KR102285964B1 - 선호도 평가 방법 및 시스템 - Google Patents

선호도 평가 방법 및 시스템 Download PDF

Info

Publication number
KR102285964B1
KR102285964B1 KR1020190068979A KR20190068979A KR102285964B1 KR 102285964 B1 KR102285964 B1 KR 102285964B1 KR 1020190068979 A KR1020190068979 A KR 1020190068979A KR 20190068979 A KR20190068979 A KR 20190068979A KR 102285964 B1 KR102285964 B1 KR 102285964B1
Authority
KR
South Korea
Prior art keywords
data
preference
evaluation result
api
text data
Prior art date
Application number
KR1020190068979A
Other languages
English (en)
Other versions
KR20200141875A (ko
Inventor
이현환
존슨 조셉
텔리스 제럴드
Original Assignee
이현환
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 이현환 filed Critical 이현환
Priority to KR1020190068979A priority Critical patent/KR102285964B1/ko
Priority to PCT/KR2020/007595 priority patent/WO2020251282A2/ko
Priority to EP20823422.9A priority patent/EP3985591A4/en
Priority to US16/899,072 priority patent/US20200394691A1/en
Priority to JP2021574186A priority patent/JP2022536385A/ja
Publication of KR20200141875A publication Critical patent/KR20200141875A/ko
Application granted granted Critical
Publication of KR102285964B1 publication Critical patent/KR102285964B1/ko

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0204—Market segmentation
    • G06Q30/0205—Location or geographical consideration
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • G06Q50/01—Social networking
    • G06Q50/30—

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)

Abstract

선호도 평가 방법 및 시스템에 대해 개시한다. 본 발명의 실시예에 따른 선호도 평가 방법 및 시스템은 통신 단말기기를 통해 업로드된 SNS(Social Network Services/Sites)와 인터넷 사이트의 데이터 베이스 서버에 구축된 빅데이터를 평가 서버에서 검출하고 분석함으로써, 선호도 평가 결과 데이터 및 평가 결과 맵을 생성하는 단계; 및 사용자가 인터넷 네트워크를 통해 평가 서버의 선호도 평가 결과 데이터 및 평가 결과 맵을 내려받고, 사용자 단말기기의 모니터로 확인할 수 있도록 지원하는 단계를 포함하는바, 브랜드, 상품, 또는 사람 등의 특정 객체에 대한 선호도와 영향력을 시간적, 지역적으로 평가하고 추적할 수 있도록 함으로써, 다양한 제약들과 한계를 극복할 수 있도록 한 선호도 평가 방법 및 시스템을 제공할 수 있다.

Description

선호도 평가 방법 및 시스템{PREFERENCE EVALUATION METHOD AND SYSTEM}
본 발명은 브랜드, 상품, 또는 사람 등의 특정 객체에 대한 선호도와 영향력을 시간적, 지역적으로 평가하고 추적할 수 있도록 한 선호도 평가 방법 및 시스템에 관한 것이다.
일반적으로, 인구 통계, 소득, 경쟁력 및 브랜드 투자 정도는 지역적으로 다르기 때문에 브랜드, 상품, 또는 사람 등의 특정 객체들은 지역적 특성을 감안해서 시장 점유율을 높이기 위한 경쟁을 하게 된다.
소비자들은 지역적인 특성에 따라서 특정 브랜드나 상품들에 대해 서로 다른 연상을 가질 수 있다. 따라서, 각각의 상품이나 브랜드들은 지역별로 서로 강하거나 약한 영향력의 시장을 확보하고 있다. 이에, 특정 브랜드나 상품들은 그 지역별로 선호도와 영향력을 평가해서 적절한 마케팅을 수행해야 한다.
사람도 마찬가지로, 정치인들의 경우는 지역별로 그 선호도와 영향력이 다르게 평가되기 때문에, 투표 선거구나 지역적인 특성을 기반으로 선호도와 영향력을 평가해서 적절한 마케팅이 이루어지도록 해야 한다.
하지만, 종래의 선호도 및 영향력 평가 방법으로는 설문 조사, 스캐너 패널 데이터 구축 방법, Amazon Quick Sight, Google Analytics 등이 이용되고 있었으나, 사실상 종래의 선호도 및 영향력 평가 방법들은 시간적으로나 지역적으로 많은 제한과 제약이 따를 수 밖에 없는 문제가 있었다.
구체적으로, Amazon Quick Sight 및 Google Analytics 방법은 다소 넓게 특정된 시간 및 지역 범위로 평가 데이터를 구축할 수는 있지만, 특정 상품이나 브랜드 외에 다른 경쟁사의 데이터를 제공할 수는 없는 등의 제약이 따른다.
또한, 스캐너 패널 데이터 구축 방법은 제한된 샘플 카테고리, 제한된 매장 및 제한된 지역에서만 적용할 수 있었으며, 설문조사 방식은 가구 조사를 기반으로 수행되거나 선거인단과 연령대가 한정되는 등의 제약이 따르기 때문에 오차율이 높고 미세 수준으로 평가할 수 없는 등의 다양한 문제점들이 있었다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 브랜드, 상품, 또는 사람 등의 특정 객체에 대한 선호도와 영향력을 시간적, 지역적으로 평가하고 추적할 수 있도록 함으로써, 다양한 제약들과 한계를 극복할 수 있도록 한 선호도 평가 방법 및 시스템을 제공하는데 그 목적이 있다.
특히, 트위터 등의 다양한 SNS(Social Network Services/Sites)를 통해 다양한 게시물에 대한 데이터들을 검출하고, 시간 및 지역적인 분석 특성들에 가중치를 부가해서 해당 객체에 대한 선호도와 영향력을 평가할 수 있도록 한 선호도 평가 방법 및 시스템을 제공하는데 그 목적이 있다.
아울러, 선호도와 영향력 평가 결과에 대한 유효성을 검토해서 결과 맵으로 표시함으로써, 더욱 정확한 결과 데이터를 사용자가 명확하고 용이하게 인지할 수 있도록 한 선호도 평가 방법 및 시스템을 제공하는데 그 목적이 있다.
전술한 본 발명의 목적은 상기에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
전술한 바와 같은 목적을 달성하기 위한 본 발명의 실시예에 따른 선호도 평가 방법은 통신 단말기기를 통해 업로드된 SNS(Social Network Services/Sites)와 인터넷 사이트의 데이터 베이스 서버에 구축된 빅데이터를 평가 서버에서 검출하고 분석함으로써, 선호도 평가 결과 데이터 및 평가 결과 맵을 생성하는 단계; 및 사용자가 인터넷 네트워크를 통해 평가 서버의 선호도 평가 결과 데이터 및 평가 결과 맵을 내려받고, 사용자 단말기기의 모니터로 확인할 수 있도록 지원하는 단계를 포함한다.
또한, 선호도 평가 결과 데이터 및 평가 결과 맵을 생성하는 단계는 인터넷 네트워크를 통해 SNS 및 빅데이터를 검색하고, 미리 설정된 객체(브랜드, 상품, 또는 사람 중 적어도 하나에 대한 객체)에 대한 게시 데이터를 검출하는 단계, 검출된 게시 데이터의 API 데이터(Application Programming Interface Data) 및 텍스트 데이터를 추출하는 단계, 추출된 API 데이터 및 텍스트 데이터를 분석해서 위치 관련 정보들을 추출하는 단계, 위치 관련 정보들에 따라 추출된 API 데이터 및 텍스트 데이터를 지역별로 구분하는 단계, 추출된 API 데이터 및 텍스트 데이터를 분석해서 날짜 및 시간 관련 정보들을 추출하고 날짜 및 시간 관련 정보들에 따라 추출된 API 데이터 및 텍스트 데이터를 시간대별로 구분하는 단계, 상기 지역별, 및 시간대별로 구분된 API 데이터 및 텍스트 데이터를 분석해서 각각의 API 데이터 및 텍스트 데이터에 가중치를 인가하는 단계, 및 가중치가 인가된 API 데이터 및 텍스트 데이터를 이용해서 미리 설정된 객체에 대한 선호도 및 영향력을 평가하는 단계를 포함한다.
이와 더불어, 평가 결과 맵을 생성하는 단계는 가중치가 인가된 API 데이터 및 텍스트 데이터를 지역별, 및 시간대별로 배열해서 선호도 평가 결과 맵을 생성하는 단계, 및 상기 미리 설정된 객체에 대한 소비량이나 판매량을 지역 및 시간대별로 구분하고 객체에 대한 선호도 평가 결과와 비교해서 선호도 평가 결과에 대한 유효성을 검증하는 단계를 포함한다.
또한, 전술한 바와 같은 목적을 달성하기 위한 본 발명의 실시예에 따른 선호도 평가 시스템은 통신 단말기기를 통해 업로드된 SNS와 인터넷 사이트의 데이터 베이스 서버에 구축된 빅데이터를 인터넷 네트워크를 통해 검출하고 분석해서 선호도 평가 결과 데이터 및 평가 결과 맵을 생성하는 평가 서버, 및 사용자가 인터넷 네트워크를 통해 선호도 평가 결과 데이터 및 평가 결과 맵을 내려받고 모니터로 확인할 수 있도록 지원하는 사용자 단말기기를 포함한다.
전술한 바와 같은 다양한 기술 특징을 갖는 본 발명의 실시예에 따른 선호도 평가 방법 및 시스템은 브랜드, 상품, 또는 사람 등의 특정 객체에 대한 선호도와 영향력을 시간적, 지역적으로 평가하고 추적함으로써, 다양한 제약들과 한계를 극복하고 그 평가 정확도와 신뢰도를 향상시킬 수 있는 효과가 있다.
특히, 트위터 등의 다양한 SNS(Social Network Services/Sites)를 통해 다양한 게시 데이터들을 검출하고, 시간 및 지역적인 분석 특성들에 가중치를 부가해서 해당 객체에 대한 선호도와 영향력을 평가할 수 있다. 이에, 최근에 업로드 및 업데이트된 빠른 데이터들을 시간 및 지역적으로 타겟팅해서 분석함으로써 더욱 정확한 분석 결과를 도출할 수 있는 효과를 이룰 수 있다.
아울러, 선호도와 영향력 평가 결과에 대한 유효성을 검토해서 결과 맵으로 표시함으로써, 결과 맵으로 도출되는 정확한 결과 데이터를 사용자가 명확하고 용이하게 인지하도록 지원하는바, 사용자의 신뢰도와 만족도를 더욱 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 선호도 평가 시스템을 나타낸 구성도이다.
도 2는 도 1에 도시된 선호도 평가 서버를 구체적으로 나타낸 구성도이다.
도 3은 선호도 평가 서버의 선호도 평가 결과를 3차원 그래프로 모델링해서 나타낸 도면이다.
도 4는 선호도 평가 서버의 선호도 평가 결과 맵을 그래프로 나타낸 도면이다.
도 5는 선호도 평가 서버의 선호도 평가 결과 맵을 시간대 별로 구분해서 나타낸 도면이다.
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 선호도 평가 시스템을 나타낸 구성도이다.
도 1에 도시된 선호도 평가 시스템은 소비자들이 이용하는 통신 단말기기(100), 선호도 평가 결과 데이터 및 평가 결과 맵을 생성하는 평가 서버(200), 및 선호도 평가 결과를 확인하는 사용자 단말기기(300)를 포함한다.
구체적으로, 통신 단말기기(100)는 소비자들이 이용하는 퍼스널 컴퓨터, 노트북, 스마트폰, 및 태블릿 이동 통신기기 등으로 구성될 수 있다. 이에, 선호도 조사 대상자들, 예를 들어 소비자들은 통신 단말기기(100)를 이용해서 트위터, 페이스북, 인스타그램, 블로그 등의 다양한 SNS(Social Network Services/Sites)에 선택적으로 접속하고, 해당 SNS에 게시글, 사진, 동영상 등의 다양한 게시물들을 업로드할 수 있다.
평가 서버(200)는 소비자들이 통신 단말기기(100)를 이용해서 업로드한 SNS의 다양한 게시물에 포함된 게시 데이터들을 비롯해서, 인터넷 포털 사이트를 운용하는 데이터 베이스 서버 등에 구축된 빅데이터를 인터넷 네트워크를 통해 검출한다. 그리고 다양한 게시 데이터들과 빅데이터의 API 데이터(Application Programming Interface Data) 및 텍스트 데이터를 분석해서 선호도 평가 결과 데이터를 생성한다. 그리고 선호도 평가 결과 데이터에 따른 평가 결과 맵을 생성할 수 있다.
SNS의 다양한 게시물에 포함된 게시 데이터들을 비롯해서, 인터넷 포털 사이트를 운용하는 데이터 베이스 서버 등에 구축된 빅데이터를 분석해서 선호도 평가 결과 데이터를 생성하는 이유는 소비자들의 이용 빈도가 높기 때문이다. 그리고 SNS와 인터넷 포털 사이트를 통해 생성된 게시 데이터들과 데이터 베이스는 사회적 연결망으로 구축되어 용이하게 액세스하고 공유할 수 있다. 또한, SNS는 대화형 게시 데이터들이 폭넓게 형성되기 때문에 시간과 지역적인 특성 검출이 용이하고, 계정을 통해 소비자들을 구분할 수 있다. 이러한 장점들을 활용하기 위해, 본 발명의 평가 서버(200)는 소비자들이 통신 단말기기(100)를 이용해서 업로드한 SNS와 인터넷 포털 사이트의 게시 데이터들과 빅데이터의 API 데이터 및 텍스트 데이터를 분석해서 선호도 평가 결과 데이터를 생성한다. 생성된 선호도 평가 결과 데이터는 응용 프로그램(또는, 인터넷 사이트)을 통해 사용자 단말기기(300) 또는 통신 단말기기(100) 등과 공유할 수 있다.
사용자 단말기기(300)는 특정 관리자나 사용자가 인터넷 네트워크를 통해 평가 서버(200)에서 운용하는 응용 프로그램(또는, 인터넷 사이트)에 접속할 수 있도록 지원하는바, 퍼스널 컴퓨터, 노트북, 스마트폰, 및 태블릿 이동 통신기기 등이 이용될 수 있다. 이러한, 사용자 단말기기(300)는 사용자나 관리자가 평가 서버(200)에서 운용하는 응용 프로그램에 접속해서 선호도 평가 결과 데이터 및 평가 결과 맵을 내려받고 모니터로 확인할 수 있도록 지원한다.
도 2는 도 1에 도시된 선호도 평가 서버를 구체적으로 나타낸 구성도이다.
도 2에 도시된 평가 서버(200)는 데이터 검출부(201), 텍스트 분석부(202), 위치 정보 분석부(203), 지역정보 분석부(204), 시간 정보 분석부(205), 가중치 설정부(206), 선호도 평가부(207), 결과 맵 생성부(208), 및 유효성 검사부(209)를 포함한다.
구체적으로, 데이터 검출부(201)는 인터넷 네트워크를 통해 트위터, 페이스북, 인스타그램, 블로그 등의 다양한 SNS의 게시물, 및 인터넷 포털 사이트를 운용하는 데이터 베이스 서버 등에 구축된 빅데이터를 검색해서, 미리 설정된 객체(예를 들어, 브랜드, 상품, 또는 사람 등의 특정 객체)에 대한 게시 데이터들을 실시간으로 검출한다.
게시 데이터 검출시, 데이터 검출부(201)는 미리 설정된 객체, 즉 브랜드, 상품, 또는 사람 등에 대한 용어(명칭, 상호, 브랜드명, 해시 태그 등)를 매칭시켜서 검색한다. 또한, 데이터 검출부(201)는 소비자들의 사용자 프로필 및 위치 정보를 참조하여 위치 데이터에 대한 액세스 정보, 및 해당 소비자들과 연계된 구독자나 팔로워 및 친구들의 수를 포함한 사회적 연결 데이터에 대한 액세스 정보를 실시간으로 검색 및 검출한다.
텍스트 분석부(202)는 데이터 검출부(201)에서 실시간으로 검출된 게시 데이터들과 액세스 정보들로부터 API 데이터(Application Programming Interface Data) 및 텍스트 데이터를 순차적으로 추출한다.
텍스트 분석부(202)는 미리 설정된 해시 태그와 데이터 베이스 목록 등에 따라 시간 정보에 관련된 텍스트, 지역 및 위치 정보에 관련된 텍스트, 인맥 관계와 연계된 텍스트, 해당 객체를 지칭하는 용어와 관련된 텍스트별로 구분하고, 해당 객체에 대한 API 데이터와 텍스트 데이터를 미리 설정 및 구분된 텍스트 목록(시간 및 위치 관련 텍스트)별로 정렬해서 저장할 수 있다.
위치 정보 분석부(203)는 각각의 텍스트 목록별로 구분된 API 데이터 및 텍스트 데이터를 분석해서 지역 및 위치 관련 정보들을 추출한다.
지역 및 위치 관련 정보 추출시, 위치 정보 분석부(203)는 지역이나 위치를 지칭하는 용어, 위치 참조 용어, 위치 데이터(위도 및 경도), 프로필 정보에 포함된 지명, 및 해당 소비자와 팔로워 등으로 서로 연계된 다른 소비자들의 프로필 정보와 게시글에 포함된 지명 관련 용어를 조합해서, 지역 및 위치 관련 정보들을 추출한다. 해당 소비자에 관계된 지역(또는 지명) 및 관련 정보는 그 빈도수에 따라 정렬 및 저장될 수 있다.
또한, 위치 정보 분석부(203)는 Python(GeoPy에서 지원하는 유니코드 문자와 지오 코딩 라이브러리)의 지오 코딩 알고리즘과 라이브러리 프로그램을 이용해서 사용자 프로필에 적시된 위치 정보와 지명 등을 기반으로 좌표 정보를 포함하는 위치 데이터를 검출할 수 있다. 그리고 검출된 좌표 정보를 기반으로 지역(또는, 지명) 및 위치 관련 정보들을 추출하고, 추출된 빈도수에 따라 지역 및 위치 관련 정보를 정렬하고 저장할 수 있다.
또한, 위치 정보 분석부(203)는 Backstrom, Sun, and Marlow(2010)에 따른 추론 프로그램을 이용해서 해당 객체와 관련된 지역 및 위치 정보들을 추출할 수도 있다. Backstrom, Sun, and Marlow(2010)에 따른 추론 프로그램으로 제시된 접근법은 가장 큰 친구 수를 갖는 위치, 즉 영향력이 가장 큰 위치를 객체에 할당해주는 방식으로, 해당 객체에 대한 계정이 공개되지 않은 경우에도 해당 객체에 관련한 지역 및 위치 정보를 확정할 수 있다.
지역정보 분석부(204)는 위치 정보 분석부(203)에서 분류 및 정렬된 각 객체별 지역(또는, 지명) 및 위치 정보에 따른 목록에 맞게 텍스트 분석부(202)에서 추출된 API 데이터 및 텍스트 데이터를 구분해서 저장한다. 이에, 검색된 각 객체별 지역, 지명 및 위치 정보의 목록에 맞게 각 객체별로 분류된 API 데이터 및 텍스트 데이터가 구분될 수 있다.
시간 정보 분석부(205)는 텍스트 분석부(202)에서 추출된 각각의 API 데이터 및 텍스트 데이터 등을 분석해서 날짜 및 시간 관련 정보들을 추출한다. 그리고, 추출된 날짜 및 시간 관련 정보들에 따라 텍스트 분석부(202)에서 추출된 API 데이터 및 텍스트 데이터를 시간대별로 구분하고 재정렬해서 저장한다.
가중치 설정부(206)는 지역(또는, 지명) 및 위치 정보에 따른 목록에 따라 구분된 API 데이터 및 텍스트 데이터와, 날짜 및 시간대별로 재정렬된 API 데이터 및 텍스트 데이터를 각각 추적 및 분석해서 각각의 API 데이터 및 텍스트 데이터에 가중치를 부가한다.
구체적으로, 가중치 설정부(206)는 지역(또는, 지명) 및 위치 정보에 따른 목록으로 구분된 API 데이터 및 텍스트 데이터와 연계된 각 게시물의 작성자와 연계된 친구 수, 팔로워 수, 추천 수, 공감 수 등을 분석한다. 그리고, 분석된 각 게시물의 작성자와 연계된 친구 수, 팔로워 수, 추천 수, 공감 수 등에 대응되도록 해당 API 데이터 및 텍스트 데이터에 가중치를 부가한다. 여기서, 부가된 가중치는 해당 API 데이터 및 텍스트 데이터와 연계된 각각의 객체 및 게시물 작성자에 대한 영향력 평가시 고려될 수 있다.
또한, 가중치 설정부(206)는 날짜 및 시간대별로 재정렬된 API 데이터 및 텍스트 데이터와 연계된 각 게시물의 작성자와 연계된 친구 수, 팔로워 수, 추천 수, 공감 수 등을 분석한다. 그리고, 분석된 각 게시물의 작성자와 연계된 친구 수, 팔로워 수, 추천 수, 공감 수 등에 대응되도록 해당 시간대별 API 데이터 및 텍스트 데이터에 가중치를 부가한다. 마찬가지로, 이때 부가된 가중치는 해당 API 데이터 및 텍스트 데이터와 연계된 각각의 객체 및 게시물 작성자에 대한 영향력 평가시 고려될 수 있다.
선호도 평가부(207)는 가중치가 인가된 API 데이터 및 텍스트 데이터를 이용해서 해당 API 데이터 및 텍스트 데이터와 연계된 각각의 객체 및 게시물 작성자에 대한 선호도 및 영향력을 평가한다. 이하, 선호도 평가부(207)의 선호도 및 영향력 평가 방법을 더욱 구체적으로 설명하면 다음과 같다.
도 3은 선호도 평가 서버의 선호도 평가 결과를 3차원 그래프로 모델링해서 나타낸 도면이다.
도 3을 참조하면, 선호도 평가부(207)는 지역(또는, 지명) 및 위치 정보에 따른 목록으로 구분된 API 데이터 및 텍스트 데이터의 가중치 크기와 가중치 분포 정도를 가우스 공간 좌표상에 모델링한다. 가우스 공간 좌표상에 모델링하면 그 위치별 높이 및 커브 형태에 따라 지역적인 영향력을 판단 및 평가할 수 있다.
일반적으로, 가우시안 분포는 위치 정보의 소스 위치 중심에서 최대 영향력을 할당한다. 이에, 중심을 기준으로 가우시안 곡선의 분산 정도는 해당 게시글의 작성자나 해당 객체들에 대한 가중치 분포를 나타낸다. 가우스 곡선은 중심에서 멀어 질수록 대수적으로 감소하므로, 소스의 중심으로부터의 거리가 증가함에 따라 시간적 지리적 영향은 기하 급수적으로 감소할 수 있다.
도 3(a)로 도시된 바와 같이, 평균보다 상대적으로 적은 팔로워. 친구, 추천 수, 공감 수 등을 가진 글 작성자나 해당 객체들은 지역적인 영향력이 적은 것으로 판단할 수 있다.
반면, 도 3(b)로 도시된 바와 같이, 평균보다 상대적으로 더 많은 팔로워. 친구, 추천 수, 공감 수 등을 가진 글 작성자나 해당 객체들은 지역적인 영향력이 더 큰 것으로 판단할 수 있다.
지리적인 영향력은 시간적인 변화를 추가로 고려해야 한다.
이에, 선호도 평가부(207)는 하기의 수학식 1을 이용해서 API 데이터 및 텍스트 데이터의 지역적인 영향력 평과 결과에 대한 시간적인 변화를 모니터할 수 있다.
[수학식 1]
Figure 112019059680754-pat00001
여기서. 시간(t)에서의 글 작성자나 해당 객체(i)의 지리적 영향은 평균 0과 분산
Figure 112019059680754-pat00002
을 갖는 다변항 가우스 분포이고
Figure 112019059680754-pat00003
는 시간(t)에서 글 작성자나 해당 객체 i의 팔로워. 친구, 추천 수, 공감 수 중 적어도 하나의 수이다. 또한, k는 상수이다.
예를 들어. 한 명의 팔로워가 있는 글 작성자는 평균 0과 로그 1이 분산인 지역적 영향을 받는다.(Li et al. 2012; Lilien, Kotler, and Moorthy 1995) 따라서 계산 중에 데이터 손실을 피하기 위해 팔로워 수에 2를 더할 수 있다. 따라서, 해당 글 작성자의 지역적인 영향력은 팔로워 수에 의해 가중치가 부여된다. 팔로워나 친구들이 더 널리 퍼지기 때문에 저밀도 영역에서의 사용자의 지역적인 영향력은 더 클 것이다. 또한, 밀도가 낮은 지역에서 사용자는 친구가 적고 SNS 활동 수준이 낮을 것으로 예측 가능하다. 이에, 모집단 크기의 편향을 보정하기 위해 각 사용자의 지역적인 영향을 해당 모집단으로 정규화하고 지리적 영향(git)를 상기의 수학식 1을 이용해 계산할 수 있다.
특정 글 작성자나 특정 객체에 대한 글 작성자의 팔로워나 친구 또는 추천 수 등이 없을 때 지역적인 영향력은
Figure 112019059680754-pat00004
이다. 이에, 마찬가지로 특정 글 작성자가 시간(t)에 게시물(r)을 업로드하면 팔로워(i)나 친구 또는 추천 수가 가변될 수 있다. 그러면 하기의 수학식 2가 성립될 수 있다.
[수학식 2]
Figure 112019059680754-pat00005
여기서,
Figure 112019059680754-pat00006
는 시간(t)에서 게시물(r)의 팔로워나 친구 등의 수가 될 수 있다,
한편, 선호도 평가부(207)는 지역(또는, 지명) 및 위치 정보에 따른 목록으로 구분된 API 데이터 및 텍스트 데이터의 가중치 크기와 가중치 분포 정도를 하기의 수학식 3에 대입시켜서 해당 작성자나 객체에 대한 선호도(wr)를 계산한다. 게시물(r)의 선호도는 해당 게시물(r)과 연계된 작성자나 객체에 대한 선호도(wr)로 평가될 수 있다.
[수학식 3]
Figure 112019059680754-pat00007
여기서,
Figure 112019059680754-pat00008
는 게시물 작성자나 객체에 대한 정서 점수이며, gr은 게시물(r)의 가중치이다.
한편, 선호도 평가부(207)는 하기의 수학식 4를 이용해서 경도와 위도로 정의된 공간 좌표상에 선호도(wr) 산출 결과를 배치하여 지역적인 선호도(wr) 평과 결과를 추출할 수 있다.
[수학식 4]
Figure 112019059680754-pat00009
여기서, gi는 위도와 경도로 정의된 공간의 포인트 정보이고, ir은 게시물(r)의 포인트를 나타낸다.
결과 맵 생성부(208)는 가중치가 인가된 API 데이터 및 텍스트 데이터를 지역별, 및 시간대별로 배열해서 선호도 평가 결과 맵을 생성한다. 선호도 평가 결과 맵은 미리 설정된 5단계의 프로세스를 수행해서 분석 및 생성될 수 있다. 이하 도 4를 참조하여, 구체적으로 설명하면 다음과 같다.
도 4는 선호도 평가 서버의 선호도 평가 결과 맵을 그래프로 나타낸 도면이다.
도 4를 참조하면, 결과 맵 생성부(208)는 위도와 경도로 정의된 맵의 포인트 정보(gi)를 배치하기 위한 맵의 좌표 정보를 할당한다. 그리고, 상기의 수학식 3에 따른 작성자나 객체에 대한 선호도(wr)를 읽어들여서, 해당 선호도나 가중치에 대한 경험 밀도(예를 들어, 커널 밀도) 계산을 수행한다. 경험 밀도는 하기의 수학식 5를 이용해서 계산할 수 있으며, 이때 에지 보정(e(Pi)))과 최적 대역폭(h)을 설정할 수 있다.
[수학식 5]
Figure 112019059680754-pat00010
여기서, K는 가우시안 커널이다.
이후, 결과 맵 생성부(208)는 작성자나 객체에 대한 선호도(wr)와 가중치의 경험 밀도(커널 밀도)를 할당된 좌표 정보에 매칭시켜 집계한다.
도 5는 선호도 평가 서버의 선호도 평가 결과 맵을 시간대 별로 구분해서 나타낸 도면이다.
도 5에 도시된 바와 같이, 위치별로 평가된 객체나 특정 정치인 등에 대한 선호도와 영향력은 계절적 변화에 따라 변화하기 때문에, 계절적인 변화 즉 시간적인 변화에 따라 선호도를 추적할 수 있다.
특히, 특정 지역(예를 들어, 미국의 주별로 공간을 구분한 지역)별로 선호도 추출 결과 정보를 표시하면, 해당 시간이나 계절대별로 해당 지역별로 선호도를 확인할 수 있다.
한편, 유효성 검사부(209)는 미리 설정된 객체에 대한 소비량이나 판매량을 지역 및 시간대별로 구분하고, 객체에 대한 선호도 평가 결과와 비교해서 선호도 평가 결과에 대한 유효성을 검증한다. 그리고 유효성 검증 결과를 응용 프로그램(또는, 인터넷 사이트)을 통해 사용자 단말기기(300) 또는 통신 단말기기(100) 등과 공유할 수 있다.
전술한 바와 같은 다양한 기술 특징을 갖는 본 발명의 실시예에 따른 선호도 평가 시스템 및 방법은 브랜드, 상품, 또는 사람 등의 특정 객체에 대한 선호도와 영향력을 시간적, 지역적으로 평가하고 추적함으로써, 다양한 제약들과 한계를 극복하고 그 평가 정확도와 신뢰도를 향상시킬 수 있게 된다.
특히, 트위터 등의 다양한 SNS를 통해 다양한 게시 데이터들을 검출하고, 시간 및 지역적인 분석 특성들에 가중치를 부가해서 해당 객체에 대한 선호도와 영향력을 평가할 수 있다. 이에, 최근에 업로드 및 업데이트된 빠른 데이터들을 시간 및 지역적으로 타겟팅해서 분석함으로써 더욱 정확한 분석 결과를 도출할 수 있다.
아울러, 선호도와 영향력 평가 결과에 대한 유효성을 검토해서 결과 맵으로 표시함으로써, 결과 맵으로 도출되는 정확한 결과 데이터를 사용자가 명확하고 용이하게 인지하도록 지원하는바, 사용자의 신뢰도와 만족도를 더욱 향상시킬 수 있다.
전술된 실시예는 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해되어야 하며, 본 발명의 범위는 전술된 상세한 설명보다는 후술될 특허청구범위에 의해 나타내어질 것이다. 그리고 후술될 특허청구범위의 의미 및 범위는 물론, 그 등가 개념으로부터 도출되는 모든 변경 및 변형 가능한 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 통신 단말기기
200: 평가 서버
201: 데이터 검출부
202: 텍스트 분석부
203: 위치 정보 분석부
204: 지역정보 분석부
205: 시간 정보 분석부
206: 가중치 설정부
207: 선호도 평가부
208: 결과 맵 생성부
209: 유효성 검사부
300: 사용자 단말기기

Claims (10)

  1. 통신 단말기기를 통해 업로드된 SNS(Social Network Services/Sites)와 인터넷 사이트의 데이터 베이스 서버에 구축된 빅데이터를 평가 서버에서 검출하고 분석함으로써, 선호도 평가 결과 데이터 및 평가 결과 맵을 생성하는 단계; 및
    사용자가 상기 평가 서버를 통해 상기 평가 서버의 선호도 평가 결과 데이터 및 상기 평가 결과 맵을 내려받고, 사용자 단말기기의 모니터로 확인할 수 있도록 지원하는 단계를 포함하고,
    상기 선호도 평가 결과 데이터를 생성하는 단계는
    상기 SNS 및 빅데이터를 검색해서 미리 설정된 객체에 대한 게시 데이터를 검출하는 단계;
    상기 검출된 게시 데이터의 API 데이터(Application Programming Interface Data) 및 텍스트 데이터를 추출하는 단계;
    상기 게시 데이터의 작성자, 상기 작성자와 연계된 친구 수, 및 팔로워 수와, 상기 게시 데이터의 추천 수, 및 공감 수를 분석하여 상기 게시 데이터의 작성자의 위치 정보를 추출하는 단계;
    상기 게시 데이터의 작성자, 상기 작성자와 연계된 친구 수, 및 팔로워 수와, 상기 게시 데이터의 추천 수, 및 공감 수를 분석하여 상기 게시 데이터에 대한 시간 정보를 추출하는 단계;
    상기 추출된 API 데이터 및 텍스트 데이터의 위치 정보 및 시간 정보에 기반하여 가중치를 계산하는 단계:
    상기 추출된 API 데이터 및 텍스트 데이터에 상기 계산된 가중치를 인가하여 상기 게시 데이터의 작성자에 대한 선호도를 계산하는 단계; 및
    상기 계산된 선호도에 기반하여 상기 선호도 평가 결과에 따른 데이터를 생성하는 단계를 포함하며,
    상기 평가 결과 맵을 생성하는 단계는
    상기 미리 설정된 객체에 대한 소비량이나 판매량을 상기 사용자의 프로필에 포함된 지역 및 상기 추출된 API 데이터와 텍스트 데이터에 기반한 시간대별로 구분하는 단계; 및
    상기 지역 및 시간대별로 구분된 객체의 소비량이나 판매량을 상기 선호도 평가 결과와 비교하는 단계;
    상기 가중치가 인가된 API 데이터 및 텍스트 데이터를 지역별 및 시간대 별로 배열하여 상기 평가 결과 맵을 생성하는 단계; 및
    상기 선호도 평가 결과에 대한 유효성을 검증하는 단계를 포함하며,
    상기 추출된 API 데이터와 텍스트 데이터에 기반한 시간대별로 구분하는 단계는
    상기 각각의 API 데이터와 텍스트 데이터를 시간대별로 분석해서 날짜 및 시간 관련 정보들을 추출하고, 상기 추출된 날짜 및 시간 관련 정보들에 따라 상기 API 데이터와 텍스트 데이터를 시간대별로 구분하고 재정렬해서 저장하는 단계를 포함하며,
    상기 선호도는 상기 게시물 작성자에 대한 정서 점수와 상기 가중치를 곱하여 계산되며,
    상기 생성된 평가 결과 맵은 위도와 경도로 정의되며, 상기 선호도 및 상기 가중치에 대한 경험 밀도가 할당된,
    선호도 평가 방법.
  2. 제 1 항에 있어서,
    상기 선호도 평가 결과 데이터를 생성하는 단계는
    상기 추출된 API 데이터 및 텍스트 데이터를 분석해서 위치 관련 정보들을 추출하는 단계;
    상기 추출된 API 데이터 및 텍스트 데이터를 분석해서 날짜 및 시간 관련 정보들을 추출하고 상기 날짜 및 시간 관련 정보들에 따라 상기 추출된 API 데이터 및 텍스트 데이터를 시간대별로 구분하는 단계; 및
    상기 가중치가 인가된 API 데이터 및 텍스트 데이터를 이용해서 상기 미리 설정된 객체에 대한 선호도 및 영향력을 평가하는 단계를 더 포함하는,
    선호도 평가 방법.
  3. 삭제
  4. 삭제
  5. 제 2 항에 있어서,
    상기 선호도 및 영향력을 평가하는 단계는
    상기 지역(또는, 지명) 및 위치 정보에 따른 목록으로 구분된 API 데이터 및 텍스트 데이터의 가중치 크기와 가중치 분포 정도를 가우스 공간 좌표상에 모델링하는 단계;
    상기 가우스 공간 좌표상에 모델링된 위치별 높이 및 커브 형태에 따라 지역적인 영향력을 판단 및 평가하는 단계; 및
    상기 API 데이터 및 텍스트 데이터의 지역적인 영향력 평과 결과에 대한 시간적인 변화를 모니터하는 단계를 포함하는,
    선호도 평가 방법.
  6. 통신 단말기기를 통해 업로드된 SNS(Social Network Services/Sites)와 인터넷 사이트의 데이터 베이스 서버에 구축된 빅데이터를 인터넷 네트워크를 통해 검출하고 분석해서 선호도 평가 결과 데이터 및 평가 결과 맵을 생성하는 평가 서버; 및
    사용자가 상기 인터넷 네트워크를 통해 상기 선호도 평가 결과 데이터 및 상기 평가 결과 맵을 내려받고 모니터로 확인할 수 있도록 지원하는 사용자 단말기기를 포함하고,
    상기 평가 서버는
    상기 SNS 및 빅데이터를 검색해서 미리 설정된 객체에 대한 게시 데이터를 검출하는 데이터 검출부;
    상기 검출된 게시 데이터의 API 데이터(Application Programming Interface Data) 및 텍스트 데이터를 추출하는 텍스트 분석부;
    상기 게시 데이터의 작성자, 상기 작성자와 연계된 친구 수, 및 팔로워 수와, 상기 게시 데이터의 추천 수, 및 공감 수를 분석하여 상기 게시 데이터의 작성자의 위치 정보를 추출하는 위치 정보 분석부;
    상기 게시 데이터의 작성자, 상기 작성자와 연계된 친구 수, 및 팔로워 수와, 상기 게시 데이터의 추천 수, 및 공감 수를 분석하여 상기 게시 데이터에 대한 시간 정보를 추출하는 시간 정보 분석부;
    상기 추출된 API 데이터 및 텍스트 데이터의 위치 정보 및 시간 정보에 기반하여 가중치를 계산하는 가중치 설정부;
    상기 추출된 API 데이터 및 텍스트 데이터에 상기 계산된 가중치를 인가하여 상기 게시 데이터의 작성자에 대한 선호도를 계산하는 선호도 평가부;
    상기 계산된 선호도에 기반하여 상기 선호도 평가 결과에 따른 데이터를 생성하는 가중치 설정부를 포함하며,
    상기 미리 설정된 객체에 대한 소비량이나 판매량을 상기 사용자의 프로필에 포함된 지역 및 상기 추출된 API 데이터와 텍스트 데이터에 기반한 시간대별로 구분하고, 상기 지역 및 시간대별로 구분된 객체의 소비량이나 판매량을 상기 선호도 평가 결과와 비교함으로써, 상기 선호도 평가 결과에 대한 유효성을 검증하는 유효성 검사부를 포함하며,
    상기 생성된 평가 결과 맵은 상기 가중치가 인가된 API 데이터 및 텍스트 데이터를 지역별 및 시간대 별로 배열하여 생성되며,
    상기 평가 서버는,
    상기 각각의 API 데이터와 텍스트 데이터를 시간대별로 분석해서 날짜 및 시간 관련 정보들을 추출하고, 상기 추출된 날짜 및 시간 관련 정보들에 따라 상기 API 데이터와 텍스트 데이터를 시간대별로 구분하고 재정렬해서 저장하는 시간 정보 분석부를 포함하며,
    상기 선호도는 상기 게시물 작성자에 대한 정서 점수와 상기 가중치를 곱하여 계산되며,
    상기 생성된 평가 결과 맵은 위도와 경도로 정의되며, 상기 선호도 및 상기 가중치에 대한 경험 밀도가 할당된,
    선호도 평가 시스템.
  7. 제 6 항에 있어서,
    상기 평가 서버는
    상기 위치 관련 정보들에 따라 상기 추출된 API 데이터 및 텍스트 데이터를 지역별로 구분하는 지역정보 분석부를 포함하는,
    선호도 평가 시스템.
  8. 삭제
  9. 제 7 항에 있어서,
    상기 위치 정보 분석부는 Python(GeoPy에서 지원하는 유니코드 문자와 지오 코딩 라이브러리)의 지오 코딩 알고리즘과 라이브러리 프로그램을 이용해서 사용자 프로필에 적시된 위치 정보와 지명 등을 기반으로 좌표 정보를 포함하는 위치 데이터를 검출하고, 상기 검출된 좌표 정보를 기반으로 지역(또는, 지명) 및 위치 관련 정보들을 추출하며, 추출된 빈도수에 따라 지역 및 위치 관련 정보를 정렬하고 저장하는,
    선호도 평가 시스템.
  10. 제 6 항에 있어서,
    상기 가중치 설정부는
    지역(또는, 지명) 및 위치 정보에 따른 목록으로 구분된 API 데이터 및 텍스트 데이터와 연계된 각 게시물의 작성자 및 게시물에 연계된 객체와 연계된 친구 수, 팔로워 수, 추천 수, 공감 수 중 적어도 하나의 수를 분석하고,
    날짜 및 시간대별로 재정렬된 API 데이터 및 텍스트 데이터와 연계된 각 게시물의 작성자 및 게시물에 연계된 객체와 연계된 친구 수, 팔로워 수, 추천 수, 공감 수 중 적어도 하나의 수를 분석하며,
    상기 분석된 각 게시물의 작성자 및 게시물에 연계된 객체와 연계된 친구 수, 팔로워 수, 추천 수, 공감 수 중 적어도 하나의 수에 대응되도록 해당 시간대별 API 데이터 및 텍스트 데이터에 가중치를 부가하는,
    선호도 평가 시스템.
KR1020190068979A 2019-06-11 2019-06-11 선호도 평가 방법 및 시스템 KR102285964B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020190068979A KR102285964B1 (ko) 2019-06-11 2019-06-11 선호도 평가 방법 및 시스템
PCT/KR2020/007595 WO2020251282A2 (ko) 2019-06-11 2020-06-11 선호도 평가 방법 및 시스템
EP20823422.9A EP3985591A4 (en) 2019-06-11 2020-06-11 PREFERENCE ASSESSMENT METHOD AND SYSTEM
US16/899,072 US20200394691A1 (en) 2019-06-11 2020-06-11 Preference evaluation method and system
JP2021574186A JP2022536385A (ja) 2019-06-11 2020-06-11 選好度の評価方法及びシステム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190068979A KR102285964B1 (ko) 2019-06-11 2019-06-11 선호도 평가 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20200141875A KR20200141875A (ko) 2020-12-21
KR102285964B1 true KR102285964B1 (ko) 2021-08-03

Family

ID=73745598

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190068979A KR102285964B1 (ko) 2019-06-11 2019-06-11 선호도 평가 방법 및 시스템

Country Status (5)

Country Link
US (1) US20200394691A1 (ko)
EP (1) EP3985591A4 (ko)
JP (1) JP2022536385A (ko)
KR (1) KR102285964B1 (ko)
WO (1) WO2020251282A2 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537622B (zh) * 2021-07-30 2022-04-29 烟台大学 基于动态信任感知的服务偏好预测方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101870353B1 (ko) * 2017-01-26 2018-06-22 강원오픈마켓 주식회사 이슈키워드 및 연관키워드를 활용한 능동적인 검색 광고 제안 시스템

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4451354B2 (ja) * 2005-06-30 2010-04-14 株式会社野村総合研究所 話題規模管理装置
US9646025B2 (en) * 2008-05-27 2017-05-09 Qualcomm Incorporated Method and apparatus for aggregating and presenting data associated with geographic locations
KR20130090612A (ko) * 2012-02-06 2013-08-14 주식회사 와이즈커넥트 소셜 네트워크 서비스의 키워드 분석을 통한 위치기반 콘텐츠 제공 방법 및 시스템
JP6182478B2 (ja) * 2014-02-28 2017-08-16 株式会社日立製作所 解析装置及び解析方法
US20150289093A1 (en) * 2014-04-03 2015-10-08 Ecom Enterprises, Inc. Social Network For Users Sharing Geolocation-Based Information
KR101664619B1 (ko) * 2014-12-11 2016-10-12 고려대학교 산학협력단 음악 선호도 기반 지도 생성 방법
KR101635090B1 (ko) * 2015-10-19 2016-06-30 김연태 빅데이터 기반의 옴니채널 마케팅 큐레이션 시스템
KR101834480B1 (ko) * 2017-06-30 2018-04-13 유정 사용자의 상품 평가를 이용한 상품 선호도 제공 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101870353B1 (ko) * 2017-01-26 2018-06-22 강원오픈마켓 주식회사 이슈키워드 및 연관키워드를 활용한 능동적인 검색 광고 제안 시스템

Also Published As

Publication number Publication date
EP3985591A4 (en) 2022-08-03
US20200394691A1 (en) 2020-12-17
WO2020251282A2 (ko) 2020-12-17
JP2022536385A (ja) 2022-08-15
KR20200141875A (ko) 2020-12-21
WO2020251282A3 (ko) 2021-02-04
EP3985591A2 (en) 2022-04-20

Similar Documents

Publication Publication Date Title
EP3779841B1 (en) Method, apparatus and system for sending information, and computer-readable storage medium
CN106776619B (zh) 用于确定目标对象的属性信息的方法和装置
US10198635B2 (en) Systems and methods for associating an image with a business venue by using visually-relevant and business-aware semantics
EP3320512B1 (en) Mobile attribute time-series profiling analytics
US8583471B1 (en) Inferring household income for users of a social networking system
US20130151311A1 (en) Prediction of consumer behavior data sets using panel data
US20180068028A1 (en) Methods and systems for identifying same users across multiple social networks
CN105279672A (zh) 线索推荐
CN104620272A (zh) 基于第三方社会评论来生成兴趣点简档
US9418076B2 (en) System and method for determining interests from location data
CN108897750B (zh) 融合多元上下文信息的个性化地点推荐方法及设备
KR102052344B1 (ko) 소셜 네트워크를 이용한 영향력 측정 방법 및 장치
KR102085593B1 (ko) 기계학습 기법 기반 블록체인 sns 포스팅 봇 검출 방법 및 장치
US20150154287A1 (en) Method for providing recommend information for mobile terminal browser and system using the same
US20150278907A1 (en) User Inactivity Aware Recommendation System
Lin et al. A business zone recommender system based on Facebook and urban planning data
KR102285964B1 (ko) 선호도 평가 방법 및 시스템
US10346856B1 (en) Personality aggregation and web browsing
Kotzias et al. Addressing the Sparsity of Location Information on Twitter.
Vahidnia Point-of-interest recommendation in location-based social networks based on collaborative filtering and spatial kernel weighting
KR102593996B1 (ko) 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법
KR101910424B1 (ko) 태그의 감성 분석을 이용한 영화 평점 예측 방법, 이를 수행하기 위한 기록 매체 및 장치
US20220083910A1 (en) Learning model applying system, a learning model applying method, and a program
CN110717094A (zh) 信息推荐方法、装置、计算机设备和存储介质
KR20210052746A (ko) 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant