KR20020067507A

KR20020067507A - 한 벌의 옷을 선택하기 위해 추천을 발생시키는 방법 및시스템

Info

Publication number: KR20020067507A
Application number: KR1020027005220A
Authority: KR
Inventors: 반오버벨드코넬리우스더블유.에이.엠.
Original assignee: 코닌클리케 필립스 일렉트로닉스 엔.브이.
Priority date: 2000-08-23
Filing date: 2001-08-13
Publication date: 2002-08-22
Also published as: US7089216B2; JP2004507822A; EP1323103A1; US20020045959A1; WO2002017160A2

Abstract

본 발명의 목적은 적절하게 개인화된 추천을 제공하는 방법을 제공하는 것이다.

이 목적은 옷 프로필을 보존하는 단계, 선택되는 한벌의 옷을 검출하는 단계, 상기 선택에 기초하여 상기 옷 프로필을 업데이팅하는 단계, 및 상기 업데이팅된 옷 프로필로부터 추천을 발생시키는 단계를 포함하는, 방법이 본 발명에 따라 달성된다. 옷 프로필은 사용자가 좋아하는 몇 벌의 옷 및 그가 소유한 벌들을 나타낸다. 이것은 어떠한 벌의 옷 또는 어떠한 옷들의 조합이 사용자에게 흥미있는지를 높은 정도로 정확하게 결정할 수 있다.

Description

한 벌의 옷을 선택하기 위해 추천을 발생시키는 방법 및 시스템{Method and system for generating a recommendation for a selection of a piece of clothing}

서양에서, 경제 표준들은 평균 가정에서 정당한 양의 사치를 허용할 수 있을 정도로 충분하다. 옷, 신발, 및 액세서리들은 대부분의 사람들이 기본적인 필요량을 초과하여 소유하고 있는 제품에 속한다. 30대 중반의 중산층 여성이, 말하자면, 10쌍의 신발들, 20쌍의 스타킹들 및 양말들; 10쌍의 바지들+ 8 개의 스커트들 또는 드레스들: 15 개의 블라우스들; 10개의 스웨터들;10개의 숄들;5개의 코트들;3 개의 모자들;4개의 핸드백들; 10 개의 목걸이들; 6개의 팔찌들;6개의 브로치들; 5쌍의 귀걸이들을 소유하는 것이 보기 드문 일이 아니다.

옷을 입는 매일의 과정은 그러므로, 4.6 x 10¹¹아이템들 영역의 한 가능성을 선택하는 것에 상당한다. 대부분의 남성에게, 유사한 관찰력은 현격하게 작아지지만, 아직 가능성들의 세트는 엄청나다, 만일 여성의 인생동안 매일 다른 게 보이고 싶다면, 그녀는 날마다 3 만개 이상의 옵션들을 가진다. 그러나 이 선택 절차는 사소한 것이 아니다.

비록 어떤 사람들은 매일 아침의 이 선택과정을 의식적으로 다루는 것을 즐기고 있지만, 다른 사람들은 이것에 거의 신경을 쓰지 않고(소수의, 부분적으로 내재하는, 고정된 룰들을 사용하여, 무계획에 의해 완성되고, 그러므로, 조합 옵션들의 광대한 서브스페이스를 무시하고), 다시 다른 사람들은 이것이 절망의 근원임을 발견한다; 정말로, 만일 가족 구성원들이 이 과정에 관하여 매우 다른 견해 및 의식을 갖는다면, 가족 생활 내에서 짜증의 원인이 될 수 있다.

덜 규칙적인 원칙에서, 이 선택 문제는 옷들, 신발들 또는 액세서리들을 사려고 할 때, 더 큰 형태로 발생한다. 패선 숍들의 광대한 분류로부터 함께 어울리는(및 이미 존재하는 옷과 어울리는) 블라우스 및 바지를 선택해야하는 결과인 조합은 폭발적으로 엄청나다.

현재 추천들은 광고 게시판 및 TV 상의 광고들과 같은 시스템들 및 패션 잡지들 등등을 통해 이루어진다. 그러나, 이러한 추천들은 매우 일반적이고 개인화하기 어렵다. 이것은 대부분의 사람들에게 부정확하고 거의 소용되지 않는다.

본 발명의 한 벌의 옷을 선택하기 위한 추천을 발생시키는 방법에 관한 것이다.

본 발명은 또한 한 벌의 옷을 선택하기 위한 추천을 발생시키는 시스템에 관한 것이다.

본 발명은 또한 사용자에게 타겟이 되는 옷 광고를 제시하는 방법에 관한 것이다.

도 1은 본 발명의 따른 하나 이상의 옷을 추천하기 위한 시스템을 포함하는 구성을 계략적으로 도시한 도면.

도 2는 사용자에게 추천을 보여주기 위한 번역 시스템을 개략적으로 도시하는 도면.

도 3은 본 발명에 따른 하나 또는 그 이상의 옷들을 추천하기 위한 시스템의상세도를 개략적으로 도시한 도면.

도 4는 컴퓨터 시스템들을 갖는 네트워크와 결합된 하나 또는 그 이상의 옷을 추천하기 위한 시스템의 구성을 개략적으로 도시한 도면.

이 목적은 옷 프로필을 보존하는 단계, 선택되는 한벌의 옷을 검출하는 단계, 상기 선택에 기초하여 상기 옷 프로필을 업데이팅하는 단계, 및 상기 업데이팅된 옷 프로필로부터 추천을 발생시키는 단계를 포함하는, 방법이 본 발명에 따라 달성된다. 옷 프로필은 사용자가 좋아하는 몇 벌의 옷 및 그가 소유한 벌들을 나타낸다. 이것은 어떠한 벌의 옷 또는 어떠한 옷들의 조합이 사용자에게 흥미있는지를 높은 정도로 정확하게 결정할 수 있다. 이것은 정확한 추천을 준다.

본 발명이 또 다른 목적은 정확하게 개인화된 추천을 제공하는 시스템을 제공하는 것이다.

이 목적은 옷 프로필을 보전하는 사용자 프로필링 수단, 상기 선택된 한벌의 옷에 기초한 옷 프로필을 업데이팅하기 위해 상기 사용자 프로필링 수단 접속된, 선택될 한벌의 옷을 검출하기 위한 검출 수단, 상기 업데이팅된 옷 프로필로부터 추천을 발생시키기 위한 추천 수단 및 사용자에게 상기 추천을 제시하기 위한 제시 수단을 포함하는 시스템에서 달성된다. 옷 프로필은 사용자가 좋아하는 몇 벌의 옷 및 그가 소유한 벌들을 나타낸다. 이것은 어떠한 벌의 옷 또는 어떠한 옷들의 조합이 사용자에게 흥미있는지를 높은 정도로 정확하게 결정할 수 있다. 이것은 정확한 추천을 준다. 추천은 예를 들면, 변환된 가상 마네킹의 양호한 가상 형태로서 사용자에게 제시될 수 있다.

실시예에서, 추천의 발생은 사용가능한 몇벌의 옷의 리스트를 결정, 서브셋들의 컬렉션의 형태로 리스트로부터 복수의 벌들을 조합을 포함하고, 상기 추천은세브셋들의 컬렉션으로부터 적어도 하나의 서브셋을 포함한다. 양호하게, 현 상태에 접합하지 않은 복수의 서브셋들은 컬렉션으로부터 제거된다. 이것은 추천을 발생시키기 위한 단순하지만 효과적인 방법이다.

또 다른 실시예에서, 상기 사용자 프로필 수단은 스마트 카드에 저장된 옷 프로필을 보존하기 위해 스마트 카드 판독/기록 수단에 결합된다. 스마트 카드에 사용자 프로필을 저장함으로서, 사용자는 예를 들면, 그가 옷을 쇼핑하러 나갈 때, 사용자는 그것을 그와함께 가지고 갈 수 있다. 이 방법으로, 그는 항상 그의 옷 프로필을 그와 함께 갖는다.

또 다른 실시예에서, 상기 시스템은 선택된 벌의 옷의 목적을 결정하기 위한 입력 수단을 더 포함하고, 상기 사용자 프로필 수단은 결정된 목적에 더 기초한 옷 프로필을 업데이팅하기 위해 배열된다. 이것은 사용자는 입지 않은 옷을 선택하지만, 예를 들면, 그것은 드라이 클리닝을 위해 꺼내지는 경우가 발생할 것이다. 이러한 경우, 옷 프로필은 사용자가 옷을 입기를 원하는 것을 반영하도록 업데이트되어서는 안된다. 입력 수단을 제공함으로서, 그 목적은 예를 들면 사용자가 수동적으로 목적을 입력함으로서 결정될 수 있다.

또 다른 실시예에서, 입력 수단은 전자 달력 상의 약속에 근거하여 제안을 결정하기 위해 배열된다. 능동 피드백을 적용하고, 사용자로부터의 입력 및/또는 수동 피드백을 사용하고, 사용자의 전자 달력으로 부터의 정보를 사용함으로서, 선택되는 몇벌의 옷의 목적이 결정될 수 있다. 수동 피드백 방법은, 이것이 사용자와 시스템의 상호작용을 최소화하기 때문에 특히 양호하다. 전자 달력은 적절한 옷을결정하는데 사용될 수 있는, 고객과의 미팅과 같은 사용자에 의해 수행될 활동에 관한 정보를 제공한다.

본 발명의 또 다른 목적은 타겟이되는 옷 광고를 사용자에게 제시하는 방법을 제공하는 것이다.

이 목적은 사용자에 대한 옷 프로필을 얻기 위한 단계, 상기 옷 프로필과 매칭되는 옷 제품을 결정하기 위한 단계, 및 사용자에게 옷 제품의 식별자를 전송하는 단계를 포함하는 방법으로 달성된다. 옷 프로필은 사용자가 좋아하는 몇 벌의 옷 및 그가 소유한 벌들을 나타낸다. 이것은, 그의 옷 프로필이 주어지면, 사용자가 좋아하지만, 아직 그가 갖지 않은 ,새로운 옷 생산품을 결정하는 것을 가능하게 한다. 그러면, 새로운 옷 제품을 사용자에게 광고하는 것은 정확이 높은 가능성을 갖는다.

다양한 양호한 실시예들이 종속항들에 준비되었다.

본 발명의 이러한 및 다른 측면들은 도면에 도시된 실시예들을 참조하여 명백해질 것이다.

전체 도면들에 있어서, 동일한 참조 번호들은 유사하거나 또는 대응하는 특성들을 나타낸다. 도면 내에 표시된 어떤 특성들은 전형적으로 소프트웨어 및 소프트웨어 모듈들 및 객체들과 같은 이러한 표시 소프트웨어 본체에서 구현된다.

서양에서, 경제 표준들은 평균 가정에서 정당한 양의 사치를 허용할 수 있을 정도로 충분하다. 옷, 신발, 및 액세서리들은 대부분인 사람들이 기본적인 필요량을 초과하여 소유하고 있는 제품에 속한다. 30대 중반의 중산층 여성이, 말하자면, 10쌍의 신발들, 20쌍의 스타킹들 및 양말들; 10쌍의 바지들+ 8 개의 스커트들 또는 드레스들: 15 개의 블라우스들; 10개의 스웨터들;10개의 숄들;5개의 코트들;3 개의 모자들;4개의 핸드백들; 10 개의 목걸이들; 6개의 팔찌들;6개의 브로치들; 5쌍의 귀걸이들을 소유하는 것이 보기 드문 일이 아니다.

옷을 입는 매일의 과정은 그러므로, 4.6 x 10¹¹아이템들 영역의 한 가능성을 선택하는 것에 상당한다. 대부분의 남성에게, 유사한 관찰력은 현격하게 작아지지만, 아직 가능성들의 세트는 엄청나다, 만일 여성의 인생동안 매일 다른 게 보이고 싶다면, 그녀는 날마다 3 만개 이상의 옵션들을 가진다. 그러나 이 선택 절차는 사소한 것이 아니다. 거기에는 많은 제약들이 있다. 어느 정도 언급하면:

1. 날씨 상태들(울 스웨터 아래가 아니고는 겨울에는 얇은 블라우스는 안 된다; 비올 때 자전거를 타야할 때는 짧은 스커트는 안 된다 )

2.컬러 및 소재 미학(갈색 신발들은, 진을 제외한 푸른 옷과 어울리지 않는다.)

3. 형태 미학(긴 스웨터는 짧은 코트와 어울리지 않는다)

4. 패션(1)(만일 마돈나가 하이힐 신발에 짧은 양말을 신는다면, 이것은 외관상으로 양호한 조합이다)

5. 패션(2)(패션 산업에 따라서, 특정 컬러 계획들은 일정 기간동안 선호된다)

6. 이용가능성(당신은 현재 세탁소에 있는 것을 입을 수 없다)

7. 다양성(당신은 너무 오래 동안 동일한 조합들을 입어서는 안 된다)

8. 위생(당신은 너무 오랫동안 하나의 옷만을 입어서는 안 된다)

9. 편안함(아래에 블라우스를 입지 않고 거친 모직 스웨터를 입는 것은 사람의 피부에 자극을 준다)

10. 의무(웨이트리스, 법률관, 비서, 의학적 도우미, 스포츠 코치,....모두 업무시간동안 특정 드레스 규칙들에 따라야 한다)

11. 개인적인 선호(1)("오늘 나는 밝은 색을 입고 싶다").

12. 개인적인 선호(2)("녹색은 내가 항상 좋아하는 색이다")

이러한 제약들은 다양한 카테고리들에서 온다는 것에 유의한다.

a. 불변(예를 들면, 2, 12) 대 변경(예를 들면, 1, 11)

b. 딱딱함(예를 들면, 6) 대 부드러움(예를 들면, 4, 5)

c. 객관적으로 결정 가능함(예를 들면, 1, 3) 대 주관적으로 결정 가능함(예를 들면, 9, 10)

d. 외부적인 원인(예를 들면, 1, 5) 대 내부적인 원인(예를 들면, 10, 11, 12).

e. 이력에 따라서(예를 들면, 7, 8) 대 기억 없음(예를 들면, 2, 9)

덜 규칙적인 원칙에서, 이 선택 문제는 옷들, 신발들 또는 액세서리들을 사려고 할 때, 더 큰 형태로 발생한다. 패선 숍들의 광대한 분류로부터 함께 어울리는(및 이미 존재하는 옷과 어울리는) 블라우스 및 바지를 선택해야하는 결과인 조합은 폭발적으로 엄청나다. 또한, 선택 문제의 이 버전은 다음의 부가적인 제약을 특징으로 한다.

13. 재정(사용가능한 예산은 얼마인가. 일년에 일반적으로 신발에 얼마나 쓰는가?)

14. 사회적(1)(어떠한 집단에서, 어떤 이의 친구로서 어떤 모자를 쓰는 것이 어색하다)

15, 사회적(2)(어떠한 집단에서, 옷들은 특정 브랜드들이어야 하며 또는, 만일 이것이 제약(13)과 대립된다면, 그것은 흡사하게 보여야 한다)

16. 시장 메커니즘(1)(어떠한 분류가 언제 사용가능한가? 싼 겨울용 코트는 겨울에 사용가능하지 않다. 그러나 봄에 그것은 할인된다)

17. 시장 메커니즘(2)("이상적인" 조합을 구매하기 위해, 몇몇의 숍들이 참고되어야 한다. 그러나 당신은, 한 숍의 피팅룸으로부터 다른 숍의 피팅룸으로 옷들을 가지고, 하나의 숍으로부터 다른 하나로 불명확하게 방문할 수 없다

이것은 어떤 제약 카테고리들을 부가한다.

f.구매에 관련됨(13-17) 대 매일의 선택에 관련됨(1-17).

g. 단기간의 계획에 관련된(예를 들면, 1, 11) 대 장기간의 계획(예를 들면, 16)

h. 사회적(예를 들면, 4, 10, 14, 15) 대 개인적(예를 들면, 9, 12, 13).

요약해서 말하면, 적절한 옷을 선택하는 절차의 문제점은, 상기 언급된 제약들 및 고려할 점들(1-17)을 고려하면서, 매일의 기초 및 구매할 때 두 경우에 어떻게 옷, 신발들 및 액세서리들의 선택에서 개개인을 돕느냐는 것이다.

패션 산업이 별개의 상업적 노력으로서 발전된 이래로, 개개인에게 충고하기 위한 다양한 시도가 제안되고 실현되었다. 그전에조차(아마 산업화가 시작되기 전) 사람은 무엇을 입을 것이나에 관하여 다른 사람에게 충고하는 것이 귀찮았다. 실재로, 날씨의 영향을 막는다는 옷의 주기능을 별도로 하고, 옷은 동료의 인간들에게 메시지들을 보내는 주역할을 한다. 그러므로, 옷을 고르는 것은 사회적이고 통신이가미된 과정이고, 언제나 그 과정일 것이다.

우리는 드레스 충고에 접근하는 다양한 타입들을 구분한다. 우리는 우선 전통적인 방법을 주고, 이것은 (전용) 기술에 관한 것이 아니다.

	개개인(개인화됨)	그룹-기반(비-개인화됨)
종속(판매 조직, 공장, 브랜드, 숍에 묶임)	[I] 예를 들면, 개인화된 컬러 팔레트와 같은 패션 컨설턴트, 개인의 두발, 피부 및 눈의 색 및 다른 특성들에 따라서 잘 매칭되는 컬러가 제안됨- 특정 섬유들에 대한 추천들을 포함.또한, 어떤 조직들은 "개인화된 구매 보조들"의 서비스들을 제공한다(2, 4, 5, 16, 17)	[Ⅱ] 광고들, 상업성, 광고 게시판들, 카탈로그들, 브로셔들, 마네킹, 패션쇼, 옷 회사들의 스폰서 필름들, 쇼들 또는 스포츠 이벤트들(4, 5, 15, 16, 17)
독립(판매 조직 등에 묶이지 않음)	[Ⅲ] 가족 구성원, 친구들, 동료들, (전문가적인 환경내이 드레스들에 관한) 상사, 운동 충고자, 의학적인 충고자, 스포츠 코치들...(2, 3, 6, 7. 8. 9, 10, 13, 14).	[Ⅳ] 여성 잡지들(덜 확장: 남성용 잡지), 텔레비전 쇼, 필름, (팝-) 콘서트들, (기상보고)을 통한 기상 학자, 유니폼들을 요구하는 전문가 조직, 스카우팅 및 유사한 조직,...(1, 2, 3, 4, 9, 10, 16).

괄호들 내의 번호들은 충고를 위해 이 소스에 의해 고려될 수 있는 제약들 및 고려점들의 타입들을 나타낸다(1-17). 대부분은 구매 어드바이스에 관한 것이고; 일부만이 매일의 선택 과정에 관한 것임을 주목하라. 다음으로, 우리는 (전용 기술에 관련된) 새로운 또는 미래의 방법들에 관하여 논의한다. 충고하기 위한 모든 소스들이 실용적인 용법인 것은 아니나, 그것들은 현재의 인터넷 기술로 고찰될 수 있다.

	개개인(개인화됨)	그룹-기반(비-개인화됨)
종속(판매 조직, 공장, 브랜드, 숍에 묶임)	[Ⅴ] 가상 패션 숍들, 가상의 개인화된 패션 쇼들. 더욱 흥미 있는 것: 한 사람이 특정 기간 동안 구매한 것을 기록하는 것을 기획하고, 이러한 데이터로부터 개개의 사용자 프로필을 구성하는 것을 시도. 이러한 에이전트들은 컬러 및 심미적인 형태 및 시장 정보를 가짐(2, 3, 4, 5, (12?), 13, 15, 16, 17)	[Ⅵ] 사용자(클래스) 프로필들, 체트 박스 및 패션 등에 관련된 뉴스 그룹들에 기초한, 웹 광고들(4, 5, 15, 16, 17).
독립(판매 조직 등에 묶이지 않음)	[Ⅶ] 상호작용(가상) 패선 컨설턴트를 갖는 전용 사이트: VR-기반 "do-it-yourself-virtual-wardrobe design"형 어플리케이션들(2, 3, 10, 13)	[Ⅷ]뉴스 그룹, 가상 패션 쇼...(1, 2, 3, 4, 9, 10, 16).

충고(Ⅰ-Ⅷ)에 관한 어떠한 신호원도 모든 제약(1-17)을 수용하지 않음이 관찰되었다. 특히, 카테고리들(Ⅰ, Ⅲ, Ⅴ) 및 (Ⅱ, Ⅳ, Ⅵ, Ⅷ)은 주로 해체된다. Ⅶ내의 에이전트에 기초한 솔루션(아직 존재하지 않지만, 곧 예상될 수 있다)은 (개인의 구매 기록에 따라 재구성된 사용자 프로필에 기초한)개인적인 선호도를 시장 경향들에 결합시킬 흥미 있는 시도다. 그러나 이것은 주로 새로운 구매에 관련된 선택에 대하여 유용하고, 매일의 선택에 대해서 유용하지 않다. 웹-기반 에이전트는 어떤 옷들을 언제 입었는지에 관한 상세한 정보를 갖고있지 않고, 그러므로 제약(6, 7, 8, 9, 10 및 11)에 대하여 충고할 수 없다. 또한, 제약(12)에 관한 정보는 구매이력으로부터 단독으로 얻어지기 때문에 제한되며; 더욱이, 이것은 개개의 제품 구매에 관하여 충고할 수 있지만, 선호하는 조합들에 관한 어떠한 정보도 갖지 않고, 어떤 것을 실재적으로 함께 입을 지에 관한 정보가 결여된다. 더욱이 Ⅶ에서와 같은 시스템은 현재 옷(e-커머스 말고 다른 것을 통해 구입된 옷의 집합)에 관한 어떠한 지식도 갖지 않고, 이것은 다시 그것의 능력에 관한 기초적인 제한이다. 마지막으로, 이것은 제약(14)에 관하여 절대 돕지 못한다.

도 1은, 복수의 성분들로 구성된, 사용자에게 하나 또는 그 이상의 벌의 옷을 추천하기 위한 시스템을 포함한 배열을 도식적으로 도시한 도면이다. 벽장, 옷장 및 유사한 저장 시스템(100)은 다수의 옷의 물품(101-105)을 저장한다. 옷의 물품(101-105)은 드레스, 바지, 스웨터들, T-셔츠들, 수트들 등 일 수 있으며 또한, 타이들, 양말들, 신발들, 벨트들, 장값들 등 과 같은 액세서리 또는 상당 물품일 수 있다. 옷의 물품(101-105)은 각각의 태그들(106-110)이 제공된다. 태그들(106-110)과 같은 태그는 무선 주파수 또는 적외선 신호와 같은 판독 신호를 수신할 때 유일한 코드를 발생시키고 전송할 수 있는 트렌스폰더를 포함하는 작은 전자 장치이다. 이것은 이것이 속하는 한 벌의 옷으로 양호하게 집적되고, 이것은 이상적으로, 세탁, 드라이, 다림질, 및 드라이클리닝 및 일반적으로 옷에 행해지는 다른 처리들에서 잔존할 수 있어야 한다.

태그에 의해 발생된 코드는 의복의 특질을 나타내는 비트의 시퀀스이다. 양호하게, 비트들의 포맷은 국제적으로 표준화된다. 인코딩된 정보는 태그가 속해있는 의복의 특성을 유일하게 식별하기에 충분해야 한다. 적정한 특성들은

* 대상(한 벌의 옷, 신발, 액세서리 등등)의 타입;

* 크기;

* 브랜드;

* 구매 장소 및 날짜

* 옷의 타입들의 데이터베이스로의 인덱스

* 주인의 식별자,를 포함하여 시스템이 비록 의복을 확인하는 것을 엄격하게 요구되지는 않지만, 절도 방지를 돕도록 한다.

이 식별자는 그가 의류를 구입했을 때 주인에 의해 제공될 수 있다.

옷의 타입들의 데이터베이스는 모든 저장된 옷의 타입에 대한 기록들을 포함하고, 색, 재료, 소재, 스타일데이터 및 다른 것들과의 조합에서 발생할 수 있는 특정한 벌의 옷을 특징화하는데 도움을 주는 다른 특성들과 같은 복수의 특성들이 검색될 수 있다. 하기에 이에 대하여 더 자세히 논의한다.

저장 시스템(100)은 문 또는 뚜껑과 같은 엑세스 포인트(112)가까이 위치되고 이를 통해 옷의 물품들(101-105)이 저장 시스템(100) 밖으로 꺼내 질 수 있다. 센서(111)는 태그를 갖는 옷의 물품이 저장 시스템(100)밖으로 꺼내 질 때, 판독 신호를 발생하고 그 다음으로 태그들의 코드를 수신하는 장치이다. 센서들은 다른 곳들 중에서 옷장문의 현창에 실장될 수 있다. 센서(111)의 출력은 컴퓨터 시스템(120)에 제공된다. 컴퓨터 시스템(120)과 함께 태그들과 센서들의 배열은 저장 시스템(100) 또는 함께 집적된 다중 저장 시스템들 내에 존재하는 모든 벌의 옷(101-106)의 적절한 제시를 유지할 수 있다. 컴퓨터 시스템(120)은 이 제시를 유지하기 위한 메모리(121)를 갖는다.

만일 어떤 벌의 옷(101-106)이 저장 시스템(100) 밖으로 꺼내진다면, 그들은 등록된다. "입기 위해 꺼내짐", 세탁을 위해 꺼내짐", "누군가에게 빌려주기 위해 꺼내짐", "시스템으로부터 제거하기 위해 꺼내짐" 등등의 판별이 상호 교환적 다이얼로그 또는 유사한 수단에 의해서 바람직하게 만들어진다. 입력된 벌들(101-105)은 사용가능한 것으로 등록된다. 만일 그들인 기존의 목록에서 발생하지 않는다면, 그들은 외관상 새롭게 구매된 것이다.

옷 정보를 갖는 상기 언급된 데이터베이스는 중앙 데이터 베이스가 될 수 있고, 다중 컴퓨터 시스템은 그것을 엑세스 할 수 있다. 이것은 예를 들면, 메모리(121) 내에서 부분적으로 존재할 수 있다. 만일 중앙 데이터베이스가 사용된다면, 낡은 옷들 또는 제단사가 만든 또는 직접 만든 옷들과 같은 중앙 데이터베이스내의 엔트리를 갖지 않는 옷들이 컴퓨터(120)내의 제 2 데이터베이스 내에 저장될 수 있다. 국부 데이터베이스내의 기록들은 중앙 데이터베이스 상의 기록들로서 동일한 포맷을 갖지만, 상호 교환적 다이얼로그로부터 그들의 값을 취한다.

도 2는 사용자에게 추천(210)을 제시하기 위한 변환 시스템(200)을 개략적으로 도시한다. 컴퓨터 시스템(120)은 사용자가 입어야 하는 옷의 추천을 발생시킨다. 이것은 이것을 사용자에게 제시하는 변환 시스템(200)에 공급된다. 추천(201)은, 선택적으로 사용자의 얼굴 포즈로 가상 마네킹의 만들어진 영상들의 작은 세트의 형태로, 제안된 옷들을 입을 수 있다. 이러한 옷들을 만들기 위한 기하학적인 정보는 데이터베이스로부터 얻어질 수 있으며, 유일한 옷의 형태의 인덱스들을 통해 인덱스 된다.

다른 장치들 사이의 변환은 종래의 컴퓨터 상에서; 침실 TV의 텔레비전 스크린상에서, 옷장 벽장 내에 고정된 플랫 패널 디스플레이 또는 밀러 상에 집적된 플랫 패널 디스플레이 상에서 발생되고, 그러므로 사용자는 가상 마네킹들에서 동시에 그녀/그를 볼 수 있다. 대안적으로, 텍스쳐적인 또는 음성 출력은 사용자가 취할 몇벌의 옷을 합하기 위해 사용될 수 있다. 만일 저장 시스템(100)이 충분하게 자동화되었다면, 추천된 몇벌의 옷은 사용자에 대하여 자동적으로 검색될 수도 있다.

인정된 선택은, 일부 옷이라 할지라도, 시스템의 충고로부터 다르게 취해지고, 태그 판독 수단에 의해 자동적으로 시스템으로 피드백 된다. 입력 장치(202)는 사용자가 양복장 벽장(입기, 세탁, 빌려줌,..)의 밖으로 꺼내지는 옷들의 목적을 나타내는 것을 허용한다. 유사하게, 그날(휴일, 근무일, 스포츠)에 대한 사용자들의 목적 및 기분은 입력 장치(202)를 사용하여 제시될 수 있다. 직관적인 사용자 인터페이스를 제공하기 위해, 표준 아이콘들 및 작은 장치가 사용될 것이다. 대안적으로, 개인용 조작자 또는 전기적 달력으로의 접속이 사용될 수 있다. 이 피드백은 사용자 프로필을 형성하는 시스템의 능력들을 위한 수단임을 주목하라.

도 3은 본 발명에 따라서, 하나 또는 그 이상의 벌의 옷을 추천하기 위한 컴퓨터 시스템(120)의 상세도를 계략적으로 도시한다. 컴퓨터 시스템(120)은 중앙 처리 유닛(301), 사용자 프로필 유닛(302), 추천 유닛(303) 저장 유지 유닛(304) 및 네트워킹 유닛(305)을 포함한다. 중앙 처리 유닛(301)은 컴퓨터 시스템(120)을 제어한다. 다른 유닛들(302-305)은 컴퓨터 프로그래머들 또는 모듈들로서 전체적으로 또는 부분적으로 제공될 수 있고, 이러한 경우, 그들의 기능은 중앙 처리 유닛(301)이 상기 프로그램들을 실행하게 함으로서 실현된다.

컴퓨터 시스템(120)은 다음의 복수의 목적을 위해 사용될 수도 있다.

* 전체 저장 시스템(100) 내의 모든 옷들의 상태를 기록(logging) 및 유지,한 벌의 옷의 상태는 "옷장에 저장됨", "입음", "세탁됨", "다른 이들에게 빌려줌" 또는 "제거됨" 이다. 이 정보는 메모리(121)에 저장되고 저장 유지 유닛(304)에 의해 유지된다.

* 네트워킹 유닛(305)을 사용하여, 다른 옷들과의 조합의 적합성에 대해 충고하기 위해 특정한 옷의 특성에 관한 중앙 데이터 베이스와 통신.

* 매일의 충고 또는 구매 충고 어느 것이든 옷 충고를 발생을 돕기 위해 사용자 프로필 유닛(302)을 사용하여 추천 유닛(303)에 의해 사용되는 사용자 프로필을 형성함. 부가적으로, 추천 유닛(303)은 다음과 같은 입력들을 사용할 수도 있다.

* 색, 스타일, 및 소재 양립성에 관한 지식 기반 + 룰 기반;

* 현재 패션, 현재 날씨 상태 및 사용자에 대한 현재 태도(휴일 또는 근무일? 밝은 기분 또는 우울함?)의 최신 정보;

* 얼마나 오랫동안 특정 옷이 입혀졌으며, 옷들이 세탁을 위해 보내져야하는지의 여부에 관한 지식;

* 예를 들면, 에틱(attic)을 칠할 때, 10일 동안 동일한 티셔츠를 입는 것은 문제가 되지 않지만, 비서가 일하려 나갈 때 그녀는 그녀의 스웨터들을 반복적으로 변화시키기를 원할 것인 것과 같은 주어진 상황에서 지난주의 다양한 기록;

* 현재 패션, 현재의 할인에 대한 정보, 사용자의 취향에 맞는 새로운 모델들 및 비싼 옷들을 살 여유가 있음.

추천 유닛(303)에 의해 발생된 추천들은 상기 언급된 제약들의 일부 또는 모두를 고려해야 한다. 이러한 제약들의 일부는 규칙들의 형태(제안들 및 예상들)를 취한다; 다른 것들은 주어진 조합 및 사용자 프로필 간의 매치 또는 거리(D)의 계산을 요구할 것이다. 만일 사용자 프로필이 특정(주어진) 환경들에서 선호되는 복수의 조합들로 구성된다면, D의 계산은 복수의 조합들의 쌍들에 대한 두개의 조합들 간의 거리의 계산에 상응한다. 차례로, 이것은 동일한 종류의 한 쌍의 옷들 간의 가중 거리를 계산하는 것과 상당 할 수 있다. 작은 거리는 많이 유사함을 나타낸다.

추천 유닛(303)은 가중 파라메타들 및/또는 유사한 기능들을 조정하기 위해 유전 공학적 알고리즘 또는 신경망들과 같은 다양한 기술들을 채용할 수 있다. 사용자의 암시적 피드백에 기초하여 각각이 적응되고 훈련된다. 이러한 암시적 피드백은 예를 들면, 사용자가 즉시 추천된 몇벌의 옷을 선택하는 사실이다. 제안의 수락은 제안에 따른 옷들이 그것들을 오늘 입기 위한 의도를 가지고 저장 시스템(100)으로부터 제거된다는 사실로부터 추천 유닛(303)에 의해 추론될 수 있다.

수락된 제안과는 별도로, 다음과 같이 사용될 수 있는 피드백의 소스가 있다.

* 한 순간에 저장 시스템(100)에 부가되는 새롭게 구매된 아이템들의 세트들은 서로 잘 어울리는 높은 가능성을 갖는다. 이 가설은 상호 교환적 다이얼로그에 의해 명시적으로 검증될 수도 있다.

* 옷 산업 또는 다른 외부 원들은 템플릿 사용자 프로필들 또는 스테레오 타입들을 출판할 수도 있고, 추천 유닛(303)은 개개의 사용자가 적어도 하나의 템플릿들중 하나에 속한다면, 검증될 수 있고; 만일 그렇다면, 더욱 정확한 예측이 동일한 스테레오타입에 속하는 모든 사용자들로부터 얻어지는 피드백의 (큰) 바디에 기초될 수 있다.

* 추천 유닛(303)은 이러한 세트들의 멤버들이 이 파라메터에 관해서만 다른 곳에서 선택 세트들을 발생시킴으로서 특정 파라메터(말(say), 색)에 관한 사용자의 민감도를 조직적으로 질문할 수 있다. 만일 사용자들의 선택의 재생가능성이 높다면, 파라미터들에 대한 사용자의 민감성이 아마도 또한 높을 것이다.

* 시도들의 횟수, 성공한 시도가 이루어지기전의 성공하지 못한 시도들 간의 다양성은 또한 사용자에 관해 정보를 준다.

추천 유닛(303)의 기능을 설명하기 위해서, 어떻게 룰-기반 시스템이 추천을 발생시키기 위해 채용되는지의 예가 주어질 것이다. 신경망들 및 유사한 시스템들은 쉽게 대용될 수 있고, 그들은 동일한 일반적인 원리들을 사용하여 동작한다.

이 예에서, 추천 유닛(303)은 룰들의 컬렉션에 대한 엑세스를 갖는다. 이러한 룰은 "외부의 온도가 T 도 셀시우스 보다 높을 때, 울 소재의 옷을 입자 말아라", "블루진은 플란넬 셔츠들과 잘 어울린다' 또는 "의류들(Y1, Y2 및 Y3)은 의류(X)와 잘 어울린다"가 될 수 있다. 이러한 룰들의 초기 세트는 추천 유닛(303)에 저장된다. 각각의 룰은 가중치가 할당된다. 날, 특정 활동, 날씨 상태 또는 계절과 같은 주어진 상황에서, 이러한 룰들의 서브셋이 적용된다. 이 서브셋으로부터 하나 또는 그 이상의 룰들을 사용하여, 추천의 세트가 발생된다.

추천 유닛(303)은 사용가능한 옷의 리스트를 얻기 위해 메모리(121)로부터 저장 시스템의 표시를 판독한다. 이때, 서브 세트로부터 룰들이 적용되고, 룰들과 매칭하는 이러한 의류들이 삭제된다. 만일 외부 온도가 임계값(T)보다 높다고 측정되면, 울 소재 옷에 관한 상기 언급된 룰이 적용되고, 울 소재의 옷은 리스트로부터 제거된다. 현재 상황에 적합한 사용가능한 옷들의 리스트를 이끄는 다른 적용 가능한 룰들이 유사하게 적용된다.

그때에, 이러한 옷들은 예를 들면, 색이 매칭되는 의류들의 조합에 의해서 및 적어도 한 쌍의 바지 및 셔츠의 각각의 세트에 대하여 선택함으로서 매칭 세트들로 조합된다. 옷들을 조합하는 동안, 추천 유닛(303)은 블루진과 플란넬 셔츠의 조합의 룰과 같은 조합들 상의 제약들을 제공하는 룰들을 적용할 수 있다. 그 때에, 매칭 세트들은 그것들을 사용자에게 제공하는 변환 시스템(200)으로 공급된다.

그때, 사용자는 하나의 추천된 조합을 선택한다. 이것은 예를 들면 그가 어떤 옷을 꺼냈을 때, 이러한 옷들의 식별자와 추천된 조합들 내의 옷들의 식별자들을 비교함으로서 검출될 수 있다. 사용자는, 예를 들면 입력 장치(202)의 버튼을 누름으로서 조합들을 선택할 수 있도록 명시적인 피드백을 또한 사용할 수도 있다. 명시적인 피드백을 사용하여, 사용자는 그의 취향에 적합한 조합들을 반복적으로 선택함으로서 시스템을 훈련시킬 수 있다.

추천된 조합이 검출될 때, 이 조합을 이끄는 룰들의 가중치들은 특정 양만큼 증가되고, 다른 것들은 다른 특정 양만큼 감소된다. 이러한 방법으로, 가중치들은 시간에 따라 변화한다. 어떤 시간 후에, 이러한 가중치들은 옷 및 조합들에 관한사용자의 선호도를 나타낸다. 만일 룰의 가중치가 특정 레벨 임계값보다 낮게 떨어진다면, 이것은 룰 세트로부터 제거될 수 있다. 만일 룰의 가중치가 특정 상기 임계값보다 높게 증가된다면, 그들은 하나 또는 그 이상의 새롭고, 더 강한 룰들을 발생시키기 위해 입력으로서 사용될 수 있다.

예를 들면, 만일 룰"외부 온도가 T 도 셀시우스보다 높을 때, 울 소재의 옷을 입지 말아라"의 가중치가 자주 증가된다면, 만일 사용자가 울 소재의 스웨터 및 양말들을 갖는다면, 추천 유닛(303)은 새로운 룰들"외부 온도가 T 도 셀시우스보다 높을 때, 울 소재의 스웨터를 입지 말아라" 및 "외부 온도가 T 도 셀시우스보다 높을 때, 울 소재의 양말을 입지 말아라"의 새로운 룰들을 추론할 것이다.

이러한 새로운 룰들은 "옷들"이 "스웨터들" 또는 양말들"과 같은 아이템들로 변경 될 수 있는 것을 진술하는 "메타 룰들"을 사용하여 추론될 수 있다. 이러한 메타 룰들은 옷들의 존재론으로부터 계속될 수도 있다. 존재론(ontology)은 예를 들면, LISP 프로그램들을 사용하여 형식적인 이유 및 자동화된 유도들을 허용하는 옷의 타입들 및 제약들에 대한 형식적인 정의들의 세트이다.

처음에는, 새로운 룰들은 그들이 대체 또는 보충할 수 있는 원래의 룰들과 같은 동일한 가중치를 갖는다. 새로운 룰들의 가중치들은 원래의 룰들의 가중치들과 유사하게 시간에 따라 변할 것이다.

시간 때문에, 메모리 또는 처리 제안들은 추천 유닛(303)에 의해 사용되는 룰들의 총 수를 제한하는 것이 바람직할 것이다. 이것은 예를 들면, 적절한 낮은 임계값을 선택함으로서 다양한 방법으로 행해질 수 있다. 추천 유닛(303)은 상기설명된 것처럼, 그 자신의 가중치들을 갖는 그들 자신의 특정 룰들의 세트를 각각 보존하는 복수의 특정화된 서브-유닛들 또는 에이전트들을 포함할 것이다.

예를 들면, 하나의 서브-유닛은 날씨 상태 하에서 어떠한 옷들을 입을 것인지에 관한 룰들을 가질수 있으며, 다른 것들은 과거의 사용자들의 동작에 기초한 룰들을 가질수 있고, 또 다른 것들은 옷 및 일에 관한 룰들을 가질 수 있다. 각각의 서브-유닛은 그 자신의 룰들에 기초한 의류들의 추천된 세트를 발생시키고, 그 후에 이러한 추천들은 양호하게 추천된 의류들의 모든 세트들을 교차함으로서 추천들의 전체 세트들로 조합된다. 추천들의 전체 세트들은 그 후, 변환 시스템(200)에 의해 사용자에게 제시될 것이다.

서브 유닛들의 이 시스템은 시스템을 더욱 구조적으로 및 잘 조직되고, 만일 서브 유닛들이 평행하게 동작한다면, 추천을 얻기 위한 총 처리 시간은 한 세트의 룰들의 경우 보다 더 낮게 될 수도 있다.

서브 유닛들을 포함하고 또는 포함하지 않는 추천 유닛(303)은 사용자들의 취향에 근사하기 위해 많은 양의 알고리즘들 및 기술들을 채용할 수 있다. 단순한 그러나 효과적인 방법은 다음과 같다. n 개의 아이템들이 저장 시스템(100)에 있다고 가정하다. 이것은 3 벌의 옷들의 *(n-1)*(n-2) 또는 대략적으로 n³가능한 조합들을 준다. 각각의 이러한 3개의 집합들은 특정 가능성(P(n1, n2, n3))을 갖는다. 이러한 집합들의 많은 수가 결코 발생하지 않고; 어느 누구도 3 쌍의 양말들을 동시에 신지 않음을 주목하라. 비록 더 작은 또는 더 큰 옷의 집합들이 조합될 수 있지만, 수 3이, 백만의 성분들이 테이블들을 효과적으로 사용하여 실행될 수 있고,저장될 많은 양의 정보를 허용하기 때문에 선택된다.

도메인(P)의 모든 성분들은 우선 0의 가능성에 할당된다. 제 1 추천은 랜덤하게 선택될 수 있고, 추천 유닛(303)에 제공되는 스테레오타입들 또는 디폴트값들에 기초될 수 있다. 사용자로부터의 피드백을 사용하여, P의 값은 선택된 한 벌의 서브셋인 모들 집합에 대하여 증가된다. 예를 들면, 만일 사용자가 한 벌의 바지(A), 스커트(B), 양말(C) 및 스웨터(D)를 선택한다면, P-값들(A, B, C), P(A, C, D), P(B, C, D) 및 P(A, B, D)모두는 증가를 수신한다.

이러한 P-값들을 다음의 관찰을 표시한다.

* 바지(A)에 상관없이, 셔츠(B), 양말(C) 및 스웨터(D)는 사용자에게 잘 어울린다.

* 셔츠(B)에 상관없이, 바지(A), 양말(C) 및 스웨터(D)는 사용자에게 잘 어울린다.

* 양말(C)에 상관없이, 바지(A), 셔츠(B) 및 스웨터(D)는 사용자에게 잘 어울린다.

* 스웨터(D)에 상관없이, 바지(A), 셔츠(B), 양말(C) 및 스웨터(D)는 사용자에게 잘 어울린다.

이것은 단순화이며; 특정 바지, 특정 셔츠들 및 특정 양말들간의 불일치가 스웨터의 특정선택에 의해 완화된다는 가정의 경우를 고려함을 주목하라. 이 조건은 이것들이 3-집합들에 기초함으로서 이 특정 시스템에 의해 쉽게 표시될 수 없다. 비록, 이것은 상상하기 어렵다 할지라도, 다른 영역에서도 특이한 경우가 아니며, 예를 들면, 음악에서 노트들 B, C 및 C#이 동시에 발생하는 소리는 매우 불일치하나, E와 G를 부가하는 것은 양호하게 받아들일 수 있는 코드를 만든다. 그러나 한 벌의 옷을 가정의 경우에 매우 드물게 예상되기 때문에, 이 단순화의 가격은 매우 작다. 한편, 3-집합들에 대한 P-값들이 쉽게 저장될 수 있게 때문에,n>3인n-집합들의 저장은 많은 양의 원천들을 요구할 수 있고 큰 값의n에 대하여 실행 불가능 할 것이다. 이 시스템을 사용하여, P는 의류(i)가 의류들(i및k)이 선택될 때 양호하다는 것을 나타내는 조건부 가능성들(p(i,j,k))의 항으로 사용자 프로필을 표시하도록 정시에 온다.

그 때에 추천들은 다음에 따라 발생된다. 옷의 타입들은 특정 순서로 검사되고, 각각의 타입에 대하여, 연관된 기능(P)이 검사된다. P(i, j, k)가 0 보다 큰 엔트리들(i,j,k)은 추천을 위한 적절한 후보들를 나타낸다. 어떠한 양호한n-집합들 내에서,n>3인, 3개의 아이템들을 갖는 각각의 서브셋은 또한 양호하다. 이 가정에 반하여. 만일 모든 3-집합은 선호의 값으로 주어질 수 있고, 그 때에, 양호한n-집합들이 선택될 수 있다. 이러한n-집합들은 추천으로서 사용자에게 제시될 수 있다.

컴퓨터 시스템(120)의 기능들의 부분은 사용자들의 선택들의 로깅을 다룬다. 이것은 7 또는 8과 같은 시간 종속 기준의 평가와 사용자 프로필을 구성하는 역할을 한다. 그 이상의 시간 종속 기능성은 사용자에게 새로운 상품들 및 계절 할인에 관하여 정보를 제공한다. 여기서, 사용자 프로필로의 접속은 원치 않는 광고 재료들을 너무 많이 수신하는 것으로부터 사용자를 보호한다.

시스템에 축적된 사용자들의 옷 선호 프로필에 관한 지식은 메모리(121)안에 저장될 수 있지만, 스마트 카드(320)의 형태로 또한 저장될 수 있다. 이를 위해, 컴퓨터 시스템(120)은 스마트 카드 삽입점(311)을 갖는, 스마트 카드 수신 유닛(310)과 결합된 스마트 카드 판독/기록 유닛(306)을 가질 것이다. 옷 선호 프로필과 따로, 이 스마트 카드는 국부 메모리(321)에 저장된 사용자의 현재 저장 시스템(100)에 관한 정보를 또한 포함할 수도 있다. 스마트 카드(320)는, 예를 들면, 믿을만한 장치들로 정보의 엑세스를 제한함으로서, 국부 메모리(321)에 정보를 유지하기 위한 프로세서 유닛(322)을 또한 갖는다. 소비자에 대한 서비스로서 패션 숍들은 숍의 현재 분류의 데이터베이스를 갖는 상기 설명된 것과 같은 어떠한 종류의 드레스 충고 시스템들에 접속된 스마트 카드 판독기들을 인스톨 할 수도 있다. 만일 소비자가 그/그녀의 스마트 카드(320)를 시스템에 넣는다면, 고객들의 현재 컬렉션 및 고객의 선호 프로필로의 적합성의 필요물들에 관한 개인화된 구매 충고가 발생될 수 있다.

스마트 카드(320)에 저장된 정보를 사용하여, 아마도 숍에 저장된 사용자에 관한 정보를 갖는 조합에서, 숍은 그것의 컬렉션으로부터의 어떤 아이템들이 사용자들에게 흥미 있을 것이며, 아마도 할인에서, 판매를 위해 사용자들에게 이것들이 제공되는 지를 결정할 수 있다. 이를 위해, 숍은 그 자신의 제고들의 리스트를 사용자 옷 선호 프로필과 비교하고, 사용자에게 흥미있을것 같은 아이템들의 세트를 얻기 위해 룰-기반 시스템, 전문가용 시스템, 신경망 또는 유사한 시스템에 적용한다. 예를 들면, 룰-기반 시스템에서 다음의 룰들은 추천들을 얻기 위해 사용될 수있다.

* 사용자의 사이즈에 가능하지 않은 이러한 아이템들을 리스트로부터 제거

* 만일 사용자가 남성이라면, 리스트에서 여성의 옷을 제거, 반대의 경우도 동일

* 만일 사용자가 어떠한 정장도 갖지 않는다면, 타이들은 리스트상의 내려져서 이동되야 함.

* 사용자의 옷들의 특성 "색"의 값들을 결정 및 이러한 값들과 매칭되거나 또는 리스트 상의 더 높은 보안적인 값들 아이템들을 이동.

* 만일 다른 고객들이 아이템(X) 및 아이템(Y)를 구매하고 사용자가 아이템(X)를 소유한다면. 아이템(Y)을 리스트 상에 더 높게 이동시킴.

상기의 것과 같은 룰들을 사용하여, 또는 또 다른 시스템을 사용하여, 숍은 사용자에게 흥미 있을 아이템들을 갖는 리스트를 얻고, 사용자에게 이런 것들을 제시할 수 있다. 이 제시는 텍스트적인 또는 그래픽적인 리스트의 형태가 될 수 있으나, 도 2를 참조하여 설명된 것과 같은 가상 마네킹이 또한 사용될 수 있다. 이 리스트는 이러한 아이템들을 검색하기 위해 숍의 직원에 의해 사용될 수 있고 그러므로 사용자는 그것을 즉시 시도할 수 있다.

만일 사용자가 아이템을 사기 위해 선택한다면, 이것은 사용자의 옷 선호 프로필을 증강하거나 또는 업데이트한다. 이 정보는 또한 다중 사용자 프로필들을 유지하는 데이터베이스에 공급될 수 있고, 그러므로, 그들은 구입된 이 아이템의 결과로서 모드 업데이트될 수 있다. 이것은 숍이 아이템들이 이러한 상황들에서 선호되는 아이템들이 선호되는 그것의 고객들로부터 학습하는 것을 허용한다.

이 기술은, 사용자가 그의 스마트 카드(320)를 숍 안에 설치된 스마트 카드 판독기에 제시하고, 숍의 컴퓨터 시스템은 결정하고 흥미 있는 아이템들을 제시하는 물리적인 숍들 및 전자적인 숍 시스템들(160)에서 둘 다 사용될 수 있다. 사용자는 전기적 쇼핑 시스템(160)에 그의 프로필을 업로딩 할 수 있으며, 그 때에 사용자들은 물리적인 숍들에 유사한 방식으로 이것을 사용한다. 사용자는 국부 스마트 카드 판독기에 그의 프로필을 또한 제공할 수 있으며, 관련 정보를 추출하고, 이것을 처리하고 전자 쇼핑 시스템(160)에 이것을 제출한다. 이러한 방법으로, 전자 쇼핑 시스템(160)은 사용자의 사용을 보호하도록 그것이 필요한 것보다 더 많은 정보의 엑세스를 얻지 않는다.

물리적인 또는 전자적인 숍들은 또한 예를 들면, e-메일에 의해서 또는 웹사이트 상의 다운로드를 위해 이것을 제공함으로서, 그것의 재고 리스트 또는 그것의 적절한 부분을 컴퓨터 시스템(120)에 제공한다. 그 때 추천 유닛(303)은 제고 리스트 상의 아이템들에 대한 추천을 발생시키고 그것들을 사용자에서 제시하는 변환 시스템(200)에 그것들을 공급한다. 추천 유닛(303)은 또한 스마트 카드 판독/기록 유닛(306)으로 그것들을 공급할 수 있으며, 그들은 스마트 카드(320) 상에 저장된다. 추천들은 사용자가 쇼핑을 갔을 때 사용 가능하다하다. 이것은, 더한 주의 및 가능한 세일들을 리스트를 제공하는 숍에 발생시키는 사용자가 그의 자유시간에 재고 리스트로부터 선택하고, 선택과 그가 이미 가진 몇벌의 옷과 비교하는 것을 허용한다.

도 4는 컴퓨터 시스템들(140, 150, 160, 170)과 함께 인테넷과 같은 네트워크(130)에 연결된, 하나 또는 그 이상의 몇벌의 옷들을 추천하기 위한 시스템(120)의 배열을 도시한다. 컴퓨터 시스템(140)은 어떠한 브랜치 시작점 또는 독립 바디에 의해 유지될 수 있는, 중앙 데이터베이스(141)를 갖는 중앙 서버이다. 데이터베이스(141)에 보존되는 정보의 부분은 객관적이고 옷 디자인 스튜디오들로부터 자동적으로 검색될 수 있다(크기, 사용된 섬유 소재). 다른 것들은 우성의 색들과 같은 어떠한 효과를 가지고 검색될 수 있다. 단일 색의 의류들에 대하여, 색들은 표준화된 컬러 상관 시스템에서 평범하게 표시될 수 있다. 그러나, 다중 컬러 디자인들에서, "우성 컬러(들)"의 관념이 있을 것이고, 디자인의 어떠한 가능한 특성은 인코드될 것이다("기하학적", "바쁨", "추출", "꽃" "국부화", "반복성", "로고",...) 특성들의 제 3 카테고리들은 인코딩("사치스런", "바로크", "두드러진", "패서너블", "섹시"...)을 위한 전문가를 반드시 필요로 한다. 이 카테고리는 또한 10진 또는 조건부 관계들을 또한 포함할 것이다("잘 어울리다", "다른 컬러의 벨트와 함께 조합되지 않으면 키가 큰 여성에게 입혀져서는 안됨..")

데이터베이스(141)로의 엑세스는, 사용자의 시스템(120), 패선 숍들에 설치된 것과 같은 공공 드레스 보조 시스템들(150), 전자 쇼핑 시스템들(160) 패션 산업 및 시장 구성들 및 관련 보도 자료와 같은 인증된 파티들로 제한된다. 잠재 사용자들을 유인하기 위해, 컴퓨터 시스템(140)은 공개적으로 엑세스 가능한 웹사이트를 가질 수도 있다. 광고 시스템(170)은 데이터베이스(141)로의 엑세스를 갖는다. 광고 시스템(170)은 입력으로서 사용자의 옷 선호도를 사용함으로서, 사용자에게 타겟이 맞혀진 광고를 발생시키거나 또는 얻는다. 이 옷 선호도는 어떤 옷에 그가 흥미를 가질 것인지를 결정하기 위해 사용자의 쇼핑 행동을 관찰하는 것과 같은 다른 입력들과 조합된다. 사용자에게 보낸 이후에, 타겟이된 광고들은 종래의 텍스트적인, 오디오, 그래픽적인 및/또는 겨냥된 메시지로서 변환 시스템 상의 사용자에게 나타낼 수 있다. 그러나 만약 광고가 옷에 관한 것이라면, 광고는 광고된 옷에 관한 식별자를 포함할 수 있다. 이 식별자는 데이터베이스 내의 광고된 옷의 정보를 얻기 위해 사용될 수 있고, 유사하게 사용자의 소유의 옷에 관한 어떠한 정보가 얻어지는지에 유사하게 사용될 수 있다. 그때, 변환 시스템(200)은 도 2를 참조하여 설명된 것처럼, 사용자에 의해 이미 소유된 다른 아이템들의 일부와 조합된 광고된 옷이 입혀진 가상 마네킹(201)을 제시할 수 있다.

타겟이된 광고들이 사용자에게 제시될 때, 그는 그것들을 사도록 충분히 흥미 있을 광고를 발견할 것이다. 입력 장치(202)는 선택될 때 컴퓨터 시스템(160)이 광고된 상품에 대한 주문 요청을 발생시키고 이것을 전자 쇼핑 시스템(160)에 보내는 "구매"버튼을 제공할 수 있다. 그 때 이 시스템(160)은 주문 요청을 처리하고, 사용자에게 배송될 주문된 물품에 대하여 배열된다. 예를 들면, 본 출원인과 동일한 출원인의 미국 특허 제 09/498261에 설명된 것과 같은 방법이 사용될 수 있다. 이 출원은 재료에 관련된 컨텐츠의 구매 방법을 설명하고, "구매" 버튼은 컨텐츠 재료를 수신하는 장치들 상에 제공된다. 이 재료가 디스플레이 되고 또는 사용자에게 변환될 때, 그/그녀는 이 재료가 구매 요청을 발생시킨 그에게 흥미 있음을 나타낼 수 있다. 고객 신원 번호 또는 크레디트 카드 번호와 같은 정보를 포함할 수있는 구매 요청은 전자 쇼핑 시스템과 통신하고 처리된다. 이 경우, 변환될 컨텐츠 재료는 한 벌의 옷이고, 만일 사용자가 이 옷을 좋아한다면, 그/그녀는 "구매 버튼을 사용하여 이것을 살 수 있다.

추천 시스템(120)은 다양한 모드들에서 동작 할 수 있다. 이상적인 상황에서, 저장 시스템(100)의 문이 열릴 때, 시스템(120)은 현재 사용가능한 컬렉션으로부터 취해진, 사용자의 선호도 및 다른 상태들 및 제약들을 이해하는 작은 양의 조합들을 자동적으로 나타낸다. 만일 사용자가 하나의 제안에 동의하면, 그/그녀는 저장 시스템(100)으로 저장된 조작을 꺼낸다. 이 것은 시스템(120)에 의해 자동적으로 검출되고, 더 이상의 다이얼로그가 필요하지 않고; 시스템은 추천된 옷들이 오늘 입혀질 것이라고 가정된다. 부작용으로서, 사용자에 의해 인식되지 않은, 이것은 내부적으로 저장된 양호한 프로필을 강화하고 업데이트한다.

더 복잡한 시나리오는 사용자가 제안된 조합들로부터 일탈하는 것을 또는 사용자가 특별한 환경("나는 그것들을 세탁하기 위해 꺼낸다", "오늘은 휴일이다", "나는 오늘 매우 활기차다)의 발생을 시스템에 입력하는 것을 포함한다. 제안된 조합들로부터의 일탈의 경우, 다이얼로그는 시스템(120)이 다른 정보를 요청하는 것을 따를 것이다.

경험이 있는 및/또는 양호한 사용자들에 대하여, 다이얼로그는 다음에 가용하다.

* 옷들을 표준 태그들과 함께 하지 않는 컬렉션(예를 들면, 재단사 제작, 오래된 것, 또는 직접 제작한 옷)으로 입력

* 사용자의 양호한 프로필내의 파라미터들에 대하여 직접적으로 요구 및 이러한 파라미터들의 편집.

* 선택적으로 룰들 또는 스크립트들이 입력될 수도 있다(예를 들면, "월요일, 나는 비가 오지 않으면 빨강 색을 입고 싶다)

이 다이얼로그는 입력 장치(202) 및 변환 시스템(200)을 사용하여 수행된다. 대안적으로, 음성 입력/출력이 사용될 수 있다. 시스템(120)은 미리 입력하고 또는 직접적인 조정을 허용하는 데이터베이스, 파라미터들 및 등등의 직접적인 엑세스를 허용하기 위해 개인용 컴퓨터에 결합될 수 있다.

상기 시스템(120)은 마지막 세탁으로부터 얼마나 자주 입었는지에 기초하여 특정 옷을 세탁하도록 충고하는 것과 같은 다양한 요구되지 않은 힌트들을 줄 수 있다. 가장 빈번한 다른 힌트들은 일반 동작동안 발생하는 이벤트들의 결과로서 주어질 것이고, 시스템은 특정 환경 적인 변화들(패셔너블한 컬러들은 변화되고, 이것은 식어간다)에 관하여 정보를 줄 것이다 이러한 힌트들은 사용자가 관련 옷(들)을 저장 시스템(100)의 밖으로 꺼낼 때 오디오 메시지들로서 제시될 수 있다.

시스템(120)은 엑세스되는 하루의 시간 및/또는 드레싱에 관련된 사용자의 상태에 따라서, 시스템이 이것을 정보를 주는 한, 시스템은 일반적인 시나리오가 인가되는지 또는 사용자가 구매 충고를 수신하기를 원하는지를 여부를 추측할 것이다. 구매 충고에 대하여, 사용자는 어떠한 종류의 객체가 구매되고, 얼마가 의도된 가격이고 또는 다른 옷들과 원래의 옷들이 잘 어울리는가와 같은 질문에 대답을 항상 다이얼로그로 보증한다.

규칙적인 기초 상에서, 또는 사용자의 요구에서 또는 숍의 광고 시작의 결과로서 또는 세일즈 조직에서, 상기 시스템(120)은 사용자에게 새로운 아이템 또는 그/그녀의 저장 시스템(100)에 대한 아이템들을 구매하도록 제안할 수도 있다. 만일 사용자의 선호 프로필의 정확도가 높다면, 충고는 특정 물품에 한정될 수 있고; 가상 마네킹(201)은 사용자에 의해 이미 소유된 다른 아이템들의 일부와의 조합 내의 물품의 효과를 도시한다. 만일 정확도가 (아직) 매우 높지 않다면, 예를 들면, "당신을 새로운 두꺼운 스웨터를 사기를 원할 것이다: 당신은 단지 두 개만을 소유하고, 그러나 당신은 얇은 하나를 버릴 것이고, 겨울 스웨터들은 X에서 현재 할인중이다" 충고는 더 포괄적인 항으로 제한되어야 한다.

상기에 설명된 것처럼, 스마트 카드(320)는 고객의 현재 컬렉션 및 그/그녀의 선호 프로필에 관한 정보 모두를 메모리(321)내로 옮긴다, 특성화된 숍들은 다른 시장 적소들에 숍들을 갖는 동맹의 형태를 가질 수 있다. 말하자면, 의상 숍은 신발 숍과 매칭될 수도 있다; 만일 사용자가 의상을 구입하는 것을 계획한다면, 그/그녀는 가상 마네킹에 의해 매칭하는 신발에 관하여 정보를 줄 수 있다. 드레스 충고의 공공 버전의 조사는, 특정 패션 업자에 묶이지 않을지라도, 그것이 가진 권리에서 유리하다.

태그들의 데이터 포맷중앙 데이터베이스(141) 및 스마트 카드(320)에 기초하여, 상호 동작할 수 있는 시스템에 묶인 생산품이 있을 수 있다. 태그들(106-110), 센서(111), 컴퓨터 시스템들(120), 저장 시스템(121), 어플리케이션 소프트웨어 및 인터넷 서비스들은 다른 업자에 의해 생산될 수 있고 조사될 수 있다; 또한, 다수의 업자들은 동일한 생산품 영역에서 활동할 수 있다. 그러므로, 이러한 표준들의 설립은 시스템 도인이 첫 단계가 될 수 도 있다. 또한 시작에서, 데이터베이스에서 발생하지 않는 존재하는 옷들의 큰 바디가 있다. 그러므로, 최종 사용자에게 친숙한 태그 프로그래밍 프로토콜들과 함께 필드 프로그램 가능한 태그들은 성공할 이 시스템에 대하여 도움이 된다. 필드 프로그램 가능한 태그들의 대안으로서, 각각 유일하지만 다른 코드를 발생시키는 태그들이 있을 수 있다. 이러한 코드를 사용자의 데이터베이스의 국부 버전에 보존되는 것과 같은 식별 가능한 옷들의 타입을 실질적으로 참조하는 코드로의 변환은 모두 소프트웨어의 문제점이다. 비록 처음의 설명, 비-산업적으로 정의된 옷들의 타입들이 전체 완성된 버전들 보다 덜 명료하겠지만, 이 제 1 부트스트랩 상태 동안 시스템의 적어도 하나의 부분적인 기능을 허용하는 일반 옷 형 분류가 표준화될 수 있다. 이 옷들의 타입 분류는 최종 사용자들에게 그들의 저장 시스템(100) 내의 태그 인덱스들을 프로그램하는 것을 허용하기 충분하게 간단해야 한다.

개개인들은 매일의 옷들의 선택의 책임을 짐으로서 그들의 국부 시스템에 대하여 지불하려할 것이다. 이것이 그들이 적절하고 관련된 구매 정보를 얻는 것을 보장하고, 그들이 패션 등의 패션의 현재 트렌드를 유지하는 것이 보장된다면, 그들은 중앙화된 데이터베이스(141)에 엑세스를 얻을 수 있는 인터넷 서비스로의 신청에 관하여서도 지불하려할 것이다. 유사하게, 패션 산업 및 판매 조직들은 광고 예산들을 제한하는 더 나은 이점을 얻기 위해 이 시스템에 지불에 이바지하려 할 것이다: 이것은 고객의 취향 및 의견들에 뒷문입장의 능력과 목표 고객들에대한 더욱더 직접적인 엑세스들을 을 허용한다. 이것은 최종 사용자들에게 낮은 가격을 유지한다.

그러나, (시장에서 소수의 공업적으로 타겟이된 옷들을 갖는)시작 상태에서 최종 사용자의 이득은 작다. 실제로, 그러나, 편리한 일반적인 옷들의 타입 분류가 만들어 질 수 있다. 이것은 모든 어느 사람의 옷들에 대하여 항상 귀찮다. 또한, 작게 팔린 카피들만을 갖는 장치(센서, 컴퓨터+밀러/스크린 조합)는 비싸다. 그러므로, 부트스트랩 상태를 극복하기 위한 부가적인 센서들이 있어야 한다. 어떤 가능한 시나리오들:

태그들은 2차 목적으로 제공되어질 수 있다: 이들이 공장 및 가게 사이에 자동화된 라우팅 및 논리주의 역할을 한다. 태그가 붙여진 옷들은 태그가 붙여지지 않은 옷들보다 더 비싸지 않으며, 고객은 그들이 구매하는 새로운 항목들이 태그가 붙여졌음을 알아차리지 못할 것이다. 몇 년 후, 모든 옷들 중 상당한 비율이 태그가 붙여질 것이며, 다음으로 최종 사용자 시스템들의 마케팅 및 제품은 사용자에게 직접적인 이점을 줌으로써 잘 팔릴 수 있다.

보험 회사들은 옷들에 연결되어진 것뿐만 아니라, 가정에서의 모든 이동 유지 가능한 상품에 있는 태그들을 분배한다. 또한, 보험 회사들은 분류 소프트웨어를 분배하는 것을 도와준다. 상당한 비율의 상품이 태그가 붙여지고 적절하게 분류되면, 보험 프리미엄이 감소하게 될 것이다. 작업을 위한 이 시나리오에 대해, 태그들의 기계적인 특성 및 태그 데이터 포맷의 표준화가 수반된다.

추가 서비스로서, 세탁소들은 태그들을 옷들에 부착할 수 있으며, 적절한 분류로 처리할 수 있다. 태그들이 세탁에 관한 정보에 나타낼 수 있으므로, 이들은 세탁물 오퍼레이터들에 대한 육체적인 노고를 절감할 수 있다. 그러므로 태그들이 있는 세탁물들이 이득을 보기 때문에, 이는 최종 사용자들에 대한 무료 서비스일 수 있으며, 결국 태그가 붙여진 옷들이 빽빽하게 급증하여도 안전하다.

모든 소프트웨어 해결책은 최종 사용자에 대한 초기 투자 임계를 낮추며, 특정 구매 충고 및 새로운 콤비네이션들에 대한 자극에서 시스템의 기능성의 일부를 시뮬레이트할 수 있다. 이는 누군가의 책들, CD들, 또는 와인 컬렉션의 데이터베이스를 설정하는 것과 비교하면 최종 사용자의 노력을 필요로 한다. 중앙 데이터베이스(141)로의 액세스는 이 노력을 용이하게 하며, 이점들을 증가시킨다(최근 패션 관련 경향 등의 경우에 있어서 개인적인 충고). 또한, 이 시스템은 구매시 디스카운트의 형태로 패션 산업에 의해 스폰서가 될 수 있으며, 실제로, 산업적으로 태그가 붙여진 옷들보다 덜 정확하다 하더라도, 이는 이미 최종 사용자의 기호 및 옷입는 습관들에 대한 백도어 액세스를 제공한다. 추가적인 보너스는 중개자 또는 옷 렌탈 네트워크에 대한 가입일 수 있다.

오리지널 시스템의 추가 확장들은 다음을 포함한다:

* 일상 기분 및 거주자의 선호도들에 매칭하는 집 또는 작업 환경에서의 상호 작용 기술. 실제로, 가벼운 조각(예를 들어, 수정 가능한 액정 필터들에 근거하여)은 주요한 색이 그 날의 선택된 옷들의 콤비네이션의 색 또는 짜임새와 매칭하는(또는 대조하는) 곳에서 고찰될 수 있다.

* 비디오폰: 낮은 대역폭 비디오폰들은 얼마간의 통신 파트너의 실제 인상을전달해야 한다. 얼굴의 애니메이션에서의 진행 작업은 스피커의 얼굴을 합성하는 것을 목표로 한다. "반대편상의" 컴퓨터 시스템이 그 사람이 입고 있는 것을 알고 있다면, 이는 또한 컴팩트 형태로 이 정보를 전송할 수 있으며 현재의 옷을 합성할 수 있다.

* 옷에 대한 사람의 변화 선호는 다른 양태들의 사람의 기분에 관련된다. 이 지식은 말, 조명, 온도, 사운드 레벨 및 다른 파라메터들을 눈에 거슬리지 않는 방식으로 조정하기 위해 차후의 국내 용도에서 사용될 수 있다.

Claims

한벌의 옷(a piece of clothing)(101-105)을 선택하기 위한 추천(recommendation)을 발생시키는 방법에 있어서,

옷 프로필(clothing profile)을 보존하는 단계, 선택되는 한벌의 옷(101-105)을 검출하는 단계, 상기 선택에 기초하여 상기 옷 프로필을 업데이팅하는 단계, 및 상기 업데이팅된 옷 프로필로부터 추천을 발생시키는 단계를 포함하는, 추천 발생 방법.
한벌의 옷(101-105)을 선택하기 위한 추천을 발생시키는 시스템(120)에 있어서,

옷 프로필을 보전하는 사용자 프로필링 수단(302), 상기 선택된 한벌의 옷(101-105)에 기초한 옷 프로필을 업데이팅하기 위해 상기 사용자 프로필링 수단(302)에 접속된, 선택될 한벌의 옷(101-105)을 검출하기 위한 검출 수단(111), 상기 업데이팅된 옷 프로필로부터 추천을 발생시키기 위한 추천 수단(303) 및 사용자에게 상기 추천을 제시하기(201) 위한 제시 수단(200)을 포함하는, 추천을 발생시키기 위한 시스템(120).
제 2 항에 있어서,

추천을 발생시키기 위한 추천수단은 사용가능한 몇벌의 옷(101-105)의 리스트, 서브셋들의 컬렉션을 형성하기 위해 상기 리스트로부터 복수의 벌들(pieces)을 조합을 포함하고,

상기 추천은 상기 서브셋들의 컬렉션으로부터 적어도 하나의 서브셋을 포함하는, 시스템(120).
제 3 항에 있어서,

상기 추천 수단(303)은 현재 상황에 적합하지 않은 복수의 서브셋들을 컬렉션으로부터 제거하기 위해 배열된, 시스템(120).
제 2 항에 있어서,

상기 사용자 프로필링 수단(302)은 스마트 카드(320)에 저장된 옷 프로필을 보존하기 위해 스마트 카드 판독/기록 수단(306, 310, 311)에 결합된, 시스템(120).
제 2 항에 있어서,

옷의 벌수가 선택되는 목적을 결정하기 위한 입력 수단(202)을 더 포함하고,

상기 사용자 프로필링 수단(302)은 결정된 목적에 더 기초하여 옷 프로필을 업데이팅하기 위해 배열되는, 시스템(120).
제 6 항에 있어서,

상기 입력 수단(302)은 전자 달력 내에 약속에 기초한 목적을 결정하기 위해 배열되는, 시스템(120).
사용자에게 타겟이 되는 옷 광고를 제시하기 위한 방법에 있어서,

사용자에 대한 옷 프로필을 얻는 단계, 상기 옷 프로필과 매칭되는 옷 제품을 결정하기 위한 단계, 및 사용자에게 옷 제품의 식별자를 전송하는 단계를 포함하는, 사용자에게 타겟이 되는 옷 광고를 제시하는 방법.
제 8 항에 있어서,

상기 식별자를 사용하여 옷 제품의 표시(201)를 발생시키는 단계 및 사용자에게 상기 표시(201)를 변환하는 단계를 더 포함하는, 방법.
제 8 항에 있어서,

상기 옷 프로필은 스마트 카드(320)로부터 옷 프로필을 판독함으로서 얻어지는, 방법.