KR102428087B1 - 게임 상품 추천 방법 - Google Patents

Abstract

본 개시의 일 실시예에 따른 컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법에 있어서, 게임 상품 추천 방법은 게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득하는 단계; 상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 단계; 상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 단계; 및 상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 단계;를 포함할 수 있다.

Description

게임 상품 추천 방법{METHOD FOR RECOMMENDING GAME GOODS}

게임 상품 추천 방법에 관한 것으로, 보다 구체적으로, 복수의 유저 각각의 니즈에 맞는 게임 상품을 추천하는 방법에 관한 것이다.

온라인 게임은 네트워크 및 컴퓨터 기술의 발달에 힘입어 최근 온라인 문화 산업의 큰 비중을 차지하고 있는 분야이다. 유저들은 유저의 단말을 이용하여 게임 서버에 접속하고, 일정한 캐릭터를 선택하여 온라인 상에서 캐릭터를 조작하여 게임을 즐기고 있다.

게임의 진행 상에 있어서 유저는 다양한 아이템을 획득할 수 있다. 그러나 게임의 이용에 있어서 구매를 통해서만 얻을 수 있는 아이템을 생성하여 공급하거나, 게임의 진행 중 얻기 힘든 아이템을 구매를 통해 얻을 수 있도록 공급하게 되면, 사용자들은 게임의 진행을 순조롭게 하기 위하여 아이템을 구매하게 된다.

이러한 아이템 중에서, 대부분의 유저가 부족하다고 느낄 수 있는 아이템을 임의로 선정하여 상품으로 판매한다.

하지만, 이러한 방식은 유저들의 유동적인 니즈 변화를 반영하지 못하여 필요한 상품을 적시에 전달하기 어렵다는 문제점이 있다.

대한민국 등록특허 제 10-1275655호(2013.06.11. 등록)

본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 게임 상품 추천 방법을 제공하기 위함이다.

전술한 과제를 해결하기 위한, 컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법이 개시된다. 상기 게임 상품 추천 방법은, 게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득하는 단계; 상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 단계; 상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 단계; 및 상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 단계;를 포함할 수 있다.

대안적으로, 제 1 유저의 재화정보를 획득하는 경우, 상기 클러스터 생성 모델을 통해 상기 복수의 클러스터 중 상기 제 1 유저가 속한 제 1 클러스터를 인식하는 단계; 및 상기 제 1 클러스터에 매칭된 복수의 제 1 추천 상품 구성 중에서 하나를 상기 제 1 유저에게 추천하는 단계;를 더 포함할 수 있다.

대안적으로, 상기 제 1 클러스터에 매칭된 복수의 제 1 추천 상품 구성 중에서 하나를 상기 제 1 유저에게 추천하는 단계는, 상기 제 1 추천 상품 구성 중에서, 상기 제 1 유저가 일정기간 사용한 금액에 대응되는 금액의 추천 상품 구성을 상기 제 1 유저에 추천하는 단계;를 포함할 수 있다.

대안적으로, 상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 단계는, 상기 복수의 클러스터 각각의 주요 부족재화를 판단하는 단계; 및 상기 주요 부족재화에 따른 상기 추천 상품 구성을 각각 결정하는 단계;를 포함할 수 있다.

대안적으로, 상기 복수의 클러스터 각각의 주요 부족재화를 판단하는 단계는, 상기 복수의 클러스터 각각의 복수의 재화 각각에 대한 재화 부족 비율을 인식하는 단계; 및 상기 복수의 재화 중 상기 재화 부족 비율이 기 설정된 비율 이상인 재화를 주요 부족재화로 판단하는 단계;를 포함하고, 상기 재화 부족 비율은, 특정 클러스터에 포함된 전체 유저의 수와 상기 특정 클러스터에 포함된 특정 재화를 부족하게 가지고 있는 유저의 수에 기초하여 산출될 수 있다.

대안적으로, 상기 복수의 추천 상품 구성은, 제 1 가격대로 구성된 제 1 추천 상품 구성과, 상기 제 1 가격대 보다 저렴한 제 2 가격대로 구성된 제 2 추천 상품 구성을 포함할 수 있다.

대안적으로, 상기 재화부족상태는, 복수의 재화 각각의 부족 여부를 나타내는 상태일 수 있다.

대안적으로, 상기 재화정보는, 상기 복수의 유저 각각에 대한 복수의 재화 각각의 획득량, 사용량 및 보유량 중 적어도 하나를 포함할 수 있다.

대안적으로, 상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 단계는, 일정기간 동안 상기 복수의 유저 각각에 대한 복수의 재화 각각의 획득량과 상기 복수의 유저 각각에 대한 복수의 재화 각각의 사용량을 비교하여, 상기 복수의 재화 각각의 부족여부를 판단하는 단계;를 포함할 수 있다.

대안적으로, 상기 일정기간 동안 상기 복수의 유저 각각에 대한 복수의 재화 각각의 획득량과 상기 복수의 유저 각각에 대한 복수의 재화 각각의 사용량을 비교하여, 상기 복수의 재화 각각의 부족여부를 판단하는 단계는, 상기 획득량보다 상기 사용량이 많은 경우 부족 상태로 판단하고, 상기 획득량보다 상기 사용량이 적은 경우 충분 상태로 판단하는 단계;를 포함할 수 있다.

대안적으로, 상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 단계는, 특정 유저의 특정 재화의 보유량이 상기 특정 유저와 같은 레벨인 타 유저들의 평균 보유량보다 적은 경우, 상기 특정 재화의 보유량이 부족한 것으로 판단하는 단계;를 포함할 수 있다.

대안적으로, 상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 단계는, 상기 재화부족 프로파일에 포함된 데이터를 수치화하는 단계; 및 수치화 된 상기 데이터를 상기 클러스터 생성 모델에 입력하여 복수의 상기 클러스터를 생성하는 단계;를 포함할 수 있다.

전술한 과제를 해결하기 위한, 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 게임 상품 추천을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득하는 동작; 상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 동작; 상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 동작; 및 상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 동작;을 포함할 수 있다.

전술한 과제를 해결하기 위한, 게임 상품 추천을 위한 컴퓨팅 장치로서, 적어도 하나의 코어를 포함하는 프로세서; 및 상기 프로세서에서 실행가능한 프로그램 코드들을 포함하는 메모리;를 포함하고, 상기 프로세서는, 게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득하고, 상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하고, 상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하고, 그리고 상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭할 수 있다.

본 개시는 복수의 유저 각각의 니즈에 맞는 게임 상품을 추천하는 방법을 제공할 수 있다.

도 1은 본 개시의 일 실시예에 따른 게임 상품 추천을 위한 예시적인 게임 상품 추천 시스템의 개략도이다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록도이다.
도 3은 본 개시의 일 실시예에 따른 게임 상품 추천 방법의 일례를 설명하기 위한 순서도이다.
도 4는 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 재화정보를 기반으로 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 방법의 일례를 설명하기 위한 순서도이다.
도 5는 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 방법의 일례를 설명하기 위한 순서도이다.
도 6은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 방법의 일례를 설명하기 위한 순서도이다.
도 7은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 클러스터 각각의 주요 부족재화를 판단하는 방법의 일례를 설명하기 위한 순서도이다.
도 8은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 재화부족 프로파일의 일례를 설명하기 위한 도면이다.
도 9은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 클러스터 생성 모델의 일례를 설명하기 위한 도면이다.
도 10은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 클러스터 생성 모델의 결과의 일례를 설명하기 위한 도면이다.
도 11은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 클러스터 각각의 주요 부족재화와 추천 상품 구성의 일례를 설명하기 위한 도면이다.
도 12는 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 유저 각각의 주요 부족재화, 클러스터, 추천 상품 구성의 일례를 설명하기 위한 도면이다.
도 13은 본 개시의 내용의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 일반적인 개략도이다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.

그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

도 1은 본 개시의 일 실시예에 따른 게임 상품 추천을 위한 예시적인 게임 상품 추천 시스템의 개략도이다.

도 1을 참조하면, 게임 상품 추천 시스템은, 사용자 단말(10), 컴퓨팅 장치(100) 및 네트워크를 포함할 수 있다. 다만, 상술한 구성 요소들은 게임 상품 추천 시스템을 구현하기 위해서 위에 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.

사용자 단말(10)은 네트워크를 통하여 서로 간에 통신하기 위한 매커니즘을 가질 수 있다. 또한, 사용자 단말(10)은 PC, 랩탑 컴퓨터, 워크스테이션, 단말 및 네트워크 접속성을 갖는 임의의 전자 디바이스를 포함할 수 있다. 그리고, 사용자 단말(10)은 애플리케이션 소스 및 클라이언트 애플리케이션을 포함할 수 있다.

사용자 단말(10)은 컴퓨팅 장치(100)에 액세스하고자 하는 사용자인 유저가 사용하는 전자 디바이스를 의미할 수 있다.

사용자 단말(10)은 컴퓨팅 장치(100)로부터 신호를 수신할 수 있다. 예를 들면, 사용자 단말(10)은 컴퓨팅 장치(100)로부터 추천 상품 구성 중에서 하나를 추천하는 신호를 수신할 수 있다.

사용자 단말(10)은 컴퓨팅 장치(100)에 접속하여 컴퓨팅 장치(100)에서 제공하는 게임을 실행할 수 있다. 그리고, 사용자 단말(10)의 사용자는 게임을 수행하는 과정에서 게임 내의 재화를 획득할 수 있다. 여기에서, 게임은 모바일 게임, 웹 게임, VR 게임, P2P 게임, 온라인 게임, 오프라인 게임 등 임의의 형태의 게임을 포함할 수 있다.

사용자 단말(10)은 디스플레이부를 구비하여 게임 플레이 화면을 출력할 수 있고, 컴퓨팅 장치(100)로부터 수신한 추천 상품 구성을 임의의 형태로 디스플레이부에 출력할 수 있다.

컴퓨팅 장치(100)는 하나 이상의 사용자 단말(10)들에 의해 액세스 가능한 게임이 구축될 수 있고, 사용자 단말(10)을 통해 접속한 사용자 각각의 게임 정보를 기록한 게임 로그를 저장할 수 있다.

컴퓨팅 장치(100)에 대한 자세한 설명은 도 2에서 후술한다.

게임 상품 추천 시스템은 임의의 형태의 데이터 및 신호 등을 송수신할 수 있는 임의의 유무선 통신 네트워크가 본 개시 내용에서 표현되는 네트워크에 포함될 수 있다.

도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록도이다.

도 2에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.

컴퓨팅 장치(100)는 프로세서(110), 메모리(130), 네트워크부(150)를 포함할 수 있다.

프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 기계 학습을 위한 프로세서를 포함할 수 있다. 프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다.

본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다.

본 개시의 일 실시예에 따르면, 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 네트워크부(150)는 임의의 형태의 데이터 및 신호 등을 송수신할 수 있는 임의의 유무선 통신 네트워크를 포함할 수 있다.

컴퓨팅 장치(100)의 프로세서(110)에서 수행되는 게임 상품을 추천하는 방법은 도 3 내지 도 12를 참조해서 후술한다.

도 3은 본 개시의 일 실시예에 따른 게임 상품 추천 방법의 일례를 설명하기 위한 순서도이다. 도 4는 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 재화정보를 기반으로 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 방법의 일례를 설명하기 위한 순서도이다. 도 5는 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 방법의 일례를 설명하기 위한 순서도이다. 도 6은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 방법의 일례를 설명하기 위한 순서도이다. 도 7은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 클러스터 각각의 주요 부족재화를 판단하는 방법의 일례를 설명하기 위한 순서도이다.

도 3을 참조하면, 프로세서(110)는 게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득할 수 있다(S100).

여기에서, 재화정보는 복수의 유저 각각에 대한 복수의 재화 각각의 획득량, 사용량 및 보유량 중 적어도 하나를 포함할 수 있다. 다만, 이에 한정되는 것은 아니고, 재화정보는 재화와 관련된 다양한 정보를 의미할 수 있다.

재화는 제 1 차 재화, 제 2 차 재화, 거래소 재화 및 게임 특화 재화 중 적어도 하나를 포함할 수 있다.

제 1 차 재화는 현금을 통해 직접 구매할 수 있는 게임 내의 복수의 재화일 수 있다.

제 2 차 재화는 게임 내에서의 플레이 또는 제 1 차 재화를 통해 구매할 수 있는 게임 내의 복수의 재화일 수 있다. 예를 들면, 게임 내에서의 플레이를 통해 목표를 달성해야 얻을 수 있거나, 제 1 차 재화를 기 설정된 기준(예를 들면, 10개)을 제공해야 얻을 수 있는 재화일 수 있다.

거래소 재화는 유저끼리 거래소에서 거래 행위를 하기 위해 필요한 재화일 수 있다. 예를 들면, 게임 내에서 얻을 수 있는 사이버머니일 수 있다.

게임 특화 재화는 게임 내에서 캐릭터 성장을 위해 필요한 복수의 게임 특화 재화일 수 있다. 예를 들면, 캐릭터의 경험치를 기존보다 빠르게 획득할 수 있는 경험치 획득 아이템일 수 있다.

프로세서(110)는 복수의 재화 중에서 재화정보를 획득할 특정 재화를 지정하고, 지정된 특정 재화에 대한 재화정보를 획득할 수 있다.

여기에서, 각각의 재화에는 특정 번호가 부여될 수 있다. 예를 들면, 거래소 재화는 제1 재화, 게임 특화 재화는 제 2 재화 등으로 지정될 수 있다.

상술한 바와 같은 재화에 부여된 특정 번호에 관한 구체적인 기재는 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.

획득량은 게임 내에서 일정기간 동안 특정 재화를 획득한 양이고, 사용량은 게임 내에서 일정기간 동안 특정 재화를 사용한 양이며, 보유량은 현재 게임 내에서 특정 재화를 가지고 있는 양일 수 있다.

프로세서(110)는 재화정보를 기반으로, 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성할 수 있다(S200).

여기에서, 재화부족상태는 복수의 재화 각각의 부족 여부를 나타내는 상태일 수 있다.

재화부족 프로파일에 관한 자세한 설명은 도 8에서 후술하며, 재화부족 프로파일을 생성하는 방법은 도 4를 참조하여 자세히 설명한다.

도 4를 참조하면, 단계(S200)에서 프로세서(110)는 일정기간 동안 복수의 유저 각각에 대한 복수의 재화 각각의 획득량과 복수의 유저 각각에 대한 복수의 재화 각각의 사용량을 비교하여, 복수의 유저 각각에 대한 복수의 재화 각각의 부족여부를 판단할 수 있다(S210).

단계(S210)에서 프로세서(110)는 특정 재화의 획득량보다 특정 재화의 사용량이 많은 경우 해당 특정 재화의 상태를 부족 상태로 판단할 수 있다. 그리고, 프로세서(110)는 특정 재화의 획득량보다 특정 재화의 사용량이 적은 경우 해당 특정 재화의 상태를 충분 상태로 판단할 수 있다.

추가적으로, 프로세서(110)는 특정 유저의 특정 재화의 보유량이 특정 유저와 같은 레벨인 타 유저들의 평균 보유량 보다 적은 경우, 특정 재화의 보유량이 부족한 것으로 판단할 수 있다(S220).

본 개시의 다른 실시예에 따른 재화 각각의 부족여부를 판단하는 방법은 아래 수학식 1과 같을 수 있다.

상기 수학식 1에서

는 특정 유저의 제 i 재화의 부족여부를 나타내고,

는 특정 유저의 과거 n일 간 제 i 재화의 사용량이고,

는 특정 유저의 과거 n일 간 제 i 재화의 획득량이고,

는 특정 유저의 제 i 재화의 보유량이고,

는 특정 유저와 같은 레벨인 타 유저들의 제 i 재화의 평균 보유량이고,

와

는 임의의 값(예를 들면, 0,1)일 수 있다.

여기에서,

와

를 재화에 따라 다르게 조정하여 재화 각각의 부족여부를 서로 다른 기준으로 판단할 수 있다.

예를 들면, 제 1 재화는 희귀하여 추천 상품 구성에 추가하는 것을 원하지 않는 경우,

와

을 조정하여 전체 유저가 제 1 재화는 부족 상태로 판단하지 않도록 할 수 있다.

상술한 바와 같이 도 4에서는 단계(S210)과 단계(S220)이 순차적으로 실행되지만, 상술한 예시는 본 개시 내용을 설명하기 위한 일 예시일 뿐, 단계(S210)과 단계(S220)은 역순으로 실행되거나, 또는 각각 독립적으로 실행될 수 있다.

본 개시의 몇몇 실시예에 따르면, 프로세서(110)는 도 4에서 상술한 바와 같은 방법을 이용하여, 복수의 유저 각각의 재화부족상태를 판단할 수 있다. 이와 같이 프로세서(110)가 복수의 유저 각각의 재화부족 상태를 판단한 경우, 프로세서(110)는 복수의 유저 각각의 재화부족 상태가 기록된 재화부족 프로파일을 생성할 수 있다.

다시 도 3을 참조하면, 프로세서(110)는 단계(S200)에서 재화부족 프로파일을 생성한 경우, 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성할 수 있다(S300). 여기에서, 클러스터 생성 모델은, 재화부족 프로파일에 포함된 데이터를 기 설정된 기준에 따라 배치시키고, 데이터가 군집되어 있는 개수만큼 클러스터를 생성하는 알고리즘을 의미할 수 있다. 이는 도 5를 참조하여 좀 더 자세히 설명한다.

도 5를 참조하면, 단계(S300)에서 프로세서(110)는 재화부족 프로파일에 포함된 데이터를 수치화 할 수 있다(S310).

여기에서, 수치화는 프로파일에 포함된 데이터 중에서 특정 단어를 특정 수치로 변환하여 클러스터 생성 모델에서 데이터를 인식할 수 있도록 하기 위해 이루어질 수 있다.

프로세서(110)는 수치화된 데이터를 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성할 수 있다(S320).

클러스터 생성 모델 및 클러스터에 관한 자세한 설명은 도 9 내지 도 12를 참조하여 후술하도록 한다.

도 3을 다시 참조하면, 프로세서(110)는 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭할 수 있다(S400).

여기에서, 추천 상품 구성은 제 1 가격대로 구성된 제 1 추천 상품 구성과 제 1 가격대 보다 저렴한 제 2 가격대로 구성된 제 2 추천 상품 구성을 포함할 수 있다.

예를 들면, 제 1 가격은 현금 10만원, 제 1 추천 상품 구성은 제 1 재화 10개, 제 2 재화 10개로 구성되고, 제 2 가격은 현금 5만원, 제 2 추천 상품 구성은 제 1 재화 5개, 제 2 재화 5개 구성될 수 있다.

상술한 바와 같은 추천 상품 구성에 관한 구체적인 기재는 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.

또한, 추천 상품 구성은 제 n 가격대로 구성된 제 n 추천 상품 구성을 포함할 수 있다. 여기에서, n은 양의 정수(예를 들면, 1, 2)일 수 있고, 각각의 가격이 다르게 형성되고, 가격에 따라 추천 상품 구성이 다르게 구성될 수 있다.

도 6을 참조하면, 단계(S400)에서 프로세서(110)는 복수의 클러스터 각각의 주요 부족재화를 판단할 수 있다(S410). 여기서, 주요 부족재화는, 복수의 클러스터 각각의 사용자들이 보유하고 있는 복수의 재화 중 재화 부족 비율이 기 설정된 비율 이상인 재화를 의미할 수 있다. 주요 부족재화를 판단하는 방법에 대한 자세한 설명은, 도 7을 참조하여 자세히 설명한다.

도 7을 참조하면, 단계(S410)에서 프로세서(110)는 복수의 클러스터 각각의 복수의 재화 각각에 대한 재화 부족 비율을 인식할 수 있다(S411).

여기에서, 재화 부족 비율은 특정 클러스터에 포함된 전체 유저의 수와 특정 클러스터에 포함된 특정 재화를 부족하게 가지고 있는 유저의 수에 기초하여 산출될 수 있다. 이러한 재화 부족 비율의 구체적인 산출 방법은 아래 수학식 2와 같을 수 있다.

상기 수학식 2에서

는 제P 클러스터에 포함된 전체 유저의 수이고,

는 제P 클러스터에 포함된 제M 재화를 부족하게 가지고 있는 유저의 수일 수 있다. 또한, P 및 M는 각각 임의의 양의 정수(예를 들면, 10, 11)일 수 있다.

프로세서(110)는 복수의 클러스터 각각의 복수의 재화 중 재화 부족 비율이 기 설정된 비율 이상인 재화를 복수의 클러스터 각각의 주요 부족재화로 판단할 수 있다(S412).

예를 들면, 프로세서(110)는 기 설정된 비율이 50%인 경우, 제 1 클러스터의 특정 재화의 재화 부족 비율이 50%이상인 경우에는 특정 재화는 제 1 클러스터의 주요 부족재화로 판단할 수 있다.

상술한 바와 같은 기 설정된 비율에 대한 구체적인 기재는 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.

도 6을 다시 참조하면, 프로세서(110)는 단계(S410)에서 복수의 클러스터 각각의 주요 부족재화를 판단한 경우, 주요 부족재화에 따른 추천 상품 구성을 복수의 클러스터 각각에 대해 결정할 수 있다(S420). 즉, 도 3의 단계(400)에서 프로세서(110)는 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭시키는 경우, 복수의 클러스터 각각의 주요 부족재화를 이용하여 복수의 클러스터 각각의 추천 상품 구성을 설정할 수 있다.

한편, 도 3을 다시 참조하면, 프로세서(110)는 제 1 유저의 재화 정보를 획득하는 경우, 클러스터 생성 모델을 통해 복수의 클러스터 중 제 1 유저가 속한 제 1 클러스터를 인식할 수 있다(S500). 구체적으로, 제 1 유저의 재화 정보가 클러스터 생성 모델에 입력되는 경우, 클러스터 생성 모델은 제 1 유저가 속한 클러스터가 복수의 클러스터 중 어느 클러스터인지를 출력할 수 있다. 따라서, 프로세서(110)는 현재 유저가 어느 클러스터에 속하는지 여부를 클러스터 생성 모델을 통해 인식할 수 있다.

단계(S500)에서 제 1 유저가 속한 제 1 클러스터를 인식한 경우, 프로세서(110)는 제 1 클러스터에 매칭된 복수의 제 1 추천 상품 구성 중에서 하나를 제 1 유저에게 추천할 수 있다(S600).

단계(S600)에서 프로세서(110)는 제 1 추천 상품 구성 중에서, 제 1 유저가 일정기간 사용한 금액에 대응되는 금액의 추천 상품 구성을 제 1 유저에 추천할 수 있다.

또한, 본 개시의 다른 실시예에 따르면, 단계(S600)에서 프로세서(110)는 제 1 추천 상품 구성 중에서, 제 1 유저가 일정기간 중에서 하루 또는 한번에 사용한 최고 금액에 대응되는 금액의 추천 상품 구성을 제 1 유저에 추천할 수 있다.

도 8은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 재화부족 프로파일의 일례를 설명하기 위한 도면이다.

도 8을 참조하면, 재화부족 프로파일은 표 최상단에 가로로 재화 1부터 재화 m까지 작성되고, 표 좌측에 세로로 유저 1부터 유저 n까지 작성되며, 각각의 유저의 재화 각각의 부족여부가 표시될 수 있다.

여기에서, 특정 재화에 대해서 부족 상태로 판단되었을 경우에는 Y로 표시될 수 있다. 그리고, 특정 재화가 충분 상태로 판단되었을 경우에는 N으로 표시될 수 있다.

여기에서, Y, N은 수치화를 통해 1, 0으로 변환될 수 있고, 변환된 데이터는 클러스터 생성 모델에 입력할 수 있다.

상술한 바와 같은 재화부족 프로파일, 수치화에 관한 구체적인 기재는 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.

도 9은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 클러스터 생성 모델의 일례를 설명하기 위한 도면이다.

기계 학습 중에서 비지도 학습(unsupervised learning)은 입력값만 있는 데이터를 이용하여 입력들의 규칙성을 찾을 수 있다. 여기에서, 비지도 학습은 군집 분석을 포함하고, 군집 분석은 서로 유사한 정도에 따라 다수의 객체를 군집으로 나누는 작업 또는 이에 기반한 분석을 의미할 수 있다. 이러한 군집 분석을 수행하기 위해 클러스터 생성 모델을 사용할 수 있다.

도 9를 참조하면, 클러스터 생성 모델은 데이터를 재화A, B를 기준으로 각각의 부족여부에 따라 배치시키고 데이터가 군집되어 있는 개수만큼 클러스터를 생성할 수 있다.

클러스터 생성 모델은 클러스터를 생성하기 위하여 k-평균(k-means) 알고리즘 또는 DBSCAN(Density-based spatial clustering of applications with noise) 알고리즘을 사용할 수 있다. 다만, 이에 한정되는 것은 아니다.

k-평균 알고리즘은 주어진 데이터를 군집 간의 거리를 이용하여 k개의 클러스터로 구성할 수 있다.

프로세서(110)는 클러스터의 개수 k의 값을 임의로 선택하고, 데이터가 분포된 공간 상에 클러스터 중심으로 가정할 임의의 지점을 k개 선택할 수 있다(단계 S710).

프로세서(110)는 임의로 선택한 k개의 클러스터의 중심과 개별 데이터 사이의 거리를 계산하고, 개별 데이터는 가장 가깝게 있는 클러스터의 중심을 그 데이터가 소속되는 클러스터로 할당할 수 있다(단계 S720).

여기에서, 거리는 유클리드 거리의 제곱일 수 있고, 유클리드 거리는 두 객체 사이의 직관적인 거리를 나타낼 수 있다.

프로세서(110)는 클러스터에 속하게 된 데이터들의 평균값을 새로운 클러스터의 중심으로 설정할 할 수 있다(단계 S730).

프로세서(110)는 단계(S720) 및 단계(S730)를 반복하여 클러스터의 중심이 변화하지 않을 때까지 반복할 수 있다(단계 S740).

프로세서(110)는 k의 값을 결정하고, 결정된 k개의 클러스터를 생성할 수 있다(단계 S750).

여기에서, k의 값은 앨보우(elbow) 기법 또는 실루엣(Silhouette) 기법을 이용하여 k를 결정할 수 있다.

앨보우 기법은 클러스터 내에서 오차 제곱의 합을 이용하는 방식으로, k의 값을 1부터 순차적으로 늘리면서 클러스터 내에서 오차 제곱의 합을 구하고, 오차 제곱의 합의 변화량이 기 설정된 값보다 적어지는 지점을 k의 값으로 결정할 수 있다.

예를 들면, 기 설정된 값이 50이고, k의 값이 1일 때, 오차 제곱의 합이 500이고, k의 값이 2일 때, 오차 제곱의 합이 300이고, k의 값이 3일 때, 오차 제곱의 합이 100이고, k의 값이 4일 때, 오차 제곱의 합이 95일 수 있다. 이 때, k의 값이 3일때와 4일때의 오차 제곱의 합의 변화량이 5로 기 설정된 값보다 적어지게 되어 k의 값은 3으로 결정할 수 있다.

상술한 예시는 본 개시 내용을 설명하기 위한 일 예시일 뿐, 본 개시는 이에 제한되지 않는다.

실루엣 기법은 클러스터 생성 모델의 품질을 정량적으로 계산해주는 방식으로, 실루엣 계수가 1에 가장 가까운 값을 k의 값으로 결정할 수 있다. 여기에서, 실루엣 계수는 널리 알려진 계수임으로, 자세한 설명은 생략하도록 한다.

DBSCAN 알고리즘은 밀도를 기반으로 군집화를 진행하는 방식으로, 입력된 데이터가 일정 기준으로 입력되어 존재하는 공간에서 특정 지점을 기준으로 주어진 반경 내에 최소 개수만큼의 데이터를 가질 수 있도록 함으로써, 밀도에 의해 복수의 클러스터를 생성할 수 있고, 모든 데이터가 묶였을 때 클러스터의 수가 k의 값이 될 수 있다.

상술한 바와 같은 클러스터 생성 모델은 본 개시의 내용을 설명하기 위한 일 예시일 뿐, 본 개시는 이에 제한되지 않는다.

도 10은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 클러스터 생성 모델의 결과의 일례를 설명하기 위한 도면이다.

도 10을 참조하면, 프로세서(110)는 클러스터 생성 모델을 통해 상술한 바와 같은 방법으로 클러스터의 수를 결정하고, 복수의 클러스터를 생성하며, 복수의 유저 각각을 해당되는 클러스터로 분배할 수 있다. 예를 들면, 클러스터 생성 모델을 통해 클러스터의 수를 4개로 결정하고, 유저 1은 클러스터 C1, 유저 2는 클러스터 C2, 유저 3은 클러스터 C1, 유저 4는 클러스터 C3, 유저 5는 클러스터 C4 등으로 분배할 수 있다.

상술한 바와 같은 클러스터의 구체적인 수치는 본 개시의 내용을 설명하기 위한 일 예시일 뿐, 본 개시는 이에 제한되지 않는다.

도 11은 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 클러스터 각각의 주요 부족재화와 추천 상품 구성의 일례를 설명하기 위한 도면이다.

도 11을 참조하면, 프로세서(110)는 복수의 클러스터 각각의 주요 부족재화를 판단하고, 클러스터 각각의 추천 상품 구성을 설정할 수 있다. 예를 들면, 재화 부족 비율이 50%로 설정되고, 클러스터 1은 50%가 넘는 재화 2, 재화 m-1이 주요 부족재화로 설정되고, 추천 상품 구성은 제 1 가격대로 구성된 추천 상품 구성이 상품1로 설정되고, 제 1 가격대 보다 저렴한 제 2 가격대로 구성된 추천 상품 구성은 상품2로 설정될 수 있다.

상술한 바와 같은 클러스터의 주요 부족재화, 추천 상품 구성에 관한 구체적인 수치는 본 개시의 내용을 설명하기 위한 일 예시일 뿐, 본 개시는 이에 제한되지 않는다.

도 12는 본 개시의 일 실시예에 따른 게임 상품 추천 방법에서 복수의 유저 각각의 주요 부족재화, 클러스터, 추천 상품 구성의 일례를 설명하기 위한 도면이다.

도 12를 참조하면, 프로세서(110)는 각각의 유저의 일정기간 사용한 금액에 대응되는 금액의 추천 상품 구성을 추천할 수 있다. 예를 들면, 유저 1이 일정기간(예를 들면, 10일) 사용한 금액이 100,000원인 경우, 유저 1이 속하는 클러스터 1의 추천 상품 구성에서 사용한 금액에 대응되는 고가인 상품1을 추천하고, 유저 2가 일정기간 사용한 금액이 1,000원인 경우, 유저 2가 속하는 클러스터 2의 추천 상품 구성에서 사용된 금액에 대응되는 저가인 상품4를 추천할 수 있다.

상술한 바와 같은 유저의 일정기간, 추천 상품 구성에 관한 구체적인 수치는 본 개시의 내용을 설명하기 위한 일 예시일 뿐, 본 개시는 이에 제한되지 않는다.

도 13은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 일반적인 개략도이다.

본 개시가 일반적으로 컴퓨팅 장치에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.

일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드(handheld) 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.

본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.

컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.

컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.

컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.

시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.

컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)－이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음－, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.

이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.

운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.

사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.

모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.

컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.

LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.

컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.

Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a, b, g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (14)

1. 게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득하는 단계;
   상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 단계;
   상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 단계; 및
   상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 단계;
   를 포함하고,
   상기 재화부족상태는,
   제 1 유저의 과거 n일 간 재화의 사용량, 과거 n일 간 재화의 획득량, 재화의 보유량 및 제 2 유저의 재화의 평균 보유량에 기초하여 계산된 값의 크기를 재화에 따라 상이하게 설정된 정수 α 및 β와 비교하여 판단된 것이며, 여기서 n은 정수인,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
2. 제1항에 있어서,
   제 1 유저의 재화정보를 획득하는 경우, 상기 클러스터 생성 모델을 통해 상기 복수의 클러스터 중 상기 제 1 유저가 속한 제 1 클러스터를 인식하는 단계; 및
   상기 제 1 클러스터에 매칭된 복수의 제 1 추천 상품 구성 중에서 하나를 상기 제 1 유저에게 추천하는 단계;
   를 더 포함하는,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
3. 제2항에 있어서,
   상기 제 1 클러스터에 매칭된 복수의 제 1 추천 상품 구성 중에서 하나를 상기 제 1 유저에게 추천하는 단계는,
   상기 제 1 추천 상품 구성 중에서, 상기 제 1 유저가 일정기간 사용한 금액에 대응되는 금액의 추천 상품 구성을 상기 제 1 유저에 추천하는 단계;
   를 포함하는,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
4. 제1항에 있어서,
   상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 단계는,
   상기 복수의 클러스터 각각의 주요 부족재화를 판단하는 단계; 및
   상기 주요 부족재화에 따른 상기 추천 상품 구성을 각각 결정하는 단계;
   를 포함하는,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
5. 제4항에 있어서,
   상기 복수의 클러스터 각각의 주요 부족재화를 판단하는 단계는,
   상기 복수의 클러스터 각각의 복수의 재화 각각에 대한 재화 부족 비율을 인식하는 단계; 및
   상기 복수의 재화 중 상기 재화 부족 비율이 기 설정된 비율 이상인 재화를 주요 부족재화로 판단하는 단계;
   를 포함하고,
   상기 재화 부족 비율은,
   특정 클러스터에 포함된 전체 유저의 수와 상기 특정 클러스터에 포함된 특정 재화를 부족하게 가지고 있는 유저의 수에 기초하여 산출되는,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
6. 제1항에 있어서,
   상기 복수의 추천 상품 구성은,
   제 1 가격대로 구성된 제 1 추천 상품 구성과,
   상기 제 1 가격대 보다 저렴한 제 2 가격대로 구성된 제 2 추천 상품 구성을 포함하는,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
7. 제1항에 있어서,
   상기 재화부족상태는,
   복수의 재화 각각의 부족 여부를 나타내는 상태인,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
8. 제1항에 있어서,
   상기 재화정보는,
   상기 복수의 유저 각각에 대한 복수의 재화 각각의 획득량, 사용량 및 보유량 중 적어도 하나를 포함하는,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
9. 제1항에 있어서,
   상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 단계는,
   일정기간 동안 상기 복수의 유저 각각에 대한 복수의 재화 각각의 획득량과 상기 복수의 유저 각각에 대한 복수의 재화 각각의 사용량을 비교하여, 상기 복수의 재화 각각의 부족여부를 판단하는 단계;
   를 포함하는,
   컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
   
10. 제9항에 있어서,
    상기 일정기간 동안 상기 복수의 유저 각각에 대한 복수의 재화 각각의 획득량과 상기 복수의 유저 각각에 대한 복수의 재화 각각의 사용량을 비교하여, 상기 복수의 재화 각각의 부족여부를 판단하는 단계는,
    상기 획득량보다 상기 사용량이 많은 경우 부족 상태로 판단하고, 상기 획득량보다 상기 사용량이 적은 경우 충분 상태로 판단하는 단계;
    를 포함하는,
    컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
    
11. 제1항에 있어서,
    상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 단계는,
    특정 유저의 특정 재화의 보유량이 상기 특정 유저와 같은 레벨인 타 유저들의 평균 보유량보다 적은 경우, 상기 특정 재화의 보유량이 부족한 것으로 판단하는 단계;
    를 포함하는,
    컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
    
12. 제1항에 있어서,
    상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 단계는,
    상기 재화부족 프로파일에 포함된 데이터를 수치화하는 단계; 및
    수치화 된 상기 데이터를 상기 클러스터 생성 모델에 입력하여 복수의 상기 클러스터를 생성하는 단계;
    를 포함하는,
    컴퓨팅 장치의 프로세서에서 수행되는 게임 상품 추천 방법.
    
13. 컴퓨터 판독가능 저장 매체 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 게임 상품 추천을 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:
    게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득하는 동작;
    상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하는 동작;
    상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하는 동작; 및
    상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하는 동작;
    을 포함하고,
    상기 재화부족상태는,
    제 1 유저의 과거 n일 간 재화의 사용량, 과거 n일 간 재화의 획득량, 재화의 보유량 및 제 2 유저의 재화의 평균 보유량에 기초하여 계산된 값의 크기를 재화에 따라 상이하게 설정된 정수 α 및 β와 비교하여 판단된 것이며, 여기서 n은 정수인,
    컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.
    
14. 게임 상품 추천을 위한 컴퓨팅 장치로서,
    적어도 하나의 코어를 포함하는 프로세서; 및
    상기 프로세서에서 실행가능한 프로그램 코드들을 포함하는 메모리;
    를 포함하고,
    상기 프로세서는,
    게임 로그를 기반으로, 복수의 유저 각각과 관련된 일정기간의 재화정보를 획득하고,
    상기 재화정보를 기반으로, 상기 복수의 유저 각각의 재화부족상태가 기록된 재화부족 프로파일을 생성하고,
    상기 재화부족 프로파일을 클러스터 생성 모델에 입력하여 복수의 클러스터를 생성하고,
    상기 복수의 클러스터 각각에 복수의 추천 상품 구성을 매칭하고, 그리고
    상기 재화부족상태는,
    제 1 유저의 과거 n일 간 재화의 사용량, 과거 n일 간 재화의 획득량, 재화의 보유량 및 제 2 유저의 재화의 평균 보유량에 기초하여 계산된 값의 크기를 재화에 따라 상이하게 설정된 정수 α 및 β와 비교하여 판단된 것이며, 여기서 n은 정수인,
    게임 상품 추천 장치.

Images