KR102134544B1 - 도서관 구매 도서 추천 방법 및 이러한 방법을 수행하는 장치 - Google Patents

Abstract

본 발명은 도서관 구매 도서 추천 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 도서관 구매 도서 추천 방법은 도서 수요 정보 수집부가 도서 수요 정보를 수집하는 단계, 도서 수요 정보 분석부가 도서 수요 정보를 기반을 도서 구매 정보를 생성하는 포함할 수 있다.

Description

도서관 구매 도서 추천 방법 및 이러한 방법을 수행하는 장치{Method for book recommendation for purchasing in library and apparatus for performing the same}

본 발명은 도서관 구매 도서 추천 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 보다 상세하게는 사서가 도서관에서 구비할 도서를 추천하기 위한 방법 및 장치에 관한 것이다.

도서관 정보 나루는 도서관 빅데이터 활용에 관심이 있는 연구자, 개발자 및 도서관을 위해 다양한 도서관 데이터를 공유하고 활용할 수 있도록 지원하고 있다. 주요 기능은 수집 데이터 통계, 기간별/지역별/성별/연령별 베스트 대출 도서 등 전국 도서관 주요 현황을 제공하고 전국의 도서관의 서지 데이터, 대출 데이터, 대출 도서 순위 등 다양한 유형의 도서관 빅데이터를 제공한다.

이러한 도서관 정보 나루의 데이터는 전국의 서지 데이터, 대출 데이터, 대출 도서 순위 등과 같은 다양한 유형의 도서관 빅데이터를 제공하고 있으나 현재 개인에게 도서 추천 서비스를 정확하게 제공하지 못하고 있다.

도서관 정보 나루뿐만 아니라, 다양한 인터넷 서적 업체, 컨텐츠 서비스 업체는 추천 도서 정보를 제공하고 있으나, 대부분의 추천은 마켓팅을 위한 목적으로 이루어지거나 검증되지 않은 별점 정보를 기반으로 이루어지기 때문에 정확한 도서 추천이 이루어지지 않고 있다. 따라서, 개인 정보/개인 취향을 보다 정확하게 반영한 도서 추천 알고리즘에 대한 연구가 필요하고, 정교한 도서 추천 알고리즘을 기반으로 한 도서 추천을 통해 사용자에게 필요하고 사용자의 취향에 맞는 도서가 제공될 수 있다.

이뿐만 아니라, 현재 도서관에서 책을 구매시 희망 도서와 같은 도서관 이용자의 구매 희망 도서를 구매하거나 사서의 개인의 선택에 의해 책을 구매하게 된다. 이러한 방식의 도서 구매는 실제 도서관 이용자가 대여를 원하는 책에 대한 대여가 어려울 수 있다. 따라서, 보다 정확하게 도서관의 특성을 고려하여 도서관에서 구매하여 구비해야할 책에 대한 정보를 획득할 필요가 있다.

본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.

또한, 본 발명은, 도서관에서 대여 도서 수요에 대한 정확한 판단을 기반으로 도서를 구매하는 것을 목적으로 한다.

또한, 본 발명은, 도서관별 도서 대여 특성을 고려하여 도서관에서 도서 수요에 대한 정확한 판단을 통해 도서를 구매하는 것을 목적으로 한다.

이뿐만 아니라, 도서의 구매 예산을 고려하여 도서관 내에 대여 도서를 구매하는 것을 목적으로 한다.

상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.

본 발명의 일 실시예에 따르면, 도서관 구매 도서 추천 방법은 도서 수요 정보 분석부가 도서 수요 정보를 수집하는 단계와 상기 도서 수요 정보 분석부가 상기 도서 수요 정보를 기반을 도서 구매 정보를 생성하는 포함할 수 있다.

한편, 상기 도서 수요 정보 분석부는 신간 도서 수요 정보 분석부와 비신간 도서 수요 정보 분석부를 포함하고, 상기 신간 도서 수요정보 분석부는 신간 도서 관심도를 결정하고, 상기 비신간 도서 수요정보 분석부는 비신간 도서 관심도를 결정할 수 있다.

또한, 상기 도서 구매 정보는 상기 신간 도서 관심도를 기반으로 결정된 신간 도서 구매 수량 정보 및 상기 비신간 도서 관심도를 기반으로 결정된 비신간 도서 구매 수량 정보를 포함할 수 있다.

본 발명의 다른 실시예에 따르면, 도서관 구매 도서 추천을 수행하는 도서 추천 장치는 도서 수요 정보를 수집하기 위해 구현되는 도서 수요 정보 수집부와 상기 도서 수요 정보를 기반을 도서 구매 정보를 생성하기 위해 구현되는 도서 수요 정보 분석부를 포함할 수 있다.

한편, 상기 도서 수요 정보 분석부는 신간 도서 수요 정보 분석부와 비신간 도서 수요 정보 분석부를 포함하고, 상기 신간 도서 수요정보 분석부는 신간 도서 관심도를 결정하고, 상기 비신간 도서 수요정보 분석부는 비신간 도서 관심도를 결정할 수 있다.

또한, 상기 도서 구매 정보는 상기 신간 도서 관심도를 기반으로 결정된 신간 도서 구매 수량 정보 및 상기 비신간 도서 관심도를 기반으로 결정된 비신간 도서 구매 수량 정보를 포함할 수 있다.

본 발명에 의하면, 도서관에서 대여 도서 수요에 대한 정확한 판단을 기반으로 도서가 구매될 수 있다.

또한, 본 발명에 의하면, 도서관별 도서 대여 특성을 고려하여 도서관에서 도서 수요에 대한 정확한 판단을 통해 도서가 구매될 수 있다.

이뿐만 아니라, 도서의 구매 예산을 고려하여 도서관에서 도서가 구매될 수 있다.

도 1은 본 발명의 실시예에 따른 도서 추천 장치를 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 제1 추천 도서 결정부의 동작 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 제1 추천 도서 결정부의 동작 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 제2 추천 도서 결정부의 동작 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 제2 추천 도서 결정부의 동작 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 인기 도서/관련 도서 테이블을 생성하기 위한 방법을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 최종 추천 도서 결정 방법을 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 최종 추천 도서 결정 방법을 나타낸 개념도이다.
도 9는 본 발명의 실시예에 따른 최종 추천 도서 결정 방법을 나타낸 개념도이다.
도 10은 본 발명의 실시예에 따른 최종 추천 도서를 결정하기 위한 방법을 나타낸 개념도이다.
도 11은 본 발명의 실시예에 따른 신간 도서 추천 방법을 나타낸 개념도이다.
도 12는 본 발명의 실시예에 따른 도서관에서 구매 대상 도서를 추천하기 위한 방법을 나타낸 개념도이다.
도 13은 본 발명의 실시예에 따른 도서관에서 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.
도 14는 본 발명의 실시예에 따른 도서 수요 정보 수집부의 동작을 나타낸 개념도이다.
도 15는 본 발명의 실시예에 따른 도서 수요 정보 분석부의 동작을 나타낸 개념도이다.
도 16은 본 발명의 실시예에 따른 신간 도서 관심도 및 비신간 도서 관심도를 결정하기 위한 방법을 나타낸 개념도이다.
도 17은 본 발명의 실시예에 따른 도서 구매 방법을 나타낸 개념도이다.
도 18은 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.
도 19는 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.
도 20은 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.
도 21은 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.

이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

도 1은 본 발명의 실시예에 따른 도서 추천 장치를 나타낸 개념도이다.

도 1에서는 서로 다른 포맷의 대출 정보를 기반으로 도서를 추천하기 위한 도서 추천 장치가 개시된다.

도 1을 참조하면, 도서 추천 장치는 제1 추천 도서 결정부(110), 제2 추천 도서 결정부(120) 및 최종 추천 도서 결정부(195)를 포함할 수 있다.

제1 추천 도서 결정부(110)는 제1 도서관 데이터베이스(100)에서 제공되는 제1 대여 정보를 기반으로 제1 추천 도서를 결정하기 위해 구현될 수 있다. 제2 추천 도서 결정부(160)는 제2 도서관 데이터베이스(150)에서 제공되는 제2 대여 정보를 기반으로 제2 추천 도서를 결정하기 위해 구현될 수 있다. 최종 추천 도서 결정부(195)는 제1 추천 도서 및 제2 추천 도서를 기반으로 최종적으로 사용자에게 추천될 최종 추천 도서를 결정하기 위해 구현될 수 있다.

구체적으로 제1 도서관 데이터베이스(100)는 제1 대여 정보를 제1 추천 도서 결정부(110)로 전송할 수 있다. 제1 도서관 데이터베이스(100)는 도서를 대여한 대여자 각각 대여자 정보를 포함하는 제1 대여 정보를 저장 및 처리할 수 있고, 제1 대여 정보는 제1 추천 도서 결정부(110)로 전달될 수 있다. 제1 대여 정보는 '홍길동, 남자, 23세, 서울시 강남구 거주 등'과 같은 구체적인 대여자 정보 및 대여자 정보에 매칭되는 대여 도서 정보를 포함할 수 있다.

제2 도서관 데이터베이스(150)는 제2 대여 정보를 제2 추천 도서 결정부(160)로 전송할 수 있다. 제2 도서관 데이터베이스(150)는 도서를 대여한 대여자 각각의 개인 정보가 아닌 대여자 그룹의 대여자 그룹 정보를 포함하는 제2 대여 정보를 저장 및 처리할 수 있고, 제2 대여 정보는 제2 추천 도서 결정부(160)로 전달될 수 있다. 제2 대여 정보는 남자, 20대, 서울 등에 해당하는 대여자 그룹 단위의 대여자 그룹 정보 및 대여자 그룹 정보에 매칭되는 대여 도서 정보를 포함할 수 있다.

제1 도서관 데이터베이스(100)와 제2 도서관 데이터베이스(150)는 복수개일 수 있고, 이러한 복수의 도서관 데이터베이스로부터 제1 대여 정보 및 제 대여 정보를 수신하는 것도 본 발명의 권리 범위에 포함될 수 있다.

제1 추천 도서 결정부(110)는 제1 추천 테이블 생성부(120), 제1 추천 우선 순위 결정부(130), 사용자 정보 기반 제1 추천 도서 결정부(140)를 포함할 수 있다.

제1 추천 테이블 생성부(120)는 추천을 위한 대여자/도서 테이블, 도서/대여자 테이블, 제1 인기 도서/관련 도서 테이블을 생성하기 위해 구현될 수 있다.

제1 추천 우선 순위 결정부(130)는 제1 인기 도서/관련 도서 테이블에서 인기 도서와 관련 도서의 관련도 값을 기반으로 추천 우선 순위를 결정하여 제1 인기 도서/관련 도서 테이블에서 관련 도서를 우선 순위대로 소팅하고 관련 도서를 필터링할 수 있다.

사용자 정보 기반 제1 추천 도서 결정부(140)는 소팅된 제1 인기 도서/관련 도서 테이블을 기반으로 도서 추천을 원하는 사용자의 사용자 정보를 추가적으로 고려하여 사용자에게 맞는 제1 추천 도서를 결정할 수 있다.

제2 추천 도서 결정부(160)는 제2 추천 테이블 생성부(170), 제2 추천 우선 순위 결정부(180), 사용자 정보 기반 제2 추천 도서 결정부(190)를 포함할 수 있다.

제2 추천 테이블 생성부(170)는 추천을 위한 대여자 그룹/도서 테이블, 도서/대여자 그룹 테이블, 제2 인기 도서/관련 도서 테이블을 생성하기 위해 구현될 수 있다.

제2 추천 우선 순위 결정부(180)는 제2 인기 도서/관련 도서 테이블에서 인기 도서와 관련 도서의 관련도 값을 기반으로 추천 우선 순위를 결정하여 제2 인기 도서/관련 도서 테이블에서 관련 도서를 우선 순위대로 소팅하고 관련 도서를 필터링할 수 있다.

사용자 정보 기반 제2 추천 도서 결정부(190)는 소팅된 제2 인기 도서/관련 도서 테이블을 기반으로 도서 추천을 원하는 사용자의 사용자 정보를 추가적으로 고려하여 사용자에게 맞는 제2 추천 도서를 결정할 수 있다.

최종 추천 도서 결정부(195)는 위와 같은 방법을 기반으로 추출된 제1 추천 도서 및 제2 추천 도서를 기반으로 사용자에게 추천할 최종 추천 도서를 결정할 수 있다.

최종 추천 도서는 정기 배송, 희망 배송 방식으로 배송 시스템을 통해 사용자에게 배송되는 것도 가능하다. 정기 배송, 희망 배송은 온라인 상을 통한 전자책의 배송일 수도 있고, 실제 오프라인을 통한 책의 배송일 수도 있다. 이러한 정기 배송, 희망 배송은 책의 구매뿐만 아니라 책의 대여를 위한 배송일 수도 있다.

이하, 본 발명의 실시예에서는 보다 구체적인 제1 추천 도서 및 제2 추천 도서의 결정 방법 및 최종 추천 도서 결정 방법이 개시된다.

도 2는 본 발명의 실시예에 따른 제1 추천 도서 결정부의 동작 나타낸 개념도이다.

도 2에서는 제1 추천 도서 결정부(200)에서 제1 추천 도서를 결정하기 위한 구체적인 방법이 개시된다. 특히, 제1 추천 테이블 생성부(210), 제1 추천 우선 순위 결정부(220)의 동작이 개시된다.

도 2를 참조하면, 제1 추천 테이블 생성부(210)는 대여자/도서 테이블(240), 도서/대여자 테이블(250), 제1 인기 도서/관련 도서 테이블(260)을 생성할 수 있다.

대여자/도서 테이블(240)은 대여자와 대여자가 대여한 도서에 대한 정보를 포함할 수 있다. 예를 들어, 대여자A~대여자Z가 존재하는 경우, 대여자/도서 테이블은 대여자A~대여자Z 각각이 대여한 도서에 대한 정보를 포함할 수 있다.

아래의 표 1은 대여자/도서 테이블(240)의 예시이다.

대여자	대여 도서1	대여 도서1	…	대여 도서n
대여자A	a	B		t
대여자B	b	C		d
…	…	…		…
대여자Z	h	J		l

대여자 각각이 어떠한 도서를 빌렸는지에 대한 정보가 대여자/도서 테이블(240)에 포함될 수 있다.도서/대여자 테이블(250)은 도서와 도서를 대여한 대여자에 대한 정보를 포함할 수 있다. 예를 들어, 도서a~도서z가 존재하는 경우, 도서/대여자 테이블(250)은 도서a~도서z 각각을 대여한 대여자에 대한 정보를 포함할 수 있다.

아래의 표 2는 도서/대여자 테이블(250)의 예시이다.

도서	대여자1	대여자2	…	대여자n
도서a	대여자A	대여자K		대여자D
도서b	대여자B	대여자C		대여자L
…	…	…		…
도서z	대여자H	대여자O		대여자P

도서 각각이 어떠한 대여자에 의해 대여되었는지에 대한 정보가 도서/대여자 테이블(250)에 포함될 수 있다.제1 인기 도서/관련 도서 테이블(260)은 대여자/도서 테이블(240) 및 도서/대여자 테이블(250)을 기반으로 인기 도서 및 인기 도서와 관련된 관련 도서에 대한 정보를 포함할 수 있다.

우선, 인기 도서는 도서/대여자 테이블(250)을 기반으로 결정될 수 있다. 도서/대여자 테이블(250)을 기반으로 임계 기간에 임계 숫자 이상의 대여자에 의해 대여된 도서가 인기 도서로서 설정될 수 있다. 관련 도서는 인기 도서와 관련성이 높은 도서로서 인기 도서와 관련도가 임계값 이상인 도서일 수 있다. 도서 간 관련도는 제1 도서관 데이터베이스를 기반으로 별도로 결정될 수 있다.

인기 도서와 특정 도서와의 관련도는 공통적으로 대여한 대여자가 많을수록 높도록 설정될 수 있다. 예를 들어, 인기 도서1을 대여한 복수의 대여자가 도서(K), 도서(L)를 함께 대여한 경우가 가정될 수 있다. 1000명의 대여자가 인기 도서1을 대여하고 그 중에 도서(K)를 함께 대여한 사람이 300명, 도서(L)를 함께 대여한 사람이 100명인 경우, 인기 도서1과 도서(K) 간의 관련도가 인기 도서1과 도서(L) 간의 관련도보다 크다고 볼 수 있다. 즉, 공통적으로 인기 도서와 함께 대여될 확률이 높은 도서일수록 인기 도서를 기준으로 한 관련도가 높은 값으로 설정될 수 있다.

아래의 표 3은 제1 인기 도서/관련 도서 테이블(260)의 예시이다.

인기 도서	관련 도서1	관련 도서2	…	관련 도서 n
인기 도서a	관련 도서A	관련 도서K		관련 도서D
인기 도서b	관련 도서B	관련 도서C		관련 도서L
…	…	…		…
인기 도서z	관련 도서H	관련 도서O		관련 도서P

어떠한 도서가 인기 도서이고, 인기 도서와 관련된 관련 도서가 어떠한 도서인지에 대한 정보가 제1 인기 도서/관련 도서 테이블(260)에 포함될 수 있다.제1 추천 우선 순위 결정부(220)는 제1 인기 도서/관련 도서 테이블(260)에서 인기 도서와 관련 도서의 관련도 값을 기반으로 추천 우선 순위를 결정하여 제1 인기 도서/관련 도서 테이블(260)에서 관련 도서를 우선 순위대로 소팅하여 제1 인기 도서/관련 도서 테이블(소팅)(270)을 생성하고, 제1 인기 도서/관련 도서 테이블(소팅)(270) 상에서 관련 도서를 필터링하여 제1 인기 도서/관련 도서 테이블(필터링)(280)을 생성할 수 있다.

전술한 바와 같이 인기 도서를 기반으로 인기 도서와 관련 도서의 관련도 값이 결정될 수 있다.

아래의 표 4는 관련도 값을 기반으로 제1 인기 도서/관련 도서 테이블(260)에서 관련 도서를 우선 순위대로 소팅한 제1 인기 도서/관련 도서 테이블(소팅)(270)이다.

인기 도서	관련 도서1(관련도) (1순위)	관련 도서2(관련도) (2순위)	…	관련 도서n(관련도) (n순위)
인기 도서a	관련 도서K(78)	관련 도서L(56)		관련 도서D(13)
인기 도서b	관련 도서B(81)	관련 도서C(45)		관련 도서L(22)
…	…	…		…
인기 도서z	관련 도서H(77)	관련 도서O(65)		관련 도서P(19)

제1 인기 도서/관련 도서 테이블(소팅)(270)에서는 위와 같이 높은 관련도 값을 가질수록 높은 우선 순위의 관련 도서로서 설정될 수 있고, 임계값 이상의 관련도를 가진 관련 도서만을 추출하여 필터링한 제1 인기 도서/관련 도서 테이블(필터링)(280)이 생성될 수 있다.아래의 표 5는 관련도 값을 기반으로 제1 인기 도서/관련 도서 테이블(소팅)(270)에서 임계값 이상의 관련도를 가진 관련 도서만을 추출하여 필터링한 제1 인기 도서/관련 도서 테이블(필터링)(280)이다.

인기 도서	관련 도서1(관련도) (1순위)	관련 도서2(관련도) (2순위)	…	관련 도서n(관련도) (n순위)
인기 도서a	관련 도서K(78)	관련 도서L(56)
인기 도서b	관련 도서B(81)
…	…
인기 도서z	관련 도서H(77)	관련 도서O(65)

제1 인기 도서/관련 도서 테이블(필터링)(280)은 실제적으로 관련도가 있다고 판단될 수 있는 임계값 이상의 관련도를 가진 관련 도서만을 포함할 수 있다. 사용자 정보 기반 제1 추천 도서 결정부(230)는 제1 인기 도서/관련 도서 테이블(필터링)(280)을 기반으로 도서 추천을 원하는 사용자의 사용자 정보를 추가적으로 고려하여 사용자에게 맞는 제1 추천 도서를 결정할 수 있다.

도 3은 본 발명의 실시예에 따른 제1 추천 도서 결정부의 동작 나타낸 개념도이다.

도 3에서는 제1 추천 도서 결정부에서 제1 추천 도서를 결정하기 위한 구체적인 방법이 개시된다. 특히, 사용자 정보 기반 제1 추천 도서 결정부의 동작이 개시된다.

도 3을 참조하면, 사용자 정보 기반 제1 추천 도서 결정부(310)는 제1 인기 도서/관련 도서 테이블(필터링)(320)을 기반으로 도서 추천을 원하는 사용자(또는 추천 서비스 대상)의 사용자 정보(330)를 추가적으로 고려하여 사용자에게 맞는 제1 추천 도서(340)를 결정할 수 있다.

제1 추천 도서(340)를 결정하기 위한 사용자 정보(330)는 사용자 대출 기록 정보, 사용자 개인 신상 정보(성별, 나이, 거주 지역 등)를 포함할 수 있다.

사용자 정보(330)는 기존에 사용자가 도서 대여 서비스를 이용한 경우, 제1 도서관 데이터베이스에서 남아있는 사용자에 관련된 제1 대여 정보로부터 추출되거나 사용자가 도서 추천 서비스를 이용하여 기존에 추천받아 구독한 책, 사용자가 도서 추천 서비스를 이용하면서 수행한 검색 기록/클릭 기록 등도 사용자 정보에 포함되어 제1 추천 도서(340)를 결정하기 위해 사용될 수 있다.

이뿐만 아니라, 사용자가 도서 추천 서비스를 이용하여 추천 받아 대여한 도서인지, 사용자가 도서 추천 서비스를 이용하지 않고 직접 선택하여 대여한 도서인지에 대한 요소도 고려될 수 있다.

구체적으로 사용자가 인기 도서a를 읽은 경우, 인기 도서와 관련도가 높은 관련 도서K, 관련 도서L가 제1 추천 도서(340)에 포함될 수 있다. 사용자가 관련 도서B를 읽은 경우, 인기도서b가 제1 추천 도서(340)에 포함될 수 있다.

사용자 정보 기반 제1 추천 도서 결정부(300)는 사용자에게 추천 가능한 제1 추천 도서(340)의 개수를 고려하여 임계 관련도값을 설정하여 제1 추천 도서(340)로서 제공하거나 임계 관련도 값 이상을 가지는 관련 도서 및 인기 도서를 모두 제1 추천 도서(340)로서 추출하여 제공할 수도 있다.

또한, 본 발명의 실시예에 따르면, 제1 추천 도서(340)를 결정하기 위한 사용자 정보(330)는 기한을 설정하여 입력될 수도 있다. 예를 들어, 사용자 정보(330)는 기간별 도서 대여 정보를 기반으로 사용자 정보(제1 기간) 내지 사용자 정보(제n 기간)으로 구분될 수 있다. 사용자 정보(제1 기간)은 사용자가 제1 기간에 대여한 도서에 대한 정보를 포함하고, 사용자 정보(제2 기간)은 사용자가 제2 기간에 대여한 도서에 대한 정보를 포함하고, 사용자 정보(제n 기간)은 사용자가 제n 기간에 대여한 도서에 대한 정보를 포함할 수 있다. 사용자 정보(제1 기간) 내지 사용자 정보(제n 기간) 각각을 기반으로 제1 추천 도서(제1 기간) 내지 제1 추천 도서(제n 기간)이 결정될 수 있다.

본 발명의 실시예에 따르면, 제1 추천 도서(340)를 결정하기 위해 기간별 사용자 정보가 활용될 수 있다. 이러한 방법을 통해 사용자가 예전에 읽고 관심을 가졌던 도서를 기준으로 한 제1 추천 도서(340)의 결정, 사용자가 최근에 읽고 관심을 가졌던 도서를 기준으로 한 제1 추천 도서(340)의 결정이 함께 수행될 수 있다. 사용자 정보를 기간별로 나누는 기간은 절대적인 시간을 기준으로 구분될 수도 있으나, 사용자에 의해 대여된 도서의 양, 도서 대여 빈도, 사용자 정보에 포함된 대여 도서에 대한 관련도를 고려하여 적응적으로 결정될 수 있다. 예를 들어, 사용자가 대여했던 책의 관련도가 임계값 이상 변화가 발생하는 구간을 기준으로 사용자 정보를 분할하는 기간이 적응적으로 결정될 수도 있다.

사용자에 의해 대여된 도서의 양이 상대적으로 많거나 도서 대여 빈도가 상대적으로 높을수록 사용자 정보가 상대적으로 높은 신뢰도를 가지는 것으로 판단하여 사용자 정보 분할 구간을 상대적으로 세분화할 수 있고, 사용자에 의해 대여된 도서의 양이 상대적으로 적거나 도서 대여 빈도가 상대적으로 낮을수록 사용자 정보가 상대적으로 낮은 신뢰도를 가지는 것으로 판단하여 사용자 정보 분할 구간을 상대적으로 세분화지 않을 수 있다.

도 4는 본 발명의 실시예에 따른 제2 추천 도서 결정부의 동작 나타낸 개념도이다.

도 4에서는 제2 추천 도서 결정부(400)에서 제2 추천 도서를 결정하기 위한 구체적인 방법이 개시된다. 특히, 제2 추천 테이블 생성부(410), 제2 추천 우선 순위 결정부(420)의 동작이 개시된다.

도 4를 참조하면, 제2 추천 데이블 생성부(410)는 대여자 그룹/도서 테이블(440), 도서/대여자 그룹 테이블(450), 제2 인기 도서/관련 도서 테이블(460)을 생성할 수 있다.

대여자 그룹/도서 테이블(440)은 대여자 그룹과 대여자 그룹이 대여한 도서에 대한 정보를 포함할 수 있다. 예를 들어, 대여자 그룹A~대여자 그룹Z가 존재하는 경우, 대여자 그룹/도서 테이블(440)은 대여자 그룹A~대여자 그룹Z 각각이 대여한 도서에 대한 정보를 포함할 수 있다. 대여자 그룹은 성별 카테고리, 나이 카테고리, 지역 카테고리 등 특성 카테고리를 기반으로 설정될 수 있다. 예를 들어, 대여자 그룹A는 남자, 20대, 서울이고, 대여자 그룹B는 남자, 30대, 서울 등과 같은 범위로 설정될 수 있다.

아래의 표 6은 대여자 그룹/도서 테이블(440)의 예시이다.

대여자 그룹	대여 도서1	대여 도서1	…	대여 도서n
대여자 그룹A	A	B		t
대여자 그룹B	B	C		D
…	…	…		…
대여자 그룹Z	H	J		l

대여자 그룹 각각이 임계 대여 횟수 이상으로 빌리는 도서에 대한 정보가 대여자 그룹/도서 테이블(440)에 포함될 수 있다.도서/대여자 그룹 테이블(450)은 도서와 도서를 대여한 대여자 그룹에 대한 정보를 포함할 수 있다. 예를 들어, 도서a~도서z가 존재하는 경우, 도서/대여자 그룹 테이블(450)은 도서a~도서z 각각을 임계 대여 횟수 이상 대여하는 대여자 그룹에 대한 정보를 포함할 수 있다.

아래의 표 7은 도서/대여자 그룹 테이블(450)의 예시이다.

도서	대여자 그룹1	대여자 그룹2	…	대여자 그룹n
도서a	대여자 그룹A	대여자 그룹K		대여자 그룹D
도서b	대여자 그룹B	대여자 그룹C		대여자 그룹L
…	…	…		…
도서z	대여자 그룹H	대여자 그룹O		대여자 그룹P

도서 각각이 어떠한 대여자 그룹에 의해 임계 대여 횟수 이상 대여되었는지에 대한 정보가 도서/대여자 그룹 테이블(450)에 포함될 수 있다.제2 인기 도서/관련 도서 테이블(460)은 대여자 그룹/도서 테이블(440) 및 도서/대여자 그룹 테이블(450)을 기반으로 인기 도서 및 인기 도서와 관련된 관련 도서에 대한 정보를 포함할 수 있다.

우선, 인기 도서는 도서/대여자 그룹 테이블(450) 및 도서 대여 횟수를 기반으로 결정될 수 있다. 도서/대여자 그룹 테이블(450)을 기반으로 임계 기간에 임계 숫자 이상의 대여자 그룹에 의해 대여되거나 총 대여 횟수가 임계 횟수 이상인 도서가 인기 도서로서 결정될 수 있다. 관련 도서는 인기 도서와 관련성이 높은 도서로서 인기 도서와 관련도가 임계값 이상인 도서일 수 있다. 도서 간 관련도를 산출하는 방법에 대해서는 후술한다. 도서 간 관련도는 제2 도서관 데이터베이스를 기반으로 별도로 결정될 수 있다.

아래의 표 8은 제2 인기 도서/관련 도서 테이블(460)의 예시이다.

인기 도서	관련 도서1	관련 도서2	…	관련 도서 n
인기 도서g	관련 도서B	관련 도서N		관련 도서D
인기 도서y	관련 도서A	관련 도서C		관련 도서L
…	…	…		…
인기 도서u	관련 도서R	관련 도서E		관련 도서P

어떠한 도서가 인기 도서이고, 인기 도서와 관련된 관련 도서가 어떠한 도서인지에 대한 정보가 제2 인기 도서/관련 도서 테이블(460)에 포함될 수 있다.제2 추천 우선 순위 결정부(420)는 제2 인기 도서/관련 도서 테이블(460)에서 인기 도서와 관련 도서의 관련도 값을 기반으로 추천 우선 순위를 결정하여 제2 인기 도서/관련 도서 테이블(460)에서 관련 도서를 우선 순위대로 소팅하여 제2 인기 도서/관련 도서 테이블(소팅)(470)을 생성하고, 관련 도서를 필터링하여 제2 인기 도서/관련 도서 테이블(필터링)(480)을 생성할 수 있다.

전술한 바와 같이 인기 도서를 기반으로 인기 도서와 관련 도서의 관련도 값이 결정될 수 있다.

아래의 표 9는 관련도 값을 기반으로 제2 인기 도서/관련 도서 테이블(460)에서 관련 도서를 우선 순위대로 소팅한 제2 인기 도서/관련 도서 테이블(소팅)(470)이다.

인기 도서	관련 도서1(관련도) (1순위)	관련 도서2(관련도) (2순위)	…	관련 도서n(관련도) (n순위)
인기 도서g	관련 도서B(89)	관련 도서N(77)		관련 도서D(9)
인기 도서y	관련 도서A(95)	관련 도서C(75)		관련 도서L(11)
…	…	…
인기 도서u	관련 도서R(90)	관련 도서E(65)		관련 도서P(15)

위와 같이 높은 관련도 값을 가질수록 높은 우선 순위의 관련 도서로서 설정될 수 있고, 임계값 이상의 관련도를 가진 관련 도서만을 추출하여 필터링한 제2 인기 도서/관련 도서 테이블(필터링)(480)이 생성될 수 있다.아래의 표 10은 관련도 값을 기반으로 제2 인기 도서/관련 도서 테이블(소팅)(470)에서 임계값 이상의 관련도를 가진 관련 도서만을 추출하여 필터링한 제2 인기 도서/관련 도서 테이블(필터링)(480)이다.

인기 도서	관련 도서1(관련도) (1순위)	관련 도서2(관련도) (2순위)	…	관련 도서n(관련도) (n순위)
인기 도서g	관련 도서B(89)	관련 도서N(77)
인기 도서y	관련 도서A(95)	관련 도서C(75)
…	…	…
인기 도서u	관련 도서R(90)	관련 도서E(65)

제2 인기 도서/관련 도서 테이블(필터링)(480)은 실제적으로 관련도가 있다고 판단될 수 있는 임계값 이상의 관련도를 가진 관련 도서만을 포함할 수 있다. 사용자 정보 기반 제2 추천 도서 결정부(430)는 제2 인기 도서/관련 도서 테이블(필터링)(480)을 기반으로 도서 추천을 원하는 사용자의 사용자 정보를 추가적으로 고려하여 사용자에게 맞는 제2 추천 도서를 결정할 수 있다.

도 5는 본 발명의 실시예에 따른 제2 추천 도서 결정부의 동작 나타낸 개념도이다.

도 5에서는 제2 추천 도서 결정부(500)에서 제2 추천 도서를 결정하기 위한 구체적인 방법이 개시된다. 특히, 사용자 정보 기반 제2 추천 도서 결정부(510)의 동작이 개시된다.

도 5를 참조하면, 사용자 정보 기반 제2 추천 도서 결정부(510)는 제2 인기 도서/관련 도서 테이블(필터링)(520)을 기반으로 도서 추천을 원하는 사용자의 사용자 정보(530)를 추가적으로 고려하여 사용자에게 맞는 제2 추천 도서(540)를 결정할 수 있다.

제2 추천 도서(540)를 결정하기 위한 사용자 정보(530)는 사용자 대출 기록 정보, 사용자 개인 정보(성별, 나이, 거주 지역 등)을 포함할 수 있다.

사용자 정보(530)는 기존에 사용자가 도서 대여 서비스를 이용한 경우, 제1 도서관 데이터베이스에서 남아있는 사용자에 관련된 제1 대여 정보로부터 추출되거나 사용자가 추천 서비스를 이용하여 기존에 추천받아 구독한 책, 사용자가 도서 추천 서비스를 이용하면서 수행한 검색 기록 등도 사용자 정보에 포함되어 제2 추천 도서(540)를 결정하기 위해 사용될 수 있다.

구체적으로 사용자가 인기 도서g를 읽은 경우, 인기 도서와 관련도가 높은 관련 도서B, 관련 도서N이 제2 추천 도서(540)에 포함될 수 있다. 사용자가 관련 도서A를 읽은 경우, 인기도서a가 제2 추천 도서(540)에 포함될 수 있다.

사용자 정보 기반 제2 추천 도서 결정부(510)는 사용자에게 추천 가능한 제2 추천 도서(540)의 개수를 고려하여 임계 관련도값을 설정하여 제2 추천 도서(540)로서 제공하거나 임계 관련도 값 이상을 가지는 관련 도서 및 인기 도서를 모두 제2 추천 도서(540)로서 추출하여 제공할 수도 있다.

또한, 본 발명의 실시예에 따르면, 마찬가지로 제2 추천 도서(540)를 결정하기 위한 사용자 정보(530)는 기한을 설정하여 입력될 수도 있다. 예를 들어, 사용자 정보(530)는 기간별 도서 대여 정보를 기반으로 사용자 정보(제1 기간) 내지 사용자 정보(제n 기간)으로 구분될 수 있다. 사용자 정보(제1 기간)은 사용자가 제1 기간에 대여한 도서에 대한 정보를 포함하고, 사용자 정보(제2 기간)은 사용자가 제2 기간에 대여한 도서에 대한 정보를 포함하고, 사용자 정보(제n 기간)은 사용자가 제n 기간에 대여한 도서에 대한 정보를 포함할 수 있다. 사용자 정보(제1 기간) 내지 사용자 정보(제n 기간) 각각을 기반으로 제1 추천 도서(제1 기간) 내지 제1 추천 도서(제n 기간)이 결정될 수 있다.

본 발명의 실시예에 따르면, 제2 추천 도서(540)를 결정하기 위해 기간별 사용자 정보(530)가 활용될 수 있다. 이러한 방법을 통해 사용자가 예전에 읽고 관심을 가졌던 도서를 기준으로 한 제2 추천 도서(540)의 결정, 사용자가 최근에 읽고 관심을 가졌던 도서를 기준으로 한 제2 추천 도서(540)의 결정이 함께 수행될 수 있다. 사용자 정보(530)를 기간별로 나누는 기간은 절대적인 시간을 기준으로 구분될 수도 있으나, 사용자에 의해 대여된 도서의 양, 도서 대여 빈도, 사용자 정보(530)에 포함된 대여 도서에 대한 관련도를 고려하여 적응적으로 결정될 수 있다. 예를 들어, 사용자가 대여했던 책의 관련도가 임계값 이상 변화가 발생하는 구간을 기준으로 사용자 정보(530)를 분할하는 기간이 적응적으로 결정될 수도 있다.

사용자에 의해 대여된 도서의 양이 상대적으로 많거나 도서 대여 빈도가 상대적으로 높을수록 사용자 정보(530)가 상대적으로 높은 신뢰도를 가지는 것으로 판단하여 사용자 정보 분할 구간을 상대적으로 세분화할 수 있고, 사용자에 의해 대여된 도서의 양이 상대적으로 적거나 도서 대여 빈도가 상대적으로 낮을수록 사용자 정보가 상대적으로 낮은 신뢰도를 가지는 것으로 판단하여 사용자 정보 분할 구간을 상대적으로 세분화지 않을 수 있다.

도 6은 본 발명의 실시예에 따른 인기 도서/관련 도서 테이블을 생성하기 위한 방법을 나타낸 개념도이다.

도 6에서는 인기 도서/관련 도서 테이블에 별도의 가중치를 추가적으로 적용하여 제1 추천 도서 및 제2 추천 도서를 추출하기 위한 방법이 개시된다. 인기 도서/관련 도서 테이블은 제1 인기 도서/관련 도서 테이블 및 제2 인기 도서/관련 도서 테이블을 포함할 수 있다.

도 6을 참조하면, 사용자에게 보다 정확한 추천을 위해 인기 도서/관련 도서 테이블(600)에 가중치 마스킹 테이블(620)을 적용한 결과를 적용하여 도서/관련 도서 테이블(가중치 마스킹)(630), 인기 도서/관련 도서 테이블(가중치 마스킹 및 소팅)(640) 및 인기 도서/관련 도서 테이블(가중치 마스킹 및 필터링)(660)을 추출하고, 인기 도서/관련 도서 테이블(가중치 마스킹 및 필터링)(660)을 기반으로 제1 추천 도서 및 제2 추천 도서가 추출될 수 있다.

전술한 관련도를 기반으로 결정된 표 4 및 표 9와 같은 인기 도서/관련 도서 테이블(600)에 대하여 사용자 정보를 고려한 가중치 마스킹 테이블(620)을 추가적으로 적용하여 아래의 표 11과 같이 가중치 적용 사용자 관련도 수치를 결정할 수 있다.

인기 도서	관련 도서1 (가중치 적용관련도) (1순위)	관련 도서2 (가중치 적용 관련도) (2순위)	…	관련 도서n (가중치 적용 관련도) (n순위)
인기 도서g	관련 도서N(88)	관련 도서K(70)		관련 도서D(9)
인기 도서y	관련 도서B(90)	관련 도서D(80)		관련 도서L(11)
…	…	…
인기 도서u	관련 도서R(92)	관련 도서K(70)		관련 도서P(15)

가중치 마스킹 테이블(620)은 사용자가 기존에 관심을 가지고 있는 관심 주제(카테고리), 사용자가 기존에 관심을 가진 작가, 사용자가 높은 평점을 준 인기 도서와 관련된 관련 도서에 높은 가중치를 부여하기 위한 테이블로서 사용자 별로 결정될 수 있다.또한, 가중치 마스킹 테이블(620)은 사용자가 도서 추천 서비스를 이용하여 추천 받아 대여한 도서인지, 사용자가 도서 추천 서비스를 이용하지 않고 직접 선택하여 대여한 도서인지를 고려하여 도서 추천 서비스를 이용하지 않고 직접 선택하여 대여한 도서와 관련된 관련 도서의 경우 상대적으로 더 높은 가중치를 부여하기 위해 설정될 수 있다.

표 4 및 표 9와 같은 인기 도서/관련 도서 테이블에 포함된 관련 도서의 카테고리, 작가, 사용자의 관련 도서의 카테고리, 작가에 대한 평점 등과 같은 사용자의 도서 취향을 고려하여 아래의 표 12와 같은 가중치 마스킹 테이블(620)이 생성될 수 있다.

인기 도서	관련 도서1(가중치)	관련 도서2(가중치)	…	관련 도서n(가중치)
인기 도서g	0.8	0.65		0.1
인기 도서y	0.7	0.9		0.7
…	…	…
인기 도서u	0.9	0.3		0.5

표 12와 같이 사용자의 도서 취향 및 관련 도서 정보를 고려한 가중치 마스킹 테이블(620)이 생성될 수 있고, 가중치 마스킹 테이블(620)이 인기 도서/관련 도서 테이블(600)에 적용될 수 있다. 인기 도서/관련 도서 테이블(가중치 마스킹)(630)에 대한 소팅 및 필터링이 적용될 수 있고, 인기 도서/관련 도서 테이블(가중치 마스킹 및 소팅)(640) 및 인기 도서/관련 도서 테이블(가중치 마스킹 및 필터링)(650)이 생성될 수 있다.

도 7은 본 발명의 실시예에 따른 최종 추천 도서 결정 방법을 나타낸 개념도이다.

도 7에서는 사용자가 자신에 대한 추천이 아닌 추천 대상에 대한 도서 추천을 위한 추천 방법이 개시된다.

도 7을 참조하면, 사용자는 타인에게 책을 사주기 위해 타인을 위한 추천을 해줄 수도 있고, 별도의 관심사를 설정하여 책을 추천받을 수도 있다. 예를 들어, 부모가 자식에게 책을 사주고자 할 경우, 사용자에 대한 가중치 마스킹 테이블 및 사용자 정보를 기반으로 추천을 받는다면 부정확한 결과가 나올 수 있다.

따라서, 본 발명의 실시예에 따르면 사용자는 도서 추천 대상 정보(710) 및/또는 도서 추천 목적 정보(720)를 입력 또는 선택할 수 있고, 사용자의 도서 추천 대상 정보(710) 및/또는 도서 추천 목적 정보(720)에 따라 가중치 마스킹 테이블(추천)(700) 및 추천 대상 사용자 정보(770)가 변화될 수 있다.

사용자가 도서 추천 대상 정보(710) 및/또는 도서 추천 목적 정보(720)를 입력하는 경우, 도서 추천 대상 정보(710) 및/또는 도서 추천 목적 정보(720)에 따라 가중치 마스킹 테이블(추천)(700)이 생성될 수 있다. 예를 들어, 사용자에 의해 책을 추천할 대상의 나이, 성별, 직업, 관심사 등이 선택되는 경우, 추천 대상을 위한 가중치 마스킹 테이블(추천)(700)이 생성될 수 있다.

이후 동일한 방식으로 인기 도서/관련 도서 테이블(가중치 마스킹n)(730), 인기 도서/관련 도서 테이블(가중치 마스킹n 및 소팅)(740), 인기 도서/관련 도서 테이블(가중치 마스킹n 및 필터링)(750)이 생성될 수 있다.

인기 도서/관련 도서 테이블(가중치 마스킹n 및 필터링)(750)의 생성 이후, 추천 대상 사용자 정보(770)가 입력될 수 있고, 이에 따라 추천 도서(추천 대상)이 추출될 수 있다.

추천 대상 사용자 정보(770)는 별도로 입력할 수도 있고, 추천 대상 정보(710) 및/또는 도서 추천 목적 정보(720)를 기반으로 자체 생성될 수도 있다.

도 8은 본 발명의 실시예에 따른 최종 추천 도서 결정 방법을 나타낸 개념도이다.

도 8에서는 최종 추천 도서를 결정하기 위한 방법이 개시된다.

도 8을 참조하면, 최종 추천 도서(850)는 제1 추천 도서(810) 및 제2 추천 도서(820)를 기반으로 결정될 수 있다. 제1 추천 도서(810) 및 제2 추천 도서(820)를 기반으로 최종 추천 도서(850)를 결정하기 위해서 다양한 방법이 사용될 수 있다. 설정된 최종 추천 도서(850)의 개수에 따라 제1 추천 도서(810) 및 제2 추천 도서(820) 중 적어도 하나의 추천 도서가 최종 추천 도서(850)로서 결정될 수 있다.

최종 추천 도서(850)의 개수가 제1 추천 도서(810) 및 제2 추천 도서(820)의 합의 개수보다 많거나 같은 경우, 제1 추천 도서(810) 및 제2 추천 도서(820)가 모두 최종 추천 도서(850)로서 제공될 수 있다. 이때, 제1 추천 도서(810) 및 제2 추천 도서(820)가 인기 도서인지 관련 도서인지 여부 및 관련 도서인 경우, 관련도 값을 고려하여 우선 순위를 설정하여 최종 추천 도서로서 제공될 수 있다. 예를 들어, 제1 추천 도서(810) 및/또는 제2 추천 도서(820)가 인기 도서인 경우, 관련 도서인 경우 보다 상위 우선 순위로 설정되어 최종 추천 도서(850)로 제공될 수 있다. 제1 추천 도서(810) 및/또는 제2 추천 도서(820)가 관련 도서인 경우, 관련도 값이 높을수록 상위 우선 순위로 설정되어 최종 추천 도서(850)로 제공될 수 있다. 제1 추천 도서(810) 및/또는 제2 추천 도서(820)가 관련 도서인 경우, 관련도 값에 대한 단순 비교가 아닌, 제1 추천 도서(810) 및/또는 제2 추천 도서(820) 각각의 관련도 값에 가중치를 설정하여 우선 순위를 결정할 수 있다. 제1 추천 도서(810) 및/또는 제2 추천 도서(820) 각각의 관련도 값에 가중치를 설정하여 우선 순위를 결정하는 방법에 대해서는 구체적으로 후술한다.

최종 추천 도서(850)의 개수가 제1 추천 도서(810) 및 제2 추천 도서(820)의 합의 개수보다 작은 경우, 제1 추천 도서(810) 및 제2 추천 도서(820) 중 선택된 선택 추천 도서가 최종 추천 도서(850)로서 제공될 수 있다. 제1 추천 도서(810) 및 제2 추천 도서(820) 중 선택 추천 도서를 결정하기 위해서 다양한 방법이 사용될 수 있다.

제1 추천 도서(810) 및 제2 추천 도서(820)에서 중첩되어 추천된 중첩 추천 도서(860)는 선택 추천 도서로서 결정될 수 있고, 선택 추천 도서 중 상대적으로 높은 우선 순위를 가지고 최종 추천 도서(850)로서 제공될 수 있다.

제1 추천 도서(810) 및 제2 추천 도서(820)에서 중첩되지 않고 추천된 비중첩 추천 도서(860) 중 우선 순위를 설정하여 선택 추천 도서로서 결정될 수 있다. 비중첩 추천 도서(860)가 인기 도서(870)인 경우, 비중첩 추천 도서(860)가 관련 도서인 경우보다 상대적으로 더 높은 우선 순위로 설정하여 최종 추천 도서(850)로서 제공할 수 있다. 비중첩 추천 도서(860)가 관련 도서인 경우, 관련도 값을 기반으로 상대적으로 더 큰 관련도 값을 가질수록 높은 우선 순위로 설정하여 최종 추천 도서(850)로서 제공할 수 있다.

도 9는 본 발명의 실시예에 따른 최종 추천 도서 결정 방법을 나타낸 개념도이다.

도 9에서는 최종 추천 도서를 결정하기 위한 방법이 개시된다. 특히, 제1 인기 도서/관련 도서 테이블(필터링)(930)과 제2 인기 도서/관련 도서 테이블(필터링)(950) 각각을 기반으로 별도로 제1 추천 도서와 제2 추천 도서를 생성되지 않고, 제1 인기 도서/관련 도서 테이블(필터링)(930)과 제2 인기 도서/관련 도서 테이블(필터링)(950) 각각을 기반으로 인기 도서/관련 도서 최종 테이블(960)을 생성하여 인기 도서/관련 도서 최종 테이블(860)을 기반으로 최종 추천 도서를 결정하기 위한 방법이 개시된다.

도 9를 참조하면, 제1 도서 데이터베이스(910)와 제2 도서 데이터베이스(920) 각각에서 제1 인기 도서/관련 도서 테이블(필터링)(930)과 제2 인기 도서/관련 도서 테이블(필터링)(950) 각각의 결정까지는 동일하게 수행될 수 있다.

다만, 제1 인기 도서/관련 도서 테이블(필터링)(930)과 제2 인기 도서/관련 도서 테이블(필터링)(950)에서 별도의 제1 추천 도서와 제2 추천 도서가 개별적으로 추출되지 않고, 제1 인기 도서/관련 도서 테이블(필터링)(930)과 제2 인기 도서/관련 도서 테이블(필터링)(950)을 기반으로 인기 도서/관련 도서 최종 테이블(960)이 생성될 수 있다.

인기 도서/관련 도서 최종 테이블(960)은 동일한 인기 도서에 대한 비교를 통해 생성될 수 있다. 예를 들어, 제1 인기 도서/관련 도서 테이블(필터링)(930)에서 인기 도서1 및 인기 도서1 과 관련된 관련 도서(관련 도서a, 관련 도서c, 관련 도서d)이 존재하고, 제2 인기 도서/관련 도서 테이블(필터링)(950)에서 인기 도서1 및 인기 도서2와 관련된 관련 도서(관련 도서c, 관련 도서d, 관련 도서e)가 존재할 수 있다.

이러한 경우, 인기 도서/관련 도서 최종 테이블(960)에서 인기 도서1과 관련된 관련 도서가 결정될 수 있는데 동일한 관련 도서가 양 테이블(제1 인기 도서/관련 도서 테이블(필터링)(930)과 제2 인기 도서/관련 도서 테이블(필터링)(950))에 존재할수록 상대적으로 높은 우선 순위를 가지도록 설정될 수 있다. 동일한 관련 도서가 양 테이블에 존재하는 경우가 복수개인 경우, 관련 도서의 양 테이블(제1 인기 도서/관련 도서 테이블(필터링)(930)과 제2 인기 도서/관련 도서 테이블(필터링)(950)) 상의 우선 순위를 합산하여 높은 값이 높은 우선 순위를 가지도록 할 수 있다.

그 다음으로 한쪽 인기 도서/관련 도서 테이블(필터링)에만 관련 도서로서 있되, 관련도 값이 상대적으로 높을 수록 상대적으로 높은 우선 순위를 가지도록 인기 도서/관련 도서 최종 테이블(960)에 관련 도서가 포함될 수 있다.

이러한 방식으로 생성된 인기 도서/관련 도서 최종 테이블(960) 상에서 최종 추천 도서가 결정될 수 있다.

도 10은 본 발명의 실시예에 따른 최종 추천 도서를 결정하기 위한 방법을 나타낸 개념도이다.

도 10에서는 최종 추천 도서에 대한 사용자의 선택 결과를 피드백하여 제1 추천 도서와 제2 추천 도서에서 최종 추천 도서를 결정하는 방법을 적응적으로 변화시키기 위한 방법이 개시된다.

도 10을 참조하면, 복수의 사용자는 제1 추천 도서(1010)와 제2 추천 도서(1020)를 기반으로 적어도 하나의 최종 추천 도서(1030)를 제공받을 수 있다.

복수의 사용자 각각은 적어도 하나의 최종 추천 도서(1030) 중 적어도 하나의 도서를 선택하여 구독할 수 있다. 사용자에 의해 선택된 도서는 사용자 선택 도서(1040)라는 용어로 표현될 수 있다.

사용자 선택 도서(1040)는 제1 추천 도서(1010) 또는 제2 추천 도서(1020) 중 하나일 수 있고, 사용자 선택 도서의 경향성을 고려하여 제1 추천 도서(1010) 및 제2 추천 도서(1020)에서 최종 추천 도서(1030)를 결정하는 비중이 서로 다르게 설정될 수 있다. 즉, 사용자의 사용자 선택 도서에 대한 선택 결과 피드백을 통해 제1 추천 도서(1010)와 제2 추천 도서(1020) 중 어떠한 도서를 최종 추천 도서(1030)로 결정할지를 결정할 수 있다.

우선, 사용자 선택 결과의 경향성을 추출하고 사용자 선택 결과가 제1 추천 도서(1010) 또는 제2 추천 도서(1020) 중 특정 추천 도서를 선택하는 경향성이 있다면 높은 선택 경향을 가지는 추천 도서에 대한 가중치가 부여될 수 있다. 사용자 선택 도서가 임계 퍼센트 이상으로 제1 추천 도서(1010)인 경우, 제1 추천 도서(1010)의 추천 정확도가 높다고 판단할 수 있고, 최종 추천 도서(1030)로 결정시 제1 추천 도서(1010)가 상대적으로 많이 선택되도록 가중치를 부여할 수 있다.

전술한 바와 같이 제1 추천 도서(1010) 및/또는 제2 추천 도서(1020)가 관련 도서인 경우, 관련도 값에 대한 단순 비교가 아닌, 제1 추천 도서(1010) 및/또는 제2 추천 도서(1020) 각각의 관련도 값에 가중치를 설정하여 우선 순위를 결정할 수 있다. 제1 추천 도서(1010)의 관련도 값이 높아지도록 관련도 값에 가중치를 설정함으로써 제1 추천 도서(1010)가 상대적으로 최종 추천 도서(1030)에 포함될 확률을 높일 수 있다.

도 11은 본 발명의 실시예에 따른 신간 도서 추천 방법을 나타낸 개념도이다.

도 11에서는 신간 도서를 최종 추천 도서로서 제공하기 위한 방법이 개시된다.

도 11을 참조하면, 신간 도서의 경우, 도서관에 아직 입고되지 않아서 대여자들의 대여 정보가 존재하지 않을 수 있다. 이러한 경우, 대여와 관련된 대여자/도서 테이블, 도서/대여자 테이블, 인기 도서/관련 도서 테이블의 생성이 어렵다. 따라서, 신간 도서는 별도의 추천 알고리즘을 기반으로 최종 추천 도서에 포함될 수 있다.

신간에 대한 추천을 위해 도서 추천 장치는 외부 서버에서 신간 랭킹 데이터를 가지고 올 수 있다. 또한, 신간 랭킹 데이터는 신간 도서에 대한 정보를 포함할 수 있다.

신간 도서에 대한 TF-IDF(Term Frequency-Inverse Document Frequency)(1000)와 인기 도서에 대한 TF-IDF(1120)를 수행하여 신간과 인기 도서에 대한 관련도(TF-IDF)( 1150)가 결정될 수 있다.

TF(단어 빈도, term frequency)는 특정한 단어가 문서 내에 얼마나 자주 등장하는지를 나타내는 값으로, 이 값이 높을수록 문서에서 중요하다고 생각할 수 있다. 하지만 단어 자체가 문서군 내에서 자주 사용되는 경우, 이것은 그 단어가 흔하게 등장한다는 것을 의미한다. 이것을 DF(문서 빈도, document frequency)라고 하며, 이 값의 역수를 IDF(역문서 빈도, inverse document frequency)라고 한다. TF-IDF는 TF와 IDF를 곱한 값이다.

만약, 인기 도서와 신간 도서 간의 관련도(TF-IDF)( 1150)가 임계값 이상 존재하는 경우, 신간 도서는 최종 추천 도서(1160)에 포함될 수 있다. 최종 추천 도서(1160)에 신간 도서가 포함될지 여부는 제1 추천 도서 및 제2 추천 도서에 포함되는 관련 도서의 관련도에 따라 달라질 수 있다. 예를 들어, 제1 추천 도서 및 제2 추천 도서에 포함되는 관련 도서의 관련도 값이 상대적으로 높은 경우, 최종 추천 도서에 상대적으로 적은 신간 도서가 상대적으로 낮은 우선 순위로 포함될 수 있다. 반대로 제1 추천 도서 및 제2 추천 도서의 관련도 값이 상대적으로 낮은 경우, 최종 추천 도서에 상대적으로 적은 신간 도서가 상대적으로 높은 우선 순위로 포함될 수 있다.

또한, 사용자의 신간 도서에 대한 선택 결과에 따라 신간 도서를 최종 추천 도서(1160)에 포함할지 여부를 결정하기 위한 인기 도서와 신간 도서 간의 관련도(TF-IDF)( 1150)의 임계값이 적응적으로 변화될 수 있다. 사용자가 사용자 선택 도서로서 신간 도서를 많이 선택하는 경우, 인기 도서와 신간 도서 간의 관련도(TF-IDF)(1150)의 임계값을 상대적으로 작은 값으로 설정하여 상대적으로 많은 신간이 최종 추천 도서(1160)에 포함되도록 할 수 있다.

이하 본 발명의 실시예에서는 일반 사용자가 아닌 사서를 대상으로 도서관에 구매하여 비치할 도서 추천하기 위한 도서 추천 장치의 동작이 개시된다.

도 12는 본 발명의 실시예에 따른 도서관에서 구매 대상 도서를 추천하기 위한 방법을 나타낸 개념도이다.

도 12에서는 도서관에서 근무하는 사서와 같은 도서 구매 담당자가 도서관에 대여 대상 도서로서 비치할 구매 대상 도서를 추천받기 위한 방법이 개시된다.

도 12를 참조하면, 도 1 내지 도 11에서 전술한 대여자 그룹/도서 테이블을 기반으로 구매 대상 도서를 추천받을 수 있다.

전술한 바와 같이 대여자 그룹에 대한 정보를 기반으로 제2 인기 도서/관련 도서 테이블(필터링)이 결정될 수 있고, 제2 인기 도서/관련 도서 테이블(필터링)을 기반으로 제2 추천 도서가 추출될 수 있다.

도서관 내에 필요 도서 수요량을 예측하기 위해서는 제2 인기 도서/관련 도서 테이블(필터링)이 활용될 수 있다.

구체적으로 도서관을 이용하는 도서관 이용자의 연령대, 성별 등에 대한 정보를 기반으로 도서관 이용자 그룹의 비율이 결정될 수 있다. 예를 들어, 특정 도서관의 경우, 도서관 이용자 비율은 내림차순으로 (10대, 남자), (10대, 여자), (30대, 남자), (20대, 여자) 등의 순서일 수 있다. 이하, 도서관 이용자 그룹(1200)은 도서관 이용자 그룹1, 도서관 이용자 그룹2, ??, 도서관 이용자 그룹n으로 표현될 수 있다.

도서관 이용자 그룹(1200) 별로 임계 대여 횟수 이상 대여되는 인기 도서에 대한 정보가 추출될 수 있다. 도서관 이용자 그룹1, 도서관 이용자 그룹2, ??, 도서관 이용자 그룹n 각각에 대해 대여되고 있는 인기 도서에 대한 정보가 추출될 수 있다.

도서관 이용자 그룹 각각에 대한 인기 도서가 추출되는 경우, 도서관 이용자 그룹(1200) 각각에 대한 인기 도서별 관련 도서 테이블(1220)도 결정될 수 있다. 도 1 내지 도 11에서 전술한 바와 같이 결정될 수 있다.

이후, 복수의 도서관 이용자 그룹 각각에 대한 인기 도서별 관련 도서 테이블(1220)은 종합되어 인기 도서별 관련 도서 테이블(종합)이 생성될 수 있다.

복수의 도서관 이용자 그룹 각각의 인기 도서가 중첩되는 경우, 별도의 중첩 식별자가 테이블 상에 추가될 수 있고, 관련 도서의 경우에도 중첩되는 경우, 별도의 중첩 식별자가 테이블 상에 추가할 수 있다.

이러한 복수의 복수의 도서관 이용자 그룹 각각의 인기 도서/관련 도서 테이블의 종합을 통해 인기 도서/관련 도서 테이블(종합)(1250)이 생성될 수 있고, 인기 도서/관련 도서 테이블(종합)(1250)을 기반으로 구매할 도서 및 구매할 도서의 수량이 결정될 수 있다.

예산을 기준으로 인기 도서에 대한 구매 수량은 관련 도서의 구매 수량보다 많도록 설정될 수 있다. 또한, 중첩 식별자를 가지는 인기 도서의 구매 수량은 중첩 식별자를 가지지 않는 인기 도서의 구매 수량보다 많도록 설정될 수 있다.

또한, 중첩 식별자를 가지는 인기 도서와 관련된 관련 도서의 구매 수량은 중첩 식별자를 가지지 않는 인기 도서와 관련된 관련 도서의 구매 수량보다 많도록 설정될 수 있다. 추가로, 중첩 식별자를 가지는 관련 도서의 구매 수량은 중첩 식별자를 가지지 않는 관련 도서의 구매 수량보다 많도록 설정될 수 있다.

위와 같은 기준으로 예산 내의 인기 도서와 희망 도서에 대한 구매가 이루어질 수 있다.

본 발명의 다른 실시예에 따르면, 복수의 도서관 각각의 인기 도서/관련 도서 테이블(종합)(1250)을 고려하여 구매 도서가 결정될 수 있다. 예를 들어, 인기 도서는 동일하나,인기 도서와 연관된 관련 도서에 대한 정보는 상이할 수 있다. 예를 들어 도서관1의 인기 도서 관련 도서 테이블(종합)1 및 도서관2의 종합 희망 도서/관련 도서 테이블(종합)2가 존재하는 경우, 상호간 관련 도서로서 존재하지 않는 관련 도서는 구매 대상 도서로서 추천될 수 있다.

이러한 방식으로 도서관1에서 도서관 내에 비치되어 자주 대여되는 도서가 도서관2에 존재하지 않는 경우, 도서관2의 사서에게 구매 대상 도서로서 추천됨으로써 사서는 도서를 구매하여 도서관 내에 비치할 수 있다.

도 13은 본 발명의 실시예에 따른 도서관에서 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.

도 13에서는 도서 수요 정보를 기반으로 도서 구매 수량을 결정하기 위한 방법이 개시된다.

도 13을 참조하면, 도서 수요 정보 수집부(1300)은 도서 구매 수요 정보에 대한 수집을 진행할 수 있다. 도서 수요 정보 수집부(1300)는 도서관 이용자들의 도서 대여 수요에 대한 정보를 수집하기 위해 구현될 수 있다. 도서 수요 정보 수집부(1300)의 도서 수요 정보 수집은 후술된다.

도서 수요 정보 분석부(1310)은 도서 수요 정보를 분석하기 위해 구현될 수 있다. 도서 수요 정보 분석부(1310)는 신간 도서 수요 정보 분석부(1320)와 비신간 도서 수요 정보 분석부(1330)를 포함할 수 있다. 신간 도서 수요 정보 분석부(1320)는 신간에 대한 도서 수요를 분석하기 위해 구현될 수 있고 비신간 도서 수요 정보 분석부(1330)는 비신간에 대한 도서 수요를 분석하기 위해 구현될 수 있다.

신간 도서 수요 정보 분석부(1320)는 신간 도서 필요 수량을 분석하기 위해 구현될 수 있다. 비신간 도서 수요 정보 분석부(1330)는 비신간 도서 필요 수량을 분석하기 위해 구현될 수 있다. 본 발명의 실시예에서는 신간과 비신간이 구분되고, 신간과 비신간 각각에 대한 별도의 구매 수요 및 구매 수량이 결정될 수 있다.

이때 신간 도서 구매 수량 및 비신간 도서 구매 수량은 신간 도서 필요 수량 및 비신간 도서 필요 수량과 도서관의 도서관 도서 목록 데이터베이스(1350)를 기반으로 결정될 수 있다. 예를 들어, 기존에 도서관에 존재하던 도서A의 수를 결정하고, 도서관에 도서 A의 수를 기반으로 추가적으로 구매해야 할 신간 도서 구매 수량 및 비신간 도서 구매 수량이 결정될 수 있다.

도 14는 본 발명의 실시예에 따른 도서 수요 정보 수집부의 동작을 나타낸 개념도이다.

도14에서는 도서 수요 정보 수집부가 도서 수요 정보를 수집하기 위한 방법이 개시된다.

도 14를 참조하면, 도서 수요 정보 수집부는 복수의 사용자 장치에 의해 발생되는 도서 수요 정보를 수집할 수 있다.

도서 수요 정보는 도서관 서버(1400), 도서 추천 서비스 서버(1420) 및 도서 구매 서비스 서버(1440)을 포함할 수 있다.

도서관 서버(1400), 도서 추천 서비스 서버(1420) 및 도서 구매 서비스 서버(1440) 각각에서 도서관 이용자(또는 서비스 사용자)에 의해 발생되는 검색어 정보, 클릭 정보 및/또는 대여 정보 등과 같은 도서 수요 정보를 판단하기 위한 정보들이 수집될 수 있다. 검색어 정보, 클릭 정보 및/또는 대여 정보 등은 도서 수요 정보를 생성하기 위한 하나의 예시로서 다른 다양한 정보가 도서 수요 정보로서 도서 수요 정보 수집부로 전송될 수 있다.

도 15는 본 발명의 실시예에 따른 도서 수요 정보 분석부의 동작을 나타낸 개념도이다.

도 15에서는 도서 수요 정보 분석부가 신간 도서 및 비신간 도서의 수요 정보를 분석하기 위한 방법이 개시된다.

도 15를 참조하면, 도서 수요 정보 분석부는 신간 도서 수요 정보 분석부(1500)와 비신간 도서 수요 정보 분석부(1520)를 포함할 수 있다.

우선 도서 수요 정보 분석부(1500)에서는 분석 전에 해당 도서가 신간인지 비신간인지 여부에 대한 판단을 수행하고, 신간으로 판단되는 경우, 신간 도서 수요 정보 분석부(1500)로 전달되고, 비신간으로 판단되는 경우, 비신간 도서 수요 정보 분석부(1520)로 전달될 수 있다.

신간과 비신간은 다양한 기준을 기반으로 구분될 수 있다. 예를 들어, 도서 출간 일자, 초판인지 여부, 도서관 데이터베이스에 입고 여부/입고 일자 등에 대한 정보를 기반으로 해당 도서가 신간인지 비신간인지 여부가 결정될 수 있다.

신간 및 비시간에 대한 구분을 수행한 이후, 신간에 대해서는 신간 도서 수요 정보 분석이 수행되고, 비신간에 대해서는 비신간 도서 수요 정보 분석이 수행될 수 있다.

신간 도서 수요 정보 분석부(1500) 및 비신간 도서 수요 정보 분석부(1520)는 다양한 정보를 기반으로 도서 수요에 대한 정보를 분석할 수 있다. 도서 수요 정보를 분석하기 위한 요소로는 검색률, 클릭률, 대여율, 추천 선택률, 구매율 등을 포함할 수 있다. 이하, 도서에 대한 관심도를 결정하기 위한 정보는 하위 도서 수요 정보라는 용어로 표현될 수 있다.

복수의 하위 도서 수요 정보 각각에 대한 정보 수집 구간(제1 구간 내지 제n 구간)이 설정될 수 있고, 복수의 하위 도서 수요 정보 각각에 대한 가중치가 설정될 수 있다.

예를 들어, 신간 도서 수요 정보 분석부에서 신간인 특정 도서에 대한 검색률을 판단하는 구간은 제1 구간으로 설정될 수 있고, 비신간 도서 수요 정보 분석부(1520)에서 특정 도서에 대한 검색률을 판단하는 구간은 제6 구간으로 설정될 수 있다. 제1 구간은 제6 구간보다 상대적으로 짧게 설정될 수 있다. 비신간에 대한 정보의 검색은 신간에 비해 빈도가 낮을 수 있고, 낮은 빈도의 검색으로 인해 비신간의 경우 데이터 수집 구간을 상대적으로 더 길게 설정할 수 있다.

이는 각각의 하위 도서 수요 정보에 대응되는 구간들에 대해서도 동일하게 적용될 수 있다. 신간 도서 수요 정보 분석부(1500)에서 특정 하위 도서 수요 정보를 수집하는 구간은 비신간 도서 수요 정보 분석부(1520)에서 특정 하위 도서 수요 정보를 수집하는 구간보다 상대적으로 짧게 설정될 수 있다.

본 발명의 실시예에 따르면, 하위 도서 수요 정보별 구간은 정보의 수집양을 고려하여 설정될 수 있다. 예를 들어, 특정 신간 도서에 대한 신간 도서 관심도를 결정하기 위해서는 검색률이 수집되어야 하는데 검색률에 대한 정보를 결정되기 위한 검색량이 수집되는 양이 임계량 이상 누적된 시간 구간일 수 있다.

또한 본 발명의 실시예에 따르면,하위 도서 수요 정보에 대해 별도의 가중치값이 곱해져 신간 도서 관심도(1510) 및 비신간 도서 관심도(1530)가 결정될 수 있다.

가중치값은 기본적으로 하위 도서 수요 정보에 대한 디폴트 값으로 설정되고, 실제 결정된 관심도를 기반으로 한 구매한 책의 대여율을 고려하여 조정될 수 있다. 디폴트 가중치 값은 하위 도서 수요 정보 별로 설정될 수 있다. 관심도가 상대적으로 더 많은 경우, 수집될 수 있는 도서 수요 정보를 기반으로 가중치의 크기가 상대적으로 설정될 수 있다. 예를 들어, 도서를 구매하거나, 추천된 도서를 선택하거나 대여를 하는 경우가 단순히 도서에 대해 검색을 하거나 클릭을 하는 경우보다 해당 도서에 높은 관심도를 가지는 경우라고 판단할 수 있다. 이러한 경우, 구매율, 추천 선택율, 대여율에 대한 가중치가 검색률, 클릭률보다 크도록 설정될 수 있다.

이뿐만 아니라, 하위 도서 수요 정보에 대한 가중치는 지속도를 기반으로 조정될 수도 있다. 지속도는 해당 하위 도서 수요 정보가 임계치 이상으로 얼마나 지속되는지에 대한 정도일 수 있다. 이러한 하위 도서 수요 정보의 지속도가 높을수록 높은 관심도를 가지는 것으로 판단될 수 있고 해당 하위 도서 수요 정보에 대한 지속도를 고려한 가중치 조정이 수행될 수 있다.

추가적으로 본 발명의 실시예에 따르면, 대응되는 하위 도서 수요 정보와 관련하여 신간 도서 수요 정보 분석부에서의 가중치보다 비신간 도서 수요 정보 분석부의 가중치가 상대적으로 큰 값으로 설정될 수 있다.

비신간 도서의 경우 신간 도서보다 상대적으로 낮은 관심도를 보일 수 있으므로 신간 도서에 적용되는 가중치보다 상대적으로 더 높은 가중치로 설정되어 신간에 대한 관심도를 보정하여 비신간에 대한 관심도가 설정될 수 있다.

신간 도서 수요 정보 분석부(1500)는 신간 도서에 대한 복수의 하위 도서 수요 정보를 기반으로 결정된 복수의 하위 신간 도서 관심도를 기반으로 신간 도서 관심도(1510)를 결정할 수 있다.

비신간 도서 수요 정보 분석부(1520)는 비신간 도서에 대한 복수의 하위 도서 수요 정보를 기반으로 결정된 복수의 하위 비신간 도서 관심도를 기반으로 비신간 도서 관심도(1530)를 결정할 수 있다.

도 16은 본 발명의 실시예에 따른 신간 도서 관심도 및 비신간 도서 관심도를 결정하기 위한 방법을 나타낸 개념도이다.

도 16에서는 신간 도서 관심도 및 비신간 도서 관심도 각각을 결정하기 위한 가중치를 결정하는 방법이 개시된다.

도 16을 참조하면, 도서관별 수요을 결정하기 위해서는 도서관 별로 조정된 가중치가 적용되어 신간 도서 관심도 및 비신간 도서 관심도 각각이 결정될 수 있다.

신간 도서 수요 정보 분석부(1600) 및 비신간 도서 수요 정보 분석부(1650) 각각이 가중치 조정 테이블(1620, 1670)을 기반으로 특정 도서관에 대한 가중치를 설정하기 위한 방법이 개시된다.

도서관 검색률/평균 도서관 검색률, 해당 도서관 클릭률/평균 도서관 클릭률, 해당 도서관 대여률/평균 도서관 대여률, 해당 지역 이용자 추천 선택률/평균 추천 선택률, 해당 지역 이용자 구매율/평균 구매율을 고려하여 가중치 조정 테이블(신간)(1620) 및 가중치 조정 테이블(비신간)(1670)이 결정될 수 있고, 이러한 가중치 조정 테이블(신간)(1620) 및 가중치 조정 테이블(비신간)(1670)을 통해 도서관별로 특정 도서에 대한 관심도(신간 도서 관심도, 비신간 도서 관심도)가 결정될 수 있다.

도 17은 본 발명의 실시예에 따른 도서 구매 방법을 나타낸 개념도이다.

도 17에서는 신간 도서 관심도(1710) 및 비신간 도서 관심도(1730)를 기반으로 신간 도서 및 비신간 도서를 결정하고 신간 도서 및 비신간 도서 각각의 구매 수량을 결정하기 위한 방법이 개시된다.

도 17을 참조하면, 신간 도서 수요 정보 분석부(1700)에서 분석된 신간 도서 관심도가 제1 임계값 이상인 경우, 해당 신간 도서는 구매 대상으로 설정될 수 있다.

신간 도서 관심도(1710) 및 해당 도서관의 이용자 정보(예를 들어, 이용자 수 정보)를 고려하여 신간 도서 필요 수량(1715)이 결정될 수 있다. 이후, 도서관 도서 목록 데이터베이스(1750)에 존재하는 신간 도서의 수량을 확인하고, 차이나는 권수가 신간 도서 구매 수량(1760)으로 결정될 수 있다.

비신간 도서 수요 정보 분석부(1720)에서 분석된 비신간 도서 관심도(1730)가 제2 임계값 이상인 경우, 해당 비신간 도서는 구매 대상으로 설정될 수 있다. 이때 제2 임계값은 제1 임계값보다 작게 설정될 수 있다.

비신간 도서 관심도(1730) 및 해당 도서관의 이용자 정보를 고려하여 비신간 도서 필요 수량(1735)이 결정될 수 있다. 이후, 도서관 도서 목록 데이터베이스(1750)에 존재하는 비신간 도서의 수량을 확인하고, 차이나는 권수가 비신간 도서 구매 수량(1770)으로 결정될 수 있다.

도 18은 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.

도 18에서는 도서관에서 도서를 대여하는 대여 정보 및 대여를 실패하는 대여 실패 정보를 기반으로 도서관에서 구매 대상 도서를 결정하기 위한 방법이 개시된다.

도 18을 참조하면, 도서관 도서 목록 데이터베이스(1800)는 도서관에 보관하고 대여 가능한 도서에 대한 정보를 포함할 수 있다.

도서 대여 카테고리 정보(1850)는 도서관의 도서에 대한 카테고리별 정보일 수 있다. 예를 들어, 도서 대여 카테고리 정보(1850)는 인문, 사회과학, 예술, 아동, 학습 등 도서에 대한 카테고리일 수 있다.

도서 카테고리별 대여율 및 대여 실패율(또는 대여 예약율)이 결정될 수 있다. 도서 카테고리별 대여율은 전체 카테고리 중 해당 도서 카테고리에 대한 대여율일 수 있다. 도서 카테고리별 대여 실패율은 전체 카테고리 중 해당 도서 카테고리에서 대여 실패가 발생되는 확률일 수 있다.

특정 도서관에서 도서 카테고리별 대여율(카테고리1~카테고리n), 도서 카테고리별 대여실패율(카테고리1~카테고리n)이 추출될 수 있다.

도 19는 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.

도 19에서는 도서 카테고리별 대여율(카테고리1~카테고리n) 및 도서 카테고리별 대여실패율(카테고리1~카테고리n)을 기반으로 한 도서관 특성을 추출하는 방법이 개시된다.

도 19를 참조하면, 도서 카테고리별 대여율(카테고리1~카테고리n)을 기반으로 도서관 대여 특성(1900)이 결정될 수 있다. 도서관 대여 특성(1900)은 도서관에서 대여되는 도서의 카테고리에 대한 특성 정보를 포함할 수 있다.

도서 카테고리 대여실패율(카테고리1~카테고리n)을 기반으로 도서관 구매 도서 적합도(1950)가 결정될 수 있다. 도서관 구매 도서 적합도(1950)는 도서관에서 구매되어 비치되는 도서가 적절하지에 대한 값일 수 있다. 특정 카테고리에 대해 도서관 구매 도서 적합도(1950)가 상대적으로 높을수록 특정 카테고리의 도서에 대해 도서관이 적절하게 구매하고 있음을 보일 수 있다.

도 20은 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.

도 20에서는 도서관 간의 도서관 특성 정보를 기반으로 분석 대상 도서관에서 구매 대상 도서를 결정하기 위한 방법이 개시된다.

도 20을 참조하면, 우선 대여율 상위 n개 카테고리(예를 들어, n=3)가 동일한 분석 대상 도서관과 유사 특성을 가지는 도서관이 결정될 수 있다(단계 S2000).

예를 들어, 구매 대상 도서를 결정해야 할 분석 대상 도서관의 대여율 상위 3개 카테고리가 예술, 사회/과학, 아동인 경우가 가정될 수 있다. 이러한 경우, 대여율 상위 3개 카테고리가 예술, 사회/과학, 아동인 다른 도서관이 탐색될 수 있다. 대여율 상위 n개 카테고리가 동일한 도서관은 유사 대여 특성 도서관이라는 용어로 표현될 수 있다.

유사 대여 특성 도서관 중 분석 대상 도서관 기준으로 x개 최유사 도서관이 추출될 수 있다(단계 S2010).

분석 대상 도서관의 상위 3개의 대여율 및 유사 대여 특성 도서관의 상위 3개의 대여율이 xyz 좌표축에 표현될 수 있다. xyz 좌표축에 상에서 인접한 유클리드 거리를 가지는 x개의 최유사 도서관이 결정될 수 있다.

x개의 최유사 도서관 중 대여 실패율이 가장 낮은 타겟 도서관이 추출될 수 있다(단계 S2020),

x개 최유사 도서관 중에서 대여 실패율이 가장 낮은 값을 가지는 도서관이 타겟 도서관으로 결정될 수 있다. 만약, 분석 대상 도서관의 대여 실패율이 가장 낮은 경우, 별도의 프로세스가 정의될 수 있고, 이는 이하, 도 21에서 개시된다.

타겟 도서관의 도서 데이터베이스와 분석 대상 도서관의 도서 데이터베이스가 비교되고(단계 S2030), 도서 공백 영역이 추출될 수 있다(단계 S2040).

또한 타겟 도서관의 도서 대여 정보와 분석 대상 도서관의 도서 대여 정보가 추가적으로 비교되어 도서 공백 영역이 추출될 수 있다.

타겟 도서관의 도서 데이터베이스와 분석 대상 도서관의 도서 데이터베이스의 비교를 통해 타겟 도서관에는 존재하나 분석 대상 도서관에는 존재하지 않는 도서에 대한 정보가 결정될 수 있다.

또한, 타겟 도서관의 도서 데이터베이스와 분석 대상 도서관의 도서 데이터베이스의 비교를 통해 타겟 도서관에는 특정 도서가 n개 존재하나, 분석 대상 도서관에는 임계 권수 이하 존재하는 도서에 대한 정보가 결정될 수 있다. 임계 권수는 타겟 도서관에 존재하는 n개의 권수를 기준으로 도서관을 이용하는 이용자수를 추가적으로 고려하여 결정될 수 있다.

특정 도서 및 특정 도서 권수가 도서 공백 영역으로서 결정되고, 도서 공백 영역의 도서가 주문될 수 있다(단계 S2050).

도 21은 본 발명의 실시예에 따른 도서관 데이터베이스를 기반으로 구매 대상 도서를 결정하기 위한 방법을 나타낸 개념도이다.

도 21에서는 분석 대상 도서관의 대여 실패율이 가장 낮은 경우, 구매 대상 도서를 결정하기 위한 방법이 개시된다.

도 21을 참조하면, 분석 대상 도서관의 대여 실패율이 가장 낮은 경우(단계 S2100), 분석 대상 도서관에서 대여 실패율이 높은 순서의 카테고리(상위 대여 실패율)가 n개 추출될 수 있다(단계 S2110).

카테고리(상위 대여 실패율)을 추출함으로써 분석 대상 도서관에서 대여 수요 대비 구매된 책이 작은 카테고리를 추출할 수 있다.

카테고리(상위 대여 실패율) n개에 대해 대여율이 높은 타겟 도서관이 추출될 수 있다(단계 S2120).

예를 들어, 분석 대상 도서관의 아동 카테고리, 학습 카테고리에 대해 대여 실패율이 상대적으로 높다면, 아동 카테고리, 학습 카테고리에 대해 대여율이 높은 타겟 도서관이 결정될 수 있다.

분석 대상 도서관의 카테고리(상위 대여 실패율) n개에 대한 도서관 데이터베이스와 대응되는 타겟 도서관의 카테고리에 대한 도서관 데이터베이스가 비교되어 분석 대상 도서관의 카테고리(상위 대여 실패율) n개에 대한 도서 공백 영역이 결정될 수 있다.

도서 공백 영역은 카테고리(상위 대여 실패율) n개에 대하여 타겟 도서관에는 존재하나 분석 대상 도서관에는 존재하지 않는 도서, 카테고리(상위 대여 실패율) n개에 대하여 타겟 도서관에는 특정 도서가 n개 존재하나, 분석 대상 도서관에는 임계 권수 이하 존재하는 도서를 포함할 수 있다.

이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (6)

1. 도서관 구매 도서 추천 방법은,
   도서 수요 정보 수집부가 도서 수요 정보를 수집하는 단계; 및
   상기 도서 수요 정보 분석부가 상기 도서 수요 정보를 기반을 도서 구매 정보를 생성하는 단계를 포함하되,
   상기 도서 수요 정보 분석부는 신간 도서 수요 정보 분석부와 비신간 도서 수요 정보 분석부를 포함하고,
   상기 신간 도서 수요 정보 분석부는 신간 도서 관심도를 결정하고,
   상기 비신간 도서 수요 정보 분석부는 비신간 도서 관심도를 결정하고,
   상기 도서 구매 정보는 상기 신간 도서 관심도를 기반으로 결정된 신간 도서 구매 수량 정보 및 상기 비신간 도서 관심도를 기반으로 결정된 비신간 도서 구매 수량 정보를 포함하고,
   상기 신간 도서 관심도 및 상기 비신간 도서 관심도는 설정된 정보 수집 구간에서 수집된 하위 도서 수요 정보 각각을 기반으로 결정되고,
   상기 신간 도서 관심도를 결정하기 위한 정보 수집 구간은 상기 비신간 도서 관심도를 결정하기 위한 정보 수집 구간보다 상대적으로 짧게 설정되고,
   상기 신간 도서 관심도를 결정하기 위한 상기 정보 수집 구간과 상기 비신간 도서 관심도를 결정하기 위한 상기 정보 수집 구간은 상기 하위 도서 수요 정보별 정보의 수집양을 고려하여 조정되고,
   상기 신간 도서 수요 정보 분석부 및 상기 비신간 도서 수요 정보 분석부 각각은 가중치 조정 테이블을 기반으로 특정 도서관에 대한 가중치를 설정하여 도서관별 수요를 결정하기 위한 도서관 각각에 대한 신간 도서 관심도 및 비신간 도서 관심도를 결정하는 것을 특징으로 하는 방법.
2. 제1항에 있어서,
   상기 도서 수요 정보 분석부는 분석 대상 도서관의 도서 카테고리별 대여율 및 도서 카테고리별 대여실패율을 결정하고, 상기 분석 대상 도서관의 최유사 도서관 중 상기 도서 카테고리별 대여 실패율이 가장 낮은 타겟 도서관을 추출하고, 상기 타겟 도서관의 도서 데이터베이스와 상기 분석 대상 도서관의 도서 데이터베이스를 비교하여 도서 공백 영역을 추출하고, 상기 분석 대상 도서관 및 상기 타겟 도서관의 이용자 수를 고려하여 상기 도서 구매 정보를 생성하는 것을 특징으로 하는 방법.
3. 제2항에 있어서,
   상기 최유사 도서관은 상기 분석 대상 도서관의 상위 카테고리 n개(여기서, n은 자연수)의 대여율 및 유사 대여 특성 도서관의 상위 카테고리 n개(여기서, n은 자연수)의 대여율을 좌표축에 표현하여 유사 대여 특성 도서관 중 좌표축 상에서 인접한 거리를 가지는 도서관이고,
   상기 유사 대여 특성 도서관은 상기 상위 카테고리 n개가 상기 분석 대상 도서관과 동일한 것을 특징으로 하는 방법.
4. 도서관 구매 도서 추천을 수행하는 도서 추천 장치는
   도서 수요 정보를 수집하기 위해 구현되는 도서 수요 정보 수집부; 및
   상기 도서 수요 정보를 기반을 도서 구매 정보를 생성하기 위해 구현되는 도서 수요 정보 분석부를 포함하되,
   상기 도서 수요 정보 분석부는 신간 도서 수요 정보 분석부와 비신간 도서 수요 정보 분석부를 포함하고,
   상기 신간 도서 수요 정보 분석부는 신간 도서 관심도를 결정하고,
   상기 비신간 도서 수요 정보 분석부는 비신간 도서 관심도를 결정하고,
   상기 도서 구매 정보는 상기 신간 도서 관심도를 기반으로 결정된 신간 도서 구매 수량 정보 및 상기 비신간 도서 관심도를 기반으로 결정된 비신간 도서 구매 수량 정보를 포함하고,
   상기 신간 도서 관심도 및 상기 비신간 도서 관심도는 설정된 정보 수집 구간에서 수집된 하위 도서 수요 정보 각각을 기반으로 결정되고,
   상기 신간 도서 관심도를 결정하기 위한 정보 수집 구간은 상기 비신간 도서 관심도를 결정하기 위한 정보 수집 구간보다 상대적으로 짧게 설정되고,
   상기 신간 도서 관심도를 결정하기 위한 상기 정보 수집 구간과 상기 비신간 도서 관심도를 결정하기 위한 상기 정보 수집 구간은 상기 하위 도서 수요 정보별 정보의 수집양을 고려하여 조정되고,
   상기 신간 도서 수요 정보 분석부 및 상기 비신간 도서 수요 정보 분석부 각각은 가중치 조정 테이블을 기반으로 특정 도서관에 대한 가중치를 설정하여 도서관별 수요를 결정하기 위한 도서관 각각에 대한 신간 도서 관심도 및 비신간 도서 관심도를 결정하는 것을 특징으로 하는 도서 추천 장치.
5. 제4항에 있어서,
   상기 도서 수요 정보 분석부는 분석 대상 도서관의 도서 카테고리별 대여율 및 도서 카테고리별 대여실패율을 결정하고, 상기 분석 대상 도서관의 최유사 도서관 중 상기 도서 카테고리별 대여 실패율이 가장 낮은 타겟 도서관을 추출하고, 상기 타겟 도서관의 도서 데이터베이스와 상기 분석 대상 도서관의 도서 데이터베이스를 비교하여 도서 공백 영역을 추출하고, 상기 분석 대상 도서관 및 상기 타겟 도서관의 이용자 수를 고려하여 상기 도서 구매 정보를 생성하는 것을 특징으로 하는 도서 추천 장치.
6. 제5항에 있어서,
   상기 최유사 도서관은 상기 분석 대상 도서관의 상위 카테고리 n개(여기서, n은 자연수)의 대여율 및 유사 대여 특성 도서관의 상위 카테고리 n개(여기서, n은 자연수)의 대여율을 좌표축에 표현하여 유사 대여 특성 도서관 중 좌표축 상에서 인접한 거리를 가지는 도서관이고,
   상기 유사 대여 특성 도서관은 상기 상위 카테고리 n개가 상기 분석 대상 도서관과 동일한 것을 특징으로 하는 도서 추천 장치.

Images