KR20140133663A - System and method for products recommendation service, and apparatus applied to the same - Google Patents
System and method for products recommendation service, and apparatus applied to the same Download PDFInfo
- Publication number
- KR20140133663A KR20140133663A KR1020130052538A KR20130052538A KR20140133663A KR 20140133663 A KR20140133663 A KR 20140133663A KR 1020130052538 A KR1020130052538 A KR 1020130052538A KR 20130052538 A KR20130052538 A KR 20130052538A KR 20140133663 A KR20140133663 A KR 20140133663A
- Authority
- KR
- South Korea
- Prior art keywords
- recommendation
- purchaser
- individual
- recommended
- buyer
- Prior art date
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
본 발명은 상품 추천 서비스와 관련하여, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공하기 위한 방법에 관한 것이다.The present invention relates to a method for organizing and offering a list of recommended products by selecting and recommending an individual recommendation algorithm suitable for a buyer among various individual recommendation algorithms for determining a recommended product in relation to a product recommendation service.
인터넷이나 모바일 포털 사이트를 포함하는 서비스페이지에서는 구매자(혹은 구매를 위해 방문한 고객)가 방문하는 경우에, 구매자에게 적합한 상품을 추천하는 상품 추천 서비스를 제공하고 있다.In a service page including the Internet or a mobile portal site, a product recommendation service that recommends a product suitable for a buyer (or a customer who visits a purchase) is provided.
이러한 상품 추천 서비스에서는 추천상품을 결정하기 위한 다양한 개별추천알고리즘을 적용하여 구매자에게 적합한 추천상품목록을 구성하여 제공하는 것이 일반적이다.In this product recommendation service, various recommendation algorithms for determining recommended products are generally applied to construct and provide a list of recommended products suitable for the buyer.
이에, 구매자를 대상으로 만족도 높은 상품 추천 서비스를 제공하기 위해서는, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중, 구매자에게 가장 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 제공하는 것이 중요하다 할 것이다.Accordingly, in order to provide a highly satisfied commodity recommendation service for purchasers, it is important to select a recommendation algorithm that is most suitable for a purchaser from among various individual recommendation algorithms for determining a recommended commodity, and to provide a list of recommended commodities accordingly something to do.
본 발명은 상기한 사정을 감안하여 창출된 것으로서, 본 발명에서 도달하고자 하는 목적은 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하고, 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시키는데 있다.The object of the present invention is to provide a method and apparatus for generating at least two recommendation product lists for a purchaser based on an individual recommendation algorithm, By selecting and providing a recommended product suitable for the purchaser from at least one of the at least two recommended product catalogs based on the goodness of fit with the purchaser, it is possible to increase the reliability of the recommended product to increase the satisfaction of the purchaser, To increase profits.
상기 목적을 달성하기 위한 본 발명의 제 1 관점에 따른 서비스장치는, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성부; 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단부; 및 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택부를 포함하는 것을 특징으로 한다.According to a first aspect of the present invention, there is provided a service apparatus comprising: a generation unit configured to generate at least two recommended product lists for a purchaser based on an individual recommendation algorithm; A determination unit for determining a fitness of each of the individual recommendation algorithms with the purchaser; And a selection unit for selecting and providing a recommended product suitable for the buyer from at least one of the at least two recommended product lists based on the fitness with the buyer for each of the individual recommendation algorithms.
보다 구체적으로, 상기 서비스장치는, 상기 구매자가 구매한 구매상품목록을 수집하는 수집부를 더 포함하며, 상기 판단부는, 상기 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 상기 구매상품목록에 포함되는 추천상품을 확인하여 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.More specifically, the service apparatus may further include a collecting unit for collecting a list of purchased goods purchased by the purchaser, wherein the determining unit determines, from each of the recommended goods list created based on the individual recommendation algorithm, And a recommendation item included in the list is checked to determine the fitness with the purchaser for each of the recommendation algorithms.
보다 구체적으로, 상기 판단부는, 상기 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율을 기초로 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.More specifically, for each of the individual recommendation algorithms, the determination unit may determine, for each of the recommendation algorithms, the number of all purchased products included in the purchased product list, And determines the fitness with the purchaser based on the ratio between the number of customers and the number of customers.
보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 개별추천알고리즘 각각에서 산출된 개별추천점수가 부여되며, 상기 선택부는, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각의 상기 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용하여 산출되는 최종추천점수를 기초로, 상기 적어도 두개의 추천상품목록 중 적어도 하나로부터 상기 구매자에 적합한 추천상품을 선택하는 것을 특징으로 한다.More specifically, each of the recommended products included in the at least two recommended product lists is given an individual recommendation score calculated by each of the individual recommendation algorithms, A recommended recommendation score from at least one of the at least two recommended recommendation scores based on a final recommendation score calculated by further applying a goodness-of-fit with the purchaser to each of the individual recommendation scores for each of the individual recommendation scores, And selects a product.
보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 최종추천점수 크기에 따른 우선순위가 책정되며, 상기 선택부는, 상기 적어도 두개의 추천상품목록에 포함되는 전체 추천상품 중에서 상기 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 선택하는 것을 특징으로 한다.More specifically, each of the recommended products included in the at least two recommended product lists is assigned a priority according to the final recommendation score size, and the selection unit selects one of the recommended products among the recommended products And the recommendation commodity having the high priority is selected as a recommended commodity suitable for the purchaser.
상기 목적을 달성하기 위한 본 발명의 제 2 관점에 따른 상품 추천 서비스 방법은, 단말장치가 구매자에 대한 추천상품을 요청하는 요청단계; 서비스장치가 개별추천알고리즘을 기초로 상기 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성단계; 및 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 상기 단말장치에 제공하도록 하는 선택단계를 포함하는 것을 특징으로 한다.According to a second aspect of the present invention, there is provided a merchandise recommendation service method comprising: a request step of a terminal device requesting a recommended merchandise for a buyer; A generating step of generating a list of at least two recommended products for the purchaser based on an individual recommendation algorithm of the service device; And a selection step of selecting a recommended product suitable for the buyer from at least one of the at least two recommended product lists based on the goodness of fit with the buyer for each of the individual recommendation algorithms and providing the recommended product to the terminal .
상기 목적을 달성하기 위한 본 발명의 제 3 관점에 따른 서비스장치의 동작 방법은, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성단계; 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단단계; 및 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택단계를 포함하는 것을 특징으로 한다.According to a third aspect of the present invention, there is provided a method of operating a service device, the method comprising: generating a list of at least two recommended goods for a buyer based on an individual recommendation algorithm; A determination step of determining a fitness of each of the individual recommendation algorithms with the purchaser; And a selection step of selecting and providing a recommended product suitable for the buyer from at least one of the at least two recommended product lists based on the fitness with the buyer for each of the individual recommendation algorithms .
보다 구체적으로, 상기 방법은, 상기 판단단계 이전에, 상기 구매자가 구매한 구매상품목록을 수집하는 수집단계를 더 포함하며, 상기 판단단계는, 상기 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 상기 구매상품목록에 포함되는 추천상품을 확인하여 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.More specifically, the method may further include a collecting step of collecting a list of purchased goods purchased by the purchaser before the determining step, wherein the determining step comprises: And checking a recommendation product included in the purchased product list in the product list to determine a fitness with the purchaser for each of the recommendation algorithms.
보다 구체적으로, 상기 판단단계는, 상기 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율을 기초로 상기 구매자와의 적합도를 판단하는 것을 특징으로 한다.More specifically, the determining step may include: determining, for each of the recommendation algorithms, the number of all purchased products included in the purchased product list, The degree of fitness with the purchaser is determined based on the ratio between the number of the buyers.
보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 개별추천알고리즘 각각에서 산출되는 개별추천점수가 부여되며, 상기 선택단계는, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각의 상기 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용하여 산출되는 최종추천점수를 기초로, 상기 적어도 두개의 추천상품목록 중 적어도 하나로부터 상기 구매자에 적합한 추천상품을 선택하는 것을 특징으로 한다.More specifically, each recommended product included in the at least two recommended product lists is assigned an individual recommendation score calculated by each of the individual recommendation algorithms, and the selecting step includes: Wherein the recommendation score is calculated from at least one of the at least two recommended product lists based on a final recommendation score calculated by further applying a fitness degree with each of the individual recommendation algorithms to each of the individual recommendation scores of each product, And selects a recommended product.
보다 구체적으로, 상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는, 상기 최종추천점수 크기에 따른 우선순위가 책정되며, 상기 선택단계는, 상기 적어도 두개의 추천상품목록에 포함되는 전체 추천상품 중에서 상기 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 선택하는 것을 특징으로 한다.More specifically, each of the recommended products included in the at least two recommended product lists is assigned a priority according to the size of the final recommendation score, and the selecting step selects all recommendation products included in the at least two recommended product lists The recommended product having the highest priority is selected as a recommended product suitable for the purchaser.
상기 목적을 달성하기 위한 본 발명의 제 4 관점에 따른 컴퓨터 판독 가능 매체는, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성단계; 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단단계; 및 상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택단계를 수행하기 위한 명령들을 포함하는 것을 특징으로 한다.According to a fourth aspect of the present invention, there is provided a computer-readable medium including: a generating step of generating at least two recommended product lists for a purchaser based on an individual recommendation algorithm; A determination step of determining a fitness of each of the individual recommendation algorithms with the purchaser; And a selection step of selecting and providing a recommendation item suitable for the buyer from at least one of the at least two recommendation goods lists based on the fitness with the buyer for each of the individual recommendation algorithms .
상기 목적을 달성하기 위한 본 발명의 제 5 관점에 따른 상품 추천 서비스 시스템은, 구매자에 대한 추천상품을 요청하여 수신하는 단말장치; 및 개별추천알고리즘을 기초로 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하고, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 상기 단말장치에 제공하도록 하는 서비스장치를 포함하는 것을 특징으로 한다.According to a fifth aspect of the present invention, there is provided a merchandise recommendation service system comprising: a terminal device for requesting and receiving a recommendation item for a purchaser; And generating a list of at least two recommendation products for the buyer based on the individual recommendation algorithm, and based on the fitness with the buyer for each of the recommendation algorithms, And a service device that selects a recommended product suitable for the terminal device and provides the selected device to the terminal device.
이에, 본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 의하면, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시킬 수 있다.According to the commodity recommendation service system and method of the present invention, and the apparatus to which the present invention is applied, among the various recommendation algorithms for determining recommended commodities, a recommendation commodity list is prepared Thus, the reliability of the recommended product can be increased, the satisfaction of the purchaser can be increased, and the profit of the seller of the product can be increased.
도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템의 개략적인 구성도.
도 2는 본 발명의 일 실시예에 따른 서비스장치의 구성도.
도 3은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에서의 동작 흐름을 설명하기 위한 개략적인 순서도.
도 4는 본 발명의 일 실시예에 따른 서비스장치에서의 동작 흐름을 설명하기 위한 개략적인 순서도.1 is a schematic configuration diagram of a commodity recommendation service system according to an embodiment of the present invention;
2 is a configuration diagram of a service apparatus according to an embodiment of the present invention;
3 is a schematic flowchart for explaining an operation flow in a goods recommendation service system according to an embodiment of the present invention;
4 is a schematic flowchart for explaining an operational flow in a service apparatus according to an embodiment of the present invention;
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예에 대하여 설명한다.Hereinafter, an embodiment of the present invention will be described with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템을 도시한 도면이다. 1 is a diagram illustrating a product recommendation service system according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템은, 서비스장치(200)로부터 구매자에게 적합한 추천상품을 요청하여 수신하는 단말장치(100), 및 구매자에게 적합한 추천상품을 제공하는 서비스장치(200)를 포함하는 구성을 갖는다.1, a product recommendation service system according to an embodiment of the present invention includes a
단말장치(100)는 서비스장치(200)에 접속하여 구매자에게 적합한 추천상품을 수신하기 위한 사용자 디바이스를 지칭하는 것으로서, 예를 들어, 스마트폰, 개인용컴퓨터, 노트북, 및 테블릿 PC, 등이 해당될 수 있으며, 이에 제한되는 것이 서비스장치(200)에 접속 가능한 장치는 모두 포함될 수 있다.The
서비스장치(200)는 단말장치(100)를 통해 서비스페이지에 접속한 구매자를 대상으로 추천상품을 제공하기 위한 서버를 지칭하기 위한 것으로서, 인터넷이나 모바일 웹을 통해 서비스페이지에 접속한 구매자를 대상으로 상품을 판매함과 동시에 추천상품을 제공하거나, 또는 추천상품만을 제공하기 위한 별도의 서버로 구성될 수 있다.The
여기서, 구매자에게 판매되는 상품의 경우 예를 들어, 어플리케이션과, 컨텐츠와 같이 그 특성에 따라 상품카테고리를 분류할 수 있으며, 나아가 상품의 세부적인 특성에 따라 다양한 상품카테고리(예: 게임, 학습, 영화, 드라마, 및 도서 등)로 추가 분류할 수 있다.Here, in the case of a product sold to a purchaser, for example, it is possible to classify a product category according to its characteristics such as an application and contents, and furthermore, various categories of goods (e.g., games, , Drama, books, etc.).
한편, 본 발명의 일 실시예에 따르면, 서비스장치(200)에서는 추천상품을 결정하기 위한 다양한 개별추천알고리즘을 적용하여 구매자에게 적합한 추천상품목록을 구성하여 제공하는 상품 추천 서비스를 제공하고 있다.Meanwhile, according to an embodiment of the present invention, the
여기서, 개별추천알고리즘의 경우, 예를 들어, 나와 비슷한 것은 구매한 다른 구매자가 많이 구매하는 아이템을 추천하는 방식인 협업 필터링(Collaborative Filtering), A를 구매한 사용자는 B를 구매하는 경우가 많으므로 A를 구매한 사용자에게 B를 추천하는 방식인 연관성 분석(Association Rule) 등이 적용된다.Here, in the case of the individual recommendation algorithm, for example, similar to the above, the collaborative filtering (Collaborative Filtering), which is a method of recommending items purchased by a large number of purchasers, Association Rule, which is a method of recommending B to users who purchased A, is applied.
그 밖에, 서비스 또는 상품 특성에 맞춘 연속성 추천, 장르 추천, 성/연령 Best 추천, 및 인물 유사도 추천 등의 다양한 개별추천알고리즘이 추가 적용될 수 있다.In addition, various individual recommendation algorithms such as continuity recommendation, genre recommendation, sex / age best recommendation, and person similarity recommendation according to service or product characteristics may be additionally applied.
이러한, 개별추천알고리즘의 경우, 자체적인 성능 측정 방안(Performance measure)을 가지고 있기 때문에 알고리즘 간의 성과를 직접적으로 평가하기는 어려운 점이 있다.In the case of the individual recommendation algorithm, it is difficult to directly evaluate the performance between the algorithms because it has its own performance measure.
예를 들어, 상품 추천 서비스에 사용되는 개별추천알고리즘은 개별 특성에 맞춰 추천상품목록을 만들어 주며, 해당 추천상품목록에 포함된 추천상품들은 개별추천알고리즘 자체의 기준에 따라 우선순위(Rank)가 결정할 수 있다.For example, an individual recommendation algorithm used in a product recommendation service creates a list of recommended products according to individual characteristics, and the recommended products included in the recommended product list are determined according to the criteria of the individual recommendation algorithm itself .
그러나, 전술한 바와 같이 서로 다른 개별추천알고리즘 간의 비교는 불가능하므로 각 개별추천알고리즘에서 도출된 결과를 하나로 통합하기 위한 인위적 작업이 요구된다.However, since it is impossible to compare different individual recommendation algorithms as described above, an artificial work for integrating the results derived from each individual recommendation algorithm is required.
이렇듯, 복수의 개별추천알고리즘을 적용하고 있는 상품 추천 서비스 있어서 구매자의 높은 서비스 만족도를 유지시키기 위해서는, 복수의 개별추천알고리즘 중에서, 구매자에게 가장 적합한 개별추천알고리즘을 취사 선택하는 것이 무엇보다 중요하다 할 것이다.As described above, in order to maintain a high service satisfaction of a buyer in a product recommendation service applying a plurality of individual recommendation algorithms, it is more important than selecting an individual recommendation algorithm most suitable for a buyer among a plurality of individual recommendation algorithms .
이에, 본 발명의 일 실시예에서는, 상품 추천 서비스와 관련하여 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공하기 위한 방안을 제안하고자 하며, 이하에서는 이를 구체적으로 설명하기로 한다.Accordingly, in an embodiment of the present invention, among the various individual recommendation algorithms for determining a recommendation commodity in relation to a commodity recommendation service, a recommendation list for recommending commodities is prepared by selecting a recommendation algorithm suitable for a purchaser Which will be described in detail below.
단말장치(100)는 서비스장치(200)에 접속하여 추천상품을 요청하는 기능을 수행한다.The
보다 구체적으로, 단말장치(100)는 인터넷 또는 모바일 웹을 통해 서비스페이지에 접속하여, 예를 들어 구매자의 개인정보(예: ID / PW)를 서비스장치(200)에 전달함으로써, 서비스장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 결정할 수 있도록 한다.More specifically, the
서비스장치(200)는 구매자를 대상으로 하는 복수의 추천상품목록을 생성하는 기능을 수행한다.The
보다 구체적으로, 서비스장치(200)는 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성하게 된다.More specifically, when the personal information of the purchaser is received from the
또한, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하는 기능을 수행한다.In addition, the
보다 구체적으로, 서비스장치(200)는 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록의 생성이 완료되면, 구매자의 구매상품목록을 기초로 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하게 된다.More specifically, when the generation of the plurality of recommended goods lists for the buyer is completed based on the individual recommendation algorithm, the
이를 위해, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집하게 된다.To this end, the
이를 기반으로, 서비스장치(200)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다.On the basis of this, the
또한, 서비스장치(200)는 구매자에게 적합한 추천상품을 선택하는 기능을 수행한다.In addition, the
보다 구체적으로, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도가 판단되면, 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 다수의 추천상품목록에서 구매자에게 적합한 추천상품을 선택하여 단말장치(100)에 제공하게 된다.More specifically, when the fitness of the purchaser with each of the individual recommendation algorithms is determined, the
이때, 서비스장치(200)는 다수의 추천상품목록에 포함되는 추천상품 모두의 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용함으로써, 추천상품 각각에 대한 최종추천점수를 산출하고, 최종추천점수의 크기 큰 추천상품을 구매자에게 적합한 추천상품으로 우선적으로 선택하게 된다.At this time, the
이하에서는, 도 2를 참조하여 본 발명의 일 실시예에 따른 서비스장치(200)의 구성을 보다 구체적으로 설명하도록 한다.Hereinafter, the configuration of the
즉, 본 발명의 일 실시예에 따른 서비스장치(200)는 추천상품목록을 생성하기 위한 생성부(210), 구매자와의 적합도를 판단하기 위한 판단부(220), 및 추천상품을 선택하기 위한 선택부(230)를 포함하는 구성을 갖는다.That is, the
또한, 본 발명의 일 실시예에 따른 서비스장치(200)는 전술한 구성 이외에, 단말장치(100)로부터 구매자 식별정보를 수신하기 위한 수신부(240), 구매상품목록을 수집하기 위한 수집부(250) 및 단말장치(100)에 대해 추천상품을 제공하기 위한 제공부(260)를 더 포함하는 구성을 가질 수 있다.The
여기서, 전술한 생성부(210), 판단부(220), 선택부(230), 수신부(240), 수집부(250), 및 제공부(260)를 포함하는 서비스장치(200)의 각 구성은, 프로세서에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다.Here, each configuration of the
생성부(210)는 구매자를 대상으로 하는 복수의 추천상품목록을 생성하는 기능을 수행한다.The
보다 구체적으로, 생성부(210)는 수신부(240)를 통해 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성하게 된다.More specifically, when the personal information of the purchaser is received from the
예를 들어, 생성부(210)는 아래 [표 1]과 같이 유사도(Similarity) 기반의 개별추천알고리즘(알고리즘 1)에 기초한 추천상품목록과, 아래 [표 2]와 같이 신뢰도[Confidence, P(B|A) = P(A∩B) / P(A)] 기반의 개별추천알고리즘(알고리즘 2)에 기초한 추천상품목록, 그리고, 아래 [표 3]과 같이 향상도[Lift, P(A∩B) = P(A)*P(B)] 기반의 개별추천알고리즘(알고리즘 N)에 기초한 추천상품목록 등을 생성할 수 있다.For example, the generating
이때, 생성부(210)는 각 추천상품목록에 포함되는 추천상품 각각에, 개별추천알고리즘별 자체 기준에 따른 개별추천점수(Score)를 부여하고, 개별추천점수의 크기에 따른 우선순위(Rank)를 책정하게 된다[Score(i,j) : i번째 개별추천알고리즘의 j번째 결과의 개별추천점수(1≤i≤N)].At this time, the generating
여기서, 신뢰도(Confidence)와, 향상도(Lift) 기반의 개별추천알고리즘 모두는 A와 B간의 연관 규칙 (AR: Association Rule) 을 평가하기 위한 알고리즘을 지칭한다.Here, both the Confidence and Lift-based individual recommendation algorithms refer to an algorithm for evaluating association rules (ARs) between A and B.
예를 들어, (A, B)의 신뢰도와, 향상도가 각각 '0.3', '2' 이며, (A, C)의 신뢰도와, 향상도가 각각 '0.5', '1.5'인 상태에서, 신뢰도 기반으로 상품을 추천하고자 하는 경우에는 A를 구매한 구매자에게는 C를 추천하게 되며, 반면, 향상도 기반으로 상품을 추천하고자 하는 경우에는, A를 구매한 구매자에게 B를 추천할 수 있다. For example, when the reliability and the degree of improvement of (A, B) are respectively '0.3' and '2', and the reliability and the degree of improvement of (A, C) are respectively 0.5 and 1.5, In the case of recommending a product based on the reliability, C is recommended to the purchaser who purchases A, whereas when recommending the product based on the degree of improvement, recommendation of B to the purchaser who purchases A can be recommended.
그리고, 생성부(210)는 개별추천알고리즘에 기초한 복수의 추천상품목록이 생성되면, 각 추천상품목록에 포함되는 추천상품의 개별추천점수를 정규화한다.The generating
예를 들어, 생성부(210)는 상기 [표 1] 내지 [표 3]과 같은, 구매자를 대상으로 하는 복수의 추천상품목록 각각을 아래 [표 4] 내지 [표 6]과 같이 각 추천상품목록에 포함되는 추천상품의 개별추천점수가 '0'에서 '100' 사이가 될 수 있도록 정규화하게 된다.For example, the generating
판단부(220)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하는 기능을 수행한다.The
보다 구체적으로, 판단부(220)는 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록의 생성이 완료되면, 구매자의 구매상품목록을 기초로 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하게 된다.More specifically, when the generation of the plurality of recommended product lists for the buyer is completed based on the individual recommendation algorithm, the
이를 위해, 수집부(250)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집하게 된다.To this end, the collecting
이를 기반으로, 판단부(220)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다.On the basis of this, the
즉, 판단부(220)는 개별추천알고리즘 각각에 대하여, 아래 [수식 1]과 같이 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율인 구매자와의 적합도를 판단하는 것이다.That is, for each of the recommendation algorithms, the
[수식 1][Equation 1]
구매자와의 적합도 = 추천상품목록 ∩ 구매상품목록/ 전체구매상품 * 100Goodness of fit with buyer = list of recommended items ∩ Purchase product list / All purchase items * 100
예를 들어, 판단부(220)는 과거 1일(예: 어제) 동안 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록과, 마찬가지로 과거 1일(예: 어제) 구매자가 구매한 구매상품목록을 비교함으로써, 아래 [표 7]과 같이 개별추천알고리즘(알고리즘 '1' 내지 알고리즘 'N') 각각에 대한 구매자와의 적합도를 판단할 수 있다.For example, the judging
참고로, 상기 [표 7]에서 알고리즘 2의 경우, 구매자의 구매상품이 5개가 존재하며, 그 중 2개의 구매상품이 추천상품목록에 해당되는 것을 의미하게 되는 것이다.For reference, in the case of the algorithm 2 in Table 7, it means that there are five purchasers of the buyer, and two of the purchased commodities correspond to the recommended commodity list.
선택부(230)는 구매자에게 적합한 추천상품을 선택하는 기능을 수행한다.The selecting
보다 구체적으로, 선택부(230)는 개별추천알고리즘 각각에 대한 구매자와의 적합도가 판단되면, 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 다수의 추천상품목록에서 구매자에게 적합한 추천상품을 선택함으로써, 제공부(260)로 하여금 단말장치(100)에 제공하게 된다.More specifically, when the fitness of each of the individual recommendation algorithms with respect to each purchaser is determined, the selecting
이때, 선택부(230)는 아래 [수식 2]와 같이 다수의 추천상품목록에 포함되는 추천상품 모두의 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용함으로써, 추천상품 각각에 대한 최종추천점수를 산출한다.At this time, the selecting
[수식 2][Equation 2]
최종추천점수(Final score) = 개별추천점수(Score) * 구매자와의 적합도Final score = Individual recommendation score (Score) * Fit with buyer
그리고, 선택부(230)는 최종추천점수의 산출이 완료되면, 아래 [표 8]과 같이 다수의 추천상품목록에 포함되는 추천상품 모두에 최종추천점수의 크기에 따른 우선순위를 책정하여 전체추천상품목록으로 구성하게 된다.When the calculation of the final recommendation score is completed, the
나아가, 선택부(230)는 최종추천점수의 크기에 따른 우선순위가 책정된 전체 추천상품목록에서 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 우선적으로 선택하게 된다.In addition, the selecting
예를 들어, 구매자에게 제공되어야 할 추천상품의 개수가 100개인 경우에는, 상위 100위까지의 우선순위를 갖는 각각의 추천상품을 구매자에게 적합한 추천상품으로 선택하여 단말장치(100)에 제공할 수 있다.For example, if the number of recommended products to be provided to the purchaser is 100, each recommended product having the order of priority of the top 100 can be selected as a recommended product suitable for the purchaser and provided to the
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에 따르면, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시킬 수 있다.As described above, according to the merchandise recommendation service system according to the embodiment of the present invention, among the various individual recommendation algorithms for determining the recommended merchandise, Thus, the reliability of the recommended product can be increased, the satisfaction of the purchaser can be increased, and the profit of the seller of the product can be increased.
이하에서는 도 3 및 도 4를 참조하여, 본 발명의 일 실시예에 따른 상품 추천 서비스 방법을 설명하도록 한다. 여기서, 설명의 편의를 위해 전술한 도 1 및 도 2에 도시된 구성은 해당 참조번호를 언급하여 설명하겠다. Hereinafter, a method of recommending a product according to an embodiment of the present invention will be described with reference to FIGS. 3 and 4. FIG. Here, for convenience of explanation, the configurations shown in FIGS. 1 and 2 will be described with reference to corresponding reference numerals.
우선, 도 3을 참조하여 본 발명의 일 실시예에 따른 상품 추천 서비스 시스템에서의 동작 흐름을 설명하도록 한다.First, referring to FIG. 3, an operation flow in a goods recommendation service system according to an embodiment of the present invention will be described.
먼저, 단말장치(100)는 인터넷 또는 모바일 웹을 통해 서비스페이지에 접속하여, 예를 들어 구매자의 개인정보(예: ID / PW)를 서비스장치(200)에 전달함으로써, 서비스장치(200)로 하여금 상기 구매자의 개인정보를 기초로 구매자에 적합한 추천상품을 선택할 수 있도록 한다(S110).First, the
그리고 나서, 서비스장치(200)는 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성한다(S120).Then, when the personal information of the purchaser is received from the
이때, 서비스장치(200)는 추천상품목록에 포함되는 추천상품 각각에, 개별추천알고리즘별 자체 기준에 따른 개별추천점수(Score)를 부여하고, 개별추천점수의 크기에 따른 우선순위(Rank)를 책정하게 된다.At this time, the
그런 다음, 서비스장치(200)는 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록의 생성이 완료되면, 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집한다(S130).Then, when the generation of the plurality of recommended product lists for the buyer is completed based on the individual recommendation algorithm, the
이어서, 서비스장치(200)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다(S140).Then, the
이후, 서비스장치(200)는 개별추천알고리즘 각각에 대한 구매자와의 적합도가 판단되면, 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 다수의 추천상품목록에서 구매자에게 적합한 추천상품을 선택하여 단말장치(100)에 제공하게 된다(S150-S160).Thereafter, the
이때, 서비스장치(200)는 다수의 추천상품목록에 포함되는 추천상품 모두의 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용함으로써, 추천상품 각각에 대한 최종추천점수를 산출하고, 최종추천점수의 크기 큰 추천상품을 구매자에게 적합한 추천상품으로 우선적으로 선택하게 된다.At this time, the
이하에서는 도 4를 참조하여 본 발명의 일 실시예에 따른 서비스장치(200)의 동작을 구체적으로 설명하도록 한다.Hereinafter, the operation of the
먼저, 생성부(210)는 수신부(240)를 통해 서비스페이지에 접속된 단말장치(100)로부터 구매자의 개인정보가 수신되어, 추천상품이 요청되는 경우, 개별추천알고리즘을 기초로 구매자를 대상으로 하는 복수의 추천상품목록을 생성한다(S210).First, when the personal information of the purchaser is received from the
이때, 생성부(210)는 추천상품목록에 포함되는 추천상품 각각에, 개별추천알고리즘별 자체 기준에 따른 개별추천점수(Score)를 부여하고, 개별추천점수의 크기에 따른 우선순위(Rank)를 책정하게 된다.At this time, the generating
그리고, 생성부(210)는 개별추천알고리즘에 기초한 복수의 추천상품목록이 생성되면, 각 추천상품목록에 포함되는 추천상품의 개별추천점수를 예컨대, '0'에서 '100' 사이가 될 수 있도록 정규화하게 된다.When a plurality of recommended product lists based on the individual recommendation algorithm are generated, the generating
그리고 나서, 수집부(250)는 개별추천알고리즘 각각에 대한 구매자와의 적합도를 판단하기 위해, 구매자의 개인정보를 기초로 과거 구매자들이 구매한 구매상품목록을 수집한다(S220).Then, the collecting
그런 다음, 판단부(220)는 과거 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 구매상품목록에 포함되는 추천상품을 확인함으로써, 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하게 된다(S230).Then, the
이때, 판단부(220)는 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율인 구매자와의 적합도를 판단하는 것이다.At this time, the
다음으로, 다수의 추천상품목록에 포함되는 추천상품 모두의 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용함으로써, 추천상품 각각에 대한 최종추천점수를 산출한다(S240).Next, a final recommendation score for each of the recommended products is calculated by further applying the fitness with the purchaser to each of the individual recommendation scores of all the recommended products included in the plurality of recommended product lists S240).
이때, 선택부(230)는 최종추천점수의 산출이 완료되면, 다수의 추천상품목록에 포함되는 추천상품 모두에 최종추천점수의 크기에 따른 우선순위를 책정하여 전체추천상품목록으로 구성하게 된다.At this time, when the calculation of the final recommendation score is completed, the
이후, 선택부(230)는 최종추천점수의 크기에 따른 우선순위가 책정된 전체 추천상품목록에서 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 우선적으로 선택함으로써, 제공부(260)로 하여금 선택된 추천상품을 단말장치(100)에 제공하도록 한다(S250-S260).Then, the selecting
이상에서 살펴본 바와 같이, 본 발명의 일 실시예에 따른 상품 추천 서비스 방법에 따르면, 추천상품을 결정하기 위한 다양한 개별추천알고리즘 중에서, 구매자에게 적합한 개별추천알고리즘을 취사 선택하여 그에 따른 추천상품목록을 구성하여 제공함으로써, 추천상품에 대한 신뢰성을 높여 구매자의 만족도를 높임과 동시에 상품 판매자의 수익을 증대시킬 수 있다.As described above, according to the product recommendation service method according to an embodiment of the present invention, among the various individual recommendation algorithms for determining a recommendation product, a recommendation product list is prepared Thus, the reliability of the recommended product can be increased, the satisfaction of the purchaser can be increased, and the profit of the seller of the product can be increased.
한편, 여기에 제시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Meanwhile, the steps of a method or algorithm described in connection with the embodiments disclosed herein may be embodied directly in hardware, or may be embodied in a computer readable medium, in the form of a program instruction, which may be carried out through various computer means. The computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions recorded on the medium may be those specially designed and constructed for the present invention or may be available to those skilled in the art of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
지금까지 본 발명을 바람직한 실시 예를 참조하여 상세히 설명하였지만, 본 발명이 상기한 실시 예에 한정되는 것은 아니며, 이하의 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 또는 수정이 가능한 범위까지 본 발명의 기술적 사상이 미친다 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims.
본 발명의 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치에 따르면, 추천상품을 결정하기 위한 복수의 알고리즘의 조합을 통해 구매자에게 적합한 추천상품을 결정한다는 점에서, 기존 기술의 한계를 뛰어 넘음에 따라 관련 기술에 대한 이용만이 아닌 적용되는 장치의 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있는 발명이다.According to the commodity recommendation service system and method of the present invention, and the apparatuses applied thereto, the recommendation commodity suitable for a purchaser is determined through a combination of a plurality of algorithms for determining a recommendation commodity, It is not only the use of the related technology but also the possibility of commercialization or operation of the applied device is sufficient and it is practically possible to carry out it clearly.
100: 단말장치
200: 서비스장치
210: 생성부 220: 판단부
230: 선택부 240: 수신부
250: 수집부 260: 제공부100: terminal device
200: Service device
210: Generation unit 220:
230: selection unit 240:
250: collecting unit 260:
Claims (13)
상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단부; 및
상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택부를 포함하는 것을 특징으로 하는 서비스장치.A generating unit for generating a list of at least two recommended products for a buyer based on an individual recommendation algorithm;
A determination unit for determining a fitness of each of the individual recommendation algorithms with the purchaser; And
And a selecting unit for selecting and providing a recommended product suitable for the purchaser from at least one of the at least two recommended product lists based on the fitness with the purchaser for each of the individual recommendation algorithms, .
상기 서비스장치는,
상기 구매자가 구매한 구매상품목록을 수집하는 수집부를 더 포함하며,
상기 판단부는,
상기 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 상기 구매상품목록에 포함되는 추천상품을 확인하여 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하는 것을 특징으로 하는 서비스장치.The method according to claim 1,
The service device comprises:
And a collecting unit for collecting a list of purchased goods purchased by the purchaser,
Wherein,
And a recommendation commodity selection unit for recommending a recommendation commodity included in the purchase commodity list from the recommendation commodity list based on the individual recommendation algorithm to determine a goodness of fit with the purchaser for each recommendation algorithm. .
상기 판단부는,
상기 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율을 기초로 상기 구매자와의 적합도를 판단하는 것을 특징으로 하는 서비스장치.3. The method of claim 2,
Wherein,
For each of the recommendation algorithms, based on a ratio between the number of all purchased products included in the purchased product list and the ratio between the number of recommended products included in the purchased product list in each of the previously created recommended product lists, And determines the fitness of the service device.
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는,
상기 개별추천알고리즘 각각에서 산출된 개별추천점수가 부여되며,
상기 선택부는,
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각의 상기 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용하여 산출되는 최종추천점수를 기초로, 상기 적어도 두개의 추천상품목록 중 적어도 하나로부터 상기 구매자에 적합한 추천상품을 선택하는 것을 특징으로 하는 서비스장치.The method according to claim 1,
Each of the recommendation products included in the at least two recommendation product lists,
An individual recommendation score calculated by each individual recommendation algorithm is given,
Wherein the selection unit comprises:
Based on a final recommendation score calculated by further applying a goodness of fit with the purchaser to each of the individual recommendation algorithms to the individual recommendation scores of each of the recommendation products included in the at least two recommended product lists, And selects a recommended product suitable for the purchaser from at least one of the recommended product lists.
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는,
상기 최종추천점수 크기에 따른 우선순위가 책정되며,
상기 선택부는,
상기 적어도 두개의 추천상품목록에 포함되는 전체 추천상품 중에서 상기 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 선택하는 것을 특징으로 하는 서비스장치.5. The method of claim 4,
Each of the recommendation products included in the at least two recommendation product lists,
A priority is set according to the final recommendation score size,
Wherein the selection unit comprises:
And selects a recommendation commodity having a higher priority among all recommendation commodities included in the at least two recommendation commodities as a recommendation commodity suitable for the purchaser.
서비스장치가 개별추천알고리즘을 기초로 상기 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하는 생성단계; 및
상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 상기 단말장치에 제공하도록 하는 선택단계를 포함하는 것을 특징으로 하는 상품 추천 서비스 방법.A requesting step of the terminal device requesting a recommendation item for the buyer;
A generating step of generating a list of at least two recommended products for the purchaser based on an individual recommendation algorithm of the service device; And
And a selection step of selecting a recommended product suitable for the buyer from at least one of the at least two recommended product lists based on the fitness with the buyer for each of the individual recommendation algorithms and providing the selected recommendation product to the terminal device How to recommend a service.
상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단단계; 및
상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택단계를 포함하는 것을 특징으로 하는 서비스장치의 동작 방법.A generating step of generating at least two recommended product lists for a buyer based on an individual recommendation algorithm;
A determination step of determining a fitness of each of the individual recommendation algorithms with the purchaser; And
And a selection step of selecting and providing a recommended product suitable for the buyer from at least one of the at least two recommended product lists based on the fitness with the buyer for each of the individual recommendation algorithms Method of operation of the device.
상기 방법은,
상기 판단단계 이전에, 상기 구매자가 구매한 구매상품목록을 수집하는 수집단계를 더 포함하며,
상기 판단단계는,
상기 개별추천알고리즘을 기초로 기 생성된 각각의 추천상품목록에서, 상기 구매상품목록에 포함되는 추천상품을 확인하여 상기 각각의 추천알고리즘에 대한 상기 구매자와의 적합도를 판단하는 것을 특징으로 하는 서비스장치의 동작 방법.8. The method of claim 7,
The method comprises:
Further comprising a collecting step of collecting a list of purchased goods purchased by the purchaser before the determining step,
Wherein,
And a recommendation commodity selection unit for recommending a recommendation commodity included in the purchase commodity list from the recommendation commodity list based on the individual recommendation algorithm to determine a goodness of fit with the purchaser for each recommendation algorithm. Lt; / RTI >
상기 판단단계는,
상기 개별추천알고리즘 각각에 대하여, 상기 구매상품목록에 포함된 전체구매상품의 개수, 대비 상기 기 생성된 각각의 추천상품목록에서 상기 구매상품목록에 포함되는 추천상품의 개수 간의 비율을 기초로 상기 구매자와의 적합도를 판단하는 것을 특징으로 하는 서비스장치의 동작 방법.9. The method of claim 8,
Wherein,
For each of the recommendation algorithms, based on a ratio between the number of all purchased products included in the purchased product list and the ratio between the number of recommended products included in the purchased product list in each of the previously created recommended product lists, And determining the fitness of the service device.
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는,
상기 개별추천알고리즘 각각에서 산출되는 개별추천점수가 부여되며,
상기 선택단계는,
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각의 상기 개별추천점수에, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 추가로 적용하여 산출되는 최종추천점수를 기초로, 상기 적어도 두개의 추천상품목록 중 적어도 하나로부터 상기 구매자에 적합한 추천상품을 선택하는 것을 특징으로 하는 서비스장치의 동작 방법.8. The method of claim 7,
Each of the recommendation products included in the at least two recommendation product lists,
An individual recommendation score calculated by each individual recommendation algorithm is given,
In the selecting step,
Based on a final recommendation score calculated by further applying a goodness of fit with the purchaser to each of the individual recommendation algorithms to the individual recommendation scores of each of the recommendation products included in the at least two recommended product lists, And selects a recommended product suitable for the purchaser from at least one of the recommended product catalogs.
상기 적어도 두개의 추천상품목록에 포함되는 추천상품 각각에는,
상기 최종추천점수 크기에 따른 우선순위가 책정되며,
상기 선택단계는,
상기 적어도 두개의 추천상품목록에 포함되는 전체 추천상품 중에서 상기 우선순위가 높은 추천상품을 상기 구매자에게 적합한 추천상품으로 선택하는 것을 특징으로 하는 서비스장치의 동작 방법.11. The method of claim 10,
Each of the recommendation products included in the at least two recommendation product lists,
A priority is set according to the final recommendation score size,
In the selecting step,
And selects a recommendation commodity having a high priority among all recommendation commodities included in the at least two recommendation commodities as a recommendation commodity suitable for the purchaser.
상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 판단하는 판단단계; 및
상기 개별추천알고리즘에 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 제공하도록 하는 선택단계를 수행하기 위한 명령들을 포함하는 것을 특징으로 하는 컴퓨터 판독 가능 매체.A generating step of generating at least two recommended product lists for a buyer based on an individual recommendation algorithm;
A determination step of determining a fitness of each of the individual recommendation algorithms with the purchaser; And
Selecting and providing a recommendation item suitable for the buyer from at least one of the at least two recommendation goods lists based on the fitness with the buyer for each of the individual recommendation algorithms, ≪ / RTI >
개별추천알고리즘을 기초로 상기 구매자를 대상으로 하는 적어도 두개의 추천상품목록을 생성하고, 상기 개별추천알고리즘 각각에 대한 상기 구매자와의 적합도를 기초로 상기 적어도 두개의 추천상품목록 중 적어도 하나에서 상기 구매자에게 적합한 추천상품을 선택하여, 상기 단말장치에 제공하도록 하는 서비스장치를 포함하는 것을 특징으로 하는 상품 추천 서비스 시스템.A terminal device for requesting and receiving a recommended product for a buyer; And
Generating at least two recommended product lists for the buyer based on the individual recommendation algorithms and generating at least one recommended product list from at least one of the at least two recommended product lists based on the goodness of fit with the buyer for each of the individual recommendation algorithms, And a service device that selects a recommended product suitable for the user and provides the selected recommended product to the terminal device.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020130052538A KR102131799B1 (en) | 2013-05-09 | 2013-05-09 | System and method for products recommendation service, and apparatus applied to the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020130052538A KR102131799B1 (en) | 2013-05-09 | 2013-05-09 | System and method for products recommendation service, and apparatus applied to the same |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20140133663A true KR20140133663A (en) | 2014-11-20 |
KR102131799B1 KR102131799B1 (en) | 2020-07-08 |
Family
ID=52454150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020130052538A KR102131799B1 (en) | 2013-05-09 | 2013-05-09 | System and method for products recommendation service, and apparatus applied to the same |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102131799B1 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019132084A1 (en) * | 2017-12-29 | 2019-07-04 | 주식회사 플레이오토 | Method for recommending online sales channel in online shopping mall integrated management system, and server therefor |
KR20210058673A (en) * | 2019-11-13 | 2021-05-24 | 배재대학교 산학협력단 | Consumer health information customized service delivery system and method |
KR20220097111A (en) * | 2020-12-31 | 2022-07-07 | 주식회사 피플카 | Production recommendation system and operation method thereof |
WO2023090484A1 (en) * | 2021-11-16 | 2023-05-25 | 쿠팡 주식회사 | Method for electronic device to provide item information |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102311107B1 (en) * | 2020-10-29 | 2021-10-12 | 주식회사 디에스랩글로벌 | Customer exit prevention method that provides a solution to prevent customer from leaving the deep learning solution platform that automatically creates a deep learning model, perfomred by a system to avoid leaving the customer |
KR102284440B1 (en) * | 2020-10-29 | 2021-08-02 | 주식회사 디에스랩글로벌 | Method to broker deep learning model transactions perfomed by deep learning model transaction brokerage servers |
KR102311108B1 (en) * | 2020-10-29 | 2021-10-12 | 주식회사 디에스랩글로벌 | Method to broker deep learning model transactions perfomed by deep learning model transaction brokerage servers |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005039749A (en) * | 2003-07-18 | 2005-02-10 | Sony Corp | Information processing apparatus and method, recording medium, and program |
JP2009015680A (en) * | 2007-07-06 | 2009-01-22 | Nec Corp | System for providing recommended commodity information, web server, method for providing recommended commodity information, and program |
KR20100020365A (en) * | 2008-08-12 | 2010-02-22 | 건국대학교 산학협력단 | System for recommendation the goods and method thereof |
KR20100091669A (en) * | 2009-02-11 | 2010-08-19 | 인하대학교 산학협력단 | Personalized recommendation system for e-commerce service |
-
2013
- 2013-05-09 KR KR1020130052538A patent/KR102131799B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005039749A (en) * | 2003-07-18 | 2005-02-10 | Sony Corp | Information processing apparatus and method, recording medium, and program |
JP2009015680A (en) * | 2007-07-06 | 2009-01-22 | Nec Corp | System for providing recommended commodity information, web server, method for providing recommended commodity information, and program |
KR20100020365A (en) * | 2008-08-12 | 2010-02-22 | 건국대학교 산학협력단 | System for recommendation the goods and method thereof |
KR20100091669A (en) * | 2009-02-11 | 2010-08-19 | 인하대학교 산학협력단 | Personalized recommendation system for e-commerce service |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019132084A1 (en) * | 2017-12-29 | 2019-07-04 | 주식회사 플레이오토 | Method for recommending online sales channel in online shopping mall integrated management system, and server therefor |
KR20190081571A (en) * | 2017-12-29 | 2019-07-09 | 주식회사 플레이오토 | Method and server for recommending online sales channel on online shoppingmall intergrated management system |
KR20210058673A (en) * | 2019-11-13 | 2021-05-24 | 배재대학교 산학협력단 | Consumer health information customized service delivery system and method |
KR20220097111A (en) * | 2020-12-31 | 2022-07-07 | 주식회사 피플카 | Production recommendation system and operation method thereof |
WO2023090484A1 (en) * | 2021-11-16 | 2023-05-25 | 쿠팡 주식회사 | Method for electronic device to provide item information |
Also Published As
Publication number | Publication date |
---|---|
KR102131799B1 (en) | 2020-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20140133663A (en) | System and method for products recommendation service, and apparatus applied to the same | |
JP5828958B2 (en) | Provision of social product recommendations | |
KR101694462B1 (en) | Apparatus, method and computer program for providing review-sharing service | |
US8160936B2 (en) | Patriotic American shopping network | |
US9852477B2 (en) | Method and system for social media sales | |
US20090157479A1 (en) | Selection and Shopping System Founded on Mobile Architecture | |
WO2018118189A1 (en) | Systems and methods for customizing content of a billboard | |
US20120253986A1 (en) | Dynamic multi-level network marketing system and method, and computer-readable recording medium | |
US9846885B1 (en) | Method and system for comparing commercial entities based on purchase patterns | |
JP2007241983A (en) | Method and system of review scoring for providing user's popularity score | |
KR100892290B1 (en) | Components recommendation system for online order and the methode thereof | |
JP2007179531A (en) | System and method for electronic shopping using interactive electronic shopping agent | |
McKie et al. | How do consumers choose between multiple product generations and conditions? An empirical study of iPad sales on eBay | |
US20150221023A1 (en) | Information providing device, information providing method, information providing program, and computer-readable storage medium storing the program | |
US20150287032A1 (en) | Methods and systems for connecting multiple merchants to an interactive element in a web page | |
JP2009265747A (en) | Marketing support system, marketing support method, marketing support program, and computer readable medium | |
KR20100092852A (en) | System for recommending goods based on preference, and method thereof | |
KR102382802B1 (en) | Wine platform system and management method | |
US20150269591A1 (en) | Online auctions with collectible authenticity insurance systems and methods | |
JP5237337B2 (en) | Object customization and management system | |
KR20140132033A (en) | System and method for products recommendation service, and apparatus applied to the same | |
US20110087608A1 (en) | System for locating and listing relevant real properties for users | |
JP6945518B2 (en) | Information processing equipment, information processing methods and information processing programs | |
US11483623B2 (en) | Automated generation of video-based electronic solicitations | |
KR20150027442A (en) | System and method for products recommendation service, and apparatus applied to the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AMND | Amendment | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant |