KR102618991B1 - 특성 보완을 위한 체험 추천 시스템 - Google Patents

특성 보완을 위한 체험 추천 시스템 Download PDF

Info

Publication number
KR102618991B1
KR102618991B1 KR1020210030404A KR20210030404A KR102618991B1 KR 102618991 B1 KR102618991 B1 KR 102618991B1 KR 1020210030404 A KR1020210030404 A KR 1020210030404A KR 20210030404 A KR20210030404 A KR 20210030404A KR 102618991 B1 KR102618991 B1 KR 102618991B1
Authority
KR
South Korea
Prior art keywords
information
experience
user
survey
recommendation
Prior art date
Application number
KR1020210030404A
Other languages
English (en)
Other versions
KR20220097841A (ko
Inventor
원종규
Original Assignee
원종규
넷시티 협동조합
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 원종규, 넷시티 협동조합 filed Critical 원종규
Publication of KR20220097841A publication Critical patent/KR20220097841A/ko
Application granted granted Critical
Publication of KR102618991B1 publication Critical patent/KR102618991B1/ko

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • 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]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q50/14—Travel agencies

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 특성 보완을 위한 체험 추천 시스템에 관한 것으로, 본 발명에 따르면, 사용자 정보를 입력받는 사용자 단말 및 상기 사용자 단말로부터 사용자 정보를 수신받고, 설문조사를 통해 수신받은 설문정보에 대한 답변정보를 분석하여 사용자의 특성을 파악하고, 파악된 특성에 따라 체험을 추천하는 체험 추천 서버를 포함하되, 상기 체험 추천 서버는 설문정보, 다수의 체험 정보를 저장하는 데이터베이스; 상기 사용자 단말로부터 사용자 정보를 수신받아 설문정보를 전송하고, 상기 설문정보에 대한 답변정보를 수신받는 설문조사부; 상기 답변정보를 분석하여 사용자의 특성을 파악하는 특성분석부 및 파악된 특성에 따라 체험 정보를 추출하여 상기 사용자 단말로 체험 추천 정보를 전송하는 체험추천부를 포함하는 특성 보완을 위한 체험 추천 시스템을 제공할 수 있다.
또한 사용자 단말이 사용자로부터 사용자 정보를 입력받아 전송하는 정보입력단계; 체험 추천 서버가 사용자 정보를 수신받고, 특성을 판단하기 위해 설문조사를 진행하는 설문조사단계; 설문조사를 통해 수신받은 답변정보를 분석하여 특성을 파악하는 특성분석단계 및 파악된 특성에 따라 체험정보를 추출하여 체험 추천 정보로 상기 사용자 단말에 전송하는 체험추천단계를 포함하는 특성 보완을 위한 체험 추천 시스템을 이용한 체험 추천 방법을 제공할 수 있다.

Description

특성 보완을 위한 체험 추천 시스템{Experience recommendation system to complement characteristics}
본 발명은 특성 보완을 위한 체험 추천 시스템 및 이를 이용한 체험 추천 방법에 관한 것으로, 더욱 자세하게는 사용자의 특성을 설문조사를 통해 분석하고, 분석된 특성에 따라 체험을 추천함으로써, 특성별로 부족한 부분을 보완할 수 있도록 하는 특성 보완을 위한 체험 추천 시스템 및 이를 이용한 체험 추천 방법에 관한 것이다.
근래에는 소득수준의 증가에 따라 관광산업은 나날이 발전하고 있지만, 소득수준의 증가를 위한 현대인들의 일상 또한 과다한 업무와 스트레스로 얼룩지고 있다. 이런 고단한 일상 속에서 현대인들은 여름 휴가나 주말 여행, 혹은 스포츠, 음악, 영화 등의 여가 생활(체험 활동)을 통해 스트레스를 해소하려는 경향이 날로 심화되고 있다.
이에 사용자를 위해 음악, 영화, 운동 등의 체험활동을 추천해주는 프로그램이 개발되고 있다.
그러나, 종래의 체험활동 추천 프로그램은 사용자와 체험간의 연관관계, 선호도 등에 대한 고려가 없어서 실제로 추천에 대한 신뢰가 낮은 문제점이 있다.
또한 사용자의 성향을 반영하여 체험 활동들을 제공하더라도, 단순히 좋아하는 성향만을 고려하여 맞춤형 정보를 제공하고 있을 뿐, 체험활동을 통해 사용자의 부족한 특성을 보완할 수 있는 체험들을 추천해 주는 프로그램에 대한 개발은 이루어지고 있지 않은 실정이다.
상기와 같은 문제를 해결하고자, 본 발명은 사용자의 특성을 설문조사를 통해 분석하고, 분석된 특성에 따라 체험을 추천함으로써, 부족한 특성을 보완할 수 있도록 하는 특성 보완을 위한 체험 추천 시스템 및 이를 이용한 체험 추천 방법을 제공하는데 목적이 있다.
상기와 같은 과제를 해결하기 위하여, 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템은 사용자 정보를 입력받는 사용자 단말 및 상기 사용자 단말로부터 사용자 정보를 수신받고, 설문조사를 통해 수신받은 설문정보에 대한 답변정보를 분석하여 사용자의 특성을 파악하고, 파악된 특성에 따라 체험을 추천하는 체험 추천 서버를 포함하되, 상기 체험 추천 서버는 설문정보, 다수의 체험 정보를 저장하는 데이터베이스; 상기 사용자 단말로부터 사용자 정보를 수신받아 설문정보를 전송하고, 상기 설문정보에 대한 답변정보를 수신받는 설문조사부; 상기 답변정보를 분석하여 사용자의 특성을 파악하는 특성분석부 및 파악된 특성에 따라 체험 정보를 추출하여 상기 사용자 단말로 체험 추천 정보를 전송하는 체험추천부를 포함하는 특성 보완을 위한 체험 추천 시스템을 제공할 수 있다.
여기서, 상기 설문조사부는 상기 사용자 정보 중 나이정보에 따라 설문정보를 선별하여 사용자 단말로 전송하는 것을 특징으로 한다.
또한, 상기 특성분석부는 상기 답변정보를 분석하여 모험성, 호기심, 지속성, 유연성 및 낙관성 중 하나 이상의 특성을 파악하는 것을 특징으로 한다.
또한, 상기 체험추천부는 파악된 특성에 따라 항목별로 체험 정보를 각각 추출하되, 상기 항목은 책 및 그림, 노래, 활동, 영상 및 미션 중 하나 이상인 것을 특징으로 한다.
또한, 상기 체험 추천 서버는 상기 사용자 단말로부터 상기 체험 추천 정보에 따른 체험 수행 정보를 수신받아 사용자 정보에 매칭시켜 이력정보로 저장하는 이력관리부를 포함하고, 상기 체험추천부는 인공지능 시스템을 기반으로 업데이트되는 이력정보를 학습하여, 파악된 특성에 따라 체험 정보를 추출하는 것을 특징으로 한다.
또한, 상기 체험 추천 서버는, RNN(Recurrent neural network) 모델 또는 LSTM(Long short term memory) 모델의 인공신경망을 갖춘 인공지능 시스템을 기반으로, 상기 설문정보에 대한 답변정보 및 사용자의 특성 파악을 학습하고, 상기 사용자 단말로부터 입력되는 설문정보에 대한 답변정보를 실시간으로 분석하여 사용자의 특성을 파악하되, 상기 사용자 단말로부터 입력되는 실시간 답변정보가 기 진행된 설문정보에 대한 답변정보와 설정된 기준 이상의 유사도를 만족할 경우, 설정된 모든 설문정보 중 일부의 설문정보에 대한 답변정보만을 가지고 사용자의 특성을 파악하여, 파악된 특성에 따라 체험 정보를 추출하는 것을 특징으로 한다.
또한, 상기 체험 추천 서버는, 상기 사용자의 특성 파악 시에 사용자 단말의 쿠키 데이터 및 답변정보를 입력하는 시간 데이터 중 하나 이상의 데이터를 더 반영하여 사용자의 특성을 파악하는 것을 특징으로 한다.
또한, 상기 체험추천부는, LSTM(Long short term memory) 모델 및 U-net(Convolutional Networks for Biomedical Image Segmentation) 모델의 인공신경망을 갖춘 인공지능 시스템을 기반으로 사용자 단말의 쿠키 데이터를 수집하여 학습하고 학습된 쿠키 데이터를 사용자 특성에 반영하여 체험 정보를 추출하되, 상기 쿠키 데이터량이 설정된 기준량 이상일 경우 상기 LSTM 모델로 쿠키 데이터 학습 및 체험 정보 추출을 진행하고, 상기 쿠키 데이터량이 설정된 기준량 미만일 경우 상기 U-net 모델로 쿠키 데이터 학습 및 체험 정보 추출을 진행하는 것을 특징으로 한다.
또한, 상기 체험 추천 서버는, 상기 사용자 단말로 전송된 체험 추천 정보에 따른 체험 만족도 정보를 반환 받아 분석하고 저장하는 체험 만족도 관리부를 포함하며, 상기 체험추천부는, 상기 LSTM 모델 및 U-net 모델이 각기 상기 체험 만족도 관리부에 저장된 체험 만족도 정보를 반영하여 체험 정보 추출을 진행하는 것을 특징으로 한다.
한편, 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템을 이용한 체험 추천 방법은 사용자 단말이 사용자로부터 사용자 정보를 입력받아 전송하는 정보입력단계; 체험 추천 서버가 사용자 정보를 수신받고, 특성을 판단하기 위해 설문조사를 진행하는 설문조사단계; 설문조사를 통해 수신받은 답변정보를 분석하여 특성을 파악하는 특성분석단계 및 파악된 특성에 따라 체험정보를 추출하여 체험 추천 정보로 상기 사용자 단말에 전송하는 체험추천단계를 포함하는 체험 추천 방법을 제공할 수 있다.
상기와 같은 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템 및 이를 이용한 체험 추천 방법은 사용자의 특성을 설문조사를 통해 분석하고, 분석된 특성에 따라 체험을 추천함으로써, 부족한 특성을 보완할 수 있도록 한다.
또한 사용자별로 이력을 통해 용이하게 관리할 수 있으며, 인공지능 시스템을 통해 사용자들이 특성별로 체험한 정보들을 수집하고 학습함으로써, 변동성이 있는 보다 적합한 체험 추천을 통해 활용성을 보다 높일 수 있다.
또한 변동되는 상황 조건에 맞게 적합한 체험을 추천할 수 있다.
도 1은 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템을 도시한 구성도.
도 2는 도 1의 체험 추천 서버를 도시한 블록도.
도 3은 도 2의 특성분석부가 특성을 분석한 결과를 나타낸 예시도.
도 4는 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템을 이용한 체험 추천 방법을 개략적으로 나타낸 흐름도.
이하, 도면을 참조한 본 발명의 설명은 특정한 실시 형태에 대해 한정되지 않으며, 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있다. 또한, 이하에서 설명하는 내용은 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용되는 용어로서, 그 자체에 의미가 한정되지 아니하며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서 전체에 걸쳐 사용되는 동일한 참조번호는 동일한 구성요소를 나타낸다.
본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 이하에서 기재되는 "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로 해석되어야 하며, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
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.
본 발명에서 체험추천 프로그램은 유선통신망을 통해 통신하는 컴퓨터 등의 단말기에서 제공됨이 바람직하나, 무선통신망을 통해 통신하는 태블릿 등을 포함하는 이동통신 단말기에서도 제공될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예에 따른 특성 보완을 위한 체험 추천 시스템 및 이를 이용한 체험 추천 방법을 상세히 살펴보기로 한다.
도 1은 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템을 도시한 구성도이고, 도 2는 도 1의 체험 추천 서버를 도시한 블록도이며, 도 3은 도 2의 특성분석부가 특성을 분석한 결과를 나타낸 예시도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템은 사용자 단말(1) 및 체험 추천 서버(2)를 포함할 수 있다.
사용자 단말(1)은 체험을 추천받고자 하는 사용자의 단말기(PC)일 수 있으며, PC 외 모바일 단말기, 태블릿 등에도 용이하게 적용될 수 있다. 체험 추천 프로그램을 통해 사용자로부터 사용자 정보, 답변정보 등을 입력받아 체험 추천 서버(2)로 전송할 수 있다.
여기서 사용자 정보는 사용자의 이름, 성별 및 나이 중 하나 이상을 포함할 수 있으나, 이에 한정되지 않고, 사용자 관련 다수의 정보들을 포함할 수도 있다.
또한 체험 추천 서버(2)로부터 특성에 따라 생성된 체험 추천 정보를 수신받을 수 있으며, 수신받은 체험 추천 정보에서 사용자가 체험하고자 하는 체험 정보를 선택함으로써, 링크를 통해 해당 체험과 관련된 사이트로 접속되도록 할 수도 있다.
체험 추천 서버(2)는 설문조사를 통해 사용자의 특성을 파악하고, 특성에 따라 맞춤형으로 체험을 추천할 수 있다. 즉, 사용자 단말(1)로부터 사용자 정보를 수신받고, 설문조사를 통해 수신받은 설문정보에 대한 답변정보를 분석하여 사용자의 특성을 파악하고, 파악된 특성에 따라 체험을 추천할 수 있다.
이를 위해, 체험 추천 서버(2)는 데이터베이스(20), 설문조사부(21), 특성분석부(22), 체험추천부(23) 및 이력관리부(24)를 포함할 수 있다.
데이터베이스(20)는 설문정보를 저장할 수 있는데, 나이별로 설문정보를 저장하고 있을 수 있다. 이에 사용자의 나이에 따라 적합한 설문정보로 설문조사가 진행되도록 할 수 있다.
또한 데이터베이스(20)는 다수의 체험 정보를 저장할 수 있는데, 다수의 체험 정보가 체험 항목별로 분류되어 저장될 수 있으며, 특성에 따라 추천할 수 있도록 특성에 맞는 체험별로 분류되어 저장될 수 있다.
여기서 체험 정보는 체험의 종류, 내용, 특징, 해당 체험 링크에 대한 정보 등을 포함할 수 있으나, 이에 한정되지는 않는다.
또한 데이터베이스(20)는 사용자 정보, 체험 추천 정보, 이력 정보 등을 저장할 수 있다.
설문조사부(21)는 사용자 단말(1)로부터 사용자 정보를 수신받아 사용자 단말(1)로 설문정보를 전송할 수 있다.
이 때, 설문조사부(21)는 사용자 정보 중 나이정보에 따라 설문정보를 선별하여 사용자 단말(1)로 전송할 수 있다. 이때 설문정보는 다수의 설문을 포함할 수 있으며, 30개 내지 40개의 설문을 포함하는 것이 바람직하나, 이에 한정되지는 않는다.
예를 들어, 나이정보는 아동, 청소년 및 성인 중 하나일 수 있으며, 성인일 경우 설문정보는'지금 하는 일보다 나에게 더 맞는 일(직업)이 있다면 언제든지 바꿀 수 있다', '직업을 선택하고 준비하는 과정에서 새로운 능력을 발견한다면 직업을 바꿀 수 있다.', '다른 사람이 뭔가를 권유한다면 내 생각이 확고하더라도 귀담아 듣겠다' 등의 설문으로 이루어질 수 있다. 이와 같이 직업 등과 관련된 질문으로 이루어질 수 있다.
또한 청소년일 경우, 설문정보는 '지금 하고 있는 공부방법보다 내게 더 맞다고 여겨지는 공부방법이 생기면 바꿀 수 있다.', '우연히 시작하게 된 방과 후 활동이나 동아리에서 내 적성을 맞는 것을 찾았다면 진로를 바꿀 것이다.' 등의 설문으로 이루어질 수 있다. 청소년의 경우에는 진로, 공부 등과 관련된 질문으로 이루어질 수 있는 것이다.
한편, 아동일 경우, 설문정보는 '집에 오늘 먹고 싶었던 과자가 없으면 다른 과자를 먹을 것이다.', '엄마가 피아노 학원에 다니라고 해도 그림 그리는게 좋으면 미술학원에 다니고 싶다.' 등의 설문으로 이루어질 수 있다.
이와 같이 설문정보는 해당 나이에 상황, 생각 등에 맞는 설문들로 이루어질 수 있다.
또한 설문조사부(21)는 사용자 단말(1)로부터 설문정보에 대한 답변정보를 수신받을 수 있다.
특성분석부(22)는 사용자 단말(1)로부터 수신된 답변정보를 분석하여 사용자의 특성을 파악할 수 있다.
보다 구체적으로, 특성분석부(22)는 답변정보를 분석하여 모험성, 호기심, 지속성, 유연성 및 낙관성 중 하나 이상의 특성을 파악할 수 있으며, 모두 파악하는 것이 바람직하나, 이에 한정되지는 않는다.
모험성은 위험을 무릅쓰고 어떠한 일을 하는 성질이고, 호기심은 새롭고 신기한 것을 좋아하거나 모르는 것을 알고 싶어하는 마음이고, 지속성은 어떤 상태를 오래 계속하는 성질이고, 유연성은 딱닥하지 아니하고 부드러운 성질이며, 낙관성은 앞으로의 일 따위가 잘되어 갈 것으로 여기는 성질이다.
여기서 특성분석부(22)는 모험성, 호기심, 지속성, 유연성 및 낙관성에 대해 각각 점수를 내는 것으로 특성을 파악할 수 있으며, 0점 내지 7점의 범위에서 점수를 답변정보에 따라 매기는 것으로 도 3과 같이 특성에 대한 정보가 생성될 수 있으나, 이에 한정되지는 않는다.
체험추천부(23)는 특성분석부(22)에서 파악된 특성에 따라 데이터베이스(20)로부터 체험 정보를 추출하여 사용자 단말(1)로 체험 추천 정보를 전송할 수 있다. 체험 추천 정보를 통해 부족한 특성을 보완할 수 있는 체험을 용이하게 사용자가 이용하도록 할 수 있다.
보다 구체적으로, 체험추천부(23)는 모험성, 호기심, 지속성, 유연성 및 낙관성 중 점수가 낮은 순으로 순서를 매기고, 특성 순서를 기반으로 체험정보를 추출할 수 있다.
더 나아가 점수에 따라 모험성, 호기심, 지속성, 유연성 및 낙관성의 특성 비중을 도출하여, 특성 순서와 비중을 기반으로 체험정보를 추출할 수도 있다.
한편, 다수의 특성을 모두 이용하는 것이 아닌, 다수의 특성 중 점수가 가장 낮은 특성과 가장 높은 특성의 점수의 비율을 도출하고, 그 비율을 이용하여 체험 정보를 추출할 수도 있다.
이에 가장 부족한 특성만을 고려하는 것이 아닌 다수 특성의 비중과 순서를 통해 체험 정보를 추출함으로써, 보다 사용자 맞춤으로 체험 정보를 제공할 수 있다.
여기서, 체험 추천 정보는 추출된 체험 정보를 포함하며, 특성 분석 결과를 더 포함할 수 있다.
특성 분석 결과는 각 특성에 대한 점수, 부족한 특성에 대한 정보일 수 있다.
한편, 체험추천부(23)는 파악된 특성에 따라 항목별로 체험 정보를 각각 추출할 수 있다. 여기서 항목은 책 및 그림, 노래, 활동, 영상 및 미션 중 하나 이상일 수 있으며, 모두 포함하는 것이 바람직하나 이에 한정되지는 않는다. 이는 특성은 동일하더라도 사용자 마다 관심있는 분야는 다를 수 있기 때문에 항목별로 다양한 체험 정보를 제공함으로써, 보다 효과적으로 체험을 활용하도록 할 수 있다.
항목에서 책 및 그림은 책 읽기, 도서관, 박물관, 전시관 등에 관한 체험들이 해당될 수 있다.
또한 노래는 콘서트, 음악 듣기, 노래부르기, 음악체험, 뮤지컬 등에 관한 체험들이 해당될 수 있다.
또한 활동은 운동, 레져스포츠, 힐링코스걷기, 캠핑, 농촌체험, 어촌체험, 산촌체험, 공예체험, 음식체험 등에 관한 체험들이 해당될 수 있는데, 각 체험을 보다 구체적으로 설명하면 표 1과 같을 수 있다.
운동 수영, 테니스, 배드민턴, 탁구, 축구 등
레져스포츠 패러글라이딩, 4D, 곤도라체험, 말, 모노레일, 실내놀이터 등
힐링코스걷기 숲길, 동산 등 자연과 함께 걷는 코스
캠핑 텐트 치고 숙식하기
농촌체험 농작물 체험(옥수수, 고구마, 감자, 딸기 등)
어촌체험 갯벌, 낚시 등
산촌체험 과수원(사과, 배 등)
공예체험 한지, 목공예, 천연염색, 도자기 체험 등
음식체험 채소, 과일, 고기 등을 활용한 음식체험
또한 영상은 영화, 뮤직비디오, 방송 등에 관한 체험들이 해당될 수 있다.또한 미션은 요리하기, 동물돌보기, 방탈출카페가기, 경매참여해보기 등에 관한 체험들이 해당될 수 있다.
이와 같은 체험추천부(23)는 인공지능 시스템을 기반으로 데이터베이스(20)에 항목별, 특성별에 따라 분류되어 저장되어 있는 다수의 체험 정보를 학습하여 상기와 같이 체험 정보를 추출하고, 체험 추천 정보를 제공할 수 있는데, 계속하여 업데이트 되는 이력정보를 학습함으로써, 고정된 결과값으로 체험 정보를 추출하는 것이 아닌 변동성이 있는 결과값으로 체험 정보를 추출할 수 있다.
이력 정보에 대한 설명은 하기 이력관리부(24)에서 보다 자세하게 설명하도록 한다.
또한 체험추천부(23)는 해당 사용자 단말(1)의 이력정보가 있을 경우, 이력정보에 대응되는 체험 정보는 제외하고 데이터베이스(20)에서 체험 정보를 추출하여 사용자 단말(1)에 제공할 수 있다. 이는 사용자가 보다 다양한 체험에 대해 추천받을 수 있도록 하기 위한 것이다.
이력관리부(24)는 사용자 단말(1)로부터 체험 추천 정보에 따른 체험 수행 정보를 수신받아 사용자 정보에 매칭시켜 이력정보로 데이터베이스(20)에 저장할 수 있다.
여기서 체험 수행 정보는 사용자 단말(1)을 통해 사용자가 해당 체험의 링크에 접속하여 체험을 수행함에 따라 자동으로 체험 수행 정보가 수신되거나, 사용자로부터 입력받아 사용자 단말(1)로부터 수신받을 수도 있다.
체험 수행 정보는 체험 정보를 포함하고, 체험 날짜(년, 월, 일, 시간 등), 날씨 정보(계절, 온도, 날씨특징 등) 중 하나 이상을 더 포함할 수 있다.
여기서 날씨 정보는 체험 수행 정보의 체험 날짜에 의해 해당 날짜의 날씨 정보를 확보하여 자동으로 생성되거나, 사용자 단말(1)로부터 수신받을 수도 있다.
이와 같이 이력정보를 생성하여 체험추천부(23)가 이를 학습하고 학습된 정보를 기반으로 체험 정보를 추출하도록 함으로써, 특성 맞춤이되 상황에 따라 변동되는 체험 정보를 제공할 수 있어 보다 적합한 체험 정보를 제공할 수 있다.
예를 들어, 체험추천부(23)는 판단된 특성에 따라 체험 정보를 추출할 시, 날짜 또는 외부 서버로부터 일정기간의 날씨정보를 계절 또는 날씨를 판단하고, 판단된 계절 또는 날씨에 적합한 체험 정보를 추출할 수 있는 것이다. 즉, 날씨, 계절에 맞는 체험들로 선별할 수 있다.
또 다른 예로, 체험추천부(23)는 판단된 특성에 따라 체험 정보를 추출할 시, 이력정보의 사용자 정보에서 나이정보를 이용하여 해당 나이에 할 수 있거나 하기 적합한 체험 정보를 추출할 수도 있다.
한편, 체험 추천 서버(2)는 RNN(Recurrent neural network) 모델 또는 LSTM(Long short term memory) 모델의 인공신경망을 갖춘 인공지능 시스템 시스템을 기반으로, 설문정보를 통해 사용자의 특성을 파악하고 체험 정보를 추출할 수 있다.
구체적으로, 체험 추천 서버(2)는 설문조사부(21)로부터 특성분석부(22)와 체험추천부(23)에 이르러, 설문정보를 사용자 단말(1)로 전송하고, 답변정보를 전달 받아 사용자의 특성을 파악하며, 파악된 사용자의 특성에 따라 체험 정보를 추출하여 사용자 단말(1)로 추천하는 과정 속에서 RNN 모델 또는 LSTM 모델을 갖춘 인공지능 시스템을 통해 설문정보에 대한 답변정보와 사용자의 특성 파악에 대해 학습하도록 구성될 수 있다.
예를 들어, 인공지능 시스템이 RNN 모델을 갖출 경우, 설문정보를 입력 값으로 하여 출력되는 사용자의 특성에 대한 가중치(weight)를 통해 학습할 수 있고, 사용자의 특성을 입력 값으로 하여 출력되는 체험 정보에 대한 가중치(weight)를 학습할 수 있다.
이때, 체험 추천 서버(2)는 사용자 단말(1)로부터 입력되는 설문정보에 대한 답변정보를 실시간으로 분석하여 사용자의 특성을 파악할 수 있다. 즉, 사용자 단말(1)이 설문 한 문항당 답변정보를 입력할 시에 체험 추천 서버(2)는 이를 문항 별로 실시간 전달 받을 수 있는 것이다.
또한, 체험 추천 서버(2)는 사용자 단말(1)로부터 입력되는 실시간 답변정보가 기 진행된 설문정보에 대한 답변정보와 유사도를 판단하도록 구성될 수 있다.
이때, 체험 추천 서버(2)는 판단된 유사도가 설정된 기준 이상의 유사도를 만족하는 것으로 판단될 경우, 설정된 모든 설문정보 중 일부의 설문정보에 대한 답변정보만을 가지고 사용자의 특성을 파악하고, 파악된 특성에 따라 체험 정보를 추출하도록 구성될 수 있다.
즉, 설정된 기준 이상의 유사도를 만족할 경우, 설정된 모든 설문정보에 대해 답변정보를 전달받는 것이 아닌, 현재까지 진행된 설문정보에 대한 답변정보만을 가지고 바로 사용자의 특성을 추측하고 체험정보를 사용자 단말(1)로 전송하도록 구성되는 것이다.
예를 들어, 10개의 설문정보가 있다고 가정하면, 8개의 설문정보를 진행했을 경우에 기 진행된 설문정보와 유사도가 기준치를 만족할 경우, 나머지 2개의 설문정보는 진행하지 않고 바로 사용자의 특성이 파악하고 체험 정보를 추출하여 사용자 단말(1)로 안내하는 것이다.
여기서, RNN 모델과 LSTM 모델로 학습하고 체험 정보를 추출하는 것이 모두 효과적이나, LSTM 모델은 RNN 모델 대비 학습 시에 이전 정보와 현재 정보 사이의 비중을 두어 출력을 결정하는 컨트롤 네트워크인 게이트(gate)를 통해 학습하고 결과 값을 내므로, 보다 효과적일 수 있다.
본 발명은 상기와 같은 인공지능 시스템을 통해 설문정보가 많아도 설문조사에 대해 보다 빠른 결론을 낼 수 있으며, 나아가 연관된 몇 개의 질문만으로도 설문조사에 대한 결론을 도출해 낼 수 있는 장점이 있다.
한편, 체험 추천 서버(2)는 사용자의 특성 파악 시에 사용자 단말(1)의 쿠키 데이터 즉, 네트워크 사용 기록을 수집하도록 구성될 수 있고, 답변 정보를 입력하는 시간 데이터를 계측하도록 형성될 수도 있다.
여기서, 쿠키 데이터는 영상이나 이미지 데이터, 홈페이지 접속기록, 검색기록 등일 수 있으며, 체험 추천 서버(2)는 상기의 쿠키 데이터나 답변정보 입력 시간 데이터 중 하나 이상 데이터를 더 반영하여 사용자의 특성을 보다 세밀하게 파악하고 정확도를 높일 수가 있다.
또한, 본 발명의 체험추천부(23)는 LSTM(Long short term memory) 모델 및 U-net(Convolutional Networks for Biomedical Image Segmentation) 모델의 인공신경망을 갖춘 인공지능 시스템을 기반으로 사용자 단말의 쿠키 데이터를 수집하여 학습하고, 학습된 쿠키 데이터를 사용자 특성에 반영하여 체험 정보를 추출하도록 구성될 수 있다.
여기서, 쿠키 데이터는 상술한 쿠키 데이터와 동일하게 영상이나 이미지 데이터, 홈페이지 접속기록, 검색기록 등일 수 있다.
또한, 체험추천부(23)는 쿠키 데이터 수집 시 쿠키 데이터량이 설정된 기준량 이상인지 기준량 미만인지 판단하도록 구성될 수 있다. 이때, LSTM 모델은 체험추천부(23)에서 판단된 쿠키 데이터량이 설정된 기준량 이상일 경우 데이터 학습 및 체험 정보 추출을 진행하도록 구성될 수 있고, U-net 모델은 쿠키 데이터량이 설정된 기준량 미만일 경우 데이터 학습 및 체험 정보 추출을 진행하도록 구성될 수 있다.
U-net 모델은 입력된 특징맵을 업샘플링하는 확장 과정(Expansive path)과 업샘플링된 특징맵을 다운샘플링하는 축소 과정(Contracting path)를 통해 보다 간단한 데이터를 통하여 빠른 처리능력과 효율적인 데이터 처리가 가능한 모델로서, 영상이나 이미지 처리에 효과적이며, 간단한 데이터 양으로도 충분한 학습이 가능한 장점이 있다.
이에 따라, 많은 쿠키 데이터량이 있을 경우 LSTM 모델을 통해 정확도 높게 학습을 수행할 수 있으며, 적은 쿠키 데이터량에 있어서는 U-net 모델을 통해 적은 데이터량에도 효과적이게 학습을 수행할 수 있다.
아울러, 체험 추천 서버(2)는 도 2에 도시된 바와 같이 체험 만족도 관리부(25)를 더 포함하여 구성될 수 있다.
체험 만족도 관리부(25)는 사용자 단말(1)로 전송된 체험 추천 정보에 따른 체험 만족도 정보를 반환 받을 수 있다. 또한, 체험 만족도 관리부(25)는 반환 받은 체험 만족도 정보를 분석하고 저장하도록 구성될 수 있다.
이‹š, 체험추천부(23)는 상술한 LSTM 모델 또는 U-net 모델이 체험 정보를 추출할 경우에 체험 만족도 관리부에 저장된 체험 만족도 정보를 반영하여 체험 정보를 추출을 진행할 수 있다.
이를 통해 체험 정보 추출은 보다 세밀하고 정확하게 추출될 수 있으며, 결국 사용자 단말(1)로 보다 정확한 체험 추천이 진행될 수 있다.
도 4는 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템을 이용한 체험 추천 방법을 개략적으로 나타낸 흐름도이다.
도 4를 참조하면, 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템을 이용한 체험 추천 방법은 정보입력단계(S100), 설문조사단계(S200), 특성분석단계(S300) 및 체험추천단계(S400)를 포함할 수 있다.
정보입력단계(S100)는 사용자 단말(1)이 사용자로부터 사용자 정보를 입력받아 체험 추천 서버(2)로 전송할 수 있다.
설문조사단계(S200)는 체험 추천 서버(2)가 사용자 단말(1)로부터 사용자 정보를 수신받고, 특성을 판단하기 위해 설문조사를 진행할 수 있다.
S200 단계는 먼저 해당 사용자 단말(1)로 선별된 설문정보를 전송할 수 있으며, 사용자 단말(1)로부터 설문정보에 대한 답변정보를 수신받을 수 있다.
특성분석단계(S300)는 체험 추천 서버(2)가 설문조사를 통해 수신받은 답변정보를 분석하여 특성을 파악할 수 있다.
S300 단계는 답변정보를 분석하여 모험성, 호기심, 지속성, 유연성 및 낙관성 중 하나 이상의 특성을 파악할 수 있으며, 각각 점수를 내는 것으로 특성에 대한 정보를 생성할 수 있다.
체험추천단계(S400)는 체험 추천 서버(2)가 S300 단계에서 파악된 특성에 따라 체험정보를 추출하여 체험 추천 정보로 사용자 단말(1)에 전송할 수 있다. 체험 추천 정보는 사용자 단말(1)에 태그 형태로 제공되어, 사용자 단말(1)을 통해 사용자가 선택하면 해당 체험과 관련된 사이트로 넘어가도록 할 수 있다.
여기서 체험 추천 서버(2)는 인공지능 시스템을 기반으로 데이터베이스(20)에 항목별, 특성별에 따라 분류되어 저장되어 있는 다수의 체험 정보를 학습하여 상기와 같이 체험 정보를 추출할 수 있는데, 이력정보를 학습할 수도 있다.
S400 단계 후, 이력저장단계를 더 포함할 수 있다.
이력저장단계는 체험 추천 서버(2)가 사용자 단말(1)로부터 체험 추천 정보에 따른 체험 수행 정보를 수신받아 사용자 정보에 매칭시켜 이력정보로 데이터베이스(20)에 저장할 수 있다.
그 다음, 체험 추천 서버(2)는 저장된 이력정보를 학습할 수 있다. 이에 S400 단계에서 특성뿐만 아니라 날씨, 계절 등 상황을 고려하여 체험 정보를 추출하도록 할 수도 있다.
상기에서 설명한 바와 같이, 본 발명의 실시예에 따른 특성 보완을 위한 체험 추천 시스템 및 이를 이용한 체험 추천 방법은 사용자의 특성을 설문조사를 통해 분석하고, 분석된 특성에 따라 체험을 추천함으로써, 부족한 특성을 보완할 수 있도록 한다.
또한 사용자별로 이력을 통해 용이하게 관리할 수 있으며, 인공지능 시스템을 통해 사용자들이 특성별로 체험한 정보들을 수집하고 학습함으로써, 변동성이 있는 보다 적합한 체험 추천을 통해 활용성을 보다 높일 수 있다.
또한 변동되는 상황 조건에 맞게 적합한 체험을 추천할 수 있다.
이상으로 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고 다른 구체적인 형태로 실시할 수 있다는 것을 이해할 수 있을 것이다. 따라서 이상에서 기술한 실시예는 모든 면에서 예시적인 것이며 한정적이 아닌 것이다.
1: 사용자 단말
2: 체험 추천 서버
20: 데이터베이스
21: 설문조사부
22: 특성분석부
23: 체험추천부
24: 이력관리부
25 : 체험 만족도 관리부

Claims (9)

  1. 사용자 정보를 입력받는 사용자 단말 및
    상기 사용자 단말로부터 사용자 정보를 수신받고, 설문조사를 통해 수신받은 설문정보에 대한 답변정보를 분석하여 사용자의 특성을 파악하고, 파악된 특성에 따라 체험을 추천하는 체험 추천 서버를 포함하되,
    상기 체험 추천 서버는,
    설문정보, 다수의 체험 정보를 저장하는 데이터베이스;
    상기 사용자 단말로부터 사용자 정보를 수신받아 설문정보를 전송하고, 상기 설문정보에 대한 답변정보를 수신받는 설문조사부;
    상기 답변정보를 분석하여 사용자의 특성을 파악하는 특성분석부 및
    파악된 특성에 따라 체험 정보를 추출하여 상기 사용자 단말로 체험 추천 정보를 전송하는 체험추천부를 포함하고,
    상기 사용자 단말로부터 상기 체험 추천 정보에 따른 체험 수행 정보를 수신받아 사용자 정보에 매칭시켜 이력정보로 저장하는 이력관리부를 더 포함하며,
    상기 설문조사부는,
    상기 사용자 정보 중 나이정보에 따라 설문정보를 선별하여 사용자 단말로 전송하고,
    상기 나이정보는,
    아동, 청소년 및 성인 중 하나일 수 있으며,
    해당 나이대의 상황, 생각 등에 맞는 설문들로 이루어지고,
    상기 특성분석부는,
    상기 답변정보를 분석하여 모험성, 호기심, 지속성, 유연성 및 낙관성 중 하나 이상의 특성을 파악하고,
    상기 체험추천부는,
    인공지능 시스템을 기반으로 업데이트되는 이력정보를 학습하여, 파악된 특성에 따라 체험 정보를 추출하며,
    상기 체험 추천 서버는,
    RNN(Recurrent neural network) 모델 또는 LSTM(Long short term memory) 모델의 인공신경망을 갖춘 인공지능 시스템을 기반으로, 상기 설문정보에 대한 답변정보 및 사용자의 특성 파악을 학습하고,
    상기 사용자 단말로부터 입력되는 설문정보에 대한 답변정보를 실시간으로 분석하여 사용자의 특성을 파악하되,
    상기 사용자 단말로부터 입력되는 실시간 답변정보가 기 진행된 설문정보에 대한 답변정보와 설정된 기준 이상의 유사도를 만족할 경우, 설정된 모든 설문정보 중 일부의 설문정보에 대한 답변정보만을 가지고 사용자의 특성을 파악하여, 파악된 특성에 따라 체험 정보를 추출하며,
    사용자의 특성 파악 시에 사용자 단말의 쿠키 데이터를 수집하도록 구성되고, 답변 정보를 입력하는 시간 데이터를 계측하도록 형성되어,
    상기 사용자의 특성 파악 시에 사용자 단말의 쿠키 데이터 및 답변정보를 입력하는 시간 데이터 중 하나 이상의 데이터를 더 반영하여 사용자의 특성을 파악하고,
    상기 쿠키 데이터는 영상이나 이미지 데이터, 홈페이지 접속기록, 검색기록인 것을 특징으로 하는 특성 보완을 위한 체험 추천 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 사용자 정보를 입력받는 사용자 단말 및
    상기 사용자 단말로부터 사용자 정보를 수신받고, 설문조사를 통해 수신받은 설문정보에 대한 답변정보를 분석하여 사용자의 특성을 파악하고, 파악된 특성에 따라 체험을 추천하는 체험 추천 서버를 포함하되,
    상기 체험 추천 서버는,
    설문정보, 다수의 체험 정보를 저장하는 데이터베이스;
    상기 사용자 단말로부터 사용자 정보를 수신받아 설문정보를 전송하고, 상기 설문정보에 대한 답변정보를 수신받는 설문조사부;
    상기 답변정보를 분석하여 사용자의 특성을 파악하는 특성분석부 및
    파악된 특성에 따라 체험 정보를 추출하여 상기 사용자 단말로 체험 추천 정보를 전송하는 체험추천부를 포함하고,
    상기 사용자 단말로부터 상기 체험 추천 정보에 따른 체험 수행 정보를 수신받아 사용자 정보에 매칭시켜 이력정보로 저장하는 이력관리부를 더 포함하며,
    상기 설문조사부는,
    상기 사용자 정보 중 나이정보에 따라 설문정보를 선별하여 사용자 단말로 전송하고,
    상기 나이정보는,
    아동, 청소년 및 성인 중 하나일 수 있으며,
    해당 나이대의 상황, 생각 등에 맞는 설문들로 이루어지고,
    상기 특성분석부는,
    상기 답변정보를 분석하여 모험성, 호기심, 지속성, 유연성 및 낙관성 중 하나 이상의 특성을 파악하고,
    상기 체험추천부는,
    인공지능 시스템을 기반으로 업데이트되는 이력정보를 학습하여, 파악된 특성에 따라 체험 정보를 추출하며,
    LSTM(Long short term memory) 모델 및 U-net(Convolutional Networks for Biomedical Image Segmentation) 모델의 인공신경망을 갖춘 인공지능 시스템을 기반으로 사용자 단말의 쿠키 데이터를 수집하여 학습하고 학습된 쿠키 데이터를 사용자 특성에 반영하여 체험 정보를 추출하되,
    상기 쿠키 데이터량이 설정된 기준량 이상일 경우 상기 LSTM 모델로 쿠키 데이터 학습 및 체험 정보 추출을 진행하고,
    상기 쿠키 데이터량이 설정된 기준량 미만일 경우 상기 U-net 모델로 쿠키 데이터 학습 및 체험 정보 추출을 진행하며,
    상기 체험 추천 서버는,
    상기 사용자 단말로 전송된 체험 추천 정보에 따른 체험 만족도 정보를 반환 받아 분석하고 저장하는 체험 만족도 관리부를 더 포함하며,
    상기 체험추천부는,
    상기 LSTM 모델 및 U-net 모델이 각기 상기 체험 만족도 관리부에 저장된 체험 만족도 정보를 반영하여 체험 정보 추출을 진행하고,
    상기 쿠키 데이터는 영상이나 이미지 데이터, 홈페이지 접속기록, 검색기록인 것을 특징으로 하는 특성 보완을 위한 체험 추천 시스템.
  8. 삭제
  9. 삭제
KR1020210030404A 2020-12-31 2021-03-08 특성 보완을 위한 체험 추천 시스템 KR102618991B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200189943 2020-12-31
KR20200189943 2020-12-31

Publications (2)

Publication Number Publication Date
KR20220097841A KR20220097841A (ko) 2022-07-08
KR102618991B1 true KR102618991B1 (ko) 2023-12-28

Family

ID=82407311

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210030404A KR102618991B1 (ko) 2020-12-31 2021-03-08 특성 보완을 위한 체험 추천 시스템

Country Status (1)

Country Link
KR (1) KR102618991B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100963996B1 (ko) * 2009-06-29 2010-06-15 주식회사 모임 감성에 기반한 개인별 제품 추천 장치 및 방법, 그 기록 매체
JP2019113943A (ja) * 2017-12-21 2019-07-11 ヤフー株式会社 情報提供装置、情報提供方法、およびプログラム
KR102061893B1 (ko) * 2019-08-18 2020-01-06 주식회사 알앤디아시아 질의 응답을 이용한 소셜 러닝 시스템
JP6756872B1 (ja) * 2019-05-13 2020-09-16 ヤフー株式会社 提案装置、提案方法および提案プログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170076274A (ko) * 2015-12-24 2017-07-04 한국기술교육대학교 산학협력단 지능형 큐레이션 서비스 제공시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100963996B1 (ko) * 2009-06-29 2010-06-15 주식회사 모임 감성에 기반한 개인별 제품 추천 장치 및 방법, 그 기록 매체
JP2019113943A (ja) * 2017-12-21 2019-07-11 ヤフー株式会社 情報提供装置、情報提供方法、およびプログラム
JP6756872B1 (ja) * 2019-05-13 2020-09-16 ヤフー株式会社 提案装置、提案方法および提案プログラム
KR102061893B1 (ko) * 2019-08-18 2020-01-06 주식회사 알앤디아시아 질의 응답을 이용한 소셜 러닝 시스템

Also Published As

Publication number Publication date
KR20220097841A (ko) 2022-07-08

Similar Documents

Publication Publication Date Title
US20200265070A1 (en) Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic
Hill et al. Coach decision-making and the relative age effect on talent selection in football
Lewis et al. More than a game: Sports media framing effects on attitudes, intentions, and enjoyment
Spies et al. Does the mode of candidate selection affect the representativeness of parties?
US9183262B2 (en) Methodology for building and tagging relevant content
US7610255B2 (en) Method and system for computerized searching and matching multimedia objects using emotional preference
US4996642A (en) System and method for recommending items
Herz et al. Learning to breathe fire: The rise of CrossFit and the primal future of fitness
Martin Video games, identity, and the constellation of information
Broussard “Stick to sports” is gone: A field theory analysis of sports journalists’ coverage of socio-political issues
US20130318162A1 (en) Person-to-person matching system
Yue et al. An investigation of US apple producers’ trait prioritization—evidence from audience surveys
Pálsdóttir Preferences in the use of social media for seeking and communicating health and lifestyle information.
Postles et al. The rise of BioBlitz: Evaluating a popular event format for public engagement and wildlife recording in the United Kingdom
De Valk Intergenerational discrepancies in fertility preferences among immigrant and Dutch families
Mirehie et al. Empirical testing of destination attribute preferences of women snow-sport tourists along a trajectory of participation
Hallmann et al. Spectators’ points of attachment and their influence on behavioural intentions of women’s national football games
Lai et al. The role of the network of matches on predicting success in table tennis
Kakitek Application of Aaker’s brand personality scale on human brands in surf sports
Hoye et al. Travel motivations of Australian Football League fans: An exploratory study
Kim et al. Leisure constraints affecting experienced martial arts participants
KR102618991B1 (ko) 특성 보완을 위한 체험 추천 시스템
KR20220116626A (ko) 식단 제공 장치 및 방법
Mudrick et al. Looking on from the sideline: Perceived role congruity of women sports journalists
Aranda-Cuéllar et al. Winter tourism dependence: A cyclical and cointegration analysis. Case study for the Alps

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)