KR102624046B1 - 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법 - Google Patents

사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법 Download PDF

Info

Publication number
KR102624046B1
KR102624046B1 KR1020230111061A KR20230111061A KR102624046B1 KR 102624046 B1 KR102624046 B1 KR 102624046B1 KR 1020230111061 A KR1020230111061 A KR 1020230111061A KR 20230111061 A KR20230111061 A KR 20230111061A KR 102624046 B1 KR102624046 B1 KR 102624046B1
Authority
KR
South Korea
Prior art keywords
user
self
lecture
interest
information
Prior art date
Application number
KR1020230111061A
Other languages
English (en)
Inventor
김종민
김성준
박근홍
서예빈
Original Assignee
주식회사 배움의모든것
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 배움의모든것 filed Critical 주식회사 배움의모든것
Priority to KR1020230111061A priority Critical patent/KR102624046B1/ko
Application granted granted Critical
Publication of KR102624046B1 publication Critical patent/KR102624046B1/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
    • 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
    • G06Q50/20—Education
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 발명은 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법에 관한 것이다.
본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 사용자단말로부터 사용자성향기본정보를 수신하고, 상기 사용자성향기본정보를 기반으로 자기계발활동 및 강의업체를 추천하는 방법에 대한 추천모드를 결정하고, 결정된 추천모드에 따라, 추천할 추천자기계발활동 및 추천강의업체를 추천정보로 도출하고, 상기 추천정보를 상기 사용자단말에게 송신할 수 있다.

Description

사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법{APPARATUS AND METHOD FOR PROVIDING USER-CUSTOMIZED LECTURE MATCHING SERVICE}
본 발명은 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
일반적으로 사용자는 본인이 배우고 싶은 자기계발활동을 선택하고, 본인이 직접 학원과 강사에 대하여 알아보고 결정해야 한다.
그러나, 사용자는 좋은 학원과 강사에 대한 정보를 수집하기 위하여 시간이 낭비될 우려가 있으며, 무분별한 학원 광고와 불충분한 정보 및 후기로 잘못된 선택을 할 수도 있다.
이에, 본 발명에서는 사용자에게 적합한 자기계발활동 및 학원을 추천해줄 수 있는 기술을 제안하고자 한다.
한국등록특허 제10-2410868호 (2022.06.15.)
본 발명의 일 실시예는 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법을 제공하는 것이다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 사용자단말로부터 사용자성향기본정보를 수신하고, 상기 사용자성향기본정보를 기반으로 자기계발활동 및 강의업체를 추천하는 방법에 대한 추천모드를 결정하고, 결정된 추천모드에 따라, 추천할 추천자기계발활동 및 추천강의업체를 추천정보로 도출하고, 상기 추천정보를 상기 사용자단말에게 송신할 수 있다.
이 때, 상기 사용자성향기본정보는, 상기 사용자단말을 사용하는 상기 제1 사용자의 위치, 성별 및 나이대를 나타내는 제1 신상정보, 상기 제1 사용자에 대한 특정 자기계발활동의 선택여부를 나타내는 선택정보, 상기 제1 사용자가 사용하는 SNS계정정보 및 강의업체 선정을 위하여 기설정된 선호도점수범위 중에서 상기 제1 사용자가 선택한 위치선호도에 해당하는 제1 선호도점수, 동일성별선호도에 해당하는 제2 선호도점수 및 동일나이선호도에 해당하는 제3 선호도점수에 대한 정보를 포함하는 추천성향정보를 포함할 수 있다.
이 때, 상기 프로세서는, 상기 선택정보에서 상기 제1 사용자가 특정 자기계발활동을 선택한 경우, 상기 특정 자기계발활동을 상기 추천자기계발활동으로 도출하고, 상기 추천자기계발활동을 강의하는 강의업체 중에서 상기 추천강의업체를 도출하는 제1 추천모드로 상기 추천정보를 도출하고, 상기 선택정보에서 상기 제1 사용자가 특정 자기계발활동을 선택하지 않은 경우, 상기 신상정보 및 상기 SNS계정정보를 기반으로 상기 추천자기계발활동을 도출하고, 상기 추천자기계발활동을 강의하는 강의업체 중에서 상기 추천강의업체를 도출하는 제2 추천모드로 상기 추천정보를 도출할 수 있다.
이 때, 상기 제1 추천모드는, 자기계발활동에 대한 정보 및 강의업체에 대한 정보를 포함하는 DB에서 상기 추천자기계발활동을 강의하는 강의업체를 제1 강의업체로 도출하고, 상기 사용자성향기본정보를 기반으로 상기 제1 사용자에 대한 상기 제1 강의업체의 제1 매칭점수를 도출하고, 상기 제1 강의업체 중에서 상기 제1 매칭점수가 기설정된 제1 임계매칭점수를 초과하는 제2 강의업체를 도출하고, 상기 제2 강의업체 중에서 상기 제1 매칭점수가 높은 순으로 기설정된 제1 추천개수만큼 상기 추천강의업체로 도출할 수 있다.
이 때, 상기 제1 매칭점수는, 상기 제1 신상정보와 해당 제1 강의업체를 수강한 전체사용자에 대한 제2 신상정보를 기반으로 도출될 수 있다.
이 때, 상기 제1 매칭점수는, 아래 수학식에 의하여 도출되되,
MS_1은 상기 제1 매칭점수를 의미하고, w_1은 상기 제1 선호도점수를 의미하고, r은 상기 제1 사용자의 위치와 해당 제1 강의업체와의 위치에 기반하는 위치점수를 의미하고, w_2는 상기 제2 선호도점수를 의미하고, s는 해당 제1 강의업체를 수강한 전체사용자 중에서 상기 제1 사용자와 동일한 성별의 사용자의 비율을 의미하고, w_3은 상기 제3 선호도점수를 의미하고, a는 해당 제1 강의업체를 수강한 전체사용자 중에서 상기 제1 사용자와 동일한 나이대의 사용자의 비율을 의미할 수 있다.
이 때, 상기 위치점수는, 아래 수학식에 의하여 도출되되,
r_max는 전체 제1 강의업체와 상기 제1 사용자의 위치와의 거리 중에서 가장 먼 거리값을 의미하고, r_min은 전체 제1 강의업체와 상기 제1 사용자의 위치와의 거리 중에서 가장 가까운 거리값을 의미하고, r_user는 해당 제1 강의업체와 상기 제1 사용자의 위치와의 거리값을 의미할 수 있다.
이 때, 상기 제2 추천모드는, 상기 SNS계정정보를 기반으로, 상기 제1 사용자가 사용하는 소셜네트워크에서 상기 제1 사용자가 작성 또는 조회한 게시글을 대상으로 웹스크래핑(Web Scraping)을 수행하여, 기설정된 관심사키워드목록에 해당하는 제1 관심사키워드를 도출하고, 중복된 제1 관심사키워드를 하나만 남기고 제거하여 제1 관심사키워드집합을 생성하고, 상기 제1 관심사키워드집합에 포함되는 제1 관심사키워드마다 중복하여 도출된 횟수에 대한 중복도출횟수를 도출하고, 해당 자기계발활동의 명칭을 기반으로 해당 자기계발활동에 대한 제2 관심사키워드를 도출하여 제2 관심사키워드집합을 생성하고, 상기 DB를 기반으로 전체 자기계발활동에 대하여 수강하고 있는 전체 사용자들의 성별비율, 나이대비율, 상기 제1 사용자의 신상정보, 상기 제1 관심사키워드집합 및 상기 제2 관심사키워드집합을 기반으로 상기 제1 사용자에 대한 상기 자기계발활동의 제2 매칭점수를 도출하고, 상기 제2 매칭점수가 기설정된 제2 임계매칭점수를 초과하는 자기계발활동을 상기 추천자기계발활동으로 도출하고, 상기 제1 추천자기계발활동을 대상으로 상기 제1 추천모드를 통하여 상기 추천강의업체를 도출할 수 있다.
이 때, 상기 프로세서는, 전체 자기계발활동에 대하여, 해당 자기계발활동의 명칭과 상기 관심사키워드목록에 포함되는 관심사키워드와의 거리지수를 도출하고, 상기 거리지수가 가장 작은 최고유사키워드를 도출하고, 상기 최고유사키워드의 거리지수와 기설정된 포함범위(%) 내에 해당하는 거리지수를 가진 다른 관심사키워드를 보통유사키워드로 도출하고, 상기 최고유사키워드 및 상기 보통유사키워드를 포함하여 상기 제2 관심사키워드집합을 생성할 수 있다.
이 때, 상기 제2 매칭점수는, 아래 수학식에 의하여 도출되되,
MS_2는 상기 제2 매칭점수를 의미하고, k_1은 상기 제1 사용자와 해당 자기계발활동을 수강하고 있는 전체사용자의 성별 및 나이대를 기반으로 도출되는 제1 임시매칭점수를 의미하고, k_2는 상기 제1 사용자의 상기 제1 관심사키워드집합과 해당 자기계발활동의 상기 제2 관심사키워드집합을 기반으로 도출되는 제2 임시매칭점수를 의미할 수 있다.
이 때, 상기 제1 임시매칭점수는, 아래 수학식에 의하여 도출되되,
a는 해당 자기계발활동을 수강하고 있는 전체사용자 중에서 상기 제1 사용자와 동일한 성별의 사용자의 비율을 의미하고, b는 해당 자기계발활동을 수강하고 있는 전체사용자 중에서 상기 제1 사용자와 동일한 나이대의 사용자의 비율을 의미할 수 있다.
이 때, 상기 제2 임시매칭점수는, 아래 수학식에 의하여 도출되되,
KM1은 상기 제1 관심사키워드집합을 의미하고, KM2는 상기 제2 관심사키워드집합을 의미하고, n은 상기 제1 관심사키워드집합과 상기 제2 관심사키워드집합의 교집합에 포함되는 관심사키워드의 수를 의미하고, nk_i는 상기 제1 관심사키워드집합에 포함되는 관심사키워드 중에서 상기 제2 관심사키워드집합에 포함되는 관심사키워드와 겹치는 교집합관심사키워드 중에서 i번째 상기 교집합관심키워드에 해당하는 상기 제1 관심사키워드의 중복도출횟수를 의미할 수 있다.
이와 같이 본 발명의 일 실시예에 따르면, 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법을 제공할 수 있다.
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.
본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 장치의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따라 추천모드를 결정하는 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 추천모드에 따라 추천정보를 생성하는 과정을 나타내는 도면이다.
도 5는 본 발명이 실시되고 있음을 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 방법의 흐름도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 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 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 장치의 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 장치는 사용자단말(200)로부터 제1 사용자의 신상 및 성향을 확인할 수 있는, 사용자성향기본정보를 수신하고, 상기 사용자성향기본정보를 기반으로 상기 제1 사용자에게 추천할 자기계발활동 및 해당 자기계발활동을 강의하는 강의업체를 추천해줄 수 있다.
한편, 사용자 맞춤형 강의 매칭 서비스 제공 장치는 본 발명에서 '전자 장치(100)'로 호칭될 수도 있다.
이 때, 사용자단말(200)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등을 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 전자 장치(100)의 블록도이다.
일 실시예에 따른 전자 장치(100)는 프로세서(110) 및 메모리(120)를 포함한다. 프로세서(110)는 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(120)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(120)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. 메모리(120)는 '데이터베이스', '저장부' 등으로 호칭될 수 있다.
프로세서(110)는 프로그램을 실행하고, 전자 장치(100)를 제어할 수 있다. 프로세서(110)에 의하여 실행되는 프로그램의 코드는 메모리(120)에 저장될 수 있다. 장치(100)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이 때, 상기 프로세서(110)는, 사용자단말(200)로부터 사용자성향기본정보를 수신할 수 있다.
이 때, 상기 사용자성향기본정보는, 상기 사용자단말(200)을 사용하는 상기 제1 사용자의 위치, 성별 및 나이대를 나타내는 제1 신상정보, 상기 제1 사용자에 대한 특정 자기계발활동의 선택여부를 나타내는 선택정보, 상기 제1 사용자가 사용하는 SNS계정정보 및 강의업체 선정을 위하여 기설정된 선호도점수범위 중에서 상기 제1 사용자가 선택한 위치선호도에 해당하는 제1 선호도점수, 동일성별선호도에 해당하는 제2 선호도점수 및 동일나이선호도에 해당하는 제3 선호도점수에 대한 정보를 포함하는 추천성향정보를 포함할 수 있다.
이 때, 상기 나이대는 10대, 20대, 30대 등으로 기설정된 범위로 구분되는 나이구간 중에서 상기 제1 사용자가 선택한 것을 의미할 수 있다.
또한, 상기 선택정보는 후술하는 바와 같이, 상기 제1 사용자가 자신이 원하는 자기계발활동이 있는지에 대한 정보로써 자세한 것은 후술하도록 한다.
또한, 상기 SNS계정정보는, 상기 제1 사용자가 사용하는 SNS와 상기 제1 사용자의 계정정보를 포함할 수 있다.
또한, 추천성향정보는 상기 제1 사용자가 강의업체를 선택할 때, 동일한 나이의 사용자들이 많은 것을 선호하는지, 동일한 성별의 사용자들이 많은 것을 선호하는지 위치가 가까운 것을 선호하는지에 대한 지표로써, 본 발명의 운영자에 의하여 임의로 설정된 상기 선호도점수범위 내에서 상기 제1 사용자가 선택한 선호도점수를 의미할 수 있다.
예를 들어, 상기 선호도점수범위가 0에서 5로 설정되어 있는 경우, 상기 제1 사용자는 자신의 선호정도에 따라 상기 제1 선호도점수, 상기 제2 선호도점수 및 상기 제3 선호도점수를 3, 4, 2로 설정할 수 있다.
또한, 상기 프로세서(110)는, 상기 사용자성향기본정보를 기반으로 자기계발활동 및 강의업체를 추천하는 방법에 대한 추천모드를 결정하고, 결정된 추천모드에 따라, 추천할 추천자기계발활동 및 추천강의업체를 추천정보로 도출하고, 상기 추천정보를 상기 사용자단말(200)에게 송신할 수 있다.
도 3은 본 발명의 일 실시예에 따라 추천모드를 결정하는 흐름도이고, 도 4는 본 발명의 일 실시예에 따른 추천모드에 따라 추천정보를 생성하는 과정을 나타내는 도면이다.
도 3 및 도 4를 참조하면, 상기 프로세서(110)는, 상기 선택정보에서 상기 제1 사용자가 특정 자기계발활동을 선택한 경우, 상기 특정 자기계발활동을 상기 추천자기계발활동으로 도출하고, 상기 추천자기계발활동을 강의하는 강의업체 중에서 상기 추천강의업체를 도출하는 제1 추천모드로 상기 추천정보를 도출하고, 상기 선택정보에서 상기 제1 사용자가 특정 자기계발활동을 선택하지 않은 경우, 상기 신상정보 및 상기 SNS계정정보를 기반으로 상기 추천자기계발활동을 도출하고, 상기 추천자기계발활동을 강의하는 강의업체 중에서 상기 추천강의업체를 도출하는 제2 추천모드로 상기 추천정보를 도출할 수 있다.
보다 상세하게 살펴보면, 상기 제1 추천모드는, 자기계발활동에 대한 정보 및 강의업체에 대한 정보를 포함하는 DB에서 상기 추천자기계발활동을 강의하는 강의업체를 제1 강의업체로 도출하고, 상기 사용자성향기본정보를 기반으로 상기 제1 사용자에 대한 상기 제1 강의업체의 제1 매칭점수를 도출하고, 상기 제1 강의업체 중에서 상기 제1 매칭점수가 기설정된 제1 임계매칭점수를 초과하는 제2 강의업체를 도출하고, 상기 제2 강의업체 중에서 상기 제1 매칭점수가 높은 순으로 기설정된 제1 추천개수만큼 상기 추천강의업체로 도출할 수 있다.
이 때, 상기 제1 임계매칭점수는 상기 제1 매칭점수의 평균으로 설정될 수 있다.
이 때, 상기 제1 추천개수는 본 발명의 운영자에 의하여 임의로 설정되되 예를 들면 10개로 설정될 수 있다.
이 때, 상기 제1 매칭점수는, 상기 제1 신상정보와 해당 제1 강의업체를 수강한 전체사용자에 대한 제2 신상정보를 기반으로 도출될 수 있다.
보다 상세하게 살펴보면, 상기 제1 매칭점수는, 아래 수학식 1에 의하여 도출될 수 있다.
[수학식 1]
이 때, MS_1은 상기 제1 매칭점수를 의미하고, w_1은 상기 제1 선호도점수를 의미하고, r은 상기 제1 사용자의 위치와 해당 제1 강의업체와의 위치에 기반하는 위치점수를 의미하고, w_2는 상기 제2 선호도점수를 의미하고, s는 해당 제1 강의업체를 수강한 전체사용자 중에서 상기 제1 사용자와 동일한 성별의 사용자의 비율을 의미하고, w_3은 상기 제3 선호도점수를 의미하고, a는 해당 제1 강의업체를 수강한 전체사용자 중에서 상기 제1 사용자와 동일한 나이대의 사용자의 비율을 의미할 수 있다.
이 때, 상기 위치점수는, 아래 수학식 2에 의하여 도출될 수 있다.
[수학식 2]
이 때, r_max는 전체 제1 강의업체와 상기 제1 사용자의 위치와의 거리 중에서 가장 먼 거리값을 의미하고, r_min은 전체 제1 강의업체와 상기 제1 사용자의 위치와의 거리 중에서 가장 가까운 거리값을 의미하고, r_user는 해당 제1 강의업체와 상기 제1 사용자의 위치와의 거리값을 의미할 수 있다.
이 때, 상기 거리값은 오픈API 지도 기반으로 도출되는 상기 제1 사용자의 위치와 상기 제1 강의업체와의 거리일 수 있으며, 예를 들면, 2.3km, 1km 등일 수 있다.
이를 통하여, 상기 제1 사용자가 위치를 선호하는지, 성별을 선호하는지, 나이대를 선호하는지를 반영하여 강의업체를 추천할 수 있다.
또한, 상기 제2 추천모드는, 상기 SNS계정정보를 기반으로, 상기 제1 사용자가 사용하는 소셜네트워크에서 상기 제1 사용자가 작성 또는 조회한 게시글을 대상으로 웹스크래핑(Web Scraping)을 수행하여, 기설정된 관심사키워드목록에 해당하는 제1 관심사키워드를 도출하고, 중복된 제1 관심사키워드를 하나만 남기고 제거하여 제1 관심사키워드집합을 생성할 수 있다.
이 때, 상기 웹스크래핑은 특정 웹 사이트나 페이지에서 필요한 데이터를 자동으로 추출해 내는 것을 의미한다. 이 때, 웹스크래핑은 다음과 같이 작동한다. 원하는 정보 즉, 본 발명에서는 SNS에서 상기 제1 사용자의 계정에 해당하는 게시글을 대상으로 기설정된 관심사키워드목록에 포함되는 관심사키워드를 추출하기 위해 '스크래퍼 봇'이 특정 웹 사이트에 콘텐츠를 다운로드하기 위한 HTTP GET 요청을 보낼 수 있다. 사이트가 이에 응답하면 스크래퍼는 HTML 문서를 분석하여 특정 패턴을 지닌 데이터를 뽑아낼 수 있고, 추출된 데이터를 원하는 대로 사용할 수 있도록 데이터베이스에 저장할 수 있다.
예를 들면, 상기 제1 사용자의 SNS에 요리, 메뉴, 식사 등의 관심사키워드를 추출할 수 있다.
또한, 상기 제2 추천모드는, 상기 제1 관심사키워드집합에 포함되는 제1 관심사키워드마다 중복하여 도출된 횟수에 대한 중복도출횟수를 도출할 수 있다. 이는, 후술하는 바와 같이, 상기 제1 사용자가 특정 키워드를 얼마나 많이 사용하고 조회하였는지 확인하여 상기 제1 사용자가 가장 적합한 자기계발활동을 도출하기 위함이다.
또한, 상기 제2 추천모드는, 해당 자기계발활동의 명칭을 기반으로 해당 자기계발활동에 대한 제2 관심사키워드를 도출하여 제2 관심사키워드집합을 생성하고, 상기 DB를 기반으로 전체 자기계발활동에 대하여 수강하고 있는 전체 사용자들의 성별비율, 나이대비율, 상기 제1 사용자의 신상정보, 상기 제1 관심사키워드집합 및 상기 제2 관심사키워드집합을 기반으로 상기 제1 사용자에 대한 상기 자기계발활동의 제2 매칭점수를 도출하고, 상기 제2 매칭점수가 기설정된 제2 임계매칭점수를 초과하는 자기계발활동을 상기 추천자기계발활동으로 도출하고, 상기 제1 추천자기계발활동을 대상으로 상기 제1 추천모드를 통하여 상기 추천강의업체를 도출할 수 있다.
이 때, 상기 제2 임계매칭점수는 상기 제2 매칭점수의 평균으로 설정될 수 있다.
이 때, 자기계발활동에 대하여 관심사키워드를 태그해야 하는데, 사용자가 임의로 설정할 수도 있지만, 자기계발활동의 명칭과 관심사키워드간의 유사도를 기반으로 설정할 수 있다.
보다 상세하게 살펴보면, 상기 프로세서(110)는, 전체 자기계발활동에 대하여, 해당 자기계발활동의 명칭과 상기 관심사키워드목록에 포함되는 관심사키워드와의 거리지수를 도출하고, 상기 거리지수가 가장 작은 최고유사키워드를 도출하고, 상기 최고유사키워드의 거리지수와 기설정된 포함범위(%) 내에 해당하는 거리지수를 가진 다른 관심사키워드를 보통유사키워드로 도출하고, 상기 최고유사키워드 및 상기 보통유사키워드를 포함하여 상기 제2 관심사키워드집합을 생성할 수 있다.
이 때, 상기 포함범위는 본 발명의 운영자에 의하여 백분율 중에서 임의로 설정될 수 있으며, 예를 들면 10%로 설정될 수 있다.
이 때, 상기 거리지수는 워드임베딩에 의하여 키워드간의 유사도로 설정될 수 있으며, 상기 키워드간의 유사도가 높으면 높을 수록 상기 거리지수는 낮아지도록 설정될 수 있다.
또한, 상기 제2 매칭점수와 관련하여 보다 상세하게 살펴보면, 상기 제2 매칭점수는, 아래 수학식 3에 의하여 도출될 수 있다.
[수학식 3]
이 때, MS_2는 상기 제2 매칭점수를 의미하고, k_1은 상기 제1 사용자와 해당 자기계발활동을 수강하고 있는 전체사용자의 성별 및 나이대를 기반으로 도출되는 제1 임시매칭점수를 의미하고, k_2는 상기 제1 사용자의 상기 제1 관심사키워드집합과 해당 자기계발활동의 상기 제2 관심사키워드집합을 기반으로 도출되는 제2 임시매칭점수를 의미할 수 있다.
보다 상세하게 살펴보면, 상기 제1 임시매칭점수는, 아래 수학식4에 의하여 도출될 수 있다.
[수학식 4]
이 때, a는 해당 자기계발활동을 수강하고 있는 전체사용자 중에서 상기 제1 사용자와 동일한 성별의 사용자의 비율을 의미하고, b는 해당 자기계발활동을 수강하고 있는 전체사용자 중에서 상기 제1 사용자와 동일한 나이대의 사용자의 비율을 의미할 수 있다.
또한, 상기 제2 임시매칭점수는, 아래 수학식 5에 의하여 도출될 수 있다.
[수학식 5]
이 때, KM1은 상기 제1 관심사키워드집합을 의미하고, KM2는 상기 제2 관심사키워드집합을 의미하고, n은 상기 제1 관심사키워드집합과 상기 제2 관심사키워드집합의 교집합에 포함되는 관심사키워드의 수를 의미하고, nk_i는 상기 제1 관심사키워드집합에 포함되는 관심사키워드 중에서 상기 제2 관심사키워드집합에 포함되는 관심사키워드와 겹치는 교집합관심사키워드 중에서 i번째 상기 교집합관심키워드에 해당하는 상기 제1 관심사키워드의 중복도출횟수를 의미할 수 있다.
이를 통하여, 상기 제1 사용자가 여러번 작성 및 조회한 키워드가 반영되고, 상호 키워드가 중복되는 정도를 기반으로 상기 제2 매칭점수를 도출할 수 있으며, 이를 통하여, 상기 제1 사용자에게 적합한 자기계발활동 및 강의업체를 추천해줄 수 있다.
도 5는 본 발명이 실시되고 있음을 나타내는 도면이다.
도 5를 참조하면, 본 발명은 일 실시예로서, 어플리케이션의 형태로 실시되고 있음을 확인할 수 있다.
도 6은 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 방법의 흐름도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 방법은 사용자단말(200)로부터 사용자성향기본정보를 수신할 수 있다(S101).
또한, 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 방법은 상기 사용자성향기본정보를 기반으로 자기계발활동 및 강의업체를 추천하는 방법에 대한 추천모드를 결정할 수 있다(S103).
또한, 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 방법은 결정된 추천모드에 따라, 추천할 추천자기계발활동 및 추천강의업체를 추천정보로 도출할 수 있다(S105).
또한, 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 방법은 상기 추천정보를 상기 사용자단말(200)에게 송신할 수 있다(S107).
또한, 본 발명의 일 실시예에 따른 사용자 맞춤형 강의 매칭 서비스 제공 방법은 도 1 내지 도 5에 개시된 사용자 맞춤형 강의 매칭 서비스 제공 장치와 동일하게 구성될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

  1. 전자 장치에 있어서,
    메모리(memory); 및
    상기 메모리와 연결된 프로세서(processor); 를 포함하고,
    상기 프로세서는:
    사용자단말로부터 사용자성향기본정보를 수신하고,
    상기 사용자성향기본정보를 기반으로 자기계발활동 및 강의업체를 추천하는 방법에 대한 추천모드를 결정하고,
    결정된 추천모드에 따라, 추천할 추천자기계발활동 및 추천강의업체를 추천정보로 도출하고,
    상기 추천정보를 상기 사용자단말에게 송신하고,
    상기 사용자성향기본정보는,
    상기 사용자단말을 사용하는 제1 사용자의 위치, 성별 및 나이대를 나타내는 제1 신상정보,
    상기 제1 사용자에 대한 특정 자기계발활동의 선택여부를 나타내는 선택정보,
    상기 제1 사용자가 사용하는 SNS계정정보 및
    강의업체 선정을 위하여 기설정된 선호도점수범위 중에서 상기 제1 사용자가 선택한 위치선호도에 해당하는 제1 선호도점수, 동일성별선호도에 해당하는 제2 선호도점수 및 동일나이선호도에 해당하는 제3 선호도점수에 대한 정보를 포함하는 추천성향정보를 포함하고,
    상기 프로세서는,
    상기 선택정보에서 상기 제1 사용자가 특정 자기계발활동을 선택한 경우,
    상기 특정 자기계발활동을 상기 추천자기계발활동으로 도출하고, 상기 추천자기계발활동을 강의하는 강의업체 중에서 상기 추천강의업체를 도출하는 제1 추천모드로 상기 추천정보를 도출하고,
    상기 선택정보에서 상기 제1 사용자가 특정 자기계발활동을 선택하지 않은 경우,
    상기 신상정보 및 상기 SNS계정정보를 기반으로 상기 추천자기계발활동을 도출하고, 상기 추천자기계발활동을 강의하는 강의업체 중에서 상기 추천강의업체를 도출하는 제2 추천모드로 상기 추천정보를 도출하고,
    상기 제1 추천모드는,
    자기계발활동에 대한 정보 및 강의업체에 대한 정보를 포함하는 DB에서 상기 추천자기계발활동을 강의하는 강의업체를 제1 강의업체로 도출하고,
    상기 사용자성향기본정보를 기반으로 상기 제1 사용자에 대한 상기 제1 강의업체의 제1 매칭점수를 도출하고,
    상기 제1 강의업체 중에서 상기 제1 매칭점수가 기설정된 제1 임계매칭점수를 초과하는 제2 강의업체를 도출하고,
    상기 제2 강의업체 중에서 상기 제1 매칭점수가 높은 순으로 기설정된 제1 추천개수만큼 상기 추천강의업체로 도출하고,
    상기 제1 매칭점수는,
    상기 제1 신상정보와 해당 제1 강의업체를 수강한 전체사용자에 대한 제2 신상정보를 기반으로 아래 수학식에 의하여 도출되되,

    MS_1은 상기 제1 매칭점수를 의미하고, w_1은 상기 제1 선호도점수를 의미하고, r은 상기 제1 사용자의 위치와 해당 제1 강의업체와의 위치에 기반하는 위치점수를 의미하고, w_2는 상기 제2 선호도점수를 의미하고, s는 해당 제1 강의업체를 수강한 전체사용자 중에서 상기 제1 사용자와 동일한 성별의 사용자의 비율을 의미하고, w_3은 상기 제3 선호도점수를 의미하고, a는 해당 제1 강의업체를 수강한 전체사용자 중에서 상기 제1 사용자와 동일한 나이대의 사용자의 비율을 의미하고,
    상기 위치점수는,
    아래 수학식에 의하여 도출되되,

    r_max는 전체 제1 강의업체와 상기 제1 사용자의 위치와의 거리 중에서 가장 먼 거리값을 의미하고, r_min은 전체 제1 강의업체와 상기 제1 사용자의 위치와의 거리 중에서 가장 가까운 거리값을 의미하고, r_user는 해당 제1 강의업체와 상기 제1 사용자의 위치와의 거리값을 의미하고,
    상기 제2 추천모드는,
    상기 SNS계정정보를 기반으로, 상기 제1 사용자가 사용하는 소셜네트워크에서 상기 제1 사용자가 작성 또는 조회한 게시글을 대상으로 웹스크래핑(Web Scraping)을 수행하여, 기설정된 관심사키워드목록에 해당하는 제1 관심사키워드를 도출하고, 중복된 제1 관심사키워드를 하나만 남기고 제거하여 제1 관심사키워드집합을 생성하고,
    상기 제1 관심사키워드집합에 포함되는 제1 관심사키워드마다 중복하여 도출된 횟수에 대한 중복도출횟수를 도출하고,
    해당 자기계발활동의 명칭을 기반으로 해당 자기계발활동에 대한 제2 관심사키워드를 도출하여 제2 관심사키워드집합을 생성하고,
    상기 DB를 기반으로 전체 자기계발활동에 대하여 수강하고 있는 전체 사용자들의 성별비율, 나이대비율, 상기 제1 사용자의 신상정보, 상기 제1 관심사키워드집합 및 상기 제2 관심사키워드집합을 기반으로 상기 제1 사용자에 대한 상기 자기계발활동의 제2 매칭점수를 도출하고,
    상기 제2 매칭점수가 기설정된 제2 임계매칭점수를 초과하는 자기계발활동을 상기 추천자기계발활동으로 도출하고,
    상기 제1 추천자기계발활동을 대상으로 상기 제1 추천모드를 통하여 상기 추천강의업체를 도출하고,
    상기 프로세서는,
    전체 자기계발활동에 대하여, 해당 자기계발활동의 명칭과 상기 관심사키워드목록에 포함되는 관심사키워드와의 거리지수를 도출하고, 상기 거리지수가 가장 작은 최고유사키워드를 도출하고,
    상기 최고유사키워드의 거리지수와 기설정된 포함범위(%) 내에 해당하는 거리지수를 가진 다른 관심사키워드를 보통유사키워드로 도출하고,
    상기 최고유사키워드 및 상기 보통유사키워드를 포함하여 상기 제2 관심사키워드집합을 생성하고,
    상기 제2 매칭점수는,
    아래 수학식에 의하여 도출되되,

    MS_2는 상기 제2 매칭점수를 의미하고, k_1은 상기 제1 사용자와 해당 자기계발활동을 수강하고 있는 전체사용자의 성별 및 나이대를 기반으로 도출되는 제1 임시매칭점수를 의미하고, k_2는 상기 제1 사용자의 상기 제1 관심사키워드집합과 해당 자기계발활동의 상기 제2 관심사키워드집합을 기반으로 도출되는 제2 임시매칭점수를 의미하고,
    상기 제1 임시매칭점수는,
    아래 수학식에 의하여 도출되되,

    a는 해당 자기계발활동을 수강하고 있는 전체사용자 중에서 상기 제1 사용자와 동일한 성별의 사용자의 비율을 의미하고, b는 해당 자기계발활동을 수강하고 있는 전체사용자 중에서 상기 제1 사용자와 동일한 나이대의 사용자의 비율을 의미하고,
    상기 제2 임시매칭점수는,
    아래 수학식에 의하여 도출되되,

    KM1은 상기 제1 관심사키워드집합을 의미하고, KM2는 상기 제2 관심사키워드집합을 의미하고, n은 상기 제1 관심사키워드집합과 상기 제2 관심사키워드집합의 교집합에 포함되는 관심사키워드의 수를 의미하고,
    nk_i는 상기 제1 관심사키워드집합에 포함되는 관심사키워드 중에서 상기 제2 관심사키워드집합에 포함되는 관심사키워드와 겹치는 교집합관심사키워드 중에서 i번째 상기 교집합관심키워드에 해당하는 상기 제1 관심사키워드의 중복도출횟수를 의미하는 것을 특징으로 하는, 전자 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
KR1020230111061A 2023-08-24 2023-08-24 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법 KR102624046B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230111061A KR102624046B1 (ko) 2023-08-24 2023-08-24 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230111061A KR102624046B1 (ko) 2023-08-24 2023-08-24 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102624046B1 true KR102624046B1 (ko) 2024-01-11

Family

ID=89533479

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230111061A KR102624046B1 (ko) 2023-08-24 2023-08-24 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102624046B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170043824A (ko) * 2015-10-14 2017-04-24 김범준 온라인 학습 관리 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR101765782B1 (ko) * 2016-07-26 2017-08-07 국민대학교산학협력단 사용자 관심 기반의 핫 플레이스 추천 방법 및 이를 수행하는 사용자 관심 기반의 핫 플레이스 추천 서버
KR102269061B1 (ko) * 2021-02-03 2021-06-24 주식회사 문토 어플리케이션 사용 정보 인식을 통한 사용자 맞춤형 콘텐츠 추천 및 제공 시스템
KR20210104415A (ko) * 2020-02-17 2021-08-25 주식회사 텐덤 개인 맞춤형 커리어 추천 방법 및 서버
KR102410868B1 (ko) 2020-06-09 2022-06-21 주식회사 피플메이드 사용자에게 맞춤형 전문가 강의를 추천하는 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170043824A (ko) * 2015-10-14 2017-04-24 김범준 온라인 학습 관리 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
KR101765782B1 (ko) * 2016-07-26 2017-08-07 국민대학교산학협력단 사용자 관심 기반의 핫 플레이스 추천 방법 및 이를 수행하는 사용자 관심 기반의 핫 플레이스 추천 서버
KR20210104415A (ko) * 2020-02-17 2021-08-25 주식회사 텐덤 개인 맞춤형 커리어 추천 방법 및 서버
KR102410868B1 (ko) 2020-06-09 2022-06-21 주식회사 피플메이드 사용자에게 맞춤형 전문가 강의를 추천하는 방법 및 장치
KR102269061B1 (ko) * 2021-02-03 2021-06-24 주식회사 문토 어플리케이션 사용 정보 인식을 통한 사용자 맞춤형 콘텐츠 추천 및 제공 시스템

Similar Documents

Publication Publication Date Title
US11461342B2 (en) Predicting intent of a search for a particular context
US11449785B2 (en) Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence
US20170034107A1 (en) Annotating content with contextually relevant comments
US11977589B2 (en) Information search method, device, apparatus and computer-readable medium
CN110083688A (zh) 搜索结果召回方法、装置、服务器及存储介质
US20150113388A1 (en) Method and apparatus for performing topic-relevance highlighting of electronic text
CN107861948B (zh) 一种标签提取方法、装置、设备和介质
CN101772766A (zh) 以用户为中心的信息搜索的方法和系统
CN108959550B (zh) 用户关注点挖掘方法、装置、设备及计算机可读介质
US20200042526A1 (en) Method, system, and non-transitory computer- readable record medium for searching for non-text using text in conversation
KR102580460B1 (ko) 키워드 기반 뉴스 제공을 위한 서버 및 그 방법
US20220222304A1 (en) Apparatus and method for providing search service in association with chatroom of messenger application
Luo et al. Query ambiguity identification based on user behavior information
CN112685534B (zh) 在创作过程中生成已创作内容的脉络信息的方法与设备
KR102624046B1 (ko) 사용자 맞춤형 강의 매칭 서비스 제공 장치 및 방법
US20200242178A1 (en) Search processing method and apparatus based on clipboard data
US9946762B2 (en) Building a domain knowledge and term identity using crowd sourcing
US10831795B2 (en) Method and system for providing target information using application list
CN111602129A (zh) 针对注释和墨迹的智能搜索
KR102559449B1 (ko) 무료 학습 큐레이션 서비스를 제공하는 서버 및 방법
CN111368164B (zh) 一种爬虫识别模型训练、爬虫识别方法、装置、系统、设备及介质
CN104462151A (zh) 评估网页发布时间的方法和相关装置
US11120204B2 (en) Comment-based article augmentation
CN113672758A (zh) 歌单生成方法、装置、介质和计算设备
CN112749268A (zh) 基于混合策略的faq系统排序方法、装置及系统

Legal Events

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