KR20150101538A - System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same - Google Patents

System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same Download PDF

Info

Publication number
KR20150101538A
KR20150101538A KR1020140022932A KR20140022932A KR20150101538A KR 20150101538 A KR20150101538 A KR 20150101538A KR 1020140022932 A KR1020140022932 A KR 1020140022932A KR 20140022932 A KR20140022932 A KR 20140022932A KR 20150101538 A KR20150101538 A KR 20150101538A
Authority
KR
South Korea
Prior art keywords
product
recommendation
execution
information
category
Prior art date
Application number
KR1020140022932A
Other languages
Korean (ko)
Other versions
KR102266517B1 (en
Inventor
김민성
Original Assignee
에스케이플래닛 주식회사
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 에스케이플래닛 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR1020140022932A priority Critical patent/KR102266517B1/en
Publication of KR20150101538A publication Critical patent/KR20150101538A/en
Application granted granted Critical
Publication of KR102266517B1 publication Critical patent/KR102266517B1/en

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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Human Resources & Organizations (AREA)

Abstract

The present invention is to disclose a system for recommending a product using an execution pattern of a user, a method of recommending a product using an execution pattern of a user, and an apparatus for the same. Purchase information and execution information about products are acquired, and an execution pattern for each product can be extracted by using the acquired execution information. A product included in a recommendation product pool is recommended by using one or more of the purchase information and execution pattern for each product, and it is possible to recommend a product suitable for a recommendation target user.

Description

사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치{SYSTEM FOR RECOMMENDING PRODUCT USING EXECUTION PATTERN OF USER, METHOD OF RECOMMENDING PRODUCT USING EXECUTION PATTERN OF USER AND APPARATUS FOR THE SAME}BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a product recommendation system using an execution pattern of a user, a product recommendation method using a user's execution pattern,

본 발명은 사용자의 실행 패턴을 이용하여 마켓에 등록된 상품을 추천하는 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치에 관한 것으로, 특히 상품의 구매정보 및 실행정보를 이용하여 사용자의 실행 패턴을 분석하고, 사용자가 마켓에 접속한 시간대에 따라 적절한 상품을 추천할 수 있는 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치에 관한 것이다.The present invention relates to a product recommendation system using an execution pattern of a user who recommends a product registered in a market using a user's execution pattern, a product recommendation method using an execution pattern of a user, and an apparatus therefor. A product recommendation system that analyzes a user's execution pattern by using execution information, and that uses an execution pattern of a user who can recommend an appropriate product according to a time zone when the user accesses the market, a product recommendation method using an execution pattern of a user, And a device for this.

일반적으로 인터넷 마켓에서 상품의 추천은 개인의 구매 이력에 기반하여 개인에게 최적화된 상품을 선별하여 추천한다. 이 때 주로 사용되는 방법으로, 상품을 추천할 대상 사용자와 구매 이력이 유사한 사용자들을 선별하고, 유사 사용자들은 구매하였는데 추천 대상 사용자가 구매하지 않은 상품을 추천해주는 협업 필터링(Collaborative Filtering)이나, 여러 사용자의 구매 기록을 이용하여 상품 별로 동시 구매 가능성 또는 동시 클릭 가능성이 높은 상품을 추천하는 연관 규칙 마이닝(Association Rule Mining)과 같은 알고리즘을 이용한다.In general, recommendation of products in Internet market is recommended by selecting products optimized for individual based on individual purchase history. Collaborative filtering, which recommends products not recommended by users who have purchased similar products, and users who have similar purchasing histories, are used mainly in this case, An association rule mining algorithm that recommends a product with a high likelihood of simultaneous click or purchase at the same time by using a purchase history of the product.

그러나 이와 같은 종래의 추천 방식은 상품을 추천 받은 사용자가 실제로 상품을 구매 후 마음에 들지 않아 이용하지 않거나, 더 이상 필요하지 않아 상품을 삭제하는 등의 정보를 알 수 없기 때문에 실제 취향을 정확하게 반영하지 못하고 있다. 즉, 통상적인 협업 필터링 방식이나 연관 규칙 마이닝을 이용하여 상품을 추천하는 경우에는, 추천 대상 사용자의 구매 이력이 변하지 않는 경우 사용자가 접속하는 시점이나 접속하는 시간대에는 상관없이 항상 동일한 추천 결과를 전달받게 되는 일이 빈번하게 발생할 수 있다. However, such a conventional recommendation method does not accurately reflect the actual taste because the user who has recommended the product does not know the fact that the user does not use the product after purchasing the product, I can not. That is, when recommending a product using a conventional collaborative filtering method or association rule mining, when the purchase history of the recommendation target user does not change, the same recommendation result is always received regardless of the time of the user's access or the time of access And the like.

따라서, 상품을 추천 받는 대상 사용자가 상품 추천 메뉴 혹은 추천 영역에 접속하는 시간대에 따라서 상품 추천 내용이 변경되고, 대상 사용자가 사용하는 상품의 카테고리 특성 및 주 이용 시간대를 계산하여 상품에 대한 사용자의 실행 패턴을 분석함으로써, 분석한 실행 패턴에 따른 적절한 상품을 추천할 수 있는 상품 추천 기술의 필요성이 절실하게 대두된다.Therefore, the product recommendation contents are changed according to the time zone in which the target user who is recommended the product is connected to the product recommendation menu or the recommendation area, and the category characteristics and the main usage time zone of the product used by the target user are calculated, By analyzing the pattern, the necessity of product recommendation technology that can recommend an appropriate product according to the analyzed execution pattern is urgently needed.

한국 공개 특허 제10-2013-0112565A호, 2013년 10월 14일 공개 (명칭: 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법)Korean Patent Publication No. 10-2013-0112565A, published on October 14, 2013 (name: application recommendation apparatus and method, and evaluation score calculating method thereof)

본 발명의 목적은, 다수 사용자의 상품 구매 패턴 및 실행 패턴을 분석하여 상품을 추천 받을 사용자에게 가장 적절한 상품을 추천하는 것이다.An object of the present invention is to analyze a product purchase pattern and an execution pattern of a plurality of users and to recommend a product most suitable for a user to receive a product recommendation.

또한, 본 발명의 목적은 시간대 별로 다수의 사용자들이 이용하는 상품의 정보를 이용하여, 사용자가 마켓에 접속하는 시간대마다 다른 추천 상품을 추천함으로써 추천 상품에 대한 사용성을 높이는 것이다.It is another object of the present invention to improve the usability of a recommended product by recommending a recommended product for each time zone in which the user accesses the market by using the information of the product used by a plurality of users per time zone.

또한, 본 발명의 목적은 상품 추천을 위한 구매 정보와 실행 정보를 지속적으로 갱신함으로써 최신성이 반영된 추천 상품을 제공하는 것이다.It is also an object of the present invention to provide a recommendation product reflecting the latestness by continuously updating purchase information and execution information for product recommendation.

상기한 목적을 달성하기 위한 본 발명에 따른 상품 추천 장치는, 상품에 대한 구매 정보를 획득하는 구매 정보 획득부, 사용자 단말장치로부터 상품에 대한 실행 정보를 획득하는 실행 정보 획득부, 획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출하는 패턴 추출부 및 추천 대상 사용자가 마켓에 접속한 시간대에 따라 상기 구매 정보 및 상품별 실행 패턴 중 하나 이상을 이용하여 추천 상품 풀에 포함된 상품을 추천하는 상품 추천부를 포함한다.According to an aspect of the present invention, there is provided a product recommendation apparatus including a purchase information acquisition unit for acquiring purchase information on a product, an execution information acquisition unit for acquiring execution information on a product from the user terminal, And a product recommendation unit for recommending a product included in the recommended product pool using at least one of the purchase information and the execution pattern for each product according to the time zone in which the recommendation target user accesses the market .

이 때, 구매 정보는 상품의 구매 횟수 및 구매 시간대 중 하나 이상을 포함하고, 상기 실행 정보는 상기 상품이 사용자 단말장치에서 실행된 실행 횟수, 실행 시간대 및 실행된 상품의 카테고리 정보 중 하나 이상을 포함할 수 있다.At this time, the purchase information includes at least one of the number of purchases of the goods and the purchase time zone, and the execution information includes at least one of the execution count, the execution time period, and the category information of the executed goods, can do.

이 때, 패턴 추출부는 시간대별 상품을 실행한 사용자의 수, 시간대별 상품의 실행 빈도, 상품 실행 횟수를 기준으로 한 시간대별 순위, 상품을 실행한 사용자 수를 이용하여 계산한 실행 시간대의 평균 및 평균에 대한 분산 중 하나 이상의 형태로 상기 상품별 실행 패턴을 추출할 수 있다.At this time, the pattern extracting unit extracts the average of the execution time zones calculated using the number of users who executed the product by time, the frequency of execution of the product by time, the ranking by time period based on the number of times of execution of the product, It is possible to extract the product-specific execution pattern in at least one form of the variance with respect to the average.

이 때, 패턴 추출부는 실행 시간대 및 카테고리 정보 중 하나 이상을 이용하여, 시간대별 카테고리 실행 패턴을 더 추출할 수 있다.At this time, the pattern extracting unit can further extract the category execution pattern for each time period using at least one of the execution time zone and the category information.

이 때, 상품 추천 장치는 사용자의 구매 이력을 추천 알고리즘에 적용하여 추천 상품 풀을 생성하는 풀 생성부를 더 포함할 수 있다.In this case, the product recommendation apparatus may further include a pool generation unit for applying the purchase history of the user to the recommendation algorithm to generate a pool of recommended products.

이 때, 풀 생성부는 협업 필터링(Collaborative Filtering) 및 연관 규칙 마이닝(Association Rule Mining) 기반 추천 알고리즘을 포함하는 추천 알고리즘 중 하나를 이용하여 추천 상품 풀을 생성할 수 있다.At this time, the pool generator may generate a pool of recommendation products using one of the recommendation algorithms including a collaborative filtering and association rule mining based recommendation algorithm.

이 때, 상품 추천부는 구매 정보, 상품별 실행 패턴 및 시간대별 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 어느 하나를 포함하는 추천 기준을 생성하는 기준 생성부를 더 포함할 수 있다.At this time, the product recommendation unit generates a criterion for generating a recommendation criterion including any one of a category recommendation criterion, an execution commodity recommendation criterion, and a purchase commodity recommendation criterion by using at least one of purchase information, an execution pattern for each product, And the like.

이 때, 카테고리 추천 기준은 시간대별로 실행 횟수가 가장 많은 카테고리들에 대해, 추천 대상 사용자가 마켓에 접속한 시간대와 근접한 순으로 카테고리의 우선순위를 결정할 수 있다.At this time, the category recommendation criterion can determine the priority of the category in the order of proximity to the time zone in which the recommendation target user accesses the market, for the category having the greatest execution frequency for each time slot.

이 때, 상품 추천부는 상기 결정된 카테고리의 우선순위를 기준으로 각 카테고리 별로 추천할 상품의 비중을 결정할 수 있다.At this time, the product recommendation unit can determine the weight of the product to be recommended for each category based on the priority of the determined category.

이 때, 실행 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 실행된 상품별 실행 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다.At this time, the execution commodity recommendation criterion can determine the priority of the commodities included in the recommended commodity pool according to the number of executions per commodity executed in the time zone in which the recommendation target user accesses the market.

이 때, 구매 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 구매된 상품별 구매 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다.At this time, the purchase recommendation recommendation criterion can determine the priority of the products included in the recommendation product pool according to the number of purchases per product purchased at the time when the recommendation target user accesses the market.

이 때, 상품 추천부는 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 둘 이상의 추천 기준을 이용하여 상품의 우선순위를 결정하고, 결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선순위를 결정하는 가중치 적용부를 더 포함할 수 있다.At this time, the product recommendation department determines the priority of the product by using two or more recommendation criteria of the category recommendation standard, the execution product recommendation standard, and the purchase recommendation standard, applies the weight of the recommendation criterion to the determined priority, And may further include a weight applying unit that determines a priority of the included items.

이 때, 가중치 적용부는 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하고, 추천된 상품의 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 판단된 추천 기준에 대한 기여도를 산출하고, 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절할 수 있다.At this time, the weight application unit judges the recommendation criteria applied to the recommended product to the recommendation target user, calculates the contribution to the recommendation criterion judged by using at least one of the number of times of purchase of the recommended product and the execution count of the recommended product, The weight of each recommendation criterion can be adjusted by reflecting the contribution calculated for the criterion to the weight of the corresponding recommendation criterion.

이 때, 상품 추천부는 미리 설정된 구매 횟수의 최소 기준치 이상 구매된 상품이 포함된 추천 상품 풀에서 상품을 추천할 수 있다.At this time, the product recommendation unit can recommend the product in the recommended product pool including the products purchased with the minimum reference value of the preset number of purchases.

또한, 본 발명에 따른 상품 추천 방법은, 상품에 대한 구매 정보를 획득하는 단계, 사용자 단말장치로부터 상품에 대한 실행 정보를 획득하는 단계, 획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출하는 단계 및 추천 대상 사용자가 마켓에 접속한 시간대에 따라 구매 정보 및 상품별 실행 패턴 중 하나 이상을 이용하여 추천 상품 풀에 포함된 상품을 추천하는 단계를 포함한다.Further, a product recommendation method according to the present invention includes the steps of acquiring purchase information on a product, obtaining execution information on a product from a user terminal, extracting an execution pattern for each product using the obtained execution information, And recommending a product included in the recommended product pool using at least one of the purchase information and the execution pattern for each product according to a time zone in which the recommended target user accesses the market.

이 때, 패턴을 추출하는 단계는 실행 정보에 포함된 실행 시간대 및 카테고리 정보 중 하나 이상을 이용하여 시간대별 카테고리 실행 패턴을 추출하는 단계를 더 포함할 수 있다.In this case, the step of extracting a pattern may further include extracting a category execution pattern by time zone using at least one of an execution time zone and category information included in the execution information.

이 때, 상품을 추천하는 단계는 구매 정보, 상품별 실행 패턴 및 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중 하나를 생성하는 단계를 더 포함할 수 있다.At this time, the step of recommending a product may further include generating one of a category recommendation criterion, an execution commodity recommendation criterion, and a purchase commodity recommendation criterion using at least one of purchase information, an execution pattern for each product, and a category execution pattern .

이 때, 상품을 추천하는 단계는 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중 둘 이상의 추천 기준을 이용하여 상품의 순위를 결정하고, 결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선순위를 결정하는 단계를 더 포함하고, 가중치를 적용하여 우선순위를 결정하는 단계는 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하는 단계, 추천된 상품의 구매 정보에 포함된 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 판단된 추천 기준에 대한 기여도를 산출하는 단계 및 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절하는 단계를 포함할 수 있다.In this case, the step of recommending a product may be performed by determining the ranking of the product using two or more recommendation criteria of the category recommendation standard, the execution product recommendation standard, and the purchase product recommendation standard, applying the weight of the recommendation criteria to the determined priority, Wherein the step of determining priorities by applying the weights includes the steps of determining a recommendation criterion applied to the recommended product to the recommendation target user, Calculating a contribution to a recommendation criterion determined using at least one of the number of purchases and the number of executions included in the recommendation criterion, and calculating a weight of the recommendation criterion by reflecting the contribution calculated in the determined recommendation criterion to the weight of the recommendation criterion And the like.

또한, 본 발명에 따른 상품 추천 시스템은, 마켓에서 구매한 상품의 실행 정보를 수집하고, 수집한 실행 정보에 카테고리 정보를 매핑하여, 마켓에 접속할 때 카테고리 정보가 매핑된 실행 정보를 상품 추천 장치로 전달하는 단말 장치 및 상품에 대한 구매 정보를 획득하고, 단말 장치로부터 획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출하여, 추천 대상 사용자가 마켓에 접속한 시간대에 따라 추천 상품 풀에 포함된 상품을 추천하는 상품 추천 장치를 포함한다.The commodity recommendation system according to the present invention collects execution information of a commodity purchased from the market, maps the commodity information to the collected execution information, and transmits execution information to which the category information is mapped to the commodity recommendation apparatus Acquiring purchase information on the terminal device and the goods to be delivered, extracting an execution pattern for each product using the execution information acquired from the terminal device, and storing the goods included in the recommended goods pool according to the time zone in which the recommendation target user accesses the market Recommended product recommendation device.

본 발명에 따르면, 상품을 추천 받을 사용자가 마켓에 접속하는 시간대에 따라 추천 상품을 변경되도록 하여 사용자에게 보다 적합한 추천 상품을 제공할 수 있다.According to the present invention, it is possible to change a recommended product according to a time zone in which a user who is recommended to the product accesses the market, and to provide a recommendation product more suitable for the user.

또한, 본 발명은 사용자가 사용하는 상품의 카테고리 특성과 각 카테고리 별로 주로 사용하는 시간대를 체크하여 상품을 추천함으로써, 사용자에게 최적화된 추천 시스템을 제공할 수 있다.In addition, the present invention can provide a recommendation system optimized for a user by recommending a product by checking the category characteristics of the product used by the user and the time zone mainly used for each category.

도 1은 본 발명의 일실시예에 따른 상품 추천 장치를 나타낸 블록도이다.
도 2는 도 1의 상품 추천 장치 중 상품 추천부를 나타낸 블록도이다.
도 3은 본 발명의 일실시예에 따른 상품 추천 방법을 나타낸 동작 흐름도이다.
도 4는 본 발명의 일실시예에 따른 추천 상품을 결정하는 과정을 나타낸 동작 흐름도이다.
도 5는 본 발명의 일실시예에 따른 상품 추천 시스템을 나타낸 도면이다.
도 6은 단말 장치에서의 상품별 실행 시간을 나타낸 도면이다.
도 7은 시간대별 카테고리에 대한 실행 시간을 나타낸 도면이다.
도 8은 본 발명의 일실시예에 따른 추천 상품 풀을 생성하는 방법을 나타낸 도면이다.1 is a block diagram showing a product recommendation apparatus according to an embodiment of the present invention.
2 is a block diagram showing a product recommendation unit in the product recommendation apparatus of FIG.
3 is a flowchart illustrating a method of recommending a product according to an exemplary embodiment of the present invention.
4 is a flowchart illustrating a process of determining a recommended product according to an exemplary embodiment of the present invention.
5 is a diagram illustrating a product recommendation system according to an embodiment of the present invention.
6 is a diagram showing an execution time for each product in the terminal device.
Fig. 7 is a diagram showing execution time for the time-based category.
FIG. 8 is a diagram illustrating a method for generating a recommended goods pool according to an embodiment of the present invention.

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.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description and the accompanying drawings, detailed description of well-known functions or constructions that may obscure the subject matter of the present invention will be omitted. It should be noted that the same constituent elements are denoted by the same reference numerals as possible throughout the drawings.

이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 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. 또한 제 1, 제 2 등의 용어는 다양한 구성요소들을 설명하기 위해 사용하는 것으로, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 뿐, 상기 구성요소들을 한정하기 위해 사용되지 않는다.The terms and words used in the present specification and claims should not be construed to be limited to ordinary or dictionary meanings and the inventor is not limited to the concept of terminology for describing his or her invention in the best way. It should be interpreted as meaning and concept consistent with the technical idea of the present invention. Therefore, the embodiments described in the present specification and the configurations shown in the drawings are merely the most preferred embodiments of the present invention, and not all of the technical ideas of the present invention are described. Therefore, It is to be understood that equivalents and modifications are possible. Also, the terms first, second, etc. are used for describing various components and are used only for the purpose of distinguishing one component from another component, and are not used to define the components.

도 1은 본 발명의 일실시예에 따른 상품 추천 장치를 나타낸 블록도이다.1 is a block diagram showing a product recommendation apparatus according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일실시예에 따른 상품 추천 장치(100)는 구매 정보 획득부(110), 실행 정보 획득부(120), 패턴 추출부(130), 상품 추천부(140) 및 풀 생성부(150)를 포함할 수 있다.1, a product recommendation apparatus 100 according to an exemplary embodiment of the present invention includes a purchase information obtaining unit 110, an execution information obtaining unit 120, a pattern extracting unit 130, a product recommending unit 140, And a pool generation unit 150. [0033] FIG.

구매 정보 획득부(110)는 상품에 대한 구매 정보를 획득할 수 있다.The purchase information obtaining unit 110 can obtain the purchase information about the goods.

이 때, 구매 정보는 각각의 상품이 구매된 횟수 및 상품이 구매되거나 다운로드 된 시간대 중 하나 이상을 포함할 수 있다. 이와 같은 구매 정보를 획득하여 특정 시간대에 가장 많이 구매된 순서대로 상품을 정렬할 수 있다. 구매 정보는 미리 설정된 단위 기간마다 지속적으로 갱신함으로써, 다수 사용자의 구매 행태에 따라 변경되는 값을 사용할 수 있어 최신성과 인기성을 동시에 반영할 수 있다. 그리고 상품이 구매되거나 다운로드 된 시간대는 일반적으로 시간 단위로 나누어 정보를 획득할 수 있으며, 시간대의 특성에 따라서 시간 단위를 조정할 수 있다. 예를 들어, 출근 시간이나 퇴근 시간과 같이 상품의 실행 및 수요가 많은 시간대에는 시간 단위를 잘게 30분 단위로 나누고, 새벽 시간과 같이 상품의 실행 및 수요가 적은 시간대에는 시간 단위를 길게 1시간 30분 또는 2시간으로 나누어 정보를 획득할 수 있다. 이러한 단위 변경은 실제 사용자들의 구매 시간에 대한 통계 분석을 통해 임의로 그리고 주기적으로 변경이 가능할 수 있다.At this time, the purchase information may include at least one of the number of times each commodity is purchased and the time zone in which the commodity is purchased or downloaded. Such purchase information can be acquired and the products can be sorted in the order in which they are most frequently purchased in a specific time period. The purchasing information is continuously renewed every predetermined unit period, so that a value that is changed according to the purchasing behavior of a plurality of users can be used, so that the latest information and popularity can be reflected at the same time. The time zone in which a product is purchased or downloaded can be generally divided into time units, and time units can be adjusted according to characteristics of time zones. For example, in a time zone where commodities are executed or demanded, such as a commute time or a work time, the time unit is finely divided into units of 30 minutes. Minute or two hours to obtain information. Such a unit change can be arbitrarily and periodically changed by statistical analysis of actual users' purchase time.

실행 정보 획득부(120)는 상품을 사용하는 사용자의 단말장치로부터 상품에 대한 실행 정보를 획득할 수 있다.The execution information obtaining unit 120 can obtain execution information on a product from a terminal apparatus of a user who uses the product.

이 때, 실행 정보는 마켓에서 구매한 상품이 사용자의 단말장치에서 실행된 실행 횟수, 상품이 실행된 실행 시간대 및 실행된 상품의 카테고리 정보 중 하나 이상을 포함할 수 있다. 실행 정보도 구매 정보와 마찬가지로 미리 설정된 단위 기간마다 지속적으로 갱신되거나 또는 사용자 단말장치가 마켓에 접속할 때에 실행 정보를 옮겨 저장할 수 있다.At this time, the execution information may include at least one of the number of executions of the product purchased in the market at the user terminal, the execution time period at which the product was executed, and the category information of the executed product. Like the purchase information, the execution information can be continuously updated every predetermined unit period, or the execution information can be transferred and stored when the user terminal apparatus connects to the market.

패턴 추출부(130)는 사용자 단말장치로부터 획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출할 수 있다. The pattern extracting unit 130 can extract an execution pattern for each product using the execution information obtained from the user terminal.

이 때, 상품별 실행 패턴은 시간대별 상품을 실행한 사용자의 수, 시간대별 상품의 실행 빈도, 상품 실행 횟수를 기준으로 한 시간대별 순위, 상품을 실행한 사용자 수를 이용하여 계산한 실행 시간대의 평균 및 평균에 대한 분산 중 하나 이상의 형태로 추출할 수 있다. At this time, the execution pattern for each product is the average of the execution time zones calculated using the number of users who executed the product by time, the frequency of execution of the product by time, the ranking by time period based on the number of times of execution of the product, And the variance for the mean.

예를 들어, 상품 A를 사용하는 N명의 사용자의 실행 시간을 일정한 주기 동안 수집하여 분석하면, 시간대별로 0시에서 1시 사이에는 100명, 1시에서 2시 사이에는 20명, ... , 18시에서 19시 사이에는 1000명, ... , 23시에서 24시 사이에는 500명 등의 시간대별 상품을 실행한 사용자의 수를 추출할 수 있다. 또한, 이러한 결과를 백분율로 계산하여 0시에서 1시 사이에는 10%, 1시에서 2시 사이에는 2%, ... , 18시에서 19시 사이에는 50%, ... , 23시에서 24시 사이에는 25% 등의 시간대별 상품의 실행 빈도의 형태로 추출할 수 있다. 또는, 시간대 정보를 단계적으로 끊어지는 시간 구간이 아닌 전체 통계의 평균값과 분산값을 이용하는 형태로 저장하여 이용할 수도 있다. 예를 들어, 상품 A의 주 실행 시간대를 평균은 18시, 분산은 2시간의 형태로 저장하고, 분산값이 작으면 작을수록 특정한 시간대에 집중적으로 사용되는 상품이라는 사실을 유추해낼 수 있다. 이와 같은 정보를 이용하여 특정 상품이 어느 시간대에 가장 많이 사용되는지를 알 수 있으며, 해당 시간대에 사용자들이 가장 많이 이용하는 상품이 어떤 종류인지를 특정하는데 이용할 수 있다.For example, when the execution time of N users using product A is collected and analyzed for a certain period, there are 100 persons between 0:00 and 1:00, 20 persons between 1:00 and 2:00, The number of users who executed goods by time of day such as 1000 persons between 18:00 and 19:00, and 500 persons between 23:00 and 24:00 can be extracted. This result is calculated as a percentage, and is 10% between 0:00 and 1:00, 2% between 1:00 and 2:00, ..., 50% between 18:00 and 19:00, ..., at 23:00 And 25% in the case of 24 hours. Alternatively, the time zone information may be stored and used in the form of using the average value and the variance value of the entire statistics, not the time interval in which the time zone information is gradually broken. For example, it can be inferred that the main execution time of product A is stored at 18 o'clock and the variance is stored at 2 hours. The smaller the variance value, the more intensive the product is used at a specific time. By using such information, it can be known which time period a particular product is most used, and can be used to specify what type of a product most frequently used by users in the corresponding time period.

또한, 패턴 추출부(130)는 상품의 실행 시간대 및 카테고리 정보 중 하나 이상을 이용하여, 시간대별로 상품의 카테고리에 따른 실행 패턴인 시간대별 카테고리 실행 패턴을 더 추출할 수 있다. 카테고리 정보는 게임, 어학, 생활 및 위치 등 다양한 분야로 분류될 수 있다. 혹은, 게임과 같은 상위 카테고리 내에 RPG게임, 퍼즐게임, 시뮬레이션게임 및 슈팅게임 등의 하위 카테고리를 둘 수도 있다. Further, the pattern extracting unit 130 can further extract a category execution pattern for each time period, which is an execution pattern according to the category of the commodity for each time zone, using at least one of the execution time zone and category information of the commodity. Category information can be classified into various fields such as game, language, life, and location. Alternatively, subcategories such as an RPG game, a puzzle game, a simulation game, and a shooting game may be placed in an upper category such as a game.

상품 추천부(140)는 상품을 추천 받을 추천 대상 사용자가 마켓에 접속한 시간대에 따라서 상품의 구매 정보 및 상품별 실행 패턴 중 하나 이상을 이용하여 추천 상품 풀에 포함된 상품을 추천할 수 있다.The product recommendation unit 140 may recommend a product included in the recommended product pool using at least one of the purchase information of the product and the execution pattern for each product according to the time zone in which the recommendation target user who is recommended to receive the product is accessing the market.

이 때, 상품의 구매 정보, 상품별 실행 패턴 및 시간대별 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 어느 하나를 포함하는 추천 기준을 생성할 수 있다.At this time, a recommendation criterion including any one of a category recommendation criterion, an execution commodity recommendation criterion, and a purchase commodity recommendation criterion can be generated by using at least one of the purchase information of the commodity, the execution pattern for each product, and the category execution pattern for each time period.

이 때, 카테고리 추천 기준은 시간대별로 실행 횟수가 가장 많은 카테고리들에 대해, 추천 대상 사용자가 마켓에 접속한 시간대와 근접한 순으로 카테고리의 우선순위를 결정할 수 있다. 예를 들어 23시에 접속한 사용자 A가 단말 장치에서 14~18시에는 SNS, 18~20시에는 뉴스, 20~22시에는 어학, 22~2시에는 게임 카테고리의 상품을 이용하는 빈도가 높은 경우에, 사용자 A가 접속한 시간대를 포함하는 시간대와 가까운 시간대에서 가장 많이 이용하는 카테고리의 순서, 즉 게임, 어학, 뉴스 및 SNS의 순서로 추천 상품 풀 내의 우선순위를 조정할 수 있다. 만약 사용자 A가 16시에 접속한다면 추천 상품의 카테고리는 SNS, 뉴스, 어학 및 게임의 순으로 우선순위가 조정될 수 있다.At this time, the category recommendation criterion can determine the priority of the category in the order of proximity to the time zone in which the recommendation target user accesses the market, for the category having the greatest execution frequency for each time slot. For example, when the user A who is connected at 23:00 is frequently used the SNS at 14-18, the news at 18-20, the language at 20-22, and the game at 22-2 The priority order in the recommendation product pool can be adjusted in the order of the category most frequently used in the time zone close to the time zone including the time zone accessed by the user A, that is, in order of game, language, news, and SNS. If user A connects at 16 o'clock, categories of recommended products can be prioritized in the order of SNS, news, language and game.

또한, 결정된 카테고리의 우선순위를 기준으로 각 카테고리 별로 추천할 상품의 비중을 결정할 수 있다. 예를 들어, 사용자 A에게 100개의 상품을 추천함에 있어서, 사용자 A가 23시에 접속한다면 게임 50개, 어학 20개, 뉴스 12개 및 SNS 8개의 형태로 추천할 상품의 비중을 결정할 수 있으며, 사용자 A가 4시에 접속한다면 SNS 50개, 어학 30개, 뉴스 15개 및 게임 5개의 형태로 추천 상품의 비중을 결정할 수 있다.In addition, the weight of the product to be recommended for each category can be determined based on the priority of the determined category. For example, in recommending 100 items to user A, if user A accesses at 23 o'clock, he can determine the weight of items to be recommended in 50 games, 20 languages, 12 news, and 8 SNS, If user A accesses at 4 o'clock, he can determine the proportion of recommended products in the form of 50 SNS, 30 language, 15 news, and 5 games.

이 때, 실행 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 실행된 상품별 실행 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다. 예를 들어, 사용자 A가 23시에 마켓에 접속하였고, 추천 상품 풀에 포함된 상품들 중 상품 B는 100번, 상품 C는 500번, 상품 D는 50번씩 사용자 A가 마켓에 접속한 23시에 실행되었다면, 상품 C, 상품 B 및 상품 D의 순서로 우선순위를 결정할 수 있다.At this time, the execution commodity recommendation criterion can determine the priority of the commodities included in the recommended commodity pool according to the number of executions per commodity executed in the time zone in which the recommendation target user accesses the market. For example, when user A accesses the market at 23:00, and among the products included in the recommended product pool, product B is 100 times, product C is 500 times, product D is 50 times, and user A accesses the market at 23:00 The priority order can be determined in the order of the commodity C, the commodity B, and the commodity D.

또한, 이와 같이 실행 상품 추천 기준에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 때에는 카테고리 추천 기준에 따라 결정된 카테고리의 우선순위를 변경되지 않을 수 있다.In addition, when determining the priorities of the products included in the recommended product pool according to the recommended product recommendation criteria, the priorities of the categories determined according to the category recommendation criteria may not be changed.

이 때, 구매 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 구매된 상품별 구매 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다. 예를 들어, 사용자 A가 23시에 마켓에 접속하였고, 추천 상품 풀에 포함된 상품들 중 상품 E는 20번, 상품 F는 100번, 상품 G는 200번씩 사용자 A가 마켓에 접속한 23시에 구매되었다면, 상품 G, 상품 F 및 상품 E의 순서로 우선순위를 결정할 수 있다. At this time, the purchase recommendation recommendation criterion can determine the priority of the products included in the recommendation product pool according to the number of purchases per product purchased at the time when the recommendation target user accesses the market. For example, if user A accesses the market at 23:00, and among the products included in the recommended product pool, product A is 20 times, product F is 100 times, product G is 200 times, The priority order can be determined in the order of the product G, the product F, and the product E.

또한, 미리 설정된 구매 횟수의 최소 기준치 이상 구매된 상품이 포함된 추천 상품 풀에서 상품을 추천할 수 있다.In addition, it is possible to recommend a product in a recommended product pool including products purchased with a minimum reference value of a preset number of purchases.

또한, 구매 횟수뿐만 아니라 구매 시간대의 근접순에 따라 조정이 가능하며, 구매 횟수 및 구매 시간대의 2가지 기준을 서로 혼합하여 우선순위를 결정할 수 있다.In addition, it is possible to adjust not only the number of purchases but also the order of proximity of the purchase time zone, and priorities can be determined by mixing the two criteria of the purchase number and the purchase time zone.

또한, 상품 추천부(140)는 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 둘 이상의 추천 기준을 이용하여 상품의 우선순위를 결정하고, 결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선 순위를 결정할 수 있다. 예를 들어, 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준에 의해 결정된 상품의 우선순위를 각각 rank1, rank2 및 rank3이고 각 기준에 대한 가중치를 w1, w2 및 w3이라고 할 때, 아래의 수식에 의해 최종적인 우선 순위가 결정될 수 있다. 이 때, 가중치 w1, w2 및 w3의 합은 1이 되는 값으로 지정할 수 있다.
In addition, the product recommendation unit 140 determines the priority of the product using two or more recommendation criteria of the category recommendation standard, the performance recommendation standard, and the recommendation criteria of the purchase commodity, and applies the weight of the recommendation criterion to the determined priority The priority of the products included in the product pool can be determined. For example, when the priorities of the products determined by the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria are respectively rank1, rank2 and rank3, and the weights of the criteria are w1, w2 and w3, The final priority can be determined. At this time, the sum of the weights w1, w2 and w3 can be set to a value of 1.

이 때, 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하고, 추천된 상품의 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 판단된 추천 기준에 대한 기여도를 산출하고, 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절할 수 있다. 예를 들어, 사용자 A에 대해 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준에 대한 가중치가 각각 20%, 30% 및 50%일 때, 사용자 A가 카테고리 추천 기준 및 실행 상품 추천 기준에 의해 우선순위가 결정된 상품을 구매하였다면, 구매 횟수 1회에 대한 기여도 10%를 각각 20/50, 30/50으로 나누어서 카테고리 추천 기준 및 실행 상품 추천 기준의 가중치에 반영할 수 있다. 그리고 상품의 우선순위 결정에 기여하지 못한 구매 상품 추천 기준에 대한 가중치를 감소시킴으로써 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준에 대한 가중치를 각각 24%, 36% 및 40%로 조절할 수 있다.At this time, the recommendation criterion applied to the recommended product is determined for the recommendation target user, the contribution to the recommendation criterion determined using one or more of the recommended number of purchases of the commodity and the execution count is calculated, The weight of each recommendation criterion can be adjusted by reflecting the calculated contribution to the weight of the corresponding recommendation criterion. For example, when the weightings of the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria of the purchaser are 20%, 30%, and 50%, respectively, for the user A, If you purchase a product that has been prioritized, you can divide the 10% contribution to 1 purchase into 20/50 and 30/50, respectively, and reflect the weight in the category recommendation criteria and performance product recommendation criteria. By decreasing the weight of the recommendation criteria for products that did not contribute to the prioritization of the products, we can adjust the weightings of the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria to 24%, 36% and 40%, respectively .

풀 생성부(150)는 상품 사용자의 구매 이력을 추천 알고리즘에 적용하여 추천 상품 풀을 생성할 수 있다.The pool generating unit 150 may generate a recommended product pool by applying the purchase history of the product user to the recommendation algorithm.

이 때, 협업 필터링(Collaborative Filtering) 및 연관 규칙 마이닝(Association Rule Mining) 기반 추천 알고리즘을 포함하는 추천 알고리즘 중 하나를 이용하여 추천 상품 풀을 생성할 수 있다.At this time, a recommendation product pool can be created using one of the recommendation algorithms including a collaborative filtering and association rule mining based recommendation algorithm.

이 때, 협업 필터링은 사용자들의 선호도와 관심 표현을 바탕으로 비슷한 패턴을 가진 사용자들을 식별할 수 있는 기법으로써, 비슷한 취향을 가진 사용자들에게 서로 아직 구매하지 않은 상품들을 교차하여 추천하거나 분류된 사용자의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용될 수 있다.In this case, collaborative filtering is a technique that identifies users with similar patterns based on user preferences and interest expressions. It recommends users who have similar tastes to recommend products that have not yet purchased each other, Can be used to provide services in the form of recommending related products according to taste or lifestyle.

또한, 연관 규칙 마이닝은 하나의 거래나 사건에 포함되어 있는 항목들의 관련성을 파악하여 둘 이상의 항목들로 구성된 연관성 규칙을 도출하는 방법으로, 지지도, 신뢰도, 향상도 등의 평가 기준을 통해 연관 규칙을 평가할 수 있다.In addition, association rule mining is a method of deriving association rules composed of two or more items by grasping the relevance of items included in a transaction or an event. The association rule is defined through evaluation criteria such as supportability, reliability, Can be evaluated.

이와 같은 상품 추천 장치를 이용하여 사용자가 마켓에 접속한 시간대에 따라 상품을 추천함으로써, 시간대 별로 인기성과 최신성을 반영하고 사용자에게 가장 적합하고 필요한 상품을 추천할 수 있으며, 사용자는 대량의 상품을 비교하지 않고도 사용자에게 필요한 적절한 상품들을 목록을 쉽게 획득할 수 있다. By recommending the product according to the time zone when the user accesses the market by using the product recommendation apparatus, the user can recommend the most suitable and necessary product to reflect the popularity and freshness in the time zone, It is possible to easily obtain a list of appropriate products necessary for the user without comparing them.

도 2는 도 1의 상품 추천 장치 중 상품 추천부를 나타낸 블록도이다.2 is a block diagram showing a product recommendation unit in the product recommendation apparatus of FIG.

도 2를 참조하면, 도 1의 상품 추천 장치 중 상품 추천부(140)는 기준 생성부(210) 및 가중치 적용부(220)를 포함할 수 있다. Referring to FIG. 2, the product recommendation unit 140 of FIG. 1 may include a reference generation unit 210 and a weight application unit 220.

기준 생성부(210)는 구매 정보, 상품별 실행 패턴 및 시간대별 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 어느 하나를 포함하는 추천 기준을 생성할 수 있다.The criterion generation unit 210 can generate a recommendation criterion including any one of a category recommendation criterion, an execution commodity recommendation criterion, and a purchase commodity recommendation criterion by using at least one of purchase information, an execution pattern for each product, and a category execution pattern for each time period have.

이 때, 카테고리 추천 기준은 시간대별로 실행 횟수가 가장 많은 카테고리들에 대해, 추천 대상 사용자가 마켓에 접속한 시간대와 근접한 순으로 카테고리의 우선순위를 결정할 수 있다. At this time, the category recommendation criterion can determine the priority of the category in the order of proximity to the time zone in which the recommendation target user accesses the market, for the category having the greatest execution frequency for each time slot.

이 때, 실행 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 실행된 상품별 실행 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다. At this time, the execution commodity recommendation criterion can determine the priority of the commodities included in the recommended commodity pool according to the number of executions per commodity executed in the time zone in which the recommendation target user accesses the market.

또한, 이와 같이 실행 상품 추천 기준에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 때에는 카테고리 추천 기준에 따라 결정된 카테고리의 우선순위를 변경되지 않을 수 있다.In addition, when determining the priorities of the products included in the recommended product pool according to the recommended product recommendation criteria, the priorities of the categories determined according to the category recommendation criteria may not be changed.

이 때, 구매 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 구매된 상품별 구매 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다. At this time, the purchase recommendation recommendation criterion can determine the priority of the products included in the recommendation product pool according to the number of purchases per product purchased at the time when the recommendation target user accesses the market.

또한, 미리 설정된 구매 횟수의 최소 기준치 이상 구매된 상품이 포함된 추천 상품 풀에서 상품을 추천할 수 있다.In addition, it is possible to recommend a product in a recommended product pool including products purchased with a minimum reference value of a preset number of purchases.

또한, 구매 횟수뿐만 아니라 구매 시간대의 근접순에 따라 조정이 가능하며, 구매 횟수 및 구매 시간대의 2가지 기준을 서로 혼합하여 우선순위를 결정할 수 있다.In addition, it is possible to adjust not only the number of purchases but also the order of proximity of the purchase time zone, and priorities can be determined by mixing the two criteria of the purchase number and the purchase time zone.

가중치 적용부(220)는 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 둘 이상의 추천 기준을 이용하여 상품의 우선순위를 결정하고, 결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선 순위를 결정할 수 있다. The weight applying unit 220 determines the priority of the product using two or more recommendation criteria of the category recommendation standard, the performance recommendation standard, and the purchase recommendation standard, applies the weight of the recommendation criterion to the determined priority, The priority of the goods included in the goods can be determined.

이 때, 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하고, 추천된 상품의 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 판단된 추천 기준에 대한 기여도를 산출하고, 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절할 수 있다.At this time, the recommendation criterion applied to the recommended product is determined for the recommendation target user, the contribution to the recommendation criterion determined using one or more of the recommended number of purchases of the commodity and the execution count is calculated, The weight of each recommendation criterion can be adjusted by reflecting the calculated contribution to the weight of the corresponding recommendation criterion.

도 3은 본 발명의 일실시예에 따른 상품 추천 방법을 나타낸 동작 흐름도이다.3 is a flowchart illustrating a method of recommending a product according to an exemplary embodiment of the present invention.

도 3을 참조하면 본 발명의 일실시예에 따른 상품 추천 방법은 상품에 대한 구매 정보를 획득할 수 있다(S310).Referring to FIG. 3, a product recommendation method according to an embodiment of the present invention can acquire purchase information about a product (S310).

이 때, 구매 정보는 각각의 상품이 구매된 횟수 및 상품이 구매되거나 다운로드 된 시간대 중 하나 이상을 포함할 수 있다. 이와 같은 구매 정보를 획득하여 특정 시간대에 가장 많이 구매된 순서대로 상품을 정렬할 수 있다. 구매 정보는 미리 설정된 단위 기간마다 지속적으로 갱신함으로써, 다수 사용자의 구매 행태에 따라 변경되는 값을 사용할 수 있어 최신성과 인기성을 동시에 반영할 수 있다. 그리고 상품이 구매되거나 다운로드 된 시간대는 일반적으로 시간 단위로 나누어 정보를 획득할 수 있으며, 시간대의 특성에 따라서 시간 단위를 조정할 수 있다. 예를 들어, 출근 시간이나 퇴근 시간과 같이 상품의 실행 및 수요가 많은 시간대에는 시간 단위를 잘게 30분 단위로 나누고, 새벽 시간과 같이 상품의 실행 및 수요가 적은 시간대에는 시간 단위를 길게 1시간 30분 또는 2시간으로 나누어 정보를 획득할 수 있다. 이러한 단위 변경은 실제 사용자들의 구매 시간에 대한 통계 분석을 통해 임의로 그리고 주기적으로 변경이 가능할 수 있다.At this time, the purchase information may include at least one of the number of times each commodity is purchased and the time zone in which the commodity is purchased or downloaded. Such purchase information can be acquired and the products can be sorted in the order in which they are most frequently purchased in a specific time period. The purchasing information is continuously renewed every predetermined unit period, so that a value that is changed according to the purchasing behavior of a plurality of users can be used, so that the latest information and popularity can be reflected at the same time. The time zone in which a product is purchased or downloaded can be generally divided into time units, and time units can be adjusted according to characteristics of time zones. For example, in a time zone where commodities are executed or demanded, such as a commute time or a work time, the time unit is finely divided into units of 30 minutes. Minute or two hours to obtain information. Such a unit change can be arbitrarily and periodically changed by statistical analysis of actual users' purchase time.

또한, 본 발명의 일실시예에 따른 상품 추천 장치는 사용자 단말장치로부터 상품에 대한 실행 정보를 획득할 수 있다(S320).In addition, the product recommendation apparatus according to an embodiment of the present invention may acquire execution information on a product from a user terminal device (S320).

이 때, 실행 정보는 마켓에서 구매한 상품이 사용자의 단말장치에서 실행된 실행 횟수, 상품이 실행된 실행 시간대 및 실행된 상품의 카테고리 정보 중 하나 이상을 포함할 수 있다. 실행 정보도 구매 정보와 마찬가지로 미리 설정된 단위 기간마다 지속적으로 갱신되거나 또는 사용자 단말장치가 마켓에 접속할 때에 실행 정보를 옮겨 저장할 수 있다.At this time, the execution information may include at least one of the number of executions of the product purchased in the market at the user terminal, the execution time period at which the product was executed, and the category information of the executed product. Like the purchase information, the execution information can be continuously updated every predetermined unit period, or the execution information can be transferred and stored when the user terminal apparatus connects to the market.

또한, 본 발명의 일실시예에 따른 상품 추천 장치는 획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출할 수 있다(S330).In addition, the product recommendation apparatus according to an embodiment of the present invention can extract an execution pattern for each product using the obtained execution information (S330).

이 때, 상품별 실행 패턴은 시간대별 상품을 실행한 사용자의 수, 시간대별 상품의 실행 빈도, 상품 실행 횟수를 기준으로 한 시간대별 순위, 상품을 실행한 사용자 수를 이용하여 계산한 실행 시간대의 평균 및 평균에 대한 분산 중 하나 이상의 형태로 추출할 수 있다. At this time, the execution pattern for each product is the average of the execution time zones calculated using the number of users who executed the product by time, the frequency of execution of the product by time, the ranking by time period based on the number of times of execution of the product, And the variance for the mean.

예를 들어, 상품 A를 사용하는 N명의 사용자의 실행 시간을 일정한 주기 동안 수집하여 분석하면, 시간대별로 0시에서 1시 사이에는 100명, 1시에서 2시 사이에는 20명, ... , 18시에서 19시 사이에는 1000명, ... , 23시에서 24시 사이에는 500명 등의 시간대별 상품을 실행한 사용자의 수를 추출할 수 있다. 또한, 이러한 결과를 백분율로 계산하여 0시에서 1시 사이에는 10%, 1시에서 2시 사이에는 2%, ... , 18시에서 19시 사이에는 50%, ... , 23시에서 24시 사이에는 25% 등의 시간대별 상품의 실행 빈도의 형태로 추출할 수 있다. 또는, 시간대 정보를 단계적으로 끊어지는 시간 구간이 아닌 전체 통계의 평균값과 분산값을 이용하는 형태로 저장하여 이용할 수도 있다. 예를 들어, 상품 A의 주 실행 시간대를 평균은 18시, 분산은 2시간의 형태로 저장하고, 분산값이 작으면 작을수록 특정한 시간대에 집중적으로 사용되는 상품이라는 사실을 유추해낼 수 있다. 이와 같은 정보를 이용하여 특정 상품이 어느 시간대에 가장 많이 사용되는지를 알 수 있으며, 해당 시간대에 사용자들이 가장 많이 이용하는 상품이 어떤 종류인지를 특정하는데 이용할 수 있다.For example, when the execution time of N users using product A is collected and analyzed for a certain period, there are 100 persons between 0:00 and 1:00, 20 persons between 1:00 and 2:00, The number of users who executed goods by time of day such as 1000 persons between 18:00 and 19:00, and 500 persons between 23:00 and 24:00 can be extracted. This result is calculated as a percentage, and is 10% between 0:00 and 1:00, 2% between 1:00 and 2:00, ..., 50% between 18:00 and 19:00, ..., at 23:00 And 25% in the case of 24 hours. Alternatively, the time zone information may be stored and used in the form of using the average value and the variance value of the entire statistics, not the time interval in which the time zone information is gradually broken. For example, it can be inferred that the main execution time of product A is stored at 18 o'clock and the variance is stored at 2 hours. The smaller the variance value, the more intensive the product is used at a specific time. By using such information, it can be known which time period a particular product is most used, and can be used to specify what type of a product most frequently used by users in the corresponding time period.

또한, 상품의 실행 시간대 및 카테고리 정보 중 하나 이상을 이용하여, 시간대별로 상품의 카테고리에 따른 실행 패턴인 시간대별 카테고리 실행 패턴을 더 추출할 수 있다. 카테고리 정보는 게임, 어학, 생활 및 위치 등 다양한 분야로 분류될 수 있다. 혹은, 게임과 같은 상위 카테고리 내에 RPG게임, 퍼즐게임, 시뮬레이션게임 및 슈팅게임 등의 하위 카테고리를 둘 수도 있다.Further, it is possible to further extract the category execution pattern for each time period, which is an execution pattern according to the category of the commodity, by using one or more of the execution time period and category information of the commodity. Category information can be classified into various fields such as game, language, life, and location. Alternatively, subcategories such as an RPG game, a puzzle game, a simulation game, and a shooting game may be placed in an upper category such as a game.

또한, 본 발명의 일실시예에 따른 상품 추천 장치는 상품을 추천 받을 추천 대상 사용자가 마켓에 접속한 시간대에 따라서 상품의 구매 정보 및 상품별 실행 패턴 중 하나 이상을 이용하여 추천 상품 풀에 포함된 상품을 추천할 수 있다(S340).In addition, the product recommendation apparatus according to an embodiment of the present invention may use at least one of product purchase information and product-specific execution patterns according to a time zone in which a recommendation target user to be recommended for a product accesses the market, (S340).

이 때, 상품의 구매 정보, 상품별 실행 패턴 및 시간대별 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 어느 하나를 포함하는 추천 기준을 생성할 수 있다.At this time, a recommendation criterion including any one of a category recommendation criterion, an execution commodity recommendation criterion, and a purchase commodity recommendation criterion can be generated by using at least one of the purchase information of the commodity, the execution pattern for each product, and the category execution pattern for each time period.

이 때, 카테고리 추천 기준은 시간대별로 실행 횟수가 가장 많은 카테고리들에 대해, 추천 대상 사용자가 마켓에 접속한 시간대와 근접한 순으로 카테고리의 우선순위를 결정할 수 있다. 예를 들어 23시에 접속한 사용자 A가 단말 장치에서 14~18시에는 SNS, 18~20시에는 뉴스, 20~22시에는 어학, 22~2시에는 게임 카테고리의 상품을 이용하는 빈도가 높은 경우에, 사용자 A가 접속한 시간대를 포함하는 시간대와 가까운 시간대에서 가장 많이 이용하는 카테고리의 순서, 즉 게임, 어학, 뉴스 및 SNS의 순서로 추천 상품 풀 내의 우선순위를 조정할 수 있다. 만약 사용자 A가 16시에 접속한다면 추천 상품의 카테고리는 SNS, 뉴스, 어학 및 게임의 순으로 우선순위가 조정될 수 있다.At this time, the category recommendation criterion can determine the priority of the category in the order of proximity to the time zone in which the recommendation target user accesses the market, for the category having the greatest execution frequency for each time slot. For example, when the user A who is connected at 23:00 is frequently used the SNS at 14-18, the news at 18-20, the language at 20-22, and the game at 22-2 The priority order in the recommendation product pool can be adjusted in the order of the category most frequently used in the time zone close to the time zone including the time zone accessed by the user A, that is, in order of game, language, news, and SNS. If user A connects at 16 o'clock, categories of recommended products can be prioritized in the order of SNS, news, language and game.

또한, 결정된 카테고리의 우선순위를 기준으로 각 카테고리 별로 추천할 상품의 비중을 결정할 수 있다. 예를 들어, 사용자 A에게 100개의 상품을 추천함에 있어서, 사용자 A가 23시에 접속한다면 게임 50개, 어학 20개, 뉴스 12개 및 SNS 8개의 형태로 추천할 상품의 비중을 결정할 수 있으며, 사용자 A가 4시에 접속한다면 SNS 50개, 어학 30개, 뉴스 15개 및 게임 5개의 형태로 추천 상품의 비중을 결정할 수 있다.In addition, the weight of the product to be recommended for each category can be determined based on the priority of the determined category. For example, in recommending 100 items to user A, if user A accesses at 23 o'clock, he can determine the weight of items to be recommended in 50 games, 20 languages, 12 news, and 8 SNS, If user A accesses at 4 o'clock, he can determine the proportion of recommended products in the form of 50 SNS, 30 language, 15 news, and 5 games.

이 때, 실행 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 실행된 상품별 실행 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다. 예를 들어, 사용자 A가 23시에 마켓에 접속하였고, 추천 상품 풀에 포함된 상품들 중 상품 B는 100번, 상품 C는 500번, 상품 D는 50번씩 사용자 A가 마켓에 접속한 23시에 실행되었다면, 상품 C, 상품 B 및 상품 D의 순서로 우선순위를 결정할 수 있다.At this time, the execution commodity recommendation criterion can determine the priority of the commodities included in the recommended commodity pool according to the number of executions per commodity executed in the time zone in which the recommendation target user accesses the market. For example, when user A accesses the market at 23:00, and among the products included in the recommended product pool, product B is 100 times, product C is 500 times, product D is 50 times, and user A accesses the market at 23:00 The priority order can be determined in the order of the commodity C, the commodity B, and the commodity D.

또한, 이와 같이 실행 상품 추천 기준에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 때에는 카테고리 추천 기준에 따라 결정된 카테고리의 우선순위를 변경되지 않을 수 있다.In addition, when determining the priorities of the products included in the recommended product pool according to the recommended product recommendation criteria, the priorities of the categories determined according to the category recommendation criteria may not be changed.

이 때, 구매 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 구매된 상품별 구매 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다. 예를 들어, 사용자 A가 23시에 마켓에 접속하였고, 추천 상품 풀에 포함된 상품들 중 상품 E는 20번, 상품 F는 100번, 상품 G는 200번씩 사용자 A가 마켓에 접속한 23시에 구매되었다면, 상품 G, 상품 F 및 상품 E의 순서로 우선순위를 결정할 수 있다. At this time, the purchase recommendation recommendation criterion can determine the priority of the products included in the recommendation product pool according to the number of purchases per product purchased at the time when the recommendation target user accesses the market. For example, if user A accesses the market at 23:00, and among the products included in the recommended product pool, product A is 20 times, product F is 100 times, product G is 200 times, The priority order can be determined in the order of the product G, the product F, and the product E.

또한, 미리 설정된 구매 횟수의 최소 기준치 이상 구매된 상품이 포함된 추천 상품 풀에서 상품을 추천할 수 있다.In addition, it is possible to recommend a product in a recommended product pool including products purchased with a minimum reference value of a preset number of purchases.

또한, 구매 횟수뿐만 아니라 구매 시간대의 근접순에 따라 조정이 가능하며, 구매 횟수 및 구매 시간대의 2가지 기준을 서로 혼합하여 우선순위를 결정할 수 있다.In addition, it is possible to adjust not only the number of purchases but also the order of proximity of the purchase time zone, and priorities can be determined by mixing the two criteria of the purchase number and the purchase time zone.

또한, 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천기준 중의 둘 이상의 추천 기준을 이용하여 상품의 우선순위를 결정하고, 결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선 순위를 결정할 수 있다. 예를 들어, 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준에 의해 결정된 상품의 우선순위를 각각 rank1, rank2 및 rank3이고 각 기준에 대한 가중치를 w1, w2 및 w3이라고 할 때, 아래의 수식에 의해 최종적인 우선 순위가 결정될 수 있다. 이 때, 가중치 w1, w2 및 w3의 합은 1이 되는 값으로 지정할 수 있다.
In addition, the priority of the product is determined by using two or more recommendation criteria of the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria of the purchase commodity, and the weight of the recommendation criteria is applied to the determined priority, Priority can be determined. For example, when the priorities of the products determined by the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria are respectively rank1, rank2 and rank3, and the weights of the criteria are w1, w2 and w3, The final priority can be determined. At this time, the sum of the weights w1, w2 and w3 can be set to a value of 1.

이 때, 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하고, 추천된 상품의 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 판단된 추천 기준에 대한 기여도를 산출하고, 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절할 수 있다. 예를 들어, 사용자 A에 대해 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준에 대한 가중치가 각각 20%, 30% 및 50%일 때, 사용자 A가 카테고리 추천 기준 및 실행 상품 추천 기준에 의해 우선순위가 결정된 상품을 구매하였다면, 구매 횟수 1회에 대한 기여도 10%를 각각 20/50, 30/50으로 나누어서 카테고리 추천 기준 및 실행 상품 추천 기준의 가중치에 반영할 수 있다. 그리고 상품의 우선순위 결정에 기여하지 못한 구매 상품 추천 기준에 대한 가중치를 감소시킴으로써 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준에 대한 가중치를 각각 24%, 36% 및 40%로 조절할 수 있다.At this time, the recommendation criterion applied to the recommended product is determined for the recommendation target user, the contribution to the recommendation criterion determined using one or more of the recommended number of purchases of the commodity and the execution count is calculated, The weight of each recommendation criterion can be adjusted by reflecting the calculated contribution to the weight of the corresponding recommendation criterion. For example, when the weightings of the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria of the purchaser are 20%, 30%, and 50%, respectively, for the user A, If you purchase a product that has been prioritized, you can divide the 10% contribution to 1 purchase into 20/50 and 30/50, respectively, and reflect the weight in the category recommendation criteria and performance product recommendation criteria. By decreasing the weight of the recommendation criteria for products that did not contribute to the prioritization of the products, we can adjust the weightings of the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria to 24%, 36% and 40%, respectively .

이와 같은 상품 추천 방법을 이용하여 상품을 추천 받을 추천 대상 사용자에게 필요하고 적합한 상품을 추천하는 것이 가능하며, 시간대별로 적절한 추천 상품을 추천 목록에 포함시킴으로써 사용자가 효율적으로 상품을 검색할 수 있도록 도울 수 있다.By using these product recommendation methods, it is possible to recommend products that are necessary and suitable for the users who are recommended to receive the products. By including appropriate recommended products in the recommendation list in a time zone, it can help users to search for products efficiently have.

도 4는 본 발명의 일실시예에 따른 추천 상품을 결정하는 과정을 나타낸 동작 흐름도이다.4 is a flowchart illustrating a process of determining a recommended product according to an exemplary embodiment of the present invention.

도 4를 참조하면, 본 발명의 일실시예에 따른 추천 상품을 결정하는 과정은 상품의 구매 정보, 상품별 실행 패턴 및 시간대별 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 어느 하나를 포함하는 추천 기준을 생성할 수 있다(S410).Referring to FIG. 4, the process of determining a recommended product according to an exemplary embodiment of the present invention may be performed by using at least one of purchase information of a product, an execution pattern for each product, A recommendation criterion including any of the purchase recommendation criteria may be generated (S410).

또한, 본 발명의 일실시예에 따른 추천 상품을 결정하는 과정은 생성한 추천 기준을 이용하여 우선순위를 결정할 수 있다(S420).In addition, the process of determining the recommended product according to an embodiment of the present invention may determine the priority using the generated recommendation criteria (S420).

이 때, 카테고리 추천 기준은 시간대별로 실행 횟수가 가장 많은 카테고리들에 대해, 추천 대상 사용자가 마켓에 접속한 시간대와 근접한 순으로 카테고리의 우선순위를 결정할 수 있다.At this time, the category recommendation criterion can determine the priority of the category in the order of proximity to the time zone in which the recommendation target user accesses the market, for the category having the greatest execution frequency for each time slot.

또한, 결정된 카테고리의 우선순위를 기준으로 각 카테고리 별로 추천할 상품의 비중을 결정할 수 있다.In addition, the weight of the product to be recommended for each category can be determined based on the priority of the determined category.

이 때, 실행 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 실행된 상품별 실행 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다.At this time, the execution commodity recommendation criterion can determine the priority of the commodities included in the recommended commodity pool according to the number of executions per commodity executed in the time zone in which the recommendation target user accesses the market.

또한, 이와 같이 실행 상품 추천 기준에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 때에는 카테고리 추천 기준에 따라 결정된 카테고리의 우선순위를 변경되지 않을 수 있다.In addition, when determining the priorities of the products included in the recommended product pool according to the recommended product recommendation criteria, the priorities of the categories determined according to the category recommendation criteria may not be changed.

이 때, 구매 상품 추천 기준은 추천 대상 사용자가 마켓에 접속한 시간대에 구매된 상품별 구매 횟수에 따라 추천 상품 풀에 포함된 상품의 우선순위를 결정할 수 있다.At this time, the purchase recommendation recommendation criterion can determine the priority of the products included in the recommendation product pool according to the number of purchases per product purchased at the time when the recommendation target user accesses the market.

또한, 미리 설정된 구매 횟수의 최소 기준치 이상 구매된 상품이 포함된 추천 상품 풀에서 상품을 추천할 수 있다.In addition, it is possible to recommend a product in a recommended product pool including products purchased with a minimum reference value of a preset number of purchases.

또한, 구매 횟수뿐만 아니라 구매 시간대의 근접순에 따라 조정이 가능하며, 구매 횟수 및 구매 시간대의 2가지 기준을 서로 혼합하여 우선순위를 결정할 수 있다.In addition, it is possible to adjust not only the number of purchases but also the order of proximity of the purchase time zone, and priorities can be determined by mixing the two criteria of the purchase number and the purchase time zone.

또한, 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천기준 중의 둘 이상의 추천 기준을 이용하여 상품의 우선순위를 결정하고, 결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선 순위를 결정할 수 있다. In addition, the priority of the product is determined by using two or more recommendation criteria of the category recommendation criteria, the performance recommendation criteria, and the recommendation criteria of the purchase commodity, and the weight of the recommendation criteria is applied to the determined priority, Priority can be determined.

이 때, 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하고, 추천된 상품의 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 판단된 추천 기준에 대한 기여도를 산출하고, 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절할 수 있다.At this time, the recommendation criterion applied to the recommended product is determined for the recommendation target user, the contribution to the recommendation criterion determined using one or more of the recommended number of purchases of the commodity and the execution count is calculated, The weight of each recommendation criterion can be adjusted by reflecting the calculated contribution to the weight of the corresponding recommendation criterion.

또한, 본 발명의 일실시예에 따른 추천 상품을 결정하는 과정은 결정한 우선순위에 따라 추천 대상사용자에게 상품을 추천할 수 있다(S430).In addition, the process of determining a recommended product according to an exemplary embodiment of the present invention may recommend a product to a recommending target user according to a determined priority (S430).

이 때, 추천 대상 사용자의 상품 구매 이력을 추천 알고리즘에 적용하여 생성한 추천 상품 풀에 포함된 상품들 중 하나 이상을 추천할 수 있다. 추천 상품 풀은 업 필터링 및 연관 규칙 마이닝 기반 추천 알고리즘을 포함하는 추천 알고리즘 중 하나를 이용하여 생성할 수 있다.At this time, one or more of the products included in the recommended product pool generated by applying the product purchase history of the recommendation target user to the recommendation algorithm can be recommended. Recommendation pools can be generated using one of the recommended algorithms including up-filtering and association rules mining-based recommendation algorithms.

이 때, 협업 필터링은 사용자들의 선호도와 관심 표현을 바탕으로 비슷한 패턴을 가진 사용자들을 식별할 수 있는 기법으로써, 비슷한 취향을 가진 사용자들에게 서로 아직 구매하지 않은 상품들을 교차하여 추천하거나 분류된 사용자의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용될 수 있다.In this case, collaborative filtering is a technique that identifies users with similar patterns based on user preferences and interest expressions. It recommends users who have similar tastes to recommend products that have not yet purchased each other, Can be used to provide services in the form of recommending related products according to taste or lifestyle.

또한, 연관 규칙 마이닝은 하나의 거래나 사건에 포함되어 있는 항목들의 관련성을 파악하여 둘 이상의 항목들로 구성된 연관성 규칙을 도출하는 방법으로, 지지도, 신뢰도, 향상도 등의 평가 기준을 통해 연관 규칙을 평가할 수 있다.In addition, association rule mining is a method of deriving association rules composed of two or more items by grasping the relevance of items included in a transaction or an event. The association rule is defined through evaluation criteria such as supportability, reliability, Can be evaluated.

도 5는 본 발명의 일실시예에 따른 상품 추천 시스템을 나타낸 도면이다.5 is a diagram illustrating a product recommendation system according to an embodiment of the present invention.

도 5를 참조하면, 본 발명의 일실시예에 따른 상품 추천 시스템은 상품 추천 장치(500), 사용자 단말 장치(510) 및 마켓(520)을 포함할 수 있다.Referring to FIG. 5, the product recommendation system according to an embodiment of the present invention may include a product recommendation apparatus 500, a user terminal 510, and a market 520.

상품 추천 장치(500)는 상품에 대한 구매 정보를 획득할 수 있는 구매 정보 획득부, 사용자 단말 장치(510)로부터 상품에 대한 실행 정보를 획득할 수 있는 실행 정보 획득부, 실행 정보를 이용하여 상품별 실행 패턴을 추출할 수 있는 패턴 추출부, 추천 The product recommendation apparatus 500 includes a purchase information acquiring unit capable of acquiring purchase information on a product, an execution information acquiring unit capable of acquiring execution information on a product from the user terminal 510, A pattern extracting unit for extracting an execution pattern, a recommendation

도 8은 본 발명의 일실시예에 따른 추천 상품 풀을 생성하는 방법을 나타낸 도면이다.FIG. 8 is a diagram illustrating a method for generating a recommended goods pool according to an embodiment of the present invention.

도 8을 참조하면, 본 발명의 일실시예에 따른 추천 상품 풀을 생성하는 방법은 사용자의 구매 이력을 협업 필터링 및 연관 규칙 마이닝 기반 추천 알고리즘 등에 적용시켜 생성하는 것을 알 수 있다.Referring to FIG. 8, it can be seen that a method of generating a recommendation goods pool according to an embodiment of the present invention is generated by applying a purchase history of a user to collaborative filtering and an association rule mining based recommendation algorithm or the like.

상품 추천 장치 내에 포함된 풀 생성부에서 추천 상품 풀을 생성할 때, 상품을 추천할 추천 대상 사용자의 구매 이력을 수집하고, 수집한 구매 이력을 추천 알고리즘에 적용하여 생성할 수 있다.The pool generation unit included in the product recommendation apparatus may collect purchase histories of the recommendation target users to recommend the commodity and generate the purchase history by applying the collected purchase histories to the recommendation algorithm.

이 때, 협업 필터링 및 연관 규칙 마이닝 기반 추천 알고리즘을 포함하는 추천 알고리즘 중 하나를 이용하여 추천 상품 풀을 생성할 수 있다.At this time, a recommendation product pool can be generated using one of the recommendation algorithms including the collaborative filtering and association rule mining based recommendation algorithm.

이 때, 협업 필터링은 사용자들의 선호도와 관심 표현을 바탕으로 비슷한 패턴을 가진 사용자들을 식별할 수 있는 기법으로써, 비슷한 취향을 가진 사용자들에게 서로 아직 구매하지 않은 상품들을 교차하여 추천하거나 분류된 사용자의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용될 수 있다.In this case, collaborative filtering is a technique that identifies users with similar patterns based on user preferences and interest expressions. It recommends users who have similar tastes to recommend products that have not yet purchased each other, Can be used to provide services in the form of recommending related products according to taste or lifestyle.

또한, 연관 규칙 마이닝은 하나의 거래나 사건에 포함되어 있는 항목들의 관련성을 파악하여 둘 이상의 항목들로 구성된 연관성 규칙을 도출하는 방법으로, 지지도, 신뢰도, 향상도 등의 평가 기준을 통해 연관 규칙을 평가할 수 있다.In addition, association rule mining is a method of deriving association rules composed of two or more items by grasping the relevance of items included in a transaction or an event. The association rule is defined through evaluation criteria such as supportability, reliability, Can be evaluated.

본 발명에 따른 상품 추천 방법은 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 있다대상 사용자가 마켓에 접속한 시간대에 따라서 추천 상품 풀에 포함된 상품을 추천할 수 있는 상품 추천부 및 상품 사용자의 구매 이력을 추천 알고리즘에 적용하여 추천 상품 풀을 생성할 수 있는 풀 생성부로 구성될 수 있다.The product recommendation method according to the present invention may be implemented in the form of a program instruction that can be executed through various computer means and recorded in a computer readable medium. The computer readable medium may include a program command, a data file, a data structure, or the like, alone or in combination. A product recommendation section that can recommend a product included in a recommended product pool according to a time zone when the target user accesses the market And a pool generating unit that can generate a recommended product pool by applying the purchase history of the product user to the recommendation algorithm.

상품 추천 장치(500)는 상품을 구매하거나 검색하기 위해 마켓(520)에 접속하는 사용자 단말장치(510)에게 적합한 상품을 추천해주기 위한 장치로써, 일반적인 추천 알고리즘에 따른 추천 방법이 아닌 사용자 단말장치(510)가 마켓(520)에 접속한 시간대에 따라 적절할 추천 상품을 추천 상품 풀에서 추출하여 제공할 수 있다. The product recommendation apparatus 500 is an apparatus for recommending a product suitable for the user terminal 510 connecting to the market 520 for purchasing or searching for a product, 510 may access the recommendation product pool from the recommended product pool according to the time zone in which they are connected to the market 520.

이 때, 상품 추천 장치(500)는 사용자 단말 장치(510)가 마켓(520)에 접속한 시간대에 따라서 상품을 추천하기 위해서, 시간대별로 가장 많이 실행된 상품의 카테고리 정보, 가장 많이 구매된 상품의 정보 및 가장 많이 실행된 상품의 정보 등을 획득하여 적절한 상품 추천 기준을 생성할 수 있다. 이렇게 생성된 상품 추천 기준에 이용하여 각각의 추천 대상 사용자의 구매 이력에 따라 생성된 추천 상품 풀 내에서 상품들의 우선순위를 결정할 수 있다. At this time, in order to recommend a product according to the time zone in which the user terminal 510 accesses the market 520, the product recommendation apparatus 500 transmits category information of the most executed goods by time slot, Information and the information of the most executed goods can be acquired and an appropriate commodity recommendation criterion can be generated. The product recommendation criteria can be used to determine the priorities of the products in the recommended product pool generated according to the purchasing history of each recommended user.

또한, 추천 대상 사용자가 추천 기준에 따라 상품을 구매하고 실행한 정보를 이용하여 추천 기준에 적용되는 가중치를 조절함으로써, 추천 대상 사용자에게 보다 적합한 추천 시스템을 제공할 수 있다.In addition, a recommendation system more suitable for the target user can be provided by adjusting the weight applied to the recommendation criterion by using the information obtained by purchasing and executing the commodity according to the recommendation criterion.

또한, 이와 같은 추천 시스템을 제공하기 위해 획득하는 상품의 구매 정보나 실행 정보는 최근의 단위 기간을 기준으로 지속적으로 갱신하여 사용함으로써, 최신성과 인기성을 동시에 반영한 상품을 사용자에게 추천할 수 있다.In addition, the purchase information and execution information of a product acquired to provide such a recommendation system can be continuously updated and used based on a recent unit period, thereby recommending a product reflecting the latest and popularity at the same time to the user.

도 6은 단말 장치에서의 상품별 실행 시간을 나타낸 도면이다.6 is a diagram showing an execution time for each product in the terminal device.

도 6을 참조하면, 단말 장치에서의 상품별 실행 시간은 상품의 카테고리명(610)과 상품명(620)이 나타난 테이블에 해당 상품을 실행한 시간에 따른 막대 그래프로 나타냄을 알 수 있다. 상품을 실행한 시간대에 대한 단위는, 상품마다 지속적으로 실행하는 패턴이 다를 수 있기 때문에 상품별로 적절한 단위를 지정하여 나타낼 수도 있다. Referring to FIG. 6, it can be seen that the execution time of each product in the terminal device is represented by a bar graph according to the time when the product is executed in the table in which the category name 610 and the product name 620 of the product are displayed. Since the unit of the time zone in which the product is executed may be different from the pattern continuously executed for each product, an appropriate unit may be designated for each product.

도 6과 같은 상품별 실행 시간에 대한 정보는 실제로 상품이 실행되는 사용자의 단말장치로부터 획득할 수 있는데, 미리 설정된 주기마다 획득하거나 또는 사용자 단말장치가 마켓에 접속할 때 마다 획득할 수도 있다.The information on the execution time for each product as shown in FIG. 6 can be obtained from the terminal device of the user actually executing the product, which may be acquired every predetermined cycle or acquired every time the user terminal device connects to the market.

이렇게 획득한 상품별 실행 시간에 대해 다수 사용자의 상품별 실행 시간 정보를 획득함으로써, 상품별로 가장 많이 실행되는 시간대 정보를 획득할 수 있다. 또한, 카테고리 정보도 상품의 실행 정보와 함께 매핑되어 상품 추천 장치로 전달됨으로써 시간대별로 가장 많이 실행되는 카테고리 정보도 획득할 수 있다.By acquiring product-specific execution time information of a plurality of users with respect to the obtained product-specific execution time, it is possible to obtain time zone information most executed for each product. Also, the category information is mapped together with the execution information of the product, and is transmitted to the product recommendation apparatus, so that category information that is executed the most in each time period can be obtained.

상품 추천 장치에서는 이와 같이 획득한 상품별 실행 정보와 카테고리별 실행 정보를 이용하여 사용자에게 추천할 추천 상품의 우선순위를 결정하는 추천 기준을 생성할 수 있다.In the product recommendation apparatus, it is possible to generate a recommendation criterion for determining a priority order of a recommendation product to be recommended to the user by using the obtained product-specific execution information and the category-specific execution information.

도 7은 시간대별 카테고리에 대한 실행 시간을 나타낸 도면이다.Fig. 7 is a diagram showing execution time for the time-based category.

도 7을 참조하면, 시간대별 카테고리에 대한 실행 시간은 각 카테고리에 해당하는 상품이 실행된 시간을 합산하여 나타낼 수 있다. Referring to FIG. 7, the execution time for the category by time can be calculated by summing the execution time of the product corresponding to each category.

도 7과 같이 먼저 시간대를 미리 설정된 시간 단위를 이용하여 0시에서 1시 사이, 1시에서 2시 사이, ... , 18시에서 19시 사이, ... , 23시에서 24시 사이 등으로 분류할 수 있다. 이 때, 시간 단위는 시간대의 특성에 따라서 조정할 수 있다. 예를 들어, 출근 시간이나 퇴근 시간과 같이 상품의 실행 및 수요가 많은 시간대에는 시간 단위를 잘게 30분 단위로 나누고, 새벽 시간과 같이 상품의 실행 및 수요가 적은 시간대에는 시간 단위를 길게 1시간 30분 또는 2시간으로 나누어 정보를 획득할 수 있다. 이러한 단위 변경은 실제 사용자들의 구매 시간에 대한 통계 분석을 통해 임의로 그리고 주기적으로 변경이 가능할 수 있다.As shown in FIG. 7, first, the time zone is set at a preset time unit from 0:00 to 1:00, 1:00 to 2:00, ..., 18:00 to 19:00, ..., 23:00 to 24:00 . At this time, the time unit can be adjusted according to the characteristic of the time zone. For example, in a time zone where commodities are executed or demanded, such as a commute time or a work time, the time unit is finely divided into units of 30 minutes. Minute or two hours to obtain information. Such a unit change can be arbitrarily and periodically changed by statistical analysis of actual users' purchase time.

이와 같이 분류된 시간대에 사용자의 단말장치에서 실행된 상품의 실행 정보를 획득하면, 실행된 상품의 카테고리 정보를 함께 획득할 수 있다. 카테고리 정보는 게임, 어학, 생활 및 위치 등 다양한 분야로 분류될 수 있다. 혹은, 게임과 같은 상위 카테고리 내에 RPG게임, 퍼즐게임, 시뮬레이션게임 및 슈팅게임 등의 하위 카테고리를 둘 수도 있다.When the execution information of the goods executed in the terminal device of the user is obtained in the time zone thus classified, the category information of the executed goods can be acquired together. Category information can be classified into various fields such as game, language, life, and location. Alternatively, subcategories such as an RPG game, a puzzle game, a simulation game, and a shooting game may be placed in an upper category such as a game.

그래프(710)에서는 0시에는 게임 카테고리에 해당하는 상품이 가장 많이 실행된 것을 알 수 있고, 그래프(720)에서는 18시에 게임 카테고리에 해당하는 상품이 가장 많이 실행되었고 SNS와 생활 카테고리에 해당하는 상품도 실행되었음을 알 수 있다. 이러한 카테고리에 대한 실행 시간을 획득하여 시간대별 가장 많이 실행되는 카테고리 정보를 획득할 수 있고, 추천 대상 사용자에게 추천할 상품의 우선순위를 결정할 때 획득한 카테고리 정보를 이용하여 상품 카테고리의 우선순위를 결정할 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 모든 형태의 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 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.In the graph 710, it is found that the goods corresponding to the game category are executed most at 0:00. In the graph 720, the goods corresponding to the game category are executed most at 18:00, It can be seen that the product has also been executed. The execution time for this category can be acquired to obtain the category information that is executed most by the time period. When determining the priority of the product to be recommended to the recommendation target user, the priority of the product category is determined using the acquired category information The program instructions recorded on the medium may be those specially designed and constructed for the present invention or may be those known and available to those skilled in the 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; Includes all types of hardware devices that are specially configured to store and execute magneto-optical media and program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions may include machine language code such as those generated by a compiler, as well as high-level language code that may be executed by a computer using an interpreter or the like. Such a hardware device may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.

이상에서와 같이 본 발명에 따른 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치는 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.As described above, the product recommendation system using the execution pattern of the user according to the present invention, the product recommendation method using the execution pattern of the user, and the apparatus therefor can be applied to the configuration and method of the embodiments described above in a limited manner The above embodiments may be constructed by selectively combining all or some of the embodiments so that various modifications can be made.

본 발명에 의하면 다수 사용자의 상품 구매 패턴, 실행 패턴 및 추천 대상 사용자의 마켓 접속 시간대에 따라서 추천 대상 사용자에게 가장 적합한 상품을 추천함으로써 사용자가 상품을 검색하는 수고를 줄일 수 있고, 상품을 추천하기 위해 획득하는 정보들을 일정한 기간마다 갱신함으로써 최신 정보가 반영된 인기 있는 상품을 추천할 수 있다. 나아가, 상품 별로 자주 사용되는 시간 및 많이 구매되는 시간에 대한 상품 정보를 수집할 수 있어 상품 제공자들이 구매자들에게 보다 적합한 상품을 제공할 수 있도록 할 수 있다.According to the present invention, it is possible to reduce the labor required for a user to search for a commodity by recommending a commodity best suited to a recommendation target user according to a commodity purchase pattern of a plurality of users, an execution pattern, and a market access time zone of a recommendable target user, It is possible to recommend a popular product in which the latest information is reflected by updating the acquired information every predetermined period. In addition, it is possible to collect product information about frequently used time and a lot of time for each product so that the product providers can provide more suitable products to the buyers.

100, 500: 상품 추천 장치 110: 구매 정보 획득부
120: 실행 정보 획득부 130: 패턴 추출부
140: 상품 추천부 150: 풀 생성부
210: 기준 생성부 220: 가중치 적용부
510: 사용자 단말 장치 520: 마켓
610: 카테고리명 620: 상품명100, 500: product recommendation apparatus 110: purchase information obtaining unit
120: execution information obtaining unit 130: pattern extracting unit
140: product recommendation unit 150: pool generation unit
210: reference generation unit 220: weight application unit
510: User terminal 520: Market
610: Category name 620: Brand name

Claims (20)

상품에 대한 구매 정보를 획득하는 구매 정보 획득부;
사용자 단말장치로부터 상품에 대한 실행 정보를 획득하는 실행 정보 획득부;
획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출하는 패턴 추출부; 및
추천 대상 사용자가 마켓에 접속한 시간대에 따라 상기 구매 정보 및 상품별 실행 패턴 중 하나 이상을 이용하여 추천 상품 풀에 포함된 상품을 추천하는 상품 추천부
를 포함하는 것을 특징으로 하는 상품 추천 장치.A purchase information obtaining unit for obtaining purchase information on a product;
An execution information obtaining unit that obtains execution information on a product from a user terminal;
A pattern extracting unit for extracting an execution pattern for each product using the obtained execution information; And
A product recommendation unit for recommending a product included in the recommended product pool using at least one of the purchase information and the execution pattern for each product according to a time zone in which the recommended target user accesses the market,
And the product recommendation device. 청구항 1에 있어서,
상기 구매 정보는 상기 상품의 구매 횟수 및 구매 시간대 중 하나 이상을 포함하고,
상기 실행 정보는 상기 상품이 사용자 단말장치에서 실행된 실행 횟수, 실행 시간대 및 실행된 상품의 카테고리 정보 중 하나 이상을 포함하는 것을 특징으로 하는 상품 추천 장치.The method according to claim 1,
Wherein the purchase information includes at least one of a number of purchases of the goods and a purchase time zone,
Wherein the execution information includes at least one of an execution count, an execution time period, and category information of an executed product executed by the user terminal device. 청구항 2에 있어서,
상기 패턴 추출부는
시간대별 상품을 실행한 사용자의 수, 시간대별 상품의 실행 빈도, 상품 실행 횟수를 기준으로 한 시간대별 순위, 상품을 실행한 사용자 수를 이용하여 계산한 실행 시간대의 평균 및 상기 평균에 대한 분산 중 하나 이상의 형태로 상기 상품별 실행 패턴을 추출하는 것을 특징으로 하는 상품 추천 장치.The method of claim 2,
The pattern extracting unit
The number of users who executed the product by the time of day, the frequency of execution of the product by the time of day, the rank of the time by the number of times of execution of the product, the average of the execution time periods calculated using the number of users who executed the product, And extracts the product-specific execution pattern in at least one form. 청구항 3에 있어서,
상기 패턴 추출부는
상기 실행 시간대 및 카테고리 정보 중 하나 이상을 이용하여, 시간대별 카테고리 실행 패턴을 더 추출하는 것을 특징으로 하는 상품 추천 장치.The method of claim 3,
The pattern extracting unit
And further extracts the category execution pattern by time zone using at least one of the execution time zone and the category information. 청구항 1에 있어서,
상기 상품 추천 장치는
사용자의 구매 이력을 추천 알고리즘에 적용하여 상기 추천 상품 풀을 생성하는 풀 생성부를 더 포함하는 것을 특징으로 하는 상품 추천 장치.The method according to claim 1,
The product recommendation apparatus
And a pool generating unit for applying the purchase history of the user to the recommendation algorithm to generate the pool of recommendation goods. 청구항 5에 있어서,
상기 풀 생성부는
협업 필터링(Collaborative Filtering) 및 연관 규칙 마이닝(Association Rule Mining) 기반 추천 알고리즘을 포함하는 상기 추천 알고리즘 중 하나를 이용하여 상기 추천 상품 풀을 생성하는 것을 특징으로 하는 상품 추천 장치.The method of claim 5,
The pool generator
Wherein the recommended product pool is generated using one of the recommendation algorithms including a collaborative filtering and an association rule mining based recommendation algorithm. 청구항 4에 있어서,
상기 상품 추천부는
상기 구매 정보, 상품별 실행 패턴 및 시간대별 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중의 어느 하나를 포함하는 추천 기준을 생성하는 기준 생성부를 더 포함하는 것을 특징으로 하는 상품 추천 장치.The method of claim 4,
The product recommendation part
Further comprising a reference generation unit for generating a recommendation criterion including any one of a category recommendation criterion, an execution commodity recommendation criterion, and a purchase commodity recommendation criterion by using at least one of the purchase information, the execution pattern for each product, Product recommendation device characterized by. 청구항 7에 있어서,
상기 카테고리 추천 기준은
시간대별로 실행 횟수가 가장 많은 카테고리들에 대해, 상기 추천 대상 사용자가 마켓에 접속한 시간대와 근접한 순으로 카테고리의 우선순위를 결정하는 것을 특징으로 하는 상품 추천 장치.The method of claim 7,
The category recommendation criteria
Wherein the category recommendation apparatus determines priorities of categories in the order of proximity to the time zone in which the recommendation target user accesses the market for categories having the largest execution count for each time slot. 청구항 8에 있어서,
상기 상품 추천부는
상기 결정된 카테고리의 우선순위를 기준으로 각 카테고리 별로 추천할 상품의 비중을 결정하는 것을 특징으로 하는 상품 추천 장치.The method of claim 8,
The product recommendation part
And determines a weight of a product to be recommended for each category based on the determined priority of the category. 청구항 7에 있어서,
상기 실행 상품 추천 기준은
상기 추천 대상 사용자가 마켓에 접속한 시간대에 실행된 상품별 실행 횟수에 따라 상기 추천 상품 풀에 포함된 상품의 우선순위를 결정하는 것을 특징으로 하는 상품 추천 장치.The method of claim 7,
The recommended product recommendation criteria is
Wherein the recommendation apparatus determines the priority order of the products included in the recommended product pool according to the number of executions per product executed in the time zone in which the recommendation target user accesses the market. 청구항 7에 있어서,
상기 구매 상품 추천 기준은
상기 추천 대상 사용자가 마켓에 접속한 시간대에 구매된 상품별 구매 횟수에 따라 상기 추천 제품 풀에 포함된 상품의 우선순위를 결정하는 것을 특징으로 하는 상품 추천 장치.The method of claim 7,
The purchase recommendation criteria
Wherein the recommendation apparatus determines the priority order of the products included in the recommended product pool according to the number of purchases per product purchased at the time when the recommended target user accesses the market. 청구항 7에 있어서,
상기 상품 추천부는
상기 카테고리 추천 기준, 실행 상품 추천 기준, 및 구매 상품 추천 기준 중의 둘 이상의 추천 기준을 이용하여 상품의 우선순위를 결정하고,
결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선순위를 결정하는 가중치 적용부를 더 포함하는 것을 특징으로 하는 상품 추천 장치.The method of claim 7,
The product recommendation part
Determining a priority of a product by using two or more recommendation criteria of the category recommendation standard, the performance commodity recommendation criterion, and the purchase commodity recommendation criterion,
Further comprising a weight applying unit for applying a weight of a recommendation criterion to the determined priorities to determine priorities of the products included in the recommendation product pool. 청구항 12에 있어서,
상기 가중치 적용부는
상기 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하고,
추천된 상품의 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 상기 판단된 추천 기준에 대한 기여도를 산출하고,
상기 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절하는 것을 특징으로 하는 상품 추천 장치.The method of claim 12,
The weight applying unit
Determining a recommendation criterion applied to the recommended product to the recommendation target user,
Calculating a contribution to the determined recommendation criterion using at least one of a recommended number of purchases of a commodity and a number of executions of the recommended commodity,
And the weight of each recommendation criterion is adjusted by reflecting the calculated contribution to the recommendation criterion to the weight of the recommendation criterion. 청구항 1에 있어서,
상기 상품 추천부는
미리 설정된 구매 횟수의 최소 기준치 이상 구매된 상품이 포함된 추천 상품 풀에서 상품을 추천하는 것을 특징으로 하는 상품 추천 장치.The method according to claim 1,
The product recommendation part
And recommends the product in the recommended product pool including the purchased product having the minimum reference value of the preset number of purchases. 상품에 대한 구매 정보를 획득하는 단계;
사용자 단말장치로부터 상품에 대한 실행 정보를 획득하는 단계;
획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출하는 단계; 및
추천 대상 사용자가 마켓에 접속한 시간대에 따라 상기 구매 정보 및 상품별 실행 패턴 중 하나 이상을 이용하여 추천 상품 풀에 포함된 상품을 추천하는 단계
를 포함하는 것을 특징으로 하는 상품 추천 방법.Obtaining purchase information about a product;
Obtaining execution information on a product from a user terminal device;
Extracting an execution pattern for each product using the obtained execution information; And
Recommending a product included in the recommended product pool using at least one of the purchase information and the execution pattern for each product according to a time zone in which the recommended target user accesses the market
And the product recommendation method. 청구항 15에 있어서,
상기 패턴을 추출하는 단계는
상기 실행 정보에 포함된 실행 시간대 및 카테고리 정보 중 하나 이상을 이용하여 시간대별 카테고리 실행 패턴을 추출하는 단계를 더 포함하는 것을 특징으로 하는 상품 추천 방법.16. The method of claim 15,
The step of extracting the pattern
Further comprising the step of extracting a category execution pattern by time zone using at least one of an execution time zone and category information included in the execution information. 청구항 16에 있어서,
상기 상품을 추천하는 단계는
상기 구매 정보, 상품별 실행 패턴 및 카테고리 실행 패턴 중 하나 이상을 이용하여 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중 하나를 생성하는 단계를 더 포함하는 것을 특징으로 하는 상품 추천 방법.18. The method of claim 16,
The step of recommending the product
Further comprising the step of generating one of a category recommendation criterion, an execution commodity recommendation criterion, and a purchase commodity recommendation criterion using at least one of the purchase information, the execution pattern for each product, and the category execution pattern. 청구항 17에 있어서,
상기 상품을 추천하는 단계는
상기 카테고리 추천 기준, 실행 상품 추천 기준 및 구매 상품 추천 기준 중 둘 이상의 추천 기준을 이용하여 상품의 우선순위를 결정하고,
결정된 우선순위에 추천 기준의 가중치를 적용하여 추천 상품 풀에 포함된 상품의 우선순위를 결정하는 단계를 더 포함하고,
가중치를 적용하여 우선순위를 결정하는 단계는
상기 추천 대상 사용자에게 추천된 상품에 적용된 추천 기준을 판단하는 단계;
추천된 상품의 구매 정보에 포함된 구매 횟수 및 실행 횟수 중 하나 이상을 이용하여 상기 판단된 추천 기준에 대한 기여도를 산출하는 단계; 및
상기 판단된 추천 기준에 대해 산출된 기여도를 대응되는 추천 기준의 가중치에 반영하여 각 추천 기준의 가중치를 조절하는 단계를 포함하는 것을 특징으로 하는 상품 추천 장치.18. The method of claim 17,
The step of recommending the product
The priority of the product is determined by using two or more recommendation criteria among the category recommendation standard, the performance commodity recommendation criterion, and the purchase commodity recommendation criterion,
Determining a priority of a product included in the recommendation product pool by applying a weight of the recommendation criterion to the determined priority,
The step of applying the weights and determining the priority
Determining a recommendation criterion applied to the recommended product to the recommendation target user;
Calculating a contribution to the determined recommendation criterion using at least one of a purchase count and an execution count included in purchase information of a recommended product; And
And adjusting the weight of each recommendation criterion by reflecting the contribution calculated on the determined recommendation criterion to the weight of the recommendation criterion. 청구항 15 내지 18 중 어느 한 항의 방법을 실행하지 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록매체.A computer-readable recording medium on which a program for executing the method of any one of claims 15 to 18 is recorded. 마켓에서 구매한 상품의 실행 정보를 수집하고, 수집한 실행 정보에 카테고리 정보를 매핑하여, 상기 마켓에 접속할 때 상기 카테고리 정보가 매핑된 실행 정보를 상품 추천 장치로 전달하는 단말 장치; 및
상기 상품에 대한 구매 정보를 획득하고, 상기 단말 장치로부터 획득한 실행 정보를 이용하여 상품별 실행 패턴을 추출하여, 추천 대상 사용자가 마켓에 접속한 시간대에 따라 추천 상품 풀에 포함된 상품을 추천하는 상품 추천 장치
를 포함하는 것을 특징으로 하는 상품 추천 시스템.A terminal device for collecting execution information of a purchased product on a market, mapping category information to the collected execution information, and transmitting execution information to which the category information is mapped when accessing the market, to a product recommendation device; And
A product that extracts an execution pattern for each product by using the execution information acquired from the terminal device and acquires a product that recommends a product included in the recommended product pool according to a time zone in which the recommendation target user accesses the market Recommended device
And the product recommendation system.
KR1020140022932A 2014-02-26 2014-02-26 System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same KR102266517B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140022932A KR102266517B1 (en) 2014-02-26 2014-02-26 System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140022932A KR102266517B1 (en) 2014-02-26 2014-02-26 System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same

Publications (2)

Publication Number Publication Date
KR20150101538A true KR20150101538A (en) 2015-09-04
KR102266517B1 KR102266517B1 (en) 2021-06-16

Family

ID=54242627

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140022932A KR102266517B1 (en) 2014-02-26 2014-02-26 System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same

Country Status (1)

Country Link
KR (1) KR102266517B1 (en)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190095568A (en) * 2018-01-12 2019-08-16 라인플러스 주식회사 Method, system, and non-transitory computer readable medium for providing popular information on social network
KR102040937B1 (en) * 2018-11-08 2019-11-27 이건환 Device and method for plywood recommendation based on artificial intelligence
KR20200048004A (en) * 2018-10-29 2020-05-08 배재대학교 산학협력단 Product recommendation system and method based on user purchase criterion and product review
CN111738679A (en) * 2020-06-15 2020-10-02 深圳传音控股股份有限公司 Information recommendation method, readable storage medium and terminal
KR102249466B1 (en) * 2020-12-14 2021-05-11 주식회사 데이터스트림즈 Data catalog providing method and system for providing recommendation information using artificial intelligence recommendation model
CN113362143A (en) * 2021-07-01 2021-09-07 海南炳祥投资咨询有限公司 Internet sales recommendation method and system based on big data
CN113763084A (en) * 2020-09-21 2021-12-07 北京沃东天骏信息技术有限公司 Product recommendation processing method, device, equipment and storage medium
CN113781138A (en) * 2020-09-29 2021-12-10 北京沃东天骏信息技术有限公司 Information pushing method and device and storage medium

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120009834A (en) * 2010-07-21 2012-02-02 엘지전자 주식회사 Mobile terminal and operation control method thereof
JP2012118572A (en) * 2010-11-29 2012-06-21 Nec Corp Content recommendation system, content recommendation device, recommendation mode control method, and recommendation mode control program
KR20130026567A (en) * 2011-07-29 2013-03-14 (주)아이티에이치 Recommendation contents offering system using patterns of user device
KR101305995B1 (en) * 2011-07-18 2013-09-26 (주) 프람트 A personalization recommendation system of computer application programs through the analyzing meta-data and usage patterns and method thereof
KR20130112565A (en) 2012-04-04 2013-10-14 주식회사 케이티 Application recommendation apparatus, application recommendation method and evaluation score calculation method of the same

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120009834A (en) * 2010-07-21 2012-02-02 엘지전자 주식회사 Mobile terminal and operation control method thereof
JP2012118572A (en) * 2010-11-29 2012-06-21 Nec Corp Content recommendation system, content recommendation device, recommendation mode control method, and recommendation mode control program
KR101305995B1 (en) * 2011-07-18 2013-09-26 (주) 프람트 A personalization recommendation system of computer application programs through the analyzing meta-data and usage patterns and method thereof
KR20130026567A (en) * 2011-07-29 2013-03-14 (주)아이티에이치 Recommendation contents offering system using patterns of user device
KR20130112565A (en) 2012-04-04 2013-10-14 주식회사 케이티 Application recommendation apparatus, application recommendation method and evaluation score calculation method of the same

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190095568A (en) * 2018-01-12 2019-08-16 라인플러스 주식회사 Method, system, and non-transitory computer readable medium for providing popular information on social network
KR20200048004A (en) * 2018-10-29 2020-05-08 배재대학교 산학협력단 Product recommendation system and method based on user purchase criterion and product review
KR102040937B1 (en) * 2018-11-08 2019-11-27 이건환 Device and method for plywood recommendation based on artificial intelligence
CN111738679A (en) * 2020-06-15 2020-10-02 深圳传音控股股份有限公司 Information recommendation method, readable storage medium and terminal
CN113763084A (en) * 2020-09-21 2021-12-07 北京沃东天骏信息技术有限公司 Product recommendation processing method, device, equipment and storage medium
CN113781138A (en) * 2020-09-29 2021-12-10 北京沃东天骏信息技术有限公司 Information pushing method and device and storage medium
KR102249466B1 (en) * 2020-12-14 2021-05-11 주식회사 데이터스트림즈 Data catalog providing method and system for providing recommendation information using artificial intelligence recommendation model
CN113362143A (en) * 2021-07-01 2021-09-07 海南炳祥投资咨询有限公司 Internet sales recommendation method and system based on big data
CN113362143B (en) * 2021-07-01 2023-06-16 北京民融惠民科技有限公司 Internet sales recommendation method and system based on big data

Also Published As

Publication number Publication date
KR102266517B1 (en) 2021-06-16

Similar Documents

Publication Publication Date Title
KR102266517B1 (en) System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same
Dinerstein et al. Consumer price search and platform design in internet commerce
US11727445B2 (en) Predictive recommendation system using price boosting
KR101735602B1 (en) Personalized recommendation method, system and computer-readable record medium
US10635711B2 (en) Methods and systems for determining a product category
JP5662620B2 (en) Content information recommendation based on user behavior
KR100692209B1 (en) Method and system for providing information of commodity customized to each user
KR20160069485A (en) Personalized recommendation method, system and computer-readable record medium
AU2012274726B2 (en) Information Processing Apparatus, Information Processing Method, Information Processing Program, Recording the Medium having Stored therein Information Processing Program
KR102131791B1 (en) Method to provide recommended contents and associated contents
KR101825498B1 (en) Contents recommendation system and method
KR102252188B1 (en) Product recommendation system and method reflecting user purchasing criterion
KR20120076477A (en) Method and systmem for store recommendation
JP2019049836A (en) Estimation device and estimation method and estimation program
CN106844402B (en) Data processing method and device
JP5938009B2 (en) Information recommendation device, information recommendation method, and information recommendation program
EP3121785A1 (en) Scheme recommendation device, scheme recommendation method, and scheme recommendation program
KR20200029822A (en) Providing Method of parameter for advertisement and server device supporting the same
JP6025796B2 (en) Behavior prediction apparatus, behavior prediction method, and program
KR101426196B1 (en) Apparatus and method for analysising performance
KR101983704B1 (en) Method for recommending information on websites using personalization algorithm and server using the same
JP6809148B2 (en) Program and combination extraction system
Howard et al. Using transactions data to enhance the Australian CPI
KR101215256B1 (en) Method and apparatus for displaying item in online game
KR20240044729A (en) Service establishment and provision method for providing servitization, and a system using the same

Legal Events

Date Code Title Description
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant