KR102652693B1 - Artificial intelligence-based makeup kit recommendation system - Google Patents
Artificial intelligence-based makeup kit recommendation system Download PDFInfo
- Publication number
- KR102652693B1 KR102652693B1 KR1020230139905A KR20230139905A KR102652693B1 KR 102652693 B1 KR102652693 B1 KR 102652693B1 KR 1020230139905 A KR1020230139905 A KR 1020230139905A KR 20230139905 A KR20230139905 A KR 20230139905A KR 102652693 B1 KR102652693 B1 KR 102652693B1
- Authority
- KR
- South Korea
- Prior art keywords
- makeup
- user
- kit
- makeup kit
- artificial intelligence
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims description 38
- 238000007726 management method Methods 0.000 claims description 14
- 238000013480 data collection Methods 0.000 claims description 5
- 238000012384 transportation and delivery Methods 0.000 claims description 5
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 15
- 238000000034 method Methods 0.000 description 14
- 239000002537 cosmetic Substances 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 239000000284 extract Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000036555 skin type Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 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]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 인공지능을 이용하여 사용자의 요청사항에 기반한 메이크업 조합을 결정하고, 결정된 메이크업 조합에 기초하여 메이크업 제품들을 추천하는 인공지능 기반 메이크업 키트 추천 시스템에 관한 것이다.The present invention relates to an artificial intelligence-based makeup kit recommendation system that uses artificial intelligence to determine a makeup combination based on a user's request and recommends makeup products based on the determined makeup combination.
Description
본 발명은 인공지능 기반 메이크업 키트 추천 시스템에 관한 것으로, 더욱 상세하게는 인공지능을 이용하여 사용자의 요청사항에 기반한 메이크업 조합을 결정하고, 결정된 메이크업 조합에 기초하여 메이크업 제품들을 추천하는 인공지능 기반 메이크업 키트 추천 시스템에 관한 것이다.The present invention relates to an artificial intelligence-based makeup kit recommendation system, and more specifically, to artificial intelligence-based makeup that uses artificial intelligence to determine makeup combinations based on user requests and recommends makeup products based on the determined makeup combinations. It is about a kit recommendation system.
사람은 유전적 요인에 따라 다양한 피부 타입을 갖게 되며, 환경적 요인에 따라 피부 타입의 다양한 변화를 겪고 있다. 또한, 취향을 중시하는 트렌드에 따라 요구하는 피부의 색상이나 톤도 다양화되고 있다.People have various skin types depending on genetic factors, and their skin types undergo various changes depending on environmental factors. In addition, the colors and tones of skin required are becoming more diverse according to trends that emphasize taste.
따라서 최근의 뷰티 시장은 획일화된 화장품의 추천보다는 개인의 퍼스널 컬러와 요구 정보를 고려하여, 개성을 존중하고 자신만의 아이덴티티를 표출할 수 있도록 개인화된 맞춤형 화장품을 추천해 주는 서비스의 필요성이 요구되고 있다.Therefore, the recent beauty market requires a service that recommends personalized cosmetics to respect individuality and express one's own identity, taking into account the individual's personal color and request information rather than recommending standardized cosmetics. It is becoming.
그러나 종래의 화장품 추천 서비스의 경우, 사용자의 얼굴형만을 고려하여 맞춤형 메이크업을 제안하고, 이에 기초한 화장품만을 추천하는 기능에 초점을 맞추고 있어서, 사용자의 맞춤형 메이크업 및 화장품의 추천에 한계가 있다는 문제점이 있다.However, in the case of the conventional cosmetics recommendation service, it focuses on the function of suggesting customized makeup considering only the user's face shape and recommending only cosmetics based on this, so there is a problem that there is a limit to the recommendation of the user's customized makeup and cosmetics. .
한편, 전술한 배경 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.Meanwhile, the above-mentioned background technology is technical information that the inventor possessed for deriving the present invention or acquired in the process of deriving the present invention, and cannot necessarily be said to be known technology disclosed to the general public before filing the application for the present invention. .
본 발명의 일측면은 인공지능을 이용하여 사용자의 요청사항에 기반한 메이크업 조합을 결정하고, 결정된 메이크업 조합에 기초하여 메이크업 제품들을 추천하는 인공지능 기반 메이크업 키트 추천 시스템을 제공한다.One aspect of the present invention provides an artificial intelligence-based makeup kit recommendation system that uses artificial intelligence to determine a makeup combination based on a user's request and recommends makeup products based on the determined makeup combination.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The technical problem of the present invention is not limited to the technical problem mentioned above, and other technical problems not mentioned will be clearly understood by those skilled in the art from the description below.
본 발명의 일 실시예에 따른 인공지능 기반 메이크업 키트 추천 시스템은 인공지능을 이용하여 사용자의 요청사항에 기반한 메이크업 조합을 결정하고, 결정된 메이크업 조합에 기초하여 메이크업 제품들을 추천한다.The artificial intelligence-based makeup kit recommendation system according to an embodiment of the present invention uses artificial intelligence to determine a makeup combination based on the user's request and recommends makeup products based on the determined makeup combination.
상기 인공지능 기반 메이크업 키트 추천 시스템은,The artificial intelligence-based makeup kit recommendation system is,
사용자 단말로부터 사용자의 안면이 촬영된 이미지 및 메이크업 설정정보를 수신하는 데이터 수집부;A data collection unit that receives an image of the user's face and makeup setting information from the user terminal;
인공 신경망을 이용하여 상기 이미지 및 상기 메이크업 설정정보에 기초하여 사용자의 피부톤을 결정하고, 결정된 피부톤을 구현하기 위해 필요한 메이크업 제품 목록을 생성하여 사용자 맞춤형 메이크업 조합을 결정하는 메이크업 키트 조합부; a makeup kit combination unit that determines the user's skin tone based on the image and the makeup setting information using an artificial neural network, generates a list of makeup products necessary to embody the determined skin tone, and determines a customized makeup combination for the user;
결정된 메이크업 키트를 사용자에게 배송하는 배송관리부; 및A delivery management department that delivers the determined makeup kit to the user; and
상기 사용자 단말로부터 수신된 사용자 정보 및 메이크업 키트 구매일에 대한 정보에 기초하여 상기 메이크업 키트를 구성하는 메이크업 제품들과 동일한 종류의 상품들을 재구매하기 위한 날짜를 예측하는 예측 서비스 관리부;를 포함한다.and a prediction service management unit that predicts a date for repurchasing products of the same type as the makeup products constituting the makeup kit based on user information received from the user terminal and information about the makeup kit purchase date.
상기 예측 서비스 관리부는, The prediction service management department,
하기 수학식 1을 이용하여 특정 상품을 재구매하기 위한 날짜를 예측하고, 예측된 날짜에 기초하여 특정 상품의 재구매를 위한 안내 메시지를 상기 사용자 단말로 전송한다.The date for repurchasing a specific product is predicted using Equation 1 below, and a guidance message for repurchasing the specific product is transmitted to the user terminal based on the predicted date.
[수학식 1][Equation 1]
여기서, de는 특정 상품의 재구매 예측일, p는 특정 상품의 직전 구매일로부터 경과된 일수, n는 사용자 단말로부터 요청된 복수의 메이크업 키트 추천 목록에 포함된 제품의 개수, s는 메이크업 키트 추천이 요청된 날짜의 계절지수, a는 제품의 종류별로 차등하게 설정되는 가중치, m은 연령별 1주일 평균 메이크업 횟수이다.Here, d e is the predicted date of repurchase of a specific product, p is the number of days elapsed from the previous purchase date of a specific product, n is the number of products included in the list of multiple makeup kit recommendations requested from the user terminal, and s is the makeup kit recommendation. The seasonal index of this requested date, a is a weight set differently for each type of product, and m is the average number of makeup times per week by age.
상술한 본 발명의 일측면에 따르면 사용자의 직업, 행사, 의상색상, 착용 액세서리, 조합 등과 같이 사용자가 설정한 상황에 최적화된 메이크업톤을 설정하고, 설정된 메이크업톤을 구현하기 위한 메이크업 키트를 추천함으로써 사용자 맞춤형 메이크업의 편의성 및 신뢰성이 향상될 수 있다.According to one aspect of the present invention described above, by setting a makeup tone optimized for the situation set by the user, such as the user's occupation, event, clothing color, worn accessories, combination, etc., and recommending a makeup kit to implement the set makeup tone. The convenience and reliability of user-tailored makeup can be improved.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 메이크업 키트 추천 시스템의 개략적인 구성이 도시된 도면이다.
도 2는 도 1에 도시된 메이크업 키트 추천서버의 구체적인 구성이 도시된 도면이다.Figure 1 is a diagram illustrating the schematic configuration of an artificial intelligence-based makeup kit recommendation system according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating the specific configuration of the makeup kit recommendation server shown in FIG. 1.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.The detailed description of the present invention described below refers to the accompanying drawings, which show by way of example specific embodiments in which the present invention may be practiced. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention. It should be understood that the various embodiments of the present invention are different from one another but are not necessarily mutually exclusive. For example, specific shapes, structures and characteristics described herein may be implemented in one embodiment without departing from the spirit and scope of the invention. Additionally, it should be understood that the location or arrangement of individual components within each disclosed embodiment may be changed without departing from the spirit and scope of the invention. Accordingly, the detailed description that follows is not intended to be taken in a limiting sense, and the scope of the invention is limited only by the appended claims, together with all equivalents to what those claims assert, if properly described. Similar reference numbers in the drawings refer to identical or similar functions across various aspects.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the drawings.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 메이크업 키트 추천 시스템의 개략적인 구성이 도시된 도면이다.Figure 1 is a diagram illustrating the schematic configuration of an artificial intelligence-based makeup kit recommendation system according to an embodiment of the present invention.
본 발명에 따른 인공지능 기반 메이크업 키트 추천 시스템은 인공지능을 이용하여 사용자의 요청사항에 기반한 메이크업 조합을 결정하고, 결정된 메이크업 조합에 기초하여 메이크업 제품들을 추천하는 맞춤형 서비스를 제공하는 것을 목적으로 한다.The purpose of the artificial intelligence-based makeup kit recommendation system according to the present invention is to use artificial intelligence to determine a makeup combination based on the user's request and to provide a customized service that recommends makeup products based on the determined makeup combination.
특히, 본 발명에 따르면 사용자가 설정한 상황(이벤트)에 기초하여 적절한 피부톤을 설정하고, 설정된 피부톤을 구현하기 위한 메이크업 제품이 조합된 메이크업 키트를 사용자에게 추천함으로써, 사용자는 메이크업을 하고 나갈 행사의 종류, 직업, 착용 의상 및 액세서리와 가장 어울리는 메이크업 톤을 인공지능을 통해 추천받음으로써 만족도가 향상될 수 있다.In particular, according to the present invention, an appropriate skin tone is set based on the situation (event) set by the user, and a makeup kit containing a combination of makeup products to implement the set skin tone is recommended to the user, so that the user can wear makeup and prepare for the event. Satisfaction can be improved by receiving recommendations through artificial intelligence for the makeup tone that best matches the type, occupation, clothes and accessories worn.
구체적으로, 본 발명에 따른 인공지능 기반 메이크업 키트 추천 시스템은 사용자 단말(100) 및 메이크업 키트 추천서버(200)를 포함한다.Specifically, the artificial intelligence-based makeup kit recommendation system according to the present invention includes a user terminal 100 and a makeup kit recommendation server 200.
사용자 단말(100)은 본 발명에 따른 인공지능 기반 메이크업 키트 추천 서비스를 제공받기 희망하는 사용자가 소지한 전자장치로, 외부기기와 유무선 통신이 가능하며 정보의 입출력 및 처리가 가능한 스마트폰, PC, 랩탑, 태블릿 PC, 웨어러블 디바이스, 키오스크 등과 같은 형태일 수 있다.The user terminal 100 is an electronic device owned by a user who wishes to receive the artificial intelligence-based makeup kit recommendation service according to the present invention, such as a smartphone, PC, It may be in the form of a laptop, tablet PC, wearable device, kiosk, etc.
사용자는 사용자 단말(100)을 통해 메이크업 키트 추천서버(200)로 접속하여, 본 발명에 따른 인공지능 기반 메이크업 키트 추천 서비스를 메이크업 키트 추천서버(200)로부터 제공받는다.The user connects to the makeup kit recommendation server 200 through the user terminal 100 and receives the artificial intelligence-based makeup kit recommendation service according to the present invention from the makeup kit recommendation server 200.
메이크업 키트 추천서버(200)는 복수의 사용자 단말(100)와 유선 또는 무선 통신으로 연결되어 사용자 단말(100)별로 맞춤형 서비스를 제공한다.The makeup kit recommendation server 200 is connected to a plurality of user terminals 100 through wired or wireless communication and provides customized services for each user terminal 100.
메이크업 키트 추천서버(200)는 사용자 화장품 추천 서비스를 운용하기 위해 필요한 정보들을 저장할 수 있다. 사용자화장품 추천 서비스를 운영하기 위해 필요한 정보들은 상기 서비스를 제공하기 위한 상기 서비스의 운영자가 제공할 수 있는 화장품들 각각의 정보들을 포함할 수 있다. 그리고 메이크업 키트 추천서버(200)는 기존의 다른 구매자들의 화장품 사용 정보를 획득하여 저장할 수 있다. 다른 구매자들의 화장품 사용 정보는 구매 후기, 사용기간, 사용 빈도, 반품 여부 등을 포함할 수 있다.The makeup kit recommendation server 200 can store information necessary to operate a user cosmetics recommendation service. The information required to operate the user cosmetics recommendation service may include information on each cosmetic product that can be provided by the service operator for providing the service. Additionally, the makeup kit recommendation server 200 can obtain and store cosmetics usage information of other existing buyers. Information on the use of cosmetics by other buyers may include purchase reviews, period of use, frequency of use, return status, etc.
메이크업 키트 추천서버(200)는 사용자 단말(200)을 통해 사용자의 얼굴 이미지를 획득하고, 획득된 사용자의 얼굴 이미지를 통해 사용자의 피부 특성을 결정하고, 결정된 피부 특성에 기초하여 사용자에게 추천할 화장품들을 결정할 수 있다. 메이크업 키트 추천서버(200)는 결정된 화장품들의 추천 리스트를 생성하고, 생성된 추천 리스트를 사용자 단말(200)에 전송할 수 있다.The makeup kit recommendation server 200 acquires the user's face image through the user terminal 200, determines the user's skin characteristics through the acquired user's face image, and recommends cosmetics to the user based on the determined skin characteristics. can decide. The makeup kit recommendation server 200 may generate a recommendation list of the determined cosmetics and transmit the generated recommendation list to the user terminal 200.
도 2는 이러한 메이크업 키트 추천서버(200)의 구체적인 구성이 도시된 도면이다.Figure 2 is a diagram showing the specific configuration of this makeup kit recommendation server 200.
도시된 바와 같이, 메이크업 키트 추천서버(200)는 데이터 수집부(210), 메이크업 키트 조합부(220) 및 배송 관리부(230) 및 예측 서비스 관리부(240)를 포함한다.As shown, the makeup kit recommendation server 200 includes a data collection unit 210, a makeup kit combination unit 220, a delivery management unit 230, and a prediction service management unit 240.
데이터 수집부(210)는 사용자 단말로부터 사용자의 안면이 촬영된 이미지 및 메이크업 설정정보를 수신한다. The data collection unit 210 receives an image of the user's face and makeup setting information from the user terminal.
여기서, 메이크업 설정정보는 사용자의 연령, 성별, 직업, 행사의 종류, 행사에 착용할 의상 및 액세서리의 종류 및 색상에 대한 정보들을 포함할 수 있다.Here, the makeup setting information may include information about the user's age, gender, occupation, type of event, and type and color of clothes and accessories to be worn at the event.
메이크업 키트 조합부(220)는 인공 신경망을 이용하여 상기 이미지 및 상기 메이크업 설정정보에 기초하여 사용자의 피부톤을 결정하고, 결정된 피부톤을 구현하기 위해 필요한 메이크업 제품 목록을 생성하여 사용자 맞춤형 메이크업 조합을 결정한다.The makeup kit combination unit 220 determines the user's skin tone based on the image and the makeup setting information using an artificial neural network, generates a list of makeup products necessary to embody the determined skin tone, and determines a customized makeup combination for the user. .
구체적으로, 메이크업 키트 조합부(220)는 사용자에 의해 설정된 이벤트 정보(날짜, 장소, 직업, 행사의 종류, 착용할 의상 및 액세서리의 종류와 색상)와, 사용자 단말로부터 수신된 사용자의 안면이 촬영된 안면 이미지를 미리 학습된 인공 신경망의 입력값으로 입력하여, 상기 인공 신경망의 출력값에 기초하여 사용자에 의해 설정된 이벤트에 최적화된 피부톤을 설정한다.Specifically, the makeup kit combination unit 220 captures the event information set by the user (date, location, occupation, type of event, type and color of clothes and accessories to be worn) and the user's face received from the user terminal. The facial image is input as an input value to a pre-trained artificial neural network, and a skin tone optimized for the event set by the user is set based on the output value of the artificial neural network.
이를 위해, 인공 신경망은 인공 신경망은 CNN(Convolution Neural Network)기반으로 구성되어 입력층으로 입력된 안면 사진에 대한 특징정보를 추출하는 합성곱(Convolution) 레이어와 이를 통해 생성된 특징맵에 포함된 색상이나 밝기를 토대로 화장정보를 추출하는 합성곱 레이어로 구성된 은닉층과 최후단의 완전 연결 레이어를 통해 사용자의 메이크업 특징정보를 출력하는 출력층으로 구성될 수 있다.For this purpose, the artificial neural network is constructed based on CNN (Convolution Neural Network), which includes a convolution layer that extracts feature information about facial photos input as an input layer, and the colors included in the feature map generated through this. It can be composed of a hidden layer consisting of a convolutional layer that extracts makeup information based on brightness, and an output layer that outputs the user's makeup characteristic information through a fully connected layer at the last stage.
또한, 메이크업 키트 조합부(220)는 사용자 단말로부터 수신된 텍스트 형태의 정보가 가진 의미를 이해하기 위해, Word2Vec 알고리즘으로 학습 데이터를 학습하여 입력 데이터에 대하여 문맥 정보를 추출하는 신경망을 구축할 수 있다.In addition, the makeup kit combination unit 220 learns learning data using the Word2Vec algorithm to understand the meaning of information in the form of text received from the user terminal and builds a neural network that extracts context information for the input data. .
Word2Vec 알고리즘은 신경망 언어 모델(NNLM : Neural Network Language Model)을 포함할 수 있다. 신경망 언어 모델은 기본적으로 Input Layer, Projection Layer, Hidden Layer, Output Layer로 이루어진 Neural Network이다. 신경망 언어 모델은 단어를 벡터화하는 방법에 사용되는 것이다. 신경망 언어 모델은 공지된 기술이므로 보다 자세한 설명은 생략하기로 한다.The Word2Vec algorithm may include a neural network language model (NNLM). A neural network language model is basically a neural network consisting of an input layer, projection layer, hidden layer, and output layer. Neural network language models are used to vectorize words. Since the neural network language model is a known technology, a more detailed description will be omitted.
Word2vec 알고리즘은, 텍스트마이닝을 위한 것으로, 각 단어 간의 앞, 뒤 관계를 보고 근접도를 정하는 알고리즘이다. Word2vec 알고리즘은 비지도 학습 알고리즘이다. Word2vec 알고리즘은 이름이 나타내는 바와 같이 단어의 의미를 벡터형태로 표현하는 계량기법일 수 있다. Word2vec 알고리즘은 각 단어를 200차원 정도의 공간에서 백터로 표현할 수 있다. Word2vec 알고리즘을 이용하면, 각 단어마다 단어에 해당하는 벡터를 구할 수 있다.The Word2vec algorithm is for text mining and is an algorithm that determines proximity by looking at the front and back relationships between each word. The Word2vec algorithm is an unsupervised learning algorithm. As the name indicates, the Word2vec algorithm can be a quantitative technique that expresses the meaning of words in vector form. The Word2vec algorithm can express each word as a vector in a space of about 200 dimensions. Using the Word2vec algorithm, you can obtain the vector corresponding to the word for each word.
Word2vec 알고리즘은 종래의 다른 알고리즘에 비해 자연어 처리 분야에서 비약적인 정밀도 향상을 가능하게 할 수 있다. Word2vec은 입력한 말뭉치의 문장에 있는 단어와 인접 단어의 관계를 이용해 단어의 의미를 학습할 수 있다. Word2vec 알고리즘은 인공 신경망에 근거한 것으로, 같은 맥락을 지닌 단어는 가까운 의미를 지니고 있다는 전제에서 출발한다. Word2vec 알고리즘은 텍스트 문서를 통해 학습을 진행하며, 한 단어에 대해 근처(전후 5 내지 10 단어 정도)에 출현하는 다른 단어들을 관련 단어로서 인공 신경망에 학습시킨다. 연관된 의미의 단어들은 문서상에서 가까운 곳에 출현할 가능성이 높기 때문에 학습을 반복해 나가는 과정에서 두 단어는 점차 가까운 벡터를 지닐 수 있다.The Word2vec algorithm can enable dramatic improvements in precision in the field of natural language processing compared to other conventional algorithms. Word2vec can learn the meaning of words using the relationships between words and adjacent words in sentences in the input corpus. The Word2vec algorithm is based on an artificial neural network and starts from the premise that words with the same context have close meanings. The Word2vec algorithm learns through text documents, and for one word, other words that appear nearby (about 5 to 10 words before or after it) are taught to the artificial neural network as related words. Because words with related meanings are likely to appear close together in a document, two words may have increasingly closer vectors during repeated learning.
Word2vec 알고리즘의 학습 방법은 CBOW(Continuous Bag Of Words) 방식과 skip-gram 방식이 있다. CBOW 방식은 주변 단어가 만드는 맥락을 이용해 타겟 단어를 예측하는 것이다. skip-gram 방식은 한 단어를 기준으로 주변에 올 수 있는 단어를 예측하는 것이다. 대규모 데이터셋에서는 skip-gram 방식이 더 정확한 것으로 알려져 있다.The learning methods of the Word2vec algorithm include the CBOW (Continuous Bag Of Words) method and the skip-gram method. The CBOW method predicts the target word using the context created by surrounding words. The skip-gram method predicts words that may come nearby based on one word. The skip-gram method is known to be more accurate in large datasets.
따라서, 본 발명의 실시 예에서는 skip-gram 방식을 이용한 Word2vec 알고리즘을 사용한다. 예컨대, Word2vec 알고리즘을 통해 학습이 잘 완료되면, 고차원 공간에서 비슷한 단어는 근처에 위치할 수 있다. 상술한 바와 같은 Word2vec 알고리즘에 따르면 학습 문서 내 주위 단어의 분포가 가까운 단어일수록 산출되는 벡터값은 유사해질 수 있으며, 산출된 벡터값이 비슷한 단어는 유사한 것으로 간주할 수 있다. Word2vec 알고리즘은 공지된 기술이므로 벡터값 계산과 관련한 보다 상세한 설명은 생략하기로 한다.Therefore, in the embodiment of the present invention, the Word2vec algorithm using the skip-gram method is used. For example, if learning is successfully completed through the Word2vec algorithm, similar words can be located nearby in a high-dimensional space. According to the Word2vec algorithm as described above, the closer the distribution of surrounding words in a learning document is, the more similar the calculated vector values can be, and words with similar calculated vector values can be considered similar. Since the Word2vec algorithm is a known technology, detailed descriptions related to vector value calculation will be omitted.
메이크업 키트 조합부(220)는 신경망에 사용자 단말로부터 수신된 데이터를 입력하여 문맥 정보를 나타내는 평가 결과 벡터 값을 추출할 수 있다.The makeup kit combination unit 220 may input data received from the user terminal into a neural network and extract an evaluation result vector value representing context information.
메이크업 키트 조합부(220)는 평가 결과 벡터 값과 복수의 기준 벡터 값 각각의 유사도를 산출하고, 복수의 기준벡터 값 중 평가 결과 벡터 값과의 유사도가 가장 높은 기준 벡터 값을 추출할 수 있다. 이때, 유사도 산출 방법에는 유클리디안 거리(Euclidean distance), 코사인 유사도(Cosine similarity), 타니모토 계수(Tanimoto coeffieient) 등이 채택될 수 있다.The makeup kit combination unit 220 may calculate the similarity between the evaluation result vector value and each of the plurality of reference vector values, and extract the reference vector value with the highest similarity to the evaluation result vector value among the plurality of reference vector values. At this time, Euclidean distance, cosine similarity, Tanimoto coefficient, etc. may be adopted as similarity calculation methods.
메이크업 키트 조합부(220)는 평가 결과 벡터 값과의 유사도가 가장 높은 기준 벡터 값에 해당하는 단어를 인식된 텍스트에 대응되는 단어로 추출할 수 있다.The makeup kit combination unit 220 may extract the word corresponding to the reference vector value with the highest similarity to the evaluation result vector value as the word corresponding to the recognized text.
또한, 메이크업 키트 조합부(220)는 인공 신경망을 학습시킬 수 있고, 학습이 완료된 인공 신경망을 이용할 수도 있다. 프로세서는 메모리에 저장된 인공 신경망을 학습시키거나 실행할 수 있고, 메모리는 학습 완료된 인공 신경망을 저장할 수 있다. 인공 신경망을 학습시키는 전자 장치와 이용하는 전자 장치는 동일할 수 있지만 별개일 수도 있다. 인공지능은 인간의 뇌의 기능을 일부 구현한 컴퓨터 시스템으로, 스스로 학습하고 추측하고 판단할 수 있다. 학습을 진행할수록 답을 추출할 확률이 높아질 수 있다. 인공지능은 학습과 그것을 이용한 요소 기술들로 구성될 수 있다. 인공지능의 학습은 입력 데이터를 바탕으로 특징을 분류와 학습을 하는 알고리즘 기술이고, 요소 기술들은 학습 알고리즘을 이용하여 인간의 뇌의 기능을 일부 구현하는 기술일 수 있다. Additionally, the makeup kit combination unit 220 can train an artificial neural network, and can also use a trained artificial neural network. The processor can train or execute an artificial neural network stored in memory, and the memory can store a trained artificial neural network. The electronic device that trains the artificial neural network and the electronic device that uses it may be the same, but may also be separate. Artificial intelligence is a computer system that implements some of the functions of the human brain and can learn, guess, and make decisions on its own. As learning progresses, the probability of extracting an answer may increase. Artificial intelligence can be composed of learning and elemental technologies using it. Artificial intelligence learning is an algorithmic technology that classifies and learns features based on input data, and elemental technologies may be technologies that implement some of the functions of the human brain using learning algorithms.
인공지능은 확률적으로 여러 답이 나올 수 있는 문제에 접근하기 쉬운 기술로써 어떠한 입력 데이터에 따르는 최적의 주기와 방법, 계획 등을 논리적이고 확률적으로 추론할 수 있다. 인공지능의 추론 기술은 입력 데이터를 판단하고 최적화 예측, 지식과 확률 기반 추론, 선호 기반 계획 등을 포함할 수 있다.Artificial intelligence is a technology that makes it easy to approach problems that can have multiple answers probabilistically, and can logically and probabilistically infer the optimal cycle, method, and plan according to any input data. Artificial intelligence's inference technology can include judging input data, optimization predictions, knowledge and probability-based reasoning, and preference-based planning.
인공신경망은 기계학습 분야의 학습 알고리즘 중 하나로 뇌의 뉴런과 시냅스의 연결을 프로그램으로 구현한 것이다. 인공신경망은 프로그램으로 신경망의 구조를 만든 다음 학습시켜 원하는 기능을 가지게 할 수 있다. 오차가 존재할 수 있지만 거대한 데이터를 바탕으로 학습하여 입력 데이터를 가지고 적절한 출력 데이터를 출력할 수 있다. 통계적으로 좋은 결과를 얻었던 출력 데이터를 획득할 수 있고 인간의 추론과 유사하다는 장점이 있다.Artificial neural network is one of the learning algorithms in the machine learning field and is a program that implements the connection between neurons and synapses in the brain. Artificial neural networks can be created through a program to create a neural network structure and then learn it to have the desired function. Although there may be errors, it is possible to learn based on huge data and output appropriate output data with input data. It has the advantage of being able to obtain output data with statistically good results and being similar to human reasoning.
메이크업 키트 조합부(220)는 빅데이터를 기반으로 구축된 인공지능 알고리즘을 이용하여 학습에 요구되는 질의/메트릭 데이터셋을 구축할 수 있고, 이를 위해 미리 학습된 다수의 인공 신경망을 포함할 수 있다.The makeup kit combination unit 220 can build a query/metric dataset required for learning using an artificial intelligence algorithm built on big data, and may include a number of artificial neural networks that have been trained in advance for this purpose. .
본 실시예에서 서버는 기계 학습 알고리즘의 수행을 위하여 미리 학습된 다수의 인공 신경망을 포함할 수 있다. 기계 학습으로 입력 데이터를 바탕으로 출력 데이터를 출력하고 이것의 결과를 이용해 스스로 학습할 수도 있고 이로 인해 스스로 데이터 처리 능력이 향상될 수 있다. 인공 신경망은 입력 데이터를 바탕으로 특징을 추출하고 규칙성을 추측하여 결과데이터를 출력할 수 있고 이러한 과정이 쌓일수록 결과 데이터의 신뢰도가 높아지게 된다. In this embodiment, the server may include a number of artificial neural networks that have been trained in advance to perform machine learning algorithms. With machine learning, you can output output data based on input data and use the results to learn on your own, which can improve your own data processing ability. Artificial neural networks can extract features based on input data, infer regularities, and output result data. As this process accumulates, the reliability of the result data increases.
본 실시예에서 인공 신경망은 텍스트로 인식된 객체의 형태, 길이, 개수, 고저차 중 적어도 하나 이상의 특징 데이터로부터 텍스트 데이터를 출력하는 알고리즘일 수 있다. 인공 신경망은 빅데이터를 그대로 입력 데이터로 하거나 불필요한 데이터를 정리하는 처리 과정을 거친 후 입력 데이터로 하여 최상의 출력 데이터를 추론할 수 있다. In this embodiment, the artificial neural network may be an algorithm that outputs text data from at least one of the feature data of the shape, length, number, and elevation difference of an object recognized as text. Artificial neural networks can infer the best output data using big data as input data or after going through a processing process to organize unnecessary data.
인공지능 기계 학습 모델은 학습 종류에 따라 Super Viser Learning(지도학습), UnSuper Viser Learning(비지도 학습), Semisupervised learning(반지도 학습), Reinforcement Learning(강화 학습) 등이 있다. 그리고 기계 학습 알고리즘으로 Decision Tree(의사 결정 트리), K-Nearest Neightbor, Artificial Neural Network(인공 신경망), Support Vector Machine, Ensemble Learning, Gradient Descent(기울기 하강법), Na
인공 신경망은 입력 데이터에 포함될 수 있는 여러 입력 값들에 대해 미리 학습된 상태일 수 있다. 인공 신경망은 학습방식 중 하나인 reinforcement learning(강화 학습)에 따라 학습되는 인공 신경망일 수 있다. 강화 학습은 보수와 제한을 설정하여 점차 올바른 결과를 획득할 확률을 올려가는 방식이다. 인공 신경망은 Convelutional Neural Network(CNN, 합성곱 신경망)이나 Recurrent Neural Network(RNN, 순환 신경망)에 기반하여 모델링될 수도 있다.The artificial neural network may be pre-trained on various input values that may be included in the input data. An artificial neural network may be an artificial neural network that is learned according to reinforcement learning, one of the learning methods. Reinforcement learning is a method of gradually increasing the probability of obtaining the correct result by setting rewards and limits. Artificial neural networks can also be modeled based on Convelutional Neural Network (CNN) or Recurrent Neural Network (RNN).
이와 같이, 메이크업 키트 조합부(220)는 빅데이터 및 인공 신경망을 이용하여 사용자 단말로부터 수신된 데이터로부터 인공 신경망에 입력하기 위한 특징정보들을 추출할 수 있다.In this way, the makeup kit combination unit 220 can use big data and an artificial neural network to extract feature information for input into the artificial neural network from data received from the user terminal.
배송관리부(230)는 결정된 메이크업 키트를 사용자에게 배송한다.The delivery management unit 230 delivers the determined makeup kit to the user.
예측 서비스 관리부(240)는 상기 사용자 단말로부터 수신된 사용자 정보 및 메이크업 키트 구매일에 대한 정보에 기초하여 상기 메이크업 키트를 구성하는 메이크업 제품들과 동일한 종류의 상품들을 재구매하기 위한 날짜를 예측한다.The prediction service management unit 240 predicts a date for repurchasing products of the same type as the makeup products constituting the makeup kit based on user information received from the user terminal and information on the makeup kit purchase date.
일 실시예에서, 상기 예측 서비스 관리부는 하기 수학식 1을 이용하여 특정 상품을 재구매하기 위한 날짜를 예측하고, 예측된 날짜에 기초하여 특정 상품의 재구매를 위한 안내 메시지를 상기 사용자 단말로 전송한다.In one embodiment, the prediction service management unit predicts the date for repurchasing a specific product using Equation 1 below, and transmits a guidance message for repurchasing the specific product to the user terminal based on the predicted date.
[수학식 1][Equation 1]
여기서, de는 특정 상품의 재구매 예측일, p는 특정 상품의 직전 구매일로부터 경과된 일수, n는 사용자 단말로부터 요청된 복수의 메이크업 키트 추천 목록에 포함된 제품의 개수, s는 메이크업 키트 추천이 요청된 날짜의 계절지수, a는 제품의 종류별로 차등하게 설정되는 가중치, m은 연령별 1주일 평균 메이크업 횟수이다.Here, d e is the predicted date of repurchase of a specific product, p is the number of days elapsed from the previous purchase date of a specific product, n is the number of products included in the list of multiple makeup kit recommendations requested from the user terminal, and s is the makeup kit recommendation. The seasonal index of this requested date, a is a weight set differently for each type of product, and m is the average number of makeup times per week by age.
이와 같이, 예측 서비스 관리부(230)는 상술한 수학식들을 이용하여 기존에 구매한 상품의 재구매 시기를 정밀하게 예측함으로써 사용자가 제품을 끊김 없이 지속적으로 사용할 수 있도록 함으로써 서비스의 만족도를 향상시킬 수 있다.In this way, the prediction service management unit 230 can improve service satisfaction by accurately predicting the repurchase time of previously purchased products using the above-mentioned mathematical equations, allowing users to continuously use the product without interruption. .
몇몇 또 다른 실시예에서, 메이크업 키트 조합부(220)는 현재 유행 중인 메이크업 스타일을 고려하여 추천 피부톤을 설정할 수 있다.In some other embodiments, the makeup kit combination unit 220 may set a recommended skin tone in consideration of a currently popular makeup style.
이를 위해, 메이크업 키트 조합부(220)는 하기 수학식 2를 이용하여 트렌드 점수를 산출한다.To this end, the makeup kit combination unit 220 calculates a trend score using Equation 2 below.
[수학식 2][Equation 2]
여기서, TS는 트렌드 점수, d는 현재 유행 중인 피부톤의 밝기에 따라 설정되는 제1 상수값, u는 연령대별로 차등하게 설정된 가중치, h는 신체 치수에 따라 설정되는 제2 상수, o는 사용자와 동 연령대의 다른 사용자들로부터 산출된 트렌드 점수이다.Here, TS is the trend score, d is the first constant value set according to the brightness of the currently popular skin tone, u is the weight set differentially by age group, h is the second constant set according to body size, and o is the same as the user. This is a trend score calculated from users of different age groups.
예를 들어, d가 3, u가 5, h가 5, o가 15인 경우, 트렌드 점수 TS는 약 17점으로 산출된다(소수점 이하 반올림). 이러한 경우, 메이크업 키트 조합부(220)는 16점에 미리 매칭된 메이크업 톤을 추천할 메이크업 톤으로 설정한다.For example, if d is 3, u is 5, h is 5, and o is 15, the trend score TS is calculated as approximately 17 points (rounded to the nearest decimal point). In this case, the makeup kit combination unit 220 sets the makeup tone previously matched to the 16 points as the recommended makeup tone.
이와 같이, 메이크업 키트 조합부(220)는 상술한 수학식 2를 통해 산출된 트렌드 점수에 따라 맞춤형 메이크업 톤을 설정함으로써, 사용자의 연령, 동 연령 사용자들의 메이크업 스타일 등을 종합적으로 반영한 메이크업 톤을 추천할 수 있다.In this way, the makeup kit combination unit 220 sets a customized makeup tone according to the trend score calculated through Equation 2 above, thereby recommending a makeup tone that comprehensively reflects the user's age and the makeup style of users of the same age. can do.
이와 같은, 본 발명에 따른 기술은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.As such, the technology according to the present invention may be implemented as an application or in the form of program instructions that can be executed through various computer components and recorded on a computer-readable recording medium. The computer-readable recording medium may include program instructions, data files, data structures, etc., singly or in combination.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.The program instructions recorded on the computer-readable recording medium may be those specifically designed and configured for the present invention, or may be known and usable by those skilled in the computer software field.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. media), and hardware devices specifically configured to store and perform program instructions, such as ROM, RAM, flash memory, etc.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Examples of program instructions include not only machine language code such as that created by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like. The hardware device may be configured to operate as one or more software modules to perform processing according to the invention and vice versa.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 공간으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to embodiments, those skilled in the art will understand that various modifications and changes can be made to the present invention without departing from the spirit and space of the present invention as set forth in the following patent claims. You will be able to.
210: 데이터 수집부
220: 메이크업 키트 조합부
230: 배송관리부
240: 예측 서비스 관리부210: data collection unit
220: Makeup kit assembly unit
230: Delivery management department
240: Predictive service management department
Claims (3)
상기 인공지능 기반 메이크업 키트 추천 시스템은,
사용자 단말로부터 사용자의 안면이 촬영된 이미지 및 메이크업 설정정보를 수신하는 데이터 수집부;
인공 신경망을 이용하여 상기 이미지 및 상기 메이크업 설정정보에 기초하여 사용자의 피부톤을 결정하고, 결정된 피부톤을 구현하기 위해 필요한 메이크업 제품 목록을 생성하여 사용자 맞춤형 메이크업 조합을 결정하는 메이크업 키트 조합부;
결정된 메이크업 키트를 사용자에게 배송하는 배송관리부; 및
상기 사용자 단말로부터 수신된 사용자 정보 및 메이크업 키트 구매일에 대한 정보에 기초하여 상기 메이크업 키트를 구성하는 메이크업 제품들과 동일한 종류의 상품들을 재구매하기 위한 날짜를 예측하는 예측 서비스 관리부;를 포함하고,
상기 예측 서비스 관리부는,
하기 수학식 1을 이용하여 특정 상품을 재구매하기 위한 날짜를 예측하고, 예측된 날짜에 기초하여 특정 상품의 재구매를 위한 안내 메시지를 상기 사용자 단말로 전송하고,
상기 메이크업 키트 조합부는,
메이크업 키트 조합부는 하기 수학식 2를 이용하여 트렌드 점수를 산출하여, 산출된 트렌드 점수에 기초하여 맞춤형 메이크업 톤을 설정하는, 인공지능 기반 메이크업 키트 추천 시스템.
[수학식 1]
여기서, R은 특정 상품의 재구매 예측일, p는 특정 상품의 직전 구매일로부터 경과된 일수, n는 사용자 단말로부터 요청된 복수의 메이크업 키트 추천 목록에 포함된 제품의 개수, s는 메이크업 키트 추천이 요청된 날짜의 계절지수, a는 제품의 종류별로 차등하게 설정되는 가중치, m은 연령별 1주일 평균 메이크업 횟수이다.
[수학식 2]
여기서, TS는 트렌드 점수, d는 현재 유행 중인 피부톤의 밝기에 따라 설정되는 제1 상수값, u는 연령대별로 차등하게 설정된 가중치, h는 신체 치수에 따라 설정되는 제2 상수, o는 사용자와 동 연령대의 다른 사용자들로부터 산출된 트렌드 점수이다.
In an artificial intelligence-based makeup kit recommendation system that uses artificial intelligence to determine a makeup combination based on the user's request and recommends makeup products based on the determined makeup combination,
The artificial intelligence-based makeup kit recommendation system is,
A data collection unit that receives an image of the user's face and makeup setting information from the user terminal;
a makeup kit combination unit that determines the user's skin tone based on the image and the makeup setting information using an artificial neural network, generates a list of makeup products necessary to embody the determined skin tone, and determines a customized makeup combination for the user;
a delivery management department that delivers the determined makeup kit to the user; and
It includes a prediction service management unit that predicts the date for repurchasing products of the same type as the makeup products constituting the makeup kit based on user information received from the user terminal and information on the makeup kit purchase date,
The prediction service management department,
Predict the date for repurchasing a specific product using Equation 1 below, and transmit a guidance message for repurchasing the specific product to the user terminal based on the predicted date,
The makeup kit combination unit,
An artificial intelligence-based makeup kit recommendation system in which the makeup kit combination unit calculates a trend score using Equation 2 below and sets a customized makeup tone based on the calculated trend score.
[Equation 1]
Here, R is the predicted date of repurchase of a specific product, p is the number of days elapsed from the previous purchase date of a specific product, n is the number of products included in the list of multiple makeup kit recommendations requested from the user terminal, and s is the makeup kit recommendation. The seasonal index of the requested date, a is a weight set differently for each type of product, and m is the average number of makeup times per week by age.
[Equation 2]
Here, TS is the trend score, d is the first constant value set according to the brightness of the currently popular skin tone, u is the weight set differentially by age group, h is the second constant set according to body size, and o is the same as the user. This is a trend score calculated from users of different age groups.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230139905A KR102652693B1 (en) | 2023-10-18 | 2023-10-18 | Artificial intelligence-based makeup kit recommendation system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230139905A KR102652693B1 (en) | 2023-10-18 | 2023-10-18 | Artificial intelligence-based makeup kit recommendation system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102652693B1 true KR102652693B1 (en) | 2024-03-29 |
Family
ID=90483513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230139905A KR102652693B1 (en) | 2023-10-18 | 2023-10-18 | Artificial intelligence-based makeup kit recommendation system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102652693B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160137459A (en) * | 2016-11-08 | 2016-11-30 | 송석주 | Method and computer program for providing membership periodic delivery service of cosmetic products |
| KR102055084B1 (en) * | 2019-03-19 | 2020-01-14 | (주)인시스 | Method And System for Guiding Make-up by Using Skin Measuring |
| KR102253750B1 (en) * | 2020-11-09 | 2021-05-18 | 임호 | Makeup recommendation and selling cosmetics platform service using deep learning |
| KR102360993B1 (en) | 2021-08-23 | 2022-02-09 | 주식회사 브이 메이커스 | Method and apparatus for providing a service for recommending cosmetics to user |
| KR102564967B1 (en) * | 2023-02-28 | 2023-08-08 | 정재효 | System for recommending baby products based on artificial intelligence |
-
2023
- 2023-10-18 KR KR1020230139905A patent/KR102652693B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160137459A (en) * | 2016-11-08 | 2016-11-30 | 송석주 | Method and computer program for providing membership periodic delivery service of cosmetic products |
| KR102055084B1 (en) * | 2019-03-19 | 2020-01-14 | (주)인시스 | Method And System for Guiding Make-up by Using Skin Measuring |
| KR102253750B1 (en) * | 2020-11-09 | 2021-05-18 | 임호 | Makeup recommendation and selling cosmetics platform service using deep learning |
| KR102360993B1 (en) | 2021-08-23 | 2022-02-09 | 주식회사 브이 메이커스 | Method and apparatus for providing a service for recommending cosmetics to user |
| KR102564967B1 (en) * | 2023-02-28 | 2023-08-08 | 정재효 | System for recommending baby products based on artificial intelligence |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110796190B (en) | Exponential modeling with deep learning features | |
| US20200065682A1 (en) | Framework for a computing system that alters user behavior | |
| KR102135674B1 (en) | Apparatus, method and recording medium for recomending customized products based on keyword extraction neural network model of product review | |
| US11915298B2 (en) | System and method for intelligent context-based personalized beauty product recommendation and matching | |
| KR20200036680A (en) | An electronic device and method for obtaining emotional information | |
| US20230385903A1 (en) | System and method for intelligent context-based personalized beauty product recommendation and matching at retail environments | |
| CN111309887A (en) | Method and system for training text key content extraction model | |
| KR102592129B1 (en) | system for recommending clothing based on artificial intelligence | |
| KR102492774B1 (en) | Method for providing music contents licensing platform service based on artificial intelligence | |
| KR102626573B1 (en) | A cosmetic recommendation service system | |
| KR102578257B1 (en) | Chatbot service construction and maintenance system | |
| Moallem et al. | Gender classification by fuzzy inference system | |
| KR102652693B1 (en) | Artificial intelligence-based makeup kit recommendation system | |
| US20220198329A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| KR102621683B1 (en) | Customer response system using artificial intelligence | |
| KR102525624B1 (en) | Method, device and system for providing a bag that matches a customer's personal color based on artificial intelligence | |
| KR102626192B1 (en) | Home shopping broadcasting concept constructing and outfit coordination system | |
| KR102552867B1 (en) | User personality type analysis results using artificial intelligence model customized instrument, instructor, and practice song recommendation method, apparatus and system | |
| KR102720633B1 (en) | 3d modeling simulation system based on patient information and filler information | |
| KR102662214B1 (en) | Method for recommend jewerly products containing pearls based on the user's personal preferences | |
| JP7262654B1 (en) | Information processing method, information processing device, and information processing program | |
| JP7410066B2 (en) | Information provision device, information provision method, and information provision program | |
| JP7304475B1 (en) | Information processing method, information processing device, and information processing program | |
| KR102618066B1 (en) | Method, device and system for strengthening military security based on natural language process and image compare in soldier based community application | |
| JP7311700B1 (en) | Information processing method, information processing device, and information processing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |