KR101677749B1 - 개인 선호 성향을 고려한 추천 서비스 방법 및 이를 위한 추천 서비스 서버 - Google Patents

Abstract

본 발명은 본 발명은 개인 선호 성향을 고려한 추천 서비스 방법 및 이를 위한 추천 서비스 서버에 대한 것으로서, 사용자의 개인 선호 성향에 따른 대상에 대한 순위를 기반으로 유사한 성향을 갖는 다른 사용자가 평가한 대상에 대한 순위에 따라 추천 대상을 판단하여 사용자에게 추천함으로써 사용자의 성향에 적합한 대상을 추천할 수 있는 방안을 제시한다.

Description

개인 선호 성향을 고려한 추천 서비스 방법 및 이를 위한 추천 서비스 서버 {Method and service server for recommendation of considering individual personality}

본 발명은 개인 선호 성향을 고려한 추천 서비스 방법 및 이를 위한 추천 서비스 서버에 대한 것으로서, 보다 상세하게는 사용자의 개인 선호 성향에 따른 대상에 대한 순위를 기반으로 유사한 성향을 갖는 다른 사용자가 평가한 대상에 대한 순위에 따라 추천 대상을 판단하여 사용자에게 추천함으로써 사용자의 성향에 적합한 대상을 추천할 수 있는 방안을 제시한다.

ICT 기술 발달에 따라 자신이 경험하거나 보유하고 있는 다양한 대상에 대한 정보를 실시간 인터넷 상에 게재가 가능하게 되어, 인터넷 상에는 풍부한 정보가 공유되고 있다.

가령, 자신이 방문한 음식점이나 각종 시설 등에 대한 정보를 인터넷 상의 블로그, 카페 등에 게재하거나 다양한 소셜 네트워크 상에 업로드함으로써 자신과 연계된 지인들뿐만 아니라 불특정 다수에게도 이와 같은 다양한 정보가 제공되고 있다.

특히, 포털 싸이트 등에서 키워드 검색으로 특정 대상에 대한 다양한 정보의 검색이 가능한데, 이와 같은 상황을 악용하여 실질적으로는 특정 대상에 대한 광고임에도 불구하고 마치 자신이 특정 대상에 대한 경험이나 보유에 기초하여 이를 공정하게 평가하는 듯이 정보를 게재하는 광고성 정보가 난무하고 있어 일반 사용자들이 인터넷 상의 추천 정보를 신뢰하지 못하는 상황이 발생되고 있다.

또한 각종 대상에 대한 추천 서비스를 제공하는 다양한 방안이 제시되고 있는데, 이와 같은 추천 서비스는 해당 업주가 자신이 제공하는 대상에 대한 다수의 추천을 발생시켜 추천 순위를 조작하는 경우가 발생되고 있어 추천 서비스의 신뢰도가 떨어지는 문제점이 있다.

나아가서 사용자의 개인 성향을 고려하지 않고 사용자의 위치에 기반하거나 대상 카테고리에 따라 추천이 이루어짐으로써 추천 순위에 따라 대상을 선택하는 경우 사용자가 실질적으로 자신의 성향과는 맞지 않는 대상을 선택하는 문제점이 있다.

특허공개번호 제10-2014-0066859호

본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하고자 하는 것으로서, 실질적으로는 특정 대상에 대한 광고임에도 불구하고 마치 자신이 특정 대상에 대한 경험이나 보유에 기초하여 이를 공정하게 평가하는 듯이 정보를 게재하는 광고성 정보들이 난무하고 있어 일반 사용자들이 인터넷 상의 추천 정보를 신뢰하지 못하는 문제를 해결하고자 한다.

특히, 각종 대상에 대한 추천 서비스를 제공하는데 있어서, 해당 업주가 자신이 제공하는 대상에 대한 다수의 추천을 발생시켜 추천 순위를 조작하는 문제점을 해결하고, 추천 조작에 따른 추천 서비스에 대한 신뢰도가 떨어지는 문제점을 해결하고자 한다.

나아가서 사용자의 개인 성향을 고려하지 않고 사용자의 위치에 기반하거나 대상 카테고리에 따라 추천이 이루어짐으로써 추천 순위에 따라 대상을 선택하는 경우 사용자가 실질적으로 자신의 성향과는 맞지 않는 대상을 선택하는 문제점을 해결하고자 한다.

상기 기술적 과제를 달성하고자 본 발명에 따른 추천 서비스 방법은, 제1 사용자 및 하나 이상의 제2 사용자 각각에 대응되는 사용자별 그룹에 포함된 복수의 대상에 대하여 상기 사용자의 선호 선향에 따라 순차적인 순위를 설정하는 순위 설정 단계; 상기 제1 사용자에 대응되는 제1 그룹에 포함된 대상의 순위와 하나 이상의 제2 사용자 각각에 대응되는 제2 그룹에 포함된 대상의 순위를 대비하여 상기 제1 사용자와 상기 제2 사용자 각각의 유사도를 분석하는 유사 성향 분석 단계; 및 상기 유사도를 기초로 상기 제1 그룹에 포함되지 않고 상기 제2 그룹에 포함된 대상 중 하나 이상을 추천 대상으로 상기 제1 사용자에게 추천하는 대상 추천 단계를 포함할 수 있다.

일례로서, 상기 순위 설정 단계는, 상기 사용자로부터 상기 그룹에 포함된 복수의 대상을 선호 성향에 따라 순차적으로 나열한 순위를 설정받을 수 있다.

다른 일례로서, 상기 순위 설정 단계는, 상기 그룹에 포함된 복수의 대상에 대하여 경쟁 모형(paired comparison)을 적용하여 상기 사용자의 선호 성향에 따른 순차적인 순위를 설정할 수 있다.

바람직하게는 상기 순위 설정 단계는, 상기 그룹에 포함된 복수의 대상을 쌍의 조합으로 분류하고, 브래들리 테리 모형(Bradley terry model)을 적용하여 상기 사용자의 선호 성향에 따른 평가로 상기 그룹에 포함된 복수의 대상에 대한 순위를 설정할 수도 있다.

나아가서 상기 순위 설정 단계는, 대상에 대한 복수의 속성 요소가 설정되며, 상기 그룹에 포함된 복수의 대상에 대하여 속성 요소별로 상기 사용자의 선호 성향에 따른 평가가 수행되는 선호 평가 단계; 및 상기 복수의 대상에 대한 속성 요소별 평가를 기초로 상기 그룹에 포함된 복수의 대상에 대한 순위를 설정하는 순위 평가 단계를 포함할 수 있다.

여기서 상기 순위 평가 단계는, 상기 그룹에 포함된 복수의 대상에 대하여 각 속성 요소별로 순위를 설정할 수 있다.

또는 상기 순위 평가 단계는, 상기 그룹에 포함된 복수의 대상에 대하여 각 속성 요소별 평가를 종합하여 순위를 설정할 수도 있다.

일례로서, 상기 유사 성향 분석 단계는, 상기 제1 그룹과 상기 제2 그룹에 동일하게 포함된 대상을 추출하는 동일대상 추출 단계; 및 추출된 대상에 대한 상기 제1 사용자에 의한 순위와 상기 제2 사용자에 의한 순위를 대비하여 상관 분석(Correlation analysis)에 따른 상기 제1 사용자와 상기 제2 사용자의 유사도를 산출하는 유사도 분석 단계를 포함할 수 있다.

바람직하게는 상기 유사도 분석 단계는, 추출된 대상들의 순위를 대비하여 켄달의 타우계수(Kendall's tau)를 산출하고, 이를 기초로 상기 제1 사용자와 상기 제2 사용자의 유사도를 산출할 수 있다.

나아가서 각 그룹에 포함된 복수의 대상에 대하여 복수의 속성 요소별로 순위가 설정되며, 상기 동일대상 추출 단계는, 상기 속성 요소별로 상기 제1 그룹과 상기 제2 그룹에 동일하게 포함된 대상을 추출하며, 상기 유사도 분석 단계는, 상기 속성 요소별로 추출된 대상에 대한 상기 제1 사용자에 의한 순위와 상기 제2 사용자에 의한 순위를 대비하여 선택된 속성 요소별로 유사도를 산출할 수 있다.

바람직하게는 상기 유사 성향 분석 단계는, 상기 제1 사용자로부터 대상에 대한 하나 이상의 속성 요소를 선택받는 속성 요소 선택 단계를 더 포함할 수도 있다.

일례로서, 상기 대상 추천 단계는, 상기 유사도를 기초로 상기 제2 사용자 중 적어도 하나 이상의 제2 사용자를 선택하는 유사 성향 사용자 선택 단계; 선택된 제2 사용자에 대응되는 제2 그룹에 포함된 대상 중 상기 제1 그룹에 포함되지 않은 대상을 신규 대상으로 추출하는 신규 대상 추출 단계; 추출된 신규 대상에 대한 상기 선택된 제2 사용자에 의한 순위를 기초로 하나 이상의 신규 대상을 추천 대상으로 선택하는 추천 대상 선택 단계; 및 상기 추천 대상에 대한 정보를 포함하는 추천 정보를 상기 제1 사용자에게 제공하는 추천 정보 제공 단계를 포함할 수 있다.

여기서 상기 유사 성향 사용자 선택 단계는, 상기 유사도가 가장 높은 제2 사용자, 상기 유사도가 기준치 이상인 하나 이상의 제2 사용자 또는 상기 유사도의 내림차순 중 설정된 순번까지의 제2 사용자를 선택할 수 있다.

다른 일례로서, 상기 대상 추천 단계는, 상기 제2 그룹에 포함된 대상 중 상기 제1 그룹에 포함되지 않은 대상을 신규 대상으로 추출하는 신규 대상 추출 단계; 상기 유사도와 추출된 신규 대상의 순위를 기초로 상기 신규 대상에 대한 신규 대상 스코어를 산출하는 신규 대상 스코어 산출 단계; 산출된 신규 대상 스코어를 기초로 하나 이상의 신규 대상을 추천 대상으로 선택하는 추천 대상 선택 단계; 및 상기 추천 대상에 대한 정보를 포함하는 추천 정보를 상기 제1 사용자에게 제공하는 추천 정보 제공 단계를 포함할 수 있다.

여기서 상기 신규 대상 스코어 산출 단계는, 추출된 상기 신규 대상에 대한 하나 이상의 상기 제2 사용자 각각에 의한 순위를 종합하여 인지도를 산출하고, 상기 유사도와 상기 인지도를 기초로 상기 신규 대상 각각에 대한 신규 대상 스코어를 산출할 수 있다.

나아가서 각 그룹에 포함된 복수의 대상에 대하여 복수의 속성 요소별로 순위가 설정되고, 상기 유사도는 상기 제1 사용자가 선택한 하나 이상의 속성 요소별로 산출되며, 상기 신규 대상 스코어 산출 단계는, 추출된 상기 신규 대상 각각에 대한 속성 요소별 인지도를 산출하고, 상기 유사도와 상기 인지도를 기초로 상기 신규 대상 각각에 대하여 속성 요소별로 신규 대상 스코어를 산출하며, 상기 추천 대상 선택 단계는, 속성 요소별 신규 대상 스코어를 기초로 하나 이상의 신규 대상을 추천 대상으로 선택할 수 있다.

일례로서, 상기 신규 대상 추천 단계는, 상기 제1 그룹과 상기 제2 그룹에 동일하게 포함된 대상을 기존 대상으로 추출하는 기존 대상 추출 단계; 및 상기 유사도와 추출된 기존 대상의 순위를 기초로 상기 기존 대상에 대한 기존 대상 스코어를 산출하는 기존 대상 스코어 산출 단계를 더 포함하며, 상기 추천 정보 제공 단계는, 상기 추천 대상에 대한 신규 대상 스코어와 설정된 유사범위 내의 기존 대상 스코어를 갖는 기존 대상에 대한 정보를 상기 추천 정보에 포함시켜 제공할 수 있다.

바람직하게는 상기 추천 정보 제공 단계는, 상기 신규 대상 스코어의 내림차순으로 하나 이상의 추천 대상에 대한 추천 리스트를 생성하여 상기 제1 사용자에게 제공할 수 있다.

또한 본 발명에 따른 서비스 서버는, 사용자의 선호 성향에 따라 복수의 대상에 대한 순위를 설정하는 순위 설정부; 사용자 각각의 선호 성향에 따른 복수의 대상에 대한 순위를 기초로 제1 사용자와 하나 이상의 제2 사용자에 대한 유사도를 분석하고, 상기 유사도를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택하는 추천 대상 판단부; 및 상기 추천 대상에 대한 추천 정보를 생성하여 상기 제1 사용자에게 제공하는 추천 정보 제공부를 포함할 수 있다.

나아가서 상기 사용자별로 대응되는 복수의 대상을 사용자별 그룹으로 구성하여, 각 그룹에 포함된 대상에 대한 정보와 대상의 순위를 저장하는 대상 정보 저장부를 더 포함할 수도 있다.

한 걸음 더 나아가서 검색 서비스 서버와 연동하여 상기 검색 서비스 서버로부터의 추천 서비스 요청에 따라 추천 대상에 대한 추천 정보를 제공하는 검색 서비스 서버 연동부를 더 포함할 수도 있다.

바람직하게는 상기 순위 설정부는, 경쟁 모형(paired comparison)을 적용하여 복수의 대상에 대한 순위를 설정할 수도 있다.

그리고 상기 추천 대상 판단부는, 상기 제1 사용자와 하나 이상의 제2 사용자의 선호 성향에 따른 복수의 대상에 대한 순위를 대비하여 상관 분석(Correlation analysis)을 통해 상기 제1 사용자와 하나 이상의 제2 사용자에 대한 유사도를 산출할 수도 있다.

이와 같은 본 발명에 의하면, 추천 서비스를 요청하는 사용자의 선호 성향에 따른 다른 사용자의 유사 성향 정도를 고려하여 추천 대상이 선택됨으로써 사용자는 자신의 성향에 맞는 추천 대상을 추천받을 수 있게 된다.

나아가서 사용자가 선택한 속성 요소에 대하여 추천 대상의 속성 요소별 점수를 산출하여 제공함으로써 사용자는 추천 대상의 상태를 보다 명확하게 파악할 수 있게 된다.

한 걸음 더 나아가서, 추천 대상의 추천시 사용자가 경험하거나 보유한 대상 중 추천 대상과 유사한 대상에 대한 정보를 함께 제공함으로써 사용자는 비록 추천 대상에 대하여 경험하거나 보유해보지 못했으나 추천 대상에 대하여 그 상태를 예측할 수 있게 된다.

도 1은 본 발명에 따른 추천 서비스를 제공하기 위한 추천 서비스 시스템의 개략적인 구성도를 도시하며,
도 2는 본 발명에 따른 추천 서비스 서버의 실시예에 대한 구성도를 도시하며,
도 3은 본 발명에 따른 추천 서비스 방법의 실시예에 대한 개략적인 흐름도를 도시하며,
도 4는 본 발명에 따른 추천 서비스 방법에서 대상 평가에 따른 순위를 설정하는 과정의 실시예에 대한 흐름도를 도시하며,
도 5는 본 발명에 따른 추천 서비스 방법에서 사용자가 경험한 음식점 대상을 선택하기 위한 GUI의 실시예를 도시하며,
도 6은 본 발명에 따른 추천 서비스 방법에서 사용자가 경험한 음식점 대상에 대한 순위를 설정하는 실시예를 나타내며,
도 7은 본 발명에 따른 추천 서비스 방법에서 경쟁 모형을 적용하여 사용자가 경험한 음식점 대상에 대한 순위를 설정하는 실시예를 나타내며,
도 8은 본 발명에 따른 추천 서비스 방법에서 속성 요소별로 음식점 대상에 대한 순위가 설정된 실시예를 나타내며,
도 9는 본 발명에 따른 추천 서비스 방법에서 다수의 사용자에 의해 음식점 대상의 순위가 설정된 실시예를 나타내며,
도 10은 본 발명에 따른 추천 서비스 방법에서 유사 성향의 사용자를 판단하는 과정의 실시예에 대한 흐름도를 도시하며,
도 11은 본 발명에 따른 추천 서비스 방법에서 켄달의 타우계수(Kendall's tau)를 적용하여 유사 성향의 사용자를 판단하는 실시예를 나타내며,
도 12는 본 발명에 따른 추천 서비스 방법에서 추천 대상을 판단하는 과정의 실시예에 대한 흐름도를 도시하며,
도 13은 본 발명에 따른 추천 서비스 방법에서 유사 성향의 사용자에 의한 음식점 대상의 순위로 음식점 추천 대상이 선택되는 실시예를 나타내며,
도 14는 본 발명에 따른 추천 서비스 방법에서 추천 대상을 판단하는 다른 과정의 실시예에 대한 흐름도를 도시하며,
도 15는 본 발명에 따른 추천 서비스 방법에서 다수의 사용자에 대한 유사도와 음식점 대상에 대한 순위를 기초로 음식점 추천 대상을 판단하는 실시예를 나타내며,
도 16은 상기 도 15의 실시예에 추가적으로 음식점 대상에 대한 인지도를 고려하여 음식점 추천 대상을 판단하는 실시예를 나타내며,
도 17은 본 발명에 따른 추천 서비스 방법에서 사용자에게 음식점 추천 정보를 제공하는 실시예를 나타내며,
도 18은 본 발명에 따른 추천 서비스 방법에서 추천 정보를 생성하여 제공하는 과정의 실시예에 대한 흐름도를 도시하며,
도 19는 본 발명에 따른 추천 서비스 방법에서 음식점 추천 대상과 유사한 사용자가 경험한 음식점 기존 대상을 선택하는 실시예를 나타내며,
도 20은 본 발명에 따른 추천 서비스 방법에서 음식점 추천 대상과 함께 사용자가 경험한 유사 음식점 정보를 추천 정보로 제공하는 실시예를 나타낸다.

본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 설명하기 위하여 이하에서는 본 발명의 바람직한 실시예를 예시하고 이를 참조하여 살펴본다.

먼저, 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니며, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 또한 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 발명을 설명함에 있어서, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

본 발명은 개인 선호 성향을 고려하여 적합한 추천 대상을 사용자에게 추천하기 위해서 다수의 사용자 각각이 선호하는 대상에 대한 순위를 설정하고, 추천 서비스를 요청하는 제1 사용자와 유사한 성향을 갖는 제2 사용자들이 대상에 대하여 평가한 순위를 기초로 추천 대상을 판단하여 상기 제1 사용자에게 추천 대상을 추천하는 방안을 제시한다.

본 발명에서 추천 서비스에 적용되는 대상은 음식점, 극장, 카페 등 각종 시설물이 될 수도 있고, 차량, 전자제품, 의류 등 각종 물건이 될 수도 있으며, 문서, 음반, 영화 등 각종 콘텐츠가 될 수도 있는 등 그 대상에 제한 없이 사용자가 경험하거나 보유하여 그에 따른 평가가 가능한 모든 대상을 포괄한다.

도 1은 본 발명에 따른 추천 서비스를 제공하기 위한 추천 서비스 시스템의 개략적인 구성도를 도시하며, 상기 도 1을 참조하여 본 발명에 따른 추천 서비스를 제공하기 위한 추천 서비스 시스템을 살펴본다.

추천 서비스 서버(100)는 제1 사용자(10)와 제2 사용자(20)를 포함하는 다수의 사용자들로부터 각 사용자들의 선호 성향에 따라 대상에 대한 순위를 설정하여 보유하며, 추천 서비스를 이용하고자 하는 사용자에게 유사 성향을 갖는 다른 사용자에 의한 대상의 순위를 기초로 추천 대상을 판단하여 추천 서비스를 제공한다. 가령 제1 사용자(10)가 추천 서비스를 요청하는 경우, 제1 사용자(10)와 유사 성향을 갖는 제2 사용자(20)를 판단하여 제2 사용자(20)에 의한 대상의 순위를 기초로 제1 사용자(10)의 성향에 적합한 추천 대상을 판단하여 제1 사용자(10)에게 추천 서비스를 제공한다.

나아가서 본 발명의 추천 서비스는 독자적인 별개의 서비스로 제공될 수도 있으나 필요에 따라서는 기존 검색 서비스와 연동하여 사용자의 검색 서비스 이용시 추천 서비스가 함께 제공될 수도 있다.

이를 위해 추천 서비스 서버(100)가 검색 서비스 서버(200)와 연동하도록 시스템이 구성될 수도 있으며, 상기 도 1에서는 추천 서비스 서버(100)와 검색 서비스 서버(200)가 별개의 장치로 도시되었으나 추천 서비스 서버(100)와 검색 서비스 서버(200)를 통합하여 하나의 서버로 구성할 수도 있다.

제1 사용자(10)와 제2 사용자(20)는 각 사용자가 보유한 사용자 단말기(15a, 15b, 15c, 25a, 25b, 25n)를 통해 추천 서비스 서버(100)나 검색 서비스 서버(200)를 통해 추천 서비스를 제공받을 수 있는데, 여기서 사용자 단말기(15a, 15b, 15c, 25a, 25b, 25n)는 스마트폰, 노트북, PC, 테블릿 등 공지된 다양한 통신 장치들이 적용될 수 있으며, 상황에 따라서는 본 발명에 따른 추천 서비스를 이용하기 위해 최적화된 개별적인 통신 단말기가 적용될 수도 있다.

그리고 사용자 단말기(15a, 15b, 15c, 25a, 25b, 25n)는 단말기 종류나 특성에 따라 유선 통신망 또는 무선 통신망을 통해 추천 서비스 서버(100)나 검색 서비스 서버(200)에 접속하여 추천 서비스를 제공받을 수 있으며, 여기서 통신망은 인터넷 망일 수도 있으나, 일정 영역이나 제한적으로 접속이 가능하도록 구축된 인트라넷이 될 수도 있다.

이와 같은 추천 서비스 시스템을 통해 본 발명에서는 추천 서비스 서버(100)가 제1 사용자(10) 및 제2 사용자(20) 등 다수의 사용자로부터 각 사용자들의 선호 성향에 따른 대상에 대한 평가로 순위를 설정하여 보유하고, 제1 사용자(10)의 추천 서비스 요청에 따라 제1 사용자(10)와 유사 성향을 갖는 제2 사용자(20)에 의한 대상에 대한 순위를 기초로 추천 대상을 선택하여 제1 사용자(10)에게 추천한다.

본 발명에 따른 추천 서비스를 제공하기 위한 추천 서비스 서버에 대하여 도 2에 도시된 실시예에 대한 구성도를 참조하여 살펴보기로 한다.

추천 서비스 서버(100)는 개략적으로 순위 설정부(110), 추천 대상 판단부(130) 및 추천 정보 제공부(150)를 포함하며, 필요에 따라 대상 정보 저장부(170)와 검색 서비스 서버 연동부(190)를 포함할 수 있다.

순위 설정부(110)는 사용자의 선호 성향에 따라 복수의 대상에 대한 순위를 설정하는데, 각 사용자가 선택한 복수의 대상을 사용자별 그룹으로 구성하고 해당 사용자에 대응되는 그룹에 포함된 대상들에 대하여 각 사용자별 선호 성향에 따라 각각의 순위를 설정한다.

사용자의 선호 성향에 따라 순위를 설정하기 위해서, 순위 설정부(110)는 사용자에게 복수의 대상을 선택하고 각 순위를 설정할 수 있는 GUI를 제공하여 사용자가 직접 각 대상을 순차적으로 나열하여 나열된 순서에 따라 순위를 설정하도록 지원할 수도 있고 또는 경쟁 모형(paired comparison)을 적용하여 사용자가 선호하는 대상에 따라 자동적으로 순위가 정해지도록 지원할 수도 있다. 일례로서, 순위 설정부(110)는 컨조인트 초이스 시뮬레이션 모형(Conjoint choice simulation model)을 보유하고 이를 적용하여 각 사용자별로 선택한 복수의 대상에 대한 순위를 설정할 수 있다.

추천 대상 판단부(130)는, 순위 설정부(110)에서 설정한 각 사용자별 대상에 대한 순위를 기초로 추천 서비스를 요청하는 제1 사용자와 하나 이상의 제2 사용자에 대한 유사 성향 정도를 판단하여 유사 성향을 갖는 제2 사용자에 의한 대상의 순위를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택한다. 가령, 추천 대상 판단부(130)는 제1 사용자에 의한 대상의 순위와 다수의 제2 사용자 각각에 의한 대상의 순위를 대비하여 상관 분석(Correlation analysis)을 통해 상기 제1 사용자와 다수의 제2 사용자 간에 유사도를 산출하고, 상기 유사도와 제2 사용자에 의한 대상의 순위를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택한다.

추천 정보 제공부(150)는 추천 대상 판단부(130)에서 선택한 추천 대상에 대한 추천 정보를 제1 사용자에게 제공하는데, 상기 추천 정보에는 추천 대상에 대한 다양한 정보가 포함될 수 있으며, 나아가서 추천 대상이 상기 제1 사용자가 경험한 기존 대상 중 어느 기존 대상과 유사한지에 대한 정보도 포함될 수도 있다.

그리고 추천 서비스 서버(100)는 추가적으로 대상 정보 저장부(170)와 검색 서비스 서버 연동부(190)를 포함할 수 있는데, 대상 정보 저장부(170)는 순위 설정부(110)에서 사용자의 선호 성향에 따라 설정한 대상에 대한 순위를 저장하며, 바람직하게는 해당 대상에 대한 정보와 그 순위를 대응시켜 저장할 수도 있다. 또한 사용자별로 선택한 복수의 대상을 사용자별 그룹으로 분류하여 저장할 수도 있다.

검색 서비스 서버 연동부(190)는 검색 서비스를 제공하는 검색 서비스 서버(200)와 추천 서비스 서버(100)가 연동할 수 있도록 지원하는데, 가령, 검색 서비스 서버(200)로부터 추천 서비스 요청에 따라 해당 사용자의 기본 정보를 전달받아 선호 성향에 적합한 추천 대상을 검색 서비스 서버(200)로 전달할 수 있다. 나아가서 대상 정보 저장부(170)는 단순히 사용자별로 대상에 대한 순위 정보만을 보유하고, 추천 정보에 포함될 각 대상에 대한 세부적인 정보는 검색 서비스 서버 연동부(190)가 검색 서비스 서버(200)를 통해 제공받을 수도 있다.

이와 같이 추천 서비스 서버(100)를 통해 사용자의 개인 선호 성향을 고려하여 사용자에게 추천 서비스를 제공할 수 있으며, 또한 본 발명에서는 검색 서비스 서버를 통해 추천 서비스를 제공하는 방법을 제시하며, 이하에서는 본 발명에 따른 추천 서비스 방법에 대하여 그 실시예를 통해 살펴보기로 한다.

도 3은 본 발명에 따른 추천 서비스 방법의 실시예에 대한 개략적인 흐름도를 도시한다.

본 발명에 따른 추천 서비스 방법은, 개략적으로 사용자의 선호 성향에 따른 대상의 순위를 설정하는 과정(S100); 추천 서비스를 요청하는 제1 사용자와 하나 이상의 제2 사용자 간의 유사 성향을 분석하는 과정(S200); 상기 제1 사용자와 제2 사용자 간의 유사도 및 상기 제2 사용자에 의한 대상의 순위를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택하는 과정(S300); 선택된 추천 대상에 대한 추천 정보를 상기 제1 사용자에게 제공하는 과정(S400) 등을 포함할 수 있다.

본 발명에 따른 추천 서비스 방법에서 제시하는 상기의 각 과정에 대하여 이하의 세부적인 실시예를 통해 좀더 자세히 설명하기로 한다.

먼저 사용자의 선호 성향에 따른 대상의 순위를 설정하는 과정(S100)과 관련하여, 도 4는 본 발명에 따른 추천 서비스 방법에서 대상 평가에 따른 순위를 설정하는 과정의 실시예에 대한 흐름도를 도시한다.

사용자가 순위를 설정할 대상을 선택(S110)하면, 선택한 대상으로 사용자에 대응되는 그룹을 설정(S130)한다. 이때 그룹을 설정하지 않고 선택된 복수의 대상을 사용자별로 대응시킬 수도 있다.

또한, 상기 도 4의 실시예에서는 사용자가 평가 대상을 선택하는 과정으로 설명하였으나, 추천 서비스 서버(100)는 검색 서비스 서버(200), 사용자 단말기 등과 연동하여, 사용자가 경험하거나 보유한 대상의 정보를 자동적으로 전달받거나 보유함으로써, 사용자가 대상을 선택하는 과정이 생략될 수도 있다. 가령, 사용자가 방문한 장소의 경우, 사용자가 입력한 네비게이션이나 지도 검색 등의 검색 정보 또는 장소에 대한 사전 예약 정보 등을 통해 별도로 사용자가 대상을 선택하지 않고도 사용자가 경험한 장소에 대한 대상을 추천 서비스 서버(100)는 확인할 수 있다.

나아가서 사용자가 경험하거나 보유한 대상을 선택하는 과정을 보다 편리하게 수행할 수 있도록 추천 서비스 서버(100)는 대상 선택을 위한 GUI 등을 사용자 단말기에 제공할 수도 있는데, 이와 관련하여 도 5는 본 발명에 따른 추천 서비스 방법에서 사용자가 경험한 음식점 대상을 선택하기 위한 GUI의 실시예를 도시한다.

상기 도 5의 (a)는 사용자 단말기 상에 지도 화면(310)으로 해당 지역에 존재하는 음식점(311)이 시현되는 실시예이며, 상기 도 5의 (b)와 같이 지도 화면(310) 상에 사용자가 선택하는 각 음식점에 대한 추가적인 정보(315)를 제공함으로써 사용자는 경험했던 음식점을 편리하게 선택할 수 있게 된다.

사용자가 경험하거나 보유한 복수의 대상이 선택되어 사용자에 대응되는 그룹이 설정되면, 그룹에 포함된 복수의 대상에 대한 순위를 설정하게 되는데, 여기서 순위를 설정하는 과정은 다양한 방식으로 구현될 수 있으며, 일례로서 두 가지 경우를 상기 도 4의 실시예에서 제시한다.

하나의 경우는 사용자가 직접 복수의 대상을 선호 성향에 따라 순차적으로 나열하는 과정(S150)인데, 추천 서비스 서버(100)가 상기 도 5와 같은 대상을 선택하기 위한 GUI에 복수의 대상을 선호 성향에 따라 사용자가 직접 나열하기 위한 기능을 포함시켜서 제공할 수도 있다. 일례로서, 도 6에 도시된 본 발명에 따른 추천 서비스 방법에서 사용자가 경험한 음식점 대상에 대한 순위를 설정하는 실시예를 살펴보면, 상기 도 5의 (b)에서 사용자가 선택한 음식점 대상을 상기 도 6에 도시된 바와 같은 GUI를 통해 드래그하여 순차적인 순서로 나열하는 창(320)을 제공하며, 사용자의 선호 성향에 따른 각 순위에 음식점 대상(321)을 배치시키고 새로운 음식점 대상(325)을 사용자가 원하는 순서에 드래그하여 삽입시킴으로써 음식점 대상에 대한 순위를 설정(S190)할 수 있다.

다른 하나의 경우는 경쟁 모형을 적용하여 사용자의 선호 성향에 따라 자동적으로 복수의 대상에 대한 순위를 설정하는 과정(S170)인데, 가령 컨조인트 초이스 시뮬레이션 모형(Conjoint choice simulation model)을 적용하여 사용자의 선호 성향에 따른 순차적인 순위를 설정(S190)할 수 있다.

컨조인트 분석(Conjoint Analysis)이란, 여러 가지 속성의 대상에 대하여 사용자의 선호를 효용함수로 표현하여 수리적으로 분석하는 방법으로서, 여러 상품을 비교하거나 몇 개의 상품이든 가질 수 있는 속성들을 모두 고려하여 응답자의 개별적인 선호도를 파악할 수 있는 분석 방법이다. 특히 컨조인트 초이스 시뮬레이션 모형은 상품에 대한 속성 프로필을 기초로 프로필 간의 비교를 통해 사용자가 선호하는 프로필을 선택하는 방식이다.

본 발명에서는 이와 같은 컨조인트 초이스 시뮬레이션 모형을 적용함으로써 기본적으로는 사용자가 여러 대상 중 선호하는 대상을 비교 선택할 수 있으며, 더 나아가서는 대상에 대한 여러 속성 요소를 고려하여 복합적으로 대상을 비교 선택함으로써, 선택된 대상의 순위를 설정할 수 있다.

특히, 초이스 시뮬레이션에서 사용되는 모형 중 확률적인 선택모형인 브래들리 테리 모형(Bradley terry model)을 적용하여 사용자의 선호 성향에 따른 대상의 평가로 대상의 순위를 결정할 수 있다.

가령, 도 7은 본 발명에 따른 추천 서비스 방법에서 경쟁 모형을 적용하여 사용자가 경험한 음식점 대상에 대한 순위를 설정하는 실시예를 나타내며, 상기 도 7을 참조로 경쟁 모형을 적용하여 자동적으로 순위를 설정하는 경우를 살펴보면, 사용자에 대응되는 그룹에 포함된 복수의 대상을 쌍의 조합으로 분류하고 상기 도 7의 (a)와 같이 각 쌍을 이루는 두 대상(331a, 331b)에서 사용자의 선호 성향에 따라 선택된 대상을 분류하여 상기 도 7의 (b)와 같이 전체 대상(330)으로 종합하면, 사용자의 선호 성향에 따른 대상의 순위(335)가 설정될 수 있다.

상기 도 7은 설명의 편의를 위해서 여러 가지 속성 요소를 고려하지 않고 단순히 두 대상 간의 경쟁으로 사용자의 선호 성향에 따라 대상이 선택되는 실시예를 제시하였는데, 더 나아가서는 대상에 대한 복수의 속성 요소를 고려하여 속성 요소별로 브래들리 테리 모형(Bradley terry model)을 적용하여 속성 요소별 대상에 대한 평가 결과를 얻을 수도 있다. 그리고 속성 요소별로 대상에 대한 평가 결과에 따른 순위를 종합하여 대상에 대한 순위를 설정할 수도 있고 또는 대상에 대한 개별 속성 요소별 순위를 설정할 수도 있다.

가령, 도 8은 본 발명에 따른 추천 서비스 방법에서 속성 요소별로 음식점 대상에 대한 순위가 설정된 실시예를 나타내는데, 상기 도 8에서는 복수의 음식점 대상(341)이 선택되고, 음식점 대상에 대해서 음식맛, 분위기, 직원서비스, 가격, 위치/교통 등의 속성 요소(342)가 설정된 상태에서, 사용자의 선호 성향에 따라 각각의 음식점 대상(341) 간에 경쟁 모형을 적용하여 상기 도 8에 나타난 바와 같이 속성 요소별로 각 음식점 대상(341)에 대한 순위(343)를 설정할 수 있다. 나아가서 상기 도 8의 각 속성 요소별 순위를 종합하여 각 대상에 대한 전체 순위를 설정할 수도 있다.

이와 같이 본 발명에서는 추천 서비스 서버(100)가 사용자가 경험하거나 보유한 대상에 대하여 사용자의 선호 성향에 따라 순위를 설정하여 보유하는데, 앞서 살펴본 대상에 대한 순위를 설정하는 과정을 통해 도 9에 도시된 바와 같이 이 추천 서비스 서버(100)는 다수의 사용자가 각각 경험한 음식점 대상에 대하여 각 사용자의 선호 성향에 따른 순위(355a, 355b, 355c, 355d, 355e, 255f)를 설정하여 보유한다. 나아가서 추천 서비스 서버(100)는 음식점 대상에 대한 순위를 속성 요소별로 보유할 수도 있다. 가령, 상기 도 8과 같이 각 음식점 대상에 대한 사용자의 선호 성향에 따른 순위를 음식맛, 분위기, 직원서비스, 가격 등의 속성 요소별로 설정하여 각 사용자마다 음식점 대상의 속성 요소별 평가 결과에 대한 순위를 보유할 수도 있다.

다음으로 추천 서비스 서버(100)가 사용자의 선호 성향에 따른 복수의 대상에 대한 순위를 보유한 상태에서 사용자로부터 추천 서비스의 요청에 따라 추천 서비스를 요청하는 제1 사용자와 하나 이상의 제2 사용자 간의 유사 성향을 분석하는 과정(S200)을 실시예를 통해 살펴보기로 한다.

도 10은 본 발명에 따른 추천 서비스 방법에서 유사 성향의 사용자를 판단하는 과정의 실시예에 대한 흐름도를 도시한다.

추천 서비스를 요청하는 제1 사용자가 선택한 복수의 대상으로 구성된 제1 그룹과 제2 사용자가 선택한 복수의 대상으로 구성된 제2 그룹에서 동일하게 포함되어 있는 동일 대상을 추출(S210)하고, 추출된 동일 대상들에 대하여 상기 제1 사용자에 의한 순위와 상기 제2 사용자에 의한 순위를 확인(S230)하여 순위 간의 비교에 따른 상관 분석을 수행(S250)한다. 그리고 순위 비교에 따른 상관 분석을 통해 상기 제1 사용자와 상기 제2 사용자 간의 유사도를 산출(S270)한다.

만약 제2 사용자가 다수인 경우 상기 제1 사용자에 대하여 각각의 제2 사용자별로 상기 도 10의 유사 성향 판단 과정을 반복적으로 수행하여 상기 제1 사용자에 대한 제2 사용자 각각의 유사도를 산출한다.

여기서, 상기 제1 사용자와 상기 제2 사용자 간의 유사도는 상관 분석의 여러 방식을 적용할 수 있는데, 일례로서 켄달의 타우계수(Kendall's tau), 스피어만의 순위상관계수(Sperman's Rho) 등을 기초로 유사도를 산출할 수 있다.

켄달의 타우계수(Kendall's tau)란 평정자 간에 동일한 대상에 대한 등위로 나타낸 평정의 결과가 얼마나 상호 일치하는가를 나타내는 지수로서, 켄달의 타우계수는 하기 [식 1]에 의해 산출될 수 있다.

[식 1]

S = (number of concordant pairs)-(number of discordant pairs)

여기서, τ는 켄달의 타우계수이고, N는 대상의 총수를 나타내며, S는 부합쌍과 비부합쌍 간의 차이값을 나타낸다.

켄달의 타우계수를 적용하여 유사도를 산출하는 과정과 관련하여, 도 11에 도시된 본 발명에 따른 추천 서비스 방법에서 켄달의 타우계수(Kendall's tau)를 적용하여 유사 성향의 사용자를 판단하는 실시예를 참조하여 좀더 살펴보기로 한다.

상기 도 11은 상기 도 9의 음식점 대상의 순위에 대한 실시예에 켄달의 타우계수를 적용하여 사용자 간의 유사도를 산출하는 예시로서, 사용자 1과 사용자 2 간의 켄달의 타우계수로 유사도를 산출하는 과정을 나타낸다.

상기 도 9의 음식점 대상 순위에서 사용자 1에 대응되는 그룹 1과 사용자 2에 대응되는 그룹 2에 동일하게 포함된 음식점 대상을 추출하여 상기 도 11의 (a)와 같이 동일 대상 데이터(410)를 준비한다.

그리고 상기 도 11의 (b)와 같이 사용자 1의 선호도 순으로 음식점 대상(421)을 정렬하고, 정렬된 음식점 대상(421)에 대한 사용자 2의 선호 순서(425)를 판단하여 데이터 테이블(420)을 생성한다. 가령 상기 도 11의 (b)에서 사용자 1의 선호도 순으로 정렬된 음식점 대상(421)에 대한 사용자 2의 선호 순서(425)는 순차적으로 1, 2, 4, 5, 3, 6이 된다.

데이터 테이블(420)이 생성되면, 데이터 테이블(420)을 기초로 사용자 2의 선호 순서(425)에 대하여 순차적인 순서에 따른 부합쌍(concordant pair)과 비부합쌍(disconcordant pair)을 산출하여 상기 도 11의 (c)와 같은 결과를 얻을 수 있다. 가령, 사용자 2의 선호 순서(425)에 대한 쌍을 정렬한 상기 도 11의 (c)에 도시된 테이블(430) 상에서 (1,2)쌍(431)은 순차적인 순서이므로 부합쌍이고, (5,3)쌍(432)은 역순서이므로 비부합쌍이 된다. 이와 같이 부합쌍과 비부합쌍을 판단하여 카운팅 테이블(435)을 생성한다. 상기 도 11의 (c)에 도시된 카운팅 테이블(435)에서 C는 부합쌍을 나타내고, D는 비부합쌍을 나타낸다

그리고 상기 도 11의 (c)에 나타난 카운팅 테이블(435)을 토대로 부합쌍의 개수와 비부합쌍의 개수에 대한 차이값 S를 구하고, 상기 [식 1]에 상기 S와 상기 도 11의 (a)에서 동일 대상의 총 개수 N을 대입하면 사용자 1과 사용자 2 간의 켄달의 타우계수 τ는 0.73으로 산출된다.

상기 도 11의 (a)부터 (c)까지의 과정을 상기 도 9의 실시예에서 대상을 평가한 사용자 3 내지 사용자 6에도 반복 적용하여 사용자 1과 각각의 사용자 간에 켄달의 타우계수를 산출하면 상기 도 11의 (d)와 같은 결과를 얻을 수 있다.

이와 같이 산출된 켄달의 타우계수로 사용자 간의 유사도를 백분율로 설정하면, 사용자 1과 사용자 2 간에 유사도가 73%로서 가장 높은 유사도로 나타나며, 사용자 1과 사용자 6 간에 유사도가 60%로 두번째로 높은 유사도로 나타난다.

나아가서 대상에 대한 속성 요소를 고려하여 사용자 간에 유사도를 산출할 수도 있는데, 가령 상기 도 8과 같이 음식점 대상에 대한 속성 요소가 음식맛, 분위기, 직원서비스, 가격, 위치/교통 등으로 설정된 경우, 사용자별로 각 속성 요소별 음식점에 대한 사용자의 평가 순위를 설정하고, 상기 도 11의 과정을 통해 각 속성 요소별 순위를 기초로 각 속성 요소별 사용자 간의 유사도를 산출할 수도 있다. 즉, 음식점 대상의 음식맛에 대한 순위를 기초로 사용자 간의 음식맛 평가가 유사한 정도에 대한 유사도를 산출할 수 있고, 음식점 대상의 분위기에 대한 순위를 기초로 사용자 간의 분위기 평가가 유사한 정도에 대한 유사도를 산출할 수 있다.

속성 요소를 고려하여 사용자 간에 유사도를 산출할 때, 추천 서비스를 요청한 제1 사용자가 선택한 속성 요소에 대해서 사용자 간 유사도를 산출할 수도 있다. 추천 서비스를 요청하는 제1 사용자에게 추천 서비스 서버(100)는 대상에 대하여 사전에 설정된 다수의 속성 요소를 제시하고 제1 사용자는 자신이 중요하게 생각하는 특정 속성 요소를 선택하여, 추천 서비스 서버(100)가 선택된 속성 요소에 대하여 제1 사용자에 대한 제2 사용자의 유사도를 산출할 수도 있다. 가령, 추천 서비스를 요청하는 제1 사용자가 음식점 대상에 대하여 음식맛과 분위기의 속성 요소를 중요하게 생각하는 경우, 음식맛과 분위기의 속성 요소를 선택하면, 추천 서비스 서버(100)는 제1 사용자가 선택한 음식맛과 분위기의 속성 요소에 대하여 제1 사용자에 대한 제2 사용자의 유사도를 산출할 수 있다. 물론 추천 서비스 서버(100)는 앞서 살펴본 바와 의해 음식점 대상에 대하여 음식맛과 분위기의 속성 요소별로 순위를 보유하는 것을 전제로 한다.

그리고 추천 서비스 서버(100)는 속성 요소별로 산출된 제2 사용자의 유사도를 기초로 제1 사용자에게 추천할 추천 대상을 선택할 수 있는데, 이에 대해서는 이후에 추천 대상을 선택하는 실시예에서 설명하기로 한다.

이와 같은 과정을 통해 추천 서비스를 요청한 제1 사용자와 하나 이상의 제2 사용자 간에 유사도를 산출한 후 상기 제1 사용자와 제2 사용자 간의 유사도 및 상기 제2 사용자에 의한 대상의 순위를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택하는 과정(S300)을 수행하는데, 이와 관련하여 다양한 실시예를 통해 살펴보기로 한다.

도 12는 본 발명에 따른 추천 서비스 방법에서 추천 대상을 판단하는 과정의 일실시예에 대한 흐름도를 나타낸다.

추천 서비스를 요청한 제1 사용자와 유사한 성향을 갖는 제2 사용자를 선택(S310)하고, 선택된 제2 사용자에 대응되는 그룹 2에 포함된 대상 중 상기 제1사용자에 대응되는 그룹 1에 포함되지 않은 대상을 신규 대상으로 추출(S320)한다. 그리고 추출된 신규 대상에 대하여 선택된 상기 제2 사용자에 의한 순위를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택(S330)한다.

가령, 상기 도 9의 음식점 대상에 대한 실시예에 대하여 추천 서비스를 요청한 제1 사용자인 사용자 1과 하나 이상의 제2 사용자인 사용자 2 내지 사용자 6 간의 유사도가 상기 도 11의 (d)와 같이 산출된 경우, 상기 사용자 1과 가장 높은 유사도를 갖는 사용자를 선택한다면 사용자 2가 선택될 수 있는데, 선택된 사용자 2에 의한 대상의 순위로 추천 대상을 선택하는 실시예로서 도 13을 살펴본다.

상기 도 9의 음식점 대상에서 사용자 2가 평가한 음식점 대상에 대한 그룹 2에서 사용자 1이 평가한 음식점 대상에 대한 그룹 1에 포함되지 않은 음식점 대상을 추출하여 상기 도 13과 같이 음식점 신규 대상(451)을 설정한다. 그리고 음식점 신규 대상(451)에 대하여 사용자 2에 의한 평가 순위(453)를 확인하면, 음식점 #2가 2위로 가장 높은 순위에 있으므로 음식점 #2를 음식점 추천 대상으로 선택한다.

즉, 사용자 1과 사용자 2 간은 유사도가 73%로서, 이는 사용자 1과 사용자 2가 동일하게 경험한 음식점에 대한 평가가 73% 유사한 것을 의미하므로, 사용자 1이 미경험한 음식점 중 사용자 2가 평가한 결과는 사용자 1이 평가하는 경우와 73% 유사하게 나타날 수 있게 된다. 따라서 사용자 2가 호평한 음식점은 사용자 1도 유사하게 평가할 가능성이 73%로 높게 나타나기에 상기 도 13의 실시예에서 사용자가 2에 의한 음식점 대상의 순위 중 가장 높은 순위의 음식점 대상을 추천 대상으로 설정한다. 물론 가장 높은 순위 외에도 추가적으로 필요에 따라 다수의 음식점 대상이 추천 대상으로 선택될 수도 있다.

나아가서 추천 서비스를 요청한 제1 사용자와 유사한 성향을 갖는 다수의 제2 사용자가 선택될 수도 있는데, 유사도가 기준치 이상에 해당되는 다수의 제2 사용자를 선택하거나 유사도의 내림차순 중 설정된 순번까지의 제2 사용자를 선택할 수도 있다. 예를 들어, 상기 도 11의 (d)와 같이 제1 사용자인 사용자 1과 제2 사용자인 사용자 2 내지 6에 대한 유사도가 산출된 경우, 유사도가 50%이상인 제2 사용자를 선택하도록 설정하면, 유사도가 73%인 사용자 2와 유사도가 60%인 사용자 6이 선택될 수 있다. 또한 유사도의 상위 2번째까지의 제2 사용자를 선택하도록 설정하면, 두번째로 유사도가 높은 사용자 6까지 선택될 수 있다.

그리고 상기 도 13의 실시예와 같이 선택된 다수의 제2 사용자 각각에 대응되는 제2 그룹에 포함된 대상 중 제1 사용자에 대응되는 제1 그룹에 포함되지 않은 대상을 신규 대상으로 추출하고, 추출한 신규 대상에 대한 제2 사용자 각각의 평가 순위를 기초로 추천 대상을 선택할 수 있다.

추천 대상을 판단하는 다른 하나의 실시예로서, 도 14는 본 발명에 따른 추천 서비스 방법에서 추천 대상을 판단하는 다른 과정의 실시예에 대한 흐름도를 도시한다.

추천 서비스를 요청한 제1 사용자와 가장 높은 유사도 또는 기준치 이상의 유사도를 갖는 제2 사용자를 선택하거나 또는 모든 제2 사용자를 선택하여, 선택된 제2 사용자에 대응되는 제2 그룹에 포함된 대상 중 상기 제1 사용자에 대응되는 제1 그룹에 포함되지 않은 대상을 신규 대상으로 추출(S350)한다.

그리고 선택된 제2 사용자의 상기 제1 사용자에 대한 유사도와 선택된 제2 사용자에 의한 신규 대상의 순위를 확인(S360)하고 이를 기초로 추출한 신규 대상에 대한 신규 대상 스코어를 산출(S380)한다.

나아가서 신규 대상에 대한 인지도를 산출(S370)하고, 신규 대상에 대한 유사도와 순위뿐만 아니라 인지도까지 고려하여 신규 대상 스코어를 산출(S380)할 수도 있다.

각 신규 대상에 대한 신규 대상 스코어가 산출되면, 상기 신규 대상 스코어를 기초로 신규 대상 중 추천 대상을 선택(S390)하는데, 가장 높은 스코어로 갖는 하나의 신규 대상을 추천 대상으로 선택할 수도 있고, 또는 기설정치 이상의 스코어를 갖는 다수의 신규 대상을 추천 대상으로 선택할 수도 있으며, 또한 스코어의 내림차순으로 상위로부터 설정된 순번까지의 신규 대상을 추천 대상으로 선택할 수도 있다.

제1 사용자에 대한 제2 사용자의 유사도와 제2 사용자에 의한 신규 대상의 순위를 기초로 신규 대상 스코어를 산출하는 일례로서, 도 15는 본 발명에 따른 추천 서비스 방법에서 다수의 사용자에 대한 유사도와 음식점 대상에 대한 순위를 기초로 음식점 추천 대상을 판단하는 실시예를 나타낸다.

상기 도 15의 실시예는, 앞서 살펴본 상기 도 9의 실시예에 제시된 제2 사용자 모두를 고려하는 실시예로서, 사용자 2 내지 사용자 6의 유사도와 이들에 의한 음식점 대상의 순위를 기초로 신규 대상 스코어를 산출한다.

먼저 상기 도 9의 음식점 대상 중 사용자 1이 경험하지 않은 미경험 음식점 대상(461)과 사용자 2 내지 사용자 6에 의한 미경험 음식점 대상(461)의 순위를 추출하고, 여기에 상기 도 11의 (d)에 따른 사용자 1에 대한 사용자 2 내지 사용자 6의 유사도를 반영하여 추출한 음식점 대상마다 각 사용자별 순위 스코어(463)를 산출한다. 이때 순위 스코어는 유사도와 순위를 함께 반영하여 다양한 방식으로 산출될 수 있는데, 일례로서 상기 도 15에서는 하기 [식 2]로 각 사용자별 순위 스코어를 산출하였다.

[식 2]

여기서, R_s는 순위 스코어, a는 가중치, τ는 유사도, R_i은 순위, T는 평가 대상 수를 나타낸다.

예를 들어, 상기 도 15에서 가중치 a를 1.5로 설정하고, 사용자 2는 사용자 1에 대한 유사도 τ가 0.73이며, 사용자 2가 평가한 음식점 총수 T는 12개이고, 사용자 2는 음식점 #2에 대하여 순위 R을 2위로 평가하였으므로, 이를 상기 [식 2]에 대입하면 사용자 2에 의한 음식점 #2의 순위 스코어 R_s는 0.91이 된다. 이와 같은 방식으로 사용자 2 내지 사용자 6 각각에 대하여 유사도와 이들에 의한 음식점 대상(461)의 순위를 기초로 순위 스코어(463)를 산출한다.

그리고 각 음식점 대상마다 순위 스코어를 종합하여 신규 대상 스코어(465)를 산출하는데, 상기 도 15에서는 각 음식점 대상마다 순위 스코어에 대한 평균값의 백분율로 신규 대상 스코어로 산출하였다. 예를 들어 음식점 #1은 사용자 3에 의한 순위 스코어가 0.09이고 사용자 4에 의한 순위 스코어가 0.14이므로 이에 대한 평균값의 백분율을 산출하면 음식점 #1에 대한 신규 대상 스코어는 12로 산출된다.

이와 같은 과정을 통해 상기 도 15와 같이 신규 대상에 대한 신규 대상 스코어 테이블(460)을 생성하고, 신규 대상 스코어(465)를 기초로 추천할 음식점 대상을 선택하는데, 일례로서 가장 높은 스코어를 갖는 하나의 음식점만을 추천 대상으로 선택할 경우 음식점 #13이 선택될 수 있다.

나아가서 신규 대상의 인지도까지 고려하여 신규 대상 스코어를 산출하는 실시예로서, 상기 도 16은 앞서 살펴본 상기 도 9의 음식점 대상에 대한 순위와 상기 도 11의 (d)에 따른 사용자 1에 대한 사용자 2 내지 사용자 6 간의 유사도에 추가적으로 각 음식점 대상에 대한 인지도를 고려하여 신규 대상 스코어를 산출하는 실시예를 나타낸다.

먼저 상기 도 16의 (a)와 같이 상기 도 9의 음식점 대상 중 사용자 1이 경험하지 않은 미경험 음식점 대상(471)과 이에 대한 사용자 2 내지 사용자 6에 의한 순위(473)를 추출하고, 이를 기초로 미경험 음식점 대상(471) 각각에 대한 인지도(475)를 산출하는데, 여기서 미경험 음식점 대상(471)에 대한 인지도는 각 음식점 대상에 대한 평가 순위를 고려하여 다양한 방식으로 산출될 수 있으며, 상기 도 16의 (a)에서는 인지도를 하기 [식 3]으로 산출하였다.

[식 3]

여기서, P는 인지도, R_i는 대상에 대한 순위, Y는 대상을 평가한 인원수, X는 대상의 총수를 나타낸다.

가령, 상기 도 16의 (a)에서 음식점 #1의 인지도를 산출하는 과정을 살펴보면, 대상의 총수 X는 음식점 #1부터 음식점 #20까지 20개가 되며, 음식점 #1의 경우 사용자 3과 사용자 4가 평가하였으므로 평가한 인원수는 2명이 된다. 그리고 사용자 3에 의한 순위는 9이고 사용자 4에 의한 순위는 6으로서 그 합은 15가 된다. 이를 상기 [식 3]에 대입하면, 음식점 #1의 인지도는 0.62로 산출된다.

이와 같은 과정으로 각 음식점 대상마다의 인지도를 산출하여 상기 도 16의 (a)와 같은 인지도 테이블(470)을 생성한다. 그리고 각 음식점 대상마다의 인지도까지 고려하여 각 음식점 대상에 대한 신규 대상 스코어를 산출할 수 있는데, 이에 대하여 상기 도 16의 (b)에 제시된 신규 대상 스코어를 산출하는 과정을 살펴보기로 한다.

상기 도 16의 (b)는 상기 도 15에 따른 사용자 1이 경험하지 못한 미경험 음식점 대상(481)마다의 순위 스코어(483)와 상기 도 16의 (a)에 따른 미경험 음식점 대상에 대한 인지도(495)를 함께 고려하여 신규 대상 스코어를 산출한 결과로서, 하기 [식 4]를 적용하여 신규 대상 스코어를 산출하였다.

[식 4]

여기서, R_new는 신규 대상 스코어이며, Ave(R_s)는 각 사용자에 의한 상기 [식 2]에 따른 순위 스코어의 평균값이며, b는 가중치이며, p는 상기 [식 3]에 따른 인지도를 나타낸다.

예를 들어, 상기 도 16의 (b)에서 음식점 #1에 대한 신규 대상 스코어를 산출하는 과정을 살펴보면, 가중치 b를 1로 설정하고, 음식점 #1의 인지도 p가 0.63으로 산출되고, 사용자 3에 의한 순위 스코어가 0.09이고, 사용자 4에 의한 순위 스코어가 0.14이므로 순위 스코어의 평균값 Ave(R_s)는 반올림하여 0.12로 산출된다. 이를 상기 [식 4]에 대입하면 음식점 #1에 대한 신규 대상 스코어 R_new는 38로 산출된다.

이와 같은 과정을 통해 신규 대상으로 추출된 각 음식점마다 신규 대상 스코어를 산출하여 상기 도 16의 (b)와 같은 신규 대상 스코어 테이블(480)을 생성한다.

그리고 신규 대상 스코어 테이블(480)을 기초로 추천할 음식점을 선택하는데, 가령 가장 높은 스코어를 갖는 하나의 음식점 대상만을 추천 대상으로 선택할 경우 음식점 #13이 선택될 수 있다.

나아가서 상기 도 15와 상기 도 16의 실시예에서는 제2 사용자로서 사용자 2 내지 사용자 6을 모두 고려하여 신규 대상 스코어를 산출하였으나, 사용자 2 내지 사용자 6 중 제1 사용자인 사용자 1과의 유사도가 기준치 이상인 사용자만을 선택하여 상기 도 15 또는 상기 도 16의 실시예를 적용할 수도 있다. 예를 들어 상기 도 11의 (d)에 도시된 유사도에서 사용자 1에 대한 유사도가 50%이상인 사용자만을 선택하는 경우, 사용자 2와 사용자 6이 선택될 수 있으며, 사용자 2와 사용자 6이 평가한 음식점 대상 중 사용자 1이 미경험한 음식점 대상을 신규 대상으로 추출하여 상기 도 14의 실시예에 따라 상기 도 15 또는 상기 도 16의 실시예 과정을 적용하여 사용자 1에 추천할 추천 대상을 선택할 수도 있다.

한걸음 더 나아가서, 대상의 속성 요소별 순위를 고려하여 추천 대상을 선택할 수도 있는데, 앞서 설명한 바와 같이 추천 서비스 서버(100)는 제1 사용자에 대한 제2 사용자의 유사도를 속성 요소별로 산출하고, 제1 사용자의 미경험 음식점 대상에 대하여 속성 요소별로 순위 스코어를 산출하여 이를 기초로 제1 사용자에게 추천할 추천 대상을 선택할 수도 있다. 이는 상기 도 15 또는 상기 16의 실시예를 속성 요소별로 적용함으로써 수행될 수 있는데, 가령 상기 도 15의 실시예가 음식점 대상의 음식맛 속성 요소에 대한 사용자 2 내지 사용자 6의 선호 순위인 경우 음식맛 속성 요소에 대한 순위 스코어가 산출되면 이를 종합하여 음식맛 속성 요소에 대한 신규 대상 스코어가 산출될 수 있을 것이다.

또한 인지도를 함께 고려할 수도 있는데, 앞서 설명한 바와 같이 대상에 대한 속성 요소별로 순위가 설정된 경우 속성 요소별로 대상에 대한 인지도가 산출될 수 있으며, 속성 요소별 순위 스코어를 종합하고 여기에 속성 요소별 인지도를 함께 고려하여 속성 요소별로 신규 대상 순위 스코어가 산출될 수 있다. 예를 들어 상기 도 16의 (a)에 도시된 실시예가 음식맛 속성 요소에 대한 인지도로 산출된 경우 이를 함께 고려하여 상기 도 16의 (b)의 실시예 과정을 통해 음식맛 속성 요소에 대한 신규 대상 스코어가 산출될 수 있을 것이다.

이와 같은 과정을 통해 제1 사용자에게 추천할 추천 대상이 선택되면, 추천 서비스 서버(100)는 선택된 추천 대상에 대한 추천 정보를 제1 사용자에게 제공하는 과정(S400)을 수행하는데, 여기서 추천 정보에는 단순히 추천 대상의 명칭이나 상호만이 포함될 수도 있으나 보다 바람직하게는 추천 대상에 대한 다양한 정보가 함께 포함될 수 있다.

추천 정보를 제공하는 실시예로서, 도 17에 도시된 본 발명에 따른 추천 서비스 방법에서 사용자에게 음식점 추천 정보를 제공하는 실시예를 참조하여 설명한다.

상기 도 17의 (a)에 도시된 실시예는 제1 사용자의 사용자 단말기로 추천 정보를 제공하는 추천 정보 제공 화면(510)으로서, 추천 서비스 서버(100)는 제1 사용자가 선택한 지도 영역 상에 위치하는 복수의 추천 대상에 대한 추천 대상 리스트(511)를 제공하고, 추천 대상 리스트(511) 상에서 제1 사용자가 선택한 추천 대상(513)에 대하여 지도 상으로 추천 대상에 대한 정보(515)를 제공한다. 이때 추천 대상에 대한 추천 점수(517)를 함께 제공할 수도 있는데, 추천 점수(517)는 앞서 설명한 신규 대상 스코어를 기초로 산출될 수 있다.

이와 같이 본 발명에서는 추천 서비스를 요청하는 사용자의 선호 성향에 따른 다른 사용자의 유사 성향 정도를 고려하여 추천 대상이 선택됨으로써 사용자는 자신의 성향에 맞는 추천 대상을 확인할 수 있게 된다.

나아가서 상기 도 17의 (b)에 도시된 바와 같이 추천 대상에 대한 추천 정보(520)의 제공시에 추천 대상에 대한 속성 요소(523)별 점수(525)를 함께 제공할 수도 있다. 여기서 속성 요소별 점수는 자동적으로 제공될 수도 있고 또는 제1 사용자가 선택한 속성 요소에 대하여 추천 대상의 속성 요소별 점수를 제공할 수도 있는데, 속성 요소별 점수는 앞서 살펴본 속성 요소별 신규 대상 스코어를 기초로 산출될 수 있다.

이와 같이 추천 대상에 대한 속성 요소별 점수를 함께 제공함으로써 사용자는 추천 대상의 상태를 보다 명확하게 파악할 수 있게 되어 사용자가 원하는 대상 선택에 도움을 줄 수 있다.

또한 본 발명에서는 추천 대상에 대한 추천 정보의 제공시 사용자 자신이 경험하거나 보유한 대상 중 추천 대상과 유사한 대상에 대한 정보를 함께 제공할 수도 있는데, 이와 관련하여 도 18은 본 발명에 따른 추천 서비스 방법에서 추천 정보를 생성하여 제공하는 과정의 실시예에 대한 흐름도를 도시한다.

상기 도 18에 제시된 과정은 앞서 살펴본 상기 도 14에 제시된 과정과 유사한데, 추천 서비스를 요청한 제1 사용자와 가장 높은 유사도 또는 기준치 이상의 유사도를 갖는 제2 사용자를 선택하거나 또는 모든 제2 사용자를 선택하여, 제1 사용자에 대응되는 제1 그룹과 선택된 제2 사용자에 대응되는 제2 그룹에 동일하게 포함된 대상을 제1 사용자가 경험한 기존 대상으로 추출(S410)한다.

바람직하게는, 앞서 살펴본 상기 도 14의 실시예에서 추천 대상의 선택을 위해 선택된 제2 사용자를 상기 도 18의 실시예에서도 동일하게 선택할 수 있다. 즉, 추천 대상과 보다 유사한 제1 사용자가 경험하거나 보유한 기존 대상을 선택하기 위해서는 대상들에 대하여 평가한 평가자가 동일하게 선택되는 것이 바람직하다.

그리고 선택된 제2 사용자의 상기 제1 사용자에 대한 유사도와 선택된 제2 사용자에 의한 기존 대상의 순위를 확인(S420)하고 이를 기초로 추출한 기존 대상에 대한 기존 대상 스코어를 산출(S420)한다.

나아가서 기존 대상에 대한 인지도를 산출(S430)하고, 기존 대상에 대한 유사도와 순위뿐만 아니라 인지도까지 고려하여 기존 대상 스코어를 산출(S440)할 수도 있다.

각 기존 대상에 대한 기존 대상 스코어가 산출되면, 추천 대상에 대응되는 기존 대상을 선택(S450)하는데, 추천 대상의 신규 대상 스코어와 유사한 수치의 기존 대상 스코어를 갖는 기존 대상을 선택할 수 있다. 가령, 유사 범위를 설정하고 추천 대상의 신규 대상 스코어와 상기 유사 범위 내에 존재하는 기존 대상 스코어를 갖는 기존 대상을 선택할 수 있다.

그리고 선택된 기존 대상에 대한 정보를 추천 대상에 대응시켜 추천 정보를 생성(S460)하고, 생성된 추천 정보를 제1 사용자에게 제공(S470)한다.

상기 도 18에 대한 구체적인 실시예로서, 도 19는 본 발명에 따른 추천 서비스 방법에서 음식점 추천 대상과 유사한 사용자가 경험한 음식점 기존 대상을 선택하는 실시예를 나타낸다.

상기 도 19는 앞서 살펴본 상기 도 9의 음식점 대상에 대한 순위에 대한 실시예에서 사용자 1이 경험한 음식점 기존 대상에 대한 기존 대상 스코어를 산출하는 실시예이다.

먼저 상기 도 19의 (a)와 같이 상기 도 9의 음식점 대상 중 사용자 1이 경험한 음식점 대상(521)과 이에 대한 사용자 2 내지 사용자 6에 의한 순위(523)를 추출하고, 이를 기초로 경험 음식점 대상(521) 각각에 대한 인지도(525)를 산출하는데, 여기서 경험 음식점 대상(521)에 대한 인지도는 각 음식점 대상에 대한 평가 순위를 고려하여 다양한 방식으로 산출될 수 있으며, 앞서 살펴본 도 16의 (a)에 제시된 실시예에서와 같이 상기 [식 3]을 통해 산출될 수 있다.

상기 도 19의 (a)와 같은 인지도 테이블(520)을 생성한 후 상기 도 19의 (b)와 같이 각 경험 음식점 대상(531)마다의 사용자 2 내지 6에 의한 순위에 따른 순위 스코어(533)를 산출하고, 여기에 인지도(535)를 고려하여 각 경험 음식점 대상에 대한 기존 대상 스코어(537)를 산출하는데, 상기 기존 대상 스코어는 앞서 살펴본 상기 도 16의 (b)와 같이 상기 [식 4]를 통해 산출할 수 있으며, 이는 앞서 실시예를 통해 설명하였으므로 자세한 설명은 생략한다.

이와 같은 과정을 통해 상기 기존 대상마다 기존 대상 스코어가 산출되면, 추천 대상과 유사한 기존 대상을 선택하는데, 상기 도 16의 실시예에서 추천 대상으로서 음식점 #13이 선택된 경우에 음식점 #13의 신규 대상 스코어는 69이므로, 음식점 #13의 신규 대상 스코어에 대응되는 기존 대상을 상기 도 19의 (b)에서 선택하면 음식점 #5의 기존 대상 스코어가 69로서 동일하므로, 추천 대상 음식점 #13과 유사한 기존 대상으로서 음식점 #5가 선택될 수 있다.

나아가서 유사 범위 내의 기존 대상까지 선택하는 경우, 만약 유사 범위를 5로 설정하면 추천 대상 음식점 #13과 유사한 기존 대상으로서 음식점 #5이외에도 음식점 #3, 음식점 #9가 선택될 수 있다.

그리고 추천 대상 음식점 #13에 대한 추천 정보에 유사하게 판단되어 선택된 기존 대상의 정보를 포함시켜서 사용자에게 제공한다.

한걸음 더 나아가서 추천 대상에 대응되는 기존 대상에 대한 정보를 속성 요소별로 제공할 수도 있는데, 추천 대상에 대한 속성 요소별 신규 대상 스코어와 기존 대상에 대한 속성 요소별 기존 대상 스코어를 대비하여 유사 범위에 있는 기존 대상을 선택함으로써 추천 대상에 대한 속성 요소별로 대응되는 기존 대상의 정보를 제공할 수 있다. 이는 앞서 살펴본 실시예들과 그에 대한 설명을 통해 유추 가능하므로 추가적인 설명은 생략하기로 한다.

사용자가 경험하거나 보유한 대상 중 추천 대상과 유사한 대상에 대한 정보를 추천 정보에 포함시켜 제공하는 실시예로서, 도 20은 본 발명에 따른 추천 서비스 방법에서 음식점 추천 대상과 함께 사용자가 경험한 유사 음식점 정보를 추천 정보로 제공하는 실시예를 나타낸다.

상기 도 20는 상기 도 17의 실시예에서 추천 정보를 제공하는 경우, 사용자가 경험한 유사 음식점 정보를 추가적으로 함께 제공하는 예시로서, 상기 도 20의 (a)와 같이 추천 정보(540) 상에는 추천 대상에 대한 추천 점수(541) 외에도 사용자가 경험한 음식점 대상 중 추천 대상과 유사한 음식점 대상에 대한 정보(545)가 함께 제공된다.

나아가서 상기 도 20의 (b)에 도시된 바와 같이 추천 정보(550) 상에는 추천 대상에 대한 정보 외에 각 속성 요소(557)별로 사용자가 경험한 음식점 중 추천 대상과 유사 음식점에 대한 정보(555)가 제공될 수도 있다.

이와 같이 추천 대상의 추천시 사용자가 경험하거나 보유한 대상 중 추천 대상과 유사한 대상에 대한 정보를 함께 제공함으로써 사용자는 비록 추천 대상에 대하여 경험하거나 보유해보지 못했으나 추천 대상에 대하여 상태를 그 예측할 수 있게 된다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10 : 제1 사용자,
20 : 제2 사용자,
15a, 15b, 15c, 25a, 25b, 25n : 사용자 단말기,
100 : 추천 서비스 서버,
110 : 순위 설정부,
130 : 추천 대상 판단부,
150 : 대상 정보 저장부,
190 : 검색서비스 서버 연동부,
200 : 검색 서비스 서버.

Claims (24)

1. 삭제
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 제1 사용자 및 하나 이상의 제2 사용자 각각에 대응되는 사용자별 그룹에 포함된 복수의 대상에 대하여 상기 사용자의 선호 성향에 따라 순차적인 순위를 설정하는 순위 설정 단계;
   상기 제1 사용자에 대응되는 제1 그룹에 포함된 대상의 순위와 하나 이상의 제2 사용자 각각에 대응되는 제2 그룹에 포함된 대상의 순위를 대비하여 상기 제1 사용자와 상기 제2 사용자 각각의 유사도를 분석하는 유사 성향 분석 단계; 및
   상기 유사도를 기초로 상기 제1 그룹에 포함되지 않고 상기 제2 그룹에 포함된 대상 중 하나 이상을 추천 대상으로 상기 제1 사용자에게 추천하는 대상 추천 단계를 포함하되,
   상기 유사 성향 분석 단계는,
   상기 제1 그룹과 상기 제2 그룹에 동일하게 포함된 대상을 추출하는 동일대
   상 추출 단계; 및
   추출된 대상에 대한 상기 제1 사용자에 의한 순위와 상기 제2 사용자에 의한 순위를 대비하여 상관 분석(Correlation analysis)에 따른 상기 제1 사용자와 상기 제2 사용자의 유사도를 산출하는 유사도 분석 단계를 포함하되,
   상기 유사도 분석 단계는,
   추출된 대상들의 순위를 대비하여 켄달의 타우계수(Kendall's tau)를 산출하고, 이를 기초로 상기 제1 사용자와 상기 제2 사용자의 유사도를 산출하는 것을 특징으로 하는 추천 서비스 방법.
10. 제 9 항에 있어서,
    각 그룹에 포함된 복수의 대상에 대하여 복수의 속성 요소별로 순위가 설정되며,
    상기 동일대상 추출 단계는,
    상기 속성 요소별로 상기 제1 그룹과 상기 제2 그룹에 동일하게 포함된 대상을 추출하며,
    상기 유사도 분석 단계는,
    상기 속성 요소별로 추출된 대상에 대한 상기 제1 사용자에 의한 순위와 상기 제2 사용자에 의한 순위를 대비하여 선택된 속성 요소별로 유사도를 산출하는 것을 특징으로 하는 추천 서비스 방법.
11. 제 10 항에 있어서,
    상기 유사 성향 분석 단계는,
    상기 제1 사용자로부터 대상에 대한 하나 이상의 속성 요소를 선택받는 속성 요소 선택 단계를 더 포함하는 것을 특징으로 하는 추천 서비스 방법.
12. 제1 사용자 및 하나 이상의 제2 사용자 각각에 대응되는 사용자별 그룹에 포함된 복수의 대상에 대하여 상기 사용자의 선호 성향에 따라 순차적인 순위를 설정하는 순위 설정 단계;
    상기 제1 사용자에 대응되는 제1 그룹에 포함된 대상의 순위와 하나 이상의 제2 사용자 각각에 대응되는 제2 그룹에 포함된 대상의 순위를 대비하여 상기 제1 사용자와 상기 제2 사용자 각각의 유사도를 분석하는 유사 성향 분석 단계; 및
    상기 유사도를 기초로 상기 제1 그룹에 포함되지 않고 상기 제2 그룹에 포함된 대상 중 하나 이상을 추천 대상으로 상기 제1 사용자에게 추천하는 대상 추천 단계를 포함하되,
    상기 대상 추천 단계는,
    상기 유사도를 기초로 상기 제2 사용자 중 적어도 하나 이상의 제2 사용자를 선택하는 유사 성향 사용자 선택 단계;
    선택된 제2 사용자에 대응되는 제2 그룹에 포함된 대상 중 상기 제1 그룹에 포함되지 않은 대상을 신규 대상으로 추출하는 신규 대상 추출 단계;
    추출된 신규 대상에 대한 상기 선택된 제2 사용자에 의한 순위를 기초로 하나 이상의 신규 대상을 추천 대상으로 선택하는 추천 대상 선택 단계; 및
    상기 추천 대상에 대한 정보를 포함하는 추천 정보를 상기 제1 사용자에게 제공하는 추천 정보 제공 단계를 포함하는 것을 특징으로 하는 추천 서비스 방법.
13. 제 12 항에 있어서,
    상기 유사 성향 사용자 선택 단계는,
    상기 유사도가 가장 높은 제2 사용자, 상기 유사도가 기준치 이상인 하나 이상의 제2 사용자 또는 상기 유사도의 내림차순 중 설정된 순번까지의 제2 사용자를 선택하는 것을 특징으로 하는 추천 서비스 방법.
14. 제1 사용자 및 하나 이상의 제2 사용자 각각에 대응되는 사용자별 그룹에 포함된 복수의 대상에 대하여 상기 사용자의 선호 성향에 따라 순차적인 순위를 설정하는 순위 설정 단계;
    상기 제1 사용자에 대응되는 제1 그룹에 포함된 대상의 순위와 하나 이상의 제2 사용자 각각에 대응되는 제2 그룹에 포함된 대상의 순위를 대비하여 상기 제1 사용자와 상기 제2 사용자 각각의 유사도를 분석하는 유사 성향 분석 단계; 및
    상기 유사도를 기초로 상기 제1 그룹에 포함되지 않고 상기 제2 그룹에 포함된 대상 중 하나 이상을 추천 대상으로 상기 제1 사용자에게 추천하는 대상 추천 단계를 포함하되,
    상기 대상 추천 단계는,
    상기 제2 그룹에 포함된 대상 중 상기 제1 그룹에 포함되지 않은 대상을 신규 대상으로 추출하는 신규 대상 추출 단계;
    상기 유사도와 추출된 신규 대상의 순위를 기초로 상기 신규 대상에 대한 신규 대상 스코어를 산출하는 신규 대상 스코어 산출 단계;
    산출된 신규 대상 스코어를 기초로 하나 이상의 신규 대상을 추천 대상으로 선택하는 추천 대상 선택 단계; 및
    상기 추천 대상에 대한 정보를 포함하는 추천 정보를 상기 제1 사용자에게 제공하는 추천 정보 제공 단계를 포함하는 것을 특징으로 하는 추천 서비스 방법.
15. 제 14 항에 있어서,
    상기 신규 대상 스코어 산출 단계는,
    추출된 상기 신규 대상에 대한 하나 이상의 상기 제2 사용자 각각에 의한 순위를 종합하여 인지도를 산출하고, 상기 유사도와 상기 인지도를 기초로 상기 신규 대상 각각에 대한 신규 대상 스코어를 산출하는 것을 특징으로 하는 추천 서비스 방법.
16. 제 15 항에 있어서,
    각 그룹에 포함된 복수의 대상에 대하여 복수의 속성 요소별로 순위가 설정되고, 상기 유사도는 상기 제1 사용자가 선택한 하나 이상의 속성 요소별로 산출되며,
    상기 신규 대상 스코어 산출 단계는,
    추출된 상기 신규 대상 각각에 대한 속성 요소별 인지도를 산출하고, 상기 유사도와 상기 인지도를 기초로 상기 신규 대상 각각에 대하여 속성 요소별로 신규 대상 스코어를 산출하며,
    상기 추천 대상 선택 단계는,
    속성 요소별 신규 대상 스코어를 기초로 하나 이상의 신규 대상을 추천 대상으로 선택하는 것을 특징으로 하는 추천 서비스 방법.
17. 제 14 항에 있어서,
    상기 신규 대상 추천 단계는,
    상기 제1 그룹과 상기 제2 그룹에 동일하게 포함된 대상을 기존 대상으로 추출하는 기존 대상 추출 단계; 및
    상기 유사도와 추출된 기존 대상의 순위를 기초로 상기 기존 대상에 대한 기존 대상 스코어를 산출하는 기존 대상 스코어 산출 단계를 더 포함하며,
    상기 추천 정보 제공 단계는,
    상기 추천 대상에 대한 신규 대상 스코어와 설정된 유사범위 내의 기존 대상 스코어를 갖는 기존 대상에 대한 정보를 상기 추천 정보에 포함시켜 제공하는 것을 특징으로 하는 추천 서비스 방법.
18. 제 14 항에 있어서,
    상기 추천 정보 제공 단계는,
    상기 신규 대상 스코어의 내림차순으로 하나 이상의 추천 대상에 대한 추천 리스트를 생성하여 상기 제1 사용자에게 제공하는 것을 특징으로 하는 추천 서비스 방법.
19. 삭제
20. 사용자의 선호 성향에 따라 복수의 대상에 대한 순위를 설정하는 순위 설정부;
    사용자 각각의 선호 성향에 따른 복수의 대상에 대한 순위를 기초로 제1 사용자와 하나 이상의 제2 사용자에 대한 유사도를 분석하고, 상기 유사도를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택하는 추천 대상 판단부;
    상기 추천 대상에 대한 추천 정보를 생성하여 상기 제1 사용자에게 제공하는 추천 정보 제공부; 및
    상기 사용자 별로 대응되는 복수의 대상을 사용자별 그룹으로 구성하여, 각 그룹에 포함된 대상에 대한 정보와 대상의 순위를 저장하는 대상 정보 저장부를 포함하는 것을 특징으로 하는 추천 서비스 서버.
21. 사용자의 선호 성향에 따라 복수의 대상에 대한 순위를 설정하는 순위 설정부;
    사용자 각각의 선호 성향에 따른 복수의 대상에 대한 순위를 기초로 제1 사용자와 하나 이상의 제2 사용자에 대한 유사도를 분석하고, 상기 유사도를 기초로 상기 제1 사용자에게 추천할 추천 대상을 선택하는 추천 대상 판단부;
    상기 추천 대상에 대한 추천 정보를 생성하여 상기 제1 사용자에게 제공하는 추천 정보 제공부; 및
    검색 서비스 서버와 연동하여 상기 검색 서비스 서버로부터의 추천 서비스 요청에 따라 추천 대상에 대한 추천 정보를 제공하는 검색 서비스 서버 연동부를 포함하는 것을 특징으로 하는 추천 서비스 서버.
22. 제 20 항 또는 제 21 항에 있어서,
    상기 순위 설정부는,
    경쟁 모형(paired comparison)을 적용하여 복수의 대상에 대한 순위를 설정하는 것을 특징으로 하는 추천 서비스 서버.
23. 제 20 항 또는 제 21 항에 있어서,
    상기 추천 대상 판단부는,
    상기 제1 사용자와 하나 이상의 제2 사용자의 선호 성향에 따른 복수의 대상에 대한 순위를 대비하여 상관 분석(Correlation analysis)을 통해 상기 제1 사용자와 하나 이상의 제2 사용자에 대한 유사도를 산출하는 것을 특징으로 하는 추천서비스 서버.
24. 제1 사용자 및 하나 이상의 제2 사용자 각각에 대응되는 사용자별 그룹에 포함된 복수의 대상에 대하여 상기 사용자의 선호 성향에 따라 순차적인 순위를 설정하는 순위 설정 단계;
    상기 제1 사용자에 대응되는 제1 그룹에 포함된 대상의 순위와 하나 이상의 제2 사용자 각각에 대응되는 제2 그룹에 포함된 대상의 순위를 대비하여 상기 제1 사용자와 상기 제2 사용자 각각의 유사도를 분석하는 유사 성향 분석 단계; 및
    상기 유사도를 기초로 상기 제1 그룹에 포함되지 않고 상기 제2 그룹에 포함된 대상 중 하나 이상을 추천 대상으로 상기 제1 사용자에게 추천하는 대상 추천 단계를 포함하되,
    각 그룹에 포함된 복수의 대상에 대하여 복수의 속성 요소별로 순위가 설정되며,
    상기 유사 성향 분석 단계는,
    상기 속성 요소별로 제1 그룹과 상기 제2 그룹에 동일하게 포함된 대상을 추출하는 동일대상 추출 단계; 및
    추출된 대상에 대한 상기 제1 사용자에 의한 순위와 상기 제2 사용자에 의한 순위를 대비하여 선택된 속성 요소별로 상관 분석(Correlation analysis)에 따른 상기 제1 사용자와 상기 제2 사용자의 유사도를 산출하는 유사도 분석 단계를 포함하는 것을 특징으로 하는 추천 서비스 방법.

Images