KR102650587B1 - 정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법, 장치 및 시스템 - Google Patents
정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102650587B1 KR102650587B1 KR1020230156556A KR20230156556A KR102650587B1 KR 102650587 B1 KR102650587 B1 KR 102650587B1 KR 1020230156556 A KR1020230156556 A KR 1020230156556A KR 20230156556 A KR20230156556 A KR 20230156556A KR 102650587 B1 KR102650587 B1 KR 102650587B1
- Authority
- KR
- South Korea
- Prior art keywords
- contract
- broker
- user
- contract broker
- picture
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 56
- 238000011156 evaluation Methods 0.000 title claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 69
- 238000012797 qualification Methods 0.000 claims description 65
- 238000013473 artificial intelligence Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 24
- 239000008280 blood Substances 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 10
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 34
- 238000012423 maintenance Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 235000019640 taste Nutrition 0.000 description 7
- 238000003058 natural language processing Methods 0.000 description 6
- 230000002787 reinforcement Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 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]
- G06Q30/0613—Third-party assisted
- G06Q30/0619—Neutral agent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06N3/092—Reinforcement learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
Abstract
일실시예에 따른 장치는 사용자의 단말로부터 사용자의 정보를 획득하고, 사용자의 단말로부터 정성적 기준 중 사용자가 고려하고자 하는 기준인 필수 고려 기준을 획득하고, 필수 고려 기준에 대응하는 데이터 값을 획득하고, 중개인 데이터베이스로부터 사용자의 주소와 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정하고, 후보 계약 중개인 중 필수 고려 기준에 대응하는 데이터 값에 해당하는 중개인을 대상 계약 중개인으로 선정하고, 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성하고, 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있는지 여부를 확인하여, 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있다고 확인되면, 점수가 가장 높은 대상 계약 중개인을 사용자의 계약 중개인으로 선정하고, 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 없다고 확인되면, 정성적 기준을 고려한 제1 리스트 및 정성적 기준을 고려하지 않은 제2 리스트를 생성하고, 제1 리스트 및 제2 리스트를 사용자의 단말로 제공하고, 제1 리스트 및 상기 제2 리스트를 기초로, 사용자의 단말로부터 사용자의 선택을 수신하고, 사용자의 선택을 기초로, 사용자와 계약 중개인을 매칭한다.
Description
아래 실시예들은 정량적 기준 및 정성적 기준을 고려하여 계약 중개인을 평가하고, 사용자와 계약 중개인을 매칭하는 방법에 관한 것이다.
고객과 기업 간의 계약을 위해 기업에 근무하고 있는 계약 중개인을 통해 고객과 기업이 계약하는 일이 많아졌다.
그러나 종래에는 고객이 원하는 계약과 그 계약 이력을 갖는 중개인을 매칭하고, 고객이 중개인의 경력 및 학력, 해당 분야의 성공적인 전문 역량을 보여주는 자료, 고객 후기, 중개인 후기, 및 중개인의 용역 의뢰 자료를 열람하여 중개인과 고객을 매칭하는 방법을 주로 사용하였다.
그러나, 중개 성공률은 고객과 중개인의 공감대 형성이 중요한 것으로 확인되었고, 고객과 유사한 성향 및 취향을 갖는 중개인을 선별하여 고객과 매칭하는 기술이 요구된다.
따라서, 본 발명은, 정량적 기준 뿐 아니라 정성적 기준을 고려하여 계약 중개인을 평가하고 고객에게 적합한 계약 중개인을 매칭하여 중개 성공률을 높일 수 있는 장점이 있다.
실시예들은 정량적 기준 및 정성적 기준을 고려하여 계약 중개인과 사용자를 매칭하고자 한다.
실시예들은 사용자의 정보, 계약 중개인의 정보 및 만족도를 기반으로 인공지능신경망을 모델링하고, 모델링된 인공지능신경망을 통해 다음 사용자에게 적합한 계약 중개인을 선정하고자 한다.
실시예들은 사용자와 계약 중개인 간의 취향 유사도를 확인하여 선별하고자 한다.
정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법은 사용자의 단말로부터 상기 사용자의 이름, 상기 사용자의 주소, 상기 사용자의 성별, 및 상기 사용자의 연령을 포함하는 상기 사용자의 정보를 획득하는 단계; 상기 사용자의 단말로부터 정성적 기준 중 상기 사용자가 고려하고자 하는 기준인 필수 고려 기준을 획득하고, 상기 필수 고려 기준에 대응하는 데이터 값을 획득하는 단계; 중개인 데이터베이스로부터 상기 사용자의 주소와 미리 설정된 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정하고, 상기 후보 계약 중개인의 정보를 획득하는 단계; 상기 후보 계약 중개인 중 상기 필수 고려 기준에 대응하는 데이터 값에 해당하는 중개인을 대상 계약 중개인으로 선정하는 단계; 정량적 기준을 기초로, 상기 대상 계약 중개인의 점수를 생성하는 단계; 상기 대상 계약 중개인의 점수를 기초로, 미리 설정된 기준 점수보다 높은 대상 계약 중개인이 있는지 여부를 확인하는 단계; 상기 기준 점수보다 높은 대상 계약 중개인이 있는 것으로 확인되면, 점수가 가장 높은 대상 계약 중개인을 상기 사용자의 계약 중개인으로 선정하는 단계; 상기 기준 점수보다 높은 대상 계약 중개인이 없는 것으로 확인되면, 상기 정성적 기준을 고려한 제1 리스트 및 상기 정성적 기준을 고려하지 않은 제2 리스트를 생성하고, 상기 제1 리스트 및 상기 제2 리스트를 상기 사용자의 단말로 제공하는 단계; 상기 제1 리스트 및 상기 제2 리스트를 기초로, 상기 사용자의 단말로부터 상기 사용자의 선택을 수신하는 단계; 및 상기 사용자의 선택을 기초로, 상기 사용자와 계약 중개인을 매칭하는 단계를 포함한다.
상기 정성적 기준은, 출신지역, 출신학교, 혈액형, MBTI, 성별, 취미, 결혼유무, 종교가 포함되며, 상기 정량적 기준은, 계약 중개 건수, 계약 성사율, 계약 유지율, 계약 성사 시간, 중개 수수료, 만족도가 포함된다.
상기 제1 리스트 및 상기 제2 리스트를 생성하는 단계는, 상기 대상 계약 중개인의 점수를 기초로, 점수가 가장 높은 대상 계약 중개인부터 순서대로 정렬하여 정성적 기준을 고려한 제1 리스트를 생성하는 단계, 및 상기 정량적 기준 및 상기 후보 계약 중개인의 정보를 기초로, 상기 후보 계약 중개인의 점수를 생성하고, 점수가 가장 높은 후보 계약 중개인부터 순서대로 정렬하여 정성적 기준을 고려하지 않은 제2 리스트를 생성하는 단계를 포함한다.
정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법은 매칭이 완료되면, 상기 사용자의 단말로부터 상기 사용자와 매칭된 계약 중개인의 만족도를 획득하는 단계; 상기 사용자의 정보, 상기 사용자와 매칭된 계약 중개인의 정보 및 상기 계약 중개인의 만족도 사이의 상관관계를 기초로, 중개인 매칭 인공지능신경망을 모델링하는 단계; 다음 사용자의 단말로부터 상기 다음 사용자의 정보를 획득하는 단계; 상기 다음 사용자의 정보 및 상기 중개인 데이터베이스에 저장된 계약 중개인의 정보를 기초로 입력 신호를 생성하는 단계; 상기 입력 신호를 상기 모델링이 완료된 중개인 매칭 인공지능신경망에 적용하여 상기 다음 사용자와 상기 중개인 데이터베이스에 저장된 계약 중개인 간의 예상 만족도를 출력 신호로 출력하는 단계; 및 상기 중개인 매칭 인공지능신경망을 통해 출력된 출력 신호를 기초로, 예상 만족도가 가장 높은 계약 중개인을 상기 다음 사용자와 매칭하는 단계를 더 포함한다.
중개인 데이터베이스로부터 상기 사용자의 주소와 미리 설정된 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정하는 단계는, 상기 사용자의 주소와 미리 설정된 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 자격 계약 중개인으로 선정하는 단계, 상기 사용자의 단말로 그리드가 형성된 제1 그림, 그리드가 형성된 제2 그림 및 그리드가 형성된 제3 그림을 순서대로 제공하는 단계, 상기 사용자의 단말로부터 상기 제1 그림에 대응하여 사용자가 선택한 복수의 그리드인 제1 그리드, 상기 제2 그림에 대응하여 사용자가 선택한 복수의 그리드인 제2 그리드, 상기 제3 그림에 대응하여 사용자가 선택한 복수의 그리드인 제3 그리드를 획득하는 단계, 상기 제1 그리드를 기초로, 제1 심볼을 생성하고, 상기 제2 그리드를 기초로, 제2 심볼을 생성하고, 상기 제3 그리드를 기초로, 제3 심볼을 생성하는 단계, 상기 자격 계약 중개인의 단말로 상기 제1 그림, 상기 제2 그림 및 상기 제3 그림을 순서대로 제공하는 단계, 상기 자격 계약 중개인의 단말로부터 상기 제1 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제4 그리드, 상기 제2 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제5 그리드, 상기 제3 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제6 그리드를 획득하는 단계, 상기 제4 그리드를 기초로, 제4 심볼을 생성하고, 상기 제5 그리드를 기초로, 제5 심볼을 생성하고, 상기 제6 그리드를 기초로, 제6 심볼을 생성하는 단계, 상기 제1 그림에 대해 상기 사용자의 선택으로 생성된 상기 제1 심볼과 상기 자격 계약 중개인의 선택으로 생성된 상기 제4 심볼의 유사도를 확인하는 단계, 상기 제1 심볼과 상기 제4 심볼 간의 유사도가 미리 설정된 기준 비율보다 높은 자격 계약 중개인을 참고 계약 중개인으로 선정하는 단계, 상기 제2 그림에 대해 상기 사용자의 선택으로 생성된 상기 제2 심볼과 상기 참고 계약 중개인의 선택으로 생성된 상기 제5 심볼의 유사도를 확인하는 단계, 상기 제2 심볼과 상기 제5 심볼 간의 유사도가 상기 기준 비율보다 높은 참고 계약 중개인을 고려 계약 중개인으로 선정하는 단계, 상기 제3 그림에 대해 상기 사용자의 선택으로 생성된 상기 제3 심볼과 상기 고려 계약 중개인의 선택으로 생성된 상기 제6 심볼의 유사도를 확인하는 단계, 및 상기 제3 심볼과 상기 제6 심볼 간의 유사도가 상기 기준 비율보다 높은 고려 계약 중개인을 후보 계약 중개인으로 선정하는 단계를 포함한다.
정량적 기준을 기초로, 상기 계약 중개인의 점수를 생성하는 단계;는, 상기 계약 중개인의 계약 중개 건수를 확인하여, 상기 계약 중개인의 건수 점수를 생성하는 단계, 상기 계약 중개인의 계약 성사율 및 계약 유지율을 확인하여, 상기 계약 중개인의 성과 점수를 생성하는 단계, 상기 계약 중개인의 평균 성사 시간을 확인하여, 상기 계약 중개인의 속도 점수를 생성하는 단계, 상기 계약 중개인의 평균 중개 수수료를 확인하여 상기 계약 중개인의 가격 점수를 생성하는 단계, 상기 계약 중개인의 평균 만족도를 확인하여, 상기 계약 중개인의 평점 점수를 생성하는 단계, 및 상기 건수 점수, 상기 성과 점수, 상기 속도 점수, 상기 가격 점수, 상기 평점 점수를 합산한 값으로, 상기 계약 중개인의 점수를 생성하는 단계를 포함한다.
상기 기준 점수보다 높은 대상 계약 중개인이 있는 것으로 확인되면, 점수가 가장 높은 대상 계약 중개인을 상기 사용자의 계약 중개인으로 선정하는 단계;는, 상기 기준 점수보다 높은 점수를 갖는 대상 계약 중개인을 핵심 계약 중개인으로 선정하는 단계, 상기 핵심 계약 중개인의 점수에 제1 가중치를 부여하여 상기 핵심 계약 중개인의 최종 점수를 생성하는 단계, 및 상기 핵심 계약 중개인의 최종 점수를 기초로, 최종 점수가 가장 높은 핵심 계약 중개인을 상기 사용자의 계약 중개인으로 선정하는 단계를 더 포함하고, 상기 제1 가중치는, 상기 사용자의 단말로부터 상기 사용자의 SNS 계정을 획득하고, 상기 사용자의 SNS 계정으로부터 미리 설정된 제1 기간동안 상기 사용자가 업로드한 게시글, 상기 사용자가 사용한 해시태그, 상기 사용자가 좋아한 게시글 및 상기 사용자가 공유한 게시글을 획득하고, 상기 사용자가 업로드한 게시글, 상기 사용자가 사용한 해시태그를 통해 상기 사용자의 관심 키워드를 획득하고, 상기 사용자가 업로드한 게시글을 통해 상기 사용자의 관심 색상을 획득하고, 상기 사용자가 좋아한 게시글 및 상기 사용자가 공유한 게시글을 통해 상기 사용자의 관심 분야를 획득하고, 상기 핵심 계약 중개인의 단말로부터 상기 핵심 계약 중개인의 SNS 계정을 획득하고, 상기 핵심 계약 중개인의 SNS 계정으로부터 상기 제1 기간동안 상기 핵심 계약 중개인이 업로드한 게시글, 상기 핵심 계약 중개인이 사용한 해시태그, 상기 핵심 계약 중개인이 좋아한 게시글 및 상기 핵심 계약 중개인이 공유한 게시글을 획득하고, 상기 핵심 계약 중개인이 업로드한 게시글, 상기 핵심 계약 중개인이 사용한 해시태그를 통해 상기 핵심 계약 중개인의 관심 키워드를 획득하고, 상기 핵심 계약 중개인이 업로드한 게시글을 통해 상기 핵심 계약 중개인의 관심 색상을 획득하고, 상기 핵심 계약 중개인이 좋아한 게시글 및 상기 핵심 계약 중개인이 공유한 게시글을 통해 상기 핵심 계약 중개인의 관심 분야를 획득하고, 상기 사용자의 관심 키워드 및 상기 핵심 계약 중개인의 관심 키워드를 비교하여 관심 키워드가 일치하는지 여부를 확인하고, 상기 사용자의 관심 색상 및 상기 핵심 계약 중개인의 관심 색상을 비교하여 관심 색상이 일치하는지 여부를 확인하고, 상기 사용자의 관심 분야 및 상기 핵심 계약 중개인의 관심 분야를 비교하여 관심 분야가 일치하는지 여부를 확인하여, 키워드, 색상, 분야 중 일치하는 개수가 많을수록 높게 생성된다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들은 정량적 기준 및 정성적 기준을 고려하여 계약 중개인과 사용자를 매칭할 수 있다.
실시예들은 사용자의 정보, 계약 중개인의 정보 및 만족도를 기반으로 인공지능신경망을 모델링하고, 모델링된 인공지능신경망을 통해 다음 사용자에게 적합한 계약 중개인을 선정할 수 있다.
실시예들은 사용자와 계약 중개인 간의 취향 유사도를 확인하여 선별할 수 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 정량적 기준 및 정성적 기준을 고려하여 계약 중개인과 사용자를 매칭하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 제1 리스트 및 제2 리스트를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 중개인 매칭 인공지능신경망을 모델링하고, 모델링된 중개인 매칭 인공지능신경망을 통해 다음 사용자에게 적합한 계약 중개인을 선정하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 후보 계약 중개인을 선정하기 위해 사용자 및 계약 중개인의 취향을 획득하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 사용자의 선택에 따라 생성된 심볼들과 자격 계약 중개인의 선택에 따라 생성된 심볼들의 유사도를 확인하여 후보 계약 중개인을 선정하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 그림, 그리드, 심볼을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 정량적 기준을 기초로 계약 중개인의 점수를 생성하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 기준 점수보다 높은 점수를 갖는 대상 계약 중개인 중 사용자의 계약 중개인을 선정하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 제1 가중치를 생성하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 장치의 구성의 예시도이다.
도 2는 일실시예에 따른 정량적 기준 및 정성적 기준을 고려하여 계약 중개인과 사용자를 매칭하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 제1 리스트 및 제2 리스트를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 중개인 매칭 인공지능신경망을 모델링하고, 모델링된 중개인 매칭 인공지능신경망을 통해 다음 사용자에게 적합한 계약 중개인을 선정하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 후보 계약 중개인을 선정하기 위해 사용자 및 계약 중개인의 취향을 획득하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 사용자의 선택에 따라 생성된 심볼들과 자격 계약 중개인의 선택에 따라 생성된 심볼들의 유사도를 확인하여 후보 계약 중개인을 선정하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 그림, 그리드, 심볼을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 정량적 기준을 기초로 계약 중개인의 점수를 생성하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 기준 점수보다 높은 점수를 갖는 대상 계약 중개인 중 사용자의 계약 중개인을 선정하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 제1 가중치를 생성하는 과정을 설명하기 위한 순서도이다.
도 11은 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 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 사용자의 단말(100), 계약 중개인의 단말(120) 및 장치(200)를 포함할 수 있다.
먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.
사용자의 단말(110)은 계약 중개인을 통해 계약을 하고자 하는 사용자가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 사용자의 단말(110)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.
계약 중개인의 단말(120)은 사용자의 계약을 중개하는 중개인이 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 계약 중개인의 단말(120)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.
사용자의 단말(110) 및 계약 중개인의 단말(120)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자의 단말(110) 및 계약 중개인의 단말(120)은 장치(200)와 유무선으로 통신하도록 구성될 수 있다.
사용자의 단말(110) 및 계약 중개인의 단말(120)은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 사용자의 단말(110) 및 계약 중개인의 단말(120)은 웹 사이트 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.
도1 및 이하의 설명에서는, 설명의 편의상, 사용자의 단말(110) 및 계약 중개인의 단말(120) 각각 하나만을 도시하고 설명하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.
장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 사용자의 단말(110) 및 계약 중개인의 단말(120)과 유무선으로 통신하도록 구성될 수 있다.
또한, 장치(200)는 블로그, 카페, 인스타그램, 페이스북, 트위터, 유튜브를 포함하는 SNS 및 기사를 포함하는 웹 페이지를 포함하는 웹사이트와 유무선으로 통신할 수 있으며, 장치(200)는 웹사이트에 접속하여 정보를 획득할 수 있다.
장치(200)는 사용자의 단말(110)로부터 사용자의 정보를 획득하고, 사용자의 단말(110)로부터 정성적 기준 중 사용자가 고려하고자 하는 기준인 필수 고려 기준을 획득하고, 필수 고려 기준에 대응하는 데이터 값을 획득하고, 중개인 데이터베이스로부터 사용자의 주소와 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정하고, 후보 계약 중개인 중 필수 고려 기준에 대응하는 데이터 값에 해당하는 중개인을 대상 계약 중개인으로 선정하고, 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성하고, 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있는지 여부를 확인하여, 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있다고 확인되면, 점수가 가장 높은 대상 계약 중개인을 사용자의 계약 중개인으로 선정하고, 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 없다고 확인되면, 정성적 기준을 고려한 제1 리스트 및 정성적 기준을 고려하지 않은 제2 리스트를 생성하고, 제1 리스트 및 제2 리스트를 사용자의 단말로 제공하고, 제1 리스트 및 상기 제2 리스트를 기초로, 사용자의 단말로부터 사용자의 선택을 수신하고, 사용자의 선택을 기초로, 사용자와 계약 중개인을 매칭할 수 있다.
도 2는 일실시예에 따른 정량적 기준 및 정성적 기준을 고려하여 계약 중개인과 사용자를 매칭하는 과정을 설명하기 위한 순서도이다.
도 2를 참조하면, 먼저 S201 단계에서, 장치(200)는 사용자의 단말(110)로부터 사용자의 정보를 획득할 수 있다. 여기서, 사용자의 정보는 사용자의 이름, 사용자의 주소, 사용자의 성별 및 사용자의 연령을 포함할 수 있으며, 사용자의 혈액형, 사용자의 MBTI, 사용자의 직업, 사용자의 결혼 유무, 사용자의 종교, 사용자의 취미, 사용자의 선호 스타일 및 선호 색상 등이 더 포함될 수 있다.
구체적으로, 장치(200)는 계약 중개인을 통해 계약을 하고자 하는 사용자가 소지하고 있는 사용자의 단말(110)로부터 사용자의 이름, 사용자의 주소, 사용자의 성별 및 사용자의 연령을 포함하는 사용자의 정보를 획득할 수 있다.
S202 단계에서, 장치(200)는 사용자의 단말(110)로부터 정성적 기준 중 사용자가 고려하고자 하는 기준인 필수 고려 기준을 획득하고, 필수 고려 기준에 대응하는 데이터 값을 획득할 수 있다. 여기서, 정성적 기준은 출신지역, 출신학교, 혈액형, MBTI, 성별, 취미, 결혼유무, 종교가 포함될 수 있으며, 필수 고려 기준은 출신지역, 출신학교, 혈액형, MBTI, 성별, 취미, 결혼유무, 종교 중 사용자가 고려하고자 하는 기준일 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 출신지역, 출신학교, 혈액형, MBTI, 성별, 취미, 결혼유무, 종교 중 사용자가 고려하는 기준인 필수 고려 기준을 획득할 수 있고, 또한, 장치(200)는 사용자의 단말(110)로부터 필수 고려 기준에 대응하는 데이터 값을 획득할 수 있다.
예를 들어, 사용자가 A 대학교를 졸업한 A 종교를 갖는 계약 중개인과 계약을 하고자 하는 경우, 장치(200)는 사용자의 단말(110)로부터 필수 고려 기준으로 출신학교 및 종교를 획득할 수 있고, 또한, 장치(200)는 사용자의 단말(110)로부터 출신학교에 대응하는 데이터 값으로 A 대학교를 획득할 수 있고, 종교에 대응하는 데이터 값으로 A 종교를 획득할 수 있다.
S203 단계에서, 장치(200)는 중개인 데이터베이스로부터 사용자의 주소와 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정할 수 있다. 이때, 임계 범위는 사용자의 주소를 기준으로 미리 설정된 범위일 수 있으며, 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 중개인 데이터베이스를 포함하거나 별개의 중개인 데이터베이스와 유무선으로 통신할 수 있으며, 중개인 데이터베이스에는 계약 중개인과 매칭하여 계약 중개인의 정보가 저장되어 있을 수 있다. 이때, 계약 중개인의 정보는 계약 중개인의 이름, 계약 중개인의 연락처, 계약 중개인의 성별, 계약 중개인의 연령, 계약 중개인의 주소, 계약 중개인의 출신지역, 계약 중개인의 출신학교, 계약 중개인의 혈액형, 계약 중개인의 MBTI, 계약 중개인의 취미, 계약 중개인의 결혼유무, 계약 중개인의 자녀구성, 계약 중개인의 종교, 계약 중개인의 선호 스타일, 계약 중개인의 선호 색상, 계약 중개인의 학력, 계약 중개인의 경력, 계약 중개인의 자격증, 계약 중개인의 성향, 계약 중개인의 라이프 스타일이 포함될 수 있으며, 또한 계약 중개인의 정보에는 계약 중개인이 그동안 계약을 중개한 히스토리와 관련된 정보인 계약 중개인의 히스토리가 저장되어 있을 수 있다.
즉, 장치(200)는 사용자의 단말(110)로부터 획득한 사용자의 주소를 기초로, 임계 범위를 생성할 수 있고, 장치(200)는 중개인 데이터베이스를 통해 중개인 데이터베이스에 저장된 계약 중개인의 정보를 확인하여, 계약 중개인의 주소를 확인할 수 있고, 확인된 계약 중개인의 주소를 기초로, 사용자의 주소와 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정할 수 있고, 중개인 데이터베이스로부터 후보 계약 중개인의 정보를 획득할 수 있다.
S204 단계에서, 장치(200)는 후보 계약 중개인 중 필수 고려 기준에 대응하는 데이터 값에 해당하는 중개인을 대상 계약 중개인으로 선정할 수 있다.
구체적으로, 장치(200)는 사용자의 주소 및 계약 중개인의 주소를 통해 후보 계약 중개인이 선정되면, 장치(200)는 중개인 데이터베이스로부터 후보 계약 중개인의 정보를 획득할 수 있고, 후보 계약 중개인의 정보를 통해 후보 계약 중개인 중 필수 고려 기준에 대응하는 데이터 값에 해당하는 중개인을 확인하여 대상 계약 중개인으로 선정할 수 있다.
예를 들어, 사용자가 A 대학교를 졸업한 A 종교를 갖는 계약 중개인과 계약을 하고자 하는 경우, 장치(200)는 사용자의 단말(110)로부터 필수 고려 기준으로 출신학교 및 종교를 획득할 수 있고, 또한, 장치(200)는 사용자의 단말(110)로부터 출신학교에 대응하는 데이터 값으로 A 대학교를 획득할 수 있고, 종교에 대응하는 데이터 값으로 A 종교를 획득할 수 있다. 또한, 장치(200)는 사용자의 주소 및 중개인 데이터베이스에 저장된 계약 중개인의 주소를 통해 제1 계약 중개인, 제2 계약 중개인, 제3 계약 중개인, 및 제4 계약 중개인을 후보 계약 중개인으로 선정할 수 있고, 제1 계약 중개인의 정보를 통해 제1 계약 중개인의 출신학교 및 종교를 확인하고, 제2 계약 중개인의 정보를 통해 제2 계약 중개인의 출신학교 및 종교를 확인하고, 제3 계약 중개인의 정보를 통해 제3 계약 중개인의 출신학교 및 종교를 확인하고, 및 제4 계약 중개인의 정보를 통해 제4 계약 중개인의 출신학교 및 종교를 확인할 수 있다. 또한, 장치(200)는 확인 결과, 제1 계약 중개인 및 제3 계약 중개인이 A 대학교를 졸업하고, A 종교를 갖는 것이 확인되면, 제1 계약 중개인 및 제3 계약 중개인을 대상 계약 중개인으로 선정할 수 있다.
S205 단계에서, 장치(200)는 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성할 수 있다. 이때, 정량적 기준은 계약 중개 건수, 계약 성사율, 계약 유지율, 계약 성사 시간, 중개 수수료, 만족도가 포함될 수 있다.
구체적으로, 장치(200)는 정성적 기준을 기초로, 대상 계약 중개인이 선정되면, 계약 중개 건수, 계약 성사율, 계약 유지율, 계약 성사 시간, 중개 수수료, 만족도를 포함하는 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성할 수 있다.
즉, 장치(200)는 대상 계약 중개인이 선정되면, 대상 계약 중개인의 정보를 기초로, 대상 계약 중개인의 계약 중개 건수, 대상 계약 중개인의 계약 성사율, 대상 계약 중개인의 계약 유지율, 대상 계약 중개인의 계약 성사 시간, 대상 계약 중개인의 중개 수수료, 대상 계약 중개인의 만족도를 확인할 수 있고, 대상 계약 중개인의 계약 중개 건수, 대상 계약 중개인의 계약 성사율, 대상 계약 중개인의 계약 유지율, 대상 계약 중개인의 계약 성사 시간, 대상 계약 중개인의 중개 수수료, 대상 계약 중개인의 만족도를 기초로, 대상 계약 중개인의 점수를 생성할 수 있다. 이때, 대상 계약 중개인을 포함하는 계약 중개인의 점수를 생성하는 과정은 도 8을 참조하여 설명하기로 한다.
S206 단계에서, 장치(200)는 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있는지 여부를 확인할 수 있다. 이때, 기준 점수는 미리 설정된 점수 값으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성할 수 있으며, 생성된 대상 계약 중개인의 점수를 확인하여 미리 설정된 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있는지 여부를 확인할 수 있다.
S206 단계에서 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있다고 확인되면, S207 단계에서, 장치(200)는 점수가 가장 높은 대상 계약 중개인을 사용자의 계약 중개인으로 선정할 수 있다.
구체적으로, 장치(200)는 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성할 수 있으며, 생성된 대상 계약 중개인의 점수를 확인하여 미리 설정된 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있는지 여부를 확인할 수 있다. 또한, 장치(200)는 확인 결과, 기준 점수보다 높은 대상 계약 중개인의 점수를 갖는 대상 계약 중개인이 있다고 확인되면, 점수가 가장 높은 대상 계약 중개인을 사용자의 계약 중개인으로 선정할 수 있다.
S206 단계에서 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 없다고 확인되면, S208 단계에서, 장치(200)는 제1 리스트 및 제2 리스트를 사용자의 단말(110)로 제공할 수 있다.
구체적으로, 장치(200)는 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성할 수 있으며, 생성된 대상 계약 중개인의 점수를 확인하여 미리 설정된 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있는지 여부를 확인할 수 있다. 또한, 장치(200)는 확인 결과, 기준 점수보다 높은 대상 계약 중개인의 점수를 갖는 대상 계약 중개인이 없다고 확인되면, 정성적 기준을 고려한 제1 리스트 및 정성적 기준을 고려하지 않은 제2 리스트를 생성하고, 생성된 제1 리스트 및 제2 리스트를 사용자의 단말(110)로 제공할 수 있다. 이때, 제1 리스트 및 제2 리스트를 생성하는 과정은 도 3을 참조하여 설명하기로 한다.
S209 단계에서, 장치(200)는 사용자의 단말(110)로부터 사용자의 선택을 수신할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로 정성적 기준을 고려한 제1 리스트 및 정성적 기준을 고려하지 않은 제2 리스트를 제공할 수 있으며, 사용자는 사용자의 단말(110)로 제공된 제1 리스트 및 제2 리스트를 확인하여, 제1 리스트 및 제2 리스트에 포함된 계약 중개인 중 사용자가 원하는 계약 중개인을 선택할 수 있다. 또한, 장치(200)는 사용자의 단말(110)로부터 사용자가 원하는 계약 중개인 즉, 사용자의 선택을 수신할 수 있다.
S210 단계에서, 장치(200)는 사용자의 선택을 기초로, 사용자와 계약 중개인을 매칭할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 수신한 사용자의 선택을 기초로, 제1 리스트 및 제2 리스트에 포함된 계약 중개인 중 사용자가 원하는 계약 중개인을 사용자와 매칭할 수 있다.
이로 인해, 장치(200)는 정량적 기준 및 정성적 기준을 고려하여 사용자에게 적합한 계약 중개인을 선정하고, 사용자와 선정된 계약 중개인을 매칭함으로써 중개 성사율을 높일 수 있는 효과가 있다.
도 3은 일실시예에 따른 제1 리스트 및 제2 리스트를 생성하는 과정을 설명하기 위한 순서도이다.
도 3을 참조하면, 먼저, S301 단계에서 장치(200)는 대상 계약 중개인의 점수를 기초로, 점수가 가장 높은 대상 계약 중개인부터 순서대로 정렬하여 정성적 기준을 고려한 제1 리스트를 생성할 수 있다.
구체적으로, 장치(200)는 기준 점수보다 높은 대상 계약 중개인이 없는 것으로 확인되면, 장치(200)는 대상 계약 중개인 중 사용자의 계약 중개인을 선정하지 않고, 대상 계약 중개인의 점수를 기초로, 점수가 가장 높은 대상 계약 중개인부터 점수가 가장 낮은 대상 계약 중개인까지 순서대로 차례로 정렬하여 정성적 기준을 고려한 제1 리스트를 생성할 수 있다.
S302 단계에서, 장치(200)는 정량적 기준 및 후보 계약 중개인의 정보를 기초로, 후보 계약 중개인의 점수를 생성하고, 점수가 가장 높은 후보 계약 중개인부터 순서대로 정렬하여 정성적 기준을 고려하지 않은 제2 리스트를 생성할 수 있다.
구체적으로, 장치(200)는 기준 점수보다 높은 대상 계약 중개인이 없는 것으로 확인되면, 장치(200)는 정성적 기준을 고려하지 않은 계약 중개인인 후보 계약 중개인의 정보와 정량적 기준을 기초로, 후보 계약 중개인의 점수를 생성할 수 있고, 후보 계약 중개인의 점수를 기초로, 점수가 가장 높은 후보 계약 중개인부터 점수가 가장 낮은 후보 계약 중개인까지 순서대로 차례로 정렬하여 정성적 기준을 고려하지 않은 제2 리스트를 생성할 수 있다. 이때, 후보 계약 중개인을 포함하는 계약 중개인의 점수를 생성하는 과정은 도 8을 참조하여 설명하기로 한다.
즉, 장치(200)는 정성적 기준을 고려한 대상 계약 중개인 중 미리 설정된 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 없다고 확인되면, 정성적 기준을 만족할지라도 사용자가 해당 대상 계약 중개인을 불만족할 수도 있다고 판단하여, 정성적 기준을 고려한 제1 리스트와 정성적 기준을 고려하지 않은 제2 리스트를 사용자에게 제공할 수 있고, 사용자는 보다 원하는 계약 중개인을 선정할 수 있다.
도 4는 일실시예에 따른 중개인 매칭 인공지능신경망을 모델링하고, 모델링된 중개인 매칭 인공지능신경망을 통해 다음 사용자에게 적합한 계약 중개인을 선정하는 과정을 설명하기 위한 도면이다.
도 4를 참조하면, 먼저, S401 단계에서, 장치(200)는 매칭이 완료되면, 사용자의 단말(110)로부터 사용자와 매칭된 계약 중개인의 만족도를 획득할 수 있다.
구체적으로, 장치(200)는 사용자와 사용자의 계약을 중개할 계약 중개인이 선정 및 매칭되면, 사용자의 단말(110)로부터 사용자와 매칭된 계약 중개인의 만족도를 획득할 수 있다. 이때, 만족도는 1부터 5까지의 점수로 분류될 수 있으며, 만족도가 높을수록 5에 가까울 수 있고, 만족도가 낮을수록 1에 가까울 수 있다. 한편, 만족도가 분류되는 기준은 이에 한정되는 것은 아니다.
S402 단계에서, 장치(200)는 사용자의 정보, 사용자와 매칭된 계약 중개인의 정보 및 계약 중개인의 만족도 사이의 상관관계를 기초로, 중개인 매칭 인공지능신경망을 모델링할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 사용자와 매칭된 계약 중개인의 만족도를 획득하면, 사용자의 정보, 사용자와 매칭된 계약 중개인의 정보 및 사용자의 단말(110)로부터 획득한 계약 중개인의 만족도 사이의 상관관계를 기초로, 중개인 매칭 인공지능신경망을 모델링할 수 있다.
즉, 장치(200)는 사용자의 정보, 계약 중개인의 정보 및 계약 중개인의 만족도를 통해 중개인 매칭 인공지능신경망을 학습시킬 수 있으며, 장치(200)는 중개인 매칭 인공지능신경망에 사용자의 정보, 계약 중개인의 정보를 입력하였을 때, 사용자의 정보, 계약 중개인의 정보에 따라 적합한 만족도가 출력되도록 중개인 매칭 인공지능신경망을 학습시킬 수 있다.
이때, 장치(200)는 강화 학습(reinforcement learning)을 통해 중개인 매칭 인공지능신경망을 학습시킬 수 있으며, 중개인 매칭 인공지능신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.
강화 학습에 따라 학습되는 중개인 매칭 인공지능신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 제1 보상은 사용자의 정보와 계약 중개인의 정보에 따라 적합한 만족도를 출력할수록 보상 값이 높아질 수 있고, 제2 보상은 사용자의 정보와 계약 중개인의 정보에 따라 적합하지 않은 만족도를 선정하지 않을수록 보상 값이 높아질 수 있다.
장치(200)는 사용자의 정보, 계약 중개인의 정보를 중개인 매칭 인공지능신경망에 입력하여 중개인 매칭 인공지능신경망으로부터 출력을 획득할 수 있다. 중개인 매칭 인공지능신경망의 출력은, 사용자의 정보, 계약 중개인의 정보에 따른 적합한 만족도일 수 있다.
장치(200)는 중개인 매칭 인공지능신경망의 출력을 평가하여 보상을 지급하여 중개인 매칭 인공지능신경망을 학습시킬 수 있다. 이때, 출력의 평가는 제1 보상, 제2 보상 등으로 나뉠 수 있다.
구체적으로, 장치(200)는 중개인 매칭 인공지능신경망이 사용자의 정보, 계약 중개인의 정보에 따라 적합한 만족도를 출력하면 제1 보상을 많이 수여하고, 중개인 매칭 인공지능신경망이 사용자의 정보, 계약 중개인의 정보에 따라 적합하지 않은 만족도를 출력하지 않으면 제2 보상을 많이 수여할 수 있다.
장치(200)는 평가를 기초로 중개인 매칭 인공지능신경망을 갱신할 수 있다.
구체적으로, 장치(200)는 중개인 매칭 인공지능신경망이, 사용자의 정보, 계약 중개인의 정보에 따른 만족도를 분석하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공지능신경망을 갱신할 수 있다.
한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.
장치(200)는 실시 예가 증가함에 따라 상술한 중개인 매칭 인공지능신경망의 학습 과정을 반복함으로써, 중개인 매칭 인공지능신경망을 점진적으로 갱신시킬 수 있다.
즉, 이를 통해, 장치(200)는 중개인 매칭 인공지능신경망이 사용자의 정보, 계약 중개인의 정보를 고려하여, 만족도를 예측 출력할 때, 다양한 보상을 제공함으로써 강화 학습을 반영하여 분석 기준을 조정함으로써 중개인 매칭 인공지능신경망이 모델링되도록 학습시킬 수 있다.
S403 단계에서, 장치(200)는 다음 사용자의 단말로부터 다음 사용자의 정보를 획득할 수 있다.
구체적으로, 장치(200)는 사용자의 정보, 사용자와 매칭된 계약 중개인의 정보, 사용자로부터 획득한 계약 중개인의 만족도를 통해 중개인 매칭 인공지능신경망을 모델링 및 학습시킬 수 있으며, 중개인 매칭 인공지능신경망의 모델링 및 학습이 완료되면, 다음 사용자에게 적합한 중개인을 선정하기 위해, 다음 사용자의 단말로부터 다음 사용자의 정보를 획득할 수 있다. 여기서, 다음 사용자의 정보는 다음 사용자의 이름, 다음 사용자의 주소, 다음 사용자의 성별 및 다음 사용자의 연령을 포함할 수 있으며, 다음 사용자의 혈액형, 다음 사용자의 MBTI, 다음 사용자의 직업, 다음 사용자의 결혼 유무, 다음 사용자의 종교, 다음 사용자의 취미, 다음 사용자의 선호 스타일 및 선호 색상 등이 더 포함될 수 있다.
S404 단계에서, 장치(200)는 다음 사용자의 정보 및 중개인 데이터베이스에 저장된 계약 중개인의 정보를 기초로 입력 신호를 생성할 수 있다.
구체적으로, 장치(200)는 다음 사용자의 단말로부터 다음 사용자의 정보를 획득할 수 있고, 또한, 장치(200)는 중개인 데이터베이스로부터 중개인 데이터베이스에 저장된 계약 중개인에 대응하여 계약 중개인의 정보를 획득할 수 있으며, 이때, 계약 중개인의 정보는 계약 중개인의 이름, 계약 중개인의 연락처, 계약 중개인의 성별, 계약 중개인의 연령, 계약 중개인의 주소, 계약 중개인의 출신지역, 계약 중개인의 출신학교, 계약 중개인의 혈액형, 계약 중개인의 MBTI, 계약 중개인의 취미, 계약 중개인의 결혼유무, 계약 중개인의 자녀구성, 계약 중개인의 종교, 계약 중개인의 선호 스타일, 계약 중개인의 선호 색상, 계약 중개인의 학력, 계약 중개인의 경력, 계약 중개인의 자격증, 계약 중개인의 성향, 계약 중개인의 라이프 스타일이 포함될 수 있으며, 또한 계약 중개인의 정보에는 계약 중개인이 그동안 계약을 중개한 히스토리와 관련된 정보인 계약 중개인의 히스토리가 저장되어 있을 수 있다.
또한, 장치(200)는 모델링 및 학습이 완료된 중개인 매칭 인공지능신경망을 통해 다음 사용자에게 적합한 계약 중개인을 선정하기 위해, 다음 사용자의 정보 및 중개인 데이터베이스에 저장된 계약 중개인의 정보를 기초로, 입력 신호를 생성할 수 있다.
이때, 장치(200)는 다음 사용자의 정보 및 계약 중개인의 정보를 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 다음 사용자의 정보 및 계약 중개인의 정보는 인공신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 입력 신호로 생성될 수 있다.
S405 단계에서, 장치(200)는 입력 신호를 모델링이 완료된 중개인 매칭 인공지능신경망에 적용하여 다음 사용자와 중개인 데이터베이스에 저장된 계약 중개인 간의 예상 만족도를 출력 신호로 출력할 수 있다.
구체적으로, 장치(200)는 다음 사용자의 정보 및 계약 중개인의 정보를 기초로 생성된 입력 신호를 모델링이 완료된 중개인 매칭 인공지능신경망에 적용할 수 있고, 장치(200)는 모델링이 완료된 중개인 매칭 인공지능신경망을 통해 다음 사용자와 중개인 데이터베이스에 저장된 계약 중개인 간의 예상 만족도를 획득할 수 있다.
S406 단계에서, 장치(200)는 중개인 매칭 인공지능신경망을 통해 출력된 출력 신호를 기초로, 예상 만족도가 가장 높은 계약 중개인을 다음 사용자와 매칭할 수 있다.
구체적으로, 장치(200)는 중개인 매칭 인공지능신경망을 통해 다음 사용자와 중개인 데이터베이스에 저장된 계약 중개인 간의 예상 만족도를 획득할 수 있고, 획득한 계약 중개인에 대응하는 예상 만족도를 기초로, 예상 만족도가 가장 높은 계약 중개인을 확인하여 해당 계약 중개인과 다음 사용자를 매칭할 수 있다.
이로 인해, 장치(200)는 중개인 매칭 인공지능신경망을 모델링할 수 있고, 모델링된 중개인 매칭 인공지능신경망을 통해 사용자에게 적합한 계약 중개인을 선정 및 매칭할 수 있다.
한편, 장치(200)는 중개인 데이터베이스를 통해 후보 계약 중개인을 선정하는 과정에서 주소 외에 사용자 및 계약 중개인의 취향을 추가로 고려하여 후보 계약 중개인을 선정할 수 있다.
도 5는 일실시예에 따른 후보 계약 중개인을 선정하기 위해 사용자 및 계약 중개인의 취향을 획득하는 과정을 설명하기 위한 순서도이다.
도 5를 참조하면, 먼저, S501 단계에서, 장치(200)는 사용자의 주소와 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 자격 계약 중개인으로 선정할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 획득한 사용자의 주소를 기초로, 미리 설정된 범위를 갖는 임계 범위를 생성할 수 있고, 장치(200)는 중개인 데이터베이스를 통해 중개인 데이터베이스에 저장된 계약 중개인의 정보를 확인하여, 계약 중개인의 주소를 확인할 수 있고, 확인된 계약 중개인의 주소를 기초로, 사용자의 주소와 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 자격 계약 중개인으로 선정할 수 있다.
S502 단계에서, 장치(200)는 사용자의 단말(110)로부터 그리드가 형성된 제1 그림, 그리드가 형성된 제2 그림 및 그리드가 형성된 제3 그림을 순서대로 제공할 수 있다.
구체적으로, 장치(200)는 제1 그림, 제2 그림 및 제3 그림을 획득할 수 있으며, 이때, 제1 그림, 제2 그림 및 제3 그림은 장치(200)에 구비된 데이터베이스에 저장될 수도 있고, 장치(200)와 유무선으로 통신하는 웹 사이트를 통해 획득할 수도 있다.
또한, 장치(200)는 획득한 제1 그림 위(On)에 그리드(Grid)를 표시하여 그리드가 형성된 제1 그림을 생성할 수 있고, 제2 그림 위에 그리드를 표시하여 그리드가 형성된 제2 그림을 생성할 수 있고, 제3 그림 위에 그리드를 표시하여 그리드가 형성된 제3 그램을 생성할 수 있다. 이때, 그리드는 격자, 눈금을 의미하며, 3x5 형태의 격자일 수도 있고, 4x6 형태의 격자일 수도 있고, 그 외의 형태의 격자일 수도 있다.
또한, 장치(200)는 사용자의 단말(110)로 그리드가 형성된 제1 그림을 먼저 제공하고, 그리드가 형성된 제2 그림을 그 다음으로 제공하고, 및 그리드가 형성된 제3 그림을 마지막으로 제공함으로써 그리드가 형성된 제1 그림, 그리드가 형성된 제2 그림 및 그리드가 형성된 제3 그림을 순서대로 제공할 수 있다.
또한, 장치(200)는 사용자의 단말(110)로 그리드가 형성된 제1 그림을 제공하는 과정에서 제1 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하라는 메시지를 함께 제공할 수 있고, 사용자는 사용자의 단말(110)로 제공된 그리드가 형성된 제1 그림 및 메시지를 통해 제1 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 이때, N개는 미리 설정된 개수로 실시 예에 따라 다르게 설정될 수 있다. 장치(200)는 사용자의 단말(110)로 그리드가 형성된 제2 그림을 제공하는 과정에서도 동일하게 제2 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하라는 메시지를 함께 제공할 수 있고, 사용자는 사용자의 단말(110)로 제공된 그리드가 형성된 제2 그림 및 메시지를 통해 제2 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 사용자의 단말(110)로 그리드가 형성된 제3 그림을 제공하는 과정에서도 동일하게 제3 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하라는 메시지를 함께 제공할 수 있고, 사용자는 사용자의 단말(110)로 제공된 그리드가 형성된 제3 그림 및 메시지를 통해 제3 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다.
S503 단계에서, 장치(200)는 사용자의 단말(110)로부터 제1 그림에 대응하여 사용자가 선택한 복수의 그리드인 제1 그리드, 제2 그림에 대응하여 사용자가 선택한 복수의 그리드인 제2 그리드, 및 제3 그림에 대응하여 사용자가 선택한 복수의 그리드인 제3 그리드를 획득할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로 그리드가 형성된 제1 그림 및 제1 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하라는 메시지를 전송할 수 있고, 사용자는 사용자의 단말(110)로 제공된 그리드가 형성된 제1 그림 및 메시지를 통해 제1 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 사용자의 단말(110)로부터 송신된 제1 그림에 대응하여 사용자가 선택한 복수의 그리드를 제1 그리드로 획득할 수 있다.
또한, 장치(200)는 사용자의 단말(110)로 그리드가 형성된 제2 그림 및 제2 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하라는 메시지를 전송할 수 있고, 사용자는 사용자의 단말(110)로 제공된 그리드가 형성된 제2 그림 및 메시지를 통해 제2 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 사용자의 단말(110)로부터 송신된 제2 그림에 대응하여 사용자가 선택한 복수의 그리드를 제2 그리드로 획득할 수 있다.
또한, 장치(200)는 사용자의 단말(110)로 그리드가 형성된 제3 그림 및 제3 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하라는 메시지를 전송할 수 있고, 사용자는 사용자의 단말(110)로 제공된 그리드가 형성된 제3 그림 및 메시지를 통해 제3 그림 위에 표시된 그리드 중 사용자가 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 사용자의 단말(110)로부터 송신된 제3 그림에 대응하여 사용자가 선택한 복수의 그리드를 제3 그리드로 획득할 수 있다.
S504 단계에서, 장치(200)는 제1 그리드를 기초로 제1 심볼을 생성하고, 제2 그리드를 기초로 제2 심볼을 생성하고, 제3 그리드를 기초로 제3 심볼을 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 획득한 제1 그림에 대응하여 사용자가 선택한 복수의 그리드인 제1 그리드를 기초로 제1 심볼을 생성할 수 있고, 사용자의 단말(110)로부터 획득한 제2 그림에 대응하여 사용자가 선택한 복수의 그리드인 제2 그리드를 기초로 제2 심볼을 생성할 수 있고, 사용자의 단말(110)로부터 획득한 제3 그림에 대응하여 사용자가 선택한 복수의 그리드인 제3 그리드를 기초로 제3 심볼을 생성할 수 있다.
S505 단계에서, 장치(200)는 자격 계약 중개인의 단말(120)로 그리드가 형성된 제1 그림, 그리드가 형성된 제2 그림 및 그리드가 형성된 제3 그림을 순서대로 제공할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)과 동일하게 자격 계약 중개인의 단말(120)로 그리드가 형성된 제1 그림을 먼저 제공하고, 그리드가 형성된 제2 그림을 그 다음으로 제공하고, 및 그리드가 형성된 제3 그림을 마지막으로 제공함으로써 그리드가 형성된 제1 그림, 그리드가 형성된 제2 그림 및 그리드가 형성된 제3 그림을 순서대로 제공할 수 있다.
또한, 장치(200)는 자격 계약 중개인의 단말(120)로 그리드가 형성된 제1 그림을 제공하는 과정에서 제1 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하라는 메시지를 함께 제공할 수 있고, 자격 계약 중개인은 자격 계약 중개인의 단말(120)로 제공된 그리드가 형성된 제1 그림 및 메시지를 통해 제1 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 자격 계약 중개인의 단말(120)로 그리드가 형성된 제2 그림을 제공하는 과정에서도 동일하게 제2 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하라는 메시지를 함께 제공할 수 있고, 자격 계약 중개인은 자격 계약 중개인의 단말(120)로 제공된 그리드가 형성된 제2 그림 및 메시지를 통해 제2 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 자격 계약 중개인의 단말(120)로 그리드가 형성된 제3 그림을 제공하는 과정에서도 동일하게 제3 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하라는 메시지를 함께 제공할 수 있고, 자격 계약 중개인은 자격 계약 중개인의 단말(120)로 제공된 그리드가 형성된 제3 그림 및 메시지를 통해 제3 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다.
S506 단계에서, 장치(200)는 자격 계약 중개인의 단말(120)로부터 제1 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제4 그리드, 제2 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제5 그리드, 및 제3 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제6 그리드를 획득할 수 있다.
구체적으로, 장치(200)는 자격 계약 중개인의 단말(120)로 그리드가 형성된 제1 그림 및 제1 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하라는 메시지를 전송할 수 있고, 자격 계약 중개인은 자격 계약 중개인의 단말(120)로 제공된 그리드가 형성된 제1 그림 및 메시지를 통해 제1 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 자격 계약 중개인의 단말(120)로부터 송신된 제1 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드를 제4 그리드로 획득할 수 있다.
또한, 장치(200)는 자격 계약 중개인의 단말(120)로 그리드가 형성된 제2 그림 및 제2 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하라는 메시지를 전송할 수 있고, 자격 계약 중개인은 자격 계약 중개인의 단말(120)로 제공된 그리드가 형성된 제2 그림 및 메시지를 통해 제2 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 자격 계약 중개인의 단말(120)로부터 송신된 제2 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드를 제5 그리드로 획득할 수 있다.
또한, 장치(200)는 자격 계약 중개인의 단말(120)로 그리드가 형성된 제3 그림 및 제3 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하라는 메시지를 전송할 수 있고, 자격 계약 중개인은 자격 계약 중개인의 단말(120)로 제공된 그리드가 형성된 제3 그림 및 메시지를 통해 제3 그림 위에 표시된 그리드 중 자격 계약 중개인이 원하는 N개의 그리드를 선택하여 장치(200)로 전송할 수 있다. 장치(200)는 자격 계약 중개인의 단말(120)로부터 송신된 제3 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드를 제6 그리드로 획득할 수 있다.
S507 단계에서, 장치(200)는 제4 그리드를 기초로 제4 심볼을 생성하고, 제5 그리드를 기초로 제5 심볼을 생성하고, 제6 그리드를 기초로 제6 심볼을 생성할 수 있다.
구체적으로, 장치(200)는 자격 계약 중개인의 단말(120)로부터 획득한 제1 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제4 그리드를 기초로 제4 심볼을 생성할 수 있고, 자격 계약 중개인의 단말(120)로부터 획득한 제2 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제5 그리드를 기초로 제5 심볼을 생성할 수 있고, 자격 계약 중개인의 단말(120)로부터 획득한 제3 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제6 그리드를 기초로 제6 심볼을 생성할 수 있다.
한편, 그림, 그리드, 심볼과 관련한 설명은 도 7을 참조하기로 한다.
도 6은 일실시예에 따른 사용자의 선택에 따라 생성된 심볼들과 자격 계약 중개인의 선택에 따라 생성된 심볼들의 유사도를 확인하여 후보 계약 중개인을 선정하는 과정을 설명하기 위한 순서도이다.
도 6을 참조하면, 먼저 S601 단계에서, 장치(200)는 제1 그림에 대해 사용자의 선택으로 생성된 제1 심볼과 자격 계약 중개인의 선택으로 생성된 제4 심볼의 유사도를 확인할 수 있다.
구체적으로, 장치(200)는 사용자를 통해 제1 심볼, 제2 심볼 및 제3 심볼이 생성되고, 자격 계약 중개인을 통해 제4 심볼, 제5 심볼 및 제6 심볼이 생성되면, 장치(200)는 제1 그림에 대해 사용자의 선택으로 생성된 제1 심볼과 제1 그림에 대해 자격 계약 중개인의 선택으로 생성된 제4 심볼의 유사도를 확인할 수 있다. 이때, 장치(200)는 제1 심볼과 제4 심볼의 유사도를 확인하기 위해, 제1 심볼과 제4 심볼을 이미지 유사도 판단 인공신경망에 입력할 수 있으며, 입력에 의해 이미지 유사도 판단 인공신경망에서 출력되는 신호에 기반하여, 제1 심볼과 제4 심볼 간의 유사도를 판단할 수 있다.
여기서, 장치(200)는 이미지 유사도 판단 인공신경망을 포함할 수 있으며, 이미지 유사도 판단 인공신경망은 두 개의 이미지 즉, 두 개의 심볼이 입력되면, 두 심볼 간의 유사도를 분석 및 판단하여, 두 심볼 간의 유사도를 출력하는 인공신경망이다. 이때, 이미지 유사도 판단 인공신경망은 합성곱 신경망 구조일 수 있으며, 통상적으로 사용되는 이미지 간의 유사도를 판단하는 인공신경망과 동일한 형태일 수 있다. 또한, 이미지 유사도 판단 인공신경망은 학습 장치에 의해 학습될 수 있으며, 학습 장치는 장치(200)에 포함될 수도 있고, 장치(200)와 별개의 학습 장치로 장치(200)와 유무선으로 통신할 수 있다.
S602 단계에서, 장치(200)는 제1 심볼과 제4 심볼 간의 유사도가 기준 비율보다 높은 자격 계약 중개인을 참고 계약 중개인으로 선정할 수 있다. 이때, 기준 비율은 미리 설정된 비율 값으로 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 이미지 유사도 판단 인공신경망을 통해 제1 심볼과 제4 심볼 간의 유사도를 확인할 수 있고, 제1 심볼과 제4 심볼 간의 유사도가 미리 설정된 기준 비율보다 높은 자격 계약 중개인을 참고 계약 중개인으로 선정할 수 있다.
S603 단계에서, 장치(200)는 제2 그림에 대해 사용자의 선택으로 생성된 제2 심볼과 참고 계약 중개인의 선택으로 생성된 제5 심볼의 유사도를 확인할 수 있다.
구체적으로, 장치(200)는 제1 심볼과 제4 심볼 간의 유사도를 통해 자격 계약 중개인 중 참고 계약 중개인을 선별할 수 있고, 장치(200)는 참고 계약 중개인이 선별되면, 제2 그림에 대해 사용자의 선택으로 생성된 제2 심볼과 제2 그림에 대해 참고 계약 중개인의 선택으로 생성된 제5 심볼의 유사도를 확인할 수 있다. 이때, 장치(200)는 제2 심볼과 제5 심볼의 유사도를 확인하기 위해, 제2 심볼과 제5 심볼을 이미지 유사도 판단 인공신경망에 입력할 수 있으며, 입력에 의해 이미지 유사도 판단 인공신경망에서 출력되는 신호에 기반하여, 제2 심볼과 제5 심볼 간의 유사도를 판단할 수 있다.
S604 단계에서, 장치(200)는 제2 심볼과 제5 심볼 간의 유사도가 기준 비율보다 높은 참고 계약 중개인을 고려 계약 중개인으로 선정할 수 있다.
구체적으로, 장치(200)는 이미지 유사도 판단 인공신경망을 통해 제2 심볼과 제5 심볼 간의 유사도를 확인할 수 있고, 제2 심볼과 제5 심볼 간의 유사도가 미리 설정된 기준 비율보다 높은 참고 계약 중개인을 고려 계약 중개인으로 선정할 수 있다.
S605 단계에서, 장치(200)는 제3 그림에 대해 사용자의 선택으로 생성된 제3 심볼과 고려 계약 중개인의 선택으로 생성된 제6 심볼의 유사도를 확인할 수 있다.
구체적으로, 장치(200)는 제1 심볼과 제4 심볼 간의 유사도를 통해 자격 계약 중개인 중 참고 계약 중개인을 선별할 수 있고, 제2 심볼과 제5 심볼 간의 유사도를 통해 참고 계약 중개인 중 고려 계약 중개인을 선별할 수 있다. 또한, 장치(200)는 고려 계약 중개인이 선별되면, 제3 그림에 대해 사용자의 선택으로 생성된 제3 심볼과 제3 그림에 대해 고려 계약 중개인의 선택으로 생성된 제6 심볼의 유사도를 확인할 수 있다. 이때, 장치(200)는 제3 심볼과 제6 심볼의 유사도를 확인하기 위해, 제3 심볼과 제6 심볼을 이미지 유사도 판단 인공신경망에 입력할 수 있으며, 입력에 의해 이미지 유사도 판단 인공신경망에서 출력되는 신호에 기반하여, 제3 심볼과 제6 심볼 간의 유사도를 판단할 수 있다.
S606 단계에서, 장치(200)는 제3 심볼과 제6 심볼 간의 유사도가 기준 비율보다 높은 고려 계약 중개인을 후보 계약 중개인으로 선정할 수 있다.
구체적으로, 장치(200)는 이미지 유사도 판단 인공신경망을 통해 제3 심볼과 제6 심볼 간의 유사도를 확인할 수 있고, 제3 심볼과 제6 심볼 간의 유사도가 미리 설정된 기준 비율보다 높은 고려 계약 중개인을 후보 계약 중개인으로 선정할 수 있다.
이로 인해, 장치(200)는 제1 그림을 통해 생성된 심볼을 기초로, 자격 계약 중개인 중 참고 계약 중개인을 1차 선별할 수 있고, 제2 그림을 통해 생성된 심볼을 기초로, 참고 계약 중개인 중 고려 계약 중개인을 2차 선별할 수 있고, 제3 그림을 통해 생성된 심볼을 기초로, 고려 계약 중개인 중 후보 계약 중개인을 3차 선별할 수 있다. 즉, 장치(200)는 여러 차례의 선별을 통해 사용자의 취향과 유사도가 높은 계약 중개인을 선정할 수 있다.
도 7은 일실시예에 따른 그림, 그리드, 심볼을 설명하기 위한 도면이다.
우선, 도 7의 (a)에 대해 설명하기로 한다.
도 7의 (a)에 도시된 굵은 테두리를 갖는 직사각형 모양은 사용자의 단말(110)로 제공되는 제1 그림일 수 있다.
또한, 도 7의 (a)에 도시된 제1 그림에 포함된 옅은 회색의 정사각형 모양은 그리드일 수 있으며, 제1 그림은 복수의 그리드를 포함할 수 있다. 이때, 도 7의 (a)에 도시된 제1 그림은 24개의 그리드를 포함할 수 있다.
또한, 도 7의 (a)에 도시된 복수의 그리드 중 짙은 회색의 정사각형 모양은 사용자가 선택한 그리드인 제1 그리드일 수 있으며, 이때, 제1 그리드는 사용자의 선택에 따라 달라질 수 있다. 도 7의 (a)에 도시된 제1 그리드는 5개의 그리드가 포함되어 있다.
또한, 도 7의 (a)에 도시된 검정색의 'L' 모양은 도 7의 (a)에 도시된 제1 그리드를 통해 생성된 제1 심볼일 수 있다.
다음, 도 7의 (b)에 대해 설명하기로 한다.
도 7의 (b)에 도시된 굵은 테두리를 갖는 직사각형 모양은 계약 중개인의 단말(120)로 제공되는 제1 그림일 수 있다. 이때, 계약 중개인의 단말(120)로 제공되는 제1 그림은 사용자의 단말(110)로 제공되는 제1 그림과 동일한 그림이다.
또한, 도 7의 (b)에 도시된 제1 그림에 포함된 옅은 회색의 정사각형 모양은 그리드일 수 있으며, 제1 그림은 복수의 그리드를 포함할 수 있다. 이때, 도 7의 (b)에 도시된 제1 그림은 24개의 그리드를 포함할 수 있다. 이때, 계약 중개인의 단말(120)로 제공되는 제1 그림에 포함된 그리드는 사용자의 단말(110)로 제공되는 제1 그림에 포함된 그리드와 동일한 크기, 동일한 개수 및 동일한 형태로 이루어질 수 있다.
또한, 도 7의 (b)에 도시된 복수의 그리드 중 짙은 회색의 정사각형 모양은 계약 중개인이 선택한 그리드인 제4 그리드일 수 있으며, 이때, 제4 그리드는 계약 중개인의 선택에 따라 달라질 수 있다. 도 7의 (b)에 도시된 제4 그리드는 5개의 그리드가 포함되어 있으며, 제4 그리드는 제1 그리드와 그리드의 개수가 동일하다.
또한, 도 7의 (b)에 도시된 검정색의 'ㄷ' 모양은 도 7의 (b)에 도시된 제4 그리드를 통해 생성된 제4 심볼일 수 있다.
한편, 도 7 및 본문에서는 제1 그림을 기초로 도시 및 설명하였지만, 제2 그림 및 제3 그림도 동일한 형태로 이루어질 수 있다.
도 8은 일실시예에 따른 정량적 기준을 기초로 계약 중개인의 점수를 생성하는 과정을 설명하기 위한 순서도이다.
도 8을 참조하면, 먼저, S801 단계에서, 장치(200)는 계약 중개인의 계약 중개 건수를 확인하여, 계약 중개인의 건수 점수를 생성할 수 있다.
구체적으로, 장치(200)는 중개인 데이터베이스를 통해 계약 중개인의 정보를 획득할 수 있고, 계약 중개인의 정보에는 계약 중개인의 이름, 계약 중개인의 연락처, 계약 중개인의 성별, 계약 중개인의 연령, 계약 중개인의 주소, 계약 중개인의 출신지역, 계약 중개인의 출신학교, 계약 중개인의 혈액형, 계약 중개인의 MBTI, 계약 중개인의 취미, 계약 중개인의 결혼유무, 계약 중개인의 자녀구성, 계약 중개인의 종교, 계약 중개인의 선호 스타일, 계약 중개인의 선호 색상, 계약 중개인의 학력, 계약 중개인의 경력, 계약 중개인의 자격증, 계약 중개인의 성향, 계약 중개인의 라이프 스타일이 포함될 수 있으며, 또한 계약 중개인의 정보에는 계약 중개인이 그동안 계약을 중개한 히스토리와 관련된 정보인 계약 중개인의 히스토리가 저장되어 있을 수 있다. 또한, 계약 중개인의 히스토리에는 해당 계약 중개인이 계약을 중개한 사용자에 대응하여 계약이 성사되었는지 여부, 계약이 성사되었다면 현재까지 계약이 유지되고 있는지 여부, 계약 성사까지 걸린 시간, 중개 수수료, 사용자가 평가한 계약 중개인의 만족도 등이 포함될 수 있다.
즉, 장치(200)는 중개인 데이터베이스를 통해 계약 중개인의 정보를 획득할 수 있고, 획득한 계약 중개인의 정보를 통해 계약 중개인의 히스토리를 확인하고, 계약 중개인의 히스토리를 통해 계약 중개인이 계약을 중개한 사용자의 수 즉, 계약 중개인의 계약 중개 건수를 확인할 수 있다.
또한, 장치(200)는 계약 중개인의 계약 중개 건수를 통해 계약 중개인의 계약 중개 건수가 많을수록 계약 중개인의 건수 점수를 높게 생성할 수 있고, 계약 중개인의 계약 중개 건수가 적을수록 계약 중개인의 건수 점수를 낮게 생성할 수 있다.
즉, 장치(200)는 계약 중개인의 계약 중개 건수를 확인하여 계약 중개인의 계약 중개 건수가 미리 설정된 설정 건수보다 많은지 여부를 확인하고, 계약 중개인의 계약 중개 건수가 설정 건수보다 많다고 확인되면 계약 중개인의 건수 점수로 건수 점수의 최고 점수를 부여할 수 있고, 계약 중개인의 계약 중개 건수가 설정 건수보다 많지 않다고 확인되면 계약 중개인의 계약 중개 건수에 비례하여 계약 중개인의 건수 점수를 생성할 수 있다.
S802 단계에서, 장치(200)는 계약 중개인의 계약 성사율 및 계약 유지율을 확인하여 계약 중개인의 성과 점수를 생성할 수 있다.
구체적으로, 장치(200)는 중개인 데이터베이스를 통해 계약 중개인의 정보를 획득할 수 있고, 획득한 계약 중개인의 정보를 통해 계약 중개인의 히스토리를 확인하고, 계약 중개인의 히스토리를 통해 해당 계약 중개인이 계약을 중개한 사용자에 대응하여 계약이 성사되었는지 여부, 계약이 성사되었다면 현재까지 계약이 유지되고 있는지 여부를 확인할 수 있다. 또한, 장치(200)는 계약 중개인의 히스토리를 통해 확인된 계약 중개인이 계약을 중개한 사용자에 대응하여 계약 성사 여부, 계약 유지 여부를 통해 계약 중개인의 계약 성사율 및 계약 중개인의 계약 유지율을 확인할 수 있다.
또한, 장치(200)는 계약 중개인의 계약 성사율 및 계약 중개인의 계약 유지율을 통해 계약 중개인의 계약 성사율이 높고, 계약 유지율이 높을수록 계약 중개인의 성과 점수를 높게 생성할 수 있고, 계약 중개인의 계약 성사율이 낮고 계약 유지율이 낮을수록 계약 중개인의 성과 점수를 낮게 생성할 수 있다.
즉, 장치(200)는 계약 중개인의 계약 성사율 및 계약 중개인의 계약 유지율을 확인하여 계약 중개인의 계약 성사율이 미리 설정된 제1 설정 비율보다 높은지 여부 및 계약 중개인의 계약 유지율이 미리 설정된 제1 설정 비율보다 높은지 여부를 확인할 수 있고, 계약 중개인의 계약 성사율이 제1 설정 비율보다 높고, 계약 중개인의 계약 유지율이 제2 설정 비율보다 높다고 확인되면 계약 중개인의 성과 점수로 성과 점수의 최고 점수를 부여할 수 있고, 계약 중개인의 계약 성사율이 제1 설정 비율보다 높지 않거나, 계약 중개인의 계약 유지율이 제2 설정 비율보다 높지 않다고 확인되면 계약 중개인의 계약 성사율 또는 계약 중개인의 계약 유지율에 비례하여 계약 중개인의 성과 점수를 생성할 수 있다.
S803 단계에서, 장치(200)는 계약 중개인의 평균 성사 시간을 확인하여, 계약 중개인의 속도 점수를 생성할 수 있다.
구체적으로, 장치(200)는 중개인 데이터베이스를 통해 계약 중개인의 정보를 획득할 수 있고, 획득한 계약 중개인의 정보를 통해 계약 중개인의 히스토리를 확인하고, 계약 중개인의 히스토리를 통해 해당 계약 중개인이 계약을 중개한 사용자에 대응하여 계약 성사까지 걸린 시간을 확인할 수 있다. 또한, 장치(200)는 계약 중개인의 히스토리를 통해 확인된 계약 중개인이 계약을 중개한 사용자에 대응하여 계약 성사까지 걸린 시간을 통해 계약 중개인의 평균 성사 시간을 확인할 수 있다.
또한, 장치(200)는 계약 중개인의 평균 성사 시간을 통해 계약 중개인의 평균 성사 시간이 빠를수록 계약 중개인의 속도 점수를 높게 생성할 수 있고, 계약 중개인의 평균 성사 시간이 느릴수록 계약 중개인의 속도 점수를 낮게 생성할 수 있다.
즉, 장치(200)는 계약 중개인의 평균 성사 시간을 확인하여 계약 중개인의 평균 성사 시간이 미리 설정된 설정 시간보다 빠른지 여부를 확인하고, 계약 중개인의 평균 성사 시간이 설정 시간보다 빠르다고 확인되면 계약 중개인의 속도 점수로 속도 점수의 최고 점수를 부여할 수 있고, 계약 중개인의 평균 성사 시간이 설정 시간보다 빠르지 않다고 확인되면 계약 중개인의 평균 성사 시간에 반비례하여 계약 중개인의 속도 점수를 생성할 수 있다.
S804 단계에서, 장치(200)는 계약 중개인의 평균 중개 수수료를 확인하여, 계약 중개인의 가격 점수를 생성할 수 있다.
구체적으로, 장치(200)는 중개인 데이터베이스를 통해 계약 중개인의 정보를 획득할 수 있고, 획득한 계약 중개인의 정보를 통해 계약 중개인의 히스토리를 확인하고, 계약 중개인의 히스토리를 통해 해당 계약 중개인이 계약을 중개한 사용자에 대응하여 중계 수수료를 확인할 수 있다. 또한, 장치(200)는 계약 중개인의 히스토리를 통해 확인된 계약 중개인이 계약을 중개한 사용자에 대응하여 중계 수수료를 통해 계약 중개인의 평균 중개 수수료를 확인할 수 있다.
또한, 장치(200)는 계약 중개인의 평균 중개 수수료를 통해 계약 중개인의 평균 중개 수수료가 낮을수록 계약 중개인의 가격 점수를 높게 생성할 수 있고, 계약 중개인의 평균 중개 수수료가 높을수록 계약 중개인의 가격 점수를 낮게 생성할 수 있다.
즉, 장치(200)는 계약 중개인의 평균 중개 수수료를 확인하여 계약 중개인의 평균 중개 수수료가 미리 설정된 설정 수수료보다 낮은지 여부를 확인하고, 계약 중개인의 평균 중개 수수료가 설정 수수료보다 낮다고 확인되면 계약 중개인의 가격 점수로 가격 점수의 최고 점수를 부여할 수 있고, 계약 중개인의 평균 중개 수수료가 설정 수수료보다 낮지 않다고 확인되면 계약 중개인의 평균 중개 수수료에 반비례하여 계약 중개인의 가격 점수를 생성할 수 있다.
S805 단계에서, 장치(200)는 계약 중개인의 평균 만족도를 확인하여, 계약 중개인의 평점 점수를 생성할 수 있다.
구체적으로, 장치(200)는 중개인 데이터베이스를 통해 계약 중개인의 정보를 획득할 수 있고, 획득한 계약 중개인의 정보를 통해 계약 중개인의 히스토리를 확인하고, 계약 중개인의 히스토리를 통해 해당 계약 중개인이 계약을 중개한 사용자에 대응하여 사용자가 평가한 계약 중개인의 만족도를 확인할 수 있다. 또한, 장치(200)는 계약 중개인의 히스토리를 통해 확인된 계약 중개인이 계약을 중개한 사용자에 대응하여 사용자가 평가한 계약 중개인의 만족도를 통해 계약 중개인의 평균 만족도를 확인할 수 있다.
또한, 장치(200)는 계약 중개인의 평균 만족도를 통해 계약 중개인의 평균 만족도가 높을수록 계약 중개인의 평점 점수를 높게 생성할 수 있고, 계약 중개인의 평균 만족도가 낮을수록 계약 중개인의 평점 점수를 낮게 생성할 수 있다.
즉, 장치(200)는 계약 중개인의 평균 만족도를 확인하여 계약 중개인의 평균 만족도가 미리 설정된 설정 만족도보다 높은지 여부를 확인하고, 계약 중개인의 평균 만족도가 설정 만족도보다 높다고 확인되면 계약 중개인의 평점 점수로 평점 점수의 최고 점수를 부여할 수 있고, 계약 중개인의 평균 만족도가 설정 만족도보다 높지 않다고 확인되면 계약 중개인의 평균 만족도에 비례하여 계약 중개인의 평점 점수를 생성할 수 있다.
S806 단계에서, 장치(200)는 건수 점수, 성과 점수, 속도 점수, 가격 점수, 평점 점수를 합산한 값으로 계약 중개인의 점수를 생성할 수 있다.
일실시예에 따르면, 건수 점수, 성과 점수, 속도 점수, 가격 점수, 평점 점수 각각의 최고 점수는 모두 동일한 점수로 설정될 수도 있지만, 장치 관리자 설정에 따라 최고 점수가 다르게 설정될 수도 있다. 예를 들어, 건수 점수, 성과 점수, 속도 점수, 가격 점수, 평점 점수의 최고 점수가 모두 10점으로 동일하게 설정될 수 있고, 건수 점수의 최고 점수는 8점, 성과 점수의 최고 점수는 12점, 속도 점수의 최고 점수는 5점, 가격 점수의 최고 점수는 10점, 평점 점수의 최고 점수는 15점으로 상이하게 설정될 수도 있다.
이로 인해, 장치(200)는 계약 중개인의 히스토리를 통해 계약 중개인이 그동안 계약 중개를 얼마나 많이, 얼마나 잘 수행해왔는지 확인할 수 있고, 확인 결과에 따라 계약 중개인의 점수를 생성할 수 있어, 계약 중개인을 평가 및 사용자와 매칭할 수 있다.
도 9는 일실시예에 따른 기준 점수보다 높은 점수를 갖는 대상 계약 중개인 중 사용자의 계약 중개인을 선정하는 과정을 설명하기 위한 순서도이다.
도 9를 참조하면, 먼저, S901 단계에서, 장치(200)는 기준 점수보다 높은 점수를 갖는 대상 계약 중개인을 핵심 계약 중개인으로 선정할 수 있다.
구체적으로, 장치(200)는 정량적 기준을 기초로, 대상 계약 중개인의 점수를 생성할 수 있으며, 생성된 대상 계약 중개인의 점수를 확인하여 미리 설정된 기준 점수보다 높은 점수를 갖는 대상 계약 중개인이 있는지 여부를 확인할 수 있다. 또한, 장치(200)는 확인 결과, 기준 점수보다 높은 대상 계약 중개인의 점수를 갖는 대상 계약 중개인이 있다고 확인되면, 기준 점수보다 높은 점수를 갖는 대상 계약 중개인을 핵심 계약 중개인으로 선정할 수 있다.
S902 단계에서, 장치(200)는 핵심 계약 중개인의 점수에 제1 가중치를 부여하여 핵심 계약 중개인의 최종 점수를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 SNS 계정과 핵심 계약 중개인의 SNS 계정을 확인하여 사용자가 관심 있는 것과 핵심 계약 중개인이 관심 있는 것이 얼마나 유사한지 확인하여 제1 가중치를 생성할 수 있으며, 생성된 제1 가중치를 핵심 계약 중개인의 점수에 부여하여 핵심 계약 중개인의 최종 점수를 생성할 수 있다. 여기서, 제1 가중치를 1보다 크게 생성될 수 있으며, 제1 가중치와 핵심 계약 중개인의 점수를 곱하여 핵심 계약 중개인의 최종 점수를 생성할 수 있다. 이때, 제1 가중치와 관련하여 구체적인 설명은 도 10을 참조하기로 한다.
S903 단계에서, 장치(200)는 최종 점수가 가장 높은 핵심 계약 중개인을 사용자의 계약 중개인으로 선정할 수 있다.
즉, 장치(200)는 정량적 기준으로 생성된 계약 중개인의 점수가 기준 점수보다 높으면서, 사용자와 관심이 유사 혹은 일치하는 계약 중개인을 확인하여 사용자의 계약 중개인으로 선정할 수 있다.
도 10은 일실시예에 따른 제1 가중치를 생성하는 과정을 설명하기 위한 순서도이다.
도 10을 참조하면, 먼저, S1001 단계에서, 장치(200)는 사용자의 단말(110)로부터 사용자의 SNS 계정을 획득할 수 있다. 여기서, SNS는 블로그, 인스타그램 등을 포함할 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 사용자가 소유하고 있는 블로그, 또는 사용자가 소유하고 있는 인스타그램 계정인 사용자의 SNS 계정을 획득할 수 있다.
S1002 단계에서, 장치(200)는 사용자의 SNS 계정으로부터 제1 기간동안 사용자가 업로드한 게시글, 사용자가 사용한 해시태그, 사용자가 좋아한 게시글 및 사용자가 공유한 게시글을 획득할 수 있다. 여기서, 제1 기간은 미리 설정된 기간일 수 있으며, 실시 예에 따라 달라질 수 있다.
구체적으로, 장치(200)는 사용자의 단말(110)로부터 사용자의 SNS 계정을 획득하면, 장치(200)와 유무선으로 통신하는 웹 사이트를 통해 사용자의 SNS가 포함된 웹 사이트에 접속할 수 있으며, 웹 사이트를 통해 사용자의 SNS에 접속하여 사용자가 업로드한 게시글, 사용자가 사용한 해시태그, 사용자가 좋아한 게시글 및 사용자가 공유한 게시글을 획득할 수 있다.
S1003 단계에서, 장치(200)는 사용자가 업로드한 게시글, 사용자가 사용한 해시태그를 통해 사용자의 관심 키워드를 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 SNS 계정을 통해 제1 기간 동안 사용자가 업로드한 게시글, 사용자가 사용한 해시태그, 사용자가 좋아한 게시글 및 사용자가 공유한 게시글을 획득할 수 있으며, 획득한 제1 기간 동안 사용자가 업로드한 게시글을 통해 사용자가 사용한 텍스트를 확인할 수 있고, 확인된 텍스트를 자연어 처리를 통해 단어 단위로 나누어 사용자가 사용한 키워드를 확인할 수 있다. 이때, 사용자가 사용한 텍스트에서 사용자가 사용한 키워드를 확인하기 위해 자연어 처리를 수행하는 구체적인 과정은 본문에 작성하지 않았지만 통상적으로 사용되는 자연어 처리에 의해 수행될 수 있다. 또한, 장치(200)는 제1 기간 동안 사용자가 사용한 키워드와 제1 기간 동안 사용자가 사용한 해시태그를 통해 미리 설정된 제1 목표 횟수보다 많이 사용된 키워드를 확인하여 사용자의 관심 키워드로 확인할 수 있다. 여기서 제1 목표 횟수는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.
S1004 단계에서, 장치(200)는 사용자가 업로드한 게시글을 통해 사용자의 관심 색상을 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 SNS 계정을 통해 제1 기간 동안 사용자가 업로드한 게시글, 사용자가 사용한 해시태그, 사용자가 좋아한 게시글 및 사용자가 공유한 게시글을 획득할 수 있으며, 획득한 제1 기간 동안 사용자가 업로드한 게시글을 통해 사용자가 사용한 이미지를 확인할 수 있고, 확인된 이미지를 분석하여 색상 값을 추출할 수 있다. 또한, 장치(200)는 추출된 색상 값 중 가장 많이 포함된 색상 값을 기초로, 사용자의 관심 색상을 확인할 수 있다. 이때, 사용자의 관심 색상은 CSS 색상명, 헥스 코드 #RRGGBB, 10진 코드 (R,G,B) 중 하나로 표현될 수 있다.
S1005 단계에서, 장치(200)는 사용자가 좋아한 게시글 및 사용자가 공유한 게시글을 통해 사용자의 관심 분야를 확인할 수 있다.
구체적으로, 장치(200)는 사용자의 SNS 계정을 통해 제1 기간 동안 사용자가 업로드한 게시글, 사용자가 사용한 해시태그, 사용자가 좋아한 게시글 및 사용자가 공유한 게시글을 획득할 수 있으며, 획득한 제1 기간 동안 사용자가 좋아한 게시글 및 사용자가 공유한 게시글을 통해 각 게시글의 주제를 확인할 수 있으며, 미리 설정된 제2 목표 횟수보다 많이 포함된 주제를 사용자의 관심 분야로 확인할 수 있다. 이때, 제2 목표 횟수는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다. 여기서, 주제는 음식, 과학, 여행, 문학, 건강, 스포츠 등이 포함될 수 있으며, 그 외의 주제가 더 포함될 수 있다. 한편, 게시글을 통해 게시글의 주제를 확인하는 방법은 본문에 구체적으로 작성하지 않았지만, 통상적으로 사용되는 게시글에 포함된 단어 및 이미지를 통해 게시글의 주제를 확인하는 방법과 동일하게 수행될 수 있다.
S1006 단계에서, 장치(200)는 핵심 계약 중개인의 단말(120)로부터 핵심 계약 중개인의 SNS 계정을 획득할 수 있다.
구체적으로, 장치(200)는 핵심 계약 중개인의 단말(120)로부터 핵심 계약 중개인이 소유하고 있는 블로그, 또는 사용자가 소유하고 있는 인스타그램 계정인 핵심 계약 중개인의 SNS 계정을 획득할 수 있다.
S1007 단계에서, 장치(200)는 핵심 계약 중개인의 SNS 계정으로부터 제1 기간동안 핵심 계약 중개인이 업로드한 게시글, 핵심 계약 중개인이 사용한 해시태그, 핵심 계약 중개인이 좋아한 게시글 및 핵심 계약 중개인이 공유한 게시글을 획득할 수 있다.
구체적으로, 장치(200)는 핵심 계약 중개인의 단말(120)로부터 핵심 계약 중개인의 SNS 계정을 획득하면, 장치(200)와 유무선으로 통신하는 웹 사이트를 통해 핵심 계약 중개인의 SNS가 포함된 웹 사이트에 접속할 수 있으며, 웹 사이트를 통해 핵심 계약 중개인의 SNS에 접속하여 핵심 계약 중개인이 업로드한 게시글, 핵심 계약 중개인이 사용한 해시태그, 핵심 계약 중개인이 좋아한 게시글 및 핵심 계약 중개인이 공유한 게시글을 획득할 수 있다.
S1008 단계에서, 장치(200)는 핵심 계약 중개인이 업로드한 게시글, 핵심 계약 중개인이 사용한 해시태그를 통해 핵심 계약 중개인의 관심 키워드를 확인할 수 있다.
구체적으로, 장치(200)는 핵심 계약 중개인의 SNS 계정을 통해 제1 기간 동안 핵심 계약 중개인이 업로드한 게시글, 핵심 계약 중개인이 사용한 해시태그, 핵심 계약 중개인이 좋아한 게시글 및 핵심 계약 중개인이 공유한 게시글을 획득할 수 있으며, 획득한 제1 기간 동안 핵심 계약 중개인이 업로드한 게시글을 통해 핵심 계약 중개인이 사용한 텍스트를 확인할 수 있고, 확인된 텍스트를 자연어 처리를 통해 단어 단위로 나누어 핵심 계약 중개인이 사용한 키워드를 확인할 수 있다. 이때, 핵심 계약 중개인이 사용한 텍스트에서 핵심 계약 중개인이 사용한 키워드를 확인하기 위해 자연어 처리를 수행하는 구체적인 과정은 본문에 작성하지 않았지만 통상적으로 사용되는 자연어 처리에 의해 수행될 수 있다. 또한, 장치(200)는 제1 기간 동안 핵심 계약 중개인이 사용한 키워드와 제1 기간 동안 핵심 계약 중개인이 사용한 해시태그를 통해 미리 설정된 제1 목표 횟수보다 많이 사용된 키워드를 확인하여 핵심 계약 중개인의 관심 키워드로 확인할 수 있다.
S1009 단계에서, 장치(200)는 핵심 계약 중개인이 업로드한 게시글을 통해 핵심 계약 중개인의 관심 색상을 확인할 수 있다.
구체적으로, 장치(200)는 핵심 계약 중개인의 SNS 계정을 통해 제1 기간 동안 핵심 계약 중개인이 업로드한 게시글, 핵심 계약 중개인이 사용한 해시태그, 핵심 계약 중개인이 좋아한 게시글 및 핵심 계약 중개인이 공유한 게시글을 획득할 수 있으며, 획득한 제1 기간 동안 핵심 계약 중개인이 업로드한 게시글을 통해 핵심 계약 중개인이 사용한 이미지를 확인할 수 있고, 확인된 이미지를 분석하여 색상 값을 추출할 수 있다. 또한, 장치(200)는 추출된 색상 값 중 가장 많이 포함된 색상 값을 기초로, 핵심 계약 중개인의 관심 색상을 확인할 수 있다. 이때, 핵심 계약 중개인의 관심 색상은 CSS 색상명, 헥스 코드 #RRGGBB, 10진 코드 (R,G,B) 중 하나로 표현될 수 있다.
S1010 단계에서, 장치(200)는 핵심 계약 중개인이 좋아한 게시글 및 핵심 계약 중개인이 공유한 게시글을 통해 사용자의 관심 분야를 확인할 수 있다.
구체적으로, 장치(200)는 핵심 계약 중개인의 SNS 계정을 통해 제1 기간 동안 핵심 계약 중개인이 업로드한 게시글, 핵심 계약 중개인이 사용한 해시태그, 핵심 계약 중개인이 좋아한 게시글 및 핵심 계약 중개인이 공유한 게시글을 획득할 수 있으며, 획득한 제1 기간 동안 핵심 계약 중개인이 좋아한 게시글 및 핵심 계약 중개인이 공유한 게시글을 통해 각 게시글의 주제를 확인할 수 있으며, 미리 설정된 제2 목표 횟수보다 많이 포함된 주제를 핵심 계약 중개인의 관심 분야로 확인할 수 있다. 이때, 제2 목표 횟수는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다. 여기서, 주제는 음식, 과학, 여행, 문학, 건강, 스포츠 등이 포함될 수 있으며, 그 외의 주제가 더 포함될 수 있다. 한편, 게시글을 통해 게시글의 주제를 확인하는 방법은 본문에 구체적으로 작성하지 않았지만, 통상적으로 사용되는 게시글에 포함된 단어 및 이미지를 통해 게시글의 주제를 확인하는 방법과 동일하게 수행될 수 있다.
S1011 단계에서, 장치(200)는 관심 키워드 간의 일치 여부, 관심 색상 간의 일치 여부, 관심 분야 간의 일치 여부를 통해 제1 가중치를 생성할 수 있다.
구체적으로, 장치(200)는 사용자의 관심 키워드와 핵심 계약 중개인의 관심 키워드를 비교하여 사용자의 관심 키워드와 핵심 계약 중개인의 관심 키워드가 일치하는지 여부를 확인할 수 있고, 장치(200)는 사용자의 관심 색상과 핵심 계약 중개인의 관심 색상을 비교하여 사용자의 관심 색상과 핵심 계약 중개인의 관심 색상이 일치하는지 여부를 확인할 수 있고, 장치(200)는 사용자의 관심 분야와 핵심 계약 중개인의 관심 분야를 비교하여 사용자의 관심 분야와 핵심 계약 중개인의 관심 분야가 일치하는지 여부를 확인할 수 있다.
또한, 장치(200)는 확인 결과, 관심 키워드, 관심 색상, 관심 분야가 모두 일치한다고 확인되면, 제1 가중치로 제1 가중치의 최대 값을 부여할 수 있으며, 이때, 제1 가중치의 최대 값은 미리 설정된 값으로 실시 예에 따라 달라질 수 있다. 또한, 장치(200)는 관심 키워드, 관심 색상, 관심 분야 중 두 개가 일치한다고 확인되면, 제1 가중치로 제1 가중치의 최대 값보다 낮게 제1 가중치의 중간 값을 부여할 수 있다. 또한, 장치(200)는 관심 키워드, 관심 색상, 관심 분야 중 하나가 일치한다고 확인되면, 제1 가중치로 제1 가중치의 최대 값 및 제1 가중치의 중간 값보다 낮게 제1 가중치의 최소 값을 부여할 수 있다. 또한, 장치(200)는 관심 키워드, 관심 색상, 관심 분야 중 일치하는 것이 없다고 확인되면, 제1 가중치를 부여하지 않을 수 있다.
예를 들어, 장치(200)는 사용자와 핵심 계약 중개인의 관심 키워드, 관심 색상, 관심 분야가 모두 일치한다고 확인되면, 제1 가중치로 제1 가중치의 최대 값인 2를 부여할 수 있고, 핵심 계약 중개인의 점수에 2를 곱하여 핵심 계약 중개인의 최종 점수로 생성할 수 있다.
또한, 장치(200)는 사용자와 핵심 계약 중개인의 관심 키워드, 관심 분야만 일치한다고 확인되면, 제1 가중치로 제1 가중치의 중간 값인 1.5를 부여할 수 있고, 핵심 계약 중개인의 점수에 1.5를 곱하여 핵심 계약 중개인의 최종 점수로 생성할 수 있다.
또한, 장치(200)는 사용자와 핵심 계약 중개인의 관심 색상만 일치한다고 확인되면, 제1 가중치로 제1 가중치의 최소 값인 1.2를 부여할 수 있고, 핵심 계약 중개인의 점수에 1.2를 곱하여 핵심 계약 중개인의 최종 점수로 생성할 수 있다.
또한, 장치(200)는 사용자와 핵심 계약 중개인의 관심 키워드, 관심 색상, 관심 분야가 모두 불일치한다고 확인되면, 제1 가중치를 부여하지 않고, 핵심 계약 중개인의 점수를 그대로 사용하여 핵심 계약 중개인의 최종 점수로 생성할 수 있다.
이로 인해, 장치(200)는 사용자의 SNS 계정 및 핵심 계약 중개인의 SNS 계정을 통해 사용자와 핵심 계약 중개인의 관심이 유사 및 일치하는지 확인할 수 있고, 관심이 일치할 경우, 제1 가중치를 크게 부여하여 사용자에게 사용자와 관심이 일치하는 핵심 계약 중개인을 매칭할 수 있다.
도 11은 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 10을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 10을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 개인 또는 단체는 도 1 내지 도 10을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
장치(200)는 인공신경망을 학습시키거나, 학습된 인공신경망을 이용하는데 사용될 수 있다. 메모리(220)는 학습 중인 또는 학습된 인공신경망을 포함할 수 있다. 프로세서(210)는 메모리(220)에 저장된 인공신경망 알고리즘을 학습시키거나 실행시킬 수 있다. 인공신경망을 학습시키는 장치(200)와 학습된 인공신경망을 이용하는 장치(200)는 동일할 수도 있고 개별적일 수도 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 (3)
- 장치에 의해 수행되는, 정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법에 있어서,
사용자의 단말로부터 상기 사용자의 이름, 상기 사용자의 주소, 상기 사용자의 성별, 및 상기 사용자의 연령을 포함하는 상기 사용자의 정보를 획득하는 단계;
상기 사용자의 단말로부터 정성적 기준 중 상기 사용자가 고려하고자 하는 기준인 필수 고려 기준을 획득하고, 상기 필수 고려 기준에 대응하는 데이터 값을 획득하는 단계;
중개인 데이터베이스로부터 상기 사용자의 주소와 미리 설정된 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정하고, 상기 후보 계약 중개인의 정보를 획득하는 단계;
상기 후보 계약 중개인 중 상기 필수 고려 기준에 대응하는 데이터 값에 해당하는 중개인을 대상 계약 중개인으로 선정하는 단계;
정량적 기준을 기초로, 상기 대상 계약 중개인의 점수를 생성하는 단계;
상기 대상 계약 중개인의 점수를 기초로, 미리 설정된 기준 점수보다 높은 대상 계약 중개인이 있는지 여부를 확인하는 단계;
상기 기준 점수보다 높은 대상 계약 중개인이 있는 것으로 확인되면, 점수가 가장 높은 대상 계약 중개인을 상기 사용자의 계약 중개인으로 선정하는 단계;
상기 기준 점수보다 높은 대상 계약 중개인이 없는 것으로 확인되면, 상기 정성적 기준을 고려한 제1 리스트 및 상기 정성적 기준을 고려하지 않은 제2 리스트를 생성하고, 상기 제1 리스트 및 상기 제2 리스트를 상기 사용자의 단말로 제공하는 단계;
상기 제1 리스트 및 상기 제2 리스트를 기초로, 상기 사용자의 단말로부터 상기 사용자의 선택을 수신하는 단계; 및
상기 사용자의 선택을 기초로, 상기 사용자와 계약 중개인을 매칭하는 단계를 포함하고,
매칭이 완료되면, 상기 사용자의 단말로부터 상기 사용자와 매칭된 계약 중개인의 만족도를 획득하는 단계;
상기 사용자의 정보, 상기 사용자와 매칭된 계약 중개인의 정보 및 상기 계약 중개인의 만족도 사이의 상관관계를 기초로, 중개인 매칭 인공지능신경망을 모델링하는 단계;
다음 사용자의 단말로부터 상기 다음 사용자의 정보를 획득하는 단계;
상기 다음 사용자의 정보 및 상기 중개인 데이터베이스에 저장된 계약 중개인의 정보를 기초로 입력 신호를 생성하는 단계;
상기 입력 신호를 상기 모델링이 완료된 중개인 매칭 인공지능신경망에 적용하여 상기 다음 사용자와 상기 중개인 데이터베이스에 저장된 계약 중개인 간의 예상 만족도를 출력 신호로 출력하는 단계; 및
상기 중개인 매칭 인공지능신경망을 통해 출력된 출력 신호를 기초로, 예상 만족도가 가장 높은 계약 중개인을 상기 다음 사용자와 매칭하는 단계를 더 포함하고,
상기 정성적 기준은,
출신지역, 출신학교, 혈액형, MBTI, 성별, 취미, 결혼유무, 종교가 포함되며,
상기 정량적 기준은,
계약 중개 건수, 계약 성사율, 계약 유지율, 계약 성사 시간, 중개 수수료, 만족도가 포함되고,
상기 제1 리스트 및 상기 제2 리스트를 생성하는 단계는,
상기 대상 계약 중개인의 점수를 기초로, 점수가 가장 높은 대상 계약 중개인부터 순서대로 정렬하여 정성적 기준을 고려한 제1 리스트를 생성하는 단계, 및
상기 정량적 기준 및 상기 후보 계약 중개인의 정보를 기초로, 상기 후보 계약 중개인의 점수를 생성하고, 점수가 가장 높은 후보 계약 중개인부터 순서대로 정렬하여 정성적 기준을 고려하지 않은 제2 리스트를 생성하는 단계를 포함하는,
정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법. - 삭제
- 제1항에 있어서,
중개인 데이터베이스로부터 상기 사용자의 주소와 미리 설정된 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 후보 계약 중개인으로 선정하는 단계는,
상기 사용자의 주소와 미리 설정된 임계 범위 이내에 포함된 주소를 갖는 계약 중개인을 자격 계약 중개인으로 선정하는 단계,
상기 사용자의 단말로 그리드가 형성된 제1 그림, 그리드가 형성된 제2 그림 및 그리드가 형성된 제3 그림을 순서대로 제공하는 단계,
상기 사용자의 단말로부터 상기 제1 그림에 대응하여 사용자가 선택한 복수의 그리드인 제1 그리드, 상기 제2 그림에 대응하여 사용자가 선택한 복수의 그리드인 제2 그리드, 상기 제3 그림에 대응하여 사용자가 선택한 복수의 그리드인 제3 그리드를 획득하는 단계,
상기 제1 그리드를 기초로, 제1 심볼을 생성하고, 상기 제2 그리드를 기초로, 제2 심볼을 생성하고, 상기 제3 그리드를 기초로, 제3 심볼을 생성하는 단계,
상기 자격 계약 중개인의 단말로 상기 제1 그림, 상기 제2 그림 및 상기 제3 그림을 순서대로 제공하는 단계,
상기 자격 계약 중개인의 단말로부터 상기 제1 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제4 그리드, 상기 제2 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제5 그리드, 상기 제3 그림에 대응하여 자격 계약 중개인이 선택한 복수의 그리드인 제6 그리드를 획득하는 단계,
상기 제4 그리드를 기초로, 제4 심볼을 생성하고, 상기 제5 그리드를 기초로, 제5 심볼을 생성하고, 상기 제6 그리드를 기초로, 제6 심볼을 생성하는 단계,
상기 제1 그림에 대해 상기 사용자의 선택으로 생성된 상기 제1 심볼과 상기 자격 계약 중개인의 선택으로 생성된 상기 제4 심볼의 유사도를 확인하는 단계,
상기 제1 심볼과 상기 제4 심볼 간의 유사도가 미리 설정된 기준 비율보다 높은 자격 계약 중개인을 참고 계약 중개인으로 선정하는 단계,
상기 제2 그림에 대해 상기 사용자의 선택으로 생성된 상기 제2 심볼과 상기 참고 계약 중개인의 선택으로 생성된 상기 제5 심볼의 유사도를 확인하는 단계,
상기 제2 심볼과 상기 제5 심볼 간의 유사도가 상기 기준 비율보다 높은 참고 계약 중개인을 고려 계약 중개인으로 선정하는 단계,
상기 제3 그림에 대해 상기 사용자의 선택으로 생성된 상기 제3 심볼과 상기 고려 계약 중개인의 선택으로 생성된 상기 제6 심볼의 유사도를 확인하는 단계, 및
상기 제3 심볼과 상기 제6 심볼 간의 유사도가 상기 기준 비율보다 높은 고려 계약 중개인을 후보 계약 중개인으로 선정하는 단계를 포함하는,
정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230156556A KR102650587B1 (ko) | 2023-11-13 | 2023-11-13 | 정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230156556A KR102650587B1 (ko) | 2023-11-13 | 2023-11-13 | 정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102650587B1 true KR102650587B1 (ko) | 2024-03-22 |
Family
ID=90480864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230156556A KR102650587B1 (ko) | 2023-11-13 | 2023-11-13 | 정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102650587B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003271822A (ja) * | 2002-03-15 | 2003-09-26 | Jam System Kk | コンピュータネットワークを利用した保険契約誘導システム |
| KR102075029B1 (ko) | 2019-01-16 | 2020-02-10 | 최석용 | 전문가 매칭 서비스 제공 장치 및 방법 |
| KR102141310B1 (ko) * | 2019-06-19 | 2020-08-04 | 설융석 | 빅데이터 분석을 활용한 통합 투자 관리 시스템 |
| KR102271603B1 (ko) | 2020-08-13 | 2021-06-30 | 김성구 | 인공지능 모델을 이용한 금융상품 판매자와 구매자 간의 최적화된 매칭 방법, 장치 및 컴퓨터프로그램 |
| KR102375733B1 (ko) | 2021-02-03 | 2022-03-17 | 주식회사 디엔코리아 | 중개사 관리 방법 |
| KR102506640B1 (ko) | 2022-10-27 | 2023-03-06 | 주식회사 링크빈 | 고객 및 기업 간 계약을 위한 고객 맞춤형 계약 중개인 매칭 방법, 장치 및 시스템 |
-
2023
- 2023-11-13 KR KR1020230156556A patent/KR102650587B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003271822A (ja) * | 2002-03-15 | 2003-09-26 | Jam System Kk | コンピュータネットワークを利用した保険契約誘導システム |
| KR102075029B1 (ko) | 2019-01-16 | 2020-02-10 | 최석용 | 전문가 매칭 서비스 제공 장치 및 방법 |
| KR102141310B1 (ko) * | 2019-06-19 | 2020-08-04 | 설융석 | 빅데이터 분석을 활용한 통합 투자 관리 시스템 |
| KR102271603B1 (ko) | 2020-08-13 | 2021-06-30 | 김성구 | 인공지능 모델을 이용한 금융상품 판매자와 구매자 간의 최적화된 매칭 방법, 장치 및 컴퓨터프로그램 |
| KR102375733B1 (ko) | 2021-02-03 | 2022-03-17 | 주식회사 디엔코리아 | 중개사 관리 방법 |
| KR102506640B1 (ko) | 2022-10-27 | 2023-03-06 | 주식회사 링크빈 | 고객 및 기업 간 계약을 위한 고객 맞춤형 계약 중개인 매칭 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110781321B (zh) | 一种多媒体内容推荐方法及装置 | |
| KR102322845B1 (ko) | 인공지능 기반 브랜드 마케팅 전략 도출 방법, 장치 및 시스템 | |
| US10290040B1 (en) | Discovering cross-category latent features | |
| US11651233B2 (en) | Candidate visualization techniques for use with genetic algorithms | |
| CN114265979B (zh) | 确定融合参数的方法、信息推荐方法和模型训练方法 | |
| US20190258984A1 (en) | Generative adversarial networks in predicting sequential data | |
| US10936601B2 (en) | Combined predictions methodology | |
| US10042944B2 (en) | Suggested keywords | |
| US20200004827A1 (en) | Generalized linear mixed models for generating recommendations | |
| US20230023630A1 (en) | Creating predictor variables for prediction models from unstructured data using natural language processing | |
| CN111340220A (zh) | 用于训练预测模型的方法和装置 | |
| US20150112898A1 (en) | Site flow optimization | |
| US20180253695A1 (en) | Generating job recommendations using job posting similarity | |
| US20180308057A1 (en) | Joint optimization and assignment of member profiles | |
| US20150339404A1 (en) | Inferring seniority level of a member of an on-line social network | |
| JP2022518671A (ja) | デュアル・ネットワークと共に訓練された主ネットワークを介した多目的タスクの実行 | |
| Almomani et al. | Selecting a good stochastic system for the large number of alternatives | |
| KR102650587B1 (ko) | 정량적 기준 및 정성적 기준을 고려한 계약 중개인에 대한 평가 및 매칭 솔루션 제공 방법, 장치 및 시스템 | |
| US20160217540A1 (en) | Determining a school rank utilizing perturbed data sets | |
| CN115017362A (zh) | 数据处理方法、电子设备及存储介质 | |
| CN115080856A (zh) | 推荐方法及装置、推荐模型的训练方法及装置 | |
| US20180253696A1 (en) | Generating job recommendations using co-viewership signals | |
| US20220171985A1 (en) | Item recommendation with application to automated artificial intelligence | |
| US11288322B2 (en) | Conversational agents over domain structured knowledge | |
| US20170324799A1 (en) | Augmented news feed in an on-line social network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |