KR101732873B1 - 사용자 맞춤형 인기장소 추천 방법 및 시스템 - Google Patents

사용자 맞춤형 인기장소 추천 방법 및 시스템 Download PDF

Info

Publication number
KR101732873B1
KR101732873B1 KR1020160017004A KR20160017004A KR101732873B1 KR 101732873 B1 KR101732873 B1 KR 101732873B1 KR 1020160017004 A KR1020160017004 A KR 1020160017004A KR 20160017004 A KR20160017004 A KR 20160017004A KR 101732873 B1 KR101732873 B1 KR 101732873B1
Authority
KR
South Korea
Prior art keywords
place
popular
user
log information
popular place
Prior art date
Application number
KR1020160017004A
Other languages
English (en)
Inventor
김준태
김승범
권수정
Original Assignee
동국대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020160017004A priority Critical patent/KR101732873B1/ko
Application granted granted Critical
Publication of KR101732873B1 publication Critical patent/KR101732873B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications

Abstract

추천 서버에 의해 실행되는 사용자 맞춤형 인기장소 추천을 위한 컴퓨터 구현 방법으로서, 내비게이션 사용자 로그 정보를 수집하는 단계; 인터넷 상의 웹 로그 정보를 수집하는 단계; 수집된 내비게이션 사용자 로그 정보 및 수집된 웹 로그 정보에 기초하여 인기장소를 생성하는 단계; 생성된 인기장소에 기반하여 사용자 맞춤형 인기장소를 추출하여 해당 사용자에게 추천하는 단계를 포함하는 사용자 맞춤형 인기장소 추천 방법이 제공된다.

Description

사용자 맞춤형 인기장소 추천 방법 및 시스템{METHOD AND SYSTEM FOR RECOMMENDING USER CUSTMIZED POPULAR PLACE}
본 발명은 추천 시스템에 관한 것으로서, 보다 구체적으로는 빅데이터인 내비게이션 사용자 로그 정보와 인터넷 상에서의 웹 로그(Web log)(소위, 블로그, SNS 등) 정보를 이용하여 사용자 맞춤형의 인기장소를 추천하는 방법 및 시스템에 관한 것이다.
빅데이터(Big data)는 일반적인 데이터베이스 시스템으로는 수집, 저장 및 분석하기 어려운 방대한 양의 데이터를 의미한다. 최근 빅데이터의 분석을 통해서 특정 응용분야에 유의미한 정보를 얻어내고 이를 활용하고자 하는 다양한 시도들이 이루어지고 있다.
이를 테면 차량 운행을 보조하는 내비게이션(navigation)에서 발생하는 대용량의 사용자 로그들을 분석하여 사용자 맞춤형 서비스를 제공하고자 하는 것이 그 일 예라 할 수 있다. 종래 기술에 따르면 내비게이션 사용자 로그의 분석을 통해 사람들이 많이 방문하는 장소, 이동하는 시간 등을 분석하는 기술들이 존재하지만, 이는 단순한 1차원적인 통계에 그친다는 점에서 한계가 있다.
또한 사람들은 많은 사람들이 방문한 인기장소의 정보를 얻기 위해 인터넷 상에서 블로그(blog)를 검색하지만, 그 블로그가 실제 방문한 사람에 의해 작성한 것인지 알 수 없으며 홍보의 목적인지도 구분이 어려운 한계가 있었다.
본 발명은 상술한 바와 같은 문제를 해결하기 위해 안출된 것으로서, 빅데이터인 내비게이션 사용자 로그 정보와 인터넷 상에서의 웹 로그(Web log)(소위, 블로그, SNS 등) 정보를 이용하여 사용자 맞춤형의 인기장소를 추천하는 신규의 방법 및 시스템을 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 추천 서버에 의해 실행되는 사용자 맞춤형 인기장소 추천을 위한 컴퓨터 구현 방법으로서, 내비게이션 사용자 로그 정보를 수집하는 단계; 인터넷 상의 웹 로그 정보를 수집하는 단계; 수집된 내비게이션 사용자 로그 정보 및 수집된 웹 로그 정보에 기초하여 인기장소를 생성하는 단계; 생성된 인기장소에 기반하여 사용자 맞춤형 인기장소를 추출하여 해당 사용자에게 추천하는 단계를 포함하는 사용자 맞춤형 인기장소 추천 방법이 제공된다.
일 실시예에서, 상기 인기장소를 생성하는 단계는,
수집된 내비게이션 사용자 로그 정보를 이용하여, 로그 정보의 속성에 따라 서로 다른 점수 가중치를 적용하여 장소 별로의 합산된 점수를 산출하고, 산출된 점수에 기초하여 제1 인기장소 후보지를 선정하는 단계;
수집된 웹 로그 정보에 관한 형태소 분석을 통해서 유의미한 텍스트 정보를 추출하고, 상기 유의미한 텍스트 정보에 관한 오피니언 마이닝 처리를 통해 장소 별로의 방문 만족도를 산출하여 제2 인기장소 후보지를 선정하는 단계; 및
상기 제1 인기장소 후보지 및 상기 제2 인기장소 후보지를 종합하여 최종 인기장소를 선정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 인기장소를 생성하는 단계는,
수집된 내비게이션 사용자 로그 정보를 이용하여, 로그 정보의 속성에 따라 서로 다른 점수 가중치를 적용하여 장소 별로의 합산된 점수를 산출하고, 산출된 점수에 기초하여 제1 인기장소 후보지를 선정하는 단계; 및
수집된 웹 로그 정보 중에서 상기 제1 인기장소 후보지에 연관된 웹 로그 정보에 관한 형태소 분석을 통해서 유의미한 텍스트 정보를 추출하고, 상기 유의미한 텍스트 정보에 관한 오피니언 마이닝 처리를 통해 상기 제1 인기장소 후보지에 관한 방문 만족도를 산출하여 최종 인기장소를 선정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 인기장소를 생성하는 단계는,
상기 오피니언 마이닝 처리 과정에서, 방문 목적 별로 상기 방문 만족도를 산출하여 인기장소 선정에 반영할 수 있다.
일 실시예에서, 상기 제1 인기장소 후보지 선정 과정에서,
상기 내비게이션 사용자 로그 정보 중 목적지 검색, 주변위치 탐색에 관한 로그 정보에는 제1 점수 가중치를 적용하고, 안내 시작에 관한 로그 정보에는 제2 점수 가중치를 적용하며, 도착 완료에 관한 로그 정보에는 제3 가중치를 적용하되,
상기 점수 가중치 중에서, 상기 제3 점수 가중치에 상대적으로 가장 높은 가중치를 부여하고, 상기 제1 점수 가중치에 상대적으로 가장 낮은 가중치를 부여할 수 있다.
일 실시예에서, 상기 제1 인기장소 후보지 선정 과정에서,
상기 인기장소 생성 시점을 기준으로 사전 지정된 시간 간격(term) 마다에 서로 다른 점수 가중치를 부여하되, 최근일수록 상대적으로 더 높은 가중치를 부여할 수 있다.
일 실시예에서, 상기 생성된 인기장소는 지역거점 별 및 업종 별 중 적어도 하나의 기준과 연관시킨 소정의 계층 구조(hierarchy structure)에 따라 저장되고,
상기 사용자 맞춤형 인기장소를 추출하여 해당 사용자에게 추천하는 단계는, 핫 플레이스(hot place)인 지역거점 및 상점 중 적어도 하나를 1차적으로 안내하는 단계를 포함하되,
상기 1차적으로 안내된 핫 플레이스 중 어느 하나와, 방문 목적이 사용자에 의해 선택된 경우, 상기 선택된 방문 목적을 기준으로 상기 선택된 핫 플레이스보다 높은 순위의 다른 인기장소가 존재하는지를 확인하고, 상기 높은 순위의 다른 인기장소가 확인되는 경우 확인된 다른 인기장소를 2차 안내하는 단계를 더 포함할 수 있다.
본 발명의 다른 측면에 따르면, 사용자 맞춤형 인기장소 추천 시스템으로서,
내비게이션 사용자 로그 정보 및 인터넷 상의 웹 로그 정보를 수집하는 정보 수집부; 수집된 내비게이션 사용자 로그 정보 및 웹 로그 정보에 기초하여 인기장소를 생성하는 인기장소 생성부; 및 생성된 인기장소에 기반하여 사용자 맞춤형 인기장소를 추출하고 해당 사용자에게 추천하는 추천부를 포함하는 추천 서버를 포함하는 사용자 맞춤형 인기장소 추천 시스템이 제공된다.
일 실시예에서, 상기 인기장소 생성부는,
수집된 내비게이션 사용자 로그 정보를 이용하여, 로그 정보의 속성에 따라 서로 다른 점수 가중치를 적용하여 장소 별로의 합산된 점수를 산출하고, 산출된 점수에 기초하여 제1 인기장소 후보지를 선정하고,
수집된 웹 로그 정보에 관한 형태소 분석을 통해서 유의미한 텍스트 정보를 추출하고, 상기 유의미한 텍스트 정보에 관한 오피니언 마이닝 처리를 통해 장소 별로의 방문 만족도를 산출하여 제2 인기장소 후보지를 선정하며,
상기 제1 인기장소 후보지 및 상기 제2 인기장소 후보지를 종합하여 최종 인기장소를 선정할 수 있다.
일 실시예에서, 상기 인기장소 생성부는,
수집된 내비게이션 사용자 로그 정보를 이용하여, 로그 정보의 속성에 따라 서로 다른 점수 가중치를 적용하여 장소 별로의 합산된 점수를 산출하고, 산출된 점수에 기초하여 제1 인기장소 후보지를 선정하고,
수집된 웹 로그 정보 중에서 상기 제1 인기장소 후보지에 연관된 웹 로그 정보에 관한 형태소 분석을 통해서 유의미한 텍스트 정보를 추출하고, 상기 유의미한 텍스트 정보에 관한 오피니언 마이닝 처리를 통해 상기 제1 인기장소 후보지에 관한 방문 만족도를 산출하여 최종 인기장소를 선정할 수 있다.
일 실시예에서, 상기 인기장소 생성부는,
상기 오피니언 마이닝 처리 과정에서, 방문 목적 별로 상기 방문 만족도를 산출하여 인기장소 선정에 반영할 수 있다.
일 실시예에서, 상기 인기장소 생성부는,
상기 제1 인기장소 후보지 선정 과정에서,
상기 내비게이션 사용자 로그 정보 중 목적지 검색, 주변위치 탐색에 관한 로그 정보에는 제1 점수 가중치를 적용하고, 안내 시작에 관한 로그 정보에는 제2 점수 가중치를 적용하며, 도착 완료에 관한 로그 정보에는 제3 가중치를 적용하되,
상기 점수 가중치 중에서, 상기 제3 점수 가중치에 상대적으로 가장 높은 가중치를 부여하고, 상기 제1 점수 가중치에 상대적으로 가장 낮은 가중치를 부여할 수 있다.
일 실시예에서, 상기 인기장소 생성부는,
상기 인기장소 생성 시점을 기준으로 사전 지정된 시간 간격(term) 마다에 서로 다른 점수 가중치를 부여하되, 최근일수록 상대적으로 더 높은 가중치를 부여할 수 있다.
일 실시예에서, 상기 생성된 인기장소는 지역거점 별 및 업종 별 중 적어도 하나의 기준과 연관시킨 소정의 계층 구조(hierarchy structure)에 따라 저장될 수 있다.
상기 추천부는, 핫 플레이스(hot place)인 지역거점 및 상점 중 적어도 하나를 사용자에게 1차적으로 안내하고, 상기 1차적으로 안내된 핫 플레이스 중 어느 하나와 방문 목적이 사용자에 의해 선택된 경우, 상기 선택된 방문 목적을 기준으로 상기 선택된 핫 플레이스보다 높은 순위의 다른 인기장소가 존재하는지를 확인하고, 상기 높은 순위의 다른 인기장소가 확인되는 경우 확인된 다른 인기장소를 2차 안내할 수 있다.
본 발명의 실시예에 의하면, 빅데이터인 내비게이션 사용자 로그의 분석 결과와 웹 로그 분석 결과를 결합하여 보다 정확한 인기장소의 추천이 가능해지는 효과가 있다.
또한 본 발명의 실시예에 의하면, 웹 로그 분석을 통해서 방문 장소에 대한 방문 목적을 알아내며 만족도를 측정할 수 있어, 방문 목적에 맞춘 인기장소의 추천이 가능해지는 효과가 있다.
도 1은 본 발명의 실시예에 따른 사용자 맞춤형 인기장소 추천 방법을 설명하기 위한 모식도.
도 2는 본 발명의 실시예에 따른 사용자 맞춤형 인기장소 추천 서버에 관한 개략적인 블록구성도.
도 3은 본 발명의 일 실시예예 다른 인기장소 생성 방법을 설명하기 위한 순서도.
도 4는 본 발명의 다른 실시예에 따른 인기장소 생성 방법을 설명하기 위한 순서도.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제1, 제2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 명세서 전체에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다. 또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하나 이상의 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 조합으로 구현될 수 있음을 의미한다.
도 1은 본 발명의 실시예에 따른 사용자 맞춤형 인기장소 추천 방법을 설명하기 위한 모식도이고, 도 2는 본 발명의 실시예에 따른 사용자 맞춤형 인기장소 추천 서버에 관한 개략적인 블록구성도이다. 또한, 도 3은 본 발명의 일 실시예예 다른 인기장소 생성 방법을 설명하기 위한 순서도이고, 도 4는 본 발명의 다른 실시예에 따른 인기장소 생성 방법을 설명하기 위한 순서도이다. 이하, 첨부된 도면들을 참조하여 본 발명의 실시예를 상세히 설명한다.
본 발명의 실시예에 따른 사용자 맞춤형 인기장소 추천 방법은 기본적으로 2가지 종류의 빅데이터를 이용한다. 여기서, 2가지 종류의 빅데이터는 도 1에 도시된 바와 같이 내비게이션 사용자 로그와 인터넷 상에서의 웹 로그를 의미한다. 즉, 본 발명의 실시예에서는 빅데이터인 내비게이션 사용자 로그 및 웹 로그를 수집하고(도 1의 단계 S100 참조), 수집된 빅데이터의 분석을 통해서 사용자 맞춤형 인기장소를 생성하며(도 1의 단계 S200 참조), 이에 따라 해당 사용자의 요구 또는 목적(의도)에 맞춰 인기장소를 추천하게 된다(도 1의 단계 S300 참조).
상술한 각 단계는 본 발명의 실시예에 따른 추천 서버(100)에 의해 실행될 수 있다. 도 2를 참조하면, 본 발명의 실시예에 따른 추천 서버(100)는, 빅데이터 수집을 위해 내비게이션 서비스 서버(미도시) 및 웹 서버(미도시)와의 네트워크 접속을 수행하는 네트워크 접속부(110), 내비게이션 사용자 로그 정보 및 웹 로그 정보를 수집하는 정보 수집부(120), 수집된 빅데이터를 저장하는 저장소(Repository)(130), 수집된 빅데이터의 분석을 통해 인기장소를 생성하는 인기장소 생성부(140), 생성된 인기장소에 기반하여 사용자 맞춤형 인기장소를 추출하고 이를 해당 사용자에게 추천(즉, 안내)하는 추천부(150)를 포함할 수 있다.
이하, 이에 대하여 보다 구체적으로 설명하면 다음과 같다. 이하의 설명 과정에서는 설명의 편의 및 집중을 위해, 웹 로그로서 블로그(blog)를 중심으로 설명하겠지만, 웹 로그는 이에 한정되는 것이 아님을 먼저 명확히 한다. 본 명세서에서 웹 로그는 블로그는 물론 소셜 미디어, 소셜 네트워크 서비스 등과 같이 인터넷 상에서 발생하는 다양한 소셜 데이터도 포함하는 개념으로 정의된다.
추천 서버(100)의 정보 수집부(120)는 빅데이터인 내비게이션 사용자 로그 정보와 웹 로그 정보를 수집한다. 이를 위해, 정보 수집부(120)는 네트워크 접속부(110)를 통해서 주기적으로 내비게이션 서비스 서버(미도시) 및 웹 서버에 접속하여 내비게이션 사용자 로그 정보와 웹 로그 정보를 획득할 수 있다. 여기서, 본 명세서에서 내비게이션 서비스 서버란 내비게이션 사용자의 사용자 로그 정보를 취합하여 보관하는 서버 또는 저장소를 통칭하는 개념으로 사용된다.
이와 같이 수집된 빅데이터는 추천 서버(100)의 저장소(130)에 저장된다. 여기서, 저장소(130)는 개념적으로 추천 서버(100)에 관리하에 있다는 점을 강조하는 의미에서 도 2에서와 같이 추천 서버(100) 내에 블록으로 도시하였지만, 물리적으로는 별도 존재할 수 있음은 자명한 바이다.
추천 서버(100)의 인기장소 생성부(140)는 상술한 바와 같이 수집된 2가지 종류의 빅데이터를 분석하여 인기장소를 생성한다. 이하, 이에 대하여 도 3 및 도 4를 참조하여 차례로 설명하기로 한다.
본 발명의 제1 실시예에 의할 때, 인기장소 생성부(140)에 의한 인기장소 생성 방식은 도 3의 순서도에 의할 수 있다. 도 3의 순서도에서 좌측에 도시된 단계 S211/단계 S213(즉, 내비게이션 사용자 로그 정보의 빅데이터 분석 과정)은 우측에 도시된 단계 S221/단계 S223(즉, 웹 로그 정보의 빅데이터 분석 과정)과 동시에 또는 병렬적으로 수행될 수 있다.
먼저, 내비게이션 사용자 로그 정보의 빅데이터 분석 과정을 설명하면 아래와 같을 수 있다.
도 3의 단계 S211을 참조하면, 인기장소 생성부(140)는 수집된 내비게이션 사용자 로그 정보에 기초하여 로그 정보의 속성에 따라 서로 다른 점수 가중치를 적용한다. 로그 정보의 속성에 따라 서로 다른 가중치를 적용하는 방법으로는 아래 예시의 방식들 중 어느 하나 또는 그들의 조합이 이용될 수 있다.
일 예로, 내비게이션 사용자 로그 정보 중 목적지 검색 로그, 주변위치 탐색 로그 등에 관련된 로그를 통해 확인(추출)되는 장소에 대해서는 1점을 부여하고, 경로 안내 시작과 관련된 로그를 통해 확인되는 장소에 대해서는 2점을 부여하며, 실제 그 경로에 따라 해당 목적지에 도착까지 완료된 도착 완료와 관련된 로그를 통해 확인되는 장소에 대해서는 4점을 부여하는 방식이 이용될 수 있다. 즉, 단순 검색인지, 실제 해당 목적지로의 운행이 시작 또는 완료되었는지와 관련된 로그 속성에 따라 점수 가중치를 달리 부여함으로써, 사용자의 실제 의도를 보다 정확히 반영할 수 있도록 시스템 구현을 할 수 있다.
다른 예로, 빅데이터를 분석하는 시점 또는 인기장소를 생성하는 시점(이는 주기적일 수 있음)을 기준으로 특정 시간 간격(term) 마다에 서로 다른 점수 가중치를 부여하는 방식도 이용될 수 있다. 예를 들어, 분석 시점 또는 인기장소 생성 시점을 기준으로 1주일 내에 입력된 로그는 100%의 점수 비중을 반영하고, 2주일 내에 입력된 로그는 90% 점수 비중을 반영하며, 3주일 내에 입력된 로그는 80% 점수 비중을 반영하는 등의 방식이 이용될 수 있다. 즉, 최근일수록 상대적으로 더 높은 가중치를 부여함으로써, 최근에 핫 플레이스(Hot place)로 꼽히는 장소에 더 높은 가중치를 두는 방식이 이용될 수 있는 것이다.
상술한 바와 같은 로그 정보의 속성에 따른 점수 가중치를 적용한 결과는 장소 별로 점수 합산된다. 도 3의 단계 S213을 참조하면, 인기장소 생성부(140)는 상기와 같은 장소 별 합산 점수에 기반하여 제1 인기장소 후보지를 선정할 수 있다.
이때, 인기장소 후보지는 행정구역 별(예를 들어, 도, 시, 구, 동 단위)로, 지역거점 별(예를 들어, 홍대, 가로수길 등)로, 업종별(예를 들어, 병원, 카페, 일식집 등)로 구분되어 선정될 수 있으며, 소정의 계층 구조에 따라 저장될 수 있다. 이는 후술할 웹 로그 정보에 기반하여 선정될 제2 인기장소 후보지에도 동일 또는 유사하게 적용될 수 있다.
이상에서는 내비게이션 사용자 로그 정보를 인기장소 생성에 이용하는 방법에 관해서만 설명하였지만, 내비게이션 사용자 로그 정보는 빅데이터인 점에서 보다 유효한 데이터만을 사전 추출해내는 다음과 같은 과정들도 본 발명의 실시예에서 더 적용될 수도 있다. 이하에서는 빅데이터 중에서 실제 인기장소 생성 과정에 이용할 유효 데이터를 추출해내는 다양한 방법들에 대하여 설명하기로 한다.
일 예로, 장소의 속성, 업종, 검색 시간 등을 함께 고려하여 유효 데이터를 추출하는 방법을 이용할 수 있다. 예를 들어, 요식업과 관련된 장소인 경우, 주중에는 점심시간대(오전 11시부터 오후 2시 사이)와 저녁시간대(오후 5시부터 오후 10시)의 사용자 로그만을 유효 데이터로 추출하거나 또는 그 시간대의 사용자 로그에 가중치를 더 두는 방식을 채용할 수 있다. 이와 유사하게, 여행/관광과 관련된 장소인 경우, 주말 또는 연휴 기간의 사용자 로그에 중점을 둔다거나, 계절별 사용자 로그에 중점을 두는 등의 방식이 이용될 수 있다.
다른 예로, 동일 사용자에 의해 반복적으로 발생하는 로그에 관해서는 다음과 같은 처리가 이루어질 수도 있다. 예를 들어, 주중에 매일 동일 시간대에 동일 장소에 대한 로그가 발생하는 경우, 이는 출/퇴근 등과 같이 반복되는 일상과 관련된 로그일 확률이 높으므로 이를 유효 데이터에서 배제하는 방법이 이용될 수 있음이 바로 그것이다. 반대로, 반복되는 로그라 하더라도 일정 기간(예를 들어, 2주) 이상의 시간 간격을 두고 발생한 로그에 대해서는 유효 데이터로 처리하거나 이에 가중치를 둘 수도 있다. 예를 들어, 1달에 한번씩 방문하는 장소로서 요식업에 관련된 장소인 경우라면 인기장소로 선별이 필요한 유효 데이터일 가능성이 높기 때문이다.
상술한 방법에 의하면, 반복되는 일상과 관련된 로그를 배제하고, 시간대별로, 계절별로, 업종별로 구분하여 각 케이스에서의 인기장소를 보다 정확히 선별해낼 수 있게 된다.
다음으로, 웹 로그 정보의 빅데이터 분석 과정을 설명하면 아래와 같을 수 있다.
도 3의 단계 S221을 참조하면, 인기장소 생성부(140)는 수집된 웹 로그 정보에 관한 형태소 분석을 통해 웹 로그 중에서 유의미한 텍스트 정보를 추출한다. 이는 빅데이터인 웹 로그 정보에서 좀더 유의미한 데이터를 선별해내기 위한 사전 과정이다. 예를 들어, 형태소 분석은 웹 로그 내의 전체 텍스트 중에서 명사, 형용사 등을 추출해내는 과정일 수 있다.
도 3의 단계 S223을 참조하면, 인기장소 생성부(140)는 앞선 단계를 통해 추출된 유의미한 텍스트 정보에 관하여 오피니언 마이닝(opinion mining) 처리를 수행하고, 이에 의해서 장소 별로의 방문 만족도를 산출함으로써 제2 인기장소 후보지를 선정할 수 있다.
이때, 오피니언 마이닝 처리는 다음과 같은 방법들이 이용될 수 있다.
일 예로, 인기장소 생성부(140) 내에는 긍정과 부정을 구별하여 나타내는 단어들이 사전에 온톨로지(ontology) 형태로 보관되어 있고, 이러한 온톨로지를 이용함으로써 앞서 추출된 텍스트 정보를 분석하여 해당 장소에 대한 긍정의 의견과 부정의 의견을 구별해낼 수 있다. 따라서 이러한 긍정의 의견과 부정의 의견을 점수화하게 되면 장소 별로의 방문 만족도를 산출해낼 수 있게 된다.
다른 예로, 오피니언 마이닝 처리는 방문 목적별로 구분하여 처리될 수도 있다. 예를 들어, 상기 온톨로지 상에서 방문 목적을 구별할 수 있는 단어들(예를 들어, 데이트, 상견례, 송년회 등)이 사전에 저장되어 있는 경우, 그 방문 목적 별로 해당 장소에 대한 방문 만족도도 산출해낼 수 있다.
상술한 온톨로지는 빅데이터 처리 과정에서 기계적 학습에 따라 갱신될 수 있으며, 상술한 오피니언 마이닝 처리는 엘라스틱넷(elastic net)과 같은 공지의 다양한 회귀 분석 방법(regression analysis method)들이 활용될 수 있다.
이상에서도 웹 로그 정보를 인기장소 생성에 이용하는 방법에 관해서만 설명하였지만, 웹 로그 정보도 빅데이터인 점에서 보다 유효한 데이터만을 사전 추출해내는 다음과 같은 과정이 더 적용될 수도 있다. 일 예로, 정보 수집부(120)는 웹 로그 정보의 수집 과정에서 해당 웹 로그를 생성한 사용자 정보 또는 IP 정보도 수집하고, 인기장소 생성부(140)는 동일 사용자 또는 동일 IP에 의한 반복되는 복수의 웹 로그에 대해서는 그 중 1개의 웹 로그만을 유효 데이터로 처리하여 인기장소 생성에 반영할 수도 있다. 이에 의하면 실제 사용자에 의해 작성된 웹 로그가 아닌 홍보 목적의 웹 로그를 가려낼 수 있는 이점이 있다.
상술한 바와 같이 2가지 종류의 빅데이터의 분석 과정을 통해, 제1 인기장소 후보지와 제2 인기장소 후보지가 선정되면, 인기장소 생성부(140)는 도 3의 단계 S230에 따라 그 각각의 선정 결과를 종합하여 최종적으로 인기장소를 선정한다. 이때, 각 선정 결과의 종합 방식은 다양한 방식들이 활용될 수 있다. 단순하게 1 : 1 가중치로 합산할 수도 있지만, 서로 다른 가중치로 합산하는 방식이 이용될 수도 있을 것이다. 다만, 방문 목적은 웹 로그의 분석 과정에서만 추출될 수 있는 것이므로, 방문 목적 별로의 인기장소 선정에는 웹 로그 분석을 통한 선정 결과에 보다 높은 가중치를 부여하는 것이 바람직할 수 있다.
이상에서는 도 3의 순서도를 참조하여, 본 발명의 제1 실시예에 따른 인기장소 생성 방법에 대하여 설명하였는 바, 이하에서는 도 4의 순서도를 참조하여 본 발명의 제2 실시예에 따른 인기장소 생성 방법에 대하여 설명하기로 한다.
본 발명의 제2 실시예에 의할 때, 인기장소 생성부(140)에 의한 인기장소 생성 방식은 도 4의 순서도에 의할 수 있다. 도 4의 순서도에 의할 때, 단계 S211/단계 S213(즉, 상술한 내비게이션 사용자 로그 정보의 빅데이터 분석 과정)은 단계 S241/단계 S243(즉, 웹 로그 정보의 빅데이터 분석 과정)에 대하여 순서적으로 선행한다.
다만, 도 4의 순서도에서 단계 S211/단계 S213은 도 3에서와 본질적으로 동일한 과정인 바, 이하에서는 그 이후의 단계들인 웹 로그 정보의 분석 과정에 관해서만 설명하기로 한다.
도 4의 단계 S211 및 단계 S213에 따른 내비게이션 사용자 로그 정보의 분석을 통해서 제1 인기장소 후보지(즉, 1차적으로 선정된 인기장소 후보지)가 선정되면, 도 4의 단계 S241에 따라, 인기장소 생성부(140)는 수집된 웹 로그 정보 중에서 앞서 선정된 제1 인기장소 후보지에 연관된 웹 로그 정보에 관한 형태소 분석을 통해 유의미한 텍스트 정보를 추출한다. 이때, 형태소 분석 방법에 대해서는 앞선 도 3의 설명을 통해서 설명하였는 바 그 구체적인 설명은 생략하기로 한다.
도 4의 단계 S243을 참조하면, 인기장소 생성부(140)는 형태소 분석을 통해 추출된 유의미한 텍스트 정보에 관하여 오피니언 마이닝 처리를 통해서 장소 별/방문 목적 별 방문 만족도를 산출함으로써 최종 인기장소를 선정한다. 이때, 오피니언 마이닝 처리에 관해서도 앞선 도 3의 설명을 통해서 설명하였는 바 그 구체적인 설명은 생략한다.
즉, 도 4의 순서도에 의하면, 1차적으로 내비게이션 사용자 로그 정보에 기반하여 인기장소 후보지를 선정한 후, 그 1차 선정된 인기장소 후보지에 대하여 웹 로그 정보에 기반한 오피니언 마이닝 처리를 수행함으로써 인기장소를 선정하게 된다.
상술한 도 3 또는 도 4의 방법론에 따라 인기장소가 생성되면, 추천 서버(100)의 추천부(150)는 해당 사용자에 특화된 맞춤형 인기장소를 안내할 수 있다. 예를 들어, 추천 서버(100)에 의해 제공되는 웹 페이지 또는 모바일 앱(App)을 통해서 특정 사용자가 특정 검색 조건(방문 목적, 업종, 지역, 장소명 등)을 입력하면, 추천부(150)는 그에 맞는 인기장소를 안내할 수 있는 것이다.
이 경우, 추천부(150)는 사용자의 검색 조건에 부합하는 인기장소를 바로 안내할 수도 있지만, 다음과 같은 방식으로 인기장소를 안내할 수도 있다. 예를 들어, 추천부(150)는 사용자의 검색 조건에 부합하는 핫 플레이스(hot place)인 지역 거점 또는 상점을 1차적으로 인기순에 따라 복수개 안내하되, 그 중 어느 하나의 핫 플레이스가 사용자에 의해 선택된 경우라도, 사용자의 방문 목적을 기준으로 할 때 사용자에 의해 선택된 장소보다 높은 순위에 있는 다른 인기장소가 존재하는 경우, 그 높은 순위의 다른 인기장소를 재차 안내해줄 수도 있다.
일 예로, 사용자가 송년회 목적으로 강남역 주변의 음식점을 검색한 경우, 추천부(150)는 강남역 주변의 인기장소인 음식점 복수개를 인기순으로 1차적으로 안내할 수 있다. 그 중 어느 하나의 장소가 사용자에 의해 선택되면, 추천부(150)는 강남역 인근의 다른 지역 중 사용자에 의해 선택된 장소보다 송년회에 더 적합한 인기장소가 존재하는 경우에는 사용자에게 이를 다시 안내함으로써 사용자의 장소 선택의 기회를 더 넓혀줄 수도 있다.
본 발명의 실시 예에 따른 방법 및 장치는 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 쉽게 이해할 수 있을 것이다.

Claims (14)

  1. 추천 서버에 의해 실행되는 사용자 맞춤형 인기장소 추천을 위한 컴퓨터 구현 방법으로서,
    (a) 인기장소 추천에 활용될 빅데이터로서 차량 운행에 관한 내비게이션 사용자 로그 정보를 수집하는 단계; (b) 인기장소 추천에 활용될 빅데이터로서 인터넷 상의 웹 블로그에 관한 웹 로그 정보를 수집하는 단계; (c) 수집된 내비게이션 사용자 로그 정보를 이용하여 로그 정보의 속성에 따라 서로 다른 가중치를 적용하여 장소 별로 합산된 점수를 산출하고, 산출된 점수에 기초하여 제1 인기장소 후보지를 선정하는 단계; (d) 수집된 웹 로그 정보 중에서 상기 제1 인기장소 후보지에 연관된 웹 로그 정보에 관한 형태소 분석을 통해서 유의미한 텍스트 정보를 추출하고, 상기 유의미한 텍스트 정보에 관한 오피니언 마이닝 처리를 통해 상기 제1 인기장소 후보지에 관한 방문 목적별 방문 만족도를 산출하여 제2 인기장소를 선정하는 단계; 및 (e) 생성된 제2 인기장소에 기반하여 사용자 맞춤형 인기장소를 해당 사용자에게 추천하는 단계를 포함하고,
    상기 생성된 인기장소는 지역거점 별 및 업종 별 중 적어도 하나의 기준과 연관시킨 소정의 계층 구조(hierarchy structure)에 따라 저장되고,
    상기 (c) 단계의 제1 인기장소 후보지를 선정하는 단계에서,
    동일 사용자에 의해 동일 시간대 및 동일 장소에 대해 반복되는 내비게이션 사용자 로그 정보는 유효 데이터에서 제외하여 상기 제1 인기장소 후보지를 선정하고,
    상기 내비게이션 사용자 로그 정보의 속성에 따라, 목적지 검색 및 주변위치 탐색에 관한 로그 정보에는 제1 점수 가중치를 적용하고, 안내 시작에 관한 로그 정보에는 제2 점수 가중치를 적용하고, 도착 완료에 관한 로그 정보에는 제3 점수 가중치를 적용하되, 상기 점수 가중치에서 상기 제3 점수 가중치에 상대적으로 가장 높은 가중치를 부여하고 상기 제1 점수 가중치에 상대적으로 가장 낮은 가중치를 부여하며,
    상기 제1 인기장소 선정 시점을 기준으로 사전 지정된 시간 간격(term) 마다에 서로 다른 점수 가중치를 부여하되, 상기 내비게이션 사용자 로그 정보의 생성 시점이 최근일수록 상대적으로 더 높은 가중치를 부여하며,
    상기 (d) 단계의 제2 인기장소를 선정하는 단계에서, 동일 사용자 또는 동일 IP에 의해 반복되는 복수의 웹 로그에 대해서는 그중 1개의 웹 로그만을 유효한 데이터로 처리하여 상기 방문 만족도를 산출하고,
    상기 (e) 단계의 사용자 맞춤형 인기장소를 해당 사용자에게 추천하는 단계는, 핫 플레이스(hot place)인 지역거점 및 상점 중 적어도 하나를 1차적으로 안내하는 단계를 포함하되, 상기 1차적으로 안내된 핫 플레이스 중 어느 하나와 방문 목적이 사용자에 의해 선택된 경우 상기 선택된 방문 목적을 기준으로 상기 선택된 핫 플레이스보다 높은 순위의 다른 인기장소가 존재하는지를 확인하고, 상기 높은 순위의 다른 인기장소가 확인되는 경우 확인된 다른 인기장소를 2차 안내하는 단계를 포함하는, 사용자 맞춤형 인기장소 추천 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 사용자 맞춤형 인기장소 추천 시스템으로서,
    인기장소 추천에 활용될 빅데이터로서 차량 운행에 관한 내비게이션 사용자 로그 정보 및 인터넷 상의 웹 블로그에 관한 웹 로그 정보를 수집하는 정보 수집부; 수집된 내비게이션 사용자 로그 정보 및 웹 로그 정보에 기초하여 인기장소를 생성하는 인기장소 생성부; 및 생성된 인기장소에 기반하여 사용자 맞춤형 인기장소를 해당 사용자에게 추천하는 추천부를 포함하는 추천 서버를 포함하고,
    상기 생성된 인기장소는 지역거점 별 및 업종 별 중 적어도 하나의 기준과 연관시킨 소정의 계층 구조(hierarchy structure)에 따라 저장되고,
    상기 인기장소 생성부는,
    수집된 내비게이션 사용자 로그 정보를 이용하여 로그 정보의 속성에 따라 서로 다른 가중치를 적용하여 장소 별로 합산된 점수를 산출하고, 산출된 점수에 기초하여 제1 인기장소 후보지를 선정하되, 동일 사용자에 의해 동일 시간대 및 동일 장소에 대해 반복되는 내비게이션 사용자 로그 정보는 유효 데이터에서 제외하여 상기 제1 인기장소 후보지를 선정하고,
    상기 내비게이션 사용자 로그 정보의 속성에 따라, 목적지 검색 및 주변위치 탐색에 관한 로그 정보에는 제1 점수 가중치를 적용하고, 안내 시작에 관한 로그 정보에는 제2 점수 가중치를 적용하고, 도착 완료에 관한 로그 정보에는 제3 점수 가중치를 적용하되, 상기 점수 가중치에서 상기 제3 점수 가중치에 상대적으로 가장 높은 가중치를 부여하고 상기 제1 점수 가중치에 상대적으로 가장 낮은 가중치를 부여하며,
    상기 제1 인기장소 선정 시점을 기준으로 사전 지정된 시간 간격(term) 마다에 서로 다른 점수 가중치를 부여하되, 상기 내비게이션 사용자 로그 정보의 생성 시점이 최근일수록 상대적으로 더 높은 가중치를 부여하며,
    수집된 웹 로그 정보 중에서 상기 제1 인기장소 후보지에 연관된 웹 로그 정보에 관한 형태소 분석을 통해서 유의미한 텍스트 정보를 추출하고, 상기 유의미한 텍스트 정보에 관한 오피니언 마이닝 처리를 통해 상기 제1 인기장소 후보지에 관한 방문 목적별 방문 만족도를 산출하여 제2 인기장소를 선정하되, 동일 사용자 또는 동일 IP에 의해 반복되는 복수의 웹 로그에 대해서는 그중 1개의 웹 로그만을 유효한 데이터로 처리하여 상기 방문 만족도를 산출하고,
    상기 추천부는, 생성된 제2 인기장소에 기반하여 사용자 맞춤형 인기장소를 해당 사용자에게 추천하되, 핫 플레이스(hot place)인 지역거점 및 상점 중 적어도 하나를 1차적으로 안내하는 단계를 포함하되, 상기 1차적으로 안내된 핫 플레이스 중 어느 하나와 방문 목적이 사용자에 의해 선택된 경우 상기 선택된 방문 목적을 기준으로 상기 선택된 핫 플레이스보다 높은 순위의 다른 인기장소가 존재하는지를 확인하고, 상기 높은 순위의 다른 인기장소가 확인되는 경우 확인된 다른 인기장소를 2차 안내하는 사용자 맞춤형 인기장소 추천 시스템.
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
KR1020160017004A 2016-02-15 2016-02-15 사용자 맞춤형 인기장소 추천 방법 및 시스템 KR101732873B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160017004A KR101732873B1 (ko) 2016-02-15 2016-02-15 사용자 맞춤형 인기장소 추천 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160017004A KR101732873B1 (ko) 2016-02-15 2016-02-15 사용자 맞춤형 인기장소 추천 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101732873B1 true KR101732873B1 (ko) 2017-05-08

Family

ID=60164169

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160017004A KR101732873B1 (ko) 2016-02-15 2016-02-15 사용자 맞춤형 인기장소 추천 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101732873B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108733804A (zh) * 2018-05-18 2018-11-02 安徽理工大学 一种日志诱导下的形态学片段流程组合聚类方法
KR20190029132A (ko) * 2017-09-12 2019-03-20 현대자동차주식회사 차량 호출 서비스 제공 장치, 그를 포함한 시스템 및 그 방법
KR20220074602A (ko) * 2020-11-27 2022-06-03 포티투닷 주식회사 목적지 설정 서비스 제공 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014178170A (ja) * 2013-03-14 2014-09-25 Zenrin Datacom Co Ltd 案内情報提供装置および案内情報提供方法
KR101569021B1 (ko) * 2014-06-12 2015-11-16 엘지전자 주식회사 정보 제공 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014178170A (ja) * 2013-03-14 2014-09-25 Zenrin Datacom Co Ltd 案内情報提供装置および案内情報提供方法
KR101569021B1 (ko) * 2014-06-12 2015-11-16 엘지전자 주식회사 정보 제공 장치 및 그 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190029132A (ko) * 2017-09-12 2019-03-20 현대자동차주식회사 차량 호출 서비스 제공 장치, 그를 포함한 시스템 및 그 방법
KR102360165B1 (ko) 2017-09-12 2022-02-09 현대자동차주식회사 차량 호출 서비스 제공 장치, 그를 포함한 시스템 및 그 방법
CN108733804A (zh) * 2018-05-18 2018-11-02 安徽理工大学 一种日志诱导下的形态学片段流程组合聚类方法
KR20220074602A (ko) * 2020-11-27 2022-06-03 포티투닷 주식회사 목적지 설정 서비스 제공 장치 및 방법
KR102524945B1 (ko) 2020-11-27 2023-04-25 포티투닷 주식회사 목적지 설정 서비스 제공 장치 및 방법

Similar Documents

Publication Publication Date Title
Jin et al. Using user-generated content to explore the temporal heterogeneity in tourist mobility
Athawale et al. Decision making for facility location selection using PROMETHEE II method
KR101774907B1 (ko) 위치 기반 일자리 매칭 서비스 제공 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
KR101548526B1 (ko) 외부 인적자원의 평가를 이용한 핵심기술과 수행주체 선정 장치, 시스템 및 방법
CN108596695B (zh) 实体推送方法及系统
Rani et al. A development of travel itinerary planning application using traveling salesman problem and k-means clustering approach
Chen et al. Hybrid recommendation system for tourism
Mishra et al. Sentiment analysis for poi recommender systems
KR101732873B1 (ko) 사용자 맞춤형 인기장소 추천 방법 및 시스템
Adhinugroho et al. Development of online travel Web scraping for tourism statistics in Indonesia
JP2019049836A (ja) 推定装置、推定方法および推定プログラム
Lewoniewski Measures for quality assessment of articles and infoboxes in multilingual Wikipedia
KR102338381B1 (ko) 빅데이터 기반의 감성정보 분석평가 시스템 및 그 구동방법
Chanwisitkul et al. The reason behind the rating: text mining of online hotel reviews
Ataei et al. The bi-objective orienteering problem with hotel selection: An integrated text mining optimisation approach
US20200356596A1 (en) Searching by commute preference
KR102123909B1 (ko) 관심 정보 기반에서의 여행 정보 추천 공유 및 여행지식인 매칭 플랫폼과 그 방법
JP6144799B2 (ja) 検索結果内に添付された情報データベースに基づいた検索リスト及び検索語順位の提供方法及びシステム
Zheng et al. Landmark-based route recommendation with crowd intelligence
Kokate et al. Traveler's Recommendation System Using Data Mining Techniques
KR20090016043A (ko) 마케팅 정보 생성 방법 및 시스템
JP2013045182A (ja) 情報検索装置及び方法及びプログラム
JPWO2019138560A1 (ja) 情報処理装置、情報処理プログラムおよび情報処理システム
CN108694625A (zh) 权益偏好预估方法、装置及服务器
Firdaus et al. Travel Budget Prediction for Determining Tourism Objects Using Simple Additive Weighting (SAW) Algorithm

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant