KR102670133B1 - 뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치 - Google Patents

뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치 Download PDF

Info

Publication number
KR102670133B1
KR102670133B1 KR1020230188746A KR20230188746A KR102670133B1 KR 102670133 B1 KR102670133 B1 KR 102670133B1 KR 1020230188746 A KR1020230188746 A KR 1020230188746A KR 20230188746 A KR20230188746 A KR 20230188746A KR 102670133 B1 KR102670133 B1 KR 102670133B1
Authority
KR
South Korea
Prior art keywords
information
score
user
user terminal
server
Prior art date
Application number
KR1020230188746A
Other languages
English (en)
Inventor
허봉욱
Original Assignee
비케이종합마케팅협동조합
Filing date
Publication date
Application filed by 비케이종합마케팅협동조합 filed Critical 비케이종합마케팅협동조합
Application granted granted Critical
Publication of KR102670133B1 publication Critical patent/KR102670133B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0616—Means for conducting or scheduling competition, league, tournaments or rankings
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0669—Score-keepers or score display devices
    • 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
    • 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
    • G06Q50/50—Business processes related to the communications industry

Abstract

실시예들은 뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치를 제공한다. 일 실시예에 따른 상기 방법은, 골프 대회의 기간에 대한 정보 및 골프 대회의 상금에 대한 정보를 포함하는 대회 개시 메시지를 복수의 사용자 단말에게 전송하고, 상기 복수의 사용자 단말로부터 대회 참가 메시지를 수신하고, 상기 대회 참가 메시지는 사용자 정보 및 사용자 단말의 위치 정보를 수집하기 위한 권한을 포함하고, 상기 사용자 단말의 위치 정보를 수집하기 위한 권한에 기반하여 상기 복수의 사용자 단말 각각의 위치 정보를 수집하고, 상기 복수의 사용자 단말의 위치 정보에 기반하여, 상기 복수의 사용자 단말 중에서 제1 참가 형태에 해당하는 제1 사용자 단말 및 제2 참가 형태에 해당하는 제2 사용자 단말을 결정하고, 상기 제1 사용자 단말이 위치한 스크린 골프장에 대한 정보와 상기 제2 사용자 단말이 위치한 골프장의 코스에 대한 정보를 획득하고, 상기 제1 사용자 단말 및 상기 제2 사용자 단말로부터 라운딩 종료 메시지를 수신하고, 상기 라운딩 종료 메시지를 수신한 것에 기반하여 상기 제1 사용자 단말에 대한 제1 스코어 정보 및 상기 제2 사용자 단말에 대한 제2 스코어 정보를 획득하고, 상기 사용자 정보, 상기 제1 스코어 정보 및 상기 스크린 골프장에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 온라인 스코어 보정 모델을 통해 제1 최종 스코어를 결정하고, 상기 제2 사용자 단말로부터 상기 라운딩 종료 메시지를 수신한 것에 기반하여 상기 제2 사용자 단말이 위치한 골프장의 날씨 정보가 획득되고, 상기 사용자 정보, 상기 제2 스코어 정보, 상기 골프장의 코스에 대한 정보 및 상기 골프장의 날씨 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 오프라인 스코어 보정 모델을 통해 제2 최종 스코어를 결정하고, 상기 제1 최종 스코어 및 상기 제2 최종 스코어를 포함하는 복수의 최종 스코어를 기반으로 복수의 수상자를 결정하고, 상기 복수의 수상자에 해당하는 사용자 단말에게 수상 메시지를 전송하는 단계를 포함할 수 있다.

Description

뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치{METHOD AND DEVICE FOR OPERATING A GOLF TOURNAMENT INTEGRATING ONLINE AND OFFLINE USING NEURAL NETWORKS}
본 개시의 실시예들은 골프 대회를 운영하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치에 대한 것이다.
한편, 골프는 스코어를 기준으로 하는 경기로, 최저 타수를 갱신하는 것이 골퍼들의 목표이며 더 큰 재미를 느끼게 한다. 골프를 즐기는 아마추어 골퍼들을 위해 다양한 대회들이 활발히 개최되고 있으며, 이러한 대회들은 경기의 긴장감과 승부의 기쁨을 경험하며 더 나은 실력을 향해 동기부여를 하고, 골퍼들 간의 친목과 교류를 촉진한다. 또한, 다양한 경험과 기술을 공유하며 골프 커뮤니티의 확대와 다양성을 이끌어내는 중요한 역할을 하고 있다.
그러나, 기존의 골프장에서 개최되는 골프 대회(오프라인 골프 대회)는 해진 장소 및 날짜에 진행되기 때문에, 일반 참가자들은 해당 장소까지 이동하는 시간과 라운딩할 시간을 해당 날짜에 확보하여야 하는 어려움이 있다.
한편, 다양한 기술의 발전과 함께 실제 골프장을 가상 공간에 구현하여 실내에서 골프를 즐길 수 있는 시뮬레이션 시스템을 갖춘 스크린 골프장이 등장하면서, 현재 많은 골퍼들이 스크린 골프장을 이용하고 있다. 실제 골프와 유사한 경기 환경을 제공하면서도 날씨나 시간의 제약을 덜어주어 더욱 편리한 조건에서 경기를 즐길 수 있기 때문에, 스크린 골프장에서도 다양한 골프 대회가 개최되고 있다.
그러나, 기존의 온라인 골프 대회, 즉, 스크린 골프장에서 개최되는 골프 대회는 해당 스크린 골프장에서 사용하는 시스템이 동일하여야 참가가 가능하기 때문에 참가자의 주변에 해당 시스템을 사용하는 스크린 골프장이 없다면 참가가 어려운 문제가 있다.
이에, 필드 라운딩과 스크린 골프장의 시스템과 상관없이 골프를 칠 수 있는 장소에서 누구나 어디서든 참가할 수 있는 온라인 및 오프라인을 통합하는 골프 대회가 필요하다. 다만, 온라인 및 오프란인을 통합할 때, 필드 라운딩과 스크린 골프장에서의 플레이 사이의 스코어에 대한 조정에 문제가 있을 수 있기 때문에, 뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치가 필요하다.
본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치를 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 서버가 골프 대회를 운영하는 방법은, 골프 대회의 기간에 대한 정보 및 골프 대회의 상금에 대한 정보를 포함하는 대회 개시 메시지를 복수의 사용자 단말에게 전송하고, 상기 복수의 사용자 단말로부터 대회 참가 메시지를 수신하고, 상기 대회 참가 메시지는 사용자 정보 및 사용자 단말의 위치 정보를 수집하기 위한 권한을 포함하고, 상기 사용자 단말의 위치 정보를 수집하기 위한 권한에 기반하여 상기 복수의 사용자 단말 각각의 위치 정보를 수집하고, 상기 복수의 사용자 단말의 위치 정보에 기반하여, 상기 복수의 사용자 단말 중에서 제1 참가 형태에 해당하는 제1 사용자 단말 및 제2 참가 형태에 해당하는 제2 사용자 단말을 결정하고, 상기 제1 사용자 단말이 위치한 스크린 골프장에 대한 정보와 상기 제2 사용자 단말이 위치한 골프장의 코스에 대한 정보를 획득하고, 상기 제1 사용자 단말 및 상기 제2 사용자 단말로부터 라운딩 종료 메시지를 수신하고, 상기 라운딩 종료 메시지를 수신한 것에 기반하여 상기 제1 사용자 단말에 대한 제1 스코어 정보 및 상기 제2 사용자 단말에 대한 제2 스코어 정보를 획득하고, 상기 사용자 정보, 상기 제1 스코어 정보 및 상기 스크린 골프장에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 온라인 스코어 보정 모델을 통해 제1 최종 스코어를 결정하고, 상기 제2 사용자 단말로부터 상기 라운딩 종료 메시지를 수신한 것에 기반하여 상기 제2 사용자 단말이 위치한 골프장의 날씨 정보가 획득되고, 상기 사용자 정보, 상기 제2 스코어 정보, 상기 골프장의 코스에 대한 정보 및 상기 골프장의 날씨 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 오프라인 스코어 보정 모델을 통해 제2 최종 스코어를 결정하고, 상기 제1 최종 스코어 및 상기 제2 최종 스코어를 포함하는 복수의 최종 스코어를 기반으로 복수의 수상자를 결정하고, 상기 복수의 수상자에 해당하는 사용자 단말에게 수상 메시지를 전송하는 단계를 포함할 수 있다.
실시예들에 따르면, 서버는 복수의 사용자 단말의 위치 정보에 기반하여, 복수의 사용자 단말 중에서 제1 참가 형태에 해당하는 제1 사용자 단말 및 제2 참가 형태에 해당하는 제2 사용자 단말을 결정함으로써, 사용자 단말의 참가 형태에 대한 입력 없이도 사용자 단말의 참가 형태가 자동으로 결정될 수 있다.
실시예들에 따르면, 서버는 사용자 정보, 제1 스코어 정보 및 스크린 골프장에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 온라인 스코어 보정 모델을 통해 제1 최종 스코어를 결정함으로써, 스크린 골프장을 통해 골프 대회에 참가한 사용자들의 스코어를 스크린 골프장과 관련된 다양한 요소를 고려하여 보정할 수 있다.
실시예들에 따르면, 서버는 사용자 정보, 제2 스코어 정보 및 골프장의 코스에 대한 정보 및 골프장의 날씨 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 오프라인 스코어 보정 모델을 통해 제2 최종 스코어를 결정함으로써, 실제 골프장을 통해 골프 대회에 참가한 사용자들의 스코어를 골프장과 관련된 다양한 요소를 고려하여 보정할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따라 뉴럴 네트워크(neural network)를 이용하여 서버가 골프 대회를 운영하는 방법을 나타낸다.
도 4는 일 실시예에 따른 온라인 스코어 보정 모델에 대한 예를 나타낸 도면이다.
도 5는 일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 서버가 골프 대회를 운영하는 방법에 대한 신호 교환도를 나타낸다
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시 형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 모션 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, 적외선(infrared) 센서, 생체 센서, 음향 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 에지 또는 링크는 뉴럴 네트워크가 원하는 기능의 수행, 사용자 또는 알고리즘에 의해 가변적으로 적용될 수 있는 가중치를 갖는다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따라 뉴럴 네트워크(neural network)를 이용하여 서버가 골프 대회를 운영하는 방법을 나타낸다. 도 3의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 단계 S301에서, 서버는 골프 대회의 기간에 대한 정보 및 골프 대회의 상금에 대한 정보를 포함하는 대회 개시 메시지를 복수의 사용자 단말에게 전송할 수 있다.
서버는 온라인과 오프라인을 통합하는 골프 대회를 운영하는 서버일 수 있다. 여기서, 온라인 참가는 스크린 골프장을 통해 골프 대회에 참가하는 형태일 수 있다. 이하, 스크린 골프장을 통해 골프 대회에 참가하는 형태를 제1 형태로 지칭한다. 오프라인 참가는 골프장을 통해 골프 대회에 참가하는 형태일 수 있다. 이하, 골프장을 통해 골프 대회에 참가하는 형태를 제2 형태로 지칭한다. 여기서, 골프 대회는 특정 골프 코스를 지정하지 않은 골프 대회이며, 스크린 골프에 사용되는 시스템이 상이하고, 골프 코스가 상이해도 참가가 가능한 골프 대회일 수 있다. 예를 들어, 서버는 골프 대회를 개최한 후 복수의 사용자 단말로부터 대회 참가 메시지를 수신할 수 있고, 골프 대회에 참가하는 복수의 사용자 단말의 참가 형태에 따라 복수의 사용자 단말이 진행한 골프 코스마다 스코어를 보정하여 수상자를 결정할 수 있다. 예를 들어, 서버는 도 1의 서버(108)를 포함할 수 있다.
사용자 단말은 골프 대회에 참가하는 단말일 수 있다. 사용자 단말이 서버에게 자신의 위치 정보를 수집할 권한을 부여함으로써, 서버는 사용자 단말의 참가 형태를 별도로 전송하지 않아도 사용자 단말의 참가 형태를 결정할 수 있다. 또한, 사용자 단말이 제2 형태로 참가한 경우, 서버는 사용자 단말의 위치 정보를 기반으로 사용자 단말의 스코어를 검증할 수 있다. 예를 들어, 사용자 단말은 도 1의 전자 장치(101)를 포함할 수 있다.
대회 개시 메시지는 서버가 사용자 단말에게 골프 대회의 개최를 알리는 메시지일 수 있다. 예를 들어, 대회 개시 메시지는 골프 대회의 기간에 대한 정보 및 골프 대회의 상금에 대한 정보를 포함할 수 있다. 골프 대회의 기간에 대한 정보는 골프 대회의 개최일과 골프 대회의 종료일을 포함할 수 있다. 골드 대회의 상금에 대한 정보는 골프 대회의 수상 종류와 각 수상 종류에 따른 상금과 각 수상 종류에 대한 수상자의 수를 포함할 수 있다. 예를 들어, 서버는 골프 대회를 운영하는 서비스에 가입한 사용자 단말에게 대회 개시 메시지를 전송할 수 있다.
단계 S302에서, 서버는 복수의 사용자 단말로부터 대회 참가 메시지를 수신할 수 있다.
대회 참가 메시지는 사용자 단말이 서버가 개최한 골프 대회에 참가하는 것을 나타내는 메시지일 수 있다. 예를 들어, 대회 참가 메시지는 사용자 단말이 골프 대회의 참가비를 결제한 것에 기반하여 전송될 수 있다. 대회 참가 메시지는 사용자 정보 및 사용자 단말의 위치 정보를 수집하기 위한 권한을 포함할 수 있다.
사용자 정보는 사용자에 대한 식별 정보, 사용자의 나이, 사용자의 성별 및 사용자의 골프 클럽에 대한 정보를 포함할 수 있다. 사용자에 대한 식별 정보는 사용자가 골프 대회에 참가하기 위해 생성한 ID 및 식별 번호를 포함할 수 있다. 식별 번호는 사용자 단말의 IMEI(international mobile equipment identity) 번호일 수 있다. 여기서, IMEI 번호는 단말이 제조될 때 부여되는 15자리 숫자로 구성된 번호이며, 예를 들어, IMEI 번호는 인증기관의 고유 번호, 단말의 모델명 및 단말의 일련번호를 포함할 수 있다. 사용자의 골프 클럽에 대한 정보는 골프 대회에서 사용할 골프 클럽의 구성, 각각의 골프 클럽에 대한 브랜드 정보 및 각각의 골프 클럽에 대한 제조년도를 포함할 수 있다. 여기서, 골프 클럽의 구성은 14개의 골프 클럽 각각의 종류 및 번호에 대한 값을 포함할 수 있다. 골프 클럽의 종류는 드라이버, 페어웨이 우드, 유틸리티, 아이언, 웨지 및 퍼터를 포함할 수 있다.
사용자 단말의 위치 정보를 수집하기 위한 권한은 사용자 단말에 구비된 GPS(global positioning system)를 통해 결정된 사용자 단말의 위치 정보를 획득하기 위한 권한일 수 있다. 사용자 단말의 위치 정보는 사용자 단말에 구비된 GPS를 통해 결정된 사용자 단말의 시간구간별 위치 좌표를 포함할 수 있다.
단계 S303에서, 서버는 사용자 단말의 위치 정보를 수집하기 위한 권한에 기반하여 복수의 사용자 단말 각각의 위치 정보를 수집할 수 있다.
단계 S304에서, 서버는 복수의 사용자 단말의 위치 정보에 기반하여, 복수의 사용자 단말 중에서 제1 참가 형태에 해당하는 제1 사용자 단말 및 제2 참가 형태에 해당하는 제2 사용자 단말을 결정할 수 있다.
예를 들어, 제1 참가 형태는 스크린 골프장에서 참가하는 형태일 수 있고, 제2 참가 형태는 실제 골프장에서 참가하는 형태일 수 있다. 서버는 복수의 스크린 골프장의 위치 영역 및 복수의 골프장의 위치 영역 중에서 복수의 사용자 단말 각각의 시간구간별 위치 좌표가 포함되는 위치 영역을 결정하고, 해당 위치 영역이 스크린 골프장의 위치 영역인지 또는 골프장의 위치 영역인지에 따라 제1 참가 형태 또는 제2 참가 형태로 결정할 수 있다.
예를 들어, 서버는 복수의 스크린 골프장의 위치 영역 및 복수의 골프장의 위치 영역 중에서 복수의 사용자 단말 각각의 시간구간별 위치 좌표가 포함되는 위치 영역을 결정하고, 해당 위치 영역이 스크린 골프장의 위치 영역인지 또는 골프장의 위치 영역인지에 따라 복수의 사용자 단말을 제1 사용자 단말 또는 제2 사용자 단말로 결정할 수 있다. 예를 들어, 사용자 단말의 위치 좌표가 복수의 스크린 골프장의 위치 영역 중 어느 하나의 위치 영역에 포함되는 경우, 서버는 해당 사용자 단말을 제1 사용자 단말로 결정할 수 있다. 예를 들어, 사용자 단말의 위치 좌표가 복수의 골프장의 위치 영역 중 어느 하나의 위치 영역에 포함되는 경우, 서버는 해당 사용자 단말을 제2 사용자 단말로 결정할 수 있다. 예를 들어, 복수의 스크린 골프장의 위치 영역 및 복수의 골프장의 위치 영역은 서버에 사전 설정될 수 있다. 예를 들어, 복수의 스크린 골프장의 위치 영역 및 복수의 골프장의 위치 영역은 주기적으로 업데이트될 수 있다.
단계 S305에서, 서버는 제1 사용자 단말이 위치한 스크린 골프장에 대한 정보와 제2 사용자 단말이 위치한 골프장의 코스에 대한 정보 및 골프장의 날씨 정보를 획득할 수 있다.
스크린 골프장에 대한 정보는 스크린 골프장이 보유한 코스에 대한 정보, 스크린 골프장의 골프 소프트웨어에 대한 정보 및 스크린 골프장의 장비 상태에 대한 정보를 포함할 수 있다. 여기서, 스크린 골프장이 보유한 코스에 대한 정보는 코스 명칭, 가상 코스인지 여부에 대한 값, 티잉 그라운드별 코스 레이팅 및 티잉 그라운드별 슬로프 레이팅을 코스별로 포함할 수 있다. 가상 코스인지 여부에 대한 값은 실제 골프장의 코스가 아닌 가상으로 생성한 코스인지 여부를 나타내는 값일 수 있다. 예를 들어, 가상 코스인 경우에는 가상 코스인지 여부에 대한 값은 1 값을 가질 수 있다. 예를 들어, 가상 코스가 아닌 실제 골프장의 코스를 가상으로 구현한 경우에는 0 값을 가질 수 있다. 가상 코스인 경우, 코스에 대한 정보는 스크린 골프장과 관련된 서버로부터 수신된 정보일 수 있다. 티잉 그라운드는 각 홀에서 골퍼가 첫번째 샷을 날리는 지점을 의미할 수 있다. 예를 들어, 티잉 그라운드는 드라이버 거리에 따라 티잉 그라운드를 복수 개일 수 있다. 예를 들어, 티잉 그라운드의 개수는 3개에서 6개 사이일 수 있다. 예를 들어, 스크린 골프장의 골프 소프트웨어에 대한 정보는 복수의 골프 소프트웨어의 종류 중 어느 하나의 골프 소프트웨어의 종류를 나타내는 값을 포함할 수 있다. 복수의 골프 소프트웨어의 종류는 비전, 비전 플러스, 투비전, 투비전 플러스 T2, T1, G, V 프리미엄, V2 프리미엄 등과 같이 현재 스크린 골프장에서 사용되는 골프 소프트웨어의 종류를 포함할 수 있다. 예를 들어, 복수의 골프 소프트웨어의 종류와 복수의 골프 소프트웨어의 종류를 나타내는 값이 서버에 사전 저장될 수 있다. 예를 들어, 복수의 골프 소프트웨어의 종류는 주기적으로 업데이트될 수 있다. 스크린 골프장의 장비 상태에 대한 정보는 스크린 골프장에 구비된 복수의 장비의 상태를 나타내는 값을 포함할 수 있다. 예를 들어, 복수의 장비는 센서, 스윙 플레이트 및 빔 프로젝트를 포함할 수 있다. 예를 들어, 스크린 골프장에 구비된 센서의 상태를 나타내는 값은 1부터 5 사이의 값을 가질 수 있다. 예를 들어, 스크린 골프장에 구비된 스윙 플레이트의 상태를 나타내는 값은 1부터 5 사이의 값을 가질 수 있다. 예를 들어, 스크린 골프장에 구비된 빔 프로젝트의 상태를 나타내는 값은 1부터 5 사이의 값을 가질 수 있다. 이때, 장비의 상태가 양호할수록 큰 값을 가질 수 있다.
예를 들어, 서버는 제1 사용자 단말의 위치 좌표가 포함된 스크린 골프장의 위치 영역에 대응하는 스크린 골프장에 대한 정보를 획득할 수 있다. 예를 들어, 복수의 스크린 골프장의 위치 영역마다 스크린 골프장에 대한 정보가 서버에 사전 저장될 수 있다.
골프장의 코스에 대한 정보는 코스 명칭, 티잉 그라운드별 코스 레이팅 및 티잉 그라운드별 슬로프 레이팅을 포함할 수 있다. 코스 레이팅은 스크래치 플레이어가 라운드할 때의 코스 난이도를 표현한 값일 수 있다. 슬로프 레이팅은 보기 골퍼에 대한 코스 난이도를 표현한 값일 수 있다.
예를 들어, 서버는 제2 사용자 단말의 위치 좌표가 포함된 골프장의 위치 영역에 대응하는 골프장의 코스에 대한 정보를 획득할 수 있다. 예를 들어, 복수의 골프장의 위치 영역마다 골프장의 코스에 대한 정보가 서버에 사전 저장될 수 있다.
단계 S306에서, 서버는 제1 사용자 단말 및 제2 사용자 단말로부터 라운딩 종료 메시지를 수신할 수 있다.
라운딩 종료 메시지는 대회 참가 메시지를 서버에게 전송한 사용자 단말이 진행한 골프 라운딩이 종료된 것을 알리는 메시지일 수 있다. 예를 들어, 라운딩 종료 메시지는 사용자의 식별 정보를 포함할 수 있다.
예를 들어, 제2 사용자 단말로부터 수신한 라운딩 종료 메시지는 제2 사용자 단말에 의해 입력된 스코어 정보를 포함할 수 있다. 예를 들어, 서버는 제2 사용자 단말로부터 라운딩 종료 메시지를 수신한 것에 기반하여 제2 사용자 단말이 위치한 골프장의 날씨 정보를 획득할 수 있다. 골프장의 날씨 정보는 제2 사용자 단말이 진행한 골프 라운딩 시간동안의 골프장에 대한 날씨 정보를 포함할 수 있다. 예를 들어, 골프장의 날씨 정보는 제2 사용자 단말로부터 대회 참가 메시지를 수신한 제1 시점부터 동일한 제2 사용자 단말로부터 라운딩 종료 메시지를 수신한 제2 시점까지의 날씨 정보일 수 있다. 예를 들어, 서버는 제2 사용자 단말로부터 라운딩 종료 메시지를 수신한 것에 기반하여 제2 사용자 단말이 위치한 골프장의 날씨 정보를 기상 예보와 관련된 웹 페이지에서 웹 크롤링을 통해 획득할 수 있다. 예를 들어, 골프장의 날씨 정보는 제2 사용자 단말이 진행한 각 홀에 대한 시간 구간별 풍속에 대한 값, 각 홀에 대한 시간 구간별 온도에 대한 값, 각 홀에 대한 시간 구간별 강수량에 대한 값을 포함할 수 있다.
단계 S307에서, 서버는 라운딩 종료 메시지를 수신한 것에 기반하여 제1 사용자 단말에 대한 제1 스코어 정보 및 제2 사용자 단말에 대한 제2 스코어 정보를 획득할 수 있다.
제1 스코어 정보는 코스의 명칭, 각 홀의 표준 스트로크 수 및 각 홀의 스트로크 수를 포함할 수 있다. 예를 들어, 서버는 스크린 골프장에 대한 정보에 기반하여 스크린 골프장과 관련된 서버에게 제1 스코어 정보를 요청할 수 있다. 예를 들어, 서버는 제1 사용자 단말이 위치한 스크린 골프장과 관련된 서버로부터 제1 스코어 정보를 수신할 수 있다.
예를 들어, 서버가 제2 사용자 단말로부터 수신한 라운딩 종료 메시지는 제2 사용자 단말에 의해 입력된 스코어 정보를 포함할 수 있다. 스코어 정보는 코스의 명칭, 각 홀의 표준 스트로크 수 및 각 홀의 스트로크 수를 포함할 수 있다. 예를 들어, 서버는 제2 사용자 단말의 위치 정보를 기반으로 제2 사용자 단말의 시간 구간별 위치 좌표를 결정할 수 있다.
예를 들어, 서버는 제2 사용자 단말에 의해 입력된 스코어 정보를 제2 사용자 단말의 시간 구간별 위치 좌표를 기반으로 검증할 수 있다. 예를 들어, 서버는 제2 사용자 단말의 골프 라운딩 시간동안 시간 구간별 위치 좌표에 따라 제2 사용자 단말의 이동 경로를 결정할 수 있다. 예를 들어, 서버는 제2 사용자 단말의 이동 경로 중에서 제2 사용자 단말이 체류한 시간이 사전 설정된 시간 이상인 구역의 개수를 각 홀 마다 결정할 수 있다. 예를 들어, 서버는 각 홀마다 제2 사용자 단말이 체류한 시간이 사전 설정된 시간 이상인 구역의 개수와 스트로크 수를 비교하여 스코어 정보를 검증할 수 있다. 이때, 제2 사용자 단말이 체류한 시간이 사전 설정된 시간 이상인 구역의 개수(이하, 제1 값)와 스트로크 수(이하, 제2 값)의 차이에 대한 절대 값이 사전 설정된 값 이하인 것에 기반하여 스코어 정보가 제2 스코어 정보로 결정될 수 있다. 예를 들어, 서버는 제2 사용자 단말이 진행한 모든 홀에 대해 제1 값과 제2 값의 차이에 대한 절대 값이 사전 설정된 값 이하인 것에 기반하여 스코어 정보를 제2 스코어 정보로 결정할 수 있다. 예를 들어, 사전 설정된 값은 3으로 설정될 수 있다.
단계 S308에서, 서버는 사용자 정보, 제1 스코어 정보 및 스크린 골프장에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 온라인 스코어 보정 모델을 통해 제1 최종 스코어를 결정할 수 있다.
사용자 정보에 대한 정보에 대해 데이터 전처리가 수행됨으로써, 사용자에 대한 식별 값, 사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값을 포함하는 사용자 벡터가 생성될 수 있다. 사용자에 대한 식별 값은 IMEI 번호일 수 있다. 사용자의 성별과 관련된 값은 사용자가 남성이면 1 값을, 사용자가 여성이면 2 값을 포함할 수 있다.
제1 스코어 정보 및 스크린 골프장에 대한 정보에 대해 데이터 전처리가 수행됨으로써, 제1 스코어 벡터 및 제1 보정 벡터가 생성될 수 있다.
제1 스코어 벡터는 각 홀의 표준 스트로크 수 및 각 홀의 스트로크 수를 포함할 수 있다.
제1 보정 벡터는 가상 코스인지 여부에 대한 값, 각 홀의 난이도와 관련된 값, 필드의 구현도에 대한 값, 스윙 플레이트의 상태에 대한 값 및 센싱과 관련된 값을 포함할 수 있다.
가상 코스인지 여부에 대한 값은 실제 골프장의 코스가 아닌 가상으로 생성한 코스인지 여부를 나타내는 값일 수 있다. 예를 들어, 가상 코스인 경우에는 가상 코스인지 여부에 대한 값은 1 값을 가질 수 있다. 예를 들어, 가상 코스가 아닌 실제 골프장의 코스를 가상으로 구현한 경우에는 0 값을 가질 수 있다.
각 홀의 난이도와 관련된 값은 각 홀의 난이도를 나타내는 복수의 값을 포함할 수 있다. 예를 들어, 각 홀의 난이도와 관련된 값은 티잉 그라운드별 코스 레이팅 및 티잉 그라운드별 슬로프 레이팅을 포함할 수 있다. 예를 들어, 각 홀의 난이도와 관련된 값은 스크린 골프장이 보유한 코스에 대한 정보에 포함된 값일 수 있다.
필드의 구현도에 대한 값은 실제 필드를 가상으로 구현한 정도를 나타내는 값일 수 있다. 필드의 구현도에 대한 값은 골프 소프트웨어의 종류와 코스 명칭별로 사전 저장될 수 있다. 예를 들어, 서버는 골프 소프트웨어의 종류와 코스 명칭에 따라 필드 구현도에 대한 값을 결정할 수 있다. 예를 들어, 필드 구현도에 대한 값은 필드 구현도가 높을수록 큰 값으로 설정되고, 1 이상 10 이하의 값을 포함할 수 있다.
스윙 플레이트의 상태에 대한 값은 스크린 골프장에 설치된 스윙 플레이트의 상태를 나타내는 값일 수 있다. 예를 들어, 스크린 골프장에 구비된 스윙 플레이트의 상태를 나타내는 값은 1부터 5 사이의 값을 가질 수 있다. 이때, 스윙 플레이트의 상태가 양호할수록 큰 값을 가질 수 있다.
센싱과 관련된 값은 센싱 정확도를 나타내는 복수의 값을 포함할 수 있다. 예를 들어, 센싱과 관련된 값은 센서의 상태를 나타내는 값, 볼의 각도와 속도에 대한 인식 정확도 및 볼의 스핀에 대한 인식 정확도를 포함할 수 있다.
예를 들어, 스크린 골프장에 구비된 센서의 상태를 나타내는 값은 1부터 5 사이의 값을 가질 수 있다. 이때, 센서의 상태가 양호할수록 큰 값을 가질 수 있다. 예를 들어, 볼의 각도와 속도에 대한 인식 정확도 및 볼의 스핀에 대한 인식 정확도는 골프 소프트웨어의 종류를 나타내는 값에 매칭된 값으로 결정될 수 있다. 예를 들어, 복수의 골프 소프트웨어의 종류 각각에 대해 볼의 각도와 속도에 대한 인식 정확도 및 볼의 스핀에 대한 인식 정확도가 사전 매칭될 수 있다. 예를 들어, 복수의 골프 소프트웨어의 종류 각각에 대한 볼의 각도와 속도에 대한 인식 정확도 및 볼의 스핀에 대한 인식 정확도는 서버에 설정될 수 있다. 예를 들어, 볼의 각도와 속도에 대한 인식 정확도는 1에서 10 사이의 값일 수 있다. 예를 들어, 볼의 스핀에 대한 인식 정확도는 1에서 10 사이의 값일 수 있다. 예를 들어, 볼의 각도와 속도에 대한 인식 정확도 및 볼의 스핀에 대한 인식 정확도는 인식 정확도가 높을수록 큰 값으로 설정될 수 있다.
제1 사용자 단말에 대한 사용자 벡터, 제1 스코어 벡터 및 제1 보정 벡터가 온라인 스코어 보정 모델에 입력되는 것에 기반하여 제1 최종 스코어가 출력될 수 있다. 여기서, 제1 최종 스코어는 제1 사용자 단말에 대한 각 홀의 표준 스트로크 수, 각 홀의 스트로크 수 및 토탈 스트로크 수를 포함할 수 있다. 여기서, 각 홀의 표준 스트로크 수와 각 홀의 스트로크 수는 제1 스코어 벡터에 포함된 값일 수 있다. 이하, 제1 최종 스코어에 포함된 토탈 스트로크 수는 제1 토탈 스트로크 수로 지칭한다. 제1 토탈 스트로크 수는 각 홀의 스트로크 수를 합산한 값에 온라인 스코어 보정 모델에 의한 제1 가중치가 적용된 값일 수 있다.
온라인 스코어 보정 모델은 복수의 사용자 벡터, 복수의 제1 스코어 벡터, 복수의 제1 보정 벡터 및 복수의 정답 제1 토탈 스트로크 수를 기반으로 학습될 수 있다.
단계 S309에서, 서버는 사용자 정보, 제2 스코어 정보, 골프장의 코스에 대한 정보 및 골프장의 날씨 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 오프라인 스코어 보정 모델을 통해 제2 최종 스코어를 결정할 수 있다.
제2 스코어 정보에 대한 데이터 전처리가 수행됨으로써, 각 홀의 스코어와 관련된 값을 포함하는 제2 스코어 벡터가 생성될 수 있다.
골프장의 코스에 대한 정보 및 골프장의 날씨 정보에 대해 데이터 전처리가 수행됨으로써, 각 홀의 난이도와 관련된 값, 각 홀의 시간 구간별 풍속에 대한 값, 각 홀의 시간 구간별 온도에 대한 값, 각 홀의 시간 구간별 강수량에 대한 값을 포함하는 제2 보정 벡터가 생성될 수 있다. 예를 들어, 각 홀의 난이도와 관련된 값은 티잉 그라운드별 코스 레이팅 및 티잉 그라운드별 슬로프 레이팅을 포함할 수 있다. 예를 들어, 각 홀의 난이도와 관련된 값은 골프장의 코스에 대한 정보에 포함된 값일 수 있다.
제2 사용자 단말에 대한 사용자 벡터, 제2 스코어 벡터 및 제2 보정 벡터가 오프라인 스코어 보정 모델에 입력되는 것에 기반하여 제2 최종 스코어가 출력될 수 있다. 제2 최종 스코어는 제2 사용자 단말에 대한 각 홀의 표준 스트로크 수, 각 홀의 스트로크 수 및 토탈 스트로크 수를 포함할 수 있다. 여기서, 각 홀의 표준 스트로크 수와 각 홀의 스트로크 수는 제2 스코어 벡터에 포함된 값일 수 있다. 이하, 제2 최종 스코어에 포함된 토탈 스트로크 수는 제2 토탈 스트로크 수로 지칭한다. 제2 토탈 스트로크 수는 각 홀의 스트로크 수를 합산한 값에 오프라인 스코어 보정 모델에 의한 제2 가중치가 적용된 값일 수 있다.
오프라인 스코어 보정 모델은 복수의 사용자 벡터, 복수의 제2 스코어 벡터, 복수의 제2 보정 벡터 및 복수의 정답 제2 토탈 스트로크 수를 기반으로 학습될 수 있다.
단계 S310에서, 서버는 제1 최종 스코어 및 제2 최종 스코어를 포함하는 복수의 최종 스코어를 기반으로 복수의 수상자를 결정할 수 있다.
예를 들어, 서버는 복수의 최종 스코어를 블록체인 네트워크 서버를 통해 기록한 후, 기록된 복수의 최종 스코어를 기반으로 복수의 수상자를 결정할 수 있다.
여기서, 블록체인 네트워크 서버는 골프 대회에 참가한 사용자 단말의 최종 스코어과 관련된 일련의 정보를 체인화된 블록으로 구성하여 복수의 노드 장치들에게 분산 보관하는 네트워크를 관리하는 서버일 수 있다. 블록체인 네트워크를 구성하는 복수의 노드 장치들 중에서 어느 하나의 노드 장치가 일정 시간동안 생성된 트랜잭션들을 기반으로 트랜잭션들을 포함하는 블록을 생성한다. 그리고, 해당 블록을 복수의 노드 장치들 중 노드 장치를 제외한 나머지 노드 장치들로 전파함에 따라 복수의 노드 장치들에 분산 저장될 수 있다. 또한, 블록체인 네트워크에서 '블록'이라고 하는 단위의 데이터 집합이 체인 형태로 연결될 수 있다. 예를 들어, 블록은 블록 해시, 블록 헤더와 블록 바디를 포함할 수 있다. 예를 들어, 블록 헤더는 이전 블록의 해시 값, 블록체인 네트워크의 버전, 머클 루트에 대한 해시, 블록이 생성된 시간, 채굴 난이도, 논스(nonce) 등과 같은 정보를 포함할 수 있다. 예를 들어, 머클 루트에 대한 해시는 개별적인 거래 정보의 거래 해시를 2진 트리 형태로 구성하는 경우, 트리 루트에 위치하는 해시에 대한 값일 수 있다. 예를 들어, 논스는 해시 값을 계산하기 위한 임의의 값일 수 있다. 예를 들어, 블록 바디는 개별 사용자들의 트랜잭션 내역을 포함할 수 있다.
블록체인 네트워크 서버는 블록체인 네트워크에 사용되는 데이터의 저장, 컴퓨팅 리소스의 추가, 수정, 삭제 및 등록을 관리할 수 있다. 블록체인 네트워크 서버는 블록체인 네트워크의 노드, 네트워크의 구조 설정과 관련된 인증 설정을 제공할 수 있다. 블록체인 네트워크 서버는 블록체인 네트워크의 TPS(transaction per second), 블록 생성 시간, 블록 확정 시간, 네트워크 가용성 등의 성능을 주기적으로 측정할 수 있다. 블록체인 네트워크 서버는 블록체인 네트워크에 대한 합의 알고리즘을 제공하고, 변경할 수 있다. 예를 들어, 블록체인 네트워크 서버는 BFT(byzantine fault tolerance) 기반의 다양한 합의 알고리즘을 제공할 수 있다. 블록체인 네트워크 서버는 블록체인 네트워크에 참여한 단말 및 서버의 추가, 삭제 및 권한 설정을 수행할 수 있다.
블록체인 네트워크 서버는 스마트 계약 또는 체인코드의 형태로 구현된 통신 프로토콜을 관리할 수 있다. 예를 들어, 블록체인 네트워크 서버는 블록체인 네트워크 사이의 통신 프로토콜을 처리할 수 있고, 정상적인 동작을 위해 링크 설정, 동기화, 전송 제어 및 오류 제어를 수행할 수 있다. 블록체인 네트워크 서버는 복수의 블록체인 네트워크 사이에 데이터를 송수신할 수 있도록, 각각의 복수의 블록체인 네트워크의 메인 넷과 데이터 교환을 위한 링크를 제공할 수 있다. 블록체인 네트워크 서버는 복수의 블록체인 네트워크 사이에 데이터를 송수신할 수 있도록, 블록체인 네트워크에 사용되는 프로그래밍 언어를 변환할 수 있다. 블록체인 네트워크 서버는 서로 다른 메인 넷에서 발생하는 수수료 또는 사용료의 지급 규칙을 설정할 수 있다. 블록체인 네트워크 서버는 서로 다른 블록체인 네트워크 사이의 트랜잭션의 교환이 수행되게 보조할 수 있다. 예를 들어, 블록체인 네트워크 서버는 각각의 복수의 블록체인 네트워크의 메인 넷과 데이터 교환을 위한 링크를 제공하고, 블록체인 네트워크에 사용되는 프로그래밍 언어를 변환하고, 메인 넷에서 발생하는 수수료 또는 사용료의 지급 규칙을 조정함으로써, 서로 다른 블록체인 네트워크 사이의 트랜잭션의 교환이 수행되게 보조할 수 있다.
블록체인 네트워크에는 특정 조건이 충족될 때 자동으로 실행되는 프로그램 코드인 스마트 계약(contract)이 존재할 수 있다. 이러한 스마트 계약을 통해서 계약의 이행 및 검증을 자동화할 수 있다.
구체적으로, 예를 들어, 서버는 복수의 최종 스코어 각각에 대한 트랜잭션의 생성을 블록체인 네트워크 서버에게 요청할 수 있다. 블록체인 네트워크 서버는 스마트 계약에 의해 복수의 최종 스코어 각각에 대한 트랜잭션을 골프 대회에 대해 생성할 수 있다. 이때, 트랜잭션에 사용자 단말에 대한 최종 스코어가 기록될 수 있다. 이를 통해, 복수의 사용자 단말 각각의 최종 스코어가 복수의 트랜잭션 각각에 기록될 수 있다.
예를 들어, 블록체인 네트워크는 하이퍼레저 페브릭(Hyperledger Fabric) 형태의 프레임 워크로 구성될 수 있다. 이때, 블록체인 네트워크의 블록 구조는 암호화 해시함수를 사용하여 블록 구조를 저장할 수 있고, 이를 통해 과거의 트랜잭션 정보가 훼손되지 않도록 보호할 수 있다. 예를 들어, 블록에 KVS(key-value store)의 해시값도 기록될 수 있다. 여기서, KVS는 각각 고유한 식별자인 "키(Key)"와 해당 키에 연결된 "값(Value)"으로 구성된 데이터 쌍일 수 있다. 이를 통해, 직관적인 인터페이스를 제공하며, 키를 통해 빠르게 값을 찾을 수 있다. 이전 블록의 해시값은 KVS 해시 값과 연동되며, 512bit(64bytes)에서 SHA3 SHAKE256으로 계산될 수 있다. 예를 들어, 블록체인 네트워크에서 각각의 블록은 블록이 생성된 시간을 나타내는 타임 스탬프, 이전 블록의 해시값, 논스, 머클 루트, KVS 해시, 트랜잭션 및 트랜잭션 해시값을 포함할 수 있다. 여기서, 블록체인 네트워크의 참여자는 복수의 사용자 단말로 구성될 수 있다. 블록체인 네트워크 서버는 최종 스코어에 대한 트랜잭션의 생성을 서버로부터 요청받을 때마다 블록체인 네트워크의 스마트 계약을 실행하고 새로운 트랜잭션을 생성할 수 있다. 예를 들어, 트랜잭션이 블록체인 네트워크에서 확인(confirm)된 후, 새로운 블록에 최종 스코어와 관련된 내역이 추가될 수 있다.
예를 들어, 블록체인 네트워크는 디지털화, 저장, 서명, 발행, 확인 등 기능별로 최소한의 프로토콜을 정의할 수 있다. 예를 들어, 블록체인 네트워크 서버는 프로토콜을 통해, 서버로부터 수신한 트랜잭션의 생성에 대한 요청들을 적합한 포맷의 디지털 정보로 전환할 수 있게 할 수 있다. 예를 들어, 최종 스코어를 기록하기 위한 트랜잭션과 관련된 프로세스는 한 번 트랜잭션이 확인되면 완료되고, 영속적인 증거(Proof)로서 유일한 블록체인 주소와 연결될 수 있다.
예를 들어, 복수의 수상자는, 골프 대회의 기간이 종료된 후, 복수의 트랜잭션에 기록된 최종 스코어를 기반으로 복수의 사용자 단말 중에서 결정될 수 있다.
예를 들어, 사용자 단말이 결제한 골프 대회의 참가비 중 일부 비용은 사용자 단말의 최종 스코어를 블록체인 네트워크 서버를 통해 트랜잭션에 기록하기 위한 수수료로 사용될 수 있다.
복수의 수상자는 제1 수상 유형의 수상자, 제2 수상 유형의 수상자, 제3 수상 유형의 수상자 및 제4 수상 유형의 수상자를 포함할 수 있다. 예를 들어, 제1 수상 유형의 수상자는 최종 스코어를 기반으로 사전 설정된 순위에 따라 결정될 수 있다. 이때, 최종 스코어 중에서 토탈 스트로크 수가 작은 값을 가질수록 높은 순위로 결정될 수 있다. 여기서, 토탈 스트로크 수는 제1 토탈 스트로크 수와 제2 토탈 스트로크 수를 포함할 수 있다. 예를 들어, 사전 설정된 순위가 3위까지인 경우, 서버는 복수의 사용자 단말 중에서 트랜잭션에 기록된 토탈 스트로크 수가 가장 작은 값을 갖는 사용자 단말을 1위로 결정하고, 그 다음으로 작은 값을 갖는 사용자 단말을 2위로 결정하고, 그 다음으로 작은 값을 갖는 사용자 단말을 3위로 결정할 수 있다. 서버는 1위에 해당하는 사용자 단말, 2위에 해당하는 사용자 단말 및 3위에 해당하는 사용자 단말을 제1 수상 유형의 수상자로 결정할 수 있다.
예를 들어, 제2 수상 유형의 수상자는 최종 스코어 중에서 특정 조건의 스코어를 만족한 것을 기반으로 결정될 수 있다. 예를 들어, 특정 조건의 스코어는 홀인원, 이글 및 알바트로스를 포함할 수 있다. 예를 들어, 서버는 복수의 사용자 단말 중에서 트랜잭션에 기록된 각 홀의 스트로크 수 중 어느 하나가 1 값을 갖는 사용자 단말을 홀인원을 달성한 사용자 단말로 결정할 수 있다. 예를 들어, 서버는 복수의 사용자 단말 중에서 트랜잭션에 기록된 각 홀의 스트로크 수 중 어느 하나가 해당 홀의 표준 스트로크 수보다 2 값만큼 작은 값을 갖는 사용자 단말을 이글을 달성한 사용자 단말로 결정할 수 있다. 예를 들어, 서버는 복수의 사용자 단말 중에서 트랜잭션에 기록된 각 홀의 스트로크 수 중 어느 하나가 해당 홀의 표준 스트로크 수보다 3 값만큼 작은 값을 갖는 사용자 단말을 알바트로스를 달성한 사용자 단말로 결정할 수 있다. 서버는 홀인원을 달성한 사용자 단말, 이글을 달성한 사용자 단말 및 알바트로스를 달성한 사용자 단말을 제2 수상 유형의 수상자로 결정할 수 있다.
예를 들어, 제3 수상 유형의 수상자는 대회 참가 메시지를 전송한 횟수를 기반으로 결정될 수 있다. 예를 들어, 서버는 복수의 사용자 단말 중에서 대회 참가 메시지를 가장 많이 상기 서버에게 전송한 사용자 단말을 제3 수상 유형의 수상자로 결정할 수 있다.
예를 들어, 제4 수상 유형의 수상자는 랜덤하게 결정될 수 있다. 예를 들어, 서버는 복수의 사용자 단말 중에서 랜덤하게 선택된 사용자 단말을 제4 수상 유형의 수상자로 결정할 수 있다.
단계 S311에서, 서버는 복수의 수상자에 해당하는 사용자 단말에게 수상 메시지를 전송할 수 있다.
수상 메시지는 서버가 사용자 단말에게 수상자에 해당함을 알리는 메시지일 수 있다. 수상 메시지는 수상 유형에 대한 정보 및 수상 유형에 따른 상금에 대한 정보를 포함할 수 있다. 수상 유형에 대한 정보는 사용자 단말이 해당하는 수상 유형에 대한 정보이며, 제1 수상 유형 내지 제4 수상 유형에 따라 상이할 수 있다. 제1 수상 유형인 경우, 수상 유형에 대한 정보는 순위와 토탈 스트로크 수를 포함할 수 있다. 제2 수상 유형인 경우, 수상 유형에 대한 정보는 사용자 단말이 달성한 특정 조건의 스코어를 포함할 수 있다. 제3 수상 유형인 경우, 수상 유형에 대한 정보는 사용자 단말이 전송한 대회 참가 메시지의 횟수를 포함할 수 있다.
부가적으로, 일 실시예에 따르면, 서버는 복수의 사용자 단말 중에서 대회 참가 메시지를 사전 설정된 개수 이상 전송한 사용자 단말을 제3 사용자 단말로 결정할 수 있다.
예를 들어, 서버는 제3 사용자 단말에 대한 대회 참가에 대한 정보를 획득할 수 있다. 대회 참가에 대한 정보는 현재 개최 중인 골프 대회에 참가한 횟수, 참가 형태별 참가 횟수 및 참가 형태별 라운딩에 대한 최종 스코어를 포함할 수 있다. 대회 참가에 대한 정보는 서버에 사용자별로 저장된 정보일 수 있다.
예를 들어, 서버는 제3 사용자 단말에 대한 사용자 정보 및 대회 참가에 대한 정보를 기반으로 제3 뉴럴 네트워크를 이용하는 추천 모델을 통해 골프와 관련된 추천 정보를 결정할 수 있다.
예를 들어, 서버는 골프와 관련된 추천 정보를 제3 사용자 단말에게 전송할 수 있다. 골프와 관련된 추천 정보는 골프 투어 상품에 대한 정보 및 골프 용품에 대한 정보를 포함할 수 있다.
서버는 사용자 정보에 대한 데이터 전처리를 통해 성향 벡터를 생성할 수 있다. 성향 벡터는 사용자의 식별 값, 사용자의 나이에 대한 값, 사용자의 성별과 관련된 값, 골프 클럽의 구성에 대한 값, 각각의 골프 클럽의 브랜드에 대한 값 및 각각의 골프 클럽의 제조년도에 대한 값을 포함할 수 있다.
서버는 대회 참가에 대한 정보에 대해 데이터 전처리를 수행함으로써, 참가 이력 벡터를 생성할 수 있다. 참가 이력 벡터는 대회 참가 횟수에 대한 값, 제1 형태로 대회를 참가한 코스에 대한 값, 제1 형태로 대회를 참가한 코스별 각 홀의 스트로크 수, 제2 형태로 대회를 참가한 코스에 대한 값 및 제2 형태로 대회를 참가한 코스별 각 홀의 스트로크 수를 포함할 수 있다.
추천 모델은 복수의 성향 벡터, 복수의 참가 이력 벡터, 복수의 정답 골프 투어 상품에 대한 값 및 복수의 정답 골프 용품에 대한 값을 기반으로 학습될 수 있다.
추천 모델에 사용되는 제3 뉴럴 네트워크는 CNN 기반의 뉴럴 네트워크일 수 있다. 제3 뉴럴 네트워크는 제3 입력 레이어, 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 포함할 수 있다. 복수의 성향 벡터, 복수의 참가 이력 벡터, 복수의 정답 골프 투어 상품에 대한 값 및 복수의 정답 골프 용품에 대한 값으로 구성된 학습 데이터는 제3 입력 레이어에 입력되어 하나 이상의 제3 히든 레이어 및 제3 출력 레이어를 통과하여 제3 출력 벡터로 출력되고, 제3 출력 벡터는 제3 출력 레이어에 연결된 제3 손실함수 레이어에 입력되고, 제3 손실함수 레이어는 제3 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제3 손실함수를 이용하여 제2 손실 값을 출력하고, 제3 뉴럴 네트워크의 파라미터가 제3 손실 값이 작아지는 방향으로 학습될 수 있다.
하나 이상의 제3 히든 레이어는 하나 이상의 컨벌루션 레이어 및 하나 이상의 풀링 레이어를 포함할 수 있다.
예를 들어, 컨벌루션 레이어에서 복수의 성향 벡터, 복수의 참가 이력 벡터에 대해 필터링될 수 있고, 컨벌루션 레이어를 통해 특징 맵(feature map)이 형성될 수 있다.
예를 들어, 풀링 레이어에서 상기 형성된 특징 맵에 기반하여 차원 축소를 위해 특징과 관련된 고정 벡터를 선별하고, 상기 형성된 특징 맵에서 서브-샘플링을 수행함으로써, 상기 벡터화된 시계열 데이터에서 골프 투어 상품에 대한 값 및 골프 용품에 대한 값과 관련된 특징을 추출할 수 있다. 예를 들어, 풀링 레이어는 가장 큰 값을 추출하는 맥스 풀링 레이어일 수 있다. 예를 들어, 풀링 레이어는 평균 값을 추출하는 평균 풀링 레이어일 수 있다. 예를 들어, 이때, 제3 뉴럴 네트워크의 파라미터는 컨벌루션 레이어 및 풀링 레이어와 관련된 파라미터(특징 맵의 크기, 필터의 크기, 깊이, 스트라이드, 제로 패딩)를 포함할 수 있다.
학습 데이터로 사용되는 하나의 사용자 벡터 및 하나의 참가 이력 벡터는 하나의 정답 골프 투어 상품에 대한 값 및 하나의 정답 골프 용품에 대한 값과 하나의 학습 세트로 구성될 수 있다. 예를 들어, 복수의 학습 세트가 서버에 사전 저장될 수 있다.
하나의 정답 골프 투어 상품에 대한 값과 하나의 골프 용품에 대한 값은 복수의 사용자 그룹 각각에 매칭될 수 있다. 복수의 사용자 그룹은 복수의 사용자를 복수의 사용자 벡터 및 복수의 참가 이력 벡터를 유사도에 따라 클러스터링함으로써 결정될 수 있다. 이때, 복수의 골프 투어 상품에 대한 값 중에서 해당 사용자 그룹이 선호하는 횟수가 가장 많은 골프 투어 상품에 대한 값이 매칭될 수 있다. 또한, 복수의 골프 용품에 대한 값 중에서 해당 사용자 그룹이 선호하는 횟수가 가장 많은 골프 용품에 대한 값이 매칭될 수 있다. 복수의 골프 투어 상품에 대한 값과 복수의 골프 용품에 대한 값은 서버에 사전 저장될 수 있다.
예를 들어, 사전 설정된 개수는 추천 모델이 제3 사용자 단말에 대한 골프와 관련된 추천 정보를 결정하기 위해 필요한 데이터의 최소 용량이 확보되는 개수일 수 있다. 이때, 골프와 관련된 추천 정보를 결정하기 위해 필요한 데이터의 최소 용량은 추천 모델의 컨벌루션 레이어의 개수 및 풀링 레이어의 개수에 따라 변경될 수 있다. 예를 들어, 추천 모델의 컨벌루션 레이어의 개수 및 풀링 레이어의 개수가 많을수록 골프와 관련된 추천 정보를 결정하기 위해 필요한 데이터의 최소 용량은 증가할 수 있다. 따라서, 서버는 추천 모델의 컨벌루션 레이어의 개수 및 풀링 레이어의 개수가 많을수록 사전 설정된 개수를 큰 값으로 결정할 수 있다. 즉, 사전 설정된 개수는 추천 모델의 컨벌루션 레이어의 개수 및 풀링 레이어의 개수에 비례할 수 있다.
도 4는 일 실시예에 따른 온라인 스코어 보정 모델에 대한 예를 나타낸 도면이다. 도 4의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 온라인 스코어 보정 모델이 사용하는 제1 뉴럴 네트워크는 GRU(gated recurrent unit) 기반 뉴럴 네트워크를 이용한 모델일 수 있다.
GRU는 RNN(recurrent neural network)를 변형시킨 모델일 수 있고, RNN은 과거 관측 값에 의존하는 구조이므로, 기울기가 소실(vanishing gradient)되거나 기울기가 매우 큰 값(exploding gradient)을 가지게 되는 문제가 발생할 수 있다. 이러한 문제를 해결하기 위해 개발된 뉴럴 네트워크 모델이 LSTM(long short term memory networks)이며, LSTM 내부의 노드는 메모리 셀로 대체함으로써, 정보를 축적하거나 과거 정보의 일부를 삭제가 가능하다. 이를 통해, RNN의 기울기의 소실 문제나 기울기가 매우 큰 값을 가지게 되는 문제를 보완할 수 있다. 이러한 LSTM의 구조를 간결하게 변형함으로써, 처리 속도를 개선한 모델이 GRU이다.
제1 뉴럴 네트워크는 제1 입력 레이어(410), 하나 이상의 제1 히든 레이어(420) 및 제1 출력 레이어(430)을 포함할 수 있다.
복수의 사용자 벡터, 복수의 제1 스코어 벡터, 복수의 제1 보정 벡터 및 복수의 정답 제1 토탈 스트로크 수로 구성된 각각의 학습 데이터는 온라인 스코어 보정 모델의 제1 입력 레이어(410)에 입력되어 하나 이상의 제1 히든 레이어(420) 및 제1 출력 레이어(430)를 통과하여 제1 출력 벡터로 출력되고, 제1 출력 벡터는 제1 출력 레이어(430)에 연결된 제1 손실함수 레이어에 입력되고, 제1 손실함수 레이어는 제1 출력 벡터와 각각의 학습 데이터에 대한 제1 정답 벡터를 비교하는 제1 손실함수를 이용하여 제1 손실 값을 출력하고, 온라인 스코어 보정 모델의 파라미터가 제1 손실 값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 학습 데이터로 사용되는 하나의 사용자 벡터, 하나의 제1 스코어 벡터 및 하나의 제1 보정 벡터는 하나의 정답 제1 토탈 스트로크 수와 하나의 학습 데이터 세트로 구성될 수 있다. 예를 들어, 복수의 학습 데이터 세트가 서버에 사전 저장될 수 있다.
예를 들어, 정답 제1 토탈 스트로크 수는 학습 데이터 세트로 구성된 사용자 벡터 및 제1 보정 벡터에 따른 가중치를 각 홀의 스트로크 수를 합산한 값에 적용한 값으로 결정될 수 있다.
부가적으로, 예를 들어, 정답 제1 토탈 스트로크 수는 가상 코스인지 여부에 대한 값에 따라 상이하게 결정될 수 있다. 예를 들어, 가상 코스인지 여부에 대한 값이 1인 경우, 정답 제1 토탈 스트로크 수는 하기 수학식 1에 의해 결정될 수 있다.
수학식 1에서, 상기 nF11은 가상 코스인지 여부에 대한 값이 1인 경우의 정답 제1 토탈 스트로크 수이고, 상기 wf는 상기 필드의 구현도에 대한 값이고, 상기 wp는 상기 스윙 플레이트의 상태에 대한 값이고, 상기 ws는 상기 센서의 상태를 나타내는 값이고, 상기 wacc는 상기 볼의 각도와 속도에 대한 인식 정확도와 상기 볼의 스핀에 대한 인식 정확도를 합산한 값이고, 상기 는 상기 사용자의 나이에 대한 값 및 상기 사용자의 성별과 관련된 값에 매칭된 개인 가중치이고, 상기 n은 티잉 그라운드의 개수이고, 상기 ci는 i번째 티잉 그라운드의 코스 레이팅이고, 상기 si는 i번째 티잉 그라운드의 슬로프 레이팅이고, 상기 n1은 상기 각 홀의 스트로크 수를 모두 합산한 값일 수 있다.
예를 들어, min 함수는 괄호 안의 두 값 중에서 더 작은 값을 출력하는 함수일 수 있다.
이를 통해, 필드의 구현도에 대한 값, 스윙 플레이트의 상태에 대한 값, 센서의 상태를 나타내는 값, 볼의 각도와 속도에 대한 인식 정확도 및 볼의 스핀에 대한 인식 정확도가 클수록 정답 제1 토탈 스트로크 수가 각 홀의 스트로크 수를 모두 합산한 값에 가깝도록 결정될 수 있다. 또한, 티잉 그라운드의 코스 레이팅 및 티잉 그라운드의 슬로프 레이팅과 사용자의 나이 및 성별을 고려하여 각 홀의 스트로크 수를 모두 합산한 값이 조정될 수 있다.
사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값의 조합에 따라 개인 가중치가 상이하게 결정될 수 있다. 예를 들어, 개인 가중치는 사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값의 조합에 따라 1, 1.025 또는 1.05 중 어느 하나의 값을 가질 수 있다. 예를 들어, 사용자의 나이에 대한 값이 60 이상의 값 또는 20 미만의 값을 가지고, 사용자의 성별과 관련된 값이 여성을 나타내는 경우, 개인 가중치가 1로 결정될 수 있다. 사용자의 나이에 대한 값이 60 이상의 값 또는 20 미만의 값을 가지고, 사용자의 성별과 관련된 값이 남성을 나타내는 경우, 개인 가중치가 1.025로 결정될 수 있다. 사용자의 나이에 대한 값이 20 이상 60 미만의 값을 가지고, 사용자의 성별과 관련된 값이 여성을 나타내는 경우, 개인 가중치는 1.025로 결정될 수 있다. 사용자의 나이에 대한 값이 20 이상 60 미만의 값을 가지고, 사용자의 성별과 관련된 값이 남성을 나타내는 경우, 개인 가중치는 1.05로 결정될 수 있다.
예를 들어, 가상 코스인지 여부에 대한 값이 0인 경우, 정답 제1 토탈 스트로크 수는 하기 수학식 2에 의해 결정될 수 있다.
수학식 2에서, 상기 nF0은 가상 코스인지 여부에 대한 값이 0인 경우의 정답 제1 토탈 스트로크 수이고, 상기 wf는 상기 필드의 구현도에 대한 값이고, 상기 wp는 상기 스윙 플레이트의 상태에 대한 값이고, 상기 ws는 상기 센서의 상태를 나타내는 값이고, 상기 wacc는 상기 볼의 각도와 속도에 대한 인식 정확도와 상기 볼의 스핀에 대한 인식 정확도를 합산한 값이고, 상기 n1은 상기 각 홀의 스트로크 수를 모두 합산한 값이고, 상기 nref는 해당 코스에 대해 사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값에 매칭된 보정 값일 수 있다.
예를 들어, min 함수는 괄호 안의 두 값 중에서 더 작은 값을 출력하는 함수일 수 있다.
예를 들어, 사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값의 조합별로 코스 각각에 보정 값이 매칭될 수 있다. 예를 들어, 사용자의 나이에 대한 값에 따라 사용자의 연령대가 결정되고, 사용자의 성별과 관련된 값에 따라 사용자의 성별이 결정될 수 있다. 또한, 사용자의 연령대와 사용자의 성별에 해당하는 사용자가 실제 골프장에서 진행한 각 홀의 스트로크 수를 합산한 값과 스크린 골프장에 진행한 각 홀의 스트로크 수를 합산한 값 사이의 차이를 평균한 값을 보정 값으로 설정될 수 있다. 이때, 보정 값은 복수의 코스마다 사전 설정될 수 있다. 여기서, 해당 코스를 실제 골프장에서 진행한 각 홀의 스트로크 수를 합산한 값과 스크린 골프장에 진행한 각 홀의 스트로크 수의 차이는 스크린 골프장에 진행한 각 홀의 스트로크 수를 합산한 값에서 실제 골프장에서 진행한 각 홀의 스트로크 수를 합산한 값을 뺀 값일 수 있다. 스크린 골프장에 진행한 각 홀의 스트로크 수를 합산한 값에서 실제 골프장에서 진행한 각 홀의 스트로크 수를 합산한 값을 뺀 값이 음수인 경우, 0 값으로 결정될 수 있다.
이를 통해, 필드의 구현도에 대한 값, 스윙 플레이트의 상태에 대한 값, 센서의 상태를 나타내는 값, 볼의 각도와 속도에 대한 인식 정확도 및 볼의 스핀에 대한 인식 정확도가 클수록 정답 제1 토탈 스트로크 수가 각 홀의 스트로크 수를 모두 합산한 값에 가깝도록 결정될 수 있다. 또한, 실제 골프장과 스크린 골프장 사이의 보정 값을 반영하여 정답 제1 토탈 스트로크 수가 조정될 수 있다.
구체적으로, 하나 이상의 제1 히든 레이어(420)는 하나 이상의 GRU 블록을 포함하고, 하나의 GRU 블록은 리셋 게이트(reset gate)와 업데이트 게이트(update gate)를 포함할 수 있다. 여기서, 리셋 게이트와 업데이트 게이트는 시그모이드 레이어를 포함할 수 있다. 예를 들어, 시그모이드 레이어는 시그모이드 함수()가 활성화 함수인 레이어일 수 있다. 예를 들어, 리셋 게이트 및 업데이트 게이트를 통해 히든 스테이트가 제어되고, 각 게이트와 입력에 따른 가중치들이 존재할 수 있다.
리셋 게이트는 과거의 정보를 리셋시키며, 이전 히든 레이어를 거쳐 도출된 가중치 r(t)는 수학식 3에 의해 결정될 수 있다.
예를 들어, 복수의 사용자 벡터, 복수의 제1 스코어 벡터 및 복수의 제1 보정 벡터가 제1 입력 레이어(410)에 입력되고, 리셋 게이트는 복수의 사용자 벡터, 복수의 제1 스코어 벡터 및 복수의 제1 보정 벡터를 기반으로 생성된 현재 시점의 입력 값(xt)이 입력되면 현재 시점의 가중치 Wr와 내적하고, 복수의 사용자 벡터, 복수의 제1 스코어 벡터 및 복수의 제1 보정 벡터를 기반으로 생성된, 이전 시점의 히든 스테이트(h(t-1))를 이전 시점의 가중치 Ur와 내적하고, 마지막으로 두 값을 합하여 시그모이드 함수에 입력되어 결과가 0과 1 사이의 값으로 출력될 수 있다. 이러한 0과 1 사이의 값을 통해 이전 시점의 히든 스테이트 값을 얼마나 활용할 것인지 결정될 수 있다.
업데이트 게이트는 과거와 현재의 정보에 대한 최신화 비율을 결정하며, z(t)는 현재 시점의 정보의 양으로, 수학식 4에 의해 결정될 수 있다.
예를 들어, 상기 현재 시점의 입력 값(xt)가 입력되면 현재 시점의 가중치 Wz와 내적하고, 상기 이전 시점의 히든 스테이트(h(t-1))는 이전 시점의 가중치 Uz와 내적하고, 마지막으로 두 값을 합하여 시그모이드 함수에 입력됨으로써 결과가 0과 1 사이의 값으로 출력될 수 있다. 그리고 1-z(t)를 직전 시점의 히든 레이어의 정보(h(t-1))에 곱할 수 있다.
이를 통해, z(t)는 현재 정보를 얼마나 사용할 지와 1-z(t)를 과거 정보에 대해 얼마나 사용할지를 반영할 수 있다.
리셋 게이트의 결과를 곱하여 현재 시점 t의 정보 후보군이 수학식 5에 의해 결정될 수 있다.
예를 들어, 상기 현재 시점의 입력 값(xt)가 입력되면 현재 시점의 가중치 Wh와 내적한 값과, 상기 이전 시점의 히든 스테이트(h(t-1))는 이전 시점의 가중치 Uh와 내적하고, r(t)를 곱한 값을 합하여 tanh 함수에 입력될 수 있다. 예를 들어, tanh는 비선형 활성화 함수(하이퍼볼릭 탄젠트 함수)를 의미한다.
업데이트 게이트와 후보군의 결과를 결합함으로써, 현재 시점의 히든 레이어의 가중치를 수학식 6에 의해 결정할 수 있다.
예를 들어, 업데이트 게이트의 출력 값 z(t)와 현재 시점의 히든 스테이트(h(t))를 곱한 값과 업데이트 게이트에서 버려지는 값 1-z(t)와 이전 시점의 히든 스테이트(h(t-1))을 곱한 값의 합으로 현재 시점의 히든 레이어의 가중치가 결정될 수 있다.
예를 들어, GRU 기반 뉴럴 네트워크에 대한 가중치 초기화가 수행될 수 있다. 가중치 초기화는 각각의 레이어에 대해, 해당 레이어로 입력되는 입력 값의 개수와 해당 레이어에서 출력되는 출력 값의 개수를 합한 값을 나눈 가중치를 기반으로 수행될 수 있다. 이를 통해, 가중치의 시작 시점이 적절한 범위 내의 값으로 설정될 수 있다.
상술한 과정을 통해, 학습된 GRU 기반 뉴럴 네트워크의 파라미터가 온라인 스코어 보정 모델에 사용될 수 있다.
일 실시예에 따르면, 오프라인 스코어 보정 모델에 사용되는 제2 뉴럴 네트워크 또한 GRU 기반 뉴럴 네트워크 모델이 사용될 수 있다. 제2 뉴럴 네트워크는 제2 입력 레이어, 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 포함할 수 있다.
예를 들어, 복수의 사용자 벡터, 복수의 제2 스코어 벡터, 복수의 제2 보정 벡터 및 복수의 정답 제2 토탈 스트로크 수로 구성된 학습 데이터는 오프라인 스코어 보정 모델의 제2 입력 레이어에 입력되어 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 통과하여 제2 출력 벡터로 출력되고, 제2 출력 벡터는 제2 출력 레이어에 연결된 제2 손실함수 레이어에 입력되고, 제2 손실함수 레이어는 제2 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제2 손실함수를 이용하여 제2 손실 값을 출력하고, 오프라인 스코어 보정 모델에 사용되는 제2 뉴럴 네트워크의 파라미터가 제2 손실 값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 학습 데이터로 사용되는 하나의 사용자 벡터, 하나의 제2 스코어 벡터 및 하나의 제2 보정 벡터는 하나의 정답 제2 토탈 스트로크 수와 하나의 학습 데이터 세트로 구성될 수 있다. 예를 들어, 복수의 학습 데이터 세트가 서버에 사전 저장될 수 있다.
예를 들어, 정답 제2 토탈 스트로크 수는 학습 데이터 세트로 구성된 사용자 벡터 및 제2 보정 벡터에 따른 가중치를 각 홀의 스트로크 수를 합산한 값에 적용한 값으로 결정될 수 있다.
부가적으로, 예를 들어, 정답 제2 토탈 스트로크 수는 하기 수학식 7에 의해 결정될 수 있다.
수학식 7에서, 상기 nF2은 상기 정답 제2 토탈 스트로크 수이고, 상기 w1은 풍속의 평균 값이고, 상기 w2는 온도의 평균 값이고, 상기 w3는 강수량의 존재 여부에 대한 값이고, 상기 는 상기 사용자의 나이에 대한 값 및 상기 사용자의 성별과 관련된 값에 매칭된 개인 가중치이고, 상기 n은 티잉 그라운드의 개수이고, 상기 ci는 i번째 티잉 그라운드의 코스 레이팅이고, 상기 si는 i번째 티잉 그라운드의 슬로프 레이팅이고, 상기 n2는 상기 각 홀의 스트로크 수를 모두 합산한 값일 수 있다.
예를 들어, 풍속의 평균 값은 시간 구간별 풍속을 평균한 값일 수 있다. 이때, 풍속의 단위는 m/s일 수 있다. 예를 들어, 온도의 평균 값은 시간 구간별 온도를 평균한 값일 수 있다. 이때, 온도의 단위는 섭씨온도일 수 있다. 예를 들어, 강수량의 존재 여부에 대한 값은 시간 구간별 강수량에 대한 값 중에서 0을 초과하는 값이 있는 경우에는 1 값으로 설정될 수 있다. 예를 들어, 강수량의 존재 여부에 대한 값은 시간 구간별 강수량에 대한 값이 모두 0인 경에는 0 값으로 설정될 수 있다.
사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값의 조합에 따라 개인 가중치가 상이하게 결정될 수 있다. 예를 들어, 개인 가중치는 사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값의 조합에 따라 1, 1.025 또는 1.05 중 어느 하나의 값을 가질 수 있다. 예를 들어, 사용자의 나이에 대한 값이 60 이상의 값 또는 20 미만의 값을 가지고, 사용자의 성별과 관련된 값이 여성을 나타내는 경우, 개인 가중치가 1로 결정될 수 있다. 사용자의 나이에 대한 값이 60 이상의 값 또는 20 미만의 값을 가지고, 사용자의 성별과 관련된 값이 남성을 나타내는 경우, 개인 가중치가 1.025로 결정될 수 있다. 사용자의 나이에 대한 값이 20 이상 60 미만의 값을 가지고, 사용자의 성별과 관련된 값이 여성을 나타내는 경우, 개인 가중치는 1.025로 결정될 수 있다. 사용자의 나이에 대한 값이 20 이상 60 미만의 값을 가지고, 사용자의 성별과 관련된 값이 남성을 나타내는 경우, 개인 가중치는 1.05로 결정될 수 있다.
이를 통해, 날씨와 관련된 변수들, 티잉 그라운드의 코스 레이팅 및 티잉 그라운드의 슬로프 레이팅과 사용자의 나이 및 성별을 반영하여 각 홀의 스트로크 수를 모두 합산한 값이 조정될 수 있다.
구체적으로, 하나 이상의 제2 히든 레이어는 하나 이상의 GRU 블록을 포함하고, 하나의 GRU 블록은 리셋 게이트와 업데이트 게이트를 포함할 수 있다. 여기서, 리셋 게이트와 업데이트 게이트는 시그모이드 레이어를 포함할 수 있다. 예를 들어, 시그모이드 레이어는 시그모이드 함수()가 활성화 함수인 레이어일 수 있다. 예를 들어, 리셋 게이트 및 업데이트 게이트를 통해 히든 스테이트가 제어되고, 각 게이트와 입력에 따른 가중치들이 존재할 수 있다.
예를 들어, 복수의 사용자 벡터, 복수의 제2 스코어 벡터 및 복수의 제2 보정 벡터가 제2 입력 레이어에 입력되고, 리셋 게이트는 복수의 사용자 벡터, 복수의 제2 스코어 벡터 및 복수의 제2 보정 벡터를 기반으로 생성된 현재 시점의 입력 값(xt)이 입력되면 현재 시점의 가중치 Wr와 내적하고, 복수의 사용자 벡터, 복수의 제2 스코어 벡터 및 복수의 제2 보정 벡터를 기반으로 생성된, 이전 시점의 히든 스테이트(h(t-1))를 이전 시점의 가중치 Ur와 내적하고, 마지막으로 두 값을 합하여 시그모이드 함수에 입력되어 결과가 0과 1 사이의 값으로 출력될 수 있다. 이러한 0과 1 사이의 값을 통해 이전 시점의 히든 스테이트 값을 얼마나 활용할 것인지 결정될 수 있다.
리셋 게이트는 과거의 정보를 리셋시키며, 이전 히든 레이어를 거쳐 도출된 가중치 r(t)는 상술한 수학식 3에 의해 결정될 수 있다. 업데이트 게이트는 과거와 현재의 정보에 대한 최신화 비율을 결정하며, z(t)는 현재 시점의 정보의 양으로, 상술한 수학식 4에 의해 결정될 수 있다. 리셋 게이트의 결과를 곱하여 현재 시점 t의 정보 후보군이 상술한 수학식 5에 의해 결정될 수 있다. 업데이트 게이트와 후보군의 결과를 결합함으로써, 현재 시점의 히든 레이어의 가중치를 상술한 수학식 6에 의해 결정할 수 있다. 상술한 과정을 통해, 학습된 GRU 기반 뉴럴 네트워크의 파라미터가 오프라인 스코어 보정 모델에 사용될 수 있다.
도 5는 일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 서버가 골프 대회를 운영하는 방법에 대한 신호 교환도를 나타낸다. 도 5의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 5를 참조하면, 단계 S501에서, 서버는 제1 사용자 단말 및 제2 사용자 단말에게 골프 대회의 기간에 대한 정보 및 골프 대회의 상금에 대한 정보를 포함하는 대회 개시 메시지를 전송할 수 있다.
단계 S502에서, 서버는 제1 사용자 단말 및 제2 사용자 단말로부터 대회 참가 메시지를 수신할 수 있다.
대회 참가 메시지는 사용자 정보 및 사용자 단말의 위치 정보를 수집하기 위한 권한을 포함할 수 있다. 사용자 정보는 사용자에 대한 식별 정보, 사용자의 나이, 사용자의 성별 및 사용자의 골프 클럽에 대한 정보를 포함할 수 있다.
예를 들어, 대회 참가 메시지는 제1 사용자 단말 및 제2 사용자 단말이 골프 대회의 참가비를 결제한 것에 기반하여 전송될 수 있다.
단계 S503에서, 서버는 사용자 단말의 위치 정보에 기반하여 제1 사용자 단말 및 제2 사용자 단말의 참가 형태를 결정할 수 있다.
서버는 복수의 스크린 골프장의 위치 영역 및 복수의 골프장의 위치 영역 중에서 복수의 사용자 단말 각각의 시간구간별 위치 좌표가 포함되는 위치 영역을 결정하고, 해당 위치 영역이 스크린 골프장의 위치 영역인지 또는 골프장의 위치 영역인지에 따라 제1 참가 형태 또는 제2 참가 형태로 결정할 수 있다.
예를 들어, 서버는 제1 사용자 단말의 위치 좌표가 포함된 스크린 골프장의 위치 영역에 대응하는 스크린 골프장에 대한 정보를 획득할 수 있다.
예를 들어, 서버는 제2 사용자 단말의 위치 좌표가 포함된 골프장의 위치 영역에 대응하는 골프장의 코스에 대한 정보를 획득할 수 있다.
단계 S504에서, 서버는 제1 사용자 단말로부터 라운딩 종료 메시지를 수신할 수 있다.
단계 S505에서, 서버는 제1 외부 서버에게 제1 스코어 정보를 요청할 수 있다.
예를 들어, 서버는 스크린 골프장에 대한 정보에 기반하여 스크린 골프장과 관련된 서버인 제1 외부 서버를 결정할 수 있다. 이때, 예를 들어, 서버는 제1 사용자 단말로부터 수신한 라운딩 종료 메시지에 포함된 사용자에 대한 식별 정보를 함께 제1 외부 서버에 전송하여, 제1 사용자 단말에 대한 제1 스코어 정보를 요청할 수 있다.
단계 S506에서, 서버는 제1 외부 서버로부터 제1 스코어 정보를 수신할 수 있다,
단계 S507에서, 서버는 사용자 정보, 제1 스코어 정보 및 스크린 골프장에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 온라인 스코어 보정 모델을 통해 제1 최종 스코어를 결정할 수 있다.
단계 S508에서, 서버는 제1 최종 스코어에 대한 트랜잭션의 생성을 제2 외부 서버에게 요청할 수 있다.
서버는 블록체인 네트워크 서버를 제2 외부 서버로 결정할 수 있다. 예를 들어, 서버는 사용자 단말이 결제한 골프 대회의 참가비 중 일부 비용을 트랜잭션에 기록하기 위한 수수료로 사용될 수 있는 블록체인 네트워크를 서버를 제2 외부 서버로 결정할 수 있다.
단계 S509에서, 제2 외부 서버는 제1 최종 스코어에 대한 트랜잭션을 골프 대회에 대해 생성할 수 있다.
단계 S510에서, 서버는 제2 사용자 단말로부터 라운딩 종료 메시지를 수신할 수 있다.
제2 사용자 단말로부터 수신한 라운딩 종료 메시지는 제2 사용자 단말에 의해 입력된 스코어 정보를 포함할 수 있다. 예를 들어, 서버는 제2 사용자 단말로부터 라운딩 종료 메시지를 수신한 것에 기반하여 제2 사용자 단말이 위치한 골프장의 날씨 정보를 획득할 수 있다.
단계 S511에서, 서버는 사용자 정보, 제2 스코어 정보, 골프장의 코스에 대한 정보 및 골프장의 날씨 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 오프라인 스코어 보정 모델을 통해 제2 최종 스코어를 결정할 수 있다.
단계 S512에서, 서버는 제2 최종 스코어에 대한 트랜잭션의 생성을 제2 외부 서버에게 요청할 수 있다.
단계 S513에서, 제2 외부 서버는 제2 최종 스코어에 대한 트랜잭션을 골프 대회에 대해 생성할 수 있다.
단계 S514에서, 서버는 제1 사용자 단말 또는 제2 사용자 단말 중에서 수상자를 결정할 수 있다.
예를 들어, 골프 대회의 기간이 종료된 후, 서버는 제1 사용자 단말 또는 제2 사용자 단말 중에서 수상자를 결정할 수 있다.
예를 들어, 서버는 블록체인 네트워크 서버를 통해 기록된 제1 최종 스코어 및 제2 최종 스코어를 기반으로 수상자를 결정할 수 있다. 수상 유형은 상술한 바와 같이 제1 수상 유형 내지 제4 수상 유형을 포함할 수 있고, 도 5의 실시예에서는 제1 수상 유형을 가정한다. 이때, 서버는 제2 사용자 단말보다 토탈 스트로크 수가 작은 값을 가지는 제1 사용자 단말을 수상자로 결정할 수 있다.
단계 S516에서, 서버는 수상자에 해당하는 제1 사용자 단말에게 수상 메시지를 전송할 수 있다.
도 6은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다. 도 6의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 6에 도시된 바와 같이, 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630)를 포함할 수 있다. 그러나, 도 6에 도시된 구성 요소 모두가 서버(600)의 필수 구성 요소인 것은 아니다. 도 6에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(600)가 구현될 수도 있고, 도 6에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(600)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(600)는 프로세서(610), 통신부(620) 및 메모리(630) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(610)는, 통상적으로 서버(600)의 전반적인 동작을 제어한다. 프로세서(610)는 하나 이상의 프로세서를 구비하여, 서버(600)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(610)는, 메모리(630)에 저장된 프로그램들을 실행함으로써, 통신부(620) 및 메모리(630) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(610)는 메모리(630)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 5에 기재된 서버(600)의 기능을 수행할 수 있다.
통신부(620)는, 서버(600)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(600)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(620)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(620)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(620)는 프로세서(610)에서 생성된 정보를 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(620)는 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(620)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.
메모리(630)는, 프로세서(610)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(630)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(630)는 프로세서(610)에서 생성된 데이터를 저장할 수 있다. 메모리(630)는 서버(600)로 입력되거나 서버(600)로부터 출력되는 정보를 저장할 수도 있다.
메모리(630)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
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.
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.
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 특허청구범위의 범위에 속한다.

Claims (5)

  1. 뉴럴 네트워크(neural network)를 이용하여 서버가 골프 대회를 운영하는 방법에 있어서,
    골프 대회의 기간에 대한 정보 및 골프 대회의 상금에 대한 정보를 포함하는 대회 개시 메시지를 복수의 사용자 단말에게 전송하는 단계;
    상기 복수의 사용자 단말로부터 대회 참가 메시지를 수신하는 단계;
    상기 대회 참가 메시지는 사용자 정보 및 사용자 단말의 위치 정보를 수집하기 위한 권한을 포함하고,
    상기 사용자 단말의 위치 정보를 수집하기 위한 권한에 기반하여 상기 복수의 사용자 단말 각각의 위치 정보를 수집하는 단계;
    상기 복수의 사용자 단말의 위치 정보에 기반하여, 상기 복수의 사용자 단말 중에서 제1 참가 형태에 해당하는 제1 사용자 단말 및 제2 참가 형태에 해당하는 제2 사용자 단말을 결정하는 단계;
    상기 제1 사용자 단말이 위치한 스크린 골프장에 대한 정보와 상기 제2 사용자 단말이 위치한 골프장의 코스에 대한 정보를 획득하는 단계;
    상기 제1 사용자 단말 및 상기 제2 사용자 단말로부터 라운딩 종료 메시지를 수신하는 단계;
    상기 라운딩 종료 메시지를 수신한 것에 기반하여 상기 제1 사용자 단말에 대한 제1 스코어 정보 및 상기 제2 사용자 단말에 대한 제2 스코어 정보를 획득하는 단계;
    상기 사용자 정보, 상기 제1 스코어 정보 및 상기 스크린 골프장에 대한 정보를 기반으로 제1 뉴럴 네트워크를 이용하는 온라인 스코어 보정 모델을 통해 제1 최종 스코어를 결정하는 단계;
    상기 제2 사용자 단말로부터 상기 라운딩 종료 메시지를 수신한 것에 기반하여 상기 제2 사용자 단말이 위치한 골프장의 날씨 정보가 획득되고,
    상기 사용자 정보, 상기 제2 스코어 정보, 상기 골프장의 코스에 대한 정보 및 상기 골프장의 날씨 정보를 기반으로 제2 뉴럴 네트워크를 이용하는 오프라인 스코어 보정 모델을 통해 제2 최종 스코어를 결정하는 단계;
    상기 제1 최종 스코어 및 상기 제2 최종 스코어를 포함하는 복수의 최종 스코어를 기반으로 복수의 수상자를 결정하는 단계;
    상기 복수의 수상자에 해당하는 사용자 단말에게 수상 메시지를 전송하는 단계를 포함하고,
    상기 스크린 골프장에 대한 정보에 기반하여 상기 서버에 의해 스크린 골프장과 관련된 서버에게 상기 제1 스코어 정보가 요청되고,
    상기 스크린 골프장과 관련된 서버로부터 상기 서버에게 상기 제1 스코어 정보가 수신되고,
    상기 사용자 정보에 대한 정보에 대해 데이터 전처리가 수행됨으로써, 사용자에 대한 식별 값, 사용자의 나이에 대한 값 및 사용자의 성별과 관련된 값을 포함하는 사용자 벡터가 생성되고,
    상기 제1 스코어 정보 및 상기 스크린 골프장에 대한 정보에 대해 데이터 전처리가 수행됨으로써, 제1 스코어 벡터 및 제1 보정 벡터가 생성되고,
    상기 제1 스코어 벡터는 각 홀의 표준 스트로크 수 및 각 홀의 스트로크 수를 포함하고,
    상기 제1 보정 벡터는 가상 코스인지 여부에 대한 값, 각 홀의 난이도와 관련된 값, 필드의 구현도에 대한 값, 스윙 플레이트의 상태에 대한 값 및 센싱과 관련된 값을 포함하고,
    상기 제1 사용자 단말에 대한 사용자 벡터, 상기 제1 스코어 벡터 및 상기 제1 보정 벡터가 상기 온라인 스코어 보정 모델에 입력되는 것에 기반하여 제1 토탈 스트로크 수가 출력되고,
    상기 제1 최종 스코어는 상기 제1 스코어 벡터에 포함된 각 홀의 표준 스트로크 수, 상기 제1 스코어 벡터에 포함된 각 홀의 스트로크 수 및 상기 제1 토탈 스트로크 수를 포함하고,
    상기 온라인 스코어 보정 모델은 복수의 사용자 벡터, 복수의 제1 스코어 벡터, 복수의 제1 보정 벡터 및 복수의 정답 제1 토탈 스트로크 수를 기반으로 학습되는,
    방법.
  2. 삭제
  3. 제 1항에 있어서,
    상기 서버가 상기 제2 사용자 단말로부터 수신한 라운딩 종료 메시지는 상기 제2 사용자 단말에 의해 입력된 스코어 정보를 포함하고,
    상기 제2 사용자 단말의 위치 정보를 기반으로 상기 제2 사용자 단말의 시간 구간별 위치 좌표가 결정되고,
    상기 제2 사용자 단말에 의해 입력된 스코어 정보가 상기 제2 사용자 단말의 시간 구간별 위치 좌표를 기반으로 검증되고,
    상기 스코어 정보가 검증된 것에 기반하여 상기 스코어 정보가 상기 제2 스코어 정보로 획득되고,
    상기 제2 스코어 정보에 대한 데이터 전처리가 수행됨으로써, 각 홀의 표준 스트로크 수 및 각 홀의 스트로크 수를 포함하는 제2 스코어 벡터가 생성되고,
    상기 골프장의 코스에 대한 정보 및 상기 골프장의 날씨 정보에 대해 데이터 전처리가 수행됨으로써, 각 홀의 난이도와 관련된 값, 각 홀에 대한 시간 구간별 풍속에 대한 값, 각 홀에 대한 시간 구간별 온도에 대한 값, 각 홀에 대한 시간 구간별 강수량에 대한 값을 포함하는 제2 보정 벡터가 생성되고,
    상기 제2 사용자 단말에 대한 사용자 벡터, 상기 제2 스코어 벡터 및 상기 제2 보정 벡터가 상기 오프라인 스코어 보정 모델에 입력되는 것에 기반하여 제2 토탈 스트로크 수가 출력되고,
    상기 제2 최종 스코어는 상기 제2 스코어 벡터에 포함된 각 홀의 표준 스트로크 수, 상기 제2 스코어 벡터에 포함된 각 홀의 스트로크 수 및 상기 제2 토탈 스트로크 수를 포함하고,
    상기 오프라인 스코어 보정 모델은 복수의 사용자 벡터, 복수의 제2 스코어 벡터, 복수의 제2 보정 벡터 및 복수의 정답 제2 토탈 스트로크 수를 기반으로 학습되는,
    방법.
  4. 제 3항에 있어서,
    상기 서버에 의해 상기 복수의 최종 스코어 각각에 대한 트랜잭션의 생성이 블록체인 네트워크 서버에게 요청되고,
    상기 블록체인 네트워크 서버는 스마트 계약에 의해 상기 복수의 최종 스코어 각각에 대한 트랜잭션을 상기 골프 대회에 대해 생성하고,
    상기 트랜잭션에 상기 복수의 사용자 단말 각각에 대한 최종 스코어가 기록되고,
    상기 복수의 수상자는, 상기 골프 대회의 기간이 종료된 후, 상기 트랜잭션에 기록된 복수의 최종 스코어를 기반으로 상기 복수의 사용자 단말 중에서 결정되는,
    방법.
  5. 제 3항에 있어서,
    상기 복수의 수상자는 제1 수상 유형의 수상자, 제2 수상 유형의 수상자, 제3 수상 유형의 수상자 및 제4 수상 유형의 수상자를 포함하고,
    상기 제1 수상 유형의 수상자는 최종 스코어를 기반으로 사전 설정된 순위에 따라 결정되고,
    상기 제2 수상 유형의 수상자는 최종 스코어 중에서 특정 조건의 스코어를 만족한 것을 기반으로 결정되고,
    상기 제3 수상 유형의 수상자는 대회 참가 메시지를 전송한 횟수를 기반으로 결정되고,
    상기 제4 수상 유형의 수상자는 랜덤하게 결정되는,
    방법.
KR1020230188746A 2023-12-21 뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치 KR102670133B1 (ko)

Publications (1)

Publication Number Publication Date
KR102670133B1 true KR102670133B1 (ko) 2024-05-29

Family

ID=

Similar Documents

Publication Publication Date Title
CN111905377B (zh) 一种数据处理方法、装置、设备及存储介质
CN112221140A (zh) 虚拟对象的动作确定模型训练方法、装置、设备及介质
KR102375587B1 (ko) 헤어 이미지 추천 및 합성 방법 및 장치
KR102576380B1 (ko) 뉴럴 네트워크를 이용하여 rMQR 코드에 날짜가 중첩되어 표기된 상품을 관리하는 방법 및 시스템
KR102670133B1 (ko) 뉴럴 네트워크를 이용하여 온라인 및 오프라인을 통합하는 골프 대회를 운영하는 방법 및 장치
KR102469076B1 (ko) 뉴럴 네트워크를 이용하여 디지털 파일에 대한 민팅을 위한 블록체인을 결정하는 방법 및 장치
KR102384892B1 (ko) 뉴럴 네트워크를 이용한 기부 컨텐츠 추천 방법 및 장치
KR102482533B1 (ko) 블록체인 기반의 가상 자산 관리 장치 및 방법
KR102546976B1 (ko) 블록체인 기반의 골프장 운영 시스템 및 골프장 운영 방법
KR102633788B1 (ko) 뉴럴 네트워크를 이용하여 댄스 대회를 관리하는 방법 및 시스템
KR20220131499A (ko) 렌탈 마켓 시스템
KR102638246B1 (ko) 다중 신경망을 이용하여 필드레슨을 제공하는 프로 골퍼 매칭 서비스
KR102466836B1 (ko) 뉴럴 네트워크를 이용한 매칭 방법 및 매칭 장치
KR20230172337A (ko) 골프 코칭 방법 및 그 방법을 실행하는 시스템
KR102585090B1 (ko) 뉴럴 네트워크를 이용하여 웹툰과 연동된 게임을 사용자 단말에게 제공하는 방법 및 장치
KR102486525B1 (ko) 뉴럴 네트워크를 이용한 nft 발행 방법 및 장치
KR102596451B1 (ko) 뉴럴 네트워크를 이용하여 상담사 단말과 내담자 단말을 매칭시키는 방법 및 장치
KR102600656B1 (ko) 능동-수동 매칭 알고리즘 기반 농구 플레이어 매칭 서비스 제공 방법
KR102602594B1 (ko) 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치
KR102554242B1 (ko) 뉴럴 네트워크를 이용하여 서버가 이벤트와 관련된 메시지를 단말에게 제공하는 방법 및 장치
KR102653940B1 (ko) 사용자의 수면 상태를 기초로 뉴럴 네트워크를 이용하여 가습 장치를 조정하는 방법 및 시스템
KR102487754B1 (ko) 뉴럴 네트워크를 이용하여 서버가 마케팅 비용에 대한 정보를 단말에게 제공하는 방법 및 장치
KR102636189B1 (ko) 인공지능 영상 분석과 디지털 트윈 정합을 통한 객체 공간성 인지와 발생 이벤트의 공간-시간 맵 가시화 방법 및 장치
KR102579810B1 (ko) 인공지능 기반 가정용 건강 보조 기기 유통 플랫폼 시스템
KR102602130B1 (ko) 뉴럴 네트워크를 이용하여 사용자 단말에게 채색용도안을 제공하는 방법 및 장치