KR20160027263A - System and server reflecting user real-time preference - Google Patents

System and server reflecting user real-time preference Download PDF

Info

Publication number
KR20160027263A
KR20160027263A KR1020140112262A KR20140112262A KR20160027263A KR 20160027263 A KR20160027263 A KR 20160027263A KR 1020140112262 A KR1020140112262 A KR 1020140112262A KR 20140112262 A KR20140112262 A KR 20140112262A KR 20160027263 A KR20160027263 A KR 20160027263A
Authority
KR
South Korea
Prior art keywords
user
item
short
time
preference
Prior art date
Application number
KR1020140112262A
Other languages
Korean (ko)
Other versions
KR102251285B1 (en
Inventor
이상엽
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020140112262A priority Critical patent/KR102251285B1/en
Publication of KR20160027263A publication Critical patent/KR20160027263A/en
Application granted granted Critical
Publication of KR102251285B1 publication Critical patent/KR102251285B1/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

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to a recommendation system and a recommendation server and, more particularly, to a system and a server, which compute a user′s real-time preference from a user′s response to an item such as goods recommended for a short period of time, compare the computed real-time preference with long-term preference computed from the user′s response for a long period of time, and recommend a predetermined item to the user in consideration of the real-time preference if the comparison result does not satisfy a predetermined reference value. The recommendation system according to the present invention comprises: an item-user response collecting unit which collects information about one or more proposed items and user′s responses thereto; a short-term preference computing unit which computes a user′s short-term preference in consideration of a user′s response to one or more items proposed for a first time; a long-term preference computing unit which computes a user′s long-term preference in consideration of a user′s response to one or more items proposed for a second time; and a recommendation item computing unit which compares the user′s short-term preference with the user′s long-term preference, and selects an item to be recommended in consideration of the user′s short-term preference if the comparison result does not satisfy a predetermined reference, wherein the first time is the time from the present time to a predetermined past time, and the second time is the time longer than the first time.

Description

사용자의 실시간 선호도를 반영한 추천 시스템 및 서버{System and server reflecting user real-time preference}A system and a server reflecting a real-time preference of a user {System and server viewing user real-time preference}

본 발명은 추천 시스템 및 서버에 관한 것으로서, 보다 구체적으로는 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버에 관한 것이다.The present invention relates to a recommendation system and a server, and more particularly, to a recommendation system and a server that calculate a real-time preference of a user from a reaction behavior of a user to an item such as a recommended product for a short period of time, A system and a server for recommending a predetermined item in consideration of a real-time preference to the user when the user's preference does not meet a predetermined reference value.

정보통신 기술의 급격한 발전과 함께 다양한 정보를 활용한 여러 서비스가 이 시도되고 있다. 특히, 근래에 들어서는 온라인 쇼핑 등의 대중화와 함께 사용자 개개인의 선호도나 적합도를 고려하여 적절한 상품이나 서비스를 추천하는 기술이 발전되어 왔다. 예를 들어, 아마존이나 넷플릭스 등에서는 개인에 따라 적절한 상품이나 서비스를 추천하는 기술을 이용하여 상당한 상업적 성공을 거두고 있다.Along with the rapid development of information and communication technology, various services utilizing various information have been tried. Especially, in recent years, popularization of online shopping and the like have been developed to recommend appropriate products or services in consideration of user's preference and fitness. Amazon and Netflix, for example, have achieved considerable commercial success using technology that recommends the right product or service for each individual.

종래 상용화된 추천 기술들은 다양한 기법을 사용하여 구현되었는데, 그 대표적인 예로서 협업 필터링(Collaborative Filtering, CF) 기법을 들 수 있다. 협업 필터링 기법은 다수 사용자들의 관심 정보를 바탕으로 추천할 대상을 선정하게 되는데, 이에 따라 협업 필터링 기법은 같은 종류의 상품에 관심을 보였던 사용자들은 향후에도 유사한 선호도 패턴을 보일 것이라는 가정에 기반하여 사용자에게 상품을 추천하게 된다.Conventionally commercialized recommendation techniques have been implemented using various techniques, and a typical example thereof is Collaborative Filtering (CF). Based on the assumption that users who are interested in the same kind of product will show a similar preference pattern in the future, the collaborative filtering technique can be applied to users We recommend the product.

그런데, 종래 추천 기술들은 통상적으로 사용자의 과거 상품 구매 이력 등으로부터 사용자의 과거 선호도를 산출하고 이를 기반으로 사용자에게 소정의 상품을 추천할 뿐, 사용자의 실시간 선호도를 파악하여 반영하지는 못한다는 한계를 가지고 있다. 예를 들어, 대한민국 공개특허 제 10-2009-0015240호(2009. 2. 12. 공개)에서도 복수의 컨텐츠 제공 서버로부터 사용자 정보와 사용자의 서비스 이용 정보를 전달받아 사용자의 선호도를 파악하게 되는바, 사용자의 과거 선호도에 기반한 컨텐츠 추천은 가능하겠으나, 사용자의 실시간 선호도를 반영하기에는 어려움이 따르게 된다.However, the conventional recommendation techniques generally have a limitation that the past preference of the user is calculated from the user's past purchase history of the user, and the user is recommended to use the predetermined product based on the past preference, have. For example, Korean Patent Laid-Open No. 10-2009-0015240 (published on February 12, 2009) receives user information and user's service utilization information from a plurality of content providing servers and grasps the user's preference, Although it is possible to recommend content based on the user's past preference, it is difficult to reflect the user's real-time preference.

그러나, 사용자가 소정의 상품을 구매하는 데에는 매우 다양한 요인이 작용할 수 있어, 사용자가 항상 과거 선호도에 따라 상품을 구매하게 된다고 보기는 어렵다. 예를 들어, 의류나 영화 등 상품의 종류에 따라서는 최신의 유행 흐름이나 사용자의 심리적 상태에 따라 상품 구매 패턴이 크게 달라질 수 있고, 또한 자신이 사용할 용도가 아니라 선물 등의 용도로 상품을 구매하는 경우에도 사용자의 과거 선호도와는 전혀 다른 구매 형태를 보일 수 있다.However, it is difficult for a user to buy a commodity according to past preferences because a very wide variety of factors may be involved in purchasing a commodity. For example, depending on the type of product such as clothes or movies, the purchase pattern of the product can be greatly changed according to the latest trends or the psychological state of the user. In addition, It is possible to show a purchase form completely different from the past preference of the user.

또한, 사용자의 선호도 및 상품이 가지는 특성도 시간의 흐름에 따라 지속적으로 변화할 수 있으므로, 사용자에게 보다 적절한 상품을 추천하기 위해서는 상기 사용자의 선호도와 상품이 가지는 특성 데이터도 지속적으로 갱신되는 것이 바람직하므로, 이를 효과적으로 수행할 수 있는 방안도 필요하게 된다.In addition, since the preference of the user and the characteristics of the product may continuously change with time, it is desirable that the preference of the user and the characteristic data of the product are continuously updated in order to recommend the more appropriate product to the user , And a method of effectively performing this is also required.

이에 따라, 사용자의 과거 선호도 만을 고려하는 데 그치지 않고, 사용자의 실시간 선호도를 파악하고 이를 반영하여 소정의 아이템을 추천할 수 있고, 사용자의 선호도 및 상품의 특성 데이터도 지속적으로 갱신될 수 있는 추천 시스템 및 서버가 요구되고 있으나, 이에 대한 적절한 해결책이 아직 제시되지 못하고 있는 실정이다.Accordingly, not only the past preference of the user but also the preference of the user can be recognized, the recommendation of the predetermined item can be made by reflecting the user's real-time preference, and the preference of the user and the characteristic data of the goods can be continuously updated. And a server are required, but a proper solution has not yet been proposed.

본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위해 창안된 것으로, 사용자의 실시간 선호도를 파악한 후, 이를 반영하여 아이템을 추천할 수 있는 추천 시스템 및 서버를 제공하는 것을 목적으로 한다.SUMMARY OF THE INVENTION It is an object of the present invention to provide a recommendation system and a server which are capable of recommending an item after reflecting a user's real-time preference after reflecting on the user's real-time preference.

또한, 본 발명은 사용자의 선호도와 상품이 가지는 특성 데이터가 효과적으로 갱신되어 정확성을 높일 수 있는 추천 시스템 및 서버를 제공하는 것을 목적으로 한다.Another object of the present invention is to provide a recommendation system and a server which can improve the accuracy of user's preference and the characteristic data of a product effectively.

상기한 과제를 해결하기 위한 본 발명의 한 측면에 따른 추천 시스템은 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부; 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 한다.According to an aspect of the present invention, there is provided a recommendation system comprising: an item-user reaction collecting unit for collecting information on at least one item to be presented and a reaction behavior of the user; A short-term preference calculating unit for calculating a user's short-term preference in consideration of the reaction behavior of the user for at least one item presented for the first time; A long-term preference calculating unit for calculating a user's long-term preference in consideration of a reaction behavior of a user with respect to at least one item presented for a second time; And a recommendation item calculation unit for estimating an item to be recommended in consideration of the short-term preference of the user when the user's short-term preference is compared with a long-term preference and deviates from a predetermined standard, And the second time period is longer than the first time period.

여기서, 소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부를 더 포함하며, 이때, 상기 추천 아이템 산정부는, 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정할 수 있다.Herein, the recommendation item calculation unit may further include an item property calculation unit that calculates a property of the item in consideration of a reaction behavior of each user with respect to the item presented to the user for a predetermined period of time, If the preference is compared with a predetermined criterion, the recommendable item can be calculated in consideration of the short-term preference of the user and the characteristics of the item.

또한, 상기 아이템의 특성은 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현될 수 있다.In addition, the characteristic of the item may be realized by an item characteristic table including one or more items that can express the characteristic of the item and characteristic values for each item.

또한, 상기 사용자의 단기 선호도 및 사용자의 장기 선호도는, 각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현될 수 있다.Also, the short-term preference of the user and the user's long-term preference can be realized by a user's short-term preference table and user's long-term preference table, which are composed of one or more items that can express the characteristics of each user and characteristic values for each item.

또한, 상기 아이템-사용자 반응 수집부는, 상기 제 1시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 단기 반응 테이블과, 상기 제2 시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 장기 반응 테이블을 생성하거나 갱신할 수 있다.Also, the item-user reaction collecting unit may include an item-user short-term reaction table including at least one item information presented during the first time and user's reaction behavior information thereof, and at least one item information And an item-user long term reaction table including the user's reaction behavior information.

또한, 상기 사용자 단기 선호도 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신될 수 있다.Also, the user short-term preference table may be updated using the item-user short-term response table.

또한, 상기 사용자 장기 선호도 테이블은 상기 아이템-사용자 장기 반응 테이블을 이용하여 갱신될 수 있다.Also, the user long term preference table may be updated using the item-user long term response table.

또한, 각 아이템에 대한 아이템 특성 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되며, 상기 아이템 특성 테이블은 각 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성될 수 있다.Also, the item property table for each item is updated using the item-user short-term response table, and the item property table may include one or more items that can express the feature of each item and a property value for each item .

또한, 상기 추천 아이템 산정부는, 상기 사용자 단기 선호도 테이블과 상기 사용자 장기 선호도 테이블의 유사도를 산출하여 소정의 기준치를 벗어나는 경우, 상기 사용자 단기 선호도 테이블과 상기 각 아이템에 대한 아이템 특성 테이블의 유사도를 산출한 후, 이를 고려하여 상기 사용자에게 추천할 아이템 또는 추천 순위를 산정할 수 있다.The recommendation item calculation unit may calculate similarity between the user short term preference table and the user long term preference table and the similarity between the user short term preference table and the item characteristic table for each item Then, an item to be recommended to the user or a recommendation rank can be calculated in consideration of this.

본 발명의 다른 측면에 따른 추천 서버는 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 한다.The recommendation server according to another aspect of the present invention includes a short term preference calculating unit that receives a user's reaction behavior for one or more items presented for a first time from a user terminal and calculates a short term preference of the user; A long term preference calculating unit that receives a user's reaction behavior for one or more items presented for a second time from a user terminal and calculates a user's long term preference; An item characteristic calculating unit for calculating a characteristic of each item in consideration of the information about the item and the reaction behavior of the user; And a recommendation item calculation unit for calculating an item to be recommended to the user by using the short-term preference of the user and the characteristics of the item when the user's short-term preference is compared with the long-term preference, The first time and the second time are time from a current time point to a predetermined past time point, and the first time point is shorter than the second time point.

여기서, 상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은, 각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현될 수 있다.Here, the short-term preference of the user, the user's long-term preference, or the characteristics of the item may be a user short-term preference table, a user long-term preference table, or a user preference table composed of one or more items that can characterize each user or item, Item property table.

또한, 상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 갱신될 수 있다.In addition, the user short term preference table, the user long term preference table, and the item characteristic table may be updated using the user's reaction behavior for one or more items presented to the user.

본 발명에 따르면, 단기간 동안의 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 실시간 선호도를 고려하여 아이템을 추천하는 시스템 및 서버를 개시하는 효과를 갖는다.According to the present invention, after calculating a user's real-time preference for a short period of time, the system and the server for recommending an item in consideration of real-time preference when the user's long- .

또한, 본 발명에 따르면, 사용자에게 추천된 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 고려하여 사용자의 선호도와 아이템의 특성 데이터가 효과적으로 갱신되어 정확성을 높일 수 있는 추천 시스템 및 서버를 개시하는 효과를 갖는다.According to the present invention, there is provided an effect of initiating a recommendation system and a server that can improve the accuracy of a user's preference and item characteristic data by effectively updating the attribute information of the user in consideration of item information recommended by the user and response behavior information of the user .

또한, 본 발명에 따르면, 사용자에게는 사용자가 원하는 아이템을 보다 정확하게 제시하여 사용상의 편리함을 증진할 수 있고, 서비스 제공자에게는 사용자의 아이템에 대한 구매 확률을 높여주어 사업 성과를 극대화학 수 있는 추천 시스템 및 서버를 개시하는 효과를 갖는다.In addition, according to the present invention, it is possible to provide a recommendation system capable of maximizing business performance by enhancing the convenience of use by presenting a desired item to a user more accurately, It has the effect of starting the server.

본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 동작 설명도이다.
도 3은 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 상세한 동작 설명도이다.
도 4는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버 및 사용자 단말의 구성도이다.BRIEF DESCRIPTION OF THE DRAWINGS The accompanying drawings, which are included to provide a further understanding of the invention and are incorporated in and constitute a part of the specification, illustrate embodiments of the invention and, together with the description, serve to explain the principles of the invention.
FIG. 1 is a configuration diagram of a recommendation system reflecting real-time preferences according to an embodiment of the present invention.
FIG. 2 is an operation explanatory diagram of a recommendation system reflecting real-time preference according to an embodiment of the present invention.
FIG. 3 is a detailed operation diagram of a recommendation system reflecting real-time preferences according to an embodiment of the present invention.
4 is a configuration diagram of a recommendation server and a user terminal reflecting real-time preferences according to an embodiment of the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이하에서는 특정 실시예들을 첨부된 도면을 기초로 상세히 설명하고자 한다.BRIEF DESCRIPTION OF THE DRAWINGS The present invention is capable of various modifications and various embodiments, and specific embodiments will be described in detail below with reference to the accompanying drawings.

본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.The terms first, second, etc. may be used to describe various components, but the components are not limited by the terms, and the terms are used only for the purpose of distinguishing one component from another Is used.

본 발명은, 종래 기술에 따른 추천 시스템의 경우 통상 사용자의 과거 선호도를 산출하고 이를 기반으로 사용자에게 소정의 상품 등 아이템을 추천하는데 그치고, 사용자의 실시간 선호도를 반영하지 못한다는 문제가 있으며, 또한 사용자의 선호도와 상품이 가지는 특성 데이터를 효과적으로 갱신하면서 정확성을 높임으로써 사용자에게 보다 정확한 아이템을 추천할 수 있어야 한다는 문제점에 착안하여, 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버를 개시하는 것을 특징으로 한다.In the case of the recommendation system according to the related art, the conventional system calculates a past preference of a user and recommends a predetermined commodity such as a user to the user based on the past preference, and does not reflect the user's real-time preference. It is necessary to be able to recommend a more accurate item to the user by improving the accuracy of the property data of the product and effectively updating the characteristic data of the product. Thus, from the reaction behavior of the user, And then recommending a predetermined item to the user in consideration of the real time preference when the user does not reach a predetermined reference value in comparison with the long term preference calculated from the reaction behavior of the user for a long period of time Feature All.

이하에서는, 본 발명에 따른 실시간 선호도를 반영한 추천 시스템 및 서버의 예시적인 실시 형태들을 첨부된 도면을 참조하여 상세히 설명한다.Hereinafter, exemplary embodiments of a recommendation system and a server that reflect real-time preferences according to the present invention will be described in detail with reference to the accompanying drawings.

먼저 도 1에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 구성도를 도시하고 있다. 도 1에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부(110), 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부(120), 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부(130), 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부(140)를 포함하여 구성될 수 있으며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 한다.First, FIG. 1 illustrates a configuration of a recommendation system 100 that reflects a real-time preference according to an embodiment of the present invention. 1, the recommendation system 100, which reflects real-time preferences according to an exemplary embodiment of the present invention, includes an item-user reaction A short term preference calculating unit 120 for calculating a short term preference of a user in consideration of a reaction behavior of a user for one or more items presented for a first time, A long term preference calculating unit 130 for calculating a user's long term preference in consideration of a reaction behavior, and a long term preference calculating unit 130 for comparing the short term preference and the long term preference of the user, And a recommendation item estimating unit 140 for estimating the recommendation item, And the time until the predetermined past time, the second time is characterized in that a long period of time than the first time.

또한, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부(150)를 더 포함하여 구성될 수 있으며, 이때, 상기 추천 아이템 산정부(140)는, 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정하게 된다.In addition, the recommendation system 100 reflecting the real-time preference according to an exemplary embodiment of the present invention includes an item characteristic calculator (for example, 150). The recommendation item estimating unit 140 may compare the short-term preference of the user with the long-term preference, and if the user's short-term preference exceeds the predetermined criterion, And the item to be recommended is calculated.

이하에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)을 각 구성 부분별로 나누어 자세하게 검토한다.Hereinafter, the recommendation system 100 reflecting the real-time preference according to an exemplary embodiment of the present invention is divided into parts and examined in detail.

먼저, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부(110)에 대하여 살핀다. 본 발명의 일 실시예로서, 상기 아이템-사용자 반응 수집부(110)에서는 온라인 사이트 등을 이용하는 사용자의 단말에 상품이나 서비스 등 소정의 아이템을 제시하고, 상기 제시된 아이템에 대한 사용자의 반응 행동들을 수집하게 된다. 예를 들어, 사용자에게 관심이 있는 상품이 제시되는 경우에는 사용자가 상기 상품의 설명 페이지를 자세하게 살펴보거나, 장바구니에 넣는 등 긍정적인 반응을 보일 수 있으며, 특히 상기 상품을 구매하는 것은 사용자의 선호도를 긍정할 수 있는 중요한 반응 행동이라고 할 수 있다. 반면, 사용자가 제시된 상품에 관심이 없는 경우에는 빠른 스크롤로 지나치거나 이전 페이지로 돌아가는 등의 행동을 보일 것이다. 이를 이용하여, 제시되는 소정의 상품이나 서비스 등 아이템에 대한 사용자의 반응 행동 데이터를 수집하여 이를 분석함으로써, 사용자의 취향 내지는 선호도를 파악할 수 있게 된다.First, the user-response collecting unit 110 collects information about at least one item to be presented and a reaction behavior of the user. In an embodiment of the present invention, the item-user reaction collecting unit 110 may present a predetermined item such as a product or a service to a terminal of a user who uses an online site or the like, . For example, when a product that is of interest to a user is presented, the user may show a positive response such as checking the detail page of the product in detail or putting it in a shopping cart. Particularly, It is an important reaction action that can be affirmed. On the other hand, if the user is not interested in the presented product, he or she may be quick to scroll or go back to the previous page. By using this, the user's reaction behavior data for an item such as a predetermined product or service can be collected and analyzed to grasp the user's taste or preference.

이어서, 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부(120)와 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부(130)에 대하여 살핀다.The short-term preference calculating unit 120 calculates the short-term preference of the user in consideration of the reaction behavior of the user with respect to the one or more items presented for the first time, and the user's reaction behavior with respect to the one or more items presented for the second time Term preference calculating unit 130 that calculates the user's long-term preference.

먼저, 상기 장기 선호도 산출부(130)에서는 제시된 상품 등 아이템에 대한 장기간 동안의 사용자의 반응 행동 데이터를 고려하여 각 사용자의 장기 선호도를 산출하게 된다. 상기 사용자에 대하여 장시간 동안 다양한 상품에 대한 반응 데이터를 축적함으로써, 상기 사용자에 대한 취향 내지는 선호도를 보다 정확하게 파악할 수 있게 된다.First, the long-term preference calculating unit 130 calculates the long-term preference of each user by taking into account the user's reaction behavior data for a long-term user for the presented items. The user can more accurately grasp the taste or the preference of the user by accumulating the reaction data for various products for a long time.

구체적인 예로서, 사용자의 장기 선호도를 산출함에 있어 각 사용자가 소정의 온라인 쇼핑몰에 가입하는 시점부터 시작하여 상기 사용자에게 제시되는 상품 등 아이템에 대한 사용자의 반응을 지속적으로 수집하여 각 사용자의 장기 선호도를 산출할 수 있으며, 또는 소정의 기간, 예를 들어 최근 1년간의 사용자의 반응을 수집하여 각 사용자의 장기 선호도를 산출함으로써, 사용자의 최근 선호도에 중점을 두어 장기 선호도를 산출할 수도 있다.As a concrete example, in calculating the user's long-term preference, each user continuously collects the user's reaction to the item such as the commodity presented to the user starting from the time when each user joins the predetermined online shopping mall, Or by collecting the responses of the users for a predetermined period of time, for example, the past one year, and calculating long-term preferences of each user, the long-term preference may be calculated by focusing on the user's recent preferences.

이렇게 산출되는 각 사용자의 장기 선호도는 사용자의 기본적인 취향 내지 선호도를 나타내게 되는 바, 통상의 경우 각 사용자의 장기 선호도를 바탕으로 소정의 아이템을 추천함으로써, 각 사용자에게 적합한 아이템을 제공할 수 있게 된다. 또한, 사용자에게 적합한 아이템을 제공함으로써, 각 사용자의 편의를 도모하고, 나아가 각 사용자의 구매 확률을 높일 수 있게 되는 바, 온라인 쇼핑몰 운영자 등 서비스 제공자에게는 비즈니스 성과도 개선할 수 있다는 장점을 가질 수 있다.The long-term preference of each user thus calculated represents the basic taste or preference of the user, and in general, by recommending a predetermined item based on the long-term preference of each user, an item suitable for each user can be provided. Further, by providing an item suitable for a user, convenience of each user can be improved, and further, the probability of purchase of each user can be increased. Thus, the service provider such as an online shopping mall operator can have an advantage of improving business performance .

그런데, 사용자가 소정의 상품을 구매하는 데에는 매우 다양한 요인이 작용할 수 있어, 사용자가 항상 상기한 장기 선호도에 따라 상품을 구매하게 된다고 보기는 어렵다. 예를 들어, 의류나 영화 등 상품의 종류에 따라서는 최신의 유행 흐름이나 사용자의 심리적 상태에 따라 상품 구매 패턴이 크게 달라질 수 있고, 또한 자신이 사용할 용도가 아니라 선물 등의 용도로 상품을 구매하는 경우에도 사용자의 과거 선호도와는 전혀 다른 구매 형태를 보일 수 있다. 이러한 경우에는 상기 사용자에 대하여 단기간 동안의 취향 내지 선호도를 파악하여 이에 기반한 상품 등 아이템을 추천하는 것이 보다 바람직하게 된다. However, a very wide variety of factors may be involved in purchasing a predetermined commodity by a user, and it is difficult for the user to always purchase the commodity according to the above-mentioned long-term preference. For example, depending on the type of product such as clothes or movies, the purchase pattern of the product can be greatly changed according to the latest trends or the psychological state of the user. In addition, It is possible to show a purchase form completely different from the past preference of the user. In such a case, it is more preferable to identify the preference or preference of the user for a short period of time and to recommend items based on the preference.

이에 따라, 본 발명에 따른 단기 선호도 산출부(120)에서는 제시되는 아이템에 대한 단기간 동안의 사용자의 반응 행동 데이터를 고려하여 각 사용자의 단기 선호도를 산출하게 된다. 보다 구체적으로, 사용자가 소정의 온라인 쇼핑몰 사이트에 로그인한 시점부터 사용자의 반응 행동 데이터를 수집하고, 이로부터 각 사용자의 단기 선호도를 산출하거나, 또는 당일 내지는 수일 간의 시간에 대하여 각 사용자의 단기 선호도를 산출할 수도 있다.Accordingly, the short-term preference calculating unit 120 according to the present invention calculates the short-term preference of each user in consideration of the user's reaction behavior data for a short period of time with respect to the presented item. More specifically, the user collects the reaction behavior data of the user from the time when the user logs in to the predetermined online shopping mall site, calculates the short-term preference degree of each user, or calculates the short-term preference degree of each user .

상기와 같이 산출된 단기 선호도를 장기 선호도와 비교하여 그 차이가 소정의 기준치를 넘어서는 등 미리 정하여진 기준을 벗어나는 경우, 사용자의 장기 선호도가 아닌 사용자의 단기 선호도에 기반하여 아이템을 선정함으로써, 각 사용자의 실시간 취향 내지는 의사를 반영하여 아이템을 추천할 수 있게 된다.If the calculated short-term preference is compared with the long-term preference and the difference exceeds the predetermined reference value, or if the difference exceeds the predetermined reference value, the item is selected based on the short-term preference of the user, The user can recommend the item by reflecting the real-time taste or intention of the user.

보다 구체적으로는, 상기 단기 선호도와 장기 선호도의 차이가 소정의 기준치는 넘어서지만 그 차이가 크지 않을 경우에는 장기 선호도에 따른 아이템을 주로 추천하면서 단기 선호도에 따른 아이템을 일부 추천하는 방식도 가능하고, 상기 단기 선호도와 장기 선호도의 차이가 상당히 큰 경우에는 주로 단기 선호도에 따른 아이템을 추천하고, 장기 선호도에 따른 아이템을 일부 추천하는 방식도 가능하다. 그러나, 반드시 이에 한정되는 것은 아니며, 상품과 사용자의 특성 등에 따라 다양한 방식으로 구현하는 것이 가능하다.More specifically, if the difference between the short-term preference and the long-term preference exceeds a predetermined reference value but the difference is not large, it is possible to recommend an item according to a long-term preference, When the difference between the short-term preference and the long-term preference is considerably large, it is possible to recommend an item according to the short-term preference and recommend some items according to the long-term preference. However, the present invention is not limited thereto, and can be implemented in various ways depending on the characteristics of the product and the user.

다음으로, 추천 아이템 산정부(140)에서는 사용자에게 추천할 상품이나 서비스 등 아이템을 산정하게 된다. 앞서 언급한 바와 같이, 추천 아이템 산정부(140)에서는 통상의 경우 각 사용자의 장기 선호도에 따라 추천할 아이템을 산정하게 된다. 상기 장기 선호도는 사용자에게 추천된 아이템에 대한 장시간 동안의 사용자의 반응 행동으로부터 누적적으로 산출되므로 상당한 정도로 정확한 예측 결과를 제공할 수 있게 된다. 그런데, 음악, 영화 혹은 패션 상품 등 아이템의 종류에 따라서는 사용자의 구매 성향이 수시로 변할 수 있는 경우가 있다. 이러한 경우에는 장기 선호도가 아니라, 사용자의 실시간 선호도 내지는 취향을 효과적으로 반영할 수 있도록 단기 선호도에 기반하여 추천할 아이템을 선정하는 것이 보다 바람직하게 된다.Next, the recommendation item determination unit 140 calculates an item such as a commodity or a service to be recommended to the user. As described above, the recommended item estimating unit 140 calculates an item to be recommended according to the long-term preference of each user in a normal case. Since the long term preference is calculated cumulatively from the user's reaction behavior for a long time for the item recommended to the user, accurate prediction results can be provided to a considerable extent. However, depending on the type of items such as music, movies, or fashion items, the user's purchasing tendency may change from time to time. In this case, it is more preferable to select an item to be recommended based on the short-term preference so as to effectively reflect the user's real-time preference or preference rather than the long-term preference.

이에 따라, 본 발명의 일 실시예에 따른 추천 아이템 산정부(140)는 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 그 차이가 소정의 기준치를 넘어서는 등 미리 정하여진 기준을 벗어나는 경우에는, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하도록 할 수 있다.Accordingly, the recommendation item estimating unit 140 according to an embodiment of the present invention compares the user's short-term preference with the long-term preference, and if the difference exceeds a predetermined reference value, It is possible to calculate an item to be recommended in consideration of the short-term preference of the user.

또한, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 상기 제시된 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부(150)를 더 포함하여 구성될 수 있다. 상기한 사용자의 장기 선호도의 경우와 유사하게, 상품 등 아이템의 특성도 소정의 기간 동안 다양한 사용자의 반응을 고려하여 누적적으로 업데이트됨으로써, 상기 각 아이템의 특성이 보다 정확하게 산출될 수 있게 된다. 이에 따라 각 아이템의 특성이 산출되면, 상기 추천 아이템 산정부(140)에서는 각 사용자의 장기 선호도와 상기 각 아이템의 특성을 비교하여 추천할 아이템을 선정하거나 추천 순위를 정하게 된다.In addition, the recommendation system 100 reflecting the real-time preference according to an exemplary embodiment of the present invention may further include an item characteristic calculation unit (for example, 150). ≪ / RTI > Similar to the case of the user's long-term preference, the characteristics of items such as goods are also updated cumulatively in consideration of the response of various users for a predetermined period, so that the characteristics of each item can be calculated more accurately. When the characteristics of each item are calculated, the recommendation item estimating unit 140 compares the long-term preference of each user with the characteristics of each item to select an item to be recommended or a recommendation rank.

또한, 앞서 살핀 바와 같이 사용자의 단기 선호도와 장기 선호도를 비교할 때 미리 정하여진 기준을 벗어나게 되는 경우, 상기 각 사용자의 단기 선호도와 상기 아이템의 특성을 비교하여 각 사용자의 단기 선호도와 비슷한 특성을 가지는 아이템을 골라 추천할 아이템으로 선정하거나 추천 순위를 정할 수도 있다.Also, as described above, when comparing the short-term preference of the user with the long-term preference, when the user comes out of a predetermined standard, the short-term preference of each user is compared with the characteristics of the item, You can also select items to recommend or set a recommendation rank.

도 2에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 동작 설명도를 보여주고 있다. 도 2에서 볼 수 있는 바와 같이, 먼저 사용자에게 소정의 아이템이 추천되면, 사용자는 추천된 아이템에 대하여 구매를 하거나, 찬찬히 살펴보거나 혹은 빠르게 스크롤(scroll)하여 스킵(skip)하는 등 다양한 반응을 보이게 된다. 본 발명에 따른 추천 시스템에서는 상기 각 아이템에 대한 사용자의 반응을 고려하여, 각 사용자의 선호도와 아이템의 특성을 업데이트하게 된다. 이어서, 이렇게 업데이트된 사용자 선호도와 아이템의 특성에 기반하여 다시 추천 아이템이 추천될 수 있고, 사용자는 다시 이에 대한 반응을 보이게 된다. 이에 따라, 상기한 일련의 프로세스가 소정의 기간 동안 반복되면서 각 사용자의 단기 선호도와 장기 선호도가 지속적으로 갱신되어 보다 정확한 값을 가지게 되고, 이와 유사하게 아이템의 특성도 지속적인 업데이트를 통하여 보다 정확한 값을 가질 수 있게 된다.FIG. 2 illustrates an operation diagram of a recommendation system 100 that reflects a real-time preference according to an exemplary embodiment of the present invention. As can be seen from FIG. 2, if a predetermined item is recommended to the user, the user may make various purchases, such as purchasing a recommended item, scrolling or scrolling quickly, do. In the recommendation system according to the present invention, the user's preferences and the characteristics of the items are updated in consideration of the user's reaction to the items. Then, based on the updated user preference and the characteristics of the item, the recommendation item can be recommended again, and the user can react to the recommendation item again. Accordingly, while the series of processes described above are repeated for a predetermined period, the short-term preference and the long-term preference of each user are continuously updated to have a more accurate value, and similarly, .

또한, 온라인 쇼핑몰 등 다수의 사용자가 이용할 수 있고 다수의 아이템을 취급하는 경우에는 도 2에서 볼 수 있는 바와 같이 사용자 선호도와 아이템의 특성 등을 데이터베이스로 구성하여 체계적으로 관리하는 것이 보다 바람직할 수 있다.Also, in the case of handling a large number of items available to a plurality of users such as an online shopping mall, it is more preferable to organize the user preferences and the characteristics of the items in a database and systematically manage them as shown in FIG. 2 .

본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 다음과 같이 보다 구체화하여 구현될 수 있다. The recommendation system 100 reflecting the real-time preference according to an embodiment of the present invention can be implemented in more concrete manner as follows.

먼저, 사용자의 단기 선호도 및 사용자의 장기 선호도는, 각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현될 수 있다.First, the user's short-term preference and the user's long-term preference can be realized by a user's short-term preference table and user's long-term preference table, which are composed of one or more items that can express characteristics of each user and characteristic values for each item.

예를 들어, 어떤 사용자가 감성적이면서도 웃긴 영화를 좋아한다고 하면, 상기 사용자는 "감성적", "웃긴"이라는 항목에 소정의 특성치 값을 가지는 사용자 장기 선호도 테이블을 가지게 된다. 이러한 경우, 다수의 영화 중 "감성적" 및 "웃긴"이라는 항목에 소정의 특성치 값을 가지는 영화들을 선별하여 상기 사용자에게 추천하여 줌으로써, 사용자는 보다 편리하게 자신이 원하는 영화를 고를 수 있게 된다. 경우에 따라서는 상기 사용자가 "감성적"이고 "웃긴" 영화를 추천받았음에도 불구하고, 이를 모두 스킵(skip)해버리는 등 부정적인 반응을 보이고, 오히려 "액션" 영화를 천천히 살펴본다면, 상기 사용자의 사용자 단기 선호도 테이블은 "액션" 항목의 특성치 값이 높아지게 되고, 이러한 경우 상기 사용자 단기 선호도 테이블을 고려하여 "액션" 영화를 선정하여 상기 사용자에게 추천하여 줌으로써, 사용자의 구매 확률을 높일 수 있게 된다.For example, if a user likes an emotional but funny movie, the user has a user long term affinity table having a predetermined characteristic value in an item of "emotional" and "funny". In this case, by selecting movies having a predetermined characteristic value in the items "emotional" and " funny "among a plurality of movies and recommending them to the user, the user can more easily select his / her desired movie. In some cases, even though the user has been referred to as "emotional" and "funny", he or she skips all of them, and if they slowly look at the "action" movie, In the user short-term affinity table, the value of the characteristic value of the "action" item becomes higher. In this case, the user can select the "action" movie in consideration of the user's short-term affinity table and recommend it to the user.

또한, 이와 유사하게 상기 아이템의 특성도 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현될 수 있다. 예를 들어, 앞서 살핀 바와 같이 "감성적" 및 "웃긴"이라는 항목에 소정의 특성치 값을 가지는 영화의 경우를 생각할 수 있다.Likewise, the property of the item may be realized by one or more items that can represent the feature of the item, and an item property table including the property values for each item. For example, as described above, the case of a movie having a predetermined characteristic value in the items "emotional" and "funny"

보다 구체적으로, 상기한 각 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 하나 이상의 항목과 각 항목에 대응하는 특성치를 포함하여 구성될 수 있으며, 상기 각 항목에 대응하는 특성치는 소정의 기간동안 누적되는 총점을 가질 수도 있으며, 또는 소정의 점수를 기준으로 하여 이진값(binary)으로 표현될 수도 있다. 총점을 가지는 테이블의 경우에는 사용자의 아이템 선호 정도를 보다 정밀하게 파악하여 고려해야 하는 경우에 사용될 수 있고, 이진값(binary)으로 표현되는 테이블의 경우에는 사용자의 아이템 선호 정도를 다소 단순하게 고려하더라도 무관한 경우에 편리하게 이용될 수 있다. 총점을 가지는 테이블을 이용할 것인지, 혹은 이진값으로 표현되는 테이블을 이용할 것인지는 주로 아이템의 특성을 고려하여 결정하는 것이 바람직하다.More specifically, each of the user short term preference table, the user long term preference table, and the item characteristic table may include at least one item and a characteristic value corresponding to each item, and the characteristic value corresponding to each item may be a predetermined period , Or may be expressed as a binary value based on a predetermined score. In the case of a table having a total score, it can be used when it is necessary to grasp the degree of user's item preference more precisely and to consider it. In the case of a table represented by a binary value, It can be conveniently used in one case. Whether to use a table having a total score or a table represented by a binary value is preferably determined in consideration of the characteristics of the item.

보다 구체적인 예로서, 보다 구체적으로 "감성적인", "웃긴", "슬픈", "영상이 아름다운" 등 5개의 항목으로 영화의 아이템 특성 테이블을 구성하는 경우를 고려해 본다면, 감성적이고 슬픈 A라는 영화는 아이템 특성 총점 테이블로서 25, 1, 0, 27, 5 와 같은 값을 가질 수 있을 것이고, 아이템 특성 이진 테이블로서는 1, 0, 0, 1, 0 과 같은 값을 가질 수 있을 것이다.As a more specific example, when considering the case where the item characteristic table of a movie is composed of five items such as "emotional", "funny", "sad", "beautiful image" 1, 0, 27, and 5 as the item characteristic total score table, and may have the same values as 1, 0, 0, 1, and 0 as the item characteristic binary table.

또한, 각 상품이나 서비스 등 아이템의 특성에 따라서 아이템 특성 테이블에 포함되는 항목들의 숫자와 내용이 크게 달라질 수 있다. 예를 들어, 영화의 경우에는 다양한 영화의 특성을 나타낼 수 있는 항목들, 예를 들어 "감성적인", "웃긴", "액션", "슬픈", "영상이 아름다운" 등의 항목을 포함하여 아이템 특성 테이블을 구성할 수 있다. 반면, 스마트폰 등 정보기기의 경우에는 "최신형", "최고 성능", "디자인", "휴대성" 등 정보기기의 특성을 표현하기에 적합한 항목들을 포함하여 아이템 특성 테이블을 구성할 수 있을 것이다.Also, the number and contents of the items included in the item characteristic table can be greatly changed according to the characteristics of the items such as each product or service. For example, in the case of a movie, items such as "emotional", "funny", "action", "sad", " Item property table can be configured. On the other hand, in the case of an information device such as a smart phone, an item property table including items suitable for expressing the characteristics of information devices such as "latest type", "best performance", "design", "portability" .

상기한 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 도 2에서 볼 수 있는 바와 같이 지속적으로 업데이트 되면서, 그 정확도를 높여나가게 되고, 이에 따라 사용자에게 보다 적절한 아이템을 추천할 수 있게 되다.The user short-term preference table, the user long-term preference table, and the item property table are continuously updated as shown in FIG. 2, so that the accuracy thereof is increased, thereby making it possible to recommend a more appropriate item to the user.

도 3에서는 앞서 설명한 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 동작을 보다 상세하게 보여주고 있다. 도 1의 본 발명에 따른 추천 시스템의 각 구성 부분을 참조하여 도 3을 살펴 보도록 한다. 먼저 추천 아이템 산정부(140)가 사용자에 대한 소정의 아이템을 선정하여 추천하면, 각 사용자는 상기 추천된 아이템에 대하여 조회, 구매, 이용, 피드백 등 다양한 반응을 나타내게 된다.3, the operation of the recommendation system 100 reflecting the real-time preference according to the embodiment of the present invention described above is shown in more detail. Referring to FIG. 3, reference will be made to each component of the recommendation system according to the present invention shown in FIG. First, when the recommendation item estimating unit 140 selects and recommends a predetermined item for the user, each user exhibits various reactions such as inquiry, purchase, use, feedback, and the like on the recommended item.

예를 들어, 영화 컨텐츠에 대한 사용자의 반응을 구체적으로 살펴보면, 소정의 영화가 추천된 경우, 이를 조회하거나, 추천된 영화를 무시(pass)하거나, 다시 추천하지 말도록 하는 등 거부(deny)하는 반응을 보일 수도 있다. 또는, 추천된 영화를 감상할 수도 있는데, 보다 구체적으로 추천된 영화를 끝까지 감상할 수도 있으나, 감상 중 중간에 중단할 수도 있다. 나아가, 영화를 감상한 후에 긍정적 평가 또는 부정적 평가의 피드백이 있을 수 있고, 경우에 따라서는 어떠한 평가도 남기지 않을 수도 있다.For example, if a user's reaction to the movie content is specifically examined, if a predetermined movie is recommended, it is denied to inquire, pass a recommended movie, It may also show a reaction. Or, you can watch a recommended movie, or you can watch a movie that has been specifically recommended until the end, but you can stop midway through your listening. Furthermore, after watching a movie, there may be feedback of positive or negative evaluation, and in some cases, no evaluation may be left.

상기 아이템-사용자 반응 수집부(110)에서는 상기한 바와 같이 추천된 아이템에 대한 사용자의 다양한 반응 행태를 수집하고, 이를 이용하여 상기 아이템-사용자 단기 반응 테이블을 업데이트하게 된다.The item-user reaction collecting unit 110 collects various reaction behaviors of the user for the recommended items as described above, and updates the item-user short-term reaction table using the collected items.

상기 아이템-사용자 단기 반응 테이블은 사용자가 온라인 쇼핑몰 사이트 등에 접속한 시점 이후 등 단기간의 시간 동안 사용자에게 추천된 하나 이상의 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 포함하여 구성될 수 있다. 이에 반하여, 상기 아이템-사용자 장기 반응 테이블은 각 사용자가 소정의 온라인 쇼핑몰에 가입하는 시점으로부터 현재 시점까지 등 장기간의 시간 동안 사용자에게 추천된 하나 이상의 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 포함하여 구성될 수 있다. 상기한 단기 및 장기의 기간은 예시적인 것으로서, 상품의 특성이나 시스템 운용 상의 필요 등에 따라 다양하게 선택될 수 있다.The item-user short-term response table may include at least one item information recommended to the user during a short period of time, such as after the user has accessed the online shopping mall site, and information on the reaction behavior of the user. On the other hand, the item-user long term reaction table includes at least one item information recommended to the user for a long period of time, such as from the time when each user joins the predetermined online shopping mall to the present time, and the reaction behavior information of the user Lt; / RTI > The short-term and long-term periods are exemplary and may be variously selected depending on the characteristics of the commodity, the need for system operation, and the like.

이어서, 단기 선호도 산출부(120) 및 아이템 특성 산출부(150)에서는 각각 사용자 단기 선호도 테이블, 아이템 특성 테이블을 업데이트하여 산출하게 된다. 이때, 도 3에서 볼 수 있는 바와 같이 사용자 단기 선호도 테이블, 아이템 특성 테이블 및 아이템-사용자 장기 반응 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 업데이트될 수 있다. 예를 들어, 사용자가 "감성적" 및 "슬픈" 항목에 소정의 특성치를 가지는 영화에 긍정적인 반응 행태를 보이는 경우, 상기 사용자의 사용자 단기 선호도 테이블의 "감성적" 및 "슬픈" 항목은 보다 높은 특성치를 가지도록 갱신될 수 있다. 또한, 이때 적용될 수 있는 가중치는 상품의 특성 등에 따라 달라질 수 있다. 이에 따라, 각 항목의 특성치는 이벤트 발생 횟수에 상품 특성 등에 따른 가중치를 적용하여 산정될 수 있다.Then, the short term preference calculating unit 120 and the item characteristic calculating unit 150 calculate and update the user short term preference table and the item characteristic table, respectively. 3, the user short-term preference table, the item property table, and the item-user long-term response table may be updated using the item-user short-term response table. For example, if a user exhibits a positive reaction to a movie with a certain attribute value in the "emotional" and "sad" items, the "emotional" and "sad" items of the user's short- Lt; / RTI > In addition, the weight that can be applied at this time may vary depending on the characteristics of the product. Accordingly, the characteristic value of each item can be calculated by applying a weight according to the product characteristic or the like to the event occurrence frequency.

반면, 상기 사용자의 사용자 단기 선호도 테이블 혹은 사용자 장기 선호도 테이블이 "웃긴" 및 "액션"의 항목에 소정의 특성치를 가지고 있는 경우에는, 상기 영화의 아이템 특성 테이블에서 "웃긴" 및 "액션"의 항목이 보다 높은 특성치를 가지도록 갱신될 수도 있다. On the other hand, when the user's short-term preference table or the user's long-term preference table has a predetermined characteristic value in the items of "funny" and "action", the item "funny" and "action" May be updated to have a higher characteristic value.

상기 아이템-사용자 단기 반응 테이블로 업데이트된 단기간 동안의 사용자 반응 데이터는 다시 상기 아이템-사용자 장기 반응 테이블에 누적되어 업데이트될 수 있다.The user response data for the short term updated to the item-user short reaction table may be accumulated and updated in the item-user long reaction table again.

나아가, 장기 선호도 산출부(130)에서는 상기 아이템-사용자 장기 반응 테이블 또는 사용자 단기 선호도 테이블을 고려하여 사용자 장기 선호도 테이블을 업데이트하게 된다.In addition, the long term preference calculating unit 130 updates the user's long term preference table in consideration of the item-user long term reaction table or the user short term preference table.

또한 도 3에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 추천 시스템은 총점 테이블과 함께 이진 테이블을 포함하여 구성될 수도 있다. 앞서 설명한 바와 같이, 상품의 특성 등에 따라서는 사용자의 아이템 선호 정도를 정밀하게 파악할 필요없이, 단순하게 파악해도 무관한 경우가 발생하게 된다. 이러한 경우에는 이진 테이블을 사용하는 것이 보다 효율적일 수 있다. 또한, 아이템의 종류 및 시스템의 제약 등 필요에 따라서는 총점 테이블이 없이 이진 테이블 만으로 본 발명의 일 실시예에 따른 추천 시스템을 구성하는 것도 가능할 수 있다.Also, as shown in FIG. 3, the recommendation system according to an embodiment of the present invention may be configured to include a binary table together with a total score table. As described above, depending on the characteristics of goods and the like, it is not necessary to precisely grasp the degree of item preference of the user, but it may be regarded as a matter of simple grasp. In such a case, it may be more efficient to use a binary table. It is also possible to configure a recommendation system according to an embodiment of the present invention with only a binary table without a total score table, depending on the type of items and system constraints.

나아가, 경우에 따라서는 상기 총점 테이블의 값을 구간화 하여 N 단계의 구간을 가지는 구간 테이블을 생성하여 사용할 수도 있다.Further, in some cases, the interval table having the interval of N steps may be generated by dividing the value of the total point table.

이어서, 상기 각 사용자의 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 소정의 아이템에 대한 아이템 특성 테이블은 추천 아이템 산정부(140)로 전달되어 각 사용자에게 추천할 아이템을 산정하게 된다. 이때, 상기 사용자 단기 선호도 테이블과 사용자 장기 선호도 테이블의 차이를 유사도 측정 등을 이용하여 수치화한 후, 산정된 수치가 소정의 기준치를 벗어나는 경우에는 사용자의 단기 선호도가 장기 선호도와 달라진 것으로 보아, 상기 사용자의 단기 선호도를 기준으로 사용자에게 추천할 아이템을 산정하게 된다. Then, the user's short-term preference table, the user's long-term preference table, and the item property table of the predetermined item of each user are transmitted to the recommendation item calculation unit 140 to calculate an item to be recommended to each user. In this case, if the difference between the user's short-term preference table and the user's long-term preference table is quantified by using similarity measure or the like, and if the calculated value deviates from a predetermined reference value, the user's short-term preference differs from the long-term preference, The item to be recommended to the user is calculated based on the short-term preference of the user.

반면, 상기 산정된 수치가 소정의 기준치를 벗어나지 않는 경우에는 사용자의 단기 선호도가 장기 선호도와 동일하다고 판단할 수 있으므로, 상기 사용자의 장기 선호도를 기준으로 사용자에게 추천할 아이템을 산정하게 된다.On the other hand, when the calculated value does not deviate from the predetermined reference value, it can be determined that the user's short-term preference is the same as the long-term preference, and therefore, an item to be recommended to the user is calculated based on the user's long-term preference.

나아가, 경우에 따라서는 사용자 단기 선호도 테이블과 사용자 장기 선호도 테이블을 함께 고려하여 사용자에게 추천할 아이템을 선정하는 것도 가능하다.Further, in some cases, it is possible to select an item to be recommended to the user by considering both the user's short-term preference table and the user's long-term preference table together.

상기 사용자 단기 선호도 테이블 또는 사용자 장기 선호도 테이블을 이용하여 사용자에게 추천할 아이템을 선정함에 있어서도, 상기 사용자 단기 선호도 테이블 또는 사용자 장기 선호도 테이블과 각 아이템의 아이템 특성 테이블을 유사도 측정 등의 방법으로 수치화하여, 사용자의 선호도에 근접하는 아이템들을 추천하거나 우선 추천 순위를 결정하게 된다. 유사도 측정의 방법을 사용하는 경우에는 총점 테이블/N단계 구간 테이블/이진 테이블 등 사용하는 테이블의 종류에 따라서 적합한 유사도 측정 알고리즘을 적용할 수 있다. 예를 들어, 이진 테이블을 사용하는 경우에는 자카드 계수(Jaccard Coefficient)법 등을 이용하는 것도 가능하다.In selecting the items to be recommended to the user by using the user short-term preference table or the user long-term preference table, the user short-term preference table or the user long-term preference table and the item property table of each item are numerically expressed by methods such as similarity measure, Items that are close to the user's preference are recommended or priority ranking is determined. In case of using the similarity measure method, it is possible to apply a similarity measurement algorithm suitable for the type of table to be used, such as total table, N-step interval table, and binary table. For example, in the case of using a binary table, it is also possible to use a Jacquard Coefficient method or the like.

도 4에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버 및 사용자 단말의 구성도를 보여주고 있다. 보다 구체적으로는 사용자가 개인용 컴퓨터나 모바일 단말기 등 소정의 단말을 이용하여 본 발명에 따른 추천 서버에 접속하는 경우를 예시하고 있다.FIG. 4 shows a configuration diagram of a recommendation server and a user terminal reflecting real-time preferences according to an embodiment of the present invention. More specifically, the present invention exemplifies a case where a user connects to a recommendation server according to the present invention using a predetermined terminal such as a personal computer or a mobile terminal.

도 4에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버는 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 한다.As shown in FIG. 4, the recommendation server reflecting the real-time preference according to the embodiment of the present invention receives the reaction behavior of the user for one or more items presented for the first time from the user terminal and calculates the short- A short term preference calculating unit; A long term preference calculating unit that receives a user's reaction behavior for one or more items presented for a second time from a user terminal and calculates a user's long term preference; An item characteristic calculating unit for calculating a characteristic of each item in consideration of the information about the item and the reaction behavior of the user; And a recommendation item calculation unit for calculating an item to be recommended to the user by using the short-term preference of the user and the characteristics of the item when the user's short-term preference is compared with the long-term preference, The first time and the second time are time from a current time point to a predetermined past time point, and the first time point is shorter than the second time point.

도 4에서와 같이 사용자가 소정의 단말기를 사용하는 경우, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부는 사용자의 단말에서 구현되는 것도 가능하다.As shown in FIG. 4, when the user uses a predetermined terminal, the item-user reaction collecting unit for collecting information on the presented one or more items and the reaction behavior of the user may be implemented in the user's terminal.

또한, 상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은, 각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현될 수 있다.Also, the short-term preference of the user, the user's long-term preference, or the characteristics of the item may be a user short-term affinity table, a user long-term affinity table, or a user short-term affinity table configured with one or more items that can characterize each user or item, Item property table.

이때, 온라인 쇼핑몰 등과 같이 다수의 사용자가 이용하고, 여러 종류의 아이템을 취급하는 대규모 시스템의 경우에는 상기 각 테이블 등의 데이터를 도 4에서 볼 수 있는 바와 같이 데이터베이스화하여 처리하는 것이 보다 적절할 수 있다.At this time, in the case of a large-scale system used by a large number of users such as an online shopping mall and handling various kinds of items, it may be more appropriate to process the data of each of the tables and the like into a database as shown in Fig. 4 .

또한, 상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 지속적으로 갱신됨으로써, 보다 정확한 사용자의 선호도와 아이템의 특성이 반영될 수 있도록 할 수 있다.In addition, the user short-term preference table, the user long-term preference table, and the item property table are continuously updated using the user's reaction behavior for one or more items presented to the user, thereby more accurately reflecting the user's preference and the characteristics of the item Can be done.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The foregoing description is merely illustrative of the technical idea of the present invention, and various changes and modifications may be made by those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments described in the present invention are not intended to limit the technical spirit of the present invention but to illustrate the present invention. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents thereof should be construed as being included in the scope of the present invention.

100 : 실시간 선호도를 반영한 추천 시스템
110 : 아이템-사용자 반응 수집부
120 : 단기 선호도 산출부
130 : 장기 선호도 산출부
140 : 추천 아이템 산정부
150 : 아이템 특성 산출부100: Recommendation system reflecting real-time preference
110: Item-user reaction collecting unit
120: short term preference calculating section
130: long term preference calculating section
140: Recommended items
150: Item characteristic calculating section

Claims (12)

제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부;
제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부;
제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및
상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우,
상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며,
상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고,
상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 하는 추천 시스템.An item-user reaction collecting unit for collecting information on at least one item to be presented and reaction behavior of the user;
A short-term preference calculating unit for calculating a user's short-term preference in consideration of the reaction behavior of the user for at least one item presented for the first time;
A long-term preference calculating unit for calculating a user's long-term preference in consideration of a reaction behavior of a user with respect to at least one item presented for a second time; And
If the short-term preference and the long-term preference of the user are compared with each other,
And a recommendation item calculation unit for calculating an item to be recommended in consideration of the user's short-term preference,
The first time is a time from a current time point to a predetermined past time point,
And the second time is longer than the first time. 제1항에 있어서,
소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부를 더 포함하며,
이때, 상기 추천 아이템 산정부는,
상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우,
상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정하는 것을 특징으로 하는 추천 시스템.The method according to claim 1,
Further comprising an item characteristic calculating unit for calculating a characteristic of the item in consideration of a reaction behavior of each user with respect to the item presented to the user for a predetermined period,
At this time,
If the short-term preference and the long-term preference of the user are compared with each other,
Wherein the recommendation system calculates an item to be recommended in consideration of the short-term preference of the user and the characteristics of the item. 제2항에 있어서,
상기 아이템의 특성은 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현되는 것을 특징으로 하는 추천 시스템.3. The method of claim 2,
Wherein the property of the item is implemented as an item property table comprising one or more items that can represent the feature of the item and characteristic values for each item. 제1항에 있어서,
상기 사용자의 단기 선호도 및 사용자의 장기 선호도는,
각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현되는 것을 특징으로 하는 추천 시스템.The method according to claim 1,
The short-term preference of the user and the user's long-
A user short-term preference table and a user long-term preference table, each of which is composed of one or more items that can express characteristics of each user and characteristic values of the respective items. 제4항에 있어서,
상기 아이템-사용자 반응 수집부는,
상기 제 1시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 단기 반응 테이블과,
상기 제2 시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 장기 반응 테이블을 생성하거나 갱신하는 것을 특징으로 하는 추천 시스템.5. The method of claim 4,
The item-user response collecting unit,
An item-user short-term reaction table including at least one item information presented during the first time period and user's reaction behavior information,
And generates or updates an item-user long term reaction table including at least one item information presented during the second time and user's reaction behavior information. 제5항에 있어서,
상기 사용자 단기 선호도 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되는 것을 특징으로 하는 추천 시스템.6. The method of claim 5,
Wherein the user short-term preference table is updated using the item-user short-term response table. 제5항에 있어서,
상기 사용자 장기 선호도 테이블은 상기 아이템-사용자 장기 반응 테이블을 이용하여 갱신되는 것을 특징으로 하는 추천 시스템.6. The method of claim 5,
Wherein the user long term preference table is updated using the item-user long term response table. 제5항에 있어서,
각 아이템에 대한 아이템 특성 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되며,
상기 아이템 특성 테이블은 각 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 것을 특징으로 하는 추천 시스템.6. The method of claim 5,
The item property table for each item is updated using the item-user short-term response table,
Wherein the item characteristic table comprises at least one item capable of indicating a characteristic of each item and a characteristic value for each item. 제4항에 있어서,
상기 추천 아이템 산정부는,
상기 사용자 단기 선호도 테이블과 상기 사용자 장기 선호도 테이블의 유사도를 산출하여 소정의 기준치를 벗어나는 경우,
상기 사용자 단기 선호도 테이블과 상기 각 아이템에 대한 아이템 특성 테이블의 유사도를 산출한 후, 이를 고려하여 상기 사용자에게 추천할 아이템 또는 추천 순위를 산정하는 것을 특징으로 하는 추천 시스템.5. The method of claim 4,
The recommendation item calculation unit calculates,
If the similarity between the user short term preference table and the user long term preference table is calculated and deviates from a predetermined reference value,
Calculating a similarity between the user short-term preference table and the item property table for each item, and then calculating an item or a recommendation order to be recommended to the user in consideration of the calculated similarity. 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부;
사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부;
상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및
상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우,
상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며,
상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 하는 추천 서버.A short term preference calculating unit that receives a user's reaction behavior for one or more items presented for a first time from a user terminal and calculates a short term preference of the user;
A long term preference calculating unit that receives a user's reaction behavior for one or more items presented for a second time from a user terminal and calculates a user's long term preference;
An item characteristic calculating unit for calculating a characteristic of each item in consideration of the information about the item and the reaction behavior of the user; And
If the short-term preference and the long-term preference of the user are compared with each other,
And a recommended item calculation unit for calculating an item to be recommended to the user using the short-term preference of the user and the characteristics of the item,
Wherein the first time and the second time are each a time from a current time point to a predetermined past time point, and the first time point is shorter than the second time point. 제10항에 있어서,
상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은,
각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현되는 것을 특징으로 하는 추천 서버.11. The method of claim 10,
The short-term preference of the user, the user's long-term preference,
Wherein the recommendation server is implemented by a user short-term affinity table, a user long-term affinity table, or an item property table, which is composed of one or more items that can express the characteristics of each user or item and characteristic values for each item. 제11항에 있어서,
상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 갱신되는 것을 특징으로 하는 추천 서버.12. The method of claim 11,
Wherein the user short term preference table, the user long term preference table, and the item property table are updated using a user's reaction behavior for one or more items presented to the user.
KR1020140112262A 2014-08-27 2014-08-27 System and server reflecting user real-time preference KR102251285B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140112262A KR102251285B1 (en) 2014-08-27 2014-08-27 System and server reflecting user real-time preference

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140112262A KR102251285B1 (en) 2014-08-27 2014-08-27 System and server reflecting user real-time preference

Publications (2)

Publication Number Publication Date
KR20160027263A true KR20160027263A (en) 2016-03-10
KR102251285B1 KR102251285B1 (en) 2021-05-14

Family

ID=55538667

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140112262A KR102251285B1 (en) 2014-08-27 2014-08-27 System and server reflecting user real-time preference

Country Status (1)

Country Link
KR (1) KR102251285B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190105746A (en) * 2018-03-06 2019-09-18 세종대학교산학협력단 Product recommendation method using fp growth
WO2021045492A1 (en) * 2019-09-04 2021-03-11 황왕호 Method and apparatus for profiling unconscious mechanism and conscious behavior pattern
KR102476884B1 (en) * 2021-10-21 2022-12-12 최용우 Control method of server for recommending clothing information based on creator matching service

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012003359A (en) * 2010-06-15 2012-01-05 Sony Corp Item recommendation system, item recommendation method, and program
KR20140096410A (en) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 Method to recommend digital contents using multi-period user profile and apparatus therefor

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012003359A (en) * 2010-06-15 2012-01-05 Sony Corp Item recommendation system, item recommendation method, and program
KR20140096410A (en) * 2013-01-24 2014-08-06 에스케이플래닛 주식회사 Method to recommend digital contents using multi-period user profile and apparatus therefor

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190105746A (en) * 2018-03-06 2019-09-18 세종대학교산학협력단 Product recommendation method using fp growth
WO2021045492A1 (en) * 2019-09-04 2021-03-11 황왕호 Method and apparatus for profiling unconscious mechanism and conscious behavior pattern
KR102476884B1 (en) * 2021-10-21 2022-12-12 최용우 Control method of server for recommending clothing information based on creator matching service

Also Published As

Publication number Publication date
KR102251285B1 (en) 2021-05-14

Similar Documents

Publication Publication Date Title
US11087413B2 (en) Identity mapping between commerce customers and social media users
US10846775B1 (en) Identifying item recommendations through recognized navigational patterns
US20190164214A1 (en) Merchant recommendations associated with a persona
US9563705B2 (en) Re-ranking results in a search
US9589025B2 (en) Correlated information recommendation
US20140081800A1 (en) Recommending Product Information
TWI539305B (en) Personalized information push method and device
US20190012719A1 (en) Scoring candidates for set recommendation problems
US20140279121A1 (en) Customizable and adjustable pricing of games
CN110363604B (en) Page generation method and device
US20140274354A1 (en) Intelligent merchandising of games
CN107402961B (en) Recommendation method and device and electronic equipment
JP2013257793A (en) Commodity diversification recommendation device, and method and program for the same
JP2013131009A (en) Information providing system, and information providing method and program
JP5404662B2 (en) Product recommendation device, method and program
US8498979B1 (en) System and method for semantic analysis of social network user activities
KR20160027263A (en) System and server reflecting user real-time preference
JP5945206B2 (en) Product recommendation device, method and program
KR20140073256A (en) Apparatus and method for providing merchandise recommending service
Peker et al. mRHR: a modified reciprocal hit rank metric for ranking evaluation of multiple preferences in top-N recommender systems
US20150006527A1 (en) Information processing apparatus, information processing method, and information processing program
JP5869931B2 (en) Recommendation item detection program, apparatus and method for detecting items to be criticized by critics
JP5165722B2 (en) Information providing server and information providing system
CN113158032B (en) Information pushing method and device
JP2014232346A (en) Information recommendation device, information recommendation method, and information recommendation program

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right