KR20150080090A - 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법 - Google Patents

하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법 Download PDF

Info

Publication number
KR20150080090A
KR20150080090A KR1020130166874A KR20130166874A KR20150080090A KR 20150080090 A KR20150080090 A KR 20150080090A KR 1020130166874 A KR1020130166874 A KR 1020130166874A KR 20130166874 A KR20130166874 A KR 20130166874A KR 20150080090 A KR20150080090 A KR 20150080090A
Authority
KR
South Korea
Prior art keywords
user
product
information
tourist
similarity
Prior art date
Application number
KR1020130166874A
Other languages
English (en)
Inventor
양형정
정회윤
이칠우
Original Assignee
전남대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 전남대학교산학협력단 filed Critical 전남대학교산학협력단
Priority to KR1020130166874A priority Critical patent/KR20150080090A/ko
Publication of KR20150080090A publication Critical patent/KR20150080090A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Mathematical Optimization (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법에 관한 것으로, 특히 본 발명에 따른 하둡 기반의 상품 추천을 위한 장치는 사용자 선호도 정보, 유사 사용자 그룹 정보, 관광 상품 데이터, 유사 사용자 그룹별 선호 관광 상품 정보 중 적어도 하나를 저장하는 저장부와 관광 상품 데이터를 수집하고, 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하고, 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신하는 사용자 선호도 계산 모듈과, 상기 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산하고, 상기 유사도를 기반으로 유사 사용자 그룹을 생성한 후 유사도 계산 모듈과 생성된 유사 사용자 그룹의 속성 아이템에 대한 예측 평가치를 계산하고, 높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성하는 상품 추천 모듈을 포함하여 구성되는 제어부를 포함하는 것을 특징으로 한다.

Description

하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법{System for recommending product based on Hadoop and apparatus and methode for recommending product in the system}
본 발명은 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법에 관한 것으로, 특히 하둡 기반의 협업 필터링 알고리즘을 적용하여 개인화된 상품을 추천하는 시스템 및 그 시스템에서의 상품 추전을 위한 장치 및 방법에 관한 것이다.
최근들어, 무선 인터넷 환경과 모바일 기기의 증가로 인해 정보의 양과 서비스의 양이 급증하고 있는 빅데이터 시대가 도래하고 있다. 하지만 증가되는 정보와 서비스의 양에도 불구하고 정보를 획득하기까지 많은 시간과 노력을 소비하고 있다.
특히, 관광 상품을 제공하는 사이트 같이 사용자의 기호에 맞는 정보를 우선적으로 제공해야 하는 사이트의 경우, 대부분의 사용자는 방대한 관광 상품에 대한 콘텐츠들을 하나씩 확인하면서 자신의 기호에 맞는 상품을 찾게 된다. 이와 같이 자신의 기호에 맞은 상품을 찾기 위해 시간적으로나 노력면에서 많은 소비가 요구되고 있다.
이에 따라 방대한 빅데이터들을 처리 및 분석하고, 사용자 기호에 맞는 상품 추천 또는 정보 제공과 같은 사용자 맞춤형 서비스를 제공을 위한 기술 개발이 요구되고 있는 시점이다.
한국공개특허 10-2008-0023241, 2008년 03월 12일 공개 (명칭: 전문자에 의한 상품 추천 관리 시스템)
이에 본 발명은 협업적 필터링(Collaborative filtering)기반으로 사용자 선호 정보를 파악하여 사용자에게 맞춤화된 정보를 추천하기 위한 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법을 제공함에 있다.
또한, 본 발명은 빅데이터들을 처리 및 분석하고, 사용자 기호에 맞는 상품 추천 또는 정보 제공과 같은 사용자 맞춤형 서비스를 제공할 시 최소한의 자원과 최소한의 시간만이 소비할 수 있도록 하기 위한 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법을 제공함에 있다.
상술한 과제의 해결 수단으로, 본 발명에 따른 하둡 기반의 상품 추천을 위한 장치는 사용자 선호도 정보, 유사 사용자 그룹 정보, 관광 상품 데이터, 유사 사용자 그룹별 선호 관광 상품 정보 중 적어도 하나를 저장하는 저장부와 관광 상품 데이터를 수집하고, 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하고, 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신하는 사용자 선호도 계산 모듈과, 상기 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산하고, 상기 유사도를 기반으로 유사 사용자 그룹을 생성한 후 유사도 계산 모듈과 생성된 유사 사용자 그룹의 속성 아이템에 대한 예측 평가치를 계산하고, 높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성하는 상품 추천 모듈을 포함하여 구성되는 제어부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 사용자 선호도 계산 모듈은 상기 수집된 관광 상품 데이터로부터 상품의 특징을 나타내는 텍스트 정보만을 추출하고, 상기 추출한 텍스트 정보를 속성 아이템으로 하여 각 관광 상품에 포함된 속성 아이템에 속성 값을 할당하고, 사용자의 관광 상품 클릭 정보에 따라 해당 관광 상품에 포함된 속성 아이템 속성값을 이용하여 사용자의 선호도 정보를 갱신하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 사용자 선호도 계산 모듈은, 상기 사용자의 관광 상품 클릭 정보가 동일한 관광 상품에 대한 반복적인 선택에 따른 클릭 정보인 경우 클릭한 관광 상품에 포함된 속성 아이템의 속성값에 가중치를 부여하여 사용자의 선호도 정보를 갱신하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 유사도 계산 모듈은, 하둡 방식을 이용하여 상기 사용자 선호도 정보를 이용하여 사용자간의 유사도를 계산하고, [사용자 아이디(UserID), 아이템 아이디(ItemID), Item 속성]의 형태를 가지는 입력 데이터에서 같은 사용자 아이디(UserID)로 묶는 맵(MAP) 동작을 수행하고, 중복 데이터를 제거하고 원하는 데이터를 추출하는 리듀스(reduce) 동작을 반복함으로써 사용자 선호도 정보를 이용하여 사용자간의 유사도를 빠르게 계산하는 것을 특징으로 한다.
또한, 본 발명에 따른 상기 유사도 계산 모듈은, 상기 사용자의 선호도 정보를 이용하여 하기 <수학식 1>과 같이 모든 사용자들에 대해 코사인 유사도를 이용해 유사도를 계산하고, 상기 계산된 유사도를 기반으로 유사 사용자 그룹을 생성하는 것을 특징으로 한다.
수학식 1
Figure pat00001
또한, 본 발명에 따른 상기 상품 추천 모듈은, 상기 생성된 유사 사용자 그룹을 기반으로 유사 사용자들이 선호하는 관광 상품에 대한 예측 평가치를 계산하고, 하기 <수학식 2>는 관광 아이템 i에 대한 목표 사용자 u의 예측 평가치를 계산하는 수식으로, 하기 <수학식 2>에서 P는 이웃 k가 아이템 i에 평가한 평가값을 의미하고, sim(u,k)는 사용자 u와 k 간의 유사도이고, c는 사용자 u와 공통으로 아이템을 평가한 이웃의 수이고, 목표 사용자와 이웃 간의 유사도에 이웃의 과거 평가치를 결합하여 예상 선호도를 계산하는 것을 특징으로 한다.
수학식 2
Figure pat00002
또한, 본 발명에 따른 상기 사용자 선호도 정보는, 사용자가 선호하는 관광 상품의 속성 아이템에 대한 정보인 것을 특징으로 한다.
또한, 본 발명에 따른 유사 사용자 그룹 정보는 선호하는 관광 상품의 속성 아이템에 대한 가중치가 유사한 사용자 그룹에 대한 정보인 것을 특징으로 한다.
또한, 본 발명에 따른 관광 상품 데이터는 포털 사이트에서 제공되고 있는 관광 상품에 대한 정보인 것을 특징으로 한다.
또한, 본 발명에 따른 유사 사용자 그룹별 선호 관광 상품 정보는, 유사 사용자 그룹에서 선호하는 관광 상품의 속성 아이템에 대한 정보인 것을 특징으로 한다.
상술한 과제의 해결 수단으로, 본 발명에 따른 하둡 기반의 상품 추천 시스템은 관광 상품 데이터를 수집하고, 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하고, 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신하고, 상기 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산한 후 상기 유사도를 기반으로 유사 사용자 그룹을 생성한 후 유사도 계산 모듈과 생성된 유사 사용자 그룹의 속성 아이템에 대한 예측 평가치를 계산하고, 높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성하는 관광 상품 추천 서비스 장치; 사용자의 요청에 따라 상기 관광 상품 추천 서비스 장치로부터 유사 사용자 그룹에서 선호하는 관광 상품에 대한 정보인 관광 상품 추천 목록을 제공받아 이를 사용자에게 출력하는 사용자 단말기를 포함하는 것을 특징으로 한다.
상술한 과제의 해결 수단으로, 본 발명에 따른 하둡 기반의 상품 추천을 위한 방법은 관광 상품 데이터를 수집하는 과정; 상기 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하는 과정; 상기 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신하는 과정; 상기 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산하는 과정; 상기 유사도를 기반으로 유사 사용자 그룹을 생성한 후 유사도 계산 모듈과 생성된 유사 사용자 그룹의 속성 아이템에 대한 예측 평가치를 계산하는 과정; 높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성하는 과정을 포함하는 것을 특징으로 한다.
본 발명은 대용량 관광 상품 데이터와 같은 빅데이터를 처리할 경우 많은 자원이 소모되어 처리하는데 시간이 많이 걸리는 경우가 발생하는 점을 개선하여 최소한의 자원과 최소한의 시간만을 이용하여 상품을 추천할 수 있는 이점이 있다.
또한, 본 발명은 관광 상품 데이터를 군집화하여 아이템 선호도를 추출하고, 이를 사용자 유사도 계산에 활용함으로써 개인화된 상품 추천 서비스를 제공할 수 있는 효과가 있다.
도 1은 본 발명의 실시 예에 따른 하둡 기반의 상품 추천 시스템 구성을 도시하는 도면이다.
도 2는 본 발명의 실시 예에 따른 관광 상품 추천 서비스 장치의 구성을 도시하는 도면이다.
도 3은 본 발명의 실시 예에 따른 관광 상품 추천 서비스 장치의 제어부의 내부 구성을 도시하는 도면이다.
도 4는 본 발명의 실시 예에 따른 관광 상품 추천 서비스 장치의 저장부의 내부 구성을 도시하는 도면이다.
도 5는 본 발명의 실시 예에 따른 관광 상품 추천 서비스 제공 방법을 도시하는 흐름도이다.
도 6은 본 발명의 실시 예에 따라 수집된 관광 상품 데이터에서 관광 상품의 특징을 나타내는 정보만을 추출한 후 속성값들을 부여한 관광 상품을 리스트화한 예를 보이는 예시도이다.
도 7은 본 발명의 실시 예에 따른 하둡 기반의 사용자 선호도 정보를 이용하여 사용자 간의 유사도 계산을 설명하기 위한 도면이다.
도 8은 본 발명의 실시 예에 따라 생성된 유사 사용자 그룹을 바탕으로 유사 사용자들이 선호하는 관광 상품에 대한 예측 평가치가 높은 관광 상품을 우선순위로 데이터를 정렬한 방법을 설명하기 위한 예시도이다.
이하 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 핵심을 흐리지 않고 더욱 명확히 전달하기 위함이다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
이하 본 발명의 바람직한 실시예를 첨부한 도면을 참조하여 상세히 설명한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 또한, 도면 전체에 걸쳐 동일한 구성 요소들은 가능한 한 동일한 도면 부호로 나타내고 있음에 유의하여야 한다.
이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위한 용어의 개념으로 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
본 발명은 사용자가 관광 상품을 선택한 이력을 바탕으로 협업 필터링 알고리즘을 사용하여 아이템간의 유사도를 도출하고, 사용자가 선호하는 관광 상품과 유사한 관광 상품을 추천하기 위한 방안을 제공한다. 이때, 수집한 빅데이터인 관광 상품 데이터를 처리하기 위하여 유사그룹 생성과 유사 관광 상품 생성에 관한 처리는 하둡을 기반으로 처리한다.
본 발명에서 사용자가 선호하는 정보를 제공하는 하둡은 대량의 자료를 처리할 수 있는 분산 응용 프로그램을 지원하는 자바 소프트웨어 프레임워크이다. 이에 하둡은 대규모의 데이터를 빠른 시간 내에 효율적으로 처리하는데 적합하다. 이에 본 발명에서는 하둡을 기반으로 협업 필터링(Collaborative Filtering) 알고리즘을 이용하여 관광 상품을 추천하는 시스템을 제안한다.
본 발명에서 사용되는 협업필터링 기법이란 많은 사용자들로부터 얻은 선호정보를 바탕으로 유사한 선호 특성을 가진 사용자 그룹을 찾아내고, 사용자 그룹들의 비슷한 선호 특성을 이용하여 자동적으로 선호 아이템을 예측하게 해주는 방법이다. 즉, 고객들의 선호도를 바탕으로 비슷한 선호도 패턴을 가진 고객들을 식별해 내는 기법이다.
본 발명에 따른 협업 필터링을 이용한 추천 순서는 다음과 같다.
먼저 사용자의 선호정보를 수집한다. 예를 들면, 사용자가 웹 사이트에서 관광 상품을 선택하거나 영화를 감상하거나, 책과 앨범을 구매한 이력을 수집하여 사용자의 선호정보를 분석할 기반 데이터를 확보한다.
두 번째 단계에선, 확보한 데이터를 바탕으로 사용자별 아이템 배열을 구성하고, 이를 다른 사용자와 비교하여 유사도를 도출한다. 유사도를 도출하기 위해 사용하는 알고리즘으로는 피어슨 상관계수(Pearson coefficient correlation)나 코사인 유사도(Cosine similarity)등이 있다. 도출한 유사도로 사용자들에게 랭킹을 주어 자신과 비슷한 유사 그룹을 확정하게 된다.
마지막으로 자신의 선택한 이력과 유사 그룹이 선택한 이력을 비교하여 자신의 선택한 이력에 속하지 않은 아이템들을 사용자에게 제공하는 것이 마지막 단계이다.
그러면, 이하에서 본 발명에 따라 하둡 기반으로 사용자 맞춤형 광관 상품 추천 서비스를 제공하기 위한 방법에 대하여 설명하도록 한다.
먼저, 도 1을 참조하여 본 발명의 실시예에 따른 하둡 기반의 상품 추천 시스템 구성을 살펴보도록 한다.
도 1은 본 발명의 실시예에 따른 하둡 기반의 상품 추천 시스템 구성을 도시하는 도면이다.
도 1을 참조하면, 본 발명에 따른 상품 추천 시스템은 사용자 단말기(100), 관광 상품 추천 서비스 장치(120)를 포함하여 구성된다.
사용자 단말기(100)는 통신망(110)을 경유하여 각종 데이터를 송수신할 수 있는 단말기를 말하는 것이며, 태블릿 PC(Tablet PC), 랩톱(Laptop), 개인용 컴퓨터(PC: Personal Computer), 스마트폰(Smart Phone), 개인휴대용 정보단말기(PDA: Personal Digital Assistant), 스마트 TV 및 이동통신 단말기(Mobile Communication Terminal), 셋탑박스 중 어느 하나일 수 있다.
또한, 사용자 단말기(100)는 관광 상품 추천 서비스 제공을 받기 위해 통신망(110)을 경유하여 관광 상품 추천 서비스 장치(120)와 통신할 수 있는 단말기를 의미한다. 이러한, 사용자 단말기(100)는 관광 상품 추천 서비스 장치(120)와 통신이 가능하다면 그 어떠한 단말기도 가능하며, 노트북 컴퓨터, 이동통신 단말기, PDA 등의 통신 컴퓨팅 장치를 모두 포함하는 넓은 개념이다.
이러한 사용자 단말기(100)는 사용자의 요청에 따라 관광 상품 서비스를 제공하는 포털 서버(도면 미도시) 또는 관광 상품 추천 서비스 장치(120)를 통해 관광 상품 정보를 제공받는다. 특히, 본 발명에 따른 사용자 단말기(100)는 관광 상품 추천 서비스 장치(120)로부터 유사 사용자 그룹에서 선호하는 관광 상품에 대한 정보인 관광 상품 추천 목록을 제공받아 이를 사용자에게 출력한다.
다음으로 관광 상품 추천 서비스 장치(120)는 관광 상품 데이터를 수집하고, 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하고, 분석한 특징을 이용하여 각 관광 상품의 속성 아이템에 대한 속성값을 할당한다. 관광 상품 추천 서비스 장치(120)는 이와 같이 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신한다. 이후, 관광 상품 추천 서비스 장치(120)는 이와 같은 관리되는 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산한다. 즉, 목표 사용자와 목표 사용자를 제외한 다른 사용자들과의 평가치를 바탕으로 유사도를 계산하여 유사 사용자 그룹을 생성하고, 생성된 유사 사용자 그룹의 아이템에 대한 예측 평가치를 계산하고, 높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성한다. 이하, 도 2 내지 도 4의 설명에서 관광 상품 추천 서비스 장치(120)의 구체적인 구성 및 동작 방법에 대하여 구체적으로 설명하도록 한다.
통신망(110)은 인터넷망, 인트라넷망, 이동통신망, 위성 통신망 등 다양한 유무선 통신 기술을 이용하여 인터넷 프로토콜로 데이터를 송수신할 수 있는 망을 말한다. 이러한, 통신망(110)은 LAN(Local Area Network), WAN(Wide Area Network)등의 폐쇄형 네트워크, 인터넷(Internet)과 같은 개방형 네트워크뿐만 아니라, CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), GSM(Global System for Mobile Communications), LTE(Long Term Evolution), EPC(Evolved Packet Core) 등의 네트워크와 향후 구현될 차세대 네트워크 및 컴퓨팅 네트워크를 통칭하는 개념이다.
그러면 이제 도 2를 참조하여 관광 상품 추천 서비스 장치(120)의 주요 구성 및 동작 방법에 대하여 설명하도록 한다.
도 2는 본 발명의 실시예에 따른 관광 상품 추천 서비스 장치의 구성을 도시하는 도면이다. 도 2에 나타낸 장치의 주요 구성은, 기능적으로 구분되는 요소들을 나타낸 것으로, 실제 물리적으로 서로 통합 구현될 수 있다. 또한, 본 발명의 실시예에서는 사용자 맞춤형 서비스 중 관광 상품 추천 서비스를 예로 하여 설명하지만, 이외의 다른 상품 및 정보 추천을 위한 서비스를 제공도 동일한 방법으로 서비스 가능할 것이다.
도 2를 참조하면, 본 발명에 따른 관광 상품 추천 서비스 장치(120)는 제어부(10), 통신부(20), 저장부(30)를 포함한다.
먼저, 통신부(20)는 사용자 단말기(100)과 통신을 위한 역할을 수행한다. 이러한 통신부(20)는 유선 방식 및 무선 방식뿐만 아니라 다양한 통신 방식을 통해서 데이터를 송수신할 수 있다. 더하여, 통신부(20)는 하나 이상의 통신 방식을 사용하여 데이터를 송수신할 수 있으며, 이를 위하여 통신부(20)는 각각 서로 다른 통신 방식에 따라서 데이터를 송수신하는 복수의 통신 모듈을 포함할 수 있다.
저장부(30)는 관광 상품 추천 서비스 장치의 제어 및 관리 동작과 관련된 정보를 저장한다. 이러한 저장부(30)는 플래시 메모리(flash memory), 하드디스크(hard disk), 멀티미디어 카드 마이크로(multimedia card micro) 타입의 메모리(예컨대, SD 또는 XD 메모리 등), 램(RAM), 롬(ROM) 등의 저장매체를 포함하여 구성될 수 있다. 특히, 본 발명에 따른 저장부(30)는 도 4에 도시된 바와 같이 사용자 선호도 정보(410), 유사 사용자 그룹 정보(412), 관광 상품 데이터(413), 유사 사용자 그룹별 선호 관광 상품 정보(414) 중 적어도 하나를 포함한다. 여기서, 사용자 선호도 정보는 사용자가 선호하는 관광 상품의 속성 아이템에 대한 정보이고, 유사 사용자 그룹 정보는 선호하는 관광 상품의 속성 아이템에 대한 가중치가 유사한 사용자 그룹에 대한 정보이고, 관광 상품 데이터는 포털 사이트에서 제공되고 있는 관광 상품에 대한 정보이고, 유사 사용자 그룹별 선호 관광 상품 정보는 유사 사용자 그룹에서 선호하는 관광 상품의 속성 아이템에 대한 정보를 말한다.
다시 도 2로 돌아가면, 제어부(10)는 관광 상품 추천 서비스 장치의 제어 및 관광 상품 추천 서비스 장치의 운용을 위한 다양한 신호 처리와 데이터 처리를 지원하는 구성이다. 특히, 본 발명에 따른 제어부(10)는 관광 상품 데이터를 수집하고, 수집한 관광 상품 데이터를 이용하여 관광 상품 특징 정보를 추출한 후 각 관광 상품 특징 정보에 속성값을 부여한다. 또한, 제어부(10)는 사용자로부터 관광 상품 클릭 정보에 따라 사용자 선호도 정보를 갱신한다. 이때, 사용자별 관광 상품 클릭 정보는 관광 상품 추천 서비스 장치(120)와 연결된 관광 상품 정보를 제공하는 적어도 하나의 서버들(도면 미도시)로부터 제공받을 수도 있다. 만약, 관광 상품 추천 서비스 장치(120)가 광관 상품 정보를 제공하는 포털 역할을 가지는 장치라고 가정하면, 사용자 단말기(100)로부터 직접 관광 상품 클릭 정보를 수신할 수 있을 것이다. 이하, 본 발명의 실시예에서는 사용자 단말기(100)로부터 직접 관광 상품 클릭 정보를 수신할 수 있음을 가정하고 설명하도록 한다.
이후, 제어부(10)는 사용자 선호도 정보를 이용하여 사용자간 유사도를 계산하고, 유사 사용자 그룹을 생성한다. 제어부(10)는 이와 같이 생성된 유사 사용자 그룹을 바탕으로 유사 사용자들이 선호하는 관광 상품에 대한 예측 평가치를 계산한 후 예측 평가치를 이용하여 관광 상품에 대한 예상 선호도를 계산한다. 이와 같이 계산된 예상 선호도를 기반으로 제어부(10)는 사용자 맞춤형 관광 상품 추천을 제공한다.
이러한 제어부(10)는 본 발명에 따라 관광 상품 추천 서비스를 제공하기 위해 도 3과 같은 모듈을 포함하여 구성할 수 있다. 도 3을 참조하여 제어부(10)의 구체적인 내부 구성 및 각 구성에서의 동작을 상세히 설명하도록 한다.
도 3은 본 발명의 실시예에 따른 관광 상품 추천 서비스 장치의 제어부의 내부 구성을 도시하는 도면이다.
도 3을 참조하면, 제어부(10)는 사용자 선호도 계산 모듈(300), 유사도 계상 모듈(310) 및 상품 추천 모듈(312)을 포함하여 구성된다.
먼저, 사용자 선호도 계산 모듈(300)은 관광 상품 데이터 및 사용자 선호 정보를 수집하고, 수집된 데이터 및 정보를 이용하여 사용자가 선호하는 여행상품에 대한 선호도 정보를 계산한다.
이를 위해 사용자 선호도 계산 모듈(300)은 먼저, 관광 상품 데이터를 모으기 위해 관광 상품을 제공하는 포털 사이트에서 관광 상품 데이터를 수집하고, 수집된 관광 상품 데이터로부터 상품의 특징을 나타내는 텍스트 정보만을 추출한다. 텍스트 정보를 추출하는 예시도는 도 6과 같이 도시할 수 있다.
도 6은 본 발명의 실시예에 따라 수집된 관광 상품 데이터에서 관광 상품의 특징을 나타내는 정보만을 추출한 후 속성값들을 부여한 관광 상품을 리스트화한 예를 보이는 예시도이다.
도 6을 참조하면, 사용자 선호도 계산 모듈(300)은 수집된 관광 상품 데이터에서 스테밍(Stemming) 과정과 불용어 제거 과정을 통해서 관광 상품의 특징만을 나타내는 텍스트 정보인 속성 아이템을 추출한다.
이때, 추출된 텍스트 정보는 도 6에 도시된 바와 같이 버스, 기차, KTX, 도보, 강, 산, 섬, 해변, 호수, 휴양지, 국립공원과 같은 정보가 될 수 있을 것이다. 또한, 사용자 선호도 계산 모듈(300)은 이와 같이 추출된 텍스트 정보들을 토대로 속성 아이템에 대한 속성값들을 부여한다. 속성 값들은 여행에 대한 정보를 표시하는 버스, 기차, KTX, 도보, 강, 산, 섬, 해변, 호수, 휴양지, 국립공원을 바탕으로 관광 상품에 대한 값을 부여하는 것이다.
예를 들어, 특정 관광 상품에 속성 아이템이 존재한다면 속성값으로 1을 할당하고, 속성 아이템이 존재하지 않는다면 속성값으로 0을 할당한다. 도 6을 참조하면, 1"의 관광 상품에는 기차, 강, 산, 섬, 국립공원의 속성 아이템에 대한 속성값이 1로 할당되어 1"의 관광 상품의 경우 기차, 강, 산, 섬, 국립공원의 속성 아이템이 존재함을 나타낸다.
또한, 사용자 선호도 계산 모듈(300)은 사용자 단말기(100)로부터 수신된 관광 상품 클릭 정보에 따라 해당 관광 상품에 포함된 속성 아이템 속성값을 이용하여 사용자의 선호도 정보를 갱신한다. 즉, 사용자가 클릭한 관광 상품에 포함된 속성 아이템의 속성값을 통해 사용자의 선호도 정보가 갱신되는 것이다.
또한, 사용자 선호도 계산 모듈(300)은 사용자 단말기(100)로부터 수신된 관광 상품 클릭 정보가 동일한 관광 상품에 대한 반복적인 선택에 따른 클릭 정보인 경우 클릭한 관광 상품에 포함된 속성 아이템의 속성값에 가중치를 부여하여 사용자의 선호도 정보를 갱신한다.
다음으로, 유사도 계산 모듈(310)은 사용자 선호도 계산 모듈(300)을 통해 갱신된 사용자 선호도 정보를 이용하여 사용자간의 유사도를 계산하는 모듈이다.
이러한 유사도 계산 모듈(310)은 사용자의 선호도 정보를 이용하여 모든 사용자들에 대해 코사인 유사도를 이용해 유사도를 계산하며, 이렇게 계산된 유사도를 바탕으로 유사 사용자 그룹을 생성한다.
유사 사용자 그룹 생성 방법으로는 가장 높은 유사도를 갖는 상위 N명으로 그룹을 구성하는 Top-N 방식과 임의의 유사도 임계값 이상의 사용자들을 그룹화 시켜주는 방식이 있는데, 본 발명의 실시예에서는 임의의 유사도 임계값 이상의 사용자들을 그룹화 시켜주는 방식을 사용하도록 한다. 또한, 유사도 계산 모듈(310)은 사용자 선호도 계산 모듈(300)을 통해 사용자 선호도 정보가 갱신될 때마다 사용자간의 유사도를 계산하여 유사 사용자 그룹을 갱신한다.
그러면, 도 7을 참조하여 본 발명의 실시예에 따른 하둡 기반의 사용자 선호도 정보를 이용하여 사용자 간의 유사도 계산 동작을 설명하도록 한다.
도 7을 참조하면, 유사도 계산 모듈(310)은 하둡에서 제공되는 분산처리 기능을 수행하는데, 이러한 유사도 계산 모듈(310)에 입력 데이터를 입력한다. 입력 데이터는 [사용자 아이디(UserID), 아이템 아이디(ItemID), Item 속성]의 형태를 가진다. 유사도 계산 모듈(310)은 입력된 데이터에서 같은 사용자 아이디(UserID)로 묶는 맵(MAP)과정을 수행하고, 중복 데이터를 제거하고 원하는 데이터를 추출하는 리듀스(reduce) 과정(700 내지 708)을 반복함으로써 사용자 선호도 정보를 이용하여 사용자간의 유사도를 빠르게 계산할 수 있다.
이와 같은 유사도를 계산하기 위해 사용자의 선호도 정보를 이용하여 모든 사용자들에 대해 하기 <수학식 1>과 같이 코사인 유사도를 이용해 유사도를 계산한다.
Figure pat00003
유사도 계산 모듈(310)은 상기와 같이 계산된 사용자들에 대한 유사도에 따라 유사 사용자 그룹을 생성한다.
마지막으로, 상품 추천 모듈(312)은 유사도 계산 모듈(310)에서 생성된 유사 사용자 그룹을 기반으로 유사 사용자들이 선호하는 관광 상품에 대한 예측 평가치를 계산한다. 이때, 예측 평가치를 계산하게 되는 속성 아이템은 목표 사용자가 평가하지 않은 속성 아이템에 해당되고, n명의 유사 사용자의 속성 아이템i에 대한 평가치를 해당 사용자의 유사도의 곱으로 계산해 줌으로서 유사도가 높은 사용자일수록 평가 예측치 계산에 영향력이 커지는 형태를 취한다. 이를 목표 사용자가 평가한 모든 아이템에 대한 평가치의 평균값에 더해줌으로 최종적인 예측 평가치가 계산된다.
상품 추천 모듈(312)은 관광 아이템 i에 대한 목표 사용자 u의 예측 평가치는 하기 <수학식 2>와 같이 계산한다.
Figure pat00004
상기 <수학식 2>에서 P는 이웃 k가 아이템 i에 평가한 평가값을 의미하고, sim(u,k)는 사용자 u와 k 간의 유사도이다. c는 사용자 u와 공통으로 아이템을 평가한 이웃의 수이고, 목표 사용자와 이웃 간의 유사도에 이웃의 과거 평가치를 결합하여 예상 선호도를 계산한다. 이와 같이 계산된 예측 평가치들 중 예측 평가치가 높은 관광 상품을 우선순위로 데이터를 정렬한 후 추천 상품 정보로 제공한다.
이와 같이 본 발명의 실시예에 따라 생성된 유사 사용자 그룹을 바탕으로 유사 사용자들이 선호하는 관광 상품에 대한 예측 평가치가 높은 관광 상품을 우선순위로 데이터를 정렬한 예는 도 8과 같이 도시할 수 있을 것이다.
상기와 같이 구성되는 관광 상품 추천 서비스 장치(120)에서 관광 상품 추천 서비스 제공 방법에 대하여 도 5를 참조하여 살펴보도록 한다.
도 5는 본 발명의 실시예에 따른 관광 상품 추천 서비스 제공 방법을 도시하는 흐름도이다.
도 5를 참조하면, 관광 상품 추천 서비스 장치(120)는 사용자가 관광 상품을 선택한 이력을 통해 사용자별 선호도 정보를 수집한다.(S500) 이때, 선호도 정보 수집은 도 2의 사용자 선호도 계산 모듈(300)에서 설명한 방식에 따라 수집할 수 있을 것이다.
관광 상품 추천 서비스 장치(120)는 사용자 선호도 정보를 바탕으로 하둡 기반의 협업 필터링 알고리즘을 사용하여 관광 상품의 속성 아이템 간의 유사도를 계산하고, 유사도에 따라 유사 사용자 그룹을 생성한다.(S502) 이때, 유사도 계산은 상기의 도 2의 유사도 계산 모듈(310)에서 설명한 방식에 따라 계산할 수 있을 것이다.
이후, 관광 상품 추천 서비스 장치(120)는 유사 사용자 그룹을 바탕으로 유사 사용자들이 선호하는 관광 상품에 대한 예측 평가치를 계산하여 추천 관광 상품 목록을 생성한다.(S504) 예측 평가치 계산은 상기의 도 2의 상품 추천 모듈(312)에서 설명한 방식에 따라 계산할 수 있을 것이다.
관광 상품 추천 서비스 장치(120)는 이와 같이 생성된 추천 관광 상품 목록을 사용자에게 제공하게 된다.
본 발명에 따른 하둡 기반의 상품 추천을 위한 방법은 다양한 컴퓨터 수단을 통하여 판독 가능한 소프트웨어 형태로 구현되어 컴퓨터로 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM, Random Access Memory), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으나, 여기에 개시된 실시 예외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한, 본 명세서와 도면에서 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다.
또한, 본 발명에 따른 장치에 탑재되고 본 발명에 따른 하둡 기반의 상품 추천을 위한 방법을 실행하는 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일 되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터상에서 실행되도록 전개될 수 있다.
아울러, 본 발명에 따른 하둡 기반의 상품 추천을 위한 방법을 설명하는데 있어서, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다.
본 발명을 통해 얻게 되는 하둡 기반의 상품 추천 기술과 같이 모바일 환경에서 사용자 선호도와 연관성이 높은 집단적 특징을 확인하고, 소셜 네트워크를 활용한 추천 방식을 활용한다면 사회 경제적 이익 창출에 크게 기여할 것으로 예상된다.
100: 사용자 단말기 110: 통신망
120: 관광 상품 추천 서비스 장치 10: 제어부
20: 통신부 30: 저장부
40: 입력부 50: 출력부
300: 사용자 선호도 계산 모듈 310: 유사도 계산 모듈
312: 상품 추천 모듈 410: 사용자 정보
412: 사용자 그룹 정보 413: 관광 상품 정보
414: 사용자 그룹별 선호 관광 상품 정보

Claims (12)

  1. 사용자 선호도 정보, 유사 사용자 그룹 정보, 관광 상품 데이터, 유사 사용자 그룹별 선호 관광 상품 정보 중 적어도 하나를 저장하는 저장부;
    관광 상품 데이터를 수집하고, 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하고, 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신하는 사용자 선호도 계산 모듈과, 상기 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산하고, 상기 유사도를 기반으로 유사 사용자 그룹을 생성한 후 유사도 계산 모듈과 생성된 유사 사용자 그룹의 속성 아이템에 대한 예측 평가치를 계산하고, 높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성하는 상품 추천 모듈을 포함하여 구성되는 제어부;
    를 포함하는 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  2. 제 1항에 있어서, 상기 사용자 선호도 계산 모듈은,
    상기 수집된 관광 상품 데이터로부터 상품의 특징을 나타내는 텍스트 정보만을 추출하고, 상기 추출한 텍스트 정보를 속성 아이템으로 하여 각 관광 상품에 포함된 속성 아이템에 속성값을 할당하고, 사용자의 관광 상품 클릭 정보에 따라 해당 관광 상품에 포함된 속성 아이템 속성값을 이용하여 사용자의 선호도 정보를 갱신하는 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  3. 제 1항에 있어서, 상기 사용자 선호도 계산 모듈은,
    상기 사용자의 관광 상품 클릭 정보가 동일한 관광 상품에 대한 반복적인 선택에 따른 클릭 정보인 경우 클릭한 관광 상품에 포함된 속성 아이템의 속성값에 가중치를 부여하여 사용자의 선호도 정보를 갱신하는 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  4. 제 3항에 있어서, 상기 유사도 계산 모듈은,
    하둡 방식을 이용하여 상기 사용자 선호도 정보를 이용하여 사용자간의 유사도를 계산하고, [사용자 아이디(UserID), 아이템 아이디(ItemID), Item 속성]의 형태를 가지는 입력 데이터에서 같은 사용자 아이디(UserID)로 묶는 맵(MAP) 동작을 수행하고, 중복 데이터를 제거하고 원하는 데이터를 추출하는 리듀스(reduce) 동작을 반복함으로써 사용자 선호도 정보를 이용하여 사용자간의 유사도를 빠르게 계산하는 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  5. 제 4항에 있어서, 상기 유사도 계산 모듈은,
    상기 사용자의 선호도 정보를 이용하여 하기 <수학식 1>과 같이 모든 사용자들에 대해 코사인 유사도를 이용해 유사도를 계산하고, 상기 계산된 유사도를 기반으로 유사 사용자 그룹을 생성하는 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
    [수학식 1]
    Figure pat00005
  6. 제 5항에 있어서, 상기 상품 추천 모듈은,
    상기 생성된 유사 사용자 그룹을 기반으로 유사 사용자들이 선호하는 관광 상품에 대한 예측 평가치를 계산하고, 하기 <수학식 2>는 관광 아이템 i에 대한 목표 사용자 u의 예측 평가치를 계산하는 수식으로, 하기 <수학식 2>에서 P는 이웃 k가 아이템 i에 평가한 평가값을 의미하고, sim(u,k)는 사용자 u와 k 간의 유사도이고, c는 사용자 u와 공통으로 아이템을 평가한 이웃의 수이고, 목표 사용자와 이웃 간의 유사도에 이웃의 과거 평가치를 결합하여 예상 선호도를 계산하는 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
    [수학식 2]
    Figure pat00006
  7. 제 1항에 있어서, 상기 사용자 선호도 정보는 사용자가 선호하는 관광 상품의 속성 아이템에 대한 정보인 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  8. 제 1항에 있어서, 유사 사용자 그룹 정보는,
    선호하는 관광 상품의 속성 아이템에 대한 가중치가 유사한 사용자 그룹에 대한 정보인 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  9. 제 1항에 있어서, 관광 상품 데이터는,
    포털 사이트에서 제공되고 있는 관광 상품에 대한 정보인 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  10. 제 1항에 있어서, 유사 사용자 그룹별 선호 관광 상품 정보는,
    유사 사용자 그룹에서 선호하는 관광 상품의 속성 아이템에 대한 정보인 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 장치.
  11. 관광 상품 데이터를 수집하고, 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하고, 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신하고, 상기 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산한 후 상기 유사도를 기반으로 유사 사용자 그룹을 생성한 후 유사도 계산 모듈과 생성된 유사 사용자 그룹의 속성 아이템에 대한 예측 평가치를 계산하고, 높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성하는 관광 상품 추천 서비스 장치;
    사용자의 요청에 따라 상기 관광 상품 추천 서비스 장치로부터 유사 사용자 그룹에서 선호하는 관광 상품에 대한 정보인 관광 상품 추천 목록을 제공받아 이를 사용자에게 출력하는 사용자 단말기;
    를 포함하는 것을 특징으로 하는 하둡 기반의 상품 추천 시스템.
  12. 관광 상품 데이터를 수집하는 과정;
    상기 수집한 관광 상품 데이터가 가지는 관광 상품의 특징을 분석하는 과정;
    상기 분석한 특징을 이용하여 사용자가 선호하는 관광 상품 클릭에 따라 해당 관광 상품의 속성값을 통해서 사용자의 선호도 정보를 갱신하는 과정;
    상기 사용자의 선호도 정보를 이용하여 사용자간의 유사도를 계산하는 과정;
    상기 유사도를 기반으로 유사 사용자 그룹을 생성한 후 유사도 계산 모듈과 생성된 유사 사용자 그룹의 속성 아이템에 대한 예측 평가치를 계산하는 과정;
    높은 예측 평가치를 가지는 순으로 미리 설정된 수만큼의 추천 목록을 생성하는 과정;
    을 포함하는 것을 특징으로 하는 하둡 기반의 상품 추천을 위한 방법.
KR1020130166874A 2013-12-30 2013-12-30 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법 KR20150080090A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130166874A KR20150080090A (ko) 2013-12-30 2013-12-30 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130166874A KR20150080090A (ko) 2013-12-30 2013-12-30 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20150080090A true KR20150080090A (ko) 2015-07-09

Family

ID=53791971

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130166874A KR20150080090A (ko) 2013-12-30 2013-12-30 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20150080090A (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160132954A1 (en) * 2014-11-11 2016-05-12 Christian Guckelsberger Recommender System Employing Subjective Properties
KR20170116924A (ko) * 2015-08-13 2017-10-20 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
WO2018143630A1 (ko) * 2017-02-01 2018-08-09 삼성전자 주식회사 상품을 추천하는 디바이스 및 방법
KR20190042117A (ko) * 2017-10-13 2019-04-24 극동대학교 산학협력단 협업필터링을 이용한 조달공고 추천방법 및 시스템
KR20200033572A (ko) * 2018-09-20 2020-03-30 주식회사 플렉싱크 속성정보를 활용한 관광상품 추천시스템
CN111814037A (zh) * 2019-12-31 2020-10-23 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、存储介质及电子设备
KR20210063649A (ko) * 2019-11-25 2021-06-02 (주)나모 빅 데이터 기반의 감성정보를 반영한 관광지 정보 제공 시스템 및 그 구동방법
KR20210101751A (ko) * 2020-02-11 2021-08-19 김소영 유저 그룹화를 통한 패키지 여행 상품 추천 방법, 장치 및 컴퓨터-판독가능 기록 매체
KR20220015616A (ko) * 2020-07-31 2022-02-08 주식회사 액스 여행 상품을 생성하기 위한 장치 및 이의 작동 방법
KR20230047527A (ko) * 2021-10-01 2023-04-10 주식회사 액스 여행 상품에 적합한 타겟 고객을 결정할 수 있는 장치

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160132954A1 (en) * 2014-11-11 2016-05-12 Christian Guckelsberger Recommender System Employing Subjective Properties
KR20170116924A (ko) * 2015-08-13 2017-10-20 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
WO2018143630A1 (ko) * 2017-02-01 2018-08-09 삼성전자 주식회사 상품을 추천하는 디바이스 및 방법
US11151453B2 (en) 2017-02-01 2021-10-19 Samsung Electronics Co., Ltd. Device and method for recommending product
KR20190042117A (ko) * 2017-10-13 2019-04-24 극동대학교 산학협력단 협업필터링을 이용한 조달공고 추천방법 및 시스템
KR20200033572A (ko) * 2018-09-20 2020-03-30 주식회사 플렉싱크 속성정보를 활용한 관광상품 추천시스템
KR20210063649A (ko) * 2019-11-25 2021-06-02 (주)나모 빅 데이터 기반의 감성정보를 반영한 관광지 정보 제공 시스템 및 그 구동방법
CN111814037A (zh) * 2019-12-31 2020-10-23 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、存储介质及电子设备
CN111814037B (zh) * 2019-12-31 2024-04-26 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、存储介质及电子设备
KR20210101751A (ko) * 2020-02-11 2021-08-19 김소영 유저 그룹화를 통한 패키지 여행 상품 추천 방법, 장치 및 컴퓨터-판독가능 기록 매체
KR20220015616A (ko) * 2020-07-31 2022-02-08 주식회사 액스 여행 상품을 생성하기 위한 장치 및 이의 작동 방법
KR20230047527A (ko) * 2021-10-01 2023-04-10 주식회사 액스 여행 상품에 적합한 타겟 고객을 결정할 수 있는 장치

Similar Documents

Publication Publication Date Title
KR20150080090A (ko) 하둡 기반의 상품 추천 시스템 및 그 시스템에서의 상품 추천을 위한 장치 및 방법
US9785888B2 (en) Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information
US8577962B2 (en) Server apparatus, client apparatus, content recommendation method, and program
CN105210064B (zh) 使用深度网络将资源分类
US8930376B2 (en) Search result abstract quality using community metadata
CN109684538A (zh) 一种基于用户个人特征的推荐方法及推荐系统
Boratto et al. Groups Identification and Individual Recommendations in Group Recommendation Algorithms.
WO2014161452A1 (en) System and method for pushing and distributing promotion content
US20170235726A1 (en) Information identification and extraction
CN110909182A (zh) 多媒体资源搜索方法、装置、计算机设备及存储介质
KR101139001B1 (ko) 콘텐츠 제공 장치 및 방법
CN115982376B (zh) 基于文本、多模数据和知识训练模型的方法和装置
US9020863B2 (en) Information processing device, information processing method, and program
JP6079270B2 (ja) 情報提供装置
CN111310025B (zh) 模型训练方法、数据处理方法、装置以及相关设备
CN112364184A (zh) 多媒体数据的排序方法、装置、服务器及存储介质
JP7200069B2 (ja) 情報処理装置、ベクトル生成方法及びプログラム
JP6680663B2 (ja) 情報処理装置、情報処理方法、予測モデルの生成装置、予測モデルの生成方法、およびプログラム
KR101976816B1 (ko) SaaS 어플리케이션 연동 서비스의 제공장치 및 그 제공방법
KR101910424B1 (ko) 태그의 감성 분석을 이용한 영화 평점 예측 방법, 이를 수행하기 위한 기록 매체 및 장치
KR20170036422A (ko) 지식 공유 서비스 제공 장치, 방법 및 컴퓨터 프로그램
KR101105798B1 (ko) 키워드 정련 장치 및 방법과 그를 위한 컨텐츠 검색 시스템 및 그 방법
CN116932906A (zh) 一种搜索词推送方法、装置、设备及存储介质
KR20150079032A (ko) 컨텐츠의 메타데이터를 생성하는 장치 및 방법
KR101344888B1 (ko) 온톨로지 관계 구조를 이용한 소셜 네트워크 서비스 제공 장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application