KR20160005187A - 음식쿠폰 추천 시스템 - Google Patents

음식쿠폰 추천 시스템 Download PDF

Info

Publication number
KR20160005187A
KR20160005187A KR1020140083163A KR20140083163A KR20160005187A KR 20160005187 A KR20160005187 A KR 20160005187A KR 1020140083163 A KR1020140083163 A KR 1020140083163A KR 20140083163 A KR20140083163 A KR 20140083163A KR 20160005187 A KR20160005187 A KR 20160005187A
Authority
KR
South Korea
Prior art keywords
coupon
food
information
evaluation
priority
Prior art date
Application number
KR1020140083163A
Other languages
English (en)
Other versions
KR101641725B1 (ko
Inventor
이상용
심원익
Original Assignee
공주대학교 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 공주대학교 산학협력단 filed Critical 공주대학교 산학협력단
Priority to KR1020140083163A priority Critical patent/KR101641725B1/ko
Publication of KR20160005187A publication Critical patent/KR20160005187A/ko
Application granted granted Critical
Publication of KR101641725B1 publication Critical patent/KR101641725B1/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
    • G06Q50/12—Hotels or restaurants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Fuzzy Systems (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 Fuzzy-AHP(퍼지 기반의 의사결정방법)를 통해 사용자의 선호도를 반영한 음식쿠폰이 추천되도록 하는, 음식쿠폰 추천 시스템에 관한 것이다.
더욱 구체적으로는, 음식쿠폰 추천 에이전트 및 음식쿠폰 추천 서버를 포함하여 사용자 선호도 기반의 음식쿠폰을 추천할 수 있는 시스템에 있어서, 음식쿠폰 추천 에이전트는 사용자 선호도의 가중치를 산출하기 위한 응답정보를 입력받아 음식쿠폰 추천 서버로 전송하고 음식쿠폰 추천 서버에서 추천되는 음식쿠폰을 표시하며, 음식쿠폰 추천 서버는 음식쿠폰에 대한 정보을 저장하되, a) 저장된 음식쿠폰을 통해 쿠폰정보 기반의 우선순위 및 쿠폰평가 기반의 우선순위를 산출하며, b) 쿠폰정보기반의 우선순위와 쿠폰평가기반의 우선순위를 취합하여 최종 우선순위를 산출하고, c) 산출된 최종 우선순위에 따라 음식쿠폰을 추천할 수 있다.

Description

음식쿠폰 추천 시스템{SYSTEM FOR FOOD COUPON RECOMMENDATION}
본 발명은 Fuzzy-AHP(퍼지 기반의 의사결정방법)를 통해 사용자의 선호도를 반영한 음식쿠폰이 추천되도록 하는, 음식쿠폰 추천 시스템에 관한 것이다.
더욱 구체적으로는, AHP기법에 기반하여 사용자의 선호도를 삼각퍼지수로 변환하고, 변환된 삼각퍼지수를 복합퍼지값으로 변환함으로써, 사용자 선호도가 반영된 음식쿠폰의 정보 및 평가에 대한 가중치를 산출할 수 있고, 상기 산출된 가중치에 따라 음식쿠폰을 추천할 수 있는, 음식쿠폰 추천 시스템에 관한 것이다.
최근, 새로운 방식의 상거래인 소셜커머스가 급성장하는 추세이며, 특히 SNS가 널리 보급되면서 일정 수 이상의 구매자가 모이면 할인혜택을 받을 수 있는 공동구매형 소셜커머스가 많이 사용되고 있다.
이러한 소셜커머스 업체들은 공동구매형으로 다양한 종류의 쿠폰을 할인된 가격으로 판매하고 있으며, 다양한 종류의 쿠폰 중 상대적으로 가격이 저렴하고 판매 상품에 대한 설명이나 홍보가 크게 필요 없는 음식 관련 쿠폰이 주를 이루고 있다.
그런데 음식쿠폰을 구매할 경우 할인된 가격으로 원하는 상품을 저렴하게 구입할 수 있지만 매장위치, 할인율, 이용가능기간 및 매장영업시간 등을 구매자가 직접 비교하여 적합한 음식쿠폰을 선택해야 하는 문제점이 있다.
음식쿠폰을 추천하는 기술 중의 하나로 공개특허공보 제10-2009-0000643호에 상황인식 기반 광고 쿠폰 발생시스템이 기재되어 있다.
이는 상황인식 기반/쿠폰 발행 시스템에 관한 것으로, 단말기로부터 선호하는 쿠폰, 시간 및 위치 등의 환경설정 값을 수집하여 사용자의 단말기로 하여금 쿠폰을 제공하는 시스템에 관한 것이다.
그러나 위에 기재된 기술은 쿠폰을 구매할 경우 할인된 가격으로 원하는 상품을 저렴하게 구입할 수 있지만, 구매자가 매장위치, 할인율, 이용가능기간 및 매장영업시간 등을 직접 비교해야하는 상술된 문제점을 여전히 해소하지 못한다.
한편, 공개특허공보 제10-2012-0137544호에는 소셜커머스 서비스 제공 방법 및 시스템이 기재되어 있다.
이는 오픈 마켓 형식의 소셜커머스 서비스 제공 방법에 관한 것으로서, 소셜커머스 서비스 제공 서버는 쿠폰 공급자 단말로부터 쿠폰을 등록받는 단계, 등록된 쿠폰의 쿠폰 정보를 미리 설정된 조건을 만족시키는 사용자 단말에게 제공하는 단계, 사용자 단말로부터 쿠폰에 대한 발급 요청을 수신하는 단계 및 사용자 단말로 쿠폰을 송신하는 단계를 포함하는 소셜커머스 서비스 제공 방법에 관한 것이다.
위에 기재된 기술에서 미리 설정된 조건은, 사용자 단말의 위치 정보 및 관심 쿠폰 정보임을 기재하고 있다. 즉, 사용자의 위치에 따른 쿠폰을 제공할 수 있는 것이다.
아울러, 사용자가 제공받고 싶은 관심 쿠폰의 정보를 저장 관리하는 것으로 기재하고 있는데, 여기서 사용자가 제공받고 싶은 관심 쿠폰에 대한 정확한 정의가 없으며, 사용자가 제공받고 싶어하는 관심쿠폰의 범위는 특정으로 정해진 쿠폰일 수는 있지만, 사용자의 선호도가 반영된 다양한 종류의 쿠폰일 수는 없다.
다시 말해, 위에 기재된 기술은 사용자가 'A' 라는 특정의 쿠폰을 특정하고 이를 관심 쿠폰으로 설정한 경우 제공할 수 있는 정도의 기술이지, 사용자가 선호하는 영역 내에서의 다양한 쿠폰을 예상하여 제공하는 것은 불가능하다.
따라서, 구매자(사용자)의 선호도를 반영할 수 없으므로, 할인율, 이용가능기간 및 매장영업시간 등을 사용자가 직접 판단하고 비교해야하는 상술된 문제점을 여전히 해소하지 못한다.
이에 본 출원인은 사용자의 선호도를 수집하고 분석함으로써, 사용자의 선호도를 반영할 수 있는 기술과 관련하여 국내출원번호 제10-2013-0024887호에 음식쿠폰추천 시스템 및 방법을 출원한 바 있다.
위에 기재된 기술은 사용자의 선호도를 지속적으로 반영한 음식쿠폰이 추천되도록 하되, 구체적으로는 음식쿠폰의 구매이력을 고려하여 사용자에게 적합한 음식쿠폰이 추천되도록 하기 위해 AHP기법을 이용하여 사용자의 선호도가 반영된 음식쿠폰이 추천되도록 하고, 베이지안 네트워크를 이용하여 지속적으로 사용자의 성향을 반영한 음식쿠폰이 추천되도록 하는, 음식쿠폰추천 기술에 관한 것이다.
그러나 위의 AHP 기법과 베이지안 네트워크만으로는 인간의 의사결정 과정에서 발생하는 모호함의 문제를 반영할 수 없기 때문에 정확한 사용자의 선호도가 반영된 음식쿠폰을 추천하는데에는 한계가 존재한다.
이에 따라 본 발명자는 AHP 기법에 퍼지(Fuzzy)의 개념을 추가하여 의사결정자의 주관을 반영할 수 있는 Fuzzy-AHP 기법을 적용하고자 한다.
여기서 Fuzzy-AHP 기법을 간략히 설명하면, 이는 퍼지이론과 AHP 기법을 혼합한 기법으로, 현실 세계에 존재하는 비교 과정상의 애매성을 보완하기 위하여 판단시 부여된 특정수치를 기준으로 간격을 주어 보다 정확한 의사 결정을 할 수 있도록 하는 기법이다.
이때, 퍼지의 개념은 퍼지 집합이론에서 출발하며 인간의 의사결정 과정에서 발생하는 모호함을 수학적으로 표현하기 위하여 Zadeh가 제안한 이론이다.
이는 개인의 주관적인 판단기준에 의해 애매하게 표현되는 언어변수는 퍼지이론을 이용하여 보다 객관적으로 표현할 수 있는 것으로 알려져 있고, 따라서 퍼지 이론을 이용하면 의사결정자(사용자)의 모호함과 애매함이 내재되어 있는 선호도까지 반영할 수 있다.
위와 같은 Fuzzy-AHP에 대한 초기연구는, Laarhven과 Pedrycz(1983)이 제안한 것으로 Saaty의 AHP 이론과 퍼지이론의 접목을 시도하였고, 그 후 Chang(1996)은 Extent Analysis Method를 통해 삼각퍼지수를 이용한 Fuzzy-AHP의 새로운 기법을 제안하였다. 즉, 본 발명자가 음식쿠폰 추천 기술에 적용한 것은 Chang의 확장 Fuzzy-AHP기법이다.
실제로도, 인과관계 지식 모델링을 위한 퍼지인식도와 베이지안 신뢰 네트워크의 비교 연구(DOI: 10.3745/KIPSTB.2008.15-B.2.147, Wooi Ping Cheah, 김경윤, 양형정, 김수형, 김정식)에서는 베이지안 네트워크 기술과 퍼지 기술을 비교한바 있으며, 퍼지이론이 베이지안 네트워크보다 사용자 친화적이며, 직관적이고 더 높은 수준의 인터페이스를 제공할 수 있다는 결론을 내리고 있다.
따라서, 사용자의 주관적인 선호도를 반영할 수 있도록 Fuzzy-AHP기법을 이용하여 사용자의 선호도에 대한 가중치를 산출하고, 상기 가중치에 삼각퍼지함수를 적용하여 음식쿠폰의 정보 및 평가에 대한 가중치를 각각 산출함으로써, 사용자의 선호도와 타인의 쿠폰평가를 기반하여 사용자에게 음식쿠폰을 추천할 수 있는 기술의 개발이 요구된다.
공개특허공보 제10-2009-0000643호(2009.01.08.) 공개특허공보 제10-2012-0137544호(2012.12.24.)
인과관계 지식 모델링을 위한 퍼지인식도와 베이지안 신뢰 네트워크의 비교 연구(DOI: 10.3745/KIPSTB.2008.15-B.2.147, Wooi Ping Cheah, 김경윤, 양형정, 김수형, 김정식)
위와 같은 요구에 부응하기 위하여 안출된 것으로, 본 발명에서 해결하고자 하는 과제는 Fuzzy-AHP(퍼지 기반의 의사결정방법)를 통해 사용자의 선호도가 반영된 음식쿠폰이 추천되도록 하는, 음식쿠폰 추천 시스템을 제공하는 데 있다.
본 발명의 다른 목적은, AHP기법에 기반하여 사용자의 선호도를 삼각퍼지수로 변환하고, 변환된 삼각퍼지수를 복합퍼지값으로 변환함으로써, 사용자 선호도가 반영된 음식쿠폰의 정보 및 평가에 대한 가중치를 산출할 수 있고, 상기 산출된 가중치에 따라 음식쿠폰을 추천할 수 있는, 음식쿠폰 추천 시스템을 제공하는 데 있다.
위와 같은 과제를 해결하기 위한 본 발명에 따른 음식쿠폰 추천 시스템은, 음식쿠폰 추천 에이전트 및 음식쿠폰 추천 서버를 포함하여 사용자 선호도 기반의 음식쿠폰을 추천할 수 있는 시스템에 있어서, 음식쿠폰 추천 에이전트는 사용자 선호도의 가중치를 산출하기 위한 응답정보를 입력받아 음식쿠폰 추천 서버로 전송하고 음식쿠폰 추천 서버에서 추천되는 음식쿠폰을 표시하며, 음식쿠폰 추천 서버는 음식쿠폰에 대한 정보을 저장하되, a) 저장된 음식쿠폰을 통해 쿠폰정보 기반의 우선순위 및 쿠폰평가 기반의 우선순위를 산출하며, b) 쿠폰정보기반의 우선순위와 쿠폰평가기반의 우선순위를 취합하여 최종 우선순위를 산출하고, c) 산출된 최종 우선순위에 따라 음식쿠폰을 추천하는 것을 기술적 특징으로 한다.
본 발명에 따른 음식쿠폰 추천 시스템은, AHP기법을 이용하여 사용자의 선호도를 산출할 수 있기 때문에 사용자가 원하는 음식쿠폰을 정확하게 추천할 수 있는 현저한 효과를 보유한다.
또한 본 발명은 Fuzzy-AHP기법을 기반으로 음식쿠폰의 정보와 음식쿠폰에 대한 제3자의 평가에 대한 가중치를 산출하고, 산출된 가중치와 사용자 선호도에 근거하여 음식쿠폰의 우선순위를 산출함으로써, 보다 정확하게 사용자가 원하는 음식쿠폰을 제공할 수 있는 현저한 효과를 보유한다.
도 1은 본 발명에 따른 음식쿠폰 추천 시스템이 적용되는 일예를 개략적으로 나타낸 도면이다.
도 2는 본 발명에 따른 음식쿠폰 추천 시스템의 주요한 구성을 개략적으로 나타낸 도면이다.
도 3은 본 발명에 따른 음식쿠폰 추천 시스템에서 음식쿠폰 추천 서버의 내부 구성을 블록도로 나타낸 도면이다.
도 4a 내지 도 4f는 본 발명에 따른 음식쿠폰 추천 시스템에서 쿠폰 정보에 기반하여 음식쿠폰을 추천하는 일예를 설명하기 위한 도면이다.
도 5a 및 도 5b는 본 발명에 따른 음식쿠폰 추천 시스템에서 쿠폰 평가에 기반하여 음식쿠폰을 추천하는 일예를 설명하기 위한 도면이다.
도 6은 본 발명에 따른 음식쿠폰 추천 시스템을 이용하여 사용자의 만족도를 실험한 결과를 나타낸 것이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 안되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시 예에 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.
이하, 도면을 참조하여 설명하기에 앞서, 본 발명의 요지를 드러내기 위해서 필요하지 않은 사항 즉 통상의 지식을 가진 당업자가 자명하게 부가할 수 있는 공지 구성에 대해서는 도시하지 않거나, 구체적으로 기술하지 않았음을 밝혀둔다.
본 발명은 사용자의 선호도가 반영된 음식쿠폰이 추천되도록 하는, 음식쿠폰 추천 시스템에 관한 것이다.
이러한 본 발명에서는 쿠폰정보에 의한 가중치를 산출하는 경우 평가항목을 음식종류, 음식가격, 할인율 및 구매자수로 하며, 쿠폰평가에 의한 가중치를 산출하는 경우 평가항목을 맛, 서비스, 분위기 및 위치로 할 수 있는데, (a) Fuzzy-AHP기법을 통해 사용자 선호도를 산출하고, (b) 상술된 평가항목에 따라 가중치를 산출하여 사용자 선호도에 따른 음식쿠폰의 우선순위를 산출하고, 이에 따라 음식쿠폰을 추천할 수 있다.
여기서, 본 명세서에서는 음식쿠폰을 추천하기 위한 평가요소를 상술된 바와 같이 기재하고 있으나, 본 발명의 권리범위가 반드시 위의 평가요소에만 한정되는 것은 아니고, 당업자가 용이하게 예측할 수 있는 범위 내의 평가요소로 변경하여 설계할 수도 있음은 물론이다.
이하, 본 발명에 따른 음식쿠폰 추천 시스템을 도면을 첨부하여 설명한다.
도 1은 본 발명에 따른 음식쿠폰 추천 시스템이 적용되는 일예를 개략적으로 나타낸 도면이다.
첨부된 도면의 도 1에 따른 본 발명은, 음식쿠폰 추천 에이전트(100) 및 음식쿠폰추천 에이전트(100)와 통신 연결되는 음식쿠폰 추천 서버(200)를 포함하여 구성될 수 있다.
음식쿠폰 추천 에이전트(100)는 스마트폰, 태블릿PC, 노트북, PMP 및 PC에 설치되는 구성으로서, 설치되는 기기의 운영 시스템과 연동되도록 설계된다.
즉, 기기가 지원하는 입력 방식에 따라 사용자의 터치 또는 마우스 클릭으로 음식쿠폰 추천 에이전트(100)의 동작이 실행되도록 구성된다.
음식쿠폰 추천 서버(200)는 통신망을 통해 접속하는 음식쿠폰 추천 에이전트(100)를 승인하고, 음식쿠폰 추천 에이전트(100)를 통해 음식쿠폰을 추천할 수 있는 콘텐츠를 제공한다.
바람직하게, 음식쿠폰추천 에이전트(100)와 음식쿠폰 추천 서버(200)는 다양한 시스템에 적용되도록 설계될 수 있으며, 또한 조건에 따라서는 음식쿠폰추천 에이전트(100)에 포함되어 있는 평가요소가 음식쿠폰추천 서버(200)에 포함되거나 또는 그 반대의 경우도 가능하도록 구성될 수 있다.
도 2는 본 발명에 따른 음식쿠폰 추천 시스템의 주요한 구성을 개략적으로 나타낸 도면이며, 도 3은 본 발명에 따른 음식쿠폰 추천 시스템에서 음식쿠폰 추천 서버의 내부 구성을 블록도로 나타낸 도면이다.
첨부된 도면의 도 2에 따른 음식쿠폰 추천 에이전트(100)는 사용자정보수집부(110) 및 쿠폰추천인터페이스(120)을 포함할 수 있다.
사용자정보수집부(110)는 추천인터페이스를 통하여 사용자의 현재위치 및 현재시간을 수집하며, 사용자의 아이디, 비밀번호, 성별 및 나이 등의 사용자 정보를 수집할 수 있다.
아울러, 사용자 선호도의 조사를 위해 음식쿠폰 추천 서버(200)로부터 제공받은 설문지에서 사용자가 응답한 사용자의 응답정보를 수집할 수도 있다.
쿠폰추천인터페이스(120)는 후술된 음식쿠폰 추천 서버(200)와 연동하여 사용자 선호도에 따라 추천된 음식쿠폰을 스마트폰, 태블릿PC, 노트북, PMP 및 PC 등의 음식쿠폰 추천 에이전트(100)가 설치되는 기기를 통해 추천할 수 있도록 한다.
음식쿠폰 추천 서버(200)는 주요하게 저장부(210), 산출부(220) 및 쿠폰추천부(230)을 포함하여 구성될 수 있다.
저장부(210)는, 음식쿠폰 추천 에이전트(100)로부터 수신된 정보 및/또는 쿠폰에 대한 정보(쿠폰정보, 쿠폰평가정보)를 저장하는 기능을 수행하는 것으로, 질의정보 저장모듈, 사용자응답정보 저장모듈 및 쿠폰정보 저장모듈을 포함할 수 있다.
질의정보 저장모듈은, 음식쿠폰 추천 에이전트(100)에 제공할 설문지 형태의 사용자 선호도를 조사하기 위한 질의정보를 저장할 수 있다.
이는 예컨대, 음식종류, 음식가격, 할인율 및 구매자수 중에서 사용자가 음식쿠폰을 제공받기 위해서 중요하게 생각하는 요소가 무엇인지를 조사하는 질의정보일 수 있다.
사용자응답정보 저장모듈은, 위의 질의정보 저장모듈에서 사용자에 의해 응답된 응답정보를 저장할 수 있다.
쿠폰정보 저장모듈은, 음식쿠폰의 정보를 평가요소별로 구분하여 저장할 수 있다. 예를 들어, 음식종류, 음식가격, 할인율 및 구매자수가 평가요소인 경우, 음식쿠폰을 상기 평가요소별로 재정리한 데이터베이스일 수 있다.
또한 쿠폰정보 저장모듈에 저장되는 음식쿠폰은, 음식쿠폰에 대한 타인의 평가정보에 있어서 맛, 서비스, 위치 및 분위기의 평가요소 별로 쿠폰평가에 대한 정보를 재정리하여 더 저장할 수도 있다.
산출부(220)는, 상기의 저장부(210)에서 사용자응답정보 저장모듈에 저장된 사용자의 응답정보에 따라 사용자 선호도의 가중치를 산출하는 사용자선호도 가중치산출모듈(221), 쿠폰정보 저장모듈에 저장된 음식쿠폰의 평가요소별 정보에 따라 가중치를 산출하는 쿠폰정보 가중치산출모듈(222) 및 쿠폰정보 저장모듈에 저장된 쿠폰평가에 대한 정보 따라 가중치를 산출하는 쿠폰평가 가중치산출모듈(223)을 포함하여 구성될 수 있다.
이하, 첨부된 도면의 도 4a 및 도 4b를 통해 사용자선호도 가중치산출모듈(221)에 의해 사용자의 선호도에 대한 가중치를 산출하는 일예를 설명한다.
도 4a 내지 도 4f는 본 발명에 따른 음식쿠폰 추천 시스템에서 쿠폰 정보에 기반하여 음식쿠폰을 추천하는 일예를 설명하기 위한 도면이다.
먼저, 도 4a 및 도 4b를 통해 살펴보면, 평가요소는 음식종류, 음식가격, 할인율 및 구매자수로 분류하고 있는데, 일예로 음식종류(해물류, 채소류, 육류, 면류), 음식가격(0 - 10,000원, 10,000 - 30,000원, 30,000 - 50,000원, 50,000원 이상), 할인율(60 - 100%, 30 - 60%, 60 - 100%) 및 구매자수(1,000 - 10,000명, 100 - 1,000명, 100명 이하)로 세분화할 수 있다.
이와 같이 세분화된 평가요소에 따라 각 평가요소에 대한 쌍대비교를 수행하고 쌍대비교 행렬 A=(aij)n x n을 구해야하는데, 이때 퍼지이론을 반영하기 위하여 하기의 삼각퍼지함수를 이용할 수 있다.
Figure pat00001
이는 첨부된 도면의 도 4a를 참조할 수 있는데, lij는 삼각퍼지함수의 하한값, uij는 삼각퍼지수의 상한값, mij는 1~9의 범위(AHP기법은 9점 척도로 평가요소에 대한 사용자 선호도 가중치를 산출할 수 있으며, Fuzzy-AHP는, 이를 기반으로 하기 때문)를 갖는 꼭지점에 해당하는 정수 값을 의미한다.
위와 같은 쌍대비교를 통해 첨부된 도면의 도 4b 와 같이 삼각퍼지수로 변환할 수 있다.
여기서, 도 4b에 표시된 정보는 본 발명의 이해를 돕기 위해 본 발명자의 실험 자료에서 사용자가 질의정보에 응답한 정보 중, 특정 정보를 적용하여 상술된 수학식을 통해 삼각퍼지수로 변환한 일예이다.
이러한 도 4b의 삼각퍼지수를 통해 사용자 선호도에 대한 가중치로 산출하기 위하여 상기 삼각퍼지수를 복합퍼지값(Si)으로 변환해야하는데, 이는 하기의 수학식을 이용할 수 있다.
Figure pat00002
(i,j = 1, 2 ... n)
일예로 도 4b의 삼각퍼지수를 적용하여,
1) S1=(4.00, 8.00, 14.00)×(1/4.00, 1/22.65, 1/7.70)=(0.10, 0.35, 1.26)
2) S2=(3.25, 8.00, 14.00)×(1/4.00, 1/22.65, 1/7.70)=(0.08, 0.35, 1.26)
3) S3=(2.34, 4.66, 9.00)×(1/4.00, 1/22.65, 1/7.70)=(0.06, 0.21, 0.81)
4) S4=(1.51, 1.99, 4.0)×(1/4.00, 1/22.65, 1/7.70)=(0.04, 0.09, 0.36), 4개의 평가요소(음식종류, 음식가격, 할인율, 구매자수)의 복합퍼지값(S1 ~ S4)으로 변환할 수 있다.
다음으로, 각 평가요소(음식종류, 음식가격, 할인율, 구매자수) 간의 상대적인 가능성 정도(V)의 크기를 판단하여야 하는데, 이는 하기의 [수학식 3]을 적용할 수 있다.
예를 들어, 음식종류(M1)가 음식가격(M2)에 대하여 (M1 ≥ M2)일 가능성 정도(V)를 판단하는 것이다.
Figure pat00003
Figure pat00004
Figure pat00005
Figure pat00006
(여기서, V는 가능성 정도를 나타낸다.)
즉, 평가요소인 음식종류, 음식가격, 할인율 및 구매자수 중, 어느 하나가 다른 하나보다 클 가능성의 정도를 판단할 수 있는 것이다.
일예로, 도 4b에 표시된 정보와 복합퍼지수로 변환된 Si에 근거하면,
1) V(S1 ≥ S2) = 1, V(S1 ≥ S3) = 1, V(S1 ≥ S4) = 1
2) V(S2 ≥ S1) = 1, V(S2 ≥ S3) = 1, V(S2 ≥ S4) = 1
3) V(S3 ≥ S1) =
Figure pat00007
=0.84,
V(S3 ≥ S4) = 1
4) V(S4 ≥ S1) = 0.51, V(S4 ≥ S2) = 0.52, V(S4 ≥ S3) = 0.72,
를 산출할 수 있는데, 이를 다시 가중치 벡터(W')로 산출하면 다음과 같다(Si=minV(Si ≥ Sj).
1) S1(음식종류)= min(V(S1 ≥ S2), V(S1 ≥ S3), V(S1 ≥ S4)) = min(1,1,1) = 1
2) S2(음식가격)= min(V(S2 ≥ S1), V(S2 ≥ S3), V(S2 ≥ S4)) = min(1,1,1) = 1
3) S3(할인율)= min(V(S3 ≥ S1), V(S3 ≥ S2), V(S3 ≥ S4)) = min(0.84,0.84,1) = 0.84
4) S4(구매자수)= min(V(S4 ≥ S1), V(S4 ≥ S2), V(S4 ≥ S3)) = min(0.51,0.52,0.72) = 0.51
상기와 같이 산출된 값을 따라 가중치 벡터(W')를 산출하면, W' = (1, 1, 0.84, 0.51)를 산출할 수 있고, 이러한 가중치 벡터(W') 값의 합이 1이 되도록 정규화시키면 사용자 선호도에 따른 가중치를 최종 가중치(W)인 W = (0.30, 0.30, 0.25, 0.15)를 산출할 수 있다.
쿠폰정보 가중치산출모듈(222)은 상기의 산출된 최종 가중치(W)에 따라 각 평가요소(음식종류, 음식가격, 할인율, 구매자수) 간의 요소별 가중치를 산출하고, 이를 근거하여 음식쿠폰의 우선순위를 산출하는 기능을 수행하는 것으로, (a) 쿠폰정보기반 요소별 가중치산출모듈 및 (b) 쿠폰정보기반 쿠폰우선순위 산출모듈을 포함할 수 있다.
쿠폰정보기반 요소별 가중치산출모듈은, 상기의 최종 가중치(W)를 산출한 방법과 동일하게 평가요소 내 요소별 간의 상대적 가중치를 산출한다.
이를 첨부된 도면의 도 4c 내지 도 4f를 통해 설명한다.
도 4c는 각각의 평가요소 내에서, 산출된 최종 가중치(W)에 대한 상대적 가중치를 산출한 것을 나타낸 것이다.
보다 용이하게 설명하기 위하여 도 4c를 참조하면, 사용자는 음식종류와 음식가격이 0.30으로 할인율이나 구매자수보다 가중치가 크게 산출된 것을 볼 수 있는데, 특히 음식종류를 예로 들면, 음식종류는 해물류, 채소류, 육류 및 면류를 내부요소('속성'이라 칭함)로 하고 있다.
그리고 각 속성은 해물류 0.33, 채소류 0.33, 육로 0.25, 면류 0.09을 나타내고 있는데, 이는 정규화 과정에서 총합이 1에 근접할 수 있도록 정규화된 수치이므로, 해당 평가요소(음식종류)의 가중치에 대한 가중치로 변환해야 한다.
다시 말해, 각 속성들의 가중치(0.33, 0.33, 0.25, 0.09)가 해당 평가요소인 음식종류의 가중치인 0.30에 대한 가중치 값을 가질 수 있도록 변환되어야 한다.
이는 도 4d를 참조할 수 있다.
즉, 도 4d에 의하면 사용자는 평가요소 중에 음식종류와 음식가격을 할인율 및 구매자수보다 중요하게 생각하는 경향이 있으며, 각 속성들을 살펴보면, 음식종류에서는 해물로 및 채소류를 선호하고 음식가격은 0원부터 3만원까지의 가격대를 선호하며 60 내지 100%의 할인율을 선호하고 구매자수에는 영향을 받지 않는다는 것을 알 수 있다.
쿠폰정보기반 쿠폰우선순위 산출유닛은, 위에서 산출된 최종 가중치(W)를 이용하여 음식쿠폰에 종합 가중치를 부여하고, 총합을 통해 쿠폰의 우선순위를 산출할 수 있다.
여기서, 최종 가중치와 종합 가중치를 이해하는 데 있어서 혼란이 없도록 그 의미를 미리 정의하면 다음과 같다.
먼저, 최종 가중치(W)는 사용자 선호도에 대한 각 평가요소의 최종적인 가중치를 의미할 수 있다.
다음으로, 종합 가중치는 최종 가중치, 평가요소 및 상기 평가요소의 속성을 통해 상기 최종 가중치에 대해 가중된 상기 속성의 상대적 가중치를 의미할 수 있다. 즉, 음식쿠폰의 정보에 부여되는 것은 종합 가중치이다.
보다 쉽게 설명하기 위해, 도 4d를 참조하면, 각 평가요소(음식종류, 음식가격, 할인율 및 구매자수)의 옆에 기재된 가중치(0.30, 0.25, 0.15)가 최종 가중치(W)이고, 각 속성(해물류, 육류, \ 10,000 - 30,000, 60 - 100% ... 100 - 1,000명 등)의 옆에 기재된 가중치가 종합 가중치이다.
일예로, 첨부된 도면의 도 4e와 같은 쿠폰정보가 쿠폰정보 저장모듈에 저장되어 있다고 가정한다.
이때, 쿠폰정보기반 쿠폰우선순위 산출유닛은, 도 4e의 쿠폰정보를 근거하여 도 4f의 결과를 산출할 수 있다.
구체적으로, A 쿠폰의 경우, (i) 육류이므로 음식종류의 가중치가 0.07이 부여되고 (ii) 7,800원이므로 음식가격의 가중치가 0.09 부여되며 (iii) 할인율이 40%이므로 0.09의 가중치가 부여되고, (iv) 구매자수는 117명이므로 0.05의 가중치가 부여될 수 있다.
따라서, 0.30의 가중치 총합을 산출할 수 있는데, 이와 같은 방법으로 나머지 B 쿠폰(0.27), C 쿠폰(0.33), D 쿠폰(0.26) 및 E 쿠폰(0.28)의 가중치 총합을 산출할 수 있다.
이 후, 각 쿠폰의 가중치 총합에 따라 C - A - E - B - D 순서의 음식쿠폰 우선순위를 산출할 수 있다.
이러한 음식쿠폰의 우선순위는, 상기에서는 처음부터 A 쿠폰 내지 E 쿠폰만이 존재하는 것으로 기재하고 있으나, 이는 본 발명의 이해를 돕기 위하여 도면을 첨부하여 설명함에 따라 한정된 것일 뿐이지, 본 발명의 권리범위는 이에 한정되지 않는다.
다시 말해, A 쿠폰 내지 E 쿠폰은, 이들 5 종류의 음식쿠폰뿐만 아니라, 그외의 쿠폰정보 저장모듈에 저장될 수 있는 다량의 음식쿠폰 중에서 상기의 과정을 통해 5개 순위 내의 쿠폰으로 산출된 것일 수도 있다.
또한, 본 발명에 따른 음식쿠폰 추천 시스템은 상기의 산출된 음식쿠폰 우선순위에서 더 나아가 타인(다른 사용자)이 평가한 쿠폰평가에 대한 정보에 따른 우선순위를 취합함으로써, 사용자가 원하는 음식쿠폰을 더욱 정확하게 추천할 수 있는 이점을 갖는다.
이를 위해 산출부(220)는 쿠폰평가 가중치산출모듈(223)을 포함하며, 이는 타인의 쿠폰평가 정보에 기반하여 음식쿠폰의 우선순위를 산출하는 기능을 수행하는 것으로, (a) 쿠폰평가기반 요소별 가중치산출유닛 및 (b) 쿠폰평가기반 쿠폰우선순위 산출유닛을 포함할 수 있다.
이는 첨부된 도면의 도 2, 도 3, 도 5a 및 도 5b를 참조한다.
도 5a 및 도 5b는 본 발명에 따른 음식쿠폰 추천 시스템에서 쿠폰 평가에 기반하여 음식쿠폰을 추천하는 일예를 설명하기 위한 도면이다.
쿠폰평가기반 요소별 가중치산출유닛은, 쿠폰정보 저장모듈에 맛, 서비스, 분위기 및 위치로 분류되어 저장된 쿠폰평가의 정보를 이용하여 상술된 쌍대비교를 통해 도 5a와 같은 쿠폰평가에 대한 맛, 서비스, 분위기 및 위치에 대한 삼각퍼지수를 산출할 수 있다.
이때 쿠폰평가의 대상이되는 음식쿠폰은 위에서 소정의 우선순위 범위 내로 산출된 쿠폰일 수 있다.
예를 들어, 위에서 설명한 바와 같이 A 쿠폰 내지 E 쿠폰을 통해 5순위까지 산출된 쿠폰이 있다면, 상기의 쿠폰들(A - E)의 쿠폰평가 정보를 통해 쿠폰평가기반의 우선순위를 산출함으로써, 사용자가 원하는 음식쿠폰을 보다 정확하게 제공할 수 있는 것이다.
일예로, 도 5a를 참조하면 A 쿠폰 내지 E 쿠폰 중 어느 하나의 쿠폰을 적용한 결과, 맛(0.79), 서비스(0.07), 분위기(0.07) 및 위치(0.07)인 것을 알 수 있다.
이 또한, 쿠폰정보기반의 음식쿠폰 추천과 동일하게 각 평가요소 및, 평가요소와 내부 속성들 간의 가중치를 산출할 수 있다.
따라서, 쿠폰평가기반 쿠폰우선순위 산출유닛을 통해 도 5b의 결과를 산출할 수 있다.
첨부된 도면의 도 5b에 따르면 E 쿠폰이 가중치 총합 4.18로 인해 우선순위가 1위로 산출되었으며, 다음으로 D 쿠폰, C 쿠폰, A 쿠폰, B 쿠폰인 것으로 나타나고 있다.
그러나 이 결과는, 앞서 쿠폰정보에 기반한 우선순위와 확연한 차이를 보인다. 이에 따라 두 정보를 취합하여 사용자에게 음식쿠폰을 추천할 수 있어야하는데, 이를 위해 음식쿠폰 추천 서버(200)는 쿠폰추천부(230)를 포함하여 구성될 수 있다.
쿠폰추천부(230)는 음식쿠폰 추천 에이전트(100)에 음식쿠폰을 추천하는 기능을 수행할 수 있는데, 이때 추천되는 음식쿠폰은 상기의 두 정보를 취합하는 쿠폰우선순위 취합모듈을 통해 취합되어 최종적인 우선순위를 산출하고 - 최종 쿠폰추천모듈을 통해 정해진 개수 만큼에 해당하는 상위권의 음식쿠폰을 사용자에게 추천하도록 구성할 수 있다.
일예로, A 쿠폰은 쿠폰정보에 대한 우선순위에서 2위였지만, 쿠폰평가 정보에 대한 우선순위에서는 4위인 것으로 나타났다.
이에 따라 두 우선순위의 평균((2 + 4) / 2)을 통해 3의 최종 우선순위 값을 산출할 수 있다.
다른 B 쿠폰 내지 E 쿠폰들도 살펴보면, B 쿠폰은 4.5, C 쿠폰은 2, D 쿠폰은 3.5 E 쿠폰은 2로 최종 우선순위 값이 산출될 수 있으며, 이에 C 쿠폰 및/또는 E 쿠폰을 최종 쿠폰으로 하여 사용자에게 추천되도록 구성될 수 있는 것이다.
이에 따라 본 발명은, 무조건 가깝다는 이유 또는 사용자가 좋아하는 가격대 및 음식이라는 이유로 쿠폰을 추천하는 것이 아니라, 사용자의 선호도를 기반으로 음식쿠폰의 우선순위를 산출할 수 있으며, 이에 더하여 타인의 쿠폰평가를 더 부여함으로써, 사용자가 원하는 음식쿠폰을 정확하게 제공할 수 있는 이점이 있다.
즉, 사용자의 음식종류, 음식가격, 할인율, 구매자수에 따른 선호도는 물론, 타인의 평가까지 부가됨으로써, 단순히 어느 하나의 평가요소에 따라 음식쿠폰을 추천하는 것이 아닌 다양한 평가요소를 기반으로 음식쿠폰을 추천할 수 있는 것이다.
나아가, 개인 성향에만 맞추어 음식쿠폰을 추천하는 것이 아니라, 개인 선호도에 더해서 타인의 쿠폰평가 정보까지 감안하여 음식쿠폰을 추천할 수 있기 때문에 더욱 맛있고 질이 좋은 음식쿠폰을 추천할 수 있는 것이다.
한편, 본 발명자는 본 발명에 따른 음식쿠폰 추천 시스템을 이용하여 소셜 커머스에서 제공하고 있는 음식쿠폰을 중심으로 실험을 진행하였다.
이는 첨부된 도면의 도 6을 첨부하여 설명한다.
도 6은 본 발명에 따른 음식쿠폰 추천 시스템을 이용하여 사용자의 만족도를 실험한 결과를 나타낸 것이다.
실험에는 총 23이 참여하였으며, 이중 83%에 해당하는 19명이 응답하였다.
그리고 실험 참가자별로 설문지를 작성하여 실험자들의 개인성향을 조사하고 적용한 후, 도 6과 같은 쿠폰 추천 결과 만족도를 조사하였다.
조사 결과, 만족도 조사에서 실험자들 중 매누 만족은 9명(45%), 만족은 6명(33%), 보통은 4명(22)으로 조사되었으며, 대체로 만족한다는 결과를 얻을 수 있었으며, 불만족에 대한 조사 결과는 없었다.
이와 같이 이루어지는 본 발명에 따른 음식쿠폰 추천 시스템은, AHP기법을 이용하여 사용자의 선호도를 산출할 수 있기 때문에 사용자가 원하는 음식쿠폰을 정확하게 추천할 수 있다.
또한 본 발명은 퍼지이론을 적용하여 음식쿠폰의 정보와 음식쿠폰에 대한 제3자의 평가에 대한 가중치를 산출하고, 산출된 가중치와 사용자 선호도에 근거하여 음식쿠폰의 우선순위를 산출함으로써, 보다 정확하게 사용자가 원하는 음식쿠폰을 제공할 수 있다.
한편, 상기에서 도 1 내지 도 6을 이용하여 서술한 것은, 본 발명의 주요 사항만을 서술한 것으로, 그 기술적 범위 내에서 다양한 설계가 가능한 만큼, 본 발명이 도 1 내지 도 6의 구성에 한정되는 것이 아님은 자명하다.
100 : 음식쿠폰 추천 에이전트 110 : 사용자정보수집부
120 : 쿠폰추천인터페이스 200 : 음식쿠폰 추천 서버
210 : 저장부 220 : 산출부
221 : 사용자선호도 가중치산출모듈 222 : 쿠폰정보 가중치산출모듈
223 : 쿠폰평가 가중치산출모듈 230 : 쿠폰추천부

Claims (5)

  1. 음식쿠폰 추천 에이전트 및 음식쿠폰 추천 서버를 포함하여 사용자 선호도 기반의 음식쿠폰을 추천할 수 있는 시스템에 있어서,
    상기 음식쿠폰 추천 에이전트는,
    상기 사용자 선호도의 가중치를 산출하기 위한 응답정보를 입력받아 상기 음식쿠폰 추천 서버로 전송하고 상기 음식쿠폰 추천 서버에서 추천되는 음식쿠폰을 표시하며,
    상기 음식쿠폰 추천 서버는,
    음식쿠폰에 대한 정보를 저장하되,
    a) 상기 저장된 음식쿠폰을 통해 쿠폰정보 기반의 우선순위 및 쿠폰평가 기반의 우선순위를 산출하며,
    b) 상기 쿠폰정보기반의 우선순위와 쿠폰평가기반의 우선순위를 취합하여 최종 우선순위를 산출하고,
    c) 산출된 최종 우선순위에 따라 음식쿠폰을 추천하는 것을 특징으로 하는, 음식쿠폰 추천 시스템.
  2. 청구항 1에 있어서,
    상기 평가요소는,
    음식종류, 음식가격, 할인율 및 구매자수를 포함하며,
    상기 음식쿠폰 추천 서버는,
    a) Fuzzy-AHP기법을 이용하여 상기 응답정보를 삼각퍼지수로 변환하고,
    b) 상기 삼각퍼지수를 복합퍼지값으로 변환하여 최종 가중치를 산출하며,
    c) 상기 최종 가중치, 평가요소 및 상기 평가요소의 속성을 통해 종합 가중치를 산출하고,
    d) 상기 종합 가중치를 저장된 음식쿠폰의 정보에 부여함으로써 쿠폰정보 기반의 우선순위를 산출하는 것을 특징으로 하는, 음식쿠폰 추천 시스템.
  3. 청구항 2에 있어서,
    상기 평가요소는,
    맛, 서비스, 분위기 및 위치를 더 포함하는 것을 특징으로 하는, 음식쿠폰 추천 시스템.
  4. 청구항 1 또는 3에 있어서,
    상기 음식쿠폰 추천 서버는,
    상기 산출된 쿠폰정보 기반의 우선순위 중, 일정 순위권에 포함되어 있는 음식쿠폰을 대상으로 상기 쿠폰평가 기반의 우선순위를 산출하는 것을 특징으로 하는, 음식쿠폰 추천 시스템.
  5. 청구항 4에 있어서,
    상기 음식쿠폰 추천 서버는,
    상기 쿠폰정보 기반의 우선순위와 쿠폰평가 기반의 우선순위를 평균 취합하여 최종 우선순위를 산출하는 것을 특징으로 하는, 음식쿠폰 추천 시스템.
KR1020140083163A 2014-07-03 2014-07-03 음식쿠폰 추천 시스템 KR101641725B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140083163A KR101641725B1 (ko) 2014-07-03 2014-07-03 음식쿠폰 추천 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140083163A KR101641725B1 (ko) 2014-07-03 2014-07-03 음식쿠폰 추천 시스템

Publications (2)

Publication Number Publication Date
KR20160005187A true KR20160005187A (ko) 2016-01-14
KR101641725B1 KR101641725B1 (ko) 2016-07-21

Family

ID=55172973

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140083163A KR101641725B1 (ko) 2014-07-03 2014-07-03 음식쿠폰 추천 시스템

Country Status (1)

Country Link
KR (1) KR101641725B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102228929B1 (ko) * 2020-04-02 2021-03-18 티미드링크 주식회사 음식점 추천 서비스 제공장치 및 방법
US20210183483A1 (en) * 2019-12-12 2021-06-17 WellnessIntelligence Inc. Child care information platform server for recommending information regarding child care based on user information and the operating method thereof

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020013338A (ko) * 2000-08-14 2002-02-20 박대희 학교 선정을 위한 웹 기반 퍼지 의사 결정 지원 시스템
KR20090000643A (ko) 2007-03-14 2009-01-08 남종철 상황인식 기반 광고 쿠폰 발행시스템
KR20120100137A (ko) * 2011-03-03 2012-09-12 삼성전자주식회사 다중 사용자 그룹에 대한 다중 사용자의 선호도를 고려한 의사 결정을 위한 방법 및 장치
KR20120137544A (ko) 2011-04-12 2012-12-24 이주형 소셜커머스 서비스 제공 방법 및 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020013338A (ko) * 2000-08-14 2002-02-20 박대희 학교 선정을 위한 웹 기반 퍼지 의사 결정 지원 시스템
KR20090000643A (ko) 2007-03-14 2009-01-08 남종철 상황인식 기반 광고 쿠폰 발행시스템
KR20120100137A (ko) * 2011-03-03 2012-09-12 삼성전자주식회사 다중 사용자 그룹에 대한 다중 사용자의 선호도를 고려한 의사 결정을 위한 방법 및 장치
KR20120137544A (ko) 2011-04-12 2012-12-24 이주형 소셜커머스 서비스 제공 방법 및 시스템

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
[논문]한국디지털정책학회 학술논문/2013.03/베이지안 네트워크를 이용한 상황정보에 기반을 둔 소셜커머스 음식 쿠폰 추천시스템* *
[논문]한국디지털정책학회 학술논문/2014.05/사용자 선호도를 반영한 FUZZY-AHP 기반 맞춤형 쿠폰 추천 모델 *
인과관계 지식 모델링을 위한 퍼지인식도와 베이지안 신뢰 네트워크의 비교 연구(DOI: 10.3745/KIPSTB.2008.15-B.2.147, Wooi Ping Cheah, 김경윤, 양형정, 김수형, 김정식)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210183483A1 (en) * 2019-12-12 2021-06-17 WellnessIntelligence Inc. Child care information platform server for recommending information regarding child care based on user information and the operating method thereof
KR20210074533A (ko) * 2019-12-12 2021-06-22 웰니스인텔리전스(주) 사용자 정보를 기반으로 육아 서비스 추천이 가능한 육아 정보 플랫폼 서버 및 그 동작 방법
US11830591B2 (en) 2019-12-12 2023-11-28 WellnessIntelligence Inc. Child care information platform server for recommending information regarding child care based on user information and the operating method thereof
KR102228929B1 (ko) * 2020-04-02 2021-03-18 티미드링크 주식회사 음식점 추천 서비스 제공장치 및 방법

Also Published As

Publication number Publication date
KR101641725B1 (ko) 2016-07-21

Similar Documents

Publication Publication Date Title
Meek et al. A big data exploration of the informational and normative influences on the helpfulness of online restaurant reviews
De Langhe et al. Navigating by the stars: Investigating the actual and perceived validity of online user ratings
Hajli A study of the impact of social media on consumers
Cheng et al. Exploring antecedents and consequence of online group-buying intention: An extended perspective on theory of planned behavior
Dolasinski et al. Measuring hotel channel mix: A Dea-BSC model
KR101482219B1 (ko) 음식쿠폰추천 시스템 및 방법
Aryani et al. Factors influencing consumer behavioral intention to use food delivery services: A study of Foodpanda
Celotto et al. Fuzzy linguistic approach to quality assessment model for electricity network infrastructure
Wu et al. AI-based quality risk management in omnichannel operations: O2O food dissimilarity
Nitchhote et al. The new normal service quality and behavior food purchase intention during COVID-19
Lies Marketing Intelligence: Boom or Bust of Service Marketing?
Erdiyana et al. Social Media Influencers’ Role on Brand Engagement, Value, and Consumers' Intention to Buy Muslim Fashion
Oktriyanto Effects of Social Media Marketing Activities Toward Purchase Intention Healthy Food in Indonesia
Nguyen et al. Organic food and obesity: factors influencing actual purchase of organic food in COVID-19 pandemic with moderating role of organic food availability
KR101641725B1 (ko) 음식쿠폰 추천 시스템
Padillo Jr et al. Modelling the priority attributes of customer loyalty in Philippine single-dish restaurants
Othmani et al. Perceived quality of a virtual community and its components: An exploratory investigation
Coba et al. Decision Making Based on Bimodal Rating Summary Statistics-An Eye-Tracking Study of Hotels
Hoyos-Vallejo et al. Consumer perceptions of online food delivery services: examining the impact of food biosafety measures and brand image
Mohanty et al. Service Experience and Customer Satisfaction in Offline and Online Services: A Study on Traditional Apparel Retail in Odisha
Cervelló et al. Ranking residential properties by a multicriteria single price model
Li et al. Effects of negative customer reviews on sales: Evidence based on text data mining
Aung Factors Affecting of E-Commerce on Consumer’s attitude towards purchasing fashion products: A Study of Myanmar Online Consumers
Tallón-Ballesteros Consumer behaviour towards mobile marketing in UAE restaurants: application of technology acceptance model
Lee et al. Do Ifollow My Friends or the Crowd? Information Cascades in Online Movie Rating

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)