KR102618787B1 - Ｎｆｔ 미술작품을 이용한 구독 서비스 제공 시스템 - Google Patents
Ｎｆｔ 미술작품을 이용한 구독 서비스 제공 시스템 Download PDFInfo
- Publication number
- KR102618787B1 KR102618787B1 KR1020220152442A KR20220152442A KR102618787B1 KR 102618787 B1 KR102618787 B1 KR 102618787B1 KR 1020220152442 A KR1020220152442 A KR 1020220152442A KR 20220152442 A KR20220152442 A KR 20220152442A KR 102618787 B1 KR102618787 B1 KR 102618787B1
- Authority
- KR
- South Korea
- Prior art keywords
- artwork
- nft
- subscription service
- user terminal
- display
- Prior art date
Links
- 238000012795 verification Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 58
- 238000007726 management method Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000009193 crawling Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000013256 Gubra-Amylin NASH model Methods 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 2
- 230000006870 function Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/12—Payment architectures specially adapted for electronic shopping systems
- G06Q20/123—Shopping for digital content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/14—Payment architectures specially adapted for billing systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
NFT 미술작품을 이용한 구독 서비스 제공 시스템이 제공되며, 미술작품을 업로드하고, 미술작품에 기하여 발행된 NFT를 소유하며, 미술작품이 NFT화된 NFT 미술작품에 대한 수익을 분배받는 작가 단말, NFT 미술작품의 구독 서비스를 신청하고, NFT 미술작품을 출력하거나 연결된 디스플레이에 NFT 미술작품을 출력하도록 요청하는 사용자 단말 및 작가 단말로부터 미술작품을 업로드받는 수신부, 미술작품의 원본성 및 저작권을 검증하는 검증부, 미술작품의 원본성 및 저작권이 검증되면 미술작품에 기하여 NFT를 발행하는 발행부, 미술작품이 NFT화된 NFT 미술작품에 대한 구독 서비스를 사용자 단말로부터 수신하는 경우 NFT 미술작품을 사용자 단말 또는 디스플레이로 전달하여 출력하도록 하는 구독관리부를 포함하는 구독 서비스 제공 서버를 포함한다.
Description
본 발명은 NFT 미술작품을 이용한 구독 서비스 제공 시스템에 관한 것으로, NFT 미술작품을 사용자가 구독하여 디스플레이에 출력할 수 있는 시스템을 제공한다.
NFT 미술시장은 전통적인 미술시장과는 사뭇 다른 양상을 보여주고 있다. NFT 미술시장은 디지털 영역에서 발전해온 다양한 성과를 바탕으로 이제까지 없었던 기술적, 경제적 개념의 요소들을 추가함으로써 새로운 성격의 미술시장을 만들어내고 있다. 이는 일시적 유행으로 머물 수도 있지만 그 동안 원본증명의 어려움과 시장가치의 부재로 인하여 미술시장에서 주목받지 못했던 디지털 작품에 대해 새롭게 인식할 수 있는 계기를 마련해주었다는 점에 주목할 필요가 있다. 다만, NFT 미술시장은 전통적 미술시장과는 달리 투자상품으로서의 특성을 강하게 보여주고 있어서, NFT 미술시장의 취약점으로도 작용하여 상업적이거나 수익적 성과가 지속되지 못할 경우, NFT 미술시장의 거품이 급속히 꺼지게 만들 수 있다는 점을 염두에 둘 필요가 있다. 아울러 전시와 감상 분야에 대한 비중이 극히 적게 나타난 것은 NFT 미술시장이 갖는 불균형적 특성을 나타내는데, 중장기적으로 성장해가는 과정에서 주요한 장애가 될 수 있다. 감상 역할이 배제된 상태에서 NFT 미술작품이 단순히 투자 상품 역할을 하는 것만으로는 미술시장에서 존재감을 갖는데 한계가 있기 때문이다.
이때, 미술작품을 구독하여 출력하거나 NFT를 이용하여 미술작품을 거래하는 방법이 연구 및 개발되었는데, 이와 관련하여 선행기술인 한국공개특허 제2022-0074812호(2022년06월03일 공개) 및 한국등록특허 제10-2199567호(2021년01월07일 공고)에는, 관리 서버에서 사용자 단말과 연결되어 미술작품 콘텐츠를 제공하고, 관리 서버에서 사용자 단말의 구독정보에 기반하여 미술작품 콘텐츠를 제공할 때 원하는 시간에 원하는 미술작품 콘텐츠를 제공할 수 있도록 함으로써 효율적인 감상이 가능하도록 한 구성과, 전문가 단말에서 예술품을 검증한 후 NFT가 발행되면 NFT를 사용자 단말이 소유하고, 관리 서버는 예술품 거래 정보의 등록, 분류, 검증 및 거래를 관리하며, NFT가 거래될 때 가상화폐를 이용하도록 하는 블록체인을 관리하는 구성이 각각 개시되어 있다.
다만, 전자의 경우 미술작품 콘텐츠의 미술작품이 원본증명이 되지 않는 경우 저작물의 공정한 이용을 도모할 수 없고, 후자의 경우에도 투자의 성격만 강한 경우, 장기적으로 NFT 미술작품의 투자 상품으로서의 매력까지 저하시키는 기제로 작용할 수 있다. 이에, 전시와 감상 대상으로서의 NFT 역할에 대한 대안 모색을 통해 이러한 불균형성을 극복하기 위한 관련 주체들의 적극적인 노력이 있어야 한다. 미술시장에서도 NFT에 대해 단순히 디지털 작품의 창작이나 유통 영역만이 아니라, 미술관의 마케팅, 관객개발, 아카이빙, 아트상품 개발 등 NFT의 특성을 활용한 다양한 영역에서의 활용 확대를 고려해볼 필요가 있다. 이에, NFT 미술작품을 구독을 통하여 전시하고 감상 대상으로 전환하는 플랫폼의 연구 및 개발이 요구된다.
본 발명의 일 실시예는, 작가 단말로부터 미술작품을 업로드받고, 미술작품에 대한 원본증명이 완료된 경우 미술작품에 기하여 NFT를 발행하여 NFT 미술작품으로 생성하고, 사용자 단말에서 NFT 미술작품의 구독 서비스를 신청하는 경우, 사용자 단말로 또는 사용자 단말과 연결된 디스플레이에 NFT 미술작품을 전시하도록 출력하며, 디스플레이에 전시되는 NFT 미술작품은 주기적으로 변경되도록 하고, 디스플레이에 전시되는 NFT 미술작품은 구독료에 따라 차등적용되도록 함으로써, NFT 미술시장이 본격적인 감상의 대상으로까지 발전하지 못하는 NFT 미술시장이 갖는 취약점을 보완하면서, 사업과 시장, 창작과 작품, 유통과 매개에서 더 나아가 수요와 소비로까지 나아갈 수 있도록 하고, 단순한 유통과 매개를 넘어서 수익 창출과 연계된 사업성과 지속가능성을 높일 수 있는, NFT 미술작품을 이용한 구독 서비스 제공 시스템을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 미술작품을 업로드하고, 미술작품에 기하여 발행된 NFT를 소유하며, 미술작품이 NFT화된 NFT 미술작품에 대한 수익을 분배받는 작가 단말, NFT 미술작품의 구독 서비스를 신청하고, NFT 미술작품을 출력하거나 연결된 디스플레이에 NFT 미술작품을 출력하도록 요청하는 사용자 단말 및 작가 단말로부터 미술작품을 업로드받는 수신부, 미술작품의 원본성 및 저작권을 검증하는 검증부, 미술작품의 원본성 및 저작권이 검증되면 미술작품에 기하여 NFT를 발행하는 발행부, 미술작품이 NFT화된 NFT 미술작품에 대한 구독 서비스를 사용자 단말로부터 수신하는 경우 NFT 미술작품을 사용자 단말 또는 디스플레이로 전달하여 출력하도록 하는 구독관리부를 포함하는 구독 서비스 제공 서버를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 작가 단말로부터 미술작품을 업로드받고, 미술작품에 대한 원본증명이 완료된 경우 미술작품에 기하여 NFT를 발행하여 NFT 미술작품으로 생성하고, 사용자 단말에서 NFT 미술작품의 구독 서비스를 신청하는 경우, 사용자 단말로 또는 사용자 단말과 연결된 디스플레이에 NFT 미술작품을 전시하도록 출력하며, 디스플레이에 전시되는 NFT 미술작품은 주기적으로 변경되도록 하고, 디스플레이에 전시되는 NFT 미술작품은 구독료에 따라 차등적용되도록 함으로써, NFT 미술시장이 본격적인 감상의 대상으로까지 발전하지 못하는 NFT 미술시장이 갖는 취약점을 보완하면서, 사업과 시장, 창작과 작품, 유통과 매개에서 더 나아가 수요와 소비로까지 나아갈 수 있도록 하고, 단순한 유통과 매개를 넘어서 수익 창출과 연계된 사업성과 지속가능성을 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 구독 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
도 2는 도 1의 시스템에 포함된 구독 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, NFT 미술작품을 이용한 구독 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 구독 서비스 제공 서버(300), 적어도 하나의 디스플레이(400) 및 적어도 하나의 작가 단말(500)을 포함할 수 있다. 다만, 이러한 도 1의 NFT 미술작품을 이용한 구독 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.
이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 구독 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 구독 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 디스플레이(400), 적어도 하나의 작가 단말(500)과 연결될 수 있다. 또한, 적어도 하나의 디스플레이(400)는, 네트워크(200)를 통하여 구독 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 적어도 하나의 작가 단말(500)은, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 구독 서비스 제공 서버(300) 및 적어도 하나의 디스플레이(400)와 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
적어도 하나의 사용자 단말(100)은, NFT 미술작품을 이용한 구독 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 NFT 미술작품을 구독하여 사용자 단말(100) 또는 디스플레이(400)에 출력하도록 요청하는 사용자의 단말일 수 있다. 이때, 사용자 단말(100)은 구독료에 따라 NFT 미술작품의 종류와 범위 또 주기 등을 설정할 수 있는 단말일 수 있다. 그리고, 사용자 단말(100)은 NFT 미술작품에 대한 피드백을 전송하는 단말일 수 있다.
여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
구독 서비스 제공 서버(300)는, NFT 미술작품을 이용한 구독 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 구독 서비스 제공 서버(300)는, 작가 단말(500)로부터 미술작품을 업로드받고, 원본성 및 저작권을 검증 및 확인한 후 원본이고 저작권이 작가에게 있는 경우 미술작품에 기하여 NFT를 발행하여 작가 단말(500)로 전송하고, 미술작품은 디지털화한 후 NFT 미술작품, 즉 콘텐츠화하는 서버일 수 있다. 그리고, 구독 서비스 제공 서버(300)는, NFT 미술작품을 IPFS(InterPlanetary File System)에 저장하는 서버일 수 있고, NFT는 블록체인에 블록을 생성한 후 트랜잭션을 저장하고 적어도 하나의 노드에 분산저장하는 서버일 수 있다. 또한, 구독 서비스 제공 서버(300)는, 사용자 단말(100)에서 구독 서비스를 요청하는 경우 구독료에 따라 출력가능한 NFT 미술작품의 종류, 범위, 주기 등을 안내하고, 사용자 단말(100)에서 구독료를 선택하여 구독을 신청하는 경우 결제수단을 저장해두고 사용자 단말(100) 또는 디스플레이(400)로 NFT 미술작품을 전송하여 전시되도록 하는 서버일 수 있다. 그리고, 구독 서비스 제공 서버(300)는, NFT 미술작품에 대한 사용자의 피드백을 사용자 단말(100)로부터 수집하여 사용자 맞춤형 NFT 미술작품이 전시되도록 설정하는 서버일 수 있다.
여기서, 구독 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.
적어도 하나의 디스플레이(400)는, NFT 미술작품을 이용한 구독 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 NFT 미술작품을 출력하는 디바이스 또는 장치일 수 있다. 이때, 디스플레이(400)는, 구독 서비스 제공 서버(300)에 의해 사용자 단말(100)과 연결되고, 사용자 단말(100)에 의해 제어되는 장치일 수 있고, 디스플레이(400)가 터치 디스플레이인 경우, NFT 미술작품이 출력되는 동안 NFT 미술작품이 선택되면, NFT 미술작품을 만든 작가의 프로필 또는음성을 출력하는 장치일 수 있다.
여기서, 적어도 하나의 디스플레이(400)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 디스플레이(400)는, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 디스플레이(400)는, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
도 2는 도 1의 시스템에 포함된 구독 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 구독 서비스 제공 서버(300)는, 수신부(310), 검증부(320), 발행부(330), 구독관리부(340), 스케줄링부(350), 등급관리부(360), 작가소개부(370), 제어관리부(380), 블록체인부(390), 저작권관리부(391), 피드백반영부(393), 공간고려부(395) 및 출력플랜부(397)를 포함할 수 있다.
본 발명의 일 실시예에 따른 구독 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100), 적어도 하나의 디스플레이(400) 및 적어도 하나의 작가 단말(500)로 NFT 미술작품을 이용한 구독 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100), 적어도 하나의 디스플레이(400) 및 적어도 하나의 작가 단말(500)은, NFT 미술작품을 이용한 구독 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100), 적어도 하나의 디스플레이(400) 및 적어도 하나의 작가 단말(500)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.
도 2를 참조하면, 수신부(310)는, 작가 단말(500)로부터 미술작품을 업로드받을 수 있다. 작가 단말(500)은, 미술작품을 업로드할 수 있다. 이때, 본 발명의 일 실시예에 따른 미술작품은 작가가 창작한 그대로의 매체를 의미하고, NFT 미술작품은 미술작품의 원본성 및 저작권이 검증 및 확인된 후 NFT가 발행되고, NFT와 연결되면서 디지털화된, 즉 콘텐츠화되어 디스플레이(400)에서 출력될 수 있는 형태로 가공된 것을 NFT 미술작품이라고 정의한다.
검증부(320)는, 미술작품의 원본성 및 저작권을 검증할 수 있다. 저작권의 경우 저작물로 등록된 미술작품과의 유사도 비교를 통하여 수행할 수 있고, 원본성의 경우 NFT가 발행된 미술작품인지의 여부를 파악할 수 있다.
발행부(330)는, 미술작품의 원본성 및 저작권이 검증되면 미술작품에 기하여 NFT를 발행할 수 있다. 작가 단말(500)은, 미술작품에 기하여 발행된 NFT를 소유할 수 있다.
구독관리부(340)는, 미술작품이 NFT화된 NFT 미술작품에 대한 구독 서비스를 사용자 단말(100)로부터 수신하는 경우 NFT 미술작품을 사용자 단말(100) 또는 디스플레이(400)로 전달하여 출력하도록 할 수 있다. 사용자 단말(100)은, NFT 미술작품의 구독 서비스를 신청하고, NFT 미술작품을 출력하거나 연결된 디스플레이(400)에 NFT 미술작품을 출력하도록 요청할 수 있다. 작가 단말(500)은, 미술작품이 NFT화된 NFT 미술작품에 대한 수익을 분배받을 수 있다. 이때, 사용자 단말(100)의 사용자가 금융기관, 백화점, 커피전문점, 병원, 학교, 학원, 유치원, 기업, 영업대리점 등 다양한 공간을 꾸미기 위한 담당직원 또는 CEO인 경우, 사용자는 NFT 미술작품을 어디에 전시할 것인지, 또 사용자가 NFT 미술작품을 걸려는 이유는 무엇인지, 또 고객층은 어떻게 되는지, 사업장 등 전시될 공간의 특성은 어떠한지 등에 대한 정보를 태그나 키워드를 선택하거나 입력하여 전달할 수 있다. 예를 들어, 제조공장에 출력되는 미술작품과 영업대리점에 출력되는 미술작품의 기능과 목적은 다르다. 또, 치과에 걸린 미술작품과 커피전문점에 걸린 미술작품의 기능과 목적 또한 다르다. 업종의 특성 뿐만 아니라 주 고객층이나 타겟 고객층의 취향에 따라서도 어떠한 작품이 전시되어야 하는지가 달라질 수 있다.
이에 따라, 구독관리부(340)는, 사용자 단말(100)로부터 NFT 미술작품이 전시 또는 배치될 공간 특성, 사업장이라면 주요 고객층을 수집하고, 각 NFT 미술작품의 선호그룹을 군집화한 후 주요 고객층과 매칭되는지의 여부를 파악할 수 있다. 이때, 협업 필터링의 경우 초기 데이터가 부족해서 생기는 콜드 스타트(Cold Start) 문제가 필연적으로 발생하게 되는데, 이를 해결하기 위하여 본 발명의 일 실시예에서는 CGAN(Conditional Generative Adversarial Network)를 이용하여 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 추천의 성능을 높일 수 있다. CGAN을 이용하여 비어있는 사용자-아이템 매트릭스(User-Item Matrix)에 실제와 흡사한 가상의 데이터를 생성하여, 희소성을 가지고 있는 기존의 매트릭스로만 학습한 것과 비교했을 때 높은 정확도가 예상된다. 이 과정에서 조건 벡터 y(Condition Vector y)를 이용하여 소수 클래스에 대한 분포를 파악하고 그 특징을 반영하여 데이터를 생성할 수 있다. 이후 협업 필터링을 적용하고, 하이퍼파라미터 튜닝을 통해 추천 시스템의 성능을 최대화하는데 기여할 수 있다. 비교 대상으로는 전통적인 오버샘플링 기법인 SMOTE, BorderlineSMOTE, SVM-SMOTE, ADASYN와 GAN을 사용할 수 있다.
<CGAN>
본 발명의 일 실시예에서 사용되는 CGAN 모델은 GAN 모델에서 파생된 모델로 학습 과정은 GAN과 동일하다. GAN과의 차이점은 원본 데이터의 분포와 동시에 사용자가 원하는 특징을 반영한 학습이 가능하다는 것이다. 따라서 추가 정보를 통해 데이터 생성 과정을 제어하여 효과적으로 특정 조건의 데이터를 생성할 수 있다. 먼저 가우시안 분포(Gaussian Distribution)로 생성된 무작위 소음 z와 소수 클래스의 특징 y가 생성기(Generator)에 입력되어 소수 클래스의 샘플 데이터를 생성한다. 해당 샘플은 판별기에 입력되며, 판별기는 원본 데이터 Pdata에서 추출한 표본 X와 사용자가 지정한 Condition Vector y를 반영하여 입력된 데이터가 실제 데이터인지 가짜 데이터인지 구별한다. 이를 목적함수로 나타내면 이하 수학식 1과 같다.
D(x|y)을 보면 판별기에 원본 데이터 Pdata에서 추출한 표본 x 뿐만 아니라 Condition Vector y의 조건이 추가되었다. CGAN의 생성기는 실제 데이터로부터 샘플을 생성할 때, y의 성질을 가지도록 생성한다. 판별기 또한 입력된 데이터가 실제 데이터인지 가상의 데이터인지 구별하는 과정에서 y를 고려하여 구분하게 된다. 이러한 특징으로 본 발명의 일 실시예에서는 소수 클래스의 특징을 추가하여 데이터를 생성하고자 한다.
<SMOTE>
SMOTE(Synthetic Minority Over-Sampling)는 소수 클래스의 데이터를 무작위로 선택해 반복적으로 추가하여 데이터 수를 증가시키는 ROS의 과적합 문제를 극복하면서 소수 클래스 샘플의 데이터를 확장하기 위해 제안된 방법이다. SMOTE는 데이터를 그대로 복제하는 것이 아니라 기존 데이터를 적절히 조합하여 새로운 샘플을 만드는 방법을 사용한다. 소수 범주의 데이터를 대상으로 K-최근접 이웃(K-Nearest Neighbor) 알고리 즘에 기반하여 K 개를 합성해 새로운 데이터를 생성한다. SMOTE는 소수 범주의 데이터를 복제하여 사용하는 것이 아닌 새로운 데이터를 생성하기 때문에 과적합의 문제가 감소하지만, 합성된 데이터가 오히려 노이즈로 작용하거나 소수 클래스의 경계가 다수 클래스 영역에 가깝게 확산되어, 새로운 다수 클래스에 대한 예측에 있어서 성능 저하가 나타날 수 있다.
<Borderline SMOTE>
Borderline SMOTE는 앞서 설명한 SMOTE 알고리즘을 변형한 방법이다. Borderline SMOTE는 두 집단을 구분하는 경계선상의 샘플들에 대해서만 정확히 분류하면 이외의 자료 또한 분류가 잘 될 것이라는 가정을 기반으로 한다. 기존의 SMOTE는 소수 클래스의 데이터 전체를 대상으로 샘플링을 진행하는 반면, Borderline SMOTE는 소수 클래스 중에서도 특히 다수 클래스와의 경계에 위치한 샘플들에 대해서만 새로운 샘플을 생성한다.
<SVM-SMOTE>
SVM-SMOTE는 Borderline SMOTE와 같이 클래스 간의 경계선 근처에서 새로운 소수 클래스 샘플을 생성하는데 중점을 둔다. 그러나 SVM-SMOTE의 경계선 영역은 SVM(Support Vector Machine) 분류기를 사용하여 얻은 Support Vector에 의해 계산된다는 차이점이 있다. 불균형 데이터 문제에 있어서 SVM-SMOTE는 다른 오버샘플링 기법들보다 효율적이며 가장 좋은 성능을 나타낸다.
<ADASYN>
ADASYN(ADAptive SYNthetic Sampling)은 밀도 분포를 고려하여 특정 샘플에 대해 생성할 합성 샘플의 수를 결정함으로써 SMOTE 기법에 비해 보다 체계적으로 데이터를 생성시키는 방법이다. SMOTE에 비해 상대적으로 균형 잡힌 데이터가 생성되는 것으로 보이며, 학습하기 어려운 샘플에 집중하여 학습을 진행할 수 있기 때문에 성능을 향상시키지만 소수 클래스의 다양성을 향상시키는 관점에서는 큰 성능을 보이지 못한다.
<테스트>
본 발명의 일 실시예에서는 CGAN을 기반으로 협업 필터링 구현 시 발생하는 희소성 문제를 해결함과 동시에 실제 데이터에서 발생하는 데이터 불균형을 완화하여 모형의 정확도 향상에 얼마나 효과적인가를 확인할 수 있다. 다양한 기법들과의 비교를 위해 희소성이 존재하는 기존 사용자-아이템 데이터에 협업 필터링을 적용한 모델과 오버샘플링 기법인 SMOTE, Borderline SMOTE, SVM-SMOTE, ADASYN 및 Condition Vector을 추가하지 않은 GAN을 사용하여 데이터셋을 설정하고 협업 필터링을 적용한다. 최종적으로 각 방법론 별로 협업 필터링 추천 성능을 비교할 수 있으며, 협업 필터링 모델로는 KNN, SVD를 사용할 수 있다. 모든 테스트에 대한 성능 평가는 오버샘플링 자체에 대한 분류 정확도가 아닌 협업 필터링 모델의 성과로 측정하여 추천 시스템에 대한 성능 향상을 목적으로 할 수 있다.
본 발명의 일 실시예는 다음 절차에 따라 진행될 수 있다.
우선, 효과적인 CGAN 학습을 위해 UserId와 AttractionId에 대하여 각각 사용자의 특성과 아이템특성으로 이루어진 잠재요인 벡터를 도출한다. 도출된 User-Vector와 Item-Vector을 CGAN 알고리즘에 적용하여 학습시킨다. 데이터의 특징이 학습된 CGAN 알고리즘에 Random Noise Vector z와 소수 클래스라는 클래스 정보를 Conditional Vector y에 입력하여, 원본 데이터와 유사한 가상의 데이터를 생성한다. 이 과정을 반복하여 소수 클래스의 데이터 수가 다수 클래스의 데이터 수와 같아지도록 새로운 데이터 집합을 만든다. 또한, 최적의 추천 적중률을 찾기 위하여 CGAN 모델의 하이퍼 파라미터 튜닝을 진행하며 구체적인 하이퍼 파라미터 Array List를 정의할 수 있다. 이후 생성된 가상의 User-Vector와 Item-Vector에 대하여 기존 User-Vector와 Item-Vector와 각각의 코사인 유사도를 산출한 뒤 가장 유사한 사용자와 아이템으로 대체하여 희소한 사용자-아이템 매트릭스를 보완한다. 또한 이 과정에서 소수 범주의 샘플수가 다수 범주의 샘플 수와 동일하게 되도록 새로운 데이터를 기존의 데이터셋에 추가한다. 이렇게 만들어진 새로운 데이터셋에 협업 필터링 기법을 적용하여 사용자에게 아이템을 추천한다. 협업 필터링에서 사용자 간 유사도 계산 시, 피어슨 상관계수(Pearson Correlation Coefficient)가 코사인 유사도(Cosine Similarity)보다 좋은 성과를 나타내는 것으로 알려져 있다.
따라서, 협업 필터링 적용 시 사용자 간 유사도를 측정에는 피어슨 상관계수를 이용한다. 마지막으로 모형의 성능을 보다 정확하게 검증하기 위하여 기존 데이터셋을 기반으로 한 전통적인 협업 필터링 모델뿐만 아니라, 보편적으로 많이 사용되고 있는 오버샘플링 기법인 SMOTE, Borderline-SMOTE, SVM-SMOTE, ADASYN과 GAN 알고리즘을 기반으로 데이터를 생성한 뒤 협업 필터링에 적용한다. 본 발명의 일 실시예에서는 추천 시스템에 대한 예측력 향상을 확인하기 위하여 오버샘플링 자체에 대한 분류 정확도가 아닌 협업 필터링 모델의 성과를 기반으로 성능을 평가할 수 있다. 또한 5겹 교차 검증(5-Fold Cross Validation)에 의하여 협업 필터링의 예측을 실시하고, RMSE, MAE 평가 방법을 사용하여 평가를 진행할 수 있다.
<평가>
추천 시스템의 주요 목적은 사용자의 관심사와 선호도를 예측하는 것이다. 이에 따라 본 발명의 일 실시예에서는 RMSE(Root Mean Squared Error)와 MAE(Mean Absolute Error)를 비교하여 추천 성능을 평가할 수 있다. 이때, RMSE와 MAE의 경우 수치와된 평점에 대한 평가를 하기에 용이하며, 결과값의 크기가 작을 수록 높은 예측 정확도를 나타낸다. 예측 결과가 맞고 틀리고의 정확도가 중요한 일반적인 비감독, 강화 학습과 달리, 평점의 예측은 근접도가 중요하기 때문에 RMSE와 MAE를 사용하여 실제 등급에 대한 예측 등급의 근접도를 측정할 수 있다. 자 한다. Ep가 검증 데이터, 사용자 i의 아이템 a에 대한 실제 평점은 ria , 예측 평점은 (tilde)ria라고 하면, 수학식 2와 같이 정리될 수 있다.
이렇게 딥러닝을 기반으로 실제 데이터와 유사한 가상의 데이터를 생성하고 이러한 특징을 추천 시스템에서의 다중 클래스 불균형 문제 해결을 위한 전처리 과정에 활용할 경우, 소수 클래스와 다수 클래스의 비율을 맞추어 각 클래스의 균형을 이룰 수 있다. Condition Vector y를 통해 소수 범주에 대한 데이터만을 생성하여, 부족한 소수 범주 데이터만큼의 샘플 추출을 통해 불균형을 해소하는 효과를 얻을 수 있다. 또, 다중 클래스 불균형 문제에 대한 기존 오버샘플링 기법들의 한계를 해소할 수 있다. 기존의 랜덤 오버샘플링 기법은 과적합으로 인해 추천 성능이 크게 저하될 수 있으며, 데이터 겹침이나 추가적인 노이즈가 발생할 수 있고 고차원 데이터에서는 효과적이지 않을 수 있다. 또한 데이터에 대한 전반적인 분포를 고려하기 보다 임의의 점과 그 주변의 점들만을 고려하여 비현실적인 데이터를 생성할 가능성이 있다. 반면 CGAN은 어떠한 분포의 데이터도 모방하는 학습이 가능하기 때문에 고차원 데이터에서도 우수한 성능을 보인다. 마지막으로 데이터가 희소한 상황에서 빈 매트릭스를 채워넣어 협업 필터링의 희소성 문제를 해결할 수 있다. CGAN으로 생성된 가상의 사용자-아이템-평점 데이터를 실제 데이터와 가장 유사한 항목으로 각각 대체하여 희소한 매트릭스를 보완할 수 있다.
또, 한 NFT 미술작품이 오래 걸려있는 경우 쉽게 실증을 낼 수 있으므로, 피어슨 유사도에 시간감쇄함수(Time Decay Function)를 부과할 수 있고, 하나의 아이템, 즉 NFT 미술작품 간 평가시점 차이가 크면 패널티를 주는 방식을 적용할 수 있다.
스케줄링부(350)는, NFT 미술작품이 디스플레이(400)에서 출력되는 주기를 기 설정된 주기로 변경하도록 스케줄링할 수 있다. 이때, 사업장의 경우 영업시간이 존재하므로, 스케줄링부(350)에서 동일한 구독료를 지불하는 사용자 단말(100)로 동일한 스케줄로 NFT 미술작품이 전환되도록 한다면, 서로 다른 영업시간에 따라 어떠한 사용자는 동일한 NFT 미술작품만 보게될 수도 있다. 예를 들어, [A-B-C-D-E]로 스케줄링이 되어 있다면, 각 사용자 단말(100)에서 영업시간을 입력한 경우, 영업시간을 5 구간으로 나누어 [A-B-C-D-E]가 출력될 수 있도록 스케줄링할 수 있다. 이에 따라, 동일한 표준시각에 동기화되는 것이 아닌, 영업시간에 따라 서로 다른 NFT 미술작품을 감상하게 할 수 있다. 또는 30 일 단위로 NFT 미술작품이 전환되는 경우, 5 개의 NFT 미술작품을 6 일 단위로 나누어 전환하도록 할 수도 있다.
등급관리부(36O)는, 사용자 단말(100)에서 지불하는 구독료에 따라 NFT 미술작품의 종류 및 변경주기를 다르게 설정할 수 있다. 예를 들어, 넷플릭스에 각 구독료에 따라 볼 수 있는 접속자의 수, 화질 등이 달라지는 것과 같이, 구독료에 따라 미술품의 절대가치, 구입자의 기호도, 외부 환경, 보존상태, 작품이력, 희소성, 제작연대 등이 높은 NFT 미술작품을 제공할 수 있도록 할 수 있다. 또는, 구독료가 높을수록 더욱 많은 NFT 미술작품을 전시할 수 있도록 하거나, 미술작품의 호수, 즉 크기가 커지는 등의 다양한 차등정책을 둘 수 있다.
작가소개부(370)는, 사용자 단말(100) 또는 디스플레이(400)에 출력되는 NFT 미술작품이 선택되는 경우, NFT 미술작품의 작가 프로필 또는 음성을 제공할 수 있다.
제어관리부(380)는, 사용자 단말(100)에서 디스플레이(400)에 NFT 미술작품이 출력되도록 하는 경우, 사용자 단말(100)에서 디스플레이(400)를 제어하도록 제어 인터페이스를 제공할 수 있다.
블록체인부(390)는, NFT 미술작품의 NFT의 소유자를 블록체인에 기록하도록 블록을 생성하여 트랜잭션을 저장하고, NFT 미술작품의 콘텐츠는 IPFS(InterPlanetary File System)에 저장할 수 있다. 그 이유는, 블록체인에는 대용량 파일은 올릴 수 없고, 올리더라도 비용(Gas Fee)이 매우 비싸기 때문이다. 따라서 블록체인에 올릴 수 없는 대용량 파일은 IPFS에 분산 저장하여 파일이 저장된 주솟값인 CID 값 만을 블록체인에 올리면, 서버 및 데이터베이스 운영비용을 절감하면서도 데이터 위변조가 불가능하여 신뢰할 수 있는 분산앱(dApp)을 구현할 수 있다.
이때, 블록체인부(390)는, IPFS를 이용하여 콘텐츠 리소스를 비대칭 암호를 적용한 후 분산저장할 수 있다. NFT의 발행을 위하여 하이퍼레저 패브릭과 연결된 dApp(Decentralized Application)을 통하여 블록체인 네트워크로 트랜잭션을 생성하여 전송하도록 하고, IPFS(Inter Planet File System)를 통해 콘텐츠를 업로드한 후 콘텐츠를 다운로드하기 위한 해시(Hash)값을 반환받아 하이퍼레저 패브릭에 전달함으로써 콘텐츠를 블록체인에 기록하도록 할 수도 있다. 이때, 블록체인은 하이퍼레저 패브릭(Hyperledger Fabric)인 프라이빗 블록체인 또는 허가형 블록체인(Permissioned BlockChain)일 수 있다. 허가형 블록체인은 트랜잭션 처리 및 거래 수행을 위해 스마트 컨트랙트(Smart Contract)라고 불리는 계약서를 사용한다. 스마트 컨트랙트는 프로그래밍 언어로 개발 가능한 프로그램이며, 계약을 처리하는 기능들이 함수로 작성된다.
블록체인의 수행에 있어서 스마트 계약은 원장과 더불어 핵심 개념 중의 하나이다. 따라서 허가형 블록체인 플랫폼에서 스마트 컨트랙트의 관리 및 최적화를 지원하기 위한 방법이 필요하다. 본 발명의 일 실시예에서는 스마트 컨트랙트를 효과적으로 관리하기 위한 방안으로 함수의 실행시간과 중요도에 기반하여 우선순위를 설정하고 함수 정렬을 수행하는 스마트 컨트랙트 관리 방법을 이용할 수 있다. 본 발명의 일 실시예는 허가형 블록체인 플랫폼에서 스마트 컨트랙트 관리 뿐만 아니라 트랜잭션 검증 및 보증단계의 성능 개선을 위한 용도로 이용될 수 있다.
저작권관리부(391)는, NFT 미술작품의 이미지와 동일한 이미지가 존재하는지의 여부를 웹크롤링을 통하여 수집한 데이터를 딥러닝 알고리즘으로 분석하고, 수집한 데이터에서 NFT 미술작품의 이미지와 동일한 이미지가 존재하는 경우, 수집한 데이터의 URL을 추출하여 저작권 관리 단말로 전송할 수 있다. 이때, 수집한 이미지를 비교하기 위하여 이미지 정보로부터 특징점 정보를 추출한 후, Average Hash, dHash, SIFT Algorithm, CNN 기법을 사용해 비교할 수 있다. 웹크롤링으로 수집한 이미지의 메타데이터와 권리관리정보, 이미지 특징점 정보를 HDFS(Hadoop Distributed File System) 기반 검색엔진 DB에 저장하여 저작권 관리 단말(미도시)에게 출력해줄 수 있다. 저작권 관리자는 이를 보고 URL 및 이미지를 확보한 후, 동일성을 판단하고 URL에 게시된 저작물을 게시한 자에게 경고장을 보내거나 가처분금지를 신청할 수 있다. 이때, Average Hash, dHash, SIFT Algorithm, CNN 기법 외에도 다양한 딥러닝 기반 이미지 비교 알고리즘이 이용될 수 있다. 이하에서 Average Hash, dHash, SIFT Algorithm, CNN에 대한 설명을 기재한다.
<Average Hash>
Average Hash는 파이썬에서 제공하는 이미지의 형태를 인식하는 라이브러리의 한 종류이다. Average Hash의 주된 기능은 기준 이미지와 대상 이미지를 비교 가능한 Hash 값으로 출력한다. 유사한 방식으로 SHA256, MD5 방식을 이용한 Hash 검출방식이 있지만, 이 SHA256, MD5 Hash 방법은 이미지의 유사도를 검출할 때는 적합하지 않다. 이유는 완전히 동일한 바이너리를 찾을 때는 사용될 수 있지만, 이미지 데이터는 해상도, 색조 보정, JPEG/PNG 등의 압축 형식 등의 변경이 자유롭게 이루어지기 때문에 완전히 같은 바이너리를 찾는 것이 의미가 없기 때문이다. 구글 이미지 검색이나 기타 이미지 검색 등을 보면 이미지의 밝기가 약간의 수정이 이루어져도 동일한 이미지로 검출하는 경우를 볼 수 있으므로 원본 이미지와 대상 이미지가 얼마나 유사한지를 판별하기 위해서는 Average Hash를 사용하는 것이 적절하다. Average Hash의 결과값으로 Numpy Matrix 산출과정은 우선, 이미지 픽셀 수가 64가 되도록 8*8 크기로 축소한다. 이미지 종횡비를 유지하며 축소함으로써 해시값이 축소나 종횡비와 관계없이 모든 이미지의 크기 변형과 일치하게 된다. 두 번째로, 사진의 색조가 Gray Scale로 변환되며 해시가 총 64픽셀(64 Red, 64 Green, 64 Blue)에서 64 색상으로 변경된다. 세 번째로 64 색상의 평균값을 계산한다. 네 번째로, 각 비트의 색상 값이 평균보다 높거나 낮은지 여부에 따라 판별하에 0 또는 1의 값을 리턴 한다.
<dHash>
dHash 라이브러리는 파이썬에서 제공하는 Hash 추출 라이브러리 중 하나이다. Average Hash 방법과 유사하지만, 차이점은 완전히 동일한 이미지를 검출한다는 것이다. 예를 들어 밝기가 약간 변경되거나 약간의 픽셀이 잘린 이미지의 중복성을 검출하는 데 유용하다고 볼 수 있다. dHash 산출과정은, 우선, 이미지의 High Frequencies와 세부적인 Detail을 줄이기 위해 이미지를 9*9 고정 크기로 축소한다. 이 과정을 거쳐 크기와 종횡비에 상관없이 비슷한 이미지와 일치하게 된다. 두 번째로, Average Hash와 같이 이미지를 Gray Scale로 변환한다. 세 번째로, 64 색상의 평균값을 계산한다. 네 번째로, 행 당 9개의 픽셀에서 인접한 8개의 픽셀의 밝기 차이를 계산하며 왼쪽에서 오른쪽으로, 위에서 아래로 연산이 수행된다. 이러한 산출과정을 거쳐 총 32자리의 16진수가 리턴 된다. 이 방법을 통해 유사한 이미지를 검출할 수 있다.
<SIFT>
SIFT 알고리즘은 특징점 추출 알고리즘으로 Local Feature를 이용하여 이미지의 회전, 변화, 크기 변화에 강인성을 갖고 동작하는 알고리즘이다. SIFT 알고리즘은 해리스 코너점와 스케일 공간에서 불변하는 특징을 가진 주요 후보자를 계산하여 특징점에 벡터를 생성하여 적용하는 방법이다. SIFT 알고리즘의 연산 단계는, 우선, 스케일 공간에서의 이미지 크기의 변화 또는 여타 다른 변경이 이루어져도 특징점 검출의 강인성을 갖기 위해 스케일 공간에서 Extrema를 찾게 된다. Extrema를 찾기 위해서 가우시안 피라미드를 생성한 후 DoG(Differential of Gaussian)를 연산하여 Blob이 산출되는 지점을 주요 후보자로 지정한다. 이때, 각 DoG의 상·하위층까지 모두 계산하여 주변 26개보다 크거나 작으면 주요 후보자로 넣어준다. 두 번째로 전 단계에서 찾은 Extrema로부터 찾은 주요 후보자 중에서 Low Contrast를 갖는 포인트와 에지 위에 존재하는 포인트를 제외하여 안정적인 특징점을 결정한다. 세 번째로 이전 단계에서 찾은 특징점의 주변 영역을 계산하여 Gradient Orientation에 따른 히스토그램을 계산한다. 계산된 히스토그램 중 임계값을 넘는 방향이 그 특징점의 방향(Orientation)이 되며, 그 크기를 특징점의 영역으로 결정한다. 마지막으로, Key 주변의 일정 크기로 픽셀을 배열에 할당한 후 각 배열을 8방향으로 구성한다. 구성된 128개의 값이 그 특징점의 벡터가 된다. 이러한 SIFT 알고리즘은 이미지의 Scale, Illumination, Rotation, Occlusion의 변화에도 특징점를 추출하는 정확도가 높다.
<합성곱 신경망>
CNN(Convolutional Neural Network)은 최소한의 전처리(Preprocess)를 사용하도록 설계된 다계층 퍼셉트론(Multi-Layer Perceptrons)의 한 종류이다. 합성곱 신경망의 가장 큰 특징은 합성곱계층(Convolutional Layer)과 풀링 계층(Pooling Layer)이 추가로 구성되어 있다. 전연결 신경망은 Affine 계층 뒤에 활성화 함수를 갖는 ReLU 계층(Sigmoid 계층)이 이어지며, 각 뉴런이 앞 계층의 모든 유닛과 연결되어 있다. 합성곱 신경망에서는 Conv-ReLU-(Pooling) 흐름으로 구성된다. 각각의 뉴런은 이전 계층에서 근접해 있는 몇 개의 뉴런에만 연결된다. 또 다른 특징은 출력에 근접한 계층에서는 Affine-ReLU 구성이 사용 가능하며, 마지막 출력 계층에서는 Affine-Softmax 계층 조합을 그대로 사용한다. 이로 인하여 모든 뉴런은 이전 계층에 동일한 방법으로 연결되어 있으므로 같은 값의 가중치와 구조를 공유한다. 그리고 이 연결 사이에 합성곱 연산이 들어있어 이러한 구조의 신경망을 합성곱 신경망이라 부른다.
피드백반영부(393)는, 사용자 단말(100) 또는 디스플레이(400)에 출력된 NFT 미술작품에 대한 피드백을 사용자 단말(100)로부터 수집하고, 사용자 단말(100)의 피드백에 따라 사용자 단말(100) 또는 디스플레이(400)에 출력될 NFT 미술작품의 종류를 변경할 수 있다. 예를 들어, 완전 좋아요(Love this), 좋아요(I like it), 안좋아요(Not for me) 등으로 나누어 사용자의 반응(피드백)을 파악할 수 있다. 또는, 사용자를 위한 NFT 미술작품이 아니라 사용자가 담당하는 공간의 사람들을 위한 NFT 미술작품인 경우, NFT 미술작품을 보는 관객의 반응을 파악할 수 있는데 직접 좋아요 또는 안좋아요 등의 피드백을 얻기보다는, NFT 미술작품에 관심을 가지고 응시하거나 또는 NFT 미술작품을 핸드폰으로 촬영하는 등 관심을 보이는 비율을 이용하여 관람객의 선호도를 파악할 수도 있다.
공간고려부(395)는, NFT 미술작품의 미술작품 태그를 매핑하여 저장하고, 사용자 단말(100)에서 NFT 미술작품을 전시할 장소의 장소 태그를 입력하는 경우, 미술작품 태그와 장소 태그 간 유사도에 기반하여 NFT 미술작품을 추출하여 사용자 단말(100) 또는 디스플레이(400)에서 출력되도록 할 수 있다.
출력플랜부(397)는, 사용자 단말(100)에서 NFT 미술작품이 전시될 시간 및 요일을 설정하는 경우, NFT 미술작품이 전시될 시간 및 요일에 따라 NFT 미술작품이 출력되도록 스케줄링할 수 있다.
이하, 상술한 도 2의 구독 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.
도 3을 참조하면, (a) 구독 서비스 제공 서버(300)는 적어도 하나의 작가 단말(400)로부터 미술작품을 업로드받고, (b) 원본성 및 저작권을 검증 및 확인한 후 원본이고 타인의 저작물이 아닌 경우 (c) 미술작품에 기하여 NFT를 발행하여 작가 단말(500)로 전달하고, NFT의 트랜잭션(발행 및 소유권 귀속)은 블록체인에 저장하며, NFT 미술작품, 즉 미술작품이 디지털화된 콘텐츠는 IPFS에 저장한다. 그리고, (d)와 같이 구독 서비스를 사용자 단말(100)로부터 요청받는 경우, 구독료를 선택하여 NFT 미술작품의 종류, 수, 교체주기 등을 선택하도록 할 수 있다. 도 4의 (a)와 같이 구독 서비스 제공 서버(300)는, 각 NFT 미술작품별로 NFT 미술작품의 특성, 성격, 재질, 배치되는 공간, 주요 타겟층 등의 정보를 매핑하여 저장하는 데이터베이스화 작업을 하고, (b)와 같이 사용자 단말(100)에서 전시될 공간의 특성 등을 태그로 선택하거나 입력하면 이에 대응하는 NFT 미술작품을 추출하여 맞춤형 전시가 가능하도록 맞춤형 구독 서비스를 제공할 수도 있다. 또, 맞춤형으로 제공했다고 할지라도 실제 사용자가 마음에 들거나 들지 않을 수 있으므로 구독 서비스 제공 서버(300)는 이러한 피드백을 (c)와 같이 수집하여 다음 교체 주기에 포함될 NFT 미술작품을 선택할 수도 있다. 구독 서비스 제공 서버(300)는 (d)와 같이 NFT 미술작품이 전시될 시간 및 요일을 입력받으면 이에 따라 교체 스케줄이 동적으로 조정되도록 설정할 수 있다.
이와 같은 도 2 내지 도 4의 NFT 미술작품을 이용한 구독 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 NFT 미술작품을 이용한 구독 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5는 본 발명의 일 실시예에 따른 도 1의 NFT 미술작품을 이용한 구독 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.
도 5를 참조하면, 구독 서비스 제공 서버는, 작가 단말로부터 미술작품을 업로드받고(S5100), 미술작품의 원본성 및 저작권을 검증한다(S5200).
또, 구독 서비스 제공 서버는, 미술작품의 원본성 및 저작권이 검증되면 미술작품에 기하여 NFT를 발행하고(S5300), 미술작품이 NFT화된 NFT 미술작품에 대한 구독 서비스를 사용자 단말로부터 수신하는 경우 NFT 미술작품을 사용자 단말 또는 디스플레이로 전달하여 출력한다(S5400).
상술한 단계들(S5100~S5400)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5400)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 5의 NFT 미술작품을 이용한 구독 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 NFT 미술작품을 이용한 구독 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5를 통해 설명된 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 NFT 미술작품을 이용한 구독 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (10)
- 미술작품을 업로드하고, 상기 미술작품에 기하여 발행된 NFT를 소유하며, 상기 미술작품이 NFT화된 NFT 미술작품에 대한 수익을 분배받는 작가 단말;
상기 NFT 미술작품의 구독 서비스를 신청하고, 상기 NFT 미술작품을 출력하거나 연결된 디스플레이에 상기 NFT 미술작품을 출력하도록 요청하는 사용자 단말; 및
상기 작가 단말로부터 상기 미술작품을 업로드받는 수신부, 상기 미술작품의 원본성 및 저작권을 검증하는 검증부, 상기 미술작품의 원본성 및 저작권이 검증되면 상기 미술작품에 기하여 NFT를 발행하는 발행부, 상기 미술작품이 NFT화된 NFT 미술작품에 대한 구독 서비스를 상기 사용자 단말로부터 수신하는 경우 상기 NFT 미술작품을 상기 사용자 단말 또는 디스플레이로 전달하여 출력하도록 하는 구독관리부, 상기 NFT 미술작품이 상기 디스플레이에서 출력되는 주기를 기 설정된 주기로 변경하도록 스케줄링하는 스케줄링부, 상기 사용자 단말에서 지불하는 구독료에 따라 상기 NFT 미술작품의 종류 및 변경주기를 다르게 설정하는 등급관리부를 포함하는 구독 서비스 제공 서버;
를 포함하고,
상기 구독관리부는,
사용자 단말의 사용자가 금융기관, 백화점, 커피전문점, 병원, 학교, 학원, 유치원, 기업, 및 영업대리점 중 어느 하나의 공간을 꾸미기 위한 담당직원 또는 CEO인 경우, NFT 미술작품을 전시할 장소에 대한 정보, NFT 미술작품을 걸려는 이유에 대한 정보, 고객층에 대한 정보, 및 NFT 미술작품이 전시 또는 배치될 공간의 특성에 대한 정보를 포함한 복수의 정보를 사용자가 태그나 키워드를 선택하거나 입력하여 전달하도록 하고,
상기 전달을 통해 상기 복수의 정보가 수집되면, 각 NFT 미술작품의 선호그룹을 군집화한 후 주요 고객층과 매칭되는지의 여부를 파악하되,
협업 필터링의 이용시 초기 데이터의 부족으로 인해 생기는 콜드 스타트(Cold Start) 문제의 발생을 해결하기 위해, GAN 모델에서 파생된 모델인 CGAN(Conditional Generative Adversarial Network)를 이용함으로써 협업 필터링 구현 시 발생하는 희소성 문제게 해결되도록 하면서 실제 데이터에서 발생하는 데이터 불균형의 완화로 추천 성능이 높아지도록 하고,
상기 CGAN을 이용할 때, 비어있는 사용자-아이템 매트릭스(User-Item Matrix)에 실제와 유사한 가상의 데이터를 생성하되, 상기 데이터를 생성하는 과정에서 조건 벡터 y(Condition Vector y)를 이용하여 소수 클래스에 대한 분포를 파악하고, 파악된 소수 클래스의 특징을 추가 반영하여 데이터를 생성하고, 이후 협업 필터링을 적용하고, 추천 시스템의 성능이 최대화되도록 하이퍼파라미터 튜닝을 수행하고,
상기 파악된 소수 클래스의 특징을 추천 시스템에서의 다중 클래스 불균형 문제 해결을 위한 전처리 과정에 활용되도록 함으로써, 소수 클래스와 다수 클래스의 비율을 맞추어 각 클래스의 균형이 이루어지도록 하고,
상기 스케줄링부는,
복수개의 NFT 미술작품이 표준시각에 동기화된 동일 스케줄로 전환되는 경우 사용자가 특정 동일 NFT 미술작품만을 보게될 수 있으므로, 영업시간이 존재하는 사업장의 영업시간을 고려하여, 사용자 단말에서 사업장에 대한 영업시간을 입력한 경우, 입력된 영업시간을 복수의 구간으로 나누고, 나누어진 영업시간의 복수의 구간에 따라 상기 복수개의 NFT 미술작품이 서로 다르게 전환되며 출력되도록 스케줄링하며,
상기 등급관리부는,
구독료에 따라 NFT 미술작품의 종류 및 변경주기를 다르게 설정할 때에, 구독료가 높을수록 미술작품의 절대가치, 구입자의 기호도, 외부 환경, 보존상태, 작품이력, 희소성, 및 제작연대이 높은 NFT 미술작품이 제공되도록 하거나, 더 많은 수의 NFT 미술작품을 전시할 수 있도록 하거나, 더 큰 크기를 갖는 미술작품의 호수로 NFT 미술작품이 제공되도록 하는 것인, NFT 미술작품을 이용한 구독 서비스 제공 시스템.
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 구독 서비스 제공 서버는,
상기 사용자 단말 또는 디스플레이에 출력되는 NFT 미술작품이 선택되는 경우, 상기 NFT 미술작품의 작가 프로필 또는 음성을 제공하도록 하는 작가소개부;
를 더 포함하는 것을 특징으로 하는 NFT 미술작품을 이용한 구독 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 구독 서비스 제공 서버는,
상기 사용자 단말에서 상기 디스플레이에 상기 NFT 미술작품이 출력되도록 하는 경우, 상기 사용자 단말에서 상기 디스플레이를 제어하도록 제어 인터페이스를 제공하는 제어관리부;
를 더 포함하는 것을 특징으로 하는 NFT 미술작품을 이용한 구독 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 구독 서비스 제공 서버는,
상기 NFT 미술작품의 NFT의 소유자를 블록체인에 기록하도록 블록을 생성하여 트랜잭션을 저장하고, 상기 NFT 미술작품의 콘텐츠는 IPFS(InterPlanetary File System)에 저장하는 블록체인부;
를 더 포함하는 것을 특징으로 하는 NFT 미술작품을 이용한 구독 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 구독 서비스 제공 서버는,
상기 NFT 미술작품의 이미지와 동일한 이미지가 존재하는지의 여부를 웹크롤링을 통하여 수집한 데이터를 딥러닝 알고리즘으로 분석하고, 상기 수집한 데이터에서 상기 NFT 미술작품의 이미지와 동일한 이미지가 존재하는 경우, 상기 수집한 데이터의 URL을 추출하여 저작권 관리 단말로 전송하는 저작권관리부;
를 더 포함하는 것을 특징으로 하는 NFT 미술작품을 이용한 구독 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 구독 서비스 제공 서버는,
상기 사용자 단말 또는 디스플레이에 출력된 NFT 미술작품에 대한 피드백을 상기 사용자 단말로부터 수집하고, 상기 사용자 단말의 피드백에 따라 상기 사용자 단말 또는 디스플레이에 출력될 NFT 미술작품의 종류를 변경하는 피드백반영부;
를 더 포함하는 것을 특징으로 하는 NFT 미술작품을 이용한 구독 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 구독 서비스 제공 서버는,
상기 NFT 미술작품의 미술작품 태그를 매핑하여 저장하고, 상기 사용자 단말에서 상기 NFT 미술작품을 전시할 장소의 장소 태그를 입력하는 경우, 상기 미술작품 태그와 상기 장소 태그 간 유사도에 기반하여 상기 NFT 미술작품을 추출하여 상기 사용자 단말 또는 상기 디스플레이에서 출력되도록 하는 공간고려부;
를 더 포함하는 것을 특징으로 하는 NFT 미술작품을 이용한 구독 서비스 제공 시스템.
- 제 1 항에 있어서,
상기 구독 서비스 제공 서버는,
상기 사용자 단말에서 상기 NFT 미술작품이 전시될 시간 및 요일을 설정하는 경우, 상기 NFT 미술작품이 전시될 시간 및 요일에 따라 상기 NFT 미술작품이 출력되도록 스케줄링하는 출력플랜부;
를 더 포함하는 것을 특징으로 하는 NFT 미술작품을 이용한 구독 서비스 제공 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220152442A KR102618787B1 (ko) | 2022-11-15 | 2022-11-15 | Ｎｆｔ 미술작품을 이용한 구독 서비스 제공 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220152442A KR102618787B1 (ko) | 2022-11-15 | 2022-11-15 | Ｎｆｔ 미술작품을 이용한 구독 서비스 제공 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102618787B1 true KR102618787B1 (ko) | 2023-12-29 |
Family
ID=89333971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220152442A KR102618787B1 (ko) | 2022-11-15 | 2022-11-15 | Ｎｆｔ 미술작품을 이용한 구독 서비스 제공 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102618787B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030015742A (ko) * | 2001-08-17 | 2003-02-25 | 주식회사 비즈모델라인 | 디지털 컨텐츠의 불법 복제 및 무단 배포 추적 시스템 |
| KR102107316B1 (ko) * | 2018-10-26 | 2020-05-06 | 신효미 | 작품 표시 시스템 및 이를 이용한 작품 표시 방법 |
| KR20210068752A (ko) * | 2019-12-02 | 2021-06-10 | 정동희 | ＩｏＴ 수장고와 연동되는 블록체인 기반 미술품 중개 서비스 제공 시스템 |
| KR20220074812A (ko) * | 2020-11-27 | 2022-06-03 | 정윤하 | 온라인 미술 구독 서비스 제공 시스템 |
| KR102447320B1 (ko) * | 2022-01-21 | 2022-09-26 | 정경열 | Ｎｆｔ 기반 저작물 거래 플랫폼 서비스 제공 시스템 |
-
2022
- 2022-11-15 KR KR1020220152442A patent/KR102618787B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030015742A (ko) * | 2001-08-17 | 2003-02-25 | 주식회사 비즈모델라인 | 디지털 컨텐츠의 불법 복제 및 무단 배포 추적 시스템 |
| KR102107316B1 (ko) * | 2018-10-26 | 2020-05-06 | 신효미 | 작품 표시 시스템 및 이를 이용한 작품 표시 방법 |
| KR20210068752A (ko) * | 2019-12-02 | 2021-06-10 | 정동희 | ＩｏＴ 수장고와 연동되는 블록체인 기반 미술품 중개 서비스 제공 시스템 |
| KR20220074812A (ko) * | 2020-11-27 | 2022-06-03 | 정윤하 | 온라인 미술 구독 서비스 제공 시스템 |
| KR102447320B1 (ko) * | 2022-01-21 | 2022-09-26 | 정경열 | Ｎｆｔ 기반 저작물 거래 플랫폼 서비스 제공 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11663663B2 (en) | Image analysis and identification using machine learning with output estimation | |
| US20240040074A1 (en) | Systems and methods for presenting image classification results | |
| JP5829662B2 (ja) | 処理方法、コンピュータプログラム及び処理装置 | |
| Din et al. | Service orchestration of optimizing continuous features in industrial surveillance using big data based fog-enabled internet of things | |
| US11748070B2 (en) | Systems and methods for generating graphical user interfaces | |
| Jain et al. | Movie recommendation system: hybrid information filtering system | |
| US10748195B2 (en) | Database image matching using machine learning with output estimation | |
| KR102579517B1 (ko) | Ｎｆｔ 연계 현물상품 판매 서비스 제공 시스템 | |
| US20190279294A1 (en) | Database image matching using machine learning with output personalization | |
| CN109962975A (zh) | 基于物体识别的信息推送方法、装置、电子设备及系统 | |
| CN109801101A (zh) | 标签确定方法、装置、计算机设备和存储介质 | |
| Mekouar et al. | A survey on blockchain-based Recommender Systems: Integration architecture and taxonomy | |
| CN116089745A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
| Qasem et al. | Extreme learning machine for credit risk analysis | |
| KR102618787B1 (ko) | Ｎｆｔ 미술작품을 이용한 구독 서비스 제공 시스템 | |
| Han et al. | Shapes as product differentiation: Neural network embedding in the analysis of markets for fonts | |
| CN113946753A (zh) | 基于位置围栏的服务推荐方法、装置、设备及存储介质 | |
| Chakraborty et al. | Discovering tampered image in social media using ELA and deep learning | |
| CN113487389A (zh) | 一种信息推荐方法及装置 | |
| Qu et al. | The application of interactive methods under swarm computing and artificial intelligence in image retrieval and personalized analysis | |
| Ghorbel et al. | Hybrid approach for face recognition from a single sample per person by combining VLC and GOM | |
| Brambilla et al. | Temporal analysis of social media response to live events: the milano fashion week | |
| Tiwari et al. | Web Recommendation by Exploiting User Profile and Collaborative Filtering | |
| Huang et al. | Confidence-based global attention guided network for image inpainting | |
| CN113379482B (zh) | 一种物品推荐方法、计算设备以及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |