KR102368010B1 - 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템 - Google Patents

운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템 Download PDF

Info

Publication number
KR102368010B1
KR102368010B1 KR1020210094646A KR20210094646A KR102368010B1 KR 102368010 B1 KR102368010 B1 KR 102368010B1 KR 1020210094646 A KR1020210094646 A KR 1020210094646A KR 20210094646 A KR20210094646 A KR 20210094646A KR 102368010 B1 KR102368010 B1 KR 102368010B1
Authority
KR
South Korea
Prior art keywords
exercise
data
information
user
credit rating
Prior art date
Application number
KR1020210094646A
Other languages
English (en)
Inventor
변민지
Original Assignee
리포츠 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 리포츠 주식회사 filed Critical 리포츠 주식회사
Priority to KR1020210094646A priority Critical patent/KR102368010B1/ko
Priority to KR1020220019667A priority patent/KR102400498B1/ko
Priority to KR1020220019668A priority patent/KR102400499B1/ko
Priority to KR1020220019669A priority patent/KR102400500B1/ko
Priority to KR1020220019666A priority patent/KR102400497B1/ko
Application granted granted Critical
Publication of KR102368010B1 publication Critical patent/KR102368010B1/ko

Links

Images

Classifications

    • G06Q40/025—
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • G06K9/6267—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
    • A63B2024/0012—Comparing movements or motion sequences with a registered reference

Abstract

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 인공지능 기반의 운동평가모델에 기초한 사용자의 운동 신용평가정보를 제공하기 위한 방법에 있어서, 사용자의 운동 데이터가 수신되는 단계, 상기 운동평가모델을 학습시킨 운동 데이터의 세부 항목에 따라 사용자의 운동 데이터를 분류하는 단계, 불특정 다수의 금융 데이터, 상기 금융 데이터에 따른 금융 신용평가정보 및 운동 데이터를 포함하는 사용자 정보를 기초로, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습한 상기 운동평가모델을 이용하여, 사용자의 운동 데이터로부터 운동 신용평가정보를 산출하는 단계, 및 외부로부터 사용자의 운동 신용평가정보의 제공에 대한 요청이 수신되면, 상기 운동 신용평가정보를 전송하는 단계를 포함하고, 상기 운동 신용평가정보를 산출하는 단계는, 상기 운동평가모델에서 학습된 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 대한 사용자의 세부 항목별 정보에, 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하여, 사용자의 운동 데이터에 대한 운동 신용평가정보를 산출한다.

Description

운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템{METHOD AND SYSTEM OF PROVIDING ALTERNATIVE CREDIT ACCESSMENT INDEX BASED ON ARTIFICIAL INTELLIGENCE USING EXERCISE INFORMATION}
본 발명은 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템에 관한 것으로서, 더욱 상세하게는 인공지능에 기반하여, 금융 데이터와 운동 데이터의 상관도를 학습시켜, 운동 데이터를 기초로 금융 신용평가정보에 대응되는 신뢰성 강한 운동 신용평가정보를 산출하는 대안적 신용평가정보 제공 방법 및 시스템에 관한 것이다.
은행 등의 금융권에서는 개인의 금융 데이터에 기초한 금융 신용평가정보를 다양한 영역에 활용하고 있다. 예를 들어, 특정 개인으로부터 대출신청이 있을 때, CB(Credit Bureau) 사의 CB Score를 활용하여 자체 신용평가등급(CSS: Credit Score System)을 구축함으로써 대출심사를 진행하고 있으며, 여기서, CB Score는 해당 개인의 카드 이용실적, 금융권 거래 연체 기록 등과 같은 과거 금융거래 기록을 조회하여 신용등급을 산정하는 것으로, 최근에는 이를 수치화한 신용평가점수를 산출하여 개인의 신용정보를 파악하는 척도로 사용되고 있다.
그러나, 이러한 정보는 개인의 한정된 금융거래 이력에 기반한 재무 등의 금융정보만을 기초로 하고 있다는 점에서, 부족한 금융 정보를 가진 금융 소외계층, 예를 들어, 사회초년생/외국인의 경우에는 금융거래가 없어 금융서비스를 이용할 최소한의 기회조차 제한되는 문제가 있다.
이에, 기존의 금융 신용평가정보에 대한 보조지표로서, 다양한 대안적 신용평가정보를 활용하려는 시도가 이루어지고 있다. 예를 들어, 개인의 운동 정보를 기반으로 한 대안적 운동 신용평가정보가 그 중 하나이다. 해당 정보는, 개인의 활동량, 구체적으로 개인이 스마트 기기를 소지한 상태에서 활동하면, 기기 내의 여러 센서들에 의해 측정되는 데이터에 기초하여 산출되는 활동량 정보에 초점이 맞춰져 있다. 그러나, 이러한 정보는 조작이 가능하고, 실제 스마트 기기를 거치하는 방식으로 자동으로 왕복운동을 수행하여 치팅(cheating) 기기까지 등장하여, 그 정보 자체로 신뢰성을 인정받기 어려운 문제가 있다.
이에 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로, 본 발명의 목적은 개인의 운동 생활정보에 기반한 운동 신용평가정보를 산출함에 있어서, 인공지능을 이용하여 금융 데이터와 상관도가 높은 운동 데이터를 추출함과 동시에, 그에 따른 신뢰성이 강한 운동 신용평가정보를 산출하는 방법 및 시스템을 제공하는 것을 목적으로 한다.
또한, 더 나아가 금융 정보의 부족에 따라 실제 개인의 신용과 괴리가 있는 금융 신용평가정보를 보완하기 위하여 산출된 개인의 운동 신용평가정보에 기초하여 잠재 금융신용평가정보를 제공하는 것을 그 목적으로 한다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 인공지능 기반의 운동평가모델에 기초한 사용자의 운동 신용평가정보를 제공하기 위한 방법에 있어서, 사용자의 운동 데이터가 수신되는 단계, 상기 운동평가모델을 학습시킨 운동 데이터의 세부 항목에 따라 사용자의 운동 데이터를 분류하는 단계, 불특정 다수의 금융 데이터, 상기 금융 데이터에 따른 금융 신용평가정보 및 운동 데이터를 포함하는 사용자 정보를 기초로, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습한 상기 운동평가모델을 이용하여, 사용자의 운동 데이터로부터 운동 신용평가정보를 산출하는 단계, 및 외부로부터 사용자의 운동 신용평가정보의 제공에 대한 요청이 수신되면, 상기 운동 신용평가정보를 전송하는 단계를 포함하고, 상기 운동 신용평가정보를 산출하는 단계는, 상기 운동평가모델에서 학습된 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 대한 사용자의 세부 항목별 정보에, 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하여, 사용자의 운동 데이터에 대한 운동 신용평가정보를 산출한다.
본 발명의 일 실시예에 있어서, 상기 사용자의 운동 데이터의 수신과 함께, 해당 사용자의 금융 데이터 및 상기 금융 데이터에 따른 금융 신용평가정보를 수신하여, 해당 사용자의 사용자 정보에 저장하여 관리하고, 해당 사용자의 사용자 정보는 상기 운동평가모델을 학습하기 위한 데이터로 활용될 수 있다.
본 발명의 일 실시예에 있어서, 상기 사용자의 운동 데이터의 수신과 함께, 해당 사용자의 금융 데이터 및 상기 금융 데이터에 따른 금융 신용평가정보를 수신하고, 해당 사용자의 금융 데이터가 일정 기준보다 부족한 경우, 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 잠재 금융신용평가정보의 예측은, 불특정 다수의 운동 신용평가정보 대비 금융 신용평가정보의 정규분포를 이용하여, 사용자의 산출된 운동 신용평가정보로부터 신뢰도 구간에서의 대응되는 금융 신용평가정보를 산출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 잠재 금융신용평가정보의 예측은, 상기 운동평가모델에서 학습된 금융 데이터 및 운동 데이터 각각의 세부 항목의 상관도를 역으로 이용하여, 운동 데이터의 세부 항목에 대한 사용자의 세부 항목별 정보에 대응되는 금융 데이터의 세부항목별 정보를 예측하여 잠재 금융평가정보를 산출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 운동 신용평가정보는, 등급 또는 점수 형태로 나타낼 수 있다.
본 발명의 일 실시예에 있어서, 사용자에 대한 운동 신용평가정보를 산출한 후에, 사용자의 운동 데이터가 추가로 수신되면, 상기 운동평가모델을 이용하여 산출된 운동 신용평가정보를 업데이트하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 외부로부터 사용자의 운동 신용평가정보의 제공에 대한 요청이 수신되면, 누적된 사용자의 운동 데이터를 기초로, 상기 운동평가모델을 이용하여 산출된 운동 신용평가정보를 업데이트하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 사용자의 운동 데이터는, 사용자 단말과 통신하여 해당 사용자의 운동 데이터를 관리하고 특정의 서비스를 제공하는 외부 서비스 시스템의 운동정보관리서버로부터 수신될 수 있다.
상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 인공지능 기반의 운동평가모델에 기초한 사용자의 운동 신용평가정보를 제공하는 운동신용평가서버에 있어서, 사용자의 운동 데이터를 수신하는 정보 수신부, 상기 운동평가모델을 학습시킨 운동 데이터의 세부 항목에 따라 사용자의 운동 데이터를 분류하는 사용자정보 관리부, 불특정 다수의 금융 데이터, 상기 금융 데이터에 따른 금융 신용평가정보 및 운동 데이터를 포함하는 사용자 정보를 기초로, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습한 상기 운동평가모델을 이용하여, 사용자의 운동 데이터로부터 운동 신용평가정보를 산출하는 운동평가정보 산출부, 및 외부로부터 사용자의 운동 신용평가정보의 제공에 대한 요청이 수신되면, 상기 운동 신용평가정보를 전송하는 정보 전송부를 포함하고, 상기 운동평가정보 산출부는, 상기 운동평가모델에서 학습된 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 대한 사용자의 세부 항목별 정보에, 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하여, 사용자의 운동 데이터에 대한 운동 신용평가정보를 산출한다.
본 발명의 실시예들에 따르면, 불특정 개인의 금융 데이터와 운동 데이터의 상관도를 인공지능을 통해 학습시켜서 운동평가모델을 생성하므로, 이를 기초하여 개인 신용에 있어서 신뢰도가 강한 운동 신용평가점수를 산출할 수 있다.
또한, 본 발명에 따르면, 금융 데이터의 부족으로 인해 특정 개인의 금융 신용평가정보가 개인 신용과 괴리가 있는 경우, 이를 보완하기 위하여 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하여 제공함으로써 부족한 금융 정보를 가진 금융 소외계층도 금융서비스를 이용할 수 있는 기회를 제공할 수 있다.
다만, 본 발명의 효과는 상기 효과들로 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 운동신용평가시스템을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 운동신용평가시스템에서 사용자로부터 운동 정보를 취득하고 관리하는 운동정보관리서버의 예시를 설명하기 위한 블록도이다.
도 3은 도 2에 도시된 운동정보관리서버에서 제공되어 사용자 단말 상에 표시되는 운동 데이터의 예시를 설명하기 위한 예시도들이다.
도 4는 도 1에 도시된 운동신용평가서버의 구성을 설명하기 위한 블록도이다.
도 5는 도 4의 평가모델 관리부를 설명하기 위한 블록도이다.
도 6은 도 4의 운동평가정보 산출부에서 산출된 운동 신용평가정보를 설명하기 위한 예시도들이다.
도 7은 본 발명의 일 실시예에 따른 인공지능 기반의 운동 신용평가정보를 제공하는 방법을 개략적으로 설명하는 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다. "제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 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.
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, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 운동신용평가시스템을 도시한 블록도이다.
도 1을 참조하면, 본 발명에 따른 운동신용평가시스템(1000)은 금융 데이터에 기초한 기존의 금융 신용평가정보에 대한 보조적인 지표로서 활용하기 위하여, 인공지능에 기반하여 개인별 운동 생활정보로부터 금융 신용평가정보에 매칭되는 신뢰성 강한 운동 신용평가정보를 산출하고, 해당 운동 신용평가정보를 외부요청서버(400)에서 요청시 이를 제공하도록 구성된다.
이 때, 개인별 운동 생활정보는 운동정보관리서버(200)에 의해 관리되며, 운동신용평가를 위한 신규 이벤트가 발생된 경우, 이에 기초하여 운동신용평가를 업데이트하도록 구성된다. 또한, 상기 운동신용평가시스템(1000)은 특정 개인의 금융 신용평가정보가 금융 데이터의 부족으로 인해 개인 신용과 괴리가 있는 경우, 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하여 외부요청서버(400)에 해당 운동 신용평가정보와 함께 제공하도록 구성된다.
이에 따라, 외부요청서버(400)에서 개인의 금융서비스 이용을 위한 신용 평가시, 금융 신용평가정보뿐만 아니라, 개인의 운동신용평가정보 및 이에 기초한 잠재 금융신용평가정보를 종합적으로 고려할 수 있다.
구체적으로, 상기 운동신용평가시스템(1000)은, 개인별 금융 데이터 및 이에 의한 금융 신용평가정보를 관리하는 외부금융서버(100), 개인별 운동 데이터를 관리하는 운동정보관리서버(200), 상기 외부금융서버(100)로부터 고객의 금융 데이터 및 금융 신용평가정보를 제공받고, 상기 운동정보관리서버(200)로부터 고객의 운동 데이터를 제공받아, 이들에 기초하여 운동 신용평가정보를 산출하여 관리하는 운동신용평가서버(300) 및 정보 요청함으로써, 상기 운동신용평가서버(300)로부터 고객의 운동 신용평가정보를 제공받아 개인의 금융서비스 이용을 위한 신용 평가를 행하는 외부요청서버(400)를 포함한다.
상기 외부금융서버(100)는 한국신용평가정보(KIS), 한국신용정보(NICE) 등의 개인신용조회회사(CB(Credit Bureau))가 운영하는 서버 또는 이들로부터 정보를 제공받아 개인 신용평가정보를 관리하는 금융 관련 서버일 수 있다. 구체적으로, 개인신용조회회사는 금융회사, 공공기관, 기업 등으로부터 개인별 금융 데이터, 예를 들어, 개인의 카드 이용실적, 금융권 거래 연체 기록 등과 같은 과거 금융거래 기록을 수집하고, 이에 기초하여 CB Score를 활용하여 자체 신용평가등급(CSS: Credit Score System)을 구축하여 개인의 신용 상황을 판단할 수 있는 정보를 제공하는 회사로, 상기 외부금융서버(100)는 수집된 개인별 금융 데이터와 이에 기초하여 산출된 금융 신용평가정보를 관리하도록 구성된다.
상기 금융 데이터는, 금융 신용평가 등급 및 점수에 영향 내지 변동을 미치는 일련의 금융 내지 재무 활동 등과 연관된 모든 정보를 포함하며, 계좌 개설, 신용카드, 대출, 연체 기록, 등이 이에 포함된다. 상기 금융 신용평가정보는 개인의 금융 신용평가와 관련하여 개인 신용조회회사의 기준에 따라 등급 또는 점수로 나타내는 결과물을 나타낸다.
상기 금융 신용평가정보는 미리 결정된 등급 또는 이를 수치화하여 나타낸 점수일 수 있다. 상기 외부금융서버(100)는 기존의 서버로서 본 발명의 일 실시예에 따른 운동신용평가시스템(1000)에 데이터를 제공하는 역할을 수행할 뿐이라는 점에서, 자세한 설명은 생략하도록 한다.
상기 운동정보관리서버(200)는 개인의 운동 데이터를 저장하고 관리하도록 구성된 서버로서, 개인별 운동 데이터를 취급하는 서비스 서버 또는 분석 내지 관리 목적으로 개인별 운동 데이터를 수집하는 관리 서버로 구성될 수 있다. 상기 운동정보관리서버(200)는 서비스 제휴 내지 API를 제공함으로써, 후술할 운동신용평가서버(300)에 개인별 운동 데이터를 제공하도록 구성된다. 개인별 운동 데이터는 생활 운동 종목, 생활 운동 강습 참여 이력, 생활 운동 관련 제품 또는 서비스 결제 이력, 강사 피드백 정보, 강습 기록 정보, 칼로리 소모 정보, 활동력, 활동량 등 운동과 관련된 모든 정보를 포함하는 것으로, 상기 운동정보관리서버(200)가 속한 서비스 시스템의 성격 또는 관리 목적에 따라 그 정보의 종류를 달리할 수 있다. 이하, 상기 운동정보관리서버(200)의 예시를 도 2 및 도 3을 통해 간략히 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 운동신용평가시스템에서 사용자로부터 운동 데이터를 취득하고 관리하는 운동정보관리서버의 예시를 설명하기 위한 블록도이다. 도 3은 도 2에 도시된 운동정보관리서버에서 제공되어 사용자 단말 상에 표시되는 운동 데이터의 예시를 설명하기 위한 예시도들이다.
도 2를 참조하면, 특정의 서비스 시스템으로서 사용자 단말(50)과 네트워크를 통해 통신하는 운동정보관리서버(200)가 도시되며, 상기 운동정보관리서버(200)는 사용자 단말(50)을 통해 사용자에게 특정의 서비스를 제공하고, 이러한 과정에서 사용자로부터 직접 획득하거나, 또는 서비스 제공에 따라 생성되는 사용자의 운동 데이터를 수집하고 관리하도록 구성된다.
예를 들어, 도 3에 도시된 바와 같이, 상기 특정의 서비스 시스템은 퍼스널 생활 스포츠 강습 정보를 제공하는 스포츠 큐레이션 서비스 시스템일 수 있다. 이 경우, 수집되어 관리되는 운동 데이터는 사용자 단말을 통해 입력되는 사용자의 나이, 성별, 검색한 운동 종목 정보 등과, 알고리즘에 의해 추천된 운동 종목 정보, 사용자의 클릭 태깅 정보가 포함될 수 있다. 또한, 사용자가 결제를 통해 특정의 운동 종목에 대한 강습을 신청하는 경우, 사용자의 결제 정보, 강습 시간, 횟수, 등에 대한 정보 및 강습에 대한 진도율, 사용자의 리뷰 정보, 강사의 피드백 정보등 운동 내지 강습과 관련된 모든 데이터가 운동 데이터로 저장되어 관리될 수 있으며, 사용자로부터 입력된 운동 일자별 운동 상태 및 날씨, 컨디션 등이 기록된 로그 정보 역시 운동 데이터로 저장되어 관리될 수 있다. 또한, 사용자 단말에 내장된 적어도 하나 이상의 센서로부터 측정되는 사용자의 활동량 정보 역시 운동 데이터로 취급된다.
즉, 운동정보관리서버(200)가 속한 서비스 시스템의 성격에 따라, 서로 다른 운동 데이터를 취급할 수 있으며, 따라서, 상기 운동정보관리서버(200)는 서로 다른 시스템과 연관되어 서로 다른 운동 데이터를 취급하는 복수의 서버들로 구성될 수도 있다. 또는, 상기 운동정보관리서버(200)는 서로 다른 시스템과 연관된 서버들에서 운동 관련 데이터를 제공받아 관리하는 하나의 서버일 수도 있다.
상기 운동신용평가서버(300)는, 상기 외부금융서버(100)로부터 개인별 금융 데이터 및 금융 신용평가정보를 제공받고, 상기 운동정보관리서버(200)로부터 개인별 운동 데이터를 제공받아, 이들에 기초한 운동 신용평가정보를 산출하여 관리하도록 구성된다.
상기 운동신용평가서버(300)는 불특정 다수의 금융 데이터, 상기 금융 데이터에 따른 금융 신용평가정보 및 운동 데이터를 포함하는 사용자 정보를 기초로, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습한 상기 운동 평가모델을 이용하여, 사용자의 운동 데이터로부터 운동 신용평가정보를 산출하도록 구성된다. 상기 운동신용평가서버(300)의 구성에 대해서는 후술하도록 한다.
상기 운동신용평가서버(300)는 상기 운동정보관리서버(200)와 구별되는 것으로 설명하고 있으나, 이에 한정되지 않는다. 예를 들어, 상기 운동신용평가서버(300)와 상기 운동정보관리서버(200)는 동일한 서버일 수 있다.
상기 외부요청서버(400)는, 사용자에게 대출 등의 금융 서비스 또는 신용평가를 기초로 기타 서비스를 제공하는 공공기관 또는 금융기관이 운용하는 서버일 수 있다. 상기 외부요청서버(400)는 특정 사용자의 운동신용평가정보가 필요한 경우, 상기 운동신용평가서버(300)로 해당 특정 사용자의 운동 신용평가정보를 요청한다. 이에 대한 요청에 대응하여, 해당 특정 사용자의 운동 신용평가정보가 수신되면 외부요청서버(400)는 수신된 내용에 기초하여 특정 사용자에 대한 대출승인 또는 대출거절과 같은 금융 서비스 자격 여부 결정 및 기타 서비스 제공 조건 여부 충족 등을 심사하도록 구성된다.
또한, 상기 외부요청서버(400)는 운동 신용평가정보와 함께 금융 신용평가정보도 상기 운동신용평가서버(300)로 요청할 수 있으며, 이 경우, 상기 운동신용평가서버(300)는 해당 정보들을 상기 외부요청서버(400)에 전송할 수 있다. 이 때, 상기 운동신용평가서버(300)는 특정 사용자의 금융 데이터의 부족으로 인해 개인 신용과 괴리가 있는 경우, 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하여 외부요청서버(400)에 해당 운동 신용평가정보와 함께 제공하도록 구성된다. 이에 따라, 외부요청서버(400)에서 개인의 금융서비스 이용을 위한 신용 평가시, 금융 신용평가정보뿐만 아니라, 개인의 운동신용평가정보 및 이에 기초한 잠재 금융신용평가정보를 종합적으로 고려할 수 있다. 예를 들어, 상기 외부요청서버는 신용평가정보를 활용해 보험료 환급 또는 특정 상품 내지 서비스 구매에 있어서 할인 등을 적용할 수 있다.
상기 외부요청서버(400)는 기존의 서버로서 본 발명의 일 실시예에 따른 운동신용평가시스템(1000)에서 데이터를 제공받는 역할을 수행할 뿐이라는 점에서, 자세한 설명은 생략하도록 한다. 한편, 본 실시예에 따른 상기 외부요청서버(400)는 외부의 별도의 서버인 것을 예로 설명하였으나, 이에 한정되지 않는다. 상기 외부 금융서버(100), 상기 운동정보관리서버(200), 상기 운동신용평가서버(300)와 동일 서버이거나 또는 동일한 주체에 의해 운영되는 별도 서버일 수 있다.
상기 외부금융서버(100), 상기 운동정보관리서버(200), 상기 운동신용평가서버(300), 및 상기 외부요청서버(400)는, 네트워크(10)를 통해 서로 데이터를 송수신할 수 있도록 구성된다. 상기 네트워크(10)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 개인 근거리 무선통신(Personal Area Network; PAN), 이동 통신망(mobile radio communication network), Wibro(Wireless Broadband Internet), Mobile WiMAX, HSDPA(High Speed Downlink Packet Access) 또는 위성 통신망 등과 같은 모든 종류의 유/무선 네트워크로 구현될 수 있다.
이하, 도 4를 참조하여, 상기 운동신용평가서버(300)를 상세하게 설명한다.
도 4는 도 1에 도시된 운동신용평가서버(300)의 구성을 설명하기 위한 블록도이다.
상기 운동신용평가서버(300)는 상기 네트워크(10)를 통해 상기 외부금융서버(100) 및 상기 운동정보관리서버(200)와 통신 접속하도록 구성되며, 상기 외부금융서버(100)로부터 사용자별 금융 데이터 및 이에 따른 금융 신용평가정보 및 상기 운동정보관리서버(200)로부터 사용자별 운동 데이터를 제공받으면, 이를 비교가능한 형태로 사용자 정보로 데이터베이스화한다. 이 때, 불특정 다수의 금융 데이터, 금융 신용평가정보 및 운동 데이터는 운동평가모델을 생성하기 위한 인공지능 학습에 이용된다. 또한, 상기 운동신용평가서버(300)는, 상기 운동평가모델을 이용하여, 사용자별 운동 데이터에 기초한 운동 신용평가정보를 산출하고, 상기 외부요청서버(400)로부터 특정 사용자에 대한 운동신용평가정보에 대한 요청이 수신되면, 해당 정보를 전송하도록 구성된다.
상기 운동신용평가서버(300)는 데이터베이스(미도시)와 연동하여 인공지능 수행을 위한 학습 데이터 생성과 관련된 적어도 하나의 클라우드 서버에 관한 CPU(Central Processing Unit), GPU(Graphics Processing Unit), TPU(Tensor Processing Units) 및 메모리를 포함하는 자원 정보를 저장할 수 있다. 한편, 상기 데이터베이스는 상기 운동신용평가서버(300)의 외부에서 통신을 통해 연결되거나, 또는 내부에서 데이터베이스 모듈로서 포함되도록 구성될 수 있다.
구체적으로, 상기 운동신용평가서버(300)는, 정보 수신부(310), 사용자정보 관리부(320), 평가모델 관리부(330), 운동평가정보 산출부(340), 금융평가정보 예측부(350) 및 정보 전송부(360)를 포함할 수 있다.
상기 정보 수신부(310)는, 상기 네트워크(10)를 통해 상기 외부금융서버(100)로부터 사용자별 금융 데이터 및 이에 따른 금융 신용평가정보를 수신하고, 상기 운동정보관리서버(200)로부터 사용자별 운동 데이터를 수신하도록 구성된다. 또한, 상기 정보 수신부(310)는 상기 외부요청서버(400)로부터 정보 요청 사항에 대한 요청 정보를 수신하도록 구성된다. 또한, 도시하진 않았으나, 상기 운동신용평가서버(300)가 사용자 단말을 통해 운동 신용평가정보 조회 서비스를 제공하는 경우, 상기 정보 수신부(310)는 사용자 단말로부터 사용자별 기본 정보 내지 입력 정보를 수신받을 수 있다.
상기 사용자정보 관리부(320)는, 상기 운동신용평가시스템(1000)에서 관리되는 적어도 하나 이상의 사용자를 등록하고, 사용자에 대한 금융 데이터, 금융 신용평가정보 및 운동 데이터를 매칭시켜 사용자 정보로서 관리하도록 구성된다. 예를 들어, 상기 운동정보관리서버(200)와 연관된 서비스 시스템의 신규의 사용자가 등록되거나 또는 신규의 운동 데이터가 생성되는 경우, 상기 사용자정보 관리부(320)는, 해당 사용자에 대한 운동 데이터를 전송받고, 대응되는 정보를 사용자 정보에 매칭시켜 저장하고 관리할 수 있다.
또한, 상기 사용자정보 관리부(320)는 사용자 정보를 관리함에 있어서, 개인별 금융 데이터의 세부 항목별 정보를 저장하고, 또한, 운동 데이터의 세부 항목별 정보를 저장하여 관리하도록 구성되며, 새로운 금융 데이터 또는 운동 데이터가 추가될 때마다, 각 데이터를 미리 정해진 기준에 따라 세부 항목별로 정보를 분류하고 관리하도록 구성된다. 예를 들어, 상기 미리 정해진 기준은 상기 운동평가모델을 학습시킨 금융 데이터 및 운동 데이터 각각의 세부 항목에 따라 정해질 수 있다.
또한, 상기 운동신용평가서버(300)가 별도의 사용자 단말(미도시)과 네트워크(10)를 통해 통신하는 경우, 사용자 단말(미도시)을 통해 사용자로부터 입력된 기본 정보가 관리되는 사용자 정보와 매칭되어 추가로 저장될 수 있다. 상기 사용자 정보는 후술하는 평가모델 관리부(330)의 인공지능 학습을 위한 자료로 활용되는 동시에, 상기 운동평가정보 산출부(340)에서 운동 신용평가정보의 산출을 위한 기초자료로 사용된다. 또한, 이의 결과물인 운동 신용평가정보 역시 사용자 정보로 취급되며, 운동 신용평가정보에 기초한 잠재 금융신용평가정보 역시 사용자 정보로 취급되어 저장되고 관리된다. 즉, 상기 사용자 정보에는 금융 데이터, 금융 신용평가정보, 운동 데이터, 운동 신용평가정보, 잠재 금융신용평가정보가 포함되며, 각 정보는 사용자 식별 코드와 매칭되어 데이터베이스에 저장되어 관리된다.
본 실시예에 따른 상기 운동신용평가서버(300)가 별도의 사용자 단말(미도시)과 통신될 수 있음을 예로 설명하였으나, 이에 한정되지 않는다. 예를 들어, 상기 운동정보관리서버(200)의 운영주체와 상기 운동평가관리서버(300)의 운영주체가 동일할 수 있고, 이 경우, 상기 별도의 사용자 단말은 도 2에 도시된 사용자 단말(50)일 수 있다.
상기 평가모델 관리부(330)는, 불특정 다수의 금융 데이터, 상기 금융 데이터에 따른 금융 신용평가정보 및 운동 데이터를 포함하는 사용자 정보를 기초로, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습한 상기 운동 평가모델을 이용하여, 사용자의 운동 데이터로부터 운동 신용평가정보를 산출을 생성하고 관리하도록 구성된다. 상기 평가모델 관리부(330)에 대한 설명은 도 5를 참조하여 설명한다.
도 5는 도 4의 평가모델 관리부(330)를 설명하기 위한 블록도이다.
상기 평가모델 관리부(330)는 자료 수집부(331), 평가모델 생성부(333) 및 평가모델 업데이트부(335)를 포함한다.
상기 자료 수집부(331)는 운동평가모델 생성을 위한 인공지능 학습을 위한 자료를 수집하도록 구성된다. 예를 들어, 상기 자료 수집부(331)는 상기 사용자정보 관리부(320)에서 관리되는 불특정 다수의 금융 데이터 및 운동 데이터 각각이 서로 다른 항목들로 세분화하여 분류된 사용자 정보를 자료로 수집할 수 있다.
상기 평가모델 생성부(333)는 인공지능에 기반하여 불특정 다수의 금융 데이터 및 운동 데이터를 기초로 각각의 세분화된 항목간의 상관도를 학습하여, 항목 간의 상관도를 데이터베이스화하고, 운동 데이터의 입력에 따라 금융 신용평가정보와 대응되는 운동 신용평가정보를 산출하는 운동평가모델을 생성하도록 구성된다.
예를 들어, 상기 평가모델 생성부(333)는, 불특정 다수의 금융 데이터 및 운동 데이터 항목별 빅데이터로부터 항목 간에 상관도가 있는지 여부를 학습하도록 구성된다. 이 때, 금융 데이터 항목 각각은 금융 신용평가정보에 영향을 미치는 인자이므로, 해당 모델을 이용하여 금융 데이터의 각 항목별 상관도가 높은 운동 데이터의 항목이 추출되면, 특정 금융 데이터가 금융 신용평가정보에 미치는 변동사항에 대응시켜, 상기 특정 금융 데이터와 상관도가 높은 운동 데이터의 정보에 따라 대응되는 변동사항를 적용하도록 한다.
예를 들어, 학습 단계에서, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습할 수 있다. 즉, 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하도록 상기 운동 평가모델을 학습시킴으로써, 운동 데이터 입력만으로 금융 신용평가정보에 대응되는 운동 신용평가정보를 산출할 수 있다. 여기서 제2 변동사항은 상기 제1 변동사항과 동일하거나, 또는 상기 제1 변동사항 대비 크기만 스케일링된 형태일 수 있다.
인공지능 학습은 비지도 학습 형태로 이루어질 수 있으며, 또는 이와 달리, 부분 지도 학습이 이루어질 수 있다.
예를 들어, 일반적인 개인의 월별 신용카드 결제액 대비 핼스, 요가, 필라테스, 등 생활 운동 강습 결제액 간의 상관도 등은 해마다 발표되는 국민 운동 관련 소비에 대한 보고서가 참고될 수 있다. 물론, 성별, 나이에 따라 서로 상이한 정보를 포함하는 경우, 그에 따른 지도학습이 이루어질 수 있다. 한편, 상기 평가모델 생성부(333)는 금융 데이터와 운동 데이터 간의 상관도뿐만 아니라, 운동 데이터 간의 상관도를 파악하여 하나의 군집 데이터로 묶어서 전체적인 상관도를 도출하여 학습할 수도 있다.
또는, 상기 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도를 학습함에 있어서, 운동 데이터를 각 지수별 항목으로 우선 분류하여 지수 단위로 금융 데이터와 지도학습을 통해 부분 매칭을 시킬 수도 있다. 예를 들어, 운동 데이터는, 신뢰지수항목, 관리지수항목, 도전지수항목 등으로 세분화되어 관리될 수 있다. 신뢰지수항목은, 운동 강습 출석률, 강사 피드백 정보 등, 관리지수항목은 자기 관리, 건강 관리와 연관된 정보 등, 도전지수항목은 운동 종목 정보 등이 분류될 수 있다.
또한, 운동 데이터 그 자체로, 개인 신용과 직접적으로 관련이 있는 데이터인 경우에는, 그 데이터 자체에 가중치를 부여하거나, 또는 해당 운동 데이터와 상관도가 있다고 분석된 금융 데이터 간의 관계에 가중합(weighted sum)을 부여하여, 의미있는 운동 신용평가정보가 산출되도록 할 수 있다. 또한, 운동 데이터 중 조작이 어려운 신뢰성이 높은 데이터의 경우에도 동일하게 적용될 수 있다. 예를 들어, 도 3에 기초할 때, 강습 강사로부터 받은 피드백 정보 또는 일자별 로그북 정보의 경우가 이에 포함될 수 있다.
한편, 상기 상관도는, 관계도 형태로 도시화될 수 있으며, 이 경우, 각 데이터의 항목별로 노드로 나타내고, 노드와 노드 간을 연결하는 네트워크로 표시되어 저장될 수 있다. 즉, 노드 간에 일정 값의 수치화된 상관도를 가진 경우만 네트워크로 연결되도록 할 수도 있다.
본 실시예에서의 상기 평가모델 생성부(333)는 운동 신용평가정보를 산출함에 있어서, 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정의 변동사항을 미리 학습시키고, 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하도록 상기 운동 평가모델을 학습시키는 것을 예로 설명하였으나, 이에 한정되지 않는다. 이와 달리, 금융 데이터의 세부 항목별 운동 데이터의 세부 항목의 상관도만을 학습시키고, 추출된 운동 데이터의 세부 항목 정보에 자체 기준에 근거하여 운동 신용평가정보를 산출할 수도 있다.
상기 평가모델 업데이트부(335)는, 불특정 다수의 금융 데이터 및 운동 데이터를 포함하는 사용자 정보가 추가로 제공되거나, 운동 데이터 항목이 세분화되어 세부 항목 자체가 추가되는 경우, 새로운 각 항목별 상관도 분석을 위하여 운동평가모델을 업데이트하여 관리하도록 구성된다.
상기 평가모델 업데이트부(335)는 임의의 항목(노드)을 기준으로 유의미한 네트워크 상관도를 가지는 항목의 경우는 특정 항목으로 업데이트하고, 다음 데이터의 학습 주기에 피드백하도록 구성된다. 즉, 상기 평가모델 업데이트부(335)는 다음 데이터의 학습 주기에서 업데이트된 특정 항목을 활용하여 기준으로 삼은 임의의 항목과의 상관도를 나타내는 상관도를 재계산하고, 상기 특정 항목과 연결되는 네트워크가 유의미한 또 다른 특정 항목을 지속적으로 검색하도록 구성된다. 만약, 유의미한 네트워크 상관도를 가지는 항목이 없어서 더 이상 다른 특정 항목이 발굴되지 않으면, 발굴 절차를 종료하도록 구성된다. 예를 들어, 유의미한 네트워크 상관도를 분석하기 위해서 최소로 필요한 데이터량을 지정하고, 상기 자료 수집부(331)에서 수집된 사용자 정보 중 운동 데이터의 특정 항목이 최소로 필요한 데이터량을 충족하는 경우, 업데이트를 수행하도록 할 수 있다.
한편, 특정 항목의 상관도 또는 상관도가 높다는 것은 다른 항목 대비 높거나, 미리 결정된 기준인 일정 값 이상의 상관도 또는 상관도를 가짐을 의미한다.
인공지능에 의한 학습은 경사하강법을 적용하여 선정된 횟수만큼 반복 될 수 있다. 학습은 인공신경망 기법, 의사결정 나무기법과 오토 머신러닝 기법 등의 학습구조가 선정될 수 있다. 본 실시예에서는 운동신용평가서버(300)가 운동평가모델을 생성하고 있는 것을 예로 설명하였으나, 이에 한정되지 않는다.
예를 들어, 상기 평가모델 생성부(333)는 별도의 장치 내지 서버에 의해 구현되고, 통신을 통해 상기 운동신용평가서버(300)와 연결되도록 구성될 수 있다. 이 경우, 상기 평가모델 생성부(333)는 자료 수집부(311)에서 데이터를 가져올 수 있도록 원격 호출 기반으로 연결될 수 있다.
또한, 인공지능의 학습 방법으로는 의사결정 나무기법, 오토 머신러닝 기법이 적용될 수 있음은 자명하다. 구체적으로, 상기 의사결정나무 기법에는 의사결정 나무(Decision Tree), 랜덤 포레스트(Random Forest), 그레디언트 부스팅(Gradient Boosting) 등의 기법이 포함될 수 있다. 또한, 상기 오토 머신러닝 기법에는 인공신경망의 은닉층의 개수와 뉴런의 개수 등에 대한 하이퍼 파라미터를 인공지능이 자동으로 조정하는 기법, 의사결정나무 기법 및 인공신경망을 포함한 현존하는 인공지능 기법을 다층으로 연결하여 학습하는 스테킹(Stacking) 및 앙상블(Ensemble) 기법, 또는 상기의 스테킹(Staking), 앙상블(Ensemble), 하이퍼 파라미터에 대한 자동 튜닝을 동시에 사용하는 기법이 포함될 수 있다.
데이터 학습 방법에 있어서도, 기계 학습(Machine Learning) 또는 지도 학습(Supervised Learning) 등 다양한 방법에 기초할 수 있으며, 머신 러닝을 수행함에 있어서 CNN, RNN, 이들의 조합 등 다양한 인공신경망 모델이 적용될 수 있다.
상기 운동평가정보 산출부(340)는 상기 평가모델 관리부(330)에서 생성된 운동평가모델을 이용하여 개인별 금융 신용평가정보과 대응되는 운동 신용평가정보를 산출하도록 구성된다.
즉, 금융 신용평가정보에 영향을 미치는 금융 데이터의 세분화된 항목과 일정 이상의 상관도를 가지는 운동 데이터의 항목을 추출함으로써, 개인별 운동 데이터의 각 항목별 수치 내지 정보 값을 통해 금융 신용평가정보에 대응하는 운동 신용평가정보를 산출할 수 있다. 개인별 운동 신용평가정보는 미리 결정된 등급 또는 구간에 따라 등급화 또는 점수화된 결과치로 출력될 수 있다. 또한, 개인별 운동 신용평가정보를 산출함에 있어서 요구되는 개인별 운동 데이터에 따라 출력되는 운동 신용평가정보의 신뢰도도 함께 출력될 수 있다.
상기 운동평가정보 산출부(340)는 금융 신용평가정보와 마찬가지로, 개인별 운동 데이터가 업데이트되는 경우 개인별 운동 신용평가정보를 업데이트할 수 있다.
또는 이와 달리, 상기 외부요청서버(400)로부터 정보의 요청이 있는 경우에, 개인별 사용자 정보를 수집한 후, 이 중 운동 데이터에 기초하여 운동 신용평가정보를 산출할 수 있다. 정보의 변동이 있는 경우, 변동사항을 기록하고, 어떤 요인(세부 항목별 정보)에 의해 변동이 이루어졌는지를 기록하며, 해당 정보는 상기 사용자 정보 관리부에 저장되고 관리된다.
도 6은 도 4의 운동평가정보 산출부에서 산출된 운동 신용평가정보를 설명하기 위한 예시도들이다.
도 6을 참조하면, 본 실시예에 따른 상기 운동신용평가서버(300)가 별도의 사용자 단말(미도시)과 통신하여, 운동신용평가정보 조회서비스를 제공하는 경우, 사용자 단말에 표시되는 정보의 예시가 도시된다. 예를 들어, 운동 신용평가정보를 통해 사용자별 혜택 정보, 사용자별 수치화된 금융 신용평가점수와 함께 표시되는 운동 신용평가점수 및 운동 신용평가점수를 올리기 위한 항목 별 정보를 함께 제공할 수 있다. 예를 들어, 사용자별로 운동 신용평가점수를 향상시키기 위한 방법을 현재 운동 데이터를 기초로 맞춤형으로 제시할 수 있다.
상기 금융평가정보 예측부(350)는 산출된 운동 신용평가정보를 기초로 금융 신용평가정보를 예측하도록 구성된다. 구체적으로, 금융 신용평가정보와 운동 신용평가정보를 상호 보완하기 위하여, 운동 데이터 대비 또는 절대적인 양에 있어서, 금융 신용평가정보를 산출하기 위한 금융 데이터가 일정 기준보다 부족한 경우, 운동 신용평가정보와 금융 신용평가정보의 관계를 고려하여, 운동 신용평가정보로부터 금융 신용평가정보를 예측할 수 있다. 예를 들어, 사용자별 기본 정보, 예를 들어, 나이, 성별, 몸무게, 키 등에 따른 운동 신용평가정보 대비 금융 신용평가정보를 정규분포화하고, 동일 조건하의 사용자를 운동 신용평가점수로부터 금융 신용평가정보를 예측할 수 있다. 즉, 불특정 다수의 운동 신용평가정보 대비 금융 신용평가정보의 정규분포를 이용하여, 사용자의 산출된 운동 신용평가정보로부터 신뢰도 구간에서의 대응되는 금융 신용평가정보를 산출할 수 있다.
또는, 이와 달리, 상기 평가모델 관리부(330)에서 생성된 운동평가모델에서학습된 금융 데이터의 세부 항목과 운동 데이터의 세부 항목의 상관도를 역으로 이용하여, 운동 데이터와 상관도 있는 금융 데이터를 역추적하고, 이에 따른 금융 데이터를 기초로 금융 신용평가정보를 예측할 수 있다.
사용자별 예측된 금융 신용평가정보는 잠재 금융신용평가정보로 취급되어 다른 사용자 정보와 함께 사용자정보 관리부(320)에 저장되고 관리되며, 외부요청서버(400)에서 요청시 해당 사용자의 운동 신용평가정보와 함께 제공하도록 구성된다. 또는, 요청이 없는 경우에도, 자체적으로 판단하여 잠재 금융신용평가정보를 제공할 수도 있다.
상기 정보 전송부(360)는, 상기 외부요청서버(400)로부터 개인별 운동 신용평가정보의 조회 요청 내지 정보 제공 요청이 수신되면, 요청받은 정보를 상기 외부요청서버(400)로 전송하도록 구성된다. 예를 들어, 상기 외부요청서버(400)는 운동 신용평가정보만 또는 이와 함께 금융 신용평가정보도 상기 운동신용평가서버(300)로 요청할 수 있으며, 이 경우, 상기 정보 전송부(360)는 해당 정보들을 상기 외부요청서버(400)에 전송할 수 있다.
이 때, 상기 정보 전송부(360)는 특정 사용자의 금융 데이터의 부족으로 인해 개인 신용과 괴리가 있는 경우, 예측된 잠재 금융신용평가정보를 해당 운동 신용평가정보와 함께 상기 외부요청서버(400)로 전송할 수 있다. 이에 따라, 외부요청서버(400)에서 개인의 금융서비스 이용을 위한 신용 평가시, 금융 신용평가정보뿐만 아니라, 개인의 운동신용평가정보 및 이에 기초한 잠재 금융신용평가정보를 종합적으로 고려할 수 있다.
또한, 상기 정보 전송부(360)는 추가로 상기 운동신용평가서버(300)가 사용자 단말과 통신하여 조회서비스를 제공하는 경우, 상기 사용자 단말로, 개인별 산출된 운동 신용평가정보를 전송할 수 있다.
본 발명의 실시예들에 따르면, 불특정 개인의 금융 데이터와 운동 데이터의 상관도를 인공지능을 통해 학습시켜서 운동평가모델을 생성하므로, 이를 기초하여 개인 신용에 있어서 신뢰도가 강한 운동 신용평가점수를 산출할 수 있다.
또한, 본 발명의 실시예들에 따르면, 금융 데이터의 부족으로 인해 특정 개인의 금융 신용평가정보가 개인 신용과 괴리가 있는 경우, 이를 보완하기 위하여 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하여 제공함으로써 부족한 금융 정보를 가진 금융 소외계층도 금융서비스를 이용할 수 있는 기회를 제공할 수 있다.
도 7은 본 발명의 일 실시예에 따른 인공지능 기반의 운동 신용평가정보를 제공하는 방법을 개략적으로 설명하는 순서도이다.
전술한 바와 같이 본 발명에 따른 인공지능 기반의 운동 신용평가정보를 제공하는 방법은 사용자의 대출에 따른 신용평가를 포함하는 금융 서비스 등 다양한 분야에서 적용될 수 있다. 즉, 금융 데이터에 기초한 기존의 금융 신용평가정보에 대한 보조적인 지표로서 활용하기 위하여, 인공지능에 기반하여 개인별 운동 생활정보로부터 금융 신용평가정보에 매칭되는 신뢰성 강한 운동 신용평가정보를 산출하고, 해당 운동 신용평가정보를 외부요청서버(400)에서 요청시 이를 제공하도록 구성된다.
도 1 내지 도 7을 참조하면, 본 발명에 따른 인공지능 기반의 운동 신용평가정보를 제공하는 방법은 개인별 운동 데이터를 수신하는 단계(S100); 개인별 운동 데이터를 세부 항목으로 분류하는 단계(S200); 인공지능에 기반하여 불특정 다수의 금융 데이터 및 운동 데이터 각각의 세부 항목별 상관도를 미리 학습한 운동평가모델에 기초하여, 개인별 운동 데이터에 대한 금융 신용평가정보에 대응되는 운동 신용평가정보를 산출하는 단계(S300); 개인별 운동 데이터가 추가되면, 상기 운동평가모델을 이용하여 산출된 운동 신용평가정보를 업데이트하는 단계(S400); 외부요청서버로부터의 특정 개인에 대한 운동 신용평가정보의 요청시, 해당 특정 개인의 운동 신용평가정보를 전송하는 단계(S500)를 포함한다.
상기 개인별 운동 데이터를 수신하는 단계(S100)에서는, 상기 정보 수신부(310)는, 상기 네트워크(10)를 통해 상기 운동정보관리서버(200)로부터 사용자별 운동 데이터를 수신하도록 구성된다. 한편, 상기 정보 수신부(310)는 제공되는 운동평가모델의 신뢰도를 높이기 위한 학습 데이터로 활용하기 위하여, 추가로, 상기 외부금융서버(100)로부터 사용자별 금융 데이터 및 이에 따른 금융 신용평가정보를 수신한다.
상기 개인별 운동 데이터를 세부 항목으로 분류하는 단계(S200)에서는, 수신된 사용자별 운동 데이터를 관리되는 적어도 하나 이상의 사용자에 매칭시켜 사용자 정보로서 관리하도록 구성된다. 또한, 학습 데이터로 활용하기 위하여 수신된 금융 데이터도 함께 사용자에 매칭시켜 저장한다. 이 때, 운동평가모델의 인공지능 학습을 진행한 세부 항목 형태로 운동 데이터 및 금융 데이터를 각각의 세부 항목으로 분류하여 저장한다. 운동 데이터의 각 세부 항목별 수치 내지 정보 값은 항목에 따라 저장되고 관리된다.
상기 인공지능에 기반하여 불특정 다수의 금융 데이터 및 운동 데이터 각각의 세부 항목별 상관도를 미리 학습한 운동평가모델에 기초하여, 개인별 운동 데이터에 대한 금융 신용평가정보에 대응되는 운동 신용평가정보를 산출하는 단계(S300)에서는, 인공지능에 기반하여 학습된 운동평가모델을 이용한다.
구체적으로, 상기 운동평가모델은, 인공지능에 기반하여 불특정 다수의 금융 데이터 및 운동 데이터를 기초로 각각의 세분화된 항목간의 상관도를 학습하여, 항목 간의 상관도를 데이터베이스화하고, 운동 데이터의 입력에 따라 금융 신용평가정보와 대응되는 운동 신용평가정보를 산출하도록 구성된다.
구체적으로, 상기 평가모델 생성부(333)는, 불특정 다수의 금융 데이터 및 운동 데이터 항목별 빅데이터로부터 항목 간에 상관도가 있는지 여부를 학습하도록 구성된다. 이 때, 금융 데이터 항목 각각은 금융 신용평가정보에 영향을 미치는 인자이므로, 해당 모델을 이용하여 금융 데이터의 각 항목별 상관도가 높은 운동 데이터의 항목이 추출되면, 특정 금융 데이터가 금융 신용평가정보에 미치는 변동사항에 대응시켜, 상기 특정 금융 데이터와 상관도가 높은 운동 데이터의 정보에 따라 대응되는 변동사항를 적용하도록 한다.
예를 들어, 학습 단계에서, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습할 수 있다. 즉, 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하도록 상기 운동 평가모델을 학습시킴으로써, 운동 데이터 입력만으로 금융 신용평가정보에 대응되는 운동 신용평가정보를 산출할 수 있다. 인공지능 학습은 비지도 학습 형태로 이루어질 수 있으며, 또는 이와 달리, 부분 지도 학습이 이루어질 수 있다.
예를 들어, 일반적인 개인의 월별 신용카드 결제액 대비 핼스, 요가, 필라테스, 등 생활 운동 강습 결제액 간의 상관도 등은 해마다 발표되는 국민 운동 관련 소비에 대한 보고서가 참고될 수 있다. 물론, 성별, 나이에 따라 서로 상이한 정보를 포함하는 경우, 그에 따른 지도학습이 이루어질 수 있다. 한편, 상기 평가모델 생성부(333)는 금융 데이터와 운동 데이터 간의 상관도뿐만 아니라, 운동 데이터 간의 상관도를 파악하여 하나의 군집 데이터로 묶어서 전체적인 상관도를 도출하여 학습할 수도 있다.
또는, 상기 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도를 학습함에 있어서, 운동 데이터를 각 지수별 항목으로 우선 분류하여 지수 단위로 금융 데이터와 지도학습을 통해 부분 매칭을 시킬 수도 있다. 예를 들어, 운동 데이터는, 신뢰지수항목, 관리지수항목, 도전지수항목 등으로 세분화되어 관리될 수 있다. 신뢰지수항목은, 운동 강습 출석률, 강사 피드백 정보 등, 관리지수항목은 자기 관리, 건강 관리와 연관된 정보 등, 도전지수항목은 운동 종목 정보 등이 분류될 수 있다.
또한, 운동 데이터 그 자체로, 개인 신용과 직접적으로 관련이 있는 데이터인 경우에는, 그 데이터 자체에 가중치를 부여하거나, 또는 해당 운동 데이터와 상관도가 있다고 분석된 금융 데이터 간의 관계에 가중합(weighted sum)을 부여하여, 의미있는 운동 신용평가정보가 산출되도록 할 수 있다. 또한, 운동 데이터 중 조작이 어려운 신뢰성이 높은 데이터의 경우에도 동일하게 적용될 수 있다. 예를 들어, 도 3에 기초할 때, 강습 강사로부터 받은 피드백 정보 또는 일자별 로그북 정보의 경우가 이에 포함될 수 있다.
상기 운동평가정보 산출부(340)는 생성된 운동평가모델을 이용하여 개인별 금융 신용평가정보를 기준으로 운동 신용평가정보를 산출하도록 구성된다.
즉, 금융 신용평가정보에 영향을 미치는 금융 데이터의 세분화된 항목과 일정 이상의 상관도를 가지는 운동 데이터의 항목을 추출함으로써, 개인별 운동 데이터의 각 항목별 수치 내지 정보 값을 통해 금융 신용평가정보에 대응하는 운동 신용평가정보를 산출할 수 있다. 개인별 운동 신용평가정보는 미리 결정된 등급 또는 구간에 따라 등급화 또는 점수화된 결과치로 출력될 수 있다. 또한, 개인별 운동 신용평가정보를 산출함에 있어서 요구되는 개인별 운동 데이터에 따라 출력되는 운동 신용평가정보의 신뢰도도 함께 출력될 수 있다.
개인별 운동 데이터가 추가되면, 상기 운동평가모델을 이용하여 산출된 운동 신용평가정보를 업데이트하는 단계(S400)에서는, 상기 운동평가정보 산출부(340)는 금융 신용평가정보와 마찬가지로, 개인별 운동 데이터가 업데이트되는 경우, 개인별 운동 신용평가정보를 업데이트하도록 구성된다.
또는 이와 달리, 상기 외부요청서버(400)로부터 정보의 요청이 있는 경우에, 개인별 사용자 정보를 수집한 후, 이 중 운동 데이터에 기초하여 운동 신용평가정보를 산출할 수 있다. 정보의 변동이 있는 경우, 변동사항을 기록하고, 어떤 요인(세부 항목별 정보)에 의해 변동이 이루어졌는지를 기록하며, 해당 정보는 상기 사용자 정보 관리부에 저장되고 관리된다.
외부요청서버로부터의 특정 개인에 대한 운동 신용평가정보의 요청시, 해당 특정 개인의 운동 신용평가정보를 전송하는 단계(S500)에서는, 외부요청서버에서 요청하는 정보가 제공된다.
상기 외부요청서버(400)는, 사용자에게 대출 등의 금융 서비스 또는 신용평가를 기초로 기타 서비스를 제공하는 공공기관 또는 금융기관이 운용하는 서버일 수 있다. 상기 외부요청서버(400)는 특정 사용자의 운동신용평가정보가 필요한 경우, 상기 운동신용평가서버(300)로 해당 특정 사용자의 운동 신용평가정보를 요청한다. 이에 대한 요청에 대응하여, 해당 특정 사용자의 운동 신용평가정보가 수신되면 외부요청서버(400)는 수신된 내용에 기초하여 특정 사용자에 대한 대출승인 또는 대출거절과 같은 금융 서비스 자격 여부 결정 및 기타 서비스 제공 조건 여부 충족 등을 심사하도록 구성된다.
또한, 상기 외부요청서버(400)는 운동 신용평가정보와 함께 금융 신용평가정보도 상기 운동신용평가서버(300)로 요청할 수 있으며, 이 경우, 상기 운동신용평가서버(300)는 해당 정보들을 상기 외부요청서버(400)에 전송할 수 있다. 이 때, 상기 운동신용평가서버(300)는 특정 사용자의 금융 데이터의 부족으로 인해 개인 신용과 괴리가 있는 경우, 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하여 외부요청서버(400)에 해당 운동 신용평가정보와 함께 제공하도록 구성된다. 이에 따라, 외부요청서버(400)에서 개인의 금융서비스 이용을 위한 신용 평가시, 금융 신용평가정보뿐만 아니라, 개인의 운동신용평가정보 및 이에 기초한 잠재 금융신용평가정보를 종합적으로 고려할 수 있다.
도 7를 통해 설명된 일 실시예에 따른 인공지능 기반의 운동 신용평가정보를 제공하는 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 인공지능 기반의 운동 신용평가정보를 의 제공하는 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 본 발명에 따른 인공지능 기반의 운동 신용평가정보를 의 제공하는 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.
1000: 운동신용평가시스템
100: 외부금융서버
200: 운동정보관리서버
300: 운동신용평가서버
310: 정보 수신부
320: 사용자정보 관리부
330: 평가모델 관리부
331: 자료 수집부
333: 평가모델 생성부
335: 평가모델 업데이트부
340: 운동평가정보 산출부
350: 금융평가정보 예측부
360: 정보 전송부
400: 외부요청서버

Claims (10)

  1. 인공지능 기반의 운동평가모델에 기초한 사용자의 운동 신용평가정보를 제공하기 위한 방법에 있어서,
    사용자의 운동 데이터가 수신되는 단계;
    상기 운동평가모델을 학습시킨 운동 데이터의 세부 항목에 따라 사용자의 운동 데이터를 분류하는 단계;
    불특정 다수의 금융 데이터, 상기 금융 데이터에 따른 금융 신용평가정보 및 운동 데이터를 포함하는 사용자 정보를 기초로, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습한 상기 운동평가모델을 이용하여, 사용자의 운동 데이터로부터 운동 신용평가정보를 산출하는 단계; 및
    외부로부터 사용자의 운동 신용평가정보의 제공에 대한 요청이 수신되면, 상기 운동 신용평가정보를 전송하는 단계를 포함하고,
    상기 운동 신용평가정보를 산출하는 단계는, 상기 운동평가모델에서 학습된 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 대한 사용자의 세부 항목별 정보에, 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하여, 사용자의 운동 데이터에 대한 운동 신용평가정보를 산출하고,
    상기 운동평가모델은, 운동 데이터 그 자체로 개인 신용과 직접적으로 관련이 있는 운동 데이터는, 해당 운동 데이터와 상관도가 있다고 분석된 금융 데이터 간의 관계에 가중합이 부여되고,
    상기 사용자의 운동 데이터의 수신과 함께, 해당 사용자의 금융 데이터 및 상기 금융 데이터에 따른 금융 신용평가정보를 수신하고, 해당 사용자의 금융 데이터가 일정 기준보다 부족한 경우, 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  2. 제1 항에 있어서,
    상기 사용자의 운동 데이터의 수신과 함께, 해당 사용자의 금융 데이터 및 상기 금융 데이터에 따른 금융 신용평가정보를 수신하여, 해당 사용자의 사용자 정보에 저장하여 관리하고, 해당 사용자의 사용자 정보는 상기 운동평가모델을 학습하기 위한 데이터로 활용되는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  3. 삭제
  4. 제1 항에 있어서,
    상기 잠재 금융신용평가정보의 예측은, 불특정 다수의 운동 신용평가정보 대비 금융 신용평가정보의 정규분포를 이용하여, 사용자의 산출된 운동 신용평가정보로부터 신뢰도 구간에서의 대응되는 금융 신용평가정보를 산출하는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  5. 제1 항에 있어서,
    상기 잠재 금융신용평가정보의 예측은, 상기 운동평가모델에서 학습된 금융 데이터 및 운동 데이터 각각의 세부 항목의 상관도를 역으로 이용하여, 운동 데이터의 세부 항목에 대한 사용자의 세부 항목별 정보에 대응되는 금융 데이터의 세부항목별 정보를 역추적하여 잠재 금융평가정보를 산출하는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  6. 제1 항에 있어서,
    상기 운동 신용평가정보는, 등급 또는 점수 형태로 나타내는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  7. 제1 항에 있어서,
    사용자에 대한 운동 신용평가정보를 산출한 후에, 사용자의 운동 데이터가 추가로 수신되면, 상기 운동평가모델을 이용하여 산출된 운동 신용평가정보를 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  8. 제1 항에 있어서,
    외부로부터 사용자의 운동 신용평가정보의 제공에 대한 요청이 수신되면, 누적된 사용자의 운동 데이터를 기초로, 상기 운동평가모델을 이용하여 산출된 운동 신용평가정보를 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  9. 제1 항에 있어서,
    사용자의 운동 데이터는, 사용자 단말과 통신하여 해당 사용자의 운동 데이터를 관리하고 특정의 서비스를 제공하는 외부 서비스 시스템의 운동정보관리서버로부터 수신되는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 방법.
  10. 인공지능 기반의 운동평가모델에 기초한 사용자의 운동 신용평가정보를 제공하는 운동신용평가서버에 있어서,
    사용자의 운동 데이터를 수신하는 정보 수신부;
    상기 운동평가모델을 학습시킨 운동 데이터의 세부 항목에 따라 사용자의 운동 데이터를 분류하는 사용자정보 관리부;
    불특정 다수의 금융 데이터, 상기 금융 데이터에 따른 금융 신용평가정보 및 운동 데이터를 포함하는 사용자 정보를 기초로, 인공지능에 기반하여 금융 데이터와 운동 데이터 각각의 세부 항목별 상관도 및 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 변동사항을 미리 학습한 상기 운동평가모델을 이용하여, 사용자의 운동 데이터로부터 운동 신용평가정보를 산출하는 운동평가정보 산출부; 및
    외부로부터 사용자의 운동 신용평가정보의 제공에 대한 요청이 수신되면, 상기 운동 신용평가정보를 전송하는 정보 전송부를 포함하고,
    상기 운동평가정보 산출부는, 상기 운동평가모델에서 학습된 금융 데이터의 세부 항목별 상관도가 있는 운동 데이터의 세부 항목에 대한 사용자의 세부 항목별 정보에, 금융 데이터의 세부 항목별 정보에 따른 금융 신용평가정보의 제1 변동사항과 대응되는 제2 변동사항을 적용하여, 사용자의 운동 데이터에 대한 운동 신용평가정보를 산출하고,
    상기 운동평가모델은, 운동 데이터 그 자체로 개인 신용과 직접적으로 관련이 있는 운동 데이터는, 해당 운동 데이터와 상관도가 있다고 분석된 금융 데이터 간의 관계에 가중합이 부여되고,
    상기 사용자의 운동 데이터의 수신과 함께, 해당 사용자의 금융 데이터 및 상기 금융 데이터에 따른 금융 신용평가정보를 수신하고, 해당 사용자의 금융 데이터가 일정 기준보다 부족한 경우, 산출된 운동 신용평가정보로부터 잠재 금융신용평가정보를 예측하는 금융평가정보 예측부를 더 포함하는 것을 특징으로 하는 사용자의 운동 신용평가정보를 제공하기 위한 운동신용평가서버.
KR1020210094646A 2021-07-20 2021-07-20 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템 KR102368010B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020210094646A KR102368010B1 (ko) 2021-07-20 2021-07-20 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템
KR1020220019667A KR102400498B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동 신용평가정보 제공 방법
KR1020220019668A KR102400499B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 신용평가를 위한 사용자 운동 정보 빅데이터 모델링 방법
KR1020220019669A KR102400500B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동신용평가정보 제공 시스템
KR1020220019666A KR102400497B1 (ko) 2021-07-20 2022-02-15 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210094646A KR102368010B1 (ko) 2021-07-20 2021-07-20 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템

Related Child Applications (4)

Application Number Title Priority Date Filing Date
KR1020220019669A Division KR102400500B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동신용평가정보 제공 시스템
KR1020220019668A Division KR102400499B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 신용평가를 위한 사용자 운동 정보 빅데이터 모델링 방법
KR1020220019666A Division KR102400497B1 (ko) 2021-07-20 2022-02-15 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법
KR1020220019667A Division KR102400498B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동 신용평가정보 제공 방법

Publications (1)

Publication Number Publication Date
KR102368010B1 true KR102368010B1 (ko) 2022-02-25

Family

ID=80490421

Family Applications (5)

Application Number Title Priority Date Filing Date
KR1020210094646A KR102368010B1 (ko) 2021-07-20 2021-07-20 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법 및 시스템
KR1020220019666A KR102400497B1 (ko) 2021-07-20 2022-02-15 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법
KR1020220019667A KR102400498B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동 신용평가정보 제공 방법
KR1020220019668A KR102400499B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 신용평가를 위한 사용자 운동 정보 빅데이터 모델링 방법
KR1020220019669A KR102400500B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동신용평가정보 제공 시스템

Family Applications After (4)

Application Number Title Priority Date Filing Date
KR1020220019666A KR102400497B1 (ko) 2021-07-20 2022-02-15 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법
KR1020220019667A KR102400498B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동 신용평가정보 제공 방법
KR1020220019668A KR102400499B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 신용평가를 위한 사용자 운동 정보 빅데이터 모델링 방법
KR1020220019669A KR102400500B1 (ko) 2021-07-20 2022-02-15 인공지능 기반의 운동신용평가정보 제공 시스템

Country Status (1)

Country Link
KR (5) KR102368010B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230094936A (ko) 2021-12-21 2023-06-28 (주)위솝 근무행동 데이터를 활용한 행동주의 대안신용평가 모델 및 그 제공 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140133909A (ko) * 2012-03-06 2014-11-20 클라나 에이비 전자 상거래에서 고객 인증 및 신용 평가를 위한 시스템 및 방법
KR20160036515A (ko) * 2014-09-25 2016-04-04 이태희 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템
KR20180119674A (ko) * 2016-06-12 2018-11-02 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 사용자 신용 평가 방법 및 장치, 그리고 저장 매체
KR102005733B1 (ko) * 2018-07-31 2019-07-31 (주)굿레이트 온라인 빅데이터 분석을 통해 도출된 신용도 평가 결과를 이용한 블록체인 기반 p2p 금융 서비스 제공 시스템
JP2020009226A (ja) * 2018-07-10 2020-01-16 株式会社Ｊ．Ｓｃｏｒｅ 信用スコア管理システム、信用スコア管理サーバ、ユーザ端末、およびプログラム
KR102156757B1 (ko) * 2019-09-27 2020-09-16 (주)데이터리퍼블릭 기계 학습을 이용한 신용 평가를 위한 시스템, 방법, 및 컴퓨터 프로그램

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140133909A (ko) * 2012-03-06 2014-11-20 클라나 에이비 전자 상거래에서 고객 인증 및 신용 평가를 위한 시스템 및 방법
KR20160036515A (ko) * 2014-09-25 2016-04-04 이태희 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템
KR20180119674A (ko) * 2016-06-12 2018-11-02 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 사용자 신용 평가 방법 및 장치, 그리고 저장 매체
JP2020009226A (ja) * 2018-07-10 2020-01-16 株式会社Ｊ．Ｓｃｏｒｅ 信用スコア管理システム、信用スコア管理サーバ、ユーザ端末、およびプログラム
KR102005733B1 (ko) * 2018-07-31 2019-07-31 (주)굿레이트 온라인 빅데이터 분석을 통해 도출된 신용도 평가 결과를 이용한 블록체인 기반 p2p 금융 서비스 제공 시스템
KR102156757B1 (ko) * 2019-09-27 2020-09-16 (주)데이터리퍼블릭 기계 학습을 이용한 신용 평가를 위한 시스템, 방법, 및 컴퓨터 프로그램

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230094936A (ko) 2021-12-21 2023-06-28 (주)위솝 근무행동 데이터를 활용한 행동주의 대안신용평가 모델 및 그 제공 방법

Also Published As

Publication number Publication date
KR102400499B1 (ko) 2022-05-20
KR102400498B1 (ko) 2022-05-20
KR102400500B1 (ko) 2022-05-20
KR102400497B1 (ko) 2022-05-20

Similar Documents

Publication Publication Date Title
CN110837931B (zh) 客户流失预测方法、装置及存储介质
Bravo et al. Granting and managing loans for micro-entrepreneurs: New developments and practical experiences
Chitra et al. Customer retention in banking sector using predictive data mining technique
Voican Credit Card Fraud Detection using Deep Learning Techniques.
CN116402512B (zh) 一种基于人工智能的账户安全排查管理方法
CN111882420A (zh) 响应率的生成方法、营销方法、模型训练方法及装置
CN112116448A (zh) 一种面向三农客户画像的精准营销构建方法
Etemadi et al. Earnings per share forecast using extracted rules from trained neural network by genetic algorithm
Kim et al. Deep dense convolutional networks for repayment prediction in peer-to-peer lending
CN113672797A (zh) 一种内容推荐方法及装置
KR102400497B1 (ko) 운동 생활정보에 기초한 인공지능 기반의 대안적 신용평가정보 제공 방법
CN111429161A (zh) 特征提取方法、特征提取装置、存储介质及电子设备
Sindhuraj et al. Loan eligibility prediction using adaptive hybrid optimization driven-deep neuro fuzzy network
Gattermann-Itschert et al. Using Machine Learning to Include Planners’ Preferences in Railway Crew Scheduling Optimization
Ekong et al. A Machine Learning Approach for Prediction of Students’ Admissibility for Post-Secondary Education using Artificial Neural Network
CN117132383A (zh) 一种信贷数据处理方法、装置、设备及可读存储介质
Cao Research on the impact of artificial intelligence-based e-commerce personalization on traditional accounting methods
CN115619571A (zh) 一种理财规划方法、系统及装置
CN115393098A (zh) 理财产品信息推荐方法及装置
CN114693409A (zh) 产品匹配方法、装置、计算机设备、存储介质和程序产品
Nazari et al. Evaluating the effectiveness of data mining techniques in credit scoring of bank customers using mathematical models: a case study of individual borrowers of Refah Kargaran Bank in Zanjan Province, Iran
KR101918359B1 (ko) 인공지능 기반의 데이터 처리 시스템
KR102639741B1 (ko) 가맹점 매출매입 현황 실시간 출력 시스템
WO2022208583A1 (ja) 与信支援システム、与信支援方法およびプログラム記録媒体
KR102565219B1 (ko) 빅데이터 기반 투자성향 분석 결과에 따른 분산투자 추천 시스템

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
A107 Divisional application of patent
AMND Amendment
GRNT Written decision to grant
X701 Decision to grant (after re-examination)