KR102050738B1 - 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 장치 - Google Patents

Abstract

본 발명은 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 장치에 관한 것으로서, 상품 추천 서비스 시스템에서, 하나 이상의 단말 장치로부터 상품에 대한 평가 정보 및 상품 관련 정보를 수집하고, 수집된 평가 정보 및 상품 관련 정보를 이용하여 그레디트 기반 협업 필터링을 통해 사용자별 상품 평가에 가중치를 주어 하나 이상의 상품을 추천함으로써, 더 신뢰성 있는 평가를 하는 사용자에게 높은 가중치를 부여할 수 있으므로 이러한 가중치를 부여함에 따라 예상 평가의 정확도를 높일 수 있으며, 사용자마다 다른 평가 기준을 반영할 수 있으므로 상품에 대한 추천의 정확도를 높일 수 있는 효과가 있다.

Description

상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 장치{METHOD FOR ITEM RECOOMMENDATION BASED ON COLLABORATIVE FILTERING IN ITEM RECOOMMENDATION SERVICE SYSTEM}

본 발명은 상품 추천 서비스에 관한 것으로서, 특히 상품 추천 시스템에서, 크레디트(Credit) 기반 협업 필터링을 수행하여 온라인 마켓에서 상품을 추천하기 위한 장치에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.

최근에는 스마트 통신을 기술이 발전함에 따라 사용자들은 스마트 기기를 통해 다양한 서비스를 제공받을 수 있으며, 서비스 업체에서 제공하는 다양한 콘텐츠 등을 온라인 마켓에서 구매하여 이용할 수 있다.

이러한 온라인 마켓에서 콘텐츠, 게임 아이템 등의 상품을 구매하고자 할 때, 사용자는 온라인 마켓에 접속하여 온라인 마켓에 제공하는 다양한 상품들 중 원하는 상품을 검색하여 구매하게 되므로 사용자 입장에서는 원하는 상품을 찾기 위해 일일이 검색해야 하는 번거로움이 발생한다. 이를 위해 최근에는 상품을 추천 하는 기술이 개발되고 있다.

기존의 상품 추천 기술은 사용자에게 사용자가 평가하지 않은 아이템의 예상 평가를 구하여 구해진 예상 평가가 높은 순서대로 상품을 추천하였다. 이때, 예상 평가는 아이템을 평가한 다른 사용자들과 해당 사용자 사이의 연관도와 다른 사용자들의 아이템에 대한 평가의 곱을 합하여 구할 수 있다. 이에 따라 기존의 상품 추천 서비스 기술에서는 아이템을 평가한 다른 모든 사용자들은 같은 비율로 예상 평가에 기여하게 된다.

그러나 사용자마다 평가를 주는 기준이 다를 수 있는데, 기존의 상품 추천 서비스 기술은 이러한 사용자 별 평가 기준을 고려하지 않고 같은 비율로 기여된 예상 평가에 따라 상품을 추천한다.

한국공개특허 제2003-0058660호, 2003년 7월 7일 공개 (명칭: 개인화 시스템에서 사용자의 컨텐트 선호도를 이용한 협업 필터링 학습 방법)

본 발명은 종래의 불편함을 해소하기 위하여 제안된 것으로서, 크레디트 기반 협업 필터링을 수행하여 온라인 마켓에서 상품을 추천하기 위한 상품 추천 서비스 시스템을 제공하고자 한다.

또한, 본 발명은 종래의 불편함을 해소하기 위하여 제안된 것으로서, 상품 추천 서비스 시스템에서 협업 필터링을 기반으로 온라인 마켓에서 상품을 추천하기 위한 장치를 제공하고자 한다.

또한, 본 발명은 종래의 불편함을 해소하기 위하여 제안된 것으로서, 상품 추천 서비스 시스템에서 아이템에 대한 사용자별 점수를 평가함에 있어서 더 신뢰성 있는 평가를 하는 사용자에게 가중치를 부여하여 아이템에 대한 추천의 정확도를 높이기 위한 협업 필터링 기반의 상품 추천 을 위한 장치를 제공하고자 한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템은, 상품에 대한 평가를 수행하고, 평가 수행에 따라 생성된 평가 정보 및 상품 관련 정보를 전송하는 하나 이상의 단말 장치; 및 하나 이상의 단말 장치로부터 상품에 대한 평가 정보 및 상품 관련 정보를 수집하고, 수집된 상기 평가 정보 및 상품 관련 정보를 이용하여 크레디트 기반 협업 필터링을 통해 사용자별 상품 평가에 가중치를 주어 하나 이상의 상품을 추천하는 서비스 장치를 포함한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 서비스 장치는, 통신망을 통해 연결된 하나 이상의 단말 장치와 상품 추천 서비스를 위한 통신을 수행하는 통신부; 및 하나 이상의 단말 장치로부터 상품에 대한 평가 정보 및 상품 관련 정보를 수집하고, 수집된 평가 정보 및 상품 관련 정보를 이용하여 크레디트 기반 협업 필터링을 통해 사용자별 상품 평가에 가중치를 주어 하나 이상의 상품을 추천하는 제어부를 포함하는 것을 특징으로 한다.

본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 서비스 장치에 있어서, 제어부는, 하나 이상의 단말 장치로부터 상품에 대한 평가 정보 및 상품 관련 정보를 수집하여 수집된 평가 정보 및 상품 관련 정보를 이용하여 사용자별 하나 이상의 상품에 대한 평가 정보를 설정한 평가 테이블을 구성하는 평가 정보 수집부; 평가 정보 수집부에서 구성된 평가 테이블을 기반으로 사용자별 상품 평가에 가중치를 주어 그레디트 기반 협업 필터링을 수행하는 협업 필터링 수행부; 및 협업 필터링 수행을 통해 생성된 예측 평가 정보를 반영하여 하나 이상의 단말 장치로 추천할 하나 이상의 추천 상품을 구성하여 하나 이상의 단말 장치로 구성된 추천 상품을 제공하는 상품 추천 서비스 제공부를 포함한다.

본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 서비스 장치의 제어부에 있어서, 협업 필터링 수행부는, 상품별 평균 평가 값과 사용자별 벡터 정보간의 유사도를 이용하여 사용자별 크레디트 정보를 계산한다.

본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 서비스 장치의 제어부에 있어서, 협업 필터링 수행부는, 평가 테이블에 설정된 평가 정보를 기반으로 사용자별 벡터 정보를 생성하고, 사용자별 벡터 정보를 상품별로 구분하여 설정된 평가 정보를 기반으로 상품별 평균 평가 값을 계산한다.

본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 서비스 장치의 제어부에 있어서, 협업 필터링 수행부는, 계산된 사용자별 크레디트 정보를 상기 사용자별 벡터 정보에 반영하여 사용자별 크레디트 벡터 정보를 구하고, 구해진 사용자별 크레디트 벡터 정보를 상품별로 구분하여 상품별 크레디트 벡터 정보를 설정하고, 설정된 상품별 크레디트 벡터 정보의 평균값을 구하여 구해진 평균값을 이용하여 예측 평가 정보를 생성한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 단말 장치는, 통신망을 통해 연결된 서비스 장치와 상품 추천 서비스를 위한 통신을 수행하는 통신부; 및 서비스 장치로부터 상품 추천 서비스를 제공받고, 사용자로부터 하나 이상의 상품에 대한 평가를 입력 받아 평가 정보를 생성하고, 생성된 평가 정보 및 미리 설정된 상품 관련 정보를 상기 서비스 장치로 전송하도록 제어하고, 서비스 장치로부터 평가 정보 및 상품 관련 정보를 이용하여 그레디트 기반 협업 필터링을 통해 추천된 하나 이상의 상품을 제공받도록 제어하는 제어부를 포함한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천 방법은, 하나 이상의 단말 장치로부터 상품에 대한 평가 정보 및 상품 관련 정보를 수집하는 단계; 수집된 평가 정보 및 상품 관련 정보를 이용하여 그레디트 기반 협업 필터링을 수행하는 단계; 그레디트 기반 협업 필터링을 통해 생성된 예측 평가 정보를 반영하여 하나 이상의 단말 장치로 추천할 하나 이상의 추천 상품을 구성하는 단계; 및 하나 이상의 단말 장치로 구성된 추천 상품을 제공하는 단계를 포함한다.

본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천 방법은, 수집된 평가 정보 및 상품 관련 정보를 이용하여 사용자별 하나 이상의 상품에 대한 평가 정보를 설정한 평가 테이블을 구성하는 단계를 더 포함한다.

본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천 방법에 있어서, 그레디트 기반 협업 필터링을 수행하는 단계는, 수집된 평가 정보 및 상품 관련 정보를 이용하여 구성된 평가 테이블에 설정된 사용자별 하나 이상의 상품에 대한 평가 정보를 기반으로 사용자별 벡터 정보를 생성하는 단계; 사용자별 벡터 정보를 상품별로 구분하여 상기 설정된 평가 정보를 기반으로 상품별 평균 평가 값을 계산하는 단계; 계산된 상품별 평균 평가 값과 생성된 사용자별 벡터 정보간의 유사도를 계산하는 단계; 계산된 유사도를 이용하여 사용자별 크레디트 정보를 계산하는 단계; 계산된 사용자별 크레디트 정보를 상기 사용자별 벡터 정보에 반영하여 사용자별 크레디트 벡터 정보를 구하는 단계; 구해진 사용자별 크레디트 벡터 정보를 상품별로 구분하여 상품별 크레디트 벡터 정보를 설정하는 단계; 설정된 상품별 크레디트 벡터 정보의 평균값을 계산하는 단계; 및 계산된 평균값을 이용하여 상기 예측 평가 정보를 생성하는 단계를 포함한다.

본 발명의 바람직한 실시예에 따른 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천 방법에 있어서, 평균값을 이용하여 예측 평가 정보를 생성하는 단계는, 상품별로 해당 상품을 평가하지 않은 사용자를 확인하는 단계; 확인된 평가하지 않은 사용자에 대한 계산된 평균값으로 예측 평가 정보를 설정하는 단계; 상품별로 해당 상품을 평가한 사용자를 확인하는 단계; 확인된 평가한 하나 이상의 사용자에 대한 계산된 평균값으로 아이템별로 예측 평가 정보를 설정하는 단계; 평가한 하나 이상의 사용자별로 상기 아이템별로 설정된 예측 평가 정보들을 그룹핑하는 단계; 및 그룹핑된 예측 평가 정보들을 합하여 최종 예측 평가 정보를 생성하는 단계를 포함한다.

상술한 바와 같은 목적을 달성하기 위한 본 발명의 컴퓨터에서 판독 가능한 기록 매체는 협업 필터링 기반 상품 추천을 위한 방법을 실행하기 위한 프로그램이 기록되어 있다.

본 발명은 상품 추천 서비스 시스템에서 사용자들의 상품 평가에 따라 서비스 장치에서 크레디트를 기반으로 협업 필터링을 수행하여 사용자별 상품에 대한 예측 평가 정보를 구함으로써, 더 신뢰성 있는 평가를 하는 사용자에게 높은 가중치를 부여할 수 있으므로 이러한 가중치를 부여함에 따라 예상 평가의 정확도를 높일 수 있으며, 사용자마다 다른 평가 기준을 반영할 수 있으므로 상품에 대한 추천의 정확도를 높일 수 있는 효과가 있다.

도 1은 본 발명의 실시예에 따른 상품 추천 서비스 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 실시예에 따른 상품 추천 서비스 시스템에서의 상품 추천 서비스를 제공받는 단말 장치를 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 상품 추천 서비스 시스템에서의 상품 추천 서비스를 제공하는 서비스 장치를 도시한 도면이다.
도 4a 및 도 4b는 본 발명의 실시예에 따른 상품 추천 서비스 시스템의 서비스 장치에서 사용자별 크레디트 기반 협업 필터링의 일 예를 도시한 도면이다.
도 5는 본 발명의 실시예에 따라 상품 추천 서비스 시스템에서 상품 추천을 위한 방법을 도시한 도면이다.
도 6a 내지 도 6f는 본 발명의 실시예에 따라 상품 추천 서비스 시스템의 서비스 장치에서 사용자별 크레디트 기반 협업 필터링 과정의 일 예를 도시한 도면이다.

이하, 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.

이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.

우선, 본 발명의 실시예에 따른 상품 추천 서비스 시스템에 대해 첨부된 도면을 참조하여 구체적으로 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 상품 추천 서비스 시스템의 구성을 도시한 도면이다.

도 1을 참조하면, 상품 추천 서비스 시스템은 통신망(10)을 통해 연결되는 다수의 단말 장치(100) 및 서비스 장치(200)를 포함하여 구성할 수 있다.

다수의 단말 장치(100)는 사용자의 키 조작에 따라 통신망(10)을 경유하여 각종 데이터를 송수신할 수 있는 단말기를 말하는 것이며, 태블릿 PC(Tablet PC), 랩톱(Laptop), 개인용 컴퓨터(PC: Personal Computer), 스마트폰(Smart Phone), 개인휴대용 정보단말기(PDA: Personal Digital Assistant), 스마트 TV 및 이동통신 단말기(Mobile Communication Terminal) 등 중 어느 하나일 수 있다. 또한, 단말 장치(100)는 통신망(10)을 이용하여 음성 또는 데이터 통신을 수행하는 단말기이며, 통신망(10)을 경유하여 서비스 장치(200)와 통신하기 위한 브라우저, 프로그램 및 프로토콜을 저장하는 메모리, 각종 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비하고 있는 단말기를 의미한다. 즉, 단말 장치(100)는 서비스 장치(200)와 서버-클라이언트 통신이 가능하고, 방송 서비스를 실행할 수 있다면 그 어떠한 단말기도 가능하며, 노트북 컴퓨터, 이동통신 단말기, PDA 등의 통신 컴퓨팅 장치를 모두 포함하는 넓은 개념이다. 한편, 단말 장치(100)는 터치 스크린을 구비한 형태로 제작되는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 특히, 본 발명의 실시예에 따른 다수의 단말 장치(100)는 서비스 장치(200)와 통신하여 서비스 장치(200)로부터 상품 추천 서비스를 제공 받을 수 있으며, 상품 추천 서비스를 위한 상품(예를 들어, 아이템)에 대한 평가를 수행할 수 있다.

서비스 장치(200)는 통신망(10)을 통해 다수의 단말 장치(100)와 연동하여 다수의 단말 장치(100)로 상품 추천 서비스를 제공할 수 있다. 이러한 서비스 장치(200)는 하나 이상의 단말 장치(100)로부터 상품에 대한 평가 정보를 수집하고, 수집된 평가 정보를 협업 필터링을 위한 평가 정보 테이블을 설정한 후, 설정된 평가 정보 테이블을 이용하여 협업 필터링을 수행한다. 또한, 서비스 장치(200)는 협업 필터링을 통해 예측 평가 정보를 생성하고, 생성된 예측 평가 정보를 기반으로 미리 설정된 개수의 상위 순위의 상품들을 선택하여 선택된 상품들을 하나 이상의 해당 단말 장치(100)로 추천해줄 수 있다.

이와 같은 다수의 단말 장치(100) 및 서비스 장치(200)는 통신망(10)을 통해 연동되며, 이러한 통신망(10)은 인터넷망, 인트라넷망, 이동통신망, 위성 통신망 등 다양한 유무선 통신 기술을 이용하여 인터넷 프로토콜로 데이터를 송수신할 수 있는 망을 말한다. 또한, 통신망(10)은 서비스 장치(200)와 결합되어 하드웨어, 소프트웨어 등의 컴퓨팅 자원을 저장한다. 이러한, 통신망(10)은 LAN(Local Area Network), WAN(Wide Area Network)등의 폐쇄형 네트워크, 인터넷(Internet)과 같은 개방형 네트워크뿐만 아니라, CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), GSM(Global System for Mobile Communications), LTE(Long Term Evolution), EPC(Evolved Packet Core) 등의 네트워크와 향후 구현될 차세대 네트워크 및 컴퓨팅 네트워크를 통칭하는 개념이다.

이와 같이 구성된 상품 추천 서비스 시스템에서 첨부된 도면을 참조하여 본 발명의 실시예에 따른 다수의 단말 장치(100)의 구성을 구체적으로 살펴보면 다음과 같다.

도 2는 본 발명의 실시예에 따른 상품 추천 서비스 시스템에서의 상품 추천 서비스를 제공받는 단말 장치를 도시한 도면이다.

도 2를 참조하면, 다수의 단말 장치(100)는 제어부(110), 통신부(120), 입력부(130), 저장부(140) 및 출력부(150)를 포함하여 구성될 수 있다.

제어부(110)는 단말 장치(100)의 전반적인 동작 및 상품 추천 서비스 실행에 관련된 동작을 제어한다. 특히, 제어부(110)는 상품에 대한 평가를 수행하고, 서비스 장치(200)로부터 사용자 크레디트 기반 협업 필터링을 통해 추천된 상품을 제공받아 사용자에게 안내할 수 있다. 이를 위해, 제어부(110)는 서비스 실행부(111) 및 평가 수행부(112)를 포함하여 구성될 수 있다.

서비스 실행부(111)는 서비스 장치(200)로부터 상품 추천 서비스를 위한 어플리케이션을 제공받아 실행하고, 실행되는 상품 추천 서비스 어플리케이션을 통해 상품 평가를 위한 화면을 표시하도록 제어할 수 있다. 또한, 서비스 실행부(111)는 사용자로부터 상품 추천 요청을 입력 받는 경우, 서비스 장치(200)로 상품 추천 서비스를 요청한 후, 서비스 장치(200)로부터 사용자별 크레디트 기반의 협업 필터링을 통해 추천된 상품들을 제공받는다. 이에 따라 서비스 실행부(111)는 추천된 상품들을 출력부(150)의 화면을 표시하여 사용자에게 제공하도록 제어한다. 한편, 서비스 실행부(111)는 서비스 장치(200)에서 임의로 또는 주기적으로 추천된 상품들을 제공받을 수 있으며, 이러한 경우, 제공받은 추천된 상품들을 저장부(140)에 저장 및 출력부(150)를 통해 사용자에게 안내하도록 제어할 수 있다.

평가 수행부(112)는 서비스 실행부(111)에서 실행된 상품 평가 화면을 통해 서비스 장치(200)에서 제공되는 상품들에 대한 평가를 수행할 수 있다. 예를 들어, 상품 평가는 상품 평가 화면에 상품들에 대한 점수를 표시하여 사용자로 하여금 원하는 점수를 클릭하여 평가 점수를 입력할 수 있도록 하거나, 사용자가 상품에 대한 평가 항목들을 표시하여 원하는 항목들을 입력할 수 있도록 할 수 있다. 이에 따라 평가 수행부(112)는 입력부(130)를 통해 입력된 평가 점수 또는 평가 항목에 대한 입력 정보를 확인하여 평가 정보를 생성하고, 생성된 평가 정보를 통신부(120)를 통해 서비스 장치(200)로 전송하도록 제어할 수 있다.

또한, 사용자가 직접 입력한 평가 내용을 분석하여 상품 평가를 수행할 수 있는데, 이를 위해 평가 수행부(112)는 입력부(130)를 통해 사용자로부터 입력된 평가 내용에 대한 입력 정보를 분석하여 평가 정보를 생성할 수 있다. 구체적으로, 평가 수행부(112)는 입력된 평가 내용 중에 미리 설정된 평가 요소에 매칭되는 내용의 개수 또는 분포도 등을 분석하여 분석된 결과에 매핑되는 점수 또는 설정 값을 평가 정보로 생성하고, 생성된 평가 정보를 서비스 장치(200)로 전송하도록 제어할 수 있다. 또한, 평가 수행부(113)는 서비스 장치(200)로부터 해당 상품에 대한 다른 사용자들의 평가 정보를 제공받아 사용자가 다른 사용자들의 평가 정보를 참조하여 상품 평가를 수행할 수 있도록 할 수도 있다.

평가 수행부(113)는 관리하고 있는 상품 구매 이력, 이전 상품 추천 정보 또는 사용자가 미리 설정한 관심 정보들을 기반으로 사용자가 상품을 평가하기 전에 개략적인 상품 평가를 수행하여 사용자에게 안내할 수도 있다. 이에 따라 사용자는 개략적인 상품 평가를 참조하여 상품 평가를 수행할 수 있다. 여기서, 상품 평가 요청 기한이 있는 경우, 기한 내에 사용자가 상품 평가를 수행하지 않는다면, 평가 수행부(113)는 예를 들어 마감 1시간 전에 개략적인 상품 평가를 서비스 장치(200)로 전송하도록 제어할 수 있다. 이때, 개략적인 상품 평가에 대한 평가 정보를 서비스 장치(200)로 전송한 후에 사용자가 상품 평가를 수행한 경우라도 사용자에 의한 상품 평가에 대한 평가 정보를 서비스 장치(200)로 추가로 전송할 수 있다. 이러한 경우 서비스 장치(200)에서는 개략적인 평가 정보 및 사용자에 의한 평가 정보 모두 적용하거나, 사용자에 의한 평가 정보만을 적용하여 상품 추천을 수행할 수 있다.

통신부(120)는 통신망(10)을 통해 서비스 장치(200)와 통신을 수행하여 상품 추천 서비스를 위한 통신을 수행한다. 이러한 통신부(120)는 유선 방식 및 무선 방식뿐만 아니라 다양한 통신 방식을 통해서 데이터를 송수신할 수 있다. 더하여, 통신부(120)는 하나 이상의 통신 방식을 사용하여 데이터를 송수신할 수 있으며, 이를 위하여 통신부(120)는 각각 서로 다른 통신 방식에 따라서 데이터를 송수신하는 복수의 통신 모듈을 포함할 수 있다. 특히, 통신부(120)는 서비스 장치(200)로 상품 추천 서비스를 위한 메시지들을 송수신할 수 있으며, 상품 평가 수행에 따라 생성된 평가 정보를 서비스 장치(200)로 전송할 수 있다. 또한, 통신부(120)는 서비스 장치(200)로부터 추천된 상품들을 제공받아 제어부(110)로 전달할 수 있다.

입력부(130)는 사용자의 조작에 따라서 사용자의 요청이나 정보에 해당하는 사용자 입력 신호를 발생할 수 있으며, 현재 상용화되어 있거나 향후 상용화가 가능한 다양한 입력 수단으로 구현될 수 있으며, 예를 들면, 키보드, 마우스, 조이스틱, 터치 스크린, 터치 패드 등과 같은 일반적인 입력 장치뿐만 아니라, 사용자의 모션을 감지하여 특정 입력 신호를 발생하는 제스처 입력 수단을 포함할 수 있다. 입력부(130)는 사용자로부터 입력된 정보를 제어부(110)로 전달할 수 있다. 즉, 입력부(130)는 사용자가 화면에 표시된 평가 점수 또는 평가 항목에서 상품 평가를 위한 점수 또는 항목 등을 선택함에 따라 해당 입력 신호를 발생하여 입력 정보를 제어부(110)로 전달하고, 사용자로부터 평가 내용을 입력받아 입력된 정보를 제어부(110)로 전달할 수 있다.

저장부(140)는 단말 장치(100)의 동작에 필요한 정보들을 저장하며, 특히, 상품 추천 서비스에 관련된 정보들을 저장할 수 있다. 특히, 저장부(140)는 상품 평가를 수행하여 생성된 평가 정보 및 서비스 장치(200)로부터 추천받은 상품 정보들을 저장할 수 있다. 또한, 저장부(140)는 사용자로부터 입력된 상품 평가를 위한 입력 정보들 및 미리 설정된 평가 점수 또는 평가 항목 등을 저장할 수 있고, 평가 내용에 매칭되는 미리 설정된 평가 점수 또는 항목 테이블 등을 저장할 수 있다. 이러한 저장부(140)는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media) 및 롬(ROM), 램(RAM, Random Access Memory), 플래시 메모리를 포함한다.

출력부(150)는 단말 장치(100)의 동작 결과나 상태를 사용자가 인식할 수 있도록 제공하는 수단으로서, 예를 들면, 화면을 통해 시각적으로 출력하는 표시부나, 가청음을 출력하는 스피커 등을 포함할 수 있다. 특히, 단말 장치(100)에서 구동되는 상품 추천 서비스에 관련된 화면을 표시할 수 있으며, 사용자의 요청에 따라 상품 추천 서비스 실행을 위한 화면 및 상품 평가 화면을 표시할 수 있다.

다음으로, 본 발명의 실시예에 따른 상품 추천 서비스 시스템에서의 상품 추천 서비스를 제공하는 서비스 장치의 구성을 첨부된 도면을 참조하여 구체적으로 설명하기로 한다.

도 3은 본 발명의 실시예에 따른 상품 추천 서비스 시스템에서의 상품 추천 서비스를 제공하기 위한 서비스 장치의 구성을 도시한 도면이다.

도 3을 참조하면, 본 발명의 실시예에 따른 서비스 장치(200)는 다수의 단말 장치(100)와 연동하여 상품 추천 서비스를 제공할 수 있으며, 이를 위해, 서비스 장치(200)는 제어부(210), 통신부(220) 및 저장부(230)를 포함하여 구성될 수 있다.

제어부(210)는 다수의 단말 장치(100)로부터 상품 평가에 대한 평가 정보를 수집하고, 다수의 단말 장치(100) 즉, 사용별로 수집된 평가 정보를 이용하여 협업 필터링을 통해 상품 추천을 수행한다. 이를 위해, 제어부(210)는 평가 정보 수집부(211), 협업 필터링 수행부(212) 및 상품 추천 서비스 제공부(213)를 포함하여 구성될 수 있다.

평가 정보 수집부(211)는 다수의 단말 장치(100)에서 수행된 상품 평가에 대한 평가 정보 및 구매이력, 관심 정보 등의 상품 관련 정보들을 수집하고, 수집된 평가 정보 및 상품 관련 정보를 이용하여 사용자 별로 저장부(220)에 저장한다. 이때, 평가 정보 수집부(211)는 평가 정보를 상품(예를 들어, 아이템)별 및 사용자 별로 구분하여 평가 정보(rating)를 설정한 평가 테이블을 첨부된 도 4a에 도시된 바와 같이 구성할 수 있다. 또한, 평가 정보 수집부(211)는 평가 정보가 점수화되어 있지 않은 경우, 평가 정보 및 상품 관련 정보를 이용하여 구매 확률이 높은 상품들을 점수화한 평가 값을 평가 정보로 설정하여 평가 테이블을 구성할 수 있다.

협업 필터링 수행부(212)는 구성된 평가 테이블을 이용하여 사용자별 크레디트 기반 협업 필터링을 수행하고, 이러한 협업 필터링을 통해 예측 평가 정보를 생성한다. 이때, 협업 필터링 수행부(212)는 아이템 별로 모든 사용자들의 평균 평가 정보와 각각의 사용자의 평가 정보간의 유사도에 의해 구한 크레디트를 반영함으로써, 더 믿을 수 있는 사용자의 평가 정보에 가중치를 주게 되어 예상 평가 정보의 정확도를 높일 수 있다. 즉, 협업 필터링 수행부(212)는 평균적인 평가 정보와 비슷하게 평가를 한 사람에게 더 많은 가중치를 줄 수 있다. 구체적으로, 협업 필터링 수행부(212)는 평가 정보 수집부(211)에서 구성되어 저장된 평가 테이블을 기반으로 아이템 별 평균 평가 벡터, 평균 평가 벡터 표준화, 사용자 평가 벡터 및 사용자 평가 벡터 표준화 값들을 설정하여 첨부된 도 4b에 도시된 바와 같이, 사용자별 평가 벡터 테이블을 구성할 수 있다.

또한, 협업 필터링 수행부(212)는 사용자 아이템 평가 테이블(matrix)을 구성하며, 사용자 아이템 평가 테이블에서 사용자별 벡터를 아이템 별로 위치 변환을 하여 아이템 사용자 평가 테이블을 구성하고, 각 아이템별 평균 평가 값을 구하여 중간 파일을 생성한다. 이에 따라 협업 필터링 수행부(212)는 구성된 사용자별 평가 벡터 테이블을 이용하여 아이템별 평균 평가 벡터와 각 사용자의 평가 벡터 사이의 유사도를 구하여 사용자별 크레디트를 계산할 수 있다. 예를 들어, 하기 <수학식 1>과 같이, 제1 사용자의 코사인 유사도를 구할 수 있다. 여기서, 사용자간 유사도는 코사인 유사도(cosine similarity)뿐만 아니라 예를 들어, pearson correlation, Log likelihood 등의 여러 가지 방법을 적용하여 구할 수 있다.

예를 들어, 첨부된 도 4b에 도시된 바와 같은 설정 값들을 적용하여 코사인 유사도를 0.426 x 0.681 + 0.64 x 0.681 + 0.32 x 0.272와 같이 계산하면 '0.812' 값을 얻을 수 있다.

또한, 협업 필터링 수행부(212)는 첨부된 도 4a 및 도 4b를 이용하여 사용자별 평가되지 않은 상품에 대한 예측 평가 정보를 하기 <수학식 2> 및 하기 <수학식 3>을 적용하여 구할 수 있다. 여기서, 협업 필터링 수행부(212)는 사용자 별로 계산된 크레디트 값, 유사도값 및 해당 아이템에 대한 사용자 평가 정보 값을 곱하고, 각 사용자별 곱해진 값들을 더하여 해당 사용자의 해당 아이템에 대한 예측 평가 정보를 구할 수 있다.

이러한 <수학식 3>에서

은 사용자 i의 평균 평가 값을 나타내고, U'는 아이템 j를 평가한 사용자의 세트를 나타내고,

는 사용자 i가 평가한 아이템 세트를 나타내고,

는 아이템 j를 평가한 사용자로부터 크레디트 합의 인벌스(inverse)를 나타내며,

는 아이템 j를 평가한 사용자들로부터 크레디트와 사용자 i와의 유사도 곱들의 합의 인벌스(inverse)를 나타내며, 여기에서 C_k는 아이템 j를 평가한 사용자 k의 크레디트이며, r_il은 사용자 i가 실제 평가한 아이템 l에 대한 실제 평가이며, r_il '은 사용자 i가 실제로 평가한 아이템 l에 대해 <수학식3> 중 1번이나 2번을 통해 구할 수 있는 예측 평가이다. 그리고, sim(i,k)는 유사도를 나타낸다.

협업 필터링 수행부(212)는 이렇게 구한 예측 평가 정보를 사용자별 예측 평가 테이블에 기록하여 평균값이 반영된 해당 아이템에 대한 예측 평가 정보를 설정한다. 이에 따라 협업 필터링 수행부(212)는 크레디트를 기반으로 사용자의 평가 정보에 가중치가 부여된 사용자별 예측 평가 테이블을 제공함에 따라 예상 평가 정보의 정확도를 높일 수 있게 된다.

상품 추천 서비스 제공부(213)는 다수의 단말 장치(100)로 상품 추천 서비스를 위한 어플리케이션 및 콘텐츠 등을 제공할 수 있다. 또한, 상품 추천 서비스 제공부(213)는 협업 필터링 수행부(212)에서 그레디트 기반 협업 필터링을 통해 구해진 예측 평가 정보를 반영한 사용자별 평가 테이블을 기반으로 구매확률이 높은 아이템들 즉, 상품들을 선택하여 선택된 상품들을 추천 상품들로 설정하여 추천 상품들을 하나 이상의 단말 장치(100)로 제공한다. 이때, 상품 추천 서비스 제공부(213)는 미리 설정된 개수만큼의 상위 순서의 추천 상품들을 제공할 수 있다. 여기서, 상품 추천 서비스 제공부(213)는 사용자의 요청이 있는 경우, 임의로 또는 주기적으로 추천 상품들을 구성하여 구성된 추천 상품들을 하나 이상의 단말 장치(100)로 제공할 수 있다.

통신부(220)는 통신망(10)을 통해 다수의 단말 장치(100)와 연동하여 상품 추천 서비스를 위한 통신을 수행한다. 이러한 통신부(220)는 유선 방식 및 무선 방식뿐만 아니라 다양한 통신 방식을 통해서 데이터를 송수신할 수 있다. 더하여, 통신부(220)는 하나 이상의 통신 방식을 사용하여 데이터를 송수신할 수 있으며, 이를 위하여 통신부(220)는 각각 서로 다른 통신 방식에 따라서 데이터를 송수신하는 복수의 통신 모듈을 포함할 수 있다. 특히, 통신부(220)는 다수의 단말 장치(100)와 연동하여 상품 추천 서비스를 위한 메시지들을 송수신하고, 하나 이상의 단말 장치(100)로부터 수신된 평가 정보를 제어부(210)로 전달하고, 제어부(210)에서 구성된 추천 상품들을 하나 이상의 단말 장치(100)로 전송한다.

저장부(230)는 상품 추천 서비스를 제공하기 위해 관련된 정보를 저장한다. 구체적으로, 저장부(230)는 다수의 단말 장치(100)로부터 통신부(220)를 통해 수신된 평가 정보 및 상품 관련 정보를 사용자별 및 상품별로 저장하고, 평가 정보를 사용자 별 및 상품 별로 구분하여 구성한 평가 테이블, 벡터 테이블, 사용자 아이템 평가 테이블, 아이템 사용자 평가 테이블, 평균값 테이블, 사용자 그레디트 테이블, 사용자 아이템 평가 그레디트 테이블, 아이템 사용자 평가 그레디트 테이블 및 예측 평가 테이블 등을 해당 데이터베이스에 저장할 수 있다. 또한, 저장부(230)는 협업 필터링을 통해 구성된 추천 상품들을 저장할 수 있다. 이러한 저장부(230)는 서비스 장치(200)에 포함되어 구성되거나, 별도의 저장 장치로 구성되어 서비스 장치(200)와 연동될 수도 있다. 이러한 저장부(230)는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media) 및 롬(ROM), 램(RAM, Random Access Memory), 플래시 메모리를 포함한다.

그러면, 이와 같이 구성된 상품 추천 서비스 시스템에서 본 발명의 실시예에 따라 상품 추천 방법에 대해 첨부된 도면을 참조하여 구체적으로 설명하기로 한다.

도 5는 본 발명의 실시예에 따라 상품 추천 서비스 시스템에서 상품 추천을 위한 방법을 도시한 도면이다.

우선, 본 발명의 실시예에 따라 하나 이상의 단말 장치(100)는 서비스 장치(200)에서 제공되는 상품 추천 서비스를 실행하고, 실행된 상품 추천 서비스 화면을 통해 상품 평가를 수행할 수 있다. 이때, 하나 이상의 단말 장치(100)는 사용자로부터 입력된 입력 정보에 따라 평가 정보를 생성하여 생성된 평가 정보 및 상품 관련 정보를 서비스 장치(200)로 전송한다.

이에 따라 첨부된 5를 참조하면, 1101단계에서 서비스 장치(200)는 하나 이상의 단말 장치(100)로부터 상품 평가에 따른 평가 정보 및 구매이력, 관심 정보 등의 상품 관련 정보들을 수집하고, 수집된 평가 정보 및 상품 관련 정보를 이용하여 사용자 별로 저장부(220)에 저장한다.

이때, 1102단계에서 서비스 장치(200)는 평가 정보를 상품(예를 들어, 아이템)별 및 사용자 별로 구분하여 평가 정보(rating)를 설정한 평가 테이블을 첨부된 도 4a에 도시된 바와 같이 구성하고, 협업 필터링을 쉽게 처리하도록 평가 테이블에서 사용자 별 레코드(Itemid, rating)들을 모아서 사용자(User id)를 기준으로 아이템(Item id) 별 평가 정보를 설정하여 첨부된 도 6a의 (a)와 같이, 평가 테이블을 재구성한다. 이에 따라 1103단계에서 서비스 장치(200)는 이렇게 재구성된 평가 테이블을 이용하여 사용자별 벡터 정보를 생성하고, 첨부된 도 6a의 (b)에 도시된 바와 같이 생성된 벡터 정보를 설정한 사용자별 벡터 테이블을 구성한다. 예를 들어, 첨부된 도 6a의 (a)에 도시된 바와 같이, 제1 사용자(User id: 1)인 아이템들(101, 102, 103)의 평가 정보가 각각 5, 3, 5인 경우, 이를 벡터 처리하여 생성된 벡터 정보는 각각 (101: 5), (102:3), (103:5)임을 알 수 있다. 이와 같은 방법으로 서비스 장치(200)는 제2 사용자(User id: 2) 및 제3 사용자(User id: 3)의 벡터 정보도 생성할 수 있다.

이후, 1104단계에서 서비스 장치(200)는 구성된 사용자별 벡터 테이블 즉, 사용자 아이템 평가 테이블에서 사용자별 벡터 정보를 아이템별로 위치 변환(transpose)을 하여 아이템 사용자 평가 테이블을 구성하고, 각 아이템별 평균 평가값을 계산하여 중간 파일을 생성한다. 예를 들어, 첨부된 도 6b에 도시된 바와 같이, 도 6b의 (a)에서의 사용자별 벡터 정보를 도 6의 (b)와 같이, 서비스 장치(200)는 아이템(Item id)(101, 102, 103, 104)별로 벡터 정보(user id: rating)를, 각각 101은 (1:5), 3:3)으로 설정하고, 102는 (1:3), (2:5)로 설정하고, 103은 (1:5)로 설정하고, 104는 (2:2), (3:4)로 설정한다. 이때, 서비스 장치(200)는 예를 들어, 아이템 101의 평가 값들 더하고(5+3) 이를 벡터 개수(2)로 나눠서 평균 평가 값(4)를 구할 수 있다. 이러한 방식으로 아이템 102, 103, 104도 각각 평균 평가 값(4, 5, 3)을 구할 수 있다.

그런 다음 1105단계에서 서비스 장치(200)는 1104단계에서 생성한 아이템별 평균 평가 값과 사용자별 벡터 정보간에 유사도를 고려하여 사용자별 크레디트를 계산한다. 예를 들어, 첨부된 도 6c에 도시된 바와 같이, 사용자 아이템 평가 테이블 및 아이템별 평균 평가 테이블을 이용하여 유사도를 구하고, 구한 유사도에 따라 첨부된 도 6c의 (c)의 사용자 크레디트 테이블에 도시된 바와 같이, 사용자(1, 2, 3)별 크레디트 정보(userid:credit)를 계산하여 예를 들어, (1:0.08656661), (2:0.4057046), (3:0.40916085)과 같은 크레디트 정보를 구할 수 있다.

이에 따라 1106단계에서 서비스 장치(200)는 사용자별 벡터 정보에 크레디트 정보를 적용하여 첨부된 도 6d에 도시된 바와 같은 사용자 아이템 평가 크레디트 테이블(matrix)를 구성한다. 예를 들어, 서비스 장치(200)는 도 6d에 도시된 바와 같이, 제1 사용자에 대한 사용자별 크레디트 벡터 정보(item id:rating:credit)로서, (101:5:C1), (102:3:C1), (103:5:C1)을 생성할 수 있다.

이후, 1107단계에서 서비스 장치(200)는 사용자 아이템 평가 크레디트 테이블을 위치 변환하여 첨부된 도 6e에 도시된 바와 같은 아이템 사용자 평가 크레디트 테이블을 구성한다. 예를 들어, 첨부된 도 6e에 도시된 바와 같이, 아이템 101은 크레디트 벡터 정보(userid:rate:credit)를 (1:5:C1), (3:3:C3)로 설정하고, 아이템 102는 크레디트 벡터 정보를 (1:3:C1), (2:5:C2)로 설정하고, 아이템 103은 크레디트 벡터 정보를 (1:5:C1)로 설정하고, 아이템 104는 크레디트 벡터 정보를 (2:2:C2), (3:4:C3)로 설정할 수 있다.

이에 따라 1108단계에서 서비스 장치(200)는 첨부된 도 6f에 도시된 바와 같이, 사용자 평가 크레디트 테이블에서 설정된 아이템별 크레디트 벡터 정보를 이용하여 아이템별 평균값을 계산한다. 예를 들어, 아이템 101의 평균값(AVG101)은 (C1*5+C3*3)/(C1+C3)로 계산할 수 있다.

그런 다음 1109단계에서 서비스 장치(200)는 평균값을 반영한 사용자 평가 크레디트 테이블을 이용하여 사용자가 평가하지 않은 아이템에 대한 예측 평가 정보를 생성하고, 생성된 예측 평가 정보를 평가 테이블에 적용하여 상품 추천을 위한 평가 테이블을 재구성하고, 1110단계에서 서비스 장치(200)는 재구성된 평가 테이블에서 상위 순위에 따른 아이템 즉 상품들을 추천하고, 추천된 상품들을 하나 이상의 단말 장치(100)로 제공한다. 여기서, 서비스 장치(200)는 하기 <수학식 4>를 적용하여 아이템별 예측 평가 정보를 계산할 수 있다.

예를 들어, 사용자 id는 1 내지 3으로 가정하고, 상기 <수학식 4>을 적용하여 서비스 장치(200)는 첫 번째 식(term)을 통해 아이템별 평가를 하지 않은 사용자를 확인하고, 두 번째 식(term)을 통해 아이템별 평가를 한 사용자를 확인하여 아이템별 평균값을 반영한 평균 벡터 정보(예를 들어, userid:rate-AVG101)를 생성하고, 생성된 평균 벡터 정보를 사용자별로 그룹핑하여 모으고, 모아진 사용자별 평균 벡터 정보를 합하여 최종적인 예측 평가 정보를 생성할 수 있다.

기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM, Random Access Memory), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.

본 발명은 상품 추천 서비스 시스템, 그 시스템에서의 협업 필터링 기반 상품 추천을 위한 방법 및 장치에 관한 것으로서, 상품 추천 서비스 시스템에서 사용자들의 상품 평가에 따라 서비스 장치에서 크레디트를 기반으로 협업 필터링을 수행하여 사용자별 상품에 대한 예측 평가 정보를 구함으로써, 더 신뢰성 있는 평가를 하는 사용자에게 높은 가중치를 부여할 수 있으므로 이러한 가중치를 부여함에 따라 예상 평가의 정확도를 높일 수 있으며, 사용자마다 다른 평가 기준을 반영할 수 있으므로 상품에 대한 추천의 정확도를 높일 수 있는 효과가 있다.

이와 같은 본 발명은 상품 추천 서비스에 적용되어, 크레디트를 기반으로 협업 필터링을 수행함으로써 상품 추천의 정확도를 높일 수 있는 효과를 발생하는 유용한 발명으로, 이를 통해 서비스 산업의 발전에 이바지할 수 있다.

10: 통신부 100: 단말 장치 110: 제어부
120: 통신부 130: 입력부 140: 저장부
150: 출력부 200: 서비스 장치 210: 제어부
220: 통신부 230: 저장부

Claims (12)

1. 삭제
2. 통신망을 통해 연결된 하나 이상의 단말 장치와 상품 추천 서비스를 위한 통신을 수행하는 통신부; 및
   하나 이상의 단말 장치로부터 상품에 대한 평가 정보 및 상품 관련 정보를 수집하고, 수집된 평가 정보 및 상품 관련 정보를 이용하여 크레디트 기반 협업 필터링을 통해 사용자별 상품 평가에 가중치를 주어 하나 이상의 상품을 추천하는 제어부;를 포함하되,
   상기 제어부는,
   하나 이상의 단말 장치로부터 상품에 대한 평가 정보 및 상품 관련 정보를 수집하여 수집된 평가 정보 및 상품 관련 정보를 이용하여 사용자별 하나 이상의 상품에 대한 평가 정보를 설정한 평가 테이블을 구성하는 평가 정보 수집부;
   상기 평가 정보 수집부에서 구성된 평가 테이블을 이용하여 사용자별 벡터 정보를 생성하고, 상기 생성된 벡터 정보를 설정한 사용자별 벡터 테이블을 구성하며, 상기 구성된 사용자별 벡터 테이블에서 사용자별 벡터 정보를 상품별로 위치 변환을 하여 상품 사용자 평가 테이블을 구성하고, 각 상품별 평균 평가값을 계산하며, 상기 상품별 평균 평가값과 상기 사용자별 벡터 정보 간에 유사도를 고려하여 사용자별 크레디트 정보를 계산하고, 상기 사용자별 벡터 정보에 상기 사용자별 크레디트 정보를 적용하여 사용자 상품 평가 크레디트 테이블을 구성하며, 상기 사용자 상품 평가 크레디트 테이블을 위치 변환하여 상품 사용자 평가 크레디트 테이블을 구성하고, 상기 상품 사용자 평가 크레디트 테이블에서 설정된 상품별 크레디트 벡터 정보를 이용하여 상품별 평균값을 계산하며, 상기 상품별 평균값을 반영한 사용자 평가 크레디트 테이블을 이용하여 사용자가 평가하지 않은 상품에 대한 예측 평가 정보를 생성하는 협업 필터링 수행부; 및
   상기 협업 필터링 수행부에서 생성된 예측 평가 정보를 반영하여 상기 하나 이상의 단말 장치로 추천할 하나 이상의 추천 상품을 구성하여 상기 하나 이상의 단말 장치로 구성된 추천 상품을 제공하는 상품 추천 서비스 제공부;
   를 포함하는 것을 특징으로 하는 상품 추천 서비스 시스템에서의 협업 필터링 기반 상품 추천을 위한 서비스 장치.
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 삭제
10. 삭제
11. 삭제
12. 삭제

Images