KR102163354B1

KR102163354B1 - 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법

Info

Publication number: KR102163354B1
Application number: KR1020180035602A
Authority: KR
Inventors: 최태웅; 전용배; 안재영; 심규영
Original assignee: 에스케이네트웍스 주식회사
Priority date: 2018-03-05
Filing date: 2018-03-28
Publication date: 2020-10-08
Also published as: KR102180881B1; KR20190105479A; KR20190105477A; KR102180869B1; KR20190109700A; KR20190109703A; KR102112394B1; KR20190105478A; KR20190109701A; KR20190105476A; KR102180874B1; KR102096157B1; KR102163349B1; KR102096158B1; KR20190105481A; KR20190109702A; KR102168990B1

Abstract

렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법이 개시된다.
이 방법에서, 자연어 키워드로부터 추출되는 특징 단어와 이에 대응되는 차량 특성 엔티티(entity)로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계 학습하여 특징 단어에 대응되는 차량 특성 엔티티를 검출하기 위한 학습 모델을 생성하는 단계가 먼저 수행된다. 그 후, 고객 단말로부터 입력되는 자연어 키워드로부터 추출되는 특징 단어에 대응되는 차량 정보를 패턴 매칭에 의해 검출하는 단계가 수행된다. 다음, 상기 패턴 매칭에 의해 상기 특징 단어에 대응되는 차량 정보가 검출되지 않는 경우, 상기 학습 모델을 사용하여, 상기 특징 단어에 대응되는 차량 특성 엔티티를 추출하고, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출하는 단계가 수행된다. 그리고, 상기 패턴 매칭에 의해 검출된 차량 정보 또는 상기 차량 특성 엔티티에 대응되어 검출되는 차량 정보를 상기 고객 단말로 제공하여, 상기 고객이 검색된 차량 정보에 기반하여 검색된 차량 중에서 상기 고객이 원하는 차량을 검색하도록 하는 단계가 수행된다.

Description

렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법 {RENTAL CAR SERVICE APPARATUS AND VEHICLE SEARCHING SERVICE METHOD BASED ON ARTIFICIAL INTELLIGENCE IN THE SAME}

본 발명은 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법에 관한 것이다.

최근 다른 도시에서의 여행을 위해 차량을 단기로 임대하거나 또는 차량 구매시 발생하는 초기 비용을 줄일 수 있다는 장점과 법인이나 개인 사업자의 비용 처리 용이 및 절세 효과 등으로 인해 장기로 임대하는 렌터카 서비스가 대중화되고 있다.

그런데, 일반적인 렌터카 서비스의 경우, 차량을 임대하려는 사람, 즉 고객이 렌터카 회사 또는 임대하고자 하는 위치로 직접 방문해서 렌터카 회사에서 제공하는 서식에 따라 차량의 임대차 계약을 작성한 후 즉석에서 차량을 인수하거나, 또는 고객이 렌터카 회사에 전화를 걸어서, 차량의 임대 기간, 임대 차량의 종류 또는 차량의 임대 기간에 따른 수수료 등을 확인한 후, 임대할 차량이 있으면 차량의 임대 계약을 체결하여 차량을 임대하였다.

최근에는 유무선 인터넷을 통한 온라인 차량의 렌터카 서비스가 제공되고 있으며, 이 경우 고객이 렌터카 서비스를 위한 시스템에 접속하여 자동차를 임대할 차종, 지역, 날짜, 대여 기간, 운전 기사 포함 여부 등을 기록하여 계약 가능한지를 검색한 후 해당 차종을 선택하여 예약하고, 예약한 당일에 해당 렌터카업체로 방문하거나 또는 서로 협의한 위치에서 임대한 차량을 인수한다.

그러나 종래 방식에 따른 온라인 렌터카 서비스의 경우 차량 검색이 차량의 종류, 가격대, 연료 종류 등으로만 한정되어 있어서 고객이 원하는 차량의 검색이 쉽지 않을 뿐만 아니라 오프라인 상에서 영업자를 통해 원하는 형태의 차량을 추천받는 바와 같은 형태의 차량 검색 기능을 제공하지 않는다는 문제점이 있다.

본 발명이 이루고자 하는 기술적 과제는 고객이 원하는 차량 특성에 적합한 차량을 검색하여 선택할 수 있도록 하는 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법을 제공한다.

본 발명의 한 특징에 따른 차량 검색 서비스 방법은,

렌터카 서비스 장치가 차량 검색을 서비스하는 방법으로서, 자연어 키워드로부터 추출되는 특징 단어와 이에 대응되는 차량 특성 엔티티(entity)로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계 학습하여 특징 단어에 대응되는 차량 특성 엔티티를 검출하기 위한 학습 모델을 생성하는 단계; 고객 단말로부터 입력되는 자연어 키워드로부터 추출되는 특징 단어에 대응되는 차량 정보를 패턴 매칭에 의해 검출하는 단계; 상기 패턴 매칭에 의해 상기 특징 단어에 대응되는 차량 정보가 검출되지 않는 경우, 상기 학습 모델을 사용하여, 상기 특징 단어에 대응되는 차량 특성 엔티티를 추출하고, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출하는 단계; 및 상기 패턴 매칭에 의해 검출된 차량 정보 또는 상기 차량 특성 엔티티에 대응되어 검출되는 차량 정보를 상기 고객 단말로 제공하여, 상기 고객이 검색된 차량 정보에 기반하여 검색된 차량 중에서 상기 고객이 원하는 차량을 검색하도록 하는 단계를 포함한다.

여기서, 상기 렌터카 서비스 장치는 특징 단어의 패턴과 상기 특징 단어의 패턴에 대응되는 차량 정보를 저장하는 특징 기반 데이터베이스를 포함하며, 상기 차량 정보를 패턴 매칭에 의해 검출하는 단계는, 상기 고객 단말로부터 입력되는 자연어 키워드로부터 특징 단어를 추출하는 단계; 추출되는 특징 단어의 패턴이 상기 특징 기반 데이터베이스에서 일치하는 패턴이 매칭되는지를 판단하는 단계; 및 상기 추출되는 특징 단어의 패턴이 상기 차량 정보 데이터베이스에서 일치하는 패턴이 매칭되는 경우, 매칭되는 패턴에 대응되어 저장된 차량 정보를 검출하는 단계를 포함한다.

또한, 상기 렌터카 서비스 장치는 차량별로 대응되는 차량 특성 엔티티를 저장한 차량 정보 데이터베이스를 더 포함하며, 상기 차량 특성 엔티티에 대응되는 차량 정보를 검출하는 단계는, 상기 추출되는 특징 단어의 패턴이 상기 차량 정보 데이터베이스에서 일치하는 패턴이 매칭되지 않는 경우, 상기 학습 모델을 사용하여, 상기 추출되는 특징 단어에 대응되는 차량 특성 엔티티를 추출하는 단계; 및 상기 차량 정보 데이터베이스에 기초하여, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출하는 단계를 포함한다.

또한, 상기 차량을 검색하도록 하는 단계는, 차량과 직접적으로 연관되는 키워드에 따라 차량을 검색하여 제공하는 차량 직접 검색을 혼합하여 수행한다.

또한, 상기 차량과 직접적으로 연관되는 키워드는 차량의 제조사, 차량의 유형, 차량의 명칭 및 차량의 사용 연료에 대응되는 키워드이다.

또한, 상기 자연어 키워드는 차량과 직접적으로 연관되지 않은 키워드이다.

본 발명의 다른 특징에 따른 렌터카 서비스 장치는,

자연어 키워드로부터 추출되는 특징 단어와 이에 대응되는 차량 특성 엔티티로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계 학습하여 특징 단어에 대응되는 차량 특성 엔티티를 검출하기 위한 학습 모델을 생성한 후, 생성된 학습 모델을 사용하여 특징 단어에 대응되는 차량 특성 엔티티를 검출하는 기계 학습부; 고객에 의해 자연어 키워드가 입력되는 경우 상기 자연어 키워드로부터 특징 단어를 추출하고, 추출되는 특징 단어에 대응되는 차량 정보를 패턴 매칭에 의해 검출하며, 상기 패턴 매칭에 의해 상기 특징 단어에 대응되는 차량 정보가 검출되지 않는 경우, 상기 기계 학습부를 통해 상기 학습 모델을 사용하여 상기 특징 단어에 대응되는 차량 특성 엔티티를 추출하고, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출한 후, 검출된 차량 정보를 상기 고객 단말에게 제공하는 검색부; 및 네트워크를 통해 접속되는 상기 고객 단말을 통해 상기 고객의 자연어 키워드를 입력받아서 상기 검색부를 제어하여 차량 검색을 수행하여 상기 검색된 차량 정보를 상기 고객 단말로 제공하여, 상기 고객이 상기 검색된 차량 정보에 기반하여 상기 검색된 차량 중에서 상기 고객이 원하는 차량을 검색하도록 제어하는 제어부를 포함한다.

여기서, 상기 검색부는, 특징 단어의 패턴과 상기 특징 단어의 패턴에 대응되는 차량 정보를 저장하는 특징 기반 데이터베이스; 입력되는 자연어 키워드에 대한 자연어 분석을 수행하여 상기 자연어 키워드로부터 특징 단어를 추출하는 자연어 분석부; 상기 자연어 분석부에 의해 추출되는 특징 단어에 대해 상기 특징 기반 데이터베이스를 통해 패턴이 매칭되는 경우 매칭되는 패턴에 대응되는 차량 정보를 검출하고, 패턴이 매칭되지 않는 경우, 상기 자연어 분석부에 의해 추출되는 특징 단어를 상기 기계 학습부로 전달하여 상기 추출되는 특징 단어에 대응되는 차량 정보를 제공받는 패턴 매칭부; 및 상기 패턴 매칭부에 의해 검출되는 차량 정보를 상기 고객 단말에게 제공하는 검색 처리부를 포함한다.

또한, 상기 기계 학습부는, 학습 모델을 저장하는 학습 모델 데이터베이스; 상기 검색부로부터 입력되는 '특징 단어-특성 엔티티'로 구성된 데이터 집합을 사용하여 차량 특성 엔티티 검출을 위한 기계 학습을 수행하여 학습 결과에 따라 대응되어 생성되는 학습 모델을 상기 학습 모델 데이터베이스 저장하는 특성 엔티티 학습부; 상기 학습 모델 데이터베이스에 저장된 학습 모델을 사용하여, 상기 검색부로부터 전달되는 특징 단어에 대응되는 차량 특성 엔티티를 추출하는 특성 엔티티 추출부; 및 차량별로 대응되는 차량 특성 엔티티를 저장한 차량 정보 데이터베이스에 기초하여, 상기 특성 엔티티 추출부에 의해 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출하여 상기 검색부로 제공하는 차량 정보 검출부를 포함한다.

또한, 상기 검색부를 통해 상기 검색된 차량 중에서 상기 고객에 의해 선택된 차량에 대한 견적을 생성하는 견적부; 및 상기 고객에 의해 요청된 차량 임대에 대한 전자 계약을 수행하는 전자 계약부를 더 포함한다.

또한, 상기 검색부는 상기 차량과 직접적으로 연관되는 키워드를 사용하여 차량 직접 검색을 추가로 수행하고, 상기 검색부는 상기 인공지능 기반 차량 검색과 상기 차량 직접 검색을 결합한 혼합 검색을 수행한다.

또한, 상기 검색부는 상기 고객의 맞춤 정보 기반으로 차량 검색을 수행하며, 상기 고객의 맞춤 정보는 상기 고객의 주거 위치 정보 및 선호 차량 정보를 포함한다.

또한, 상기 견적부는 견적이 요청된 차량의 정보에 대한 이력을 상기 기계 학습부로 전달하고, 상기 기계 학습부는 상기 견적이 요청된 차량의 정보를 추가로 사용하여 기계 학습을 수행한다.

본 발명에 따르면, 차량과 직접적으로 연관되지 않은 자연어 키워드를 사용하여 차량을 검색할 수 있으므로 임대 차량의 폭넓은 선택과 고객이 체감하는 형태의 차량 검색 서비스를 제공할 수 있다.

또한, 고객이 입력한 자연어 키워드에 대응되는 차량 특성에 따른 인공지능 기반 검색을 수행하여 고객이 원하는 용도에 매우 유사한 형태의 차량 검색 정보를 제공할 수 있다.

또한, 고객이 입력한 자연어 키워드로부터 추출되는 특징 단어의 패턴 매칭에 의해 빠른 검색 서비스를 제공할 수 있다.

도 1은 본 발명의 실시예에 따른 렌터카 서비스 장치가 사용되는 개략적인 예를 도시한 도면이다.
도 2는 도 1에 도시된 발명의 실시예에 따른 렌터카 서비스 장치의 구체적인 구성 블록도이다.
도 3은 도 2에 도시된 검색부의 구체적인 구성 블록도이다.
도 4는 도 2에 도시된 기계 학습부의 구체적인 구성 블록도이다.
도 5는 도 3에 도시된 검색부에 의해 수행되는 패턴 매칭 기반 차량 검색 과정의 예를 도시한 도면이다.
도 6은 도 4에 도시된 기계 학습부에 의해 수행되는 인공지능 기반 차량 검색 과정의 예를 도시한 도면이다.
도 7은 본 발명의 실시예에 따른 인공지능 기반 차량 검색 서비스 방법의 개략적인 흐름도이다.
도 8은 도 7에 도시된 인공지능 기반 차량 검색의 구체적인 과정을 도시한 도면이다.
도 9는 본 발명의 실시예에 따른 차량 검색 서비스 방법에서 인공지능 기반 차량 검색 예를 도시한 도면이다.
도 10은 본 발명의 실시예에 따른 차량 검색 서비스 방법에서 고객 단말에 표시되는 검색 차량 정보 화면의 개략적인 내용을 도시한 도면이다.
도 11은 도 10의 검색 차량 정보 화면의 하나의 구체적인 예를 도시한 도면이다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 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.

명세서 전체에서, 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, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

이하, 도면을 참조하여 본 발명의 실시예에 따른 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법에 대해 설명한다.

도 1은 본 발명의 실시예에 따른 렌터카 서비스 장치가 사용되는 개략적인 예를 도시한 도면이다.

도 1을 참조하면, 본 발명의 실시예에 따른 렌터카 서비스 장치(100)는 네트워크(200)를 통해 고객 단말(300)과 연결되고, 또한 네트워크(200)를 통해 외부의 각종 서버(400)에 연결된다. 이 때 외부의 각종 서버(400)는 차량을 임대하는 고객의 신용 심사를 위해 요구되는 각종 서류를 제공하는 서버들일 수 있다.

여기서, 네트워크(200)는 네트워크(200)에 연결된 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(200)의 예로는 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5rd Generation Partnership Project) 네트워크, LAN(Local Area Network), 무선 LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스(Bluetooth) 네트워크 등이 포함되나 이에 한정되지는 않는다.

고객 단말(300)은 네트워크(200)를 통해 렌터카 서비스 장치(100)에 접속하여 고객이 원하는 차량을 검색하고 검색된 차량의 견적을 생성하여 견적이 생성된 차량에 대한 전자 계약을 수행할 수 있도록 하는 단말이다. 구체적으로, 고객 단말(300)은 차량 검색을 하기 위한 키워드를 입력하여 렌터카 서비스 장치(100)에게 제공하고, 렌터카 서비스 장치(100)로부터 키워드에 해당하는 차량 정보를 수신하여 표시하며, 렌터카 서비스 장치(100)에게 표시된 차량에 대해 견적 생성을 요청하고, 생성된 견적 정보를 수신하여 표시하며, 또한, 임대를 원하는 차량에 대한 계약을 렌터카 서비스 장치(100)에게 요구하고, 렌터카 서비스 장치(100)로부터 계약 내용을 수신하여 표시한 후 계약 내용에 대한 전자 서명을 수행하여 렌터카 서비스 장치(100)에게 제공한다. 이러한 고객 단말(300)은 대응되는 네트워크(200)를 통해 렌터카 서비스 장치(100)에 접속할 수 있는 단말 또는 컴퓨터 등일 수 있다. 여기서, 단말이나 컴퓨터는, 예를 들어, 유무선 인터넷 기반 웹 브라우저(WEB browser)가 탑재된 무선 통신 장치, 노트북, 데스크탑, 개인용 컴퓨터 등일 수 있다. 또한, 무선 통신 장치는 PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 태블릿 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

렌터카 서비스 장치(100)는 고객 단말(300)을 통한 인공지능(Artificial Intelligence, AI) 기반 차량 검색 기능을 제공한다. 예를 들어, 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망(Artificial Neural Network, ANN)을 기반으로 구축된 기계 학습 기술인 딥 러닝(deep learning) 기술 기반으로 자연어 키워드들에 대응되는 차량 검색에 대한 학습을 수행하고, 이러한 학습 결과를 사용하여 고객 단말(300)로부터 입력되는 자연어 키워드를 사용하여 검색되는 차량 정보를 고객 단말(300)에게 제공할 수 있다.

특히, 본 발명의 실시예에서는 검색 대상의 차량과 관련되지 않은 자연어 키워드, 예를 들어, 차량의 제원, 차량의 명칭, 차량의 제조사, 차량의 사용 연료 등과 같이 차량과 직접적으로 연관되는 키워드가 아닌 키워드, 예를 들어, 차량의 사용 용도, 고객의 사용 용도 등과 같은 자연어 키워드를 대상으로 차량 검색이 가능하도록 하는 학습 모델을 사용할 수 있다.

따라서, 본 발명의 실시예에서는 고객 단말(300)을 통해 고객이 자신이 사용하고자 하는 용도, 예를 들어, "가족 주말 나들이용", "출퇴근용" 등과 같은 용도를 나타내는 자연어 키워드를 입력하면, 인공지능 기반으로 이미 학습된 학습 모델을 통해 고객이 입력한 자연어 키워드에 해당되는 차량을 검색하여 고객 단말(300)로 제공하게 된다.

또한, 렌터카 서비스 장치(100)는 고객 단말(300)에 의해 선택되는 차량의 견적을 생성하여 고객 단말(300)에게 제공할 수 있다. 이 때의 차량 견적은 또한 고객 단말(300)에 의해 선택되는 차량 관련 옵션, 기간별 임대료, 임대 조건, 차량 보험 등의 정보를 사용하여 보다 구체적으로 생성될 수 있다.

또한, 렌터카 서비스 장치(100)는 고객 단말(300)의 선택에 의해 견적이 생성된 차량에 대한 전자 계약을 수행한다. 렌터카 서비스 장치(100)는 차량을 임대하는 고객의 신용 심사를 위해 외부의 각종 서버(400)로부터 각종 서류를 제공받아서 전자 계약시 사용할 수 있다.

한편, 렌터카 서비스 장치(100)는 네트워크(200)를 통해 단말(300)이나 외부의 서버(400)에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 서버를 구성할 수 있는 예를 들어, 중대형 컴퓨터, 데스크탑 컴퓨터 등일 수 있다.

이하, 본 발명의 실시예에 따른 렌터카 서비스 장치(100)에 대해 보다 구체적으로 설명한다.

도 2는 도 1에 도시된 발명의 실시예에 따른 렌터카 서비스 장치(100)의 구체적인 구성 블록도이다.

도 2에 도시된 바와 같이, 발명의 실시예에 따른 렌터카 서비스 장치(100)는 고객 인터페이스(110), 서버 인터페이스(120), 정보 데이터베이스(Database, DB)(130), 기계 학습부(140), 검색부(150), 견적부(160), 전자 계약부(170) 및 관리부(180)를 포함한다. 이 때, 도 2에 도시된 렌터카 서비스 장치(100)는 본 발명의 일 실시예에 불과하므로 도 2를 통해 본 발명이 한정 해석되는 것은 아니며, 본 발명의 다양한 실시예들에 따라 도 2와 다르게 구성될 수도 있다.

고객 인터페이스(110)는 네트워크(200)를 통해 고객 단말(100)이 렌터카 서비스 장치(100)에 접속할 수 있도록 하는 인터페이스를 제공한다.

서버 인터페이스(120)는 렌터카 서비스 장치(100)가 네트워크(200)를 통해 외부 서버(400)에 접속할 수 있도록 하는 인터페이스를 제공한다.

정보 DB(130)는 렌터카 서비스 장치(100)가 고객에게 차량 검색, 차량 견적 생성, 차량 전자 계약 등을 포함하는 렌터카 서비스를 제공하는 데 사용되는 각종의 정보를 저장하고 관리한다. 이러한 정보 DB(130)는 고객에게 임대 가능한 차량의 정보를 저장하는 차량 정보 DB(131), 본 렌터카 서비스를 사용하기 위해 회원으로 등록한 고객의 정보를 저장하는 고객 정보 DB(132), 고객에 의해 입력된 자연어 키워드를 사용하여 인공지능 기반으로 검색된 차량 검색 정보를 저장하는 검색 정보 DB(133), 차량 견적 생성에 사용되는 각종 옵션별 견적 정보와 고객에 의해 차량 견적이 요청되어 생성된 견적 정보를 저장하는 견적 정보 DB(134) 및 본 렌터카 서비스를 통해 서비스된 차량 임대 계약 정보를 저장하는 계약 정보 DB(135) 등을 포함한다. 특히, 차량 정보 DB(131)에는 본 발명의 실시예에 따른 인공지능 기반 차량 검색을 위해 차명별로 대응되는 차량 특성 엔티티(entity) 정보가 저장된다. 여기서, 차량 특성 엔티티는 차량별 특성을 나타내는 것으로, 예를 들어, 승차감, 업무용, 출퇴근, 레져, 카시트 등을 포함한다. 이외에도 렌터카 서비스 장치(100)는 인공지능 기반 차량 검색을 위해 차량별로 필요한 특성을 추가로 저장하고 관리할 수 있다.

기계 학습부(140)는 특징 단어와 이에 대응되는 차량 특성 엔티티(entity)로 구성된 데이터 집합으로서 다량의 데이터를 기계 학습하여 대응되는 학습 모델을 생성하고, 생성된 학습 모델을 사용하여 자연어 키워드로부터 추출된 특징 단어에 대응되는 차량 특성 엔티티를 추출한 후 추출된 차량 특성 엔티티에 해당하는 차량 정보를 검출하여 제공한다. 여기서, 기계 학습은 인공지능의 한 분야로서, 방대한 데이터를 분석해서 미래를 예측하는 기술이며, 컴퓨터가 스스로 학습 과정을 거치면서 입력되지 않은 정보를 습득하여 문제를 해결하는 기술이다. 기계 학습을 위해 CNN(Convolutional Neural Network), R-CNN(Region with Convolutional Neural Network), LSTM((Long Short Term Memory) 등의 신경망을 활용하는 딥러닝 기술이 사용될 수 있다.

상기한 바와 같이, 본 발명의 실시예에서는 종래와 같이 차량과 직접적으로 연관되는 키워드, 예를 들어, 차량의 제조사, 차량의 제원, 차량의 명칭, 차량의 사용 연료 등의 키워드로서 직접적인 키워드를 사용하여 차량을 검색하는 서비스는 물론, 차량과 직접적으로 연관되지 않는 고객이 원하는 용도, 예를 들어, "가족 주말 나들이용", "출퇴근용"등의 자연어 키워드에 대해 차량 검색이 가능하도록 기계 학습을 수행하여 대응되는 학습 모델을 생성하고, 마찬가지로 차량과 직접적으로 연관되지 않는 고객이 원하는 용도에 대응되는 자연어 키워드가 입력되는 경우 상기한 학습 모델을 사용하여 입력된 자연어 키워드에 대응되는 차량을 검색하여 제공할 수 있다.

본 발명의 실시예에서, 기계 학습부(140)는 자연어 키워드로부터 차량 특성 엔티티를 추출하고 추출된 차량 특성 엔티티를 포함하는 차량을 검출하여 제공할 수 있다. 이러한 기계 학습부(140)의 구체적인 구성에 대해서는 추후 설명한다.

검색부(150)는 고객 인터페이스(110)를 통해 고객 단말(300)에게 차량 검색을 위한 화면을 표시하고, 고객 단말(300)을 통해 고객이 원하는 차량을 검색하기 위한 자연어 키워드가 입력되면, 입력된 자연어 키워드로부터 특징 단어를 추출하고, 추출된 특징 단어의 패턴에 매칭되는 차량 정보를 검색하여 제공한다.

선택적으로, 검색부(150)는 입력된 자연어 키워드로부터 추출된 특징 단어의 패턴에 매칭되는 차량 정보가 검색되지 않는 경우, 추출된 특징 단어를 기계 학습부(140)로 전달하고, 기계 학습부(140)로부터 전달된 특징 단어에 대응되어 검색된 차량 정보를 수신하여 고객 단말(300)로 제공함과 동시에 고객 단말(300) 또는 고객에 대응하여 검색된 차량 정보를 검색 정보 DB(133)에 저장한다.

또한, 검색부(150)는 상기한 바와 같은 인공 지능 기반 검색은 물론 차량과 직접 연관된 키워드를 사용하여 차량 직접 검색이 가능하도록 하는 검색 서비스를 제공할 수 있다.

또한, 검색부(150)는 고객에 의해 입력되거나 선택된 고객의 맞춤 정보에 따라 차량을 검색하여 고객 단말(300)로 제공할 수 있다. 여기서, 고객의 맞춤 정보로는 고객의 주거 위치 정보, 선호 차량 정보 등이 있을 수 있다.

또한, 검색부(150)는 인공지능 기반 검색과 차량 직접 검색을 결합하여 혼합 검색이 가능하도록 할 수 있다. 예를 들어, 차량 직접 검색에서 차량과 직접적으로 연관되는 검색 키워드에 의해 차량 검색 범위를 한정한 후 한정된 범위 내의 차량 중에서 자연어 키워드 입력에 따른 인공지능 기반 검색을 수행할 수 있다. 또는, 이와 달리, 인공지능 기반으로 자연어 키워드에 따른 검색 후 그 결과 내에서 차량 직접 검색을 통한 검색이 이루어질 수 있도록 할 수 있다.

또한, 검색부(150)는 검색된 차량별로 가상 시승 안내, 제원 비교, 전문가 리뷰, 사용자 리뷰 등을 추가로 제공할 수 있다.

견적부(160)는 검색부(150)를 통해 고객 단말(300)에게 제공된 검색된 차량 중에서 고객이 선택한 차량에 대한 견적을 생성할 수 있는 화면을 고객 단말(300)로 제공하고, 고객 단말(300)을 통해 견적 생성을 위한 각종의 옵션 정보 등이 입력되거나 선택되는 경우 해당 차량에 대한 견적을 생성하여 고객 단말(300)로 제공한다.

견적부(160)는 검색부(150)를 통해 검색된 차량 중에서 고객에 의해 견적 생성이 요청된 차량 정보에 대한 이력 및 견적 정보를 견적 정보 DB(134)에 저장하고 관리하고, 기계 학습부(140)가 견적 정보 DB(134)에 저장된 견적 정보 이력을 기계 학습시에 반영하여 학습이 수행되도록 할 수 있다. 예를 들어, 차량 선호도 정보, 성별 선호도 정보, 연령대별 선호도 정보로서 반영되어 인공지능 기반 검색시 반영되도록 할 수 있다. 또한, 이러한 정보는 검색부(150)에서 검색된 차량별 정보로서도 또한 제공될 수도 있다.

전자 계약부(170)는 견적부(160)에 의해 생성된 차량에 대한 견적에 대해 고객이 대응하여 해당 차량에 대한 전자 계약을 수행할 수 있도록 하며, 이 때 외부의 서버(400)로부터 고객의 신용 심사 관련 서류를 획득하여 전자 계약시에 사용할 수 있다.

제어부(180)는 검색부(150), 견적부(160) 및 전자 계약부(170)를 제어하여, 고객 단말(300)에게 차량 직접 검색은 물론 인공지능 기반의 차량 검색 서비스를 제공하고, 인공지능 기반으로 검색된 차량에 대해 고객이 입력한 자연어 키워드 기반의 선택이 가능하도록 하며, 또한 고객에 의해 선택된 차량에 대한 전자 계약에 따른 임대 계약을 수행한다.

이와 같이, 본 발명의 실시예에 따르면, 차량과 직접적으로 연관되지 않은 자연어 키워드를 사용하여 차량을 검색할 수 있으므로 임대 차량의 폭넓은 선택과 고객이 체감하는 형태의 차량 검색 서비스를 제공할 수 있다.

도 3은 도 2에 도시된 검색부(150)의 구체적인 구성 블록도이다.

도 3에 도시된 바와 같이, 검색부(150)는 키워드 수신부(151), 자연어 분석부(152), 특징 기반 DB(153), 패턴 매칭부(154) 및 검색 처리부(155)를 포함한다.

키워드 수신부(151)는 고객 단말(300)로부터 입력된 자연어 키워드를 수신한다.

자연어 분석부(152)는 키워드 수신부(151)에 의해 수신되는 고객이 입력한 자연어 키워드에 대한 자연어 분석을 수행하여 자연어 키워드에 포함된 특징 단어를 추출한다. 예를 들어, 자연어 키워드가 "승차감이 좋은 출장용 차량?"인 경우 '승차감', '출장' 등의 특징 단어가 추출될 수 있고, 자연어 키워드가 "나들이용 차량?"인 경우 '나들이'라는 특징 단어가 추출될 수 있으며, 자연어 키워드가 "아기와 여행가기 좋은 차량?"인 경우 '아기', '여행' 등의 특징 단어가 추출될 수 있다. 기본적으로 자연어 분석부(152)는 자연어 키워드에 포함된 명사, 동사 등의 단어가 해당될 수 있다. 또한, 자연어 분석부(152)도 인공지능 기반 기계 학습에 의해 특징 단어가 학습되고 학습 결과를 통해 입력되는 자연어 키워드에 대응되는 특징 단어 추출이 수행될 수 있다.

특징 기반 DB(153)는 자연어 키워드로부터 추출되는 특징 단어와 이에 대응되는 차량 정보를 저장한다. 이러한 정보는 사전에 저장되거나 또는 본 발명의 실시예에 따른 인공지능 기반 차량 검색 서비스 중에 추가로 저장될 수 있다.

패턴 매칭부(154)는 자연어 분석부(152)에 의해 추출된 특징 단어에 대해 특징 기반 DB(153)에서 매칭되는 패턴이 있는지를 확인하고, 매칭되는 패턴이 있는 경우 매칭되는 패턴, 즉 특징 단어에 대응되는 차량 정보를 검출한다. 이 때, 특징 단어는 하나 이상일 수 있다. 예를 들어, 자연어 키워드로부터 2개의 특징 단어가 추출되는 경우에는 2개의 추출된 특징 단어에 모두 매칭되는 차량 정보가 검출될 수 있다.

한편, 패턴 매칭부(154)는 매칭되는 패턴이 없는 경우에는 특징 단어를 기계 학습부(140)로 전달하고, 기계 학습부(140)에 의해 특징 단어에 대응되도록 검출된 차량를 제공받는다. 이 때, 패턴 매칭부(154)는 기계 학습부(140)로부터 제공되는 특징 단어에 대응되는 차량 정보를 추가 특징 패턴으로서 특징 기반 DB(153)에 추가로 저장할 수 있다.

검색 처리부(155)는 패턴 매칭부(154)에 의해 검출되는 차량 정보를 자연어 키워드(151)에 의해 수신되는 자연어 키워드에 의해 검출된 차량 정보로서 검색 정보 DB(133)에 저장하는 동시에 고객 단말(300)에게 차량 검색 정보로서 제공한다.

도 4는 도 2에 도시된 기계 학습부(140)의 구체적인 구성 블록도이다.

도 4에 도시된 바와 같이, 기계 학습부(140)는 특성 엔티티 학습부(141), 학습 모델 DB(142), 특성 엔티티 추출부(143) 및 차량 정보 검출부(144)를 포함한다.

특성 엔티티 학습부(141)는 검색부(150)로부터 입력되는 '특징 단어-특성 엔티티'로 구성된 다량의 데이터 집합을 사용하여 특성 엔티티 검출을 위한 기계 학습을 수행하여 학습 결과에 대응되는 학습 모델을 생성한다.

학습 모델 DB(142)는 특성 엔티티 학습부(141)에 의해 생성되는 학습 모델을 저장한다.

특성 엔티티 추출부(143)는 검색부(150)로부터 입력되는 특징 단어에 대해 학습 모델 DB(142)에 저장된 학습 모델을 사용하여 특징 단어에 대응되는 특성 엔티티를 추출한다.

한편, 특성 엔티티 학습부(141)와 특성 엔티티 추출부(143)는 통합되어 하나의 구성요소로서 구현될 수 있으며, 이 경우 하나의 신경망을 사용하여 구현될 수 있다.

차량 정보 검출부(144)는 특성 엔티티 추출부(143)에 의해 추출되는 특성 엔티티를 포함하는 차량 정보를 차량 정보 DB(131)를 통해 검출하여 검색부(150)로 제공한다. 이 때, 차량 정보 검출부(144)는 차량 정보 DB(131)에 저장되어 있는 차량별 특성 엔티티 정보를 사용하여 특성 엔티티 추출부(143)로부터 전달되는 특성 엔티티에 대응되는 차량 정보를 검출할 수 있다.

도 5에 도시된 예를 들어, 검색부(150)의 키워드 수신부(151)에 의해 "승차감이 좋은 출장용 차량?", "나들이용 차량?" 또는 "아기와 여행가기 좋은 차량?" 등 3 종류의 차량 검색용 자연어 키워드가 선택적으로 수신되면, 자연어 분석부(142)는 입력된 자연어 키워드로부터 각각 대응되는 '승차감, 출장', '나들이', '아기, 여행' 등의 특징 단어를 추출한다.

그 후, 추출된 특징 단어, 예를 들어, '승차감, 출장', '나들이', '아기, 여행'에 대해 특징 기반 DB(153)에서 대응되는 패턴이 있는지를 확인하여 대응되는 패턴이 있으면 해당 패턴에 대응되는 차량 정보를 검출한다. 예를 들어, 특징 단어가 '승차감, 출장'인 경우, 이 둘의 특징 단어를 모두 만족시키는 차량 정보가 '그랜져'이므로 '그랜져'가 최종 차량 정보로서 검출된다. 특징 단어, '나들이'의 경우에는 3가지의 차량 정보, 즉 '아반떼', '스포티지', '카렌스'가 검출될 수 있다.

한편, 특징 단어 '아기, 여행'의 경우 '여행'특징 단어에 대해서는 일치하는 패턴이 있으나, '아기'에 대한 패턴 매칭이 안되므로, 이 경우에는 매칭 없음이 발생하고 이러한 매칭 없음의 경우에는 이하의 도 6을 참조하여 설명한다.

도 6을 참조하면, 위와 같이, 패턴 매칭이 없는 경우에는 검색부(150)로부터 기계 학습부(140)로 특징 단어가 전달된다. 위의 예를 들면, 특징 단어, '아기, 여행'이 전달될 수 있다.

따라서, 기계 학습부(140)에서는 학습 모델을 사용하여, 검색부(150)로부터 전달된 특징 단어, '아기, 여행'에 대응되는 차량 특성 엔티티, 즉 이 경우에는 '카시트, 레저'가 추출된다.

이렇게 추출된 특징 단어에 대해 차량 정보 DB(131)에 저장된 차량별 차량 특성 엔티티 정보에 기초하여 대응되는 차량 정보가 검출될 수 있다. 위의 예를 참조하면, 특징 단어 '아기, 여행'에 대응되는 차량 특성 엔티티 '카시트, 레저'에 대응되는 차량으로 '스포티지'가 검출될 수 있다.

따라서, 이렇게 검출된 차량 정보, 예를 들어 '스포티지'는 특징 단어를 전달한 검색부(150)로 대응되는 차량 정보로서 제공될 수 있다.

이와 같이, 본 발명의 실시예에서는 고객이 차량 검색을 위해 입력한 자연어 키워드로부터 직접 추출되는 특징 단어들의 패턴 매칭에 의해 바로 차량 정보를 검색하여 제공할 수 있다. 그러나, 특징 단어들의 패턴 매칭에 의해 차량 정보가 검색되지 않는 경우에는 기계 학습된 학습 모델을 사용하여 특징 단어에 대응되는 차량 특성 엔티티를 추출하여 추출된 차량 특성 엔티티에 해당하는 차량 정보를 인공지능 검색 기반으로 검출하여 검색 결과로서 제공할 수 있다.

이하, 도면을 참조하여 본 발명의 실시예에 따른 인공지능 기반 차량 검색 서비스 방법에 대해 구체적으로 설명한다.

도 7은 본 발명의 실시예에 따른 인공지능 기반 차량 검색 서비스 방법의 개략적인 흐름도이다.

도 7을 참조하면, 먼저, 본 발명의 실시예에 따른 렌터카 서비스 장치(100)는 본 발명의 실시예에 따라 인공지능 기반 자연어 키워드를 사용하여 차량 검색을 지원하기 위해, 자연어 특징 단어와 이에 대응되는 차량 특성 엔티티로 구성된 데이터 집합으로서 다량의 데이터를 기계 학습하여 대응되는 학습 모델을 생성한다(S100).

그 후, 본격적인 본 발명의 실시예에 따른 차량 검색 서비스가 시작되어 네트워크(200)를 통해 렌터카 서비스 장치(100)에 접속한 고객 단말(300)을 통해 고객이 자신의 용도에 따라 원하는 자연어 키워드를 입력하면, 입력된 자연어 키워드가 렌터카 서비스 장치(100)로 수신된다(S110). 예를 들어, 고객은 고객 단말(300)에 표시된 차량 검색 화면에서 고객이 원하는 용도에 해당하는 자연어 키워드, 예를 들어 "승차감이 좋은 출장용 차량"이라는 자연어 키워드를 입력하여 차량 검색을 수행할 수 있다.

여기서, 본 발명의 실시예에 따른 렌터카 서비스 장치(100)에서는 상기한 바와 같은 인공지능 기반 차량 검색은 물론 차량 검색 화면에서 고객이 차량과 직접적으로 연관된 키워드, 예를 들어, 차량의 제조사, 차량 유형, 차량 이름의 키워드를 선택하여 차량을 직접 검색할 수도 있다.

다음, 렌터카 서비스 장치(100)는 고객 단말(300)로부터 전달되는 자연어 키워드를 사용하여 차량 검색을 수행한다(S120). 여기서의 차량 검색은 자연어 키워드에 대응되는 차량 특성 엔티티 검출 기반 차량 정보 검색이다. 이에 대해서는 추후 구체적으로 설명한다.

그 후, 렌터카 서비스 장치(100)는 인공지능 기반으로 검색된 차량의 정보를 고객 단말(300)에게 제공한다(S130).

따라서, 고객 단말(300)은 상기 단계(S130)에서 제공되는 검색된 차량 정보를 고객에게 표시한 후 고객에 의해 선택되는 적어도 하나의 차량에 대한 견적을 렌터카 서비스 장치(100)에게 요청한다(S140).

렌터카 서비스 장치(100)는 고객으로부터의 견적 요청에 따라 견적 생성을 위한 각종의 옵션 정보를 고객 단말(300)로부터 제공받아서 상기 단계(S140)에서 견적이 요청된 적어도 하나의 차량에 대한 견적을 생성하고(S150), 생성된 차량 견적 정보를 고객 단말(300)로 제공한다(S160).

고객은 고객 단말(300)을 통해 표시되는 적어도 하나의 차량 견적 정보를 보고 원하는 차량을 선택하여 렌터카 서비스 장치(100)에게 차량 임대 계약을 요청한다(S170). 이 때, 고객은 인공지능 기반의 차량 검색 단계(S110)부터, 또는 차량의 견적 요청 단계(S140)부터의 과정을 반복 수행하여 다양한 차량을 검색하거나 또는 다양한 차량의 견적을 요청할 수 있다.

고객은 고객 단말(300)을 이용하여 상기한 과정을 한 번 또는 수회에 걸쳐 반복 수행하여 최종적으로 임대 계약할 차량을 선택하여 렌터카 서비스 장치(100)에게 임대 계약을 요청할 수 있다.

이와 같이 고객 단말(300)로부터 차량 임대 계약이 요청되면, 렌터카 서비스 장치(100)는 먼저 차량 임대 계약을 요청한 고객의 계약 가능 여부를 판단하기 위해 네트워크(200)를 통해 외부의 서버(400)로부터 고객의 신용 심사에 필요한 서류를 수집하여(S180), 고객에 의해 요청된 차량 임대 계약을 전자 계약을 통해 수행한다(S190).

도 8은 도 7에 도시된 인공지능 기반 차량 검색의 구체적인 과정을 도시한 도면이다.

도 8을 참조하면, 여기서의 차량 검색은 렌터카 서비스 장치(100), 구체적으로는 도 2를 참조하여 설명한 검색부(150) 및 기계 학습부(140)에 의해 수행될 수 있다.

도 8을 참조하면, 도 9에 도시된 바와 같이 고객 단말(300)에 표시된 검색 화면을 통해 고객이 원하는 용도의 자연어 키워드를 입력하여 차량 검색을 요청하면, 고객 단말(300)로부터 차량 검색을 요청하는 자연어 키워드가 렌터카 서비스 장치(100)로 수신된다(S121). 도 9의 예를 참조하면, 고객은 고객 단말(300)에 표시된 차량 검색 화면에서 인공지능 기반 차량 검색 탭(A.I. 차량 추천)(11)을 선택한 후 자신이 원하는 용도에 해당하는 자연어 키워드, 예를 들어 "승차감이 좋은 출장용 차량?"의 자연어 키워드(12)를 입력하여 차량 검색을 수행할 수 있다.

이렇게 수신되는 자연어 키워드에 대해 자연어 분석이 수행되어 자연어 키워드에 대응되는 특징 단어가 추출된다(S122). 위의 예를 참조하면, 자연어 키워드 "승차감이 좋은 출장용 차량?"에 대응되는 특징 단어는 '승차감', '출장'이 될 수 있다.

그 후, 추출된 특징 단어에 대해 특징 기반 DB(153)에서 매칭되는 패턴이 있는지를 확인한다(S123).

만약 일치하는 패턴이 있으면, 일치되는 패턴, 즉 특징 단어에 대응되는 차량 정보를 검출한다(S124).

이렇게 함으로써 자연어 키워드에 대응되어 검출되는 차량 정보가 상기 단계(S130)를 통해 고객 단말(300)로 제공되어 표시될 수 있다.

한편, 상기 단계(S123)에서 매칭되는 패턴이 없는 것으로 확인되는 경우, 검색부(150)에서 추출된 특징 단어가 기계 학습부(140)로 전달되어 기계 학습부(140)에서, 기계 학습에 의해 생성된 학습 모델을 사용하여, 특징 단어에 대응되는 차량 특성 엔티티가 추출된다(S126). 위의 예를 참조하면, 특징 단어 '아기, 여행'에 각각 대응되는 차량 특성 엔티티는 '카시트', '레저'가 될 수 있다.

이와 같이, 추출되는 차량 특성 엔티티와 차량 정보 DB(131)에 저장되어 있는 차량별 특성 엔티티 정보를 사용하여 해당되는 차량 정보를 검출하여 검색부(150)로 제공한다(S127). 위의 예를 참조하면, 추출된 차량 특성 엔티티 '카시트', '레저'에 해당하는 차량 정보는 '스포티지'가 될 수 있다.

이렇게 기계 학습부(140)를 통해 검출되는 차량 정보가 상기 단계(S130)를 통해 고객 단말(300)로 제공되어 표시될 수 있다.

여기서, 고객에 의해 요청된 차량 검색 결과를 볼 수 있도록 고객 단말(300)에 표시되는 검색 차량 정보 화면의 형태 예는 도 10에 도시된 바와 같다. 도 10을 참조하면, 고객 단말(300)에 표시되는 검색 차량 정보 화면(500)에는 차량 검색을 위한 검색어 입력 영역(510) 및 검색 결과, 즉 검색된 차량 정보를 표시하는 검색 결과 목록 표시 영역(520) 등이 있다. 이러한 검색 차량 정보 화면의 하나의 구체적인 예가 도 11에 도시된다. 도 11의 예에서, 고객은 검색 차량 정보 화면(500)에 표시된 차량 정보를 확인하여 자신이 원하는 용도의 차량을 선택할 수 있다.

따라서, 고객은 고객 단말(300)에 표시된 검색 차량 정보 화면(500)을 참고하여 검색된 차량 중에서 자신이 원하는 차량을 선택하여 "견적 내기"버튼(530)을 선택하여 선택된 차량에 대한 견적을 요청할 수 있다.

이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있다.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims

렌터카 서비스 장치가 차량 검색을 서비스하는 방법으로서,
특징 단어와 상기 특징 단어에 대응되는 차량 정보를 저장하는 특징 기반 데이터베이스; 및
차량 정보별로 대응되는 차량 특성 엔티티를 저장하는 차량 정보 데이터베이스
를 포함하고,
자연어 키워드로부터 추출되는 특징 단어와 이에 대응되는 차량 특성 엔티티(entity)로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계 학습하여 특징 단어에 대응되는 차량 특성 엔티티를 검출하기 위한 학습 모델을 생성하는 단계;
고객 단말로부터 입력되는 자연어 키워드로부터 추출되는 특징 단어에 대응되는 차량 정보를 패턴 매칭에 의해 상기 특징 기반 데이터베이스로부터 검출하는 단계;
상기 패턴 매칭에 의해 상기 특징 기반 데이터베이스로부터 상기 특징 단어에 대응되는 차량 정보가 검출되지 않는 경우, 상기 학습 모델을 사용하여, 상기 특징 단어에 대응되는 차량 특성 엔티티를 추출하고, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 상기 차량 정보 데이터베이스로부터 검출하는 단계; 및
상기 패턴 매칭에 의해 상기 특징 기반 데이터베이스로부터 검출된 차량 정보 또는 상기 특징 단어에 대응되는 차량 특성 엔티티를 사용하여 상기 차량 정보 데이터베이스로부터 검출되는 차량 정보를 상기 고객 단말로 제공하여, 상기 고객이 검색된 차량 정보에 기반하여 검색된 차량 중에서 상기 고객이 원하는 차량을 검색하도록 하는 단계
를 포함하며,
상기 학습 모델을 생성하는 단계에서, 자연어 키워드로부터 추출된 특징 단어와, 차량별로 미리 설정된 차량 특성 엔티티 중 상기 특징 단어에 대응되는 차량 특성 엔티티가 대응되도록 기계 학습을 수행하여 대응되는 학습 모델을 생성하고,
상기 차량 정보를 상기 차량 정보 데이터베이스로부터 검출하는 단계에서, 상기 차량 정보를 패턴 매칭에 의해 검출하는 단계에서 차량 검색을 위해 입력되는 자연어 키워드로부터 추출된 특징 단어에 대해 상기 학습 모델을 사용하여 대응되는 차량 특성 엔티티를 추출한 후, 추출된 차량 특성 엔티티에 대응되는 차량정보를 상기 차량 정보 데이터베이스로부터 검출하며, 상기 차량 정보 데이터베이스로부터 검출된 차량 정보를 상기 특징 단어에 대응되는 추가 특징 패턴의 차량 정보로서 상기 특징 기반 데이터베이스에 추가로 저장하는,
차량 검색 서비스 방법.
제1항에 있어서,
상기 차량 정보를 패턴 매칭에 의해 상기 특징 기반 데이터베이스로부터 검출하는 단계는,
상기 고객 단말로부터 입력되는 자연어 키워드로부터 특징 단어를 추출하는 단계;
추출되는 특징 단어의 패턴이 상기 특징 기반 데이터베이스에서 일치하는 패턴이 매칭되는지를 판단하는 단계; 및
상기 추출되는 특징 단어의 패턴이 상기 특징 기반 데이터베이스에서 일치하는 패턴이 매칭되는 경우, 매칭되는 패턴에 대응되어 저장된 차량 정보를 검출하는 단계
를 포함하는, 차량 검색 서비스 방법.
제2항에 있어서,
상기 차량 특성 엔티티에 대응되는 차량 정보를 상기 차량 정보 데이터베이스로부터 검출하는 단계는,
상기 추출되는 특징 단어의 패턴에 대해 상기 특징 기반 데이터베이스에서 일치하는 패턴이 매칭되지 않는 경우, 상기 학습 모델을 사용하여, 상기 추출되는 특징 단어에 대응되는 차량 특성 엔티티를 추출하는 단계; 및
상기 차량 정보 데이터베이스에 기초하여, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출하는 단계
를 포함하는, 차량 검색 서비스 방법.
제1항에 있어서,
상기 차량을 검색하도록 하는 단계는,
차량과 직접적으로 연관되는 키워드에 따라 차량을 검색하여 제공하는 차량 직접 검색을 혼합하여 수행하는,
차량 검색 서비스 방법.
제4항에 있어서,
상기 차량과 직접적으로 연관되는 키워드는 차량의 제조사, 차량의 유형, 차량의 명칭 및 차량의 사용 연료에 대응되는 키워드인,
차량 검색 서비스 방법.
제5항에 있어서,
상기 자연어 키워드는 차량과 직접적으로 연관되지 않은 키워드인,
차량 검색 서비스 방법.
특징 단어와 상기 특징 단어에 대응되는 차량 정보를 저장하는 특징 기반 데이터베이스;
차량 정보별로 대응되는 차량 특성 엔티티를 저장하는 차량 정보 데이터베이스;
자연어 키워드로부터 추출되는 특징 단어와 이에 대응되는 차량 특성 엔티티로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계 학습하여 특징 단어에 대응되는 차량 특성 엔티티를 검출하기 위한 학습 모델을 생성한 후, 생성된 학습 모델을 사용하여 특징 단어에 대응되는 차량 특성 엔티티를 검출하는 기계 학습부;
고객에 의해 자연어 키워드가 입력되는 경우 상기 자연어 키워드로부터 특징 단어를 추출하고, 추출되는 특징 단어에 대응되는 차량 정보를 패턴 매칭에 의해 검출하며, 상기 패턴 매칭에 의해 상기 특징 단어에 대응되는 차량 정보가 검출되지 않는 경우, 상기 기계 학습부를 통해 상기 학습 모델을 사용하여 상기 특징 단어에 대응되는 차량 특성 엔티티를 추출하고, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출한 후, 검출된 차량 정보를 고객 단말에게 제공하는 검색부; 및
네트워크를 통해 접속되는 상기 고객 단말을 통해 상기 고객의 자연어 키워드를 입력받아서 상기 검색부를 제어하여 차량 검색을 수행하여 상기 검색된 차량 정보를 상기 고객 단말로 제공하여, 상기 고객이 상기 검색된 차량 정보에 기반하여 상기 검색된 차량 중에서 상기 고객이 원하는 차량을 검색하도록 제어하는 제어부
를 포함하며,
상기 기계 학습부는, 자연어 키워드로부터 추출된 특징 단어와, 차량별로 미리 설정된 차량 특성 엔티티 중 상기 특징 단어에 대응되는 차량 특성 엔티티가 대응되도록 기계 학습을 수행하여 대응되는 학습 모델을 생성하고,
상기 기계 학습부는 상기 검색부로부터 전달되는 차량 검색을 위해 입력된 자연어 키워드로부터 추출된 특징 단어에 대해 상기 학습 모델을 사용하여 대응되는 차량 특성 엔티티를 추출한 후, 추출된 차량 특성 엔티티에 대응되는 차량 정보를 상기 차량 정보 데이터베이스로부터 검출하며,
상기 검색부는 상기 기계 학습부에 의해 상기 차량 정보 데이터베이스로부터 검출된 차량 정보를 상기 특징 단어에 대응되는 추가 특징 패턴의 차량 정보로서 상기 특징 기반 데이터베이스에 추가로 저장하는,
렌터카 서비스 장치.
제7항에 있어서,
상기 검색부는,
입력되는 자연어 키워드에 대한 자연어 분석을 수행하여 상기 자연어 키워드로부터 특징 단어를 추출하는 자연어 분석부;
상기 자연어 분석부에 의해 추출되는 특징 단어에 대해 상기 특징 기반 데이터베이스를 통해 패턴이 매칭되는 경우 매칭되는 패턴에 대응되는 차량 정보를 검출하고, 패턴이 매칭되지 않는 경우, 상기 자연어 분석부에 의해 추출되는 특징 단어를 상기 기계 학습부로 전달하여 상기 추출되는 특징 단어에 대응되는 차량 정보를 제공받는 패턴 매칭부; 및
상기 패턴 매칭부에 의해 검출되는 차량 정보를 상기 고객 단말에게 제공하는 검색 처리부
를 포함하는, 렌터카 서비스 장치.
제8항에 있어서,
상기 기계 학습부는,
학습 모델을 저장하는 학습 모델 데이터베이스;
상기 검색부로부터 입력되는 '특징 단어-특성 엔티티'로 구성된 데이터 집합을 사용하여 차량 특성 엔티티 검출을 위한 기계 학습을 수행하여 학습 결과에 따라 대응되어 생성되는 학습 모델을 상기 학습 모델 데이터베이스 저장하는 특성 엔티티 학습부;
상기 학습 모델 데이터베이스에 저장된 학습 모델을 사용하여, 상기 검색부로부터 전달되는 특징 단어에 대응되는 차량 특성 엔티티를 추출하는 특성 엔티티 추출부; 및
상기 차량 정보 데이터베이스에 기초하여, 상기 특성 엔티티 추출부에 의해 추출된 차량 특성 엔티티에 대응되는 차량 정보를 검출하여 상기 검색부로 제공하는 차량 정보 검출부
를 포함하는, 렌터카 서비스 장치.
제7항에 있어서,
상기 검색부를 통해 상기 검색된 차량 중에서 상기 고객에 의해 선택된 차량에 대한 견적을 생성하는 견적부; 및
상기 고객에 의해 요청된 차량 임대에 대한 전자 계약을 수행하는 전자 계약부
를 더 포함하는, 렌터카 서비스 장치.
제7항에 있어서,
상기 검색부는 상기 차량과 직접적으로 연관되는 키워드를 사용하여 차량 직접 검색을 추가로 수행하고,
상기 검색부는 기계 학습 기반 차량 검색과 상기 차량 직접 검색을 결합한 혼합 검색을 수행하는,
렌터카 서비스 장치.
제7항에 있어서,
상기 검색부는 상기 고객의 맞춤 정보 기반으로 차량 검색을 수행하며,
상기 고객의 맞춤 정보는 상기 고객의 주거 위치 정보 및 선호 차량 정보를 포함하는,
렌터카 서비스 장치.
제10항에 있어서,
상기 견적부는 견적이 요청된 차량의 정보에 대한 이력을 상기 기계 학습부로 전달하고,
상기 기계 학습부는 상기 견적이 요청된 차량의 정보를 추가로 사용하여 기계 학습을 수행하는,
렌터카 서비스 장치.