KR102405896B1 - 위치 기반의 로컬 검색어 제공 방법 및 시스템 - Google Patents

위치 기반의 로컬 검색어 제공 방법 및 시스템 Download PDF

Info

Publication number
KR102405896B1
KR102405896B1 KR1020200111253A KR20200111253A KR102405896B1 KR 102405896 B1 KR102405896 B1 KR 102405896B1 KR 1020200111253 A KR1020200111253 A KR 1020200111253A KR 20200111253 A KR20200111253 A KR 20200111253A KR 102405896 B1 KR102405896 B1 KR 102405896B1
Authority
KR
South Korea
Prior art keywords
local search
search
local
search terms
terms
Prior art date
Application number
KR1020200111253A
Other languages
English (en)
Other versions
KR20220029217A (ko
Inventor
이완
권진환
Original Assignee
네이버 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 네이버 주식회사 filed Critical 네이버 주식회사
Priority to KR1020200111253A priority Critical patent/KR102405896B1/ko
Publication of KR20220029217A publication Critical patent/KR20220029217A/ko
Application granted granted Critical
Publication of KR102405896B1 publication Critical patent/KR102405896B1/ko

Links

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3322—Query formulation using system suggestions
    • G06F16/3323—Query formulation using system suggestions using document space presentation or visualization, e.g. category, hierarchy or range presentation and selection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • 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
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90324—Query formulation using system suggestions
    • G06F16/90328—Query formulation using system suggestions using search space presentation or visualization, e.g. category or range presentation and selection
    • 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
    • G06F16/906—Clustering; Classification
    • 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
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis

Abstract

본 개시는 위치 기반의 로컬 검색어 제공 방법에 관한 것이다. 위치 기반의 로컬 검색어 제공 방법은, 복수의 검색어 및 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신하는 단계, 복수의 검색어와 연관된 위치 정보 및 복수의 지리적 영역에 기초하여, 복수의 검색어를 복수의 지리적 영역으로 분류하는 단계, 분류된 복수의 검색어 중에서, 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출하는 단계, 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출하는 단계 및 산출된 복수의 검색 스코어를 이용하여 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계를 포함한다.

Description

위치 기반의 로컬 검색어 제공 방법 및 시스템{METHOD AND SYSTEM FOR PROVIDING LOCAL SEARCH TERMS BASED ON LOCATION}
본 개시는 위치 기반의 로컬 검색어 제공 방법 및 시스템에 관한 것으로, 더 구체적으로, 검색 엔진을 통해 인입된 검색어를 복수의 지리적 영역으로 분류하고 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 위치 기반의 로컬 검색어 제공 방법 및 시스템에 관한 것이다.
최근 검색 서비스를 제공하는 특정 검색 엔진에서는 일반 검색 서비스뿐만 아니라 급상승 검색어 서비스를 함께 제공하고 있다. 사용자들은 검색 엔진 상에서 제공되는 급상승 검색어를 선택하여, 선택된 급상승 검색어와 연관된 콘텐츠를 간편하게 확인할 수 있다. 즉, 사용자들은 검색 엔진을 통해 다른 사용자들이 많이 검색한 이슈 및 이슈에 대한 콘텐츠를 손쉽게 확인할 수 있다. 이에 따라, 급상승 검색어는 사용자들이 검색하지 않았거나, 검색하지 않을 예정이었던 콘텐츠를 사용자들에게 효과적으로 제공할 수 있다.
그러나, 사용자들에게 제공되는 급상승 검색어의 수는 제한적이다. 전국의 사용자들에 의해 입력되는 수많은 검색어 중 오직 일부만이 급상승 검색어로 결정될 수 있을 뿐이다. 이에 따라, 전국적인 이슈 및 이슈에 대한 콘텐츠를 사용자들에게 손쉽게 제공하는 급상승 검색어의 효과는, 지역 단위에서 퇴색될 수 있다. 즉, 사용자에게 제공되는 급상승 검색어의 제한된 수로 인해, 급상승 검색어는 전국적인 이슈 및 이러한 이슈에 대한 콘텐츠를 사용자에게 전달할 수 있을 뿐, 특정 지역 또는 특화된 이슈에 연관된 콘텐츠를 나타내거나 포함하는 것이 어려울 수 있다.
본 개시는 상기와 같은 문제를 해결하기 위한 것으로, 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출하고, 추출된 복수의 로컬 검색어를 이용하여 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 방법 및 시스템을 제공한다.
본 개시는, 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출하고, 산출된 복수의 검색 스코어를 이용하여 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 방법 및 시스템을 제공한다.
본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.
본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 위치 기반의 로컬 검색어 제공 방법은 복수의 검색어 및 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신하는 단계, 복수의 검색어와 연관된 위치 정보 및 복수의 지리적 영역에 기초하여, 복수의 검색어를 복수의 지리적 영역으로 분류하는 단계, 분류된 복수의 검색어 중에서, 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출하는 단계, 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출하는 단계 및 산출된 복수의 검색 스코어를 이용하여 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계를 포함한다.
본 개시의 일 실시예에 따른 상술한 위치 기반의 로컬 검색어 제공 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.
본 개시의 일 실시예에 따르면, 위치 기반의 로컬 검색어 제공 시스템은, 복수의 검색어 및 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신하도록 구성된 통신 모듈, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로그램은, 복수의 검색어와 연관된 위치 정보 및 복수의 지리적 영역에 기초하여, 복수의 검색어를 복수의 지리적 영역으로 분류하고, 분류된 복수의 검색어 중에서, 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출하고, 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출하고, 산출된 복수의 검색 스코어를 이용하여 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하기 위한 명령어들을 포함한다.
본 개시의 일부 실시예에 따르면, 로컬 검색어에 대한 검색 스코어를 산출 시 검색 집중도와 검색 횟수를 모두 이용함으로써, 특정 지리적 영역에서 이슈가 되고 있는 내용을 손쉽게 확인할 수 있다.
본 개시의 일부 실시예에 따르면, 사용자는 로컬 검색어 리스트와 함께 제공된 검색어 유형을 보고 특정 로컬 검색어가 나타내는 이슈가 꾸준히 지속된 것인지 여부, 이슈가 단기간에 급상승했는지 여부 등의 검색 트렌드를 파악할 수 있다.
본 개시의 일부 실시예에 따르면, 사용자는 특정 지리적 영역에서 사용자가 관심 있는 이슈와 연관된 카테고리를 선택함으로써, 해당 사용자가 원하는 카테고리에 대한 로컬 검색어 리스트를 제공받을 수 있다.
본 개시의 일부 실시예에 따르면, 로컬 검색어의 카테고리를 통해 로컬 검색어 리스트를 생성 시 부적절한 로컬 검색어를 필터링함으로써, 그 지역의 사용자들의 관심사에 부합하는 로컬 검색어를 포함하는 로컬 검색어 리스트를 제공할 수 있다.
본 개시의 일부 실시예에 따르면, 사용자는 원하는 기간 동안의 로컬 검색어 리스트를 간단한 동작으로 쉽게 제공받을 수 있고, 그에 따라 특정 지리적 영역의 날짜/시간 별 이슈가 간편하게 파악될 수 있다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 위치 기반의 로컬 검색어 리스트가 제공되는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 위치 기반의 로컬 검색어 서비스를 제공하기 위하여, 정보 처리 시스템이 복수의 사용자 단말 및 검색 로그 데이터베이스와 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템의 내부 구성을 나타내는 기능적인 블록도이다.
도 5는 본 개시의 일 실시예에 따른 출력 데이터를 산출하도록 학습된 인공신경망 모델의 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따라 검색어를 필터링하는 방법의 예시를 나타내는 흐름도이다.
도 7은 본 개시의 일 실시예에 따라 로컬 검색어 리스트를 생성하는데 사용될 검색어를 추출하는 기간에 따라 로컬 검색어 리스트를 제공하는 예시를 나타내는 도면이다.
도 8은 로컬 검색어 리스트에 포함된 로컬 검색어와 관련된 유사 검색어가 로컬 검색어 리스트와 함께 제공되는 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따라 로컬 검색어의 검색어 유형이 로컬 검색어 리스트와 함께 제공되는 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따라 선택된 카테고리에 대응하는 로컬 검색어 리스트가 제공되는 예시를 나타내는 도면이다.
도 11은 본 개시의 일 실시예에 따른 위치 기반의 로컬 검색어 제공 방법을 나타내는 흐름도이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
본 개시에서, '프로세서'는 정보 처리 시스템 등을 포함한 임의의 시스템에 포함된 프로세서 또는 사용자 단말에 포함된 프로세서를 지칭할 수 있다.
본 개시에서, '검색어'는 검색 엔진을 통해 입력되고 검색될 수 있는 텍스트(예를 들어, 단어, 구절, 문장 등)를 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 검색어는 사용자가 웹 브라우저 또는 검색 애플리케이션과 같은 검색 프로그램의 입력 UI를 통해 입력하는 텍스트를 포함하거나, 검색 프로그램이 제공하는 검색어 리스트 중 사용자에 의해 선택된 텍스트를 포함할 수 있다. 다른 예에서, 검색어는, 텍스트에 한정하지 않고, 이미지, 영상, 음성, 소리 등과 같은 멀티미디어 콘텐츠로부터 추출될 수 있는 텍스트 또는 정보를 포함할 수 있다.
본 개시에서, '지리적 영역'은 지도 상의 특정 구역 내의 영역을 지칭할 수 있다. 일 실시예에 따르면, 지도 상의 특정 구역 내에서는 복수의 지리적 영역이 존재할 수 있다. 대한민국이라는 특정 구역 내에서는 복수의 지리적 영역이 존재할 수 있는데, 예를 들어, 261개의 행정 지역 단위로 복수의 지리적 영역을 나눌 수 있으나, 이에 한정되지 않고, 임의의 기준으로 복수의 지리적 영역이 구획될 수 있다.
본 개시에서, '로컬 검색어'는 특정 지역 또는 지리적 영역에서 검색된 검색어를 지칭할 수 있다. 예를 들어, 서울 강남구에 대응되는 로컬 검색어는 서울 강남구로 위치가 인식되고 사용자 단말로부터 입력된 복수의 검색어 또는 그러한 검색어의 적어도 일부를 지칭할 수 있다. 또한, '로컬 검색어 리스트'는 로컬 검색어 중에서 특정 지역 또는 지리적 영역에서 벌어지는 일, 관심사, 이슈 등을 잘 나타내거나 보여주는 것으로 판정된 임의의 개수(예를 들어, Top 10)의 로컬 검색어를 포함한 리스트일 수 있다.
본 개시에서, '검색 스코어'는 로컬 검색어가 지역에서 벌어지는 일, 관심사, 이슈 등을 효과적으로 반영하는 정도를 나타낼 수 있다. 이러한 검색 스코어는 각 로컬 검색어의 검색 횟수와 각 로컬 검색어의 특정 지리적 영역에 대한 검색 집중도 등을 이용하여 산출될 수 있다. 이에 따라, 동일한 로컬 검색어라도 지리적 영역에 따라 검색 스코어가 다르게 산출될 수 있다.
본 개시에서, '사용자 단말'은 사용자를 지칭할 수 있고, 사용자는 사용자 단말을 지칭할 수 있다. 즉, 본 개시에서 사용자 단말과 사용자는 혼용되어 사용될 수 있다.
도 1은 본 개시의 일 실시예에 따른 위치 기반의 로컬 검색어 리스트(130)가 제공되는 예시를 나타내는 도면이다. 사용자(110)는 사용자 단말(120)에서 동작하는 애플리케이션(예를 들어, 검색 애플리케이션, 웹 브라우저 애플리케이션 등)을 통해 로컬 검색어 리스트(130)를 제공받을 수 있다. 일 실시예에 따르면, 사용자(110)는 사용자 단말(120)에서 동작하는 애플리케이션을 통해 특정 지역의 이슈를 나타내는 위치 기반의 로컬 검색어 리스트(130)를 제공받을 수 있다. 예를 들어, 사용자(110)가 '경기도 용인시 처인구'에 위치한 경우, '경기도 용인시 처인구'의 이슈를 나타내는 로컬 검색어 리스트(130)가 사용자(110)에게 제공될 수 있다. 여기서, 사용자(110)가 로컬 검색어 리스트를 제공해주는 인터페이스에 접속하였을 때, 사용자 단말(120)의 로그 정보 등을 통해'경기도 용인시 처인구'가 입력창에 자동으로 입력되고, 검색 당시의 날짜(여기서, 5월4일)에서의 로컬 검색어 리스트(130)가 제공될 수 있다. 이 때, 사용자가 원하는 날짜의 선택을 변경하면, 변경된 날짜 동안에 경기도 용인시 처인구에 해당하는 지리적 영역에서의 로컬 검색어 리스트가 제공될 수 있다. 다른 예에서, 사용자(110)가 사용자 단말(120)에 '경기도 용인시 처인구'를 입력하는 경우, '경기도 용인시 처인구'의 이슈를 나타내는 로컬 검색어 리스트(130)가 사용자(110)에게 제공될 수 있다.
사용자들로부터 검색된 복수의 검색어 및 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 기초로, 로컬 검색어 리스트가 생성될 수 있다. 일 실시예에 따르면, 사용자들이 사용자 단말에서 동작하는 애플리케이션(예를 들어, 검색 애플리케이션, 웹 브라우저 애플리케이션 등)을 통해 검색어를 입력하는 경우, 입력된 검색어 및 검색어의 위치 정보가 수신되거나 수집될 수 있다. 예를 들어, 사용자 단말로부터 검색어를 입력할 당시의 IP 주소 등의 로그 정보가 수신되어, 이러한 IP 주소로부터 사용자 단말의 위치 정보가 결정될 수 있다. 또 다른 예로서, 사용자가 검색어를 입력할 당시의 사용자 단말 내의 GPS 모듈, 셀룰러 기지국 및/또는 사용자 단말의 주변에 위치한 무선 액세스 포인트(AP) 등의 위치 정보가 수신되고, 해당 정보를 이용하여 사용자 단말의 위치가 결정될 수 있다. 또한, 복수의 검색어에 대한 정보는 복수의 검색어의 각각의 입력과 연관된 임의의 정보를 지칭할 수 있는데, 예를 들어, 복수의 검색어의 위치 정보, 검색 시각, 검색 횟수 등에 대한 정보, 검색어의 카테고리 및/또는 검색어를 입력한 사용자의 연령에 대한 정보를 포함할 수 있으며, 이에 한정되지 않는다.
이러한 복수의 검색어는 각 검색어와 연관된 위치 정보 및 지리적 영역에 따라 복수의 지리적 영역으로 분류될 수 있다. 일 실시예에 따르면, 지리적 영역은 행정 구역(예를 들어, 대한민국의 경우 261개의 행정 지역 단위)과 동일하게 결정될 수 있다. 예를 들어, 용인 내의 어느 위치에서 검색어가 입력되는 경우, 해당 검색어는 '용인시'에 해당하는 지리적 영역으로 분류될 수 있다. 다른 예에서, 서울 강남구에서 검색어가 입력되는 경우, 해당 검색어는 '서울시 강남구'에 해당하는 지리적 영역으로 분류될 수 있다. 즉, 복수의 검색어의 각각은 연관된 위치 정보를 이용하여 특정된 지리적 영역으로 분류될 수 있다. 다른 실시예에 따르면, 복수의 지리적 영역이 미리 설정되었다고 하더라도, 설정된 영역보다 큰 영역으로 재분류될 수 있다. 예를 들어, '서울시 강남구', '서울시 용산구' 등은 '서울시' 라는 지리적 영역으로 분류될 수 있다.
복수의 지리적 영역의 각각으로 분류된 복수의 검색어 중에서, 각 지리적 영역에 대응하는 복수의 로컬 검색어가 추출될 수 있다. 여기서, 로컬 검색어는 지리적 영역으로 분류된 검색어 중에서 검색 횟수가 미리 결정된 횟수 이상인 검색어를 지칭할 수 있다. 예를 들어, 미리 결정된 횟수가 10회인 경우, 지리적 영역으로 분류된 검색어 중에서 검색 횟수가 10회 이상 또는 초과인 검색어들만이 로컬 검색어로 추출될 수 있다. 이와 같이, 검색 횟수가 미리 결정된 횟수 이상인 검색어들만을 이용하여, 로컬 검색어를 추출함으로써 지역과 연관된 일, 관심사, 이슈 등을 충분히 나타내지 못하는 검색어를 효과적으로 제거할 수 있다.
일 실시예에 따르면, 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어가 산출될 수 있다. 일 실시예에 따르면, 복수의 로컬 검색어의 각각에 대한 검색 스코어가 산출될 수 있다. 이러한 검색 스코어는 각 로컬 검색어의 검색 횟수와 각 로컬 검색어의 특정 지리적 영역에 대한 검색 집중도를 이용하여 산출될 수 있다. 이에 따라, 동일한 로컬 검색어라도 지리적 영역에 따라 검색 스코어는 상이할 수 있다.
일 실시예에 따르면, 산출된 복수의 로컬 검색어의 검색 스코어를 이용하여, 복수의 지리적 영역에 대한 로컬 검색어 리스트가 생성될 수 있다. 다시 말해, 로컬 검색어 리스트는 로컬 검색어 중 검색 스코어가 높은 미리 정해진 개수의 로컬 검색어를 이용하여 생성될 수 있다. 로컬 검색어 리스트는 지리적 영역에 따라 상이할 수 있다. 또한, 동일한 지리적 영역이라도 카테고리, 날짜/시간 등에 따라 복수의 로컬 검색어 리스트가 존재할 수 있다. 사용자는 로컬 검색어 리스트를 제공받아, 특정 지리적 영역에 특화된 이슈, 맛집 등의 정보를 획득할 수 있다.
도 2는 본 개시의 일 실시예에 따른 위치 기반의 로컬 검색어 서비스를 제공하기 위하여, 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3) 및 검색 로그 데이터베이스(240)와 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 도시된 바와 같이, 정보 처리 시스템(230)은 네트워크(220)를 통해 복수의 사용자 단말(210_1, 210_2, 210_3) 및 검색 로그 데이터베이스(240)와 통신할 수 있다. 정보 처리 시스템(230)은 네트워크(220)를 통해 위치 기반의 로컬 검색어 서비스를 제공할 수 있는 시스템을 포함할 수 있다. 일 실시예에 따르면, 정보 처리 시스템(230)은 위치 기반의 로컬 검색어 서비스와 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 정보 처리 시스템(230)에 의해 제공되는 위치 기반의 로컬 검색어 서비스는, 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 검색 애플리케이션 또는 웹 브라우저 애플리케이션을 통해 사용자에게 제공될 수 있다. 예를 들어, 위치 기반의 로컬 검색어 서비스는 특정 위치에서의 시간/날짜 별 로컬 검색어 제공 서비스, 카테고리별 로컬 검색어 제공 서비스 등을 포함할 수 있다.
복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.
도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 검색 애플리케이션 또는 웹 브라우저 애플리케이션 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.
일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)에서 동작하는 검색 애플리케이션, 웹 브라우저 애플리케이션 등을 통해 입력되는 복수의 검색어 및 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신할 수 있다. 다시 말해, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 입력된 복수의 검색어가 저장된 검색 로그 데이터베이스(240)로부터 복수의 검색어 및 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신할 수 있다. 그 후, 정보 처리 시스템(230)은 수신된 복수의 검색어를 이용하여 복수의 로컬 검색어 리스트를 생성하고, 생성된 로컬 검색어 리스트 중 일부를 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다. 즉, 사용자 단말(210_1, 210_2, 210_3)로부터 특정 지리적 영역의 로컬 검색어 리스트에 대한 요청을 수신하는 경우, 정보 처리 시스템(230)은 생성된 복수의 로컬 검색어 리스트 중에서, 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하고, 추출된 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다.
일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 특정 기간의 로컬 검색어에 대한 요청을 수신할 수 있다. 검색 로그 데이터베이스(240)로부터 수신된 복수의 검색어에 대한 정보는 복수의 검색어의 검색 시각에 대한 정보를 포함할 수 있다. 여기서, 검색 시각은 사용자 단말(210_1, 210_2, 210_3)에서 각각의 검색어가 입력된 시각을 지칭할 수 있다. 정보 처리 시스템(230)은 복수의 검색어의 검색 시각을 기초로, 복수의 검색어 중 특정 기간 동안에 검색된 일부 검색어를 추출할 수 있다. 그리고 나서, 정보 처리 시스템(230)은 추출된 일부 검색어를 복수의 지리적 영역으로 분류하여, 특정 기간에 대응하는 로컬 검색어 리스트를 생성할 수 있다. 그 후, 정보 처리 시스템(230)은 특정 기간에 대응하는 로컬 검색어 리스트를 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다.
일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)의 위치에 대한 정보(예를 들어, IP 정보)를 수신하여, 수신된 IP 정보에 대응하는 위치와 연관된 로컬 검색어 리스트를 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다. 예를 들어, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 로컬 검색어 리스트에 대한 요청을 수신하는 경우, 사용자 단말(210_1, 210_2, 210_3)의 위치 정보를 함께 수신할 수 있다. 그리고 나서, 정보 처리 시스템(230)은 생성된 복수의 로컬 검색어 리스트 중에서 사용자 단말의 위치가 속하는 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하여, 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다.
일 실시예에 따르면, 정보 처리 시스템(230)은 사용자 단말(210_1, 210_2, 210_3)로부터 특정 지리적 영역에서 특정 카테고리에 대응하는 로컬 검색어 리스트에 대한 요청을 수신할 수 있다. 정보 처리 시스템(230)은 복수의 카테고리에 대한 복수의 로컬 검색어 리스트 중에서, 특정 지리적 영역 및 특정 카테고리에 대응하는 로컬 검색어 리스트를 추출할 수 있다. 그리고 나서, 정보 처리 시스템(230)은 추출된 특정 카테고리의 로컬 검색어 리스트를 사용자 단말(210_1, 210_2, 210_3)로 전송할 수 있다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 검색 애플리케이션, 모바일 브라우저 애플리케이션 또는 웹 브라우저가 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.
메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 사용자 단말(210)에 설치되어 구동되는 검색 애플리케이션 등을 위한 코드)가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예: 검색 서비스, 로컬 검색어 서비스 등을 제공하는 애플리케이션 또는 웹 브라우저)에 기반하여 메모리(312, 332)에 로딩될 수 있다.
프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(316, 336)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 로컬 검색어 리스트에 대한 요청, 특정 기간 동안의 로컬 검색어 리스트에 대한 요청, 특정 카테고리의 로컬 검색어 리스트에 대한 요청 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다. 예를 들어, 사용자 단말(210)은 정보 처리 시스템(230)으로부터 통신 모듈(316)을 통해 특정 지리적 영역에서의 로컬 검색어 리스트, 특정 기간 동안에 특정 지리적 영역에서의 로컬 검색어 리스트, 특정 지리적 영역에서의 특정 카테고리에 대응하는 로컬 검색어 리스트 등을 수신할 수 있다.
입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면이나 로컬 검색어 리스트 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.
사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 사용자 단말(210)이 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 사용자 단말(210)에 더 포함되도록 구현될 수 있다.
일 실시예에 따르면, 사용자 단말(210)의 프로세서(314)는 위치 기반의 로컬 검색어 서비스를 제공하는 검색 애플리케이션 또는 웹 브라우저 애플리케이션을 동작하도록 구성될 수 있다. 이 때, 해당 애플리케이션과 연관된 프로그램 코드가 사용자 단말(210)의 메모리(312)에 로딩될 수 있다. 애플리케이션이 동작되는 동안에, 사용자 단말(210)의 프로세서(314)는 입출력 장치(320)로부터 제공된 정보 및/또는 데이터를 입출력 인터페이스(318)를 통해 수신하거나 통신 모듈(316)을 통해 정보 처리 시스템(230)으로부터 정보 및/또는 데이터를 수신할 수 있으며, 수신된 정보 및/또는 데이터를 처리하여 메모리(312)에 저장할 수 있다. 또한, 이러한 정보 및/또는 데이터는 통신 모듈(316)을 통해 정보 처리 시스템(230)에 제공될 수 있다.
검색 애플리케이션 또는 웹 브라우저 애플리케이션이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상 등을 수신할 수 있으며, 수신된 텍스트, 이미지 및/또는 영상 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 일 실시예에 따르면, 프로세서(314)는 입력 장치를 통해 검색 애플리케이션 또는 웹 브라우저 애플리케이션 상에서 사용자에 의해 입력된 로컬 검색어 리스트에 대한 요청을 네트워크(220) 및 통신 모듈(316)을 통해 정보 처리 시스템(230)에 제공할 수 있다. 추가적으로, 프로세서(314)는 사용자에 의해 입력된 특정 기간 동안의 로컬 검색어 리스트에 대한 요청, 특정 카테고리의 로컬 검색어 리스트에 대한 요청 등을 네트워크(220) 및 통신 모듈(316)을 통해 정보 처리 시스템(230)에 제공할 수 있다.
정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에 따르면, 프로세서(334)는 검색 로그 데이터베이스(미도시)로부터 복수의 검색어 및 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신할 수 있다. 예를 들어, 이러한 위치 정보는 사용자 단말의 검색어 입력 시 IP 정보 등의 로그 정보를 이용하여 결정될 수 있다. 그리고 나서, 프로세서(334)는 복수의 검색어를 복수의 지리적 영역으로 분류할 수 있다. 구체적으로, 프로세서(334)는 미리 정해진 복수의 지리적 영역 중 복수의 검색어의 각각과 연관된 위치 정보와 대응되는 지리적 영역을 결정하고, 복수의 검색어의 각각을 결정된 지리적 영역에 속하도록 분류할 수 있다. 프로세서(334)는 검색어에 대응되는 위치(예를 들어, 검색어를 입력한 사용자 단말의 위치)가 속하는 지리적 영역을 결정하고, 결정된 지리적 영역으로 각각의 검색어를 분류하여 저장할 수 있다. 그리고 나서, 프로세서(334)는 분류되어 저장된 복수의 검색어 중에서 검색 횟수가 미리 결정된 횟수 이상인 검색어만을 로컬 검색어로서 추출할 수 있다.
프로세서(334)는 추출된 로컬 검색어에 대한 검색 스코어를 산출할 수 있다. 일 실시예에 따르면, 프로세서(334)는 로컬 검색어의 검색 횟수를 기초로 각 지리적 영역에 대응되는 로컬 검색어의 검색 집중도를 산출하고, 산출된 검색 집중도 및 검색 횟수를 이용하여, 로컬 검색어에 대한 검색 스코어를 산출할 수 있다. 검색 집중도는 로컬 검색어가 특정 지역에서 집중적으로 검색됐는지 여부 또는 다양한 지역에서 고르게 검색됐는지 여부 등을 나타낼 수 있다. 예를 들어, 검색 집중도는 산업에서 시장의 집중도를 측정할 수 있는 허쉬만-허핀달 지수(Hirschman-Herfindahl index, HHI)를 이용하여 산출될 수 있다. 추가적으로 또는 대안적으로, 프로세서(334)는 특정 지리적 영역에서의 로컬 검색어의 검색 횟수를 입력하는 경우 검색 스코어를 추론하도록 학습된 인공신경망을 통해, 로컬 검색어에 대한 검색 스코어를 산출할 수 있다.
그러고 나서, 프로세서(334)는 로컬 검색어에 대한 검색 스코어를 이용하여 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성할 수 있다. 즉, 프로세서(334)는 지리적 영역마다 검색 스코어가 높은 상위 n(n은 자연수) 개의 로컬 검색어들을 이용하여 로컬 검색어 리스트를 생성할 수 있다. 프로세서(334)는 산출된 검색 스코어의 순위(rank)에 기초하여, 복수의 지리적 영역의 각각에서 미리 결정된 순위(예를 들어, Top 10)에 포함된 로컬 검색어를 결정할 수 있다. 그리고 나서, 프로세서(334)는 결정된 로컬 검색어를 포함한 로컬 검색어 리스트를 생성할 수 있다. 추가적으로 또는 대안적으로, 프로세서(334)는 동일한 지역에서도 날짜/시간에 따른 로컬 검색어, 카테고리에 따른 로컬 검색어 등을 이용하여 2개 이상의 로컬 검색어 리스트를 생성할 수 있다.
일 실시예에 따르면, 프로세서(334)는 미리 설정된 지리적 영역보다 더 큰 지리적 영역에 대응하는 로컬 검색어 리스트를 생성하여 제공할 수 있다. 예를 들어, 프로세서(334)는 '서울시 강남구' 및 '서울시 용산구' 등의 서울 시 내의 각 구에 대응하는 로컬 검색어 리스트를 제공할 수 있으며, '서울시'에 대한 로컬 검색어 리스트를 제공할 수 있다. 이 경우, 프로세서(334)는 '서울시'에 대응하는 로컬 검색어 리스트를 생성할 시에, 서울시 내의 모든 구에 있는 로컬 검색어에 대해 검색 스코어를 재산출한 후에 로컬 검색어 리스트를 생성할 수 있다. 이와 달리, 프로세서(334)는 산출된 검색 스코어를 기초로 높은 순서 대로 로컬 검색어를 추출하여 로컬 검색어 리스트를 생성할 수 있다.
도 4는 본 개시의 일 실시예에 따른 정보 처리 시스템(230)의 내부 구성을 나타내는 기능적인 블록도이다. 도시된 바와 같이, 정보 처리 시스템(230)은 검색 스코어 산출 모듈(410), 카테고리 결정 모듈(420), 유사 검색어 추출 모듈(430) 등을 포함할 수 있다. 또한, 정보 처리 시스템(230)은 검색 로그 데이터베이스(240) 등과 통신하며 검색어 또는 로컬 검색어와 관련된 정보/데이터를 주고받을 수 있다. 이 경우, 정보 처리 시스템(230)은 특정 시간 간격(예를 들어, 10분, 30분, 1시간 등) 마다 검색 로그 데이터베이스(240) 등과 통신하며 데이터를 주고받을 수 있다.
일 실시예에 따르면, 정보 처리 시스템(230)은 검색 로그 데이터베이스(240)로부터 복수의 검색어 및 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신할 수 있다. 복수의 검색어에 대한 정보는 복수의 검색어의 검색 횟수, 검색 시각 등에 대한 정보를 포함할 수 있다. 추가적으로 또는 대안적으로, 정보 처리 시스템(230)은 검색 로그 데이터베이스(240)로부터 특정 기간 동안의 복수의 검색어 및 복수의 검색어에 대한 정보를 수신할 수 있다.
검색 스코어 산출 모듈(410)은 각각의 로컬 검색어에 대한 검색 스코어를 산출할 수 있다. 검색 스코어는 로컬 검색어가 특정 지리적 영역의 일, 이슈, 관심사 등을 어느 정도 반영하는지 여부를 판단하기 위하여, 검색 횟수 및 검색 집중도를 이용하여 산출된 임의의 값일 수 있다. 먼저, 검색 스코어 산출 모듈(410)은 검색어가 특정 지리적 영역에서 집중적으로 검색된 정도를 나타내는 검색 집중도를 산출할 수 있다. 일 실시예에 따르면, 검색 집중도는 허쉬만-허핀달 지수(Hirschman-Herfindahl index, HHI)를 이용하여 산출될 수 있다. 허쉬만-허핀달 지수에 의한 검색 집중도는 검색어에 대한 특정 지역의 점유율을 제곱한 후, 제곱한 값을 합하여 산출될 수 있다. 검색 집중도에 해당하는 값이 높을수록 해당 검색어는 특정 지역에서 검색이 집중된 정도가 높다는 사실을 의미할 수 있다. 예를 들어, 검색어 '용인 맛집'이 용인에서 100번, 서초구에서 50번 검색된 경우, 검색어 '용인 맛집'의 검색 집중도는
Figure 112020092499593-pat00001
와 같이 산출될 수 있다. 다른 예에서, 검색어 '서울 맛집'이 용인에서 100번, 서초구에서 100번 검색된 경우, 검색어 '서울 맛집'의 검색 집중도는
Figure 112020092499593-pat00002
과 같이 산출될 수 있다. 즉, 특정 지리적 영역(여기서, 용인)에서의 검색 횟수가 높은 '용인 맛집'이 두 지리적 영역에서 동일하게 검색 횟수가 발생된 '서울 맛집'보다 특정 지역에서의 검색 집중도가 높을 수 있다.
그리고 나서, 검색 스코어 산출 모듈(410)은 산출된 검색 집중도와 특정 지리적 영역에서의 로컬 검색어의 검색 횟수를 기초로 검색 스코어를 산출할 수 있다. 일 실시예에 따르면, 검색 스코어 산출 모듈(410)은 산출된 검색 집중도와 검색 횟수를 표준화할 수 있다. 구체적으로, 검색 스코어 산출 모듈(410)은 복수의 지리적 영역의 각각에서 산출된 검색 집중도의 제1 표준 값을 산출하고, 복수의 지리적 영역의 각각에서 추출된 복수의 로컬 검색어의 검색 횟수의 제2 표준값을 산출할 수 있다. 그리고 나서, 검색 스코어 산출 모듈(410)은 산출된 제1 표준값 및 산출된 제2 표준값을 기초로, 복수의 지리적 영역의 각각에서 추출된 복수의 로컬 검색어에 대한 검색 스코어를 산출할 수 있다. 예를 들어, 동일한 지리적 영역에서 검색어 '용인 맛집'의 검색 집중도는 5510이고, '노원 맛집'의 검색 집중도는 4500인 경우, 검색어 '용인 맛집'의 검색 집중도는
Figure 112020092499593-pat00003
로 표준화되고, 검색어 '노원 맛집'의 검색 집중도는
Figure 112020092499593-pat00004
로 표준화될 수 있다. 이와 유사한 방식으로, 검색어 '용인 맛집'의 검색 횟수는 20이고, 검색어 '노원 맛집'의 검색 횟수는 40인 경우, 검색어 '용인 맛집'의 검색 횟수는
Figure 112020092499593-pat00005
로 표준화되고, 검색어 '노원 맛집'의 검색 횟수는
Figure 112020092499593-pat00006
로 표준화될 수 있다. 여기서, 검색 집중도와 검색 횟수를 표준화하기 위해 특정 수식을 이용하여 예시적으로 설명하였으나, 이에 한정되지 않으며, 검색 집중도와 검색 횟수를 표준화하여 표시할 수 있는 임의의 기법 또는 수식이 적용될 수 있다.
그리고 나서, 검색 스코어 산출 모듈(410)은 표준화된 검색 집중도 및 검색 횟수에 가중치를 적용함으로써, 검색 스코어를 산출할 수 있다. 예를 들어, 검색 집중도에 대한 가중치는 0.8이고, 검색 횟수에 대한 가중치는 0.2라고 가정할 경우, 검색어 '용인 맛집'의 최종 검색 스코어는
Figure 112020092499593-pat00007
과 같이 산출될 수 있다. 여기서, 검색 집중도 및 검색 횟수에 대한 가중치는 상이하게 설정될 수 있다. 이와 같이, 검색 스코어 산출 모듈(410)은 검색 집중도와 검색 횟수에 바로 가중치를 적용하지 않고, 유사한 범위의 값(예를 들어, -1 내지 1 범위 내의 값)으로 표준화하여 가중치를 적용함으로써, 검색 집중도 및 검색 횟수의 중요도를 정확히 반영한 검색 스코어를 산출할 수 있다. 이에 따라, 동일한 로컬 검색어라도 가중치 및 특정 지리적 영역에서의 검색 횟수에 따라 상이한 검색 스코어가 산출될 수 있다. 이와 같이, 검색 스코어를 산출하는 경우에, 검색 집중도와 검색 횟수를 모두 이용함으로써, 특정 지리적 영역에서 관심사 및/또는 이슈가 되고 있는 내용을 쉽게 확인할 수 있다.
다른 실시예에 따르면, 검색 스코어 산출 모듈(410)은 검색 로그 데이터베이스(240)에서 수신된 복수의 검색어를 동일 또는 유사한 형태, 의미, 이슈 등을 나타내거나 포함하는 검색어들을 복수의 클러스터로 클러스터링할 수 있다. 예를 들어, 검색 스코어 산출 모듈(410)은 복수의 지리적 영역의 각각에 대응하여 추출된 복수의 로컬 검색어를, 복수의 로컬 검색어 사이의 유사한 정도를 나타내는 검색 유사도에 기초하여, 복수의 클러스터로 클러스터링할 수 있다. 여기서, 검색 유사도는 각각의 검색어가 유사한 키워드를 포함하는지 여부, 검색어에 의해 출력되는 콘텐츠가 유사한지 여부, 유사한 카테고리에 속하는지 여부 등에 기초하여 산출될 수 있다. 이를 위해, 복수의 로컬 검색어는 미리 알려진 임의의 클러스터링 기법에 의해 복수의 클러스터로 클러스터링될 수 있는데, 예를 들어, k-means 클러스터링이 사용될 수 있으나, 이에 한정되지 않는다. 예를 들어, 검색 유사도는 검색어와 관련된 정보(예를 들어, 검색어의 카테고리, 키워드, 검색어와 연관된 콘텐츠 등)을 학습데이터로 하여, 검색어 간의 검색 유사도를 추정하도록 학습된 인공신경망 모델에 의해 산출될 수 있다.
그리고 나서, 검색 스코어 산출 모듈(410)은 복수의 클러스터의 각각에 포함된 로컬 검색어 중에서, 대표 로컬 검색어를 선택하고, 복수의 클러스터의 각각에 포함된 복수의 로컬 검색어의 검색 스코어를 기초로 복수의 클러스터 스코어를 산출할 수 있다. 일 실시예에 따르면, 대표 로컬 검색어는 해당 클러스터 내에서 임의의 기준을 기초로 선택될 수 있는데, 예를 들어, 검색 스코어가 가장 큰 로컬 검색어가 선택될 수 있으나, 이에 한정되지 않는다. 또한, 클러스터 스코어는 클러스터 내의 복수의 로컬 검색어의 검색 스코어를 모두 합산하여 산출될 수 있다. 다른 예에서, 클러스터 스코어는 클러스터 내의 복수의 로컬 검색어의 검색 스코어의 평균으로 산출될 수 있다. 그리고 나서, 검색 스코어 산출 모듈(410)은 복수의 클러스터 스코어 및 복수의 클러스터의 각각에서 선택된 대표 로컬 검색어를 이용하여, 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성할 수 있다. 즉, 검색 스코어 산출 모듈(410)은 로컬 검색어 각각의 검색 스코어를 산출하는 대신, 각 클러스터의 스코어를 산출하여, 로컬 검색어 리스트를 생성할 수 있다. 이와 같은 구성에 의해, 검색 스코어 산출 모듈(410)은 유사한 이슈를 나타내는 검색어들을 묶어 하나의 로컬 검색어를 생성할 수 있으므로, 보다 더 다양한 특정 지리적 영역의 이슈를 사용자들에게 제공할 수 있다.
일 실시예에 따르면, 정보 처리 시스템(230)은 특정 카테고리에 대응되는 로컬 검색어 리스트를 사용자에게 제공할 수 있다. 예를 들어, 카테고리는 검색어를 분류할 수 있는 임의의 테마 또는 클래스를 지칭할 수 있는데, 예를 들어, '맛집', '여행', '스포츠', '시사', '엔터' 등을 포함할 수 있으나, 이에 한정되지 않는다. 이 경우, 정보 처리 시스템(230)은 로컬 검색어를 카테고리에 따라 분류하고, 분류된 로컬 검색어 및 검색 스코어를 이용하여, 지리적 영역의 각각에서 카테고리에 따른 복수의 로컬 검색어 리스트를 생성할 수 있다.
이 경우, 정보 처리 시스템(230)은 먼저 각 로컬 검색어의 카테고리를 결정할 수 있다. 다시 말해, 카테고리 결정 모듈(420)은 각 로컬 검색어의 카테고리를 결정할 수 있다. 일 실시예에 따르면, 카테고리 결정 모듈(420)은 자연어 이해(Natural Language Understanding: NLU) 모델을 이용하여, 로컬 검색어의 각각에 대한 카테고리를 결정할 수 있다. 자연어 이해 모델은 입력된 검색어의 의미 등을 이해하고, 이해된 내용에 따라 검색어를 처리할 수 있는 임의의 수학적 또는 통계학적 모델을 지칭할 수 있다. 이러한 자연어 이해 모델은 형태학적 분석 모듈, 어휘 분석 모듈, 구문 분석 모듈, 의미 분석 모듈, 모호성 처리 모듈, 담화 통합 모듈 등을 포함할 수 있다. 카테고리 결정 모듈(420)은 자연어 이해 모델에 의해 로컬 검색어의 형태, 의미, 내용, 횟수의 변화, 다른 검색어와의 관계 등을 판단하고, 해당 로컬 검색어의 카테고리를 결정할 수 있다.
유사 검색어 추출 모듈(430)은 로컬 검색어에 대한 유사 검색어를 추출할 수 있다. 유사 검색어는 로컬 검색어와 유사한 형태, 내용 및/또는 이슈와 연관된 검색어일 수 있다0. 일 실시예에 따르면, 유사 검색어 추출 모듈(430)은 복수의 로컬 검색어를, 검색어 사이의 유사한 정도를 나타내는 검색 유사도에 기초하여, 복수의 클러스터로 클러스터링할 수 있다. 여기서, 복수의 로컬 검색어는 미리 알려진 임의의 클러스터링 기법에 의해 복수의 클러스터로 클러스터링될 수 있는데, 예를 들어, k-means 클러스터링이 사용될 수 있으나, 이에 한정되지 않는다. 예를 들어, 검색 유사도는 검색어와 관련된 정보(예를 들어, 검색어의 카테고리, 키워드, 검색어와 연관된 콘텐츠 등)을 학습데이터로 하여, 검색어 간의 검색 유사도를 추정하도록 학습된 인공신경망 모델에 의해 산출될 수 있다. 그러고 나서, 유사 검색어 추출 모듈(430)은 복수의 클러스터 중에서, 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어 중 적어도 하나를 포함하는 하나 이상의 클러스터를 추출하고, 하나 이상의 클러스터에 포함된 복수의 검색어 중 일부를 해당 로컬 검색어 리스트에 포함된 복수의 로컬 검색어 중 적어도 하나에 대한 유사 검색어로 결정하고, 결정된 유사 검색어를 로컬 검색어 리스트와 연관시킬 수 있다. 여기서, 유사 검색어 추출 모듈(430)은 로컬 검색어 리스트 내에 포함된 로컬 검색어의 각각과 검색 유사도가 높은 로컬 검색어를 해당 로컬 검색어의 유사 검색어로서 추출할 수 있다. 이와 달리, 유사 검색어 추출 모듈(430)은 복수의 검색어 사이의 검색 유사도에 기초하여 복수의 검색어들을 복수의 클러스터로 클러스터링할 수 있다. 그리고 나서, 로컬 검색어에 속한 클러스터 내에 포함된 검색어 중에서, 로컬 검색어에 대한 유사어가 추출될 수 있다.
도 4에서는, 검색 스코어 산출 모듈(410)이 클러스터 스코어를 산출하기 위하여, 복수의 로컬 검색어를 복수의 클러스터로 클러스터링하도록 구성되는 일 실시예를 기재하고, 다른 실시예로서, 유사 검색어 추출 모듈(430)이 유사 검색어를 추출하기 위해 복수의 로컬 검색어를 복수의 클러스터로 클러스터링할 수 있다고 기재하고 있으나, 이에 한정되지 않는다. 즉, 유사 검색어 추출 모듈(430)은 별도의 클러스터를 생성하지 않고, 검색 스코어 산출 모듈(410)에 의해 클러스터링된 복수의 클러스터를 사용할 수 있다. 이와 유사하게, 검색 스코어 산출 모듈(410)은 별도의 클러스터를 생성하지 않고, 유사 검색어 추출 모듈(430)에 의해 클러스터링된 복수의 클러스터를 사용할 수 있다.
도 4에서는, 검색 로그 데이터베이스(240)가 정보 처리 시스템(230)에 포함되지 않는 것으로 도시되었으나, 이에 한정되지 않는다. 일 실시예에 따르면, 정보 처리 시스템(230)은 검색 로그 데이터베이스(240) 또는 로컬 검색어가 저장된 로컬 검색어 데이터베이스(미도시)를 포함할 수 있다. 또한, 도 4에서는 정보 처리 시스템(230)의 구성을 각각의 기능별로 구분하여 설명하였으나, 반드시 구분되는 것을 의미하지 않는다. 예를 들어, 검색 스코어 산출 모듈(410), 카테고리 결정 모듈(420), 유사 검색어 추출 모듈(430)은 구분되어 상술되었으나, 이는 발명의 이해를 돕기 위한 것일 뿐이며, 정보 처리 시스템(230)에 설치된 하나의 연산 장치에서 둘 이상의 기능을 수행할 수도 있다. 또한, 도 4에서는 정보 처리 시스템(230)이 검색 스코어 산출 모듈(410), 카테고리 결정 모듈(420), 유사 검색어 추출 모듈(430)을 포함하는 것으로 도시되었으나, 복수의 로컬 검색어를 클러스터링하기 위한 클러스터링 모듈(미도시) 등이 더 포함될 수 있다. 이 때, 검색 스코어 산출 모듈(410) 및 유사 검색어 추출 모듈(430)은 별도의 클러스터를 생성할 필요 없이 클러스터링 모듈에서 생성된 클러스터들을 이용할 수 있다.
또한, 도 4에서는 검색 스코어 산출 모듈(410)이 -1에서 1 사이의 값으로 검색 집중도 및 검색 횟수를 표준화하는 것으로 상술되었으나, 이에 한정되지 않는다. 예를 들어, 검색 스코어 산출 모듈(410)는 검색 집중도 및 검색 횟수를 0에서 1 사이의 값으로 표준화할 수 있다. 이 경우, 값을 특정 범위의 값으로 표준화할 수 있는 임의의 수식이 사용될 수 있다.
도 5는 본 개시의 일 실시예에 따른 출력 데이터(530)를 산출하도록 학습된 인공신경망 모델(520)의 예시를 나타내는 도면이다. 도시된 바와 같이, 학습된 인공신경망 모델(520)은 입력 데이터(510)로부터 출력 데이터(530)를 산출할 수 있다. 일 실시예에 따르면, 인공신경망 모델(520)은 로컬 검색어에 대한 검색 스코어를 산출하도록 학습된 인공신경망 모델일 수 있으며, 이 경우, 출력 데이터(530)는 검색 스코어에 해당할 수 있다. 예를 들어, 도시된 바와 같이, 인공신경망 모델(520)은 입력 데이터(510)로부터, 로컬 검색어 각각의 검색 스코어를 출력하도록 학습될 수 있다. 입력 데이터(510)는 각 지리적 영역에서의 로컬 검색어의 검색 횟수, 검색 시각 등에 대한 정보 등을 포함할 수 있다. 즉, 인공신경망 모델(520)은 입력 데이터(510)로부터 각 지리적 영역에서 로컬 검색어에 대한 검색이 얼마나 집중적으로 수행되는지 여부에 따라 검색 스코어를 산출할 수 있다. 다시 말해, 검색 스코어는 특정 지리적 영역에서의 로컬 검색어의 검색 횟수를 입력하는 경우 검색 스코어를 추론하도록 학습된 인공신경망 모델(520)을 통해, 출력될 수 있다.
다른 실시예에 따르면, 인공신경망 모델(520)은 검색 집중도를 출력하도록 학습될 수 있다. 이 경우, 입력 데이터(510)는 특정 검색어의 지리적 영역별 검색 횟수, 검색 시각 등에 대한 정보를 포함할 수 있다. 또한, 출력 데이터(530)는 인공신경망 모델(520)에 의해 산출된 특정 검색어의 검색 집중도일 수 있다. 또 다른 실시예에 따르면, 인공신경망 모델(520)은 로컬 검색어에 대한 카테고리를 결정하도록 학습될 수 있다. 이 경우, 입력 데이터(510)는 검색어와 검색어의 유형 등에 대한 정보를 포함할 수 있다. 또한, 출력 데이터(530)는 인공신경망 모델(520)에 의해 산출된 로컬 검색어 각각에 대한 카테고리일 수 있다.
도 6은 본 개시의 일 실시예에 따라 검색어를 필터링하는 방법의 예시를 나타내는 흐름도이다. 검색어를 필터링하는 방법은 프로세서(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)가 로컬 검색어들을 수신함으로써 개시될 수 있다(S610). 도시된 바와 같이, 수신되는 로컬 검색어들을 필터링하여 특정 카테고리에 속하는 로컬 검색어가 제외된 로컬 검색어 리스트를 생성하기 위해, 프로세서는 복수의 필터링 단계(S620_1 내지 S620_n; n은 자연수임)를 수행할 수 있다. 예를 들어, 카테고리는 로컬 검색어의 테마, 유형, 클래스(class) 등과 같은 범주를 의미할 수 있다. 각 필터링 단계에서 특정 지리적 영역의 이슈와 관련된 검색어들을 추출하기 위해 다양한 필터링 기법/모듈이 사용될 수 있다.
일 실시예에 따르면, 필터링 단계(S620_1 내지 S620_n) 중 적어도 하나로서, 프로세서는 미리 결정된 카테고리에 기초하여 필터링을 수행할 수 있다. 즉, 프로세서는 복수의 로컬 검색어의 각각에 대한 카테고리를 결정하고, 복수의 로컬 검색어 중에서, 미리 결정된 카테고리에 속하는 하나 이상의 로컬 검색어를 선택할 수 있다. 그 후, 프로세서는 선택된 하나 이상의 로컬 검색어를 제외한 나머지 로컬 검색어의 검색 스코어를 이용하여, 로컬 검색어 리스트를 생성할 수 있다. 이 경우, 미리 결정된 카테고리는 성인 이슈를 나타내는 카테고리, 스팸 이슈를 나타내는 카테고리 등을 포함할 수 있다. 예를 들어, 로컬 검색어가 특정 회사의 광고 문구와 연관된 경우, 해당 로컬 검색어는 스팸 카테고리와 연관될 수 있고, 그 결과, 로컬 검색어 리스트에서 제외될 수 있다. 여기서, 미리 결정된 카테고리는 사용자에 의해 설정되거나, 주기적으로 업데이트될 수 있다.
일 실시예에 따르면, 프로세서는 자연어 이해(Natural Language Understanding: NLU) 모델을 이용하여, 로컬 검색어의 각각에 대한 카테고리를 결정할 수 있다. 자연어 이해 모델은 입력된 검색어의 의미 등을 이해하고, 이해된 내용에 따라 검색어를 처리할 수 있는 임의의 수학적 또는 통계적 모델을 지칭할 수 있다. 이러한 자연어 이해 모델은 형태학적 분석 모듈, 어휘 분석 모듈, 구문 분석 모듈, 의미 분석 모듈, 모호성 처리 모듈, 담화 통합 모듈 등을 포함할 수 있다. 프로세서는 자연어 이해 모델을 이용하여 각 로컬 검색어의 카테고리를 결정한 후, 특정 카테고리에 속하는 로컬 검색어를 제외하는 필터링을 수행할 수 있다.
일 실시예에 따르면, 따르면, 필터링 단계(S620_1 내지 S620_n) 중 하나로서, 프로세서는 로컬 검색어 중 특정 키워드를 포함하는 검색어를 제거할 수 있다. 구체적으로, 프로세서는 로컬 검색어 중 비속어 등을 포함하는 검색어를 제거하여 필터링을 통해 로컬 검색어 리스트를 생성할 수 있다.
도 6에서는 프로세서가 n번의 필터링을 수행하는 것으로 도시되었으나, 필터링 작업을 1번만 수행하는 것도 가능하다. 이 경우, 프로세서는 로컬 검색어를 필터링하도록 학습된 기계 학습 모델을 이용하여 수신된 로컬 검색어를 필터링할 수 있다. 이와 같은 구성에 의해, 지리적 영역의 이슈를 효과적으로 반영하지 못하거나, 지리적 영역과 관련이 없는 로컬 검색어를 제거하여 부적절한 로컬 검색어를 효율적으로 제외시킬 수 있다.
도 7은 본 개시의 일 실시예에 따라 로컬 검색어 리스트를 생성하는데 사용될 검색어를 추출하는 기간에 따라 로컬 검색어 리스트를 제공하는 예시를 나타내는 도면이다. 프로세서는 특정 기간 동안의 검색어를 추출하고, 추출된 검색어 중 일부를 이용하여 로컬 검색어 리스트를 생성할 수 있다. 일 실시예에 따르면, 프로세서는 복수의 검색어의 검색 시각에 대한 정보를 수신하고, 복수의 검색어의 검색 시각을 기초로, 복수의 검색어 중에서 특정 기간 동안에 검색된 일부 검색어를 추출할 수 있다. 그리고 나서, 프로세서는 추출된 일부 검색어를 복수의 지리적 영역으로 분류할 수 있다. 일 실시예에 따르면, 특정 기간은 미리 결정될 수 있다. 다시 말해, 특정 기간의 시점, 종점은 미리 결정될 수 있다. 예를 들어, 특정 기간은 사용자가 검색 애플리케이션, 웹 브라우저 등에 접속한 날, 하루 전, 이틀 전의 기간을 의미할 수 있다. 즉, 사용자가 검색 애플리케이션, 웹 브라우저 등에 5월 4일에 접속한 경우, 5월 4일의 로컬 검색어 리스트, 5월 3일의 로컬 검색어 리스트, 5월 2일의 로컬 검색어 리스트가 사용자에게 제공될 수 있다. 사용자는 사용자 인터페이스 상에 표시된 날짜를 적절히 선택하여, 원하는 날짜의 로컬 검색어 리스트를 제공받을 수 있다.
다른 실시예에 따르면, 특정 기간은 사용자의 선택에 의해 결정될 수 있다. 예를 들어, 로컬 검색어를 추출할 특정 기간에 대한 정보를 입력할 수 있는 기간 인터페이스(710)가 사용자에게 제공될 수 있다. 기간 인터페이스(710)는 날짜 및 시간을 선택할 수 있는 영역을 포함할 수 있다. 사용자가 기간 인터페이스(710) 상의 날짜 및 시간을 선택하는 경우, 프로세서는 사용자에 의해 선택된 날짜 및 시간에 대응되는 특정 기간에 대응하는 로컬 검색어 리스트를 추출할 수 있다. 이러한 추출된 로컬 검색어 리스트는 미리 생성되거나, 사용자의 요청 시 생성될 수 있다.
사용자가 로컬 검색어 리스트를 검색하거나 출력할 수 있는 인터페이스에 접속하는 경우, 프로세서는 사용자가 사용하는 사용자 단말의 로그 정보 등을 이용하여 사용자 단말의 위치를 결정하고, 결정된 위치가 속하는 지리적 영역을 자동적으로 인터페이스 내의 입력창에 표시할 수 있다. 예를 들어, 도 7에 도시된 바와 같이, 이러한 인터페이스에 접속하는 사용자 단말이 경기도 용인시 처인구의 어느 위치에 있는 경우, 이러한 인터페이스의 입력창에는 '경기도 용인시 처인구'라고 자동적으로 표시되어 사용자에게 제공될 수 있다.
도 7에서는 사용자의 검색 애플리케이션, 웹 브라우저 등에 대한 접속 시점에 따라, 특정 날짜의 로컬 검색어 리스트가 사용자에게 제공되는 것으로 도시되었으나, 이에 한정되지 않는다. 일 실시예에 따르면, 사용자는 특정 날짜 및 특정 시간을 사용자 인터페이스 상에 직접 입력하여, 해당하는 날짜 및 시간의 로컬 검색어 리스트를 제공받을 수 있다. 이와 같은 구성에 의해, 사용자는 원하는 기간 동안의 로컬 검색어 리스트를 간단한 동작으로 쉽게 제공받을 수 있고, 그에 따라 특정 지리적 영역의 날짜/시간 별 이슈를 한눈에 손쉽게 파악할 수 있다.
도 8은 로컬 검색어 리스트에 포함된 로컬 검색어와 관련된 유사 검색어(810)가 로컬 검색어 리스트와 함께 제공되는 예시를 나타내는 도면이다. 도시된 바와 같이, 프로세서는 로컬 검색어 리스트와 함께 각 로컬 검색어와 관련된 유사 검색어(810)를 사용자에게 제공할 수 있다. 즉, 프로세서는 로컬 검색어 리스트 내의 각 로컬 검색어의 유사 검색어(810)를 추출하고, 추출된 유사 검색어(810)를 로컬 검색어 리스트와 함께 사용자 단말로 전송할 수 있다. 일 실시예에 따르면, 프로세서는 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어에 대한 복수의 유사 검색어를 복수의 로컬 검색어 리스트와 연관시킬 수 있다. 유사 검색어는 로컬 검색어와 유사한 형태, 내용, 이슈와 관련된 검색어일 수 있다. 예를 들어, 도시된 바와 같이, 검색어 '용인 아파트'의 유사 검색어는 '아파트 가격'일 수 있고, '용인 여행'의 유사 검색어는 '여행지 추천'일 수 있다.
일 실시예에 따르면, 유사 검색어는 검색 로그 데이터베이스로부터 수신된 검색어들을 클러스터링하여 추출될 수 있다. 여기서, 검색어는 복수의 지리적 영역의 각각에 대응하여 추출된 복수의 로컬 검색어를 지칭할 수 있다. 이와 달리, 검색어는 정보 처리 시스템으로 수신된 모든 검색어를 지칭할 수 있다. 클러스터링은 검색어들의 의미 또는 연관 콘텐츠의 유사성에 기초하여 검색어들을 하나 이상의 그룹으로 분류하는 방법을 의미할 수 있다. 즉, 프로세서는 검색 로그 데이터베이스로부터 수신된 복수의 검색어 중 유사한 검색어를 동일한 그룹으로 클러스터링할 수 있다. 그 후, 프로세서는 클러스터링된 검색어 중 하나가 로컬 검색어 리스트로 추출될 경우, 로컬 검색어 리스트 내의 로컬 검색어와 동일한 그룹으로 클러스터링된 검색어 중 일부를 유사 검색어로 결정할 수 있다. 구체적으로, 프로세서는 추출된 복수의 로컬 검색어를, 검색어 사이의 유사한 정도를 나타내는 검색 유사도에 기초하여, 복수의 클러스터로 클러스터링할 수 있다. 그리고 나서, 프로세서는 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어에 대한 복수의 유사 검색어를 복수의 로컬 검색어 리스트와 연관시킬 수 있다. 그리고 나서, 프로세서는 복수의 클러스터 중에서 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어 중 적어도 하나를 포함하는 하나 이상의 클러스터를 추출하고, 추출된 하나 이상의 클러스터에 포함된 복수의 검색어 중 적어도 일부를 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어 중 적어도 하나에 대한 복수의 유사 검색어로 결정할 수 있다. 마지막으로, 프로세서는 결정된 복수의 유사 검색어를 복수의 로컬 검색어 리스트와 연관시킬 수 있다. 즉, 로컬 검색어에 대한 유사 검색어는 유사한 의미를 갖거나 유사한 콘텐츠 또는 이슈와 연관될 수 있다. 도시된 바와 같이, 특정 기간에서의 '경기도 용인시 처인구'에 대응하는 특정 지리적 영역에 대응하는 로컬 검색어 리스트에 포함된 로컬 검색어에 대한 유사 검색어(810)이 함께 표시될 수 있다.
다른 실시예에 따르면, 유사 검색어(810)는 미리 결정된 알고리즘에 의해 추출될 수 있다. 예를 들어, 미리 결정된 알고리즘은 로컬 검색어에 대응되는 뉴스 콘텐츠, 이미지 콘텐츠, 영상 콘텐츠 등에 반복적으로 포함되는 키워드를 추출하기 위한 알고리즘일 수 있다. 즉, 프로세서는 미리 결정된 알고리즘을 이용하여, 로컬 검색어에 대응되는 뉴스 콘텐츠, 이미지 콘텐츠, 영상 콘텐츠 등으로부터 유사 검색어를 추출하고, 로컬 검색어 리스트와 함께 사용자에게 제공할 수 있다. 예를 들어, 검색어 '용인 oo음식점'과 연관된 뉴스 콘텐츠, 이미지 콘텐츠, 영상 콘텐츠 등에서 'oo음식점 후기'가 반복적으로 포함되는 경우, 'oo음식점 후기'가 검색어 '용인 oo음식점'의 유사 검색어로 결정될 수 있다.
또 다른 실시예에 따르면, 유사 검색어(810)는 다양한 정보에 기초하여 유사 검색어(810)를 추출하도록 학습된 인공신경망에 의해 추출될 수 있다. 예를 들어, 인공신경망은 특정 지리적 영역에서 검색 횟수가 많은 로컬 검색어, 로컬 검색어의 카테고리, 로컬 검색어와 연관된 콘텐츠 등으로부터 로컬 검색어의 유사 검색어(810)를 추론하도록 학습될 수 있다. 이와 같이 학습된 인공신경망은 로컬 검색어와 연관된 다양한 입력데이터를 이용하여 정합성 높은 유사 검색어(810)를 추출할 수 있다.
도 8에서는 클러스터링을 이용하는 방법, 미리 결정된 알고리즘을 이용하는 방법, 학습된 인공신경망을 이용하는 방법 등이 로컬 검색어 리스트의 유사 검색어(810)를 추출하기 위하여 개별적으로 사용되는 것으로 상술되었으나, 이에 한정되지 않는다. 일 실시예에 따르면, 클러스터링을 이용하는 방법, 미리 결정된 알고리즘을 이용하는 방법, 학습된 인공신경망을 이용하는 방법 중 2 이상의 방법을 조합하여 유사 검색어(810)를 추출할 수 있다. 다른 실시예에 따르면, 유사 검색어(810)는 특정 데이터와 연관된 데이터를 추출하기 위한 미리 알려진 임의의 기법이나 기술이 적용될 수 있다. 이와 같은 구성에 의해, 사용자는 특정 지역에서 로컬 검색어의 검색 횟수가 많은 이유, 연관 이슈 등을 해당 로컬 검색어 또는 연관 검색어를 통해 검색해보지 않고도 파악할 수 있다.
도 9는 본 개시의 일 실시예에 따라 로컬 검색어의 검색어 유형(910)이 로컬 검색어 리스트와 함께 제공되는 예시를 나타내는 도면이다. 도시된 바와 같이, 프로세서는 로컬 검색어 리스트와 함께 각 로컬 검색어의 유형을 나타내는 검색어 유형(910)을 사용자에게 제공할 수 있다. 검색어 유형(910)은 특정 기간에 대응하는 로컬 검색어 리스트에 포함된 복수의 로컬 검색어 중 적어도 일부 로컬 검색어에 대한 검색 스코어의 변화 또는 순위의 변화 중 적어도 하나를 기초로, 결정될 수 있다. 예를 들어, 특정 로컬 검색어가 미리 정해진 기간(예를 들어, 하루, 이틀, 일주일 등) 동안 연속해서 로컬 검색어 리스트에 포함되면, 해당 로컬 검색어는 검색어 유형(910) 중 '스테디(steady)' 유형에 해당할 수 있다. 다른 예에서, 특정 로컬 검색어가 특정 기간에 대응하는 로컬 검색어 리스트에 처음 포함된 경우, 해당 로컬 검색어는 검색어 유형(910) 중 '신규(new)' 유형에 해당할 수 있다. 또 다른 예에서, 특정 로컬 검색어의 로컬 검색어 리스트 내의 순위가 급상승한 경우에는, 해당 로컬 검색어는 검색어 유형(910) 중 '이슈(issue)' 유형에 해당할 수 있다. 이러한 스테디 유형, 신규 유형, 이슈 유형의 각각은 상이한 모양의 아이콘(예를 들어, 도시된 바와 같이, 직선 화살표 아이콘, 위로 향하는 꺾은선 화살표 아이콘, new 아이콘 등)으로 디스플레이 상에 표시될 수 있다.
일 실시예에 따르면, 프로세서는 특정 지리적 영역의 특정 기간("제1 기간")에 대응하는 로컬 검색어 리스트를 추출하고, 특정 지리적 영역의 이전 특정 기간("제2 기간")에 대응하는 로컬 검색어 리스트를 추출할 수 있다. 그리고 나서, 프로세서는 제2 기간에 대응하는 로컬 검색어 리스트와 제1 기간에 대응하는 로컬 검색어 리스트를 비교하여, 제1 기간에 대응하는 로컬 검색어 리스트에 포함된 로컬 검색어 각각의 검색어 유형을 결정할 수 있다. 그리고 나서, 프로세서는 결정된 로컬 검색어 각각의 검색어 유형을 제1 기간의 로컬 검색어 리스트와 함께 사용자에게 제공할 수 있다. 이 경우, 로컬 검색어 각각의 검색어 유형은 제1 기간에 대응하는 로컬 검색어 리스트에 포함된 로컬 검색어 각각의 검색 스코어의 변화 또는 순위의 변화 중 적어도 하나를 기초로 결정될 수 있다. 예를 들어, 프로세서는 특정 로컬 검색어의 검색 스코어가 증가함에 따라, 로컬 검색어 리스트 내의 순위가 변경된 경우에는, 해당 로컬 검색어의 검색어 유형을 '이슈' 유형으로 결정할 수 있다. 여기서, 제1 기간 및 제2 기간은 동일한 크기의 기간(예를 들어, 1일, 1시간 등)일 수 있다. 이와 달리, 제1 기간 및 제2 기간은 상이한 크기의 기간(예를 들어, 제1 기간은 1일, 제2 기간은 이전 2일)일 수 있다. 또는 제2 기간은 제1 기간의 크기의 n 배수(n은 자연수)의 크기일 수 있다.
도 9에서는 3개의 서로 다른 검색어 유형(910)이 표시되는 것으로 상술되었으나, 이에 한정되지 않는다. 예를 들어, 특정 로컬 검색어의 로컬 검색어 리스트 내의 순위가 하락한 경우, 순위의 하락을 나타내는 별도의 아이콘이 검색어 유형으로서 디스플레이 상에 표시될 수 있다. 예를 들어, 이러한 유형은 아래로 향하는 꺾은선 화살표 아이콘으로 표시될 수 있다. 또한, 도 9에서는 모든 로컬 검색어에 대응하여 하나의 검색어 유형(910)이 표시되는 것으로 도시되었으나, 이에 한정되지 않는다. 예를 들어, 로컬 검색어에 대응되는 검색어 유형이 존재하지 않는 경우, 검색어 유형을 나타내는 아이콘이 표시되지 않을 수 있다. 이러한 구성 하에서, 사용자는 로컬 검색어 리스트와 함께 제공된 검색어 유형(910)을 보고 특정 로컬 검색어가 나타내는 이슈가 꾸준히 지속된 것인지 여부, 이슈가 단기간에 급상승했는지 여부 등을 손쉽게 파악할 수 있다.
도 10은 본 개시의 일 실시예에 따라 선택된 카테고리에 대응하는 로컬 검색어 리스트가 제공되는 예시를 나타내는 도면이다. 도시된 바와 같이, 프로세서는 로컬 검색어를 카테고리에 따라 분류할 수 있는 카테고리 인터페이스(1010)를 사용자에게 제공할 수 있다. 카테고리 인터페이스(1010)는 로컬 검색어를 분류할 수 있는 복수의 세부 카테고리를 포함할 수 있다. 사용자는 카테고리 인터페이스(1010)에 포함된 세부 카테고리에 대한 정보를 입력하거나 변경하여, 원하는 해당 카테고리와 연관된 로컬 검색어 리스트를 요청할 수 있다. 이 경우, 로컬 검색어의 카테고리는 로컬 검색어에 대응하는 범주, 클래스 등을 의미할 수 있다. 예를 들어, 사용자가 여행 카테고리를 선택하는 경우, 로컬 검색어 중 여행과 관련된 로컬 검색어가 로컬 검색어 리스트에 포함될 수 있다.
일 실시예에 따르면, 프로세서는 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 복수의 카테고리로 분류하고, 복수의 카테고리로 분류된 복수의 로컬 검색어 및 복수의 로컬 검색어에 대한 검색 스코어를 이용하여, 복수의 지리적 영역의 각각에서 복수의 카테고리에 대한 복수의 로컬 검색어 리스트를 생성할 수 있다. 즉, 동일한 지리적 영역에서 카테고리에 따른 복수의 로컬 검색어 리스트가 존재할 수 있다. 여기서, 복수의 로컬 검색어에 각각에 대한 카테고리는 자연어 이해(Natural Language Understanding: NLU) 모델을 이용하여 결정될 수 있다. 프로세서는 결정된 카테고리를 이용하여, 복수의 로컬 검색어를 복수의 카테고리 중 하나의 카테고리로 분류할 수 있다. 그리고 나서, 사용자로부터 특정 지리적 영역에서 특정 카테고리에 대응하는 로컬 검색어 리스트에 대한 요청을 수신하는 경우, 프로세서는 복수의 카테고리에 대한 복수의 로컬 검색어 리스트 중에서, 특정 지리적 영역 및 특정 카테고리에 대응하는 로컬 검색어 리스트를 추출하여 사용자에게 제공할 수 있다.
도 10에서는 로컬 검색어 리스트의 카테고리로 '전체' 카테고리, '여행' 카테고리, '맛집' 카테고리가 카테고리 인터페이스(1010)에 포함되는 것으로 도시되었으나, 이에 한정되지 않으며, 임의의 테마, 범주 및/또는 클래스를 나타내는 카테고리가 표시될 수 있다. 예를 들어, 카테고리 인터페이스(1010)는 '스포츠' 카테고리, '시사' 카테고리 등을 더 포함할 수 있다. 이러한 구성 하에서, 사용자는 특정 지리적 영역 내의 분야/이슈 중 사용자가 관심있는 분야/이슈와 연관된 카테고리를 선택하여, 해당 사용자에 최적화된 로컬 검색어 리스트를 제공받을 수 있다.
도 11은 본 개시의 일 실시예에 따른 위치 기반의 로컬 검색어 제공 방법(1100)을 나타내는 흐름도이다. 일 실시예에 따르면, 로컬 검색어 제공 방법(1100)은 정보 처리 시스템(예를 들어, 정보 처리 시스템의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 도시된 바와 같이, 로컬 검색어 제공 방법(1100)은 프로세서가 복수의 검색어 및 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신함으로써 개시될 수 있다(S1110). 추가적으로 또는 대안적으로, 프로세서는 복수의 검색어의 검색 시각에 대한 정보를 수신할 수 있다.
그 후, 프로세서는 복수의 검색어와 연관된 위치 정보 및 복수의 지리적 영역에 기초하여, 복수의 검색어를 복수의 지리적 영역으로 분류할 수 있다(S1120). 이 경우, 프로세서는 미리 정해진 복수의 지리적 영역 중 복수의 검색어와 연관된 위치 정보와 대응되는 각각의 지리적 영역을 결정하고, 결정된 지리적 영역에 기초하여, 복수의 검색어를 지리적 영역 별로 분류할 수 있다. 일 실시예에 따르면, 프로세서는 복수의 검색어의 검색 시각을 기초로, 복수의 검색어 중에서 특정 기간 동안에 검색된 일부 검색어를 추출하고, 추출된 일부 검색어를 복수의 지리적 영역으로 분류할 수 있다. 추가적으로 또는 대안적으로, 프로세서는 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 복수의 카테고리로 분류할 수 있다.
프로세서는 분류된 복수의 검색어 중에서, 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출할 수 있다(S1130). 이 경우, 프로세서는 분류된 복수의 검색어 중에서, 분류된 복수의 검색어의 검색 횟수가 미리 결정된 횟수 이상인 일부 검색어를 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어로서 추출할 수 있다. 그리고 나서, 프로세서는 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출할 수 있다(S1140). 일 실시예에 따르면, 프로세서는 복수의 로컬 검색어의 검색 횟수를 기초로, 복수의 지리적 영역의 각각에 대한 검색 집중도를 산출하고, 산출된 검색 집중도 및 복수의 로컬 검색어의 검색 횟수를 이용하여, 복수의 로컬 검색어의 각각에 대한 검색 스코어를 산출할 수 있다.
검색 스코어를 산출한 후, 프로세서는 산출된 복수의 검색 스코어를 이용하여 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성할 수 있다(S1150). 이 경우, 프로세서는 산출된 검색 스코어가 높은 순서에 기초하여, 미리 결정된 순서 내에 포함된 복수의 로컬 검색어를 복수의 로컬 검색어 리스트로 추출할 수 있다. 일 실시예에 따르면, 프로세서는 복수의 카테고리로 분류된 복수의 로컬 검색어 및 복수의 로컬 검색어에 대한 검색 스코어를 이용하여, 복수의 지리적 영역의 각각에서 복수의 카테고리에 대한 복수의 로컬 검색어 리스트를 생성할 수 있다.
상술한 위치 기반의 로컬 검색어 제공 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
110: 사용자 120: 사용자 단말
130: 로컬 검색어 리스트

Claims (20)

  1. 적어도 하나의 프로세서에 의해 수행되는, 위치 기반의 로컬 검색어 제공 방법에 있어서,
    복수의 검색어 및 상기 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신하는 단계;
    상기 복수의 검색어와 연관된 위치 정보 및 복수의 지리적 영역에 기초하여, 상기 복수의 검색어를 상기 복수의 지리적 영역으로 분류하는 단계;
    상기 분류된 복수의 검색어 중에서, 상기 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출하는 단계;
    특정 지역에서 검색이 집중된 정도를 반영하는 검색 집중도를 이용하여, 상기 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출하는 단계; 및
    상기 산출된 복수의 검색 스코어를 이용하여 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  2. 제1항에 있어서,
    상기 복수의 검색어 및 상기 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신하는 단계는, 상기 복수의 검색어의 검색 시각에 대한 정보를 수신하는 단계를 포함하고,
    상기 복수의 검색어와 연관된 위치 정보 및 복수의 지리적 영역에 기초하여, 상기 복수의 검색어를 상기 복수의 지리적 영역으로 분류하는 단계는,
    상기 복수의 검색어의 검색 시각을 기초로, 상기 복수의 검색어 중에서 특정 기간 동안에 검색된 일부 검색어를 추출하는 단계; 및
    상기 추출된 일부 검색어를 상기 복수의 지리적 영역으로 분류하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  3. 제1항에 있어서,
    사용자 단말로부터 특정 지리적 영역의 로컬 검색어 리스트에 대한 요청을 수신하는 단계;
    상기 요청을 수신하는 단계에 응답하여, 상기 생성된 복수의 로컬 검색어 리스트 중에서, 상기 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하는 단계; 및
    상기 추출된 로컬 검색어 리스트를 상기 사용자 단말로 제공하는 단계
    를 더 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  4. 제3항에 있어서,
    상기 사용자 단말로부터 특정 지리적 영역의 로컬 검색어 리스트에 대한 요청을 수신하는 단계는, 상기 로컬 검색어 리스트에 대한 요청 시 상기 사용자 단말의 위치를 수신하는 단계를 포함하고,
    상기 생성된 복수의 로컬 검색어 리스트 중에서, 상기 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하는 단계는, 상기 사용자 단말의 위치가 속하는 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  5. 제3항에 있어서,
    상기 산출된 복수의 검색 스코어를 이용하여 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계는,
    상기 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 복수의 카테고리로 분류하는 단계; 및
    상기 복수의 카테고리로 분류된 복수의 로컬 검색어 및 상기 복수의 로컬 검색어에 대한 검색 스코어를 이용하여, 상기 복수의 지리적 영역의 각각에서 상기 복수의 카테고리에 대한 복수의 로컬 검색어 리스트를 생성하는 단계
    를 포함하고,
    상기 사용자 단말로부터 특정 지리적 영역의 로컬 검색어 리스트에 대한 요청을 수신하는 단계는, 상기 사용자 단말로부터 상기 특정 지리적 영역에서 특정 카테고리에 대응하는 로컬 검색어 리스트에 대한 요청을 수신하는 단계를 포함하고,
    상기 생성된 복수의 로컬 검색어 리스트 중에서, 상기 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하는 단계는, 상기 복수의 카테고리에 대한 복수의 로컬 검색어 리스트 중에서 상기 특정 지리적 영역 및 상기 특정 카테고리에 대응하는 로컬 검색어 리스트를 추출하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  6. 제5항에 있어서,
    상기 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 복수의 카테고리로 분류하는 단계는,
    자연어 이해(Natural Language Understanding: NLU) 모델을 이용하여, 상기 추출된 복수의 로컬 검색어의 각각에 대한 카테고리를 결정하는 단계; 및
    상기 결정된 카테고리를 이용하여, 상기 복수의 로컬 검색어를 상기 복수의 카테고리 중 하나의 카테고리로 분류하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  7. 제3항에 있어서,
    상기 사용자 단말로부터 특정 지리적 영역의 로컬 검색어 리스트에 대한 요청을 수신하는 단계는, 상기 사용자 단말로부터 특정 지리적 영역의 특정 기간에서의 로컬 검색어 리스트에 대한 요청을 수신하는 단계를 포함하고,
    상기 생성된 복수의 로컬 검색어 리스트 중에서, 상기 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하는 단계는, 상기 특정 지리적 영역의 특정 기간에 대응하는 로컬 검색어 리스트를 추출하는 단계를 포함하고,
    상기 방법은,
    이전 특정 기간에서의 상기 특정 지리적 영역에 대응하는 로컬 검색어 리스트를 추출하는 단계; 및
    상기 이전 특정 기간에 대응하는 로컬 검색어 리스트와 상기 특정 기간에 대응하는 로컬 검색어 리스트를 비교하여, 상기 특정 기간에 대응하는 로컬 검색어 리스트에 포함된 로컬 검색어 각각의 검색어 유형을 결정하는 단계를 더 포함하고,
    상기 추출된 로컬 검색어 리스트를 상기 사용자 단말로 제공하는 단계는, 상기 결정된 로컬 검색어 각각의 검색어 유형을 상기 특정 기간에 대응하는 로컬 검색어 리스트와 함께 상기 사용자 단말로 제공하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  8. 제7항에 있어서,
    상기 특정 기간에 대응하는 로컬 검색어 리스트에 포함된 로컬 검색어 각각의 검색어 유형을 결정하는 단계는, 상기 이전 특정 기간에 대응하는 로컬 검색 리스트와의 비교 시, 상기 특정 기간에 대응하는 로컬 검색어 리스트에 포함된 로컬 검색어 각각의 검색 스코어의 변화 또는 순위의 변화 중 적어도 하나를 기초로, 상기 로컬 검색어 각각의 검색어 유형을 결정하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  9. 제1항에 있어서,
    상기 분류된 복수의 검색어 중에서, 상기 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출하는 단계는, 상기 분류된 복수의 검색어 중에서, 상기 분류된 복수의 검색어의 검색 횟수가 미리 결정된 횟수 이상인 검색어를 상기 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어로서 추출하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  10. 제1항에 있어서,
    상기 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출하는 단계는,
    상기 복수의 로컬 검색어의 검색 횟수를 기초로, 상기 복수의 로컬 검색어의 각각에 대한 검색 집중도를 산출하는 단계;
    상기 산출된 검색 집중도 및 상기 추출된 복수의 로컬 검색어의 검색 횟수를 이용하여, 상기 복수의 지리적 영역의 각각에서 상기 복수의 로컬 검색어에 대한 검색 스코어를 산출하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  11. 제10항에 있어서,
    상기 산출된 검색 집중도 및 상기 복수의 로컬 검색어의 검색 횟수를 이용하여, 상기 추출된 복수의 로컬 검색어의 각각에 대한 검색 스코어를 산출하는 단계는,
    상기 복수의 지리적 영역의 각각에서 상기 산출된 검색 집중도의 제1 표준 값을 산출하는 단계;
    상기 복수의 지리적 영역의 각각에서 상기 추출된 복수의 로컬 검색어의 검색 횟수의 제2 표준값을 산출하는 단계; 및
    상기 산출된 제1 표준값 및 상기 산출된 제2 표준값을 기초로, 상기 복수의 지리적 영역의 각각에서 상기 추출된 복수의 로컬 검색어에 대한 검색 스코어를 산출하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  12. 제1항에 있어서,
    상기 산출된 복수의 검색 스코어를 이용하여 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계는,
    상기 추출된 복수의 로컬 검색어의 각각에 대한 카테고리를 결정하는 단계;
    상기 복수의 로컬 검색어 중에서, 미리 결정된 카테고리에 속하는 하나 이상의 로컬 검색어를 선택하는 단계; 및
    상기 추출된 복수의 로컬 검색어 중에서, 상기 선택된 하나 이상의 로컬 검색어를 제외한 나머지 로컬 검색어에 대한 검색 스코어를 이용하여, 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  13. 제12항에 있어서,
    상기 추출된 복수의 로컬 검색어의 각각에 대한 카테고리를 결정하는 단계는, 자연어 이해 모델을 이용하여, 상기 복수의 지리적 영역으로 분류된 복수의 로컬 검색어의 각각에 대한 카테고리를 결정하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  14. 제1항에 있어서,
    상기 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어에 대한 복수의 유사 검색어를 상기 복수의 로컬 검색어 리스트의 각각과 연관시키는 단계
    를 더 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  15. 제14항에 있어서,
    상기 추출된 복수의 로컬 검색어를, 검색어 사이의 유사한 정도를 나타내는 검색 유사도에 기초하여, 복수의 클러스터로 클러스터링하는 단계를 더 포함하고,
    상기 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어에 대한 복수의 유사 검색어를 상기 복수의 로컬 검색어 리스트의 각각과 연관시키는 단계는,
    상기 복수의 클러스터 중에서, 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어 중 적어도 하나를 포함하는 하나 이상의 클러스터를 추출하는 단계;
    상기 추출된 하나 이상의 클러스터에 포함된 복수의 검색어 중 적어도 일부를 상기 복수의 로컬 검색어 리스트의 각각에 포함된 복수의 로컬 검색어 중 적어도 하나에 대한 복수의 유사 검색어로 결정하는 단계; 및
    상기 결정된 복수의 유사 검색어를 상기 복수의 로컬 검색어 리스트와 연관시키는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  16. 제1항에 있어서,
    상기 추출된 복수의 로컬 검색어를, 상기 복수의 로컬 검색어 사이의 유사한 정도를 나타내는 검색 유사도에 기초하여, 복수의 클러스터로 클러스터링하는 단계를 더 포함하고,
    상기 산출된 복수의 검색 스코어를 이용하여 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계는,
    상기 복수의 클러스터의 각각에 포함된 로컬 검색어 중에서, 대표 로컬 검색어를 선택하는 단계;
    상기 복수의 클러스터의 각각에 포함된 복수의 로컬 검색어의 검색 스코어를 기초로 복수의 클러스터 스코어를 산출하는 단계; 및
    상기 복수의 클러스터 스코어 및 상기 복수의 클러스터의 각각에서 선택된 대표 로컬 검색어를 이용하여, 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  17. 제1항에 있어서,
    상기 복수의 검색어를 상기 복수의 지리적 영역으로 분류하는 단계는,
    미리 정해진 복수의 지리적 영역 중 상기 복수의 검색어의 각각과 연관된 위치 정보와 대응되는 지리적 영역을 결정하는 단계; 및
    상기 복수의 검색어의 각각을 상기 결정된 지리적 영역에 속하도록 분류하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  18. 제1항에 있어서,
    상기 산출된 복수의 검색 스코어를 이용하여 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하는 단계는,
    상기 산출된 검색 스코어의 순위(rank)에 기초하여, 상기 복수의 지리적 영역의 각각에서 미리 결정된 순위에 포함된 로컬 검색어를 결정하는 단계;
    상기 복수의 지리적 영역의 각각에서 상기 결정된 로컬 검색어를 포함한 로컬 검색어 리스트를 생성하는 단계
    를 포함하는, 위치 기반의 로컬 검색어 제공 방법.
  19. 제1항 내지 제18항 중 어느 한 항에 따른 위치 기반의 로컬 검색어 제공 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
  20. 위치 기반의 로컬 검색어 제공 시스템으로서,
    복수의 검색어 및 상기 복수의 검색어와 연관된 위치 정보를 포함하는 복수의 검색어에 대한 정보를 수신하도록 구성된 통신 모듈;
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    상기 복수의 검색어와 연관된 위치 정보 및 복수의 지리적 영역에 기초하여, 상기 복수의 검색어를 상기 복수의 지리적 영역으로 분류하고, 상기 분류된 복수의 검색어 중에서, 상기 복수의 지리적 영역의 각각에 대응하는 복수의 로컬 검색어를 추출하고, 특정 지역에서 검색이 집중된 정도를 반영하는 검색 집중도를 이용하여, 상기 추출된 복수의 로컬 검색어에 대한 복수의 검색 스코어를 산출하고, 상기 산출된 복수의 검색 스코어를 이용하여 상기 복수의 지리적 영역에 대한 복수의 로컬 검색어 리스트를 생성하기 위한 명령어들을 포함하는, 위치 기반의 로컬 검색어 제공 시스템.
KR1020200111253A 2020-09-01 2020-09-01 위치 기반의 로컬 검색어 제공 방법 및 시스템 KR102405896B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200111253A KR102405896B1 (ko) 2020-09-01 2020-09-01 위치 기반의 로컬 검색어 제공 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200111253A KR102405896B1 (ko) 2020-09-01 2020-09-01 위치 기반의 로컬 검색어 제공 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20220029217A KR20220029217A (ko) 2022-03-08
KR102405896B1 true KR102405896B1 (ko) 2022-06-08

Family

ID=80813215

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200111253A KR102405896B1 (ko) 2020-09-01 2020-09-01 위치 기반의 로컬 검색어 제공 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102405896B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102463550B1 (ko) * 2022-03-29 2022-11-04 주식회사 당근마켓 지역 기반 추천 서비스를 제공하는 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101485940B1 (ko) * 2013-08-23 2015-01-27 네이버 주식회사 시멘틱 뎁스 구조 기반의 검색어 제시 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100785754B1 (ko) * 2006-03-22 2007-12-18 엔에이치엔(주) 지역별 실시간 키워드 순위 결정 방법 및 지역별 실시간키워드 순위 결정 시스템
KR101932895B1 (ko) * 2018-11-19 2018-12-26 주식회사 엘지유플러스 사용자 위치 기반의 검색 정보 제공 방법 및 그 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101485940B1 (ko) * 2013-08-23 2015-01-27 네이버 주식회사 시멘틱 뎁스 구조 기반의 검색어 제시 시스템 및 방법

Also Published As

Publication number Publication date
KR20220029217A (ko) 2022-03-08

Similar Documents

Publication Publication Date Title
WO2021139701A1 (zh) 一种应用推荐方法、装置、存储介质及电子设备
CN111279328B (zh) 预测对于特定场境的搜索的意图
KR101916798B1 (ko) 검색 컨텍스트를 이용한 질의 추천 방법 및 시스템
CN105701254B (zh) 一种信息处理方法和装置、一种用于信息处理的装置
US20180052824A1 (en) Task identification and completion based on natural language query
US20210064827A1 (en) Adjusting chatbot conversation to user personality and mood
US20170103072A1 (en) Generating Image Tags
KR20120040160A (ko) 검색 결과들 내의 컴퓨터 어플리케이션 데이터
US10242114B2 (en) Point of interest tagging from social feeds
US20210133271A1 (en) Uniform resource identifier encoding
US10380124B2 (en) Searching data sets
KR102400995B1 (ko) 쇼핑 검색을 위한 상품 속성 추출 방법
US9418076B2 (en) System and method for determining interests from location data
US20190332621A1 (en) Personnel selecting device, personnel selecting system, personnel selecting method, and recording medium
US20180357306A1 (en) Increasing use and trust in intelligent systems
EP2973249A2 (en) Contextual socially aware local search
KR101873339B1 (ko) 관심사 및 콘텐츠를 제공하는 방법 및 시스템
KR20220052581A (ko) 검색 질의의 의도를 반영한 검색 결과 제공 방법 및 시스템
US20170249325A1 (en) Proactive favorite leisure interest identification for personalized experiences
KR101747532B1 (ko) 여행성 질의에 대응하는 검색 결과로 코스를 추천하는 방법 및 시스템
KR102405896B1 (ko) 위치 기반의 로컬 검색어 제공 방법 및 시스템
KR102151598B1 (ko) 키워드 속성을 기준으로 관련 있는 키워드를 제공하는 방법 및 시스템
US20210319074A1 (en) Method and system for providing trending search terms
CN114722234A (zh) 基于人工智能的音乐推荐方法、装置、存储介质
KR102227741B1 (ko) 타이틀 매칭 점수를 기반으로 한 장소 검색 방법 및 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant