KR102493412B1 - 의류 및 사이즈 추천 방법 및 그 방법을 수행하기 위한 서버 - Google Patents

Abstract

일 실시예에 따르면, 의류 및 사이즈 추천 방법 및 그 방법을 수행하기 위한 서버가 제공된다. 의류 및 사이즈 추천 방법은, 트랜시버에 의해, 사용자 단말기로부터 사용자 계정의 사용자 개인 데이터를 수신하는 동작; 의류 카테고리 선정부에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리를 선정하는 동작; 사용자 취향도 계산부에 의해, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도를 계산하는 동작; 사용자 취향 반영부에 의해, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 생성하는 동작; 지역 경향성 반영부에 의해, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트를 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트로 생성하는 동작; 관계 스코어 계산부에 의해, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 관계 스코어를 계산하는 동작; 상기 트랜시버에 의해, 상기 제2 추천 의류 세트와 상기 관계 스코어를 상기 사용자의 사용자 단말기로 송신하고, 상기 사용자 단말기로부터 상기 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 수신하는 동작; 사이즈 추천부에 의해, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 추천 사이즈를 추천하는 동작; 및 상기 트랜시버에 의해, 상기 사용자 단말기로 상기 추천 사이즈를 송신하는 동작;을 포함할 수 있다.

Description

의류 및 사이즈 추천 방법 및 그 방법을 수행하기 위한 서버 {Clothing and size recommendation method and server for performing the method}

본 발명은 의류 및 사이즈 추천 방법 및 그 방법을 수행하기 위한 서버에 관한 것으로, 사용자의 취향에 맞는 의류 및 사이즈를 추천하기 위해 사용자의 취향 및 지역 경향성을 반영하여 의류를 추천하고, 추천된 의류의 알맞은 사이즈를 제공하는 기술에 관한 것이다.

인터넷 등 네트워크 기술의 발달로, 의류 쇼핑 시 온라인 의류 쇼핑몰을 이용하는 빈도가 증가하고 있다. 사용자는 온라인 의류 쇼핑몰을 운영하는 업체의 온라인 쇼핑 메뉴에서 상품 목록을 검색한 후, 원하는 상품을 선택하고 결제할 수 있다.

온라인상 수많은 쇼핑몰이 다양한 의류를 판매하고 있는 바, 온라인 쇼핑을 수행하는 사용자는 자신의 취향에 알맞은 의류를 찾는데 어려움을 겪고 있다.

한편 인공지능(Artificial Intelligence, AI) 시스템은, 기계 학습(딥러닝) 등을 기반으로 인간 수준의 지능을 구현하는 컴퓨터 시스템이다. 상술한 네트워크 기술의 발달과 인공지능 시스템의 발달을 접목하여, 온라인 의류 쇼핑 시 사용자의 편의를 제공하기 위한 시도가 계속되고 있다.

본 발명의 목적은 사용자의 취향에 맞는 의류를 추천할 수 있는 의류 및 사이즈 추천 방법 및 이를 수행하는 서버를 제공하는 것이다.

또한, 사용자의 지역 정보에 기초하여 지역 경향성을 반영한 추천 의류를 제공할 수 있다.

또한, 사용자의 체형과 선호하는 핏을 고려한 의류 사이즈를 추천할 수 있다.

또한, 의류 디자인과 관련된 프로젝트 및 미팅의 발생할 수 있는 소송 또는 법적 분쟁을 미연에 방지할 수 있다.

일 실시예에 따른 의류 및 사이즈 추천 방법은, 트랜시버에 의해, 사용자 단말기로부터 사용자 계정의 사용자 개인 데이터를 수신하는 동작; 의류 카테고리 선정부에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리를 선정하는 동작; 사용자 취향도 계산부에 의해, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도를 계산하는 동작; 사용자 취향 반영부에 의해, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 생성하는 동작; 지역 경향성 반영부에 의해, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트를 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트로 생성하는 동작; 관계 스코어 계산부에 의해, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 관계 스코어를 계산하는 동작; 상기 트랜시버에 의해, 상기 제2 추천 의류 세트와 상기 관계 스코어를 상기 사용자의 사용자 단말기로 송신하고, 상기 사용자 단말기로부터 상기 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 수신하는 동작; 및 사이즈 추천부에 의해, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 추천 사이즈를 추천하는 동작; 및 상기 트랜시버에 의해, 상기 사용자 단말기로 상기 추천 사이즈를 송신하는 동작; 을 포함할 수 있다.

상기 취향도를 계산하는 동작은, 상기 사용자 취향 반영부에 의해, 상기 사용자 정보의 피부색 및 머리색에 기초하여 상기 제1 추천 의류들의 각각의 컬러의 대비 정도를 나타내는 사용자 매칭 컬러도를 계산하는 동작; 상기 사용자 취향 반영부에 의해, 상기 의류 구매 정보의 구매 의류의 가격 및 브랜드 정보에 기초하여 상기 제1 추천 의류들의 각각의 브랜드 유사도를 계산하는 동작; 상기 사용자 취향 반영부에 의해, 상기 의류 구매 정보의 구매 의류의 출시 년도 및 구매 년도에 기초하여 상기 사용자의 이월 선호도를 계산하는 동작; 및 상기 사용자 취향 반영부에 의해, 상기 사용자 매칭 컬러도, 상기 브랜드 유사도 및 상기 이월 선호도에 기초하여 취향도를 계산하는 동작; 을 포함할 수 있다.

상기 제1 추천 의류 세트를 상기 제2 추천 의류 세트로 생성하는 동작은, 상기 지역 경향성 반영부에 의해, 상기 취향도 및 상기 거주지 정보에 기초하여 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류의 각각의 지역 경향성 스코어를 계산하는 동작; 상기 지역 경향성 반영부에 의해, 상기 지역 경향성 스코어에 기초하여 상기 제1 추천 의류 세트에서 제1 의류를 제외한 제2 추천 의류 세트를 생성하는 동작; 및 상기 지역 경향성 반영부에 의해, 상기 지역 경향성 스코어에 기초하여 상기 제1 추천 의류 세트에서 제2 의류를 추가한 제2 추천 의류 세트를 생성하는 동작; 을 더 포함하고, 상기 제1 의류는 상기 지역 경향성 스코어가 임계값 이하인 의류에 해당하고, 상기 제2 의류는 상기 지역 경향성 스코어가 임계값을 초과하는 의류에 해당할 수 있다.

상기 의류 구매 정보는 상기 사용자가 기 설정된 기간 내에 구매한 의류의 제1 색상, 제1 재질 및 제1 드레스 코드 정보를 포함하고, 상기 관계 스코어를 계산하는 동작은, 상기 관계 스코어 계산부에 의해, 상기 제1 색상, 제1 재질 및 제1 드레스 코드 정보와 상기 제2 추천 의류의 제2 색상, 제2 재질 및 제2 드레스 코드 정보에 기초하여 상기 관계 스코어를 계산하는 동작; 을 포함할 수 있다.

상기 선호 의류 핏 정보는 타이트핏, 오버핏, 베이직핏 및 루즈핏을 포함하고, 상기 추천 사이즈를 추천하는 동작은, 상기 사용자 정보에 포함된 상기 사용자의 키, 몸무게 및 상기 선택 의류 상품의 리뷰 정보에 기초하여 적정 사이즈를 계산하는 동작; 및 상기 선호 의류 핏 정보에 기초하여 상기 적정 사이즈를 조절한 추천 사이즈를 계산하는 동작;을 포함할 수 있다.

일 실시예에 따른 서버는 트랜시버; 의류 카테고리 선정부; 사용자 취향도 계산부; 사용자 취향 반영부; 지역 경향성 반영부; 관계 스코어 계산부; 및 사이즈 산출부를 포함하고, 상기 트랜시버는, 사용자 단말기로부터 사용자 계정의 사용자 개인 데이터를 수신하고, 상기 의류 카테고리 선정부는, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리를 선정하고, 상기 사용자 취향도 계산부는, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도를 계산하고, 상기 사용자 취향 반영부는, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 생성하고, 상기 지역 경향성 반영부는, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트를 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트로 생성하고, 상기 관계 스코어 계산부는, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류 간의 매칭 적합도를 나타내는 관계 스코어를 계산하고, 상기 트랜시버는, 상기 제2 추천 의류 세트와 관계 스코어를 상기 사용자의 사용자 단말기로 송신하고, 상기 사용자 단말기로부터 상기 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 수신하고, 상기 사이즈 추천부는, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 추천 사이즈를 추천하고, 상기 트랜시버는, 상기 사용자 단말기로 상기 추천 사이즈를 송신할 수 있다.

일 실시예에 따른 의류 및 사이즈 추천 방법은 트랜시버에 의해, 메모리에 저장된 사용자 계정의 사용자 개인 데이터를 서버로 송신하는 동작; 상기 트랜시버에 의해, 상기 서버로부터 추천된 제2 추천 의류 세트 및 관계 스코어를 수신하는 동작; 상기 트랜시버에 의해, 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 송신하는 동작; 상기 트랜시버에 의해, 상기 서버로부터 추천 사이즈를 수신하는 동작; 및 디스플레이에 의해, 상기 제2 추천 의류 세트 및 상기 관계 스코어를 표시하는 동작을 포함하고, 상기 서버에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리는 선정되고, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도는 계산되고, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트는 생성되고, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트는 복수의 제2 추천 의류들을 포함하는 상기 제2 추천 의류 세트로 생성되고, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 상기 관계 스코어는 계산되고, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 상기 추천 사이즈는 추천될 수 있다.

일 실시예에 따른 사용자 단말기는 프로세서; 트랜시버; 메모리; 및

디스플레이를 포함하고, 상기 트랜시버는, 메모리에 저장된 사용자 계정의 사용자 개인 데이터를 서버로 송신하고, 상기 트랜시버는, 상기 서버로부터 추천된 제2 추천 의류 세트 및 관계 스코어를 수신하고, 상기 트랜시버는, 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 송신하고, 상기 트랜시버는, 상기 서버로부터 추천 사이즈를 수신하고, 상기 디스플레이는, 상기 제2 추천 의류 세트 및 상기 관계 스코어를 표시하고, 상기 서버에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리는 선정되고, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도는 계산되고, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트는 생성되고, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트는 복수의 제2 추천 의류들을 포함하는 상기 제2 추천 의류 세트로 생성되고, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 상기 관계 스코어는 계산되고, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 상기 추천 사이즈는 추천될 수 있다.

또한, 상기 의류 구매 정보는 상기 사용자의 관심 상품 정보 및 클릭 상품 정보를 포함하고, 추천 의류 카테고리를 선정하는 동작은, 상기 의류 카테고리 선정부에 의해, 상의, 하의, 신발 및 외투를 포함하는 의류 카테고리 각각에 대하여 상기 의류 구매 이력, 상기 관심 상품 정보 및 상기 클릭 상품 정보에 기초하여 카테고리 결정 점수를 계산하는 동작; 및 상기 의류 카테고리 선정부에 의해, 상기 카테고리 결정 점수가 가장 높은 의류 카테고리를 상기 추천 의류 카테고리로 선정하는 동작; 을 더 포함할 수 있다.

상기 의류 카테고리 선정부는 하기 수학식 1에 의해 상기 카테고리 결정 점수를 계산할 수 있다.

[수학식 1]

상기 수학식 1에 있어서, Category Decision Score는 카테고리 결정 점수를 나타내고, C는 상기 사용자의 특정 카테고리의 구매 의류를 식별하는 식별자, M_p는 C에 대응하는 의류의 구매 가격을 나타내고, InterItems는 상기 사용자의 특정 카테고리에 해당하는 의류의 관심 상품 수를 나타내고, N_c는 상기 사용자의 특정 카테고리에 해당하는 의류의 열람 클릭 횟수를 나타낼 수 있다.

일 실시예에 따른 의류 및 사이즈 추천 시스템은, 사용자 단말기; 및 서버를 포함하고, 상기 사용자 단말기는 메모리에 저장된 사용자 계정의 사용자 개인 데이터를 서버로 송신하고, 상기 서버는 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리를 선정하고, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도를 계산하고, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 생성하고, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트를 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트로 생성하고, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 관계 스코어를 산출하고, 상기 제2 추천 의류 세트와 관계 스코어를 상기 사용자의 사용자 단말기로 송신하고, 상기 사용자 단말기는 상기 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 서버로 송신하고, 상기 서버는 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 추천 사이즈를 추천하고, 상기 사용자 단말기로 상기 추천 사이즈를 송신할 수 있다.

본 발명의 실시 예는 개선된(enhanced) 의류 및 사이즈 추천 방법 및 그 방법을 수행하기 위한 서버를 제안한다는 측면에서 기술적인 효과를 갖는다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 의류 및 사이즈를 추천하는 시스템을 나타내는 개략도이다.
도 4는 일 실시예에 따른 제1 추천 의류 세트를 생성하는 동작의 예시를 나타내는 흐름도이다.
도 5는 일 실시예에 따라 제2 추천 의류 세트와 관계 스코어를 생성하는 동작의 예시를 나타내는 흐름도이다.
도 6은 일 실시예에 따라 추천 사이즈를 계산하는 동작의 예시를 나타내는 흐름도이다.
도 7은 일 실시예에 따라 취향도를 계산하는 구체적인 동작의 예시를 나타내는 흐름도이다.
도 8은 일 실시예에 따라 사용자 단말기의 디스플레이에 표시되는 추천 의류 세트를 나타내는 도면이다.
도 9는 일 실시예에 따라 사용자 단말기가 선택 의류 상품의 추천 사이즈를 출력하는 일 예를 나타내는 도면이다.
도 10은 일 실시예에 따른 서버의 구성을 도시한 도면이다.

이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.

도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.

또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 송신(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 송신률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 왑 서버(WAP Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Visual Basic, Visual C 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 도스(DOS), 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 웹사이트(Website), IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH등이 이용될 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.

제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.

데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.

도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.

도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.

운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.

미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.

어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.

데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.

시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 송신하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.

어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.

장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.

본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.

뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.

하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.

전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.

도 3은 일 실시예에 따른 의류 및 사이즈를 추천하는 시스템을 나타내는 개략도이다.

일 실시예에 따르면, 의류 디자인 및 사이즈를 추천하는 시스템(300)은 서버(310), 데이터 베이스(311), 네트워크(320)(예: 도 1의 제2 네트워크(199)), 하나 이상의 전자 장치(330, 340)(예: 도 1의 전자 장치(100)을 포함할 수 있다. 여기서, 하나 이상의 전자 장치(330, 340)는 사용자 단말기(330) 및 복수의 지역 사용자 단말기(340)을 포함할 수 있다. 이하, 사용자 단말기(330) 및 복수의 지역 사용자 단말기(340) 은 각각 사용자 및 복수의 지역 사용자로 지칭될 수 있다.

서버(310)는 사용자에 대하여 추천 의류 카테고리를 선정할 수 있다. 추천 의류 카테고리는 하의, 상의, 외투, 신발 중 어느 하나에 해당할 수 있다. 또한, 구체적으로, 추천 의류 카테고리는 재킷, 점퍼, 코트, 가디건, 조끼, 티셔츠, 블라우스, 셔츠, 니트, 바지, 스커트, 원피스, 투피스, 트레이닝복 중 어느 하나에 해당할 수 있다. 서버(310)는 사용자의 구매 이력에 따라, 최근 많이 구매하지 않은 카테고리의 의류를 사용자에게 추천함으로써, 사용자가 실질적으로 필요한 의류를 추천할 수 있다.

또한, 취향도는 특정 의류에 대해 사용자의 취향을 수치화한 값에 해당할 수 있다. 취향도는 사용자의 구매 경향을 반영한 값에 해당할 수 있다. 또한, 취향도는 사용자의 브랜드 선호도를 나타낼 수 있다.

관계 스코어는 사용자가 기 구매한 의류와 구매 예정인 추천 의류 간의 매칭 적합도를 수치화한 값에 해당할 수 있다. 예를 들어, 추천 의류가 상의에 해당하는 경우, 기 구매한 하의와 매칭되는 및/또는 어울리는 정도를 나타낸 값이 관계 스코어에 해당할 수 있다.

선호 의류 핏 정보는 선호하는 의류 착용 핏을 나타낼 수 있다. 선호 의류 핏 정보는 타이트핏, 오버핏, 베이직핏 및 루즈핏 중 어느 하나에 해당할 수 있다.

매칭 컬러도는 사용자의 피부색 및 머리색과 대비하여 의류 색상의 매칭 정도를 수치화한 값에 해당할 수 있다. 예를 들어, 사용자의 머리색이 검은 색인 경우, 검은색의 의류는 매칭 컬러도가 9에 해당할 수 있다. 또한, 사용자의 피부색이 구릿빛에 해당하는 경우, 연두색의 의류는 매칭 컬러도가 4이하의 값에 해당할 수 있다.

브랜드 유사도는 사용자의 기 구매한 의류의 브랜드와 추천 의류의 브랜드 간의 유사도를 나타낼 수 있다. 브랜드 유사도는 브랜드의 가치, 의류 판매 가격, 구매 연령대 등에 의해 정해질 수 있다. 또한, 브랜드 유사도는 1에서 100사이의 자연수에 해당할 수 있다. 또한, 브랜드 유사도의 값이 낮을수록 브랜드가 유사한 경우에 해당할 수 있다.

이월 선호도는 사용자가 이월된 의류에 대한 선호 정도를 수치화한 값에 해당할 수 있다. 또한, 이월 선호도는 의류 구매 정보의 구매 의류의 출시 년도 및 구매 년도에 기초하여 계산될 수 있다.

지역 경향성 스코어는 사용자가 거주하는 지역의 사람들의 구매 경향성을 나타낼 수 있다. 예를 들어, 추운 지역에 사용자가 거주하는 경우, 두꺼운 울 코트나 장갑, 목도리 등의 지역 경향성 스코어가 높게 계산될 수 있다.

사용자(350) 및 복수의 지역 사용자(340)는 클라이언트로서 상기 서버와 통신을 수행하며 본 방법에 참여할 수 있다. 상기 클라이언트는 서버와 통신을 통해 정보를 교환할 수 있는 것으로, 통상적인 사용자 단말기일 수 있다. 상기 사용자 단말기는 적어도 하나의 프로세서를 포함하는 무선 통신 기능을 포함하는 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 사용자 단말기는 스마트폰, 휴대폰, 헨드헬드 장치(hand-held device), 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

도 4는 일 실시예에 따른 의류 디자인 프로젝트를 관리하는 동작의 예시를 나타내는 흐름도이다.

일 실시예에 따르면, 동작(S401)에서, 서버(310)는 트랜시버에 의해, 사용자 단말기로부터 사용자 계정의 사용자 개인 데이터를 수신할 수 있다. 상기 사용자 개인 데이터는 사용자의 이름, 나이, 성별, 키, 몸무게 등을 포함할 수 있다. 또한, 서버(310)는 상기 수신한 사용자 개인 데이터를 데이터 베이스(311)에 저장할 수 있다.

동작(S402)에서, 서버(310)는 의류 카테고리 선정부에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리를 선정할 수 있다. 상기 의류 구매 이력은 기 설정된 기간 내의 사용자가 구매한 의류의 정보를 포함할 수 있다. 예를 들어, 상기 의류 구매 이력은 구매한 의류의 구매 가격, 의류 카테고리 등을 포함할 수 있다. 또한, 상기 의류 구매 정보는 사용자의 관심 상품 정보 및 클릭 상품 정보를 포함할 수 있다. 상기 관심 상품은 사용자가 구매하지 않고, 관심 목록에 추가한 의류들을 포함할 수 있다. 또한, 클릭 상품 정보는 상기 사용자가 상품의 상세 정보를 열람하기 위해 클릭한 열람 클릭 횟수를 포함할 수 있다.

일 실시예에서, 서버(310)는 상기 의류 카테고리 선정부에 의해, 상기 의류 구매 이력, 상기 관심 상품 정보 및 클릭 상품 정보에 기초하여 추천 의류 카테고리를 선정할 수 있다.

또한, 서버(310)는 하기 수학식 1에 의해 카테고리 결정 점수를 각 의류 카테고리 별로 계산할 수 있다.

[수학식 1]

상기 수학식 1에 있어서, Category Decision Score는 카테고리 결정 점수를 나타내고, 상기 C는 상기 사용자의 특정 카테고리의 구매 의류를 식별하는 식별자, 상기 M_p는 상기 식별자 C에 대응하는 의류의 구매 가격을 나타내고, InterItems는 상기 사용자의 특정 카테고리에 해당하는 의류의 관심 상품 수를 나타내고, 상기 N_c는 상기 사용자의 특정 카테고리에 해당하는 의류의 열람 클릭 횟수를 나타낼 수 있다.

예를 들어, 서버(310)는 상기 카테고리 결정 점수(Category Decision Score)를 상의, 하의, 신발, 외투 등의 카테고리 별로 각각 계산할 수 있다. 상의, 하의, 신발, 외투 중 어느 하나는 상기 특정 카테고리에 해당할 수 있다. 여기서, 서버(310)는 상기 카테고리 결정 점수가 높은 의류 카테고리를 상기 추천 의류 카테고리로 선정할 수 있다.

서버(310)는 상기 특정 카테고리의 구매 의류에 대하여 구매 가격을 합산하고, 카테고리 결정 점수에서 감산함으로써, 상기 사용자가 상대적으로 많이 구매한 카테고리는 추천 카테고리에서 제외할 수 있다. 이를 통해, 사용자가 지출을 많이 하거나 구매 횟수가 높은 의류는 카테고리 결정 점수를 낮게 산정할 수 있다. 구매 의류와는 반대로, 서버(310)는 상기 관심 상품 및 상기 열람 클릭 횟수를 상기 카테고리 결정 점수에 반영함으로써, 서버(310)는 현재 사용자가 관심있거나 구매하고자 하는 상품이 속한 의류 카테고리를 추천할 수 있다. 서버(310)는 사용자의 소비 현황 및 관심 의류를 정확하게 카테고리 결정 점수에 반영하여, 사용자가 흥미 및/또는 관심을 가지는 카테고리의 의류를 추천할 수 있다.

동작(S403)에서, 서버(310)는 사용자 취향도 계산부에 의해, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도를 계산할 수 있다. 서버(310)는 상기 취향도를 상기 추천 의류 카테고리에 속하는 의류들 각각에 대하여 계산할 수 있다. 상기 취향도를 계산하는 방법은 도 7에서 보다 구체적으로 설명하기로 한다.

동작(S404)에서, 서버(310)는 사용자 취향 반영부에 의해, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 생성할 수 있다. 서버(310)는 상기 복수의 제1 추천 의류들을 각각의 취향도가 높은 순으로 정렬하여 제1 추천 의류 세트를 생성할 수 있다.

도 5는 일 실시예에 따라 제2 추천 의류 세트와 관계 스코어를 생성하는 동작의 예시를 나타내는 흐름도이다.

일 실시예에 따르면, 동작(S501)에서, 서버(310)는 지역 경향성 반영부에 의해, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트를 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트로 생성할 수 있다.

여기서, 서버(310)는 지역 경향성 반영부에 의해, 상기 취향도 및 상기 거주지 정보에 기초하여 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류의 각각의 지역 경향성 스코어를 계산할 수 있다.

또한, 서버(310)는 상기 취향도 및 상기 거주지 정보에 기초하여 근접 취향 거주자를 선별할 수 있다. 구체적으로, 서버(310)는 상기 지역 정보에 포함된 지역에 거주하는 복수의 지역 거주자로 분류하고, 상기 복수의 지역 거주자 각각의 취향도와 상기 사용자의 취향도를 비교하고, 상기 복수의 지역 거주자 중 상기 사용자와 기 설정된 범위 내 취향도 차이를 갖는 지역 거주자를 근접 취향 거주자로 설정할 수 있다. 상기 근접 취향 거주자는 하나 이상의 복수의 지역 거주자를 포함할 수 있다.

또한, 서버(310)는 사용자 개인 데이터에 포함된 사용자의 성별, 나이, 키에 기초하여 사용자와 동일한 성별, 나이, 키 또는 사용자와 기 설정된 범위 내의 차이를 가지는 거주자들을 근접 취향 거주자로 재설정할 수 있다.

서버(310)는 상기 근접 취향 거주자의 거주자 단말에게 거주자 구매 정보를 요청할 수 있다. 상기 거주자 단말은 근접 취향 거주자가 사용하는 전자 장치에 해당할 수 있고, 상기 거주자 단말은 복수의 근접 취향 거주자 및/또는 복수의 단말을 포함할 수 있다.

서버(310)는 상기 거주자 단말로부터 상기 거주자 구매 정보를 수신하고, 상기 거주자 구매 정보에 기초하여 상기 근접 취향 거주자가 많이 구매한 의류 순으로 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류의 각각의 지역 경향성 스코어를 계산할 수 있다.

또한, 서버(310)는 지역 경향성 반영부에 의해, 상기 지역 경향성 스코어에 기초하여 상기 제1 추천 의류 세트에서 제1 의류를 제외한 제2 추천 의류 세트를 생성할 수 있다. 상기 제1 의류는 상기 지역 경향성 스코어가 임계값 이하인 의류에 해당할 수 있다.

또한, 서버(310)는 상기 지역 경향성 반영부에 의해, 상기 지역 경향성 스코어에 기초하여 상기 제1 추천 의류 세트에서 제2 의류를 추가한 제2 추천 의류 세트를 생성할 수 있다. 상기 제2 의류는 상기 지역 경향성 스코어가 임계값을 초과하는 의류에 해당할 수 있다.

예를 들어, 서버(310)는 상기 제1 추천 의류 세트 중 상기 근접 취향 거주자가 임계값을 초과하여 구매한 제1 추천 의류는 제2 추천 의류 세트에 포함시키고, 상기 근접 취향 거주자가 임계값 이하로 구매한 제1 추천 의류는 제2 추천 의류 세트에서 제외시킬 수 있다.

서버(310)는 위 살펴본 바와 같이, 사용자가 거주하는 지역의 거주자들을 선별하고, 거주자들의 구매 이력을 기초로 상기 제1 추천 의류 세트를 제2 추천 의류 세트로 생성함으로써, 사용자가 거주하는 지역의 패션 유행성을 반영한 의류를 추천할 수 있다. 또한, 단순한 지역 거주자가 아닌 상기 사용자와 동일하거나 유사한 취향도를 가진 거주자들을 근접 취향 거주자로 선정함으로써, 상기 사용자의 취향에 부합하는 의류를 추천할 수 있다.

또한, 서버(310)는 1차적으로 상기 사용자와 동일한 거주지에서 생활하는 거주자들을 선별하고, 2차적으로 거주자들을 취향도를 기준으로 다시 선별하여 근접 취향 거주자를 선정함으로써, 본 발명은 사용자가 큰 노력이나 시간을 들이지 않고 자신의 취향에 부합하는 의류를 찾도록 도울 수 있다. 또한, 본 발명은 사용자가 의류를 구매할 확률을 높임으로써, 온라인 쇼핑몰의 발전에 기여할 수 있다.

동작(S502)에서, 서버(310)는 관계 스코어 계산부에 의해, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류 간의 매칭 적합도를 나타내는 관계 스코어를 계산할 수 있다. 상기 의류 구매 이력을 포함하는 의류 구매 정보는 상기 사용자가 기 설정된 기간 내에 구매한 의류의 제1 색상, 제1 재질 및 제1 드레스 코드 정보를 포함할 수 있다.

일 실시예에서, 서버(310)는 관계 스코어 계산부에 의해, 상기 제1 색상, 제1 드레스 코드 정보와 상기 제2 추천 의류의 제2 색상, 제2 재질 및 제2 드레스 코드 정보에 기초하여 상기 관계 스코어를 계산할 수 있다.

서버(310)는 상기 관계 스코어 계산부에 의해, 하기 수학식 2을 이용하여 상기 관계 스코어를 계산할 수 있다.

[수학식 2]

상기 수학식 2에 있어서, RelScore는 관계 스코어(Relationship Score), i는 상기 제2 추천 의류를 식별하는 자연수, n은 상기 제2 추천 의류의 총 개수, RelScore는 관계 스코어(relationship score)를 나타내고, Col은 색 관계 점수(Color relationship score), Tex은 재질 관계 점수(Texture relationship score), DrCode는 드레스 코드 점수(Dress Code)를 나타내고, 상기 t_c는 현재 시각, 상기 t_p는 i번째 제2 추천 의류를 구매한 시각을 나타낼 수 있다.

서버(310)는 기준 색상 테이블을 기초로 제1 색상과 제2 색상의 색상 매칭 정도를 상기 색 관계 점수로 계산할 수 있다. 상기 기준 색상 테이블은 서버에 기 저장된 기준 테이블에 해당할 수 있다. 또한, 상기 기준 색상 테이블은 색상 비교에 따른 매칭 점수를 연산하기 위한 기준 테이블이 설정될 수 있다. 예를 들어, 블랙 색상이 기준 색상인 경우, 화이트 색상은 기준 테이블 상에서 가깝게 설정되어 플러스 점수로 계산될 수 있다. 또한, 노랑 색상이 기준 색상인 경우, 빨강 색상은 기준 테이블에서 멀리 설정되어 마이너스 점수로 계산될 수 있다. 서버(310)는 기 저장된 기준 재질 테이블을 기초로 상기 색 관계 점수를 계산한 방식과 동일한 방식으로 상기 재질 관계 점수를 계산할 수 있다.

서버(310)는 상기 드레스 코드 점수를 각각의 의류의 드레스 코드에 기초하여 계산할 수 있다. 상기 드레스 코드는 "파티", "업무 회의", "여행", "상견례", "세미나", "데이트", "결혼식"등을 포함할 수 있다. 예를 들어, 서버(310)는 상기 제1 드레스 코드가 "파티"이고, 상기 제2 드레스 코드가 "업무회의"에 해당하는 경우, 상기 드레스 코드 점수를 마이너스 값으로 계산할 수 있다. 또한, 서버(310)는 상기 제1 드레스 코드가 "업무 회의"에 해당하고, 상기 제2 드레스 코드가 "세미나"에 해당하는 경우, 상기 드레스 코드 점수를 플러스 값으로 계산할 수 있다.

서버(310)는 제2 추천 의류 세트와 함께 기 구매한 의류들과 관계 스코어를 계산하여 상기 사용자에게 제공함으로써, 상기 사용자가 이미 구매한 의류들을 살펴보지 않고서도 적합한 및/또는 매칭되는 의류를 구매할 수 있다. 또한, 본 발명은 사용자의 취향에 맞추어 의류를 분류하고 추천할 뿐만 아니라, 추천된 옷을 기 구매한 의류와 비교하여 관계 스코어를 제공함으로써 상기 사용자가 구매한 옷을 자주 착용할 수 있도록 도움을 준다. 이를 통해, 사용자의 구매 의류에 대한 만족도를 향상시킬 수 있다. 또한, 사용자의 구매 가능성을 높임으로써, 본 발명은 온라인 의류 판매 시장을 활성화시킬 수 있다.

동작(S503)에서, 서버(310)는 상기 제2 추천 의류 세트와 상기 관계 스코어를 상기 사용자의 사용자 단말기로 송신할 수 있다.

도 6은 일 실시예에 따라 추천 사이즈를 계산하는 동작의 예시를 나타내는 흐름도이다.

일 실시예에 따르면, 동작(S601)에서, 서버(310)는 사용자 단말기로부터 상기 제2 추천 의류 세트에 포함된 상기 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 수신할 수 있다. 상기 선택 신호는 상기 사용자가 상기 사용자 단말기를 통해 선택한 의류에 대한 선택 정보를 포함할 수 있다. 상기 선호 의류 핏 정보는 타이트핏, 오버핏, 베이직핏 및 루즈핏을 포함할 수 있다.

동작(S602)에서, 서버(310)는 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 추천 사이즈를 계산할 수 있다. 서버(310)는 상기 사용자 정보에 포함된 상기 사용자의 키, 몸무게 및 상기 선택 의류 상품의 리뷰 정보에 기초하여 적정 사이즈를 계산할 수 있다. 상기 리뷰 정보는 제품 구매자들의 착용 후기에 해당할 수 있다. 서버(310)는 상기 사용자의 키 및 몸무게에 기초하여 의류의 적절한 사이즈를 계산할 수 있다. 예를 들어, 서버(310)는 사용자의 키가 163이고, 몸무게가 60인 경우, "XS", "S", "M", "L", "XL"등의 사이즈 중 적절한 사용자 맞춤 사이즈를 "M"으로 계산할 수 있다. 상기 리뷰 정보는 "작게 나옴", "크게 나옴", "적절함"등의 사이즈에 대한 착용 후기를 포함할 수 있으며, 서버(310)는 "작게 나옴"이 리뷰 정보에 해당하는 경우, 상기 사용자 맞춤 사이즈를 한 치수 크게 설정할 수 있다.

또한, 서버(310)는 상기 선호 의류 핏 정보에 기초하여 상기 적정 사이즈를 조절한 추천 사이즈를 계산할 수 있다. 예를 들어, 서버(310)는 사용자로부터 타이트핏을 선택받은 경우, 추천 사이즈를 적정 사이즈보다 한 단계 작게 설정할 수 있다. 또한, 오버핏의 경우, 서버(310)는 추천 사이즈를 적정 사이즈보다 한 단계 크게 설정할 수 있다.

서버(310)는 사용자의 체형 및 다른 사용자들의 착용 후기 뿐만 아니라 사용자가 선호하는 핏 정보에 기반하여 추천 사이즈를 책정하는 바, 본 발명은 일반적인 사이즈를 추천하는 방법보다 사용자에게 더 큰 만족감을 줄 수 있다.

동작(S603)에서, 상기 서버(310)는 상기 트랜시버에 의해, 상기 사용자 단말기로 상기 추천 사이즈를 송신할 수 있다.

도 7은 일 실시예에 따라 취향도를 계산하는 구체적인 동작의 예시를 나타내는 흐름도이다.

일 실시예에 따르면, 동작(S701)에서, 서버(310) 상기 사용자 취향 반영부에 의해, 상기 사용자 정보의 피부색 및 머리색에 기초하여 상기 제1 추천 의류들 각각의 컬러의 대비 정도를 나타내는 사용자 매칭 컬러도를 계산할 수 있다. 상기 컬러의 대비 정도는 컬러의 매칭 정도를 의미할 수 있다. 상기 사용자 취향 반영부는 피부색 및 머리색의 컬러와 관련되어 컬러 비교에 따른 매칭 컬러도를 연산하기 위한 기준 테이블이 설정되고, 상기 사용자 취향 반영부는 상기 사용자의 피부색 및 머리색의 컬러와 어울리는 색상군이 설정된 기준 테이블을 기초로 상기 제1 추천 의류들 각각의 색상에 대한 매칭도를 결정할 수 있다.

또한, 상기 기준 테이블을 기초로 매칭도에 대응되어 상기 사용자의 피부색 및 머리색에 대비한 상기 제1 추천의류들 중 어느 하나의 색상에 대한 매칭 컬러도를 계산할 수 있다. 상기 매칭 컬러도는 1부터 10까지의 숫자에 대응될 수 있다.

동작(S702)에서, 서버(310)는 상기 사용자 취향 반영부에 의해, 상기 의류 구매 정보의 구매 의류의 가격 및 브랜드 정보에 기초하여 상기 제1 추천 의류들 각각의 브랜드 유사도를 계산할 수 있다.

서버(310)는 상기 사용자 취향 반영부에 의해, 상기 브랜드 유사도를 하기 수학식 3를 이용하여 계산할 수 있다.

[수학식 3]

상기 수학식 3에 있어서, Brand similarity는 브랜드 유사도를 나타내고, P_p는 상기 사용자의 주 구매 의류 브랜드의 평균 판매 가격, P_s는 상기 제1 추천 의류의 가격, V는 상기 제1 추천 의류의 브랜드, A_p는 상기 사용자의 주 구매 의류 브랜드의 주 고객층 연령대, A_s는 상기 제1 추천 의류의 주 고객층 연령대를 나타낼 수 있다.

동작(S703)에서, 서버(310)는 상기 사용자 취향 반영부에 의해, 상기 의류 구매 정보의 구매 의류의 출시 년도 및 구매 년도에 기초하여 상기 사용자의 이월 선호도를 계산할 수 있다. 서버(310)는 상기 구매 의류의 구매 년도에서 상기 출시 년도를 제함으로써, 상기 구매 의류의 이월 기간을 계산할 수 있다.

서버는 상기 사용자 취향 반영부에 의해, 상기 이월 선호도를 하기 수학식 4을 이용하여 계산할 수 있다.

[수학식 4]

상기 수학식 4에 있어서, Carryover preference는 이월 선호도를 나타내고, i는 사용자가 구매한 의류의 식별자, n은 기 설정된 기간 내에 상기 사용자가 구매한 의류의 총 개수, Y_ip는 사용자가 i번째로 구매한 의류의 구매 년도, Y_ir은 사용자가 i번째로 구매한 의류의 출시 년도를 의미할 수 있다.

동작(S704)에서, 서버(310)는 상기 사용자 취향 반영부에 의해, 상기 사용자 매칭 컬러도, 상기 브랜드 유사도 및 상기 이월 선호도에 기초하여 취향도를 계산할 수 있다. 상기 취향도는 상기 추천 의류 카테고리의 의류 각각에 대하여 계산될 수 있다. 서버(310)는 상기 사용자 취향 반영부에 의해, 상기 취향도를 하기 수학식 5을 이용하여 계산할 수 있다.

[수학식 5]

상기 수학식 5에 있어서, T는 취향도(Taste)를 나타내고, M_c는 상기 사용자 매칭 컬러도, Y_c는 현재 년도, Y_r은 상기 제1 추천 의류의 출시 년도, C는 사용자의 이월 선호도를 나타내고, B는 브랜드 유사도를 나타낼 수 있다.

이와 같이, 본 발명은 사용자가 주로 구매하는 브랜드에 대하여 높은 취향도를 계산하여, 사용자의 취향에 유사한 의류를 추천할 수 있다. 또한, 상기 이월 선호도를 상기 취향도에 반영함으로써, 상기 사용자의 소비 습관 및 선호 의류를 정확하게 판단하고, 사용자의 취향 및 소비에 맞는 의류를 추천할 수 있다.

도 8은 일 실시예에 따라 사용자 단말기의 디스플레이에 표시되는 추천 의류 세트를 나타내는 도면이다.

사용자 단말기(800)은 서버(300)로부터 제2 추천 의류 세트를 수신하고, 디스플레이(801)에 제2 추천 의류 세트를 표시할 수 있다. 제2 추천 의류 세트는 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류 간의 매칭 적합도를 나타내는 관계 스코어가 높은 순으로 정렬될 수 있다. 도 8의 Score는 상기 관계 스코어를 나타낼 수 있다. 사용자 단말기(800)는 제2 추천 의류 세트를 상기 관계 스코어와 함께 표시함으로써, 상기 사용자가 최근에 구매한 옷들과 매칭 및/또는 적합한 의류를 수월하게 선택할 수 있도록 도움을 줄 수 있다.

도 9는 일 실시예에 따라 사용자 단말기가 선택 의류 상품의 추천 사이즈를 출력하는 일 예를 나타내는 도면이다.

도 9는 사용자가 도 8의 가장 최상단에 표시된 의류를 선택한 경우, 사용자 단말기(900)이 서버(300)로부터 수신한 사용자에 의해 선택된 의류에 대한 상세 정보를 나타낸 모습이다. 선호 의류 핏 정보는 디스플레이(901)에 도시된 선호핏에 대응될 수 있다. 사용자는 사용자 단말기(900)을 통해"타이트", "오버", "베이직", "루즈" 중 어느 하나를 선택 및/또는 터치할 수 있다. 도 9는 사용자가 베이직 핏을 선호핏으로 선택한 경우에 해당할 수 있다. 사용자에 의해, 선호 핏이 선택된 경우, 서버(300)는 사용자 정보 및 선호 의류 핏 정보에 기초하여 추천 사이즈를 계산하고, 상기 추천 사이즈를 사용자 단말기(900)로 전송할 수 있다. 사용자 단말기(900)은 서버로부터 수신한 추천 사이즈를 "M"과 같이 표시할 수 있다.

도 10은 일 실시예에 따른 서버(310)의 구성을 도시한 도면이다.

서버(1001)(예: 도1의 서버(108) 또는 도3의 서버(310))는 메모리(memory)(1001), 프로세서(processor)(1002) 및 송수신기(1003)를 포함할 수 있다. 송수신기(1003)는 송수신기(transceiver)를 포함할 수 있다.

메모리(1001)는 롬(ROM), 램(RAM), 비휘발성메모리, 휘발성메모리, 하드 디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), USB 메모리, 플래시 메모리 카드, 이에 상응하는 각종 이동식, 휴대식 저장매체(예컨대, SD(Secure Digital) 메모리 카드, microSD 메모리 카드, ISO 7816 표준의 저장장치 등)를 포함하지만, 이에 한정되지 않고 데이터를 저장하는 모든 종류의 저장 장치를 포함할 수 있다. 메모리(1001)는 저장 장치로 지칭될 수 있다.

프로세서(1002)는 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 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.

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.

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 송신되는 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.

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.

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 특허청구범위의 범위에 속한다.

Claims (10)

1. 트랜시버에 의해, 사용자 단말기로부터 사용자 계정의 사용자 개인 데이터를 수신하는 동작;
   의류 카테고리 선정부에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리를 선정하는 동작;
   사용자 취향도 계산부에 의해, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도를 계산하는 동작;
   사용자 취향 반영부에 의해, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 생성하는 동작;
   지역 경향성 반영부에 의해, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트를 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트로 생성하는 동작;
   관계 스코어 계산부에 의해, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 관계 스코어를 계산하는 동작;
   상기 트랜시버에 의해, 상기 제2 추천 의류 세트와 상기 관계 스코어를 상기 사용자의 사용자 단말기로 송신하고, 상기 사용자 단말기로부터 상기 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 수신하는 동작;
   사이즈 추천부에 의해, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 추천 사이즈를 추천하는 동작; 및
   상기 트랜시버에 의해, 상기 사용자 단말기로 상기 추천 사이즈를 송신하는 동작;
   을 포함하고,
   상기 의류 구매 정보는 상기 사용자가 기 설정된 기간 내에 구매한 의류의 제1 색상, 제1 재질 및 제1 드레스 코드 정보를 포함하고,
   상기 관계 스코어를 계산하는 동작은,
   상기 관계 스코어 계산부에 의해, 상기 제1 색상, 제1 재질 및 제1 드레스 코드 정보와 상기 제2 추천 의류의 제2 색상, 제2 재질 및 제2 드레스 코드 정보에 기초하여 수학식 2를 이용하여 상기 관계 스코어를 계산하는 동작;
   을 포함하고,
   [수학식 2]
   

   

   
   상기 수학식 2에서, RelScore는 관계 스코어(Relationship Score), i는 상기 제2 추천 의류를 식별하는 자연수, n은 상기 제2 추천 의류의 총 개수, RelScore는 관계 스코어(relationship score)를 나타내고, Col은 색 관계 점수(Color relationship score), Tex은 재질 관계 점수(Texture relationship score), DrCode는 드레스 코드 점수(Dress Code)를 나타내고, 상기 t_c는 현재 시각, 상기 t_p는 i번째 제2 추천 의류를 구매한 시각을 나타내는,
   의류 및 사이즈 추천 방법.
   
2. 제1항에 있어서,
   상기 취향도를 계산하는 동작은,
   상기 사용자 취향 반영부에 의해, 상기 사용자 정보의 피부색 및 머리색에 기초하여 상기 제1 추천 의류들의 각각의 컬러의 대비 정도를 나타내는 사용자 매칭 컬러도를 계산하는 동작;
   상기 사용자 취향 반영부에 의해, 상기 의류 구매 정보의 구매 의류의 가격 및 브랜드 정보에 기초하여 상기 제1 추천 의류들의 각각의 브랜드 유사도를 계산하는 동작;
   상기 사용자 취향 반영부에 의해, 상기 의류 구매 정보의 구매 의류의 출시 년도 및 구매 년도에 기초하여 상기 사용자의 이월 선호도를 계산하는 동작; 및
   상기 사용자 취향 반영부에 의해, 상기 사용자 매칭 컬러도, 상기 브랜드 유사도 및 상기 이월 선호도에 기초하여 취향도를 계산하는 동작;
   을 포함하는 의류 및 사이즈 추천 방법.
   
3. 제1항에 있어서,
   상기 제1 추천 의류 세트를 상기 제2 추천 의류 세트로 생성하는 동작은,
   상기 지역 경향성 반영부에 의해, 상기 취향도 및 상기 거주지 정보에 기초하여 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류의 각각의 지역 경향성 스코어를 계산하는 동작;
   상기 지역 경향성 반영부에 의해, 상기 지역 경향성 스코어에 기초하여 상기 제1 추천 의류 세트에서 제1 의류를 제외한 제2 추천 의류 세트를 생성하는 동작; 및
   상기 지역 경향성 반영부에 의해, 상기 지역 경향성 스코어에 기초하여 상기 제1 추천 의류 세트에서 제2 의류를 추가한 제2 추천 의류 세트를 생성하는 동작; 을 더 포함하고,
   상기 제1 의류는 상기 지역 경향성 스코어가 임계값 이하인 의류에 해당하고, 상기 제2 의류는 상기 지역 경향성 스코어가 임계값을 초과하는 의류에 해당하는,
   의류 및 사이즈 추천 방법.
   
4. 삭제
5. 제1항에 있어서,
   상기 선호 의류 핏 정보는 타이트핏, 오버핏, 베이직핏 및 루즈핏을 포함하고,
   상기 추천 사이즈를 추천하는 동작은,
   상기 사용자 정보에 포함된 상기 사용자의 키, 몸무게 및 상기 선택 의류 상품의 리뷰 정보에 기초하여 적정 사이즈를 계산하는 동작; 및
   상기 선호 의류 핏 정보에 기초하여 상기 적정 사이즈를 조절한 추천 사이즈를 계산하는 동작;
   을 포함하는 의류 및 사이즈 추천 방법.
   
6. 삭제
7. 트랜시버에 의해, 메모리에 저장된 사용자 계정의 사용자 개인 데이터를 서버로 송신하는 동작;
   상기 트랜시버에 의해, 상기 서버로부터 추천된 제2 추천 의류 세트 및 관계 스코어를 수신하는 동작;
   상기 트랜시버에 의해, 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 송신하는 동작;
   상기 트랜시버에 의해, 상기 서버로부터 추천 사이즈를 수신하는 동작; 및
   디스플레이에 의해, 상기 제2 추천 의류 세트 및 상기 관계 스코어를 표시하는 동작을 포함하고,
   상기 서버에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리는 선정되고, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도는 계산되고, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트는 생성되고, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트는 복수의 제2 추천 의류들을 포함하는 상기 제2 추천 의류 세트로 생성되고, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 상기 관계 스코어는 계산되고, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 상기 추천 사이즈는 추천되고,
   상기 의류 구매 정보는 상기 사용자가 기 설정된 기간 내에 구매한 의류의 제1 색상, 제1 재질 및 제1 드레스 코드 정보를 포함하고,
   관계 스코어 계산부에 의해, 상기 제1 색상, 제1 재질 및 제1 드레스 코드 정보와 상기 제2 추천 의류의 제2 색상, 제2 재질 및 제2 드레스 코드 정보에 기초하여 수학식 2를 이용하여 상기 관계 스코어는 계산되고,
   [수학식 2]
   

   

   
   상기 수학식 2에서, RelScore는 관계 스코어(Relationship Score), i는 상기 제2 추천 의류를 식별하는 자연수, n은 상기 제2 추천 의류의 총 개수, RelScore는 관계 스코어(relationship score)를 나타내고, Col은 색 관계 점수(Color relationship score), Tex은 재질 관계 점수(Texture relationship score), DrCode는 드레스 코드 점수(Dress Code)를 나타내고, 상기 t_c는 현재 시각, 상기 t_p는 i번째 제2 추천 의류를 구매한 시각을 나타내는,
   의류 및 사이즈 추천 방법.
   
8. 프로세서;
   트랜시버;
   메모리; 및
   디스플레이를 포함하고,
   상기 트랜시버는, 메모리에 저장된 사용자 계정의 사용자 개인 데이터를 서버로 송신하고,
   상기 트랜시버는, 상기 서버로부터 추천된 제2 추천 의류 세트 및 관계 스코어를 수신하고,
   상기 트랜시버는, 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 송신하고,
   상기 트랜시버는, 상기 서버로부터 추천 사이즈를 수신하고,
   상기 디스플레이는, 상기 제2 추천 의류 세트 및 상기 관계 스코어를 표시하고,
   상기 서버에 의해, 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리는 선정되고, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도는 계산되고, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트는 생성되고, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트는 복수의 제2 추천 의류들을 포함하는 상기 제2 추천 의류 세트로 생성되고, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 상기 관계 스코어는 계산되고, 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 상기 추천 사이즈는 추천되고,
   상기 의류 구매 정보는 상기 사용자가 기 설정된 기간 내에 구매한 의류의 제1 색상, 제1 재질 및 제1 드레스 코드 정보를 포함하고,
   관계 스코어 계산부에 의해, 상기 제1 색상, 제1 재질 및 제1 드레스 코드 정보와 상기 제2 추천 의류의 제2 색상, 제2 재질 및 제2 드레스 코드 정보에 기초하여 수학식 2를 이용하여 상기 관계 스코어는 계산되고,
   [수학식 2]
   

   

   
   상기 수학식 2에서, RelScore는 관계 스코어(Relationship Score), i는 상기 제2 추천 의류를 식별하는 자연수, n은 상기 제2 추천 의류의 총 개수, RelScore는 관계 스코어(relationship score)를 나타내고, Col은 색 관계 점수(Color relationship score), Tex은 재질 관계 점수(Texture relationship score), DrCode는 드레스 코드 점수(Dress Code)를 나타내고, 상기 t_c는 현재 시각, 상기 t_p는 i번째 제2 추천 의류를 구매한 시각을 나타내는,
   사용자 단말기.
   
9. 제1항에 있어서,
   상기 의류 구매 정보는 상기 사용자의 관심 상품 정보 및 클릭 상품 정보를 포함하고,
   추천 의류 카테고리를 선정하는 동작은,
   상기 의류 카테고리 선정부에 의해, 상의, 하의, 신발 및 외투를 포함하는 의류 카테고리 각각에 대하여 상기 의류 구매 이력, 상기 관심 상품 정보 및 상기 클릭 상품 정보에 기초하여 카테고리 결정 점수를 계산하는 동작; 및
   상기 의류 카테고리 선정부에 의해, 상기 카테고리 결정 점수가 가장 높은 의류 카테고리를 상기 추천 의류 카테고리로 선정하는 동작; 을 더 포함하고,
   상기 의류 카테고리 선정부는 하기 수학식 1에 의해 상기 카테고리 결정 점수를 계산하고,
   [수학식 1]
   

   

   
   상기 수학식 1에 있어서, Category Decision Score는 카테고리 결정 점수를 나타내고, C는 상기 사용자의 특정 카테고리의 구매 의류를 식별하는 식별자, M_p는 C에 대응하는 의류의 구매 가격을 나타내고, InterItems는 상기 사용자의 특정 카테고리에 해당하는 의류의 관심 상품 수를 나타내고, N_c는 상기 사용자의 특정 카테고리에 해당하는 의류의 열람 클릭 횟수를 나타내는,
   의류 및 사이즈 추천 방법.
   
10. 사용자 단말기; 및
    서버를 포함하고,
    상기 사용자 단말기는 메모리에 저장된 사용자 계정의 사용자 개인 데이터를 서버로 송신하고,
    상기 서버는 사용자의 의류 구매 이력을 포함하는 의류 구매 정보에 기초하여 추천 의류 카테고리를 선정하고, 상기 의류 구매 정보 및 상기 사용자의 개인 정보를 포함하는 사용자 정보에 기초하여 상기 추천 의류 카테고리의 의류 각각의 취향도를 계산하고, 상기 취향도에 기초하여 상기 추천 의류 카테고리에 속하는 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 생성하고, 상기 취향도 및 상기 사용자의 거주지 정보를 포함하는 지역 정보에 기초하여 상기 제1 추천 의류 세트를 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트로 생성하고, 상기 의류 구매 이력에 기초하여 상기 사용자가 기 구매한 의류와 상기 제2 추천 의류들 간의 매칭 적합도를 나타내는 관계 스코어를 산출하고, 상기 제2 추천 의류 세트와 관계 스코어를 상기 사용자의 사용자 단말기로 송신하고,
    상기 사용자 단말기는 상기 복수의 제2 추천 의류들 중 적어도 하나의 의류에 대한 선택 신호 및 선호 의류 핏 정보를 서버로 송신하고,
    상기 서버는 상기 사용자 정보 및 상기 선호 의류 핏 정보에 기초하여 상기 선택 신호에 포함된 선택 의류 상품의 추천 사이즈를 추천하고, 상기 사용자 단말기로 상기 추천 사이즈를 송신하고,
    상기 의류 구매 정보는 상기 사용자가 기 설정된 기간 내에 구매한 의류의 제1 색상, 제1 재질 및 제1 드레스 코드 정보를 포함하고,
    관계 스코어 계산부에 의해, 상기 제1 색상, 제1 재질 및 제1 드레스 코드 정보와 상기 제2 추천 의류의 제2 색상, 제2 재질 및 제2 드레스 코드 정보에 기초하여 수학식 2를 이용하여 상기 관계 스코어는 계산되고,
    [수학식 2]
    

    

    
    상기 수학식 2에서, RelScore는 관계 스코어(Relationship Score), i는 상기 제2 추천 의류를 식별하는 자연수, n은 상기 제2 추천 의류의 총 개수, RelScore는 관계 스코어(relationship score)를 나타내고, Col은 색 관계 점수(Color relationship score), Tex은 재질 관계 점수(Texture relationship score), DrCode는 드레스 코드 점수(Dress Code)를 나타내고, 상기 t_c는 현재 시각, 상기 t_p는 i번째 제2 추천 의류를 구매한 시각을 나타내는,
    의류 및 사이즈 추천 시스템.
    
    
    

Images