KR102251285B1 - System and server reflecting user real-time preference - Google Patents

System and server reflecting user real-time preference Download PDF

Info

Publication number
KR102251285B1
KR102251285B1 KR1020140112262A KR20140112262A KR102251285B1 KR 102251285 B1 KR102251285 B1 KR 102251285B1 KR 1020140112262 A KR1020140112262 A KR 1020140112262A KR 20140112262 A KR20140112262 A KR 20140112262A KR 102251285 B1 KR102251285 B1 KR 102251285B1
Authority
KR
South Korea
Prior art keywords
user
item
term preference
short
long
Prior art date
Application number
KR1020140112262A
Other languages
Korean (ko)
Other versions
KR20160027263A (en
Inventor
이상엽
Original Assignee
주식회사 케이티
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 케이티 filed Critical 주식회사 케이티
Priority to KR1020140112262A priority Critical patent/KR102251285B1/en
Publication of KR20160027263A publication Critical patent/KR20160027263A/en
Application granted granted Critical
Publication of KR102251285B1 publication Critical patent/KR102251285B1/en

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 추천 시스템 및 서버에 관한 것으로서, 보다 구체적으로는 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버에 관한 것이다.
본 발명은 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부; 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 하는 추천 시스템을 개시하는 효과를 갖는다.The present invention relates to a recommendation system and a server, and more specifically, a long term calculated from the user's reaction behavior over a long period of time after calculating the user's real-time preference from the user's reaction behavior to items such as products recommended for a short period of time. The present invention relates to a system and a server for recommending a predetermined item to the user in consideration of real-time preference when compared with the preference and does not reach a predetermined reference value.
The present invention includes an item-user reaction collection unit for collecting information on one or more items presented and a user's reaction behavior thereto; A short-term preference calculator configured to calculate a user's short-term preference in consideration of the user's reaction behavior to one or more items presented during the first time period; A long-term preference calculator configured to calculate a user's long-term preference in consideration of the user's reaction behavior to one or more items presented during the second time period; And a recommended item calculation unit that calculates an item to be recommended in consideration of the user's short-term preference when the user's short-term preference and long-term preference are compared and exceeds a predetermined criterion, and the first time is the current time point. It has the effect of initiating a recommendation system, characterized in that it is a time from a predetermined past point in time, and the second time is longer than the first time.

Description

사용자의 실시간 선호도를 반영한 추천 시스템 및 서버{System and server reflecting user real-time preference}System and server reflecting user real-time preference}

본 발명은 추천 시스템 및 서버에 관한 것으로서, 보다 구체적으로는 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버에 관한 것이다.The present invention relates to a recommendation system and a server, and more specifically, a long-term calculated from the user's reaction behavior over a long period of time after calculating the user's real-time preference from the user's reaction behavior to items such as products recommended for a short period of time. The present invention relates to a system and a server for recommending a predetermined item to the user in consideration of real-time preference when compared with the preference and does not reach a predetermined reference value.

정보통신 기술의 급격한 발전과 함께 다양한 정보를 활용한 여러 서비스가 이 시도되고 있다. 특히, 근래에 들어서는 온라인 쇼핑 등의 대중화와 함께 사용자 개개인의 선호도나 적합도를 고려하여 적절한 상품이나 서비스를 추천하는 기술이 발전되어 왔다. 예를 들어, 아마존이나 넷플릭스 등에서는 개인에 따라 적절한 상품이나 서비스를 추천하는 기술을 이용하여 상당한 상업적 성공을 거두고 있다.With the rapid development of information and communication technology, various services using various information are being attempted. In particular, in recent years, along with the popularization of online shopping, technologies for recommending appropriate products or services have been developed in consideration of individual preferences or suitability of users. For example, Amazon and Netflix have achieved considerable commercial success using technologies that recommend products or services that are appropriate for individuals.

종래 상용화된 추천 기술들은 다양한 기법을 사용하여 구현되었는데, 그 대표적인 예로서 협업 필터링(Collaborative Filtering, CF) 기법을 들 수 있다. 협업 필터링 기법은 다수 사용자들의 관심 정보를 바탕으로 추천할 대상을 선정하게 되는데, 이에 따라 협업 필터링 기법은 같은 종류의 상품에 관심을 보였던 사용자들은 향후에도 유사한 선호도 패턴을 보일 것이라는 가정에 기반하여 사용자에게 상품을 추천하게 된다.Conventionally, commercially available recommendation techniques have been implemented using various techniques, and a representative example thereof may be a collaborative filtering (CF) technique. The collaborative filtering technique selects targets to be recommended based on the interest information of multiple users. Accordingly, the collaborative filtering technique provides users with the assumption that users who have shown interest in the same kind of products will show similar preference patterns in the future. You will be recommending the product.

그런데, 종래 추천 기술들은 통상적으로 사용자의 과거 상품 구매 이력 등으로부터 사용자의 과거 선호도를 산출하고 이를 기반으로 사용자에게 소정의 상품을 추천할 뿐, 사용자의 실시간 선호도를 파악하여 반영하지는 못한다는 한계를 가지고 있다. 예를 들어, 대한민국 공개특허 제 10-2009-0015240호(2009. 2. 12. 공개)에서도 복수의 컨텐츠 제공 서버로부터 사용자 정보와 사용자의 서비스 이용 정보를 전달받아 사용자의 선호도를 파악하게 되는바, 사용자의 과거 선호도에 기반한 컨텐츠 추천은 가능하겠으나, 사용자의 실시간 선호도를 반영하기에는 어려움이 따르게 된다.However, conventional recommendation technologies have a limitation in that they cannot grasp and reflect the user's real-time preferences, but only to calculate the user's past preference from the user's past product purchase history and to recommend a predetermined product to the user based on this. have. For example, in Korean Patent Laid-Open No. 10-2009-0015240 (published on February 12, 2009), user information and user service usage information are received from a plurality of content providing servers to identify user preferences. Content recommendation based on the user's past preference may be possible, but it is difficult to reflect the user's real-time preference.

그러나, 사용자가 소정의 상품을 구매하는 데에는 매우 다양한 요인이 작용할 수 있어, 사용자가 항상 과거 선호도에 따라 상품을 구매하게 된다고 보기는 어렵다. 예를 들어, 의류나 영화 등 상품의 종류에 따라서는 최신의 유행 흐름이나 사용자의 심리적 상태에 따라 상품 구매 패턴이 크게 달라질 수 있고, 또한 자신이 사용할 용도가 아니라 선물 등의 용도로 상품을 구매하는 경우에도 사용자의 과거 선호도와는 전혀 다른 구매 형태를 보일 수 있다.However, since a wide variety of factors can play a role in the user's purchase of a predetermined product, it is difficult to assume that the user always purchases the product according to past preferences. For example, depending on the type of product, such as clothing or movies, product purchase patterns may vary greatly depending on the latest trend or the psychological state of users. Even in this case, the purchase form may be completely different from the user's past preferences.

또한, 사용자의 선호도 및 상품이 가지는 특성도 시간의 흐름에 따라 지속적으로 변화할 수 있으므로, 사용자에게 보다 적절한 상품을 추천하기 위해서는 상기 사용자의 선호도와 상품이 가지는 특성 데이터도 지속적으로 갱신되는 것이 바람직하므로, 이를 효과적으로 수행할 수 있는 방안도 필요하게 된다.In addition, since the user's preference and the characteristics of the product may continuously change over time, in order to recommend a more appropriate product to the user, it is desirable that the user's preference and the characteristic data of the product are also continuously updated. In addition, there is a need for a way to do this effectively.

이에 따라, 사용자의 과거 선호도 만을 고려하는 데 그치지 않고, 사용자의 실시간 선호도를 파악하고 이를 반영하여 소정의 아이템을 추천할 수 있고, 사용자의 선호도 및 상품의 특성 데이터도 지속적으로 갱신될 수 있는 추천 시스템 및 서버가 요구되고 있으나, 이에 대한 적절한 해결책이 아직 제시되지 못하고 있는 실정이다.Accordingly, a recommendation system that not only considers the user's past preferences, but also recognizes the user's real-time preferences and reflects them to recommend a predetermined item, and also continuously updates the user's preferences and product characteristic data. And a server are required, but an appropriate solution for this has not yet been presented.

본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위해 창안된 것으로, 사용자의 실시간 선호도를 파악한 후, 이를 반영하여 아이템을 추천할 수 있는 추천 시스템 및 서버를 제공하는 것을 목적으로 한다.The present invention was invented to solve the problems of the prior art as described above, and an object of the present invention is to provide a recommendation system and a server capable of recommending an item after grasping a user's real-time preference and reflecting it.

또한, 본 발명은 사용자의 선호도와 상품이 가지는 특성 데이터가 효과적으로 갱신되어 정확성을 높일 수 있는 추천 시스템 및 서버를 제공하는 것을 목적으로 한다.In addition, an object of the present invention is to provide a recommendation system and a server capable of increasing accuracy by effectively updating user preferences and characteristic data of a product.

상기한 과제를 해결하기 위한 본 발명의 한 측면에 따른 추천 시스템은 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부; 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 한다.A recommendation system according to an aspect of the present invention for solving the above problems includes: an item-user response collection unit for collecting information on one or more items to be presented and a user's reaction behavior thereto; A short-term preference calculator configured to calculate a user's short-term preference in consideration of the user's reaction behavior to one or more items presented during the first time period; A long-term preference calculator configured to calculate a user's long-term preference in consideration of the user's reaction behavior to one or more items presented during the second time period; And a recommendation item calculation unit that calculates an item to be recommended in consideration of the user's short-term preference when the user's short-term preference and long-term preference are compared, and when it exceeds a predetermined criterion, the first time is the current time point. It is a time from to a predetermined past time, and the second time is a longer time than the first time.

여기서, 소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부를 더 포함하며, 이때, 상기 추천 아이템 산정부는, 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정할 수 있다.Here, it further includes an item characteristic calculation unit that calculates the characteristics of the item in consideration of the reaction behavior of each user to the item presented to the user for a predetermined period, wherein the recommended item calculation unit includes the user's short-term preference and long-term When the preferences are compared and deviated from a predetermined criterion, an item to be recommended may be calculated in consideration of the short-term preference of the user and the characteristics of the item.

또한, 상기 아이템의 특성은 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현될 수 있다.In addition, the characteristic of the item may be implemented as an item characteristic table consisting of one or more items capable of representing the characteristic of the item and characteristic values for each item.

또한, 상기 사용자의 단기 선호도 및 사용자의 장기 선호도는, 각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현될 수 있다.In addition, the user's short-term preference and the user's long-term preference may be implemented as a user short-term preference table and a user long-term preference table composed of one or more items capable of representing characteristics of each user and characteristic values for each item.

또한, 상기 아이템-사용자 반응 수집부는, 상기 제 1시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 단기 반응 테이블과, 상기 제2 시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 장기 반응 테이블을 생성하거나 갱신할 수 있다.In addition, the item-user reaction collection unit may include one or more item information presented during the first time, an item-user short-term reaction table including information on the user's reaction behavior thereto, and one or more item information presented during the second time period. And, it is possible to create or update an item-user long-term reaction table including information on the user's reaction behavior to this.

또한, 상기 사용자 단기 선호도 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신될 수 있다.In addition, the user short-term preference table may be updated using the item-user short-term response table.

또한, 상기 사용자 장기 선호도 테이블은 상기 아이템-사용자 장기 반응 테이블을 이용하여 갱신될 수 있다.In addition, the user long-term preference table may be updated using the item-user long-term response table.

또한, 각 아이템에 대한 아이템 특성 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되며, 상기 아이템 특성 테이블은 각 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성될 수 있다.In addition, the item characteristic table for each item is updated using the item-user short-term response table, and the item characteristic table may be composed of one or more items capable of representing characteristics of each item and a characteristic value for each item. .

또한, 상기 추천 아이템 산정부는, 상기 사용자 단기 선호도 테이블과 상기 사용자 장기 선호도 테이블의 유사도를 산출하여 소정의 기준치를 벗어나는 경우, 상기 사용자 단기 선호도 테이블과 상기 각 아이템에 대한 아이템 특성 테이블의 유사도를 산출한 후, 이를 고려하여 상기 사용자에게 추천할 아이템 또는 추천 순위를 산정할 수 있다.In addition, the recommended item calculation unit calculates the similarity between the user short-term preference table and the user long-term preference table, and calculates the similarity between the user short-term preference table and the item characteristic table for each item when it deviates from a predetermined reference value. Thereafter, in consideration of this, an item to be recommended to the user or a ranking of recommendations may be calculated.

본 발명의 다른 측면에 따른 추천 서버는 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 한다.A recommendation server according to another aspect of the present invention includes: a short-term preference calculating unit for calculating a user's short-term preference by receiving a reaction behavior of a user to one or more items presented during a first time from a user terminal; A long-term preference calculation unit for calculating a user's long-term preference by receiving a user's reaction behavior with respect to one or more items presented for a second time from the user terminal; An item characteristic calculator configured to calculate characteristics of each item in consideration of the information on the item and a user's reaction behavior thereto; And a recommended item calculation unit that calculates an item to be recommended to the user using the user's short-term preference and the characteristics of the item when the user's short-term preference and the long-term preference are compared and deviated from a predetermined criterion. , The first time and the second time are times from the present time point to a predetermined past time point, respectively, and the first time is shorter than the second time.

여기서, 상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은, 각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현될 수 있다.Here, the user's short-term preference, the user's long-term preference, or the characteristic of an item is a user's short-term preference table, a user's long-term preference table, or It can be implemented as an item property table.

또한, 상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 갱신될 수 있다.In addition, the user short-term preference table, the user long-term preference table, and the item characteristic table may be updated using a user's reaction behavior to one or more items presented to the user.

본 발명에 따르면, 단기간 동안의 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 실시간 선호도를 고려하여 아이템을 추천하는 시스템 및 서버를 개시하는 효과를 갖는다.According to the present invention, after calculating a user's real-time preference for a short period of time, and comparing it with the user's long-term preference for a long period of time, if it does not reach a predetermined reference value, a system and server for recommending an item in consideration of the real-time preference are initiated. Has the effect of

또한, 본 발명에 따르면, 사용자에게 추천된 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 고려하여 사용자의 선호도와 아이템의 특성 데이터가 효과적으로 갱신되어 정확성을 높일 수 있는 추천 시스템 및 서버를 개시하는 효과를 갖는다.In addition, according to the present invention, in consideration of the item information recommended to the user and the user's reaction behavior information, the user's preference and the characteristic data of the item are effectively updated to provide an effect of starting a recommendation system and a server that can increase accuracy. Have.

또한, 본 발명에 따르면, 사용자에게는 사용자가 원하는 아이템을 보다 정확하게 제시하여 사용상의 편리함을 증진할 수 있고, 서비스 제공자에게는 사용자의 아이템에 대한 구매 확률을 높여주어 사업 성과를 극대화학 수 있는 추천 시스템 및 서버를 개시하는 효과를 갖는다.In addition, according to the present invention, it is possible to improve convenience in use by more accurately presenting the item desired by the user to the user, and to a service provider, a recommendation system that can maximize business performance by increasing the probability of purchasing the user's item, and It has the effect of starting the server.

본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 동작 설명도이다.
도 3은 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 상세한 동작 설명도이다.
도 4는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버 및 사용자 단말의 구성도이다.The accompanying drawings, which are included as part of the detailed description to aid in understanding of the present invention, provide embodiments for the present invention, and describe the technical spirit of the present invention together with the detailed description.
1 is a block diagram of a recommendation system reflecting real-time preferences according to an embodiment of the present invention.
2 is a diagram illustrating an operation of a recommendation system reflecting real-time preference according to an embodiment of the present invention.
3 is a detailed operation diagram of a recommendation system reflecting real-time preferences according to an embodiment of the present invention.
4 is a configuration diagram of a recommendation server and a user terminal reflecting real-time preference according to an embodiment of the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이하에서는 특정 실시예들을 첨부된 도면을 기초로 상세히 설명하고자 한다.The present invention may apply various transformations and may have various embodiments. Hereinafter, specific embodiments will be described in detail based on the accompanying drawings.

본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In describing the present invention, when it is determined that a detailed description of a related known technology may obscure the subject matter of the present invention, a detailed description thereof will be omitted.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms such as first and second may be used to describe various components, but the components are not limited by the terms, and the terms are only for the purpose of distinguishing one component from other components. Is used.

본 발명은, 종래 기술에 따른 추천 시스템의 경우 통상 사용자의 과거 선호도를 산출하고 이를 기반으로 사용자에게 소정의 상품 등 아이템을 추천하는데 그치고, 사용자의 실시간 선호도를 반영하지 못한다는 문제가 있으며, 또한 사용자의 선호도와 상품이 가지는 특성 데이터를 효과적으로 갱신하면서 정확성을 높임으로써 사용자에게 보다 정확한 아이템을 추천할 수 있어야 한다는 문제점에 착안하여, 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버를 개시하는 것을 특징으로 한다.In the present invention, in the case of a recommendation system according to the prior art, there is a problem in that the user's past preference is usually calculated and, based on this, only recommends items such as a predetermined product to the user, and does not reflect the user's real-time preference. Focusing on the problem that more accurate items should be recommended to users by increasing accuracy while effectively updating their preferences and product characteristic data, users' real-time preferences based on the user's reaction behavior to items such as products recommended for a short period of time. After calculating, it is compared with the long-term preference calculated from the reaction behavior of the user for a long period of time, and if it does not meet a predetermined reference value, starting a system and server that recommends a predetermined item to the user in consideration of real-time preference. It is characterized.

이하에서는, 본 발명에 따른 실시간 선호도를 반영한 추천 시스템 및 서버의 예시적인 실시 형태들을 첨부된 도면을 참조하여 상세히 설명한다.Hereinafter, exemplary embodiments of a recommendation system and a server reflecting real-time preferences according to the present invention will be described in detail with reference to the accompanying drawings.

먼저 도 1에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 구성도를 도시하고 있다. 도 1에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부(110), 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부(120), 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부(130), 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부(140)를 포함하여 구성될 수 있으며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 한다.First, FIG. 1 shows a configuration diagram of a recommendation system 100 reflecting real-time preferences according to an embodiment of the present invention. As can be seen in FIG. 1, the recommendation system 100 reflecting real-time preference according to an embodiment of the present invention collects information on one or more items presented and the user's reaction behavior to the item-user reaction. The collection unit 110, a short-term preference calculation unit 120 that calculates the user's short-term preference in consideration of the user's reaction behavior to one or more items presented during the first time, and the user's Long-term preference calculation unit 130 that calculates the user's long-term preference in consideration of the reaction behavior, and when the user's short-term preference and long-term preference are compared and deviates from a predetermined criterion, an item to be recommended in consideration of the user's short-term preference It may be configured to include a recommended item calculation unit 140 that calculates, wherein the first time is a time from the present time to a predetermined past time, and the second time is a longer time than the first time. do.

또한, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부(150)를 더 포함하여 구성될 수 있으며, 이때, 상기 추천 아이템 산정부(140)는, 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정하게 된다.In addition, the recommendation system 100 reflecting real-time preference according to an embodiment of the present invention is an item characteristic calculation unit that calculates the characteristics of the item in consideration of the reaction behavior of each user to the item presented to the user for a predetermined period ( 150). In this case, the recommended item calculation unit 140 compares the user's short-term preference and the long-term preference, and when out of a predetermined criterion, the user's short-term preference and the item The item to be recommended is calculated in consideration of the characteristics of.

이하에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)을 각 구성 부분별로 나누어 자세하게 검토한다.Hereinafter, the recommendation system 100 reflecting the real-time preference according to an embodiment of the present invention is divided into each component and examined in detail.

먼저, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부(110)에 대하여 살핀다. 본 발명의 일 실시예로서, 상기 아이템-사용자 반응 수집부(110)에서는 온라인 사이트 등을 이용하는 사용자의 단말에 상품이나 서비스 등 소정의 아이템을 제시하고, 상기 제시된 아이템에 대한 사용자의 반응 행동들을 수집하게 된다. 예를 들어, 사용자에게 관심이 있는 상품이 제시되는 경우에는 사용자가 상기 상품의 설명 페이지를 자세하게 살펴보거나, 장바구니에 넣는 등 긍정적인 반응을 보일 수 있으며, 특히 상기 상품을 구매하는 것은 사용자의 선호도를 긍정할 수 있는 중요한 반응 행동이라고 할 수 있다. 반면, 사용자가 제시된 상품에 관심이 없는 경우에는 빠른 스크롤로 지나치거나 이전 페이지로 돌아가는 등의 행동을 보일 것이다. 이를 이용하여, 제시되는 소정의 상품이나 서비스 등 아이템에 대한 사용자의 반응 행동 데이터를 수집하여 이를 분석함으로써, 사용자의 취향 내지는 선호도를 파악할 수 있게 된다.First, an item-user reaction collection unit 110 that collects information on one or more items presented and a user's reaction behavior thereto is examined. As an embodiment of the present invention, the item-user response collection unit 110 presents a predetermined item, such as a product or service, to a terminal of a user using an online site, etc., and collects the user's reaction actions to the presented item. It is done. For example, when a product of interest to the user is presented, the user may examine the product's description page in detail or display a positive reaction, such as putting it in a shopping cart. In particular, purchasing the product may increase the user's preference. It can be said to be an important response behavior that can be affirmed. On the other hand, if the user is not interested in the presented product, the user will skip through a quick scroll or show an action such as returning to the previous page. Using this, it is possible to grasp the user's taste or preference by collecting and analyzing the user's reaction behavior data for an item such as a predetermined product or service to be presented.

이어서, 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부(120)와 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부(130)에 대하여 살핀다.Next, the short-term preference calculation unit 120 that calculates the user's short-term preference by considering the user's reaction behavior to one or more items presented during the first time period, and the user's reaction behavior to one or more items presented during the second time period. Thus, the long-term preference calculation unit 130 that calculates the user's long-term preference is examined.

먼저, 상기 장기 선호도 산출부(130)에서는 제시된 상품 등 아이템에 대한 장기간 동안의 사용자의 반응 행동 데이터를 고려하여 각 사용자의 장기 선호도를 산출하게 된다. 상기 사용자에 대하여 장시간 동안 다양한 상품에 대한 반응 데이터를 축적함으로써, 상기 사용자에 대한 취향 내지는 선호도를 보다 정확하게 파악할 수 있게 된다.First, the long-term preference calculation unit 130 calculates the long-term preference of each user in consideration of the user's reaction behavior data for a long period of time for an item such as a presented product. By accumulating reaction data for various products for the user for a long time, it is possible to more accurately grasp the taste or preference of the user.

구체적인 예로서, 사용자의 장기 선호도를 산출함에 있어 각 사용자가 소정의 온라인 쇼핑몰에 가입하는 시점부터 시작하여 상기 사용자에게 제시되는 상품 등 아이템에 대한 사용자의 반응을 지속적으로 수집하여 각 사용자의 장기 선호도를 산출할 수 있으며, 또는 소정의 기간, 예를 들어 최근 1년간의 사용자의 반응을 수집하여 각 사용자의 장기 선호도를 산출함으로써, 사용자의 최근 선호도에 중점을 두어 장기 선호도를 산출할 수도 있다.As a specific example, in calculating the user's long-term preference, each user's long-term preference is determined by continuously collecting the user's reactions to items such as products presented to the user starting from the time when each user subscribes to a predetermined online shopping mall. Alternatively, long-term preferences of each user may be calculated by collecting user reactions for a predetermined period of time, for example, the last one year, so that long-term preferences may be calculated by focusing on the user's recent preferences.

이렇게 산출되는 각 사용자의 장기 선호도는 사용자의 기본적인 취향 내지 선호도를 나타내게 되는 바, 통상의 경우 각 사용자의 장기 선호도를 바탕으로 소정의 아이템을 추천함으로써, 각 사용자에게 적합한 아이템을 제공할 수 있게 된다. 또한, 사용자에게 적합한 아이템을 제공함으로써, 각 사용자의 편의를 도모하고, 나아가 각 사용자의 구매 확률을 높일 수 있게 되는 바, 온라인 쇼핑몰 운영자 등 서비스 제공자에게는 비즈니스 성과도 개선할 수 있다는 장점을 가질 수 있다.Each user's long-term preference calculated in this way represents the basic taste or preference of the user. In general, by recommending a predetermined item based on the long-term preference of each user, it is possible to provide an item suitable for each user. In addition, by providing appropriate items to users, it is possible to promote the convenience of each user and further increase the purchase probability of each user. As a result, it is possible to improve business performance for service providers such as online shopping mall operators. .

그런데, 사용자가 소정의 상품을 구매하는 데에는 매우 다양한 요인이 작용할 수 있어, 사용자가 항상 상기한 장기 선호도에 따라 상품을 구매하게 된다고 보기는 어렵다. 예를 들어, 의류나 영화 등 상품의 종류에 따라서는 최신의 유행 흐름이나 사용자의 심리적 상태에 따라 상품 구매 패턴이 크게 달라질 수 있고, 또한 자신이 사용할 용도가 아니라 선물 등의 용도로 상품을 구매하는 경우에도 사용자의 과거 선호도와는 전혀 다른 구매 형태를 보일 수 있다. 이러한 경우에는 상기 사용자에 대하여 단기간 동안의 취향 내지 선호도를 파악하여 이에 기반한 상품 등 아이템을 추천하는 것이 보다 바람직하게 된다. However, since a wide variety of factors may play a role in a user's purchasing a predetermined product, it is difficult to assume that the user always purchases a product according to the above-described long-term preference. For example, depending on the type of product, such as clothing or movies, product purchase patterns may vary greatly depending on the latest trend or the psychological state of users. Even in this case, the purchase form may be completely different from the user's past preferences. In this case, it is more preferable to identify tastes or preferences for the user for a short period of time and recommend items such as products based thereon.

이에 따라, 본 발명에 따른 단기 선호도 산출부(120)에서는 제시되는 아이템에 대한 단기간 동안의 사용자의 반응 행동 데이터를 고려하여 각 사용자의 단기 선호도를 산출하게 된다. 보다 구체적으로, 사용자가 소정의 온라인 쇼핑몰 사이트에 로그인한 시점부터 사용자의 반응 행동 데이터를 수집하고, 이로부터 각 사용자의 단기 선호도를 산출하거나, 또는 당일 내지는 수일 간의 시간에 대하여 각 사용자의 단기 선호도를 산출할 수도 있다.Accordingly, the short-term preference calculation unit 120 according to the present invention calculates the short-term preference of each user in consideration of the user's reaction behavior data for a short period of time with respect to the presented item. More specifically, the user's reaction behavior data is collected from the time when the user logs in to a predetermined online shopping mall site, and the short-term preference of each user is calculated therefrom, or the short-term preference of each user is calculated for the day or several days. It can also be calculated.

상기와 같이 산출된 단기 선호도를 장기 선호도와 비교하여 그 차이가 소정의 기준치를 넘어서는 등 미리 정하여진 기준을 벗어나는 경우, 사용자의 장기 선호도가 아닌 사용자의 단기 선호도에 기반하여 아이템을 선정함으로써, 각 사용자의 실시간 취향 내지는 의사를 반영하여 아이템을 추천할 수 있게 된다.When the short-term preference calculated as described above is compared with the long-term preference and the difference exceeds a predetermined standard value, and the difference exceeds a predetermined standard, the item is selected based on the user's short-term preference rather than the user's long-term preference. It is possible to recommend items by reflecting your real-time taste or intention.

보다 구체적으로는, 상기 단기 선호도와 장기 선호도의 차이가 소정의 기준치는 넘어서지만 그 차이가 크지 않을 경우에는 장기 선호도에 따른 아이템을 주로 추천하면서 단기 선호도에 따른 아이템을 일부 추천하는 방식도 가능하고, 상기 단기 선호도와 장기 선호도의 차이가 상당히 큰 경우에는 주로 단기 선호도에 따른 아이템을 추천하고, 장기 선호도에 따른 아이템을 일부 추천하는 방식도 가능하다. 그러나, 반드시 이에 한정되는 것은 아니며, 상품과 사용자의 특성 등에 따라 다양한 방식으로 구현하는 것이 가능하다.More specifically, when the difference between the short-term preference and the long-term preference exceeds a predetermined threshold, but the difference is not large, a method of mainly recommending items according to long-term preference while partially recommending items according to short-term preference is also possible, When the difference between the short-term preference and the long-term preference is considerably large, it is possible to recommend items mainly based on short-term preference and some items according to long-term preference. However, it is not necessarily limited thereto, and may be implemented in various ways depending on the characteristics of products and users.

다음으로, 추천 아이템 산정부(140)에서는 사용자에게 추천할 상품이나 서비스 등 아이템을 산정하게 된다. 앞서 언급한 바와 같이, 추천 아이템 산정부(140)에서는 통상의 경우 각 사용자의 장기 선호도에 따라 추천할 아이템을 산정하게 된다. 상기 장기 선호도는 사용자에게 추천된 아이템에 대한 장시간 동안의 사용자의 반응 행동으로부터 누적적으로 산출되므로 상당한 정도로 정확한 예측 결과를 제공할 수 있게 된다. 그런데, 음악, 영화 혹은 패션 상품 등 아이템의 종류에 따라서는 사용자의 구매 성향이 수시로 변할 수 있는 경우가 있다. 이러한 경우에는 장기 선호도가 아니라, 사용자의 실시간 선호도 내지는 취향을 효과적으로 반영할 수 있도록 단기 선호도에 기반하여 추천할 아이템을 선정하는 것이 보다 바람직하게 된다.Next, the recommended item calculation unit 140 calculates an item such as a product or service to be recommended to a user. As mentioned above, the recommended item calculation unit 140 generally calculates an item to be recommended according to the long-term preference of each user. Since the long-term preference is cumulatively calculated from the user's reaction behavior for a long period of time for an item recommended to the user, it is possible to provide a fairly accurate prediction result. However, depending on the type of items, such as music, movies, or fashion products, there are cases in which a user's purchasing tendency may change from time to time. In this case, it is more preferable to select an item to be recommended based on short-term preference so that the user's real-time preference or taste can be effectively reflected, not long-term preference.

이에 따라, 본 발명의 일 실시예에 따른 추천 아이템 산정부(140)는 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 그 차이가 소정의 기준치를 넘어서는 등 미리 정하여진 기준을 벗어나는 경우에는, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하도록 할 수 있다.Accordingly, the recommended item calculation unit 140 according to an embodiment of the present invention compares the short-term preferences and long-term preferences of the user, and when the difference exceeds a predetermined reference value, or is out of a predetermined standard, the user In consideration of the short-term preferences, the items to be recommended can be calculated.

또한, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 상기 제시된 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부(150)를 더 포함하여 구성될 수 있다. 상기한 사용자의 장기 선호도의 경우와 유사하게, 상품 등 아이템의 특성도 소정의 기간 동안 다양한 사용자의 반응을 고려하여 누적적으로 업데이트됨으로써, 상기 각 아이템의 특성이 보다 정확하게 산출될 수 있게 된다. 이에 따라 각 아이템의 특성이 산출되면, 상기 추천 아이템 산정부(140)에서는 각 사용자의 장기 선호도와 상기 각 아이템의 특성을 비교하여 추천할 아이템을 선정하거나 추천 순위를 정하게 된다.In addition, the recommendation system 100 reflecting the real-time preference according to an embodiment of the present invention is an item characteristic calculation unit that calculates the characteristics of the item in consideration of the information on the presented one or more items and the reaction behavior of the user ( 150) may be further included. Similar to the case of the user's long-term preference, the characteristics of items such as products are also cumulatively updated in consideration of the reactions of various users for a predetermined period, so that the characteristics of each item can be more accurately calculated. Accordingly, when the characteristics of each item are calculated, the recommended item calculation unit 140 compares the long-term preference of each user with the characteristics of each item to select an item to be recommended or determine a recommendation ranking.

또한, 앞서 살핀 바와 같이 사용자의 단기 선호도와 장기 선호도를 비교할 때 미리 정하여진 기준을 벗어나게 되는 경우, 상기 각 사용자의 단기 선호도와 상기 아이템의 특성을 비교하여 각 사용자의 단기 선호도와 비슷한 특성을 가지는 아이템을 골라 추천할 아이템으로 선정하거나 추천 순위를 정할 수도 있다.In addition, as noted above, when a user's short-term preference and long-term preference are compared, when the user's short-term preference and the long-term preference are compared, when a predetermined criterion is exceeded, the short-term preference of each user and the characteristics of the item are compared, You can also select as an item to recommend or set a recommendation ranking.

도 2에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 동작 설명도를 보여주고 있다. 도 2에서 볼 수 있는 바와 같이, 먼저 사용자에게 소정의 아이템이 추천되면, 사용자는 추천된 아이템에 대하여 구매를 하거나, 찬찬히 살펴보거나 혹은 빠르게 스크롤(scroll)하여 스킵(skip)하는 등 다양한 반응을 보이게 된다. 본 발명에 따른 추천 시스템에서는 상기 각 아이템에 대한 사용자의 반응을 고려하여, 각 사용자의 선호도와 아이템의 특성을 업데이트하게 된다. 이어서, 이렇게 업데이트된 사용자 선호도와 아이템의 특성에 기반하여 다시 추천 아이템이 추천될 수 있고, 사용자는 다시 이에 대한 반응을 보이게 된다. 이에 따라, 상기한 일련의 프로세스가 소정의 기간 동안 반복되면서 각 사용자의 단기 선호도와 장기 선호도가 지속적으로 갱신되어 보다 정확한 값을 가지게 되고, 이와 유사하게 아이템의 특성도 지속적인 업데이트를 통하여 보다 정확한 값을 가질 수 있게 된다.2 is a diagram illustrating an operation of the recommendation system 100 reflecting real-time preferences according to an embodiment of the present invention. As can be seen in FIG. 2, when a predetermined item is first recommended to the user, the user makes various reactions such as purchasing the recommended item, reviewing it carefully, or quickly scrolling and skipping. do. In the recommendation system according to the present invention, the preference of each user and the characteristics of the item are updated in consideration of the user's reaction to each item. Subsequently, the recommended item may be recommended again based on the updated user preference and the characteristics of the item, and the user reacts to it again. Accordingly, as the above-described series of processes is repeated for a predetermined period, short-term preferences and long-term preferences of each user are continuously updated to have more accurate values. You can have it.

또한, 온라인 쇼핑몰 등 다수의 사용자가 이용할 수 있고 다수의 아이템을 취급하는 경우에는 도 2에서 볼 수 있는 바와 같이 사용자 선호도와 아이템의 특성 등을 데이터베이스로 구성하여 체계적으로 관리하는 것이 보다 바람직할 수 있다.In addition, when a plurality of users, such as an online shopping mall, can use and handle a plurality of items, it may be more desirable to systematically manage user preferences and item characteristics in a database as shown in FIG. 2. .

본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 다음과 같이 보다 구체화하여 구현될 수 있다. The recommendation system 100 reflecting the real-time preference according to an embodiment of the present invention may be implemented by more concretely as follows.

먼저, 사용자의 단기 선호도 및 사용자의 장기 선호도는, 각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현될 수 있다.First, the user's short-term preference and the user's long-term preference may be implemented as a user short-term preference table and a user long-term preference table composed of one or more items capable of representing characteristics of each user and characteristic values for each item.

예를 들어, 어떤 사용자가 감성적이면서도 웃긴 영화를 좋아한다고 하면, 상기 사용자는 "감성적", "웃긴"이라는 항목에 소정의 특성치 값을 가지는 사용자 장기 선호도 테이블을 가지게 된다. 이러한 경우, 다수의 영화 중 "감성적" 및 "웃긴"이라는 항목에 소정의 특성치 값을 가지는 영화들을 선별하여 상기 사용자에게 추천하여 줌으로써, 사용자는 보다 편리하게 자신이 원하는 영화를 고를 수 있게 된다. 경우에 따라서는 상기 사용자가 "감성적"이고 "웃긴" 영화를 추천받았음에도 불구하고, 이를 모두 스킵(skip)해버리는 등 부정적인 반응을 보이고, 오히려 "액션" 영화를 천천히 살펴본다면, 상기 사용자의 사용자 단기 선호도 테이블은 "액션" 항목의 특성치 값이 높아지게 되고, 이러한 경우 상기 사용자 단기 선호도 테이블을 고려하여 "액션" 영화를 선정하여 상기 사용자에게 추천하여 줌으로써, 사용자의 구매 확률을 높일 수 있게 된다.For example, if a user likes a movie that is both emotional and funny, the user has a user's long-term preference table having predetermined characteristic values in the items "emotional" and "funny". In this case, the user can more conveniently select the movie he/she wants by selecting and recommending the movies having a predetermined characteristic value to the items “emotional” and “funny” among the plurality of movies. In some cases, even though the user is recommended for a "emotional" and "funny" movie, it shows a negative reaction such as skipping all of them. Rather, if you slowly look at the "action" movie, the user's The user short-term preference table increases the characteristic value of the "action" item. In this case, the user's purchase probability can be increased by selecting a "action" movie in consideration of the user short-term preference table and recommending it to the user.

또한, 이와 유사하게 상기 아이템의 특성도 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현될 수 있다. 예를 들어, 앞서 살핀 바와 같이 "감성적" 및 "웃긴"이라는 항목에 소정의 특성치 값을 가지는 영화의 경우를 생각할 수 있다.In addition, similarly, the characteristics of the item may be implemented as an item characteristic table consisting of one or more items capable of representing the characteristics of the item and characteristic values for each item. For example, as shown in the previous section, it is possible to consider the case of a movie having predetermined characteristic values in the items of "emotional" and "funny".

보다 구체적으로, 상기한 각 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 하나 이상의 항목과 각 항목에 대응하는 특성치를 포함하여 구성될 수 있으며, 상기 각 항목에 대응하는 특성치는 소정의 기간동안 누적되는 총점을 가질 수도 있으며, 또는 소정의 점수를 기준으로 하여 이진값(binary)으로 표현될 수도 있다. 총점을 가지는 테이블의 경우에는 사용자의 아이템 선호 정도를 보다 정밀하게 파악하여 고려해야 하는 경우에 사용될 수 있고, 이진값(binary)으로 표현되는 테이블의 경우에는 사용자의 아이템 선호 정도를 다소 단순하게 고려하더라도 무관한 경우에 편리하게 이용될 수 있다. 총점을 가지는 테이블을 이용할 것인지, 혹은 이진값으로 표현되는 테이블을 이용할 것인지는 주로 아이템의 특성을 고려하여 결정하는 것이 바람직하다.More specifically, each of the user short-term preference tables, user long-term preference tables, and item characteristic tables may be configured including one or more items and characteristic values corresponding to each item, and the characteristic value corresponding to each item is a predetermined period. It may have a total score accumulated during the period, or may be expressed as a binary value based on a predetermined score. In the case of a table with a total score, it can be used when it is necessary to more accurately identify and consider the user's item preference. In the case of a table expressed as a binary value, it is irrelevant even if the user's item preference degree is considered somewhat simpler. It can be used conveniently in one case. It is desirable to determine whether to use a table with a total score or a table expressed as a binary value in consideration of the characteristics of the item.

보다 구체적인 예로서, 보다 구체적으로 "감성적인", "웃긴", "슬픈", "영상이 아름다운" 등 5개의 항목으로 영화의 아이템 특성 테이블을 구성하는 경우를 고려해 본다면, 감성적이고 슬픈 A라는 영화는 아이템 특성 총점 테이블로서 25, 1, 0, 27, 5 와 같은 값을 가질 수 있을 것이고, 아이템 특성 이진 테이블로서는 1, 0, 0, 1, 0 과 같은 값을 가질 수 있을 것이다.As a more specific example, considering the case of configuring the item characteristic table of a movie with five items, such as "emotional", "funny", "sad", and "beautiful image", the movie named A is emotional and sad. Is an item characteristic total score table and may have values such as 25, 1, 0, 27, and 5, and as an item characteristic binary table, it may have values such as 1, 0, 0, 1, 0.

또한, 각 상품이나 서비스 등 아이템의 특성에 따라서 아이템 특성 테이블에 포함되는 항목들의 숫자와 내용이 크게 달라질 수 있다. 예를 들어, 영화의 경우에는 다양한 영화의 특성을 나타낼 수 있는 항목들, 예를 들어 "감성적인", "웃긴", "액션", "슬픈", "영상이 아름다운" 등의 항목을 포함하여 아이템 특성 테이블을 구성할 수 있다. 반면, 스마트폰 등 정보기기의 경우에는 "최신형", "최고 성능", "디자인", "휴대성" 등 정보기기의 특성을 표현하기에 적합한 항목들을 포함하여 아이템 특성 테이블을 구성할 수 있을 것이다.In addition, the number and content of items included in the item characteristic table may vary greatly depending on the characteristics of items such as each product or service. For example, in the case of a movie, including items that can represent the characteristics of various movies, for example, "emotional", "funny", "action", "sad", "beautiful image", etc. You can configure an item property table. On the other hand, in the case of information devices such as smart phones, it is possible to construct an item characteristic table including items suitable for expressing the characteristics of the information device, such as "newest", "best performance", "design", and "portability". .

상기한 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 도 2에서 볼 수 있는 바와 같이 지속적으로 업데이트 되면서, 그 정확도를 높여나가게 되고, 이에 따라 사용자에게 보다 적절한 아이템을 추천할 수 있게 되다.As shown in FIG. 2, the user short-term preference table, the user long-term preference table, and the item characteristic table are continuously updated as shown in FIG. 2 to increase their accuracy, and accordingly, a more appropriate item can be recommended to the user.

도 3에서는 앞서 설명한 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 동작을 보다 상세하게 보여주고 있다. 도 1의 본 발명에 따른 추천 시스템의 각 구성 부분을 참조하여 도 3을 살펴 보도록 한다. 먼저 추천 아이템 산정부(140)가 사용자에 대한 소정의 아이템을 선정하여 추천하면, 각 사용자는 상기 추천된 아이템에 대하여 조회, 구매, 이용, 피드백 등 다양한 반응을 나타내게 된다.3 shows in more detail the operation of the recommendation system 100 reflecting real-time preferences according to an embodiment of the present invention described above. 3 will be described with reference to each component part of the recommendation system according to the present invention of FIG. 1. First, when the recommended item calculation unit 140 selects and recommends a predetermined item for a user, each user displays various reactions such as inquiry, purchase, use, and feedback on the recommended item.

예를 들어, 영화 컨텐츠에 대한 사용자의 반응을 구체적으로 살펴보면, 소정의 영화가 추천된 경우, 이를 조회하거나, 추천된 영화를 무시(pass)하거나, 다시 추천하지 말도록 하는 등 거부(deny)하는 반응을 보일 수도 있다. 또는, 추천된 영화를 감상할 수도 있는데, 보다 구체적으로 추천된 영화를 끝까지 감상할 수도 있으나, 감상 중 중간에 중단할 수도 있다. 나아가, 영화를 감상한 후에 긍정적 평가 또는 부정적 평가의 피드백이 있을 수 있고, 경우에 따라서는 어떠한 평가도 남기지 않을 수도 있다.For example, looking at the user's reaction to the movie content in detail, if a certain movie is recommended, inquiring it, passing the recommended movie, or refusing to recommend it again, etc. You may have a reaction. Alternatively, the recommended movie may be enjoyed. More specifically, the recommended movie may be enjoyed until the end, but the movie may be stopped in the middle of the appreciation. Furthermore, after watching a movie, there may be feedback of positive or negative evaluation, and in some cases, no evaluation may be left.

상기 아이템-사용자 반응 수집부(110)에서는 상기한 바와 같이 추천된 아이템에 대한 사용자의 다양한 반응 행태를 수집하고, 이를 이용하여 상기 아이템-사용자 단기 반응 테이블을 업데이트하게 된다.As described above, the item-user reaction collection unit 110 collects various reaction behaviors of the user with respect to the recommended item, and updates the item-user short-term reaction table using this.

상기 아이템-사용자 단기 반응 테이블은 사용자가 온라인 쇼핑몰 사이트 등에 접속한 시점 이후 등 단기간의 시간 동안 사용자에게 추천된 하나 이상의 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 포함하여 구성될 수 있다. 이에 반하여, 상기 아이템-사용자 장기 반응 테이블은 각 사용자가 소정의 온라인 쇼핑몰에 가입하는 시점으로부터 현재 시점까지 등 장기간의 시간 동안 사용자에게 추천된 하나 이상의 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 포함하여 구성될 수 있다. 상기한 단기 및 장기의 기간은 예시적인 것으로서, 상품의 특성이나 시스템 운용 상의 필요 등에 따라 다양하게 선택될 수 있다.The item-user short-term reaction table may include information on one or more items recommended to a user for a short period of time, such as after a time when the user accesses the online shopping mall site, and information on the user's reaction behavior thereto. In contrast, the item-user long-term response table includes information on one or more items recommended to the user for a long period of time, such as from the time each user joins a predetermined online shopping mall to the present time, and the user's reaction behavior information. Can be configured. The above-described short-term and long-term periods are exemplary, and may be variously selected according to product characteristics or system operation needs.

이어서, 단기 선호도 산출부(120) 및 아이템 특성 산출부(150)에서는 각각 사용자 단기 선호도 테이블, 아이템 특성 테이블을 업데이트하여 산출하게 된다. 이때, 도 3에서 볼 수 있는 바와 같이 사용자 단기 선호도 테이블, 아이템 특성 테이블 및 아이템-사용자 장기 반응 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 업데이트될 수 있다. 예를 들어, 사용자가 "감성적" 및 "슬픈" 항목에 소정의 특성치를 가지는 영화에 긍정적인 반응 행태를 보이는 경우, 상기 사용자의 사용자 단기 선호도 테이블의 "감성적" 및 "슬픈" 항목은 보다 높은 특성치를 가지도록 갱신될 수 있다. 또한, 이때 적용될 수 있는 가중치는 상품의 특성 등에 따라 달라질 수 있다. 이에 따라, 각 항목의 특성치는 이벤트 발생 횟수에 상품 특성 등에 따른 가중치를 적용하여 산정될 수 있다.Subsequently, the short-term preference calculation unit 120 and the item characteristic calculation unit 150 update and calculate the user short-term preference table and the item characteristic table, respectively. In this case, as shown in FIG. 3, the user short-term preference table, the item characteristic table, and the item-user long-term response table may be updated using the item-user short-term response table. For example, when a user shows a positive reaction behavior to a movie having predetermined characteristic values in the "emotional" and "sad" items, the "emotional" and "sad" items of the user's user short-term preference table have higher characteristic values. Can be updated to have In addition, the weight that can be applied at this time may vary depending on the characteristics of the product. Accordingly, the characteristic value of each item may be calculated by applying a weight according to product characteristics to the number of occurrences of the event.

반면, 상기 사용자의 사용자 단기 선호도 테이블 혹은 사용자 장기 선호도 테이블이 "웃긴" 및 "액션"의 항목에 소정의 특성치를 가지고 있는 경우에는, 상기 영화의 아이템 특성 테이블에서 "웃긴" 및 "액션"의 항목이 보다 높은 특성치를 가지도록 갱신될 수도 있다. On the other hand, when the user's user short-term preference table or user long-term preference table has predetermined characteristic values in the items of "funny" and "action", the items of "funny" and "action" in the item characteristic table of the movie It may be updated to have a higher characteristic value.

상기 아이템-사용자 단기 반응 테이블로 업데이트된 단기간 동안의 사용자 반응 데이터는 다시 상기 아이템-사용자 장기 반응 테이블에 누적되어 업데이트될 수 있다.The short-term user response data updated to the item-user short-term response table may be accumulated and updated again in the item-user long-term response table.

나아가, 장기 선호도 산출부(130)에서는 상기 아이템-사용자 장기 반응 테이블 또는 사용자 단기 선호도 테이블을 고려하여 사용자 장기 선호도 테이블을 업데이트하게 된다.Furthermore, the long-term preference calculation unit 130 updates the user long-term preference table in consideration of the item-user long-term response table or the user short-term preference table.

또한 도 3에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 추천 시스템은 총점 테이블과 함께 이진 테이블을 포함하여 구성될 수도 있다. 앞서 설명한 바와 같이, 상품의 특성 등에 따라서는 사용자의 아이템 선호 정도를 정밀하게 파악할 필요없이, 단순하게 파악해도 무관한 경우가 발생하게 된다. 이러한 경우에는 이진 테이블을 사용하는 것이 보다 효율적일 수 있다. 또한, 아이템의 종류 및 시스템의 제약 등 필요에 따라서는 총점 테이블이 없이 이진 테이블 만으로 본 발명의 일 실시예에 따른 추천 시스템을 구성하는 것도 가능할 수 있다.In addition, as can be seen in FIG. 3, the recommendation system according to an embodiment of the present invention may be configured to include a binary table together with a total score table. As described above, depending on the characteristics of the product, there is a case where it is not necessary to accurately grasp the degree of preference of the user's item, and is irrelevant even if it is simply grasped. In this case, it may be more efficient to use a binary table. In addition, it may be possible to configure the recommendation system according to an embodiment of the present invention using only a binary table without a total score table, if necessary, such as item types and system constraints.

나아가, 경우에 따라서는 상기 총점 테이블의 값을 구간화 하여 N 단계의 구간을 가지는 구간 테이블을 생성하여 사용할 수도 있다.Further, in some cases, the value of the total score table may be segmented to generate and use a segment table having N-level segments.

이어서, 상기 각 사용자의 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 소정의 아이템에 대한 아이템 특성 테이블은 추천 아이템 산정부(140)로 전달되어 각 사용자에게 추천할 아이템을 산정하게 된다. 이때, 상기 사용자 단기 선호도 테이블과 사용자 장기 선호도 테이블의 차이를 유사도 측정 등을 이용하여 수치화한 후, 산정된 수치가 소정의 기준치를 벗어나는 경우에는 사용자의 단기 선호도가 장기 선호도와 달라진 것으로 보아, 상기 사용자의 단기 선호도를 기준으로 사용자에게 추천할 아이템을 산정하게 된다. Subsequently, the user short-term preference table, the user long-term preference table, and the item characteristic table for a predetermined item of each user are transmitted to the recommended item calculation unit 140 to calculate an item to be recommended to each user. At this time, after quantifying the difference between the user's short-term preference table and the user's long-term preference table using similarity measurement, etc., if the calculated value deviates from a predetermined reference value, it is considered that the user's short-term preference is different from the long-term preference. The item to be recommended to the user is calculated based on the short-term preference of.

반면, 상기 산정된 수치가 소정의 기준치를 벗어나지 않는 경우에는 사용자의 단기 선호도가 장기 선호도와 동일하다고 판단할 수 있으므로, 상기 사용자의 장기 선호도를 기준으로 사용자에게 추천할 아이템을 산정하게 된다.On the other hand, if the calculated value does not deviate from a predetermined reference value, it may be determined that the user's short-term preference is the same as the long-term preference, and thus an item to be recommended to the user is calculated based on the long-term preference of the user.

나아가, 경우에 따라서는 사용자 단기 선호도 테이블과 사용자 장기 선호도 테이블을 함께 고려하여 사용자에게 추천할 아이템을 선정하는 것도 가능하다.Furthermore, in some cases, it is also possible to select an item to be recommended to the user by considering the user's short term preference table and the user's long term preference table together.

상기 사용자 단기 선호도 테이블 또는 사용자 장기 선호도 테이블을 이용하여 사용자에게 추천할 아이템을 선정함에 있어서도, 상기 사용자 단기 선호도 테이블 또는 사용자 장기 선호도 테이블과 각 아이템의 아이템 특성 테이블을 유사도 측정 등의 방법으로 수치화하여, 사용자의 선호도에 근접하는 아이템들을 추천하거나 우선 추천 순위를 결정하게 된다. 유사도 측정의 방법을 사용하는 경우에는 총점 테이블/N단계 구간 테이블/이진 테이블 등 사용하는 테이블의 종류에 따라서 적합한 유사도 측정 알고리즘을 적용할 수 있다. 예를 들어, 이진 테이블을 사용하는 경우에는 자카드 계수(Jaccard Coefficient)법 등을 이용하는 것도 가능하다.In selecting an item to be recommended to a user using the user short-term preference table or the user long-term preference table, the user short-term preference table or the user long-term preference table and the item characteristic table of each item are quantified by a method such as similarity measurement, Items that are close to the user's preferences are recommended or prioritized recommendations are determined. In the case of using the similarity measurement method, an appropriate similarity measurement algorithm can be applied according to the type of table used, such as a total score table/N-level interval table/binary table. For example, when using a binary table, it is also possible to use a Jaccard coefficient method or the like.

도 4에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버 및 사용자 단말의 구성도를 보여주고 있다. 보다 구체적으로는 사용자가 개인용 컴퓨터나 모바일 단말기 등 소정의 단말을 이용하여 본 발명에 따른 추천 서버에 접속하는 경우를 예시하고 있다.4 shows a configuration diagram of a recommendation server and a user terminal reflecting real-time preference according to an embodiment of the present invention. More specifically, a case in which a user accesses the recommendation server according to the present invention using a predetermined terminal such as a personal computer or a mobile terminal is illustrated.

도 4에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버는 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 한다.As can be seen in FIG. 4, the recommendation server reflecting the real-time preference according to an embodiment of the present invention receives the user's reaction behavior to one or more items presented during the first time from the user terminal and calculates the user's short-term preference. A short-term preference calculation unit; A long-term preference calculation unit for calculating a user's long-term preference by receiving a user's reaction behavior with respect to one or more items presented for a second time from the user terminal; An item characteristic calculator configured to calculate characteristics of each item in consideration of the information on the item and a user's reaction behavior thereto; And a recommended item calculation unit that calculates an item to be recommended to the user using the user's short-term preference and the characteristics of the item when the user's short-term preference and the long-term preference are compared and deviated from a predetermined criterion. , The first time and the second time are times from the present time point to a predetermined past time point, respectively, and the first time is shorter than the second time.

도 4에서와 같이 사용자가 소정의 단말기를 사용하는 경우, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부는 사용자의 단말에서 구현되는 것도 가능하다.As shown in FIG. 4, when a user uses a predetermined terminal, an item-user reaction collection unit that collects information on one or more items presented and a user's reaction behavior to the item-user reaction collection unit may be implemented in the user's terminal.

또한, 상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은, 각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현될 수 있다.In addition, the user's short-term preference, the user's long-term preference, or the characteristics of the item may be a user short-term preference table, a user long-term preference table, or It can be implemented as an item property table.

이때, 온라인 쇼핑몰 등과 같이 다수의 사용자가 이용하고, 여러 종류의 아이템을 취급하는 대규모 시스템의 경우에는 상기 각 테이블 등의 데이터를 도 4에서 볼 수 있는 바와 같이 데이터베이스화하여 처리하는 것이 보다 적절할 수 있다.In this case, in the case of a large-scale system used by a large number of users, such as an online shopping mall, and handling various types of items, it may be more appropriate to process the data of each table as a database as shown in FIG. 4. .

또한, 상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 지속적으로 갱신됨으로써, 보다 정확한 사용자의 선호도와 아이템의 특성이 반영될 수 있도록 할 수 있다.In addition, the user short-term preference table, the user long-term preference table, and the item characteristic table are continuously updated using the user's reaction behavior to one or more items presented to the user, so that more accurate user preferences and item characteristics can be reflected. You can do it.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those of ordinary skill in the art to which the present invention pertains will be able to make various modifications and variations without departing from the essential characteristics of the present invention. Therefore, the embodiments described in the present invention are not intended to limit the technical idea of the present invention, but to explain it, and are not limited to these embodiments. The scope of protection of the present invention should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present invention.

100 : 실시간 선호도를 반영한 추천 시스템
110 : 아이템-사용자 반응 수집부
120 : 단기 선호도 산출부
130 : 장기 선호도 산출부
140 : 추천 아이템 산정부
150 : 아이템 특성 산출부100: Recommendation system reflecting real-time preference
110: item-user reaction collection unit
120: Short-term preference calculation unit
130: long-term preference calculation unit
140: Recommended item calculation government
150: item characteristic calculation unit

Claims (12)

제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부;
제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부;
제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및
상기 사용자의 단기 선호도와 장기 선호도의 차이가 소정의 기준치보다 작은 경우에는 상기 사용자의 장기 선호도를 바탕으로 추천할 아이템을 산정하고,
상기 차이가 소정의 기준치보다 큰 경우에는 상기 사용자의 단기 선호도를 바탕으로 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며,
상기 단기 선호도와 상기 장기 선호도는 아이템의 특성에 따라 각각 총점 테이블과 이진 테이블을 포함하는 복수 종류의 테이블에서 선택되며,
상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고,
상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 하는 추천 시스템.An item-user reaction collection unit that collects information on one or more items presented and a user's reaction behavior thereto;
A short-term preference calculator configured to calculate a user's short-term preference in consideration of the user's reaction behavior to one or more items presented during the first time period;
A long-term preference calculator configured to calculate a user's long-term preference in consideration of the user's reaction behavior to one or more items presented during the second time period; And
When the difference between the user's short-term preference and long-term preference is less than a predetermined reference value, an item to be recommended is calculated based on the user's long-term preference,
When the difference is greater than a predetermined reference value, it is configured to include a recommended item calculation unit that calculates an item to be recommended based on the short-term preference of the user,
The short-term preference and the long-term preference are selected from a plurality of types of tables including a total score table and a binary table, respectively, according to characteristics of an item,
The first time is a time from the present time point to a predetermined past time point,
The recommendation system, wherein the second time is longer than the first time. 제1항에 있어서,
소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부를 더 포함하며,
이때, 상기 추천 아이템 산정부는,
상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우,
상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정하는 것을 특징으로 하는 추천 시스템.The method of claim 1,
Further comprising an item characteristic calculation unit for calculating the characteristics of the item in consideration of the reaction behavior of each user to the item presented to the user for a predetermined period,
At this time, the recommended item calculation unit,
If the user's short-term preference and long-term preference are compared and deviated from a predetermined criterion,
And calculating an item to be recommended in consideration of the user's short-term preference and characteristics of the item. 제2항에 있어서,
상기 아이템의 특성은 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현되는 것을 특징으로 하는 추천 시스템.The method of claim 2,
The characteristic of the item is implemented as an item characteristic table consisting of one or more items capable of representing characteristics of the item and characteristic values for each item. 제1항에 있어서,
상기 사용자의 단기 선호도 및 사용자의 장기 선호도는,
각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현되는 것을 특징으로 하는 추천 시스템.The method of claim 1,
The user's short-term preference and the user's long-term preference are,
A recommendation system, characterized in that it is implemented as a user short-term preference table and a user long-term preference table consisting of one or more items capable of representing characteristics of each user and characteristic values for each item. 제4항에 있어서,
상기 아이템-사용자 반응 수집부는,
상기 제 1시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 단기 반응 테이블과,
상기 제2 시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 장기 반응 테이블을 생성하거나 갱신하는 것을 특징으로 하는 추천 시스템.The method of claim 4,
The item-user reaction collection unit,
An item-user short-term reaction table including information on one or more items presented during the first time and information on a user's reaction behavior thereto;
And generating or updating an item-user long-term response table including information on one or more items presented during the second time period and information on a user's response behavior thereto. 제5항에 있어서,
상기 사용자 단기 선호도 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되는 것을 특징으로 하는 추천 시스템.The method of claim 5,
The recommendation system, wherein the user short-term preference table is updated using the item-user short-term reaction table. 제5항에 있어서,
상기 사용자 장기 선호도 테이블은 상기 아이템-사용자 장기 반응 테이블을 이용하여 갱신되는 것을 특징으로 하는 추천 시스템.The method of claim 5,
The recommendation system, wherein the user long-term preference table is updated using the item-user long-term response table. 제5항에 있어서,
각 아이템에 대한 아이템 특성 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되며,
상기 아이템 특성 테이블은 각 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 것을 특징으로 하는 추천 시스템.The method of claim 5,
The item characteristic table for each item is updated using the item-user short-term response table,
The item characteristic table is a recommendation system comprising one or more items capable of representing characteristics of each item and characteristic values for each item. 제4항에 있어서,
상기 추천 아이템 산정부는,
상기 사용자 단기 선호도 테이블과 상기 사용자 장기 선호도 테이블의 유사도를 산출하여 소정의 기준치를 벗어나는 경우,
상기 사용자 단기 선호도 테이블과 상기 각 아이템에 대한 아이템 특성 테이블의 유사도를 산출한 후, 이를 고려하여 상기 사용자에게 추천할 아이템 또는 추천 순위를 산정하는 것을 특징으로 하는 추천 시스템.The method of claim 4,
The recommended item calculation unit,
When the similarity between the user short term preference table and the user long term preference table is calculated and deviates from a predetermined reference value,
And calculating a similarity between the user short-term preference table and an item characteristic table for each item, and then calculating an item to be recommended to the user or a recommendation ranking in consideration of this. 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부;
사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부;
상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및
상기 사용자의 단기 선호도와 장기 선호도의 차이가 소정의 기준치보다 작은 경우에는 상기 사용자의 장기 선호도를 바탕으로 추천할 아이템을 산정하고,
상기 차이가 소정의 기준치보다 큰 경우에는 상기 사용자의 단기 선호도를 바탕으로 상기 아이템의 특성을 비교하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며,
상기 단기 선호도와 상기 장기 선호도는 아이템의 특성에 따라 각각 총점 테이블과 이진 테이블을 포함하는 복수 종류의 테이블에서 선택되며,
상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 하는 추천 서버..A short-term preference calculating unit for calculating a user's short-term preference by receiving a user's reaction behavior to one or more items presented during a first time from the user terminal;
A long-term preference calculation unit for calculating a user's long-term preference by receiving a user's reaction behavior with respect to one or more items presented for a second time from the user terminal;
An item characteristic calculator configured to calculate characteristics of each item in consideration of the information on the item and a user's reaction behavior thereto; And
When the difference between the user's short-term preference and long-term preference is less than a predetermined reference value, an item to be recommended is calculated based on the user's long-term preference,
When the difference is greater than a predetermined reference value, it includes a recommended item calculation unit that compares the characteristics of the item based on the short-term preference of the user and calculates an item to be recommended to the user,
The short-term preference and the long-term preference are selected from a plurality of types of tables including a total score table and a binary table, respectively, according to characteristics of an item,
The first time and the second time are each a time from a current time point to a predetermined past time point, and the first time is shorter than the second time. 제10항에 있어서,
상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은,
각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현되는 것을 특징으로 하는 추천 서버.The method of claim 10,
The user's short-term preference, the user's long-term preference, or the characteristics of the item,
A recommendation server, characterized in that it is implemented as a user short-term preference table, a user long-term preference table, or an item characteristic table consisting of one or more items capable of representing characteristics of each user or item and characteristic values for each item. 제11항에 있어서,
상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 갱신되는 것을 특징으로 하는 추천 서버.The method of claim 11,
The user short-term preference table, the user long-term preference table, and the item characteristic table are updated using a user's reaction behavior to one or more items presented to the user.
KR1020140112262A 2014-08-27 2014-08-27 System and server reflecting user real-time preference KR102251285B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140112262A KR102251285B1 (en) 2014-08-27 2014-08-27 System and server reflecting user real-time preference

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140112262A KR102251285B1 (en) 2014-08-27 2014-08-27 System and server reflecting user real-time preference

Publications (2)

Publication Number Publication Date
KR20160027263A KR20160027263A (en) 2016-03-10
KR102251285B1 true KR102251285B1 (en) 2021-05-14

Family

ID=55538667

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140112262A KR102251285B1 (en) 2014-08-27 2014-08-27 System and server reflecting user real-time preference

Country Status (1)

Country Link
KR (1) KR102251285B1 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102023275B1 (en) * 2018-03-06 2019-09-19 세종대학교산학협력단 Product recommendation method using fp growth
KR20210028378A (en) * 2019-09-04 2021-03-12 황왕호 Method and Apparatus for Profiling Unconsciousness Mechanism and Consciousness Behavioral Type
KR102476884B1 (en) * 2021-10-21 2022-12-12 최용우 Control method of server for recommending clothing information based on creator matching service

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012003359A (en) * 2010-06-15 2012-01-05 Sony Corp Item recommendation system, item recommendation method, and program

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102086041B1 (en) * 2013-01-24 2020-03-06 에스케이플래닛 주식회사 Method to recommend digital contents using multi-period user profile and apparatus therefor

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012003359A (en) * 2010-06-15 2012-01-05 Sony Corp Item recommendation system, item recommendation method, and program

Also Published As

Publication number Publication date
KR20160027263A (en) 2016-03-10

Similar Documents

Publication Publication Date Title
US20210365843A1 (en) System and method of selecting a relevant user for introduction to a user in an online environment
US20210312522A1 (en) Providing product advice recommendation
US10095771B1 (en) Clustering and recommending items based upon keyword analysis
CN112261423B (en) Method, device, equipment and storage medium for pushing information
JP6106753B2 (en) Discover trends by identifying influential consumers
US20190012719A1 (en) Scoring candidates for set recommendation problems
US20140279121A1 (en) Customizable and adjustable pricing of games
US10373227B2 (en) Method and system for providing product advice recommendation
WO2014043640A2 (en) Recommending product information
US20160188587A1 (en) Methods and systems for providing expert media content sessions
KR20170084171A (en) Using Audience Metrics with Targeting Criteria for an Advertisement
US20140274354A1 (en) Intelligent merchandising of games
KR20180137351A (en) Item recommendation method and apparatus based on user behavior
CA2923823A1 (en) Method and system for matching profile records
KR102251285B1 (en) System and server reflecting user real-time preference
KR20130033506A (en) Item recommendation method and apparatus
CN112801803B (en) Financial product recommendation method and device
CN107562846B (en) Method and device for recommending applications
US20150006527A1 (en) Information processing apparatus, information processing method, and information processing program
CN110874639A (en) Method and device for acquiring operation information
CN113158032B (en) Information pushing method and device
JP5613699B2 (en) Product recommendation device, method and program
KR102665356B1 (en) Providing Method of parameter and server device supporting the same
Baesso Procaci et al. Finding Reliable People in Online Communities of Questions and Answers
JP6443431B2 (en) Information processing apparatus, information processing method, and information processing program

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right