KR102631340B1 - 제품 추천 방법 및 장치 - Google Patents
제품 추천 방법 및 장치 Download PDFInfo
- Publication number
- KR102631340B1 KR102631340B1 KR1020220144359A KR20220144359A KR102631340B1 KR 102631340 B1 KR102631340 B1 KR 102631340B1 KR 1020220144359 A KR1020220144359 A KR 1020220144359A KR 20220144359 A KR20220144359 A KR 20220144359A KR 102631340 B1 KR102631340 B1 KR 102631340B1
- Authority
- KR
- South Korea
- Prior art keywords
- product
- score
- user
- nutritional ingredient
- nutritional
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000004615 ingredient Substances 0.000 claims abstract description 153
- 235000016709 nutrition Nutrition 0.000 claims abstract description 150
- 235000012041 food component Nutrition 0.000 claims abstract description 43
- 230000003862 health status Effects 0.000 claims abstract description 15
- 230000036541 health Effects 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 235000013376 functional food Nutrition 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000000225 synapse Anatomy 0.000 description 4
- FPIPGXGPPPQFEQ-UHFFFAOYSA-N 13-cis retinol Natural products OCC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-UHFFFAOYSA-N 0.000 description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 3
- OVBPIULPVIDEAO-UHFFFAOYSA-N N-Pteroyl-L-glutaminsaeure Natural products C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)NC(CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-UHFFFAOYSA-N 0.000 description 3
- FPIPGXGPPPQFEQ-BOOMUCAASA-N Vitamin A Natural products OC/C=C(/C)\C=C\C=C(\C)/C=C/C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-BOOMUCAASA-N 0.000 description 3
- 229930003316 Vitamin D Natural products 0.000 description 3
- QYSXJUFSXHHAJI-XFEUOLMDSA-N Vitamin D3 Natural products C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C/C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-XFEUOLMDSA-N 0.000 description 3
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 235000019152 folic acid Nutrition 0.000 description 3
- 229960000304 folic acid Drugs 0.000 description 3
- 239000011724 folic acid Substances 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 229910052749 magnesium Inorganic materials 0.000 description 3
- 239000011777 magnesium Substances 0.000 description 3
- 235000001055 magnesium Nutrition 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 235000019155 vitamin A Nutrition 0.000 description 3
- 239000011719 vitamin A Substances 0.000 description 3
- 235000019166 vitamin D Nutrition 0.000 description 3
- 239000011710 vitamin D Substances 0.000 description 3
- 150000003710 vitamin D derivatives Chemical class 0.000 description 3
- 229940045997 vitamin a Drugs 0.000 description 3
- 229940046008 vitamin d Drugs 0.000 description 3
- 208000008589 Obesity Diseases 0.000 description 2
- 238000013529 biological neural network Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229940091250 magnesium supplement Drugs 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000020824 obesity Nutrition 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 208000037063 Thinness Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 235000006180 nutrition needs Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 206010048828 underweight Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명은 제품 추천 방법에 관한 것이다. 제품 추천 방법은, 사용자의 건강 상태를 나타내는 사용자 데이터를 획득하는 단계, 획득된 사용자 데이터를 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하는 단계, 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출하는 단계, 복수의 제품 정보에 포함된 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어를 산출하는 단계, 복수의 제품 정보에 포함된 제2 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제2 제품에 대한 제2 스코어를 산출하는 단계 및 산출된 제1 스코어 및 제2 스코어를 이용하여 사용자에게 추천하기 위한 제품을 결정하는 단계를 포함한다.
Description
본 발명은 제품 추천 방법 및 장치에 관한 것으로, 구체적으로, 사용자의 건강에 필요한 영양 성분을 추정하고, 추정된 영양 성분을 섭취하기 위한 최적의 제품을 추천하기 위한 제품 추천 방법 및 장치에 관한 것이다.
건강 기능 식품(health functional food)은, 인체에 유용한 기능성을 가진 원료나 성분을 사용하여 제조 및/또는 가공한 식품을 의미하며, 영양성 기능, 질병발생 위험감소 기능, 생리활성 기능 등을 가진다. 즉, 건강 기능 식품은 질병을 치료하거나 예방하는 기능이 아닌 건강을 유지하는데 도움을 주는 식품이다.
일반적으로, 적정량의 건강 기능 식품을 섭취하는 경우 부작용의 위험이 적으나, 사용자의 건강 상태나 복용하고 있는 의약품, 생활습관(흡연, 음주 등) 등에 따라 부작용이 발생될 수도 있다. 따라서, 사용자는 자신의 건강 상태에 따라 적절히 건강 기능 식품의 섭취량, 섭취 방법 등을 조절해야 할 필요가 있다. 그러나, 사용자가 자신의 건강 상태를 직접 측정하고, 시중에 판매되는 다양한 제품 중 자신에게 알맞은 제품을 선택하기는 어려운 문제가 있다.
본 발명은 상기와 같은 문제점을 해결하기 위한 제품 추천 방법, 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램, 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 매체 및 장치(시스템)를 제공한다.
본 발명은 방법, 장치(시스템), 컴퓨터 판독 가능 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 매체를 포함한 다양한 방식으로 구현될 수 있다.
본 발명의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는 제품 추천 방법은, 사용자의 건강 상태를 나타내는 사용자 데이터를 획득하는 단계, 획득된 사용자 데이터를 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하는 단계, 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출하는 단계, 복수의 제품 정보에 포함된 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어를 산출하는 단계, 복수의 제품 정보에 포함된 제2 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제2 제품에 대한 제2 스코어를 산출하는 단계 및 산출된 제1 스코어 및 제2 스코어를 이용하여 사용자에게 추천하기 위한 제품을 결정하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 획득된 사용자 데이터를 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하는 단계는, 획득된 사용자 데이터를 이용하여 제1 영양 성분의 중요도를 나타내는 제1 기초 스코어 및 제2 영양 성분의 중요도를 나타내는 제2 기초 스코어를 산출하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 제1 제품에 대한 제1 스코어를 산출하는 단계는, 제1 기초 스코어, 제2 기초 스코어 및 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어를 산출하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 제1 제품에 대한 제1 스코어를 산출하는 단계는, 제1 기초 스코어 및 제1 제품의 제1 영양 성분의 함량에 기초하여 제1 세부 스코어를 산출하는 단계, 제1 기초 스코어 및 제1 제품의 제2 영양 성분의 함량에 기초하여 제2 세부 스코어를 산출하는 단계 및 제1 세부 스코어 및 제2 세부 스코어를 이용하여 제1 스코어를 산출하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 획득된 사용자 데이터를 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하는 단계는, 획득된 사용자 데이터를 이용하여 사용자에 대응하는 건강 유형을 결정하는 단계 및 결정된 결정 유형에 대응하는 제1 영양 성분 및 제2 영양 성분을 사용자에게 필요한 영양 성분으로 추정하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 사용자의 건강 상태를 나타내는 사용자 데이터를 획득하는 단계는, 사용자의 유전자 검사 결과 데이터를 포함하는 사용자 데이터를 획득하는 단계를 포함한다.
본 발명의 일 실시예에 따르면, 제1 제품이 사용자에게 추천하기 위한 제품으로 결정되는 경우, 제1 제품의 하루 섭취 정량을 산출하는 단계를 더 포함한다.
본 발명의 일 실시예에 따르면, 제1 제품의 하루 섭취 정량을 산출하는 단계는, 제1 제품에 포함된 제1 영양 성분의 권장 섭취량 및 제2 영양 성분의 권장 섭취량에 기초하여 제1 제품의 하루 섭취 정량을 산출하는 단계를 포함한다.
본 발명의 일 실시예에 따른 상술된 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.
본 발명의 일 실시예에 따른 컴퓨팅 장치는, 통신 모듈, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로그램은, 사용자의 건강 상태를 나타내는 사용자 데이터를 획득하고, 획득된 사용자 데이터를 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하고, 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출하고, 복수의 제품 정보에 포함된 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어를 산출하고, 복수의 제품 정보에 포함된 제2 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제2 제품에 대한 제2 스코어를 산출하고, 산출된 제1 스코어 및 제2 스코어를 이용하여 사용자에게 추천하기 위한 제품을 결정하기 위한 명령어들을 포함한다.
본 발명의 다양한 실시예에서 컴퓨팅 장치는 사용자에게 필요한 영양 성분 및 각 영양 성분의 중요도를 고려하여, 시중에서 판매중인 다양한 제품 중 사용자에게 적합한 최적의 제품을 결정하여 추천할 수 있다.
본 발명의 다양한 실시예에서 컴퓨팅 장치는 사용자의 건강 상태를 개선하기 위한 최적의 제품을 추천하고, 추천 제품의 섭취 정수까지 결정하여 제공함으로써 사용자의 제품 섭취에 대한 편리성이 향상될 수 있다.
본 발명의 다양한 실시예에서 컴퓨팅 장치는 사용자에게 필요한 영양 성분을 포함할 뿐만 아니라 사용자의 세부적인 성향까지 반영한 추천 제품을 결정하여 사용자에게 제공할 수 있다.
본 발명의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자("통상의 기술자"라 함)에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 발명의 일 실시예에 따른 컴퓨팅 장치가 사용자 데이터를 이용하여 제품 정보를 결정하는 예시를 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 나타내는 기능적인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 사용자 데이터에 기초하여 제품 정보가 추출되는 예시를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 사용자의 성향 데이터를 추가로 이용하여 제품 정보가 추출되는 예시를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 인공신경망 모델을 나타내는 예시도이다.
도 6은 본 발명의 일 실시예에 따른 제품 추천 방법의 예시를 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 나타내는 블록도이다.
도 1은 본 발명의 일 실시예에 따른 컴퓨팅 장치가 사용자 데이터를 이용하여 제품 정보를 결정하는 예시를 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 나타내는 기능적인 블록도이다.
도 3은 본 발명의 일 실시예에 따른 사용자 데이터에 기초하여 제품 정보가 추출되는 예시를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 사용자의 성향 데이터를 추가로 이용하여 제품 정보가 추출되는 예시를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 인공신경망 모델을 나타내는 예시도이다.
도 6은 본 발명의 일 실시예에 따른 제품 추천 방법의 예시를 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 나타내는 블록도이다.
이하, 본 발명의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 발명의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명이 완전하도록 하고, 본 발명이 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
본 발명에서, "포함하다", "포함하는" 등의 용어는 특징들, 단계들, 동작들, 요소들 및/또는 구성 요소들이 존재하는 것을 나타낼 수 있으나, 이러한 용어가 하나 이상의 다른 기능들, 단계들, 동작들, 요소들, 구성 요소들 및/또는 이들의 조합이 추가되는 것을 배제하지는 않는다.
본 발명에서, 특정 구성 요소가 임의의 다른 구성 요소에 "결합", "조합", "연결" 되거나, "반응" 하는 것으로 언급된 경우, 특정 구성 요소는 다른 구성 요소에 직접 결합, 조합 및/또는 연결되거나, 반응할 수 있으나, 이에 한정되지 않는다. 예를 들어, 특정 구성 요소와 다른 구성 요소 사이에 하나 이상의 중간 구성 요소가 존재할 수 있다. 또한, 본 발명에서 "및/또는"은 열거된 하나 이상의 항목의 각각 또는 하나 이상의 항목의 적어도 일부의 조합을 포함할 수 있다.
본 발명에서, "제1", "제2" 등의 용어는 특정 구성 요소를 다른 구성 요소와 구별하기 위해 사용되는 것으로, 이러한 용어에 의해 상술된 구성 요소가 제한되진 않는다. 예를 들어, "제1" 구성 요소는 "제2" 구성 요소와 동일하거나 유사한 형태의 요소일 수 있다.
본 발명에서, "사용자 데이터"는 사용자의 건강 상태를 나타내는 임의의 정보로서, 사용자의 신체 데이터, 현재 증상 데이터, 건강검진 데이터, 유전자 검사 데이터 등을 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 사용자 데이터는 운동 능력을 나타내는 피트니스 검사 데이터, 수면에 대한 평가를 나타내는 수면 검사 데이터, 사용자가 착용한 웨어러블 장치를 통해 수집되는 활동 데이터(예: 사용자의 걸음 수, 소모 칼로리 등을 나타내는 데이터), 검색 엔진 및/또는 API 연동을 통해 수집되는 라이프 로그(life log) 데이터, 전문적인 의료기관 및/또는 의료 전문가로부터 획득되는 처방 내역 데이터 등을 더 포함할 수 있다.
본 발명에서, "건강 유형"은 사용자의 신체 유형 및/또는 건강 상태 유형을 카테고리로 구분한 것으로, 예를 들어, 근육형 비만, 마른 비만, 저체중 등의 유형을 포함할 수 있으나, 이에 한정되지 않는다. 일 실시예에 따르면, 사용자는 하나 이상의 건강 유형에 매칭될 수 있다.
본 발명에서, "제품"은 인체의 건강증진 또는 보건 용도에 유용한 영양소 또는 기능 성분을 사용하여 제조 및 가공한 식품으로서, 건강 기능 식품 등을 포함할 수 있다.
도 1은 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)가 사용자 데이터(112)를 이용하여 제품 정보(114)를 결정하는 예시를 나타내는 도면이다. 도시된 것과 같이, 컴퓨팅 장치(100)는 사용자의 건강 상태를 나타내는 사용자 데이터(112)를 획득하여 추천 알고리즘(110)을 기초로 해당 사용자에게 알맞은 제품 정보(114)를 결정할 수 있다.
일 실시예에 따르면, 컴퓨팅 장치(100)는 획득된 사용자 데이터(112)를 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정할 수 있다. 이 경우, 컴퓨팅 장치(100)는 획득된 사용자 데이터(112)를 이용하여 사용자에 대응하는 건강 유형을 결정하고, 결정된 결정 유형에 대응하는 제1 영양 성분 및 제2 영양 성분을 사용자에게 필요한 영양 성분으로 추정할 수 있다. 예를 들어, 사용자의 건강 유형이 A 타입으로 결정된 경우, A 타입에 대응하는 마그네슘, 비타민 A 등이 사용자에게 필요한 영양 성분으로 추정될 수 있다. 다른 예에서, 사용자의 건강 유형이 B 타입으로 결정된 경우, B 타입에 대응하는 비타민 D, 엽산 등이 사용자에게 필요한 영양 성분으로 추정될 수 있다.
일 실시예에 따르면, 컴퓨팅 장치(100)는 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출할 수 있다. 이 경우, 컴퓨팅 장치(100)는 복수의 제품 정보에 포함된 각각의 제품에 대한 스코어를 산출할 수 있다. 그리고 나서, 컴퓨팅 장치(100)는 산출된 스코어들을 이용하여 사용자에게 추천하기 위한 적어도 하나의 제품을 결정할 수 있다. 여기서, 스코어는 제품과 사용자와의 연관성을 나타내는 것으로, 제품에 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분이 높은 함량으로 포함될수록 높게 산출될 수 있다.
일 실시예에 따르면, 사용자에게 필요한 영양 성분으로 추정된 제1 영양 성분 및 제2 영양 성분 등은 상이한 중요도를 가질 수 있다. 즉, 컴퓨팅 장치(100)는 추천 알고리즘(110)을 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하면서, 각 영양 성분의 중요도를 나타내는 값을 함께 산출할 수 있다. 예를 들어, 제1 영양 성분의 중요도는 70으로 산출되고, 제2 영양 성분의 중요도는 20으로 산출될 수 있다. 이 경우, 컴퓨팅 장치(100)는 각 영양 성분의 중요도를 고려하여 사용자에게 추천하기 위한 제품을 결정할 수 있다.
도 1에서는 제1 영양 성분 및 제2 영양 성분의 2개의 영양 성분이 사용자에게 필요한 영양 성분으로 결정된 것으로 상술되었으나, 이에 한정되지 않으며, 3개 이상의 영양 성분이 사용자에게 필요한 영양 성분으로 결정될 수 있다. 이와 같은 구성에 의해, 컴퓨팅 장치(100)는 사용자에게 필요한 영양 성분 및 각 영양 성분의 중요도를 고려하여, 시중에서 판매중인 다양한 제품 중 사용자에게 적합한 최적의 제품을 결정하여 추천할 수 있다.
도 2는 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)의 내부 구성을 나타내는 기능적인 블록도이다. 도시된 바와 같이, 컴퓨팅 장치(100)는 사용자의 건강 상태에 적합한 최적의 제품을 결정하고 추천하기 위한 임의의 장치로서, 데이터 획득부(210), 영양 성분 결정부(220), 스코어 산출부(230), 제품 추천부(240), 섭취량 산출부(250) 등을 포함할 수 있으나, 이에 한정되지 않는다. 컴퓨팅 장치(100)는 다양한 제품에 대한 정보가 저장된 데이터베이스(260)와 통신하며 사용자에게 추천하기 위한 제품을 결정할 수 있다.
일 실시예에 따르면, 데이터 획득부(210)는 사용자의 건강 상태를 나타내는 사용자 데이터를 획득할 수 있다. 예를 들어, 데이터 획득부(210)는 유전자 검사 키트를 이용하여 사용자가 검사한 결과를 기초로 사용자의 유전자 검사 데이터를 획득할 수 있다. 다른 예에서, 데이터 획득부(210)는 사용자의 신체 정보, 현재 증상 및/또는 질병 등을 나타내는 질문지에 대한 답변으로 구성된 문진 데이터 등을 획득할 수 있다. 또 다른 예에서, 데이터 획득부(210)는 사용자의 건강검진 데이터, 의료 데이터 등을 더 획득할 수 있으나, 이에 한정되지 않는다. 이러한 사용자 데이터는 사용자 단말 및/또는 임의의 외부 장치에 의해 획득될 수 있다.
영양 성분 결정부(220)는 사용자 데이터를 기초로 사용자의 건강 유형 및/또는 사용자에게 필요한 영양 성분들을 결정할 수 있다. 예를 들어, 영양 성분 결정부(220)는 건강 유형 및/또는 영양 성분을 결정하기 위해 사전 결정된 알고리즘 및/또는 학습된 기계학습 모델을 이용하여 사용자의 건강 유형 및/또는 사용자에게 필요한 영양 성분들을 결정할 수 있다.
추가적으로, 영양 성분 결정부(220)는 영양 성분 각각의 중요도를 나타내는 기초 스코어, 추천 순위 및 추천 여부에 대한 정보를 결정할 수도 있다. 예를 들어, 사용자의 건강 유형이 A 타입과 B 타입인 것으로 결정되고, 사용자에게 필요한 영양 성분이 마그네슘, 비타민 A, 비타민 D 및 엽산으로 결정되는 경우, 마그네슘, 비타민 A, 비타민 D 및 엽산의 기초 스코어, 추천 순위 및 추천 여부에 대한 정보가 결정될 수 있다.
일 실시예에 따르면, 컴퓨팅 장치(100)는 데이터베이스(260)로부터 결정된 영양 성분들 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출할 수 있다. 즉, 데이터베이스(260)는 각 제품의 성분, 정(tablet) 당 성분 함유량 등에 대한 정보를 포함할 수 있다.
일 실시예에 따르면, 스코어 산출부(230)는 복수의 제품 정보에 포함된 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어를 산출하고, 복수의 제품 정보에 포함된 제2 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제2 제품에 대한 제2 스코어를 산출할 수 있다. 예를 들어, 스코어 산출부(230)는 제1 제품의 제1 스코어를 산출하기 위해, 제1 및 제2 영양 성분의 중요도를 나타내는 제1 및 제2 기초 스코어 및 제1 제품의 제1 및 제2 영양 성분의 함량에 기초하여 제1 및 제2 세부 스코어를 산출할 수 있다. 예를 들어, 세부 스코어는 다음의 수학식 1에 의해 산출될 수 있으나, 이에 한정되지 않는다.
즉, 수학식 1에 의해 제품의 영양 성분의 함량이 높을수록 해당 영양 성분의 세부 스코어는 높게 산출될 수 있다. 또한, 스코어 산출부(230)는 제1 세부 스코어 및 제2 세부 스코어를 이용하여 제1 스코어를 산출할 수 있다. 예를 들어, 제품의 스코어는 다음의 수학식 2에 의해 산출될 수 있으나, 이에 한정되지 않는다.
즉, 수학식 2에 의해 각 영양 성분에 대응하는 세부 스코어를 모두 더한 값이 스코어로 산출될 수 있다.
일 실시예에 따르면, 제품 추천부(240)는 산출된 제1 스코어 및 제2 스코어를 이용하여 사용자에게 추천하기 위한 제품을 결정할 수 있다. 예를 들어, 제품 추천부(240)는 스코어가 사전 결정된 기준 이상인 적어도 하나의 제품을 추천 제품으로 결정할 수 있다. 다른 예에서, 제품 추천부(240)는 스코어가 높은 상위 n개의 제품을 추천 제품으로 결정할 수 있다.
일 실시예에 따르면, 섭취량 산출부(250)는 임의의 제품이 사용자에게 추천하기 위한 제품으로 결정되는 경우, 해당 제품의 하루 섭취 정량(number of tablets)을 산출할 수 있다. 이 경우, 섭취량 산출부(250)는 제1 제품에 포함된 제1 영양 성분의 권장 섭취량 및 제2 영양 성분의 권장 섭취량에 기초하여 제1 제품의 하루 섭취 정량을 산출할 수 있다. 예를 들어, 제1 제품에 포함된 제1 영양 성분의 권장 섭취량이 100mg 이고, 하나의 정의 함유량이 64mg 인 경우, 섭취량 산출부(250)는 제1 제품의 하루 섭취 정량을 2정으로 결정할 수 있다. 즉, 섭취량 산출부(250)는 각 영양 성분의 권장 섭취량 및 함유량을 기초로 권장 섭취량 이상의 영양 성분을 섭취할 수 있도록 제품의 하루 섭취 정량을 결정할 수 있다.
도 2에서는 컴퓨팅 장치(100)에 포함된 각각의 기능적인 구성이 구분되어 상술되었으나, 이는 발명의 이해를 돕기 위한 것일 뿐이며, 하나의 연산 장치에서 둘 이상의 기능을 수행할 수도 있다. 이와 같은 구성에 의해, 컴퓨팅 장치(100)는 사용자의 건강 상태를 개선하기 위한 최적의 제품을 추천하고, 추천 제품의 섭취 정수까지 결정하여 제공함으로써 사용자의 제품 섭취에 대한 편리성이 향상될 수 있다.
도 3은 본 발명의 일 실시예에 따른 사용자 데이터(310)에 기초하여 제품 정보(360)가 추출되는 예시를 나타내는 도면이다. 상술한 바와 같이, 사용자 데이터(310)는 사용자의 건강 상태는 나타내는 것으로, 신체 데이터(성별, 키, 몸무게, 나이 등), 건강검진 데이터, 유전자 검사 데이터 등을 포함할 수 있으나, 이에 한정되지 않는다.
도시된 것과 같이, 사용자 데이터(310)가 획득되는 경우, 이러한 사용자 데이터(310)를 기초로 해당 사용자에게 적합한 제1 영양 성분(320) 및 제2 영양 성분(340)이 결정될 수 있다. 예를 들어, 영양 성분들은 사용자 데이터(310)를 기초로 영양 성분을 추출하도록 학습된 임의의 기계학습 모델에 의해 추출될 수 있으나, 이에 한정되지 않는다. 추가적으로, 사용자 데이터(310)를 기초로 해당 사용자에 대응하는 적어도 하나의 건강 유형이 결정되고, 각각의 건강 유형과 매칭된 영양 성분들이 해당 사용자에게 필요한 영양 성분으로 결정될 수도 있다. 이 경우, 건강 유형은 사용자 데이터(310)를 기초로 건강 유형을 결정하도록 학습된 임의의 기계학습 모델에 의해 결정될 수 있으나, 이에 한정되지 않는다.
일 실시예에 따르면, 제1 영양 성분(320) 및 제2 영양 성분(340)과 함께 각 영양 성분의 기초 스코어가 함께 결정될 수 있다. 여기서, 기초 스코어는 해당 사용자에게 더 큰 중요도를 갖거나 우선순위가 높은 영양 성분일수록 더 큰 값을 가질 수 있다. 즉, 제1 영양 성분(320) 및 제2 영양 성분(340)이 사용자에게 필요한 영양 성분으로 결정되는 경우, 사용자의 건강과 관련하여 더 큰 중요도를 갖는 제1 영양 성분(320)의 제1 기초 스코어(330)는 70으로 결정되고, 더 작은 중요도를 갖는 제2 영양 성분(340)의 제2 기초 스코어(350)는 20으로 결정될 수 있다.
일 실시예에 따르면, 상술된 기초 스코어를 기초로 제품에 대한 스코어가 산출될 수 있다. 즉, 제1 기초 스코어(330), 제2 기초 스코어(350) 및 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어가 산출될 수 있다. 예를 들어, 제1 기초 스코어(330) 및 제1 제품의 제1 영양 성분의 함량에 기초하여 제1 세부 스코어가 산출되고, 제1 기초 스코어(330) 및 제1 제품의 제2 영양 성분의 함량에 기초하여 제2 세부 스코어가 산출될 수 있다. 그리고 나서, 제1 세부 스코어 및 제2 세부 스코어를 이용하여 제1 스코어가 산출될 수 있다. 이 경우, 제2 제품의 제2 스코어는 상술된 제1 스코어 산출 방식과 동일한 방식으로 산출될 수 있다.
일 실시예에 따르면, 이와 같이 산출된 각각의 제품의 스코어들을 이용하여 사용자에게 추천하기 위한 제품이 결정되고, 결정된 제품 정보(360)가 사용자에게 제공될 수 있다. 도 3에서는 사용자에게 필요한 영양 성분으로 2개의 영양 성분이 추출되는 것으로 상술되었으나, 이에 한정되지 않으며, 3개 이상의 영양 성분이 사용자에게 필요한 영양 성분으로 추출될 수도 있다. 또한, 도 3에서는 2개의 제품의 스코어가 산출되는 것으로 상술되었으나, 이에 한정되지 않으며, 3개 이상의 제품의 스코어가 산출되고 제품 추천이 수행될 수도 있다.
도 4는 본 발명의 일 실시예에 따른 사용자의 성향 데이터(420)를 추가로 이용하여 제품 정보(430)가 추출되는 예시를 나타내는 도면이다. 상술한 바와 같이, 사용자 데이터(410)를 이용하여 사용자의 건강 상태를 개선하기 위한 제품 정보(430)가 추출될 수 있다. 이 경우, 사용자의 성향 데이터(420)를 추가로 이용하여 사용자의 성향 및/또는 취향을 반영한 제품 정보(430)가 추출될 수 있다.
일 실시예에 따르면, 성향 데이터(420)는 사용자의 제품에 대한 성향 및/또는 취향을 나타내는 임의의 정보로서, 예를 들어, 해당 제품이 저탄고지 제품인지 여부, 채식 주의자에게 적합한 제품인지 여부, 유기농 제품인지 여부, 비유전자 변경 제품인지 여부, 환경 및 동물 보호 제품인지 여부 등에 대한 정보를 포함할 수 있다. 즉, 사용자 데이터(410) 및 성향 데이터(420)를 모두 반영한 복수의 제품 중에서 적어도 하나의 제품이 추천 제품으로 결정될 수 있다.
일 실시예에 따르면, 컴퓨팅 장치(도 1의 100)는 사용자 데이터(410) 및 사용자의 성향 데이터(420)를 획득하고, 획득된 사용자 데이터(410)를 이용하여 사용자에게 필요한 영양 성분들을 추정할 수 있다. 그리고 나서, 컴퓨팅 장치는 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출할 수 있다. 이 경우, 컴퓨팅 장치는 성향 데이터(420)를 이용하여 추출된 복수의 제품 정보를 필터링할 수 있다. 또한, 컴퓨팅 장치는 필터링된 복수의 제품 정보에 포함된 각각의 제품에 대한 스코어를 산출하여 사용자에게 추천하기 위한 적어도 하나의 제품을 결정할 수 있다.
이와 같은 구성에 의해, 컴퓨팅 장치는 사용자에게 필요한 영양 성분을 포함할 뿐만 아니라 사용자의 세부적인 성향까지 반영한 추천 제품을 결정하여 사용자에게 제공할 수 있다.
도 5는 본 발명의 일 실시예에 따른 인공신경망 모델(500)을 나타내는 예시도이다. 인공신경망 모델(500)은, 기계학습 모델의 일 예로서, 기계 학습(machine learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조이다.
일 실시예에 따르면, 인공신경망 모델(500)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 기계학습 모델을 나타낼 수 있다. 예를 들어, 인공신경망 모델(500)은 기계 학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.
인공신경망 모델(500)은 다층의 노드들과 이들 사이의 연결로 구성된 다층 퍼셉트론(multilayer perceptron, MLP)으로 구현된다. 본 실시예에 따른 인공신경망 모델(500)은 MLP를 포함하는 다양한 인공신경망 모델 구조들 중의 하나를 이용하여 구현될 수 있다. 도 5에 도시된 바와 같이, 인공신경망 모델(500)은, 외부로부터 입력 신호 또는 데이터(510)를 수신하는 입력층(520), 입력 데이터에 대응한 출력 신호 또는 데이터(550)를 출력하는 출력층(540), 입력층(520)과 출력층(540) 사이에 위치하며 입력층(520)으로부터 신호를 받아 특성을 추출하여 출력층(540)으로 전달하는 n개(여기서, n은 양의 정수)의 은닉층(530_1 내지 530_n)으로 구성된다. 여기서, 출력층(540)은 은닉층(530_1 내지 530_n)으로부터 신호를 받아 외부로 출력한다.
인공신경망 모델(500)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 일 실시예에 따르면, 인공신경망 모델(500)의 입력변수는, 건강검진 데이터, 유전자 검사 데이터, 문진 데이터 등의 사용자 데이터를 포함할 수 있다. 이와 같이 상술된 입력변수가 입력층(520)을 통해 입력되는 경우, 인공신경망 모델(500)의 출력층(540)에서 출력되는 출력변수는 사용자의 건강 상태에 적합한 영양 성분 등이 될 수 있다.
이와 같이, 인공신경망 모델(500)의 입력층(520)과 출력층(540)에 복수의 입력변수와 대응되는 복수의 출력변수가 각각 매칭되고, 입력층(520), 은닉층(530_1 내지 530_n) 및 출력층(540)에 포함된 노드들 사이의 시냅스 값이 조정됨으로써, 특정 입력에 대응한 올바른 출력이 추출될 수 있도록 학습될 수 있다. 이러한 학습 과정을 통해, 인공신경망 모델(500)의 입력변수에 숨겨져 있는 특성을 파악할 수 있고, 입력변수에 기초하여 계산된 출력변수와 목표 출력 간의 오차가 줄어들도록 인공신경망 모델(500)의 노드들 사이의 시냅스 값(또는 가중치)를 조정할 수 있다.
일 실시예에 따르면, 인공신경망 모델(500)을 이용하여 사용자에게 필요한 영양 성분 및/또는 건강 유형이 결정될 수 있다. 즉, 인공신경망 모델(500)은 사용자의 건강 상태를 나타내는 사용자 데이터를 획득하고, 획득된 사용자 데이터를 이용하여 사용자에게 필요한 영양 성분들을 추정할 수 있다. 추가적으로, 인공신경망 모델(500)은 각각의 영양 성분의 중요도를 나타내는 기초 스코어를 영양 성분과 함께 추정할 수도 있다.
도 6은 본 발명의 일 실시예에 따른 제품 추천 방법(600)의 예시를 나타내는 도면이다. 제품 추천 방법(600)은 적어도 하나의 프로세서(예: 컴퓨팅 장치의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 제품 추천 방법(600)은 프로세서가 사용자의 건강 상태를 나타내는 사용자 데이터를 획득함으로써 개시될 수 있다(S610). 예를 들어, 프로세서는 사용자의 유전자 검사 결과 데이터를 포함하는 사용자 데이터를 획득할 수 있다.
프로세서는 획득된 사용자 데이터를 이용하여 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정할 수 있다(S620). 영양 성분을 추정하는 경우, 프로세서는 획득된 사용자 데이터를 이용하여 제1 영양 성분의 중요도를 나타내는 제1 기초 스코어 및 제2 영양 성분의 중요도를 나타내는 제2 기초 스코어를 함께 산출할 수 있다. 추가적으로 또는 대안적으로, 프로세서는 획득된 사용자 데이터를 이용하여 사용자에 대응하는 건강 유형을 결정하고, 결정된 결정 유형에 대응하는 제1 영양 성분 및 제2 영양 성분을 사용자에게 필요한 영양 성분으로 추정할 수 있다.
프로세서는 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출할 수 있다(S630). 이 경우, 프로세서는 복수의 제품 정보에 포함된 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어를 산출할 수 있다(S640). 또한, 프로세서는 복수의 제품 정보에 포함된 제2 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제2 제품에 대한 제2 스코어를 산출할 수 있다(S650). 예를 들어, 프로세서는 제1 기초 스코어, 제2 기초 스코어 및 제1 제품의 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 제1 제품에 대한 제1 스코어를 산출할 수 있다. 이 경우, 프로세서는 제1 기초 스코어 및 제1 제품의 제1 영양 성분의 함량에 기초하여 제1 세부 스코어를 산출하고, 제1 기초 스코어 및 제1 제품의 제2 영양 성분의 함량에 기초하여 제2 세부 스코어를 산출하고, 제1 세부 스코어 및 제2 세부 스코어를 이용하여 제1 스코어를 산출할 수 있다.
프로세서는 산출된 제1 스코어 및 제2 스코어를 이용하여 사용자에게 추천하기 위한 제품을 결정할 수 있다(S660). 또한, 프로세서는 제1 제품이 사용자에게 추천하기 위한 제품으로 결정되는 경우, 제1 제품의 하루 섭취 정량을 산출할 수 있다. 예를 들어, 프로세서는 제1 제품에 포함된 제1 영양 성분의 권장 섭취량 및 제2 영양 성분의 권장 섭취량에 기초하여 제1 제품의 하루 섭취 정량을 산출할 수 있다.
도 7은 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)의 내부 구성을 나타내는 블록도이다. 컴퓨팅 장치(100)는 메모리(710), 프로세서(720), 통신 모듈(730) 및 입출력 인터페이스(740)를 포함할 수 있으며, 도 7에 도시된 바와 같이, 컴퓨팅 장치(100)는 통신 모듈(730)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다.
메모리(710)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(710)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 컴퓨팅 장치(100)에 포함될 수 있다. 또한, 메모리(710)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(710)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 이러한 컴퓨팅 장치(100)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(730)을 통해 메모리(710)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(730)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(710)에 로딩될 수 있다.
프로세서(720)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(710) 또는 통신 모듈(730)에 의해 다른 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다.
통신 모듈(730)은 네트워크를 통해 사용자 단말(미도시)과 컴퓨팅 장치(100)가 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 컴퓨팅 장치(100)가 외부 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 컴퓨팅 장치(100)의 프로세서(720)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(730)과 네트워크를 거쳐 사용자 단말 및/또는 외부 시스템의 통신 모듈을 통해 사용자 단말 및/또는 외부 시스템으로 전송될 수 있다.
또한, 컴퓨팅 장치(100)의 입출력 인터페이스(740)는 컴퓨팅 장치(100)와 연결되거나 컴퓨팅 장치(100)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 7에서는 입출력 인터페이스(740)가 프로세서(720)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(740)가 프로세서(720)에 포함되도록 구성될 수 있다. 컴퓨팅 장치(100)는 도 7의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.
컴퓨팅 장치(100)의 프로세서(720)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다.
상술된 방법 및/또는 다양한 실시예들은, 디지털 전자 회로, 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합으로 실현될 수 있다. 본 발명의 다양한 실시예들은 데이터 처리 장치, 예를 들어, 프로그래밍 가능한 하나 이상의 프로세서 및/또는 하나 이상의 컴퓨팅 장치에 의해 실행되거나, 컴퓨터 판독 가능한 기록 매체 및/또는 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다. 상술된 컴퓨터 프로그램은 컴파일된 언어 또는 해석된 언어를 포함하여 임의의 형태의 프로그래밍 언어로 작성될 수 있으며, 독립 실행형 프로그램, 모듈, 서브 루틴 등의 임의의 형태로 배포될 수 있다. 컴퓨터 프로그램은 하나의 컴퓨팅 장치, 동일한 네트워크를 통해 연결된 복수의 컴퓨팅 장치 및/또는 복수의 상이한 네트워크를 통해 연결되도록 분산된 복수의 컴퓨팅 장치를 통해 배포될 수 있다.
상술된 방법 및/또는 다양한 실시예들은, 입력 데이터를 기초로 동작하거나 출력 데이터를 생성함으로써, 임의의 기능, 함수 등을 처리, 저장 및/또는 관리하는 하나 이상의 컴퓨터 프로그램을 실행하도록 구성된 하나 이상의 프로세서에 의해 수행될 수 있다. 예를 들어, 본 발명의 방법 및/또는 다양한 실시예는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 특수 목적 논리 회로에 의해 수행될 수 있으며, 본 발명의 방법 및/또는 실시예들을 수행하기 위한 장치 및/또는 시스템은 FPGA 또는 ASIC와 같은 특수 목적 논리 회로로서 구현될 수 있다.
컴퓨터 프로그램을 실행하는 하나 이상의 프로세서는, 범용 목적 또는 특수 목적의 마이크로 프로세서 및/또는 임의의 종류의 디지털 컴퓨팅 장치의 하나 이상의 프로세서를 포함할 수 있다. 프로세서는 읽기 전용 메모리, 랜덤 액세스 메모리의 각각으로부터 명령 및/또는 데이터를 수신하거나, 읽기 전용 메모리와 랜덤 액세스 메모리로부터 명령 및/또는 데이터를 수신할 수 있다. 본 발명에서, 방법 및/또는 실시예들을 수행하는 컴퓨팅 장치의 구성 요소들은 명령어들을 실행하기 위한 하나 이상의 프로세서, 명령어들 및/또는 데이터를 저장하기 위한 하나 이상의 메모리 디바이스를 포함할 수 있다.
일 실시예에 따르면, 컴퓨팅 장치는 데이터를 저장하기 위한 하나 이상의 대용량 저장 장치와 데이터를 주고받을 수 있다. 예를 들어, 컴퓨팅 장치는 자기 디스크(magnetic disc) 또는 광 디스크(optical disc)로부터 데이터를 수신하거나/수신하고, 자기 디스크 또는 광 디스크로 데이터를 전송할 수 있다. 컴퓨터 프로그램과 연관된 명령어들 및/또는 데이터를 저장하기에 적합한 컴퓨터 판독 가능한 저장 매체는, EPROM(Erasable Programmable Read-Only Memory), EEPROM(Electrically Erasable PROM), 플래시 메모리 장치 등의 반도체 메모리 장치를 포함하는 임의의 형태의 비 휘발성 메모리를 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 컴퓨터 판독 가능한 저장 매체는 내부 하드 디스크 또는 이동식 디스크와 같은 자기 디스크, 광 자기 디스크, CD-ROM 및 DVD-ROM 디스크를 포함할 수 있다.
사용자와의 상호 작용을 제공하기 위해, 컴퓨팅 장치는 정보를 사용자에게 제공하거나 디스플레이하기 위한 디스플레이 장치(예를 들어, CRT (Cathode Ray Tube), LCD(Liquid Crystal Display) 등) 및 사용자가 컴퓨팅 장치 상에 입력 및/또는 명령 등을 제공할 수 있는 포인팅 장치(예를 들어, 키보드, 마우스, 트랙볼 등)를 포함할 수 있으나, 이에 한정되지 않는다. 즉, 컴퓨팅 장치는 사용자와의 상호 작용을 제공하기 위한 임의의 다른 종류의 장치들을 더 포함할 수 있다. 예를 들어, 컴퓨팅 장치는 사용자와의 상호 작용을 위해, 시각적 피드백, 청각 피드백 및/또는 촉각 피드백 등을 포함하는 임의의 형태의 감각 피드백을 사용자에게 제공할 수 있다. 이에 대해, 사용자는 시각, 음성, 동작 등의 다양한 제스처를 통해 컴퓨팅 장치로 입력을 제공할 수 있다.
본 발명에서, 다양한 실시예들은 백엔드 구성 요소(예: 데이터 서버), 미들웨어 구성 요소(예: 애플리케이션 서버) 및/또는 프론트 엔드 구성 요소를 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 이 경우, 구성 요소들은 통신 네트워크와 같은 디지털 데이터 통신의 임의의 형태 또는 매체에 의해 상호 연결될 수 있다. 예를 들어, 통신 네트워크는 LAN(Local Area Network), WAN(Wide Area Network) 등을 포함할 수 있다.
본 명세서에서 기술된 예시적인 실시예들에 기반한 컴퓨팅 장치는, 사용자 디바이스, 사용자 인터페이스(UI) 디바이스, 사용자 단말 또는 클라이언트 디바이스를 포함하여 사용자와 상호 작용하도록 구성된 하드웨어 및/또는 소프트웨어를 사용하여 구현될 수 있다. 예를 들어, 컴퓨팅 장치는 랩톱(laptop) 컴퓨터와 같은 휴대용 컴퓨팅 장치를 포함할 수 있다. 추가적으로 또는 대안적으로, 컴퓨팅 장치는, PDA(Personal Digital Assistants), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등을 포함할 수 있으나, 이에 한정되지 않는다. 컴퓨팅 장치는 사용자와 상호 작용하도록 구성된 다른 유형의 장치를 더 포함할 수 있다. 또한, 컴퓨팅 장치는 이동 통신 네트워크 등의 네트워크를 통한 무선 통신에 적합한 휴대용 통신 디바이스(예를 들어, 이동 전화, 스마트 전화, 무선 셀룰러 전화 등) 등을 포함할 수 있다. 컴퓨팅 장치는, 무선 주파수(RF; Radio Frequency), 마이크로파 주파수(MWF; Microwave Frequency) 및/또는 적외선 주파수(IRF; Infrared Ray Frequency)와 같은 무선 통신 기술들 및/또는 프로토콜들을 사용하여 네트워크 서버와 무선으로 통신하도록 구성될 수 있다.
본 발명에서 특정 구조적 및 기능적 세부 사항을 포함하는 다양한 실시예들은 예시적인 것이다. 따라서, 본 발명의 실시예들은 상술된 것으로 한정되지 않으며, 여러 가지 다른 형태로 구현될 수 있다. 또한, 본 발명에서 사용된 용어는 일부 실시예를 설명하기 위한 것이며 실시예를 제한하는 것으로 해석되지 않는다. 예를 들어, 단수형 단어 및 상기는 문맥상 달리 명확하게 나타내지 않는 한 복수형도 포함하는 것으로 해석될 수 있다.
본 발명에서, 달리 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함하여 본 명세서에서 사용되는 모든 용어는 이러한 개념이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 또한, 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 맥락에서의 의미와 일치하는 의미를 갖는 것으로 해석되어야 한다.
본 명세서에서는 본 발명이 일부 실시예들과 관련하여 설명되었지만, 본 발명의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 발명의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
100: 컴퓨팅 장치
110: 추천 알고리즘
112: 사용자 데이터
114: 제품 정보
110: 추천 알고리즘
112: 사용자 데이터
114: 제품 정보
Claims (10)
- 적어도 하나의 프로세서에 의해 수행되는 제품 추천 방법으로서,
사용자의 건강 상태를 나타내는 사용자 데이터를 획득하는 단계;
상기 획득된 사용자 데이터를 이용하여 상기 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하는 단계;
상기 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출하는 단계;
상기 복수의 제품 정보에 포함된 제1 제품의 상기 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 상기 제1 제품에 대한 제1 스코어를 산출하는 단계;
상기 복수의 제품 정보에 포함된 제2 제품의 상기 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 상기 제2 제품에 대한 제2 스코어를 산출하는 단계; 및
상기 산출된 제1 스코어 및 제2 스코어를 이용하여 상기 사용자에게 추천하기 위한 제품을 결정하는 단계;
를 포함하고,
상기 획득된 사용자 데이터를 이용하여 상기 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하는 단계는,
상기 획득된 사용자 데이터를 이용하여 상기 제1 영양 성분의 중요도를 나타내는 제1 기초 스코어 및 상기 제2 영양 성분의 중요도를 나타내는 제2 기초 스코어를 산출하는 단계;
를 포함하고,
상기 제1 제품에 대한 제1 스코어를 산출하는 단계는,
상기 제1 기초 스코어, 상기 제2 기초 스코어 및 상기 제1 제품의 상기 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 상기 제1 제품에 대한 제1 스코어를 산출하는 단계;
를 포함하고,
상기 제1 제품에 대한 제1 스코어를 산출하는 단계는,
상기 제1 기초 스코어 및 권장섭취량 대비 상기 제1 제품의 상기 제1 영양 성분의 함량에 기초하여 제1 세부 스코어를 산출하는 단계;
상기 제1 기초 스코어 및 권장섭취량 대비 상기 제1 제품의 상기 제2 영양 성분의 함량에 기초하여 제2 세부 스코어를 산출하는 단계; 및
상기 제1 세부 스코어 및 제2 세부 스코어를 이용하여 상기 제1 스코어를 산출하는 단계;
를 포함하는 제품 추천 방법.
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 획득된 사용자 데이터를 이용하여 상기 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하는 단계는,
상기 획득된 사용자 데이터를 이용하여 상기 사용자에 대응하는 건강 유형을 결정하는 단계; 및
상기 결정된 결정 유형에 대응하는 제1 영양 성분 및 제2 영양 성분을 상기 사용자에게 필요한 영양 성분으로 추정하는 단계;
를 포함하는 제품 추천 방법.
- 제1항에 있어서,
상기 사용자의 건강 상태를 나타내는 사용자 데이터를 획득하는 단계는,
상기 사용자의 유전자 검사 결과 데이터를 포함하는 사용자 데이터를 획득하는 단계;
를 포함하는 제품 추천 방법.
- 제1항에 있어서,
상기 제1 제품이 상기 사용자에게 추천하기 위한 제품으로 결정되는 경우, 상기 제1 제품의 하루 섭취 정량(number of tablets)을 산출하는 단계;
를 더 포함하는 제품 추천 방법.
- 제7항에 있어서,
상기 제1 제품의 하루 섭취 정량을 산출하는 단계는,
상기 제1 제품에 포함된 상기 제1 영양 성분의 권장 섭취량 및 상기 제2 영양 성분의 권장 섭취량에 기초하여 상기 제1 제품의 하루 섭취 정량을 산출하는 단계;
를 포함하는 제품 추천 방법.
- 제1항 및 제5항 내지 제8항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
- 컴퓨팅 장치로서,
통신 모듈;
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로그램은,
사용자의 건강 상태를 나타내는 사용자 데이터를 획득하고,
상기 획득된 사용자 데이터를 이용하여 상기 사용자에게 필요한 제1 영양 성분 및 제2 영양 성분을 추정하고,
상기 추정된 제1 영양 성분 및 제2 영양 성분 중 적어도 하나의 영양 성분을 포함하는 복수의 제품 정보를 추출하고,
상기 복수의 제품 정보에 포함된 제1 제품의 상기 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 상기 제1 제품에 대한 제1 스코어를 산출하고,
상기 복수의 제품 정보에 포함된 제2 제품의 상기 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 상기 제2 제품에 대한 제2 스코어를 산출하고,
상기 산출된 제1 스코어 및 제2 스코어를 이용하여 상기 사용자에게 추천하기 위한 제품을 결정하고,
상기 획득된 사용자 데이터를 이용하여 상기 제1 영양 성분의 중요도를 나타내는 제1 기초 스코어 및 상기 제2 영양 성분의 중요도를 나타내는 제2 기초 스코어를 산출하고,
상기 제1 기초 스코어, 상기 제2 기초 스코어 및 상기 제1 제품의 상기 제1 영양 성분 및 제2 영양 성분의 함량에 기초하여 상기 제1 제품에 대한 제1 스코어를 산출하고,
상기 제1 기초 스코어 및 권장섭취량 대비 상기 제1 제품의 상기 제1 영양 성분의 함량에 기초하여 제1 세부 스코어를 산출하고,
상기 제1 기초 스코어 및 권장섭취량 대비 상기 제1 제품의 상기 제2 영양 성분의 함량에 기초하여 제2 세부 스코어를 산출하고,
상기 제1 세부 스코어 및 제2 세부 스코어를 이용하여 상기 제1 스코어를 산출하기 위한 명령어들을 포함하는 컴퓨팅 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220144359A KR102631340B1 (ko) | 2022-11-02 | 2022-11-02 | 제품 추천 방법 및 장치 |
| PCT/KR2023/016954 WO2024096464A1 (ko) | 2022-11-02 | 2023-10-30 | 제품 추천 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220144359A KR102631340B1 (ko) | 2022-11-02 | 2022-11-02 | 제품 추천 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102631340B1 true KR102631340B1 (ko) | 2024-01-29 |
Family
ID=89716778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220144359A KR102631340B1 (ko) | 2022-11-02 | 2022-11-02 | 제품 추천 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102631340B1 (ko) |
| WO (1) | WO2024096464A1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160063499A (ko) * | 2014-11-26 | 2016-06-07 | 한국식품연구원 | 개인형질 맞춤형 식이성분 정보 제공을 위한 식품평가 시스템 및 방법 |
| KR20210018619A (ko) * | 2019-08-07 | 2021-02-18 | 왓비타 주식회사 | 개인화된 영양소 추천 방법 및 서버 |
| KR102405675B1 (ko) * | 2022-02-24 | 2022-06-08 | 주식회사 필라이즈 | 인공지능 기반의 맞춤형 건강기능식품 상태 및 복용 정보를 제공하는 방법, 장치 및 시스템 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102302606B1 (ko) * | 2020-01-09 | 2021-09-14 | 최병철 | 식품 영양성분 자동 산출 장치 및 방법 |
| KR102455100B1 (ko) * | 2022-04-27 | 2022-10-14 | 주식회사 엔라이즈 | 인공지능 기반 사용자 맞춤형 건강기능식품 추천 플랫폼 서비스 제공 방법 |
-
2022
- 2022-11-02 KR KR1020220144359A patent/KR102631340B1/ko active IP Right Grant
-
2023
- 2023-10-30 WO PCT/KR2023/016954 patent/WO2024096464A1/ko unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160063499A (ko) * | 2014-11-26 | 2016-06-07 | 한국식품연구원 | 개인형질 맞춤형 식이성분 정보 제공을 위한 식품평가 시스템 및 방법 |
| KR20210018619A (ko) * | 2019-08-07 | 2021-02-18 | 왓비타 주식회사 | 개인화된 영양소 추천 방법 및 서버 |
| KR102405675B1 (ko) * | 2022-02-24 | 2022-06-08 | 주식회사 필라이즈 | 인공지능 기반의 맞춤형 건강기능식품 상태 및 복용 정보를 제공하는 방법, 장치 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024096464A1 (ko) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200321116A1 (en) | Methods and systems for generating an alimentary instruction set identifying an individual prognostic mitigation plan | |
| US20210391081A1 (en) | Predictive guidance systems for personalized health and self-care, and associated methods | |
| US8714983B2 (en) | Multi-player role-playing lifestyle-rewarded health game | |
| Oyebode et al. | Machine learning techniques in adaptive and personalized systems for health and wellness | |
| US20220367031A1 (en) | Health monitoring and coaching system | |
| US11322255B2 (en) | Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance | |
| CN104303185A (zh) | 用于营养物摄取量的用户特定调节的系统和方法 | |
| US20210074403A1 (en) | Methods and systems for optimizing dietary levels utilizing artificial intelligence | |
| US11315684B2 (en) | Systems and methods for generating alimentary instruction sets based on vibrant constitutional guidance | |
| US11205140B2 (en) | Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance | |
| US20220167929A1 (en) | Methods and systems for determining the physical status of a subject | |
| WO2010009278A2 (en) | Interactive system for preparing personalized wellness plans | |
| US20220198338A1 (en) | Method for and system for predicting alimentary element ordering based on biological extraction | |
| US20220277831A1 (en) | System and method for generating an addiction nourishment program | |
| US20240104340A1 (en) | Apparatus for enhancing longevity and a method for its use | |
| US20230255556A1 (en) | Biosensors and food logger systems for personalized health and self-care | |
| US20230223132A1 (en) | Methods and systems for nutritional recommendation using artificial intelligence analysis of immune impacts | |
| Roy et al. | OBESEYE: Interpretable Diet Recommender for Obesity Management using Machine Learning and Explainable AI | |
| KR102631340B1 (ko) | 제품 추천 방법 및 장치 | |
| US20220054091A1 (en) | Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance | |
| CN117941007A (zh) | 用于前驱糖尿病的数字和个性化风险监测和营养计划系统 | |
| US11887720B1 (en) | Apparatus and method for using a feedback loop to optimize meals | |
| US20240055096A1 (en) | Method and apparatus for generating a circuit protocol for instituting a desired body mass index | |
| US20240087719A1 (en) | Methods and systems for calculating an edible score in a display interface | |
| US20240363224A1 (en) | Methods and systems for calculating an edible score in a display interface |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |