KR102234562B1 - 웹 사이트 자동 구축 방법, 서버 및 시스템 - Google Patents

Abstract

일실시에에 따르면, 서비스 제공 서버에 의해 수행되는, 웹 사이트를 자동으로 구축하는 방법에 있어서, 다수의 웹 사이트에 대한 크롤링을 통해, 상기 웹 사이트 별로 웹 사이트 분야 정보 및 웹 사이트 템플릿을 획득하고, 상기 웹 사이트 별로 미리 정해진 기간 동안 사용자들의 평균 방문 횟수 및 평균 접속 유지 시간을 확인하는 단계; 상기 평균 방문 횟수 및 상기 평균 접속 유지 시간을 기초로, 상기 웹 사이트 별로 웹 사이트 평가 점수를 산정하는 단계; 상기 웹 사이트 분야 정보, 상기 웹 사이트 템플릿 및 상기 웹 사이트 평가 점수를 매칭하여 저장하는 단계; 사용자 단말로부터 제1 웹 사이트의 구축을 위한 업종 정보를 수신하는 단계; 상기 업종 정보 및 상기 웹 사이트 분야 정보를 비교하여, 후보 웹 사이트들을 선별하는 단계; 상기 웹 사이트 평가 점수가 높은 순서대로 상기 후보 웹 사이트들을 정렬하고, 상기 후보 웹 사이트 별로 추출된 템플릿을 통해, 사용자 추천 템플릿 리스트를 생성하는 단계; 상기 사용자 추천 템플릿 리스트를 상기 사용자 단말로 제공하는 단계; 상기 사용자 추천 템플릿 리스트 중 어느 하나인 제1 템플릿에 대한 선택 요청을 상기 사용자 단말로부터 수신하는 단계; 및 상기 제1 템플릿에 기초하여 상기 제1 웹 사이트를 생성하는 단계를 포함하는, 웹 사이트 자동 구축 방법이 제공된다.

Description

웹 사이트 자동 구축 방법, 서버 및 시스템 {METHOD, SERVER AND SYSTEM FOR CONSTRUCTING WEB SITE AUTOMATICALLY}

아래 실시예들은 템플릿을 통해 웹 사이트를 생성하여 웹 사이트를 자동으로 구축하는 기술에 관한 것이다.

일반 사용자에게 있어 웹 사이트를 제작하는 것은 쉽지 않은 일이다. 종래에는 HTML(Hypertext Markup Language) 언어를 이용하여 웹 사이트를 제작하였는데, 일반 사용자가 HTML 언어를 습득하는 것은 어렵기 때문에 보다 편리하게 웹 사이트를 제작할 수 있는 툴이 제시되고 있다.

일 예로서, 위지위그(WYSIWYG: What You See Is What You Get)는 "보는 대로 얻는다"는 뜻과 같이, 문서 편집 과정 등에서 화면에 포맷된 낱말 및 문장이 출력물과 동일하게 나오는 방식을 말한다.

이러한 위지위그는 HTML 편집기에도 적용되어 사용자는 개발자의 도움 없이 웹 사이트를 구성하는 화면의 레이아웃, 콘텐츠 요소 및 기타 요소(예를 들어, 게시판 메뉴, 로그인 기능, 동영상 플레이어)를 마우스를 통해 간단하게 제작할 수 있다.

그러나, 위지위그 환경하에서도 사용자는 웹 사이트의 레이아웃을 스스로 결정하고, 웹 사이트를 방문하는 최종 고객에게 어필할 수 있는 웹 사이트를 기획하여야 한다는 점에서 난관은 여전히 존재하고 있다.

따라서, 웹 사이트를 제작하여 구축하는데 있어 사용자 편의성을 증대시킬 수 있는 기술에 대한 연구개발이 요구되고 있다.

일실시예에 따르면, 웹 사이트 별로 확인된 평균 방문 횟수 및 평균 접속 유지 시간을 기초로, 웹 사이트 평가 점수를 산정하고, 사용자 단말로부터 수신된 업종 정보 및 웹 사이트 분야 정보를 비교하여 후보 웹 사이트들을 선별하고, 웹 사이트 평가 점수가 높은 순서대로 후보 웹 사이트들을 정렬하고, 후보 웹 사이트 별로 추출된 템플릿을 통해 사용자 추천 템플릿 리스트를 생성하여 제공하는 웹 사이트 자동 구축 방법, 서버 및 시스템을 제공하기 위한 것을 그 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

일실시예에 따르면, 서비스 제공 서버에 의해 수행되는, 웹 사이트를 자동으로 구축하는 방법에 있어서, 다수의 웹 사이트에 대한 크롤링을 통해, 상기 웹 사이트 별로 웹 사이트 분야 정보 및 웹 사이트 템플릿을 획득하고, 상기 웹 사이트 별로 미리 정해진 기간 동안 사용자들의 평균 방문 횟수 및 평균 접속 유지 시간을 확인하는 단계; 상기 평균 방문 횟수 및 상기 평균 접속 유지 시간을 기초로, 상기 웹 사이트 별로 웹 사이트 평가 점수를 산정하는 단계; 상기 웹 사이트 분야 정보, 상기 웹 사이트 템플릿 및 상기 웹 사이트 평가 점수를 매칭하여 저장하는 단계; 사용자 단말로부터 제1 웹 사이트의 구축을 위한 업종 정보를 수신하는 단계; 상기 업종 정보 및 상기 웹 사이트 분야 정보를 비교하여, 후보 웹 사이트들을 선별하는 단계; 상기 웹 사이트 평가 점수가 높은 순서대로 상기 후보 웹 사이트들을 정렬하고, 상기 후보 웹 사이트 별로 추출된 템플릿을 통해, 사용자 추천 템플릿 리스트를 생성하는 단계; 상기 사용자 추천 템플릿 리스트를 상기 사용자 단말로 제공하는 단계; 상기 사용자 추천 템플릿 리스트 중 어느 하나인 제1 템플릿에 대한 선택 요청을 상기 사용자 단말로부터 수신하는 단계; 및 상기 제1 템플릿에 기초하여 상기 제1 웹 사이트를 생성하는 단계를 포함하는, 웹 사이트 자동 구축 방법이 제공된다.

상기 사용자 추천 템플릿 리스트의 제공 단계는, 상기 제1 템플릿에 대응하는 제2 웹 사이트의 업데이트 이력 및 상기 제2 웹 사이트의 일일 방문 횟수 내역을 확인하는 단계; 상기 업데이트 이력을 통해 상기 제2 웹 사이트의 업데이트 시점 및 버전을 구분하고, 상기 업데이트 버전 별로 방문 횟수 변동 추이를 확인하는 단계; 상기 방문 횟수 변동 추이에 따라 상기 업데이트 버전 별로 업데이트 평가 점수를 산정하는 단계; 상기 업데이트 평가 점수가 높은 순서대로 상기 업데이트 버전들을 정렬하고, 상기 업데이트 버전 별로 추출된 템플릿을 통해, 상기 제1 템플릿에 대한 버전 추천 템플릿 리스트를 생성하는 단계; 및 상기 버전 추천 템플릿 리스트를 상기 사용자 단말로 제공하는 단계를 포함할 수 있다.

상기 웹 사이트 자동 구축 방법은, 상기 사용자 단말로부터 상기 제1 웹 사이트에 포함된 복수의 구역 중 어느 하나인 제1 구역에 대한 변경 요청을 수신하는 단계; 상기 사용자 추천 템플릿 리스트에 포함된 템플릿들과 상기 제1 템플릿 간의 유사도를 산정하는 단계; 상기 유사도가 높은 순서대로 상기 사용자 추천 템플릿 리스트를 재정렬하여, 상기 제1 템플릿에 대한 대체 추천 템플릿 리스트를 생성하는 단계; 상기 대체 추천 템플릿 리스트를 상기 사용자 단말로 제공하는 단계; 상기 대체 추천 템플릿 리스트 중 어느 하나인 제2 템플릿에 대한 선택 요청을 상기 사용자 단말로부터 수신하는 단계; 및 상기 제2 템플릿에 기초하여 상기 제1 구역에 대한 템플릿이 변경되도록 처리하는 단계를 더 포함할 수 있다.

상기 웹 사이트 자동 구축 방법은, 상기 제1 템플릿에 대응하는 제2 웹 사이트에 포함된 복수의 구역 중 다른 하나인 제2 구역에 대한 사용자들의 평균 클릭 횟수를 확인하고, 상기 제2 템플릿에 대응하는 제3 웹 사이트에 포함된 상기 제2 구역에 대한 사용자들의 평균 클릭 횟수를 확인하는 단계; 상기 제2 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수가 상기 제3 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수 보다 많은 것으로 확인되면, 상기 제2 구역에 대한 템플릿이 상기 제1 템플릿으로 유지되도록 처리하는 단계; 및 상기 제2 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수가 상기 제3 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수 보다 적은 것으로 확인되면, 상기 제2 구역에 대한 템플릿이 상기 제2 템플릿으로 자동 변경되도록 처리하는 단계를 더 포함할 수 있다.

상기 웹 사이트 자동 구축 방법은, 상기 웹 사이트 별로 웹 사이트 이용 내역 정보를 획득하여, 상기 웹 사이트 이용 내역 정보로부터 식별자, 방문 횟수 및 접속 시간을 포함하는 웹 사이트 통합 타겟 데이터를 추출하는 단계; 상기 서비스 제공 서버, 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버를 포함하는 데이터 처리 시스템의 데이터 처리 히스토리에 기초하여 데이터 처리 효율을 지표화한 시스템 관리 효율 지수의 목표 값인 목표 시스템 관리 효율 지수를 획득하는 단계; 상기 웹 사이트 통합 타겟 데이터 및 상기 목표 시스템 관리 효율 지수를 제1 뉴럴 네트워크에 적용하여, 상기 웹 사이트 통합 관리 데이터의 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들에 기초하여 설계된 제1 웹 사이트 데이터 통합 전략을 생성하는 단계; 상기 제1 웹 사이트 데이터 통합 전략을 상기 통합 데이터베이스 서버, 상기 웹(web) 서버, 상기 앱(app) 서버 및 상기 관리자 서버로 전송하는 단계; 상기 제1 웹 사이트 데이터 통합 전략에 따라 상기 웹 사이트 통합 타겟 데이터를 처리한 상기 통합 데이터베이스 서버, 상기 웹(web) 서버, 상기 앱(app) 서버 및 상기 관리자 서버로부터 쿼리 키워드, 보안 공격 정보, 요청 유저 정보, 요청 서버 정보, 요청 빈도 정보 및 유저 만족도 정보를 포함하는 서버 처리 히스토리 정보를 수신하는 단계; 상기 서버 처리 히스토리 정보 내 상기 통합 데이터베이스 서버, 상기 웹(web) 서버, 상기 앱(app) 서버 및 상기 관리자 서버 각각에 대응하는 쿼리 키워드, 보안 공격 정보, 요청 유저 정보, 요청 서버 정보, 요청 빈도 정보, 유저 만족도 정보에 기초하여, 상기 데이터 처리 시스템의 총 데이터 조회 속도 지수, 총 유저 만족도 지수, 총 접근 경로 길이 지수 및 총 보안성 지수의 총 합계와 총 데이터 요청 쿼리 수를 생성하는 단계; 상기 생성된 총 합계 및 상기 총 데이터 요청 쿼리 수에 기초하여, 현재 시스템 관리 효율 지수를 생성하는 단계; 상기 웹 사이트 통합 타겟 데이터, 상기 목표 시스템 관리 효율 지수 및 상기 현재 시스템 관리 효율 지수를 제2 뉴럴 네트워크에 적용하여 제2 웹 사이트 데이터 통합 전략을 생성하는 단계; 상기 제2 웹 사이트 데이터 통합 전략을 상기 통합 데이터베이스 서버, 상기 웹(web) 서버, 상기 앱(app) 서버 및 상기 관리자 서버로 전송하는 단계; 상기 제2 웹 사이트 데이터 통합 전략에 따라 상기 웹 사이트 통합 타겟 데이터를 처리한 상기 통합 데이터베이스 서버, 상기 웹(web) 서버, 상기 앱(app) 서버 및 상기 관리자 서버로부터 제2 서버 처리 히스토리 정보를 수신하는 단계; 및 상기 제2 서버 처리 히스토리 정보에 기초하여 제2 현재 시스템 관리 효율 지수를 생성하고, 상기 제2 현재 시스템 관리 효율 지수와 상기 제2 뉴럴 네트워크를 이용하여 상기 제2 웹 사이트 데이터 통합 전략을 갱신하는 단계를 더 포함하며, 상기 제1 뉴럴 네트워크는 트레이닝 웹 사이트 통합 타겟 데이터들 및 트레이닝 목표 시스템 관리 효율 지수들로부터 생성되는 제1 트레이닝 웹 사이트 데이터 통합 전략들 및 제1 레이블들 차이에 기초하여 학습되고, 상기 제2 뉴럴 네트워크는 트레이닝 웹 사이트 통합 타겟 데이터들, 트레이닝 목표 시스템 관리 효율 지수들 및 트레이닝 현재 시스템 관리 효율 지수들로부터 생성되는 제2 트레이닝 웹 사이트 데이터 통합 전략들 및 제2 레이블들 차이에 기초하여 학습될 수 있다.

일실시예에 따르면, 웹 사이트 별로 확인된 평균 방문 횟수 및 평균 접속 유지 시간을 기초로, 웹 사이트 평가 점수를 산정하고, 사용자 단말로부터 수신된 업종 정보 및 웹 사이트 분야 정보를 비교하여 후보 웹 사이트들을 선별하고, 웹 사이트 평가 점수가 높은 순서대로 후보 웹 사이트들을 정렬하고, 후보 웹 사이트 별로 추출된 템플릿을 통해 사용자 추천 템플릿 리스트를 생성하여 제공함으로써, 웹 사이트를 제작하는 사용자 편의성이 증대될 수 있는 효과가 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 웹 사이트를 자동으로 구축하는 서비스 제공 서버의 동작을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 사용자 추천 템플릿 리스트를 나타낸 도면이다.
도 3은 일실시예에 따른 버전 추천 템플릿 리스트를 사용자 단말로 제공하는 과정을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 제1 템플릿에 대한 버전 추천 템플릿 리스트를 나타낸 도면이다.
도 5는 일실시예에 따른 제1 템플릿에 대한 대체 추천 템플릿 리스트를 사용자 단말로 제공하는 과정을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 제1 템플릿에 대한 대체 추천 템플릿 리스트를 나타낸 도면이다.
도 7은 일실시예에 따른 제2 구역에 대한 템플릿을 자동으로 변경하는 과정을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 웹 사이트 데이터를 통합하여 관리하는 방법을 설명하기 위한 도면이다.
도 9는 일실시예에 따른 제2 웹 사이트 데이터 통합 전략을 갱신하는 과정을 설명하기 위한 도면이다.
도 10은 일실시예에 따른 제1 뉴럴 네트워크 및 제2 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 11은 일실시예에 따른 서비스 제공 서버의 구성에 대한 예시도이다.

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

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

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

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

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

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

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

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

도 1은 일실시예에 따른 웹 사이트를 자동으로 구축하는 서비스 제공 서버의 동작을 설명하기 위한 도면이다.

일실시예에 따르면, 서비스 제공 서버는 웹 상에 존재하는 여러 웹 서버들 및 사용자 단말과 네트워크를 통해 연결될 수 있다. 여기서, 네트워크는 유선 네트워크와 무선 네트워크를 포함할 수 있다. 예를 들어, 네트워크는 근거리 네트워크(LAN: Local Area Network), 도시권 네트워크(MAN: Metropolitan Area Network), 광역 네트워크(WAN: Wide Area Network) 등 다양한 네트워크를 포함할 수 있다. 또한, 네트워크는 공지의 월드 와이드 웹(WWW: World Wide Web)을 포함할 수도 있다. 그러나, 본 발명의 실시예에 따른 네트워크는 상기 열거된 네트워크에 국한되지 않고, 공지의 무선 데이터 네트워크나 공지의 전화 네트워크, 공지의 유무선 텔레비전 네트워크를 적어도 일부로 포함할 수도 있다.

웹 서버들은 웹 사이트를 운영하고 있는 서버로서, 서비스 제공 서버는 다수의 웹 서버들 각각이 운영하는 웹 사이트를 크롤링하여 이에 대한 정보를 사용자 단말로 제공할 수 있다.

사용자 단말은 웹 사이트를 제작하고자 하는 사용자가 이용하는 단말이며, 서비스 제공 서버로부터 제공되는 템플릿에 기초하여 위지위그 환경하에서 웹 사이트를 제작할 수 있다.

사용자 단말은 데스크탑 PC 이외에 네트워크를 통해 서비스 제공 서버와 통신할 수 있는 기기라면, 스마트폰, 태블릿 PC, 노트북 등의 다양한 종류의 단말을 포함할 수 있다.

도 1을 참조하면, 먼저, S101 단계에서, 서비스 제공 서버는 다수의 웹 사이트에 대한 크롤링을 통해, 웹 사이트 별로 웹 사이트 분야 정보 및 웹 사이트 템플릿을 획득할 수 있으며, 웹 사이트 별로 미리 정해진 기간 동안 사용자들의 평균 방문 횟수 및 평균 접속 유지 시간을 확인할 수 있다.

구체적으로, 서비스 제공 서버는 웹 상에서 웹 사이트들을 크롤링하여 웹 사이트 분야 정보를 웹 서버로부터 획득할 수 있다. 여기서, 웹 사이트 분야 정보는 웹 사이트가 속한 분야 정보를 의미하며, 예를 들어, 쇼핑, 검색, 포털, SNS 등의 분야를 포함할 수 있다.

또한, 서비스 제공 서버는 웹 상에서 웹 사이트들을 크롤링하여 웹 사이트 상세 정보를 웹 서버로부터 획득할 수 있으며, 웹 사이트 상세 정보로부터 생성되는 웹 사이트 템플릿을 웹 서버로부터 획득할 수 있다.

일실시예에 따르면, 웹 사이트 상세 정보는 각 웹 사이트의 레이아웃, 각 웹 사이트에 포함된 메뉴 정보 및 각 웹 사이트에 포함된 컨텐츠의 종류에 대한 정보를 포함할 수 있다. 예를 들어, 각 웹 사이트의 레이아웃은 각 웹 사이트에서 메뉴 및 컨텐츠들이 웹 사이트의 어느 위치에서 어느 크기로 배치되어 있는지를 나타내는 정보를 의미할 수 있다. 또한, 메뉴 정보는 각 웹 사이트에 어떠한 메뉴들이 포함되어 있는지의 정보를 의미할 수 있고, 컨텐츠의 종류는 각 웹 사이트에 포함된 컨텐츠들이 어떠한 컨텐츠인지, 예를 들어, 텍스트, 이미지 및 동영상 중 어느 것인지에 대한 정보를 포함할 수 있다. 더 나아가, 웹 사이트 상세 정보는, 각 웹 사이트가 속한 분야 정보 및 각 웹 사이트의 유형 정보 중 적어도 하나를 더 포함할 수 있다

서비스 제공 서버는 웹 사이트 상세 정보에 기초하여 웹 사이트 별로 웹 사이트에 대응하는 웹 사이트 템플릿을 생성하여 획득할 수 있다.

일실시예에 따르면, 웹 사이트 템플릿은 실제 웹 사이트에서 메뉴와 컨텐츠들이 배치되기 전의 레이아웃을 나타내며, 웹 사이트의 엘리먼트(메뉴 및 컨텐츠)가 웹 사이트의 어느 위치에서 어느 크기로 배치되어 있는지 템플릿을 통해 시각적으로 표현될 수 있다.

서비스 제공 서버는 웹 사이트 별로 미리 정해진 기간 동안 사용자들의 평균 방문 횟수 및 평균 접속 유지 시간을 확인할 수 있다. 예를 들어, 서비스 제공 서버는 웹 서버를 통해 최근 1달 동안 사용자들의 일일 방문 횟수를 확인하여 웹 사이트 별로 사용자들의 평균 방문 횟수를 확인하고, 최근 1달 동안 사용자들의 일일 접속 유지 시간을 확인하여 웹 사이트 별로 사용자들의 평균 접속 유지 시간을 확인할 수 있다.

S102 단계에서, 서비스 제공 서버는 평균 방문 횟수 및 평균 접속 유지 시간을 기초로, 웹 사이트 별로 웹 사이트 평가 점수를 산정할 수 있다.

구체적으로, 서비스 제공 서버는 평균 방문 횟수가 많을수록 더 높은 평가 점수를 부여하고, 평균 접속 유지 시간이 길수록 더 높은 평가 점수를 부여하여, 웹 사이트 별로 웹 사이트 평가 점수를 산정할 수 있다.

S103 단계에서, 서비스 제공 서버는 웹 사이트 분야 정보, 웹 사이트 템플릿 및 웹 사이트 평가 정보를 매칭하여 웹 사이트 별로 데이터베이스에 저장할 수 있다.

S104 단계에서, 서비스 제공 서버는 사용자 단말로부터 제1 웹 사이트의 구축을 위한 업종 정보를 수신할 수 있다.

일실시예에 따르면, 제1 웹 사이트의 구축을 위한 업종 정보는 사용자가 제작하고자 하는 웹 사이트가 속한 업종 정보를 의미하며, 예를 들어, 쇼핑, 검색, 포털, SNS 등의 업종을 포함할 수 있다.

S105 단계에서, 서비스 제공 서버는 업종 정보 및 웹 사이트 분야 정보를 비교하여, 후보 웹 사이트들을 선별할 수 있다.

예를 들어, 서비스 제공 서버는 업종 정보가 쇼핑으로 확인되면, 데이터베이스에 저장된 웹 사이트 분야 정보를 확인하여, 웹 사이트 분야 정보가 쇼핑인 웹 사이트들을 선별할 수 있으며, 선별된 웹 사이트들을 후보 웹 사이트로 지정할 수 있다.

S106 단계에서 서비스 제공 서버는 웹 사이트 평가 점수가 높은 순서대로 후보 웹 사이트들을 정렬하고, 후보 웹 사이트 별로 추출된 템플릿을 통해, 사용자 추천 템플릿 리스트를 생성할 수 있다.

예를 들어, 서비스 제공 서버는 후보 웹 사이트로 제2 웹 사이트, 제3 웹 사이트, 제4 웹 사이트 등을 선별할 수 있으며, 웹 사이트 평가 점수에 따라 제2 웹 사이트, 제3 웹 사이트, 제4 웹 사이트를 점수가 높은 순서대로 정렬할 수 있다.

이후, 서비스 제공 서버는 제2 웹 사이트, 제3 웹 사이트, 제4 웹 사이트 각각과 대응되는 템플릿을 데이터베이스에서 추출하여, 제2 웹 사이트와 대응되는 제1 템플릿, 제3 웹 사이트와 대응되는 제2 템플릿, 제4 웹 사이트와 대응되는 제3 템플릿을 추출할 수 있으며, 제1 템플릿, 제2 템플릿, 제3 템플릿을 포함하는 사용자 추천 템플릿 리스트를 생성할 수 있다. 이와 관련된 자세한 설명은 도 2를 참조하여 후술하기로 한다.

S107 단계에서, 서비스 제공 서버는 사용자 추천 템플릿 리스트를 사용자 단말로 제공할 수 있다.

S108 단계에서, 서비스 제공 서버는 사용자 추천 템플릿 리스트 중 어느 하나인 제1 템플릿에 대한 선택 요청을 사용자 단말로부터 수신할 수 있다.

S109 단계에서, 서비스 제공 서버는 제1 템플릿에 기초하여 제1 웹 사이트를 생성할 수 있다. 이때, 서비스 제공 서버는 최신 버전의 제1 템플릿에 기초하여 제1 웹 사이트를 생성할 수 있다.

일실시예에 따르면, 사용자 단말은 제1 템플릿을 최종 템플릿으로 선택하여 제1 웹 사이트의 생성을 요청할 수 있으며, 위지위그 환경하에서 최종 템플릿에 메뉴를 입력하거나, 컨텐츠를 삽입하는 등의 방식으로 편집을 하여 제1 웹 사이트를 제작할 수 있다. 사용자 단말의 편집이 완료되면, 서비스 제공 서버는 제작이 완성된 제1 웹 사이트를 특정 도메인을 통해 게시할 수 있다.

일실시예에 따르면, 서비스 제공 서버는 최종 템플릿에 포함된 모든 엘리먼트를 이용하여 제1 웹 사이트를 제작할 수도 있지만, 최종 템플릿의 레이아웃에서 특정 엘리먼트를 제외시키거나, 새로운 엘리먼트를 추가하거나, 특정 엘리먼트를 변경하여 제1 웹 사이트를 제작할 수도 있다.

도 2는 일실시예에 따른 사용자 추천 템플릿 리스트를 나타낸 도면이다.

먼저, 서비스 제공 서버는 업종 정보 및 웹 사이트 분야 정보를 비교하여, 사용자가 제작하고자 하는 웹 사이트의 업종과 웹 사이트의 분야가 동일한 후보 웹 사이트들을 선별할 수 있으며, 후보 웹 사이트로 제2 웹 사이트, 제3 웹 사이트, 제4 웹 사이트 등이 선별될 수 있다.

서비스 제공 서버는 데이터베이스를 통해 웹 사이트 별로 웹 사이트 템플릿을 확인하여, 제2 웹 사이트에 대응하는 제1 템플릿을 추출하고, 제3 웹 사이트에 대응하는 제2 템플릿을 추출하고, 제4 웹 사이트에 대응하는 제3 템플릿을 추출할 수 있다.

서비스 제공 서버는 데이터베이스를 통해 웹 사이트 별로 웹 사이트 평가 점수를 확인하여, 제2 웹 사이트 평가 점수, 제3 웹 사이트 평가 점수, 제4 웹 사이트 평가 점수를 추출할 수 있다.

서비스 제공 서버는 웹 사이트 평가 점수가 높은 순서대로 제2 웹 사이트, 제3 웹 사이트 및 제4 웹 사이트를 정렬하고, 제1 템플릿, 제2 템플릿 및 제3 템플릿을 포함하는 사용자 추천 템플릿 리스트를 생성할 수 있다.

도 2에 도시된 바와 같이, 서비스 제공 서버는 후보 웹 사이트 종류, 템플릿 종류 및 웹 사이트 평가 점수를 항목으로 구분하여 사용자 추천 템플릿 리스트를 생성할 수 있다.

서비스 제공 서버는 템플릿 종류 항목에 제1 템플릿에 대응하는 제2 웹 사이트의 메인 화면 이미지, 제2 템플릿에 대응하는 제3 웹 사이트의 메인 화면 이미지, 제3 템플릿에 대응하는 제4 웹 사이트의 메인 화면 이미지를 더 포함시켜 사용자 추천 템플릿 리스트를 생성할 수 있다.

도 3은 일실시예에 따른 버전 추천 템플릿 리스트를 사용자 단말로 제공하는 과정을 설명하기 위한 도면이다.

도 3을 참조하면, 먼저, S301 단계에서, 서비스 제공 서버는 제1 템플릿에 대응하는 제2 웹 사이트의 업데이트 이력 및 제2 웹 사이트의 일일 방문 횟수 내역을 확인할 수 있다.

구체적으로, 서비스 제공 서버는 사용자 추천 템플릿 리스트를 사용자 단말로 제공한 후, 사용자 단말로부터 제1 템플릿에 대한 선택 요청이 수신되면, 제1 템플릿에 대응하는 제2 웹 사이트 상세 정보를 웹 서버로부터 획득할 수 있으며, 제2 웹 사이트 상세 정보를 통해 제2 웹 사이트의 업데이트 이력 및 제2 웹 사이트의 일일 방문 횟수 내역을 확인할 수 있다.

일실시예에 따르면, 서비스 제공 서버는 미리 정해진 기간 마다 웹 상에서 웹 사이트들을 크롤링하여 웹 사이트 상세 정보를 획득하여 갱신할 수 있으며, 획득된 웹 사이트 상세 정보를 데이터베이스에 저장하여 관리할 수 있다.

S302 단계에서, 서비스 제공 서버는 제2 웹 사이트의 업데이트 이력을 통해 제2 웹 사이트의 업데이트 시점 및 업데이트 버전을 구분하고, 업데이트 버전 별로 방문 횟수 변동 추이를 확인할 수 있다.

구체적으로, 서비스 제공 서버는 제2 웹 사이트의 업데이트 이력을 통해 제2 웹 사이트의 업데이트 시점을 구분하고, 업데이트 시점 별로 업데이트 버전을 구분할 수 있으며, 업데이트 시점 및 일일 방문 횟수 내역을 기초로, 업데이트 버전 별로 방문 횟수 변동 추이를 확인할 수 있다.

일실시예에 따른 표 1은 제2 웹 사이트의 업데이트 시점 및 일일 방문 횟수 내역을 나타낸 것으로, 설명의 편의상 일부분만 포함할 수 있다.

일자	업데이트 시점	방문 횟수
1월 1일	제1 버전 업데이트	100
1월 2일		98
1월 3일	제2 버전 업데이트	98
1월 4일		102
1월 5일	제3 버전 업데이트	100
1월 6일		100

표 1을 참조하면, 서비스 제공 서버는 제2 웹 사이트가 1월 1일에 제1 버전으로 업데이트 된 것을 확인할 수 있으며, 제1 버전으로 업데이트 된 후, 1월 1일 방문 횟수와 1월 2일 방문 횟수를 비교하여, 제1 버전 업데이트에 대한 방문 횟수 변동 추이가 감소한 것을 확인할 수 있다.

또한, 서비스 제공 서버는 제2 웹 사이트가 1월 3일에 제2 버전으로 업데이트 된 것을 확인할 수 있으며, 제2 버전으로 업데이트 된 후, 1월 3일 방문 횟수와 1월 4일 방문 횟수를 비교하여, 제2 버전 업데이트에 대한 방문 횟수 변동 추이가 증가한 것을 확인할 수 있다.

또한, 서비스 제공 서버는 제2 웹 사이트가 1월 5일에 제3 버전으로 업데이트 된 것을 확인할 수 있으며, 제3 버전으로 업데이트 된 후, 1월 5일 방문 횟수와 1월 6일 방문 횟수를 비교하여, 제3 버전 업데이트에 대한 방문 횟수 변동 추이가 증감없이 유지된 것을 확인할 수 있다.

S303 단계에서, 서비스 제공 서버는 업데이트 버전 별로 확인된 방문 횟수 변동 추이에 따라 업데이트 버전 별로 업데이트 평가 점수를 산정할 수 있다.

구체적으로, 서비스 제공 서버는 방문 횟수 변동 추이가 증가할수록 더 높은 평가 점수를 부여하고, 방문 횟수 변동 추이가 감소할수록 더 낮은 평가 점수를 부여하여, 업데이트 버전 별로 업데이트 평가 점수를 산정할 수 있다.

S304 단계에서, 서비스 제공 서버는 업데이트 평가 점수가 높은 순서대로 업데이트 버전들을 정렬하고, 업데이트 버전 별로 추출된 템플릿을 통해, 제1 템플릿에 대한 버전 추천 템플릿 리스트를 생성할 수 있다.

예를 들어, 서비스 제공 서버는 업데이트 평가 점수에 따라 제2 버전 업데이트, 제3 버전 업데이트, 제1 버전 업데이트 순으로 정렬할 수 있으며, 제2 버전 업데이트와 대응되는 제1-2 템플릿, 제3 버전 업데이트와 대응되는 제1-3 템플릿, 제1 버전 업데이트와 대응되는 제1-1 템플릿을 포함하는 제1 템플릿에 대한 버전 추천 템플릿 리스트를 생성할 수 있다. 이와 관련된 자세한 설명은 도 4를 참조하여 후술하기로 한다.

S305 단계에서, 서비스 제공 서버는 제1 템플릿에 대한 버전 추천 템플릿 리스트를 사용자 단말로 제공할 수 있다.

도 4는 일실시예에 따른 제1 템플릿에 대한 버전 추천 템플릿 리스트를 나타낸 도면이다.

먼저, 서비스 제공 서버는 제2 웹 사이트의 업데이트 이력을 통해 업데이트 시점을 확인하여, 가장 처음 업데이트된 시점에 수행된 업데이트를 제1 버전 업데이트로 설정하고, 제1 버전 업데이트 이후에 수행된 업데이트를 제2 버전 업데이트로 설정하고, 제2 버전 업데이트 이후에 수행된 업데이트를 제3 버전 업데이트로 설정할 수 있다.

서비스 제공 서버는 데이터베이스를 통해 업데이트 버전 별로 웹 사이트 템플릿을 확인하여, 제1 버전 업데이트에 대응하는 제1-1 템플릿을 추출하고, 제2 버전 업데이트에 대응하는 제1-2 템플릿을 추출하고, 제3 버전 업데이트에 대응하는 제1-3 템플릿을 추출할 수 있다.

서비스 제공 서버는 데이터베이스를 통해 업데이트 버전 별로 업데이트 평가 점수를 확인하여, 제1 버전 업데이트 평가 점수, 제2 버전 업데이트 평가 점수, 제3 버전 업데이트 평가 점수를 추출할 수 있다.

서비스 제공 서버는 업데이트 평가 점수가 높은 순서대로 제2 버전 업데이트, 제3 버전 업데이트, 제1 버전 업데이트를 정렬하고, 제1-2 템플릿, 제1-3 템플릿 및 제1-1 템플릿을 포함하는 제1 템플릿에 대한 버전 추천 템플릿 리스트를 생성할 수 있다.

일실시예에 따르면, 서비스 제공 서버는 제1 템플릿에 대한 버전 추천 템플릿 리스트를 사용자 단말로 제공하였으나, 버전 추천 템플릿 리스트 중 어느 하나가 선택되지 않으면, 가장 최근에 업데이트된 제3 버전 업데이트에 대응하는 제1-3 템플릿에 기초하여 제1 웹 사이트를 생성할 수 있으며, 업데이트 평가 점수가 가장 높은 제2 버전 업데이트에 대응하는 제1-2 템플릿에 기초하여 제1 웹 사이트를 생성할 수도 있다.

도 5는 일실시예에 따른 제1 템플릿에 대한 대체 추천 템플릿 리스트를 사용자 단말로 제공하는 과정을 설명하기 위한 도면이다.

도 5를 참조하면, 먼저, S501 단계에서, 서비스 제공 서버는 사용자 단말로부터 제1 웹 사이트에 포함된 복수의 구역 중 어느 하나인 제1 구역에 대한 변경 요청을 수신할 수 있다.

구체적으로, 서비스 제공 서버는 제1 템플릿에 기초하여 제1 웹 사이트를 생성한 후, 생성된 제1 웹 사이트를 사용자 단말로 제공할 수 있으며, 제1 구역, 제2 구역, 제3 구역 등이 포함된 제1 웹 사이트에서 제1 구역에 대한 변경 요청을 사용자 단말로부터 수신할 수 있다.

S502 단계에서, 서비스 제공 서버는 사용자 추천 템플릿 리스트에 포함된 템플릿들과 제1 템플릿 간의 유사도를 산정할 수 있다.

구체적으로, 서비스 제공 서버는 사용자 추천 템플릿 리스트에 포함된 제2 템플릿, 제3 템플릿 및 제4 템플릿과 제1 템플릿 간의 유사도를 산정할 수 있다. 서비스 제공 서버는 유사도를 산정하는데 있어 메뉴 및 컨텐츠들이 배치된 위치 및 크기를 비교하여, 제1 템플릿 간의 유사도를 산정할 수 있다.

S503 단계에서, 서비스 제공 서버는 유사도가 높은 순서대로 사용자 추천 템플릿 리스트를 재정렬하여, 제1 템플릿에 대한 대체 추천 템플릿 리스트를 생성할 수 있다.

예를 들어, 사용자 추천 템플릿 리스트는 제2 템플릿, 제3 템플릿, 제4 템플릿 순으로 정렬되어 있는데, 서비스 제공 서버는 제1 템플릿 간의 유사도가 높은 순서대로 제2 템플릿, 제4 템플릿, 제3 템플릿 순으로 재정렬하여, 제1 템플릿에 대한 대체 추천 템플릿 리스트를 생성할 수 있다. 이와 관련된 자세한 설명은 도 6을 참조하여 후술하기로 한다.

S504 단계에서, 서비스 제공 서버는 제1 템플릿에 대한 대체 추천 템플릿 리스트를 사용자 단말로 제공할 수 있다.

S505 단계에서, 서비스 제공 서버는 대체 추천 템플릿 리스트 중 어느 하나인 제2 템플릿에 대한 선택 요청을 사용자 단말로부터 수신할 수 있다.

S506 단계에서, 서비스 제공 서버는 제2 템플릿에 기초하여 제1 웹 사이트의 제1 구역에 대한 템플릿이 변경되도록 처리할 수 있다.

예를 들어, 제1 템플릿에 기초하여 생성된 제1 웹 사이트가 제1 구역, 제2 구역 및 제3 구역으로 구분되어 있는 경우, 제1 구역, 제2 구역 및 제3 구역이 제1 템플릿이 적용되어 있는데, 서비스 제공 서버는 제1 구역만 제2 템플릿을 적용하여 변경되도록 처리하고, 제2 구역 및 제3 구역에 대해 제1 템플릿이 유지되도록 처리할 수 있다.

도 6은 일실시예에 따른 제1 템플릿에 대한 대체 추천 템플릿 리스트를 나타낸 도면이다.

먼저, 서비스 제공 서버는 제1 템플릿에 기초하여 제1 웹 사이트를 생성한 후, 생성된 제1 웹 사이트를 사용자 단말로 제공할 수 있으며, 사용자 단말로부터 제1 웹 사이트에 포함된 복수의 구역 중 어느 하나인 제1 구역에 대한 변경 요청을 수신할 수 있다.

서비스 제공 서버는 제1 템플릿과 제2 템플릿의 유사도를 산정하고, 제1 템플릿과 제3 템플릿의 유사도를 산정하고, 제1 템플릿과 제4 템플릿의 유사도를 산정할 수 있다.

서비스 제공 서버는 제1 템플릿 간의 유사도가 높은 순서대로 제3 웹 사이트, 제5 웹 사이트, 제4 웹 사이트를 정렬하고, 제3 웹 사이트에 대응하는 제2 템플릿, 제5 웹 사이트에 대응하는 제4 템플릿 및 제4 웹 사이트에 대응하는 제3 템플릿을 포함하는 제1 템플릿에 대한 대체 추천 템플릿 리스트를 생성할 수 있다.

도 7은 일실시예에 따른 제2 구역에 대한 템플릿을 자동으로 변경하는 과정을 설명하기 위한 도면이다.

도 7을 참조하면, 먼저, S701 단계에서, 서비스 제공 서버는 제2 템플릿에 기초하여 제1 웹 사이트의 제1 구역에 대한 템플릿이 변경되도록 처리할 수 있다.

S702 단계에서, 서비스 제공 서버는 제1 템플릿에 대응하는 제2 웹 사이트에 포함된 복수의 구역 중 다른 하나인 제2 구역에 대한 사용자들의 평균 클릭 횟수를 확인할 수 있다.

구체적으로, 서비스 제공 서버는 제2 웹 사이트의 구역 별로 미리 정해진 기간 동안 사용자들의 평균 클릭 횟수를 확인할 수 있다. 예를 들어, 서비스 제공 서버는 웹 서버를 통해 제2 웹 사이트에 대한 최근 1달 동안 사용자들의 일일 클릭 횟수를 구역 별로 확인하여, 제2 웹 사이트의 제2 구역에 대한 사용자들의 평균 클릭 횟수를 확인할 수 있다.

S703 단계에서, 서비스 제공 서버는 제2 템플릿에 대응하는 제3 웹 사이트에 포함된 제2 구역에 대한 사용자들의 평균 클릭 횟수를 확인할 수 있다.

즉, 서비스 제공 서버는 제1 웹 사이트에서 좌측 부분에 배치된 제1 구역이 제1 템플릿에서 제2 템플릿으로 변경되면, 제1 웹 사이트에서 우측 부분에 배치된 제2 구역에 대한 템플릿을 자동으로 변경하기 위해, 제1 템플릿에 대응하는 제2 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수를 확인하고, 제2 템플릿에 대응하는 제3 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수를 확인할 수 있다.

S704 단계에서, 서비스 제공 서버는 제2 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수가 제3 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수 보다 많은지 여부를 확인할 수 있다.

S704 단계에서 제2 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수가 제3 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수 보다 많은 것으로 확인되면, S705 단계에서, 서비스 제공 서버는 제2 구역에 대한 템플릿이 제1 템플릿으로 유지되도록 처리할 수 있다.

S704 단계에서 제2 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수가 제3 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수 보다 적은 것으로 확인되면, S706 단계에서, 서비스 제공 서버는 제2 구역에 대한 템플릿이 제1 템플릿에서 제2 템플릿으로 변경되도록 처리할 수 있다.

즉, 서비스 제공 서버는 사용자 단말로부터 제1 구역을 제2 템플릿으로 변경하고자 하는 요청이 수신된 경우, 제1 구역에 대한 템플릿을 제2 템플릿으로 변경하면서, 제3 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수가 제2 웹 사이트에 포함된 제2 구역에 대한 평균 클릭 횟수 보다 많은 것으로 확인되면, 제2 구역에 대한 템플릿도 제2 템플릿으로 자동으로 변경되도록 처리할 수 있다.

도 8은 일실시예에 따른 웹 사이트 데이터를 통합하여 관리하는 방법을 설명하기 위한 도면이다.

일실시예에 따르면, 데이터 처리 시스템은 웹 사이트 데이터 통합 관리 단말, 서비스 제공 서버, 통합 데이터베이스 서버, 통합 데이터베이스 스토리지, 웹(web) 데이터베이스 스토리지, 웹 데이터베이스 서버, 웹 서버, 웹 단말, 앱(app) 데이터베이스 스토리지, 앱 데이터베이스 서버, 앱 서버, 앱 단말, 관리자 데이터베이스 스토리지, 관리자 데이터베이스 서버, 관리자 서버 및 관리자 단말을 포함할 수 있다. 시스템 내 서버들을 포함하는 개체들은 네트워크로 연결되어 유무선 통신을 통해 데이터를 교환할 수 있다.

서비스 제공 서버는 다수의 사용자 단말 이외에 다른 서버들과 연결될 수 있으며, 예를 들어, 통합 데이터베이스 서버, 웹 데이터베이스 서버, 웹 서버, 앱 데이터베이스 서버, 앱 서버, 관리자 데이터베이스 서버, 관리자 서버 등과 네트워크로 연결되어 유무선 통신을 통해 데이터를 교환할 수 있다.

일실시예에 따르면, 통합 데이터베이스 서버는 통합 데이터베이스 스토리지와 연결되어 있고, 웹 데이터베이스 서버는 웹 데이터베이스 스토리지와 연결되어 있고, 앱 데이터베이스 서버는 앱 데이터베이스 스토리지와 연결되어 있고, 관리자 데이터베이스 서버는 관리자 데이터베이스 스토리지와 연결되어 있을 수 있다.

웹 서버는 웹 데이터베이스 서버 및 웹 단말과 연결될 수 있고, 앱 서버는 앱 데이터베이스 서버 및 앱 단말과 연결될 수 있고, 관리자 서버는 관리자 데이터베이스 서버 및 관리자 단말과 연결될 수 있다.

웹 서버는 웹 단말과 통신하여 웹 단말로부터 수신하는 입력을 처리하고, 웹 데이터베이스 서버는 웹 기능과 관련하여 처리되는 데이터의 데이터베이스를 구현하고, 데이터베이스 처리와 관련된 명령을 수행하고, 데이터를 웹 데이터베이스 스토리지에 저장할 수 있다.

앱 서버는 앱 단말과 통신하여 앱 단말로부터 수신하는 입력을 처리하고, 앱 데이터베이스 서버는 앱 기능과 관련하여 처리되는 데이터의 데이터베이스를 구현하고, 데이터베이스 처리와 관련된 명령을 수행하고, 데이터를 앱 데이터베이스 스토리지에 저장할 수 있다.

관리자 서버는 관리자 단말과 통신하여 관리자 단말로부터 수신하는 입력을 처리하고, 관리자 데이터베이스 서버는 관리자 기능과 관련하여 처리되는 데이터의 데이터베이스를 구현하고, 데이터베이스 처리와 관련된 명령을 수행하고, 데이터를 관리자 데이터베이스 스토리지에 저장할 수 있다.

웹 데이터베이스 서버, 앱 데이터베이스 서버, 관리자 데이터베이스 서버와 각각의 스토리지들은 통합되어 구현될 수도 있지만, 독립된 개체로 동작하는 경우 시스템에서 처리되는 데이터의 통합 관리 방식에 따라 시스템의 데이터 처리 효율이 달라질 수 있다.

서비스 제공 서버는 웹 서버로부터 획득된 웹 사이트 이용 내역 정보로부터 웹 사이트 통합 타겟 데이터를 추출할 수 있으며, 웹 사이트 통합 타겟 데이터로부터 데이터 처리 효율을 높이기 위한 정보를 추출하고, 추출된 정보에 따라 웹 사이트 통합 타겟 데이터를 처리하기 위한 전략을 생성할 수 있다. 데이터 처리 효율을 위한 정보를 추출하고, 웹 사이트 통합 타겟 데이터를 처리하기 위한 전략을 생성하는 실시예는 후술된다.

일실시예에 따르면, 서비스 제공 서버는 웹 사이트 데이터를 통합으로 관리하는 방법을 수행할 수 있다. 서비스 제공 서버는 통합 관리의 타겟이 되는 웹 사이트 통합 타겟 데이터를 처리할 수 있고, 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다. 서비스 제공 서버는 통합 데이터베이스 서버와 연동하여 데이터베이스 관련 정보를 처리할 수 있고, 통합 데이터베이스 서버에 의해 데이터베이스화된 데이터는 통합 데이터베이스 스토리지에 저장될 수 있다.

시스템 내 데이터들은 각각의 서버들에 의해 처리될 수 있는데, 시스템의 전체 효율을 높이기 위한 데이터의 관리 및 통합과 관련된 명령은 서비스 제공 서버에 의해 처리될 수 있고, 서비스 제공 서버에 의해 처리되는 데이터의 데이터베이스 처리는 통합 데이터베이스 서버에 의해 처리될 수 있다.

일실시예에 따르면, 시스템 내 서버들은 인공지능을 이용하여 웹 사이트 데이터 통합 관리를 위한 정보를 생성할 수 있다. 각각의 서버들은 학습된 모듈을 포함할 수 있고, 데이터 처리 히스토리와 새롭게 입력되는 트레이닝 샘플들을 활용하여 인공지능 모델을 학습시킬 수 있다. 인공지능 모델과 관련된 내용은 후술된다.

서비스 제공 서버는 웹 서버로부터 웹 사이트 별로 웹 사이트 이용 내역 정보를 획득할 수 있다. 웹 사이트 이용 내역 정보는 웹 사이트에 접속하여 방문하는 활동에 의해 생성된 정보로서, 예를 들어, 특정 웹 사이트에 접속하면, 웹 사이트의 방문 횟수, 접속 시간 등에 의해 생성되는 정보를 포함할 수 있으며, 시스템 내 서버들은 이러한 정보를 각 서버 기능 별로 처리하고, 데이터베이스화할 수 있다.

사용자는 웹 사이트 데이터 통합 관리 단말을 이용하여 웹 사이트 별로 웹 사이트 이용 내역과 관련된 정보를 입력할 수 있고, 웹 사이트 데이터 통합 관리 단말은 사용자의 입력에 기초하여 웹 사이트 이용 내역 정보를 서비스 제공 서버로 전송할 수 있다. 웹 사이트 이용 내역 정보는 사용자 입력뿐만 아니라 웹 사이트 이용과 관련된 정보가 갱신됨에 따라 시스템 내 처리 규약에 의해 주기적 또는 비주기적으로 생성될 수 있다.

S801 단계에서, 서비스 제공 서버는 웹 사이트 이용 내역 정보부터 웹 사이트 통합 타겟 데이터를 추출할 수 있다. 웹 사이트 통합 타겟 데이터는 웹 사이트 이용 내역 정보로부터 추출된 데이터로서 시스템 내 서버들의 처리 효율을 높이기 위한 통합 관리의 타겟이 되는 데이터이다.

서비스 제공 서버에 의해 추출되는 웹 사이트 통합 타겟 데이터는 식별자, 방문 횟수 및 접속 시간에 대한 정보를 포함할 수 있다. 식별자는 웹 사이트 통합 타겟 데이터를 식별하기 위한 정보로 웹 사이트 식별 정보를 포함할 수 있다. 방문 횟수는 미리 정해진 기간 동안 웹 사이트에 사용자들이 방문한 횟수로, 예를 들어, 1달 동안 특정 웹 사이트에 접속한 사용자들의 방문 횟수가 측정되어, 방문 횟수에 대한 정보가 생성될 수 있다. 접속 시간은 특정 웹 사이트에 방문 시 얼마나 오랜 시간 접속을 유지하는지에 대한 정보를 포함할 수 있다.

S802 단계에서, 서비스 제공 서버는 시스템의 데이터 처리 효율을 지표화한 시스템 관리 효율 지수의 목표 값인 목표 시스템 관리 효율 지수를 획득할 수 있다. 상술한 바와 같이, 시스템은 서비스 제공 서버, 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버를 포함할 수 있다. 시스템 관리 효율 지수는 시스템의 데이터 처리 효율을 지표화한 지수인데, 시스템 내 개체들이 데이터를 처리함에 따라 발생하는 데이터 처리 히스토리에 기초하여 지표화된 값일 수 있고, 시스템 관리 효율 지수의 목표 값은 시스템의 하드웨어 성능과 처리하는 데이터 양과 유형에 기초하여 설정될 수 있다.

일실시예에 따르면, 서비스 제공 서버는 시스템 관리 효율 지수를 시스템의 총 데이터 조회 속도 지수, 총 유저 만족도 지수, 총 접근 경로 길이 지수 및 총 보안성 지수와 총 데이터 요청 쿼리 수에 기초하여 시스템 관리 효율 지수를 정의할 수 있다. 서비스 제공 서버는 수학식 1과 같이 시스템 관리 효율 지수를 정의할 수 있다.

서비스 제공 서버는 시스템 내 서버들의 데이터 처리에 의해 발생하는 데이터 처리 히스토리 정보를 획득할 수 있고, 데이터 처리 히스토리 정보는 쿼리 키워드, 보안 공격 정보, 요청 유저 정보, 요청 서버 정보, 요청 빈도 정보 및 유저 만족도 정보를 포함할 수 있다. 서비스 제공 서버는 쿼리 키워드, 요청 서버 정보 및 요청 빈도 정보에 기초하여 총 데이터 조회 속도 지수를 생성할 수 있다. 서비스 제공 서버는 요청된 정보에 응답하여 데이터를 조회하는데 걸리는 시간에 기초하여 데이터 조회 속도 지수를 생성할 수 있고, 요청된 정보들에 대응하는 데이터 조회 속도 지수들에 기초하여 총 데이터 조회 속도 지수를 생성할 수 있다. 총 데이터 조회 속도 지수가 높을수록 데이터 조회 속도가 빠른 것으로 정의될 수 있다. 서비스 제공 서버는 총 데이터 조회 속도 지수가 높도록 데이터 통합 관리를 수행하므로, 데이터 처리에 의해 발생하는 데이터 조회 속도 성능이 우수한 데이터 통합 관리를 수행할 수 있다.

서비스 제공 서버는 시스템 내 서버들의 데이터 처리에 의해 발생하는 유저 만족도 정보를 획득하고, 획득된 정보에 기초하여 총 유저 만족도 지수를 생성할 수 있다. 총 유저 만족도 지수가 높을수록 유저의 만족도가 높은 것으로 정의될 수 있다. 유저 만족도 정보는 사용자에 의해 입력된 값에 기초하여 생성될 수 있다. 서비스 제공 서버는 총 유저 만족도 지수가 높도록 데이터 통합 관리를 수행하므로, 데이터 처리 및 응답에 대한 유저 만족도가 높은 데이터 통합 관리를 수행할 수 있다.

서비스 제공 서버는 시스템 내 서버들의 데이터 처리에 의해 발생하는 쿼리 키워드, 요청 서버 정보 및 요청 빈도 정보에 기초하여 총 접근 경로 길이 지수를 생성할 수 있다. 서비스 제공 서버는 요청된 정보에 응답하여 데이터를 조회하는데 접근하는 단계들을 경로로 정의하고, 그 단계들의 길이의 합에 기초하여 총 접근 경로 길이 지수를 생성할 수 있다. 총 접근 경로 길이 지수가 높을수록 접근 경로가 짧은 것으로 정의될 수 있다. 서비스 제공 서버는 총 접근 경로 길이 지수가 높도록 데이터 통합 관리를 수행하므로, 빈도수가 높은 데이터의 접근 경로를 짧게 데이터 통합 관리를 수행할 수 있다. 접근 경로는 시스템 내 물리적인 하드웨어 장치들의 단계들로 표현될 수 있고, 유저가 데이터를 접근하는데 필요한 UX 횟수로 정의될 수도 있다.

서비스 제공 서버는 시스템 내 서버들의 데이터 처리에 의해 발생하는 쿼리 키워드, 보안 공격 정보, 요청 유저 정보, 요청 서버 정보 및 요청 빈도 정보를 획득하고, 획득된 정보에 기초하여 총 보안성 지수를 생성할 수 있다. 서비스 제공 서버는 요청된 정보에 응답하여 데이터를 조회하거나 처리하는데 발생하는 보안 공격 횟수, 보안 공격 유형, 보안 공격 강도 및 보안 공격 주체에 기초하여 총 보안성 지수를 생성할 수 있다. 총 보안성 지수가 높을수록 보안 공격에 강한 것으로 정의될 수 있다. 서비스 제공 서버는 총 보안성 지수가 높도록 데이터 통합 관리를 수행하므로, 데이터 처리에 의해 발생하는 보안 공격에 강인한 데이터 통합 관리를 수행할 수 있다.

S803 단계에서, 서비스 제공 서버는 웹 사이트 통합 타겟 데이터 및 목표 시스템 관리 효율 지수를 제1 뉴럴 네트워크에 적용하여 제1 웹 사이트 데이터 통합 전략을 생성할 수 있다. 제1 뉴럴 네트워크의 출력에 기초하여 생성되는 제1 웹 사이트 데이터 통합 전략은 웹 사이트 통합 타겟 데이터의 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들에 기초하여 설계될 수 있다. 매칭 서버는 시스템 내 상술한 서버들 중 매칭되는 적어도 하나의 서버이고, UI 노출도는 시스템 내 특정 서버의 플랫폼 또는 프로그램의 UI에 의해 유저에게 노출되는 정도이고, 저장소는 시스템 내 상술한 스토리지들 중 적어도 하나의 스토리지이고, 접근 권한은 데이터에 접근할 수 있는 권한으로서 유저들 또는 접근 서버들 별로 차별적으로 제공되도록 설정될 수 있고, 조회 속도는 웹 사이트 통합 타겟 데이터를 조회하는 속도로서, 접근 경로의 길이나 데이터베이스 서버의 처리 알고리즘에 다른 속도로 설정될 수 있다.

일실시예에 따르면, 서비스 제공 서버는 딥러닝을 기반으로 웹 사이트 통합 타겟 데이터에 따른 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들을 포함하는 제1 웹 사이트 데이터 통합 전략을 생성할 수 있다.

일실시예에 따르면, 서비스 제공 서버는 웹 사이트 통합 타겟 데이터 및 목표 시스템 관리 효율 지수에 기초하여 제1 입력 벡터를 생성할 수 있다. 여기서, 벡터는 one-hot 벡터, 실수 벡터 등 설계 의도에 따라 다양한 형태로 정의될 수 있다. 제1 입력 벡터 생성 시 웹 사이트 통합 타겟 데이터 및 목표 시스템 관리 효율 지수 내 다양한 변수들에 각각 가중치들이 적용될 수 있다. 여기서, 가중치들은 제1 뉴럴 네트워크의 학습 시 최적화될 수 있다. 서비스 제공 서버는 제1 입력 벡터를 기 학습된 제1 뉴럴 네트워크로 인가할 수 있다. 제1 입력 벡터는 제1 뉴럴 네트워크의 입력 레이어에 대응할 수 있다.

서비스 제공 서버는 제1 입력 벡터가 인가된 제1 뉴럴 네트워크로부터 생성된 제1 출력 벡터를 획득할 수 있다. 제1 출력 벡터는 제1 뉴럴 네트워크의 출력 레이어에 대응할 수 있다. 서비스 제공 서버는 제1 출력 벡터에 기초하여 웹 사이트 통합 타겟 데이터에 따른 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들을 포함하는 제1 웹 사이트 데이터 통합 전략을 생성할 수 있다. 제1 웹 사이트 데이터 통합 전략 내 설정 값들은 복수의 분류들과 같이 이산화되어 표현되거나 연속된 값으로 표현될 수 있다. 뉴럴 네트워크의 학습과 관련된 내용은 도 10을 참조하여 후술된다.

S804 단계에서, 서비스 제공 서버는 제1 뉴럴 네트워크에 의해 생성된 제1 웹 사이트 데이터 통합 전략을 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버로 전송할 수 있다. 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버는 제1 웹 사이트 데이터 통합 전략에 기초하여, 웹 사이트 통합 타겟 데이터를 처리할 수 있다. 예를 들어, 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버는 제1 웹 사이트 데이터 통합 전략에 기초하여 웹 사이트 통합 타겟 데이터에 대응하는 매칭 서버 및 저장소를 판단할 수 있고, 매칭 서버 및 저장소에 대응하는 서버는 해당 웹 사이트 통합 타겟 데이터를 처리하고, 대응 데이터베이스 처리 서버와 스토리지를 활용하여 해당 웹 사이트 통합 타겟 데이터를 저장할 수 있다. 예를 들어, 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버는 제1 웹 사이트 데이터 통합 전략에 기초하여 웹 사이트 통합 타겟 데이터에 대응하는 UI 노출도를 판단할 수 있고, 매칭 서버 및 저장소에 대응하는 서버는 해당 웹 사이트 통합 타겟 데이터를 제1 웹 사이트 데이터 통합 전략에 따른 UI 노출도에 기초하여 대응 플랫폼 또는 프로그램에 해당 웹 사이트 통합 타겟 데이터를 노출시킬 수 있다. 예를 들어, 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버는 제1 웹 사이트 데이터 통합 전략에 기초하여 웹 사이트 통합 타겟 데이터에 대응하는 접근 권한 및 조회 속도를 판단할 수 있고, 매칭 서버 및 저장소에 대응하는 서버는 해당 웹 사이트 통합 타겟 데이터를 제1 웹 사이트 데이터 통합 전략에 따른 접근 권한 및 조회 속도에 기초하여 해당 웹 사이트 통합 타겟 데이터를 처리할 수 있다.

S805 단계에서, 서비스 제공 서버는 제1 웹 사이트 데이터 통합 전략에 따라 웹 사이트 통합 타겟 데이터를 처리한 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버로부터 서버 처리 히스토리 정보를 수신할 수 있다. 웹 사이트 통합 타겟 데이터를 처리한 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버에 의해 생성되는 서버 처리 히스토리 정보는 쿼리 키워드, 보안 공격 정보, 요청 유저 정보, 요청 서버 정보, 요청 빈도 정보 및 유저 만족도 정보를 포함할 수 있다. 서비스 제공 서버는 서버 처리 히스토리 정보에 기초하여 현재 시스템 관리 효율 지수를 생성하고, 생성된 현재 시스템 관리 효율 지수에 기초하여 웹 사이트 데이터 통합 전략을 갱신할 수 있다. 서비스 제공 서버는 웹 사이트 통합 타겟 데이터를 처리하기 위한 제1 웹 사이트 데이터 통합 전략을 생성하고, 생성된 제1 웹 사이트 데이터 통합 전략에 따라 웹 사이트 통합 타겟 데이터를 처리함에 따라 획득된 지표에 기초하여 새로운 웹 사이트 데이터 통합 전략인 제2 웹 사이트 데이터 통합 전략을 생성하여, 시스템의 데이터 처리 효율을 지속적으로 개선하는 전략을 생성할 수 있고, 이에 따라 시스템의 데이터 처리 효율과 관련된 성능을 높일 수 있다. 제2 웹 사이트 데이터 통합 전략과 관련된 내용은 도 9를 참조하여 후술된다.

도 9는 일실시예에 따른 제2 웹 사이트 데이터 통합 전략을 갱신하는 과정을 설명하기 위한 도면이다.

일실시예에 따르면, 서비스 제공 서버는 제1 웹 사이트 데이터 통합 전략에 따라 웹 사이트 통합 타겟 데이터를 처리한 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버로부터 수신한 서버 처리 히스토리 정보에 기초하여 현재 시스템 관리 효율 지수를 생성할 수 있다. 서비스 제공 서버는 서버 처리 히스토리 정보 내 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버 각각에 대응하는 쿼리 키워드, 보안 공격 정보, 요청 유저 정보, 요청 서버 정보, 요청 빈도 정보, 유저 만족도 정보에 기초하여, 시스템의 총 데이터 조회 속도 지수, 총 유저 만족도 지수, 총 접근 경로 길이 지수 및 총 보안성 지수의 총 합계와 총 데이터 요청 쿼리 수를 생성할 수 있다. 서비스 제공 서버는 생성된 총 합계 및 총 데이터 요청 쿼리 수에 기초하여, 현재 시스템 관리 효율 지수를 생성할 수 있다. 현재 시스템 관리 효율 지수는 상술한 제1 웹 사이트 데이터 통합 전략에 따라 웹 사이트 통합 타겟 데이터를 처리하는 시스템의 데이터 처리 효율일 수 있다.

일실시예에 따르면, 서비스 제공 서버는 웹 사이트 통합 타겟 데이터, 목표 시스템 관리 효율 지수 및 현재 시스템 관리 효율 지수를 제2 뉴럴 네트워크에 적용하여 제2 웹 사이트 데이터 통합 전략을 생성할 수 있다. 제2 뉴럴 네트워크의 출력에 기초하여 생성되는 제2 웹 사이트 데이터 통합 전략은 웹 사이트 통합 타겟 데이터의 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들에 기초하여 설계될 수 있으며 제1 웹 사이트 데이터 통합 전략을 갱신하는 정보일 수 있다.

일실시예에 따르면, 서비스 제공 서버는 딥러닝을 기반으로 웹 사이트 통합 타겟 데이터에 따른 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들을 포함하는 제2 웹 사이트 데이터 통합 전략을 생성할 수 있다.

일실시예에 따르면, 서비스 제공 서버는 웹 사이트 통합 타겟 데이터, 목표 시스템 관리 효율 지수 및 현재 시스템 관리 효율 지수에 기초하여 제2 입력 벡터를 생성할 수 있다. 여기서, 벡터는 one-hot 벡터, 실수 벡터 등 설계 의도에 따라 다양한 형태로 정의될 수 있다. 제2 입력 벡터 생성 시 웹 사이트 통합 타겟 데이터, 목표 시스템 관리 효율 지수 및 현재 시스템 관리 효율 지수 내 다양한 변수들에 각각 가중치들이 적용될 수 있다. 여기서, 가중치들은 제2 뉴럴 네트워크의 학습 시 최적화될 수 있다. 서비스 제공 서버는 제2 입력 벡터를 기 학습된 제2 뉴럴 네트워크로 인가할 수 있다. 제2 입력 벡터는 제2 뉴럴 네트워크의 입력 레이어에 대응할 수 있다.

서비스 제공 서버는 제2 입력 벡터가 인가된 제2 뉴럴 네트워크로부터 생성된 제2 출력 벡터를 획득할 수 있다. 제2 출력 벡터는 제2 뉴럴 네트워크의 출력 레이어에 대응할 수 있다. 서비스 제공 서버는 제2 출력 벡터에 기초하여 웹 사이트 통합 타겟 데이터에 따른 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들을 포함하는 제2 웹 사이트 데이터 통합 전략을 생성할 수 있다. 제2 웹 사이트 데이터 통합 전략 내 설정 값들은 복수의 분류들과 같이 이산화되어 표현되거나 연속된 값으로 표현될 수 있다. 뉴럴 네트워크의 학습과 관련된 내용은 도 10을 참조하여 후술된다.

일실시예에 따르면, 서비스 제공 서버는 제2 웹 사이트 데이터 통합 전략을 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버로 전송할 수 있다. 서비스 제공 서버는 제2 웹 사이트 데이터 통합 전략에 따라 웹 사이트 통합 타겟 데이터를 처리한 통합 데이터베이스 서버, 웹(web) 서버, 앱(app) 서버 및 관리자 서버로부터 제2 서버 처리 히스토리 정보를 수신할 수 있다. 서비스 제공 서버는 제2 서버 처리 히스토리 정보에 기초하여 제2 현재 시스템 관리 효율 지수를 생성하고, 생성된 제2 현재 시스템 관리 효율 지수와 제2 뉴럴 네트워크를 이용하여 제2 웹 사이트 데이터 통합 전략을 갱신할 수 있다. 서비스 제공 서버는 웹 사이트 통합 타겟 데이터들에 대응하는 매칭 서버, UI 노출도, 저장소, 접근 권한 및 조회 속도에 대응하는 설정 값들(901)을 지속적으로 갱신하여 시스템에 최적화된 데이터 통합 관리 전략을 제공할 수 있다.

도 10은 일실시예에 따른 제1 뉴럴 네트워크 및 제2 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.

제1 뉴럴 네트워크 및 제2 뉴럴 네트워크는 트레이닝 샘플들이 입력되는 입력 레이어와 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 레이블들은 웹 사이트 통합 타겟 데이터 및 목표 시스템 관리 효율 지수에 따른 웹 사이트 데이터 통합 전략들; 및 웹 사이트 통합 타겟 데이터, 목표 시스템 관리 효율 지수 및 현재 시스템 관리 효율 지수에 따른 웹 사이트 데이터 통합 전략들에 기초하여 정의될 수 있다.

예를 들어, 제1 레이블들은 웹 사이트 통합 타겟 데이터 및 목표 시스템 관리 효율 지수에 따른 웹 사이트 데이터 통합 전략들에 기초하여 정의되고, 제2 레이블들은 웹 사이트 통합 타겟 데이터, 목표 시스템 관리 효율 지수 및 현재 시스템 관리 효율 지수에 따른 웹 사이트 데이터 통합 전략들에 기초하여 정의될 수 있다.

제1 뉴럴 네트워크 및 제2 뉴럴 네트워크는 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.

도 10을 참조하면, 학습 장치는 트레이닝 웹 사이트 통합 타겟 데이터들(1003) 및 트레이닝 목표 시스템 관리 효율 지수들(1004)을 제1 뉴럴 네트워크(1001)로 적용할 수 있다. 제1 뉴럴 네트워크(1001)는 트레이닝 웹 사이트 통합 타겟 데이터들(1003) 및 트레이닝 목표 시스템 관리 효율 지수들(1004)에 기초하여 생성된 입력 벡터들에 대응하는 입력 레이어를 포함할 수 있고, 입력 레이어는 복수의 노드들로 구성될 수 있다. 제1 뉴럴 네트워크(1001)는 제1 트레이닝 웹 사이트 데이터 통합 전략들(1005)을 생성할 수 있다. 제1 뉴럴 네트워크(1001)는 제1 트레이닝 웹 사이트 데이터 통합 전략들(1005)에 대응하는 출력 벡터들에 대응하는 출력 레이어를 포함할 수 있고, 출력 레이어는 복수의 노드들로 구성될 수 있다. 학습 장치는 제1 트레이닝 웹 사이트 데이터 통합 전략들(1005) 및 제1 레이블들 사이의 차이에 기초하여 제1 뉴럴 네트워크(1001)를 학습시킬 수 있다.

도 10을 참조하면, 학습 장치는 트레이닝 웹 사이트 통합 타겟 데이터들(1003), 트레이닝 목표 시스템 관리 효율 지수들(1004) 및 트레이닝 현재 시스템 관리 효율 지수들(1006)을 제2 뉴럴 네트워크(1002)로 적용할 수 있다. 제2 뉴럴 네트워크(1002)는 트레이닝 웹 사이트 통합 타겟 데이터들(1003), 트레이닝 목표 시스템 관리 효율 지수들(1004) 및 트레이닝 현재 시스템 관리 효율 지수들(1006)에 기초하여 생성된 입력 벡터들에 대응하는 입력 레이어를 포함할 수 있고, 입력 레이어는 복수의 노드들로 구성될 수 있다. 제2 뉴럴 네트워크(1002)는 제2 트레이닝 웹 사이트 데이터 통합 전략들(1007)을 생성할 수 있다. 제2 뉴럴 네트워크(1002)는 제2 트레이닝 웹 사이트 데이터 통합 전략들(1007)에 대응하는 출력 벡터들에 대응하는 출력 레이어를 포함할 수 있고, 출력 레이어는 복수의 노드들로 구성될 수 있다. 학습 장치는 제2 트레이닝 웹 사이트 데이터 통합 전략들(1007) 및 제2 레이블들 사이의 차이에 기초하여 제2 뉴럴 네트워크(1002)를 학습시킬 수 있다.

학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 뉴럴 네트워크를 학습시킬 수 있다. 학습 장치는 뉴럴 네트워크의 출력들 및 레이블들 의해 설계된 손실 함수를 이용할 수 있다.

학습 장치는 미리 정의된 손실 함수(loss function)을 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 뉴럴 네트워크 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.

학습 장치는 역전파(backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 뉴럴 네트워크 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.

도 11은 일실시예에 따른 서비스 제공 서버의 구성에 대한 예시도이다.

일실시예에 따르면, 서비스 제공 서버는 데이터 처리 시스템에 의해 수행되는 동작을 수행할 수 있다. 서비스 제공 서버(1100)는 프로세서(1101) 및 메모리(1102)를 포함한다. 프로세서(1101)는 도 1 내지 도 10을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 10을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 서비스 제공 서버(1100)를 이용하는 자 또는 단체는 도 1 내지 도 10을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(1102)는 전술된 방법들과 관련된 정보를 저장하거나 전술된 방법들을 구현하는 프로그램을 저장할 수 있다. 메모리(1102)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(1101)는 프로그램을 실행하고, 서비스 제공 서버(1100)를 제어할 수 있다. 프로세서(1101)에 의하여 실행되는 프로그램의 코드는 메모리(1102)에 저장될 수 있다. 서비스 제공 서버(1100)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.

서비스 제공 서버(1100)는 인공 신경망을 학습시키거나, 학습된 인공 신경망을 이용하는데 사용될 수 있다. 메모리(1102)는 학습 중인 또는 학습된 인공 신경망을 포함할 수 있다. 프로세서(1101)는 메모리(1102)에 저장된 인공 신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공 신경망을 학습시키는 서비스 제공 서버(1100)와 학습된 인공 신경망을 이용하는 서비스 제공 서버(1100)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 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

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

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

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

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

Claims (3)

1. 서비스 제공 서버에 의해 수행되는, 웹 사이트를 자동으로 구축하는 방법에 있어서,
   다수의 웹 사이트에 대한 크롤링을 통해, 상기 웹 사이트 별로 웹 사이트 분야 정보 및 웹 사이트 템플릿을 획득하고, 상기 웹 사이트 별로 미리 정해진 기간 동안 사용자들의 평균 방문 횟수 및 평균 접속 유지 시간을 확인하는 단계;
   상기 평균 방문 횟수 및 상기 평균 접속 유지 시간을 기초로, 상기 웹 사이트 별로 웹 사이트 평가 점수를 산정하는 단계;
   상기 웹 사이트 분야 정보, 상기 웹 사이트 템플릿 및 상기 웹 사이트 평가 점수를 매칭하여 저장하는 단계;
   사용자 단말로부터 제1 웹 사이트의 구축을 위한 업종 정보를 수신하는 단계;
   상기 업종 정보 및 상기 웹 사이트 분야 정보를 비교하여, 후보 웹 사이트들을 선별하는 단계;
   상기 웹 사이트 평가 점수가 높은 순서대로 상기 후보 웹 사이트들을 정렬하고, 상기 후보 웹 사이트 별로 추출된 템플릿을 통해, 사용자 추천 템플릿 리스트를 생성하는 단계;
   상기 사용자 추천 템플릿 리스트를 상기 사용자 단말로 제공하는 단계;
   상기 사용자 추천 템플릿 리스트 중 어느 하나인 제1 템플릿에 대한 선택 요청을 상기 사용자 단말로부터 수신하는 단계;
   상기 제1 템플릿에 기초하여 상기 제1 웹 사이트를 생성하는 단계;
   상기 사용자 단말로부터 상기 제1 웹 사이트에 포함된 복수의 구역 중 어느 하나인 제1 구역에 대한 변경 요청을 수신하는 단계;
   상기 사용자 추천 템플릿 리스트에 포함된 템플릿들과 상기 제1 템플릿 간의 유사도를 산정하는 단계;
   상기 유사도가 높은 순서대로 상기 사용자 추천 템플릿 리스트를 재정렬하여, 상기 제1 템플릿에 대한 대체 추천 템플릿 리스트를 생성하는 단계;
   상기 대체 추천 템플릿 리스트를 상기 사용자 단말로 제공하는 단계;
   상기 대체 추천 템플릿 리스트 중 어느 하나인 제2 템플릿에 대한 선택 요청을 상기 사용자 단말로부터 수신하는 단계;
   상기 제2 템플릿에 기초하여 상기 제1 구역에 대한 템플릿이 변경되도록 처리하는 단계;
   상기 제1 템플릿에 대응하는 제2 웹 사이트에 포함된 복수의 구역 중 다른 하나인 제2 구역에 대한 사용자들의 평균 클릭 횟수를 확인하고, 상기 제2 템플릿에 대응하는 제3 웹 사이트에 포함된 상기 제2 구역에 대한 사용자들의 평균 클릭 횟수를 확인하는 단계;
   상기 제2 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수가 상기 제3 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수 보다 많은 것으로 확인되면, 상기 제2 구역에 대한 템플릿이 상기 제1 템플릿으로 유지되도록 처리하는 단계; 및
   상기 제2 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수가 상기 제3 웹 사이트에 포함된 상기 제2 구역에 대한 평균 클릭 횟수 보다 적은 것으로 확인되면, 상기 제2 구역에 대한 템플릿이 상기 제2 템플릿으로 자동 변경되도록 처리하는 단계를 포함하는,
   웹 사이트 자동 구축 방법.
2. 제1항에 있어서,
   상기 사용자 추천 템플릿 리스트의 제공 단계는,
   상기 제1 템플릿에 대응하는 제2 웹 사이트의 업데이트 이력 및 상기 제2 웹 사이트의 일일 방문 횟수 내역을 확인하는 단계;
   상기 업데이트 이력을 통해 상기 제2 웹 사이트의 업데이트 시점 및 버전을 구분하고, 상기 업데이트 버전 별로 방문 횟수 변동 추이를 확인하는 단계;
   상기 방문 횟수 변동 추이에 따라 상기 업데이트 버전 별로 업데이트 평가 점수를 산정하는 단계;
   상기 업데이트 평가 점수가 높은 순서대로 상기 업데이트 버전들을 정렬하고, 상기 업데이트 버전 별로 추출된 템플릿을 통해, 상기 제1 템플릿에 대한 버전 추천 템플릿 리스트를 생성하는 단계; 및
   상기 버전 추천 템플릿 리스트를 상기 사용자 단말로 제공하는 단계를 포함하는,
   웹 사이트 자동 구축 방법.
3. 삭제

Images