리 내에서만의 결과만 나온다는 것이다. 예를 들어, 중고자동차 판매 사이트에서, 사용자가 검색 세부 사항에서 500만원 이하의 차를 찾도록 입력했다면, 500만원 이하에 거래되는 차에 대한 문서들만 결과로 나올 것이다.
즉, 만약 사용자의 검색 세부 사항이 정확히 일치하지는 않지만 사용자의 요구를 충족할 수도 있는 510만원의 매물이 있었더라도 검색 결과로 제공되지 않으며, 사용자는 이러한 매물을 알 수 없다. 또한, 검은색 차만 생각하여 검은 색 차에 대한 쿼리만을 입력하면 보다 좋은 조건의 남색 차가 있었더라도 사용자는 알 수가 없다. 이런 식으로 범위를 가진 선형적인 데이터뿐만 아니라 색상, 크기 등의 비선형 데이터에 대해서도 사용자가 선택한 범위 내의 결과만을 제공하게 되는 것이다.
이러한 과제의 가장 직관적인 해결책은 사용자가 검색 범위를 보다 넓게 조정하는 것이다. 즉, 가격 범위도 보다 넓은 범위로 설정하고, 색상과 같은 옵션도 더 다양하게 선택하는 것이다. 그러나 이러한 경우에는 또 다른 문제가 발생한다. 사용자가 원치 않는 문서들에 대한 결과가 너무 많이 나올 수 있을 뿐만 아니라, 원치 않는 결과가 검색 결과 상위에 위치하는 경우가 발생할 수 있다. 무엇보다 사용자의 경험이 부족한 경우, 자신이 원하는 검색 결과를 찾기 위해 검색 범위를 어느 정도로 확장해야 할지 알기 어렵다는 문제가 있다.
본 발명의 발명가들은 위와 같은 종래기술의 문제점을 해결하기 위해 오랫동안 연구 노력한 끝에 본 발명을 완성하게 되었다.
본 발명이 해결하고자 하는 과제는 상술한 바와 같이 사용자가 입력한 필터링 조건에 부합하는 문서들 외에 관련된 문서들까지 사용자에게 적절히 추천하도록 함으로써 검색효율을 증진하는 신규한 방법을 제안하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
위와 같은 목적을 달성하기 위하여, 본 발명의 제 1 국면은, 검색 결과 제공 방법에 있어서,
사용자 단말이 검색어 및 적어도 하나의 쿼리 메타데이터를 입력하는 단계;
추천 모듈이 미리 정의된 메타데이터에 대한 밀접도 관계를 이용하여 상기 쿼리 메타데이터에서 제외되는 문서(“문서2류에 속하는 문서”로 정의된다)에 대한 추천 가중치를 연산하여 검색결과로 표시할 추천 대상 문서를 선정하는 단계; 및
검색결과로서 상기 쿼리 메타데이터에 대응하는 검색결과(“문서1류에 속하는 문서에 대한 검색결과”로 정의된다)와 상기 문서2류에 속하는 문서 중에서 선정된 추천 대상 문서를 함께 표시하는 단계를 포함하는, 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법을 특징으로 한다.
본 발명의 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법의 바람직한 일 실시예에 있어서, 상기 추천 모듈은 매칭 모듈과 연산 모듈을 포함하며,
상기 쿼리 메타데이터는 선형 메타데이터를 포함하고,
상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 선형 메타데이터에 대해서 미리 정의되는 밀접도 범위에 기초하고,
상기 추천 대상 문서를 선정하는 단계는,
상기 매칭 모듈이 상기 쿼리 메타데이터를 상기 밀접도 범위 그래프에 적용하여 상기 문서2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈이 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서2류에 속하는 문서의 추천 가중치를 산출하는 단계를 포함하는 것이 좋다.
또한, 본 발명의 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법의 바람직한 일 실시예에 있어서, 상기 추천 모듈은 매칭 모듈과 연산 모듈을 포함하며,
상기 쿼리 메타데이터는 비선형 메타데이터를 포함하고,
상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 비선형 메타데이터에 대해서 미리 정의되는 밀접도 매칭 테이블에 기초하고,
상기 추천 대상 문서를 선정하는 단계는,
상기 매칭 모듈이 상기 쿼리 메타데이터를 상기 밀접도 매칭 테이블에 적용하여 상기 문서2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈이 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서2류에 속하는 문서의 추천 가중치를 산출하는 단계를 포함하는 것이 좋다.
또한, 본 발명의 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법의 바람직한 일 실시예에 있어서, 상기 추천 대상 문서를 상기 추천 가중치를 기초로 정렬하는 단계를 더 포함할 수 있다.
본 발명의 제2국면은 검색 대상 문서의 데이터베이스를 가지며 메모리와 프로세서를 포함하는 검색 결과 제공 장치에 있어서,
검색어 및 적어도 하나의 쿼리 메타데이터를 입력받는 입력부;
상기 쿼리 메타데이터에 대한 밀접도 관계를 정의하는 정의부;
미리 정의된 메타데이터에 대한 밀접도 관계를 이용하여 상기 쿼리 메타데이터에서 제외되는 문서(문서2류에 속하는 문서)에 대한 추천 가중치를 연산하여 검색결과로 표시할 추천 대상 문서를 선정하는 추천부; 및
상기 쿼리 메타데이터에 대응하는 검색결과(문서1류에 속하는 문서에 대한 검색결과)와 함께 사용자 단말에 제공되는 검색결과를 생성하기 위하여, 상기 문서2류에 속하는 문서 중에서 선정된 추천 대상 문서를 추천 가중치 순서로 정렬하는 정렬부를 포함하는, 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 장치를 특징으로 한다.
본 발명의 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 장치의 바람직한 일 실시예에 있어서, 상기 추천부는 매칭 모듈과 연산 모듈을 포함하며,
상기 쿼리 메타데이터는 선형 메타데이터를 포함하고,
상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 선형 메타데이터에 대해서 미리 정의되는 밀접도 범위에 기초하고,
상기 매칭 모듈은 상기 쿼리 메타데이터를 상기 밀접도 범위 그래프에 적용하여 상기 문서2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈은 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서2류에 속하는 문서의 추천 가중치를 산출하는 것이 좋다.
또한, 본 발명의 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 장치의 바람직한 일 실시예에 있어서, 상기 추천부는 매칭 모듈과 연산 모듈을 포함하며,
상기 쿼리 메타데이터는 비선형 메타데이터를 포함하고,
상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 비선형 메타데이터에 대해서 미리 정의되는 밀접도 매칭 테이블에 기초하고,
상기 매칭 모듈은 상기 쿼리 메타데이터를 상기 밀접도 매칭 테이블에 적용하여 상기 문서2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈은 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서2류에 속하는 문서의 추천 가중치를 산출하는 것이 좋다.
본 발명의 실시예들에 의하면 적어도 다음과 같은 효과가 있다.
먼저 사용자가 입력한 쿼리 내의 검색 결과를 제공하는 동시에 검색조건을 벗어나는 문서 중에서 사용자가 필요로 할 만한 문서를 검색결과로 추천함으로써 사용자에게 더 큰 선택의 폭을 가지고 원하는 문서를 찾을 수 있는 장점이 있다.
또한, 사용자가 입력한 쿼리 내의 검색 결과 문서와 결과 외의 대상 문서 중 사용자가 원할 수 있는 검색 결과를 사용자의 쿼리와의 밀접도 순서에 따라 정렬할 수 있는 장점이 있다.
본 발명의 명세서에서 구체적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급됨을 첨언한다.
도 1은 본 발명의 일 실시예에 따른 검색 결과 제공 장치의 개략도이다.
도 2는 본 발명의 일 실시예에 따른 선형 메타데이터의 밀접도 범위 그래프이다.
도 3은 본 발명의 추천부의 구성을 개념적으로 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 검색 결과 제공 방법의 순서도이다.
※ 첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 내용을 설명한다. 그리고 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
본 발명의 검색 결과 제공 장치(100)는 또한 검색대상 문서와 색인 데이터를 저장하는 메모리부와 정해진 검색 프로세스를 실행하는 프로세서와 입출력수단을 포함한다. 메모리부는 또한 검색 프로세스에 필요한 프로그램과 리소스를 저장한다. 본 발명의 장치는 사용자 단말로부터 검색 리퀘스트가 입력되는 경우, 이하에서 설명하는 본 발명의 프로세스가 프로세서에 의해 수행되는 소프트웨어 모듈에 의해 실행된다. 본 발명의 장치는 상기 프로세서와 메모리를 갖는 컴퓨터 장치이다. 사용자가 인접하여 이용할 수 있는 컴퓨터(PC, 노트북 컴퓨터, 랩탑 컴퓨터)일 수 있이며, 바람직한 다른 실시예에 있어서 본 발명의 장치는 다수의 데이터베이스가 구축되고 프로세서와 메모리를 갖는 서버일 수 있다. 원격에 있는 사용자 단말은 인터넷을 통해 이 서버의 웹 사이트에 접속하고 소망하는 검색을 실행할 수 있다. 이 두 가지의 경우를 모두 검색 시스템이라고 약칭할 수 있다.
도 1은 본 발명의 일 실시예에 따른 검색 결과 제공 장치의 개략도이다. 도 1에 나타난 바와 같이, 검색 결과 제공 장치(100)는 입력부(110), 검색부(120), 정의부(130), 추천부(140), 및 정렬부(150)를 포함한다. 이것은 각 구성요소에 대응하는 소프트웨어 모듈에 의해 기능을 수행하는 프로세서의 구성을 나타낸다. 통상 검색 결과 제공 장치는 사용자 단말의 검색 요청을 분석해서 검색 키워드와 검색 메타데이터 정보를 파악한다(이것은 본 발명도 마찬가지다). 그러나 종래의 검색 결과 제공 장치는 사용자 단말의 검색 요청에 따라 색인 데이터에서 문서들을 검색하게 되는데, 이렇게 검색된 문서들은 필터링을 통해서 관련 없는 문서들은 제외되었다. 그러나 본 발명의 검색 결과 제공 장치(100)는 종래에 쿼리의 메타데이터에 의해 당연히 제외되었던 문서를 추천 프로세스를 통해서 검색 결과로 출력하는 것이다. 단, 키워드 검색이 되지 않은 문서들은 애초에 추천 대상에서 제외될 것이다.
본 발명의 검색 결과 제공 장치(100)의 상기 입력부(110)는 사용자 단말로부터 검색 요청을 받는다. 사용자 단말은 쿼리를 검색 시스템에 입력할 때, 적어도 하나의 메타데이터를 입력한다. 입력부(110)는 입력된 쿼리를 분석해서 쿼리의 메타데이터 및 검색 키워드를 파악하게 된다. 쿼리 메타데이터는 선형 메타데이터 또는 비선형 메타데이터로 구별될 수 있다. 선형 메타데이터와 비선형 메타데이터의 구별은 중고 자동차 거래 사이트의 문서를 예로 들 수 있다. 선형 메타데이터는 제품의 가격 또는 제품의 출신연도와 같은 데이터를 포함할 수 있다. 선형 메타데이터는 연속된 공간상에 표현이 가능한 특징이 있다. 반면에 비선형 메타데이터는 제품의 색상, 제품의 브랜드 등과 같이 선형적으로 표현할 수 없는 데이터를 포함할 수 있다.
쿼리 선형 메타데이터는 사용자에 의해 그 범위가 정해질 수 있다. 예를 들어, 사용자는 자동차의 가격을 100만원 이상, 200만원 이하로 설정할 수 있다. 이 경우 쿼리 선형 메타데이터의 범위는 100만원 내지 200만원이 된다. 사용자는 상황에 따라 복수의 쿼리 선형 메타데이터의 범위를 설정할 수도 있다.
쿼리 비선형 메타데이터는 사용자에 의해 선택될 수 있다. 예를 들어, 사용자는 자동차의 색상을 군청색으로 설정할 수 있다. 쿼리 비선형 메타데이터는 복수의 선택지에서 선택될 수도 있다. 예를 들어, 자동차의 색상표에 복수의 색상들이 배열되어 있고 사용자는 색상표에서 사용자가 원하는 색상을 선택할 수도 있다.
검색부(120)는 입력부(110)로부터 입력받은 검색 키워드를 이용하여 검색 시스템에 상주하는 문서들의 색인 데이터(170)를 이용하여 문서 DB(180)를 검색한다. 검색 시스템의 문서는 두 종류로 분류될 수 있다. 문서1류는 쿼리 메타데이터에 대응하는 문서들의 집합이며, 문서2류는 쿼리 메타데이터에 대응되지 않는 문서들의 집합이다. 즉 문서2류에 속하는 문서들은 쿼리 메타데이터에서 제외되는 문서이며, 종래에는 필터링(메타정보를 이용한 필터링)을 통해서 관련 없는 문서로 간주되어 검색결과에서 제외되었던 문서들이다. 본 발명의 검색부(120)는 필수적으로 문서2류에 속하는 문서들을 함께 검색한다. 이때 문서2류에 속하는 문서들에 부여된 색인 데이터를 이용한다. 문서1류에 대한 검색 프로세스는 공지의 영역에 속한다.
본 발명의 상기 검색 결과 제공 장치(100)의 정의부(130)는 쿼리 메타데이터들에 대한 밀접도 관계(160)를 정의한다. 일반적으로 메타데이터는 무한히 확장되는 것은 아니며, 메타데이터로 활용될 수 있는 전형적인 유형의 속성이 사전에 정의된다. 본 발명에 따르면 각 속성마다 밀접도 관계가 미리 등록되게 된다. 이들 속성은 색인 데이터로 등록될 수 있다. 연속된 공간상의 표현이 가능한 선형 쿼리 메타데이터는 밀접도 관계(160)가 “밀접도 범위”로 지정될 수 있다. 연속된 공간상의 표현이 불가능한 비선형 쿼리 메타데이터는 메타데이터 내에 존재하는 값들에 대한 “밀접도 테이블”로 지정될 수 있다.
도 2의 그래프는 본 발명의 일 실시예에 따른 쿼리 선형 메타데이터의 밀접도 범위의 예로서 메타데이터가 “가격”인 경우를 예시하여 나타낸다. 도 2의 밀접도 범위 그래프에서 X축은 쿼리 선형 메타데이터의 값을 나타내고, Y축은 쿼리 선형 메타데이터에 대한 밀접도를 나타낸다. 밀접도를 계산하는 방법에 대한 보다 상세한 설명은 후술한다.
도 2에서 사용자 단말이 입력한 쿼리 선형 메타데이터는 100 이상 200 이하(단위 만원)이다. 예컨대 정의부(130)는 가격에 관한 쿼리 선형 메타데이터의 밀접도 범위를 상위 20%, 하위 20%로 정의할 수 있다. 검색 시스템에서 미리 설정되는 것이다. 쿼리 선형 메타데이터가 100 내지 200이었다면, 80 내지 240이 쿼리 선형 메타데이터의 밀접도 범위가 된다. 만일 검색 시스템에서 상위 10%, 하위 10%로 미리 정의하였다면, “가격” 메타데이터의 밀접도 범위는 90만원~220만원이 되는 것이다.
이와 같이 쿼리 선형 메타데이터에 대해서 상위/하위 범위를 백분율(%)로 정의할 수 있지만, -/+ 값으로도 정의할 수 있다. 백분율로 정의하게 되면 사용자의 쿼리 메타데이터 중 상위/하위 값에 따라 쿼리 선형 메타데이터의 밀접도 범위가 달라지므로, 상위/하위 범위를 절대값으로 결정할 수 있다.
표 1은 본 발명의 일 실시예에 따른 쿼리 비선형 메타데이터의 밀접도 관계를 나타낸다. 아래 표는 중고차의 크기 메타정보에 따라 추천을 하기 위한 검색 시스템에 의해 사전에 설정되는 매핑 테이블의 의미를 갖는다. 이 매핑 테이블은 사용자 단말의 입력 조건에 따라 문서의 메타정보들의 밀접도를 계산해서 추천을 하도록 한다.
메타정보 밀접도 문서
경차 소형차 중형차 대형차
사용자 입력 경차 100 80 40 10
소형차 80 100 90 40
중형차 30 80 100 80
대형차 0 0 80 100
자동차의 크기는 경차, 소형차, 중형차, 대형차로 분류할 수 있고, 사용자단말이 입력할 수 있는 쿼리 비선형 메타데이터 또한 똑같이 4가지로 분류 가능하다. 예를 들어, 소형차를 찾는 사용자는 경차와 중형차도 어느 정도 관심이 있다고 생각할 수 있고 대형차는 관심이 없다고 볼 수 있는데, 이를 종합해보면 소형차로 분류된 문서들은 가장 높은 밀접도를 갖게 되고, 그 뒤로 중형차, 경차, 그리고 대형차 순으로 높은 밀접도를 갖는다. 결과적으로 사용자가 의도한 것이 소형차였다고 해도 비슷한 조건을 만족하는 경차, 중형차, 그리고 대형차의 문서들을 추천할 수 있다. 표 1의 테이블에 표시된 밀접도 숫자는 검색 시스템에서 미리 정의되는 것이다.
상기 밀접도 매핑 테이블은 사용자 단말의 검색 요청이 있을 때마다 사용된다. 사용자는 문서 메타데이터를 한 개 이상 지정해서 검색할 수 있으며, 비선형 메타데이터의 경우 각 메타데이터에 대한 값을 한 개 이상 지정할 수 있다. 예컨대 중고 자동차 예를 다시 이용하자면, 사용자는 “가격이 100만원에서 200만원 사이인 경차 또는 소형차”를 검색하도록 요청할 수 있다. 검색 시스템은 메타데이터의 상대적인 가중치를 지정할 수도 있는데, 이는 특정 조건을 더 중요시하는 경우에 유용하게 사용할 수 있다. 예를 들어, 가격적인 측면이 더 중요하다면, 가격과 크기 메타데이터의 중요도를 60 대 40으로 설정할 수 있다.
다시 도 1로 돌아가서, 추천부(140)는 문서2류에 속하는 문서의 메타데이터를 이용하여 쿼리 메타데이터와의 밀접도 관계에 기초해서 추천 대상 문서를 선정하게 된다. 이를 위해서 추천부(140)는 도 3에서 보는 것처럼, 매칭 모듈(141)과 연산모듈(142)를 포함하게 된다. 매칭 모듈(141)은 밀접도 데이터를 읽어와서 문서와 쿼리 메타데이터의 조건을 매칭하며, 연산모듈(142)은 추천 가중치를 계산하게 된다.
추천 가중치는 문서2류에 속하는 메타데이터(미리 등록된 속성)와 사용자 단말에 의해 입력된 하나 이상의 쿼리 메타데이터 사이의 밀접도에 기초할 수 있다. 복수의 쿼리 메타데이터가 존재하는 경우 문서2류에 속하는 문서의 추천가중치는 문서의 메타데이터 각각의 밀접도의 합일 수 있다. 문서의 메타데이터의 밀접도는 쿼리 메타데이터에 대한 밀접도 관계와 문서의 관계를 수치화한 것이다. 문서의 메타데이터의 밀접도는 선형 및 비선형 메타데이터에서 상이하게 계산될 수 있다. 아래에서는 추천 대상 문서를 선정하기 위한 선형 및 비선형 메타데이터의 밀접도를 계산하는 구성에 대해 설명한다.
우선, 문서2류에 속하는 문서의 선형 메타데이터의 밀접도는 쿼리 선형 메타데이터의 밀접도 범위 및 문서의 선형 메타데이터에 기초하여 계산된다.
추천부(140)의 매칭 모듈(141)은 검색 조건으로 주어진 쿼리 메타데이터(선형)를 전술한 밀접도 범위 그래프에 적용하여 결과 문서들의 메타정보 밀접도를 찾는다. 예컨대 문서의 메타정보에 있어 가격이 210만원인 경우 문서의 가격의 밀접도는 75%이다. 예를 들어, 문서의 가격이 150만원인 경우 이 문서의 가격의 밀접도는 100%이다. 비선형 메타데이터의 밀접도는 미리 정의되어 있는 비선형 메타데이터의 밀접도 테이블에 검색 조건으로 주어진 쿼리 메타데이터(비선형)를 적용하여 문서들의 메타데이터 밀접도를 찾는다. 이와 같이 하여 얻은 사용자 단말의 쿼리에 대한 밀접도 결과를 표로 예시하면 표 2와 같다.
메타데이터 추천 대상 문서1 추천 대상 문서2
메타데이터 메타데이터 밀접도 메타데이터 메타데이터밀접도
현대, 기아 브랜드 현대 100% 쌍용 60%
100~200 가격 210 75% 150 100%
중형 크기 소형 80% 대형 80%
흰색 색상 검은색 80% 흰색 100%
표 2에서 볼 수 있듯이 추천 대상 문서(180)의 4가지 메타정보(브랜드, 가격, 크기, 색상)를 정확히 만족하지 않더라고 추천이 될 수 있다는 것을 알 수 있다. 문서 1은 브랜드에서 메타데이터 밀접도 100%가 나타났으며 가격, 크기, 색상에서 각각 75%, 80%, 80%의 메타데이터 밀접도를 나타내는 반면에, 문서 2는 가격과 색상에서 100%의 메타데이터 밀접도가 나왔지만 브랜드와 크기에서 각각 60%와 80%의 메타데이터 밀접도를 나타낸다.
추천부(140)의 연산모듈(142)은 상기 매칭모듈(141)에서 산출한 각 속성의 밀접도를 계산해서 최종적으로 문서의 추천 가중치를 연산한다. 연산방식은 각 메타정보의 가중치를 밀접도에 대입해서 최종 문서의 추천 가중치를 구하는 방식일 수 있다. 추천 가중치는 각각의 메타데이터에 따라 정의부(130)에서 미리 정의될 수도 있다. 이렇게 연산한 각 문서의 최종 추천 가중치는 표 3과 같이 계산될 수 있다.
추천 가중치 추천 대상 문서1 추천 대상 문서2
브랜드 [40%] 1.0 (100%) * 0.40 (40%) 0.60 (60%) * 0.40 (40%)
가격 [30%] 0.75 (75%) * 0.30 (30%) 1.0 (100%) * 0.30 (30%)
크기 [25%] 0.80 (80%) * 0.25 (25%) 0.80 (80%) * 0.25 (25%)
색상 [20%] 0.80 (80%) * 0.20 (20%) 1.0 (100%) * 0.20 (20%)
이렇게 연산한 각 문서의 최종 추천 가중치는 아래와 같이 아래와 같이 계산될 수 있다.
문서 1: 0.85
= ( (1.0 * 0.4) + (0.75 * 0.3) + (0.8 * 0.25) + (0.8 * 0.2) ) / 메타정보 가중치의 합 (1.15)
문서 2: 0.81
= ( (0.6 * 0.4) + (1.0 * 0.3) + (0.8 * 0.25) + (1.0 * 0.2) ) / 메타정보 가중치의 합 (1.15)
한편, 정렬부(150)는 마지막으로 문서들을 추천 가중치를 기준으로 정렬하는 역할을 한다. 추천 가중치가 높은 문서가 검색 결과 상위에 등장하게 되므로 사용자 단말 자신이 선택한 기준과 가장 유사한 문서들을 먼저 추천받을 수 있다. 이와 같은 모듈 구성에 의해서 검색 결과 제공 장치가 제공하는 검색결과가 생성되고, 사용자 단말의 화면에 검색 결과가 표시되도록 할 수 있다.
도 4는 본 발명에 일 실시예에 따른 검색 결과 제공 방법의 순서도이다.
사용자 단말이 적어도 하나의 쿼리 메타데이터 및 검색 키워드를 입력받는다(S100). 이어서, 색인 데이터(170)로부터 검색 키워드를 이용하여 전술한 문서2류에 속하는 문서들을검색한다(S110).
다음으로 추천부의 매칭 모듈이 미리 정의된 메타데이터에 대해서 미리 정의된 밀접도 관계를 매핑한다(S120). 전술한 것처럼, 이 매핑 단계는 쿼리 선형 메타데이터 및 쿼리 비선형 메타데이터에 대해서 각각 달라질 수 있다. 선형 메타데이터의 경우에는, 미리 정의되는 밀접도 범위에 기초하고, 매칭 모듈이 상기 쿼리 메타데이터를 문서의 밀접도 범위 그래프에 적용하여 문서의 밀접도를 추출하게 된다. 반면에 비선형 메타데이터의 경우에는 상기 매칭 모듈이 쿼리 메타데이터를 문서의 밀접도 매칭 테이블에 적용하여 문서의 밀접도를 추출한다.
다음으로 추천부의 연산 모듈이 문서에 대한 추천가중치를 연산한다(S130). 상기 연산모듈이 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 전술한 바와 같이 추천 가중치를 산출하게 된다. 문서에 대한 추천 가중치는 하나 이상의 쿼리 메타데이터에 기초할 수 있다. 추천 가중치는 문서의 메타데이터 각각의 밀접도의 합일 수 있다.
이어서, 추천 대상 문서를 추천가중치를 기준으로 정렬한다(S140). 추천 가중치가 높은 문서가 검색 결과 상위에 등장하게 되므로 사용자가 자신이 선택한 기준과 가장 유사한 문서들을 먼저 추천받을 수 있다. 본 발명의 장치와 프로세스는 사용자 단말이 입력한 쿼리 메타데이터가 직접 대응하는 검색결과만을 제시하는 것이 아니라, 그 검색결과와 동시에 쿼리 메타데이터에서 제외된 문서(문서2류에 속한 문서)를 전술한 바와 같은 메타데이터 간의 밀접도 관계에 기초하여 추천 가중치를 적용한 결과를 또 다른 검색결과로서 함께 제시한다. 추천 대상 문서의 개수와 표시 방법은 검색 시스템에서 다양하게 설정될 수 있다. 메타데이터는 사용자가 임의로 입력하는 것으로서 메타데이터에서 벗어난 검색결과라고 해서 사용자가 관심 밖으로 완전히 벗어난 정보라고는 단정할 수 없다. 그 또는 그녀는 언제든지 메타데이터를 수정하여 입력함으로써 메타데이터의 범위를 넓힐 수가 있다(그러나 이는 번거로운 일이다). 종래의 기술은 완전히 벗어난 정보로 간주하지만, 본 발명은 메타데이터에서 벗어난 문서의 검색 유의미성을 되살린다. 이로써 사용자에게 더욱 최적화된 검색결과를 제공할 수 있다.
본 발명의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명의 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.

Claims (7)

  1. 검색 결과 제공 방법에 있어서,
    사용자 단말이 검색어 및 적어도 하나의 쿼리 메타데이터를 입력하는 단계;
    추천 모듈이 미리 정의된 메타데이터에 대한 밀접도 관계를 이용하여 상기 쿼리 메타데이터에서 제외되는 문서인 문서 2류에 속하는 문서에 대한 추천 가중치를 연산하여 검색결과로 표시할 추천 대상 문서를 선정하는 단계; 및
    상기 쿼리 메타데이터에 대응하는 문서인 문서 1류에 속하는 문서에 대한 검색결과와 상기 문서 2류에 속하는 문서 중에서 선정된 추천 대상 문서를 또 다른 검색결과로서 함께 표시하는 단계를 포함하며,
    상기 추천 모듈은 매칭 모듈과 연산 모듈을 포함하며,
    상기 쿼리 메타데이터는 선형 메타데이터를 포함하고,
    상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 선형 메타데이터에 대해서 미리 정의되는 밀접도 범위에 기초하고,
    상기 추천 대상 문서를 선정하는 단계는,
    상기 매칭 모듈이 상기 쿼리 메타데이터를 상기 밀접도 범위 그래프에 적용하여 상기 문서 2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈이 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서 2류에 속하는 문서의 추천 가중치를 산출하는 단계를 포함하는, 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법.
  2. 삭제
  3. 검색 결과 제공 방법에 있어서,
    사용자 단말이 검색어 및 적어도 하나의 쿼리 메타데이터를 입력하는 단계;
    추천 모듈이 미리 정의된 메타데이터에 대한 밀접도 관계를 이용하여 상기 쿼리 메타데이터에서 제외되는 문서인 문서 2류에 속하는 문서에 대한 추천 가중치를 연산하여 검색결과로 표시할 추천 대상 문서를 선정하는 단계; 및
    상기 쿼리 메타데이터에 대응하는 문서인 문서 1류에 속하는 문서에 대한 검색결과와 상기 문서 2류에 속하는 문서 중에서 선정된 추천 대상 문서를 또 다른 검색결과로서 함께 표시하는 단계를 포함하며,
    상기 추천 모듈은 매칭 모듈과 연산 모듈을 포함하며,
    상기 쿼리 메타데이터는 비선형 메타데이터를 포함하고,
    상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 비선형 메타데이터에 대해서 미리 정의되는 밀접도 매칭 테이블에 기초하고,
    상기 추천 대상 문서를 선정하는 단계는,
    상기 매칭 모듈이 상기 쿼리 메타데이터를 상기 밀접도 매칭 테이블에 적용하여 상기 문서 2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈이 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서 2류에 속하는 문서의 추천 가중치를 산출하는 단계를 포함하는, 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법.
  4. 제1항 또는 제3항에 있어서,
    상기 추천 대상 문서를 상기 추천 가중치를 기초로 정렬하는 단계를 더 포함하는, 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법.
  5. 검색 대상 문서의 데이터베이스를 가지며 메모리와 프로세서를 포함하는 검색 결과 제공 장치에 있어서,
    검색어 및 적어도 하나의 쿼리 메타데이터를 입력받는 입력부;
    상기 쿼리 메타데이터에 대한 밀접도 관계를 정의하는 정의부;
    미리 정의된 메타데이터에 대한 밀접도 관계를 이용하여 상기 쿼리 메타데이터에서 제외되는 문서인 문서 2류에 속하는 문서에 대한 추천 가중치를 연산하여 검색결과로 표시할 추천 대상 문서를 선정하는 추천부; 및
    상기 쿼리 메타데이터에 대응하는 문서인 문서 1류에 속하는 문서에 대한 검색결과와 함께 사용자 단말에 제공되는 또 다른 검색결과를 생성하기 위하여, 상기 문서 2류에 속하는 문서 중에서 선정된 추천 대상 문서를 추천 가중치 순서로 정렬하는 정렬부를 포함하며,
    상기 추천부는 매칭 모듈과 연산 모듈을 포함하며,
    상기 쿼리 메타데이터는 비선형 데이터를 포함하고,
    상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 비선형 데이터에 대해서 미리 정의되는 밀접도 범위에 기초하고,
    상기 매칭 모듈은 상기 쿼리 메타데이터를 상기 밀접도 범위 그래프에 적용하여 상기 문서 2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈은 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서 2류에 속하는 문서의 추천 가중치를 산출하는 것인, 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 장치.
  6. 검색 대상 문서의 데이터베이스를 가지며 메모리와 프로세서를 포함하는 검색 결과 제공 장치에 있어서,
    검색어 및 적어도 하나의 쿼리 메타데이터를 입력받는 입력부;
    상기 쿼리 메타데이터에 대한 밀접도 관계를 정의하는 정의부;
    미리 정의된 메타데이터에 대한 밀접도 관계를 이용하여 상기 쿼리 메타데이터에서 제외되는 문서인 문서 2류에 속하는 문서에 대한 추천 가중치를 연산하여 검색결과로 표시할 추천 대상 문서를 선정하는 추천부; 및
    상기 쿼리 메타데이터에 대응하는 문서인 문서 1류에 속하는 문서에 대한 검색결과와 함께 사용자 단말에 제공되는 또 다른 검색결과를 생성하기 위하여, 상기 문서 2류에 속하는 문서 중에서 선정된 추천 대상 문서를 추천 가중치 순서로 정렬하는 정렬부를 포함하며,
    상기 추천부는 매칭 모듈과 연산 모듈을 포함하며,
    상기 쿼리 메타데이터는 선형 데이터를 포함하고,
    상기 쿼리 메타데이터에 대한 밀접도 관계는 상기 선형 데이터에 대해서 미리 정의되는 밀접도 범위에 기초하고,
    상기 매칭 모듈은 상기 쿼리 메타데이터를 상기 밀접도 범위 그래프에 적용하여 상기 문서 2류에 속하는 문서의 밀접도를 추출하며, 상기 연산 모듈은 미리 정해진 쿼리 메타데이터의 가중치를 상기 밀접도에 대입해서 상기 문서 2류에 속하는 문서의 추천 가중치를 산출하는 것인, 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 장치.
  7. 삭제
KR1020120084667A 2012-08-02 2012-08-02 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치 KR101453868B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120084667A KR101453868B1 (ko) 2012-08-02 2012-08-02 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120084667A KR101453868B1 (ko) 2012-08-02 2012-08-02 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20140017895A KR20140017895A (ko) 2014-02-12
KR101453868B1 true KR101453868B1 (ko) 2014-10-21

Family

ID=50266246

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120084667A KR101453868B1 (ko) 2012-08-02 2012-08-02 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101453868B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005196540A (ja) * 2004-01-08 2005-07-21 Sony Corp メタデータ関連情報管理システム，メタデータ関連情報管理方法，関連メタデータ管理サーバ，メタデータ参照端末およびコンピュータプログラム
JP2007179490A (ja) * 2005-12-28 2007-07-12 Research Organization Of Information & Systems 情報資源検索装置、情報資源検索方法及び情報資源検索プログラム
JP2008204198A (ja) * 2007-02-20 2008-09-04 Skyit Corp 情報提供システム、及び、情報提供プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005196540A (ja) * 2004-01-08 2005-07-21 Sony Corp メタデータ関連情報管理システム，メタデータ関連情報管理方法，関連メタデータ管理サーバ，メタデータ参照端末およびコンピュータプログラム
JP2007179490A (ja) * 2005-12-28 2007-07-12 Research Organization Of Information & Systems 情報資源検索装置、情報資源検索方法及び情報資源検索プログラム
JP2008204198A (ja) * 2007-02-20 2008-09-04 Skyit Corp 情報提供システム、及び、情報提供プログラム

Also Published As

Publication number Publication date
KR20140017895A (ko) 2014-02-12

Similar Documents

Publication Publication Date Title
CA2848593C (en) Information processing apparatus, information processing method, and information processing program
US20160179818A1 (en) Determining search result rankings based on trust level values associated with sellers
CA2787593C (en) System and method for aggregation and association of professional affiliation data with commercial data content
US20120215766A1 (en) Searching and Displaying Data Objects Residing in Data Management Systems
US11755651B2 (en) Method, apparatus, and computer-readable medium for generating categorical and criterion-based search results from a search query
US20180357669A1 (en) System and method for information processing
US10956530B2 (en) Systems and methods for search modification
CN104899285A (zh) 搜索结果展示方法和装置
CN105205188A (zh) 采购物料供应商的推荐方法及推荐装置
CN107180093A (zh) 信息搜索方法及装置和时效性查询词识别方法及装置
US20140101146A1 (en) System and process for discovering relationships between entities based on common areas of interest
CN110619559B (zh) 基于大数据信息在电子商务中精准推荐商品的方法
CN104408189A (zh) 关键词排名的展示方法和装置
KR101453868B1 (ko) 메타 기반 추천 프로세스를 포함하는 검색 결과 제공 방법 및 장치
US8539343B2 (en) Calculating uniqueness coefficients for data objects and displaying the data objects in a layout based on the uniqueness coefficient
KR101216116B1 (ko) 니치 평가 모델 생성 및 니치 기술 영역 평가 방법 및 그 시스템
KR102600944B1 (ko) 부동산 거래 기반의 맞춤 시세 정보 제공 장치
KR20150020490A (ko) 상품 가격 계산 장치, 상품 가격 계산 방법 및 이를 이용한 상품 정보 제공 방법
US20240176810A1 (en) Computer-Implemented Visual Query Matching Methods, and Systems for Implementing Thereof
Panev et al. Concept and Computation of Ranking-based Dominance
US10013468B2 (en) Multivariable objects navigation tool
JP2014228969A (ja) コンテンツ検索結果提供装置及びコンテンツ検索結果提供方法
CN103064954B (zh) 基于实体的搜索和解析
CN111026974A (zh) 一种基于过滤融合的预测方法
Salah et al. Prediction of Selection Decision of Document Using Bibliographic Data at the National Library of France (BnF)

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20171016

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20181015

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20191015

Year of fee payment: 6