KR102353584B1 - 입시 컨설팅 자동 관리 시스템 - Google Patents
입시 컨설팅 자동 관리 시스템 Download PDFInfo
- Publication number
- KR102353584B1 KR102353584B1 KR1020210053383A KR20210053383A KR102353584B1 KR 102353584 B1 KR102353584 B1 KR 102353584B1 KR 1020210053383 A KR1020210053383 A KR 1020210053383A KR 20210053383 A KR20210053383 A KR 20210053383A KR 102353584 B1 KR102353584 B1 KR 102353584B1
- Authority
- KR
- South Korea
- Prior art keywords
- consultant
- terminal
- consulting
- tag
- user
- Prior art date
Links
- 238000004422 calculation algorithm Methods 0.000 title description 28
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000012552 review Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 239000003814 drug Substances 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 7
- 239000013598 vector Substances 0.000 description 24
- 230000014509 gene expression Effects 0.000 description 17
- 238000007726 management method Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 11
- 230000002068 genetic effect Effects 0.000 description 11
- 238000005065 mining Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000002996 emotional effect Effects 0.000 description 6
- 210000000349 chromosome Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000002759 chromosomal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000000266 injurious effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000005405 multipole Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2053—Education institution selection, admissions, or financial aid
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1091—Recording time for administrative or management purposes
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
- G06Q10/1095—Meeting or appointment
-
- H04L2209/38—
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
입시 컨설팅 자동 관리 시스템이 제공되며, 적어도 하나의 질의 항목에 사용자 정보를 입력하여 입시 컨설팅을 신청하는 사용자 단말, 학력, 경력 및 전문분야를 입력하고 컨설턴트 등록 신청을 한 후, 기 설정된 절차에 의해 등록 승인이 되는 경우, 인력풀(Pool)에 포함되어 입시 컨설팅 업무를 할당받는 적어도 하나의 컨설턴트 단말 및 적어도 하나의 컨설턴트 단말로부터 학력, 경력 및 전문분야를 입력받아 기 설정된 프로세스에 의해 등록 승인 절차를 진행하는 등록부, 등록 승인이 되는 경우 전문분야에 기재된 텍스트 중 키워드 태그를 추출하여 전문분야 태그를 생성한 후 적어도 하나의 컨설턴트 단말과 매핑하여 저장하는 태그부, 사용자 단말로부터 사용자 정보가 입력되는 경우, 사용자 정보 중 키워드 태그를 추출한 후 적어도 하나의 컨설턴트 단말의 키워드 태그와의 유사도를 비교하는 비교부, 유사도가 높은순으로 정렬한 후 적어도 하나의 컨설턴트로 입시 컨설팅 업무를 할당하는 업무할당부를 포함하는 컨설팅 서비스 제공 서버를 포함한다.
Description
본 발명은 입시 컨설팅 자동 관리 시스템에 관한 것으로, 입시생과 컨설턴트를 매칭하고 관리자 모드로 양 당사자를 관리할 수 있는 플랫폼을 제공한다.
현대 사회에서 중산층 이상의 계급은 상속을 통해서가 아니라 교육을 통해서 주로 재생산된다. 표준화된 시험과 가족배경의 관계는 대학입시 경쟁이 치열해질 때 강화되고, 입시 경쟁이 약화될 때 완화된다. 전자의 상황을 알론은 효과적으로 확대되는 불평등(Effectively Expanding Inequality), 후자를 효과적으로 축소되는 불평등(Effectively Declining Inequality)으로 칭하였다. 알론은 배제와 적응의 법칙은 교육 불평등을 낳는 쌍둥이 메커니즘이지만 이 중에서도 적응의 법칙이 지배적이라고 주장한다. 적응의 법칙이 더 효과적인 이유는 미국도 한국과 마찬가지로 SAT, ACT 시험과 관련된 학교 외 학원 교육 시장을 형성하고 있고, 상위계층에게 시험에 친화적인 정보 및 자원이 편중되기 때문이다. 표준화된 시험이 객관적인 것 같지만, 상위계층은 자신들의 자원을 이용하여 하위계층보다 더 효율적으로 새로운 시험 제도에 적응한다.
이때, 입시를 준비하는 학생이 정보의 불평등 없이 공평하게 정보 및 도움을 얻을 수 있도록 입시 전문가와 학생을 매칭해주는 입시 컨설팅 플랫폼이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2014-0078089호(2014년06월25일 공개) 및 한국공개특허 제2009-0010520호(공개일자 2009년01월30일)에는, 대학진학시 교과 및 비교과 정보와 수능점수를 취합하여 수험생 개개인에 대하여 가장 적절한 대학진학 정보를 제공하도록, 각 대학 입시 누적 데이터를 데이터베이스화하고, 각 파라미터에 가중치를 부여하기 위한 요소를 추출 및 가중치를 부여하여 정량 데이터로 비교분석 후 판정해주는 구성과, 입시전형 데이터를 수집하여 데이터베이스화하고 저장하고, 사용자 단말에서 입시 데이터를 요청하는 경우 대응하는 데이터를 추출하여 사용자 및 지도 단말로 전송하는 구성이 각각 개시되어 있다.
다만, 상술한 구성 중 전자의 경우 통계에 따른 정량 분석만 가능할 뿐, 실제 어느 요인을 강점으로 내세우기 위해 자원을 투입하고 그렇지 않은 곳에는 투입하지 말아야 하는지에 대한 정성 분석이 불가능하고, 후자의 경우에도 단순히 원하는 데이터를 검색 및 출력하는 것에 불과할 뿐이다. 미국 대학위원회의 보고에 따르면 소득 상층의 자녀들은 하층의 자녀보다 통계적으로 유의하게 SAT 시험 점수가 높고, 인종적으로도 백인의 점수가 소수 인종보다 높다는 것을 알 수 있다. 이 때문에 일부에서는 표준화된 시험 점수는 학생의 가족배경을 반영할 뿐이라고 주장한다. 이러한 정보의 비대칭성(Information Asymmetry) 및 자원의 편중현상은 효율적인 자원배분을 불가능하게 하며 역선택(Adverse Selection)이나 도덕적 해이(Moral Hazard) 등의 문제를 야기한다. 이에, 각 학생의 정보에 기반하여 컨설팅할 컨설턴트를 매칭하고 입시를 컨설팅해줄 수 있는 플랫폼의 연구 및 개발이 요구된다.
본 발명의 일 실시예는, 적어도 하나의 컨설턴트 단말로부터 등록요청이 수신되면 각 컨설턴트의 주요 경력 및 전문분야에 대한 키워드 태그를 추출하여 자동으로 데이터베이스화하고, 사용자 단말로부터 입시 컨설팅 요청이 수신되는 경우, 사용자 데이터 내 포함된 적어도 하나의 항목을 태그화한 후, 컨설턴트의 키워드 태그와 매칭함으로써 유사도가 높은 순으로 컨설턴트를 매칭해주며, 컨설턴트가 확정되면 이에 대한 서비스를 제공하도록 업무를 할당하고, 할당된 업무가 종료되면 리뷰 및 정산을 수행하며, 사용자로부터 피드백을 받아 매칭 성공률을 높일 수 있는 데이터로 이용할 수 있는, 입시 컨설팅 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 질의 항목에 사용자 정보를 입력하여 입시 컨설팅을 신청하는 사용자 단말, 학력, 경력 및 전문분야를 입력하고 컨설턴트 등록 신청을 한 후, 기 설정된 절차에 의해 등록 승인이 되는 경우, 인력풀(Pool)에 포함되어 입시 컨설팅 업무를 할당받는 적어도 하나의 컨설턴트 단말 및 적어도 하나의 컨설턴트 단말로부터 학력, 경력 및 전문분야를 입력받아 기 설정된 프로세스에 의해 등록 승인 절차를 진행하는 등록부, 등록 승인이 되는 경우 전문분야에 기재된 텍스트 중 키워드 태그를 추출하여 전문분야 태그를 생성한 후 적어도 하나의 컨설턴트 단말과 매핑하여 저장하는 태그부, 사용자 단말로부터 사용자 정보가 입력되는 경우, 사용자 정보 중 키워드 태그를 추출한 후 적어도 하나의 컨설턴트 단말의 키워드 태그와의 유사도를 비교하는 비교부, 유사도가 높은순으로 정렬한 후 적어도 하나의 컨설턴트로 입시 컨설팅 업무를 할당하는 업무할당부를 포함하는 컨설팅 서비스 제공 서버를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 적어도 하나의 컨설턴트 단말로부터 등록요청이 수신되면 각 컨설턴트의 주요 경력 및 전문분야에 대한 키워드 태그를 추출하여 자동으로 데이터베이스화하고, 사용자 단말로부터 입시 컨설팅 요청이 수신되는 경우, 사용자 데이터 내 포함된 적어도 하나의 항목을 태그화한 후, 컨설턴트의 키워드 태그와 매칭함으로써 유사도가 높은 순으로 컨설턴트를 매칭해주며, 컨설턴트가 확정되면 이에 대한 서비스를 제공하도록 업무를 할당하고, 할당된 업무가 종료되면 리뷰 및 정산을 수행하며, 사용자로부터 피드백을 받아 매칭 성공률을 높일 수 있는 데이터로 이용할 수 있다.
도 1은 본 발명의 일 실시예에 따른 입시 컨설팅 자동 관리 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 컨설팅 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 입시 컨설팅 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 입시 컨설팅 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
도 2는 도 1의 시스템에 포함된 컨설팅 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 입시 컨설팅 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 입시 컨설팅 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 입시 컨설팅 자동 관리 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 입시 컨설팅 자동 관리 시스템(1)은, 적어도 하나의 사용자 단말(100), 컨설팅 서비스 제공 서버(300), 적어도 하나의 컨설턴트 단말(400), 적어도 하나의 관리자 단말(500)을 포함할 수 있다. 다만, 이러한 도 1의 입시 컨설팅 자동 관리 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 컨설팅 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 컨설팅 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 컨설턴트 단말(400), 적어도 하나의 관리자 단말(500)과 연결될 수 있다. 또한, 적어도 하나의 컨설턴트 단말(400)은, 네트워크(200)를 통하여 컨설팅 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 적어도 하나의 관리자 단말(500)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 컨설팅 서비스 제공 서버(300) 및 적어도 하나의 컨설턴트 단말(400)과 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, 입시 컨설팅 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 컨설팅을 요청하는 입시생의 단말일 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.
컨설팅 서비스 제공 서버(300)는, 입시 컨설팅 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 컨설팅 서비스 제공 서버(300)는, 적어도 하나의 컨설턴트 단말(400)을 검증 및 심사한 후 등록하고, 사용자 단말(100)의 요청이 존재하는 경우 매칭을 관리자 단말(500)에서 수동 또는 컨설팅 서비스 제공 서버(300)에서 자동으로 하여 수업을 배정하는 서버일 수 있다. 그리고, 컨설팅 서비스 제공 서버(300)는, 사용자 단말(100) 및 컨설턴트 단말(400)의 수업, 정산, 미수금, 리뷰 등을 관리할 수 있도록 관리자 모드를 제공하고, 관리자 단말(500)의 입력 또는 제어에 따라 플랫폼을 구동시키는 서버일 수 있다.
여기서, 컨설팅 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 컨설턴트 단말(400)은, 입시 컨설팅 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 컨설턴트의 단말일 수 있다. 이때, 컨설턴트는 사용자인 입시생을 이끌어주는 역할을 하기 때문에, 멘토, 선생님, 교사, 강사 등의 용어로 지칭될 수도 있다. 컨설턴트 단말(400)은, 수동으로 스케줄을 관리하거나 컨설팅 서비스 제공 서버(300)에 의해 자동으로 업무할당 및 스케줄을 관리받는 단말일 수 있다. 컨설턴트 단말(400)은 담당하는 학생, 즉 사용자의 사용자 단말(100)과 상호 메세지를 송수신하며 학생관리현황을 컨설팅 서비스 제공 서버(300)에서 제공하는 대시보드에서 관리하는 단말일 수 있다.
여기서, 적어도 하나의 컨설턴트 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 컨설턴트 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 컨설턴트 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.
적어도 하나의 관리자 단말(500)는, 입시 컨설팅 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 회원을 관리하는 단말일 수 있다. 이때, 회원이란 컨설팅 서비스 제공 서버(300)에서 제공하는 플랫폼을 이용하는 사람이라는 뜻으로, 회원은 학생회원 및 선생님회원을 포함할 수 있다. 학생회원은 사용자 단말(100)의 사용자를 의미하고, 선생님회원은 컨설턴트 단말(400)의 컨설턴트를 의미한다.
여기서, 적어도 하나의 관리자 단말(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. 이때, 적어도 하나의 관리자 단말(500)는, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 관리자 단말(500)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 컨설팅 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 입시 컨설팅 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 컨설팅 서비스 제공 서버(300)는, 등록부(310), 태그부(320), 비교부(330), 업무할당부(340), 대시보드부(350), 검증부(360), 스케줄관리부(370)를 포함할 수 있다.
본 발명의 일 실시예에 따른 컨설팅 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100), 적어도 하나의 컨설턴트 단말(400) 및 적어도 하나의 관리자 단말(500)로 입시 컨설팅 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100), 적어도 하나의 컨설턴트 단말(400) 및 적어도 하나의 관리자 단말(500)는, 입시 컨설팅 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 컨설턴트 단말(400) 및 적어도 하나의 관리자 단말(500)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, 등록부(310)는, 적어도 하나의 컨설턴트 단말(400)로부터 학력, 경력 및 전문분야를 입력받아 기 설정된 프로세스에 의해 등록 승인 절차를 진행할 수 있다. 본 발명의 일 실시예에서는 각 컨설턴트(선생님)로부터 경력사항, 학력사항, 증명서 등을 받아 오프라인 내부 심사 및 면접을 거쳐 등록을 할 수 있고, 기 설정된 프로세스는, 서류 및 면접 등의 심사일 수 있다. 적어도 하나의 컨설턴트 단말(400)은, 학력, 경력 및 전문분야를 입력하고 컨설턴트 등록 신청을 한 후, 기 설정된 절차에 의해 등록 승인이 되는 경우, 인력풀(Pool)에 포함되어 입시 컨설팅 업무를 할당받을 수 있다.
태그부(320)는, 등록 승인이 되는 경우 전문분야에 기재된 텍스트 중 키워드 태그를 추출하여 전문분야 태그를 생성한 후 적어도 하나의 컨설턴트 단말(400)과 매핑하여 저장할 수 있다. 적어도 하나의 질의 항목은, 재학중인 학교, 목표학교, 목표학과, 문의내용 및 입시분야를 포함하고, 입시분야는, 의약계열, 미국 명문대 입시, 면접, 자기소개서, 대학원, 편입, 정시 및 수시를 포함하고, 전문분야 태그는, 입시분야 태그와 대응되는 태그일 수 있다. 이때, 태그는 컨설턴트 단말(400)에서 자신의 전문분야를 등록할 때 기 설정된 카테고리를 선택함으로써 생성 및 등록될 수 있다.
여기서, 태그는, 고정된 것이 아니라, 각 사용자 및 컨설턴트가 입력하는 사항에 따라 새로 생성되거나 변경 또는 삭제될 수도 있는 유동적인 분류자일 수 있다. 데이터의 정제와 분류를 위해서는 정보자원의 분석이 요구되나, 사용자는 대부분 입시생으로 고등학교 이전의 학생이 많고, 컨설턴트는 이미 모든 과정을 거쳐 경력이 있는 전문가여서 배경지식이 서로 다르고, 사용하는 용어가 서로 다르고, 보유하고 있는 인적자원 및 물적자원 등이 서로 다름에 따라 각각의 사용자 및 컨설턴트가 기 설정된 태그로 자신의 정보를 표현할 수 없는 경우가 많다. 이때, 태그(선택지)가 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, 컨설턴트가 하나의 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 컨설턴트 및 사용자의 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.
비교부(330)는, 사용자 단말(100)로부터 사용자 정보가 입력되는 경우, 사용자 정보 중 키워드 태그를 추출한 후 적어도 하나의 컨설턴트 단말(400)의 키워드 태그와의 유사도를 비교할 수 있다. 사용자 단말(100)은, 적어도 하나의 질의 항목에 사용자 정보를 입력하여 입시 컨설팅을 신청할 수 있다. 이때 수동으로 각 관리자가 선생님인 컨설턴트와 학생인 사용자를 매칭할 수 있다. 학생이 원하는 입시의 종류의 태그와, 선생님의 전문분야 태그가 일치하면 매칭하는 것이다. 이때, 검색어 검색과 같이 동일한 검색어, 즉 태그가 존재한다고 하여 무조건 매칭시키는 것은 기계적으로 매칭하기 때문에 정확한 결과가 나오지 않게 된다. 이때, 인간의 개입이 초기에 들어가는 경우, 관리자가 수동으로 각 당사자를 매칭시킨 히스토리 로그가 있기 때문에, 매칭된 태그(전문분야-입시종류)를 학습시키는 경우 이후에는 기계가 매칭한 결과를 인간이 검토만 하면 되기 때문에 매칭하는 시간이 줄어들 수 있다.
업무할당부(340)는, 유사도가 높은순으로 정렬한 후 적어도 하나의 컨설턴트로 입시 컨설팅 업무를 할당할 수 있다. 유사도에 대해서는 상술한 바와 같이 초기에는 각 관리자 단말(500)에서 이 작업을 수행하고, 그 다음에는 인간의 작업을 기계가 학습하여 유사도를 산출하고 정렬할 수 있다. 이때, 입시 컨설팅 업무를 할당할 때 현재 컨설턴트로 할당된 학생의 수, 미팅 진행 횟수 등을 고려하여 할당할 수 있다.
대면 미팅 스케줄링을 위하여 미팅경로 생성을 위한 방법을 이용할 수 있다. 예를 들어, 대면미팅에 따르는 현실적인 제약조건을 감안한 미팅 경로 최적화 문제를 혼합정수계획 모형으로 모델링하여 이용하기로 한다. 모델링된 혼합정수계획 모형은 시간제약을 가지는 차량 경로 문제(Vehicle Routing Problem with Time Window: 이하 VRPTW)의 일종으로 이 계열의 문제는 NP-hard 문제이기 때문에 작은 크기의 문제에 대해서는 최적해를 찾을 수 있으나 문제의 크기가 커지면 문제를 풀기 위한 계산시간이 매우 커진다. 따라서 합리적인 시간내에 해를 찾기 위한 방법 중 현실적인 제약사항이 추가된 VRPTW 문제를 혼합정수계획 모형으로 모델링하고 모델의 해 생성을 위해 2단계 GA(Genetic Algorithm) 모델을 이용할 수 있다.
VRPTW 문제를 풀기 위한 기존의 연구 방법들은 크게 4가지 정도로 나뉠 수 있다. 첫 번째 방법은 정확한 해를 찾는 방법이다. VRPTW를 풀기 위한 두 번째 방법은 경로 생성 휴리스틱의 사용이다. 경로 생성 휴리스틱은 주어진 제약사항을 만족하면서 최소 비용 기준에 따라 가능해가 얻어질 때까지 노드를 순차적으로 선택해가는 방법이다. 대표적으로 노드를 몇 개의 그룹으로 분할한 후, 각 그룹에 대하여 경로를 설계하는 선분할 후경로법(Cluster-first routesecond)과 노드를 모두 포함하는 하나의 커다란 경로를 만든 후, 그 경로를 해의 도출이 가능한 작은 경로들로 분할시키는 방법인 선경로 후분할법(Route-first cluster-second)이 분류에 속한다. VRPTW를 풀기 위한 세 번째 방법은 해의 점진적 개선 방법이다. 이 방법은 초기해에서 이웃해들을 탐색해가면서 해의 개선을 도모하는 국소 탐색(Local search)의 개념에 기반한 방법으로, 단계별로 하나의 가능해가 전체 비용이 적게 드는 다른 가능해로 바뀌도록 하여 더 이상 비용 절감이 없을 때까지 반복 실행하는 방법이다. 이후 속도 개선을 위해 비가해의 선별이나 불필요한 목적함수의 평가 등을 생략하는 등의 방법도 개발되어 있다. VRPTW를 풀기 위한 네 번째 방법은 수리계획법에 기반한 방법이다. 이 방법은 차량 경로 문제에 포함된 수리계획법 수식을 직접적으로 이용하는 방법이다. 순수하게 VRPTW에 부가되는 제약사항이 아닌 경우 추가적인 제약사항들을 다루기 위해서는 이러한 접근이 용이하다.
혼합 정수 모형은 VRPTW 계열의 NP-hard 문제이므로 미팅지의 수가 늘어날수록 기하급수적인 계산시간을 요구하게 된다. 따라서 현실적인 접근법으로 메타 휴리스틱 알고리즘이 필요한데, 메타 휴리스틱 중에서 유전자 알고리즘을 사용하기로 한다. 유전자 알고리즘은 하나의 해에서 탐색을 시작하는 것이 아니라, 해집단(Population)에서부터 탐색을 병렬적으로 수행한다. 해집단에서 하나의 해는 염색체(Chromosome)이라 하고, 각 염색체는 유전인자(Gene)로 이루어져 있다. 각 염색체들은 세대수(generation)로 표현되는 연속적인 반복 계산을 통해서 진화한다. 각 세대마다 유전 연산자 즉, 선별(Selection), 교차(Crossover), 돌연변이(Mutation)을 통해서 환경에 적응해가면서, 적응도 함수(fitness function)에 따라 각 염색체가 평가(Evaluation)되어 진다.
그 다음으로 해의 표현식을 설명한다. GA의 시작은 문제의 풀이를 위한 해의 표현식 결정에서부터 출발한다. TSP(Traveling Salesperson Problem)나 VRP(Vehicle Routing Problem)와 같은 일반적인 GA 문제에 있어서는 다양한 표현식과 그에 따른 유전 연산자들이 개발되어 있다. TSP 문제에서 전형적으로 사용하는 경로표현법(path representation)은 해의 표현식이 (3 1 2 4)와 같을 때 3번 도시를 처음 미팅하고, 1 번 도시를 두 번째 미팅하고, 2 번 도시를 세 번째 미팅하고, 4 번 도시를 네 번째에 미팅하는 식으로 미팅순서를 나타내게 된다. 이러한 경로표현법을 따르는 해 표현식에서는 TSP문제에서 전형적으로 사용될 수 있는 OX(Order Crossover), CX(Cycle Crossover), PMX(Partially Mapped Crossover)는 물론, 1점 교차나 2점 교차등의 유전연산자를 사용할 시, 해의 가능성을 유지할 수 없다. 이에 따라, 전체 문제를 두 단계의 GA 문제로 분리하여 해결한다. i) 제 1 단계에서는 임의 미팅지들에 대해 미팅 요일을 결정하고, ii) 제 2 단계에서는 제 1 단계에서 선택된 요일별 임의 미팅지에 고정 미팅지를 포함하여 요일별로 선택된 모든 미팅지의 미팅 순서를 결정하게 된다.
단계별로 필요한 해의 표현은 제 1 단계 문제를 풀기위한 랜덤 스케줄이 있고, 제 2 단계 문제를 풀기위한 고정 스케줄과 혼합 스케줄이 있다. 랜덤 스케줄과 고정 스케줄의 조합으로 이루어지는 표현식이 혼합 스케줄이다. 예를 들어, 다음주 중 XX요일에 미팅하기로 하는 것은 고정 스케줄이고, 다음 주 중 언제든지 미팅하는 것은 랜덤스케줄인데, 이러한 설치날짜가 아닌 주(Week)만 고정된 경우(랜덤)와 설치 주 뿐만 아니라 날짜까지 고정된 경우(고정)가 섞인 스케줄이 혼합 스케줄이다. 먼저, 랜덤 스케줄의 유전인자는 요일을 의미하는 7진수 값이며, 전체 염색체의 길이는 임의미팅지의 개수로 결정된다. 즉, 각 유전인자의 위치는 전체 임의미팅지들 중의 순서에 대응되며 임의미팅지의 미팅요구 횟수는 유전인자인 7진수 값의 자리수에 대응된다. 이에 반해, 고정 스케줄의 유전인자는 고정미팅지 자체를 나타내는 숫자와 고정미팅 요일을 구분하는 구분자(Delimiter) 0으로 구성된다. 제 1 단계에서 사용하게 되는 모집단은 랜덤 스케줄만을 사용하게 되며 제 1 단계에서는 임의 미팅지의 미팅 요일을 결정하고, 각 요일 내에서의 미팅순서는 제 2 단계에서 결정하게 된다. 제 2 단계에서는, 제 1 단계의 GA 문제를 구성하는 모집단을 구성하는 하나의 해(랜덤 스케줄)에 대해서 고정 스케줄을 감안한 혼합 스케줄 만들어내고 이를 요일별로 7 개의 경로식으로 분해한 후 분해된 7개의 TSP 문제를 풀어서 제 1 단계 문제의 모집단을 구성하는 해 하나에 대한 평가를 마친다.
유전 연산자에 대하여 설명한다. 상술한 제 1 단계 및 제 2 단계에서와 같은 해의 표현식(랜덤 스케줄)을 쓰면 상위 제 1 단계 문제에 대해 1점 교차나 2점 교차 같은 전통적인 교배연산을 사용하더라도 해의 가능성이 손상되지 않는다. 상위 제 1 단계 문제에서 사용한 돌연변이 연산은 임의의 염색체좌(Locus)를 랜덤 스케줄에서 선택한 후 선택된 염색체좌의 자리수에 해당하는 임의의 7진 난수를 발생시켜 선택된 염색체좌를 대치(Replace)하는 방법을 사용할 수 있다. 하위 제 2 단계 문제는 일반적인 TSP 문제의 풀이에 준하며, 본 발명의 일 실시예에서는 교배연산에는 TSP 문제의 해법에 유용한 것으로 알려진 개선된 인접인자 재결합 교차를 사용할 수 있다. 돌연변이 연산은 임의로 두 미팅지를 선택하여 위치를 교환하는 SWAP 연산을 사용할 수 있다. 선별연산은 제 1 단계 및 제 2 단계 모두 토너먼트 연산을 사용할 수 있다.
또, 항시 가능해를 유지하면서 해의 개선을 추구하는 GA 모델을 사용하므로 차량 고장, 사고, 긴급 상황 등과 같은 예외 상황이 발생하더라도 실시간의 근사 최적 재스케줄링을 가능하게 할 수 있다. 공급자와 수요자 양쪽 모두의 서비스 품질을 향상시킬 수 있다. 컨설턴트의 입장에서는 PDA, 스마트폰 등의 모바일 기기들을 이용해 스케줄링된 계획을 실시간으로 확인하여 미팅 시간과 유류 소비에 관한 일관성을 유지할 수 있게 되고, 이러한 정보들이 쌓여 서비스 공급자는 보다 합리적인 관리를 할 수 있다. 또한 비상상황이 발생했을지라도 컨설턴트가 직접 전화하여 안내하는 것이 아니라 상황 알림을 고객에게 자동통보할 수 있으므로 컨설팅 서비스를 기다리는 고객의 일정 계획에도 긍정적으로 기여할 수 있게 된다.
대시보드부(350)는, 사용자 단말(100)과 적어도 하나의 컨설턴트 단말(400) 간 매칭이 이루어진 후, 적어도 하나의 컨설턴트 단말(400)에서 입시 컨설팅 업무를 관리하도록 다가올 대면미팅 일정, 학생들의 새로운 글 및 관리자 공지를 대시보드(DashBoard)에 리스트업하여 제공할 수 있다. 이는 도 4a 내지 도 4m에서 관리자 모드와 함께 설명하기로 한다.
검증부(360)는, 적어도 하나의 컨설턴트 단말(400)에서 입력한 학력을 검증하기 위하여, 제3신뢰기관(Trusted Third Party)과 연계하여 적어도 하나의 컨설턴트 단말(400)의 정보 조회 동의를 전제로 학력조회를 진행한 후. 블록체인 기반으로 결과를 블록을 생성하여 기록할 수 있다.
스케줄관리부(370)는, 사용자 단말(100)과 적어도 하나의 컨설턴트 단말(400) 간 매칭이 이루어진 후, 적어도 하나의 컨설턴트 단말(400)에 기 배정 및 등록된 날짜 및 시간의 스케줄을 제외한 나머지 날짜 및 시간을 사용자 단말(100)로 전송하여 선택하도록 하고, 사용자 단말(100)에서 선택 및 확정하는 경우, 적어도 하나의 컨설턴트 단말(400)의 스케줄을 업데이트할 수 있다.
한편, 관리자 단말(500)은, 사용자 단말(100)의 사용자인 학생회원 관리, 적어도 하나의 컨설턴트 단말(400)의 컨설턴트인 선생님회원 관리 및 사용자 단말(100)에서 적어도 하나의 컨설턴트에 대하여 입력한 리뷰를 적어도 하나의 컨설턴트별로 관리하는 리뷰 관리를 포함하는 회원관리와, 사용자와 컨설턴트를 매칭하여 입시분야, 수업금액, 회차를 지정하는 수업만들기, 진행차수, 수업금액, 정산액, 미수금 및 수업생성일을 리스트업하여 관리하는 진행중인 수업 및 종료된 수업을 포함하는 수업관리를 수행할 수 있다.
이때, 리뷰에 따라 협업 필터링 알고리즘을 이용할 수 있다. 협업 필터링 알고리즘은 현재 가장 인기 있는 추천 시스템 기법이다. 이 기법은 사용자와 동일한 관심사 및 같은 경험을 가진 그룹을 설정하고 이를 기반으로 사용자가 관심있어 할 정보를 추천하는 방식이다. 협업필터링 알고리즘은 사용자 기반(User-based) 알고리즘과 아이템 기반(Item-based) 알고리즘으로 나눌 수 있다. 사용자 기반 알고리즘은 목표 사용자와 유사한 선호도를 가진 근접 이웃들의 의견을 기반으로 상품을 추천하거나 예측을 제공하는 방식이다. 그러나 이 방식은 사용자 간에 공통으로 평가한 아이템이 적을 경우 희소성 문제와 사용자 수가 급격히 증가할 경우 확장성의 문제를 가지고 있다. 아이템 기반 알고리즘은 사용자 기반 알고리즘의 단점을 보완하기 위해 제안된 알고리즘으로 아이템 간의 유사도를 계산하고 목표 사용자가 선택했던 아이템과 가장 유사한 아이템을 추천하는 방식이다.
이에 따라, 본 발명의 일 실시예에서도 아이템 기반 협업 필터링 추천기법을 사용할 수 있다. 이는 아이템들의 유사도가 사용자들의 유사도보다 상대적으로 안정적이어서 아이템 기반 추천의 실시간 성능이 사용자 기반 추천보다 우수하기 때문이다. 아이템 기반 알고리즘은 총 3 단계를 거쳐 예측 값을 생성한다. 제 1 단계에서는 사용자, 아이템, 평가 값 데이터로 한 사용자-아이템 매트릭스를 생성한다. 제 2 단계에서는 평가 값을 사용하여 아이템 간의 유사도를 계산하고 근접 이웃을 선택한다. 유사도 계산에는 코사인 유사도(Cosine Similarity), 피어슨 상관(Pearson’ Correlation), 보완 코사인 유사도(Adjusted Cosine Similarity) 등의 방법을 사용할 수 있다. 이하 수학식 1은 피어슨 상관식으로 ru,i는 사용자 u의 아이템 i에 대한 평가를 나타내고, (bar)ri는 i 번째 아이템의 평가 점수 평균이다.
제 3 단계에서는 근접 이웃들의 평가 값을 사용하여 목표 사용자의 평가 예측 값을 산출한다. 이하 수학식 2는 사용자 u 의 아이템 i에 대한 예측 값을 구하는 식으로 Si는 아이템 i의 유사 아이템 집합이다.
그 다음은 텍스트 마이닝(Text Mining)을 설명한다. 모바일 기기의 사용이 일상화되면서 온라인에서 발생하는 데이터의 양이 기하급수적으로 증가하고 있으며, 텍스트를 포함해 대부분의 데이터들은 비정형 데이터(Unstructured Data)이다. 텍스트 마이닝은 데이터 마이닝(Data Mining), 기계 학습(Machine Learning), 자연어 처리(Natural Language Processing), 정보 검색(Information Retrieval) 및 지식 관리(knowledge management) 기술을 사용하여 정보 과부하 문제를 해결하려는 연구 분야로서 문서수집의 전처리, 중간 표현의 저장, 중간 표현을 분석하는 기술을 포함하며 결과를 시각화 할 수 있다. 텍스트 마이닝은 비정형 텍스트 문서들에서 관심이 있거나 가치가 있는 패턴 혹은 지식을 추출하는 과정으로 다양한 목적으로 사용된다.
텍스트 마이닝은 텍스트 데이터의 사용 목적에 따라 다양한 분석 기법을 적용한다. 온라인 사이트에서 접할 수 있는 텍스트 데이터인 리뷰 데이터는 구매 고객이 남기는 또 다른 평점이라고 할 수 있다. 리뷰에 숨겨진 정보는 사용자가 좋아하는 것과 싫어하는 것을 명확히 이해하는데 매우 유용하다. 텍스트 마이닝의 분석 기법 중 감성 분석(Sentiment Analysis)은 리뷰와 같은 특정 주제에 대한 텍스트에서 감정이나 의견을 추출하는 프로세스이다. 오피니언 마이닝(Opinion Mining)이라고도 하며 문서 내 텍스트에서 사람들의 의견, 정서, 감정, 태도 등을 분석하여 감성 지수를 계산한다. 긍정(Positive) 지수, 부정(Negative) 지수로 구성된 감성 지수들을 사용하여 텍스트에 포함된 긍정, 부정 감성을 판단할 수 있다.
상술한 협업 필터링과 텍스트 마이닝을 모두 이용하는 경우 리뷰를 감성 분석한 후 아이템 기반의 협업 필터링을 적용함으로써 사용자에게 큐레이팅 서비스를 제공할 수 있게 된다. 즉, 아이템(상품)에 대한 사용자의 리뷰 데이터를 텍스트 마이닝하고 분석하여 산출한 감성 점수를 아이템 기반 협업 필터링의 예측 값 계산 시 가중치로 사용할 수 있다. 수집된 데이터를 텍스트 데이터(ItemId, Reviews)와 수치데이터(ItemId, UserId, Rating)로 나누어 총 3 단계로 처리할 ㅅ수 있다.
리뷰 데이터 전처리 단계에서는, 아이템 별로 사용자가 남긴 각각의 리뷰 데이터를 분석에 사용할 수 있도록 불필요한 부분을 제거하고, 어휘와 구문 분석을 다음과 같은 과정으로 진행한다. 첫 번째는 불필요한 부분을 제거, 처리하는 과정으로 저장된 리뷰 텍스트에 남아있는 HTML 태그를 제거하고, 숫자, 기호 등을 공백으로 처리한다. 두 번째는 토큰화(Tokenization) 과정으로 문장(Sentence) 토큰화, 단어(Word) 토큰화로 진행된다. 토큰(Token)은 문서 분석을 위한 단위이며, 문장 토큰화는 문서에서 단락 구분 기호와 정규 표현식 등에 따라 문장을 구분한다. 단어 토큰화는 공백, 쉼표(,) 등의 기호와 정규 표현식에 따라 단어를 구분한다. 세 번째는 문서에서 자주 등장하지만 특성을 구분하는데 사용하기에는 별다른 의미가 없는 단어들을 제거하는 불용어(Stop Word) 제거 과정이다. 네 번째는 불용어까지 제거하고 남은 단어토큰에서 어근을 추출하여 그에 맞는 품사를 지정하는 품사 태깅(Pos Tagging) 과정이다.
두 번째 단계는, 감성 분석 및 점수 계산 단계이다. 전처리 단계를 거쳐 품사 태깅된 단어들을 기반으로 각각의 리뷰에 대한 감성 점수를 계산하기 위해 VADER 감성사전을 사용할 수 있다. VADER는 집단지성으로 구축된 감성사전으로 결과를 부정(Neg), 긍정(Pos), 중립(Neu), Compound 지수로 나타낸다. Compound 지수는 어휘사전에서 각 단어들의 긍정, 중립, 부정 지수의 균형 점수를 합산한 후 정규화 시켜 ‘매우 부정(-1)’에서 ‘매우 긍정(+1)’ 사이의 점수를 반환하며, 이 점수를 해당 문장의 감성 점수로 사용한다. 본 발명의 일 실시예에서는 NLTK 패키지를 사용하여 아이템의 각 리뷰별 Compound 점수를 구한 후 그 값들의 평균값을 해당 아이템의 감성 점수로 지정할 수 있다.
각 아이템에 대한 감성 점수를 구한 후 감성 가중치(ws)를 구한다. 감성 가중치는 감성 점수의 절대값과 임계값을 사용하며, 이하 수학식 3은 감성 가중치를 계산하는 식이다. cs는 Compound Score를 의미하고, abs(cs)는 cs의 절대값을 의미한다.
세 번째 단계는, 아이템 예측 점수 계산 및 추천 단계이다. 수집된 데이터를 사용하여 아이템을 추천하기 위해 아이템 기반 협업 필터링 알고리즘을 사용한다. 수집된 데이터의 UserId, ItemId, Rating을 사용하여 User-Item Matrix를 생성한다. 생성된 매트릭스를 이용하여 아이템 간 유사도를 조정 코사인 유사도(Adjusted Cosine Similarity)를 사용하여 계산하며 상술한 수학식 1과 같다. 이때, ru,i, ru,j는 각각 사용자 u의 아이템 i와 j에 대한 평가 값을 나타낸 것이고, (bar)ru는 사용자 u의 평가 값 평균이다.
아이템 간 유사도 계산 후 유사도가 높은 상위 N개의 근접 이웃을 선정하고 근접 이웃의 평가 값을 기반으로 예측 값을 계산한다. 예측 값 계산에는 아이템에 대한 리뷰의 감성 점수 가중치를 사용한다. 이하 수학식 5는 예측 값을 계산하는 식으로 Pui는 사용자 u의 아이템 i에 대한 예측 값이고, S(u)는 목표 사용자 u의 상위 N 개의 이웃 집합이다. ?(bar)r'i는 아이템 i에 대한 가중치 평균이며, 수학식 4는 (bar)r'i를 구하는 식으로 ws는 감성 가중치를 나타낸다.
예측 값을 계산한 후 최종적으로 예측 값이 큰 상위 N 개의 아이템을 목표 사용자에게 추천할 수 있다.
이하, 상술한 도 2의 컨설팅 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.
도 3a를 참조하면, 본 발명의 일 실시예에 따른 서비스는, 각 카테고리별로 자신의 입시분야를 나누어 입시 컨설팅을 제공할 수 있다. 도 3b와 같이 단순히 학습 지도 외에도 자신의 성적으로 어떻게 어느 대학을 준비해야 할 것인지를 컨설팅해주는 것을 포함할 수 있고, 도 3c와 같이 컨설턴트와 사용자를 분석한 후 매칭을 진행하고 성향을 분석하여 수업 및 관리를 진행하며 피드백 및 전략을 제공하여 입시에 성공할 수 있도록 도와줄 수 있다. 도 3d에는 사용자가 기재하는 항목이 도시되고 입시분야를 선택하고 컨설턴트에게 도움을 요청할 수 있다.
<관리자 모드>
도 4a를 참조하면 관리자접속로그를 볼 수 있어 허용된 관리자 외에 타인이 접속한 경우를 파악할 수 있다. 도 4b를 보면 선생님(컨설턴트) 전문분야를 선택하는 칸이 있는데 선생님으로 등록하면서 카테고리를 선택하는 경우 선택된 카테고리는 컨설턴트 단말(400)과 매핑되어 저장되도록 태그로 태깅된다. 도 4c와 같이 상술한 카테고리명 외에도 다양한 카테고리명이 존재할 수 있으며, 기타박스에 기재된 데이터를 이용하여 업데이트를 할 수도 있다. 또 도 4d와 같이 학생회원(사용자)을 관리할 수 있으며, 도 4e와 같이 선생님회원(컨설턴트)에 대한 인력풀도 구축할 수 있다. 그리고 도 4f와 같이 리뷰를 관리할 수 있는데 선생님 뿐만 아니라 학생에게도 리뷰나 평점이 부여될 수 있다.
도 4g는 관리자 단말(500)에서 학생인 사용자와 컨설턴트인 선생님을 매칭하여 수업(클래스)을 생성하는 과정인데, 상술한 바와 같이 초기에는 관리자 단말(500)에서 이 작업을 진행한 후 이후에는 인간의 개입을 최소화하도록 할 수도 있다. 물론, 계속하여 관리자 단말(500)에서 매칭을 진행하는 것을 배제하는 것은 아니다. 도 4h는 현재진행중인 수업을 도시하고, 도 4i를 보면 진행중인 수업이 언제 생성되었고, 몇 회차가 진행되었으며, 정산은 되었는지 여부, 미수금은 있는지 등을 상세히 리스트업할 수 있어서 다수의 컨설턴트와 사용자를 용이하게 관리할 수 있다. 그리고, 도 4j와 같이 컨설턴트와 사용자 간의 상호 파일, 메세지 전달을 본 발명의 플랫폼에서 진행할 수 있고, 본 플랫폼에서 컨설턴트나 사용자에게 제공하는 파일이나 메세지도 해당 플랫폼에서 진행할 수 있도록 페이지를 구성할 수 있다.
도 4k를 보면, 대면미팅의 일정을 잡기 위하여 상호 간 스케줄을 조정하는 화면인데, 컨설턴트가 가능한 스케줄의 옵션을 제공하면 사용자는 이 중 자신이 원하는 옵션을 선택하여 확정하면 된다. 또, 현재 진행중인 수업을 관리하는 화면도 도 4l과 같이 존재할 수 있고, 수업관련 파일을 다운로드할 수 있는 페이지도 제공할 수 있다. 또 도 4n과 같이 미팅일정을 리스트업해주어 일정에 차질이 없도록 하고, 학생들의 새로운 글이나 공지에 응대를 할 수 있도록 한 공간에 모아둘 수 있다.
이와 같은 도 2 내지 도 4의 입시 컨설팅 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 입시 컨설팅 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 입시 컨설팅 자동 관리 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, 컨설팅 서비스 제공 서버는, 적어도 하나의 컨설턴트 단말로부터 학력, 경력 및 전문분야를 입력받아 기 설정된 프로세스에 의해 등록 승인 절차를 진행한다(S5100).
그리고, 컨설팅 서비스 제공 서버는, 등록 승인이 되는 경우 전문분야에 기재된 텍스트 중 키워드 태그를 추출하여 전문분야 태그를 생성한 후 적어도 하나의 컨설턴트 단말과 매핑하여 저장한다(S5200),
또, 컨설팅 서비스 제공 서버는, 사용자 단말로부터 사용자 정보가 입력되는 경우, 사용자 정보 중 키워드 태그를 추출한 후 적어도 하나의 컨설턴트 단말의 키워드 태그와의 유사도를 비교하고(S5300), 유사도가 높은순으로 정렬한 후 적어도 하나의 컨설턴트로 입시 컨설팅 업무를 할당한다(S5400).
상술한 단계들(S5100~S5400)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5400)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 5의 입시 컨설팅 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 입시 컨설팅 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5를 통해 설명된 일 실시예에 따른 입시 컨설팅 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 입시 컨설팅 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 입시 컨설팅 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 (6)
- 삭제
- 삭제
- 삭제
- 적어도 하나의 질의 항목에 사용자 정보를 입력하여 입시 컨설팅을 신청하는 사용자 단말;
학력, 경력 및 전문분야를 입력하고 컨설턴트 등록 신청을 한 후, 기 설정된 절차에 의해 등록 승인이 되는 경우, 인력풀(Pool)에 포함되어 입시 컨설팅 업무를 할당받는 적어도 하나의 컨설턴트 단말; 및
상기 적어도 하나의 컨설턴트 단말로부터 학력, 경력 및 전문분야를 입력받아 기 설정된 프로세스에 의해 등록 승인 절차를 진행하는 등록부, 상기 등록 승인이 되는 경우 상기 전문분야에 기재된 텍스트 중 키워드 태그를 추출하여 전문분야 태그를 생성한 후 상기 적어도 하나의 컨설턴트 단말과 매핑하여 저장하는 태그부, 상기 사용자 단말로부터 상기 사용자 정보가 입력되는 경우, 상기 사용자 정보 중 키워드 태그를 추출한 후 상기 적어도 하나의 컨설턴트 단말의 키워드 태그와의 유사도를 비교하는 비교부, 상기 유사도가 높은순으로 정렬한 후 상기 적어도 하나의 컨설턴트로 입시 컨설팅 업무를 할당하는 업무할당부를 포함하는 컨설팅 서비스 제공 서버;
를 포함하되,
상기 적어도 하나의 질의 항목은, 재학중인 학교, 목표학교, 목표학과, 문의내용 및 입시분야를 포함하고,
상기 입시분야는, 의약계열, 미국 명문대 입시, 면접, 자기소개서, 대학원, 편입, 정시 및 수시를 포함하고,
상기 전문분야 태그는, 상기 입시분야 태그와 대응되는 태그이며,
상기 입시 컨설팅 자동 관리 시스템은,
상기 사용자 단말의 사용자인 학생회원 관리, 상기 적어도 하나의 컨설턴트 단말의 컨설턴트인 선생님회원 관리 및 상기 사용자 단말에서 상기 적어도 하나의 컨설턴트에 대하여 입력한 리뷰를 적어도 하나의 컨설턴트별로 관리하는 리뷰 관리를 포함하는 회원관리와, 상기 사용자와 컨설턴트를 매칭하여 입시분야, 수업금액, 회차를 지정하는 수업만들기, 진행차수, 수업금액, 정산액, 미수금 및 수업생성일을 리스트업하여 관리하는 진행중인 수업 및 종료된 수업을 포함하는 수업관리를 수행하는 관리자 단말;
을 더 포함하고,
상기 컨설팅 서비스 제공 서버는,
상기 사용자 단말과 적어도 하나의 컨설턴트 단말 간 매칭이 이루어진 후, 상기 적어도 하나의 컨설턴트 단말에서 입시 컨설팅 업무를 관리하도록 다가올 대면미팅 일정, 학생들의 새로운 글 및 관리자 공지를 대시보드(DashBoard)에 리스트업하여 제공하는 대시보드부;
를 더 포함하는 것을 특징으로 하는 입시 컨설팅 자동 관리 시스템.
- 제 4 항에 있어서,
상기 컨설팅 서비스 제공 서버는,
상기 적어도 하나의 컨설턴트 단말에서 입력한 학력을 검증하기 위하여, 제3신뢰기관(Trusted Third Party)과 연계하여 상기 적어도 하나의 컨설턴트 단말의 정보 조회 동의를 전제로 학력조회를 진행한 후. 블록체인 기반으로 결과를 블록을 생성하여 기록하는 검증부;
를 더 포함하는 것을 특징으로 하는 입시 컨설팅 자동 관리 시스템.
- 제 4 항에 있어서,
상기 컨설팅 서비스 제공 서버는,
상기 사용자 단말과 적어도 하나의 컨설턴트 단말 간 매칭이 이루어진 후, 상기 적어도 하나의 컨설턴트 단말에 기 배정 및 등록된 날짜 및 시간의 스케줄을 제외한 나머지 날짜 및 시간을 상기 사용자 단말로 전송하여 선택하도록 하고, 상기 사용자 단말에서 선택 및 확정하는 경우, 상기 적어도 하나의 컨설턴트 단말의 스케줄을 업데이트하는 스케줄관리부;
를 더 포함하는 것을 특징으로 하는 입시 컨설팅 자동 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210053383A KR102353584B1 (ko) | 2021-04-25 | 2021-04-25 | 입시 컨설팅 자동 관리 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210053383A KR102353584B1 (ko) | 2021-04-25 | 2021-04-25 | 입시 컨설팅 자동 관리 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102353584B1 true KR102353584B1 (ko) | 2022-01-21 |
Family
ID=80050174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210053383A KR102353584B1 (ko) | 2021-04-25 | 2021-04-25 | 입시 컨설팅 자동 관리 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102353584B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114611830A (zh) * | 2022-03-28 | 2022-06-10 | 重庆邮电大学 | 一种基于多维度分区的医药配送车辆路径规划方法及装置 |
| KR102584810B1 (ko) | 2023-02-17 | 2023-10-06 | 엄흥수 | 비대면 입시생-멘토 매칭 플랫폼시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010111876A (ko) * | 2000-06-14 | 2001-12-20 | 유갑상 | 진학 맞춤 상담 서비스 방법 및 이를 위한 시스템 |
| KR20100078284A (ko) * | 2008-12-30 | 2010-07-08 | 주식회사 엑센코리아 | 학습 시스템의 수업 일정 관리 방법 및 그 장치 |
| KR101866747B1 (ko) * | 2017-04-06 | 2018-06-12 | 주식회사 베티 | 온라인 강사 추천 방법 |
| KR20200109704A (ko) * | 2019-03-14 | 2020-09-23 | 정현영 | 논문심사 스케줄별 논문지도 콘텐츠를 제공하는 논문 컨설팅 서비스 제공 시스템 |
-
2021
- 2021-04-25 KR KR1020210053383A patent/KR102353584B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010111876A (ko) * | 2000-06-14 | 2001-12-20 | 유갑상 | 진학 맞춤 상담 서비스 방법 및 이를 위한 시스템 |
| KR20100078284A (ko) * | 2008-12-30 | 2010-07-08 | 주식회사 엑센코리아 | 학습 시스템의 수업 일정 관리 방법 및 그 장치 |
| KR101866747B1 (ko) * | 2017-04-06 | 2018-06-12 | 주식회사 베티 | 온라인 강사 추천 방법 |
| KR20200109704A (ko) * | 2019-03-14 | 2020-09-23 | 정현영 | 논문심사 스케줄별 논문지도 콘텐츠를 제공하는 논문 컨설팅 서비스 제공 시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114611830A (zh) * | 2022-03-28 | 2022-06-10 | 重庆邮电大学 | 一种基于多维度分区的医药配送车辆路径规划方法及装置 |
| CN114611830B (zh) * | 2022-03-28 | 2024-05-28 | 重庆邮电大学 | 一种基于多维度分区的医药配送车辆路径规划方法及装置 |
| KR102584810B1 (ko) | 2023-02-17 | 2023-10-06 | 엄흥수 | 비대면 입시생-멘토 매칭 플랫폼시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Prüfer et al. | Data science for entrepreneurship research: Studying demand dynamics for entrepreneurial skills in the Netherlands | |
| US11775494B2 (en) | Multi-service business platform system having entity resolution systems and methods | |
| Križanić | Educational data mining using cluster analysis and decision tree technique: A case study | |
| CN110019392B (zh) | 在网络教学系统中推荐教师的方法 | |
| US20220206993A1 (en) | Multi-service business platform system having custom object systems and methods | |
| US20200193382A1 (en) | Employment resource system, method and apparatus | |
| He | Improving user experience with case-based reasoning systems using text mining and Web 2.0 | |
| Su | Who knows who knows what in the group? The effects of communication network centralities, use of digital knowledge repositories, and work remoteness on organizational members’ accuracy in expertise recognition | |
| KR102169382B1 (ko) | 인공지능 기반의 맞춤형 전문가 상호 매칭 및 제안 시스템 | |
| US12020267B2 (en) | Method, apparatus, storage medium, and device for generating user profile | |
| US8339410B2 (en) | Computer-aided methods and systems for pattern-based cognition from fragmented material | |
| Vista | Data-driven identification of skills for the future: 21st-century skills for the 21st-century workforce | |
| KR102353584B1 (ko) | 입시 컨설팅 자동 관리 시스템 | |
| KR102063183B1 (ko) | 학습 콘텐츠 추천 장치 및 방법 | |
| Pardos et al. | Imputing KCs with representations of problem content and context | |
| Link et al. | A Human-is-the-Loop Approach for Semi-Automated Content Moderation. | |
| Aydoğdu | A new student modeling technique with convolutional neural networks: Learnerprints | |
| AL-Rubaiee et al. | Tuning of Customer Relationship Management (CRM) via Customer Experience Management (CEM) using sentiment analysis on aspects level | |
| Sithole et al. | Data mining: will first-year results predict the likelihood of completing subsequent units in accounting programs? | |
| US20230316186A1 (en) | Multi-service business platform system having entity resolution systems and methods | |
| CN112860878A (zh) | 业务数据推荐方法、存储介质及设备 | |
| Jin | User interest modeling and collaborative filtering algorithms application in English personalized learning resource recommendation | |
| Chan et al. | From empirical analysis to public policy: Evaluating housing systems for homeless youth | |
| Hamim et al. | Student profile modeling: an overview model | |
| Foote et al. | A computational analysis of social media scholarship |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |