KR102087362B1 - 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치 - Google Patents

사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치 Download PDF

Info

Publication number
KR102087362B1
KR102087362B1 KR1020190057998A KR20190057998A KR102087362B1 KR 102087362 B1 KR102087362 B1 KR 102087362B1 KR 1020190057998 A KR1020190057998 A KR 1020190057998A KR 20190057998 A KR20190057998 A KR 20190057998A KR 102087362 B1 KR102087362 B1 KR 102087362B1
Authority
KR
South Korea
Prior art keywords
user
clothing
information
owned
clothes
Prior art date
Application number
KR1020190057998A
Other languages
English (en)
Inventor
권갑진
Original Assignee
케이퍼스트랩 주식회사
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 케이퍼스트랩 주식회사 filed Critical 케이퍼스트랩 주식회사
Priority to KR1020190057998A priority Critical patent/KR102087362B1/ko
Application granted granted Critical
Publication of KR102087362B1 publication Critical patent/KR102087362B1/ko
Priority to PCT/KR2020/005318 priority patent/WO2020235817A1/ko
Priority to US17/528,114 priority patent/US20220076319A1/en

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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (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

서버가 수행하는 사용자 보유 의류에 기초한 패션 코디 추천 방법이 제공된다. 상기 방법은 사용자 단말로부터 사용자의 보유 의류 정보를 획득하는 단계, 상기 사용자의 보유 의류 정보로부터 의류 팩터(factor)를 추출하여, 상기 의류 팩터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 분석하는 단계, 상기 특성 정보를 분석한 결과를 기초로, 사용자간 유사정도를 나타내는 다차원 공간 상에 상기 사용자를 특정하는 단계, 및 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 사용자에게 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계를 포함한다.

Description

사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치{METHOD AND APPARATUS FOR RECOMMENDATION OF FASHION COORDINATION BASED ON PERSONAL CLOTHING}
본 발명은 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치에 관한 것이다.
일반적으로, 각 개인들은 옷, 구두, 가방, 모자, 스카프, 액세서리 등의 다양한 의류 아이템을 보유하고 있다. 그러나, 자신이 보유하고 있는 의류 아이템들을 모두 활용하여 코디를 하는 사람은 많지 않다. 또한 통상적으로 자신이 선호하는 스타일의 옷만 입는 경향이 있으며, 보유하고 있더라도 유행이 지났거나 보유하고 있는지 여부를 파악하지 못해 자신이 보유하고 있는 의류 아이템들을 활용하지 못하는 경우가 있다.
이에, 자신이 보유하고 있는 각종 의류 아이템들을 보다 적극적으로 활용할 수 있는 방안을 제공하는 것이 필요하다. 또한, 자신의 취향이나 선호도 등을 정확하게 반영하여, 자신이 보유한 각종 의류 아이템을 활용하도록 하는 방안이 필요하다. 나아가, 자신과 유사한 취향이나 선호도를 가지는 다른 사용자들의 최신 경향을 반영하여, 자신의 현재 보유 의류 아이템과 어울리는 코디를 할 수 있는 방안을 제공한다. 또한, 쇼핑몰 등과 연계하여 사용자에게 어울리는 의류 아이템을 추천하거나, 구매 의사가 높은 사용자를 해당 쇼핑몰과 연계하여 추천하는 등의 다양한 방안을 제공한다.
본 발명이 해결하고자 하는 과제는 사용자 보유 의류(즉, 사용자의 기보유 패션 물품)에 기초한 패션 코디 추천 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 사용자가 보유하고 있는 의류 정보를 기초로 사용자의 특성(즉, 취향, 선호도 등)을 분석하여 개인 맞춤형 의류 코디를 추천하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 사용자의 특성(즉, 취향, 선호도 등)과 동일하거나 유사한 특성을 갖는 다른 사용자들의 의류 코디 패턴을 분석하여 해당 사용자에게 적합한 의류 코디를 추천하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 사용자들의 의류 정보 데이터 및 소셜데이터를 수집하고 분석하여 개인 맞춤형 패션 코디를 제공하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 사용자가 보유하고 있는 의류(즉, 기보유 패션 물품)의 교체가 필요하거나 유사한 특성을 갖고 있는 다른 사용자들의 의류 코디 패턴을 분석하여 해당 사용자에게 적합한 의류 코디를 추천하는 등의 사용자 패션 코디가 추천되는 경우, 쇼핑몰 등의 판매자의 어울리는 제품을 사용자 보유 의류와 함께 추천하여 광고를 하거나 판매를 촉진하는 방법과 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 패션 및 액세서리 등의 의류 아이템에 국한되지 않고, 일상의 모든 물품에 확장해서 적용될 수 있으며, 예컨대 보유한 요리 재료에 따른 개인 맞춤 요리 레시피 추천 등에 적용될 수 있다. 즉, 본 발명은 아이템을 확장하여 모든 물품의 추천에 범용적으로 적용되도록 하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 서버가 수행하는 사용자 보유 의류에 기초한 패션 코디 추천 방법은, 사용자 단말로부터 사용자의 보유 의류 정보를 획득하는 단계, 상기 사용자의 보유 의류 정보로부터 의류 팩터(factor)를 추출하여, 상기 의류 팩터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 분석하는 단계, 상기 특성 정보를 분석한 결과를 기초로, 사용자간 유사정도를 나타내는 다차원 공간 상에 상기 사용자를 특정하는 단계, 및 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 사용자에게 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계를 포함한다.
본 발명의 일 실시예에 있어서, 상기 특성 정보를 분석하는 단계는, 상기 사용자의 보유 의류 정보로부터 의류의 속성을 나타내는 적어도 하나의 의류 팩터를 추출하는 단계, 및 상기 적어도 하나의 의류 팩터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성 정보를 분석하여, 상기 사용자의 특성값을 산출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 사용자를 특정하는 단계는, 상기 다차원 공간 상에서 상기 사용자의 특성값에 대응하는 좌표정보를 획득하는 단계, 및 상기 획득된 좌표정보에 상기 사용자를 특정하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 다차원 공간 상에서 사용자간 유사정도를 기초로 적어도 하나의 사용자 그룹을 생성하는 단계를 더 포함하되, 상기 적어도 하나의 사용자 그룹을 생성하는 단계는, 적어도 하나의 사용자 단말로부터 획득된 적어도 하나의 사용자에 대한 보유 의류 정보를 기초로, 상기 적어도 하나의 사용자 각각에 대한 특성 정보를 분석하는 단계, 및 상기 적어도 하나의 사용자 각각에 대한 특성 정보를 기초로, 서로 유사한 특성 정보를 나타내는 사용자들을 그룹화하여 상기 적어도 하나의 사용자 그룹을 생성하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계는, 상기 다차원 공간 상에서 상기 적어도 하나의 사용자 그룹 중 상기 사용자와 인접한 공간에 위치한 사용자 그룹을 검출하는 단계, 상기 검출된 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로 선호도가 높은 의류를 획득하는 단계, 및 상기 사용자의 보유 의류 중 상기 획득된 선호도가 높은 의류와 동일하거나 유사한 보유 의류를 추천하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 소셜데이터를 획득하는 단계를 더 포함하며, 상기 특성 정보를 분석하는 단계는, 상기 소셜데이터로부터 상기 사용자와 연계된 소셜데이터를 획득하고, 상기 사용자와 연계된 소셜데이터를 반영하여 상기 사용자의 보유 의류 정보에 대한 특성 정보를 분석할 수 있다.
본 발명의 일 실시예에 있어서, 상기 특성 정보를 분석하는 단계는, 상기 사용자 단말로부터 새로운 보유 의류 정보를 획득할 경우, 상기 새로운 보유 의류 정보를 반영하여, 상기 사용자의 보유 의류 정보에 대한 특성 정보를 갱신하고, 상기 사용자를 특정하는 단계는, 상기 갱신된 특성 정보를 기초로, 상기 다차원 공간 상에 상기 사용자의 위치를 변경할 수 있다.
본 발명의 일 실시예에 있어서, 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계는, 상기 사용자의 보유 의류 이외에 다른 의류 아이템을 더 추천하되, 상기 다른 의류 아이템은, 상기 사용자의 보유 의류 정보에 대한 특성 정보와 유사한 특성을 갖는 온라인 판매 상품을 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계는, 상기 사용자 단말로부터 TPO(Time, Place, Occasion)에 따른 정보를 획득한 경우, 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로 TPO에 따른 선호도가 높은 의류를 획득하는 단계, 및 상기 사용자의 보유 의류 중 상기 획득된 TPO에 따른 선호도가 높은 의류와 동일하거나 유사한 보유 의류를 추천하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 사용자 단말로부터 상기 추천된 사용자의 보유 의류에 대한 평가를 획득하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 특성 정보를 분석하는 단계는, 상기 사용자 단말로부터 일정 주기로 상기 사용자의 보유 의류 정보를 획득하여, 상기 일정 주기마다 상기 획득된 사용자의 보유 의류 정보를 반영하여, 상기 사용자의 보유 의류 정보에 대한 특성 정보를 갱신하고, 상기 사용자를 특정하는 단계는, 상기 일정 주기마다 갱신된 특성 정보를 기초로, 상기 다차원 공간 상에 상기 사용자의 위치를 변경할 수 있다.
본 발명의 일 실시예에 따른 장치는, 하나 이상의 인스트럭션을 저장하는 메모리, 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 사용자 단말로부터 사용자의 보유 의류 정보를 획득하는 단계, 상기 사용자의 보유 의류 정보로부터 의류 팩터(factor)를 추출하여, 상기 의류 팩터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 분석하는 단계, 상기 특성 정보를 분석한 결과를 기초로, 사용자간 유사정도를 나타내는 다차원 공간 상에 상기 사용자를 특정하는 단계, 및 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 사용자에게 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계를 수행한다.
본 발명의 일 실시예에 따른 컴퓨터프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 사용자 보유 의류에 기초한 패션 코디 추천 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.
본 발명에 따르면, 사용자가 보유하고 있는 의류들에 기초하여 사용자의 특성(즉, 취향, 선호도 등)을 정확하게 분석함으로써, 사용자의 현재 보유 의류와 어울리는 코디를 추천할 수 있는 효과가 있다.
본 발명에 따르면, 사용자의 보유 의류 정보뿐만 아니라 최신 트렌드를 반영한 소셜데이터를 마이닝하여 사용자의 특성(즉, 취향, 선호도 등)을 분석함으로써, 보다 최신 트렌드에 맞는 패션 코디를 추천할 수 있는 효과가 있다.
본 발명에 따르면, 다수 사용자들의 보유 의류 정보를 수집하고 분석하여 각 사용자별 특성(즉, 취향, 선호도 등)을 판별하고, 이를 통해 서로 동일하거나 유사한 특성을 가진 사용자들을 그룹화함으로써, 각 그룹 내 사용자들의 선호 코디 패턴을 파악할 수 있다. 또한, 각 그룹 내 사용자들의 경우 동일하거나 유사한 특성을 가지므로, 동일한 그룹 또는 인접 그룹 내 사용자들의 선호 코디를 이용하여 각 개인에게 어울리는 코디를 추천할 수 있다. 이 경우 서로 유사한 특성을 가진 사용자들의 선호도를 고려함으로써 보다 만족도가 높은 코디 서비스를 제공하는 효과가 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 시스템을 개략적으로 도시한 도면이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 방법을 개략적으로 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 사용자간 유사정도를 나타내는 다차원 공간과 그 공간 내에서 사용자들의 유사정도에 따라 그룹화하여 사용자 그룹을 생성하는 과정의 예시를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 방법을 수행하는 장치(500)의 구성을 개략적으로 나타내는 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 시스템을 개략적으로 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 시스템(10)(이하, 패션 코디 추천 시스템이라 함)은 서버(100) 및 사용자 단말(200)을 포함할 수 있다.
서버(100)는 본 발명의 실시예에 따른 사용자 보유 의류(즉, 사용자의 기보유 의류 물품)에 기초한 패션 코디 추천 방법을 제공하기 위한 컴퓨팅 장치로서, 사용자 단말(200)을 통해 사용자들에게 자신이 보유한 의류를 기초로 개인 맞춤 패션 코디 서비스를 제공하기 위한 다양한 기능을 수행할 수 있다. 설명의 편의상 도 1에서는 하나의 서버(100)를 이용하는 것으로 도시하였으나, 본 발명의 실시예에 따른 패션 코디 추천 시스템(10)은 하나 이상의 서버를 포함하여 구성될 수 있다. 또한, 서버(100)는 클라우드 서버로 구성될 수도 있다.
사용자 단말(200)은 서버(100)를 통해서 제공되는 사용자 보유 의류에 기초한 패션 코디 추천 서비스를 이용하는 사용자(즉, 클라이언트)의 단말 장치로서, 예컨대 스마트 폰, 태블릿 PC, 데스크 탑, 노트북, 스마트 TV 등과 같은 각종 컴퓨팅 장치일 수 있다.
사용자 단말(200)은 사용자 보유 의류에 기초한 패션 코디 추천 서비스를 제공하는 애플리케이션을 포함할 수 있다. 따라서, 사용자는 사용자 단말(200)의 애플리케이션을 통해 사용자 보유 의류에 기초한 패션 코디 추천 서비스를 제공받을 수 있다.
이하에서는 패션 코디 추천 시스템(10)에 포함된 서버(100) 및 사용자 단말(200)을 이용하여, 사용자 보유 의류에 기초한 패션 코디 추천 방법을 제공하는 구체적인 과정에 관해 설명하도록 한다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 방법을 개략적으로 도시한 흐름도이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시예에 따른 서버가 수행하는 사용자 보유 의류에 기초한 패션 코디 추천 방법은, 사용자 단말로부터 사용자의 보유 의류 정보를 획득하는 단계(S100), 상기 사용자의 보유 의류 정보로부터 의류 팩터(factor)를 추출하여, 상기 의류 팩터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 분석하는 단계(S200), 상기 특성 정보를 분석한 결과를 기초로, 사용자간 유사정도를 나타내는 다차원 공간 상에 상기 사용자를 특정하는 단계(S300), 및 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 사용자에게 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계(S400)를 포함할 수 있다. 이하, 각 단계에 대한 상세한 설명을 기재한다.
서버(100)는 사용자 단말(200)로부터 사용자의 보유 의류 정보를 획득할 수 있다(S100).
여기서, 사용자의 보유 의류 정보라 함은, 사용자의 기보유 의류 물품으로서, 사용자가 보유하고 있는 자신의 의류 및 의류와 관련된 다양한 의류 아이템을 모두 포괄하는 의미로 사용한다. 예를 들어, 사용자의 보유 의류 정보에는 상의, 하의, 겉옷, 속옷 등의 옷과, 그 외의 신발, 가방, 모자, 액세서리 등을 포함할 수 있다.
일 실시예로, 사용자 단말(200)은 사용자로부터 사용자 자신이 보유하고 있는 옷, 신발, 가방, 모자, 액세서리 등의 보유 의류 정보를 직접 입력 받을 수 있다. 예를 들어, 사용자의 보유 의류에 대한 정보로서, 옷의 종류, 색상, 소재, 직물 패턴, 가격, 크기 등을 사용자가 사용자 단말(200)을 통해 직접 입력할 수 있다. 이 경우, 서버(100)는 사용자로부터 직접 입력된 보유 의류 정보를 사용자 단말(200)을 통해 획득할 수 있다.
다른 실시예로, 사용자 단말(200)은 사용자로부터 사용자의 보유 의류 정보를 이미지(사진, 영상 등)로 입력받을 수 있다. 예를 들어, 사용자는 옷, 신발, 가방 등을 카메라를 통해 촬영한 사진이나 영상을 사용자 단말(200)에 입력할 수 있다. 이 경우, 서버(100)는 사용자 단말(200)로부터 사용자의 보유 의류 정보를 포함하고 있는 이미지를 획득하고, 획득된 이미지로부터 의류에 대한 정보(예컨대, 옷의 종류, 색상, 소재, 직물 패턴, 크기 등)를 인식하여 해당 사용자의 보유 의류 정보를 획득할 수 있다. 예를 들어, 서버(100)는 딥러닝(예컨대, CNN; convolution neural network) 기반의 객체 검출(Object Detection) 알고리즘을 사용하여, 사용자 단말(200)로부터 획득된 이미지에서 옷의 종류, 색상, 소재, 직물 패턴, 크기 등의 정보를 인식하고, 인식된 정보를 해당 사용자의 보유 의류 정보로서 획득할 수 있다.
또 다른 실시예로, 사용자 단말(200)은 의류에 제공된 의류 상품 코드 정보(예컨대, 바코드, QR 코드 등)를 인식하고, 인식된 의류 상품 코드 정보로부터 제조사, 상품 정보(옷의 종류, 색상, 소재, 직물 패턴, 가격, 크기 등)를 획득할 수 있다. 또는, 사용자 단말(200)은 의류에 제공된 의류 상품 코드 정보를 인식하고, 인식된 의류 상품 코드 정보를 서버(100)로 전송할 수 있다.
이때, 서버(100)는 의류 상품 정보를 저장하고 관리하는 데이터베이스를 구축하여 둘 수 있다. 이 경우, 서버(100)는 사용자 단말(200)로부터 의류 상품 코드 정보를 획득하면, 구축되어 있는 데이터베이스로부터 의류 상품 코드 정보에 대응하는 제조사 및 상품 정보(옷의 종류, 색상, 소재, 직물 패턴, 가격, 크기 등)를 조회함으로써, 사용자의 보유 의류 정보를 획득할 수 있다. 또한, 서버(100)는 데이터베이스를 구축함에 있어서, 의류 제조사나 판매사로부터 의류 상품 정보를 획득하여 이를 데이터베이스화할 수 있다.
또 다른 실시예로, 사용자가 의류나 의류 관련 아이템을 온라인 쇼핑몰과 같은 의류 판매사에서 구매한 경우, 사용자 단말(200)은 사용자가 구매한 의류나 의류 관련 아이템에 관한 정보를 해당 의류 판매사로부터 획득하고, 이를 서버(100)로 전송할 수 있다. 예를 들어, 사용자 단말(200)은 사용자가 구매한 의류나 의류 관련 아이템에 관한 이미지 정보를 해당 의류 판매사로부터 획득하여, 이를 서버(100)로 전송할 수 있다. 또는, 사용자 단말(200)은 사용자가 구매한 의류나 의류 관련 아이템에 관한 식별정보(예컨대, 해당 의류 판매사의 식별정보 및 의류 상품에 대한 식별 정보 등)를 획득하고, 이 식별정보를 서버(100)로 전송할 수 있다. 이때 서버(100)는 식별정보를 기초로 해당 의류 판매사로부터 해당 의류나 의류 관련 아이템 정보를 획득할 수도 있다.
상술한 바와 같이, 서버(100)는 다양한 방식으로 사용자 단말(200)을 통해서 사용자가 보유하고 있는 보유 의류 정보를 획득할 수 있다. 이와 같이 각 사용자로부터 획득된 보유 의류 정보는 빅데이터로서 사용될 수 있다.
일 실시예로, 서버(100)는 각 사용자로부터 사용자의 보유 의류 정보를 수집하고 이를 용도에 따라 분석하고 가공하여 사용하기 위해서, 빅데이터 파이프라인을 구축할 수도 있다. 또한, 서버(100)는 각 사용자로부터 수집된 사용자의 보유 의류 정보를 용도에 따라 분석하고 활용하기 위해서, 인공지능 기술, 예컨대 머신러닝, 딥러닝 등을 이용할 수 있다. 이때, 서버(100)는 각 사용자로부터 수집된 사용자의 보유 의류 정보를 학습데이터로 사용하여 학습을 수행하고 학습모델을 구축할 수도 있다. 이와 같이 사용자의 보유 의류 정보를 빅데이터로서 활용하거나 학습데이터로서 활용함에 있어서, 본 발명의 일 실시예에 따른 패션 코디 추천 시스템(10)은 서버(100) 이외에 별도의 서버를 구성하여 이용할 수도 있다.
서버(100)는 단계 S100에서 획득된 사용자의 보유 의류 정보로부터 의류 팩터(factor)를 추출하고, 추출된 의류 팩터를 기반으로 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 분석할 수 있다(S200).
여기서, 의류 팩터라 함은, 의류 또는 의류와 관련된 의류 아이템의 속성을 나타내는 정보를 의미할 수 있다. 예컨대 옷의 종류, 색상, 소재, 직물 패턴, 가격, 크기, 브랜드명 등을 의류 팩터로 이용할 수 있다.
일 실시예로, 서버(100)는 사용자의 보유 의류 정보로부터 의류 속성을 나타내는 적어도 하나의 의류 팩터를 추출할 수 있다. 그리고, 서버(100)는 추출된 적어도 하나의 의류 팩터를 기반으로 사용자의 보유 의류 정보에 대한 특성 정보를 분석하고, 사용자의 특성값을 산출할 수 있다.
예를 들어, 서버(100)가 사용자가 보유한 제1 보유 의류로부터 옷의 종류, 색상, 소재를 의류 팩터로 추출하고, 사용자가 보유한 제2 보유 의류로부터 옷의 종류, 색상, 가격, 브랜드명을 의류 팩터로 추출한 경우, 제1 보유 의류에 대한 3개의 의류 팩터와 제2 보유 의류에 대한 4개의 의류 팩터를 기초로 사용자가 보유하고 있는 보유 의류들에 대한 특성 정보를 분석하여 이에 대한 특성값을 산출할 수 있다.
여기서, 특성 정보는 각 사용자가 보유하고 있는 전체 보유 의류들을 분석함으로써 파악할 수 있는 정보로서, 의류에 대한 취향 정보, 의류에 대한 선호 스타일, 어떤 종류의 의류나 의류 아이템을 좋아하는지 등을 나타내는 선호도 정보 등을 대표할 수 있는 정보일 수 있다.
또한, 특성값은 사용자의 보유 의류에 대한 특성 정보를 대표하는 하나의 값으로 표현될 수도 있고, 하나의 값이 아닌 벡터나 매트릭스 형태의 다차원 값으로 표현될 수도 있다. 만일, 특성값이 의류 팩터에 기초하여 다차원 값으로 표현되는 경우, 각 사용자들에 대한 다차원의 특성값이 모여, 높은 차수의 다차원 공간에 배치될 수 있다. 다차원 공간에 대해서는 후술하도록 한다.
즉, 서버(100)는 각 사용자로부터 사용자의 보유 의류 정보를 획득하여 특성 정보를 분석함으로써, 각 사용자의 취향 및 선호 스타일 등을 파악할 수 있다.
본 발명에서는 실시예에 따라 사용자의 보유 의류 정보에 대한 특성 정보를 분석함에 있어서, 서버(100)가 소셜데이터를 이용할 수 있다.
도 3에 도시된 것처럼, 서버(100)는 소셜데이터를 획득할 수 있다(S110).
이때, 소셜데이터는 소셜미디어(예컨대, 소셜네트워크서비스(SNS), 블로그, 트위터 등)로부터 획득될 수 있는 다양한 정보를 포함할 수 있다.
예컨대, 사용자가 소셜미디어를 통해 게시한 게시물, 타인의 게시물에 대한 댓글, 반응정보(예컨대, 좋아요 클릭 정보 등) 등을 소셜데이터로 획득할 수 있다. 또한, 사용자와 연관 있는 다른 사용자들(예컨대, 사용자의 지인들)이 소셜미디어를 통해 게시한 게시물, 타인의 게시물에 대한 댓글, 반응정보(예컨대, 좋아요 클릭 정보 등) 등을 소셜데이터로 획득할 수 있다. 또한, 소셜미디어를 통해 게시되는 의류 및 의류 아이템과 관련된 다양한 정보를 소셜데이터로 획득할 수 있다. 또한, 의류와 직접적인 관련성은 없으나, 간접적으로 영향을 미칠 수 있는 날씨 정보 등을 소셜데이터로 획득할 수도 있다.
일 실시예로, 서버(100)는 사용자와 연계된 소셜데이터를 획득하고, 획득된 사용자와 연계된 소셜데이터를 반영하여 사용자의 보유 의류 정보에 대한 특성 정보를 분석할 수 있다.
즉, 서버(100)는 단계 S100에서 획득된 사용자의 보유 의류 정보와 함께 단계 S110에서 획득된 소셜데이터를 데이터 마이닝(data mining)하여, 사용자의 보유 의류 정보에 대한 특성 정보를 분석할 수 있다.
이와 같이 사용자 자신이 보유한 의류 정보뿐만 아니라 사용자와 연계된 소셜데이터를 이용함으로써, 사용자의 취향을 보다 정밀하게 분석할 수 있다. 또한, 다양한 소셜데이터를 마이닝함으로써 최신 트렌드를 반영한 사용자의 취향을 고려할 수 있다.
서버(100)는 단계 S200에서 분석된 사용자의 특성 정보를 기초로, 사용자간 유사정도를 나타내는 다차원 공간 상에 사용자를 특정할 수 있다(S300).
여기서, 다차원 공간은, 사용자간 유사정도를 나타내기 위한 공간으로서, 각 사용자의 특성 정보를 바탕으로 서로 유사한 특성 정보를 가지고 있는 사용자들을 동일하거나 유사한 공간에 맵핑하여 나타낼 수 있는 다차원 좌표 공간을 의미할 수 있다.
일 실시예로, 서버(100)는 다차원 공간 상에서 사용자의 특성 정보(즉, 특성값)에 대응하는 좌표정보를 획득할 수 있고, 획득된 좌표정보에 사용자를 맵핑할 수 있다.
도 4는 본 발명의 일 실시예에 따른 사용자간 유사정도를 나타내는 다차원 공간과 그 공간 내에서 사용자들의 유사정도에 따라 그룹화하여 사용자 그룹을 생성하는 과정의 예시를 도시한 도면이다.
도 4를 참조하면, 서버(100)는 각 사용자의 보유 의류 정보를 기초로 분석된 특성 정보를 이용하여, 각 사용자를 다차원 공간(300, 400) 상의 특정한 위치로 각각 맵핑할 수 있다. 도 4의 다차원 공간(300, 400) 상에 도시된 각 점이 다차원 공간(300, 400) 상의 특정한 위치로 맵핑된 각 사용자를 나타내는 것이다.
이때, 서버(100)는 다차원 공간(300, 400) 상의 특정한 위치로 맵핑된 각 사용자 간의 유사정도(즉, 취향, 선호 스타일 등의 특성 정보)를 기초로 적어도 하나의 사용자 그룹(310, 410)을 생성할 수 있다.
일 실시예로, 서버(100)는 적어도 하나의 사용자 단말(200)로부터 획득된 적어도 하나의 사용자에 대한 보유 의류 정보를 기초로, 적어도 하나의 사용자 각각에 대한 특성 정보를 분석할 수 있다. 서버(100)는 적어도 하나의 사용자 각각에 대한 특성 정보에 대응하는 다차원 공간(300, 400) 상에서의 좌표정보를 각각 산출하고, 각각 산출된 좌표정보에 각 사용자를 맵핑할 수 있다. 서버(100)는 다차원 공간(300, 400) 상에 맵핑된 적어도 하나의 사용자 각각의 특성 정보를 기초로, 서로 유사한 특성 정보를 나타내는 사용자들을 그룹화하여 적어도 하나의 사용자 그룹(310, 410)을 생성할 수 있다.
즉, 동일한 사용자 그룹(310, 410) 내에 있는 사용자들은 서로 동일하거나 유사한 특성 정보(예컨대, 취향, 선호 스타일 등)을 가지는 것으로 이해될 수 있다. 예컨대, 동일한 사용자 그룹(310, 410) 내에 있는 사용자들은 서로 동일하거나 유사한 의류나 의류 아이템을 보유하고 있을 수 있다.
다차원 공간 상에서 사용자 그룹을 생성함에 있어서, 서버(100)는 클러스터링(clustering), 협업 필터링(collaborative filtering) 등의 인공지능(즉, 비지도 기반의 학습 머신러닝, 딥러닝 등) 기술을 적용하여 서로 유사한 특성을 가지는 사용자들을 그룹핑할 수 있다.
또한, 다차원 공간 상에서 사용자 그룹을 생성함에 있어서, 서버(100)는 매개변수 모델 기반(Parametric Model-based) 형태로 다차원 공간(300) 상에 사용자들을 맵핑시킬 수도 있고, 그래프 기반(Graph-based) 형태로 다차원 공간(400) 상에 사용자들을 맵핑시킬 수도 있다.
상기 매개변수 모델 기반 형태나 그래프 기반 형태는 하나의 예로서 언급된 것일 뿐이며, 본 발명의 실시예에서는 상기 예시된 형태에 국한되지 않으며 다양한 형태로 맵핑되거나 구성될 수 있다.
도 4에 도시된 바와 같이, 서버(100)는 다수의 사용자들을 대상으로 서로 동일하거나 유사한 특성 정보를 갖는 사용자들을 그룹화하여 분류한 다차원 공간을 미리 구축하여 둘 수 있다. 이후, 서버(100)는 새로운 사용자로부터 보유 의류 정보를 획득하거나, 기존 사용자로부터 새로운 보유 의류 정보를 획득하면, 이에 대한 특성 정보를 분석하여 미리 구축된 다차원 공간 상의 특정한 위치로 해당 사용자를 맵핑시킨 다음, 맵핑된 위치를 기초로 해당 사용자를 다차원 공간 내 동일하거나 유사한 특성 정보를 가지는 사용자 그룹으로 그룹화할 수 있다.
일 실시예로, 서버(100)는 기존 사용자의 사용자 단말(200)로부터 새로운 보유 의류 정보를 획득한 경우, 기존 보유 의류 정보와 함께 새로운 보유 의류 정보를 반영하여 해당 사용자의 보유 의류 정보에 대한 특성 정보를 갱신할 수 있다. 이 경우, 서버(100)는 갱신된 특성 정보를 기초로, 다차원 공간 상에서 갱신된 특성 정보에 대응하는 좌표정보를 산출하고, 산출된 좌표정보로 해당 사용자의 위치를 변경할 수 있다. 이때, 다차원 공간 상에서 사용자의 위치가 변경됨에 따라 기존의 사용자 그룹이 아닌 다른 사용자 그룹으로 그룹화될 수도 있다. 이와 같은 경우, 사용자의 특성(즉, 취향이나 선호 스타일 등)이 변경된 것임을 유추할 수 있다.
또한, 서버(100)는 일정 주기(예컨대, 매일, 매주, 매월 등)마다 사용자들의 사용자 단말(200)로부터 보유 의류 정보를 획득하고, 이를 기반으로 일정 주기마다 획득된 사용자의 보유 의류 정보를 반영하여, 사용자의 보유 의류 정보에 대한 특성 정보를 갱신할 수 있다. 그리고, 서버(100)는 일정 주기마다 갱신된 특성 정보를 기초로, 다차원 공간 상에 사용자의 위치를 변경하여, 주기적으로 패션 취향 변화를 반영할 수 있다.
즉, 서버(100)는 본 발명의 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 방법(즉, 단계 S100~S400)을 주기적으로 수행하여, 사용자의 변화된 취향을 지속적으로 반영할 수 있다. 이를 통해 지속적으로 사용자들과 사용자 그룹의 변화를 반영하게 됨으로써, 지속적으로 사용자들 및 사용자 그룹의 취향 변화를 파악할 수 있다. 또한, 일정 주기마다 사용자들 및 사용자 그룹의 취향 변화를 알 수 있으므로, 최신의 패션 코디를 추천할 수 있다.
다시 도 2 및 도 3을 참조하면, 서버(100)는 다차원 공간 상에서 사용자와 인접한 공간에 위치한 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로, 사용자가 보유하고 있는 의류들 중에서 적어도 하나를 사용자에게 추천할 수 있다(S400).
일 실시예로, 서버(100)는 다차원 공간 상에서 생성된 적어도 하나의 사용자 그룹 중 사용자와 인접한 공간에 위치한 사용자 그룹을 검출하고, 검출된 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로 선호도가 높은 의류를 획득할 수 있다. 그리고, 서버(100)는 상기 획득된 선호도가 높은 의류와 동일하거나 유사한 의류를 사용자의 보유 의류 중에서 선별하여 추천할 수 있다.
이때, 검출된 사용자 그룹은 사용자와 동일한 사용자 그룹일 수도 있고, 또는 사용자의 그룹과 인접하고 있는 인접 사용자 그룹일 수도 있다.
다차원 공간 상에서 생성된 각 사용자 그룹은 서로 동일하거나 유사한 특성 정보를 가진 사용자들로 이루어진 그룹이다. 따라서, 동일한 사용자 그룹 또는 서로 인접하고 있는 사용자 그룹들 내의 사용자들은 동일하거나 유사한 의류나 의류 아이템을 보유하고 있을 확률이 높다. 따라서, 서버(100)는 다차원 공간 상에서 해당 사용자와 인접한 거리에 있는 다른 사용자들이 보유하고 있는 의류를 이용하면, 해당 사용자가 현재 보유하고 있는 의류와 어울리는 코디를 추천할 확률이 높아질 수 있다.
실시예에 따라, 서버(100)는 사용자가 보유하고 있는 보유 의류 이외에 다른 의류나 다른 의류 아이템을 더 추천할 수도 있다. 이때, 다른 의류나 다른 의류 아이템은 사용자의 보유 의류 정보에 대한 특성 정보와 유사한 특성을 갖는 온라인 판매 상품일 수 있다.
일 실시예로, 패션 코디 추천 시스템(10)은 온라인 쇼핑몰과 같은 의류 판매사들과 연계되어 구성될 수 있다. 이 경우, 도 3에 도시된 것처럼, 서버(100)는 사용자의 특성 정보를 바탕으로 동일하거나 유사한 특성을 가진 온라인 쇼핑몰 상품 정보를 획득하고, 획득된 온라인 쇼핑몰 상품 정보로부터 사용자의 보유 의류와 어울리는 의류 상품을 선별하여 사용자에게 추천할 수 있다(S410).
또는, 서버(100)는 연계되어 있는 온라인 쇼핑몰에서 구매할 확률이 높을 것으로 예측되는 사용자를 연결시켜 줄 수도 있다(S410). 예를 들어, 사용자에게 온라인 판매 상품을 추천해 줄 경우, 서버(100)는 연계되어 있는 온라인 쇼핑몰들 중에서 사용자의 특성 정보와 동일하거나 유사한 특성을 갖는 상품을 많이 판매하고 있는 온라인 쇼핑몰을 선택하여, 선택된 온라인 쇼핑몰 내 의류 상품을 사용자에게 추천하여 줌으로써, 해당 온라인 쇼핑몰로 유도하는 효과를 얻을 수도 있다.
실시예에 따라, 서버(100)는 TPO(Time, Place, Occasion)에 따른 패션 코디 서비스를 제공할 수 있다.
일 실시예로, 서버(100)는 TPO에 따른 사용자들의 선호도가 높은 코디 패턴을 인공지능(즉, 머신러닝, 딥러닝 등) 기술을 이용하여 학습을 수행하고, 학습의 결과로 학습 모델을 구축할 수 있다. 이때, 서버(100)는 다차원 공간 상에 생성된 각 사용자 그룹별로 TPO에 따른 선호도가 높은 코디 패턴을 학습하고, 그 결과로 각 사용자 그룹별 TPO에 따른 선호도가 높은 코디 패턴을 추천할 수 있다.
사용자 단말(200)은 사용자로부터 TPO에 따른 정보를 입력 받을 수 있고, 이를 서버(100)로 전송할 수 있다. 서버(100)는 각 사용자 그룹별 TPO에 따른 선호도가 높은 코디 패턴을 학습한 것을 기초로, 다차원 공간 상에서 사용자와 동일한 그룹 또는 인접한 사용자 그룹 내 사용자들로부터, 상기 사용자 단말(200)로부터 획득된 TPO일 때에 선호도가 높은 의류 정보를 획득할 수 있다. 그리고, 서버(100)는 상기 획득된 TPO일 때에 선호도가 높은 의류와 동일하거나 유사한 의류를 사용자의 보유 의류 중에서 선별하여 추천할 수 있다.
다차원 공간 상에서 생성된 각 사용자 그룹은 서로 동일하거나 유사한 특성 정보를 가진 사용자들로 이루어진 그룹이다. 따라서, 동일한 사용자 그룹 또는 서로 인접하고 있는 사용자 그룹들 내의 사용자들 간에는 취향이나 선호 스타일 등이 유사할 확률이 높기 때문에, TPO에 따라서도 선호하는 의류 코디가 유사할 확률이 높을 수 있다. 즉, 서버(100)는 다차원 공간 상에서 해당 사용자와 인접한 거리에 있는 다른 사용자들이 선호하는 TPO별 의류 코디를 이용하면, 해당 사용자의 추천 코디의 만족도를 향상시킬 수 있다.
실시예에 따라, 서버(100)는 사용자 단말(200)로부터 추천된 사용자의 보유 의류에 대한 평가를 획득할 수 있다.
일 실시예로, 사용자는 사용자 단말(200)을 통해 서버(100)로부터 사용자가 보유한 의류들 중에서 적어도 하나의 의류를 추천받을 수 있다. 이 경우, 사용자는 추천된 의류들 중에서 실제로 코디를 한 의류를 선택하고 사용자 단말(200)은 선택된 의류 정보를 서버(100)로 제공할 수 있다.
또는, 사용자는 추천된 의류들에 대한 선호도나 만족도 등을 평가하고, 사용자 단말(200)은 그 평가 결과를 서버(100)로 제공할 수 있다.
또는, 사용자는 사용자 단말(200)을 통해 추천된 의류들에 대한 정보를 저장하거나, 다른 사용자들과 공유할 수도 있다.
도 5는 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 방법을 수행하는 장치(500)의 구성을 개략적으로 나타내는 도면이다.
도 5를 참조하면, 프로세서(510)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(510)는 메모리(520)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 1 내지 도 4와 관련하여 설명된 사용자 보유 의류에 기초한 패션 코디 추천 방법을 수행한다.
일례로, 프로세서(510)는 메모리(520)에 저장된 하나 이상의 인스트럭션을 실행함으로써 사용자 단말로부터 사용자의 보유 의류 정보를 획득하는 단계, 상기 사용자의 보유 의류 정보로부터 의류 팩터(factor)를 추출하여, 상기 의류 팩터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 분석하는 단계, 상기 특성 정보를 분석한 결과를 기초로, 사용자간 유사정도를 나타내는 다차원 공간 상에 상기 사용자를 특정하는 단계, 및 상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 사용자에게 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계를 수행할 수 있다.
한편, 프로세서(510)는 프로세서(510) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(510)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(520)에는 프로세서(510)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(520)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 사용자 보유 의류에 기초한 패션 코디 추천 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, Python, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (13)

  1. 서버가 수행하는 사용자 보유 의류에 기초한 패션 코디 추천 방법에 있어서,
    사용자 단말로부터 사용자의 복수의 보유 의류 정보를 획득하는 단계;
    상기 사용자의 복수의 보유 의류 정보 각각으로부터 의류의 속성을 나타내는 적어도 하나의 의류 팩터(factor)를 추출하는 단계;
    소셜미디어를 통해 상기 사용자와 연계된 소셜데이터를 획득하는 단계;
    복수의 보유 의류 정보 각각으로부터 추출된 상기 적어도 하나의 의류 팩터 및 상기 사용자와 연계된 소셜 데이터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 획득하는 단계;
    상기 사용자의 보유 의류 정보에 대한 상기 특성 정보를 분석하여 특성값을 산출하는 단계;
    상기 특성값을 기반으로 다차원 공간 상에 상기 사용자를 특정하는 단계; 및
    상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 사용자에게 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계를 포함하되,
    상기 특성 정보는 상기 의류 팩터를 기반으로 획득되는 사용자의 의류에 대한 선호도 정보이고,
    상기 사용자의 보유 의류 정보에 대한 특성 정보를 획득하는 단계는, 인공지능 알고리즘을 기반으로 상기 적어도 하나의 의류 팩터 및 상기 사용자와 연계된 소셜 데이터를 분석하여 사용자의 보유 의류 정보에 대한 특성 정보를 획득하는 것이고,
    상기 특성값을 기반으로 상기 다차원 공간 상에 특정된 위치에 따라 사용자간 유사정도를 파악할 수 있는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 사용자를 특정하는 단계는,
    상기 다차원 공간 상에서 상기 사용자의 특성값에 대응하는 좌표정보를 획득하는 단계; 및
    상기 획득된 좌표정보에 상기 사용자를 특정하는 단계를 포함하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  4. 제1항에 있어서,
    상기 다차원 공간 상에서 사용자간 유사정도를 기초로 적어도 하나의 사용자 그룹을 생성하는 단계를 더 포함하되,
    상기 적어도 하나의 사용자 그룹을 생성하는 단계는,
    적어도 하나의 사용자 단말로부터 획득된 적어도 하나의 사용자에 대한 보유 의류 정보를 기초로, 상기 적어도 하나의 사용자 각각에 대한 특성 정보를 획득하는 단계; 및
    상기 적어도 하나의 사용자 각각에 대한 특성 정보를 분석하여 산출된 사용자 각각의 특성값을 기반으로, 서로 유사한 특성 정보를 나타내는 사용자들을 그룹화하여 상기 적어도 하나의 사용자 그룹을 생성하는 단계를 포함하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  5. 제4항에 있어서,
    상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계는,
    상기 다차원 공간 상에서 상기 적어도 하나의 사용자 그룹 중 상기 사용자와 인접한 공간에 위치한 사용자 그룹을 검출하는 단계;
    상기 검출된 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로 선호도가 높은 의류를 획득하는 단계; 및
    상기 사용자의 보유 의류 중 상기 획득된 선호도가 높은 의류와 동일하거나 유사한 보유 의류를 추천하는 단계를 포함하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 특성 정보를 획득하는 단계는,
    상기 사용자 단말로부터 새로운 보유 의류 정보를 획득할 경우, 상기 새로운 보유 의류 정보를 반영하여, 상기 사용자의 보유 의류 정보에 대한 특성 정보를 갱신하고,
    상기 사용자를 특정하는 단계는,
    상기 갱신된 특성 정보를 기초로, 상기 다차원 공간 상에 상기 사용자의 위치를 변경하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  8. 제1항에 있어서,
    상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계는,
    상기 사용자의 보유 의류 이외에 다른 의류 아이템을 더 추천하되,
    상기 다른 의류 아이템은, 상기 사용자의 보유 의류 정보에 대한 특성 정보와 유사한 특성을 갖는 온라인 판매 상품을 포함하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  9. 제1항에 있어서,
    상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계는,
    상기 사용자 단말로부터 TPO(Time, Place, Occasion)에 따른 정보를 획득한 경우,
    상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 사용자들의 보유 의류 정보를 기초로 TPO에 따른 선호도가 높은 의류를 획득하는 단계; 및
    상기 사용자의 보유 의류 중 상기 획득된 TPO에 따른 선호도가 높은 의류와 동일하거나 유사한 보유 의류를 추천하는 단계를 포함하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  10. 제1항에 있어서,
    상기 사용자 단말로부터 상기 추천된 사용자의 보유 의류에 대한 평가를 획득하는 단계를 더 포함하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  11. 제1항에 있어서,
    상기 특성 정보를 획득하는 단계는,
    상기 사용자 단말로부터 일정 주기로 상기 사용자의 보유 의류 정보를 획득하여, 상기 일정 주기마다 상기 획득된 사용자의 보유 의류 정보를 반영하여, 상기 사용자의 보유 의류 정보에 대한 특성 정보를 갱신하고,
    상기 사용자를 특정하는 단계는,
    상기 일정 주기마다 갱신된 특성 정보를 기초로, 상기 다차원 공간 상에 상기 사용자의 위치를 변경하는, 사용자 보유 의류에 기초한 패션 코디 추천 방법.
  12. 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하며,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    사용자 단말로부터 사용자의 복수의 보유 의류 정보를 획득하는 단계;
    상기 사용자의 복수의 보유 의류 정보 각각으로부터 의류의 속성을 나타내는 적어도 하나의 의류 팩터(factor)를 추출하는 단계;
    소셜미디어를 통해 상기 사용자와 연계된 소셜데이터를 획득하는 단계;
    복수의 보유 의류 정보 각각으로부터 추출된 상기 적어도 하나의 의류 팩터 및 상기 사용자와 연계된 소셜 데이터를 기반으로 상기 사용자의 보유 의류 정보에 대한 특성(feature) 정보를 획득하는 단계;
    상기 사용자의 보유 의류에 대한 상기 특성 정보를 분석하여 특성값을 산출하는 단계;
    상기 특성값을 기반으로 다차원 공간 상에 상기 사용자를 특정하는 단계; 및
    상기 다차원 공간 상에서 상기 사용자와 인접한 공간에 위치한 사용자 그룹 내 보유 의류 정보를 기초로, 상기 사용자에게 상기 사용자의 보유 의류 중 적어도 하나를 추천하는 단계를 포함하되,
    상기 특성 정보는 상기 의류 팩터를 기반으로 획득되는 사용자의 의류에 대한 선호도 정보이고,
    상기 사용자의 보유 의류 정보에 대한 특성 정보를 획득하는 단계는, 인공지능 알고리즘을 기반으로 상기 적어도 하나의 의류 팩터 및 상기 사용자와 연계된 소셜 데이터를 분석하여 사용자의 보유 의류 정보에 대한 특성 정보를 획득하는 것이고,
    상기 특성값을 기반으로 상기 다차원 공간 상에 특정된 위치에 따라 사용자간 유사정도를 파악할 수 있는, 장치.
  13. 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
KR1020190057998A 2019-05-17 2019-05-17 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치 KR102087362B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020190057998A KR102087362B1 (ko) 2019-05-17 2019-05-17 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
PCT/KR2020/005318 WO2020235817A1 (ko) 2019-05-17 2020-04-22 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
US17/528,114 US20220076319A1 (en) 2019-05-17 2021-11-16 Method and device for recommending fashion coordination based on clothes owned by user

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190057998A KR102087362B1 (ko) 2019-05-17 2019-05-17 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020200027242A Division KR102113739B1 (ko) 2020-03-04 2020-03-04 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102087362B1 true KR102087362B1 (ko) 2020-03-10

Family

ID=69800639

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190057998A KR102087362B1 (ko) 2019-05-17 2019-05-17 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치

Country Status (3)

Country Link
US (1) US20220076319A1 (ko)
KR (1) KR102087362B1 (ko)
WO (1) WO2020235817A1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581498A (zh) * 2020-04-21 2020-08-25 北京龙云科技有限公司 一种广告用户偏好分析方法及装置
WO2020235817A1 (ko) * 2019-05-17 2020-11-26 케이퍼스트랩 주식회사 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
KR102323861B1 (ko) * 2021-01-15 2021-11-09 주식회사 쪼이 온라인 의류 판매 시스템
KR102452307B1 (ko) * 2021-04-08 2022-10-07 주식회사 케이오에이 의류에 부착된 qr코드를 이용해 의류의 소재를 재활용하는 방법 및 장치
KR102484545B1 (ko) * 2021-11-23 2023-01-04 주식회사 룩코 유사 성향 기반의 사용자 추천 방법
WO2023282459A1 (ko) * 2021-07-06 2023-01-12 주식회사 레슈와 블록체인 기반의 데이터베이스 구축을 이용한 스타일링 서비스 제공 방법 및 장치
KR102560863B1 (ko) * 2022-09-27 2023-07-31 박상진 사용자 맞춤형 패션양말 구독 플랫폼 서비스 제공 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020077623A (ko) * 2001-04-02 2002-10-12 엘지전자주식회사 코디네이션 정보 제공 서비스 시스템 및 이 시스템의 운영방법
KR20100004062A (ko) * 2008-07-02 2010-01-12 팔로 알토 리서치 센터 인코포레이티드 패션 관련 정보에 기초하여 소셜 네트워킹을 조성하는 방법
KR101725960B1 (ko) * 2015-06-30 2017-04-11 주식회사 바디엘 의상 코디 시스템 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101415022B1 (ko) * 2007-07-24 2014-07-09 삼성전자주식회사 복합 알고리즘 이용한 정보 추천 방법 및 장치
JP6199685B2 (ja) * 2013-10-03 2017-09-20 Ｎｅｃソリューションイノベータ株式会社 ファッションコーディネート支援装置及びファッションコーディネート支援システム
KR102087362B1 (ko) * 2019-05-17 2020-03-10 케이퍼스트랩 주식회사 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020077623A (ko) * 2001-04-02 2002-10-12 엘지전자주식회사 코디네이션 정보 제공 서비스 시스템 및 이 시스템의 운영방법
KR20100004062A (ko) * 2008-07-02 2010-01-12 팔로 알토 리서치 센터 인코포레이티드 패션 관련 정보에 기초하여 소셜 네트워킹을 조성하는 방법
KR101725960B1 (ko) * 2015-06-30 2017-04-11 주식회사 바디엘 의상 코디 시스템 및 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020235817A1 (ko) * 2019-05-17 2020-11-26 케이퍼스트랩 주식회사 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
CN111581498A (zh) * 2020-04-21 2020-08-25 北京龙云科技有限公司 一种广告用户偏好分析方法及装置
KR102323861B1 (ko) * 2021-01-15 2021-11-09 주식회사 쪼이 온라인 의류 판매 시스템
KR102452307B1 (ko) * 2021-04-08 2022-10-07 주식회사 케이오에이 의류에 부착된 qr코드를 이용해 의류의 소재를 재활용하는 방법 및 장치
KR102452308B1 (ko) * 2021-04-08 2022-10-07 주식회사 케이오에이 의류에 부착된 qr코드를 이용해 의류의 소재를 재활용하는 방법 및 장치
WO2023282459A1 (ko) * 2021-07-06 2023-01-12 주식회사 레슈와 블록체인 기반의 데이터베이스 구축을 이용한 스타일링 서비스 제공 방법 및 장치
KR102484545B1 (ko) * 2021-11-23 2023-01-04 주식회사 룩코 유사 성향 기반의 사용자 추천 방법
KR102560863B1 (ko) * 2022-09-27 2023-07-31 박상진 사용자 맞춤형 패션양말 구독 플랫폼 서비스 제공 장치 및 방법

Also Published As

Publication number Publication date
US20220076319A1 (en) 2022-03-10
WO2020235817A1 (ko) 2020-11-26

Similar Documents

Publication Publication Date Title
KR102087362B1 (ko) 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
KR102113739B1 (ko) 사용자 보유 의류에 기초한 패션 코디 추천 방법 및 장치
US10580057B2 (en) Photorealistic recommendation of clothing and apparel based on detected web browser input and content tag analysis
JP6825141B2 (ja) 服飾コーディネーションの推薦方法および装置、電子デバイス、記憶媒体
KR102425462B1 (ko) 패션 선호도 분석 기법
KR102514935B1 (ko) 이미지 특징 데이터 추출 및 사용
JP2020524349A (ja) 画像処理システム
US20200342320A1 (en) Non-binary gender filter
US9727620B2 (en) System and method for item and item set matching
US11475500B2 (en) Device and method for item recommendation based on visual elements
CN110782267A (zh) 用于认知邻接规划和认知货架图设计的系统和方法
US11907338B2 (en) Retrieving images that correspond to a target subject matter within a target context
JP2019133620A (ja) イメージ内の複数の客体の調和に基づく調和検索方法、コンピュータ装置およびコンピュータプログラム
US9799065B1 (en) Associating items based at least in part on physical location information
US11972466B2 (en) Computer storage media, method, and system for exploring and recommending matching products across categories
KR20230137861A (ko) 고객 맞춤 준비로 구매 편의성을 제공하는 오프라인 구매 서비스 제공 방법 및 장치
KR20210063665A (ko) 사용자 이벤트 정보 기반 추천 아이템 제공 방법 및 이를 실행하는 장치
WO2022091658A1 (ja) 商品推奨装置、方法、および記録媒体
US20240037912A1 (en) Method, system and non-transitory computer-readable recording medium for analyzing fashion attributes of image data group using large image data
Shimizu Data Interpretation Based on Embedded Data Representation Models: Analytical Models for Effective Online Marketing in the Fashion Industry
WO2024103112A1 (en) System and method for identifying items and services of interest in an online environment
WO2018109699A1 (en) Systems and methods for matching garments
CN110322285A (zh) 管理用户的特征信息的方法和装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant