KR102678006B1 - 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램 - Google Patents

사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램 Download PDF

Info

Publication number
KR102678006B1
KR102678006B1 KR1020220159110A KR20220159110A KR102678006B1 KR 102678006 B1 KR102678006 B1 KR 102678006B1 KR 1020220159110 A KR1020220159110 A KR 1020220159110A KR 20220159110 A KR20220159110 A KR 20220159110A KR 102678006 B1 KR102678006 B1 KR 102678006B1
Authority
KR
South Korea
Prior art keywords
information
similarity
user
pet
user terminal
Prior art date
Application number
KR1020220159110A
Other languages
English (en)
Other versions
KR20240094084A (ko
Inventor
오형택
Original Assignee
주식회사 펫온
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 펫온 filed Critical 주식회사 펫온
Priority to KR1020220159110A priority Critical patent/KR102678006B1/ko
Publication of KR20240094084A publication Critical patent/KR20240094084A/ko
Application granted granted Critical
Publication of KR102678006B1 publication Critical patent/KR102678006B1/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G06K9/6223—
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따르면, 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치에 있어서, 적어도 하나의 사용자 단말과 통신하도록 구성된 통신부; 상기 적어도 하나의 사용자 단말로부터, 주변 환경에 관한 상태 정보와, 상기 사용자 및 상기 반려동물에 관한 수집 정보를 수집하도록 구성된 수집부; 상기 수집부에 수집된 상기 상태 정보 및 상기 수집 정보에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도를 산출하도록 구성된 학습부; 및 상기 학습부에 의해 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도에 기초하여, 하나 이상의 반려동물 동반 장소를 추출하도록 구성된 추천부를 포함하는 것을 특징으로 한다.

Description

사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램{APPARATUS, METHOD AND PROGRAM FOR RECOMMENDING PLACE TO BE WITH COMPANION ANIMAL BASED ON ATTRIBUTES OF USER AND COMPANION ANIMAL}
사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램에 관한 것으로, 더욱 상세하게는 사용자로부터 입력 받은 설문을 통해 사용자 및 반려동물의 속성을 입력 받고, 이를 기반으로 반려동물 동반 장소(식당, 카페, 여행지 등)를 추천하기 위한 장치, 방법 및 프로그램에 관한 것이다.
최근 반려동물에 대한 인식이 삶을 함께 살아가는 친구이자 동반자, 가족으로 변화하면서, 동물을 내 인생의 동반자로 인식하는 반려가족이 증가하는 추세이다. 이러한 경향에 따라 '펫코노미' 시장이 등장하였고, 이러한 트렌드에 맞춰 다양한 플랫폼과 반려동물 친화적인 인프라가 점점 구축되고 있지만, 증가하는 반려가족에 비해서는 반려인 맞춤형 플랫폼이나 활성화된 인프라가 여전히 부족한 실정이다.
본 발명의 배경이 되는 기술로는 한국 등록특허공보 제10-2299479호(이하, '종래기술'이라 한다.)가 있다. 이 종래기술은 사용자의 현재 위치 정보 및 반려동물의 상태 정보 등에 기초하여 반려동물의 산책경로를 추천하는 기술에 관한 것이다. 그러나, 이 종래기술은 사용자의 현재 위치 정보 등을 고려하는 것에 그칠 뿐, 사용자의 구체적인 선호도까지 고려하지 않기 때문에, 사용자의 성향에 따른 맞춤형 산책경로는 제공하기 어려울 수 있다.
본 발명은 사용자의 구체적인 선호도를 고려함으로써, 반려인으로서의 사용자의 성향을 고려한 맞춤형 정보를 제공할 수 있다.
본 발명은 사용자 및 반려동물의 속성에 기초하여 반려동물 동반 장소를 추천함으로써, 사용자 및 반려동물에게 시간 및 위치에 따라 필요한 동반 장소 정보를 적재적소에 제공하는 것을 해결 과제로 한다.
한편, 본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다.
상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예에 따르면, 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치에 있어서, 적어도 하나의 사용자 단말과 통신하도록 구성된 통신부; 상기 적어도 하나의 사용자 단말로부터, 주변 환경에 관한 상태 정보와, 상기 사용자 및 상기 반려동물에 관한 수집 정보를 수집하도록 구성된 수집부; 상기 수집부에 수집된 상기 상태 정보 및 상기 수집 정보에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도를 산출하도록 구성된 학습부; 및 상기 학습부에 의해 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도에 기초하여, 하나 이상의 반려동물 동반 장소를 추출하도록 구성된 추천부를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 상태 정보는, 상기 적어도 하나의 사용자 단말로부터 수집된 사용자의 현재 위치 정보, 상기 적어도 하나의 사용자 단말이 접속된 현재 날짜 정보 및 시간 정보, 및 상기 적어도 하나의 사용자 단말이 접속된 지역의 현재 날씨 정보를 포함하고, 상기 수집 정보는, 상기 사용자의 성별, 나이대 및 지역을 포함하는 사용자 정보, 상기 사용자의 관심 지역, 관심사, 기호, 음식 및 취미를 포함하는 사용자 선호도 정보, 상기 반려동물의 견종, 나이, 체력, 짖음 정도, 배변, 사람 친밀도, 케이지 적응도 및 반려동물 친화도를 포함하는 반려동물 정보, 및 상기 반려동물의 야외활동, 활동시간 및 물 친화도를 포함하는 반려동물 선호도 정보를 포함하는 제1 수집 정보와, 상기 사용자의 방문 장소, 방문 일자, 방문 시간, 반려동물의 종류 및 크기를 포함하는 방문 정보, 및 상기 사용자의 만족도, 평가 별점 및 반려동물 장소 적합도를 포함하는 평가 정보를 포함하는 제2 수집 정보를 포함하고, 상기 하나 이상의 반려동물 동반 장소는 식당, 카페, 주점, 숙박, 캠핑, 여행, 병원, 미용, 반려동물 호텔, 반려동물 용품 판매점, 운동장 및 산책 코스를 포함하고, 상기 식당은 한식, 일식, 양식 및 분식을 포함하는 세부 카테고리로 분류되는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 학습부는, 상기 제1 수집 정보에 포함되는 상기 사용자 정보와 상기 사용자 선호도 정보에 기초하여 상기 머신 러닝을 수행함으로써, 상기 사용자 유사도를 산출하고, 상기 제1 수집 정보에 포함되는 상기 반려동물 정보와 상기 반려동물 선호도 정보에 기초하여 상기 머신 러닝을 수행함으로써, 상기 반려동물 유사도를 산출하고, 상기 사용자 유사도와 상기 반려동물 유사도에 기초하여 상기 머신 러닝을 수행함으로써, 상기 사용자 유사도 및 상기 반려동물 유사도 중 적어도 하나가 소정의 값 이상이 되는 클러스터에 대한 상기 평가 정보로서 상기 평가 정보 유사도를 산출하고, 상기 사용자 유사도와 상기 반려동물 유사도에 기초하여 상기 머신 러닝을 수행함으로써, 상기 사용자 유사도 및 상기 반려동물 유사도 중 적어도 하나가 소정의 값 이상이 되는 클러스터에 대한 상기 상태 정보로서 상기 상태 정보 유사도를 산출하도록 구성되고, 상기 머신 러닝은 K-평균 클러스터링(K-means Clustering)에 의한 비지도 학습을 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 추천부는, 상기 수집부에 수집된 상기 상태 정보 및 상기 수집 정보에 대해 상기 머신 러닝을 수행함으로써, 상기 학습부에 의해 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도 중 적어도 하나가 소정의 값 이상이 되는, 상기 현재 위치 정보에 따른 상기 하나 이상의 반려동물 동반 장소를 추출하고, 만약 상기 적어도 하나의 사용자 단말로부터 상기 관심 지역이 별도로 설정되면, 상기 수집부에 수집된 상기 관심 지역에 따른 상기 상태 정보 및 상기 수집 정보에 대해 상기 머신 러닝을 수행함으로써, 상기 학습부에 의해 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도 중 적어도 하나가 소정의 값 이상이 되는, 상기 관심 지역에 따른 하나 이상의 상기 반려동물 동반 장소를 추출하도록 구성되는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 추천부에 의해 추출된 상기 하나 이상의 반려동물 동반 장소에 관한 추천 리스트를 생성하여, 상기 적어도 하나의 사용자 단말에 제공하고, 상기 적어도 하나의 사용자 단말로부터 상기 추천 리스트에 대한 리스트 평가 정보를 수집하고, 상기 제2 수집 정보는 상기 리스트 평가 정보를 더 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 추천 리스트 중에서 하나의 반려동물 동반 장소가 상기 적어도 하나의 사용자 단말에 의해 선택되면, 상기 하나의 반려동물 동반 장소에서 허용되는 반려동물의 크기, 출입 방법 및 허용 공간을 포함하는 안내 정보를 상기 적어도 하나의 사용자 단말에 제공하고, 상기 반려동물의 크기는 소형, 중형, 대형 및 그 전체를 포함하고, 상기 출입 방법은 목줄 착용, 가방 또는 캐리어, 목줄 자유, 테이크 아웃 및 그 전체를 포함하고, 상기 허용 공간은 실내, 실외, 테라스 및 그 전체를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 추천 리스트 중에서 하나의 반려동물 동반 장소가 상기 적어도 하나의 사용자 단말에 의해 선택되면, 상기 적어도 하나의 사용자 단말이 현재 위치한 장소에서 상기 하나의 반려동물 동반 장소에 이르는 경로를 상기 적어도 하나의 사용자 단말을 통해 실시간으로 제공하고, 만약 선택된 상기 하나의 반려동물 동반 장소가 상기 산책 코스라면, 상기 적어도 하나의 사용자 단말이 현재 위치한 장소에서 상기 산책 코스에 이르는 경로 뿐만 아니라 상기 산책 코스의 경로를 상기 적어도 하나의 사용자 단말을 통해 실시간으로 제공하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 적어도 하나의 사용자 단말로부터 캐시를 수집하여, 상기 사용자 정보에 따른 인터넷 검색 기록을 포함하는 빅데이터를 형성하고, 상기 빅데이터로부터, 상기 인터넷 검색 기록에 관련된 하나 이상의 반려동물 동반 장소를 빅데이터 리스트로서 생성하여, 상기 빅데이터 리스트를 상기 적어도 하나의 사용자 단말에 제공하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 적어도 하나의 사용자 단말과 통신 가능한 서버에 의해 수행되는, 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 방법에 있어서, 적어도 하나의 사용자 단말로부터, 주변 환경에 관한 상태 정보와, 상기 사용자 및 상기 반려동물에 관한 수집 정보를 수집하는 단계; 수집된 상기 상태 정보 및 상기 수집 정보에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도를 산출하는 단계; 및 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도에 기초하여, 하나 이상의 반려동물 동반 장소를 추출하는 단계를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상술한 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 방법을 전자 장치 상에서 실행시키기 위해 기록매체에 저장된 컴퓨터 프로그램인 것을 특징으로 한다.
상기와 같은 본 발명에 따르면 아래에 기재된 효과를 얻을 수 있다. 다만, 본 발명을 통해 얻을 수 있는 효과는 이에 제한되지 않는다.
본 발명에 따르면, 머신 러닝(Machine Learning) 기법에 의해 사용자 정보 및 사용자 선호도에 따른 사용자 유사도와 반려동물 정보 및 반려동물 선호도에 따른 반려동물 유사도를 산출함으로써, 사용자 및 반려동물 모두가 동일 또는 유사한 기본 정보나 성향을 갖는 군집을 형성할 수 있다.
이에 더해, 머신 러닝 기법에 의해 사용자 유사도 및 반려동물 유사도에 기초하여 평가 정보 유사도 및 상태 정보 유사도를 추가적으로 산출함으로써, 사용자 및 반려동물 모두가 동일 또는 유사한 기본 정보나 성향을 갖는 군집이 어떠한 상태(예를 들어, 가을, 오후 2시, 서울 등)에서 어떠한 장소(예를 들어, 카페, 산책 코스 등)를 선호하는지에 관한 구체적인 맞춤형 동반 장소 정보를 제공할 수 있다.
본 발명에서 이루고자 하는 기술적 과제들은 상기 기술적 과제로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 일 실시예에 따른 수집부를 설명하기 위한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 학습부를 설명하기 위한 개념도이다.
도 5는 본 발명의 일 실시예에 따른 추천부를 설명하기 위한 개념도이다.
도 6은 본 발명의 일 실시예에 따른 프로그램 화면의 예시도이다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 '사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램'을 상세하게 설명한다. 설명하는 실시예들은 본 발명의 기술 사상을 통상의 기술자가 용이하게 이해할 수 있도록 제공되는 것으로 이에 의해 본 발명이 한정되지 않는다. 또한, 첨부된 도면에 표현된 사항들은 본 발명의 실시예들을 쉽게 설명하기 위한 도식화된 도면으로 실제로 구현되는 형태와 상이할 수 있다.
한편, 이하에서 표현되는 각 구성부는 본 발명을 구현하기 위한 예일 뿐이다. 따라서, 본 발명의 다른 구현에서는 본 발명의 사상 및 범위를 벗어나지 않는 범위에서 다른 구성부가 사용될 수 있다.
또한, 어떤 구성요소들을 '포함'한다는 표현은, 개방형의 표현으로서 해당 구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안 된다.
또한, 본 교시들이 다양한 실시예들과 관련하여 기술되지만, 본 교시들이 그러한 실시예들로 한정되도록 의도되지 않는다. 오히려, 본 기술분야의 통상의 기술자들에 의해 이해되는 바와 같이, 본 교시들은 다양한 대안들, 수정들, 및 동등물들을 포함한다.
또한, '사용자 단말' 및 '전자 장치'는, 스마트폰, 웨어러블 디바이스(예컨대, 스마트 안경, 시계 등), IoT 단말기, 개인 휴대 단말기(PDA), 태블릿 PC, 랩탑 컴퓨터 또는 서버와 통신할 수 있는 임의의 장치일 수 있다.
또한, '서버'는 일반적인 컴퓨팅 장치(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치, 라우터, 스위치 등과 같은 전자 통신 장치, 네트워크 부착 스토리지(NAS) 및 스토리지 영역 네트워크(SAN)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령들)의 조합을 이용하여 원하는 시스템 성능 및 기능을 달성하는 것일 수 있다.
또한, '프로세서'는 MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.
또한, '매체'는, 컴퓨터 판독가능 저장 매체를 포함한다. 저장 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 이용가능한 매체일 수 있다. 예를 들어, 그와 같은 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 저장장치, 자기 디스크 저장장치 또는 다른 자기 저장 디바이스들, 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있지만, 이들로 제한되는 것은 아니다.
또한, '프로그램'은 상술한 매체에 저장되는 것으로서, 애플리케이션, 소프트웨어를 포함하는 컴퓨터 프로그램일 수 있다.
도 1은 본 발명의 일 실시예에 따른 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램을 설명하기 위한 개념도이다.
본 발명의 일 실시예에 따르면, 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치(예를 들어, 서버)(100) 및 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)이 제공될 수 있고, 장치(100) 및 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)은 서로 통신 가능하다. 또한, 장치(100)는 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)을 제어하도록 구성된 프로세서와, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)과 통신하도록 구성된 통신부(110)를 포함할 수 있다. 여기서, 프로세서가 수집부(120), 학습부(130), 추천부(140)의 기능을 수행할 수 있고, 이하에서는 설명의 용이함을 위해 프로세서의 사용을 전제로 하여 수집부(120), 학습부(130) 및 추천부(140)의 기능을 각각 설명한다. 또한, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)은, 예를 들어 스마트폰 또는 태블릿 PC로 구성되고, 사용자(예를 들어, 반려인)에 의해 애플리케이션 기반의 프로그램으로 수행될 수 있다. 여기서, 장치(100)는, 통신부(120)에 의해 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)과 통신함으로써, 수집부(120), 학습부(130) 및 추천부(140)로 하여금 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 데이터를 수집하고, 학습하며, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에게 가공된 데이터 및 컨텐츠를 제공할 수 있다. 그 구체적인 방법은 아래에 설명하는 바와 같다.
도 2는 본 발명의 일 실시예에 따른 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 방법을 설명하기 위한 순서도이다.
도 2에 설명된 상태 정보 및 수집 정보를 수집하는 단계(S1), 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도를 산출하는 단계(S2), 및 반려동물 동반 장소를 추출하는 단계(S3)는 이하의 도 3 내지 5에서 설명할 수집부(120), 학습부(130) 및 추천부(140)에 의해 각각 수행될 수 있다. 각각의 내용을 이하에서 구체적으로 설명한다.
도 3은 본 발명의 일 실시예에 따른 수집부를 설명하기 위한 개념도이다.
본 발명의 일 실시예에 따르면, 수집부(120)는 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터, 주변 환경에 관한 상태 정보와, 사용자 및 반려동물에 관한 수집 정보를 수집하도록 구성될 수 있다. 이와 같이 수집부(120)에 의해 수집된 정보는 장치(100) 내부 또는 외부의 데이터베이스(도시하지 않음)에 저장될 수 있다. 구체적으로, 상태 정보는, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 수집된 사용자의 현재 위치 정보, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)이 접속된 현재 날짜 정보 및 시간 정보, 및 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)이 접속된 지역의 현재 날씨 정보 등을 포함할 수 있다. 또한, 수집 정보는, 사용자의 성별, 나이대 및 지역 등을 포함하는 사용자 정보, 사용자의 관심 지역, 관심사, 기호, 음식 및 취미 등을 포함하는 사용자 선호도 정보, 반려동물의 견종, 나이, 체력, 짖음 정도, 배변, 사람 친밀도, 케이지 적응도, 반려동물 친화도 등을 포함하는 반려동물 정보, 및 상기 반려동물의 야외활동, 활동시간 및 물 친화도 등을 포함하는 반려동물 선호도 정보를 포함하는 제1 수집 정보와, 사용자의 방문 장소, 방문 일자, 방문 시간, 반려동물의 종류 및 크기 등을 포함하는 방문 정보, 및 사용자의 만족도, 평가 별점 및 반려동물 장소 적합도 등을 포함하는 평가 정보를 포함하는 제2 수집 정보를 포함할 수 있다. 다만, 수집부(120)에 의해 수집되는 정보들은 여기에서 설명되는 항목에 한정되지 않고, 본 발명이 해결하고자 하는 과제에 따라 적절히 수정, 추가될 수 있다.
예를 들어, 제1 수집 정보의 사용자 정보는 차량 보유 여부를 추가로 포함할 수 있다. 또한, 예를 들어, 제1 수집 정보의 반려동물 정보 및 반려동물 선호도 정보에 있어서, 반려동물의 '크기'는 0~4.9kg, 5.0~9.9kg, 10~19.9kg, 20~24.9kg, 25kg 이상 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 또한, 반려동물의 산책 및 외부활동에 대한 '체력'은 매우약함, 30분내외, 30분~1시간, 1시간~2시간, 매우강함 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 또한, 반려동물이 물놀이를 좋아하는 정도의 '물 친화도'는 매우싫어함, 싫어하지만 수영가능, 보통, 좋아함, 매우좋아함 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 또한, 반려동물의 '배변' 실력은 제어불가, 실수잦음, 약간의 실수, 실수 거의없음, 완벽 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 또한, 반려동물에 대해 케이지나 이동가방을 이용할 때에 그 적응도를 나타내는 '케이지적응도'는 적응불가, 짧은시간, 보호자옆에상주가능, 보호자없이 짧은시간, 혼자 잘있음 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 또한, 반려동물의 타인에 대한 반응도를 나타내는 '사람 친밀도'는 무서워함, 낯가림, 무관심, 좋아함, 너무좋아함 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 또한, 반려동물의 '짖음 정도'는 통제불가, 또는 매우 소리가 큼, 잘 짖음, 가끔 짖으나 통제가능, 가끔 짖고 소리작음, 거의짖지않음 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 또한, 반려동물의 낯선 반려동물에 대한 반응도를 나타내는 '반려동물 친화도'는 무서워함, 낯가림, 무관심, 좋아함, 너무좋아함 등으로 구분하고, 그에 따라 데이터 값을 구분시킬 수 있다. 이러한 반려동물 정보는 후술하는 도 6에서와 같이 도표화하여 사용자에게 제공함으로써 반려동물의 성향, 선호도 등을 한 눈에 확인하게 할 수 있다.
도 4는 본 발명의 일 실시예에 따른 학습부를 설명하기 위한 개념도이다.
학습부(130)는 수집부(120)에 수집된 상태 정보 및 수집 정보에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도를 산출하도록 구성될 수 있다. 구체적으로, 학습부(130)는, 제1 수집 정보에 포함되는 사용자 정보와 사용자 선호도 정보에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도를 산출하고, 제1 수집 정보에 포함되는 반려동물 정보와 반려동물 선호도 정보에 기초하여 머신 러닝을 수행함으로써, 반려동물 유사도를 산출하고, 사용자 유사도와 반려동물 유사도에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도 및 반려동물 유사도 중 적어도 하나가 소정의 값 이상이 되는 클러스터에 대한 평가 정보로서 평가 정보 유사도를 산출하고, 사용자 유사도와 반려동물 유사도에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도 및 반려동물 유사도 중 적어도 하나가 소정의 값 이상이 되는 클러스터에 대한 상태 정보로서 상태 정보 유사도를 산출하도록 구성될 수 있다. 상술한 머신 러닝은 K-평균 클러스터링(K-means Clustering)에 의한 비지도 학습(Unsupervised Learning)을 포함할 수 있다. 이는 답이 없는 데이터를 군집화(클러스터화)하여 새로운 데이터에 대한 결과를 예측하는 방법을 일컫는다. 다만, 머신 러닝의 기법은 상술한 K-평균 클러스터링 기법에 한정되지 않고, 본 발명이 해결하고자 하는 과제에 따라 적절히 변형될 수 있다.
예를 들어, 사용자 유사도를 산출하는 경우에 있어서, 사용자 정보와 사용자 선호도 정보를 두 개의 변수(파라미터)로 설정하고, K-평균 클러스터링에 의한 비지도 학습을 수행하면, 임의로 주어진 데이터를 K개의 클러스터로 묶는 알고리즘, 즉 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 각 클러스터를 묶을 수 있다. 이에 의해, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 수집된 사용자 정보와 사용자 선호도 정보에 대해, 사용자 정보와 사용자 선호도 정보가 동일 또는 유사한 그룹끼리 클러스터를 형성함으로써, 사용자 유사도를 산출할 수 있다. 마찬가지로, 반려동물 유사도를 산출하는 경우에 있어서도, 반려동물 정보와 반려동물 선호도 정보를 두 개의 변수로 설정하고, K-평균 클러스터링에 의한 비지도 학습을 수행함으로써, 반려동물 정보와 반려동물 선호도 정보가 동일 또는 유사한 그룹끼리 클러스터를 형성함으로써, 반려동물 유사도를 산출할 수 있다.
또한, 위와 같이 산출된 사용자 유사도와 반려동물 유사도를 두 개의 변수로 설정하고, K-평균 클러스터링에 의한 비지도 학습을 수행함으로써, 사용자 유사도와 반려동물 유사도가 동일 또는 유사한 그룹끼리 클러스터를 형성할 수 있다. 또한, 사용자 유사도 및 반려동물 유사도 중 적어도 하나가 소정의 값 이상이 되는 클러스터, 예를 들어 사용자 유사도 및 반려동물 유사도를 각각 수치화하였을 때, 그 제곱의 합이 가장 높은 클러스터를 추출할 수 있다. 이 클러스터에 속한 사용자 및 반려동물의 동반 장소에 대한 평가 정보는, 서로 동일 또는 유사한 정보 및 선호도를 가진 사용자 및 반려동물이 평가한 정보일 수 있다. 따라서, 수집부(120)에 수집된 새로운 상태 정보 및 수집 정보에 대해 머신 러닝을 수행하면, 새로운 상태 정보 및 수집 정보를 갖는 사용자 및 반려동물에 대해 그와 동일 또는 유사한 정보 및 선호도를 갖는 클러스터의 사용자 및 반려동물이, 예를 들어 어떠한 동반 장소를 많이 방문하였고, 어떠한 동반 장소에서 만족도가 높았는지에 관한 평가 정보를 수치화할 수 있다. 이렇게 수치화된 평가 정보에 기초하여 평가 정보 유사도를 산출할 수 있다. 또한, 상태 정보 유사도도 위와 마찬가지의 방법으로 산출할 수 있다. 이와 같이, 사용자 유사도 및 반려동물 유사도를 먼저 산출한 후에 평가 정보 유사도 및 상태 정보 유사도를 산출하는 2단계의 머신 러닝 기법을 통해, 특정 사용자 및 반려동물에게 상태별 맞춤형 장소 정보를 보다 정밀하게 추출하여 제공할 수 있다. 다시 말해, 특정 사용자 및 반려동물에 대해 그와 동일 또는 유사한 정보 및 선호도를 갖는 클러스터의 사용자 및 반려동물이, 예를 들어 어떠한 상태(예를 들어, 계절, 날씨, 시간, 장소 등)에서, 어떠한 동반 장소를 많이 방문하였고, 어떠한 동반 장소에서 만족도가 높았는지에 관한 정보를 추출하여 제공할 수 있다.
도 5는 본 발명의 일 실시예에 따른 추천부를 설명하기 위한 개념도이다.
추천부(140)는 학습부(130)에 의해 산출된 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도에 기초하여, 하나 이상의 반려동물 동반 장소를 추출하도록 구성될 수 있다. 구체적으로, 추천부(140)는 수집부(120)에 수집된 상태 정보 및 수집 정보(예를 들어, 상태 정보 및 수집 정보에 대해 새로 입력된 데이터)에 대해 머신 러닝을 수행함으로써, 학습부(130)에 의해 산출된 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도 중 적어도 하나가 소정의 값 이상이 되는, 현재 위치 정보에 따른 하나 이상의 반려동물 동반 장소를 추출할 수 있다. 예를 들어, 상술한 바와 같은 2단계의 머신 러닝 기법에 의하면, 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도가 모두 높은 클러스터와, 해당 클러스터에 관한 정보를 추출할 수 있으므로, 이에 기초하여, 하나 이상의 반려동물 동반 장소를 추출할 수 있다. 여기서, 하나 이상의 반려동물 동반 장소는 식당, 카페, 주점, 숙박, 캠핑, 여행, 병원, 미용, 반려동물 호텔, 반려동물 용품 판매점, 운동장 및 산책 코스를 포함하고, 식당은 한식, 일식, 양식 및 분식을 포함하는 세부 카테고리로 분류될 수 있다. 다만, 이러한 하나 이상의 반려동물 동반 장소는 여기에서 설명되는 항목이나 분류에 한정되지 않고, 본 발명이 해결하고자 하는 과제에 따라 적절히, 수정, 추가될 수 있다.
또한, 만약 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 관심 지역이 별도로 설정되면, 추천부(140)는 수집부(120)에 수집된 관심 지역에 따른 상태 정보 및 수집 정보에 대해 머신 러닝을 수행함으로써, 상술한 바와 마찬가지로, 학습부(130)에 의해 산출된 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도 중 적어도 하나가 소정의 값 이상이 되는, 관심 지역에 따른 하나 이상의 상기 반려동물 동반 장소를 추출하도록 구성될 수 있다. 여기서, 관심 지역은, 본 발명의 일 실시예에 따른 프로그램 화면에서 직접 텍스트로 입력하는 방식으로 설정할 수도 있고, 프로그램 중 지도가 도시되는 화면에서 드래그나 터치 등의 방법으로 화면 상의 지도를 이동시키는 방법으로 설정할 수도 있다.
또한, 본 발명의 일 실시예에 따르면, 추천부(140)에 의해 추출된 하나 이상의 반려동물 동반 장소에 관한 추천 리스트를 생성하여, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 제공하고, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 추천 리스트에 대한 리스트 평가 정보를 수집하고, 제2 수집 정보는 리스트 평가 정보를 더 포함할 수 있다. 다시 말해서, 추천부(140)에 의해 추출된 하나 이상의 반려동물 동반 장소에 대해 리스트 별로 관리할 수 있다. 예를 들어, 특정 추천 리스트에 대한 사용자 및 반려동물의 만족도가 높으면, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 해당 추천 리스트에 대한 평점을 입력받도록 하여, 해당 정보를 제2 수집 정보에 포함시킴으로써 머신 러닝의 모델을 보완시킬 수 있다. 또한, 해당 추천 리스트를 '좋아요' 등으로 마킹하여 아카이브(archive)에 보관 및 관리하게 할 수도 있다.
또한, 본 발명의 일 실시예에 따르면, 상술한 추천 리스트 중에서 하나의 반려동물 동반 장소가 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 의해 선택되면, 하나의 반려동물 동반 장소에서 허용되는 반려동물의 크기, 출입 방법 및 허용 공간을 포함하는 안내 정보를 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 제공할 수 있다. 여기서, 반려동물의 크기는 소형, 중형, 대형 및 그 전체를 포함하고, 출입 방법은 목줄 착용, 가방 또는 캐리어, 목줄 자유, 테이크 아웃 및 그 전체를 포함하고, 허용 공간은 실내, 실외, 테라스 및 그 전체를 포함할 수 있다. 또한, 해당 안내 정보는, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에서 하나의 반려동물 동반 장소를 선택하였을 때, 해당 장소를 설명하는 항목을 통해 제공할 수도 있고, 또는 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)이 선택된 하나의 반려동물 동반 장소를 향해 이동함에 따라 소정의 거리(예를 들어, 1km) 이내에 접근하였을 때, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 팝업창 형식으로 제공할 수도 있다. 다만, 반려동물 동반 장소의 안내 정보를 제공하는 방식은 여기에서 설명되는 방식에 한정되지 않고, 본 발명이 해결하고자 하는 과제에 따라 적절히 수정, 추가될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 상술한 추천 리스트 중에서 하나의 반려동물 동반 장소가 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 의해 선택되면, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)이 현재 위치한 장소에서 하나의 반려동물 동반 장소에 이르는 경로를 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)을 통해 실시간으로 제공할 수 있다. 이는, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 내장된 GPS를 활용함으로써, 네이게이션 앱과 연동하여 경로를 제공할 수도 있고, 본 발명의 일 실시예에 따른 프로그램 상에서 경로를 제공할 수도 있다. 만약 선택된 하나의 반려동물 동반 장소가 상기 산책 코스라면, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)이 현재 위치한 장소에서 산책 코스에 이르는 경로 뿐만 아니라 산책 코스의 경로를 적어도 하나의 사용자 단말을 통해 실시간으로 제공할 수 있다. 다만, 경로 정보를 제공하는 방식은 여기에서 설명되는 방식에 한정되지 않고, 본 발명이 해결하고자 하는 과제에 따라 적절히 수정, 추가될 수 있다.
또한, 본 발명의 일 실시예에 따르면, 장치(100)가 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 캐시를 수집하여, 사용자 정보에 따른 인터넷 검색 기록을 포함하는 빅데이터를 형성하고, 빅데이터로부터, 인터넷 검색 기록에 관련된 하나 이상의 반려동물 동반 장소를 빅데이터 리스트로서 생성하여, 이러한 빅데이터 리스트를 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 제공할 수 있다. 이 때, 캐시를 수집하는 사용자 단말은 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 한정되지 않고, 다른 사용자 단말도 포함할 수 있다. 이로써, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 수집된 상태 정보 및 수집 정보와 구별되더라도, 사용자의 인터넷 검색 기록을 통해 사용자의 최근 관심 분야, 또는 다른 사용자의 최근 관심 분야 등에 관련된 정보를 별도로 제공할 수 있다. 다만, 빅데이터 리스트를 제공하는 방식은 여기에서 설명되는 방식에 한정되지 않고, 본 발명이 해결하고자 하는 과제에 따라 적절히 수정, 추가될 수 있다.
도 6은 본 발명의 일 실시예에 따른 프로그램 화면의 예시도이다.
본 발명의 일 실시예에 따르면, 도 6에 도시된 바와 같이, 반려동물 정보를 도표화하여 사용자에게 제공함으로써, 반려동물의 성향, 선호도 등을 한 눈에 확인하게 할 수 있다. 또한, 학습부(130)에 의해 산출된 사용자 유사도, 반려동물 유사도, 평가 정보 유사도, 상태 정보 유사도 중 적어도 하나가 동일 또는 유사한 사용자 및 반려동물에 관한 정보를 추출하여 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 제공할 수 있다. 이 때, 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)로부터 사용자 유사도, 반려동물 유사도, 평가 정보 유사도, 상태 정보 유사도의 우선순위를 입력 받고, 이에 따라 필터링된 정보를 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)에 제공할 수 있다. 이와 같이 정보를 제공 받은 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...)과, 해당 정보의 적어도 하나의 사용자 단말(200-1, 200-2, 200-3, ...) 간에 메시지, 채팅 등으로 커뮤니케이션을 가능하도록 하여 서로 매칭되게 할 수 있다. 이로써, 사용자는, 예를 들어 본인과 가까운 지역에 있는 사용자 중 반려동물의 선호도가 비슷한 사용자와 카페를 함께 가서 반려동물에 필요한 정보를 공유하거나, 산책 등을 함께 할 수 있다.
상술한 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 방법은 전자 장치 상에서 실행시키기 위해 매체에 저장된 컴퓨터 프로그램(예를 들어, 애플리케이션, 웹 페이지, 컴퓨터 소프트웨어 등)이 적어도 하나의 사용자 단말(예를 들어, 스마트폰, 태블릿 PC, 컴퓨터, 노트북 등)(200-1, 200-2, 200-3, ...)에 설치됨으로써 그 기능이 수행될 수 있다.
위에서 설명된 본 발명의 실시 예들은 예시의 목적을 위해 개시된 것이며, 이들에 의하여 본 발명이 한정되는 것은 아니다. 또한, 본 발명에 대한 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 사상과 범위 안에서 다양한 수정 및 변경을 가할 수 있을 것이며, 이러한 수정 및 변경은 본 발명의 범위에 속하는 것으로 보아야 할 것이다.
100: 장치
110: 통신부
120: 수집부
130: 학습부
140: 추천부
200-1: 사용자 단말
200-2: 사용자 단말
200-3: 사용자 단말

Claims (10)

  1. 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치에 있어서,
    적어도 하나의 사용자 단말과 통신하도록 구성된 통신부;
    상기 적어도 하나의 사용자 단말로부터, 주변 환경에 관한 상태 정보와, 상기 사용자 및 상기 반려동물에 관한 수집 정보를 수집하도록 구성된 수집부;
    상기 수집부에 수집된 상기 상태 정보 및 상기 수집 정보에 기초하여 머신 러닝을 수행함으로써, 사용자 유사도, 반려동물 유사도, 평가 정보 유사도 및 상태 정보 유사도를 산출하도록 구성된 학습부; 및
    상기 학습부에 의해 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도에 기초하여, 하나 이상의 반려동물 동반 장소를 추출하도록 구성된 추천부를 포함하는 것으로서,

    상기 상태 정보는,
    상기 적어도 하나의 사용자 단말로부터 수집된 사용자의 현재 위치 정보, 상기 적어도 하나의 사용자 단말이 접속된 현재 날짜 정보 및 시간 정보, 및 상기 적어도 하나의 사용자 단말이 접속된 지역의 현재 날씨 정보를 포함하고,

    상기 수집 정보는,
    상기 사용자의 성별, 나이대 및 지역을 포함하는 사용자 정보, 상기 사용자의 관심 지역, 관심사, 기호, 음식 및 취미를 포함하는 사용자 선호도 정보, 상기 반려동물의 견종, 나이, 체력, 짖음 정도, 배변, 사람 친밀도, 케이지 적응도 및 반려동물 친화도를 포함하는 반려동물 정보, 및 상기 반려동물의 야외활동, 활동시간 및 물 친화도를 포함하는 반려동물 선호도 정보, 차량 보유 여부를 포함하는 제1 수집 정보; 및
    상기 사용자의 방문 장소, 방문 일자, 방문 시간, 반려동물의 종류 및 크기를 포함하는 방문 정보, 및 상기 사용자의 만족도, 평가 별점 및 반려동물 장소 적합도를 포함하는 평가 정보를 포함하는 제2 수집 정보를 포함하는 것으로,

    상기 제1 수집 정보의 반려동물 정보에는 반려동물의 크기로 ~4.9kg, 5.0~9.9kg, 10~19.9kg, 20~24.9kg, 25kg 이상으로 구분되고, 상기 반려동물의 체력은 매우 약함, 30분 내외, 30분~1시간, 1시간~2시간, 매우 강함으로 구분되고, 물 친화도는 매우 싫어함, 싫어하지만 수영 가능, 보통, 좋아함, 매우 좋아함으로 구분되고, 배변은 제어 불가, 실수 잦음, 약간의 실수, 실수 거의 없음, 완벽으로 구분되며, 케이지적응도는 적응 불가, 짧은 시간, 보호자 옆 상주 가능, 보호자 없이 짧은 시간, 혼자 잘 있음으로 구분되고, 사람 친밀도는 무서워함, 낯가림, 무관심, 좋아함, 너무 좋아함으로 구분되고, 짖음 정도는 통제 불가, 매우 소리가 큼, 잘 짖음, 가끔 짖으나 통제 가능, 가끔 짖고 소리 작음, 거의 짖지 않음으로 구분되고, 반려동물 친화도는 무서워함, 낯가림, 무관심, 좋아함, 너무 좋아함으로 구분될 수 있으며,
    상기 크기, 체력, 짖음, 배변 물 친화도, 반려견 친화도, 케이지 적응도, 사람 친화도는 도표화되어 제공되는 것이며,
    상기 하나 이상의 반려동물 동반 장소는 식당, 카페, 주점, 숙박, 캠핑, 여행, 병원, 미용, 반려동물 호텔, 반려동물 용품 판매점, 운동장 및 산책 코스를 포함하고, 상기 식당은 한식, 일식, 양식 및 분식을 포함하는 세부 카테고리로 분류되는 것이고,

    상기 학습부는,
    상기 제1 수집 정보에 포함되는 상기 사용자 정보와 상기 사용자 선호도 정보에 기초하여 상기 머신 러닝을 수행함으로써, 상기 사용자 유사도를 산출하고,
    상기 제1 수집 정보에 포함되는 상기 반려동물 정보와 상기 반려동물 선호도 정보에 기초하여 상기 머신 러닝을 수행함으로써, 상기 반려동물 유사도를 산출하며,
    상기 사용자 유사도와 상기 반려동물 유사도에 기초하여 상기 머신 러닝을 수행함으로써, 상기 사용자 유사도 및 상기 반려동물 유사도 중 적어도 하나가 소정의 값 이상이 되는 클러스터에 대한 상기 평가 정보로서 상기 평가 정보 유사도를 산출하며,
    상기 사용자 유사도와 상기 반려동물 유사도에 기초하여 상기 머신 러닝을 수행함으로써, 상기 사용자 유사도 및 상기 반려동물 유사도 중 적어도 하나가 소정의 값 이상이 되는 클러스터에 대한 상기 상태 정보로서 상기 상태 정보 유사도를 산출하며,
    상기 머신 러닝은 K-평균 클러스터링(K-means Clustering)에 의한 비지도 학습을 포함하는 것이며,

    상기 추천부는,
    상기 수집부에 수집된 상기 상태 정보 및 상기 수집 정보에 대해 상기 머신 러닝을 수행함으로써, 상기 학습부에 의해 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도 중 적어도 하나가 소정의 값 이상이 되는, 상기 현재 위치 정보에 따른 상기 하나 이상의 반려동물 동반 장소를 추출하고,
    만약 상기 적어도 하나의 사용자 단말로부터 상기 관심 지역이 별도로 설정되면, 상기 수집부에 수집된 상기 관심 지역에 따른 상기 상태 정보 및 상기 수집 정보에 대해 상기 머신 러닝을 수행함으로써, 상기 학습부에 의해 산출된 상기 사용자 유사도, 상기 반려동물 유사도, 상기 평가 정보 유사도 및 상기 상태 정보 유사도 중 적어도 하나가 소정의 값 이상이 되는, 상기 관심 지역에 따른 하나 이상의 상기 반려동물 동반 장소를 추출하도록 구성되고,

    상기 추천부에 의해 추출된 상기 하나 이상의 반려동물 동반 장소에 관한 추천 리스트를 생성하여, 상기 적어도 하나의 사용자 단말에 제공하고,
    상기 적어도 하나의 사용자 단말로부터 상기 추천 리스트에 대한 리스트 평가 정보를 수집하며,
    상기 제2 수집 정보는 상기 리스트 평가 정보를 포함하도록 하며,
    상기 추천 리스트가 제공된 사용자 단말로부터 좋아요로 마킹된 것은 아카이브에 보관 및 관리되는 것이고,

    상기 추천 리스트 중에서 하나의 반려동물 동반 장소가 상기 적어도 하나의 사용자 단말에 의해 선택되면, 상기 하나의 반려동물 동반 장소에서 허용되는 반려동물의 크기, 출입 방법 및 허용 공간을 포함하는 안내 정보를 상기 적어도 하나의 사용자 단말에 제공하고,
    상기 반려동물의 크기는 소형, 중형, 대형 및 그 전체를 포함하며,
    상기 출입 방법은 목줄 착용, 가방 또는 캐리어, 목줄 자유, 테이크 아웃 및 그 전체를 포함하며,
    상기 허용 공간은 실내, 실외, 테라스 및 그 전체를 포함하며,
    상기 안내 정보는 적어도 사용자 단말에서 하나의 반려동물 동반 장소를 선택하였을 때, 상기 사용자 단말에 대하여 해당 장소를 설명하는 항목을 통해 제공되거나, 상기 반려동물 동반 장소를 향해 이동함에 따라 소정의 거리 이내에 접근하였을 때 팝업창 형식으로 제공될 수 있는 것이며,

    상기 추천 리스트 중에서 하나의 반려동물 동반 장소가 상기 적어도 하나의 사용자 단말에 의해 선택되면, 상기 적어도 하나의 사용자 단말이 현재 위치한 장소에서 상기 하나의 반려동물 동반 장소에 이르는 경로를 상기 적어도 하나의 사용자 단말을 통해 실시간으로 제공하고,
    만약 선택된 상기 하나의 반려동물 동반 장소가 상기 산책 코스라면, 상기 적어도 하나의 사용자 단말이 현재 위치한 장소에서 상기 산책 코스에 이르는 경로 및 상기 산책 코스의 경로를 상기 적어도 하나의 사용자 단말을 통해 실시간으로 제공하며,
    상기 적어도 하나의 사용자 단말로부터 캐시를 수집하여, 상기 사용자 정보에 따른 인터넷 검색 기록을 포함하는 빅데이터를 형성하고,
    상기 빅데이터로부터, 상기 인터넷 검색 기록에 관련된 하나 이상의 반려동물 동반 장소를 빅데이터 리스트로서 생성하여, 상기 빅데이터 리스트를 상기 적어도 하나의 사용자 단말에 제공하며,

    상기 학습부에 의해 산출된 사용자 유사도, 반려 동물 유사도, 평가 정보 유사도, 상태 정보 유사도 중 적어도 하나가 동일 또는 유사한 사용자 및 반려동물에 관한 정보를 추출하여 적어도 하나의 사용자 단말에 제공되며, 적어도 하나의 사용자 단말로부터 사용자 유사도, 반려동물 유사도, 평가 정보 유사도, 상태 정보 유사도의 우선순위가 입력되면, 우선순위에 따라 필터링된 정보를 적어도 하나의 사용자 단말에 제공하며,
    사용자 단말 간에 메시지 또는 채팅을 포함하는 커뮤니케이션을 수행할 수 있도록 매칭되게 하는 것을 특징으로 하는,
    사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
KR1020220159110A 2022-11-24 2022-11-24 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램 KR102678006B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220159110A KR102678006B1 (ko) 2022-11-24 2022-11-24 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220159110A KR102678006B1 (ko) 2022-11-24 2022-11-24 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램

Publications (2)

Publication Number Publication Date
KR20240094084A KR20240094084A (ko) 2024-06-25
KR102678006B1 true KR102678006B1 (ko) 2024-06-27

Family

ID=91711294

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220159110A KR102678006B1 (ko) 2022-11-24 2022-11-24 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램

Country Status (1)

Country Link
KR (1) KR102678006B1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628108B1 (ko) * 2014-09-05 2016-06-21 동국대학교 산학협력단 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법
KR20170090296A (ko) * 2016-01-28 2017-08-07 김세원 애완동물 산책 관리 시스템 및 애플리케이션
KR20190047867A (ko) * 2017-10-30 2019-05-09 이재석 빅데이터를 이용한 사용자 맞춤형 숙소추천장치 및 방법
KR102299479B1 (ko) * 2019-12-18 2021-09-06 건국대학교 글로컬산학협력단 반려동물 산책경로 추천 서비스 제공 장치 및 시스템
KR102520829B1 (ko) * 2020-08-14 2023-04-11 건국대학교 글로컬산학협력단 반려동물 숙소 및 자동차 예약 추천 서비스 제공 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
네이버 블로그, "[커넥트몽 앱 출시]-강아지 동반 외출&여행 필수 앱"(2022.03.07.), 인터넷 <https://blog.naver.com/connectmong0503/222666248814>*

Also Published As

Publication number Publication date
KR20240094084A (ko) 2024-06-25

Similar Documents

Publication Publication Date Title
US20200401918A1 (en) Interestingness recommendations in a computing advice facility
US11263543B2 (en) Node bootstrapping in a social graph
CA2823693C (en) Geographically localized recommendations in a computing advice facility
Banerjee et al. Analyzing collective behavior from blogs using swarm intelligence
US8484142B2 (en) Integrating an internet preference learning facility into third parties
CA2767688C (en) Internet preference learning facility
US20120197986A1 (en) User-customizable social grouping techniques
Christoforidis et al. Recommendation of points-of-interest using graph embeddings
WO2013010024A1 (en) Recommendations in a computing advice facility
KR102020551B1 (ko) 모바일 컨텍스트 정보 기반의 음식점 추천방법 및 그를 위한 장치
KR102299479B1 (ko) 반려동물 산책경로 추천 서비스 제공 장치 및 시스템
JP6947191B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2013093015A (ja) 情報推薦方法、装置及びプログラム
CN111095240A (zh) 信息处理设备、信息处理方法和程序
KR102350594B1 (ko) 유전자 검사 결과 기반 개인성향 유전자 마커를 이용한 라이프 스타일 추천 서비스 제공 방법
KR102678006B1 (ko) 사용자 및 반려동물의 속성을 기반으로 한 반려동물 동반 장소를 추천하기 위한 장치, 방법 및 프로그램
Zhao et al. Point-of-Interest Recommendation in Location-Based Social Networks
CA2933175C (en) Internet preference learning facility
Doan et al. Modeling check-in behavior with geographical neighborhood influence of venues
KR20200051171A (ko) 딥러닝 기반의 sns 활동 분석을 통한 사용자 맞춤 뉴스 서비스 시스템
Zhang et al. Event Attendance Prediction in Social Networks
Zhang et al. Exploiting ranking consistency principle in representation learning for location promotion
KR20230063274A (ko) 반려동물 출입가능 장소 추천 서비스 제공 장치 및 시스템
Kresnye Supporting Dog Physical Activity by Social Comparison of Objective Dog Walking Behavior
JP2024118206A (ja) 情報処理装置、情報処理方法、および情報処理プログラム