KR102477606B1 - Social media big data analysis system - Google Patents

Social media big data analysis system Download PDF

Info

Publication number
KR102477606B1
KR102477606B1 KR1020220081549A KR20220081549A KR102477606B1 KR 102477606 B1 KR102477606 B1 KR 102477606B1 KR 1020220081549 A KR1020220081549 A KR 1020220081549A KR 20220081549 A KR20220081549 A KR 20220081549A KR 102477606 B1 KR102477606 B1 KR 102477606B1
Authority
KR
South Korea
Prior art keywords
data
unit
roller
card
printer
Prior art date
Application number
KR1020220081549A
Other languages
Korean (ko)
Inventor
김성철
Original Assignee
주식회사 아이써치마케팅
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 아이써치마케팅 filed Critical 주식회사 아이써치마케팅
Priority to KR1020220081549A priority Critical patent/KR102477606B1/en
Application granted granted Critical
Publication of KR102477606B1 publication Critical patent/KR102477606B1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/907Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/951Indexing; Web crawling techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9536Search customisation based on social or collaborative filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06KGRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K15/00Arrangements for producing a permanent visual presentation of the output data, e.g. computer output printers
    • G06K15/02Arrangements for producing a permanent visual presentation of the output data, e.g. computer output printers using printers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03Data mining

Abstract

The present invention relates to an SNS big data analysis system which comprises: a web data server that searches for and collects data of a product posted on various accounts when searched on an SNS by a hash tag; and an analysis server that analyzes, organizes, classifies, and manages the data received from the web data server.

Description

SNS 빅데이터 분석 시스템{Social media big data analysis system}SNS big data analysis system {Social media big data analysis system}

본 발명은 SNS 빅데이터 분석 시스템에 관한 것이다.The present invention relates to an SNS big data analysis system.

국내 빅 데이터 시장은 2015년 3,000억 원대를 형성하며, 2020년 1조원 규모로 성장할 것으로 예상된다. 빅 데이터와 관련된 국내 시장 규모도 매년 28% 이상 성장하고 있다. 빅 데이터의 활용이, 리서치, 컨설팅 영역에서 집중되고 있지만, 아직 상업 목적, 광고 목적의 시장에서도 활용가능성이 높다.The domestic big data market was worth 300 billion won in 2015, and is expected to grow to 1 trillion won in 2020. The size of the domestic market related to big data is also growing by more than 28% every year. Although the use of big data is concentrated in the areas of research and consulting, it is still highly likely to be used in the market for commercial and advertising purposes.

이에 따라 마케팅 방식이 다양해지고 SNS 검색을 통한 상품 주문이 많아짐에 따라 그에 따른 수요도 증가하고 있다. 그 수요에 발맞추어 고객들의 취향을 파악하고 고객들의 검색어 데이터를 분석하여 마케팅에 활용하려는 노력 또한 증가하고 있다.Accordingly, as marketing methods are diversified and product orders through SNS search increase, the corresponding demand is also increasing. In line with the demand, efforts to identify customers' tastes and analyze customer search word data to utilize them for marketing are also increasing.

삭제delete

제10-2019-0120263호(2021년 04월 07월 공개, 공개번호 10-2021-0037842)No. 10-2019-0120263 (released in April 07, 2021, Publication No. 10-2021-0037842)

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 본 발명의 목적은, 웹데이터 서버를 통해 계정, 해시태그 등으로 SNS 검색을 하였을 때 다양한 계정에 등재된 게시물의 데이터를 쉽게 수집하고, 분석 서버를 통해 수집한 데이터를 정리 분석하여 계정 점수를 산출하며 이러한 점수를 토대로 마케팅에 활용하는 SNS 빅데이터 분석 시스템을 제공하는 것이다.The present invention has been made to solve the above problems, and an object of the present invention is to easily collect data of posts registered in various accounts when searching for SNS by account, hashtag, etc. through a web data server, It is to organize and analyze the data collected through the analysis server to calculate account scores, and to provide an SNS big data analysis system that is used for marketing based on these scores.

본 발명의 기술적 과제는 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The technical problem of the present invention is not limited to the technical problems mentioned above, and other technical problems not mentioned will be clearly understood by those skilled in the art from the following description.

본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템은, 해시태그로 SNS에서 검색하였을 때 다양한 계정에 게시된 상품의 데이터를 검색하고 수집하는 웹데이터 서버; 및 상기 웹데이터 서버로부터 받은 데이터를 분석하여 정리 및 분류하고 관리하는 분석 서버;를 포함할 수 있다.An SNS big data analysis system according to an embodiment of the present invention includes a web data server that searches and collects product data posted in various accounts when searched in SNS by hashtag; and an analysis server that analyzes, organizes, classifies, and manages the data received from the web data server.

일 실시예에서, 상기 웹데이터 서버는, 다양한 계정에 게시된 상품의 정보와 해시태그를 검색하고 수집하는 데이터수집부; 및 상기 데이터수집부로부터 수집된 데이터를 상기 분석 서버로 송신하는 송신부;를 포함할 수 있다.In one embodiment, the web data server may include: a data collection unit for searching and collecting product information and hashtags posted in various accounts; and a transmission unit for transmitting the data collected from the data collection unit to the analysis server.

일 실시예에서, 상기 분석 서버는, 상기 웹데이터 서버로부터 데이터를 수신하고 정리된 데이터를 관리 단말로 데이터를 송신하는 송수신부; 상기 웹데이터 서버로부터 수신한 데이터에서 계정 점수 산출에 필요한 데이터를 추출하는 데이터추출부; 상기 데이터추출부로부터 추출한 데이터를 정리하고 분석하여 검색 해시태그에 따른 계정, 계정의 팔로워 수, 팔로우 수, 게시물 수, 좋아요 수, 평균 좋아요 수를 토대로 점수를 산출하고 점수순으로 계정을 나열하는 해시태그분석부; 상기 데이터추출부로부터 추출한 데이터를 정리하고 검색 계정에 따른 좋아요, 팔로워 수, 게시물 수의 변화를 분석하여 그래프와 데이터로 표시하는 계정분석부; SNS 계정의 프로필 설명에 기재된 단어를 검색하면 계정, 계정이름, 팔로워 수, 팔로우 수, 평균 좋아요, 최근포스팅, 링크, 반복해시태그, 프로필 소개글을 데이터화하여 나열하는 프로필분석부; 및 해시태그에 따른 요일별 게시물 증가량, 월별 게시물 증가량, 게시물 증가 추이를 분석하여 그래프로 표시하는 그래프표시부;를 포함할 수 있다.In one embodiment, the analysis server may include a transceiver for receiving data from the web data server and transmitting the organized data to a management terminal; a data extraction unit extracting data necessary for calculating account points from data received from the web data server; The data extracted from the data extraction unit is organized and analyzed to calculate a score based on the number of accounts according to the search hashtag, the number of followers of the account, the number of followers, the number of posts, the number of likes, and the average number of likes, and the hash that lists the accounts in order of score tag analysis unit; an account analysis unit that organizes the data extracted from the data extraction unit, analyzes changes in the number of likes, followers, and posts according to search accounts, and displays them in graphs and data; A profile analysis unit that lists the account, account name, number of followers, number of followers, average likes, recent posts, links, repeated hashtags, and profile introductions into data when searching for words written in the profile description of an SNS account; and a graph display unit that analyzes the increase in posts by day, the increase in posts by month, and the trend of increase in posts according to hashtags and displays them in a graph.

본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템은, 상기 분석 서버와 통신하고 데이터를 전송받아 원격지에서도 상기 해시태그분석부, 상기 계정분석부, 상기 프로필분석부 및 상기 그래프표시부가 분석한 데이터를 확인 가능하게 하는 태블릿형 관리 단말; 및 상기 관리 단말과 통신하며 상기 분석한 데이터를 출력하는 프린터;를 더 포함할 수 있다.The SNS big data analysis system according to an embodiment of the present invention communicates with the analysis server, receives data, and receives data analyzed by the hash tag analysis unit, the account analysis unit, the profile analysis unit, and the graph display unit even at a remote location. A tablet-type management terminal that enables checking; and a printer communicating with the management terminal and outputting the analyzed data.

일 실시예에서, 상기 프린터는, 데이터를 출력하여 마케팅에 도움을 얻으려는 사람이 카드 결제를 할 수 있도록 구비된 카드 단말기; 및 상기 프린터의 하부에 설치되어 프린터의 작동에 의해 발생하는 소음을 저감하는 소음저감부;를 포함할 수 있다.In one embodiment, the printer may include a card terminal provided so that a person who wants to help marketing by outputting data can make a card payment; and a noise reduction unit installed below the printer to reduce noise generated by operation of the printer.

일 실시예에서, 상기 소음저감부는, 상기 프린터를 지지하고 일측에 상부자성체가 결합되어 있으며 양측에 끼움홈이 구비된 상부케이스; 바닥면에 지지되고 일측에 하부자성체가 결합되어 있으며 양측에 끼움돌기가 구비된 하부케이스; 상기 상부케이스와 상기 하부케이스가 형성하는 내부 공간에 위치하는 진동판;을 포함할 수 있다.In one embodiment, the noise reduction unit, an upper case which supports the printer, has an upper magnetic body coupled to one side, and has fitting grooves on both sides; a lower case supported on a bottom surface, coupled to a lower magnetic body on one side, and provided with fitting protrusions on both sides; It may include; a diaphragm positioned in an inner space formed by the upper case and the lower case.

일 실시예에서, 상기 진동판은, 일측에 형성되는 끼움홀; 및 상기 상부자성체 및 상기 하부자성체와 상호 척력이 발생하도록 상호 대향하는 위치에 형성되는 중심자성체;를 포함할 수 있다.In one embodiment, the diaphragm, the fitting hole formed on one side; and a central magnetic body formed at a position facing each other to generate mutual repulsive force with the upper magnetic body and the lower magnetic body.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.The above-described problem solving means are merely exemplary and should not be construed as intended to limit the present disclosure. In addition to the exemplary embodiments described above, additional embodiments may exist in the drawings and detailed description of the invention.

상술한 본 발명의 일측면에 따르면, 웹데이터 서버를 통해 계정, 해시태그 등으로 SNS 검색을 하였을 때 다양한 계정에 등재된 게시물의 데이터를 쉽게 수집하고, 분석 서버를 통해 수집한 데이터를 정리 분석하여 계정 점수를 산출하며 이러한 점수를 토대로 마케팅에 활용하는 SNS 빅데이터 분석 시스템을 제공할 수 있다.According to one aspect of the present invention described above, when an SNS search is performed by account, hashtag, etc. through a web data server, data of posts registered in various accounts are easily collected, and the collected data is organized and analyzed through an analysis server. It calculates account scores, and based on these scores, it is possible to provide an SNS big data analysis system that is used for marketing.

본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.Effects of the present invention are not limited to the effects mentioned above, and various effects may be included within a range apparent to those skilled in the art from the contents to be described below.

도 1은 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 웹데이터 서버를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 SNS 빅데이터 분석 시스템의 분석 서버를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 SNS 빅데이터 분석 시스템의 해시태그분석부를 나타낸 도면이다.
도 5 및 도 6은 본 발명의 일 실시예에 SNS 빅데이터 분석 시스템의 계정분석부를 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 프로필 분석부를 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 그래프표시부를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 프린터를 나타낸 도면이다.
도 10은 본 발명의 일 실시예에 따른 프린터의 소음저감부를 나타낸 도면이다.
도 11은 본 발명의 일 실시예에 따른 프린터에 카드클리너가 적용된 모습을 나타낸 도면이다.
도 12 내지 도 14는 본 발명의 일 실시예에 따른 카드클리너를 나타낸 도면이다.
1 is a diagram showing an SNS big data analysis system according to an embodiment of the present invention.
2 is a diagram showing a web data server of an SNS big data analysis system according to an embodiment of the present invention.
3 is a diagram showing an analysis server of an SNS big data analysis system according to an embodiment of the present invention.
4 is a diagram showing a hashtag analysis unit of an SNS big data analysis system according to an embodiment of the present invention.
5 and 6 are diagrams showing the account analysis unit of the SNS big data analysis system according to an embodiment of the present invention.
7 is a diagram showing a profile analysis unit of an SNS big data analysis system according to an embodiment of the present invention.
8 is a diagram showing a graph display unit of an SNS big data analysis system according to an embodiment of the present invention.
9 is a diagram showing a printer of an SNS big data analysis system according to an embodiment of the present invention.
10 is a diagram showing a noise reduction unit of a printer according to an embodiment of the present invention.
11 is a view showing a state in which a card cleaner is applied to a printer according to an embodiment of the present invention.
12 to 14 are views showing a card cleaner according to an embodiment of the present invention.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS The detailed description of the present invention which follows refers to the accompanying drawings which illustrate, by way of illustration, specific embodiments in which the present invention may be practiced. These embodiments are described in sufficient detail to enable one skilled in the art to practice the present invention. It should be understood that the various embodiments of the present invention are different from each other but are not necessarily mutually exclusive. For example, specific shapes, structures, and characteristics described herein may be implemented in another embodiment without departing from the spirit and scope of the invention in connection with one embodiment.

또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.Additionally, it should be understood that the location or arrangement of individual components within each disclosed embodiment may be changed without departing from the spirit and scope of the invention. Accordingly, the detailed description set forth below is not to be taken in a limiting sense, and the scope of the present invention, if properly described, is limited only by the appended claims, along with all equivalents as claimed by those claims. Like reference numbers in the drawings indicate the same or similar function throughout the various aspects.

한편, 본 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 아울러, 본 명세서에서 사용되는 구성요소에 대한 "부"는 적어도 하나의 기능 또는 동작을 수행한다. 그리고 "부"는 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합에 의해 기능 또는 동작을 수행할 수 있다. On the other hand, throughout the present specification, when a certain component is said to "include", it means that it may further include other components, not excluding other components unless otherwise stated. In addition, a “unit” for a component used in this specification performs at least one function or operation. And "unit" may perform a function or operation by hardware, software, or a combination of hardware and software.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이러한 구성요소들은 상술한 용어에 의해 한정되지는 않는다. 상술한 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms including ordinal numbers, such as first and second, may be used to describe various components, but these components are not limited by the above terms. The terminology described above is only used for the purpose of distinguishing one component from another.

본 명세서에서, "포함한다" 등의 용어는 명세서상에 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. 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.In this specification, the term "comprising" is intended to designate that the features, numbers, steps, operations, components, parts, or combinations thereof described in the specification exist, but one or more other features, numbers, or steps However, it should be understood that it does not preclude the possibility of existence or addition of operations, components, parts, or combinations thereof. It should be understood that when an element is referred to as being “connected” to another element, it may be directly connected or connected to the other element, but other elements may exist in the middle.

그 밖에도, 본 발명을 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그에 대한 상세한 설명은 축약하거나 생략한다.In addition, in describing the present invention, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the subject matter of the present invention, the detailed description thereof will be abbreviated or omitted.

이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the drawings.

도 1은 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템을 나타낸 도면이다.1 is a diagram showing an SNS big data analysis system according to an embodiment of the present invention.

도 2는 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 웹데이터 서버를 나타낸 도면이다.2 is a diagram showing a web data server of an SNS big data analysis system according to an embodiment of the present invention.

도 3은 본 발명의 일 실시예에 SNS 빅데이터 분석 시스템의 분석 서버를 나타낸 도면이다.3 is a diagram showing an analysis server of an SNS big data analysis system according to an embodiment of the present invention.

도 4는 본 발명의 일 실시예에 SNS 빅데이터 분석 시스템의 해시태그분석부를 나타낸 도면이다.4 is a diagram showing a hashtag analysis unit of an SNS big data analysis system according to an embodiment of the present invention.

도 5 및 도 6은 본 발명의 일 실시예에 SNS 빅데이터 분석 시스템의 계정분석부를 나타낸 도면이다.5 and 6 are diagrams showing the account analysis unit of the SNS big data analysis system according to an embodiment of the present invention.

도 7은 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 프로필 분석부를 나타낸 도면이다.7 is a diagram showing a profile analysis unit of an SNS big data analysis system according to an embodiment of the present invention.

도 8은 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 그래프표시부를 나타낸 도면이다.8 is a diagram showing a graph display unit of an SNS big data analysis system according to an embodiment of the present invention.

도 9는 본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템의 프린터를 나타낸 도면이다.9 is a diagram showing a printer of an SNS big data analysis system according to an embodiment of the present invention.

도 10은 본 발명의 일 실시예에 따른 프린터의 소음저감부를 나타낸 도면이다.10 is a diagram showing a noise reduction unit of a printer according to an embodiment of the present invention.

도 11은 본 발명의 일 실시예에 따른 프린터에 카드클리너가 적용된 모습을 나타낸 도면이다.11 is a view showing a state in which a card cleaner is applied to a printer according to an embodiment of the present invention.

도 12 내지 도 14는 본 발명의 일 실시예에 따른 카드클리너를 나타낸 도면이다.12 to 14 are views showing a card cleaner according to an embodiment of the present invention.

본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템(10)은, 웹데이터 서버(100) 및 분석 서버(200)를 포함할 수 있다.The SNS big data analysis system 10 according to an embodiment of the present invention may include a web data server 100 and an analysis server 200.

일 실시예에서, 웹데이터 서버(100)는, 해시태그로 SNS에서 검색하였을 때 다양한 계정에 게시된 상품의 데이터를 검색하고 수집할 수 있다. 여기서 SNS는 인스타그램, 페이스북 등일 수 있다.In one embodiment, the web data server 100 may search and collect product data posted on various accounts when searched on SNS using hashtags. Here, the SNS may be Instagram, Facebook, and the like.

보다 상세하게 웹데이터 서버(100)는, 데이터수집부(110), 송신부(120)를 포함할 수 있다.In more detail, the web data server 100 may include a data collection unit 110 and a transmission unit 120.

데이터수집부(110)는, 다양한 계정에 게시된 상품의 정보와 해시태그를 검색하고 수집할 수 있다. 구체적으로, 특정 계정이나 해시태그를 검색했을 때, 해당 계정 또는 해당 해시태그를 게시물에 포함시킨 계정, 해당 게시물의 좋아요 수, 댓글, 계정의 평균 좋아요 수, 팔로워 수, 팔로우 수, 게시물 등재일자 등의 데이터를 자동으로 수집할 수 있다. The data collection unit 110 may search and collect product information and hashtags posted on various accounts. Specifically, when searching for a specific account or hashtag, the account or account that included the hashtag in a post, the number of likes, comments, the average number of likes for the account, the number of followers, the number of followers, the date the post was posted, etc. of data can be automatically collected.

송신부(120)는, 상기 데이터수집부(110)로부터 수집된 데이터를 상기 분석 서버(200)로 송신할 수 있다.The transmission unit 120 may transmit the data collected from the data collection unit 110 to the analysis server 200 .

일 실시예에서 분석 서버(200)는, 상기 웹데이터 서버(100)로부터 받은 데이터를 분석하여 정리 및 분류하고 관리할 수 있다.In one embodiment, the analysis server 200 may analyze, organize, classify, and manage the data received from the web data server 100 .

보다 상세하게 분석 서버(200)는, 송수신부(210), 데이터추출부(220), 해시태그분석부(230), 계정분석부(240), 프로필분석부(250) 및 그래프표시부(260)를 포함할 수 있다. In more detail, the analysis server 200 includes a transceiver 210, a data extraction unit 220, a hashtag analysis unit 230, an account analysis unit 240, a profile analysis unit 250, and a graph display unit 260. can include

송수신부(210)는, 상기 웹데이터 서버(100)로부터 데이터를 수신하고 정리된 데이터를 관리 단말(300)로 데이터를 송신할 수 있다.The transceiver 210 may receive data from the web data server 100 and transmit the organized data to the management terminal 300 .

데이터추출부(220)는, 상기 웹데이터 서버(100)로부터 수신한 데이터에서 분석에 필요한 데이터를 추출할 수 있다. 상기 분석이 필요한 데이터는 계정 아이디, 프로필 설명, 사용 해시태그, 게시물 수, 팔로워 수, 팔로우 수, 좋아요, 평균 포스팅 시간, 댓글 수, 평균 좋아요 수, 게시물 중 영상 비율, 한장사진 비율 등일 수 있다.The data extraction unit 220 may extract data necessary for analysis from the data received from the web data server 100 . The data that needs to be analyzed may include account ID, profile description, hashtag used, number of posts, number of followers, number of followers, likes, average posting time, number of comments, average number of likes, ratio of videos among posts, ratio of single photos, and the like.

도 4를 참조하면,Referring to Figure 4,

해시태그분석부(230)는, 상기 데이터추출부(220)로부터 추출한 데이터를 정리하고 분석하여 검색 해시태그에 따른 계정, 계정의 팔로워 수, 팔로우 수, 게시물 수, 좋아요 수, 평균 좋아요 수를 토대로 점수를 산출하고 점수순으로 계정을 나열할 수 있다.The hashtag analysis unit 230 organizes and analyzes the data extracted from the data extraction unit 220 to determine the account according to the search hashtag, the number of followers of the account, the number of followers, the number of posts, the number of likes, and the average number of likes. You can calculate a score and list the accounts in order of score.

여기서, 해시태그분석부(230)는, 예를 들어, “#한우선물세트”의 해시태그를 검색하면, 약 1년간의 해당 해시태그를 포함하는 게시물의 증가 추이를 그래프로 보여주고, 상기 해시태그를 포함시킨 게시물을 좋아요 순, 댓글 순으로 나열하고, 최근 7일, 최근 30일, 최근 90일간 해당 해시태그를 포함한 인기 게시물을 게시한 계정을 나열할 수 있다.Here, the hashtag analysis unit 230, for example, when searching for the hashtag of “# Korean beef gift set”, shows the increase trend of posts including the hashtag for about a year in a graph, and the hash tag You can list posts that include tags in order of likes and comments, and lists accounts that have posted popular posts with the hashtag in the past 7 days, the past 30 days, and the past 90 days.

도 5를 참조하면,Referring to Figure 5,

계정분석부(240)는, 상기 데이터추출부(220)로부터 추출한 데이터를 정리하고 검색 계정에 따른 좋아요, 팔로워 수, 게시물 수의 변화를 분석하여 그래프와 데이터로 표시할 수 있다.The account analysis unit 240 organizes the data extracted from the data extraction unit 220 and analyzes changes in the number of likes, followers, and posts according to search accounts, and displays them in graphs and data.

예를 들어, “eat_human_”이란 계정을 검색하면, 최근 한달간의 평균 좋아요 수, 포스팅 수, 팔로워 수, 팔로우 수를 각각 수치화하여 그래프로 보여주고, 해당 계정에서 좋아요를 많이 받았던 순서대로 게시물의 주소, 댓글 수, 영상 수, 사진 수의 정보를 포함하여 나열하고, 인기게시물 노출 빈도가 높았던 게시물과 인기게시물 노출 유지 시간이 길었던 게시물 순으로도 표시하여 보여줄 수 있다. 또한, 최근 게시물에서 반복하여 사용한 해시태그 정보도 빈도 순으로 보여주며, 평균 포스팅 시간, 포스트 수, 게시물에서의 한장사진 비율, 다수사진 비율, 영상 비율 등의 정보도 나열될 수 있다.For example, if you search for an account called “eat_human_”, the average number of likes, posts, followers, and followers for the past month are digitized and displayed in a graph, and the address of the post in the order in which the account received the most likes, The information on the number of comments, the number of videos, and the number of photos can be listed and displayed in the order of posts with high frequency of exposure of popular posts and posts with long exposure duration of popular posts. In addition, hashtag information repeatedly used in recent posts is shown in order of frequency, and information such as average posting time, number of posts, ratio of one picture in a post, ratio of multiple pictures, and ratio of videos may be listed.

도 6을 참조하면,Referring to Figure 6,

프로필분석부(250)는, SNS 계정의 프로필 설명에 기재된 단어를 검색하면 계정, 계정이름, 팔로워 수, 팔로우 수, 평균 좋아요, 최근포스팅, 링크, 반복해시태그, 프로필 소개글을 데이터화하여 나열할 수 있다.When the profile analysis unit 250 searches for words described in the profile description of the SNS account, the account, account name, number of followers, number of followers, average likes, recent posts, links, hashtags, and profile introductions are converted into data and listed. can do.

예를 들어, 프로필 설명란에 포함된 “젊줌마”라는 단어를 검색하면 해당 설명을 포함하는 계정이 나열되며, 해당 계정들의 계정이름, 팔로워 수, 팔로우 수, 평균 좋아요 수, 최근 포스팅, 전화번호, 링크, 반복하여 사용하는 해시태그, 프로필 소개 등의 정보 또한 함께 나열하여 한 눈에 파악할 수 있도록 한다.For example, if you search for the word “jumma” included in the profile description, accounts with that description are listed, and the account name, number of followers, number of followers, average number of likes, recent posts, phone number, Information such as links, hashtags that are used repeatedly, and profile introductions are also listed together so that they can be grasped at a glance.

도 7을 참조하면,Referring to Figure 7,

그래프표시부(260)는, 해시태그에 따른 요일별 게시물 증가량, 월별 게시물 증가량, 게시물 증가 추이를 분석하여 그래프로 표시할 수 있다.The graph display unit 260 may analyze and display an increase in posts by day, an increase in posts by month, and an increase in posts according to a hashtag according to a graph.

웹데이터 서버(100) 및 분석 서버(200)는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반 영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 분석 서버는 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.The web data server 100 and the analysis server 200 use a medium that stores data semi-permanently and can be read by a device, rather than a medium that stores data for a short moment, such as a register, cache, or memory. it means. Specifically, examples of the storage medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, etc., but are not limited thereto. That is, the analysis server may be stored in various recording media on various servers accessible by a computer or various recording media on a user's computer. In addition, the medium may be distributed to computer systems connected by a network, and computer readable codes may be stored in a distributed manner.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.Steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, implemented in a software module executed by hardware, or implemented by a combination thereof. A software module may include random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, or It may reside in any form of computer readable recording medium well known in the art to which the present invention pertains.

상술한 바와 같은 구성을 가지는 분석 서버(200)는, 개발 환경 관리 시스템(설명의 편의상 도면에는 도시하지 않음) 상에서 구현될 수 있다.The analysis server 200 having the configuration described above may be implemented on a development environment management system (not shown in the drawing for convenience of description).

개발 환경은 다수의 개발자가 소프트웨어 개발을 위해 다수의 개발 시스템을 사용하며, 각 개발 시스템은 개발자의 제어에 따라 소프트웨어 컴포넌트 및 소프트웨어를 개발하고 직접 관리할 수 있다. 각 개발 시스템은 신뢰 플랫폼 모듈(TPM: Trusted Platform Module) 표준기술을 사용하며, 이에 따라 소프트웨어 컴포넌트가 사용 허가된 개발 시스템에서만 사용 가능하도록 한다. 신뢰 플랫폼 모듈(TPM)은 일종의 보안 장치로서, 데이터 암호화를 위한 보안키를 생성 및 관리할 수 있다.In the development environment, a plurality of developers use a plurality of development systems for software development, and each development system may develop and directly manage software components and software under the developer's control. Each development system uses Trusted Platform Module (TPM) standard technology, which ensures that software components are only available on licensed development systems. The Trusted Platform Module (TPM) is a kind of security device and can generate and manage security keys for data encryption.

개발 환경 관리 시스템은 소프트웨어 컴포넌트 사용에 대한 개발자의 권한을 제한하고, 개발자가 사용하는 개발 시스템에 대한 보안 인증을 수행할 수 있다.The development environment management system may limit a developer's authority for use of software components and perform security authentication for a development system used by the developer.

개발 환경 관리 시스템은 개발 시스템으로부터 소프트웨어 컴포넌트 생성 또는 수정 허가 요청 메시지를 수신하는 경우, 해당 개발 시스템의 권한 정보를 확인하여 소프트웨어 컴포넌트 생성 또는 수정 허가 요청 메시지를 처리할 수 있다.When receiving a software component creation or modification permission request message from the development system, the development environment management system may process the software component creation or modification permission request message by checking authority information of the corresponding development system.

여기에서, 소프트웨어 컴포넌트는 소스코드, 디버깅 정보를 포함하는 바이너리, 디버깅 정보를 포함하지 않는 순수 바이너리, 코드에 대한 상세설명을 위한 문서, 코드의 이해를 위한 공정 수식모델 중 적어도 하나를 포함하여 구성될 수 있다.Here, the software component may include at least one of a source code, a binary including debugging information, a pure binary not including debugging information, a document for detailed description of the code, and a process formula model for understanding the code. can

권한 정보는 소프트웨어 컴포넌트를 읽을 수 있는 읽기 권한, 소프트웨어 컴포넌트를 생성 및 수정하여 저장할 수 있는 저장 권한, 권한 정보를 조정할 수 있는 권한조정 권한 중 적어도 하나를 포함하여 구성될 수 있다.The authority information may include at least one of read authority to read software components, storage authority to create and modify and store software components, and rights adjustment authority to adjust authority information.

개발 환경 관리 시스템은 권한 정보를 만족하는 어느 하나의 개발 시스템에 의해 소프트웨어 컴포넌트가 생성 또는 수정되는 경우, 이를 저장하여 다른 개발 시스템에서도 공유 가능하도록 제어할 수 있다. 이는 어느 하나의 개발 시스템에 의해 빌드한 모듈을 다른 개발 시스템에서 사용하여야 하는 경우가 있기 때문이다.When a software component is created or modified by any one development system that satisfies authority information, the development environment management system can store it and control it so that it can be shared by other development systems. This is because there are cases in which a module built by one development system must be used in another development system.

개발 환경 관리 시스템은 이러한 소프트웨어 컴포넌트의 생성 또는 수정 이력을 저장한 데이터베이스를 구축할 수 있다. 이는 이력 정보를 통해 특정 변수의 값이 어떻게 달라졌는지 단계별로 추적할 수 있고, 그 특정 변수가 임의의 다른 변수의 값 변경에 어떠한 영향을 주었는지도 파악할 수 있기 때문이다.The development environment management system may build a database storing the creation or modification history of these software components. This is because it is possible to track how the value of a specific variable has changed step by step through the history information, and also to understand how the specific variable affects the value change of any other variable.

구체적으로는, 개발 환경 관리 시스템은 소프트웨어 컴포넌트의 종류, 해당 소프트웨어 컴포넌트의 생성/수정 여부, 해당 소프트웨어 컴포넌트의 생성/수정 일자, 해당 소프트웨어 컴포넌트의 생성/수정 빈도, 해당 소프트 웨어 컴포넌트를 생성/수정한 개발 시스템의 권한 정보를 포함하여 이력 정보를 생성할 수 있다.Specifically, the development environment management system includes the type of software component, creation/modification of the corresponding software component, creation/modification date of the corresponding software component, frequency of creation/modification of the corresponding software component, and creation/modification of the corresponding software component. History information can be created including authority information of the development system.

개발 환경 관리 시스템은 이력 정보를 생성할 때마다 인덱스를 부여하여 이력 정보 데이터베이스에 저장할 수 있다.The development environment management system may assign an index whenever history information is created and store it in a history information database.

이때, 개발 환경 관리 시스템은 소프트웨어 컴포넌트의 종류별로 이력 정보 데이터베이스를 구축할 수 있다. 즉, 개발 환경 관리 시스템은 소프트웨어 컴포넌트의 중요도에 따라 이력 정보 데이터베이스를 구축할 수 있으며, 중요도가 가장 높은 종류에 해당하는 소프트웨어 컴포넌트의 이력 정보 데이터베이스는 후술하는 바와 같이 저장 공간 관리를 위한 데이터베이스 갱신 대상에서 제외될 수 있을 것이다.In this case, the development environment management system may build a history information database for each type of software component. That is, the development environment management system can build a history information database according to the importance of the software component, and the history information database of the software component corresponding to the highest importance category is a database update target for storage space management, as described later. may be excluded.

또는, 개발 환경 관리 시스템은 소프트웨어 컴포넌트의 생성/수정 일자 별로 이력 정보 데이터베이스를 구축할 수 있다. 일예로, 개발 환경 관리 시스템은 특정 일자의 이력 정보 데이터베이스를 구축하여, 해당 이력 정보 데이터베이스를 데이터베이스 갱신 대상에서 제외시킬 수 있다.Alternatively, the development environment management system may build a history information database for each creation/modification date of the software component. For example, the development environment management system may build a history information database of a specific date and exclude the corresponding history information database from a database update target.

또는, 개발 환경 관리 시스템은 권한 정보별로 이력 정보 데이터베이스를 구축할 수 있다. 일예로, 개발 환경 관리 시스템은 최고 권한 정보로 간주되는 권한 정보를 조정할 수 있는 권한조정 권한에 해당하는 개발 시스템에 의한 소프트웨어 컴포넌트의 이력 정보 데이터베이스를 구축하여, 해당 이력 정보 데이터베이스를 데이터베 이스 갱신 대상에서 제외시킬 수 있다.Alternatively, the development environment management system may build a history information database for each authority information. For example, the development environment management system builds a database of history information of software components by the development system corresponding to the authority to adjust authority information considered as the highest authority information, and updates the database with the history information database. can be excluded from

개발 환경 관리 시스템은 상술한 바와 같이 효율적인 저장 공간 관리를 위해 이력 정보 데이터베이스를 갱신할 수 있다.As described above, the development environment management system may update the history information database for efficient storage space management.

구체적으로는, 개발 환경 관리 시스템은 이력 정보 데이터베이스의 인덱스가 미리 설정된 인덱스에 도달하면 이력 정보 데이터베이스 갱신을 수행할 수 있다.Specifically, the development environment management system may update the history information database when the index of the history information database reaches a preset index.

예를 들면, 개발 환경 관리 시스템은 이력 정보 데이터베이스의 전체 인덱스를 오름차순으로 하여 3 개의 구간으로 나눌 수 있다.For example, the development environment management system may divide all indexes of the history information database into three sections in ascending order.

개발 환경 관리 시스템은 3 개의 구간 중 가장 낮은 인덱스를 포함하는 구간에 해당하는 이력 정보를 조건 없이 삭제할 수 있다. 해당 구간에 해당하는 이력 정보는 생성/수정 일자가 오랜 시간이 경과한 것으로 간주할 수 있 으며, 이에 해당 이력 정보가 다시 참조될 가능성은 낮으므로 조건 없이 삭제할 수 있다.The development environment management system can unconditionally delete history information corresponding to the section including the lowest index among the three sections. The history information corresponding to the corresponding section can be regarded as a long time since the date of creation/modification, and the possibility that the corresponding history information will be referred to again is low, so it can be deleted without conditions.

개발 환경 관리 시스템은 3 개의 구간 중 가운데 구간에 해당하는 이력 정보를 소프트웨어 컴포넌트의 종류에 따라 삭제 또는 유지 여부를 결정하여 갱신할 수 있다. 즉, 개발 환경 관리 시스템은 소프트웨어 컴포넌트의 종류에 따라 중요도를 분류할 수 있으며, 3 개의 구간 중 가운데 구간에 해당하는 이력 정보 중 중요도가 가장 높은 소프트웨어 컴포넌트의 종류에 해당하는 이력 정보만을 유지하고 나머지 이력 정보는 모두 삭제하는 방식으로 이력 정보 데이터베이스를 갱신할 수 있다.The development environment management system may update the history information corresponding to the middle section among the three sections by determining whether to delete or maintain the history information according to the type of the software component. That is, the development environment management system can classify the importance according to the type of software component, and among the history information corresponding to the middle section among the three sections, only the history information corresponding to the type of software component with the highest importance is maintained and the remaining history The history information database may be updated by deleting all information.

또는, 개발 환경 관리 시스템은 3 개의 구간 중 가운데 구간에 해당하는 이력 정보를 소프트웨어 컴포넌트의 생 성/수정 빈도에 따라 삭제 또는 유지 여부를 결정하여 갱신할 수 있다. 즉, 3 개의 구간 중 가운데 구간에 해당하는 이력 정보 중 그 생성/수정 빈도가 미리 설정된 기준 빈도보다 높은 이력 정보는 모두 삭제하고 나머지 이력 정보는 유지하는 방식으로 이력 정보 데이터베이스를 갱신할 수 있다.Alternatively, the development environment management system may update the history information corresponding to the middle section among the three sections by determining whether to delete or maintain the history information according to the generation/modification frequency of software components. That is, among the history information corresponding to the middle section among the three sections, the history information database may be updated by deleting all of the history information whose generation/modification frequency is higher than the preset reference frequency and maintaining the remaining history information.

또는, 개발 환경 관리 시스템은 3 개의 구간 중 가운데 구간에 해당하는 이력 정보를 개발 시스템의 권한 정보에 따라 삭제 또는 유지 여부를 결정하여 갱신할 수 있다. 즉, 3 개의 구간 중 가운데 구간에 해당하는 이력 정보 중 그 권한 정보가 최고 권한 정보로 간주되는 권한 정보를 조정할 수 있는 권한조정 권한인 이력 정보는 그대로 유지하고, 나머지 이력 정보는 모두 삭제하는 방식으로 이력 정보 데이터베이스를 갱신할 수 있다. 개발 환경 관리 시스템은 3 개의 구간 중 가장 높은 인덱스를 포함하는 구간에 해당하는 이력 정보를 그대로 유지할 수 있다. 해당 구간에 해당하는 이력 정보는 생성/수정 일자가 비교적 최근의 것으로 간주할 수 있으며, 이에 해당 이력 정보가 다시 참조될 가능성은 높으므로 그대로 유지할 수 있다.Alternatively, the development environment management system may update the history information corresponding to the middle section among the three sections by determining whether to delete or maintain the history information according to the authority information of the development system. That is, among the history information corresponding to the middle section of the three sections, the history information that is the authority to adjust the authority information that is considered the highest authority information is maintained as it is, and all the remaining history information is deleted. The historical information database can be updated. The development environment management system can maintain history information corresponding to the section including the highest index among the three sections as it is. The history information corresponding to the corresponding section can be regarded as having a relatively recent date of creation/modification, and since the possibility that the corresponding history information will be referred to again is high, it can be maintained as it is.

상술한 바와 같은 구성을 가지는 분석 서버(200)의 구성 중 일부는 인공지능에 의해 구현될 수 있으며, 의사결정 이유 제시 모듈(설명의 편의상 도면에는 도시하지 않음)을 더 포함할 수 있다.Some of the components of the analysis server 200 having the configuration described above may be implemented by artificial intelligence, and may further include a decision reason presentation module (not shown in the drawing for convenience of description).

의사결정 이유 제시 모듈은, 주어지거나 사용자에 의해 입력된 데이터에 대해서 분류·예측할 뿐만 아니라 결정에 대한 인과관계를 분석하여 적절한 근거를 찾아, 인공지능이 제시한 결과에 대해서 왜 그런 결과가 나오는지에 대한 이유를 사용자 레벨에서 설명할 수 있다. 의사결정 이유 제시 모듈을 통해 사용자와 인공지능 상호간의 신뢰할 수 있는 의사결정을 가능케 함으로써, 문제나 오류 발생 시 사용자에 의한 피드백이 적절하게 반영될 수 있다. 또한, 의사결정 이유 제시 모듈을 둠으로써, 인공지능이 제시하는 결과에 대해서 왜 그런 결과가 나오는 지에 대한 원인을 명쾌하게 설명할 수 없어 사용자가 인공지능에 가질 수 있는 불신감을 해소할 수 있으며, 과도하게 학습을 진행할 경우 전체적인 관점에서의 최적해가 아닌 지역 내 최적해가 선택될 수 있다는 과적합화(overfitting) 문제를 미연에 방지할 수 있다.The decision-making reason presentation module not only classifies and predicts the data given or input by the user, but also analyzes the causal relationship for the decision to find appropriate grounds and explains why the results presented by artificial intelligence are such. The reason can be explained at the user level. By enabling reliable decision-making between the user and artificial intelligence through the decision-making reason presentation module, feedback from the user can be appropriately reflected in the event of a problem or error. In addition, by having a decision-making reason presentation module, it is not possible to clearly explain the cause of why such results are generated for the results presented by artificial intelligence, so it is possible to relieve the user's distrust of artificial intelligence. If the learning proceeds appropriately, it is possible to prevent an overfitting problem in which an optimal solution within a region may be selected instead of an overall optimal solution.

일 실시예에서, 의사결정 이유 제시 모듈은 모델 구축 모듈 및 이유 설명 인터페이스 모듈을 더 포함할 수 있다. 모델 구축 모듈은 심층 설명 학습 모듈, 해석 가능한 모델 생성 모듈 및 모델 귀납 모듈로 구현될 수 있다. 심층 설명 학습 모듈은 변형된 딥러닝 기술로서 심층 신경망이 설명 가능한 특징들을 학습하도록 할 수 있다. 은닉계층의 노드가 의미 있는 속성을 나타내도록 학습할 수 있으며, 예를 들어 팔과 다리의 이미지를 구분하는 모델을 학습한다면, 각 은닉 노드가 손톱이나 발톱 모양, 손가락이나 발가락 모양, 손바닥이나 발바닥의 위치 등을 나타내도록 학습해서 모델이 어떤 이미지를 손이라고 판단했을 때 활성화된 은닉 노드를 통해 판단의 근거를 알 수 있다. 이러한 판단의 근거는 예를 들어 RNN(순환신경망, Recurrent Neural Network) 등의 자연어 생성 모델을 통해 언어적으로 나타낼 수도 있다. RNN은 딥러닝의 모델이며 인공신경망의 한 종류로서, 시계열 데이터와 같이 시간의 흐름에 따라 변화하는 데이터를 학습하기 위한 것으로서, 입력조절벡터와 망각벡터 그리고 출력 조절벡터를 이용하여 입력과 출력데이터를 얻는다. 입력조절벡터에서는 입력신호가 활성화함수와의 연결계층을 거친 후에 값을 받아들이며 망각 벡터는 과거 입력의 일부를 현재 입력에 반영하는 역할을 한다. 그리고 출력조절벡터는 과거의 값과 수정된 입력값을 고려하여 활성화 함수를 이용해 값을 받아들인다. 그리고 그 최종결과는 다시 입력으로 되돌아가게 된다. 이러한 순환신경망은 문서 감정을 분류하거나 필기체를 인식하는데 주로 활용되며, 음성 인식, 시계열 예측이나 파형생성을 할 때에도 주로 활용될 수 있다. 이는 입력데이터가 순서가 없는 고정된 모양이어도 적절할 순서에 따라 처리할 수 있기 때문이다.In an embodiment, the decision reason presentation module may further include a model building module and a reason explanation interface module. The model building module can be implemented as a deep description learning module, an interpretable model generating module, and a model induction module. The deep description learning module is a modified deep learning technique that allows a deep neural network to learn explainable features. Nodes in the hidden layer can be trained to represent meaningful properties. For example, if you train a model that classifies images of arms and legs, each hidden node has the shape of a fingernail or toenail, the shape of a finger or toe, or the shape of a palm or sole. When the model determines that an image is a hand by learning to indicate a location, etc., the reason for the decision can be known through the activated hidden node. The basis for such a judgment may be expressed linguistically through a natural language generation model such as, for example, a recurrent neural network (RNN). RNN is a model of deep learning and a type of artificial neural network. It is for learning data that changes over time, such as time series data. get In the input control vector, the value is accepted after the input signal passes through the connection layer with the activation function, and the forget vector serves to reflect a part of the past input to the current input. And the output control vector accepts the value using the activation function considering the past value and the modified input value. And the final result is returned to the input again. Such a recurrent neural network is mainly used for classifying document emotions or recognizing handwriting, and can also be mainly used for speech recognition, time series prediction, or waveform generation. This is because even if the input data has a fixed shape without order, it can be processed according to an appropriate order.

또한, 일 실시예에서, 심층 설명 학습 모듈은 이미지에 근거가 되는 부분을 표시하여 시각적으로 나타낼 수도 있다. 예를 들어 인공지능 시스템이 고양이 이미지를 분류할 경우, 기존 시스템은 입력된 이미지의 고양이 여부 만을 도출하지만, 심층 설명 학습 모듈은 고양이 여부를 도출하고, 이것의 근거(털, 수염 등) 이미지를 사용자에게 제공할 수 있다.In addition, in one embodiment, the in-depth description learning module may display a part based on an image to visually indicate it. For example, when an artificial intelligence system classifies a cat image, the existing system only derives whether the input image is a cat or not, but the deep explanation learning module derives whether it is a cat or not, and the basis (fur, whiskers, etc.) can be provided to

해석 가능한 모델 생성 모듈은, 구조화된 데이터를 해석 가능한 인과관계 모델로 구축할 수 있다. 일 실시예에 따르면, BPL(bayesian program learning)을 이용하여 해석 가능한 모델 생성 모듈을 구축할 수 있으며, BPL은 작은 조각들의 조합으로 표현하도록 학습하는 방법으로서, 예를 들어 글자를 생성하는 모델을 학습할 때 글자를 획으로 나누어서 가장 합리적인 획의 조합으로 생성하도록 한다. BPL은 대량의 데이터가 없이도 사람과 같이 한 번 보면 그대로 모방할 수 있으며, Neural Network(신경망 모델)를 진화시킨 것으로서 새로운 사건이 주어졌을 때 그 사건을 바탕으로 확률값을 변화시킬 수 있다. 즉, BPL은 가상 변수들에 들어가는 가중치만 바꾸는 방식이 아니라, 중간에 다른 가상 변수를 생성하는 내용까지 포함된다. 새로운 환경이 주어지면 다른 방식으로 현상을 이해하는 것으로서 예를 들어, 동전을 100번 던져서 앞면이 60번, 뒷면이 40번 나와서 앞 면이 나올 확률을 60%로 잡은 다음, 다음번에 뒷면이 나오게 되면 앞면이 나올 확률을 59.4%로 내리는 방식이다.The interpretable model generation module can build structured data into an interpretable causal model. According to one embodiment, an interpretable model generation module can be built using BPL (bayesian program learning), and BPL is a method of learning to be expressed as a combination of small pieces, for example, learning a model that generates letters. When writing, the letters are divided into strokes to create the most reasonable combination of strokes. BPL can be imitated just like a human at a glance without a large amount of data, and as an evolved neural network (neural network model), when a new event is given, the probability value can be changed based on the event. In other words, BPL is not a method of changing only the weights of virtual variables, but also includes creating other virtual variables in the middle. Given a new environment, understanding the phenomenon in a different way. For example, if a coin is tossed 100 times and heads come up 60 times and tails 40 times, the probability of heads coming up is 60%, and then the next time it comes up tails This method lowers the probability of heads to 59.4%.

또한, 일 실시예에서, 해석 가능한 모델 생성 모듈은 확률론적 접근 방법을 통해 구현될 수 있다. 확률론적 접근 방법은 몇 가지 샘플만으로도 학습 효과를 낼 수 있으며, 예를 들면 길이가 긴 의자와 짧은 의자를 보여주면 중간 길이의 의자도 있다는 것을 배우는 것과 비슷하다. 즉, 부족한 데이터를 스스로 채워 나가며 학습하는 기 술이다. 실시 예에 따라서는 확률론적 접근 방법은 수학적 계산을 통해 스스로 확률과 프로그램을 보정하는 기능을 포함할 수 있다.Also, in one embodiment, the interpretable model generation module may be implemented through a probabilistic approach. Probabilistic approaches can produce learning effects with just a few samples, similar to learning that there are also medium-length chairs when shown a long chair and a short chair, for example. In other words, it is a technology that learns by filling in insufficient data on its own. Depending on embodiments, the probabilistic approach may include a function of correcting probabilities and programs by itself through mathematical calculations.

또한, 일 실시예에서, 해석 가능한 모델 생성 모듈은 And-Or-Graph를 이용하여 구현된 수 있다. And-Or- Graph는 AND/OR 그래프란 rule의 조건 및 결론관계와 AND/OR 관계를 그래프 형태로 나타내는 것으로서, 인공지 능에 의해 도출되는 중간 및 최종 데이터가 구조화 되어있어 모델의 결정과정을 논리적으로 설명하기 쉬운 장점 이 있다. 즉, AND 노드와 OR 노드로 그래프를 나타내는데, AND 노드는 모두 처리되어야 하며 OR 노드는 하나만 처리되면 끝낼 수 있다. AND/OR 그래프를 이용하면 서로 산재해 있는 rule들의 집합을 하나의 구조로 조감할 수 있으며 각 문장간의 논리적인 관계를 쉽게 파악할 수 있다.Also, in one embodiment, the interpretable model generation module may be implemented using And-Or-Graph. And-Or-Graph is an AND/OR graph that represents the condition and conclusion relationship of a rule and the AND/OR relationship in the form of a graph. Since the intermediate and final data derived by artificial intelligence are structured, the decision process of the model is logically presented. It has advantages that are easy to explain. That is, a graph is represented by AND nodes and OR nodes. Both AND nodes must be processed, and only one OR node can be processed. By using the AND/OR graph, a set of scattered rules can be viewed in a single structure, and the logical relationship between each sentence can be easily grasped.

모델 귀납 모듈은 임의의 블랙박스 모델을 설명가능한 모델로 추론할 수 있다. 일 실시 예에서, 모델 귀납 모듈 은 LIME(local interpretable model-agnostic explanations)로 구현될 수 있으며, LIME은 임의의 블랙박스 모 델을 이미 설명이 가능한 데이터 주변에서 희소 선형 결합을 통해 국부적으로 설명 가능하게 만들 수 있다. 예를 들어, 이미지를 분류하는 블랙박스 모델이 어떤 이미지를 심장이라고 판단했다면 이미 설명 가능한 다른 모 델의 심장에 대한 설명 즉, 심장을 표현하는 픽셀들을 주어진 이미지와 대조하여 어느 부분이 심장이라고 판단 한 근거인지 제시할 수 있다.The model induction module can infer arbitrary black box models as explainable models. In one embodiment, the model induction module can be implemented as LIME (local interpretable model-agnostic explanations), which makes arbitrary black box models locally explainable through sparse linear combinations around already explainable data. can be made For example, if a black box model that classifies an image judges an image to be a heart, it compares the pixels representing the heart with the given image to determine which part is the heart. Can you provide a basis for this?

또한, 일 실시 예에서 모델 귀납 모듈은 모델을 일련의 if-then 조건문으로 표현하는 BRL(bayesian rule list s)로 구현될 수 있다. BRL은 고차원, 다변수인 특징공간을 간단하고 이미 해석 가능한 조건문으로 나누어 복잡한 모델을 이해할 수 있게 한다.In addition, in an embodiment, the model induction module may be implemented as a Bayesian rule list (BRL) that expresses a model as a series of if-then conditional statements. BRL makes it possible to understand complex models by breaking a high-dimensional, multivariate feature space into simple, already interpretable conditional statements.

상술한 심층 설명 학습 모듈, 해석 가능한 모델 생성 모듈 및 모델 귀납 모듈은 서로 독립적으로 또는 서로 결합되어 작용될 수 있으며, 그 구현 순서도 실시 예에 따라 달라질 수 있다.The above-described in-depth description learning module, interpretable model generation module, and model induction module may operate independently of each other or in combination with each other, and their implementation order may also vary according to embodiments.

다음으로, 이유 설명 인터페이스 모듈은 인공지능의 의사결정에 대한 설명을 사용자가 이해할 수 있는 방식으로 표현할 수 있다. 이유 설명 인터페이스 모듈은 제시한 설명이 반복적일 것, 필요한 설명을 모두 포함하고 있을 것, 불필요한 설명을 포함하지 않을 것, 양이 적절할 것 등을 필수 항목으로 포함할 수 있다. 즉, 사용자가 용이하게 인공지능이 어떠한 과정과 이유로 최종 결과를 도출했는지와 각 단계별로 영향을 미친 요소나 데이터가 무엇인지 언어, 표, 이미지, 그래프, 수식 등을 포함하여 사용자에게 제공할 수 있다.Next, the reason explanation interface module can express the explanation of artificial intelligence's decision-making in a way that users can understand. The reason explanation interface module may include, as essential items, that the presented explanation is repetitive, includes all necessary explanations, does not include unnecessary explanations, and has an appropriate amount. In other words, the user can easily provide the user with language, tables, images, graphs, formulas, etc., including language, tables, images, graphs, formulas, etc. .

또한, 이유 설명 인터페이스 모듈은 사용자의 정정 명령을 입력받을 수 있다. 이를 위해 이유 설명 인터페이스 모듈은 정정가능성은 설명이 유동적일 것, 사용자의 피드백을 존중할 것, 점진적인 변화를 주시할 것 등을 필수 항목으로 포함할 수 있다. 이렇게 제시된 설명에 대해서 사용자에게 설명의 명확도와 활용도 등에 대한 피드백을 받아 이유 설명 인터페이스 모듈의 효과를 평가하고 발전시킬 수 있다.Also, the reason explanation interface module may receive a user's correction command. To this end, the reason explanation interface module may include, as essential items, that the explanation should be flexible, that the user's feedback should be respected, that gradual changes should be observed, and the like, for correctability. With respect to the explanation presented in this way, it is possible to evaluate and develop the effect of the reason explanation interface module by receiving feedback from the user on the clarity and usability of the explanation.

다른 실시 예에서, 의사결정 이유 제시 모듈은, 인과관계 모델로 형성될 수 있다. 인과과계 모델은 딥러닝과 마르코브 랜덤 필드를 결합하는 형태로 형성될 수 있다. 먼저 학습 데이터로부터 심층 마르코브 랜덤 필드 모델의 확률 분포를 모델링하고, 확률 변수들 사이의 조건부 독립성을 나타내는 마르코브 랜덤 필드의 구조를 학습한다. 구조가 학습된 마르코브 랜덤 필드의 잠재 함수를 심층 신경망으로 추론하여 입력 변수의 수가 증가함에 따라 잠재 함수에 필요한 매개 변수의 수가 기하급수적으로 증가하는 문제를 완화하고, 변수 연관관계에 대한 제약 없이 복잡한 연관관계를 학습할 수 있다. 실시예에 따라 클래스 분류 문제를 보조태스크인 속성, 슈퍼퍼카테고리와 같이 학습한 후, 출력 단계에서 선형 결합하여 효과적인 표현이 가능하도록 할 수 있다. 또한 인과관계가 정확히 학습되었는지 사람이 확인하고 피드백을 주어 수정할 수 있도록 하는 상호작용 학습 알고리즘을 포함할 수 있다.In another embodiment, the decision-making reason presentation module may be formed as a causal model. A causal model may be formed by combining deep learning and a Markov random field. First, the probability distribution of the deep Markov random field model is modeled from the learning data, and the structure of the Markov random field representing the conditional independence among random variables is learned. By inferring the structure-learned latent function of a Markov random field with a deep neural network, as the number of input variables increases, the problem of exponentially increasing the number of parameters required for the latent function is mitigated, and complex complexities without constraints on variable association relationships can be learned. According to the embodiment, after learning the class classification problem like attributes and super categories, which are subtasks, it is possible to perform effective expression by linearly combining them in the output step. In addition, it may include an interactive learning algorithm that allows a person to check whether the causal relationship has been correctly learned and correct it by giving feedback.

또 다른 실시 예에서, 의사결정 이유 제시 모듈은, 분석 모듈로 구현될 수 있다. 시계열 함수를 다양한 커널을 바탕으로 다변수 가우시안으로 회귀분석 하는 기술로서, 가우시안 프로세스에서 커널을 표현하는 최적의 커널 조합을 학습하여 주어진 시계열 데이터를 위에서 찾은 커널 조합을 바탕으로 설명할 수 있다. 더 나아가서 여러 개의 시계열 데이터가 있을 때에도 공통적으로 표현되는 커널 및 각 시계열 데이터의 특성을 표현하는 커널의 조합을 학습하여 여러 개의 시계열 데이터에서 공통적으로 나타나는 특징을 설명할 수 있다. 시계열 데이터 분석 모델을 통해 찾은 커널의 조합을 자연어로 작성함으로써 사용자에게 인공지능에 의해 도출된 의사결정의 도출과정 및 그 이유를 자연어로 설명해 줄 수 있다.In another embodiment, the decision reason presentation module may be implemented as an analysis module. As a technique for regression analysis of time series functions into multivariate Gaussian based on various kernels, it is possible to explain given time series data based on the kernel combination found above by learning the optimal kernel combination that expresses the kernel in the Gaussian process. Furthermore, even when there are multiple time series data, it is possible to explain the common features of multiple time series data by learning a combination of kernels that are commonly expressed and kernels that express characteristics of each time series data. By writing the combination of kernels found through the time-series data analysis model in natural language, it is possible to explain to the user the decision-making process and reason derived by artificial intelligence in natural language.

이와 같은 의사결정 이유 제시 모듈을 통해, 인공지능의 의사결정 과정을 사용자의 입장에서 시각화 및 문자화 함으로써, 의사결정에 과정에 관여한 구성요소를 설명할 수 있으며 동시에 복잡한 모델의 상관관계를 분석하여 원인요소와 결과요소로 나누어 설명할 수 있다. 특히 사용자가 용이하게 이해할 수 있는 자동 보고서의 형식으로 작성됨으로써, 데이터를 분석한 결과뿐만 아니라 이유를 제공하여 인공지능이 보다 정밀하게 인간과 상호 작용하게 할 수 있다.Through such a decision-making reason presentation module, by visualizing and texting the decision-making process of artificial intelligence from the user's point of view, it is possible to explain the components involved in the decision-making process, and at the same time analyze the correlation of complex models to determine the cause It can be divided into elements and result elements. In particular, it is written in the form of an automatic report that users can easily understand, so that artificial intelligence can interact with humans more precisely by providing reasons as well as the results of analyzing data.

본 발명의 일 실시예에 따른 SNS 빅데이터 분석 시스템(10)은, 관리 단말(300) 및 프린터(400)를 더 포함할 수 있다.The SNS big data analysis system 10 according to an embodiment of the present invention may further include a management terminal 300 and a printer 400.

관리 단말(300)은, 상기 분석 서버(200)와 통신하고 데이터를 원격지에서도 상기 해시태그분석부(230), 상기 계정분석부(240), 상기 프로필분석부(250) 및 상기 그래프표시부(260)가 분석한 데이터를 확인 가능하게 하는 태블릿형으로 구현될 수 있다. 이러한 관리 단말(300)을 통해, 관리자 또는 본 발명을 이용하고자 하는 사용자는 원격지에서도 쉽게 SNS 데이터를 확인할 수 있다.The management terminal 300 communicates with the analysis server 200 and transmits data remotely to the hash tag analysis unit 230, the account analysis unit 240, the profile analysis unit 250, and the graph display unit 260. ) can be implemented as a tablet type that enables checking of the analyzed data. Through this management terminal 300, a manager or a user who wants to use the present invention can easily check SNS data even in a remote place.

프린터(400)는, 상기 관리 단말(300)과 통신하며 상기 분석 서버(200)에 의해 분석된 데이터를 출력할 수 있다. 즉, 관리자 또는 본 발명을 이용하고자 하는 사용자가 관리 단말(300)을 통해 프린트 작업을 요청하는 경우 상기 프린터(400)는 관리 단말(300)과 통신하여 데이터를 출력할 수 있는 것이다. 이러한 프린터(400)는 관리자 또는 본 발명을 이용하고자 하는 사용자가 위치한 서비스를 제공하는 공간에 관리 단말(300)과 함께 배치될 수 있다.The printer 400 may communicate with the management terminal 300 and output data analyzed by the analysis server 200 . That is, when a manager or a user who wants to use the present invention requests a print job through the management terminal 300, the printer 400 communicates with the management terminal 300 to output data. The printer 400 may be disposed together with the management terminal 300 in a space providing services where a manager or a user who wants to use the present invention is located.

프린터(400)는, 카드 단말기(410) 및 소음저감부(420)를 포함할 수 있다.The printer 400 may include a card terminal 410 and a noise reduction unit 420 .

일 실시예에서, 카드 단말기(410)는, 데이터를 출력하여 마케팅 등에 도움을 얻으려는 사람이 카드 결제를 할 수 있도록 구비될 수 있다. 즉, 관리자를 제외한 본 발명을 이용하고자하는 사용자는 일정 금액을 결제하여야 키워드 데이터를 출력할 수 있는 것이다.In one embodiment, the card terminal 410 may be provided so that a person seeking assistance in marketing or the like by outputting data can make a card payment. That is, users desiring to use the present invention, excluding administrators, must pay a certain amount of money to output keyword data.

일 실시예에서, 소음저감부(420)는, 프린터(400)의 하부에 설치되어 프린터(400)의 작동에 의해 발생하는 소음을 저감할 수 있다. 보다 상세하게 소음저감부(420)는, 상부케이스(421), 하부케이스(422), 진동판(423)을 포함할 수 있다. In one embodiment, the noise reduction unit 420 is installed below the printer 400 to reduce noise generated by the operation of the printer 400 . In more detail, the noise reduction unit 420 may include an upper case 421 , a lower case 422 , and a diaphragm 423 .

상부케이스(421)는, 상기 프린터(400)를 지지하고 일측에 상부자성체(4211)가 결합되어 있으며 양측에 끼움홈(4212)이 구비될 수 있다.The upper case 421 supports the printer 400, has an upper magnetic body 4211 coupled to one side, and may be provided with fitting grooves 4212 on both sides.

하부케이스(422)는, 바닥면에 지지되고 일측에 하부자성체(4221)와 결합되어 있으며 양측에 끼움돌기(4222)가 구비될 수 있다.The lower case 422 is supported on the bottom surface and coupled to the lower magnetic body 4221 on one side, and fitting protrusions 4222 may be provided on both sides.

진동판(423)은, 상기 상부케이스(421)와 상기 하부케이스(422)가 형성하는 내부 공간에 위치할 수 있다.The diaphragm 423 may be located in an inner space formed by the upper case 421 and the lower case 422 .

진동판(423)은 상부자성체(4211) 및 하부자성체(4221)가 상호 척력이 발생하도록 상호 대향하는 위치에 중심자성체(4231)를 형성할 수 있다.The diaphragm 423 may form a central magnetic body 4231 at a position where the upper magnetic body 4211 and the lower magnetic body 4221 face each other so that repulsive force is generated.

상부케이스(421) 및 하부케이스(422)는 각각 끼움홈(4212)과 끼움 돌기(4222)에 의해 억지끼움 방식으로 상호 결합되어 고정될 수 있다. 이때, 진동판(423)은 일측에 형성되는 끼움홀(4232)을 통해 끼움돌기(4222)에 삽입되어 끼움 돌기(4222)가 형성되는 안착()면에 안착될 수 있으며, 그 상태에서 끼움홈(4212)과 끼움돌기(4222)가 결합됨에 따라 진동판(423)은 상부케이스(421) 및 하부케이스(422)가 형성하는 내부 공간에 설치될 것이다.The upper case 421 and the lower case 422 may be mutually coupled and fixed in an interference fitting manner by fitting grooves 4212 and fitting protrusions 4222, respectively. At this time, the diaphragm 423 may be inserted into the fitting protrusion 4222 through the fitting hole 4232 formed on one side and seated on the seating ( ) surface where the fitting protrusion 4222 is formed, and in that state, the fitting groove ( As the 4212 and the fitting protrusion 4222 are coupled, the diaphragm 423 will be installed in the inner space formed by the upper case 421 and the lower case 422 .

이러한 진동판(423)은 중심자성체(4231)와 상부자성체(4211) 및 하부자성체(4221) 사이의 척력에 의해 상하로 유동함에 따라, 프린터(400)의 작동에 의해 발생하는 소음이나 진동을 저감시킬 수 있다.As the diaphragm 423 moves up and down by the repulsive force between the central magnetic body 4231, the upper magnetic body 4211, and the lower magnetic body 4221, noise or vibration generated by the operation of the printer 400 can be reduced. can

본 발명의 일 실시예에 따른 프린터(400)는, 프린터(400)의 일측에 설치되며 신용 카드(C)가 삽입된 후 전후 방향으로 이동함에 따라 신용 카드(C)에 묻어 있는 먼지 등의 이물질을 제거하는 카드클리너(500)를 더 포함할 수 있다. 이를 통해 사용자의 소비 만족도를 향상시켜 줄 수 있다.The printer 400 according to an embodiment of the present invention is installed on one side of the printer 400 and moves in the forward and backward directions after the credit card C is inserted, such as foreign substances such as dust on the credit card C. It may further include a card cleaner 500 to remove. Through this, the user's consumption satisfaction can be improved.

카드클리너(500)는, 하우징(510), 카드이동부(520), 제1 롤러(530), 제2 롤러(540) 및 자동이동부(550)를 포함할 수 있다.The card cleaner 500 may include a housing 510 , a card moving unit 520 , a first roller 530 , a second roller 540 and an automatic moving unit 550 .

하우징(510)은, 프린터(400)의 일측에 설치되며, 일측을 따라 카드이동부(520)가 형성된다.The housing 510 is installed on one side of the printer 400, and a card moving unit 520 is formed along one side.

카드이동부(520)는, 신용 카드(C)가 하우징(510)의 후단으로 삽입된 후 하우징(510)의 전단까지 이동할 수 있도록 하우징(510)의 후단으로부터 하우징(510)의 일측을 따라 하우징(510)의 전단까지 연장 형성되며, 상하 방향으로 서로 대향하면서 제1 롤러(530)와 제2 롤러(540)가 설치된다.The card moving unit 520 is a housing along one side of the housing 510 from the rear end of the housing 510 so that the credit card C can move to the front end of the housing 510 after being inserted into the rear end of the housing 510 ( 510), the first roller 530 and the second roller 540 are installed while facing each other in the vertical direction.

제1 롤러(530)는, 제2 롤러(540)와 대향하면서 카드이동부(520)의 상측에 설치되어 카드이동부(520)를 따라 이동 중인 신용 카드(C)의 상면에 부착되어 있는 이물질을 제거한다.The first roller 530 is installed on the upper side of the card moving unit 520 while facing the second roller 540 to remove foreign matter attached to the upper surface of the credit card (C) moving along the card moving unit 520. do.

제2 롤러(540)는, 제1 롤러(530)와 대향하면서 카드이동부(520)의 하측에 설치되어 카드이동부(520)를 따라 이동 중인 신용 카드(C)의 하면에 부착되어 있는 이물질을 제거한다.The second roller 540 is installed on the lower side of the card moving unit 520 while facing the first roller 530 to remove foreign substances attached to the lower surface of the credit card C moving along the card moving unit 520. do.

일 실시예예서, 제1 롤러(530)는, 전단 롤러(531), 후단 롤러(532) 및 청소용 벨트(533)를 포함할 수 있다.In one embodiment, the first roller 530 may include a front roller 531 , a rear roller 532 , and a cleaning belt 533 .

여기서, 제2 롤러(540)는, 후술하는 제1 롤러(530)와 상하 대칭 구조로서, 제1 롤러(530)의 전단 롤러(531), 후단 롤러(532) 및 청소용 벨트(533) 등의 구성들이 동일하게 적용될 수 있는 바, 설명의 중복을 피하기 위해 그 설명을 생략하기로 한다.Here, the second roller 540 has a vertically symmetrical structure with the first roller 530 to be described later, and includes a front roller 531, a rear roller 532, a cleaning belt 533, and the like of the first roller 530. Since the configurations can be equally applied, the description thereof will be omitted to avoid duplication of description.

전단 롤러(531)는, 청소용 벨트(533)의 후단 내향면을 지지하면서 후단 롤러(532)와 대향하면서 카드이동부(520)의 후단 상측에 설치되며, 구동 요청이 전달되면 후단 롤러(532)와 동일한 방향으로 회전 구동한다.The front roller 531 is installed on the upper side of the rear end of the card moving unit 520 while supporting the inward surface of the rear end of the cleaning belt 533 and facing the rear roller 532. When a driving request is transmitted, the rear roller 532 and rotate in the same direction.

후단 롤러(532)는, 청소용 벨트(533)의 전단 내향면을 지지하면서 전단 롤러(531)와 대향하면서 카드이동부(520)의 전단 상측에 설치되며, 구동 요청이 전달되면 전단 롤러(531)와 동일한 방향으로 회전 구동한다.The rear roller 532 supports the front inward surface of the cleaning belt 533 and is installed on the upper side of the front end of the card moving unit 520 while facing the front roller 531, and when a drive request is transmitted, the front roller 531 and rotate in the same direction.

청소용 벨트(533)는, 후단이 후단 롤러(532)에 의해 지지되고, 전단이 전단 롤러(531)에 의해 지지되어 하측의 외향면이 카드이동부520)으로 삽입된 신용 카드(C)의 상면에 밀착되도록 설치되며, 전단 롤러(531)와 후단 롤러(532)가 회전 구동함에 따라 신용 카드(C)의 이동 방향과 반대 방향으로 회전하면서 신용 카드(C)의 상면에 부착되어 있는 먼지 등의 이물질을 제거한다.The cleaning belt 533 has its rear end supported by the rear roller 532 and its front end supported by the front roller 531 so that its lower outward surface is on the upper surface of the credit card C inserted into the card moving unit 520. It is installed to be in close contact, and as the front roller 531 and the rear roller 532 are rotated and driven, foreign substances such as dust attached to the upper surface of the credit card (C) rotate in the opposite direction to the moving direction of the credit card (C). Remove

자동이동부(550)는, 하우징(510)의 일측에 설치되며, 카드이동부(520)의 후단으로 신용 카드(C)가 삽입되면 신용 카드(C)를 체결한 후 카드이동부(520)를 따라 신용 카드(C)를 하우징(510)의 전방으로 이동시켜 준다. 상술한 바와 같은 구성을 가지는 다른 실시예에 따른 카드클리너(500)는, 사용자가 신용 카드(C)를 파지 후 카드이동부(520)를 따라 이동시켜 줄 필요 없이, 신용 카드(C)가 카드이동부(520)에 삽입되면 자동이동부(550)가 신용 카드(C)를 파지 후 카드이동부(520)를 따라 자동으로 이동시켜 줌으로써 고객의 사용 편의성을 보다 향상시켜 줄 수 있다.The automatic movement unit 550 is installed on one side of the housing 510, and when a credit card (C) is inserted into the rear end of the card movement unit 520, the credit card (C) is engaged and then along the card movement unit 520. The credit card (C) is moved to the front of the housing (510). The card cleaner 500 according to another embodiment having the configuration as described above, the credit card (C) moves along the card moving unit 520 without the need for the user to hold the credit card (C) and move it along the card moving unit. When inserted into the 520, the automatic movement unit 550 grips the credit card (C) and automatically moves it along the card movement unit 520, thereby improving customer convenience.

자동이동부(550)는, 슬라이더(551), 체결홈(552), 체결플레이트(553) 및 구동기어(554a, 544b)를 포함한다.The automatic moving unit 550 includes a slider 551, a fastening groove 552, a fastening plate 553, and drive gears 554a and 544b.

슬라이더(551)는, 하우징(510)의 일측에 연결 설치되어 하우징(510)의 일측을 따라 전후 방향으로 슬라이딩 이동되며, 후단에 체결홈(552)이 형성된다.The slider 551 is connected to one side of the housing 510 and slides in the forward and backward directions along one side of the housing 510, and a fastening groove 552 is formed at the rear end.

일 실시예에서, 슬라이더(551)는, 하우징(510)의 일측과 대향하는 슬라이더(551)의 밀착면의 상측 및 하측에 하우징(510)의 일측 상측 및 하측을 따라 연장 형성되는 슬라이딩 유도홈(설명의 편의상 도면에는 도시하지 않음)에 체결되기 위한 체결 돌기(551b, 551c)가 구비되어 하우징(510)으로부터 분리되지 아니할 수 있다.In one embodiment, the slider 551 is a sliding guide groove extending along the upper and lower sides of one side of the housing 510 on the upper and lower sides of the contact surface of the slider 551 facing the one side of the housing 510 ( For convenience of explanation, fastening protrusions 551b and 551c for fastening (not shown in the drawing) may be provided and may not be separated from the housing 510 .

체결홈(552)은, 카드이동부(520)의 후단으로 삽입되는 신용 카드(C)가 슬라이더(551)의 후단으로 동시에 삽입될 수 있도록 카드이동부(520)와 대향하면서 슬라이더(551)의 후단에 형성된다.The fastening groove 552 is at the rear end of the slider 551 while facing the card moving unit 520 so that the credit card C inserted into the rear end of the card moving unit 520 can be simultaneously inserted into the rear end of the slider 551. is formed

일 실시예에서, 체결홈(552)은, 신용 카드(C)의 삽입이 용이하게 이루어질 수 있도록 후단 상측이 경사면(511a)을 형성함이 바람직할 것이다.In one embodiment, it is preferable that the fastening groove 552 forms an inclined surface 511a at the upper end of the rear end so that the credit card C can be easily inserted.

체결플레이트(553)는, 체결홈(552)의 하측에서 다수 개의 탄성 수단(553a)에 의해 지지되어 설치되며, 체결홈(552)으로 삽입되는 신용 카드(C)의 하측으로 밀착되어 신용 카드(C)를 체결한다.The fastening plate 553 is supported and installed on the lower side of the fastening groove 552 by a plurality of elastic means 553a, and is in close contact with the lower side of the credit card C inserted into the fastening groove 552, so that the credit card ( C) to conclude.

구동기어(554a, 544b)는, 슬라이더(551)의 내부의 상측 및 하측에 각각 설치되되, 하우징(510)의 일측과 대향하는 슬라이더(551)의 밀착면으로 일부가 노출되어 하우징 (510)의 일측의 상측 및 하측을 따라 전후 방향으로 각각 연장 형성되는 상부레일(R1)과 하부레일(R2)에 각각 맞물려 연결 설치되어 동시에 정방향 또는 역방향으로 회전 구동되어 슬라이더(551)를 이동시켜 준다.The drive gears 554a and 544b are installed on the upper and lower sides of the slider 551, respectively, and are partially exposed to the contact surface of the slider 551 facing one side of the housing 510, The upper rail (R1) and the lower rail (R2), which are formed to extend in the front and rear directions along the upper and lower sides of one side, respectively, are engaged and connected to each other, and are simultaneously rotated in the forward or reverse direction to move the slider 551.

상술한 구성에 의하여 신용 카드(C)가 카드이동부(520)에 삽입되면 자동이동부(550)가 신용 카드(C)를 파지 후 카드이동부(520)를 따라 자동으로 이동시켜 줌으로써 고객의 사용 편의성을 보다 향상시켜 주고, 신용 카드(C)에 부착되어 있는 먼지 등의 이물질을 제거함으로써, 고객 만족도를 향상시킬 수 있다.According to the configuration described above, when the credit card (C) is inserted into the card moving unit 520, the automatic moving unit 550 grips the credit card (C) and automatically moves it along the card moving unit 520, thereby providing customer convenience. It is possible to improve customer satisfaction by further improving and removing foreign substances such as dust attached to the credit card (C).

이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안 될 것이다.Although the preferred embodiments of the present invention have been shown and described above, the present invention is not limited to the specific embodiments described above, and is common in the art to which the present invention pertains without departing from the gist of the present invention claimed in the claims. Of course, various modifications are possible by those with knowledge of, and these modifications should not be individually understood from the technical spirit or prospect of the present invention.

10. SNS 빅데이터 분석 시스템
100. 웹데이터 서버
200. 분석 서버
300. 관리 단말
400. 프린터
10. SNS big data analysis system
100. Web data server
200. Analysis server
300. Management terminal
400. Printer

Claims (3)

해시태그로 SNS에서 검색하였을 때 다양한 계정에 게시된 상품의 데이터를 검색하고 수집하는 웹데이터 서버; 및
상기 웹데이터 서버로부터 받은 데이터를 분석하여 정리 및 분류하고 관리하는 분석 서버;를 포함하고
상기 웹데이터 서버는,
다양한 계정에 게시된 상품의 정보와 해시태그를 검색하고 수집하는 데이터수집부; 및
상기 데이터수집부로부터 수집된 데이터를 상기 분석 서버로 송신하는 송신부;를 포함하고,
상기 분석 서버는,
상기 웹데이터 서버로부터 데이터를 수신하고 정리된 데이터를 관리 단말로 데이터를 송신하는 송수신부;
상기 웹데이터 서버로부터 수신한 데이터에서 계정 점수 산출에 필요한 데이터를 추출하는 데이터추출부;
상기 데이터추출부로부터 추출한 데이터를 정리하고 분석하여 검색 해시태그에 따른 계정, 계정의 팔로워 수, 팔로우 수, 게시물 수, 좋아요 수, 평균 좋아요 수를 토대로 점수를 산출하고 점수순으로 계정을 나열하는 해시태그분석부;
상기 데이터추출부로부터 추출한 데이터를 정리하고 검색 계정에 따른 좋아요, 팔로워 수, 게시물 수의 변화를 분석하여 그래프와 데이터로 표시하는 계정분석부;
SNS 계정의 프로필 설명에 기재된 단어를 검색하면 계정, 계정이름, 팔로워 수, 팔로우 수, 평균 좋아요, 최근포스팅, 링크, 반복해시태그, 프로필 소개글을 데이터화하여 나열하는 프로필분석부; 및
해시태그에 따른 요일별 게시물 증가량, 월별 게시물 증가량, 게시물 증가 추이를 분석하여 그래프로 표시하는 그래프표시부;를 포함하고,
상기 분석 서버와 통신하고 데이터를 전송받아 원격지에서도 상기 해시태그분석부, 상기 계정분석부, 상기 프로필분석부 및 상기 그래프표시부가 분석한 데이터를 확인 가능하게 하는 태블릿형 관리 단말; 및
상기 관리 단말과 통신하며 상기 분석한 데이터를 출력하는 프린터;를 더 포함하고,
상기 프린터는,
데이터를 출력하여 SNS 관련 마케팅에 도움을 얻으려는 사람이 카드 결제를 할 수 있도록 구비된 카드 단말기; 및
상기 프린터의 하부에 설치되어 프린터의 작동에 의해 발생하는 소음을 저감하는 소음저감부;를 포함하고,
상기 소음저감부는,
상기 프린터를 지지하고 일측에 상부자성체가 결합되어 있으며 양측에 끼움홈이 구비된 상부케이스;
바닥면에 지지되고 일측에 하부자성체가 결합되어 있으며 양측에 끼움돌기가 구비된 하부케이스; 및
상기 상부케이스와 상기 하부케이스가 형성하는 내부 공간에 위치하는 진동판;을 포함하고,
상기 진동판은,
일측에 형성되는 끼움홀; 및
상기 상부자성체 및 상기 하부자성체와 상호 척력이 발생하도록 상호 대향하는 위치에 형성되는 중심자성체;를 포함하고,
상기 상부케이스 및 하부케이스는 각각 상기 끼움홈과 끼움돌기에 의해 억지끼움 방식으로 상호 결합되어 고정되고,
상기 진동판은 상기 중심자성체와 상부자성체 및 하부자성체 사이의 척력에 의해 상하로 유동하며 상기 프린터의 작동에 의한 소음이나 진동을 저감시키는 것을 특징으로 하고,

상기 프린터는,
프린터의 일측에 설치되며 신용 카드가 삽입된 후 전후 방향으로 이동함에 따라 신용 카드에 묻어 있는 이물질을 제거하는 카드클리너;를 더 포함하고,
상기 카드클리너는,
상기 프린터의 일측에 설치되는 하우징;
신용 카드가 상기 하우징의 후단으로 삽입된 후 상기 하우징의 전단까지 이동할 수 있도록 하우징의 후단으로부터 하우징의 일측을 따라 하우징의 전단까지 연장 형성되는 카드이동부;
제2 롤러와 대향하면서 상기 카드이동부의 상측에 설치되어 상기 카드이동부를 따라 이동 중인 신용 카드의 상면에 부착되어 있는 이물질을 제거하는 제1 롤러; 및
제1 롤러와 대향하면서 상기 카드이동부의 하측에 설치되어 상기 카드이동부를 따라 이동중인 신용 카드의 하면에 부착되어 있는 이물질을 제거하는 제2 롤러;를 포함하고,
상기 제1 롤러는,
청소용 벨트의 후단 내향면을 지지하면서 후단 롤러와 대향하면서 상기 카드이동부의 후단 상측에 설치되어 구동 요청이 전달되면 후단 롤러와 동일한 방향으로 회전 구동하는 전단 롤러;
청소용 벨트의 전단 내향면을 지지하면서 전단 롤러와 대향하면서 카드이동부의 전단 상측에 설치되며, 구동 요청이 전달되면 전단 롤러와 동일한 방향으로 회전 구동하는 후단 롤러; 및
후단이 후단 롤러에 의해 지지되고, 전단이 전단 롤러에 의해 지지되어 하측의 외향면이 카드이동부로 삽입된 신용 카드의 상면에 밀착되도록 설치되며, 전단 롤러와 후단 롤러가 회전 구동함에 따라 신용 카드의 이동 방향과 반대 방향으로 회전하면서 신용 카드의 상면에 부착되어 있는 이물질을 제거하는 청소용 벨트;를 포함하는, SNS 빅데이터 분석 시스템.
A web data server that retrieves and collects product data posted on various accounts when searched on SNS by hashtag; and
An analysis server that analyzes, organizes, classifies, and manages the data received from the web data server; and
The web data server,
A data collection unit that searches and collects product information and hashtags posted on various accounts; and
A transmission unit for transmitting the data collected from the data collection unit to the analysis server;
The analysis server,
a transceiver for receiving data from the web data server and transmitting the organized data to a management terminal;
a data extraction unit extracting data necessary for calculating account scores from the data received from the web data server;
The data extracted from the data extraction unit is organized and analyzed to calculate a score based on the number of accounts according to the search hashtag, the number of followers of the account, the number of followers, the number of posts, the number of likes, and the average number of likes, and the hash that lists the accounts in order of score tag analysis unit;
an account analysis unit that organizes the data extracted from the data extraction unit, analyzes changes in the number of likes, followers, and posts according to search accounts, and displays them in graphs and data;
A profile analysis unit that lists the account, account name, number of followers, number of followers, average likes, recent posts, links, repeated hashtags, and profile introductions into data when searching for words written in the profile description of an SNS account; and
A graph display unit that analyzes the increase in posts by day, the increase in monthly posts, and the trend of post increase according to the hashtag and displays it in a graph;
A tablet-type management terminal that communicates with the analysis server and receives data from a remote location to check the data analyzed by the hash tag analysis unit, the account analysis unit, the profile analysis unit, and the graph display unit; and
Further comprising a printer communicating with the management terminal and outputting the analyzed data;
the printer,
a card terminal provided so that a person who wants to get help with SNS-related marketing by outputting data can make a card payment; and
A noise reduction unit installed below the printer to reduce noise generated by the operation of the printer;
The noise reduction unit,
an upper case supporting the printer, coupled with an upper magnetic body on one side, and having fitting grooves on both sides;
a lower case supported on a bottom surface, coupled to a lower magnetic body on one side, and provided with fitting protrusions on both sides; and
And a diaphragm located in an inner space formed by the upper case and the lower case.
The diaphragm is
Fitting hole formed on one side; and
A central magnetic body formed at a position facing each other to generate mutual repulsive force with the upper magnetic body and the lower magnetic body;
The upper case and the lower case are coupled and fixed to each other in an interference fitting method by the fitting groove and the fitting protrusion, respectively.
The diaphragm is characterized in that it moves up and down by the repulsive force between the central magnetic body and the upper magnetic body and the lower magnetic body and reduces noise or vibration caused by the operation of the printer,

the printer,
A card cleaner installed on one side of the printer and removing foreign substances from the credit card as it moves in the forward and backward directions after the credit card is inserted; further comprising,
The card cleaner,
a housing installed on one side of the printer;
a card moving unit extending from the rear end of the housing to the front end of the housing along one side of the housing so that the credit card can be moved to the front end of the housing after being inserted into the rear end of the housing;
a first roller facing the second roller and installed above the card moving unit to remove foreign matter adhering to the upper surface of the credit card moving along the card moving unit; and
A second roller installed below the card moving unit while facing the first roller to remove foreign substances attached to the lower surface of the credit card moving along the card moving unit;
The first roller,
a front roller that supports an inward surface of the rear end of the cleaning belt and is installed on the upper side of the rear end of the card moving unit while facing the rear roller and rotationally driven in the same direction as the rear roller when a driving request is transmitted;
a rear roller installed above the front end of the card moving unit while supporting an inward surface of the front end of the cleaning belt and facing the front roller, and rotationally driven in the same direction as the front roller when a driving request is received; and
The rear end is supported by the rear roller, and the front end is supported by the front roller so that the lower outward surface is in close contact with the upper surface of the credit card inserted into the card moving unit, and as the front and rear rollers rotate and drive, the credit card SNS big data analysis system comprising a; cleaning belt for removing foreign substances attached to the upper surface of the credit card while rotating in the opposite direction to the moving direction.
삭제delete 삭제delete
KR1020220081549A 2022-07-02 2022-07-02 Social media big data analysis system KR102477606B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220081549A KR102477606B1 (en) 2022-07-02 2022-07-02 Social media big data analysis system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220081549A KR102477606B1 (en) 2022-07-02 2022-07-02 Social media big data analysis system

Publications (1)

Publication Number Publication Date
KR102477606B1 true KR102477606B1 (en) 2022-12-14

Family

ID=84438631

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220081549A KR102477606B1 (en) 2022-07-02 2022-07-02 Social media big data analysis system

Country Status (1)

Country Link
KR (1) KR102477606B1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190069916A (en) * 2017-12-12 2019-06-20 태그바이컴퍼니(주) Influencer social media marketing service system having marketing efficiency analysis function of influencers and shop distribution function, a providing method thereof, and a recoding medium storing program for executing the same
KR20190120263A (en) 2017-02-27 2019-10-23 에르테에스 로만 테라피-시스테메 아게 Nicotine-containing clear transdermal treatment system
KR20210071501A (en) * 2019-12-06 2021-06-16 주식회사 클리노믹스 Method for providing internet search service sorted by correlation based priority specialized in professional areas
KR102273225B1 (en) * 2021-03-30 2021-07-02 김성철 System for sns marketing
KR20220074571A (en) * 2020-11-27 2022-06-03 주식회사 데이터마케팅코리아 A method and an apparatus for embedding sns contents based on deep learning analysis for collecting channel information of marketing knowledge graphs

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190120263A (en) 2017-02-27 2019-10-23 에르테에스 로만 테라피-시스테메 아게 Nicotine-containing clear transdermal treatment system
KR20190069916A (en) * 2017-12-12 2019-06-20 태그바이컴퍼니(주) Influencer social media marketing service system having marketing efficiency analysis function of influencers and shop distribution function, a providing method thereof, and a recoding medium storing program for executing the same
KR20210071501A (en) * 2019-12-06 2021-06-16 주식회사 클리노믹스 Method for providing internet search service sorted by correlation based priority specialized in professional areas
KR20220074571A (en) * 2020-11-27 2022-06-03 주식회사 데이터마케팅코리아 A method and an apparatus for embedding sns contents based on deep learning analysis for collecting channel information of marketing knowledge graphs
KR102273225B1 (en) * 2021-03-30 2021-07-02 김성철 System for sns marketing

Similar Documents

Publication Publication Date Title
Guo et al. A survey of learning causality with data: Problems and methods
Hertwig et al. Experience and description: Exploring two paths to knowledge
Rausch et al. Predicting online shopping cart abandonment with machine learning approaches
Johnsen The future of Artificial Intelligence in Digital Marketing: The next big technological break
KR102477601B1 (en) Store marketing optimization system
Chakraborty et al. Data Classification and Incremental Clustering in Data Mining and Machine Learning
KR102477606B1 (en) Social media big data analysis system
KR102477604B1 (en) Online marketing big data analysis system
KR102477609B1 (en) Place marketing optimizing system
Seippel Customer purchase prediction through machine learning
Ferreira et al. Incident routing: text classification, feature selection, imbalanced datasets, and concept drift in incident ticket management
Sabry Data Mining: Fundamentals and Applications
Sathiyamoorthi Introduction to machine learning and its implementation techniques
Bouzidi Deep LSTM-based automated learnin g environment using smart data to improve awareness an d education in time series forecasting
Wang Viewability prediction for display advertising
Johansson et al. Customer segmentation using machine learning
Akerkar et al. Basic learning algorithms
Umeki Comparative Analysis of Machine Learning and Sequential Deep learning Models in Higher Education Fundraising
Müller et al. Augmenting data quality through high-precision gender categorization
Stojanovski Churn Prediction using Sequential Activity Patterns in an On-Demand Music Streaming Service
US20240046012A1 (en) Systems and methods for advanced synthetic data training and generation
Ding et al. Building High Performance Explainable Machine Learning Models for Social Media-based Substance Use Prediction
Kumar Machine learning (supervised)
Petkar Machine Learning: Techniques and Principles
Lavelle-Hill Big data psychology

Legal Events

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