KR102308430B1 - 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템 - Google Patents

Abstract

상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템이 제공되며, 적어도 하나의 취향 태그를 선택하여 사용자의 취향정보를 입력하고, 사용자의 신체 사이즈 정보를 입력하며, 다가오는 행사, 일정 및 이벤트를 포함하는 사용자의 스케줄 정보를 입력하여 스케줄표를 완성하고, 스케줄이 있는 날짜를 기준으로 기 설정된 기간 이전에 적어도 하나의 의상 데이터를 추천받는 사용자 단말 및 적어도 하나의 의류 데이터에 적어도 하나의 취향 태그, 적어도 하나의 TPO(Time Place Occasion) 태그 및 의류 카테고리 태그를 각각 매핑하여 저장하는 데이터베이스화부, 사용자 단말에서 완성한 스케줄표 내에 포함된 단어를 추출하고, 추출된 단어와 기 설정된 유사도를 초과하는 TPO 태그를 추출하는 추출부, 추출된 TPO 태그와 사용자 단말의 취향정보에 대응하는 취향 태그가 매핑된 적어도 하나의 의상 데이터를 추출하여 사용자 단말로 전송하는 전송부를 포함하는 의상 추천 서비스 서버를 포함한다.

Description

상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템{CONTEXT AWARENESS BASED CLOTHING RECOMMENDATION SERVICE USING CUSTOMER'S SCHEDULE}

본 발명은 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템에 관한 것으로, 고객의 스케줄, 취향 및 TPO에 맞는 의상을 스케줄 날짜를 기준으로 미리 추천해주는 플랫폼을 제공한다.

최근 온라인으로 많은 서비스가 제공됨에 따라 사용자들의 이용 내역이 축적되고 이를 이용한 추천시스템에 대한 관심 및 연구가 증가하고 있다. 추천시스템의 주요 연구 주제는 전통적으로 연구되고 있는 협업필터링 및 내용기반의 추천 기법을 비롯하여, 최근에는 사용자 상황(Context)을 고려하는 상황인지추천과 그룹사용자추천으로 확대되고 있다. 상황인지 추천시스템(Context-aware Recommender System, CARS)은 추천시스템(Recommender System, RS)의 한 종류로, 사용자가 아이템을 선택 또는 소비하는 시점에서 사용자의 선호도(Preference)의 변화 또는 구매에 영향을 줄 수 있는 다양한 상황 정보(Contextual Information)을 고려하여 사용자가 만족할 만한 아이템을 추천하는 방법이다.

이때, 상황 인식 기반 쇼핑몰 플랫폼이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2014-0108558호(2014년09월11일 공개) 및 한국공개특허 제2012-0076492호(2012년07월09일 공개)에는, 사용자 단말에 설치 및 실행되는 애플리케이션에서 참조 데이터를 수집하여 상관 관계를 파악하고, 직접 쇼핑 환경에서 소비자가 평가한 제품 또는 서비스와 관련된 상황 인식 추천과 정보를 제공하도록 하는 구성과, 사용자 상황 정보를 수집하여 특성을 인식하고, 인식된 사용자 상황 특성과 매칭되는 쇼핑 콘텐츠 정보를 미리 템플릿화된 특성별 쇼핑 콘텐츠 정보 중에서 검색한 후, 검색된 쇼핑 컨텐츠 정보의 가상 피팅을 통해 결합한 가상 체험 영상를 제공함으로써, 사용자의 현재 상황에 가장 적합하게 매칭되는 가상 체험 서비스를 편리하게 제공하는 구성이 각각 개시되어 있다.

다만, 개인화된 추천시스템들은 일반적으로 사용자의 소비기록이나 선호도 점수를 이용하여 아직 소비하지 않은 아이템에 대하여 선호도 점수를 예측하고, 사용자들이 만족할 것이라 예상되는 높은 선호도 점수를 갖는 아이템들을 제공한다. 즉, 추천시스템은 사용자, 아이템, 점수로 구성된 데이터를 바탕으로 사용자의 점수를 예측하기 위한 함수를 찾고, 높은 점수로 예상되는 아이템들을 제공하는 과정으로 표현할 수 있는데, 실제로 추천시스템이 적용되는 응용 분야에서 살펴보면, 사용자의 선호도는 다양한 상황 정보에 따라 달라지는 것을 확인할 수 있다. 사람, 지역, 날씨 변화에 따라 선호하는 의상의 종류가 변경될 수 있고, T.P.O가 중요시 여겨지는 사용자의 스케줄이 있다면 이에 따른 의상을 추천해주는 시스템이 필요하지만, 상술한 구성은 사용자의 취향과 더불어 다중의 상황 및 스케줄을 고려한 추천 방법을 개시하고 있지 않다. 이에, 사용자의 스케줄에 기반하여 T.P.O 및 사용자의 취향 뿐만 아니라 추천 타이밍까지 고려한 추천 플랫폼의 연구 및 개발이 요구된다.

본 발명의 일 실시예는, 사용자가 입력한 취향 정보와 스케줄 정보에 기반하여 TPO(Time Place Occasion)에 맞는 의상을 추출하여 추천하되, 추천하는 타이밍은 스케줄 정보에 기반하여 스케줄이 있기 2 주, 10 일 및 1 주 전에 미리 각각 사용자의 반응에 따라 다른 아이템을 추천함으로써 고객이 원하는 때에 원하는 의상을 알아서 챙겨주는 비서와 같은 역할을 수행할 수 있도록 하고, 더이상 판매자가 주체가 아닌 상황 인식 알고리즘에 기반하여 고객이 언제, 무엇을, 왜 원하는지를 고객 중심으로 파악하도록 함으로써 의상 추천이 스팸으로 전락하는 일이 없도록 하는, 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 적어도 하나의 취향 태그를 선택하여 사용자의 취향정보를 입력하고, 사용자의 신체 사이즈 정보를 입력하며, 다가오는 행사, 일정 및 이벤트를 포함하는 사용자의 스케줄 정보를 입력하여 스케줄표를 완성하고, 스케줄이 있는 날짜를 기준으로 기 설정된 기간 이전에 적어도 하나의 의상 데이터를 추천받는 사용자 단말 및 적어도 하나의 의류 데이터에 적어도 하나의 취향 태그, 적어도 하나의 TPO(Time Place Occasion) 태그 및 의류 카테고리 태그를 각각 매핑하여 저장하는 데이터베이스화부, 사용자 단말에서 완성한 스케줄표 내에 포함된 단어를 추출하고, 추출된 단어와 기 설정된 유사도를 초과하는 TPO 태그를 추출하는 추출부, 추출된 TPO 태그와 사용자 단말의 취향정보에 대응하는 취향 태그가 매핑된 적어도 하나의 의상 데이터를 추출하여 사용자 단말로 전송하는 전송부를 포함하는 의상 추천 서비스 제공 서버를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 사용자가 입력한 취향 정보와 스케줄 정보에 기반하여 TPO(Time Place Occasion)에 맞는 의상을 추출하여 추천하되, 추천하는 타이밍은 스케줄 정보에 기반하여 스케줄이 있기 2 주, 10 일 및 1 주 전에 각각 사용자의 반응에 따라 다른 아이템을 추천함으로써 고객이 원하는 때에 원하는 의상을 알아서 챙겨주는 비서와 같은 역할을 수행할 수 있도록 하고, 더이상 판매자가 주체가 아닌 상황 인식 알고리즘에 기반하여 고객이 언제, 무엇을, 왜 원하는지를 고객 중심으로 파악하도록 함으로써 의상 추천이 스팸으로 전락하는 일이 없도록 함으로써, 고객의 경험 품질(Quality of Experience)을 높일 수 있다.

도 1은 본 발명의 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 의상 추천 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 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 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 의상 추천 서비스 제공 서버(300), 적어도 하나의 판매자 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 의상 추천 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 의상 추천 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 판매자 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 판매자 단말(400)은, 네트워크(200)를 통하여 의상 추천 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 사용자 단말(100)은, 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 취향 정보, 스케줄 정보 및 신체 사이즈를 등록하는 사용자의 단말일 수 있다. 이때 스케줄 정보는 기 설정된 포맷인 스케줄표에 날짜, 스케줄 이름이 기록될 수 있으며, 취향 정보는 기 설정된 적어도 하나의 취향 태그 중 어느 하나 또는 적어도 하나를 선택함으로써 입력될 수 있다. 사용자 단말(100)은 스케줄 날짜의 기 설정된 기간 이전에, 미리 취향과 스케줄(상황)에 맞는 의상을 의상 추천 서비스 제공 서버(300)로부터 추천받는 사용자의 단말일 수 있다. 이때, 스케줄에 따른 상황은 TPO(Time Place Occasion) 태그의 상황(Occasion) 태그에 기반하고, 사용자 단말(100)은, 그 외에도 시간이나 날짜 또 장소 태그가 더 부가되어 추천된 의상을 수신할 수 있다.

여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), 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) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

의상 추천 서비스 제공 서버(300)는, 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 의상 추천 서비스 제공 서버(300)는, 적어도 하나의 판매자 단말(400)로부터 의류 데이터를 입력받고, 입력된 의류 데이터에 적어도 하나의 취향 태그, TPO 태그, 의류 카테고리 태그 등을 부착하여 데이터베이스화하는 서버일 수 있다. 또, 의상 추천 서비스 제공 서버(300)는 스케줄표를 달력형으로 포맷을 만들고, 각 사용자별로 스케줄을 입력할 수 있도록 하는 서버일 수 있다. 그리고, 의상 추천 서비스 제공 서버(300)는 사용자 단말(100)로부터 신체 사이즈 정보, 취향 정보를 입력받은 후, 스케줄표에 기재된 날짜에 기 설정된 기간 이전에, 미리 사용자의 취향, 신체 사이즈, 스케줄에 따라 추출된 의상 리스트를 사용자 단말(100)로 전송하는 서버일 수 있다. 이때, 의상 추천 서비스 제공 서버(300)는, 사용자 단말(100)에서 구매 및 결제를 하는 경우, 구매한 날짜를 사용자의 스케줄표에 기록하고, 스케줄표에 구매한 의상에 대한 후기가 업로드되면, 판매자 단말(400)의 쇼핑몰 페이지에 후기를 연동하여 업로드하는 서버일 수 있다.

여기서, 의상 추천 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 판매자 단말(400)은, 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하거나 이용하지 않고 의류 데이터를 의상 추천 서비스 제공 서버(300)로 전송하는 단말일 수 있다. 이때, 본 발명의 일 실시예에서는, 가공 및 필터링되어 사용자에게 추천되는 것은 의상 데이터로, 사용자에게 전송되기 이전 및 가공되기 이전의 것은 의류 데이터로 구분하여 사용하기로 한다. 물론, 두 가지를 구분하지 않아도 무방하며 구분해야만 하는 것은 아니다.

여기서, 적어도 하나의 판매자 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 판매자 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 판매자 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), 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) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 의상 추천 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 의상 추천 서비스 제공 서버(300)는, 데이터베이스화부(310), 추출부(320), 전송부(330), 구매확인부(340), 내심파악부(350) 및 후기관리부(360)를 포함할 수 있다.

본 발명의 일 실시예에 따른 의상 추천 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 판매자 단말(400)로 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 판매자 단말(400)은, 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 판매자 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.

도 2를 참조하면, 데이터베이스화부(310)는, 적어도 하나의 의류 데이터에 적어도 하나의 취향 태그, 적어도 하나의 TPO(Time Place Occasion) 태그 및 의류 카테고리 태그를 각각 매핑하여 저장할 수 있다. 여기서, 각 태그를 의류 데이터에 태깅 및 데이터베이스화할 때에는 인간의 개입이 요구될 수 있다. 이때, 적어도 하나의 TPO 태그 중 상황(Occasion) 태그는, 생일, 미팅, 모임, 직장, 결혼식, 휴가, 데일리 및 소개팅을 포함할 수 있는데, 예를 들어, 동일한 정장이라고 해도, 결혼식에는 흰색을 입으면 안되고, 정장 넥타이도 검정색을 해서는 안되나, 장례식에서는 검정색 넥타이를 해야 한다. 또, 회사 면접을 가는데 청바지에 흰색 티셔츠를 입고가는 것은 안되나, 평상시 피크닉을 갈 때에는 청바지에 흰색 티셔츠가 무난하다. 이에 따라 상황에 따라 입는 옷이 서로 달라지게 되는데, 이러한 옷을 구분하는 상황 태그를 의류 데이터에 매핑하여 저장함으로써 이후에 사용자에게 추천을 해줄 때 상황에 맞는 옷을 골라줄 수 있게 된다. 다만, 상황 태그는 나열된 것들로 한정되지 않고 열거되지 않은 이유로 배제되지는 않는다.

또, 타임(Time) 태그는, 날씨, 시간 및 계절을 포함할 수 있으나 역시 나열된 것들로 한정되지 않고 열거되지 않은 이유로 배제되지는 않는다. 또, 장소(Place) 태그는, 각 국가나 지역, 해변이나 산, 고급식당이나 캐주얼 식당, 파티나 결혼식 등 그 장소에 어울리는 옷을 구분하기 위한 태그이다. 예를 들어, 동일한 원피스라도, 회사에서 입을 수 있는 포멀한 원피스 종류가 있는가 하면, 휴가로 해변을 갔을 때 입는 원피스 종류가 서로 다르다. 또, 동일한 운동복이라고 해도 등산을 갈 때 입는 운동복의 종류와 헬스장에서 입는 운동복의 종류는 서로 다르다. 이에 따라, 장소 태그를 부가하여 어느 장소에서 입어야 하는 것인지를 구분하도록 할 수 있다.

덧붙여서, 사용자의 취향 태그는, 청순, 섹시, 프리, 빈티지 및 럭셔리를 포함할 수 있으나 이에 한정되지는 않는다. 예를 들어, 모던하고 깔끔한 것을 좋아하는 사람도 존재하므로 취향 태그는 모던, 깔끔 등의 태그가 더 존재할 수 있다. 다만, 이렇게 미리 정의하거나 규정한 태그에 부합하지 않은 상황, 시간, 장소, 취향이 존재할 수 있다. 데이터의 정제와 분류를 위해서는 정보자원의 분석이 요구되나, 다양한 배경지식이나 삶을 가진 사람이나 프로그램 개발자가 사용하는 용어가 서로 다르고, 보유하고 있는 인적자원 및 물적자원 등이 서로 다름에 따라 각각 기 설정된 태그(카테고리, 분류자)로 자신의 정보를 표현할 수 없는 경우가 많다.

이때, 태그가 존재하지 않는 경우, 대부분의 플랫폼에서는 기타 박스를 생성하고, 기타에 자신을 표현할 수 있는 정보를 기재하도록 하는데, 이렇게 기재된 데이터를 태그화하기 위하여, 본 발명의 일 실시예에서는, 기타 박스에 포함된 단어 및 문장을 벡터 형태로 표현한 후 벡터 형태로 표현된 기타 박스의 단어 및 문장의 클러스터링을 수행하도록 한다. 이때, 클러스터링이란 텍스트 마이닝과 정보검색이론 분야의 연구에서 많이 적용되는 대표적인 비지도학습 방법이며, 군집화 방법에 따라 계층구조 클러스터링(Hierarchical Clustering), 분할구조 클러스터링(Partitional Clustering), 그리고 스펙트럼구조클러스터링(Spectral Clustering)으로 나누어진다.

가장 일반적으로 사용되는 클러스터링 알고리즘은 상향식 계층군집화(Agglomerative hierarchical clustering) 알고리즘과 K-means 알고리즘이 있는데, K-means 알고리즘은 상향식 계층 클러스터링보다 성능은 떨어지지만 효율적인 군집화 알고리즘으로 평가되고 있다. 이에 따라, 본 발명의 일 실시예에서는, 군집화 성능보다 효율성에 더 초점을 맞추어 K-means 알고리즘을 군집화 알고리즘으로 적용할 수 있다. 물론, 상향식 계층군집화 알고리즘을 배제하는 것은 아니다. 이때, K-means 알고리즘은, 벡터 공간내의 K개의 중심점을 K개의 클러스터로 표현할 수 있다는 전제를 가지고 수행되며, 일반적으로 각 벡터의 코사인 유사도 산출을 통해 클러스터를 형성한다. K-means 알고리즘은 클러스터를 생성하는 방법에 따라 bisecting, antipole, multipole 등의 다양한 확장 알고리즘을 더 이용할 수 있다.

상술한 과정을 상세히 설명하면 다음과 같다.

첫 번째로, 기타 박스에 기재된 단어 및 문장의 형태소 분석 및 불용어 제거 과정을 진행할 수 있다. 기타 박스에 기재된 단어 및 문장을 가지고 K-means를 수행하기 위해 기타 박스에 기재된 데이터들은 클러스터링 수행에 적합한 형태로 변환되어어야 한다. 이를 위해, 단어 및 문장을 벡터로 변환하는 수치화 작업을 진행한다. 수치화 작업을 위하여 단어 및 문장에 대한 형태소 분석을 실시하며, 그 결과 형태소 하나하나가 한 벡터의 차원을 이루게 된다. 해당 형태소의 포함 여부에 따라 각각의 벡터 요소들은 1 또는 0의 값을 가지게 되며, 이 과정에서 형태소 분석기를 이용할 수 있다.

두 번째는, 태그 풀(Tag Pool)을 생성하는 것이다. 단어 및 문장이 기재된 기타 박스 간의 거리 측정 및 비교 가능한 기준은 벡터 곱을 통해 달성된다. 이를 위해 모든 형태소에 대한 정보를 포함하고 있는 표준벡터에 대한 정의가 필요하며, 이러한 표준벡터로 모든 기타 박스로부터 추출된 태그 풀을 사용할 수 있다. 태그 풀은, 모든 기타 박스에 포함된 단어 및 문장으로부터 추출된 태그들을 중복 없이 모두 담고 있는 풀을 의미한다.

세 번째는, 태그의 계층구조를 제작하는 과정인데, 태그 계층구조는 앞서 제작한 태그 풀을 기반으로 제작된다. 태그 계층구조 생성을 위한 벡터는 태그 풀의 요소를 서로 비교하면서 임의의 태그들이 동일한 태그 풀에 포함된 경우가 몇 번 있는가에 따라 벡터 값을 부여할 수 있다. 예를 들어, 동일한 서비스를 제공하는 인력이 기타 박스에 입력한 단어 및 문장에서 임의의 두 태그를 동시에 입력한 정도에 따라 벡터값이 부여된다. 이러한 방식을 따라 산출된 각각의 태그 벡터들은 단위벡터로 변환 후 K-means를 통해 클러스터링 되고, 군집 분석을 통해 유사도가 높은 벡터들끼리 그룹화하여 몇 개의 태그 그룹으로 분류될 수 있다. 그리고 다시 각각의 그룹에 대해 위와 같은 클러스터링 작업을 반복적으로 적용함으로써 전체 태그 집합에 대한 태그 계층구조를 생성할 수 있다.

마지막으로, 태그 벡터를 계산해야 하는데, 마지막으로 태그 벡터를 만드는 과정을 통해 군집화 알고리즘을 수행하기 위한 모든 준비 과정이 끝나게 된다. 이 과정을 통해 각각의 기타 박스가 서로 얼마나 닮은 정보를 가지고 있는지 유추해 볼 수 있는 기준을 마련하게 된다. 이에 더하여, 태그 계층구조를 태그 벡터에 반영하기 위해 계층구조를 바탕으로 계산된 값을 사용할 수 있고, 이때 부여되는 벡터 값은 예를 들어, Leacock-Chodorow Measure를 사용할 수 있지만, 이에 한정되는 것은 아니다. Leacock-Chodorow Measure는 0부터 무한대까지의 값으로 어휘 유사도를 표현하기 때문에, 태그 벡터의 가중치를 업데이트하는 용도로 적용할 수 있다.

이렇게 클러스터링을 위한 모든 준비가 완료되면, 각 기타 박스를 묶는 작업을 통하여 새로운 태그를 도출할 수 있다. 이때, 첫 클러스터링 K값의 결정을 위해, K-means 클러스터링 적용할 때, 군집화 결과 그룹의 개수(K)는 군집화 성능에 중요한 영향을 미친다. 대부분의 경우 K는 정적인 변수로 설정되어 그 개수에 맞추어 클러스터링 결과를 도출하도록 하고 있지만 서로 다른 인력과 제공업체의 방향성, 특이성으로 인하여 다른 방향의 태그를 가지는 특성을 고려하면 일정한 K값을 정하는 것은 매우 어려운 일이다.

따라서, 본 발명의 일 실시예에 따른 방법에서는 기타 박스에 포함된 단어 및 문장에 따른 각기 다른 태그에 따라 각기 다른 K값을 설정하는 것도 가능하다. K-means는 최적의 클러스터가 생성될 때까지 반복하여 군집을 재생성한다. 즉, K-means에 의해 일단 클러스터가 생성되면 클러스터된 모든 그룹들에 대하여 중심 값을 다시 계산하고 모든 태그 풀을 대상으로 K개의 클러스터에 순서대로 벡터 곱을 수행한다. 그 후 수행결과 벡터 곱이 가장 컸던 그룹에 다시 그 태그 풀을 배정하며 마지막 태그 풀까지 벡터곱과 배정 과정을 수행한다. 이로 인해 새로운 클러스터링 결과가 산출되면 다시 중심 값을 구하는 과정을 반복 수행하여 최적의 클러스터링 상태를 이루도록 한다. 이때, 종료 시점은, 새롭게 형성된 결과들이 직전의 클러스터링 결과와 비교하였을 때 아무런 변화가 일어나지 않았을 때이다. 이렇게 새롭게 태그가 추출되는 경우, 추출된 태그는 선택할 수 있는 태그의 리스트로 선정될 수 있다.

추출부(320)는, 사용자 단말(100)에서 완성한 스케줄표 내에 포함된 단어를 추출하고, 추출된 단어와 기 설정된 유사도를 초과하는 TPO 태그를 추출하는 추출할 수 있다. 이때, 스케줄표는 상기 사용자 단말에서 사용하는 적어도 하나의 종류의 일정관리 웹페이지, 앱페이지, 애플리케이션 및 프로그램 중 어느 하나 또는 적어도 하나의 조합과 연동되어 자동으로 기입될 수 있다.

여기서, 사용자 단말(100)에서 입력을 하지 않더라도, 스케줄표를 자동완성할 수 있다. 예를 들어, 이메일로 항공편 및 숙박을 예약한 CONFIRMATION LETTER가 도착했다면, 이를 추출하여 항공편 출발날짜에 도착지를 추출하여 날짜, 시간, 날씨, 계절, 장소 등을 추출할 수 있다. 또, 이메일로 청첩장을 받은 경우, 결혼식하는 사람의 이름, 날짜, 위치, 장소 등을 추출하여 스케줄표에 자동기입되도록 할 수도 있다. 이를 위하여, 사용자 계정을 주요 이메일로 받고, 해당 계정으로 수신된 이메일 중 휴가, 결혼식, 항공 등 기 설정된 스케줄 태그에 대응하는 이메일을 추출하여 날짜, 위치, 시간 등을 추출하여 스케줄표에 자동기입되도록 할 수 있다.

이때, 스케줄표 내에 포함된 단어가 "친구 A의 결혼식"이었다고 가정하면, 여기서 "결혼식"이라는 단어는 TPO 태그 중 상황 및 장소 태그에 해당하고, 타임 태그는 스케줄표의 날짜로 추출한다. 이때, 스케줄표의 날짜가 6월 11일이었다면, 여름 또는 초여름 태그가 추출될 수 있고, 6월 11월 날씨예보가 나온 경우 타임 태그에 날씨까지 추가할 수 있다. 만약, 6월 11일에 비가오고 습한 날씨의 경우 "비", "다습"의 타임 태그가 추출될 수 있다. 상술한 예에서는 사용자가 입력한 단어인 "결혼식"과, TPO 태그인 "결혼식"이 동일했지만, 만약 동일하지 않은 경우에는 가장 유사한 태그를 추출해야 한다.

이를 위하여 단어 임베딩(Embedding)을 이용할 수 있다. Word2vec은 한 문장 내에서 단어의 등장 빈도 데이터를 이용하여 단어 자체가 가지는 의미를 다차원 벡터 공간에 임베딩하는 모델이다. NNLM(Neural Net Language Model)을 기반으로 하여 대량의 문서 말뭉치(corpus)를 빠르게 학습하여 처리할 수 있다. 학습 방식은 주변 단어를 이용하여 중간 단어를 예측하는 방법인 CBOW(Continuous Bag of Word)와 중간에 있는 단어를 이용하여 주변 단어를 예측하는 Skip-Gram 방식이 있다. 이처럼 학습을 통해 단어의 문맥적 의미를 수치적으로 보존하기 때문에 이를 이용하여 각 단어들 간의 유사도를 측정하거나 수치적으로 쉽게 다룰 수 있다. 단어들을 임베딩한 경우에도 각 태그를 특정 단어 하나만으로 나타내는 경우, 단어와 태그 간 유사도가 정확하게 계산되지 않을 수 있다. 또한 어떤 유사도 측정 방법을 사용하느냐에 따라 분류 성능이 달라질 수 있다. 따라서 word2vec의 결과로 나온 단어 벡터들을 사용하여 단어와 각 태그 간의 유사도를 효과적으로 계산할 수 있도록 한다. 태그-단어 간 유사도는 유클리디안 유사도, 코사인 유사도, 확장된 자카드 유사도 등을 이용할 수 있는데, 이는 공지된 기술과 동일하므로 상세히 기술하지 않는다.

전송부(330)는, 추출된 TPO 태그와 사용자 단말(100)의 취향정보에 대응하는 취향 태그가 매핑된 적어도 하나의 의상 데이터를 추출하여 사용자 단말(100)로 전송할 수 있다. 이에 따라, 사용자 단말(100)은, 적어도 하나의 취향 태그를 선택하여 사용자의 취향정보를 입력하고, 사용자의 신체 사이즈 정보를 입력하며, 다가오는 행사, 일정 및 이벤트를 포함하는 사용자의 스케줄 정보를 입력하여 스케줄표를 완성하고, 스케줄이 있는 날짜를 기준으로 기 설정된 기간 이전에 적어도 하나의 의상 데이터를 추천받을 수 있다.

예를 들어, 사용자 A가 모던하고 깔끔한 것을 좋아하고(취향 태그), 한 달 후가 8월이라고 가정하면 8월에 동남아 여행을 가는데, 업무에 바빠서 해변에서 입을 옷은 하나도 준비를 하지 않고 간신히 비행기와 호텔만을 예약한 상태라고 가정하자. 이때, 사용자 A는 최소한 출발일 일주일 전까지(온라인 쇼핑몰 배송기간 고려)는 의상이나 소품 또는 튜브 등을 주문해야 하지만 휴가를 가기 전까지 휴가 기간의 업무까지 모두 마치라는 상사의 말에, 야근과 철야, 또 주말근무까지 겹쳐 도저히 시간을 낼 정신이 없다. 이때, 사용자 단말(100)은, 스케줄표에 출발일, 도착지 국가명이나 도시명만 기입하고 있었지만, 전송부(330)로부터 3주전 리마인더 메일처럼, 자신이 입을 수 있는 옷을 추천받는다. 여기서, 사용자 단말(100)은 추천받은 옷이 마음에 안들 때에는 "싫어요" 버튼을 눌러서 해당 스타일의 옷은 더 이상 추천을 안받을 수도 있고, "좋아요" 버튼을 누른 경우에는 이와 비슷한 스타일의 옷을 더 추천받을 수도 있다.

기 설정된 기간은, 스케줄이 있는 날짜를 기준으로 2 주, 10 일 및 1 주이고, 스케줄이 있는 날짜를 기준으로 2 주 전에는 제 1 차 추천 의상 데이터, 10 일 전에는 제 2 차 추천 의상 데이터 및 7 일 전에는 제 3 차 추천 의상 데이터가 사용자 단말(100)로 전송될 수 있다. 다만 기 설정된 기간은 상술한 기간에 한정되지 않는다. 첫 번째 추천 의상이 마음에는 들지만 사고싶을 만큼은 아닌 경우, 사용자 단말(100)은, 몇 일 후 전송부(330)로부터 두 번째 추천 의상 리스트를 받게 된다. 사용자 A는 모두 보고 사야 직성에 풀릴 것 같은 마음에 마음에 들지만 세 번째 추천까지 기다려보기로 한다. 이때, 출발일 기준 일주일 전에 마지막 추천 의상 리스트를 받고, 그 중 가장 마음에 드는 것을 마지막 추천을 받은 후 결정 및 구매를 하면, 바로 전송부(330)는, 판매자 단말(400)로 전송하여 배송을 요청하되, 스케줄을 이미 알고 있으므로 출발일 전날까지는 무조건 배송을 요청할 수 있다. 이와 같이 도저히 시간이나 여유가 없어 옷을 사기 어려운 사람에게 본 발명의 일 실시예는 비서와 같이 고객의 취향과 TPO에 맞춰 옷을 추천해주고 골라줄 수 있다.

구매확인부(340)는, 제 1 차 추천 의상 데이터를 사용자 단말(100)에서 선택 및 구매하는 경우 제 2 차 추천 의상 데이터 및 제 3 차 추천 의상 데이터를 전송하지 않고, 제 2 차 추천 의상 데이터를 사용자 단말(100)에서 선택 및 구매하는 경우 제 3 차 추천 의상 데이터를 사용자 단말(100)로 전송하지 않을 수 있다. 이미 구매를 했는데 계속하여 추천을 하는 것은 스팸을 보내는 것과 다를 바가 없기 때문이다. 물론, 사용자 단말(100)에서 구매를 한 카테고리, 예를 들어, 제 1 차 추천에서 아우터를 샀지만 정작 상의와 하의는 사지 않은 경우, 제 2 차 추천에서는 카테고리가 다른 의상을 추천해줄 수 있다. 또, 제 2 차 추천에서 상의와 하의까지 모두 샀지만, 소품이 필요한 경우, 예를 들어, 해변에 가는 경우 튜브와 바람넣기 기계가 필요한 경우에는 제 3 차 추천에서 카테고리를 달리한 소품을 추천해줄 수 있다.

내심파악부(350)는, 사용자 단말(100)에서 스케줄이 있는 날짜를 기준으로 기 설정된 기간 이전에 적어도 하나의 의상 데이터를 추천받은 후 구매 및 결제 이벤트가 발생하지 않는 경우, 추천된 적어도 하나의 의상 데이터를 추천 리스트에서 제외할 수 있다. 이때, 사용자 단말(100)에서 구매를 하지 않은 것은 마음에 들지 않는 경우가 대부분인데, 이러한 스타일의 옷을 계속하여 추천하거나 똑같은 옷을 계속 추천한다면 역시 스팸과 다르지 않다. 최근 한 번 클릭한 상품을 살 때까지 배너에 넣어 광고하는 소위 맞춤형 광고가 많지만, 클릭했지만 사지 않았다는 것은 마음에 들지 않거나 가격이 너무 비싸거나 마음에는 들지만 구매할만큼은 아니거나 인데, 계속하여 클릭한 상품을 보여주며 스팸광고를 하는 업체가 많아지고 있다. 이에 따라, 클릭 스트림은 발생시켰지만 구매는 하지 않은 경우 이를 배제하고 다른 스타일이나 디자인의 옷을 추천해주기로 한다. 물론, 돈이 없어서 입금이 될 때까지 기다리는 경우도 존재하므로, "좋아요", "싫어요", "너무 비싸요" 등의 버튼을 구비하여 좋아요가 선택된 경우 유사한 스타일이나 디자인의 옷을 더 보여줄 수 있도록 하고, 싫어요가 선택된 경우에는 해당 스타일이나 유사한 디자인의 옷을 제거하며, 너무 비싸요가 선택된 경우에는 이 보다 더 낮은 금액의 의상을 추천할 수 있도록 설정할 수 있다.

후기관리부(360)는, 사용자 단말(100)에서 추천받은 적어도 하나의 의상 데이터를 구매 및 결제하는 경우, 구매 및 결제가 발생된 날짜에 대응하는 스케줄표 내에 구매한 적어도 하나의 의상 데이터를 기록하고, 기록된 적어도 하나의 의상 데이터에 대한 구매후기가 스케줄표 내에 기록되는 경우, 스케줄표에 기록된 구매후기를 판매자의 쇼핑몰 페이지와 연동시켜 업로드할 수 있다. 공지된 쇼핑몰들을 보면, 수취확인 및 구매확정을 하기 위해 쇼핑몰 주소를 입력하고, 로그인을 한 후, 수취확인 및 구매확정을 위해 구매한 물품 메뉴로 이동하여 구매했던 물품 중 자신이 구매확정을 할 리스트를 찾아서 선택을 한 후, 또 후기를 작성하기 위해서는 구매 후기 작성하기 버튼을 누른 후, 사진이나 글을 업로드하여야 한다. 이 과정을 모두 배제하기 위하여, 후기관리부(360)는 사용자 단말(100)의 스케줄표 내에서 구매확정 버튼을 출력시키고, 구매확정 버튼이 선택되면 바로 그 날짜의 스케줄표 내에 구매후기를 작성할 수 있도록 함으로써, 번거로운 과정을 모두 제거할 수 있도록 한다.

이하, 상술한 도 2의 의상 추천 서비스 제공 서버의 구성에 따른 동작 과정을 도 3을 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3을 참조하면, (a) 의상 추천 서비스 제공 서버(300)는 적어도 하나의 판매자 단말(400)로부터 의류 데이터를 수집하여, 취향 태그, TPO 태그, 카테고리 태그 등을 부착하며, TPO 태그는 다시 타임 태그, 장소 태그 및 상황 태그를 부착하여 데이터베이스화할 수 있다. 이때, (b) 사용자 단말(100)은 자신의 취향 정보를 태그를 통하여 입력하고, 스케줄 정보를 입력하여 취향과 스케줄에 맞는 의상을 추천받을 준비를 한다. 그리고, (c) 사용자 단말(100)은 의상 추천 서비스 제공 서버(300)에서 취향, 카테고리, TPO 태그와, 사용자가 입력한 취향 및 스케줄 간의 유사도가 높은 태그를 가진 의상을 추출하여 사용자 단말(100)로 전송한다. 그리고, (d) 의상 추천 서비스 제공 서버(300)는 사용자 단말(100)에서 구매를 한 경우 판매자 단말(400)로 배송요청을 하며, 이때 스케줄 정보까지 입력하여 해당 일 전까지는 배송이 완료될 수 있도록 한다. 그리고, 사용자 단말(100)에서 스케줄표에 구매확정 및 후기를 업로드한 경우, 판매자 단말(400)로 정산을 하고 구매후기를 연동하여 판매자의 페이지에 업로드할 수 있다.

도 4a 내지 도 4d를 보면, 고객이 옷을 사는 시기(타이밍)와 이유가 존재함에도, 종래기술에 따른 쇼핑몰들은 판매자 및 쇼핑몰 위주로 카테고리를 나누고 옷을 판매함으로써 사용자의 스케줄에 전혀 맞지 않는 메뉴 및 화면 구성을 하고 있다. 이에 따라, 본 발명의 일 실시예에 따른 서비스는, 도 4e와 같이 고객의 스케줄과 취향을 파악하여 미리미리 추천을 해줄 수 있도록, 도 4f와 같이 고객의 취향 정보를 수집하고, 도 4g와 같이 고객의 스케줄을 입력받은 후, 고객의 스케줄보다 먼저 "미리" 옷을 추천해줄 수 있도록 함으로써 준비할 수 있도록 하며 전체 과정은 도 4h와 같다. 고객(사용자)의 스케줄표는 도 4i와 같으며, "미현 생일"이라는 스케줄 일정 이전에 취향과 TPO에 맞는 옷을 추천해줄 수 있다. 도 4j를 보면 기존 온라인 상품 배치를 탈피하여 각 타겟의 스케줄에 맞춘 카테고리를 메인에 배치하고, 고객이 필요할 때(타이밍) 고민할 필요없이 맞춤상품을 추천받음과 동시에 취향까지 고려해서 골라주게 되므로 도 4l과 같이 불필요한 충동구매나 실패확률이 낮아지게 된다. 쇼핑몰의 메인 페이지를 스케줄에 맞춘 메뉴 구성을 통하여 프로세스를 만듦으로써 각 개인에 맞게 개인화할 수 있다. 또, 소비자 뿐만 아니라 도 4m과 같이 판매자에게도 고객의 취향정보와 스케줄 정보를 제공할 수 있으므로 다음 스케줄을 예측가능하고 임의의 옷을 추천해주는 것이 아니라 취향과 상황에 맞는 추천으로 구매확률을 높일 수 있다.

덧붙여서, 본 발명의 일 실시예는, 사용자가 직접 본 발명의 스케줄표에 입력하는 것 이외에도, 스케줄을 관리하는 적어도 하나의 애플리케이션에 스케줄이 입력되는 경우, 도 4n과 같이 본 발명의 일 실시예에 따른 카테고리에 포함된 스케줄이라면, 연동하여 본 발명의 스케줄표에 자동입력되도록 하는 구성을 더 포함할 수 있다. 이때, 스케줄을 관리하는 적어도 하나의 애플리케이션은, 삼성, 애플, 네이버 등에 한정되지 않고 이 상표명은 예시로 입력한 것이고 반드시 상술한 상표명 및 상품들을 사용하지 않아도 가능함은 자명하다 할 것이다.

이와 같은 도 2 내지 도 4의 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 도 1의 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 5를 참조하면, 의상 추천 서비스 제공 서버는, 적어도 하나의 의류 데이터에 적어도 하나의 취향 태그, 적어도 하나의 TPO(Time Place Occasion) 태그 및 의류 카테고리 태그를 각각 매핑하여 저장하고(S5100), 사용자 단말에서 완성한 스케줄표 내에 포함된 단어를 추출하고, 추출된 단어와 기 설정된 유사도를 초과하는 TPO 태그를 추출한다(S5200).

그리고, 의상 추천 서비스 제공 서버는, 추출된 TPO 태그와 사용자 단말의 취향정보에 대응하는 취향 태그가 매핑된 적어도 하나의 의상 데이터를 추출하여 사용자 단말로 전송한다(S5300).

상술한 단계들(S5100~S5300)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5300)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 5의 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (8)

1. 적어도 하나의 취향 태그를 선택하여 사용자의 취향정보를 입력하고, 상기 사용자의 신체 사이즈 정보를 입력하며, 다가오는 행사, 일정 및 이벤트를 포함하는 사용자의 스케줄 정보를 입력하여 스케줄표를 완성하고, 스케줄이 있는 날짜를 기준으로 기 설정된 기간 이전에 적어도 하나의 의상 데이터를 추천받는 사용자 단말; 및
   적어도 하나의 의류 데이터에 적어도 하나의 취향 태그, 적어도 하나의 TPO(Time Place Occasion) 태그 및 의류 카테고리 태그를 각각 매핑하여 저장하는 데이터베이스화부, 상기 사용자 단말에서 완성한 스케줄표 내에 포함된 단어를 추출하고, 상기 추출된 단어와 기 설정된 유사도를 초과하는 TPO 태그를 추출하는 추출부, 상기 추출된 TPO 태그와 상기 사용자 단말의 취향정보에 대응하는 취향 태그가 매핑된 적어도 하나의 의상 데이터를 추출하여 상기 사용자 단말로 전송하는 전송부를 포함하는 의상 추천 서비스 제공 서버;를 포함하되,
   상기 기 설정된 기간은, 상기 스케줄이 있는 날짜를 기준으로 2 주, 10 일 및 1 주이고,
   상기 상기 스케줄이 있는 날짜를 기준으로 2 주 전에는 제 1 차 추천 의상 데이터, 10 일 전에는 제 2 차 추천 의상 데이터 및 7 일 전에는 제 3 차 추천 의상 데이터가 상기 사용자 단말로 전송되며,
   상기 의상 추천 서비스 제공 서버는,
   상기 사용자 단말에서 스케줄이 있는 날짜를 기준으로 기 설정된 기간 이전에 적어도 하나의 의상 데이터를 추천받은 후 구매 및 결제 이벤트가 발생하지 않는 경우, 상기 추천된 적어도 하나의 의상 데이터를 추천 리스트에서 제외하는 내심파악부; 및
   상기 사용자 단말에서 추천받은 적어도 하나의 의상 데이터를 구매 및 결제하는 경우, 구매한 적어도 하나의 의상 데이터를 상기 구매 및 결제가 발생된 날짜에 대응하는 스케줄표 내에 기록하고, 상기 기록된 적어도 하나의 의상 데이터에 대한 구매후기가 상기 스케줄표 내에 기록되는 경우, 상기 스케줄표 내에 기록된 구매후기를 판매자의 쇼핑몰 페이지와 연동시켜 업로드하는 후기관리부;를 더 포함하는
   상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템.
   
2. 삭제
3. 제 3 항에 있어서,
   상기 의상 추천 서비스 제공 서버는,
   상기 제 1 차 추천 의상 데이터를 상기 사용자 단말에서 선택 및 구매하는 경우 상기 제 2 차 추천 의상 데이터 및 제 3 차 추천 의상 데이터를 전송하지 않고, 상기 제 2 차 추천 의상 데이터를 상기 사용자 단말에서 선택 및 구매하는 경우 상기 제 3 차 추천 의상 데이터를 상기 사용자 단말로 전송하지 않는 구매확인부;
   를 더 포함하는 것을 특징으로 하는 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템.
   
4. 삭제
5. 삭제
6. 제 1 항에 있어서,
   상기 적어도 하나의 TPO 태그 중 상황(Occasion) 태그는, 생일, 미팅, 모임, 직장, 결혼식, 휴가, 데일리 및 소개팅을 포함하고,
   타임(Time) 태그는, 날씨, 시간 및 계절을 포함하는 것을 특징으로 하는 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템.
   
7. 제 1 항에 있어서,
   상기 적어도 하나의 취향 태그는, 청순, 섹시, 프리, 빈티지 및 럭셔리를 포함하는 것을 특징으로 하는 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템.
   
8. 제 1 항에 있어서,
   상기 스케줄표는 상기 사용자 단말에서 사용하는 적어도 하나의 종류의 일정관리 웹페이지, 앱페이지, 애플리케이션 및 프로그램 중 어느 하나 또는 적어도 하나의 조합과 연동되어 자동으로 기입되는 것을 특징으로 하는 상황 인식 기반 사용자 스케줄을 이용한 의상 추천 서비스 제공 시스템.

Images