KR20150138529A - 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법 - Google Patents

데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법 Download PDF

Info

Publication number
KR20150138529A
KR20150138529A KR1020140065324A KR20140065324A KR20150138529A KR 20150138529 A KR20150138529 A KR 20150138529A KR 1020140065324 A KR1020140065324 A KR 1020140065324A KR 20140065324 A KR20140065324 A KR 20140065324A KR 20150138529 A KR20150138529 A KR 20150138529A
Authority
KR
South Korea
Prior art keywords
travel
traveler
propensity
product
filtering
Prior art date
Application number
KR1020140065324A
Other languages
English (en)
Inventor
김성욱
Original Assignee
(주) 도래소프트
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 (주) 도래소프트 filed Critical (주) 도래소프트
Priority to KR1020140065324A priority Critical patent/KR20150138529A/ko
Publication of KR20150138529A publication Critical patent/KR20150138529A/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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies

Landscapes

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

Abstract

본 발명은 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법에 관한 것으로서, 여행상품의 일정(日程)을 구성하고 있는 속성을 수치화하여 구성비형태로 나타낸 여행상품 메타데이터를 생성하는 여행상품 메타데이터 생성부와, 여행자의 구매내역을 메타데이터와 비교하여 여행자의 구매성향을 파악하는, 즉 여행자 프로파일을 생성하는 여행자 프로파일 생성부와, 여행자 프로파일을 근거로 여행자간 유사도분석을 통해 유사 여행자를 군집화하고, 해당 군집에 속한 여행자들의 선호상품을 추출하는 여행자 클러스터링부와, 여행조건 정보와 여행성향 정보에 대응하여 선호상품을 추천하는 여행상품 추천부를 포함한다. 본 발명에 따르면, 여행자의 구매내역을 바탕으로 하여 최적의 여행상품을 추천할 수 있으므로 고객만족도 및 추천만족도를 향상시킬 수 있다.

Description

데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법{SYSTEM AND METHOD FOR RECOMMENDING TOUR ITEMS BY DATA MINING}
본 발명은 여행상품 추천 시스템 및 방법에 관한 것으로, 더욱 상세하게는 여행상품 메타데이터 및 여행자 클러스터링을 통해 여행조건과 여행성향에 대응하여 최적의 여행상품을 추천하는 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법에 관한 것이다.
여행은 현재의 거주지를 떠나 낯선 곳을 돌아다녀야 하므로 사전 조사가 철저히 이루어져야 한다.
그런데, 개인적으로 여행지를 철저히 조사하는 것은 많은 시간과 노력을 필요로 한다.
이에 여행지에 대해 많은 정보를 가지고 있는 여행사를 이용하는 경우가 대부분이다. 즉, 여행사에서 추천하는 여행상품 중에서 원하는 여행상품을 선택하는 방법을 이용하게 된다. 또한, 여행사에서는 비자관련 업무 뿐 아니라, 항공권 판매, 패키지 여행상품 판매, 현지 가이드 연결 등의 업무를 수행하고 있으므로, 그 편의성 때문에 이용하기도 한다.
그런데, 여행사에서 추천하는 여행상품에는 자신의 취향과 맞지 않는 여행상품이 포함될 수도 있다.
이러한 단점을 보완하기 위해, 여행자의 여행성향을 분석하여 여행상품을 추천하는 "여행 상품 추천 시스템 및 그 여행 상품 추천 방법"이 제안된 바 있다.
그러나, 이 기술은 질의를 통해 여행자의 여행성향을 분석하므로 질의에 대응한 답변에 따라 여행성향 분석결과의 편차가 크게 발생한다는 단점이 있으며, 질의에 대한 답변 과정이 번거롭다는 문제가 있다. 또한, 이 기술은 선호하거나 싫어하는 여행상품을 필터링하는 과정에 대한 구체적인 알고리즘을 제시하지 못하고 있다.
대한민국 등록특허공보 제10-1086200호(공고일 2011.11.23.)
따라서, 본 발명은 상기한 종래 기술의 문제점을 해결하기 위해 이루어진 것으로서, 본 발명의 목적은 여행상품을 구성하고 있는 속성을 분석하여 여행상품 메타데이터를 만들고, 이를 토대로 여행자의 여행상품 구매내역을 분석하여 여행자의 구매성향을 파악하고, 여행자의 여행상품 구매성향에 근거하여 유사 여행자 클러스터링을 수행하며, 여행조건 정보(선호지역, 여행일수, 동반구분, 여행테마)와 여행성향 정보(휴양, 자연경관, 유원지, 체험, 액티비티, 시티투어, 문화예술, 역사, 쇼핑, 먹거리, 자유일정)에 대응하여 해당 클러스터에서 선호하는 최적의 여행상품을 추천하는 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법을 제공하는데 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 데이터마이닝기법을 활용한 여행상품 추천 시스템은, 여행자의 구매성향과 네트워크를 통해 단말로부터 전달된 여행조건 정보와 여행성향 정보에 대응하여 최적의 여행상품을 추천하여 단말로 전달하는 서버; 및 여행상품 정보와 구매성향을 포함하는 여행자 정보를 저장하고 있는 데이터베이스를 포함하는 것을 특징으로 한다.
상기 서버는, 상기 여행상품의 일정(日程)을 구성하고 있는 속성을 수치화하여 구성비형태로 나타낸 여행상품 메타데이터를 생성하는 여행상품 메타데이터 생성부; 여행자의 구매내역을 메타데이터와 비교하여 여행자의 구매성향을 파악하는, 즉 여행자 프로파일을 생성하는 여행자 프로파일 생성부; 상기 여행자 프로파일을 근거로 여행자간 유사도분석을 통해 유사 여행자를 군집화하고, 해당 군집에 속한 여행자들의 선호상품을 추출하는 여행자 클러스터링부; 및 상기 여행조건 정보와 여행성향 정보에 대응하여 상기 선호상품을 추천하는 여행상품 추천부를 포함한다.
상기 여행상품 속성들은, 휴양, 자연경관, 유원지, 체험, 액티비티, 시티투어, 문화예술, 역사, 쇼핑, 먹거리, 자유일정을 포함한다.
상기 여행상품 추천부는, 입력되는 상기 여행조건 정보에 대응하여 여행상품의 필터링이 이루어지는 필터링부; 상기 필터링부로부터 출력되는 필터링데이터로부터 유사도분석을 통해 군집을 선택하는 유사도 판단부; 및 상기 군집의 선호상품에 대응하는 필터링데이터를 추출하는 추출부를 포함한다.
상기 필터링부는, 상기 여행성향 정보의 입력에 대응하여 필터링을 더 수행할 수 있다.
한편, 본 발명의 데이터마이닝기법을 활용한 여행상품 추천 방법은, 여행상품의 일정(日程)을 구성하고 있는 속성을 수치화하여 구성비형태로 나타낸 여행상품 메타데이터를 생성하는 단계; 여행자의 구매내역을 메타데이터와 비교하여 여행자의 구매성향을 파악하는, 즉 여행자 프로파일을 생성하는 단계; 상기 여행자 프로파일을 근거로 여행자간 유사도분석을 통해 유사 여행자를 군집화하는 단계; 상기 군집에 속한 여행자들의 선호상품을 추출하는 단계; 및 입력되는 여행조건 정보와 여행성향 정보에 대응하여 상기 선호상품을 추천하는 단계를 포함하는 것을 특징으로 한다.
상기 선호상품을 추천하는 단계는, 상기 여행조건 정보에 대응하여 여행상품을 필터링하는 단계; 상기 필터링을 통해 출력되는 필터링데이터로부터 유사도분석을 통해 군집을 선택하는 단계; 및 상기 군집의 선호상품에 대응하는 필터링데이터를 추출하는 단계를 포함한다.
상기 필터링하는 단계는 상기 여행성향 정보의 입력에 대응하여 필터링을 더 수행할 수 있다.
상기 유사도는 유클리드 거리 측정법(Euclidean distance Measure)을 이용하는 것이 바람직하다.
상술한 바와 같이, 본 발명에 의한 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법에 따르면, 여행자의 구매내역을 바탕으로 하여 최적의 여행상품을 추천할 수 있으므로 고객만족도 및 추천만족도를 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 의한 데이터마이닝기법을 활용한 여행상품 추천 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 의한 여행상품 추천부의 구성도이다.
도 3은 본 발명의 일 실시예에 의한 데이터마이닝기법을 활용한 여행상품 추천 방법의 전체개념 흐름도이다.
도 4는 본 발명의 일 실시예에 의한 여행상품 추천 과정을 나타낸 흐름도이다.
도 5는 여행상품의 일례이다.
도 6은 본 발명의 여행상품 메타데이터의 예시이다.
도 7은 본 발명의 구매성향을 분석하는 예시이다.
도 8은 본 발명의 여행자 클러스터링 과정의 예시이다.
도 9는 본 발명의 클러스터에서 여행상품을 추출하는 예시이다.
도 10은 본 발명의 거리 측정법에 의한 유사도분석 과정의 예시이다.
본 발명은, 여행사의 여행상품을 기반으로 해당 여행상품의 속성들(휴양, 자연경관, 유원지, 체험, 액티비티, 시티투어, 문화예술, 역사, 쇼핑, 먹거리, 자유일정)를 분석하여 여행상품마다 속성값을 부여한 여행상품 메타데이터를 구축하는 것을 특징으로 한다.
본 발명은, 여행자의 구매내역을 토대로 여행상품 메타데이터와 매칭하여 여행자의 구매성향(여행자 프로파일)을 구성하는 것을 특징으로 한다.
본 발명은, 여행자 프로파일을 토대로 유사 여행자 클러스터를 형성하여 클러스터별 특성을 파악하고, 여행자와 해당 클러스터에서 선호하는 선호상품을 추출하는 것을 특징으로 한다.
본 발명은, 여행자가 입력한 여행조건 정보(여행지역, 동반선택, 출발시점, 여행경비, 여행기간)로부터 여행자의 구매성향에 맞는 여행상품을 추천하는 것을 특징으로 한다.
본 발명은, 여행자가 입력한 여행성향 정보로부터 여행성향에 따른 여행상품을 추천하는 것을 특징으로 한다.
이하, 본 발명의 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법에 대하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 의한 데이터마이닝기법을 활용한 여행상품 추천 시스템의 구성도이다.
도 1을 참조하면, 본 발명의 데이터마이닝기법을 활용한 여행상품 추천 시스템은, 여행자의 구매성향과 네트워크를 통해 단말로부터 전달된 여행조건 정보와 여행성향 정보에 대응하여 최적의 여행상품을 추천하여 단말로 전달하는 서버(1)와, 여행상품 정보와 구매성향을 포함하는 여행자 정보를 저장하고 있는 데이터베이스(Data Base, 2)를 포함한다.
서버(1)는, 여행상품의 일정(日程)을 구성하고 있는 속성(휴양, 자연경관, 유원지, 체험, 액티비티, 시티투어, 문화예술, 역사, 쇼핑, 먹거리, 자유일정)을 수치화하여 구성비형태로 나타낸 여행상품 메타데이터를 생성하는 여행상품 메타데이터 생성부(11)와, 여행자의 구매내역을 메타데이터와 비교하여 여행자의 구매성향을 파악하는, 즉 여행자 프로파일을 생성하는 여행자 프로파일 생성부(12)와, 여행자 프로파일을 근거로 여행자간 유사도분석을 통해 유사 여행자를 군집화하고, 해당 군집에 속한 여행자들의 선호상품을 추출하는 여행자 클러스터링부(13)와, 여행조건 정보와 여행성향 정보에 대응하여 선호상품을 추천하는 여행상품 추천부(14)를 포함한다.
여기서, 여행상품 속성을 수치화한 속성값이 여행상품 메타데이터로서 정의된다. 즉, 휴양, 자연경관, 유원지, 체험, 액티비티, 시티투어, 문화예술, 역사, 쇼핑, 먹거리, 자유일정 등의 여행상품 속성 각각이 어떤 비율로 구성되었는지를 분석하여 여행상품을 수치화한 것이 여행상품 메타데이터이다.
도 2는 본 발명의 일 실시예에 의한 여행상품 추천부의 구성도이다.
도 2를 참조하면, 본 발명의 여행상품 추천부(14)는, 입력되는 여행조건 정보에 대응하여 여행상품의 필터링이 이루어지는 필터링부(141)와, 필터링부로부터 출력되는 필터링데이터로부터 유사도분석을 통해 군집을 선택하는 유사도 판단부(412)와, 군집의 선호상품에 대응하는 필터링데이터를 추출하는 추출부(143)를 포함한다.
여기서, 필터링부(141)는 여행조건 정보(선호지역, 여행일수, 동반구분, 여행테마)의 입력에 대응하여 필터링을 수행하거나, 여행성향 정보(휴양, 자연경관, 유원지, 체험, 액티비티, 시티투어, 문화예술, 역사, 쇼핑, 먹거리, 자유일정)의 추가적인 입력에 대응하여 필터링을 수행할 수 있다.
그러면, 여기서 상기와 같이 구성된 시스템을 이용한 본 발명의 데이터마이닝기법을 활용한 여행상품 추천 방법에 대해 설명하기로 한다.
도 3은 본 발명의 일 실시예에 의한 데이터마이닝기법을 활용한 여행상품 추천 방법의 전체개념 흐름도이다.
도 3을 참조하면, 단말에서 여행상품 정보를 요청하면, 서버(1)는 여행상품 정보를 단말에 제공한다.
단말에서 도 5에 도시된 바와 같은 여행상품을 선택하면, 서버(1)는 여행상품 속성에 근거하여 도 6에 도시된 바와 같이 여행상품 메타데이터를 생성한다(S1).
이 때, 여행상품의 최초 구매가 이루어지면, 해당 최초 구매내역을 이용하여 여행자의 구매성향을 분석한다. 즉, 도 5의 여행상품에 따르면, 자연경관과 시티투어에 주요한 구매성향을 갖는 것으로 판단할 수 있다. 한편, 여행상품의 구매가 계속 누적되면, 도 7에 도시된 바와 같이, 누적된 구매내역을 평균하여 갱신하고, 갱신된 구매내역을 이용하여 구매성향을 분석한다. 도 7에 따르면, 휴양, 자연경관, 시티투어에 주요한 구매성향을 갖는 것으로 판단할 수 있다. 즉, 도 5에 구매성향과 도 7의 구매성향이 상이함을 확인할 수 있다. 이러한 구매성향을 갖는 여행자 메타데이터는 여행자 프로파일로서 데이터베이스(2)에 저장된다(S2).
이어서, 서버(1)에서는 구매성향이 유사한 여행자들에 대해 클러스터링 작업을 수행한다(S3). 일례로서, 각 여행자별로 구매성향을 순차적으로 나열하고, 여행상품 속성의 20% 이상의 선택비율을 갖는 여행상품 속성들에 대해서만 클러스터링 작업을 수행한다. 즉, 특정 여행자의 경우에 하나의 여행상품 속성만 20% 이상일 경우, 하나의 구매성향만으로 이루어진 군집에 포함된다. 또한, 다른 특정 여행자의 경우에 2개의 여행상품 속성만 20% 이상일 경우, 2개의 구매성향만으로 이루어진 군집에 포함된다. 이 경우, 다수의 여행상품 속성은 하나의 여행상품 속성을 포함하게 된다. 이와 같이, 도 8에 도시된 바와 같이, 각 여행자의 구매성향에 근거하여 설정값 이상의 유사도를 갖는 여행자를 군집화한다.
다음으로, 각 여행자에 대한 군집화가 이루어지면, 도 9에 도시된 바와 같이, 해당 군집에 속한 여행자들의 여행상품을 모두 추출한다(S4). 이어서, 추출된 여행상품의 중복순으로 순서를 정하여 리스트화한다. 리스트에서 설정된 순위까지 선호상품으로 분류한다(S5).
이와 같이 일정(日程)을 구성하고 있는 속성을 수치화하여 구성비형태로 나타낸 여행상품 메타데이터를 생성하고, 여행자의 구매내역을 메타데이터와 비교하여 여행자의 구매성향을 파악하는, 즉 여행자 프로파일을 생성하며, 여행자 프로파일을 근거로 여행자간 유사도분석을 통해 유사 여행자를 군집화하고, 해당 군집에 속한 여행자들의 선호상품을 추출한다.
이 후, 단말을 통해 여행조건 정보와 여행성향 정보가 입력되면, 선호상품을 추천하는 과정을 진행하게 된다(S6). 선호상품을 추천하는 과정은 도 4에서 상세히 설명하기로 한다.
도 4는 본 발명의 일 실시예에 의한 여행상품 추천 과정을 나타낸 흐름도이다.
먼저, 여행조건 정보가 입력되었을 경우에 선호상품을 추천하는 과정에 대해 설명하기로 한다.
도 4를 참조하면, 여행조건 정보가 입력되면, 지역, 동반선택, 출발시점, 예상경비, 여행기간을 포함하는 여행조건 정보를 모두 만족하는 여행상품의 필터링이 이루어지게 된다(S61).
이어서, 필터링데이터에 대하여 여행성향 유사도를 분석한다. 즉, 필터링데이터로부터 여행조건 정보와 대응하는 군집을 선택한다(S62).
해당 군집에서 선호상품으로 정의하고 있는 필터링데이터를 리스트화한다. 리스트에서 설정된 순위까지 필터링데이터를 추출한다(S63).
추출된 필터링데이터는 여행상품으로서 추천이 이루어지게 되며, 해당 정보는 단말로 전달된다(S64).
여기서, 본 실시예에서는 여행조건 정보와 대응하는 군집으로부터 선호상품을 추출하는 경우에 대해 설명하고 있으나, 군집을 선택하는 단계를 거치지 않고 전체 여행상품에 대한 필터링이 이루어질 수도 있다.
한편, 여행조건 정보와 함께 여행성향 정보가 추가적으로 더 입력되면, 여행조건 정보를 모두 만족함과 함께 여행성향과 매칭되는 군집의 선호상품을 모두 만족하는 여행상품에 대한 필터링이 이루어지게 된다. 이 과정은 미리 저정된 여행자의 여행성향과 다른 여행목적을 갖는 경우에 유용한 검색결과를 얻을 수 있다. 즉, 여행성향이 휴양인데, 현재 자연경관의 목적으로 여행하고자 할 경우에는 여행성향 정보를 추가 입력함으로써 여행 목적에 부합하게 검색결과를 얻을 수 있다.
이어서, 필터링데이터를 리스트화하고, 리스트에서 설정된 순위까지 필터링데이터를 추출한다.
추출된 필터링데이터는 여행상품으로서 추천이 이루어지게 되며, 해당 정보는 단말로 전달된다.
이와 같이 추출된 선호상품은 여행조건 정보의 입력에 대응하여 3개를 추출하고, 여행성향 정보의 입력에 대응하여 3개를 추출하여 총 6개의 선호상품을 단말로 전달할 수 있다.
한편, 유사도 다음과 같은 거리 측정 방식을 이용하여 구한다.
1. 유클리드 거리 측정법(Euclidean distance Measure)
2. 맨하탄 거리 측정법(City Block distance Measure)
3. 민코우스키 거리 측정법(Minkowski distance Measure)
유클리드 거리 측정법은 가장 직관적이고 일반적으로 생각하는 거리 개념에 부합한다.
군집에서 벡터는 n-차원 공간상의 한 점으로 생각한다. 공식은 다음과 같다. 거리(d)는 다음의 공식으로 구한다.
Figure pat00001
이 공식은 추천의 유클리드 유사도 측정과 같다. 벡터 사이에 거리가 짧으면 유사성이 더 높다는 것을 의미한다.
맨하탄 거리 측정법은 두 점의 좌표 간의 절대값 차이를 구한다.
맨하탄은 격자 무늬 도로를 가진 맨하탄에서 이름을 따왔다. 높은 빌딩으로 구성된 뉴욕에선, 2번 avenue와 2번 street의 교차점에서 6번 avenue와 6번 street 의 교차첨으로 빌딩을 통과해서 걸을 수는 없다. 4개의 블록을 갔지만 실제 걸은 거리는 4개 블록 이상이라고 볼 수 있다. 이를 수학적으로 표현한 공식은 다음과 같다.
Figure pat00002

민코우스키 거리 측정법은 유클리드 거리와 맨하탄 거리를 일반화한 거리 측정법이다.
거리는 다음의 공식으로 구한다.
Figure pat00003
여기서, m이 1일 때 맨하탄 거리 측정법과 같아지고, m이 2이면 유클리드 거리 측정법과 같아진다.
결국, 데이터의 특성에 따라 적당한 거리 구하는 공식을 사용해야 한다.
본 발명에서는 데이터 특성상 유클리드 거리 측정법을 이용하는 것이 바람직하다.
도 10은 본 발명의 거리 측정법에 의한 유사도분석 과정의 예시이다.
도 10을 참조하면, 유클리드 거리 측정법을 통해 여행상품의 각 속성간의 거리(차이값)를 이용하여 유사도를 분석하면, 0.907 유사도를 갖는 것을 알 수 있다. 이 유사도는 구매성향과 비교대상상품간의 거리 측정, 여행성향과 비교대상상품간의 거리 측정에 의해 각각 이루어지게 된다. 또한, 구매성향 및 여행성향은 타 비교대상상품간의 비교를 통해 유사도 분석이 이루어질 수 있으며, 다수의 유사도분석 결과를 바탕으로 하여 유사도가 높은 순으로 여행상품의 추천이 이루어질 수 있다.
이상에서 몇 가지 실시예를 들어 본 발명을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것이 아니고 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형실시될 수 있다.
1 : 서버
11 : 여행상품 메타데이터 생성부
12 : 여행자 프로파일 생성부
13 : 여행자 클러스터링부
14 : 여행상품 추천부
141 : 필터링부
142 : 유사도 판단부
143 : 추출부
2 : 데이터베이스

Claims (9)

  1. 여행자의 구매성향과 네트워크를 통해 단말로부터 전달된 여행조건 정보와 여행성향 정보에 대응하여 최적의 여행상품을 추천하여 단말로 전달하는 서버; 및
    여행상품 정보와 구매성향을 포함하는 여행자 정보를 저장하고 있는 데이터베이스를 포함하는 데이터마이닝기법을 활용한 여행상품 추천 시스템.
  2. 제1항에 있어서,
    상기 서버는,
    상기 여행상품의 일정(日程)을 구성하고 있는 속성을 수치화하여 구성비형태로 나타낸 여행상품 메타데이터를 생성하는 여행상품 메타데이터 생성부;
    여행자의 구매내역을 메타데이터와 비교하여 여행자의 구매성향을 파악하는, 즉 여행자 프로파일을 생성하는 여행자 프로파일 생성부;
    상기 여행자 프로파일을 근거로 여행자간 유사도분석을 통해 유사 여행자를 군집화하고, 해당 군집에 속한 여행자들의 선호상품을 추출하는 여행자 클러스터링부; 및
    상기 여행조건 정보와 여행성향 정보에 대응하여 상기 선호상품을 추천하는 여행상품 추천부를 포함하는 데이터마이닝기법을 활용한 여행상품 추천 시스템.
  3. 제2항에 있어서,
    상기 여행상품 속성들은, 휴양, 자연경관, 유원지, 체험, 액티비티, 시티투어, 문화예술, 역사, 쇼핑, 먹거리, 자유일정을 포함하는 데이터마이닝기법을 활용한 여행상품 추천 시스템.
  4. 제2항에 있어서,
    상기 여행상품 추천부는,
    입력되는 상기 여행조건 정보에 대응하여 여행상품의 필터링이 이루어지는 필터링부;
    상기 필터링부로부터 출력되는 필터링데이터로부터 유사도분석을 통해 군집을 선택하는 유사도 판단부; 및
    상기 군집의 선호상품에 대응하는 필터링데이터를 추출하는 추출부를 포함하는 데이터마이닝기법을 활용한 여행상품 추천 시스템.
  5. 제4항에 있어서,
    상기 필터링부는, 상기 여행성향 정보의 입력에 대응하여 필터링을 더 수행하는 데이터마이닝기법을 활용한 여행상품 추천 시스템.
  6. 여행상품의 일정(日程)을 구성하고 있는 속성을 수치화하여 구성비형태로 나타낸 여행상품 메타데이터를 생성하는 단계;
    여행자의 구매내역을 메타데이터와 비교하여 여행자의 구매성향을 파악하는, 즉 여행자 프로파일을 생성하는 단계;
    상기 여행자 프로파일을 근거로 여행자간 유사도분석을 통해 유사 여행자를 군집화하는 단계;
    상기 군집에 속한 여행자들의 선호상품을 추출하는 단계; 및
    입력되는 여행조건 정보와 여행성향 정보에 대응하여 상기 선호상품을 추천하는 단계를 포함하는 데이터마이닝기법을 활용한 여행상품 추천 방법.
  7. 제6항에 있어서,
    상기 선호상품을 추천하는 단계는,
    상기 여행조건 정보에 대응하여 여행상품을 필터링하는 단계;
    상기 필터링을 통해 출력되는 필터링데이터로부터 유사도분석을 통해 군집을 선택하는 단계; 및
    상기 군집의 선호상품에 대응하는 필터링데이터를 추출하는 단계를 포함하는 데이터마이닝기법을 활용한 여행상품 추천 방법.
  8. 제7항에 있어서,
    상기 필터링하는 단계는 상기 여행성향 정보의 입력에 대응하여 필터링을 더 수행하는 데이터마이닝기법을 활용한 여행상품 추천 방법.
  9. 제6항에 있어서,
    상기 유사도분석은,
    상기 구매성향과 비교대상상품간의 거리 측정법, 여행성향과 비교대상상품간의 거리 측정법을 이용하는 데이터마이닝기법을 활용한 여행상품 추천 방법.
KR1020140065324A 2014-05-29 2014-05-29 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법 KR20150138529A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140065324A KR20150138529A (ko) 2014-05-29 2014-05-29 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140065324A KR20150138529A (ko) 2014-05-29 2014-05-29 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20150138529A true KR20150138529A (ko) 2015-12-10

Family

ID=54978930

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140065324A KR20150138529A (ko) 2014-05-29 2014-05-29 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20150138529A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200018872A (ko) * 2018-08-13 2020-02-21 (주)위드이노베이션 조건 정보 기반의 여행 코스 추천 방법 및 장치
KR20210101751A (ko) * 2020-02-11 2021-08-19 김소영 유저 그룹화를 통한 패키지 여행 상품 추천 방법, 장치 및 컴퓨터-판독가능 기록 매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200018872A (ko) * 2018-08-13 2020-02-21 (주)위드이노베이션 조건 정보 기반의 여행 코스 추천 방법 및 장치
KR20210101751A (ko) * 2020-02-11 2021-08-19 김소영 유저 그룹화를 통한 패키지 여행 상품 추천 방법, 장치 및 컴퓨터-판독가능 기록 매체

Similar Documents

Publication Publication Date Title
US20230394432A1 (en) Machine-learned model for optmizing selection sequence for items in a warehouse
CN108960719B (zh) 选品方法和装置以及计算机可读存储介质
JP6703572B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
Al-Ghobari et al. Location-Aware Personalized Traveler Recommender System (LAPTA) Using Collaborative Filtering KNN.
KR101963817B1 (ko) 키워드 검색량 기반 예측 정보 생성 장치 및 방법
Fuchs et al. Applying business intelligence for knowledge generation in tourism destinations–A case study from Sweden
Hong et al. Multi-criteria tensor model consolidating spatial and temporal information for tourism recommendation
Koetphrom et al. Comparing filtering techniques in restaurant recommendation system
KR20140035221A (ko) 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법
Masri et al. Implementation of K-Means for Analysis of Factors Causing Consumer Satisfaction at Madani Hotel Medan City
JPWO2018078761A1 (ja) クラスタリングシステム、方法およびプログラム、並びに、レコメンドシステム
Anusha et al. Segmentation of retail mobile market using HMS algorithm
KR20150138529A (ko) 데이터마이닝기법을 활용한 여행상품 추천 시스템 및 방법
CN110020918B (zh) 一种推荐信息生成方法和系统
Chakraverty et al. Iot based weather and location aware recommender system
Bhargavi et al. Comparative study of consumer purchasing and decision pattern analysis using pincer search based data mining method
Srivastava Motif analysis in the amazon product co-purchasing network
Talwar et al. Recommendation system using Apriori algorithm
Santoso et al. M-guide: hybrid recommender system tourism in east-timor
Kumar et al. Context-aware social popularity based recommender system
Sharma et al. Application of data mining algorithms for tourism industry
Hooda et al. Social commerce hybrid product recommender
JP7158870B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
Sani et al. Predicting the Success of Garment Sales on Transaction Data using the Classification Method with the Naïve Bayes Algorithm
Haidn Flight recommender system using implicit feedback

Legal Events

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