KR102298585B1 - 빅데이터를 활용한 모임 추천 시스템 및 그 방법 - Google Patents

빅데이터를 활용한 모임 추천 시스템 및 그 방법 Download PDF

Info

Publication number
KR102298585B1
KR102298585B1 KR1020210009376A KR20210009376A KR102298585B1 KR 102298585 B1 KR102298585 B1 KR 102298585B1 KR 1020210009376 A KR1020210009376 A KR 1020210009376A KR 20210009376 A KR20210009376 A KR 20210009376A KR 102298585 B1 KR102298585 B1 KR 102298585B1
Authority
KR
South Korea
Prior art keywords
recommendation
meeting
information
algorithm
preference
Prior art date
Application number
KR1020210009376A
Other languages
English (en)
Inventor
이미리
Original Assignee
주식회사 문토
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 문토 filed Critical 주식회사 문토
Priority to KR1020210009376A priority Critical patent/KR102298585B1/ko
Application granted granted Critical
Publication of KR102298585B1 publication Critical patent/KR102298585B1/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
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06Q50/30—

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 사용자의 단말로부터 모임 추천 서버에 입력된 사용자의 연령, 성별, 취향, 관심사, 활동 성향 및 가능 시간 정보를 포함하는 특징 정보를 빅데이터로 구성하고, 미리 설치된 빅데이터 분석 알고리즘을 이용하여 사용자가 원하는 후보 모임을 포함하는 추천 후보 정보를 생성하는 모임 추천 시스템이고, 상기 빅데이터 분석 알고리즘은 복수의 추천 알고리즘을 사용하여 추천 후보 정보를 생성하고, 기추천된 모임 정보의 사용 이력 정보를 수집하여 추천 알고리즘 각각에 대해서 선호도를 산출하며, 상기 산출된 선호도에 기반하여 추천 후보 정보를 생성하고, 상기 추천 후보 정보를 생성한 추천 알고리즘의 선호도 순으로 정렬하며, 정렬 결과를 이용하여 추천 후보 정보를 기설정된 수만큼 추천 모임 정보로 추출하는 빅데이터를 활용한 모임 추천 시스템 및 그 방법에 관한 것으로, 사용자의 연령, 성별, 취향, 관심사 및 활동 성향 등과 같은 특징과 관련된 빅데이터를 분석하여 모임을 희망하는 사용자의 특징에 부합하는 모임을 추천하고 있기 때문에, 사용자에게 신속하게 원하는 모임을 선택하도록 할 수 있는 효과가 있다.

Description

빅데이터를 활용한 모임 추천 시스템 및 그 방법{SYSTEM FOR RECOMMENDING MEETINGS USING BIG DATA AND METHOD THEREOF}
본 발명은 빅데이터를 활용한 모임 추천 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 사용자의 연령, 성별, 취향, 관심사 및 활동 성향 등과 같은 특징과 관련된 빅데이터를 분석하여 모임을 희망하는 사용자의 특징에 부합하는 모임을 추천하는 시스템 및 그 방법에 관한 것이다.
사람들의 취향은 각기 다르며 선호하는 것도 다르다. 사람들은 모임에 가입하여 정보를 교환하거나 의미 있는 시간을 보내려고 하지만 사람들간에 연령, 성별, 취향, 관심사나 활동 성향 등은 모두 다르며 기존에 구성된 모임이 자신에게 정말로 알맞은 모임인지, 그 모임의 구성원들이 자신과 어울리는지 판단하기는 용이하지 않다는 문제점이 있었다.
등록특허공보 제10-1736222호 (공고일자: 2017. 05. 16)
전술한 문제점을 개선하기 위한 본 발명 실시예들의 목적은 사용자의 연령, 성별, 취향, 관심사 및 활동 성향 등과 같은 특징과 관련된 빅데이터를 분석하여 모임을 희망하는 사용자의 특징에 부합하는 모임을 추천하는 시스템 및 그 방법을 제공하는 것이다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 의한 빅데이터를 활용한 모임 추천 시스템은 사용자의 단말로부터 모임 추천 서버에 입력된 사용자의 연령, 성별, 취향, 관심사, 활동 성향 및 가능 시간 정보를 포함하는 특징 정보를 빅데이터로 구성하고, 미리 설치된 빅데이터 분석 알고리즘을 이용하여 사용자가 원하는 후보 모임을 포함하는 추천 후보 정보를 생성하는 모임 추천 시스템이고, 상기 빅데이터 분석 알고리즘은 복수의 추천 알고리즘을 사용하여 추천 후보 정보를 생성하고, 기추천된 모임 정보의 사용 이력 정보를 수집하여 추천 알고리즘 각각에 대해서 선호도를 산출하며, 상기 산출된 선호도에 기반하여 추천 후보 정보를 생성하고, 상기 추천 후보 정보를 생성한 추천 알고리즘의 선호도 순으로 정렬하며, 정렬 결과를 이용하여 추천 후보 정보를 기설정된 수만큼 추천 모임 정보로 추출하는 것을 특징으로 한다.
상기 복수의 추천 알고리즘은 협업 필터링(Collaborative Filtering) 알고리즘, 전체 사용자의 인기도에 기반한 알고리즘, 성별 인기도에 기반한 알고리즘, 연령별 인기도에 기반한 알고리즘 및 연관성 분석 (Association Rule Mining) 기반 추천 알고리즘 중 어느 둘 이상을 포함하는 것을 특징으로 한다.
상기 사용 이력 정보는 클릭 정보 및 모임 가입 정보 중 어느 하나 이상을 포함하고, 상기 모임 추천 서버는, 사용 이력 정보 중 클릭정보를 이용하는 경우, 클릭된 추천 모임 정보를 판별하고, 클릭된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위만큼 증가시켜 산출하고, 사용 이력 정보 중 모임 가입 정보를 이용하는 경우, 가입된 추천 모임 정보를 판별하고, 가입된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위보다 큰 제2 기준 단위만큼 증가시켜 산출하는 것을 특징으로 한다.
상기 모임 추천 서버는 추천 알고리즘의 선호도에 기반하여 결정되는 가중치를 더 고려하여 선호도를 증가시켜 산출할 수 있고, 복수의 추천 알고리즘의 선호도를 정규화하여 각 추천 알고리즘에 대해 추천 비율을 산출하고, 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출하는 것을 특징으로 한다.
상기 모임 추천 서버는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘보다 차순위의 선호도를 가지는 추천 알고리즘에 의해 생성된 추천 후보 정보 중에서 추천 모임 정보를 더 추출하여 보충할 수 있고, 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘을 이용하여 추출되는 추천 모임 정보의 수는 추천 모임 후보의 수일 수 있는 것을 특징으로 한다.
또한, 본 발명의 다른 실시예에 따른 빅데이터를 활용한 모임 추천 방법은 사용자의 단말로부터 모임 추천 서버에 입력된 사용자의 연령, 성별, 취향, 관심사, 활동 성향 및 가능 시간 정보를 포함하는 특징 정보를 빅데이터로 구성하고, 미리 설치된 빅데이터 분석 알고리즘을 이용하여 사용자가 원하는 후보 모임을 포함하는 추천 후보 정보를 생성하는 모임 추천 방법이고, 상기 빅데이터 분석 알고리즘은 복수의 추천 알고리즘을 사용하여 추천 후보 모임을 포함하는 추천후보 정보를 하나 이상 생성하는 제1 단계; 기 추천된 추천 모임 정보의 사용 이력 정보를 수집하는 제2 단계; 상기 사용 이력 정보에 기반하여 추천 알고리즘 각각에 대해서 선호도를 산출하는 제3 단계; 및 복수의 추천 알고리즘의 선호도에 기반하여 추천 후보 정보 중 적어도 일부를 추천 모임 정보로 추출하는 제4 단계;를 포함하는 것을 특징으로 한다.
상기 제4 단계는 복수의 추천알고리즘의 선호도를 정규화하는 제1 과정; 상기 정규화된 선호도에 기반하여 각 추천 알고리즘에 대해 추천 비율을 산출하는 제2 과정; 및 상기 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출하는 제3 과정을 더 포함하는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 빅데이터를 활용한 모임 추천 시스템 및 그 방법은 사용자의 연령, 성별, 취향, 관심사 및 활동 성향 등과 같은 특징과 관련된 빅데이터를 분석하여 모임을 희망하는 사용자의 특징에 부합하는 모임을 추천하고 있기 때문에, 사용자에게 신속하게 원하는 모임을 선택하도록 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 모임 추천 시스템을 개략적으로 나타내는 도면이다.
도 2는 도 1의 모임 추천 시스템에서 사용자가 사용하는 단말의 블록구성도이다.
도 3은 도 1의 모임 추천 서버의 블록구성도이다.
도 4는 도 1의 모임 추천 서버를 통한 정보 제공 과정의 순서도이다.
도 5는 본 발명의 일 실시예에 따른 가상 입력 인터페이스 프로그램 설치 과정의 순서도이다.
도 6은 도 3에 도시된 추천 모임 제공부의 일 예를 나타낸 블록도이다.
도 7은 도 6에 도시된 추천 모임 추출부의 일 예를 나타낸 블록도이다.
도 8은 본 발명의 제1 실시예에 따른 모임 추천 시스템을 이용한 추천 알고리즘의 선호도의 일 예를 나타낸 도면이다.
도 9는 본 발명의 제1 실시예에 따른 모임 추천 시스템을 이용한 추천 모임 정보의 일 예를 나타낸 도면이다.
도 10은 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법의 일 예를 나타낸 동작 흐름도이다.
도 11은 도 10에 도시된 추천 모임 정보를 추출하는 단계의 일 예를 나타낸 동작 흐름도이다.
도 12는 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법을 나타내는 순서도이다.
도 13은 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법을 이용한 모임 추천 결과의 일례를 나타내는 도면이다.
도 14는 본 발명의 제3 실시 예에 따른 빅데이터를 활용한 모임 추천 방법을 나타내는 순서도이다.
도 15는 본 발명의 제3 실시예에 따른 빅데이터를 활용한 모임 추천 방법을 이용한 모임 추천 결과의 일 예를 나타내는 도면이다.
상기한 바와 같은 본 발명을 첨부된 도면들과 실시예들을 통해 상세히 설명하도록 한다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 1 은 본 발명의 일 실시예에 따른 모임 추천 시스템을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 모임 추천 시스템(100)은 사용자의 연령, 성별, 취향, 관심사 및 활동 성향 등과 같은 특징과 관련된 빅데이터를 분석하여 모임을 희망하는 사용자의 특징에 부합하는 모임을 추천하는 시스템이고, 모임 추천 서버(300) 및 단말(200)을 포함할 수 있다.
이하에서, 모임 추천 서버(300)와 단말(200)은 유무선 통신망으로 통하여 연결되고, 모임을 희망하는 사용자들이 각각 구비하는 단말을 조작하여 모임 추천 서버(300)와 통신하는 것으로 정의하여 설명한다.
우선, 본 발명의 일 실시예에 따른 모임 추천 시스템(100)을 통하여 모임 추천 정보를 제공받고자 하는 사용자는 자신의 단말(200)을 조작하여 모임 추천 서버(300)에 가입을 신청하고 사용자의 정보를 입력한다. 이때, 단말(200)은 후술할 가상 입력 인터페이스 프로그램을 전송받으며, 사용자는 가상 입력 인터페이스 프로그램을 통하여 모임 추천 서버(300)에 가입을 신청하고, 자신의 연령, 성별, 취향, 관심사 및 활동 성향 등의 사용자에 대한 정보를 등록한다.
단말(200)은 통신 네트워크를 통해 모임 추천 서버(300)와 연동되는 디바이스로서, 예를 들면, 스마트폰(Smartphone), 스마트패드(Smart Pad), 태블릿 PC, 웨어러블 디바이스 등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV와 같은 고정용 단말기일 수도 있다.
모임 추천 서버(300)는 사용자가 모임 추천 서버(300)에 모임 추천을 요청한 경우, 입력된 사용자의 연령, 성별, 취향, 관심사 및 활동 성향 등의 특징과 관련된 빅데이터를 분석하여 동일하거나 비슷한 특징을 갖는 사용자들의 모임을 추천한다.
도 2는 도 1의 모임 추천 시스템에서 사용자가 사용하는 단말의 블록구성도이고, 도 3은 도 1의 모임 추천 서버의 블록구성도이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시예에 따른 모임 추천 시스템을 구성하는 단말(200)은 입력부(210), 표시부(220), 제1 통신부(230), 제1 저장부(240) 및 제1 제어부(250)를 포함할 수 있다.
입력부(210)는 사용자의 입력 동작을 입력 신호로 변환하여 제1 제어부(250)에 송신한다. 이러한 입력부(210)는 예를 들어 키보드, 마우스, 터치스크린 상의 터치센서, 터치패드, 키패드, 음성 입력, 기타 현재, 과거에 가능하거나 미래에 가능해질 입력 처리 장치들로써 구현될 수 있다. 또한, 입력부(210)는 사용자의 정보 제공 요청 입력을 수신하여 제1 제어부(250)에게 전달할 수 있다.
표시부(220)는 제1 제어부(250)의 제어에 따라 화면을 출력한다. 표시부(220)는 예를 들어 LCD(액정표시장치), LED(발광 다이오드), OLED(유기 발광 다이오드), 프로젝터 등과 같은 다양한 표시 장치들로써 구현될 수 있다.
또한, 표시부(220)는 정보 제공을 위한 인터페이스 페이지나 정보 제공 결과 페이지를 표시할 수 있다. 실시 예에 따라서는, 화면 출력 대신 음성 출력이나 진동 등 기타 사용자에게 정보를 전달할 수 있는 다른 방식을 사용하는 구성부가 표시부(220) 대신 사용될 수도 있다.
제1 통신부(230)는 모임 추천 서버(300) 및/또는 기타 외부 장치와 데이터를 주고받는다. 제1 통신부(230)는 모임 추천 서버(300)로부터 수신한 데이터를 제1 제어부(250)에 전달한다. 또한, 제1 통신부(230)는 제1 제어부(250)의 제어에 따라 데이터를 모임 추천 서버(300)에게 전달한다. 이때, 제1 통신부(230)가 사용하는 통신 기술은 통신망의 유형이나 기타 사정에 따라 달라질 수 있다.
제1 저장부(240)는 제1 제어부(250)의 제어에 따라 데이터를 저장하고 요청된 데이터를 제1 제어부(250)에 전달한다.
제1 제어부(250)는 단말(200)의 전반적인 동작과 각 구성부들을 제어한다.
제1 제어부(250)는 입력부(210)로부터 입력된 정보에 따라 사용자의 연령, 성별, 취향, 관심사 및 활동 성향 등의 사용자와 관련된 정보를 모임 추천 서버(300)에 송신하고, 모임 추천 서버(300)로부터 수신한 페이지 정보에 따라 결과 페이지 및/또는 인터페이스 페이지를 표시부(220)를 통해 표시한다.
한편, 제1 제어부(250)가 수행하는 동작은 물리적으로 분리되어 있는 여러 연산 장치에 의하여 분산 처리될 수 있다. 또한, 제1 제어부(250)가 수행하는 동작 중 일부는 제1 단말이 수행하고 다른 동작은 제2 단말이 수행하는 방식도 가능하다. 이 경우 제1 제어부(250)는 물리적으로 분리돼 있는 연산 장치의 총합으로써 구현될 수 있다.
제1 저장부(240)는 물리적으로 분리되어 있는 저장장치의 총합으로 구현될 수도 있다. 제1 제어부(250)나 제1 저장부(240)가 물리적으로 분리되어 있는 여러 장치의 총합으로 구현되는 경우 여러 장치들 사이의 통신이 필요할 수 있다. 본 명세서에서는 설명의 단순화를 위하여 제1 저장부(240)나 제1 제어부(250)가 하나의 객체로 구현된 경우를 가정하여 설명할 것이다.
이에 따라, 단말(200)이 데이터를 송수신하는 경우 관점에 따라 제1 제어부(250)의 제어에 따라 제1 통신부(230)가 데이터를 송수신한다고 표현할 수도 있고, 제1 제어부(250)가 제1 통신부(230)를 제어하여 데이터를 송수신한다고 표현할 수도 있다.
도 3을 참조하면, 본 발명의 일실시 예에 따른 모임 추천 시스템에서의 모임 추천 서버(300)는 제2 통신부(310), 제2 제어부(320), 제2 저장부(330) 및 추천모임 제공부(340)를 포함한다.
제2 통신부(310)는 단말(200) 및/또는 기타 외부 장치와 데이터를 주고 받는다. 제2 통신부(310)는 단말(200)로부터 수신한 데이터를 제2 제어부(320)에 전달한다. 또한 제2 통신부(310)는 제2 제어부(320)의 제어에 따라 데이터를 단말(200)에 전달한다. 이때, 제2 통신부(310)가 사용하는 통신 기술은 통신망의 유형이나 기타 사정에 따라 달라질 수 있다.
제2 저장부(330)는 제2 제어부(320)의 제어에 따라 데이터를 저장하고, 제2 제어부(320)로부터 요청된 데이터를 제2 제어부(320)에 전달한다.
제2 제어부(320)는 모임 추천 서버(300)의 전반적인 동작과 각 구성부들을 제어한다. 제2 제어부(320)는 특히 후술하는 바와 같이 인터페이스 페이지 요청, 정보제공 결과 페이지 요청, 기타 데이터를 제2 통신부(310)를 통해 수신하면 제2 저장부(330)로부터 필요한 데이터를 불러오고(load) 페이지 정보를 생성하여 페이지 정보를 제2 통신부(310)를 통해 단말(200)에 전달한다.
추천 모임 제공부(340)는 복수의 추천 알고리즘을 사용하여 추천 후보 정보를 생성하고, 기추천된 모임 정보의 사용 이력 정보를 수집하여 추천 알고리즘 각각에 대해서 선호도를 산출한다. 또한, 선호도에 기반하여 추천 후보 정보중 추천 모임 정보를 추출한다. 추천 모임 제공부(340)의 자세한 동작은 후술한다.
모임 추천 서버(300)가 데이터를 송수신하는 경우 관점에 따라 제2 제어부(320)의 제어에 따라 제2 통신부(310)가 데이터를 송수신한다고 표현할 수도 있고, 제2 제어부(320)가 제2 통신부(310)를 제어하여 데이터를 송수신한다고 표현할 수도 있다.
한편, 제2 저장부(330)는 단말(200)에 설치되어 모임 추천 방법을 수행하기 위한 프로그램 코드, 및/또는 그 프로그램을 설치하기 위한 설치 패키지(설치프로그램 코드)를 저장한다. 이하 모임 추천 방법을 수행하기 위한 프로그램 코드, 및/또는 그 프로그램을 설치하기 위한 설치 패키지(설치 프로그램 코드)를 가상 입력 인터페이스 프로그램이라 칭한다.
모임 추천 서버(300)를 개발하는 개발자 또는 관리자는 가상 입력인터페이스 프로그램을 패키지 제공 서버에 저장할 수 있다. 패키지 제공 서버가 가상 입력 인터페이스 프로그램을 요청하는 요청 메시지를 수신하면 패키지 배포서버는 가상 입력 인터페이스 프로그램을 단말(200)에 전달한다.
패키지 제공 서버의 동작 및 모임 추천 서버(300)의 구체적인 동작에 대해서는 후술한다.
다른 실시 예에 따르면 시각적으로 정보를 제공하기 위한 페이지 대신 음성이나 다른 방식으로 정보를 제공하기 위한 데이터가 송수신될 수 있다.
도 4는 본 발명의 일 실시 예에 따른 모임 추천 시스템에서의 모임 추천 서버를 통한 정보 제공 과정의 순서도이다.
단계 410에서, 모임 추천 서버(300)의 제2 제어부(320)는 인터페이스 페이지 정보를 생성한다. 인터페이스 페이지 정보는 인터페이스 페이지를 생성하기 위해 필요한 정보로서, 이때 가상 입력 인터페이스 프로그램은 인터페이스 페이지 정보를 포함할 수 있다. 인터페이스 페이지는 사용자(400)의 입력을 유도하고 사용자(400)의 입력을 수신하여 모임 추천 서버(300)에게 전달하기 위한 페이지이다. 예를 들어, 인터페이스 페이지 정보는 HTML 문서 또는 기타 마크업 언어 문서 형태가 될 수 있다. 다른 실시 예에서, 단말(200)이 인터페이스 페이지의 서식 정보를 미리 가지고 있으며, 컨텐츠에 해당하는 사항만이 모임 추천 서버(300)로부터 단말(200)에 전달될 수도 있다. 이하에서는 편의를 위해 인터페이스 페이지 정보 또는 기타의 페이지 정보는 HTML 문서 형식으로 전달된다고 가정하고 설명하기로 한다. 하지만, 본 명세서의 권리 범위가 여기에 한정되는 것은 아니다.
단계 420에서, 모임 추천 서버(300)의 제2 통신부(310)는 인터페이스 페이지 정보를 단말(200)에 전달한다.
단계 430에서, 단말(200)의 제1 제어부(250)는 인터페이스 페이지 정보를 이용하여 인터페이스 페이지를 구성한다. 예를 들어, 제1 제어부(250)는 웹 브라우저를 구동하여 HTML 문서를 해석하여 웹 페이지의 형태로 인터페이스 페이지를 구성할 수 있다. 이때, 웹 브라우저 대신 별도의 애플리케이션이 사용될 수도 있다.
단계 440에서, 단말(200)의 표시부(220)는 사용자(400)에게 인터페이스 페이지를 표시한다. 인터페이스 페이지는, 사용자가 모임 추천을 위해 사용자의 정보를 입력하기 위한 인터페이스를 포함할 수 있다.
단계 450에서, 단말(200)의 입력부(210)는 인터페이스 페이지를 통해 입력된 사용자(400)의 선택 또는 입력을 수신하여 제1 제어부(250)에 전달한다.
단계 460에서, 단말(200)의 제1 통신부(230)는 제1 제어부(250)의 제어에 따라 사용자(400)의 선택 또는 입력을 식별할 수 있는 입력 정보를 모임 추천 서버(300)에 전달한다.
단계 470에서, 모임 추천 서버(300)의 제2 제어부(320)는 사용자(400)의 입력(예를 들어, 키워드 및/또는 기타 정보 제공 설정)을 이용하여 결과 페이지 정보를 생성한다. 결과 페이지 정보는 예를 들어 HTML 문서 형식 및/또는 이미지 형식으로 구성될 수 있다.
단계 480에서, 모임 추천 서버(300)의 제2 통신부(310)는 결과 페이지 정보를 단말(200)에 전달한다.
단계 490에서, 단말(200)의 제1 제어부(250)는 제1 통신부(230)가 수신한 결과 페이지 정보를 이용하여 결과 페이지를 구성한다. 예를 들어, 제1 제어부(250)는 HTML형식의 결과 페이지 정보를 해석하여 결과 페이지를 구성할 수 있다.
단계 495에서, 단말(200)의 표시부(220)는 결과 페이지를 사용자(400)에게 제공한다. 결과 페이지는 사용자(400)에게 추천되는 모임 및 모임 구성원들의 개략적인 정보를 표시할 수 있다.
도 4의 실시예에서는, 사용자에게 시각적 형태의 페이지를 제공하는 것을 가정하였으나, 음성을 통해 인터페이스나 결과 정보를 제공하는 것도 가능하다.
이 경우 표시부(220) 대신 음성 출력부(미도시)가 이용될 수 있을 것이다. 시각적/청각적 방식 대신 현재 가능하거나 미래에 가능해질 다른 방식의 인터페이스 방식이 사용자와의 관계에서 사용될 수도 있다. 이 경우, 모임 추천 서버(300)는 인터페이스 방식에 맞도록 페이지 정보 대신 다른 방식으로 변환된 정보를 단말(200)에 제공할 수 있다.
도 5는 본 발명의 일 실시예에 따른 가상 입력 인터페이스 프로그램 설치 과정의 순서도이다.
단계 510에서, 단말(200)은 패키지 제공 서버(500)에게 패키지 요청메시지를 송신한다. 이때, 패키지 요청 메시지는 가상 입력 인터페이스 프로그램(패키지)을 요청하는 메시지이다. 단계 520에서, 패키지 제공 서버(500)는 단말(200)에 가상 입력 인터페이스 프로그램(패키지)을 전달한다.
단계 530에서, 단말(200)은 수신한 가상 입력 인터페이스 프로그램(패키지)을 설치한다. 한편, 설치가 불필요하고 수신한 가상 입력 인터페이스 프로그램을 그대로 실행할 수 있는 경우 단계 530은 생략될 수 있다. 본 실시예에서는, 패키지 제공 서버(500)가 가상 입력 인터페이스 프로그램(패키지)을 송신하는 것으로 설명되었으나, 모임 추천 서버(300)가 가상 입력 인터페이스 프로그램(패키지)을 단말(200)로 전달할 수도 있다.
도 6은 도 3에 도시된 추천 모임 제공부의 일 예를 나타낸 블록도이다.
도 6을 참조하면, 추천 모임 제공부(340)는 후보 생성부(610), 선호도 산출부(620) 및 추천모임 추출부(630)를 포함한다.
후보 생성부(610)는 복수의 추천 알고리즘을 사용하여 연령, 성별, 취향, 관심사, 활동성향 및 가능시간과 같은 특성을 빅데이터로 구성하여 분석하고, 추천 후보 모임을 포함하는 추천 후보 정보를 하나 이상 생성한다.
실시예에 따라, 복수의 추천 알고리즘은 협업 필터링(Collaborative Filtering) 알고리즘, 전체 사용자의 인기도에 기반한 알고리즘, 성별 인기도에 기반한 알고리즘, 연령별 인기도에 기반한 알고리즘 및 연관성 분석 (Association Rule Mining) 기반 추천 알고리즘 중 어느 둘 이상을 포함할 수 있다. 즉, 각 알고리즘은 빅데이터로 구성 된 연령, 성별, 취향, 관심사, 활동성향이나 가능시간 등의 특성에 작용할 수 있다.
이때, 협업 필터링 알고리즘은 사용자 별 모임 가입 이력의 유사성에 기반하여 추천 후보 정보를 생성하는 알고리즘일 수 있다.
또한, 유사성에 기반한 메타 협업 필터링 알고리즘을 더 포함할 수 있다.
이때, 메타 협업 필터링 알고리즘은 추천 알고리즘의 선호도가 유사한 사용자를 선택하고, 선호도가 유사한 사용자가 가입한 모임 중 추천 대상 사용자가 가입하지 않은 모임들을 추천 후보 정보로 생성하는 알고리즘일 수 있다.
또한, 사용자 별 추천 알고리즘 선호도의 유사도의 계산은 코사인(Cosine) 유사도를 이용할 수 있다.
이때, 사용자 별 추천 알고리즘 선호도의 유사도의 계산은 알려진 다양한 유사도 계산 방법을 사용할 수 있다.
또한, 추천 후보 정보는 해당 추천 후보 정보를 생성한 추천 알고리즘에 대한 정보를 포함할 수 있다. 따라서, 추천 모임 정보의 추출에 추천 알고리즘의 선호도를 이용할 수 있다.
이때, 상이한 추천 알고리즘에 의하여 동일한 모임이 추천 후보 정보로 생성될 수 있다. 이 경우, 추천 모임 정보의 추출을 위하여 모임이 어떠한 추천 알고리즘에 의하여 추천 후보 정보로 생성된 것인지 특정이 필요하므로, 가장 높은 선호도를 가지는 추천 알고리즘에 의하여 생성된 것으로 볼 수 있다.
선호도 산출부(630)는 기추천된 추천 모임 정보의 사용 이력 정보를 수집하고, 이러한 사용 이력 정보에 기반하여 추천 알고리즘 각각에 대해서 선호도를 산출한다.
실시예에 따라, 사용 이력 정보는 클릭 정보 및 모임 가입 정보 중 어느 하나 이상을 포함할 수 있다.
실시예에 따라, 선호도 산출부(630)는 사용 이력 정보 중 클릭정보를 이용하여, 클릭된 추천 모임 정보를 판별하고, 클릭된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위만큼 증가시켜 산출할 수 있다.
이때, 추천 모임 정보를 클릭하여 확인했다는 것은, 추천된 모임에 흥미를 가졌다는 의미이고, 사용자가 흥미를 느낄 만한 모임을 추천한 추천 알고리즘은 사용자의 기호에 맞는 추천 방법인 것으로 판단하여, 추천 알고리즘의 선호도를 증가시켜 산출할 수 있다. 또한, 제1 기준 단위는 작은 값일 수 있다. 다시 말해, 제1 기준 단위는단순히 추천 모임을 확인한 것에 지나지 아니하므로, 선호도가 증가할 수 있는 가장 작은 값일 수 있다.
실시예에 따라, 선호도 산출부(630)는 사용 이력 정보 중 모임 가입 정보를 이용하여, 가입된 추천 모임 정보를 판별하고, 가입된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위보다 큰 제2 기준 단위만큼 증가시켜 산출할 수 있다.
이때, 추천 모임 정보를 통하여 가입했다는 것은, 추천된 모임에 흥미를 가졌다는 뜻이고, 사용자가 흥미를 느낄 만한 모임을 추천한 추천 알고리즘은 사용자의 기호에 맞는 추천 방법인 것으로 판단하여, 추천 알고리즘의 선호도를 증가시켜 산출할 수 있다. 다시 말해, 단순히 클릭하여 확인만 한 경우보다 가입까지 이루어진 경우는 사용자가 더 큰 흥미를 가졌다는 것이므로, 추천 모임이 클릭된 경우보다 더 크게 선호도를 증가시켜 산출할 수 있다.
실시예에 따라, 선호도 산출부(630)는 추천 알고리즘의 선호도에 기반하여 결정되는 가중치를 더 고려하여 선호도를 증가시켜 산출할 수 있다.
이때, 선호도가 이미 매우 높은 추천 알고리즘에 대하여는 증가 속도를 감소시키고, 매우 낮은 선호도를 가진 추천 알고리즘에 대해서는 증가 속도를 증가시키기 위하여, 기산출된 선호도에 기반하여 가중치를 결정할 수 있다. 또한, 선호도가 높은 추천 알고리즘에 대하여 선호도가 더 증가하고, 선호도가 낮은 추천 알고리즘에 대하여는 선호도가 조금만 증가하도록 가중치를 결정할 수도 있다.
추천 모임 추출부(620)는 복수의 추천 알고리즘의 선호도에 기반하여 추천 후보 정보 중 적어도 일부를 추천 모임 정보로 추출한다.
실시예에 따라, 추천 모임 추출부(620)는 추천 후보 정보를 추천 후보 정보를 생성한 추천 알고리즘의 선호도 순으로 정렬하고, 정렬 결과를 이용하여 추천 후보 정보를 기설정된 수만큼 추천 모임 정보로 추출할 수 있다.
예를 들어, 20개의 추천 모임 정보를 추출할 때, 추천 알고리즘의 선호도에 기반하여 선호도가 가장 높은 추천 알고리즘 1에서 생성된 모든 추천 후보 정보, 즉 10개의 추천 모임 정보를 추출하고, 차순위의 선호도를 가지는 추천 알고리즘 2에서 생성된 모든 추천 후보 정보, 즉 7개의 추천 모임 정보를 추출하고, 나머지 3개의 추천 모임 정보를 차차순위의 선호도를 가지는 추천 알고리즘 3에서 추출하는 방법으로 추천 모임 정보를 추출할 수 있다.
실시예에 따라, 추천 모임 추출부(620)는 복수의 추천 알고리즘의 선호도를 정규화하여 각 추천 알고리즘에 대해 추천 비율을 산출하고, 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출할 수 있다.
실시예에 따라, 추천 모임 추출부(620)는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘보다 차순위의 선호도를 가지는 추천 알고리즘에 의해 생성된 추천 후보 정보 중에서 추천 모임 정보를 더 추출하여 보충할 수 있다.
실시예에 따라, 추천 모임 추출부(620)는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘을 이용하여 추출되는 추천 모임 정보의 수는 추천 모임 후보의 수일 수 있다.
이때, 추천 모임 정보는 추천 모임 정보를 추출할 때 이용된 추천 알고리즘에 대한 정보를 포함할 수 있다. 따라서, 상기 추천 알고리즘의 선호도를 산출할 때 추천 모임 정보에 대한 사용 이력 정보를 이용할 수 있다.
이때, 선호도 값이 0인 추천 알고리즘이 생성한 추천 후보 정보는 제외하고 추천 모임 정보를 추출할 수 있다.
도 7은 도 6에 도시된 추천 모임 추출부의 일 예를 나타낸 블록도이다.
도 7을 참조하면, 추천 모임 추출부(620)는 정규화부(710) 및 비율 산출부(720)를 포함한다.
정규화부(710)는 복수의 추천 알고리즘의 선호도를 정규화한다.
이때, 정규화는 모든 추천 알고리즘의 선호도의 총합이 1이 되도록 각 선호도 값을 치환하는 것일 수 있다.
즉, 추천 알고리즘이 3개 있는 경우, 추천 알고리즘 1의 선호도가 0.2, 추천 알고리즘 2의 선호도가 0.4, 추천 알고리즘 3의 선호도가 0.2인 경우, 각각 0.25, 0.5, 0.25로 치환될 수 있다.
비율 산출부(720)는 정규화된 선호도에 기반하여 각 추천 알고리즘에 대해 추천 비율을 산출한다.
예를 들어, 추천 요청 모임수가 20개인 경우, 추천 알고리즘 1에 의하여 생성된 추천 후보 정보에서는 7개, 추천 알고리즘 2에 의하여 생성된 추천 후보 정보에서는 8개, 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서는 6개의 추천 모임 정보를 각각 추출할 수 있다. 이때, 추천 후보 모임수의 총 합이 20개를 초과하므로, 가장 선호도가 낮은 추천 알고리즘인 추천 알고리즘 1 또는 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서 1개를 덜 추출할 수 있다.
실시예에 따라, 추천 모임 추출부(620)는 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출할 수 있다.
실시예에 따라, 추천 모임 추출부(620)는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘보다 차순위의 선호도를 가지는 추천 알고리즘에 의해 생성된 추천 후보 정보 중에서 추천 모임 정보를 더 추출하여 보충할 수 있다.
예를 들어, 추천 알고리즘 2에 의하여 생성된 추천 후보 정보 중 추천 모임 정보를 15개 추출해야 하는데, 추천알고리즘 2에 의하여 생성된 추천 후보정보는 13개인 경우, 추천 알고리즘 2보다 차순위의 선호도를 가지는 추천 알고리즘인 추천 알고리즘 1 또는 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서 2개의 추천 모임 정보를 더 추출할 수 있다. 또는, 동순위인 추천 알고리즘 1 및 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서 각각 1개씩 추천 모임 정보를 더 추출할 수 있다.
또는, 추천 모임 추출부(620)는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘을 이용하여 추출되는 추천 모임 정보의 수는 추천 모임 후보의 수일 수 있다. 즉, 추천 모임 후보의 수가 부족하더라도 다른 추천 알고리즘에 의하여 보충되지 아니할 수 있다.
예를 들어, 서비스의 특성에 따라 추천 요청 모임수는 최대한의 모임수일뿐이고, 그보다 적은 모임이 추천되어도 무방한 경우에는 추천 후보 정보가 부족하더라도 그대로 추출할 수 있다.
도 8은 본 발명의 제1 실시예에 따른 모임 추천 시스템을 이용한 추천 알고리즘의 선호도의 일 예를 나타낸 도면이다.
도 8를 참조하면, 본 발명의 제1 실시예에 따른 추천 알고리즘의 선호도는 사용자(810)별 및 추천 알고리즘(820)별로 산출된다.
이 때, 추천 모임 정보의 사용 이력 정보에 기반하여 추천 알고리즘(820) 각각에 대해서 선호도(830)를 산출한다.
실시예에 따라, 사용 이력 정보는 클릭 정보 및 가입 정보 중 어느 하나 이상을 포함할 수 있다.
실시예에 따라, 사용 이력 정보 중 클릭 정보를 이용하여, 클릭된 추천 모임 정보를 판별하고, 클릭된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘(820)의 선호도(830)를 제1 기준 단위만큼 증가시켜 산출할 수 있다.
이 때, 추천 모임 정보를 클릭하여 확인했다는 것은, 추천된 모임에 흥미를 가졌다는 의미이고, 사용자(810)가 흥미를 느낄 만한 모임을 추천한 추천 알고리즘(820)은 사용자(810)의 기호에 맞는 추천 방법인 것으로 판단하여, 추천 알고리즘(820)의 선호도(830)를 증가시켜 산출할 수 있다.또한, 제1 기준 단위는 작은 값일 수 있다. 다시 말해, 제1 기준 단위는단순히 추천 모임을 확인한 것에 지나지 아니하므로, 선호도가 증가할 수 있는 가장 작은 값일 수 있다.
실시예에 따라, 사용 이력 정보 중 가입 정보를 이용하여, 가입된 추천 모임 정보를 판별하고, 가입된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘(820)의 선호도(830)를 제1 기준 단위보다 큰 제2 기준단위만큼 증가시켜 산출할 수 있다.
이때, 추천 모임 정보를 통하여 가입했다는 것은, 추천된 모임에 흥미를 가졌다는 의미고, 사용자(810)가 흥미를 느낄 만한 모임을 추천한 추천 알고리즘(820)은 사용자(810)의 기호에 맞는 추천 방법인 것으로 판단하여, 추천 알고리즘(820)의 선호도(830)를 증가시켜 산출할 수 있다. 다시 말해, 단순히 클릭하여 확인만 한 경우보다 가입까지 이루어진 경우는 사용자가 더 큰 흥미를 가졌다는 것이므로, 추천 모임이 클릭된 경우보다 더 크게 선호도(830)를 증가시켜 산출할 수 있다.
실시예에 따라, 선호도(830)는 추천 알고리즘(820)의 선호도(830)에 기반하여 결정되는 가중치를 더 고려하여 증가되어 산출될 수 있다.
이때, 선호도(830)가 이미 매우 높은 추천 알고리즘(820)에 대하여는 증가 속도를 감소시키고, 매우 낮은 선호도를 가진 추천 알고리즘(820)에 대해서는 증가 속도를 증가시키기 위하여, 기산출된 선호도(830)에 기반하여 가중치를 결정할 수 있다. 또한, 선호도가 높은 추천 알고리즘에 대하여 선호도가 더 증가하고, 선호도가 낮은 추천 알고리즘에 대하여는 선호도가 조금만 증가하도록 가중치를 결정할 수도 있다.
또한, 선호도(830)는 메타 협업 필터링 알고리즘에 사용될 수 있다.
이때, 메타 협업 필터링 알고리즘은 추천 알고리즘의 선호도(830)가 유사한 사용자(810)를 선택하고, 선호도(830)가 유사한 사용자가 가입한 모임 중 추천 대상 사용자가 가입하지 않은 모임들을 추천 후보 정보로 생성하는 알고리즘일 수 있다.
또한, 사용자 별 추천 알고리즘 선호도(830)의 유사도의 계산은 코사인 유사도를 사용할 수도 있고, 알려진 다양한 유사도 계산 방법을 사용할 수도 있다.
아울러, 추천 알고리즘(820)의 선호도(830)에 기반하여 추천 후보 정보 중 적어도 일부가 추천 모임 정보로 추출된다.
실시예에 따라, 추천 후보 정보를 추천 후보 정보를 생성한 추천 알고리즘(820)의 선호도(830) 순으로 정렬하고, 상기 정렬 결과를 이용하여 추천 후보 정보를 기설정된 수만큼 추천 모임 정보로 추출할 수 있다.
예를 들어, 20개의 추천 모임 정보를 추출하는 경우, 추천 알고리즘(820)의 선호도(830)에 기반하여 선호도(830)가 가장 높은 추천 알고리즘 1에서 생성된 모든 추천 후보 정보, 즉 10개의 추천 모임 정보를 추출하고, 차순위의 선호도(830)를 가지는 추천 알고리즘 2에서 생성된 모든 추천 후보 정보, 즉 7개의 추천 모임 정보를 추출하고, 나머지 3개의 추천 모임 정보를 차차순위의 선호도(830)를 가지는 추천 알고리즘 3에서 추출하는 방법으로 추천 모임 정보를 추출할 수 있다.
실시예에 따라, 복수의 추천 알고리즘(820)의 선호도(830)를 정규화하여 각 추천 알고리즘(820)에 대해 추천 비율을 산출하고, 각 추천 알고리즘(820) 별로 추천 비율을 이용하여 추천 모임 정보를 추출할 수 있다.
이때, 정규화는 모든 추천 알고리즘의 선호도의 총합이 1이 되도록 각 선호도 값을 치환하는 것일 수 있다.
즉, 추천 알고리즘이 3개 있는 경우, 추천 알고리즘 1의 선호도가 0.2, 추천 알고리즘 2의 선호도가 0.1, 추천 알고리즘 3의 선호도가 0.4인 경우, 각각 0.29, 0.14, 0.57로 치환될 수 있다.
예를 들어, 추천 요청 모임수가 35개인 경우, 추천 알고리즘 1에 의하여 생성된 추천 후보 정보에서는 10개, 추천 알고리즘 2에 의하여 생성된 추천후보 정보에서는 5개, 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서는 20개의 추천 모임 정보를 각각 추출할 수 있다.
실시예에 따라, 어느 하나의 추천 알고리즘(820)에 의해 생성된 추천 모임 후보의 수가 상기 추천 알고리즘(820)의 추천 비율에 의해 계산되는 수보다 작은 경우, 상기 추천 알고리즘(820)보다 차순위의 선호도(830)를 가지는 추천알고리즘(820)에 의해 생성된 추천 후보 정보 중에서 추천 모임 정보를 더 추출하여 보충할 수 있다.
예를 들어, 추천 알고리즘 3에 의하여 생성된 추천 후보 정보 중 추천 모임 정보를 10개 추출해야 하는데, 추천알고리즘 2에 의하여 생성된 추천 후보정보는 8개인 경우, 추천 알고리즘 3보다 차순위의 선호도를 가지는 추천 알고리즘인 추천 알고리즘 1에 의하여 생성된 추천 후보 정보에서 2개의 추천 모임 정보를 더 추출할 수 있다.
또는, 어느 하나의 추천 알고리즘(820)에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘(820)의 추천비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘을 이용하여 추출되는 추천 모임 정보의 수는 추천모임 후보의 수일 수 있다. 즉, 추천 후보 정보의 수가 부족하더라도 다른 추천 알고리즘에 의하여 보충되지 아니할 수 있다.
예를 들어, 서비스의 특성에 따라 추천 요청 모임수는 최대한의 모임수일 뿐이고, 그보다 적은 모임이 추천되어도 무방한 경우에는 추천 후보 정보가 부족하더라도 그대로 추출할 수 있다.
이때, 선호도(830) 값이 0인 추천 알고리즘(820)이 생성한 추천 후보 정보는 제외하고 추천 모임 정보를 추출할 수 있다.
도 9는 본 발명의 제1 실시예에 따른 모임 추천 시스템을 이용한 추천 모임 정보의 일 예를 나타낸 도면이다.
도 9를 참조하면, 본 발명의 제1 실시예에 따른 추천 모임 정보는 사용자(910), 추천 모임(920), 추천 알고리즘(930) 및 날짜(940)를 포함한다.
사용자(90)는 추천 모임 정보를 제공 받는, 즉 모임의 추천을 받는 사용자의 정보이다.
추천 모임(90)은 실제로 추천되는 모임의 정보이다.
추천 알고리즘(90)는 추천 모임 정보가 추출되는데 사용된 추천 알고리즘의 정보이다. 즉, 추천 모임 정보에 상응하는 추천 후보 정보를 생성한 추천 알고리즘의 정보이다.
이때, 추천 모임 정보의 사용 이력 정보를 수집하고, 상기 사용 이력 정보에 기반하여 추천 알고리즘 각각에 대해서 선호도를 산출한다.
실시예에 따라, 사용 이력 정보는 클릭 정보 및 가입 정보 중 어느 하나 이상을 포함할 수 있다.
실시예에 따라, 사용 이력 정보 중 클릭 정보를 이용하여, 클릭된 추천 모임 정보를 판별하고, 클릭된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위만큼 증가시켜 산출할 수 있다.
이때, 제1 기준 단위는 작은 값일 수 있다. 다시 말해, 제 1기준 단위는 단순히 추천 모임을 확인한 것에 지나지 아니하므로, 선호도가 증가할 수 있는 가장 작은 값일 수 있다.
실시예에 따라, 사용 이력 정보 중 가입 정보를 이용하여, 가입된 추천 모임 정보를 판별하고, 가입된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위보다 큰 제2 기준 단위만큼 증가시켜 산출할 수 있다.
이 때, 추천 모임 정보에 포함되어 있는 추천 알고리즘(930) 정보로 추천 모임 정보를 추출하는데 이용된 추천 알고리즘을 판별하고, 선호도를 산출할 수 있다.
도 9에는 도시되지 아니하였으나, 본 발명의 제1 실시예에 따른 추천 후보 정보도 동일한 정보를 포함할 수 있다.
이 때, 추천 후보 정보에 포함되어 있는 추천 알고리즘 정보로 추천 후보 정보를 생성한 추천 알고리즘을 판별하고, 추천 알고리즘의 선호도에 기반하여 추천 모임 정보를 추출할 수 있다.
날짜(940)는 추천 모임 정보가 생성되어 사용자에게 제공된 날짜이다.
도 10은 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법의 일 예를 나타낸 동작 흐름도이다.
도 10을 참조하면, 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법은 우선, 복수의 추천 알고리즘을 사용하여 추천 후보 모임을 포함하는 추천후보 정보를 하나 이상 생성한다(S10110).
실시예에 따라, 복수의 추천 알고리즘은 협업 필터링(Collaborative Filtering) 알고리즘, 전체 사용자의 인기도에 기반한 알고리즘, 성별 인기도에 기반한 알고리즘, 연령별 인기도에 기반한 알고리즘 및 연관성 분석(Association Rule Mining) 기반 추천 알고리즘 중 어느 둘 이상을 포함할 수 있다.
이때, 협업 필터링 알고리즘은 사용자 별 가입 이력의 유사성에 기반하여 추천 후보 정보를 생성하는 알고리즘일 수 있다.
실시예에 따라, 복수의 추천 알고리즘은 사용자 별 추천 알고리즘 선호도의 유사성에 기반한 메타 협업 필터링 알고리즘을 더 포함할 수 있다.
이때, 메타 협업 필터링 알고리즘은 추천 알고리즘의 선호도가 유사한 사용자를 선택하고, 선호도가 유사한 사용자가 가입한 모임 중 추천 대상 사용자가 가입하지 않은 모임들을 추천 후보 정보로 생성하는 알고리즘일 수 있다.
또한, 사용자 별 추천 알고리즘 선호도의 유사도의 계산은 코사인(Cosine) 유사도를 이용할 수도 있고, 알려진 다양한 유사도 계산 방법을 사용할 수도 있다.
이때, 추천 후보 정보는 추천 후보 정보를 생성한 추천 알고리즘에 대한 정보를 포함할 수 있다. 따라서, 추천 모임 정보의 추출에 추천 알고리즘의 선호도를 이용할 수 있다.
또한, 상이한 추천 알고리즘에 의하여 동일한 모임이 추천 후보 정보로 생성될 수 있다. 이 경우, 추천 모임 정보의 추출을 위하여 모임이 어떠한 추천 알고리즘에 의하여 추천 후보 정보로 생성된 것인지 특정이 필요하므로, 가장 높은 선호도를 가지는 추천 알고리즘에 의하여 생성된 것으로 볼 수 있다.
또한, 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법은 기 추천된 추천 모임 정보의 사용 이력 정보를 수집한다(S1020).
실시예에 따라, 사용 이력 정보는 클릭 정보 및 가입 정보 중 어느 하나 이상을 포함할 수 있다.
또한, 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법은 사용 이력 정보에 기반하여 추천 알고리즘 각각에 대해서 선호도를 산출한다(S1030).
실시예에 따라, 선호도를 산출하는 단계는 사용 이력 정보 중 클릭 정보를 이용하여, 클릭된 추천 모임 정보를 판별하고, 클릭된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위만큼 증가시켜 산출할 수 있다.
또한, 추천 모임 정보를 클릭하여 확인했다는 것은, 추천된 모임에 흥미를 가졌다는 뜻이고, 사용자가 흥미를 느낄 만한 모임을 추천한 추천 알고리즘은 사용자의 기호에 맞는 추천 방법인 것으로 판단하여, 추천 알고리즘의 선호도를 증가시켜 산출할 수 있다.
이때, 제1 기준 단위는 작은 값일 수 있다. 다시 말해, 제1 기준 단위는 단순히 추천 모임을 확인한 것에 지나지 아니하므로, 선호도가 증가할 수 있는 가장 작은 값일 수 있다.
실시예에 따라, 선호도를 산출하는 단계는 사용 이력 정보 중 가입 정보를 이용하여, 가입된 추천 모임 정보를 판별하고, 가입된 추천 모임정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위보다 큰 제2 기준 단위만큼 증가시켜 산출할 수 있다.
이때, 추천 모임 정보를 통하여 가입했다는 것은, 추천된 모임에 흥미를 가졌다는 뜻이고, 사용자가 흥미를 느낄 만한 모임을 추천한 추천 알고리즘은 사용자의 기호에 맞는 추천 방법인 것으로 판단하여, 추천 알고리즘의 선호도를 증가시켜 산출할 수 있다. 또한, 단순히 클릭하여 확인만 한 경우보다 가입까지 이루어진 경우는 사용자가 더 큰 흥미를 가졌다는 것이므로, 추천 모임이 클릭된 경우보다 더 크게 선호도를 증가시켜 산출할 수 있다.
실시예에 따라, 선호도를 산출하는 단계는 추천 알고리즘의 선호도에 기반하여 결정되는 가중치를 더 고려하여 선호도를 증가시켜 산출할 수 있다.
이때, 선호도가 이미 매우 높은 추천 알고리즘에 대하여는 증가 속도를 감소시키고, 매우 낮은 선호도를 가진 추천 알고리즘에 대해서는 증가 속도를 증가시키기 위하여, 기산출된 선호도에 기반하여 제2 기준 단위를 결정할 수 있다.
또한, 선호도가 높은 추천 알고리즘에 대하여 선호도가 더 증가하고, 선호도가 낮은 추천 알고리즘에 대하여는 선호도가 조금만 증가하도록 가중치를 결정할 수도 있다.
본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법은 복수의 추천 알고리즘의 선호도에 기반하여 추천 후보 정보 중 적어도 일부를 추천 모임 정보로 추출한다(S1040).
실시예에 따라, 추천 모임 정보를 추출하는 단계는 추천 후보 정보를 추천 후보 정보를 생성한 추천 알고리즘의 선호도 순으로 정렬하고, 정렬 결과를 이용하여 추천 후보 정보를 기설정된 수만큼 추천 모임 정보로 추출할 수 있다.
예를 들어, 20개의 추천 모임 정보를 추출할 때, 추천 알고리즘의 선호도에 기반하여 선호도가 가장 높은 추천알고리즘 1에서 생성된 모든 추천 후보 정보, 즉 10개의 추천 모임 정보를 추출하고, 차순위의 선호도를 가지는 추천 알고리즘 2에서 생성된 모든 추천 후보 정보, 즉 7개의 추천 모임 정보를 추출하고, 나머지 3개의 추천 모임 정보를 차차순위의 선호도를 가지는 추천 알고리즘 3에서 추출하는 방법으로 추천 모임 정보를 추출할 수 있다.
실시예에 따라, 추천 모임 정보를 추출하는 단계는 복수의 추천 알고리즘의 선호도를 정규화하여 각 추천알고리즘에 대해 추천 비율을 산출하고, 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출할 수 있다.
실시예에 따라, 추천 모임 정보를 추출하는 단계는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘보다 차순위의 선호도를 가지는 추천 알고리즘에 의해 생성된 추천 후보 정보 중에서 추천 모임 정보를 더 추출하여 보충할 수 있다.
실시예에 따라, 추천 모임 정보를 추출하는 단계는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘을 이용하여 추출되는 추천 모임 정보의 수는 추천 모임 후보의 수일 수 있다. 즉, 다른 추천 알고리즘에 의해 보충되지 아니할 수 있다.
이때, 추천 모임 정보는 추천 모임 정보를 추출할 때 이용된 추천 알고리즘에 대한 정보를 포함할 수 있다. 따라서, 추천 알고리즘의 선호도를 산출할 때 추천 모임 정보에 대한 사용 이력 정보를 이용할 수 있다.
이때, 선호도 값이 0인 추천 알고리즘이 생성한 추천 후보 정보는 제외하고 추천 모임 정보를 추출할 수 있다.
도 11은 도 10에 도시된 추천 모임 정보를 추출하는 단계의 일 예를 나타낸 동작 흐름도이다.
도 11을 참조하면, 추천 모임 정보를 추출하는 단계는 복수의 추천알고리즘의 선호도를 정규화한다(S1110).
이때, 정규화는 모든 추천 알고리즘의 선호도의 총합이 1이 되도록 각 선호도 값을 치환하는 것일 수 있다.
즉, 추천 알고리즘이 3개 있는 경우, 추천 알고리즘 1의 선호도가 0.2, 추천 알고리즘 2의 선호도가 0.4, 추천 알고리즘 3의 선호도가 0.2인 경우, 각각 0.25, 0.5, 0.25로 치환될 수 있다.
또한, 추천 모임 정보를 추출하는 단계는 정규화된 선호도에 기반하여 각 추천 알고리즘에 대해 추천 비율을 산출한다(S1120).
예를 들어, 추천 요청 모임수가 50개인 경우, 추천 알고리즘 1에 의하여 생성된 추천 후보 정보에서는 13개, 추천 알고리즘 2에 의하여 생성된 추천 후보 정보에서는 25개, 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서는 13개의 추천 모임 정보를 각각 추출할 수 있다. 이때, 총 합이 50개를 초과하므로, 가장 선호도가 낮은 추천 알고리즘인 추천 알고리즘 1 또는 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서 1개를 덜 추출할 수 있다.
또한, 추천 모임 정보를 추출하는 단계는 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출한다(S1130).
실시예에 따라, 추천 모임 정보를 추출하는 단계는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘보다 차순위의 선호도를 가지는 추천 알고리즘에 의해 생성된 추천 후보 정보 중에서 추천 모임 정보를 더 추출하여 보충할 수 있다.
예를 들어, 추천 알고리즘 2에 의하여 생성된 추천 후보 정보 중 추천 모임 정보를 25개 추출해야 하는데, 추천 알고리즘 2에 의하여 생성된 추천 후보 정보는 23개인 경우, 추천 알고리즘 2보다 차순위의 선호도를 가지는 추천 알고리즘인 추천 알고리즘 1 또는 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서 2개의 추천 모임 정보를 더 추출할 수 있다. 또는, 동순위인 추천 알고리즘 1 및 추천 알고리즘 3에 의하여 생성된 추천 후보 정보에서 각각 1개씩 추천 모임 정보를 더 추출할 수 있다.
또는, 추천 모임 정보를 추출하는 단계는 어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘을 이용하여 추출되는 추천 모임정보의 수는 추천 모임 후보의 수일 수 있다. 즉, 다른 추천 알고리즘에 의하여 보충되지 아니할 수 있다.
예를 들어, 서비스의 특성에 따라 추천 요청 모임수는 최대한의 모임수일뿐이고, 그보다 적은 모임이 추천되어도 무방한 경우에는 추천 후보 정보가 부족하더라도 그대로 추출할 수 있다.
한편, 도 10 및 도 11에 도시된 각 단계는, 도 10 및 도 11에 도시된 순서, 그 역순 또는 동시에 수행될 수 있다.
도 12는 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법을 나타내는 순서도이다.
도 12에 따르면, 단계 1210에서 모임구성을 희망하는 사용자와 기존 모임에 속한 구성원들의 특성에 가중치가 부여된다. 사용자들의 특성은 연령, 성별, 취향, 관심사, 활동 성향 및 모임 가능 시간을 포함한다.
사용자들의 특성은 빅데이터를 구성하며, 각각의 특성에는 동일하거나 각각 다른 가중치가 부여될 수 있다.
이를 테면, 연령, 성별, 취향, 관심사, 활동 성향 및 모임 가능 시간 등의 특성에 모두 동일한 가중치가 부여될 수도 있고, 각각 다른 가중치가 부여될 수도 있다.
단계 1220에서 사용자간 특성을 비교하여 각각의 특성에 대한 가중치를 더하거나 곱하여 조화도가 산출된다. 조화도는 비교되는 두 사용자간 어울리는 정도를 나타내는 수치로서 조화도가 높을수록 동일한 그룹에 속할 확률이 높아진다.
또한, 취향이나 관심사와 같은 유사한 특성들은 서로 교차되어 비교될 수 있다. 예를 들어, 제 1 사용자와 제 2 사용자의 취향이 비교되거나, 제 1 사용자의 취향과 제 2 사용자의 관심사가 비교되거나 제 1 사용자의 관심사와 제 2 사용자의 취향이 비교될 수 있다.
사용자간 특성이 동일한 경우 최대 가중치가 사용될 수 있으며 유사한 경우 최대 가중치 미만의 가중치가 사용될 수 있다.
조화도는 사용자간 특성을 비교하여 동일하거나 유사한 경우 가중치를 더하거나 곱하는 방식으로 산출되거나 또는 사용자간 특성을 비교하여 동일하거나 유사한 경우 가중치를 서로 더하거나 곱하는 방식으로 산출될 수 있다.
예를 들어, 사용자의 취향과 가능 시간의 가중치가 각각 0.3, 0.2이고, 비교되는 두 사용자의 취향과 가능 시간이 동일하다면 조화도는 0.3 + 0.2 또는 0.3*0.2 로 산출될 수 있다.
사용자가 갖는 각각의 특성의 동일 또는 유사 여부에 대한 가중치와 동일 또는 유사 기준은 비교되는 특성에 따라 달라진다.
즉, 연령이나 가능 시간과 같은 수치는 시스템 관리자에 의해 지정되거나 시스템에 의해 자동설정될 수 있으며, 취향, 관심사 또는 활동 성향은 NNLM(Neural Net Language Model), RNNLM(Recurrent Neural Net Language Model), 스킵그램(skipgram) 및 CBOW(Continuous Bag-of-Words)방식 등의 키워드간 유사도를 판단하는 방식을 사용하여 설정될 수 있다.
또한, 인터넷 등의 존재하는 문서들을 이용해 학습하고 문서내의 각 키워드들을 벡터에 대응시키고 두 키워드 사이의 유사도를 두 벡터의 코사인 유사도 계산을 통해 파악하는 word2vec의 방법이 사용될 수도 있다.
단계 1230에서 모임추천을 신청한 사용자와 모든 모임의 사용자간의 특성이 모두 비교되어 조화도가 모두 산출되었는지 판단된다. 사용자간 조화도가 모두 산출되지 않은 경우, 단계 1220로 돌아가 모임추천을 신청한 사용자와 특정 모임의 사용자간의 조화도가 산출된다.
모임추천을 신청한 사용자와 모든 모임의 사용자간 조화도가 모두 산출된 경우, 단계 1240에서 조화도가 높은 순서대로 모임이 정렬된다.
단계 1250에서 일정 개수 또는 미리 정해진 개수만큼 조화도가 높은 순서대로 모임이 추천된다. 모임이 추천되는 개수는 시스템 또는 관리자에 의해 설정될 수 있다.
도 13은 본 발명의 제2 실시예에 따른 빅데이터를 활용한 모임 추천 방법을 모임 이용한 추천 결과의 일례를 나타내는 도면이다.
A 사용자는 취향이 미술이며 가능시간이 저녁 8시이고, B 사용자는 취향이 음악이고 가능 시간이 오후 3시이다.
A 사용자가 모임 추천 서버에 모임 추천을 신청하면, A 사용자의 특성과 A, B, C 모임의 구성원들간의 특성이 비교되어 각각의 모임의 구성원들간의 조화도가 계산된다.
그 결과 A 사용자는 A 모임의 구성원들간의 조화도가 가장 높은 것으로 계산되어 A 모임이 가장 먼저 추천되고, 조화도 순서대로 추천되거나 A 모임만 추천된다.
한편, B 사용자가 모임 추천 서버에 모임 추천을 신청하면, B 사용자의 특성과 A, B, C 모임의 구성원들간의 특성이 비교되어 각각의 모임의 구성원들간의 조화도가 계산된다.
그 결과 B 사용자는 B 모임의 구성원들간의 조화도가 가장 높은 것으로 계산되어 B모임이 가장 먼저 추천되고, 조화도 순서대로 추천되거나 B 모임만 추천된다.
도 14는 본 발명의 제3 실시 예에 따른 빅데이터를 활용한 모임 추천 방법을 나타내는 순서도이다.
단계 1410에서 본 발명의 제1 실시 예에 따른 알고리즘 선호도에 따른 모임 추천 결과에 점수가 부여된다. 부여되는 점수는 시스템이나 관리자에 의해 미리 정해진 일정한 점수이거나 전체 개수에 따라 부여되는 점수일 수 있다. 예를 들어, 알고리즘 선호도에 따라 추천된 모임의 개수가 20개인 경우, 가장 먼저 추천되는 모임에 부여되는 점수는 20점이고, 가장 끝에 추천되는 모임에 부여되는 점수는 1점일 수 있다.
단계 1420에서 본 발명의 제2 실시 예에 따른 조화도에 따른 모임추천 결과에 점수가 부여된다. 부여되는 점수는 시스템이나 관리자에 의해 미리 정해진 일정한 점수이거나 전체 개수에 따라 부여되는 점수일 수 있다. 예를 들어, 조화도에 따라 추천된 모임의 개수가 20개인 경우, 가장 먼저 추천되는 모임에 부여되는 점수는 20점이고, 가장 끝에 추천되는 모임에 부여되는 점수는 1점일 수 있다.
단계 1430에서 알고리즘 선호도에 따른 모임추천결과와 조화도에 따른 모임추천결과에 각각의 가중치가 곱해진다. 가중치는 균등하거나 각각 다른 값을 가질 수 있다.
단계 1440에서 합산점수가 가장 높은 순서대로 모임이 추천된다.도 15는 본 발명의 제3 실시예에 따른 빅데이터를 활용한 모임 추천 방법을 이용한 모임 추천 결과의 일례를 나타내는 도면이다.
알고리즘 선호도에 따른 모임 추천 결과 점수로서, A 모임에 5점, B 모임에 15점, C 모임에 10점이 부여된다.
조화도에 따른 모임 추천 결과 점수로서 A 모임에 15점, B 모임에 10점, C 모임에 5점이 부여된다.
알고리즘 선호도에 따른 모임추천결과점수에는 가중치 0.6이 부여되고, 조화도에 따른 모임추천결과점수에는 가중치 0.4가 부여된다. 가중치는 각각의 결과점수에 동일하거나 다르게 부여될 수 있다.
합산점수는 A 모임에 9점, B 모임에 13점, C 모임에 8점이 부여되고, 이에 따라 B 모임이 제 1 순위, A 모임이 제 2 순위, C 모임이 제 3 순위의 추천순위를 갖는다.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다.
이 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다.
이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어 카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 명세서가 속하는 기술분야의 통상의 지식을 가진 자는 본 명세서가 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 명세서의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 명세서의 범위에 포함되는 것으로 해석되어야 한다.
100: 모임 추천 시스템 200: 단말
210: 입력부 220: 표시부
230: 제1 통신부 240: 제1 저장부
250: 제1 제어부 300: 모임 추천 서버
310: 제2 통신부 320: 제2 제어부
330: 제2 저장부 340: 추천 모임 제공부
400: 사용자 500: 패키지 제공 서버

Claims (7)

  1. 사용자의 단말로부터 모임 추천 서버에 입력된 사용자의 연령, 성별, 취향, 관심사, 활동 성향 및 가능 시간 정보를 포함하는 특징 정보를 빅데이터로 구성하고, 미리 설치된 빅데이터 분석 알고리즘을 이용하여 사용자가 원하는 후보 모임을 포함하는 추천 후보 정보를 생성하는 모임 추천 시스템이고,
    상기 빅데이터 분석 알고리즘은 복수의 추천 알고리즘을 사용하여 추천 후보 정보를 생성하고, 기추천된 모임 정보의 사용 이력 정보를 수집하여 추천 알고리즘 각각에 대해서 선호도를 산출하며, 상기 산출된 선호도에 기반하여 추천 후보 정보를 생성하고, 상기 추천 후보 정보를 생성한 추천 알고리즘의 선호도 순으로 정렬하며, 정렬 결과를 이용하여 추천 후보 정보를 기설정된 수만큼 추천 모임 정보로 추출하며,
    사용자와 기존 모임에 속한 사용자간의 특성인 연령, 성별, 취향, 관심사, 활동 성향 및 가능 시간 정보에 대한 가중치를 부여하고, 사용자간 특성을 비교하여 동일하거나 유사한 경우 가중치를 더하거나 곱하여 조화도를 산출하며, 사용자와 모든 모임의 사용자간의 특성이 모두 비교되어 상기 조화도가 산출되었는지 판단하고, 상기 조화도가 모두 산출된 경우, 상기 조화도가 높은 순서대로 모임 정보를 정렬하고, 정렬 결과를 이용하여 기설정된 수만큼 추천 모임 정보로 추출하며,
    상기 추천 알고리즘의 선호도에 따른 추천 모임 정보 및 조화도에 따른 추천 모임 정보에 각각 기설정된 기준에 따라 점수를 부여하고, 상기 추천 알고리즘의 선호도에 따른 모임 추천 결과 및 조화도에 따른 추천 모임 정보에 각각의 가중치를 곱하여 합산 점수가 가장 높은 순서대로 모임을 추천하는 것을 특징으로 하는 빅데이터를 활용한 모임 추천 시스템.
  2. 제1항에 있어서,
    상기 복수의 추천 알고리즘은 협업 필터링(Collaborative Filtering) 알고리즘, 전체 사용자의 인기도에 기반한 알고리즘, 성별 인기도에 기반한 알고리즘, 연령별 인기도에 기반한 알고리즘 및 연관성 분석 (Association Rule Mining) 기반 추천 알고리즘 중 어느 둘 이상을 포함하는 것을 특징으로 하는 빅데이터를 활용한 모임 추천 시스템.
  3. 제1항에 있어서,
    상기 사용 이력 정보는 클릭 정보 및 모임 가입 정보 중 어느 하나 이상을 포함하고,
    상기 모임 추천 서버는,
    사용 이력 정보 중 클릭정보를 이용하는 경우, 클릭된 추천 모임 정보를 판별하고, 클릭된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위만큼 증가시켜 산출하고,
    사용 이력 정보 중 모임 가입 정보를 이용하는 경우, 가입된 추천 모임 정보를 판별하고, 가입된 추천 모임 정보를 추출하는데 이용된 추천 알고리즘의 선호도를 제1 기준 단위보다 큰 제2 기준 단위만큼 증가시켜 산출하는 것을 특징으로 하는 빅데이터를 활용한 모임 추천 시스템.
  4. 제3항에 있어서,
    상기 모임 추천 서버는
    추천 알고리즘의 선호도에 기반하여 결정되는 가중치를 더 고려하여 선호도를 증가시켜 산출할 수 있고,
    복수의 추천 알고리즘의 선호도를 정규화하여 각 추천 알고리즘에 대해 추천 비율을 산출하고, 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출하는 것을 특징으로 하는 빅데이터를 활용한 모임 추천 시스템.
  5. 제3항에 있어서,
    상기 모임 추천 서버는
    어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘보다 차순위의 선호도를 가지는 추천 알고리즘에 의해 생성된 추천 후보 정보 중에서 추천 모임 정보를 더 추출하여 보충할 수 있고,
    어느 하나의 추천 알고리즘에 의해 생성된 추천 모임 후보의 수가 추천 알고리즘의 추천 비율에 의해 계산되는 수보다 작은 경우, 추천 알고리즘을 이용하여 추출되는 추천 모임 정보의 수는 추천 모임 후보의 수일 수 있는 것을 특징으로 하는 빅데이터를 활용한 모임 추천 시스템.
  6. 사용자의 단말로부터 모임 추천 서버에 입력된 사용자의 연령, 성별, 취향, 관심사, 활동 성향 및 가능 시간 정보를 포함하는 특징 정보를 빅데이터로 구성하고, 미리 설치된 빅데이터 분석 알고리즘을 이용하여 사용자가 원하는 후보 모임을 포함하는 추천 후보 정보를 생성하는 모임 추천 방법이고,
    상기 빅데이터 분석 알고리즘은
    복수의 추천 알고리즘을 사용하여 추천 후보 모임을 포함하는 추천후보 정보를 하나 이상 생성하는 제1 단계;
    기 추천된 추천 모임 정보의 사용 이력 정보를 수집하는 제2 단계;
    상기 사용 이력 정보에 기반하여 추천 알고리즘 각각에 대해서 선호도를 산출하는 제3 단계;
    복수의 추천 알고리즘의 선호도에 기반하여 추천 후보 정보 중 적어도 일부를 추천 모임 정보로 추출하는 제4 단계;
    사용자와 기존 모임에 속한 사용자간의 특성인 연령, 성별, 취향, 관심사, 활동 성향 및 가능 시간 정보에 대한 가중치를 부여하는 제5 단계;
    사용자간 특성을 비교하여 동일하거나 유사한 경우 가중치를 더하거나 곱하여 조화도를 산출하는 제6 단계;
    사용자와 모든 모임의 사용자간의 특성이 모두 비교되어 상기 조화도가 산출되었는지 판단하는 제7 단계;
    상기 조화도가 모두 산출된 경우, 상기 조화도가 높은 순서대로 모임 정보를 정렬하고, 정렬 결과를 이용하여 기설정된 수만큼 추천 모임 정보로 추출하는 제8 단계; 및
    상기 추천 알고리즘의 선호도에 따른 추천 모임 정보 및 조화도에 따른 추천 모임 정보에 각각 기설정된 기준에 따라 점수를 부여하고, 상기 추천 알고리즘의 선호도에 따른 모임 추천 결과 및 조화도에 따른 추천 모임 정보에 각각의 가중치를 곱하여 합산 점수가 가장 높은 순서대로 모임을 추천하는 제9 단계;를 포함하는 것을 특징으로 하는 빅데이터를 활용한 모임 추천 방법
  7. 제6항에 있어서,
    상기 제4 단계는
    복수의 추천알고리즘의 선호도를 정규화하는 제1 과정;
    상기 정규화된 선호도에 기반하여 각 추천 알고리즘에 대해 추천 비율을 산출하는 제2 과정; 및
    상기 각 추천 알고리즘 별로 추천 비율을 이용하여 추천 모임 정보를 추출하는 제3 과정을 더 포함하는 것을 특징으로 하는 빅데이터를 활용한 모임 추천 방법
KR1020210009376A 2021-01-22 2021-01-22 빅데이터를 활용한 모임 추천 시스템 및 그 방법 KR102298585B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210009376A KR102298585B1 (ko) 2021-01-22 2021-01-22 빅데이터를 활용한 모임 추천 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210009376A KR102298585B1 (ko) 2021-01-22 2021-01-22 빅데이터를 활용한 모임 추천 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR102298585B1 true KR102298585B1 (ko) 2021-09-07

Family

ID=77796983

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210009376A KR102298585B1 (ko) 2021-01-22 2021-01-22 빅데이터를 활용한 모임 추천 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102298585B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102563160B1 (ko) * 2022-08-12 2023-08-03 주식회사 트레바리 사용자의 정보를 활용하여 독서 모임 서비스를 추천하는 방법, 장치 및 컴퓨터 프로그램
KR102576191B1 (ko) * 2022-08-19 2023-09-07 시놀(주) 시니어 사용자 간에 매칭 시스템의 제어 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150112089A (ko) * 2014-03-26 2015-10-07 에스케이플래닛 주식회사 추천 상품 제공 서비스 방법 및 이를 위한 장치
KR101736222B1 (ko) 2016-07-07 2017-05-16 강병철 모임 장소 추천 시스템 및 방법
KR102169382B1 (ko) * 2020-04-03 2020-10-23 성은숙 인공지능 기반의 맞춤형 전문가 상호 매칭 및 제안 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150112089A (ko) * 2014-03-26 2015-10-07 에스케이플래닛 주식회사 추천 상품 제공 서비스 방법 및 이를 위한 장치
KR101736222B1 (ko) 2016-07-07 2017-05-16 강병철 모임 장소 추천 시스템 및 방법
KR102169382B1 (ko) * 2020-04-03 2020-10-23 성은숙 인공지능 기반의 맞춤형 전문가 상호 매칭 및 제안 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102563160B1 (ko) * 2022-08-12 2023-08-03 주식회사 트레바리 사용자의 정보를 활용하여 독서 모임 서비스를 추천하는 방법, 장치 및 컴퓨터 프로그램
KR102576191B1 (ko) * 2022-08-19 2023-09-07 시놀(주) 시니어 사용자 간에 매칭 시스템의 제어 방법

Similar Documents

Publication Publication Date Title
CN109165249B (zh) 数据处理模型构建方法、装置、服务器和用户端
US8484149B1 (en) User interface for entering and viewing quantitatively weighted factors for decision choices
KR102298585B1 (ko) 빅데이터를 활용한 모임 추천 시스템 및 그 방법
US11556851B2 (en) Establishing a communication session between client terminals of users of a social network selected using a machine learning model
CN104718541A (zh) 从搜索请求中生成数字杂志的用户定义的章节
US11967177B2 (en) Method for managing item recommendation using degree of association between language unit and usage history
CN105279569A (zh) 职业生涯路径导航
CN112733042A (zh) 推荐信息的生成方法、相关装置及计算机程序产品
KR102370485B1 (ko) 상담사를 추천하기 위한 전자 장치 및 그 동작 방법
JP2023017921A (ja) コンテンツ推薦とソートモデルトレーニング方法、装置、機器、記憶媒体及びコンピュータプログラム
US10332161B2 (en) Retrieving reviews based on user profile information
CN111339406A (zh) 个性化推荐方法、装置、设备及存储介质
CN111967599A (zh) 用于训练模型的方法、装置、电子设备及可读存储介质
KR102414637B1 (ko) 코호트 분석 기반의 스포츠 강좌 매칭 방법 및 시스템
CN106557178B (zh) 用于更新输入法词条的方法及装置
CN111563198A (zh) 一种物料召回方法、装置、设备及存储介质
US20230334045A1 (en) Evaluating an Interpretation for a Search Query
JP7114307B2 (ja) 情報処理装置
KR20210043281A (ko) 소셜미디어 빅데이터 분석을 통한 커스텀 위젯의 시각적 제공 방법 및 이를 수행하는 서버
JP7128311B2 (ja) 文書種別の推奨方法、装置、電子機器、可読記憶媒体及びコンピュータプログラム製品
KR102371447B1 (ko) 딥 러닝 모델을 이용한 효율적인 토픽 작성 방법 및 장치
CN115080039A (zh) 前端代码生成方法、装置、计算机设备、存储介质和产品
US10699127B1 (en) Method and apparatus for adjusting parameter
KR20230035744A (ko) 외국계 기업의 취업 정보 큐레이션 서비스 제공 방법, 장치 및 시스템
CN111782794A (zh) 问答响应方法和装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant