KR102257690B1 - 공연 추천 시스템 - Google Patents

공연 추천 시스템 Download PDF

Info

Publication number
KR102257690B1
KR102257690B1 KR1020190102840A KR20190102840A KR102257690B1 KR 102257690 B1 KR102257690 B1 KR 102257690B1 KR 1020190102840 A KR1020190102840 A KR 1020190102840A KR 20190102840 A KR20190102840 A KR 20190102840A KR 102257690 B1 KR102257690 B1 KR 102257690B1
Authority
KR
South Korea
Prior art keywords
performance
user
information
propensity
recommended
Prior art date
Application number
KR1020190102840A
Other languages
English (en)
Other versions
KR20210023111A (ko
Inventor
최희재
Original Assignee
주식회사 지금컴퍼니
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 지금컴퍼니 filed Critical 주식회사 지금컴퍼니
Priority to KR1020190102840A priority Critical patent/KR102257690B1/ko
Publication of KR20210023111A publication Critical patent/KR20210023111A/ko
Application granted granted Critical
Publication of KR102257690B1 publication Critical patent/KR102257690B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 일 양상에 따르면 공연 추천 시스템은 사전 설문조사되어 분석된 사용자의 DISC 성향과 사용자 관심사 정보를 포함하는 성향 정보를 사용자 단말로부터 수집하는 성향 정보 수집부와, 공연 정보를 수집하는 공연 정보 수집부와, 사전 학습된 딥러닝 기반의 딥러닝 모델로 수집한 성향 정보로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별하여 병합하고, 병합된 변수를 입력 받아 추천 공연 리스트를 출력하는 공연 추천 엔진과, 사용자의 DISC 성향을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택하여 추천하는 공연 추천부를 포함한다.

Description

공연 추천 시스템{SYSTEM FOR RECOMMENDING PERFORMANCE}
본 발명은 공연 추천 시스템에 관한 것으로, 더욱 상세하게는 개인의 DISC 성향을 기초로 선호하는 공연을 추천하는 시스템에 관한 것이다.
사람들은 저마다 서로 다른 행동의 경향성을 가지고 있으며, 서로 다른 방식으로 사물을 이해하고 판단한다. 이렇듯 저마다 다른 독특한 인간의 특성을 설명하는 행동 모델의 하나로 DISC 행동유형 패턴모델이 있다. DISC는 192I년 미국 콜롬비아 대학의 Marston 박사가 고안한 인간의 행동유형 패턴을 검사하는 방법으로 성격 유형을 사람들의 행동유형에 따라 구분하여 주도형(Dominance), 사교형(Influence), 안정형(Steadiness), 신중형(Conscientiousness)의 4가지 유형으로 분류한다. DISC는 이 4가지 유형의 머리글자를 따서 이르는 말이다.
최근 머신러닝을 기반으로 하는 추천 서비스가 많이 등장하고 있다. 개인 선호도를 정보를 바탕으로 이러한 추천 서비스의 중요도가 높아지고 있다.
본 발명은 예측된 사용자의 DISC 성향과 사용자 관심사 정보를 기초로 사용자에게 공연, 페스티벌 등을 추천하는 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 양상에 따르면 공연 추천 시스템은 성향 정보 수집부와, 활동량 수집부와, 공연 추천 엔진과, 공연 추천부를 포함한다.
성향 정보 수집부는 사전 설문조사되어 분석된 사용자의 DISC 성향과 사용자 관심사 정보를 포함하는 성향 정보를 사용자 단말로부터 수집한다.
공연 정보 수집부는 공연 정보를 제공하는 웹 포털에 접속하여 공연 정보를 수집한다.
공연 추천 엔진은 사전 학습된 딥러닝 기반의 딥러닝 모델로 수집한 성향 정보와 공연 정보로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별하여 병합하고, 병합된 변수를 입력 받아 추천 공연 리스트를 출력한다.
공연 추천부는 사용자의 DISC 성향을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택하여 추천한다.
본 발명의 추가적 양상에 따르면 공연 추천 시스템은 DISC 성향 예측부를 더 포함할 수 있다.
DISC 성향 예측부는 사용자의 생활 공간에 설치된 IoT 디바이스들의 사용에 대한 로그 데이터를 수집하고, 수집된 로그 데이터로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별하고, 선별된 변수를 미리 학습된 딥러닝 기반의 DISC 성향 예측 엔진을 통해 사용자의 DISC 성향을 예측할 수 있다. 이때, 공연 추천부는 예측된 사용자의 DISC 성향을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택한다.
본 발명의 추가적 양상에 따르면 공연 추천 시스템은 위치 추적부를 더 포함할 수 있고, 위치 추적부는 GPS 또는 와이파이 접속 정보를 이용하여 사용자 단말의 위치를 추적하여 사용자의 현재 위치를 추적한다. 이때, 공연 추천부는 사용자 단말의 위치 주변의 공연을 검색하여 사용자에게 추천할 수 있다.
본 발명의 추가적 양상에 따르면 공연 추천 시스템은 공연 예약부를 더 포함할 수 있고, 공연 예약부는 공연 추천부가 추천한 공연을 인터넷을 통해 예약할 수 있다.
본 발명의 공연 추천 시스템에 의하면 사용자의 DISC 성향과 사용자 관심사를 기초로 사용자에게 공연을 보다 정확하게 추천할 수 있다.
도 1은 본 발명의 일 양상에 따른 공연 추천 시스템을 개념적으로 도시한 블록도이다.
도 2는 본 발명의 다양한 양상에 따른 공연 추천 시스템이 사용자 단말에 추천한 개인화된 공연 추천 서비스의 예시를 도시한 것이다.
도 3은 본 발명의 일 양상에 따른 공연 추천 시스템의 IoT 디바이스들의 사용패턴으로부터 DISC 성향을 예측하는 절차를 도시한 절차도이다.
도 4는 본 발명의 다양한 양상에 따른 공연 추천 시스템이 DISC 성향을 기초로 공연을 추천하는 절차를 도시한 절차도이다.
이하, 첨부한 도면을 참조하여 본 발명의 공연 추천 시스템이 사용자의 DISC 기반의 성향과 개인 관심사 정보를 기초로 공연을 추천하는 시스템에 바람직한 실시 예를 상세히 설명한다.
각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.
도 1은 본 발명의 일 양상에 따른 공연 추천 시스템을 개념적으로 도시한 블록도이다. 도 1을 참조하여 설명하면, 공연 추천 시스템(10)은 사용자 단말로부터 성향정보를 수집한다. 공연 추천 시스템(10)은 성향 정보를 학습한 딥러닝 기반의 공연 추천 엔진(120)을 통해 추천 공연 리스트를 획득하여 사용자의 DISC 성향을 기초로 사용자에게 적합한 공연을 추천한다. 공연은 연극, 클래식 공연, 콘서트, 영화, 뮤지컬, 페스티벌, 문화제 등 다양한 문화행사를 포함할 수 있다.
또한 공연 추천 시스템(10)은 IoT 디바이스 사용패턴으로부터 사용자의 DISC 성향을 예측하기 위해 사용자의 생활 공간에 설치되는 IoT 디바이스들로부터 로그 데이터를 수집한다. IoT 디바이스들은 복수 개가 존재하는 것이 일반적이므로 IoT 게이트웨이 또는 IoT 허브를 통해 타 시스템과 연결되고, IoT 디바이스들은 Bluetooth, Z-Wave, ZigBee 등의 저전력 무선통신 프로토콜을 이용하여 IoT 게이트웨이 또는 IoT 허브와 통신하도록 IoT 인프라가 구성될 수 있다. 따라서, IoT 디바이스들은 공연 추천 시스템(10)과 직접 연결되지 않고 IoT 게이트웨이 또는 IoT 허브를 통해 연결될 수 있다. 다만, 이에 한정되는 것은 아니고 직접 연결될 수 있다.
발명의 양상에 따라서는 IoT 디바이스들과 공연 추천 시스템(10)은 데이터 교환을 위한 통신 프로토콜로 저전력의 소형기기 제어에 적합한 MQTT(Message Queueing Telemetry Transport) 프로토콜을 사용할 수 있다. MQTT 프로토콜은 사물 통신(Machine to Machine, M2M), 사물 인터넷(IoT)과 같이 대역폭이 제한된 통신 환경에 최적화된 푸시 기반의 경량 메시지 전송 프로토콜이다. MQTT 프로토콜에서는 푸시 기술에서 일반적으로 사용되는 클라이언트-서버 방식이 아닌 브로커라는 메시지 매개자를 통해 송신측에서 특정 토픽에 대한 메시지를 발행(publish)하고 해당 토픽에 대하여 수신자가 구독(subscribe)하는 방식으로 메시지를 수신한다. 따라서, MQTT 프로토콜이 사용되는 경우에는 IoT 디바이스들과 공연 추천 시스템(10) 사이에 MQTT 브로커 서버가 추가될 수 있으며, IoT 디바이스들이 로그 데이터를 토픽으로 하여 메시지를 발행하고, 공연 추천 시스템(10)이 해당 토픽을 구독하여 MQTT 브로커로부터 해당 메시지를 전달받는다.
발명의 일 양상에 따르는 공연 추천 시스템(10)은 성향 정보 수집부(100)와, 공연 정보 수집부(110)와, 공연 추천 엔진(120)과, 공연 추천부(130)를 포함한다.
공연 추천 시스템(10)은 프로세서, 메모리, 하드 디스크 또는 SSD 등의 저장 장치, 네트워크 장치 등을 포함하는 서버로 구성될 수 있다. 성향 정보 수집부(100)와, 공연 정보 수집부(110)와, 공연 추천 엔진(120)과, 공연 추천부(130)는 메모리에 로드되어 프로세서에서 실행되는 컴퓨터 프로그램 명령어 세트이다.
성향 정보 수집부(100)는 사전 설문조사를 분석하여 파악된 사용자의 DISC 성향과 사전 설문조사 등을 통해 파악된 사용자 관심사 정보를 포함하는 성향 정보를 사용자 단말로부터 수집한다.
공연 정보 수집부(110)는 공연 정보를 제공하는 웹 포털에 접속하여 공연 정보를 수집한다. 공연 정보를 제공하는 웹 포털 리스트는 사전에 조사되어 공연 추천 시스템(10)에 미리 설정된다. 시스템 운영자는 시스템을 운영하며 공연 정보를 제공하는 웹 사이트 정보를 추가하거나 삭제하거나 수정하는 방법으로 포털 리스트를 변경할 수 있다.
공연 추천 엔진(120)은 사전 학습된 딥러닝 기반의 딥러닝 모델로 수집한 성향 정보로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별하여 병합하고, 병합된 변수를 입력 받아 추천 공연 리스트를 출력한다. 공연 추천 엔진(120)이 성향 정보로부터 변수를 선별하기 위해 사용하는 미리 정의된 데이터 스키마는 논문 및 학술 정보 조사를 통해 DISC 성향과 개인의 관심사와 공연과의 연관성을 고려하여 결정한다. 이때 결정된 변수는 축적된 테스트용 데이터 셋으로 학습한 딥러닝 기반의 공연 추천 엔진(120)을 통해 검증하고, 사전 설문 조사된 사용자들의 DISC 성향과 매치되는지 따져 변경될 수 있다. 공연 추천 엔진(120)이 출력하는 추천 공연 리스트는 DISC 성향에 기초하여 순위 정보를 함께 제공할 수 있다.
공연 추천부(130)는 사용자의 DISC 성향을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택하여 추천한다.
본 발명의 추가적 양상에 따르면 공연 추천 시스템(10)은 DISC 성향 예측부(140)를 더 포함할 수 있다. DISC 성향 예측부(140)는 메모리에 로드되어 프로세서에서 실행되는 컴퓨터 프로그램 명령어 세트이다.
DISC 성향 예측부(140)는 사용자의 생활 공간에 설치된 IoT 디바이스들의 사용에 대한 로그 데이터를 수집하고, 수집된 로그 데이터로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별한다. 이때 학습에 사용될 변수를 선별하기 위한 데이터 스키마는 논문 및 학술 정보 조사를 통해 DISC 성향과 IoT 디바이스들의 사용패턴과의 연관성을 고려하여 결정한다. 이때 결정된 변수는 축적된 테스트용 데이터 셋으로 학습한 딥러닝 기반의 DISC 성향 예측 모델(엔진)을 통해 검증하고, 사전 설문 조사된 사용자들의 DISC 성향과 매치되는지 따져 변경될 수 있다. 즉, 사용자의 IoT 디바이스들의 사용패턴과 DISC 성향의 높은 연관성을 나타내는 변수를 최종 선별하게 된다. DISC 성향 예측부(140)가 로그 데이터를 수집하는 IoT 디바이스들은 전동 커튼 및 조명 외에 다양한 가전 기기들이 포함될 수 있다. 예를 들어, 공기 청정기, 세탁기 등이 포함될 수 있다.
또한, 공연 추천부(130)는 예측된 사용자의 DISC 성향을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택한다.
본 발명의 추가적 양상에 따르면 공연 추천 시스템(10)은 위치 추적부(150)를 더 포함할 수 있고, 위치 추적부(150)는 GPS 또는 와이파이 접속 정보를 이용하여 사용자 단말의 위치를 추적하여 사용자의 현재 위치를 추적한다. 공연 추천 시스템(10)은 현재 사용자가 위치하고 있는 주변에서 공연되는 공연 정보를 검색하기 위해 사용자 단말의 위치를 추적한다. 따라서, 공연 추천부(130)는 사용자 단말의 위치 주변의 공연을 검색하여 사용자에게 추천할 수 있다. 위치 추적부(150)는 메모리에 로드되어 프로세서에서 실행되는 컴퓨터 프로그램 명령어 세트이다.
본 발명의 추가적 양상에 따르면 공연 추천 시스템(10)은 공연 예약부(160)를 더 포함할 수 있고, 공연 예약부(160)는 공연 추천부(130)가 추천한 공연을 인터넷을 통해 예약할 수 있다. 따라서, 공연 추천 시스템(10)은 공연 예약을 위해 필요한 개인 정보 및 결제 정보 등을 사전에 사용자로부터 입력 받아 저장하고 있다. 일 예로, 공연 추천부(130)가 사용자에게 현재 공연 중인 뮤지컬을 추천한 경우 해당 뮤지컬을 관람할 수 있는 공연장을 인터넷으로 예약할 수 있다. 공연 예약부(160)는 메모리에 로드되어 프로세서에서 실행되는 컴퓨터 프로그램 명령어 세트이다.
발명의 또 다른 양상에 따르는 공연 추천 시스템(10)의 공연 추천부(130)는 사용자 단말로부터 공연 추천의 수용 여부에 대한 피드백을 수신하고, 수신한 피드백을 다음 공연 추천에 반영하여 사용자에게 공연을 제안할 수 있다.
공연 추천 시스템(10)이 사용자에게 공연을 제안하더라도 사용자가 제안을 수용할 지 알 수 없으므로 공연 추천 시스템(10)은 사용자의 수용 여부에 대한 피드백을 수신한 다음 공연 추천에 반영하여 보다 엄밀하게 개인화된 추천을 할 수 있다.
도 2는 본 발명의 다양한 양상에 따른 공연 추천 시스템이 사용자 단말에 추천한 개인화된 공연 추천 서비스의 예시를 도시한 것이다. 도 2에 도시된 것과 같이 공연 추천 시스템(10)이 사용자 단말을 통해 사용자에 공연을 추천하고 해당 공연을 관람할 수 있는 공연장을 예약할 것을 제안할 수 있다. 사용자가 해당 추천에 대하여 수용 여부를 선택하면 공연 추천 시스템(10)이 이를 피드백으로 받아 다음 공연 추천에 반영한다.
도 3은 본 발명의 다양한 양상에 따른 공연 추천 시스템이 사용자의 IoT 디바이스 사용패턴을 학습하여 DISC 성향을 예측하는 절차를 도시한 절차도이다. 도 3을 참조하여 설명하면, 공연 추천 시스템(10)이 IoT 디바이스 사용패턴을 학습하여 DISC 성향을 예측하는 절차는 공연 추천 시스템(10)이 IoT 디바이스들로부터 사용이력에 대한 로그 데이터를 수집하고(S1000), 수집된 로그 데이터로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별한다(S1020). 선별된 변수를 딥러닝 기반의 DISC 성향 예측 엔진에 입력 변수로 제공하여 사용자의 DISC 성향을 예측한다(S1040).
도 4는 본 발명의 일 양상에 따른 공연 추천 시스템의 공연 추천 절차를 도시한 절차도이다. 도 4를 참조하여 설명하면, 공연 추천 시스템(10)은 사전 설문조사되어 분석된 사용자의 DISC 성향과 사용자 관심사 정보를 포함하는 성향 정보를 사용자 단말로부터 수집하고(S2000), 공연 정보를 제공하는 엡 사이트들에 접속하여 공연정보를 수집하고(S2020), 수집한 성향 정보로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별하여 병합하고(S2040), 병합된 변수를 입력 데이터로 사전 학습된 딥러닝 기반의 공연 추천 엔진(120)을 통해 추천 공연 리스트를 출력하고(S2060), 사용자의 DISC 성향과 현재 사용자의 활동량을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택하여 추천한다(S2080). 공연 추천 시스템(10)이 사용자 단말로부터 공연 추천의 수용 여부에 대한 피드백을 수신하고 해당 피드백을 다음 공연 추천에 반영할 수 있다(S2100).
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
10: 공연 추천 시스템
100: 성향 정보 수집부
110: 공연 정보 수집부
120: 공연 추천 엔진
130: 공연 추천부
140: DISC 성향 예측부
150: 위치 추적부
160: 공연 예약부

Claims (5)

  1. 사전 설문조사되어 분석된 사용자의 DISC 성향과 개인 관심사 정보를 포함하는 성향 정보를 사용자 단말로부터 수집하는 성향 정보 수집부;
    공연 정보를 제공하는 웹 포털에 접속하여 공연 정보를 수집하는 공연 정보 수집부;
    수집한 성향 정보와 공연 정보로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별하여 병합하고, 병합된 변수를 입력 받아 추천 공연 리스트를 출력하는 사전 학습된 딥러닝 기반의 공연 추천 엔진;
    사용자의 DISC 성향을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택하여 추천하는 공연 추천부를 포함하고,
    공연 추천 시스템은,
    상기 사용자의 생활 공간에 설치된 IoT 디바이스들의 사용에 대한 로그 데이터를 수집하고, 수집된 로그 데이터로부터 미리 정의된 데이터 스키마에 따라 학습에 사용될 변수를 선별하고, 선별된 변수를 미리 학습된 딥러닝 기반의 DISC 성향 예측 엔진을 통해 사용자의 DISC 성향을 예측하는 DISC 성향 예측부를 더 포함하여,
    상기 공연 추천부는 예측된 사용자의 DISC 성향을 기초로 추천 공연 리스트에서 사용자에게 추천할 공연을 선택하고,
    상기 공연 추천부는 사용자 단말로부터 공연 추천의 수용 여부에 대한 피드백을 수신하고, 해당 피드백을 다음 공연 추천에 반영하는 것을 특징으로 하는 공연 추천 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    GPS 또는 와이파이 접속 정보를 이용하여 사용자 단말의 위치를 추적하는 위치 추적부;
    를 더 포함하되,
    공연 추천부가 사용자 단말의 위치 주변의 공연을 추천하는 공연 추천 시스템.
  4. 제 1 항에 있어서,
    공연 추천부가 추천한 공연을 예약하는 공연 예약부;
    를 더 포함하는 공연 추천 시스템.
  5. 삭제
KR1020190102840A 2019-08-22 2019-08-22 공연 추천 시스템 KR102257690B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190102840A KR102257690B1 (ko) 2019-08-22 2019-08-22 공연 추천 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190102840A KR102257690B1 (ko) 2019-08-22 2019-08-22 공연 추천 시스템

Publications (2)

Publication Number Publication Date
KR20210023111A KR20210023111A (ko) 2021-03-04
KR102257690B1 true KR102257690B1 (ko) 2021-05-28

Family

ID=75174431

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190102840A KR102257690B1 (ko) 2019-08-22 2019-08-22 공연 추천 시스템

Country Status (1)

Country Link
KR (1) KR102257690B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102348756B1 (ko) * 2021-09-16 2022-01-07 (주)라이브베리 라이브 공연 영상에 대한 중계 서비스 제공 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170030379A (ko) * 2015-09-09 2017-03-17 네이버비즈니스플랫폼 주식회사 사용자 선호에 맞춘 여행 큐레이션 서비스 방법 및 시스템
KR20170086839A (ko) * 2016-01-19 2017-07-27 김지윤 공연 정보 제공 방법
KR20180121466A (ko) * 2017-04-06 2018-11-07 네이버 주식회사 딥러닝을 활용한 개인화 상품 추천
KR20190058086A (ko) * 2017-11-21 2019-05-29 디포커스 (주) 행복큐레이션 서비스 기반 문화 생활 추천 방법 및 시스템

Also Published As

Publication number Publication date
KR20210023111A (ko) 2021-03-04

Similar Documents

Publication Publication Date Title
Li et al. PyramidFL: A fine-grained client selection framework for efficient federated learning
US9414222B1 (en) Predictive caching devices, systems and methods
US11228653B2 (en) Terminal, cloud apparatus, driving method of terminal, method for processing cooperative data, computer readable recording medium
US20120124136A1 (en) Context information sharing apparatus and method for providing intelligent service by sharing context information between one or more terminals
EP3133502B1 (en) Terminal device and method for cooperatively processing data
US20140059067A1 (en) Exchange of information
Otebolaku et al. A Framework for Exploiting Internet of Things for Context‐Aware Trust‐Based Personalized Services
KR102257690B1 (ko) 공연 추천 시스템
KR102278104B1 (ko) 운동 추천 시스템
CN105243080A (zh) 基于esb架构的资源感知自适应适配系统
KR102269629B1 (ko) 세탁기 제어 시스템
Surobhi et al. A context-aware M2M-based middleware for service selection in mobile ad-hoc networks
KR100852221B1 (ko) 유비쿼터스 컴퓨팅 환경에서의 다목적 최적화 기법을이용한 착용형 컴퓨터 및 그 방법
Orsini et al. Generic context adaptation for mobile cloud computing environments
Orsini et al. Generic context adaptation for mobile cloud computing environments
Seghrouchni et al. Enablers for smart cities
KR102248094B1 (ko) 조명 제어 시스템
Mansouri et al. Dynamic semantic‐based green bio‐inspired approach for optimizing energy and cloud services qualities
KR102281159B1 (ko) 공기 청정기 제어 시스템
KR102264534B1 (ko) 명상 추천 시스템
KR20130037031A (ko) 다차원 및 다계층의 컨텍스트 구조체를 이용하여 도메인에 대한 사용자 선호도를 분석하는 장치 및 방법
Wan et al. Lightweight and universal intelligent service platform in indoor environment
Demestichas et al. Modelling user preferences and configuring services in B3G devices
KR102426748B1 (ko) Disc 성향에 따른 추천 서비스 시스템
Di Mauro et al. A framework for distributed interaction in intelligent environments

Legal Events

Date Code Title Description
AMND Amendment
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant