KR102655421B1 - 인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치 - Google Patents

인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치 Download PDF

Info

Publication number
KR102655421B1
KR102655421B1 KR1020230032927A KR20230032927A KR102655421B1 KR 102655421 B1 KR102655421 B1 KR 102655421B1 KR 1020230032927 A KR1020230032927 A KR 1020230032927A KR 20230032927 A KR20230032927 A KR 20230032927A KR 102655421 B1 KR102655421 B1 KR 102655421B1
Authority
KR
South Korea
Prior art keywords
lesson
time
day
information
recommendation
Prior art date
Application number
KR1020230032927A
Other languages
English (en)
Inventor
김현기
Original Assignee
주식회사 에이로직
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 에이로직 filed Critical 주식회사 에이로직
Priority to KR1020230032927A priority Critical patent/KR102655421B1/ko
Application granted granted Critical
Publication of KR102655421B1 publication Critical patent/KR102655421B1/ko

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1091—Recording time for administrative or management purposes
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1093—Calendar-based scheduling for persons or groups
    • G06Q10/1095—Meeting or appointment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예는 적어도 하나의 서버에 의해 수행되는 인공지능을 이용한 레슨 예약 시간 추천 방법에 관한 것으로, 사용자 단말로부터 레슨 희망 종목에 대한 정보를 획득하는 단계, 상기 사용자 단말에 대응되는 사용자의 과거 레슨 이력 정보를 기초로 상기 레슨 희망 종목에 대한 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계, 상기 사용자 단말로부터 선호 지역에 대한 정보를 획득하는 단계, 상기 선호 지역 내의 상기 레슨 희망 종목의 레슨을 진행하는 레슨업체들의 스케쥴 정보를 획득하는 단계 및 상기 적어도 하나의 레슨 추천 시간 후보 및 상기 레슨업체들의 스케쥴 정보를 기초로 레슨 추천 시간 및 추천 레슨업체에 대한 정보를 도출하는 단계를 포함하는 것을 특징으로 한다.

Description

인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치{METHOD AND APPARATUS FOR RECOMMENDING LESSON RESERVATION TIME USING ARTIFICIAL INTELLIGENCE}
본 발명은 인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치에 관한 것으로, 더욱 상세하게는 딥러닝을 통해 사용자가 가장 정상적으로 수행 가능할 것으로 예상되는 레슨 예약 시간을 추천하는 방법 및 장치에 관한 것이다.
기존의 레슨 예약 시스템은 사용자가 직접 원하는 시간대를 입력하고, 해당 시간대에 가능한 강사나 시설을 검색하거나, 강사나 시설이 가능한 예약 가능하 시간대를 제공하고, 사용자가 선택하는 방식이었다.
다만, 이는 사용자가 시간대를 잘못 입력하거나, 예약 가능한 시간대가 한정적이어서 선호하지 않는 시간대를 예약하게 되는 경우가 발생되며, 이에 따라 예약하고 참석하지 못하거나 예약을 취소하는 경우가 빈번하게 발생되고 있다.
특히, 예약하고 참여하지 못하거나 직전에 예약을 취소하는 경우, 타인들이 예약 및 레슨에 참여할 수 있는 기회를 사전에 박탈하게 되어, 사용자 본인도 결국 레슨에 참여하지 못하게 되지만 타인들 및 레슨을 운영하는 업체에 모두 손실을 입하게 되는 문제점이 존재한다.
한국 공개특허공보 제10-2019-0051202호(2019.05.15.) 일본 공개특허공보 특개2021-089767호(2021.06.10.)
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 인공지능을 이용한 레슨 예약 시간 추천 방법을 제공하는데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은 인공지능을 이용한 레슨 예약 시간 추천 장치를 제공하는데 있다.
본 출원이 해결하고자 하는 과제가 상술한 과제로 제한되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 출원이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 인공지능을 이용한 레슨 예약 시간 추천 방법은 사용자 단말로부터 레슨 희망 종목에 대한 정보를 획득하는 단계, 상기 사용자 단말에 대응되는 사용자의 과거 레슨 이력 정보를 기초로 상기 레슨 희망 종목에 대한 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계, 상기 사용자 단말로부터 선호 지역에 대한 정보를 획득하는 단계, 상기 선호 지역 내의 상기 레슨 희망 종목의 레슨을 진행하는 레슨업체들의 스케쥴 정보를 획득하는 단계 및 상기 적어도 하나의 레슨 추천 시간 후보 및 상기 레슨업체들의 스케쥴 정보를 기초로 레슨 추천 시간 및 추천 레슨업체에 대한 정보를 도출하는 단계를 포함할 수 있다.
여기서, 상기 사용자 단말에 대응되는 사용자의 과거 레슨 이력 정보를 기초로 상기 레슨 희망 종목에 대한 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계는, 상기 사용자의 상기 레슨 희망 종목에 대응되는 종목에 대한 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 상기 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계를 포함할 수 있다.
여기서, 상기 사용자의 상기 레슨 희망 종목에 대응되는 종목에 대한 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 상기 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계는, 상기 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 요일별 및 시간별 레슨 진행 가능성 지수를 산출하는 단계, 상기 요일별 및 시간별 레슨 진행 가능성 지수가 가장 높은 순서에 따른 미리 설정된 개수의 요일 및 시간을 도출하는 단계 및 상기 미리 설정된 개수의 요일 및 시간을 상기 적어도 하나의 레슨 추천 시간 후보로 결정하는 단계를 포함할 수 있다.
여기서, 상기 사용자 단말로부터 선호 지역에 대한 정보를 획득하는 단계는, 상기 사용자 단말로부터 선호 주소를 획득하는 단계 및 상기 선호 주소로부터 제1 거리의 반경을 가지는 지역을 제1 선호 지역으로 결정하고, 상기 제1 거리보다 먼 제2 거리의 반경을 가지는 지역을 제2 선호 지역으로 결정하고, 상기 제2 거리보다 먼 제3 거리의 반경을 가지는 지역을 제3 선호 지역으로 결정하는 단계를 포함하고, 상기 선호 지역에 대한 정보는 상기 제1 선호 지역에 대한 정보, 상기 제2 선호 지역에 대한 정보 및 상기 제3 선호 지역에 대한 정보를 포함할 수 있다.
여기서, 상기 적어도 하나의 레슨 추천 시간 후보 및 상기 레슨업체들의 스케쥴 정보를 기초로 레슨 추천 시간 및 추천 레슨업체에 대한 정보를 도출하는 단계는, 상기 레슨업체들 중 상기 제1 선호 지역, 상기 제2 선호 지역 및 상기 제3 선호 지역 중 어느 하나의 지역에 속하는 지역 레슨업체들을 도출하는 단계, 상기 지역 레슨업체들의 스케줄 정보를 기초로 상기 적어도 하나의 레슨 추천 시간 후보에 레슨 진행이 가능한 추천 레슨업체 후보를 도출하는 단계 및 상기 적어도 하나의 레슨 추천 시간 후보 및 상기 추천 레슨업체 후보가 속하는 선호 지역에 대한 정보를 기초로 상기 레슨 추천 시간 및 상기 추천 레슨업체에 대한 정보를 도출하는 단계를 포함할 수 있다.
상기 다른 목적을 달성하기 위한 본 발명의 일 실시예에 따른 인공지능을 이용한 레슨 예약 시간 추천 방법을 수행하는 전자 장치는 적어도 하나의 프로세서(processor) 및 상기 적어도 하나의 프로세서에 의해 실행되는 적어도 하나의 명령을 저장하는 메모리(memory)를 포함하고, 상기 적어도 하나의 명령은 사용자 단말로부터 레슨 희망 종목에 대한 정보를 획득하도록 실행되고, 상기 사용자 단말에 대응되는 사용자의 과거 레슨 이력 정보를 기초로 상기 레슨 희망 종목에 대한 적어도 하나의 레슨 추천 시간 후보를 도출하도록 실행되고, 상기 사용자 단말로부터 선호 지역에 대한 정보를 획득하도록 실행되고, 상기 선호 지역 내의 상기 레슨 희망 종목의 레슨을 진행하는 레슨업체들의 스케쥴 정보를 획득하도록 실행되고, 상기 적어도 하나의 레슨 추천 시간 후보 및 상기 레슨업체들의 스케쥴 정보를 기초로 레슨 추천 시간 및 추천 레슨업체에 대한 정보를 도출하도록 실행될 수 있다.
여기서, 상기 적어도 하나의 명령은 상기 사용자의 상기 레슨 희망 종목에 대응되는 종목에 대한 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 상기 적어도 하나의 레슨 추천 시간 후보를 도출하도록 실행될 수 있다.
여기서, 상기 적어도 하나의 명령은 상기 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 요일별 및 시간별 레슨 진행 가능성 지수를 산출하도록 실행되고, 상기 요일별 및 시간별 레슨 진행 가능성 지수가 가장 높은 순서에 따른 미리 설정된 개수의 요일 및 시간을 도출하도록 실행되고, 상기 미리 설정된 개수의 요일 및 시간을 상기 적어도 하나의 레슨 추천 시간 후보로 결정하도록 실행될 수 있다.
여기서, 상기 적어도 하나의 명령은 상기 사용자 단말로부터 선호 주소를 획득하도록 실행되고, 상기 선호 주소로부터 제1 거리의 반경을 가지는 지역을 제1 선호 지역으로 결정하고, 상기 제1 거리보다 먼 제2 거리의 반경을 가지는 지역을 제2 선호 지역으로 결정하고, 상기 제2 거리보다 먼 제3 거리의 반경을 가지는 지역을 제3 선호 지역으로 결정하도록 실행되고, 상기 선호 지역에 대한 정보는 상기 제1 선호 지역에 대한 정보, 상기 제2 선호 지역에 대한 정보 및 상기 제3 선호 지역에 대한 정보를 포함할 수 있다.
여기서, 상기 적어도 하나의 명령은 상기 레슨업체들 중 상기 제1 선호 지역, 상기 제2 선호 지역 및 상기 제3 선호 지역 중 어느 하나의 지역에 속하는 지역 레슨업체들을 도출하도록 실행되고, 상기 지역 레슨업체들의 스케줄 정보를 기초로 상기 적어도 하나의 레슨 추천 시간 후보에 레슨 진행이 가능한 추천 레슨업체 후보를 도출하도록 실행되고, 상기 적어도 하나의 레슨 추천 시간 후보 및 상기 추천 레슨업체 후보가 속하는 선호 지역에 대한 정보를 기초로 상기 레슨 추천 시간 및 상기 추천 레슨업체에 대한 정보를 도출하도록 실행될 수 있다.
과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 출원이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명에 따르면, 사용자에게 최적화된 레슨 스케쥴을 제공할 수 있고, 이를 통해 레슨 취소율을 낮추며 레슨 참석율을 향상시킬 수 있다.
본 발명에 따르면, 레슨 업체 측에서 회원들의 예상 레슨 스케쥴을 통해 효과적인 수업을 편성할 수 있다.
다양한 실시예들에 따르면, 효과가 상술한 효과로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 출원이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 레슨 예약 시간 추천 방법을 수행하는 전자 장치의 블록 구성도이다.
도 2는 본 발명의 일 실시예에 따른 레슨 예약 시간 추천 방법을 수행하는 단말들을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 레슨 예약 시간 추천 방법의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 요일별 및 시간별 레슨 진행 가능성 지수를 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 선호 지역을 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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 본 발명이 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.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 인공지능을 이용한 레슨 예약 시간 추천 방법을 수행하는 전자 장치의 블록 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능을 이용한 레슨 예약 시간 추천 방법을 수행하는 전자 장치(100)는 적어도 하나의 프로세서(110), 메모리(120) 및 송수신 장치(130)를 포함하여 구성될 수 있다. 또한, 전자 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150) 및 저장 장치(160) 중 적어도 하나를 더 포함하여 구성될 수도 있다.
예를 들어, 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 송수신 장치(transceiver)(130)는 무선 네트워크를 통해 통신을 수행할 수 있으며, 전자 장치(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.
예를 들어, 메모리(120)는 프로세서(110)에 의해 수행되는 적어도 하나의 명령(instruction)을 저장할 수 있으며, 적어도 하나의 명령은 후술하는 인공지능을 이용한 레슨 예약 시간 추천 방법의 적어도 일부 동작이 수행되도록 실행될 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 인공지능을 이용한 레슨 예약 시간 추천 방법을 수행하는 전자 장치(100)는 적어도 하나의 서버를 나타낼 수 있다. 또는, 전자 장치(100)는 레슨 예약 시간 추천 서버라고 나타낼 수도 있다. 전자 장치(100)는 외부 서버, 사용자 단말 또는 레슨업체 단말과 유선 또는 무선 통신을 통해 정보를 송수신할 수 있다. 또는 예를 들어, 전자 장치(100)은 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch) 또는 스마트 글래스(smart glass) 등일 수 있으나, 이에 한정되지 않으며, 통신 및 컴퓨팅 가능한 전자기기를 모두 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 레슨 예약 시간 추천 방법을 수행하는 단말들을 나타낸 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 레슨 예약 시간 추천 방법은 레슨 예약 시간 추천 서버(이하, 서버)(100), 사용자 단말(210) 및/또는 레슨업체 단말(220) 간에 유선 통신 또는 무선 통신을 통해 네트워크에 연결되어 수행될 수 있다.
사용자 단말(210) 또는 레슨업체 단말(220)은 유선 통신 또는 무선 통신을 통하여 네트워크에 연결 가능한 컴퓨팅 가능한 전자 기기를 나타낼 수 있으며, 예를 들어, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch) 또는 스마트 글래스(smart glass) 등일 수 있으나, 이에 한정되지 않으며, 통신 및 컴퓨팅 가능한 전자기기를 모두 포함할 수 있다.
예를 들어, 유선 통신은 USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard232), 전력선 통신, 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다.
예를 들어, 무선 통신은 LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함하거나 WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 중 적어도 하나를 포함할 수 있다.
예를 들어, 네트워크는 텔레커뮤니케이션 네트워크, 예를 들면, 컴퓨터 네트워크(예: LAN 또는 WAN), 인터넷, 또는 텔레폰 네트워크 중 적어도 하나를 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 레슨 예약 시간 추천 방법의 순서도이다.
도 3을 참조하면, S310 동작에서 서버는 사용자 단말로부터 레슨 희망 종목에 대한 정보를 획득할 수 있다. 예를 들어, 레슨 희망 종목은 스포츠, 음악, 과외 및 기타 중 사용자 단말을 통해 사용자가 선택한 종목을 나타낼 수 있다. 종목은 운동 및 음악과 같이 대분류로 구분된 후, 운동에 대하여 필라테스, PT 및 클라이밍 등의 세분류로 추가 구분될 수도 있다.
S320 동작에서 서버는 사용자 단말에 대응되는 사용자의 과거 레슨 이력 정보를 기초로 레슨 희망 종목에 대한 적어도 하나의 레슨 추천 시간 후보를 도출할 수 있다. 예를 들어, 서버는 사용자의 레슨 희망 종목에 대응되는 종목에 대한 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 적어도 하나의 레슨 추천 시간 후보를 도출할 수도 있다.
예를 들어, 서버는 머신러닝을 통해 미리 학습된 레슨 추천 시간 도출 모델을 이용하여 사용자의 과거 레슨 이력 정보 및 레슨 희망 종목으로부터 적어도 하나의 레슨 추천 시간 후보를 도출할 수도 있다. 여기서, 레슨 추천 시간 도출 모델은 학습용 과거 레슨 이력 정보 및 학습용 레슨 추천 시간 후보를 학습 데이터 셋으로 구성하여 머신러닝을 통해 미리 학습될 수 있으며, 학습용 과거 레슨 이력 정보는 예약 요일 및 시간대, 레슨 종목, 예약 변경 여부 및 레슨 진행 여부를 포함할 수 있으나, 다른 학습용 정보가 더 포함될 수도 있고, 일부 정보가 제외될 수도 있으므로, 이에 한정되는 것은 아니다. 이때, 머신러닝에는 DNN(deep neural network), 합성곱 신경망(CNN, Convoultional Neural Network), 순환 신경망(RNN, Recurrent Neural Network), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine),　심층 신뢰 신경망(DBN, Deep Belief Network) 알고리즘들이 이용될 수 있으나, 이에 한정되는 것은 아니며 상술한 모델에 더욱 효과적인 다양한 알고리즘이 이용될 수 있다. 각각의 알고리즘들은 주지의 기술이므로 설명은 생략한다.
또는 예를 들어, 서버는 요일별 및 시간별 과거 예약 내역 및 과거 예약 내역의 레슨 진행 여부를 기초로 요일별 및 시간별 레슨 진행 가능성 지수를 산출할 수 있고, 요일별 및 시간별 레슨 진행 가능성 지수가 가장 높은 순서에 따른 미리 설정된 개수의 요일 및 시간을 도출하고, 이를 적어도 하나의 레슨 추천 시간 후보로 결정할 수도 있다. 여기서, 요일별 및 시간별 레슨 진행 가능성 지수를 산출하는 방법은 도 4와 함께 상세히 후술하겠다.
도 4는 본 발명의 일 실시예에 따른 요일별 및 시간별 레슨 진행 가능성 지수를 나타낸 도면이다.
도 4를 참조하면, 일 실시예는 요일별 및 시간별로 레슨 종목에 따른 사용자의 레슨 진행 가능성 지수를 산출할 수 있다. 여기서, 요일은 일월화수목금토를 포함하는 7가지로 분류할 수 있으나, 평일과 주말을 포함하는 2가지로 분류할 수도 있고, 2가지 분류를 혼합하여 사용할 수도 있으므로, 이에 한정되는 것은 아니다. 또한, 시간은 30분 단위로 분류할 수 있으며, 1시간 단위 또는 10분 단위로 분류할 수도 있으므로, 이에 한정되는 것은 아니다.
예를 들어, 도 4에 나타낸 요일별 및 시간별 레슨 진행 가능성 지수는 수학식 1과 같이 산출될 수 있으며, 이는 레슨 종목 별로 다르게 산출될 수 있으므로, 수학식 1은 특정 레슨 종목에 대한 요일별 및 시간별 레슨 진행 가능성 지수 산출 방법이라고 나타낼 수 있다.
수학식 1에서, PI(x,y)는 시간에 대한 x번째 분류 및 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 대한 레슨 진행 가능성 지수를 나타낼 수 있고, Np(x,y)는 시간에 대한 x번째 분류 및 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 사용자가 과거에 특정 레슨 종목을 진행한 횟수를 나타낼 수 있고, 이는 과거 예약 내역 및 과거 예약 내역의 레슨 진행 여부를 기초로 도출될 수 있다. 또한, Nr(x,y)는 시간에 대한 x번째 분류 및 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 사용자가 과거에 특정 레슨 종목을 예약한 횟수를 나타낼 수 있고, 이는 과거 예약 내역을 기초로 도출될 수 있다. w0는 시간에 대한 x번째 분류 및 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 대한 과거 레슨 예약 및 진행 비율에 관한 가중치를 나타낼 수 있고, wk는 시간에 대한 x번째 분류를 포함하는 k-범위 및 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 대한 과거 레슨 예약 및 진행 비율에 관한 가중치를 나타낼 수 있다. r은 레슨 진행 가능성 지수의 산출에 이용되는 최대 범위 값을 나타낼 수 있으며, 3 또는 5로 설정될 수 있으나, 이에 한정되는 것은 아니다.
여기서, 레슨을 진행하였다 함은 수강을 완료한 것을 나타낼 수 있으며, PI(x,y), Nr(x,y) 및 Np(x,y)에서 x 인자가 0이하 또는 시간 분류 개수의 최대치를 초과하는 경우, PI(x,y), Nr(x,y) 및 Np(x,y)는 모두 0으로 설정될 수 있으나, 설정에 따라 달라질 수 있으므로, 반드시 이에 한정되는 것은 아니다.
다시 도 3을 참조하면, S330 동작에서 서버는 사용자 단말로부터 선호 지역에 대한 정보를 획득할 수 있다. 예를 들어, 선호 지역에 대한 정보는 사용자로부터 선호 주소를 입력받고, 이를 기초로 선호 지역에 대한 정보를 결정할 수 있으며, 복수 개의 선호 주소를 입력받은 경우 복수 개의 선호 지역에 대한 정보가 획득될 수도 있다. 보다 상세하게는 도 5와 함게 후술하겠다.
도 5는 본 발명의 일 실시예에 따른 선호 지역을 나타낸 도면이다.
도 5를 참조하면, 서버는 상기 사용자 단말로부터 선호 주소를 획득할 수 있으며, 선호 주소를 기초로 선호 지역에 대한 정보를 결정할 수 있다.
예를 들어, 서버는 선호 주소로부터 제1 거리(D1)의 반경을 가지는 지역을 제1 선호 지역으로 결정하고, 제1 거리(D1보다 먼 제2 거리(D2)의 반경을 가지는 지역을 제2 선호 지역으로 결정하고, 제2 거리(D2)보다 먼 제3 거리(D3)의 반경을 가지는 지역을 제3 선호 지역으로 결정할 수 있으며, 이 경우 선호 지역에 대한 정보는 제1 선호 지역에 대한 정보, 제2 선호 지역에 대한 정보 및 제3 선호 지역에 대한 정보를 포함할 수 있다. 일 예에서는 3가지의 거리에 따른 선호 지역을 구분하였으나, 2가지 또는 4가지 이상의 거리에 따른 선호 지역을 구분할 수도 있으므로, 본 발명의 범위가 이에 한정되는 것은 아니다.
다시 도 3을 참조하면, S340 동작에서 서버는 선호 지역 내의 레슨 희망 종목의 레슨을 진행하는 레슨업체들의 스케쥴 정보를 획득할 수 있다. 다시 말해, 서버는 외부 서버를 통해 해당 지역 내에 위치하는 레슨업체들의 레슨 스케쥴 정보를 획득할 수 있다.
S350 동작에서 서버는 적어도 하나의 레슨 추천 시간 후보 및 레슨업체들의 스케쥴 정보를 기초로 레슨 추천 시간 및 추천 레슨업체에 대한 정보를 도출할 수 있다.
예를 들어, 서버는 레슨업체들 중 상기 제1 선호 지역, 상기 제2 선호 지역 및 상기 제3 선호 지역 중 어느 하나의 지역에 속하는 지역 레슨업체들을 도출할 수 있고, 상기 지역 레슨업체들의 스케줄 정보를 기초로 상기 적어도 하나의 레슨 추천 시간 후보에 레슨 진행이 가능한 추천 레슨업체 후보를 도출할 수 있다. 즉, 서버는 선호 지역 내의 레슨업체들을 선별한 후, 선별한 레슨업체들의 스케줄 정보를 기초로 레슨 추천 시간 후보에 레슨이 가능한지 판단하여 추천 레슨업체 후보를 도출할 수 있다.
이후, 서버는 상기 적어도 하나의 레슨 추천 시간 후보 및 상기 추천 레슨업체 후보가 속하는 선호 지역에 대한 정보를 기초로 상기 레슨 추천 시간 및 상기 추천 레슨업체에 대한 정보를 도출할 수 있다. 예를 들어, 레슨 추천 시간 후보에 레슨이 가능한 선호 지역 내의 추천 레슨업체 후보가 많을 경우, 레슨 추천 시간 후보에 대응되는 레슨 진행 가능성 지수 및 추천 레슨업체 후보의 선호 지역에 대한 정보를 기초로 레슨 예약 추천 지수를 산출할 수 있고, 레슨 예약 추천 지수가 가장 높은 순서에 따라 미리 설정된 개수의 추천 레슨업체에 대한 정보 및 레슨 추천 시간을 도출하여 사용자 단말에게 제공할 수 있다.
예를 들어, 특정 추천 레슨업체 후보 및 특정 레슨 추천 시간 후보에 대한 레슨 예약 추천 지수는 수학식 2와 같이 산출될 수 있다.
수학식 2에서, RI(x,y,a)는 시간에 대한 x번째 분류 및 요일에 대한 y번째 분류에 대응하는 시간 및 요일의 레슨 추천 시간 후보 및 a번째 추천 레슨업체 후보에 대한 레슨 예약 추천 지수를 나타낼 수 있고, PI(x,y)는 시간에 대한 x번째 분류 및 요일에 대한 y번째 분류에 대응하는 시간 및 요일의 레슨 추천 시간 후보 대한 레슨 진행 가능성 지수를 나타낼 수 있고, Rp(a)는 a번째 추천 레슨업체 후보가 속하는 선호 지역에 대한 값을 나타낼 수 있다. 여기서, 선호 지역에 대한 값은 미리 설정된 테이블에 따를 수 있으며, 예를 들어, 제1 선호 지역에 속할 경우 Rp는 3을 나타낼 수 있고, 제2 선호 지역에 속할 경우, Rp는 2를 나타낼 수 있고, 제3 선호 지역에 속할 경우, Rp는 1을 나타낼 수 있다. 또한, wold는 사용자의 나이 정보에 따른 나이 가중치를 나타낼 수 있다. 이를 위해 사용자 단말로부터 사용자의 나이 정보를 획득할 수 있으며, 획득한 나이를 기초로 미리 설정된 테이블에 따라 도출되는 나이 가중치를 레슨 예약 추천 지수의 산출에 이용할 수 있다. 이는 사용자의 나이에 따라 거리에 더욱 민감해질 수 있음을 적용하기 위한 것이다.
본 발명의 실시예에 따른 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽켜질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.
실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그래머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그래머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (5)

  1. 적어도 하나의 서버에 의해 수행되는 인공지능을 이용한 레슨 예약 시간 추천 방법으로서,
    사용자 단말로부터 레슨 희망 종목에 대한 정보를 획득하는 단계;
    상기 사용자 단말에 대응되는 사용자의 과거 레슨 이력 정보를 기초로 상기 레슨 희망 종목에 대한 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계;
    상기 사용자 단말로부터 선호 지역에 대한 정보를 획득하는 단계;
    상기 선호 지역 내의 상기 레슨 희망 종목의 레슨을 진행하는 레슨업체들의 스케쥴 정보를 획득하는 단계; 및
    상기 적어도 하나의 레슨 추천 시간 후보 및 상기 레슨업체들의 스케쥴 정보를 기초로 레슨 추천 시간 및 추천 레슨업체에 대한 정보를 도출하는 단계를 포함하고,
    상기 사용자 단말에 대응되는 사용자의 과거 레슨 이력 정보를 기초로 상기 레슨 희망 종목에 대한 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계는,
    상기 사용자의 상기 레슨 희망 종목에 대응되는 종목에 대한 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 상기 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계를 포함하고,
    상기 사용자의 상기 레슨 희망 종목에 대응되는 종목에 대한 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 상기 적어도 하나의 레슨 추천 시간 후보를 도출하는 단계는,
    상기 요일별 및 시간별 과거 예약 내역 및 상기 과거 예약 내역의 레슨 진행 여부를 기초로 요일별 및 시간별 레슨 진행 가능성 지수를 산출하는 단계;
    상기 요일별 및 시간별 레슨 진행 가능성 지수가 가장 높은 순서에 따른 미리 설정된 개수의 요일 및 시간을 도출하는 단계; 및
    상기 미리 설정된 개수의 요일 및 시간을 상기 적어도 하나의 레슨 추천 시간 후보로 결정하는 단계를 포함하고,
    상기 레슨 희망 종목에 대응되는 종목은 특정 종목이라 나타내고,
    상기 특정 종목에 대한 상기 요일별 및 시간별 레슨 진행 가능성 지수는 일월화수목금토로 구분되는 요일 분류 및 1시간 단위로 구분되는 시간 분류마다 개별적으로 다음의 수학식을 기초로 산출되고,
    ,
    상기 PI(x,y)는 시간에 대한 x번째 분류 및 요일에 대한 y번째 분류에 대응하는 상기 특정 종목에 대한 시간 및 요일에 대한 레슨 진행 가능성 지수를 나타내고, 상기 Np(x,y)는 상기 시간에 대한 x번째 분류 및 상기 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 상기 사용자가 과거에 상기 특정 종목을 진행한 횟수를 나타내고, 상기 Nr(x,y)는 상기 시간에 대한 x번째 분류 및 상기 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 상기 사용자가 과거에 특정 종목을 예약한 횟수를 나타내고, 상기 w0는 상기 시간에 대한 x번째 분류 및 상기 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 대한 과거 레슨 예약 및 진행 비율에 관한 가중치를 나타내고, 상기 wk는 상기 시간에 대한 x번째 분류를 포함하는 k번째 시간 범위 및 상기 요일에 대한 y번째 분류에 대응하는 시간 및 요일에 대한 과거 레슨 예약 및 진행 비율에 관한 가중치를 나타내고, 상기 r은 상기 시간 범위의 최대값을 나타내고,
    상기 사용자 단말로부터 선호 지역에 대한 정보를 획득하는 단계는,
    상기 사용자 단말로부터 선호 주소를 획득하는 단계; 및
    상기 선호 주소로부터 제1 거리의 반경을 가지는 지역을 제1 선호 지역으로 결정하고, 상기 제1 거리보다 먼 제2 거리의 반경을 가지는 지역을 제2 선호 지역으로 결정하고, 상기 제2 거리보다 먼 제3 거리의 반경을 가지는 지역을 제3 선호 지역으로 결정하는 단계를 포함하고,
    상기 선호 지역에 대한 정보는 상기 제1 선호 지역에 대한 정보, 상기 제2 선호 지역에 대한 정보 및 상기 제3 선호 지역에 대한 정보를 포함하고,
    상기 적어도 하나의 레슨 추천 시간 후보 및 상기 레슨업체들의 스케쥴 정보를 기초로 레슨 추천 시간 및 추천 레슨업체에 대한 정보를 도출하는 단계는,
    상기 레슨업체들 중 상기 제1 선호 지역, 상기 제2 선호 지역 및 상기 제3 선호 지역 중 어느 하나의 지역에 속하는 지역 레슨업체들을 도출하는 단계;
    상기 지역 레슨업체들의 스케줄 정보를 기초로 상기 적어도 하나의 레슨 추천 시간 후보에 레슨 진행이 가능한 추천 레슨업체 후보를 도출하는 단계; 및
    상기 적어도 하나의 레슨 추천 시간 후보 및 상기 추천 레슨업체 후보가 속하는 선호 지역에 대한 정보를 기초로 상기 레슨 추천 시간 및 상기 추천 레슨업체에 대한 정보를 도출하는 단계를 포함하고,
    상기 레슨 추천 시간 및 상기 추천 레슨업체에 대한 정보를 도출하는 단계는,
    상기 적어도 하나의 레슨 추천 시간 후보 및 상기 추천 레슨업체 후보 각각에 대한 레슨 예약 추천 지수를 산출하는 단계; 및
    상기 레슨 예약 추천 지수가 가장 높은 순서에 따라 미리 설정된 개수의 상기 추천 레슨업체에 대한 정보 및 상기 레슨 추천 시간을 결정하는 단계를 포함하고,
    상기 적어도 하나의 레슨 추천 시간 후보 중 상기 시간에 대한 x번째 분류 및 상기 요일에 대한 y번째 분류에 대응하는 시간 및 요일의 레슨 추천 시간 후보 및 상기 추천 레슨업체 후보 중 a번째 추천 레슨업체 후보에 대한 레슨 예약 추천 지수는 다음의 수학식을 기초로 산출되고,
    ,
    상기 RI(x,y,a)는 상기 시간에 대한 x번째 분류 및 상기 요일에 대한 y번째 분류에 대응하는 시간 및 요일의 레슨 추천 시간 후보 및 상기 a번째 추천 레슨업체 후보에 대한 레슨 예약 추천 지수를 나타내고, 상기 PI(x,y)는 상기 시간에 대한 x번째 분류 및 상기 요일에 대한 y번째 분류에 대응하는 시간 및 요일의 레슨 추천 시간 후보 대한 상기 레슨 진행 가능성 지수를 나타내고, 상기 Rp(a)는 상기 a번째 추천 레슨업체 후보가 속하는 선호 지역에 대한 값을 나타내고, 선호 지역에 대한 값은 미리 설정된 테이블을 기초로 설정되고, 상기 wold는 상기 사용자의 나이 정보에 따른 나이 가중치를 나타내는,
    인공지능을 이용한 레슨 예약 시간 추천 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
KR1020230032927A 2023-03-14 2023-03-14 인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치 KR102655421B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230032927A KR102655421B1 (ko) 2023-03-14 2023-03-14 인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230032927A KR102655421B1 (ko) 2023-03-14 2023-03-14 인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020240044942A Division KR102682464B1 (ko) 2024-04-02 인공지능을 이용한 레슨 업체 및 예약 시간 추천 방법

Publications (1)

Publication Number Publication Date
KR102655421B1 true KR102655421B1 (ko) 2024-04-05

Family

ID=90713998

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230032927A KR102655421B1 (ko) 2023-03-14 2023-03-14 인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102655421B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190051202A (ko) 2017-11-06 2019-05-15 이강선 레슨 매칭 서비스를 제공하는 방법
KR102207368B1 (ko) * 2020-07-06 2021-01-26 주식회사 강남엄마 학원 추천 방법 및 이러한 방법을 수행하는 장치
JP2021089767A (ja) 2021-02-18 2021-06-10 Bhi株式会社 統合された予約支援システム
KR20220113240A (ko) * 2021-02-05 2022-08-12 주식회사 태인교육 학습정보 추천 방법, 학습정보 추천 장치 및 컴퓨터에서 판독가능한 저장매체에 저장된 프로그램

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190051202A (ko) 2017-11-06 2019-05-15 이강선 레슨 매칭 서비스를 제공하는 방법
KR102207368B1 (ko) * 2020-07-06 2021-01-26 주식회사 강남엄마 학원 추천 방법 및 이러한 방법을 수행하는 장치
KR20220113240A (ko) * 2021-02-05 2022-08-12 주식회사 태인교육 학습정보 추천 방법, 학습정보 추천 장치 및 컴퓨터에서 판독가능한 저장매체에 저장된 프로그램
JP2021089767A (ja) 2021-02-18 2021-06-10 Bhi株式会社 統合された予約支援システム

Similar Documents

Publication Publication Date Title
KR102206256B1 (ko) 온라인 강의 시스템에서 강사를 추천하는 방법
US8099311B2 (en) System and method for routing tasks to a user in a workforce
CN109598652B (zh) 事件推荐系统
Abdelmaguid et al. A hybrid GA/heuristic approach to the simultaneous scheduling of machines and automated guided vehicles
Zhai Values of deference to authority in Japan and China
US12001971B2 (en) Method and system for exploring a personal interest space
SG194823A1 (en) Course recommendation system and method
US11720860B1 (en) Systems and methods for processing and presentation of advisor-related data
KR102079441B1 (ko) 복수의 사용자의 매칭 적합도를 판별하는 서비스를 제공하는 방법 및 서버
Satic et al. Performance evaluation of scheduling policies for the dynamic and stochastic resource-constrained multi-project scheduling problem
US20190385125A1 (en) Method and system for managing workforce
Siguaw et al. Biopsychosocial and retirement factors influencing satisfaction with life: New perspectives
Benjaoran et al. Precedence relationship options for the resource levelling problem using a genetic algorithm
Liu et al. New scheduling algorithms and digital tool for dynamic permutation flowshop with newly arrived order
CN109598404A (zh) 自动对下发销售任务单进行数据处理的方法和装置
US10614426B2 (en) Smarter event planning using cognitive learning
US20190102851A1 (en) Student retention system
KR20230140061A (ko) 인공지능을 이용한 학습 코스 추천 방법 및 이를 위한 학습 코스 추천 장치
KR102655421B1 (ko) 인공지능을 이용한 레슨 예약 시간 추천 방법 및 장치
KR102682464B1 (ko) 인공지능을 이용한 레슨 업체 및 예약 시간 추천 방법
CN109948050A (zh) 信息处理方法和装置，存储介质和电子设备
US20210004769A1 (en) Automated event coordination
CA2958487A1 (en) System and method for employee placement prediction using machine learning
KR20220105559A (ko) 강의 플랫폼을 이용하는 사용자들을 그룹핑하는 프로세서를 포함하는 서버
CN110060188A (zh) 核身方式推荐方法、装置及电子设备

Legal Events

Date Code Title Description
GRNT Written decision to grant