KR102179086B1 - 컨벤션 참가자 매칭 방법, 장치, 및 시스템 - Google Patents

Abstract

컨벤션 참가자 매칭 방법, 장치, 및 시스템이 개시된다. 인공지능을 기반으로 서버에 의해 수행되는 컨벤션 참가자 매칭 방법은, 컨벤션 주최자 단말로부터 컨벤션 정보를 획득하는 단계; 사용자 단말들로 컨벤션 정보를 전송하는 단계; 사용자 단말들로부터 컨벤션에 참여할 컨벤션 참가자들의 정보를 획득하는 단계; 제 1 사용자 단말에 로그인한 제 1 계정의 정보를 획득하는 단계; 제 1 계정의 정보 및 컨벤션 참가자들의 정보를 인공지능에 적용하여, 제 1 선별 컨벤션 참가자들―컨벤션 참가자들 중에서 제 1 사용자 단말에 표시될 컨벤션 참가자들―및 제 1 선별 컨벤션 참가자들의 표시 순서를 출력하는 단계; 및 제 1 사용자 단말로 출력을 전송하는 단계를 포함하며, 컨벤션 참가자들의 정보는 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역을 포함하고, 제 1 계정의 정보는 제 1 계정의 관심 업무 및 제 1 계정의 관심 지역을 포함한다.

Description

컨벤션 참가자 매칭 방법, 장치, 및 시스템{METHOD, APPARATUS, AND SYSTEM OF MATCHING CONVENTION PARTICIPANTS}

아래 실시예들은 컨벤션을 공지하고, 컨벤션 참가자를 모집하고, 컨벤션 참가자 간의 매칭을 관리하는 기술에 관한 것이다.

실시예들과 관련된 배경기술로, 또한, 대한민국 공개특허공보 KR 10-2018-0008227 A은 컨벤션 전시행사 입찰 시스템 플랫폼을 개시한다. 구체적으로, 선행문헌은 DB(data base)의 세부 구성이 입찰조건DB(111), 업체정보DB(112), 계약DB(113), 교육DB(114) 및 검증DB(115)로 구성되고, 시스템처리부(200)의 세부 구성이 입력처리부(201), 매칭처리부(202), 계약처리부(203), 교육플랜처리부(204) 및 검증처리부(205)로 구성되는 플랫폼을 개시한다.

이를 통해, 선행문헌은 종래의 컨벤션 유치 시 정부기관 또는 규모가 대형인 업체에서 유치를 하여 실질적으로 업무를 하는 업체에게 하도급에 재하도급 등 몇 단계를 거치게 되어 전체적인 사업비가 증가되고 서비스가 열악해질 수 상황을 보완할 수 있는 플랫폼을 제공할 수 있다. 즉, 수행 역량이 부족하지 않고 신선한 아이디어를 갖춘 업체임에도 규모의 부족으로 해당 업체가 참여할 수 있는 사업에 진출하지 못하는 입찰자격을 최소한의 승인 조건만 갖추어 수행 역량과 신선한 아이디어를 갖춘 업체들의 참여율을 높임으로써 하청에 재하청으로 이루어진 구조에서 벗어나 적절한 수익구조가 이루어져 서비스의 질이 향상됨으로 결과적으로 향후 우리나라의 컨벤션산업의 발전을 도모하는 효과를 제공하고 있다.

또한, 대한민국 등록특허공보 KR 10-2064198 B1은 수요자와 공급자 간의 매칭방법 및 수업매칭시스템을 개시한다. 구체적으로, 선행문헌은 수요자 단말기가 생성한 수업 시간 및 수업 장소를 포함하는 수요자 조건 정보를 상기 수요자 단말기로부터 전달받고, 공급자 단말기가 생성한 강의하고자 하는 수업의 조건에 관한 공급자의 조건 정보 및 수업에 관한 정보인 상세 수업 정보를 상기 공급자 단말기로부터 전달받는 수신부; 상 기 수요자의 조건 정보 및 공급자의 조건 정보를 포함하여 저장하는 데이터베이스부; 상기 공급자의 조건 정보를 기 저장하는 상기 데이터베이스부가 복수의 공급자 중 상기 수요자의 조건 정보와 상기 공급자의 조건 정보를 기초로 하여 미리 정해진 조건을 만족하는 공급자인 추천 공급자를 판단하는 연산부; 및 상기 수요자 단말기로 상기 추천 공급자의 정보를 전달하는 송신부;를 포함하며, 상기 수신부는, 상기 수요자 단말기로부터 상기 추천 공급자의 선택 여부에 대한 제1 선택정보를 전달받고 상기 공급자 단말기로부터 상세 수업 정보의 전송 여부에 대한 제2 선택정보를 전달받는 것을 포함하며, 상기 송신부는, 상기 수요자 단말기에 전달되도록 상기 공급자 단말기로 상기 상세 수업 정보의 전송의 요청을 전달하고 상기 수요자 단말기로 상기 상세 수업 정보를 전달하는 것을 포함하는 수업매칭시스템을 개시한다.

그러나 선행문헌들은 컨벤션 참가자의 관심 정보와, 나머지 컨벤션 참가자들의 종사 정보를 기초로, 컨벤션 참가자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들을 선별하여 표시하는 방법 내지 시스템을 개시하지 않는다. 또한, 선행문헌들은 컨벤션 참가자가 컨벤션 장소에 도착한 후 컨벤션 섹션 및 컨벤션에 현재 참가 중인 다른 참가자와의 만남을 추천하는 방법 내지 시스템을 개시하지 않는다. 나아가, 선행문헌들은 컨벤션 참가자 간의 미팅이 이루어진 후, 미팅의 만족도를 기초로, 유사하거나 비유사한 다른 컨벤션 참가자를 추천하는 방법 내지 시스템을 개시하지 않는다.

이에 따라, 컨벤션 참가자의 관심 정보와, 나머지 컨벤션 참가자들의 종사 정보를 기초로, 컨벤션 참가자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들을 선별하여 표시하는 기술의 구현이 요청된다. 또한, 컨벤션 참가자가 컨벤션 장소에 도착한 후 컨벤션 섹션 및 컨벤션에 현재 참가 중인 다른 참가자와의 만남을 추천하는 기술의 구현이 요청된다. 나아가, 컨벤션 참가자 간의 미팅이 이루어진 후, 미팅의 만족도를 기초로, 유사하거나 비유사한 다른 컨벤션 참가자를 추천하는 기술의 구현이 요청된다.

대한민국 공개특허공보 KR 10-2018-0008227 A 대한민국 등록특허공보 KR 10-2064198 B1 대한민국 공개특허공보 KR 10-2019-0107321 A 대한민국 등록특허공보 KR 10-1831925 B1

실시예들은 컨벤션 참가자의 관심 정보와, 나머지 컨벤션 참가자들의 종사 정보를 기초로, 컨벤션 참가자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들을 선별하여 표시하는 방법, 장치, 및 시스템을 제공하고자 한다.

실시예들은 컨벤션 참가자가 컨벤션 장소에 도착한 후 컨벤션 섹션 및 컨벤션에 현재 참가 중인 다른 참가자와의 만남을 추천하는 방법, 장치, 및 시스템을 제공하고자 한다.

실시예들은 컨벤션 참가자 간의 미팅이 이루어진 후, 미팅의 만족도를 기초로, 유사하거나 비유사한 다른 컨벤션 참가자를 추천하는 방법, 장치, 및 시스템을 제공하고자 한다.

나아가, 실시예들은 배경 기술에서 언급한 과제들 및 본 명세서에서 드러나는 해당 기술 분야의 과제들을 해결하기 위한 방법, 장치, 및 시스템을 제공하고자 한다.

일실시예에 따른 인공지능을 기반으로 서버에 의해 수행되는 컨벤션 참가자 매칭 방법은, 컨벤션 주최자 단말로부터 컨벤션 정보를 획득하는 단계; 사용자 단말들로 상기 컨벤션 정보를 전송하는 단계; 사용자 단말들로부터 상기 컨벤션에 참여할 컨벤션 참가자들의 정보를 획득하는 단계; 제 1 사용자 단말에 로그인한 제 1 계정의 정보를 획득하는 단계; 상기 제 1 계정의 정보 및 상기 컨벤션 참가자들의 정보를 인공지능에 적용하여, 제 1 선별 컨벤션 참가자들―상기 컨벤션 참가자들 중에서 상기 제 1 사용자 단말에 표시될 컨벤션 참가자들―및 상기 제 1 선별 컨벤션 참가자들의 표시 순서를 출력하는 단계; 및 상기 제 1 사용자 단말로 상기 출력을 전송하는 단계를 포함하며, 상기 컨벤션 참가자들의 정보는 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역을 포함하고, 상기 제 1 계정의 정보는 제 1 계정의 관심 업무 및 제 1 계정의 관심 지역을 포함할 수 있다.

일실시예에 따른 인공지능을 기반으로 서버에 의해 수행되는 컨벤션 참가자 매칭 방법은, 상기 제 1 사용자 단말이 상기 컨벤션의 미리 정의된 구역 안으로 들어왔음을 획득하는 단계; 상기 제 1 계정의 정보를 기초로, 제 1 선별 컨벤션 섹션들―상기 컨벤션의 섹션(section)들 중에서 상기 제 1 사용자 단말에 표시될 컨벤션 섹션들―및 상기 제 1 선별 컨벤션 섹션들의 표시 순서를 출력하여 제 1 사용자 단말로 전송하는 단계; 및 제 2 선별 컨벤션 참가자들―상기 제 1 선별 컨벤션 참가자들 중에서 상기 컨벤션의 미리 정의된 구역 안에 있는 것으로 판별된 컨벤션 참가자들― 및 상기 제 2 선별 컨벤션 참가자들의 표시 순서를 출력하여 제 1 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

일실시예에 따른 인공지능을 기반으로 서버에 의해 수행되는 컨벤션 참가자 매칭 방법은, 상기 제 1 계정 사용자가 미팅을 진행한 컨벤션 참가자의 연락처를 저장했는지 여부를 획득하는 단계; 상기 제 1 계정 사용자가 상기 미팅을 진행한 컨벤션 참가자의 연락처를 저장한 경우, 제 3 선별 컨벤션 참가자들―상기 제 2 선별 컨벤션 참가자들 중에서 상기 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사한 것으로 판별된 컨벤션 참가자들―및 상기 제 3 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하는 단계; 및 상기 제 1 계정 사용자가 상기 미팅을 진행한 컨벤션 참가자의 연락처를 저장하지 않은 경우, 제 4 선별 컨벤션 참가자―상기 제 2 선별 컨벤션 참가자들 중에서 상기 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사하지 않은 것으로 판별된 컨벤션 참가자들―및 상기 제 4 선별 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

일실시예에 따른 매체에 저장된 컴퓨터 프로그램은 하드웨어와 결합되어 일실시예에 따른 컨벤션 참가자 매칭 방법을 수행할 수 있다.

일실시예에 따른 컨벤션 참가자 매칭 장치는 컨벤션 주최자 단말로부터 컨벤션 정보를 획득하고, 사용자 단말들로 상기 컨벤션 정보를 전송하고, 상기 사용자 단말들로부터 상기 컨벤션에 참여할 컨벤션 참가자들의 정보를 획득하고, 제 1 사용자 단말에 로그인한 제 1 계정의 정보를 획득하고, 상기 제 1 계정의 정보 및 상기 컨벤션 참가자들의 정보를 인공지능에 적용하여, 선별된 컨벤션 참가자들―상기 컨벤션 참가자들 중에서 상기 제 1 사용자 단말에 표시될 컨벤션 참가자들―및 상기 선별된 컨벤션 참가자들의 표시 순서를 출력하고, 상기 제 1 사용자 단말로 상기 출력을 전송하는 프로세서를 포함하며, 상기 컨벤션 참가자들의 정보는 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역을 포함하고, 상기 제 1 계정의 정보는 제 1 계정의 관심 업무 및 제 1 계정의 관심 지역을 포함할 수 있다.

실시예들은 컨벤션 참가자의 관심 정보와, 나머지 컨벤션 참가자들의 종사 정보를 기초로, 컨벤션 참가자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들을 선별하여 표시하는 방법, 장치, 및 시스템을 제공할 수 있다.

실시예들은 컨벤션 참가자가 컨벤션 장소에 도착한 후 컨벤션 섹션 및 컨벤션에 현재 참가 중인 다른 참가자와의 만남을 추천하는 방법, 장치, 및 시스템을 제공할 수 있다.

실시예들은 컨벤션 참가자 간의 미팅이 이루어진 후, 미팅의 만족도를 기초로, 유사하거나 비유사한 다른 컨벤션 참가자를 추천하는 방법, 장치, 및 시스템을 제공할 수 있다.

한편, 실시예들에 따른 효과는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 시스템의 구성의 예시도이다.
도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 컨벤션 참가자들의 파트너링 동작을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 컨벤션 장소 도착 후 추천 동작을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 미팅 후 컨벤션 참가자 추천 동작을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 7은 일실시예 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.

공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용 시 또는 동작 시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

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.

도 1은 일실시예에 따른 시스템의 구성의 예시도이다.

일실시예에 따른 시스템은 서버(100); 컨벤션 주최자 단말(110); 및 사용자 단말들(131-134)을 포함할 수 있다. 서버(100); 컨벤션 주최자 단말(110); 및 사용자 단말들(131-134)은 네트워크에 연결되어 유무선 통신을 통해 데이터를 교환할 수 있다. 시스템은 현재 진행 중인 컨벤션들을 공지할 수 있다. 시스템은 동일한 컨벤션에 참가하기로 한 참가자들 간의 파트너링을 매칭할 수 있다. 시스템은 컨벤션 참가자들에게 컨벤션 섹션 또는 다른 컨벤션 참가자들에 대한 추천을 포워드할 수 있다.

서버(100)는 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고; 클라우드 서버일 수도 있고; 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 서버(100)는 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 서버(100)는 추론 기능을 수행하는 적어도 하나 이상의 인공 신경망을 구비할 수 있다. 서버(100)는 사용자 단말들(131-134)과 유무선으로 통신하도록 구성될 수 있다.

컨벤션 주최자 단말(110)은 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다. 가령, 도 1과 같이, 컨벤션 주최자 단말(110)은 데스크탑일 수 있으며, 실시예에 따라 달리 채용될 수도 있다. 컨벤션 주최자 단말(110)들은 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 컨벤션 주최자 단말(110)은 서버(100) 및 사용자 단말들(131-134)과 유무선으로 통신하도록 구성될 수 있다.

컨벤션 주최자 단말(110)은 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹페이지에 접속되거나, 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 어플리케이션이 설치될 수 있다. 컨벤션 주최자 단말(110)은 웹페이지 또는 어플리케이션을 통해 서버(100)와 연동될 수 있다. 컨벤션 주최자 계정(120)은 컨벤션 주최자 단말(110)에서 웹페이지 또는 어플리케이션에 로그인한 상태를 유지할 수 있다. 컨벤션 주최자 계정(120)이 이용하도록, 웹페이지 또는 어플리케이션은 컨벤션 정보 업로드, 컨벤션 정보 수정, 컨벤션 참가자 관리 등을 위한 기능들을 포함할 수 있다.

사용자 단말들(131-134)은 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다. 가령, 도 1과 같이, 제 1 사용자 단말(131)은 스마트폰일 수 있고; 제 2 사용자 단말(132)은 데스크탑일 수 있고; 제 3 사용자 단말(133)은 노트북일 수 있고; 제 4 사용자 단말(134)은 태블릿일 수 있으며, 각각의 사용자 단말(131, 132, 133, 134)은 실시예에 따라 달리 채용될 수도 있다. 사용자 단말들(131-134)들은 통상의 컴퓨터가 가지는 연산 기능; 저장/참조 기능; 입출력 기능; 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자 단말들(131-134)은 서버(100) 및 컨벤션 주최자 단말(110)과 유무선으로 통신하도록 구성될 수 있다.

사용자 단말들(131-134)은 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹페이지에 접속되거나, 서버(100)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 어플리케이션이 설치될 수 있다. 사용자 단말들(131-134)은 웹페이지 또는 어플리케이션을 통해 서버(100)와 연동될 수 있다. 각각의 계정(141-144)은 각각의 사용자 단말(131, 132, 133, 134)에서 웹페이지 또는 어플리케이션에 로그인한 상태를 유지할 수 있다. 계정들(141-144)이 이용하도록, 웹페이지 또는 어플리케이션은 컨벤션 기본 정보 확인하기, 컨벤션 참가자들 간 파트너링 신청, 컨벤션 섹션 확인하기 등을 위한 기능들을 포함할 수 있다.

서버(100)는 컨벤션 주최자 단말(110) 및 사용자 단말들(131-134)과의 유무선 통신을 통해, 컨벤션 주최자 단말(110)을 통해 웹페이지 또는 어플리케이션에 로그인한 컨벤션 주최자 계정(120) 및 사용자 단말들(131-134)을 통해 웹페이지 또는 어플리케이션에 로그인한 계정들(141-144)과 데이터를 주고받을 수 있다. 서버(100)는 현재 진행 중인 컨벤션들을 공지할 수 있다. 서버(100)는 동일한 컨벤션에 참가하기로 한 참가자들 간의 파트너링을 매칭할 수 있다. 서버(100)는 컨벤션 참가자들에게 컨벤션 섹션 또는 다른 컨벤션 참가자들에 대한 추천을 포워드할 수 있다.

한편, 설명의 편의를 위해 도 1에서는 하나의 컨벤션 주최자 단말(110) 및 네 대의 사용자 단말들(131-134)만을 도시했으나, 단말들의 수는 얼마든지 달라질 수 있다. 서버(100)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

이하에서, 서버(100)의 동작을 중심으로 실시예가 기술되며, 실시예들은 통신의 주체나 양상에 의해 제한되지 않고 다양한 응용예가 채용될 수 있다. 이하, 도 2를 참조하여, 컨벤션 등록 및 컨벤션 참가자 매칭 동작과 관련된 실시예가 설명된다. 도 3을 참조하여, 컨벤션 참가자들의 파트너링 동작과 관련된 실시예가 설명된다. 도 4를 참조하여, 컨벤션 장소 도착 후 추천 동작과 관련된 실시예가 설명된다. 도 5를 참조하여, 따른 미팅 후 컨벤션 참가자 추천 동작과 관련된 실시예가 설명된다. 도 6을 참조하여, 인공 신경망의 학습 동작과 관련된 실시예가 설명된다.

도 2는 일실시예에 따른 시스템의 동작을 설명하기 위한 도면이다.

우선, 서버(100)는 컨벤션 주최자 단말(110)로부터 컨벤션 정보를 획득할 수 있다(201).

실시예에 따라, 컨벤션은 행사, 컨퍼런스, 박람회, 모임, 학회 등의 명칭 및 의미를 가질 수 있다. 컨벤션 정보는 컨벤션 기본 정보; 파트너링(partnering) 설정 정보; 컨벤션 섹션(section) 정보 등을 포함할 수 있다.

서버(100)는 컨벤션 주최자 계정(120)이 웹페이지 또는 어플리케이션의 버튼을 클릭하면 팝업 창을 생성할 수 있다. 팝업 창은 컨벤션 주최자 계정(120)으로부터 컨벤션 명칭, 컨벤션 일시, 컨벤션 장소, 컨벤션 개요, 컨벤션 로고 등을 업로드 받을 수 있다. 컨벤션 주최자 계정(120)은 업로드한 컨벤션 기본 정보를 수정할 수 있다.

서버(100)는 컨벤션 주최자 계정(120)으로부터 파트너링(partnering) 설정 정보를 획득할 수 있다. 여기서, 파트너링이란, 컨벤션 참가자들 간의 공식적·비공식적 대면 만남을 의미할 수 있다. 실시예에 따라, 파트너링은 미팅, 비즈니스 미팅, 멘토링, 매칭, 네트워킹 등의 명칭 및 의미를 가질 수 있다. 서버(100)는 컨벤션 주최자 단말(110)을 통해 웹페이지 또는 어플리케이션에 로그인한 컨벤션 주최자 계정(120)이 입력하는 파트너링 모드, 파트너링 일자, 파트널이 시간, 파트너링 등록 기간 등을 획득할 수 있다. 서버(100)가 컨벤션 주최자 계정(120)으로부터 획득한 파트너링 모드, 파트너링 일자, 파트너링 시간, 파트너링 등록 기간 등을 공지하면, 계정들(141-144)은 공지에 따라 컨벤션 참가자들끼리 파트너링을 매칭할 수 있다.

한편, 컨벤션의 성격에 따라, 컨벤션 참가자는 공급자 참가자, 수요자 참가자로 구분될 수도 있고, 구분되지 않을 수도 있다. 예를 들어, 컨벤션이 “프랜차이즈 박람회”인 경우, 공급자 참가자는 “프랜차이즈 업체들”이 될 수 있고, 수요자 참가자는 “프렌차이즈 개업 희망자”가 될 수 있다. 컨벤션이 “암호화폐 학회”인 경우, 컨벤션 참가자는 공급자 참가자와 수요자 참가자의 구분이 없이, “암호화폐 관련 종사자들”이 될 수 있다.

서버(100)가 획득하는 파트너링 모드는 양방향 모드와 단방향 모드가 있을 수 있다. 서버(100)는 파트너링 양방향 모드일때 공급자 참가자, 수요자 참가자 구분 버튼을 생성할 수 있다. 파트너링 단방향 모드일 때는 공급자 참가자, 수요자 참가자가 자동으로 구분될 수 있다. 파트너링 양방향 모드이고 공급자 참가자, 수요자 참가자의 구분이 없는 경우, 파트너링 신청자와 신청받는 자 간의 양방향 일정 스케줄링이 가능할 수 있다. 파트너링 양방향 모드이고 공급자 참가자, 수요자 참가자의 구분이 있는 경우, 양방향 스케줄링이 가능하지만 공급자, 수요자의 구분이 있을 수 있다. 파트너링 단방향 모드의 경우, 파트너링 신청자가 신청한 미팅 스케줄에 신청받는 자는 스케줄 조정 없이 자동 매칭 되거나, 수락·거절하는 타입일 수 있다.

파트너링 양·단방향 모드에 따라 룸 배정 방식, 미팅 결정 방식 등이 교차 적용될 수 있다. 룸 배정 방식의 경우, 룸 고정은 파트너링 단방향 모드에서만 가능할 수 있다. 이 경우, 파트너링을 진행할 룸에 공급자 참가자를 고정하는 방식으로, 체결된 파트너링은 배정된 룸에서 진행될 수 있다. 선착순 룸 배정은 체결된 파트너링 중 동시간에 신청된 미팅이 체결된 순서대로 룸에 배정되는 방식일 수 있다.

미팅 결정 방식의 경우, 미팅 자동 확정은 빈 시간에 미팅을 신청하면 자동으로 미팅이 확정되는 것일 수 있다. 미팅 수락·거절은 파트너링 양방향 모드에서만 가능할 수 있다. 이 경우, 신청받은 미팅을 수락·거절할 수 있는 방식으로 참가자들 간에 메시지를 오가면서 미팅 여부·시간 등을 결정할 수 있다.

서버(100)는 컨벤션 주최자 계정(120)가 웹페이지 또는 어플리케이션에서 선택한 컨벤션의 파트너링이 진행될 일자들을 획득할 수 있다. 서버(100)는 컨벤션 주최자 계정(120)가 생성한 웹페이지 또는 어플리케이션에서 파트너링이 진행될 시간들을 구분한 타임테이블을 획득할 수 있다. 타임테이블은 일자 별로 다를 수 있다. 서버(100)는 컨벤션 주최자 계정(120)이 설정한 파트너링을 진행할 룸 수량, 미팅 별 진행시간, 파트너링 시간 사이의 휴식 시간을 획득할 수 있다. 컨벤션 주최자 계정(120)은 점심 시간을 고려하여 오전 오후 일정의 시작 시간과 미팅 수를 각각 설정할 수 있다.

서버(100)는 컨벤션 주최자 계정(120)이 결정한 컨벤션 참가자들이 파트너링 등록 모집 기간을 획득할 수 있다. 파트너링 양방향 모드일 경우, 공급자 참가자, 수요자 참가자의 구분이 없으므로, 서버(100)는 컨벤션 주최자 계정(120)으로부터 “전체 참자자들의 등록 모집 기간”을 획득할 수 있다. 파트너링 단방향 모드일 경우, 공급자 수요자의 구분이 필요하므로, 서버(100)는 컨벤션 주최자 계정(120)으로부터 “공급자 참가자 등록기간” 및 “수요자 참가자 등록기간”을 획득할 수 있다.

서버(100)는 컨벤션 주최자 계정(120)으로부터 컨벤션 섹션(section)들을 획득할 수 있다. 여기서, 컨벤션 섹션들이란, 컨벤션 참가자들 간의 파트너링 이외의 행사, 강연, 이벤트 등을 포함할 수 있다. 서버(100)는 컨벤션 주최자 계정(120)이 웹페이지 또는 어플리케이션에 작성한 행사·강연·이벤트 등의 구체적인 날짜·시간·장소·내용·강연자 인적사항·이벤트 상품 등을 획득할 수 있다.

다음으로, 서버(100)는 사용자 단말들(131-134)로 컨벤션 정보를 전송할 수 있다(202).

서버(100)는 사용자 단말들(131-134)에 표시될 웹페이지 또는 어플리케이션에 컨벤션 보기 영역을 마련할 수 있다. 해당 영역은 현재 공지된 컨벤션들의 기본 정보; 컨벤션별 파트너링(partnering) 설정 정보; 컨벤션별 섹션(section) 정보 등을 표시할 수 있다. 이를 통해, 사용자 단말들(131-134)은 컨벤션 정보를 획득할 수 있다.

컨벤션 기본 정보 보기 영역은 현재 공지된 모든 컨벤션들의 명칭, 일시, 장소, 개요, 로고 등을 표시할 수 있다. 서버(100)는 웹페이지 또는 어플리케이션에 등록된 컨벤션 정보를 썸네일 방식으로 보여주며 컨벤션별 대표 이미지와 컨벤션 명칭, 날짜, 등록비 유무를 표시할 수 있다. 계정들(141-144)이 이미지를 클릭할 시 컨벤션 참가 신청 페이지 및 컨벤션 세부정보 페이지로 이동할 수 있다.

컨벤션 세부정보 페이지는 컨벤션별 파트너링 설정 정보 보기 영역 및 컨벤션별 섹션 정보 보기 영역을 포함할 수 있다. 컨벤션별 파트너링 설정 정보 보기 영역은 컨벤션별로 파트너링 설정 정보를 표시할 수 있으며, 구체적으로, 컨벤션 기본 정보 보기 영역에서 선택된 컨벤션의 파트너링 모드, 파트너링 일자, 파트너링 시간, 파트너링 등록 기간 등을 표시할 수 있다. 컨벤션별 섹션 정보 보기 영역은 컨벤션별 섹션 정보를 표시할 수 있으며, 구체적으로, 컨벤션 기본 정보 보기 영역에서 선택된 컨벤션의 행사·강연·이벤트 등을 표시할 수 있다.

또는, 서버(100)는 뉴스레터를 설정하여, 컨벤션 개요, 컨벤션 참가 등록 버튼 등이 포함되어 있는 틀에 안내 글만 삽입하여 활용이 가능한 뉴스레터 생성 및 발송이 가능할 수 있다. 이를 통해, 서버(100)는 컨벤션 정보를 웹페이지 또는 어플리케이션을 이용하는 모든 계정들(141-144)로 포워딩할 수 있다.

이어서, 서버(100)는 제 1 사용자 단말(131)을 제외한 나머지 사용자 단말들(132, 133, 134)(이하, “나머지 사용자 단말들”)로부터 컨벤션에 참여할 컨벤션 참가자들의 정보를 획득할 수 있다(203).

서버(100)는 웹페이지 또는 어플리케이션에 등록된 컨벤션 정보를 썸네일 방식으로 보여주며 컨벤션별 대표 이미지와 컨벤션 명칭, 날짜, 등록비 유무를 표시할 수 있다. 제 1 계정(141)을 제외한 나머지 계정들(142, 143, 144)(이하, “나머지 계정들”)은 컨벤션의 대표 이미지를 클릭할 시 컨벤션 참가 신청 페이지 및 컨벤션 세부정보 페이지로 이동할 수 있다. 나머지 계정들(142, 143, 144)은 참가 신청 페이지에서 컨벤션 참가를 신청할 수 있다. 서버(100)는 컨벤션에 참여할 나머지 계정들(141-144)로부터 컨벤션 참가자들의 정보를 획득할 수 있다.

컨벤션 참가자들은 나머지 계정들(142, 143, 144)을 사용하는 개인 또는 기업일 수 있다. 컨벤션 참가자들의 정보는 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역을 포함할 수 있다. 또한, 컨벤션 참가자들의 정보는 각각의 컨벤션 참가자의 아이디, 로고, 홍보 영상/VR, 보유 기술 정보, 공급자 참가자 또는 수요자 참가자인지 여부, 파트너링을 진행할 룸 배정 희망 여부(공급자 참가자의 경우) 등을 포함할 수 있다.

이어지는 순서로, 서버(100)는 제 1 사용자 단말(131)에 로그인한 제 1 계정(141)의 정보를 획득할 수 있다(204).

서버(100)는 웹페이지 또는 어플리케이션에 등록된 컨벤션 정보를 썸네일 방식으로 보여주며 컨벤션별 대표 이미지와 컨벤션 명칭, 날짜, 등록비 유무를 표시할 수 있다. 제 1 계정(141)은 컨벤션의 대표 이미지를 클릭할 시 컨벤션 참가 신청 페이지 및 컨벤션 세부정보 페이지로 이동할 수 있다. 제 1 계정(141)은 참가 신청 페이지에서 컨벤션 참가를 신청할 수 있다. 서버(100)는 컨벤션에 참여할 제 1 계정(141)의 정보를 획득할 수 있다.

제 1 계정(141) 사용자는 개인 또는 기업일 수 있다. 제 1 계정(141)의 정보는 제 1 계정(141)의 관심 업무 및 제 1 계정(141)의 관심 지역을 포함할 수 있다. 또한, 제 1 계정(141)의 정보는 제 1 계정(141)의 아이디, 제 1 계정(141) 사용자의 로고, 홍보 영상/VR, 보유 기술 정보, 공급자 참가자 또는 수요자 참가자인지 여부, 파트너링을 진행할 룸 배정 희망 여부(공급자 참가자의 경우) 등을 포함할 수 있다.

다음으로, 서버(100)는 제 1 계정(141)의 정보 및 컨벤션 참가자들의 정보를 인공지능에 적용할 수 있다(205).

구체적으로, 서버(100)는 미리 학습된 제 1 인공지능(제 1 인공 신경망)을 포함할 수 있다. 제 1 인공 신경망은 제 1 계정(141)의 정보 및 나머지 계정들(142, 143, 144)을 사용하는 컨벤션 참가자들의 정보를 입력받아, 제 1 계정(141) 사용자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들을 선별하고, 선별된 컨벤션 참가자들과 파트너링을 희망하는 순위를 추론하도록 학습될 수 있다. 제 1 인공 신경망의 구체적인 학습 동작은 도 6을 참조하여 후술된다.

이어서, 서버(100)는 제 1 선별 컨벤션 참가자들 및 제 1 선별 컨벤션 참가자들의 표시 순서를 출력할 수 있다(206).

여기서, 제 1 선별 컨벤션 참가자들이란, 컨벤션 참가자들 중에서 제 1 사용자 단말(131)에 표시될 컨벤션 참가자들을 의미할 수 있다. 제 1 인공 신경망은 제 1 계정(141)의 관심 업무 및 제 1 계정(141)의 관심 지역; 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역; 각각의 컨벤션 참가자의 보유 기술 정보 등을 종합적으로 추론하여, 제 1 선별 컨벤션 참가자들―제 1 계정(141) 사용자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들―및 그들과의 파트너링 희망 순위를 출력할 수 있다. 제 1 선별 참가자들과의 파트너링 희망 순위는 제 1 선별 컨벤션 참가자들의 표시 순서가 될 수 있다.

이어지는 순서로, 서버(100)는 제 1 사용자 단말(131)로 제 1 인공지능의 출력을 전송할 수 있다(207).

출력을 획득한 제 1 사용자 단말(131)은 제 1 계정(141) 사용자가 웹페이지 또는 어플리케이션의 파트너링 신청 페이지에 접속하면, 출력에 따른 표시 순서대로 제 1 선별 컨벤션 참가자들의 정보를 표시할 수 있다. 이를 통해, 계정(141) 사용자는 자신이 파트너링을 희망할 것으로 여겨지는 추천 컨벤션 참가자들을 순서대로 확인할 수 있다. 제 1 계정(141) 사용자가 파트너링 신청 페이지를 업데이트를 요청할 경우, 서버(100)는 새로운 출력을 전송할 수 있으며, 새로운 출력은 업데이트 요청을 반영하여, 기존 출력에서 적어도 일부의 컨벤션 참가자 정보 및/또는 표시 순서가 수정될 수 있다.

이상을 통해, 서버(100)는 컨벤션 주최자 단말(110)로부터 컨벤션 주최자 계정(120) 사용자가 주최하는 컨벤션 정보를 획득하고, 웹페이지 또는 어플리케이션을 통해 사용자 단말들(131-134)에 컨벤션 정보를 표시할 수 있다. 또한, 서버(100)는 계정들(141-144)의 컨벤션 참여를 신청받을 수 있으며, 계정들(141-144)의 파트너링을 매칭할 수 있다. 이를 통해, 서버(100)는 컨벤션을 공지하고, 컨벤션 참가자를 모집하고, 컨벤션 참가자 간의 매칭을 관리하는 컨벤션 매칭 플랫폼을 구현할 수 있다. 또한, 서버(100)는 계정 사용자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들 및 그들과의 파트너링 희망 순위를 추론하여, 계정이 보는 페이지에 파트너링 희망 순위에 따른 순서대로 컨벤션 참가자들을 표시할 수 있다. 이를 통해, 서버(100)는 계정 사용자가 자신에게 부합한 파트너링 대상을 효과적으로 찾도록 도울 수 있다. 이를 통해, 컨벤션 매칭 플랫폼을 사용하여 파트너링을 도모하는 사용자들의 편의성이 증대될 수 있다.

도 3은 일실시예에 따른 컨벤션 참가자들의 파트너링 동작을 설명하기 위한 도면이다.

실시예에서, 파트너링이란, 컨벤션 참가자들 간의 공식적·비공식적 대면 만남을 의미할 수 있다. 실시예에 따라, 파트너링은 미팅, 비즈니스 미팅, 멘토링, 매칭, 네트워킹 등의 명칭 및 의미를 가질 수 있다. 서버(100)는 웹페이지 또는 어플리케이션의 파트너링 신청 페이지에 컨벤션 주최자 계정(120)으로부터 획득한 파트너링 모드, 파트너링 일자, 파트너링 시간, 파트너링 등록 기간 등을 표시할 수 있다. 컨벤션에 참가하는 계정들(141-144)은 웹페이지 또는 어플리케이션의 파트너링 신청 페이지에서 다른 컨벤션 참가자와의 매칭을 신청할 수 있다. 가령, 제 1 계정(141) 사용자가 나머지 계정들(142, 143, 144) 중에서 파트너링을 신청할 컨벤션 참가자를 모색하는 상황을 상정할 수 있다.

제 1 계정(141)이 웹페이지 또는 어플리케이션의 파트너링 신청 페이지에 접속하면, 제 1 사용자 단말(131)은 제 1 계정(141) 사용자에 맞추어 컨벤션 참가자들을 순서대로 표시할 수 있다(320).

이를 위해, 서버(100)는 미리 학습된 제 1 인공지능(제 1 인공 신경망)을 포함할 수 있다. 제 1 인공 신경망은 제 1 계정(141)의 정보 및 나머지 계정들(142, 143, 144)을 사용하는 컨벤션 참가자들의 정보를 입력받아, 제 1 계정(141) 사용자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들을 선별하고, 선별된 컨벤션 참가자들과 파트너링을 희망하는 순위를 추론하도록 학습될 수 있다. 제 1 인공 신경망은 제 1 계정(141)의 관심 업무 및 제 1 계정(141)의 관심 지역; 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역; 각각의 컨벤션 참가자의 보유 기술 정보 등을 종합적으로 추론하여, 제 1 선별 컨벤션 참가자들―제 1 계정(141) 사용자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들―및 그들과의 파트너링 희망 순위를 출력할 수 있다. 제 1 인공 신경망의 구체적인 학습 동작은 도 6을 참조하여 후술된다.

구체적으로, 제 1 인공 신경망은 제 1 계정(141)의 관심 업무 및 관심 지역과, 나머지 계정들(142, 143, 144)의 종사 업무 및 종사 지역을 비교할 수 있다(310).

제 1 인공 신경망은 제 1 계정(141)의 관심 업무 및 관심 지역과 나머지 계정들(142, 143, 144)의 종사 업무 및 종사 지역이 미리 정의된 유사도 기준에 따라 유사하다고 판별될수록, 제 1 계정(141) 사용자가 파트너링을 희망할 것으로 학습할 수 있다. 제 1 인공 신경망은 제 1 계정(141)의 관심 업무와 나머지 계정들(142, 143, 144)의 종사 업무가 미리 정의된 유사도 기준에 따라 유사하나, 제 1 계정(141)의 관심 지역과 제 2 계정(142)의 종사 지역이 미리 정의된 유사도 기준에 따라 비유사한 경우, 제 1 계정(141)의 관심 업무 및 나머지 계정들(142, 143, 144)의 종사 업무의 미리 정의된 희소도와, 제 1 계정(141)의 관심 지역 및 나머지 계정들(142, 143, 144)의 종사 지역의 미리 정의된 접근성을 기초로, 제 1 계정(141) 사용자가 파트너링을 희망할 것인지 여부를 학습할 수 있다. 제 1 인공 신경망은 제 1 계정(141)의 관심 지역과 나머지 계정들(142, 143, 144)의 종사 지역이 미리 정의된 유사도 기준에 따라 유사하나, 제 1 계정(141)의 관심 업무와 제 2 계정(142)의 종사 업무가 미리 정의된 유사도 기준에 따라 비유사한 경우, 제 1 계정(141)의 관심 업무 및 나머지 계정들(142, 143, 144)의 종사 업무의 미리 정의된 함께 아는 컨벤션 참가자 수를 기초로, 제 1 계정(141) 사용자가 파트너링을 희망할 것인지 여부를 학습할 수 있다.

미리 정의된 유사도 기준은, 제 1 계정(141)의 관심 업무, 제 1 계정(141)의 관심 지역, 각각의 나머지 계정(142, 143, 144)의 종사 업무, 및 각각의 나머지 계정(142, 143, 144)의 종사 지역을 각각 수치화하고; 수치화된 제 1 계정(141)의 관심 업무와 수치화된 각각의 나머지 계정(142, 143, 144)의 종사 업무의 차의 제곱에 제 1 상수를 곱한 값과, 수치화된 제 1 계정(141)의 관심 지역과 수치화된 각각의 나머지 계정(142, 143, 144)의 종사 지역의 차의 제곱에 제 2 상수를 곱한 값을 합산한 값의 제곱근(square root)을 관심-종사 메트릭(metric)으로 정의하고; 미리 정의된 수치 범위들 중 관심-종사 메트릭이 포함되는 수치 범위에 대응하는 유사도를 제 1 계정(141)과 각각의 나머지 계정(142, 143, 144)의 유사도로 정의하는 기준일 수 있다.

여기서, 제 1 상수 및 제 2 상수는 수치화된 제 1 계정(141)의 관심 업무와 수치화된 각각의 나머지 계정(142, 143, 144)의 종사 업무의 차의 제곱과 수치화된 제 1 계정(141)의 관심 지역과 수치화된 각각의 나머지 계정(142, 143, 144)의 종사 지역의 차의 제곱의 스케일(scale)을 조정하기 위한 상수들일 수 있다. 미리 정의된 수치 범위들은 서로 겹치지 않을 수 있다. 관심-종사 메트릭이 미리 정의된 수치 범위들 중에서 수치 범위의 최대값이 낮은 수치 범위에 포함될수록, 제 1 계정(141)과 각각의 나머지 계정(142, 143, 144)의 유사도는 보다 높은 것으로 정의될 수 있다. 또한, 관심-종사 메트릭이 미리 정의된 수치 범위에 포함되는 경우, 관심-종사 메트릭의 값이 작을수록, 제 1 계정(141)과 각각의 나머지 계정(142, 143, 144)의 세부 유사도는 보다 높은 것으로 정의될 수 있다. 구체적인 제 1 상수, 제 2 상수 및 미리 정의된 수치 범위들 실시예에 따라 달리 채용될 수 있다.

이를 통해, 서버(100)는 제 1 계정(141)의 관심 업무 및 관심 지역과 나머지 계정들(142, 143, 144)의 종사 업무 및 종사 지역을 미리 정의된 유사도 기준에 따라 판별하여, 제 1 계정(141) 사용자가 파트너링을 희망할 것으로 여겨지는 나머지 계정들(142, 143, 144)을 선별하고, 각각의 나머지 계정(142, 143, 144)과의 파트너링 희망 순위를 추론할 수 있다. 가령, 서버(100)는 제 1 계정(141) 사용자가 나머지 계정들(142, 143, 144) 모두와 파트너링을 희망할 것으로 선별하고, 파트너링 희망 순위는 제 3 계정(143), 제 2 계정(142), 제 4 계정(144) 순일 것으로 추론할 수 있다.

서버(100)는 제 1 사용자 단말(131)로 출력을 전송할 수 있다. 출력을 획득한 제 1 사용자 단말(131)은 제 1 계정(141) 사용자가 웹페이지 또는 어플리케이션의 파트너링 신청 페이지에 접속하면, 출력에 따른 표시 순서대로 제 1 선별 컨벤션 참가자들의 정보를 표시할 수 있다(320).

이를 통해, 계정(141) 사용자는 자신이 파트너링을 희망할 것으로 여겨지는 추천 컨벤션 참가자들을 순서대로 확인할 수 있다. 제 1 계정(141)은, 가령, 제 3 계정(143)과 파트너링 매칭을 신청할 수 있고, 제 3 계정(143)은 파트너링 매칭을 수락할 수 있다.

제 1 계정(141)이 제 3 계정(143)과 파트너링 매칭이 된 후, 대면 만남을 진행할 일자, 시간, 장소 등을 설정할 수 있다(330).

서버(100)는 컨벤션 참가자들 간의 파트너링 일자, 시간, 장소 등이 확정되면, 사용자 단말들(131-134)로 문자·이메일·SNS 메시지 등을 통해 파트너링 내용의 확정을 포워딩할 수 있다. 서버(100)와 연동된 웹페이지 또는 어플리케이션은 체결된 파트너링 스케줄들을 일자 별로 확인하고 관리 가능하도록 표시할 수 있다. 서버(100)와 연동된 웹페이지 또는 어플리케이션은 계정들(141-144)이 파트너링 일자별 시간별 룸(장소)별로 체결된 미팅 스케줄을 한번에 확인할 수 있도록 표시할 수 있다. 서버(100)와 연동된 웹페이지 또는 어플리케이션은 컨벤션 참가자들이 서로 간의 파트너링을 마치고 작성한 상담 일지들을 확인 가능하도록 표시할 수 있다.

이상을 통해, 컨벤션에 참가하기로 한 계정 사용자는, 자신이 파트너링을 희망할 것으로 여겨지는 추천 컨벤션 참가자들을 순서대로 확인할 수 있다. 이를 통해, 계정 사용자는 컨벤션에 참가한 모든 계정들의 정보를 일일이 확인할 필요 없이, 제 1 인공지능이 추론한 제 1 선별 컨벤션 참가자들 중에서, 미팅 등을 진행할 컨벤션 참가자를 찾으면 되므로, 계정 사용자의 컨벤션 매칭 편의성·효율·정확성이 증대될 수 있다.

도 4는 일실시예에 따른 컨벤션 장소 도착 후 추천 동작을 설명하기 위한 순서도이다.

서버(100)는 스마트폰, 스마트워치, 태블릿, 노트북 등의 이동형 사용자 단말에서 로그인한 계정들을 대상으로, 계정 사용자들이 컨벤션 장소에 도착한 후 컨벤션 섹션 및 컨벤션 참가자와의 만남을 추천하는 동작을 수행할 수 있다. 가령, 제 1 사용자 단말(131)을 사용하는 제 1 계정(141) 사용자가 컨벤션 장소에 도착한 상황을 상정할 수 있다.

우선, 서버(100)는 제 1 사용자 단말(131)이 컨벤션의 미리 정의된 구역 안으로 들어왔음을 획득할 수 있다(410).

미리 정의된 구역은, 컨벤션이 이루어지는 장소 내부일 수도 있고, 컨벤션이 이루어지는 장소로부터 미리 정의된 반경 내의 지역일 수도 있다. 미리 정의된 구역은 실시예에 따라 달리 채용될 수 있다.

제 1 사용자 단말(131)은 위치 추적 기능 등을 포함할 수 있다. 서버(100)는 미리 정의된 구역 내부에 제 1 사용자 단말(131)이 위치하는지 감지할 수 있다. 서버(100)는 제 1 사용자 단말(131)이 미리 정의된 구역으로 내부에 위치한 것이 감지되면, 제 1 사용자 단말(131)로 인사 코멘트 또는 컨벤션 개요 등을 전송할 수 있다.

다음으로, 서버(100)는 제 1 계정(141)의 정보를 기초로, 제 1 선별 컨벤션 섹션들 및 제 1 선별 컨벤션 섹션들의 표시 순서를 출력하여 제 1 사용자 단말(131)로 전송할 수 있다(420).

여기서, 제 1 선별 컨벤션 섹션들이란, 컨벤션의 섹션(section)―컨벤션 참가자들 간의 파트너링 이외의 행사, 강연, 이벤트 등―들 중에서 제 1 사용자 단말(131)에 표시될 컨벤션 섹션들을 의미할 수 있다. 제 1 선별 컨벤션 섹션들을 선별하기 위해, 서버(100)는 미리 학습된 제 2 인공지능(제 2 인공 신경망)을 포함할 수 있다. 제 2 인공 신경망은 컨벤션 주최자 계정(120)이 업로드한 컨벤션 섹션 정보 및 제 1 계정(141)의 정보를 입력받아, 제 1 계정(141) 사용자가 참가를 희망할 것으로 여겨지는 컨벤션 섹션들을 선별하고, 선별된 컨벤션 섹션들의 선호 순위를 추론하도록 학습될 수 있다. 제 2 인공 신경망의 구체적인 학습 동작은 도 6을 참조하여 후술된다.

제 2 인공 신경망은 제 1 계정(141)의 관심 업무 및 제 1 계정(141)의 관심 지역; 컨벤션 섹션의 내용; 컨벤션 섹션의 강연자 인적사항; 컨벤션 섹션의 이벤트 상품 등을 종합적으로 추론하여, 제 1 선별 컨벤션 섹션들 및 제 1 계정(141)의 제 1 선별 컨벤션 섹션들의 선호 순위를 출력할 수 있다. 제 1 계정(141)의 제 1 선별 컨벤션 섹션들의 선호 순위는 제 1 선별 컨벤션 섹션들의 표시 순서가 될 수 있다.

서버(100)는 제 1 사용자 단말(131)로 제 2 인공지능의 출력을 전송할 수 있다. 출력을 획득한 제 1 사용자 단말(131)은 메시지·팝업 창·리스트 등의 형태로 제 1 선별 컨벤션 섹션들의 정보를 선호 순위에 따른 순서대로 표시할 수 있다. 이를 통해, 계정(141) 사용자는 자신이 참가를 희망할 것으로 여겨지는 추천 컨벤션 섹션들을 순서대로 확인할 수 있다.

이어서, 서버(100)는 제 2 선별 컨벤션 참가자들 및 제 2 선별 컨벤션 참가자들의 표시 순서를 출력하여 제 1 사용자 단말(131)로 전송할 수 있다(430).

여기서, 제 2 선별 컨벤션 참가자들이란, 제 1 선별 컨벤션 참가자들 중에서 컨벤션의 미리 정의된 구역 안에 있는 것으로 판별된 컨벤션 참가자들일 수 있다. 제 2 선별 컨벤션 섹션들을 선별하기 위해, 서버(100)는 제 1 선별 컨벤션 참가자들(142, 143, 144)이 미리 정의된 구역 안으로 들어왔는지 판별할 수 있다. 판별은 나머지 사용자 단말들(132, 133, 134)의 위치 추적, 각각의 나머지 계정(142, 143, 144) 사용자가 컨벤션에 참가했다는 전자 서명, 각각의 나머지 계정(142, 143, 144)이 “컨벤션 참가 중” 상태로 전환한 것을 확인하는 방법 등으로 이루어질 수 있다. 서버(100)는 미리 정의된 구역 안에 있는 것으로 판별된 제 1 선별 컨벤션 참가자들을 제 2 선별 컨벤션 참가자들로 정의할 수 있다.

서버(100)는 제 2 선별 컨벤션 참가자들을 전송할 수 있다. 제 2 선별 컨벤션 참가자들을 획득한 제 1 사용자 단말(131)은 메시지·팝업 창·리스트 등의 형태로 제 2 선별 컨벤션 참가자들의 정보를 파트너링 희망 순위에 따른 순서대로 표시할 수 있다. 이를 통해, 계정(141) 사용자는 제 1 인공지능의 추론에 따라 파트너링을 희망할 것으로 여겨지는 추천 컨벤션 참가자들 중에서 현재 컨벤션 장소에 있는 컨벤션 참가자를 확인하고, 파트너링 매칭을 아직 신청하지 않은 컨벤션 참가자가 있는 경우, 빠르게 파트너링 매칭을 신청하여 신속한 대면 만남을 도모할 수 있다.

도 5는 일실시예에 따른 미팅 후 컨벤션 참가자 추천 동작을 설명하기 위한 순서도이다.

서버(100)와 연동된 웹페이지 또는 어플리케이션을 통해, 계정들(141-144)을 사용하는 컨벤션 참가자들은 파트너링 매칭이 될 수 있다. 실시예에 따라, 파트너링은 미팅, 비즈니스 미팅, 멘토링, 매칭, 네트워킹 등의 명칭 및 의미를 가질 수 있다. 서버(100)는 파트너링이 이루어진 후 다른 컨벤션 참가자를 추천하는 동작을 수행할 수 있다. 가령, 제 1 사용자 단말(131)을 사용하는 제 1 계정(141) 사용자가 제 3 사용자 단말(133)을 사용하는 제 3 계정(143) 사용자와 미팅을 가진 후의 상황을 상정할 수 있다.

우선, 서버(100)는 제 1 계정(141) 사용자가 미팅을 진행한 컨벤션 참가자의 연락처를 저장했는지 여부를 획득할 수 있다(510).

서버(100)는 제 3 계정(143) 사용자의 전화번호 등이 제 1 사용자 단말(131)의 연락처 어플리케이션에 저장된 경우, 제 3 계정(143) 사용자의 명함 등이 제 1 사용자 단말(131)의 카메라 어플리케이션으로 촬영된 경우, 제 1 계정(141)이 웹페이지 또는 어플리케이션에서 제 3 계정(143)을 “관심 참가자로 추가”한 경우 등을 감지하여, 제 1 계정(141) 사용자가 미팅을 진행한 컨벤션 참가자의 연락처를 저장했는지 여부를 획득할 수 있다.

다음으로, 서버(100)는 제 1 계정(141) 사용자가 미팅을 진행한 컨벤션 참가자의 연락처를 저장한 경우, 제 3 선별 컨벤션 참가자들 및 제 3 컨벤션 참가자들의 표시 순서를 출력하여 제 1 사용자 단말(131)로 전송할 수 있다(520).

여기서, 제 3 선별 컨벤션 참가자들이란, 제 2 선별 컨벤션 참가자들 중에서 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사한 것으로 판별된 컨벤션 참가자들을 의미할 수 있다.

이어서, 서버(100)는 제 1 계정(141) 사용자가 미팅을 진행한 컨벤션 참가자의 연락처를 저장하지 않은 경우, 제 4 선별 컨벤션 참가자 및 제 4 선별 컨벤션 참가자들의 표시 순서를 출력하여 제 1 사용자 단말(131)로 전송할 수 있다(530).

여기서, 제 4 선별 컨벤션 참가자이란, 제 2 선별 컨벤션 참가자들 중에서 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사하지 않은 것으로 판별된 컨벤션 참가자들을 의미할 수 있다.

제 3 및 4 선별 컨벤션 참가자들을 선별하기 위해, 서버(100)는 미리 학습된 제 3 인공지능(제 3 인공 신경망)을 포함할 수 있다. 제 3 인공 신경망은 제 1 계정(141)과 미팅을 진행한 제 3 계정(143)의 정보와, 제 2 선별 컨벤션 참가자들 중에서 제 3 계정(143) 이외의 계정들(142, 144)의 정보를 입력받아, 제 3 계정(143) 사용자와 미리 정의된 기준에 따라 유사하다고 여겨지는 컨벤션 참가자들 및 제 3 계정(143) 사용자와 미리 정의된 기준에 따라 유사하지 않다고 여겨지는 컨벤션 참가자들을 각각 선별하고, 각각의 선별된 컨벤션 참가자들에 대한 제 1 계정(141)의 선호 순위를 추론하도록 학습될 수 있다. 제 3 인공 신경망의 구체적인 학습 동작은 도 6을 참조하여 후술된다.

미리 정의된 기준은, 제 1 계정(141)과 미팅을 진행한 제 3 계정(143)의 정보와, 제 2 선별 컨벤션 참가자들 중에서 제 3 계정(143) 이외의 계정들(142, 144)의 정보가 유사할수록, 제 3 계정(143) 이외의 계정들(142, 144)은 제 3 계정(143)과 보다 유사하다고 판단하는 기준일 수 있다. 제 3 인공지능은 제 3 계정(143)의 정보; 제 2 선별 컨벤션 참가자들 중에서 제 3 계정(143) 이외의 정보; 미리 정의된 기준에 따른 컨벤션 참가자들 간의 유사도 등을 종합적으로 추론하여, 제 3 및 4 선별 컨벤션 참가자들 및 제 1 계정(141)의 제 3 및 4 선별 컨벤션 참가자들의 선호 순위를 출력할 수 있다. 제 1 계정(141)의 제 3 및 4 선별 컨벤션 참가자들의 선호 순위는 제 3 및 4 선별 컨벤션 참가자들의 표시 순서가 될 수 있다.

서버(100)는 제 1 사용자 단말(131)로 제 3 인공지능의 출력을 전송할 수 있다. 출력을 획득한 제 1 사용자 단말(131)은 메시지·팝업 창·리스트 등의 형태로 제 3 또는 4 선별 컨벤션 참가자들의 정보를 선호 순위에 따른 순서대로 표시할 수 있다. 이를 통해, 계정(141) 사용자는 미팅 진행 후에 만족하여 제 3 계정(143) 사용자의 연락처를 저장한 경우, 제 3 계정(143) 사용자와 유사한 컨벤션 참가자들을 추가로 추천 받아 파트너링을 신청할 수 있다. 또한, 계정(141) 사용자는 미팅 진행 후에 불만족하여 제 3 계정(143) 사용자의 연락처를 저장하지 않은 경우, 제 3 계정(143) 사용자와 비유사한 컨벤션 참가자들을 대신 추천 받아 파트너링을 신청할 수 있다

도 6은 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.

인공 신경망은 서버(100)에 포함되는 구성일 수 있으며, 서버(100) 또는 별도의 학습 장치를 통해서 학습될 수 있다.

제 1 인공 신경망은 동일한 컨벤션에 참가하는 제 1 컨벤션 참가자의 정보 및 나머지 컨벤션 참가자들의 정보를 입력받아, 제 1 컨벤션 참가자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들을 선별하고, 제 1 컨벤션 참가자가 선별된 컨벤션 참가자들과 파트너링을 희망할 것으로 여겨지는 순위를 출력할 수 있다.

제 2 인공 신경망은 컨벤션 주최자가 업로드한 컨벤션 섹션 정보 및 제 1 컨벤션 참가자의 정보를 입력받아, 제 1 컨벤션 참가자가 참가를 희망할 것으로 여겨지는 컨벤션 섹션들을 선별하고, 선별된 컨벤션 섹션들의 선호 순위를 출력할 수 있다.

제 3 인공 신경망은 제 1 컨벤션 참가자와 미팅을 진행한 제 2 컨벤션 참가자의 정보와, 컨벤션에 참가 중인 컨벤션 참가자들 중에서 제 2 컨벤션 참가자 이외의 컨벤션 참가자들의 정보를 입력받아, 제 2 컨벤션 참가자와 미리 정의된 기준에 따라 유사하다고 여겨지는 컨벤션 참가자들 및 제 2 컨벤션 참가자와 미리 정의된 기준에 따라 유사하지 않다고 여겨지는 컨벤션 참가자들을 각각 선별하고, 각각의 선별된 컨벤션 참가자들에 대한 제 1 컨벤션 참가자의 선호 순위를 출력할 수 있다.

이하에서는 학습 장치를 통해 인공 신경망이 학습되는 과정을 설명한다.

우선, 학습 장치는 트레이닝 데이터(training data)와 레이블(label)을 획득할 수 있다(600).

제 1 인공 신경망 학습을 위해, 학습 장치는 각각의 컨벤션 참가자의 정보 및 각각의 컨벤션 참가자와 동일한 컨벤션에 참가하는 나머지 컨벤션 참가자들의 정보를 포함하는 데이터 세트를 각각의 트레이닝 데이터로 획득할 수 있다. 또한, 학습 장치는 각각의 컨벤션 참가자가 컨벤션에 참여하여 실제로 미팅 등의 파트너링을 진행한 컨벤션 참가들의 리스트 및 각각의 파트너링에 대한 만족도의 설문 조사 결과를 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다.

제 2 인공 신경망 학습을 위해, 학습 장치는 각각의 컨벤션 주최자가 업로드한 컨벤션 섹션 정보 및 각각의 컨벤션 참가자의 정보를 포함하는 데이터 세트를 각각의 트레이닝 데이터로 획득할 수 있다. 또한, 학습 장치는 각각의 컨벤션 참가자가 컨벤션에 참여하여 실제로 참가한 섹션들의 리스트 및 각각의 섹션에 대한 만족도의 설문 조사 결과를 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다

제 3 인공 신경망 학습을 위해, 제 1 컨벤션 참가자와 미팅을 진행한 제 2 컨벤션 참가자의 정보와, 컨벤션에 참가 중인 컨벤션 참가자들 중에서 제 2 컨벤션 참가자 이외의 컨벤션 참가자들의 정보를 각각의 트레이닝 데이터로 획득할 수 있다. 또한, 학습 장치는 각각의 제 1 컨벤션 참가자가 컨벤션에 참여하여 실제로 제 2 컨벤션 참가자와 미팅을 진행한 후 만족도의 설문 조사 결과 및 제 2 컨벤션 참가자와 미팅한 후 진행한 미팅들의 컨벤션 참가자들의 리스트 및 각각의 미팅에 대한 만족도의 설문 조사 결과를 각각의 트레이닝 데이터에 대응하는 레이블로 획득할 수 있다.

이제, 학습 장치는 트레이닝 데이터로부터 인공 신경망의 입력을 생성할 수 있다(610).

학습 장치는 트레이닝 데이터를 인공 신경망의 입력으로 그대로 사용하거나, 각각의 트레이닝 데이터에서 불필요한 정보를 제거하는 통상의 프로세스를 거친 후, 인공 신경망의 입력을 생성할 수 있다.

다음으로, 학습 장치는 입력을 인공 신경망에 적용할 수 있다(620).

서버에 포함된 인공 신경망은 지도 학습(supervised learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 지도 학습을 통해 학습시키기에 적합한 컨볼루션 신경망(convolutional neural network, CNN) 또는 리커런트 신경망(recurrent neural network, RNN) 구조일 수 있다.

이어서, 학습 장치는 인공 신경망으로부터 출력을 획득할 수 있다(630).

제 1 인공 신경망의 출력은, 제 1 컨벤션 참가자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들 및 이들과의 파트너링 희망 순위의 추론일 수 있다. 구체적으로제 1 인공 신경망은 제 1 컨벤션 참가자의 관심 업무 및 제 1 컨벤션 참가자의 관심 지역; 나머지 컨벤션 참가자의 종사 업무 및 나머지 컨벤션 참가자의 종사 지역; 나머지 컨벤션 참가자의 보유 기술 정보 등의 변화에 따른 패턴을 학습하여, 제 1 선별 컨벤션 참가자들―제 1 컨벤션 참가자 사용자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들―및 그들과의 파트너링 희망 순위를 출력할 수 있다.

제 2 인공 신경망의 출력은, 제 1 컨벤션 참가자가 참가를 희망할 것으로 여겨지는 컨벤션 섹션 및 선별된 컨벤션 섹션들의 선호 순위일 수 있다. 구체적으로, 제 2 인공 신경망은 제 1 컨벤션 참가자의 관심 업무 및 제 1 컨벤션 참가자의 관심 지역; 컨벤션 섹션의 내용; 컨벤션 섹션의 강연자 인적사항; 컨벤션 섹션의 이벤트 상품 등을 종합적으로 추론하여, 제 1 선별 컨벤션 섹션들 및 제 1 컨벤션 참가자의 제 1 선별 컨벤션 섹션들의 선호 순위를 출력할 수 있다.

제 3 인공 신경망의 출력은, 제 2 컨벤션 참가자와 미리 정의된 기준에 따라 유사하다고 여겨지는 컨벤션 참가자들 및 제 2 컨벤션 참가자와 미리 정의된 기준에 따라 유사하지 않다고 여겨지는 컨벤션 참가자들의 리스트 및 각각의 리스트에 대한 제 1 컨벤션 참가자의 선호 순위일 수 있다. 미리 정의된 기준은, 제 1 컨벤션 참가자와 미팅을 진행한 제 2 컨벤션 참가자의 정보와, 제 2 선별 컨벤션 참가자들 중에서 제 2 컨벤션 참가자 이외의 컨벤션 참가자들의 정보가 유사할수록, 제 2 컨벤션 참가자 이외의 컨벤션 참가자들은 제 2 컨벤션 참가자와 보다 유사하다고 판단하는 기준일 수 있다. 제 3 인공지능은 제 2 컨벤션 참가자의 정보; 제 2 선별 컨벤션 참가자들 중에서 제 2 컨벤션 참가자 이외의 정보; 미리 정의된 기준에 따른 컨벤션 참가자들 간의 유사도 등을 종합적으로 추론하여, 제 3 및 4 선별 컨벤션 참가자들 및 제 1 컨벤션 참가자의 제 3 및 4 선별 컨벤션 참가자들의 선호 순위를 출력할 수 있다.

이후, 학습 장치는 출력과 레이블을 비교할 수 있다(640). 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실함수(loss function)를 계산하여 이루어질 수 있다. 손실함수는 기 알려진 평균 제곱 오차(mean squared error, MSE), 교차 엔트로피 오차(cross entropy error, CEE) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 인공 신경망의 출력과 레이블 간의 편차, 오차 내지는 차이를 측정할 수 있다면, 다양한 인공 신경망 모델들에서 이용되는 손실함수들이 이용될 수 있다.

다음으로, 학습 장치는 비교값을 기초로 인공 신경망을 최적화할 수 있다(650). 학습 장치 비교값이 점점 작아지도록 인공 신경망의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있고, 이를 통해 인공 신경망은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 구체적으로, 학습 장치는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공 신경망의 웨이트(weight)를 재설정하는 과정을 반복함으로써 인공 신경망을 최적화할 수 있다. 인공 신경망의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하강법(stochastic gradient descent) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다.

학습 장치는 이와 같은 과정을 반복함으로써 인공 신경망을 학습시킬 수 있다.

이를 통해, 제 1 컨벤션 참가자가 파트너링을 희망할 것으로 여겨지는 컨벤션 참가자들 및 이들과의 파트너링 희망 순위를 출력하는 제 1 인공 신경망을 학습시킬 수 있다. 제 1 인공 신경망은 도 2 내지 4를 참조하여 전술한 제 1 선별 컨벤션 참가자들 및 이들의 표시 순서와, 제 2 선별 컨벤션 참가자들 및 이들의 표시 순서를 출력하는데 사용될 수 있다.

또한, 제 1 컨벤션 참가자가 참가를 희망할 것으로 여겨지는 컨벤션 섹션 및 선별된 컨벤션 섹션들의 선호 순위를 출력하는 제 2 인공 신경망을 학습시킬 수 있다. 제 2 인공 신경망은 도 4를 참조하여 전술한 제 1 선별 컨벤션 섹션들 및 이들의 표시 순서를 출력하는데 사용될 수 있다.

또한, 제 2 컨벤션 참가자와 미리 정의된 기준에 따라 유사하다고 여겨지는 컨벤션 참가자들 및 제 2 컨벤션 참가자와 미리 정의된 기준에 따라 유사하지 않다고 여겨지는 컨벤션 참가자들의 리스트 및 각각의 리스트에 대한 제 1 컨벤션 참가자의 선호 순위를 출력하는 제 3 인공 신경망을 학습시킬 수 있다. 제 3 인공 신경망은 도 5를 참조하여 전술한 제 3 및 4 선별 컨벤션 섹션들 및 이들의 표시 순서를 출력하는데 사용될 수 있다.

도 7은 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(701)는 프로세서(702) 및 메모리(703)를 포함한다. 프로세서(702)는 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 6을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 구체적으로, 장치(701)는 서버(100); 컨벤션 주최자 단말(110); 사용자 단말들(131-134)(130-133); 또는 인공 신경망 학습 장치 등일 수 있다. 장치(701)를 이용하는 자 또는 단체는 도 1 내지 도 6을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(703)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(703)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(702)는 프로그램을 실행하고, 장치(701)를 제어할 수 있다. 프로세서(702)에 의하여 실행되는 프로그램의 코드는 메모리(703)에 저장될 수 있다. 장치(701)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.

장치(701)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(703)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(702)는 메모리(703)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 장치(701)와 학습된 인공 신경망을 이용하는 장치(701)는 동일할 수도 있고 개별적일 수도 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 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. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 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. 된 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 이를 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 서버에 의해 수행되는 컨벤션 참가자 매칭 방법에 있어서,
   컨벤션 주최자 단말로부터 컨벤션 정보를 획득하는 단계;
   사용자 단말들로 상기 컨벤션 정보를 전송하는 단계;
   사용자 단말들로부터 상기 컨벤션에 참여할 컨벤션 참가자들의 정보를 획득하는 단계;
   제 1 사용자 단말에 로그인한 제 1 계정의 정보를 획득하는 단계;
   상기 제 1 계정의 정보 및 상기 컨벤션 참가자들의 정보를 인공지능에 적용하여, 제 1 선별 컨벤션 참가자들―상기 컨벤션 참가자들 중에서 상기 제 1 사용자 단말에 표시될 컨벤션 참가자들―및 상기 제 1 선별 컨벤션 참가자들의 표시 순서를 출력하는 단계;
   상기 제 1 사용자 단말로 상기 출력을 전송하는 단계;
   제 2 선별 컨벤션 참가자들―상기 제 1 선별 컨벤션 참가자들 중에서 컨벤션의 미리 정의된 구역 안에 있는 것으로 판별된 컨벤션 참가자들―및 상기 제 2 선별 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하는 단계;
   상기 제 1 계정 사용자가 미팅을 진행한 컨벤션 참가자의 연락처를 저장했는지 여부를 획득하는 단계;
   상기 제 1 계정 사용자가 상기 미팅을 진행한 컨벤션 참가자의 연락처를 저장한 경우, 제 3 선별 컨벤션 참가자들―상기 제 2 선별 컨벤션 참가자들 중에서 상기 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사한 것으로 판별된 컨벤션 참가자들―및 상기 제 3 선별 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하는 단계; 및
   상기 제 1 계정 사용자가 상기 미팅을 진행한 컨벤션 참가자의 연락처를 저장하지 않은 경우, 제 4 선별 컨벤션 참가자―상기 제 2 선별 컨벤션 참가자들 중에서 상기 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사하지 않은 것으로 판별된 컨벤션 참가자들―및 상기 제 4 선별 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하는 단계
   를 포함하고,
   상기 컨벤션 참가자들의 정보는 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역을 포함하고,
   상기 제 1 계정의 정보는 제 1 계정의 관심 업무 및 제 1 계정의 관심 지역을 포함하고,
   상기 제 3 선별 컨벤션 참가자들은 적어도 한 명 이상이 상기 제 1 선별 컨벤션 참가자들과 상이하고,
   상기 제 4 선별 컨벤션 참가자들은 적어도 한 명 이상이 상기 제 1 선별 컨벤션 참가자들과 상이하고,
   상기 제 3 선별 컨벤션 참가자들은 적어도 한 명 이상이 상기 제 4 선별 컨벤션 참가자들과 상이한
   컨벤션 참가자 매칭 방법.
   
2. 제 1 항에 있어서,
   상기 제 1 사용자 단말이 상기 컨벤션의 미리 정의된 구역 안으로 들어왔음을 획득하는 단계; 및
   상기 제 1 계정의 정보를 기초로, 제 1 선별 컨벤션 섹션들―상기 컨벤션의 섹션(section)들 중에서 상기 제 1 사용자 단말에 표시될 컨벤션 섹션들―및 상기 제 1 선별 컨벤션 섹션들의 표시 순서를 출력하여 제 1 사용자 단말로 전송하는 단계
   를 더 포함하는
   컨벤션 참가자 매칭 방법.
   
   
   
3. 삭제
4. 하드웨어에 결합되어 제 1 항 또는 제 2 항의 방법 중 어느 하나의 방법을 수행하기 위해 매체에 저장된 컴퓨터 프로그램.
   
5. 컨벤션 주최자 단말로부터 컨벤션 정보를 획득하고,
   사용자 단말들로 상기 컨벤션 정보를 전송하고,
   상기 사용자 단말들로부터 상기 컨벤션에 참여할 컨벤션 참가자들의 정보를 획득하고,
   제 1 사용자 단말에 로그인한 제 1 계정의 정보를 획득하고,
   상기 제 1 계정의 정보 및 상기 컨벤션 참가자들의 정보를 인공지능에 적용하여, 선별된 컨벤션 참가자들―상기 컨벤션 참가자들 중에서 상기 제 1 사용자 단말에 표시될 컨벤션 참가자들―및 상기 선별된 컨벤션 참가자들의 표시 순서를 출력하고,
   상기 제 1 사용자 단말로 상기 출력을 전송하고,
   제 2 선별 컨벤션 참가자들―상기 제 1 선별 컨벤션 참가자들 중에서 컨벤션의 미리 정의된 구역 안에 있는 것으로 판별된 컨벤션 참가자들―및 상기 제 2 선별 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하고,
   상기 제 1 계정 사용자가 미팅을 진행한 컨벤션 참가자의 연락처를 저장했는지 여부를 획득하고,
   상기 제 1 계정 사용자가 상기 미팅을 진행한 컨벤션 참가자의 연락처를 저장한 경우, 제 3 선별 컨벤션 참가자들―상기 제 2 선별 컨벤션 참가자들 중에서 상기 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사한 것으로 판별된 컨벤션 참가자들―및 상기 제 3 선별 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하고,
   상기 제 1 계정 사용자가 상기 미팅을 진행한 컨벤션 참가자의 연락처를 저장하지 않은 경우, 제 4 선별 컨벤션 참가자―상기 제 2 선별 컨벤션 참가자들 중에서 상기 미팅을 진행한 컨벤션 참가자와 컨벤션 참가자 정보가 미리 정의된 기준에 따라 유사하지 않은 것으로 판별된 컨벤션 참가자들―및 상기 제 4 선별 컨벤션 참가자들의 표시 순서를 출력하여 상기 제 1 사용자 단말로 전송하는 프로세서
   를 포함하며,
   상기 컨벤션 참가자들의 정보는 각각의 컨벤션 참가자의 종사 업무 및 각각의 컨벤션 참가자의 종사 지역을 포함하고,
   상기 제 1 계정의 정보는 제 1 계정의 관심 업무 및 제 1 계정의 관심 지역을 포함하고,
   상기 제 3 선별 컨벤션 참가자들은 적어도 한 명 이상이 상기 제 1 선별 컨벤션 참가자들과 상이하고,
   상기 제 4 선별 컨벤션 참가자들은 적어도 한 명 이상이 상기 제 1 선별 컨벤션 참가자들과 상이하고,
   상기 제 3 선별 컨벤션 참가자들은 적어도 한 명 이상이 상기 제 4 선별 컨벤션 참가자들과 상이한
   컨벤션 참가자 매칭 장치.

Images