KR102452055B1 - 큐레이션 기반 화장품 추천 시스템 및 방법 - Google Patents

큐레이션 기반 화장품 추천 시스템 및 방법 Download PDF

Info

Publication number
KR102452055B1
KR102452055B1 KR1020200060541A KR20200060541A KR102452055B1 KR 102452055 B1 KR102452055 B1 KR 102452055B1 KR 1020200060541 A KR1020200060541 A KR 1020200060541A KR 20200060541 A KR20200060541 A KR 20200060541A KR 102452055 B1 KR102452055 B1 KR 102452055B1
Authority
KR
South Korea
Prior art keywords
information
cosmetic
user
recommended
response
Prior art date
Application number
KR1020200060541A
Other languages
English (en)
Other versions
KR20210143579A (ko
Inventor
김한균
김동현
Original Assignee
주식회사 에이비티아시아
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 주식회사 에이비티아시아 filed Critical 주식회사 에이비티아시아
Priority to KR1020200060541A priority Critical patent/KR102452055B1/ko
Publication of KR20210143579A publication Critical patent/KR20210143579A/ko
Application granted granted Critical
Publication of KR102452055B1 publication Critical patent/KR102452055B1/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
    • 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
    • G06Q30/0203—Market surveys; Market polls

Landscapes

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

Abstract

본 발명은 큐레이션 기반 맞춤형 화장품 추천 시스템에 관한 것으로 본 발명에 따른 화장품 추천 시스템은 온라인 플랫폼으로부터 정형화된 형태의 질의 단계별 사용자 응답 정보를 수집하는 응답 정보 수집부; 상기 사용자로부터 이미지 데이터를 포함하는 개인화된 형태의 사용자 요구 정보를 수신하는 요구 정보 수신부; 및 상기 사용자 응답에 따라 사용자 응답 별 추천 화장품을 정의하는 테이블을 참고하여 추천 화장품 정보를 생성하되, 상기 사용자 요구 정보에 대한 화장품 추천 신경망의 출력 정보를 고려하여 상기 추천 화장품 정보를 검증하는 화장품 추천부를 포함한다. 본 발명에 따르면 개인화된 맞춤형 화장품을 추천해 줄 수 있다. 또한, 다양한 화장품 온라인 플랫폼으로부터 사용자의 피부 상태 정보와 실제 구매 이력 정보를 참고하여 보다 선호하는 맞춤형 화장품을 찾아서 제공해 줄 수 있다.

Description

큐레이션 기반 화장품 추천 시스템 및 방법{Curation based cosmetics recommendation system and method for the system}
본 발명은 화장품 추천 방법에 관한 것으로 큐레이션 기반 맞춤형 화장품 추천 시스템에 관한 것이다.
사람은 유전적 요인에 따라 다양한 피부 타입을 갖게 되며, 환경적 요인에 따라 피부 타입의 다양한 변화를 겪고 있다. 또한, 취향을 중시하는 트렌드에 따라 요구하는 피부의 상태도 개인별로 다양화되고 있다.
나아가 센싱 기술의 발달로 개인의 피부 상태를 다양한 기기를 통해 진단하고 피부 질환이나 기타 전문적인 판단에 도움을 주는 보조 요소로서 기술들이 개발되고 있다.
따라서 최근의 뷰티 시장은 획일화된 화장품의 추천보다는 개인의 피부 상태의 진단과 함께 개인의 요구 정보를 고려하여, 개성을 존중하고 이와 함께 피부 상태를 개선할 수 있는 개인화된 맞춤형 화장품을 추천해 줄 필요가 있다.
하지만, 자가 진단을 통해 변화되는 개인의 피부 상태를 인식하고 이와 함께 각 사용자들이 추구하는 이미지에 맞는 화장품 정보를 큐레이션 하여 제공하는 방안이 현재 구체화되지 않은 실정이다. 종래 기술(공개번호 10-2013-0057148, 사용자의 피부색에 따른 화장품 정보 제공 방법 및 장치)은 키오스크나 단말기를 통해 피부색을 판별하고 이에 적합한 화장품 정보를 제공하고 있을 뿐이며, 구체적인 사용자의 요구사항은 반영하지 못하고 있다.
본 발명은 개인화된 맞춤형 화장품을 추천해주는 시스템을 제안하는 것을 목적으로 한다.
본 발명은 사용자의 질의에 대한 직접 응답 정보와 내재된 추구 이미지 정보를 함께 파악하고 이에 따른 화장품을 추천해주는 시스템을 제안하는 것을 더욱 목적으로 한다.
본 발명은 사용자의 히스토리 정보에 따라 보다 적합한 화장품을 추천하는 시스템을 제안하는 것을 목적으로 한다.
상기 기술적 과제를 해결하기 위한 본 발명의 실시예에 따른 큐레이션 기반 화장품 추천 시스템은 온라인 플랫폼으로부터 정형화된 형태의 질의 단계별 사용자 응답 정보를 수집하는 응답 정보 수집부; 상기 사용자로부터 이미지 데이터를 포함하는 개인화된 형태의 사용자 요구 정보를 수신하는 요구 정보 수신부; 및 상기 사용자 응답에 따라 사용자 응답 별 추천 화장품을 정의하는 테이블을 참고하여 추천 화장품 정보를 생성하되, 상기 사용자 요구 정보에 대한 화장품 추천 신경망의 출력 정보를 고려하여 상기 추천 화장품 정보를 검증하는 화장품 추천부를 포함한다.
상기 신경망은 사용자의 제1 이미지 데이터와 요구 모델의 제2 이미지 데이터 간의 외형적 요소의 차이를 판단하고, 상기 화장품 추천부는 상기 외형적 요소의 차이와 연관된 화장품 성분 정보에 따라 상기 추천 화장품 정보를 검증한다.
상기 외형적 요소는 피부톤, 지성 또는 건성 정도, 모공, 탄력, 및 주름 관련 정보 중 적어도 하나의 요소를 포함한다.
상기 응답 정보 수집부는 복수회의 질의에 대해 수집된 상기 사용자의 응답 정보로부터 응답 변화 정보를 추출하고, 상기 화장품 추천부는 상기 응답 변화 정보를 반영하여 상기 추천 화장품 정보를 생성한다.
상기 화장품 추천 시스템은, 상기 온라인 플랫폼으로부터 상기 사용자의 실 구매 정보를 수신하는 구매 이력 수집부를 더 포함하고, 상기 화장품 추천부는 상기 실 구매 정보를 반영하여 상기 추천 화장품 정보를 생성한다.
구매 이력 수집부는 동일한 추천 화장품 정보에 따른 사용자별 실 구매 정보의 차이를 판단하여 상기 온라인 플랫폼으로 제공한다.
본 발명에 따르면 개인화된 맞춤형 화장품을 추천해 줄 수 있다. 또한, 다양한 화장품 온라인 플랫폼으로부터 사용자의 피부 상태 정보와 실제 구매 이력 정보를 참고하여 보다 선호하는 맞춤형 화장품을 찾아서 제공해 줄 수 있다.
또한, 사용자가 추구하고자 하는 이미지를 추가적으로 입력 받고 이에 따라 추구하는 이미지와 현자 사용자의 상태를 비교하여 개선에 도움이 되는 화장품을 추천하여 제공해 줄 수 있다.
이를 통해 궁극적으로 사용자는 추천된 화장품을 보다 쉽게 선택할 수 있으며 선택된 화장품을 통해 피부 관리에 직접적인 도움을 받을 수 있다.
도 1은 본 발명의 일 실시예에 따른 화장품 추천 시스템의 구성을 나타내는 도이다.
도 2는 본 발명의 일 실시예에 따른 화장품 추천 시스템의 세부 구성을 나타내는 도이다.
도 3 및 4는 본 발명의 일 실시예에 따른 화장품 추천 시스템을 이용하는 사용 예를 나타내는 도이다.
도 5 및 6은 본 발명의 일 실시예에 따른 화장품 추천 시스템의 신경망을 나타내는 도이다.
도 7은 본 발명의 일 실시예에 따른 화장품 추천 시스템의 추천 방법을 나타내는 도이다.
이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시 되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이외같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.
또한, 발명을 설명함에 있어서 발명과 관련된 공지 기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하에는 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 큐레이션 기반 화장품 추천 시스템(100)의 구성을 나타낸다.
본 실시예에 따른 화장품 추천 시스템(100)은 화장품을 구매할 수 있는 온라인 플랫폼(200)으로부터 사용자(10)의 피부 상태 정보와 개선하고자 하는 요구 사항을 포함하는 요구 정보를 수신할 수 있다.
현재 피부 상태에 따른 자가 진단 정보를 획득하기 위해 정형화된 시퀀스에 따른 질의가 온라인 플랫폼(200)상에서 수행될 수 있으며, 화장품 추천 시스템(100)은 질의에 대한 응답 정보를 수집할 수 있다.
이와 함께 본 실시예에서는 사용자(10)의 추구하는 외형적인 이미지 정보를 추가적으로 입력할 수 있다.
예를 들어 사용자(10)는 자신의 얼굴 이미지 데이터와 자신이 닮고자 하는 모델로서 제3 자의 이미지 데이터를 입력할 수 있다.
구체적으로 자신의 얼굴 이미지 데이터는 사용자(10)의 스마트 폰이나 태블릿 pc 등 사용자 단말(300)의 카메라를 통해 촬영하고, 자신이 닮고자 하는 이미지의 연예인 등의 제3 자 얼굴 이미지는 웹 사이트나 소셜 네트워크를 통해 다운 받거나 캡처하여 업로드 할 수 있다.
따라서, 질의를 통해 입력된 사용자(10)의 응답 정보는 정형화된 데이터 형태를 가지며, 업로드를 통해 입력되는 요구 정보는 사용자(10)의 촬영 상태 및 모델의 이미지 상태에 따라 다양한 형태의 개인화된 데이터 형태를 가질 수 있다.
입력된 정보들은 온라인 플랫폼(200)을 거쳐 본 실시예에 따른 화장품 추천 시스템(100)으로 전달될 수 있다.
화장품 추천 시스템(100)은 구체적으로 사용자(10)의 응답 정보에 따른 화장품 추천 정보를 제공해 줄 수 있다.
또한, 사용자(10)의 요구 정보에 따라 개선에 필요한 기능을 갖는 화장품 성분을 이용하여 추천 정보 중에 특정 화장품을 검증 및 선택하여 제공하도록 하는 것도 가능하다.
최종적으로 검증된 화장품 추천 정보는 다시 온라인 플랫폼(200)으로 전달되며, 사용자(10)는 추천된 화장품을 구매하거나 다른 화장품의 선택에 참고할 수 있다.
본 실시예에 따른 화장품 추천 시스템(100)은 큐레이션 기반으로 사용자(10)의 응답 정보와 내포된 요구 정보를 인식하고 이를 통해 소비자가 수많은 상품을 둘러보고 선택하여 구매하는 행위를 보다 간소화한다.
이때, 구매에 활용되는 데이터와 화장품의 추천 기능들을 신경망(DNN: Deep Neural Network)을 통해 연계시키고 맞춤형 추천 서비스를 제공한다.
이하, 본 실시예에 따른 화장품 추천 시스템(100)에 대하여 보다 상세히 설명한다.
화장품 추천 시스템(100)은 응답 정보 수집부(110), 요구 정보 수신부(120) 및 화장품 추천부(130)를 포함한다.
먼저 응답 정보 수집부(110)는 온라인 플랫폼(200)으로부터 정형화된 형태의 질의로부터 수신된 단계별 사용자(10) 응답 정보를 수집한다.
구체적으로 도 3을 참조하면, 응답 정보 수집부(110)는 다양한 화장품 온라인 플랫폼(200)에 접속한 사용자의 단말(300)을 통해 팝업 형태의 설문지(302)를 제공할 수 있으며, 사용자(10)가 자신의 피부 타입, 선호하는 화장품의 제형 등에 대한 정보들을 입력하도록 가이드 수 있다.
이때 수집되는 응답 정보들은 미리 결정된 순서에 따른 질문에 대한 답변으로 답변은 다자 선다형으로 수집되므로 정형화될 수 있다.
따라서 본 실시예에 따른 화장품 추천 시스템(100)은 정형화된 답변 데이터로서 사용자(10)의 응답 정보를 룩업테이블(LUT:Look-UP Table) 형태의 추천 테이블을 참조하여 가장 적합한 화장품 추천 정보를 생성할 수 있다.
다만, 이러한 정형 데이터의 단점은 데이터 자체가 규격화되므로 개인화된 요구 사항을 자유롭게 입력 받을 수 없으므로 화장품 추천 시스템(100)은 추가적인 정보를 수집한다.
따라서 요구 정보 수신부(120)는 상기 사용자(10)로부터 이미지 데이터를 포함하는 개인화된 형태의 사용자(10) 요구 정보를 수신한다.
도 4를 참조하면, 요구 정보 수신부(!20)는 사용자(10)가 스마트폰 등의 사용자 단말(300)을 이용하여 업로드한 이미지 데이터를 수신할 수 있다.
이때 이미지 데이터는 사용자(10)의 얼굴을 직접 촬영한 이미지 데이터(304)와, 사용자(10)가 원하는 이미지를 갖는 모델의 이미지 데이터(306)를 포함할 수 있다.
즉, 사용자(10)는 자신이 원하는 이미지에 따라 웹 상에 존재하는 다양한 모델들의 이미지를 선택하여 업로드 할 수 있으며 보다 형식에 자유로운 정보의 입력이 가능하도록 한다.
화장품 추천 시스템(100)은 입력된 이미지 데이터의 차이를 이용하여 실제 요구하는 이미지를 갖도록 개선되야 할 부분을 판단하며 이러한 판단에 신경망을 이용할 수 있다.
화장품 추천부(130)는 사용자(10)의 응답에 따라 사용자(10)의 응답 별 추천 화장품을 정의하는 추천 테이블(132)을 참고하여 추천 화장품 정보를 생성하되, 사용자(10)의 개인화된 요구 정보에 대한 화장품 추천 신경망(134)의 출력 정보를 고려하여 추천 화장품 정보를 추가적으로 검증할 수 있다.
이때의 신경망(134)에 대하여 도 5를 참조하여 보다 설명하면 본 실시예에서 신경망은 일반적인 딥러닝 모델과 같이 입력층과 출력층 및 연산을 수행하는 은닉층으로 구성될 수 있다.
입력층은 입력되는 정보에 대한 특징 값들을 추출하며, 수집된 특징 값들은 연산을 위해 입력될 수 있다. 본 실시예에서 입력층은 도 4에 따라 업로드된 이미지 데이터(304)를 입력 받을 수 있다.
입력층으로 입력된 값들은 은닉층 내부의 각각의 레이어들을 통과하며 행렬 연산에 이용된다.
예를 들어 본 실시예에서 신경망(134)은 CNN(Convolution Neural Network) 형태로 구성되어 내부의 은닉층에서 반복적인 합성곱 연산을 수행할 수 있다.
각 층마다 결정된 크기의 필터를 통해 특징값들은 합성곱 연산되어 새로운 행렬로 구성되며, 최종 출력 값은 활성화 함수와 완전 연결 레이어를 통해 출력 될 수 있다.
본 실시예에서 신경망(134)은 피부 상태 판단 결과를 출력할 수 있다.
따라서, 신경망은 피부의 특성에 따라 육안으로 확인 가능하도록 드러나는 외형적인 요소를 학습 이미지 데이터에 레이블링 하여 신경망(134)을 학습시킬 수 있다.
구체적으로 외형적 요소는 피부톤, 지성 또는 건성 정도, 모공, 탄력, 및 주름 관련 정보 중 적어도 하나의 요소로 분류(classification) 될 수 있으며 학습 이미지에 대한 레이블링 정보를 이용하여 신경망은 지도 학습을 수행한다.
따라서, 학습된 신경망(134)은 사용자(10)의 얼굴 이미지로부터 외형적 요소의 정도를 판단하고 예측 확률 값으로 결과를 출력할 수 있다.
나아가 본 실시예에서 신경망(134)은 사용자(10)의 얼굴 이미지 외 입력된 모델의 이미지를 이용하여 동일한 과정을 수행할 수 있다.
도 6을 참조하면 신경망(134)은 사용자(10)의 제1 이미지 데이터(304)와 모델의 제2 이미지 데이터(306) 간의 외형적 요소에 대하여 예측 확률을 출력할 수 있다.
따라서, 출력된 제1 이미지 데이터(304)의 제1 피부 상태 판단 결과로 각 외형적 요소의 분류 값과 제2 이미지 데이터(306)의 제2 피부 상태 판단 결과로서 외형적 요소 값의 차이를 판단하고 사용자(10)가 모델의 이미지에 비슷해지기 위해서 필요한 화장품의 기능적 요소들을 판단할 수 있다.
구체적으로 화장품 추천부(130)는 외형적 요소의 차이와 연관된 화장품 성분 정보에 따라 추천 화장품 정보를 검증할 수 있다.
즉, 추천된 화장품 정보에 포함된 화장품들 중 해당 성분 정보나 기능 정보를 이용하여 사용자(10)가 요구하는 이미지에 필요한 개선사항을 충족시킬 수 있는 성분을 포함하는지 여부를 확인하고 이에 따라 최종적으로 추천할 화장품을 결정하는 것도 가능하다.
또한, 도 5에 따른 결과로서 이미지 데이터(304)에 대한 컨볼루션 연산의 결과로서 외형적 요소의 특징들이 강조된 형태의 N차원의 특징 맵 자체가 출력되는 것도 가능하다.
따라서, 도 6의 경우 출력된 제1 이미지 데이터(304)의 제1 피부 상태 판단 결과로 외형적 요소가 강조된 제1 특징 맵과 제2 이미지 데이터(306)의 제2 피부 상태 판단 결과로서 추출된 제2 특징 맵의 차이를 판단하고 양 특징 맵에 포함된 특징 벡터의 거리나, 코사인 유사도에 따른 결과로 부터 외형적 요소 별 차이를 산출하는 것도 가능하다. 이상의 산출된 차이를 이용하여 사용자(10)가 모델의 이미지에 비슷해지기 위해서 필요한 화장품의 기능적 요소들을 추출할 수 있다.
이상의 본 발명에 따른 화장품 추천 시스템(100)은 사용자(10)가 추구하고자 하는 이미지를 추가적으로 입력 받고 이에 따라 추구하는 이미지와 현자 사용자(10)의 상태를 비교하여 개선에 도움이 되는 화장품을 추천하여 제공해 줄 수 있다.
또한 본 실시예에 따른 화장품 추천 시스템(100)은 사용자(10)별 개인 이력들을 이용하여 추천 정보에 추가적으로 참고하는 것도 가능하다.
예를 들어, 사용자(10)의 질의 응답의 변화를 이용할 수 있다.
즉, 복수회의 질의 응답 중 동일한 질의에 대해 변화한 응답이 발생되는 경우 이때 이전 응답에 대응되어 추천된 화장품은 추천에서 제외하도록 할 수 있다.
구체적으로 추천 테이블(132) 내 변화된 응답 항목의 영향으로 추천되거나 제외되는 화장품을 추출하고 이를 추천에서 제외하도록 할 수 있다.
또한, 화장품 추천 시스템(100)은 실제 사용자(10)의 화장품 구매 이력을 참고하는 것도 가능하다.
즉, 구매 이력 수집부(140)를 더 포함하며 구매 이력 수집부(140)는 온라인 플랫폼(200)으로부터 사용자(10)의 실 구매 정보를 수신하고 이를 추천에 반영할 수 있다.
예를 들어, 실제 추천된 화장품을 사용자(10)가 구매한 경우 이후 질의 응답의 변화가 부정적인 측면으로 발생되는 경우에는 화장품의 추천을 제외할 수 있다.
또는, 신경망의 출력을 이용하여 과거 화장품 구매 시의 이미지 데이터와 현재의 이미지 데이터의 외형적 요소의 판단 결과 긍정적인 사항이 도출되는 경우에는 해당 화장품을 재 추천할 수 있다. 반대인 경우에는 제외할 수 있다.
따라서, 다양한 화장품 구매를 위한 온라인 플랫폼(200)으로부터 사용자(10)의 피부 상태 정보와 실제 구매 이력 정보를 참고하여 보다 선호하는 맞춤형 화장품을 찾아서 제공해 줄 수 있다.
이하 도 7을 참조하여, 큐레이션 기반 화장품 추천 방법에 대하여 설명한다.
먼저 화장품 추천 방법은 온라인 플랫폼으로부터 정형화된 형태의 질의 단계별 사용자 응답 정보를 수집한다(S100).
다음 사용자(10)로부터 이미지 데이터를 포함하는 개인화된 형태의 사용자(10) 요구 정보를 수신한다(S200).
응답 정보와 요구 정보를 수집하면 사용자(10) 응답에 따라 사용자(10) 응답 별 추천 화장품을 정의하는 테이블을 참고하여 추천 화장품 정보를 생성하되(S300), 사용자 요구 정보에 대한 화장품 추천 신경망의 출력 정보를 고려하여 상기 추천 화장품 정보를 검증한다(S400).
본 실시예에서 추천 화장품의 생성과 검증은 순차적으로 수행되는 것 외에, 추천 시 추천 테이블을 이용한 추천 정보와 신경망 기반의 추천 정보를 병렬적으로 생성하고 이를 조합하여 하나의 추천 화장품 정보로 생성하는 것도 가능하다.
이때, 신경망은 사용자(10)의 제1 이미지 데이터와 요구 모델의 제2 이미지 데이터 간의 외형적 요소의 차이를 판단하도록 이용될 수 있다.
즉, 검증하는 단계(S400)는 신경망으로부터 출력된 외형적 요소의 이미지 간 차이를 통해 이와 연관된 화장품 성분 정보에 따라 추천 화장품 정보를 검증하거나 추가 화장품 추천 정보를 생성할 수 있다.
구체적으로 신경망은 상술한 바와 같이 이미지 데이터로부터 시각적으로 사람의 이미지에 영향을 주는 요소들을 분류하여 출력하도록 학습될 수 있다.
이때, 외형적 요소는 피부톤, 지성 또는 건성 정도, 모공, 탄력, 및 주름 관련 정보 중 적어도 하나의 요소를 포함할 수 있으며 외형적 요소는 더 추가되거나 제외될 수 있으며 예시한 요소로 한정되는 것은 아니다.
나아가, 수집하는 단계(S100)는 복수회의 질의에 대해 수집된 상기 사용자(10)의 응답 정보로부터 응답 변화 정보를 추출하고 화장품의 추천에 더욱 이용할 수 있다. 따라서 검증하는 단계(S400)는 응답 정보의 변화 정보를 반영하여 추천 화장품 정보를 생성할 때, 응답이 부정적인 방향으로 발생되면 이전 추천 화장품은 제외하도록 할 수 있다.
또한, 큐레이션 기반 화장품 추천 방법은 구매 이력 수집부(140)가 온라인 플랫폼으로부터 사용자(10)의 실 구매 정보를 수신하는 단계(미도시)를 더 포함하고, 검증하는 단계(S400)는 상기 실 구매 정보를 반영하여 상기 추천 화장품 정보를 생성하는 것도 가능하다.
또한 추가적으로 화장품 추천 시스템(100)은 동일한 추천 화장품 정보에 따른 사용자(10)별 실 구매 정보의 차이를 판단하여 역으로 온라인 플랫폼(200)에게 제공해 줄 수 있다.
이를 통해 온라인 플랫폼(200)은 동일한 응답을 갖는 각각의 사용자(10)에 대해 실 구매가 이루어지는지 여부와 실 구매에서 차이가 발생되는 경우에는 이를 온라인 플랫폼에게 제공함으로써 플랫폼 자체의 개선사항 등의 추가적인 큐레이션 정보를 제공해 줄 수 있다.
나아가, 여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 실시예는 ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시예들이 제어 모듈 자체로 구현될 수 있다.
소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 씌여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 메모리 모듈에 저장되고, 제어모듈에 의해 실행될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (12)

  1. 큐레이션 기반 화장품 추천 시스템에 있어서,
    온라인 플랫폼으로부터 정형화된 형태의 질의 단계별 사용자 응답 정보를 수집하는 응답 정보 수집부;
    상기 사용자로부터 이미지 데이터를 포함하는 개인화된 형태의 사용자 요구 정보를 수신하는 요구 정보 수신부;
    상기 온라인 플랫폼으로부터 상기 사용자의 실 구매 정보를 수신하는 구매 이력 수집부; 및
    상기 사용자 응답에 따라 사용자 응답 별 추천 화장품을 정의하는 테이블을 참고하여 제1 추천 화장품 정보를 생성하되, 상기 사용자 요구 정보에 대한 화장품 추천 신경망의 출력 정보를 고려하여 상기 추천 화장품 정보를 검증하는 화장품 추천부를 포함하되,
    상기 응답 정보 수집부는 복수회의 질의에 대해 수집된 상기 사용자의 응답 정보로부터 응답 변화 정보를 추출하고,
    상기 화장품 추천부는 상기 응답 변화 정보를 반영한 제2 추천 화장품 정보 및, 상기 제1 또는 제2 추천 화장품 정보에 실 구매 정보를 반영한 제3 추천 화장품 정보를 생성하며,
    상기 신경망은 입력된 사용자의 제1 이미지 데이터로부터 제1 특징 맵과 입력된 요구 모델의 제2 이미지 데이터로부터 제2 특징 맵을 출력하고, 상기 제1 특징 맵 및 제2 특징 맵에 포함된 특징 벡터 간의 특징 공간 내 거리를 기초로 산출되는 유사도를 기준으로 외형적 요소의 차이를 판단하되,
    상기 외형적 요소는 상기 신경망의 제1 이미지 데이터로부터 출력된 피부톤, 지성 또는 건성 정도, 모공, 탄력, 및 주름 관련 정보의 분류 별 예측 확률 값을 포함하여,
    상기 화장품 추천부는 상기 판단된 외형적 요소의 차이에 대응하는 상기 외형적 요소의 예측 확률 값에 대하여 대응되는 기능적 요소를 갖는 화장품 성분 정보에 따라 상기 제1 내지 제3 추천 화장품 정보를 검증하는 것을 특징으로 하는 화장품 추천 시스템.
  2. 제 1 항에 있어서,
    구매 이력 수집부는 동일한 추천 화장품 정보에 따른 사용자별 실 구매 정보의 차이를 판단하여 상기 온라인 플랫폼으로 제공하는 것을 특징으로 하는 화장품 추천 시스템.
  3. 화장품 추천 장치에서 수행되는 큐레이션 기반 화장품 추천 방법에 있어서,
    온라인 플랫폼으로부터 정형화된 형태의 질의 단계별 사용자 응답 정보를 수집하는 단계;
    상기 사용자로부터 이미지 데이터를 포함하는 개인화된 형태의 사용자 요구 정보를 수신하는 단계;
    상기 온라인 플랫폼으로부터 상기 사용자의 실 구매 정보를 구매 이력으로 수집하는 단계; 및
    상기 사용자 응답에 따라 사용자 응답 별 추천 화장품을 정의하는 테이블을 참고하여 제1 추천 화장품 정보를 생성하되, 상기 사용자 요구 정보에 대한 화장품 추천 신경망의 출력 정보를 고려하여 상기 추천 화장품 정보를 검증하는 단계를 포함하되,
    상기 응답 정보를 수집하는 단계는 복수회의 질의에 대해 수집된 상기 사용자의 응답 정보로부터 응답 변화 정보를 추출하고,
    상기 검증하는 단계는 상기 응답 변화 정보를 반영한 제2 추천 화장품 정보 및, 상기 제1 또는 제2 추천 화장품 정보에 실 구매 정보를 반영한 제3 추천 화장품 정보를 생성하며,
    상기 신경망은 입력된 사용자의 제1 이미지 데이터로부터 제1 특징 맵과 입력된 요구 모델의 제2 이미지 데이터로부터 제2 특징 맵을 출력하고, 상기 제1 특징 맵 및 제2 특징 맵에 포함된 특징 벡터 간의 특징 공간 내 거리를 기초로 산출되는 유사도를 기준으로 외형적 요소의 차이를 판단하되,
    상기 외형적 요소는 상기 신경망의 제1 이미지 데이터로부터 출력된 피부톤, 지성 또는 건성 정도, 모공, 탄력, 및 주름 관련 정보의 분류 별 예측 확률 값을 포함하여,
    상기 검증하는 단계는 상기 판단된 외형적 요소의 차이에 대응하는 상기 외형적 요소의 예측 확률 값에 대하여 대응되는 기능적 요소를 갖는 화장품 성분 정보에 따라 상기 제1 내지 제3 추천 화장품 정보를 검증하는 것을 특징으로 하는 화장품 추천 방법.
  4. 제 3 항에 있어서,
    구매 이력 수집부는 동일한 추천 화장품 정보에 따른 사용자별 실 구매 정보의 차이를 판단하여 상기 온라인 플랫폼으로 제공하는 것을 특징으로 하는 화장품 추천 방법.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
KR1020200060541A 2020-05-20 2020-05-20 큐레이션 기반 화장품 추천 시스템 및 방법 KR102452055B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200060541A KR102452055B1 (ko) 2020-05-20 2020-05-20 큐레이션 기반 화장품 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200060541A KR102452055B1 (ko) 2020-05-20 2020-05-20 큐레이션 기반 화장품 추천 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20210143579A KR20210143579A (ko) 2021-11-29
KR102452055B1 true KR102452055B1 (ko) 2022-10-07

Family

ID=78698075

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200060541A KR102452055B1 (ko) 2020-05-20 2020-05-20 큐레이션 기반 화장품 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102452055B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102530659B1 (ko) 2023-02-13 2023-05-10 주식회사 신우코퍼레이션 사용자 상품 구매 이력을 기반으로 한 상품 큐레이션 및 상품 구매 구독 플랫폼 서비스 제공 방법, 장치 및 시스템

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102397650B1 (ko) * 2021-12-28 2022-05-16 주식회사 꾼미디어 피부 진단을 통한 사용자 맞춤형 제품 추천 방법 및 시스템
KR20230117870A (ko) 2022-02-03 2023-08-10 주식회사 찬슬 화장품 추천 서비스 장치 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102055084B1 (ko) * 2019-03-19 2020-01-14 (주)인시스 피부 측정을 이용한 메이크업 가이드 방법 및 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101444726B1 (ko) * 2012-08-01 2014-09-26 김건식 고객 맞춤형 피부 진단 및 관리 방법, 이를 구현하는 서버, 그 시스템 및 기록매체
KR102146987B1 (ko) * 2013-09-03 2020-08-24 에스케이플래닛 주식회사 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR20200027098A (ko) * 2018-08-31 2020-03-12 (주)엠플러스코스메틱스 딥러닝 기반의 맞춤형 화장품 큐레이션 제공방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102055084B1 (ko) * 2019-03-19 2020-01-14 (주)인시스 피부 측정을 이용한 메이크업 가이드 방법 및 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102530659B1 (ko) 2023-02-13 2023-05-10 주식회사 신우코퍼레이션 사용자 상품 구매 이력을 기반으로 한 상품 큐레이션 및 상품 구매 구독 플랫폼 서비스 제공 방법, 장치 및 시스템

Also Published As

Publication number Publication date
KR20210143579A (ko) 2021-11-29

Similar Documents

Publication Publication Date Title
KR102452055B1 (ko) 큐레이션 기반 화장품 추천 시스템 및 방법
CN111783902B (zh) 数据增广、业务处理方法、装置、计算机设备和存储介质
US20110016001A1 (en) Method and apparatus for recommending beauty-related products
KR102203355B1 (ko) 상품 체험에 따른 체험정보 추출 시스템 및 방법
KR102253750B1 (ko) 딥러닝을 이용한 메이크업 추천 및 추천 기반 화장품 구매 서비스 제공 플랫폼
US20190213226A1 (en) Machine implemented virtual health and beauty system
CN115917535A (zh) 推荐模型的训练方法、推荐方法、装置及计算机可读介质
US11748421B2 (en) Machine implemented virtual health and beauty system
KR20200036680A (ko) 감정 정보 획득을 위한 전자 장치 및 방법
KR20230025906A (ko) 개선된 얼굴 속성 분류 및 그것의 사용을 위한 시스템들 및 방법들
CN118215431A (zh) 基于肤色和皮肤状态扫描的匹配化妆品和皮肤护理产品
KR102494384B1 (ko) 기저귀 대변 이미지를 활용한 아기 건강 진단 솔루션 제공 방법, 장치 및 시스템
US20070094172A1 (en) Neural network based rating system
KR102520597B1 (ko) 시장 분석 및 업체 니즈를 고려한 제품 매칭 방법
US20200226012A1 (en) File system manipulation using machine learning
KR20220075623A (ko) 구매상품 리뷰 큐레이션 및 라이브커머스를 통한 상품 구매 방법, 장치 및 프로그램
KR102530527B1 (ko) 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템
CN114443916B (zh) 一种面向试验数据的供需匹配方法及系统
US20210217074A1 (en) Systems and methods for providing a style recommendation
CN114579867A (zh) 资源推荐的方法和装置、电子设备和存储介质
WO2021019311A1 (en) Hybrid recommender system equipped with facial expression recognition and machine learning
Holder et al. Convolutional networks for appearance-based recommendation and visualisation of mascara products
KR20220051564A (ko) 인공지능 기반의 사용자 맞춤형 화장품 제공 방법 및 시스템
WO2019136359A1 (en) Machine implemented virtual health and beauty system
KR102593868B1 (ko) 손톱 및 발톱 케어 정보 제공 및 전문가 매칭 플랫폼서비스 구동 방법, 장치 및 시스템

Legal Events

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