KR102307095B1 - 패션 코디의 자동 추천 방법 및 시스템 - Google Patents

Abstract

본 발명은 패션 코디 자동 추천 시스템 및 자동 추천 방법에 관한 것으로서, 패션 아이템의 종류 및 벡터 특질을 이용하여 사용자가 입력하는 일부 패션 아이템에 어울리는 패션 아이템들을 자동으로 결합하여 패션 코디네이션들을 제공하는 시스템 및 방법에 관한 것이다. 보다 더 구체적으로 본 발명은, 패션에 관한 사용자의 질의 아이템이 사업자 아이템 DB로 입력되고, 상기 사업자 아이템 DB에서 질의 아이템의 종류(part) 및 벡터(vector)를 추출하여 레퍼런스 DB로 전송하는 단계; 상기 레퍼런스 DB에서 상기 질의 아이템의 벡터와의 유사도가 높은 벡터를 가진 유사 아이템들을 검색·추출한 후, 상기 유사 아이템들을 포함하는 레퍼런스 코디들을 검색·추출하는 단계; 상기 레퍼런스 DB에서 상기 레퍼런스 코디들에 포함되는 레퍼런스 아이템들을 추출한 후, 상기 레퍼런스 아이템들 각각에 대해 그 종류와 벡터를 산출하여 사업자 아이템 DB에 전송하는 단계; 상기 사업자 아이템 DB에서 상기 레퍼런스 아이템들의 벡터와 유사도가 높은 벡터를 가진 추천 아이템들을 검색·추출하는 단계; 상기 사업자 아이템 DB에서 질의 아이템과 추천아이템들을 결합하여 추천 코디들을 구성하고, 이를 정렬하여 사용자에 전송하는 단계;를 포함하는 패션 코디의 자동 추천 방법을 제공한다.

Description

패션 코디의 자동 추천 방법 및 시스템{The Automatic Recommendation System and Method of the Fashion Coordination}

본 발명은 패션 코디 자동 추천 시스템 및 자동 추천 방법에 관한 것으로서, 패션 아이템의 종류 및 벡터 특질을 이용하여 사용자가 입력하는 일부 패션 아이템에 어울리는 패션 아이템들을 자동으로 결합하여 패션 코디네이션들을 제공하는 시스템 및 방법에 관한 것이다.

최근 인터넷 기술 및 스마트 기기의 발달로 인해 온라인을 통한 각종 상품의 구매가 활발히 이루어지고 있다. 특히 온라인상에서 패션 의류를 구매하고자 하는 고객은, 패션 의류를 판매하는 사이트에 접속하여 해당 사이트에서 제공하는 의류를 일일이 열람하면서 자신의 취향에 맞는 의류를 선택하고 결제함으로써 패션 의류를 구매하게 되는 과정을 거치게 된다.

그런데, 의류를 판매하는 사이트를 운용하는 사업자는 기존의 의류 아이템과 더불어 적어도 매달 수백여개에 이르는 신규 의류 아이템을 해당 사이트에 업데이트하기 때문에 고객 입장에서는 의류 선택의 범위가 넓어짐과 동시에 오히려 많아진 의류 중에서 어느 하나를 선택하여야 하는 어려움을 겪기도 한다.

그러므로, 고객의 패션 의류 선택의 편의를 도모하기 위하여 최근 의류 판매 사이트 등에서는 고객을 위해 의류를 추천해 주는 서비스를 제공하고 있다.

이러한 종래의 의류의 추천 서비스의 방법으로서 유저(user) 기반 추천 방법과 아이템(item) 기반 추천 방법이 이용되고 있는데, 대한민국 특허등록 제1502681 호의 쇼핑몰 개인 맞춤 진열제공 시스템 및 이를 이용한 쇼핑몰 개인 맞춤 진열 제공방법과, 대한민국공개특허 제 10-2014-111225 호의 전자상거래 추천분석 시스템 및 추천 분석 방법에 유저(user) 기반 추천 방법과 아이템(item) 기반 추천 방법이 각각 공지되어 있다.

i) 위의 유저 기반 추천 방법은 해당 고객의 신체 조건, 선호하는 스타일 및 취향이 유사한 다른 고객이 선택한 의류를 해당 고객에게 추천하는 방법이라 할 수 있고, ii) 위의 아이템 기반 추천 방법은 과거 해당 고객이 사이트에서 선택하였던 의류와 유사한 신체 조건, 선호하는 스타일 및 취향을 가진 의류를 해당 고객에게 추천하는 방법이다.

그런데 이와 같은 종래의 의류의 추천 방식들은 의류의 유사도의 측정 기준이 일정하지 아니하여 객관성이 매우 부족한 단점이 있으며, 상품 하나별로 일일이 해당 제품을 구매한 고객의 신체 조건, 제품의 스타일과 취향, 제품의 클릭수 등의 추가적인 정보를 부여하여야 추천 방법의 적용이 가능하므로, 의류 판매자의 관리 수요 등이 증가하는 문제점이 있었다.

한편, 최근에는 각종 패션 의류를 미리 매칭해보거나 체험해 볼 수 있는 가상 체험 서비스를 제공하는 사이트도 늘어가고 있는데, 이러한 가상 체험 서비스는 사용자가 수많은 스타일의 상품을 하나씩 선택하여 자신의 사이즈 또는 기호와 맞는지 살펴볼 수 있지만, 너무나 많은 스타일을 하나씩 고르기 때문에 자신에게 적합한 상품 정보를 찾는 시간이나 노력 등이 많이 소요되는 문제점은 해결할 수 없었다.

또한, 이와 같은 쇼핑몰 사이트가 점차 많아지고 있고 비교해 볼 수 있는 상품 정보들이 증가하고 있으므로, 사용자가 더욱더 자신에게 적합한 상품 정보를 찾기란 점점 더 어렵고, 특히 고객이 마음에 두고 있는 하나의 패션 아이템(예: 상의)에 어울리는 다른 아이템(예; 하의, 신발)을 자동으로 추천하는 방식은 현재 행하여지고 있지 않다.

즉, 종래 기술들은 HTML 데이터, 검색 키워드, 클릭 뷰 상태, 해당 고객의 과거 구매이력 등의 단편적 데이터에 의존하여 상품을 추천함으로써 고객의 관심도 및 만족도를 정확하게 충족시킬 수 없는 단점이 있었다.

따라서, 해당 고객이 호감을 갖는 패션 아이템에 대해 패션 코디네이션을 완성할 수 있도록 자동적으로 추천 아이템들을 정렬, 현시함으로써 패션 아이템을 구매하는 고객의 노력 및 시간을 최소화하고, 구매욕을 상승시킬 수 있는 패션 아이템 추천 방식이 요구되고 있다.

본 발명은 전술한 종래기술의 문제점을 해결하기 위해 안출된 것으로서, 사용자가 입력하는 일부 패션 아이템에 어울리는 다른 패션 아이템들을 자동적으로 결합하여 패션 코디네이션을 제시함으로써, 사용자가 패션 아이템들을 용이하게 평가하고 구매할 수 있는 패션 코디 자동 추천 시스템 및 자동 추천 방법을 제공하는 것에 그 목적이 있다.

또한, 본 발명은 패션 아이템의 종류 및 벡터 특질을 이용하여 신속하게 유사 아이템, 레퍼런스 아이템, 추천 아이템을 정렬하여 다수의 완성된 패션 코디들을 제시함으로써, 빠른 시간 내에 사용자가 만족할만한 패션 코디들을 제시하여 사용자의 만족도를 높이면서 구매력을 향상시킬 수 있는 패션 코디 자동 추천 시스템 및 자동 추천 방법을 제공하는 것에 또 다른 목적이 있다.

본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 본 발명의 기재로부터 당해 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

전술한 종래기술의 문제점을 해결하기 위해 안출된 본 발명의 일측면에 의하면, (A) 패션에 관한 사용자의 질의 아이템이 사업자 아이템 DB로 입력되고, 상기 사업자 아이템 DB에서 질의 아이템의 종류(part) 및 벡터(vector)를 추출하여 레퍼런스 DB로 전송하는 단계; (B) 상기 레퍼런스 DB에서 상기 질의 아이템의 벡터와의 유사도가 높은 벡터를 가진 유사 아이템들을 검색·추출한 후, 상기 유사 아이템들을 포함하는 레퍼런스 코디들을 검색·추출하는 단계; (C) 상기 레퍼런스 DB에서 상기 레퍼런스 코디들에 포함되는 레퍼런스 아이템들을 추출한 후, 상기 레퍼런스 아이템들 각각에 대해 그 종류와 벡터를 산출하여 사업자 아이템 DB에 전송하는 단계; (D) 상기 사업자 아이템 DB에서 상기 레퍼런스 아이템들의 벡터와 유사도가 높은 벡터를 가진 추천 아이템들을 검색·추출하는 단계; (E) 상기 사업자 아이템 DB에서 질의 아이템과 추천아이템들을 결합하여 추천 코디들을 구성하고, 이를 정렬하여 사용자에 전송하는 단계;를 포함하는 패션 코디의 자동 추천 방법을 제공한다.

본 발명에서 상기 (A) 단계는, 상기 사업자 아이템 DB의 질의 아이템 벡터 산출 모듈에서 질의 아이템의 종류 및 벡터를 추출하여 레퍼런스 DB로 전송하는 것이 바람직하다.

본 발명에서 상기 (B)단계는, (B1) 상기 레퍼런스 DB의 유사 아이템 검색 모듈에서 질의 아이템의 벡터와의 유사도가 높은 벡터를 가진 유사 아이템들을 검색·추출하는 단계 및 (B2) 상기 레퍼런스 DB의 레퍼런스 코디 검색 모듈에서 상기 유사 아이템들을 포함하고 있는 레퍼런스 코디들을 검색·추출하는 단계로 형성되는 것이 바람직하다.

본 발명에서 상기 (C)단계는, (C1) 상기 레퍼런스 DB의 레퍼런스 아이템 추출 모듈을 통해 레퍼런스 코디들에 포함되는 레퍼런스 아이템들을 분리하여 추출하는 단계 및 (C2) 상기 레퍼런스 DB의 레퍼런스 아이템 벡터 산출 모듈을 통해 상기 레퍼런스 아이템들 각각에 대해 그 종류와 벡터를 산출한 후 사업자 아이템 DB에 전송하는 단계로 형성되는 것이 바람직하다.

본 발명에서 상기 (D)단계는, 상기 사업자 아이템 DB의 추천 아이템 검색 모듈에서 레퍼런스 아이템들의 벡터와의 유사도가 높은 벡터를 가진 추천 아이템들을 검색·추출하는 것이 바람직하다.

본 발명에서 상기 (E)단계는, (E1) 상기 사업자 아이템 DB의 추천 코디 구성모듈에서 질의 아이템과 추천아이템들을 결합하여 추천 코디들을 구성하는 단계 및 (E2) 사업자 아이템 DB의 추천 코디 정렬모듈에서 상기 추천 코디들을 정렬하고, 정렬된 순으로 사용자에 현시하는 단계로 형성되는 것이 바람직하다.

본 발명에서 상기 (C) 단계는, 상기 레퍼런스 코디들 중에서 질의아이템과 종류가 동일한 아이템을 제거하고, 질의아이템과 종류가 다른 아이템을 레퍼런스 아이템으로 추출하는 것이 바람직하다.

본 발명에서 상기 (C) 단계는, 상기 레퍼런스 DB의 레퍼런스 코디 품질 평가 모듈을 통해 기존에 입력되어 있던 코디들의 품질 점수가 상대적으로 높은 순으로 레퍼런스 코디들을 검색·추출하는 것이 바람직하다.

본 발명에서 상기 (E) 단계는, 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 또는 추천 아이템의 유사도 값 중 어느 2가지 이상의 인자를 곱하거나 평균값으로 산출하여 나온 결과를 기준으로 추천 코디들을 내림차순으로 정렬하여 사용자에 전송하는 것이 바람직하다.

본 발명에서 상기 (B)단계는, 상기 레퍼런스 DB의 유사 아이템 검색 모듈에서 상기 질의 아이템의 벡터와 유사도가 높은 벡터를 가진 5~10개의 유사 아이템들을 검색·추출하는 것이 바람직하다.

본 발명에서 상기 (D)단계는, 상기 사업자 아이템 DB의 추천 아이템 검색 모듈에서 레퍼런스 아이템들의 벡터와의 유사도가 높은 벡터를 가진 5~10개의 추천 아이템들을 검색·추출하는 것이 바람직하다.

전술한 종래기술의 문제점을 해결하기 위해 안출된 본 발명의 타측면에 의하면, 입력되는 사용자의 질의 아이템의 종류(part) 및 벡터(vector)를 추출하여 레퍼런스 DB로 전송하는 질의 아이템 벡터 산출 모듈; 상기 레퍼런스 DB로부터 입력되는 레퍼런스 아이템들의 벡터와의 유사도가 높은 벡터를 가진 추천 아이템들을 검색·추출하는 추천 아이템 검색 모듈; 사용자의 질의 아이템과 추천아이템들을 결합하여 추천 코디들을 구성하는 추천 코디 구성모듈; 및 상기 추천 코디들을 정렬하고, 정렬된 순으로 사용자에 전송하는 추천 코디 정렬모듈;을 포함하는 사업자 아이템 DB와, 상기 질의 아이템의 벡터와의 유사도가 가장 높은 벡터를 가진 유사 아이템들을 검색·추출하는 유사 아이템 검색 모듈; 상기 유사 아이템들을 포함하는 레퍼런스 코디들을 검색·추출하는 레퍼런스 코디 검색 모듈; 상기 레퍼런스 코디들에 포함되는 레퍼런스 아이템들을 각각 추출하는 레퍼런스 아이템 추출 모듈; 및 상기 레퍼런스 아이템들 각각에 대해 그 종류와 벡터를 산출한 후 사업자 아이템 DB에 전송하는 레퍼런스 아이템 벡터 산출 모듈;을 포함하는 레퍼런스 DB를 포함하는 패션 코디의 자동 추천 시스템을 제공한다.

본 발명에서 상기 레퍼런스 DB는, 코디들의 품질 점수를 고려하여 레퍼런스 코디들을 검색·추출하는 레퍼런스 코디 품질 평가 모듈을 더 포함하는 것이 바람직하다.

본 발명에서 상기 추천 코디 정렬모듈은, 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 또는 추천 아이템의 유사도 값 중 어느 2가지 이상의 인자를 곱하거나 평균값으로 산출하여 나온 결과를 기준으로 추천 코디들을 내림차순으로 정렬하여 사용자에 전송하는 것이 바람직하다.

본 발명에서 상기 레퍼런스 코디들은, 다수의 코디들을 미리 수요자에게 제시한 후, 수요자들이 소정 기준 이상의 점수를 부여한 코디들만의 집합인 것이 바람직하다.

본 발명에서 상기 아이템의 종류(part)는, 상의, 하의, 외투, 신발, 가방, 기타 액세서리로 분류되는 것이 바람직하다.

본 발명에서 상기 질의 아이템은, 사용자 단말기를 통해 입력되거나 또는 사업자 아이템 DB와 연결된 디스플레이 패널을 통해 입력되는 것이 바람직하다.

본 발명에서 상기 유사 아이템은, 상기 질의 아이템과 아이템의 종류(part)가 동일한 것이 바람직하다.

*본 발명에서 상기 코디는, 적어도 상의 및 하의를 포함한 패션세트이거나 또는 상의 및 하의에 신발, 외투, 가방, 기타 액세서리 중 어느 하나 이상을 포함한 패션세트인 것이 바람직하다.

본 발명의 패션 코디 자동 추천 시스템 및 자동 추천 방법에 의하면, 사용자가 입력하는 일부 패션 아이템에 어울리는 다른 패션 아이템들을 자동적으로 결합하여 패션 코디네이션을 제시함으로써, 사용자가 패션 아이템들을 용이하게 평가하고 구매할 수 있는 효과가 있다.

또한, 본 발명에 의하면, 패션 아이템의 종류 및 벡터 특질을 이용하여 신속하게 유사 아이템, 레퍼런스 아이템, 추천 아이템을 정렬하여 다수의 완성된 패션 코디들을 제시함으로써, 빠른 시간 내에 사용자가 만족할만한 패션코디들을 제시하여 사용자의 만족도를 높이면서 구매력을 향상시킬 수 있는 효과가 있다.

도 1은 본 발명의 실시예에 따른 패션 코디 자동 추천 시스템의 구성도.
도 2는 본 발명의 실시예에 따른 패션 아이템을 벡터공간에 매핑하는 모습을 나타낸 예시도.
도 3은 본 발명의 실시예에 따른 패션 코디 자동 추천방법의 순서도.
도 4는 본 발명의 실시예에 따른 패션 코디 자동 추천 시스템의 스텝별 각종 데이터 흐름도.
도 5는 본 발명의 실시예에 따른 질의 아이템을 입력한 후 추천 코디가 현시되는 모습을 나타낸 예시도.
도 6은 본 발명의 실시예에 따른 질의 아이템과 추천 아이템이 결합된 추천 코디가 현시되는 모습을 나타낸 예시도.
도 7은 본 발명의 실시예에 따른 질의 아이템과 추천 아이템들이 결합 및 정렬되는 모습을 나타낸 예시도.
도 8은 본 발명의 실시예에 따른 사용자 단말기 상에서 추천 코디들이 현시되는 모습을 나타낸 예시도.
도 9는 본 발명의 실시예에 따른 질의 아이템 입력 및 추천 코디들이 현시되는 모습을 나타낸 예시도.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

본 발명은 종래기술의 문제점을 해결하기 위해, 사용자가 호감을 갖거나 관심이 있어하는 패션 아이템(질의 아이템)에 대해 딥 러닝(Deep Learning) 기술을 적용하고, 패션 아이템의 종류 및 매핑된 벡터 특질을 이용하여 유사 아이템, 레퍼런스 아이템, 추천 아이템들을 순차적으로 추출한 후, 사용자의 질의 아이템에 추천 아이템들을 결합하여 다수의 추천 코디(coordination; 이하 '코디' 또는 'cody'라 함)를 신속하게 자동적으로 제시하는 패션 코디의 자동 추천 시스템 및 자동 추천 방법을 제시한다.

도 1은 본 발명의 실시예에 따른 패션 코디 자동 추천 시스템의 구성도이다.

본 발명은 사업자 아이템 DB(100)과 레퍼런스 DB(200)을 포함하여 구성된다.

상기 사업자 아이템 DB(100)는, 입력되는 사용자의 질의 아이템의 종류(part) 및 벡터(vector)를 추출하여 레퍼런스 DB(200)로 전송하는 질의 아이템 벡터 산출 모듈(110)과, 상기 레퍼런스 DB(200)로부터 입력되는 레퍼런스 아이템들의 벡터와 유사도가 높은 벡터를 가진 추천 아이템들을 검색·추출하는 추천 아이템 검색 모듈(120)과, 사용자의 질의 아이템과 추천아이템들을 결합하여 추천 코디들을 구성하는 추천 코디 구성모듈(130) 및 상기 추천 코디들을 정렬하고, 정렬된 순으로 사용자에 전송하는 추천 코디 정렬모듈(140)을 포함하여 구성될 수 있다.

한편, 상기 레퍼런스 DB(200)는, 상기 질의 아이템의 벡터와의 유사도가 가장 높은 벡터를 가진 유사 아이템들을 검색·추출하는 유사 아이템 검색 모듈(210)과, 상기 유사 아이템들을 포함하는 레퍼런스 코디들을 검색·추출하는 레퍼런스 코디 검색 모듈(220)과, 상기 레퍼런스 코디들에 포함되는 레퍼런스 아이템들을 각각 추출하는 레퍼런스 아이템 추출 모듈(230) 및 상기 레퍼런스 아이템들 각각에 대해 그 종류와 벡터를 산출한 후 사업자 아이템 DB에 전송하는 레퍼런스 아이템 벡터 산출 모듈(240)을 포함하여 구성될 수 있다.

그리고, 상기 레퍼런스 DB(200)는, 코디들의 품질 점수를 고려하여 레퍼런스 코디들을 검색·추출하는 레퍼런스 코디 품질 평가 모듈(250)을 더 구비할 수 있다.

상기 사용자의 질의 아이템(410)은, 사용자가 패션 아이템 검색 중 관심이 있거나 호감을 가진 아이템일 수 있으며, 사용자 단말기(300) 상에서 다수의 패션 아이템 중 사업자 아이템 DB(100)에 문의할 질의 아이템(410)을 선택하거나 또는 사업자 아이템 DB와 연결된 디스플레이 패널(미도시) 등을 통해 입력될 수 있다.

본 발명에서는 질의 아이템(410), 유사 아이템(420), 레퍼런스 아이템(440) 및 추천 아이템(450)의 종류(part)와 벡터(vector)를 추출하여 이용할 수 있는 바, 여기서 아이템(item)의 종류(part)는 상의, 하의, 외투, 신발, 가방, 기타 액세서리로 분류될 수 있다.

다만, 본 발명에서는 위의 아이템 종류의 분류에 한정되는 것은 아니고, 발명의 필요에 따라 남성용과 여성용 아이템의 종류로 분류되는 것도 가능하며, i) 남성용인 경우, 와이셔츠, 티셔츠, 정장 상의, 하의, 가디건, 외투, 신발, 가방, 허리띠, 넥타이, 넥타이 핀, 시계, 모자 등으로 세분화하여 분류할 수 있으며, ii) 여성용인 경우, 블라우스, 티셔츠, 정장 상의, 하의, 원피스, 투피스, 가디건, 외투, 신발, 가방, 스카프, 숄, 시계, 목걸이, 팔찌, 모자 등으로 분류할 수 있을 것이다. 상기 아이템의 벡터(vector) 추출 및 이용 등에 관해서는 자세히 후술하기로 한다.

상기 유사 아이템(420)은 질의 아이템(410)과 아이템의 종류(part)가 동일한 것이 바람직하며, 예컨대 질의 아이템(410)이 상의 중 와이셔츠 아이템에 관한 것이라면, 유사 아이템(420)도 상의 중 와이셔츠 아이템으로 추출될 수 있다.

상기 레퍼런스 DB(200)에 의해, 상기 유사 아이템(420)은 그 벡터와 질의 아이템(410)의 벡터를 비교하여 가장 높은 유사도를 가진 유사 아이템(420)들을 추출할 수 있으며, 가장 높은 유사도를 가진 순서대로 5~10개의 유사 아이템을 추출할 수 있는데, 반드시 이에 한정되는 것은 아니고 발명의 필요에 따라 5~100여개의 범위 안에서 유사 아이템을 추출할 수 있을 것이다.

본 발명에서 상기 코디(cody)는, 적어도 상의 및 하의를 포함한 패션세트이거나 또는 상의 및 하의에 신발, 외투, 가방, 기타 액세서리 중 어느 하나 이상을 포함한 패션세트의 의미로 정의될 수 있다.

즉, 상기 코디(cody)는 최소한 상의 및 하의를 포함하여야 하며, 더 나아가 고객의 요구 등에 의해 상하의에 신발, 외투, 가방, 기타 액세서리 중 어느 하나 이상을 더 추가하여 패션 세트인 코디를 형성할 수 있을 것이다.

상기 레퍼런스 코디(430)는 레퍼런스 DB(200)에 의해 추출되는 유사 아이템(420)을 포함하고 있는 코디를 의미한다. 만일 추출된 유사 아이템(420)이 티셔츠라면, 해당 티셔츠를 포함하고 있는 패션 세트로서, 하의, 신발 등을 더 포함하고 있는 패션 세트라 할 수 있다.

상기 레퍼런스 코디(430)들은, 미리 레퍼런스 DB(200)에 저장되게 되는데, 다수의 코디들을 미리 수요자에게 제시한 후, 수요자들이 소정 기준 이상의 점수를 부여한 코디들만의 집합을 모아서 저장할 수 있을 것이다. 예컨대, 수백, 수천 종의 코디들을 설문에 참여한 수요자에게 제시한 후, 수요자의 만족도 점수가 50점을 상회하면 레퍼런스 코디(430)로 채택하여 저장할 수 있을 것이다.

상기 수요자의 만족도 점수는 레퍼런스 코디(430)에 대한 데이터 수집 시 같이 수집되는 메타 데이터일 수 있으며, 각종 패션 사이트의 사용자가 부여한 점수 또는 호감표시를 클릭한 수를 기준으로 생성한 값일 수 있다.

상기 레퍼런스 아이템(440)은, 레퍼런스 코디(430)에 속해 있는 아이템들로서 이 중 질의 아이템(410)과 종류가 다른 아이템을 지칭하는 것이다. 즉, 만일 질의 아이템(410)이 상의라면, 레퍼런스 아이템(440)은 상의가 될 수 없고, 하의, 신발, 기타 액세서리만이 레퍼런스 아이템으로 추출될 것이다.

상기 추천 아이템(450)은 레퍼런스 아이템(440)과 종류가 같으면서 벡터의 유사도가 높은 아이템으로서, 사업자 아이템 DB(100)에 저장되어 있는 아이템 중에서 레퍼런스 아이템(440)과 벡터 유사도가 높은 5~100여개의 범위에 속하는 아이템 중 사용자가 요구하는 범위의 아이템을 추출한 것일 수 있다.

상기 추천 아이템(450)은 레퍼런스 아이템(440)과 종류가 동일한 아이템이므로, 질의 아이템(410)의 종류와는 다른 종류의 아이템이 추출될 것이다.

상기 추천 코디(460)는 질의 아이템(410)과 추천 아이템(450)을 결합한 것으로서, 양자는 종류가 다른 아이템이기에 곧바로 패션 세트로 결합이 가능하다.

상기 추천 코디 정렬모듈(140)은, 다수의 추천 코디(460)들을 정렬하여 사용자에 현시하는 기능을 수행하게 되는데, 이 때 정렬의 기준은 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 또는 추천 아이템의 유사도 값 중 어느 2가지 이상의 인자를 곱하거나 또는 평균값을 산출하여 나온 결과를 기준으로 내림차순으로 정렬하여 사용자에 전송한다.

즉, 상기 추천 코디(460)들의 정렬기준은, [(레퍼런스 코디의 품질 점수) X (유사 아이템의 유사도 값)], [(레퍼런스 코디의 품질 점수) X (추천 아이템의 유사도 값)], [(유사 아이템의 유사도 값) X (추천 아이템의 유사도 값)] 또는 [(레퍼런스 코디의 품질 점수) X (유사 아이템의 유사도 값) X (추천 아이템의 유사도 값)] 중 어느 하나의 결과를 기준으로 내림차순으로 정렬할 수 있다.

또한, 발명의 필요에 따라 상기 추천 코디(460)들의 정렬기준은, '레퍼런스 코디의 품질 점수와 유사 아이템의 유사도 값의 평균값' 또는 '레퍼런스 코디의 품질 점수와 추천 아이템의 유사도 값의 평균값' 또는 '유사 아이템의 유사도 값과 추천 아이템의 유사도 값의 평균값' 또는 '레퍼런스 코디의 품질 점수와, 유사 아이템의 유사도 값과, 추천 아이템의 유사도 값의 평균값' 중 어느 하나의 결과를 기준으로 내림차순으로 정렬할 수 있다.

여기서 상기 평균값은 산술평균값, 기하평균값, 조화평균값 중 어느 하나의 평균값 일 수 있으며, 경우에 따라 상기 평균값은 선형결합(linear combination)에 의한 산출값(linear sum)으로 대체하는 것도 가능할 것이다.

상기 '레퍼런스 코디의 품질 점수'는 설문조사에 참여한 수요자들이 부여한 평균 점수이고, 상기 '유사 아이템의 유사도 값'은 질의 아이템과의 벡터 유사도 값을 의미하며, 상기 '추천 아이템의 유사도 값'은 레퍼런스 아이템과의 벡터 유사도 값을 의미한다.

다만, 상기 추천 코디(460)들의 정렬기준은 위의 예시에 한정되는 것은 아니고, 발명의 필요에 따라 질의 아이템, 유사아이템, 레퍼런스 아이템 및 추천 아이템 개개의 상품 속성, 수요자 만족도 또는 벡터 특질을 더 조합하여 정렬의 기준으로 삼을 수도 있을 것이다.

여기서, 상기 수요자의 만족도는 각 아이템에 대한 정보 수집 시 함께 수집되는 메타 데이터일 수 있으며, 각종 패션 사이트의 사용자가 개별 아이템에 대해 부여한 점수, 호감표시를 클릭한 수, 댓글 수, 페이지 조회수 등에 기초하여 생성한 값일 수 있다.

상기 사업자 아이템 DB(100) 및 레퍼런스 DB(200)는 그 내부에 데이터를 저장하는 데이터베이스의 기능과 각종 기능성 모듈을 포함하여 데이터 흐름을 제어하는 서버의 기능을 동시에 수행할 수 있다.

도 2는 본 발명의 실시예에 따른 패션 아이템을 벡터공간에 매핑하는 모습을 나타낸 예시도이다.

본 발명의 사업자 아이템 DB(100) 및 레퍼런스 DB(200)는 각종 패션 아이템들의 이미지 및 정보를 저장할 수 있으며, 국내외 패션 쇼핑몰 사이트 등으로부터 패션 아이템들의 이미지 및 정보를 수집하여 저장할 수 있을 것이다.

한편, 사업자 아이템 DB(100) 및 레퍼런스 DB(200)는 패션 아이템(510)의 이미지 데이터를 미리 설정된 벡터 공간(520) 상의 특정 위치(530)에 매핑할 수 있고, 이로부터 해당 패션 아이템의 종류(카테고리 벡터) 및 벡터 정보를 취득할 수 있다.

그리고, 특정 아이템으로부터 이와 유사한 벡터 특질을 갖는 아이템을 추출하는 방식의 예를 보면, 우선 특정 아이템의 이미지 데이터를 미리 설정된 벡터 공간 상의 특정 위치에 매핑하여 그 이미지 데이터에 대응되는 기초 벡터를 획득하고, 이와 같이 획득된 기초 벡터와 특정 아이템의 카테고리 벡터를 이용하여 유사 벡터를 획득한 후 이에 기초하여 특정 아이템과 다른 패션 아이템의 이미지 데이터를 획득할 수 있다.

참고로 상기 '카테고리 벡터'란 패션 아이템의 카테고리에 대응되는 벡터 공간의 소정의 영역 내의 벡터들에 기초하여 결정된 벡터일 수 있다. 즉 상기 카테고리 벡터는 패션 아이템의 카테고리에 대응되는 벡터 공간의 소정의 영역 내의 벡터들의 평균에 해당하는 벡터일 수 있으며, 예를 들어 '긴팔 상의' 라는 패션 상품 카테고리의 카테고리 벡터는 긴팔 상의라는 패션 상품 카테고리에 대응되는 벡터 공간의 소정의 영역 내의 복수의 긴팔 상의 벡터들의 평균에 해당하는 벡터일 수 있다.

한편, 본 발명에서 패션 아이템의 벡터는 각 아이템의 이미지로부터 추출한 특질 벡터일 수 있으며, CNN 계열의 이미지 특질 추출 방식을 적용하여 추출할 수 있을 것이다.

또한, 본 발명에서 각종 아이템 간 유사성은 Cosine similarity, jaccard similarity 등의 벡터 유사도 산출방식을 적용하여 산출할 수 있다.

도 3은 본 발명의 실시예에 따른 패션 코디 자동 추천방법의 순서도이고, 도 4는 본 발명의 실시예에 따른 패션 코디 자동 추천 시스템의 스텝별 각종 데이터 흐름도이다.

본 발명은 (A) 패션에 관한 사용자의 질의 아이템(410)이 사업자 아이템 DB(100)로 입력되고, 상기 사업자 아이템 DB(100)에서 질의 아이템(410)의 종류(part) 및 벡터(vector)를 추출하여 레퍼런스 DB(200)로 전송하는 단계; (B) 상기 레퍼런스 DB(200)에서 상기 질의 아이템(410)의 벡터와의 유사도가 높은 벡터를 가진 유사 아이템(420)들을 검색·추출한 후, 상기 유사 아이템(420)들을 포함하는 레퍼런스 코디(430)들을 검색·추출하는 단계; (C) 상기 레퍼런스 DB(200)에서 상기 레퍼런스 코디(430)들에 포함되는 레퍼런스 아이템(440)들을 추출한 후, 상기 레퍼런스 아이템(440)들 각각에 대해 그 종류와 벡터를 산출하여 사업자 아이템 DB(100)에 전송하는 단계; (D) 상기 사업자 아이템 DB(100)에서 상기 레퍼런스 아이템(440)들의 벡터와 유사도가 높은 벡터를 가진 추천 아이템(450)들을 검색·추출하는 단계; (E) 상기 사업자 아이템 DB(100)에서 질의 아이템(410)과 추천아이템(450)들을 결합하여 추천 코디(460)들을 구성하고, 이를 정렬하여 사용자에 전송하는 단계;를 포함하는 패션 코디의 자동 추천 방법을 제공한다.

이와 같은 본 발명의 패션 코디 자동 추천방법의 스텝별 순서를 자세하게 살펴보면 아래와 같다.

먼저, 패션에 관한 사용자의 질의 아이템(410)이 사업자 아이템 DB(100)로 입력된다(S11). 상기 질의 아이템(410)은 사용자 단말기(300) 상에서 선택되어 입력될 수도 있고, 사업자 아이템 DB(100)와 연결된 디스플레이 패널 등을 통해 입력될 수도 있다. 사용자는 자신의 선택한 질의 아이템(410)과 어울리는 다른 아이템들을 추천받기 위해 질의 아이템을 입력하는 것이라고 할 수 있고, 종국적으로는 질의 아이템(410)에 어울리는 추천 아이템(450)들을 결합하여 추천 코디(460)의 형태로 사용자에 제시하게 된다.

이어서, 상기 사업자 아이템 DB의 질의 아이템 벡터 산출 모듈(110)에서 질의 아이템(410)의 종류 및 벡터를 추출하여 레퍼런스 DB(200)로 전송하는 단계를 거친다(S12).

도 4를 참조하면, 질의 아이템 벡터 산출 모듈(110)의 일례로서 해시 테이블(hash table)의 일종인 질의 아이템 벡터 산출 테이블(v_dict_vdb)를 예시하고 있다.

본 발명에서 모든 아이템들은 아이템 고유번호(iid)를 갖고 있으며, 이와 같은 아이템 고유번호(iid)는 사업자 아이템 DB(100)와 레퍼런스 DB(100)에 각각 저장될 수 있다.

상기 질의 아이템 벡터 산출 테이블(v_dict_vdb)은 질의 아이템의 고유번호(iid) 값을 기준으로 아이템의 종류(part) 및 벡터(vector)를 빠르게 탐색하여 추출하는 기능을 수행할 수 있다.

이어서, 상기 레퍼런스 DB의 유사 아이템 검색 모듈(210)에서 질의 아이템(410)의 벡터와의 유사도가 높은 벡터를 가진 유사 아이템(420)들을 검색·추출하는 단계를 거친다(S13).

도 4를 참조하면, 유사 아이템 검색 모듈(210)의 일례로서 해시 테이블(hash table)의 일종인 유사 아이템 검색 테이블(r_sep_vdb)를 도시하고 있다. 상기 유사 아이템 검색 테이블(r_sep_vdb)은 질의 아이템(410)과 높은 벡터 유사도를 가진 유사 아이템(420)의 고유번호(iid)를 추출하여 레퍼런스 코디 검색 모듈(220)로 전달하는 기능을 수행한다.

상기 유사 아이템 검색 테이블(r_sep_vdb)은 벡터를 기준으로 한 유사성 검색을 효율적으로 수행하기 위하여 종류(part) 별로 분리하여 인덱싱된 것으로서, 빠른 벡터 검색을 위하여 Locality Sensitive Hashing 등의 방식으로 인덱싱 기능을 수행할 수 있다.

상기 유사 아이템 검색 모듈(210)은 발명의 필요에 따라 질의 아이템(410)의 벡터와 유사도가 높은 벡터를 가진 5~10개의 유사 아이템(420)들을 검색·추출하여 레퍼런스 코디 검색 모듈(220)로 전달할 수 있을 것이다.

이후, 상기 레퍼런스 코디 검색 모듈(220)에서 유사 아이템(420)들을 포함하고 있는 레퍼런스 코디(430)들을 검색·추출하는 단계를 거친다(S 14).

본 발명에서 레퍼런스 DB(200)에는 미리 레퍼런스 코디(430)들의 집합이 저장되어 있고, 각 레퍼런스 코디(Reference Cody)는 고유번호(cid)를 구비하고, 그 고유번호(cid) 또한 레퍼런스 DB(200)에 저장될 수 있다.

도 4를 참조하면, 레퍼런스 코디 검색 모듈(220)의 일례로서 해시 테이블(hash table)의 일종인 레퍼런스 코디 검색 테이블(r_iid_to_cid)를 도시하고 있다. 상기 레퍼런스 코디 검색 테이블(r_iid_to_cid)은 추출된 유사 아이템(420)을 포함하고 있는 레퍼런스 코디(430)의 고유번호(cid)를 추출하여 레퍼런스 아이템 추출 모듈(230)로 전달하는 기능을 수행한다.

한편, 이 때, 레퍼런스 코디 품질 평가 모듈(250)을 통해 기존에 입력되어 있던 코디들의 품질 점수가 상대적으로 높은 순으로 레퍼런스 코디(430)들을 검색·추출할 수 있다. 상기 코디들의 품질 점수는 전술한 바대로, 다수의 코디들을 수요자에게 제시한 후, 수요자들이 평가한 평균 점수라 할 수 있다.

이어서, 상기 레퍼런스 아이템 추출 모듈(230)을 통해 레퍼런스 코디(430)들에 포함되는 레퍼런스 아이템(440)들을 분리하여 추출하는 단계를 거친다(S 15).

도 4를 참조하면, 레퍼런스 아이템 추출 모듈(230)의 일례로서 해시 테이블(hash table)의 일종인 레퍼런스 아이템 추출 테이블(r_cid_to_iid)를 도시하고 있다.

상기 레퍼런스 아이템 추출 테이블(r_cid_to_iid)은 추출된 레퍼런스 코디(430)의 고유번호(cid)를 기초로 이에 속해 있는 레퍼런스 아이템(440)의 고유번호(iid)를 추출하여 레퍼런스 아이템 벡터 산출 모듈(240)로 전달하는 기능을 수행한다.

다만, 상기 레퍼런스 아이템 추출 모듈(230)은 레퍼런스 코디(430)들 중에서 질의아이템(410)과 종류(part)가 동일한 아이템을 제거하고, 질의아이템(410)과 종류가 다른 아이템을 레퍼런스 아이템(440)으로 추출하게 된다. 이는 본 발명이 사용자가 관심을 갖고 있는 질의아이템(410)은 그대로 두고 상기 질의아이템(410)에 어울리는 다른 종류의 아이템을 결합하여 추천 코디를 제시하기 위함이다.

이후, 레퍼런스 아이템 벡터 산출 모듈(240)을 통해 상기 레퍼런스 아이템(440)들 각각에 대해 그 종류와 벡터를 산출한 후 사업자 아이템 DB의 추천 아이템 검색 모듈(120)로 전송하는 단계를 거친다(S 16).

도 4를 참조하면, 레퍼런스 아이템 벡터 산출 모듈(240)의 일례로서 해시 테이블(hash table)의 일종인 레퍼런스 아이템 벡터 산출 테이블(r_dict_vdb)를 도시하고 있다.

상기 레퍼런스 아이템 벡터 산출 테이블(r_dict_vdb)은 레퍼런스 아이템(440)의 고유번호(iid)를 기초로 그 종류와 벡터를 산출하여 추천 아이템 검색 모듈(120)로 전달하는 기능을 수행하게 된다.

그리고, 사업자 아이템 DB(100)의 추천 아이템 검색 모듈(120)에서 레퍼런스 아이템(440)들의 벡터와의 유사도가 높은 벡터를 가진 추천 아이템(450)들을 검색·추출하는 단계를 거친다(S 17).

도 4를 참조하면, 추천 아이템 검색 모듈(120)의 일례로서 해시 테이블(hash table)의 일종인 추천 아이템 검색 테이블(v_sep_vdb)를 도시하고 있다.

상기 추천 아이템 검색 테이블(v_sep_vdb)은 레퍼런스 아이템(440)들과 상대적으로 높은 벡터 유사도를 갖는 추천 아이템(450)들의 고유번호(iid)를 추출하여 추천 코디 구성모듈(130)로 전달하는 기능을 수행하게 된다.

상기 추천 아이템 검색 테이블(v_sep_vdb)도 벡터를 기준으로 한 유사성 검색을 효율적으로 수행하기 위하여 종류(part) 별로 분리하여 인덱싱된 것으로서, 빠른 벡터 검색을 위하여 Locality Sensitive Hashing 등의 방식으로 인덱싱 기능을 수행할 수 있다.

상기 추천 아이템 검색 모듈(120)은 레퍼런스 아이템(440)들의 벡터와의 유사도가 높은 벡터를 가진 5~10개의 추천 아이템(450)들을 검색·추출하여 추천 코디 구성모듈(130)로 전달할 수 있다.

이어서, 추천 코디 구성모듈(120)에서 질의 아이템(410)과 추천아이템(450)들을 결합하여 다수의 추천 코디들을 구성하는 단계를 거친다(S 18).

이미 사업자 아이템 DB에는 질의 아이템의 고유번호(iid)와 새롭게 전달된 추천아이템들의 고유번호(iid)를 모두 구비하고 있기 때문에, 질의 아이템과 추천아이템들의 고유번호(iid)에 기초하여 추천 코디(460)들을 용이하게 생성할 수 있다.

그리고, 추천 코디 정렬모듈(140)에서 상기 추천 코디(450)들을 소정의 기준에 의해 정렬하는 단계를 거친다(S 19). 즉, 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 또는 추천 아이템의 유사도 값 중 어느 2가지 이상의 인자를 곱하거나 평균값을 산출하여 나온 결과를 기준으로 추천 코디들을 내림차순으로 정렬하여 사용자에 전송하게 된다.

상기 정렬된 추천코디들의 수는 5~10개일 수 있으나, 반드시 이에 한정되는 것은 아니고 발명의 필요에 따라 5~100여개의 범위 내라면 어떠한 개수라도 채택될 수 있을 것이다.

마지막으로, 정렬된 추천 코디(450)들을 사용자에 현시하는 단계를 거치게 된다(S 20).

즉, 상기 추천 코디 정렬모듈(140)로부터 사용자 단말기(300)에 추천 코디(450)들을 정렬된 순으로 전송할 수 있거나 또는 사업자 아이템 DB(100)에 연결되거나 부착되어 있는 디스플레이 화면을 통해 사용자에 현시하는 것도 가능할 것이다.

도 5는 본 발명의 실시예에 따른 질의 아이템을 입력한 후 추천 코디가 현시되는 모습을 나타낸 예시도이다.

도 5는 본 발명의 패션 코디의 자동 추천 방식을 압축적으로 나타낸 것으로서, 사용자가 질의 아이템(410)으로 티셔츠를 선택하고 입력하는 경우, 질의 아이템(410)과 벡터 유사도가 높은 티셔츠를 유사 아이템(420)을 추출하게 된다.

이와 같이 유사 아이템(420)으로 추출된 티셔츠가 포함되어 있는 레퍼런스 코디(430)를 검색하여 추출한 후, 레퍼런스 코디(430) 중 질의 아이템(410)과 종류가 동일한 유사 아이템(420)을 제거하고, 그 종류가 다른 레퍼런스 아이템(440)만을 추출하여 이와 벡터 유사도가 높은 추천 아이템(450)을 검색·추출하게 된다.

즉, 상기 추천 아이템(450)들은 질의 아이템(410)과 종류가 다른 하의, 신발 등에 한정되게 되므로, 종국적으로 티셔츠인 질의 아이템(410)을 하의, 신발인 추천 아이템(450)과 결합하여 추천 코디(460)를 구성하고 이를 사용자에 현시하게 된다.

도 5는 하나의 추천 코디(460)만을 도시하고 있으나, 사용자가 현시되는 추천 코디(460)가 마음에 들지 않으면 내림차순으로 정렬되어 있는 다수의 추천 코디(460)들을 신속하게 제시하여 사용자가 열람할 수 있도록 할 수 있다.

도 6은 본 발명의 실시예에 따른 질의 아이템과 추천 아이템이 결합된 추천 코디가 현시되는 모습을 나타낸 예시도이다.

도 6은 사용자가 질의 아이템(410)으로 블라우스를 입력한 경우, 이에 어울리는 추천 아이템(450)으로 다수의 치마를 추천하여 제시하고 있는 모습을 확인할 수 있다.

본 발명은 사용자 단말기(300)의 설정에 따라 추천 코디(460)를 하나씩 현시하게 할 수도 있고, 추천 코디(460)들을 다수개 한꺼번에 현시하게 하도록 설정할 수 있을 것이다.

한편, 사업자 아이템 DB(100)의 추천 코디 정렬모듈(140)이 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 또는 추천 아이템의 유사도 값 중 어느 2가지 이상의 인자를 곱하거나 그 평균값을 산출하여 나온 결과를 기준으로 추천 코디(460)들을 내림차순으로 정렬하여 사용자에 현시하기 때문에, 도 6의 하단에서와 같이 추천 코디(460)별 품질 점수를 같이 현시할 수 있는 장점이 있다.

도 7은 본 발명의 실시예에 따른 질의 아이템과 추천 아이템들이 결합 및 정렬되는 모습을 나타낸 예시도이다.

도 7은, 추천 코디 정렬모듈(140)이 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 또는 추천 아이템의 유사도 값 중 어느 2가지 이상의 인자를 곱하거나 또는 평균값을 산출 나온 결과를 기준으로 추천 코디(460)들을 내림차순으로 정렬하는 모습을 나타내고 있다.

이 때, 질의 아이템(410)에 다수의 추천 아이템(450)들이 결합되는 경우에는 각 추천 아이템마다 [(레퍼런스 코디의 품질 점수) X (유사 아이템의 유사도 값)], [(레퍼런스 코디의 품질 점수) X (추천 아이템의 유사도 값)], [(유사 아이템의 유사도 값) X (추천 아이템의 유사도 값)] 또는 [(레퍼런스 코디의 품질 점수) X (유사 아이템의 유사도 값) X (추천 아이템의 유사도 값)] 중 어느 하나의 결과를 평균하여 최종적으로 추천 코디별 품질 점수를 산출할 수 있을 것이다.

또한, 전술한 바대로 발명의 필요에 따라 상기 추천 코디(460)들의 정렬기준은, '레퍼런스 코디의 품질 점수와 유사 아이템의 유사도 값의 평균값' 또는 '레퍼런스 코디의 품질 점수와 추천 아이템의 유사도 값의 평균값' 또는 '유사 아이템의 유사도 값과 추천 아이템의 유사도 값의 평균값' 또는 '레퍼런스 코디의 품질 점수와, 유사 아이템의 유사도 값과, 추천 아이템의 유사도 값의 평균값' 중 어느 하나의 결과를 기준으로도 정렬할 수 있을 것이다.

도 8은 본 발명의 실시예에 따른 사용자 단말기 상에서 추천 코디들이 현시되는 모습을 나타낸 예시도이고, 도 9는 본 발명의 실시예에 따른 질의 아이템 입력 및 추천 코디들이 현시되는 모습을 나타낸 예시도이다.

즉, 본 발명에서 사용자는 사용자 아이템 DB(100)에 접속하여 사용자 아이템 DB(100)가 저장하고 있는 각종 아이템 중 어느 하나를 질의 아이템(410)으로 선택하여 입력하는 것도 가능하고, 실제 인터넷 검색 중 발견한 아이템 또는 매장에서 촬영한 아이템 등을 질의 아이템(410)으로 선택하여 입력하여 추천 코디(460)를 제시받을 수 있다.

만일 실제 인터넷 검색 중 발견한 아이템 또는 매장에서 촬영한 아이템의 고유번호(iid)를 사업자 아이템 DB(100)가 보유하고 있지 아니한 경우에는 질의 아이템을 가장 근접한 벡터 유사도를 갖는 아이템으로 교체한 후, 추천 코디(460)를 구성하여 제시할 수 있을 것이다.

이와 같이 본 발명에 의하면, 사용자가 입력하는 일부 패션 아이템에 어울리는 다른 패션 아이템들을 자동적으로 결합하여 패션 코디네이션을 제시하되, 패션 아이템의 종류 및 벡터 특질을 이용하여 신속하게 유사 아이템, 레퍼런스 아이템, 추천 아이템을 정렬하여 다수의 완성된 패션 코디들을 제시함으로써, 빠른 시간 내에 품질 점수가 보장되는 다수의 추천 코디들을 제시하여 사용자의 만족도를 높이면서 구매력을 향상시킬 수 있는 장점이 있다.

이상 본 발명의 구체적 실시형태와 관련하여 본 발명을 설명하였으나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 범위를 벗어나지 않고 설명된 실시형태를 변경 또는 변형할 수 있으며, 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능하다.

100: 사용자 아이템 DB
110: 질의 아이템 벡터 산출 모듈
120: 추천 아이템 검색 모듈
130: 추천 코디 구성 모듈
140: 추천 코디 정렬 모듈
200: 레퍼런스 DB
210: 유사 아이템 검색 모듈
220: 레퍼런스 코디 검색 모듈
230: 레퍼런스 아이템 추출 모듈
240: 레퍼런스 아이템 벡터 산출 모듈
250: 레퍼런스 코디 품질 평가 모듈
300: 사용자 단말기
410: 질의 아이템
420: 유사 아이템
430: 레퍼런스 코디
440: 레퍼런스 아이템
450: 추천 아이템
460: 추천 코디
470: 추천 코디 평가 점수
510: 패션 아이템
520: 벡터 공간
530: 벡터 공간 상 특정 위치

Claims (5)

1. (A) 사용자 단말기를 통해 패션에 관한 사용자의 질의 아이템이 사업자 아이템 DB로 입력되고, 상기 사업자 아이템 DB의 질의 아이템 벡터 산출 모듈에서 질의 아이템의 종류(part) 및 벡터(vector)를 추출하여 레퍼런스 DB로 전송하는 단계;
   (B) 상기 레퍼런스 DB의 유사 아이템 검색 모듈에서 상기 질의 아이템의 벡터와의 유사도가 가장 높은 벡터를 가진 아이템 순으로 5~10개의 유사 아이템들을 검색·추출한 후, 상기 레퍼런스 DB의 레퍼런스 코디 검색 모듈에서 상기 유사 아이템들을 포함하는 레퍼런스 코디들을 검색·추출하는 단계;
   (C) 상기 레퍼런스 DB의 레퍼런스 아이템 추출 모듈을 통해 상기 레퍼런스 코디들에 포함되는 레퍼런스 아이템들을 분리하여 추출한 후, 상기 레퍼런스 DB의 레퍼런스 아이템 벡터 산출 모듈을 통해 상기 레퍼런스 아이템들 각각에 대해 그 종류와 벡터를 산출하여 사업자 아이템 DB에 전송하는 단계;
   (D) 상기 사업자 아이템 DB의 추천 아이템 검색 모듈에서 상기 레퍼런스 아이템들의 벡터와 유사도가 가장 높은 벡터를 가진 아이템 순으로 5~10개의 추천 아이템들을 검색·추출하는 단계; 및
   (E) 상기 사업자 아이템 DB의 추천 코디 구성모듈에서 질의 아이템과 추천아이템들을 결합하여 추천 코디들을 구성하고, 상기 사업자 아이템 DB의 추천 코디 정렬모듈에서 상기 추천 코디들을 정렬하고, 이를 정렬하여 사용자에 전송하는 단계;를 포함하되,
   상기 (E) 단계는,
   상기 사업자 아이템 DB의 추천 코디 정렬모듈에서 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 및 추천 아이템의 유사도 값의 선형결합(linear combination)에 의한 산출값(linear sum)을 기준으로 추천 코디들을 내림차순으로 정렬하여 사용자에 전송하고,
   상기 (C) 단계는,
   상기 레퍼런스 DB의 레퍼런스 코디 품질 평가 모듈을 통해 기존에 입력되어 있던 코디들의 품질 점수가 높은 순으로 레퍼런스 코디들을 검색·추출하되,
   상기 레퍼런스 코디들 중에서 질의아이템과 종류가 동일한 아이템을 제거하고, 질의아이템과 종류가 다른 아이템을 레퍼런스 아이템으로 추출하는 것을 특징으로 하는 패션 코디의 자동 추천 방법.
   
2. 제1항의 패션 코디의 자동 추천 방법을 수행하는 패션 코디의 자동 추천 시스템에 있어서,
   입력되는 사용자의 질의 아이템의 종류(part) 및 벡터(vector)를 추출하여 레퍼런스 DB로 전송하는 질의 아이템 벡터 산출 모듈;
   상기 레퍼런스 DB로부터 입력되는 레퍼런스 아이템들의 벡터와의 유사도가 가장 높은 벡터를 가진 아이템 순으로 추천 아이템들을 검색·추출하는 추천 아이템 검색 모듈;
   사용자의 질의 아이템과 추천아이템들을 결합하여 추천 코디들을 구성하는 추천 코디 구성모듈; 및
   상기 추천 코디들을 정렬하고, 정렬된 순으로 사용자에 전송하는 추천 코디 정렬모듈;을 포함하는 사업자 아이템 DB와,
   상기 질의 아이템의 벡터와의 유사도가 가장 높은 벡터를 가진 유사 아이템들을 검색·추출하는 유사 아이템 검색 모듈;
   상기 유사 아이템들을 포함하는 레퍼런스 코디들을 검색·추출하는 레퍼런스 코디 검색 모듈;
   상기 레퍼런스 코디들에 포함되는 레퍼런스 아이템들을 각각 추출하는 레퍼런스 아이템 추출 모듈;
   상기 레퍼런스 아이템들 각각에 대해 그 종류와 벡터를 산출한 후 사업자 아이템 DB에 전송하는 레퍼런스 아이템 벡터 산출 모듈; 및
   코디들의 품질 점수를 고려하여 레퍼런스 코디들을 검색·추출하는 레퍼런스 코디 품질 평가 모듈; 을 포함하는 레퍼런스 DB를 구비하되,
   상기 추천 코디 정렬모듈은, 레퍼런스 코디의 품질 점수, 유사 아이템의 유사도 값 및 추천 아이템의 유사도 값의 선형결합(linear combination)에 의한 산출값(linear sum)을 기준으로 추천 코디들을 내림차순으로 정렬하여 사용자에 전송하고,
   상기 레퍼런스 코디들은 다수의 코디들을 미리 수요자에게 제시한 후, 수요자들이 소정 기준 이상의 점수를 부여한 코디들만의 집합이며,
   상기 유사 아이템은 상기 질의 아이템과 아이템의 종류(part)가 동일한 것을 특징으로 하는 패션 코디의 자동 추천 시스템.
   
3. 제2항에 있어서, 상기 아이템의 종류(part)는,
   상의, 하의, 외투, 신발, 가방, 기타 액세서리로 분류되는 것을 특징으로 하는 패션 코디의 자동 추천 시스템.
   
4. 제2항에 있어서, 상기 질의 아이템은,
   사용자 단말기를 통해 입력되거나 또는 사업자 아이템 DB와 연결된 디스플레이 패널을 통해 입력되는 것을 특징으로 하는 패션 코디의 자동 추천 시스템.
   
5. 제2항에 있어서, 상기 코디는,
   적어도 상의 및 하의를 포함한 패션세트이거나 또는 상의 및 하의에 신발, 외투, 가방, 기타 액세서리 중 어느 하나 이상을 포함한 패션세트인 것을 특징으로 하는 패션 코디의 자동 추천 시스템.

Images