KR102307517B1 - 네트워크 기반 상품 추천 방법 및 장치 - Google Patents

네트워크 기반 상품 추천 방법 및 장치 Download PDF

Info

Publication number
KR102307517B1
KR102307517B1 KR1020190114032A KR20190114032A KR102307517B1 KR 102307517 B1 KR102307517 B1 KR 102307517B1 KR 1020190114032 A KR1020190114032 A KR 1020190114032A KR 20190114032 A KR20190114032 A KR 20190114032A KR 102307517 B1 KR102307517 B1 KR 102307517B1
Authority
KR
South Korea
Prior art keywords
product
similar
group
user
interest
Prior art date
Application number
KR1020190114032A
Other languages
English (en)
Other versions
KR20210032691A (ko
Inventor
김철진
Original Assignee
인하공업전문대학산학협력단
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 인하공업전문대학산학협력단 filed Critical 인하공업전문대학산학협력단
Priority to KR1020190114032A priority Critical patent/KR102307517B1/ko
Publication of KR20210032691A publication Critical patent/KR20210032691A/ko
Application granted granted Critical
Publication of KR102307517B1 publication Critical patent/KR102307517B1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

네트워크 기반 상품 추천 방법 및 장치가 개시된다. 네트워크 기반 상품 추천 방법은, 상품별 상품속성값을 이용하여 상품 간 유사도를 산출하고, 산출된 유사도에 따라 유사상품 그룹을 생성하는 단계, 생성된 유사상품 그룹을 이용하여 학습 모델을 생성하는 단계, 사용자 단말로부터 사용자의 관심상품 정보를 수신하는 단계 및 관심상품 정보의 수신에 따라 학습모델을 이용하여 사용자의 관심상품과 유사도가 가장 높은 유사상품 그룹을 산출하고, 산출된 유사상품 그룹의 상품을 추천 상품으로 결정하는 단계를 포함한다.

Description

네트워크 기반 상품 추천 방법 및 장치{Method and apparatus of recommending goods based on network}
본 발명은 상품 추천 방법 및 장치에 관한 것으로, 보다 상세하게는 네트워크에 접속 가능한 컴퓨팅 디바이스에 의해 제공되는 상품 추천 방법 및 장치에 관한 것이다.
최근, 시간에 상관없이 쇼핑할 수 있고, 쇼핑 시간을 절감할 수 있으며, 또한 오프라인을 통해 구매할 경우보다 싼 가격으로 구매할 수 있는 전자상거래 시스템이 널리 보급되어 많은 사용자들이 원하는 사이트에 접속하여 쇼핑하고, 전시된 상품을 구매한다. 전자상거래 시스템은 각 상품을 제조하는 제조업체나 상품을 판매하는 판매업체들에 의해 제공될 뿐만 아니라, 일반 오프라인에서의 상점과 같이 여러 사람에 의해 다양하게 꾸며진 전자상거래 사이트가 많이 구축 및 보급되었다.
이러한 전자상거래 시스템은 인터넷을 통해 접속하는 방문자 또는 구매자에게 상품 구매를 유도하기 위하여 방문자 또는 구매자에게 적합한 추천상품을 결정하여 추천하는 상품 추천 서비스를 다양한 방식으로 제공하고 있다.
그러나, 기존 전자상거래 기업이 사용하고 있는 추천 기술인 협업적 필터링(Collaboration Filtering)이나 빅데이터(Big Data) 기술은 추천의 정확도에 대한 불확실성과 방대한 데이터의 분석으로 인해 실시간 서비스의 한계가 있었다.
한편, 기존의 온라인 상품 추천 서비스의 범위를 넘어서 오프라인과 온라인 환경에 적합한 추천 서비스에 대한 수요가 증가하고 있다.
따라서, O2O(Offline to Online) 기술을 적용하려는 전자상거래 기업에서 온라인과 오프라인 환경에서 상품 추천 서비스를 제공할 수 있는 기술이 요구되고 있다.
대한민국 공개특허공보 제10-2015-0027441호(2015.03.12) 대한민국 등록특허공보 제10-0433242호(2004.05.17)
본 발명은 온라인 환경 및 오프라인 환경 모두에서 구매자에게 상품 추천 서비스의 제공이 가능하며, 인공지능 기술을 통해 생성되는 지능형 학습모델을 이용하여 사용자의 관심상품 또는 주문상품과 관련성이 높은 추천상품을 결정하는 네트워크 기반 상품 추천 방법 및 장치를 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 네트워크에 접속 가능한 컴퓨팅 디바이스에 의해 수행되는 네트워크 기반 상품 추천 방법이 개시된다.
본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법은, 상품별 상품속성값을 이용하여 상품 간 유사도를 산출하고, 상기 산출된 유사도에 따라 유사상품 그룹을 생성하는 단계, 상기 생성된 유사상품 그룹을 이용하여 학습 모델을 생성하는 단계, 사용자 단말로부터 사용자의 관심상품 정보를 수신하는 단계 및 상기 관심상품 정보의 수신에 따라 상기 학습모델을 이용하여 상기 사용자의 관심상품과 유사도가 가장 높은 유사상품 그룹을 산출하고, 상기 산출된 유사상품 그룹의 상품을 추천 상품으로 결정하는 단계를 포함한다.
상기 관심상품 정보는, 상기 사용자의 상품정보 검색, 상품 구매예약 또는 상품구매 중 적어도 하나의 사용자 행위에 따라 상기 사용자 단말에 의하여 획득되거나, 상기 사용자가 관심을 가진 상품에 구비된 센서로 상기 사용자 단말을 근접시키면, 상기 센서로부터 상기 사용자 단말에 의하여 획득된다.
상기 유사상품 그룹을 생성하는 단계는, 전체 상품 중 어느 하나의 상품과 나머지 상품 각각에 대하여 상품속성 항목별 상품속성값 차이의 평균을 산출하는 단계, 상기 산출된 평균이 가장 작은 나머지 상품을 유사도가 가장 높은 대표유사상품으로 결정하는 단계 및 각 상품을 상기 대표유사상품으로 매핑한 후, 상기 대표유사상품을 기준으로 매핑된 적어도 하나의 상품과 상기 대표유사상품을 하나의 유사상품 그룹으로 그룹핑하는 단계를 포함한다.
상기 생성된 유사상품 그룹은 추천대상이 되는 상품그룹이며, 상기 학습 모델의 입력데이터는 상기 유사상품 그룹이고, 상기 학습모델의 출력데이터는 상기 유사상품 그룹의 각 상품을 대표하여 나타내는 식별자이다.
상기 산출된 유사상품 그룹의 상품을 추천 상품으로 결정하는 단계는, 상기 관심상품의 상품속성 항목별 상품속성값을 추출하는 단계, 상기 추출된 관심상품의 상품속성값을 학습모델에 입력하여 유사도가 가장 높은 유사상품 그룹의 식별자를 산출하는 단계, 상기 산출된 유사상품 그룹의 식별자를 이용하여, 유사상품 그룹의 각 상품의 정보와 식별자를 매핑한 테이블로부터 상기 산출된 유사상품 그룹의 각 상품의 상품 정보를 추출하는 단계 및 상기 상품 정보를 상기 사용자 단말로 전송하는 단계를 포함한다.
본 발명의 다른 측면에 따르면, 네트워크 기반 상품 추천 장치가 개시된다.
본 발명의 실시예에 따른 네트워크 기반 상품 추천 장치는, 명령어를 저장하는 메모리 및 상기 명령어를 실행하는 프로세서를 포함하되, 상기 명령어는, 상품별 상품속성값을 이용하여 상품 간 유사도를 산출하고, 산출된 유사도에 따라 유사상품 그룹을 생성하는 단계, 상기 생성된 유사상품 그룹을 이용하여 학습 모델을 생성하는 단계, 사용자 단말로부터 사용자의 관심상품 정보를 수신하는 단계 및 상기 관심상품 정보의 수신에 따라 상기 학습모델을 이용하여 상기 사용자의 관심상품과 유사도가 가장 높은 유사상품 그룹을 산출하고, 산출된 유사상품 그룹의 상품을 추천 상품으로 결정하는 단계를 포함하는 네트워크 기반 상품 추천 방법을 수행한다.
본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법 및 장치는, 온라인 환경 및 오프라인 환경 모두에서 구매자에게 상품 추천 서비스의 제공이 가능하며, 인공지능 기술을 통해 생성되는 지능형 학습모델을 이용하여 사용자의 관심상품 또는 주문상품과 관련성이 높은 추천상품을 결정함으로써, 추천상품의 정확도 향상으로 상품 추천 서비스에 대한 사용자 만족도를 향상시키고, 오프라인 상품매장에서 사용자 상품 추천을 통해 매출을 증대시킬 수 있다.
도 1은 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법이 구현될 수 있는 시스템 환경을 개략적으로 예시하여 나타낸 도면.
도 2는 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 나타낸 흐름도.
도 3 내지 도 5는 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 설명하기 위한 도면.
도 6은 본 발명의 실시예에 따른 네트워크 기반 상품 추천 장치의 구성을 개략적으로 예시한 도면.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 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, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 본 발명의 다양한 실시예들을 첨부된 도면을 참조하여 상술하겠다.
도 1은 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법이 구현될 수 있는 시스템 환경을 개략적으로 예시하여 나타낸 도면이다.
본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법은 네트워크 연결 가능한 사용자 단말 및 서버를 통해 구현될 수 있다.
도 1에서, 모바일 디바이스(10) 및 데스크탑(20)은 네트워크 접속 가능한 사용자 단말의 일례이다. 예시된 모바일 디바이스(10) 및 데스크탑(20) 이외에도 네트워크에 접속하여 네트워크를 통하여 정보를 전송하고 수신할 수 있는 컴퓨팅 디바이스라면 모두 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법의 사용자 단말이 될 수 있다. 사용자는 오프라인 매장에서 또는 온라인 매장을 통해 재화 또는 용역을 구매하고자 하는 구매자로서, 사용자 단말을 통해 정보를 제공하거나 획득할 수 있다.
본 명세서에서 '서버'란 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법에 의한 상품 추천 서비스를 제공하는 컴퓨팅 디바이스로서, 하나 또는 둘 이상의 물리적 개체일 수 있다. 서버가 복수의 물리적 개체로 나뉘어 구현될 때, 각각의 물리적 개체의 관리 주체는 서로 상이할 수 있다. '서버'에는 각각의 데이터베이스에 대응되는 정보를 저장하는 소프트웨어 및 하드웨어의 기능적 구조적 결합을 의미하는 DB가 포함될 수 있으며, DB는 적어도 하나의 테이블로 구현될 수도 있으며, 데이터베이스에 저장된 정보를 검색, 저장, 및 관리하기 위한 별도의 DBMS(Database Management System)을 더 포함할 수도 있다. 또한, 링크드 리스트(linked-list), 트리(Tree), 관계형 데이터베이스의 형태 등 다양한 방식으로 구현될 수 있으며, 데이터베이스에 대응되는 정보를 저장할 수 있는 모든 데이터 저장매체 및 데이터 구조를 포함한다.
도 1에서, 전자상거래 서버(e-Commerce Server)(40)와 AI 서버(Artificial Intelligence Server)(50)는, 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 수행하는 네트워크 접속 가능한 디바이스의 일례로 제시된 것이다. 도 1의 전자상거래 서버(40)와 AI 서버(50)는 물리적으로 분리된 개체로 도시되어 있으나, 이는 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 구현하는 장치 구성의 수 많은 실시예 중 하나에 불과하다. 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 구현하는 장치는 상술한 바와 같이 하나의 물리적 개체에 서로 다른 논리적 개체로 구성되거나 하나의 물리적 개체로 구현될 수 있다.
도 1에 도시된 바와 같이, 상품 추천을 받는 사용자는 사용자 단말(10, 20)을 통해 네트워크를 통해 서버(40, 50)에 정보를 전송하거나 서버(40, 50)로부터 상품 추천 정보를 수신할 수 있다. 사용자는 오프라인 환경(가령, 상품을 전시 판매하는 오프라인 매장)이나 온라인 환경(가령, 네트워크상의 쇼핑몰)에서 관심상품 정보를 서버(40, 50)에 제공할 수 있다.
여기서, 사용자 단말(10, 20)에 의해 서버(40, 50)에 제공되는 관심상품 정보는 서버(40, 50)에 의해 사용자의 관심상품으로 인식될 수 있는 상품 식별자일 수 있다. 예를 들어, 상품 식별자는 상품 아이디, 상품의 이미지, 상품명, 1차원 또는 2차원의 상품 코드 등 다양한 형태로 제공될 수 있다.
상품 식별자는 사용자의 상품정보 검색, 상품 구매예약 또는 상품구매 중 적어도 하나의 사용자 행위에 따라 사용자 단말(10, 20)에 의하여 획득될 수 있다.
도 1의 예에서, 사용자는 사용자 단말(10, 20)을 통해 전자상거래 서버(40)에 접속하여 관심상품을 검색하거나 상품 관련 정보를 확인하거나, 구매 예약을 하거나 구매를 하는 행위를 할 수 있는데, 이러한 사용자의 행위로부터 사용자의 관심상품을 파악하여 관심상품의 상품 식별자를 획득할 수 있다. 즉, 온라인 환경에서는, 사용자가 관심상품을 특정하여 제공하는 별도의 절차 없이, 사용자가 전자상거래 서버(40)에 접속하여 쇼핑을 하는 과정을 통해 사용자의 관심상품 정보를 획득하도록 하여 사용자의 번거로움을 피할 수 있다.
한편, 도 1의 오프라인 환경에서, 사용자가 오프라인 매장에서 쇼핑하며 관심을 가진 상품에 구비된 센서(30)로 모바일 디바이스(10)를 근접시키면, 모바일 디바이스(10)는 센서(30)로부터 센서 아이디를 수신함으로써, 사용자의 관심상품의 상품 식별자를 획득할 수 있다. 여기서, 센서 아이디는 해당 상품의 상품 식별자를 포함할 수 있으며, 모바일 디바이스(10)는 수신한 센서 아이디로부터 상품 식별자를 추출할 수 있다.
예를 들어, 센서(30)는 능동태그 또는 수동태그로서, 사용자가 모바일 디바이스(10)를 상품의 태그에 태깅하거나 상품의 태그 부착 부분에 근접시키면, 모바일 디바이스(10)는 NFC 모듈 또는 비콘(Beacon) 모듈을 이용하여 태그로부터 해당 상품의 상품 식별자를 획득할 수 있다.
사용자 단말(10, 20)로부터 관심상품 식별자를 수신한 전자상거래 서버(40)는 상품정보 DB(41)를 참조하여 상품을 검색할 수 있다. 그리고, 전자상거래 서버(40)는 AI 서버(50)로 상품 식별자를 제공하여 AI 서버(50)가 학습할 수 있도록 하고, AI 서버(50)로부터 상품 추천 정보를 받아 사용자 단말(10, 20)로 제공할 수 있다. 앞서 설명한 바와 같이 전자상거래 서버(40)와 AI 서버(50)는 물리적으로 하나의 개체일 수 있으며, 실시예에 따라서는 수개의 서버로 구성될 수 있다.
도 2는 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 나타낸 흐름도이고, 도 3 내지 도 5는 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 설명하기 위한 도면이다. 이하에서는, 도 2를 중심으로 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 설명하되, 도 3 내지 도 5를 참조하기로 한다. 또한, 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 수행하는 주체로서, 전자상거래 서버(40) 및 AI 서버(50)와 같은 네트워크 접속 가능한 디바이스를 네트워크 기반 상품 추천 장치로 통칭하여 설명하기로 한다.
S210 단계에서, 네트워크 기반 상품 추천 장치는 상품별 상품속성값을 이용하여 상품 간 유사도를 산출하고, 산출된 유사도에 따라 유사상품 그룹을 생성한다.
예를 들어, 네트워크 기반 상품 추천 장치는 도 3의 (a)에 도시된 바와 같은 분류화된 상품 거래 목록을 데이터베이스(상품정보 DB(41))에 구비할 수 있다. 도 3의 (a)를 참조하면, 분류화된 상품 거래 목록은 거래된 상품별로 스타일(style), 브랜드(brand), 카테고리(category) 등에 대한 상품속성값이 매핑되어 있다. 각 상품속성 항목의 상품속성값은 정량화하여 전처리한 데이터로, 미리 설정된 기준에 따라 상품별로 정의될 수 있다.
그리고, 상품 간 유사도는 도 3의 (b)에 도시된 바와 같이 산출될 수 있다. 즉, 도 3의 (b)를 참조하면, 상품 P1부터 상품 P5까지 순차적으로 상품 간 유사도가 산출될 수 있다.
우선, 상품 P1과 상품 P2 ~ P6 각각에 대하여 상품속성 항목별로 상품속성값 차이가 산출되고, 상품속성 항목별 상품속성값 차이의 평균이 산출되며, 산출된 평균을 비교하여 상품 P2 ~ P6 중에서, 상품속성값 차이의 평균이 가장 작은 상품 P5가 상품 P1과 유사도가 가장 높은 상품으로 결정될 수 있다.
다음으로, 동일한 방식으로, 상품 P2와 상품 P3 ~ P6 각각에 대하여 상품속성 항목별 상품속성값 차이의 평균이 산출되며, 산출된 평균을 비교하여 상품 P3 ~ P6 중에서, 상품속성값 차이의 평균이 가장 작은 상품 P5가 상품 P1과 유사도가 가장 높은 상품으로 결정될 수 있다.
이와 같은 방식으로 전체 상품에 대하여 상품 간 유사도가 산출되어 각 상품의 유사도가 가장 높은 상품이 결정될 수 있다.
즉, 본 발명의 실시예에 따른 네트워크 기반 상품 추천 장치는, 전체 상품 중 어느 하나의 상품과 나머지 상품 각각에 대하여 상품속성 항목별 상품속성값 차이의 평균을 산출하고, 산출된 평균이 가장 작은 나머지 상품을 유사도가 가장 높은 유사상품으로 결정할 수 있다.
그리고, 네트워크 기반 상품 추천 장치는, 도 3의 (c)에 도시된 바와 같이, 각 상품을 유사도가 가장 높은 대표유사상품으로 매핑한 후, 대표유사상품을 기준으로 매핑된 적어도 하나의 상품과 대표유사상품을 하나의 유사상품 그룹으로 그룹핑할 수 있다.
S220 단계에서, 네트워크 기반 상품 추천 장치는 생성된 유사상품 그룹을 이용하여 학습 모델을 생성한다.
생성된 유사상품 그룹은 추천대상이 되는 상품그룹으로서, 학습 모델의 입력데이터가 되며, 학습모델의 출력데이터는 해당 유사상품 그룹의 각 상품을 대표하여 나타내는 식별자(id)이다.
예를 들어, 도 4의 (a) 도시된 바와 같이, 유상상품 그룹의 각 상품의 상품속성값인 P1의 (2, 3, 6), P2의 (3, 4, 5), P4의 (1, 4, 7), P5의 (2, 4, 5)가 인공지능 학습을 위한 입력데이터가 될 수 있다. 이러한 입력데이터에 대응되는 출력데이터는 유상상품 그룹의 각 상품의 정보인 P1, P2, P4, P5로서, 이를 하나의 정보로 관리하기 위하여 도 4의 (b) 도시된 바와 같이, R1_2_4_5와 같은 식별자로 나타내어 질 수 있다. 그리고, 도 4의 (c) 도시된 바와 같이, 유상상품 그룹의 각 상품의 정보와 해당 식별자를 매핑한 테이블이 데이터베이스에 저장되어 관리될 수 있으며, 도 4의 (d)에 도시된 바와 같은 형식으로 학습모델이 생성될 수 있다.
S230 단계에서, 네트워크 기반 상품 추천 장치는 사용자 단말(10, 20)로부터 사용자의 관심상품 정보를 수신한다. 여기서, 관심상품 정보는 네트워크 기반 상품 추천 장치가 사용자의 관심상품으로 인식할 수 있는 상품 식별자일 수 있다.
예를 들어, 관심상품의 상품 식별자는 사용자의 상품정보 검색, 상품 구매예약 또는 상품구매 중 적어도 하나의 사용자 행위에 따라 사용자 단말(10, 20)에 의하여 획득되며, 사용자 단말(10, 20)은 획득한 관심상품의 상품 식별자를 네트워크 기반 상품 추천 장치로 전송할 수 있다.
또는, 관심상품의 식별자는 사용자가 관심을 가진 상품에 구비된 센서(30)로부터 사용자 단말(10)에 의하여 획득되며, 이때, 사용자 단말(10)은 센서(30)로부터 해당 상품의 상품 식별자를 포함하는 센서 아이디를 수신할 수 있다.
S240 단계에서, 네트워크 기반 상품 추천 장치는 사용자의 관심상품 정보의 수신에 따라 학습모델을 이용하여 관심상품과 유사도가 가장 높은 유사상품 그룹을 산출하고, 산출된 유사상품 그룹의 상품을 추천 상품으로 결정한다. 그리고, 네트워크 기반 상품 추천 장치는 결정된 추천 상품의 상품 정보를 관심상품 정보를 전송한 사용자 단말(10, 20)로 전송할 수 있다.
예를 들어, 도 5에 도시된 바와 같이, 네트워크 기반 상품 추천 장치는 온라인 행위 또는 오프라인 행위에 의하여 생성된 관심상품 정보를 수신하면, 관심상품 정보를 이용하여 데이터베이스에서 관심상품의 상품속성 항목별 상품속성값을 추출하고, 추출된 관심상품의 상품속성값을 학습모델에 입력하여 유사도가 가장 높은 유사상품 그룹의 식별자를 산출할 수 있다. 이어, 네트워크 기반 상품 추천 장치는 산출된 유사상품 그룹의 식별자를 이용하여, 유사상품 그룹의 각 상품의 정보와 식별자를 매핑한 테이블로부터 유사상품 그룹의 각 상품의 상품 정보를 추출할 수 있다.
이때, 유사도가 가장 높은 유사상품 그룹은 전술한 상품속성 항목별 상품속성값 차이의 평균을 비교하는 방식으로 산출될 수 있다. 즉, 관심상품과 각 유사상품 그룹의 상품속성값 차이의 평균을 산출하여 비교하여, 평균이 가장 작은 유사상품 그룹이 유사도가 가장 높은 유사상품 그룹으로 결정될 수 있다. 여기서, 상품속성값 차이의 평균은 유사상품 그룹을 대표하는 대표유사상품과 관심상품에 대해서 산출될 수 있다. 대표유사상품은 전술한 바와 같이, 적어도 하나의 상품으로부터 유사도가 가장 높은 상품으로 매핑된 상품이다.
또는, 유사도가 가장 높은 유사상품 그룹은 상품 추천의 정확도를 높이기 위하여, 하기 수학식으로 산출되는 추천 정확도(Accuracyrecommend)를 이용하여 산출될 수 있다.
Figure 112019094769223-pat00001
여기서, Attrtarget은 관심상품의 상품속성값이고, Attrsource은 유사상품 그룹의 상품 중 적어도 하나의 상품의 상품속성값이다. 예를 들어, Attrsource은 유사상품 그룹을 대표하는 대표유사상품의 상품속성값일 수 있다.
즉, 추천 정확도는 관심상품과 유사상품 그룹의 유사도를 나타내는 것으로, 상품속성값 차이의 평균을 비교하는 방식보다 더 정확히 유사도가 가장 높은 유사상품 그룹을 산출하게 할 수 있다.
한편, 네트워크 기반 상품 추천 장치는 미리 설정된 기준에 따라 다수의 유사상품 그룹을 추천 정확도에 따라 정확도 수준을 부여하여 분류할 수도 있다.
예를 들어, 네트워크 기반 상품 추천 장치는 추천 정확도가 0.8 ~ 1인 유사상품 그룹들을 높음(High), 추천 정확도가 0.5 ~ 0.79인 유사상품 그룹들을 중간(Medium), 추천 정확도가 0.49이하인 유사상품 그룹들을 낮음(Low)으로 분류할 수 있다.
도 6은 본 발명의 실시예에 따른 네트워크 기반 상품 추천 장치의 구성을 개략적으로 예시한 도면이다.
도 6을 참조하면, 본 발명의 실시예에 따른 네트워크 기반 상품 추천 장치는 프로세서(610), 메모리(620), 통신부(630) 및 인터페이스부(640)를 포함한다.
프로세서(610)는 메모리(620)에 저장된 처리 명령어를 실행시키는 CPU 또는 반도체 소자일 수 있다.
메모리(620)는 다양한 유형의 휘발성 또는 비휘발성 기억 매체를 포함할 수 있다. 예를 들어, 메모리(620)는 ROM, RAM 등을 포함할 수 있다.
예를 들어, 메모리(620)는 본 발명의 실시예에 따른 네트워크 기반 상품 추천 방법을 수행하는 명령어들을 저장할 수 있다.
통신부(630)는 통신망을 통해 다른 장치들과 데이터를 송수신하기 위한 수단이다.
인터페이스부(640)는 네트워크에 접속하기 위한 네트워크 인터페이스 및 사용자 인터페이스를 포함할 수 있다.
한편, 전술된 실시예의 구성 요소는 프로세스적인 관점에서 용이하게 파악될 수 있다. 즉, 각각의 구성 요소는 각각의 프로세스로 파악될 수 있다. 또한 전술된 실시예의 프로세스는 장치의 구성 요소 관점에서 용이하게 파악될 수 있다.
또한 앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대한 통상의 지식을 가지는 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
10: 프로세서
20: 메모리
30: 통신부
40: 인터페이스부

Claims (6)

  1. 네트워크에 접속 가능한 컴퓨팅 디바이스에 의해 수행되는 네트워크 기반 상품 추천 방법에 있어서,
    전체 상품 중 어느 하나의 상품과 나머지 상품 각각에 대하여 상품속성 항목별 상품속성값 차이의 평균을 산출하는 단계;
    상기 산출된 평균이 가장 작은 나머지 상품을 유사도가 가장 높은 대표유사상품으로 결정하는 단계;
    각 상품을 상기 대표유사상품으로 매핑한 후, 상기 대표유사상품을 기준으로 매핑된 적어도 하나의 상품과 상기 대표유사상품을 하나의 유사상품 그룹으로 그룹핑하여 유사상품 그룹을 생성하는 단계;
    상기 생성된 유사상품 그룹을 이용하여 학습 모델을 생성하는 단계;
    사용자의 상품정보 검색, 상품 구매예약 또는 상품구매 중 적어도 하나의 사용자 행위에 따라 사용자 단말에 의하여 획득되거나, 상기 사용자가 관심을 가진 상품에 구비된 센서로 상기 사용자 단말을 근접시키면, 상기 센서로부터 상기 사용자 단말에 의하여 획득되는 상기 사용자의 관심상품 정보를 상기 사용자 단말로부터 수신하는 단계;
    상기 사용자의 관심상품의 상품속성 항목별 상품속성값을 추출하는 단계;
    상기 추출된 관심상품의 상품속성값을 상기 학습 모델에 입력하여 유사도가 가장 높은 유사상품 그룹의 식별자를 산출하는 단계;
    상기 산출된 유사상품 그룹의 식별자를 이용하여, 유사상품 그룹의 각 상품의 정보와 식별자를 매핑한 테이블로부터 상기 산출된 유사상품 그룹의 각 상품의 상품 정보를 추출하는 단계; 및
    상기 추출된 상품 정보를 추천 상품으로 상기 사용자 단말로 전송하는 단계를 포함하되,
    상기 추출된 관심상품의 상품속성값을 상기 학습모델에 입력하여 유사도가 가장 높은 유사상품 그룹의 식별자를 산출하는 단계는,
    상기 관심상품과 각 유사상품 그룹의 상품속성값 차이의 평균이 가장 작은 유사상품 그룹을 상기 유사도가 가장 높은 유사상품 그룹으로 결정하거나,
    하기 수학식으로 산출되는 추천 정확도(Accuracyrecommend)가 가장 높은 유사상품 그룹을 상기 유사도가 가장 높은 유사상품 그룹으로 결정하는 것을 특징으로 하는 네트워크 기반 상품 추천 방법.
    Figure 112021502416915-pat00008

    여기서, Attrtarget은 관심상품의 상품속성값이고, Attrsource은 유사상품 그룹의 상품 중 적어도 하나의 상품의 상품속성값임
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 생성된 유사상품 그룹은 추천대상이 되는 상품그룹이며,
    상기 학습 모델의 입력데이터는 상기 유사상품 그룹이고, 상기 학습모델의 출력데이터는 상기 유사상품 그룹의 각 상품을 대표하여 나타내는 식별자인 것을 특징으로 하는 네트워크 기반 상품 추천 방법.
  5. 삭제
  6. 네트워크 기반 상품 추천 장치에 있어서,
    명령어를 저장하는 메모리; 및
    상기 명령어를 실행하는 프로세서를 포함하되,
    상기 명령어는,
    전체 상품 중 어느 하나의 상품과 나머지 상품 각각에 대하여 상품속성 항목별 상품속성값 차이의 평균을 산출하는 단계;
    상기 산출된 평균이 가장 작은 나머지 상품을 유사도가 가장 높은 대표유사상품으로 결정하는 단계;
    각 상품을 상기 대표유사상품으로 매핑한 후, 상기 대표유사상품을 기준으로 매핑된 적어도 하나의 상품과 상기 대표유사상품을 하나의 유사상품 그룹으로 그룹핑하여 유사상품 그룹을 생성하는 단계;
    상기 생성된 유사상품 그룹을 이용하여 학습 모델을 생성하는 단계;
    사용자의 상품정보 검색, 상품 구매예약 또는 상품구매 중 적어도 하나의 사용자 행위에 따라 사용자 단말에 의하여 획득되거나, 상기 사용자가 관심을 가진 상품에 구비된 센서로 상기 사용자 단말을 근접시키면, 상기 센서로부터 상기 사용자 단말에 의하여 획득되는 상기 사용자의 관심상품 정보를 상기 사용자 단말로부터 수신하는 단계;
    상기 사용자의 관심상품의 상품속성 항목별 상품속성값을 추출하는 단계;
    상기 추출된 관심상품의 상품속성값을 상기 학습 모델에 입력하여 유사도가 가장 높은 유사상품 그룹의 식별자를 산출하는 단계;
    상기 산출된 유사상품 그룹의 식별자를 이용하여, 유사상품 그룹의 각 상품의 정보와 식별자를 매핑한 테이블로부터 상기 산출된 유사상품 그룹의 각 상품의 상품 정보를 추출하는 단계; 및
    상기 추출된 상품 정보를 추천 상품으로 상기 사용자 단말로 전송하는 단계를 포함하는 네트워크 기반 상품 추천 방법을 수행하고,
    상기 추출된 관심상품의 상품속성값을 상기 학습모델에 입력하여 유사도가 가장 높은 유사상품 그룹의 식별자를 산출하는 단계는,
    상기 관심상품과 각 유사상품 그룹의 상품속성값 차이의 평균이 가장 작은 유사상품 그룹을 상기 유사도가 가장 높은 유사상품 그룹으로 결정하거나,
    하기 수학식으로 산출되는 추천 정확도(Accuracyrecommend)가 가장 높은 유사상품 그룹을 상기 유사도가 가장 높은 유사상품 그룹으로 결정하는 것을 특징으로 하는 네트워크 기반 상품 추천 장치.
    Figure 112021502416915-pat00009

    여기서, Attrtarget은 관심상품의 상품속성값이고, Attrsource은 유사상품 그룹의 상품 중 적어도 하나의 상품의 상품속성값임


KR1020190114032A 2019-09-17 2019-09-17 네트워크 기반 상품 추천 방법 및 장치 KR102307517B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190114032A KR102307517B1 (ko) 2019-09-17 2019-09-17 네트워크 기반 상품 추천 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190114032A KR102307517B1 (ko) 2019-09-17 2019-09-17 네트워크 기반 상품 추천 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20210032691A KR20210032691A (ko) 2021-03-25
KR102307517B1 true KR102307517B1 (ko) 2021-09-30

Family

ID=75222623

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190114032A KR102307517B1 (ko) 2019-09-17 2019-09-17 네트워크 기반 상품 추천 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102307517B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114202395A (zh) * 2022-01-21 2022-03-18 福州大学 基于关键商品识别的在线商品推荐方法及系统
KR102402931B1 (ko) * 2022-03-14 2022-05-30 주식회사 제이엠지티 온라인 상품 판매 플랫폼을 제공하는 서버 및 서버가 고객에게 상품을 추천하는 방법
KR102453579B1 (ko) * 2022-07-07 2022-10-14 주식회사 바람 작업자들 간의 협업을 위한 협업 솔루션 제공시스템
KR102534837B1 (ko) * 2022-11-14 2023-05-26 이민혁 온라인 상품에 대한 마케팅 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101806169B1 (ko) * 2016-07-25 2017-12-07 오드컨셉 주식회사 쇼핑 정보를 제공하는 방법, 장치, 시스템 및 컴퓨터 프로그램

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100433242B1 (ko) 2001-08-20 2004-05-24 이상기 인공지능 추론엔진을 이용한 상품 추천 시스템 및 방법,그 프로그램 소스를 기록한 기록매체
KR102167595B1 (ko) 2013-09-03 2020-10-19 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20150121281A (ko) * 2014-04-17 2015-10-29 이형석 고객의 상품에 대한 선호도에 기초하여 상품을 추천하기 위한 방법 및 그 방법을 수행하기 위한 명령어가 저장된 컴퓨터 판독가능한 기록매체
KR101745604B1 (ko) * 2016-04-01 2017-06-09 쿠팡 주식회사 아이템 추천 시스템 및 아이템 추천 방법
KR102213107B1 (ko) * 2016-11-01 2021-02-08 주식회사 케이티 오프라인 매장의 방문자 행동 패턴에 기반한 o2o 마케팅 플랫폼 시스템 및 그 구축 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101806169B1 (ko) * 2016-07-25 2017-12-07 오드컨셉 주식회사 쇼핑 정보를 제공하는 방법, 장치, 시스템 및 컴퓨터 프로그램

Also Published As

Publication number Publication date
KR20210032691A (ko) 2021-03-25

Similar Documents

Publication Publication Date Title
KR102307517B1 (ko) 네트워크 기반 상품 추천 방법 및 장치
CN107424043B (zh) 一种产品推荐方法及装置，电子设备
US9569499B2 (en) Method and apparatus for recommending content on the internet by evaluating users having similar preference tendencies
JP5897019B2 (ja) 候補製品のリンクリストを判定する方法および装置
KR102278085B1 (ko) 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법
US9852477B2 (en) Method and system for social media sales
US20200065750A1 (en) Inventory management system and method thereof
US20130191179A1 (en) Information processing method and system for network transaction platform
US9846885B1 (en) Method and system for comparing commercial entities based on purchase patterns
KR102000076B1 (ko) 온라인 쇼핑몰 통합 관리 시스템에서의 온라인 판매채널을 추천하는 방법 및 그 서버
CN105469263A (zh) 一种商品推荐方法及装置
US20120296776A1 (en) Adaptive interactive search
US11386468B2 (en) Dialogue monitoring and communications system using artificial intelligence (AI) based analytics
US10042895B1 (en) Product information integration
JP2023523341A (ja) 在庫およびプロファイル情報を安全管理するための方法およびシステム
CN104765758A (zh) 用于搜索结果定向的系统和方法
KR101740148B1 (ko) 고객의 오프라인활동 데이터에 기반한 온라인쇼핑상품 추천방법
CN109711917B (zh) 信息推送方法和装置
KR20210066513A (ko) 온라인 빅데이터를 활용한 소비자 분석 시스템 및 방법
US10606832B2 (en) Search system, search method, and program
CN116308684A (zh) 一种网购平台店铺信息推送方法及系统
US20210090105A1 (en) Technology opportunity mapping
CN108959289B (zh) 网站类别获取方法和装置
US20190362018A1 (en) User interface for frequent pattern analysis
CN114996579A (zh) 信息推送方法、装置、电子设备和计算机可读介质

Legal Events

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