KR102104109B1 - 인공지능 기반 맞춤형 합판 추천 장치 및 방법 - Google Patents

인공지능 기반 맞춤형 합판 추천 장치 및 방법 Download PDF

Info

Publication number
KR102104109B1
KR102104109B1 KR1020180136880A KR20180136880A KR102104109B1 KR 102104109 B1 KR102104109 B1 KR 102104109B1 KR 1020180136880 A KR1020180136880 A KR 1020180136880A KR 20180136880 A KR20180136880 A KR 20180136880A KR 102104109 B1 KR102104109 B1 KR 102104109B1
Authority
KR
South Korea
Prior art keywords
plywood
pattern
information
purchase
recommendation
Prior art date
Application number
KR1020180136880A
Other languages
English (en)
Inventor
이건환
Original Assignee
이건환
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 이건환 filed Critical 이건환
Priority to KR1020180136880A priority Critical patent/KR102104109B1/ko
Application granted granted Critical
Publication of KR102104109B1 publication Critical patent/KR102104109B1/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]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0621—Item configuration or customization
    • 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]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • 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
    • G06Q50/08—Construction

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치는, 사용자 단말로부터 합판 구매를 위한 합판 구매 정보 및 합판 의뢰 정보를 수신하는 통신부, 상기 합판 구매 정보 및 상기 합판 의뢰 정보로부터 주문 패턴 및 내역 패턴을 산출하는 패턴 산출부 및 상기 주문 패턴 및 상기 내역 패턴에 기초하여 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 추천부를 포함하되, 상기 추천부는, 상기 주문 패턴 및 상기 내역 패턴에 기초하여 추천하는 맞춤형 합판의 합판 치수 정보를 포함하여 상기 맞춤형 합판 추천 정보를 생성하고, 상기 통신부는, 상기 맞춤형 합판 추천 정보를 상기 사용자 단말로 전송할 수 있다.

Description

인공지능 기반 맞춤형 합판 추천 장치 및 방법{DEVICE AND METHOD FOR Plywood Recommendation BASED ON ARTIFICIAL INTELLIGENCE}
본원은 인공지능 기반 맞춤형 합판 추천 장치 및 방법에 관한 것이다.
합판은 현대 생활에 많이 쓰이는 목재 제품 중 하나이다. 합판은 목재의 얇은 판을 나뭇결(목리)의 방향이 서로 직교하도록 아교(접착제)로 붙인 것을 의미한다. 즉, 합판은 박판을 홀수겹으로 붙여서 제조한 것을 나타내며, 단판이 겹쳐짐으로써 쪼개짐, 수분에 의한 수축 팽창과 같은 기존 목재의 단점을 보완하고 목재의 이용 효율을 향상시킬 수 있다.
합판은 사용자의 요구에 따라 다양한 용도와 수치로 제작될 수 있다. 합판은 다른 목재에 비해 비교적 가공이 쉬우며, 이에 따라 사용자 본인의 용도에 맞게 다양한 커스터마이징이 가능한 특징이 있다. 그러나, 동일한 합판을 구매하더라도 정확한 치수, 종류 등의 합판의 제원을 매 구매 시마다 판매자에게 제공해야 하는 불편한 점이 존재한다.
본원의 배경이 되는 기술은 한국특허공개공보 제10-1579166호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자의 구매 이력을 학습하여 맞춤형 합판을 추천하는 인공지능 기반 맞춤형 합판 추천 장치 및 방법을 제공하는 것을 목적으로 한다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자 단말에 입력된 텍스트를 인식하고, 합판 구매에 대한 내용을 학습하여 맞춤형 합판을 추천하는 인공지능 기반 맞춤형 합판 추천 장치 및 방법을 제공하는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들도 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치는, 사용자 단말로부터 합판 구매를 위한 합판 구매 정보 및 합판 의뢰 정보를 수신하는 통신부, 상기 합판 구매 정보 및 상기 합판 의뢰 정보로부터 주문 패턴 및 내역 패턴을 산출하는 패턴 산출부 및 상기 주문 패턴 및 상기 내역 패턴에 기초하여 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 추천부를 포함하되, 상기 추천부는, 상기 주문 패턴 및 상기 내역 패턴에 기초하여 추천하는 맞춤형 합판의 합판 치수 정보를 포함하여 상기 맞춤형 합판 추천 정보를 생성하고, 상기 통신부는, 상기 맞춤형 합판 추천 정보를 상기 사용자 단말로 전송할 수 있다.
본원의 일 실시예에 따르면, 상기 합판 구매 정보 및 상기 합판 의뢰 정보는, 합판 구매 또는 의뢰의 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 개인 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 주문 패턴 및 상기 내역 패턴을 산출하되, 상기 주문 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 상기 내역 패턴은, 합판 종류별 패턴 및 용도별 패턴을 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 패턴 산출부는 전체 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 상기 패턴 산출 모델을 구축하여 상기 전체 사용자의 주문 패턴 및 내역 패턴을 산출하고, 상기 추천부는, 전체 사용자의 주문 패턴 및 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 상기 통신부를 통해 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 상기 텍스트 및 상기 텍스트의 주변 단어에 기초하여 합판 구매 및 합판 의뢰에 따른 상기 합판 의뢰 정보를 생성하되, 상기 합판 의뢰 정보에 기초하여 상기 주문 패턴 및 상기 내역 패턴을 산출할 수 있다.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 상기 합판 구매 및 상기 합판 의뢰와 연계된 텍스트인 것으로 판단하고, 상기 주변 단어는 상기 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 경우 선정될 수 있다.
본원의 일 실시예에 따르면, 상기 합판의 종류는 내수 합판, 준내수 합판, 콘크리트 거푸집용 합판, 구조용 합판 및 표면 가공 합판 중 적어도 어느 하나를 포함하고, 상기 합판의 용도는 바닥재, 가구 및 벽재 중 적어도 어느 하나를 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 합판 치수 정보는, 상기 합판의 두께, 폭 및 길이 중 적어도 어느 하나를 포함하고, 상기 추천부는, 상기 합판 치수 정보를 입력으로 하는 비지도 학습 기반의 치수 추천 모델을 구축하여, 상기 용도별 패턴에 따른 상기 맞춤형 합판의 치수를 결정할 수 있다.
본원의 일 실시예에 따르면, 상기 추천부는, 상기 주문 패턴 및 상기 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰 이전에 상기 맞춤형 합판 추천 정보를 생성하여 상기 통신부를 통해 상기 사용자 단말로 전송할 수 있다.
본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 방법은, 합판 구매 의뢰에 따른 사용자 단말로부터 합판 구매 정보 및 합판 의뢰 정보를 수신하는 단계, 상기 합판 구매 정보 및 상기 합판 의뢰 정보로부터 주문 패턴 및 내역 패턴을 산출하는 단계, 상기 주문 패턴 및 상기 내역 패턴에 기초하여 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 단계 및 상기 맞춤형 합판 추천 정보를 상기 사용자 단말로 전송하는 단계를 포함하되, 상기 추천하는 단계는, 상기 주문 패턴 및 상기 내역 패턴에 기초하여 추천하는 맞춤형 합판의 합판 치수 정보를 포함하여 상기 맞춤형 합판 추천 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 합판 구매 정보 및 상기 합판 의뢰 정보는, 합판 구매 또는 의뢰의 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 주문 패턴 및 내역 패턴을 산출하는 단계는, 개인 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 주문 패턴 및 상기 내역 패턴을 산출하되, 상기 주문 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 상기 내역 패턴은, 합판 종류별 패턴 및 용도별 패턴을 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 주문 패턴 및 내역 패턴을 산출하는 단계는, 전체 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 상기 패턴 산출 모델을 구축하여 상기 전체 사용자의 주문 패턴 및 내역 패턴을 산출하고, 상기 추천하는 단계는, 전체 사용자의 주문 패턴 및 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성할 수 있다.
본원의 일 실시예에 따르면, 상기 주문 패턴 및 내역 패턴을 산출하는 단계는, 상기 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 상기 텍스트 및 상기 텍스트의 주변 단어에 기초하여 합판 구매 및 합판 의뢰에 따른 상기 합판 의뢰 정보를 생성하되, 상기 합판 의뢰 정보에 기초하여 상기 주문 패턴 및 상기 내역 패턴을 산출할 수 있다.
본원의 일 실시예에 따르면, 상기 주문 패턴 및 내역 패턴을 산출하는 단계는, 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 상기 합판 구매 및 상기 합판 의뢰와 연계된 텍스트인 것으로 판단하고, 상기 주변 단어는 상기 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 경우 선정될 수 있다.
본원의 일 실시예에 따르면, 상기 합판의 종류는 내수 합판, 준내수 합판, 콘크리트 거푸집용 합판, 구조용 합판, 표면 가공 합판을 포함하고, 상기 합판의 용도는 바닥재, 가구, 벽재를 포함할 수 있다.
본원의 일 실시예에 따르면, 상기 합판 치수 정보는, 상기 합판의 두께, 폭 및 길이 중 적어도 어느 하나를 포함하고, 상기 맞춤형 합판 추천 정보를 생성하는 단계는, 상기 합판 치수 정보를 입력으로 하는 비지도 학습 기반의 치수 추천 모델을 구축하여, 상기 용도별 패턴에 따른 상기 맞춤형 합판의 치수를 결정할 수 있다.
본원의 일 실시예에 따르면, 상기 추천부는, 상기 주문 패턴 및 상기 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰 이전에 상기 맞춤형 합판 추천 정보를 생성하여 상기 통신부를 통해 상기 사용자 단말로 전송할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 사용자의 구매 이력을 학습하여 맞춤형 합판을 추천하는 인공지능 기반 맞춤형 합판 추천 장치 및 방법을 제공할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 사용자 단말에 입력된 텍스트를 인식하고, 합판 구매에 대한 내용을 학습하여 맞춤형 합판을 추천하는 인공지능 기반 맞춤형 합판 추천 장치 및 방법을 제공할 수 있다.
도 1은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치의 구성을 도시한 도면이다.
도 2는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치의 주문 패턴 및 내역 패턴 검출의 예를 도시한 도면이다.
도 3은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치의 텍스트 마이닝을 위한 워드넷의 계층 구조를 도시한 도면이다.
도 4는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치에 의해 사용자 단말에서 출력되는 맞춤형 합판 추천 정보를 도시한 도면이다.
도 5는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 방법의 흐름을 도시한 도면이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치의 구성을 도시한 도면이다.
도 1을 참조하면, 인공지능 기반 맞춤형 합판 추천 장치(100)는 통신부(110), 패턴 산출부(120) 및 추천부(130)를 포함할 수 있다. 통신부(110)는 사용자 단말(200)로부터 합판 구매를 위한 합판 구매 정보 및 합판 의뢰 정보를 수신할 수 있다. 상기 합판 구매 정보는 사용자가 사용자 단말(200)을 이용하여 합판 판매 어플리케이션 또는 웹사이트를 통해 합판을 구매할 경우에 생성되며, 특히 합판 구매 정보는 판매 목적을 위해 용도, 재질, 치수별로 기 생산된 합판을 구매할 경우에 생성된다. 또한, 합판 의뢰 정보는 사용자가 원하는 용도, 재질, 치수로 합판을 가공하도록 생산자에게 의뢰한 내역을 포함한다. 합판 의뢰 정보는 상기 합판 판매 어플리케이션 또는 웹사이트를 통해 의뢰할 경우에 생성될 수 있으며, 사용자가 사용자 단말(200)을 통해 E Mail, 문자 메시지, MMS, 메신저 어플리케이션을 통해 판매자에게 직접 의뢰한 경우에도 생성될 수 있다. 판매자에게 직접 의뢰하여 생성되는 합판 의뢰 정보는 보다 뒤에서 살펴보기로 한다.
상기 합판 구매 정보 및 합판 의뢰 정보는 합판 구매 또는 의뢰의 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 포함할 수 있다. 합판 구매 정보의 경우, 통신부(110)는 사용자 단말(200)을 통한 합판 구매 결제 내역을 수신하고, 합판 구매 결제 내역으로부터 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보가 수집될 수 있다. 합판 의뢰 정보의 경우, 통신부(110)는 사용자 단말(200)에 입력된 텍스트를 수집하고, 패턴 산출부(120)는 상기 텍스트로부터 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 산출할 수 있다. 상기 텍스트로부터 산출되는 정보는 보다 뒤에서 살펴보기로 한다.
본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치(100)와 사용자 단말(200)은 네트워크를 통해 통신할 수 있다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다. 또한, 사용자 단말(200)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV 등 유선 통신 장치를 포함할 수 있다.
패턴 산출부(120)는 합판 구매 정보 및 합판 의뢰 정보로부터 주문 패턴 및 내역 패턴을 산출할 수 있다. 패턴 산출부(120)는 개인 사용자의 합판 구매 정보 및 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 주문 패턴 및 내역 패턴을 산출할 수 있다. 패턴 산출부(120)는 합판 구매 정보 및 합판 의뢰 정보를 정형화 하여 비지도 학습 기반의 패턴 산출 모델의 입력으로 사용할 수 있다. 상기 정형화는 예를 들어, 합판 구매 정보인 경우, 합판 주문 일자, 합판 주문 시간, 합판 주문 주기 등을 수치화하는 것을 의미한다. 또한, 합판 의뢰 정보에 경우, 합판의 종류, 합판의 용도를 수치화하는 것을 의미한다. 예시적으로, 패턴 산출부(120)는 합판의 종류 및 합판의 용도는 종류 및 용도 각각에 따라 코드를 부여하여 수치화할 수 있다.
패턴 산출부(120)는 비지도 학습 기반의 군집 알고리즘에 기초하여 주문 패턴 및 내역 패턴을 산출할 수 있다. 비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 패턴 산출부(120)는 군집 알고리즘에 기초하여 주문 패턴 및 내역 패턴을 군집하여 산출할 수 있고, 주문 패턴 및 내역 패턴 각각의 군집간 분리도에 기초하여 새로운 주문 패턴 및 내역 패턴을 검출할 수 있다. 예시적으로 상기 비지도 학습을 위한 군집 알고리즘에는 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 및 군집 알고리즘이 이용될 수 있다. 또한, 신규 패턴 분류부(130)는 상술한 알고리즘 외에도 Extra Tree알고리즘, XG Boost알고리즘 및 Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘과 같은 군집 알고리즘을 통해 비지도 학습을 수행할 수 있다. Random Forest알고리즘은 수많은 Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화 하는 알고리즘이고, SVM알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결과를 다음 트리에 적용하는 boost방식의 알고리즘이다. Deep Learning알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 또한, K-means 클러스터링 알고리즘은 전통적인 분류기법으로 대상집단을 거리의 평균값(유사도)을 기준으로 K개의 군집으로 반복 세분화 하는 기법이고, SOM알고리즘은 인공신경망을 기반으로 훈련집합의 입력 패턴을 가중치로 학습하여 군집화하는 기법이다. 또한 EM & Canopy 알고리즘은 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신하여 군집화 하는 기법을 의미한다.
도 2는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치의 주문 패턴 및 내역 패턴 검출의 예를 도시한 도면이다.
패턴 산출부(120)는 상기 합판 구매 정보 및 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 통해 주문 패턴을 검출하고, 상기 합판 구매 정보 및 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 통해 내역 패턴을 검출할 수 있다. 다시 말해, 개인 사용자의 과거 이력에 따른 합판 구매 정보 및 합판 의뢰 정보를 입력으로 하는 비지도 학습에 기초하여 주문 패턴 및 내역 패턴이 검출될 수 있다. 또한, 주문 패턴을 검출하기 위한 비지도 학습과 내역 패턴을 검출하기 위한 비지도 학습이 각각 이루어질 수 있다. 도 2는 합판 구매 정보 및 합판 의뢰 정보의 빈도에 따라 군집된 내역 패턴을 나타내며, 서로 다른 합판 구매 정보 및 합판 의뢰 정보의 빈도가 유사한 경우, 도 2에 도시된 바와 같이 동일 내지 유사한 라벨링(파란색 및 초록색)으로 구분될 수 있다. 즉, 내역 패턴 또는 주문 패턴 상호간의 라벨링이 동일 내지 유사한 경우 군집간 분리도가 낮다고 할 수 있다. 다시 말해, 합판 구매 정보 및 합판 의뢰 정보의 빈도에 따른 각각의 군집을 통해 서로 다른 내역 패턴 또는 주문 패턴이 검출될 수 있다.
한편, 유사한 빈도를 가진 합판 구매 정보 및 합판 의뢰 정보들과 다른 빈도를 가진 합판 구매 정보 및 합판 의뢰 정보들로 군집된 내역 패턴(또는 주문 패턴)의 경우, 도 2에 도시된 바와 같이 전술한 내역 패턴과는 다른 라벨링(빨간색)으로 구분될 수 있다. 이러한 내역 패턴은 다른 내역 패턴의 합판 구매 정보 및 합판 의뢰 정보의 빈도와는 다르므로, 새로운 내역 패턴(또는 주문 패턴)일 수 있고, 패턴 산출부(120)에 의해 검출될 수 있다. 검출된 주간 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 검출된 내역 패턴은 합판 종류별 패턴 및 용도별 패턴을 포함할 수 있다. 예시적으로, 합판 종류는 내수 합판, 준내수 합판, 콘크리트 거푸집용 합판, 구조용 합판 및 표면 가공 합판 중 적어도 어느 하나를 포함할 수 있다. 또한, 합판 용도는 바닥재, 가구 및 벽재 중 적어도 어느 하나를 포함할 수 있다.
추천부(130)는 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성할 수 있다. 예시적으로, 어느 개인 사용자의 주문 패턴 및 내역 패턴이 산출되면, 주문 패턴에 의해 다음 합판 구매일이 예측될 수 있고, 내역 패턴에 의해 다음에 구매할 맞춤형 합판의 종류와 용도가 결정되어 합판 추천 정보로서 생성될 수 있다. 다시 말해, 추천부(130)는 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구매 의뢰 이전에 맞춤형 합판 추천 정보를 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다. 또한, 추천부(130)는 주문 패턴 및 내역 패턴에 기초하여 추천하는 맞춤형 합판의 합판 치수 정보를 포함하여 맞춤형 합판 추천 정보를 생성할 수 있다. 상기 합판 치수 정보는 합판의 두께, 폭 및 길이 중 적어도 어느 하나를 포함할 수 있다. 또한, 추천부(130)는 합판 치수 정보를 입력으로 하는 비지도 학습 기반의 치수 추천 모델을 구축하여, 용도별 패턴에 따른 상기 맞춤형 합판의 치수를 결정할 수 있다. 예시적으로, 동일한 치수의 합판을 주기적으로 구매함에 따라 내역 패턴 및 주문 패턴이 생성된 경우, 추천부(130)는 이전과 동일한 종류, 용도 및 치수의 합판에 대한 맞춤형 합판 추천 정보를 생성할 수 있으며, 동일한 주기에 기초하여 다음 합판 구매일이 도래하기 이전에 사용자 단말(200)로 전송하여 맞춤형 합판 추천 정보를 제공할 수 있다.
신규 합판 구매 의뢰는 합판 판매 어플리케이션 또는 웹사이트의 접속을 합판 구매 의뢰인 것으로 인식할 수 있다. 추천부(130)에서 생성된 맞춤형 합판 추천 정보는 통신부(110)를 통해 사용자 단말(200)에 저장될 수 있고, 사용자가 합판 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 신규 합판 구매 의뢰에 의사가 있는 것으로 인식하여 저장된 맞춤형 합판 추천 정보를 출력할 수 있다. 다른 예로, 사용자가 합판 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 합판 판매 어플리케이션 또는 웹사이트의 접속 여부를 통신부(110)로 전송하고, 추천부(130)는 합판 판매 어플리케이션 또는 웹사이트의 접속에 따른 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 실시간으로 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다.
전술한 바와 같이, 개인 사용자의 합판 구매 정보 및 합판 의뢰 정보에 기초하여 검출되는 주문 패턴 및 내역 패턴은 개인 사용자의 과거 이력을 학습의 입력 데이터로 사용한다. 그러나 과거 이력이 패턴을 검출할 만큼 누적되지 않았거나, 과거 이력이 없는 신규 개인 사용자는 개인의 과거 이력을 통해서는 주문 패턴 및 내역 패턴을 산출해 낼 수 없다. 따라서, 패턴 산출부(120)는 전체 사용자의 합판 구매 정보 및 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 전체 사용자의 주문 패턴 및 내역 패턴을 산출할 수 있다. 또한, 추천부(130)는 전체 사용자의 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구 매 의뢰에 대한 맞춤형 합판 추천 정보를 생성할 수 있다.
도 3은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치의 텍스트 마이닝을 위한 워드넷의 계층 구조를 도시한 도면이다.
전술한 바에 따르면, 통신부(110)는 사용자 단말(200)에 입력된 텍스트를 수집할 수 있고, 패턴 산출부(120)는 상기 텍스트로부터 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 산출할 수 있다. 패턴 산출부(120)는 통신부(110)를 통해 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 텍스트 및 텍스트의 주변 단어에 기초하여 합판 구매 및 합판 의뢰에 따른 합판 의뢰 정보를 생성할 수 있다. 또한, 패턴 산출부(120)는 합판 의뢰 정보에 기초하여 주문 패턴 및 내역 패턴을 산출할 수 있다. 구체적으로, 자연어 처리는 인간이 발화하는 언어 현상을 기계적으로 분석하여 컴퓨터가 이해할 수 있는 형태로 만드는 자연어 이해 또는 그러한 형태를 다시 인간이 이해할 수 있는 언어로 표현하는 제반 기술을 의미한다. 이러한 자연어 처리는 형태소 분석 및 품사 부착을 통해 이루어 질 수 있다. 형태소 분석은 예를 들어, '복합 명사'는 '복합+명사', '복+합명사', '복합명+사' 등등의 다양한 방식으로 쪼개질 수 있는 데 이들 중에서 가장 적합한 분해 결과를 선택하는 것인데, 다양하게 쪼개지는 분석 결과들 중에서 적합한 결과를 선택하기 위해, 테이블 파싱이라는 동적 프로그래밍 방법을 사용한다. 구체적으로 '복합+명사'로 쪼개질 확률이 그 외로 분석될 확률보다 더 크면 그걸로 선택하도록 하는 알고리즘이다. 품사 부착은 형태소 분석을 통해 나온 결과 중 가장 적합한 형태의 품사를 부착하는 것을 말한다. 통상적으로 태거라고 하는 모듈이 이 기능을 수행한다. 이는 형태소 분석기가 출력한 다양한 분석 결과 중에서 문맥에 적합한 하나의 분석 결과를 선택하는 모듈이라 할 수 있다. 분석 시 문맥 좌우에 위치한 중의성 해소의 힌트가 되는 정보를 이용해서 적합한 분석 결과를 선택한다. 보통 태거는 대규모의 품사부착을 이용해서 구현하는데 은닉 마르코프 모델(Hidden Markov Model, HMM)이 널리 사용되고 있다.
패턴 산출부(120)는 자연어 처리를 통해 사용자 단말(200)의 텍스트를 인식할 수 있으며, 텍스트 중 합판과 관련된 텍스트를 추출할 수 있다. 예시적으로, 패턴 산출부(120)는 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 상기 합판 구매 및 상기 합판 의뢰와 연계된 텍스트인 것으로 판단할 수 있다. 상기 기준 텍스트는, 합판 주문 또는 의뢰와 관련된 텍스트로 설정될 수 있다. 예를 들어, 합판, 목재, 몇 월, 몇 일, 몇 시, 내수, 준내수, 거푸집, 구조, 콘크리트, 바닥재, 가구, 벽재 등 합판과 관련된 키워드들이 기준 텍스트로 설정될 수 있다.
상기 기준 텍스트가 미리 설정된 임계값 이상인 경우에는 자연어 처리된 텍스트 중에서 합판과 관련된 키워드들이 다수 존재하므로, 문자 메시지, 메신저, E 메일 등을 이용하여 합판을 주문하기 위한 의도가 있다고 볼 수 있다. 그러나 기준 텍스트 만으로는 구체적인 주문 일자 또는 합판의 종류나 치수 등에 대해서는 정확하게 분별해낼 수 없으므로, 패턴 산출부(120)는 기준 텍스트와 연관이 높은 용어인 주변 단어를 추출하여 구체적인 합판 의뢰 내역을 포함하는 합판 의뢰 정보를 생성할 수 있다. 기준 텍스트의 주변 단어를 선정할 때, 아무 단어가 아닌 특징적인 단어를 파악하고, 단어간 관계 정보를 고려하여 선정할 필요가 있다. 이는 무분별한 주변 단어의 선정을 통해 기준 텍스트와의 연관도가 떨어지는 단어를 선정하거나 연관도가 높은 단어를 선정하지 못해 잘못된 합판 의뢰 정보가 생성되는 것을 방지하기 위함이다. 이를 위해서는 단어간 의미를 고려하여 주변 단어를 선정할 필요가 있으며, 기준 텍스트 또는 주변 단어 각각의 동의어 또는 상위어 등을 추가하여 특징의 질을 높일 필요가 있다. 본원에서는 예시적으로 어휘사전의 하나인 워드넷을 이용할 수 있다. 어휘사전은 단어의 의미 어휘목록 관계정보를 담은 사전으로서 동의어집합 단위로 이루어져 있으며, 각 동의어집합에 대한 상위어, 하위어, 등위어, 전체어 등의 의미 관계들을 제공한다.
도 5를 참조하면, 워드넷의 계층 구조에 따르면, Car(30)와 Bicycle(40)은 공통적으로 Vehicle(10)의 하위어이고, 노드(20)를 통해 두 단어가 각각 상위어와 하위어가 연결되어 있다. 따라서 단어간의 거리는 연결된 노드의 수에 따라 결정될 수 있다. 워드넷의 단어 관계를 이용하여 선정된 기준 텍스트의 주변 단어가 선정되면, 패턴 산출부(120)는 기준 텍스트와 주변 단어의 연관도를 유사도 함수를 이용하여 연산할 수 있다. 유사도 함수는 수학식 1과 같이 나타낼 수 있다.
[수학식 1]
Figure 112018111117645-pat00001
여기서, a는 기준 텍스트를 나타내고, f는 주변 단어를 나타낸다. 나타낸다 min dist는 워드넷 상/하위어 관계에서 최소 거리를 의미하고 common parent는 두 단어의 공통의 상위어를 의미한다. 마지막으로 root는 가장 최상위 개념의 단어를 의미한다. 이 식은 정규화된 식으로 두 단어가 동의어면 최소 거리가 0이 되어 연관도는 1의 값을 갖게 되며, 반대로 공통의 상위어가 없으면 최소거리가 무한이 되어 연관도는 0의 값을 갖게 된다. 상기 수학식 1의 유사도 함수에 의해 기준 텍스트와 주변 단어의 연관도가 연산되면, 패턴 산출부(120)는 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 단어를 주변 단어로 선정할 수 있다. 상기 미리 설정된 임계치는 유사도 함수(식1)의 결과값인 0에서 1사이의 값을 가질 수 있다.
기준 텍스트와 높은 연관도를 갖는 주변 단어는 합판과 높은 연관도를 갖는 단어일 수 있다. 따라서, 패턴 산출부(120)는 기준 텍스트의 수에 따라 해당 텍스트가 합판과 관련된 텍스트인지 판단할 수 있고, 주변 단어를 통해 보다 구체적으로, 합판의 종류, 치수, 용도 등의 언급이 있는지 파악할 수 있으며, 상기 텍스트를 자연어 처리함에 따라, 날짜, 치수 등의 숫자나 수치 또한 인식할 수 있다. 결과적으로 패턴 산출부(120)는 기준 텍스트와 주변 단어를 통해 합판 구매에 대한 텍스트 인지 합판 의뢰에 대한 텍스트인지 파악할 수 있으며, 합판 구매와 합판 의뢰를 포함하는 합판 의뢰 정보를 생성할 수 있다. 또한, 합판 의뢰 정보는 전술한 패턴 산출 모델의 입력으로 사용되어 주문 패턴 및 내역 패턴이 산출될 수 있다. 추천부(130)는 전술한 텍스트 마이닝을 통해 산출된 주문 패턴 및 내역 패턴에 기초하여 맞춤형 합판의 합판 치수 정보를 생성할 수 있고, 합판 치수 정보를 포함하는 맞춤형 합판 추천 정보를 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다.
도 4는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 장치에 의해 사용자 단말에서 출력되는 맞춤형 합판 추천 정보를 도시한 도면이다.
추천부(130)에서 생성된 맞춤형 합판 추천 정보는 통신부(110)를 통해 사용자 단말(200)로 전송될 수 있고, 사용자 단말(200)은 도 4에 도시된 바와 같이 맞춤형 합판 추천 정보를 출력할 수 있다. 사용자 단말(200)을 통해 출력되는 맞춤형 합판 추천 정보는 합판의 용도, 두께, 폭, 길이 및 합판의 이미지를 포함할 수 있다.
도 5는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 합판 추천 방법의 흐름을 도시한 도면이다.
도 5에 도시된 인공지능 기반 맞춤형 합판 추천 방법은 앞선 도1 내지 도 4를 통해 설명된 인공지능 기반 맞춤형 합판 추천 장치에 의하여 수행될 수 있다. 따라서 이하 생략된 내용이라고 하더라도 도 1 내지 도 4를 통해 인공지능 기반 맞춤형 합판 추천 장치에 대하여 설명된 내용은 도 5에도 동일하게 적용될 수 있다.
도 5를 참조하면, 단계 S510에서 통신부(110)는 사용자 단말(200)로부터 합판 구매를 위한 합판 구매 정보 및 합판 의뢰 정보를 수신할 수 있다. 상기 합판 구매 정보는 사용자가 사용자 단말(200)을 이용하여 합판 판매 어플리케이션 또는 웹사이트를 통해 합판을 구매할 경우에 생성되며, 특히 합판 구매 정보는 판매 목적을 위해 용도, 재질, 치수별로 기 생산된 합판을 구매할 경우에 생성된다. 또한, 합판 의뢰 정보는 사용자가 원하는 용도, 재질, 치수로 합판을 가공하도록 생산자에게 의뢰한 내역을 포함한다. 합판 의뢰 정보는 상기 판매 어플리케이션 또는 웹사이트를 통해 의뢰할 경우에 생성될 수 있으며, 사용자가 사용자 단말(200)을 통해 E Mail, 문자 메시지, MMS, 메신저 어플리케이션을 통해 판매자에게 직접 의뢰한 경우에도 생성될 수 있다. 상기 합판 구매 정보 및 합판 의뢰 정보는 합판 구매 또는 의뢰의 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 포함할 수 있다. 합판 구매 정보의 경우, 통신부(110)는 사용자 단말(200)을 통한 합판 구매 결제 내역을 수신하고, 합판 구매 결제 내역으로부터 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보가 수집될 수 있다. 합판 의뢰 정보의 경우, 통신부(110)는 사용자 단말(200)에 입력된 텍스트를 수집하고, 패턴 산출부(120)는 상기 텍스트로부터 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 산출할 수 있다. 예시적으로, 합판 종류는 내수 합판, 준내수 합판, 콘크리트 거푸집용 합판, 구조용 합판 및 표면 가공 합판 중 적어도 어느 하나를 포함할 수 있다. 또한, 합판 용도는 바닥재, 가구 및 벽재 중 적어도 어느 하나를 포함할 수 있다.
단계 S520에서 패턴 산출부(120)는 합판 구매 정보 및 합판 의뢰 정보로부터 주문 패턴 및 내역 패턴을 산출할 수 있다. 패턴 산출부(120)는 개인 사용자의 합판 구매 정보 및 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 주문 패턴 및 내역 패턴을 산출할 수 있다. 패턴 산출부(120)는 합판 구매 정보 및 합판 의뢰 정보를 정형화 하여 비지도 학습 기반의 패턴 산출 모델의 입력으로 사용할 수 있다. 상기 주문 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 상기 내역 패턴은, 합판 종류별 패턴 및 용도별 패턴을 포함할 수 있다. 또한, 패턴 산출부(120)는 전체 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 상기 패턴 산출 모델을 구축하여 상기 전체 사용자의 주문 패턴 및 내역 패턴을 산출할 수 있다.
또한, 패턴 산출부(120)는 상기 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 상기 텍스트 및 상기 텍스트의 주변 단어에 기초하여 합판 구매 및 합판 의뢰에 따른 상기 합판 의뢰 정보를 생성하되, 상기 합판 의뢰 정보에 기초하여 상기 주문 패턴 및 상기 내역 패턴을 산출할 수 있다. 패턴 산출부(120)는 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 상기 합판 구매 및 상기 합판 의뢰와 연계된 텍스트인 것으로 판단하고, 상기 주변 단어는 상기 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 경우 선정될 수 있다.
단계 S530에서 추천부(130)는 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성할 수 있다. 추천부(130)는 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구매 의뢰 이전에 맞춤형 합판 추천 정보를 생성할 수 있다. 또한, 추천부(130)는 주문 패턴 및 내역 패턴에 기초하여 추천하는 맞춤형 합판의 합판 치수 정보를 포함하여 맞춤형 합판 추천 정보를 생성할 수 있다. 또한, 추천부(130)는 합판 치수 정보를 입력으로 하는 비지도 학습 기반의 치수 추천 모델을 구축하여, 용도별 패턴에 따른 상기 맞춤형 합판의 치수를 결정할 수 있다
상기 신규 합판 구매 의뢰는 합판 판매 어플리케이션 또는 웹사이트의 접속을 합판 구매 의뢰인 것으로 인식할 수 있다. 추천부(130)에서 생성된 맞춤형 합판 추천 정보는 통신부(110)를 통해 사용자 단말(200)에 저장될 수 있고, 사용자가 합판 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 신규 합판 구매 의뢰에 의사가 있는 것으로 인식하여 저장된 맞춤형 합판 추천 정보를 출력할 수 있다. 다른 예로, 사용자가 합판 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 합판 판매 어플리케이션 또는 웹사이트의 접속 여부를 통신부(110)로 전송하고, 추천부(130)는 합판 판매 어플리케이션 또는 웹사이트의 접속에 따른 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 실시간으로 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다. 또한, 추천부(130)는 전체 사용자의 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구 매 의뢰에 대한 맞춤형 합판 추천 정보를 생성할 수 있다.
단계 S540에서 통신부(110)는 맞춤형 합판 추천 정보를 사용자 단말(200)로 전송할 수 있다. 또한, 통신부(110)는 추천부(130)에 의해 생성된 합판 치수 정보를 포함하는 맞춤형 합판 추천 정보를 사용자 단말(200)로 전송할 수 있다.
본원의 일 실시 예에 따른, 인공지능 기반 맞춤형 합판 추천 방법은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 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. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
100: 인공지능 기반 맞춤형 합판 추천 장치
110: 통신부
120: 패턴 산출부
130: 추천부
200: 사용자 단말

Claims (19)

  1. 인공지능 기반 맞춤형 합판 추천 장치에 있어서,
    사용자 단말로부터 합판 구매를 위해, 합판 구매 결제 내역으로부터 수집되는 합판 구매 정보 및 상기 사용자 단말에 입력된 텍스트로부터 수집되는 합판 의뢰 정보를 수신하는 통신부;
    상기 합판 구매 정보 및 상기 합판 의뢰 정보로부터 월간, 주간, 시간 별 패턴을 포함하는 주문 패턴 및 합판 종류별 패턴 및 용도별 패턴을 포함하는 내역 패턴을 산출하는 패턴 산출부; 및
    상기 주문 패턴 및 상기 내역 패턴에 기초하여 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 추천부,
    를 포함하되,
    상기 패턴 산출부는,
    상기 통신부를 통해 사용자 단말의 E Mail, 문자 메시지, MMS, 메신저 어플리케이션을 통해 입력된 텍스트를 수집하여 자연어 처리하고, 자연어 처리된 텍스트 중 기준 텍스트 및 상기 기준 텍스트의 주변 단어에 기초하여 유사도 함수의 연산을 통해 기준 텍스트와 주변 단어의 연관도를 기준으로 합판 구매 및 합판 의뢰에 따른 상기 합판 의뢰 정보를 생성하되, 상기 합판 의뢰 정보 및 군집 알고리즘에 기초하여 주문 패턴 및 내역 패턴을 군집하여 산출하고, 주문 패턴 및 내역 패턴 각각의 군집간 분리도에 기초하여 새로운 주문 패턴 및 내역 패턴을 검출 하며,
    상기 자연어 처리는 형태소 분석 및 품사 부착을 통해 이루어지고, 상기 형태소 분석은 테이블 파싱이라는 동적 프로그래밍 방법을 사용하며,
    의미 어휘목록 관계정보를 포함하고 동의어 집합에 대한 상위어, 하위어, 등위어, 전체어의 의미 관계를 제공하는 어휘사전에 기초하여 상기 기준 텍스트와 미리 설정된 임계치 이상의 단어를 합판과 연계된 상기 주변 단어로 선정하고, 상기 주변 단어로부터 합판의 종류, 용도, 치수의 언급을 파악하여 상기 합판 구매 정보 및 합판 의뢰 정보를 생성하고,
    상기 군집 알고리즘은 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 , Extra Tree알고리즘, XG Boost알고리즘, Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 및 EM & Canopy 알고리즘 중 어느 하나가 이용되며,
    상기 추천부는,
    상기 주문 패턴 및 내수 합판, 준내수 합판, 콘크리트 거푸집용 합판, 구조용 합판 및 표면 가공 합판을 포함하는 합판 종류 및 바닥재, 가구 및 벽재를 포함하는 합판 용도에 따른 상기 내역 패턴에 기초하여 추천하는 맞춤형 합판의 합판 치수 정보를 포함하여 상기 맞춤형 합판 추천 정보를 생성하고,
    합판 치수 정보를 입력으로 하는 비지도 학습 기반의 치수 추천 모델을 구축하여 상기 용도별 패턴에 따른 맞춤형 합판의 치수를 결정하되,
    상기 합판 치수 정보는 합판의 두께, 폭 및 길이 중 적어도 어느 하나를 포함하고,
    상기 추천부는, 상기 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구매의 구매일을 예측하여 상기 신규 합판 구매의 구매일 이전에 맞춤형 합판의 종류와 용도에 따라 생성된 상기 맞춤형 합판 추천 정보를 상기 통신부를 통해 사용자 단말로 전송하는 것인, 인공지능 기반 맞춤형 합판 추천 장치.
  2. 제1항에 있어서,
    상기 합판 구매 정보 및 상기 합판 의뢰 정보는,
    합판 구매 또는 의뢰의 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 포함하는 것인, 인공지능 기반 맞춤형 합판 추천 장치.
  3. 제2항에 있어서,
    상기 패턴 산출부는,
    개인 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 주문 패턴 및 상기 내역 패턴을 산출하고,
    상기 추천부는,
    개인 사용자의 주문 패턴 및 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 합판 추천 장치.
  4. 제3항에 있어서,
    상기 패턴 산출부는
    전체 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 상기 패턴 산출 모델을 구축하여 상기 전체 사용자의 주문 패턴 및 내역 패턴을 산출하고,
    상기 추천부는,
    전체 사용자의 주문 패턴 및 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 합판 추천 장치.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 제1항에 있어서,
    상기 추천부는,
    상기 주문 패턴 및 상기 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰 이전에 상기 맞춤형 합판 추천 정보를 생성하여 상기 통신부를 통해 상기 사용자 단말로 전송하는 것인 인공지능 기반 맞춤형 합판 추천 방법.
  10. 인공지능 기반 맞춤형 합판 추천 방법에 있어서,
    통신부가 합판 구매 의뢰에 따른 사용자 단말로부터 합판 구매 결제 내역으로부터 수집되는 합판 구매 정보 및 상기 사용자 단말에 입력된 텍스트로부터 수집되는 합판 의뢰 정보를 수신하는 단계;
    패턴 산출부가 상기 합판 구매 정보 및 상기 합판 의뢰 정보로부터 월간, 주간, 시간 별 패턴을 포함하는 주문 패턴 및 합판 종류별 패턴 및 용도별 패턴을 포함하는 내역 패턴을 산출하는 단계;
    추천부가 상기 주문 패턴 및 상기 내역 패턴에 기초하여 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 단계; 및
    상기 통신부가 상기 맞춤형 합판 추천 정보를 상기 사용자 단말로 전송하는 단계,
    를 포함하되,
    상기 패턴 산출부는,
    상기 통신부를 통해 사용자 단말의 E Mail, 문자 메시지, MMS, 메신저 어플리케이션을 통해 입력된 텍스트를 수집하여 자연어 처리하고, 자연어 처리된 텍스트 중 기준 텍스트 및 상기 기준 텍스트의 주변 단어에 기초하여 유사도 함수의 연산을 통해 기준 텍스트와 주변 단어의 연관도를 기준으로 합판 구매 및 합판 의뢰에 따른 상기 합판 의뢰 정보를 생성하되, 상기 합판 의뢰 정보 및 군집 알고리즘에 기초하여 주문 패턴 및 내역 패턴을 군집하여 산출하고, 주문 패턴 및 내역 패턴 각각의 군집간 분리도에 기초하여 새로운 주문 패턴 및 내역 패턴을 검출 하며,
    상기 자연어 처리는 형태소 분석 및 품사 부착을 통해 이루어지고, 상기 형태소 분석은 테이블 파싱이라는 동적 프로그래밍 방법을 사용하며,
    의미 어휘목록 관계정보를 포함하고 동의어 집합에 대한 상위어, 하위어, 등위어, 전체어의 의미 관계를 제공하는 어휘사전에 기초하여 상기 기준 텍스트와 미리 설정된 임계치 이상의 단어를 합판과 연계된 상기 주변 단어로 선정하고, 상기 주변 단어로부터 합판의 종류, 용도, 치수의 언급을 파악하여 상기 합판 구매 정보 및 합판 의뢰 정보를 생성하고,
    상기 군집 알고리즘은 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 , Extra Tree알고리즘, XG Boost알고리즘, Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 및 EM & Canopy 알고리즘 중 어느 하나가 이용되며,
    상기 추천하는 단계는,
    상기 주문 패턴 및 내수 합판, 준내수 합판, 콘크리트 거푸집용 합판, 구조용 합판 및 표면 가공 합판을 포함하는 합판 종류 및 바닥재, 가구 및 벽재를 포함하는 합판 용도에 따른 상기 내역 패턴에 기초하여 추천하는 맞춤형 합판의 합판 치수 정보를 포함하여 상기 맞춤형 합판 추천 정보를 생성하고, 합판 치수 정보를 입력으로 하는 비지도 학습 기반의 치수 추천 모델을 구축하여 상기 용도별 패턴에 따른 맞춤형 합판의 치수를 결정하되,
    상기 합판 치수 정보는 합판의 두께, 폭 및 길이 중 적어도 어느 하나를 포함하고,
    상기 추천부는 상기 주문 패턴 및 내역 패턴에 기초하여 신규 합판 구매의 구매일을 예측하여 상기 신규 합판 구매의 구매일 이전에 맞춤형 합판의 종류와 용도에 따라 생성된 상기 맞춤형 합판 추천 정보를 상기 통신부를 통해 사용자 단말로 전송하는 것인, 인공지능 기반 맞춤형 합판 추천 방법.
  11. 제10항에 있어서,
    상기 합판 구매 정보 및 상기 합판 의뢰 정보는,
    합판 구매 또는 의뢰의 시간 정보, 합판 종류 정보, 합판 용도 정보 및 합판 수치 정보를 포함하는 것인, 인공지능 기반 맞춤형 합판 추천 방법.
  12. 제11항에 있어서,
    상기 주문 패턴 및 내역 패턴을 산출하는 단계는,
    개인 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 주문 패턴 및 상기 내역 패턴을 산출하고,
    상기 추천부는,
    개인 사용자의 주문 패턴 및 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 합판 추천 방법.
  13. 제12항에 있어서,
    상기 주문 패턴 및 내역 패턴을 산출하는 단계는,
    전체 사용자의 상기 합판 구매 정보 및 상기 합판 의뢰 정보를 입력으로 하는 비지도 학습 기반의 상기 패턴 산출 모델을 구축하여 상기 전체 사용자의 주문 패턴 및 내역 패턴을 산출하고,
    상기 추천하는 단계는,
    전체 사용자의 주문 패턴 및 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰에 대한 맞춤형 합판 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 합판 추천 방법.
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 제10항에 있어서,
    상기 추천부는,
    상기 주문 패턴 및 상기 내역 패턴에 기초하여 상기 신규 합판 구매 의뢰 이전에 상기 맞춤형 합판 추천 정보를 생성하여 상기 통신부를 통해 상기 사용자 단말로 전송하는 것인 인공지능 기반 맞춤형 합판 추천 방법.
  19. 제10항 내지 제13항 및 제18항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터에서 판독 가능한 기록매체.
KR1020180136880A 2018-11-08 2018-11-08 인공지능 기반 맞춤형 합판 추천 장치 및 방법 KR102104109B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180136880A KR102104109B1 (ko) 2018-11-08 2018-11-08 인공지능 기반 맞춤형 합판 추천 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180136880A KR102104109B1 (ko) 2018-11-08 2018-11-08 인공지능 기반 맞춤형 합판 추천 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102104109B1 true KR102104109B1 (ko) 2020-05-29

Family

ID=70912246

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180136880A KR102104109B1 (ko) 2018-11-08 2018-11-08 인공지능 기반 맞춤형 합판 추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102104109B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030003685A (ko) * 2001-06-11 2003-01-10 쥬겐 산교 가부시키가이샤 제품 주문 방법 및 시스템
KR20060062671A (ko) * 2004-12-06 2006-06-12 손영준 맞춤판매형쇼핑몰서비스방법
KR20070052818A (ko) * 2005-11-18 2007-05-23 이경재 인터넷을 이용한 맞춤식 문짝 주문 방법
KR20070056234A (ko) * 2005-11-29 2007-06-04 주식회사 팬택 단문메시지를 이용한 주식 주문 방법
KR20150030534A (ko) * 2013-09-12 2015-03-20 정우석 고밀도압축목재패널의 제조공법
KR101654317B1 (ko) * 2015-09-02 2016-09-06 아이베란다주식회사 목재 주문 서비스 제공 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030003685A (ko) * 2001-06-11 2003-01-10 쥬겐 산교 가부시키가이샤 제품 주문 방법 및 시스템
KR20060062671A (ko) * 2004-12-06 2006-06-12 손영준 맞춤판매형쇼핑몰서비스방법
KR20070052818A (ko) * 2005-11-18 2007-05-23 이경재 인터넷을 이용한 맞춤식 문짝 주문 방법
KR20070056234A (ko) * 2005-11-29 2007-06-04 주식회사 팬택 단문메시지를 이용한 주식 주문 방법
KR20150030534A (ko) * 2013-09-12 2015-03-20 정우석 고밀도압축목재패널의 제조공법
KR101654317B1 (ko) * 2015-09-02 2016-09-06 아이베란다주식회사 목재 주문 서비스 제공 방법

Similar Documents

Publication Publication Date Title
Wang et al. A sentiment-enhanced hybrid recommender system for movie recommendation: a big data analytics framework
US10649990B2 (en) Linking ontologies to expand supported language
AU2016256764B2 (en) Semantic natural language vector space for image captioning
US20140207776A1 (en) Method and system for linking data sources for processing composite concepts
CN107436875B (zh) 文本分类方法及装置
JP6440732B2 (ja) 機械学習に基づく自動タスク分類
US20230102337A1 (en) Method and apparatus for training recommendation model, computer device, and storage medium
AU2016256753A1 (en) Image captioning using weak supervision and semantic natural language vector space
JP2019075088A (ja) 文章生成モデルのアップデート方法及び文章生成装置
CN106599037B (zh) 一种基于标签语义规范化推荐方法
US11928430B2 (en) Detecting unrelated utterances in a chatbot system
WO2017166944A1 (zh) 一种提供业务访问的方法及装置
US20150356623A1 (en) System And Method For Recommending Customized Tourism Content Based On Collecting And Structurizing Of Unstructured Tourism Data
US20200027446A1 (en) Visualization interface for voice input
CN105531701A (zh) 个性化趋势图像搜索建议
Zhang et al. A distributed weighted possibilistic c-means algorithm for clustering incomplete big sensor data
US20180075354A1 (en) Method and system for using existing models in connection with new model development
US10740401B2 (en) System for the automated semantic analysis processing of query strings
KR102082202B1 (ko) 인공지능 기반 맞춤형 공구 추천 정보 제공 장치 및 방법
CN104751354A (zh) 一种广告人群筛选方法
KR101545050B1 (ko) 정답 유형 자동 분류 방법 및 장치, 이를 이용한 질의 응답 시스템
US20200302331A1 (en) Intelligent problem solving using visual input
JP2020042131A (ja) 情報処理装置、情報処理方法、およびプログラム
KR101931624B1 (ko) 패션 분야의 트렌드 분석방법 및 이를 포함하는 저장매체
US20230113524A1 (en) Reactive voice device management

Legal Events

Date Code Title Description
GRNT Written decision to grant