KR102391255B1 - 관심 상품 제공 방법 및 시스템 - Google Patents

관심 상품 제공 방법 및 시스템 Download PDF

Info

Publication number
KR102391255B1
KR102391255B1 KR1020210161265A KR20210161265A KR102391255B1 KR 102391255 B1 KR102391255 B1 KR 102391255B1 KR 1020210161265 A KR1020210161265 A KR 1020210161265A KR 20210161265 A KR20210161265 A KR 20210161265A KR 102391255 B1 KR102391255 B1 KR 102391255B1
Authority
KR
South Korea
Prior art keywords
interest
user
product
information
products
Prior art date
Application number
KR1020210161265A
Other languages
English (en)
Inventor
조병현
Original Assignee
조병현
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 조병현 filed Critical 조병현
Priority to KR1020210161265A priority Critical patent/KR102391255B1/ko
Priority to KR1020220034205A priority patent/KR102595236B1/ko
Application granted granted Critical
Publication of KR102391255B1 publication Critical patent/KR102391255B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0641Shopping interfaces

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

위 실시예들은 관심 상품 제공 방법 및 시스템에 관한 것으로, 보다 구체적으로, 사용자의 관심 직업을 가지고 있는 다른 사용자가 사용하는 상품을 관심 상품으로 사용자에게 제공하고, 사용자가 관심 상품을 구매할 수 있는 수단을 제공하는 관심 상품 제공 방법 및 시스템에 관한 것이다.

Description

관심 상품 제공 방법 및 시스템{METHOD AND SYSTEM FOR PROVIDING INTEREST PRODUCT}
아래 실시예들은 관심 상품 제공 방법 및 시스템에 관한 것으로, 보다 구체적으로, 사용자의 관심 직업을 가지고 있는 다른 사용자가 사용하는 상품을 관심 상품으로 사용자에게 제공하고, 사용자가 관심 상품을 구매할 수 있는 수단을 제공하는 관심 상품 제공 방법 및 시스템에 관한 것이다.
최근 인터넷 기술의 발전에 따라 다양한 상품을 온라인상으로 판매하는 전자 상거래와 블로그 등을 통한 전자 상거래의 이용 후기를 쉽게 접할 수 있다. 유/무선 인터넷 기술의 발달 및 유/무선 인터넷망을 통해 컴퓨터 단말기, 스마트폰, 태블릿 등과 같은 휴대 단말기 기술의 발달로 언제, 어디서든 인터넷 및 전자 상거래에 접속할 수 있는 유비쿼터스 컴퓨팅 환경이 구축되었다.
인터넷이 발전하고 유비쿼터스 컴퓨팅 환경이 구축됨에 따라 인터넷을 통해 다양한 상품들을 판매하는 인터넷 쇼핑몰들이 증가하고 있으며, 컴퓨터 단말기 및 휴대 단말기를 통해 인터넷 쇼핑몰에 접속하여 상품을 구매하는 구매자들이 증가하고 있다.
또한, 인터넷을 통해 상품 구매 후 상품 구매 후기 및 상품 이용 후기를 제공 및 공유하는 사람들도 증가하고 있다.
이에 따라 상품의 인터넷 광고 및 인터넷 정보 제공은 상품을 홍보 및 판매하는 데 있어서 매우 중요한 판매 경로가 되었으며, 이용자의 의사 결정에 매우 중요한 요소가 되었다.
따라서 인터넷을 통해 효율적으로 광고를 할 수 있는 다양한 광고 기술들이 개발되어 다양한 웹사이트들에 적용되고 있으며, 다양한 상품 판매 방식으로 상품을 판매하는 인터넷 쇼핑몰, 즉 인터넷 상품 판매 시스템 및 Off-line 상점을 소개하는 시스템이 개발되어 적용되고 있다.
그러나 구매 예정자는 인터넷을 통해 홍보되거나 인터넷 쇼핑몰을 통해 판매되는 상품(서비스, 콘텐츠 포함)들을 구매 전에는 볼 수 없어 상품에 대한 신뢰성이 떨어지게 되고, Off-line 상점 (식당, 호텔 등) 이용에 대한 의사 결정 시에는 이용자가 제공하는 정보에 한해서 의사 결정을 할 수밖에 없다.
따라서 전자 상거래 시스템에서 판매되는 상품에 대해 구매 예정자는 상품 실물을 볼 수 없으므로, 구매 후기 또는 상품/이용 후기 등을 확인하여 구매에 대한 결정, Off-line 상점 (식당, 호텔 등) 이용의 경우 상품/이용 후기를 확인하여 의사 결정을 돕고 있다.
그러나 전혀 모르는 사람들의 구매 후기 또는 상품/이용 후기에 대한 신뢰성이 재고될 수밖에 없으며, 전자 상거래 시스템에서 위조 상품 등을 판매하는 경우가 발생하고 상품에 대한 구매 후기 및 상품/이용 후기까지 조작하는 경우가 발생하여 피해를 보는 구매자가 발생하고 있다.
이와 같은 문제점으로 인해 구매 예정자는 실사용자의 상품을 참고하여 상품을 구매하려는 경향이 있다. 특히 구매 예정자는 자신과 동일한 직업, 취미를 가지거나 동일한 나이대, 성별의 실사용자가 보유하고 있는 상품을 검증된 상품으로 생각할 수 있다.
이에 따라 전자 상거래 기업에서 실사용자의 상품들을 이용하여, 구매 예정자인 사용자에게 상품을 추천하는 서비스를 제공할 수 있는 기술이 요구되고 있다.
이 배경기술 부분에 기재된 사항은 발명의 배경에 대한 이해를 증진하기 위하여 작성된 것으로써, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.
아래 실시예들은 전술한 문제점을 해결하기 위하여 안출된 것으로서, 사용자의 관심 직업을 가지고 있는 다른 사용자가 사용하는 상품을 관심 상품으로 사용자에게 추천하여 제공하고, 사용자가 관심 상품을 구매할 수 있는 수단을 제공하는 플랫폼을 제공하는 것을 목적으로 한다.
일 실시예가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위한 일 실시예는 서버에서 수행되는 관심 상품 제공 방법으로, 사용자 단말로부터 사용자 정보를 수신하는 단계; 직업 사용자 단말로부터 직업 사용자 정보를 수신하는 단계; 상기 사용자 정보 및 상기 직업 사용자 정보를 관심 사용자 추천 모델에 입력하여, 관심 사용자 리스트를 생성하는 단계; 상기 관심 사용자 리스트를 상기 사용자 단말에 전송하는 단계; 및 사용자에게 선택된 관심 사용자의 직업 사용자 정보를 상기 사용자 단말에 전송하는 단계를 포함하고, 상기 직업 사용자 정보는 직업 사용자의 작업 공간 정보 및 작업 상품 정보를 포함하고, 상기 선택된 관심 사용자의 작업 상품을 상기 사용자의 관심 상품으로 제공하는 단계를 포함하는 관심 상품 제공 방법을 제공할 수 있다.
일 실시예는 상기 사용자 정보 및 상기 관심 사용자의 작업 사용자 정보를 관심 상품 추천 모델에 입력하여, 관심 상품 리스트를 생성하는 단계; 및 상기 생성된 관심 상품 리스트의 상품을 사용자의 관심 상품으로 제공하는 단계를 포함할 수 있다.
일 실시예는 상기 작업 공간 정보는 상기 작업 사용자의 작업 공간 이미지를 포함하고, 상기 사용자 정보는 상기 사용자의 관심 직업 정보를 포함하고, 상기 작업 공간 이미지를 프로세싱하여, 상기 사용자의 관심 직업과 관련된 상품을 인식하는 단계; 및 상기 인식된 상품을 사용자의 관심 상품으로 제공하는 단계를 포함할 수 있다.
일 실시예는 상기 작업 상품의 인디케이터를 상기 작업 공간 이미지 내 매핑된 위치에 출력하는 단계; 및 상기 사용자가 상기 인디케이터를 선택하면, 상기 관심 상품를 구매할 수 있는 관심 상품 구매 인터페이스를 제공하는 단계를 포함할 수 있다.
일 실시예는 적어도 하나의 프로세서(processor); 및 상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instuctions)을 저장하는 메모리(memory)를 포함하는, 관심 상품 제공 서버로서, 상기 적어도 하나의 동작은, 사용자 단말로부터 사용자 정보를 수신하는 단계; 직업 사용자 단말로부터 직업 사용자 정보를 수신하는 단계; 상기 사용자 정보 및 상기 직업 사용자 정보를 관심 사용자 추천 모델에 입력하여, 관심 사용자 리스트를 생성하는 단계; 상기 관심 사용자 리스트를 상기 사용자 단말에 전송하는 단계; 및 사용자에게 선택된 관심 사용자의 직업 사용자 정보를 상기 사용자 단말에 전송하는 단계를 포함하고, 상기 직업 사용자 정보는 직업 사용자의 작업 공간 정보 및 작업 상품 정보를 포함하고, 상기 선택된 관심 사용자의 작업 상품을 상기 사용자의 관심 상품으로 제공하는 단계를 포함하는 관심 상품 제공 서버를 제공할 수 있다.
이상에서 설명한 바와 같은 일 실시예들에 따르면, 사용자의 관심 직업을 가지고 있는 관심 사용자로부터 제공받은 작업 공간 이미지에 매핑된 링크 정보를 통해 관심 사용자가 소유한 상품을 관심 상품으로 사용자에게 제공하여, 사용자가 자신의 관심 상품을 직관적으로 확인할 수 있다.
머신러닝을 통해 사용자의 특성에 따른 관심 사용자, 관심 상품를 추천하여, 사용자가 원하는 최적의 관심 상품을 제공할 수 있다.
사용자가 관심 상품을 구매할 수 있는 다양한 수단을 제공하여, 사용자가 자신의 관심 상품을 효율적으로 구매할 수 있다.
일 실시예의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시예에 따른 관심 상품 제공 시스템의 구성도이다.
도 2는 일 실시예에 따른 관심 상품 제공 서버의 구성도이다.
도 3은 일 실시예에 따른 제어부의 구성도이다.
도 4는 일 실시예에 따른 사용자 정보 입력 화면을 도시한 도면이다.
도 5는 일 실시예에 따른 직업 사용자 정보 입력 화면을 도시한 도면이다.
도 6은 일 실시예에 따른 관심 사용자 추천 모델을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 관심 사용자 리스트 화면을 도시한 도면이다.
도 8은 일 실시예에 따른 관심 상품 제공 화면을 도시한 도면이다.
도 9는 일 실시예에 따른 관심 상품 추천 모델을 설명하기 위한 도면이다.
도 10은 다른 실시예에 따른 관심 상품 제공 화면을 도시한 도면이다.
도 11은 또 다른 실시예에 따른 관심 상품 구매 수단을 설명하기 위한 도면이다.
도 12 및 도 13은 일 실시예에 따른 관심 상품 구매 수단을 설명하기 위한 도면이다.
도 14 내지 도 16은 다른 실시예에 따른 관심 상품 구매 수단을 설명하기 위한 도면이다.
도 17은 일 실시예에 따른 관심 상품 제공 방법의 흐름도이다.
도 18은 일 실시예에 따른 사용자 단말의 구성도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제 1", "제 2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제 1 구성요소는 본 발명의 기술적 사상 내에서 제 2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 실시예를 상세하게 설명한다.
도 1은 일 실시예에 따른 관심 상품 제공 시스템의 구성도이다.
도 1을 참조하면, 일 실시예에 따른 관심 상품 제공 시스템(10)은 관심 상품 제공 서버(100), 사용자 단말(200), 직업 사용자 단말(300) 및 쇼핑몰 서버(400)를 포함할 수 있다.
관심 상품 제공 시스템(10) 내에 포함된 다양한 개체들(entities) 간의 통신은 유/무선 네트워크를 통해 수행될 수 있다. 유/무선 네트워크는 표준 통신 기술 및/또는 프로토콜들이 사용될 수 있다.
관심 상품 제공 시스템(10) 내 관심 상품 제공 서버(100), 사용자 단말(200), 직업 사용자 단말(300) 및 쇼핑몰 서버(400)는 예를 들어, 컴퓨터, UMPC(Ultra Mobile PC), 워크스테이션, 넷북(net-book), PDA(Personal Digital Assistants), 포터블(portable) 컴퓨터, 웹 타블렛(web tablet), 무선 전화기(wireless phone), 모바일 폰(mobile phone), 스마트폰(smart phone), PMP(portable multimedia player) 같은 전자 장치 중 하나로서, 일 실시예와 관련된 어플리케이션의 설치 및 실행이 가능한 모든 전자 장치를 포함할 수 있다. 전자 장치는 어플리케이션의 제어 하에 예를 들어, 서비스 화면의 구성, 데이터 입력, 데이터 송수신, 데이터 저장 등과 같은 서비스 전반의 동작을 수행할 수 있다.
관심 상품 제공 서버(100)는 사용자 단말(200)의 사용자가 관심이 있는 직업인 관심 직업을 가지고 있는 직업 사용자가 사용하는 상품을 관심 상품으로서 사용자 단말(200)의 사용자에게 제공하고, 사용자가 관심 상품을 구매할 수 있는 수단을 제공할 수 있다.
이를 위해, 관심 상품 제공 서버(100)는 사용자 단말(200)로부터 사용자 정보를 수신하여 저장할 수 있다. 일 실시예의 사용자 정보는 사용자 프로필, 사용자 관심 직업 및 사용자 관심 상품를 포함할 수 있다.
관심 상품 제공 서버(100)는 직업 사용자의 직업 사용자 단말(300)로부터 직업 사용자 정보를 수신하여 저장할 수 있다. 일 실시예의 직업 사용자는 자신의 직업, 작업 공간 및 작업 상품을 다른 사용자에게 공개한 사용자를 의미하며, 일 실시예의 직업 사용자 정보는 직업 사용자 프로필, 작업 공간 정보 및 작업 상품 정보를 포함할 수 있다. 작업 상품은 작업 공간 내에서 직업 사용자가 사용하거나 사용했던 상품으로서 직업 사용자에 의해 지정되어 작업 공간을 통해 외부에 공개된 상품에 해당할 수 있다. 작업 공간은 직업 사용자가 현재 자신의 직업과 관련하여 업무를 수행중인 공간을 촬영한 포토 이미지 또는 동영상 등을 의미할 수 있다.
관심 상품 제공 서버(100)는 사용자 정보 및 직업 사용자 정보를 이용하여, 머신러닝을 통해 사용자를 위한 관심 사용자를 추천할 수 있다. 관심 상품 제공 서버(100)는 관리자로부터 입력된 학습 데이터를 이용하여 관심 사용자 추천 모델을 학습할 수 있으며, 관심 상품 제공 서버(100)는 사용자 정보 및 직업 사용자 정보를 학습된 관심 사용자 추천 모델에 입력하여 사용자의 관심 사용자 리스트를 생성할 수 있다.
관심 사용자 추천 모델은, 사용자 정보와 직업 사용자 정보를 입력받으면, 입력받은 정보들을 기반으로 입력받은 직업 사용자 정보와 대응하는 다수의 직업 사용자들 중에서 적어도 하나의 직업 사용자를 선정하고, 선정된 직업 사용자를 지시하는 데이터를 출력할 수 있고, 관심 상품 제공 서버(100)는 출력된 데이터에 의해 지시되는 직업 사용자를 포함하는 관심 사용자 리스트를 생성할 수 있다.
관심 상품 제공 서버(100)는 생성된 관심 사용자 리스트를 사용자 단말(200)에 전송할 수 있으며, 사용자 단말(200)로부터 사용자가 선택된 관심 사용자를 수신할 수 있다.
관심 상품 제공 서버(100)는 사용자가 선택한 관심 사용자가 사용하는 작업 상품을 사용자의 관심 상품으로 사용자에 제공할 수 있다.
관심 상품 제공 서버(100)는 사용자가 선택한 관심 사용자의 작업 공간 정보 및 작업 상품 정보를 사용자 단말(200)에 전송하여, 사용자에게 관심 상품을 제공할 수 있다.
관심 상품 제공 서버(100)는 사용자 정보 및 관심 사용자 정보(관심 사용자의 작업 사용자 정보)를 이용하여, 머신러닝을 통해 사용자의 관심 상품을 추천할 수 있다. 관심 상품 제공 서버(100)는 관리자로부터 입력된 학습 데이터를 이용하여 관심 상품 추천 모델을 학습할 수 있으며, 관심 상품 제공 서버(100)는 사용자 정보 및 관심 사용자 정보를 학습된 관심 상품 추천 모델에 입력하여 사용자의 추천 관심 상품 리스트를 생성할 수 있다.
관심 상품 제공 서버(100)는 생성된 추천 관심 상품 리스트를 이용하여, 사용자에게 관심 상품을 제공할 수 있다.
관심 상품 제공 서버(100)는 사용자가 관심 상품을 확인하거나 구매할 수 있는 관심 상품 구매 인터페이스를 사용자 단말(200)에 제공할 수 있다. 사용자는 관심 상품 구매 인터페이스를 통하여, 관심 상품의 정보를 확인하거나 관심 상품을 구매할 수 있게 된다.
관심 상품 제공 서버(100)는 사용자로부터 관심 사용자로 선택된 직업 사용자에게 리워드를 제공할 수 있다. 일례로, 관심 상품 제공 서버(100)는 직업 사용자가 사용자의 관심 사용자로 선택되었지 여부, 직업 사용자의 사용 상품이 관심 상품으로 확인하였는지 여부, 사용자가 직업 사용자의 사용 상품을 구매하였는지 여부에 따라, 직업 사용자에게 리워드를 차등 제공할 수 있다.
관심 상품 제공 서버(100)의 구성 및 동작에 대해서는 이하 도 2에서 자세히 설명하도록 한다.
사용자 단말(200)은 사용자가 보유한 단말로, 사용자 단말(200)은 사용자에게 사용자 정보를 입력받아, 입력받은 사용자 정보를 관심 상품 제공 서버(100)에 전송할 수 있다.
사용자 단말(200)은 관심 상품 제공 서버(100)로부터 전송받은 관심 사용자 리스트 및 관심 상품 리스트 사용자에게 제공할 수 있으며, 관심 상품 구매 인터페이스를 통해 사용자가 관심 상품을 확인하거나 구매할 수 있는 수단을 제공할 수 있다.
직업 사용자 단말(300)은 작업 사용자가 보유한 단말로, 작업 사용자에게 작업 사용자 정보를 입력받아, 입력받은 작업 사용자 정보를 관심 상품 제공 서버(100)에 전송할 수 있다.
직업 사용자 단말(300)은 관심 상품 제공 서버(100)가 직업 사용자에게 제공한 리워드에 관한 정보를 직업 사용자에게 출력할 수 있다.
사용자 단말(200) 및 직업 사용자 단말(300)은 동일한 단말로 구성될 수 있으며, 이에 대해서는 이하 도 17에서 자세히 설명하도록 한다.
쇼핑몰 서버(400)는 관심 상품의 가격 정보를 관심 상품 제공 서버(100)에 전송할 수 있다. 관심 상품 제공 서버(100)는 여러 쇼핑몰 서버(400)로부터 수신한 관심 상품의 가격 정보를 이용하여, 사용자에게 관심 상품의 최저 가격 정보를 제공할 수 있다.
도 2는 일 실시예에 따른 관심 상품 제공 서버(100)의 구성도이다.
도 2를 참조하면, 일 실시예에 따른 관심 상품 제공 서버(100)는 통신부(110), 입력부(120), 출력부(130), 메모리(140), 전원 공급부(150) 및 제어부(160)를 포함할 수 있다.
도 2에 도시된 구성들은 본 발명의 실시 예들을 구현하기 위한 예시도이며, 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 관심 상품 제공 서버(100)에 추가로 포함될 수 있다.
통신부(110)는 다양한 통신 방식을 통해 외부의 장치와 통신을 수행할 수 있다. 일례로, 통신부(110)는 사용자 단말(200), 직업 사용자 단말(300) 및 쇼핑몰 서버(400)와 통신을 수행하여 다양한 데이터를 송수신할 수 있다.
입력부(120)는 관심 상품 제공 서버(100)의 사용자인 운영자의 다양한 입력을 수신하여 제어부(160)로 전달할 수 있다. 특히, 입력부(120)는 터치 센서, (디지털) 펜 센서, 압력 센서, 키, 또는 마이크를 포함할 수 있다. 터치 센서는, 예를 들면, 정전식, 감압식, 적외선 방식, 또는 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. (디지털) 펜 센서는, 예를 들면, 터치 패널의 일부이거나, 별도의 인식용 쉬트를 포함할 수 있다. 키는, 예를 들면, 물리적인 버튼, 광학식 키, 또는 키패드를 포함할 수 있다. 마이크는 운영자 음성을 수신하기 위한 구성으로, 관심 상품 제공 서버(100) 내부에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 관심 상품 제공 서버(100)의 외부에 구비되어 관심 상품 제공 서버(100)와 전기적으로 연결될 수 있다.
출력부(130)는 다양한 화면을 제공할 수 있다.
메모리(140)는 관심 상품 제공 서버(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(140)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(140)는 제어부(160)에 의해 액세스되며, 제어부(160)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 발명에서 메모리라는 용어는 메모리(140), 제어부(160) 내 롬(미도시), 램(미도시) 또는 관심 상품 제공 서버(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(140)에는 출력부(130)의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
전원 공급부(150)는 제어부(160)의 제어에 의해 외부의 전원, 내부의 전원을 인가받아 각 구성요소들의 동작에 필요한 전원을 공급한다.
제어부(160)는 통신부(110), 입력부(120), 출력부(130), 메모리(140) 및 전원 공급부(150)와 전기적으로 연결되어, 관심 상품 제공 서버(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 제어부(160)는 메모리(140)에 저장된 다양한 모듈을 이용하여 후술하는 기능을 제공할 수 있다.
이하에서 설명되는 관심 상품 제공 서버(100) 상의 다양한 동작은 제어부(160)의 제어에 의해서 수행될 수 있다.
제어부(160)는 사용자 단말(200)로부터 사용자 정보 및 직업 사용자 정보를 수신하여, 메모리(140)에 저장할 수 있다. 일 실시예의 사용자 정보는 사용자 프로필, 사용자 관심 직업 및 사용자 관심 상품를 포함할 수 있으며, 직업 사용자 정보는 직업 사용자 프로필, 작업 공간 정보 및 작업 상품 정보를 포함할 수 있다.
제어부(160)는 사용자 정보 및 직업 사용자 정보를 이용하여, 머신러닝을 통해 사용자의 관심 사용자를 추천할 수 있다. 제어부(160)는 관리자가 입력부(120)를 통해 입력한 학습 데이터를 이용하여 관심 사용자 추천 모델을 학습할 수 있으며, 제어부(160)는 사용자 정보 및 직업 사용자 정보를 학습된 관심 사용자 추천 모델에 입력하여 사용자의 관심 사용자 리스트를 생성할 수 있다.
제어부(160)는 생성된 관심 사용자 리스트를 사용자 단말(200)에 전송할 수 있으며, 사용자 단말(200)로부터 사용자가 선택된 관심 사용자를 수신할 수 있다.
제어부(160)는 사용자가 선택한 관심 사용자의 작업 공간 정보 및 작업 상품 정보를 사용자 단말(200)에 전송하여, 사용자에게 관심 상품을 제공할 수 있다. 제어부(160)는 사용자가 선택한 관심 사용자가 사용하는 작업 상품을 사용자의 관심 상품으로 사용자에 제공할 수 있다.
제어부(160)는 사용자 정보 및 관심 사용자 정보를 이용하여, 머신러닝을 통해 사용자의 관심 상품을 추천할 수 있다. 제어부(160)는 관리자가 입력부(120)를 통해 입력한 학습 데이터를 이용하여 관심 상품 추천 모델을 학습할 수 있으며, 제어부(160)는 사용자 정보 및 관심 사용자 정보를 학습된 관심 상품 추천 모델에 입력하여 사용자의 추천 관심 상품 리스트를 생성할 수 있다.
제어부(160)는 생성된 추천 관심 상품 리스트를 이용하여, 사용자에게 관심 상품을 제공할 수 있다.
제어부(160)는 사용자가 관심 상품을 확인하거나 구매할 수 있는 관심 상품 구매 인터페이스를 사용자 단말(200)에 제공할 수 있다. 사용자는 관심 상품 구매 인터페이스를 통하여, 관심 상품의 정보를 확인하거나, 관심 상품을 구매할 수 있게 된다.
제어부(160)는 사용자로부터 관심 사용자로 선택된 직업 사용자에게 리워드를 제공할 수 있다. 일례로, 제어부(160)는 직업 사용자가 사용자의 관심 사용자로 선택되었지 여부, 직업 사용자의 사용 상품이 관심 상품으로 확인하였는지 여부, 사용자가 직업 사용자의 사용 상품을 구매하였는지 여부에 따라, 직업 사용자에게 리워드를 차등 제공할 수 있다.
제어부(160)는 그 기능에 따라 다양한 하드웨이 및/또는 소프트웨어 구성들로 구현될 수 있다. 이하에서는, 제어부(160)의 구성 및 기능에 대해 자세히 설명하도록 한다.
도 3은 일 실시예에 따른 제어부(160)의 구성도이다.
도 3을 참조하면, 일 실시예에 따른 제어부(160)는 사용자 정보 저장부(161), 직업 사용자 정보 저장부(162), 관심 사용자 추천부(163), 관심 사용자 제공부(164), 관심 상품 제공부(165), 관심 상품 추천부(166), 구매 수단 제공부(167) 및 리워드 제공부(168)를 포함할 수 있다.
사용자 정보 저장부(161)는 사용자 단말(200)로부터 사용자 정보를 수신하여 메모리(140)에 저장할 수 있다. 전술한 바와 같이, 일 실시예의 사용자 정보는 사용자 프로필, 사용자 관심 직업 및 사용자 관심 상품를 포함할 수 있다.
도 4는 일 실시예에 따른 사용자 정보 입력 화면을 도시한 도면이다.
도 4를 참조하면, 일 실시예에 따른 사용자 정보 입력 화면에는 사용자 프로필, 관심 직업 및 관심 상품을 입력할 수 있는 인터페이스를 포함할 수 있다.
이에 따라, 사용자는 사용자 단말(200)에서 출력되는 사용자 정보 입력 화면을 통해, 사용자 프로필, 관심 직업 및 관심 상품을 입력할 수 있다.
일 실시예의 사용자 프로필은 사용자 관련 정보로, 나이, 성별, 거주지 등의 특성 정보를 포함할 수 있으며, 관심 직업은 사용자가 관심을 가지고 있는 직업 정보를 포함할 수 있으며, 관심 상품은 사용자가 관심 직업과 관련하여 필요하다고 판단하는 상품 정보를 포함할 수 있다. 상품 정보는, 관심 직업을 가진 사람들 중 대다수의 사람들이 주로 사용하는 상품에 대한 정보로서 예를 들어 영상 편집기획자인 경우 프리미어 프로와 같은 영상 편집 소프트웨어에 대한 명칭, 구매 희망 가격, 판매자 명, 판매 사이트 주소, 구매수량 등이 상품 정보에 해당할 수 있다.
직업 사용자 정보 저장부(162)는 관심 상품 제공 서버(100)는 직업 사용자 단말(300)로부터 직업 사용자 정보를 수신하여 메모리(140)에 저장할 수 있다. 일 실시예의 직업 사용자는 자신의 직업, 작업 공간 및 작업 공간을 다른 사용자에게 공개한 사용자를 의미하며, 일 실시예의 직업 사용자 정보는 직업 사용자 프로필, 작업 공간 정보 및 작업 상품 정보를 포함할 수 있다.
도 5는 일 실시예에 따른 직업 사용자 정보 입력 화면을 도시한 도면이다.
도 5를 참조하면, 일 실시예에 따른 직업 사용자 정보 입력 화면에는 직업 사용자 프로필, 작업 공간 정보, 및 작업 상품 정보를 입력할 수 있는 인터페이스를 포함할 수 있다.
이에 따라, 직업 사용자는 직업 사용자 단말(300)에서 출력되는 직업 사용자 정보 입력 화면을 통해, 직업 사용자 프로필, 작업 공간 정보, 및 작업 상품 정보를 입력할 수 있다.
일 실시예의 직업 사용자 프로필은 직업 사용자 관련 정보로, 나이, 성별, 직업, 거주지 등의 특성 정보를 포함할 수 있으며, 작업 공간 정보는 직업 사용자가 작업 시 사용하는 공간에 관한 정보로, 일례로 작업 공간을 촬영한 이미지(이후 '작업 공간 이미지'라 칭한다)를 포함할 수 있다.
일 실시예의 작업 상품 정보는 직업 사용자가 사용하고 있는 상품에 관한 정보로, 작업 상품 정보는 작업 공간 이미지 내에 포함되어 있는 작업 상품의 위치 정보, 상품의 명칭, 상품의 후기 등을 포함할 수 있다. 일 실시예의 작업 공간 이미지 내 위치 정보는 작업 공간 이미지 내 작업 상품이 촬영되어 있는 위치 정보일 수 있다.
일례로 직업 사용자는 작업 공간 이미지 내 상품 위치를 클릭하여, 작업 상품의 위치 정보를 설정할 수 있으며, 직업 사용자 정보 저장부(162)는 설정된 위치 정보를 이용하여 작업 공간 이미지와 작업 상품을 매핑하여 저장할 수 있다.
관심 사용자 추천부(163)는 사용자 정보 및 직업 사용자 정보를 이용하여, 머신러닝을 통해 사용자의 관심 사용자를 추천할 수 있다. 관심 사용자 추천부(163)는 관리자가 입력부(120)를 통해 입력한 학습 데이터를 이용하여 관심 사용자 추천 모델을 학습할 수 있으며, 관심 사용자 추천부(163)는 사용자 정보 및 직업 사용자 정보를 학습된 관심 사용자 추천 모델에 입력하여 사용자의 관심 사용자 리스트를 생성할 수 있다.
도 6은 일 실시예에 따른 관심 사용자 추천 모델(1632)을 설명하기 위한 도면이다.
도 6을 참조하면, 관심 사용자 추천부(163)는 관심 사용자 추천 모델 학습부(1631) 및 관심 사용자 추천 모델(1632)을 포함할 수 있다. 관심 사용자 추천 모델 학습부(1631) 및 관심 사용자 추천 모델(1632)은 관심 사용자 추천부(163)의 기능에 따라 나눠진 구성으로, 제어부(160)에서 해당 기능을 모두 실시 가능함은 자명하다 하겠다.
일 실시예의 관심 사용자 추천 모델(1632)로서 인공 신경망(Artifical Neural Netwrok)이 이용될 수 있다. 인공 신경망은 많은 수의 인공 뉴런(또는, 노드)들을 이용하여 생물학적인 시스템의 계산 능력을 모방하는 소프트웨어나 하드웨어로 구현된 예측 모델이다.
관심 사용자 추천 모델(1632)은 관심 사용자 추천 모델 학습부(1631)에 의해서 사용자 정보 및 직업 사용자 정보를 이용하여 지도 학습될 수 있다. 이때 지도 학습이란, 입력값과 그에 따른 출력값이 있는 데이터를 학습 데이터로 이용하여 주어진 입력값에 따른 출력값을 찾는 학습을 의미하며, 정답을 알고 있는 상태에서 이루어지는 학습을 의미한다. 지도 학습에 주어지는 입력값과 출력값 세트를 훈련 데이터(Training Data)라고 한다. 즉, 상술한 사용자 정보 및 직업 사용자 정보는 입력 값, 추천 관심 사용자 리스트는 출력 값으로서, 관심 사용자 추천 모델(1632)의 지도 학습을 위한 훈련 데이터로 사용될 수 있다.
일례로 관심 사용자 추천 모델 학습부(1631)는, 사용자 정보 및 직업 사용자 정보를 고유한 제1 벡터로 변환하여 입력값을 생성하고, 해당 사용자 정보의 사용자가 열람한 작업 공간 이미지를 업로드한 작업 사용자들로 구성되는 관심 사용자 리스트를 고유한 제2 벡터로 변환하여 출력값을 생성한 후, 생성된 입력값과 출력값을 이용해 관심 사용자 추천 모델(1632)를 지도학습할 수 있다.
일 예시에서, 관심 사용자 추천 모델(1632)은, 제1 벡터를 입력값으로 입력받고 제1 벡터의 성분 갯수에 상응하는 노드들을 갖는 입력층, 입력층의 출력값 각각에 대하여 연결강도(또는 가중치)를 곱하고, 바이어스(bias)를 더하여 출력하는 하나 이상의 은닉층(hidden layer); 및 은닉층의 출력값 각각에 대하여 연결강도(또는 가중치)를 곱하고, 그 결과를 활성화 함수를 이용하여 출력하는 출력층(output layer)을 포함할 수 있다. 여기서 활성화 함수는 LeRU 함수 또는 Softmax 함수일 수 있으나 이에 한정되는 것은 아니다. 연결강도와 바이어스는 지도 학습에 의해 지속적으로 갱신될 수 있다.
구체적으로, 관심 사용자 추천 모델(1632)은, 주어진 입력값(제1 벡터)이 관심 사용자 추천 모델(163)에 입력되었을 때 얻어지는 출력값과 학습 데이터로 제공받은 출력값(제2 벡터)을 이용하여 산출되는 손실 함수(loss function)의 출력값이 최소화되도록 지도학습될 수 있다. 예를 들어, 손실 함수(H(Y, Y`))는, 다음의 수학식 1과 같이 정의될 수 있다.
Figure 112021134346930-pat00001
수학식 1에서 Ym은 제2 벡터의 m번째 성분이고, Y`m은 관심 사용자 추천 모델(1632)에서 제1 벡터를 입력받아 출력된 출력 벡터의 m번째 성분일 수 있다.
상기 학습 데이터가 많으면 많을수록 관심 사용자 추천 모델(1632)에 대해서 더 많은 지도 학습을 수행하여, 관심 사용자 추천 모델(1632)의 정확도를 높일 수 있다.
관심 사용자 추천 모델(1632)에는 인공 신경망(Artifical Neural Netwrok)이 이용될 수 있다. 일례로 관심 사용자 추천 모델(1632)은 Bi-LSTM(Bidirectional LSTM)이나, 콘벌루셔널 뉴럴 네트워크(Convolutional Neural Network; CNN)로 구현될 수 있다.
이에 따라, 관심 사용자 추천부(163)는 관리자가 입력부(120)를 통해 입력한 학습 데이터를 이용하여 관심 사용자 추천 모델(1632)을 학습할 수 있으며, 관심 사용자 추천부(163)는 사용자 정보 및 직업 사용자 정보를 학습된 관심 사용자 추천 모델(1632)에 입력하여 사용자의 관심 사용자 리스트를 생성할 수 있다.
관심 사용자 제공부(164)는 생성된 관심 사용자 리스트를 사용자 단말(200)에 전송하여, 사용자에게 제공할 수 있다.
도 7은 일 실시예에 따른 관심 사용자 리스트 화면을 도시한 도면이다.
도 7을 참조하면, 일 실시예에 따른 관심 사용자 리스트 화면은 사용자 단말(200)에 출력되어 사용자에게 제공될 수 있다. 관심 사용자 리스트 화면에는 관심 사용자 추천 모델(1632)를 이용하여 생성된 관심 사용자 리스트가 출력될 수 있으며, 출력되는 관심 사용자 리스트에는 관심 사용자의 이름과 작업 공간 이미지가 포함될 수 있다.
사용자는 관심 사용자 리스트 화면을 통해, 사용자가 원하는 관심 사용자를 선택할 수 있다.
관심 상품 제공부(165)는 사용자가 선택한 관심 사용자의 작업 공간 정보 및 작업 상품 정보를 사용자 단말(200)에 전송하여, 사용자에게 관심 상품을 제공할 수 있다.
관심 상품 제공부(165)는 사용자가 선택한 관심 사용자가 사용하는 작업 상품을 사용자의 관심 상품으로 사용자에 제공할 수 있는 것이다.
도 8은 일 실시예에 따른 관심 상품 제공 화면을 도시한 도면이다.
도 8을 참조하면, 일 실시예에 따른 관심 상품 제공 화면에는 관심 사용자 리스트에서 사용자가 선택한 관심 사용자의 작업 공간 이미지 및 관심 사용자의 작업 상품이 출력될 수 있다.
사용자 단말(200)에 출력되는 관심 상품 제공 화면에는 관심 사용자의 작업 상품이 사용자의 관심 상품으로 출력될 수 있으며, 도면에서 보이는 바와 같이, 작업 공간 이미지 내 관심 상품이 출력되거나 관심 상품과 관련있는 위치에, 관심 상품이 존재하고 있음을 나타내는 인디케이터(Indicator)가 출력될 수 있다. 여기서 인디케이터는 작업 공간 이미지를 업로드한 관심 사용자가 제공한 작업 상품 정보에 기초하여 출력될 수 있다.
전술한 바와 같이, 관심 상품 제공부(165)는 사용자가 선택한 관심 사용자가 사용하는 작업 상품을 사용자의 관심 상품으로 사용자에 제공할 수 있으며, 다른 일례로 관심 상품 제공부(165)는 사용자 정보 및 관심 사용자 정보를 이용하여 추천 관심 상품을 사용자에게 추가로 제공할 수 있다.
관심 상품 추천부(166)는 사용자 정보 및 관심 사용자 정보를 이용하여, 머신러닝을 통해 사용자의 관심 상품을 추천할 수 있다. 관심 상품 추천부(166)는 관리자가 입력부(120)를 통해 입력한 학습 데이터를 이용하여 관심 상품 추천 모델을 학습할 수 있으며, 관심 상품 추천부(166)는 사용자 정보 및 관심 사용자 정보를 학습된 관심 상품 추천 모델에 입력하여 사용자의 추천 관심 상품 리스트를 생성할 수 있다.
도 9는 일 실시예에 따른 관심 상품 추천 모델(1662)을 설명하기 위한 도면이다.
도 9를 참조하면, 관심 상품 추천부(166)는 관심 상품 추천 모델 학습부(1661) 및 관심 상품 추천 모델(1662)을 포함할 수 있다. 관심 상품 추천 모델 학습부(1661) 및 관심 상품 추천 모델(1662)은 관심 상품 추천부(166)의 기능에 따라 나눠진 구성으로, 관심 상품 추천부(166)에서 해당 기능을 모두 실시 가능함은 자명하다 하겠다.
관심 상품 추천 모델 학습부(1661)는 수신된 학습 데이터를 이용하여, 관심 상품 추천 모델(1662)을 학습할 수 있다. 여기서, 선호도 학습 데이터는, 입력값으로 사용자 정보 및 관심 사용자 정보를 갖고, 이에 대응하는 관심 상품 정보를 출력값으로 갖는 훈련 데이터일 수 있다.
일례로 관심 상품 추천 모델 학습부(1661)는 사용자 정보 및 관심 사용자 정보를 고유한 제1 벡터로 변환하여 입력값을 생성하고, 이에 관심 상품 정보를 고유한 제2 벡터로 변환하여 출력값을 생성한 후, 생성된 입력값과 출력값을 관심 상품 추천 모델(1662)에 지도학습할 수 있다. 여기서, 제1 벡터 및 제2 벡터는 벡터를 구성하는 성분값들 중 하나가 ‘1’이고, 나머지 성분값들은 ‘0’으로 구성되는 벡터일 수 있다.
관심 사용자 추천 모델(1632)과 마찬가지로, 일 실시예의 관심 상품 추천 모델(1662)에도 인공 신경망(Artifical Neural Netwrok)이 이용될 수 있다. 일례로 관심 상품 추천 모델(1662)은 Bi-LSTM(Bidirectional LSTM)이나, 콘벌루셔널 뉴럴 네트워크(Convolutional Neural Network; CNN)로 구현될 수 있다.
관심 사용자 추천 모델(1632)은 관심 상품 추천 모델 학습부(1661)에 의해서 사용자 정보 및 관심 사용자 정보와 대응되는 관심 상품 정보를 이용하여 지도 학습될 수 있다.
구체적으로 관심 상품 추천 모델(1662)은 관심 사용자 추천 모델(1632)과 마찬가지로, 주어진 입력값(제1 벡터)과 출력값(제2 벡터)에 따른 손실 함수(loss function)의 출력값이 최소화되도록 지도학습될 수 있다. 여기서 손실 함수는 수학식 1과 동일할 수 있다.
지도학습이 완료된 이후, 관심 상품 추천부(166)는, 학습된 관심 상품 추천 모델(1662)에 사용자 정보 및 관심 사용자 정보를 입력값으로 입력하고, 관심 상품 추천 모델(1662)의 출력값으로, 사용자의 관심 상품 리스트를 출력할 수 있다.
여기서, 관심 상품 추천 모델(1662)에 입력되는 관심 사용자 정보는 관심 사용자 추천 모델(1632)에서 추천된 모든 관심 사용자의 정보일 수 있으며, 사용자가 선택한 관심 사용자의 정보만일 수도 있다.
관심 상품 제공부(165)는 관심 상품 추천부(166)에서 생성된 추천 관심 상품 리스트를 이용하여, 사용자에게 관심 상품을 추가로 제공할 수 있다.
도 10은 다른 실시예에 따른 관심 상품 제공 화면을 도시한 도면이다.
도 10을 참조하면, 다른 실시예에 따른 관심 상품 제공 화면에는 사용자가 선택한 관심 사용자의 작업 공간 이미지 내 추천된 관심 상품이 추가로 출력될 수 있다.
사용자 단말(200)에 출력되는 관심 상품 제공 화면에는 관심 사용자의 작업 상품이 사용자의 관심 상품으로 출력될 수 있으며, 도면에서 보는 바와 같이, 관심 사용자의 작업 상품 중 추천된 관심 상품의 인디케이터(Indicator)가 하이라이트되어 사용자에게 추가로 출력될 수 있다.
또 다른 실시예로, 관심 상품 제공부(165)는 관심 사용자의 작업 공간 이미지를 프로세싱하여, 작업 공간 이미지 내 존재하는 상품을 인식할 수 있다. 예를 들어, 작업 공간 이미지에서 객체(object)를 식별하고, 식별된 객체를 미리 등록된 다수의 상품 이미지들 각각과 비교하여 유사도를 결정하고, 결정된 유사도가 미리 설정된 임계값 이상인 상품 이미지에 따른 상품으로 해당 객체를 인식할 수 있다. 여기서 객체 식별은 YOLO(You look only once), Fast-R CNN 등과 같은 CNN 기반의 객체 식별 알고리즘을 이용하여 구현할 수 있으며, 객체 식별 알고리즘에 대해서는 다양한 방식이 공지되어 있으므로 구체적인 설명은 생략한다.
관심 상품 제공부(165)는 객체 식별을 통해 인식된 상품에 해당하는 제1 상품들 중에서 추천된 관심 상품들과 상이한 상품들을 제2 상품들로 선정하고, 선정된 제2 상품들 중 일부를 추가 관심 상품으로 결정하고, 결정된 추가 관심 상품에 대한 상품 정보를 사용자에게 추가로 제공할 수 있다. 여기서 제2 상품들을 선정하는 이유는 추천된 관심 상품들은 이미 사용자에게 제공되고 있어 이와 동일한 상품을 사용자에게 중복 제공하는 것을 방지하기 위함이다.
구체적으로, 관심 상품 제공부(165)는, 추천된 관심 상품들과 상이한 제2 상품들과 추천된 관심 상품들 사이의 직업 상품 유사도(관심 직업에 따라 결정되는 상품 유사도에 해당할 수 있음)를 작업 공간 이미지를 제공한 작업 사용자의 관심 직업에 기초하여 결정할 수 있다.
구체적으로, 관심 상품 제공부(165)는, 해당 관심 직업을 가진 직업 사용자들 중에서 추천된 관심 상품과 제2 상품을 동시에 사용하는 직업 사용자들의 비율, 추천된 관심 상품과 제2 상품이 단일 판매자에 의해 판매되는 비율, 및 관심 상품과 제2 상품이 동시에 구매된 횟수, 해당 관심 직업을 가진 직업 사용자들 중에서 추천된 관심 상품을 사용하되 제2 상품을 사용하지 않는 직업 사용자들의 비율, 해당 관심 직업을 가진 직업 사용자들 중에서 제2 상품을 사용하되 추천된 관심 상품을 사용하지 않는 직업 사용자들의 비율 및 관심 상품과 제2 상품이 동시에 구매된 횟수에 기초하여, 직업 상품 유사도를 하기 수학식 2에 따라 산출하고, 산출된 직업 상품 유사도가 미리 설정된 임계 하한 유사도값을 초과하는 제2 상품을 추가 관심 상품으로 결정할 수 있다.
Figure 112021134346930-pat00002
상기 수학식 2에서 pa는 해당 관심 직업을 가진 직업 사용자들 중에서 추천된 관심 상품과 제2 상품을 동시에 사용하는 직업 사용자들의 비율로서 0과 1 사이의 값이고, pb는 추천된 관심 상품과 제2 상품이 단일 판매자에 의해 판매되는 비율로서 0과 1 사이의 값이며, pc는 해당 관심 직업을 가진 직업 사용자들 중에서 추천된 관심 상품을 사용하되 제2 상품을 사용하지 않는 직업 사용자들의 비율이고, pd는 해당 관심 직업을 가진 직업 사용자들 중에서 제2 상품을 사용하되, 추천된 관심 상품을 사용하지 않는 직업 사용자들의 비율이고, na는 해당 단일 판매자에 의해 판매되는 관심 상품과 제2 상품이 동시에 구매된 횟수이고, k1은 관심 직업의 종류에 따라 미리 설정되는 제1 비례상수이고, k2는 k1과의 합이 1이 되도록 설정되는 제2 비례상수이며, k3는 관심 직업의 종류에 따라 미리 설정되는 제2 비례상수일 수 있다.
여기서, 추천된 관심 상품과 제2 상품을 동시에 사용하는지 여부는 직업 사용자가 제공한 직업 상품 정보에 기초하여 결정할 수 있으며, 추천된 관심 상품과 제2 상품이 단일 판매자에 의해 판매되는지 여부는 쇼핑몰 서버(400)를 통해 결정될 수 있고, 해당 단일 판매자에 의해 판매되는 관심 상품과 제2 상품이 동시에 구매된 횟수도 쇼핑몰 서버(400)를 통해 결정될 수 있다.
이처럼, 관심 상품 제공부(165)는, 추천된 관심 상품과 제2 상품 사이의 상품 유사도를 관심 직업군에서 동시에 사용하는 사람들의 비율, 단일 판매자에 의해 판매되는 비율, 동시 구매 횟수 등에 기초하여 결정하기 때문에 추천된 관심 상품 이외에 해당 직업군에서 추천된 관심 상품과 더불어 사용할 가능성이 가장 높은 추가 관심 상품을 사용자에게 제공할 수 있어 추가 관심 상품까지 구매할 확률을 최대한 높일 수 있는 장점이 있다.
또한, 관심 상품 제공부(165)는, 작업 공간 이미지에 포함된 직업 상품들, 인식된 상품에 해당하는 제1 상품들, 및 추천된 관심 상품들 사이에 상품 종류에 따른 종속관계를 결정하고, 결정된 종속관계에 따라 제1 상품들 중 적어도 하나의 제3 상품에 대한 상품 정보를 추천된 관심 상품에 대한 직업 상품 정보에 병합시키거나, 추천된 관심 상품에 대한 직업 상품 정보를 제3 상품에 대한 상품 정보에 병합시킬 수 있다.
상품 종류에 따른 종속관계는 특정 상품이 다른 상품의 내부에 물리적으로 배치되는 경우, 특정 상품이 다른 상품의 내부에 소프트웨어적으로 설치되는 경우 및 특정 상품이 다른 상품의 사용을 전제로만 사용되는 경우 등에 따라 미리 설정될 수 있다.
일 예시로, 직업 상품이 옷장 내부에 배치되는 정장이고, 인식된 상품에 해당하는 제1 상품이 옷장인 경우, 옷장에 따른 상품 정보에 정장에 따른 직업 상품 정보를 병합시킴으로써, 사용자가 옷장을 클릭하면, 옷장 내에 배치되는 정장에 대한 상품 정보가 사용자에게 함께 표시될 수 있다.
또 다른 예시로, 직업 상품이 특정 소프트웨어이고, 인식된 상품에 해당하는 제1 상품이 해당 소프트웨어가 내부에 설치되는 노트북인 경우, 노트북에 따른 상품 정보에 직업 상품에 따른 직업 상품 정보를 병합시킴으로써, 사용자가 노트북을 클릭하면 노트북에 설치된 소프트웨어까지 모두 표시되도록 구성할 수 있다.
또 다른 예시로, 직업 상품이 키보드 또는 마우스이고, 인식된 상품에 해당하는 제1 상품이 컴퓨터 모니터인 경우, 컴퓨터 모니터의 사용을 전제로만 키보드나 마우스가 사용되므로, 컴퓨터 모니터에 따른 상품 정보에 키보드 또는 마우스에 따른 직업 상품 정보를 병합시켜 구성함으로써 컴퓨터 모니터에 대한 구매 관심이 있는 사용자가 컴퓨터 모니터를 클릭할 때, 컴퓨터 모니터를 사용하면 반드시 추가로 사용될 필요가 있는 키보드나 마우스에 대한 상품 정보가 함께 표시될 수 있다.
이처럼, 상품 종류에 따른 종속관계에 따라 상품 정보(또는 직업 상품 정보)를 병합하여 데이터를 재구성하기 때문에, 작업 공간 이미지에서 눈으로 식별되지 않게 컴퓨터 등의 내부에 설치되는 소프트웨어, 가구 내부에 배치되는 소품, 특정 상품의 사용을 전제로만 사용되는 상품 등이 종속 관계에 따라 작업 공간 이미지에 자연스럽게 포함되도록 구성하는 것이 용이하여 사용자의 구매 편의성을 획기적으로 증대시킬 수 있다.
관심 상품 제공부(165)는 추가 관심 상품을 관심 사용자의 작업 상품이나 추천된 관심 상품과 다르게 하이라이트된 인디케이터(Indicator)를 이용하여, 사용자에게 출력할 수 있다.
도 11은 또 다른 실시예에 따른 관심 상품 제공 화면을 도시한 도면이다.
도 11의 관심 상품 제공 화면에는 추가 관심 상품이 파란색으로 하이라이트된 인디케이터로 출력되고 있음을 확인할 수 있다.
도 11의 경우, 관심 상품 제공부(165)는 관심 사용자의 작업 공간 이미지를 프로세싱하여, 작업 공간 이미지 내 존재하는 상품(조명, 사이드 테이블, 철제 캐비닛)을 인식할 수 있으며, 인식된 상품들 중 일부를 추가 관심 상품으로 결정할 수 있다. 관심 상품 제공부(165)는 추가 관심 상품을 파란색으로 하이라이트된 인디케이터(Indicator)를 이용하여 사용자에게 출력한 것이다.
구매 수단 제공부(167)는 사용자가 추가 관심 상품을 확인하거나 구매할 수 있는 관심 상품 구매 인터페이스를 사용자 단말(200)에 제공할 수 있다. 사용자는 관심 상품 구매 인터페이스를 통하여, 추가 관심 상품의 정보를 확인하거나, 추가 관심 상품을 구매할 수 있게 된다.
도 12 및 도 13은 일 실시예에 따른 관심 상품 구매 수단을 설명하기 위한 도면이다.
사용자가 관심 상품에 해당하는 인디케이터를 선택하면, 구매 수단 제공부(167)는 선택된 관심 상품의 설명 정보를 사용자에게 출력할 수 있다.
도 12를 참조하면, 사용자가 '선풍기'에 해당하는 인디케이터를 선택한 경우, 구매 수단 제공부(167)는 선택된 '선풍기' 설명 정보(상품명, 가격 정보 등)를 사용자에게 출력하는 것이다.
사용자가 출력된 관심 상품의 설명 정보를 선택하면, 구매 수단 제공부(167)는 선택된 관심 상품의 가격 정보를 사용자에게 출력할 수 있다.
이때, 관심 상품의 설명 정보는 해당 관심 직업을 가진 직업 사용자들 전체에서 해당 관심 상품을 사용하는 직업 사용자들의 비율을 더 포함할 수 있다. 예를 들어, 관심 상품의 설명 정보는, "IT 개발자들의 67%가 해당 관심 상품을 사용중입니다"와 같은 정보를 사용자에게 제공함으로써 사용자가 해당 관심 상품을 해당 관심 직업군에서 얼마나 많이 사용하는지 즉각적으로 파악할 수 있어 구매할 필요가 있는지를 쉽게 알 수 있다.
또한, 구매 수단 제공부(167)는 쇼핑몰 서버(400)에 선택된 관심 상품의 가격 정보를 요청하여 수신할 수 있다.
도 13을 참조하면, 사용자가 관심 상품인 'XX 선풍기'의 설명 정보를 선택한 경우, 구매 수단 제공부(167)는 쇼핑몰 서버(400)에서 수신된 'XX 선풍기'의 가격 정보를 사용자에게 출력할 수 있다.
사용자가 관심 상품을 구매하고자하는 쇼핑몰을 선택한 경우, 구매 수단 제공부(167)는 선택된 쇼핑몰 페이지를 사용자에게 제공하여, 사용자가 해당 관심 상품을 구매할 수 있도록 할 수 있다.
도 14 내지 도 16은 다른 실시예에 따른 관심 상품 구매 수단을 설명하기 위한 도면이다.
사용자가 관심 상품에 해당하는 인디케이터를 선택하면, 구매 수단 제공부(167)는 선택된 인디케이터에 다수의 관심 상품이 매핑되어 있는지 판단할 수 있다. 선택된 인디케이터에 다수의 관심 상품이 매핑되어 있는 경우, 구매 수단 제공부(167)는 해당 관심 상품 리스트를 사용자에게 출력할 수 있다.
도 14를 참조하면, 사용자가 '컴퓨터' 이미지에 위치하는 인디케이터를 선택한 경우, 구매 수단 제공부(167)는 선택된 인디케이터에 연결된 관심 상품의 리스트('XX 컴퓨터, 'A 영상 편집 프로그램', 'B 음악 편집 프로그램)를 사용자에게 출력하는 것이다.
사용자가 출력된 관심 상품 리스트에서 일 관심 상품을 선택하면, 구매 수단 제공부(167)는 선택된 관심 상품의 설명 정보, 상품 후기 정보, 가격 정보 및 구매 수단을 사용자에게 출력할 수 있다.
일 실시예의 구매 수단은 선택된 관심 상품을 구매할 수 있는 페이지로 이동하는 링크 정보로, 외부 쇼핑몰 페이지 또는 관심 상품 제공 서버(100)에서 제공하는 구매 페이지일 수 있다.
도 15를 참조하면, 사용자가 'XX 컴퓨터'를 선택한 경우, 구매 수단 제공부(167)는 선택된 'XX 컴퓨터'의 설명 정보, 상품 후기 정보, 가격 정보 및 구매 수단을 사용자에게 출력하는 것이다.
도 16을 참조하면, 사용자가 'A 영상 편집 프로그램'을 선택한 경우, 구매 수단 제공부(167)는 선택된 'A 영상 편집 프로그램'의 설명 정보, 상품 후기 정보, 가격 정보 및 구매 수단을 사용자에게 출력하는 것이다.
리워드 제공부(168)는 사용자로부터 관심 사용자로 선택된 직업 사용자에게 리워드를 제공할 수 있다. 일례로, 리워드 제공부(168)는 직업 사용자가 사용자의 관심 사용자로 선택되었지 여부, 직업 사용자의 사용 상품이 관심 상품으로 확인하였는지 여부, 사용자가 직업 사용자의 사용 상품을 구매하였는지 여부에 따라, 직업 사용자에게 리워드를 차등 제공할 수 있다.
도 17은 일 실시예에 따른 관심 상품 제공 방법의 흐름도이다.
도 17을 참조하면, 일 실시예에 따른 관심 상품 제공 방법은 사용자 정보 수신 단계(S100), 직업 사용자 정보 수신 단계(S110), 관심 사용자 추천 단계(S120), 관심 사용자 정보 전송 단계(S130), 관심 상품 추천 단계(S140), 관심 상품 정보 전송 단계(S150), 관심 상품 구매 수단 제공 단계(S160) 및 리워드 제공 단계(S170)을 포함할 수 있다.
우선, 사용자 정보 수신 단계(S100)로, 제어부(160)는 사용자 단말(200)로부터 사용자 정보를 수신하여, 메모리(140)에 저장할 수 있다. 일 실시예의 사용자 정보는 사용자 프로필, 사용자 관심 직업 및 사용자 관심 상품를 포함할 수 있다.
그리고, 직업 사용자 정보 수신 단계(S110)로, 제어부(160)는 직업 사용자 단말(300)로부터 직업 사용자 정보를 수신하여, 메모리(140)에 저장할 수 있다. 일 실시예의 직업 사용자 정보는 직업 사용자 프로필, 작업 공간 정보 및 작업 상품 정보를 포함할 수 있다.
그리고, 관심 사용자 추천 단계(S120)로, 제어부(160)는 사용자 정보 및 직업 사용자 정보를 이용하여, 머신러닝을 통해 사용자의 관심 사용자를 추천할 수 있다. 제어부(160)는 관리자가 입력부(120)를 통해 입력한 학습 데이터를 이용하여 관심 사용자 추천 모델을 학습할 수 있으며, 제어부(160)는 사용자 정보 및 직업 사용자 정보를 학습된 관심 사용자 추천 모델에 입력하여 사용자의 관심 사용자 리스트를 생성할 수 있다.
그리고, 관심 사용자 정보 전송 단계(S130)로, 제어부(160)는 생성된 관심 사용자 리스트를 사용자 단말(200)에 전송할 수 있으며, 사용자 단말(200)로부터 사용자가 선택된 관심 사용자를 수신할 수 있다.
그리고, 관심 상품 정보 전송 단계(S140)로, 제어부(160)는 생성된 추천 관심 상품 리스트를 이용하여, 사용자에게 관심 상품을 제공할 수 있다. 제어부(160)는 사용자가 선택한 관심 사용자가 사용하는 작업 상품을 사용자의 관심 상품으로 사용자에 제공할 수 있다. 제어부(160)는 사용자가 선택한 관심 사용자의 작업 공간 정보 및 작업 상품 정보를 사용자 단말(200)에 전송하여, 사용자에게 관심 상품을 제공할 수 있다.
그리고, 관심 상품 추천 단계(S150)로, 제어부(160)는 사용자 정보 및 관심 사용자 정보를 이용하여, 머신러닝을 통해 사용자의 관심 상품을 추천할 수 있다. 제어부(160)는 관리자가 입력부(120)를 통해 입력한 학습 데이터를 이용하여 관심 상품 추천 모델을 학습할 수 있으며, 제어부(160)는 사용자 정보 및 관심 사용자 정보를 학습된 관심 상품 추천 모델에 입력하여 사용자의 추천 관심 상품 리스트를 생성할 수 있다.
그리고, 관심 상품 구매 수단 제공 단계(S160)로, 제어부(160)는 사용자가 관심 상품을 확인하거나 구매할 수 있는 관심 상품 구매 인터페이스를 사용자 단말(200)에 제공할 수 있다. 사용자는 관심 상품 구매 인터페이스를 통하여, 관심 상품의 정보를 확인하거나, 관심 상품을 구매할 수 있게 된다.
그리고, 리워드 제공 단계(S170)로, 제어부(160)는 사용자로부터 관심 사용자로 선택된 직업 사용자에게 리워드를 제공할 수 있다. 일례로, 제어부(160)는 직업 사용자가 사용자의 관심 사용자로 선택되었지 여부, 직업 사용자의 사용 상품이 관심 상품으로 확인하였는지 여부, 사용자가 직업 사용자의 사용 상품을 구매하였는지 여부에 따라, 직업 사용자에게 리워드를 차등 제공할 수 있다.
도 18은 일 실시예에 따른 사용자 단말(200)의 구성도이다. 도 18에 도시된 사용자 단말(200)를 구성하는 구성요소들에 대해 차례로 살펴본다.
무선 통신부(210)는 사용자 단말(200)와 무선 통신 시스템 사이의 무선 통신 또는 사용자 단말(200)와 사용자 단말(200)가 위치한 네트워크 사이의 무선 통신을 수행하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 무선 통신부(210)는 방송 수신 모듈(211), 이동통신 모듈(212), 무선 인터넷 모듈(213), 근거리 통신 모듈(214) 및 위치정보 모듈(215) 등을 포함할 수 있다.
방송 수신 모듈(211)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 여기에서, 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 한편, 방송 관련 정보는 이동통신망을 통하여도 제공될 수 있으며, 이러한 경우에는 이동통신 모듈(312)에 의해 수신될 수 있다.
또한, 이동통신 모듈(212)은 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
무선 인터넷 모듈(213)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 사용자 단말(200)에 내장되거나 외장 될 수 있다.
근거리 통신 모듈(214)은 근거리 통신을 위한 모듈을 말한다. 근거리 통신 기술로, 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.
또한, 위치정보 모듈(215)은 사용자 단말(200)의 위치를 확인하거나 얻기 위한 모듈이다. 일례로 GPS(Global Position System) 모듈을 들 수 있다. GPS 모듈은 복수 개의 인공위성으로부터 위치 정보를 수신한다. 여기에서, 위치 정보는 위도 및 경도로 표시되는 좌표 정보를 포함할 수 있다.
한편, A/V(Audio/Video) 입력부(220)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(221)와 마이크(222) 등이 포함될 수 있다. 카메라(221)는 화상 통화 모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 그리고, 처리된 화상 프레임은 디스플레이부(251)에 표시될 수 있다.
카메라(221)에서 처리된 화상 프레임은 메모리(360)에 저장되거나 무선 통신부(210)를 통하여 외부로 전송될 수 있다. 카메라(221)는 사용자 단말(200)의 구성 태양에 따라 2개 이상이 구비될 수도 있다.
마이크(222)는 통화모드 또는 녹음모드, 음성인식 모드 등에서 마이크로폰(Microphone)에 의해 외부의 음향 신호를 입력받아 전기적인 음성 데이터로 처리한다. 그리고, 처리된 음성 데이터는 통화 모드인 경우 이동통신 모듈(212)을 통하여 이동통신 기지국으로 송신 가능한 형태로 변환되어 출력될 수 있다. 마이크(222)는 외부의 음향 신호를 입력받는 과정에서 발생하는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 구현할 수 있다.
사용자 입력부(230)는 사용자로부터 입력 동작을 받아들여, 사용자 단말(200)의 동작 제어를 위한 입력 데이터를 발생시킨다.
센싱부(240)는 사용자 단말(200)의 위치, 사용자 접촉 유무, 사용자 단말(200)의 방위, 사용자 단말(200)의 가속/감속 등과 같이, 사용자 단말(200)의 현 상태를 감지하여 사용자 단말(200)의 동작을 제어하기 위한 센싱 신호를 발생시킨다.
인터페이스부(270)는 사용자 단말(200)에 연결되는 모든 외부기기와의 인터페이스 역할을 한다. 예를 들어, 유/무선 헤드셋 포트, 외부 충전기 포트, 유/무선 데이터 포트, 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트, 오디오 I/O(Input/Output) 포트, 비디오 I/O(Input/Output) 포트, 이어폰 포트 등이 포함될 수 있다.
출력부(250)는 오디오 신호 또는 비디오 신호 또는 알람(alarm) 신호의 출력을 위한 것으로, 이에는 디스플레이부(251)와 음향 출력 모듈(252), 알람부(253) 등이 포함될 수 있다.
디스플레이부(251)는 사용자 단말(200)에서 처리되는 정보를 표시 출력한다. 예를 들어, 단말기가 통화 모드인 경우, 통화와 관련된 UI(User Interface) 또는 GUI(Graphic User Interface)를 표시한다. 그리고, 사용자 단말(200)가 화상 통화 모드 또는 촬영 모드인 경우, 촬영 또는/및 수신된 영상 또는 UI, GUI를 표시한다.
한편, 전술한 바와 같이, 디스플레이부(251)와 터치 패드가 상호 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(251)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(251)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다. 그리고, 사용자 단말(200)의 구현 형태에 따라, 디스플레이부(251)는 2개 이상 존재할 수도 있다. 예를 들어, 사용자 단말(200)에 외부 디스플레이부(미도시)와 내부 디스플레이부(미도시)가 동시에 구비될 수 있다.
음향 출력 모듈(252)은 호 신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서, 무선 통신부(210)로부터 수신되거나 메모리(260)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력 모듈(352)은 사용자 단말(200)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음 등)과 관련된 음향 신호를 출력한다. 이러한 음향 출력 모듈(252)에는 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.
알람부(253)는 사용자 단말(200)의 이벤트 발생을 알리기 위한 신호를 출력한다. 단말기에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력 등이 있다.
메모리(260)는 제어부(280)의 처리 및 제어를 위한 프로그램이 저장될 수도 있고, 입/출력되는 데이터들(예를 들어, 폰북, 메시지, 정지영상, 동영상 등)의 임시 저장을 위한 기능을 수행할 수도 있다.
메모리(260)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory) 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
제어부(280)는 통상적으로 단말기의 전반적인 동작을 제어한다. 예를 들어, 음성 통화, 데이터 통신, 화상 통화 등을 위한 관련된 제어 및 처리를 수행한다. 또한, 제어부(280)는 멀티 미디어 재생을 위한 멀티미디어 모듈(281)을 구비할 수도 있다. 멀티미디어 모듈(281)은 제어부(280) 내에 구현될 수도 있고, 제어부(280)와 별도로 구현될 수도 있다.
제어부(280)는 전술한 결혼 정보 제공 방법을 구현하기 위한 단말기의 다양한 동작을 제어한다.
전원 공급부(290)는 제어부(280)의 제어에 의해 외부의 전원, 내부의 전원을 인가받아 각 구성요소들의 동작에 필요한 전원을 공급한다.
한편, 전술한 관심 상품 제공 서버(100)의 동작 중 적어도 일부 또는 전부는 사용자 단말(200)에서 구현될 수도 있다. 이때, 사용자 단말(200)에는 관심 상품 제공 서버(100)와 통신하여 관심 상품 제공 서버(100)의 동작을 수행하기 위한 애플리케이션이 미리 설치될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (5)

  1. 서버에서 수행되는 관심 상품 제공 방법으로,
    사용자 단말로부터 사용자 정보를 수신하는 단계;
    직업 사용자 단말로부터 직업 사용자 정보를 수신하는 단계;
    상기 사용자 정보 및 상기 직업 사용자 정보를 관심 사용자 추천 모델에 입력하여, 관심 사용자 리스트를 생성하는 단계;
    상기 관심 사용자 리스트를 상기 사용자 단말에 전송하는 단계; 및
    상기 관심 사용자 리스트에서 상기 사용자 단말의 사용자에 의해 선택된 관심 사용자의 직업 사용자 정보를 상기 사용자 단말에 전송하는 단계를 포함하고,
    상기 직업 사용자 정보는,
    상기 관심 사용자의 작업 공간 이미지가 포함된 작업 공간 정보 및 상기 관심 사용자가 사용하는 작업 상품에 대한 정보인 작업 상품 정보를 포함하고,
    상기 작업 공간 이미지를 프로세싱하여, 상기 사용자의 관심 직업과 관련된 다수의 제1 상품들을 인식하는 단계;
    상기 제1 상품들 중에서 상기 사용자 정보와 상기 관심 사용자의 작업 사용자 정보를 이용하여 추천 관심 상품을 적어도 하나 선정하는 단계;
    상기 제1 상품들 중에서 상기 추천 관심 상품과 상이한 제2 상품들을 선정하는 단계;
    상기 제2 상품들과 상기 추천 관심 상품 사이의 직업 상품 유사도를 산출하고, 산출된 상기 직업 상품 유사도에 기초하여 상기 상기 제2 상품들 중 적어도 하나의 추가 관심 상품을 선정하는 단계; 및
    선정된 상기 추천 관심 상품과 선정된 상기 추가 관심 상품을 서로 구별되는 인디케이터를 이용하여 상기 사용자 단말의 사용자에게 제공하는 단계를 더 포함하고,
    상기 직업 상품 유사도는 하기 수학식에 따라 결정되되,
    Figure 112022004636759-pat00021

    상기 수학식에서 pa는 해당 관심 직업을 가진 직업 사용자들 중에서 추천 관심 상품과 제2 상품을 동시에 사용하는 직업 사용자들의 비율이고, pb는 추천 관심 상품과 제2 상품이 단일 판매자에 의해 판매되는 비율이고, pc는 해당 관심 직업을 가진 직업 사용자들 중에서 추천 관심 상품을 사용하되 제2 상품을 사용하지 않는 직업 사용자들의 비율이고, pd는 해당 관심 직업을 가진 직업 사용자들 중에서 제2 상품을 사용하되, 추천 관심 상품을 사용하지 않는 직업 사용자들의 비율이고, na는 해당 단일 판매자에 의해 판매되는 관심 상품과 제2 상품이 동시에 구매된 횟수이고, k1은 관심 직업의 종류에 따라 미리 설정되는 제1 비례상수이고, k2는 k1과의 합이 1이 되도록 설정되는 제2 비례상수이며, k3는 관심 직업의 종류에 따라 미리 설정되는 제2 비례상수인, 관심 상품 제공 방법.
  2. 제 1 항에 있어서,
    상기 사용자 정보 및 상기 관심 사용자의 작업 사용자 정보를 관심 상품 추천 모델에 입력하여, 관심 상품 리스트를 생성하는 단계; 및
    상기 생성된 관심 상품 리스트의 상품을 상기 사용자의 상기 추천 관심 상품으로 제공하는 단계를 포함하는
    관심 상품 제공 방법.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 사용자가 상기 인디케이터를 선택하면, 상기 추천 관심 상품과 상기 추가 관심 상품을 구매할 수 있는 관심 상품 구매 인터페이스를 제공하는 단계를 더 포함하는,
    관심 상품 제공 방법.
  5. 적어도 하나의 프로세서(processor); 및
    상기 적어도 하나의 프로세서가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instuctions)을 저장하는 메모리(memory)를 포함하는, 관심 상품 제공 서버로서,
    상기 적어도 하나의 동작은,
    사용자 단말로부터 사용자 정보를 수신하는 단계;
    직업 사용자 단말로부터 직업 사용자 정보를 수신하는 단계;
    상기 사용자 정보 및 상기 직업 사용자 정보를 관심 사용자 추천 모델에 입력하여, 관심 사용자 리스트를 생성하는 단계;
    상기 관심 사용자 리스트를 상기 사용자 단말에 전송하는 단계; 및
    상기 관심 사용자 리스트에서 상기 사용자 단말의 사용자에 의해 선택된 관심 사용자의 직업 사용자 정보를 상기 사용자 단말에 전송하는 단계를 포함하고,
    상기 직업 사용자 정보는,
    상기 관심 사용자의 작업 공간 이미지가 포함된 작업 공간 정보 및 상기 관심 사용자가 사용하는 작업 상품에 대한 정보인 작업 상품 정보를 포함하고,
    상기 적어도 하나의 동작은,
    상기 작업 공간 이미지를 프로세싱하여, 상기 사용자의 관심 직업과 관련된 다수의 제1 상품들을 인식하는 단계;
    상기 제1 상품들 중에서 상기 사용자 정보와 상기 관심 사용자의 작업 사용자 정보를 이용하여 추천 관심 상품을 적어도 하나 선정하는 단계;
    상기 제1 상품들 중에서 상기 추천 관심 상품과 상이한 제2 상품들을 선정하는 단계;
    상기 제2 상품들과 상기 추천 관심 상품 사이의 직업 상품 유사도를 산출하고, 산출된 상기 직업 상품 유사도에 기초하여 상기 상기 제2 상품들 중 적어도 하나의 추가 관심 상품을 선정하는 단계; 및
    선정된 상기 추천 관심 상품과 선정된 상기 추가 관심 상품을 서로 구별되는 인디케이터를 이용하여 상기 사용자 단말의 사용자에게 제공하는 단계를 포함하고,
    상기 직업 상품 유사도는 하기 수학식에 따라 결정되되,
    Figure 112022004636759-pat00022

    상기 수학식에서 pa는 해당 관심 직업을 가진 직업 사용자들 중에서 추천 관심 상품과 제2 상품을 동시에 사용하는 직업 사용자들의 비율이고, pb는 추천 관심 상품과 제2 상품이 단일 판매자에 의해 판매되는 비율이고, pc는 해당 관심 직업을 가진 직업 사용자들 중에서 추천 관심 상품을 사용하되 제2 상품을 사용하지 않는 직업 사용자들의 비율이고, pd는 해당 관심 직업을 가진 직업 사용자들 중에서 제2 상품을 사용하되, 추천 관심 상품을 사용하지 않는 직업 사용자들의 비율이고, na는 해당 단일 판매자에 의해 판매되는 관심 상품과 제2 상품이 동시에 구매된 횟수이고, k1은 관심 직업의 종류에 따라 미리 설정되는 제1 비례상수이고, k2는 k1과의 합이 1이 되도록 설정되는 제2 비례상수이며, k3는 관심 직업의 종류에 따라 미리 설정되는 제2 비례상수인, 관심 상품 제공 서버.
KR1020210161265A 2021-11-22 2021-11-22 관심 상품 제공 방법 및 시스템 KR102391255B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210161265A KR102391255B1 (ko) 2021-11-22 2021-11-22 관심 상품 제공 방법 및 시스템
KR1020220034205A KR102595236B1 (ko) 2021-11-22 2022-03-18 관심 사용자 추천 모델에 기초하여 사용자의 직업에 따른 관심 상품 제공 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210161265A KR102391255B1 (ko) 2021-11-22 2021-11-22 관심 상품 제공 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220034205A Division KR102595236B1 (ko) 2021-11-22 2022-03-18 관심 사용자 추천 모델에 기초하여 사용자의 직업에 따른 관심 상품 제공 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102391255B1 true KR102391255B1 (ko) 2022-04-26

Family

ID=81390005

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210161265A KR102391255B1 (ko) 2021-11-22 2021-11-22 관심 상품 제공 방법 및 시스템
KR1020220034205A KR102595236B1 (ko) 2021-11-22 2022-03-18 관심 사용자 추천 모델에 기초하여 사용자의 직업에 따른 관심 상품 제공 방법 및 시스템

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220034205A KR102595236B1 (ko) 2021-11-22 2022-03-18 관심 사용자 추천 모델에 기초하여 사용자의 직업에 따른 관심 상품 제공 방법 및 시스템

Country Status (1)

Country Link
KR (2) KR102391255B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101621938B1 (ko) * 2014-07-01 2016-05-24 진현석 사용자 등록 게시정보를 이용한 온라인 쇼핑정보 추천시스템
KR20190016405A (ko) * 2017-08-08 2019-02-18 주식회사 비즈니스인사이트 사용자 인지 이미지 기반 주문 커머스 서비스 모델
KR102222159B1 (ko) * 2020-07-02 2021-03-04 이주찬 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법
KR102234609B1 (ko) * 2020-07-23 2021-04-02 주식회사 어반베이스 이미지 데이터베이스 분석 기반 상품 추천 장치
KR102246109B1 (ko) * 2020-07-27 2021-04-29 (주)감성한스푼 소비자 선호도에 기반한 상품 추천 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101621938B1 (ko) * 2014-07-01 2016-05-24 진현석 사용자 등록 게시정보를 이용한 온라인 쇼핑정보 추천시스템
KR20190016405A (ko) * 2017-08-08 2019-02-18 주식회사 비즈니스인사이트 사용자 인지 이미지 기반 주문 커머스 서비스 모델
KR102222159B1 (ko) * 2020-07-02 2021-03-04 이주찬 빅데이터에 기반하여 일반인의 상품 트렌드와 사용자성향을 분석하여 최적의 상품정보를 추천하는 상품정보 추천서버 및 그 상품정보 추천방법
KR102234609B1 (ko) * 2020-07-23 2021-04-02 주식회사 어반베이스 이미지 데이터베이스 분석 기반 상품 추천 장치
KR102246109B1 (ko) * 2020-07-27 2021-04-29 (주)감성한스푼 소비자 선호도에 기반한 상품 추천 시스템 및 방법

Also Published As

Publication number Publication date
KR20230075331A (ko) 2023-05-31
KR102595236B1 (ko) 2023-10-30

Similar Documents

Publication Publication Date Title
JP7121052B2 (ja) イメージデータに少なくとも部分的に基づく、アクションを実行するためのエージェントの決定
Ricci Mobile recommender systems
US11587143B2 (en) Neural contextual bandit based computational recommendation method and apparatus
US20200320605A1 (en) Secure multi-party computation with no trusted initializer
US20150134687A1 (en) System and method of sharing profile image card for communication
CN107924506A (zh) 推断通信的用户可用性和基于用户可用性或上下文改变通知设置
CN104580348B (zh) 访问基于位置的内容
US20180137550A1 (en) Method and apparatus for providing product information
KR20130142642A (ko) 이동 단말기, 서버, 시스템, 이동 단말기 및 서버의 제어 방법
CN111737573A (zh) 资源推荐方法、装置、设备及存储介质
US20220044266A1 (en) Multi-user smart feedback system
CN105096154A (zh) 主动式广告提供方法
KR20140113436A (ko) 관계 모델 매커니즘을 구현한 컴퓨팅 시스템 및 그 작동 방법
CN110268377A (zh) 用于在计算系统中提供用户帮助的装置和方法
EP3610376B1 (en) Automatic context passing between applications
KR20160046038A (ko) 위치 기반 소셜 검색 서비스를 제공하는 방법 및 장치
US20240171679A1 (en) Systems and methods for generating customized customer service menu
CN113765953A (zh) 信息推送方法、装置及设备
KR102391255B1 (ko) 관심 상품 제공 방법 및 시스템
WO2022057764A1 (zh) 广告显示方法及电子设备
US11989747B2 (en) Smart feedback system
US20220269935A1 (en) Personalizing Digital Experiences Based On Predicted User Cognitive Style
US20160217145A1 (en) Apparatus for providing contact interface on web page and method for providing contact interface
CN114547430A (zh) 信息对象的标签标注方法、装置、设备及存储介质
KR102423150B1 (ko) 맞춤형 영상을 제공하는 방법 및 그 장치

Legal Events

Date Code Title Description
A107 Divisional application of patent
GRNT Written decision to grant