KR102455100B1 - 인공지능 기반 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스 제공 방법 - Google Patents

Abstract

일실시예에 따른 장치는 제1 사용자의 제1 사용자 단말로부터 건강기능식품 추천 요청을 수신하고, 건강기능식품 추천 요청에 응답하여, 제1 사용자의 이름, 나이, 성별, 키 및 몸무게를 포함하는 개인 정보를 제1 사용자 단말로부터 획득하고, 제1 사용자의 증상 카테고리 정보 증상 카테고리 정보는 에너지/피로/간, 심혈관/혈액순환, 소화/장, 눈/입, 두뇌활동/수면, 뼈/관절/근육, 기관지/면역, 피부/모발 및 여성고민/남성고민 중 적어도 하나를 포함함-를 제1 사용자 단말로부터 획득하고, 개인 정보 및 증상 카테고리 정보에 기초하여 제1 입력 신호를 생성하고, 생성된 제1 입력 신호를 제1 인공신경망-제1 인공신경망은 트레이닝 개인 정보들, 트레이닝 증상 카테고리 정보들, 제1 출력 신호들 및 트레이닝 추천 영양소 정보들에 기초하여 미리 학습됨-에 적용하여 제1 출력 신호를 생성하고, 제1 출력 신호에 기초하여 제1 사용자에 대응하는 추천 영양소 정보를 생성하고, 기 등록된 건강기능식품들로부터 추천 영양소 정보에 대응하는 추천 건강기능식품을 선정할 수 있다.

Description

인공지능 기반 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스 제공 방법{METHOD FOR PROVIDING USER-CUSTOMIZED HEALTH FUNCTIONAL FOOD RECOMMENDATION PLATFORM SERVICE BASED ON ARTIFICIAL INTELLIGENCE}

아래 실시예들은 인공지능을 기반으로 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공하는 기술에 관한 것이다.

최근에는 소득 수준이 높아지고 휴식 및 건강에 대한 관심이 증대됨으로 인해 그에 따른 건강식품에 대한 관심과 수요가 늘어나고 있다. 여기서, 건강기능식품이란 인체에 유용한 기능성을 가진 원료나 성분을 사용하여 제조가공한 식품으로, 건강에 도움을 줄 수 있는 성분을 간단히 섭취할 수 있는 식품의 형태로 가공한 것을 의미한다.

건강기능식품의 경우 약국 이외에도 인터넷 및 마트 등에서 개인이 손쉽게 구매가 가능하여, 건강기능식품이 적절하게 섭취하게 되어 지지 못하는 경우가 많고, 부작용 등이 발생하기 쉽다.

따라서, 사용자의 신체 특성 및 증상에 적합한 사용자 맞춤형 건강기능식품을 추천하는 플랫폼에 대한 기술의 개발이 요구되고 있다.

대한민국 등록특허 제10-2236291호(2021.04.05 공고) 대한민국 공개특허 제10-2021-0136483호(2021.11.17 공개) 대한민국 등록특허 제10-1787030호(2017.10.18 공고) 대한민국 공개특허 제10-2016-0101413호(2016.08.25 공개)

실시예들은 인공지능을 기반으로 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공하고자 한다.

실시예들은 인공신경망의 학습을 통해 원료 정보 및 사용자의 생활 특성 정보에 대응하는 추천 원료 정보를 생성하고자 한다.

실시예들은 사용자의 개인 정보 및 날씨 정보에 기초하여 날씨 기반 추천 영양소 정보를 생성하고자 한다.

일실시예에 따르면, 장치에 의해 수행되는 방법에 있어서, 제1 사용자의 제1 사용자 단말로부터 건강기능식품 추천 요청을 수신하는 단계; 상기 건강기능식품 추천 요청에 응답하여, 상기 제1 사용자의 이름, 나이, 성별, 키 및 몸무게를 포함하는 개인 정보를 상기 제1 사용자 단말로부터 획득하는 단계; 상기 제1 사용자의 증상 카테고리 정보-상기 증상 카테고리 정보는 에너지/피로/간, 심혈관/혈액순환, 소화/장, 눈/입, 두뇌활동/수면, 뼈/관절/근육, 기관지/면역, 피부/모발 및 여성고민/남성고민 중 적어도 하나를 포함함-를 상기 제1 사용자 단말로부터 획득하는 단계; 상기 개인 정보 및 상기 증상 카테고리 정보에 기초하여 제1 입력 신호를 생성하고, 상기 생성된 제1 입력 신호를 제1 인공신경망-상기 제1 인공신경망은 트레이닝 개인 정보들, 트레이닝 증상 카테고리 정보들, 제1 출력 신호들 및 트레이닝 추천 영양소 정보들에 기초하여 미리 학습됨-에 적용하여 제1 출력 신호를 생성하는 단계; 상기 제1 출력 신호에 기초하여 상기 제1 사용자에 대응하는 추천 영양소 정보를 생성하는 단계; 및 기 등록된 건강기능식품들로부터 상기 추천 영양소 정보에 대응하는 추천 건강기능식품을 선정하는 단계를 포함할 수 있다.

상기 추천 영양소 정보들은 상기 트레이닝 개인 정보들 및 상기 트레이닝 증상 카테고리 정보들에 각각 대응하는 추천 영양소 정보들이고, 상기 제1 출력 신호들은 상기 트레이닝 개인 정보들 및 상기 트레이닝 증상 카테고리 정보들에 기초하여 생성된 제1 트레이닝 입력 신호들이 상기 제1 인공신경망에 적용되어 생성된 출력 신호들이며, 상기 제1 인공신경망은 상기 제1 출력 신호들 및 상기 트레이닝 추천 영양소 정보들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습될 수 있다.

상기 추천 건강기능식품을 선정하는 단계는 기 등록된 원료들로부터 상기 추천 영양소 정보에 대응하는 원료들을 원료 정보로 생성하는 단계; 상기 제1 사용자 단말로부터 상기 제1 사용자의 임신 여부, 흡연 여부, 음주 여부, 육류 섭취 여부 및 알레르기 여부에 대한 생활 특성 정보를 수신하는 단계; 상기 원료 정보 및 상기 생활 특성 정보에 기초하여 제2 입력 신호를 생성하고, 상기 생성된 제2 입력 신호를 제2 인공신경망-상기 제2 인공신경망은 트레이닝 원료 정보들, 트레이닝 생활 특성 정보들, 제2 출력 신호들 및 트레이닝 추천 원료 정보들에 기초하여 미리 학습됨-에 적용하여 제2 출력 신호를 생성하는 단계; 상기 제2 출력 신호에 기초하여 상기 원료 정보 및 상기 제1 사용자의 생활 특성에 대응하는 추천 원료 정보를 생성하는 단계; 상기 기 등록된 건강기능식품들로부터 상기 추천 원료를 포함하는 건강기능식품들에 대한 제1 추천 건강기능식품 리스트를 생성하는 단계; 상기 제1 추천 건강기능식품 리스트에 포함된 건강기능식품들에 대한 인증 상품들-상기 인증 상품들은 FDA(U.S. Food and Drug Administration, FDA) B등급 이상, 식약처의 건강기능식품 인증 보유 및 제조소 소재 국가의 GMP 인증 보유 중 적어도 하나 이상의 조건을 만족함-을 추출하는 단계; 상기 인증 상품들의 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중, 섭취 방법을 획득하는 단계; 상기 원료 순도, 상기 총 정제 함량 중 원료의 비중, 상기 일일 권장량 중 원료의 비중 및 상기 섭취 방법을 제3 인공신경망에 적용하여 상기 인증 상품들 각각에 대응하는 원료 순도 점수, 원료 비중 점수, 일일 권장량 충족 점수 및 섭취 편리성 점수를 산출하는 단계; 상기 원료 순도 점수, 상기 원료 비중 점수, 상기 일일 권장량 충족 점수 및 상기 섭취 편리성 점수를 합산하여 상기 인증 상품들 각각에 대응하는 추천 점수를 산출하는 단계; 상기 인증 상품들의 추천 점수가 높은 순서대로 제2 추천 건강기능식품 리스트를 생성하는 단계; 생성된 상기 제2 추천 건강기능식품 중에서 상기 추천 점수가 가장 높은 상품인 제1 건강기능식품에 대해 추천 건강기능식품을 선정하는 단계; 및 상기 추천 건강기능식품을 상기 제1 사용자 단말로 전송하는 단계를 포함할 수 있다.

상기 제1 출력 신호를 생성하는 단계는 상기 제1 사용자 단말로부터 상기 제1 사용자의 현재 위치 정보를 획득하는 단계; 상기 제1 사용자의 현재 위치가 제1 지역인 경우, 상기 제1 지역에 대응하는 날씨 정보-상기 날씨 정보는 온도, 습도, 미세먼지 농도 및 강수량 중 어느 하나를 포함함-를 획득하는 단계; 및 상기 개인 정보 및 상기 날씨 정보에 기초하여 제1 입력 신호를 생성하고, 상기 생성된 제1 입력 신호를 상기 제1 인공신경망을 이용하여, 상기 개인 정보 및 상기 날씨 정보에 대응하는 날씨 기반 추천 영양소 정보를 포함하는 상기 제1 출력 신호를 생성하는 단계를 포함할 수 있다.

상기 추천 영양소 정보를 생성하는 단계는 상기 제1 출력 신호에 포함된 상기 날씨 기반 추천 영양소 정보에 상기 증상 카테고리 정보를 적용한 상기 추천 영양소 정보를 생성하는 단계를 포함할 수 있다.

상기 장치에 의해 수행되는 방법에 있어서, 상기 제1 사용자가 기존에 상기 건강기능식품을 섭취하는지 여부를 묻는 기존 섭취 문의 메시지를 상기 제1 사용자 단말로 전송하는 단계; 상기 제1 사용자가 기존에 제2 건강기능식품을 섭취하는 경우, 상기 제2 건강기능식품에 함유된 주원료 정보를 획득하는 단계; 상기 제2 건강기능식품에 함유된 주원료가 제1 원료인 경우, 상기 기 등록된 원료들로부터 상기 제1 원료와 함께 복용하였을 때 시너지 효과를 나타내는 것으로 등록된 원료인 시너지 원료를 추출하는 단계; 상기 기 등록된 건강기능식품들 중에서 상기 시너지 원료를 포함하는 건강기능식품들에 대한 제3 추천 건강기능식품 리스트를 생성하는 단계; 상기 제3 추천 건강기능식품 리스트에 포함되는 상기 건강기능식품들 중에서 적어도 하나 이상을 판매하는 약국들에 대한 약국 리스트를 형성하는 단계; 상기 약국 리스트에 포함된 약국들의 위치 정보와 상기 제1 사용자의 현재 위치 정보를 획득하는 단계; 상기 약국 리스트에 포함된 약국들을 상기 제1 사용자의 현재 위치로부터 가까운 순서로 랭킹하여 약국 랭킹 리스트를 형성하는 단계; 및 상기 약국 랭킹 리스트를 상기 제1 사용자 단말로 전송하는 단계를 포함할 수 있다.

상기 장치에 의해 수행되는 방법에 있어서, 상기 제1 사용자가 기존에 제2 건강기능식품을 섭취하는 경우, 제2 건강기능식품의 섭취를 시작한 시점을 묻는 섭취 시작 시점 문의 메시지를 상기 제1 사용자 단말로 전송하는 단계; 상기 제1 사용자의 상기 섭취 시작 시점이 제1 시점인 경우, 상기 제2 건강기능식품의 전체 용량 및 복용 방법에 대한 복용 정보를 획득하는 단계; 상기 제1 시점으로부터 미리 설정된 기간인 제1 기간이 경과된 경우, 상기 제1 시점으로부터 미리 설정된 기간인 제1 기간이 경과된 시점인 제2 시점에 상기 제2 건강기능식품의 용량에 대한 촬영 요청 메시지를 상기 제1 사용자 단말로 전송하는 단계; 상기 제2 건강기능식품에 대한 이미지를 획득하고, 상기 이미지를 기초로 상기 제2 시점의 상기 제2 건강기능식품의 잔여 용량을 분석하는 단계; 상기 제2 건강기능식품의 전체 용량에서 상기 복용 방법에 따른 상기 제1 기간 동안의 복용하여야 하는 복용량을 차감하여 상기 제2 시점에 남아있어야 하는 상기 제2 건강기능식품의 용량을 제1 기준 용량으로 설정하는 단계; 상기 제1 기준 용량에서 상기 제2 건강기능식품의 잔여 용량을 차감하여 제1 차이값을 산출하는 단계; 상기 제1 차이값이 미리 설정된 기준 차이값보다 높은 경우, 상기 제2 건강기능식품의 복용 방법을 안내하는 복용법 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계; 상기 제1 차이값이 미리 설정된 기준 차이값보다 낮은 경우, 상기 제2 건강기능식품의 효능을 안내하는 효능 알림 메시지를 상기 제1 사용자 단말로 전송하는 단계 를 더 포함할 수 있다.

상기 장치에 의해 수행되는 방법에 있어서, 상기 제1 사용자의 상기 추천 건강기능식품의 구매 여부를 판단하는 단계; 상기 제1 사용자가 상기 추천 건강기능식품을 구매한 것으로 확인된 경우, 상기 제1 사용자의 SNS(Social Network Service; SNS) 계정 정보를 획득하는 단계; 상기 제1 사용자의 SNS 계정 정보로부터 상기 제1 사용자가 상기 추천 건강기능식품의 리뷰에 대한 게시물을 상기 SNS에 업로드하였는지 여부를 판단하는 단계; 상기 제1 사용자에 의해 상기 추천 건강기능식품의 리뷰에 대한 게시물이 상기 SNS에 업로드된 경우, 상기 제1 사용자 계정으로 상기 추천 건강기능식품에 포함된 원료와 유사한 기능을 가진 유사 원료 정보를 추출하는 단계; 기 등록된 건강기능식품들로부터 상기 유사 원료를 포함하는 건강기능식품을 유사 건강기능식품으로 선정하는 단계; 및 상기 유사 건강기능식품으로부터 사은품으로 증정하기 위해 소량으로 만들어진 유사 건강기능식품 샘플을 제공하는 유사 건강기능식품 샘플 쿠폰을 상기 제1 사용자 계정을 통해 제공하는 단계를 더 포함할 수 있다.

상기 장치에 의해 수행되는 방법에 있어서, 상기 제1 사용자의 상기 추천 건강기능식품의 구매 여부를 판단하는 단계; 상기 제1 사용자가 상기 추천 건강기능식품을 구매한 것으로 확인된 경우, 상기 기 등록된 원료들로부터 상기 원료 정보를 추출하는 단계; 상기 기 등록된 원료들로부터 상기 원료와 함께 복용하였을 때 길항 작용을 나타내는 것으로 등록된 원료인 길항제 원료를 추출하는 단계; 상기 기 등록된 건강기능식품들 중에서 상기 길항제 원료를 포함하는 건강기능식품들에 대한 복용 금지 리스트를 생성하는 단계; 및 생성된 상기 복용 금지 리스트를 상기 제1 사용자 단말로 전송하는 단계를 더 포함할 수 있다.

상기 장치에 의해 수행되는 방법에 있어서, 상기 제1 건강기능식품을 제조하는 업체에 근무하는 복수의 직원을 그룹화하여, 팀 프로젝트를 수행하기 위한 팀으로 각각 분류하는 단계; 제1 팀으로 분류된 직원 각각에게 역할을 부여하는 단계; 상기 제1 팀에서 상기 팀 프로젝트를 수행하는 도중, 문제 상황이 발생한 경우, 문제 상황에 따라 선택된 반응 정보를 직원 별로 획득하는 단계; 및 상기 제1 팀에서 수행중인 상기 팀 프로젝트가 종료되면, 문제 상황 별로 획득된 반응 정보에 기초하여, 각 직원에게 부여된 역할의 업무를 상황 별로 잘 처리하였는지 평가하는 단계를 더 포함할 수 있다.

상기 평가하는 단계는 상기 제1 팀에서 수행중인 상기 팀 프로젝트가 종료되면, 상기 팀 프로젝트를 수행하는 도중 대화창에 입력된 제1 팀의 대화 정보를 획득하는 단계; 상기 제1 팀의 대화 정보에서 제1 직원에 의해 입력된 제1 직원의 대화 정보를 추출하는 단계; 상기 제1 직원의 대화 정보에 기초하여, 상기 제1 직원의 대화에서 능동적인 의미를 가지는 단어를 구분한 후, 문제 상황 발생으로부터 기준 시간 이내에 상기 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 존재하는지 여부를 확인하여, 상기 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 상기 기준 시간 이내에 등장한 문제 상황의 수를 제1 횟수로 산출하는 단계; 상기 제1 직원의 대화 정보에 기초하여, 상기 제1 직원의 대화에서 수동적인 의미를 가지는 단어를 구분한 후, 문제 상황 발생으로부터 상기 기준 시간 이내에 상기 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 존재하는지 여부를 확인하여, 상기 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 상기 기준 시간 이내에 등장한 문제 상황의 수를 제2 횟수로 산출하는 단계; 상기 제1 직원의 대화 정보에 기초하여, 상기 제1 직원의 대화에서 문제 상황을 해결하는데 있어 중요한 의미를 가지는 단어를 구분한 후, 문제 상황 발생으로부터 상기 기준 시간 이내에 상기 제1 직원의 대화에서 중요한 의미를 가지는 단어가 존재하는지 여부를 확인하여, 상기 제1 직원의 대화에서 중요한 의미를 가지는 단어가 상기 기준 시간 이내에 등장한 문제 상황의 수를 제3 횟수로 산출하는 단계; 및 상기 제1 횟수를 통해 상기 제1 직원의 리더십을 평가하고, 상기 제2 횟수를 통해 상기 제1 직원의 팔로우십을 평가하고, 상기 제3 횟수를 통해 상기 제1 직원의 위기대처능력을 평가하는 단계를 더 포함할 수 있다.

일실시예에 따른 방법은 미리 정의된 기간 내 상기 제1 사용자의 섭취한 음식물의 이미지들인 음식물 이미지들을 획득하는 단계; 상기 미리 정의된 기간 내 상기 제1 사용자가 구매한 식재료들의 리스트인 식재료 리스트를 획득하는 단계; 상기 제1 사용자 단말로부터 상기 제1 사용자의 외식 및 가정식에 각각 대응하는 제1 가중치 및 제2 가중치를 수신하는 단계; 상기 음식물 이미지들로부터 음식물 객체들을 추출하고, 상기 추출된 음식물 객체들을 식별하고, 상기 식별된 음식물 객체들 내 각 음식물 객체들의 제1 비율들을 각각 생성하는 단계; 상기 식재료 리스트 내 각 식재료들의 제2 비율들을 각각 생성하는 단계; 상기 제1 가중치를 상기 제1 비율들에 적용하여 제1 계수들을 생성하는 단계; 상기 제2 가중치를 상기 제2 비율들에 적용하여 제2 계수들을 생성하는 단계; 상기 제1 계수들을 상기 각 음식물 객체들에 적용하여 제1 영양소 정보들을 생성하는 단계; 상기 제2 계수들을 상기 각 식재료들에 적용하여 제2 영양소 정보들을 생성하는 단계; 상기 제1 영양소 정보들 및 상기 제2 영양소 정보들을 상기 미리 정의된 기간으로 나누어, 상기 제1 사용자의 일 단위 섭취 영양소 정보들을 생성하는 단계; 상기 제1 사용자의 나이, 성별, 키 및 몸무게에 기초하여 일 단위 표준 영양소 정보들을 생성하는 단계; 및 상기 표준 영양소 정보들 및 상기 일 단위 섭취 영양소 정보들에 기초하여, 상기 제1 사용자에 대응하는 필요 영양소 정보들을 생성하고, 상기 생성된 필요 영양소 정보들에 기초하여 상기 추천 영양소 정보들을 조정하는 단계를 더 포함할 수 있다.

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.

실시예들은 인공지능을 기반으로 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공할 수 있다.

실시예들은 인공신경망의 학습을 통해 원료 정보 및 사용자의 생활 특성 정보에 대응하는 추천 원료 정보를 생성할 수 있다.

실시예들은 사용자의 개인 정보 및 날씨 정보에 기초하여 날씨 기반 추천 영양소 정보를 생성할 수 있다.

도 1은 일실시예에 따른 시스템의 구성을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 인공지능 기반의 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 인공지능 기반의 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공하는 과정을 설명하기 위한 블록도이다.
도 4는 일실시예에 따른 제1 인공신경망의 학습을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 추천 건강기능식품을 선정하는 과정을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 제2 인공신경망의 학습을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 제3 인공신경망을 설명하기 위한 도면이다.
도 8은 본 발명의 다른 실시예에 따른 제1 출력 신호를 생성하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 약국 랭킹 리스트를 형성하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 제2 건강기능식품의 잔여 용량에 따른 알림 메시지를 전송하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 유사 건강기능식품 샘플 쿠폰을 제공하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 복용 금지 리스트를 생성하는 과정을 설명하기 위한 순서도이다.
도 13은 추천 영양소 정보들을 조정하는 과정을 설명하기 위한 순서도이다.
도 14는 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안 된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.

도 1은 일실시예에 따른 시스템의 구성을 설명하기 위한 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 사용자 단말(10) 및 장치(30)를 포함할 수 있다.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

복수의 사용자 단말(10)은 건강기능식품의 추천을 요청하고자 하는 사용자들이 사용하는 단말기로, 제1 사용자가 사용하는 제1 사용자 단말(11), 제2 사용자가 사용하는 제2 사용자 단말(12), 제3 사용자가 사용하는 제3 사용자 단말(13) 등을 포함할 수 있다.

복수의 사용자 단말(10) 각각은 데스크탑 컴퓨터, 노트북, 태블릿, 스마트폰 등일 수 있다. 예를 들어, 도 1에 도시된 바와 같이, 제1 사용자 단말(11), 제2 사용자 단말(12), 제3 사용자 단말(13) 등은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.

복수의 사용자 단말(10) 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 복수의 사용자 단말(10)은 장치(30)와 유무선으로 통신하도록 구성될 수 있다.

복수의 사용자 단말(10) 각각은 장치(30)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 페이지에 접속되거나, 장치(30)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 복수의 사용자 단말(10) 각각은 웹 페이지 또는 애플리케이션을 통해 장치(30)와 연동될 수 있다.

복수의 사용자 단말(10) 각각은 장치(30)에서 제공하는 웹 페이지, 애플리케이션을 등을 통해 장치(30)에 접속할 수 있다.

이하에서는 설명의 편의상, 제1 사용자 단말(11)의 동작을 위주로 설명하지만, 제2 사용자 단말(12) 등의 다른 사용자 단말에서 제1 사용자 단말(11)의 동작을 대신 수행할 수 있는 것은 물론이다.

일실시예에 따르면, 장치(30)는 인공지능을 기반으로 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공할 수 있다. 여기서, 건강기능식품은 건강 보조 식품(health supplement food) 또는 건강 기능성 식품이라고도 하며, 인체에 유용한 기능을 가진 원료나 성분(이하, '기능성 원료'라 함.)을 사용하여 제조한 식품으로 건강을 유지하는데 도움을 주는 식품을 의미할 수 있다.

장치(30)는 장치(30)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(30)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다.

장치(30)는 복수의 사용자 단말(10)과 유무선으로 통신하도록 구성될 수 있으며, 복수의 사용자 단말(10) 각각의 동작을 제어하고, 복수의 사용자 단말(10) 각각의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.

한편, 설명의 편의를 위해 도 1에서는 복수의 사용자 단말(10) 중 제1 사용자 단말(11), 제2 사용자 단말(12) 및 제3 사용자 단말(13)만을 도시하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(30)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

일실시예에 따르면, 장치(30) 내에는 데이터베이스가 구비될 수 있으며, 이에 한정되지 않고, 장치(30)와 별도로 데이터베이스가 구성될 수 있다. 장치(30)는 기계 학습 알고리즘의 수행을 위한 다수의 인공신경망을 포함할 수 있다.

도 2는 일실시예에 따른 인공지능 기반의 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공하는 과정을 설명하기 위한 순서도이다.

도 2를 참조하면, 먼저 S201 단계에서, 장치(30)는 제1 사용자의 제1 사용자 단말(11)로부터 건강기능식품 추천 요청을 수신할 수 있다. 이때, 제1 사용자 단말은 건강기능식품 추천을 요청하고자 하는 제1 사용자가 사용하는 단말을 의미할 수 있다.

S202 단계에서, 장치(30)는 건강기능식품 추천 요청에 응답하여, 제1 사용자의 개인 정보를 제1 사용자 단말(11)로부터 획득할 수 있다. 이때, 제1 사용자의 개인 정보는 제1 사용자의 이름, 나이, 성별, 키 및 몸무게 중 적어도 하나 이상을 포함하는 것일 수 있으나, 이에 한정되지는 않는다.

S203 단계에서, 장치(30)는 제1 사용자의 증상 카테고리 정보를 제1 사용자 단말(11)로부터 획득할 수 있다. 여기서, 증상 카테고리 정보는 제1 사용자의 신체에 나타나는 건강 증상에 대한 정보를 포함할 수 있다. 예를 들어, 증상 카테고리는 에너지/피로/간, 심혈관/혈액순환, 소화/장, 눈/입, 두뇌활동/수면, 뼈/관절/근육, 기관지/면역, 피부/모발 및 여성고민/남성고민 중 적어도 하나를 포함할 수 있으나, 실시예에 따라 다르게 설정될 수 있다.

S204 단계에서, 장치(30)는 개인 정보 및 증상 카테고리 정보에 기초하여 제1 입력 신호를 생성할 수 있다. 즉, 장치(30)는 제1 사용자 단말로부터 획득한 개인 정보 및 증상 카테고리 정보에 기초하여 제1 입력 신호를 생성할 수 있다.

S205 단계에서, 장치(30)는 제1 입력 신호를 제1 인공신경망(100)에 적용하여 제1 출력 신호를 생성할 수 있다.

일실시예에 따르면, 장치(30)는 트레이닝 개인 정보들, 트레이닝 증상 카테고리 정보들을 제1 인공신경망(100)에 적용하여 트레이닝 출력들을 획득할 수 있다. 장치(30)는 트레이닝 출력들과 제1 출력 신호들 및 트레이닝 추천 영양소 정보들에 기초하여 제1 인공신경망(100)을 학습시킬 수 있다. 장치(30)는 트레이닝 출력들에 대응하는 트레이닝 에러들을 계산하고, 그 트레이닝 에러들을 최소화하기 위해 제1 인공신경망(100) 내 노드들의 연결 관계를 최적화하여 제1 인공신경망(100)을 학습시킬 수 있다. 장치(30)는 학습이 완료된 제1 인공신경망(100)을 이용하여 개인 정보들 및 증상 카테고리 정보들로부터 추천 영양소 정보들을 추출할 수 있다. 제1 인공신경망(100)의 학습하는 과정과 관련된 자세한 설명은 도 4를 참조하여 후술하기로 한다.

S206 단계에서, 장치(30)는 제1 출력 신호에 기초하여 제1 사용자에 대응하는 추천 영양소 정보를 생성할 수 있다.

이때, 추천 영양소 정보는 건강기능식품에 적용될 화합물에 대한 정보를 포함할 수 있다. 예를 들어, 추천 영양소 정보는 비타민A, 베타카로틴, 비타민 D, 비타민 E, 비타민 K, 비타민 B1, 비타민 B2, 나이아신(비타민B3), 판토텐산(비타민 B5), 비타민 B6, 엽산, 비타민 B12, 바이오틴(비타민 B7), 비타민 C, 칼슘, 마그네슘, 철, 아연, 구리, 셀레늄, 요오드, 망간, 몰리브덴, 칼륨, 크롬, 식이섬유, 단백질 및 필수 지방산 중 어느 하나를 포함할 수 있으며, 이에 한정되지 않는다.

S207 단계에서, 장치(30)는 기 등록된 건강기능식품들로부터 추천 영양소 정보에 대응하는 추천 건강기능식품을 선정할 수 있다.

장치(30)의 데이터베이스에는 건강기능식품이 포함하고 있는 영양소 정보, 원료 정보, 건강기능식품의 제품명 및 제조사명 등을 포함하고 있는 건강기능식품들에 대한 정보가 미리 등록되어 저장될 수 있다. 장치(30)는 데이터베이스에 건강기능식품들에 대한 정보를 저장하고, 추천 영양소 정보에 대응하는 건강기능식품들을 데이터베이스로부터 추출할 수 있다.

도 3은 일실시예에 따른 인공지능 기반의 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스를 제공하는 과정을 설명하기 위한 블록도이다.

장치(30)는 제1 사용자 단말(11)로부터 제1 사용자에 대한 개인 정보 및 증상 카테고리 정보를 획득할 수 있다. 장치(30)는 획득한 개인 정보 및 증상 카테고리 정보에 기초하여 제1 입력 신호를 생성하고, 생성된 제1 입력 신호를 제1 인공신경망(100)에 적용하여 제1 출력 신호를 생성할 수 있다.

여기서, 장치는 트레이닝 개인 정보들 및 트레이닝 증상 카테고리 정보들에 기초하여, 제1 트레이닝 입력 신호들을 생성하고, 제1 트레이닝 입력 신호들을 제1 인공신경망(100)에 적용하여 제1 출력 신호들을 생성할 수 있다. 제1 출력 신호들을 생성하면, 장치(30)는 제1 출력 신호에 기초하여 제1 사용자에 대응하는 추천 영양소 정보를 생성할 수 있다.

장치(30)는 데이터베이스에 미리 등록된 건강기능식품들로부터 생성된 추천 영양소 정보에 대응하는 추천 건강기능식품을 선정할 수 있다.

도 4는 일실시예에 따른 제1 인공신경망(100)의 학습을 설명하기 위한 도면이다.

도 4에 도시한 바와 같이, 장치(30)는 제1 사용자에 대한 추천 영양소 정보의 추출을 위하여 제1 인공신경망(100)을 학습시킬 수 있다.

제1 인공신경망(100)은 트레이닝 샘플들이 입력되는 제1 입력 레이어(110)와 트레이닝 출력들을 출력하는 제1 출력 레이어(120)를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 레이블들은 개인 정보들, 증상 카테고리 정보들 및 개인 정보들, 증상 카테고리 정보들에 각각 대응하는 추천 영양소 정보들에 기초하여 정의될 수 있다. 제1 인공신경망(100)은 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.

장치(30)는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 제1 인공신경망(100)을 학습시킬 수 있다. 장치(30)는 제1 인공신경망(100)의 출력들 및 레이블들 의해 설계된 손실 함수(Loss Function)를 이용할 수 있다.

장치(30)는 미리 정의된 손실 함수를 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 제1 인공신경망(100) 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.

장치(30)는 역전파(Backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 제1 인공신경망(100) 내 노드들 사이의 관계들이다. 장치(30)는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 장치(30)는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.

일실시예에 따르면, 장치(30)는 트레이닝 개인 정보들 및 트레이닝 증상 카테고리 정보들에 기초하여 제1 트레이닝 입력 신호들을 생성할 수 있다. 장치(30)는 제1 트레이닝 입력 신호들로부터 제1 출력 신호들을 생성할 수 있다.

일실시예에 따르면, 제1 인공신경망(100)은 트레이닝 개인 정보들, 트레이닝 증상 카테고리 정보들, 제1 출력 신호들 및 트레이닝 추천 영양소 정보들에 기초하여 미리 학습될 수 있다. 제1 인공신경망(100)은 제1 출력 신호들 및 트레이닝 추천 영양소 정보들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습될 수 있다.

도 5는 일실시예에 따른 추천 건강기능식품을 선정하는 과정을 설명하기 위한 도면이다.

도 5를 참조하면, 먼저 S501 단계에서, 장치(30)는 기 등록된 원료들로부터 추천 영양소 정보에 대응하는 원료들을 원료 정보로 생성할 수 있다.

장치(30)의 데이터베이스에는 건강기능식품의 제조시 사용되는 기능성 원료들의 영양소 정보 및 원료명 등을 포함하고 있는 건강기능식품들에 대한 정보가 미리 등록되어 저장될 수 있다. 장치(30)는 데이터베이스에 원료들에 대한 정보를 저장하고, 추천 영양소 정보에 대응하는 건강기능식품들을 데이터베이스로부터 추출할 수 있다.

예를 들어, 원료는 인삼, 홍삼, 엽록소 함유 식물, 클로렐라, 스피루리나, 녹차 추출물, 알로에, 프로폴리스 추출물, 코엔자임 Q10, 대두이소플라본, 구아바잎 추출물, 바나바잎 추출물, 은행잎 추출물, 밀크시슬 추출물, 달맞이꽃종자 추출물, EPA 및 DHA 함유 유지, 감마리놀렌산 함유 유지, 레시틴, 스쿠알렌, 식물스테롤, 알콕시글리세롤, 옥타코사놀 함유 유지, 매실 추출물, 공액 리놀레산, 가르시니아 캄보지아 추출물, 루테인, 헤마토코쿠스 추출물, 귀리 식이섬유, 글루코사민, 목이버섯 식이섬유, 키토산, 프락토올리고당, 프로바이오틱스/유산균, 대두단백, 테아닌, 히알루론산 및 마늘 중 어느 하나를 포함할 수 있으며, 이에 한정되지 않는다.

일실시예에 따르면, 장치(30)는 추천 영양소 정보가 '단백질'인 경우, 단백질에 대응하는 원료 정보인 '대두 단백'을 원료 정보로 생성할 수 있다.

S502 단계에서, 장치(30)는 제1 사용자 단말(11)로부터 제1 사용자의 생활 특성 정보를 수신할 수 있다.

이때, 생활 특성 정보는 제1 사용자의 임신 여부, 흡연 여부, 음주 여부, 육류 섭취 여부 및 알레르기 여부에 대한 정보를 의미할 수 있다.

S503 단계에서, 장치(30)는 원료 정보 및 생활 특성 정보에 기초하여 제2 입력 신호를 생성할 수 있다.

S504 단계에서, 장치(30)는 생성된 제2 입력 신호를 제2 인공신경망(200)에 적용하여 제2 출력 신호를 생성할 수 있다.

일실시예에 따르면, 장치(30)는 트레이닝 원료 정보들, 트레이닝 생활 특성 정보들을 제2 인공신경망(200)에 적용하여 트레이닝 출력들을 획득할 수 있다. 장치(30)는 트레이닝 출력들과 제2 출력 신호들 및 트레이닝 추천 원료 정보들에 기초하여 제2 인공신경망(200)을 학습시킬 수 있다. 장치(30)는 트레이닝 출력들에 대응하는 트레이닝 에러들을 계산하고, 그 트레이닝 에러들을 최소화하기 위해 제2 인공신경망(200) 내 노드들의 연결 관계를 최적화하여 제2 인공신경망(200)을 학습시킬 수 있다. 장치(30)는 학습이 완료된 제2 인공신경망(200)을 이용하여 원료 정보들 및 생활 특성 정보들로부터 추천 원료 정보들을 추출할 수 있다. 제2 인공신경망(200)의 학습하는 과정과 관련된 자세한 설명은 도 6을 참조하여 후술하기로 한다.

S505 단계에서, 장치(30)는 제2 출력 신호에 기초하여 원료 정보 및 제1 사용자의 생활 특성에 대응하는 추천 원료 정보를 생성할 수 있다. 이때, 추천 원료 정보는 건강기능식품에 적용될 원료에 대한 정보를 포함할 수 있다. 예를 들어, 추천 원료 정보는 인삼, 홍삼, 엽록소 함유 식물, 클로렐라, 스피루리나, 녹차 추출물, 알로에, 프로폴리스 추출물, 코엔자임 Q10, 대두이소플라본, 구아바잎 추출물, 바나바잎 추출물, 은행잎 추출물, 밀크시슬 추출물, 달맞이꽃종자 추출물, EPA 및 DHA 함유 유지, 감마리놀렌산 함유 유지, 레시틴, 스쿠알렌, 식물스테롤, 알콕시글리세롤, 옥타코사놀 함유 유지, 매실 추출물, 공액 리놀레산, 가르시니아 캄보지아 추출물, 루테인, 헤마토코쿠스 추출물, 귀리 식이섬유, 글루코사민, 목이버섯 식이섬유, 키토산, 프락토올리고당, 프로바이오틱스/유산균, 대두단백, 테아닌, 히알루론산 및 마늘 중 어느 하나를 포함할 수 있으며, 이에 한정되지 않는다.

S506 단계에서, 장치(30)는 기 등록된 건강기능식품들로부터 추천 원료를 포함하는 건강기능식품들에 대한 제1 추천 건강기능식품 리스트를 생성할 수 있다.

예를 들어, 장치(30)는 추천 원료가 '루테인'인 경우, 기 등록된 건강기능식품들로부터 루테인을 포함하는 건강기능식품들을 추출하고, 추출된 루테인을 포함하는 건강기능식품들에 대한 제1 추천 건강기능식품 리스트를 생성할 수 있다.

도 6은 일실시예에 따른 제2 인공신경망(200)의 학습을 설명하기 위한 도면이다.

도 6에 도시한 바와 같이, 장치(30)는 제1 사용자에 대한 추천 원료 정보의 추출을 위하여 제2 인공신경망(200)을 학습시킬 수 있다.

제2 인공신경망(200)은 트레이닝 샘플들이 입력되는 제2 입력 레이어(210)와 트레이닝 출력들을 출력하는 제2 출력 레이어(220)를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 레이블들은 원료 정보들, 생활 특성 정보들 및 원료 정보들, 생활 특성 정보들에 각각 대응하는 추천 원료 정보들에 기초하여 정의될 수 있다. 제2 인공신경망(200)은 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.

장치(30)는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 제2 인공신경망(200)을 학습시킬 수 있다. 장치(30)는 제2 인공신경망(200)의 출력들 및 레이블들 의해 설계된 손실 함수(Loss Function)를 이용할 수 있다.

장치(30)는 미리 정의된 손실 함수를 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 제2 인공신경망(200) 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.

장치(30)는 역전파(Backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 제2 인공신경망(200) 내 노드들 사이의 관계들이다. 장치(30)는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 장치(30)는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.

일실시예에 따르면, 장치(30)는 트레이닝 원료 정보들 및 트레이닝 생활 특성 정보들에 기초하여 제2 트레이닝 입력 신호들을 생성할 수 있다. 장치(30)는 제2 트레이닝 입력 신호들로부터 제2 출력 신호들을 생성할 수 있다.

일실시예에 따르면, 제2 인공신경망(200)은 트레이닝 원료 정보들, 트레이닝 생활 특성 정보들, 제2 출력 신호들 및 트레이닝 추천 원료 정보들에 기초하여 미리 학습될 수 있다. 제2 인공신경망(200)은 제2 출력 신호들 및 트레이닝 추천 원료 정보들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습될 수 있다.

도 7은 일실시예에 따른 제3 인공신경망(300)을 설명하기 위한 도면이다.

장치(30)는 제1 추천 건강기능식품 리스트에 포함된 건강기능식품들에 대한 인증 상품들을 추출할 수 있다.

이때, 장치(30)는 FDA(U.S. Food and Drug Administration, FDA) B등급 이상, 식약처의 건강기능식품 인증 보유 및 제조소 소재 국가의 GMP 인증 보유 중 적어도 하나 이상의 조건을 만족하는 건강기능식품들을 인증 상품들로 추출할 수 있다. 여기서, 인증 상품들을 추출하는 방식은 실시예에 따라 상이하게 설정될 수 있다.

도 7에 도시한 바와 같이, 장치(30)는 인증 상품들의 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중, 섭취 방법을 획득할 수 있다. 장치(30)는 인증 상품들 각각에 대응하는 추천 점수를 제3 인공신경망(300)을 통해 산출할 수 있다.

장치(30)는 인증 상품들의 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중 및 섭취 방법에 기초하여 제3 입력 신호를 생성할 수 있다. 장치(30)는 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중 및 섭취 방법에 기초하여 생성된 제3 입력 신호를 제3 인공신경망(300)에 적용할 수 있다.

여기서, 제3 입력 신호는 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중, 섭취 방법에 각각 대응하는 값들을 포함할 수 있다. 제3 인공신경망(300)의 제3 입력 레이어(310)는 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중, 섭취 방법에 각각 대응하는 값들을 포함할 수 있다.

장치(30)는 제3 입력 신호를 제3 인공신경망(300)에 적용하여 제3 출력 신호를 생성할 수 있다. 여기서, 제3 출력 신호는 0과 25사이의 정수인 출력 값을 포함하고, 제3 인공신경망(300)의 제3 출력 레이어(320)는 출력 값을 생성하는 출력 노드를 포함할 수 있다. 제3 인공신경망(300)의 제3 출력 레이어(320)는 원료 순도 점수, 원료 비중 점수, 일일 권장량 충족 점수 및 섭취 편리성 점수에 각각 대응하는 값들을 포함할 수 있다.

일실시예에 따르면, 장치(30)는 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중, 섭취 방법을 제3 인공신경망(300)에 적용하여, 인증 상품들 각각에 대응하는 원료 순도 점수, 원료 비중 점수, 일일 권장량 충족 점수 및 섭취 편리성 점수를 산출할 수 있다.

장치(30)는 원료 순도 점수, 원료 비중 점수, 일일 권장량 충족 점수 및 섭취 편리성 점수를 합산하여 인증 상품들 각각에 대응하는 추천 점수를 산출할 수 있다. 장치(30)는 인증 상품들의 추천 점수가 높은 순서대로 정렬하여 제2 추천 건강기능식품 리스트를 생성할 수 있다.

장치(30)는 생성된 제2 추천 건강기능식품 중에서 추천 점수가 가장 높은 상품인 제1 건강기능식품에 대해 추천 건강기능식품을 선정할 수 있다. 장치(30)는 선정된 추천 건강기능식품을 제1 사용자 단말(11)로 전송할 수 있다.

도 8은 본 발명의 다른 실시예에 따른 제1 출력 신호를 생성하는 과정을 설명하기 위한 순서도이다.

도 8을 참조하면, 먼저 S801 단계에서, 장치(30)는 제1 사용자 단말(11)로부터 제1 사용자의 현재 위치 정보를 획득할 수 있다. 일실시예에 따르면, 제1 사용자의 현재 위치 정보의 측정을 위해 제1 사용자 단말(11)에 GPS 센서가 구비될 수 있다. 장치(30)는 제1 사용자 단말의 GPS 센서로부터 제1 사용자의 현재 위치 정보를 수신할 수 있다.

S802 단계에서, 장치(30)는 제1 사용자의 현재 위치가 제1 지역인 경우, 제1 지역에 대응하는 날씨 정보를 획득할 수 있다. 이때, 날씨 정보는 온도, 습도, 미세먼지 농도 및 강수량 중 어느 하나를 포함할 수 있으나, 실시예에 따라 다르게 설정될 수도 있다.

S803 단계에서, 장치(30)는 개인 정보 및 날씨 정보에 기초하여 제1 입력 신호를 생성할 수 있다.

S804 단계에서, 장치(30)는 생성된 제1 입력 신호를 제1 인공신경망(100)을 이용하여, 개인 정보 및 날씨 정보에 대응하는 날씨 기반 추천 영양소 정보를 포함하는 제1 출력 신호를 생성할 수 있다.

예를 들어, 제1 지역의 미세먼지 농도가 '나쁨'인 경우, 장치(30)는 미세먼지 농도에 대한 날씨 정보에 대응하는 비타민 C 및 비타민 E를 추천 영양소 정보로 생성할 수 있다.

이때, 장치(30)의 데이터베이스에는 비타민 C및 비타민 E는 호흡기 건강 개선이 가능한 영양소로서 미리 등록될 수 있다. 비타민 C는 신진대사를 촉진시켜 체내 염증 반응을 완화시키고, 면역력 증강에 도움을 주는 효과가 있으며, 비타민 E는 기관지와 폐 세포를 구성하는 세포막의 구성 성분인 불포화 지방산이 파괴되는 것을 막아 세포 손상을 예방하는 효과가 있다.

일실시예에 따르면, 장치(30)는 제1 인공신경망(100)을 이용하여, 개인 정보 및 날씨 정보에 대응하는 날씨 기반 추천 영양소 정보를 포함하는 제1 출력 신호를 생성할 수 있다. 장치(30)는 생성된 제1 출력 신호에 포함된 날씨 기반 추천 영양소 정보에 증상 카테고리 정보를 적용하여 추천 영양소 정보를 생성할 수 있다.

도 9는 일실시예에 따른 약국 랭킹 리스트를 형성하는 과정을 설명하기 위한 순서도이다.

도 9를 참조하면, 먼저 S901 단계에서, 장치(30)는 제1 사용자가 기존에 건강기능식품을 섭취하는지 여부를 묻는 기존 섭취 문의 메시지를 제1 사용자 단말(11)로 전송할 수 있다.

S902 단계에서, 장치(30)는 제1 사용자가 기존에 제2 건강기능식품을 섭취하는 경우, 제2 건강기능식품에 함유된 주원료 정보를 획득할 수 있다. 이때, 주원료 정보는 제2 건강기능식품에 포함되어 있으면서, 건강 개선에 대한 기능성을 가지는 원료에 대한 정보일 수 있다.

S903 단계에서, 장치(30)는 제2 건강기능식품에 함유된 주원료가 제1 원료인 경우, 기 등록된 원료들로부터 시너지 원료를 추출할 수 있다. 이때, 시너지 원료는 기 등록된 원료들로부터 제1 원료와 함께 복용하였을 때 시너지 효과를 나타내는 것으로 등록된 원료일 수 있다. 일실시예에 따르면, 장치(30)의 데이터베이스에는 제1 원료에 대해 시너지 효과를 나타내는 원료가 미리 등록될 수 있다. 예를 들어, 장치(30)의 데이터베이스에는 비타민 C와 철분, 칼슘과 마그네슘, 오메가 3와 비타민 E, 비타민 E와 코엔자임 Q1O, 비타민 A와 아연, 비타민 C와 콜라겐, 철분과 셀라늄 및 엽산과 아미노산 등을 각각 포함하는 원료가 서로 시너지 효과를 나타내는 시너지 원료로 등록될 수 있다.

S904 단계에서, 장치(30)는 기 등록된 건강기능식품들 중에서 시너지 원료를 포함하는 건강기능식품들에 대한 제3 추천 건강기능식품 리스트를 생성할 수 있다. 예를 들어, 장치(30)는 제1 원료가 '코엔자임 Q10'인 경우, 기 등록된 원료들로부터 코엔자임 Q10과 시너지 효과를 내는 비타민 E를 포함하는 원료를 시너지 원료로 추출할 수 있다. 장치(30)는 기 등록된 건강기능식품들로부터 비타민 E를 포함하는 원료를 포함하는 건강기능식품들을 추출하고, 추출된 시너지 원료를 포함하는 건강기능식품들에 대한 제3 추천 건강기능식품 리스트를 생성할 수 있다.

S905 단계에서, 장치(30)는 제3 추천 건강기능식품 리스트에 포함되는 건강기능식품들 중에서 적어도 하나 이상을 판매하는 약국들에 대한 약국 리스트를 형성할 수 있다.

S906 단계에서, 장치(30)는 약국 리스트에 포함된 약국들의 위치 정보와 제1 사용자의 현재 위치 정보를 획득할 수 있다.

S907 단계에서, 장치(30)는 약국 리스트에 포함된 약국들을 제1 사용자의 현재 위치로부터 가까운 순서로 랭킹하여 약국 랭킹 리스트를 형성할 수 있다.

S908 단계에서, 장치(30)는 형성된 약국 랭킹 리스트를 제1 사용자 단말(11)로 전송할 수 있다.

도 10은 일실시예에 따른 제2 건강기능식품의 잔여 용량에 따른 알림 메시지를 전송하는 과정을 설명하기 위한 순서도이다.

도 10을 참조하면, 먼저 S1001 단계에서, 장치(30)는 제1 사용자가 기존에 제2 건강기능식품을 섭취하는 경우, 제2 건강기능식품의 섭취를 시작한 시점을 묻는 섭취 시작 시점 문의 메시지를 제1 사용자 단말(11)로 전송할 수 있다.

S1002 단계에서, 장치(30)는 제1 사용자의 섭취 시작 시점이 제1 시점인 경우, 제2 건강기능식품의 전체 용량 및 복용 방법에 대한 복용 정보를 획득할 수 있다.

S1003 단계에서, 장치(30)는 제1 시점으로부터 미리 설정된 기간인 제1 기간이 경과된 경우, 제1 시점으로부터 제1 기간이 경과된 시점인 제2 시점에 제2 건강기능식품의 용량에 대한 촬영 요청 메시지를 제1 사용자 단말(11)로 전송할 수 있다. 즉, 장치(30)는 제1 사용자의 제2 건강기능식품 섭취 시작 시점으로부터 얼마만큼의 시간이 지났는지 산출하여, 제2 건강기능식품의 섭취 시작 시점인 제1 시점부터 제1 기간이 지났는지 여부를 확인할 수 있다. 여기서, 제1 기간은 실시예에 따라 상이하게 설정될 수 있다.

S1004 단계에서, 장치(30)는 제2 건강기능식품에 대한 이미지를 획득하고, 이미지를 기초로 제2 시점의 제2 건강기능식품의 잔여 용량을 분석할 수 있다. 이때, 장치(30)는 제1 사용자 단말(11)의 카메라를 통해 촬영된 이미지를 통해 제2 건강기능식품에 대한 이미지를 획득할 수도 있다. 제2 건강기능식품에 대한 이미지를 획득하는 방법은 이에 한정되지 않고, 실시예에 따라 다양한 방법으로 획득될 수 있다.

S1005 단계에서, 장치(30)는 제2 시점에 남아있어야 하는 제2 건강기능식품의 용량을 제1 기준 용량으로 설정할 수 있다. 일실시예에 따르면, 장치(30)는 제2 건강기능식품의 전체 용량에서 복용 방법에 따른 제1 기간 동안의 복용하여야 하는 복용량을 차감하여 제2 시점에 남아있어야 하는 제2 건강기능식품의 용량을 제1 기준 용량으로 설정할 수 있다.

일실시예에 따르면, 제2 건강기능식품의 전체 용량이 100g이고, 제1 기간이 1개월이고, 제2 건강기능식품의 복용 방법에 따른 1개월 동안의 복용하여야 하는 복용량이 40g인 경우, 장치(30)는 100g에서 40g을 차감하여 제2 시점에 남아있어야 하는 제2 건강기능식품의 용량을 60g으로 산출할 수 있다. 즉, 장치(30)는 60g을 제1 기준 용량으로 설정할 수 있다.

S1006 단계에서, 장치(30)는 제1 기준 용량에서 제2 건강기능식품의 잔여 용량을 차감하여 제1 차이값을 산출할 수 있다.

일실시예에 따르면, 장치(30)는 제1 기준 용량이 60g이고, 잔여 용량이 40g인 경우, 제1 차이값을 20g으로 산출할 수 있다.

S1007 단계에서, 장치(30)는 제1 차이값이 미리 설정된 기준 차이값보다 높은 지 여부를 판단할 수 있다. 이때, 기준 차이값은 실시예에 따라 상이하게 설정될 수 있다.

S1008 단계에서, 장치(30)는 제1 차이값이 기준 차이값보다 높은 경우, 제2 건강기능식품의 복용 방법을 안내하는 복용법 알림 메시지를 제1 사용자 단말(11)로 전송할 수 있다. 일실시예에 따르면, 복용법 알림 메시지는 제2 건강기능식품의 1일 섭취량, 1일 섭취 횟수, 섭취 시간에 대한 정보를 포함할 수 있다.

S1009 단계에서, 장치(30)는 제1 차이값이 기준 차이값보다 낮은 경우, 제2 건강기능식품의 효능을 안내하는 효능 알림 메시지를 제1 사용자 단말(11)로 전송할 수 있다.

일실시예에 따르면, 제2 건강기능식품이 밀크시슬 추출물의 원료를 포함한 상품인 경우, 효능 알림 메시지는 제2 건강기능식품의 효능에 대해 '간 건강에 도움을 줄 수 있음'의 표현을 포함할 수 있다.

도 11은 일실시예에 따른 유사 건강기능식품 샘플 쿠폰을 제공하는 과정을 설명하기 위한 순서도이다.

도 11을 참조하면, 먼저 S1101 단계에서, 장치(30)는 제1 사용자의 추천 건강기능식품의 구매 여부를 판단하여, 제1 사용자가 추천 건강기능식품을 구매한 것으로 확인된 경우, 제1 사용자의 SNS 계정 정보를 획득할 수 있다. 여기서, SNS(Social Network Service; SNS)는 인스타그램, 유튜브, 페이스북, 트위터 등을 포함할 수 있지만, 이에 한정되지는 않는다. 제1 사용자의 SNS 계정 정보는 제1 사용자의 SNS 프로파일 정보, SNS에 업로드된 사진 및 텍스트에 관한 게시물 정보, 각 게시물들의 조회수 정보 등을 포함할 수 있으며, 이에 한정되지는 않는다.

S1102 단계에서, 장치(30)는 제1 사용자의 SNS 계정 정보로부터 제1 사용자가 추천 건강기능식품의 리뷰에 대한 게시물을 SNS에 업로드하였는지 여부를 판단할 수 있다.

S1103 단계에서, 장치(30)는 제1 사용자에 의해 추천 건강기능식품의 리뷰에 대한 게시물이 SNS에 업로드된 경우, 제1 사용자 계정으로 추천 건강기능식품에 포함된 원료와 유사한 기능을 가진 유사 원료 정보를 추출할 수 있다. 예들 들어, 추천 건강기능식품에 포함된 원료가 비타민 B2인 경우, 장치(30)는 비타민 B1의 체내 에너지 생성에 대한 기능과 유사한 기능을 가진 원료인 비타민 B3를 유사 원료 정보로 추출할 수 있다.

S1104 단계에서, 장치(30)는 기 등록된 건강기능식품들로부터 유사 원료를 포함하는 건강기능식품을 유사 건강기능식품으로 선정할 수 있다. 일실시예에 따르면, 유사 원료가 비타민 B3인 경우, 장치(30)는 기 등록된 건강기능식품들로부터 비타민 B3를 포함하는 건강기능식품을 유사 건강기능식품으로 선정할 수 있다.

S1105 단계에서, 장치(30)는 유사 건강기능식품으로부터 사은품으로 증정하기 위해 소량으로 만들어진 유사 건강기능식품 샘플을 제공하는 유사 건강기능식품 샘플 쿠폰을 제1 사용자 계정을 통해 제공할 수 있다.

도 12는 일실시예에 따른 복용 금지 리스트를 생성하는 과정을 설명하기 위한 순서도이다.

도 12를 참조하면, 먼저 S1201 단계에서, 장치(30)는 제1 사용자의 추천 건강기능식품의 구매 여부를 판단할 수 있다.

S1202 단계에서, 장치(30)는 제1 사용자가 추천 건강기능식품을 구매한 것으로 확인된 경우, 기 등록된 원료들로부터 원료 정보를 추출할 수 있다.

장치(30)의 데이터베이스에는 건강기능식품의 제조시 사용되는 기능성 원료들의 영양소 정보 및 원료명 등을 포함하고 있는 건강기능식품들에 대한 정보가 미리 등록되어 저장될 수 있다. 장치(30)는 데이터베이스에 원료들에 대한 정보를 저장하고, 추천 건강기능식품에 대응하는 원료 정보를 데이터베이스로부터 추출할 수 있다.

S1203 단계에서, 장치(30)는 기 등록된 원료들로부터 원료와 함께 복용하였을 때 길항 작용을 나타내는 것으로 등록된 원료인 길항제 원료를 추출할 수 있다.

장치(30)의 데이터베이스에는 건강기능식품의 제조시 사용되는 기능성 원료들의 영양소 정보 및 원료명 및 기능성 원료와 함께 복용하였을 때 길항 작용을 나타내는 원료에 대한 정보가 미리 등록되어 저장될 수 있다. 장치(30)는 데이터베이스에 원료들에 대한 정보를 저장하고, 추천 건강기능식품의 원료와 길항 작용을 나타내는 길항제 원료를 데이터베이스로부터 추출할 수 있다.

이때, 길항제 원료는 기 등록된 원료들로부터 원료와 함께 복용하였을 때 길항 작용을 나타내는 것으로 등록된 원료일 수 있다. 일실시예에 따르면, 장치(30)의 데이터베이스에는 원료에 대해 길항 작용을 나타내는 원료가 미리 등록될 수 있다.

예를 들어, 장치(30)의 데이터베이스에는 칼슘과 비타민D, 비타민 B1과 타닌, 종합비타민과 철분, 비타민 A와 루테인, 아연과 철분 및 칼슘과 마그네슘을 각각 포함하는 원료가 서로 길항 작용을 나타내는 길항제 원료로 등록될 수 있다.

S1204 단계에서, 장치(30)는 기 등록된 건강기능식품들 중에서 길항제 원료를 포함하는 건강기능식품들에 대한 복용 금지 리스트를 생성할 수 있다.

S1205 단계에서, 장치(30)는 생성된 복용 금지 리스트를 제1 사용자 단말(11)로 전송할 수 있다.

도 13은 추천 영양소 정보들을 조정하는 과정을 설명하기 위한 순서도이다.

도 13을 참조하면, 먼저 S1301 단계에서, 장치(30)는 미리 정의된 기간 내 제1 사용자의 섭취한 음식물의 이미지들인 음식물 이미지들을 획득할 수 있다.

이때, 장치(30)는 제1 사용자 단말(11)의 카메라를 통해 촬영된 이미지를 통해 제1 사용자의 섭취한 음식물들의 이미지인 음식물 이미지들을 획득할 수도 있다. 음식물 이미지들을 획득하는 방법은 이에 한정되지 않고, 실시예에 따라 다양한 방법으로 획득될 수 있다.

이때, 미리 정의된 기간은 미리 정의된 기간은 실시예에 따라 상이하게 설정될 수 있으며, 예를 들어, 미리 정의된 기간은 주, 월, 분기, 연도 등 다양하게 설정될 수 있다.

S1302 단계에서, 장치(30)는 미리 정의된 기간 내 제1 사용자가 구매한 식재료들의 리스트인 식재료 리스트를 획득할 수 있다. 일실시예에 따르면, 장치(30)는 제1 사용자가 구매한 식재료들에 대한 정보 입력 페이지를 생성하여 제1 사용자 단말(11)로 전송할 수 있으며, 정보 입력 페이지를 통해 제1 사용자가 구매한 식재료들이 입력되면, 제1 사용자 단말(11)로부터 식재료 리스트를 획득할 수 있다.

일실시예에 따르면, 장치(30)는 제1 사용자 단말(11)로 미리 정의된 기간의 제1 사용자가 구매한 식재료들을 입력하기 위한 페이지를 제공할 수 있다. 식재료들을 입력하기 위해 제공된 페이지를 통해 식재료들이 입력되면, 장치(30)는 제1 사용자 단말(11)로부터 식재료들을 수신하고, 수신된 식재료들에 대한 식재료 리스트를 획득할 수 있다.

S1303 단계에서, 장치(30)는 제1 사용자 단말(11)로부터 제1 사용자의 외식 및 가정식에 각각 대응하는 제1 가중치 및 제2 가중치를 수신할 수 있다. 예를 들어, 장치(30)는 외식에 대응하는 제1 가중치를 0.4로, 가정식에 대응하는 제2 가중치를 0.6으로 설정할 수 있다.

이때, 제1 가중치는 제1 사용자의 외식에 대응하는 가중치이고, 제2 가중치는 제1 사용자의 가정식에 대응하는 가중치로, 제1 가중치 및 제2 가중치는 실시예에 따라 상이하게 설정될 수 있다.

S1304 단계에서, 장치(30)는 음식물 이미지들로부터 음식물 객체들을 추출하고, 추출된 음식물 객체들을 식별하고, 식별된 음식물 객체들 내 각 음식물 객체들의 제1 비율들을 각각 생성할 수 있다.

장치(30)는 음식물 이미지들 내 적어도 하나의 음식물을 포함하는 음식물 객체를 배경으로부터 분리할 수 있다. 장치(30)는 음식물의 외관, 패턴 및 색상을 기초로 픽셀 별로 음식물인지 배경인지 여부를 판단할 수 있다. 이때, 장치(30)가 음식물 객체를 추출하는 방식에는 다양한 방법이 채용될 수 있다.

S1305 단계에서, 장치(30)는 식별된 음식물 객체들 내 각 음식물 객체들의 비율인 제1 비율들을 각각 생성할 수 있다. 예를 들어, 음식물 이미지들로부터 식별된 음식물 객체들이 치킨, 파스타, 피자인 경우, 장치(30)는 식별된 음식물 객체들 내 치킨, 파스타 및 피자 각각의 음식물 객체들의 비율인 제1 비율들을 생성할 수 있다. 장치(30)는 치킨, 파스타 및 피자에 대하여, 30%, 20%, 50%로 제1 비율들을 생성할 수 있다.

S1306 단계에서, 장치(30)는 제1 가중치를 제1 비율들에 적용하여 제1 계수들을 생성할 수 있다. 예를 들어, 제1 가중치가 0.4이고, 제1 비율들이 30%, 20%, 50%인 경우, 장치(30)는 제1 가중치를 제1 비율들에 적용하여 12, 8, 20으로 제1 계수들을 생성할 수 있다.

S1307 단계에서, 장치(30)는 제1 계수들을 각 음식물 객체들에 적용하여 제1 영양소 정보들을 생성할 수 있다. 일실시예에 따르면, 장치(30)는 생성된 제1 계수들인 12, 8, 20을 각 음식물 객체들에 적용하여 제1 영양소 정보들을 생성할 수 있다. 이때, 제1 영양소 정보는 각 음식물 객체가 포함하고 있는 영양소의 종류 및 양에 대한 정보를 의미할 수 있다.

S1308 단계에서, 장치(30)는 식재료 리스트 내 각 식재료들의 제2 비율들을 각각 생성할 수 있다. 예를 들어, 식재료 리스트 내 식재료들이 계란, 멸치, 미역인 경우, 장치(30)는 계란, 멸치, 미역의 각 식재료들의 제2 비율들을 생성할 수 있다. 장치(30)는 계란, 멸치 및 미역에 대하여, 15%, 25%, 60%로 제2 비율들을 생성할 수 있다.

S1309 단계에서, 장치(30)는 제2 가중치를 제2 비율들에 적용하여 제2 계수들을 생성할 수 있다. 예를 들어, 제2 가중치가 0.6이고, 제2 비율들이 15%, 25%, 60%인 경우, 장치(30)는 제2 가중치를 제2 비율들에 적용하여 9, 15, 36으로 제2 계수들을 생성할 수 있다.

S1310 단계에서, 장치(30)는 제2 계수들을 각 식재료들에 적용하여 제2 영양소 정보들을 생성할 수 있다. 일실시예에 따르면, 장치(30)는 생성된 제2 계수들인 9, 15, 36을 각 식재료들에 적용하여 제2 영양소 정보들을 생성할 수 있다. 이때, 제2 영양소 정보는 각 식재료가 포함하고 있는 영양소의 종류 및 양에 대한 정보를 의미할 수 있다.

S1311 단계에서, 장치(30)는 제1 영양소 정보들 및 제2 영양소 정보들을 미리 정의된 기간으로 나누어, 제1 사용자의 일 단위 섭취 영양소 정보들을 생성할 수 있다.

S1312 단계에서, 장치(30)는 제1 사용자의 나이, 성별, 키 및 몸무게에 기초하여 일 단위 표준 영양소 정보들을 생성할 수 있다. 예를 들어, 제1 사용자가 20대, 여성, 160cm, 50kg인 경우, 장치(30)는 제1 사용자의 나이, 성별, 키 및 몸무게에 기초하여 일 단위 표준 영양소 정보들을 생성할 수 있다

S1313 단계에서, 장치(30)는 표준 영양소 정보들 및 일 단위 섭취 영양소 정보들에 기초하여, 제1 사용자에 대응하는 필요 영양소 정보들을 생성하고, 생성된 필요 영양소 정보들에 기초하여 추천 영양소 정보들을 조정할 수 있다.

일실시예에 따르면, 장치(30)는 표준 영양소 정보들 및 일 단위 섭취 영양소 정보들을 비교하여, 제1 사용자에게 필요한 영양소에 대한 필요 영양소 정보들을 생성할 수 있다. 장치(30)는 필요 영양소 정보들에 기초하여 추천 영양소 정보들을 조정할 수 있다.

한편, 장치(30)는 제1 건강기능식품을 제조하는 업체에 근무하는 복수의 직원을 그룹화하여, 팀 프로젝트를 수행하기 위한 팀으로 각각 분류할 수 있다.

구체적으로, 장치(30)는 팀 프로젝트를 수행하기 위한 대기 공간에 접속한 직원 계정을 확인하여, 대기 공간에 접속한 복수의 직원을 그룹화할 수 있다. 이때, 장치(30)는 직원의 기본 정보를 이용하여, 복수의 직원을 그룹화할 수 있다. 여기서, 직원의 기본 정보는 부서명, 직급, 나이, 근무 지역, 팀 프로젝트 수행 경력 등에 대한 정보를 포함할 수 있다.

예를 들어, 장치(30)는 대기 공간에 접속한 상태인 직원들 각각의 나이를 확인한 후, 비슷한 나이를 가지는 직원들을 구분하여 그룹으로 지정할 수 있다. 또한, 장치(30)는 대기 공간에 접속한 상태인 직원들 각각의 근무 지역을 확인한 후, 동일한 지역에서 근무하는 직원들을 구분하여 그룹으로 지정할 수 있다. 또한, 장치(30)는 대기 공간에 접속한 상태인 직원들 각각의 팀 프로젝트 수행 경력을 확인한 후, 경력이 비슷한 직원들을 구분하여 그룹으로 지정할 수 있다. 이외에도, 다양한 조건을 통해 대기 공간에 접속한 복수의 직원을 구분하여, 복수의 직원을 그룹화할 수 있다.

장치(30)는 복수의 직원을 그룹화하여 복수의 직원을 각 그룹으로 지정하면, 각 그룹을 팀 프로젝트를 수행하기 위한 팀으로 각각 설정하여, 복수의 직원을 팀 프로젝트를 수행하기 위한 팀으로 각각 분류할 수 있다.

예를 들어, 팀 프로젝트를 수행하기 위한 대기 공간에 접속한 직원 계정으로 제1 직원, 제2 직원, 제3 직원 및 제4 직원이 확인된 경우, 장치(30)는 제1 직원 및 제2 직원을 하나의 그룹으로 지정하고, 제3 직원 및 제4 직원을 하나의 그룹으로 지정한 후, 제1 직원 및 제2 직원을 포함하는 그룹을 제1 팀으로 분류하고, 제3 직원 및 제4 직원을 포함하는 그룹을 제2 팀으로 분류할 수 있다.

이후, 장치(30)는 팀으로 분류된 직원 각각에게 역할을 부여할 수 있다. 이때, 장치(30)는 직원의 팀 프로젝트 수행 경력, 선호 업무 등을 고려하여, 직원 각각에게 역할을 부여할 수 있다.

예를 들어, 팀 프로젝트가 팀 단합을 도모하기 위해 목적지까지 도달해야 하는 항해 업무이고, 제1 직원, 제2 직원, 제3 직원, 제4 직원, 제5 직원 및 제6 직원이 제1 팀으로 분류된 경우, 장치(30)는 제1 직원을 선장으로 지정하여 제1 직원에게 선장 역할을 부여하고, 제2 직원을 항해사로 지정하여 제2 직원에게 항해사 역할을 부여하고, 제3 직원을 통신사로 지정하여 제3 직원에게 통신사 역할을 부여하고, 제4 직원을 조타수로 지정하여 제4 직원에게 조타수 역할을 부여하고, 제5 직원을 갑판장으로 지정하여 제5 직원에게 갑판장 역할을 부여하고, 제6 직원을 주방장으로 지정하여 제6 직원에게 주방장 역할을 부여할 수 있다.

이후, 팀 프로젝트를 수행하고자 하는 팀의 팀원들은 팀 프로젝트 수행을 준비할 수 있다. 이를 위해, 장치(30)는 팀 프로젝트 수행 준비를 위한 가상 공간을 제공할 수 있다.

예를 들어, 팀 프로젝트가 항해 업무이고, 제1 팀이 항해 업무를 수행하고자 하는 경우, 장치(30)는 항해를 시작하기 전에 항해에 필요한 물품을 구입할 수 있는 가상 공간을 제공할 수 있다. 이때, 가상 공간에는 물, 식량, 수리키트, 구명의, 음파탐지기 등의 물품을 판매하는 상점이 마을에 배치되어 있어, 팀 프로젝트를 수행하고자 하는 팀의 팀원들은 자신에게 부여된 역할에 따라 상점에서 물품을 구입하여, 팀 프로젝트 수행을 준비할 수 있다.

이후, 장치(30)는 팀 프로젝트 수행 준비가 완료되었는지 여부를 확인할 수 있다. 이때, 장치(30)는 팀 프로젝트를 수행하고자 하는 팀에 소속된 팀원들이 모두 팀 프로젝트 수행 준비를 완료한 경우, 팀 프로젝트 수행 준비가 완료된 것으로 확인할 수 있다.

팀 프로젝트 수행 준비가 완료되지 않은 것으로 확인되면, 팀 프로젝트를 수행하고자 하는 팀의 팀원들은 팀 프로젝트 수행을 계속 준비할 수 있다.

팀 프로젝트 수행 준비가 완료된 것으로 확인되면, 팀 프로젝트를 수행하고자 하는 팀의 팀원들은 팀 프로젝트를 수행할 수 있다. 이를 위해, 장치(30)는 팀 프로젝트 수행을 위한 가상 공간을 제공할 수 있다.

예를 들어, 팀 프로젝트가 항해 업무이고, 제1 팀의 팀원들이 모두 항해 업무에 대한 준비가 완료된 경우, 장치(30)는 가상 공간 내에서 제1 팀의 항해선을 항해시켜 항해 게임이 실행되도록 처리할 수 있다.

이후, 장치(30)는 제1 팀에서 팀 프로젝트를 수행하는 도중, 문제 상황이 발생하였는지 여부를 확인할 수 있다.

예를 들어, 팀 프로젝트가 항해 업무이고, 제1 팀의 항해선이 항해하는 도중, 폭풍, 해일 등으로 문제 상황이 발생하였는지 여부를 확인할 수 있다.

문제 상황이 발생한 것으로 확인되면, 장치(30)는 문제 상황에 따라 선택된 반응 정보를 직원 별로 획득할 수 있다. 여기서, 반응 정보는 문제 상황에 대응하여 직원에 의해 선택된 반응을 나타내는 정보이다.

예를 들어, 팀 프로젝트가 항해 업무이고, 제1 팀의 항해선이 항해하는 도중, 폭풍으로 인해 침몰 위험에 대한 문제 상황이 발생한 경우, 장치(30)는 제1 팀의 팀원 각각으로부터 선택된 반응 정보를 획득할 수 있다. 이때, 장치(30)는 제1 팀의 팀원들 각각에게 부여된 역할을 구분하여, 직원 별로 반응 정보를 획득할 수 있다.

예를 들어, 장치(30)는 제1 직원의 역할이 선장이고 침몰 위험 시 선장 역할을 수행하는 제1 직원의 반응으로 다른 팀원들에게 위험 상황을 경고한 경우, 제1 직원의 반응을 제1 직원의 반응 정보로 획득하고, 제2 직원의 역할이 항해사이고 침몰 위험 시 항해사 역할을 수행하는 제2 직원의 반응으로 항해선의 항로를 변경한 경우, 제2 직원의 반응을 제2 직원의 반응 정보로 획득할 수 있다.

이후, 장치(30)는 제1 팀에서 수행하는 팀 프로젝트가 종료되었는지 여부를 확인할 수 있다.

일실시예에 따르면, 팀 프로젝트는 끝까지 전부 수행하면 종료될 수 있으며, 팀 프로젝트를 수행하는 도중 더 이상 진행할 수 없는 상태로 변경되면 종료될 수 있다. 예를 들어, 팀 프로젝트가 항해 업무인 경우, 항해를 통해 목적지까지 도착하면 항해 업무가 종료될 수 있고, 항해를 하는 도중 항해선이 침몰하여 더 이상 항해를 할 수 없는 상태가 되어 버리면 항해 업무가 종료될 수 있다.

팀 프로젝트가 종료되지 않은 것으로 확인되면, 팀 프로젝트를 수행하고자 하는 팀의 팀원들은 팀 프로젝트를 계속 수행할 수 있다.

팀 프로젝트가 종료된 것으로 확인되면, 장치(30)는 문제 상황 별로 획득된 반응 정보에 기초하여, 각 직원에게 부여된 역할의 업무를 상황 별로 잘 수행하였는지 평가할 수 있다.

예를 들어, 제1 팀에서 항해 업무에 대한 팀 프로젝트를 수행하였으며, 제1 직원이 제1 팀에서 선장 역할이고, 제2 직원이 제1 팀에서 항해사 역할인 경우, 장치(30)는 제1 팀에서 팀 프로젝트를 수행하는 도중 제1 문제 상황이 발생한 경우, 제1 문제 상황을 해결하기 위해 선장 역할을 수행하는 제1 직원의 반응으로 생성된 제1-1 반응 정보를 획득하고, 제1 문제 상황을 해결하기 위해 항해사 역할을 수행하는 제2 직원의 반응으로 생성된 제1-2 반응 정보를 획득할 수 있다. 이후, 장치(30)는 제1 팀에서 팀 프로젝트를 수행하는 도중 제2 문제 상황이 발생한 경우, 제2 문제 상황을 해결하기 위해 선장 역할을 수행하는 제1 직원의 반응으로 생성된 제2-1 반응 정보를 획득하고, 제2 문제 상황을 해결하기 위해 항해사 역할을 수행하는 제2 직원의 반응으로 생성된 제2-2 반응 정보를 획득할 수 있다.

이후, 장치(30)는 제1 팀에서 수행중인 팀 프로젝트가 종료되면, 제1-1 반응 정보 및 제2-1 반응 정보에 기초하여, 선장 역할을 수행하는 제1 직원의 업무를 상황 별로 잘 수행하였는지 평가할 수 있으며, 제1-2 반응 정보 및 제2-2 반응 정보에 기초하여, 항해사 역할을 수행하는 제2직원의 업무를 상황 별로 잘 수행하였는지 평가할 수 있다.

장치(30)나 각 직원에게 부여된 역할의 업무를 상황 별로 잘 처리하였는지 평가할 때, 역할의 종류에 따라 미리 설정된 정량 지표를 기준으로, 얼마나 빨리 정확하게 반응하였는지에 따라, 정량 평가를 수행할 수 있다.

각 직원에게 부여된 역할의 업무를 상황 별로 잘 처리하였는지 평가하는 구체적인 설명은 다음과 같다.

먼저, 장치(30)는 제1 팀에서 수행중인 팀 프로젝트가 종료되면, 팀 프로젝트를 수행하는 도중 대화창에 입력된 제1 팀의 대화 정보를 획득할 수 있다. 이를 위해, 팀 프로젝트를 수행하는 도중 팀원들이 의견을 교환할 수 있도록 대화창이 제공될 수 있다.

이후, 장치(30)는 제1 팀의 대화 정보에서 제1 직원에 의해 입력된 제1 직원의 대화 정보를 추출할 수 있다.

예를 들어, 제1 직원 및 제2 직원이 제1 팀인 경우, 제1 팀의 대화 정보에는 제1 직원이 입력한 대화와 제2 직원이 입력한 대화가 포함되어 있으며, 장치(30)는 제1 팀의 대화 정보에서 제1 직원이 입력한 대화만 선별하여, 제1 직원의 대화 정보를 추출할 수 있다.

이후, 장치(30)는 제1 직원의 대화 정보에 기초하여, 제1 직원의 대화에서 능동적인 의미를 가지는 단어를 구분할 수 있다.

예를 들어, 제1 직원의 대화에서 “항로를 우측으로 변경하자”가 있는 것으로 확인되는 경우, 장치(30)는 제1 직원의 대화에서 “항로를”, “우측으로”, “변경하자”로 각각의 단어를 분류할 수 있으며, 분류된 단어 중 “변경하자”를 능동적인 의미를 가지는 단어로 구분할 수 있다.

이후, 장치(30)는 문제 상황 발생으로부터 기준 시간 이내에 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 존재하는지 여부를 확인할 수 있다. 여기서, 기준 시간은 실시예에 따라 상이하게 설정될 수 있다.

예를 들어, 기준 시간이 10초로 설정되어 있는 경우, 장치(30)는 제1 문제 상황이 발생한 이후 10초 이내에, 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 있는지 여부를 확인하고, 제2 문제 상황이 발생한 이후 10초 이내에, 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 있는지 여부를 확인할 수 있다.

이후, 장치(30)는 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 기준 시간 이내에 등장한 문제 상황의 수를 제1 횟수로 산출할 수 있다.

예를 들어, 팀 프로젝트를 수행하는 도중 제1 문제 상황, 제2 문제 상황, 제3 문제 상황이 발생하였는데, 장치(30)는 제1 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 존재하는 것으로 확인하고, 제2 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 존재하는 것으로 확인되고, 제3 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 능동적인 의미를 가지는 단어가 존재하지 않는 것으로 확인되면, 제1 문제 상황 및 제2 문제 상황에서만 능동적인 의미를 가지는 단어가 기준 시간 이내에 등장하였으므로, 제1 횟수를 2회로 산출할 수 있다.

한편, 장치(30)는 제1 직원의 대화 정보에 기초하여, 제1 직원의 대화에서 수동적인 의미를 가지는 단어를 구분할 수 있다.

예를 들어, 제1 직원의 대화에서 “그래 그러자”가 있는 것으로 확인되는 경우, 장치(30)는 제1 직원의 대화에서 “그래”, “그러자”로 각각의 단어를 분류할 수 있으며, 분류된 단어 중 “그러자”를 수동적인 의미를 가지는 단어로 구분할 수 있다.

이후, 장치(30)는 문제 상황 발생으로부터 기준 시간 이내에 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 존재하는지 여부를 확인할 수 있다.

예를 들어, 기준 시간이 10초로 설정되어 있는 경우, 장치(30)는 제1 문제 상황이 발생한 이후 10초 이내에, 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 있는지 여부를 확인하고, 제2 문제 상황이 발생한 이후 10초 이내에, 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 있는지 여부를 확인할 수 있다.

이후, 장치(30)는 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 기준 시간 이내에 등장한 문제 상황의 수를 제2 횟수로 산출할 수 있다.

예를 들어, 팀 프로젝트를 수행하는 도중 제1 문제 상황, 제2 문제 상황, 제3 문제 상황이 발생하였는데, 장치(30)는 제1 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 존재하는 것으로 확인하고, 제2 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 존재하는 것으로 확인되고, 제3 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 수동적인 의미를 가지는 단어가 존재하는 것으로 확인되면, 제1 문제 상황, 제2 문제 상황 및 제3 문제 상황에서 수동적인 의미를 가지는 단어가 기준 시간 이내에 등장하였으므로, 제2 횟수를 3회로 산출할 수 있다.

한편, 장치(30)는 제1 직원의 대화 정보에 기초하여, 제1 직원의 대화에서 문제 상황을 해결하는데 있어 중요한 의미를 가지는 단어를 구분할 수 있다. 여기서, 문제 상황을 해결하는데 있어 중요한 의미를 가지는 단어는 문제 상황 별로 상이하게 설정될 수 있다.

예를 들어, 제1 직원의 대화에서 “항로를 우측으로 변경하자”가 있는 것으로 확인되는 경우, 장치(30)는 제1 직원의 대화에서 “항로를”, “우측으로”, “변경하자”로 각각의 단어를 분류할 수 있으며, 분류된 단어 중 “우측으로”를 중요한 의미를 가지는 단어로 구분할 수 있다.

이후, 장치(30)는 문제 상황 발생으로부터 기준 시간 이내에 제1 직원의 대화에서 중요한 의미를 가지는 단어가 존재하는지 여부를 확인할 수 있다.

예를 들어, 기준 시간이 10초로 설정되어 있는 경우, 장치(30)는 제1 문제 상황이 발생한 이후 10초 이내에, 제1 직원의 대화에서 제1 문제 상황에 중요한 의미를 가지는 단어가 있는지 여부를 확인하고, 제2 문제 상황이 발생한 이후 10초 이내에, 제1 직원의 대화에서 제2 문제 상황에 중요한 의미를 가지는 단어가 있는지 여부를 확인할 수 있다.

이후, 장치(30)는 제1 직원의 대화에서 중요한 의미를 가지는 단어가 기준 시간 이내에 등장한 문제 상황의 수를 제3 횟수로 산출할 수 있다.

예를 들어, 팀 프로젝트를 수행하는 도중 제1 문제 상황, 제2 문제 상황, 제3 문제 상황이 발생하였는데, 장치(30)는 제1 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 제1 문제 상황에 중요한 의미를 가지는 단어가 존재하는 것으로 확인하고, 제2 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 제2 문제 상황에 중요한 의미를 가지는 단어가 존재하지 않는 것으로 확인되고, 제3 문제 상황이 발생한 이후 기준 시간 이내에 제1 직원의 대화에서 제3 문제 상황에 중요한 의미를 가지는 단어가 존재하지 않는 것으로 확인되면, 제1 문제 상황에서만 중요한 의미를 가지는 단어가 기준 시간 이내에 등장하였으므로, 제3 횟수를 1회로 산출할 수 있다.

장치(30)는 제1 횟수, 제2 횟수 및 제3 횟수가 각각 산출되면, 제1 횟수를 통해 제1 직원의 리더십을 평가하고, 제2 횟수를 통해 제1 직원의 팔로우십을 평가하고, 제3 횟수를 통해 제1 직원의 위기대처능력을 평가할 수 있다.

예를 들어, 팀 프로젝트를 수행하는데 있어 총 10번의 문제 상황이 발생한 경우, 장치(30)는 제1 횟수가 8회로 확인되면, 제1 직원의 리더십을 80점으로 평가하고, 제2 횟수가 6회로 확인되면, 제1 직원의 팔로우십을 60점으로 평가하고, 제3 횟수가 4회로 확인되면, 제1 직원의 위기대처능력을 40점으로 평가할 수 있다.

이를 통해, 장치(30)는 직원의 대화에서 자연어 처리를 통해, 리더십, 팔로우십, 위기대처능력에 대한 정성 평가를 수행하고, 항목 별로 수치화하여 시각화된 평가 결과를 직원들에게 제공할 수 있다.

도 14는 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(30)는 프로세서(31) 및 메모리(32)를 포함한다. 일실시예에 따른 장치(30)는 상술한 서버 또는 단말일 수 있다. 프로세서(31)는 도 1 내지 도 13을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 13을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(32)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(32)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(31)는 프로그램을 실행하고, 장치(30)를 제어할 수 있다. 프로세서(31)에 의하여 실행되는 프로그램의 코드는 메모리(32)에 저장될 수 있다. 장치(30)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

1. 장치에 의해 수행되는 방법에 있어서,
   제1 사용자의 제1 사용자 단말로부터 건강기능식품 추천 요청을 수신하는 단계;
   상기 건강기능식품 추천 요청에 응답하여, 상기 제1 사용자의 이름, 나이, 성별, 키 및 몸무게를 포함하는 개인 정보를 상기 제1 사용자 단말로부터 획득하는 단계;
   상기 제1 사용자의 증상 카테고리 정보-상기 증상 카테고리 정보는 에너지/피로/간, 심혈관/혈액순환, 소화/장, 눈/입, 두뇌활동/수면, 뼈/관절/근육, 기관지/면역, 피부/모발 및 여성고민/남성고민 중 적어도 하나를 포함함-를 상기 제1 사용자 단말로부터 획득하는 단계;
   상기 개인 정보 및 상기 증상 카테고리 정보에 기초하여 제1 입력 신호를 생성하고, 상기 생성된 제1 입력 신호를 제1 인공신경망-상기 제1 인공신경망은 트레이닝 개인 정보들, 트레이닝 증상 카테고리 정보들, 제1 출력 신호들 및 트레이닝 추천 영양소 정보들에 기초하여 미리 학습됨-에 적용하여 제1 출력 신호를 생성하는 단계;
   상기 제1 출력 신호에 기초하여 상기 제1 사용자에 대응하는 추천 영양소 정보를 생성하는 단계; 및
   기 등록된 건강기능식품들로부터 상기 추천 영양소 정보에 대응하는 추천 건강기능식품을 선정하는 단계
   를 포함하고,
   상기 추천 영양소 정보들은 상기 트레이닝 개인 정보들 및 상기 트레이닝 증상 카테고리 정보들에 각각 대응하는 추천 영양소 정보들이고,
   상기 제1 출력 신호들은 상기 트레이닝 개인 정보들 및 상기 트레이닝 증상 카테고리 정보들에 기초하여 생성된 제1 트레이닝 입력 신호들이 상기 제1 인공신경망에 적용되어 생성된 출력 신호들이며,
   상기 제1 인공신경망은 상기 제1 출력 신호들 및 상기 트레이닝 추천 영양소 정보들의 차이들에 기초하여 생성된 트레이닝 에러들을 최소화하여 학습되고,
   상기 추천 건강기능식품을 선정하는 단계는
   기 등록된 원료들로부터 상기 추천 영양소 정보에 대응하는 원료들을 원료 정보로 생성하는 단계;
   상기 제1 사용자 단말로부터 상기 제1 사용자의 임신 여부, 흡연 여부, 음주 여부, 육류 섭취 여부 및 알레르기 여부에 대한 생활 특성 정보를 수신하는 단계;
   상기 원료 정보 및 상기 생활 특성 정보에 기초하여 제2 입력 신호를 생성하고, 상기 생성된 제2 입력 신호를 제2 인공신경망-상기 제2 인공신경망은 트레이닝 원료 정보들, 트레이닝 생활 특성 정보들, 제2 출력 신호들 및 트레이닝 추천 원료 정보들에 기초하여 미리 학습됨-에 적용하여 제2 출력 신호를 생성하는 단계;
   상기 제2 출력 신호에 기초하여 상기 원료 정보 및 상기 제1 사용자의 생활 특성에 대응하는 추천 원료 정보를 생성하는 단계;
   상기 기 등록된 건강기능식품들로부터 상기 추천 원료를 포함하는 건강기능식품들에 대한 제1 추천 건강기능식품 리스트를 생성하는 단계;
   상기 제1 추천 건강기능식품 리스트에 포함된 건강기능식품들에 대한 인증 상품들-상기 인증 상품들은 FDA(U.S. Food and Drug Administration, FDA) B등급 이상, 식약처의 건강기능식품 인증 보유 및 제조소 소재 국가의 GMP 인증 보유 중 적어도 하나 이상의 조건을 만족함-을 추출하는 단계;
   상기 인증 상품들의 원료 순도, 총 정제 함량 중 원료의 비중, 일일 권장량 중 원료의 비중 및 섭취 방법을 획득하는 단계;
   상기 원료 순도, 상기 총 정제 함량 중 원료의 비중, 상기 일일 권장량 중 원료의 비중 및 상기 섭취 방법을 제3 인공신경망에 적용하여 상기 인증 상품들 각각에 대응하는 원료 순도 점수, 원료 비중 점수, 일일 권장량 충족 점수 및 섭취 편리성 점수를 산출하는 단계;
   상기 원료 순도 점수, 상기 원료 비중 점수, 상기 일일 권장량 충족 점수 및 상기 섭취 편리성 점수를 합산하여 상기 인증 상품들 각각에 대응하는 추천 점수를 산출하는 단계;
   상기 인증 상품들의 추천 점수가 높은 순서대로 제2 추천 건강기능식품 리스트를 생성하는 단계;
   생성된 상기 제2 추천 건강기능식품 중에서 상기 추천 점수가 가장 높은 상품인 제1 건강기능식품에 대해 추천 건강기능식품을 선정하는 단계; 및
   상기 추천 건강기능식품을 상기 제1 사용자 단말로 전송하는 단계
   를 포함하고,
   상기 제1 출력 신호를 생성하는 단계는
   상기 제1 사용자 단말로부터 상기 제1 사용자의 현재 위치 정보를 획득하는 단계;
   상기 제1 사용자의 현재 위치가 제1 지역인 경우, 상기 제1 지역에 대응하는 날씨 정보-상기 날씨 정보는 온도, 습도, 미세먼지 농도 및 강수량 중 어느 하나를 포함함-를 획득하는 단계; 및
   상기 개인 정보 및 상기 날씨 정보에 기초하여 제1 입력 신호를 생성하고, 상기 생성된 제1 입력 신호를 상기 제1 인공신경망을 이용하여, 상기 개인 정보 및 상기 날씨 정보에 대응하는 날씨 기반 추천 영양소 정보를 포함하는 상기 제1 출력 신호를 생성하는 단계
   를 포함하고,
   상기 추천 영양소 정보를 생성하는 단계는
   상기 제1 출력 신호에 포함된 상기 날씨 기반 추천 영양소 정보에 상기 증상 카테고리 정보를 적용한 상기 추천 영양소 정보를 생성하는 단계
   를 포함하고,
   제1 사용자 단말로부터 상기 제1 사용자가 섭취하고 있는 기섭취 건강기능식품 및 섭취 시작 시점인 제1 시점을 획득하는 단계;
   상기 기섭취 건강기능식품의 전체 용량 및 복용 방법을 포함하는 복용 정보를 획득하는 단계;
   상기 제1 시점에서 제1 기간이 경과한 제2 시점에 기섭취 건강기능식품의 촬영 요청 메시지를 제1 사용자 단말에 송신하는 단계;
   상기 기섭취 건강기능식품의 촬영 이미지를 수신하여 상기 기섭취 건강기능식품의 잔여 용량을 분석하는 단계;
   상기 복용 정보로부터 제2 시점에 남아있어야하는 용량인 기준 용량과 상기 잔여 용량을 비교하는 단계;
   상기 기준 용량과 상기 잔여 용량의 차이가 미리 설정된 차이값보다 큰 경우, 상기 복용 정보를 이용하여 상기 기섭취 건강기능식품의 복용 방법을 안내하는 복용법 알림 메시지를 상기 제1 사용자 단말에 전송하는 단계;
   상기 기준 용량과 상기 잔여 용량의 차이가 미리 설정된 차이값보다 작은 경우, 상기 복용 정보를 이용하여 상기 기섭취 건강기능식품의 효능을 안내하는 효능 알림 메시지를 상기 제1 사용자 단말에 전송하는 단계;를 더 포함하는
   인공지능 기반 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스 제공 방법.
2. 삭제
3. 삭제

Images