KR102453378B1 - 마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템 - Google Patents

마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템 Download PDF

Info

Publication number
KR102453378B1
KR102453378B1 KR1020210104861A KR20210104861A KR102453378B1 KR 102453378 B1 KR102453378 B1 KR 102453378B1 KR 1020210104861 A KR1020210104861 A KR 1020210104861A KR 20210104861 A KR20210104861 A KR 20210104861A KR 102453378 B1 KR102453378 B1 KR 102453378B1
Authority
KR
South Korea
Prior art keywords
menu
user
information
personalized
user terminal
Prior art date
Application number
KR1020210104861A
Other languages
English (en)
Other versions
KR20220031983A (ko
Inventor
정승원
Original Assignee
(주)넷킨
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 (주)넷킨 filed Critical (주)넷킨
Publication of KR20220031983A publication Critical patent/KR20220031983A/ko
Application granted granted Critical
Publication of KR102453378B1 publication Critical patent/KR102453378B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
    • H04N21/2389—Multiplex stream processing, e.g. multiplex stream encrypting
    • H04N21/23892—Multiplex stream processing, e.g. multiplex stream encrypting involving embedding information at multiplex stream level, e.g. embedding a watermark at packet level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/23605—Creation or processing of packetized elementary streams [PES]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
    • H04N21/2389—Multiplex stream processing, e.g. multiplex stream encrypting
    • H04N21/23895—Multiplex stream processing, e.g. multiplex stream encrypting involving multiplex stream encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/26613—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel for generating or managing keys in general
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
    • H04N21/4343—Extraction or processing of packetized elementary streams [PES]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/435—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream
    • H04N21/4353—Processing of additional data, e.g. decrypting of additional data, reconstructing software from modules extracted from the transport stream involving decryption of additional data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/633—Control signals issued by server directed to the network components or client
    • H04N21/6332—Control signals issued by server directed to the network components or client directed to client
    • H04N21/6334—Control signals issued by server directed to the network components or client directed to client for authorisation, e.g. by transmitting a key
    • H04N21/63345—Control signals issued by server directed to the network components or client directed to client for authorisation, e.g. by transmitting a key by transmitting keys

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 기술적 사상에 의한 일 실시예에 따른 인공 지능 기술과 알고리즘을 활용한 마이크로 데이터 기반 개인화된 메뉴 추천 시스템은, 사용자에 대한 정보를 수집하는 사용자 정보 관리부, 메뉴, 분위기, 또는 환경에 대한 정보를 사용자 단말에 제공하는 메뉴 및 환경 정보 관리부, 평가 및 피드백 정보를 상기 사용자 단말로부터 수신하는 소비 정보 관리부, 상기 사용자 단말의 사용자의 개인 취향을 분석하는 개인 취향 분석부, 상기 사용자 단말의 사용자의 피어 그룹 분석을 수행하는 피어 그룹 분석부, 및 다층적으로 분석된 결과를 종합적으로 분석하여 개인화된 메뉴를 추천하는 개인화된 메뉴 추천부를 포함할 수 있다.

Description

마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템{PERSONALIZED MENU RECOMMENDATION SYSTEM USING MICRO DATA BASIS ARTIFICIAL INTELLIGENCE}
본 발명은 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템에 관한 것으로서, 보다 상세하게는 입도가 낮은 인공 지능 기술과 알고리즘을 활용하여 개인화된 메뉴를 추천하기 위한 시스템에 관한 것이다.
음식 매장을 방문한 손님은 처음 접하는 음식 등을 주문을 하기 위해서 메뉴판의 설명으로는 불충분하므로 종업원에게 자문을 구해야 하지만, 외식현장에서는 다양한 식성을 가진 개별적인 손님에 대해 개인화된 추천메뉴를 제공받을 수 없으며, 메뉴 추천을 원하는 고객에 대하여 베스트 추천 메뉴, 이벤트 메뉴 등 거의 모든 고객에게 업장 입장에서의 메뉴를 추천하거나, 테이블 담당 점원의 주관적인 생각에 의해 메뉴가 추천된다.
이러한 문제점을 해결하고자, 많은 발명가들이 해결 방안을 찾고자 하는 시도를 하였으나, 아직까지 만족스러운 결과가 나오지는 않았다.
본 발명의 기술적 사상에 따른 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템의 목적은 인공 지능 기술과 알고리즘을 활용하고 마이크로 데이터 인게이지먼트(Micro Data Engagement)기반 개인화된 메뉴를 추천하는 서비스를 제공하는 것이다. 즉 서비스를 제공하기 위해 수집하고 이용하는 데이터의 입도가 낮다는 점 (예를 들어, 종래 기술들이 ‘메뉴’, ‘분위기’ 등 다소 입도가 큰 데이터를 이용해왔다면, 본 발명의 경우 ‘재료의 종류와 양, 재료의 가공방식, 염도, 당도, 산미 등 세분화된 맛’이나 ‘분위기, 음악, 공간구성, 편의성’ 등과 같이, 훨씬 작은 입도의 데이터를 사용함)이 본 발명의 기술적 특징이라 할 수 있다.
본 발명의 기술적 사상에 따른 개인화된 메뉴 추천 시스템의 목적은 사용자의 소비 관하여 도출된 매우 정교한 데이터를 바탕으로 정확한 취향을 도출, 건강 혹은 미용 등 개인의 복합적 목적기준에 부합하는 메뉴를 추천 및 제공하는 것이다.
본 발명의 기술적 사상에 따른 개인화된 메뉴 추천 시스템이 이루고자 하는 기술적 과제는 이상에서 언급한 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제는 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 기술적 사상에 의한 일 실시예에 따른 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템은, 사용자에 대한 비선호 식재료 혹은 선호 조리수단 정보를 수집하는 사용자 정보 관리부; 레서피 단위로 조리과정을 분해야여 구체적인 재료의 수량과 조리방법, 재료의 속성을 분석하는 메뉴 정보 관리부; 분위기, 또는 매장 구성환경에 대한 정보를 사용자 단말에 제공하는 메뉴 및 환경 정보 관리부; 평가 및 피드백 정보를 상기 사용자 단말로부터 수신하는 소비 정보 관리부; 상기 사용자 단말의 사용자의 개인 소비 패턴 및 취향을 분석하는 개인 취향 분석부; 상기 사용자 단말의 사용자와 유사한 패턴의 소비 행태를 보이는 집단을 대상으로 분석을 수행하는 피어 그룹 분석부; 및 상기 종합된 정보를 바탕으로 분석하여 결과를 도출 후 이에 기반한 메뉴를 추천하는 개인화된 메뉴 추천부를 포함할 수 있다.
일 실시예에 따른 상기 사용자 정보 관리부는, 사용자의 비선호 식음료에 대한 정보를 관리하는 식음료 선호도 관리부를 더 포함하되, 상기 개인화된 메뉴 추천부는, 비선호 식음료에 대한 부분을 우선적으로 제외한 후, 식음료를 소비 패턴을 기초로 상기 사용자의 사용자 단말을 통해 추천 메뉴를 제공할 수 있다.
일 실시예에 따른 상기 소비 정보 관리부는, 사용자가 주문한 메뉴에 대한 정보를 관리하는 주문 메뉴 관리부; 및 상기 주문한 메뉴에 대한 상기 사용자의 만족도를 관리하는 주문 만족도 관리부를 더 포함하되, 상기 개인화된 메뉴 추천부는, 상기 주문한 메뉴 또는 상기 만족도를 기초로 상기 사용자의 사용자 단말을 통해 추천 메뉴를 제공할 수 있다.
일 실시예에 따른 상기 개인화된 메뉴 추천부는, 상기 사용자의 선호하는 식음료를 선호하는 다른 사용자에 대한 메뉴, 또는 상기 사용자가 주문한 메뉴를 주문한 또 다른 사용자에 대한 메뉴를 이용하여 추천 메뉴를 제공하되, 상기 다른 사용자 또는 상기 또 다른 사용자는 상기 사용자와 동일한 유사 패턴 그룹에 포함될 수 있다.
일 실시예에 따른 상기 개인화된 메뉴 추천부는, 상기 개인 취향 분석부 또는 상기 피어 그룹 분석부에 의해 분석된 결과를 종합하여 개인화된 메뉴에 대한 정보를 사용자 단말로 전송할 수 있다.
일 실시예에 따른 상기 개인화된 메뉴 추천부는, 사용자에 의해 입력되거나 또는 웨어러블 장치로부터 획득된 사용자에 관한 정보를 기초로 추천하는 개인화된 메뉴에 대한 정보를 사용자 단말로 전송할 수 있다.
일 실시예에 따른 상기 개인화된 메뉴 추천부는, 상기 추천하는 개인화된 메뉴에 대한 배달과 관련된 정보 또는 매장과 관련된 정보를 상기 사용자 단말로 전송할 수 있다.
일 실시예에 따른 상기 소비 정보 관리부는, 상기 주문한 메뉴에 대한 유통 과정 중 적어도 일부를 이용하여 상기 주문한 메뉴의 속성에 대한 정보를 관리하고, 상기 개인화된 메뉴 추천부는, 상기 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공하되, 상기 소비 정보 관리부는, 상기 주문한 메뉴에 대한 재료 단위까지 글로벌 스탠다드 코드로 정보를 입력하여 상기 주문한 메뉴의 속성에 대한 정보를 관리하고, 상기 개인화된 메뉴 추천부는, 성분분석을 통해 핵심 메뉴추천을 도출해낼 수 있으며 4개 정보부의 추천 소스와 결합하여 종합적 추천 로직의 일부를 완성한다.
일 실시예에 따른 상기 소비 정보 관리부는, 상기 주문한 메뉴에 대한 국제 식별 코드를 이용하여 상기 주문한 메뉴의 속성에 대한 정보를 관리하되, 상기 개인화된 메뉴 추천부는, 상기 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공할 수 있다.
본 발명의 기술적 사상에 의한 실시예에 따른 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템은 인공 지능 기술과 알고리즘을 활용하여 마이크로 데이터 인게이지먼트(Micro Data Engagement)를 이용하여 개인화된 메뉴를 추천하는 서비스를 제공할 수 있도록 한다.
본 발명의 기술적 사상에 의한 실시예에 따른 개인화된 메뉴 추천 시스템은, 종업원의 도움 없이, 4가지 방식을 통해 사용자에 관하여 도출된 정확한 세부 데이터를 기준으로 메뉴 추천 서비스를 제공할 수 있도록 한다.
본 발명의 기술적 사상에 의한 실시예에 따른 개인화된 메뉴 추천 시스템은, 사용자의 개인 취향(taste)을 분석하거나, 사용자와 유사한 소비집단을 분석함으로써, 개인화된 메뉴를 추천할 수 있다.
다만, 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템이 달성할 수 있는 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 명세서에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일 실시예에 따른 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템에 대한 개략도이다.
도 2는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템에 의해 제공되거나 또는 처리되는 데이터, 사용자 단말의 화면, 데이터의 흐름 등을 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 동작을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 외부 연결을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 제품 등록 흐름을 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 제품 등록 흐름을 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템이 이용하는 국제 식별 코드 중 적어도 일부를 포함하는 식별 코드를 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템이 이용하는 국제 식별 코드 중 적어도 일부를 포함하는 식별 코드를 도시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템이 이용하는 국제 식별 코드 중 적어도 일부를 포함하는 식별 코드를 나타낸다.
본 발명은 마이크로 데이터 인게이지먼트(Micro Data Engagement)를 이용한 기술을 사용한 시스템에 관한 것이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고, 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명은 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 명세서에서 '~부'로 표현되는 구성요소는 2개 이상의 구성요소가 하나의 구성요소로 합쳐지거나 또는 하나의 구성요소가 보다 세분화된 기능별로 2개 이상으로 분화될 수도 있다. 또한, 이하에서 설명할 구성요소 각각은 자신이 담당하는 주기능 이외에도 다른 구성요소가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성요소 각각이 담당하는 주기능 중 일부 기능이 다른 구성요소에 의해 전담되어 수행될 수도 있음은 물론이다.
이하, 본 발명의 기술적 사상에 의한 실시예들을 차례로 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템에 대한 개략도이다.
인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템의 구성
일 실시예에 따르면, 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템은, 사용자 정보 관리부, 메뉴정보 및 외식환경 정보 관리부, 소비 정보 관리부, 개인 취향 분석부, 피어 그룹 분석부, 개인화된 메뉴 추천부를 포함할 수 있다. 개인화된 메뉴 추천 시스템은, 서버와 같은 컴퓨팅 디바이스일 수 있고, 사용자 정보 관리부, 메뉴정보 및 외식환경정보 관리부, 소비 정보 관리부, 개인 취향 분석부, 피어 그룹 분석부, 개인화된 메뉴 추천부는 메모리, 프로세서, 데이터송수신기 등의 컴퓨팅 디바이스의 부품 중 적어도 하나를 포함할 수 있다.
사용자 정보 관리부는, 사용자에 대한 정보를 수집하고 수집된 사용자에 대한 정보를 데이터베이스 등을 이용하여 저장하고 관리할 수 있다. 사용자 정보 관리부는, 개인 데이터를 직접 수집할 수도 있다. 사용자에 대한 정보는 개인 데이터를 포함할 수 있으며, 사용자의 개인 프로파일 데이터, 비선호 재료(알러지 유발재료 포함), 선호 요리 방식 등을 포함할 수 있다.
사용자에 대한 정보는 사용자 건강습관정보를 포함할 수 있다. 사용자 정보 관리부는, 사용자의 사용자 단말로부터 사용자가 복용하는 의약품의 영양함량 정보와 사용자의 건강 정보를 포함하는 건강 정보 데이터를 수신할 수 있다. 사용자 정보 관리부는, 건강 정보 데이터를 바탕으로 사용자의 건강을 개선할 수 있는 방법을 데이터베이스 혹은 외부 서버에서 검색할 수 있으며, 개인화된 메뉴 추천 시스템은, 식음료 또는 개인화된 메뉴를 포함한 건강 개선 방법에 대한 정보를 사용자 단말에 제공할 수 있다.
사용자 정보 관리부는, 건강 습관 및 생활 패턴의 정보 수집하기 위해 사용자와 관련된 외부 데이터베이스에서 직접 정보를 읽어올 수 있다. 사용자 정보 관리부는, 사용자가 주로 사용하는 SNS에서 사용자의 생활 정보를 수집하거나, 헬스케어와 관련된 외부 어플리케이션과 연동할 수 있으며, IOT기술이나 웨어러블 장치와 연동하여, 심박수, 수면, 혈당, 체중 혹은 미용관련 정보를 받을 수 있다.
사용자 정보 관리부는, 인공지능 스피커와 연동하여, 사용자의 인공지능 스피커의 사용 패턴을 분석하여 생활 패턴이나 건강 습관을 도출할 수 있다.
사용자 정보 관리부는, 각 사용자들의 계정을 바탕으로 각 사용자들의 SNS 활동내역(게시판에 올린 텍스트, 댓글로 남긴 텍스트, 좋아요 클릭한 것, 공유한 것, 게시판에 올린 사진, 그 사용자가 남긴 해시태그 )을 수집하고, SNS 활동내역을 바탕으로 사용자가 섭취한 음식, 사용자가 좋아하는 운동, 사용자가 좋아하는 음식, 그 밖의 사용자의 생활습관이나 선호정보를 추출할 수 있다.
사용자 정보 관리부는, 사용자 단말 내의 앱을 통하여 수집하는 방법으로서, 아이폰이나 안드로이드 폰 자체에 설치된 헬스 애플리케이션들의 API와 연동하여, 헬스 애플리케이션에서 추출한 운동정보(하루 중 걸음 수에 대한 정보, 칼로리소모 정보 등)를 수집할 수도 있다.
사용자 정보 관리부는, 스마트 워치나 심박수 측정하는 손목에 채우는 웨어러블 장치로부터 심박수/ 수면시간 등을 수집할 수 있으며, IOT기기(예를 들어, 스마트 체중계, 스마트 혈압계, 스마트 혈당계 등)으로부터 해당하는 건강정보를 수집할 수도 있다.
사용자 정보 관리부는, 사용자의 정보를 바탕으로 건강 정보 데이터를 생성하고, 이를 사용하여 건강 문제를 분석할 수 있으며, 수집된 정보들을 바탕으로 사용자가 갖고 있는 질병이 무엇인지, 사용자가 어느정도 운동부족인지, 사용자가 어느 정도 비만인지, 체지방이 많은지, 그 외에 사용자의 건강문제/생활습관/식이습관의 문제점을 분석할 수 있다.
사용자 정보 관리부는, 사용자에게서 수집한 정보를 바탕으로 사용자가 가진 질병을 먼저 분석하고, 생활 패턴을 바탕으로 운동량을 분석할 후 체지방과 같은 체질량을 분석할 수 있다.
사용자 정보 관리부는, 사용자의 성별 및 나이대, 키와 몸무게와 같은 신체적 조건에 부합하는 표준신체(혹은 건강)을 기준으로 해결책을 분석할 수 있으며, 사용자 정보 관리부는, 사용자의 건강 문제에 대한 분석을 기초로 사용자에게 필요한 영양정보를 제공하기 위한 메뉴 또는 식음료를 개인화된 메뉴 추천부로 제공할 수 있다.
메뉴 및 환경 정보 관리부는, 메뉴의 재료, 외식 업장 분위기, 또는 환경에 대한 정보를 사용자 단말에 제공할 수 있다. 메뉴 및 환경 정보 관리부는, 특정 메뉴 및 환경 정보 등과 같은 메뉴, 분위기, 또는 환경에 대한 정보를 데이터베이스 등을 이용하여 저장하고 관리할 수 있으며, 사용자 단말로 전송할 수 있다. 메뉴, 분위기, 또는 환경에 대한 정보는 재료 세부 사항, 외식업장 환경 세부 사항, 요리 절차 및 방식 등을 포함할 수 있다.
소비 정보 관리부는, 평가 및 피드백 정보를 사용자 단말로부터 수신할 수 있다.
소비 정보 관리부는, 데이터베이스 등을 이용하여 사용자의 소비 정보를 관리할 수 있다. 소비 정보는 주문 메뉴, 메뉴의 주문 횟수, 메뉴의 주문 빈도 등을 포함할 수 있다. 소비 정보는 주문된 메뉴의 세부 사항, 주문된 아이템에 대한 피드백을 포함할 수 있다.
개인 취향 분석부는, 사용자 단말의 사용자의 개인 취향을 분석할 수 있다. 개인 취향 분석부는, 상술되거나 또는 후술되는 데이터 또는 정보 중 적어도 하나를 이용하여 사용자의 개인 취향을 분석할 수 있다. 개인 취향 분석부는, 개인 메뉴 정보 및 소비 정보를 결합하고, 인과 관계를 분석할 수 있다.
피어 그룹 분석부는, 사용자 단말의 사용자와 유사한 소비행태의 피어 그룹 분석을 수행할 수 있다. 피어 그룹 분석부는, 상술되거나 또는 후술되는 데이터 또는 정보 중 적어도 하나를 이용하여 사용자의 피어 그룹 분석을 수행할 수 있다. 피어 그룹 분석부는, 유사한 경향의 사용자를 그룹화함으로써 피어 그룹을 분석하고, 추가적인 외부 요인을 분석할 수 있으며, 상관 분석을 수행할 수 있다.
개인 취향 분석부 또는 피어 그룹 분석부는, 사용자에 대한 데이터를 가져오거나 또는 획득하여 데이터를 정제 또는 변형할 수 있으며, 이를 이용하여 모델 훈련 또는 구축을 수행하거나 또는 테스트 데이터로 사용하여 모델 테스팅을 수행할 수 있다. 개인 취향 분석부 또는 피어 그룹 분석부는, 훈련 테스트 루프를 수행할 수 있으며, 생성된 모델을 배포할 수 있고, 모델 피드백 루프를 수행할 수 있다.
개인화된 메뉴 추천부는, 분석된 결과를 기초로 개인화된 메뉴를 추천할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천부는, 개인 취향 분석부 또는 피어 그룹 분석부에 의해 분석된 결과를 개인화된 메뉴에 대한 종합적 분석을 위한 정보를 사용자 단말로 전송할 수 있다.
개인화된 메뉴 추천부는, AI 모델 기반으로 추천을 수행할 수 있으며, 주요 기준으로서 피드백에서의 만족도를 이용할 수 있다. (피드백에 대한 인센티브 프로토콜이 존재하나 본 명세서 범위에서는 제외한다.)
일 실시예에 따르면, 사용자 정보 관리부는, 사용자의 선호하는 식음료에 대한 정보를 관리하는 식음료 선호도 관리부를 더 포함할 수 있다. 식음료 선호도 관리부는 컴퓨팅 디바이스의 부품 중 적어도 하나를 포함할 수 있다.
개인화된 메뉴 추천부는, 선호하는 식음료를 기초로 상기 사용자의 사용자 단말을 통해 추천 메뉴를 제공할 수 있다.
일 실시예에 따르면, 소비 정보 관리부는, 사용자가 주문한 메뉴에 대한 정보를 관리하는 주문 메뉴 관리부, 및 주문한 메뉴에 대한 사용자의 만족도를 관리하는 주문 만족도 관리부를 더 포함할 수 있으며, 개인화된 메뉴 추천부는, 주문한 메뉴 또는 만족도를 기초로 사용자의 사용자 단말을 통해 추천 메뉴를 제공할 수 있다. 주문 메뉴 관리부 및 주문 만족도 관리부는 컴퓨팅 디바이스의 부품 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 사용자 정보 관리부는, 사용자의 선호하는 식음료에 대한 정보를 관리하는 식음료 선호도 관리부를 더 포함하되, 개인화된 메뉴 추천부는, 선호하는 식음료를 기초로 사용자의 사용자 단말을 통해 추천 메뉴를 제공할 수 있다. 식음료 선호도 관리부는 컴퓨팅 디바이스의 부품 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천부는, 사용자의 선호하는 식음료를 선호하는 다른 사용자에 대한 메뉴, 또는 사용자가 주문한 메뉴를 주문한 또 다른 사용자에 대한 메뉴를 이용하여 추천 메뉴를 제공하되, 다른 사용자 또는 또 다른 사용자는 사용자와 동일한 유사 패턴 그룹에 포함될 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천부는, 사용자에 의해 입력되거나 또는 웨어러블 장치로부터 획득된 사용자에 관한 정보를 기초로 추천하는 개인화된 메뉴에 대한 정보를 사용자 단말로 전송할 수 있다.
사용자에 의해 입력되거나 또는 웨어러블 장치로부터 획득된 사용자에 관한 정보는 질병, 뷰티, 다이어트 등에 대한 정보로서 고급 필터를 이용하여 사용자에게 알맞은 질병, 뷰티, 다이어트에 따른 사용자 개인에게 적합한 추천 메뉴가 추천될 수 있다. 사용자에 관한 정보는 사용자의 바이오 정보, 신체 치수, 피부 상태 등일 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천부는, 사용자의 소셜네트워크서비스 계정으로부터 사용자의 라이프스타일정보를 수집할 수 있다. 라이프스타일정보는 사용자가 업로드한 사진 또는 텍스트로부터 추출된다. 추출된 키워드는 골프, 출장, 계정, 지역, 날씨, 사용자가 입고 있는 옷의 브랜드 등을 포함할 수 있다. 개인화된 메뉴 추천부는, 사용자의 스마트폰 GPS정보를 이용하여 현재위치정보를 수집할 수 있고, 이를 통해 해당 위치의 기후정보를 수집할 수 있다. 기후정보는 온도, 습도, 자외선지수, 미세먼지 중 적어도 하나 이상을 포함할 수 있다.
개인화된 메뉴 추천부는, 사용자의 활동정보나 식습관정보는 물론 날씨공공데이터 등을 통해서 개인화된 메뉴를 추천할 수 있다.
개인화된 메뉴 추천부는, 사용자 단말의 카메라를 통해 사용자가 보유하고 있는 화장품을 촬영하면, 자동으로 해당 화장품의 종류와 성분을 분석하여 사용자에게 맞춤형 뷰티케어를 위한 개인화된 메뉴 정보를 제공할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천부는, 사용자 단말과 통신하는 통신부, 레시피정보, 심리 상담 기관 정보, 심리 검사 정보를 포함하는 저장부를 포함할 수 있으며, 사용자 단말로부터 얻어진 정보 및 저장부에 기 저장된 정보를 기반으로 평가 및 판단 기능을 수행할 수 있다.
개인화된 메뉴 추천부는, 사용자 단말로부터 업로드된 참여자료를 등록하고 해당 참여자료에 대한 타 사용자들의 평가 정보를 수집하여 반영하며, 사용자 동의하에, 사용자 SNS 및 개인 사용자 단말의 사용 기록을 기반으로 관심사 및 식성을 포함하는 사용자별 특성 정보를 분석하는 제어부를 포함할 수 있으며, 사용자의 심리 검사를 위한 테스트 동작을 실행하고, 판단된 사용자의 심리 검사 결과에 대응하여 레시피를 추천할 수 있다.
개인화된 메뉴 추천부는, 검사 일자 순서대로 그래프를 생성할 수 있다. 개인화된 메뉴 추천부는, 사용자의 심리 상태를, 예컨대, 우울, 분노, 불안, 조울, 산만, 공포감, 무기력 등의 항목별로 점수화한 자료를 생성할 수 있으며, 기 설정된 기준 범위 밖의 점수로 평가되는 특정 항목에 대하여 별도의 색상으로 표시할 수 있다.
개인화된 메뉴 추천부는, 사용자가 심리 치유 어플리케이션을 이용하여 심리 검사를 수행한 이력 및 심리 검사에 대응하여 추천된 요리 및 레시피에 대한 정보를 생성할 수 있다.
개인화된 메뉴 추천부는, 사용자의 심리 검사 결과가 산출되면, 사용자의 심리 검사 결과에 대응하는 조리 방법을 매칭하고, 매칭된 조리 방법에 해당하는 음식 메뉴들 중 서버로부터 수신한 사용자 특성 판단 정보에 기반하여 사용자의 선호 음식을 추출할 수 있다. 개인화된 메뉴 추천부는, 조리 방법을 분류하는 방식으로 요리를 전골류, 볶음류, 탕류, 샐러드류, 구이류, 찜류 등으로 분류할 수 있고, 사용자의 심리 검사 결과, 무기력 지수가 높게 나온 경우라면 조리과정이 어렵고 복잡한 전골류, 탕류, 보다는 샐러드류, 구이류를 추천할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천부는, 추천하는 개인화된 메뉴에 대한 배달과 관련된 정보 또는 매장과 관련된 정보를 사용자 단말로 전송할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 추천한 메뉴를 사용자가 주문하여 사용자 단말로부터 주문 정보를 수신할 경우, 주문 정보 중 적어도 일부를 매장 또는 배달과 관련된 서버 또는 장치 등으로 전송할 수 있다. 주문 정보는 사용자의 배달 주소, 연락처, 주문 메뉴, 주문 개수 등을 포함할 수 있다. 배달과 관련된 정보는 주문된 추천된 메뉴의 배달 차량, 배달원, 배달 시간 등을 포함할 수 있다. 매장과 관련된 정보는 주문된 추천된 메뉴의 매장 주소, 매장 연락처, 영업 시간, 픽업 시간, 매장 예약 시간 등을 포함할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천부는, 추천하는 개인화된 메뉴의 가장 빠른 배달과 관련된 정보 또는 최단 거리의 매장과 관련된 정보를 사용자 단말로 전송할 수도 있다.
일 실시예에 따르면, 소비 정보 관리부는, 주문한 메뉴에 대한 유통 과정 중 적어도 일부를 이용하여 주문한 메뉴의 속성에 대한 정보를 관리하고, 개인화된 메뉴 추천부는, 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공하되, 소비 정보 관리부는, 주문한 메뉴에 대한 바코드를 이용하여 주문한 메뉴의 속성에 대한 정보를 관리하고, 개인화된 메뉴 추천부는, 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공할 수 있다.
일 실시예에 따르면, 소비 정보 관리부는, 주문한 메뉴에 대한 국제 식별 코드를 이용하여 주문한 메뉴의 속성에 대한 정보를 관리하되, 개인화된 메뉴 추천부는, 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템에 의해 제공되거나 또는 처리되는 데이터, 사용자 단말의 화면, 데이터의 흐름 등을 나타내는 도면이다.
개인화된 메뉴 추천 시스템의 예시
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자 정보 관리부, 메뉴 및 환경 정보 관리부, 소비 정보 관리부, 개인 취향 분석부, 피어 그룹 분석부, 개인화된 메뉴 추천부 등을 포함할 수 있다. 사용자 정보 관리부, 메뉴 및 환경 정보 관리부, 소비 정보 관리부, 개인 취향 분석부, 피어 그룹 분석부, 개인화된 메뉴 추천부는, 식음료 선호도 관리부, 주문 메뉴 관리부, 주문 만족도 관리부, 추천 메뉴 제공부 중 적어도 하나 또는 적어도 일부를 포함할 수도 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자 정보 관리부를 이용하여, 사용자에 대한 정보로서. 개인 정보 또는 개인 자료(Personal Data)를 수집할 수 있다. 사용자에 대한 정보는 질문에 의해서 모은 자료를 포함할 수도 있다. 사용자에 대한 정보는, 사용자의 선호하는 식음료에 대한 정보로서 알러지 재료 정보, 선호 요리 방식 등을 포함할 수도 있다.
개인화된 메뉴 추천 시스템은, SNS(Social Network Service) 크롤링(crawling), API(Application Program Interface) 등을 이용하여 사용자에 대한 정보의 데이터를 수집할 수 있다.
개인화된 메뉴 추천 시스템은, SNS 사진 비정형 이미지 분석을 위한 알고리즘으로서 키워드 추출 알고리즘을 이용할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자의 회원 가입시 사용자의 단말을 통해 입력(input) 데이터를 수집할 수 있다.
개인화된 메뉴 추천 시스템은, 변수 또는 함수, 알고리즘 등을 이용하여 데이터베이스 등을 통해 사용자에 대한 정보를 관리할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 메뉴 및 환경 정보 관리부를 이용하여, 메뉴, 분위기, 또는 환경에 대한 정보로서, 지정된 또는 특정 메뉴(Specified Menu), 분위기 또는 환경 정보(Ambience info)의 데이터 등을 사용자 단말로 제공할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 소비 정보 관리부를 이용하여, 사용자 단말로부터 소비 정보(consumption info)의 데이터 등을 수신할 수 있다.
개인화된 메뉴 추천 시스템은, 소비 정보 관리부를 이용하여, 고객인 사용자의 사용자 단말로 메뉴 관련 데이터를 제공하고, 메뉴 관련 데이터를 수신한 사용자 단말을 통해 사용자는 평가 및 피드백 정보로서 메뉴에 대한 평가 및 피드백의 데이터를 개인화된 메뉴 추천 시스템으로 전송할 수 있다. 소비 정보 관리부는, 평가 및 피드백 정보를 상기 사용자 단말로부터 수신할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 개인 취향 분석부를 이용하여 사용자 단말의 사용자의 개인 취향(taste)을 분석하고, 피어 그룹 분석부를 이용하여 사용자 단말의 사용자의 피어 그룹 분석(Peer group analysis)을 수행할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자에 대한 정보, 메뉴, 분위기, 또는 환경 정보, 소비 정보 중 적어도 하나의 데이터를 수집하고, 수집한 데이터를 상관관계 또는 클러스터링 등을 이용한 모델을 이용하여 분석할 수 있다.
개인화된 메뉴 추천 시스템은, VAE(Variational Auto Encoder) 모델을 학습시켜 향후 예측값을 제공함으로써 알고리즘을 구동할 수 있다.
개인화된 메뉴 추천 시스템은, 레이블링된(labeled) 데이터를 이용하여 특정 사용자의 취향을 출력(output)으로 판단하는 지도 학습을 수행한 후, 이를 기반으로 예측 모델을 생성할 수 있다. 레이블링된(labeled) 데이터는 특정 피처(feature)를 가진 사용자는 대응되는 음식을 먹고 대응되는 평을 한다는 정보를 포함할 수 있다.
개인화된 메뉴 추천 시스템은, 클러스터링 알고리즘을 사용할 수 있다. 개인화된 메뉴 추천 시스템은, 지도 학습 없이 비지도 학습으로 비슷한 취향을 가진 사용자들을 클러스터링함으로써 신규 유입 회원인 사용자의 피처(feature)에 기반하여 클러스터링 값을 제공하거나 또는 이용할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 개인화된 메뉴 추천부를 이용하여, 분석된 결과를 기초로 개인화된 메뉴를 추천할 수 있다. 개인화된 메뉴 추천부는 추천하는 개인화된 메뉴를 사용자 단말로 전송할 수 있다.
개인화된 메뉴 추천 시스템은, 메뉴 추천을 원하는 현재 상황에 관한 변수로서 시간, 감정, 상황, 목적, 일행 중 적어도 하나를 입력하게 하거나 또는 수신하고, 이러한 변수를 기초로 개인화된 메뉴 추천 결과값 획득하는 알고리즘, 필터링 기법 등을 이용하여 사용자에게 또는 사용자 단말에 메뉴 추천을 제공할 수 있다.
도 3은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 동작을 나타내는 도면이다.
인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템의 동작
본 발명의 일 실시예에 따른 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템의 구성 요소 중 적어도 하나에 의해 수행되는 개인화된 메뉴 추천 방법이 제공될 수 있다. 개인화된 메뉴 추천 시스템의 동작은 개인화된 메뉴 추천 시스템의 상술된 구성 요소 중 적어도 하나 또는 또 다른 구성 요소에 의해 수행될 수 있다.
개인화된 메뉴 추천 방법의 단계는 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템의 구성 요소 중 적어도 하나에 의해 수행되는 동작을 포함할 수 있다. 개인화된 메뉴 추천 시스템의 구성 요소는, 상술된 구성 요소를 포함할 수 있다.
사용자 단말은 네트워크를 통해 개인화된 메뉴 추천 시스템과 통신할 수 있다. 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템은 서버와 같이 서비스를 제공하는 컴퓨팅 디바이스일 수 있다.
일 실시예에 따르면, 네트워크는, 복수의 단말기 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 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), 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
사용자 단말은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치, 또는 카메라를 포함하거나 카메라와 연결된 컴퓨팅 디바이스로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), 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, 스마트폰(smartphone), 스마트 패드(smartpad), 태블릿 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
일 실시예에 따르면, 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템의 상술된 구성 요소 또는 또 다른 구성 요소는, 프로세서, 메모리, 데이터 송수신기 중 적어도 하나를 포함할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자의 선호하는 식음료에 대한 정보를 관리할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자 단말 등으로부터 수신된 사용자의 선호하는 식음료에 대한 정보를 데이터베이스를 이용하여 관리할 수 있다.
사용자의 선호하는 식음료에 대한 정보는, 사용자의 사용자 단말을 통해 입력되고 개인화된 메뉴 추천 시스템으로 전송될 수 있다. 선호하는 식음료에 대한 정보는, 선호하는 식음료의 명칭, 식별 코드, 종류, 분류, 맛, 재료, 조리 방식, 당도, 염도, 매운 정도, 유통 정보, 이미지, 동영상, 설명, 관련 텍스트 등을 포함할 수 있다. 유통 정보는 공급자, 운송업자, 판매자 등에 대한 식별 코드, 이름, 지역, 주소 등을 포함할 수도 있다.
개인화된 메뉴 추천 시스템은, 사용자 단말을 통해 선호하는 식음료를 선택하거나 또는 입력할 수 있는 메뉴 또는 사용자 인터페이스를 제공할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자가 사용자 단말에서 촬영한 바코드 또는 국제 식별 코드 등을 이용하여 선호하는 식음료에 대한 정보를 입력할 수 있는 메뉴 또는 사용자 인터페이스를 사용자 단말에 제공할 수도 있다.
개인화된 메뉴 추천 시스템은, 사용자가 주문한 메뉴에 대한 정보를 관리할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자 단말 등으로부터 수신된 사용자가 주문한 메뉴에 대한 정보를 데이터베이스를 이용하여 관리할 수 있다. 주문한 메뉴는 식음료 메뉴를 포함할 수 있다.
사용자가 주문한 메뉴에 대한 정보는, 사용자의 사용자 단말을 통해 입력되고 개인화된 메뉴 추천 시스템으로 전송될 수 있다. 주문한 메뉴에 대한 정보는, 주문한 메뉴의 명칭, 식별 코드, 종류, 분류, 맛, 재료, 조리 방식, 당도, 염도, 매운 정도, 유통 정보, 이미지, 동영상, 설명, 관련 텍스트 등을 포함할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자 단말을 통해 식음료를 선택하여 주문하거나 또는 입력하여 주문할 수 있는 메뉴 또는 사용자 인터페이스를 제공할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자가 사용자 단말에서 촬영한 바코드 또는 국제 식별 코드 등을 이용하여 주문한 메뉴에 대한 정보를 입력할 수 있는 메뉴 또는 사용자 인터페이스를 사용자 단말에 제공할 수도 있다.
개인화된 메뉴 추천 시스템은, 주문한 메뉴에 대한 사용자의 만족도를 관리할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자 단말 등으로부터 수신된 사용자가 주문한 메뉴에 대한 사용자의 만족도를 데이터베이스를 이용하여 관리할 수 있다.
만족도는 10점 만점 등 점수로 평가될 수도 있고, 별 등의 형태의 개수 방식으로 별 5개 만점으로 평가될 수도 있고, 세부 항목별로 나눠서 평가될 수도 있다.
개인화된 메뉴 추천 시스템은, 사용자 단말을 통해 주문한 메뉴에 대한 사용자의 만족도를 평가하거나 또는 입력할 수 있는 메뉴 또는 사용자 인터페이스를 사용자 단말에 제공할 수 있다.
개인화된 메뉴 추천 시스템은, 선호하는 식음료, 주문한 메뉴, 만족도 중 적어도 하나를 기초로 사용자의 사용자 단말을 통해 추천 메뉴를 제공할 수 있다.
추천 메뉴는 추천 메뉴의 명칭, 이미지, 동영상, 관련 텍스트 중 적어도 하나를 포함할 수 있다. 관련 텍스트는 설명, 식음료에 포함된 재료, 판매 식음료 매장에 대한 정보 등을 포함할 수 있다.
개인화된 메뉴 추천 시스템은, 머신 러닝 또는 딥러닝을 이용하여, 선호하는 식음료, 주문한 메뉴, 만족도 중 적어도 하나를 기초로 사용자의 사용자 단말을 통해 추천 메뉴를 제공할 수 있다.
개인화된 메뉴 추천 시스템은, 사용자 별로 또는 사용자와 유사하거나 또는 동일한 집단별로, 선호하는 식음료, 주문한 메뉴, 만족도 중 적어도 하나를 기초로 머신 러닝 또는 딥러닝을 이용하여 도출된 모델을 이용하여, 사용자 단말로 추천 메뉴를 전송할 수 있다.
추천 메뉴는 사용자가 방문하거나 또는 방문 예정인 식음료 매장의 메뉴 중에서 추천될 수 있다. 또한, 추천 메뉴는 사용자에게 추천되는 식음료 매장의 메뉴일 수도 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자 단말을 통해 수신되거나 또는 촬영된 주문한 메뉴에 대한 유통 과정 중 적어도 일부를 이용하여 주문한 메뉴의 속성에 대한 정보를 관리하되, 개인화된 메뉴 추천 시스템은, 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공할 수 있다. 관리하는 속성에 대한 정보는 주문한 메뉴에 대한 정보를 포함할 수 있다. 관리하는 속성에 대한 정보는 세부 재료, 조리방식, 당도, 염도, 매운정도, 유통 정보 등을 포함할 수 있다. 유통 정보는 Supply chain 등의 유통 과정을 포함할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자 단말을 통해 수신되거나 또는 촬영된 주문한 메뉴에 대한 바코드를 이용하여, 주문한 메뉴의 속성에 대한 정보를 관리하되, 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공할 수 있다.
개인화된 메뉴 추천 시스템은, 주문한 메뉴의 속성에 대한 정보와 동일하거나 또는 유사한 속성에 대한 정보를 가지는 추천 메뉴를 사용자의 사용자 단말로 제공하거나 또는 전송할 수 있다. 추천 메뉴는 추천하는 식음료 메뉴의 이미지, 텍스트, 동영상 중 적어도 하나를 포함할 수 있다.
추천 메뉴는, 사용자의 주문한 메뉴 등에 대한 데이터 또는 사용자와 동일하거나 또는 유사한 그룹에 포함된 다른 사용자의 주문한 메뉴 등에 대한 데이터를 기초로, 머신 러닝 또는 딥 러닝 등의 인공 지능 기술을 이용하여 도출된 데이터와 동일하거나 또는 유사한 속성에 대한 정보를 가지는 식음료 메뉴일 수 있다.
추천 메뉴는 사용자가 주문한 메뉴의 속성에 대한 정보 중 주문한 횟수가 최대인 속성에 대한 정보 또는 만족도 중 최고점인 식음료 메뉴 등을 기초로 추천될 수도 있다.
바코드는 국제 식별 코드 또는 유통 과정 등을 이용하여 생성된 바코드를 포함할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자 단말을 통해 수신되거나 또는 촬영된 주문한 메뉴에 대한 국제 식별 코드를 이용하여 주문한 메뉴의 속성에 대한 정보를 관리하되, 관리하는 속성에 대한 정보 중 적어도 일부를 이용하여 추천 메뉴를 제공할 수 있다.
국제 식별 코드는 바코드 등으로 사용될 수 있다. 개인화된 메뉴 추천 시스템은, 국제 식별 코드 중 적어도 일부를 이용하여 주문한 메뉴의 속성에 대한 정보를 저장하고 관리할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자 단말을 통해 사용자가 주문한 메뉴에 대응하는 국제 식별 코드를 포함하는 바코드의 정보 또는 데이터의 텍스트를 이용하여 생성된 주문한 메뉴의 재료를 데이터베이스 등을 이용하여 저장 또는 관리할 수 있다. 예를 들어, 주문한 메뉴가 찹 스테이크일 경우, 찹 스테이크 메뉴에 포함된 재료인 쇠고기, 양파, 당근에 대한 정보가 저장 또는 관리될 수 있다. 쇠고기, 양파, 당근 각각에 대한 원산지, 조리 방식 등에 대한 데이터가 데이터베이스를 이용하여 저장 또는 관리될 수 있다. 쇠고기, 양파, 당근 각각에 대한 원산지, 조리 방식 등에 대한 데이터는 바코드에서 추출된 데이터일 수도 있다.
개인화된 메뉴 추천 시스템은, 사용자 단말로부터 주문한 메뉴인 찹 스테이크의 사용자의 만족도를 평가하는 데이터를 수신할 수 있다. 개인화된 메뉴 추천 시스템은, 주문한 메뉴의 재료인 쇠고기, 양파, 당근 각각에 대하여서도 수신한 만족도에 해당하는 점수를 부여할 수 있다. 이때, 쇠고기, 양파, 당근 각각에 대한 원산지에 대한 만족도 점수가 부여될 수 있다.
사용자가 찹 스테이크에 대하여 별 다섯 개의 높은 점수를 부여할 경우, 주문한 메뉴의 재료인 쇠고기, 양파, 당근 각각에 대하여서도 별 다섯개가 만족도로 부여될 수 있다.
개인화된 메뉴 추천 시스템은, 원산지에 따른 각 재료마다의 만족도 점수를 관리할 수 있다. 만족도 점수는 주문한 메뉴의 만족도가 평가될 때 마다 부여된 점수에 대한 평균 점수를 만족도로 저장하여 관리될 수 있다. 별 다섯개일 경우 5로 저장될 수 있다. 별 5개, 별 6개, 별 4개의 평균 점수는 5일 수 있다.
개인화된 메뉴 추천 시스템은, 사용자의 반복적이고 지속적인 사용으로 계속적으로 관리하는 만족도 점수와 주문한 메뉴를 기초로, 원산지에 따른 각 재료 중 만족도가 가장 높은 미리 설정된 순위의 재료가 포함된 메뉴를 추천 메뉴로 사용자 단말에 제공할 수 있다. 추천 메뉴는 사용자가 위치하거나 또는 선택한 매장에서 제공되는 메뉴일 수 있다. 개인화된 메뉴 추천 시스템은, 쇠고기, 양파, 당근이 들어간 찹 스테이크를 추천할 수도 있고, 쇠고기, 양파, 당근이 들어간 쇠고기 카레를 추천할 수도 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자의 선호하는 식음료를 선호하는 다른 사용자에 대한 메뉴, 또는 사용자가 주문한 메뉴를 주문한 또 다른 사용자에 대한 메뉴를 이용하여 추천 메뉴를 제공하되, 다른 사용자 또는 또 다른 사용자는 사용자와 동일한 유사 패턴 그룹에 포함될 수 있다.
사용자와 동일한 유사 패턴 그룹은, 사용자와 유사하거나 또는 동일한 집단일 수 있다.
개인화된 메뉴 추천 시스템은, 사용자의 선호하는 식음료에 대한 정보를 관리할 수 있다. 선호하는 식음료에 대한 정보는, 사용자의 알러지를 유발하는 식음료에 대한 정보 등 비선호 식음료 또는 섭취 불가 식음료에 대한 정보를 포함할 수도 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자가 주문한 메뉴에 대한 정보를 관리할 수도 있다. 주문한 메뉴에 대한 정보는 데이터베이스 또는 클라우드 등을 통해 관리될 수도 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자에 대한 정보 또는 사용자 단말에 대한 정보를 데이터베이스 등을 이용하여 관리할 수도 있다. 사용자에 대한 정보는 사용자에 대한 아이디, 이름, 휴대폰 번호 등의 식별 코드, 나이, 성별 등을 포함할 수 있다. 사용자 단말에 대한 정보는 휴대폰 번호, 단말 시리얼 번호 등의 식별 코드, 단말기 종류 등을 포함할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 사용자에 대한 정보 또는 사용자 단말에 대한 정보를 기초로 사용자가 주문한 메뉴에 대한 정보 등을 개인별로 또는 유사 그룹별로 관리할 수 있다.
도 4는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 외부 연결을 나타내는 도면이다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 스마트 워치와 같은 웨어러블 기기(Wearable device) 또는 웨어러블 장치에 연결되어 헬스케어(Healthcare) 관련 정보를 수신하거나, 또는 웨어러블 기기 또는 웨어러블 장치와 연결된 사용자 단말 등으로부터 헬스케어 관련 정보를 수신할 수도 있다. 헬스케어 관련 정보는, 웨어러블 장치로부터 획득된 사용자에 관한 정보로서 혈당 레벨, 혈압, 맥박 등 바이오 정보일 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 물류(Logistic)와 관련된 장치 등에 연결될 수 있으며, F&B 배달(food and beverage delivery)과 관련된 차량 등과 연결될 수도 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 네비게이터(Navigator) 또는 사용자의 차량에 연결될 수 있으며, 식음료 구매를 위한 차량 등의 목적지를 제공할 수도 있다.
도 5는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 메뉴 또는 메뉴에 포함된 재료 등의 제품 등록 흐름을 나타내는 도면이다.
개인화된 메뉴 추천 시스템은 모든 제품 또는 상품의 속성을 포함하는 국제 표준 구성 제품 코드 시스템 또는 국제 표준 구성 상품 코드 시스템으로 구축될 수 있다.
대부분 3차 가공 F&B 제품(Tertiary processed F&B product)에는 GTIN(Global Trade Item Number) 코드가 없다.
도 6은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템의 제품 등록 흐름을 나타내는 도면이다.
개인화된 메뉴 추천 시스템은 새 제품의 제품 이름에 대하여 3개의 알파벳으로 이루어진 코드(alphabetical code)를 생성할 수 있다.
개인화된 메뉴 추천 시스템은 제품에 대하여 제품 코드, 사진 또는 이미지, 비디오 또는 동영상, 테이스트 맵(Taste Map), 페어링 아이템(Paring Items) 등의 데이터를 관리할 수 있다.
개인화된 메뉴 추천 시스템은 제품에 대한 GTIN 코드를 입력하게 할 수 있으며, GTIN 코드가 있는 새 제품에 대하여 간단한 유형으로 바코드 스캔 가능하므로 모든 배포에서 사용 가능하게 할 수 있다.
개인화된 메뉴 추천 시스템은 GTIN 코드가 없는 새 제품에 대하여 3차 가공 제품과 같은 제품의 경우 빈 칸으로 전달하고 바코드 스캔 불가능하므로 제품만 분석 가능하게 하고 매장 코드(shop code)로 구성하게 할 수 있다. GTIN 코드가 이미 등록된 제품은 속성 코드(attribution code) 선택이 불필요할 수 있다.
개인화된 메뉴 추천 시스템은 제품에 대하여 속성 값을 선택할 수 있다. 개인화된 메뉴 추천 시스템은 제품 코드 분해 트리(Product Decomposition Tree)를 이용하여 HQ 백-엔드(HQ back-end) 제어 및 숫자 코드(Digit code) 숨기기(hidden) 등을 수행할 수 있다.
도 7은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템이 이용하는 국제 식별 코드 중 적어도 일부를 포함하는 식별 코드를 나타내는 도면이다.
사용하는 국제 식별 코드의 예시
일 실시예에 따르면, 국제 식별 코드는 GPC(Global Product Classification), GS1의 표준화된 코드 등을 포함할 수 있다.
일 실시예에 따르면, 국제 식별 코드는 세그먼트(Segment), 패밀리(Family), 클래스(Class), 브릭(Brick), 어트리뷰트(Attribute) 중 적어도 하나의 단계를 포함할 수 있다.
도 8은 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템이 이용하는 국제 식별 코드 중 적어도 일부를 포함하는 식별 코드를 도시한 도면이다.
식별 코드 단계 분류의 예시
일 실시예에 따르면, 개인화된 메뉴 추천 시스템이 이용하는 국제 식별 코드 중 적어도 일부를 포함하는 식별 코드는, 복수의 단계로 분류될 수 있으며, 상위 단계에서 국제 식별 코드 중 적어도 일부를 포함할 수 있다. 상위 단계는 단계의 숫자가 작은 단계일 수 있다.
도 9는 본 발명의 일 실시예에 따른 개인화된 메뉴 추천 시스템이 이용하는 국제 식별 코드 중 적어도 일부를 포함하는 식별 코드를 나타낸다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 속성 별 정보 바코드를 통해 국제 코드기준에 맞게 추출하여 공급 과정 또는 공급망(Supply chain)에서 활용할 수 있으며, 공급자, 운송업자, 판매자, 소비자 모두 동일한 제품 정보 공유하게 할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, 우선적으로 공급망에서 활용될 뿐 아니라 소비자가 어디서든 바코드를 스캔하게 되면, 속성 및 소비정보에 맞게 제품 적합도 정보 제공함으로써 활용도가 넓게 할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, AI기술과 알고리즘을 활용한 개인화된 메뉴 추천을 위해, 음식에 대한 비선호 재료 표기와 선호 조리방식을 표기하고, 자주 주문(Order)한 음식 세부 사항(Detail) 정보를 데이터베이스(DB)를 이용하여 저장할 수 있으며, 저장되는 정보는 세부 재료, 조리방식, 당도, 염도, 매운정도 등일 수 있다. 개인화된 메뉴 추천 시스템은, 음식에 대한 만족도를 피드백(feedback)할 수 있으며, 피어 그룹 분석(Peer group Analysis)으로서 유사 패턴을 보이는 그룹의 정보로 유추하여 추천하는 방식을 활용할 수 있다.
일 실시예에 따르면, 개인화된 메뉴 추천 시스템은, AI기술과 알고리즘을 활용한 개인화된 장소 추천을 위해, 장소에 대해 선호를 표기하고, 자주 방문하는 장소에 대하여 특성화(Characterized)할 수 있는 정보를 관리할 수 있다. 관리하는 정보는 식음료 매장 등의 업장 별 세부 키워드(Keyword) 수입 또는 입력 정보, 또는 dining, bar, outdoor, tropical, jazzy, Mediterranean 등 식음료 매장과 관련한 정보를 포함할 수 있다. 개인화된 메뉴 추천 시스템은, 장소에 대한 만족도를 피드백(feedback)하게 할 수 있으며, 피어 그룹 분석(Peer group Analysis)으로서 유사 방문 및 선호패턴을 보이는 그룹의 정보로 유추하여 추천하는 방식을 머신 러닝 또는 딥 러닝 등을 이용하여 활용할 수도 있다.
한편, 개인화된 메뉴 추천부로부터 사용자 단말로 전송되는 추천 메뉴의 보안화를 위하여, 개인화된 메뉴 추천부는 추천 메뉴를 디지털 신호로 변환할 수 있으며, 개인화된 메뉴 추천부는 전체 디지털 신호의 순서를 고려한 회전 시작 번호를 랜덤으로 생성하고, 처음 디지털 신호를 순서 번호 1로 시작하여 1씩 증가하고 마지막 디지털 신호를 자연수 D라고 할 경우, 회전 시작 번호보다 순서 번호가 작은 디지털 신호를 마지막 디지털 신호 뒤에 위치하도록 재배치시키는 회전 키크리에이팅 모듈; 회전된 전체 디지털 신호를 사용자 단말로 전송하는 제 1 회전 디스패칭 모듈; 및 회전 시작 번호를 사용자 단말로 전송하는 제 2 회전 디스패칭 모듈을 포함할 수 있다. 사용자 단말는, 사용자 단말에 전송된 회전된 전체 디지털 신호 및 회전 시작 번호를 전송받고, 회전된 전체 디지털 신호를 회전 시작 번호에 따라 역회전하여 역회전된 디지털 신호를 생성하는 회전 리어셈블링 모듈을 포함할 수 있다.
예를 들어, 전체 디지털 신호가 “0101111011”일 경우, 회전 시작 번호가 4이면, 회전된 전체 디지털 신호는 “1111011010”이 되고, 역회전된 전체 디지털 신호는 “0101111011”가 될 수 있다.
대안적으로는, 개인화된 메뉴 추천부로부터 사용자 단말로 전송되는 추천 메뉴의 보안화를 위하여, 개인화된 메뉴 추천부는 추천 메뉴를 이미지로 변환할 수 있으며, 개인화된 메뉴 추천부는 이미지 데이터 신호를 분할하여 복수 개의 이미지 데이터 조각들을 생성하고, 이미지 데이터 조각들의 각각에 어드레스를 부여하며, 어드레스를 고려한 조합 규칙을 생성하는 키크리에이팅 모듈; 복수 개의 이미지 데이터 조각들을 임의의 순서로 사용자 단말로 전송하는 제 1 디스패칭 모듈; 및 조합 규칙을 사용자 단말로 전송하는 제 2 디스패칭 모듈을 포함할 수 있다. 사용자 단말은, 사용자 단말에 전송된 복수 개의 이미지 데이터 조각들 및 조합 규칙을 전송받고, 조합 규칙에 따라 복수 개의 이미지 데이터 조각들을 조합하여 이미지 데이터를 생성하는 리어셈블링 모듈을 포함할 수 있다. 개인화된 메뉴 추천부로부터 사용자 단말로 전송되는 매장과 관련된 정보의 보안화를 위하여, 개인화된 메뉴 추천부는 매장과 관련된 정보를 디지털 신호로 변환할 수 있으며, 개인화된 메뉴 추천부는 전체 디지털 신호의 순서를 고려한 회전 시작 번호를 랜덤으로 생성하고, 처음 디지털 신호를 순서 번호 1로 시작하여 1씩 증가하고 마지막 디지털 신호를 자연수 D1라고 할 경우, 회전 시작 번호보다 순서 번호가 작은 디지털 신호를 마지막 디지털 신호 뒤에 위치하도록 재배치시키는 회전 키크리에이팅 모듈; 회전된 전체 디지털 신호를 사용자 단말로 전송하는 제 1 회전 디스패칭 모듈; 및 회전 시작 번호를 사용자 단말로 전송하는 제 2 회전 디스패칭 모듈을 포함할 수 있다. 사용자 단말는, 사용자 단말에 전송된 회전된 전체 디지털 신호 및 회전 시작 번호를 전송받고, 회전된 전체 디지털 신호를 회전 시작 번호에 따라 역회전하여 역회전된 디지털 신호를 생성하는 회전 리어셈블링 모듈을 포함할 수 있다.
대안적으로는, 개인화된 메뉴 추천부로부터 사용자 단말로 전송되는 추천 메뉴의 보안화를 위하여, 개인화된 메뉴 추천부는 추천 메뉴를 이미지로 변환할 수 있으며, 개인화된 메뉴 추천부는, 이미지에 가로 방향으로 n개의 제 1 액시스 라인들을 설정하고, 세로 방향으로 m개의 제 2 액시스 라인들을 설정하는 액시스 라이닝 모듈(여기서, n 및 m은 자연수이다); 제 1 액시스 라인들 및 제 2 액시스 라인들 중 어느 하나를 선택하는 단계, 상기 선택된 액시스 라인(이하 “제 1 선택 액시스 라인”이라 한다)을 중심으로 어느 일 측의 이미지를 어느 한 방향으로 회전시켜 제 1 선택 액시스 라인의 양 측의 이미지 영역들이 2개의 층으로 중첩되도록 하여 제 1 파일드 이미지를 생성하는 단계, 제 1 액시스 라인들 및 제 2 액시스 라인들 중 다른 하나를 선택하는 단계, 상기 선택된 다른 하나의 액시스 라인(이하 “제 2 선택 액시스 라인”이라 한다)을 중심으로 어느 일 측의 제 1 파일드 이미지를 어느 한 방향으로 회전시켜 제 2 선택 액시스 라인의 양 측의 제 1 파일드 이미지 영역들이 2개의 층으로 중첩되도록 하여 제 2 파일드 이미지를 생성하는 단계를 포함하는 파일링 규칙을 수행하는 파일링 모듈; 제 2 파일드 이미지를 사용자 단말로 전송하는 제 1 디스패칭 모듈; 및 파일링 규칙을 사용자 단말로 전송하는 제 2 디스패칭 모듈을 포함할 수 있다. 사용자 단말은, 사용자 단말에 전송된 제 2 파일드 이미지 및 파일링 규칙을 전송받고, 파일링 규칙에 따라 제 2 파일드 이미지를 복원하여 이미지를 생성하는 리어셈블링 모듈을 포함할 수 있다. 웨어러블 장치로부터 개인화된 메뉴 추천 시스템으로 전송되는 사용자에 관한 정보의 보안화를 위하여, 웨어러블 장치는 사용자에 관한 정보를 디지털 신호로 변환할 수 있으며, 웨어러블 장치는 전체 디지털 신호의 순서를 고려한 회전 시작 번호를 랜덤으로 생성하고, 처음 디지털 신호를 순서 번호 1로 시작하여 1씩 증가하고 마지막 디지털 신호를 자연수 D2라고 할 경우, 회전 시작 번호보다 순서 번호가 작은 디지털 신호를 마지막 디지털 신호 뒤에 위치하도록 재배치시키는 회전 키크리에이팅 모듈; 회전된 전체 디지털 신호를 개인화된 메뉴 추천 시스템으로 전송하는 제 1 회전 디스패칭 모듈; 및 회전 시작 번호를 개인화된 메뉴 추천 시스템으로 전송하는 제 2 회전 디스패칭 모듈을 포함할 수 있다. 개인화된 메뉴 추천 시스템은, 개인화된 메뉴 추천 시스템에 전송된 회전된 전체 디지털 신호 및 회전 시작 번호를 전송받고, 회전된 전체 디지털 신호를 회전 시작 번호에 따라 역회전하여 역회전된 디지털 신호를 생성하는 회전 리어셈블링 모듈을 포함할 수 있다.
한편, 개인화된 메뉴 추천부는 스토어링 모듈을 포함하며, 스토어링 모듈은 전송된 이미지를 데이터베이스에 저장할 수 있다. 데이터베이스는 복수 개의 서브 데이터베이스들의 집합체로 이루어지며, 이러한 서브 데이터베이스들은 물리적으로 분할된 상태로 이루어지는 것이 바람직할 수 있다. 스토어링 모듈은 스니핑 모듈, 코드어싸이닝 모듈, 랜덤 넘버 크리에이팅 모듈 및 디스퍼싱 스토어링 모듈을 포함할 수 있다.
스니핑 모듈은 이미지를 임의로 복수 개의 이미지 조각으로 분할하고, 복수 개로 분할된 이미지 조각 각각을 복수 개의 개별 조각 정보로 설정하게 된다. 예를 들어, 개별 조각 정보는 W1, W2, W3, W4, W5 등으로 이루어질 수 있다. 이미지는 X자 형태 또는 지그재그 형태로 분할되어 분리될 수 있다.
코드어싸이닝 모듈은 스니핑 모듈이 상술한 바와 같이 분할한 복수 개의 개별 조각 정보에 상이한 코드를 부여하게 된다. 이러한 코드는 일종의 ID와 같은 것으로서, 예를 들어, W1에는 xfd312, W2에는 yga187, W3에는 frh443, W4에는 eiw451, W5에는 ctj323 등의 코드를 부여하게 된다.
이러한 개별 조각 정보인 각각의 W1 내지 W5 들은 개별적인 물리공간인 서브 데이터베이스에 각각 나뉘어 저장되는데, 저장되기 전에 랜덤 넘버 크리에이팅 모듈이 이러한 개별 조각 정보의 코드 즉, W1에는 xfd312, W2에는 yga187, W3에는 frh443, W4에는 eiw451, W5에는 ctj323 각각에 동일한 랜덤 변수를 소정시간 동안 공유시키게 된다.
예를 들어, i) 11시 30분 00초부터 11시 30분 20초 사이에는 이들 W1의 코드 xfd312, W2의 코드 yga187, W3의 코드 frh443, W4의 코드 eiw451, W5의 코드 ctj323 각각에 동일한 랜덤 변수 wesdispdy2471738를 공유시키며, ii) 11시 30분 20초부터 11시 30분 40초 사이에는 이들 W1의 코드 xfd312, W2의 코드 yga187, W3의 코드 frh443, W4의 코드 eiw451, W5의 코드 ctj323 각각에 동일한 랜덤 변수 qartfrebh5243421를 공유시키게 된다. 이후 반복된다.
이미지 전체에 대한 호출이 있게 되면, 이미지를 구성하는 W1 내지 W5는 재조합의 과정이 필요한데, 이러한 재조합은 해당 순간에 공유하는 랜덤 변수를 통해 매개하여 재조합된다.
디스퍼싱 스토어링 모듈은 상술한 바와 같이, 복수 개의 개별 조각 정보, 예를 들어, W1 내지 W5를 물리적으로 분할된 데이터베이스 각각에 분산하여 저장하게 된다.
개인화된 메뉴 추천부로부터 사용자 단말로 전송되는 배달과 관련된 정보의 보안화를 위하여, 개인화된 메뉴 추천부는 배달과 관련된 정보를 디지털 신호로 변환할 수 있으며, 개인화된 메뉴 추천부는 전체 디지털 신호의 순서를 고려한 회전 시작 번호를 랜덤으로 생성하고, 처음 디지털 신호를 순서 번호 1로 시작하여 1씩 증가하고 마지막 디지털 신호를 자연수 D3라고 할 경우, 회전 시작 번호보다 순서 번호가 작은 디지털 신호를 마지막 디지털 신호 뒤에 위치하도록 재배치시키는 회전 키크리에이팅 모듈; 회전된 전체 디지털 신호를 사용자 단말로 전송하는 제 1 회전 디스패칭 모듈; 및 회전 시작 번호를 사용자 단말로 전송하는 제 2 회전 디스패칭 모듈을 포함할 수 있다. 사용자 단말는, 사용자 단말에 전송된 회전된 전체 디지털 신호 및 회전 시작 번호를 전송받고, 회전된 전체 디지털 신호를 회전 시작 번호에 따라 역회전하여 역회전된 디지털 신호를 생성하는 회전 리어셈블링 모듈을 포함할 수 있다.
이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 혹은 이들 중 하나 이상의 조합에서 구현 가능하다.
본 명세서에서 기술하는 주제의 실시형태는 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체 상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 혹은 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 혹은 이들 중 하나 이상의 조합일 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.
컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다.
컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터 또는 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.
부가적으로, 본 명세서에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 구축하는 데에도 사용 가능하다.
본 명세서에서 기술하는 프로세스와 논리 흐름은 입력 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상의 컴퓨터 프로그램을 실행하는 하나 이상의 프로그래머블 프로세서에 의하여 수행 가능하다.
컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 종류의 디지털 컴퓨터의 어떠한 하나 이상의 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 혹은 양자로부터 명령어와 데이터를 수신할 것이다.
컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상의 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상의 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 혹은 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.
본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.
따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있다는 점을 밝힌다.

Claims (8)

  1. 인공 지능 기술과 알고리즘을 활용한 개인화된 메뉴 추천 시스템에 있어서,
    사용자가 사용하는 SNS, 어플리케이션 및 웨어러블 장치와 연동하여 수집되는, 사용자 건강습관정보 및 생활 패턴 정보를 포함하는 사용자에 대한 정보를 수집하는 사용자 정보 관리부;
    재료 세부 사항, 외식업장 환경 세부 사항, 요리 절차 및 방식을 포함하는, 메뉴, 분위기 및 환경에 대한 정보를 사용자 단말에 제공하는 메뉴 및 환경 정보 관리부;
    평가 및 피드백 정보를 상기 사용자 단말로부터 수신하는 소비 정보 관리부;
    상기 사용자 단말의 사용자의 개인 취향을 분석하는 개인 취향 분석부;
    상기 사용자 단말의 사용자의 피어 그룹 분석을 수행하는 피어 그룹 분석부; 및
    분석된 결과를 기초로 개인화된 메뉴를 추천하는 개인화된 메뉴 추천부
    를 포함하되,
    상기 소비 정보 관리부는,
    사용자가 주문한 메뉴에 대한 정보를 관리하는 주문 메뉴 관리부; 및
    상기 주문한 메뉴에 대한 상기 사용자의 만족도를 관리하는 주문 만족도 관리부
    를 더 포함하고,
    상기 개인화된 메뉴 추천부는,
    상기 주문한 메뉴 또는 상기 만족도를 기초로 상기 사용자의 사용자 단말을 통해 추천 메뉴를 제공하며,
    상기 소비 정보 관리부는,
    상기 주문한 메뉴에 대한 바코드를 이용하여, 상기 주문한 메뉴에 포함된 재료에 대한 정보를 관리하되,
    상기 주문한 메뉴에 포함된 재료에 대한 정보는 원산지 및 조리 방식에 대한 데이터로서, 각 재료에 대한 데이터는 바코드에서 추출되며,
    사용자가 부여한 상기 주문한 메뉴에 대한 만족도 점수는, 메뉴가 평가될 때 마다 부여되었던 점수와 함께 평균 점수로 계산되어 저장되며,
    메뉴에 대한 평균 점수는 메뉴에 포함된, 바코드에서 추출된 데이터를 가진 재료들에 대하여도 그대로 부여되고,
    만족도가 가장 높은 재료들이 포함된 메뉴가 추천 메뉴로서 사용자 단말에 제공되는 것을 특징으로 하는 개인화된 메뉴 추천 시스템.
  2. 제1항에 있어서,
    상기 사용자 정보 관리부는,
    사용자의 선호하는 식음료에 대한 정보를 관리하는 식음료 선호도 관리부
    를 더 포함하되,
    상기 개인화된 메뉴 추천부는,
    상기 선호하는 식음료를 기초로 상기 사용자의 사용자 단말을 통해 추천 메뉴를 제공하는 것을 특징으로 하는 개인화된 메뉴 추천 시스템.
  3. 제1항에 있어서,
    상기 개인화된 메뉴 추천부는,
    상기 사용자의 선호하는 식음료를 선호하는 다른 사용자에 대한 메뉴, 또는 상기 사용자가 주문한 메뉴를 주문한 또 다른 사용자에 대한 메뉴를 이용하여 추천 메뉴를 제공하되,
    상기 다른 사용자 또는 상기 또 다른 사용자는 상기 사용자와 동일한 유사 패턴 그룹에 포함되는 것을 특징으로 하는 개인화된 메뉴 추천 시스템.
  4. 제1항에 있어서,
    상기 개인화된 메뉴 추천부는,
    상기 개인 취향 분석부 또는 상기 피어 그룹 분석부에 의해 분석된 결과를 기초로 개인화된 메뉴에 대한 정보를 사용자 단말로 전송하는 것을 특징으로 하는 개인화된 메뉴 추천 시스템.
  5. 제1항에 있어서,
    상기 개인화된 메뉴 추천부는,
    사용자에 의해 입력되거나 또는 웨어러블 장치로부터 획득된 사용자에 관한 정보를 기초로 추천하는 개인화된 메뉴에 대한 정보를 사용자 단말로 전송하는 것을 특징으로 하는 개인화된 메뉴 추천 시스템.
  6. 제1항에 있어서,
    상기 개인화된 메뉴 추천부는,
    상기 추천하는 개인화된 메뉴에 대한 배달과 관련된 정보 또는 매장과 관련된 정보를 상기 사용자 단말로 전송하는 것을 특징으로 하는 개인화된 메뉴 추천 시스템.
  7. 삭제
  8. 삭제
KR1020210104861A 2020-09-06 2021-08-09 마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템 KR102453378B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200113469 2020-09-06
KR20200113469 2020-09-06

Publications (2)

Publication Number Publication Date
KR20220031983A KR20220031983A (ko) 2022-03-15
KR102453378B1 true KR102453378B1 (ko) 2022-10-11

Family

ID=80817089

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210104862A KR20220031984A (ko) 2020-09-06 2021-08-09 메뉴 큐레이션 동영상 기반의 외식사업 ucc 플랫폼 시스템
KR1020210104861A KR102453378B1 (ko) 2020-09-06 2021-08-09 마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020210104862A KR20220031984A (ko) 2020-09-06 2021-08-09 메뉴 큐레이션 동영상 기반의 외식사업 ucc 플랫폼 시스템

Country Status (1)

Country Link
KR (2) KR20220031984A (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230105669A (ko) 2022-01-04 2023-07-11 주식회사 온전히 음식 레시피에 기반하여 nft 콘텐츠를 생성하고 음식 레시피를 상품화하는 방법 및 그 전자장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101950870B1 (ko) * 2018-04-27 2019-02-21 (주)소울시스템즈 맛성향평가를 이용한 개인 음식 성향의 분석 장치 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101652701B1 (ko) * 2014-06-16 2016-08-31 이종승 질병에 치명적인 상품에 대한 알림 기능을 가진 쇼핑카트 및 그 제어방법
KR102087148B1 (ko) * 2018-02-28 2020-03-12 경희대학교 산학협력단 음식 아이템의 추천 방법
KR20200073439A (ko) * 2018-12-14 2020-06-24 공경용 개인 맞춤형 도시락 서비스 제공 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101950870B1 (ko) * 2018-04-27 2019-02-21 (주)소울시스템즈 맛성향평가를 이용한 개인 음식 성향의 분석 장치 및 방법

Also Published As

Publication number Publication date
KR20220031983A (ko) 2022-03-15
KR20220031984A (ko) 2022-03-15

Similar Documents

Publication Publication Date Title
US20200335196A1 (en) System and method for automated personalized and community-specific eating and activity planning, linked to tracking system with automated multimodal item identification and size estimation system
US20230042931A1 (en) Menu Personalization
US20210312522A1 (en) Providing product advice recommendation
US10474705B2 (en) Iterative image search algorithm informed by continuous human-machine input feedback
Cai et al. Tourist purchase decision involvement and information preferences
US20190370916A1 (en) Personalized dining experiences via universal electronic food profiles
WO2020210543A1 (en) Method and system for optimized foods using biomarker data and fitting models
CN107004370B (zh) 上下文导出的行为建模和反馈
JP2018200730A (ja) 栄養摂取量のユーザ特異的な調整のためのシステムおよび方法
US20170316488A1 (en) Systems and Methods of Food Management
US20160253922A1 (en) Systems and Methods of Food Management
KR102371787B1 (ko) 사용자 맞춤형 식단관리 서비스 제공 시스템
KR102227552B1 (ko) 상황인지 알고리즘 기반 리뷰 카테고리를 이용한 음식점 노출 개인화 서비스 제공 시스템
EP3018622A1 (en) System and method for motivating consumers to make healthy purchase decisions
JP2016091061A (ja) サーバ装置、買物支援システムおよびプログラム
KR102453378B1 (ko) 마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템
KR20220011867A (ko) 농특산물 거래 제공 장치 및 방법
KR20220051860A (ko) 주문 연계 개인 맞춤형 음식 추천 방법 및 이의 장치
US9542497B2 (en) Information processing apparatus, information processing method, and information processing program
KR102203389B1 (ko) 건강정보기반의 식단 추천 및 조리영양사 중개 플랫폼 제공 방법
Whitacre et al. Do broadband adoption rates impact a community's health?
KR20230048928A (ko) 검증된 리뷰를 제공하는 음식점 플랫폼 시스템
Saiki et al. Restaurant menu-planning in Japan: A qualitative analysis
KR102456620B1 (ko) Ｍｂｔｉ 기반 ｈｍｒ 매칭을 위한 큐레이팅 서비스 제공 시스템
Nohria et al. Intelligent Food Recommendation System Based on Nutritional Information and Preferences of Customers

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant