KR102325409B1 - 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템 - Google Patents
인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템 Download PDFInfo
- Publication number
- KR102325409B1 KR102325409B1 KR1020210096993A KR20210096993A KR102325409B1 KR 102325409 B1 KR102325409 B1 KR 102325409B1 KR 1020210096993 A KR1020210096993 A KR 1020210096993A KR 20210096993 A KR20210096993 A KR 20210096993A KR 102325409 B1 KR102325409 B1 KR 102325409B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- sports
- user
- server
- individual
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 12
- 238000012549 training Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000036541 health Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 9
- 230000036772 blood pressure Effects 0.000 claims description 8
- 230000010365 information processing Effects 0.000 claims description 7
- 230000009193 crawling Effects 0.000 claims description 6
- 210000004204 blood vessel Anatomy 0.000 claims description 5
- 206010012601 diabetes mellitus Diseases 0.000 claims description 5
- 201000010099 disease Diseases 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 5
- 210000002216 heart Anatomy 0.000 claims description 5
- 210000004185 liver Anatomy 0.000 claims description 5
- 230000008450 motivation Effects 0.000 claims description 5
- 230000000391 smoking effect Effects 0.000 claims description 5
- 230000004438 eyesight Effects 0.000 claims description 4
- 230000035622 drinking Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 210000000577 adipose tissue Anatomy 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000009182 swimming Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 208000003618 Intervertebral Disc Displacement Diseases 0.000 description 1
- 206010050296 Intervertebral disc protrusion Diseases 0.000 description 1
- 208000029549 Muscle injury Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 210000000579 abdominal fat Anatomy 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013503 de-identification Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Child & Adolescent Psychology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 개인에게 최적화된 스포츠를 추천할 수 있는 퍼스널 스포츠 큐레이션 방법 및 시스템에 관한 것이다. 퍼스널 스포츠 큐레이션 시스템은 개별 사용자의 개인화 특성 정보를 저장한 물리적 저장 공간인 제1데이터베이스, 개별 스포츠의 스포츠 특성 정보를 저장한 물리적 저장 공간인 제2데이터베이스, 사용자의 사용자 입력에 근거하여 사용자 입력 정보를 생성하는 사용자 단말, 및 상기 사용자 단말로부터 상기 사용자 입력 정보가 수신되는 경우, 상기 사용자 입력 정보, 상기 개인화 특성 정보 및 상기 스포츠 특성 정보를 인공지능에 기반하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하고, 산출된 상관도를 기준으로 맞춤형 스포츠를 추출하며, 추출된 맞춤형 스포츠 중 하나 또는 그 이상에 관한 정보를 추천 스포츠 정보로 상기 사용자 단말로 전송하는 서버를 포함하며, 상기 사용자 단말은 상기 추천 스포츠 정보를 디스플레이 하고, 상기 서버는, 상기 개인화 특성 정보를 이용하여 복수의 그룹들을 군집화하고, 상기 사용자 입력 정보에 근거하여 상기 그룹들 중 어느 하나를 상기 사용자가 속하는 소속 그룹으로 선택하고, 상기 사용자에 대한 개별 스포츠의 상관도를 산출함에 있어 상기 소속 그룹에 설정된 가중치를 반영하며, 상기 가중치는 상기 소속 그룹에 따라 가변되며, 상기 사용자 단말은 상기 추천 스포츠가 디스플레이 되는 시간을 카운팅 해 상기 서버로 전송하고, 상기 서버는 상기 시간에 근거하여 상기 추천 스포츠의 개별 가중치를 변경하는 것을 특징으로 한다.
Description
본 발명은 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템으로, 보다 상세하게는 개인에게 최적화된 스포츠를 추천할 수 있는 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템에 관한 것이다.
현대사회에서 경제성장과 함께 생활환경이 윤택해지고 개인의 여가시간이 증가함에 따라 많은 사람들이 다양한 방법으로 여가시간을 활용하고 있다. 이러한 가운데 체육활동을 통하여 자신의 건강을 유지하고 신체를 단련하려는 국민들의 의식이 높아지고 있으며, 지역이나 직장을 중심으로 자발적인 스포츠 동호인이 늘어나는 한편 유아에서 노인에 이르기까지 모든 연령층에서 스포츠에 참여하고 있다.
사용자의 건강상태, 운동내역 및 선호도를 종합하여 사용자 맞춤형으로 운동을 추천하는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2009-0000941호(2009년01월08일 공개)에는, 사용자에게 운동행위를 고취시키고, 사용자의 건강 상태 및 운동 선호도, 일반 활동량 등을 고려하여 특정 종목의 운동을 추천하기 위하여, 사용자의 건강상태를 혈압기, 맥박측정기 등의 생체 지수 측정 기기와 기존의 환자 건강상태 데이터베이스를 통한 운동량 및 선호도를 통하여 가장 적절한 운동을 추천해주고, 그 수행 정도를 평가하여 추후 추천시 그 내용을 반영하고, 이를 통하여, 사용자의 건강상태와 운동 수행 내역 그리고 선호도를 모두 종합한 사용자 맞춤형 운동 추천 서비스의 구성이 개시되어 있다.
상술한 구성은 현재 상태를 기반으로 운동내역을 측정하거나 입력받으므로 임의의 사용자가 프로그램에 변화를 주고 싶은 경우나, 난이도를 올리고 싶은 경우 또는 종목을 변경하고 싶은 경우에는 적합한 추천이 어려운 등의 문제점이 있었다.
아울러, 스포츠 강습을 받는 참여자와 공급자 사이의 정보 비대칭성을 해결하지 못해 개인에게 최적화된 스포츠를 추천할 수 없는 문제점이 있었다.
본 발명은 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다.
본 발명의 일 목적은 개인에게 최적화된 스포츠를 추천할 수 있는 퍼스널 스포츠 큐레이션 방법 및 시스템을 제공하는 것이다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 퍼스널 스포츠 큐레이션 시스템은 개별 사용자의 개인화 특성 정보를 저장한 물리적 저장 공간인 제1데이터베이스, 개별 스포츠의 스포츠 특성 정보를 저장한 물리적 저장 공간인 제2데이터베이스, 사용자의 사용자 입력에 근거하여 사용자 입력 정보를 생성하는 사용자 단말, 및 상기 사용자 단말로부터 상기 사용자 입력 정보가 수신되는 경우, 상기 사용자 입력 정보, 상기 개인화 특성 정보 및 상기 스포츠 특성 정보를 인공지능에 기반하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하고, 산출된 상관도를 기준으로 맞춤형 스포츠를 추출하며, 추출된 맞춤형 스포츠 중 하나 또는 그 이상에 관한 정보를 추천 스포츠 정보로 상기 사용자 단말로 전송하는 서버를 포함하며, 상기 사용자 단말은 상기 추천 스포츠 정보를 디스플레이 하고, 상기 서버는, 상기 개인화 특성 정보를 이용하여 복수의 그룹들을 군집화하고, 상기 사용자 입력 정보에 근거하여 상기 그룹들 중 어느 하나를 상기 사용자가 속하는 소속 그룹으로 선택하고, 상기 사용자에 대한 개별 스포츠의 상관도를 산출함에 있어 상기 소속 그룹에 설정된 가중치를 반영하며, 상기 가중치는 상기 소속 그룹에 따라 가변되며, 상기 사용자 단말은 상기 추천 스포츠가 디스플레이 되는 시간을 카운팅 해 상기 서버로 전송하고, 상기 서버는 상기 시간에 근거하여 상기 추천 스포츠의 개별 가중치를 변경하는 것을 특징으로 한다.
본 발명의 일 실시예에 있어서, 상기 인공지능은 비지도학습 기반 머신러닝일 수 있다.
본 발명의 일 실시예에 있어서, 상기 제1 정보수집부는 공공 데이터 제공 웹 사이트, 업종별 시설 정보 제공 웹 사이트, 생활 체육 및 국민 체력 데이터 제공 웹 사이트로부터 각각의 정보를 크롤링하여 저장한 후 분석할 수 있다.
본 발명의 일 실시예에 있어서, 상기 추천 스포츠의 개별 가중치가 변경되는 경우, 상기 소속 그룹에 설정된 상기 가중치도 변경될 수 있다.
본 발명의 일 실시예에 있어서, 상기 추천 스포츠 정보는 추천 스포츠에 대한 적어도 하나 이상의 강습 서비스 정보를 포함하며, 강사 정보, 강습 제목, 강습 내용, 강습 가능 시간, 강습 가능 장소, 강습 비용 및 사용자 위치 정보 중 적어도 하나에 기초하여, 사용자 맞춤형의 강습 서비스를 추천할 수 있다.
본 발명의 일 실시예에 있어서, 상기 퍼스널 스포츠 큐레이션 시스템은 강사 단말을 더 포함하며, 상기 서버는 상기 강사 단말로부터 수신된 정보에 근거하여 상기 강습 서비스 정보를 업데이트 할 수 있다.
본 발명의 일 실시예에 있어서, 상기 서버는, 상기 사용자 단말로부터 수신된 위치 정보에 근거하여 상기 사용자 단말의 위치를 기준으로 소정 범위 내에 위치한 스포츠 시설을 검색하고, 검색된 스포츠 시설에 한하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 사용자 입력 정보는, 신체정보(신장, 체중, 허리둘레, 체질량지수, 시력, 청력), 건강정보(심장, 혈관, 신장, 당뇨, 혈압, 간장, 흡연, 음주), 생활정보(나이, 성별, 직업, 연소득, 근무지, 평균근무시간), 운동동기정보(외모, 건강, 질병, 사회적 관계, 사업, 재미, 진로), 경험정보(생활체육종목, 가입시설명, 지속기간, 중단사유)를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 서버는 데이터 크롤링을 통하여 공공데이터, 스포츠 시설정보 및 최신 트렌드의 스포츠 정보를 수집하는 제1 정보수집부; 사용자 정보, 신체 정보, 관심 정보, 스포츠 트렌드 및 시설 정보를 수집하여 분산저장하는 제2 정보수집부; 미리 설정된 데이터 모델링 방식을 이용하여 상기 제1 정보 수집부 및 제2 정보수집부에 의하여 수집 또는 저장된 데이터를 식별 또는 비식별처리하는 정보처리부; 상기 사용자 입력 정보를 상기 제1 정보 수집부 및 제2 정보수집부에 의하여 수집 또는 저장된 데이터와 매핑시키는 정보매핑부; 상기 매핑된 데이터를 기초로 미리 설정된 기계 학습 및 추천 알고리즘을 통하여 개인화된 맞춤형 생활 체육 종목과 지역 기반의 생활체육 시설 정보를 분석 및 추출하는 정보분석추천부; 상기 분석 및 추출된 정보를 개인 맞춤형, 스포츠별 또는 지역별로 시각화하여 제공하는 정보제공부; 및 상기 제1 정보수집부, 제2 정보수집부, 정보처리부, 정보매핑부, 정보분석추천부 및 정보제공부의 동작을 제어하는 제어부를 포함할 수 있다.
나아가, 사용자 단말 및 서버를 포함하는 퍼스널 스포츠 큐레이션 시스템의 퍼스널 스포츠 큐레이션 방법은, 상기 서버를 통해 개별 사용자의 개인화 특성 정보를 물리적 저장 공간인 제1데이터베이스에 저장하는 단계; 상기 서버를 통해 개별 스포츠의 스포츠 특성 정보를 물리적 저장 공간인 제2데이터베이스에 저장하는 단계; 상기 사용자 단말을 통해 입력된 사용자의 사용자 입력에 근거하여, 상기 서버를 통해 사용자 입력 정보를 생성하는 단계; 상기 서버를 통해 상기 사용자 입력 정보, 상기 개인화 특성 정보 및 상기 스포츠 특성 정보를 인공지능에 입력하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하는 단계; 상기 서버를 통해 상기 산출된 상관도를 기준으로 맞춤형 스포츠를 추출하는 단계; 및 추출된 맞춤형 스포츠 중 하나 또는 그 이상에 관한 정보를 추천 스포츠 정보로 상기 사용자 단말에 디스플레이 하는 단계를 포함하며, 상기 사용자에 대한 개별 스포츠의 상관도를 산출하는 단계는, 상기 개인화 특성 정보를 이용하여 복수의 그룹들을 군집화하는 단계; 상기 사용자 입력 정보에 근거하여 상기 그룹들 중 어느 하나를 상기 사용자가 속하는 소속 그룹으로 선택하는 단계; 및 상기 소속 그룹에 설정된 가중치를 반영하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하며, 상기 가중치는 상기 소속 그룹에 따라 가변되는 것을 특징으로 하는 단계를 더 포함하며, 상기 사용자 단말은 상기 추천 스포츠가 디스플레이 되는 시간을 카운팅 해 상기 서버로 전송하는 단계; 및 상기 서버는 상기 시간에 근거하여 상기 추천 스포츠의 개별 가중치를 변경하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 개인의 연령, 직업, 성별, 지역, 경제적 여건과 신체 조건 그리고 관심사와 호감도 등 다방면의 개인 데이터(Personal Data)를 수집 분석하여 개인화된 맞춤형 최적의 종목과 지역 기반의 생활체육 시설을 추천해줄 수 있다.
본 발명의 일 실시 예에 따르면, 스포츠 프로그램에 참여하는 사용자를 대상으로 스포츠 프로그램 수강이력데이터를 입력받고, 수강이력데이터를 분석 및 사용자를 분석하여 이후 어떠한 스포츠 프로그램을 어느 시기에 적절하게 받아야 하는지를 추천해줄 수 있다.
도 1은 본 발명의 일 실시예에 따른 퍼스널 스포츠 큐레이션 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 맞춤형 스포츠 추천 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 퍼스널 스포츠 큐레이션 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 맞춤형 스포츠 추천 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3은 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도 1의 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 퍼스널 스포츠 큐레이션 시스템을 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.
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.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 맞춤형 스포츠 추천 서비스 제공 서버(300), 적어도 하나의 수강 이력데이터 제공 서버(400), 적어도 하나의 정보제공 서버(500) 및 웨어러블 밴드(600)를 포함할 수 있다. 다만, 이러한 도 1의 스포츠 수강이력관리를 이용한 맞춤형 스포츠 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 도시 된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 맞춤형 스포츠 추천 서비스 제공 서 버(300)와 연결될 수 있다. 그리고, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적 어도 하나의 사용자 단말(100), 적어도 하나의 수강이력데이터 제공 서버(400), 적어도 하나의 정보제공 서버 (500), 및 웨어러블 밴드(600)와 연결될 수 있다. 또한, 적어도 하나의 수강이력데이터 제공 서버(400)는, 네트워크(200)를 통하여 맞춤형 스포츠 추천 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 적어도 하나의 정보제공 서버(500)는, 네트워크(200)를 통하여 맞춤형 스포츠 추천 서비스 제공 서버(300)와 연결될 수 있다. 마지막으로, 웨어러블 밴드(600)는, 네트워크(200)를 통하여 사용자 단말(100)과 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의 미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5GPP(5th Generation Partnership Project) 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 블루투스 (Bluetooth) 네트워크, NFC 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 자명 하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
적어도 하나의 사용자 단말(100)은, 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 사용자의 스포츠 프로그램 수강 이력을 입력 및 전송하고, 이에 기반하여 시기별 추천 스포츠 프로그램의 리스트를 출력하는 사용자의 단말일 수 있다. 그리고, 적어도 하나의 사용자 단말(100)은, 웨어러블 밴드(600)와 연동하여 사용자의 생체정보 및 적어도 하나의 인체로부터 얻어진 정보를 맞춤형 스포츠 추천 서비스 제공 서버(300)로 전송하는 단말일 수 있다.
여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터 로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데 스크톱(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.
맞춤형 스포츠 추천 서비스 제공 서버(300)는, 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 사용자 단말(100) 또는 수강이력데이터 제공 서버(400)로부터 사용자의 수강이력데이터를 수집하고 이를 분석하는 서버일 수 있다. 또한, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 분석결과 시기 별로 추천할 스포츠 프로그램의 리스트를 추출하고, 이를 시기별로 사용자 단말(100)로 전송하는 서버일 수 있다. 또한, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 스포츠 프로그램을 추천하기 위하여, 적어도 하나의 정보 제공 서버(500)로부터 개인별 프로파일, 운동의 종류 등의 정보를 수집하고 빅데이터를 구축하여 훈련 및 학습을 진행하는 서버일 수 있다. 그리고, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 추천한 스포츠 프로그램을 진행할 때, 사용자 단말(100)로부터 웨어러블 밴드(600)의 정보를 수집하여 추천한 프로그램의 적합성을 판단하는 서버일 수 있고, 재학습을 진행하여 사용자 정보를 업데이트하는 서버일 수 있다.
여기서, 맞춤형 스포츠 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 수강이력데이터 제공 서버(400)는, 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 수강이력데이터를 맞춤형 스포츠 추천 서비스 제공 서버(300)로 전송하는 서버일 수 있다. 여기서, 적어도 하나의 수강이력데이터 제공 서버(400)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 정보제공 서버(500)는, 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 개인별 프로파일, 스포츠 프로그램의 종류 및 시기 등에 대한 정보를 맞춤형 스포츠 추천 서비스 제공 서버(300)로 제공하는 서버일 수 있다. 여기서, 적어도 하나의 정보제공 서버(500)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.
웨어러블 밴드(600)는, 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 사용자 단말(100)로 인체의 적어도 한 부분의 정보를 전송하는 장치일 수 있다.
이때, 웨어러블 밴드(600)는, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 웨어러블 밴드(600)는, 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 맞춤형 스포츠 추천 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3은 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 수집부(310), 분석부(320), 추출부(330), 전송부(340), 체력관리부(350), 데이터베이스화부(360), 및 빅데이터 구축부(370)를 포함할 수 있다.
본 발명의 일 실시예에 따른 맞춤형 스포츠 추천 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100), 적어도 하나의 수강이력데이터 제공 서버(400), 및 적어도 하나의 정보제공 서버(500)로 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100), 적어도 하나의 수강이력데이터 제공 서버(400), 및 적어도 하나의 정보제공 서버(500)는, 스포츠 수강이력관리를 이용한 맞춤형 스포츠 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), 적어도 하나의 수강이력데이터 제공 서버(400), 및 적어도 하나의 정보제공 서버(500)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hypertext 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, 수집부(310)는, 사용자 단말(100)로부터 적어도 하나의 스포츠 프로그램을 수강한 수강이력 데이터를 수집할 수 있다. 이때, 사용자 단말(100)에서 직접 수집부(310)로 적어도 하나의 스포츠 프로그램을 수강한 수강이력데이터를 입력 및 전송할 수도 있으나, 수강이력데이터 제공 서버(400)에서 수집하는 것을 배제하지 않는다. 수강이력데이터 제공 서버(400)는, 사용자의 수강이력을 보유한 기관, 센터 등의 서버일 수 있다. 여기서, 스포츠 프로그램은 수영, 발레, 축구, 농구, 야구 등을 모두 포함할 수 있으며, 어느 특정 스포츠를 지칭하지는 않는다.
분석부(320)는, 수집된 수강이력데이터를 분석할 수 있다. 이때, 수강이력데이터는, 사용자의 나이와 수강시기에 동기화된 데이터일 수 있다. 즉, 사용자가 어떠한 운동능력을 가지고 있는지, 어떠한 운동을 배웠는지, 어떠한 스포츠 프로그램을 이수했는지 등을 분석함으로써, 이후 어떠한 운동을 언제 추천해야할지를 결정하기 위 함이다. 이때, 수강이력데이터 제공 서버(400)는, 사용자 단말(100) 및 사용자가 수강한 적어도 하나의 프로그 램을 시기별로 저장하여 수강이력데이터를 관리할 수 있다.
추출부(330)는, 분석된 수강이력데이터에 기반하여 적어도 하나의 스포츠 프로그램 및 추천시기를 추출할 수 있다. 이때, 분석, 및 추출의 과정의 예를 들면, 사용자 프로파일을 처리 및 저장하고, 프로파일 정보를 기반으 로 최적의 스포츠 프로그램을 추천하여 웹페이지, 앱페이지, 프로그램 또는 애플리케이션으로 제공할 수 있다. 추천 서비스 이후 사용자들로부터 수집 가능한 피드백 정보를 반영하여 학습시킴으로서, 프로파일 정보 및 추천의 신뢰도 향상할 수 있도록 한다.
이를 위하여, 추출부(330)는, 스포츠 프로그램에 필요한 프로파일 처리 알고리즘을 이용할 수 있다. 프로파일 처리 알고리즘은 사용자에 대한 프로파일 정보를 저장할 수 있는데, 정적 프로파일의 속성정보(ID, PW, 이름, 전화번호, e-mail 등)와 동적 프로파일의 속성정보(성별, 생년월일, 지역, 신장, 체중, 장애여부, 수강이력데이터)정보로 구분할 수 있고, 동적 프로파일 속성정보는 추천 시 고려되는 요소로, 그룹 유사도 계산을 위한 사용 자에 대한 속성정보로 사용될 수 있다.
이때, 그룹 개념은, 그룹의 프로파일을 기반으로 하여 그룹의 속성에 따른 유사도 계산을 통해 사용자의 속성정보와 유사하거나, 사용자의 선호도가 유사한 그룹을 추천해주는 방식일 수도 있다. 이때, 그룹의 프로파일 정 보가 명확하고 다양한 속성 값을 가지는 경우, 협업 필터링보다는 내용 기반의 그룹 추천 방식으로 구현될 수도 있다. 즉, 그룹은 복수의 개인으로 구성되어 있기 때문에, 개인보다는 그룹을 추천하는 방식을 사용할 수 있다. 이러한, 그룹 방식의 추천은 개인의 만족도를 보장하기 위하여 개인의 선호도와, 수강이력데이터에 대한 평가점수를 계산하여 추천될 수 있다. 초기 추천시 사용자의 평가점수가 부족한 상황을 고려하여 기 생성된 리 뷰(후기)나 평점과 개인의 속성정보를 적용하여 그룹 유사도를 계산하는 방식을 이용할 수도 있다.
우선, 그룹 유사도의 평균 및 표준편차를 계산하기 위하여 속성정보와 유클리디안 계산법을 이용할 수 있다 이 때, 개인의 속성별 중심값 계산을 위해 평균과 표준편차를 사용할 수 있고, 속성별 중심값 기반 거리 계산을 위 해 다차원(속성정보)의 수치를 계산할 수 있다. 그리고, 그룹 간 거리 기반의 유사도를 계산할 수 있다. 물론, 상술한 방법 이외에도 다양한 방법이 이용될 수 있으며, 개인별로 각 특성정보를 분석하여 추천을 수행할 수도 있다. 이때, 상술한 그룹의 의미는 인구통계학적으로 유사한 속성을 가진 개인을 모아놓은 그룹을 의미할 수 있다.
전송부(340)는, 추출된 적어도 하나의 스포츠 프로그램을 추천시기에 사용자 단말(100)로 전송할 수 있다. 또는, 추천시기에 도달하지 않았더라도 전송부(340)는, 사용자에게 각 시기에 어느 스포츠 프로그램을 수강하면 좋을지에 대한 정보를 리스트업하여 전송할 수도 있다. 이에 따라, 사용자 단말(100)은, 수강이력데이터에 기 반하여 추천된 시기별 스포츠 프로그램 리스트를 수신하여 출력할 수 있다.
체력관리부(350)는, 수집된 적어도 하나의 인체 정보와 수강이력데이터를 시간에 동기화시켜 사용자의 체력 정보를 저장할 수 있다. 이때, 인체 정보는 웨어러블 밴드(600)에 의해 수집될 수 있다. 그리고, 웨어러블 밴드 (600)는, 사용자 단말(100)과 연동되어 사용자의 적어도 하나의 인체 정보를 수집할 수 있고, 사용자 단말(10 0)로 인체 정보를 전송하여 체력관리부(350)로 전송되도록 하는 장치일 수 있다.
데이터베이스화부(360)는, 개인별 프로파일, 체력 정보, 스포츠 프로그램, 스포츠 프로그램이 진행되어야 할 조건 및 시기를 레이블화된 테이블에 저장하여 데이터베이스화할 수 있다. 여기서, 체력 정보와 함께 사용자의 운동 목적이 더 수집되어 저장될 수 있다. 예를 들어, 운동을 추천받기 앞서 자신의 운동 목적에 맞는 운동을 찾고자 하는 수요도 늘고 있지만 여전히 자신에게 필요한 운동에 대한 정보를 얻기에는 많은 시간과 노력이 필요하기 때문에, 본 발명의 일 실시예는, 운동의 목적까지 고려하여 스포츠 프로그램을 추천해주는 방법을 더 제 공할 수 있다.
예를 들어, 운동 목적에 대해 서술한 텍스트를 목적에 부합하는 운동으로 분류하기 위한 모델과 모델을 학습할 때 트레이닝 데이터세트(Training Dataset)로 상술한 데이터베이스를 이용할 수도 있다. 이에 따라, 본 발명의 일 실시예는, 데이터베이스의 데이터 텍스트를 입력으로 받아 형태소 단위로 분석하여 운동 분류에 있어 유의미한 정보만을 추출하는 NLP 전처리기와 한 문장에서 추출된 모든 형태소를 미리 정한 기준에 따라 하나의 운동으로 라벨링하는 학습 데이터 생성기, 그리고 생성한 훈련 데이터를 학습하는 CNN 모델을 더 포함할 수도 있다.
우선, 자연어 처리를 해야 하는데, 이를 위하여, 본 발명의 일 실시예는, 학습을 위해 수집한 입력 텍스트는 한국어 단어 또는 문장 단위로 구성된다. 한글은 여러 품사가 혼재하는 복잡한 언어 구조를 가지고 있어 NLP 단계를 통해 단어 표현을 적절하게 만들어 주어야 한다. 따라서, 텍스트 파일을 입력으로 받아 형태소 분석기를 사용하여 형태소 단위로 분석한 후 기 설정된 태그에 해당하는 형태소만 추출할 수 있다. 그 다음으로, 학습 데이터 생성을 해야하는데, 한국어 자연어 처리기에서 추출한 형태소 뭉치들을 미리 정한 운동 목적 분류 기준에 따라 하나의 운동으로 라벨링하는 작업을 수행할 수 있다. 예를 들어, 운동 종목 라벨링을 총 다섯 가지 운동인 헬스(유산소), 웨이트 트레이닝, 요가, 필라테스, 수영으로 분류할 수도 있으나, 이에 한정되지는 않는다. 그 다음으로 CNN 모델은, 문장 내의 단어들을 저차원 벡터로 변환한 뒤, 다양한 크기의 필터를 토대로 변환된 단어 벡터와 컨볼루션(Convolution) 변환을 수행한다. 이러한 변환을 통해 얻어진 결과를 하나의 특징 벡터(Feature Vector)로의 최대 풀링(Max Pooling) 및 드롭아웃 정규화(Dropout Normalization) 과정을 거쳐 분류할 수 있다.
이때, 사용되는 데이터베이스의 텍스트는, 입력의 전처리 과정을 거친 키워드의 모음과 라벨을 콤마(Comma)로 구분하는 형식을 이용할 수 있다. 이러한 데이터를 CNN 모델의 입력으로 사용하기 위해 키워드의 모음을 리스트로 변환하여 라벨과 함께 저장하는 워드 프로세싱(word processing) 과정을 추가로 수행할 수도 있다. 이렇게 생성된 데이터의 색인을 차원이 낮은 벡터로 임베딩하는 것으로 첫번째 레이어를 구성함으로써, 형성된 저차원 벡터를 각각 크기가 다른 필터를 통해 컨볼루션 연산을 수행하고, 이를 하나의 큰 특징 벡터로 병합하는 최대 풀링 과정을 거칠 수 있다. 이때, 컨볼루션 연산을 수행한 결과에 비선형성을 적용할 수 있고, VALID(유효값) 패딩을 통하여 엣지 패딩없이 문장을 슬라이드할 수 있다. 이후, 드롭아웃 정규화 레이어를 통하여 CNN의 오버피팅을 방지할 수 있고, 해당 레이어는 뉴런의 일부를 확률적으로 비활성화하여, 뉴런의 상호 적응을 방지하고 특징을 개별적으로 학습하도록 강제할 수 있다. 마지막으로, 특징 벡터를 통한 행렬 곱셈에 따른 점수가 가장 높은 것으로 라벨을 선택하여 예측할 수 있다. 정규화 확률로 변환된 최종 점수를 토대로 분류 문제에 대한 표준 손실함수인 크로스엔트로피 손실을 사용하여 손실 및 정확도를 계산할 수 있으며, 이를 토대로 테스트 과정에서 정확도를 측정할 수 있다.
또한, 데이터베이스화부(360)는, 스포츠 프로그램을 추천하기 위해서는, 각 종목별로 어떠한 순서대로 지도가 되고 있는지, 어떠한 순서로 프로그램이 진행되고 있는지, 각 프로그램을 수행할 대상은 누구인지 등에 대한 자료를 정확히 저장하고 있어야 한다. 또한, 데이터베이스화부(360)는, 개인의 건강상태, 생활습관, 신체조건, 운동능력 등에 대한 다양한 정보가 더 필요할 수도 있다. 스포츠 프로그램을 추천하기 위해서는, 다양한 정보가 필요한데, 예를 들어, 기존의 측정 데이터와 평가 및 추천에 대한 데이터를 누적하고 있어야 하며, 이를 통계처리하여 스포츠 프로그램별 소비 칼로리, 강도(Load, 부하) 등에 대한 정보도 측정하고 있어야 한다. 이때, 기존의 특정 데이터를 사실(Fact), 평가 및 추천 데이터를 규칙(Rule)로 나누어 저장할 수도 있다. 스포츠 프로그램 추천을 위한 사용자의 측정 데이터가 입력값으로 들어왔을 때, 데이터베이스화부(360)에서 저장되어 있는 항목별 측정자료를 기 설정된 형식으로 표현하여 평가기준수립을 위한 조건 및 결과로 사용할 수 있다. 이때, 각 규칙은 조건과 결론을 포함한다. 예를 들어, 복부지방율 기준 수치, 체지방율 기준 수치, 체지방평가 기준지수 등은 규칙의 조건부분으로, 입력 값으로 들어온 실제 사용자의 측정값들과 데이터베이스에 있는 표준측정 데이타의 값 범위를 비교하여 복부지방율, 체지방율, 체지방평가의 결과를 결론부분으로 내보낼 수 있다.
본 발명의 일 실시예에서는, 데이터베이스를 통하여 사용자의 상태를 측정하고, 특정 부분의 문제점이나 특이사항을 파악할 수 있다고, 운동을 통하여 변화된 신체 정보(BMI, 몸무게, 혈압 등)를 기반으로 새로운 목표치나 스포츠 프로그램을 설정할 수 있다. 예를 들어, A 학생에게 웨이트 트레이닝이 추천되었는데, A 학생이 자전거를 타다가 부상을 입어 허리디스크로 판정된 경우, 더 이상 웨이트 트레이닝은 하기 어려울 수 있다. 또는, A 학생이 웨이트 트레이닝으로 근육손상의 문제가 발생한 경우, 이를 반영하여 새로운 스포츠 프로그램이 추천될 수도 있다. 물론, 상술한 실시예에 한정되는 것은 아니고 다양한 방법이 이용될 수 있음은 자명하다 할 것이다.
더 나아가, 빅데이터 구축부(370)는, 적어도 하나의 정보제공 서버(500)로부터 개인별 프로파일, 체력정보, 및 스포츠 프로그램을 포함하는 로우 데이터를 수집하고, 로우 데이터 내에 포함된 비정형(Unstructed) 데이터, 정형(Structured) 데이터 및 반정형 데이터(Semi-structured)를 정제하고, 메타 데이터로 분류를 포함한 전처리를 실시한 후, 전처리된 데이터를 데이터 마이닝(Data Mining)을 포함하는 분석을 실시할 수 있다. 이때, 데이터 마이닝은, 전처리된 데이터 간의 내재된 관계를 탐색하여 클래스가 알려진 훈련 데이터 셋을 학습시켜 새로운 데이터의 클래스를 예측하는 분류(Classification) 또는 클래스 정보 없이 유사성을 기준으로 데이터를 그룹짓는 군집화(Clustering)를 수행할 수 있다. 물론, 이외에도 다양한 마이닝 방법이 존재할 수 있으며, 수집 및 저장되는 빅데이터의 종류나 이후에 요청될 질의(Query)의 종류에 따라 다르게 마이닝될 수도 있다. 이렇게 구축된 빅데이터는, 인공신경망 딥러닝이나 기계학습 등으로 검증과정을 거칠 수도 있다.
이때, 인공 신경망은 CNN(Convolutional neural network) 구조가 이용될 수 있는데, CNN은 컨볼루션 층을 이용한 네트워크 구조로 이미지 처리에 적합하며, 이미지 데이터를 입력으로 하여 이미지 내의 특징을 기반으로 이미지를 분류할 수 있기 때문이다. 또한, 텍스트 마이닝(Text Mining)은 비/반정형 텍스트 데이터에서 자연어처리 기술에 기반하여 유용한 정보를 추출, 가공하는 것을 목적으로 하는 기술이다. 텍스트 마이닝 기술을 통해 방대한 텍스트 뭉치에서 의미 있는 정보를 추출해 내고, 다른 정보와의 연계성을 파악하며, 텍스트가 가진 카테고리를 찾아내거나 단순한 정보 검색 그 이상의 결과를 얻어낼 수 있다. 이를 이용하여, 본 발명의 일 실시예에 따른 맞춤형 스포츠 추천 서비스에서는, 질의로 입력되는 식별자나 자연어를 분석하고, 그 안에 숨겨진 정보를 발굴해 내기 위해 대용량 언어자원과 통계적, 규칙적 알고리즘이 사용될 수 있다. 또한, 클러스터 분석(Cluster Analysis)은, 비슷한 특성을 가진 객체를 합쳐가면서 최종적으로 유사 특성의 그룹을 발굴하는데 사용될 수 있다.
덧붙여서, 본 발명의 일 실시예는, 사용자의 상황을 고려한 스포츠 프로그램을 제공하는 문맥 인지 운동 모델(Context Aware Exercise Model: CAEM)과 운동 최적화 알고리즘을 더 제공할 수 있다. 이를 기반으로, 본 발명의 일 실시예는, 운동기구 및 측정장치와의 상호작용을 위한 지능형 운동 가이드(IFG: Intelligent Fitness Guide) 플랫폼을 제공할 수 있다. IFG 플랫폼은 센서를 통하여 사용자의 신체 신호 및 운동 기구에서 생성되는 자료를 입력받아 운동 최적화 알고리즘을 통하여 최적화된 운동 프로그램을 제공할 수도 있다.
이때, IFG는 사용자의 의도 및 운동 기구에 부착된 센서를 통해 실시간으로 받아들이는 입력 요소에 따라 다양한 운동 프로그램을 제공하는 것인데, 문맥 인지 기능을 고려한 문맥 인지 CAEM은 사용자 요구 인식, 요구에 알맞은 운동 모델 선택, 운동 모델의 최적화, 운동 모델의 실행의 단계를 더 포함할 수 있다. 이때, 문맥 인지 요구는 인식은, 최적화를 수행하여 의사결정을 해야 할 문제가 발생했는지를 문맥 정보나 사용자의 의도를 통하여 인식하는 것이다. 그리고, 문맥 인지 운동 모델 선택은, 운동 가이드 분류로 구분되는 운동 최적화 알고리즘에 따라 현재 사용자의 상황에서 사용자가 활용할 가능성이 높은 운동 종류 및 그에 따른 운동 종류 별 소비 칼로리를 우선적으로 선택하는 것이다. 문맥 인지 운동 모델 최적화는, 선택된 운동 최적화 알고리즘에 운동 종류 별 소비 칼로리와 사용자의 데이터 요소를 대입하여 운동 최적화 알고리즘을 완성하는 것이고, 문맥 인지 운동 모델 실행은, 모형을 실행하는 문제 해결자가 복수개 존재하는 경우 사용자에게 모든 운동 프로그램을 제시하여 선택을 받거나, 가장 적은 비용이 드는 운동 프로그램을 선택하는 것이다.
문맥(Context)은 특정 개인을 둘러싼 모든 직간접적 또는 잠재적인 자극 요소들의 총칭으로서, 크게는 어떠한 행동에 영향을 줄 수 있는 물리적이나 사회적 환경을 의미하는 문맥과 외부적으로 들어나지 않는 정신적 상태로 사용자의 행동을 기초로 한 추론을 통해 알아 낼 수 있는 문맥으로 나누어질 수 있다. 이때, 설정 시간(Set Time: ST), 문맥 외에 신체 신호(Vital Sign: VS), 운동 종류(Exercise Type: ET), 목표 운동 칼로리 소비량(Goal Kilocalorie Consumption: GKC), 수강이력데이터(History Data)를 문맥으로 분류하고, 이를 입력요소로 정의할 수 있다.
운동 최적화 알고리즘은 두 단계로 구성될 수 있다. 첫 번째 단계는 사용자에게서 운동 최적화 알고리즘에 필요한 입력데이터를 받아들여 이에 적절한 운동 모델을 선택하는 과정이고, IFG가 제공하는 운동가이드 분류를 통해 사용자의 의도에 알맞은 운동 모델을 선택하는 과정이 요구될 수 있다. 선택된 운동 모델은 운동 순서를 방향성 그래프로 나타낸 스포츠 프로그램들의 집합으로 구성될 수 있다. 이 운동 프로그램은사용자로 하여금 선택할 운동의 수를 입력받아 그에 적당한 운동의 조합을 제공할 수 있다. 두 번째 단계는 선택된 모델에 운동 종류 별 소비 칼로리를 대입하여, 주어진 조건에 합당한 스포츠 프로그램을 사용자에게 제공하는 단계인데, 선택된 운동 모델의 노드 수를 확인하여, 그 수만큼 운동 종류를 선택할 수 있다. 선택된 운동 종류를 운동 모델이 제시하는 운동 순서에 알맞게 대입하여 비용이 적게 나오는 스포츠 프로그램을 사용자에게 제공할 수 있다.
이하, 상술한 도 2의 맞춤형 스포츠 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.
본 발명의 일 실시예에 따른 퍼스널 스포츠 큐레이션 시스템은 개인의 연령, 직업, 성별, 지역, 경제적 여건과 신체 조건 그리고 관심사와 호감도 등 다방면의 개인 데이터(Personal Data)를 수집 분석하여 개인화된 맞춤형 최적의 종목과 지역 기반의 생활체육 시설을 추천해 주는 머신러닝 기반 지능형 생활체육 지식 정보 플랫폼 시스템으로서, 사용자 단말(100) 및 서버(300)를 포함한다. 여기서, 사용자 단말(100) 및 서버(300)는 유/무선 네트워크를 통해 상호 연결될 수 있다.
이를 통하여, 본 발명의 일 실시예에 따른 개인맞춤형 생활체육 추천 플랫폼 시스템은 공공 데이터 및 민간 데이터의 크롤링을 통한 데이터로부터 개인 신체/생체정보를 분석하여 기계학습을 통한 더 효과적이고 지속가능한 생활체육 및 시설을 추천할 수 있게 된다.
상기 사용자 단말(100)은 사용자 단말(100)을 소지하거나 이용하는 사용자(또는, 고객)로부터 입력 모듈(예를 들어, 터치 스크린, 마이크 등)을 통해 생활체육 및 시설 검색 요청과 사용자 정보, 신체 정보, 관심 정보를 수신하고, 생활체육 및 시설 검색 요청에 대응하는 생활체육 및 시설 검색 요청 신호를 서버(300)에 송신하며, 서버(300)에서 제공되는 생활체육 및 시설 정보를 출력 모듈(예를 들어, 디스플레이)를 통해 사용자에게 제공할 수 있다.
이러한 사용자 단말(100)은 전화 단말, 터미널(Terminal), MS(Mobile Station), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station), WT(Wireless terminal), MTC(Machine-Type Communication) 장치, M2M(Machine-to-Machine) 장치, D2D 장치(Device-to-Device) 장치 등일 수 있다.
다만, 이는 어디까지나 물론 예시에 불과할 뿐이며, 본 발명에서의 사용자 단말(100)은 상술한 예시들 이외에도 현재 개발되어 상용화되었거나 또는 향후 개발될 데이터 전송이 가능한 모든 장치를 포함하는 개념으로 해석되어야 한다.
상기 사용자 단말(100)이 스마트폰으로 구현된 경우, 스마트폰에 내장된 GPS 측위 시스템, WiFi 측위 시스템, 셀룰러(Cellular) 측위 시스템 또는 비콘(beacon) 측위 시스템들을 통해 사용자의 위치 정보를 획득하고, 스마트폰에 내장된 자이로 모듈을 통해 사용자의 활동 정보를 획득할 수 있다. 획득된 사용자의 위치 정보 및/또는 활동 정보는 서버(300)에서 생활체육 및 시설 정보를 추천하는데 이용될 수 있다. 이와 달리, 상기 사용자 단말(100)이 데스크탑으로 구현되는 경우, 사용자 단말(100)은 사용자가 착용하는 장치(예를 들어, 스마트폰, 만보계 등)과 연동되어, 사용자의 위치 정보 및/또는 활동 정보를 획득할 수 있다.
다시 말해, 상기 사용자 단말(100)은 본 발명의 일실시예에 있어서 사용자 정보, 신체 정보, 관심 정보, 생활체육 및 시설 정보를 포함하는 통신 신호를 송수신할 수 있는 장치를 의미한다.
이때, 상기 사용자 단말(100)에는 하나 이상의 어플리케이션(Application)이 미리 설치되어 있을 수 있으며, 특히 생활체육 및 시설 정보를 표시하는 서비스를 제공하는 어플리케이션이나 위와 같은 서비스와 관련된 어플리케이션 프로그램 인터페이스 (Application Program Interface: API), 임베디드 소프트웨어(Embedded Software) 또는 소프트웨어 개발 키트 (Software Deveoloment Kit: SDK)를 포함하는 어플리케이션이 본 발명의 구현을 위해 미리 설치되어 있을 수 있다.
상기 사용자 단말(100)은 사용자 단말(100)이 자체적으로 혹은 상기 설치된 하나 이상의 어플리케이션을 통해 서버(300)에 사용자 정보, 신체 정보, 관심 정보, 생활체육 및 시설 정보를 포함하는 데이터 또는 신호를 전송하거나 수신할 수 있다.
상기 사용자 정보는 사용자의 신체정보, 건강정보, 생활정보, 운동동기정보, 경험정보를 포함한다.
여기에서, 상기 신체정보는 신장 정보, 체중 정보, 허리둘레 정보, 체질량지수 정보, 시력 정보, 청력 정보 중 적어도 하나를 포함할 수 있고, 건강정보는 심장 박동 정보, 혈관 정보, 신장 정보, 당뇨 정보, 혈압 정보, 간장 정보, 흡연 정보, 음주 정보 중 적어도 하나를 포함할 수 있다.
또한, 상기 생활정보는 나이 정보, 성별 정보, 직업 정보, 연소득 정보, 근무지 정보, 평균근무시간 정보 중 적어도 하나를 포함할 수 있고, 운동동기정보는 외모 정보, 건강 정보, 질병 정보, 사회적 관계 정보, 사업 정보, 재미 정보, 진로 정보 중 적어도 하나를 포함할 수 있으며, 경험정보는 생활체육종목 정보, 가입시설명 정보, 지속기간 정보, 중단사유 정보 중 적어도 하나를 포함할 수 있다.
상기 서버(200)는 사용자와 연관된 빅데이터(개인 데이터 및 공공 데이터)를 분석하여 사용자에게 적합한 생활 체육 종목 및 시설 정보를 사용자 단말(100)에 제공할 수 있다.
보다 구체적으로, 상기 서버(300)는 개인 데이터를 수집하고, 복수의 공공 데이터를 연계 서버로부터 크롤링하며, 개인 데이터와 공공 데이터를 기초로 미리 설정된 기계 학습 및 추천 알고리즘을 통하여 개인화된 맞춤형 생활 체육 종목과 지역 기반의 생활체육 시설 정보를 사용자 단말(100)로 제공한다.
상기 서버(300)는 기 저장되거나 사용자 단말(100)로부터 제공되는 사용자 정보(예를 들어, 위치 정보 등) 및 개인 데이터에 기초하여 사용자의 특성 및 선호도를 산출하고, 사용자의 특성 및 선호도에 매칭되는 생활 체육 종목과 지역 기반의 생활체육 시설 정보를 추천 정보로서 결정할 수 있다. 또한, 상기 서버(300)는 생활 체육 종목 정보와 함께 지역 기반의 생활체육 시설 정보를 제공할 수 있다.
또한, 상기 서버(300)는 사용자 단말(100)이나 연계 서버로부터 수신된 개인 데이터 및 공공 데이터를 내부 또는 외부 메모리에 별도로 저장할 수 있다.
상기 서버(300)는 사용자 정보(예를 들어, 사용자의 위치 정보 등)에 기초하여 사용자의 특성이나 선호도를 분석하는 서버 또는 프로그램으로 구현될 수 있다.
상술한 바와 같이, 상기 서버(300)는 사용자의 특성 및 선호도를 산출하여 생활체육 종목을 선택/결정함으로써, 사용자 맞춤형 생활체육 종목정보를 제공/추천할 수 있다. 또한, 상기 서버(300)는 생활체육 종목정보와 함께 생활체육이 가능한 시설 정보를 제공함으로써, 다양한 형태의 사용자들에게 맞춤형 정보를 제공할 수 있다.
본 발명의 일 실시예에 있어서, 상기 서버(300)는 무선 통신 네트워크를 통해 데이터 송수신이 가능한 객체를 의미하며, 본 발명에서 연계 서버, 연계 서버 및/또는 클라이언트 서버를 포함할 수 있다.
상기 서버(300)는 공공데이터, 즉 공공데이터포털(data.go.kr)로부터 건강검진정보(신장/체중/혈압/혈당 등)를 수집하거나, 지방자치단체에서 인/허가하는 업종별 데이터개발 포털(localdata.kr)로부터 다양한 체육시설정보를 수집하거나, 생활체육 참여실태 조사/국민체력실태조사/체력에 따른 맞춤형 운동 프로그램 데이터(혈압, 신체활동 설문, 체지방률, 체질량지수, 근력, 근지구력, 심폐지구력, 유연성, 민첩성, 순발력, 협응력 등)/생활체육 정보포털로부터 수집된 동호회 및 트렌드 데이터(생활체육뉴스, 회원단체, 생활체육종목소개, 체육시설정보, 스포츠클럽, 학교체육시설개방지원, 대회 소개, 강습, 동호회, 생활체육, 트렌드 등)/건강검진정보 데이터의 정제(결측 데이터 제외) 및 가공(비식별처리 등)과정을 통하여 적재 후 분석하게 된다.
또한, 상기 서버(300)는 민간 데이터 분석, 즉 체육시설의 상호, 주소, 위경도, 종목, 프로그램을 키워드로 SNS 및 포털 크롤링을 통하여 데이터 분석이나, 체육시설 기준정보 등록시 상호, 주소, 위경도, 종목, 장비명 등의 키워드로 하여 SNS 및 포털을 통하여 크롤링(크롤링 데이터는 연관어 분석 및 긍정/부정 등의 텍스트 마이닝 대상이 됨)을 수행한 데이터 분석을 수행한다.
또한, 상기 서버(300)는 사용자단말로부터 개인데이터, 즉 신체정보(신장, 체중, 허리둘레, 체질량지수, 시려, 청력), 건강정보(심장, 혈관, 신장, 당뇨, 혈압, 간장, 흡연, 음주), 생활정보(나이, 성별, 직업, 연소득, 근무지, 평균근무시간), 운동동기(외모, 건강, 질병, 사회적 관계, 사업, 재미, 진로), 경험정보(생활체육종목, 가입시설명, 지속기간, 중단사유)를 웹 수집툴을 이용하여 수집하여 분석에 활용한다.
상기 서버(300)는 생활체육종목과 시설추천 알고리즘으로, 다양한 기계학습 알고리즘(유저기반추천(사용자신체/생체정보 수집, 사용자간 유사도 계산, Nearest Neighborhood 형성, 선호도 예측, 운동추천)), 유사한 사용자들 혹은 유사한 생활체육 시설을 추천하는 아이템 기반(Item-Based) 또는 유저 기반(User-Based), 특성이 비슷한 종목과 시설을 추천하는 컨텐츠 기반(Contents-Based) 방법, 여러 기계학습 알고리즘을 활용하는 앙상블 방법, 컨텐츠 특성을 정교하게 분석하는 유투브의 최신 알고리즘 등을 적용할 수도 있다,
도면에 도시되지 않았으나, 상기 서버(300)는 제1 정보수집부, 제2 정보수집부, 정보처리부, 정보매핑부, 정보분석추천부, 정보제공부 및 제어부를 포함할 수 있다.
상기 제1 정보수집부는 데이터 크롤링을 통하여 공공데이터, 스포츠 시설정보 및 최신 트렌드의 스포츠 정보를 수집한다.
제2 정보수집부는 사용자 정보, 신체 정보, 관심 정보, 스포츠 트렌드 및 시설 정보를 수집하여 분산저장한다.
정보처리부는 미리 설정된 데이터 모델링 방식을 이용하여 상기 제1 정보 수집부 및 제2 정보수집부에 의하여 수집 또는 저장된 데이터를 식별 또는 비식별처리한다.
정보매핑부는 상기 사용자 입력 정보를 상기 제1 정보 수집부 및 제2 정보수집부에 의하여 수집 또는 저장된 데이터와 매핑시킨다.
정보분석추천부는 상기 매핑된 데이터를 기초로 미리 설정된 기계 학습 및 추천 알고리즘을 통하여 개인화된 맞춤형 생활 체육 종목과 지역 기반의 생활체육 시설 정보를 분석 및 추출한다.
정보제공부는 상기 분석 및 추출된 정보를 개인 맞춤형, 스포츠별 또는 지역별로 시각화하여 제공한다.
제어부는 상기 제1 정보수집부, 제2 정보수집부, 정보처리부, 정보매핑부, 정보분석추천부 및 정보제공부의 동작을 제어한다.
도 3을 참조하면, (a) 맞춤형 스포츠 추천 서비스 제공 서버(300)는 사용자 단말(100) 또는 수강이력데이터 제 공 서버(400)로부터 사용자의 수강이력데이터를 수집하고, (b) 맞춤형 스포츠 추천 서비스 제공 서버(300)는 이를 분석하여 추천 리스트를 생성할 수 있다. 이 과정에서, (c) 맞춤형 스포츠 추천 서비스 제공 서버(300)는 미리 구축하여 학습시킨 빅데이터를 이용할 수 있고, 이를 통하여, (d) 사용자는 시기별로 어떠한 스포츠 프로 그램을 수강하면 좋을지를 추천받을 수 있게 된다.
이와 같은 도 2 및 도 3의 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 4는 본 발명의 일 실시예에 따른 도 1의 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 4를 통해 각 구성 들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 4에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.
도 4를 참조하면, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 적어도 하나의 정보 제공 서버(500)로부터 정 보를 수신하고(S4100), 빅데이터를 수집하고 전처리, 데이터마이닝, 학습 및 훈련 등의 과정을 거쳐 빅데이터를 구축할 수 있다(S4200). 그리고, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 사용자 단말(100) 또는 수강 이력데이터 제공 서버(400)로부터 수강이력데이터를 수집하고(S4300), 사용자 프로파일, 수강이력데이터 등을 사용자 단말(100)과 매핑하여 저장할 수 있다(S4400).
이때, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 사용자의 수강이력데이터 등을 분석하고(S4500), 시기별 로 어떠한 스포츠 프로그램을 추천해야 할지에 대한 리스트를 추출하고(S4600), 이를 사용자 단말(100)로 추천한다(S4700). 그리고, 맞춤형 스포츠 추천 서비스 제공 서버(300)는, 웨어러블 밴드(600)에서 측정된 데이터를 사용자 단말(100)을 경유하여 수집하고(S4800), 추천 스포츠 프로그램과 생체반응 데이터를 매핑하여 저장하고 (S4820), 재학습 및 훈련을 실시한 후 사용자 데이터를 업데이트한다(S4900, S4920).
상술한 단계들(S4100~S4920)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S4100~S4920)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 4의 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법에 대해서 설명되지 아니 한 사항은 앞서 도 1 내지 도 3을 통해 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5는 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법을 설명하기 위한 동작 흐름도이다. 도 5를 참조하면, 맞춤형 스포츠 추천 서비스 제공 서버는, 사용자 단말로부터 적어도 하나의 스포츠 프로그램을 수강한 수강이력데이터를 수집하고(S5100), 수집된 수강이력데이터를 분석한 다(S5200).
그리고, 맞춤형 스포츠 추천 서비스 제공 서버는, 분석된 수강이력데이터에 기반하여 적어도 하나의 스포츠 프로그램 및 추천시기를 추출하고(S5300), 추출된 적어도 하나의 스포츠 프로그램을 추천시기에 사용자 단말로 전 송한다(S5400).
이와 같은 도 5의 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법에 대해서 설명되지 아니 한 사항은 앞서 도 1 내지 도 4를 통해 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5를 통해 설명된 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 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 비휘발 성, 분리형 및 비분리형 매체를 모두 포함한다.
도 6은 본 발명의 일 실시예에 따른 퍼스널 스포츠 큐레이션 시스템을 설명하기 위한 도면이다.
상기 퍼스널 스포츠 큐레이션 시스템은 제1데이터베이스, 제2데이터베이스, 사용자 단말(100) 및 서버(300)를 포함할 수 있다.
제1데이터베이스는 개별 사용자의 개인화 특성 정보를 저장한 물리적 저장 공간이다.
제2데이터베이스는 개별 스포츠의 스포츠 특성 정보를 저장한 물리적 저장 공간이다.
사용자 단말(100)은 사용자의 사용자 입력에 근거하여 사용자 입력 정보를 생성한다.
상기 사용자 입력 정보는 신체정보(신장, 체중, 허리둘레, 체질량지수, 시력, 청력), 건강정보(심장, 혈관, 신장, 당뇨, 혈압, 간장, 흡연, 음주), 생활정보(나이, 성별, 직업, 연소득, 근무지, 평균근무시간), 운동동기정보(외모, 건강, 질병, 사회적 관계, 사업, 재미, 진로), 경험정보(생활체육종목, 가입시설명, 지속기간, 중단사유)를 포함할 수 있다.
서버(300)는 상기 사용자 단말(100)로부터 상기 사용자 입력 정보가 수신되는 경우, 상기 사용자 입력 정보, 상기 개인화 특성 정보 및 상기 스포츠 특성 정보를 인공지능에 입력하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출할 수 있다. 그리고, 산출된 상관도를 기준으로 맞춤형 스포츠를 추출하며, 추출된 맞춤형 스포츠 중 하나 또는 그 이상에 관한 정보를 추천 스포츠 정보로 상기 사용자 단말로 전송할 수 있다.
상기 사용자 단말(100)은 상기 추천 스포츠 정보를 디스플레이 한다.
상기 추천 스포츠 정보는 추천 스포츠에 대한 적어도 하나 이상의 강습 서비스 정보를 포함하며, 강사 정보, 강습 제목, 강습 내용, 강습 가능 시간, 강습 가능 장소, 강습 비용 및 사용자 위치 정보 중 적어도 하나에 기초하여, 사용자 맞춤형의 강습 서비스를 추천할 수 있다. 추천 과정은 사용자 맞춤형의 특정의 강습 서비스를 노출시킬 수도 있고, 단계별 분석을 통한 추천 후, 사용자의 선택에 의한 특정의 강습 서비스를 노출시킬 수도 있다. 예를 들어, 사용자가 특정 스포츠 종목을 선택하면, 그에 대응하는 적어도 하나 이상의 강습 서비스를 노출하고, 강사 정보, 강습 제목, 강습 내용, 강습 가능 시간, 강습 가능 장소, 강습 비용 및 사용자 위치 정보 중 사용자로부터 선택된 정보의 중요도에 기반하여, 사용자 맞춤형의 특정 강습 서비스를 추천할 수도 있다. 상기 추천을 위해서는 상기 서버는 강습 제목, 강습 내용에 있어서, 인공지능에 기반하여 문장 구조 해석, 단어 해석을 통한 데이터 추출을 수행할 수 있다.
상기 서버(300)는, 상기 개인화 특성 정보를 이용하여 복수의 그룹들을 군집화하고, 상기 사용자 입력 정보에 근거하여 상기 그룹들 중 어느 하나를 상기 사용자가 속하는 소속 그룹으로 선택하고, 상기 사용자에 대한 개별 스포츠의 상관도를 산출함에 있어 상기 소속 그룹에 설정된 가중치를 반영하며, 상기 가중치는 상기 소속 그룹에 따라 가변될 수 있다.
상기 사용자 단말(100)은 상기 추천 스포츠가 디스플레이 되는 시간을 카운팅 해 상기 서버(300)로 전송하고, 상기 서버(300)는 상기 시간에 근거하여 상기 추천 스포츠의 개별 가중치를 변경할 수 있다. 상기 추천 스포츠의 개별 가중치가 변경되는 경우, 상기 소속 그룹에 설정된 상기 가중치도 변경된다.
상기 퍼스널 스포츠 큐레이션 시스템은 강사 단말을 더 포함할 수 있다. 상기 서버(300)는 상기 강사 단말로부터 수신된 정보에 근거하여 상기 추천 스포츠 정보를 업데이트 할 수 있다. 구체적으로, 추천 스포츠 정보로서의 상기 강습 서비스 정보를 업데이트할 수 있다. 예를 들어, 사용자에게 노출될 정보로서 강사 정보, 강습 제목, 강습 내용, 강습 가능 시간, 강습 가능 장소, 강습 비용 등이 업데이트 될 수 있다.
상기 서버(300)는 상기 사용자 단말(100)로부터 수신된 위치 정보에 근거하여 상기 사용자 단말의 위치를 기준으로 소정 범위 내에 위치한 스포츠 시설을 검색하고, 검색된 스포츠 시설에 한하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출할 수 있다.
전술한 본 발명의 일 실시예에 따른 스포츠 수강이력관리를 이용한 맞춤형 스포츠 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 스포츠 수강 이력관리를 이용한 맞춤형 스포츠 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.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드(또는, 애플리케이션이나 소프트웨어)로서 구현하는 것이 가능하다. 상술한 고장 진단 장치의 고장 진단 방법은 메모리 등에 저장된 코드에 의하여 실현될 수 있다.
컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 상기 컴퓨터는 프로세서를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
Claims (10)
- 개별 사용자의 개인화 특성 정보를 저장한 물리적 저장 공간인 제1데이터베이스;
개별 스포츠의 스포츠 특성 정보를 저장한 물리적 저장 공간인 제2데이터베이스;
사용자의 사용자 입력에 근거하여 사용자 입력 정보를 생성하는 사용자 단말; 및
상기 사용자 단말로부터 상기 사용자 입력 정보가 수신되는 경우, 상기 사용자 입력 정보, 상기 개인화 특성 정보 및 상기 스포츠 특성 정보를 인공지능에 기반하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하고, 산출된 상관도를 기준으로 맞춤형 스포츠를 추출하며, 추출된 맞춤형 스포츠 중 하나 또는 그 이상에 관한 정보를 추천 스포츠 정보로 상기 사용자 단말로 전송하는 서버를 포함하며,
상기 사용자 단말은 상기 추천 스포츠 정보를 디스플레이 하고,
상기 서버는,
상기 개인화 특성 정보를 이용하여 복수의 그룹들을 군집화하고, 상기 사용자 입력 정보에 근거하여 상기 그룹들 중 어느 하나를 상기 사용자가 속하는 소속 그룹으로 선택하고, 상기 사용자에 대한 개별 스포츠의 상관도를 산출함에 있어 상기 소속 그룹에 설정된 가중치를 반영하며, 상기 가중치는 상기 소속 그룹에 따라 가변되며,
상기 사용자 단말은 상기 추천 스포츠가 디스플레이 되는 시간을 카운팅 해 상기 서버로 전송하고,
상기 서버는 상기 시간에 근거하여 상기 추천 스포츠의 개별 가중치를 변경하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제1항에 있어서,
상기 인공지능은 비지도학습 기반 머신러닝인 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제1항에 있어서,
상기 서버는 공공 데이터 제공 웹 사이트, 업종별 시설 정보 제공 웹 사이트, 생활 체육 및 국민 체력 데이터 제공 웹 사이트로부터 각각의 정보를 크롤링하여 저장한 후 분석하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제1항에 있어서,
상기 추천 스포츠의 개별 가중치가 변경되는 경우, 상기 소속 그룹에 설정된 상기 가중치도 변경되는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제1항에 있어서,
상기 추천 스포츠 정보는 추천 스포츠에 대한 적어도 하나 이상의 강습 서비스 정보를 포함하며, 강사 정보, 강습 제목, 강습 내용, 강습 가능 시간, 강습 가능 장소, 강습 비용 및 사용자 위치 정보 중 적어도 하나에 기초하여, 사용자 맞춤형의 강습 서비스를 추천하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제5항에 있어서,
상기 퍼스널 스포츠 큐레이션 시스템은, 강사 단말을 더 포함하며,
상기 서버는 상기 강사 단말로부터 수신된 정보에 근거하여 상기 강습 서비스 정보를 업데이트 하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제1항에 있어서,
상기 서버는,
상기 사용자 단말로부터 수신된 위치 정보에 근거하여 상기 사용자 단말의 위치를 기준으로 소정 범위 내에 위치한 스포츠 시설을 검색하고, 검색된 스포츠 시설에 한하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제1항에 있어서,
상기 사용자 입력 정보는,
신체정보(신장, 체중, 허리둘레, 체질량지수, 시력, 청력), 건강정보(심장, 혈관, 신장, 당뇨, 혈압, 간장, 흡연, 음주), 생활정보(나이, 성별, 직업, 연소득, 근무지, 평균근무시간), 운동동기정보(외모, 건강, 질병, 사회적 관계, 사업, 재미, 진로), 경험정보(생활체육종목, 가입시설명, 지속기간, 중단사유)를 포함하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 제1항에 있어서,
상기 서버는
데이터 크롤링을 통하여 공공데이터, 스포츠 시설정보 및 최신 트렌드의 스포츠 정보를 수집하는 제1 정보수집부;
사용자 정보, 신체 정보, 관심 정보, 스포츠 트렌드 및 시설 정보를 수집하여 분산저장하는 제2 정보수집부;
미리 설정된 데이터 모델링 방식을 이용하여 상기 제1 정보 수집부 및 제2 정보수집부에 의하여 수집 또는 저장된 데이터를 식별 또는 비식별처리하는 정보처리부;
상기 사용자 입력 정보를 상기 제1 정보 수집부 및 제2 정보수집부에 의하여 수집 또는 저장된 데이터와 매핑시키는 정보매핑부;
상기 매핑된 데이터를 기초로 미리 설정된 기계 학습 및 추천 알고리즘을 통하여 개인화된 맞춤형 생활 체육 종목과 지역 기반의 생활체육 시설 정보를 분석 및 추출하는 정보분석추천부;
상기 분석 및 추출된 정보를 개인 맞춤형, 스포츠별 또는 지역별로 시각화하여 제공하는 정보제공부; 및
상기 제1 정보수집부, 제2 정보수집부, 정보처리부, 정보매핑부, 정보분석추천부 및 정보제공부의 동작을 제어하는 제어부를 포함하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 시스템. - 사용자 단말 및 서버를 포함하는 퍼스널 스포츠 큐레이션 시스템의 퍼스널 스포츠 큐레이션 방법에 관한 것으로,
상기 서버를 통해 개별 사용자의 개인화 특성 정보를 물리적 저장 공간인 제1데이터베이스에 저장하는 단계;
상기 서버를 통해 개별 스포츠의 스포츠 특성 정보를 물리적 저장 공간인 제2데이터베이스에 저장하는 단계;
상기 사용자 단말을 통해 입력된 사용자의 사용자 입력에 근거하여, 상기 서버를 통해 사용자 입력 정보를 생성하는 단계;
상기 서버를 통해 상기 사용자 입력 정보, 상기 개인화 특성 정보 및 상기 스포츠 특성 정보를 인공지능에 기반하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하는 단계;
상기 서버를 통해 상기 산출된 상관도를 기준으로 맞춤형 스포츠를 추출하는 단계; 및
추출된 맞춤형 스포츠 중 하나 또는 그 이상에 관한 정보를 추천 스포츠 정보로 상기 사용자 단말에 디스플레이 하는 단계를 포함하며,
상기 사용자에 대한 개별 스포츠의 상관도를 산출하는 단계는,
상기 개인화 특성 정보를 이용하여 복수의 그룹들을 군집화하는 단계;
상기 사용자 입력 정보에 근거하여 상기 그룹들 중 어느 하나를 상기 사용자가 속하는 소속 그룹으로 선택하는 단계; 및
상기 소속 그룹에 설정된 가중치를 반영하여 상기 사용자에 대한 개별 스포츠의 상관도를 산출하며, 상기 가중치는 상기 소속 그룹에 따라 가변되는 것을 특징으로 하는 단계를 더 포함하며,
상기 사용자 단말은 상기 추천 스포츠가 디스플레이 되는 시간을 카운팅 해 상기 서버로 전송하는 단계; 및
상기 서버는 상기 시간에 근거하여 상기 추천 스포츠의 개별 가중치를 변경하는 단계를 더 포함하는 것을 특징으로 하는 퍼스널 스포츠 큐레이션 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210096993A KR102325409B1 (ko) | 2021-07-23 | 2021-07-23 | 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210096993A KR102325409B1 (ko) | 2021-07-23 | 2021-07-23 | 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102325409B1 true KR102325409B1 (ko) | 2021-11-11 |
Family
ID=78516394
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210096993A KR102325409B1 (ko) | 2021-07-23 | 2021-07-23 | 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102325409B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102580825B1 (ko) | 2022-09-20 | 2023-09-21 | (주)휴디앤 | 뉴럴 네트워크를 이용하여 치과용 cad 및 cam과 관련된 교육 데이터를 제공하는 시스템 |
| KR102667748B1 (ko) * | 2023-01-09 | 2024-05-21 | (주)케이힐리 | 개인별 체형에 따른 맞춤형 건강 관리 서비스 제공 시스템, 방법, 프로그램, 컴퓨터 판독 가능한 기록매체 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140068727A (ko) * | 2012-11-28 | 2014-06-09 | (주)웰티즌 | 건강 정보 기반 맞춤형 운동 적합률 제공 방법 |
| KR20210030065A (ko) * | 2019-09-09 | 2021-03-17 | 백승욱 | 멤버십 공유 시스템 및 방법 |
-
2021
- 2021-07-23 KR KR1020210096993A patent/KR102325409B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140068727A (ko) * | 2012-11-28 | 2014-06-09 | (주)웰티즌 | 건강 정보 기반 맞춤형 운동 적합률 제공 방법 |
| KR20210030065A (ko) * | 2019-09-09 | 2021-03-17 | 백승욱 | 멤버십 공유 시스템 및 방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102580825B1 (ko) | 2022-09-20 | 2023-09-21 | (주)휴디앤 | 뉴럴 네트워크를 이용하여 치과용 cad 및 cam과 관련된 교육 데이터를 제공하는 시스템 |
| KR102667748B1 (ko) * | 2023-01-09 | 2024-05-21 | (주)케이힐리 | 개인별 체형에 따른 맞춤형 건강 관리 서비스 제공 시스템, 방법, 프로그램, 컴퓨터 판독 가능한 기록매체 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10971262B2 (en) | Personalized training based on planned course and personal assessment | |
| Matthews et al. | Persuasive technology in mobile applications promoting physical activity: a systematic review | |
| US12001964B2 (en) | Artificial intelligence advisory systems and methods for behavioral pattern matching and language generation | |
| KR102137076B1 (ko) | 스포츠 수강이력관리를 이용한 맞춤형 스포츠 추천 서비스 제공 시스템 | |
| Shah et al. | Mining patient opinion to evaluate the service quality in healthcare: a deep-learning approach | |
| KR102128043B1 (ko) | 개인맞춤형 생활체육 추천 플랫폼 시스템 | |
| KR20200038628A (ko) | 맞춤형 의료 정보 제공 장치 및 방법 | |
| US11640403B2 (en) | Methods and systems for automated analysis of behavior modification data | |
| KR102325409B1 (ko) | 인공지능에 기반한 퍼스널 스포츠 큐레이션 방법 및 시스템 | |
| Moon et al. | Factors influencing the intention of persons with visual impairment to adopt mobile applications based on the UTAUT model | |
| Mata et al. | A cross-domain framework for designing healthcare mobile applications mining social networks to generate recommendations of training and nutrition planning | |
| Dharia et al. | Social recommendations for personalized fitness assistance | |
| KR102414637B1 (ko) | 코호트 분석 기반의 스포츠 강좌 매칭 방법 및 시스템 | |
| KR20210052122A (ko) | 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 | |
| Ibrahim et al. | Recognising intrinsic motivation using smartphone trajectories | |
| CN109920510A (zh) | 一种基于知识图谱的科学健身指导系统和方法 | |
| Liu | [Retracted] Internet‐Based Approaches to Designing an Online Fitness Platform | |
| Ezin et al. | 'Fitness that Fits':-A Prototype Model for Workout Video Recommendation | |
| KR102476612B1 (ko) | 인공지능에 기반한 심리 맞춤 솔루션 제공 방법 및 시스템 | |
| WO2021040466A1 (ko) | 자기경영을 위한 lvh의 단계별 컨설팅 및 멘토링을 제공하는 슈퍼자기경영 서비스 제공 방법 | |
| Yang et al. | Personalized Sports Health Recommendation System Assisted by Q-Learning Algorithm | |
| Xiangli et al. | Multimodal sensing and decision-making for evaluating the physical fitness of university students using body area network | |
| Lai et al. | Analysis of user feedback in the mobile app store using text mining: A case study of Google Fit | |
| KR102563243B1 (ko) | 빅데이터에 기반한 메타 인지 향상을 위한 감정 예측 방법 및 시스템 | |
| KR102599368B1 (ko) | 빅데이터 기반 맞춤형 콘텐츠 제공 시스템 및 그 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |