KR102156521B1 - Cloth shopping mall electronic commerce system capable - Google Patents
Cloth shopping mall electronic commerce system capable Download PDFInfo
- Publication number
- KR102156521B1 KR102156521B1 KR1020190176283A KR20190176283A KR102156521B1 KR 102156521 B1 KR102156521 B1 KR 102156521B1 KR 1020190176283 A KR1020190176283 A KR 1020190176283A KR 20190176283 A KR20190176283 A KR 20190176283A KR 102156521 B1 KR102156521 B1 KR 102156521B1
- Authority
- KR
- South Korea
- Prior art keywords
- shopping mall
- server unit
- clothing shopping
- prediction structure
- information
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 의류 쇼핑몰 전자상거래 시스템에 관한 것으로서, 보다 상세하게는 구매자의 상품 구매 패턴에 따라 쇼핑몰에서 노출되는 상품의 종류를 결정하는 의류 쇼핑몰 전자상거래 시스템에 관한 것이다.The present invention relates to a clothing shopping mall e-commerce system, and more particularly, to a clothing shopping mall e-commerce system that determines the types of products exposed in a shopping mall according to a product purchase pattern of a buyer.
네트워크 관련 기술이 발달함에 따라 인터넷을 이용한 각종 쇼핑몰 사업이 성행 중에 있다. 의류의 경우, 식품 등과 같이 유통기한이 별도로 존재하지 않고, 가벼워 배송이 용이하기 때문에 의류 관련 인터넷 쇼핑몰 시장은 해마다 커지고 있다.With the development of network-related technologies, various shopping mall businesses using the Internet are in full swing. In the case of clothing, since there is no separate shelf life such as food, and because it is light and easy to deliver, the market for clothing-related internet shopping malls is growing year by year.
의류 쇼핑몰을 통한 의류 구매는 다음과 같은 과정으로 진행된다. 먼저, 고객이 의류 쇼핑몰 플렛폼에 접속하여 회원가입을 한 후 구매하고자 하는 의류를 선택한다. 이후, 고객이 해당 의류에 대한 결재를 완료하면, 해당 주소로 선택한 의류의 배송이 실시되며, 배송이 완료되면, 의류의 구매는 종료된다.Clothing purchase through a clothing shopping mall proceeds in the following process. First, a customer connects to a clothing shopping mall platform, signs up as a member, and then selects the clothing to be purchased. Thereafter, when the customer completes payment for the corresponding clothing, the selected clothing is delivered to the corresponding address, and when delivery is completed, the purchase of the clothing is terminated.
의류 쇼핑몰은 상기 과정과 같은 의류 구매과정에서 고객과 판매자를 이어 주는 역할을 수행하는데, 이때, 쇼핑몰에 등록되는 의류는 모든 고객들에게 동일하게 노출된다. 그러나 고객의 요구가 다양해지고 의류 관련 유행 사이클이 짧아지고 있기 때문에, 상술한 바와 같은 쇼핑몰 제품 노출 구조에 의해서는 다양한 고객의 니즈를 충족시킬 수 없고, 이는 매출 하락의 원인이 되고 있다.The clothing shopping mall plays a role of connecting customers and sellers in the clothing purchase process as described above, and at this time, clothing registered in the shopping mall is equally exposed to all customers. However, since the demands of customers are diversified and the fashion cycle related to clothing is shortening, the needs of various customers cannot be satisfied by the above-described structure of exposure to shopping mall products, which causes a decline in sales.
본 발명의 목적은 상술한 종래의 문제점을 해결하기 위한 것으로서, 구매자의 상품 구매 패턴에 따라 쇼핑몰에서 노출되는 상품의 종류를 결정하는 의류 쇼핑몰 전자상거래 시스템을 제공함에 있다.An object of the present invention is to solve the above-described conventional problem, and to provide a clothing shopping mall e-commerce system that determines the types of products exposed in a shopping mall according to a product purchase pattern of a buyer.
상기 목적은, 본 발명에 따라, 의류 쇼핑몰 플랫폼에 대한 정보가 저장되며, 상기 의류 쇼핑몰 플랫폼과 정보를 교환하여 상기 의류 쇼핑몰 플랫폼을 네트워크 상에서 작동시키는 서버부; 및 상기 서버부에 전기적으로 연결되며, 상기 의류 쇼핑몰 플랫폼에서 상품에 대한 구매가 발생되는 경우 상기 상품에 대한 전자결재를 수행하는 전자결재부를 포함하며, 상기 서버부는, 상기 의류 쇼핑몰 플랫폼과 상기 전자결재부에서 전달되는 정보를 이용하여 구매자의 상품 구매 패턴에 대한 정보인 패턴정보를 생성하며, 상기 패턴정보를 이용하여 상기 의류 쇼핑몰 플랫폼에 노출되는 상품을 결정하는 것을 특징으로 하며, 상기 서버부는, 인공신경망을 이용하되, 상기 패턴정보를 입력값으로 연산을 실시함으로써 상기 패턴정보 생성 시점 이후 시점에서의 구매자가 구매 예정인 상품에 대한 예측값을 생성하는 것을 특징으로 하며, 상기 서버부는, 상기 예측값을 재귀적으로 하나의 인공신경망에 입력값으로 취하여 연산함으로써 상기 예측값을 다시 생성하는 예측구조 1을 포함하며, 상기 서버부는, 상기 패턴정보를 복수개의 인공신경망에 각각 입력한 후 각각 연산을 실시하여 시간의 흐름에 따른 복수개의 시점에 대한 예측값을 출력하는 예측구조 2를 포함하며, 상기 서버부는, 시간의 흐름에 따른 복수개의 시점에 대한 데이터인 복수개의 상기 패턴데이터를 인공신경망에 입력한 후, 한번의 연산으로 시간의 흐름에 따른 복수개의 시점에 대한 예측값을 출력하는 예측구조 3을 포함하며, 상기 서버부는, 상기 예측구조 1에 따른 예측값과, 상기 예측구조 2에 따른 예측값과, 상기 예측구조 3에 따른 예측값을 실제값과 각각 비교하여 가장 오차가 적은 예측값을 출력하는 것을 특징으로 하는 의류 쇼핑몰 전자상거래 시스템에 의해 달성된다.The above object is, according to the present invention, a server unit for storing information on a clothing shopping mall platform and operating the clothing shopping mall platform on a network by exchanging information with the clothing shopping mall platform; And an electronic payment unit that is electrically connected to the server unit and performs electronic payment for the product when a product is purchased on the clothing shopping mall platform, wherein the server unit includes the clothing shopping mall platform and the electronic payment unit. A pattern information, which is information on a product purchase pattern of a buyer, is generated using information transmitted from the department, and a product exposed to the clothing shopping mall platform is determined using the pattern information, and the server unit comprises: A neural network is used, and the pattern information is calculated as an input value to generate a predicted value for a product to be purchased by a buyer at a point in time after the pattern information is generated, and the server unit recursively calculates the predicted value. And a prediction structure 1 that generates the predicted value again by taking and calculating the predicted value by taking an input value into one artificial neural network, and the server unit inputs the pattern information to a plurality of artificial neural networks, respectively, and then performs each calculation to the passage of time. It includes a prediction structure 2 for outputting predicted values for a plurality of viewpoints according to, and the server unit inputs a plurality of the pattern data, which is data for a plurality of viewpoints according to the passage of time, into an artificial neural network, and then performs one operation. And a prediction structure 3 that outputs prediction values for a plurality of viewpoints according to the passage of time, and the server unit includes a prediction value according to the prediction structure 1, a prediction value according to the prediction structure 2, and the prediction structure 3 This is achieved by the clothing shopping mall e-commerce system, characterized in that the predicted value is compared with the actual value and the predicted value having the least error is output.
삭제delete
삭제delete
삭제delete
또한, 상기 인공신경망은, DNN(Deep Neural Network) 또는 RNN(Recurrent Neural Nerwork)일 수 있다.In addition, the artificial neural network may be a deep neural network (DNN) or a recurrent neural network (RNN).
본 발명에 따르면, 상품 구매 패턴에 따라 의류 쇼핑몰 플랫폼에서 노출되는 상품의 종류를 결정되므로, 구매자가 구입하기를 희망하는 시기에 해당되는 상품이 구매자에게 추천됨에 따라 구매자의 구매 욕구가 크게 향상될 수 있는 효과가 있다.According to the present invention, since the types of products exposed on the clothing shopping mall platform are determined according to the product purchase pattern, the purchase desire of the purchaser can be greatly improved as the product corresponding to the time the purchaser wishes to purchase is recommended to the purchaser. There is an effect.
또한, 본 발명에 따르면, 인공신경경망을 이용함에 따라 구매자의 구매 패턴이 보다 정확하게 예측되며, 이에 의하면, 의류 쇼핑몰 플랫폼에 노출되는 상품이 보다 정확하게 결정될 수 있는 효과가 있다.In addition, according to the present invention, as the artificial neural network is used, the purchase pattern of the purchaser is more accurately predicted, and accordingly, the product exposed to the clothing shopping mall platform can be more accurately determined.
한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.Meanwhile, the effects of the present invention are not limited to the above-mentioned effects, and various effects may be included within a range that will be apparent to a person skilled in the art from the contents to be described below.
도 1은 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템을 전체적으로 도시한 것이고,
도 2는 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템의 구성간 전기적인 연결을 도시한 것이고,
도 3은 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템의 구매패턴 예측 동작을 순서도로 도시한 것이다.1 is an overall view of a clothing shopping mall e-commerce system according to an embodiment of the present invention,
2 is a diagram showing the electrical connection between the configurations of the clothing shopping mall e-commerce system according to an embodiment of the present invention,
3 is a flowchart illustrating a purchase pattern prediction operation of the e-commerce system for a clothing shopping mall according to an embodiment of the present invention.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야한다.Hereinafter, some embodiments of the present invention will be described in detail through exemplary drawings. In adding reference numerals to elements of each drawing, it should be noted that the same elements have the same numerals as possible even if they are indicated on different drawings.
그리고 본 발명의 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.In addition, in describing an embodiment of the present invention, if it is determined that a detailed description of a related known configuration or function interferes with an understanding of the embodiment of the present invention, a detailed description thereof will be omitted.
또한, 본 발명의 실시 예의 구성요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다.In addition, terms such as first, second, A, B, (a), and (b) may be used in describing the components of the embodiment of the present invention. These terms are only used to distinguish the component from other components, and the nature, order, or order of the component is not limited by the term.
지금부터 첨부한 도면을 참조하여, 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템에 대해 상세히 설명한다.Hereinafter, with reference to the accompanying drawings, a clothing shopping mall e-commerce system according to an embodiment of the present invention will be described in detail.
도 1은 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템을 전체적으로 도시한 것이고, 도 2는 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템의 구성간 전기적인 연결을 도시한 것이고, 도 3은 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템의 구매패턴 예측 동작을 순서도로 도시한 것이다.1 is a general illustration of a clothing shopping mall e-commerce system according to an embodiment of the present invention, and FIG. 2 is a diagram illustrating an electrical connection between configurations of a clothing shopping mall e-commerce system according to an embodiment of the present invention. 3 is a flowchart illustrating a purchase pattern prediction operation of the e-commerce system for a clothing shopping mall according to an embodiment of the present invention.
도 1 내지 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템(100)은 서버부(110)와 전자결재부(120)를 포함한다.As shown in FIGS. 1 to 3, the clothing shopping
서버부(110)는 의류 쇼핑몰 플랫폼에 대한 정보가 저장되며, 의류 쇼핑몰 플랫폼과 정보를 교환하여 의류 쇼핑몰 플랫폼을 네트워크 상에서 작동시키는 것으로서, 근거리통신망(LAN)에서 집약적인 처리 기능을 서비스 하는 시스템인 서버(Server)로 마련된다.The
이러한 서버부(110)는 의류 쇼핑몰 플렛폼과 지속적으로 정보를 교환하면서 네트워크 상에서 의류 쇼핑몰 플랫폼이 동작하게 함으로써, 온라인에서 구매자가 의류의 구매하고, 결재를 수행하며, 제품이 구매자의 위치까지 배송되게 하는 전체 과정에 대한 정보를 처리한다.The
서버부(110)는 의류 쇼핑몰 플랫폼과 전자결재부(120)에서 전달되는 정보를 이용하여 구매자의 상품 구매 패턴에 대한 정보인 패턴정보를 생성하며, 패턴정보를 이용하여 의류 쇼핑몰 플랫폼에 노출되는 상품을 결정한다.The
여기서 패턴정보는 보다 상세하게, 의류 쇼핑몰 플랫폼에서 수집되는 정보에 기초하여, 시간별 또는 계절별로 상품을 구매하는 패턴에 대한 정보로서, 이를 이용하면, 특정 구매자가 현재 시점에서 구매할 가능성이 높은 상품을 예측할 수 있다. 패턴정보는 다음과 같이 의류 쇼핑몰 플랫폼에 활용될 수 있다.Here, the pattern information is, in more detail, information on a pattern of purchasing products by time or season based on information collected from the clothing shopping mall platform, and by using this, it is possible to predict products that a specific buyer is likely to purchase at the present time. I can. The pattern information can be used in a clothing shopping mall platform as follows.
어떠한 구매자가 매달 초에 화장지를 반복적으로 구매하는 경우, 서버부(110)는 이를 패턴정보로 저장하고 있다가, 구매자가 월초에 의류 쇼핑몰 플랫폼에 접속하면, 최초 화면에 화장지를 노출시킨다.When a certain buyer repeatedly purchases toilet paper at the beginning of each month, the
상술한 패턴정보를 이용하는 서버부(110)에 따르면, 상품 구매 패턴에 따라 쇼핑몰에서 노출되는 상품의 종류를 결정되므로, 구매자가 구입하기를 희망하는 시기에 해당되는 상품이 구매자에게 추천됨에 따라 구매자의 구매 욕구가 크게 향상될 수 있는 효과가 있다.According to the
한편, 서버부(110)는 인공신경망을 이용하되, 패턴정보를 입력값으로 연산을 실시함으로써 패턴정보 생성 시점 이후 시점에서의 구매자의 상품 구매 패턴에 대한 예측값을 생성할 수 있다. 이와 같은 과정을 통해 산출된 예측값에 따라 의류 쇼핑몰 플랫폼은 화면에 노출되는 상품의 종류를 보다 정확하게 결정할 수 있다.Meanwhile, the
여기서, 인공신경망은, DNN(Deep Neural Network), RNN(Recurrent Neural Nerwork) 등으로 마련될 수 있다. DNN의 경우, 비선형적인 데이터에 대한 예측이 탁월한 것으로 알려져 있고, RNN의 경우 DNN에 비해 연속적, 시계열적인 데이터에 대한 분석이 탁월하다고 알려져 있다. RNN의 종류 중 하나인 LSTM(Long Short-Term Memory)는 과거 시점에 저장된 정보를 삭제하면서 미래 시점의 연산을 수행함으로써 다른 종류의 RNN에 비해 보다 높은 예측성능을 가진다고 알려져 있다.Here, the artificial neural network may be provided with a deep neural network (DNN), a recurrent neural network (RNN), or the like. In the case of DNN, it is known that it is excellent in predicting nonlinear data, and in the case of RNN, it is known that it is excellent in analyzing continuous and time-series data compared to DNN. Long Short-Term Memory (LSTM), which is one of the types of RNNs, is known to have higher predictive performance than other types of RNNs by deleting information stored in the past and performing calculations in the future.
상기와 같은 인공신경망을 사용하는 서버부(110)에 따르면, 구매자의 구매 패턴이 보다 정확하게 예측되며, 이에 의하면, 의류 쇼핑몰 플랫폼에 노출되는 상품이 보다 정확하게 결정될 수 있는 효과가 있다.According to the
한편, 서버부(110)에 내장되는 인공신경망은 예측값을 재귀적으로 입력값으로 취하여 연산함으로써 예측값을 다시 생성하는 예측구조 1을 포함할 수 있다. 즉, 예측구조 1은 패턴정보를 입력받아 한번 예측값을 출력한 다음, 출력된 예측값을 재귀적으로 입력값으로 취하여 연산함으로써 다시 예측값을 출력한다. 상술한 예측구조 1에 따른 연산은 하기의 수학식을 만족할 수 있다.Meanwhile, the artificial neural network built into the
이러한 인공신경망의 예측구조 1에 따르면, 초기에 입력되는 데이터로 시점이 변화될 때마다 누적적인 연산(P번 반복 후 출력)이 실시되되, 시점이 변화될 때 마다 예측값이 마지막 시점의 입력값으로 입력되며 연산이 누적적으로 실시되기 때문에, 초기 예측값이 정확할 경우, 미래의 예측값도 매우 정확해지는 장점이 있다.According to the prediction structure 1 of this artificial neural network, the cumulative calculation (output after repeating P times) is performed whenever the viewpoint changes with the initially input data, but each time the viewpoint changes, the predicted value becomes the input value of the last viewpoint. Since the input is input and the calculation is performed cumulatively, if the initial predicted value is correct, the future predicted value is also very accurate.
그러나, 예측구조 1에 따른 연산은 초기에 연산되는 예측값에 오차가 있는 경우 연산이 반복될때 마다 오차가 누적적으로 발생되어 먼 미래의 시점에서의 예측값은 매우 큰 오차를 가지게 되는 문제가 있다.However, the operation according to the prediction structure 1 has a problem that, when there is an error in the predicted value initially calculated, the error is cumulatively generated each time the operation is repeated, so that the predicted value at a distant future point has a very large error.
또한, 인공신경망은 어느 한 시점에서 입력되는 데이터에 기초하여 복수개의 연산을 통해 복수개의 미래 시점에 대한 예측값을 각각 출력하는 예측구조 2를 포함한다. 이러한 예측구조 2는 하나의 입력 데이터를 복수개의 인공신경망에 각각 입력하고, 각각 연산을 실시함으로써 복수개의 시점에 대한 예측값을 각각 출력할 수 있다. 상기와 같은 예측구조 2의 연산은 하기의 수학식을 만족할 수 있다.In addition, the artificial neural network includes a prediction structure 2 that outputs predicted values for a plurality of future views through a plurality of operations based on data input at a certain point in time. In this prediction structure 2, each input data is inputted to a plurality of artificial neural networks, and prediction values for a plurality of viewpoints can be output, respectively, by performing calculations. The operation of the prediction structure 2 as described above may satisfy the following equation.
상기와 같은 예측구조 2의 연산에 따르면, 하나의 초기 입력 데이터로 각각의 미래 시점에 대한 예측값이 출력되기 때문에, 각 예측값들 사이에 시간의 누적에 대한 오차가 제거될 수 있다. 즉, 상기와 같은 예측구조 2의 연산에 따르면, 시간에 대해 누적적으로 연산하여 오차가 누적될 수 있는 예측구조 1의 문제점이 효과적으로 해결될 수 있다.(예측구조 1에 따르면, 예측값이 다시 입력값이 되므로 예측값에 오차가 발생하는 경우 시점이 경과할때 마다 오차가 누적되는 문제가 있다.)According to the operation of prediction structure 2 as described above, since prediction values for each future point in time are output as one initial input data, an error in the accumulation of time between each prediction value can be removed. That is, according to the calculation of the prediction structure 2 as described above, the problem of the prediction structure 1 in which an error may be accumulated by performing a cumulative calculation over time can be effectively solved. (According to the prediction structure 1, the prediction value is input again. Since it is a value, if an error occurs in the predicted value, there is a problem that the error is accumulated every time the time point elapses.
따라서, 예측구조 1과, 예측구조 2를 혼합하여 사용하는 경우(예측구조 1의 결과에 예측구조 2의 결과를 반영하여 오차를 조정하는 등), 예측구조 1에서 발생되는 오차가 개선되기 때문에 예측값이 더욱 정확하게 출력될 수 있다.Therefore, in the case of using a mixture of prediction structure 1 and prediction structure 2 (such as adjusting the error by reflecting the result of prediction structure 2 in the result of prediction structure 1), the error generated in prediction structure 1 is improved. Can be output more accurately.
또한, 인공신경망은 복수개의 시점에 대한 데이터를 한번에 입력받아 한번의 연산으로 복수개의 예측값을 출력하는 예측구조 3을 포함할 수 있다. 예측구조 3은 하기의 수학식을 만족할 수 있다.In addition, the artificial neural network may include a prediction structure 3 that receives data for a plurality of viewpoints at a time and outputs a plurality of predicted values through a single operation. Prediction structure 3 may satisfy the following equation.
상기와 같은 예측구조 3에 따르면, 하나의 인공신경망을 사용하여 한번의 연산으로 복수개의 예측값이 한꺼번에 출력될 수 있으므로, 연산시 발생되는 인공신경망의 부하가 크게 감소되고, 입력되는 데이터가 주기적으로 반복되는 패턴을 가지고 있는 경우 예측 효과가 매우 크다는 이점이 있다.According to the prediction structure 3 as described above, since a plurality of predicted values can be output at one time by one operation using one artificial neural network, the load of the artificial neural network generated during calculation is greatly reduced, and the input data is periodically repeated. In the case of having a pattern that becomes, there is an advantage that the prediction effect is very large.
따라서, 데이터의 주기성을 판단하여 상술한 예측구조 1, 예측구조 2, 예측구조 3을 적절하여 혼합(개별적, 직렬 또는 병렬)하여 사용하게 되면, 더욱 정확한 예측값이 출력될 수 있다.(즉, 입력될 데이터가 주기적 반복 패턴을 가지고 있는 경우에는 예측구조 3을 사용, 데이터가 주기적 반복 패턴을 가지고 있지 않은 경우에는 예측구조 1 및 예측구조 2를 병렬적으로 사용)Therefore, if the periodicity of the data is determined and the above-described prediction structure 1, prediction structure 2, and prediction structure 3 are appropriately mixed (individually, serially or parallel) and used, a more accurate prediction value can be output. If the data to be used has a cyclic repeating pattern, use prediction structure 3, and if the data does not have a cyclic repeating pattern, use prediction structure 1 and prediction structure 2 in parallel)
상기와 같은 예측구조 1 내지 예측구조 3에 따른 예측값과 실제값은 서버부(110)에 저장되는데, 이때, 서버부(110)는 예측값과 실제값의 오차를 기초로 오차가 적은 예측구조를 미리 선택하도록 동작되며, 이후, 의류 쇼핑몰 플랫폼을 통해 서버부(110)로 다시 유사한 유형의 데이터가 입력되면, 서버부(110)는 미리 선택한 예측구조, 즉, 해당 유형에 가장 오차가 적은 예측구조를 선택하고, 선택된 예측구조로 연산을 실시하여 예측값을 출력하도록 동작될 수 있다.(도 3 참조)The predicted values and actual values according to the predicted structures 1 to 3 as described above are stored in the
상술한 과정과 같은 서버부(110)의 동작에 따르면, 데이터의 유형에 따라서 적절한 예측구조가 선택될 수 있어, 입력되는 데이터 유형에 맞추어 보다 정확한 예측값이 출력될 수 있는 효과가 있다.According to the operation of the
전자결재부(120)는 의류 쇼핑몰 플랫폼에서 상품에 대한 구매가 발생되는 경우 상기 상품에 대한 전자결재를 수행하는 것으로서, 서버부(110) 및 금융업체 시스템에 전기적으로 연결된다. 이러한 전자결재부(120)는 구매자가 결재한 상품의 종류, 금액, 할부 여부 등에 대한 정보를 생성하여 서버부(110)에 전송함으로써, 서버부(110)가 패턴정보를 보다 정교하게 생성할 수 있게 한다.The
상술한 바와 같은 서버부(110)와 전자결재부(120)를 포함하는 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템(100)에 따르면, 상품 구매 패턴에 따라 의류 쇼핑몰 플랫폼에서 노출되는 상품의 종류를 결정되므로, 구매자가 구입하기를 희망하는 시기에 해당되는 상품이 구매자에게 추천됨에 따라 구매자의 구매 욕구가 크게 향상될 수 있는 효과가 있다.According to the clothing shopping
또한, 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템(100)에 따르면, 인공신경경망을 이용함에 따라 구매자의 구매 패턴이 보다 정확하게 예측되며, 이에 의하면, 의류 쇼핑몰 플랫폼에 노출되는 상품이 보다 정확하게 결정될 수 있는 효과가 있다.In addition, according to the clothing shopping
이상에서, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.In the above, even though all the components constituting the embodiments of the present invention are described as being combined into one or operating in combination, the present invention is not necessarily limited to these embodiments. That is, within the scope of the object of the present invention, all the constituent elements may be selectively combined and operated in one or more.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석 되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, terms such as "include", "consist of" or "have" described above mean that the corresponding component may be present unless otherwise stated, excluding other components Rather, it should be interpreted as being able to further include other components. All terms, including technical or scientific terms, have the same meaning as commonly understood by those of ordinary skill in the art, unless otherwise defined. Terms generally used, such as terms defined in the dictionary, should be interpreted as being consistent with the meaning of the context of the related technology, and are not interpreted as ideal or excessively formal meanings unless explicitly defined in the present invention.
그리고 이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.And the above description is merely illustrative of the technical idea of the present invention, and those of ordinary skill in the technical field to which the present invention pertains will be able to make various modifications and variations without departing from the essential characteristics of the present invention.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.Accordingly, the embodiments disclosed in the present invention are not intended to limit the technical idea of the present invention, but to explain the technical idea, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be interpreted as being included in the scope of the present invention.
100 : 본 발명의 일실시예에 따른 의류 쇼핑몰 전자상거래 시스템
110 : 서버부
120 : 전자결재부100: Clothing shopping mall e-commerce system according to an embodiment of the present invention
110: server unit
120: Electronic payment department
Claims (5)
상기 서버부에 전기적으로 연결되며, 상기 의류 쇼핑몰 플랫폼에서 상품에 대한 구매가 발생되는 경우 상기 상품에 대한 전자결재를 수행하는 전자결재부를 포함하며,
상기 서버부는,
상기 의류 쇼핑몰 플랫폼과 상기 전자결재부에서 전달되는 정보를 이용하여 구매자의 상품 구매 패턴에 대한 정보인 패턴정보를 생성하며, 상기 패턴정보를 이용하여 상기 의류 쇼핑몰 플랫폼에 노출되는 상품을 결정하는 것을 특징으로 하며,
상기 서버부는,
인공신경망을 이용하되, 상기 패턴정보를 입력값으로 연산을 실시함으로써 상기 패턴정보 생성 시점 이후 시점에서의 구매자가 구매 예정인 상품에 대한 예측값을 생성하는 것을 특징으로 하며,
상기 서버부는,
상기 예측값을 재귀적으로 하나의 인공신경망에 입력값으로 취하여 연산함으로써 상기 예측값을 다시 생성하는 예측구조 1을 포함하며,
상기 서버부는,
상기 패턴정보를 복수개의 인공신경망에 각각 입력한 후 각각 연산을 실시하여 시간의 흐름에 따른 복수개의 시점에 대한 예측값을 출력하는 예측구조 2를 포함하며,
상기 서버부는,
시간의 흐름에 따른 복수개의 시점에 대한 데이터인 복수개의 상기 패턴데이터를 인공신경망에 입력한 후, 한번의 연산으로 시간의 흐름에 따른 복수개의 시점에 대한 예측값을 출력하는 예측구조 3을 포함하며,
상기 서버부는,
상기 예측구조 1에 따른 예측값과, 상기 예측구조 2에 따른 예측값과, 상기 예측구조 3에 따른 예측값을 실제값과 각각 비교하여 가장 오차가 적은 예측값을 출력하는 것을 특징으로 하는 의류 쇼핑몰 전자상거래 시스템.A server unit that stores information on the clothing shopping mall platform and operates the clothing shopping mall platform on a network by exchanging information with the clothing shopping mall platform; And
An electronic payment unit that is electrically connected to the server unit and performs electronic payment for the product when a product is purchased on the clothing shopping mall platform,
The server unit,
The clothing shopping mall platform and information transmitted from the electronic payment unit are used to generate pattern information, which is information on a product purchase pattern of a purchaser, and a product exposed to the clothing shopping mall platform is determined using the pattern information. And
The server unit,
Using an artificial neural network, characterized in that by calculating the pattern information as an input value, a predicted value for a product to be purchased by a buyer at a time point after the time when the pattern information is generated is generated,
The server unit,
And a prediction structure 1 that recursively generates the predicted value by taking and calculating the predicted value as an input value to one artificial neural network,
The server unit,
And a prediction structure 2 for outputting predicted values for a plurality of viewpoints over time by respectively inputting the pattern information to a plurality of artificial neural networks and then performing calculations,
The server unit,
It includes a prediction structure 3 for inputting a plurality of the pattern data, which is data for a plurality of viewpoints according to the passage of time, into an artificial neural network, and then outputting predicted values for a plurality of viewpoints according to the passage of time in one operation,
The server unit,
The predicted value according to the prediction structure 1, the predicted value according to the prediction structure 2, and the predicted value according to the prediction structure 3 are compared with an actual value to output a predicted value having the least error.
상기 인공신경망은,
DNN(Deep Neural Network) 또는 RNN(Recurrent Neural Nerwork)인 것을 특징으로 하는 의류 쇼핑몰 전자상거래 시스템.The method according to claim 1,
The artificial neural network,
Clothing shopping mall e-commerce system, characterized in that DNN (Deep Neural Network) or RNN (Recurrent Neural Nerwork).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190176283A KR102156521B1 (en) | 2019-12-27 | 2019-12-27 | Cloth shopping mall electronic commerce system capable |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190176283A KR102156521B1 (en) | 2019-12-27 | 2019-12-27 | Cloth shopping mall electronic commerce system capable |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102156521B1 true KR102156521B1 (en) | 2020-09-16 |
Family
ID=72670029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190176283A KR102156521B1 (en) | 2019-12-27 | 2019-12-27 | Cloth shopping mall electronic commerce system capable |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102156521B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102367999B1 (en) | 2021-06-28 | 2022-02-25 | 주식회사 헬로핀테크 | Electronic commerce system using fin-tech |
| KR102367986B1 (en) | 2021-06-28 | 2022-02-25 | 주식회사 헬로핀테크 | Electronic commerce method using fin-tech |
| KR20220099753A (en) | 2021-01-07 | 2022-07-14 | 심윤정 | A subscription based woman's clothes trading platform using big data and a trading method using the same |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130128265A (en) * | 2012-05-16 | 2013-11-26 | 전성일 | Method, server and computer-readable recording medium for providing information on user optimized clothes |
| KR101735602B1 (en) * | 2014-12-08 | 2017-05-15 | 주식회사 엘지씨엔에스 | Personalized recommendation method, system and computer-readable record medium |
| KR20190078222A (en) * | 2017-12-26 | 2019-07-04 | 삼성전자주식회사 | Electronic device, server and method thereof for recommending fashion item |
-
2019
- 2019-12-27 KR KR1020190176283A patent/KR102156521B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130128265A (en) * | 2012-05-16 | 2013-11-26 | 전성일 | Method, server and computer-readable recording medium for providing information on user optimized clothes |
| KR101735602B1 (en) * | 2014-12-08 | 2017-05-15 | 주식회사 엘지씨엔에스 | Personalized recommendation method, system and computer-readable record medium |
| KR20190078222A (en) * | 2017-12-26 | 2019-07-04 | 삼성전자주식회사 | Electronic device, server and method thereof for recommending fashion item |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220099753A (en) | 2021-01-07 | 2022-07-14 | 심윤정 | A subscription based woman's clothes trading platform using big data and a trading method using the same |
| KR102367999B1 (en) | 2021-06-28 | 2022-02-25 | 주식회사 헬로핀테크 | Electronic commerce system using fin-tech |
| KR102367986B1 (en) | 2021-06-28 | 2022-02-25 | 주식회사 헬로핀테크 | Electronic commerce method using fin-tech |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102156521B1 (en) | Cloth shopping mall electronic commerce system capable | |
| US20190228397A1 (en) | Dynamic economizer methods and systems for improving profitability, savings, and liquidity via model training | |
| JP6650990B1 (en) | Computer system, method, and program for funding a store in e-commerce | |
| KR102172319B1 (en) | Internet Shopping Mall Linked Product Sales System and Method | |
| JP2018139068A (en) | Method and system for escrow settlement by smart contract | |
| CN106415639A (en) | Advertisement price discounting | |
| JP2024512076A (en) | Asset class backed tokenization platform | |
| CN110598934A (en) | Method for recommending shopping routes and related device | |
| CN110490748A (en) | Item recommendation method and device based on order | |
| KR20190120501A (en) | open market platform system based on private block chain | |
| US12045785B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
| Song et al. | Optimal decision making in multi-product dual sourcing procurement with demand forecast updating | |
| Lee | Coordination on stocking and progressive pricing policies for a supply chain | |
| US20130204729A1 (en) | Systems and methods for reseller discovery and analysis | |
| Prasad et al. | Ofm: An online fisher market for cloud computing | |
| CN110633966A (en) | Block chain-based contract securitization method and device | |
| CN116645201A (en) | Blockchain point transaction method, system, equipment and storage medium | |
| Ali et al. | Optimization of a periodically assessing model with manageable lead time under SLC with back order rebate for deteriorating items | |
| KR101409273B1 (en) | Method and apparatus for calculating to measure influential power of users | |
| Peduzzi et al. | Jack the rippler: Arbitrage on the decentralized exchange of the xrp ledger | |
| KR20230139157A (en) | Cloth shopping mall electronic commerce system capable | |
| US11550776B2 (en) | Double-record-keeping of app data at software platform for verification and feedback | |
| JP6925493B1 (en) | Management device, management method and management program | |
| JP2023117345A (en) | Method and device for providing used item transaction service using smart box | |
| JP2022145309A (en) | Credit distribution system and credit distribution method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |