KR101711118B1 - 빅데이터를 이용한 사용자에 개인화된 음식 추천 시스템 - Google Patents

빅데이터를 이용한 사용자에 개인화된 음식 추천 시스템 Download PDF

Info

Publication number
KR101711118B1
KR101711118B1 KR1020160003870A KR20160003870A KR101711118B1 KR 101711118 B1 KR101711118 B1 KR 101711118B1 KR 1020160003870 A KR1020160003870 A KR 1020160003870A KR 20160003870 A KR20160003870 A KR 20160003870A KR 101711118 B1 KR101711118 B1 KR 101711118B1
Authority
KR
South Korea
Prior art keywords
evaluation
word
user
information
food
Prior art date
Application number
KR1020160003870A
Other languages
English (en)
Inventor
이상호
Original Assignee
주식회사 헬스맥스
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 헬스맥스 filed Critical 주식회사 헬스맥스
Application granted granted Critical
Publication of KR101711118B1 publication Critical patent/KR101711118B1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/30—

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 음식 추천 시스템에 관한 것으로, 보다 구체적으로 빅 데이터로부터 평가 항목에 대한 평가 테이블을 생성하고, 평가 테이블과 사례베이스에 기초하여 평가 항목에 대해 생성한 사례 테이블을 혼합 이용하여 평가 항목에 대한 평가 정보를 생성함으로써, 정확하지만 적은 사례베이스와 다양하고 방대하지만 정확하지 않은 빅데이터를 이용하여 높은 정확성으로 평가 항목을 평가할 수 있는 평가 정보를 생성하며 생성한 평가 정보에 기초하여 사용자에 개인화된 음식을 추천하는 시스템에 관한 것이다.

Description

빅데이터를 이용한 사용자에 개인화된 음식 추천 시스템{System for personnally recommending food based on big-data}
본 발명은 음식 추천 시스템에 관한 것으로, 보다 구체적으로 빅 데이터로부터 평가 항목에 대한 평가 테이블을 생성하고, 평가 테이블과 사례베이스에 기초하여 평가 항목에 대해 생성한 사례 테이블을 조합하여 평가 항목에 대한 평가 정보를 생성함으로써, 정확하지만 적은 사례베이스와 다양하고 방대하지만 정확하지 않은 빅데이터를 이용하여 높은 정확성으로 평가 항목을 평가할 수 있는 평가 정보를 생성하며 생성한 평가 정보에 기초하여 사용자에 개인화된 음식을 추천하는 시스템에 관한 것이다.
사례 베이스에 기초한 평가 정보는 평가 항목, 예를 들어 사용자의 심리적 또는 신체적 상태(우울증, 불면증, 스트레스 등의 심리적 상태 또는 고혈압, 비만, 혈압 등)을 평가하기 위하여 평가 항목에 해당하는 사용자의 사례를 조사하고, 조사한 사례에 기초하여 전문가가 해당 평가 항목을 가지는 사용자의 공통된 요인을 추출하여 평가 정보를 생성한다. 생성한 평가 정보에 기초하여 해당 평가 정보에 해당하는 경우 사용자는 평가 항목에 해당하는 것으로 판단하며, 이에 따라 사용자에 추천 음식 등 컨설팅 정보를 제공할 수 있다.
그러나 사례 베이스는 수집 지식(collective knowledge)으로 평가 항목에 대한 정확한 평가 정보를 생성하는데 도움이 되지만, 평가 항목에 대한 사례가 방대한 경우에만 정확한 평가 정보를 생성할 수 있으며 평가 항목에 해당하는 사례가 적은 경우에는 평가 정보를 생성하기 곤란하다는 문제점을 가진다. 더욱이 평가 항목에 대한 사례를 수집하는데 많은 시간과 비용이 소요된다는 문제점을 가진다.
한편, 빅데이터(big data)의 경우 평가 항목에 직접 일치되는 사례는 아니지만, 평가 항목에 부합하는 평가 정보를 포함하고 있으며 시간이 경과할수록 평가 정보의 양이 기하급수적으로 증가하여 용이하고 저렴한 비용으로 평가 항목에 부합하는 평가 정보를 획득할 수 있다는 장점을 가진다.
사례 베이스와 빅데이터를 결합하여 사례가 적은 경우에서도 평가 항목에 대한 정확한 평가 정보를 용이하게 생성할 수 있으며, 시간이 경과할수록 평가 성능과 정확도가 향상될 수 있는 평가 정보의 생성 방법이 요구된다.
더욱이 최근에는 유비쿼터스 환경에서 심리적 또는 신체적 사용자 상태를 평가하여 컨설팅을 제공하는 헬스케어가 널리 보급되어 사용되고 있는데, 반복하여 주기적으로 사용자의 상태를 평가시 대부분이 정상적인 상태로 평가되고 일부 비정상적인 상태로 판단되는 평가 항목의 경우, 전체 평가 횟수에 비해 일부의 경우에만 비정상적인 상태로 판단되기 때문에 이러한 평가 항목에 대한 사례를 수집하기 곤란하다는 문제점을 가진다.
본 발명은 종래 사례에 기반한 음식 추천 방식이 가지는 문제점을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 사례 베이스와 빅데이터를 조합하여 평가 항목에 대한 정확한 평가 정보를 생성하고 생성한 평가 정보에 기초하여 사용자에 개인화된 음식을 추천하는 시스템을 제공하는 것이다.
본 발명이 이루고자 하는 다른 목적은 평가 항목에 대한 사례가 부족한 경우에도 빅데이터를 이용하여 해당 평가 항목을 정확하게 판단할 수 있으며, 평가 항목에 해당하는 음식을 사용자에 추천할 수 있는 음식 추천 시스템을 제공하는 것이다.
본 발명의 목적을 달성하기 위하여 본 발명에 따른 음식 추천 시스템은 빅 데이터로부터 평가 항목에 연관된 연관 단어를 추출하여 평가 항목에 대한 평가 테이블을 생성하며 사례에 기반하여 전문가가 기설정한 평가 항목에 대한 평가 정보를 구비하는 사례 테이블과 평가 테이블의 조합으로부터 평가 항목에 대한 평가 기준 정보를 생성하여 사용자의 현재 상황에서 평가 항목에 대한 사용자의 평가 지수를 판단하는 평가 서버와, 사용자의 평가 지수에 매핑되어 있는 음식 정보를 검색하여 검색한 음식 정보를 추천 음식으로 제공하는 음식 추천 서버를 포함하는 것을 특징으로 한다.
여기서 평가 항목은 사용자의 심리적 상태를 나타내는 심리 평가 항목 또는 사용자의 신체적 상태를 나타내는 신체 평가 항목인 것을 특징으로 한다.
바람직하게, 평가 서버는 평가 항목을 색인어로 가지는 컨텐츠를 빅데이터 서버로부터 요청하며 빅데이터 서버로부터 수신한 컨텐츠에 기초하여 평가 항목과 연관된 연관 단어를 추출하여 평가 항목에 대한 평가 정보를 구비하는 평가 테이블을 생성하는 평가 테이블 생성부와, 평가 테이블 또는 사례 테이블이 저장되어 있는 데이터베이스와, 사용자가 소지하는 사용자 단말기 또는 사용자가 위치하는 장소에 배치되어 있는 센서로부터 사용자의 상황 정보를 획득하는 상황 정보 획득부와, 사용자 상황 정보를 평가 테이블 또는 사례 테이블에 적용하여 평가 항목에 대한 사용자의 평가 지수를 판단하는 지수 판단부를 포함하는 것을 특징으로 한다.
바람직하게, 평가 테이블 생성부는 빅 데이터에서 평가 항목을 색인어로 가지는 컨텐츠를 검색하는 컨텐츠 검색부와, 검색한 컨텐츠에 존재하는 단어 중 삭제 데이터베이스에 저장되어 있는 삭제 단어를 삭제하여 컨텐츠에 존재하는 단어 중 삭제 단어를 제외한 잔존 단어를 추출하는 잔존 단어 추출부와, 잔존 단어와 평가 항목 사이의 연관 여부를 판단하여 잔존 단어 중에서 평가 항목에 연관된 단어를 연관 단어로 추출하는 연관 단어 추출부와, 추출한 연관 단어로 이루어진 평가 테이블을 생성하는 테이블 생성부를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 연관 단어 추출부는 컨텐츠에서 평가 항목이 포함되어 있는 포함 문장 세트와 컨텐츠에서 평가 항목이 포함되지 않은 비포함 문장 세트를 랜덤하게 추출하는 문장 세트 추출부와, 포함 문장 세트에서 잔존 단어의 등장 빈도와 비포함 문장 세트에서 잔존 단어의 등장 빈도를 계산하는 빈도 계산부와, 포함 문장 세트에서 잔존 단어의 등장 빈도와 비포함 문장 세트에서 잔존 단어의 등장 빈도로부터 잔존 단어와 평가 항목 사이의 연관 여부를 판단하여 연관 단어를 추출하는 추출부를 포함하는 것을 특징으로 한다.
여기서 추출부는 포함 문장 세트에서 잔존 단어의 등장 빈도와 비포함 문장 세트에서 잔존 단어의 등장 빈도의 차이가 빈도 임계값 이상인 경우 잔존 단어를 평가 항목의 연관 단어로 추출하는 것을 특징으로 한다.
바람직하게, 본 발명의 다른 실시예에 따른 연관 단어 추출부는 빅 데이터에서 평가 항목에 해당하는 단어와 잔존 단어의 조합으로 이루어진 검색식으로 조합 컨텐츠를 검색하거나 잔존 단어로만 이루어진 검색식으로 단일 컨텐츠를 검색하는 제2 컨텐츠 검색부와, 조합 컨텐츠의 수와 단일 컨텐츠의 수 사이의 차이를 연관 임계값과 비교하는 비교부와, 조합 컨텐츠의 수와 단일 컨텐츠의 수 사이의 차이가 연관 임계값 이하인 경우 잔존 단어를 평가 항목의 연관 단어로 추출하는 제2 추출부를 포함하는 것을 특징으로 한다.
여기서 빅데이터 기반의 음식 추천 시스템은 사용자 단말기로부터 사용자의 평가 지수에 대한 정보를 수신하는 경우 사용자의 평가 지수에 대한 정보를 평가 서버로 송신하며, 평가 서버로부터 상기 사용자의 평가 지수에 매핑되어 있는 추천 음식 정보를 수신하는 음식점 단말기를 더 포함하는 것을 특징으로 한다.
바람직하게, 음식 추천 서버는 평가 항목의 평가 지수에 해당하는 추천 음식에 대한 정보를 저장하고 있는 추천 음식 데이터베이스와, 음식점 단말기로부터 사용자의 평가 지수에 대한 정보를 수신하는 경우 사용자의 평가 지수에 매핑되는 추천 음식에 대한 정보를 추천 음식 데이터베이스에서 검색하는 추천 음식 검색부와, 검색한 추천 음식 정보를 음식점 단말기로 송수신하는 송수신부를 포함하는 것을 특징으로 한다.
본 발명에 따른 빅데이터를 이용한 개인화된 음식 추천 시스템은 다음과 같은 효과를 가진다.
첫째, 본 발명에 따른 음식 추천 시스템은 사례 베이스와 빅데이터를 혼합 이용하여 평가 항목에 대한 정확한 평가 정보를 생성하고 생성한 평가 정보에 기초하여 사용자에 음식을 추천함으로써, 사용자에 개인화된 음식을 추천할 수 있다.
둘째, 본 발명에 따른 음식 추천 시스템은 빅데이터를 이용하여 해당 평가 항목을 정확하게 판단하고 사용자에 개인화된 음식을 추천함으로써, 평가 항목에 대한 사례가 부족한 경우에도 사용자에 개인화된 음식을 정확하게 추천할 수 있다.
셋째, 본 발명에 따른 음식 추천 시스템은 사례 베이스와 빅데이터를 이용하여 생성된 평가 정보에 기초하여 사용자에 음식을 추천함으로써, 예외적으로 발생되는 평가 항목에 대한 평가 정보도 고려하여 사용자에 정확하게 음식을 추천할 수 있다.
도 1은 본 발명에 따른 음식 추천 시스템을 설명하기 위한 기능 블록도이다.
도 2는 본 발명에 따른 평가 서버를 설명하기 위한 기능 블록도이다.
도 3은 사례 테이블, 평가 테이블 및 평가 기준 정보의 일 예를 도시하고 있다.
도 4는 본 발명에 따른 평가 테이블 생성부를 보다 구체적으로 설명하기 위한 기능 블록도를 도시하고 있다.
도 5는 본 발명에 따른 연관 단어 추출부의 일 예를 설명하기 위한 기능 블록도이다.
도 6은 본 발명에 따른 연관 단어 추출부의 다른 예를 설명하기 위한 기능 블록도이다.
이하 첨부한 도면을 참고로 본 발명에 따른 평가 기준 정보의 생성 방법 및 이를 이용한 사용자 상태의 평가 방법에 대해 보다 구체적으로 설명한다.
도 1은 본 발명에 따른 음식 추천 시스템을 설명하기 위한 기능 블록도이다.
도 1을 참고로 보다 구체적으로 살펴보면, 사용자 단말기(10), 센서 네트워크(50), 음식점 단말기(70), 빅데이터 서버(90), 평가 서버(100) 및 음식 추천 서버(200)가 네트워크(30)에 접속되어 있다.
여기서 사용자 단말기(10)와 평가 서버(100), 사용자 단말기(10)와 음식 추천 서버(200)는 서로 네트워크(30)를 통해 데이터를 송수신하는데, 여기서 사용자 단말기(10)는 평가 서버(100) 또는 음식 추천 서버(200)와 네트워크(30)를 통해 데이터를 송수신할 수 있는 개인용 단말기, 스마트폰 등이 사용될 수 있다. 사용자 단말기(10)는 사용자 상황 정보를 평가 서버(100)로 제공하거나 평가 서버(100)로부터 평가 항목에 대한 사용자의 평가 지수에 대한 정보를 수신하며, 음식 추천 서버(200)에 직접 접속하여 평가 서버(100)로부터 수신한 사용자의 평가 지수에 대한 정보를 제공하고 음식 추천 서버(200)로부터 사용자의 평가 지수에 적합한 추천 음식 정보를 획득할 수 있다.
평가 항목에 대한 사용자의 평가 지수는 빅데이터 서버(90)로부터 획득한 컨텐츠에 기반하여 평가 서버(100)에서 생성한 평가 정보와 사례에 기반하여 전문가가 평가 항목에 기설정한 평가 항목의 조합으로부터 생성한 평가 기준 정보로부터 판단되는데, 사례에 기반하여 전문가가 평가 항목에 기설정한 평가 정보는 전문가의 노하우에 기초하여 설정한 것으로 평가 항목을 평가하는데 정확하지만 평가 항목에 대한 사례가 부족한 경우 평가 항목에 대한 평가 정보를 획득하기 곤란한다. 본원발명에서는 빅데이터 서버(90)로부터 획득한 평가 항목의 컨텐츠에 기반하여 평가 서버(100)에서 평가 정보를 생성함으로써, 사례가 적은 경우에도 빅데이터로부터 평가 항목을 평가할 수 있는 평가 정보를 생성하며 또한 빅데이터로부터 생성한 평가 정보와 사례로부터 생성한 평가 정보의 조합으로부터 평가 항목을 정확하게 판단할 수 있는 평가 정보를 생성할 수 있다.
평가 항목에 대한 평가 기준 정보를 이용하여 평가 서버(100)에서 사용자의 평가 지수를 판단시, 평가 서버(100)는 사용자 상황 정보를 이용하여 사용자에 개인화된 평가 항목의 평가 지수를 판단하는데 여기서 사용자 상황 정보는 사용자가 소지하는 사용자 단말기(10)의 스케줄러 또는 위치 정보 등으로부터 획득하거나 사용자가 위치하고 있는 장소에 배치되어 있는 센서, 예를 들어 온도, 습도, 조도 센서 등으로 이루어진 센서 네트워크(50)로부터 획득할 수 있다. 여기서 사용자 상황 정보는 사용자의 상태, 예를 들어 사용자의 혈압, 혈당, 몸무게 등의 신체 상태 정보와, 온도, 습도, 소음 등의 환경 상태 정보와, 사용자의 직업, 현재 상황 등의 사용자 상태 정보를 포함하는데, 센서 네트워크(50)는 사용자 공간에 배치되어 있는 센서를 통해 사용자의 신체 상태 정보 또는 환경 상태 정보를 획득하거나, 사용자 신체에 부착되어 있는 센서를 통해 신체 상태 정보 또는 사용자 정보를 획득한다.
사용자는 사용자 단말기(10)를 이용하여 사용자에 개인화된 추천 음식에 대한 정보를 추천 음식 서버(200)로부터 획득할 수 있지만, 음식점에 배치되어 있는 음식점 단말기(70)로 평가 항목에 대한 사용자의 평가 지수를 제공하여 음식점에서 사용자에 개인화된 추천 음식을 제공받을 수 있다. 바람직하게, 음식점 단말기(70)는 NFC 등과 같은 근거리 통신을 이용하여 사용자 단말기(10)로부터 평가 지수에 대한 정보를 수신하며, 수신한 사용자의 평가 지수에 대한 정보를 네트워크(30)를 통해 음식 추천 서버(200)로 제공하여 음식 추천 서버(200)로부터 사용자에 개인화된 추천 음식에 대한 정보를 획득하여 사용자에 제공할 수 있다.
여기서 빅데이터 서버(90)는 평가 항목에 대한 방대한 양의 정보를 제공하는 포털사이트 서버 또는 SNS 서버 등을 의미하며, 빅데이터 서버(90)는 평가 서버(100)로부터 수신된 평가 항목을 색인어에 기초하여 평가 항목을 색인어로 가지는 컨텐츠를 검색하여 평가 서버(100)로 제공한다. 바람직하게, 빅데이터 서버(90)는 평가 서버(100)의 관리자에 의해 평가 항목에 대한 컨텐츠를 저장하고 있는 서버로 한정될 수 있다.
평가 서버(100)는 빅데이터 서버(90)로부터 수신한 컨텐츠에 기초하여 평가 항목에 연관된 연관 단어를 추출하고, 추출한 연관 단어로부터 평가 항목을 평가하기 위한 평가 테이블을 생성한다. 또한, 사용자 단말기(10) 또는 센서 네트워크(50)로부터 획득한 사용자의 상황 정보를 빅데이터로부터 생성된 평가 테이블 또는 사례베이스로부터 작성된 사례 테이블에 적용하여 평가 항목에 대한 사용자의 평가 지수를 평가한다.
여기서 평가 항목이란 사용자의 심리적 또는 신체적 상태이며, 예를 들어 우울증, 불면증, 스트레스 등의 심리적 상태 또는 고혈압, 비만, 혈압 등의 신체적 상태인 것을 특징으로 한다. 본 발명이 적용되는 분야에 따라 다양한 종류의 평가 항목이 사용될 수 있으며, 이는 본 발명의 범위에 속한다.
도 2는 본 발명에 따른 평가 서버를 설명하기 위한 기능 블록도이다.
도 2를 참고로 보다 구체적으로 살펴보면, 평가 테이블 생성부(110)는 평가 항목에 대한 컨텐츠를 빅데이터 서버(90)로부터 요청하며, 빅데이터 서버(90)로부터 수신한 컨텐츠에 기초하여 평가 항목과 연관된 연관 단어를 추출하여 평가 항목에 대한 평가 테이블을 생성한다. 생성한 평가 테이블은 데이터베이스(130)에 저장된다.
지수 판단부(150)는 사용자 정보 획득부(170)에서 센서 네트워크(50)로부터 수신한 사용자 상황 정보 또는 사용자 단말기로부터 수신한 사용자 상황 정보를 데이터베이스(130)에 저장되어 있는 평가 테이블 또는 사례 테이블에 적용하여 평가 항목에 대한 사용자의 평가 지수를 판단한다.
데이터베이스(130)에는 평가 테이블 생성부(110)에서 생성된 평가 테이블 이외에 사례 테이블이 저장되어 있는데, 도 3(a)는 사례 테이블의 일 예를 도시하고 있으며 도 3(b)는 평가 테이블의 일 예를 도시하고 있다. 여기서 사례 테이블은 평가 항목에 대한 전문가가 평가 항목의 평가 정보를 구비하고 있는 사례로부터 생성하는 것을 특징으로 한다. 도 3(a)에 도시되어 있는 같이 사례 테이블은 평가 항목에 해당하는 사용자의 사례를 전문가가 분석하여 전문가가 평가 항목을 평가하는 평가 정보로 기설정한 평가 정보를 구비하고 있으며, 도 3(b)에 도시되어 있는 바와 같이 평가 테이블은 빅데이터로부터 평가 항목에 해당하는 단어와 연관 단어를 추출하여 평가 항목에 해당하는 보편적인 평가 정보를 구비하고 있다.
한편, 도 3(c)는 평가 테이블과 사례 테이블의 조합으로부터 생성되는 평가 기준 정보의 일 예를 도시하고 있는데, 예를 들어 평가 항목이 우울증인 경우 사례베이스로 우울증을 판단하는데 이용되는 평가 정보가 사례 테이블에 기설정되어 있으며, 빅데이터로부터 우울증을 평가하는 평가 정보가 평가 테이블로 생성되는데, 평가 기준 정보는 사례 테이블과 평가 테이블의 조합으로부터 생성될 수 있다.
여기서 사용자 정보 획득부(170)는 센서 네트워크(50)와 통신을 수행하여 사용자 상황 정보를 수신하거나 사용자 단말기로부터 사용자 상황 정보를 수신하는데, 예를 들어 사용자가 소지하며 업무 또는 통화를 수행하는 사용자 단말기의 일정 애플리케이션(예를 들어 스케줄러)을 이용하여 사용자가 현재 수행하는 업무 또는 만나는 사람, 사용자가 현재 위치하는 장소 등에 기초하여 사용자의 상황 정보를 수신할 수 있다.
도 4는 본 발명에 따른 평가 테이블 생성부를 보다 구체적으로 설명하기 위한 기능 블록도를 도시하고 있다.
도 4를 참고로 보다 구체적으로 살펴보면, 컨텐츠 검색부(111)는 평가 항목이 입력되는 경우 빅데이터 서버에 접속하여 평가 항목과 관련한, 즉 평가 항목이 색인어 또는 식별자로 기재되어 있는 컨텐츠를 검색하며, 평가 항목에 해당하는 단어를 구비하는 컨텐츠를 빅데이터 서버로부터 수신한다. 본 발명이 적용되는 분야에 따라 컨텐츠 검색부(111)는 평가 항목에 관련한 컨텐츠만이 저장되어 있는 빅데이터 서버로 한정하여 평가 항목과 관련한 컨텐츠를 검색할 수 있다.
잔존 단어 추출부(113)는 검색한 컨텐츠를 구성하는 단어들 중에서 삭제 단어 데이버베이스(115)에 저장되어 있는 삭제 단어를 삭제하여 검색한 컨텐츠에서 삭제 단어를 제외하고 잔존하는 단어를 잔존 단어로 추출한다. 여기서 삭제 단어 데이터베이스(115)에는 평가 항목과 관련이 떨어지는 단어들로 이루어진 삭제 단어들이 저장되어 있는데, 이러한 삭제 단어는 평가 항목에 따라 전문가에 의해 사전 선택되어 삭제 단어 데이터베이스(115)에 저장될 수 있다. 검색한 컨텐츠에는 평가 항목과 직접 관련이 적은 단어들이 다수 기재되어 있을 수 있는데, 예를 들어 우울증이 평가 항목인 경우 우울증과 관련이 적은 "나, 너, 당신, 연구, 자료" 등을 삭제 단어로 설정할 수 있다.
연관 단어 추출부(117)는 추출한 잔존 단어와 평가 항목 사이의 연관 여부를 판단하여 잔존 단어 중에서 평가 항목에 연관이 있는 잔존 단어를 연관 단어로 추출한다. 테이블 생성부(119)는 추출한 연관 단어를 이용하여 평가 항목을 평가하는데 사용되는 평가 테이블을 생성한다. 바람직하게, 테이블 생성부(119)는 연관 단어로만 평가 테이블을 생성하거나, 각 연관 단어에 대한 평가 항목의 평가 점수로부터 평가 테이블을 생성하며, 더욱 바람직하게 평가 항목의 평가 점수는 평가 항목의 전문가에 의해 상/중/하 또는 정상/비정상으로 설정될 수 있다.
사례 베이스에 기초한 사례 테이블은 평가 항목에 해당하는 주변 사용자의 사례부터 전문가가 평가 항목을 평가하는데 이용할 것으로 추출한 연관 단어 또는 특성에 기초하여 생성되는 것이므로, 평가 항목인 사례가 적은 경우에는 사례 테이블만을 이용하여 정확하게 사용자가 평가 항목에 해당하는지 판단하기 곤란하다. 한편, 빅데이터는 평가 항목을 가지는 주변 사용자에 대한 직접적인 사례 자료를 가지는 않지만, 평가 항목과 관련을 가질 수 있는 방대하고 다양한 종류의 컨텐츠를 포함하고 있다. 따라서 빅데이터로부터 평가 항목과 연관 관계를 가지는 연관 단어로부터 평가 테이블을 생성하고, 사용자 상황 정보를 평가 테이블과 사례 테이블에 함께 적용함으로써, 평가 항목에 대한 사례 베이스가 적은 경우에도 정확하게 사용자가 평가 항목에 해당하는지 판단할 수 있다.
한편, 사용자가 평가 항목에 해당하는지 주기적으로 판단하여 평가 항목에 해당하는 경우에는 비정상이고 평가 항목에 해당하지 않는 경우 정상으로 판단하는 경우, 대부분의 경우에는 정상으로 판단되는 평가 항목이 존재한다. 예를 들어, 평가 항목이 우울증이며 1일 단위로 사용자가 우울증 증상이 있는지 판단하는 경우, 정상적인 사용자의 경우 대부분의 경우 우울증 증상이 없다. 따라서 사용자에게 우울증 증상이 있는 일을 정확하게 판단하여 사용자에게 우울증 증상이 존재함과 이에 따른 추천 음식에 대한 정보를 제공하여야 하는데, 사례 베이스에 기초한 사례 테이블만을 이용하는 경우 사용자의 상황 정보가 사례와 동일한 경우에만 사용자에 우울증 증상이 존재하는 것으로 판단한다.
사용자가 평가 항목에 해당하는지 초기에 판단하여 사용자에 적절한 추천 음식에 대한 정보를 가능한 빨리 제공하는 것이 평가 항목을 극복하는데 효과적인데, 본 발명에서는 평가 항목에 대한 보편적인 정보를 구비하는 빅데이터로부터 평가 항목에 대한 평가 테이블을 생성하고 평가 테이블과 사례 테이블을 함께 이용하여 평가 항목에 해당하는지 사용자의 상태를 평가하기 때문에, 간헐적으로 발생하며 사용자마다 상이한 특성을 가지는 평가 항목에 대해 정확하게 평가할 수 있다.
도 5는 본 발명에 따른 연관 단어 추출부의 일 예를 설명하기 위한 기능 블록도이다.
도 5를 참고로 살펴보면, 문장 세트 추출부(311)는 평가 항목에 해당하는 단어를 구비하는 검색한 컨텐츠에서 평가 항목의 단어가 포함되어 있는 포함 문장 세트와 평가 항목의 단어가 포함되어 있지 않은 비포함 문장 세트를 추출한다.
빈도 계산부(313)는 추출한 포함 문장 세트에서 추출한 잔존 단어가 등장하는 빈도와 추출한 비포함 문장 세트에서 추출한 잔존 단어가 등장하는 빈도를 각각 계산한다. 여기서 포함 문장 세트에서 잔존 단어가 등장하는 빈도는 포함 문장 세트를 구성하는 전체 문장의 수에서 잔존 단어가 등장하는 문장의 수의 비율로 계산할 수 있다. 이와 같이 비포함 문장 세트에서 잔존 단어가 등장하는 빈도는 비포함 문장 세트를 구성하는 전체 문장의 수에서 잔존 단어가 등장하는 문장의 수의 비율로 계산할 수 있다.
추출부(315)는 포함 문장 세트에서 잔존 단어가 등장하는 빈도와 비포함 문장 세트에서 잔존 단어가 등장하는 빈도를 서로 차감하여 계산되는 빈도 차이값이 임계 빈도값보다 큰지 판단하여, 빈도 차이값이 임계 빈도값보다 큰 경우에는 잔존 단어와 평가 항목이 서로 연관 관계가 존재하는 것으로 판단하고 빈도 차이값이 임계 빈도값보다 작은 경우에는 잔존 단어와 평가 항목이 서로 연관 관계가 존재하지 않는 것으로 판단한다.
도 6은 본 발명에 따른 연관 단어 추출부의 다른 예를 설명하기 위한 기능 블록도이다.
도 6을 참고로 살펴보면, 제2 컨텐츠 검색부(331)는 빅데이터에서 평가 항목에 해당하는 단어와 잔존 단어로 이루어진 검색식을 이용하여 검색된 조합 컨텐츠의 수를 판단하고, 빅데이터에서 잔존 단어로 이루어진 검색식을 이용하여 검색된 단일 컨텐츠의 수를 판단한다.
비교부(333)는 조합 컨텐츠의 수와 단일 컨텐츠의 수를 서로 차감하여 수 차이값을 계산하며, 수 차이값과 연관 임계값을 서로 비교하여 수 차이값이 연관 임계값보다 큰지 판단한다.
제2 추출부(335)는 수 차이값이 연관 임계값보다 작은 경우에는 잔존 단어와 평가 항목이 서로 연관 관계가 존재하는 것으로 판단하고, 수 차이값이 연관 임계값보다 작은 경우에는 잔존 단어와 평가 항목이 서로 연관 관계가 존재하지 않는 것으로 판단한다.
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록 매체는 전기 또는 자기식 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 사용자 단말기 30: 네트워크
50: 센서 네트워크 70: 음식점 단말기
90: 빅데이터 서버 100: 평가 서버
200: 음식 추천 서버 110: 평가 테이블 생성부
130: 데이터베이스 150: 지수 판단부
170: 사용자 정보 획득부

Claims (9)

  1. 평가 항목을 색인어로 가지는 컨텐츠를 빅데이터 서버로부터 요청하며, 빅데이터 서버로부터 수신한 컨텐츠에 기초하여 평가 항목과 연관된 연관 단어를 추출하여 평가 항목에 대한 평가 정보를 구비하는 평가 테이블을 생성하는 평가 테이블 생성부와, 평가 테이블 또는 사례에 기반하여 전문가가 기설정한 상기 평가 항목에 대한 평가 정보를 구비하는 사례 테이블이 저장되어 있는 데이터베이스와, 사용자가 소지하는 사용자 단말기 또는 상기 사용자가 위치하는 장소에 배치되어 있는 센서로부터 사용자의 상황 정보를 획득하는 상황 정보 획득부와, 상기 사용자 상황 정보를 상기 평가 테이블 또는 상기 사례 테이블로부터 생성되는 평가 기준 정보에 적용하여 평가 항목에 대한 사용자의 평가 지수를 판단하는 지수 판단부를 구비하는 평가 서버; 및
    상기 사용자의 평가 지수에 매핑되어 있는 음식 정보를 검색하여 검색한 음식 정보를 추천 음식으로 제공하는 음식 추천 서버를 포함하며,
    상기 평가 테이블 생성부는
    상기 평가 테이블 생성부는 상기 빅 데이터에서 상기 평가 항목을 색인어로 가지는 컨텐츠를 검색하는 컨텐츠 검색부;
    검색한 상기 컨텐츠에 존재하는 단어 중 삭제 데이터베이스에 저장되어 있는 삭제 단어를 삭제하여 상기 컨텐츠에 존재하는 단어 중 상기 삭제 단어를 제외한 잔존 단어를 추출하는 잔존 단어 추출부;
    상기 잔존 단어와 상기 평가 항목 사이의 연관 여부를 판단하여 상기 잔존 단어 중에서 상기 평가 항목에 연관된 단어를 연관 단어로 추출하는 연관 단어 추출부; 및
    추출한 상기 연관 단어로 이루어진 평가 테이블을 생성하는 테이블 생성부를 것을 포함하며,
    상기 연관 단어 추출부는
    상기 컨텐츠에서 상기 평가 항목이 포함되어 있는 포함 문장 세트와 상기 컨텐츠에서 상기 평가 항목이 포함되지 않은 비포함 문장 세트를 랜덤하게 추출하는 문장 세트 추출부;
    상기 포함 문장 세트에서 상기 잔존 단어의 등장 빈도와 상기 비포함 문장 세트에서 상기 잔존 단어의 등장 빈도를 계산하는 빈도 계산부; 및
    상기 포함 문장 세트에서 상기 잔존 단어의 등장 빈도와 상기 비포함 문장 세트에서 상기 잔존 단어의 등장 빈도로부터 상기 잔존 단어와 상기 평가 항목 사이의 연관 여부를 판단하여 연관 단어를 추출하는 추출부를 포함하는 것을 특징으로 하는 빅데이터 기반의 음식 추천 시스템.
  2. 제 1 항에 있어서, 상기 평가 항목은
    상기 사용자의 심리적 상태를 나타내는 심리 평가 항목 또는 상기 사용자의 신체적 상태를 나타내는 신체 평가 항목인 것을 특징으로 하는 빅데이터 기반의 음식 추천 시스템.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서, 상기 추출부는
    상기 포함 문장 세트에서 상기 잔존 단어의 등장 빈도와 상기 비포함 문장 세트에서 상기 잔존 단어의 등장 빈도의 차이가 빈도 임계값 이상인 경우 상기 잔존 단어를 상기 평가 항목의 연관 단어로 추출하는 것을 특징으로 하는 빅데이터 기반의 음식 추천 시스템.
  7. 평가 항목을 색인어로 가지는 컨텐츠를 빅데이터 서버로부터 요청하며, 빅데이터 서버로부터 수신한 컨텐츠에 기초하여 평가 항목과 연관된 연관 단어를 추출하여 평가 항목에 대한 평가 정보를 구비하는 평가 테이블을 생성하는 평가 테이블 생성부와, 평가 테이블 또는 사례에 기반하여 전문가가 기설정한 상기 평가 항목에 대한 평가 정보를 구비하는 사례 테이블이 저장되어 있는 데이터베이스와, 사용자가 소지하는 사용자 단말기 또는 상기 사용자가 위치하는 장소에 배치되어 있는 센서로부터 사용자의 상황 정보를 획득하는 상황 정보 획득부와, 상기 사용자 상황 정보를 상기 평가 테이블 또는 상기 사례 테이블로부터 생성되는 평가 기준 정보에 적용하여 평가 항목에 대한 사용자의 평가 지수를 판단하는 지수 판단부를 구비하는 평가 서버; 및
    상기 사용자의 평가 지수에 매핑되어 있는 음식 정보를 검색하여 검색한 음식 정보를 추천 음식으로 제공하는 음식 추천 서버를 포함하며,
    상기 평가 테이블 생성부는
    상기 평가 테이블 생성부는 상기 빅 데이터에서 상기 평가 항목을 색인어로 가지는 컨텐츠를 검색하는 컨텐츠 검색부;
    검색한 상기 컨텐츠에 존재하는 단어 중 삭제 데이터베이스에 저장되어 있는 삭제 단어를 삭제하여 상기 컨텐츠에 존재하는 단어 중 상기 삭제 단어를 제외한 잔존 단어를 추출하는 잔존 단어 추출부;
    상기 잔존 단어와 상기 평가 항목 사이의 연관 여부를 판단하여 상기 잔존 단어 중에서 상기 평가 항목에 연관된 단어를 연관 단어로 추출하는 연관 단어 추출부; 및
    추출한 상기 연관 단어로 이루어진 평가 테이블을 생성하는 테이블 생성부를 것을 포함하며,
    상기 연관 단어 추출부는
    상기 빅 데이터에서, 상기 평가 항목에 해당하는 단어와 상기 잔존 단어의 조합으로 이루어진 검색식으로 조합 컨텐츠를 검색하거나 상기 잔존 단어로만 이루어진 검색식으로 단일 컨텐츠를 검색하는 제2 컨텐츠 검색부;
    상기 조합 컨텐츠의 수와 상기 단일 컨텐츠의 수 사이의 차이를 연관 임계값과 비교하는 비교부; 및
    상기 조합 컨텐츠의 수와 상기 단일 컨텐츠의 수 사이의 차이가 연관 임계값 이하인 경우 상기 잔존 단어를 상기 평가 항목의 연관 단어로 추출하는 제2 추출부를 포함하는 것을 특징으로 하는 빅데이터 기반의 음식 추천 시스템.
  8. 제 1 항, 제 2 항. 제 6 항 및 제 7 항 중 어느 한 항에 있어서, 상기 빅데이터 기반의 음식 추천 시스템은
    상기 사용자 단말기로부터 사용자의 평가 지수에 대한 정보를 수신하는 경우 상기 사용자의 평가 지수에 대한 정보를 상기 평가 서버로 송신하며, 상기 평가 서버로부터 상기 사용자의 평가 지수에 매핑되어 있는 추천 음식 정보를 수신하는 음식점 단말기를 더 포함하는 것을 특징으로 하는 빅데이터 기반의 음식 추천 시스템.
  9. 제 8 항에 있어서, 상기 음식 추천 서버는
    상기 평가 항목의 평가 지수에 해당하는 추천 음식에 대한 정보를 저장하고 있는 추천 음식 데이터베이스;
    상기 음식점 단말기로부터 상기 사용자의 평가 지수에 대한 정보를 수신하는 경우, 상기 사용자의 평가 지수에 매핑되는 추천 음식에 대한 정보를 상기 추천 음식 데이터베이스에서 검색하는 추천 음식 검색부; 및
    검색한 추천 음식 정보를 상기 음식점 단말기로 송수신하는 송수신부를 포함하는 것을 특징으로 하는 빅데이터 기반의 음식 추천 시스템.
KR1020160003870A 2015-11-20 2016-01-12 빅데이터를 이용한 사용자에 개인화된 음식 추천 시스템 KR101711118B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020150163046 2015-11-20
KR20150163046 2015-11-20

Publications (1)

Publication Number Publication Date
KR101711118B1 true KR101711118B1 (ko) 2017-02-28

Family

ID=58543130

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160003870A KR101711118B1 (ko) 2015-11-20 2016-01-12 빅데이터를 이용한 사용자에 개인화된 음식 추천 시스템

Country Status (1)

Country Link
KR (1) KR101711118B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190015164A (ko) * 2018-12-20 2019-02-13 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR101933559B1 (ko) * 2017-08-03 2019-04-05 서울대학교산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR102043959B1 (ko) 2019-07-25 2019-11-12 (주)어메이징푸드솔루션 개인별 유전자 유형과 개인건강기록 데이터에 근거한 맞춤형 식단 추천 시스템
KR20230068670A (ko) 2021-11-11 2023-05-18 주식회사 스핀택 고령노인 영양판단을 통한 맞춤 식단 제공 서버 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110052196A (ko) * 2009-11-12 2011-05-18 (의료)길의료재단 유헬스케어 개인화 서비스를 이용한 식단처방
JP2013218376A (ja) * 2012-04-04 2013-10-24 Sharp Corp メニュー提案システム、メニュー提案サーバ、メニュー提案方法およびプログラム
KR20140148130A (ko) * 2013-06-21 2014-12-31 동아대학교 산학협력단 개인별 메뉴추천 시스템 및 방법
KR20150038880A (ko) * 2013-10-01 2015-04-09 주식회사 엘지유플러스 사용자 데이터 관리가 가능한 무선통신 단말기 및 관리 서버, 그리고 이를 이용한 사용자 데이터 관리 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110052196A (ko) * 2009-11-12 2011-05-18 (의료)길의료재단 유헬스케어 개인화 서비스를 이용한 식단처방
JP2013218376A (ja) * 2012-04-04 2013-10-24 Sharp Corp メニュー提案システム、メニュー提案サーバ、メニュー提案方法およびプログラム
KR20140148130A (ko) * 2013-06-21 2014-12-31 동아대학교 산학협력단 개인별 메뉴추천 시스템 및 방법
KR20150038880A (ko) * 2013-10-01 2015-04-09 주식회사 엘지유플러스 사용자 데이터 관리가 가능한 무선통신 단말기 및 관리 서버, 그리고 이를 이용한 사용자 데이터 관리 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101933559B1 (ko) * 2017-08-03 2019-04-05 서울대학교산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR20190015164A (ko) * 2018-12-20 2019-02-13 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR102149160B1 (ko) 2018-12-20 2020-08-31 차의과학대학교 산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법
KR102043959B1 (ko) 2019-07-25 2019-11-12 (주)어메이징푸드솔루션 개인별 유전자 유형과 개인건강기록 데이터에 근거한 맞춤형 식단 추천 시스템
KR20230068670A (ko) 2021-11-11 2023-05-18 주식회사 스핀택 고령노인 영양판단을 통한 맞춤 식단 제공 서버 및 방법

Similar Documents

Publication Publication Date Title
US11468019B2 (en) Apparatus, systems, and methods for analyzing characteristics of entities of interest
US10049154B2 (en) Method for matching queries with answer items in a knowledge base
US8407781B2 (en) Information providing support device and information providing support method
CN103970857B (zh) 推荐内容确定系统和方法
JP5324937B2 (ja) 推薦システム用の時間情報および場所情報の言語抽出
KR101711118B1 (ko) 빅데이터를 이용한 사용자에 개인화된 음식 추천 시스템
KR101579376B1 (ko) 주관성 분석을 이용한 사용자 분류와 그에 따른 개인화된 장소 추천 시스템 및 방법
EP2782029A2 (en) Re-ranking results in a search
EP3312738B1 (en) Method and device for displaying keyword
KR20170088279A (ko) 성격 유형 분석을 이용한 친구 추천 서비스 제공 방법 및 서버
KR20130090612A (ko) 소셜 네트워크 서비스의 키워드 분석을 통한 위치기반 콘텐츠 제공 방법 및 시스템
US11675845B2 (en) Identifying merchant data associated with multiple data structures
KR101450453B1 (ko) 컨텐츠 추천 방법 및 장치
KR101576935B1 (ko) 정답 키워드 제공 방법 및 장치
WO2017139247A1 (en) Inconsistency detection and correction system
JP2019125323A (ja) 推定装置、推定方法および推定プログラム
KR100503779B1 (ko) 질문자 답변자 매칭 방법 및 시스템
JP2020154784A (ja) アイテム提示方法、アイテム提示プログラムおよびアイテム提示装置
US20230085500A1 (en) Method, apparatus, and computer program product for point-of-interest recommendations
KR101687482B1 (ko) 사례 베이스와 빅데이터를 이용한 평가 기준 정보의 생성 방법
KR101393604B1 (ko) 형태소 기반 컨텐츠분류 방법 및 장치
KR101623523B1 (ko) 이미지 단어 해석에 기반한 사용자 니즈 파악 방법
KR101449994B1 (ko) 사용자 성향에 따른 검색 서비스 제공 방법
US20230297621A1 (en) Identifying merchant data associated with multiple data structures
US10740417B2 (en) Methods of providing information related to activities

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191219

Year of fee payment: 4