KR102282530B1 - 압축된 긱서비스 제공 방법 및 장치 - Google Patents
압축된 긱서비스 제공 방법 및 장치 Download PDFInfo
- Publication number
- KR102282530B1 KR102282530B1 KR1020200177012A KR20200177012A KR102282530B1 KR 102282530 B1 KR102282530 B1 KR 102282530B1 KR 1020200177012 A KR1020200177012 A KR 1020200177012A KR 20200177012 A KR20200177012 A KR 20200177012A KR 102282530 B1 KR102282530 B1 KR 102282530B1
- Authority
- KR
- South Korea
- Prior art keywords
- gig
- service
- gig service
- compressed
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000006835 compression Effects 0.000 claims description 30
- 238000007906 compression Methods 0.000 claims description 30
- 238000013135 deep learning Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000001965 increasing effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000007637 random forest analysis Methods 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000036448 vitalisation Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
서비스 내용, 서비스 시간 및 서비스 지역을 포함하는 압축된 긱서비스 정보를 획득하는 단계; 상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 단계; 상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정하는 단계; 상기 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 생성하는 단계; 및 상기 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말에게 송신하는 단계를 포함하는 압축된 긱서비스 제공 방법 및 그 장치가 개시되어 있다.
Description
본 발명은 압축된 긱서비스 제공 방법 및 장치에 관한 것으로서, 보다 상세하게는 기존의 긱서비스 요청 데이터를 학습하여 미래 긱서비스 정보를 예측하고, 예측된 정보 중 발생 확률이 소정값 이상인 예측 정보를 압축된 긱서비스 정보로 획득하여, 주문량 예측과 가격 결정을 통해 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말에 제공함으로써, 다수의 긱서비스 주문을 받아내어 긱서비스 주문량 및 가격경쟁력을 극대화하는 압축된 긱서비스 제공 방법 및 장치에 관한 것이다.
온디맨드 경제의 활성화와 함께, 온디맨스 서비스에 요구되는 노동수요가 함께 증가하면서 긱 이코노미(Gig Economy)가 새로운 노동 트렌드로 부상하고 있다. 긱 이코노미는 기업들(또는 긱서비스 제공자)이 필요에 따라 단기 계약직이나 임시직으로 인력을 충원하고 그 대가를 지불하는 형태의 경제를 의미한다. 긱(Gig)이란 단어는 일시적인 일을 의미한다. 긱 또는 긱근로자는 과거에 각종 프리랜서와 1인 자영업자 등을 포괄하는 의미로 사용됐지만, 온디맨드 경제가 확산되면서 최근에는 온라인 플랫폼 업체와 단기 계약 형태로 서비스를 제공하는 공급자 또는 개인사업에 준하는 비정규직 근로자를 의미하는 것으로 변화했다.
기존의 고용체계는 회사가 직접 직원을 채용해 정식 근로계약을 맺고, 보유된 노동력으로 고객들에게 제품이나 서비스를 제공하는 형태였다. 반면, 긱 이코노미는 기업이 수요에 따라 초단기 계약형태로 긱근로자를 활용한다. 긱 이코노미 체계에서 긱근로자는 누군가에게 고용돼 있지 않고, 필요할 때 원하는 시간에 원하는 만큼만 일시적으로 고용돼 고객, 즉 긱서비스 요청자가 원하는 노동을 통해 수입을 창출한다.
긱플랫폼은 긱서비스 요청자로부터 긱서비스 주문을 받고, 긱근로자에게 서비스를 요청하는 플랫폼을 의미하며, 긱플랫폼 사업자는 긱플랫폼을 제공하는 사업자를 의미한다. 긱근로자는 긱플랫폼을 통해 일거리를 받아 긱서비스를 수행함에 있어서, 때로는 일거리 수요를 놓고 다른 긱근로자들과 경쟁을 한다.
긱플랫폼에서 긱근로자의 생산성을 높이기 위해서 긱서비스 주문을 묶어서 처리하거나, 배송순서 및 스케쥴 등을 최적화하는 시도들이 있다. 그러나 지형적 특성, 주문 분산 등으로 이미 발생한 주문에 대한 긱근로자의 생산성을 높이기가 쉽지 않다.
따라서, 긱플랫폼에서 긱근로자의 생산성을 높여 수익을 최대화하고, 동시에 긱서비스 요청자의 비용을 낮추는 등 만족도를 높임으로써 긱서비스의 완성도를 제고할 수 있는 방안이 필요하다.
본 발명은 상술한 기술적 문제에 대응하기 위하여 안출된 것으로, 본 발명의 목적은 종래 기술에서의 한계와 단점에 의해 발생하는 다양한 문제점을 실질적으로 보완할 수 있는 것으로, 기존의 긱서비스 요청 데이터를 학습하여 미래 긱서비스 정보를 예측하고, 예측된 정보 중 발생 확률이 소정값 이상인 예측 정보를 압축된 긱서비스 정보로 획득하여, 주문량 예측과 가격 결정을 통해 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말에 제공함으로써, 다수의 긱서비스 주문을 받아내어 긱서비스 주문량 및 가격경쟁력을 극대화하는 압축된 긱서비스 제공 방법 및 장치를 제공하는데 있고, 상기 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다.
본 발명의 일 실시예에 따르면 압축된 긱서비스 제공 방법은 서비스 내용, 서비스 시간 및 서비스 지역을 포함하는 압축된 긱서비스 정보를 획득하는 단계; 상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 단계; 상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정하는 단계; 상기 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 생성하는 단계; 및 상기 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말에게 송신하는 단계를 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 정보를 획득하는 단계는 상기 긱서비스 요청자 단말로부터 제1 긱서비스 요청 데이터를 획득하고 저장하는 단계; 및 적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성하는 단계를 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 정보를 획득하는 단계는 상기 학습모델에 기초하여, 적어도 하나의 미래 긱서비스 정보를 예측하는 단계; 및 상기 적어도 하나의 미래 긱서비스 정보 중 발생 확률이 소정값 이상인 미래 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 제1 긱서비스 요청 데이터는 서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 단계는 상기 학습모델에 기초하여, 상기 압축된 긱서비스 정보에 대한 주문량을 예측한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 제공 방법은 상기 긱서비스 요청자 단말로부터 상기 긱서비스 오퍼에 대한 제2 긱서비스 요청 데이터를 수신하는 단계; 및 상기 수신된 제2 긱서비스 요청 데이터에 대한 긱서비스를 처리하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 제공 방법은 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 학습모델을 갱신하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 제공 방법은 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 긱근로자의 업무일정을 생성하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 제공 방법은 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 수 있는 적어도 하나의 긱근로자로부터 긱서비스 가격을 입찰받는 단계; 및 상기 입찰받은 적어도 하나의 긱서비스 가격 중 최저 가격을 제시한 긱근로자를 상기 긱서비스를 처리할 긱근로자로 선정하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 정보를 획득하는 단계는 상기 긱서비스 요청자 단말로부터 제2 긱서비스 정보를 수신하는 단계; 상기 학습모델에 기초하여, 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상인지 여부를 판단하는 단계; 및 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상일 경우, 상기 제2 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 단계를 더 포함한다.
또한, 본 발명의 일 실시예에 따르면 상기 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체를 포함한다.
또한, 본 발명의 일 실시예에 따르면 압축된 긱서비스 제공 장치는 서비스 내용, 서비스 시간 및 서비스 지역을 포함하는 압축된 긱서비스 정보를 획득하는 긱서비스 압축부; 상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 주문량 예측부; 상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정하는 가격 결정부; 상기 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 생성하는 오퍼 생성부; 및 상기 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말에게 송신하는 오퍼 송신부를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱서비스 압축부는 상기 긱서비스 요청자 단말로부터 제1 긱서비스 요청 데이터를 획득하고 저장하는 긱서비스 요청 데이터 획득부; 및 적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성하는 학습모델 생성부를 포함한다.
본 발명의 일 실시예에 따르면 상기 긱서비스 압축부는 상기 학습모델에 기초하여, 적어도 하나의 미래 긱서비스 정보를 예측하는 긱서비스 정보 예측부; 및 상기 적어도 하나의 미래 긱서비스 정보 중 발생 확률이 소정값 이상인 미래 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 제1 압축 생성부를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 제1 긱서비스 요청 데이터는 서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함한다.
본 발명의 일 실시예에 따르면 상기 주문량 예측부는 상기 학습모델에 기초하여, 상기 압축된 긱서비스 정보에 대한 주문량을 예측한다.
본 발명의 일 실시예에 따르면 상기 긱서비스 요청 데이터 획득부는 상기 긱서비스 요청자 단말로부터 상기 긱서비스 오퍼에 대한 제2 긱서비스 요청 데이터를 수신하고; 상기 압축된 긱서비스 제공 장치는 상기 수신된 제2 긱서비스 요청 데이터에 대한 긱서비스를 처리하는 긱서비스 처리부를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 제공 장치는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 학습모델을 갱신하는 학습모델 갱신부를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 제공 장치는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 긱근로자의 업무일정을 생성하는 업무일정 생성부를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 압축된 긱서비스 제공 장치는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 수 있는 적어도 하나의 긱근로자로부터 긱서비스 가격을 입찰받는 가격 입찰부; 및 상기 입찰받은 적어도 하나의 긱서비스 가격 중 최저 가격을 제시한 긱근로자를 상기 긱서비스를 처리할 긱근로자로 선정하는 긱근로자 선정부를 더 포함한다.
본 발명의 일 실시예에 따르면 상기 긱서비스 압축부는 상기 긱서비스 요청자 단말로부터 제2 긱서비스 정보를 수신하는 긱서비스 정보 수신부; 및 상기 학습모델에 기초하여 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상인지 여부를 판단하고, 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상일 경우 상기 제2 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 제2 압축 생성부를 더 포함한다.
본 발명에 따른 압축된 긱서비스 제공 방법에 따르면, 기존의 긱서비스 요청 데이터를 학습하여 미래 긱서비스 정보를 예측하고, 예측된 정보 중 발생 확률이 소정값 이상인 예측 정보를 압축된 긱서비스 정보로 획득하여 다수의 긱서비스 요청자에게 긱서비스 오퍼를 제공함으로써, 압축된 긱서비스에 대해 긱근로자가 시간당 처리하는 주문 건수를 최대화할 수 있고 긱서비스의 효율성을 향상시킬 수 있다. 즉, 본 발명에 따르면 압축된 긱서비스 정보에 기초하여 다수의 긱서비스 요청자로부터 주문 발생을 유도함으로써, 긱근로자의 생산성 최대화를 도모할 수 있다. 본 발명에 따른 압축된 긱서비스 제공 방법은 서비스 단위는 압축함으로써 축소시키고, 압축된 서비스의 크기(주문량)는 확대시키며, 이에 따라 낮아진 가격의 긱서비스를 제공할 수 있고, 긱근로자의 생산성을 높여 수익을 최대화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 시스템의 개략적인 구성도이다.
도 2는 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 방법의 개략적인 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 압축된 긱서비스 정보를 획득하는 단계의 개략적인 흐름도이다.
도 4는 본 발명의 다른 실시예에 따른 압축된 긱서비스 정보를 획득하는 단계의 개략적인 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 장치의 개략적인 블록도이다.
도 6은 본 발명의 일 실시예에 따른 긱서비스 압축부의 개략적인 블록도이다.
도 7은 본 발명의 다른 실시예에 따른 긱서비스 압축부의 개략적인 블록도이다.
도 2는 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 방법의 개략적인 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 압축된 긱서비스 정보를 획득하는 단계의 개략적인 흐름도이다.
도 4는 본 발명의 다른 실시예에 따른 압축된 긱서비스 정보를 획득하는 단계의 개략적인 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 장치의 개략적인 블록도이다.
도 6은 본 발명의 일 실시예에 따른 긱서비스 압축부의 개략적인 블록도이다.
도 7은 본 발명의 다른 실시예에 따른 긱서비스 압축부의 개략적인 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다. 도면에서 동일한 참조부호는 동일한 구성요소를 지칭하며, 도면 상에서 각 구성 요소의 크기는 설명의 명료성을 위하여 과장되어 있을 수 있다.
도 1은 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 시스템의 개략적인 구성도이다.
본 발명의 일 실시예에 따른 긱서비스 제공 시스템(100)은 긱서비스 제공 장치(110) 및 긱서비스 요청자 단말(120)을 포함한다.
본 실시예에 따른 긱서비스 제공 장치(110)는 적어도 하나의 긱서비스 요청자 단말(120)로부터의 긱서비스 요청 데이터를 학습하여 학습모델을 생성한다. 긱서비스 제공 장치(110)는 상기 학습모델에 기초하여 미래 긱서비스 정보를 예측하고, 예측된 정보 중 발생 확률이 소정값 이상인 예측 정보를 압축된 긱서비스 정보로 획득하여 적어도 하나의 긱서비스 요청자 단말(120)에게 긱서비스 오퍼를 제공한다. 본 실시예에 따른 긱 서비스 요청자 단말(120)은 복수 개일 수 있으며, 긱 서비스 요청자 단말(120)의 개수가 많고, 누적된 긱서비스 요청 데이터가 많을수록 미래 긱서비스 정보에 대한 예측 정확도를 높일 수 있다.
본 실시예에 따른 긱서비스 요청 데이터 및 압축된 긱서비스 정보는 서비스 내용, 서비스 시간 및 서비스 지역의 3 서비스 요소를 포함한다. 본 실시예에 따른 압축된 긱서비스 정보를 획득함에 있어서, 상기 3 서비스 요소 중 1 요소를 상수화하고 나머지 2 요소를 압축하거나, 2 요소를 상수화하고 나머지 1 요소를 압축하거나, 또는 상수화되는 요소 없이 3 요소를 압축하는 등 압축될 요소 및 개수에 제한이 없음은 당업자에게 자명하다. 본 실시예에 따른 긱서비스 제공 장치(110)는 예측된 미래 긱서비스 정보 중, 상기 3 요소가 가장 응집한 구간, 즉 3 요소 집합의 확률이 가장 높은 구간을 압축된 긱서비스 정보로 획득할 수 있으나, 긱서비스 정보를 압축할 수 있는 다른 알고리즘을 사용할 수 있음은 당업자에게 자명하다.
본 실시예에 따른 긱서비스 제공 장치(110)는 상기 학습모델에 기초하여, 상기 압축된 긱서비스 정보에 대한 주문량을 예측한다. 긱서비스 제공 장치(110)는 상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정한다. 상기 긱서비스 오퍼는 상기 압축된 긱서비스 정보 및 결정된 긱서비스 가격을 포함한다.
본 실시예에 따른 긱서비스 제공 장치(110)는 적어도 하나의 긱서비스 요청자 단말(120)에게 상기 압축된 긱서비스 정보에 기초한 긱서비스 오퍼를 제공함으로써, 다수의 긱서비스 요청자로부터 주문 발생을 유도할 수 있고 긱근로자의 생산성 최대화를 도모할 수 있다. 즉, 본 실시예 따른 압축된 긱서비스 제공 방법은 서비스 단위는 압축함으로써 축소시키고, 압축된 서비스의 크기(주문량)는 확대시키며, 이에 따라 낮아진 가격의 긱서비스를 제공할 수 있고, 긱근로자의 생산성을 높여 수익을 최대화할 수 있다.
도 2는 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 방법의 개략적인 흐름도이다.
단계 S210에서, 긱서비스 제공 장치(110)는 서비스 내용, 서비스 시간 및 서비스 지역을 포함하는 압축된 긱서비스 정보를 획득한다. 긱서비스 제공 장치(110)는 적어도 하나의 긱서비스 요청자 단말(120)로부터의 긱서비스 요청 데이터를 학습하여 학습모델을 생성하고, 상기 학습모델에 기초하여 미래 긱서비스 정보를 예측하고, 예측된 정보 중 발생 확률이 소정값 이상인 예측 정보를 압축된 긱서비스 정보로 획득한다. 압축된 긱서비스 정보를 획득하는 단계의 구체적인 동작은 이하 도 3을 통해 후술한다. 상기 긱서비스 요청 데이터는 서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함한다.
단계 S220에서, 긱서비스 제공 장치(110)는 상기 학습모델에 기초하여, 상기 압축된 긱서비스 정보에 대한 주문량을 예측한다.
단계 S230에서, 긱서비스 제공 장치(110)는 상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정한다. 긱서비스 제공 장치(110)는 상기 압축된 긱서비스 정보에 대한 가격을 결정함에 있어서, 상기 주문량에 따라 단계적으로 할인율을 적용하여 최적화된 가격을 결정할 수 있으나, 다양한 알고리즘을 적용할 수 있음은 당업자에게 자명하다.
단계 S240에서, 긱서비스 제공 장치(110)는 상기 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 생성한다.
단계 S250에서, 긱서비스 제공 장치(110)는 상기 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말(120)에게 송신한다. 상기 송신 수단은 문자메시지 애플리케이션 및 주문 애플리케이션 등 다양한 수단을 포함하며, 특정 수단에 제한되지 않음은 당업자에게 자명하다. 긱서비스 제공 장치(110)는 상기 학습모델에 기초하여, 유사한 긱서비스 요청 이력을 갖는 긱서비스 요청자에 해당하는 적어도 하나의 긱서비스 요청자 단말(120)을 선택하여 상기 긱서비스 오퍼를 송신할 수 있다.
본 실시예에 따른 긱서비스 제공 장치(110)는 긱서비스 요청자 단말(120)로부터 상기 긱서비스 오퍼에 대한 제2 긱서비스 요청 데이터를 수신한다(미도시). 긱서비스 제공 장치(110)는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 학습모델을 갱신할 수 있다(미도시). 긱서비스 제공 장치(110)는 상기 수신된 제2 긱서비스 요청 데이터에 대한 긱서비스를 처리한다(미도시). 이 때, 긱서비스 제공 장치(110)는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 긱근로자의 업무일정을 생성할 수 있다(미도시).
긱서비스 제공 장치(110)는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 수 있는 적어도 하나의 긱근로자로부터 긱서비스 가격을 입찰받을 수 있다(미도시). 긱서비스 제공 장치(110)는 상기 입찰받은 적어도 하나의 긱서비스 가격 중 최저 가격을 제시한 긱근로자를 상기 긱서비스를 처리할 긱근로자로 선정할 수 있고, 상기 제2 긱서비스 요청 데이터에 기초하여 선정된 근로자의 업무일정을 생성할 수 있다(미도시).
도 3은 본 발명의 일 실시예에 따른 압축된 긱서비스 정보를 획득하는 단계의 개략적인 흐름도이다.
단계 S310에서, 긱서비스 제공 장치(110)는 긱서비스 요청자 단말(120)로부터 제1 긱서비스 요청 데이터를 획득하고 저장한다. 상기 제1 긱서비스 요청 데이터는 서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함한다.
단계 S320에서, 긱서비스 제공 장치(110)는 적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성한다. 본 실시예에서 상기 학습모델은 딥러닝으로 학습되고, 딥러닝 학습을 위해 랜덤 포레스트 등의 머신러닝 알고리즘, DNN((Deep Neural Network), CNN(Convolutional Neural Networks), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network) 및 DQN(Deep Q-Networks) 중 적어도 하나를 이용하나, 이에 제한되지 않음은 당업자에게 자명하다.
단계 S330에서, 긱서비스 제공 장치(110)는 상기 학습모델에 기초하여, 적어도 하나의 미래 긱서비스 정보를 예측한다. 본 실시예에 따른 미래 긱서비스 정보는 서비스 내용, 서비스 시간 및 서비스 지역의 3 서비스 요소를 포함한다. 본 실시예에 따른 미래 긱서비스 정보를 예측함에 있어서, 상기 3 서비스 요소 중 1 요소 또는 2 요소를 고정하고 나머지 요소들의 값을 예측할 수 있으나, 예측될 요소 및 개수에 제한이 없음은 당업자에게 자명하다. 또한, 본 실시예에 따른 미래 긱서비스 정보의 예측에 있어서, 긱서비스 제공 장치(110)는 주문량, 가격, 서비스 지역의 인구 정보, 계절 및 날씨 등의 적어도 하나의 추가적인 요소를 포함하여 예측할 수도 있다.
본 실시예에서 미래 긱서비스 정보는 사전확률과 가능성(likelihood)를 통해 예측될 수 있다. 구체적으로, 미래 긱서비스 정보는 기존 긱서비스 데이터가 발생한 분포를 모델링하는 사전확률 모델(P_model)의 가능성 값(L)을 최대화하는 함수에 의해 예측될 수 있고, 아래 정의와 같이 기술될 수 있다.
본 실시예에 따른 미래 긱서비스 정보의 예측은 HMM(Hidden Markov Model) 및 베이지언 확률(Bayesian Probability) 중 적어도 하나를 이용할 수 있으나, 이에 제한되지 않음은 당업자에게 자명하다.
단계 S340에서, 긱서비스 제공 장치(110)는 상기 적어도 하나의 미래 긱서비스 정보 중 발생 확률이 소정값 이상인 미래 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성한다. 본 실시예에 따른 긱서비스 제공 장치(110)는 단계 S330에서 예측된 미래 긱서비스 정보 중, 상기 3 서비스 요소가 가장 응집한 구간, 즉 3 요소 집합의 확률이 가장 높은 구간을 압축된 긱서비스 정보로 획득할 수 있으나, 긱서비스 정보를 압축할 수 있는 다른 알고리즘을 사용할 수 있음은 당업자에게 자명하다.
도 4는 본 발명의 다른 실시예에 따른 압축된 긱서비스 정보를 획득하는 단계의 개략적인 흐름도이다.
단계 S410에서, 긱서비스 제공 장치(110)는 긱서비스 요청자 단말(120)로부터 제1 긱서비스 요청 데이터를 획득하고 저장한다. 상기 제1 긱서비스 요청 데이터는 서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함한다.
단계 S420에서, 긱서비스 제공 장치(110)는 적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성한다. 본 실시예에서 상기 학습모델은 딥러닝으로 학습되고, 딥러닝 학습을 위해 랜덤 포레스트 등의 머신러닝 알고리즘, DNN((Deep Neural Network), CNN(Convolutional Neural Networks), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network) 및 DQN(Deep Q-Networks) 중 적어도 하나를 이용하나, 이에 제한되지 않음은 당업자에게 자명하다.
단계 S430에서, 긱서비스 제공 장치(110)는 긱서비스 요청자 단말(120)로부터 제2 긱서비스 정보를 수신한다. 본 실시예에 따르면, 긱서비스 요청자가 긱서비스 정보를 구성하고 다수의 긱서비스 요청자에게 긱서비스 오퍼를 제공함으로써, 결과적으로 긱서비스 요청자가 구성한 긱서비스로 압축이 되고, 긱근로자가 시간당 처리하는 주문 건수를 최대화할 수 있고 긱서비스의 효율성을 향상시킬 수 있다.
본 실시예에 따른 긱서비스 제공 장치(110)는 긱서비스 요청자 단말(120)이 제2 긱서비스 정보를 생성하는데 있어 후보가 될 수 있는 추천 긱서비스 정보를 상기 학습모델에 기초하여 생성하고, 상기 추천 긱서비스 정보를 긱서비스 요청자 단말(120)에게 송신할 수도 있다.
단계 S440에서, 긱서비스 제공 장치(110)는 상기 학습모델에 기초하여, 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상인지 여부를 판단한다.
단계 S450에서, 긱서비스 제공 장치(110)는 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상일 경우, 상기 제2 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성한다.
도 5는 본 발명의 일 실시예에 따른 압축된 긱서비스 제공 장치의 개략적인 블록도이다.
본 발명의 일 실시예에 따른 긱서비스 제공 장치(110)는 긱서비스 압축부(510), 주문량 예측부(520), 가격 결정부(530), 오퍼 생성부(540) 및 오퍼 송신부(550)를 포함한다. 본 발명의 일 실시예에 따른 긱서비스 제공 장치(110)는 긱서비스 처리부(미도시), 학습모델 갱신부(미도시), 업무일정 생성부(미도시), 가격 입찰부(미도시) 및 긱근로자 선정부(미도시) 중 적어도 하나를 더 포함할 수 있다.
긱서비스 압축부(510)는 서비스 내용, 서비스 시간 및 서비스 지역을 포함하는 압축된 긱서비스 정보를 획득한다. 도 6은 본 발명의 일 실시예에 따른 긱서비스 압축부(510)의 개략적인 블록도이다. 본 발명의 일 실시예에 따른 긱서비스 압축부(510)는 긱서비스 요청 데이터 획득부(610), 학습모델생성부(620), 긱서비스 정보 예측부(630) 및 제1 압축 생성부(640)를 포함한다.
긱서비스 요청 데이터 획득부(610)는 긱서비스 요청자 단말(120)로부터 제1 긱서비스 요청 데이터를 획득하고 저장한다. 상기 제1 긱서비스 요청 데이터는 서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함한다.
학습모델생성부(620)는 적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성한다. 본 실시예에서 상기 학습모델은 딥러닝으로 학습되고, 딥러닝 학습을 위해 랜덤 포레스트 등의 머신러닝 알고리즘, DNN((Deep Neural Network), CNN(Convolutional Neural Networks), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network) 및 DQN(Deep Q-Networks) 중 적어도 하나를 이용하나, 이에 제한되지 않음은 당업자에게 자명하다.
긱서비스 정보 예측부(630)는 상기 학습모델에 기초하여, 적어도 하나의 미래 긱서비스 정보를 예측한다. 본 실시예에 따른 미래 긱서비스 정보는 서비스 내용, 서비스 시간 및 서비스 지역의 3 서비스 요소를 포함한다. 본 실시예에 따른 미래 긱서비스 정보를 예측함에 있어서, 상기 3 서비스 요소 중 1 요소 또는 2 요소를 고정하고 나머지 요소들의 값을 예측할 수 있으나, 예측될 요소 및 개수에 제한이 없음은 당업자에게 자명하다. 또한, 본 실시예에 따른 미래 긱서비스 정보의 예측에 있어서, 긱서비스 정보 예측부(630)는 주문량, 가격, 서비스 지역의 인구 정보, 계절 및 날씨 등의 적어도 하나의 추가적인 요소를 포함하여 예측할 수도 있다.
본 실시예에서 미래 긱서비스 정보는 사전확률과 가능성(likelihood)를 통해 예측될 수 있다. 구체적으로, 미래 긱서비스 정보는 기존 긱서비스 데이터가 발생한 분포를 모델링하는 사전확률 모델(P_model)의 가능성 값(L)을 최대화하는 함수에 의해 예측될 수 있고, 아래 정의와 같이 기술될 수 있다.
본 실시예에 따른 미래 긱서비스 정보의 예측은 HMM(Hidden Markov Model) 및 베이지언 확률(Bayesian Probability) 중 적어도 하나를 이용할 수 있으나, 이에 제한되지 않음은 당업자에게 자명하다.
제1 압축 생성부(640)는 예측된 상기 적어도 하나의 미래 긱서비스 정보 중 발생 확률이 소정값 이상인 미래 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성한다. 본 실시예에 따른 제1 압축 생성부(640)는 긱서비스 정보 예측부(630)가 예측한 미래 긱서비스 정보 중, 상기 3 서비스 요소가 가장 응집한 구간, 즉 3 요소 집합의 확률이 가장 높은 구간을 압축된 긱서비스 정보로 획득할 수 있으나, 긱서비스 정보를 압축할 수 있는 다른 알고리즘을 사용할 수 있음은 당업자에게 자명하다.
주문량 예측부(520)는 상기 압축된 긱서비스 정보에 대한 주문량을 예측한다. 주문량 예측부(520)는 상기 학습모델에 기초하여, 상기 압축된 긱서비스 정보에 대한 주문량을 예측할 수 있다.
가격 결정부(530)는 상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정한다. 가격 결정부(530)는 상기 압축된 긱서비스 정보에 대한 가격을 결정함에 있어서, 상기 주문량에 따라 단계적으로 할인율을 적용하여 최적화된 가격을 결정할 수 있으나, 가격을 결정하는 다양한 알고리즘을 적용할 수 있음은 당업자에게 자명하다.
오퍼 생성부(540)는 상기 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 생성한다.
오퍼 송신부(550)는 상기 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말(120)에게 송신한다. 오퍼 송신부(550)는 문자메시지 애플리케이션 및 주문 애플리케이션 등 다양한 수단을 이용하여 오퍼를 송신할 수 있으며, 특정 수단에 제한되지 않음은 당업자에게 자명하다. 오퍼 송신부(550)는 상기 학습모델에 기초하여, 유사한 긱서비스 요청 이력을 갖는 긱서비스 요청자에 해당하는 적어도 하나의 긱서비스 요청자 단말(120)을 선택하여 상기 긱서비스 오퍼를 송신할 수 있다.
긱서비스 요청 데이터 획득부(610)는 긱서비스 요청자 단말(120)로부터 상기 긱서비스 오퍼에 대한 제2 긱서비스 요청 데이터를 수신한다.
학습모델 갱신부(미도시)는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 학습모델을 갱신한다.
긱서비스 처리부(미도시)는 상기 수신된 제2 긱서비스 요청 데이터에 대한 긱서비스를 처리한다.
업무일정 생성부(미도시)는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 긱근로자의 업무일정을 생성한다.
가격 입찰부(미도시)는 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 수 있는 적어도 하나의 긱근로자로부터 긱서비스 가격을 입찰받는다.
긱근로자 선정부(미도시)는 상기 입찰받은 적어도 하나의 긱서비스 가격 중 최저 가격을 제시한 긱근로자를 상기 긱서비스를 처리할 긱근로자로 선정한다.
도 7은 본 발명의 다른 실시예에 따른 긱서비스 압축부의 개략적인 블록도이다.
본 발명의 다른 실시예에 따른 긱서비스 압축부(510)는 긱서비스 요청 데이터 획득부(710), 학습모델생성부(720), 긱서비스 정보 수신부(730) 및 제2 압축 생성부(740)를 포함한다.
긱서비스 요청 데이터 획득부(710)는 긱서비스 요청자 단말(120)로부터 제1 긱서비스 요청 데이터를 획득하고 저장한다. 상기 제1 긱서비스 요청 데이터는 서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함한다.
학습모델생성부(720)는 적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성한다. 본 실시예에서 상기 학습모델은 딥러닝으로 학습되고, 딥러닝 학습을 위해 랜덤 포레스트 등의 머신러닝 알고리즘, DNN((Deep Neural Network), CNN(Convolutional Neural Networks), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network) 및 DQN(Deep Q-Networks) 중 적어도 하나를 이용하나, 이에 제한되지 않음은 당업자에게 자명하다.
긱서비스 정보 수신부(730)는 긱서비스 요청자 단말(120)로부터 제2 긱서비스 정보를 수신한다. 본 실시예에 따른 긱서비스 제공 장치(110)는 긱서비스 요청자 단말(120)이 제2 긱서비스 정보를 생성하는데 있어 후보가 될 수 있는 추천 긱서비스 정보를 상기 학습모델에 기초하여 생성하고, 상기 추천 긱서비스 정보를 긱서비스 요청자 단말(120)에게 송신할 수도 있다.
제2 압축 생성부(740)는 상기 학습모델에 기초하여 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상인지 여부를 판단하고, 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상일 경우 상기 제2 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성한다.
이상에서 본 발명의 바람직한 실시예가 상세히 기술되었지만, 본 발명의 범위는 이에 한정되지 않고, 다양한 변형 및 균등한 타 실시예가 가능하다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위에 의해서 정해져야 할 것이다.
예를 들어, 본 발명의 예시적인 실시예에 따른 장치는 도시된 바와 같은 장치 각각의 유닛들에 커플링된 버스, 상기 버스에 커플링된 적어도 하나의 프로세서를 포함할 수 있고, 명령, 수신된 메시지 또는 생성된 메시지를 저장하기 위해 상기 버스에 커플링되고, 전술한 바와 같은 명령들을 수행하기 위한 적어도 하나의 프로세서에 커플링된 메모리를 포함할 수 있다.
또한, 본 발명에 따른 시스템은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 상기 컴퓨터가 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등) 및 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
Claims (21)
- 긱서비스 압축부에 의해, 서비스 내용, 서비스 시간 및 서비스 지역을 포함하는 압축된 긱서비스 정보를 획득하는 단계;
주문량 예측부에 의해, 상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 단계;
가격 결정부에 의해, 상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정하는 단계;
오퍼 생성부에 의해, 상기 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 생성하는 단계; 및
오퍼 송신부에 의해, 상기 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말에게 송신하는 단계를 포함하고;
상기 압축된 긱서비스 정보를 획득하는 단계는
긱서비스 요청 데이터 획득부에 의해, 상기 긱서비스 요청자 단말로부터 제1 긱서비스 요청 데이터를 획득하고 저장하는 단계;
학습모델 생성부에 의해, 적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성하는 단계;
긱서비스 정보 예측부에 의해, 상기 학습모델에 기초하여, 적어도 하나의 미래 긱서비스 정보를 예측하는 단계; 및
제1 압축 생성부에 의해, 상기 적어도 하나의 미래 긱서비스 정보 중 발생 확률이 소정값 이상인 미래 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 단계를 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 삭제
- 삭제
- 제 1항에 있어서,
상기 제1 긱서비스 요청 데이터는
서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 제 1항에 있어서,
상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 단계는
상기 주문량 예측부에 의해, 상기 학습모델에 기초하여, 상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 제 1항에 있어서,
상기 압축된 긱서비스 제공 방법은
상기 긱서비스 요청 데이터 획득부에 의해, 상기 긱서비스 요청자 단말로부터 상기 긱서비스 오퍼에 대한 제2 긱서비스 요청 데이터를 수신하는 단계; 및
긱서비스 처리부에 의해, 상기 수신된 제2 긱서비스 요청 데이터에 대한 긱서비스를 처리하는 단계를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 제 6항에 있어서,
상기 압축된 긱서비스 제공 방법은
학습모델 갱신부에 의해, 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 학습모델을 갱신하는 단계를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 제 6항에 있어서,
상기 압축된 긱서비스 제공 방법은
업무일정 생성부에 의해, 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 긱근로자의 업무일정을 생성하는 단계를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 제 6항에 있어서,
상기 압축된 긱서비스 제공 방법은
가격 입찰부에 의해, 상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 수 있는 적어도 하나의 긱근로자로부터 긱서비스 가격을 입찰받는 단계; 및
긱근로자 선정부에 의해, 상기 입찰받은 적어도 하나의 긱서비스 가격 중 최저 가격을 제시한 긱근로자를 상기 긱서비스를 처리할 긱근로자로 선정하는 단계를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 제 1항에 있어서,
상기 압축된 긱서비스 정보를 획득하는 단계는
긱서비스 정보 수신부에 의해, 상기 긱서비스 요청자 단말로부터 제2 긱서비스 정보를 수신하는 단계;
제2 압축 생성부에 의해, 상기 학습모델에 기초하여, 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상인지 여부를 판단하는 단계; 및
상기 제2 압축 생성부에 의해, 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상일 경우, 상기 제2 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 단계를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 방법. - 제 1항, 제 4항 내지 제 10항 중 어느 한 항에 의한 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체.
- 서비스 내용, 서비스 시간 및 서비스 지역을 포함하는 압축된 긱서비스 정보를 획득하는 긱서비스 압축부;
상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 주문량 예측부;
상기 압축된 긱서비스 정보 및 주문량에 기초하여, 상기 압축된 긱서비스 정보에 대한 가격을 결정하는 가격 결정부;
상기 압축된 긱서비스 정보 및 긱서비스 가격을 포함하는 긱서비스 오퍼를 생성하는 오퍼 생성부; 및
상기 긱서비스 오퍼를 적어도 하나의 긱서비스 요청자 단말에게 송신하는 오퍼 송신부를 포함하고;
상기 긱서비스 압축부는
상기 긱서비스 요청자 단말로부터 제1 긱서비스 요청 데이터를 획득하고 저장하는 긱서비스 요청 데이터 획득부;
적어도 하나의 상기 제1 긱서비스 요청 데이터를 딥러닝 학습하여 학습모델을 생성하는 학습모델 생성부;
상기 학습모델에 기초하여, 적어도 하나의 미래 긱서비스 정보를 예측하는 긱서비스 정보 예측부; 및
상기 적어도 하나의 미래 긱서비스 정보 중 발생 확률이 소정값 이상인 미래 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 제1 압축 생성부를 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 장치. - 삭제
- 삭제
- 제 12항에 있어서,
상기 제1 긱서비스 요청 데이터는
서비스 내용, 서비스 요청 시간, 서비스 요청 지역 및 서비스 요청자 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 장치. - 제 12항에 있어서,
상기 주문량 예측부는
상기 학습모델에 기초하여, 상기 압축된 긱서비스 정보에 대한 주문량을 예측하는 것을 특징으로 하는 압축된 긱서비스 제공 장치. - 제 12항에 있어서,
상기 긱서비스 요청 데이터 획득부는 상기 긱서비스 요청자 단말로부터 상기 긱서비스 오퍼에 대한 제2 긱서비스 요청 데이터를 수신하고;
상기 압축된 긱서비스 제공 장치는
상기 수신된 제2 긱서비스 요청 데이터에 대한 긱서비스를 처리하는 긱서비스 처리부를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 장치. - 제 17항에 있어서,
상기 압축된 긱서비스 제공 장치는
상기 제2 긱서비스 요청 데이터에 기초하여, 상기 학습모델을 갱신하는 학습모델 갱신부를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 장치. - 제 17항에 있어서,
상기 압축된 긱서비스 제공 장치는
상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 긱근로자의 업무일정을 생성하는 업무일정 생성부를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 장치. - 제 17항에 있어서,
상기 압축된 긱서비스 제공 장치는
상기 제2 긱서비스 요청 데이터에 기초하여, 상기 긱서비스를 처리할 수 있는 적어도 하나의 긱근로자로부터 긱서비스 가격을 입찰받는 가격 입찰부; 및
상기 입찰받은 적어도 하나의 긱서비스 가격 중 최저 가격을 제시한 긱근로자를 상기 긱서비스를 처리할 긱근로자로 선정하는 긱근로자 선정부를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 장치. - 제 12항에 있어서,
상기 긱서비스 압축부는
상기 긱서비스 요청자 단말로부터 제2 긱서비스 정보를 수신하는 긱서비스 정보 수신부; 및
상기 학습모델에 기초하여 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상인지 여부를 판단하고, 상기 제2 긱서비스 정보의 발생 확률이 소정값 이상일 경우 상기 제2 긱서비스 정보를 상기 압축된 긱서비스 정보로 생성하는 제2 압축 생성부를 더 포함하는 것을 특징으로 하는 압축된 긱서비스 제공 장치.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200177012A KR102282530B1 (ko) | 2020-12-17 | 2020-12-17 | 압축된 긱서비스 제공 방법 및 장치 |
| PCT/KR2021/016540 WO2022131559A1 (ko) | 2020-12-17 | 2021-11-12 | 압축된 긱서비스 제공 방법 및 장치 |
| US18/265,056 US20240005240A1 (en) | 2020-12-17 | 2021-11-12 | Method and device for providing compressed gig service |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200177012A KR102282530B1 (ko) | 2020-12-17 | 2020-12-17 | 압축된 긱서비스 제공 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102282530B1 true KR102282530B1 (ko) | 2021-07-27 |
Family
ID=77125315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200177012A KR102282530B1 (ko) | 2020-12-17 | 2020-12-17 | 압축된 긱서비스 제공 방법 및 장치 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20240005240A1 (ko) |
| KR (1) | KR102282530B1 (ko) |
| WO (1) | WO2022131559A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022131559A1 (ko) * | 2020-12-17 | 2022-06-23 | 주식회사 엔터프라이즈블록체인 | 압축된 긱서비스 제공 방법 및 장치 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140133778A (ko) * | 2013-05-08 | 2014-11-20 | ㈜베네피션 | 거래중개방법 및 시스템 |
| KR20180013852A (ko) * | 2016-03-03 | 2018-02-07 | 베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드 | 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 시스템들 및 방법들 |
| KR20200014510A (ko) * | 2018-08-01 | 2020-02-11 | 삼성에스디에스 주식회사 | 기계 학습 기반의 예측 서비스 제공 방법 및 그 장치 |
| KR20200113694A (ko) * | 2019-03-26 | 2020-10-07 | (주) 오소 | 초단기 실시간 일자리 공유시스템 및 방법 |
| KR20200126222A (ko) * | 2019-04-29 | 2020-11-06 | 주식회사 우노솔루션 | 빅데이터를 활용한 인공지능 인력 매칭 시스템 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102282530B1 (ko) * | 2020-12-17 | 2021-07-27 | 한화생명보험(주) | 압축된 긱서비스 제공 방법 및 장치 |
-
2020
- 2020-12-17 KR KR1020200177012A patent/KR102282530B1/ko active IP Right Grant
-
2021
- 2021-11-12 US US18/265,056 patent/US20240005240A1/en active Pending
- 2021-11-12 WO PCT/KR2021/016540 patent/WO2022131559A1/ko active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140133778A (ko) * | 2013-05-08 | 2014-11-20 | ㈜베네피션 | 거래중개방법 및 시스템 |
| KR20180013852A (ko) * | 2016-03-03 | 2018-02-07 | 베이징 디디 인피니티 테크놀로지 앤드 디벨럽먼트 컴퍼니 리미티드 | 미래의 운송 서비스 시점의 예측된 분포를 결정하기 위한 시스템들 및 방법들 |
| KR20200014510A (ko) * | 2018-08-01 | 2020-02-11 | 삼성에스디에스 주식회사 | 기계 학습 기반의 예측 서비스 제공 방법 및 그 장치 |
| KR20200113694A (ko) * | 2019-03-26 | 2020-10-07 | (주) 오소 | 초단기 실시간 일자리 공유시스템 및 방법 |
| KR20200126222A (ko) * | 2019-04-29 | 2020-11-06 | 주식회사 우노솔루션 | 빅데이터를 활용한 인공지능 인력 매칭 시스템 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022131559A1 (ko) * | 2020-12-17 | 2022-06-23 | 주식회사 엔터프라이즈블록체인 | 압축된 긱서비스 제공 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20240005240A1 (en) | 2024-01-04 |
| WO2022131559A1 (ko) | 2022-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10679169B2 (en) | Cross-domain multi-attribute hashed and weighted dynamic process prioritization | |
| US11836654B2 (en) | On-demand resource scheduling | |
| US8732015B1 (en) | Social media pricing engine | |
| CN109544076B (zh) | 用于生成信息的方法和装置 | |
| US11836582B2 (en) | System and method of machine learning based deviation prediction and interconnected-metrics derivation for action recommendations | |
| US9449049B2 (en) | Returning estimated value of search keywords of entire account | |
| CN112270569A (zh) | 广告投放方法及装置、电子设备、存储介质 | |
| US20200134361A1 (en) | Data processing method and apparatus | |
| CN112070564B (zh) | 广告拉取方法、装置、系统与电子设备 | |
| KR102282530B1 (ko) | 압축된 긱서비스 제공 방법 및 장치 | |
| CN112579910A (zh) | 信息处理方法、信息处理装置、存储介质和电子设备 | |
| US11763406B2 (en) | Method and apparatus for delivery order fee determination and assignment | |
| CN110738508A (zh) | 一种数据分析方法和装置 | |
| Afshar et al. | A decision support method to increase the revenue of ad publishers in waterfall strategy | |
| CN114971716A (zh) | 服务接口质量评估方法及其装置、设备、介质、产品 | |
| US20170186047A1 (en) | Optimization of audience groups in online advertising bidding | |
| JP6978582B2 (ja) | 予測業務支援装置および予測業務支援方法 | |
| CN112163154B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN113139826A (zh) | 广告位的分配权限确定方法、装置、计算机设备 | |
| US20240005284A1 (en) | Method and device for providing gig service through one-to-one channel between gig worker and gig service user | |
| CN111178987A (zh) | 训练用户行为预测模型的方法和装置 | |
| WO2021245757A1 (ja) | 最適化処理装置、最適化処理方法、及びコンピュータ読み取り可能な記録媒体 | |
| US20230101734A1 (en) | Machine learning model to fill gaps in adaptive rate shifting | |
| CN114118556A (zh) | 预测式服务方法、装置、计算机设备、存储介质 | |
| CN112163726A (zh) | 服务资源分配方法、装置、电子设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |