KR102210442B1

KR102210442B1 - 사용자별 카테고리 선호도 생성 방법, 이를 이용한 상품 추천 방법 및 이를 위한 장치

Info

Publication number: KR102210442B1
Application number: KR1020140022933A
Authority: KR
Inventors: 김민성; 김홍진; 정규환
Original assignee: 에스케이플래닛 주식회사; 십일번가 주식회사
Priority date: 2014-02-26
Filing date: 2014-02-26
Publication date: 2021-02-02
Also published as: KR20150101340A; WO2015129988A1

Abstract

사용자별 카테고리 선호도 생성 방법, 상품 추천 방법 및 이를 위한 장치가 개시된다. 최신성 가중치를 이용하여 사용자의 관심도를 적절히 반영한 카테고리 선호도를 산출하고, 카테고리 선호도를 이용하여 카테고리별로 추천될 상품을 선별하고, 카테고리별로 기준 기간 동안의 이용 횟수의 변화 추이에 상응하는 경향성을 고려하여 선별된 상품들을 노출할 우선순위를 결정함으로써 사용자에 보다 적합한 상품 추천이 가능하다.

Description

사용자별 카테고리 선호도 생성 방법, 이를 이용한 상품 추천 방법 및 이를 위한 장치 {METHOD OF GENERATING CATEGORY PREFERENCE FOR EACH USER, METHOD OF RECOMMENDING PRODUCTS USING THE SAME AND APPARATUS FOR THE SAME}

본 발명은 서비스 카테고리 선호도 생성 방법, 이를 이용한 상품 추천 방법 및 이를 위한 장치에 관한 것으로, 사용자별로 최신성(recency)을 고려하여 서비스 카테고리 선호도를 생성하고, 카테고리 선호도를 고려하여 해당 사용자에게 적합한 상품/컨텐츠/서비스를 추천하되 카테고리의 경향성(tendency)을 고려하여 추천 우선 순위를 결정하는 서비스 카테고리 선호도 생성 방법, 이를 이용한 상품 추천 방법 및 이를 위한 장치에 관한 것이다.

온라인 쇼핑몰, 앱 마켓, 영화 등의 컨텐츠 제공 서비스 등을 이용하는 사용자는 서비스 내에 존재하는 카테고리들 중 상대적으로 선호하는 카테고리들이 존재한다.

즉, 온라인 쇼핑몰을 이용하는 사용자 A의 경우, 온라인 쇼핑몰을 방문하는 대부분의 경우 가전-컴퓨터 카테고리의 상품을 검색하거나 구매하고, 사용자 B의 경우, 온라인 쇼핑몰을 방문하는 대부분의 경우 의류-가방 카테고리의 상품을 구매하거나 검색한다.

한편, 온라인 쇼핑몰이나 앱 마켓, 컨텐츠 제공 서비스 등이 대중화되어감에 따라 협업 필터링이나 연관 규칙 마이닝 등의 기술을 통해 사용자에게 해당 사용자와 유사한 그룹의 다른 사용자들의 사용 패턴 등을 고려하여 상품을 추천하는 상품 추천 기술이 연구되고 있다. 이와 같이, 다른 사용자들의 사용 패턴을 고려하여 상품 추천이 이루어지는 경우 유사한 그룹의 사용자들의 카테고리 선호 정보가 러프하게 반영되기는 하지만 개별 사용자들의 카테고리 선호도가 정확히 반영되지 않으므로 사용자 개개인에 최적화된 상품을 추천하는데 한계가 있다. 즉, 한 명의 사용자가 다수의 카테고리들의 상품들을 서로 다른 분포로 사용하므로 사용자의 카테고리 선호도를 고려하지 않고 통상적인 추천 알고리즘을 적용하면 최적의 상품 추천이 어렵다.

따라서, 개별 사용자의 카테고리 선호 정도를 보다 정확히 반영하여 카테고리 선호도를 산출하고, 이를 효율적으로 상품(컨텐츠, 서비스) 추천에 활용할 수 있는 새로운 기술의 필요성이 절실하게 대두된다.

한국 공개 특허 제10-2011-0071452호, 2011년 6월 29일 공개 (명칭: 장르 가중치를 이용한 방송 프로그램 추천 방법 및 장치)

본 발명의 목적은 사용자별로 최신성(recency)을 적절히 고려한 카테고리 선호도를 산출하여 사용자의 최근 카테고리 선호 정도를 지표화하는 것이다.

또한, 본 발명의 목적은 지수함수를 이용하여 생성된 최신성 가중치를 이용하여 카테고리 선호 정도의 최신성을 효과적으로 반영한 카테고리 선호도를 산출하는 것이다.

또한, 본 발명의 목적은 사용자별 카테고리 선호도를 이용하여 해당 사용자에게 추천되는 상품을 선택하여 사용자에게 보다 적합한 상품 추천이 가능하도록 하는 것이다.

또한, 본 발명의 목적은 사용자별 카테고리 선호도를 이용하여 추천된 상품에 대한 노출 순서를, 카테고리별 선호도의 경향성을 고려하여 결정함으로써 사용자의 선호도 변화 추세에 따라 보다 적절한 상품 추천이 가능해지도록 하는 것이다.

상기한 목적을 달성하기 위한 본 발명에 따른 카테고리 선호도 생성 장치는, 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수가 단위 기간들 각각에 대하여 저장되는 저장부; 및 상기 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들(recency weights) 및 상기 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출하는 제어부를 포함한다.

이 때, 제어부는 상기 최신성 가중치들을 적용한 상기 카테고리별 이용 횟수를 상기 카테고리별로 합산하여 최신성이 반영된 상기 기준 기간에 상응하는 카테고리별 선호도를 산출할 수 있다.

이 때, 제어부는 상기 단위 기간들 중 제1 단위 기간에 제1 최신성 가중치를 적용하고, 상기 제1 단위 기간보다 현재 시점에 가까운 제2 단위 기간에 상기 제1 최신성 가중치보다 큰 제2 최신성 가중치를 적용할 수 있다.

이 때, 최신성 가중치는 지수함수(exponential function)를 적용하여 산출되고, 상기 지수함수를 기간에 대하여 미분한 값을 상기 지수함수로 나눈 값의 절대값(absolute value)을 조절하여 상기 최신성 가중치들의 감소 정도를 조절할 수 있다.

이 때, 제어부는 상기 기준 기간 동안의 상기 이용 횟수의 변화 추이에 상응하는 추세선을 산출하고, 상기 추세선의 기울기에 따라 경향성이 반영된 상기 기준 기간에 상응하는 카테고리별 선호도를 산출할 수 있다.

이 때, 제어부는 상기 추세선의 기울기가 양(+)의 값을 가지는 카테고리에 음(-)의 값을 가지는 카테고리보다 높은 경향성 가중치가 적용되도록 제어할 수 있다.

또한, 본 발명에 따른 상품 추천 장치는, 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들(recency weights) 및 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출하는 카테고리 선호도 생성기; 상기 카테고리별 추천 집합을 생성하는 추천 SET 생성기; 및 상기 기준 기간 동안의 상기 이용 횟수의 변화 추이에 상응하는 경향성 및 상기 카테고리별 선호도 중 어느 하나 이상을 고려하여 상기 카테고리별로 상기 추천 집합 내에서 추천 상품들을 선별하여 선별된 추천 상품들을 추천하는 상품 추천기를 포함한다.

이 때, 경향성은 상기 이용 횟수의 변화 추이에 상응하는 추세선의 기울기에 기반하여 산출될 수 있다.

이 때, 상품 추천기는 상기 추세선의 기울기가 양(+)의 값을 가지는 카테고리의 상품을 상기 추세선의 기울기가 음(-)의 값을 가지는 카테고리의 상품보다 우선적으로 추천할 수 있다.

이 때, 상품 추천기는 상기 카테고리별로 상기 추천 집합 내에서 추천 상품들을 선별하는 추천 상품 선별기; 상기 카테고리별로 상기 이용 횟수의 변화 추이를 산출하여 상기 경향성을 산출하는 경향성 생성기; 상기 경향성에 기반하여 상기 추천 상품들의 추천 우선 순위를 결정하는 추천 순위 조절기; 및 상기 추천 우선 순위에 따라 상기 추천 상품들을 사용자에게 제공하는 출력 인터페이스를 포함할 수 있다.

이 때, 카테고리 선호도 생성기는 상기 최신성 가중치들을 적용한 상기 카테고리별 이용 횟수를 상기 카테고리별로 합산하여 최신성이 반영된 상기 기준 기간에 상응하는 카테고리별 선호도를 산출할 수 있다.

이 때, 카테고리 선호도 생성기는 상기 단위 기간들 중 제1 단위 기간에 제1 최신성 가중치를 적용하고, 상기 제1 단위 기간보다 현재 시점에 가까운 제2 단위 기간에 상기 제1 최신성 가중치보다 큰 제2 최신성 가중치를 적용하여 상기 카테고리별 선호도를 산출할 수 있다.

또한, 본 발명에 따른 사용자별 카테고리 선호도 생성 방법은, 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수를 단위 기간들 각각에 대하여 저장하는 단계; 상기 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들을 산출하는 단계; 및 상기 최신성 가중치들 및 상기 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출하는 단계를 포함한다.

이 때, 최신성 가중치들을 산출하는 단계는 상기 단위 기간들 중 제1 단위 기간에 적용되는 제1 최신성 가중치가, 상기 제1 단위 기간보다 현재 시점에 가까운 제2 단위 기간에 적용되는 제2 최신성 가중치보다 작도록 상기 최신성 가중치들을 산출할 수 있다.

또한, 본 발명의 일실시예에 따른 상품 추천 방법은, 카테고리별 추천 집합을 생성하는 단계; 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들(recency weights) 및 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출하는 단계; 상기 카테고리별 선호도에 따라 상기 카테고리별로 상기 추천 집합 내에서 추천 상품들을 선별하는 단계; 및 상기 기준 기간 동안의 상기 이용 횟수의 변화 추이에 상응하는 경향성에 상응하는 우선 순위에 따라 상기 추천 상품들을 추천하는 단계를 포함한다.

이 때, 추천하는 단계는 상기 추세선의 기울기가 양(+)의 값을 가지는 카테고리의 상품을 상기 추세선의 기울기가 음(-)의 값을 가지는 카테고리의 상품보다 우선적으로 추천할 수 있다.

본 발명에 따르면, 사용자별로 최신성(recency)을 적절히 고려한 카테고리 선호도를 산출하여 사용자의 최근 카테고리 선호 정도를 지표화할 수 있다.

또한, 본 발명은 지수함수를 이용하여 생성된 최신성 가중치를 이용하여 카테고리 선호 정도의 최신성을 효과적으로 반영한 카테고리 선호도를 산출할 수 있다.

또한, 본 발명은 사용자별 카테고리 선호도를 이용하여 해당 사용자에게 추천되는 상품을 선택하여 사용자에게 보다 적합한 상품 추천이 가능하다.

또한, 본 발명은 사용자별 카테고리 선호도를 이용하여 추천된 상품에 대한 노출 순서를, 카테고리별 선호도의 경향성을 고려하여 결정함으로써 사용자의 선호도 변화 추세에 따라 보다 적절한 상품 추천이 가능하다.

도 1은 본 발명의 일실시예에 따른 상품 추천 장치를 나타낸 블록도이다.
도 2는 카테고리별로 기준 기간 동안의 이용 횟수를 나타낸 그래프들이다.
도 3은 두 개의 파라미터 a의 값들에 대한 단위 기간들마다 할당된 최신성 가중치들을 나타낸 표이다.
도 4는 카테고리 #1에 대한 지수 가중치 적용을 나타낸 그래프이다.
도 5는 카테고리 #M에 대한 지수 가중치 적용을 나타낸 그래프이다.
도 6은 카테고리별로 경향성을 나타낸 그래프들이다.
도 7은 도 1에 도시된 카테고리 선호도 생성기의 일 예를 나타낸 블록도이다.
도 8은 도 1에 도시된 추천 SET 생성기의 일 예를 나타낸 블록도이다.
도 9는 도 1에 도시된 상품 추천기를 나타낸 블록도이다.
도 10은 본 발명의 일실시예에 따른 카테고리 선호도 생성 방법을 나타낸 동작 흐름도이다.
도 11은 본 발명의 일실시예에 따른 상품 추천 방법을 나타낸 동작 흐름도이다.

이하 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.

이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다. 또한 제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하기 위해 사용하는 것으로, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 뿐, 상기 구성요소들을 한정하기 위해 사용되지 않는다.

도 1은 본 발명의 일실시예에 따른 상품 추천 장치를 나타낸 블록도이다.

도 1을 참조하면, 본 발명의 일실시예에 따른 상품 추천 장치(100)는 카테고리 선호도 생성기(110), 상품 추천기(120) 및 추천 SET 생성기(130)를 포함한다.

카테고리 선호도 생성기(110)는 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들(recency weights) 및 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출한다.

즉, 카테고리 선호도 생성기(110)는 특정 서비스를 사용하는 다수의 사용자들에 대하여 개별 사용자의 카테고리 선호도를 생성한다. 이 때, 카테고리 선호도 생성기(110)는 개별 사용자의 서비스 사용 이력의 최신성 및 경향성 등을 고려하여 개별 사용자의 카테고리 선호도를 생성할 수 있다.

카테고리 선호도 생성기(110)를 통해 산출된 카테고리 선호도에 기반하여 추천 상품에 포함될 상품들의 카테고리별 개수가 결정될 수 있다. 예를 들어, 카테고리 A, B 및 C의 선호도 비율이 각각 36%, 34% 및 30%이고 추천되는 전체 상품의 개수가 100개인 경우, 카테고리 A의 상품이 36개, 카테고리 B의 상품이 34개, 카테고리 C의 상품이 30개 선택될 수 있다.

이 때, 카테고리 선호도 생성기(110)는 상기 최신성 가중치들을 적용한 상기 카테고리별 이용 횟수를 상기 카테고리별로 합산하여 최신성이 반영된 상기 기준 기간에 상응하는 카테고리별 선호도를 산출할 수 있다.

즉, 카테고리 선호도 생성기(110)는 각각의 카테고리의 이용 횟수 중 최근의 이용 횟수가 카테고리 선호도 생성에 보다 중요하게 고려할 수 있다. 이와 같이 사용자의 최근 이용 선호도를 중요하게 반영하여 카테고리 선호도를 산출함으로써 최근 사용자의 관심도를 보다 적절히 반영할 수 있다.

이 때, 카테고리 선호도 생성기(110)는 상기 단위 기간들 중 제1 단위 기간에 제1 최신성 가중치를 적용하고, 상기 제1 단위 기간보다 현재 시점에 가까운 제2 단위 기간에 상기 제1 최신성 가중치보다 큰 제2 최신성 가중치를 적용하여 상기 카테고리별 선호도를 산출할 수 있다.

이 때, 최신성 가중치는 지수함수(exponential function)를 적용하여 산출되고, 상기 지수함수를 기간에 대하여 미분한 값을, 상기 지수함수로 나눈 값의 절대값(absolute value)을 조절하여 상기 최신성 가중치들의 감소 정도를 조절할 수 있다.

지수함수를 이용하지 않고, 선형적으로 변하는 가중치를 적용하는 경우 사용자의 상품 구매 관심도의 최신성을 적절히 반영하기 어렵다.

추천 SET 생성기(130)는 카테고리별 추천 집합을 생성한다.

즉, 추천 SET 생성기(130)는 각각의 카테고리별로 추천 상품들을 선별하여 추천 상품들의 집합인 추천 집합을 생성한다.

상품 추천기(120)는 상기 기준 기간 동안의 상기 이용 횟수의 변화 추이에 상응하는 경향성 및 상기 카테고리별 선호도 중 어느 하나 이상을 고려하여 상기 카테고리별로 상기 추천 집합 내에서 추천 상품들을 선별하여 선별된 추천 상품들을 추천한다.

이 때, 상품 추천기(120)는 카테고리별 선호도를 고려하여 추천 집합 내에서 추천 상품들을 선별하고, 경향성을 고려하여 선별된 추천 상품들의 노출 우선 순위를 결정할 수 있다.

이 때, 상품은 상품, 서비스, 컨텐츠 등 거래가 가능한 모든 유형의 객체를 포괄하는 개념일 수 있다.

예를 들어, 상품 추천기(120)는 온라인 상거래 사이트를 통해 거래되는 물품을 추천할 수도 있고, 앱 스토어를 통해 거래되는 어플리케이션이나 이북 등의 컨텐츠를 추천할 수도 있고, 용역 서비스 등을 추천할 수도 있다.

이 때, 경향성은 지수 가중치 적용 전 데이터를 기준으로 산출될 수도 있고, 지수 가중치 적용 후 데이터를 기준으로 산출될 수도 있다. 특히, 지수 가중치 적용 후 데이터를 기준으로 경향성을 산출하는 경우 최신성이 반영된 선호 비중에 기반한 경향성 산출이 가능하다.

이 때, 상품 추천기(120)는 상기 추세선의 기울기가 양(+)의 값을 가지는 카테고리의 상품을 상기 추세선의 기울기가 음(-)의 값을 가지는 카테고리의 상품보다 우선적으로 추천할 수 있다.

도 2는 카테고리별로 기준 기간 동안의 이용 횟수를 나타낸 그래프들이다.

도 2를 참조하면, 카테고리 #1, 카테고리 #2 및 카테고리 #M(M은 2보다 큰 자연수)에 대하여 기준 기간 동안 단위 기간별로 해당 카테고리에 대한 사용자의 이용 횟수가 누적된 것을 알 수 있다.

이 때, 기준 기간(기준 기간 #1)은 카테고리별로 사용자의 이용 횟수를 기록하는 기간일 수 있다. 이 때, 기준 기간은 서비스에 따라 달리 결정될 수 있다. 예를 들어, 컨텐츠를 판매 대상으로 하는 서비스의 경우에는 일(day) 단위로, 실물 상품을 판매 대상으로 하는 서비스의 경우에는 주(week) 단위로, 또는 서적(book)과 같이 구매 회수가 적고 구매 주기가 긴 상품을 판매 대상으로 하는 서비스의 경우에는 월(month) 단위로 기준 기간이 설정될 수 있다.

기준 기간은 해당 서비스의 사용자들이 어느 정도로 자주 상품에 대한 '이용'을 하는지에 따라 결정될 수 있다.

도 2에 도시된 예에서, 기준 기간(기준 기간 #1)은 8개의 단위 기간들(T-8, T-7, T-6, T-5, T-4, T-3, T-2, T-1)을 포함할 수 있다. 8개의 단위 기간들(T-8, T-7, T-6, T-5, T-4, T-3, T-2, T-1) 중 단위 기간(T-1)이 가장 현재 시점에 가까운 단위 기간일 수 있다.

이 때, '이용'이라 함은 사용자가 해당 상품을 통하여 특정 서비스를 제공 받는 것을 의미한다. 예를 들어, '이용'은 사용자가 온라인 마켓을 통해 특정 상품을 '구매'하는 것일 수 있다. 예를 들어, '이용'은 사용자가 앱스토어를 통해 특정 어플리케이션을 '클릭'하는 것일 수 있다.

따라서, 이용 횟수는 온라인 마켓에서 해당 사용자가 해당 상품을 구매한 횟수일 수 있다. 또한, 이용 횟수는 앱스토어에서 해당 사용자가 해당 상품을 클릭한 횟수일 수 있다.

이 때, 단위 기간은 도 2에 도시된 T-8, T-7, T-6, ..., T-1과 같이 이용 횟수 산출의 단위가 되는 기간이다. 예를 들어, 단위 기간은 1일, 1시간, 1주 등의 기간일 수 있고, 서비스나 상품의 종류에 따라 결정될 수 있다.

카테고리별 선호도는 도 2에 도시된 기준 기간 동안의 단위 기간별 이용 횟수를 합산하여 산출될 수 있다.

예를 들어, 도 2에 도시된 바와 같이 M개의 카테고리가 존재하는 서비스의 경우, 기준 기간(기준 기간 #1) 동안 사용자의 카테고리 #1에 대한 사용 횟수는 18회이고, 기준 기간(기준 기간 #1) 동안 사용자의 카테고리 #2에 대한 사용 횟수는 17회이고, 기준 기간(기준 기간 #1) 동안 사용자의 카테고리 #M에 대한 사용 횟수는 15회이다. 전체 이용 횟수가 50회(18 + 17 + 15)이므로, 카테고리 #1, 카테고리 #2, 카테고리 #M 이외에 다른 카테고리가 없다고 가정하면, 이 사용자의 카테고리별 선호도는 카테고리 #1에 대하여 36%, 카테고리 2에 대하여 34%, 카테고리 #M에 대하여 30%일 수 있다.

이와 같이, 사용자의 카테고리별 선호도는 해당 카테고리에 대한 사용자의 이용 횟수 비율에 따라 결정될 수도 있다.

다만, 단순히 해당 카테고리에 대한 사용자의 이용 횟수 비율에 따라 사용자의 카테고리별 선호도를 산출하면 기준 기간이 달라지는 경우 카테고리 선호도가 크게 바뀔 수 있다. 도 2에 도시된 기준 기간 #1 대신 기준 기간 #2을 적용하는 경우 이용 횟수 단순 누적 방식의 사용자의 카테고리 선호도는 크게 달라진다.

또한, 도 2에 도시된 카테고리 #M과 같이 과거(T-8 ~ T-5)에는 많이 사용되었으나 최근(T-4 ~ T-1)에는 사용되지 않은 카테고리의 경우, 최근에서는 해당 카테고리가 사용되지 않지만 과거의 사용횟수 때문에 카테고리 선호도가 높게 산출될 수 있다. 즉, 기준 기간이 긴 경우 최근에는 거의 사용되지 않는 카테고리가 과거 한 두 차례 급격하게 이용된 히스토리에 기인하여 일정 기간 동안 카테고리 선호도가 높게 유지될 수 있고 이는 사용자의 정확한 카테고리 선호도 산출에 장애물이 될 수 있다.

특히, 사용자의 관심도는 시간에 따라 지속적으로 변화하므로 카테고리 선호도 산출에 선호도의 최신성(recency)이 반영될 필요가 있다.

예를 들어, 게임/생활/어학/영화/이북/만화 등의 카테고리에 해당하는 앱이 판매되는 앱 마켓에서 사용자는 A 기간에는 주로 이북 카테고리를, B 기간에는 주로 만화 카테고리를, C 기간에는 주로 게임 카테고리를 이용할 수 있다. 나아가, 다른 사용자는 지속적으로 게임 카테고리와 어학 카테고리를 지속적으로 이용할 수도 있다.

따라서, 단순히 기준 기간 동안 사용자의 해당 카테고리에 대한 이용 횟수를 누적하는 경우 최근의 사용자의 관심도를 반영하기 어렵다.

최근의 사용자의 관심도를 반영하기 위해서 단위 기간들 중 최근의 단위 기간에 해당하는 이용 횟수에 가중치를 적용할 수 있다. 즉, 기준 기간에 포함되는 단위 기간들 중 현재 시점에 가까운 단위 기간들에 대하여 보다 큰 값의 최신성 가중치(recency weight)를 부여하면 최근 사용자 관심도가 반영된 카테고리 선호도를 얻을 수 있다.

도 2에 도시된 예에서, 단위 기간(T-1)에서 단위 기간(T-8) 쪽으로 갈수록 각각의 단위 기간에 상응하는 가중치(최신성 가중치)를 감소시키면 현재 시점에 가까운 이용 횟수가 보다 중요하게 카테고리 선호도 산출에 반영되게 된다.

예를 들어, 최신성 가중치는 선형적(linear)으로 변할 수 있다. 즉, 현재 시점에서 이전 시점으로 갈수록 최신성 가중치를 선형적으로 감소시킬 수 있다. 예를 들어, 현재 시점 T를 기준으로 단위 기간 T-1에는 최신성 가중치 1.0, T-2에는 최신성 가중치 0.9, T-3에는 최신성 가중치 0.8, T-P에는 최신성 가중치 1.0 - 0.1 * (P-1)를 할당할 수 있다. 이 때, 0.1은 단계 값으로 볼 수 있다.

도 2에 도시된 카테고리 #1의 경우를 예로 들면, 단위 기간 T-1부터 T-8까지의 이용 횟수가 (2, 0, 3, 2, 3, 0, 3, 5)이던 것이 위의 0.1씩 감소하는 선형 가중치를 최신성 가중치로 적용하는 경우 (2, 0, 3*0.8, 2*0.7, 3*0.6, 0, 3*0.4, 5*0.3)이 될 수 있다.

최신성 가중치를 선형적으로 감소시키는 경우 기준 기간 전체에 대하여 일정한 기울기로 감소되는 가중치를 적용하게 되어, 최신성을 적극적으로 반영하기 어려울 수 있다. 또한, 가중치가 변화하는 단계 값을 지정할 때 기준 기간 전체를 고려할 필요가 있다. 예를 들어, 기준 기간이 12개의 단위 기간들을 포함하는 경우 가중치 변화 단계 값을 0.1로 하면 단위 기간(T-12)에 대한 가중치는 0보다 작은 값을 가지게 되고, 따라서 모든 단위 기간에 대해 적절한 가중치를 할당하기 위해서는 단계값 결정시 기준 기간에 포함되는 단위 기간들의 개수가 고려되어야 한다.

물론, 서비스 종류에 따라 선형적 가중치 변동이 효율적일 수도 있다.

최신성 가중치는 현재 시점에 가까운 단위 기간부터 과거로 갈수록 지수함수적으로 감소할 수도 있다. 즉, 지수 가중치를 최신성 가중치로 적용할 수 있는데, 지수 가중치는 지수 함수(exponential function)를 이용하여 산출된다.

예를 들어, 현재 시점을 T 라고 하면, 단위 기간(T-P)에 대한 최신성 가중치는 EXP(-a*(P-1))로 설정될 수 있다.

이 때, EXP()는 지수함수이며, a는 가중치 감소 정도를 조절하는 파라미터이다.

예를 들어, 단위 기간(T-1)에 대한(P=1인 경우) 최신성 가중치는 EXP(-a*0)=1이 되며 T-2, T-3과 같이 점차 과거로 갈수록 적용되는 최신성 가중치는 지수적으로 감소되게 된다.

이와 같이 지수함수를 이용하여 산출된 최신성 가중치를 적용하게 되면 기준 기간이 몇 개의 단위 기간을 포함하는지를 고려할 필요 없이 가중치 감소 정도를 고려하는 파라미터 a를 결정할 수 있다.

도 3은 두 개의 파라미터 a의 값들에 대한 단위 기간들마다 할당된 최신성 가중치들을 나타낸 표이다.

도 3을 참조하면, 사용자의 최근 관심도를 카테고리 선호도 산출에 크게 반영하고 싶으면 파라미터 a를 크게(a=0.4) 설정하고, 최근 선호도를 반영하되 단위 구간들에 대해 점진적으로(gradual) 가중치를 감소시키고 싶으면 파라미터 a를 작게(a=0.1) 설정하면 되는 것을 알 수 있다.

이와 같이, 서비스 종류 등에 따라 파라미터 a를 적절히 설정하면 사용자의 최근 관심도를 적절히 반영한 카테고리 선호도를 산출할 수 있다.

도 4는 카테고리 #1에 대한 지수 가중치 적용을 나타낸 그래프이다.

도 4를 참조하면, 최신성 가중치가 적용되기 이전에 비하여 최신성 가중치가 적용되고 난 후의 그래프에서 현재 시점에 가까운 단위 기간에 해당하는 이용 횟수가 과거의 단위 기간에 해당하는 이용 횟수보다 더 중요하게 고려되는 것을 알 수 있다.

도 5는 카테고리 #M에 대한 지수 가중치 적용을 나타낸 그래프이다.

마찬가지로, 도 5를 참조하면 최신성 가중치가 적용되기 이전에 비하여 현재 시점에 가까운 단위 기간에 해당하는 이용 횟수가 더 중요하게 고려되는 것을 알 수 있다.

이와 같이, 카테고리 선호도는 최신성 가중치들을 고려하여 산출되어 사용자의 최근 관심도를 적절히 반영할 수 있게 된다.

사용자의 카테고리별 이용 횟수는 기준 기간 내에서 경향성을 가질 수 있다.

실시예에 따라, 최신성 가중치에 기준 기간 동안의 이용 횟수의 변화 추이에 상응하는 추세선의 기울기에 상응하는 경향성을 반영할 수도 있다.

즉, 기준 기간 내에서 사용자의 사용 횟수가 증가하는 추세라면 해당 카테고리의 카테고리 선호도에 높은 경향성 가중치를 적용할 수 있다. 반대로, 기준 기간 내에서 사용자의 사용 횟수가 감소하는 추세라면 해당 카테고리의 카테고리 선호도에 낮은 경향성 가중치를 적용할 수 있다.

나아가, 기준 기간 동안의 이용 횟수의 변화 추이에 상응하는 경향성(tendency)은 카테고리 선호도 산출에는 활용되지 않고, 추천 상품으로 선별된 상품들을 사용자에게 노출하는 우선 순위를 결정할 때 활용될 수도 있다.

도 6은 카테고리별로 경향성을 나타낸 그래프들이다.

도 6을 참조하면, 카테고리 #1, 카테고리 #2 및 카테고리 #3 모두 기준 기간 동안의 이용 횟수가 16회로 동일한 것을 알 수 있다.

이 때, 카테고리 선호도 산출이나 상품 추천을 위해 앞에서 설명한 최신성 가중치를 적용할 수도 있지만, 경향성 가중치가 적용될 수도 있다.

즉, 도 6에 도시된 카테고리 #1, #2 및 카테고리 #3은 모두 사용자 이용 횟수가 16회로 동일하므로 어떤 카테고리의 상품에 우선 순위를 두고 사용자에게 추천할 것인지 판단하기 어렵다. 물론, 최신성 가중치를 적용하는 경우 최신성 가중치가 카테고리별로 선호도 비중을 조절하는 역할을 하는데, 이렇게 산출된 카테고리 선호도가 높은 카테고리의 상품을 우선적으로 노출할 수도 있다. 그러나, 최신성만으로는 사용자의 취향을 충분히 반영하기 어렵다.

도 6에 도시된 바와 같이, 카테고리 #1의 경우 사용자의 사용 횟수 변화 추세가 감소 추세이고, 카테고리 #2의 경우 사용자의 사용 횟수 변화 추세가 증가 추세이며, 카테고리 3의 경우 사용자의 사용 횟수 변화 추세가 유지 추세이다. 이와 같이 기준 기간 동안의 이용 횟수의 변화 추이에 상응하는 경향성을 반영하면 사용자에게 보다 적절한 상품을 추천할 수 있게 된다.

이 때, 기준 기간 동안의 이용 횟수의 변화 추이에 상응하는 경향성은 기준 기간 동안의 이용 횟수의 변화 추이에 상응하는 추세선의 기울기에 기반하여 산출될 수 있다.

이 때, 경향성은 도 4의 지수 가중치 적용 전 데이터를 기준으로 산출될 수도 있고, 도 4의 지수 가중치 적용 후 데이터를 기준으로 산출될 수도 있다. 특히, 도 4의 지수 가중치 적용 후 데이터를 기준으로 경향성을 산출하는 경우 최신성이 반영된 선호 비중에 기반한 경향성 산출이 가능하다.

예를 들어, 추세선의 기울기가 음(-)인 도 6의 카테고리 #1의 상품보다 추세선의 기울기가 양(+)인 도 6의 카테고리 #2의 상품이 우선적으로 노출될 수 있다. 이 때, 두 개의 카테고리에 대하여 추세선의 기울기가 모두 양(+)인 경우에는 추세선의 기울기 크기가 더 큰 카테고리에 상응하는 상품을 우선적으로 추천할 수 있다.

도 7은 도 1에 도시된 카테고리 선호도 생성기의 일 예를 나타낸 블록도이다.

도 7을 참조하면, 도 1에 도시된 카테고리 선호도 생성기는 저장부(710), 제어부(720) 및 통신부(730)를 포함한다.

이 때, 카테고리 선호도 생성기는 청구항에 기재된 카테고리 선호도 생성 장치에 상응하는 것일 수 있다.

저장부(710)에는 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수가 단위 기간들 각각에 대하여 저장된다.

제어부(720)는 상기 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들(recency weights) 및 상기 카테고리별 이용 횟수를 이용하여 기준 기간에 상응하는 카테고리별 선호도를 산출한다.

이 때, 제어부(720)는 최신성 가중치들을 적용한 상기 카테고리별 이용 횟수를 상기 카테고리별로 합산하여 최신성이 반영된 상기 기준 기간에 상응하는 카테고리별 선호도를 산출할 수 있다.

이 때, 제어부(720)는 단위 기간들 중 제1 단위 기간에 제1 최신성 가중치를 적용하고, 제1 단위 기간보다 현재 시점에 가까운 제2 단위 기간에 제1 최신성 가중치보다 큰 제2 최신성 가중치를 적용할 수 있다.

이 때, 최신성 가중치는 지수함수를 적용하여 산출되고, 지수함수를 기간에 대하여 미분한 값을 지수함수로 나눈 값의 절대값(a)을 조절하여 최신성 가중치들의 감소 정도를 조절할 수 있다.

실시예에 따라, 제어부(720)는 기준 기간 동안의 이용 횟수의 변화 추이에 상응하는 추세선을 산출하고, 추세선의 기울기에 따라 경향성이 반영된 기준 기간에 상응하는 카테고리별 선호도를 산출할 수 있다. 이 때, 제어부(720)는 추세선의 기울기가 양(+)인 값을 가지는 카테고리에 음(-)의 값을 가지는 카테고리보다 높은 경향성 가중치가 적용되도록 제어할 수 있다.

통신부(730)는 네트워크와 같은 통신망을 통해 다수의 단말들과 관련된 정보를 송수신하는 역할을 한다. 특히, 본 발명의 실시 예에 따른 통신부(730)는 서비스에 대한 요청을 단말로부터 수신하고, 단말이 요청한 서비스에 상응하는 실행 결과를 단말로 제공한다.

저장부(710)는 카테고리별 이용 횟수 이외에도 본 발명의 실시예에 따른 서비스 과정에서 발생되는 다양한 정보를 저장한다.

실시예에 따라, 저장부(710)는 카테고리 선호도 생성기(110)와 독립적으로 구성되어 서비스를 위한 기능을 지원할 수 있다. 이 때, 저장부(710)는 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수 있다.

또한, 상술한 바와 같이 구성되는 카테고리 선호도 생성기(110)는 하나 이상의 하드웨어로 구현될 수 있다.

한편, 카테고리 선호도 생성기(110)에는 메모리가 탑재되어 그 장치 내에서 정보를 저장할 수 있다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛 일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛 일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.

도 8은 도 1에 도시된 추천 SET 생성기의 일 예를 나타낸 블록도이다.

도 8을 참조하면, 도 1에 도시된 추천 SET 생성기는 사용자 데이터 수집기(810), 카테고리 #1 추천 SET 생성기(820-1), 카테고리 #2 추천 SET 생성기(820-2), ..., 카테고리 #M 추천 SET 생성기(820-M)를 포함한다.

사용자 데이터 수집기(810)는 카테고리 추천 집합 생성에 사용될 수 있도록 사용자의 구매 이력이나 클릭 이력 등의 사용자 데이터를 수집한다.

카테고리 #1 추천 SET 생성기(820-1)는 사용자 데이터를 고려하여 카테고리 #1에 속하는 상품들 중 전부 또는 일부를 선택하여 카테고리 #1 추천 그룹을 생성한다.

마찬가지로, 카테고리 #2 추천 SET 생성기(820-2)는 사용자 데이터를 고려하여 카테고리 #2에 속하는 상품들 중 전부 또는 일부를 선택하여 카테고리 #2 추천 그룹을 생성한다.

마찬가지로, 카테고리 #M 추천 SET 생성기(820-M)는 사용자 데이터를 고려하여 카테고리 #M에 속하는 상품들 중 전부 또는 일부를 선택하여 카테고리 #M 추천 그룹을 생성한다.

이 때, 카테고리별 추천 그룹의 크기(그룹에 속하는 상품들의 개수)는 모두 동일할 수도 있고, 카테고리에 따라 상이할 수도 있다.

도 9는 도 1에 도시된 상품 추천기를 나타낸 블록도이다.

도 9를 참조하면, 도 1에 도시된 상품 추천기(120)는 경향성 생성기(910), 추천 상품 선별기(920), 추천 순위 조절기(930) 및 출력 인터페이스(940)를 포함한다.

추천 상품 선별기(920)는 카테고리별 선호도를 고려하여 카테고리별로 추천 집합 내에서 추천 상품들을 선별한다.

경향성 생성기(910)는 카테고리별로 이용 횟수의 변화 추이를 산출하여 경향성을 생성한다.

이 때, 경향성은 기준 기간 내의 이용 횟수의 변화 추이에 상응하는 추세선의 기울기에 기반하여 산출될 수 있다.

추천 순위 조절기(930)는 경향성에 기반하여 추천 상품들의 추천 우선 순위를 결정한다.

이 때, 추천 순위 조절기(930)는 기준 기간 내의 이용 횟수의 변화 추이에 상응하는 추세선의 기울기가 양(+)의 값을 가지는 카테고리의 상품을 추세선의 기울기가 음(-)의 값을 가지는 카테고리의 상품보다 우선적으로 추천할 수 있다.

출력 인터페이스(940)는 추천 우선 순위에 따라 추천 상품들을 사용자에게 노출한다.

도 10은 본 발명의 일실시예에 따른 카테고리 선호도 생성 방법을 나타낸 동작 흐름도이다.

도 10을 참조하면, 본 발명의 일실시예에 따른 카테고리 선호도 생성 방법은 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수를 단위 기간들 각각에 대하여 저장한다(S1010).

또한, 본 발명의 일실시예에 따른 카테고리 선호도 생성 방법은 상기 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들을 산출한다(S1020).

이 때, 단계(S1020)는 상기 단위 기간들 중 제1 단위 기간에 적용되는 제1 최신성 가중치가, 상기 제1 단위 기간보다 현재 시점에 가까운 제2 단위 기간에 적용되는 제2 최신성 가중치보다 작도록 상기 최신성 가중치들을 산출할 수 있다.

또한, 본 발명의 일실시예에 따른 카테고리 선호도 생성 방법은 상기 최신성 가중치들 및 상기 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출한다(S1030).

도 11은 본 발명의 일실시예에 따른 상품 추천 방법을 나타낸 동작 흐름도이다.

도 11을 참조하면, 본 발명의 일실시예에 따른 상품 추천 방법은 카테고리별 추천 집합을 생성한다(S1100).

또한, 본 발명의 일실시예에 따른 상품 추천 방법은 단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들(recency weights) 및 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출한다(S1120).

또한, 본 발명의 일실시예에 따른 상품 추천 방법은 상기 카테고리 선호도에 따라 상기 카테고리별로 상기 추천 집합 내에서 추천 상품들을 선별한다(S1130).

또한, 본 발명의 일실시예에 따른 상품 추천 방법은 상기 기준 기간 동안의 상기 이용 횟수의 변화 추이에 상응하는 경향성에 상응하는 우선 순위에 따라 상기 추천 상품들을 추천한다(S1140).

이 때, 단계(S1140)는 추세선의 기울기가 양(+)의 값을 가지는 카테고리의 상품을 상기 추세선의 기울기가 음(-)의 값을 가지는 카테고리의 상품보다 우선적으로 추천할 수 있다.

도 10 및 도 11에 도시된 단계들은, 도 10 및 도 11에 도시된 순서, 그 역순 또는 동시에 수행될 수 있다.

본 발명에 따른 카테고리 선호도 생성 방법 및 상품 추천 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 또는 스마트폰 앱으로 구현될 수 있다. 이 때, 프로그램 또는 스마트폰 앱은 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 본 발명을 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 모든 형태의 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 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상에서와 같이 본 발명에 따른 사용자별 카테고리 선호도 생성 방법, 상품 추천 방법 이를 위한 장치는 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

본 발명에 의하면 온라인 쇼핑몰이나 앱스토어 등 상품, 서비스 또는 컨텐츠를 거래하는 서비스 제공자가 사용자의 카테고리 선호도를 적절히 반영하여 사용자의 성향에 맞는 상품을 추천할 수 있으므로 서비스 활성화에 크게 기여하고, 상품 판매 등 사용자 이용도를 크게 증가시켜서 서비스를 통한 수익을 극대화할 수 있다.

100: 상품 추천 장치 110: 카테고리 선호도 생성기
120: 상품 추천기 130: 추천 SET 생성기
710: 저장부 720: 제어부
730: 통신부 810: 사용자 데이터 수집기
820-1, ..., 820-M: 카테고리 추천 SET 생성기
910: 경향성 생성기 920: 추천 상품 선별기
930: 추천 순위 조절기 940: 출력 인터페이스

Claims

삭제
삭제
삭제
삭제
삭제
삭제
단위 기간들 중 어느 하나 이상에 대한 최신성 가중치들(recency weights) 및 사용자들 각각에 대한 기준 기간 동안의 카테고리별 이용 횟수를 이용하여 상기 기준 기간에 상응하는 카테고리별 선호도를 산출하는 카테고리 선호도 생성기;
상기 카테고리별 추천 집합을 생성하는 추천 SET 생성기; 및
상기 기준 기간 동안의 상기 이용 횟수의 변화 추이에 상응하는 경향성 및 상기 카테고리별 선호도 중 어느 하나 이상을 고려하여 상기 카테고리별로 상기 추천 집합 내에서 추천 상품들을 선별하여 선별된 추천 상품들을 추천하는 상품 추천기
를 포함하며,
상기 경향성은
상기 이용 횟수의 변화 추이에 상응하는 추세선의 기울기에 기반하여 산출되고,
상기 상품 추천기는 상기 추세선의 기울기가 양(+)의 값을 가지는 카테고리의 상품을 상기 추세선의 기울기가 음(-)의 값을 가지는 카테고리의 상품보다 우선적으로 추천하거나 복수의 카테고리에 대하여 상기 추세선의 기울기가 모두 양(+)인 경우 추세선의 기울기 크기가 더 큰 카테고리에 상응하는 상품을 우선적으로 추천하는 것을 특징으로 하는 상품 추천 장치.
삭제
삭제
청구항 7에 있어서,
상기 상품 추천기는
상기 카테고리별로 상기 추천 집합 내에서 추천 상품들을 선별하는 추천 상품 선별기;
상기 카테고리별로 상기 이용 횟수의 변화 추이를 산출하여 상기 경향성을 산출하는 경향성 생성기;
상기 경향성에 기반하여 상기 추천 상품들의 추천 우선 순위를 결정하는 추천 순위 조절기; 및
상기 추천 우선 순위에 따라 상기 추천 상품들을 사용자에게 제공하는 출력 인터페이스
를 포함하는 것을 특징으로 하는 상품 추천 장치.
◈청구항 11은(는) 설정등록료 납부시 포기되었습니다.◈

청구항 7에 있어서,
상기 카테고리 선호도 생성기는
상기 최신성 가중치들을 적용한 상기 카테고리별 이용 횟수를 상기 카테고리별로 합산하여 최신성이 반영된 상기 기준 기간에 상응하는 카테고리별 선호도를 산출하는 것을 특징으로 하는 상품 추천 장치.
◈청구항 12은(는) 설정등록료 납부시 포기되었습니다.◈

청구항 11에 있어서,
상기 카테고리 선호도 생성기는
상기 단위 기간들 중 제1 단위 기간에 제1 최신성 가중치를 적용하고, 상기 제1 단위 기간보다 현재 시점에 가까운 제2 단위 기간에 상기 제1 최신성 가중치보다 큰 제2 최신성 가중치를 적용하여 상기 카테고리별 선호도를 산출하는 것을 특징으로 하는 상품 추천 장치.
◈청구항 13은(는) 설정등록료 납부시 포기되었습니다.◈

청구항 12에 있어서,
상기 최신성 가중치는
지수함수(exponential function)를 적용하여 산출되고, 상기 지수함수를 기간에 대하여 미분한 값을 상기 지수함수로 나눈 값의 절대값(absolute value)을 조절하여 상기 최신성 가중치들의 감소 정도를 조절하는 것을 특징으로 하는 상품 추천 장치.
삭제
삭제
삭제
삭제
삭제
삭제
삭제