KR102153409B1 - 주얼리 상품 주문 제작 방법 및 주얼리 상품 주문 제작 장치 - Google Patents

Abstract

주얼리 상품 추천 방법의 일 실시예는, 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하는 단계, 상기 수신된 입력 데이터를, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천하기 위한 인공지능 신경망에 적용하는 단계, 상기 인공지능 신경망으로부터 출력되는 상기 관심 주얼리 상품에 매칭된 적어도 하나의 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 단계, 사용자로부터 상기 추천 주얼리 상품 중 적어도 하나를 선택하는 입력을 수신하는 단계 및 상기 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 단계를 포함하고, 상기 인공지능 신경망은, 상기 입력 데이터로부터 상기 관심 주얼리 상품의 속성 데이터를 획득하고, 상기 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하며, 상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습된 것일 수 있다.

Description

주얼리 상품 주문 제작 방법 및 주얼리 상품 주문 제작 장치 {Method and electric apparatus for ordering jewelry product}

본 개시는 주얼리 상품을 주문 제작하는 방법 및 주얼리 상품을 주문 제작하는 장치에 관한 것이다.

인터넷 기술의 발달로 사용자의 취향을 분석하여 사용자에게 상품을 추천하는 서비스를 제공하는 기술이 보편화 되고 있다. 예를 들면, 사용자가 방문했던 인터넷 홈페이지에 관련된 쿠키에 기초하여 사용자가 관심을 갖고 있는 상품을 추천하는 서비스가 제공되고 있다.

하지만, 주얼리 상품은 사용자의 취향이 제각각이므로, 최적의 상품을 추천하기 매우 어렵다. 특히, 상품의 종류도 매우 많기 때문에 사용자가 자신이 원하는 상품을 용이하게 선택하기는 더욱 어려운 실정이다. 즉, 사용자의 의도를 파악하여, 사용자가 관심있는 주얼리 상품와 유사한 상품을 매칭하여 추천하기는 매우 어렵다.

뿐만 아니라, 주얼리 상품은 그 특수성 때문에 주문 제작하는 경우가 많으므로, 사용자의 의도에 부합되는 주얼리 상품을 주문 제작하는 것도 매우 어렵다.

따라서, 사용자의 의도를 용이하게 파악하여, 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르게 매칭하여 추천하고, 주문 제작을 의뢰하는 방법 및 장치가 요구되고 있는 실정이다.

본 개시는 사용자의 의도를 용이하게 파악하여, 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르게 매칭하여 추천하는 방법 및 장치의 실시예들을 제공하고자 한다. 또한, 추천된 주얼리 상품 중 사용자가 선택한 주얼리 상품의 주문 제작을 의뢰하는 방법 및 장치의 실시예들을 제공하고자 한다. 개시된 실시예들이 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 유추될 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 개시된 주얼리 상품 주문 방법은, 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하는 단계, 상기 수신된 입력 데이터를, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천하기 위한 인공지능 신경망에 적용하는 단계, 상기 인공지능 신경망으로부터 출력되는 상기 관심 주얼리 상품에 매칭된 적어도 하나의 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 단계, 사용자로부터 상기 추천 주얼리 상품 중 적어도 하나를 선택하는 입력을 수신하는 단계 및 상기 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 단계를 포함하고, 상기 인공지능 신경망은, 상기 입력 데이터로부터 상기 관심 주얼리 상품의 속성 데이터를 획득하고, 상기 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하며, 상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습된 것 일 수 있다.

또한, 상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터는 복수의 주얼리 상품 제조사들로부터 획득한 주얼리 상품들의 속성 데이터이고, 상기 제작의뢰에 관련된 데이터를 전송하는 단계는, 상기 선택된 추천 주얼리 상품의 속성 데이터가 획득된 주얼리 상품 제조사의 단말기로 상기 제작 의뢰에 관련된 데이터를 전송하는 단계를 포함할 수 있다.

또한, 상기 인공지능 신경망은, 상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 및 상기 관심 주얼리 상품의 속성 데이터에 기초하여, 적어도 가상 주얼리 상품을 생성하고, 상기 생성된 가상 주얼리 상품 중 적어도 하나의 가상 주얼리 상품을 추천 주얼리 상품으로 선택하도록 학습된 것일 수 있다.

또한, 상기 속성 데이터는 주얼리(Jewelry), 스톤(Stone), 메탈(Metal), 디자인(Design)의 카테고리 중 적어도 하나의 카테고리에 관련된 데이터를 포함하고, 상기 인공지능 신경망은 상기 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여하고, 상기 가중치에 기초하여 상기 가상 주얼리 상품을 생성하도록 학습된 것일 수 있다.

또한, 상기 추천 주얼리 상품 중 적어도 하나를 선택하는 입력을 수신하는 단계는 상기 사용자로부터 상기 가상 주얼리 상품을 선택하는 단계를 포함하고, 상기 제작의뢰에 관련된 데이터를 전송하는 단계는, 상기 가상 주얼리 상품에 관련된 데이터를 상기 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 단계 및 상기 적어도 하나의 주얼리 상품 제조사로부터 견적 데이터를 수신하는 단계를 포함할 수 있다.

또한, 상기 제작의뢰에 관련된 데이터를 전송하는 단계는, 상기 수신된 견적 데이터 및 상기 견적 데이터를 생성한 주얼리 상품 제조사에 관련된 데이터를 디스플레이하는 단계를 더 포함할 수 있다.

또한, 상기 제작의뢰에 관련된 데이터를 전송하는 단계는, 상기 수신된 견적 데이터들 중 하나를 선택하는 사용자의 입력을 수신하는 단계 및 상기 선택된 견적 데이터에 기초하여, 상기 선택된 추천 주얼리 상품을 주문 제작하는 것에 관련된, 계약서를 생성하는 단계를 더 포함할 수 있다.

또한, 상기 추천 주얼리 상품 중 적어도 하나를 선택하는 입력을 수신하는 단계는, 상기 선택된 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신하는 단계를 포함하고, 상기 제작의뢰에 관련된 데이터를 전송하는 단계는, 상기 속성이 변경된 추천 주얼리 상품에 관련된 데이터를 상기 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 단계 및 상기 적어도 하나의 주얼리 상품 제조사의 단말기로부터 견적 데이터를 수신하는 단계를 포함할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 개시된 주얼리 상품 주문 장치는 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하는 사용자 입력부, 외부 단말기와 데이터를 송수신하는 통신부, 상기 수신된 입력 데이터를, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천하기 위한 인공지능 신경망에 적용하는 프로세서 및 상기 인공지능 신경망으로부터 출력되는 상기 관심 주얼리 상품에 매칭된 적어도 하나의 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 디스플레이부를 포함하고, 상기 인공지능 신경망은, 상기 입력 데이터로부터 상기 관심 주얼리 상품의 속성 데이터를 획득하고, 상기 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 포함된 상품들의 속성 데이터의 유사도를 비교함으로써, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 상품으로 선택하며, 상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습된 것이고, 상기 사용자 입력부는 상기 사용자로부터 상기 추천 주얼리 상품 중 적어도 하나를 선택하는 입력을 수신하고, 상기 통신부는 상기 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 적어도 하나의 주얼리 상품 제조사의 단말기로 전송할 수 있다.

또한, 상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 컴퓨터로 읽을 수 있는 기록매체는 개시된 방법의 실시예들 중 적어도 하나를 컴퓨터에서 실행시키기 위한 프로그램을 기록한 것일 수 있다.

또한, 상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 기록매체에 저장된 어플리케이션은 개시된 방법의 실시예들 중 적어도 하나의 기능을 실행시키기 위한 것일 수 있다.

도 1a은 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 예시를 설명하는 도면이다.
도 1b는 일 실시예에 따른, 주얼리 상품의 주문 제작을 의뢰하는 방법의 예시를 설명한 도면이다.
도 2는 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 흐름도이다.
도 3 내지 도 7은 일 실시예에 따른, 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 나타낸 도면이다.
도 8은 일 실시예에 따른, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하여 디스플레이하는 것을 나타낸 도면이다.
도 9 내지 도 11은 일 실시예에 따른, 추천 주얼리 상품의 속성 데이터를 디스플레이하는 것을 나타낸 도면이다.
도 12a 내지 도 12c는 일 실시예에 따른, 주얼리 상품의 주문 제작을 의뢰하는 방법의 흐름도이다.
도 13는 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 블록도이다.
도 14는 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 제어부의 블록도이다.
도 15는 일 실시예에 따른, 주얼리 상품을 추천하는 장치와 연동하는 서버의 블록도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.

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. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.

또한, 본 명세서에서 사용되는 “제 1” 또는 “제 2” 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1a는 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 예시를 설명하는 도면이다.

도 1a를 참조하면, 주얼리 상품을 추천하는 방법은, 주얼리 상품을 추천하는 전자 장치(1000, 이하 전자 장치라고 한다)가 사용자로부터 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하고, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하여, 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다.

주얼리 상품은 몸을 치장하는데 이용되는 일련의 장신구(예를 들면, 반지, 귀걸이, 목걸이, 팔찌, 발찌)를 의미한다. 예를 들면, 주얼리 상품은 보석류가 포함된 장신구, 메탈이 포함된 장신구 외에도, 몸을 치장하는데 이용되는 다양한 재질로 구성된 일련의 장신구를 포함한다.

일 실시예에 따르면, 관심 주얼리 상품에 관련된 사용자의 입력 데이터는 이미지 데이터, 텍스트 데이터 및 음성 데이터 중 적어도 하나를 포함할 수 있다. 예를 들면, 사용자의 입력 데이터는 이미지 데이터와 텍스트 데이터를 동시에 포함할 수 있다. 다른 예를 들면, 사용자의 입력 데이터는 이미지 데이터와 음성 데이터를 동시에 포함할 수 있다.

일 실시예에 따르면, 이미지 데이터는 관심 주얼리 상품에 관련된 일련의 사진 데이터와 그림 데이터를 포함할 수 있다.

사진 데이터는 관심 주얼리 상품만이 촬영된 제품 사진, 관심 주얼리 상품을 착용한 착용사진과 같이 관심 주얼리 상품이 포함된 일련의 사진 형태의 데이터를 포함할 수 있다. 다만, 이에 한정되지 않는다.

예를 들면, 사진 데이터는 제품 카탈로그 사진, 모델이 제품을 착용한 화보 사진, 관심 주얼리 상품이 포함된 TV에서 방영된 프로그램의 프레임, 인터넷을 통해 획득된 관심 주얼리 상품이 포함된 사진을 포함할 수 있다. 다만 이에 한정되지 않는다.

예를 들면, 그림 데이터는 사용자가 전자 장치(1000)로 직접 그린 그림, 종이와 같은 다른 매체에 그린 그림을 카메라를 이용하여 촬영한 사진을 포함할 수 있다. 다만, 이에 한정되지 않는다.

일 실시예에 따르면, 이미지 데이터는 텍스트 정보를 포함할 수 있다. 예를 들면, 이미지 데이터에 포함된 텍스트 정보는 이미지 상에 수기로 기재된 텍스트 정보, 이미지 상에 타이핑을 통해 기재된 텍스트 정보 및 이미지의 메타 데이터에 포함된 텍스트 정보를 포함할 수 있다. 이미지의 메타 데이터는 이미지 자체를 구성하는 데이터가 아닌, 별도의 정보를 포함하는 데이터를 의미한다.

한편, 전자 장치(1000)가 사용자로부터 이미지 데이터를 수신하는 방법에 대해서는 도 3 내지 도 7을 참조하여 아래에서 구체적으로 설명한다.

일 실시예에 따르면, 텍스트 데이터는 전자 장치(1000)가 사용자로부터 직접 입력 받은 텍스트로 구성된 데이터를 의미한다. 텍스트 데이터는 주얼리 상품에 관련된 텍스트로 입력 받은 일련의 데이터를 모두 포함할 수 있다. 예를 들면, 전자 장치(1000)는 사용자로부터 타이핑 방식, 수기 작성 방식으로 입력 받을 수 있다. 전자 장치(1000)는 수기 작성 방식으로 입력된 텍스트 데이터를 글자 인식할 수 있다.

텍스트 데이터는 상품을 지칭하는 명칭인 주얼리 상품 명칭, 주얼리 상품의 품번, 주얼리 상품의 제조사, 주얼리 상품의 속성에 관련된 텍스트, 주얼리 상품을 설명하기 위한 텍스트를 포함할 수 있으나, 이에 한정되지 않는다.

주얼리 상품의 속성에 관련된 텍스트는 주얼리 상품의 속성을 나타내는 일련의 텍스트로 수신한 데이터를 의미한다. 주얼리 상품의 속성에 관련된 텍스트는 적어도 하나 이상의 주얼리 상품의 속성에 관한 정보를 포함할 수 있다. 구체적인 예를 들면, 주얼리 상품의 속성을 나타내는 텍스트는 1 캐럿 다이아몬드를 왕관모양으로 포함한 14K Rose gold 색상의 반지를 포함할 수 있다. 주얼리 상품의 속성에 대해서는 아래에서 구체적으로 설명한다.

주얼리 상품을 설명하기 위한 텍스트는 주얼리 상품에 관련된 부가 정보를 포함하는 일련의 텍스트로 수신한 데이터를 의미한다. 부가 정보는 주얼리 상품의 명칭이나 품번을 지칭하거나, 주얼리 상품의 속성을 나타내지 않지만, 주얼리 상품에 관련된 정보를 의미한다. 구체적인 예를 들면, 부가 정보는 특정 연예인이 착용한 주얼리, 특정 드라마에서 특정 캐릭터가 착용한 주얼리, 특정 연예인의 결혼 반지, 특정 연예인이 특정 행사에서 착용한 주얼리와 같은 정보를 포함할 수 있다.

일 실시예에 따르면, 음성 데이터는 전자 장치(1000)가 사용자로부터 직접 입력 받은 음성으로 구성된 데이터를 의미한다. 음성 데이터는 주얼리 상품에 관련된 음성으로 입력 받은 일련의 데이터를 모두 포함할 수 있다. 예를 들면, 전자 장치(1000)가 음성 입력부를 이용하여 사용자로부터 주얼리 상품에 관련된 음성을 수신한 데이터를 포함할 수 있다. 음성 데이터는 상품을 지칭하는 명칭인 주얼리 상품 명칭, 주얼리 상품의 품번, 주얼리 상품의 제조사, 주얼리 상품의 속성에 관련된 텍스트, 주얼리 상품을 설명하기 위한 음성 데이터를 포함할 수 있으나, 이에 한정되지 않는다.

전자 장치(1000)는 사용자로부터 수신한 음성 데이터를 음성 인식을 통해서 음성 데이터에 포함된 주얼리 상품에 관련된 정보를 획득할 수 있다. 예를 들면, 전자 장치(1000)는 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터에 기초하여 주얼리 상품에 관련된 정보를 획득할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 사용자로부터 입력된 데이터를 인공지능 신경망에 적용할 수 있다.

인공지능 신경망은 서버(2000)에 포함될 수 있다. 전자 장치(1000)는 사용자로부터 수신한 입력 데이터를 서버(2000)로 전송하고, 서버로부터 출력된 추천 주얼리 상품에 관련된 데이터를 수신할 수 있다.

또는, 인공지능 신경망은 전자 장치(1000)에 포함될 수 있다. 전자 장치(1000)는 내부에 인공지능 신경망을 구성하는 데이터를 저장하고 이용할 수 있다. 예를 들면, 전자 장치(1000)는 서버(2000)로부터 인공지능 신경망을 구성하는 데이터를 수신함으로써, 인공지능 신경망을 내부에 저장하고 이용할 수 있다. 또한, 전자 장치(1000)는 서버(2000)로부터 인공지능 신경망을 갱신하는 데이터를 수신할 수 있다.

인공지능 신경망은 프로세서의 형태로 존재할 수 있다. 프로세서는 범용적으로 이용되는 적어도 하나의 프로세서 (예를 들면, CPU, Application processor) 및 인공지능 신경망의 기능을 수행하기 위하여 제작된 적어도 하나의 프로세서를 포함할 수 있다.

또는, 인공지능 신경망은 소프트웨어 모듈의 형태로 존재할 수 있다. 범용 프로세서 또는 인공지능 신경망의 기능을 수행하기 위하여 제작된 프로세서는 명령어를 실행함으로써 소프트웨어 모듈 형태의 인공지능 신경망을 이용할 수 있다.

인공지능 신경망은 적용된 입력 데이터로부터 사용자의 관심 주얼리 상품의 속성에 관련된 데이터를 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 전처리된 데이터가 적용될 수 있다. 데이터의 전처리는 전자 장치(1000) 또는 서버(2000)가 수행할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 사용자로부터 입력된 데이터를 전처리할 수 있다.

예를 들면, 전자 장치(1000)는 관심 주얼리 상품의 속성을 용이하게 추출하기 위해서, 이미지 데이터의 적어도 일부의 밝기를 조절할 수 있다. 또한, 전자 장치(1000)는 이미지 데이터의 선명도를 조절할 수 있다. 또한, 전자 장치(1000)는 이미지 데이터로부터 주얼리 상품을 구성하는 기본 형태에 관련된 데이터를 추출할 수 있다. 또한, 전자 장치(1000)는 이미지 데이터로부터 텍스트 정보를 추출할 수 있다.

다른 예를 들면, 전자 장치(1000)는 관심 주얼리 상품에 관련된 텍스트 데이터로부터 주얼리 상품의 명칭, 품번, 주얼리 상품의 속성에 관련된 텍스트, 주얼리 상품을 설명하기 위한 텍스트를 분류하여 인공지능 신경망에 적용할 수 있다.

또 다른 예를 들면, 전자 장치(1000)는 관심 주얼리 상품에 관련된 음성 데이터를 음성 인식을 통해서 음성 데이터에 포함된 주얼리 상품에 관련된 정보를 획득하고, 인공지능 신경망에 적용할 수 있다. 또한, 전자 장치(1000)는 음성 데이터를 음성 인식을 통해서 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 사용자로부터 입력된 데이터를 서버(2000)로 전송할 수 있다. 서버(2000)는 전자 장치(1000)로부터 수신한 데이터를 전처리할 수 있다. 서버(2000)는 위에 기재된 전자 장치(1000)가 수행하는 전처리를 수행할 수 있다. 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 입력된 데이터를 전처리 할 수 있다. 인공지능 신경망은 위에 기재된 전자 장치(1000)가 수행하는 전처리를 수행할 수 있다. 중복되는 내용은 생략한다.

인공지능 신경망은 입력된 데이터에 가중치를 부여할 수 있다. 예를 들면 인공지능 신경망은 입력된 데이터를 전처리할 때 가중치를 부여할 수 있다. 가중치는 인공지능 신경망이 속성 데이터들 중 중요도의 차별을 두기 위한 데이터 값을 의미한다. 예를 들면, 인공지능 신경망은 주얼리 상품의 속성 데이터에 포함된 주얼리, 스톤, 메탈, 디자인의 카테고리 중 적어도 하나의 카테고리에 다른 가중치를 부여할 수 있다. 또한, 인공지능 신경망은 카테고리에 포함된 주얼리 상품의 속성 데이터들 각각에 다른 가중치를 부여할 수 있다.

구체적인 예를 들면, 인공지능 신경망이 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 포함된 상품들의 속성 데이터의 유사도를 비교할 때, 속성 데이터들 중 스톤의 종류, 스톤의 모양, 스톤의 세팅에 가중치를 부여할 수 있다. 또는, 인공지능 신경망은 메탈의 색상에 가중치를 부여할 수 있다. 또는, 인공지능 신경망은 부가 정보에 포함된 데이터에 가중치를 부여할 수 있다.

인공지능 신경망은 복수의 주얼리 상품들 각각에 관련된 이미지 데이터, 텍스트 데이터들을 학습 데이터로 수신할 수 있다. 인공지능 신경망은 학습 데이터들을 데이터 인식 모델을 이용함으로써, 복수의 주얼리 상품들 각각의 속성에 관련된 데이터를 획득할 수 있다.

예를 들면, 인공지능 신경망은 CNN(Convolution Neural Network) 기술을 이용한 이미지 분석을 통해서 복수의 주얼리 상품들 각각의 속성에 관련된 데이터를 획득할 수 있다.

다른 예를 들면, 인공지능 신경망은 RNN(Recurrent Neural Network) 기술을 이용하여 텍스트 데이터 및 음성 데이터를 분석함으로써 복수의 주얼리 상품들 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 획득할 수 있다.

인공지능 신경망은 획득된 복수의 주얼리 상품들 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 데이터 베이스에 저장할 수 있다. 인공지능 신경망은 데이터 베이스에 저장된 데이터들에 접근할 수 있다. 인공지능 신경망은 데이터 베이스에 저장된 데이터들을 갱신할 수 있다.

데이터 베이스에 포함된 주얼리 상품들의 속성 데이터는 복수의 주얼리 상품 제조사들의 단말기로부터 획득한 주얼리 상품들의 속성 데이터일 수 있다. 예를 들면, 데이터 베이스에 포함된 주얼리 상품들의 속성 데이터는 복수의 주얼리 상품 제조사들이 제공한 자사에서 제조하는 주얼리 상품에 관련된 데이터가 저장된 것일 수 있다. 또는, 데이터 베이스에 포함된 주얼리 상품들의 속성 데이터는 인터넷, 카탈로그와 같이 주얼리 상품 제조사들이 홍보를 위해서 개시한 데이터가 저장된 것일 수 있다.

인공지능 신경망은 획득된 사용자의 관심 주얼리 상품의 속성에 관련된 데이터와 데이터 베이스에 포함된 복수개의 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써 관심 주얼리 상품에 매칭되는 적어도 하나의 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

데이터 베이스는 인공지능 신경망을 이용하여 획득된 복수개의 주얼리 상품들 각각에 관련된 속성 데이터가 저장될 수 있다. 주얼리 상품에 관련된 속성 데이터는 표 1을 참조하여 아래에서 구체적으로 설명한다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 및 관심 주얼리 상품의 속성 데이터에 기초하여 가상 주얼리 상품을 생성할 수 있다. 가상 주얼리 상품은 사용자의 기호에 부합되도록 인공지능 신경망이 생성하는 가상의 주얼리 상품을 의미한다.

인공지능 신경망은 관심 주얼리 상품의 속성 데이터를 획득하고, 획득된 관심 주얼리 상품의 속성 데이터에 기초하여 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 관심 주얼리 상품의 속성 데이터의 카테고리들(예를 들면, 주얼리, 스톤, 메탈, 디자인) 중 적어도 하나의 카테고리, 또는 서브 카테고리 중 적어도 하나가 유사한 가상 주얼리 상품을 생성할 수 있다. 또는, 인공지능 신경망은 관심 주얼리 상품의 속성 데이터의 카테고리들 중 적어도 하나가 비유사한 가상 주얼리 상품을 생성할 수 있다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 중 적어도 하나를 변경함으로써, 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 데이터 베이스에 저장된 반지(ring) 상품 중 하나의 스톤을 변경함으로써, 가상 주얼리 상품을 생성할 수 있다. 구체적으로, 인공지능 신경망은 반지 상품의 스톤을 에메랄드에서 사파이어로 변경한 가상 주얼리 상품을 생성할 수 있다. 다른 예를 들면, 인공지능 신경망은 반지 상품의 메탈을 은(silver)에서 14K Rose Gold로 변경한 가상 주얼리 상품을 생성할 수 있다. 또 다른 예를 들면, 인공지능 신경망은 반지 상품의 메탈 피니시(Metal finish)를 polished에서 milgrain으로 변경한 가상 주얼리 상품을 생성할 수 있다. 여기서는 주얼리 상품의 속성 데이터 중 하나를 변경함으로써 가상 주얼리 상품을 생성하는 예를 들었지만, 2가지 이상의 속성 데이터를 변경함으로써 가상 주얼리 상품이 생성될 수 있음은 자명하다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터로부터 적어도 하나의 특징을 추출하고, 추출된 특징에 기초하여 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 GAN(Generative Adversarial Network) 기술을 이용하여, 데이터 베이스에 저장된 주얼리 상품들의 외형적 특징에 기초하여 가상 주얼리 상품을 생성할 수 있다.

구체적으로, 인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 스톤 주얼리의 종류, 스톤 컬러, 스톤 중량 및 크기, 스톤 모양, 스톤 세팅, 메탈 타입, 메탈 피니쉬, 걸쇠 종류, 줄의 길이 및 줄의 종류와 같은 주얼리 상품의 외형적 특징을 학습하고, 관심 주얼리 상품의 외형과 유사한 가상 주얼리 상품을 생성할 수 있다.

또한, 인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여하고, 가중치에 기초하여 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 스톤, 메탈 및 디자인 각각에 다른 가중치를 부여할 수 있다. 또한, 인공지능 신경망은 스톤 모양, 스톤 세팅에 다른 가중치를 부여할 수 있다. 구체적으로, 인공지능 신경망은 반지 상품의 스톤 모양에 높은 가중치를 부여할 수 있다. 또한, 인공지능 신경망은 반지 상품의 메탈 타입에 높은 가중치를 부여할 수 있다. 인공지능 신경망은 부여된 가중치에 기초하여 주얼리 상품의 외형적 특징을 학습하고, 가상 주얼리 상품을 생성할 수 있다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 외형적 특징 및 속성 데이터를 매칭하여 학습할 수 있다. 예를 들면, 인공지능 신경망은 반지 제품의 메탈 피니시가 polished인 속성 데이터와 반지 상품의 메탈 부분의 외형적 특징을 매칭하여 학습할 수 있다. 인공지능 신경망은 가상 주얼리 상품을 생성할 때, 가상 주얼리 상품의 외형적 특징에 대응하는 속성 데이터도 함께 생성할 수 있다.

인공지능 신경망은 관심 주얼리 상품의 외형적 특징에 기초하여 관심 주얼리 상품과 유사한 가상 주얼리 상품을 생성할 수 있다. 인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 외형적 특징을 학습한 결과에 기초하여 관심 주얼리 상품과 유사한 외형의 가상 주얼리 상품을 생성할 수 있다. 인공지능 신경망은 학습 결과에 기초하여 관심 주얼리 상품의 외형적 특징 중 일부를 변경한 가상의 반지 상품을 생성할 수 있다.

예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 스톤의 모양을 Heart shape에서 Pear shape로 변경한 가상의 반지 상품을 생성할 수 있다. 다른 예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 스톤 세팅을 Prong Set에서 Bezel Set으로 변경한 가상의 반지 상품을 생성할 수 있다.

인공지능 신경망은 관심 주얼리 상품과 유사한 외형을 갖지만, 보다 저렴한 소재로 구성된 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 스톤을 다이아몬드와 큐빅으로 변경한 가상의 반지 상품을 생성할 수 있다. 다른 예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 메탈을 14K Platinum에서 은(Silver)으로 변경한 가상의 반지 상품을 생성할 수 있다.

인공지능 신경망은 생성된 가상의 반지 상품을 추천 주얼리 상품으로 선택할 수 있다. 예를 들면, 인공지능 신경망은 가상 주얼리 상품 중에서 관심 주얼리 상품과 유사도가 높은 가상 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다. 인공지능 신경망은 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 선택된 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다.

전자 장치(1000)는 인공지능 신경망으로부터 출력된 추천 주얼리 상품의 외형에 관련된 데이터, 속성에 관련된 데이터 및 부가 정보에 관련된 데이터 중 적어도 하나를 출력할 수 있다. 예를 들면, 전자 장치(1000)는 추천 주얼리 상품의 외형에 관련된 사진 데이터를 디스플레이부를 이용하여 출력할 수 있다.

개시된 실시예에 따르면, 전자 장치(1000)는 사용자의 의도를 용이하게 파악하여, 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르고 정확하게 매칭하여 추천할 수 있다.

도 1b는 일 실시예에 따른, 주얼리 상품의 주문 제작을 의뢰하는 방법의 예시를 설명한 도면이다.

도 1b를 참조하면, 전자 장치(1000)는 도 1a에서 출력한 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(1000)는 터치스크린을 이용하여 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력을 수신할 수 있다.

전자 장치(1000)는 선택된 추천 주얼리 상품을 체크 박스를 이용하여 선택된 것임을 나타낼 수 있다. 전자 장치(1000)는 선택된 추천 주얼리 상품의 속성 데이터를 선택된 추천 주얼리 상품의 이미지 위에 오버레이하여 디스플레이할 수 있다.

전자 장치(1000)는 사용자의 입력에 기초하여 적어도 하나의 주얼리 상품 제조사의 단말기로 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 전송할 수 있다. 예를 들면, 전자 장치(1000)는 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력에 대응하여, 주얼리 상품 제조사의 단말기로 제작의뢰에 관련된 데이터를 전송할 수 있다. 또는 전자 장치(1000)는 체크 박스가 된 추천 주얼리 상품의 제작의뢰를 요청하는 사용자의 입력을 수신함으로써, 주얼리 상품 제조사의 단말기로 제작의뢰에 관련된 데이터를 전송할 수 있다.

주얼리 상품 제조사의 단말기는 주문 제작 의뢰에 관련된 데이터를 송수신할 수 있는 모바일 장치(예를 들면, 스마트폰, 태블릿PC 등), 범용 컴퓨터(PC, Personal Computer), 서버(Server)등을 포함할 수 있다.

주얼리 상품의 주문 제작 의뢰하는 방법은 도 12a 내지 도 12c를 참조하여 아래에서 구체적으로 설명한다.

개시된 실시예에 따르면, 전자 장치(1000)는 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르고 정확하게 매칭하여 추천하고, 주문 제작을 의뢰할 수 있다.

도 2는 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 흐름도이다.

도 2를 참조하면, 전자 장치(1000)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신(S210)하고, 수신된 입력 데이터를 학습 모델에 적용(S230)하며, 학습 모델로부터 출력된 관심 상품에 매칭된 추천 주얼리 상품에 관련된 데이터를 출력(S250)할 수 있다.

단계 S210을 참조하면, 전자 장치(1000)는 사용자로부터 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신할 수 있다. 관심 주얼리 상품에 관련된 사용자의 입력 데이터는 이미지 데이터, 텍스트 데이터 및 음성 데이터 중 적어도 하나를 포함할 수 있다. 이미지 데이터, 텍스트 데이터 및 음성 데이터는 도 1을 참조하여 위에서 설명하였으므로 중복되는 내용은 생략한다. 또한, 전자 장치(1000)가 사용자로부터 이미지 데이터를 수신하는 방법에 대해서는 도 3 내지 도 7을 참조하여 아래에서 구체적으로 설명한다.

단계 S230을 참조하면, 전자 장치(1000)는 수신된 관심 주얼리 상품에 관련된 입력 데이터를 인공지능 신경망에 적용할 수 있다. 인공지능 신경망은 전자 장치(1000)에 포함될 수 있다. 또는 인공지능 신경망은 서버(2000)에 포함되고, 전자 장치(1000)는 입력 데이터를 서버(2000)로 전송함으로써 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(1000) 및 서버(2000) 중 적어도 하나는 입력 데이터를 전처리를 수행할 수 있다. 전처리에 대해서는 도 1을 참조하여 위에서 설명하였으므로 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 적용된 입력 데이터로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 예를 들면, 인공지능 신경망은 입력 데이터에 포함된 이미지 데이터를 이미지 분석함으로써 주얼리 상품의 속성 데이터를 획득할 수 있다. 또한, 인공지능 신경망은 입력 데이터에 포함된 텍스트 데이터 및 음성 데이터 중 적어도 하나에 기초하여 주얼리 상품의 속성 데이터를 획득할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 주얼리 상품의 속성을 표 1에 나타난 속성과 같이 분류할 수 있다.

일 실시예에 따르면, 주얼리 카테고리는, 주얼리 상품의 종류에 관련된 데이터를 포함할 수 있다. 예를 들면, 주얼리 상품의 종류는 bracelet, charm, clip, cuff links, dog tag, earring, head, necklace, 및 ring을 포함할 수 있으나, 이에 한정되지 않는다. 이보다 많은 종류로 분류되거나 이보다 적은 종류로 분류될 수 있다.

일 실시예에 따르면, 스톤 카테고리는, 스톤 타입(Stone type), 스톤 컬러(Stone Color), 스톤 중량(Stone weight), 스톤 모양(Stone shape), 스톤 세팅(Stone setting)의 서브 카테고리를 포함할 수 있으나 이에 한정되지 않는다. 이보다 많은 서브 카테고리로 분류되거나 이보다 적은 서브 카테고리로 분류될 수 있다.

일 실시예에 따르면, 스톤 타입에 관련된 데이터는 보석의 종류, 준보석의 종류, 대체 보석의 종류, 진주의 종류에 관련된 데이터를 포함할 수 있다.

보석은 주얼리 상품에 사용되는 광물을 의미할 수 있다. 예를 들면, 보석의 종류에 관련된 데이터는 Black Agate, Black Sapphire, Blue Green Sapphire, Cognac Sapphire, Diamond, Fancy Pink Sapphire, Fire Sapphire, Gemstone, Green Sapphire, Ice Blue Sapphire, Kentucky Blue Sapphire, Lavender Sapphire, Multiple, Orange Sapphire, Peach Sapphire, Pink Sapphire, Plain, Raspberry Sapphire, Ruby, Salmon Sapphire, Sapphire, Semi Precious, Traditional Sapphire, White, White Sapphire, Yellow Sapphire와 같은 데이터를 포함할 수 있으나, 이에 한정되지 않는다. 이보다 많은 광물이 보석으로 분류되거나, 이보다 적은 광물이 보석으로 분류될 수 있다.

준보석은 보석과 유사하지만, 희귀한 정도가 낮은 것을 의미할 수 있다. 예를 들면, 준보석의 종류에 관련된 데이터는 Amazonite, Amethyst, Aquamarine, Black Agate, Blue Agate, Blue Lace Agate, Blue Topaz, Carnelian, Chrome Diopside, Citrine, Garnet, Green Quartz, Morganite, Peridot, Pink Quartz, Rhodochrosite, Rhodonite, Smoky Quartz, Sodalite, Sunstone, Tanzanite, Tsavorite와 같은 데이터를 포함할 수 있으나, 이에 한정되지 않는다. 이보다 많은 광물이 준보석으로 분류되거나, 이보다 적은 광물이 준보석으로 분류될 수 있다.

대체 보석은 큰 크기의 보석 대신 작은 크기의 복수개의 보석으로 대체하는 것을 의미할 수 있다. 예를 들면, 대체 보석의 종류에 관련된 데이터는 Cushion, Emerald, Marquise, Oval, Pear, Princess, Round와 같은 데이터를 포함할 수 있으나, 이에 한정되지 않는다.

진주는 조개의 체내에서 생긴 탄산칼슘을 주성분으로 하는 구슬을 의미할 수 있다. 진주의 종류에 관련된 데이터는 Pearl, Akoya, South Sea Pearl, Freshwater Pearl, Golden South Sea Pearl, Tahitian Pearl과 같은 데이터를 포함할 수 있으나, 이제 한정되지 않는다.

일 실시예에 따르면, 스톤 컬러에 관련된 데이터는 각 광물 별 컬러에 관련된 데이터를 포함할 수 있다. 예를 들면, 스톤 컬러에 관련된 데이터는 다이아몬드의 색상, 사아피어의 색상, 진주의 색상에 관련된 데이터를 포함할 수 있다. 구체적으로, 스톤 컬러에 관련된 데이터는 Black, Black/Grey/White, Black/Purple/White, Black/Red, Black/Tahitian, Blue, Blue/Green, Blue/Green/Orange/Pink, Blue/Green/Orange/Pink/Purple/Yellow, Blue/Green/Orange/Pink/White/Yellow, Blue/Green/Pink/Red/White, Blue/Green/Pink/Red/White/Yellow, Blue/Green/White, Blue/Oragne/Yellow, Blue/Pink, Blue/Pink/White, Blue/Purple, Brown, Brown/Tahitian, Gray/Tahitian/Whit, Green, Green/Orange/White, Green/Pink/Red/Yellow, Green/Pink/Yellow, None, Orange, Orange/Pink/Purple/White, Orange/White, Pink, Pink/Purple, Pink/Purple/White, Pink/Red, Purple, Purple/Tahitian, Red, Red/Tahitian, Tahitian, Tahitian/White/Yellow, White, Yellow과 같은 데이터를 포함할 수 있으나, 이에 한정되지 않는다. 이보다 많은 컬러로 분류되거나, 적은 컬러로 분류될 수 있다.

일 실시예에 따르면, 스톤 중량(Stone weight)에 관련된 데이터는 주얼리에 포함된 스톤 각각의 무게에 관련된 데이터를 포함할 수 있다. 예를 들면, 스톤 중량은 <0.18>, <0.51>, <0.52>, <1.04>, <1 1/2 ct.>, <1 1/4 ct.>, <1 3/4 ct.>, <1 ct.>, <1 ct. t.g.w.>, <1 ct. t.w.>, <1/2 ct.>, <1/2 ct. t.w.>, <1/3 ct.>, <1/4 ct.>, <1/5 ct.>, <1/6 ct.>, <1ct.>, <2 1/2 ct.>, <2 1/4 ct.>, <2 3/4 ct.>, <2 ct.>, <2 ct. t.g.w.>, <2 cts.>, <3 1/2 ct.>, <3 1/4 ct.>, <3 3/4 ct.>, <3 ct.>, <3 cts.>, <3.00 ct.>, <3/4 ct.>, <3/4 ct. t.w.>, <3/8 ct.>, <3/8 ct. t.w.>, <4 1/2 ct.>, <4 ct.>, <5 1/2 ct.>, <5 1/4 ct.>, <5 ct.>, <5/8 ct.>, <6 1/2 ct.>, <6 3/4 ct.>, <7 1/4 ct.>, <7/8 ct.>과 같은 데이터를 포함할 수 있으나, 이에 한정되지 않는다.

또한, 스톤 중량에 관련된 데이터는 주얼리에 포함된 스톤 각각의 크기에 관련된 데이터도 포함할 수 있다. 예를 들면, 스톤 중량은 진주의 크기에 관련된 데이터를 포함할 수 있다. 구체적으로, 10.0-11.0MM, 11.0-12.0MM, 12.0-13.0MM, 13.0-14.0MM, 5.0-5.5MM, 5.5-6.0MM, 6.0-6.5MM, 6.5-7.0MM, 7.0-7.5MM, 7.5-8.0MM, 8.0-8.5MM, 8.5-9.0MM, 9.0-10.0MM, Under 5.0MM, GRADUATED, MULTIPLE SIZES와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다. 이보다 많은 종류로 분류되거나, 적은 종류로 분류될 수 있다.

일 실시예에 따르면, 스톤 모양(Stone shape)에 관련된 데이터는 주얼리에 포함된 스톤 각각의 모양에 관련된 데이터를 포함할 수 있다. 예를 들면, 스톤 모양에 관련된 데이터는 Asscher, Baguette, Calla Cut, Briolette, Cushion, Cushion Cut, Emerald, Emerald Cut, Fancy Shapes, Freeform, Heart, Heart Shape, Marquise, Kite, No Stone, Octagon, Oval, Pear, Pear Shape, Pearls, Princess Cut, Princess, Round, Radiant, Shield, Square, Square Step Cut, Straight Baguette, Trapezoid, Tapered Baguette, Trillion와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다. 이보다 많은 종류로 분류되거나, 적은 종류로 분류될 수 있다.

일 실시예에 따르면, 스톤 세팅(Stone setting)에 관련된 데이터는 주얼리에 포함된 스톤 각각을 고정하는 형태 및 방법에 관련된 데이터를 포함할 수 있다. 예를 들면, 스톤 세팅에 관련된 데이터는 Bezel Set, Channel Set, Multiple Types, Cluster, Pave, No Stones, Prong Set, Shared Prong, Tension Set와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다. 이보다 많은 종류로 분류되거나, 적은 종류로 분류될 수 있다.

일 실시예에 따르면, 메탈 카테고리는, 주얼리 상품에 포함된 메탈의 메탈 타입(Metal type), 메탈의 중량 및 메탈 피니쉬(Metal Finish)의 서브 카테고리를 포함할 수 있으나 이에 한정되지 않는다. 이보다 많은 서브 카테고리로 분류되거나 이보다 적은 서브 카테고리로 분류될 수 있다.

일 실시예에 따르면, 메탈 타입에 관련된 데이터는 주얼리 상품에 포함된 메탈의 종류에 관련된 데이터를 포함할 수 있다. 예를 들면, 메탈 타입에 관련된 데이터는 14K Rose Gold, 14K Rose and White Gold, 14K Tri-Tone, 14K Two-Tone, 14K White Gold, 14K Yellow Gold, 18K White Gold, All Other, Black Colored Silver, Aluminum, Cobalt, Cobalt and 14K Yellow Gold, Damascus Steel, Endless Strand, Leather, Meteorite, Platinum, Rose Colored Silver, Stainless Steel, Silver and Gold, Stainless Steel and 18K Yellow Gold, Stainless Steel and Other, Sterling Silver, Sterling Silver and 14K White Gold, Titanium, Sterling Silver and 14K Yellow Gold, Yellow Colored Silver, Two-Tone Colored Silver와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다. 이보다 많은 종류로 분류되거나, 적은 종류로 분류될 수 있다.

일 실시예에 따르면, 메탈의 중량에 관련된 데이터는 주얼리 상품에 포함된 메탈의 중량에 관련된 데이터를 포함할 수 있다. 예를 들면, 메탈의 중량에 관련된 데이터는 g, oz, 돈 과 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다. 주얼리 상품의 중량을 나타내는 다양한 단위가 사용될 수 있다. 또한, 각 단위 상호간에 단위 환산을 한 데이터가 포함될 수 있다.

일 실시예에 따르면, 메탈 피니시에 관련된 데이터는 주얼리 상품에 포함된 메탈의 표면에 적용하는 마무리 기법에 관련된 데이터를 포함할 수 있다. 예를 들면, 메탈 피니시에 관련된 데이터는 Antique, Black Finish, Diamond Cut, Engraved, Hammer, Milgrain, Polished, Satin와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다. 이보다 많은 종류로 분류되거나, 적은 종류로 분류될 수 있다.

일 실시예에 따르면, 디자인에 관련된 데이터는 주얼리 상품에 포함된 걸쇠 종류(Clasp type), 줄의 길이(Length), 줄의 종류(Chain type), 주얼리 상품 디자인의 종류(Design type), 주얼리 상품의 외형(Design shape), 기능(예를 들면, 반지, 목걸이, 팔찌의 줄 길이 조정 가능 여부, 동시에 여러 개 착용 가능 여부)에 관련된 데이터를 포함할 수 있다.

예를 들면, 걸쇠 종류에 관련된 데이터는 Barrel, Figure Eight, Fish Hook, Fold Over, Lobster, Pearl, Push Lock, Spring, Toggle와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다.

또한, 줄의 길이에 관련된 데이터는 7 inch, 7.25 inch, 7.5 inch, 8 inch, 8.5 inch, 9 inch, 16 inch, 17 inch, 18 inch, 19 inch, 20 inch, 22 inch, 23 inch, 24 inch, 28 inch, 30 inch, 36 inch, 65 inch와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다.

또한, 줄의 종류에 관련된 데이터는 Box, Cable, Curb, Diamond Cut Cable, Diamond Cut Rope, Diamond Cut Wheat, Figaro, Franco, Popcorn, Rolo, Rope, Singapore, Tubetto, Venenziana, Wheat와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다.

또한, 주얼리 상품 디자인의 종류(Design type)에 관련된 데이터는 10 Stone, 15 Stone, 5 Stone, Cathedral, Contour, Couples Collection, Halo, Pave, Straight, Swirl, Two Stone, Vintage와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다.

또한, 주얼리 상품의 외형(Design shape)에 관련된 데이터는 Circle, Cross, Diamond, Framed, Heart, Hoop, Horse Shoe, Multi Circle, Oval, Pear, Round, Square, Star of David, Vintage와 같은 데이터를 포함할 수 있으나, 이에 제한되지 않는다.

일 실시예에 따르면, 인공지능 신경망은 복수개의 주얼리 상품들 각각에 관련된 이미지 데이터, 텍스트 데이터들을 학습 데이터로 수신할 수 있다. 인공지능 신경망은 학습 데이터로부터 복수개의 주얼리 상품들 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 획득할 수 있다. 인공지능 신경망은 획득된 복수의 주얼리 상품들 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 데이터 베이스에 저장할 수 있다. 인공지능 신경망은 데이터 베이스에 저장된 데이터들에 접근할 수 있다. 인공지능 신경망은 데이터 베이스에 저장된 데이터들을 갱신할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 가중치가 부여된 속성 데이터 및 부가 데이터 중 적어도 하나에 기초하여 유사도를 비교할 수 있다. 인공지능 신경망은 입력된 데이터에 기초하여 속성 데이터 각각에 가중치를 부여할 수 있다.

예를 들면, 인공지능 신경망은 입력 데이터가 제품 카탈로그 사진인 경우, 속성 데이터들 중 스톤의 종류, 스톤의 모양, 스톤의 세팅에 가중치를 부여할 수 있다. 다른 예를 들면, 인공지능 신경망은 “1 캐럿 다이아몬드를 왕관모양으로 포함한 14K Rose gold 색상의 반지”와 같은 텍스트 데이터가 입력된 경우, 속성 데이터 들 중, 스톤의 종류, 스톤의 중량, 스톤 셋팅, 메탈 종류에 가중치를 부여할 수 있다. 인공지능 신경망은 가중치가 부여된 속성 데이터에 기초하여 유사도를 비교함으로써, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

다른 예를 들면, 인공지능 신경망은 이미지 데이터와 텍스트 데이터가 함께 입력된 경우, 텍스트 데이터로부터 획득되는 속성 데이터 및 부가 정보 중 적어도 하나에 가중치를 더 부여할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 부가 정보에 포함된 데이터에 기초하여 유사도를 비교할 수 있다. 예를 들면, 인공지능 신경망은 “특정 연예인의 결혼 반지”라는 부가 정보에 기초하여 특정 연예인의 결혼 반지에 대한 정보를 데이터 베이스에 저장된 복수개의 주얼리들 각각의 부가 정보와 유사도를 비교함으로써 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 인터넷을 이용하여 주얼리 상품에 관련된 데이터를 획득할 수 있다. 예를 들면, 관심 주얼리 상품의 부가 정보와 유사한 부가 정보가 포함된 주얼리 상품에 관련된 데이터가 데이터 베이스에 저장되지 않은 경우, 인공지능 신경망은 인터넷을 검색함으로써 관심 주얼리 상품의 부가 정보와 유사한 부가 정보가 포함된 주얼리 상품에 관련된 데이터를 획득할 수 있다. 인공지능 신경망은 획득된 주얼리 상품에 관련된 데이터로부터 속성 데이터 및 부가 정보를 획득할 수 있다. 인공지능 신경망은 획득된 속성 데이터 및 부가 정보 중 적어도 하나에 기초하여 관심 주얼리 상품에 매칭되는 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 선택된 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다.

단계 S250을 참조하면, 전자 장치(1000)는 관심 주얼리 상품에 매칭된 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(1000)는 인공지능 신경망으로부터 출력된 추천 주얼리 상품의 외형에 관련된 데이터, 속성에 관련된 데이터 및 부가 정보에 관련된 데이터 중 적어도 하나를 출력할 수 있다. 예를 들면, 전자 장치(1000)는 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 디스플레이부를 이용하여 출력할 수 있다.

도 3 내지 도 7은 일 실시예에 따른, 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 나타낸 도면이다.

도 3을 참조하면, 전자 장치(1000)는 사용자의 입력 데이터를 이미지 데이터로 수신할 수 있다. 구체적으로, 전자 장치(1000)는 관심 주얼리 상품의 카탈로그 사진 데이터(110)를 사용자의 입력 데이터로 수신할 수 있다. 전자 장치(1000)는 제품의 카탈로그 사진 데이터(120)를 인공지능 신경망에 적용할 수 있다.

인공지능 신경망은 이미지 분석을 통해서 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하고, 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 이미지 분석을 통해서 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터를 획득할 수 있다.

인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교할 수 있다. 인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터에 가중치를 적용할 수 있다. 인공지능 신경망은 가중치가 적용된 관심 주얼리 상품의 속성 데이터에 기초하여 유사도를 비교할 수 있다. 예를 들면, 인공지능 신경망은 스톤의 모양, 스톤의 세팅, 메탈 피니시에 높은 가중치를 부여할 수 있다. 인공지능 신경망은 높은 가중치가 부여된 속성 데이터에 우선순위를 부여할 수 있다. 인공지능 신경망은 우선순위가 높은 속성 데이터가 유사한 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

인공지능 신경망은 텍스트 데이터, 사용자에 관련된 메타 태그 정보, 사용자에 관련된 로그 정보와 같은 종래의 개인화 추천 기술을 이용하여 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다. 이를 통해서, 인공지능 신경망은 사용자 맞춤형 주얼리 상품 추천 서비스를 제공할 수 있다.

인공지능 신경망은 추천 주얼리 상품으로 선택된 주얼리 상품에 관련된 데이터를 출력할 수 있다. 예를 들면, 인공지능 신경망은 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다.

전자 장치(1000)는 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 도 9를 참조하여 예를 들면, 전자 장치(1000)는 추천 주얼리 상품의 카탈로그 사진 데이터(311, 312, 313, 314, 315)를 디스플레이 할 수 있다. 전자 장치(1000)는 추천 주얼리 상품의 속성에 관련된 데이터를 함께 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다.

도 4를 참조하면, 전자 장치(1000)는 사용자의 입력 데이터를 이미지 데이터로 수신할 수 있다. 구체적으로, 전자 장치(1000)는 관심 주얼리 상품의 착용 사진 데이터(120)를 사용자의 입력 데이터로 수신할 수 있다. 전자 장치(1000)는 착용 사진 데이터(120)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 착용 사진 데이터(120)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 예를 들면, 전자 장치(1000)는 착용 사진 데이터(120)의 적어도 일부의 밝기를 조절할 수 있다. 또한, 전자 장치(1000)는 착용 사진 데이터(120)의 선명도를 조절할 수 있다. 또한, 전자 장치(1000)는 착용 사진 데이터(120)로부터 관심 주얼리 상품의 형태에 관련된 데이터를 획득할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 전처리가 수행된 착용 사진 데이터(120)를 인공지능 신경망에 적용할 수 있다. 예를 들면, 전자 장치(1000)는 착용 사진 데이터(120)로부터 획득된 관심 주얼리 상품의 형태에 관련된 데이터만을 인공지능 신경망에 적용할 수 있다. 다른 예를 들면, 전자 장치(1000)는 착용 사진 데이터(120)의 밝기, 대조, 선명도 등의 조절로 관심 주얼리 상품의 형태가 부각되도록 처리된 데이터를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 적용된 착용 사진 데이터(120)에 전처리를 수행할 수 있다. 인공지능 신경망이 착용 사진 데이터(120)에 수행하는 전처리는 위에 기재된 전자 장치(1000)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 적용된 착용 사진 데이터(120)를 이미지 분석을 통해서 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하고, 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 이미지 분석을 통해서 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시, 관련된 속성 데이터를 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 관심 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다. 예를 들면, 인공지능 신경망은 이미지 분석을 통해서 획득된 관심 주얼리 상품에 관련된 데이터에 기초하여, 관심 주얼리 상품과 유사한 속성을 포함하는 주얼리 상품의 가격에 관련된 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 이미지 검색을 통해서, 관심 주얼리 상품과 유사한 외형을 포함하는 주얼리 상품의 가격에 관련된 데이터를 획득할 수 있다. 또한, 인공지능 신경망은 관심 주얼리 상품의 속성과 유사한 속성을 포함하는 주얼리 상품을 검색함으로써, 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다. 다른 예를 들면, 인공지능 신경망은, 스톤의 가격에 관련된 정보, 메탈(예를 들면, 금, 은)의 가격에 관련된 정보에 기초하여 관심 주얼리 상품의 속성 데이터에 적용함으로써 관심 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 “14k gold” 로 구성된 “1.47g”의 반지인 관심 주얼리 상품에 대해서, 14k gold의 단위 중량당 가격을 인터넷을 이용하여 획득하고, 관심 주얼리 상품의 중량에 적용함으로써, 관심 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교할 수 있다. 인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터에 가중치를 적용할 수 있다. 인공지능 신경망은 가중치가 적용된 관심 주얼리 상품의 속성 데이터에 기초하여 유사도를 비교할 수 있다. 인공지능 신경망은 높은 가중치가 부여된 속성 데이터에 우선순위를 부여할 수 있다. 인공지능 신경망은 우선순위가 높은 속성 데이터가 유사한 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 추천 주얼리 상품으로 선택된 주얼리 상품에 관련된 데이터를 출력할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(1000)는 추천 주얼리 상품의 속성에 관련된 데이터를 함께 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다.

도 5를 참조하면, 전자 장치(1000)는 사용자의 입력 데이터를 이미지 데이터 및 텍스트 데이터로 수신할 수 있다. 구체적으로, 전자 장치(1000)는 관심 주얼리 상품의 착용한 인물 사진 데이터(130)를 사용자의 입력 데이터로 수신할 수 있다. 또한, 전자 장치(1000)는 관심 주얼리 상품에 관련된 부가 정보를 포함하는 텍스트 데이터(131)를 사용자의 입력 데이터로 수신할 수 있다. 텍스트 데이터(131)는 인물 사진 데이터(130)를 설명하기 위한 텍스트 데이터 일 수 있다. 예를 들면, 텍스트 데이터(131)는 “연예인 A와 B의 결혼반지”라는 텍스트 데이터 일 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 인물 사진 데이터(130) 및 텍스트 데이터(131)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 인물 사진 데이터(130)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 전자 장치(1000)가 인물 사진 데이터(130)에 수행하는 전처리는 도 4를 참조하여 위에서 설명한 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 인물 사진 데이터(130) 에 전처리를 수행할 수 있다. 인공지능 신경망이 인물 사진 데이터(130)에 수행하는 전처리는 위에 기재된 전자 장치(1000)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 적용된 인물 사진 데이터(130)를 이미지 분석을 통해서 인물 사진 데이터(130)에 포함된 관심 주얼리 상품을 인식할 수 있다. 예를 들면, 인공지능 신경망은 인물 사진 데이터(130)에 포함된 관심 주얼리 상품의 형태에 기초하여 관심 주얼리 상품을 인식할 수 있다. 다른 예를 들면, 인공지능 신경망은 인물 사진 데이터(130)에 포함된 관심 주얼리 상품의 위치에 기초하여 관심 주얼리 상품을 인식할 수 있다.

또한, 일 실시예에 따르면, 인공지능 신경망은 텍스트 데이터(131)에 포함된 부가 정보에 기초하여 관심 주얼리 상품을 인식할 수 있다. 예를 들면, 텍스트 데이터(131)에 포함된 “반지”라는 주얼리의 종류에 관한 정보에 기초하여 이미지 데이터(130)로부터 반지를 인식할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 인식된 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하고, 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 이미지 분석을 통해서 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터를 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 텍스트 데이터(131)에 포함된 부가 정보에 기초하여 유사도를 비교할 수 있다. 예를 들면, 인공지능 신경망은 “연예인A와 B의 결혼 반지”라는 부가 정보에 기초하여 연예인A 와 B의 결혼 반지에 대한 정보를 데이터 베이스에 저장된 복수개의 주얼리들 각각의 부가 정보와 유사도를 비교함으로써 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 인터넷을 이용하여 주얼리 상품에 관련된 데이터를 획득할 수 있다. 예를 들면, 관심 주얼리 상품의 부가 정보와 유사한 부가 정보가 포함된 주얼리 상품에 관련된 데이터가 데이터 베이스에 저장되지 않은 경우, 인공지능 신경망은 인터넷을 검색함으로써 관심 주얼리 상품의 부가 정보와 유사한 부가 정보가 포함된 주얼리 상품에 관련된 데이터를 획득할 수 있다. 인공지능 신경망은 획득된 주얼리 상품에 관련된 데이터로부터 속성 데이터 및 부가 정보를 획득할 수 있다. 인공지능 신경망은 획득된 속성 데이터 및 부가 정보 중 적어도 하나에 기초하여 관심 주얼리 상품에 매칭되는 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 획득된 속성 데이터 및 부가 정보 중 적어도 하나에 가중치를 부여할 수 있다. 인공지능 신경망은 가중치가 적용된 관심 주얼리 상품의 속성 데이터 및 부가 정보에 기초하여 유사도를 비교함으로써 추천 주얼리 상품을 선택할 수 있다. 예를 들면, 인공지능 신경망은 이미지 데이터(130)와 함께 부가 정보가 포함된 텍스트 데이터(131)가 함께 적용된 경우, 부가 정보에 가중치를 부여할 수 있다. 인공지능 신경망은 가중치가 부여된 부가 정보와 데이터 베이스에 저장된 복수개의 주얼리들 각각의 부가 정보의 유사도를 비교할 수 있다. 인공지능 신경망은 부가 정보가 유사한 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 추천 주얼리 상품으로 선택된 주얼리 상품에 관련된 데이터를 출력할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(1000)는 추천 주얼리 상품의 속성에 관련된 데이터를 함께 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다.

도 6을 참조하면, 사용자의 입력 데이터를 이미지 데이터로 수신할 수 있다. 예를 들면, 전자 장치(1000)는 관심 주얼리 상품을 묘사한 그림 데이터(140)로 수신할 수 있다. 구체적으로, 전자 장치(1000)는 사용자가 전자 장치(1000)로 묘사한 그림에 관련된 데이터를 그림 데이터(140)로 수신할 수 있다. 전자 장치(1000)는 제품의 카탈로그 사진 데이터(120)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 그림 데이터(130)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 전자 장치(1000)가 그림 데이터(130)에 수행하는 전처리는 도 4를 참조하여 위에서 설명한 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 그림 데이터(130) 에 전처리를 수행할 수 있다. 인공지능 신경망이 그림 데이터(130)에 수행하는 전처리는 위에 기재된 전자 장치(1000)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생략한다.

인공지능 신경망은 이미지 분석을 통해서 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하고, 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 이미지 분석을 통해서 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류에 관련된 속성 데이터를 “반지”로, 스톤의 종류에 관련된 속성 데이터를 “없음”, 메탈의 종류에 관련된 속성 데이터를 “14k rose gold”, 메탈 피니시에 관련된 속성 데이터를 “tangled”, “polish”로 획득할 수 있다.

인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교할 수 있다. 인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터에 가중치를 적용할 수 있다. 인공지능 신경망은 가중치가 적용된 관심 주얼리 상품의 속성 데이터에 기초하여 유사도를 비교할 수 있다. 예를 들면, 인공지능 신경망은 메탈의 종류, 메탈 피니시에 높은 가중치를 부여할 수 있다. 인공지능 신경망은 높은 가중치가 부여된 속성 데이터에 우선순위를 부여할 수 있다. 인공지능 신경망은 우선순위가 높은 속성 데이터가 유사한 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

인공지능 신경망은 추천 주얼리 상품으로 선택된 주얼리 상품에 관련된 데이터를 출력할 수 있다. 예를 들면, 인공지능 신경망은 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다.

인공지능 신경망은, 관심 주얼리 상품 및 추천 주얼리 상품의 가격에 관련된 속성 데이터를 전자 장치(1000)로 출력할 수 있다. 관심 주얼리 상품의 가격에 관련된 속성 데이터는 인공지능 신경망이 관심 주얼리 상품의 속성과 유사한 속성을 포함하는 주얼리 상품을 검색함으로써, 획득할 수 있다. 다른 예를 들면, 인공지능 신경망은, 스톤의 가격에 관련된 정보, 메탈(예를 들면, 금, 은)의 가격에 관련된 정보에 기초하여 관심 주얼리 상품의 속성 데이터에 적용함으로써 관심 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다. 추천 주얼리 상품의 가격에 관련된 속성 데이터는 데이터 베이스에 저장되어 있을 수 있다. 또는, 인공지능 신경망이 추천 주얼리 상품을 인터넷 검색함으로써 추천 주얼리 상품에 관련된 속성 데이터를 획득할 수 있다.

전자 장치(1000)는 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(1000)는 추천 주얼리 상품의 속성에 관련된 데이터를 함께 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 관심 주얼리 상품 및 추천 주얼리 상품의 가격에 관련된 속성 데이터 중 적어도 하나를 함께 디스플레이 할 수 있다.

도 7을 참조하면, 전자 장치(1000)는 사용자의 입력 데이터를 이미지 데이터 및 텍스트 데이터로 수신할 수 있다. 구체적으로, 전자 장치(1000)는 관심 주얼리 상품을 묘사한 그림 데이터(150)를 사용자의 입력 데이터로 수신할 수 있다. 또한, 전자 장치(1000)는 관심 주얼리 상품의 속성에 관련된 데이터를 포함하는 텍스트 데이터(151)를 사용자의 입력 데이터로 수신할 수 있다. 예를 들면, 텍스트 데이터(151)는 관심 주얼리 상품의 스톤의 종류가 “토파즈”라는 정보를 포함할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 그림 데이터(150) 및 텍스트 데이터(151)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 그림 데이터(150)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 전자 장치(1000)가 그림 데이터(150)에 수행하는 전처리는 도 4를 참조하여 위에서 설명한 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 그림 데이터(150)에 전처리를 수행할 수 있다. 인공지능 신경망이 그림 데이터(150)에 수행하는 전처리는 위에 기재된 전자 장치(1000)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 이미지 분석을 통해서 그림 데이터(150)로부터 관심 주얼리 상품의 속성 데이터를 획득하고, 텍스트 데이터(151)에 포함된 속성에 관한 정보에 기초하여 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 예를 들면, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류에 관련된 속성 데이터를 “반지”로, 스톤의 종류에 관련된 속성 데이터를 “토파즈”로, 메탈의 종류에 관련된 속성 데이터를 “14k rose gold”, 메탈 피니시에 관련된 속성 데이터를 “polish”로 획득할 수 있다.

인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교할 수 있다. 인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터에 가중치를 적용할 수 있다. 인공지능 신경망은 텍스트 데이터(151)에 포함된 속성에 관련된 정보에 높은 가중치를 부여할 수 있다. 예를 들면, 인공지능 신경망은 스톤의 종류가 “토파즈”인 것에 높은 가중치를 부여할 수 있다. 인공지능 신경망은 가중치가 적용된 관심 주얼리 상품의 속성 데이터에 기초하여 유사도를 비교할 수 있다. 인공지능 신경망은 높은 가중치가 부여된 속성 데이터에 우선순위를 부여할 수 있다. 인공지능 신경망은 우선순위가 높은 속성 데이터가 유사한 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

인공지능 신경망은 추천 주얼리 상품으로 선택된 주얼리 상품에 관련된 데이터를 출력할 수 있다. 예를 들면, 인공지능 신경망은 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(1000)로 출력할 수 있다.

전자 장치(1000)는 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(1000)는 추천 주얼리 상품의 속성에 관련된 데이터를 함께 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다.

도 8은 일 실시예에 따른, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하여 디스플레이하는 것을 나타낸 도면이다.

도 8을 참조하면, 전자 장치(1000)는 인공지능 신경망을 이용하여 관심 주얼리 상품(310)에 매칭된 적어도 하나의 추천 주얼리 상품의 사진 데이터(311, 312, 313, 314, 315)를 디스플레이 할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 관심 주얼리 상품과 유사도가 높은 순으로 추천 주얼리 상품을 디스플레이 할 수 있다. 예를 들면, 전자 장치(1000)는 가중치가 높게 부여된 속성 데이터의 유사도가 높은 순으로 추천 주얼리 상품을 디스플레이 할 수 있다. 다른 예를 들면, 전자 장치(1000)는 이미지 분석을 통해 외형이 유사하다고 판단된 순으로 추천 주얼리 상품을 디스플레이 할 수 있다. 또 다른 예를 들면, 전자 장치(1000)는 유사한 속성 데이터값이 많은 순으로 추천 주얼리 상품을 디스플레이할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진 중 적어도 하나를 디스플레이 할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 추천 주얼리 상품의 속성에 관련된 데이터를 함께 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다.

도 9 내지 도 11은 일 실시예에 따른, 추천 주얼리 상품의 속성 데이터를 디스플레이하는 것을 나타낸 도면이다.

일 실시예에 따르면, 전자 장치(1000)는 디스플레이된 복수개의 추천 주얼리 상품들 중 하나를 선택하는 사용자의 입력에 기초하여, 선택된 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(1000)는 추천 주얼리 상품의 외형에 관련된 데이터와 추천 주얼리 상품의 속성에 관련된 데이터를 함께 출력할 수 있다. 또한, 전자 장치(1000)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다.

도 9를 참조하면, 전자 장치(1000)는 선택된 추천 주얼리 상품의 외형에 관련된 이미지 데이터(410)와 상품의 속성에 관련된 데이터(411)를 디스플레이 할 수 있다. 구체적으로, 전자 장치(1000)는 이미지 데이터(410)와 함께 추천 주얼리 상품의 제품명, 주얼리의 종류 “반지”, 스톤의 종류 “진주”, 스톤의 컬러 “white”, 스톤의 외형 “round”, 세팅 유형 “Prong set”, 메탈의 종류 “14K white gold”, 메탈의 컬러 “white”, 메탈 피니시 “Polish”, 주얼리의 중량 “1/5ct. t.w”, 진주의 종류 “south sea”, 진주의 크기 “11.0~12.0mm”, 진주의 컬러 ”white” 와 같은 추천 주얼리 상품의 속성에 관련된 데이터(411)를 함께 디스플레이 할 수 있다.

도 10을 참조하면, 전자 장치(1000)는 선택된 추천 주얼리 상품의 외형에 관련된 이미지 데이터(510)와 상품의 속성에 관련된 데이터(511)를 디스플레이 할 수 있다. 구체적으로, 전자 장치(1000)는 이미지 데이터(510)와 함께 추천 주얼리 상품의 제품명, 주얼리의 종류 “목걸이”, 스톤의 종류 “Gem stone”, 스톤의 컬러 “Green”, 스톤의 외형 “Pear”, 세팅 유형 “multiple types”, 메탈의 종류 “14K yellow gold”, 메탈의 컬러 “yellow”, 메탈 피니시 “Polished”, 걸쇠의 종류 “Lobster”, 줄의 길이 “18inch”, 줄의 종류 “Box”와 같은 추천 주얼리 상품의 속성에 관련된 데이터(511)를 함께 디스플레이 할 수 있다.

도 11을 참조하면, 전자 장치(1000)는 선택된 추천 주얼리 상품의 외형에 관련된 이미지 데이터(610)와 상품의 속성에 관련된 데이터(611)를 디스플레이 할 수 있다. 구체적으로, 전자 장치(1000)는 이미지 데이터(610)와 함께 추천 주얼리 상품의 제품명, 주얼리의 종류 “팔찌”, 스톤의 종류 “Tahitian pearl”, 스톤의 컬러 “Tahitian”, 메탈의 종류 “14K white gold”, 메탈의 컬러 “white”, 메탈 피니시 “Polished”, 진주의 종류 “south sea”, 진주의 크기 “graduated”, 진주의 컬러 ”multi-colored” 와 같은 추천 주얼리 상품의 속성에 관련된 데이터(611)를 함께 디스플레이 할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 추천 주얼리 상품의 속성 데이터와 관심 주얼리 상품의 속성 데이터를 함께 디스플레이할 수 있다. 전자 장치(1000)는 추천 주얼리 상품의 속성 데이터와 관심 주얼리 상품의 속성 데이터의 유사도를 각 속성 별로 디스플레이 할 수 있다.

일 실시예에 따르면, 전자 장치(1000)는 추천 주얼리 상품의 속성들 중 변경 가능한 속성이 존재함을 나타내는 표시를 디스플레이 할 수 있다. 또한, 전자 장치(1000)는 변경 가능한 속성을 함께 디스플레이 할 수 있다. 전자 장치(1000)는 속성을 변경하는 사용자의 입력에 기초하여, 변경된 속성이 반영된 추천 주얼리 상품에 관련된 속성 데이터를 디스플레이할 수 있다. 전자 장치(1000)는 변경된 속성이 반영된 이미지 데이터를 디스플레이 할 수 있다.

도 12a 내지 도 12c는 일 실시예에 따른, 주얼리 상품의 주문 제작을 의뢰하는 방법의 흐름도이다.

도 12a의 단계 s1210을 참조하면, 전자 장치(1000)는 단계 S250에서 출력된 추천 주얼리 상품 중 하나를 선택하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(1000)는 터치스크린을 이용하여 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력을 수신할 수 있다. 또는 전자 장치(1000)는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치와 같은 장치를 이용하여 사용자로부터 추천 주얼리 상품 중 적어도 하나를 선택하는 입력을 수신할 수 있다.

전자 장치(1000)는 선택된 추천 주얼리 상품을 체크 박스를 이용하여 선택된 것임을 나타낼 수 있다. 전자 장치(1000)는 선택된 추천 주얼리 상품의 속성 데이터를 선택된 추천 주얼리 상품의 이미지 위에 오버레이하여 디스플레이할 수 있다.

도 12a의 단계 s1230을 참조하면, 전자 장치(1000)는 사용자의 입력에 기초하여 적어도 하나의 주얼리 상품 제조사의 단말기로 선택된 추천 주얼리 상품의 제작 의뢰에 관련된 데이터를 전송할 수 있다.

예를 들면, 전자 장치(1000)는 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력에 대응하여, 주얼리 상품 제조사의 단말기로 제작 의뢰에 관련된 데이터를 전송할 수 있다. 또는 전자 장치(1000)는 체크 박스가 된 추천 주얼리 상품의 제작 의뢰를 요청하는 사용자의 입력을 수신함으로써, 주얼리 상품 제조사의 단말기로 제작 의뢰에 관련된 데이터를 전송할 수 있다.

전자 장치(1000)는 선택된 추천 주얼리 상품의 제조사의 단말기로 선택된 추천 주얼리 상품의 제작 의뢰에 관련된 데이터를 전송할 수 있다. 또는, 전자 장치(1000)는 복수의 주얼리 상품 제조사의 단말기들로 선택된 추천 주얼리 상품의 제작 의뢰에 관련된 데이터를 전송할 수 있다.

주얼리 상품의 제작 의뢰에 관련된 데이터는 선택된 주얼리 상품의 속성 데이터를 포함할 수 있다. 예를 들면, 도 9 내지 도 11과 같은 주얼리 상품의 속성 데이터가 주얼리 상품의 제작 의뢰에 관련된 데이터에 포함될 수 있다.

또한, 주얼리 상품의 제작 의뢰에 관련된 데이터는 견적 의뢰를 요청하는 데이터를 포함할 수 있다. 예를 들면, 단계 S1210에서, 사용자가 가상 주얼리 상품을 선택한 경우, 전자 장치(1000)는 복수의 주얼리 상품 제조사의 단말기로 가상 주얼리 상품의 제작 의뢰에 관련된 견적 의뢰를 요청하는 데이터를 전송할 수 있다. 구체적으로, 제조사가 선택된 주얼리 상품의 제작이 가능한지, 주문 제작 비용이 얼마인지, 주얼리 상품의 속성 중 변경 가능한 옵션이 존재하는 지에 대한 데이터가 주얼리 상품의 제작 의뢰에 관련된 데이터에 포함될 수 있다.

또는, 주얼리 상품의 제작 의뢰에 관련된 데이터는 주문 및 결제에 관련된 데이터를 포함할 수 있다. 예를 들면, 단계 S1210에서, 사용자가 기성품을 선택한 경우, 견적 의뢰 요청 없이 주문 및 결제를 진행하도록 전자 장치(1000)는 주문 및 결제에 관련된 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다.

도 12b의 단계 S1231을 참조하면, 전자 장치(1000)는 단계 S1210에서 선택된 주얼리 상품에 관련된 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다. 예를 들면, 전자 장치(1000)는 선택된 주얼리 상품의 속성 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다. 또한, 전자 장치(1000)는 견적 의뢰를 요청하는 데이터를 전송할 수 있다.

단계 S1233을 참조하면, 전자 장치(1000)는 주얼리 상품 제조사의 단말기로부터 견적 데이터를 수신할 수 있다. 예를 들면, 전자 장치(1000)는 제조사가 선택된 주얼리 상품의 제작이 가능한지, 주문 제작 비용이 얼마인지, 주얼리 상품의 속성 중 변경 가능한 옵션이 존재하는 지에 대한 데이터 중 적어도 하나가 포함된 견적 데이터를 수신할 수 있다.

단계 S1235를 참조하면, 전자 장치(1000)는 수신된 견적 데이터 및 견적 데이터를 송신한 주얼리 상품 제조사에 관련된 데이터를 출력할 수 있다. 예를 들면, 전자 장치(1000)는 견적 데이터를 송신한 주얼리 상품 제조사의 이름, 주문 제작 비용, 주얼리 상품의 속성 중 변경 가능한 옵션에 관련된 데이터를 디스플레이할 수 있다. 또한, 전자 장치(1000)는 주얼리 상품 제조사에 주문 제작 의뢰한 사용자의 후기 및 주얼리 상품 제조사의 신뢰도와 관련된 데이터를 디스플레이할 수 있다. 또한, 전자 장치(1000)는 복수의 주얼리 상품 제조사에 관련된 데이터를 사용자가 용이하게 비교할 수 있도록, 함께 디스플레이할 수 있다.

단계 S1237을 참조하면, 전자 장치(1000)는 적어도 하나의 견적 데이터 중 하나를 선택하는 사용자의 입력을 수신할 수 있다. 이때 수신된 사용자의 입력은 선택된 견적 데이터를 송신한 제조사에 주문 제작 의뢰를 요청하는 사용자의 입력을 포함할 수 있다.

단계 S1239를 참조하면, 전자 장치(1000)는 선택된 견적 데이터에 대응하는 주얼리 상품의 제작에 관련된 계약서를 생성할 수 있다. 또한, 전자 장치(1000)는 계약서를 디스플레이할 수 있다. 또한, 전자 장치(1000)는 계약서를 선택된 견적 데이터를 송신한 주얼리 상품 제조사의 단말기로 송신할 수 있다. 또한, 전자 장치(1000)는 생성된 계약서를 메모리 또는 데이터 베이스에 저장할 수 있다. 또한, 전자 장치(1000)는 생성된 계약서를 전자 장치와 연결된 서버의 데이터 베이스에 저장할 수 있다.

도 12c의 단계 S1237a를 참조하면, 전자 장치(1000)는 사용자로부터 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(1000)는 단계 S250에서 출력된 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신할 수 있다. 다른 예를 들면, 전자 장치(1000)는 단계 S1235에서 출력된 견적 데이터에 포함된 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신할 수 있다.

전자 장치(1000)는 사용자로부터 추천 주얼리 상품의 표 1과 같은 속성을 변경하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(1000)는 스톤 종류를 에메랄드에서 사파이어로 변경하는 사용자의 입력을 수신할 수 있다. 다른 예를 들면, 전자 장치(1000)는 스톤 모양을 Heart Shape에서 Pear Shape로 변경하는 사용자의 입력을 수신할 수 있다. 또 다른 예를 들면, 전자 장치(1000)는 메탈 타입을 Platinum에서 은(Silver)로 변경하는 사용자의 입력을 수신할 수 있다.

단계 1237b를 참조하면, 전자 장치(1000)는 속성이 변경된 추천 주얼리 상품에 관련된 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다. 단계 S1231과 유사하므로, 중복되는 내용은 생략한다.

단계 1237c를 참조하면, 전자 장치(1000)는 주얼리 상품 제조사의 단말기로부터 속성이 변경된 추천 주얼리 상품의 견적 데이터를 수신할 수 있다. 단계 S1233과 유사하므로, 중복되는 내용은 생략한다.

개시된 실시예에 따르면, 사용자는 관심 주얼리 상품과 유사한 상품을 빠르고 저렴하게 구매할 수 있다. 또한, 주얼리 상품 제조사는 용이하게 사용자가 관심있는 주얼리 상품에 관련된 제조 의뢰를 수신할 수 있다.

도 13은 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 블록도 이다.

도 13을 참조하면, 일부 실시예에 따른 전자 장치(1000)는, 사용자 입력부(1100), 출력부(1200), 프로세서(1300), 통신부(1500) 및 메모리(1700)를 포함할 수 있다. 그러나, 도 13에 도시된 구성 요소 모두가 전자 장치(1000)의 필수 구성 요소인 것은 아니다. 도 13에 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있고, 도 13에 도시된 구성 요소보다 적은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있다.

사용자 입력부(1100)는, 사용자가 전자 장치(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 터치스크린, 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.

사용자 입력부(1100)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신할 수 있다. 사용자 입력부(1100)는 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력 데이터를 수신할 수 있다. 사용자 입력부(1100)는 추천 주얼리 상품의 속성을 변경하는 사용자의 입력 데이터를 수신할 수 있다. 사용자의 입력 데이터는 위에서 설명하였으므로, 중복되는 내용은 생략한다.

출력부(1200)는 전자 장치(1000)에서 처리되는 정보를 표시 출력한다. 출력부(1200)는 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 디스플레이부(1210)를 포함할 수 있다. 예를 들면, 디스플레이부(1210)는 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터 중 적어도 하나를 디스플레이할 수 있다. 디스플레이부(1210)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하기 위한 사용자 인터페이스를 디스플레이 할 수 있다. 또한, 디스플레이부(1210)는 적어도 하나의 견적 데이터, 견적 데이터를 송신한 제조사에 관련된 데이터를 디스플레이 할 수 있다.

프로세서(1300)는, 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 통신부(1500), 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 11, 도 12a 내지 도 12c에 기재된 전자 장치(1000)의 기능을 수행할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하도록 사용자 입력부(1100)를 제어할 수 있다. 프로세서(1300)는 입력 데이터로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 프로세서(1300)는 표 1과 같은 관심 주얼리 상품의 속성 데이터를 획득할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 입력된 이미지 데이터를 이미지 분석함으로써 이미지 데이터로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 입력된 이미지 데이터에 포함된 텍스트 정보를 획득할 수 있다. 프로세서(1300)는 획득된 텍스트 정보에 기초하여 관심 주얼리 상품의 속성 데이터를 획득할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 입력된 이미지 데이터와 관련된 텍스트 데이터에 기초하여 관심 주얼리 상품에 관련된 부가 정보를 획득할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 속성 데이터에 포함된 적어도 하나의 데이터 및 부가 정보 각각에 가중치를 부여할 수 있다. 프로세서(1300)는 입력 데이터에 기초하여 카테고리 중 적어도 하나에 포함된 속성 데이터에 가중치를 부여할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 부여된 가중치에 기초하여 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 포함된 상품들의 속성 데이터의 유사도를 비교할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다. 프로세서(1300)는 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 출력부(1200)를 제어할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 관심 데이터로부터 획득된 부가 정보와 데이터 베이스에 저장된 주얼리 상품의 부가 정보를 비교함으로써 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 및 관심 주얼리 상품의 속성 데이터 중 적어도 하나에 기초하여, 적어도 하나의 가상 주얼리 상품을 생성할 수 있다. 프로세서(1300)는 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여하고, 가중치에 기초하여 가상 주얼리 상품을 생성할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 가상 주얼리 상품 중 적어도 하나를 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 출력된 추천 주얼리 상품에 관련된 데이터 중 하나를 선택하는 사용자의 입력을 수신하도록 사용자 입력부(1100)를 제어할 수 있다. 또한, 프로세서(1300)는 사용자 입력부(1100)가 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력 데이터를 수신하도록 제어할 수 있다. 또한, 프로세서(1300)는 사용자 입력부(1100)가 추천 주얼리 상품의 속성을 변경하는 사용자의 입력 데이터를 수신하도록 제어할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 사용자 입력에 기초하여 선택된 추천 주얼리 상품의 속성 데이터를 디스플레이 하도록 디스플레이부(1210)를 제어할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 관심 주얼리 상품의 속성 데이터와 추천 주얼리 상품의 속성 데이터의 유사도를 각 속성 별로 디스플레이 하도록 디스플레이부(1210)를 제어할 수 있다.

일 실시예에 따르면, 프로세서(1300)는 디스플레이부(1210)가 적어도 하나의 견적 데이터, 견적 데이터를 송신한 제조사에 관련된 데이터를 디스플레이하도록 제어할 수 있다.

또한, 프로세서(1300)는 메모리(1700) 또는 서버(2000)에 저장된 데이터 인식 모델을 이용하여, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하고, 서택된 추천 주얼리 상품에 관련된 데이터를 출력 할 수 있다.

통신부(1500)는, 전자 장치(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 전자 장치(1000)와 같은 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.

또한, 통신부(1500)는, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하는 동작을 실행하기 위해 필요한 정보를 다른 장치(미도시) 및 서버(2000)와 송수신할 수 있다.

메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다.

메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

도 14는 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 제어부의 블록도이다.

도 14를 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.

데이터 학습부(1310)는 주얼리 상품의 속성 데이터를 획득하고 분류하기 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품을 선택하기 위한 기준을 학습할 수 있다.

데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 주얼리 상품의 속성 데이터를 획득하고 분류할 수 있다. 데이터 인식부(1320)는 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품을 선택할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.

데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.

한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 15는 일 실시예에 따른, 주얼리 상품을 추천하는 장치와 연동하는 서버의 블록도이다.

도 15를 참조하면, 일부 실시예에 따른 서버(2000)는 통신부(2500), DB(2700) 및 프로세서(2300)를 포함할 수 있다.

통신부(2500)는 전자 장치(1000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다.

DB(2700)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터에 매칭되는 추천 주얼리 상품을 선택하기 위한 데이터 및 프로그램을 저장할 수 있다.

프로세서(2300)는 통상적으로 서버(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(2300)는, 서버(2000)의 DB(2700)에 저장된 프로그램들을 실행함으로써, DB(2700) 및 통신부(2500) 등을 전반적으로 제어할 수 있다. 프로세서(2300)는 DB(2700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 11 및 도 12a 내지 도 12c에서의 전자 장치(1000)의 동작의 일부를 수행할 수 있다.

또한, 프로세서(2300)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터에 매칭되는 추천 주얼리 상품을 선택할 수 있다.

또한, 프로세서(2300)는 DB(2700)에 저장된 데이터 인식 모델을 이용함으로써, 관심 주얼리 상품에 관련된 사용자의 입력 데이터에 매칭되는 추천 주얼리 상품을 선택하기 위한 기준을 효율적으로 학습할 수 있으며, 학습된 결과에 따라 빠르고 정확하게 추천 주얼리 상품을 선택할 수 있다.

한편, 디바이스(1000) 및 서버(2000)는 데이터 인식 모델의 학습 및 데이터 인식을 위한 작업을 효과적으로 분배하여 수행할 수 있으며, 이를 통하여, 사용자의 의도에 부합하는 서비스를 제공하기 위하여 데이터 처리를 효율적으로 수행하고, 사용자의 프라이버시를 효과적으로 보호할 수 있다.

일부 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 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.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

1. 주얼리 상품 주문 장치가 주얼리 상품을 주문하는 방법에 있어서,
   관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하는 단계;
   상기 수신된 입력 데이터를, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천하기 위한 인공지능 신경망에 적용하는 단계;
   상기 인공지능 신경망으로부터 출력되는 상기 관심 주얼리 상품에 매칭된 적어도 하나의 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 단계;
   사용자로부터 상기 추천 주얼리 상품 중에서 적어도 하나를 선택하는 입력을 수신하는 단계; 및
   상기 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 단계;를 포함하고,
   상기 인공지능 신경망은,
   상기 입력 데이터로부터 상기 관심 주얼리 상품의 속성 데이터를 획득하고,
   상기 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하며,상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습된 것이고,
   상기 관심 주얼리 상품의 속성 데이터는 상기 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터 및 상기 관심 주얼리 상품의 스톤의 종류에 관련된 속성 데이터와 상기 메탈의 종류에 관련된 속성 데이터에 기초하여 상기 인공지능 신경망이 획득한 상기 관심 주얼리 상품의 가격에 관련된 정보를 포함하고,
   상기 인공지능 신경망은,
   상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 및 상기 관심 주얼리 상품의 속성 데이터에 기초하여, 적어도 하나의 가상 주얼리 상품을 생성하고,
   상기 관심 주얼리 상품의 가격에 관련된 정보에 기초하여, 상기 생성된 가상 주얼리 상품 중에서 적어도 하나의 가상 주얼리 상품을 추천 주얼리 상품으로 선택하도록 학습 된 것인, 주얼리 상품 주문 방법.
   
2. 제1 항에 있어서,
   상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터는 복수의 주얼리 상품 제조사의 단말기들로부터 획득한 주얼리 상품들의 속성 데이터이고,
   상기 제작의뢰에 관련된 데이터를 전송하는 단계는, 상기 선택된 추천 주얼리 상품의 속성 데이터가 획득된 주얼리 상품 제조사의 단말기로 상기 제작의뢰에 관련된 데이터를 전송하는 단계;를 포함하는, 주얼리 상품 주문 방법.
   
3. 삭제
4. 삭제
5. 제1 항에 있어서,
   상기 추천 주얼리 상품 중에서 적어도 하나를 선택하는 입력을 수신하는 단계는 상기 사용자로부터 상기 가상 주얼리 상품을 선택하는 입력을 수신하는 단계를 포함하고,
   상기 제작의뢰에 관련된 데이터를 전송하는 단계는,
   상기 가상 주얼리 상품에 관련된 데이터를 상기 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 단계; 및
   상기 적어도 하나의 주얼리 상품 제조사의 단말기로부터 견적 데이터를 수신하는 단계;를 포함하는, 주얼리 상품 주문 방법.
   
6. 제5 항에 있어서,
   상기 제작의뢰에 관련된 데이터를 전송하는 단계는,
   상기 수신된 견적 데이터 및 상기 견적 데이터를 생성한 주얼리 상품 제조사에 관련된 데이터를 디스플레이하는 단계;를 더 포함하는, 주얼리 상품 주문 방법.
   
7. 제6 항에 있어서,
   상기 제작의뢰에 관련된 데이터를 전송하는 단계는,
   상기 수신된 견적 데이터들 중 하나를 선택하는 사용자의 입력을 수신하는 단계; 및
   상기 선택된 견적 데이터에 기초하여, 상기 선택된 추천 주얼리 상품을 주문 제작하는 것에 관련된, 계약서를 생성하는 단계;를 더 포함하는, 주얼리 상품 주문 방법.
   
8. 제1 항에 있어서,
   상기 추천 주얼리 상품 중에서 적어도 하나를 선택하는 입력을 수신하는 단계는,
   상기 선택된 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신하는 단계를 포함하고,
   상기 제작의뢰에 관련된 데이터를 전송하는 단계는,
   상기 속성이 변경된 추천 주얼리 상품에 관련된 데이터를 상기 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 단계; 및
   상기 적어도 하나의 주얼리 상품 제조사의 단말기로부터 견적 데이터를 수신하는 단계;를 포함하는, 주얼리 상품 주문 방법.
   
9. 모바일 단말기가 이하의 기능들을 수행하도록 하는 기록 매체에 저장된 어플리케이션으로서, 상기 기능들은:
   관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하는 기능;
   상기 수신된 입력 데이터를, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천하기 위한 인공지능 신경망에 적용하는 기능;
   상기 인공지능 신경망으로부터 출력되는 상기 관심 주얼리 상품에 매칭된 적어도 하나의 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 기능;
   사용자로부터 상기 추천 주얼리 상품 중에서 적어도 하나를 선택하는 입력을 수신하는 기능; 및
   상기 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하는 기능;를 포함하고,
   상기 인공지능 신경망은,
   상기 입력 데이터로부터 상기 관심 주얼리 상품의 속성 데이터를 획득하고,
   상기 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하며,
   상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습된 것이고,
   상기 관심 주얼리 상품의 속성 데이터는 상기 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터 및 상기 관심 주얼리 상품의 스톤의 종류에 관련된 속성 데이터와 상기 메탈의 종류에 관련된 속성 데이터에 기초하여 상기 인공지능 신경망이 획득한 상기 관심 주얼리 상품의 가격에 관련된 정보를 포함하고,
   상기 인공지능 신경망은,
   상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 및 상기 관심 주얼리 상품의 속성 데이터에 기초하여, 적어도 하나의 가상 주얼리 상품을 생성하고,
   상기 관심 주얼리 상품의 가격에 관련된 정보에 기초하여, 상기 생성된 가상 주얼리 상품 중에서 적어도 하나의 가상 주얼리 상품을 추천 주얼리 상품으로 선택하도록 학습 된 것인, 어플리케이션.
   
10. 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하는 사용자 입력부;
    외부 단말기와 데이터를 송수신하는 통신부;
    상기 수신된 입력 데이터를, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천하기 위한 인공지능 신경망에 적용하는 프로세서; 및
    상기 인공지능 신경망으로부터 출력되는 상기 관심 주얼리 상품에 매칭된 적어도 하나의 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 디스플레이부;를 포함하고,
    상기 인공지능 신경망은,
    상기 입력 데이터로부터 상기 관심 주얼리 상품의 속성 데이터를 획득하고,
    상기 획득된 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 포함된 상품들의 속성 데이터의 유사도를 비교함으로써, 상기 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 상품으로 선택하며,
    상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습된 것이고,
    상기 사용자 입력부는 상기 사용자로부터 상기 추천 주얼리 상품 중에서 적어도 하나를 선택하는 입력을 수신하고,
    상기 통신부는 상기 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 적어도 하나의 주얼리 상품 제조사의 단말기로 전송하고,
    상기 관심 주얼리 상품의 속성 데이터는 상기 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터 및 상기 관심 주얼리 상품의 스톤의 종류에 관련된 속성 데이터와 상기 메탈의 종류에 관련된 속성 데이터에 기초하여 상기 인공지능 신경망이 획득한 상기 관심 주얼리 상품의 가격에 관련된 정보를 포함하고,
    상기 인공지능 신경망은,
    상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 및 상기 관심 주얼리 상품의 속성 데이터에 기초하여, 적어도 하나의 가상 주얼리 상품을 생성하고,
    상기 관심 주얼리 상품의 가격에 관련된 정보에 기초하여, 상기 생성된 가상 주얼리 상품 중에서 적어도 하나의 가상 주얼리 상품을 추천 주얼리 상품으로 선택하도록 학습 된 것인, 주얼리 상품 주문 장치.

Images