KR102161828B1 - 가맹점 관리를 위한 제어 방법 및 장치 - Google Patents

Abstract

가맹점 관리를 위한 제어 방법 및 장치가 개시된다. 일실시예에 따른 가맹점 관리를 위한 제어 방법은 인공지능을 기반으로 한 가맹점 관리를 위한 제어 방법에 있어서, 해당 기간 내 해당 가맹점과 관련한 고객들의 자발적 평가 정보, 비자발적 평가 정보 및 해당 가맹점의 매출 및 비용 정보를 획득하고, 자발적 평가 정보에 기초하여 제1 입력 신호를 생성하고, 비자발적 평가 정보에 기초하여 제2 입력 신호를 생성하고, 매출 및 비용 정보에 기초하여 제3 입력 신호를 생성하고, 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호를 제어 장치 내 임베디드 컴퓨터의 미리 학습된 뉴럴 네트워크들에 입력하고, 입력의 결과에 기초하여, 제1 출력 신호를 획득하고, 제1 출력 신호에 기초하여, 해당 가맹점의 평가 점수표를 생성하고, 해당 가맹점이 속한 제2 네트워크 저장장치에 평가 점수표를 전송하고, 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 평가 점수표를 블록체인 네트워크 내 블록에 저장할 수 있다.

Description

가맹점 관리를 위한 제어 방법 및 장치{METHOD AND APPARATUS FOR CONTROLLING MERCHANT MANAGEMENT}

아래 실시예들은 가맹점 관리를 위한 제어 방법에 관한 것이다.

무한 리필 고깃집의 가맹점 관리에 있어서 핵심은 고기의 품질, 맛, 매출, 비용 및 고객 관리 서비스 등이 모든 가맹점에서 균일하게 유지되는 것이다. 하지만 가맹점 관리의 대부분의 과정이 사람에 의해 수동으로 이뤄지며, 고객들의 평가 참여율이 저조해 균일한 가맹점 관리에 어려움이 따르게 된다. 따라서 인공지능에 의해 자동으로 이뤄지며, 온라인 상의 고객들의 의견을 빅데이터로서 수렴할 수 있는 가맹점 관리를 위한 제어 방법의 연구가 요구된다.

KR101561866 KR101752046 KR1020150029327 KR1020190096073

실시예들은 가맹점 관리를 위한 제어 방법에 딥러닝 기술을 적용해 정확성을 높이고 균일한 관리를 용이하게 하고자 한다.

실시예들은 온라인 상의 빅데이터로부터 획득한 값을 통해 고객의 만족도를 높이고자 한다.

실시예들은 블록체인 네트워크를 통해 강화된 보안을 사용하고자 한다.

일실시예에 따른 가맹점 관리를 제어하는 방법은 인공지능을 기반으로 한 가맹점 관리를 위한 제어 방법에 있어서, 해당 기간 내 해당 가맹점과 관련한 고객들의 자발적 평가 정보, 비자발적 평가 정보 및 해당 가맹점의 매출 및 비용 정보를 획득하는 단계; 상기 자발적 평가 정보에 기초하여 제1 입력 신호를 생성하고, 상기 비자발적 평가 정보에 기초하여 제2 입력 신호를 생성하고, 상기 매출 및 비용 정보에 기초하여 제3 입력 신호를 생성하는 단계; 상기 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호를 제어 장치 내 임베디드 컴퓨터의 미리 학습된 뉴럴 네트워크들에 입력하는 단계; 상기 입력의 결과에 기초하여, 제1 출력 신호를 획득하는 단계; 상기 제1 출력 신호에 기초하여, 상기 해당 가맹점의 평가 점수표를 생성하고, 해당 가맹점이 속한 제2 네트워크 저장장치에 상기 평가 점수표를 전송하는 단계; 및 상기 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 상기 평가 점수표를 블록체인 네트워크 내 블록에 저장하는 단계를 포함할 수 있다.

일실시예에 따르면, 상기 자발적 평가 정보는 자동 검색 툴을 제어해 검색 포털 사이트, 블로그 및 SNS 상에서 상기 해당 가맹점과 관련한 문장을 검색한 결과로부터, 상기 문장을 수정 어절 단위-상기 수정 어절 단위는 기본적으로 문법상의 어절 단위 구분을 따르나, 부사 및 관형사의 경우 뒤에 따르는 부사, 관형사, 감탄사, 형용사 및 동사와 함께 표기하여 구분함-로 구분하고, 상기 수정 어절 단위에서 조사를 제거하고, 상기 제거의 결과에 기초하여, 반복되는 단어는 해당 단어의 우측에 반복된 수를 부여해 정리되고, 상기 비자발적 평가 정보는 고객 관리 시스템에 가입된 고객이 계산 시 가입된 정보를 제공함에 따라, 상기 해당 가맹점에서의 계산 완료 후 상기 고객에게 제공되는 설문지-상기 설문지는 총 10개의 문항으로 이뤄져 있으며, 고기의 품질 및 맛에 관한 평가 문항 5개, 고객 관리 서비스에 관한 평가 문항 5개를 포함함-에 대한 고객의 응답 결과로 획득되고, 상기 매출 및 비용 정보는 상기 해당 가맹점의 일별 매출 및 비용 내역을 포함할 수 있다.

일실시예에 따르면, 상기 뉴럴 네트워크들은 제1 입력 신호를 입력으로 하는 제1 뉴럴 네트워크; 상기 제1 뉴럴 네트워크의 제어 결과 및 제2 입력 신호를 입력하는 제2 뉴럴 네트워크 및 제3 뉴럴 네트워크; 및 상기 제2, 제3 뉴럴 네트워크의 제어 결과 및 제3 입력 신호를 입력으로 하는 제4 뉴럴 네트워크를 포함하고, 상기 제1 입력 신호는 제1 행의 제1 열에 해당 자발적 평가 정보를 이루는 기존의 전체 문장을 포함하고, 명백한 정보를 함의한 제1 분류 단어를 선별하고, 그 외에 해당하는 단어들 중 제1 행의 제1 열에 포함된 전체 문장으로부터 상기 해당 단어들의 전후에서 분류 기준 단어를 포함하는 경우, 이 단어를 제2 분류 단어로 선별하고, 상기 제1 분류 단어 및 제2 분류 단어를 제2 열부터 제30 열에 배열하며, 제30 열까지에 있어 상기 제1 분류 단어 및 제2 분류 단어가 입력되지 않는 열에는 'X'를 포함하는 1행 30열의 벡터이고, 상기 제1 뉴럴 네트워크는 상기 제1 입력 신호 내 단어들을 긍정 및 부정 단어로 분류하고, 상기 제1 입력 신호 내 단어들의 긍정 빈도, 부정 빈도 및 부사 및 관형어 표현 여부에 기초하여, 점수를 생성하고, 상기 생성된 점수에 기초하여, 제1 출력값 및 제2 출력값을 생성할 수 있다.

일실시예에 따르면, 상기 제2 뉴럴 네트워크는 상기 제1 뉴럴 네트워크의 결과값-상기 제1 뉴럴 네트워크의 결과값이 50개 모이면, 상기 제1 뉴럴 네트워크의 상기 제1 출력값을 1행의 백터의 각 열에 배열해 1열부터 50열까지 배열함-과 상기 제2 입력 신호의 고기 품질 평가값-상기 고기 품질 평가값은 상기 비자발적 평가 정보의 값들 중 고기 품질 및 맛에 관한 5개의 문항의 평균값에 기초하여 생성되고, 총 50개의 제2 입력 신호들로부터 1행의 벡터의 51열부터 100열까지 배열함-을 입력으로 하고, 각 열에 해당하는 100개의 입력 값의 평균, 분포, 최소값, 최대값, 중간값, 분산 및 표준편차에 기초하여, 상기 해당 가맹점의 고기 품질 및 맛에 대한 평가를 출력으로 하고, 상기 제3 뉴럴 네트워크는 상기 제1 뉴럴 네트워크의 결과값-상기 제1 뉴럴 네트워크의 결과값이 50개 모이면, 상기 제1 뉴럴 네트워크의 상기 제2 출력값을 1행의 백터의 각 열에 배열해 1열부터 50열까지 배열함-과 상기 제2 입력 신호의 고객 만족 평가값-상기 고객 만족 평가값은 상기 비자발적 평가 정보의 값들 중 고객 관리 서비스에 관한 5개의 문항의 평균값에 기초하여 생성되고, 총 50개의 제2 입력 신호들로부터 1행의 벡터의 51열부터 100열까지 배열함-을 입력으로 하고, 각 열에 해당하는 100개의 입력 값의 평균, 분포, 최소값, 최대값, 중간값, 분산 및 표준편차에 기초하여, 상기 해당 가맹점의 고객 관리 서비스에 대한 평가를 출력으로 하고, 상기 제4 뉴럴 네트워크는 상기 제2 뉴럴 네트워크의 결과값을 제1 행의 제1 열에, 상기 제3 뉴럴 네트워크의 결과값을 제1 행의 제2 열에, 상기 제3 입력 신호를 제1 행의 제3 열, 제4 열 및 제5 열에 배열한 벡터를 입력으로 하고, 해당 가맹점에 대한 최종 평가 점수를 포함한 제1 출력 신호를 출력으로 할 수 있다.

일실시예에 따르면, 상기 블록체인 네트워크는 상기 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 상기 평가 점수표를 포함하는 블록들; 각 블록을 시간 순으로 연결하는 체인들; 및 상기 각 블록 및 체인을 저장하는 상기 네트워크 저장장치들을 포함하는 프라이빗 블록체인 네트워크이고, 상기 네트워크 저장장치들은 상기 가맹점 관리를 위한 제어 방법을 사용하는 가맹점의 본사를 포함한 제1 네트워크 저장장치; 상기 해당 가맹점을 포함하는 제2 네트워크 저장장치; 블록체인 네트워크의 참여를 희망하는 참여자들을 포함하는 제3 네트워크 저장장치; 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망을 포함할 수 있다.

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.

실시예들은 가맹점 관리를 위한 제어 방법에 딥러닝 기술을 적용해 정확성을 높이고 균일한 관리를 용이하게 할 수 있다.

실시예들은 온라인 상의 빅데이터로부터 획득한 값을 통해 고객의 만족도를 높일 수 있다.

실시예들은 블록체인 네트워크를 통해 강화된 보안을 사용할 수 있다.

도 1은 일실시예에 따른 가맹점 관리를 위한 제어 방법을 설명하기 위한 순서도이다.
도 2는 일실시예에 따른 제1 입력 신호를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 제2 입력 신호 및 제3 입력 신호를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 뉴럴 네트워크들을 설명하기 위한 도면이다.
도 5은 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.
도 6는 일실시예에 따른 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

도 1은 일실시예에 따른 가맹점 관리를 위한 제어 방법을 설명하기 위한 순서도이다.

일실시예에 인공지능을 기반으로 한 가맹점 관리를 위한 제어 방법에 있어서, 가맹점 관리를 위한 제어 장치(이하, 제어 장치)는 해당 기간 내 해당 가맹점과 관련한 고객들의 자발적 평가 정보, 비자발적 평가 정보 및 해당 가맹점의 매출 및 비용 정보를 획득할 수 있다(101). 제어 장치는 가맹점 관리를 위한 제어 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다.

일실시예에 따르면, 제어 장치는 통신 기능이 포함된 전자 장치일 수 있다. 예를 들면, 전자 장치는 스마트 폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 화상전화기, 전자북 리더기(e-book reader), 데스크톱 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device)(예: 전자 안경과 같은 head-mounted-device(HMD), 전자 의복, 전자 팔찌, 전자 목걸이, 전자 앱세서리(appcessory), 전자 문신, 스마트카(smart car) 또는 스마트 와치(smartwatch)중 적어도 하나를 포함할 수 있다.

일실시예에 따르면, 전자 장치는 통신 기능을 갖춘 스마트 가전 제품(smart home appliance)일 수 있다. 스마트 가전 제품은, 예를 들자면, 전자 장치는 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), TV 박스(예를 들면, 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(game consoles), 전자 사전, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.

일실시예에 따르면, 전자 장치는 각종 의료기기(예: MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 초음파기 등), 네비게이션(navigation) 장치, GPS 수신기(global positioning system receiver), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트(infotainment) 장치, 선박용 전자 장비(예: 선박용 항법 장치 및 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛, 산업용 또는 가정용 로봇, 금융 기관의 ATM(automatic teller's machine) 또는 상점의 POS(point of sales) 중 적어도 하나를 포함할 수 있다.

일실시예에 따르면, 전자 장치는 통신 기능을 포함한 가구(furniture) 또는 건물/구조물의 일부, 전자 보드(electronic board), 전자 사인 입력장치(electronic signature receiving device), 프로젝터(projector), 또는 각종 계측기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 일실시예에에 따른 전자 장치는 전술한 다양한 장치들 중 하나 또는 그 이상의 조합일 수 있다. 또한, 일실시예에 따른 전자 장치는 플렉서블 장치일 수 있다. 또한, 일실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않음은 당업자에게 자명하다. 다양한 실시예에서 이용되는 유저라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.

일실시예에 따른 전자 장치는 프로세서, 메모리, 유저 인터페이스 및 통신 인터페이스를 포함하고, 다른 전자 장치와 네트워크를 통해 연결될 수 있다. 통신 인터페이스는 유, 무선 네트워크 또는 유선 직렬 통신 등을 통하여 소정 거리 이내의 다른 전자 장치와 데이터를 송수신할 수 있다. 네트워크는 일실시예에 따른 전자 장치와 다양한 개체들(entities) 간의 유, 무선 통신을 가능하게 한다. 전자 장치는 네트워크를 통해 다양한 개체들과 통신할 수 있고, 네트워크는 표준 통신 기술 및/또는 프로토콜들을 사용할 수 있다. 이때, 네트워크(network)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함하나 이에 한정되지 않으며, 정보를 송, 수신할 수 있는 다른 종류의 네트워크가 될 수도 있음을 통신 기술 분야의 통상의 지식을 가진 자라면 알 수 있다.

일실시예에 따른 자발적 평가 정보는 제어 장치의 임베디드 컴퓨터 내 자동 검색 툴을 제어해 검색 포털 사이트, 블로그 및 SNS 상에서 해당 가맹점과 관련한 문장을 검색해 획득한 후, 이 문장들을 자체적으로 처리하는 프로세스를 거쳐 생성될 수 있다. 해당 가맹점과 관련한 문장은 해당 가맹점의 이름을 포함한 페이지 내의 모든 글을 포함할 수 있다. 자동 검색 툴은 이러한 검색 작업을 일 단위로 정해진 시간에 반복할 수 있으며, 이미 검색한 페이지와 동일한 주소를 가진 페이지는 다시 열람하지 않을 수 있다.

일실시예에 따르면, 제어 장치는 획득한 문장들을 자체적으로 처리하는 프로세스를 거칠 수 있다. 제어 장치는 획득한 문장들을 수정 어절 단위로 구분할 수 있다. 수정 어절 단위는 기본적으로 문법상의 어절 단위, 즉 띄어쓰기를 기준으로 구분하나, 미리 저장된 제어 장치 내 데이터 베이스의 검색 결과에 따라 해당 단어가 부사 또는 관형사인 경우, 뒤에 따르는 부사, 관형사, 감탄사, 형용사 및 동사와 함께 표기하여 구분할 수 있다. 예를 들어, '맛있는 음식'은 기존의 어절 단위에서는 '맛있는'과 '음식'으로 구분되나, '맛있는'이 미리 데이터 베이스 내에 저장된 관형사이므로, '맛있는 음식'을 한 단위로 볼 수 있다. 예를 들어, '너무 맛있는 음식'이나 '놀랍도록 굉장히 친절한 직원'이라는 표현의 경우, '너무'가 부사 이므로 뒤에 따르는 '맛있는'이란 관형사와 함께 붙으며, '맛있는' 또한 관형사이므로, '너무 맛있는 음식'을 하나의 단위로 볼 수 있다. '놀랍도록 굉장히 친절한 직원'도 마찬가지로 '놀랍도록'이 부사이므로 뒤의 '굉장히'와 함께 붙고, '굉장히' 또한 부사이므로 '친절한'과 함께 붙으며, '친절한'이란 단어 또한 관형사 이므로 '직원'에 붙어 '놀랍도록 굉장히 친절한 직원'이 수정 어절 단위에서 하나의 단어로 인식될 수 있다.

일실시예에 따르면, 제어 장치는 수정 어절 단위로 구분한 단어들의 조사를 제거할 수 있다. 조사의 종류에는 '은, 는, 이, 가, 를' 등이 존재할 수 있으나, 이에 국한하지 않는다. 조사의 종류는 데이터 베이스 내에 미리 저장돼있을 수 있다. 제어 장치는 조사가 제거된 수정 어절 단위의 단어들을 반복되는 단어에 따라 해당 단어의 우측에 반복된 수를 부여할 수 있다. 예를 들어, '이 집은 삼겹살도 맛있고, 항정살도 맛있고, 갈메기살도 맛있고, 직원분도 친절해요.'라는 문장이 있다면, '맛있고'라는 단어가 총 세 번 나왔기 때문에 이 경우 '맛있고3'으로 정리될 수 있다.

일실시예에 따른 비자발적 평가 정보는 고객 관리 시스템에 가입된 고객이 계산 시 가입된 정보를 제공함에 따라 해당 가맹점에서의 계산 완료 후 고객에게 제공되는 설문지에 대한 고객의 응답 결과로 획득될 수 있다. 가맹점의 본사 및 해당 가맹점은 설문지의 응답률을 높이기 위한 리워드를 제공할 수 있는데, 이러한 리워드에는 할인 쿠폰, 사이드 메뉴 제공 쿠폰, 음료 제공 쿠폰 및 상품 추첨권 등이 있을 수 있으나, 이에 국한하지 않는다.

일실시예에 따르면, 비자발적 평가 정보의 획득을 위한 설문지는 총 10개의 문항으로 구성될 수 있는데, 이 중 고기의 품질 및 맛에 관한 평가 문항이 5개, 고객 관리 서비스에 관한 평가 문항이 5개 포함될 수 있다. 고객 관리 시스템에 가입된 고객이 재방문하는 경우 위의 설문지 조사 결과의 각 평가 요소 평균에 +0.3점을 포함할 수 있다.

일실시예에 따른 매출 및 비용 정보는 해당 가맹점의 일별 매출 및 비용 내역을 포함한 값일 수 있다. 매출은 해당 가맹점에서 발생한 모든 매출을 의미할 수 있으며, 카드 매출 및 현금 매출을 모두 포함할 수 있다. 매출은 해당 가맹점이 본사에서 제공하는 POS(Point Of Sales) 기기를 이용해 해당 가맹점에서 고객이 계산을 하면 자동으로 정산되도록 할 수 있다. 비용은 가맹점에서 발생하는 모든 비용을 의미할 수 있으며, 이러한 비용에는 인건비, 재료비, 관리비, 토지세, 이자, 임대료, 통신비 및 감가상각비 등을 포함할 수 있으나, 이에 국한하지 않는다. 매출 및 비용 정보는 매출과 비용을 통해 순수익을 추론할 수 있는 근거로 제시될 수 있다.

일실시예에 따르면, 제어 장치는 자발적 평가 정보에 기초하여 제1 입력 신호를 생성하고, 비자발적 평가 정보에 기초하여 제2 입력 신호를 생성하고, 매출 및 비용 정보에 기초하여 제3 입력 신호를 생성할 수 있다(102).

일실시예에 따르면, 제어 장치는 자발적 평가 정보, 비자발적 평가 정보, 매출 및 비용 정보에 기초하여 입력 신호들을 생성할 수 있으며, 이 입력 신호들은 뉴럴 네트워크들의 입력으로 사용될 수 있다. 제1 입력 신호, 제2 입력 신호, 제3 입력 신호의 생성에 관한 자세한 설명은 도 2 및 도 3을 참조하여 후술한다.

일실시예에 따르면, 제어 장치는 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호를 제어 장치 내 임베디드 컴퓨터의 미리 학습된 뉴럴 네트워크들에 입력할 수 있다(103).

일실시예에 따르면, 제어 장치는 제1 입력 신호를 제1 뉴럴 네트워크에, 제2 입력 신호를 제2 및 제3 뉴럴 네트워크에, 제3 입력 신호를 제4 뉴럴 네트워크에 각각 입력할 수 있다. 뉴럴 네트워크들에 관한 자세한 설명은 도 4를 참조하여 후술한다.

일실시예에 따르면, 제어 장치는 입력의 결과에 기초하여, 제1 출력 신호를 획득할 수 있다(104). 제어 장치는 제1 출력 신호에 기초하여, 해당 가맹점의 평가 점수표를 생성하고, 해당 가맹점이 속한 제2 네트워크 저장장치에 평가 점수표를 전송할 수 있다(105).

일실시예에 따르면, 제어 장치는 뉴럴 네트워크의 제어 결과에 따른 제1 출력 신호를 획득할 수 있으며, 획득된 제1 출력 신호에는 평가 점수표가 포함될 수 있다. 평가 점수표는 고기의 품질 및 맛에 관한 평가 점수, 고객 관리 서비스에 관한 평가 점수, 매출 및 비용 관리에 관한 평가 점수를 포함할 수 있다. 각 점수는 자발적 평가 정보, 비자발적 평가 정보, 매출 및 비용 정보를 포함하여 계산될 수 있으며, 단순 평균이 아닌 각 점수의 분포를 고려한 종합 평가가 이뤄질 수 있다. 평가 점수표에는 개선할 부분에 대한 추천 정보도 포함될 수 있으며, 이러한 평가 점수 및 추천 정보를 해당 가맹점이 속한 제2 네트워크 저장장치에 전송함으로써 해당 가맹점에서 이를 확인할 수 있도록 할 수 있다.

일실시예에 따른 제어 장치는 가맹점 관리를 위한 제어 방법에 딥러닝 기술을 적용해 정확성을 높이고 균일한 관리를 용이하게 할 수 있다.

일실시예에 따르면, 제어 장치는 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 평가 점수표를 블록체인 네트워크 내 블록에 저장할 수 있다(106). 제어 장치는 평가 점수표를 높은 보안 안정성을 가진 블록체인 네트워크 내에 저장함으로써 안전하게 모든 정보를 기록할 수 있으며, 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호를 함께 저장함으로써 뉴럴 네트워크들을 통해 가공되기 전의 기록들을 모두 함께 보존할 수 있다.

일실시예에 따른 블록체인 네트워크는 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 평가 점수표를 저장하는 블록들과 이를 시간순으로 연결하는 체인 등으로 구성될 수 있다. 저장된 데이터 베이스는 빅데이터로 관리되며, 블록체인 네트워크는 이 데이터 베이스의 정보를 안전하게 보관하도록 돕고 제한된 사용자들만이 사용할 수 있도록 할 수 있다. 블록체인 네트워크 및 컨벌루션 신경망에 대한 설명은 도 5를 참조하여 후술한다.

도 2는 일실시예에 따른 제1 입력 신호(201)를 설명하기 위한 도면이다.

일실시예에 따른 제1 입력 신호(201)의 생성은 자발적 평가 정보(211)로부터 획득한 수정 어절 단위의 단어들을 제1 뉴럴 네트워크에 적합한 형태로 가공하는 과정을 포함할 수 있다.

일실시예에 따른 제1 입력 신호(201)는 총 1행 30열로 이뤄진 벡터로서, 자발적 평가 정보에서 분석된 전체 문장을 제1 행의 제1 열에 배치하고, 그 뒤로 제1 분류 단어(212) 및 제2 분류 단어(213)를 열거할 수 있다.

일실시예에 따른 제1 분류 단어(212)는 단어 자체로 뜻이 명백한 단어를 의미할 수 있다. 명백한 단어란 그 단어만으로도 의미를 유추할 수 있는 단어로서, 맛에 대한 표현이나 직원의 고객 응대에 대한 표현들이 이에 포함될 수 있다. 예를 들어, '맛있다', '맛있고', '맛있으니', '맛있으며', '친절한', '친절하고', '친절하다', '존맛탱' 등이 포함될 수 있으나, 이에 국한하지 않는다.

일실시예에 따른 제2 분류 단어(213)는 단어 그 자체로는 뜻이 명백하지 않아 문맥의 판단이 필요한 단어를 의미할 수 있다. 예를 들어, '좋아요', '깨끗해요', '구려요', '더러워요', '착해요' 등의 표현이 이에 포함될 수 있으나, 이에 국한하지 않는다. 예를 들어 '맛이 착하고, 직원분이 좋아요.' 라는 문장의 경우, '착하다'와 '좋아요'가 그 단어만으로 유추하기 어려운 것을 확인할 수 있다. 이런 경우 문장 내에서 해당 단어의 전후에 포함된 분류 기준 단어를 확인할 필요가 있다. '착하고'의 경우는 '맛'라는 단어가 분류 기준 단어가 될 수 있고, '좋아요'의 경우는 '직원분'이라는 단어가 분류 기준 단어가 될 수 있다. 각 분류 기준 단어는 해당 단어를 기준으로 전에 위치한 분류 기준 단어를 우선적으로 선별하나, 그렇지 않은 경우 해당 단어의 뒤에서 가장 가까이 존재하는 분류 기준 단어를 해당 단어의 분류 기준 단어로 선택할 수 있다.

일실시예에 따른 제어 장치는 제1 분류 기준 단어 및 제2 분류 기준 단어가 선별되면, 각 단어의 해당 카테고리를 구분할 수 있다. 해당 카테고리는 고기의 품질 및 맛 카테고리와 고객 관리 서비스 카테고리로 나뉠 수 있으며, 이러한 카테고리에 따라 단어들에 카테고리 정보를 포함해 인코딩할 수 있다. 제1 입력 신호(201)는 제1 분류 기준 단어 및 제2 분류 기준 단어 중 카테고리 정보를 포함해 인코딩된 단어만을 포함할 수 있다.

일실시예에 따른 제1 입력 신호(201)는 제1 행의 제2 열부터 카테고리 정보를 포함해 인코딩된 제1 분류 기준 단어 및 제2 분류 기준 단어를 포함할 수 있다. 30행 중 제1 분류 기준 단어 및 제2 분류 기준 단어가 포함되지 않은 행은 'X' 표시를 입력할 수 있으며, 제1 뉴럴 네트워크에서 'X' 표시는 미입력 값으로 인정되어 제1 뉴럴 네트워크의 연산 시 포함되지 않을 수 있다.

일실시예에 따른 제어 장치는 온라인 상의 빅데이터로부터 획득한 값을 통해 고객의 만족도를 높일 수 있다.

도 3은 일실시예에 따른 제2 입력 신호 및 제3 입력 신호를 설명하기 위한 도면이다.

일실시예에 따르면, 제2 입력 신호(202)는 설문지(220)를 통한 고객들의 비자발적 평가 정보(221)을 통해 획득한 점수를 이용할 수 있다. 설문지는 총 10개의 문항을 포함하는데, 고기의 품질 및 맛에 관한 평가 문항 5개와 고객 관리 서비스에 관한 평가 문항 5개를 포함할 수 있다. 각각의 문항들은 총 5개의 선택지로 주어질 수 있으며, '절대 아니다', '아니다', '보통이다', '그렇다', '매우 그렇다' 등으로 구성될 수 있다. 각각의 선택지는 1점 내지 5점으로 배점이 정해질 수 있으며, 제2 입력 신호(202)는 카테고리 별로 각각의 해당 점수의 평균을 계산할 수 있다. 카테고리에는 고기 품질 평가값(222)과 고객 만족 평가값(223)이 포함될 수 있다. 제2 입력 신호(202)가 총 50개 이상 생성되면, 이는 제2 뉴럴 네트워크에 미리 생성된 50개를 입력으로 사용할 수 있다. 제2 입력 신호(202)가 50개를 넘기지 않은 상태에서 입력해야 하는 경우에는 제2 입력 신호(202) 입력 되지 않은 자리에 'X' 표시를 입력할 수 있다.

일실시예에 따르면, 제3 입력 신호(203)는 1행 3열의 벡터로서, 제1 행의 제1 열에는 매출(231), 제1 행의 제2 열에는 비용(232)이, 제1 행의 제3 열에는 순이익(233)이 표시될 수 있다. 순이익(233)은 매출(231)에서 비용(232)을 뺀 값으로 계산될 수 있다. 제4 뉴럴 네트워크는 순이익(233)을 가장 중요한 평가지표로 사용할 수 있으나, 순이익(233)이 낮은 경우 이에 대한 이유가 매출(231)인지, 비용(232)인지를 평가할 수 있다. 낮은 매출(231) 또는 높은 비용(232)은 순이익(233)을 작게 만드는 이유가 될 수 있으며, 이에 따라 본사 파견 근무자가 해당 가맹점에 매출(231) 및 비용(232)에 대한 상세 정보를 요청해 열람할 수 있다.

도 4는 일실시예에 따른 뉴럴 네트워크들을 설명하기 위한 도면이다.

도 4를 참조하면, 뉴럴 네트워크들은 제1 입력 신호(201)를 입력으로 하는 제1 뉴럴 네트워크(301); 제1 뉴럴 네트워크(301)의 제어 결과 및 제2 입력 신호(202)를 입력하는 제2 뉴럴 네트워크(302) 및 제3 뉴럴 네트워크(303); 및 제2, 제3 뉴럴 네트워크(303)의 제어 결과 및 제3 입력 신호(203)를 입력으로 하는 제4 뉴럴 네트워크(304)를 포함할 수 있다.

일실시예에 따른 뉴럴 네트워크들은 은닉층과 출력층을 가질 수 있다. 가맹점 관리의 제어 방법을 위한 뉴럴 네트워크들에서는 일반적으로 은닉층이 5개 이상 존재하며, 각 은닉층의 노드는 100개로 지정하나 경우에 따라 그 이상 또는 이하로 정할 수 있다. 은닉층의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 뉴럴 네트워크들의 출력층 노드는 뉴럴 네트워크마다 상이할 수 있다. 가맹점 관리를 위한 제어 방법에서의 뉴럴 네트워크들의 경우, 제1 뉴럴 네트워크(301)는 30개의 입력 노드와 2개의 출력 노드를, 제2 및 제3 뉴럴 네트워크(303)는 각각 100개의 입력 노드와 1개의 출력 노드를 제4 뉴럴 네트워크(304)는 5개의 입력 노드와 4개의 출력 노드를 가질 수 있다.

일실시예에 따른 제1 뉴럴 네트워크(301)는 제1 입력 신호(201) 내 단어들이 포함하는 인코딩 정보를 바탕으로 카테고리를 구분할 수 있다. 고기의 품질 및 맛 카테고리 및 고객 관리 서비스 카테고리로 단어들을 구분함으로써, 두 값을 바탕으로 한 평가 점수 계산을 용이하도록 할 수 있다.

일실시예에 따른 제1 뉴럴 네트워크(301)는 제1 입력 신호(201) 내 단어들을 긍정 및 부정 단어로 분류할 수 있다. 제1 뉴럴 네트워크(301)는 제어 장치 내의 데이터 베이스로부터 긍정 및 부정 단어의 분류 방법을 검색할 수 있으며, 미리 학습된 정보를 토대로 긍정 및 부정 단어를 분류할 수 있다. 긍정의 단어의 예로는 '맛있다', '친절하다', '착하다' 등이 속할 수 있으며, 부정의 단어의 예로는 '맛없다', '더럽다', '불쾌하다' 등이 포함될 수 있으나 이에 국한하지 않는다.

일실시예에 따른 제1 뉴럴 네트워크(301)는 제1 입력 신호(201) 내 단어들의 긍정 빈도, 부정 빈도 및 부사 및 관형어 표현 여부에 기초하여 점수를 생성할 수 있다. 제1 뉴럴 네트워크(301)는 각각의 표현에 있어 긍정 빈도 및 부정 빈도를 통해 각각의 평가에 대한 고객의 만족 정도를 평가하는 지표로 사용할 수 있으며, 미리 학습된 정보에 따라 차등적인 점수를 지급할 수 있다. 제1 뉴럴 네트워크(301)는 부사 및 관형어의 표현에 따라서도 차등적인 점수를 지급할 수 있는데, 예를 들어 '정말 맛있다', '졸라 맛있다' 등이 '맛있다'라는 표현보다 더 높은 고객 만족도를 보인 것으로 보고 높은 점수를 부여하도록 할 수 있다.

일실시예에 따른 제1 뉴럴 네트워크(301)는 생성된 점수에 기초하여, 제1 출력값(310) 및 제2 출력값(320)을 생성할 수 있다. 제1 뉴럴 네트워크(301)는 그 출력값으로 제1 출력값(310)과 제2 출력값(320)을 출력할 수 있는데, 이는 두 개의 출력 노드로 이뤄져 있기 때문에 가능할 수 있다. 제1 출력값(310)은 제2 뉴럴 네트워크(302)의 입력에 사용되는 값으로, 고기의 품질에 대한 평가를 포함할 수 있다. 제2 출력값(320)은 제3 뉴럴 네트워크(303)의 입력에 사용되는 값으로 고객 서비스 만족도에 대한 평가를 포함할 수 있다.

일실시예에 따른 제2 뉴럴 네트워크(302)는 제1 뉴럴 네트워크(301)의 결과값과 제2 입력 신호(202)의 고기 품질 평가값(222)을 입력으로 할 수 있다.

일실시예에 따른 제2 뉴럴 네트워크(302)의 입력은 총 1행 100열의 벡터일 수 있다. 제2 뉴럴 네트워크(302)는 제1 뉴럴 네트워크(301)의 결과값이 50개 모이면, 제1 뉴럴 네트워크(301)의 제1 출력값(310)을 1행의 백터의 각 열에 배열해 1열부터 50열까지 배열할 수 있다. 제2 뉴럴 네트워크(302)는 제2 입력 신호(202) 중 고기 품질 평가값(222)을 포함할 수 있는데, 고기 품질 평가값(222)은 비자발적 평가 정보의 값들 중 고기 품질 및 맛에 관한 5개의 문항의 평균값에 기초하여 생성되고, 총 50개의 제2 입력 신호(202)들로부터 1행의 벡터의 51열부터 100열까지 배열할 수 있다.

일실시예에 따르면, 제2 뉴럴 네트워크(302)는 100개의 입력 노드에 미리 생성된 1행 100열의 벡터 값을 입력할 수 있으며, 각 열에 해당하는 100개의 입력 값의 평균, 분포, 최소값, 최대값, 중간값, 분산 및 표준편차에 기초하여, 해당 가맹점의 고기 품질 및 맛에 대한 평가를 출력으로 할 수 있다.

일실시예에 따른 제3 뉴럴 네트워크(303)는 제1 뉴럴 네트워크(301)의 결과값과 제2 입력 신호(202)의 고기 품질 평가값(223)을 입력으로 할 수 있다.

일실시예에 따른 제3 뉴럴 네트워크(303)의 입력은 총 1행 100열의 벡터일 수 있다. 제3 뉴럴 네트워크(303)는 제1 뉴럴 네트워크(301)의 결과값이 50개 모이면, 제1 뉴럴 네트워크(301)의 제2 출력값(320)을 1행의 백터의 각 열에 배열해 1열부터 50열까지 배열할 수 있다. 제3 뉴럴 네트워크(303)는 제2 입력 신호(202) 중 고기 품질 평가값(223)을 포함할 수 있는데, 고기 품질 평가값(223)은 비자발적 평가 정보의 값들 중 고객 관리 서비스에 관한 5개의 문항의 평균값에 기초하여 생성되고, 총 50개의 제2 입력 신호(202)들로부터 1행의 벡터의 51열부터 100열까지 배열할 수 있다.

일실시예에 따르면, 제3 뉴럴 네트워크(303)는 100개의 입력 노드에 미리 생성된 1행 100열의 벡터 값을 입력할 수 있으며, 각 열에 해당하는 100개의 입력 값의 평균, 분포, 최소값, 최대값, 중간값, 분산 및 표준편차에 기초하여, 해당 가맹점의 고객 관리 서비스에 대한 평가를 출력으로 할 수 있다.

일실시예에 따르면, 제4 뉴럴 네트워크(304)는 제2 뉴럴 네트워크(302)의 결과값을 제1 행의 제1 열에, 제3 뉴럴 네트워크(303)의 결과값을 제1 행의 제2 열에, 제3 입력 신호(203)를 제1 행의 제3 열, 제4 열 및 제5 열에 배열한 1행 5열의 벡터를 입력으로 할 수 있다. 제4 뉴럴 네트워크(304)는 제3 입력 신호(203) 내 매출(231)을 제3 열에, 비용(232)을 제4 열에, 순이익(233)을 제5 열에 배열한 1행 5열의 벡터를 입력으로 할 수 있다.

일실시예에 따르면, 제4 뉴럴 네트워크(304)는 해당 가맹점에 대한 최종 평가 점수를 포함한 제1 출력 신호(305)를 출력으로 할 수 있다. 제4 뉴럴 네트워크(304)는 총 4개의 출력 노드를 포함할 수 있는데, 각각의 출력 노드들은 0~1의 값을 나타낼 수 있다.

일실시예에 따르면, 제4 뉴럴 네트워크(304)의 출력인 제1 출력 신호(305)는 이에 따라 4개의 값을 가질 수 있는데, 이러한 값들은 코드를 의미하는 값일 수 있으며, 이러한 코드들은 제어 장치 내 데이터 베이스의 검색 결과에 따라 평가 요소 별 점수 및 평가에 대한 종합적인 해석을 포함할 수 있다. 출력 노드의 값은 0~1의 값을 나타낼 수 있으며, 이를 세분화해 0, 0.2, 0.4, 0.6, 0.8, 1인 6개의 값에 대응하는 코드를 미리 데이터 베이스 내에 등록해 놓을 수 있으며, 출력 노드의 값에 가장 가까운 값을 택할 수 있다. 예를 들어, 출력 노드의 값이 0.48인 경우, 이 값은 0.6보다 0.4에 가까우므로 0.4에 해당하는 코드를 택하도록 할 수 있다. 제1 출력 신호(305) 내의 4개의 출력 값들은 각각 6개의 대응 코드를 가질 수 있으므로, 이에 따른 조합은 6⁴인 1296개의 평가 점수표를 가질 수 있다.

도 5은 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.

도 5을 참조하면, 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 평가 점수표를 포함하는 블록(401)들; 각 블록(401)을 시간 순으로 연결하는 체인(402)들; 및 각 블록체인을 저장하는 제1(410), 제2(420), 제3 네트워크 저장장치(430)를 포함하는 프라이빗 블록체인 네트워크일 수 있다.

일실시예에 따르면, 블록체인 네트워크의 블록(401)은 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 평가 점수표를 포함할 수 있다. 각 블록(401)들은 일반적으로 시간 순으로 연결이 되며, 이에 따라 10분 간격으로 새로운 블록(401)들이 생산될 수 있다. 이미 생성된 블록(401)의 내용들은 모든 네트워크 저장장치들에 저장되며, 시간 내에 과반수의 내용이 변경되지 않는 한 변경될 수 없는 구조로 되어있다. 예를 들어, 총 3개의 네트워크 저장장치를 가진 블록체인 네트워크에서 각 네트워크 저장장치 당 1개씩의 블록(401)을 가지고 있다고 했을 때, 제한된 시간 내에 2개 이상의 블록(401)의 내용을 바꾸지 못하면, 각 블록(401)은 검증을 통해 과반수와 다른 내용의 블록(401)을 과반수와 같도록 값을 재변경 시킬 수 있다. 이에 따라 높은 보안을 유지할 수 있는데, 실제로 블록체인 네트워크에 참여하는 네트워크 저장장치의 수는 수십에서 수십만에 달할 수 있기 때문에 더욱 높은 보안성을 나타낼 수 있다.

일실시예에 따른 체인(402)들은 해시값으로 구성될 수 있다. 체인(402)들은 블록(401)을 시간 순으로 연속되도록 하는데, 이 때 해시값을 이용해 각 블록(401)들이 연결되게 할 수 있다. 블록(401)에는 데이터 베이스 및 데이터 베이스의 해시값, 이전 헤더 및 현 블록의 헤더를 보관할 수 있다. 여기서 현 블록의 헤더는 다음 블록에서 이전 헤더의 기능을 하게 되어 각 블록(401)들은 유기적으로 연결될 수 있다. 더불어 해시값은 블록의 내용이 조금이라도 바뀌면 완전히 다른 형태로 변형이 되는데, 이 때문에 데이터 베이스의 내용을 변경하려는 시도를 효과적으로 막을 수 있다. 현 블록의 헤더는 데이터 베이스, 데이터 베이스의 해시값 및 이전 헤더를 포함한 총 합의 해시값이 되기 때문에, 데이터 베이스와 해시값을 효과적으로 수정해 보안을 해치려는 시도도 성공하기 어렵게 된다. 왜냐하면 데이터 베이스와 해시값을 수정하는 순간, 헤더의 내용도 바뀌게 되고 이에 따라 다음 블록에 들어가는 이전 헤더도 바뀌게 되며, 이에 따라 그 블록의 헤더도 바뀌어 다음 블록의 이전 헤더를 다시 바꾸게 될 수 있다. 즉, 이후의 모든 블록(401)을 해킹해야만 하게 된다. 따라서, 해시값을 통한 체인(402)으로 블록체인의 보안을 높일 수 있다. 제어 장치는 블록체인 네트워크를 통해 정보를 빅데이터화 하고, 강화된 보안을 사용할 수 있다.

일실시예에 따르면, 가맹점 관리를 위한 제어 방법을 사용하는 가맹점의 본사를 포함하는 제1 네트워크 저장장치(410); 해당 가맹점을 포함하는 제2 네트워크 저장장치(420); 블록체인 네트워크의 참여를 희망하는 참여자들을 포함하는 제3 네트워크 저장장치(430); 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망(403)을 포함할 수 있다. 제1, 제2 및 제3으로 분류된 네트워크 저장장치들은 포함된 실무자의 수, 사용자의 수 및 그 저장 장치의 수에 따라 그 수가 결정될 수 있다.

일실시예에 따르면, 제1 네트워크 저장장치(410)는 가맹점 관리를 위한 제어 방법을 사용하는 가맹점의 본사를 포함할 수 있으며, 본사는 해당 직무의 실무자를 포함할 수 있다. 제1 네트워크 저장장치(410)의 수는 본사에서 사용하는 저장 장치의 수에 따라 그 수가 결정 될 수 있다. 가맹점 관리를 위한 제어 장치는 제1 내트워크 저장 장치의 일종일 수 있다. 제1 네트워크 저장장치(410)의 본사 실무자는 해당 가맹점의 평가 업무를 실시하는 자로서, 평가의 결과로 나오는 평가 점수표를 해당 가맹점이 속한 제2 네트워크 저장장치에 전송할 수 있으며, 해당 가맹점에 대한 감사 업무를 수행할 수 있다.

일실시예에 따르면, 제2 네트워크 저장장치(420)는 해당 가맹점을 포함할 수 있다. 제2 네트워크 저장장치(420)는 해당 가맹점 및 가맹점이 보유한 저장 장치의 수에 따라 그 수가 결정될 수 있다. 제2 네트워크 저장장치(420)의 해당 가맹점은 가맹점 관리에 대한 평가 정보를 수집함으로써, 균일한 가맹점 관리를 용이하게 할 수 있으며, 평가 정보에서의 부당한 부분이 있는 경우 본사에 요청해 뉴럴 네트워크의 재학습을 용이하게 할 수 있다.

일실시예에 따르면, 제3 네트워크 저장장치(430)는 블록체인 네트워크의 참여를 희망하는 참여자들을 포함할 수 있다. 제3 네트워크 저장장치(430)의 참여자들은 저장 장치로서의 기능을 수행하기 위한 요청에 의해 제3 네트워크 저장장치(430) 사용자로서 승인을 받을 수 있으며, 해당 블록체인 네트워크의 코인 채굴을 위한 작업을 수행할 수 있다.

일실시예에 따른 초고속 인터넷 연결망(403)은 통상적으로 10Mb/s 이상의 속도를 보이는 인터넷 연결망을 의미하는데, 유선, 무선, 광케이블 기술 등을 포함하는 연결망으로 LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함하나 이에 한정되지 않는다.

도 6은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(1201)는 프로세서(1202) 및 메모리(1203)를 포함한다. 일실시예에 따른 장치(1201)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 5를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 5를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(1203)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(1203)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

일실시예에 따르면, 프로세서(1202)는 프로그램을 실행하고, 장치(1201)를 제어할 수 있다. 프로세서(1202)에 의하여 실행되는 프로그램의 코드는 메모리(1203)에 저장될 수 있다. 장치(1201)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

1. 인공지능을 기반으로 한 가맹점 관리를 위한 제어 방법에 있어서,
   제어 장치가 해당 기간 내 해당 가맹점과 관련한 고객들의 자발적 평가 정보, 비자발적 평가 정보 및 상기 해당 가맹점의 매출 및 비용 정보를 획득하는 단계;
   상기 제어 장치가 상기 자발적 평가 정보에 기초하여 제1 입력 신호를 생성하고, 상기 비자발적 평가 정보에 기초하여 제2 입력 신호를 생성하고, 상기 매출 및 비용 정보에 기초하여 제3 입력 신호를 생성하는 단계;
   상기 제어 장치가 상기 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호를 상기 제어 장치 내 임베디드 컴퓨터의 미리 학습된 뉴럴 네트워크들에 입력하는 단계;
   상기 제어 장치가 상기 입력의 결과에 기초하여, 제1 출력 신호를 획득하는 단계;
   상기 제어 장치가 상기 제1 출력 신호에 기초하여, 상기 해당 가맹점의 평가 점수표를 생성하고, 상기 해당 가맹점이 속한 제2 네트워크 저장장치에 상기 평가 점수표를 전송하는 단계; 및
   상기 제어 장치가 상기 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 상기 평가 점수표를 블록체인 네트워크 내 블록에 저장하는 단계
   를 포함하고,
   상기 자발적 평가 정보를 획득하는 단계는
   자동 검색 툴을 제어해 검색 포털 사이트, 블로그 및 SNS 상에서 상기 해당 가맹점과 관련한 문장을 검색하는 단계;
   상기 검색된 문장을 수정 어절 단위-상기 수정 어절 단위는 기본적으로 문법상의 어절 단위 구분을 따르나, 부사 및 관형사의 경우 상기 부사 및 관형사 뒤에 따르는 부사, 관형사, 감탄사, 형용사 및 동사와 함께 표기하여 구분됨-로 구분하는 단계;
   상기 수정 어절 단위에서 조사를 제거하는 단계;
   상기 제거의 결과에 기초하여, 상기 수정 어절 단위로 구분되는 문장에서 반복되는 단어의 우측에 반복된 수를 부여하는 단계; 및
   상기 부여된 반복된 수에 기초하여 상기 자발적 평가 정보를 획득하는 단계
   를 포함하고,
   상기 비자발적 평가 정보를 획득하는 단계는
   고객 관리 시스템에 가입된 고객이 계산 시 가입된 정보를 획득하는 단계;
   상기 해당 가맹점에서의 계산 완료 후 상기 고객에게 제공되는 설문지-상기 설문지는 총 10개의 문항으로 이뤄져 있으며, 고기의 품질 및 맛에 관한 평가 문항 5개, 고객 관리 서비스에 관한 평가 문항 5개를 포함함-에 대한 고객의 응답 결과를 획득하는 단계; 및
   상기 고객이 재방문 고객인 경우, 상기 고객의 응답 결과에 따른 전체 평가 요소 점수의 평균에 0.3점의 점수를 추가하여 상기 비자발적 평가 정보를 획득하는 단계
   를 포함하고,
   상기 매출 및 비용 정보는 상기 해당 가맹점의 일별 매출 및 비용 내역을 포함하고,
   상기 뉴럴 네트워크들은
   상기 제1 입력 신호를 입력으로 하는 제1 뉴럴 네트워크;
   상기 제1 뉴럴 네트워크의 제어 결과 및 제2 입력 신호를 입력하는 제2 뉴럴 네트워크 및 제3 뉴럴 네트워크; 및
   상기 제2 뉴럴 네트워크 및 상기 제3 뉴럴 네트워크의 제어 결과 및 제3 입력 신호를 입력으로 하는 제4 뉴럴 네트워크
   를 포함하고,
   상기 제1 입력 신호는
   제1 행의 제1 열에 자발적 평가 정보를 이루는 전체 문장을 포함하고,
   상기 전체 문장 중 명백 정보에 대응하는 제1 분류 단어가 상기 제어 장치에 의해 선별되고,
   상기 전체 문장 중 상기 제1 분류 단어 외에 해당하는 단어들 중 상기 해당하는 단어들의 전후에 포함된 분류 기준 단어에 대응하는 제2 분류 단어가 상기 제어 장치에 의해 선별되고,
   상기 제1 분류 단어 및 상기 제2 분류 단어는 상기 제1 입력 신호 내 제2 열부터 제30 열에 배열되며,
   상기 제1 입력 신호는 제1 열부터 제30 열까지에 있어서 상기 제1 분류 단어 및 상기 제2 분류 단어가 입력되지 않은 열에는 'X'를 포함하는 벡터이며,
   상기 제1 뉴럴 네트워크는
   상기 제1 입력 신호 내 단어들을 긍정 및 부정 단어로 분류하고,
   상기 제1 입력 신호 내 단어들의 긍정 빈도, 부정 빈도 및 부사 및 관형어 표현 여부에 기초하여, 점수를 생성하고,
   상기 생성된 점수에 기초하여, 제1 출력값 및 제2 출력값을 생성하고,
   상기 제2 뉴럴 네트워크는
   상기 제1 뉴럴 네트워크의 결과값-상기 제1 뉴럴 네트워크의 결과값이 50개 모이면, 상기 제1 뉴럴 네트워크의 상기 제1 출력값이 1행의 백터의 각 열에 배열됨 1열부터 50열까지 배열됨-과 상기 제2 입력 신호의 고기 품질 평가값-상기 고기 품질 평가값은 상기 비자발적 평가 정보의 값들 중 고기 품질 및 맛에 관한 5개의 문항의 평균값에 기초하여 생성되고, 총 50개의 제2 입력 신호들로부터 1행의 벡터의 51열부터 100열까지 배열됨-을 입력으로 하고,
   상기 제2 뉴럴 네트워크의 입력의 각 열에 해당하는 100개의 입력 값의 평균, 분포, 최소값, 최대값, 중간값, 분산 및 표준편차에 기초하여, 상기 해당 가맹점의 고기 품질 및 맛에 대한 평가를 출력으로 하고,
   상기 제3 뉴럴 네트워크는
   상기 제1 뉴럴 네트워크의 결과값-상기 제1 뉴럴 네트워크의 결과값이 50개 모이면, 상기 제1 뉴럴 네트워크의 상기 제2 출력값이 1행의 백터의 각 열에 배열해 1열부터 50열까지 배열됨-과 상기 제2 입력 신호의 고객 만족 평가값-상기 고객 만족 평가값은 상기 비자발적 평가 정보의 값들 중 고객 관리 서비스에 관한 5개의 문항의 평균값에 기초하여 생성되고, 총 50개의 제2 입력 신호들로부터 1행의 벡터의 51열부터 100열까지 배열됨-을 입력으로 하고,
   상기 제3 뉴럴 네트워크의 입력의 각 열에 해당하는 100개의 입력 값의 평균, 분포, 최소값, 최대값, 중간값, 분산 및 표준편차에 기초하여, 상기 해당 가맹점의 고객 관리 서비스에 대한 평가를 출력으로 하고,
   상기 제4 뉴럴 네트워크는
   상기 제2 뉴럴 네트워크의 결과값을 제1 행의 제1 열에, 상기 제3 뉴럴 네트워크의 결과값을 제1 행의 제2 열에, 상기 제3 입력 신호를 제1 행의 제3 열, 제4 열 및 제5 열에 배열한 벡터를 입력으로 하고,
   상기 해당 가맹점에 대한 최종 평가 점수를 포함하는 0 내지 1의 소수점 값을 코드화하여 상기 제1 출력 신호를 출력으로 하는,
   가맹점 관리를 위한 제어 방법.
   
2. 삭제
3. 삭제
4. 삭제
5. 제1 항에 있어서,
   상기 블록체인 네트워크는
   상기 제1 입력 신호, 제2 입력 신호 및 제3 입력 신호와 상기 평가 점수표를 포함하는 블록들;
   각 블록을 시간 순으로 연결하는 체인들; 및
   상기 각 블록 및 체인을 저장하는 상기 네트워크 저장장치들
   을 포함하는 프라이빗 블록체인 네트워크이고,
   상기 네트워크 저장장치들은
   상기 가맹점 관리를 위한 제어 방법을 사용하는 가맹점의 본사를 포함한 제1 네트워크 저장장치;
   상기 해당 가맹점을 포함하는 제2 네트워크 저장장치;
   상기 블록체인 네트워크의 참여를 희망하는 참여자들을 포함하는 제3 네트워크 저장장치; 및
   각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망
   을 포함하는
   가맹점 관리를 위한 제어 방법.
   
   

Images