KR20150111113A - 평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치 - Google Patents

평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치 Download PDF

Info

Publication number
KR20150111113A
KR20150111113A KR1020140034590A KR20140034590A KR20150111113A KR 20150111113 A KR20150111113 A KR 20150111113A KR 1020140034590 A KR1020140034590 A KR 1020140034590A KR 20140034590 A KR20140034590 A KR 20140034590A KR 20150111113 A KR20150111113 A KR 20150111113A
Authority
KR
South Korea
Prior art keywords
rating
provider
providers
goods
clusters
Prior art date
Application number
KR1020140034590A
Other languages
English (en)
Other versions
KR101632481B1 (ko
Inventor
김상욱
오현교
노유한
Original Assignee
한양대학교 산학협력단
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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020140034590A priority Critical patent/KR101632481B1/ko
Publication of KR20150111113A publication Critical patent/KR20150111113A/ko
Application granted granted Critical
Publication of KR101632481B1 publication Critical patent/KR101632481B1/ko

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

재화들의 제공자들 및 재화들을 제공받는 사용자 간의 거래에 있어서, 재화들의 각각 별로 제공자들을 하나 이상의 클러스터들로 클러스터링하고, 각 클러스터 별로 계산된 제공자의 상대적인 평점에 기반하여 재화에 대한 평가가 배제된 제공자에 대한 평점을 계산하는 방법이 제공된다. 재화에 대한 평가가 배제된 제공자에 대한 평점이 획득됨으로써 사용자에게 거래에 대한 보다 더 정확한 판단이 제공될 수 있다.

Description

평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치{METHOD AND APPARATUS FOR ACQUIRING INFORMATION ON REPUTATION FOR PROVIDER OF PRODUCTS BASED ON RATING SEPARATION TECHNIQUE}
아래의 실시예들은 재화의 제공자 및 사용자 간의 거래에 대한 소비자의 평가 정보를 획득하는 방법에 관한 것으로 특히, 재화의 제공자 및 사용자 간의 거래에 대한 평점으로부터 재화의 제공자 자체에 대한 소비자의 평점 및 재화 자체에 대한 소비자의 평점을 분리함으로써 소비자에 의한 제공자 자체에 대한 소비자의 평점 및 재화 자체에 대한 평점을 획득하는 방법에 관한 것이다.
최근, 인터넷과 같은 각종 통신망을 통한 재화, 서비스 또는 콘텐츠의 제공을 위한 전자 거래가 활성화되고 있다. 이러한 전자 거래는 예컨대, e-마켓 플레이스 상에서 수행될 수 있다. e-마켓플레이스는 e-마켓플레이스를 통해 거래하는 사용자들 및 재화 또는 콘텐츠의 제공자 간의 신뢰성 있는 거래를 보장하기 위해, 사용자에게 재화 또는 콘텐츠의 제공자에 대한 평가 정보를 제공한다.
e-마켓플레이스가 제공하는 제공자에 대한 평가 정보는 제공자로부터 재화 또는 콘텐츠를 제공받은 사용자의 제공자에 대한 평점에 기반할 수 있다.
그러나 e-마켓플레이스가 제공하는 제공자에 대한 기존의 평가 정보는 제공자 자체 및 제공자에 의해 제공되는 재화 자체에 대한 평가가 분리되어 있지 않기 때문에, 사용자는 제공자의 평가 정보가 제공자가 제공한 재화의 품질로부터 기인한 것인지 제공자의 능력으로부터 기인한 것인지를 식별할 수 없다. 말하자면, 사용자는 제공자에 대한 기존의 평가 정보를 통해 제공자가 제공하는 재화의 품질 및 제공자의 능력을 정확하게 판단할 수 없다.
따라서, 사용자가 거래에 대해 보다 더 정확하게 판단할 수 있도록, 제공자에 대한 기존의 평가 정보로부터 재화에 대한 평가가 배제된 제공자에 대한 평가 정보 및 제공자에 대한 평가가 배제된 재화에 대한 평점을 획득할 수 있는 방법이 요구된다.
한국공개특허 제10-2002-0035778호(공개일 2002년 05월 15일)에는 구매자에게 판매되는 상품 정보에 대해서, 1) 상품 정보에 포함되는 여러 가지의 키워드와 그에 대응하는 평가 값이 등록되고, 2) 그 평가 값은 미리 구매자의 기호에 기초해 학습되어 있는 퍼스널 프로파일에 근거하여 구매자의 기호에 따라 재배열되고, 3) 재배열된 상품 정보로부터 상품 발주를 받으면 구매자가 지정하는 구좌로부터 해당 상품에 대한 대금 인출과 판매자에 대한 지불이 이루어지는 전자 상거래 방법이 개시되어 있다.
일 실시예는 제공자들에 의해 제공되는 재화들의 각각 별로 제공자들을 하나 이상의 클러스터들로 클러스터링하고, 각 클러스터 별로 계산된 제공자의 상대적인 평점에 기반하여 재화에 대한 평가가 배제된 제공자에 대한 평점을 계산하는 방법 및 장치를 제공할 수 있다.
일 실시예는 제공자들의 상대적인 평점들 간의 유사도에 기반하여 제공자들 별로 제공자들에 의해 제공되는 재화들을 하나 이상의 클러스터들로 클러스터링하고, 각 클러스터 별로 계산된 재화의 상대적인 평점에 기반하여 재화의 제공자에 대한 평가가 배제된 재화에 대한 평점을 계산하는 방법 및 장치를 제공할 수 있다.
일 측면에 있어서, 하나 이상의 재화들의 하나 이상의 제공자들 및 상기 하나 이상의 제공자들로부터 상기 하나 이상의 재화들을 제공받는 적어도 하나의 사용자 간의 거래에 대한 평가 정보를 획득하는 방법에 있어서, 상기 하나 이상의 재화들의 각각 별로 상기 하나 이상의 제공자들을 하나 이상의 제1 클러스터들로 클러스터링(clustering)하는 단계; 상기 제1 클러스터들의 각각 별로 상기 하나 이상의 제공자들의 각 제공자에 대한 제1 평점을 획득하는 단계; 및 상기 제1 클러스터들에 대해 획득된 상기 각 제공자의 제1 평점들에 기반하여 상기 각 제공자에 대한 제2 평점을 계산하는 단계를 포함하는, 거래에 대한 평가 정보 획득 방법이 제공된다.
상기 제1 평점은 상기 제1 클러스터들의 각 제1 클러스터에 속하는 제공자들 간의 비교에 기반한 상기 각 제공자의 상대적인 평점일 수 있다.
상기 제2 평점은 상기 제1 클러스터들에 대해 획득된 상기 각 제공자의 제1 평점들의 평균일 수 있다.
상기 제1 평점은 상기 각 제공자의 초기 평점에 상기 각 제공자가 속하는 각 제1 클러스터에 속하는 제공자들의 초기 평점들 중 상기 각 제공자의 초기 평점을 제외한 초기 평점들의 평균을 차감함으로써 획득될 수 있다.
상기 각 제공자의 초기 평점은 상기 각 제공자에 의해 제공된 적어도 하나의 재화를 구입 또는 이용한 사용자들의 상기 각 제공자 및 상기 각 제공자에 의해 제공된 적어도 하나의 재화에 대한 평점들의 평균일 수 있다.
상기 하나 이상의 제공자들에 대해 획득된 제2 평점들 간의 유사도에 기반하여 상기 하나 이상의 제공자들 중 적어도 하나의 제공자 별로 상기 하나 이상의 제공자들에 의해 제공되는 상기 하나 이상의 재화들을 하나 이상의 제2 클러스터들로 클러스터링하는 단계;
상기 거래에 대한 평가 정보 획득 방법은 상기 제2 클러스터들의 각각 별로 상기 하나 이상의 재화들의 각 재화에 대한 제3 평점을 획득하는 단계를 더 포함할 수 있다.
상기 거래에 대한 평가 정보 획득 방법은 상기 제2 클러스터들에 대해 획득된 상기 각 재화의 제3 평점들에 기반하여 상기 각 재화에 대한 제4 평점을 계산하는 단계를 더 포함할 수 있다.
상기 제3 평점은 상기 제2 클러스터들의 각 제2 클러스터에 속하는 재화들 간의 비교에 기반한 상기 각 재화의 상대적인 평점일 수 있다.
상기 제4 평점은 상기 제2 클러스터들에 대해 획득된 상기 각 재화의 제3 평점들의 평균일 수 있다.
상기 제3 평점은 상기 각 재화의 초기 평점에 상기 각 재화가 속하는 각 제2 클러스터에 속하는 재화들의 초기 평점들 중 상기 각 재화의 초기 평점을 제외한 초기 평점들의 평균을 차감함으로써 획득될 수 있다.
상기 각 재화의 초기 평점은 상기 각 재화를 구입 또는 이용한 사용자들의 상기 각 재화에 대한 평점들의 평균일 수 있다.
상기 제2 클러스터들로 클러스터링하는 단계는 상기 하나 이상의 제공자들 중 상기 제2 평점들 간의 차이가 소정의 값 이하인 제공자들을 식별하는 단계를 포함할 수 있다.
상기 제2 클러스터들로 클러스터링하는 단계는 상기 식별된 제공자들에 의해 제공되는 재화들을 동일한 제2 클러스터로 클러스터링하는 단계를 포함할 수 있다.
상기 제1 클러스터들로 클러스터링하는 단계, 상기 제1 평점을 획득하는 단계, 상기 제2 평점을 계산하는 단계, 상기 제2 클러스터들로 클러스터링하는 단계, 상기 제3 평점을 획득하는 단계 및 상기 제4 평점을 계산하는 단계는 소정의 조건이 충족될 때까지 반복적으로 수행될 수 있다.
상기 제1 클러스터들로 클러스터링하는 단계는 상기 하나 이상의 재화들 중 상기 제4 평점들 간의 차이가 소정의 값 이하인 재화들을 식별하는 단계를 포함할 수 있다.
상기 제1 클러스터들로 클러스터링하는 단계는 상기 식별된 재화들을 제공하는 제공자들을 동일한 제1 클러스터로 클러스터링하는 단계를 포함할 수 있다.
상기 소정의 조건은 상기 제2 평점 또는 상기 제4 평점의 수렴일 수 있다.
상기 계산된 제2 평점은 최소-최대 정규화(min-max normalization) 알고리즘에 의해 정규화될 수 있다.
상기 거래에 대한 평가 정보 획득 방법은 상기 계산된 제2 평점을 출력하는 단계를 더 포함할 수 있다.
상기 계산된 제2 평점은 상기 각 제공자에 의해 제공된 적어도 하나의 재화를 구입 또는 이용한 사용자에 의한 상기 각 제공자에 의해 제공된 적어도 하나의 재화에 대한 평가가 배제된 상기 각 제공자에 대한 평점일 수 있다.
다른 일 측면에 있어서, 하나 이상의 재화들의 하나 이상의 제공자들 및 상기 하나 이상의 제공자들로부터 상기 하나 이상의 재화들을 제공받는 적어도 하나의 사용자 간의 거래에 대한 평가 정보를 획득하는 전자 장치에 있어서, 상기 하나 이상의 재화들의 각각 별로 상기 하나 이상의 제공자들을 하나 이상의 제1 클러스터들로 클러스터링(clustering)하고, 상기 제1 클러스터들의 각각 별로 상기 하나 이상의 제공자들의 각 제공자에 대한 제1 평점을 획득하고, 상기 제1 클러스터들에 대해 획득된 상기 각 제공자의 제1 평점들에 기반하여 상기 각 제공자에 대한 제2 평점을 계산하는 제어부; 및 상기 계산된 제2 평점을 출력하는 출력부를 포함하는, 전자 장치가 제공된다.
제공자에 대한 기존의 평점으로부터 재화에 대한 평점이 배제된 제공자 자체에 대한 평점 및 제공자에 대한 평점이 배제된 재화 자체에 대한 평점이 획득됨으로써 사용자에게 거래에 대한 보다 더 정확한 판단을 제공할 수 있는 방법 및 장치가 제공된다.
제공자에 대한 기존의 평점으로부터 분리하여 획득된 재화들에 대한 평점들 간의 유사도 및 제공자들에 대한 평점들 간의 유사도에 기반하여 재화들에 대한 평점들 및 제공자들에 대한 평점들이 반복적으로 계산됨으로써, 사용자에게 재화의 품질 및 제공자의 능력에 대한 보다 더 정확한 판단을 제공할 수 있는 방법 및 장치가 제공된다.
도 1은 일 실시예에 따른 전자 장치를 나타낸다.
도 2는 일 실시예에 따른 거래에 대한 평가 정보 획득 방법을 나타내는 블록도이다.
도 3은 일 예에 따른 하나 이상의 재화들을 제2 클러스터들로 클러스터링하는 방법을 나타내는 흐름도이다.
도 4는 일 예에 따른 하나 이상의 제공자들을 제1 클러스터들로 클러스터링하는 방법을 나타내는 흐름도이다.
도 5는 일 예에 따른 하나 이상의 제공자들을 제1 클러스터들로 클러스터링하는 방법을 나타낸다.
도 6은 일 예에 따른 제2 평점들을 비교하는 방법을 나타낸다.
도 7은 일 예에 따른 하나 이상의 재화들을 제2 클러스터들로 클러스터링하는 방법을 나타낸다.
도 8 내지 도 11은 일 예에 따른 거래에 대한 평가 정보 획득 방법 및 베이스라인을 사용한 거래에 대한 평가 정보 획득 방법 간의 시뮬레이션의 결과를 나타낸다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 전자 장치를 나타낸다.
도 1에는 하나 이상의 재화들의 하나 이상의 제공자들 및 상기 재화들을 제공받는 적어도 하나의 사용자 간의 거래에 대한 평가 정보를 획득하는 전자 장치(100)가 도시되었다.
사용자 및 제공자 간의 재화에 대한 거래는 전자 거래일 수 있다. 전자 거래는 거래의 전부 또는 일부가 전자 정보에 의해 이루어질 수 있는 거래를 의미할 수 있다. 전자 거래에서 사용되는 전자 정보는 컴퓨터 및 모바일 장치 등과 같은 전자적 단말 장치에 의해 작성 또는 판독될 수 있는 일련의 정보들일 수 있다.
거래의 대상이 되는 재화는 예컨대, 공산품과 같은 유형의 상품 또는 제품일 수 있다. 또는, 거래의 대상이 되는 재화는 무형의 가상 재화일 수 있다. 가상 재화는 물리적인 형태가 존재하지 않고, 디지털 데이터의 형태로 존재하는 재화일 수 있다. 가상 재화는 네트워크를 통해 유통될 수 있고, 사용자의 단말에 의해 접근될 수 있는 가상 경제 시장에서 소비될 수 있다. 예컨대, 가상 재화는 인터넷 상에서 사용자에게 유료 또는 무료로 제공되는 서비스 또는 콘텐츠를 포함할 수 있다.
사용자에 대한 제공자의 재화의 제공은 예컨대, 사용자에 대한 재화의 판매, 대여, 접근 허용 또는 사용 허용일 수 있다. 말하자면, 재화의 제공자는 재화의 판매자일 수 있고, 재화의 사용자는 재화의 소비자 또는 구매자일 수 있다.
사용자 및 제공자 간의 거래는 사용자에 의해 평가될 수 있다. 말하자면, 사용자는 제공자 및/또는 제공자에 의해 제공된 재화에 대해 평가할 수 있다. 예컨대, 사용자는 제공자 및/또는 제공자에 의해 제공된 재화에 대해 평점을 매길 수 있다.
전자 장치(100)는 제공자 및 제공자에 의해 제공된 재화에 대한 하나 이상의 사용자들의 평점에 기반하여, 재화에 대한 평가가 배제된 제공자에 대한 평점 또는 제공자에 대한 평가가 배제된 재화에 대한 평점을 획득할 수 있다. 예컨대, 전자 장치(100)는 전자 거래를 중개하는 서버, 상기 서버의 일부 또는 전자 거래에 대한 데이터를 수집하는 장치로서, 사용자들의 재화 및 재화의 제공자에 대한 일반적인 평점으로부터 제공자 자체의 평점 및 재화 자체의 평점을 분리할 수 있다.
전자 장치(100)는 제어부(110) 및 출력부(120)를 포함할 수 있다.
제어부(110)는 전자 장치(100)의 구성 요소들을 관리할 수 있고, 전자 장치(100)가 사용하는 프로그램 또는 어플리케이션을 실행할 수 있다. 제어부(110)는 프로그램의 실행 및 데이터의 처리 등에 필요한 연산을 처리하는 장치로서 예컨대, 전자 장치(100)의 적어도 하나의 프로세서(processor) 또는 프로세서 내의 적어도 하나의 코어(core)일 수 있다. 제어부(110)는 재화 및 재화의 제공자에 대한 사용자로부터의 일반적인 평점으로부터 제공자 자체의 평점 및 재화 자체의 평점을 분리함으로써 제공자 자체의 평점 및 재화 자체의 평점을 계산할 수 있다. 사용자들의 재화 및 재화의 제공자에 대한 일반적인 평점은 재화 및 재화의 제공자에 대한 사용자의 초기 평점일 수 있다.
제어부(110)는 출력부(120)를 통해 계산된 제공자 자체의 평점 및 재화 자체의 평점 중 적어도 하나를 출력할 수 있다. 출력부(120)는 사용자에 의해 식별 가능한 형태의 데이터로서 제공자 자체의 평점 및 재화 자체의 평점 중 적어도 하나를 출력할 수 있다. 예컨대, 출력되는 제공자 자체의 평점은 상품에 대한 평가가 배제된 판매자 평점일 수 있고, 출력되는 재화 자체의 평점은 판매자에 대한 평가가 배제된 상품 평점일 수 있다.
제어부(110)가 사용자의 초기 평점으로부터 제공자 자체의 평점 및 재화 자체의 평점을 분리하고 제공자 자체의 평점 및 재화 자체의 평점을 계산하는 방법에 대해서는 후술될 도 2 내지 도 7을 참조하여 더 자세하게 설명된다.
도 2는 일 실시예에 따른 거래에 대한 평가 정보 획득 방법을 나타내는 블록도이다.
도 2에는 도 1을 참조하여 전술된 전자 장치(100)의 제어부(110)가 제공자에 의해 제공되는 재화에 대한 평가가 배제된 제공자에 대한 평점 및 제공자에 대한 평가가 배제된 재화에 대한 평점을 계산하는 방법이 도시되었다.
아래의 설명에서, 동일한 재화에 대해 사용자들의 평가(또는 평점)는 유사한 것으로 가정될 수 있다. 예컨대, 2 이상의 사용자들이 동일한 재화를 제공하는 2 이상의 제공자들과 거래하는 경우에 있어서, 사용자들이 각각의 제공자와의 거래에 대해 상이한 평가를 내린다면 상기 평가의 차이는 제공자들의 간의 능력의 상대적인 차이를 의미할 수 있다. 말하자면, 동일한 재화를 제공하는 제공자들 간의 상대적인 평가는 제공자의 능력에 대한 사용자들의 평가의 척도가 될 수 있다.
단계(210)에서, 제어부(110)는 하나 이상의 제공자들에 의해 제공되는 하나 이상의 재화들의 각각 별로 하나 이상의 제공자들을 하나 이상의 제1 클러스터 들로 클러스터링(clustering)할 수 있다. 예컨대, 제어부(110)는 거래의 대상이 되는 재화들의 각 재화에 대해 상기 각 재화를 제공하는 제공자들을 제1 클러스터로 클러스터링할 수 있다.
제어부(110)가 재화들의 제공자들을 제1 클러스터들로 클러스터링하는 방법에 대해서는 후술될 도 4 및 도 5를 참조하여 더 자세하게 설명된다.
단계(220)에서, 제어부(110)는 제1 클러스터들의 각각 별로 하나 이상의 제공자들의 각 제공자에 대한 제1 평점을 획득할 수 있다. 예컨대, 제어부(110)는 각 재화에 대한 각각의 제1 클러스터에 속하는 제공자들의 각각에 대해 제1 평점을 계산할 수 있다.
단계(220)에서 획득되는 제1 평점은 제1 클러스터들의 각 제1 클러스터에 속하는 제공자들 간의 비교에 기반한 각 제공자의 상대적인 평점일 수 있다. 예컨대, 각 제공자의 제1 평점은 상기 각 제공자의 평점 및 상기 각 제공자가 속하는 제1 클러스터에 속하는 제공자들의 평점들 간의 비교에 기반한 상대적인 평점일 수 있다. 제1 평점은 소정의 값을 기준으로 결정될 수 있다. 예컨대, 제1 클러스터에 속하는 제공자들 중 평점이 가장 높은 제공자의 평점이 1로 가정될 수 있고, 상기 제1 클러스터내의 각 제공자의 제1 평점은 상기 가장 높은 제공자의 평점에 가까울 수록 1에 근접할 수 있다.
각 제공자의 제1 평점은 상기 각 제공자의 초기 평점에 상기 각 제공자가 속하는 각 제1 클러스터에 속하는 제공자들의 초기 평점들 중 상기 각 제공자의 초기 평점을 제외한 초기 평점들의 평균을 차감함으로써 획득될 수 있다.
예컨대, 제1 평점은 하기의 수학식 1에 의해 계산될 수 있다.
Figure pat00001
여기서, k는 1 이상의 정수로서 제1 클러스터들 중 k 번째 제1 클러스터를 의미할 수 있고, i는 1 이상의 정수로서 제공자들 중 i 번째 제공자를 의미할 수 있고, e' ik 는 k 번째 제1 클러스터의 i 번째 제공자의 제1 평점일 수 있고, e ik 는 k 번째 제1 클러스터의 i 번째 제공자의 초기 평점일 수 있고, E k 는 k 번째 제1 클러스터에 속하는 제공자들의 초기 평점들의 집합일 수 있다.
말하자면, 상기 수학식 1에 의해 k 번째 제1 클러스터의 i 번째 제공자의 제1 클러스터에 속하는 제공자들에 대한 상대적인 평점인 제1 평점 e' ik 가 계산될 수 있다.
각 제공자의 초기 평점은 각 제공자에 의해 제공된 적어도 하나의 재화를 구입 또는 이용한 사용자들의 상기 각 제공자 및 상기 재화에 대한 평점들의 평균일 수 있다. 각 제공자의 초기 평점은 전자 장치(100)에 의해 사전에 획득될 수 있다.
각 제공자의 초기 평점은 사용자들에 의한 일반적인 재화 및 재화의 제공자에 대한 평점으로서, 제공자 자체의 평점 및 재화 자체의 평점이 분리되지 않은 상기 각 제공자의 평점일 수 있다. 예컨대, 초기 평점은 온라인 마켓 내의 판매자로부터 재화를 구입한 구매자에 의한 판매자의 평점일 수 있다.
단계(230)에서, 제어부(110)는 제1 클러스터들에 대해 획득된 각 제공자의 제1 평점들에 기반하여 각 제공자에 대한 제2 평점을 계산할 수 있다. 말하자면, 제어부(110)는 각 제공자가 속하는 제1 클러스터들의 각각에 대해 제1 평점을 계산할 수 있고, 각 제공자가 속하는 제1 클러스터들에 대해 계산된 제1 평점들에 기반하여 상기 각 제공자의 제2 평점을 계산할 수 있다.
예컨대, 제2 평점은 제1 클러스터들에 대해 획득된 각 제공자의 제1 평점들의 평균일 수 있다. 제2 평점은 하기의 수학식 2에 의해 계산될 수 있다.
Figure pat00002
여기서 S는 제공자들의 집합일 수 있고, C S 는 제공자들이 속하는 제1 클러스터들의 집합일 수 있고, e' i 는 제2 평점일 수 있다. 제2 평점은 상기 수학식 2에 의해 제공자들의 각각에 대해 계산될 수 있다.
계산된 제2 평점은 정규화될 수 있다. 예컨대, 계산된 제2 평점은 최소-최대 정규화(min-max normalization) 알고리즘에 의해 정규화될 수 있고, 0 내지 1의 값을 가질 수 있다.
단계(240)에서, 제어부(110)는 하나 이상의 제공자들에 대해 획득된 제2 평점들 간의 유사도에 기반하여 하나 이상의 제공자들 중 적어도 하나의 제공자 별로 하나 이상의 제공자들에 의해 제공되는 하나 이상의 재화들을 하나 이상의 제2 클러스터들로 클러스터링할 수 있다. 예컨대, 제어부(110)는 단계(230)에서 계산된 제공자들의 제2 평점들을 비교할 수 있고, 비교의 결과에 따라 제2 평점들 간의 유사도가 소정의 값 이상인 제공자들에 의해 제공되는 재화들을 동일한 제2 클러스터로 클러스터링할 수 있다. 또한, 제어부(110)는 제2 평점들 간의 유사도가 소정의 값 미만인 제공자들의 각각에 의해 제공되는 재화들을 각각의 제2 클러스터로 클러스터링할 수 있다.
제어부(110)가 제공자들에 의해 제공되는 재화들을 제2 클러스터들로 클러스터링하는 방법에 대해서는 후술될 도 3, 도 6 및 도 7을 참조하여 더 자세하게 설명된다.
단계(250)에서, 제어부(110)는 제2 클러스터들의 각각 별로 하나 이상의 재화들의 각 재화에 대한 제3 평점을 획득할 수 있다. 예컨대, 제어부(110)는 각각의 제2 클러스터에 속하는 재화들의 각각에 대해 제3 평점을 계산할 수 있다.
단계(250)에서 획득되는 제3 평점은 제2 클러스터들의 각 제2 클러스터에 속하는 재화들 간의 비교에 기반한 각 재화의 상대적인 평점일 수 있다. 예컨대, 각 재화의 제3 평점은 상기 각 재화의 평점 및 상기 각 재화가 속하는 제2 클러스터에 속하는 재화들의 평점들 간의 비교에 기반한 상대적인 평점일 수 있다. 제3 평점 또한 단계(220)에서 획득된 제1 평점과 마찬가지로 소정의 값을 기준으로 결정될 수 있다.
각 재화의 제3 평점은 상기 각 재화의 초기 평점에 상기 각 재화가 속하는 각 제2 클러스터에 속하는 재화들의 초기 평점들 중 상기 각 재화의 초기 평점을 제외한 초기 평점들의 평균을 차감함으로써 획득될 수 있다. 예컨대, 제3 평점은 전술된 수학식 1에 의해 계산되는 제1 평점과 유사한 방식으로 계산될 수 있다. 따라서, 중복되는 설명은 생략한다.
각 재화의 초기 평점은 각 재화를 구입 또는 이용한 사용자들의 상기 각 재화에 대한 평점들의 평균일 수 있다. 각 재화의 초기 평점은 전자 장치(100)에 의해 사전에 획득될 수 있다.
각 재화의 초기 평점은 사용자들에 의한 제공자들로부터 제공된 재화에 대한 일반적인 선호도 또는 만족도일 수 있다. 각 재화의 초기 평점은 제공자 자체의 평점 및 재화 자체의 평점이 분리되지 않은 상기 각 재화의 평점일 수 있다. 예컨대, 초기 평점은 온라인 마켓 내의 판매자로부터 재화를 구입한 구매자에 의한 재화의 평점일 수 있다.
단계(260)에서, 제어부(110)는 제2 클러스터들에 대해 획득된 각 재화의 제3 평점들에 기반하여 상기 각 재화에 대한 제4 평점을 계산할 수 있다. 말하자면, 제어부(110)는 각 재화가 속하는 제2 클러스터들의 각각에 대해 제3 평점을 계산할 수 있고, 각 재화가 속하는 제2 클러스터들에 대해 계산된 제3 평점들에 기반하여 상기 각 재화의 제4 평점을 계산할 수 있다.
예컨대, 제4 평점은 제2 클러스터들에 대해 획득된 각 재화의 제3 평점들의 평균일 수 있다. 제4 평점은 전술된 수학식 2에 의해 계산되는 제2 평점과 유사한 방식으로 계산될 수 있다. 따라서, 중복되는 설명은 생략한다. 또한, 제2 평점과 마찬가지로 계산된 제4 평점은 정규화될 수 있다.
전술된 단계들(210 내지 260)은 소정의 조건이 충족될 때까지 반복적으로 수행될 수 있다. 말하자면, 단계(270)에서, 제어부(110)는 단계(260)가 수행된 후 소정의 조건이 만족되는 경우 다시 단계들(210 내지 260)을 수행할 수 있다.
단계들(210 내지 260)의 반복 수행을 위한 소정의 조건은 예컨대, 단계(220)에서 계산된 제2 평점 또는 단계(260)에서 계산된 제4 평점의 수렴일 수 있다. 예컨대, 단계들(210 내지 260)은 이전의 반복 주기에서 계산된 제2 평점(또는 제4 평점) 및 이번 금번 반복 주기에서 계산된 제2 평점(또는 제4 평점) 간의 차이가 소정의 값 이하가 될 때까지 반복적으로 수행될 수 있다.
단계(280)에서, 제어부(110)는 출력부(120)를 통해 계산된 제2 평점 및 제4 평점 중 적어도 하나를 출력할 수 있다. 예컨대, 제어부(110)는 출력부(120)를 통해 단계들(210 내지 260)의 반복 수행에 의해 획득된 최종적인 제공자들에 대한 제2 평점들 및 재화들에 대한 제4 평점들을 출력할 수 있다. 또는, 도시된 것과는 달리 제어부(110)는 출력부(120)를 통해 제공자들에 대한 제2 평점들 및 재화들에 대한 제4 평점들이 계산될 때마다 제2 평점들 및 제4 평점들을 출력할 수 있다.
계산된 또는 출력된 각 제공자의 제2 평점은 각 제공자에 의해 제공된 적어도 하나의 재화를 구입 또는 이용한 사용자에 의한 상기 각 제공자에 의해 제공된 적어도 하나의 재화에 대한 평가가 배제된 상기 각 제공자에 대한 평점일 수 있다. 또한, 계산된 또는 출력된 각 재화의 제4 평점은 상기 각 재화를 구입 또는 이용한 사용자에 의한 상기 각 재화를 제공한 적어도 하나의 제공자에 대한 평가가 배제된 상기 각 제화에 대한 평점일 수 있다.
앞서 도 1을 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
도 3은 일 예에 따른 하나 이상의 재화들을 제2 클러스터들로 클러스터링하는 방법을 나타내는 흐름도이다.
도 3에는 도 2를 참조하여 전술된 하나 이상의 재화들을 하나 이상의 제2 클러스터들로 클러스터링하는 방법이 도시되었다. 후술될 단계들(310 및 320)은 단계(240)에 포함될 수 있다.
단계(310)에서, 제어부(110)는 하나 이상의 제공자들 중 제2 평점들 간의 차이가 소정의 값 이하인 제공자들을 식별할 수 있다. 말하자면, 제어부(110)는 제공자들 각각의 제2 평점들을 비교하여 제2 평점들 간의 차이가 소정의 값 이하가 되는 제공자들을 식별할 수 있다. 이 때, 제2 평점들 간의 차이가 소정의 값 이하인 제공자들은 동일한 판매자로 간주될 수 있다. 소정의 값은 제어부(110)에 의해 기 결정된 값일 수 있다. 예컨대, 소정의 값은 전자 장치(100)의 운영자에 의해 입력된 값일 수 있다.
단계(320)에서, 제어부(110)는 식별된 제공자들에 의해 제공되는 재화들을 동일한 제2 클러스터로 클러스터링할 수 있다. 말하자면, 제어부(110)는 제2 평점들 간의 차이가 소정의 값 이하가 되는 제공자들에 의해 제공되는 재화들을 제2 클러스터로 클러스터링할 수 있다.
제어부(110)는 단계(320)의 제2 클러스터들의 각각 별로 각 재화에 대한 제3 평점을 획득할 수 있고, 제2 클러스터들에 대해 획득된 제3 평점들에 기반하여 제4 평점을 계산할 수 있다. 단계들(310 및 320)에 의해 복수의 제공자들에 의해 제공되는 재화들에 대해 각 재화의 상대적인 평점을 계산할 수 있으므로, 상품 자체에 대해 더 정확한 평점이 계산될 수 있다.
재화들의 계산된 제4 평점들은 단계(210)의 제공자들의 제1 클러스터들로의 클러스터링을 위해 사용될 수 있다.
제2 평점들 간의 차이가 소정의 값 이하가 되는 제공자들을 식별하고 식별된 제공자들에 의해 제공되는 재화들을 동일한 제2 클러스터로 클러스터링하는 방법에 대해서는 후술될 도 6 및 도 7을 참조하여 더 자세하게 설명된다.
앞서 도 1 및 도 2를 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
도 4는 일 예에 따른 하나 이상의 제공자들을 제1 클러스터들로 클러스터링하는 방법을 나타내는 흐름도이다.
도 2를 참조하여 전술된 하나 이상의 제공자들을 하나 이상의 제1 클러스터 들로 클러스터링하는 방법이 도시되었다. 후술될 단계들(410 및 420)은 단계(210)에 포함될 수 있다.
단계(410)에서, 제어부(110)는 하나 이상의 재화들 중 제4 평점들 간의 차이가 소정의 값 이하인 재화들을 식별할 수 있다. 말하자면, 제어부(110)는 재화들 각각의 제4 평점들을 비교하여 제2 평점들 간의 차이가 소정의 값 이하가 되는 재화들을 식별할 수 있다. 이 때, 제4 평점들 간의 차이가 소정의 값 이하인 재화들은 동일한 재화로 간주될 수 있다. 소정의 값은 제어부(110)에 의해 기 결정된 값일 수 있다. 예컨대, 소정의 값은 전자 장치(100)의 운영자에 의해 입력된 값일 수 있다.
단계(420)에서, 제어부(110)는 식별된 재화들을 제공하는 제공자들을 동일한 제1 클러스터로 클러스터링할 수 있다. 말하자면, 제어부(110)는 제4 평점들 간의 차이가 소정의 값 이하가 되는 재화들을 의해 제공하는 제공자들을 동일한 제1 클러스터로 클러스터링할 수 있다.
제어부(110)는 단계(420)의 제1 클러스터들의 각각 별로 각 재화에 대한 제1 평점을 획득할 수 있고, 제1 클러스터들에 대해 획득된 제1 평점들에 기반하여 제2 평점을 계산할 수 있다. 단계들(410 및 420)에 의해 복수의 재화들에 대해 이들을 제공하는 제공자들의 각 제공자의 상대적인 평점을 계산할 수 있으므로, 제공자 자체에 대해 더 정확한 평점이 계산될 수 있다.
재화들의 계산된 제2 평점들은 단계(240)의 재화들의 제2 클러스터들로의 클러스터링을 위해 사용될 수 있다.
앞서 도 1 내지 도 3을 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
도 5는 일 예에 따른 하나 이상의 제공자들을 제1 클러스터들로 클러스터링하는 방법을 나타낸다.
도 5에는 재화들(m 1 내지 m 5 ) 및 재화들(m 1 내지 m 5 )의 제공자들(s 1 내지 s 5 )과 각 재화 별로 각 재화를 제공하는 제공자들(s 1 내지 s 5 )이 제1 클러스터들(510-1 내지 510-5)로 클러스터링 되는 방법이 도시되었다.
예컨대, 재화(m 1 )를 제공하는 제공자들(s 1 , s 2 및 s 3 )은 제1 클러스터(510-1)로 클러스터링될 수 있다. 도 2를 참조하여 전술된 수학식 1에 기반하여, 제1 클러스터들(510-1, 510-2 및 510-3)에서의 제공자(s 1 )의 제1 평점들이 계산될 수 있고, 수학식 2에 기반하여, 계산된 제1 평점들의 평균으로서 제공자(s 1 )의 제2 평점이 계산될 수 있다.
다른 제공자들에 대해서도, 제2 평점은 유사한 방식으로 계산될 수 있다. 따라서 중복되는 설명은 생략한다.
계산된 제공자들(s 1 내지 s 5 )의 제2 평점들은 제공자들(s 1 내지 s 5 )에 대한 재화들(m 1 내지 m 5 )의 제2 클러스터들로의 클러스터링을 위해 사용될 수 있다.
앞서 도 1 내지 도 4를 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
도 6은 일 예에 따른 제2 평점들을 비교하는 방법을 나타낸다.
도 6에는 도 5를 참조하여 전술된 제공자들(s 1 내지 s 5 )의 제2 평점들의 각각이 도시되었다. 도시된 제2 평점들은 0 이상 1 이하의 값들로 정규화될 수 있다.
예컨대, 제공자들(s 1 , s 2 , s 3 , s 4 및 s 5 )의 제2 평점들은 0, 0.2, 0.23, 0.32 및 1에 각각 대응할 수 있다.
제어부(110)는 기 결정된 소정의 임계 값(ε) 이하의 차이를 갖는 제2 평점들 및 상기 제2 평점들에 대응하는 제공자들을 식별할 수 있다. 예컨대, 제어부(110)는 ε가 0.05인 경우, 제공자들(s 1 및 s 3 )을 ε 이하의 차이를 갖는 제2 평점들에 대응하는 제공자들로서 식별할 수 있다.
제어부(110)는 식별된 제공자들(s 1 및 s 3 )을 동일한 제공자로 식별할 수 있고, 제공자들(s 1 및 s 3 )에 의해 제공되는 재화들을 동일한 제2 클러스터로 클러스터링할 수 있다.
제어부(110)가 재화들(m 1 내지 m 5 )을 제2 클러스터들로 클러스터링하는 방법에 대해서는 후술될 도 7을 참조하여 더 자세하게 설명된다.
유사하게, 제어부(110)는 제2 평점들을 비교할 수 있다. 예컨대, 제어부(110)는 기 결정된 소정의 임계 값(ε) 이하의 차이를 갖는 제4 평점들 및 상기 제4 평점들에 대응하는 재화들을 식별할 수 있다. 제어부(110)는 식별된 재화들을 동일한 재화로서 식별할 수 있고, 식별된 재화들을 제공하는 제공자들을 동일한 제1 클러스터로 클러스터링할 수 있다. 말하자면, 도 5를 참조하여 전술된 제공자들의 제1 클러스터들로의 클러스터링은 제4 평점들 간의 비교에 기반하여 다시 수행될 수 있다.
앞서 도 1 내지 도 5를 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
도 7은 일 예에 따른 하나 이상의 재화들을 제2 클러스터들로 클러스터링하는 방법을 나타낸다.
도 7에는 도 5를 참조하여 전술된 재화들(m 1 내지 m 5 ) 및 제공자들(s 1 내지 s 5 )에 대해, 도 6을 참조하여 전술된 제2 평점들 간의 비교에 기반하여 제공자들(s 1 내지 s 5 )이 제2 클러스터들(710-1 내지 710-4)로 클러스터링되는 방법이 도시되었다.
소정의 임계 값 ε는 0.05로 가정되었다.
예컨대, 제공자들(s 1 및 s 3 )의 제2 평점들(0.2 및 0.23) 간의 차이는 0.05보다 작으므로 제공자들(s 1 및 s 3 )은 동일한 제공자로서 간주될 수 있다. 제어부(110)는 제공자들(s 1 및 s 3 )에 의해 제공되는 재화들(m 1 내지 m 5 )을 제2 클러스터(710-1)로 클러스터링할 수 있다.
제2 평점들 간의 차이가 0.05보다 큰 나머지 제공자들(s 1 , s 2 및 s 3 )은 제공자들(s 1 , s 2 및 s 3 )의 각각 별로 각 제공자에 의해 제공되는 재화들이 동일한 제2 클러스터로 클러스터링될 수 있다.
도 2를 참조하여 전술된 제1 평점들이 계산되는 방법과 유사하게, 제2 클러스터들(710-1, 710-2 및 710-3)에서의 재화(m 1 )의 제3 평점들이 계산될 수 있고, 제2 평점이 계산되는 방법과 유사하게, 계산된 제3 평점들의 평균으로서 재화(m 1 )의 제4 평점이 계산될 수 있다.
다른 재화들에 대해서도, 제4 평점은 유사한 방식으로 계산될 수 있다. 따라서 중복되는 설명은 생략한다.
계산된 재화들(m 1 내지 m 5 )의 제4 평점들은 재화들(m 1 내지 m 5 )에 대한 제공자들(s 1 내지 s 5 )의 제1 클러스터들로의 클러스터링을 위해 사용될 수 있다.
앞서 도 1 내지 도 6을 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
도 8 내지 도 11은 일 예에 따른 거래에 대한 평가 정보 획득 방법 및 베이스라인을 사용한 거래에 대한 평가 정보 획득 방법 간의 시뮬레이션의 결과를 나타낸다.
도 8 내지 도 11은 제공자들 및 사용자들 간의 거래에 대한 평점의 평균에 기반하여 제공자들의 평점을 계산하는 방법을 베이스라인으로 하고, 상기 베이스라인 및 도 1 내지 도 7을 참조하여 전술된 제공자의 평점 계산 방법 간의 정확도를 비교하는 시뮬레이션의 결과를 나타낸다. 실시예의 제공자의 평점 계산 방법은 평정 분리(SepaRating; SR) 방법에 기반한 제공자의 평점 계산 방법일 수 있다.
베이스 라인 및 실시예의 제공자의 평점 계산 방법 간의 정확도 비교를 위해 스피어만의 상관계수(spearman's correlation coefficient)를 사용할 수 있다.
시뮬레이션에서는 2개의 서로 상이한 파라미터 세트가 사용되었다. 첫 번째 파라미터 세트는 재화 1,000개, 재화의 제공자 500명, 사용자 5,000명 및 전체 거래 일수 300일로 구성될 수 있다. 두 번째 파라미터 세트는 재화 2,000개, 재화의 제공자 1,000명, 사용자 10,000명, 전체 거래 일수 300일로 구성될 수 있다. 사용자는 1일 1회만 거래할 수 있는 것으로 가정될 수 있다.
시뮬레이션의 결과에 의한 제공자들의 순위가 기 결정된 제공자들의 순위와 완전히 일치하는 경우 스피어만의 상관계수는 1일 수 있고, 시뮬레이션의 결과에 의한 제공자들의 순위 및 기 결정된 제공자들의 순위 간의 상관관계가 전혀 없는 경우 스피어만의 상관계수는 0일 수 있고, 시뮬레이션의 결과에 의한 제공자들의 순위 및 기 결정된 제공자들의 순위가 정반대인 경우 스피어만의 상관계수는 -1일 수 있다.
도 8 및 도 9는 첫 번째 파라미터 세트 및 두 번째 파라미터 세트에 대한 베이스라인 및 실시예의 제공자의 평점 계산 방법 간의 비교의 결과를 나타낸다.
도 8 및 도 9에서 베이스 라인에 비해 실시예의 제공자의 평점 계산 방법이 스피어만의 상관계수가 훨씬 더 1에 가깝게 나타남을 확인할 수 있다.
도 10 및 도 11은 각각 첫 번째 파라미터 세트 및 두 번째 파라미터 세트에 대한 도 2를 참조하여 전술된 실시예의 제공자의 평점 및 재화의 평점의 계산의 반복 수행 횟수에 따른 스피어만의 상관계수의 변화를 나타낸다. 도 10 및 도 11에서 제공자의 평점 및 재화의 평점의 계산의 반복적으로 수행됨에 따라 스피어만의 상관계수가 점점 1에 가까워짐을 확인할 수 있다.
앞서 도 1 내지 도 7을 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 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 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
100: 전자 장치
110: 제어부
120: 출력부
510-1: 제1 클러스터
710-1: 제2 클러스터

Claims (14)

  1. 하나 이상의 재화들의 하나 이상의 제공자들 및 상기 하나 이상의 제공자들로부터 상기 하나 이상의 재화들을 제공받는 적어도 하나의 사용자 간의 거래에 대한 평가 정보를 획득하는 방법에 있어서,
    상기 하나 이상의 재화들의 각각 별로 상기 하나 이상의 제공자들을 하나 이상의 제1 클러스터들로 클러스터링(clustering)하는 단계;
    상기 제1 클러스터들의 각각 별로 상기 하나 이상의 제공자들의 각 제공자에 대한 제1 평점을 획득하는 단계; 및
    상기 제1 클러스터들에 대해 획득된 상기 각 제공자의 제1 평점들에 기반하여 상기 각 제공자에 대한 제2 평점을 계산하는 단계
    를 포함하는, 거래에 대한 평가 정보 획득 방법.
  2. 제1항에 있어서,
    상기 제1 평점은 상기 제1 클러스터들의 각 제1 클러스터에 속하는 제공자들 간의 비교에 기반한 상기 각 제공자의 상대적인 평점이고,
    상기 제2 평점은 상기 제1 클러스터들에 대해 획득된 상기 각 제공자의 제1 평점들의 평균인, 거래에 대한 평가 정보 획득 방법.
  3. 제1항에 있어서,
    상기 제1 평점은 상기 각 제공자의 초기 평점에 상기 각 제공자가 속하는 각 제1 클러스터에 속하는 제공자들의 초기 평점들 중 상기 각 제공자의 초기 평점을 제외한 초기 평점들의 평균을 차감함으로써 획득되는, 거래에 대한 평가 정보 획득 방법.
  4. 제3항에 있어서,
    상기 각 제공자의 초기 평점은 상기 각 제공자에 의해 제공된 적어도 하나의 재화를 구입 또는 이용한 사용자들의 상기 각 제공자 및 상기 각 제공자에 의해 제공된 적어도 하나의 재화에 대한 평점들의 평균인, 거래에 대한 평가 정보 획득 방법.
  5. 제1항에 있어서,
    상기 하나 이상의 제공자들에 대해 획득된 제2 평점들 간의 유사도에 기반하여 상기 하나 이상의 제공자들 중 적어도 하나의 제공자 별로 상기 하나 이상의 제공자들에 의해 제공되는 상기 하나 이상의 재화들을 하나 이상의 제2 클러스터들로 클러스터링하는 단계;
    상기 제2 클러스터들의 각각 별로 상기 하나 이상의 재화들의 각 재화에 대한 제3 평점을 획득하는 단계; 및
    상기 제2 클러스터들에 대해 획득된 상기 각 재화의 제3 평점들에 기반하여 상기 각 재화에 대한 제4 평점을 계산하는 단계
    를 더 포함하는, 거래에 대한 평가 정보 획득 방법.
  6. 제5항에 있어서,
    상기 제3 평점은 상기 제2 클러스터들의 각 제2 클러스터에 속하는 재화들 간의 비교에 기반한 상기 각 재화의 상대적인 평점이고,
    상기 제4 평점은 상기 제2 클러스터들에 대해 획득된 상기 각 재화의 제3 평점들의 평균인, 거래에 대한 평가 정보 획득 방법.
  7. 제5항에 있어서,
    상기 제3 평점은 상기 각 재화의 초기 평점에 상기 각 재화가 속하는 각 제2 클러스터에 속하는 재화들의 초기 평점들 중 상기 각 재화의 초기 평점을 제외한 초기 평점들의 평균을 차감함으로써 획득되는, 거래에 대한 평가 정보 획득 방법.
  8. 제7항에 있어서,
    상기 각 재화의 초기 평점은 상기 각 재화를 구입 또는 이용한 사용자들의 상기 각 재화에 대한 평점들의 평균인, 거래에 대한 평가 정보 획득 방법.
  9. 제5항에 있어서,
    상기 제2 클러스터들로 클러스터링하는 단계는
    상기 하나 이상의 제공자들 중 상기 제2 평점들 간의 차이가 소정의 값 이하인 제공자들을 식별하는 단계; 및
    상기 식별된 제공자들에 의해 제공되는 재화들을 동일한 제2 클러스터로 클러스터링하는 단계
    를 포함하는, 거래에 대한 평가 정보 획득 방법.
  10. 제5항에 있어서,
    상기 제1 클러스터들로 클러스터링하는 단계, 상기 제1 평점을 획득하는 단계, 상기 제2 평점을 계산하는 단계, 상기 제2 클러스터들로 클러스터링하는 단계, 상기 제3 평점을 획득하는 단계 및 상기 제4 평점을 계산하는 단계는 소정의 조건이 충족될 때까지 반복적으로 수행되는, 거래에 대한 평가 정보 획득 방법.
  11. 제10항에 있어서,
    상기 제1 클러스터들로 클러스터링하는 단계는
    상기 하나 이상의 재화들 중 상기 제4 평점들 간의 차이가 소정의 값 이하인 재화들을 식별하는 단계; 및
    상기 식별된 재화들을 제공하는 제공자들을 동일한 제1 클러스터로 클러스터링하는 단계
    를 포함하는, 거래에 대한 평가 정보 획득 방법.
  12. 제10항에 있어서,
    상기 소정의 조건은 상기 제2 평점 또는 상기 제4 평점의 수렴인, 거래에 대한 평가 정보 획득 방법.
  13. 제1항에 있어서,
    상기 계산된 제2 평점은 상기 각 제공자에 의해 제공된 적어도 하나의 재화를 구입 또는 이용한 사용자에 의한 상기 각 제공자에 의해 제공된 적어도 하나의 재화에 대한 평가가 배제된 상기 각 제공자에 대한 평점인, 거래에 대한 평가 정보 획득 방법.
  14. 하나 이상의 재화들의 하나 이상의 제공자들 및 상기 하나 이상의 제공자들로부터 상기 하나 이상의 재화들을 제공받는 적어도 하나의 사용자 간의 거래에 대한 평가 정보를 획득하는 전자 장치에 있어서,
    상기 하나 이상의 재화들의 각각 별로 상기 하나 이상의 제공자들을 하나 이상의 제1 클러스터들로 클러스터링(clustering)하고, 상기 제1 클러스터들의 각각 별로 상기 하나 이상의 제공자들의 각 제공자에 대한 제1 평점을 획득하고, 상기 제1 클러스터들에 대해 획득된 상기 각 제공자의 제1 평점들에 기반하여 상기 각 제공자에 대한 제2 평점을 계산하는 제어부; 및
    상기 계산된 제2 평점을 출력하는 출력부
    를 포함하는, 전자 장치.
KR1020140034590A 2014-03-25 2014-03-25 평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치 KR101632481B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140034590A KR101632481B1 (ko) 2014-03-25 2014-03-25 평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140034590A KR101632481B1 (ko) 2014-03-25 2014-03-25 평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20150111113A true KR20150111113A (ko) 2015-10-05
KR101632481B1 KR101632481B1 (ko) 2016-06-21

Family

ID=54344407

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140034590A KR101632481B1 (ko) 2014-03-25 2014-03-25 평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101632481B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018164392A1 (ko) * 2017-03-07 2018-09-13 넷마블게임즈 주식회사 게임 콘텐츠 평점 산정을 위한 방법 및 이를 수행하는 서버

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003006375A (ja) * 2001-06-21 2003-01-10 Toshisato Nakamura 評価流通方法
JP2009157907A (ja) * 2007-12-03 2009-07-16 Sony Corp 情報処理装置および方法、並びに、プログラム
KR20120047079A (ko) * 2010-11-03 2012-05-11 엔에이치엔(주) 집단지성을 이용한 추천 시스템 및 방법
KR20130128145A (ko) * 2012-05-16 2013-11-26 주식회사 그래픽리포트 콘텐츠 평가 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003006375A (ja) * 2001-06-21 2003-01-10 Toshisato Nakamura 評価流通方法
JP2009157907A (ja) * 2007-12-03 2009-07-16 Sony Corp 情報処理装置および方法、並びに、プログラム
KR20120047079A (ko) * 2010-11-03 2012-05-11 엔에이치엔(주) 집단지성을 이용한 추천 시스템 및 방법
KR20130128145A (ko) * 2012-05-16 2013-11-26 주식회사 그래픽리포트 콘텐츠 평가 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018164392A1 (ko) * 2017-03-07 2018-09-13 넷마블게임즈 주식회사 게임 콘텐츠 평점 산정을 위한 방법 및 이를 수행하는 서버
KR20180102407A (ko) * 2017-03-07 2018-09-17 넷마블 주식회사 게임 콘텐츠 평점 산정을 위한 방법 및 이를 수행하는 서버

Also Published As

Publication number Publication date
KR101632481B1 (ko) 2016-06-21

Similar Documents

Publication Publication Date Title
US20180096073A1 (en) Recommendations Based On User Preference And Activities
Zou et al. A rough set based approach to distributor selection in supply chain management
CN110717824A (zh) 基于知识图谱的银行对公客群风险传导测算的方法及装置
US20140100989A1 (en) Systems and methods for deetermining a fair price range for commodities
US20210241293A1 (en) Apparatuses, computer-implemented methods, and computer program products for improved model-based determinations
KR101567684B1 (ko) 협업필터링 기반의 상품 추천 시스템에서 추천 기법을 선택하는 방법
US20180240040A1 (en) Training and estimation of selection behavior of target
KR102097045B1 (ko) 사용자의 특성을 반영하여 상품을 추천하는 방법 및 장치
JP2024512076A (ja) 資産クラス裏付けされたトークン化プラットフォーム
Raval et al. A semiparametric discrete choice model: An application to hospital mergers
Marcos de Moraes et al. A double weighted fuzzy gamma naive bayes classifier
US11042540B2 (en) Determining whether to take an action by applying a metric calculated using natural language processing tokens
CN114997916A (zh) 潜在用户的预测方法、系统、电子设备和存储介质
Ramasubramanian et al. Machine learning model evaluation
KR101632481B1 (ko) 평점 분리 기법에 기반한 재화의 제공자에 대한 평가 정보 획득 방법 및 장치
CN112991026A (zh) 一种商品推荐方法、系统、设备及计算机可读存储介质
KR102038957B1 (ko) 게임 어뷰저 검출 방법 및 장치
KR101409273B1 (ko) 사용자의 구매 영향력 지수를 산출하는 방법 및 장치
KR102421684B1 (ko) 인공지능 기반 온라인 상의 판매대상 아이템 도출 방법, 장치 및 시스템
CN111144899A (zh) 识别虚假交易的方法及装置和电子设备
US20230230143A1 (en) Product recommendation system, product recommendation method, and recordingmedium storing product recommendation program
Motai et al. Cloud colonography: distributed medical testbed over cloud
CN112488355A (zh) 基于图神经网络预测用户评级的方法和装置
Chen et al. Simple nonparametric estimators for the bid-ask spread in the Roll model
WO2017116311A1 (en) Method of detecting fraud in procurement and system thereof

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190415

Year of fee payment: 4