KR102212676B1 - Disc 기반 성향 분석 시스템 - Google Patents

Disc 기반 성향 분석 시스템 Download PDF

Info

Publication number
KR102212676B1
KR102212676B1 KR1020190085379A KR20190085379A KR102212676B1 KR 102212676 B1 KR102212676 B1 KR 102212676B1 KR 1020190085379 A KR1020190085379 A KR 1020190085379A KR 20190085379 A KR20190085379 A KR 20190085379A KR 102212676 B1 KR102212676 B1 KR 102212676B1
Authority
KR
South Korea
Prior art keywords
data
analysis
disc
user
usage pattern
Prior art date
Application number
KR1020190085379A
Other languages
English (en)
Other versions
KR20210008775A (ko
Inventor
최희재
Original Assignee
주식회사 지금컴퍼니
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 지금컴퍼니 filed Critical 주식회사 지금컴퍼니
Priority to KR1020190085379A priority Critical patent/KR102212676B1/ko
Publication of KR20210008775A publication Critical patent/KR20210008775A/ko
Application granted granted Critical
Publication of KR102212676B1 publication Critical patent/KR102212676B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/167—Personality evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Business, Economics & Management (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Psychology (AREA)
  • Signal Processing (AREA)
  • Tourism & Hospitality (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 DISC 성향 분석 시스템은 기상 환경 등의 외부 환경을 고려하여 사용자의 IoT 기기들 사용패턴을 분석하여 DISC 기반으로 성향을 분류할 수 있는 성향 분석 시스템이다.

Description

DISC 기반 성향 분석 시스템{SYSTEM FOR ANALYZING DISC PERSONALITY}
본 발명은 DISC 기반으로 개인의 성향을 분석하는 시스템에 관한 것으로서, 더욱 상세하게는 개인의 생활공간에 설치된 IoT 기기의 사용패턴으로부터 DISC 기반 개인성향을 분석하는 시스템에 관한 것이다.
사람들은 저마다 서로 다른 행동의 경향성을 가지고 있으며, 서로 다른 방식으로 사물을 이해하고 판단한다. 이렇듯 저마다 다른 독특한 인간의 특성을 설명하는 행동 모델의 하나로 DISC 행동유형 패턴모델이 있다. DISC는 192I년 미국 콜롬비아 대학의 Marston 박사가 고안한 인간의 행동유형 패턴을 검사하는 방법으로 성격 유형을 사람들의 행동유형에 따라 구분하여 주도형(Dominance), 사교형(Influence), 안정형(Steadiness), 신중형(Conscientiousness)의 4가지 유형으로 분류한다. DISC는 이 4가지 유형의 머리글자를 따서 이르는 말이다.
일반적으로 DISC 성격 유형을 분류하기 위해서는 피검사자가 주어진 설문 문항을 체크하고 검사자가 이를 분석하여 유형을 분류한다. 이때 사용되는 설문 문항에 체크하거나 체크된 설문 문항을 분석하는 데 있어, 검사자 또는 피검사자의 주관성이 개입되거나, 특정 설문 문항에 대하여 피검사자가 체크할 정답이 모호하다고 느끼거나, 피검사자의 실제 성향과 다른 정답을 체크하는 등의 문제로 인해 성격 유형 검사 결과가 부정확해지는 문제가 발생한다.
본 발명은 개인이 생활공간 내에 설치된 IoT 기기들의 사용패턴을 분석하고, IoT 기기들의 사용패턴으로부터 DISC 성향을 분류하도록 학습된 딥러닝 엔진을 통해 사용자의 DISC 성향을 분석하는 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 실시 예에 따르면 DISC 성향 분석 시스템이 사용자의 DISC 성향을 분석하는 방법은 로그 데이터 수집 단계와, 데이터 변환 단계와, 사용패턴 분석 단계와, 성향 분석 단계를 포함한다.
로그 데이터 수집 단계는 사용자의 생활 공간 내에 설치된 IoT(Internet of Things) 기기들로부터 사용이력을 포함하는 로그 데이터를 수집하는 단계이고, 데이터 변환 단계는 수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하는 단계이고, 사용패턴 분석 단계는 미리 정해진 기준에 따라 변환된 로그 데이터를 선별하여 사용자의 IoT 기기 사용패턴을 분석하는 단계이고, 성향 분석 단계는 분석된 사용패턴을 미리 정의된 입력 데이터로 변환하여 딥러닝 기반의 DISC 성향 분석 엔진을 통해 사용자의 DISC 성향을 분석하는 단계이다.
또한, 본 발명의 또 다른 실시 예에 따르면 DISC 성향 분석 시스템이 사용자의 DISC 성향을 분석하는 방법의 사용패턴 분석 단계는 선별된 데이터에 포함된 데이터 값에 대한 이상치 및 결측치에 대한 처리를 수행하는 데이터 정제 단계를 포함할 수 있다.
또한, 본 발명의 또 다른 실시 예에 따르면 DISC 성향 분석 시스템이 사용자의 DISC 성향을 분석하는 방법은 환경 데이터 수집 단계를 더 포함할 수 있고, 환경 데이터 수집 단계는 공공데이터 포털로부터 외부 환경 데이터를 수집하는 단계이다. 이때 사용패턴 분석 단계에서 외부 환경에 따른 사용자의 IoT 기기 사용패턴을 분석하고, 외부 환경 데이터를 입력 데이터로 더 포함하여 DISC 성향 분석 엔진이 사용자의 DISC 성향을 분석할 수 있다.
본 발명의 일 양상에 따른 DISC 성향 분석 시스템은 데이터 수집 서버와, 데이터 분석 서버를 포함한다.
데이터 수집 서버는 기기 연동부와, 로그 데이터 수집부를 포함하고, 기기 연동부는 사용자의 생활 공간 내에 설치된 IoT(Internet of Things) 기기들과 통신하여 데이터를 송수신하고, 로그 데이터 수집부는 기기 연동부를 통해 수신된 IoT 기기들의 사용이력을 포함하는 로그 데이터를 수집하여 저장한다.
데이터 분석 서버는 데이터 변환부와, 사용패턴 분석부와, DISC 성향 분석 엔진부를 포함하고, 데이터 변환부는 수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하고, 사용패턴 분석부는 미리 정해진 기준에 따라 변환된 로그 데이터를 선별하여 사용자의 IoT 기기 사용패턴을 분석하고, DISC 성향 분석 엔진부는 분석된 사용패턴을 미리 정의된 입력 데이터로 변환하여 사용자의 DISC 성향을 분석한다.
본 발명의 추가적 양상에 따른 DISC 성향 분석 시스템의 데이터 분석 서버는 데이터 정제부를 더 포함하고, 데이터 정제부는 선별된 데이터에 포함된 데이터 값에 대한 이상치 및 결측치에 대한 처리를 수행할 수 있다.
본 발명의 추가적 양상에 따른 DISC 성향 분석 시스템의 데이터 수집 서버는 환경 데이터 수집부는 공공데이터 포털에 접속하여 공공데이터 포털로부터 외부 환경 데이터를 수집하여 저장할 수 있다. 이때 데이터 분석 서버의 사용패턴 분석부는 외부 환경에 따른 사용자의 IoT 기기 사용패턴을 분석하고, DISC 성향 분석 엔진부는 외부 환경 데이터를 입력 데이터로 더 포함하여 사용자의 DISC 성향을 분석할 수 있다.
본 발명에 의하면 설문 조사에만 의존하지 않고 개인의 DISC 성향을 생활공간 내에 설치된 IoT 기기들의 사용패턴을 분석하여 분류할 수 있다.
도 1은 IoT 기기와 공공데이터 포털과 연동하는 연동하는 본 발명의 일 양상에 따른 DISC 성향 분석 시스템을 개념적으로 도시한 블록도이다.
도 2는 본 발명의 DISC 성향 분석 시스템에 포함되는 데이터 수집 서버와 데이터 분석 서버를 개념적으로 도시한 블록도이다.
도 3은 본 발명의 일 실시 예에 따라 DISC 성향 분석 시스템이 수집한 IoT 기기 사용패턴을 분석하여 DISC 성향을 분석하는 과정을 도시한 절차도이다.
도 4는 본 발명의 또 다른 실시 예에 따라 DISC 성향 분석 시스템이 환경 데이터를 반영하여 IoT 기기 사용패턴에 대한 DISC 성향을 분석하는 과정을 도시한 절차도이다.
이하, 첨부한 도면을 참조하여 본 발명의 DISC 성향 분석 시스템이 사용자의 IoT 기기 사용패턴을 분석하여 DISC 기반의 성향을 분류하는 시스템에 바람직한 실시 예를 상세히 설명한다.
각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 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 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.
도 1은 IoT 기기와 공공데이터 포털과 연동하는 연동하는 본 발명의 일 양상에 따른 DISC 성향 분석 시스템을 개념적으로 도시한 블록도이고, 도 2는 본 발명의 DISC 성향 분석 시스템에 포함되는 데이터 수집 서버와 데이터 분석 서버를 개념적으로 도시한 블록도이다.
도 1에 도시된 것과 같이, DISC 성향 분석 시스템(10)은 데이터 수집 서버(100)와, 데이터 분석 서버(200)를 포함한다.
데이터 수집 서버(100)는 각 사용자의 생활 공간(예를 들어, 가정집 등)에 설치된 각종 IoT 기기(예를 들어, IoT 가전제품, IoT 센서, IoT 전동 커튼 등)들의 사용 이력에 대한 로그 데이터를 수집한다. 각 사용자의 생활 공간에 설치되는 IoT 기기들은 복수 개가 존재하는 것이 일반적이므로 데이터 수집 서버(100)와 IoT 기기들이 직접 연결되지 않고 IoT 게이트웨이 또는 IoT 허브와 연결되고, IoT 기기들은 Bluetooth, Z-Wave, ZigBee 등의 저전력 무선통신 프로토콜을 이용하여 IoT 게이트웨이 또는 IoT 허브와 통신하도록 IoT 인프라가 구성될 수 있다.
발명의 양상에 따라서는 IoT 기기들과 데이터 수집 서버(100)는 데이터 교환을 위한 통신 프로토콜로 저전력의 소형기기 제어에 적합한 MQTT(Message Queueing Telemetry Transport) 프로토콜을 사용할 수 있다. MQTT 프로토콜은 사물 통신(Machine to Machine, M2M), 사물 인터넷(IoT)와 같이 대역폭이 제한된 통신 환경에 최적화된 푸시 기반의 경량 메시지 전송 프로토콜이다. MQTT 프로토콜에서는 푸시 기술에서 일반적으로 사용되는 클라이언트-서버 방식이 아닌 브로커라는 메시지 매개자를 통해 송신측에서 특정 토픽에 대한 메시지를 발행(publish)하고 해당 토픽에 대하여 수신자가 구독(subscribe)하는 방식으로 메시지를 수신한다. 따라서, MQTT 프로토콜이 사용되는 경우에는 IoT 인프라와 데이터 수집 서버(100) 사이에 MQTT 브로커 서버가 추가될 수 있으며, IoT 기기들이 로그 데이터를 토픽으로 하여 메시지를 발행하고, 데이터 수집 서버(100)가 해당 토픽에 대하여 구독하여 MQTT 브로커로부터 해당 메시지를 전달받는다.
데이터 수집 서버(100)는 IoT 기기들로부터 수집한 데이터들을 정형 데이터와, 비정형 데이터로 분류하여 각 타입에 적합한 데이터베이스에 저장할 수 있다.
또한, 데이터 수집 서버(100)는 공공데이터 포털로부터 환경기상과 관련한 데이터를 수집할 수 있다. 후술할 데이터 분석 서버(200)가 수집한 환경 데이터와 IoT 기기의 사용패턴을 매핑하여 의미분석을 할 수 있다.
도 2에 도시된 것과 같이 데이터 수집 서버(100)는 기기 연동부(110)와, 로그 데이터 수집부(120)를 포함한다.
기기 연동부(110)는 사용자의 생활 공간 내에 설치된 IoT 기기들과 직접 또는 IoT 기기들과 직접 연결된 IoT 게이트웨이 또는 IoT 허브를 통해서 간접적으로 통신할 수 있다. 즉, 기기 연동부(110)는 직접 혹은 간접적으로 IoT 기기들과 인터페이스하여 IoT 기기들과 데이터를 송수신할 수 있다. 앞서 설명한대로 발명의 양상에 따라서는 통신 프로토콜로 사물 인터넷(IoT)에 적합한 MQTT 프로토콜을 사용할 수 있으며, 이 경우에는 IoT 인프라와 데이터 수집 서버(100)의 사이에 MQTT 브로커 서버가 위치할 수 있으며, MQTT 브로커 서버가 물리적으로 구분되지 않고 데이터 수집 서버(100) 내에 존재할 수 있다. 즉, MQTT 브로커 역할을 하는 응용 프로그램이 데이터 수집 서버(100) 상에서 실행될 수 있다.
로그 데이터 수집부(120)는 IoT 기기로부터 수신된 IoT 기기 사용이력을 포함하는 로그 데이터를 수집한다. 로그 데이터는 IoT 기기별로 수집되는 정보가 다를 수 있다. 예를 들어, IoT 기기가 조명 기기인 경우에는 로그 데이터는 사용시간, 밝기, 색상(Color mode), Hue 색상, 명도, CIE x축 색상값, CIE y축 색상값, CT 색상값 등의 정보를 포함할 수 있고, IoT 기기가 공기 청정기인 경우에는 로그 데이터는 사용시간, 사용 모드, 모터 스피드, 먼지농도 등의 정보를 포함할 수 있다. 데이터 수집 서버(100)는 다수의 사용자들로부터 각 생활 공간에 설치된 IoT 기기의 로그 데이터를 수집하므로, 로그 데이터는 어떤 사용자가 사용하는 어떠한 종류의 IoT 기기인지 식별할 수 있는 정보를 포함할 수 있다. 일 예로 사용자별로 사용하는 IoT 기기들의 고유 식별번호를 등록하고 로그 데이터 또는 로그 데이터를 전달하는 메시지 내에 해당 식별번호를 포함시켜 로그 데이터 수집부(120)가 식별번호를 데이터베이스 검색을 통해 사용자와 사용자의 IoT 기기를 식별할 수 있도록 할 수 있다. 다만, 이에 한정되는 것은 아니며 다른 방식으로 사용자와 사용자의 IoT 기기를 식별할 수도 있다. 수신한 로그 데이터는 정형 데이터와, 비정형 데이터로 구분되어 각 데이터에 적합한 데이터베이스에 저장될 수 있다.
데이터 분석 서버(200)는 데이터 수집 서버(100)가 수집한 데이터들을 분석하여 사용자의 DISC 성향을 분석할 수 있다. 데이터 분석 서버(200)는 수집된 데이터를 분석에 적합한 스키마로 변형하고, 정제한 뒤 딥러닝 기반의 DISC 성향 분석 엔진을 통해 사용자의 IoT 기기 사용패턴을 학습하여 사용자의 DISC 성향을 분류한다.
도 2에 도시된 것과 같이 데이터 분석 서버(200)는 데이터 변환부(210)와, 사용패턴 분석부(230)와, DISC 성향 분석 엔진부(240)를 포함한다.
데이터 변환부(210)는 수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하여 저장한다. 사용자의 생활 공간에 설치된 IoT 기기들은 각기 제조사가 다를 수 있고 기기의 종류 또한 다양할 수 있기 때문에 로그 데이터의 형식이 다양한 포맷을 가질 수 있으며 딥러닝의 학습 데이터로 사용하기에 적합하지 않을 수 있다. 따라서, 데이터 변환부(210)는 수집된 로그 데이터를 IoT 기기별로 DISC 성향 분석에 적합한 형태로 미리 정해진 데이터 스키마에 따라 변환한다. 미리 정해진 데이터 스키마는 반복적인 학습을 통하여 DISC 성향 분류와 상관도가 높은 변수를 선별하여 결정될 수 있다. 예를 들어, IoT 기기가 조명 기기인 경우에는 로그 데이터는 사용시간, 밝기, 색상(Color mode), Hue 색상, 명도, CIE x축 색상값, CIE y축 색상값, CT 색상값 등의 정보를 포함할 수 있고 이 정보들 중 사용시간, 밝기, Hue 색상, 명도, CIE x축 색상값, CIE y축 색상값, CT 색상값을 데이터 스키마로 미리 정의할 수 있다. 데이터 스키마의 형태는 제한이 없으며 데이터 스키마는 각 IoT 기기별로 DISC 성향 분석에 필요하다고 판단되는 데이터를 기기별 로그 데이터에서 추출하고 이용하기에 적합한 형태로 변환되도록 정의되는 것이 바람직하다.
사용패턴 분석부(230)는 변환된 로그 데이터에서 분석에 필요한 로그 데이터를 선별하고 빅데이터 분석을 통해 사용자의 IoT 기기 사용패턴을 분석한다. 사용패턴 분석부(230)는 빅데이터 분석을 통해 사용자가 IoT 기기를 사용하는 의미를 분석한다.
DISC 성향 분석 엔진부(240)는 딥러닝 알고리즘 기반으로 학습된 모델로 사용자의 IoT 기기 사용패턴을 분석하여 사용자의 DISC 성향을 분석한다. 이때, DISC 성향 분석 엔진부(240)는 사용패턴 분석부(230)의 분석 결과를 학습 모델이 학습할 수 있도록 딥러닝 엔진에 적합한 입력 데이터 형태로 변환하는 작업을 먼저 수행할 수 있다. DISC 성향 분석 엔진부(240)는 IoT 기기별로 다른 딥러닝 모델을 사용할 수 있다. 예를 들어, IoT 기기가 조명인 경우 LSTM(Long Short Term Memory) 모델을 사용하여 사용자의 DISC 성향을 학습하고 분류할 수 있고, IoT 기기가 공기 청정기인 경우 RNN(Recurrent Neural Network) 모델을 사용하여 사용자의 DISC 성향을 학습하고 분류할 수 있다.
발명의 추가적 양상에 따르면, 데이터 분석 서버(200)는 데이터 분석의 왜곡을 줄이기 위해 선별된 데이터에 포함된 데이터 값에 대한 이상치 및/또는 결측치에 대한 처리를 수행하는 데이터 정제부(220)를 더 포함할 수 있다. 발명의 양상에 따라서는 이상치를 보이는 변수를 제거할 수도 있고 정상적인 평균값으로 대체할 수도 있다. 결측치에 대하서도 평균값으로 대체할 수 있다. 다만, 이에 한정되는 것은 아니다.
발명의 추가적 양상에 따르면, 데이터 수집 서버(100)는 공공데이터 포털로부터 외부 환경 데이터를 수집하여 저장하는 환경 데이터 수집부(130)를 더 포함할 수 있다. 이때 사용패턴 분석부(230)에서 외부 환경에 따른 사용자의 IoT 기기 사용패턴을 분석하고, DISC 성향 분석 엔진부(240)는 외부 환경 데이터를 입력 데이터로 더 포함하여 사용자의 DISC 성향을 분석할 수 있다. 즉, 사용자가 IoT 기기를 사용함에 있어서 날씨 등의 기상환경에 따라 어떤 패턴을 보이는 지 분석하고, 사용패턴에 의미를 부여할 수 있으므로 DISC 성향 분석을 좀 더 세밀하게 수행할 수 있게 된다.
발명의 다양한 양상에 사용되는 DISC 성향 분석 엔진부(240)는 설문 조사 등으로 사용자들의 사전 조사된 DISC 성향을 기초로 IoT 기기의 사용패턴을 지도학습으로 학습한 학습 모델일 수 있다.
본 발명의 일 실시 예에 따르면, DISC 성향 분석 시스템(10)이 사용자의 성향을 분석하는 방법은 로그 데이터 수집 단계와, 데이터 변환 단계와, 사용패턴 분석 단계와, 성향 분석 단계를 포함하고, 사용패턴 분석 단계는 데이터 정제 단계를 포함할 수 있다. DISC 성향 분석 시스템(10)은 데이터 수집 서버(100)와, 데이터 분석 서버(200)를 포함하여 구성된다.
로그 데이터 수집 단계는 데이터 수집 서버(100)에서 수행되며 사용자의 생활 공간 내에 설치된 IoT(Internet of Things) 기기들로부터 사용이력을 포함하는 로그 데이터를 수집하는 단계이다. 로그 데이터 수집 단계에서 수집하는 로그 데이터는 각 사용자의 생활 공간에 설치된 각종 IoT 기기들의 사용 이력에 대한 로그 데이터이다. 발명의 양상에 따라서는 IoT 기기들과 데이터 수집 서버(100)는 데이터 교환을 위한 통신 프로토콜로 저전력의 소형기기 제어에 적합한 MQTT(Message Queueing Telemetry Transport) 프로토콜을 사용할 수 있다. MQTT 프로토콜은 사물 통신(Machine to Machine, M2M), 사물 인터넷(IoT)와 같이 대역폭이 제한된 통신 환경에 최적화된 푸시 기반의 경량 메시지 전송 프로토콜이다. MQTT 프로토콜에서는 푸시 기술에서 일반적으로 사용되는 클라이언트-서버 방식이 아닌 브로커라는 메시지 매개자를 통해 송신측에서 특정 토픽에 대한 메시지를 발행(publish)하고 해당 토픽에 대하여 수신자가 구독(subscribe)하는 방식으로 메시지를 수신한다. 따라서, MQTT 프로토콜이 사용되는 경우에는 IoT 인프라와 데이터 수집 서버(100) 사이에 MQTT 브로커 서버가 추가될 수 있으며, IoT 기기들이 로그 데이터를 토픽으로 하여 메시지를 발행하고, 데이터 수집 서버(100)가 해당 토픽에 대하여 구독하여 MQTT 브로커로부터 해당 메시지를 전달받는다.
데이터 변환 단계는 데이터 분석 서버(200)에서 수행되며 수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하는 단계이다. 데이터 분석 서버(200)는 수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하여 저장한다. 사용자의 생활 공간에 설치된 IoT 기기들은 각기 제조사가 다를 수 있고 기기의 종류 또한 다양할 수 있기 때문에 로그 데이터의 형식이 다양한 포맷을 가질 수 있으며 딥러닝의 학습 데이터로 사용하기에 적합하지 않을 수 있다. 따라서, 데이터 분석 서버(200)는 수집된 로그 데이터를 IoT 기기별로 DISC 성향 분석에 적합한 형태로 미리 정해진 데이터 스키마에 따라 변환한다. 데이터 스키마의 형태는 제한이 없으며 데이터 스키마는 각 IoT 기기별로 DISC 성향 분석에 필요하다고 판단되는 데이터를 기기별 로그 데이터에서 추출하고 이용하기에 적합한 형태로 변환되도록 정의되는 것이 바람직하다.
데이터 정제 단계는 데이터 분석 서버(200)에서 수행되며 사용패턴 분석 단계 전에 수행된다. 데이터 정제 단계는 선별된 데이터에 포함된 데이터 값에 대한 이상치 및 결측치에 대한 처리를 수행할 수 있다. 발명의 양상에 따라서는 데이터 정제는 이상치를 보이는 변수를 제거할 수도 있고 정상적인 평균값으로 대체할 수도 있다. 결측치에 대하서도 평균값으로 대체할 수 있다. 다만, 이에 한정되는 것은 아니다.
사용패턴 분석 단계는 데이터 분석 서버(200)에서 수행되며 미리 정해진 기준에 따라 변환된 로그 데이터를 선별하여 사용자의 IoT 기기 사용패턴을 분석하는 단계이다. 데이터 분석 서버(200)는 변환된 로그 데이터에서 분석에 필요한 로그 데이터를 선별하고 빅데이터 분석을 통해 사용자의 IoT 기기 사용패턴을 분석한다. 데이터 분석 서버(200)는 빅데이터 분석을 통해 사용자가 IoT 기기를 사용하는 의미를 분석한다.
성향 분석 단계는 데이터 분석 서버(200)에서 수행되며 분석된 사용패턴을 미리 정의된 입력 데이터로 변환하여 딥러닝 기반의 DISC 성향 분석 엔진을 통해 사용자의 DISC 성향을 분석하는 단계이다. 데이터 분석 서버(200)는 딥러닝 알고리즘 기반으로 학습된 모델을 이용하여 사용자의 IoT 기기 사용패턴을 학습하여 사용자의 DISC 성향을 분석한다. 이때, 데이터 분석 서버(200)는 사용패턴 분석부(230)의 분석 결과를 학습 모델이 학습할 수 있도록 딥러닝 엔진에 적합한 입력 데이터 형태로 변환하는 작업을 먼저 수행할 수 있다.
본 발명의 또 다른 실시 예에 따르면, DISC 성향 분석 시스템(10)이 사용자의 성향을 분석하는 방법은 환경 데이터 수집 단계와, 환경 데이터 정제 단계를 더 포함할 수 있다.
환경 데이터 수집 단계는 데이터 수집 서버(100)에서 수행되며 공공데이터에 접속하여 공공데이터 포털로부터 외부 환경 데이터를 수집하는 단계이다. 이때 데이터 분석 서버(200)에서 외부 환경에 따른 사용자의 IoT 기기 사용패턴을 분석하고, 외부 환경 데이터를 입력 데이터로 더 포함하여 사용자의 DISC 성향을 분석할 수 있다. 즉, 사용자가 IoT 기기를 사용함에 있어서 날씨 등의 기상환경에 따라 어떤 패턴을 보이는 지 분석하고, 사용패턴에 의미를 부여할 수 있으므로 DISC 성향 분석을 좀 더 세밀하게 수행할 수 있게 된다.
환경 데이터 정제 단계는 수집된 환경 데이터를 미리 정의된 환경 데이터 스키마에 따라 변환하는 단계이다.
이 실시 예에서 사용패턴 분석 단계는 외부 환경에 따른 사용자의 IoT 기기 사용패턴을 분석하고, 외부 환경 데이터를 입력 데이터로 더 포함하여 데이터 분석 서버(200)가 사용자의 DISC 성향을 분석할 수 있다.
본 발명의 다양한 실시 예에서 사용자의 DISC 성향을 분석하는 DISC 성향 분석 엔진은 사용자들의 사전 조사된 DISC 성향을 기초로 IoT 기기의 사용패턴을 지도학습으로 학습하는 학습 모델일 수 있다.
도 3은 본 발명의 일 실시 예에 따라 DISC 성향 분석 시스템이 수집한 IoT 기기 사용패턴을 분석하여 DISC 성향을 분석하는 과정을 도시한 절차도이다. 도 3을 참조하여 DISC 성향 분석 시스템이 DISC 성향을 분석하는 과정을 설명하면, 먼저 데이터 수집 서버(100)가 사용자의 생활 공간 내에 설치된 IoT 기기들로부터 로그 데이터를 수집하고(S1000), 데이터 분석 서버(200)가 수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하여(S1020) 저장한다. 또한 데이터 분석 서버(200)가 선별된 데이터에 포함된 데이터 값의 이상치 및 결측치에 대한 처리를 수행하여 데이터를 정제하고(S1040), 정제된 로그 데이터에서 분석에 필요한 로그 데이터를 선별하고 빅데이터 분석을 통해 사용자의 IoT 기기 사용패턴을 분석한다(S1060). 또한 데이터 분석 서버(200)가 분석된 사용패턴을 미리 정의된 입력 데이터로 변환하여 딥러닝 기반의 DISC 성향 분석 엔진을 통해 사용자의 DISC 성향을 분석한다(S1080).
도 4는 본 발명의 또 다른 실시 예에 따라 DISC 성향 분석 시스템이 환경 데이터를 반영하여 IoT 기기 사용패턴에 대한 DISC 성향을 분석하는 과정을 도시한 절차도이다. 도 4를 참조하여 DISC 성향 분석 시스템이 DISC 성향을 분석하는 과정을 설명하면, 데이터 수집 서버(100)가 사용자의 생활 공간 내에 설치된 IoT 기기들로부터 로그 데이터를 수집하고(S2000), 데이터 분석 서버(200)가 수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하여(S2020) 저장한다. 이와 별개로 데이터 수집 서버(100)가 공공데이터에 접속하여 공공데이터 포털로부터 외부 환경 데이터를 수집하고(S2040) 수집된 환경 데이터를 미리 정의된 환경 데이터 스키마에 따라 변환한다(S2060). 데이터 수집 서버(100)는 IoT 기기로부터 로그 데이터를 수집하는 주기와 공공데이터 포털로부터 외부 환경 데이터를 수집하는 주기가 다를 수 있다. IoT 기기로부터 로그 데이터 수집 주기가 짧은 경우 수개의 수집 주기에 수집된 로그 데이터가 동일한 외부 환경 데이터와 조합되어 분석에 사용될 수 있다. 데이터 분석 서버(200)가 선별된 로그 데이터 및 외부 환경 데이터에 포함된 데이터 값의 이상치 및 결측치에 대한 처리를 수행하여 데이터를 정제하고(S2080), 정제된 로그 데이터에서 분석에 필요한 로그 데이터를 선별하고 외부 환경 데이터를 고려한 빅데이터 분석을 통해 사용자의 IoT 기기 사용패턴을 분석한다(S2100). 또한 데이터 분석 서버(200)가 분석된 사용패턴을 미리 정의된 입력 데이터로 변환하여 딥러닝 기반의 DISC 성향 분석 엔진을 통해 사용자의 DISC 성향을 분석한다(S2120).
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
10: DISC 성향 분석 시스템
100: 데이터 수집 서버
110: 기기 연동부
120: 로그 데이터 수집부
130: 환경 데이터 수집부
200: 데이터 분석 서버
210: 데이터 변환부
220: 데이터 정제부
230: 사용패턴 분석부
240: DISC 성향 분석 엔진부

Claims (8)

  1. DISC 성향 분석 시스템이 사용자의 성향을 분석하는 방법에 있어서,
    사용자의 생활 공간 내에 설치된 IoT(Internet of Things) 기기로부터 사용이력을 포함하는 로그 데이터를 수집하는 로그 데이터 수집 단계;
    수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하는 데이터 변환 단계;
    미리 정해진 기준에 따라 변환된 로그 데이터를 선별하여 사용자의 IoT 기기 사용패턴을 분석하는 사용패턴 분석 단계; 및
    분석된 사용패턴을 미리 정의된 입력 데이터로 변환하여 딥러닝 기반의 DISC 성향 분석 엔진을 통해 사용자의 DISC 성향을 분석하는 성향 분석 단계를 포함하고,
    상기 DISC 성향 분석 방법은,
    공공데이터 포털로부터 기상 데이터를 포함하는 외부 환경 데이터를 수집하는 환경 데이터 수집 단계; 및
    수집된 환경 데이터를 미리 정의된 환경 데이터 스키마에 따라 변환하는 환경 데이터 변환 단계를 더 포함하되,
    상기 사용패턴 분석 단계에서 외부 환경에 따른 사용자의 IoT 기기 사용패턴을 분석하고,
    외부 환경 데이터를 입력 데이터로 더 포함하여 DISC 성향 분석 엔진이 사용자의 DISC 성향을 분석하는 것을 특징으로 하는 DISC 성향 분석 방법.
  2. 제 1 항에 있어서, 상기 사용패턴 분석 단계는
    선별된 데이터에 포함된 데이터 값에 대한 이상치 및 결측치에 대한 처리를 수행하는 데이터 정제 단계를 포함하는 DISC 성향 분석 방법.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 DISC 성향 분석 엔진은 사용자들의 사전 조사된 DISC 성향을 기초로 IoT 기기의 사용패턴을 지도학습으로 학습하는 DISC 성향 분석 방법.
  5. 사용자의 생활 공간 내에 설치된 IoT(Internet of Things) 기기들과 인터페이스하여 데이터를 송수신하는 기기 연동부와, 기기 연동부를 통해 IoT 기기들의 사용이력을 포함하는 로그 데이터를 수집하여 저장하는 로그 데이터 수집부를 포함하는 데이터 수집 서버; 및
    수집된 로그 데이터를 미리 정의된 데이터 스키마에 따라 변환하는 데이터 변환부와, 미리 정해진 기준에 따라 변환된 로그 데이터를 선별하여 사용자의 IoT 기기 사용패턴을 분석하는 사용패턴 분석부와, 분석된 사용패턴을 미리 정의된 입력 데이터로 변환하여 사용자의 DISC 성향을 분석하는 딥러닝 기반의 DISC 성향 분석 엔진부를 포함하는 데이터 분석 서버를 포함하고,
    상기 데이터 수집 서버는,
    공공데이터 포털로부터 외부 환경 데이터를 수집하여 저장하는 환경 데이터 수집부를 더 포함하되,
    상기 사용패턴 분석부에서 외부 환경에 따른 사용자의 IoT 기기 사용패턴을 분석하고,
    상기 DISC 성향 분석 엔진부는 외부 환경 데이터를 입력 데이터로 더 포함하여 사용자의 DISC 성향을 분석하는 것을 특징으로 하는 DISC 성향 분석 시스템.
  6. 제 5 항에 있어서, 상기 데이터 분석 서버는
    선별된 데이터에 포함된 데이터 값에 대한 이상치 및 결측치에 대한 처리를 수행하는 데이터 정제부를 더 포함하는 DISC 성향 분석 시스템.
  7. 삭제
  8. 제 5 항에 있어서,
    상기 DISC 성향 분석 엔진부는 사용자들의 사전 조사된 DISC 성향을 기초로 IoT 기기의 사용패턴을 지도학습으로 학습하는 DISC 성향 분석 시스템.
KR1020190085379A 2019-07-15 2019-07-15 Disc 기반 성향 분석 시스템 KR102212676B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190085379A KR102212676B1 (ko) 2019-07-15 2019-07-15 Disc 기반 성향 분석 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190085379A KR102212676B1 (ko) 2019-07-15 2019-07-15 Disc 기반 성향 분석 시스템

Publications (2)

Publication Number Publication Date
KR20210008775A KR20210008775A (ko) 2021-01-25
KR102212676B1 true KR102212676B1 (ko) 2021-02-05

Family

ID=74238107

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190085379A KR102212676B1 (ko) 2019-07-15 2019-07-15 Disc 기반 성향 분석 시스템

Country Status (1)

Country Link
KR (1) KR102212676B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101819965B1 (ko) 2016-11-07 2018-01-18 충남대학교산학협력단 자원 협업을 위한 MBTI 기반 IoT 환경 자원 추천 시스템
KR101933559B1 (ko) 2017-08-03 2019-04-05 서울대학교산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170035137A (ko) * 2015-09-22 2017-03-30 최용규 개인 성향 정보를 이용하는 자산 관리용 어플리케이션 수행 시스템
KR101801138B1 (ko) * 2015-11-27 2017-11-28 한국식품연구원 빅데이터 기반 식품 안전 데이터 분석 장치, 그 방법 및 그 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
KR102089804B1 (ko) * 2017-06-14 2020-03-16 한남대학교 산학협력단 IoT 환경에서 개인 성향분석을 이용한 디지털 사이니지 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101819965B1 (ko) 2016-11-07 2018-01-18 충남대학교산학협력단 자원 협업을 위한 MBTI 기반 IoT 환경 자원 추천 시스템
KR101933559B1 (ko) 2017-08-03 2019-04-05 서울대학교산학협력단 딥러닝 기반의 sns 역기능 개선 시스템 및 방법

Also Published As

Publication number Publication date
KR20210008775A (ko) 2021-01-25

Similar Documents

Publication Publication Date Title
CN110119420B (zh) 数据编配平台管理
Domínguez-Bolaño et al. An overview of IoT architectures, technologies, and existing open-source projects
US11374847B1 (en) Systems and methods for switch stack emulation, monitoring, and control
US11736412B1 (en) Systems and methods for multi-tier resource and subsystem orchestration and adaptation
KR100694295B1 (ko) 센서 기반 홈 네트워크 시스템의 센싱 정보 관리 장치 및방법
US11283690B1 (en) Systems and methods for multi-tier network adaptation and resource orchestration
US11595320B1 (en) Multi-tier resource, subsystem, and load orchestration
CA3076319C (en) Systems and methods for device recognition
WO2016019923A1 (en) System and method for instant messaging
Iqbal et al. Multimedia based IoT-centric smart framework for eLearning paradigm
Dobson et al. A reference architecture and model for sensor data warehousing
KR102212676B1 (ko) Disc 기반 성향 분석 시스템
Pianegiani et al. Energy-efficient signal classification in ad hoc wireless sensor networks
CN108549261A (zh) 一种基于物联集成技术的高校宿舍能源监管系统
KR20210063879A (ko) 마케팅 정보 분석 챗봇 서비스 제공 프로그램 및 기록매체
Akanbi et al. Semantic interoperability middleware architecture for heterogeneous environmental data sources
US20220318593A1 (en) System for generating natural language comment texts for multi-variate time series
Baudisch et al. A framework for learning event sequences and explaining detected anomalies in a smart home environment
KR102212677B1 (ko) Disc 기반 챗봇 시스템
CN112801136B (zh) 带有特征标识的物联网网关数据处理方法及装置
KR102248094B1 (ko) 조명 제어 시스템
KR102281159B1 (ko) 공기 청정기 제어 시스템
Mateo Scalable adaptive group communication for collaboration framework of cloud-enabled robots
Georgievski et al. Activity learning for intelligent buildings
Cheng et al. A service-oriented context-awareness reasoning framework and its implementation

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant