KR102443041B1 - 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법 및 장치 - Google Patents
이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법 및 장치 Download PDFInfo
- Publication number
- KR102443041B1 KR102443041B1 KR1020210045186A KR20210045186A KR102443041B1 KR 102443041 B1 KR102443041 B1 KR 102443041B1 KR 1020210045186 A KR1020210045186 A KR 1020210045186A KR 20210045186 A KR20210045186 A KR 20210045186A KR 102443041 B1 KR102443041 B1 KR 102443041B1
- Authority
- KR
- South Korea
- Prior art keywords
- metadata
- event
- events
- demand
- information
- Prior art date
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/164—File meta data generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법 및 장치가 개시된다. 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 사전에 진행된 제1 이벤트들에 대한 정보를 획득하고, 제1 메타데이터를 추출하고 데이터베이스에 저장하는 단계, 사용자로부터 입력 받은 제2 이벤트의 정보를 획득하는 단계, 상기 획득된 정보로부터 자연어 처리를 이용하여 제2 메타데이터를 추출하는 단계, 상기 제1 이벤트들 중 상기 사용자로부터 입력 받은 이벤트와의 유사도가 높은 제3 이벤트에 대응하는 제3 메타데이터를 획득하는 단계, 상기 획득된 제3 메타데이터를 이용하여 상기 사용자로부터 입력 받은 이벤트의 수요를 예측하는 단계 및 상기 예측된 수요를 포함하는 정보를 상기 사용자에게 제공하는 단계를 포함할 수 있다.
Description
본 발명은 이벤트간 유사성 측정을 통해 새로운 이벤트의 수요를 예측하는 방법 및 장치에 관한 것이다.
이하에 기술되는 내용은 단순히 본 발명에 따른 일 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것은 아니다.
기존에는 사람들이 관심 있을 이벤트, 컨퍼런스, 세미나의 주제를 선정하기 위해서 대상자에게 설문형 수요조사를 요청하는 방법을 사용해왔다. 수요조사 방법으로는 게시판을 통한 의견 수렴이나 투표, 지인에게 물어보는 방법 등으로 진행했다.
위와 같은 방법으로는 사람들이 얼마나 참여하느냐에 따라 설문 결과가 실제 표본과 다른 지표를 나타낼 수 있다. 그래서 오차를 줄이기 위해서는 굉장히 많은 사람들이 참여가 필요하다. 그리고 설문 조사가 마무리 되고, 결과를 얻을 때까지 시간이 오래 걸리는 단점이 있다. 또한 직접 설문조사를 만들어야 하며, 그에 따른 시간이 오래 걸리고, 효과적인 설문을 위해 공고문을 제작하고 홍보를 해야 하는 등 효율이 떨어지고 비용이 많이 발생하는 문제점이 존재한다.
본 발명은 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요를 예측하는 것을 목적으로 한다.
또한, 본 발명은 kNN 알고리즘을 이용하여 새로운 이벤트와 과거 진행된 이벤트의 유사도를 산출하고, 유사도가 높은 과거 진행된 이벤트의 정보를 토대로 이벤트의 수요를 예측하는 것을 목적으로 한다.
또한, 본 발명은 예측된 수요를 증가시킬 수 있는 추천 정보를 제공하는 것을 목적으로 한다.
또한, 본 발명은 이벤트 제작자가 설문 조사 없이 수요를 예측하는 것을 목적으로 한다.
또한, 본 발명은 기존의 설문과 다르게 결과를 빠르게 도출하고, 과거의 데이터를 통해 합리적인 수요 예측을 하는 것을 목적으로 한다.
이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법 및 장치가 개시된다. 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 사전에 진행된 제1 이벤트들에 대한 정보를 획득하고, 제1 메타데이터를 추출하고 데이터베이스에 저장하는 단계, 사용자로부터 입력 받은 제2 이벤트의 정보를 획득하는 단계, 상기 획득된 정보로부터 자연어 처리를 이용하여 제2 메타데이터를 추출하는 단계, 상기 제1 이벤트들 중 상기 사용자로부터 입력 받은 이벤트와의 유사도가 높은 제3 이벤트에 대응하는 제3 메타데이터를 획득하는 단계, 상기 획득된 제3 메타데이터를 이용하여 상기 사용자로부터 입력 받은 이벤트의 수요를 예측하는 단계 및 상기 예측된 수요를 포함하는 정보를 상기 사용자에게 제공하는 단계를 포함할 수 있다.
상기 제2 메타데이터를 추출하는 단계는 상기 획득된 정보에 포함된 이벤트 내용에 대해 형태소 분석을 통해 단어를 추출하는 단계, 기 설정된 분류 기준에 기초하여, 상기 추출된 단어를 적어도 하나의 분류 항목으로 분류하는 단계 및 상기 사용자에 의해 분류 항목이 선택된 순서에 기초하여 상기 추출된 단어에 점수를 부여하는 단계를 포함하고, 상기 점수를 부여하는 단계는 상기 사용자에 의해 선택된 순서대로 제1 점수, 상기 제1 점수보다 낮은 제2 점수, 상기 제2 점수보다 낮은 제3 점수를 부여하고, 상기 사용자에 의해 선택되지 않은 분류 항목에 대해서는 점수를 부여할 수 있다.
상기 제3 메타데이터를 추출하는 단계는 상기 데이터베이스로부터 기 저장된 상기 제1 메타데이터를 획득하는 단계, 가상 공간에 상기 제2 메타데이터를 매핑하는 단계, 상기 가상 공간에 상기 획득된 제1 메타데이터를 매핑하는 단계 및 k-최근접 이웃 알고리즘(k-nearest neighbors) 알고리즘에 기초하여, 상기 제2 메타데이터로부터 유사도가 높은 순서대로 k개의 메타데이터를 상기 제3 메타데이터로서 기 설정된 이벤트 수만큼 추출하는 단계를 포함할 수 있다.
상기 획득된 제1 메타데이터를 매핑하는 단계는 상기 획득된 제1 메타데이터 중 상기 사용자가 선택한 분류 항목 중 적어도 하나를 포함하는 제4 이벤트에 대응하는 제4 메타데이터를 추출하는 단계, 상기 제4 메타데이터 각각에 상기 사용자의 분류 항목 선택 순서에 따른 점수를 부여하는 단계 및 상기 부여된 점수의 합이 클수록 상기 제2 이벤트로부터의 거리가 가까워지도록 상기 제4 메타데이터를 매핑하는 단계를 포함할 수 있다.
상기 제1 메타데이터를 추출하고 데이터베이스에 저장하는 단계는 상기 제1 이벤트들에 대한 이벤트 정보를 획득하는 단계, 상기 획득된 이벤트 정보로부터 자연어 처리를 이용하여 제1 메타데이터를 추출하는 단계 및 상기 제1 메타데이터를 데이터베이스에 저장하는 단계를 포함할 수 있다.
상기 제1 이벤트들에 대한 이벤트 정보는 제목, 내용, 진행 시간대, 사용자의 클릭패턴, 조회수, 티켓 판매율, 및 티켓 가격 중 적어도 하나를 포함할 수 있다.
상기 이벤트의 수요를 예측하는 단계 후 상기 예측된 수요가 증가할 수 있는 추천 정보를 생성하는 단계를 더 포함하고, 상기 정보를 제공하는 단계는 상기 추천 정보를 더 포함하는 정보를 제공하는 단계를 더 포함할 수 있다.
상기 추천 정보를 생성하는 단계는 상기 제1 이벤트들 중 판매율이 가장 높은 제5 이벤트에 대응하는 제5 메타데이터 및 상기 제2 메타데이터의 항목별 유사도를 산출하는 단계 및 상기 항목별 유사도가 낮은 순서대로 항목별 추천 정보를 생성하는 단계를 포함할 수 있다.
상기 추천 정보는 티켓 가격, 이벤트 진행 시간대, 이벤트 내용, 및 태그 중 적어도 하나를 포함하는 항목에 대하여 상기 항목별 유사도를 높일 수 있는 정보를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 장치는 적어도 하나의 프로그램이 기록된 메모리 및 상기 프로그램을 실행하는 프로세서를 포함하고, 상기 프로그램은 사전에 진행된 제1 이벤트들에 대한 정보를 획득하고, 제1 메타데이터를 추출하고 데이터베이스에 저장하는 단계, 사용자로부터 입력 받은 제2 이벤트의 정보를 획득하는 단계, 상기 획득된 정보로부터 자연어 처리를 이용하여 제2 메타데이터를 추출하는 단계, 상기 제1 이벤트들 중 상기 사용자로부터 입력 받은 이벤트와의 유사도가 높은 제3 이벤트에 대응하는 제3 메타데이터를 획득하는 단계, 상기 획득된 제3 메타데이터를 이용하여 상기 사용자로부터 입력 받은 이벤트의 수요를 예측하는 단계 및 상기 예측된 수요를 포함하는 정보를 상기 사용자에게 제공하는 단계를 수행하기 위한 명령어들을 포함할 수 있다.
본 발명에 따르면 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요를 예측할 수 있다.
또한, 본 발명에 따르면 kNN 알고리즘을 이용하여 새로운 이벤트와 과거 진행된 이벤트의 유사도를 산출하고, 유사도가 높은 과거 진행된 이벤트의 정보를 토대로 이벤트의 수요를 예측할 수 있다.
또한, 본 발명에 따르면 예측된 수요를 증가시킬 수 있는 추천 정보를 제공할 수 있다.
또한, 본 발명에 따르면 이벤트 제작자가 설문 조사 없이 수요를 예측할 수 있다.
또한, 본 발명에 따르면 기존의 설문과 다르게 결과를 빠르게 도출할 수 있고, 과거의 데이터를 통해 합리적인 수요 예측을 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측을 위한 주체들을 나타낸 블록도이다.
도 2는 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 3은 본 발명의 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 4는 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 5는 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 6은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 7은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 8은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 3은 본 발명의 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 4는 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 5는 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 6은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 7은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 8은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.
본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측을 위한 주체들을 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측을 위한 주체들은 수요 예측 장치(110), 데이터베이스(120) 및 사용자 단말(130)을 포함한다.
수요 예측 장치(110)는 사용자 단말(130)을 이용하여 사용자에 의해 입력된 이벤트 정보를 획득하는 장치를 의미할 수 있다.
수요 예측 장치(110)는 상기 획득된 정보로부터 자연어 처리를 이용하여 메타데이터를 추출할 수 있다.
수요 예측 장치(110)는 추출된 메타데이터를 데이터베이스(120)에 저장할 수 있도록 전송할 수 있다.
데이터베이스(120)는 수요 예측 장치(110)를 통해 추출된 메타데이터를 저장하는 장치를 의미할 수 있다.
데이터베이스(120)는 수요 예측 장치(110)의 요청에 의해 저장된 메타데이터를 제공할 수 있다.
사용자 단말(130)은 사용자에 의한 입력을 통해 수요 예측 장치(110)에 상기 사용자가 진행하고자 하는 이벤트에 대한 정보를 제공하는 장치를 의미할 수 있다.
도 2는 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 먼저, 사전에 진행된 제1 이벤트들에 대한 정보를 획득하고, 제1 메타데이터를 추출하고 데이터베이스에 저장할 수 있다(S210).
다음으로, 사용자로부터 입력 받은 제2 이벤트의 정보를 획득할 수 있다(S220).
다음으로, 상기 획득된 정보로부터 자연어 처리를 이용하여 제2 메타데이터를 추출할 수 있다(S230).
다음으로, 상기 제1 이벤트들 중 상기 사용자로부터 입력 받은 이벤트와의 유사도가 높은 제3 이벤트에 대응하는 제3 메타데이터를 획득할 수 있다(S240).
다음으로, 상기 획득된 제3 메타데이터를 이용하여 상기 사용자로부터 입력 받은 이벤트의 수요를 예측할 수 있다(S250).
다음으로, 상기 예측된 수요를 포함하는 정보를 상기 사용자에게 제공할 수 있다(S260).
도 3은 본 발명의 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 먼저, 상기 획득된 정보에 포함된 이벤트 내용에 대해 형태소 분석을 통해 단어를 추출할 수 있다(S310).
다음으로, 기 설정된 분류 기준에 기초하여, 상기 추출된 단어를 적어도 하나의 분류 항목으로 분류할 수 있다(S320).
여기서, 분류 항목은 IT/기술, 스타트업, 커리어, 취미, 디자인, 비즈니스, 음식&음료, 프로그래밍, 홈&라이프스타일, 여행, 자기계발, 스포츠, 금융, 건강, 마케팅, 파티, 독서를 포함할 수 있다.
다음으로, 상기 사용자에 의해 분류 항목이 선택된 순서에 기초하여 상기 추출된 단어에 점수를 부여할 수 있다(S330).
여기서, 점수를 부여할 때, 상기 사용자에 의해 선택된 순서대로 제1 점수, 상기 제1 점수보다 낮은 제2 점수, 상기 제2 점수보다 낮은 제3 점수를 부여하고, 상기 사용자에 의해 선택되지 않은 분류 항목에 대해서는 점수를 부여하지 않을 수 있다.
예를 들면, 사용자가 첫 번째로 선택한 분류 항목에 대해서는 0.7점을 부여하고, 두 번째로 선택한 분류 항목에 대해서는 0.4점을 부여하고, 세 번째로 선택한 분류 항목에 대해서는 0.3점을 부여할 수 있다. 사용자가 선택하지 않은 항목에 대해서는 0점을 부여할 수 있다.
도 4는 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 먼저, 상기 데이터베이스로부터 기 저장된 상기 제1 메타데이터를 획득할 수 있다(S410).
다음으로, 가상 공간에 상기 제2 메타데이터를 매핑할 수 있다(S420).
다음으로, 상기 가상 공간에 상기 획득된 제1 메타데이터를 매핑할 수 있다(S430).
다음으로, k-최근접 이웃(k-nearest neighbors) 알고리즘에 기초하여, 상기 제2 메타데이터로부터 유사도가 높은 순서대로 k개의 메타데이터를 상기 제3 메타데이터로서 기 설정된 이벤트 수만큼 추출할 수 있다(S440).
여기서, k-최근접 이웃(k-nearest neighbors, kNN) 알고리즘은 기존의 데이터와 새로운 데이터를 동일한 가상 공간에 매핑하고, 매핑된 거리에 기초하여 분류를 수행하거나 유사도를 산출하는 알고리즘으로, k 값에 따라서 예측 결과가 다르게 나타날 수 있다.
도 5는 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 5를 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 먼저, 상기 획득된 제1 메타데이터 중 상기 사용자가 선택한 분류 항목 중 적어도 하나를 포함하는 제4 이벤트에 대응하는 제4 메타데이터를 추출할 수 있다(S510).
다음으로, 상기 제4 메타데이터 각각에 상기 사용자의 분류 항목 선택 순서에 따른 점수를 부여할 수 있다(S520).
다음으로, 상기 부여된 점수의 합이 클수록 상기 제2 이벤트로부터의 거리가 가까워지도록 상기 제4 메타데이터를 매핑할 수 있다(S530).
예를 들면, 사용자에 의해 IT/기술, 스타트업, 프로그래밍 순서로 분류 항목이 선택되었을 경우, 상기 선택된 IT/기술, 스타트업, 프로그래밍 중 적어도 하나의 분류 항목을 포함하는 이벤트에 대응하는 메타데이터를 추출할 수 있다. 그리고 선택된 순서대로 IT/기술 항목에는 0.7점, 스타트업 항목에는 0.4점, 프로그래밍 항목에는 0.3점을 부여하고 상기 선택된 분류 항목을 제외한 나머지 항목에는 점수를 부여하지 않을 수 있다.
그런 다음 각 이벤트 별로 분류 항목에 부여된 점수를 합산할 수 있다. 예를 들면, IT/기술 항목과 스타트업 항목을 포함하고 있는 이벤트에 대해서는 0.7점과 0.4점을 합하여 1.1점이 부여될 수 있다.
다른 예를 들면, 스타트업 항목과 프로그래밍 항목을 포함하고 있는 이벤트에 대해서는 0.4점과 0.3점을 합하여 0.7점이 부여될 수 있다.
또 다른 예를 들면, IT/기술 항목과 프로그래밍 항목을 포함하고 있는 이벤트에 대해서는 0.7점과 0.3점을 합하여 1.0점이 부여될 수 있다.
다음으로, 상기 점수의 합이 클수록 제2 이벤트가 매핑된 위치에서 거리가 가까워지도록 상기 추출된 메타데이터를 매핑할 수 있다.
위 과정을 통해서, 사용자에 의해 입력된 제2 이벤트와 분류 항목이 유사한 제4 이벤트들의 분류 항목에 부여되는 점수가 높아질 수 있고, 제4 이벤트에 대응하는 제4 메타데이터가 제2 메타데이터가 매핑된 위치에 가깝게 배치될 수 있다. 이로 인해 kNN 알고리즘에 따라 분류 또는 유사도 산출하는 과정에서 상기 점수가 높은 데이터들이 새로운 데이터에 상대적으로 큰 영향을 주도록 할 수 있다.
도 6은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 먼저, 상기 제1 이벤트들에 대한 이벤트 정보를 획득할 수 있다(S610).
여기서, 상기 제1 이벤트들에 대한 이벤트 정보는 제목, 내용, 진행 시간대, 사용자의 클릭패턴, 조회수, 티켓 판매율, 및 티켓 가격 중 적어도 하나를 포함할 수 있다.
다음으로, 상기 획득된 이벤트 정보로부터 자연어 처리를 이용하여 제1 메타데이터를 추출할 수 있다(S620).
다음으로, 상기 제1 메타데이터를 데이터베이스에 저장할 수 있다(S630).
도 7은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 상기 이벤트의 수요를 예측하는 단계(S250) 후 상기 예측된 수요가 증가할 수 있는 추천 정보를 생성하는 단계를 더 포함할 수 있다(S710).
또한 상기 정보를 제공하는 단계(S260)는 상기 추천 정보를 더 포함하는 정보를 제공하는 단계를 더 포함할 수 있다.
도 8은 본 발명의 또 다른 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법을 나타낸 동작 흐름도이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법은 먼저, 상기 제1 이벤트들 중 판매율이 가장 높은 제5 이벤트에 대응하는 제5 메타데이터 및 상기 제2 메타데이터의 항목별 유사도를 산출할 수 있다(S810).
다음으로, 상기 항목별 유사도가 낮은 순서대로 항목별 추천 정보를 생성할 수 있다(S820).
여기서 추천 정보는 티켓 가격, 이벤트 진행 시간대, 이벤트 내용, 및 태그 중 적어도 하나를 포함하는 항목에 대하여 상기 항목별 유사도를 높일 수 있는 정보를 포함할 수 있다.
도 9는 본 발명의 일 실시예에 따른 컴퓨터 시스템을 나타낸 도면이다.
본 발명의 일 실시예에 따른 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 장치는 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템(1000)에서 구현될 수 있다.
도 9를 참조하면, 컴퓨터 시스템(1000)은 버스(1020)를 통하여 서로 통신하는 하나 이상의 프로세서(1010), 메모리(1030), 사용자 인터페이스 입력 장치(1040), 사용자 인터페이스 출력 장치(1050) 및 스토리지(1060)를 포함할 수 있다. 또한, 컴퓨터 시스템(1000)은 네트워크(1080)에 연결되는 네트워크 인터페이스(1070)를 더 포함할 수 있다. 프로세서(1010)는 중앙 처리 장치 또는 메모리(1030)나 스토리지(1060)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(1030) 및 스토리지(1060)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리는 ROM(1031)이나 RAM(1032)을 포함할 수 있다.
본 발명에서 설명하는 특정 실행들은 일 실시예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, "필수적인", "중요하게" 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
110: 수요 예측 장치
120: 데이터베이스
130: 사용자
1000: 컴퓨터 시스템 1010: 프로세서
1020: 버스 1030: 메모리
1031: 롬 1032: 램
1040: 사용자 인터페이스 입력 장치
1050: 사용자 인터페이스 출력 장치
1060: 스토리지 1070: 네트워크 인터페이스
120: 데이터베이스
130: 사용자
1000: 컴퓨터 시스템 1010: 프로세서
1020: 버스 1030: 메모리
1031: 롬 1032: 램
1040: 사용자 인터페이스 입력 장치
1050: 사용자 인터페이스 출력 장치
1060: 스토리지 1070: 네트워크 인터페이스
Claims (10)
- 프로세서 및 메모리를 포함하는 수요 예측 장치에 의해 수행되는 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법에 있어서,
사전에 진행된 제1 이벤트들에 대한 정보를 획득하고, 제1 메타데이터를 추출하고 데이터베이스에 저장하는 단계;
사용자 단말로부터 입력 받은 제2 이벤트의 정보를 획득하는 단계;
상기 획득된 제2 이벤트의 정보로부터 자연어 처리를 이용하여 제2 메타데이터를 추출하는 단계;
상기 제1 이벤트들 중 상기 사용자 단말로부터 입력 받은 제2 이벤트와의 유사도가 기 설정된 유사도 이상인 제3 이벤트에 대응하는 제3 메타데이터를 획득하는 단계;
상기 획득된 제3 메타데이터를 이용하여 상기 사용자 단말로부터 입력 받은 이벤트의 수요를 예측하는 단계; 및
상기 예측된 수요를 포함하는 정보를 상기 사용자 단말에 제공하는 단계
를 포함하고,
상기 이벤트의 수요를 예측하는 단계 후,
상기 예측된 수요가 증가할 수 있는 추천 정보를 생성하는 단계
를 더 포함하고,
상기 정보를 제공하는 단계는,
상기 추천 정보를 더 포함하는 정보를 제공하는 단계
를 더 포함하고,
상기 추천 정보를 생성하는 단계는,
상기 제1 이벤트들 중 판매율이 가장 높은 제5 이벤트에 대응하는 제5 메타데이터 및 상기 제2 메타데이터의 항목별 유사도를 산출하는 단계; 및
상기 항목별 유사도가 낮은 순서대로 항목별 추천 정보를 생성하는 단계
를 포함하는, 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법. - 제1 항에 있어서,
상기 제2 메타데이터를 추출하는 단계는,
상기 획득된 정보에 포함된 이벤트 내용에 대해 형태소 분석을 통해 단어를 추출하는 단계;
기 설정된 분류 기준에 기초하여, 상기 추출된 단어를 적어도 하나의 분류 항목으로 분류하는 단계; 및
상기 사용자에 의해 분류 항목이 선택된 순서에 기초하여 상기 추출된 단어에 점수를 부여하는 단계
를 포함하고,
상기 점수를 부여하는 단계는
상기 사용자에 의해 선택된 순서대로 제1 점수, 상기 제1 점수보다 낮은 제2 점수, 상기 제2 점수보다 낮은 제3 점수를 부여하고, 상기 사용자에 의해 선택되지 않은 분류 항목에 대해서는 점수를 부여하지 않는 것을 특징으로 하는 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법. - 제1 항에 있어서,
상기 제3 메타데이터를 추출하는 단계는,
상기 데이터베이스로부터 기 저장된 상기 제1 메타데이터를 획득하는 단계;
가상 공간에 상기 제2 메타데이터를 매핑하는 단계;
상기 가상 공간에 상기 획득된 제1 메타데이터를 매핑하는 단계; 및
k-최근접 이웃 알고리즘(k-nearest neighbors) 알고리즘에 기초하여, 상기 제2 메타데이터로부터 유사도가 높은 순서대로 k개의 메타데이터를 상기 제3 메타데이터로서 기 설정된 이벤트 수만큼 추출하는 단계
를 포함하는 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법. - 제3 항에 있어서,
상기 획득된 제1 메타데이터를 매핑하는 단계는,
상기 획득된 제1 메타데이터 중 상기 사용자가 선택한 분류 항목 중 적어도 하나를 포함하는 제4 이벤트에 대응하는 제4 메타데이터를 추출하는 단계;
상기 제4 메타데이터 각각에 상기 사용자의 분류 항목 선택 순서에 따른 점수를 부여하는 단계; 및
상기 부여된 점수의 합이 클수록 상기 제2 이벤트로부터의 거리가 가까워지도록 상기 제4 메타데이터를 매핑하는 단계
를 포함하는 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법. - 제1 항에 있어서,
상기 제1 메타데이터를 추출하고 데이터베이스에 저장하는 단계는,
상기 제1 이벤트들에 대한 이벤트 정보를 획득하는 단계;
상기 획득된 이벤트 정보로부터 자연어 처리를 이용하여 제1 메타데이터를 추출하는 단계; 및
상기 제1 메타데이터를 데이터베이스에 저장하는 단계
를 포함하는 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법. - 제5 항에 있어서,
상기 제1 이벤트들에 대한 이벤트 정보는,
제목, 내용, 진행 시간대, 사용자의 클릭패턴, 조회수, 티켓 판매율, 및 티켓 가격 중 적어도 하나를 포함하는 것을 특징으로 하는 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법. - 삭제
- 삭제
- 제1 항에 있어서,
상기 추천 정보는,
티켓 가격, 이벤트 진행 시간대, 이벤트 내용, 및 태그 중 적어도 하나를 포함하는 항목에 대하여 상기 항목별 유사도를 높일 수 있는 정보를 포함하는 것을 특징으로 하는 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법. - 적어도 하나의 프로그램이 기록된 메모리; 및
상기 프로그램을 실행하는 프로세서
를 포함하고,
상기 프로그램은
사전에 진행된 제1 이벤트들에 대한 정보를 획득하고, 제1 메타데이터를 추출하고 데이터베이스에 저장하는 단계;
사용자 단말로부터 입력 받은 제2 이벤트의 정보를 획득하는 단계;
상기 획득된 제2 이벤트의 정보로부터 자연어 처리를 이용하여 제2 메타데이터를 추출하는 단계;
상기 제1 이벤트들 중 상기 사용자 단말로부터 입력 받은 제2 이벤트와의 유사도가 기 설정된 유사도 이상인 제3 이벤트에 대응하는 제3 메타데이터를 획득하는 단계;
상기 획득된 제3 메타데이터를 이용하여 상기 사용자 단말로부터 입력 받은 이벤트의 수요를 예측하는 단계; 및
상기 예측된 수요를 포함하는 정보를 상기 사용자 단말에 제공하는 단계
를 수행하기 위한 명령어들을 포함하고,
상기 프로그램은,
상기 이벤트의 수요를 예측하는 단계 후,
상기 예측된 수요가 증가할 수 있는 추천 정보를 생성하는 단계
를 더 포함하고,
상기 정보를 제공하는 단계는,
상기 추천 정보를 더 포함하는 정보를 제공하는 단계
를 더 포함하고,
상기 추천 정보를 생성하는 단계는,
상기 제1 이벤트들 중 판매율이 가장 높은 제5 이벤트에 대응하는 제5 메타데이터 및 상기 제2 메타데이터의 항목별 유사도를 산출하는 단계; 및
상기 항목별 유사도가 낮은 순서대로 항목별 추천 정보를 생성하는 단계
를 포함하는, 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 장치.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20210026127 | 2021-02-26 | ||
| KR1020210026127 | 2021-02-26 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220122424A KR20220122424A (ko) | 2022-09-02 |
| KR102443041B1 true KR102443041B1 (ko) | 2022-10-14 |
Family
ID=83280908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210045186A KR102443041B1 (ko) | 2021-02-26 | 2021-04-07 | 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102443041B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019519016A (ja) * | 2016-04-06 | 2019-07-04 | アリババ・グループ・ホールディング・リミテッドＡｌｉｂａｂａ Ｇｒｏｕｐ Ｈｏｌｄｉｎｇ Ｌｉｍｉｔｅｄ | 展示会情報提示方法及びシステム |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MX2012000724A (es) * | 2009-07-16 | 2012-06-25 | Bluefin Lab Inc | Metodo de estimacion e indicacion de interes social en medios a base de tiempo. |
| KR101351555B1 (ko) * | 2012-04-05 | 2014-01-16 | 주식회사 알에스엔 | 대용량 데이터의 텍스트마이닝을 위한 의미기반 분류 추출시스템 |
| KR20190070625A (ko) * | 2017-12-13 | 2019-06-21 | 한국전자통신연구원 | 메타데이터를 이용한 아이템 추천 방법 및 장치 |
| KR102260646B1 (ko) * | 2018-10-10 | 2021-06-07 | 고려대학교 산학협력단 | 자연어 처리 시스템 및 자연어 처리에서의 단어 표현 방법 |
-
2021
- 2021-04-07 KR KR1020210045186A patent/KR102443041B1/ko active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019519016A (ja) * | 2016-04-06 | 2019-07-04 | アリババ・グループ・ホールディング・リミテッドＡｌｉｂａｂａ Ｇｒｏｕｐ Ｈｏｌｄｉｎｇ Ｌｉｍｉｔｅｄ | 展示会情報提示方法及びシステム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220122424A (ko) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10055783B1 (en) | Identifying objects in video | |
| US11243992B2 (en) | System and method for information recommendation | |
| US8380727B2 (en) | Information processing device and method, program, and recording medium | |
| CN106557480B (zh) | 查询改写的实现方法及装置 | |
| US9436768B2 (en) | System and method for pushing and distributing promotion content | |
| JP2015511039A (ja) | 製品情報の公開 | |
| KR20140026932A (ko) | 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법 | |
| CN111737418B (zh) | 搜索词和商品的相关性预测方法、设备和存储介质 | |
| CN103038769A (zh) | 用于将内容导引到社交网络引擎用户的系统和方法 | |
| US11803872B2 (en) | Creating meta-descriptors of marketing messages to facilitate in delivery performance analysis, delivery performance prediction and offer selection | |
| US8290925B1 (en) | Locating product references in content pages | |
| US20220180392A1 (en) | Predictive recommendation system using tiered feature data | |
| JP2017182663A (ja) | コンテンツ管理装置、コンテンツ管理方法及びプログラム | |
| CN111680165A (zh) | 信息匹配方法、装置、可读存储介质和电子设备 | |
| CN111782946A (zh) | 书友推荐方法、计算设备及计算机存储介质 | |
| US8903817B1 (en) | Determining search relevance from user feedback | |
| KR102234590B1 (ko) | 컨텐츠 제작자를 위한 컨텐츠 추천 방법 및 장치 | |
| CN113327132A (zh) | 多媒体推荐方法、装置、设备及存储介质 | |
| CN116821475B (zh) | 基于客户数据的视频推荐方法、装置及计算机设备 | |
| KR102443041B1 (ko) | 이벤트간 유사성 측정을 통한 새로운 이벤트의 수요 예측 방법 및 장치 | |
| CN112632275B (zh) | 基于个人文本信息的人群聚类数据处理方法、装置及设备 | |
| CN112035740A (zh) | 项目使用时长预测方法、装置、设备及存储介质 | |
| CN113971581A (zh) | 一种机器人的控制方法、装置、终端设备及存储介质 | |
| CN113127597A (zh) | 搜索信息的处理方法、装置及电子设备 | |
| CN110659419A (zh) | 确定目标用户的方法及相关装置 |