KR102250131B1 - 기업 간 거래를 위하여 수요 기업에 공급 기업을 추천하는 방법 및 장치 - Google Patents

Abstract

기업 간 거래(B2B, Business to business)를 위하여 수요 기업에 공급 기업을 추천하는 방법 및 장치가 개시된다. 기업 간 거래(B2B, Business to business)를 위하여 수요 기업에 공급 기업을 추천하는 방법은, 수요 기업 단말로부터 수요 물품 정보를 수신하는 단계; 상기 수요 물품 정보에 대응하는 수요 물품을 결정하는 단계; 미리 등록된 다수의 공급 기업들 중에서 상기 수요 물품에 대응하는 납품 물품을 제공할 수 있는 추천 공급 기업을 선정하는 단계; 및 상기 추천 공급 기업을 지시하는 메시지를 상기 수요 기업 단말에 제공하는 단계를 포함하고, 상기 추천 공급 기업을 선정하는 단계는, 미리 관리자로부터 입력받은 완제품 트리 정보를 기반으로 상기 공급 기업들 중에서 다수의 후보 공급 기업들을 선정하는 단계; 상기 후보 공급 기업들 각각에 대한 공급 평가 정보를 기반으로 상기 후보 공급 기업들 각각에 대응하는 공급 벡터를 생성하고, 상기 수요 기업이 입력한 공급 평가 정보를 기반으로 상기 수요 기업에 대응하는 수요 벡터를 생성하는 단계; 상기 공급 벡터와 상기 수요 벡터 사이의 벡터 유사도와 벡터 거리를 산출하는 단계; 및 상기 벡터 유사도와 상기 벡터 거리에 기초하여 상기 후보 공급 기업들 중에서 상기 추천 공급 기업을 선정하는 단계를 포함한다.

Description

기업 간 거래를 위하여 수요 기업에 공급 기업을 추천하는 방법 및 장치{METHOD AND APPARATUS FOR RECOMMENDING SUPPLY COMPANIES TO DEMAND COMPANIES FOR INTER-COMPANY TRANSACTIONS}

본 발명은 기업 간 거래(B2B)에 관한 기술로, 더욱 상세하게는 기업 간 거래에서 수요 기업에 공급 기업을 추천하는 기술에 관한 것이다.

종래의 기업 간 거래(Business to Business)는 오프라인에서 공급 기업이 영업력을 이용하여 수요 기업에 자신의 제품을 홍보하고, 수요 기업이 이러한 공급 기업들 중 하나와 접촉하여 제품을 구입하는 것이 일반적이었다.

그러나, 최근에는 정보통신기술(ICT)의 발달로, 기업 간 거래도 온라인 기반의 전자 상거래를 중심으로 이루어지는 경우가 크게 증가하고 있다. 온라인 기반의 전자 상거래를 중심으로 하는 기업 간 거래는 수요 기업이 온라인 판매 플랫폼 서버나 포털 서버 등을 이용하여 공급 기업들의 업력, 제품 등을 검색하고 원하는 공급 기업을 선정한다.

그런데, 수요 기업이 이러한 공급 기업들을 검색하는 것은 대부분 텍스트 기반의 검색 방식으로서, 텍스트가 일치하는 모든 공급 기업들을 수요 기업에게 보여주기 때문에 수요 기업이 원하는 공급 기업을 명확하고 빠르게 선정하는 데에는 많은 시간과 노력이 소비되는 문제가 있다.

상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 기업 간 거래(B2B)를 위하여 수요 기업에 공급 기업을 추천하는 방법 및 장치를 제공하는 데 있다.

상기 목적을 달성하기 위한 본 발명의 일 측면은, 기업 간 거래(B2B, Business to business)를 위하여 수요 기업에 공급 기업을 추천하는 방법을 제공한다.

상기 기업 간 거래(B2B, Business to business)를 위하여 수요 기업에 공급 기업을 추천하는 방법은, 수요 기업 단말로부터 수요 물품 정보를 수신하는 단계; 상기 수요 물품 정보에 대응하는 수요 물품을 결정하는 단계; 미리 등록된 다수의 공급 기업들 중에서 상기 수요 물품에 대응하는 납품 물품을 제공할 수 있는 추천 공급 기업을 선정하는 단계; 및 상기 추천 공급 기업을 지시하는 메시지를 상기 수요 기업 단말에 제공하는 단계를 포함한다.

상기 추천 공급 기업을 선정하는 단계는, 미리 관리자로부터 입력받은 완제품 트리 정보를 기반으로 상기 공급 기업들 중에서 다수의 후보 공급 기업들을 선정하는 단계; 상기 후보 공급 기업들 각각에 대한 공급 평가 정보를 기반으로 상기 후보 공급 기업들 각각에 대응하는 공급 벡터를 생성하고, 상기 수요 기업이 입력한 공급 평가 정보를 기반으로 상기 수요 기업에 대응하는 수요 벡터를 생성하는 단계; 상기 공급 벡터와 상기 수요 벡터 사이의 벡터 유사도와 벡터 거리를 산출하는 단계; 및 상기 벡터 유사도와 상기 벡터 거리에 기초하여 상기 후보 공급 기업들 중에서 상기 추천 공급 기업을 선정하는 단계를 포함한다.

상기 완제품 트리 정보는, 완제품, 상기 완제품을 구성하는 반제품, 상기 완제품이나 상기 반제품을 구성하는 부품 및 상기 부품을 구성하는 원자재들 사이를 트리 구조(tree structure)로 나타낸 데이터일 수 있다.

상기 완제품은 루트 노드(root node)이고, 상기 반제품은 상기 루트 노드를 부모 노드(parent node)로 갖는 차일드 노드(child node)이고, 상기 부품은 상기 반제품 또는 상기 완제품을 부모 노드로 갖는 차일드 노드이고, 상기 부품을 부모 노드로 갖는 차일드 노드일 수 있다.

상기 완제품 트리 정보를 구성하는 노드들 각각을 연결하는 링크는, 해당 링크로 연결되는 2개의 노드들 각각에 대응하는 물품 단가들 사이의 차분값을 가중치로 가질 수 있다.

상기 다수의 후보 공급 기업들을 선정하는 단계는, 상기 트리 구조에서, 상기 수요 물품의 레벨(level)과 상기 납품 물품의 레벨 사이의 차이값에 따라 상기 수요 물품과 상기 납품 물품 사이의 물품 거리를 산출하고, 상기 물품 거리에 따라 상기 후보 공급 기업들을 선정할 수 있다.

상기 수요 벡터를 생성하는 단계는, 상기 후보 공급 기업들 각각에 대한 상기 공급 평가 정보를 구성하는 항목들 각각의 단계를 성분값으로 갖는 상기 공급 벡터를 생성하는 단계; 및 상기 수요 기업이 입력한 공급 평가 정보를 구성하는 항목들 각각의 단계를 상기 공급 벡터와 반대되는 성분값으로 갖는 상기 수요 벡터를 생성하는 단계를 포함할 수 있다.

상기 벡터 유사도는, 상기 공급 벡터와 상기 수요 벡터 사이의 내적을 상기 공급 벡터와 상기 수요 벡터 각각의 놈(norm) 연산값으로 나눈 값일 수 있다.

상기와 같은 본 발명에 따른 기업 간 거래(B2B)를 위하여 수요 기업에 공급 기업을 추천하는 방법 및 장치를 이용할 경우에는 수요 기업의 평가 정보 입력을 고려하여 수요 기업의 성향(응답 속도 등)과 일치하는 공급 기업을 선정하여 추천할 수 있다.

또한, 완제품과 부품 사이의 관계를 트리 구조로 나타내고 트리 구조를 이용하여 물품 사이의 거리 관계를 도출하기 때문에 가장 물품 관계가 정확하게 반영하여 공급 기업을 선정할 수 있는 장점이 있다.

도 1은 일 실시예에 따른 기업 간 거래를 위하여 수요 기업에 공급 기업을 추천하는 방법이 수행되는 환경을 나타낸 개요도이다.
도 2는 일 실시예에 따른 추천 장치에서 추천 공급 기업을 결정하는 개요를 나타낸 도면이다.
도 3은 일 실시예에 따른 완제품 트리 정보를 구성하는 트리 구조를 예시적으로 도시한 도면이다.
도 4는 일 실시예에 따른 벡터 거리와 벡터 유사도를 이용하여 추천 공급 기업을 선정하는 과정을 설명하기 위한 그래프이다.
도 5는 일 실시예에 따른 추천 장치의 하드웨어 구성을 예시적으로 도시한 블록도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

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

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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 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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 일 실시예에 따른 기업 간 거래를 위하여 수요 기업에 공급 기업을 추천하는 방법이 수행되는 환경을 나타낸 개요도이다.

도 1을 참조하면, 수요 기업에 공급 기업을 추천하는 방법은, 수요 기업에 공급 기업을 추천하는 장치(100, 이하 추천 장치로 약칭될 수 있음)에 의해 수행될 수 있다. 이때, 추천 장치(100)는, 수요 기업에서 운용하는 수요 기업 단말(300) 및 공급 기업에서 운용하는 공급 기업 단말(200)과 유무선 네트워크를 이용하여 통신할 수 있다.

추천 장치(100), 수요 기업 단말(300), 및 공급 기업 단말(200)을 총칭하여, 기업 간 거래를 위하여 수요 기업에 공급 기업을 추천하기 위한 시스템(10)으로 지칭할 수 있다.

추천 장치(100)는 미리 다수의 공급 기업 단말(200)들과 통신하여 공급 기업 정보를 수집할 수 있다. 여기서, 공급 기업 정보는 물품을 납품하는 공급 기업의 업력, 공급 물품, 공급 단가, 납품 기간 등을 포함할 수 있다.

추천 장치(100)는, 내부의 저장 장치(160)에 공급 평가 정보와 완제품 트리 정보를 저장할 수 있다. 공급 평가 정보는 수요 기업 단말(300)과 공급 기업 단말(200) 사이의 거래가 완료된 후 완료된 거래와 관련하여, 수요 기업 단말(300)을 통해 입력받은 공급 기업에 대한 평가를 지시하는 정보일 수 있다.

예를 들어, 공급 평가 정보는, 납품 전 문의에 대한 응답 속도, 납품 전 문의에 대한 대응 정확도, 납품받은 제품의 상태, 납기일의 준수 상태, 납품 후 대응 속도, 납품 후 대응 정확도 등을 포함할 수 있다.

즉, 이러한 공급 평가 정보는, 추천 장치(100)가 수요 기업 단말(300)과 공급 기업 단말(200) 사이의 기업 간 거래를 중계 및 성사시킴에 따라 지속적으로 축적되어 저장 장치(160)에 저장된다.

한편, 완제품 트리 정보는, 관리자로부터 입력받을 수 있는 정보로서, 특정 완제품과 해당 완제품에 속하는 반제품, 부품, 또는 원자재 사이의 관계를 정의한 트리 구조의 데이터를 의미할 수 있다.

부품은 2개 이상의 원자재를 이용하여 제조되며, 완제품을 구성하는 기본 구성요소로서 시장에서 거래되는 기본 단위를 의미할 수 있고, 반제품은 2개 이상의 부품들의 조합에 해당되면서 그 자체로 시장에서 거래되는 것을 의미할 수 있다. 완제품은 부품이나 반제품 등이 결합되어 그 자체로 상품 가치와 사용 용도가 최종적으로 특정되는 물품일 수 있다.

경우에 따라 반제품도 완제품을 구성하는 부품의 하나로 정의할 수도 있으나, 본 발명에서 반제품은 2개 이상의 부품들의 조합도 독자적인 시장 거래의 대상이 될 수 있는 점에서 부품과 별도로 정의한다.

추천 장치(100)는, 수요 기업 단말(300)로부터 수요 물품 정보를 수신하고, 수신된 수요 물품 정보에 대응하는 수요 물품을 결정하고, 결정된 수요 물품을 납품할 수 있는 추천 공급 기업을 선정하고, 선정된 추천 공급 기업을 지시하는 메시지를 수요 기업 단말(300)에 제공할 수 있다.

여기서, 수요 물품 정보는, 수요 기업이 발주 또는 구매하고자 하는 물품에 대한 수요 물품 정보 또는 하나 이상의 물품들을 이용하여 진행하고자 하는 프로젝트(project) 계획서를 포함할 수 있다. 수요 물품 정보는, 구매하려는 물품의 종류, 해당 물품을 구성하는 부품이나 원자재들의 종류 등을 포함할 수 있다.

추천 장치(100)는, 수요 물품 정보에 프로젝트 계획서가 포함되어 있는 경우, 프로젝트 계획서에 포함된 텍스트(text)들을 자연어 처리하고, 자연어 처리에 따른 결과로서 2개 이상의 수요 물품들을 결정할 수 있다. 예를 들어, 자연어 처리는, 자연어 처리를 구현할 수 있는 프레임워크(framework) 또는 알고리즘인 파이썬의 NTLK(Python NLTK), 샌포드의 코어NLP(Sanford CoreNLP), 아파치의 오픈NLP(Apache OpenNLP), 마이크로소프트의 튜링(Turing), 또는 BERT, GPT-2 등을 이용하여 구현될 수 있다.

추천 공급 기업을 선정할 때, 추천 장치(100)는, 미리 수집된 공급 평가 정보와 미리 관리자로부터 입력받은 완제품 트리 정보를 기반으로 추천 공급 기업을 선정할 수 있다.

예를 들어, 추천 장치(100)는, 수요 기업이 구매하고자 하는 수요 물품과 공급 기업이 납품할 수 있는 납품 물품 사이의 물품 거리를 산출하고, 산출된 물품 거리를 기반으로 미리 등록된 공급 기업들 중 다수의 후보 공급 기업들을 선정할 수 있다.

또한, 추천 장치(100)는, 후보 공급 기업들 각각에 대한 공급 평가 정보를 기반으로 후보 공급 기업들 각각에 대응하는 공급 벡터를 생성하고, 수요 기업이 입력한 공급 평가 정보를 기반으로 수요 기업에 대응하는 수요 벡터를 생성하고, 수요 벡터와 공급 벡터 사이에 산출된 유사도와 거리를 이용하여 후보 공급 기업들 중 추천 공급 기업을 결정할 수 있다.

도 2는 일 실시예에 따른 추천 장치에서 추천 공급 기업을 결정하는 개요를 나타낸 도면이다. 도 3은 일 실시예에 따른 완제품 트리 정보를 구성하는 트리 구조를 예시적으로 도시한 도면이다.

도 2를 참조하면, 추천 장치(100)는, 먼저 수요 기업 단말(300)로부터 수신한 수요 물품 정보를 기반으로 수요 물품을 결정하고, 결정된 수요 물품과 미리 등록된 공급 기업들 각각의 납품 물품들 사이의 물품 거리를 산출할 수 있다.

예를 들어, 수요 물품이 부품 A인 경우, 동일한 물품에 해당하는 부품 A, 부품 A와 유사한 부품 A`, 부품 A를 포함하는 반제품 AA, 부품 A를 포함하는 반제품 AB 등과의 물품 거리는 가깝게(즉, 작은 값으로) 산출될 수 있고, 부품 A와 상이한 부품이거나 부품 A가 포함되지 않은 완제품, 부품 A의 원자재가 아닌 원자재들과의 물품 거리는 멀게(즉, 높은 값으로) 산출될 수 있다.

이때, 이러한 물품 거리를 산출하기 위하여 도 3에 도시한 것과 같은 완제품 트리 정보가 참조될 수 있다.

도 3을 참조하면, 완제품 트리 정보는, 완제품과 완제품을 구성하는 반제품, 부품, 및 원자재들 사이를 트리 구조로 연결한 데이터일 수 있다. 예를 들어, 특정 완제품 그 자체는 가장 상위 레벨인 레벨 1(level1)에 대응하는 루트 노드(root node)일 수 있고, 해당 완제품을 구성하는 반제품들은 루트 노드를 부모 노드(parent node)로 갖는 차일드 노드(child node)로서 레벨 2(level2)에 대응할 수 있다. 또한, 반제품 또는 완제품을 구성하는 부품들은 해당 반제품이나 완제품을 부모 노드(parent node)로 갖는 차일드 노드(child node)로서 레벨 3(level 3)에 대응할 수 있다. 또한, 부품들 각각을 제조하기 위한 원자재들은 해당 부품을 부모 노드로 갖는 차일드 노드로서 레벨 4에 대응할 수 있다. 또한, 트리 구조를 구성하는 각 노드들을 사이를 직접 연결하는 연결선을 링크(link)로 정의할 수 있다. 또한, 링크(link)는 해당 링크로 연결되는 2개의 노드들 각각에 대응하는 물품 단가들의 차분값을 가중치로 갖는다.

여기서 레벨 1 내지 레벨 4는 완제품 트리 정보를 구성하는 트리 구조에서 깊이(depth)를 나타내는 정보이며 레벨이 같으면 같은 깊이이고 깊이가 깊을수록 레벨이 큰 값을 가질 수 있다. 또한, 완제품 트리 정보에서 차일드 노드의 개수를 차수(degree)라고 하며, 특정 노드의 크기(size)는 해당 노드를 포함하는 차일드 노드들의 개수를 의미할 수 있다. 예를 들어, 부품 b는 원자재 노드 3개를 차일드 노드들로 갖고 있으므로 부품 b의 사이즈는 4일 수 있다.

완제품 트리 정보는, 완제품 마다 각각 트리 구조의 데이터를 갖기 때문에 서로 다른 완제품의 경우 어떠한 링크로도 연결되지 않는다. 따라서, 완제품과 해당 완제품에 속하는 반제품, 부품, 원자재 사이의 관계에 대해서만 물품 거리가 산출되며, 서로 다른 완제품에 속하는 부품이나 반제품, 원자재들 사이의 물품 거리는 무한대 또는 Null 값으로 정의된다.

추천 장치(100)는, 이와 같이 미리 구성된 완제품 트리 정보를 참조하여 수요 물품과 납품 물품 사이의 물품 거리를 산출할 수 있다.

예를 들어, 수요 물품의 레벨과 납품 물품의 레벨 사이의 차이가 0인 경우 물품 거리는 다음의 수학식 1과 같이 산출될 수 있다.

수학식 1에서, difflv는 수요 물품이 속하는 노드의 레벨과 납품 물품이 속하는 노드의 레벨 사이의 차분값이고, cplink[i]는 수요 물품과 납품 물품이 공유하는 공통 부모 노드(common parent node)를 지나고, 수요 물품과 납품 물품을 서로 연결하는 i번째 링크의 가중치를 의미할 수 있다. 예를 들어, 도 3에서 부품 a와 부품 d를 연결하는 링크들을 살펴보면, 부품 a와 부품 d는 서로에게 부모 노드로서 완제품 노드를 갖는다. 따라서, 부품 a와 부품 d의 공통 부모 노드는 완제품 노드이므로, 완제품 노드를 지나면서 부품 a와 부품 d를 서로 연결하는 링크들 3개(원형점으로 표시)의 가중치들의 합이 물품 거리가 될 수 있다. 수요 물품과 납품 물품이 서로 동일한 물품에 해당하면 물품 거리는 0이 될 수 있다.

수요 물품의 레벨과 납품 물품의 레벨 사이의 차이가 0보다 큰 경우 수요 물품이 납품 레벨보다 하위 레벨에 속하는 물품이라는 것을 의미한다. 즉, 예를 들어 수요 물품이 부품 c이면, 납품 물품은 부품 c를 포함하는 반제품 또는 완제품에 해당하는 물품이라는 것을 의미할 수 있다. 즉, 납품 물품은 수요 물품의 부모 노드(또는 부모 노드의 부모 노드 등이며 이를 부모 노드로 통칭)에 해당할 수 있다.

이처럼, 수요 물품의 레벨과 납품 물품의 레벨 사이의 차이가 0보다 큰 경우, 물품 거리는 다음의 수학식 2와 같이 산출될 수 있다.

수학식 2를 참조하면, dmlink[i]는 수요 물품부터 납품 물품까지 연결하는 p개의 링크들 중 i번째 링크의 가중치를 의미하고, sblink[j]는 수요 물품과 납품 물품을 부모 노드로 공유하는 형제 노드부터 납품 물품까지 연결하는 q개의 링크들 중 j번째 링크의 가중치를 의미할 수 있다.

예를 들어, 도 3에서 부품 c가 수요 물품이고 부품 c를 포함하는 반제품이 납품 물품이라고 할 때, 부품 c와 납품 물품인 반제품을 부모 노드로 공유하는 형제 노드는 부품 d에 해당한다. 따라서, 부품 c에서 반제품을 연결하는 링크(삼각형으로 표시)의 가중치에서 부품 d에서 반제품을 연결하는 링크(삼각형으로 표시)의 가중치를 차분한 값이 물품 거리가 될 수 있다.

수요 물품의 레벨과 납품 물품의 레벨 사이의 차이가 0보다 작은 경우 수요 물품이 납품 레벨보다 상위 레벨에 속하는 물품이라는 것을 의미한다. 즉, 예를 들어 수요 물품이 반제품이면, 납품 물품은 반제품을 구성하는 부품 c, 부품 d 또는 그에 대응하는 원자재들이라는 것을 의미할 수 있다. 즉, 납품 물품은 수요 물품의 차일드 노드(또는 차일드 노드의 차일드 노드 등을 차일드 노드로 총칭)에 해당할 수 있다.

이처럼, 수요 물품의 레벨과 납품 물품의 레벨 사이의 차이가 0보다 작은 경우, 물품 거리는 다음의 수학식 3과 같이 산출될 수 있다.

수학식 3을 참조하면, 수학식 2와 마찬가지로, dmlink[i]는 수요 물품부터 납품 물품까지 연결하는 p개의 링크들 중 i번째 링크의 가중치를 의미하고, sblink[j]는 납품 물품과 수요 물품을 부모 노드로 공유하는 형제 노드부터 납품 물품까지 연결하는 q개의 링크들 중 j번째 링크의 가중치를 의미할 수 있다.

이처럼, 완제품과 완제품을 구성하는 반제품, 부품, 원자재 등을 트리 구조로 연결하고, 트리 구조에 기반하여 물품 거리를 수학식 1 내지 3과 같이 산출할 경우, 완제품과 부품 사이의 포함관계에 기초하여 물품 거리를 산출할 수 있기 때문에 수요 물품과 동일한 공급 물품이 없더라도 수요 물품을 만들기 위한 부품이나 원자재, 또는 수요 물품으로 종국적으로 생산하고자 하는 완제품을 공급하는 공급 기업을 추천받는 데 용이하다.

한편, 추천 장치(100)는, 물품 거리를 공급 기업들 각각의 납품 물품마다 산출하면, 산출된 물품 거리가 미리 설정된 임계값 이내인 물품 거리와 대응하는 납물 물품을 제공하는 공급 기업들을 후보 공급 기업들로 선정할 수 있다.

다음으로 추천 장치(100)는, 선정된 후보 공급 기업들 각각에 대하여 수집된 공급 평가 정보를 기반으로 공급 벡터를 생성할 수 있다.

예를 들어, 공급 평가 정보는, 납품 전 문의에 대한 응답 속도, 납품 전 문의에 대한 대응 정확도, 납품받은 제품의 상태, 납기일의 준수 상태, 납품 후 대응 속도, 납품 후 대응 정확도를 포함한다.

따라서, 추천 장치(100)는, 납품 전 문의에 대한 응답 속도를 빠름, 보통, 느림 등의 단계로 나누어 각각 0, 1, 2 중 하나의 성분값으로 대응시키고, 납품 전 문의에 대한 대응 정확도를 정확, 보통, 부정확에 따라 각각 0, 1, 2 중 하나의 성분값으로 대응시킬 수 있다.

같은 방식으로, 추천 장치(100)는, 납품받은 제품의 상태, 납기일의 준수 상태, 납품 후 대응 속도, 납품 후 대응 정확도 등의 항목들 각각의 단계들을 그와 대응하는 성분값으로 대응시켜 공급 벡터를 생성할 수 있다.

다음으로, 추천 장치(100)는 수요 기업이 거래 완료시 작성한 공급 평가 정보를 참조하여 수요 벡터를 생성할 수 있다. 구체적으로, 수요 기업이 거래를 완료하면 공급 기업에 대한 공급 평가 정보를 작성하게 되는데, 추천 장치(100)는 이렇게 다수의 공급 기업들에 대하여 작성한 공급 평가 정보들을 종합하여 수요 벡터를 생성한다.

예를 들어, 수요 기업이 납품 전 문의에 대한 응답 속도, 납품 전 문의에 대한 대응 정확도, 납품받은 제품의 상태, 납기일의 준수 상태, 납품 후 대응 속도, 납품 후 대응 정확도 등에 대하여 미리 설정된 단계들 중 하나를 선택하여 평가 정보로 남긴 경우, 수요 기업이 작성한 공급 평가 정보를 반전시켜 수요 벡터를 생성할 수 있다.

구체적으로, 수요 기업이 납품 전 문의에 대한 응답 속도를 느림으로 많이 남긴 경우라면 공급 기업의 문의 응답 속도에 대한 불만족이 매우 크다고 볼 수 있다. 따라서, 수요 벡터를 생성할 때, 납품 전 문의에 대한 응답 속도가 빠른 기업이 선정될 수 있도록, 공급 벡터를 생성할 때의 성분값과 반대로 생성한다. 예를 들어, 수요 기업이 납품 전 문의에 대한 응답 속도를 느림으로 작성한 경우, 빠름에 대응하는 성분값으로 반전(inverted)시켜 수요 벡터의 성분값으로 할 수 있다. 또한, 납품 전 문의에 대한 응답 속도를 보통으로 작성한 경우, 빠름과 보통, 느림 중 중간에 해당하기 때문에 반전하더라도 동일하게 보통에 대응하는 성분값이 된다. 따라서, 이경우 보통에 대응하는 성분값을 갖도록 수요 벡터를 생성할 수 있다.

이처럼, 추천 장치(100)는, 공급 평가 정보를 구성하는 항목들 각각의 단계를 반전(빠름이면 느림으로, 양호면 불량으로, 신속이면 미준수로 등)시킨 후, 반전된 단계들 각각을 성분값으로 대응시켜 수요 벡터를 생성할 수 있다.

추천 장치(100)는, 공급 벡터와 수요 벡터 사이의 벡터 유사도와 벡터 거리를 산출하고, 산출된 벡터 유사도와 벡터 거리를 기반으로 후보 공급 기업들 중 추천 공급 기업을 선정할 수 있다.

예를 들어, 벡터 유사도는 다음의 수학식 4와 같이 산출될 수 있다.

수학식 4를 참조하면, 벡터 유사도는 공급 벡터A와 수요 벡터 B 사이의 내적을 공급 벡터 A와 수요 벡터 B 각각의 놈(norm) 연산값(또는 공급 벡터 A 또는 수요 벡터 B를 구성하는 성분값들을 제곱하여 모두 더하고 제곱근을 취한 값)으로 나눈 값으로 결정될 수 있다.

다음으로, 벡터 거리는 다음의 수학식 5와 같이 산출될 수 있다.

수학식 5에서, 벡터 거리는 공급 벡터 A와 수요 벡터 B 사이의 차분 벡터의 전치(transpose) 행렬, 공급 벡터 A와 수요 벡터 B의 각 성분들을 서로 공분산(covariance)하여 도출되는 공분산 행렬 S(공급 벡터 A와 수요 벡터 B가 각각 m개의 차원을 갖는 벡터라면 공분산 행렬 S는 성분들 각각의 공분산 경우의 수를 모두 산출하여 m×m의 크기를 갖는 행렬이 될 수 있음)의 역행렬, 및 공급 벡터 A와 수요 벡터 B 사이의 차분 벡터에 대응하는 행렬을 서로 곱한 값의 루트(root) 값으로 결정될 수 있다. 공급 벡터 A와 수요 벡터 B가 각각 m(m은 2 이상의 자연수)개의 차원을 갖는 벡터라면 공분산 행렬 S는 성분들 각각의 공분산 경우의 수를 모두 산출하여 m×m의 크기를 갖는 행렬이 될 수 있다.

도 4는 일 실시예에 따른 벡터 거리와 벡터 유사도를 이용하여 추천 공급 기업을 선정하는 과정을 설명하기 위한 그래프이다.

도 4를 참조하면, 추천 장치(100)는, 후보 공급 기업들 각각에 대하여 산출된 공급 벡터들과 수요 벡터 사이에서 산출된 벡터 거리와 벡터 유사도를 각각 가로축과 세로축으로 갖는 그래프를 생성할 수 있다.

도 4에 따른 그래프에서 벡터 거리가 0에 가까울 수록 수요 벡터와 공급 벡터 사이의 거리가 가장 가까운 것으로 정의되며, 벡터 유사도는 -1과 1 사이의 값으로서, 0에 가까울 수록, 수요 벡터와 공급 벡터의 성분값이 서로 유사한 것으로 정의된다.

또한, 후보 공급 기업들 각각과 대응하는 공급 벡터들 마다 수요 벡터와의 관계에서 벡터 거리와 벡터 유사도가 산출되므로, 후보 공급 기업들 각각과 대응하는 좌표값들이 도 4의 점들과 같이 도출될 수 있다.

제1 실시예로, 추천 장치(100)는, 그래프에서 (0,0)과 가장 가까운 위치의 좌표값과 대응하는 후보 공급 기업을 추천 공급 기업으로 선정할 수 있다.

제2 실시예로, 추천 장치(100)는, 그래프에서 (0,0)을 원점으로 갖고 미리 설정된 임계 반경(rth)을 갖는 임계원을 생성하고, 생성된 임계원을 원점을 중심으로 균등하게 4등분하는 사분원 각각에서 하나씩 임계 후보 공급 기업을 선정할 수 있다.

여기서 선정되는 임계 후보 공급 기업은 사분원의 경계에 가장 가까운 좌표값을 갖는 후보 공급 기업으로서, 유사하다고 볼 수 있는 기준 범위의 경계에 있는 후보 공급 기업으로 해석될 수 있다.

추천 장치(100)는, 사분원 각각에서 선정된 임계 후보 공급 기업의 좌표값들을 서로 대각선 방향으로 교차 연결시켜 교차 연결된 좌표값을 지시하는 기준점을 결정할 수 있다.

여기서 결정되는 기준점은 임계 후보 공급 기업들 모두를 균등하게 나누는 기준점이 될 수 있다. 추천 장치(100)는, 후보 공급 기업들의 좌표값들 중에서 기준점과의 거리가 가장 짧은 좌표값을 갖는 후보 공급 기업을 추천 공급 기업으로 선정할 수 있다.

제1 실시예에 따라 추천 공급 기업을 선정하는 경우, 벡터 거리와 벡터 유사도가 모두 최적인 경우를 만족하는 후보 공급 기업이 추천 공급 기업으로 선정될 수 있으나, 공급 기업들 사이의 분포 정도를 반영하기 어려워 벡터 유사도가 가장 0에 가깝지만 벡터 거리는 오히려 먼 공급 기업이 추천 공급 기업으로 선정될 수 있는 문제가 있다.

이때, 제2 실시예에 따라 추천 공급 기업을 선정하는 경우, 가장 벡터 거리와 벡터 유사도가 최적인 후보 공급 기업을 추천 공급 기업으로 선정하는 대신, 후보 공급 기업들의 분포 상태에서 도출되는 기준점과 가장 유사한 후보 공급 기업을 추천 공급 기업으로 선정하므로, 현재 후보 공급 기업들의 분포 상태를 반영할 수 있는 장점이 있다.

도 5는 일 실시예에 따른 추천 장치의 하드웨어 구성을 예시적으로 도시한 블록도이다.

도 5를 참조하면, 추천 장치(100)는, 적어도 하나의 프로세서(110) 및 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.

상기 적어도 하나의 동작은, 도 1 내지 도4를 참조하여 설명한 추천 장치(100)의 기능과 동작들 중 적어도 일부를 포함할 수 있다.

여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.

또한, 추천 장치(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 추천 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 추천 장치(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.

추천 장치(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.

본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 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. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (5)

1. 수요 기업에 공급 기업을 추천하는 장치에 의해 수행되는, 기업 간 거래(B2B, Business to business)를 위하여 수요 기업에 공급 기업을 추천하는 방법으로,
   수요 기업 단말로부터 수요 물품 정보를 수신하는 단계;
   상기 수요 물품 정보에 대응하는 수요 물품을 결정하는 단계;
   미리 등록된 다수의 공급 기업들 중에서 상기 수요 물품에 대응하는 납품 물품을 제공할 수 있는 추천 공급 기업을 선정하는 단계; 및
   상기 추천 공급 기업을 지시하는 메시지를 상기 수요 기업 단말에 제공하는 단계를 포함하고,
   상기 추천 공급 기업을 선정하는 단계는,
   미리 관리자로부터 입력받은 완제품 트리 정보를 기반으로 상기 공급 기업들 중에서 다수의 후보 공급 기업들을 선정하는 단계;
   상기 후보 공급 기업들 각각에 대한 공급 평가 정보를 기반으로 상기 후보 공급 기업들 각각에 대응하는 공급 벡터를 생성하고, 상기 수요 기업이 입력한 공급 평가 정보를 기반으로 상기 수요 기업에 대응하는 수요 벡터를 생성하는 단계;
   상기 공급 벡터와 상기 수요 벡터 사이의 벡터 유사도와 벡터 거리를 산출하는 단계; 및
   상기 벡터 유사도와 상기 벡터 거리에 기초하여 상기 후보 공급 기업들 중에서 상기 추천 공급 기업을 선정하는 단계를 포함하고,
   상기 완제품 트리 정보는,
   완제품, 상기 완제품을 구성하는 반제품, 상기 완제품이나 상기 반제품을 구성하는 부품 및 상기 부품을 구성하는 원자재들 사이를 트리 구조(tree structure)로 나타낸 데이터로서,
   상기 완제품은 루트 노드(root node)이고, 상기 반제품은 상기 루트 노드를 부모 노드(parent node)로 갖는 차일드 노드(child node)이고, 상기 부품은 상기 반제품 또는 상기 완제품을 부모 노드로 갖는 차일드 노드이고, 상기 부품을 부모 노드로 갖는 차일드 노드이며,
   상기 완제품 트리 정보를 구성하는 노드들 각각을 연결하는 링크는, 해당 링크로 연결되는 2개의 노드들 각각에 대응하는 물품 단가들 사이의 차분값을 가중치로 갖고,
   상기 다수의 후보 공급 기업들을 선정하는 단계는,
   상기 트리 구조에서, 상기 수요 물품의 레벨(level)과 상기 납품 물품의 레벨 사이의 차이값에 따라 상기 수요 물품과 상기 납품 물품 사이의 물품 거리를 산출하고, 상기 물품 거리에 따라 상기 후보 공급 기업들을 선정하되,
   상기 수요 물품과 동일한 납품 물품이 없더라도 상기 수요 물품을 만들기위한 부품, 원자재, 또는 상기 수요 물품으로 생산되는 완제품을 공급하는 기업을 상기 후보 공급 기업들 중 하나로 선정하는, 방법.
2. 삭제
3. 삭제
4. 청구항 1에서,
   상기 수요 벡터를 생성하는 단계는,
   상기 후보 공급 기업들 각각에 대한 상기 공급 평가 정보를 구성하는 항목들 각각의 단계를 성분값으로 갖는 상기 공급 벡터를 생성하는 단계; 및
   상기 수요 기업이 입력한 공급 평가 정보를 구성하는 항목들 각각의 단계를 상기 공급 벡터와 반대되는 성분값으로 갖는 상기 수요 벡터를 생성하는 단계를 포함하는, 방법.
5. 청구항 4에서,
   상기 벡터 유사도는,
   상기 공급 벡터와 상기 수요 벡터 사이의 내적을 상기 공급 벡터와 상기 수요 벡터 각각의 놈(norm) 연산값으로 나눈 값인, 방법.

Images