KR102016065B1 - 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템 - Google Patents

머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템 Download PDF

Info

Publication number
KR102016065B1
KR102016065B1 KR1020170162495A KR20170162495A KR102016065B1 KR 102016065 B1 KR102016065 B1 KR 102016065B1 KR 1020170162495 A KR1020170162495 A KR 1020170162495A KR 20170162495 A KR20170162495 A KR 20170162495A KR 102016065 B1 KR102016065 B1 KR 102016065B1
Authority
KR
South Korea
Prior art keywords
information
condition information
purchase
buyer
sales
Prior art date
Application number
KR1020170162495A
Other languages
English (en)
Other versions
KR20190063594A (ko
Inventor
신권근
Original Assignee
신권근
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 신권근 filed Critical 신권근
Priority to KR1020170162495A priority Critical patent/KR102016065B1/ko
Publication of KR20190063594A publication Critical patent/KR20190063594A/ko
Application granted granted Critical
Publication of KR102016065B1 publication Critical patent/KR102016065B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0619—Neutral agent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q30/08—Auctions

Abstract

본 발명은 CNN & Kohonen Network 의 머신러닝, 딥러닝을 이용하여 텍스트, 단어 및 기호인 자연어로 표현되는 판매자와 구매자의 요구 조건 및 요구조건을 충족 시켜주는 상대 데이터를 기계학습을 통한 분석, 유사정보 도출의 협상, 도출된 유사정보 출력의 보고를 통해 판매 조건 정보와 구매 조건 정보를 시간과 공간의 제약없이 분석하여 매칭시키고 매칭된 조건 정보를 사용자 단말로 전송하여 불필요한 정보 출력을 방지한다. 이를 통해 사용자가 요구하는 정보를 쉽고 빠르고 정확하게 얻어 기존 단순 단어 일치 방식에 따라 불필요한 정보까지 다량으로 출력되어 사용자가 직접 많은 시간을 들여 재분류하고, 확인하여 실무업무를 진행했던 불편함을　해결해준다.

Description

머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템{System for Reporting Result Requirement Analysis, Negotiation of Buyer and Seller Based Machine Learning-Deep Learning Type}
본 발명은 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템에 관한 것으로서, 보다 상세하게는 CNN(Convolutional Neural Network) 방식과 코호넨 네트워크(Kohonen Network) 방식을 통해 구현한 머신러닝, 딥러닝 방식 기계학습을 통해 판매 조건 정보와 구매 조건 정보를 실시간으로 분석, 협상, 보고 과정을 거쳐 매칭시키고 매칭된 조건 정보를 사용자 단말로 전송하여 불필요한 정보 출력을 방지하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템에 관한 것이다.
종래의 전자상거래 플랫폼은 입력된 판매자의 판매 정보를 텍스트 검색 방식을 통해 구매자가 직접 선별 또는 선택하는 서비스를 제공한다.
즉, 사용자가 특정 검색어와 관련된 콘텐츠를 검색하고자 하는 경우 검색어를 입력하면, 검색어 별로 콘텐츠 정보를 관리하는 소정의 데이터베이스를 기초로 하여 검색어와 관련된 콘텐츠를 사용자에게 제공한다.
그러나 텍스트 검색 방식은 텍스트가 일치하는 경우 분야와 내용에 상관없이 모든 정보를 출력해주는 방식으로 방대한 정보 중 사용자가 원하는 정보를 찾기 위해서 추가로 일일이 정보를 재분류해야 하는 불편함이 있다.
이러한 전자상거래 플랫폼은 단어 일치 방식에 따라 불필요한 정보까지 다량으로 출력되므로 사용자가 검색된 모든 정보를 재분류 하는데 한계가 있으며, 실제적으로 원하는 정보의 검색에 많은 어려움이 있기 때문에 플랫폼 서비스의 활성화되지 못하는 문제점이 있다.
한국 공개특허번호 제10-2012-0028112호("발명의 명칭: 휴대폰을 이용한 매매정보 서비스 방법 및 그 시스템")
이와 같은 문제점을 해결하기 위하여, 본 발명은 CNN(Convolutional Neural Network) 방식과 코호넨 네트워크(Kohonen Network) 방식을 통해 구현한 머신러닝, 딥러닝 방식 기계학습을 통해 판매 조건 정보와 구매 조건 정보를 실시간으로 분석, 협상, 보고 과정을 거쳐 매칭시키고 매칭된 조건 정보를 사용자 단말로 전송하여 불필요한 정보 출력을 방지하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템을 제공하는데 그 목적이 있다.
본 발명은 각 데이터를 구성하는 인자별로 CNN을 할당하고 전체 DB(Data Base)가 커지고 연산 내용이 많아질수록 장거리 정보에 대한 모델링 연산 한계가 나타나는데 Kohonen Network 방식으로 정보를 집중시킴으로 연산 부하를 해결하는 새로운 형태의 딥러닝 모델을 제시한다.
상기 목적을 달성하기 위한 본 발명의 특징에 따른 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템은,
복수의 판매자단말로부터 판매 조건 정보를 수신하여 판매 정보 데이터베이스부에 저장하는 판매자 입력부,
복수의 구매자단말로부터 구매 조건 정보를 수신하여 구매 정보 데이터베이스부에 저장하는 구매자 입력부,
소정의 검색어가 입력됨에 따라 상기 검색어에 해당하는 판매 조건 정보를 상기 판매 정보 데이터베이스부에 요청하고, 머신러닝, 딥러닝 방식의 CNN 자연어 처리 방식을 적용하여 형태소 기준으로 해당 판매 조건 정보에 포함되는 적어도 하나의 제1 의미 정보를 추출하는 판매 정보 자연어 처리부,
소정의 검색어가 입력됨에 따라 상기 검색어에 해당하는 구매 조건 정보를 구매 정보 데이터베이스부에 요청하고, 머신러닝, 딥러닝 방식의 CNN 자연어 처리 방식을 적용하여 형태소 기준으로 해당 구매 조건 정보에 포함되는 적어도 하나의 제2 의미 정보를 추출하는 구매 정보 자연어 처리부; 및
상기 판매 조건 정보에 대응하는 해당 제1 의미 정보를 포함하는 적어도 하나의 구매 조건 정보를 검색하고, 상기 제1 의미 정보와 검색된 하나 이상의 구매 조건 정보에 대한 제1 관련도 정보를 CNN 자연어 처리기법을 통해 입력된 텍스트 메타데이터에 기계학습으로 표현된 벡터값의　근접도에 따라 승자독점방식 또는 가우시안필터방식을 통해　 연산되는 코호넨 네트워크(Kohonen Network) 방식을 이용하여 연산하며, 상기 구매 조건 정보에 대응하는 해당 제2 의미 정보를 포함하는 적어도 하나의 판매 조건 정보를 검색하고, 상기 제2 의미 정보와 검색된 하나 이상의 판매 조건 정보에 대한 제2 관련도 정보를 CNN 자연어 처리기법을 통해 입력된 텍스트 메타데이터에 기계학습으로 표현된 벡터값의　근접도에 따라 승자독점방식 또는 가우시안필터방식을 통해　연산되는 코호넨 네트워크(Kohonen Network) 방식을 이용하여 연산하는 제어부를 포함하는 것을 특징으로 한다.
여기서, 제1 의미 정보는 해당 판매 조건을 포함시키는 카테고리의 형태로 표현될 수 있으며, 제2 의미 정보는 해당 구매 조건을 포함시키는 카테고리의 형태로 표현될 수 있다.
전술한 구성에 의하여, 본 발명은 CNN방식과 Kohonen Network 방식의 머신러닝 딥러닝 방식을 이용한 기계학습을 통해 판매조건 정보와 구매조건 정보를 실시간으로 분석, 협상, 보고의 과정을 거쳐 매칭시키고, 매칭된 조건 정보를 사용자 단말로 전송하여 불필요한 정보 출력을 방지하며, 자신이 요구하는 정보를 시간과 공간의 제약없이 쉽고 빠르고 정확하게 얻어 전자상거래 플랫폼을 활성화 할 수있는 효과가 있다.
본 발명은 기존 단순단어 일치 방식에 따라 분야 및 내용에 상관없이 모든 자료를 출력해주고 그에따라 사용자가 직접 많은 시간을 들여 방대한 정보를 재분석해야 했던 불편함을 줄여주는 것이 가능해지며, 이를 통해 인력과 기술인프라가 부족해 영업 및 생산에 한계를 나타내는 중소기업의 부족한　 부분을 보완해주어 중소기업 육성 발전에도 도움을 주는 효과가 있다.
본 발명은 CNN과 Kohonen Network 의 혼합된 사용 방식이 단일 CNN을 사용하는 딥러닝 모델의 한계인 전체 DB(Data Base)가 커지고 연산 내용이 많아질수록　 장거리 정보에 대한 모델링 연산 한계를 Kohonen Network 기법을 통해 각 내용별로 집중 연산시켜 서비스 품질의 향상을 기대할 수 있다.
예를 들어 상품 검색시 입력 정보의 CNN자연어 처리 기법을 통해 전체 DB내 검색정보가 해당되는 분야를 판별하고,　 연산위해 늘어난 장거리 정보에 대한 추가 모델링을 Kohonen Network 기법으로 검색정보(입력벡터)에 일치하거나 근접한 결과 정보를 출력하는 방법으로 연산 부하를 줄여 검색 속도와 품질을 향상시킬 수 있게된다.　
도 1은 본 발명의 실시예에 따른 CNN, Kohonen Network 머신러닝, 딥러닝 기반의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템의 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 매칭 분석 서버의 구성을 간략하게 나타낸 블록도이다.
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, 명세서 전체에서 사용되는 “제1 의미 정보”라는 용어는 해당 판매 조건을 포함시키는 카테고리의 형태로 표현될 수 있으며, “제2 의미 정보” 라는 용어는 해당 구매 조건을 포함시키는 카테고리의 형태로 표현될 수 있다.
도 1은 본 발명의 실시예에 따른 CNN, Kohonen Network 머신러닝, 딥러닝 기반의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템의 구성을 나타낸 도면이다.
본 발명은 복수개의 데이터를 자동으로 분석, 협상, 보고의 매칭하는 기술에 관한 것으로, 특히 각 데이터의 자연어 처리를 위해 CNN방식을 적용하고, 벡터값으로 변환된 데이터를 입력벡터로 전체 데이터베이스(Data base)와 연결위한 완전연결 후 Kohonen Network 학습으로 각 뉴런의 연결강도 벡터와　 입력벡터의 거리를 계산해 승자뉴런을 도출시키는 새로운 형태의 딥러닝 모델 기반 기계학습 결과를 제공한다.
본 발명의 실시예에 따른 CNN, Kohonen Network 머신러닝, 딥러닝 기반의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템은 복수의 판매자단말(101a 내지 101n), 복수의 구매자단말(102a 내지 102n), 통신망(103), 매칭 분석 서버(110) 및 웹서버(120)를 포함한다.
판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)은 웹 서비스(인터넷 통신)가 가능한 데스크 탑, 스마트폰, 태블릿 등과 같은 입력 기능, 통신 기능, 화면 출력 기능을 포함하는 장치로 이루어질 수 있다.
이러한 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)은 웹 브라우저를 실행할 수 있는데, 웹 브라우저를 공유하는 기능은 범용의 단말 장치에 독립적인 애플리케이션으로서 다운로드되어 설치될 수 있다.
각각의 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)은 스마트폰(Smart Phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있으며, 무선 통신 방식이 가능하며, 컴퓨터 프로그램이 실행이 가능한 모바일 기기면 어떠한 장치도 가능하다.
각각의 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)은 매칭 분석 서버(110)로부터 제공되는 프로그램 파일을 이용하여 전용 애플리케이션을 설치한다.
복수의 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)은 매칭 분석 서버(110)에 통신망(103)을 통해 접속하여 매칭 정보 제공 애플리케이션을 다운로드하여 설치하고, 설치된 매칭 정보 제공 애플리케이션을 실행하여 상기 애플리케이션의 제어에 따라 매칭 분석 서버(110)에 접속하며, 매칭 분석 서버(110)가 제공하는 매칭 정보 서비스를 제공받는다.
매칭 분석 서버(110)는 웹 서비스를 이용하는 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)로 매칭 정보 서비스를 제공하는 웹사이트 또는 웹페이지에 접속할 수 있고, 웹페이지 공유 프로그램을 제공한다.
통신망(103)은 구내 정보 통신망(local area network, LAN), 도시권 통신망(metropolitan area network, MAN), 광역 통신망(wide area network, WAN), 인터넷 등을 포함하는 데이터 통신망뿐만 아니라 전화망 등을 포함할 수 있고, 유선과 무선을 모두 포함한다.
통신망(103)은 복수의 판매자단말(101a 내지 101n), 구매자단말(102a 내지 102n)과 매칭 분석 서버(110) 및 웹서버(120) 간을 연결하여 웹페이지에 대한 정보나 웹페이지 공유 관련 신호를 복수의 판매자단말(101a 내지 101n), 구매자단말(102a 내지 102n)로 전송할 수 있게 한다.
웹서버(120)는 복수의 판매자단말(101a 내지 101n), 구매자단말(102a 내지 102n)의 요청에 따라 웹 브라우저에 통합 웹페이지를 표시하도록 제어한다.
매칭 분석 서버(110)는 공급자인 판매자단말(101a 내지 101n)과 소비자인 구매자단말(102a 내지 102n) 사이에 유기적인 제품 정보 공유 구조를 제공하여 판매자단말(101a 내지 101n) 또는 구매자단말(102a 내지 102n)이 제품 정보의 선택적 또는 일과적 등록과 갱신을 실시간으로 처리한다.
이러한 매칭 분석 서버(110)는 웹서버(120)와 연동하여 통합 웹페이지를 공급자인 판매자단말(101a 내지 101n)과 소비자인 구매자단말(102a 내지 102n)에 제공하고, 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)은 통합 웹페이지를 통하여 판매 제품과 구매 제품에 대한 포괄적인 검색과 제품 구매 기능을 제공받는다.
각각의 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)은 매칭 정보 서비스를 운용(Operating)하는 응용 프로그램을 구동하고, 매칭 분석 서버(110)에 접속 요청하여 매칭 정보 서비스를 제공받는다.
매칭 분석 서버(110)는 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)이 판매 조건 또는 구매 조건을 입력하는 것만으로 자신이 요구하는 정확한 결과를 판매자단말(101a 내지 101n)과 구매자단말(102a 내지 102n)로 제공하는 기능을 한다.
이하에서 도 2를 참조하여 매칭 분석 서버(110)의 구성을 상세하게 설명한다.
도 2는 본 발명의 실시예에 따른 매칭 분석 서버의 구성을 간략하게 나타낸 블록도이다.
본 발명의 실시예에 따른 매칭 분석 서버(110)는 판매자 입력부(111), 판매 정보 데이터베이스부(112), 구매자 입력부(113), 구매 정보 데이터베이스부(114), 무선 통신부(115), 판매 정보 자연어 처리부(116), 구매 정보 자연어 처리부(117), 통합 데이터베이스부(118) 및 제어부(119)를 포함한다.
판매자 입력부(111)는 각각의 판매자단말(101a 내지 101n)로부터 판매 조건 정보를 무선 통신부(115)를 통해 수신하여 판매 정보 데이터베이스부(112)에 저장한다. 여기서, 판매 조건 정보는 유형 제품의 제품 카테고리로 완제품, 반제품, 부품, 원자재가 있고, 무형 제품으로 제작, 설계, 디자인이 있으며, 가격 정보, 색상 정보, 제품 명칭, 결제 정보, 제작 기간, 운송 정보, 제품 스펙, 제품 설명 중 하나 이상의 입력 판매 정보를 포함한다.
예를 들면, 판매 조건 정보는 제품이 자전거이고, 가격이 8만원 내지 10만원을 포함한다.
구매자 입력부(113)는 각각의 구매자단말(102a 내지 102n)로부터 구매 조건 정보를 무선 통신부(115)를 통해 수신하여 구매 정보 데이터베이스부(114)에 저장한다. 여기서, 구매 조건 정보는 유형 제품의 제품 카테고리로 완제품, 반제품, 부품, 원자재가 있고, 무형 제품으로 제작, 설계, 디자인이 있으며, 가격 정보, 색상 정보, 제품 명칭, 결제 정보, 제작 기간, 운송 정보, 제품 스펙, 제품 설명 중 하나 이상의 입력 구매 정보를 포함한다.
예를 들면, 구매 조건 정보는 제품이 자전거이고, 가격이 8만원 내지 10만원을 포함한다.
판매 정보 자연어 처리부(116)는 소정의 검색어가 입력됨에 따라 상기 검색어에 해당하는 판매 조건 정보를 판매 정보 데이터베이스부(112)에 요청하고, 머신러닝, 딥러닝 방식의 CNN 자연어 처리 방식을 통해 형태소 기준으로 해당 판매 조건 정보에 포함되는 적어도 하나의 제1 의미 정보를 추출할 수 있다.
여기서, 제1 의미 정보는 해당 판매 조건을 포함시키는 카테고리의 형태로 표현될 수 있다.
구매 정보 자연어 처리부(117)는 소정의 검색어가 입력됨에 따라 상기 검색어에 해당하는 구매 조건 정보를 구매 정보 데이터베이스부(114)에 요청하고, 머신러닝, 딥러닝 방식의 CNN 자연어 처리 방식을 통해 형태소 기준으로 해당 구매 조건 정보에 포함되는 적어도 하나의 제2 의미 정보를 추출할 수 있다.
여기서, 제2 의미 정보는 해당 구매 조건을 포함시키는 카테고리의 형태로 표현될 수 있다.
전술한 자연어 처리 방식은 콘볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN) 방식을 사용한다.
판매 조건 정보와 구매 조건 정보의 입력 정보를 CNN 자연어 처리 방식으로 나타내는 방법을 설명하면 다음과 같다.
전술한 판매 조건 정보와 구매 조건 정보는 하기의 [수학식 1]과 [수학식 2]를 통해 기계 학습으로 벡터값으로 표현된다.
벡터값으로 표현된 판매 조건 정보와 구매 조건 정보는 매칭 시 사용될 수 있다.
문장의 i번째 단어에 해당하는 임베딩 벡터를 Wi, 임베딩 벡터의 차원수를 d라 가정하고 n개 단어로 이루어진 문장이 주어졌을 때 문장은 n × d 크기의 임베딩 행렬로 표현된다.
Wi, Wi+1, Wi+2,...,Wj의 결합을 Wi:i+j로 정의하고 콘볼루션 필터 k는 차원수가 hd인 벡터이다.
H개의 단어 벡터에 적용, 콘볼루션 필터에 의해 추출된 피처 Ci는 Wi:i+h-1에 의해 생성된다.
Figure 112017119540664-pat00001
여기서, 스칼라 b는 bias term, f는 하이퍼볼릭 탄젠트와 같은 비선형 활성 함수이고, 필터 k는 피처맵을 생성하기 위해 동일한 가중치를 사용하며, 모든 윈도우에 적용된다.
Figure 112017119540664-pat00002
여기서, C의 값을 근거로 카테고리를 생성하여 입력 정보(판매 조건 정보 또는 구매 조건 정보)를 추출한다.
통합 데이터베이스부(118)는 판매 정보 자연어 처리부(116)로부터 추출된 제1 의미 정보를 수신하여 판매 정보 저장부(118a)에 저장하고, 구매 정보 자연어 처리부(117)로부터 추출된 제2 의미 정보를 수신하여 구매 정보 저장부(118b)에 저장한다.
제어부(119)는 통합 데이터베이스부(118)의 구매 정보 저장부(118b)에 연동하여 판매 조건 정보인 제1 의미 정보에 해당하는 카테고리를 구매 정보 저장부(118b)에서 검색한다.
제어부(119)는 판매 조건 정보에 대응하는 해당 제1 의미 정보를 포함하는 적어도 하나의 구매 조건 정보를 구매 정보 저장부(118b)에서 검색하고, 제1 의미 정보와 검색된 하나 이상의 구매 조건 정보에 대한 관련도 정보를 CNN 자연어 처리기법을 통해 입력된 텍스트 메타데이터에 기계학습으로 표현된 벡터값의　근접도에 따라 승자독점방식 또는 가우시안필터방식을 통해　 연산되는 코호넨 네트워크(Kohonen Network) 방식을 이용하여 연산한다. 결과적으로 판매 조건 정보에 유사하거나 근접한 구매 조건 정보를 획득하게 된다.
제어부(119)는 연산된 관련도 정보 중에서 소정의 기준치 이상인 최종 구매 조건 정보를 추출하여 무선 통신부(115)를 통해 판매자단말(101a 내지 101n)로 주기적으로 전송한다.
판매자단말(101a 내지 101n)은 설치된 매칭 정보 제공 애플리케이션을 실행하여 상기 애플리케이션의 제어에 따라 제어부(119)로부터 추출된 최종 구매 조건 정보를 화면에 표시하게 된다.
제어부(119)는 통합 데이터베이스부(118)의 판매 정보 저장부(118a)에 연동하여 구매 조건 정보인 제2 의미 정보에 해당하는 카테고리를 판매 정보 저장부(118a)에서 검색한다.
제어부(119)는 구매 조건 정보에 대응하는 해당 제2 의미 정보를 포함하는 적어도 하나의 판매 조건 정보를 판매 정보 저장부(118a)에서 검색하고, 제2 의미 정보와 검색된 하나 이상의 판매 조건 정보에 대한 관련도 정보를 CNN 자연어 처리기법을 통해 입력된 텍스트 메타데이터에 기계학습으로 표현된 벡터값의　근접도에 따라 승자독점방식 또는 가우시안필터방식을 통해　 연산되는 코호넨 네트워크(Kohonen Network) 방식을 이용하여 연산한다. 결과적으로 구매 조건 정보에 유사하거나 근접한 판매 조건 정보를 획득하게 된다.
제어부(119)는 연산된 관련도 정보 중에서 소정의 기준치 이상인 최종 판매 조건 정보를 추출하여 무선 통신부(115)를 통해 구매자단말(102a 내지 102n)로 주기적으로 전송한다.
구매자단말(102a 내지 102n)은 설치된 매칭 정보 제공 애플리케이션을 실행하여 상기 애플리케이션의 제어에 따라 제어부(119)로부터 추출된 최종 판매 조건 정보를 화면에 표시하게 된다.
코호넨 네트워크(Kohonen Network) 방식을 이용하여 연산 방식을 나타내는 방법을 설명하면 다음과 같다.
입력 벡터 c=i로 이고 이에 대한 출력 뉴런 j 사이의 거리 dj는 하기의 [수학식 3]과 같이 계산된다
Figure 112017119540664-pat00003
여기서, Xi(t)는 시각 t에서의 i 번째 입력 벡터이고, Wij(t)는 시각 t에서의 i번째 입력 벡터와 j번째 출력 뉴런 사이의 연결 강도를 나타내며, 이후에 최소 거리의 출력 뉴런을 선택한다.
제어부(119)는 최소 거리 dj인 출력 뉴런 j*를 선택하며, 뉴런 j*와 그 이웃 반경 내의 뉴런들의 연결 강도를 하기의 수학식 4에 의해 재조정된다.
Figure 112017119540664-pat00004
여기서, j는 j*의 이웃 반경 내의 뉴런이고, i는 0에서 N-1까지의 정수값이고,
Figure 112017119540664-pat00005
는 0과 1 사이의 값을 가지는 이득항인데 시간이 경과함에 따라 점차 작아진다.
제어부(119)는 전술한 [수학식 3]과 [수학식 4]에 의해 각 뉴런들의 연결 강도 벡터와 입력 벡터가 얼마나 가까운 지를 계산하고, 각 뉴런들을 서로 경쟁하며 승자 뉴런을 도출하여 입력된 판매 조건 정보에 유사하거나 근접한 구매 조건 정보를 획득하게 되며, 입력된 구매 조건 정보에 유사하거나 근접한 판매 조건 정보를 획득하게 된다.
제어부(119)는 판매 조건 정보와 구매 조건 정보의 입력 정보들 간의 가중치를 다르게 구성하여 판매 조건 정보와 구매 조건 정보의 매칭 시 적용할 수 있다.
예를 들면, 완제품, 반제품, 부품 순으로 높은 가중치를 적용하거나 가격 정보, 색상 정보, 결제 정보 순으로 높은 가중치를 적용하여 매칭 시 매칭 정보로 활용할 수 있다.
제어부(119)는 판매자단말(101a 내지 101n)에서 입력된 판매 조건 정보와 구매자단말(102a 내지 102n)의 구매 조건 정보를 이력 정보로 저장하고, 각각의 판매자단말(101a 내지 101n)와 각각의 구매자단말(102a 내지 102n)에서 매칭 정보 제공 애플리케이션을 실행하는 경우, 이력 정보를 선호 정보로 설정하여 화면에 표시할 수 있다.
이상에서 본 발명의 실시예는 장치 및/또는 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하기 위한 프로그램, 그 프로그램이 기록된 기록 매체 등을 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
101a 내지 101n: 판매자단말
102a 내지 102n: 구매자단말
103: 통신망
110: 매칭 분석 서버
111: 판매자 입력부
112: 판매 정보 데이터베이스부
113: 구매자 입력부
114: 구매 정보 데이터베이스부
115: 무선 통신부
116: 판매 정보 자연어 처리부
117: 구매 정보 자연어 처리부
118: 통합 데이터베이스부
119: 제어부
120: 웹서버

Claims (7)

  1. 복수의 판매자단말로부터 판매 조건 정보를 수신하여 판매 정보 데이터베이스부에 저장하는 판매자 입력부;
    복수의 구매자단말로부터 구매 조건 정보를 수신하여 구매 정보 데이터베이스부에 저장하는 구매자 입력부;
    소정의 검색어가 입력됨에 따라 상기 검색어에 해당하는 판매 조건 정보를 상기 판매 정보 데이터베이스부에 요청하고, 머신러닝, 딥러닝 방식의 CNN 자연어 처리 방식을 적용하여 형태소 기준으로 해당 판매 조건 정보에 포함되는 적어도 하나의 제1 의미 정보를 추출하는 판매 정보 자연어 처리부;
    소정의 검색어가 입력됨에 따라 상기 검색어에 해당하는 구매 조건 정보를 구매 정보 데이터베이스부에 요청하고, 머신러닝, 딥러닝 방식의 CNN 자연어 처리 방식을 적용하여 형태소 기준으로 해당 구매 조건 정보에 포함되는 적어도 하나의 제2 의미 정보를 추출하는 구매 정보 자연어 처리부; 및
    상기 판매 조건 정보에 대응하는 해당 제1 의미 정보를 포함하는 적어도 하나의 구매 조건 정보를 검색하고, 상기 제1 의미 정보와 검색된 하나 이상의 구매 조건 정보에 대한 제1 관련도 정보를 CNN 자연어 처리기법을 통해 입력된 텍스트 메타데이터에 기계학습으로 표현된 벡터값의　근접도에 따라 승자독점방식 또는 가우시안필터방식을 통해　 연산되는 코호넨 네트워크(Kohonen Network) 방식을 이용하여 연산하며, 상기 구매 조건 정보에 대응하는 해당 제2 의미 정보를 포함하는 적어도 하나의 판매 조건 정보를 검색하고, 상기 제2 의미 정보와 검색된 하나 이상의 판매 조건 정보에 대한 제2 관련도 정보를 CNN 자연어 처리기법을 통해 입력된 텍스트 메타데이터에 기계학습으로 표현된 벡터값의　근접도에 따라 승자독점방식 또는 가우시안필터방식을 통해　 연산되는 코호넨 네트워크(Kohonen Network) 방식을 이용하여 연산하는 제어부를 포함하는 것을 특징으로 하고,
    상기 코호넨 네트워크(Kohonen Network) 방식을 이용한 연산 방식은, 입력 벡터와 출력 벡터 j 사이의 거리를 하기 수학식에 의해 계산하고(이때, Xi(t)는 시각 t에서의 i 번째 입력 벡터, Wij(t)는 시각 t에서의 i번째 입력 벡터와 j번째 출력 뉴런 사이의 연결 강도),
    Figure 112018100846697-pat00008

    상기 수학식들에 의해 획득된 최소거리 dj를 가지는 출력 뉴런 j*와 그 이웃 반경 내의 뉴런들의 연결 강도를 하기 수학식에 의해 재조정하고(이때, j는 j*의 이웃 반경 내의 뉴런, i는 0에서 N-1까지의 정수값,
    Figure 112018100846697-pat00009
    는 시간이 경과함에 따라 점차 작아지는 특징을 가지는 0과 1 사이의 값을 가지는 이득항),
    Figure 112018100846697-pat00010

    상기 제어부는, 상기 수학식들을 바탕으로 각 뉴런들의 연결 강도 벡터와 입력 벡터의 근접도를 계산하고, 각 뉴런들을 서로 경쟁하며 승자 뉴런을 도출하여 상기 판매 조건 정보에 유사하거나 근접한 구매 조건 정보 및 상기 구매 조건 정보에 유사하거나 근접한 판매 조건 정보를 획득하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템.
  2. 제1항에 있어서,
    상기 제어부는 상기 제1 관련도 정보와 상기 제2 관련도 정보 중 Kohonen Network 학습을 통해 각 데이터의 벡터값중 연결강도 벡터와 입력벡터가 얼마나 가까운가를 계산하고, 각 뉴런들은 서로 경쟁하여 승자뉴런을 도출하여 결과적으로 입력된 요구사항에 응대하는 정보(판매자 판매정보에 일치하거나 근접하는 구매자의 구매정보, 구매자 구매정보에 일치하거나 근접하는 판매자의 판매정보)를 연산하여 무선 통신부를 통해 상기 판매자 단말과 상기 구매자 단말로 주기적으로 전송하도록 제어하는 것을 특징으로 하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템.
  3. 제1항에 있어서,
    상기 판매자단말은 설치된 매칭 정보 제공 애플리케이션을 실행하는 경우, 상기 제어부로부터 추출된 최종 구매 조건 정보를 화면에 표시하며, 상기 구매자단말은 설치된 매칭 정보 제공 애플리케이션을 실행하는 경우, 상기 제어부로부터 추출된 최종 판매 조건 정보를 화면에 표시하는 것을 특징으로 하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템.
  4. 제1항에 있어서,
    상기 판매 조건 정보와 상기 구매 조건 정보는 유형 제품의 제품 카테고리로 완제품, 반제품, 부품, 원자재가 있고, 무형 제품으로 제작, 설계, 디자인이 있으며, 가격 정보, 색상 정보, 제품 명칭, 결제 정보, 제작 기간, 운송 정보, 제품 스펙, 제품 설명 중 하나 이상의 입력 판매 정보와 입력 구매 정보를 포함하는 것을 특징으로 하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템.
  5. 제4항에 있어서,
    상기 제어부는 상기 판매 조건 정보와 상기 구매 조건 정보의 입력 정보들 간의 가중치를 다르게 구성하여 상기 판매 조건 정보와 상기 구매 조건 정보의 매칭 시 매칭 정보로 적용하는 것을 특징으로 하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템.
  6. 제1항에 있어서,
    상기 판매 정보 자연어 처리부와 상기 구매 정보 자연어 처리부는 콘볼루션 뉴럴 네트워크(Convolutional Neural Network, CNN) 방식을 사용하여 의미 정보를 추출하고, 상기 제어부는 코호넨 네트워크(Kohonen Network) 방식을 이용하여 상기 제1 관련도 정보와 상기 제2 관련도 정보를 연산하는 것을 특징으로 하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템.
  7. 제1항에 있어서,
    상기 판매 조건 정보 및 구매 조건 정보는 하기 두개의 수학식에 의해 벡터 값으로 표현되는 것을 특징으로 하는 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템.
    Figure 112018100846697-pat00011

    Figure 112018100846697-pat00012

    (이때, wi는 문장의 i번째 단어에 해당하는 임베딩 벡터, wi:i+j는 wi, wi+1,…wi+j의 결합, K는 콘볼루션 필터, ci는 콘볼루션 필터에 의해 추출된 피처, b는 스칼라 값을 가지는 bias term, f는 비선형 활성 함수, h는 단어의 개수)
KR1020170162495A 2017-11-30 2017-11-30 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템 KR102016065B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170162495A KR102016065B1 (ko) 2017-11-30 2017-11-30 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170162495A KR102016065B1 (ko) 2017-11-30 2017-11-30 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템

Publications (2)

Publication Number Publication Date
KR20190063594A KR20190063594A (ko) 2019-06-10
KR102016065B1 true KR102016065B1 (ko) 2019-08-29

Family

ID=66848033

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170162495A KR102016065B1 (ko) 2017-11-30 2017-11-30 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템

Country Status (1)

Country Link
KR (1) KR102016065B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102551227B1 (ko) * 2023-03-14 2023-07-04 자이언트코리아 주식회사 인공지능에 기반한 바이어 매칭 시스템

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102384247B1 (ko) * 2020-05-15 2022-04-07 주식회사 놈놈놈 중고 주방기기의 매매를 위한 견적 서비스 시스템
GB2599731A (en) * 2020-10-12 2022-04-13 Mastercard International Inc Website monitoring and assessment
KR102284440B1 (ko) * 2020-10-29 2021-08-02 주식회사 디에스랩글로벌 딥러닝 모델 거래중개서버에 의해서 수행되는 딥러닝 모델 거래를 중개하는 방법
KR102311108B1 (ko) * 2020-10-29 2021-10-12 주식회사 디에스랩글로벌 딥러닝 모델 거래중개서버에 의해서 수행되는 딥러닝 모델 거래를 중개하는 방법
KR102474215B1 (ko) * 2021-09-08 2022-12-02 안철 기업간 불용재고 활용 매칭 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101250845B1 (ko) * 2008-11-03 2013-04-04 에스케이플래닛 주식회사 자연어에 기반하여 상품을 검색하는 방법, 쇼핑몰 서버 및 쇼핑몰 시스템
KR20120028112A (ko) 2010-09-14 2012-03-22 홍양표 휴대폰을 이용한 매매정보 서비스 방법 및 그 시스템
KR101691730B1 (ko) * 2015-05-06 2016-12-30 연세대학교 원주산학협력단 구매상황과 판매상황을 고려한 구매자 중심 전자상거래 방법 및 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102551227B1 (ko) * 2023-03-14 2023-07-04 자이언트코리아 주식회사 인공지능에 기반한 바이어 매칭 시스템

Also Published As

Publication number Publication date
KR20190063594A (ko) 2019-06-10

Similar Documents

Publication Publication Date Title
KR102016065B1 (ko) 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템
US11093992B2 (en) Smart matching for real estate transactions
US11042591B2 (en) Analytical search engine
KR20180002944A (ko) 개인 선호별 최적의 상품 제안을 위한 빅데이터 추천시스템 및 추천방법
Gkikas et al. Artificial intelligence (AI) impact on digital marketing research
US20230274332A1 (en) Method and apparatus for generating recommendation reason, and storage medium
CN110647696B (zh) 一种业务对象的排序方法及装置
TW201804400A (zh) 資料物件推送的方法、裝置及系統
CN111753092A (zh) 一种数据处理方法、模型训练方法、装置及电子设备
US20220277741A1 (en) Methods and apparatus for intent recognition
CN111695024A (zh) 对象评估值的预测方法及系统、推荐方法及系统
KR20210032691A (ko) 네트워크 기반 상품 추천 방법 및 장치
CN115605896A (zh) 产品推荐和集成语言建模的系统和方法
US11544333B2 (en) Analytics system onboarding of web content
JP6833540B2 (ja) 抽出装置、抽出方法及び抽出プログラム
CN114429384B (zh) 基于电商平台的产品智能推荐方法及系统
JP6686208B1 (ja) 情報処理装置、情報処理方法、及びプログラム
US11334935B2 (en) Method, system, and manufacture for light hypergraph based recommendation
Powell et al. Applying analytics to artist provided text to model prices of fine art
CN113159877A (zh) 数据处理方法、装置、系统、计算机可读存储介质
Kumar et al. The application of artificial intelligence in electronic commerce
JP7044821B2 (ja) 情報処理システム、および情報処理方法
Sudarsan et al. E-commerce Website with Image Search and Price Prediction
JP7460709B2 (ja) 機械学習によりウェブページ上の注文関連データを特定するためのシステム、方法及びコンピュータプログラム
KR102588300B1 (ko) 쇼핑몰 제품 노출 정보 제공 시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right