KR102639379B1 - 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 - Google Patents
인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102639379B1 KR102639379B1 KR1020230120304A KR20230120304A KR102639379B1 KR 102639379 B1 KR102639379 B1 KR 102639379B1 KR 1020230120304 A KR1020230120304 A KR 1020230120304A KR 20230120304 A KR20230120304 A KR 20230120304A KR 102639379 B1 KR102639379 B1 KR 102639379B1
- Authority
- KR
- South Korea
- Prior art keywords
- server
- user terminal
- golf
- pro
- golf pro
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 230000003203 everyday effect Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 description 24
- 230000015654 memory Effects 0.000 description 19
- 238000012549 training Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 210000004027 cell Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 3
- REQCZEXYDRLIBE-UHFFFAOYSA-N procainamide Chemical compound CCN(CC)CCNC(=O)C1=CC=C(N)C=C1 REQCZEXYDRLIBE-UHFFFAOYSA-N 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012508 change request Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Library & Information Science (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템이 개시된다. 본 발명의 실시예에 따른 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법은, 사용자 단말로부터 골프 프로 매칭 요청을 수신하고, 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하며, 사용자 단말로부터 옵션 선택 요청을 수신하고, 옵션 선택 요청에 따라서 제1 내지 제4 옵션 중 어느 하나의 옵션에 따라 생성된 추천 골프 프로 정보를 사용자 단말로 송신하고, 골프 프로 추천 정보에 따른 승인 요청을 수신하며, 승인 요청에 대응하는 프로 단말로 매칭 요청을 송신하며, 매칭 요청에 따른 승인 요청을 수신하고, 사용자 단말로 매칭 완료 정보를 송신한다.
Description
아래 실시예들은 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템에 관한 것이다.
실시예들과 관련된 배경기술로, 대한민국 등록특허공보 KR 10-2540147 B1은 빅데이터를 활용한 AI 골프 여행 서비스 시스템을 개시한다. 구체적으로, 선행문헌은 서비스를 이용하고자 하는 사용자에게 골퍼 네임 레코드를 부여하고, 이를 기반으로 골프 여행 서비스를 제공하는데 있어서 필요한 전반적인 데이터 프로세스를 처리하는 구성을 개시한다.
이를 통해, 선행문헌은 빅데이터를 구축하고, 빅데이터의 수집 및 가공 뿐만 아니라, 그 빅데이터를 유통함으로써, 기존에 없던 새로운 형태의 서비스를 제공할 수 있는 효과가 있다.
또한, 대한민국 등록특허공보 KR 10-1348347 B1은 골프 용품 거래 서비스 제공 서버를 개시한다. 구체적으로, 선행문헌은 회원으로 가입된 사용자들의 단말로부터 사용자가 보유하고 있는 골프 용품에 관한 정보를 수신 시, 수신한 골프 용품에 관한 정보를 사용자 데이터베이스에 사용자별로 구분하여 저장하는 사용자 정보 관리부, 사용자 데이터베이스에 저장된 골프 용품에 관한 정보에 대한 검색 요청 입력이 가능한 인터페이스로서 제1 인터페이스를 제1 사용자 단말에 제공하고, 제1 사용자 단말로부터 골프 용품의 식별 정보를 포함하는 검색 요청 입력을 수신 시, 검색 요청 입력에 포함된 골프 용품의 식별 정보에 매칭되는 적어도 하나의 골프 용품에 관한 정보를 사용자 데이터베이스로부터 추출하여 제1 사용자 단말에 전송한 뒤, 제1 사용자 단말로부터 적어도 하나의 골프 용품 중 어느 한 골프 용품에 대한 거래 요청 신호를 수신 시 골프 용품을 보유한 것으로 판단되는 사용자의 단말인 제2 사용자 단말에 골프 용품에 대한 거래 요청 신호를 전송하는 제1 인터페이스 관리부와, 제2 사용자 단말로부터 골프 용품에 대한 거래 요청 신호에 대한 승인 신호를 수신 시, 골프 용품의 거래를 위한 데이터의 입출력이 가능한 인터페이스로서 제2 인터페이스를 제1 사용자 단말과 제2 사용자 단말에 제공하여 골프 용품을 거래를 중개하는 제2 인터페이스 제공부를 포함하는 구성을 개시한다.
이를 통해, 선행문헌은 다른 사용자가 보유한 골프 용품에 관한 정보를 간편하게 검색하고 이 중에서 구매를 원하는 골프 용품이 검색되는 경우 해당 골프 용품을 보유한 사용자에게 E-mail 등의 간편한 방식을 통해 능동적으로 골프 용품에 대한 거래를 제안할 수 있는 효과가 있다.
그러나 선행문헌들은 사용자 단말로부터 골프 프로 매칭 요청을 수신하고, 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 중심으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하며, 사용자 단말로부터 옵션 선택 요청을 수신하고, 옵션 선택 요청에 따라서 제1 내지 제4 옵션 중 어느 하나의 옵션에 따라 추천 골프 프로 정보를 사용자 단말로 송신하고, 골프 프로 추천 정보에 따른 승인 요청을 수신하며, 승인 요청에 대응하는 프로 단말로 매칭 요청을 송신하고, 매칭 요청에 따른 승인 요청을 수신하며, 사용자 단말로 매칭 완료 정보를 송신하는 골프 프로 매칭 플랫폼 서비스 제공 방법 및 시스템을 개시하지 않는다.
실시예들은 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법을 제공하고자 한다.
실시예들은 골프 프로별 능력치와 사용자의 골프 프로 매칭 요청에 따른 수치화 데이터를 이용하여 매칭율을 제공하는 방법을 제공하고자 한다.
실시예들은 사용자 단말로 입력 페이지를 송신하고, 사용자 단말로부터 입력 데이터를 수신하는 방법을 제공하고자 한다.
본 발명의 실시예에 따른 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법은, 사용자 단말로부터 골프 프로 매칭 요청을 수신하는 단계; 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계; 상기 사용자 단말로부터 옵션 선택 요청을 수신하는 단계; 상기 옵션 선택 요청에 따라서 상기 제1 내지 제4 옵션 중 어느 하나의 옵션에 따라 생성된 추천 골프 프로 정보를 상기 사용자 단말로 송신하는 단계; 상기 골프 프로 추천 정보에 따른 승인 요청을 수신하는 단계; 상기 승인 요청에 대응하는 프로 단말로 매칭 요청을 송신하는 단계; 상기 매칭 요청에 따른 승인 요청을 수신하는 단계; 및 상기 사용자 단말로 매칭 완료 정보를 송신하는 단계를 포함할 수 있다.
일 실시예로서, 상기 제4 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는, 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수 중 적어도 하나의 항목을 포함하는 골프 프로별 능력치를 추출하는 단계; 상기 골프 프로 매칭 요청과 상기 골프 프로별 능력치와의 매칭율을 산출하는 단계; 상기 매칭율을 수치화된 데이터로 디스플레이하도록 제어하는 단계; 및 골프 프로별 능력치와 상기 골프 프로 매칭 요청에 따른 수치화 데이터를 도표 형태로 동시에 디스플레이하도록 제어하는 단계를 포함할 수 있다.
일 실시예로서, 상기 제1 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는, 상기 사용자 단말로 입력 페이지를 송신하고, 상기 사용자 단말로부터 입력 데이터를 수신하되, 상기 입력 페이지는: 상기 골프 프로의 프로필 사진을 제1 레이어에 디스플레이하는 단계; 상기 사진의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 상기 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계; 상기 제1 그리드에 중첩되는 투명색의 제2 그리드를 상기 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계; 상기 제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 상기 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계; 다수개의 상기 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계; 상기 제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계; 상기 제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계; 상기 제3 그리드의 좌표를 기록하는 동작을 생성하는 단계; 상기 제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계; 및 상기 Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;를 포함하는 과정에 따라 생성되고, 상기 입력 데이터를 수신하는 단계는: 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 수신하는 단계;를 포함하여, 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 기반으로 상기 입력 데이터를 송수신할 수 있다.
일 실시예로서, 상기 제3 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는, 상기 사용자 단말로부터 제1 시간에 제1 위치 정보를 수신하고, 상기 제1 시간으로부터 임계 시간 경과 후의 제2 시간에 제2 위치 정보를 수신하는 단계; 상기 제2 위치 정보와 상기 제1 위치 정보를 이용하여 위치차를 산출하는 단계; 상기 위치차가 제1 임계값보다 작은 경우 상기 사용자 단말의 이동이 없는 것으로 판단하여 상기 제2 위치 정보를 상기 제1 위치 정보로 보정하는 단계; 상기 위치차가 제2 임계값보다 큰 경우 상기 사용자 단말의 단위 시간당 평균 이동 거리를 산출하는 단계; 상기 단위 시간당 평균 이동 거리에 상기 제2 시간과 상기 제1 시간과의 차를 곱하여 제1 이동 거리를 산출하는 단계; 상기 제1 위치 정보에 상기 제1 이동 거리를 더하여 제3 위치 정보를 산출하는 단계; 및 상기 제2 위치 정보를 상기 제3 위치 정보로 보정하는 단계를 포함할 수 있다.
일 실시예로서, 상기 제3 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는, 상기 사용자 단말을 통해 사용자가 시청중인 골프 콘텐츠로부터 음성을 추출하는 단계; 상기 추출된 음성을 텍스트로 변환하는 단계; 상기 텍스트의 형태소를 분석하여 단어 단위로 분류하는 단계; 상기 단어를 기초로, 상기 단어들 중 일상 단어 및 습관 단어를 포함하는 부가 단어를 제외하는 단계; 상기 단어들 중 상기 부가 단어를 제외하고 남은 단어를 핵심 단어로 선정하는 단계; 및 상기 핵심 단어의 빈도수 및 상기 핵심 단어 간의 연관도를 기초로, 상기 텍스트 객체를 추출하는 단계를 포함할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들은 사용자에게 적합한 골프 프로를 다양한 방식으로 형성하여 사용자에게 추천 정보를 제공함으로써 효율성과 경제성을 극대화시킬 수 있다. 또한, 골프 프로들의 능력치와 사용자와의 매칭율을 생성하여 골프 프로 매칭을 위한 객관적인 기준 지표를 제공할 수 있다.
도 1은 일실시예에 따른 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공을 나타낸 도면이다.
도 2는 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법의 흐름도이다.
도 5는 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법의 흐름도이다.
도 5는 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일실시예에 따른 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템을 나타낸 도면이다.
도 1에 도시한 바와 같이, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)은, 사용자 단말(110), 서버(120), 데이터베이스(130) 및 프로 단말(140)을 포함할 수 있다. 일 실시예에 따르면, 데이터베이스(130)는 서버(120)와 별도로 구성된 것으로 도시되었지만 이에 한정되지 않고, 데이터베이스(130)가 서버(120)내에 구비될 수도 있다. 예를 들어, 서버(120)는, 기계 학습 알고리즘의 수행을 위한 다수의 인공 신경망을 포함할 수 있다. 일 실시예에 따르면, 사용자 단말(110), 서버(120), 데이터베이스(130) 및 프로 단말(140)은 네트워크(N)를 통하여 서로 통신 가능하도록 연결될 수 있다.
서버(120)는, 사용자 단말로부터 골프 프로 매칭 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 골프 프로 매칭을 원하는 사용자의 사용자 단말(110)로부터 네트워크(N)를 통하여 골프 프로 매칭 요청을 수신할 수 있다.
서버(120)는, 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 사용자 단말로 송신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 네트워크(N)를 통하여 사용자 단말(110)로 송신할 수 있다.
서버(120)는, 사용자 단말로부터 옵션 선택 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 네트워크(N)를 통하여 제1 내지 제4 옵션 중 어느 하나의 옵션에 대한 선택을 포함하는 옵션 선택 요청을 수신할 수 있다.
서버(120)는, 옵션 선택 요청에 따라서 제1 내지 제4 옵션 중 어느 하나의 옵션에 따라 생성된 추천 골프 프로 정보를 사용자 단말로 송신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 옵션 선택 요청에 따라서 제1 옵션이 선택된 경우 추천 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있고, 제2 옵션이 선택된 경우 사용자 단말(110)을 통해서 입력된 지역명 또는 프로명을 이용하여 검색된 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있으며, 제3 옵션이 선택된 경우 사용자 단말(110)의 실시간 현재 위치를 기준으로 임계값 이내의 거리(예를 들어, 500m, 1km, 2km 등)에 있는 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있고, 제4 옵션이 선택된 경우 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수 중 적어도 하나의 항목을 포함하는 골프 프로별 능력치를 데이터베이스(130)로부터 추출하고, 골프 프로 매칭 요청과 골프 프로별 능력치와의 매칭율을 산출하며, 매칭율이 임계값(예를 들어, 80%, 90%, 95% 등) 이상인 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있다.
서버(120)는, 골프 프로 추천 정보에 따른 승인 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로 송신된 골프 프로 추천 정보에 따른 골프 프로에 대한 승인 요청을 네트워크(N)를 통하여 사용자 단말(110)로부터 수신할 수 있다.
서버(120)는, 승인 요청에 대응하는 프로 단말로 매칭 요청을 송신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 승인 요청에 대응하는 골프 프로가 사용하는 프로 단말(140)로 특정 사용자로부터 골프 레슨에 대한 매칭 요청이 있었음을 안내하기 위한 매칭 요청을 송신할 수 있다.
서버(120)는, 매칭 요청에 따른 승인 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 매칭 요청에 따른 승인 요청을 프로 단말(140)로부터 네트워크(N)를 통하여 수신할 수 있다.
서버(120)는, 사용자 단말로 매칭 완료 정보를 송신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로 골프 프로 매칭 요청에 따른 골프 프로의 매칭이 완료되었음을 안내하기 위한 매칭 완료 정보를 사용자 단말(110)로 송신할 수 있다.
또한 서버(120)는, 제4 옵션에 따른 사용자 인터페이스를 사용자 단말로 송신하는 경우, 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수 중 적어도 하나의 항목을 포함하는 골프 프로별 능력치를 데이터베이스(130)로부터 추출하고, 골프 프로 매칭 요청과 골프 프로별 능력치와의 매칭율을 산출하며, 매칭율을 수치화된 데이터로 디스플레이하도록 제어하고, 골프 프로별 능력치와 골프 프로 매칭 요청에 따른 수치화 데이터를 도표 형태로 동시에 디스플레이하도록 제어할 수 있다. 예를 들어, 서버(120)는 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수를 산출하고, 산출된 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수를 동일한 비율(예를 들어, 20%)로 반영하여 매칭율을 산출할 수 있다. 또한, 서버(120)는 예시도면 1에 도시한 바와 같이, 산출된 매칭율을 수치화된 데이터(a)로 사용자 단말(110)에 디스플레이하도록 제어하고, 골프 프로별 능력치와 골프 프로 매칭 요청에 따른 수치화 데이터를 도표 형태(b)로 사용자 단말(110)에 동시에 디스플레이하도록 제어할 수 있다.
<예시도면 1>
또한 서버(120)는, 제1 옵션에 따른 사용자 인터페이스를 사용자 단말로 송신하는 경우, 사용자 단말(110)에 입력 페이지를 송신하고, 사용자 단말(110)로부터 입력 데이터를 수신할 수 있다.
서버(120)는, 사용자 단말(110)로부터 골프 프로 매칭 요청이 수신된 경우, 사용자 단말(110)에 입력 페이지를 회신(송신)하여 입력 데이터를 전달 받을 수 있다.
입력 페이지는 소정의 웹페이지로 구성될 수 있으며, 후술하는 단계들에 따라 생성될 수 있다.
사용자 단말(110)을 통해 입력 페이지에 골프 프로 매칭 정보가 입력 및 제출되면, 해당 데이터를 서버(120)로 수신할 수 있다.
입력 페이지는: 골프 프로의 프로필 사진을 제1 레이어에 디스플레이하는 단계; 사진의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계; 제1 그리드에 중첩되는 투명색의 제2 그리드를 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계; 제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계; 다수개의 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계; 제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계; 제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계; 제3 그리드의 좌표를 기록하는 동작을 생성하는 단계; 제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계; 및 Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;를 포함하는 과정에 따라 생성될 수 있다.
상술한 '동작'들은, 자바스크립트를 기반으로 생성되는 소정의 프로시저/함수/메서드일 수 있다.
골프 프로의 프로필 사진을 제1 레이어에 디스플레이하는 단계;에서는, 서버(120)는 골프 프로의 프로필 사진을 기존에 촬영하여 장치에 저장되어 있었던 골프 프로의 프로필 사진을 입력 페이지의 제1 레이어에 표기할 수 있다.
제1 레이어 내지 제4 레이어란, 웹페이지에 어떠한 요소(component)가 표기되는 순서를 의미하며, 상부에 배치된 레이어에 포함되는 요소는 하부에 배치된 레이어에 포함되는 요소를 덮어서 가리도록 표시될 수 있다.
사진의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계;에서는, 서버(120)는 사진의 가로 및 세로 크기를 기반으로 소정의 격자 형태로 생성된 유색의 경계선인 제1 그리드를 제2 레이어에 배치할 수 있다.
이러한 구성에 따라, 사용자 단말(110)에는 사진에 소정의 유색 격자 무늬가 표시된 형태의 레이아웃이 디스플레이 될 수 있다.
제1 그리드에 중첩되는 투명색의 제2 그리드를 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계;에서는, 서버(120)는 제1 그리드에 나타나는 각 격자 칸들에 대응하도록 투명한 제2 그리드를 제3 레이어에 생성/디스플레이 할 수 있다.
제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계;에서는, 서버(120)는 제2 그리드의 각 격자 칸들에 대응하는 제1 버튼들을 제4 레이어에 생성/디스플레이 할 수 있다.
다수개의 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계;에서는, 서버(120)는 각 제1 버튼마다 자바스크립트를 기반으로 동작을 매칭/생성하여, 어느 제1 버튼이 조작(클릭/탭/선택)되었는지를 기록할 수 있도록 한다.
예를 들어, 서버(120)는 10 * 10 칸의 제1 버튼들 중, (2, 3)위치 및 (2, 4)위치에 배치된 제1 버튼들이 조작되었다면, 두 개의 제1 버튼을 제2 버튼으로 지정할 수 있다.
제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계;에서는, 서버(120)는 다수개의 격자 칸을 가진 제2 그리드의 각 칸들 중 제2 버튼에 대응하는 칸들을 제3 그리드로 지정할 수 있다.
예를 들어, 서버(120)는 10 * 10 칸의 제1 버튼들 중, (2, 3)위치 및 (2, 4)위치에 배치된 제1 버튼들이 조작되었다면, (2, 3)위치 및 (2, 4)위치에 배치된 제2 그리드의 격자 칸을 제3 그리드로 지정할 수 있다.
제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계;에서는, 서버(120)는 선택된 제3 그리드를 사용자 단말(110)에서 시각적으로 쉽게 파악할 수 있도록 제3 그리드의 색상을 반투명한 유색(예를 들어, 반투명한 파란색)으로 변경할 수 있다.
제3 그리드의 좌표를 기록하는 동작을 생성하는 단계;에서는, 서버(120)는 예를 들어, 10 * 10 칸의 제1 버튼들 중, (2, 3)위치 및 (2, 4)위치에 배치된 제1 버튼(제2 버튼)들이 조작되었다면, (2, 3) 및 (2, 4)인 제3 그리드의 좌표를 기록(저장)할 수 있다. 이 때, 제3 그리드의 좌표는 사용자 단말(110)에 임시 저장되었다가 추후 서버(120)로 송신될 수 있다.
제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계;에서는, 서버(120)는 선택된 제3 그리드의 주변부에 변경 사항을 입력할 수 있는 태그를 생성/디스플레이 함으로써, 사용자 단말(110)로부터 변경 요구사항을 입력 받을 수 있다.
Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;에서는, 서버(120)는 사용자 단말(110)에서 입력한 변경 요구사항 데이터를 기록(저장)할 수 있다.
입력 데이터를 수신하는 단계는: 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 수신하는 단계;를 포함하여, 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 기반으로 입력 데이터를 송수신하도록 구성될 수 있다.
또한 서버(120)는, 제3 옵션에 따른 사용자 인터페이스를 사용자 단말로 송신하는 경우, 사용자 단말로부터 제1 시간에 제1 위치 정보를 수신하고, 제1 시간으로부터 임계 시간 경과 후의 제2 시간에 제2 위치 정보를 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 임계 시간(예를 들어, 1초, 10초, 1분, 10분 등) 마다 사용자 단말(110)로부터 위치 정보를 수신할 수 있다.
서버(120)는, 제2 위치 정보와 제1 위치 정보를 이용하여 위치차를 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 제1 시간에서의 제1 위치 정보와 제1 시간으로부터 임계 시간이 경과한 후의 제2 시간에서의 제2 위치 정보를 이용하여 위치차를 산출 수 있다.
서버(120)는, 위치차가 제1 임계값보다 작은 경우 사용자 단말(110)의 이동이 없는 것으로 판단하여 제2 위치 정보를 제1 위치 정보로 보정할 수 있다. 일 실시예에 따르면, 서버(120)는 산출된 위치차가 제1 임계값(예를 들어, 1m, 10m 등)보다 작은 경우 사용자 단말(110)의 이동이 없는 것으로 판단하여 제2 위치 정보를 제1 위치 정보로 보정할 수 있다.
서버(120)는, 위치차가 제2 임계값보다 큰 경우 사용자 단말(110)의 단위 시간당 평균 이동 거리를 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 산출된 위치차가 제2 임계값(예를 들어, 1km 등)보다 큰 경우 사용자 단말(110)의 실시간 위치 정보를 최초 수신한 시간부터 현재 시간까지의 이동 거리를 이동 시간으로 나누어 단위 시간당 평균 이동 거리를 산출할 수 있다.
서버(120)는, 단위 시간당 평균 이동 거리에 제2 시간과 제1 시간과의 차를 곱하여 제1 이동 거리를 산출할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)의 실시간 위치 정보를 최초 수신한 시간부터의 단위 시간당 평균 이동 거리에 제2 시간과 제1 시간과의 차를 곱하여 제1 이동 거리를 산출할 수 있다.
서버(120)는, 제1 위치 정보에 제1 이동 거리를 더하여 제3 위치 정보를 산출하고, 제2 위치 정보를 제3 위치 정보로 보정할 수 있다. 이에 따라서, 서버(120)는 GPS(Global Positioning System) 오류 등에 의해서 사용자 단말(110)로부터 수신된 실시간 위치 정보의 변화가 아주 작거나 아주 큰 경우 이를 보정할 수 있어서 사용자 단말(110)의 실시간 위치 파악의 정확도를 향상시킬 수 있다.
또한 서버(120)는, 제4 옵션에 따른 사용자 인터페이스를 사용자 단말로 송신하는 경우, 사용자 단말(110)을 통해 사용자가 시청중인 골프 콘텐츠로부터 텍스트 객체를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 획득한 사용자가 시청중인 골프 콘텐츠로부터 음성을 추출할 수 잇다.
서버(120)는, 추출된 음성을 텍스트로 변환할 수 있다. 일 실시예에 따르면, 서버(120)는 STT 기술을 수행할 수 있는데, STT는 Speech-to-Text로, 음성 데이터로부터 음향모델, 어휘/발음사전, 언어모델을 포함한 인식 네트워크 모델을 생성하는 오프라인 학습단계와 사용자가 발성한 음성을 인식하는 온라인 탐색 단계를 통해 동영상 강의를 통해 추출된 음성을 텍스트로 변환할 수 있다.
서버(120)는, 텍스트의 형태소를 분석하여 단어 단위로 분류할 수 있다. 일 실시예에 따르면, 서버(120)는 자연 언어 처리 기술을 이용하여 텍스트의 형태소를 분석하여 단어 단위로 분류할 수 있다.
서버(120)는, 단어를 기초로, 단어들 중 일상 단어 및 습관 단어를 포함하는 부가 단어를 제외할 수 있다. 일 실시예에 따르면, 서버(120)는 단어를 기초로, 단어들 중 부가 단어를 제외하기 위해 사용자 단말(110)로부터 일상 단어 및 습관 단어를 포함하는 부가 단어 리스트를 획득하여 부가 단어 리스트에 포함된 단어를 제외할 수도 있고, 서버(120)는 텍스트로부터 분류된 단어들의 연관도를 분석하여 연관도가 미리 설정한 기준 비율 이하인 단어를 부가 단어로 선정하여 부가 단어를 제외할 수도 있다.
즉, 서버(120)는 사용자가 시청중인 골프 콘텐츠의 음성을 통해 추출된 텍스트에서, 텍스트의 형태소를 분석하여 단어 단위로 분류하고, 단어들 중 일상 단어 및 습관 단어를 포함하는 부가 단어를 제외할 수 있다.
서버(120)는 단어들 중 부가 단어를 제외하고 남은 단어를 핵심 단어로 선정할 수 있다. 일 실시예에 따르면, 서버(120)는 단어들 중 부가 단어를 제외하고 남은 단어를 사용자가 시청중인 골프 콘텐츠와 관련된 단어로 판단할 수 있고, 부가 단어를 제외하고 남은 단어를 핵심 단어로 선정할 수 있다.
서버(120)는 핵심 단어의 빈도수 및 핵심 단어 간의 연관도를 기초로, 텍스트 객체를 추출할 수 있다. 일 실시예에 따르면, 서버(120)는 핵심 단어를 분석하여 핵심 단어의 빈도수 및 핵심 단어 간의 연관도를 파악할 수 있고, 빈도수가 높고 단어 간의 연관도가 미리 설정한 목표 비율 이상인 핵심 단어들을 텍스트 객체로 추출할 수 있다.
즉, 서버(120)는 사용자가 시청중인 골프 콘텐츠의 음성을 통해 텍스트로 변환하여 텍스트를 통해 내용을 분석하고, 텍스트 객체를 추출할 수 있다.
데이터베이스(130)는, 다양한 데이터를 저장할 수 있다. 데이터베이스(130)에 저장되는 데이터는, 사용자 단말(110), 서버(120), 데이터베이스(130) 및 프로 단말(140)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예를 들어: 프로그램)를 포함할 수 있다. 데이터베이스(130)는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 일 실시예로서, 데이터베이스(130)는, 사용자 단말(110)로부터 수신된 골프 프로 매칭 요청, 옵션 선택 요청, 승인 요청, 서버(120)에서 형성된 제1 내지 제4 옵션에 따른 사용자 인터페이스, 추천 골프 프로 정보, 매칭 요청, 매칭 완료 정보 등을 저장할 수 있다.
네트워크(N)는, 사용자 단말(110), 서버(120), 데이터베이스(130) 및 프로 단말(140) 등 간의 무선 또는 유선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크(N)는 LTE(long-term evolution), LTE-A(LTE Advanced), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless BroadBand), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행하도록 할 수 있다. 예를 들어, 네트워크(N)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard 232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행하도록 할 수도 있다.
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.
도 2는 일실시예에 따른 서버를 설명하기 위한 도면이다.
도 2에 도시한 바와 같이, 서버(120)는 하나 이상의 프로세서(122), 하나 이상의 메모리(124) 및/또는 송수신기(126)를 포함할 수 있다. 일 실시예로서, 서버(120)의 이 구성요소들 중 적어도 하나가 생략되거나, 다른 구성요소가 서버(120)에 추가될 수 있다. 추가적으로(additionally) 또는 대체적으로(alternatively), 일부의 구성요소들이 통합되어 구현되거나, 단수 또는 복수의 개체로 구현될 수 있다. 서버(120) 내, 외부의 구성요소들 중 적어도 일부의 구성요소들은 버스, GPIO(general purpose input/output), SPI(serial peripheral interface) 또는 MIPI(mobile industry processor interface) 등을 통해 서로 연결되어, 데이터 및/또는 시그널을 주고받을 수 있다.
하나 이상의 프로세서(122)는 소프트웨어(예: 명령, 프로그램 등)를 구동하여 프로세서(122)에 연결된 서버(120)의 적어도 하나의 구성요소를 제어할 수 있다. 또한, 프로세서(122)는 본 발명과 관련된 다양한 연산, 처리, 데이터 생성, 가공 등의 동작을 수행할 수 있다. 또한, 프로세서(122)는 데이터 등을 하나 이상의 메모리(124)로부터 로드하거나, 하나 이상의 메모리(124)에 저장할 수 있다.
하나 이상의 프로세서(122)는, 송수신기(126)를 통해서 사용자 단말로부터 골프 프로 매칭 요청을 수신할 수 있다. 일 실시예에 따르면, 프로세서(122)는 골프 프로 매칭을 원하는 사용자의 사용자 단말(예를 들어, 110)로부터 송수신기(126)를 통하여 골프 프로 매칭 요청을 수신할 수 있다.
하나 이상의 프로세서(122)는, 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 사용자 단말로 송신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 수신된 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 송수신기(126)를 통하여 사용자 단말(110)로 송신할 수 있다.
하나 이상의 프로세서(122)는, 사용자 단말로부터 옵션 선택 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 사용자 단말(110)로부터 송수신기(126)를 통하여 제1 내지 제4 옵션 중 어느 하나의 옵션에 대한 선택을 포함하는 옵션 선택 요청을 수신할 수 있다.
하나 이상의 프로세서(122)는, 옵션 선택 요청에 따라서 제1 내지 제4 옵션 중 어느 하나의 옵션에 따라 생성된 추천 골프 프로 정보를 사용자 단말로 송신할 수 있다. 일 실시예에 따르면, 프로세서(122)는 사용자 단말(110)로부터 수신된 옵션 선택 요청에 따라서 제1 옵션이 선택된 경우 추천 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있고, 제2 옵션이 선택된 경우 사용자 단말(110)을 통해서 입력된 지역명 또는 프로명을 이용하여 검색된 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있으며, 제3 옵션이 선택된 경우 사용자 단말(110)의 실시간 현재 위치를 기준으로 임계값 이내의 거리(예를 들어, 500m, 1km, 2km 등)에 있는 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있고, 제4 옵션이 선택된 경우 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수 중 적어도 하나의 항목을 포함하는 골프 프로별 능력치를 데이터베이스(130)로부터 추출하고, 골프 프로 매칭 요청과 골프 프로별 능력치와의 매칭율을 산출하며, 매칭율이 임계값(예를 들어, 80%, 90%, 95% 등) 이상인 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있다.
하나 이상의 프로세서(122)는, 골프 프로 추천 정보에 따른 승인 요청을 수신할 수 있다. 일 실시예에 따르면, 프로세서(122)는 사용자 단말(110)로 송신된 골프 프로 추천 정보에 따른 골프 프로에 대한 승인 요청을 송수신기(126)를 통하여 사용자 단말(110)로부터 수신할 수 있다.
하나 이상의 프로세서(122)는, 승인 요청에 대응하는 프로 단말로 매칭 요청을 송신할 수 있다. 일 실시예에 따르면, 프로세서(122)는 사용자 단말(110)로부터 수신된 승인 요청에 대응하는 골프 프로가 사용하는 프로 단말(140)로 특정 사용자로부터 골프 레슨에 대한 매칭 요청이 있었음을 안내하기 위한 매칭 요청을 송신할 수 있다.
하나 이상의 프로세서(122)는, 매칭 요청에 따른 승인 요청을 수신할 수 있다. 일 실시예에 따르면, 서버(120)는 매칭 요청에 따른 승인 요청을 프로 단말(140)로부터 송수신기(126)를 통하여 수신할 수 있다.
하나 이상의 프로세서(122)는, 사용자 단말로 매칭 완료 정보를 송신할 수 있다. 일 실시예에 따르면, 프로세서(122)는 사용자 단말(110)로 골프 프로 매칭 요청에 따른 골프 프로의 매칭이 완료되었음을 안내하기 위한 매칭 완료 정보를 사용자 단말(110)로 송신할 수 있다.
하나 이상의 메모리(124)는 다양한 데이터를 저장할 수 있다. 메모리(124)에 저장되는 데이터는, 서버(120)의 적어도 하나의 구성요소에 의해 획득되거나, 처리되거나, 사용되는 데이터로서, 소프트웨어(예: 명령, 프로그램 등)를 포함할 수 있다. 메모리(124)는 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 본 발명에서, 명령 내지 프로그램은 메모리(124)에 저장되는 소프트웨어로서, 서버(120)의 리소스를 제어하기 위한 운영체제, 어플리케이션 및/또는 어플리케이션이 서버(120)의 리소스들을 활용할 수 있도록 다양한 기능을 어플리케이션에 제공하는 미들 웨어 등을 포함할 수 있다.
하나 이상의 메모리(124)는 상술한 사용자 단말(110)로부터 수신된 골프 프로 매칭 요청, 옵션 선택 요청, 승인 요청, 서버(120)에서 형성된 제1 내지 제4 옵션에 따른 사용자 인터페이스, 추천 골프 프로 정보, 매칭 요청, 매칭 완료 정보 등을 저장할 수 있다. 또한, 하나 이상의 메모리(124)는, 하나 이상의 프로세서(122)에 의한 실행 시, 하나 이상의 프로세서(122)가 연산을 수행하도록 하는 명령들을 저장할 수 있다.
일 실시예로서, 서버(120)는 송수신기(126)를 더 포함할 수 있다. 송수신기(126)는, 사용자 단말(110), 서버(120), 데이터베이스(130), 프로 단말(140) 및/또는 기타 다른 장치 간의 무선 또는 유선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 eMBB(enhanced Mobile Broadband), URLLC(Ultra Reliable Low-Latency Communications), MMTC(Massive Machine Type Communications), LTE(long-term evolution), LTE-A(LTE Advance), UMTS(Universal Mobile Telecommunications System), GSM(Global System for Mobile communications), CDMA(code division multiple access), WCDMA(wideband CDMA), WiBro(Wireless Broadband), WiFi(wireless fidelity), 블루투스(Bluetooth), NFC(near field communication), GPS(Global Positioning System) 또는 GNSS(global navigation satellite system) 등의 방식에 따른 무선 통신을 수행할 수 있다. 예를 들어, 송수신기(126)는 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232) 또는 POTS(plain old telephone service) 등의 방식에 따른 유선 통신을 수행할 수 있다.
일 실시예로서, 하나 이상의 프로세서(122)는 송수신기(126)를 제어하여 다수의 사용자 단말(110), 데이터베이스(130), 프로 단말(140)로부터 정보를 획득할 수 있다. 사용자 단말(110), 데이터베이스(130), 프로 단말(140)로부터 획득된 정보는 하나 이상의 메모리(124)에 저장될 수 있다.
일 실시예로서, 서버(120)는 다양한 형태의 장치가 될 수 있다. 예를 들어, 서버(120)는 휴대용 통신 장치, 컴퓨터 장치, 또는 상술한 장치들 중 하나 또는 그 이상의 조합에 따른 장치일 수 있다. 본 발명의 서버(120)는 전술한 장치들에 한정되지 않는다.
본 발명에 따른 서버(120)의 다양한 실시예들은 서로 조합될 수 있다. 각 실시예들은 경우의 수에 따라 조합될 수 있으며, 조합되어 만들어진 서버(120)의 실시예 역시 본 발명의 범위에 속한다. 또한 전술한 본 발명에 따른 서버(120)의 내/외부 구성 요소들은 실시예에 따라 추가, 변경, 대체 또는 삭제될 수 있다. 또한 전술한 PLC의 내/외부 구성 요소들은 하드웨어 컴포넌트로 구현될 수 있다.
도 3은 일실시예에 따른 뉴럴 네트워크의 학습을 설명하기 위한 도면이다.
도 3에 도시한 바와 같이, 학습 장치는 미리 설정된 알고리즘을 통해서 골프 프로를 추천하기 위하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 일 실시예에 따르면, 학습 장치는 서버(120)와 다른 별개의 주체일 수 있지만, 이에 제한되는 것은 아니다.
뉴럴 네트워크(123)는 트레이닝 샘플들이 입력되는 입력 레이어(121)와 트레이닝 출력들을 출력하는 출력 레이어(125)를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 제1 레이블들은 골프 프로 매칭 요청에 따른 추천 골프 프로 정보에 기초하여 정의될 수 있다. 뉴럴 네트워크(123)는 복수의 노드들의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.
학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 뉴럴 네트워크(123)를 학습시킬 수 있다. 학습 장치는 뉴럴 네트워크의 출력들 및 레이블들에 의해 설계된 손실 함수(Loss Function)를 이용할 수 있다.
학습 장치는 미리 정의된 손실 함수를 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 뉴럴 네트워크(123) 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.
학습 장치는 역전파(Backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 뉴럴 네트워크(123) 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 골프 프로 매칭 요청들에 대응하는 트레이닝 추천 골프 프로 정보들인 제1 레이블들을 획득하고, 트레이닝 골프 프로 매칭 요청들을 제1 뉴럴 네트워크로 적용하여, 트레이닝 골프 프로 매칭 요청들에 대응하는 트레이닝 출력들을 생성하며, 트레이닝 출력들, 제1 레이블들에 기초하여, 제1 뉴럴 네트워크를 학습시킬 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 골프 프로 매칭 요청들의 구성 특징들, 수치 특징들 및 패턴 특징들에 기초하여 트레이닝 특징 벡터들을 생성할 수 있다. 특징을 추출하는 데는 다양한 방식이 채용될 수 있다.
일 실시예에 따르면, 학습 장치는 트레이닝 특징 벡터들을 뉴럴 네트워크(123)에 적용하여 트레이닝 출력들을 획득할 수 있다. 학습 장치는 트레이닝 출력들과 제1 레이블들에 기초하여 뉴럴 네트워크(123)의 골프 프로 추천 알고리즘을 학습시킬 수 있다. 서버(120)는 학습이 완료된 제1 뉴럴 네트워크를 이용하여 골프 프로 매칭 요청에 따른 추천 골프 프로 정보를 생성할 수 있다.
도 4는 일실시예에 따른 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법의 흐름도이다.
도 4의 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 순차적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동하도록 구성될 수 있다. 다시 말하면, 본 발명의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 발명에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 다른 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 발명의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.
도 4에 도시한 바와 같이, 단계(S410)에서, 골프 프로 매칭 요청이 수신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 골프 프로 매칭을 원하는 사용자의 사용자 단말(110)로부터 네트워크(N)를 통하여 골프 프로 매칭 요청을 수신할 수 있다.
단계(S420)에서, 사용자 인터페이스가 송신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 사용자 단말(110)로부터 수신된 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 네트워크(N)를 통하여 사용자 단말(110)로 송신할 수 있다.
단계(S430)에서, 옵션 선택 요청이 수신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 사용자 단말(110)로부터 네트워크(N)를 통하여 제1 내지 제4 옵션 중 어느 하나의 옵션에 대한 선택을 포함하는 옵션 선택 요청을 수신할 수 있다.
단계(S440)에서, 추천 골프 프로 정보가 송신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 사용자 단말(110)로부터 수신된 옵션 선택 요청에 따라서 제1 옵션이 선택된 경우 추천 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있고, 제2 옵션이 선택된 경우 사용자 단말(110)을 통해서 입력된 지역명 또는 프로명을 이용하여 검색된 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있으며, 제3 옵션이 선택된 경우 사용자 단말(110)의 실시간 현재 위치를 기준으로 임계값 이내의 거리(예를 들어, 500m, 1km, 2km 등)에 있는 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있고, 제4 옵션이 선택된 경우 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수 중 적어도 하나의 항목을 포함하는 골프 프로별 능력치를 데이터베이스(130)로부터 추출하고, 골프 프로 매칭 요청과 골프 프로별 능력치와의 매칭율을 산출하며, 매칭율이 임계값(예를 들어, 80%, 90%, 95% 등) 이상인 골프 프로의 프로필 정보를 추천 골프 프로 정보로 사용자 단말(110)로 송신할 수 있다.
단계(S450)에서, 승인 요청이 수신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 사용자 단말(110)로 송신된 골프 프로 추천 정보에 따른 골프 프로에 대한 승인 요청을 네트워크(N)를 통하여 사용자 단말(110)로부터 수신할 수 있다.
단계(S460)에서, 매칭 요청이 송신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 사용자 단말(110)로부터 수신된 승인 요청에 대응하는 골프 프로가 사용하는 프로 단말(140)로 특정 사용자로부터 골프 레슨에 대한 매칭 요청이 있었음을 안내하기 위한 매칭 요청을 송신할 수 있다.
단계(S470)에서, 승인 요청이 수신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 사용자 단말(110)로부터 수신된 매칭 요청에 따른 승인 요청을 프로 단말(140)로부터 네트워크(N)를 통하여 수신할 수 있다.
단계(S480)에서, 매칭 완료 정보가 송신된다. 예를 들어, 도 1 내지 도 3을 참조하면, 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템(100)의 서버(120)는 사용자 단말(110)로 골프 프로 매칭 요청에 따른 골프 프로의 매칭이 완료되었음을 안내하기 위한 매칭 완료 정보를 사용자 단말(110)로 송신할 수 있다.
도 5는 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(501)는 프로세서(502) 및 메모리(503)를 포함한다. 일실시예에 따른 장치(501)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 4를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 4를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(503)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(503)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(502)는 프로그램을 실행하고, 장치(501)를 제어할 수 있다. 프로세서(502)에 의하여 실행되는 프로그램의 코드는 메모리(503)에 저장될 수 있다. 장치(501)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 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.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (5)
- 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 시스템의 서버에 의한 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법으로서,
상기 서버에 의해서, 사용자 단말로부터 골프 프로 매칭 요청을 수신하는 단계;
상기 서버에 의해서, 골프 프로 매칭 요청에 따라서 골프 프로의 프로필을 이용하여 선택할 수 제1 옵션, 지역명 또는 프로명을 이용하여 골프 프로를 선택할 수 있는 제2 옵션, 사용자 단말의 현재 위치를 기준으로 골프 프로를 선택할 수 있는 제3 옵션, 및 미리 설정된 알고리즘을 통해서 추천된 골프 프로를 선택할 수 있는 제4 옵션 중 적어도 하나에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계;
상기 서버에 의해서, 상기 사용자 단말로부터 옵션 선택 요청을 수신하는 단계;
상기 서버에 의해서, 상기 옵션 선택 요청에 따라서 상기 제1 내지 제4 옵션 중 어느 하나의 옵션에 따라 생성된 추천 골프 프로 정보를 상기 사용자 단말로 송신하는 단계;
상기 서버에 의해서, 상기 골프 프로 추천 정보에 따른 승인 요청을 수신하는 단계;
상기 서버에 의해서, 상기 승인 요청에 대응하는 프로 단말로 매칭 요청을 송신하는 단계;
상기 서버에 의해서, 상기 매칭 요청에 따른 승인 요청을 수신하는 단계; 및
상기 서버에 의해서, 상기 사용자 단말로 매칭 완료 정보를 송신하는 단계를 포함하되,
상기 제4 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는,
상기 서버에 의해서, 골프 프로별 능력 점수, 레슨 점수, 사용자와의 스윙 유사도 점수, 경력 점수 및 자격증 점수 중 적어도 하나의 항목을 포함하는 골프 프로별 능력치를 추출하는 단계;
상기 서버에 의해서, 상기 골프 프로 매칭 요청과 상기 골프 프로별 능력치와의 매칭율을 산출하는 단계;
상기 서버에 의해서, 상기 매칭율을 수치화된 데이터로 디스플레이하도록 제어하는 단계; 및
상기 서버에 의해서, 골프 프로별 능력치와 상기 골프 프로 매칭 요청에 따른 수치화 데이터를 도표 형태로 동시에 디스플레이하도록 제어하는 단계를 포함하고,
상기 제1 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는,
상기 서버에 의해서, 상기 사용자 단말로 입력 페이지를 송신하고, 상기 사용자 단말로부터 입력 데이터를 수신하되,
상기 입력 페이지는:
상기 서버에 의해서, 상기 골프 프로의 프로필 사진을 제1 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 상기 사진의 가로 및 세로 크기를 분할한 소정의 유색의 제1 그리드를 상기 제1 레이어의 상부에 배치되는 제2 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 상기 제1 그리드에 중첩되는 투명색의 제2 그리드를 상기 제2 레이어의 상부에 배치되는 제3 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 상기 제2 그리드의 각 칸마다 대응되는 소정의 투명색 제1 버튼을 상기 제3 레이어의 상부에 배치되는 제4 레이어에 디스플레이하는 단계;
상기 서버에 의해서, 다수개의 상기 제1 버튼 중 하나 이상이 조작되었을 때, 조작된 제1 버튼을 제2 버튼으로 지정하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제2 버튼에 대응하는 제2 그리드를 제3 그리드로 지정하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제3 그리드의 색상을 반투명한 유색으로 변경하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제3 그리드의 좌표를 기록하는 동작을 생성하는 단계;
상기 서버에 의해서, 상기 제3 그리드로부터 소정의 거리 내에 Text Input 태그를 디스플레이하는 동작을 생성하는 단계; 및
상기 서버에 의해서, 상기 Text Input 태그에 입력된 데이터를 기록하는 동작을 생성하는 단계;를 포함하는 과정에 따라 생성되고,
상기 입력 데이터를 수신하는 단계는:
상기 서버에 의해서, 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 수신하는 단계;를 포함하여,
상기 서버에 의해서, 상기 제3 그리드의 좌표 및 Text Input 태그에 입력된 데이터를 기반으로 상기 입력 데이터를 송수신하며,
상기 제3 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는,
상기 서버에 의해서, 상기 사용자 단말로부터 제1 시간에 제1 위치 정보를 수신하고, 상기 제1 시간으로부터 임계 시간 경과 후의 제2 시간에 제2 위치 정보를 수신하는 단계;
상기 서버에 의해서, 상기 제2 위치 정보와 상기 제1 위치 정보를 이용하여 위치차를 산출하는 단계;
상기 서버에 의해서, 상기 위치차가 제1 임계값보다 작은 경우 상기 사용자 단말의 이동이 없는 것으로 판단하여 상기 제2 위치 정보를 상기 제1 위치 정보로 보정하는 단계;
상기 서버에 의해서, 상기 위치차가 제2 임계값보다 큰 경우 상기 사용자 단말의 단위 시간당 평균 이동 거리를 산출하는 단계;
상기 서버에 의해서, 상기 단위 시간당 평균 이동 거리에 상기 제2 시간과 상기 제1 시간과의 차를 곱하여 제1 이동 거리를 산출하는 단계;
상기 서버에 의해서, 상기 제1 위치 정보에 상기 제1 이동 거리를 더하여 제3 위치 정보를 산출하는 단계; 및
상기 서버에 의해서, 상기 제2 위치 정보를 상기 제3 위치 정보로 보정하는 단계를 포함하고,
상기 제4 옵션에 따른 사용자 인터페이스를 상기 사용자 단말로 송신하는 단계는,
상기 서버에 의해서, 상기 사용자 단말을 통해 사용자가 시청중인 골프 콘텐츠로부터 음성을 추출하는 단계;
상기 서버에 의해서, 상기 추출된 음성을 텍스트로 변환하는 단계;
상기 서버에 의해서, 상기 텍스트의 형태소를 분석하여 단어 단위로 분류하는 단계;
상기 서버에 의해서, 상기 단어를 기초로, 상기 단어들 중 일상 단어 및 습관 단어를 포함하는 부가 단어를 제외하는 단계;
상기 서버에 의해서, 상기 단어들 중 상기 부가 단어를 제외하고 남은 단어를 핵심 단어로 선정하는 단계; 및
상기 서버에 의해서, 상기 핵심 단어의 빈도수 및 상기 핵심 단어 간의 연관도를 기초로, 텍스트 객체를 추출하는 단계를 포함하는,
인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법. - 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230120304A KR102639379B1 (ko) | 2023-09-11 | 2023-09-11 | 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230120304A KR102639379B1 (ko) | 2023-09-11 | 2023-09-11 | 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102639379B1 true KR102639379B1 (ko) | 2024-02-23 |
Family
ID=90041684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230120304A KR102639379B1 (ko) | 2023-09-11 | 2023-09-11 | 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102639379B1 (ko) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101348347B1 (ko) | 2013-05-21 | 2014-02-07 | 주식회사 그린웍스 | 골프 용품 거래 서비스 제공 서버 |
| KR20170085791A (ko) * | 2016-01-15 | 2017-07-25 | 김하영 | 프로골퍼와 사용자의 매칭 서비스 방법, 이를 이용하는 장치 및 시스템 |
| KR20210051319A (ko) * | 2019-10-30 | 2021-05-10 | 엘지전자 주식회사 | 인공 지능 장치 |
| KR20210120380A (ko) * | 2020-03-26 | 2021-10-07 | 주식회사 엠스플랫폼 | 골프 코칭 서비스를 제공하기 위한 장치 및 이를 위한 방법 |
| KR102360799B1 (ko) * | 2021-03-26 | 2022-02-14 | 주식회사 한국골프산업연구원 | 골프 라운드 및 골프 레슨을 위한 인공 지능 기반 골퍼 매칭 시스템 |
| KR20220140304A (ko) * | 2021-04-09 | 2022-10-18 | 주식회사 퀄슨 | 학습자의 음성 명령을 인식하는 화상 학습 시스템 및 그 방법 |
| JP2023016253A (ja) * | 2021-07-21 | 2023-02-02 | 株式会社 益マスゴルフ | マッチングシステム |
| KR102505141B1 (ko) * | 2022-08-01 | 2023-03-02 | 주식회사 옵세션컴퍼니 | 운동 파트너 매칭 플랫폼 서비스 제공 장치, 방법 및 프로그램 |
| KR102540147B1 (ko) | 2022-09-22 | 2023-06-07 | 에이지엘 주식회사 | 빅데이터를 활용한 ai 골프 여행 서비스 시스템 |
-
2023
- 2023-09-11 KR KR1020230120304A patent/KR102639379B1/ko active IP Right Grant
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101348347B1 (ko) | 2013-05-21 | 2014-02-07 | 주식회사 그린웍스 | 골프 용품 거래 서비스 제공 서버 |
| KR20170085791A (ko) * | 2016-01-15 | 2017-07-25 | 김하영 | 프로골퍼와 사용자의 매칭 서비스 방법, 이를 이용하는 장치 및 시스템 |
| KR20210051319A (ko) * | 2019-10-30 | 2021-05-10 | 엘지전자 주식회사 | 인공 지능 장치 |
| KR20210120380A (ko) * | 2020-03-26 | 2021-10-07 | 주식회사 엠스플랫폼 | 골프 코칭 서비스를 제공하기 위한 장치 및 이를 위한 방법 |
| KR102360799B1 (ko) * | 2021-03-26 | 2022-02-14 | 주식회사 한국골프산업연구원 | 골프 라운드 및 골프 레슨을 위한 인공 지능 기반 골퍼 매칭 시스템 |
| KR20220140304A (ko) * | 2021-04-09 | 2022-10-18 | 주식회사 퀄슨 | 학습자의 음성 명령을 인식하는 화상 학습 시스템 및 그 방법 |
| JP2023016253A (ja) * | 2021-07-21 | 2023-02-02 | 株式会社 益マスゴルフ | マッチングシステム |
| KR102505141B1 (ko) * | 2022-08-01 | 2023-03-02 | 주식회사 옵세션컴퍼니 | 운동 파트너 매칭 플랫폼 서비스 제공 장치, 방법 및 프로그램 |
| KR102540147B1 (ko) | 2022-09-22 | 2023-06-07 | 에이지엘 주식회사 | 빅데이터를 활용한 ai 골프 여행 서비스 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102071582B1 (ko) | 딥 뉴럴 네트워크(Deep Neural Network)를 이용하여 문장이 속하는 클래스(class)를 분류하는 방법 및 장치 | |
| US20190297381A1 (en) | Artificial intelligence device and operating method thereof | |
| KR102407595B1 (ko) | 메타버스 기반 와이너리 체험 서비스 제공 방법, 장치 및 시스템 | |
| KR20180108400A (ko) | 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체 | |
| CN110795571A (zh) | 基于深度学习和知识图谱的文化旅游资源推荐方法 | |
| KR102289256B1 (ko) | 자가진단 기반 건강기능식품 추천 서비스 제공 방법, 장치 및 시스템 | |
| KR20210012730A (ko) | 인공지능 모델의 학습 방법 및 전자 장치 | |
| KR20200080418A (ko) | 단말기 및 그의 동작 방법 | |
| KR102515168B1 (ko) | 광고 컨텐츠 제작 최적화 방법, 장치 및 시스템 | |
| KR102601446B1 (ko) | 인공지능 모델을 활용한 인플루언서 기반 판매 제품매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102508656B1 (ko) | 인공지능을 통한 문제 분석 기반 사용자 맞춤형 언어 능력 테스트 학습 서비스 제공 방법, 장치 및 시스템 | |
| KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
| KR102492774B1 (ko) | 인공지능 기반 음원 컨텐츠 라이센싱 플랫폼 서비스 제공 방법 | |
| KR102639379B1 (ko) | 인공지능 모델 기반 사용자 맞춤형 골프 프로 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102463875B1 (ko) | 빅데이터를 활용한 사용자 맞춤 심리 치료 콘텐츠 제공 방법, 장치 및 시스템 | |
| KR102430959B1 (ko) | 인공지능 기반 식물 정보 큐레이션 서비스 제공 방법, 장치 및 시스템 | |
| KR102410460B1 (ko) | 인공지능 기반 뷰티샵 예약 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
| KR102615445B1 (ko) | 대변 이미지 분석 기반 영양 정보 제공 방법, 장치 및 시스템 | |
| KR102474974B1 (ko) | 인공지능 기반 브랜드 분석 방법, 장치 및 시스템 | |
| KR102321408B1 (ko) | 개인화된 메모패드 서비스 제공 방법, 장치 및 시스템 | |
| KR102561832B1 (ko) | 인공지능 기반 온라인 교육 콘텐츠 제공 방법, 장치 및 시스템 | |
| KR102478367B1 (ko) | 이미지 인식 기반 음원 매칭 및 추천 방법, 장치 및 시스템 | |
| KR102641137B1 (ko) | 인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법, 장치 및 시스템 | |
| KR102619891B1 (ko) | 인공지능 모델 기반 커머스 제품 연계 콘텐츠의 시청패턴을 고려한 사용자 맞춤형 제품 큐레이션 서비스 제공 방법, 장치 및 시스템 | |
| KR102492762B1 (ko) | 인공지능 기반 수강생 맞춤형 유학 교육 커리큘럼 제공 및 관리 방법, 장치 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |