KR102415337B1 - 농특산물 거래 제공 장치 및 방법 - Google Patents

농특산물 거래 제공 장치 및 방법 Download PDF

Info

Publication number
KR102415337B1
KR102415337B1 KR1020200090651A KR20200090651A KR102415337B1 KR 102415337 B1 KR102415337 B1 KR 102415337B1 KR 1020200090651 A KR1020200090651 A KR 1020200090651A KR 20200090651 A KR20200090651 A KR 20200090651A KR 102415337 B1 KR102415337 B1 KR 102415337B1
Authority
KR
South Korea
Prior art keywords
information
agricultural
user
special product
agricultural special
Prior art date
Application number
KR1020200090651A
Other languages
English (en)
Other versions
KR20220011867A (ko
Inventor
정혜경
심세영
Original Assignee
건국대학교 글로컬산학협력단
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 건국대학교 글로컬산학협력단 filed Critical 건국대학교 글로컬산학협력단
Priority to KR1020200090651A priority Critical patent/KR102415337B1/ko
Publication of KR20220011867A publication Critical patent/KR20220011867A/ko
Application granted granted Critical
Publication of KR102415337B1 publication Critical patent/KR102415337B1/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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

농특산물 거래 제공 방법에 관한 것이며, 농특산물 거래 제공 방법은, 사용자 단말로부터 사용자 정보를 획득하는 단계, 상기 사용자 정보를 고려하여 농특산물 상품 추천 리스트를 생성하는 단계, 상기 사용자 단말로 상기 농특산물 상품 추천 리스트를 제공하고, 상기 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신하는 단계 및 상기 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공하는 단계를 포함하되, 상기 농특산물 상품 추천 리스트를 생성하는 단계는, 상기 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자의 개인 정보를 분석하고, 분석된 상기 사용자 개인 정보에 기반하여 상기 농특산물 상품 추천 리스트를 생성할 수 있다.

Description

농특산물 거래 제공 장치 및 방법{APPARATUS AND METHOD FOR PROVIDING AGRICULTURAL PRODUCTS}
본원은 농특산물 거래 제공 장치 및 방법에 관한 것이다.
최근 기존의 복잡한 유통 경로를 갖는 농산물 유통의 효율화를 위한 대안으로 온라인을 통한 농산물 직거래가 주목받고 있으며, 농산물 직거래의 방법으로, 산지직송 직거래 방법 및 꾸러미 배송 방법 등의 농산물 직거래 방법이 이용되고 있다.
산지직송 직거래 방법은, 생산자가 중간 유통 단계 없이 소비자에게 농산물을 직접 판매하는 방법이다. 이처럼, 산지직송 직거래 방법은, 생산자가 중간 유통 단계 없이 소비자에게 농산물을 직접 판매한다는 점에서 직거래 방법의 취지에 가장 부합하는 방법이지만, 소량 판매보다는 대량 판매 위주로 판매가 이루어지고 있기 때문에, 소량의 농산물 구매를 원하는 개인 소비자들이 이용하는데 한계가 있었다.
또한, 현재 제공되는 농산물 거래 시스템은 사용자가 찾고자 하는 지역의 농산물을 찾기 어렵고, 상품의 다양성이 떨어진다는 문제점이 있다. 또한, 농가의 정보는 기재되어 있지만 어느 지역의 농가인지는 상세히 나와있지 않아 사용자가 직접 찾아봐야 하는 불편함이 있다.
본원의 배경이 되는 기술은 한국공개특허공보 제10-2015-0140887호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 농가를 지역별로 다양하게 분류하고 직접적으로 연결해줘 유통과정을 줄여 판매자 및 소비자 모두에게 공정하고 믿음직한 거래를 제공하는 농특산물 거래 제공 장치 및 방법을 제공하려는 것을 목적으로 한다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자는 카테고리별 상품 정보 제공, 평점 순 리스트 업, 베스트 상품 리스트 등을 통하여 상품에 관하 정보를 쉽게 파악하고, 상품에 관한 평점, 리뷰, 후기, 좋아요 수 등을 통하여 상품 선택에 도움을 주며, 지역별로 구분하여 유통과정을 줄여 판매자 및 소비자 모두에게 공정하고 믿음직한 거래를 제공할 수 있는 농특산물 거래 제공 장치 및 방법을 제공하려는 것을 목적으로 한다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자의 생활 패턴, 소비 패턴, 식습관 분석 등을 고려하여 사용자에게 필요한 상품(농특산물)의 추천을 통해 각 사용자에게 적합한 식자재를 제공할 수 있는 농특산물 거래 제공 장치 및 방법을 제공하려는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 농특산물 거래 제공 방법은, 사용자 단말로부터 사용자 정보를 획득하는 단계, 상기 사용자 정보를 고려하여 농특산물 상품 추천 리스트를 생성하는 단계, 상기 사용자 단말로 상기 농특산물 상품 추천 리스트를 제공하고, 상기 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신하는 단계 및 상기 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공하는 단계를 포함하되, 상기 농특산물 상품 추천 리스트를 생성하는 단계는, 상기 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자의 개인 정보를 분석하고, 분석된 상기 사용자 개인 정보에 기반하여 상기 농특산물 상품 추천 리스트를 생성할 수 있다.
또한, 상기 농특산물 상품 추천 리스트를 생성하는 단계는, 복수의 사용자 정보 및 상품 구매 정보를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 상기 사용자 개인 정보를 입력으로 하여 상기 농특산물 상품 추천 리스트를 생성하되, 상기 사용자 정보는, 건강 정보, SNS 정보, 소비 패턴 정보, 생활환경 정보를 포함할 수 있다.
또한, 농특산물 생산 농가 단말로부터 상기 농특산물 상품 생산 정보를 수신하는 단계를 더 포함하되, 상기 농특산물 상품 생산 정보는, 농특산물이 자라나는 환경 정보, 농특산물 포장공정 정보, 농특산물 생산자 정보를 포함할 수 있다.
또한, 상기 사용자 단말로부터 농특산물 사진 정보를 수신하는 단계 및 사용자의 농특산물 구매 이력 정보 및 상기 농특산물 사진 정보를 분석하여 추천 레시피 리스트를 생성하는 단계를 더 포함하되, 상기 추천 레시피 리스트를 생성하는 단계는, 상기 사용자의 농특산물 구매 이력 정보 및 상기 농특산물 사진 정보에 기반하여 제1레시피 리스트를 생성하는 단계, 상기 사용자 정보에 포함된 사용자의 체질 정보와 상기 제1레시피 리스트에 포함된 식재료 정보와의 적합성 여부를 분석하는 단계 및 제1레시피 리스트에 포함된 부적합한 상기 식재료 정보를 대체 가능한 식재료 정보를 생성하여 추천 레시피 리스트를 생성하는 추천 레시피 리스트를 생성하는 단계를 포함할 수 있다.
또한, 상기 농특산물 상품 추천 리스트를 생성하는 단계는, 사용자가 미리 설정한 복수의 상품 추천 평가 항목을 더 고려하여 상기 농특산물 상품 추천 리스트를 생성하되, 사용자가 미리 설정한 상기 복수의 상품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 가중치에 따른 연산 결과를 고려하여 상기 농특산물 상품 추천 리스트를 생성할 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치는, 사용자 단말로부터 사용자 정보를 획득하는 획득부, 상기 사용자 정보를 고려하여 농특산물 상품 추천 리스트를 생성하는 추천 리스트 생성부, 상기 사용자 단말로 상기 농특산물 상품 추천 리스트를 제공하는 제공부 및 상기 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신하는 수신부를 포함하되, 상기 제공부는, 상기 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공하고, 상기 추천 리스트 생성부는, 상기 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자의 개인 정보를 분석하고, 분석된 상기 사용자 개인 정보에 기반하여 상기 농특산물 상품 추천 리스트를 생성할 수 있다.
또한, 상기 추천 리스트 생성부는, 복수의 사용자 정보 및 상품 구매 정보를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 상기 사용자 개인 정보를 입력으로 하여 상기 농특산물 상품 추천 리스트를 생성하되, 상기 사용자 정보는, 건강 정보, SNS 정보, 소비 패턴 정보, 생활 환경 정보를 포함할 수 있다.
또한, 상기 수신부는, 농특산물 생산 농가 단말로부터 상기 농특산물 상품 생산 정보를 수신하되, 상기 농특산물 상품 생산 정보는, 농특산물이 자라나는 환경 정보, 농특산물 포장공정 정보, 농특산물 생산자 정보를 포함할 수 잇다.
또한, 농특산물 거래 제공 장치는, 사용자의 농특산물 구매 이력 정보 및 농특산물 사진 정보를 분석하여 추천 레시피 리스트를 생성하는 레시피 생성부를 더 포함하되, 상기 수신부는, 상기 사용자 단말로부터 상기 농특산물 사진 정보를 수신하고, 상기 레시피 생성부는, 상기 사용자의 농특산물 구매 이력 정보 및 상기 농특산물 사진 정보에 기반하여 제1레시피 리스트를 생성하고, 상기 사용자 정보에 포함된 사용자의 체질 정보와 상기 제1레시피 리스트에 포함된 식재료 정보와의 적합성 여부를 분석하고, 제1레시피 리스트에 포함된 부적합한 상기 식재료 정보를 대체 가능한 식재료 정보를 생성하여 추천 레시피 리스트를 생성하는 추천 레시피 리스트를 생성할 수 있다.
또한, 상기 추천 리스트 생성부는, 사용자가 미리 설정한 복수의 상품 추천 평가 항목을 더 고려하여 상기 농특산물 상품 추천 리스트를 생성하되, 사용자가 미리 설정한 상기 복수의 상품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 가중치에 따른 연산 결과를 고려하여 상기 농특산물 상품 추천 리스트를 생성할 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 시스템은, 사용자 단말로부터 사용자 정보를 획득하고, 상기 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자의 개인 정보를 분석하고, 분석된 상기 사용자 개인 정보에 기반하여 농특산물 상품 추천 리스트를 생성하여 상기 사용자 단말로 제공하는 농특산물 거래 제공 장치, 상기 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자 입력 정보를 상기 농특산물 통합 장치로 제공하는 사용자 단말 및 상기 농특산물 상품에 포함된 농특산물 상품 생산 정보를 상기 농특산물 통합 장치로 제공하는 농특산물 생산 농가 단말을 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 사용자는 카테고리별 상품 정보 제공, 평점 순 리스트 업, 베스트 상품 리스트 등을 통하여 상품에 관하 정보를 쉽게 파악하고, 상품에 관한 평점, 리뷰, 후기, 좋아요 수 등을 통하여 상품 선택에 도움을 주며, 지역별로 구분하여 유통과정을 줄여 판매자 및 소비자 모두에게 공정하고 믿음직한 거래를 제공할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 사용자의 생활 패턴, 소비 패턴, 식습관 분석 등을 고려하여 사용자에게 필요한 상품(농수산물)의 추천을 통해 각 사용자에게 적합한 정보 제공할 수 있다.
다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.
도 1은 본원의 일 실시예에 따른 농특산물 거래 제공 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 초기 인터페이스를 예시적으로 나타낸 도면이다.
도 3은 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 상품 설명 인터페이스를 예시적으로 나타낸 도면이다.
도 4는 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 농특산물 상품 생산 정보 인터페이스를 예시적으로 나타낸 도면이다.
도 5는 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 추천 레시피 인터페이스를 예시적으로 나타낸 도면이다.
도 6은 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 지역 행사 콘텐츠 인터페이스를 예시적으로 나타낸 도면이다.
도 7은 본원의 일 실시예에 따른 농특산물 거래 제공 장치의 개략적인 블록도이다.
도 8은 본원의 일 실시예에 따른 농특산물 거래 제공 방법에 대한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본원의 일 실시예에 따른 농특산물 거래 제공 시스템의 개략적인 구성도이다.
도 1을 참조하면, 농특산물 거래 제공 시스템(1)은 농특산물 거래 제공 장치(10), 사용자 단말(20) 및 농특산물 생산 농가 단말(30)을 포함할 수 있다.
농특산물 거래 제공 장치(10), 사용자 단말(20) 및 농특산물 생산 농가 단말(30) 상호간은 네트워크(40)를 통해 통신할 수 있다. 네트워크(40)는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(40)의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
사용자 단말(20) 및 농특산물 생산 농가 단말(30)은 예를 들면, 스마트폰(Smartphone), 스마트패드(Smart Pad), 태블릿 PC, 웨어러블 디바이스 등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV와 같은 고정용 단말기일 수도 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 사용자 단말(20) 및 농특산물 생산 농가 단말(30)로 농특산물 산업 관련 메뉴를 제공할 수 있다. 예를 들어, 농특산물 거래 제공 장치(10)가 제공하는 어플리케이션 프로그램을 사용자 단말(20) 및 농특산물 생산 농가 단말(30)이 다운로드하여 설치하고, 설치된 어플리케이션을 통해 농특산물 산업 관련 메뉴가 제공될 수 있다.
농특산물 거래 제공 장치(10)는 사용자 단말(20) 및 농특산물 생산 농가 단말(30)과 데이터, 콘텐츠, 각종 통신 신호를 네트워크를 통해 송수신하고, 데이터 저장 및 처리의 기능을 가지는 모든 종류의 서버, 단말, 또는 디바이스를 포함할 수 있다.
이하에서 설명되는 사용자 단말(20)은 농특산물 거래 제공 장치(10)에서 제공하는 농특산물 산업 관련 콘텐츠를 사용하는 사용자의 단말일 수 있다. 농특산물 산업 관련 콘텐츠는, 추천 페이지, 위치 기반 인기 상품, 전체 인기 상품, 할인 상품, 레시피, 체험 안내 이벤트의 복수의 카테고리 항목을 포함하고, 카테고리 페이지에는 구매했던 상품, 전체상품, 바로 배달 상품, 위치 기반 추천상품, 지역별 상품, 인기 레시피 맞춤 상품 등의 복수의 카테고리 항목을 포함하고, 검색 페이지에는 인기 검색어, 브랜드 스토리의 카테고리 항목이 포함되고, 개인 페이지 항목에는 로그인/회원가입, 비회원 주문 조회, 공지사항, FAQ, 이용약관 고객센터 등의 복수의 카테고리 항목을 포함할 수 있으나, 이에 한정되는 것은 아니다.
한편, 농특산물 생산 농가 단말(30)은 농특산물 거래 제공 장치(10)에 의해 거래되는 판매 상품(농특산물 상품)에 대한 정보를 제공하는 농특산물을 생산하는 농가가 보유하는 단말 또는 서버일 수 있다.
본원에서의 농특산물 거래 제공 장치(10)는 임의의 사용자(예를 들면, 어플리케이션 기반 서비스의 회원)에게 농특산물 생산 농가 단말(30)에서 판매하고자 하는 농특산물 정보를 제공하고 거래 및 예약 등의 프로세스를 지원하고 농특산물 산업 관련 제반 사항 등을 사용자 단말(20)을 통해 용이하게 관리할 수 있도록 어플리케이션 기반 서비스를 제공하는 주체일 수 있다. 예를 들어, 농특산물 거래 제공 장치(10)는 어플리케이션 기반 서비스를 제공하는 단말 또는 서버일 수 있다.
도 2는 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 초기 인터페이스를 예시적으로 나타낸 도면이다. 특히, 도 2는 농특산물 거래 제공 장치(10)에 의해 제공되는 어플리케이션 기반 서비스가 사용자 단말(20)에서 실행되는 경우 표시되는 초기 인터페이스를 나타낸 것일 수 있다.
도 2를 참조하면, 농특산물 거래 제공 장치(10)에 의해 제공되는 어플리케이션 기반 서비스의 초기 인터페이스는 추천 항목(A-1), 베스트 항목(B), 할인상품 항목(C), 체험안내 항목(D), 이벤트 항목(E), 장바구니 항목(F) 등을 포함할 수 있으나, 이에만 한정되는 것은 아니다. 다른 예로, 농특산물 거래 제공 장치(10)에 의해 제공되는 어플리케이션 기반 서비스의 초기 인터페이스에는 본원의 구현예에 따라 상술한 복수의 섹션 중 일부만 표시되거나 다른 유형의 추가적인 섹션이 표시되도록 구현될 수 있다.
한편, 도 2의 베스트 항목(B)은 종합적으로 평점 순위가 높은 상품에 대한 정보를 포함하는 리스트를 포함할 수 있다. 또한, 베스트 항목(B)은 한주간 가장 평점 순위가 높은 상품을 포함하는 리스트를 포함할 수 있다. 또한, 베스트 항목(B)은 한주간 가장 높은 판매 상품에 대한 정보를 포함하는 리스트를 포함할 수 있다.
또한, 할인상품 항목(C)은 할인이 진행중인 농특산물 상품에 대한 정보를 포함하는 리스트를 포함할 수 있다. 일예로, 농특산물 거래 제공 장치(10)는 판매량, 생산량, 날씨 정보 등을 고려하여 복수의 농특산물 상품 중 할인을 진행할 농특산물 상품 정보를 기반으로 할인 상품 리스트를 생성할 수 있다. 또한, 농특산물 거래 제공 장치(10)는 농특산물 생산 농가 단말(30)로부터 농특산물 상품에 대한 할인 진행 요청에 대응하여 할인 상품 리스트를 생성할 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 제공받은 사용자 정보를 고려하여 추천 항목(A-1)에 포함되는 농특산물 상품 추천 리스트를 생성할 수 있다. 일예로, 사용자 단말(20)로부터 제공받은 사용자 정보는, 건강 정보, SNS 정보, 소비 패턴 정보, 생활환경 정보 등을 포함할 수 있다. 건강 정보는, 걸음 수, 수면 시간, 심박 수, 맥박, 심박, 체온 정보, 의료 기록 정보 등을 포함할 수 있다. 또한, SNS 정보는, 사용자 단말(20)과 연계된 식별 번호를 기반으로 가입된 SNS 정보의 게시글, 좋아요 입력 정보, 특정 키워드 검색 정보, 게시글 수집 정보 등을 포함할 수 있다. 또한, 소비 패턴 정보는, 사용자의 신용카드 및 체크카드 사용 내역 분석 정보 및 현금영수증 입력 정보 등을 포함할 수 있다. 또한, 생활환경 정보는, 사용자가 거주하고 있는 지역의 상권분석 정보, 사용자의 식습관 분석 정보, 외식의 빈도수, 배달음식 주문 횟수 등을 포함할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자의 개인 정보를 분석할 수 있다. 예를 들어, 인공지능 기반의 학습 모델은 기계 학습(Machine Learning), 딥 러닝(Deep Learning) 등의 인공 지능 기반의 학습을 통해 생성되는 것일 수 있으나, 이에만 한정되는 것은 아니며, 기 개발되었거나 향후 개발되는 다양한 신경망 체계를 적용할 수 있다. 농특산물 거래 제공 장치(10)는 사용자 정보를 학습 모델에 입력하여 질병, 알레르기 종류(예를 들어, 사과, 배 등의 알레르기), 식자재 구매 패턴, 선호하는 음식, 비선호 음식, 식단, 식습관 등과 관련된 사용자의 개인 정보를 분석할 수 있다. 일예로, 농특산물 거래 제공 장치(10)는 제1사용자의 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 고혈압, 비만, 사과, 오이, 배 알레르기, 수요일에만 상품 구입, 주 2회 외식, 탄수화물 과다 복용, 비타민 부족 등과 같이 제1사용자의 개인 정보를 분석할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 복수의 사용자 정보 및 상품 구매 정보를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 사용자 개인 정보를 입력으로 하여 농특산물 상품 추천 리스트를 생성할 수 있다. 일예로, 농특산물 거래 제공 장치(10)는 제1사용자 개인 정보를 패턴 산출 모델에 입력하여 제1사용자 개인 정보와 유사한 사용자가 구매한 농특산물 상품 구매 정보를 고려하여 상품 추천 리스트를 생성할 수 있다.
농특산물 거래 제공 장치(10)는 비지도 학습 기반의 군집 알고리즘에 기초하여 구매 패턴을 산출할 수 있다. 비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 농특산물 거래 제공 장치(10)는 군집 알고리즘에 기초하여 사용자 정보 및 상품 구매 정보를 군집하여 산출할 수 있다. 예시적으로, 비지도 학습을 위한 군집 알고리즘에는 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 및 군집 알고리즘이 이용될 수 있다.
또한, 농특산물 거래 제공 장치(10)는 상술한 알고리즘 외에도 Extra Tree알고리즘, XG Boost알고리즘 및 Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘과 같은 군집 알고리즘을 통해 비지도 학습을 수행할 수 있다. Random Forest알고리즘은 수많은 Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화 하는 알고리즘이고, SVM알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결과를 다음 트리에 적용하는 boost 방식의 알고리즘이다. Deep Learning 알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 또한, K-means 클러스터링 알고리즘은 전통적인 분류기법으로 대상집단을 거리의 평균값(유사도)을 기준으로 K 개의 군집으로 반복 세분화하는 기법이고, SOM알고리즘은 인공신경망을 기반으로 훈련집합의 입력 패턴을 가중치로 학습하여 군집화하는 기법이다. 또한 EM & Canopy 알고리즘은 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신하여 군집화하는 기법을 의미한다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 사용자가 미리 설정한 복수의 상품 추천 평가 항목을 더 고려하여 농특산물 상품 추천 리스트를 생성할 수 있다. 달리 말해, 농특산물 거래 제공 장치(10)는 사용자가 미리 설정한 복수의 상품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 가중치에 따른 연산 결과를 고려하여 농특산물 상품 추천 리스트를 생성할 수 있다. 예시적으로, 복수의 제품 추천 평가 항목은, 평점, 좋아요 수, 리뷰 수 리뷰 정보에 포함된 키워드의 정보와 관련된 항목을 포함할 수 있다.
농특산물 거래 제공 장치(10)는 사용자가 미리 설정한 복수의 제품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 가중치에 따른 연산 결과에 기반하여, 사용자에게 농특산물 상품 추천 리스트를 제공할 수 있다. 예를 들어, 사용자가 미리 설정한 복수의 제품 추천 평가 항목은 평점, 좋아요 수, 리뷰 수, 리뷰 정보에 포함된 키워드의 정보, 성별, 나이, 사는 곳, 선호 취향 항목 등을 포함할 수 있다. 사용자는 가장 높은 가중치를 부여하고자 하는 평가 항목을 선택할 수 있다.
농특산물 거래 제공 장치(10)는 사용자가 선택한 복수의 제품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 농특산물 상품 추천 리스트를 생성할 수 있다. 예를 들어, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 성별에 제1가중치를 부여하고, 나이에 제2가중치를 부여하고, 사는 곳에 제3가중치를 부여하고자 하는 사용자 입력 정보를 수신할 수 있다.
농특산물 거래 제공 장치(10)는 사용자 입력 정보에 기반하여, 성별에 제1가중치를 부여하고, 나이에 제2가중치를 부여하고, 사는 곳에 제3가중치를 부여하여 농특산물 상품 추천 리스트 생성할 수 있다. 또한, 농특산물 거래 제공 장치(10)는 평점에 제1가중치를 부여하고, 나이에 제2가중치를 부여하고, 좋아요 수에 제3가중치를 부여하고자 하는 사용자 입력 정보를 수신할 수 있다. 농특산물 거래 제공 장치(10)는 사용자 입력 정보에 기반하여 평점에 제1가중치를 부여하고, 나이에 제2가중치를 부여하고, 좋아요 수에 제3가중치를 부여하여 상품 추천 리스트 생성할 수 있다. 농특산물 거래 제공 장치(10)는 복수의 제품 추천 평가 항목에 부여된 가중치를 합산하여 가장 높은 점수가 부여된 상품 리스트에 우선하여 상품 추천 리스트를 생성할 수 있다.
여자, 20대, 서울 거주, 제1생산농가의 제품 각각에 순차적으로 가장 높은 가중치가 부여되어 농특산물 상품 추천 리스트를 제공받고자 하는 입력 정보를 수신할 수 있다. 농특산물 거래 제공 장치(10)는 사용자 입력 정보에 기반하여, 각각에 순차적으로 가장 높은 가중치를 부여하고, 상품 추천 리스트를 제공할 수 있다.
농특산물 거래 제공 장치(10)는 사용자의 입력 정보를 기반으로 1차 농특산물 상품 리스트를 생성하고, 생성된 1차 농특산물 상품 리스트에서 사용자 위치 정보를 기반으로 필터링을 통해 2차 농특산물 상품 리스트를 생성하고, 사용자가 미리 설정한 복수의 상품 추천 평가 항목을 고려하여 최종적인 농특산물 상품 추천 리스트를 생성할 수 있다. 다만, 이에 한정되는 것은 아니며, 다양한 일 실시예에 존재할 수 있다.
예시적으로, 농특산물 거래 제공 장치(10)는 리뷰 정보에 포함된 텍스트를 분석하고, 특정 키워드를 도출하여 리뷰 정보에 포함된 키워드와 연계된 항목을 수치화할 수 있다. 농특산물 거래 제공 장치(10)는 리뷰 정보에 포함된 텍스트로부터 체언(명사)을 추출하고, 미리 설정된 키워드(단어)의 매칭을 통해 리뷰 정보에 포함된 키워드와 관련한 항목을 수치화하고, 가중치를 부여할 수 있다. 또한, 농특산물 거래 제공 장치(10)는 기존에 수집된 리뷰 정보에 포함된 텍스트 데이터를 입력으로 하는 인공지능 학습을 통해 구축된 학습모델에 신규 리뷰 정보를 입력으로 하여 텍스트 분석을 수행할 수 있다. 여기서, 학습모델은 딥 러닝 신경망 기반으로 구축된 것일 수 있으나, 이에만 한정되는 것은 아니며, 기 개발되었거나 향후 개발되는 다양한 신경망 체계를 적용할 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 위치 정보를 수집하고, 위치 정보를 더 고려하여 농특산물 상품 추천 리스트를 생성할 수 있다. 농특산물 거래 제공 장치(10)는 사용자의 개인 정보를 입력으로 하여 생성된 농특산물 상품 추천 리스트에서 사용자의 위치 정보를 중심으로 미리 설정된 시간 이내에 배달 가능한 지역의 농특산물 상품이 포함되도록 농특산물 상품 추천 리스트를 생성할 수 있다. 예를 들어, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 서울 강남에 거주하고 있는 사용자의 위치 정보를 수집할 수 있다. 또한, 농특산물 거래 제공 장치(10)는 사용자의 개인 정보를 입력으로 하여 생성된 농특산물 상품 추천 리스트에서 24시간 이내에 배달 불가능한 지역의 농특산물 상품 정보를 제거할 수 있다. 달리 말해, 농특산물 거래 제공 장치(10)는 서울 강남으로 24시간 이내에 배달(배송)이 가능한 농특산물 상품만이 포함되도록 농특산물 상품 추천 리스트를 생성할 수 있다.
또한, 도 2의 우리지역 인기상품(A-2)을 참조하면, 사용자 단말(20)로부터 제공받은 위치 정보를 고려하여, 사용자가 거주하고 있는 지역에서 가장 많이 판매된 농특산물을 수집하여 우리지역 인기상품 리스트를 제공할 수 있다. 제1사용자가 서울 강남에 거주하는 경우, 서울 강남에 거주하고 있는 사용자들이 구매한 농특산물 정보를 수집하여 우리지역 인기상품 리스트를 제공할 수 있다. 반면, 제2사용자가 강원도 춘천에 거주하는 경우, 강원도 추천에 거주하고 있는 사용자들이 구매한 농특산물 정보를 수집하여 우리지역 인기상품 리스트를 제공할 수 있다. 즉, 농특산물 거래 제공 장치(10)는 사용자의 위치 정보를 기반으로 사용자가 거주하고 있는 지역의 판매 인기 상품 농특산물 정보 리스트를 제공할 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신할 수 있다. 농특산물 거래 제공 장치(10)는 사용자의 입력 정보에 기반하여 농특산물 상품과 연계된 농특산물 상품 정보를 제공할 수 있다. 농특산물 상품 정보는, 상품 설명, 가격, 농가, 구매 후기, 상품 문의, 레시피 등을 포함할 수 있다.
도 3은 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 상품 설명 인터페이스를 예시적으로 나타낸 도면이다. 도 3은 농특산물 거래 제공 장치(10)에 의해 제공되는 어플리케이션 기반 서비스가 농특산물 상품을 선택한 사용자의 입력 정보에 기반하여 해당 농특산물 상품과 관련된 농특산물 상품 정보를 제공하는 경우 사용자 단말(20)에 표시되는 인터페이스를 나타낸 것일 수 있다.
일예로, 도 3을 참조하면, 농특산물 거래 제공 장치(10)는 농특산물 상품을 선택한 사용자의 입력 정보에 기반하여 해당 농특산물 상품과 관련된 농특산물 상품 설명 정보(A-11)를 제공할 수 있다. 상품 설명 정보에는 농특산물 사진, 이름, 특징, 가격, 농가/생산자와 관련된 정보를 포함할 수 있다.
도 4는 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 농특산물 상품 생산 정보 인터페이스를 예시적으로 나타낸 도면이다. 도 4는 농특산물 거래 제공 장치(10)에 의해 제공되는 어플리케이션 기반 서비스가 상세정보 항목(A-12)을 선택한 사용자의 입력 정보에 기반하여 해당 농특산물 상품과 관련된 농특산물 상품 생산 정보를 제공하는 경우 사용자 단말(20)에 표시되는 인터페이스를 나타낸 것일 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 농특산물 생산 농가 단말(30)로부터 농특산물 상품 생산 정보를 수신할 수 있다. 농특산물 상품 생산 정보는, 농특산물이 자라나는 환경 정보, 농특산물 포장공정 정보, 농특산물 생산자 정보를 포함할 수 있다. 도 4를 참조하면, 농특산물 거래 제공 장치(10)는 상세정보 항목(A-12)을 선택한 사용자의 입력 정보에 기반하여 농특산물 생산 농가 단말(30)로부터 수신한 농특산물 상품 생산 정보를 제공할 수 있다. 도 4의 제1항목(A-121)을 참조하면, 농특산물 생산 농가 단말(30)은 농특산물이 생산되는 장소의 360도 파라노마 사진을 제공할 수 있다. 또한, 제2항목(A-122)을 참조하면, 농특산물 생산 농가 단말(30)은 수확 직전의 농특산물의 사진을 제공할 수 있다. 또한, 농특산물 생산 농가 단말(30)은 사용자 단말(20)에서 해당 농특산물에 대한 구매가 완료된 경우, 해당 농특산물을 포장하는 포장공정과 관련된 영상을 제공할 수 있다. 농특산물 생산 농가 단말(30)에서 농특산물 상품 생산 정보를 제공함으로써, 사용자(소비자)는 보다 안전한 농특산물을 구매할 수 있을 것이다.
도 5는 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 추천 레시피 인터페이스를 예시적으로 나타낸 도면이다. 도 5를 참조하면, 농특산물 거래 제공 장치(10)는 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보에 기반하여 추천 레시피를 제공할 수 있다. 예를 들어, 도 3과 같이 사용자가 시금치를 구매하고자 하는 경우, 해당 구매 상품(시금치)을 이용한 레시피를 제공할 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 사용자의 농특산물 구매 이력 정보 및 사용자 단말(20)로부터 제공받은 농특산물 사진 정보를 분석하여 추천 레시피 리스트를 생성할 수 있다. 농특산물 구매 이력 정보는, 사용자 단말(20)을 통해 거래 콘텐츠를 통해 결제가 완료된 이력과 관련된 정보를 포함할 수 있다. 또한, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 농특산물 사진 정보를 수신할 수 있다. 농특산물 사진 정보는, 사용자가 특정 상품을 촬영한 이미지일 수 있다. 예를 들어, 사용자는 사용자 단말(20)의 카메라를 이용하여 식재료(농특산물)를 촬영하고, 사용자 단말(20)은 촬영 이미지를 농특산물 거래 제공 장치(10)로 제공할 수 있다. 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 수신한 농특산물 사진 정보를 인공지능 기반의 상품 사진 정보 분석 모델에 적용하여 해당 농특산물을 분석할 수 있다. 달리 말해, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 농특산물 사진 정보를 수신한 경우, 이미지 분석을 통하여 상품(제품)을 파악하고, 상품(제품)과 연계된 평점 및 리뷰 정보를 제공할 수 있다. 예시적으로, 인공지능 기반의 상품 사진 정보 분석 결과에서 사용되는 인공신경망은 합성곱신경망(Convolutional Neural Networks)일 수 있으나, 이에만 한정되는 것은 아니며, 기 개발되었거나 향후 개발되는 다양한 신경망 체계를 적용할 수 있다.
농특산물 거래 제공 장치(10)는 사용자의 농특산물 구매 이력 정보 및 농특산물 사진 정보에 기반하여 제1레시피 리스트를 생성할 수 있다. 예를 들어, 농특산물 거래 제공 장치(10)는 사용자가 구매한 농특산물과 사용자가 현재 요리에 사용할 식재료를 촬영한 농특산물 사진 정보에 기반하여 제1레시피 리스트를 생성할 수 있다. 제1레시피 리스트는 구매 이력 정보 및 농특산물 사진 정보만을 고려하여 생성된 리스트 일 수 있다. 반면, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 농특산물 사진 정보가 수신되지 않는 경우, 사용자의 농특산물 구매 이력 정보만을 기반으로 제1레시피 리스트를 생성할 수 있다. 또한, 농특산물 거래 제공 장치(10)는 사용자의 농특산물 구매 이력 정보가 수집되지 않는 경우, 농특산물 사진 정보만을 고려하여 제1레시피 리스트를 생성할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 사용자 정보에 포함된 사용자의 체질 정보와 제1레시피 리스트에 포함된 식재료 정보와의 적합성 여부를 분석할 수 있다. 사용자의 체질 정보는, 태양인, 태음인, 소양인, 소음인의 4가지로 분류된 사상체질 정보를 포함할 수 있다. 또한, 사용자의 체질 정보는 금양， 금음， 목양， 목음， 토양， 토음， 수양， 수음의 8가지로 분류된 체질 특성 정보를 포함할 수 있다. 또한, 사용자의 체질 정보는, 알레르기 식재료와 관련된 정보를 포함할 수 있다. 제1레시피 리스트에는 복수의 레시피 정보가 포함될 수 있다. 또한, 복수의 레시피 정보 각각에는 복수의 식재료(식자재) 정보가 포함될 수 있다. 예시적으로, 농특산물 거래 제공 장치(10)에서 수행되는 적합성 여부 분석은, 사용자의 체질 정보와 연관된 식자재 정보 중 해당 체질에 해로운 식자재가 포함된 경우를 판단하는 것일 수 있다. 예를 들어, 사용자의 체질 정보 분석 결과 금양체질이고, 제1레시피 리스트에 포함된 식재료 정보에 육식 정보가 포함된 경우, 부적합으로 판단할 수 있다. 이러한 경우, 농특산물 거래 제공 장치(10)는 육식을 바다 생선으로 대체하도록 식자재 정보를 생성하고, 제1레시피 리스트를 정정할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 제1레시피 리스트에 사용자의 체질을 고려한 레시피가 포함되지 않는 경우, 사용자의 체질을 고려한 레시피를 추가할 수 있다. 예를 들어, 농특산물 거래 제공 장치(10)는 개인의 식단 이력 등의 수집한 데이터를 기반으로 식단 간의 관계를 분석하는 연관 규칙 분석을 수행할 수 있다. 농특산물 거래 제공 장치(10)는 복수의 데이터 간의 상호 관계를 사용자의 체질에 기반하여 파악하며, 유사한 성향의 그룹으로 묶어 복수의 추천 식단 정보를 생성할 수 있다. 달리 말해, 농특산물 거래 제공 장치(10)는 사용자와 유사한 취향 및 체질 정보를 고려하여 복수의 레시피를 생성할 수 있다.
연관규칙(association rule) 학습은 대형 데이터베이스에서 변수 간의 관계를 발견하기 위한 규칙-기반 기계학습 방법이다. 연관규칙은 X=>Y로 표현된다. 예를 들어, 체질 간의 연관규칙이 {금양, 금음}=>{태양인}이면, {금양, 금음}의 체질의 사용자는 태양인인 규칙으로 해석될 수 있다.
예를 들어, 추천 식단 정보는, 금양체질의 사용자가 섭취하여 이로운(유익한) 식자재로 구성된 조리법 정보를 포함할 수 있다. 예를 들어, 금양체질의 사용자가 섭취하여 이로운(유익한) 식자재는, 모든 바다생선, 게, 조개류, 쌀, 보리, 메밀, 팥, 녹두, 참쑥, 오이, 가지, 배추, 양배추, 상추, 기타 푸른 채소, 고사리, 젓갈, 포도당, 코코아, 초콜릿, 바나나, 딸기, 복숭아, 체리, 감, 참외, 모과, 얼음, 산성수, 포도당주사 등을 포함할 수 있다. 추천 식단 정보는, 금양체질의 사용자가 섭취하여 이로운 식자재인 바다생선을 이용한 조리법을 제공할 수 있다.
농특산물 거래 제공 장치(10)에서 수행되는 연관 규칙 분석은, Apriori 알고리즘, F-P growrh알고리즘, DHP알고리즘 중 적어도 어느 하나를 적용하여 수행될 수 있으나, 이에 한정되는 것은 아니며, 기 개발되었거나 향후 개발되는 다양한 연관 규칙 분석 알고리즘을 적용할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 제1레시피 리스트에 포함된 부적합한 상기 식재료 정보를 대체 가능한 식재료 정보를 생성하여 추천 레시피 리스트를 생성할 수 있다. 농특산물 거래 제공 장치(10)는 사용자 정보에 포함된 사용자의 체질 정보와 제1레시피 리스트 간의 적합성 여부를 판단하고, 판단 결과 불능인 경우, 해당 레시피에 포함된 식자재 정보 중 대체 가능한 식자재 정보를 생성할 수 있다. 예를 들어, 제1레시피 리스트에는 제1레시피 내지 제10레시피가 포함될 수 있다. 제1레시피에는 사용자 사용자의 농특산물 구매 이력 정보 및 농특산물 사진 정보를 모두 고려하였을 때 연관성이 가장 높은 식자재가 포함된 레시피일 수 있다. 해당 레시피에는 제1 내지 제5 식자재가 포함될 수 있으며, 농특산물 거래 제공 장치(10)는 사용자의 체질 정보(예를 들어, 금양체질)와 제1 내지 제5식자재간의 적합성 여부를 분석할 수 있다. 이때, 제3식자재(예를 들어, 육식)가 사용자의 체질과 부적합한 경우, 농특산물 거래 제공 장치(10)는 제3식자재(예를 들어, 생선류)를 대체할 식자재를 정보를 생성할 수 있다. 즉, 농특산물 거래 제공 장치(10)는 사용자의 체질 정보와 제1레시피 리스트에 포함된 식재료(식자재) 정보를 고려하여 대체 가능한 식자재까지 추천할 수 있다.
예시적으로 도 5를 참조하면, 맞춤재료(I-1) 항목은 사용자의 농특산물 구매 이력 정보 및 사용자 단말(20)로부터 제공받은 농특산물 사진 정보 중 적어도 어느 하나를 고려하여 생성된 항목일 수 있다. 또한, 레시피(I-2)는 사용자의 농특산물 구매 이력 정보 및 농특산물 사진 정보에 기반하여 생성된 제1레시피 리스트와 사용자 정보에 포함된 사용자의 체질 정보와의 적합성 여부 분석 결과 최종적으로 생성된 추천 레시피 리스트일 수 있다. 추천 레시피는 사진 및 식재료의 용량 정보를 포함할 수 있다.
도 6은 본원의 일 실시예에 따른 농특산물 거래 제공 장치에 의해 사용자 단말에 표시되는 지역 행사 콘텐츠 인터페이스를 예시적으로 나타낸 도면이다.
도 6을 참조하면, 체험안내 항목(D)은 사용자 단말(20)로부터 제공받은 사용자의 위치 정보를 고려하여 생성된 인근 지역 행사 콘텐츠 정보를 포함할 수 있다. 농특산물 거래 제공 장치(10)는 체험안내 항목(D)을 선택한 사용자 입력에 기반하여 복수의 지역 행사 콘텐츠 정보를 제공할 수 있다. 농특산물 거래 제공 장치(10)는 복수의 지역 행사 콘텐츠 정보 중 제1콘텐츠 정보(D-1)를 선택한 사용자 입력 정보를 수신한 경우, 제1콘텐츠와 관련된 상세 정보(D-11)를 제공할 수 있다. 농특산물 거래 제공 장치(10)는 제1콘텐츠 정보(D-1)를 선택한 사용자 입력 정보를 수신한 경우, 해당 콘텐츠와 연계하여 예약까지 가능하도록 예약항목을 제공할 수 있다.
도 7은 본원의 일 실시예에 따른 농특산물 거래 제공 장치의 개략적인 블록도이다.
도 7을 참조하면, 농특산물 거래 제공 장치(10)는, 획득부(11), 추천 리스트 생성부(12), 제공부(13), 수신부(14) 및 레시피 생성부(15)를 포함할 수 있다. 다만, 농특산물 거래 제공 장치(10)의 구성이 이에 한정되는 것은 아니다. 예를 들어, 농특산물 거래 제공 장치(10)는 외부 서버로부터 날씨 정보, 교통 상황 정보 등을 수신할 수 있다. 농특산물 거래 제공 장치(10) 외부 서버로부터 제공받은 날씨 정보 및 교통 상황 정보에 기반하여, 사용자가 선택한 농특산물 상품의 배송 시간을 예측할 수 있다.
본원의 일 실시예에 따르면, 획득부(11)는 사용자 단말(20)로부터 사용자 정보를 획득할 수 있다. 일예로, 사용자 단말(20)로부터 제공받은 사용자 정보는, 건강 정보, SNS 정보, 소비 패턴 정보, 생활환경 정보 등을 포함할 수 있다. 건강 정보는, 걸음수, 수면 시간, 심박 수, 맥박, 심박, 체온 정보, 의료 기록 정보 등을 포함할 수 있다. 또한, SNS 정보는, 사용자 단말(20)과 연계된 식별 번호를 기반으로 가입된 SNS 정보의 게시글, 좋아요 입력 정보, 특정 키워드 검색 정보, 게시글 수집 정보 등을 포함할 수 있다. 또한, 소비 패턴 정보는, 사용자의 신용카드 및 체크카드 사용 내역 분석 정보 및 현금영수증 입력 정보 등을 포함할 수 있다. 또한, 생활환경 정보는, 사용자가 거주하고 있는 지역의 상권분석 정보, 사용자의 식습관 분석 정보, 외식의 빈도수, 배달음식 주문 횟수 등을 포함할 수 있다.
본원의 일 실시예에 따르면, 추천 리스트 생성부(12)는 사용자 정보를 고려하여 농특산물 상품 추천 리스트를 생성할 수 있다. 또한, 추천 리스트 생성부(12)는 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자의 개인 정보를 분석하고, 분석된 사용자 개인 정보에 기반하여 농특산물 상품 추천 리스트를 생성할 수 있다. 일예로, 추천 리스트 생성부(12)는 제1사용자 개인 정보를 패턴 산출 모델에 입력하여 제1사용자 개인 정보와 유사한 사용자가 구매한 농특산물 상품 구매 정보를 고려하여 상품 추천 리스트를 생성할 수 있다.
또한, 추천 리스트 생성부(12)는 복수의 사용자 정보를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 학습 모델에 의해 분석된 사용자의 개인 정보를 입력으로 하여 농특산물 상품 추천 리스트를 생성할 수 있다.
또한, 추천 리스트 생성부(12)는 사용자가 미리 설정한 복수의 상품 추천 평가 항목을 더 고려하여 농특산물 상품 추천 리스트를 생성할 수 있다. 참고로, 복수의 상품 추천 평가 항목은, 평점, 좋아요 수, 리뷰 수, 리뷰 정보에 포함된 키워드의 정보와 관련된 항목을 포함할 수 있다. 또한, 추천 리스트 생성부(12)는 사용자가 미리 설정한 복수의 상품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 가중치에 따른 연산 결과를 고려하여 농특산물 상품 추천 리스트를 생성할 수 있다.
본원의 일 실시예에 따르면, 제공부(13)는 사용자 단말(20)로 농특산물 상품 추천 리스트를 제공할 수 있다. 예시적으로 도 2를 참조하면, 제공부(13)는 농특산물 사진 및 텍스트를 포함하는 농특산물 상품 추천 리스트를 사용자 단말(20)로 제공할 수 있다. 사용자 단말(20)은 제공부(13)로부터 수신한 농특산물 상품 추천 리스트를 출력(표시)하여 사용자에게 제공할 수 있다.
또한, 제공부(13)는 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공할 수 있다. 제공부(13)는 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공할 수 있다. 예시적으로 도 3을 참조하면, 사용자가 복수의 농특산물 상품 중 제1농특산물 상품(예를 들어, 시금치)을 선택한 경우, 제공부(13)는 사용자의 입력 정보에 연계된 제1농특산물 상품(예를 들어, 시금치)의 상품 생산 정보를 제공할 수 있다. 일예로, 상품 생산 정보는, 해당 상품의 사진, 제목, 특징, 가격, 농가, 생산자 정보 등을 포함할 수 있다.
본원의 일 실시예에 따르면, 수신부(14)는 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신할 수 있다.
또한, 수신부(14)는 농특산물 생산 농가 단말(30)로부터 농특산물 상품 생산 정보를 수신할 수 있다. 농특산물 생산 농가 단말(30)은 농특산물이 생산되는 장소의 360도 파라노마 사진을 제공할 수 있다. 또한, 농특산물 생산 농가 단말(30)은 수확 직전의 농특산물의 사진을 제공할 수 있다. 참고로, 농특산물 상품 생산 정보는, 농특산물이 자라는 환경 정보, 농특산물 포장공정 정보 및 농특산물 생산자 정보를 포함할 수 있다.
본원의 일 실시예에 따르면, 레시피 생성부(15)는 사용자의 농특산물 구매 이력 정보 및 사용자 단말(20)로부터 수신한 농특산물 사진 정보를 분석하여 추천 레시피 리스트를 생성할 수 있다.
또한, 레시피 생성부(15)는 사용자의 농특산물 구매 이력 정보 및 농특산물 사진 정보에 기반하여 제1레시피 리스트를 생성할 수 있다. 또한, 레시피 생성부(15)는 사용자 정보에 포함된 사용자의 체질 정보와 제1레시피 리스트에 포함된 식재료 정보와의 적합성 여부를 분석할 수 있다. 또한, 레시피 생성부(15)는 제1레시피 리스트에 포함된 부적합한 상기 식재료 정보를 대체 가능한 식재료 정보를 생성하여 추천 레시피 리스트를 생성하는 추천 레시피 리스트를 생성할 수 있다.
본원의 일 실시예에 따르면, 농특산물 거래 제공 장치(10)는 수집될 수 있는 사용자의 여러 가지 건강 정보(예를 들어, 걸음수, 수면 시간, 심박수 등)를 조합하여 현재 상태 등을 판단하고(예를 들어, 여러 가지 입력 값들 각각의 가중치를 다르게 하여 컨디션 등급, 수치화 등 연산) 사용자의 현재 상태에 맞는 농산물을 추천할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 인공지능 또는 딥러닝 기반으로 사용자의 건강 정보, 의료 정보, 위치 정보 등을 고려하여 질병 및 사용자의 위치에 대응하는 농수산물(식자재) 등을 추천할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 인기 상품으로 선정되기 위해 사용되는 점수(예를 들어, 판매량, 평점, 좋아요 수, 리뷰 정보들을 종합하여 생성된 점수), 예를 들어, 여러 가지 수치(판매량, 좋아요 수, 리뷰 수 등) 및 복수의 데이터(성별, 연령, 지역 등)를 정량화 및 수치화하고 각 수치마다 가중치를 다르게 하여 인기 상품으로 선정하여 농특산물을 추천할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 단순히 사용자가 해당 어플리케이션에 등록한 평가 점수만을 이용한 것이 아닌, 사용자의 휴대폰 단말 또는 개인 SNS 게시물 등으로부터 확보할 수 있는 여러 정보(예를 들어, 구매 상품을 이용한 요리 게시물, 레시피 추천 게시물) 등과 연계하여 농특산물의 인기 상품을 선정할 수 있다.
또한, 농특산물 거래 제공 장치(10)는 사용자의 주변 환경(생활 패턴, 신용카드 사용 내역 분석을 통한 소비 패턴, 여러 어플리케이션 사용 내역 분석을 통한 식습관 분석 등) 정보를 사용자 입력이 아닌 자동 분석을 통해 파악하고, 그에 맞는 농특산물을 추천할 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 8은 본원의 일 실시예에 따른 농특산물 거래 제공 방법에 대한 동작 흐름도이다.
도 8에 도시된 농특산물 거래 제공 방법은 앞서 설명된 농특산물 거래 제공 장치(10)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 농특산물 거래 제공 장치(10)에 대하여 설명된 내용은 농특산물 거래 제공 방법에 대한 설명에도 동일하게 적용될 수 있다.
단계 S801에서, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로부터 사용자 정보를 획득할 수 있다.
단계 S802에서, 농특산물 거래 제공 장치(10) 사용자 정보를 고려하여 농특산물 상품 추천 리스트를 생성할 수 있다. 또한, 농특산물 거래 제공 장치(10)는 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자의 개인 정보를 분석하고, 분석된 사용자 개인 정보에 기반하여 농특산물 상품 추천 리스트를 생성할 수 있다.
단계 S803에서, 농특산물 거래 제공 장치(10)는 사용자 단말(20)로 농특산물 상품 추천 리스트를 제공하고, 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신할 수 있다.
단계 S804에서, 농특산물 거래 제공 장치(10) 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공할 수 있다.
상술한 설명에서, 단계 S801 내지 S504는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시 예에 따른 농특산물 거래 제공 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 전술한 농특산물 거래 제공 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
1: 농특산물 거래 제공 시스템
10: 농특산물 거래 제공 장치
20: 사용자 단말
30: 농특산물 생산 농가 단말

Claims (11)

  1. 농특산물 거래 제공 장치에 의해 수행되는 농특산물 거래 제공 방법에 있어서,
    사용자 단말로부터 사용자 정보를 획득하는 단계;
    상기 사용자 정보를 고려하여 농특산물 상품 추천 리스트를 생성하는 단계;
    상기 사용자 단말로 상기 농특산물 상품 추천 리스트를 제공하고, 상기 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신하는 단계;
    상기 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공하는 단계;
    상기 사용자 단말로부터 농특산물 사진 정보를 수신하는 단계; 및
    상기 사용자 단말을 통해 제공되는 거래 컨텐츠를 통해 결제가 완료된 이력과 관련된 정보를 포함하는 사용자의 농특산물 구매 이력 정보 및 상기 농특산물 사진 정보를 분석하여 추천 레시피 리스트를 생성하는 단계,
    를 포함하되,
    상기 농특산물 상품 추천 리스트를 생성하는 단계는,
    상기 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자 개인 정보를 분석하고, 분석된 상기 사용자 개인 정보에 기반하여 상기 농특산물 상품 추천 리스트를 생성하는 것이고,
    상기 추천 레시피 리스트를 생성하는 단계는,
    개인의 식단 이력을 수집한 복수의 데이터를 기반으로 식단 간의 관계를 분석하여 상기 복수의 데이터 간의 상호 관계를 파악하고, 상기 상호 관계에 기초하여 식단들을 그룹으로 묶어 복수의 추천 식단 정보를 생성하고, 상기 복수의 추천 식단 정보 중에서 상기 사용자 개인 정보에 부합하는 추천 식단 정보에 따른 상기 추천 레시피 리스트를 생성하는 것을 특징으로 하는 것인,
    농특산물 거래 제공 방법.
  2. 제1항에 있어서,
    상기 농특산물 상품 추천 리스트를 생성하는 단계는,
    복수의 사용자 정보 및 상품 구매 정보를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 상기 사용자 개인 정보를 입력으로 하여 상기 농특산물 상품 추천 리스트를 생성하되,
    상기 사용자 정보는,
    건강 정보, SNS 정보, 소비 패턴 정보, 생활환경 정보를 포함하는 것인, 농특산물 거래 제공 방법.
  3. 제1항에 있어서,
    농특산물 생산 농가 단말로부터 상기 농특산물 상품 생산 정보를 수신하는 단계를 더 포함하되,
    상기 농특산물 상품 생산 정보는,
    농특산물이 자라나는 환경 정보, 농특산물 포장공정 정보, 농특산물 생산자 정보를 포함하는 것인, 농특산물 거래 제공 방법.
  4. 제1항에 있어서,
    상기 추천 레시피 리스트를 생성하는 단계는,
    상기 사용자의 농특산물 구매 이력 정보 및 상기 농특산물 사진 정보에 기반하여 제1레시피 리스트를 생성하는 단계;
    상기 사용자 정보에 포함된 사용자의 체질 정보와 상기 제1레시피 리스트에 포함된 식재료 정보와의 적합성 여부를 분석하는 단계; 및
    상기 제1레시피 리스트에 포함된 부적합한 상기 식재료 정보를 대체 가능한 식재료 정보를 생성하여 추천 레시피 리스트를 생성하는 단계,
    를 포함하는 것인, 농특산물 거래 제공 방법.
  5. 제1항에 있어서,
    상기 농특산물 상품 추천 리스트를 생성하는 단계는,
    사용자가 미리 설정한 복수의 상품 추천 평가 항목을 더 고려하여 상기 농특산물 상품 추천 리스트를 생성하되, 사용자가 미리 설정한 상기 복수의 상품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 가중치에 따른 연산 결과를 고려하여 상기 농특산물 상품 추천 리스트를 생성하는 것인, 농특산물 거래 제공 방법.
  6. 농특산물 거래 제공 장치에 있어서,
    사용자 단말로부터 사용자 정보를 획득하는 획득부;
    상기 사용자 정보를 고려하여 농특산물 상품 추천 리스트를 생성하는 추천 리스트 생성부;
    상기 사용자 단말로 상기 농특산물 상품 추천 리스트를 제공하는 제공부;
    상기 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자의 입력 정보를 수신하는 수신부; 및
    상기 사용자 단말을 통해 제공되는 거래 컨텐츠를 통해 결제가 완료된 이력과 관련된 정보를 포함하는 사용자의 농특산물 구매 이력 정보 및 농특산물 사진 정보를 분석하여 추천 레시피 리스트를 생성하는 레시피 생성부,
    를 포함하되,
    상기 제공부는,
    상기 사용자의 입력 정보에 연계된 농특산물 상품 생산 정보를 제공하고,
    상기 추천 리스트 생성부는,
    상기 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자 개인 정보를 분석하고, 분석된 상기 사용자 개인 정보에 기반하여 상기 농특산물 상품 추천 리스트를 생성하는 것이고,
    상기 수신부는,
    상기 사용자 단말로부터 상기 농특산물 사진 정보를 수신하고,
    상기 레시피 생성부는,
    개인의 식단 이력을 수집한 복수의 데이터를 기반으로 식단 간의 관계를 분석하여 상기 복수의 데이터 간의 상호 관계를 파악하고, 상기 상호 관계에 기초하여 식단들을 그룹으로 묶어 복수의 추천 식단 정보를 생성하고, 상기 복수의 추천 식단 정보 중에서 상기 사용자 개인 정보에 부합하는 추천 식단 정보에 따른 상기 추천 레시피 리스트를 생성하는 것을 특징으로 하는 것인,
    농특산물 거래 제공 장치.
  7. 제6항에 있어서,
    상기 추천 리스트 생성부는,
    복수의 사용자 정보 및 상품 구매 정보를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 상기 사용자 개인 정보를 입력으로 하여 상기 농특산물 상품 추천 리스트를 생성하되,
    상기 사용자 정보는,
    건강 정보, SNS 정보, 소비 패턴 정보, 생활환경 정보를 포함하는 것인, 농특산물 거래 제공 장치.
  8. 제6항에 있어서,
    상기 수신부는,
    농특산물 생산 농가 단말로부터 상기 농특산물 상품 생산 정보를 수신하되,
    상기 농특산물 상품 생산 정보는,
    농특산물이 자라나는 환경 정보, 농특산물 포장공정 정보, 농특산물 생산자 정보를 포함하는 것인, 농특산물 거래 제공 장치.
  9. 제6항에 있어서,
    상기 레시피 생성부는,
    상기 사용자의 농특산물 구매 이력 정보 및 상기 농특산물 사진 정보에 기반하여 제1레시피 리스트를 생성하고, 상기 사용자 정보에 포함된 사용자의 체질 정보와 상기 제1레시피 리스트에 포함된 식재료 정보와의 적합성 여부를 분석하고, 상기 제1레시피 리스트에 포함된 부적합한 상기 식재료 정보를 대체 가능한 식재료 정보를 생성하여 추천 레시피 리스트를 생성하는 것인, 농특산물 거래 제공 장치.
  10. 제6항에 있어서,
    상기 추천 리스트 생성부는,
    사용자가 미리 설정한 복수의 상품 추천 평가 항목을 더 고려하여 상기 농특산물 상품 추천 리스트를 생성하되, 사용자가 미리 설정한 상기 복수의 상품 추천 평가 항목에 대응하여 각기 다른 가중치를 부여하고, 가중치에 따른 연산 결과를 고려하여 상기 농특산물 상품 추천 리스트를 생성하는 것인, 농특산물 거래 제공 장치.
  11. 농특산물 거래 제공 시스템에 있어서,
    사용자 단말로부터 사용자 정보를 획득하고, 상기 사용자 정보를 인공지능 기반의 학습 모델에 적용하여 사용자 개인 정보를 분석하고, 분석된 상기 사용자 개인 정보에 기반하여 농특산물 상품 추천 리스트를 생성하여 상기 사용자 단말로 제공하는 농특산물 거래 제공 장치;
    상기 농특산물 상품 추천 리스트에 포함된 복수의 농특산물 상품 중 어느 하나의 농특산물 상품을 선택한 사용자 입력 정보를 상기 농특산물 거래 제공 장치로 제공하는 사용자 단말; 및
    상기 농특산물 상품에 포함된 농특산물 상품 생산 정보를 상기 농특산물 거래 제공 장치로 제공하는 농특산물 생산 농가 단말,
    을 포함하되,
    상기 농특산물 거래 제공 장치는,
    상기 사용자 단말을 통해 제공되는 거래 컨텐츠를 통해 결제가 완료된 이력과 관련된 정보를 포함하는 사용자의 농특산물 구매 이력 정보 및 상기 사용자 단말로부터 수신한 농특산물 사진 정보를 분석하여 추천 레시피 리스트를 생성하되,
    개인의 식단 이력을 수집한 복수의 데이터를 기반으로 식단 간의 관계를 분석하여 상기 복수의 데이터 간의 상호 관계를 파악하고, 상기 상호 관계에 기초하여 식단들을 그룹으로 묶어 복수의 추천 식단 정보를 생성하고, 상기 복수의 추천 식단 정보 중에서 상기 사용자 개인 정보에 부합하는 추천 식단 정보에 따른 상기 추천 레시피 리스트를 생성하는 것을 특징으로 하는 것인,
    농특산물 거래 제공 시스템.
KR1020200090651A 2020-07-22 2020-07-22 농특산물 거래 제공 장치 및 방법 KR102415337B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200090651A KR102415337B1 (ko) 2020-07-22 2020-07-22 농특산물 거래 제공 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200090651A KR102415337B1 (ko) 2020-07-22 2020-07-22 농특산물 거래 제공 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20220011867A KR20220011867A (ko) 2022-02-03
KR102415337B1 true KR102415337B1 (ko) 2022-06-29

Family

ID=80268701

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200090651A KR102415337B1 (ko) 2020-07-22 2020-07-22 농특산물 거래 제공 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102415337B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102495248B1 (ko) * 2022-04-25 2023-02-06 주식회사 홍안 사용자 맞춤형 축산물 정보를 제공하는 방법 및 그 장치
KR102561611B1 (ko) * 2023-04-20 2023-08-01 주식회사 예담우 뉴럴 네트워크를 이용하여 한우육에 대한 추천 정보를 고객 단말에게 전송하는 방법 및 장치
KR102650597B1 (ko) * 2023-11-07 2024-03-22 주식회사 순수스토리 농수산물 및 가공식품의 온라인 유통 판매를 위한 주문 처리 및 재고 관리 방법, 장치 및 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101799995B1 (ko) * 2016-11-25 2017-11-22 (주)덩키닥터 온라인 통합플랫폼 기반 스마트팜 운용시스템
KR102122763B1 (ko) * 2019-11-08 2020-06-15 최동양 빅데이터 기반의 체질을 고려한 음식 추천 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020072939A (ko) * 2001-03-13 2002-09-19 (주)데카커뮤니케이션즈 인터넷 쇼핑 에이전트에서의 다이알로그 마이닝 기법을이용한 개인화된 구매의사결정 지원과 마케팅 정보 추출방법
KR20160106445A (ko) * 2015-03-02 2016-09-12 한남대학교 산학협력단 로컬푸드 활성화를 위한 소셜 큐레이션 기반 어플 제공시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101799995B1 (ko) * 2016-11-25 2017-11-22 (주)덩키닥터 온라인 통합플랫폼 기반 스마트팜 운용시스템
KR102122763B1 (ko) * 2019-11-08 2020-06-15 최동양 빅데이터 기반의 체질을 고려한 음식 추천 시스템 및 방법

Also Published As

Publication number Publication date
KR20220011867A (ko) 2022-02-03

Similar Documents

Publication Publication Date Title
Min et al. A survey on food computing
US10720235B2 (en) Method and system for preference-driven food personalization
US20200401918A1 (en) Interestingness recommendations in a computing advice facility
KR102415337B1 (ko) 농특산물 거래 제공 장치 및 방법
US10318534B2 (en) Recommendations in a computing advice facility
US20200098466A1 (en) Machine learning implementations for a menu generation platform
WO2020210543A1 (en) Method and system for optimized foods using biomarker data and fitting models
US20190000382A1 (en) System and method for analyzing items using image recognition, optical character recognition, voice recognition, manual entry, and bar code scanning technology
US20210090154A1 (en) System for personalized recommendations
KR102227552B1 (ko) 상황인지 알고리즘 기반 리뷰 카테고리를 이용한 음식점 노출 개인화 서비스 제공 시스템
JP2014510323A (ja) コンピューティングアドバイスファシリティにおける地理的に局在化した推薦
EP2734967A1 (en) A recommendation engine that processes data including user data to provide recommendations and explanations for the recommendations to a user
US20210182976A1 (en) Methods and systems for social media recommendations engines
US20230385907A1 (en) Menu providing apparatus and method
US20220028526A1 (en) Systems and methods for scheduling alimentary combinations
CN110427564A (zh) 将深度学习集成到广义加性混合效应（game）框架中
Zitouni et al. New contextual collaborative filtering system with application to personalized healthy nutrition education
KR20220122414A (ko) 인공지능 기반 유저와 판매자의 마이데이터를 활용하여 정기구독 플랫폼에서 큐레이팅 서비스를 제공하는 방법
Zhang et al. Garment recommendation in an e-shopping environment by using a Markov Chain and Complex Network integrated method
CN116932896A (zh) 一种基于注意力机制的多模型融合个性化推荐架构
US20220012800A1 (en) System and method for ordering food
US20210373921A1 (en) Methods and systems for providing alimentary combinations in a packet-based graphical user interface generated using distance metrics
US11250488B1 (en) Method and system for determining new categories with which a target user has not interacted
Dai et al. A fuzzy recommendation system for daily water intake
Zhang Innovative food recommendation systems: a machine learning approach

Legal Events

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