KR102625772B1 - 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 - Google Patents
뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 Download PDFInfo
- Publication number
- KR102625772B1 KR102625772B1 KR1020220063201A KR20220063201A KR102625772B1 KR 102625772 B1 KR102625772 B1 KR 102625772B1 KR 1020220063201 A KR1020220063201 A KR 1020220063201A KR 20220063201 A KR20220063201 A KR 20220063201A KR 102625772 B1 KR102625772 B1 KR 102625772B1
- Authority
- KR
- South Korea
- Prior art keywords
- client
- purchase
- operation server
- purchasing
- server
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 title abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 104
- 230000008859 change Effects 0.000 claims abstract description 52
- 230000009193 crawling Effects 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 114
- 230000006870 function Effects 0.000 claims description 42
- 230000004044 response Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000007726 management method Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 238000010276 construction Methods 0.000 description 11
- 238000009434 installation Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 231100000597 Sick building syndrome Toxicity 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 239000011440 grout Substances 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 208000008842 sick building syndrome Diseases 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- VKWMGUNWDFIWNW-UHFFFAOYSA-N 2-chloro-1,1-dioxo-1,2-benzothiazol-3-one Chemical compound C1=CC=C2S(=O)(=O)N(Cl)C(=O)C2=C1 VKWMGUNWDFIWNW-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
-
- 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]
- G06Q30/0609—Buyer or seller confidence or verification
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
-
- 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
- G06Q50/50—Business processes related to the communications industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Operations Research (AREA)
- Information Transfer Between Computers (AREA)
Abstract
실시예들은 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치를 제시한다. 일 실시예에 따른 공동 구매 방법은, 플랫폼 업체의 구매 프로그램을 운용하는 운용 서버에 의해, 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장하는 동작; 판매자 계정의 상기 구매 프로그램이 설치된 판매 클라이언트에 의해, 상기 제1 지역의 공동 구매를 위한 챗룸을 생성하는 동작; 제1 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제1 구매 클라이언트에 의해, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 운용 서버로 요청하는 동작; 상기 운용 서버에 의해, 상기 제1 구매자 계정이 상기 챗룸의 입장 조건을 만족하는지 여부를 판단하는 동작; 상기 제1 구매자 계정이 상기 입장 조건을 만족하는 경우, 상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 판매 클라이언트 간에 통신 세션을 수립하는 동작; 상기 판매 클라이언트에 의해, 상기 챗룸에 상기 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 게시하는 동작; 상기 제1 구매 클라이언트에 의해, 상기 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 상기 운용 서버로 송신하는 동작; 상기 운용 서버에 의해, 상기 플랫폼 업체 및 상기 판매자 간의 계약 조건과 상기 구매 조건을 기초로 상기 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 상기 플랫폼 업체에게 할당되는 제3 초기 금액을 계산하는 동작; 제2 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제2 구매 클라이언트에 의해, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 서버로 요청하는 동작; 상기 제2 구매자 계정이 상기 입장 조건을 만족하고 상기 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 상기 운용 서버에 의해, 상기 제1 구매자 계정 및 상기 제2 구매자 계정을 기초로 상기 할인율을 이용하여 상기 제1 초기 금액, 상기 제2 초기 금액 및 상기 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산하는 동작; 결제 서버에 의해, 상기 제1 변동 금액 및 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하는 동작; 상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신하는 동작; 및 상기 결제 서버에 의해, 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하는 동작을 포함할 수 있다.
Description
본 발명의 실시예들은 뉴럴 네트워크를 이용한 공동 구매 방법에 관헌 것으로, 건물에 입주하기 전에 필요한 상품 또는 서비스를 공동으로 구매하기 위한 기술에 관한 것이다.
아파트 입주와 같이 신축 건물에 입주하기 위해서 다양한 입주 준비가 필요하다. 예를 들어, 에어컨 설치, 벽걸이 TV 설치, 입주 청소, 줄눈/탄성 코트, 중문 설치, 새집 증후군 제거, 커튼/블라인드, 단열 필름, LED 조명, 기타 추가적인 시공 등이 입주 전에 준비될 필요가 있다.
한편, 입주를 위해 필요한 각각의 상품 또는 서비스의 제공 업체는 서로 상이할 수 있다. 입주 예정자들은 각각의 상품 또는 서비스의 제공 업체를 개별로 접촉하는 번거로움을 느낄 수 있다. 또한, 입주 예정자들은 각각 제공 업체에 컨택하기 때문에 규모의 경제로 인한 할인 효과를 누리지 못할 수 있다.
실시예들은, 아파트의 입주와 관련된 상품 또는 서비스를 종합적으로 제공함으로써 입주 예정자들의 편의를 도모하고 판매자들의 매출을 향상시킬 수 있는 공동 구매 방법을 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 공동 구매 방법은, 플랫폼 업체의 구매 프로그램을 운용하는 운용 서버에 의해, 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장하는 동작; 판매자 계정의 상기 구매 프로그램이 설치된 판매 클라이언트에 의해, 상기 제1 지역의 공동 구매를 위한 챗룸을 생성하는 동작; 제1 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제1 구매 클라이언트에 의해, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 운용 서버로 요청하는 동작; 상기 운용 서버에 의해, 상기 제1 구매자 계정이 상기 챗룸의 입장 조건을 만족하는지 여부를 판단하는 동작; 상기 제1 구매자 계정이 상기 입장 조건을 만족하는 경우, 상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 판매 클라이언트 간에 통신 세션을 수립하는 동작; 상기 판매 클라이언트에 의해, 상기 챗룸에 상기 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 게시하는 동작; 상기 제1 구매 클라이언트에 의해, 상기 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 상기 운용 서버로 송신하는 동작; 상기 운용 서버에 의해, 상기 플랫폼 업체 및 상기 판매자 간의 계약 조건과 상기 구매 조건을 기초로 상기 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 상기 플랫폼 업체에게 할당되는 제3 초기 금액을 계산하는 동작; 제2 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제2 구매 클라이언트에 의해, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 서버로 요청하는 동작; 상기 제2 구매자 계정이 상기 입장 조건을 만족하고 상기 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 상기 운용 서버에 의해, 상기 제1 구매자 계정 및 상기 제2 구매자 계정을 기초로 상기 할인율을 이용하여 상기 제1 초기 금액, 상기 제2 초기 금액 및 상기 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산하는 동작; 결제 서버에 의해, 상기 제1 변동 금액 및 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하는 동작; 상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신하는 동작; 및 상기 결제 서버에 의해, 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하는 동작을 포함할 수 있다.
상기 챗룸을 생성하는 동작은, 상기 운용 서버에 의해, 상기 판매 클라이언트로부터 상기 챗룸의 생성 요청 신호를 수신하는 동작; 상기 운용 서버에 의해, 상기 생성 요청 신호에 반응하여 현재 시각과 상기 입주 정보에 포함된 입주 시각의 차이가 임계 기간 미만인지를 판단하는 동작; 및 상기 차이가 임계 기간 미만인 경우에, 상기 운용 서버에 의해, 상기 챗룸을 생성하는 동작을 포함할 수 있다.
상기 입장 조건을 만족하는지 여부를 판단하는 동작은, 상기 운용 서버에 의해, 상기 제1 구매자 계정으로부터 상기 제1 지역의 입주 계약서 이미지를 수신하는 동작; 상기 운용 서버에 의해, 오센티케이션(authentication) 모델을 이용하여 상기 입주 계약서 이미지의 인증률을 출력하는 동작; 상기 운용 서버에 의해, 상기 인증률이 임계값 이상인지 여부를 판단하는 동작; 및 상기 인증률이 임계값 이상인 경우, 상기 운용 서버에 의해, 상기 입장 조건이 만족된 것으로 판단하는 동작을 포함할 수 있다.
상기 오센티케이션 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고, 입주 계약서 이미지, 지역 정보를 포함하는 입주 정보 및 정답 인증률을 하나의 학습 쌍으로 하는 복수의 학습 데이터는 상기 오센티케이션 모델의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 공간 정보 추출 모델의 파라미터는 상기 손실값이 작아지는 방향으로 학습되고,
[수학식]
상기 손실 함수는 상기 수학식을 따르고,
상기 수학식에서, N은 상기 복수의 학습 데이터의 수, n은 학습 데이터를 식별하는 자연수, k는 n번째 학습 데이터의 값을 식별하는 자연수, nk는 n번째 학습 데이터의 k번째 값을 의미하고, t는 정답 데이터를 의미하고, y는 상기 출력 벡터를 의미하고, E는 손실값을 의미할 수 있다.
상기 이벤트 발생 신호는 상기 구매 상품의 이행 완료를 나타내는 신호이고, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트에 설치된 상기 구매 프로그램에 의해 생성될 수 있다.
상기 게시하는 동작은, 상기 운용 서버에 의해, 상기 제1 지역의 입주 정보를 기초로 입주 대상자의 평균 경향 데이터를 획득하는 동작; 상기 운용 서버에 의해, 복수의 경향 파라미터 중의 어느 하나의 경향 파라미터 및 상기 평균 경향 데이터를 기초로 구매 상품 추천 모델을 이용하여 후보 경향 데이터를 출력하고, 상기 후보 경향 데이터에 대응하여 상기 하나 이상의 구매 상품 및 상기 구매 조건을 추천하는 동작; 및 상기 판매 클라이언트에 의해, 상기 챗룸에 상기 복수의 경향 파라미터 각각에 대응하여 상기 하나 이상의 구매 상품 및 상기 구매 조건을 게시하는 동작을 포함할 수 있다.
상기 평균 경향 데이터는 복수의 분석 파라미터 각각에 대응하는 분석 특징으로 구성되고, 상기 후보 경향 데이터는 복수의 분석 파라미터 각각에 대응하는 후보 특징으로 구성될 수 있다.
상기 추천하는 동작은, 상기 평균 경향 데이터를 전처리하여 복수의 후보 경향 데이터 각각에 대응하는 결합 벡터를 출력하는 동작; 상기 복수의 결합 벡터를 상기 구매 상품 추천 모델에 입력하여 각각의 후보 경향 데이터에 대응하는 특징 벡터를 출력하고, 상기 구매 상품 추천 모델의 출력 레이어에 포함된 복수의 기준 벡터 각각과 상기 각각의 특징 벡터를 비교하는 동작; 및 상기 복수의 후보 경향 데이터에 대응하는 특징 벡터 중에서, 상기 어느 하나의 경향 파라미터에 대응하는 기준 벡터에 가장 가까운 특징 벡터를 출력하는 동작을 포함할 수 있다.
상기 추천하는 동작은, 상기 어느 하나의 경향 파라미터에 대응하는 기준 벡터와 상기 어느 하나의 경향 파라미터에 대응하는 기준 벡터에 가장 가까운 특징 벡터 간의 차이 벡터를 계산하는 동작; 상기 차이 벡터가 임계 기준을 만족하는지 여부를 판단하는 동작; 및 상기 차이 벡터가 임계 기준을 만족하는 경우, 상기 어느 하나의 경향 파라미터에 대응하는 기준 벡터에 가장 가까운 특징 벡터에 대응하는 후보 경향 데이터를 출력하는 동작을 더 포함할 수 있다.
일 실시예에 따른 공동 구매 방법은, 플랫폼 업체의 구매 프로그램을 운용하는 운용 서버에 의해, 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장하는 동작; 상기 운용 서버에 의해, 판매자 계정의 상기 구매 프로그램이 설치된 판매 클라이언트로부터 수신한 챗룸의 생성을 요청하는 신호에 반응하여 상기 제1 지역의 공동 구매를 위한 챗룸을 생성하는 동작; 상기 운용 서버에 의해, 제1 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제1 구매 클라이언트로부터 상기 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신하는 동작; 상기 운용 서버에 의해, 상기 제1 구매자 계정이 상기 챗룸의 입장 조건을 만족하는지 여부를 판단하는 동작; 상기 제1 구매자 계정이 상기 입장 조건을 만족하는 경우, 상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 판매 클라이언트 간에 통신 세션을 수립하는 동작; 상기 운용 서버에 의해, 상기 판매 클라이언트로부터 상기 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 수신하고, 상기 하나 이상의 구매 상품 및 상기 구매 조건을 상기 챗룸에 게시하는 동작; 상기 운용 서버에 의해, 상기 제1 구매 클라이언트로부터 상기 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 수신하는 동작; 상기 운용 서버에 의해, 상기 플랫폼 업체 및 상기 판매자 간의 계약 조건과 상기 구매 조건을 기초로 상기 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 상기 플랫폼 업체에게 할당되는 제3 초기 금액을 계산하는 동작; 상기 운용 서버에 의해, 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제2 구매 클라이언트로부터 상기 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신하는 동작; 상기 제2 구매자 계정이 상기 입장 조건을 만족하고 상기 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 상기 운용 서버에 의해, 상기 제1 구매자 계정 및 상기 제2 구매자 계정을 기초로 상기 할인율을 이용하여 상기 제1 초기 금액, 상기 제2 초기 금액 및 상기 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산하는 동작; 및 상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신하는 동작을 포함하고, 결제 서버는, 상기 이벤트 발생 신호의 수신 전에, 상기 제1 변동 금액 및 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하고, 상기 이벤트 발생 신호의 수신 후에, 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신할 수 있다.
일 실시예에 따른 공동 구매 시스템은 플랫폼 업체의 구매 프로그램을 운용하는 운용 서버; 결제 서버; 판매자 계정의 상기 구매 프로그램이 설치된 판매 클라이언트; 제1 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제1 구매 클라이언트; 및 제2 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제2 구매 클라이언트를 포함하고, 상기 운용 서버는, 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장하고, 상기 판매 클라이언트는, 상기 제1 지역의 공동 구매를 위한 챗룸을 생성하고, 상기 제1 구매 클라이언트는, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 서버로 요청하고, 상기 운용 서버는, 상기 제1 구매자 계정이 상기 챗룸의 입장 조건을 만족하는지 여부를 판단하고, 상기 제1 구매자 계정이 상기 입장 조건을 만족하는 경우, 상기 제1 구매 클라이언트 및 상기 판매 클라이언트 간에 통신 세션을 수립하고, 상기 판매 클라이언트는, 상기 챗룸에 상기 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 게시하고, 상기 제1 구매 클라이언트는, 상기 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 상기 운용 서버로 송신하고, 상기 운용 서버는, 상기 플랫폼 업체 및 상기 판매자 간의 계약 조건과 상기 구매 조건을 기초로 상기 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 상기 플랫폼 업체에게 할당되는 제3 초기 금액을 계산하고, 상기 제2 구매 클라이언트는, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 서버로 요청하고, 상기 운용 서버는, 상기 제2 구매자 계정이 상기 입장 조건을 만족하고 상기 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 상기 제1 구매자 계정 및 상기 제2 구매자 계정을 기초로 상기 할인율을 이용하여 상기 제1 초기 금액, 상기 제2 초기 금액 및 상기 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산하고, 상기 결제 서버는, 상기 제1 변동 금액 및 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하고, 상기 운용 서버는, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신하고, 상기 결제 서버는, 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신할 수 있다.
일 실시예에 따른 운용 서버는, 프로세서; 플랫폼 업체의 구매 프로그램이 설치된 메모리; 및 통신부를 포함하고, 상기 프로세서는, 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장하고, 판매자 계정의 상기 구매 프로그램이 설치된 판매 클라이언트로부터 수신한 챗룸의 생성을 요청하는 신호에 반응하여 상기 제1 지역의 공동 구매를 위한 챗룸을 생성하고, 상기 통신부는, 제1 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제1 구매 클라이언트로부터 상기 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신하고, 상기 프로세서는, 상기 제1 구매자 계정이 상기 챗룸의 입장 조건을 만족하는지 여부를 판단하고, 상기 제1 구매자 계정이 상기 입장 조건을 만족하는 경우, 상기 제1 구매 클라이언트 및 상기 판매 클라이언트 간에 통신 세션을 수립하고, 상기 판매 클라이언트로부터 상기 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 수신하고, 상기 하나 이상의 구매 상품 및 상기 구매 조건을 상기 챗룸에 게시하고, 상기 통신부는, 상기 제1 구매 클라이언트로부터 상기 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 수신하고, 상기 프로세서는, 상기 플랫폼 업체 및 상기 판매자 간의 계약 조건과 상기 구매 조건을 기초로 상기 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 상기 플랫폼 업체에게 할당되는 제3 초기 금액을 계산하고, 상기 통신부는, 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제2 구매 클라이언트로부터 상기 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신하고, 상기 프로세서는, 상기 제2 구매자 계정이 상기 입장 조건을 만족하고 상기 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 상기 제1 구매자 계정 및 상기 제2 구매자 계정을 기초로 상기 할인율을 이용하여 상기 제1 초기 금액, 상기 제2 초기 금액 및 상기 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산하고, 상기 통신부는, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신하고, 상기 이벤트 발생 신호의 수신 전에, 결제 서버는 상기 제1 변동 금액 및 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하고, 상기 이벤트 발생 신호의 수신 후에, 상기 결제 서버는 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신할 수 있다.
일 실시예에 따른 구매 클라이언트는, 적어도 하나의 프로세서; 구매자 계정이 접속된 구매 프로그램이 설치된 메모리; 및 통신부를 포함하고, 플랫폼 업체의 상기 구매 프로그램을 운용하는 운용 서버에 의해, 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보는 크롤링되어 데이터베이스에 저장되고, 판매자 계정의 상기 구매 프로그램이 설치된 판매 클라이언트에 의해, 상기 제1 지역의 공동 구매를 위한 챗룸은 생성되고, 상기 통신부는, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 서버로 요청하고, 상기 운용 서버에 의해, 상기 제1 구매자 계정이 상기 챗룸의 입장 조건을 만족하는지 여부가 판단되고, 상기 구매자 계정이 상기 입장 조건을 만족하는 경우, 상기 구매 클라이언트 및 상기 판매 클라이언트 간에 통신 세션이 수립되고, 상기 판매 클라이언트에 의해, 상기 챗룸에 상기 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건은 게시되고, 상기 통신부는, 상기 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 상기 운용 서버로 송신하고, 상기 운용 서버에 의해, 상기 플랫폼 업체 및 상기 판매자 간의 계약 조건과 상기 구매 조건을 기초로 상기 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 상기 플랫폼 업체에게 할당되는 제3 초기 금액을 계산되고, 다른 구매자 계정이 접속된 상기 구매 프로그램이 설치된 다른 구매 클라이언트에 의해, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호는 상기 서버로 전송되고, 상기 다른 구매자 계정이 상기 입장 조건을 만족하고 상기 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 상기 운용 서버에 의해, 상기 구매자 계정 및 상기 다른 구매자 계정을 기초로 상기 할인율을 이용하여 상기 제1 초기 금액, 상기 제2 초기 금액 및 상기 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액은 계산되고, 상기 통신부는, 결제 서버로부터 상기 제1 변동 금액 및 상기 제3 변동 금액의 결제 요청 정보를 수신하고, 상기 운용 서버로 이벤트 발생 신호를 송신하고, 상기 결제 서버로부터 상기 제3 변동 금액의 결제 요청 정보를 수신할 수 있다.
구매 상품 추천 모델을 이용하여 복수의 학습 데이터 중의 제1 기준에 속하는 학습 데이터로부터 학습 특징 벡터가 획득되고, 구매 상품 추천 모델을 이용하여 제1 기준과 상이한 기준의 기준 벡터 각각과 학습 특징 벡터 간의 레지듀얼이 획득되고, 제1 기준의 제1 기준 벡터와 제2 기준의 제2 기준 벡터 간의 기준 레지듀얼 및 제1 기준 벡터와 학습 특징 벡터 간의 특징 레지듀얼을 기초로 고강도 학습 파라미터가 계산되고, 특징 레지듀얼에 고강도 학습 파라미터가 적용된 레지듀얼 및 제1 기준과 상이한 기준의 기준 벡터 각각과 학습 특징 벡터 간의 레지듀얼을 포함하는 손실 함수를 통해 손실값이 계산되고, 손실값을 기초로 구매 상품 추천 모델의 파라미터 또는 하나 이상의 기준 벡터가 학습될 수 있다.
실시예들에 따르면, 공동 구매 방법은 아파트의 입주와 관련된 상품 또는 서비스를 종합적으로 제공함으로써 입주 예정자들의 편의를 도모하고 판매자들의 매출을 향상시킬 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 공동 구매 시스템의 전체 구조를 나타내는 개략도이다.
도 4는 일 실시예에 따른 공동 구매 시스템에 의한 공동 구매 방법의 동작을 도시한 흐름도이다.
도 5는 일 실시예에 따른 운용 서버에 의한 공동 구매 방법의 동작을 도시한 흐름도이다.
도 6은 일 실시예에 따른 운용 서버에 의해 운용되는 구매 프로그램의 예시적인 화면을 도시한 도면이다.
도 7은 일 실시예에 따른 구매 상품 추천 모델의 학습 과정을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 운용 서버의 구성을 도시한 도면이다.
도 9는 일 실시예에 따른 구매 클라이언트의 구성을 도시한 도면이다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 공동 구매 시스템의 전체 구조를 나타내는 개략도이다.
도 4는 일 실시예에 따른 공동 구매 시스템에 의한 공동 구매 방법의 동작을 도시한 흐름도이다.
도 5는 일 실시예에 따른 운용 서버에 의한 공동 구매 방법의 동작을 도시한 흐름도이다.
도 6은 일 실시예에 따른 운용 서버에 의해 운용되는 구매 프로그램의 예시적인 화면을 도시한 도면이다.
도 7은 일 실시예에 따른 구매 상품 추천 모델의 학습 과정을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 운용 서버의 구성을 도시한 도면이다.
도 9는 일 실시예에 따른 구매 클라이언트의 구성을 도시한 도면이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 왑 서버(WAP Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Visual Basic, Visual C 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 도스(DOS), 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 웹사이트(Website), IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH등이 이용될 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따른 공동 구매 시스템의 전체 구조를 나타내는 개략도이다.
일 실시예에 따르면, 공동 구매 시스템(300)은 입주를 위해 필요한 용역을 제공하기 위한 공동 구매 플랫폼을 제공할 수 있다. 공동 구매 시스템(300)은, 예를 들어, 아파트의 입주와 관련된 상품 또는 서비스를 종합적으로 제공함으로써 입주 예정자들의 편의를 도모하고 판매자들의 매출을 향상시킬 수 있다.
공동 구매 시스템(300)은 입주를 준비하기 위한 상품 또는 서비스에 대하여 판매자와 구매자 사이의 간편한 네트워크 수단을 제공함으로써 판매자와 구매자의 연결을 촉진할 수 있다. 판매자는 판매 클라이언트를 통해 구매 프로그램에 접속할 수 있고, 구매자는 구매 클라이언트를 통해 구매 프로그램에 접속할 수 있다. 구매자와 판매자는 동일한 챗룸에 접속함으로써 통신 세션이 수립될 수 있다.
공동 구매 시스템(300)은 공동 구매에 참여하는 입주 예정자들이 많을수록 더 많은 할인을 제공함으로써 판매자와 구매자의 상호 이익을 도모할 수 있다. 공동 구매 시스템(300)은 공동 구매에 참여하는 구매자들의 수에 비례하여 할인율을 결정할 수 있다. 공동 구매 시스템(300)은 최초 금액, 최대 할인율, 인원 대비 할인율 등을 결정할 수 있다. 예를 들어, 공동 구매 시스템(300)은 최초 금액을 100만원으로 결정하고, 최대 할인율을 10%로 결정하고, 인원 대비 할인율을 10명당 1%로 결정할 수 있다. 최종적으로 공동 구매에 참여하는 인원이 20명인 경우, 공동 구매 시스템(300)은 일인당 금액을 98만원으로 결정할 수 있다.
공동 구매 시스템(300)은 입주 예정 지역의 입주 건물에 대한 정보를 수집할 수 있다. 공동 구매 시스템(300)은 복수의 입주 예정 지역에 대해 지역별, 세대별, 아파트별, 연령별로 구매 패턴 분석하고 수요를 예측할 수 있다. 예를 들어, 공동 구매 시스템(300)은 입주 예정 지역에 대해 아파트별로 특성을 분석할 수 있다. 공동 구매 시스템(300)은 입주 예정자들을 아파트 별로 그룹화하고, 성별, 나이, 소득, 직업, 지출액 등의 다양한 특성에 대해 분석할 수 있다.
공동 구매 시스템(300)은 추가적인 혜택을 통해 구매자의 추가 정보 기입을 유도할 수도 있고 외부의 서버를 크롤링하여 추가 정보를 획득할 수도 있다. 공동 구매 시스템(300)은 추가 정보의 획득을 위하여 구매자에게 추가적인 혜택을 제공할 수 있다. 예를 들어, 회원 가입을 위해 필요한 기본 정보 또는 1단계 인증을 위해 필요한 정보 이외의 추가적인 정보를 구매자가 제공할 경우, 공동 구매 시스템(300)은 구매자에게 일정한 양의 포인트를 제공할 수 있다. 예를 들어, 추가 정보는 입주할 아파트 정보를 포함할 수 있다. 이처럼, 공동 구매 시스템(300)은 추가 정보 제공의 인센티브를 제공함으로써 입주와 관련된 보다 자세한 정보를 획득할 수 있다.
공동 구매 시스템(300)은 판매자에 대한 평가를 위하여 구매자에게 추가적인 혜택을 제공할 수 있다. 예를 들어, 공동 구매 시스템(300)은 계약이 정산된 후에 구매자의 구매 클라이언트로 판매자에 대한 피드백 요청 신호를 전송할 수 있다. 구매자는 계약의 이행의 결과를 기초로 상품 또는 서비스의 품질을 평가하고, 피드백 요청 신호에 대응하여 피드백 정보를 공동 구매 시스템(300)으로 전송할 수 있다. 공동 구매 시스템(300)은 피드백 정보에 대응하여 구매자의 구매자 계정으로 인센티브를 제공할 수 있다.
공동 구매 시스템(300)은 특정한 인증을 거친 구매자들에게만 표시되거나 입장이 허용되는 공동 구매를 위한 챗룸을 생성할 수도 있다. 예를 들어, 특정한 인증은 2단계 인증일 수 있으며, 아파트 계약서 이미지를 이용하여 인증될 수 있다. 예를 들어, 공동 구매 시스템(300)은 특정한 입주 단지의 입주민들만 입장할 수 있는 비밀 공동 구매를 위한 챗룸을 개설할 수 있다. 비밀 공동 구매를 위한 챗룸은 판매자 패키지 상품을 제시할 수 있고, 더 높은 할인율을 제공할 수 있다.
공동 구매 시스템(300)은 구매자의 선호도를 기초로 구매 상품 및 구매 조건을 추천할 수 있다. 공동 구매 시스템(300)은 구매자의 평균적인 성향을 분석할 수 있다. 공동 구매 시스템(300)은 구매자의 평균적인 성향을 기초로 다양한 구매 라인을 적응시킬 수 있다. 여기서, 구매 라인은 구매 경향을 의미하며, 예를 들어, 실속형, 중저가형, 고급형 등을 포함할 수 있다. 구매 라인은 경향 파라미터로 표현될 수 있다. 경향 파라미터는 벡터 형태로 표현될 수 있다. 공동 구매 시스템(300)은 구매자의 평균적인 성향을 고려하여, 구매자에 의해 선택된 경향 파라미터에 대응하는 구매 상품 및 구매 조건의 조합을 추천할 수 있다.
도 3을 참조하면, 공동 구매 시스템(300)은 운용 서버(310)(예: 도1 의 서버(108)), 데이터베이스(311), 네트워크(340)(예: 도1의 제2 네트워크(199)), 외부의 서버(331), 제1 구매 클라이언트(321)(예: 도 1의 전자 장치(101)), 제2 구매 클라이언트(322) (예: 도 1의 전자 장치(101)) 및 판매 클라이언트(322) (예: 도 1의 전자 장치(101))를 포함할 수 있다. 공동 구매 시스템(300)은 결제 서버(미도시)를 더 포함할 수 있다.
운용 서버(310)에는 플랫폼 업체의 구매 프로그램(예: 도 2의 프로그램(140))이 설치될 수 있다. 판매 클라이언트(322)에는 판매자 계정의 구매 프로그램(예: 도 2의 프로그램(140))이 설치될 수 있다. 제1 구매 클라이언트(321)에는 제1 구매자 계정이 접속된 구매 프로그램(예: 도 2의 프로그램(140))이 설치될 수 있다. 제2 구매 클라이언트(322)에는 제2 구매자 계정이 접속된 구매 프로그램(예: 도 2의 프로그램(140))이 설치될 수 있다. 구매 프로그램들은 각각의 수행 주체에 맞는 버전으로 설치될 수 있다.
운용 서버(310)는 구매자 및 판매자의 가입 정보를 수신하고 각각 구매자 계정 및 판매자 계정을 할당할 수 있다. 운용 서버(310)는 구매자의 가입 정보를 기초로 1단계 인증을 수행할 수 있다. 운용 서버(310)는 외부의 서버(331)로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스(311)에 저장할 수 있다. 운용 서버(310)는 2단계 인증을 통해 추가 정보를 제공한 구매자 계정에 인센티브를 제공할 수 있다.
판매 클라이언트(322)는, 제1 지역의 공동 구매를 위한 챗룸을 생성할 수 있다. 판매 클라이언트(322)는 제1 지역의 공동 구매를 위한 챗룸의 생성 요청 신호를 운용 서버(310)로 송신할 수 있다. 복수의 판매자에 의해 복수의 챗룸이 생성될 수 있다. 운용 서버(310)는 판매 클라이언트(322)로부터 챗룸의 생성 요청 신호를 수신할 수 있다. 운용 서버(310)는 생성 요청 신호에 반응하여 현재 시각과 입주 정보에 포함된 입주 시각의 차이가 임계 기간 미만인지를 판단할 수 있다. 차이가 임계 기간 미만인 경우에, 운용 서버(310)는 챗룸을 생성할 수 있다.
운용 서버(310)는 제1 구매 클라이언트(321)로부터 수신한 판매자에 대한 검색 요청 신호에 대응하여 판매자 정보 또는 판매자가 개설한 챗룸의 정보를 구매 클라이언트로 전송할 수 있다. 제1 구매 클라이언트(321)는 챗룸에 접속하기 위한 통신 세션의 수립을 운용 서버(310)로 요청할 수 있다.
운용 서버(310)는 제1 구매자 계정이 챗룸의 입장 조건을 만족하는지 여부를 판단하고, 제1 구매자 계정이 입장 조건을 만족하는 경우, 제1 구매 클라이언트(321) 및 판매 클라이언트(322) 간에 통신 세션을 수립할 수 있다. 운용 서버(310)는 제1 구매 클라이언트(321)의 결제 요청 신호에 대응하여 제1 구매 클라이언트(321)와 결제 서버 간의 통신 세션을 수립할 수 있다.
입장 조건을 만족하는지 판단하기 위하여, 운용 서버(310)는 제1 구매자 계정으로부터 제1 지역의 입주 계약서 이미지를 수신할 수 있다. 운용 서버(310)는 오센티케이션(authentication) 모델을 이용하여 입주 계약서 이미지의 인증률을 출력할 수 있다. 오센티케이션 모델은 입주 계약서 이미지를 기초로 입주 계약서가 제1 지역에 대한 것인지 및 계약서가 진본인지에 대한 확률인 인증률을 출력할 수 있다. 운용 서버(310)는 인증률이 임계값 이상인지 여부를 판단할 수 있다. 인증률이 임계값 이상인 경우, 운용 서버(310)는 입장 조건이 만족된 것으로 판단할 수 있다.
오센티케이션 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하는 뉴럴 네트워크를 포함할 수 있다. 오센티케이션 모델의 학습을 위하여, 입주 계약서 이미지, 지역 정보를 포함하는 입주 정보 및 정답 인증률을 하나의 학습 쌍으로 하는 복수의 학습 데이터는 오센티케이션 모델의 입력 레이어에 입력되어 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력할 수 있다. 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력될 수 있다. 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력할 수 있다. 공간 정보 추출 모델의 파라미터는 손실값이 작아지는 방향으로 학습될 수 있다.
손실 함수는 수학식 1을 따를 수 있다. 수학식에서, N은 복수의 학습 데이터의 수, n은 학습 데이터를 식별하는 자연수, k는 n번째 학습 데이터의 값을 식별하는 자연수, nk는 n번째 학습 데이터의 k번째 값을 의미하고, t는 정답 데이터를 의미하고, y는 출력 벡터를 의미하고, E는 손실값을 의미할 수 있다.
운용 서버(310)는 매칭 알고리즘을 이용하여 구매자와 판매자를 매칭할 수 있다. 운용 서버(310)는 매칭 알고리즘을 이용하여 구매자에게 복수의 판매자 후보를 제시할 수 있다. 운용 서버(310)는 매칭 알고리즘을 이용하여 구매자에게 복수의 판매자 각각의 용역에 대한 챗룸 또는 복수의 판매자의 용역의 조합의 챗룸을 제시할 수 있다. 운용 서버(310)는 구매 상품 추천 모델을 이용하여 구매 상품을 추천할 수도 있다. 구매 상품 추천 모델을 이용하여 구매 상품을 추천하는 동작은 추후 자세히 설명된다.
판매 클라이언트(322)는 챗룸에 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 게시할 수 있다. 제1 구매 클라이언트(321)는 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 운용 서버로 송신할 수 있다. 여기서, 구매 상품은 상품 또는 서비스를 포함할 수 있다. 예를 들어, 구매 상품은 에어컨 설치, 벽걸이 TV 설치, 입주 청소, 줄눈/탄성 코트, 중문 설치, 새집 증후군 제거, 커튼/블라인드, 단열 필름, LED 조명, 입주 제품, 기타 시공 등을 포함할 수 있다. 다만, 이는 예시에 불과하며 다양한 상품 또는 서비스가 구매 상품에 포함될 수 있다. 구매 조건은 구매 상품에 대한 이행 조건을 의미한다. 예를 들어, 구매 조건은 구매 상품의 가격, 할인율, 배송/시공 완료 시기 등을 포함할 수 있다. 다만, 이는 예시에 불과하며 다양한 조건이 구매 조건에 포함될 수 있다. 운용 서버(310)는 플랫폼 업체 및 판매자 간의 계약 조건과 구매 조건을 기초로 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 플랫폼 업체에게 할당되는 제3 초기 금액을 계산할 수 있다.
여기서, 제1 초기 금액, 제2 초기 금액 및 제3 초기 금액은 구매자의 수가 추가되기 전의 금액일 수 있다. 제1 초기 금액은 판매자에게 할당되는 착수금을 의미할 수 있다. 제2 초기 금액은 배송/시공 완료 후 판매자에게 할당되는 잔금을 의미할 수 있다. 제3 초기 금액은 플랫폼 업체에게 할당되는 금액을 의미할 수 있다.
운용 서버(310)는 공동 구매의 할인율을 결정할 수 있다. 운용 서버(310)는 판매자에 대한 피드백 정보를 기초로 판매자에 대한 평점을 계산할 수 있다. 운용 서버(310)는 판매자에 대한 평점을 기초로 할인율을 결정할 수 있다. 예를 들어, 운용 서버(310)는 판매자의 평점이 낮을수록 높은 값으로 할인율을 결정할 수 있다. 운용 서버(310)는 공동 구매에 참여하는 구매자가 많을수록 높은 값으로 할인율을 결정할 수 있다.
제2 구매 클라이언트(322)는 챗룸에 접속하기 위한 통신 세션의 수립을 서버로 요청할 수 있다. 제2 구매자 계정이 입장 조건을 만족하고 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 운용 서버(310)는 제1 구매자 계정 및 제2 구매자 계정을 기초로 할인율을 이용하여 제1 초기 금액, 제2 초기 금액 및 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산할 수 있다. 결제 서버는 제1 변동 금액 및 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다.
여기서, 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액은 구매자의 수가 추가되기 전의 금액일 수 있다. 제1 변동 금액은 판매자에게 할당되는 착수금을 의미할 수 있다. 제2 변동 금액은 배송/시공 완료 후 판매자에게 할당되는 잔금을 의미할 수 있다. 제3 변동 금액은 플랫폼 업체에게 할당되는 금액을 의미할 수 있다.
예를 들어, 할인율이 적용되지 않는 경우, 구매자들은 착수금으로 10%의 금액을 각각 플랫폼 업체 및 판매자에게 지불할 수 있다. 구매자들은 시공 완료 후에 나머지 80%의 금액을 판매자에게 지불할 수 있다. 구매자의 수의 증가에 따라 할인율이 적용될 수 있다. 예를 들어, 1인의 경우 300만원이고 1명씩 증가할 때마다 1만원씩 할인되는 경우, 51명이 공동 구매에 참여하면 인당 250만원이 지불 금액이 된다. 구매자는 착수금으로 30만원을 각각 플랫폼 업체 및 판매자에게 지불하고, 시공 완류 후에 190만원을 판매자에게 지불할 수 있다.
운용 서버(310)는 제1 구매 클라이언트 및 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신할 수 있다. 여기서, 이벤트 발생 신호는 구매 상품의 이행 완료를 나타내는 신호이다. 예를 들어, 이벤트 발생 신호는 시공 완료를 나타내는 신호일 수 있다. 이벤트 발생 신호는 제1 구매 클라이언트(321) 및 제2 구매 클라이언트(322)에 설치된 구매 프로그램 각각에 의해 생성될 수 있다. 결제 서버는 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다.
전술한 바와 같이, 운용 서버(310)는 구매 상품 추천 모델을 이용하여 구매 상품을 추천할 수 있다. 일 실시예에 따르면, 판매자는 추천된 구매 상품 및 구매 조건으로 챗룸을 개설할 수 있다. 다른 실시예에 따르면, 운용 서버(310)는 추천된 구매 상품 및 구매 조건을 만족하는 하나 이상의 판매자의 구매 상품 및 구매 조건을 포함하는 챗룸을 개설할 수도 있다.
운용 서버(310)는 제1 지역의 입주 정보를 기초로 입주 대상자의 평균 경향 데이터를 획득할 수 있다. 운용 서버(310)는 복수의 경향 파라미터 중의 어느 하나의 경향 파라미터 및 평균 경향 데이터를 기초로 구매 상품 추천 모델을 이용하여 후보 경향 데이터를 출력하고, 후보 경향 데이터에 대응하여 하나 이상의 구매 상품 및 구매 조건을 추천할 수 있다. 평균 경향 데이터는 벡터 형태의 데이터일 수 있다. 여기서, 평균 경향 데이터는 하나 이상의 구매자의 구매 이력에 대한 복수의 분석 파라미터에 대응하는 분석 특징으로 구성될 수 있다. 평균 경향 데이터는 사용자 계정의 구매 이력으로부터 도출되는 평균적인 구매 상품의 선택 성향을 나타내는 데이터를 의미할 수 있다. 평균 경향 데이터는 장기간의 시간 구간 동안 구매자의 구매 이력에 포함된 상품 선택 경향을 반영할 수 있다. 예를 들어, 평균 경향 데이터 및 후보 경향 데이터는 분석 파라미터 각각에 대한 특징 값을 엘레먼트로서 가지는 벡터일 수 있다. 분석 파라미터 각각에 대한 특징 값은 선택된 구매 상품과 다른 상품 간의 상대적인 점수일 수 있다.
운용 서버(310)는 분석 결과를 이용하여 하나 이상의 구매자의 평균 경향 데이터를 획득할 수 있다. 운용 서버(310)는 복수의 분석 파라미터를 기초로 구매 이력에 포함된 복수의 구매 상품 및 구매 조건을 분석할 수 있다. 후보 경향 데이터는 구매자와 무관하게 수집된 복수의 구매 이력으로부터 분류된 복수의 구매 상품의 선택 성향 각각을 대표하는 데이터를 의미할 수 있다. 운용 서버(310)는 하나 이상의 구매자의 평균 경향 데이터 및 복수의 후보 경향 데이터를 데이터베이스에 저장할 수 있다. 후보 경향 데이터는 복수의 분석 파라미터에 대응하는 후보 특징으로 구성될 수 있다. 후보 경향 데이터는 벡터 형태의 데이터일 수 있다. 평균 경향 데이터 및 후보 경향 데이터는 하나의 구매 상품 및 구매 조건에 대한 것일수도 있고, 복수의 구매 상품 및 구매 조건으로 구성된 조합에 대한 것일수도 있다.
분석 파라미터는 구매자의 구매 이력을 평가하기 위해 고려되는 평가 지표를 의미할 수 있다. 운용 서버(310)는 미리 설정된 복수의 분석 파라미터를 데이터베이스(311)로부터 로딩할 수 있다. 운용 서버(310)는 복수의 분석 파라미터 중에서 현재 분석에 사용될 분석 파라미터를 결정할 수 있다. 분석 파라미터는, 예를 들어, 구매 상품의 종류, 구매 상품의 판매자, 가격, 시공 완료 기간, 관리 상태, 만족도 등을 포함할 수 있다. 여기서, 관리 상태 및 만족도는 사용자의 피드백을 통해 점수화될 수 있다.
경향 파라미터는 구매자의 평균적인 구매 성향에 비하여 조정되는 구매 성향을 나타낼 수 있다. 예를 들어, 경향 파라미터가 고급형을 나타내는 경우에, 제1 구매자는 자신의 평균적인 구매 가격보다 1000만원 더 비싸고 10%의 향상된 품질을 의도한 것인데 반해, 제2 구매자는 자신의 평균적인 구매 가격보다 500만원 더 비싸고 8%의 향상된 품질을 의도한 것일 수 있다. 이처럼, 경향 파라미터는 개인별로, 그룹별로 다르게 판단될 수 있으므로, 개인화가 필요하다.
운용 서버(310)는 평균 경향 데이터를 전처리하여 복수의 후보 경향 데이터 각각에 대응하는 결합 벡터를 출력할 수 있다. 운용 서버(310)는 복수의 결합 벡터를 구매 상품 추천 모델에 입력하여 각각의 후보 경향 데이터에 대응하는 특징 벡터를 출력하고, 구매 상품 추천 모델의 출력 레이어에 포함된 복수의 기준 벡터 각각과 각각의 특징 벡터를 비교할 수 있다. 운용 서버(310)는 복수의 후보 경향 데이터에 대응하는 특징 벡터 중에서, 어느 하나의 경향 파라미터에 대응하는 기준 벡터에 가장 가까운 특징 벡터를 출력할 수 있다.
운용 서버(310)는 어느 하나의 경향 파라미터에 대응하는 기준 벡터와 어느 하나의 경향 파라미터에 대응하는 기준 벡터에 가장 가까운 특징 벡터 간의 차이 벡터를 계산할 수 있다. 운용 서버(310)는 차이 벡터가 임계 기준을 만족하는지 여부를 판단할 수 있다. 차이 벡터가 임계 기준을 만족하는 경우, 운용 서버(310)는 어느 하나의 경향 파라미터에 대응하는 기준 벡터에 가장 가까운 특징 벡터에 대응하는 후보 경향 데이터를 출력할 수 있다.
판매 클라이언트(322)는 챗룸에 복수의 경향 파라미터 각각에 대응하여 하나 이상의 구매 상품 및 구매 조건을 게시할 수 있다. 여기서, 평균 경향 데이터는 복수의 분석 파라미터 각각에 대응하는 분석 특징으로 구성되고, 후보 경향 데이터는 복수의 분석 파라미터 각각에 대응하는 후보 특징으로 구성될 수 있다.
구매 상품 추천 모델을 이용하여 복수의 학습 데이터 중의 제1 기준에 속하는 학습 데이터로부터 학습 특징 벡터가 획득되고, 구매 상품 추천 모델을 이용하여 제1 기준과 상이한 기준의 기준 벡터 각각과 학습 특징 벡터 간의 레지듀얼이 획득되고, 제1 기준의 제1 기준 벡터와 제2 기준의 제2 기준 벡터 간의 기준 레지듀얼 및 제1 기준 벡터와 학습 특징 벡터 간의 특징 레지듀얼을 기초로 고강도 학습 파라미터가 계산되고, 특징 레지듀얼에 고강도 학습 파라미터가 적용된 레지듀얼 및 제1 기준과 상이한 기준의 기준 벡터 각각과 학습 특징 벡터 간의 레지듀얼을 포함하는 손실 함수를 통해 손실값이 계산되고, 손실값을 기초로 구매 상품 추천 모델의 파라미터 또는 하나 이상의 기준 벡터가 학습될 수 있다.
구매 상품 추천 모델을 이용하여 복수의 학습 데이터 중의 제1 기준에 속하는 학습 데이터로부터 학습 특징 벡터가 획득될 수 있다. 여기서, 기준은 분류 대상을 의미하며, 예를 들어, 특정한 경향의 선택 성향을 포함할 수 있다. 구매 상품 추천 모델을 이용하여 제1 기준과 상이한 기준의 기준 벡터 각각과 학습 특징 벡터 간의 레지듀얼이 획득될 수 있다.
제1 기준의 제1 기준 벡터와 제2 기준의 제2 기준 벡터 간의 기준 레지듀얼 및 제1 기준 벡터와 학습 특징 벡터 간의 특징 레지듀얼을 기초로 고강도 학습 파라미터가 계산될 수 있다. 예를 들어, 제1 기준 벡터는 주어진 경향 파라미터에 대응하는 정답을 나타내는 벡터이고, 제2 기준 벡터는 주어진 경향 파라미터와 무관한 경향을 나타내는 벡터일 수 있다.
특징 레지듀얼에 고강도 학습 파라미터가 적용된 레지듀얼 및 제1 기준과 상이한 기준의 기준 벡터 각각과 특징 벡터 간의 레지듀얼을 포함하는 손실 함수를 통해 손실값이 계산될 수 있다.
손실값을 기초로 구매 상품 추천 모델의 파라미터 또는 하나 이상의 기준 벡터가 학습될 수 있다. 학습 장치는 손실값이 작아지거나 커지는 방향으로 구매 상품 추천 모델의 파라미터 또는 하나 이상의 기준 벡터를 학습시킬 수 있다.
학습 장치는 고강도 학습 파라미터를 적용함으로써 뉴럴 네트워크의 정답을 맞히는 능력과 구별 능력을 더욱 향상시킬 수 있다. 예를 들어, 학습 장치는 수학식 3의 손실 함수를 이용할 수 있다. 학습 장치는 제1 기준의 제1 기준 벡터 와 제2 기준의 제2 기준 벡터 간의 기준 레지듀얼 및 제1 기준 벡터 와 특징 벡터 간의 특징 레지듀얼 를 기초로 고강도 학습 파라미터 을 계산할 수 있다. 여기서, 제2 기준 벡터 는 하나 이상의 기준 벡터 중에서 제1 기준 벡터 와 레지듀얼의 차이가 가장 작은 기준 벡터일 수 있다.
기준 레지듀얼 는 수학식 5에 의해 계산될 수 있다. 제1 기준 벡터 와 제j 기준의 제j 기준 벡터 wj의 내적을 코사인 값으로 하는 레지듀얼이 기준 레지듀얼 일 수 있다. 특징 레지듀얼 는 수학식 4에 의해 계산될 수 있다. 제1 기준 벡터 와 특징 벡터 의 내적을 코사인 값으로 하는 레지듀얼이 특징 레지듀얼 일 수 있다.
학습 장치는 고강도 학습 파라미터로서 기준 레지듀얼에 대한 특징 레지듀얼 및 기준 레지듀얼 간의 차이의 비율을 계산할 수 있다. 학습 장치는 수학식 3에 따라 기준 레지듀얼 에 대한 특징 레지듀얼 및 기준 레지듀얼 간의 차이의 비율을 계산할 수 있다. 수학식 3을 참조하면, 특징 레지듀얼이 작을수록 고강도 학습 파라미터는 커지고, 기준 레지듀얼이 클수록 고강도 학습 파라미터가 커진다. 특징 레지듀얼이 작다는 것은 입력 이미지의 특징 벡터와 정답 기준을 의미하는 제1 기준의 제1 기준 벡터의 유사도가 높다는 것을 의미하며, 입력 이미지가 속한 기준을 잘 맞추는 것을 의미한다. 기준 레지듀얼이 크다는 것은 서로 다른 기준 간의 구별 능력이 크다는 것을 의미한다.
고강도 학습 파라미터로 인해 뉴럴 네트워크의 성능은 열화된 것처럼 인식되고, 학습 장치는 뉴럴 네트워크를 보다 강하게 학습한다. 고강도 학습 파라미터로 인해 수학식 3의 정답항의 삼각함수 내부의 레지듀얼이 클수록 정답항의 비중이 작아지게 되며, 손실 함수의 손실값은 커지게 된다. 이로 인해, 학습 장치는 더욱 과하게 뉴럴 네트워크를 학습하게 되며 고강도 학습 파라미터가 없는 경우보다 학습 효과는 더 높아질 수 있다. 학습이 진행되어 뉴럴 네트워크의 성능이 향상될수록 고강도 학습 파라미터가 커지게 되고, 뉴럴 네트워크의 학습 결과는 더욱 좋아질 수 있다.
도 4는 일 실시예에 따른 공동 구매 시스템에 의한 공동 구매 방법의 동작을 도시한 흐름도이다.
일 실시예에 따르면, 동작(S401)에서, 플랫폼 업체의 구매 프로그램을 운용하는 운용 서버(310)는 외부의 서버(331)로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장할 수 있다.
일 실시예에 따르면, 동작(S402)에서, 판매자 계정의 구매 프로그램이 설치된 판매 클라이언트(322)는 제1 지역의 공동 구매를 위한 챗룸을 생성할 수 있다.
일 실시예에 따르면, 동작(S403)에서, 제1 구매자 계정이 접속된 구매 프로그램이 설치된 제1 구매 클라이언트(321)는 챗룸에 접속하기 위한 통신 세션의 수립을 서버로 요청할 수 있다.
일 실시예에 따르면, 동작(S404)에서, 운용 서버(310)는 제1 구매자 계정이 챗룸의 입장 조건을 만족하는지 여부를 판단할 수 있다.
일 실시예에 따르면, 동작(S405)에서, 제1 구매자 계정이 입장 조건을 만족하는 경우, 운용 서버(310)는 제1 구매 클라이언트 및 판매 클라이언트 간에 통신 세션을 수립할 수 있다.
일 실시예에 따르면, 동작(S406)에서, 판매 클라이언트(322)는 챗룸에 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 게시할 수 있다.
일 실시예에 따르면, 동작(S407)에서, 제1 구매 클라이언트에 의해, 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 운용 서버로 송신할 수 있다.
일 실시예에 따르면, 동작(S408)에서, 운용 서버에 의해, 플랫폼 업체 및 판매자 간의 계약 조건과 구매 조건을 기초로 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 플랫폼 업체에게 할당되는 제3 초기 금액을 계산할 수 있다.
일 실시예에 따르면, 동작(S409)에서, 제2 구매자 계정이 접속된 구매 프로그램이 설치된 제2 구매 클라이언트에 의해, 챗룸에 접속하기 위한 통신 세션의 수립을 서버로 요청할 수 있다.
일 실시예에 따르면, 동작(S410)에서, 제2 구매자 계정이 입장 조건을 만족하고 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 운용 서버에 의해, 제1 구매자 계정 및 제2 구매자 계정을 기초로 할인율을 이용하여 제1 초기 금액, 제2 초기 금액 및 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산할 수 있다.
일 실시예에 따르면, 동작(S411)에서, 결제 서버에 의해, 제1 변동 금액 및 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다.
일 실시예에 따르면, 동작(S412)에서, 운용 서버에 의해, 제1 구매 클라이언트 및 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신할 수 있다.
일 실시예에 따르면, 동작(S413)에서, 결제 서버에 의해, 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다.
도 5는 일 실시예에 따른 운용 서버에 의한 공동 구매 방법의 동작을 도시한 흐름도이다.
일 실시예에 따르면, 동작(S501)에서, 플랫폼 업체의 구매 프로그램을 운용하는 운용 서버(310)는 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장할 수 있다.
일 실시예에 따르면, 동작(S502)에서, 운용 서버(310)는 판매자 계정의 구매 프로그램이 설치된 판매 클라이언트로부터 수신한 챗룸의 생성을 요청하는 신호에 반응하여 제1 지역의 공동 구매를 위한 챗룸을 생성할 수 있다.
일 실시예에 따르면, 동작(S503)에서, 운용 서버(310)는 제1 구매자 계정이 접속된 구매 프로그램이 설치된 제1 구매 클라이언트로부터 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신할 수 있다.
일 실시예에 따르면, 동작(S504)에서, 운용 서버(310)는 제1 구매자 계정이 챗룸의 입장 조건을 만족하는지 여부를 판단할 수 있다.
일 실시예에 따르면, 동작(S505)에서, 제1 구매자 계정이 입장 조건을 만족하는 경우, 운용 서버(310)는 제1 구매 클라이언트 및 판매 클라이언트 간에 통신 세션을 수립할 수 있다.
일 실시예에 따르면, 동작(S506)에서, 운용 서버(310)는 판매 클라이언트로부터 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 수신하고, 하나 이상의 구매 상품 및 구매 조건을 챗룸에 게시할 수 있다.
일 실시예에 따르면, 동작(S507)에서, 운용 서버(310)는 제1 구매 클라이언트로부터 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 수신할 수 있다.
일 실시예에 따르면, 동작(S508)에서, 운용 서버(310)는 플랫폼 업체 및 판매자 간의 계약 조건과 구매 조건을 기초로 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 플랫폼 업체에게 할당되는 제3 초기 금액을 계산할 수 있다.
일 실시예에 따르면, 동작(S509)에서, 운용 서버(310)는 구매자 계정이 접속된 구매 프로그램이 설치된 제2 구매 클라이언트로부터 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신할 수 있다.
일 실시예에 따르면, 동작(S510)에서, 제2 구매자 계정이 입장 조건을 만족하고 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 운용 서버(310)는 제1 구매자 계정 및 제2 구매자 계정을 기초로 할인율을 이용하여 제1 초기 금액, 제2 초기 금액 및 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산할 수 있다.
일 실시예에 따르면, 동작(S511)에서, 운용 서버(310)는 제1 구매 클라이언트 및 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신할 수 있다.
여기서, 결제 서버는, 이벤트 발생 신호의 수신 전에, 제1 변동 금액 및 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다. 결제 서버는, 이벤트 발생 신호의 수신 후에, 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다.
도 6은 일 실시예에 따른 운용 서버에 의해 운용되는 구매 프로그램의 예시적인 화면을 도시한 도면이다.
도 6을 참고하면, 구매 프로그램에 의해 판매 클라이언트(322) 또는 구매 클라이언트(321, 322)에 표시되는 인터페이스의 예시가 도시된다. 구매자 및 판매자는 인터페이스의 '회원가입'을 통해 가입 정보를 입력하고 구매자 계정 또는 판매자 계정을 할당 받을 수 있다. 운용 서버(310)는 구매자 및 판매자의 가입 정보를 수신하고 각각 구매자 계정 및 판매자 계정을 할당할 수 있다. 운용 서버(310)는 구매자의 가입 정보를 기초로 1단계 인증을 수행할 수 있다. 운용 서버(310)는 2단계 인증을 통해 추가 정보를 제공한 구매자 계정에 인센티브를 제공할 수 있다. 예를 들어, 2단계 인증은 입주 계약서 이미지를 통해 진행될 수 있다.
인터페이스는 다양한 종류의 구매 상품을 표시할 수 있다. 예를 들어, 구매 상품은 에어컨 설치(611), 벽걸이 TV 설치(612), 입주 청소(613), 줄눈/탄성 코트(614), 중문 설치(615), 새집 증후군 제거(616), 커튼/블라인드(617), 단열 필름(618), LED 조명(619), 기타 시공(620), 입주 제품(621), 월정액 서비스(622) 등을 포함할 수 있다.
인터페이스는 공동 구매를 위해 개설된 챗룸을 검색하는 기능을 제공할 수 있다. 인터페이스는 입주년도(601), 지역(602) 및 아파트(603)를 선택하는 선택 버튼을 표시할 수 있다. 구매자가 입주년도(601), 지역(602) 및 아파트(603)를 선택하고 공동 구매 검색 버튼을 누르면, 해당 조건을 만족하는 챗룸의 검색 결과가 표시될 수 있다.
도 7은 일 실시예에 따른 구매 상품 추천 모델의 학습 과정을 설명하기 위한 도면이다.
일 실시예에 따르면, 학습 장치는 선행 레이어(703), 특징 추출부(705), 분류부(707), 고강도 학습 파라미터 계산부(709) 및 손실값 계산부(711)를 포함할 수 있다. 특징 추출부(705), 분류부(707), 고강도 학습 파라미터 계산부(709) 및 손실값 계산부(711)는 각각 하나 이상의 레이어로 구성될 수 있다. 선행 레이어(703), 특징 추출부(705), 분류부(707), 고강도 학습 파라미터 계산부(709) 및 손실값 계산부(711)는 하나의 뉴럴 네트워크에 포함될 수도 있고 별도의 객체로 구성될 수도 있다.
분류부(707)는 복수의 기준에 대응하는 복수의 레이어를 포함할 수 있다. 각각의 기준에 대응하는 레이어의 파라미터는 벡터를 형성할 수 있다. 여기서, 각각의 기준에 대응하는 레이어의 벡터는 기준 벡터로 지칭될 수 있다.
학습 장치는 학습 데이터(701)를 입력 받을 수 있다. 학습 데이터(701)는 선행 레이어(703)에 입력될 수 있다. 선행 레이어(703)는 학습 데이터(701)로부터 결합 벡터를 출력할 수 있다. 결합 벡터는 특징 추출부(705)에 입력될 수 있다. 특징 추출부(705)는 특징 벡터를 출력할 수 있다. 특징 벡터(713, 319)는 고강도 학습 파라미터 계산부(709) 및 손실값 계산부(711)로 전달될 수 있다.
일 실시예에 따르면, 특징 벡터는 분류부(707)로 전달될 수 있다. 다른 실시예에 따르면, 선행 레이어(703)로부터 출력된 벡터는 분류부(707)로 전달될 수 있다. 분류부(707)는 특징 벡터의 분류 결과를 출력할 수 있다. 분류 결과(717, 319)는 고강도 학습 파라미터 계산부(709) 및 손실값 계산부(711)로 전달될 수 있다.
고강도 학습 파라미터 계산부(709)는 특징 벡터(713) 및 분류 결과(717)를 기초로 고강도 학습 파라미터를 계산할 수 있다. 학습 장치는 제1 기준의 제1 기준 벡터와 제2 기준의 제2 기준 벡터 간의 기준 레지듀얼 및 제1 기준 벡터와 특징 벡터 간의 특징 레지듀얼을 기초로 고강도 학습 파라미터를 계산한다. 학습 장치는 고강도 학습 파라미터로서 기준 레지듀얼에 대한 특징 레지듀얼 및 기준 레지듀얼 간의 차이의 비율을 계산할 수 있다.
손실값 계산부(711)는 특징 벡터(715), 분류 결과(719), 기준 레이블(723) 및 고강도 학습 파라미터(721)을 기초로 손실값을 계산할 수 있다. 기준 레이블(723)은 정답을 의미한다. 학습 장치는 특징 레지듀얼에 고강도 학습 파라미터가 적용된 레지듀얼을 포함하는 손실 함수를 통해 손실값(725)을 계산할 수 있다. 손실 함수는 제1 기준을 제외한 모든 기준의 특징 레지듀얼에 대한 지수값의 합 및 제1 기준의 특징 레지듀얼에 대한 지수값의 합에 대한 제1 기준의 특징 레지듀얼에 대한 지수값의 비율을 포함할 수 있다. 학습이 진행됨에 따라 고강도 학습 파라미터는 점진적으로 증가되고 학습이 더욱 용이해질 수 있다. 기준 및 학습 데이터 별로 적합한 고강도 학습 파라미터를 결정하고 적용함으로써 학습 장치는 학습의 효과를 더욱 강화할 수 있다.
도 8은 일 실시예에 따른 운용 서버의 구성을 도시한 도면이다.
일 실시예에 따르면, 운용 서버(310)는 프로세서(820), 메모리(810) 및 통신부(830)을 포함할 수 있다. 메모리(810)에는 플랫폼 업체의 구매 프로그램이 설치될 수 있다.
프로세서(820)는 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장할 수 있다.
프로세서(820)는 판매자 계정의 구매 프로그램이 설치된 판매 클라이언트로부터 수신한 챗룸의 생성을 요청하는 신호에 반응하여 제1 지역의 공동 구매를 위한 챗룸을 생성할 수 있다.
통신부(830)는 제1 구매자 계정이 접속된 구매 프로그램이 설치된 제1 구매 클라이언트로부터 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신할 수 있다.
프로세서(820)는 제1 구매자 계정이 챗룸의 입장 조건을 만족하는지 여부를 판단할 수 있다.
프로세서(820)는 제1 구매자 계정이 입장 조건을 만족하는 경우, 제1 구매 클라이언트 및 판매 클라이언트 간에 통신 세션을 수립할 수 있다.
프로세서(820)는 판매 클라이언트로부터 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 수신할 수 있다.
프로세서(820)는 하나 이상의 구매 상품 및 구매 조건을 챗룸에 게시할 수 있다.
통신부(830)는 제1 구매 클라이언트로부터 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 수신할 수 있다.
프로세서(820)는 플랫폼 업체 및 판매자 간의 계약 조건과 구매 조건을 기초로 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 플랫폼 업체에게 할당되는 제3 초기 금액을 계산할 수 있다.
통신부(830)는 구매자 계정이 접속된 구매 프로그램이 설치된 제2 구매 클라이언트로부터 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호를 수신할 수 있다.
프로세서(820)는 제2 구매자 계정이 입장 조건을 만족하고 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 제1 구매자 계정 및 제2 구매자 계정을 기초로 할인율을 이용하여 제1 초기 금액, 제2 초기 금액 및 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산할 수 있다.
통신부(830)는 제1 구매 클라이언트 및 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신할 수 있다.
이벤트 발생 신호의 수신 전에, 결제 서버는 제1 변동 금액 및 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다. 이벤트 발생 신호의 수신 후에, 결제 서버는 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신할 수 있다.
도 9는 일 실시예에 따른 제1 구매 클라이언트의 구성을 도시한 도면이다.
일 실시예에 따르면, 제1 구매 클라이언트(321)는 적어도 하나의 프로세서(920), 제1 구매자 계정이 접속된 구매 프로그램이 설치된 메모리(910) 및 통신부(930)를 포함할 수 있다.
플랫폼 업체의 구매 프로그램을 운용하는 운용 서버(310)에 의해 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보는 크롤링되어 데이터베이스에 저장될 수 있다. 판매자 계정의 구매 프로그램이 설치된 판매 클라이언트(322)에 의해, 제1 지역의 공동 구매를 위한 챗룸은 생성될 수 있다.
통신부(930)는 챗룸에 접속하기 위한 통신 세션의 수립을 운용 서버로 요청할 수 있다.
운용 서버(310)에 의해, 제1 구매자 계정이 챗룸의 입장 조건을 만족하는지 여부가 판단될 수 있다.
제1 구매자 계정이 입장 조건을 만족하는 경우, 제1 구매 클라이언트 및 판매 클라이언트 간에 통신 세션이 수립될 수 있다.
판매 클라이언트(322)에 의해, 챗룸에 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건은 게시될 수 있다.
통신부(930)는 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 운용 서버로 송신할 수 있다.
운용 서버(310)에 의해, 플랫폼 업체 및 판매자 간의 계약 조건과 구매 조건을 기초로 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 플랫폼 업체에게 할당되는 제3 초기 금액을 계산될 수 있다.
제2 구매자 계정이 접속된 구매 프로그램이 설치된 제2 구매 클라이언트(322)에 의해, 챗룸에 접속하기 위한 통신 세션의 수립을 요청하는 신호는 서버로 전송될 수 있다.
제2 구매자 계정이 입장 조건을 만족하고 제2 구매 클라이언트(322)로부터 동의를 나타내는 신호가 송신되는 경우, 운용 서버(310)에 의해, 제1 구매자 계정 및 제2 구매자 계정을 기초로 할인율을 이용하여 제1 초기 금액, 제2 초기 금액 및 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액은 계산될 수 있다.
통신부(930)는 결제 서버로부터 제1 변동 금액 및 제3 변동 금액의 결제 요청 정보를 수신할 수 있다. 통신부(930)는 운용 서버로 이벤트 발생 신호를 송신할 수 있다. 여기서, 이벤트 발생 신호는 구매자가 제1 구매 클라이언트(321)에 시공 완료를 확인하는 신호를 입력함으로써 생성될 수 있다. 통신부(930)는 결제 서버로부터 제3 변동 금액의 결제 요청 정보를 수신할 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, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 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.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (4)
- 플랫폼 업체의 구매 프로그램을 운용하는 운용 서버에 의해, 외부의 서버로부터 제1 지역의 입주 정보를 포함하는 부동산 정보를 크롤링하여 데이터베이스에 저장하는 동작;
상기 운용 서버에 의해, 제1 구매자 및 판매자의 가입 정보를 수신하고 각각 제1 구매자 계정 및 판매자 계정을 할당하는 동작;
상기 판매자 계정의 상기 구매 프로그램이 설치된 판매 클라이언트에 의해, 상기 제1 지역의 공동 구매를 위한 챗룸을 생성하는 동작;
상기 제1 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제1 구매 클라이언트에 의해, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 운용 서버로 요청하는 동작;
상기 운용 서버에 의해, 상기 제1 구매자 계정이 상기 챗룸의 입장 조건을 만족하는지 여부를 판단하는 동작;
상기 제1 구매자 계정이 상기 입장 조건을 만족하는 경우, 상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 판매 클라이언트 간에 통신 세션을 수립하는 동작;
상기 판매 클라이언트에 의해, 상기 챗룸에 상기 제1 지역의 입주 정보에 대응하는 하나 이상의 구매 상품 및 할인율을 포함하는 구매 조건을 게시하는 동작;
상기 제1 구매 클라이언트에 의해, 상기 하나 이상의 구매 상품 및 구매 조건에 대한 동의를 나타내는 신호를 상기 운용 서버로 송신하는 동작;
상기 운용 서버에 의해, 상기 플랫폼 업체 및 상기 판매자 간의 계약 조건과 상기 구매 조건을 기초로 상기 판매자에게 할당되는 제1 초기 금액 및 제2 초기 금액과 상기 플랫폼 업체에게 할당되는 제3 초기 금액을 계산하는 동작;
제2 구매자 계정이 접속된 상기 구매 프로그램이 설치된 제2 구매 클라이언트에 의해, 상기 챗룸에 접속하기 위한 통신 세션의 수립을 상기 서버로 요청하는 동작;
상기 제2 구매자 계정이 상기 입장 조건을 만족하고 상기 제2 구매 클라이언트로부터 동의를 나타내는 신호가 송신되는 경우, 상기 운용 서버에 의해, 상기 제1 구매자 계정 및 상기 제2 구매자 계정을 기초로 상기 할인율을 이용하여 상기 제1 초기 금액, 상기 제2 초기 금액 및 상기 제3 초기 금액으로부터 제1 변동 금액, 제2 변동 금액 및 제3 변동 금액을 계산하는 동작;
결제 서버에 의해, 상기 제1 변동 금액 및 상기 제3 변동 금액의 결제 요청 정보를 제1 클라이언트 및 제2 클라이언트로 각각 송신하는 동작;
상기 운용 서버에 의해, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트로부터 각각 이벤트 발생 신호를 수신하는 동작; 및
상기 결제 서버에 의해, 상기 제3 변동 금액의 결제 요청 정보를 상기 제1 클라이언트 및 상기 제2 클라이언트로 각각 송신하는 동작
을 포함하고,
상기 입장 조건을 만족하는지 여부를 판단하는 동작은,
상기 운용 서버에 의해, 상기 제1 구매자 계정으로부터 상기 제1 지역의 입주 계약서 이미지를 수신하는 동작;
상기 운용 서버에 의해, 오센티케이션(authentication) 모델을 이용하여 상기 입주 계약서 이미지의 인증률을 출력하는 동작;
상기 운용 서버에 의해, 상기 인증률이 임계값 이상인지 여부를 판단하는 동작; 및
상기 인증률이 임계값 이상인 경우, 상기 운용 서버에 의해, 상기 입장 조건이 만족된 것으로 판단하는 동작을 포함하고,
상기 오센티케이션 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
입주 계약서 이미지, 지역 정보를 포함하는 입주 정보 및 정답 인증률을 하나의 학습 쌍으로 하는 복수의 학습 데이터는 상기 오센티케이션 모델의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 공간 정보 추출 모델의 파라미터는 상기 손실값이 작아지는 방향으로 학습되고,
[수학식]
상기 손실 함수는 상기 수학식을 따르고,
상기 수학식에서, N은 상기 복수의 학습 데이터의 수, n은 학습 데이터를 식별하는 자연수, k는 n번째 학습 데이터의 값을 식별하는 자연수, nk는 n번째 학습 데이터의 k번째 값을 의미하고, t는 정답 데이터를 의미하고, y는 상기 출력 벡터를 의미하고, E는 손실값을 의미하는,
공동 구매 방법. - 제1항에 있어서,
상기 챗룸을 생성하는 동작은,
상기 운용 서버에 의해, 상기 판매 클라이언트로부터 상기 챗룸의 생성 요청 신호를 수신하는 동작;
상기 운용 서버에 의해, 상기 생성 요청 신호에 반응하여 현재 시각과 상기 입주 정보에 포함된 입주 시각의 차이가 임계 기간 미만인지를 판단하는 동작; 및
상기 차이가 임계 기간 미만인 경우에, 상기 운용 서버에 의해, 상기 챗룸을 생성하는 동작
을 포함하는, 공동 구매 방법. - 제1항에 있어서,
상기 이벤트 발생 신호는 상기 구매 상품의 이행 완료를 나타내는 신호이고, 상기 제1 구매 클라이언트 및 상기 제2 구매 클라이언트에 설치된 상기 구매 프로그램에 의해 생성되는,
공동 구매 방법. - 제1항에 있어서,
상기 게시하는 동작은,
상기 운용 서버에 의해, 상기 제1 지역의 입주 정보를 기초로 입주 대상자의 평균 경향 데이터를 획득하는 동작;
상기 운용 서버에 의해, 복수의 경향 파라미터 중의 어느 하나의 경향 파라미터 및 상기 평균 경향 데이터를 기초로 구매 상품 추천 모델을 이용하여 후보 경향 데이터를 출력하고, 상기 후보 경향 데이터에 대응하여 상기 하나 이상의 구매 상품 및 상기 구매 조건을 추천하는 동작; 및
상기 판매 클라이언트에 의해, 상기 챗룸에 상기 복수의 경향 파라미터 각각에 대응하여 상기 하나 이상의 구매 상품 및 상기 구매 조건을 게시하는 동작
을 포함하는, 공동 구매 방법.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20210135527 | 2021-10-13 | ||
| KR1020210135527 | 2021-10-13 | ||
| KR20210137679 | 2021-10-15 | ||
| KR1020210137679 | 2021-10-15 | ||
| KR1020210138231A KR102402848B1 (ko) | 2021-10-13 | 2021-10-18 | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210138231A Division KR102402848B1 (ko) | 2021-10-13 | 2021-10-18 | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220078534A KR20220078534A (ko) | 2022-06-10 |
| KR102625772B1 true KR102625772B1 (ko) | 2024-01-17 |
Family
ID=81800012
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210138231A KR102402848B1 (ko) | 2021-10-13 | 2021-10-18 | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 |
| KR1020220063201A KR102625772B1 (ko) | 2021-10-13 | 2022-05-24 | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 |
| KR1020220063206A KR20220078535A (ko) | 2021-10-13 | 2022-05-24 | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210138231A KR102402848B1 (ko) | 2021-10-13 | 2021-10-18 | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220063206A KR20220078535A (ko) | 2021-10-13 | 2022-05-24 | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR102402848B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115063205A (zh) * | 2022-06-28 | 2022-09-16 | 上海禹璨信息技术有限公司 | 基于聊天群组的商品推荐方法、装置、设备及存储介质 |
| KR102534638B1 (ko) * | 2022-07-13 | 2023-05-26 | 주식회사 엔티글로벌 | 소비자 분석 알고리즘을 이용한 인공지능 기반의 전자상거래 수출 플랫폼 시스템 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140042660A (ko) * | 2012-09-28 | 2014-04-07 | (주)원더피플 | 채팅방을 이용한 이벤트 제공방법 및 그 시스템 |
| KR102220273B1 (ko) * | 2018-03-29 | 2021-02-26 | 네이버 주식회사 | 상품 추천 방법 및 이를 이용하는 서버 |
| KR102483650B1 (ko) * | 2018-12-31 | 2023-01-03 | 삼성전자주식회사 | 사용자 인증 장치 및 방법 |
| KR102419993B1 (ko) * | 2020-01-13 | 2022-07-13 | 주식회사 그라운드컨트롤 | 부동산 통합 데이터베이스 구축 장치 및 방법 |
-
2021
- 2021-10-18 KR KR1020210138231A patent/KR102402848B1/ko active IP Right Grant
-
2022
- 2022-05-24 KR KR1020220063201A patent/KR102625772B1/ko active IP Right Grant
- 2022-05-24 KR KR1020220063206A patent/KR20220078535A/ko active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| KR102402848B1 (ko) | 2022-05-30 |
| KR20220078534A (ko) | 2022-06-10 |
| KR20220078535A (ko) | 2022-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102625772B1 (ko) | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 | |
| KR102467890B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치 | |
| KR102360727B1 (ko) | 뉴럴 네트워크를 이용한 차량 추천 방법 및 장치 | |
| KR102439204B1 (ko) | 학습된 뉴럴 네트워크를 이용한 임대차 관리 서비스 제공 방법 및 시스템 | |
| KR102582594B1 (ko) | 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치 | |
| KR20240013020A (ko) | 뉴럴 네트워크를 이용하여 보험금 청구와 관련된 정보에 따라 의료기관의 경영 정보를 단말에게 제공하는 방법 및 장치 | |
| KR102439212B1 (ko) | 학습된 뉴럴 네트워크를 이용하여 온라인상에서 임대차 통합 서비스를 제공하는 시스템 | |
| KR102484291B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 구직자 리스트를 단말에게 제공하는 방법 및 장치 | |
| KR102529607B1 (ko) | 인공지능 기반의 사업체 거래 플랫폼 시스템 | |
| KR102422153B1 (ko) | 뉴럴 네트워크를 이용한 상담 가이드 정보 추천 방법 및 장치 | |
| KR102384679B1 (ko) | 뉴럴 네트워크를 이용한 제품의 중간 유통을 위한 서버 | |
| KR20220131499A (ko) | 렌탈 마켓 시스템 | |
| KR102561611B1 (ko) | 뉴럴 네트워크를 이용하여 한우육에 대한 추천 정보를 고객 단말에게 전송하는 방법 및 장치 | |
| KR102501056B1 (ko) | 뉴럴 네트워크를 이용한 상담 가이드 정보 제공 방법 및 장치 | |
| KR102497016B1 (ko) | 농산물 추천 방법 및 장치 | |
| KR102573285B1 (ko) | 뉴럴 네트워크를 이용하여 고객 관리 서비스를 제공하는 방법 및 장치 | |
| KR102668843B1 (ko) | 인공지능을 이용한 스마트 주문 시스템 | |
| KR102642567B1 (ko) | 뉴럴 네트워크를 이용하여 프라이싱을 수행하는 방법 및 장치 | |
| KR102536674B1 (ko) | 뉴럴 네트워크를 이용하여 도매 상품에 대한 추천 리스트를 셀러 단말에게 제공하는 방법 및 장치 | |
| KR102666423B1 (ko) | 유휴 공간과 연동된 팝업 스토어를 가상 공간에 생성하는 방법 및 시스템 | |
| KR102644779B1 (ko) | 온라인 쇼핑몰의 컨셉에 맞는 상품의 추천 방법 | |
| KR102610945B1 (ko) | B2b 서비스 통합 관리 방법 | |
| KR102638246B1 (ko) | 다중 신경망을 이용하여 필드레슨을 제공하는 프로 골퍼 매칭 서비스 | |
| KR102591113B1 (ko) | 바이너리 트리 기반의 컨벌루션 신경망을 활용한 의류 이미지 검색 기능을 가진 맞춤형 인터페이스를 제공하는 방법 및 장치 | |
| KR102472426B1 (ko) | 뉴럴 네트워크를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E701 | Decision to grant or registration of patent right |