KR20130082882A - 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법 및 장치 - Google Patents

Abstract

본 발명은 사용자가 입력 또는 선택한 아이템 사이의 개연성 있는 선후관계에 따른 전환관계 패턴을 찾아내는 독창적인 분석기법과 이를 이용한 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법 및 장치를 제공한다. 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법은 웹 사이트 또는 어플리케이션에서 사용자에 의해 발생하는 선행 액션 및 목표 액션 간의 전환 패턴을 분석하여 상기 전환 패턴을 기반으로 추천 아이템을 출력하는 방법에 있어서, 상기 웹 사이트 또는 상기 어플리케이션에서 발생되는 상기 사용자의 상기 선행 또는 상기 목표 액션을 감지하여 상기 액션에 대한 데이터를 수집하는 데이터 수집 단계; 상기 수집된 데이터를 기반으로 상기 선행 액션과 상기 목표 액션 간의 연관성 평가 지수를 산출하여 상기 전환 패턴을 분석하는 전환 패턴 분석 단계; 및 상기 전환 패턴을 기반으로 상기 사용자에게 추천할 상기 추천 아이템을 출력하는 추천 아이템 출력 단계를 포함한다. 따라서, 사용자가 목표로 하는 최종 행위에 빨리 도달할 수 있는 수단을 제공하기 때문에 사용자의 서비스 만족도와 서비스 제공 효과를 높일 수 있다.

Description

사용자의 전환 패턴 분석을 이용한 아이템 추천 방법 및 장치{ITEM RECOMMENDATION METHOD AND APPARATUS USING CONVERSION PATTERN ANALYSIS OF USER BEHAVIOR}

본 발명은 추천 방법 및 장치에 관한 것으로, 보다 상세하게는 사용자의 행동 내역을 참조하여 아이템을 추천하는 방법 및 장치에 관한 것이다.

웹 사이트나 애플리케이션에서는 사용자들의 모든 이용 내역을 기록할 수 있다. 이러한 이용 내역을 흔히 이용 로그(Usage Log) 또는 Click-stream Data라 부르며, 각각의 이용 행위는 이용시각(Time)을 기준으로 순차적으로 발생 및 기록되는 특징을 가진다.

순차적으로 발생한 사용자의 이용 행위 데이터로부터 시간 순서에 따른 행동들 사이의 상관관계를 찾아낸다면, 특정 행위 다음에 사용자가 어떤 행위를 할 것인지가 예측 가능할 것이고, 예측된 결과를 사용자에게 미리 추천함으로써 사용자의 탐색 시간을 줄여주고 이용 만족도를 높일 수 있다.

웹로그 분석, 데이터 마이닝, 기계 학습, 통계분석 분야 등에서 위와 같이 사용자의 순차적 행위에 나타나는 특징적 패턴을 분석하는 여러 기법들이 고안되었으며, 아마존 닷컴(amazon.com)과 같은 웹 사이트에서는 이러한 기법에 기반한 상품 추천 기능을 제공하기도 하였다.

그러나, 기존의 분석 기법들은 웹사이트 방문자의 단일 방문 세션 내에서 발생하는 순차적인 이용내역만을 대상으로 패턴을 분석하거나, '검색' 또는 '구매(주문)' 등의 단일 행위에 국한하여 순차적인 이용 패턴을 분석하거나, 순차적인 웹 페이지 이동 경로만을 분석하는 등 그 기능과 응용분야가 제한적이었다.

대한 민국 공개 특허 KR 10-2002-0040808 ("사용자가 입력하는 정보와 행동로그의 분석을 이용하여정보 서비스 체계 및 검색 결과를 제공하는 정보 서비스시스템 및 방법", 주식회사 네오위즈, 2004.01.24. 공개)

상술한 문제점을 해결하기 위한 본 발명의 목적은 웹사이트 방문자의 방문 세션과 상관 없이 시간적 선후관계가 있는 임의의 두 행동에 대해서, 각 행동에서 사용자가 입력 또는 선택한 아이템 사이의 개연성 있는 선후관계에 따른 전환관계 패턴을 찾아내는 독창적인 분석기법과 이를 이용한 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법 및 장치를 제공하는 것이다.

본 발명의 다른 목적은 사용자의 방문 세션과 상관없이, 웹 사이트 또는 애플리케이션에서, 두 행동 사이에 시간적 순차관계를 가지는, 사용자의 선행 액션(Entry Action)과 목표 액션(Goal Action) 행동 내역을 수집하여, 전환관계 패턴을 범용적이고 일반화된 분석 기법을 기반으로 정형화된 형태로 제시하며, 전환패턴 분석 결과 데이터를 이용하여 웹 사이트나 애플리케이션에서 사용자가 특정 선행액션을 했을 때, 그 선행액션과 전환관계 패턴이 나타나는 상품, 문서, 웹페이지, 키워드 등의 아이템들을 추천하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법 및 장치를 제공하는 것이다.

상기한 목적을 달성하기 위한 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법은 웹 사이트 또는 어플리케이션에서 사용자에 의해 발생하는 선행 액션 및 목표 액션 간의 전환 패턴을 분석하여 상기 전환 패턴을 기반으로 추천 아이템을 출력하는 방법에 있어서, 상기 웹 사이트 또는 상기 어플리케이션에서 발생되는 상기 사용자의 상기 선행 또는 상기 목표 액션을 감지하여 상기 액션에 대한 데이터를 수집하는 데이터 수집 단계; 상기 수집된 데이터를 기반으로 상기 선행 액션과 상기 목표 액션 간의 연관성 평가 지수를 산출하여 상기 전환 패턴을 분석하는 전환 패턴 분석 단계; 및 상기 전환 패턴을 기반으로 상기 사용자에게 추천할 상기 추천 아이템을 출력하는 추천 아이템 출력 단계를 포함할 수 있다.

상기 데이터 수집 단계는 상기 웹 사이트 또는 상기 어플리케이션에서 발생하는 상기 선행 액션 또는 상기 목표 액션을 감지하는 감지 단계; 상기 감지된 선행 또는 목표 액션을 데이터화하여 저장하는 데이터화 단계를 포함할 수 있다.

상기 데이터화 단계는 상기 감지된 선행 또는 목표 액션이 상기 선행 액션인지 상기 목표 액션인지 구분하는 구분자, 서로 연관된 상기 선행 액션 또는 상기 목표 액션들의 그룹을 구별하기 위한 액션 그룹 식별자, 상기 선행 또는 목표 액션에서 상기 사용자가 선택한 아이템 값 및 상기 선행 또는 목표 액션이 발생한 시간(Timestamp) 정보 중 적어도 어느 하나를 저장하는 단계를 포함할 수 있다.

상기 전환 패턴 분석 단계는 상기 수집된 데이터를 기반으로 상기 연관성 평가 지수를 산출하는 연관성 평가 지수 산출 단계; 및 상기 연관성 평가 지수를 기반으로 후보 패턴 집합을 필터링하여 전환 패턴 분석 결과 - 전환 패턴 분석 결과는 선행 액션 아이템, 목표 액션 아이템, 연관성 평가 지수를 포함함 - 를 출력하는 전환 패턴 분석 결과 출력 단계를 포함할 수 있다.

상기 연관성 평가 지수는 상기 후보 전환 패턴 중에서 특정 선행 액션과 특정 목표 액션이 나타나는 비율을 정의하는 지지도, 상기 특정 선행 액션이 나타나는 상기 후보 전환 패턴 중에서 상기 특정 목표 액션이 나타나는 비율을 정의하는 신뢰도 및 상기 특정 선행 액션과 상기 특정 목표 액션이 서로 독립적인지 나타내는 향상도 중 적어도 어느 하나를 기반으로 산출될 수 있다.

상기 연관성 평가 지수 산출 단계는 상기 수집된 데이터를 기반으로 상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 생성하는 단계; 상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 기반으로 중복되는 쌍을 제거하여 한 번씩만 나타나는 상기 후보 패턴 집합을 추출하고, 상기 각 후보 패턴의 출현 빈도수를 추출하는 단계; 및 상기 후보 패턴의 출현 빈도수를 기반으로 상기 연관성 평가 지수를 산출하는 단계를 포함할 수 있다.

상기 전환 패턴 분석 결과 출력 단계는 상기 산출된 연관성 평가 지수가 최소 연관성 평가 지수 조건을 만족하지 못하는 경우, 상기 후보 패턴 집합에서 상기 조건을 만족하지 못하는 상기 후보 패턴을 제외하여 필터링하는 단계를 포함할 수 있다.

상기 추천 아이템 출력 단계는 상기 사용자로부터 제 1 선행 액션을 입력받는 단계; 상기 제 1 선행 액션과 관련된 상기 전환 패턴을 기반으로 상기 제 1 선행 액션에 적합한 추천 아이템을 선정하는 단계; 및 상기 추천 아이템을 출력하는 단계를 포함할 수 있다.

상기 아이템은 상기 사용자에게 제공되는 서비스 객체로서, 검색어, 상품, 문서, 웹페이지, 음악, 영화 및 디지털 파일 중 적어도 어느 하나일 수 있다.

상기한 목적을 달성하기 위한 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치는 웹 사이트 또는 어플리케이션에서 사용자에 의해 발생하는 선행 액션 및 목표 액션 간의 전환 패턴을 분석하여 상기 전환 패턴을 기반으로 추천 아이템을 출력하는 장치에 있어서, 상기 웹 사이트 또는 상기 어플리케이션에서 발생되는 상기 사용자의 상기 선행 또는 목표 액션을 감지하여 상기 액션에 대한 데이터를 수집하는 데이터 수집부; 상기 수집된 데이터를 기반으로 상기 선행 액션과 상기 목표 액션 간의 연관성 평가 지수를 산출하여 상기 전환 패턴을 분석하는 전환 패턴 분석부; 및 상기 전환 패턴을 기반으로 상기 사용자에게 추천할 상기 추천 아이템을 출력하는 추천 아이템 출력부를 포함할 수 있다.

상기 데이터 수집부는 상기 웹 사이트 또는 상기 어플리케이션에서 발생하는 상기 선행 액션 또는 상기 목표 액션을 감지하는 감지부; 및 상기 감지된 선행 또는 목표 액션을 데이터화하여 저장하는 데이터화부를 포함할 수 있다.

상기 데이터화부는 상기 감지된 선행 또는 목표 액션이 상기 선행 액션인지 상기 목표 액션인지 구분하는 구분자, 서로 연관된 상기 선행 액션 또는 상기 목표 액션들의 그룹을 구별하기 위한 액션 그룹 식별자, 상기 선행 또는 목표 액션에서 상기 사용자가 선택한 아이템 값 및 상기 선행 또는 목표 액션이 발생한 시간(Timestamp) 정보 중 적어도 어느 하나를 저장할 수 있다.

상기 전환 패턴 분석부는 상기 수집된 데이터를 기반으로 상기 연관성 평가 지수를 산출하는 연관성 평가 지수 산출부; 및 상기 연관성 평가 지수를 기반으로 후보 패턴 집합을 필터링하여 전환 패턴 분석 결과 - 전환 패턴 분석 결과는 선행 액션 아이템, 목표 액션 아이템, 연관성 평가 지수를 포함함 - 를 출력하는 전환 패턴 분석 결과 출력부를 포함할 수 있다.

상기 연관성 평가 지수는 상기 후보 전환 패턴 중에서 특정 선행 액션과 특정 목표 액션이 나타나는 비율을 정의하는 지지도, 상기 특정 선행 액션이 나타나는 후보 전환 패턴 중에서 상기 특정 목표 액션이 나타나는 비율을 정의하는 신뢰도 및 상기 특정 선행 액션과 상기 특정 목표 액션이 서로 독립적인지 나타내는 향상도 중 적어도 어느 하나를 기반으로 산출될 수 있다.

상기 연관성 평가 지수 산출부는 상기 수집된 데이터를 기반으로 상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 생성하는 아이템 쌍 생성부; 상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 기반으로 중복되는 쌍을 제거하여 한 번씩만 나타나는 후보 패턴 집합을 추출하고, 상기 각 후보 패턴의 출현 빈도수를 추출하는 후보 패턴 집합 추출부; 및 상기 후보 패턴의 출현 빈도수를 기반으로 상기 연관성 평가 지수를 산출하는 산출부를 포함할 수 있다.

상기 전환 패턴 분석 결과 출력부는 상기 산출된 연관성 평가 지수가 최소 연관성 평가 지수 조건을 만족하지 못하는 경우, 상기 후보 패턴 집합에서 상기 조건을 만족하지 못하는 연관성 평가 지수를 제외하여 필터링하는 단계를 포함할 수 있다.

상기 추천 아이템 출력부는 상기 사용자로부터 제 1 선행 액션을 입력받는 입력부; 상기 제 1 선행 액션과 관련된 상기 전환 패턴을 기반으로 상기 제 1 선행 액션에 적합한 추천 아이템을 선정하는 선정부; 및 상기 추천 아이템을 출력하는 출력부를 포함할 수 있다.

상기 아이템은 상기 사용자에게 제공되는 서비스 객체로서, 검색어, 상품, 문서, 웹페이지, 음악, 영화 및 디지털 파일 중 적어도 어느 하나일 수 있다.

본 발명의 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법 및 장치에 따르면, 기존의 전환관계 패턴 분석 방법이나 순차 패턴 분석 방법이 제한적인 범위에서만 적용 가능했던 것과 달리, 시간적인 순차관계를 가지는 선행액션과 목표액션이 존재하는 모든 응용분야의 추천 서비스에 적용할 수 있고, 이에 따라 사용자가 특정 선행액션을 했을 때, 해당 선행액션과 전환관계 패턴이 나타나는 서비스 아이템을 추천 받음으로써, 불필요한 아이템 탐색 시간과 노력을 줄일 수 있다는 효과가 있다.

또한, 본 발명의 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법 및 장치에 따르면, 사용자가 목표로 하는 최종 행위에 빨리 도달할 수 있는 수단을 제공하기 때문에 사용자의 서비스 만족도와 서비스 제공 효과를 높일 수 있다는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치를 개략적으로 나타낸 블록도,
도 2는 본 발명의 일 실시예에 따른 아이템 추천 장치의 데이터 수집부를 구체적으로 나타낸 상세블록도,
도 3은 본 발명의 일 실시예에 따른 전환 패턴 분석부의 개념을 설명하기 위한 개념도,
도 4는 본 발명의 일 실시예에 따른 전환 패턴 분석부의 단계 1을 설명하기 위한 개념도,
도 5는 본 발명의 일 실시예에 따른 전환 패턴 분석부의 단계 2를 설명하기 위한 개념도,
도 6은 본 발명의 일 실시예에 따른 전환 패턴 분석부의 단계 3을 설명하기 위한 개념도,
도 7은 본 발명의 일 실시예에 전환 패턴 분석부의 단계 4 및 단계 5를 설명하기 위한 개념도이다.
도 8은 본 발명의 일 실시예에 따른 전환 패턴 분석부를 구체적으로 나타낸 상세블록도,
도 9는 본 발명의 일 실시예에 따른 연관성 평가 지수 산출부를 구체적으로 나타낸 상세블록도,
도 10은 본 발명의 일 실시예에 따른 추천 아이템 출력부를 구체적으로 나타낸 블록도,
도 11은 본 발명의 일 실시예에 따른 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법을 개략적으로 나타낸 흐름도,
도 12는 본 발명의 일 실시예에 따른 아이템 추천 방법의 데이터 수집 단계를 구체적으로 나타낸 상세흐름도,
도 13은 본 발명의 일 실시예에 따른 아이템 추천 방법의 전환 패턴 분석 단계를 구체적으로 나타낸 상세흐름도,
도 14는 본 발명의 일 실시예에 따른 아이템 추천 방법의 연관성 평가 지수 산출 단계를 구체적으로 나타낸 상세흐름도,
도 15는 본 발명의 일 실시예에 따른 아이템 추천 방법의 추천 아이템 출력 단계를 구체적으로 나타낸 상세흐름도,
도 16은 본 발명의 일 실시예에 따른 사용자의 전환 패턴 분석을 이용한 아이템 추천 시스템을 개략적으로 나타낸 블록도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.

그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

아이템 추천 장치

본 발명의 일 실시예에 따른 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치는 웹 사이트 또는 애플리케이션 사용자들의 이용 내역으로부터 선행 액션(Entry Action)과 목표 액션(Goal Action) 사이의 전환관계를 가지는 아이템들간의 패턴을 분석하는 절차와 방법, 분석된 전환관계 패턴을 이용하여 선행 아이템을 참조하는 단계에서 목표 아이템을 추천하는 장치이다.

본 명세서에 걸쳐서, 선행 액션은 사용자가 최종적으로 얻으려고 하는 아이템을 획득하기에 앞서 시도되는 웹 사이트나 어플리케이션 상의 액션을 의미하며, 목표 액션은 사용자가 최종적으로 아이템을 획득하는 액션을 의미한다.

본 발명에 있어서, 아이템은 검색어, 상품, 문서, 웹페이지, 음악이나 영화 등의 디지털 파일 등 사용자에게 제공되는 서비스 객체를 의미한다. 다만, 반드시 이에 국한되는 것은 아니다.

예를 들어, 웹 사이트 사용자들의 이용 내역을 분석하여 특정 검색어로 검색한 후에 최종적으로 구매하는 상품 간의 상관관계 패턴을 찾아낸다면, 해당 검색어로 검색하는 사용자들에게 구입할만한 상품을 추천할 수 있을 것이다.

본 발명에서는 이와 같이 일정 기간의 범위 내에서, 서로 선후 관계를 가지는 두 개의 이용행위 사이의 상관관계를 분석하여, 먼저 이용된 아이템과 나중에 이용된 아이템의 개연성 있는 조합을 '전환 관계 패턴(또는 전환 패턴)' 이라고 정의한다.

도 1은 본 발명의 일 실시예에 따른 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치(100)를 도시한 도면이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 아이템 추천 장치(100)는 데이터 수집부(110), 전환 패턴 분석부(120) 및 추천 아이템 출력부(130)를 포함할 수 있다.

도 1을 참조하면, 데이터 수집부(110)는 사용자가 웹 사이트나 어플리케이션에서 발생시키는 선행 액션이나 목표 액션 이벤트를 감지하여 상기 액션에 대한 데이터를 수집한다. 수집된 데이터는 이후, 전환 패턴 분석부(120)에서 사용자의 전환 패턴을 분석하는데 사용된다.

도 2는 본 발명의 일 실시예에 따른 아이템 추천 장치(100)의 데이터 수집부(110)를 구체적으로 나타낸 상세블록도이다. 도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 데이터 수집부(110)는 감지부(210) 및 데이터화부(220)를 포함할 수 있다.

도 2를 참조하면, 상기 감지부(210)는 웹 사이트 또는 어플리케이션 내에서 사용자가 발생시키는 선행 액션이나 목표 액션 이벤트를 감지한다. 즉, 감지부(210)는 사용자의 선행 액션 또는 목표 액션 이벤트가 발생하는 웹 사이트나 어플리케이션의 특정 기능을 이용하는 과정에서, 해당 이벤트 발생 내역을 감지한다. 본 발명의 실시예에 따르면, 감지부(210)는 상기 해당 이벤트 발생 내역을 호출 가능한 프로그램 라이브러리로 제공할 수 있다.

데이터화부(220)는 감지부(210)에서 감지한 선행 또는 목표 액션 관련 이벤트를 저장 매체에 저장할 수 있도록 데이터화한다. 즉, 데이터화부(220)는 감지된 사용자의 액션을 데이터로 변환한다. 데이터화부(220)는 상기 액션을 변환함에 있어서, 사용자의 상기 액션이 선행 액션인지 목표 액션인지 구분하는 구분자(222), 액션 그룹 식별자(224), 선행 액션 또는 목표 액션에서 사용자가 입력하거나 선택한 아이템 값(226), 선행 액션 또는 목표 액션이 발생한 시간 정보(228: Timestamp)로 변환하여 데이터화할 수 있다. 다만, 데이터화부(220)에서 상기 액션을 데이터화하는 요소는 상기 예들로 국한되는 것은 아니고, 다른 예들로 변환될 수 있다.

여기서, 구분자(222)는 특정 플래그(flag)로 구분하여 'action_flag'가 0이면 선행 액션을 나타내고, 'action_flag'가 1이면 목표 액션을 나타내도록 설정할 수 있다.

액션 그룹 식별자(224)는 서로 연결된 선행 액션 또는 목표 액션들의 그룹을 구별하기 위한 식별자이다. 예컨대, 동일한 방문자 세션에서 어떤 검색어를 사용한 후에 어떤 상품을 클릭했는지에 대한 전환 패턴을 분석할 경우, '세션 식별자'를 액션 그룹 식별자(224)로 이용할 수 있다. 본 발명의 다른 실시예에 있어서, 하루 동안 수집된 이용 내역 데이터에서 각 사용자들이 어떤 검색어를 사용한 후에 어떤 상품을 클릭했는지에 대한 전환 패턴을 분석할 경우, '사용자 식별자'를 액션 그룹 식별자(224)로 이용할 수 있다. 이뿐만 아니라 액션 그룹 식별자(224)는 전환 행동 패턴을 분석하고자 하는 기간이나 단위에 맞게 웹 사이트 또는 어플리케이션에서 자유롭게 지정할 수 있다.

아이템 값(226)은 사용자가 실제 웹 사이트나 어플리케이션에서 입력하거나 선택한 아이템을 데이터화한 것이다. 예컨대, 특정 웹 사이트에서 '반바지'를 검색한 경우, '반바지' 라는 문자열이 아이템 값(226)이 될 수 있다. 다른 예로, '605-A' 라는 식별번호를 가지는 특정 상품을 클릭했을 경우, '605-A' 라는 상품 식별번호가 아이템 값(226)이 될 수 있다.

시간 정보(228)는 사용자가 선행 또는 목표 액션을 수행한 시간을 타임 스탬프(timestamp)와 같이 기록하여 데이터화한 것을 의미한다. 시간 정보(228)를 통해 시간에 따른 사용자의 액션을 기록하여 이하 전환 패턴 분석시 액션들 사이의 선후관계 유효성을 검사하거나 동일한 패턴 양상의 반복을 배제하는데 사용될 수 있다.

데이터화부(220)는 데이터화된 데이터를 파일 또는 데이터베이스를 사용하는 로그 데이터 저장소(미도시)에 액션 로그 데이터로 저장할 수 있다. 이때, 상기 액션 로그 데이터는 데이터화된 액션 관련 데이터가 하나의 레코드(record) 단위로 구성된 데이터 레코드의 집합이 될 수 있다.

데이터 수집부(110)는 인터넷과 같은 네트워크를 이용하여 상기와 같이 수신된 사용자의 웹 사이트나 어플리케이션에서의 액션과 관련된 데이터를 다른 디바이스(device)로 전송할 수도 있다.

다음으로, 전환 패턴 분석부(120)는 상기 데이터 수집부(110)로부터 수집된 사용자의 액션 관련 데이터를 입력으로 받아 사용자의 전환 패턴을 분석한다. 본 발명의 일 실시예에 따른 전환 패턴 분석부(120)는 연관성 평가 지수라는 평가 관련 지수를 이용하여 선행 액션과 목표 액션 간의 관계를 파악하고 이를 통해 사용자의 패턴을 분석한다.

도 3은 본 발명의 일 실시예에 따른 전환 패턴 분석부(120)의 개념을 설명하기 위한 개념도이다. 도 3에 도시된 바와 같이, 전환 패턴 분석부(320)는 데이터 수집부(110)로부터 액션 로그 데이터(310)를 입력으로 받아 전환 관계 패턴 데이터 집합(340)을 출력한다.

이때, 전환 패턴 분석부(320)는 최소 지지도(331), 최소 신뢰도(332) 및 최소 향상도(333)를 기반으로 전환 패턴 분석을 분석할 수 있다. 최소 지지도(331), 최소 신뢰도(332) 및 최소 향상도(333)는 사용자 인터페이스(미도시)를 통해 입력으로 받을 수도 있고 미리 설정되어 있는 값을 사용할 수도 있다. 이때, 최소 지지도(331), 최소 신뢰도(332) 및 최소 향상도(333) 중 값이 누락되는 경우가 있을 수 있는데 이럴 경우, 전환 패턴 분석부(120)는 상기 누락된 값을 0으로 처리한다.

전환 패턴 분석부(320)는 전환 관계 패턴 데이터 집합(340)을 출력할 수 있는데, 상기 데이터 집합(340)는 선행 아이템(선행 액션에 따른 아이템), 목표 아이템(목표 액션에 따른 아이템), 지지도, 신뢰도 및 향상도 중 적어도 어느 하나를 포함할 수 있다. 상기 데이터 집합(340)은 저장 장치(미도시)에 저장될 수 있다.

전환 패턴 분석부(320)는 단계 1(321) 내지 단계 5(325)의 과정을 거쳐 전환 패턴을 분석할 수 있다.

이를 단계별로 상세히 살펴보면, 다음과 같다.

도 4는 본 발명의 일 실시예에 전환 패턴 분석부(320)의 단계 1(321)을 설명하기 위한 개념도이다.

단계 1(321)에서, 전환 패턴 분석부(320)는 액션 로그 데이터(400)에서, 각 선행 액션 이벤트 데이터 항목에 대해, 해당 선행 액션 이벤트 데이터 항목과 같은 액션 그룹 식별자를 가지는 목표 액션 이벤트 데이터 중에서, 해당 선행 액션보다 늦게 발생한 목표 액션들을 추출하여, 선행 액션-목표 액션 원시 데이터 집합(410)을 구성한다. 여기서, 선행 액션-목표 액션 원시 데이터 집합(410)은 선행 아이템(411) 및 목표 아이템(412)의 쌍(Pair)으로 이루어진다.

도 4를 참조하면, 액션 로그 데이터(400)는 테이블로 구성될 수 있다. 상기 테이블의 데이터 항목은 구분자(222)를 통해 구분되는 액션 구분(401), AGID(Action Group ID: 이는 액션 그룹 식별자를 의미하며, 도 4에서는 사용자 ID를 액션 그룹 식별자로 사용하여 예시하였음), 선행 아이템(402: 선행 액션에 따른 아이템), 목표 아이템(403: 목표 액션에 따른 아이템) 및 실행 시간(404: 이는 시간 정보(228)를 통해 알 수 있는 데이터 값임)을 포함할 수 있다.

단계 1(321)에서, 입력으로 주어진 액션 로그 데이터(400)로부터 원시 데이터 집합(410)을 구성함에 있어서, 사용자 S1은 웹 사이트에서 '싼바지' 라고 선행 아이템(402)을 검색한 후 '501-A'라는 상품을 클릭했으며, 다시 '청바지'로 선행 아이템(402)을 2차 검색한 후 '501-B'라는 상품을 클릭하였다.

이 경우, '501-A'라는 상품과 '501-B'라는 상품을 클릭한 행위는 선행 아이템(402) '싼바지'로 검색한 후에 발생한 목표 아이템(403)이므로, (싼바지, 501-A) 및 (싼바지, 501-B)라는 두 개의 선행 액션-목표 액션 쌍이 생성된다. 또한,사용자 S1이 '501-B'라는 상품을 클릭한 행위는 '청바지'라는 선행 아이템(402) 검색 후에 발생한 목표 아이템(403)이 되므로, (청바지, 501-B)라는 선행 액션-목표 액션 쌍을 추가로 얻을 수 있다. 이와 같은 방식으로 사용자 S10 및 S100에 대해서도 선행 액션-목표 액션 쌍을 획득할 수 있고, 이를 통해 원시 데이터 집합(410)을 생성할 수 있다.

도 5는 본 발명의 일 실시예에 전환 패턴 분석부(320)의 단계 2(322)를 설명하기 위한 개념도이다. 도 5에 도시된 바와 같이, 전환 패턴 분석부(320)는 단계 2(322)를 통해 선행 액션-목표 액션 원시 데이터 집합(500)으로부터 선행 액션- 목표 액션 후보 패턴 집합과 해당 패턴의 출현 빈도를 구할 수 있다.

전환 패턴 분석부(320)는 상기 원시 데이터 집합(500)에서 서로 중복되는 데이터 항목을 제거하여, 각 선행 아이템(501)과 목표 아이템(502)의 쌍이 한 번만 나타나는 선행 액션-목표 액션 후보 패턴 집합(510)을 추출하고, 각 후보 패턴의 출현 빈도 수를 구할 수 있다.

도 5를 참조하면, 선행 아이템(501)과 목표 아이템(502) 란으로 구성된 원시 데이터 집합(500)으로부터 선행 아이템(511), 목표 아이템(512) 및 출현 빈도(513) 란으로 구성된 후보 패턴 집합(510)을 획득할 수 있다. 예컨대, 선행 액션- 목표 액션 원시 데이터 집합(500)에 (청바지, 501-B) 패턴이 세 번째 줄과 다섯 번째 줄에 두 번 출현하므로, 선행 액션-목표 액션 후보 패턴 집합에서는 (청바지(511), 501-B(512), 2(513))로 요약할 수 있다. 즉, 단계 2(322)를 통해 선행 액션과 목표 액션의 쌍의 중복되는 부분을 제거하여 전환 패턴 분석을 수행하기 용이한 형태로 만들 수 있다.

도 6은 본 발명의 일 실시예에 전환 패턴 분석부(320)의 단계 3(323)을 설명하기 위한 개념도이다. 도 6에 도시된 바와 같이, 전환 패턴 분석부(320)는 단계 3(323)에서 후보 패턴 집합(600)을 기반으로 연관성 평가 지수를 산출한다. 연관성 평가 지수는 지지도(612), 신뢰도(614) 및 향상도(616) 중 적어도 어느 하나를 포함할 수 있다.

단계 3(323)에서, 전환 패턴 분석부(320)는 단계 2(322)에서 획득한 선행 액션-목표 액션 후보 패턴 집합(600)의 각 데이터 항목에 대해, 선행 아이템을 A라고 하고 목표 아이템을 B라고 할 때, 상기 선행 액션-목표 액션 후보 데이터 집합(600)으로부터 지지도(612: Support), 신뢰도(614: Confidence) 및 향상도(616: Lift)를 계산할 수 있다. 상기 지지도(612), 신뢰도(614) 및 향상도(616)를 통틀어 연관성 평가 지수라 할 수 있다. 연관성 평가 지수는 정확한 수치의 해석을 제공함으로써 항목간의 연관성 파악의 잣대가 될 수 있다.

먼저, 다음의 수학식을 통해 지지도(612)를 구할 수 있다.

즉, 지지도(612)는 전체 전환 패턴 중에서 A와 B 쌍이 나타나는 비율을 뜻한다. 지지도(612) 값이 크면, A와 B의 연관성이 높다고 판단할 수 있다. 도 6을 참조하면, 전체 후보 패턴의 출현 빈도 합이 7이고, (청바지, 501-B)의 출현빈도가 2이므로, 상기 수학식 1에 의해 (청바지, 501-B) 패턴의 지지도(612)는 다음과 같다.

Support(청바지, 501-B) = 2/7

즉, 지지도(612)는 2/7이 된다.

다만, 지지도(612)의 경우, 실제 연관성은 높지만 출현 빈도가 적은 패턴은 지지도(612)가 낮게 나타나는 문제가 있을 수 있다. 이를 보완하기 위해 신뢰도(614)를 사용할 수 있다.

신뢰도(614)는 다음의 수학식을 통해 산출할 수 있다.

이 때, P(AB)/P(A)를 전개하면 다음과 같이 신뢰도(614)를 계산하는 수학식을 단순화할 수 있다.

즉, 신뢰도(614)는 A가 나타나는 전환 패턴 중에서 B가 나타나는 비율을 의미한다. 도 6을 참조하면, (청바지, 501-B) 패턴의 출현빈도가 2이고, '청바지'가 나타나는 패턴의 출현빈도 합이 4이므로, 상기 수학식 3에 의해 (청바지, 501-B) 패턴의 신뢰도 값은 다음과 같다.

Confidence(청바지, 501-B) = 2/4

즉, 신뢰도(614)는 2/4가 된다. 신뢰도(614)는 전술한 바와 같이, 지지도(612)를 보완하기 위한 개념이다.

다음으로, 향상도(616)는 다음의 수학식을 통해 산출할 수 있다.

즉, 향상도(616)는 A와 B 두 아이템이 서로 얼마나 독립적인지를 나타내는 척도이다. 향상도(616) 값이 1이면 서로 독립적임을 의미한다. 이는 서로 연관성이 없다는 것을 의미한다. 향상도(616) 값이 1보다 크면 클수록 연관성이 높다. 1보다 작으면 음의 연관성을 갖는데, 이는 서로 괴리되는 관계를 뜻한다. 따라서, 일반적으로 향상도(616) 값이 1보다 큰 패턴들만을 의미가 있는 패턴으로 판단할 수 있다.

도 6을 참조하면, (청바지, 501-B) 패턴의 신뢰도(614) 값이 2/4이고, '501-B'가 나타나는 패턴의 출현빈도 합이 3이며, 전체 후보 패턴 집합의 출현빈도 합이 7이기 때문에 상기 수학식 4에 의해 (청바지, 501-B) 패턴의 향상도(616) 값은 다음과 같다.

Lift(청바지, 501-B) = (2/4)/(3/7) = 7/6

즉, 향상도(616)는 7/6이 된다. 도 6에 도시된 바와 같이, 나머지 후보 패턴들에 대한 지지도, 신뢰도, 향상도도 상기와 같은 방식으로 계산할 수 있고, 각 후보 패턴의 연관성 평가 지수를 반복 적용을 통해 산출한다.

도 7은 본 발명의 일 실시예에 전환 패턴 분석부(320)의 단계 4(324) 및 단계 5(325)를 설명하기 위한 개념도이다.

단계 4(324)에서, 전환 패턴 분석부(320)는 단계 2(322)에서 얻은 선행액션-목표액션 후보 패턴 집합(600)의 각 데이터 항목에 대해 단계 3(323)에서 얻은 각 패턴의 지지도(612), 신뢰도(614), 향상도(616) 값이 최소 지지도(331), 최소 신뢰도(332) 및 최소 향상도(333) 값에 대해 최소 연관성 평가 지수 조건을 만족하지 못하는 경우, 선행액션-목표액션 후보 패턴 집합(600)에서 제외한다.

최소 연관성 평가 지수 조건은 각 패턴의 지지도(612)를 s, 신뢰도(614)를 c, 향상도(616)를 l이라고 하였을 때, 최소 지지도(331)를 MIN_S, 최소 신뢰도(332)를 MIN_C, 최소 향상도(333)를 MIN_L이라고 할 때,

s ≥ MIN_S AND c >= MIN_C AND l >= MIN_L

를 만족하는지 여부에 대한 판단이다. 즉 지지도(612), 신뢰도(614) 및 향상도(616)가 최소 지지도(313), 최소 신뢰도(332) 및 최소 향상도(333)보다 작은 경우는 후보 패턴 집합(600)에서 제외하는 것을 의미한다.

도 7을 참조하면, 최소 지지도(331)가 0.1, 최소 신뢰도(332)가 0.5로 주어졌을 때, 단계 4(324)에서, 최소 연관성 평가 지수 조건을 만족하지 못하는 후보 패턴들을 제거한 예를 설명한다. 이때, 최소 향상도(333)는 주어지지 않았으므로 0으로 정의한다. 주어진 후보 패턴 중 최소 지지도(331) 및 최소 신뢰도(332) 조건을 만족하지 못하는 (청바지, 501-A) 패턴과 (청바지, 511-T) 패턴이 제외된다.

단계 5(325)에서는 단계 4(324)를 통해 필터링된 선행액션-목표액션 후보 패턴 집합의 결과를 획득한다. 전환 패턴 분석부(120)는 상기 결과를 디스플레이 장치(미도시)를 통해 출력할 수 있다. 여기서, 획득된 결과 파일은 선행 아이템, 목표 아이템, 지지도, 신뢰도 및 향상도로 구성된 데이터 레코드 집합일 수 있다. 이는 반드시 상기 항목들에 한정되는 것은 아니고 다른 예로 구성될 수 있다.

도 8은 본 발명의 일 실시예에 따른 전환 패턴 분석부(120)를 구체적으로 나타낸 상세블록도이다. 도 8에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전환 패턴 분석부(120)는 연관성 평가 지수 산출부(810) 및 전환 패턴 분석 결과 출력부(820)를 포함할 수 있다.

도 8을 참조하면, 연관성 평가 지수 산출부(810)는 데이터 수집부(110)에서 수집된 데이터를 기반으로 연관성 평가 지수를 산출한다. 전술한 바와 같이, 연관성 평가 지수는 후보 전환 패턴 중에서 특정 선행 액션과 특정 목표 액션이 나타나는 비율을 정의하는 지지도, 특정 선행 액션이 나타나는 전환 패턴 중에서 특정 목표 액션이 나타나는 비율을 정의하는 신뢰도 및 특정 선행 액션과 상기 특정 목표 액션이 서로 독립적인지 나타내는 향상도 중 적어도 어느 하나를 기반으로 산출할 수 있다.

도 9는 본 발명의 일 실시예에 따른 연관성 평가 지수 산출부(810)를 구체적으로 나타낸 상세블록도이다. 도 9에 도시된 바와 같이, 연관성 평가 지수 산출부(810)는 아이템 쌍 생성부(910), 후보 패턴 집합 추출부(920) 및 산출부(930)를 포함할 수 있다.

도 9를 참조하면, 아이템 쌍 생성부(910)는 수집된 데이터를 기반으로 선행 액션 아이템과 목표 액션 아이템의 쌍을 생성한다.

후보 패턴 집합 추출부(920)는 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 기반으로 중복되는 쌍을 제거하여 한 번씩만 나타나는 후보 패턴 집합을 추출한다. 그리고, 상기 후보 패턴 집합을 구성하는 각 후보 패턴의 출현 빈도수를 추출한다.

다음으로, 산출부(930)는 후보 패턴 집합의 출현 빈도수를 기반으로 상기 연관성 평가 지수를 산출한다. 연관성 평가 지수의 산출은 상기 수학식 1 내지 수학식 4를 통해 산출할 수 있다.

다시 도 8로 돌아가서, 전환 패턴 분석 결과 출력부(820)는 연관성 평가 지수 산출부(810)를 통해 산출된 연관성 평가 지수를 필터링한다. 필터링은 최소 연관성 평가 지수 조건의 만족 여부를 통해 수행된다. 최소 연관성 평가 지수 조건은 최소 지지도, 최소 신뢰도, 최소 향상도를 통해 구성된다. 따라서, 상기 최소 연관성 평가 지수보다 낮은 지지도, 신뢰도, 향상도를 갖는 후보 패턴은 상기 전환 패턴 분석 결과에서 제외된다. 최종적으로 전환 패턴 분석 결과는 선행 액션 아이템, 목표 액션 아이템, 연관성 평가 지수를 포함하여 생성된다. 생성된 전환 패턴 분석 결과는 타 디바이스로 전송될 수도 있고, 디스플레이 장치를 통해 사용자에게 디스플레이될 수도 있다.

다시 도 1로 돌아가서, 추천 아이템 출력부(130)는 상기 전환 패턴 분석부(120)를 통해 분석된 사용자의 전환 패턴을 기반으로 아이템을 추천할 수 있다.

도 10은 본 발명의 일 실시예에 따른 추천 아이템 출력부(130)를 구체적으로 나타낸 블록도이다. 도 10에 도시된 바와 같이, 본 발명의 추천 아이템 출력부(130)는 입력부(1010), 선정부(1020) 및 출력부(1030)를 포함할 수 있다.

도 10을 참조하면, 상기 추천 아이템 출력부(130)는 사용자로부터 선행 액션을 입력받을 수 있다. 즉, 사용자가 웹 사이트나 어플리케이션에서 특정 선행 액션을 하였을 때, 입력부(1010)는 사용자 인터페이스를 통해 상기 사용자의 웹 사이트 또는 어플리케이션에서의 특정 선행 액션을 입력으로 받는다.

다음으로, 선정부(1020)는 입력부(1010)를 통해 입력되는 특정 선행 액션과 관련된 전환 패턴을 상기 전환 패턴 분석부(120)로부터 수신하여 특정 선행 액션에 부합하는 추천 아이템을 선정한다. 선정되는 추천 아이템은 선행 액션에 따라 상품, 문서, 웹 페이지, 키워드 등의 서비스 아이템이 될 수 있고, 반드시 이에 한정되는 것은 아니다.

마지막으로 출력부(1030)는 선정부(1020)를 통해 선정된 사용자의 특정 선행 액션에 대응되는 추천 아이템을 출력한다. 출력부(1030)는 디스플레이 장치(미도시)를 통해 상기 추천 아이템을 디스플레이할 수 있고, 추천 아이템 목록을 생성하여 통신망 또는 인터넷 망을 통해 다른 디바이스로 전송할 수 있다.

상기와 같은 구성을 통해 형성된 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치는 시간적인 순차 관계를 가지는 사용자의 선행 액션과 목표 액션이 존재하는 모든 응용분야의 추천 서비스에 적용될 수 있다.

예컨대, 본 발명의 제 1 실시예에 따른 아이템 추천 장치를 검색 서비스에 응용할 경우, 사용자의 검색 행동을 선행액션이라 정의하고, 검색 결과로 제시되는 아이템 중에서 사용자가 선택하여 클릭하는 행동을 목표액션이라 정의할 때, 여러 사용자들의 이용내역 데이터로부터 선행액션에서 사용한 검색어와 목표액션에서 클릭한 아이템 사이의 전환관계 패턴을 찾아내어, 특정 검색어로 검색을 한 사용자에게, 해당 검색어와 전환관계 패턴이 나타나는 아이템들을 추천할 수 있다.

본 발명의 제 2 실시예에 따른 아이템 추천 장치를 인터넷 쇼핑몰 서비스에 응용할 경우, 사용자의 상품정보 상세보기 행동을 선행액션이라 정의하고, 사용자가 조회한 상품 중에서 사용자가 선택하여 구매하는 행동을 목표액션이라 정의할 때, 여러 사용자들의 이용내역 데이터로부터 선행액션에서 상세보기한 상품과 목표액션에서 주문한 상품 사이의 전환관계 패턴을 찾아내어, 특정 상품을 상세보기 한 사용자에게, 해당 상품과 전환관계 패턴이 나타나는 상품들을 추천할 수 있다.

본 발명의 제 3 실시예에 따른 아이템 추천 장치를 호텔 예약 웹사이트 서비스에 응용할 경우, 사용자의 호텔정보 상세보기 행동을 선행액션이라 정의하고, 사용자가 조회한 호텔 중에서 사용자가 선택하여 예약하는 행동을 목표액션이라 정의할 때, 여러 사용자들의 이용내역 데이터로부터 선행액션에서 상세보기한 호텔과 목표액션에서 예약한 호텔 사이의 전환관계 패턴을 찾아내어, 특정 호텔을 상세보기 한 사용자에게, 해당 호텔과 전환관계 패턴이 나타나는 호텔들을 추천할 수 있다.

아이템 추천 방법

도 11은 본 발명의 일 실시예에 따른 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법을 개략적으로 나타낸 흐름도이다. 도 11에 도시된 바와 같이, 본 발명의 일 실시예에 따른 아이템 추천 방법은 데이터 수집 단계(1110), 전환 패턴 분석 단계(1120) 및 추천 아이템 출력 단계(1130)를 포함할 수 있다

도 11을 참조하면, 데이터 수집 단계(1110)에서, 아이템 추천 장치(미도시)는 상기 웹 사이트 또는 상기 어플리케이션에서 발생되는 사용자의 상기 선행 또는 목표 액션을 감지하여 상기 액션에 대한 데이터를 수집한다. 이때, 아이템은 상기 사용자에게 제공되는 서비스 객체로서, 검색어, 상품, 문서, 웹페이지, 음악, 영화 및 디지털 파일 중 적어도 어느 하나일 수 있다. 아이템은 상기한 실시예에 한정되는 것은 아니다.

도 12는 본 발명의 일 실시예에 따른 아이템 추천 방법의 데이터 수집 단계(1110)를 구체적으로 나타낸 상세흐름도이다. 도 12에 도시된 바와 같이, 본 발명의 일 실시예에 따른 데이터 수집 단계(1110)는 웹 사이트 또는 어플리케이션에서 발생하는 선행 액션 또는 목표 액션을 감지하는 단계(1210) 및 감지된 선행 또는 목표 액션을 데이터화하여 저장하는 단계(1220)를 포함할 수 있다.

감지 단계(1210)에서, 아이템 추천 장치는 웹 사이트 또는 어플리케이션 내에서 사용자가 발생시키는 선행 액션이나 목표 액션 이벤트를 감지한다. 즉, 감지 단계(1210)에서, 아이템 추천 장치는 사용자의 선행 액션 또는 목표 액션 이벤트가 발생하는 웹 사이트나 어플리케이션의 특정 기능을 이용하는 과정에서, 해당 이벤트 발생 내역을 감지한다. 본 발명의 실시예에 따르면, 감지 단계(1210)에서 아이템 추천 장치는 상기 해당 이벤트 발생 내역을 호출 가능한 프로그램 라이브러리로 제공할 수 있다.

데이터화 단계(1220)에서, 아이템 추천 장치는 감지 단계(1210)에서 감지한 선행 또는 목표 액션 관련 이벤트를 저장 매체에 저장할 수 있도록 데이터화한다. 즉, 데이터화 단계(1220)에서, 아이템 추천 장치는 감지된 사용자의 액션을 데이터로 변환한다. 액션을 변환함에 있어서, 사용자의 상기 액션이 선행 액션인지 목표 액션인지 구분하는 구분자, 액션 그룹 식별자, 선행 액션 또는 목표 액션에서 사용자가 입력하거나 선택한 아이템 값, 선행 액션 또는 목표 액션이 발생한 시간 정보(Timestamp)로 변환하여 데이터화할 수 있다. 다만, 데이터화 단계(1220)에서, 상기 액션을 데이터화하는 요소는 상기 예들로 국한되는 것은 아니고, 다른 예들로 변환될 수 있다.

다시 도 11로 돌아가서, 전환 패턴 분석 단계(1120)에서, 아이템 추천 장치는 데이터 수집 단계(1110)를 통해 수집된 데이터를 기반으로 선행 액션과 상기 목표 액션 간의 연관성 평가 지수를 산출하여 사용자의 전환 패턴을 분석한다.

도 13은 본 발명의 일 실시예에 따른 아이템 추천 방법의 전환 패턴 분석 단계(1120)를 구체적으로 나타낸 상세흐름도이다. 도 13에 도시된 바와 같이, 본 발명의 전환 패턴 분석 단계(1120)는 연관성 평가 지수 산출 단계(1310) 및 전환 패턴 분석 결과 산출 단계(1320)를 포함할 수 있다.

도 13을 참조하면, 전환 패턴 분석 단계(1120)에서, 아이템 출력 장치는 데이터 수집 단계(1110)를 통해 수집된 데이터를 기반으로 연관성 평가 지수를 산출한다. 여기서, 연관성 평가 지수는 지지도, 신뢰도 및 향상도를 통해 산출될 수 있다. 연관성 평가 지수는 정확한 수치의 해석을 제공함으로써 항목간의 연관성 파악의 잣대가 될 수 있다. 지지도는 후보 전환 패턴 중에서 특정 선행 액션과 특정 목표 액션이 나타나는 비율을 정의한다. 그리고 신뢰도는 상기 특정 선행 액션이 나타나는 후보 전환 패턴 중에서 상기 특정 목표 액션이 나타나는 비율을 정의한다. 마지막으로 향상도는 특정 선행 액션과 특정 목표 액션이 서로 독립적인지 나타낸다.

도 14는 본 발명의 일 실시예에 따른 아이템 추천 방법의 연관성 평가 지수 산출 단계(1310)를 구체적으로 나타낸 상세흐름도이다. 도 14를 참조하면, 본 발명의 일 실시예에 다른 연관성 평가 지수 산출 단계(1310)는 아이템 쌍 생성 단계(1410), 후보 패턴 집합 추출 단계(1420) 및 산출 단계(1430)를 포함할 수 있다.

도 14를 참조하면, 아이템 쌍 생성 단계(1410)에서, 아이템 추천 장치는 전환 관계 패턴 분석을 위한 액션 로그 데이터를 기반으로 선행 액션 아이템과 목표 액션 아이템의 쌍을 생성한다.

그리고는, 후보 패턴 집합 추출 단계(1420)에서, 아이템 쌍 생성 단계(1410)에서 생성된 상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 기반으로 중복되는 쌍을 제거한다. 제거한 후, 아이템 추천 장치는 한 번씩만 나타나는 후보 패턴 집합을 추출하고, 상기 후보 패턴 집합을 구성하는 각 후보 패턴의 출현 빈도수를 추출한다.

다음 산출 단계(1430)에서, 후보 패턴 집합 추출 단계(1420)에서 생성된 후보 패턴의 출현 빈도수를 기반으로 상기 연관성 평가 지수를 산출한다. 아이템 추천 장치는 상기 수학식 1 내지 수학식 4를 통해 상기 연관성 평가 지수(지지도, 신뢰도, 향상도 포함)를 산출할 수 있다.

다시 도 13으로 돌아가서, 전환 패턴 분석 결과 출력 단계(1320)에서, 아이템 추천 장치는 상기 연관성 평가 지수 산출 단계(1310)를 통해 산출된 연관성 평가 지수(지지도, 신뢰도, 향상도 포함)를 기반으로 후보 패턴 집합을 필터링하여 전환 패턴 분석 결과를 출력한다. 여기서, 전환 패턴 분석 결과는 선행 액션 아이템, 목표 액션 아이템, 연관성 평가 지수를 포함할 수 있다.

전환 패턴 분석 결과 출력 단계(1320)에서, 아이템 추천 장치는 상기 연관성 평가 지수 산출 단계(1310)에서 산출된 연관성 평가 지수가 최소 연관성 평가 지수 조건을 만족하지 못하는 경우, 후보 패턴 집합에서 조건을 만족하지 못하는 상기 후보 패턴을 제외하여 필터링한다. 필터링된 전환 패턴 분석 결과는 저장 장치(미도시)에 저장될 수 있고, 디스플레이 장치(미도시)를 통해 사용자에게 디스플레이될 수 있다.

다시 도 11로 돌아가서, 추천 아이템 출력 단계(1130)에서, 아이템 추천 장치는 상기 전환 패턴 분석 단계(1120)에서 분석된 전환 패턴을 기반으로 사용자에게 추천할 추천 아이템을 출력할 수 있다.

도 15는 본 발명의 일 실시예에 따른 아이템 추천 방법의 추천 아이템 출력 단계(1130)를 구체적으로 나타낸 상세흐름도이다. 도 15에 도시된 바와 같이, 추천 아이템 출력 단계(1130)는 입력 단계(1510), 선정 단계(1520) 및 출력 단계(1530)를 포함할 수 있다.

도 15를 참조하면, 입력 단계(1510)에서, 아이템 추천 장치는 사용자로부터 특정 선행 액션을 입력받는다.

다음으로, 선정 단계(1520)에서, 아이템 추천 장치는 전환 패턴 분석 단계(1120)를 통해 분석된 전환 패턴 분석 결과를 수신할 수 있다. 그리고는 입력 단계(1510)를 통해 입력된 상기 특정 선행 액션과 관련된 상기 전환 패턴을 추출하여 상기 특정 선행 액션에 적합한 추천 아이템을 선정한다.

마지막으로 출력 단계(1530)에서, 아이템 추천 장치는 선정 단계(1520)에서 선정된 추천 아이템을 출력한다. 이때, 아이템 추천 장치는 디스플레이 장치(미도시)를 통해 상기 추천 아이템을 디스플레이할 수 있고, 추천 아이템 목록을 생성하여 통신망 또는 인터넷 망을 통해 다른 디바이스로 전송할 수 있다.

아이템 추천 시스템

도 16은 본 발명의 일 실시예에 따른 사용자의 전환 패턴 분석을 이용한 아이템 추천 시스템을 개략적으로 나타낸 블록도이다. 도 16에 도시된 바와 같이, 아이템 추천 시스템은 웹 사이트 또는 어플리케이션(1600), 로깅 모듈(1610), 수집 클라이언트(1620), 데이터 수집기(1640), 로그 데이터 저장소(1650), 전환 패턴 분석기(1660), 추천 데이터 저장소(1670), 추천 엔진(1680), 추천 클라이언트(1690) 및 추천 모듈(1700)을 포함할 수 있다.

도 16을 참조하면, 웹 사이트 또는 어플리케이션(1600)에서 발생되는 사용자의 액션은 로깅 모듈(1610)을 통해 수집 클라이언트(1620)로 전송된다.

수집 클라이언트(1620)는 사용자가 웹 사이트나 애플리케에션(1600)에서 발생시키는 선행액션이나 목표액션 이벤트를 감지하여 네트워크(1630)를 통해 데이터 수집기(1640)로 전달한다.

데이터 수집기(1640)는 상기 수집 클라이언트(1620)로부터 수신한 사용자의 이벤트 데이터를 전환관계 패턴 분석을 위한 형태로 변환한다. 로그 데이터 저장소(1650)는 상기 데이터 수집기(1640)를 통해 수집된 데이터를 저장한다.

전환 패턴 분석기(1660)는 로그 데이터 저장소(1650)에서 데이터를 읽어 들여 전환관계 패턴을 분석할 수 있다. 추천 데이터 저장소(1670)는 전환 패턴 분석기(1660)를 통해 생성된 전환관계 패턴 데이터를 저장하고 관리한다.

추천 엔진(1680)은 추천 데이터 저장소(1670)에 저장된 전환관계 패턴 데이터를 이용하여 추천 서비스를 제공할 수 있다.

추천 클라이언트(1690)는 추천 엔진(1680)에 추천을 요청한 후, 추천 엔진으로부터 반환되는 결과를 처리한다. 처리된 결과는 추천 모듈(1700)을 통해 사용자에게 출력될 수 있다.

이상 도면 및 실시예를 참조하여 설명하였지만, 본 발명의 보호범위가 상기 도면 또는 실시예에 의해 한정되는 것을 의미하지는 않으며 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (18)

1. 웹 사이트 또는 어플리케이션에서 사용자에 의해 발생하는 선행 액션 및 목표 액션 간의 전환 패턴을 분석하여 상기 전환 패턴을 기반으로 추천 아이템을 출력하는 방법에 있어서,
   상기 웹 사이트 또는 상기 어플리케이션에서 발생되는 상기 사용자의 상기 선행 또는 상기 목표 액션을 감지하여 상기 액션에 대한 데이터를 수집하는 데이터 수집 단계;
   상기 수집된 데이터를 기반으로 상기 선행 액션과 상기 목표 액션 간의 연관성 평가 지수를 산출하여 상기 전환 패턴을 분석하는 전환 패턴 분석 단계; 및
   상기 전환 패턴을 기반으로 상기 사용자에게 추천할 상기 추천 아이템을 출력하는 추천 아이템 출력 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
2. 제 1 항에 있어서, 상기 데이터 수집 단계는
   상기 웹 사이트 또는 상기 어플리케이션에서 발생하는 상기 선행 액션 또는 상기 목표 액션을 감지하는 감지 단계; 및
   상기 감지된 선행 또는 목표 액션을 데이터화하여 저장하는 데이터화 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
3. 제 2 항에 있어서, 상기 데이터화 단계는
   상기 감지된 선행 또는 목표 액션이 상기 선행 액션인지 상기 목표 액션인지 구분하는 구분자, 서로 연관된 상기 선행 액션 또는 상기 목표 액션들의 그룹을 구별하기 위한 액션 그룹 식별자, 상기 선행 또는 목표 액션에서 상기 사용자가 선택한 아이템 값 및 상기 선행 또는 목표 액션이 발생한 시간(Timestamp) 정보 중 적어도 어느 하나를 저장하는 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
4. 제 1 항에 있어서, 상기 전환 패턴 분석 단계는
   상기 수집된 데이터를 기반으로 상기 연관성 평가 지수를 산출하는 연관성 평가 지수 산출 단계; 및
   상기 연관성 평가 지수를 기반으로 후보 패턴 집합을 필터링하여 전환 패턴 분석 결과 - 전환 패턴 분석 결과는 선행 액션 아이템, 목표 액션 아이템, 연관성 평가 지수를 포함함 - 를 출력하는 전환 패턴 분석 결과 출력 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
5. 제 4 항에 있어서,
   상기 연관성 평가 지수는 상기 후보 전환 패턴 중에서 특정 선행 액션과 특정 목표 액션이 나타나는 비율을 정의하는 지지도, 상기 특정 선행 액션이 나타나는 상기 후보 전환 패턴 중에서 상기 특정 목표 액션이 나타나는 비율을 정의하는 신뢰도 및 상기 특정 선행 액션과 상기 특정 목표 액션이 서로 독립적인지 나타내는 향상도 중 적어도 어느 하나를 기반으로 산출되는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
6. 제 4 항에 있어서, 상기 연관성 평가 지수 산출 단계는
   상기 수집된 데이터를 기반으로 상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 생성하는 단계;
   상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 기반으로 중복되는 쌍을 제거하여 한 번씩만 나타나는 상기 후보 패턴 집합을 추출하고, 상기 후보 패턴 집합을 구성하는 각 후보 패턴의 출현 빈도수를 추출하는 단계; 및
   상기 후보 패턴의 출현 빈도수를 기반으로 상기 연관성 평가 지수를 산출하는 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
7. 제 4 항에 있어서, 상기 전환 패턴 분석 결과 출력 단계는
   상기 산출된 연관성 평가 지수가 최소 연관성 평가 지수 조건을 만족하지 못하는 경우, 상기 후보 패턴 집합에서 상기 조건을 만족하지 못하는 상기 후보 패턴을 제외하여 필터링하는 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
8. 제 1 항에 있어서, 상기 추천 아이템 출력 단계는
   상기 사용자로부터 제 1 선행 액션을 입력받는 단계;
   상기 제 1 선행 액션과 관련된 상기 전환 패턴을 기반으로 상기 제 1 선행 액션에 적합한 추천 아이템을 선정하는 단계; 및
   상기 추천 아이템을 출력하는 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
9. 제 1 항에 있어서,
   상기 아이템은 상기 사용자에게 제공되는 서비스 객체로서, 검색어, 상품, 문서, 웹페이지, 음악, 영화 및 디지털 파일 중 적어도 어느 하나인 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 방법.
   
10. 웹 사이트 또는 어플리케이션에서 사용자에 의해 발생하는 선행 액션 및 목표 액션 간의 전환 패턴을 분석하여 상기 전환 패턴을 기반으로 추천 아이템을 출력하는 장치에 있어서,
    상기 웹 사이트 또는 상기 어플리케이션에서 발생되는 상기 사용자의 상기 선행 또는 목표 액션을 감지하여 상기 액션에 대한 데이터를 수집하는 데이터 수집부;
    상기 수집된 데이터를 기반으로 상기 선행 액션과 상기 목표 액션 간의 연관성 평가 지수를 산출하여 상기 전환 패턴을 분석하는 전환 패턴 분석부; 및
    상기 전환 패턴을 기반으로 상기 사용자에게 추천할 상기 추천 아이템을 출력하는 추천 아이템 출력부를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
11. 제 10 항에 있어서, 상기 데이터 수집부는
    상기 웹 사이트 또는 상기 어플리케이션에서 발생하는 상기 선행 액션 또는 상기 목표 액션을 감지하는 감지부; 및
    상기 감지된 선행 또는 목표 액션을 데이터화하여 저장하는 데이터화부를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
12. 제 11 항에 있어서, 상기 데이터화부는
    상기 감지된 선행 또는 목표 액션이 상기 선행 액션인지 상기 목표 액션인지 구분하는 구분자, 서로 연관된 상기 선행 액션 또는 상기 목표 액션들의 그룹을 구별하기 위한 액션 그룹 식별자, 상기 선행 또는 목표 액션에서 상기 사용자가 선택한 아이템 값 및 상기 선행 또는 목표 액션이 발생한 시간(Timestamp) 정보 중 적어도 어느 하나를 저장하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
13. 제 10 항에 있어서, 상기 전환 패턴 분석부는
    상기 수집된 데이터를 기반으로 상기 연관성 평가 지수를 산출하는 연관성 평가 지수 산출부; 및
    상기 연관성 평가 지수를 기반으로 후보 패턴 집합을 필터링하여 전환 패턴 분석 결과 - 전환 패턴 분석 결과는 선행 액션 아이템, 목표 액션 아이템, 연관성 평가 지수를 포함함 - 를 출력하는 전환 패턴 분석 결과 출력부를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
14. 제 13 항에 있어서,
    상기 연관성 평가 지수는 상기 후보 전환 패턴 중에서 특정 선행 액션과 특정 목표 액션이 나타나는 비율을 정의하는 지지도, 상기 특정 선행 액션이 나타나는 후보 전환 패턴 중에서 상기 특정 목표 액션이 나타나는 비율을 정의하는 신뢰도 및 상기 특정 선행 액션과 상기 특정 목표 액션이 서로 독립적인지 나타내는 향상도 중 적어도 어느 하나를 기반으로 산출되는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
15. 제 13 항에 있어서, 상기 연관성 평가 지수 산출부는
    상기 수집된 데이터를 기반으로 상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 생성하는 아이템 쌍 생성부;
    상기 선행 액션 아이템과 상기 목표 액션 아이템의 쌍을 기반으로 중복되는 쌍을 제거하여 한 번씩만 나타나는 후보 패턴 집합을 추출하고, 상기 후보 패턴 집합을 구성하는 각 후보 패턴의 출현 빈도수를 추출하는 후보 패턴 집합 추출부; 및
    상기 후보 패턴의 출현 빈도수를 기반으로 상기 연관성 평가 지수를 산출하는 산출부를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
16. 제 14 항에 있어서, 상기 전환 패턴 분석 결과 출력부는
    상기 산출된 연관성 평가 지수가 최소 연관성 평가 지수 조건을 만족하지 못하는 경우, 상기 후보 패턴 집합에서 상기 조건을 만족하지 못하는 연관성 평가 지수를 제외하여 필터링하는 단계를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
17. 제 10 항에 있어서, 상기 추천 아이템 출력부는
    상기 사용자로부터 제 1 선행 액션을 입력받는 입력부;
    상기 제 1 선행 액션과 관련된 상기 전환 패턴을 기반으로 상기 제 1 선행 액션에 적합한 추천 아이템을 선정하는 선정부; 및
    상기 추천 아이템을 출력하는 출력부를 포함하는 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.
    
18. 제 10 항에 있어서,
    상기 아이템은 상기 사용자에게 제공되는 서비스 객체로서, 검색어, 상품, 문서, 웹페이지, 음악, 영화 및 디지털 파일 중 적어도 어느 하나인 것을 특징으로 하는 사용자의 전환 패턴 분석을 이용한 아이템 추천 장치.

Images