KR20160029330A - 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법 - Google Patents

사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법 Download PDF

Info

Publication number
KR20160029330A
KR20160029330A KR1020140118640A KR20140118640A KR20160029330A KR 20160029330 A KR20160029330 A KR 20160029330A KR 1020140118640 A KR1020140118640 A KR 1020140118640A KR 20140118640 A KR20140118640 A KR 20140118640A KR 20160029330 A KR20160029330 A KR 20160029330A
Authority
KR
South Korea
Prior art keywords
travel
travel destination
user
characteristic
destination
Prior art date
Application number
KR1020140118640A
Other languages
English (en)
Other versions
KR101628108B1 (ko
Inventor
이용규
임동균
박명진
문연수
장승호
국찬호
Original Assignee
동국대학교 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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020140118640A priority Critical patent/KR101628108B1/ko
Publication of KR20160029330A publication Critical patent/KR20160029330A/ko
Application granted granted Critical
Publication of KR101628108B1 publication Critical patent/KR101628108B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies

Landscapes

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

Abstract

사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 여행지 추천 시스템은 각 여행지별로 정의된 복수 개의 여행지 특성에 대한 특성값을 계산하고, 계산된 상기 특성값으로부터 여행지 벡터를 생성하는 여행지 벡터 생성부; 사용자로부터 상기 복수 개의 여행지 특성에 대한 선택값을 입력받고, 상기 선택값으로부터 사용자 벡터를 생성하는 사용자 벡터 생성부; 및 상기 여행지 벡터 및 상기 사용자 벡터 간의 유사도를 계산하고, 계산된 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공하는 여행지 추천부를 포함한다.

Description

사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법{SYSTEM AND METHOD FOR RECOMMENDING TRAVEL DESTINATION BASED ON USER CHARACTERISTICS AND TOURIST DESTINATION CHARACTERISTICS}
본 발명의 실시예들은 여행지 추천 시스템 및 방법에 관한 것으로서, 보다 상세하게는 사용자 특성과 여행지 특성의 유사성을 비교하여 여행지를 추천하기 위한 시스템 및 방법과 관련된다.
최근 생활 수준의 향상에 따라 가족 단위, 친구 단위로 여행을 즐기는 인구가 증가하고 있으며 이에 따라 여행지 정보에 대한 수요 또한 꾸준히 증가하고 있다. 기존의 여행정보 검색 서비스를 제공하는 사이트에서는 일반적으로 웹에 존재하는 원시데이터를 수집하여 해당 정보별로 키워드를 선정한 후 데이터베이스로 구축하고, 사용자가 찾고자 하는 정보의 일부 키워드를 입력하여 검색을 요청하면 해당 키워드로 지정되어 있는 정보를 사용자에게 제공하는 형태로 서비스를 수행하고 있다.
이러한 기존 서비스의 경우, 사용자가 입력한 키워드에 의존하여 검색을 수행하기 때문에 사용자의 특성을 정확하게 반영하지 못하고, 요구에 부합하지 않는 정보가 제공되는 경우가 많다. 또한 사용자는 자신이 관심 있어 할 새로운 여행지를 추천받고 싶어 하지만, 기존의 서비스는 이러한 것들을 반영하고 있지 못하여, 사용자의 관심과는 무관한 여행지가 무분별하게 추천될 수 있다. 이에 따라 사용자는 자신이 원하는 여행지를 바탕으로 여행 경로를 계획하는데 불필요하게 많은 시간을 들이게 된다.
대한민국 공개특허공보 제10-2010-0116858호 (2010. 11. 02)
본 발명의 실시예들은 사용자 특성과 여행지 특성간의 유사도를 계산하여 사용자에게 적합한 여행지를 추천하고 이를 바탕으로 공간 및 시간상 효율적인 여행 경로를 제공할 수 있는 여행 경로 추천 방법 및 그 시스템을 제공하기 위한 것이다.
본 발명의 예시적인 실시예에 따르면, 각 여행지별로 정의된 복수 개의 여행지 특성에 대한 특성값을 계산하고, 계산된 상기 특성값으로부터 여행지 벡터를 생성하는 여행지 벡터 생성부; 사용자로부터 상기 복수 개의 여행지 특성에 대한 선택값을 입력받고, 상기 선택값으로부터 사용자 벡터를 생성하는 사용자 벡터 생성부; 및 상기 여행지 벡터 및 상기 사용자 벡터 간의 유사도를 계산하고, 계산된 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공하는 여행지 추천부를 포함하는 여행지 추천 시스템이 제공된다.
상기 복수 개의 여행지 특성은 각각 기 설정된 복수 개의 특성 그룹 중 어느 하나에 포함되도록 구성될 수 있다.
상기 여행지 벡터 생성부는, 동일한 특성 그룹에 포함된 여행지 특성에 할당된 특성값의 합이 1이 되도록 상기 하나 이상의 여행지 특성별 특성값을 계산할 수 있다.
상기 여행지 벡터 생성부는, 상기 각 여행지별로 수집된 텍스트 데이터 및 이미지 데이터로부터 획득되는 정보를 이용하여 상기 각 여행지 특성별 특성값을 계산할 수 있다.
상기 여행지 벡터 생성부는, 상기 각 여행지 특성별로 하나 이상의 연관 키워드를 정의하고, 상기 각 여행지별로 수집된 상기 텍스트 데이터에 포함된 상기 연관 키워드의 빈도수에 따라 각 여행지 특성별 특성값을 계산할 수 있다.
상기 여행지 벡터 생성부는, 상기 각 여행지별로 수집된 상기 이미지 데이터에 포함된 인물의 성별, 나이, 사람 수, 의상, 촬영 위치 또는 배경의 특성 중 하나 이상의 정보를 추출하고, 추출된 상기 정보에 따라 각 여행지 특성별 특성값을 계산할 수 있다.
상기 여행지 특성별 특성값은 다음의 수학식
Figure pat00001
(이때, k는 해당 여행지 특성과 관련하여 텍스트 데이터로부터 추출된 된 키워드의 개수, tk는 해당 여행지 특성이 속한 특성 그룹과 관련하여 텍스트 데이터로부터 추출된 된 키워드의 개수, m은 해당 여행지 특성과 관련된 이미지의 데이터의 개수, tm은 해당 여행지 특성이 속한 특성 그룹과 관련된 이미지의 데이터의 개수, w1 및 w2는 가중치로서 w1 + w2 = 1의 관계를 만족함)
에 의하여 계산될 수 있다.
상기 사용자 벡터 생성부는, 상기 사용자로부터 입력된 상기 복수 개의 특성에 대한 선택값을 기 설정된 특성 그룹별로 그룹화하고, 상기 각 특성 그룹 별 선택값의 합이 1이 되도록 입력된 상기 선택값을 스케일링할 수 있다.
상기 여행지 추천부는, 상기 사용자 벡터로부터 0이 아닌 값을 가지는 성분만을 추출하여 사용자 단순 벡터를 생성하고, 상기 여행지 벡터로부터 상기 사용자 벡터와 동일한 위치의 성분을 추출하여 여행지 단순 벡터를 생성하며, 상기 사용자 단순 벡터 및 상기 여행지 단순 벡터 간의 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공할 수 있다.
상기 유사도는 상기 사용자 단순 벡터 및 상기 여행지 단순 벡터 간의 코사인 유사도 또는 유클리디언 유사도 중 어느 하나일 수 있다.
상기 여행지 추천부는, 상기 사용자 단순 벡터와의 유사도가 높은 순서로 하나 이상의 여행지 단순 벡터를 선정하고, 선정된 상기 여행지 단순 벡터에 대응되는 여행지를 상기 추천 여행지로 제공할 수 있다.
상기 여행지 추천 시스템은, 상기 사용자에게 제공된 추천 여행지의 각 여행지 특성 별 추천수가 저장되는 추천수 통계 데이터베이스; 및 상기 추천 여행지 중 상기 사용자에게 선택된 여행지의 각 여행지 특성 별 선택수가 저장되는 선택수 통계 데이터베이스를 더 포함할 수 있다.
상기 추천수 통계 데이터베이스는, 상기 사용자에게 특정 여행지가 추천되는 경우, 상기 특정 여행지에 대응되는 여행지 특성값 중 상기 사용자로부터 입력된 상기 선택값에 대응되는 특성값을 기 설정된 크기만큼 증가시킬 수 있다.
상기 선택수 통계 데이터베이스는, 상기 사용자로부터 특정 여행지가 선택되는 경우, 상기 특정 여행지에 대응되는 여행지 특성값 중 상기 사용자로부터 입력된 상기 선택값에 대응되는 특성값을 기 설정된 크기만큼 증가시킬 수 있다.
상기 여행지 벡터 생성부는, 상기 선택수 통계 데이터베이스에 저장된 각 여행지 별 복수 개의 특성값을 기 설정된 특성 그룹별로 그룹화하고, 상기 각 특성 그룹 별 특성값의 합이 1이 되도록 스케일링함으로써 상기 여행지 벡터를 갱신할 수 있다.
상기 여행지 추천 시스템은, 상기 사용자로부터 희망 여행 유형 정보를 입력받고, 입력된 상기 희망 여행 유형 정보를 반영하여 재계산된 추천 여행지를 상기 사용자에게 제공하는 여행지 재추천부를 더 포함할 수 있다.
상기 희망 여행 유형 정보는, 상기 복수 개의 여행지 특성 중 상기 사용자에 의해 선택된 하나 이상의 여행지 특성을 포함하도록 구성될 수 있다.
상기 여행지 재추천부는, 상기 추천수 통계 데이터베이스 및 상기 선택수 통계 데이터베이스로부터 상기 각 여행지 별로 상기 희망 여행 유형 정보에 포함된 여행지 특성 별 추천수의 합 및 선택수의 합을 계산하고, 계산된 상기 추천수의 합 및 상기 선택수의 합으로부터 각 여행지 별 선택률을 계산할 수 있다.
상기 여행지 재추천부는, 다음의 수학식
Figure pat00002
(이때 s는 각 여행지 별 선택률, n은 희망 여행 유형 정보에 포함된 여행지 특성 별 선택수의 합, t는 n은 희망 여행 유형 정보에 포함된 여행지 특성 별 추천수의 합)
에 의하여 각 여행지 별 선택률을 계산할 수 있다.
상기 여행지 재추천부는, 다음의 수학식
Figure pat00003
(이때, sim은 각 여행지 별 상기 사용자와의 유사도, s는 각 여행지 별 선택률, k1 및 k2는 가중치로서 k1 + k2 = 1의 관계를 만족함)
에 의하여 각 여행지 별 추천도를 계산하고, 계산된 추천도에 따라 하나 이상의 재추천 여행지를 상기 사용자에게 제공할 수 있다.
본 발명의 다른 예시적인 실시예에 따르면, 각 여행지별로 정의된 복수 개의 여행지 특성에 대한 특성값을 계산하고, 계산된 상기 특성값으로부터 여행지 벡터를 생성하는 단계; 사용자로부터 상기 복수 개의 여행지 특성에 대한 선택값을 입력받고, 상기 선택값으로부터 사용자 벡터를 생성하는 단계; 및 상기 여행지 벡터 및 상기 사용자 벡터 간의 유사도를 계산하고, 계산된 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공하는 단계를 포함하는 여행지 추천 방법이 제공된다.
본 발명의 실시예들에 따르면, 많은 여행지 중에서 입력된 사용자의 특성과 가장 근접한 여행지를 벡터 공간 모델을 적용하여 찾아 추천함으로써, 사용자는 자신의 특성에 맞는 여행지를 손쉽게 알 수 있게 된다. 또한 작성한 여행 경로를 시간 또는 이동거리에 따라 최적화하여 출력함으로써, 사용자에게 더욱 질 좋은 여행 경험을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 여행지 추천 시스템을 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 여행지 특성을 트리 구조로 나타낸 예시도
도 3은 본 발명의 일 실시예에 따른 여행지 벡터 생성부에서 이미지 속 얼굴을 인식하고 이를 이미지로 추출하여 이미지 속 얼굴의 성별 및 연령을 분석하는 과정을 설명하기 위한 예시도
도 4는 본 발명의 일 실시예에 따른 사용자 벡터 생성부에서 여행 콘텐츠별 가중치를 입력받기 위한 프로그레스 바(Progress Bar)를 예시한 예시도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
도 1은 본 발명의 일 실시예에 따른 여행지 추천 시스템(100)을 설명하기 위한 블록도이다. 도시된 바와 같이, 본 발명의 일 실시예에 따른 여행지 추천 시스템(100)은 여행지 벡터 생성부(102), 사용자 벡터 생성부(104), 여행지 추천부(106), 추천수 통계 데이터베이스(108), 선택수 통계 데이터베이스(110) 및 여행지 재추천부(112)를 포함한다.
여행지 벡터 생성부(102)는 각 여행지별로 정의된 복수 개의 여행지 특성에 대한 특성값을 계산하고, 계산된 상기 특성값으로부터 여행지 벡터를 생성한다.
사용자 벡터 생성부(104)는 사용자로부터 상기 복수 개의 여행지 특성에 대한 선택값을 입력받고, 상기 선택값으로부터 사용자 벡터를 생성한다.
여행지 추천부(106)는 상기 여행지 벡터 및 상기 사용자 벡터 간의 유사도를 계산하고, 계산된 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공한다.
추천수 통계 데이터베이스(108)는 상기 사용자에게 제공된 추천 여행지의 각 여행지 특성 별 추천수가 저장되는 데이터베이스이다.
선택수 통계 데이터베이스(110)는 상기 추천 여행지 중 상기 사용자에게 선택된 여행지의 각 여행지 특성 별 선택수가 저장되는 데이터베이스이다.
여행지 재추천부(112)는 상기 사용자로부터 희망 여행 유형 정보를 입력받고, 입력된 상기 희망 여행 유형 정보를 반영하여 재계산된 추천 여행지를 상기 사용자에게 제공한다.
이하에서는 상기와 같이 구성되는 본 발명의 일 실시예에 따른 여행지 추천 시스템(100)의 상세 구성을 설명하기로 한다.
여행지 특성 구조화 및 여행지 벡터 생성
사용자 특성과 여행지 특성을 고려하여 여행 경로를 추천하기 위해서는 여행지 특성의 구조화 및 이를 바탕으로 만든 여행지 벡터가 요구된다. 여행지 벡터 생성부(102)는 각 여행지별로 정의된 복수 개의 여행지 특성에 대한 특성값을 계산하고, 계산된 상기 특성값으로부터 여행지 벡터를 생성한다.
각 여행지의 구조화된 여행지 특성은 트리 구조로 표현할 수 있다. 여행지 특성 값은 초기에는 웹에 있는 정보를 수집하여 초기값을 할당할 수 있고, 이후 안정화된 통계 데이터베이스(추천수 통계 데이터베이스(108) 및 선택수 통계 데이터베이스(110))를 갖추게 되면 이를 기반으로 재할당할 수 있다. 그리고 여행지 특성 값이 할당된 여행지는 벡터로 변환할 수 있다. 여행지 특성 구조화 및 여행지 벡터 만들기는 여행지 특성 정의 및 구조화, 여행지 특성 초기값 할당, 통계 데이터베이스에 기반한 여행지 특성 값 재할당, 및 여행지 벡터화의 과정을 거치게 된다.
여행지 특성 정의 및 구조화
본 발명의 실시예에서 여행지는 다양한 특성을 가질 수 있다. 특성은 사용자 요구에 맞도록 다양하게 정의할 수 있고 특성을 분석하여 구조화시킬 수 있다. 다음 표 1은 여행지마다 가질 수 있는 특성의 예로서, 여행지마다 41개의 특성을 가지며, 각 여행지 특성은 5개의 특성 그룹 중 하나에 속하게 된다.
특성 그룹 특성
성별 남자, 여자
연령 아동, 청년층, 중년층, 노년층
여행 시기 봄, 여름, 가을, 겨울
여행 종류 신혼여행, 가족여행, 커플여행, 실버여행, 배낭여행, 휴양여행, 기타
여행 콘텐츠 골프, 육상레포츠, 수상레포츠, 항공레포츠, 항공레포츠, 쇼핑, 온천, 마사지, 자연경관, 트래킹, 유적지, 종교, 박물관, 기념관, 전시관, 미술관, 테마파크, 축제/행사, 연극, 뮤지컬, 오페라, 클래식, 랜드마크, 기타
표 1의 특성은 여행지를 성별, 연령, 여행 시기, 여행 종류, 여행 콘텐츠 총 5개의 특성 그룹으로 구조화한 것이다. 본 발명의 실시예에서, 상기 복수 개의 여행지 특성은 각각 기 설정된 복수 개의 특성 그룹 중 어느 하나에 포함되도록 구성된다. 각 특성 그룹은 상호 배타적인 관계이며, 각 특성 그룹의 값은 항상 1을 유지하도록 되어있다. 특성 그룹 안에는 복수개의 특성이 있고, 각 특성마다 0~1 사이의 값을 가질 수 있지만, 같은 특성 그룹 내 있는 모든 특성의 합은 항상 1이 되어야 한다. 각 특성 값의 할당은 수집 단계에서 이루어진다. 이와 같이 특성을 구조화시키면 특성 그룹에 해당되는 특성의 값만 사용할 수 있게 되며, 특성과 특성 그룹을 트리 구조로 나타낼 수 있게 된다.
상기 특성과 특성 그룹을 트리 구조로 나타낼 경우, 트리 내 노드들은 루트 노드(root node), 내부 노드(internal node), 잎 노드(leaf node)로 나눌 수 있다. 루트 노드는 트리의 최상위 노드로서 복수 개의 내부 노드를 자식 노드로 가질 수 있다. 내부 노드는 루트 노드 및 잎 노드를 제외하고 남은 노드로 특성 그룹을 나타내며 복수개의 잎 노드를 자식 노드로 가질 수 있다. 잎 노드는 자식이 없는 노드로서 특성을 나타내고 잎 노드의 값은 잎 노드가 해당하는 특성의 값을 의미한다.
도 2는 표 1을 트리 구조로 표현한 것이다. 도 2에서 트리의 레벨은 3으로 구성되어 있다. 레벨 1에는 루트 노드인 '특성 구조'가 있다. 이 노드는 특성 그룹을 나타내는 5개의 내부 노드를 자식 노드로 가지고 있다.
레벨 2에는 5개의 내부 노드가 있으며 각각 특성 그룹인 성별, 연령, 여행 시기, 여행 종류, 여행 콘텐츠를 의미한다. 레벨 2에 있는 노드는 상호 배타적인 관계이며, 각 노드는 특성을 나타내는 잎 노드를 자식 노드로 가지고 있다. 또한 내부 노드는 자식 노드의 값의 총합이 항상 1을 유지하도록 되어 있다.
레벨 3에는 특성을 나타내는 잎 노드가 있다. 이 잎 노드의 값은 해당하는 특성의 값을 의미하고 각 노드마다 0~1 사이의 값을 가질 수 있지만, 같은 부모 노드 내 있는 모든 노드의 합은 항상 1이 되어야 한다.
다음은 각 특성을 특성 그룹 순서대로 설명한 것이다.
1) 성별
특성: 남자, 여자
성별 특성은 해당 여행지가 어떤 성별이 많이 방문하는 곳인지를 나타낸다. 성별 특성은 남자, 여자 두 개의 특성으로 나뉜다. 남자 특성 값과 여자 특성 값은 0 ~ 1 사이의 값을 가지지만, 이 두 특성 값의 합은 반드시 1이 되어야 한다.
두 특성 값에 따라 어떤 성별에게 해당 여행지를 추천할 것인지를 알 수 있다. 예를 들어, 어떤 여행지에서 [남자] 값이 0.8, [여자] 값이 0.2일 경우, 그 여행지를 방문하는 인원 중 80%는 남자, 20%는 여자임을 나타낸다. 즉, 해당 여행지는 상대적으로 여성보다는 남성들에게 선호되는 여행지임을 알 수 있다.
2) 연령층
특성: 아동, 청년층, 중년층, 노년층
연령 특성은 해당 여행지가 어떤 연령층이 많이 방문하는 곳인지를 나타낸다. 20세 미만은 아동, 20세 이상 40세 미만은 청년층, 40세 이상 60세 미만은 중년층, 60세 이상은 노년층 네 개의 특성으로 나뉘며, 이 네 개의 특성 값은 0 ~ 1 사이의 값을 가지지만, 이들의 합은 반드시 1이 되어야 한다.
네 개의 특성 값에 따라 어떤 연령층에게 해당 여행지를 추천할 것인지를 알 수 있다. 예를 들어, 어떤 여행지에서 [아동] 값이 0.0, [청년층] 값이 0.7, [중년층] 값이 0.2, [노년층] 값이 0.1일 경우, 그 여행지를 방문하는 인원 중 70%는 청년층, 20%는 중년층, 10%는 노년층임을 나타낸다. 즉, 해당 여행지는 상대적으로 청년층에게 선호되는 여행지임을 알 수 있다.
3) 여행 시기
특성: 봄, 여름, 가을, 겨울
여행 시기 특성은 해당 여행지가 어떤 계절에 많이 방문하는 곳인지를 나타낸다. 여행 시기 특성은 봄, 여름, 가을, 겨울 네 개의 특성으로 나뉜다. 이 네 개의 특성 값은 0 ~ 1 사이의 값을 가지지만, 이들의 합은 반드시 1이 되어야 한다.
네 개의 특성 값에 따라 어떤 시기에 해당 여행지를 추천할지를 알 수가 있다. 예를 들어, 어떤 여행지에서 [봄]의 값은 0.3, [여름]의 값이 0.4, [가을]의 값이 0.2, [겨울]의 값이 0.1일 경우, 그 여행지를 방문하는 시기는 사계절 중 30%는 봄, 40%는 여름, 20%는 가을, 10%는 겨울임을 나타낸다. 즉, 해당 여행지로 떠나기 적합한 계절은 상대적으로 가을, 겨울보다는 봄, 여름임을 알 수 있다.
4) 여행 종류
특성: 신혼여행, 가족여행, 커플여행, 실버여행, 배낭여행, 휴양여행, 기타
여행 종류 특성은 해당 여행지가 어떤 목적으로 방문하는 곳인지를 나타낸다. 신혼여행, 가족여행, 연인여행, 실버여행, 배낭여행, 휴양여행, 기타 7개의 특성으로 나뉘며, 이 7개의 특성 값은 0~1 사이의 값을 가지지만, 이들의 합은 반드시 1이 되어야 한다.
7개의 특성 값에 따라 목적에 맞는 여행지를 추천할 수 있다. 예를 들어, 어떤 여행지에서 [신혼여행] 값이 0.6, [가족여행] 값이 0.1, [커플여행] 값이 0.2, [실버여행] 값이 0.1, [배낭여행] 값이 0.0, [휴양여행] 값이 0.0, [기타] 값이 0.0 일 경우, 그 여행지를 방문하는 인원들의 60%는 신혼여행, 10%는 가족여행, 20%는 연인여행, 10%는 실버 여행임을 나타낸다. 즉, 해당 여행지는 주로 신혼여행으로 떠나기에는 적합하나 배낭여행, 휴양여행으로는 부적합한 것을 알 수 있다.
5) 여행 콘텐츠
특성: 골프, 육상레포츠, 수상레포츠, 항공레포츠, 복합레포츠, 쇼핑, 온천, 마사지, 자연경관, 트래킹, 유적지, 종교, 박물관, 기념관, 전시관, 미술관, 테마파크, 축제/행사, 연극, 뮤지컬, 오페라, 클래식, 랜드마크, 기타
여행 콘텐츠 특성은 해당 여행지에서 무엇을 즐길 수 있는지를 나타낸다. 여행 콘텐츠 특성은 24개의 소분류 특성으로 나뉘며, 이 24개의 특성 값은 0~1 사이의 값을 가지지만, 이들의 합은 반드시 1이 되어야 한다.
24개의 특성 값에 따라 즐기고 싶은 콘텐츠에 맞는 여행지를 추천할 수 있다. 예를 들어, 어떤 여행지에서 [골프]의 값은 0.8, [쇼핑]의 값이 0.1, [마사지]의 값이 0.1일 경우, 그 여행지에 방문했던 인원 중 80%는 골프, 10%는 쇼핑, 10%는 마사지를 즐겼다는 것을 알 수 있다. 즉, 해당 여행지에서 주로 즐기는 콘텐츠는 골프임을 알 수 있다.
여행지 특성 초기 값 할당
여행지 특성 값은 해당 여행지를 여행한 여행자로부터 수집된 자료를 기반으로 할당될 수 있다. 하지만 서비스 초기에는 여행지 특성 값을 할당할 수 있는 자료가 없기 때문에 이 경우에는 웹 등에 있는 자료를 기반으로 여행지 특성 초기 값을 할당할 수 있다. 구체적으로, 여행지 특성의 값을 할당하기 위한 수집 자료는 웹에 있는 문서 또는 소셜 미디어 등의 텍스트 자료, 이미지 자료 등이 있다. 이 중 텍스트 자료는 여행지로 검색된 웹문서의 제목, 본문, 댓글이 될 수 있고, 이미지 자료는 여행지로 검색된 이미지를 사용할 수 있다.
여행지 특성 초기 값을 할당하는 과정을 구체적으로 설명하면 다음과 같다.
1) 자료로부터 정보 추출
먼저, 웹에서 수집된 텍스트 자료와 이미지 자료로부터 필요한 정보를 추출한다. 텍스트 자료에서 여행지 특성을 추출하기 위한 방법 중 하나로서 자연 언어 처리 기술을 적용할 수 있다. 예를 들어, 형태소 분석기 등에서 사용되는 사전 조회 방식을 적용하여 여행지 특성을 추출할 수 있다. 사전 조회 방식은 미리 만들어 놓은 사전을 조회하여 어떤 텍스트가 사전 내 특정 단어의 연관 키워드들과 일치되면 해당 텍스트를 특정 단어로 간주하는 방식이다.
사전은 수집 단계 전에 만들어지며, 특성마다 나열한 키워드들은 해당 특성을 잘 나타낼 수 있는 키워드로 구성된다. 다음의 표 2는 표 1의 특성 중 '자연경관' 특성에 해당하는 연관 키워드들을 나열하여 만든 사전의 일부를 예시로 든 것이다.
특성 관련 키워드
자연경관 바다 해변 꽃 물보라 동굴 야경
나무 계곡 해안 파도 오름 봉우리
바위 현무암 절벽 일출 들판 해돋이
숲 산림 백사장 풍경 노을 바닷물
화산 돌다리 올레길 용암 목장 썰물
여행지 벡터 생성부(102)는 각 여행지 특성별로 하나 이상의 연관 키워드를 정의하고, 상기 각 여행지별로 수집된 상기 텍스트 데이터에 포함된 상기 연관 키워드의 빈도수에 따라 각 여행지 특성별 특성값을 계산할 수 있다. 예를 들어, 어떤 텍스트 데이터에 '바다'라는 단어가 있는 경우, '바다'는 표 2의 관련 키워드 중 '자연경관' 특성으로 나열한 '바다'와 일치한다. 그러므로 '자연경관' 특성으로 추출된 키워드 개수를 하나 증가시킬 수 있다. 이러한 과정을 반복하면 해당 여행지의 특성을 나타내는 키워드 개수를 구할 수 있다.
추출된 키워드 개수는 해당 여행지로 검색된 텍스트 자료를 순회함에 따라 증가하고 이 개수는 해당 특성 값을 할당할 때 중요한 자료로 활용될 수 있다.
다음으로, 이미지 자료에서 여행지 특성은 이미지 인식 기술과 기계 학습에 기반 한 이미지 분류를 적용하여 추출할 수 있다.
이미지 인식 기술을 사용하면 이미지 자료에서 사람 얼굴을 인식할 수 있고, 인식한 얼굴을 분석해서 이미지 속에 사람의 성별 및 연령을 추출할 수 있다. 이미지 인식 기술을 적용하면 이미지 자료에서 해당 여행지에 방문객의 수와 성별, 연령 특성을 추출할 수 있다. 도 3은 본 발명의 일 실시예에 따른 여행지 벡터 생성부(102)에서 이미지 속 얼굴을 인식하고 이를 이미지로 추출하여 이미지 속 얼굴의 성별 및 연령을 분석하는 과정을 설명하기 위한 예시도이다.
또한, 여행지 벡터 생성부(102)는 기계 학습에 의한 이미지 분류를 통해 이미지 데이터로부터 해당 이미지에 대응되는 특성을 추출할 수 있다. 예를 들어, 여행지 벡터 생성부(102)는 기계 학습에 기반 한 이미지 분류를 통해 이미지를 표현할 특징정보(의상, 촬영 위치, 배경의 특성 등)를 추출하고, 그 정보를 이용해 군집화 알고리즘을 사용해 군집화 할 수 있다. 후보 이미지 군집화 후에는 분류 알고리즘을 사용해 여행지 특성별로 이미지를 분류시킬 수 있다. 이와 같이 기계 학습에 기반한 이미지 분류를 적용하면 이미지 자료가 어떤 여행 시기, 어떤 여행 콘텐츠 특성에 해당하는지 등의 정보를 알 수 있다.
상기와 같은 과정을 거쳐 추출된 각 여행 특성 별 이미지 개수는 해당 여행지로 검색된 이미지 자료를 순회함에 따라 증가하고 이 개수는 해당 특성 값을 할당할 때 중요한 자료로 활용될 수 있다.
2) 여행지 특성 별 특성값 계산
본 발명의 실시예에서, 여행지 특성값은 다음의 수학식 1과 같이 계산될 수 있다.
[수학식 1]
Figure pat00004

이때, k는 해당 여행지 특성과 관련하여 텍스트 데이터로부터 추출된 된 키워드의 개수, tk는 해당 여행지 특성이 속한 특성 그룹과 관련하여 텍스트 데이터로부터 추출된 된 키워드의 개수, m은 해당 여행지 특성과 관련된 이미지의 데이터의 개수, tm은 해당 여행지 특성이 속한 특성 그룹과 관련된 이미지의 데이터의 개수, w1 및 w2는 가중치로서 w1 + w2 = 1의 관계를 만족한다. 예를 들어 이미지 키워드보다 키워드 빈도의 가중치를 높게 주고 싶으면 w2보다 w1을 큰 값을 주면 된다.
또한, 특성으로 추출된 키워드의 개수나 이미지 개수가 0인 특성이 존재할 경우, 0이 아닌 자료의 빈도만을 가지고 값을 준다. 또한, 관련이 있는 특성은 특성 그룹으로 묶이기 때문에 각 특성 그룹 내 특성 값의 총합은 1을 초과하지 않도록 값을 할당한다.
표 3 내지 표 6은 인터넷상에서 수집된 10개의 텍스트 자료와 10개의 이미지 자료를 이용하여 생성한 제주도 내 10개의 여행지에 대한 특성값을 예시한 것이다.
성별 연령 여행 시기
남자 여자 아동 청년층 중년층 노년층 봄 여름 가을 겨울
넥슨박물관 0.74 0.26 0.25 0.71 0.04 0 0.01 0.96 0 0.03
제주민속박물관 0.44 0.56 0.19 0.42 0.32 0.07 0.36 0.21 0.08 0.35
테디베어 박물관 0.52 0.48 0.15 0.31 0.52 0.02 0.33 0.67 0 0
용두암 0.45 0.55 0.11 0.22 0.59 0.08 0.33 0.67 0 0
성산일출봉 0.41 0.59 0.13 0.29 0.52 0.06 0.2 0.7 0.1 0
제주절물자연휴양림 0.31 0.69 0.12 0.5 0.38 0 0.1 0.8 0.1 0
천지연폭포 0.47 0.53 0.09 0.17 0.56 0.18 0.17 0.75 0 0.08
함덕해수욕장 0.48 0.52 0.14 0.32 0.54 0 0.09 0.73 0.09 0.09
섭지코지 0.42 0.58 0.08 0.38 0.47 0.07 0.1 0.75 0.1 0.05
서귀포잠수함 0.51 0.49 0.16 0.4 0.41 0.03 0.1 0.85 0.05 0
여행 종류
신혼여행 가족여행 커플여행 실버여행 배낭여행 휴양여행 기타
넥슨박물관 0.1 0.6 0.2 0 0.05 0.05 0
제주민속박물관 0.1 0.7 0.1 0.05 0.05 0 0
테디베어 박물관 0.05 0.4 0.55 0 0 0 0
용두암 0.05 0.7 0.25 0 0 0 0
성산일출봉 0 0.8 0.2 0 0 0 0
제주절물자연휴양림 0 0.3 0.2 0 0 0.5 0
천지연폭포 0.1 0.7 0.1 0 0 0.1 0
함덕해수욕장 0 0.7 0.1 0 0 0.2 0
섭지코지 0.1 0.6 0.3 0 0 0 0
서귀포잠수함 0.15 0.4 0.4 0 0 0.05 0
여행 콘텐츠
골프 육상레포츠 수상레포츠 항공레포츠 복합레포츠 쇼핑 온천 마사지 자연경관 트래킹 유적지
넥슨박물관 0 0 0 0 0 0.1 0 0 0 0 0
제주민속박물관 0 0 0 0 0.1 0 0 0 0 0.08 0
테디베어 박물관 0 0 0 0 0 0.19 0 0 0 0 0
용두암 0 0 0 0 0 0.02 0 0 0.93 0.05 0
성산일출봉 0 0 0 0 0 0 0 0 0.9 0.1 0
제주절물자연휴양림 0 0 0 0 0 0 0 0 0.88 0.07 0
천지연폭포 0 0 0 0 0 0 0 0 0.9 0 0
함덕해수욕장 0 0 0.3 0 0 0 0 0 0.5 0 0
섭지코지 0 0 0 0 0 0 0 0 0.7 0.08 0.02
서귀포잠수함 0 0 0.9 0 0 0 0 0 0.1 0 0
여행 콘텐츠
종교 박물관 기념관 전시관 미술관 테마파크 축제/
행사		 연극 뮤지컬 오페라 클래식 랜드마크 기타
넥슨박물관 0 0.75 0 0 0 0.05 0.1 0 0 0 0 0 0
제주민속박물관 0 0.82 0 0 0 0 0 0 0 0 0 0 0
테디베어 박물관 0 0.38 0 0.38 0 0 0 0.05 0 0 0 0 0
용두암 0 0 0 0 0 0 0 0 0 0 0 0 0
성산일출봉 0 0 0 0 0 0 0 0 0 0 0 0 0
제주절물자연휴양림 0 0 0 0 0 0 0.05 0 0 0 0 0 0
천지연폭포 0 0 0 0 0 0 0.1 0 0 0 0 0 0
함덕해수욕장 0 0 0 0 0 0 0.2 0 0 0 0 0 0
섭지코지 0 0 0 0 0 0.2 0 0 0 0 0 0 0
서귀포잠수함 0 0 0 0 0 0 0 0 0 0 0 0 0
여행지 벡터 생성
상기와 같이 여행지마다 특성 값 할당이 완료되면 다음으로 여행지 벡터 생성부(102)는 각각의 여행지에 대응하는 여행지 벡터를 생성한다. 상기 여행지 벡터는 특성 그룹별로 구조화되어 있는 바, 상기 여행지 벡터는 복합 벡터일 수 있다.
다음은 여행지 특성 초기 값을 나타내는 표 3 내지 표 6의 여행지들을 벡터로 표현한 것이다.
V넥슨박물관 = (<0.74, 0.26>, <0.25, 0.71, 0.04, 0>, <0.01, 0.96, 0, 0.03>, <0.1, 0.6, 0.2, 0, 0.05, 0.05, 0>, <0, 0, 0, 0, 0, 0.1, 0, 0, 0, 0, 0, 0, 0.75, 0, 0, 0, 0.05, 0.1, 0, 0, 0, 0, 0, 0>)
V제주민속박물관 = (<0.44, 0.56>, <0.19, 0.42, 0.32, 0.07>, <0.36, 0.21, 0.08, 0.35>, <0.1, 0.7, 0.1, 0.05, 0.05, 0, 0>, <0, 0, 0, 0, 0.1, 0, 0, 0, 0, 0.08, 0, 0, 0.82, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0>)
V테디베어 박물관 = (<0.52, 0.48>, <0.15, 0.31, 0.52, 0.02>, <0.33, 0.67, 0, 0>, <0.05, 0.4, 0.55, 0, 0, 0, 0>, <0, 0, 0, 0, 0, 0.19, 0, 0, 0, 0, 0, 0, 0.38, 0, 0.38, 0, 0, 0, 0.05, 0, 0, 0, 0, 0>)
V용두암 = (<0.45, 0.55>, <0.11, 0.22, 0.59, 0.08>, <0.33, 0.67, 0, 0>, <0.05, 0.7, 0.25, 0, 0, 0, 0>, <0, 0, 0, 0, 0, 0.02, 0, 0, 0.93, 0.05, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0>)
V성산일출봉 = (<0.41, 0.59>, <0.13, 0.29, 0.52, 0.06>, <0.2, 0.7, 0.1, 0>, <0, 0.8, 0.2, 0, 0, 0, 0>, <0, 0, 0, 0, 0, 0, 0, 0, 0.9, 0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0>)
V제주절물자연휴양림 = (<0.31, 0.69>, <0.12, 0.5, 0.38, 0>, <0.1, 0.8, 0.1, 0>, <0, 0.3, 0.2, 0, 0, 0.5, 0>, <0, 0, 0, 0, 0, 0, 0, 0, 0.88, 0.07, 0, 0, 0, 0, 0, 0, 0, 0.05, 0, 0, 0, 0, 0, 0>)
V천지연폭포 = (<0.47, 0.53>, <0.09, 0.17, 0.56, 0.18>, <0.17, 0.75, 0, 0.08>, <0.1, 0.7, 0.1, 0, 0, 0.1, 0>, <0, 0, 0.3, 0, 0, 0, 0, 0, 0.9, 0, 0, 0, 0, 0, 0, 0, 0, 0.1, 0, 0, 0, 0, 0, 0>)
V함덕해수욕장 = (<0.48, 0.52>, <0.14, 0.32, 0.54, 0>, <0.09, 0.73, 0.09, 0.09>, <0, 0.7, 0.1, 0, 0, 0.2, 0>, <0, 0, 0.3, 0, 0, 0, 0, 0, 0.5, 0, 0, 0, 0, 0, 0, 0, 0, 0.2, 0, 0, 0, 0, 0, 0>)
V섭지코지 = (<0.42, 0.58>, <0.08, 0.38, 0.47, 0.07>, <0.1, 0.75, 0.1, 0.05>, <0.1, 0.6, 0.3, 0, 0, 0, 0>, <0, 0, 0, 0, 0, 0, 0, 0, 0.7, 0.08, 0.2, 0, 0, 0, 0, 0, 0.2, 0, 0, 0, 0, 0, 0, 0>)
V서귀포잠수함 = (<0.51, 0.49>, <0.16, 0.4, 0.41, 0.03>, <0.1, 0.85, 0.05, 0>, <0.15, 0.4, 0.4, 0, 0, 0.05, 0>, <0, 0, 0.9, 0, 0, 0, 0, 0, 0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0>)
사용자 특성 구조화 및 사용자 벡터 생성
다음으로, 사용자 벡터 생성부(104)는 사용자로부터 상기 복수 개의 여행지 특성에 대한 선택값을 입력받고, 상기 선택값으로부터 사용자 벡터를 생성한다. 본 발명의 실시예에서 사용자 벡터는 질의에 대한 사용자의 입력을 바탕으로 만들 수 있다. 그러기 위해는 우선 사용자의 목적에 맞게 사용자의 여행 특성을 정의 및 구조화하는 작업이 필요하다.
사용자 특성의 정의
본 발명의 실시예에서 사용자는 다양한 특성을 가질 수 있다. 특성은 사용자 요구에 맞도록 다양하게 정의할 수 있고 특성을 분석하여 구조화시킬 수 있다. 이때 상기 사용자 특성은 여행지 특성과 동일해야 유사성을 판단할 수 있다. 따라서 표 1과 동일하게 사용자마다 1개의 특성을 가지고 5개의 특성 그룹으로 구조화할 수 있다. 즉, 사용자 특성은 여행지 특성과 동일하게 정의하고 구조화되며, 여행지 특성과 마찬가지로 트리로 표현이 가능하다.
사용자 특성값 할당
본 발명의 실시예에서는, 회원 가입, 추후 정보 입력 등의 절차를 통해 사용자로부터 각 사용자 특성값을 입력받을 수 있다. 이를 구체적으로 설명하면 다음과 같다.
1) 성별, 연령 특성
성별, 연령 값은 회원 가입 등의 과정에서 사용자가 입력한 성별과 생년월일 값을 사용하여 할당할 수 있다.
표 7은 20대 남성인 사용자 1과 40대 여성인 사용자 2가 회원 가입을 통해 입력한 성별과 생년월일을 토대로 사용자의 성별, 연령 값을 할당한 것이다. 해당 특성과 일치하는 경우 1, 아닌 경우 0을 할당한다. 성별과 연령은 두 가지 이상의 특성에 동시에 한번에 해당될 수 없으므로, 반드시 각 특성 그룹 별 한 가지 특성에만 값이 할당된다.
특성
사용자		 성별 연령
남자 여자 아동 청년층 중년층 노년층
사용자1 1 0 0 1 0 0
사용자2 0 1 0 0 1 0
다음으로, 사용자 벡터 생성부(104)는 사용자로부터 여행 시기를 선택받을 수 있다. 사용자는 화면 상의 입력창을 통해 봄, 여름, 가을, 겨울 사계절 중 하나 이상을 선택할 수 있고, 사용자 벡터 생성부(104)는 선택된 계절에 1을, 선택되지 않은 계절에 0을 할당한다.
표 8은 사용자 1과 사용자 2가 각각 여름, 봄을 선택한 경우, 이를 토대로 사용자1과 사용자2의 여행 시기 특성의 값을 할당한 것이다.
여행 시기
봄 여름 가을 겨울
사용자1 0 1 0 0
사용자2 1 0 0 0
다음으로 사용자는 화면 상의 입력창을 통해 여행 종류를 선택할 수 있다. 여행 종류는 다양하게 구성할 수 있지만 본 발명의 예시에서는 신혼여행, 가족여행, 커플여행, 실버여행, 배낭여행, 휴양여행, 기타 총 7개로 분류하였다. 사용자는 7개 중 하나를 선택할 수 있고, 선택한 경우 1, 아닌 경우 0을 할당한다.
표 9는 사용자1과 사용자2가 각각 여행 종류 중에서 커플여행, 가족여행을 선택한 경우의 여행 종류 특성의 값을 할당한 것이다.
여행 종류
신혼여행 가족여행 커플여행 실버여행 배낭여행 휴양여행 기타
사용자1 0 0 1 0 0 0 0
사용자2 0 1 0 0 0 0 0
사용자는 제시된 여행 콘텐츠 중 원하는 여행 콘텐츠를 선택하고 가중치를 줄 수 있으며, 사용자 벡터 생성부(104)는 이를 바탕으로 여행 콘텐츠 특성 값을 할당할 수 있다. 예를 들어, 사용자 벡터 생성부(104)는 도 4에 도시된 바와 같이 각각의 여행 콘텐츠에 0에서부터 10까지의 값을 가중치로 줄 수 있도록 복수 개의 프로그레스 바(Progress Bar)를 제공할 수 있다. 사용자는 도시된 여행 콘텐츠 중 최소 1개 이상의 여행 콘텐츠에 가중치를 줄 수 있고 가중치가 0인 경우, 해당 여행 콘텐츠는 선택되지 않은 것으로 간주한다.
표 10은 사용자1이 수상레포츠, 쇼핑, 자연경관, 트래킹, 박물관, 테마파크, 축제/행사에, 사용자2가 쇼핑, 자연경관, 박물관, 축제/행사에 가중치를 할당한 것을 표로 나타낸 것이다.
여행 콘텐츠
골프 육상레포츠 수상레포츠 항공레포츠 복합레포츠 쇼핑 온천 마사지 자연경관 트래킹 유적지 종교 박물관 기념관 전시관 미술관 테마파크 축제/
행사		 연극 뮤지컬 오페라 클래식 랜드마크 기타
사용자1 0 0 4 0 0 1 0 0 8 1 0 0 3 0 0 0 1 2 0 0 0 0 0 0
사용자2 0 0 0 0 0 2 0 0 10 0 0 0 6 0 0 0 0 2 0 0 0 0 0 0
한편, 유사도 계산을 하려면 특성 그룹 별 특성 값의 합을 1로 맞춰야 한다. 따라서 사용자 벡터 생성부(104)는 상기 사용자로부터 입력된 상기 복수 개의 특성에 대한 선택값을 기 설정된 특성 그룹별로 그룹화하고, 아래의 수학식 2를 사용해 값을 스케일링하여 여행 콘텐츠 특성 값을 할당한다. 변환한 여행 콘텐츠의 특성 값은 각각 0 ~ 1 사이의 값을 가지며, 각 특성 그룹 별 특성 값의 합은 1이 된다.
[수학식 2]
Figure pat00005

(이때, wk는 사용자가 입력한 k번째 여행 콘테츠 가중치, n은 여행 콘텐츠의 총 특성 개수)
다음의 수학식 3는 사용자1이 입력한 여행 콘텐츠의 3번째 가중치(수상 레포츠)를 수학식 2를 사용하여 재계산 하는 과정을 나타낸 것이다(가중치가 0인 특성은 계산에서 제외하였다).
[수학식 3]
Figure pat00006

표 11 및 표 12는 상기와 같은 과정을 거쳐 할당된 사용자1과 사용자2의 여행 특성 값을 나타낸 표이다.
성별 연령 여행 시기 여행 종류
남자 여자 아동 청년층 중년층 노년층 봄 여름 가을 겨울 신혼여행 가족여행 커플여행 실버여행 배낭여행 휴양여행 기타
사용자1 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0
사용자2 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 0 0
여행 콘텐츠
골프 육상레포츠 수상레포츠 항공레포츠 복합레포츠 쇼핑 온천 마사지 자연경관 트래킹 유적지 종교 박물관 기념관 전시관 미술관 테마파크 축제/행사 연극 뮤지컬 오페라 클래식 랜드마크
0 0 0.2 0 0 0.05 0 0 0.4 0.05 0 0 0.15 0 0 0 0.05 0.1 0 0 0 0 0
0 0 0 0 0 0.1 0 0 0.5 0 0 0 0.3 0 0 0 0 0.1 0 0 0 0 0
사용자 벡터화
사용자 특성 값 할당이 완료되면 사용자 벡터를 만들 수 있다. 사용자 특성을 구조화시켰기 때문에 사용자를 벡터로 표현할 때 복합 벡터로 표현된다. 다음은 표 11 및 표 12를 바탕으로 사용자1과 사용자2를 벡터로 표현한 것이다.
V사용자1 = (<1, 0>, <0, 1, 0, 0>, <0, 1, 0, 0>, <0, 0, 1, 0, 0, 0, 0>, <0, 0, 0.2, 0, 0, 0.05, 0, 0, 0.4, 0.05, 0, 0, 0.15, 0, 0, 0, 0.05, 0. 1, 0, 0, 0, 0, 0, 0>)
V사용자2 = (<0, 1>,<0, 0, 1, 0>,<1, 0, 0, 0>,<0, 1, 0, 0, 0, 0, 0>,<0, 0, 0, 0, 0, 0. 0.1, 0, 0, 0.5, 0, 0, 0, 0.3, 0, 0, 0, 0, 0.1, 0, 0, 0, 0, 0, 0>)
유사도를 이용한 여행지 추천
다음으로, 여행지 추천부(106)는 상기 여행지 벡터 및 상기 사용자 벡터 간의 유사도를 계산하고, 계산된 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공한다. 일 실시예에서, 여행지 추천부(106)는 여행지 특성과 사용자 특성 간의 유사도를 계산하여 사용자 특성과 가장 유사한 여행지 중 상위 n 개를 추천할 수 있다.
여행지 특성과 사용자 특성 간의 유사도를 구하기 위해서 다양한 유사도 계산 방법을 적용할 수 있다. 예를 들어, 여행지 추천부(106)는 벡터 공간 모델 중에서 코사인 유사도 측정 공식 또는 유클리디언 거리 유사도 측정 공식을 적용하여 유사도를 계산할 수 있다.
유사도를 계산하기 전에, 여행지 추천부(106)는 복합벡터로 구성된 여행지 벡터, 사용자 벡터를 단순벡터로 변환한다. 구체적으로, 여행지 추천부(106)는 상기 사용자 벡터로부터 0이 아닌 값을 가지는 성분만을 추출하여 사용자 단순 벡터를 생성하고, 상기 여행지 벡터로부터 상기 사용자 벡터와 동일한 위치의 성분을 추출하여 여행지 단순 벡터를 생성할 수 있다. 예를 들어 여행지와 사용자의 복합벡터가 각각 Va = (0.2, 0.8, 0.3, 0.5, 0.1, 0.2, 0.7), Vb = (1, 0, 1, 0, 1, 1, 1)라고 가정 하면, 단순벡터는 각각 V'a = (0.2, 0.3, 0.1, 0.2, 0.7), V'b = (1, 1, 1, 1, 1)가 된다.
코사인 유사도 계산방식은 여행지 벡터와 사용자 벡터 간의 코사인 값을 이용하여 유사도를 측정한다. 값은 0에서 1 사이의 값을 가지게 되며, 값이 1인 경우, 사용자의 성향과 여행지의 특성이 완벽히 일치하는 것이고 0인 경우에는 전혀 공통점이 없다는 것을 의미한다. 코사인 유사도의 계산식은 수학식 4와 같다.
[수학식 4]
Figure pat00007

유클리디언 거리 유사도 측정 방식은 여행지와 사용자 벡터 간의 거리를 측정하여 유사도를 계산할 수 있다. 거리 값이 작게 나올수록 여행지와 사용자의 공통점이 많고 유사함을 나타낸다. 유클리디언 거리 유사도는 수학식 5로 계산된다.
[수학식 5]
Figure pat00008

다음은 사용자1과 사용자2의 사용자 벡터를 단순벡터로 만들고 그에 따라 여행지 벡터도 단순벡터로 만든 것이다.
사용자1 단순 벡터
V사용자1 = (1, 1, 1, 1, 0.2, 0.05, 0.4, 0.05, 0.15, 0.05, 0.1)
사용자1 단순벡터와 유사도 계산을 위한 여행지 단순 벡터
V넥슨 박물관 = (0.74, 0.71, 0.96, 0.2, 0, 0.1, 0, 0, 0.75, 0.05, 0.1)
V제주민속박물관 = (0.44, 0.42, 0.21, 0.1, 0, 0, 0, 0.08, 0.82, 0, 0)
V테디베어 박물관 = (0.52, 0.31, 0.67, 0.55, 0, 0.19, 0, 0, 0.38, 0, 0)
V용두암 = (0.45, 0.22, 0.67, 0.25, 0, 0.02, 0.93, 0.05, 0, 0, 0)
V성산일출봉 = (0.41, 0.29, 0.7, 0.2, 0, 0, 0.9, 0.1, 0, 0, 0)
V제주절물자연휴양림 = (0.31, 0.5, 0.8, 0.2, 0, 0, 0.88, 0.07, 0, 0, 0.05)
V천지연폭포 = (0.47, 0.17, 0.75, 0.1, 0, 0, 0.9, 0, 0, 0, 0.1)
V함덕 해수욕장 = (0.48, 0.32, 0.73, 0.1, 0.3, 0, 0.5, 0, 0, 0, 0.2)
V섭지코지 = (0.42, 0.38, 0.75, 0.3, 0, 0, 0.7, 0.08, 0, 0.2, 0)
V서귀포잠수함 = (0.51, 0.4, 0.85, 0.4, 0.9, 0, 0.1, 0, 0, 0, 0)
사용자2 단순 벡터
V사용자2 = (1, 1, 1, 1, 1, 0.5, 0.3, 0.1)
사용자2 단순벡터와 유사도 계산을 위한 여행지 단순 벡터
V넥슨 박물관 = (0.26, 0.03, 0.04, 0.6, 0.1, 0, 0.75, 0.1)
V제주민속박물관 = (0.56, 0.39, 0.36, 0.7, 0, 0, 0.82, 0)
V테디베어 박물관 = (0.48, 0.52, 0.33, 0.4, 0.19, 0, 0.38, 0)
V용두암 = (0.55, 0.59, 0.33, 0.7, 0.02, 0.93, 0, 0)
V성산일출봉 = (0.59, 0.52, 0.2, 0.8, 0, 0.9, 0, 0)
V제주절물자연휴양림 = (0.69, 0.38, 0.1, 0.3, 0, 0.88, 0, 0.05)
V천지연폭포 = (0.53, 0.56, 0.17, 0.7, 0, 0.9, 0, 0.1)
V함덕 해수욕장 = (0.52, 0.54, 0.09, 0.7, 0, 0.5, 0, 0.2)
V섭지코지 = (0.58, 0.47, 0.1, 0.6, 0, 0.7, 0, 0)
V서귀포잠수함 = (0.49, 0.41, 0.1, 0.4, 0, 0.1, 0, 0)
각 사용자의 단순벡터와 여행지의 단순벡터를 수학식 4에 대입하면 사용자 특성과 여행지 특성 간의 코사인 유사도를 계산할 수 있다. 다음은 사용자1과 넥슨 박물관의 코사인 유사도 계산 과정을 나타낸 것이다.
Figure pat00009
Figure pat00010
Figure pat00011
Figure pat00012
Figure pat00013
Figure pat00014
Figure pat00015
Figure pat00016
Figure pat00017
Figure pat00018

사용자와 다른 여행지의 코사인 유사도도 동일한 계산 과정을 통해서 얻을 수 있다. 다음의 표 13, 표 14는 각 여행지와 사용자1, 사용자2의 벡터를 코사인 유사도 측정 공식에 대입하여 코사인 유사도를 계산한 결과이다.
순위 여행지 코사인 유사도
1 테디베어 박물관 0.901912082
2 섭지코지 0.846043857
3 함덕 해수욕장 0.827765824
4 넥슨 박물관 0.825511234
5 서귀포잠수함 0.793172952
6 제주절물자연휴양림 0.783952338
7 성산일출봉 0.75306749
8 용두암 0.74616026
9 천지연폭포 0.698009777
10 제주민속박물관 0.598447928
순위 여행지 코사인 유사도
1 테디베어 박물관 0.915297123
2 서귀포잠수함 0.90544536
3 함덕 해수욕장 0.873795186
4 용두암 0.868424834
5 섭지코지 0.844782982
6 성산일출봉 0.844325524
7 천지연폭포 0.833510863
8 제주민속박물관 0.814935946
9 제주절물자연휴양림 0.749474083
10 넥슨박물관 0.545337279
각 사용자의 단순벡터와 여행지의 단순벡터를 수학식 5에 대입하면 사용자 특성과 여행지 특성 간의 코사인 유사도를 계산할 수 있다. 다음은 사용자1과 넥슨 박물관의 유클리디언 유사도 계산 과정을 나타낸 것이다.
Figure pat00019
Figure pat00020
Figure pat00021
Figure pat00022
Figure pat00023
Figure pat00024
Figure pat00025
Figure pat00026
Figure pat00027
Figure pat00028

사용자와 다른 여행지의 유클리디언 유사도도 동일한 계산 과정을 통해서 얻을 수 있다. 다음의 표 15, 표 16은 각 여행지와 사용자1, 사용자2의 벡터를 유클리디언 거리 유사도 측정 공식에 대입하여 유클리디언 거리 유사도를 계산한 결과이다.
순위 여행지 유클리디언 유사도
1 테디베어박물관 1.14254103
2 넥슨박물관 1.16546128
3 섭지코지 1.20900786
4 서귀포잠수함 1.26593839
5 함덕해수욕장 1.29448832
6 제주절물자연휴양림 1.30648383
7 성산일출봉 1.38282320
8 용두암 1.39251571
9 천지연폭포 1.47047611
10 제주민속박물관 1.65798070
순위 여행지 유클리디언 유사도
1 용두암 1.09581020
2 성산일출봉 1.16124933
3 천지연폭포 1.20557040
4 함덕해수욕장 1.21247680
5 섭지코지 1.25590605
6 테디베어박물관 1.25865007
7 제주민속박물관 1.26716218
8 제주절물자연휴양림 1.42386797
9 서귀포잠수함 1.43115338
10 넥슨박물관 1.75530624
이와 같이 유사도가 계산되면, 여행지 추천부(106)는 계산된 유사도 순서대로 하나 이상의 여행지를 사용자에게 추천한다. 예를 들어 코사인 유사도 계산 공식에 의해 유사도가 계산될 경우, 사용자1은 테디베어 박물관 > 섭지코지 > 함덕해수욕장 > 넥슨박물관 > 서귀포잠수함 > 제주절물자연휴양림 > 성산일출봉 > 용두암 > 천지연폭포 > 제주민속박물관 순서로 추천된다. 또한, 사용자2는 테디베어 박물관 > 서귀포잠수함 > 함덕해수욕장 > 용두암 > 섭지코지 > 성산일출봉 > 천지연폭포 > 제주민속박물관 > 제주절물자연휴양림 > 넥슨박물관 순서로 추천된다.
통계 데이터베이스 생성 및 이에 기반한 여행지 특성 값 재할당
여행지 특성 초기 값 할당 후, 여행지 추천 시스템(100)은 각 여행지에 대한 추천 및 추천 여행지에 대한 사용자의 선택 등의 서비스 내 활동을 통계 데이터베이스로 저장할 수 있다. 또한, 일정 기간이 지난 후 통계 데이터베이스가 안정화되면 이를 토대로 각 여행지 별 여행지 특성 값을 갱신(재할당) 할 수 있다.
구체적으로, 여행지 추천 시스템(100)은 추천수 통계 데이터베이스(108) 및 선택수 통계 데이터베이스(110)의 두 종류의 데이터베이스를 생성 및 관리한다.
추천수 통계 데이터베이스(108) 및 선택수 통계 데이터베이스(110)는 각각 동일한 구조의 테이블을 포함하며, 상기 테이블의 각 행은 여행지를, 각 열은 각 여행지별 특성값을 나타낸다. 데이터베이스 최초 생성시 각 셀의 값은 0으로 설정된다.
만약 사용자에게 특정 여행지가 추천되는 경우, 추천수 통계 데이터베이스(108)는 상기 특정 여행지에 대응되는 여행지 특성값 중 추천된 사용자의 사용자 특성 값 중 0이 아닌 값에 대응되는 특성값을 기 설정된 값(예를 들어, 1)만큼 증가시킨다. 예를 들어, 사용자 특성 중 성별 특성이 남자이고 연령 특성이 중년층, 여행 시기 특성이 여름인 사용자에게 A라는 여행지를 추천한 경우, 추천수 통계 데이터베이스(108)는 A 여행지의 특성값 중 남자, 중년층, 여름 항목을 1만큼 증가시킬 수 있다.
이와 동일하게, 사용자가 추천 여행지 중 특정 여행지를 선택한 경우, 선택수 통계 데이터베이스(110)는 상기 특정 여행지에 대응되는 여행지 특성값 중 추천된 사용자의 사용자 특성 값 중 0이 아닌 값에 대응되는 특성값을 기 설정된 값(예를 들어, 1)만큼 증가시킬 수 있다.
표 17은 일정 기간이 지난 후, 특성에 따른 여행지 선택 수 통계 데이터베이스가 안정화 된 경우, 선택수 통계 데이터베이스(11)에 저장된 '천지연폭포'와 '성산일출봉' 여행지의 특성 별 선택 수를 예시로 나타낸 것이다.
성별
선택 수		 연령
선택 수		 여행 시기
선택 수		 여행 종류
선택 수
남자 여자 아
동		 청년층 중
년
층		 노년층 봄 여
름		 가을 겨
울		 신혼여행 가족여행 커
플
여
행		 실버여행 배
낭
여
행		 휴양여행 기
타
천지연폭포 60 40 10 30 40 20 10 50 10 30 10 50 30 0 0 5 5
성산일출봉 55 45 10 40 30 20 10 40 10 40 5 70 5 10 5 0 5
여행 콘텐츠 선택 수
골프 육상레포츠 수상레포츠 항공레포츠 복합레포츠 쇼핑 온천 마사지 자연경관 트래킹 유적지 종교 박물관 기념관 전시관 미술관 테마파크 축제/
행사		 연극 뮤지컬 오페라 클래식 랜드마크 기타
천지연폭포 0 0 0 0 0 0 0 0 80 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0
성산일출봉 0 0 0 0 0 0 0 0 60 40 0 0 0 0 0 0 0 0 0 0 0 0 0 0
일정 기간 후 통계 데이터베이스가 안정화되면 여행지 벡터 생성부(102)는 통계 데이터베이스를 기반으로 여행지 특성 값을 갱신할 수 있다. 일 실시예에서, 여행지 벡터 생성부(102)는 선택수 통계 데이터베이스(110)에 저장된 각 여행지 별 복수 개의 특성값을 기 설정된 특성 그룹별로 그룹화하고, 상기 각 특성 그룹 별 특성값의 합이 1이 되도록 스케일링함으로써 상기 여행지 벡터를 갱신할 수 있다.
구체적인 예시를 들기 위해 표 17을 기반으로 여행지 특성 값이 갱신되는 과정을 설명한다. 표 17은 '천지연폭포'와 '성산일출봉' 여행지의 특성 별 선택 수를 저장한 통계 데이터베이스이다.
수학식 6은 선택수 통계 데이터베이스(110)를 기반으로 여행지 특성 값을 구하는 공식이다. 해당 수학식의 경우 특성의 선택 수를 해당 특성이 속한 특성 그룹의 총 선택 수로 나누기 때문에 각 특성 값은 0에서 1사이의 값을 가지는 조건과 같은 특성 그룹 내 특성 값의 합이 1이 되어야 하는 조건을 만족하게 된다.
[수학식 6]
Figure pat00029
(p는 여행지 특성값, n은 여행지 특성 그룹 내 특성 개수)
표 17의 '천지연폭포'의 특성 별 선택 수를 수학식 6에 대입하여 여행지 특성 별로 값을 얻는 과정은 다음과 같다. '성산일출봉' 여행지에 대해서도 동일한 과정을 통해 구할 수 있다.
Figure pat00030
Figure pat00031
Figure pat00032
Figure pat00033
Figure pat00034
Figure pat00035
Figure pat00036
Figure pat00037
Figure pat00038
Figure pat00039
Figure pat00040
Figure pat00041
Figure pat00042
Figure pat00043
Figure pat00044
Figure pat00045
Figure pat00046
Figure pat00047
Figure pat00048

다음 표 18은 표 17의 ‘천지연폭포’와 ‘성산일출봉’ 여행지의 특성별 선택 수를 수학식 2에 대입하여 얻은 결과를 표로 정리한 것이다.
성별 연령 여행 시기 여행 종류
남
자		 여
자		 아
동		 청
년
층		 중
년
층		 노년층 봄 여
름		 가
을		 겨
울		 신혼여행 가
족
여
행		 커
플
여
행		 실
버
여
행		 배
낭
여
행		 휴
양
여
행		 기
타
천지연폭포 0.6 0.4 0.1 0.3 0.4 0.2 0.1 0.5 0.1 0.3 0.1 0.5 0.3 0 0 0.05 0.05
성산일출봉 0.55 0.45 0.1 0.4 0.3 0.2 0.1 0.4 0.1 0.4 0.5 0.7 0.05 0.1 0.05 0 0.05
여행 콘텐츠
골프 육상레포츠 수
상
레
포
츠		 항공레포츠 복합레포츠 쇼
핑		 온천 마사지 자연경관 트
래
킹		 유적지 종교 박
물
관		 기념관 전시관 미술관 테
마
파
크		 축제/
행사		 연극 뮤
지
컬		 오페라 클래식 랜
드
마
크		 기타
천지연폭포 0 0 0 0 0 0 0 0 0.8 0.2 0 0 0 0 0 0 0 0 0 0 0 0 0 0
성산일출봉 0 0 0 0 0 0 0 0 0.6 0.4 0 0 0 0 0 0 0 0 0 0 0 0 0 0
여행 유형별 여행지 선택률을 반영한 여행지 재추천
여행지 재추천부(112)는 상기 사용자로부터 희망 여행 유형 정보를 입력받고, 입력된 상기 희망 여행 유형 정보를 반영하여 재계산된 추천 여행지를 상기 사용자에게 제공한다.
먼저, 여행지 재추천부(112)는 상기 사용자로부터 희망 여행 유형 정보를 입력받을 수 있다. 상기 희망 여행 유형은 앞서 구조화된 여행지 특성과 동일한 특성값을 가질 수 있으며, 사용자는 이 중 자신이 원하는 특성을 선택함으로써 희망 여행 유형 정보를 생성할 수 있다.
예를 들어 사용자가 여행지에서 가을에 골프를 치고 싶다면 가을과 골프를 선택하여 (가을, 골프) 여행 유형을 만들 수 있다.
여행지에 대한 여행 유형별 선택률을 측정하기 위해서 추천수 통계 데이터베이스(108) 및 선택수 통계 데이터베이스(110)를 이용한다. 각 통계 데이터베이스는 각 여행지에 대하여 특성별로 추천 수와 선택 수를 저장하고 있다. 이를 이용하여, 여행지 재추천부(112)는 추천수 통계 데이터베이스(108) 및 선택수 통계 데이터베이스(110)로부터 상기 각 여행지 별로 상기 희망 여행 유형 정보에 포함된 여행지 특성 별 추천수의 합 및 선택수의 합을 계산하고, 계산된 상기 추천수의 합 및 상기 선택수의 합으로부터 각 여행지 별 선택률을 계산하게 된다.
구체적으로, 여행지 재추천부(112)는, 다음의 수학식 7에 의하여 여행지 별 선택률을 계산할 수 있다.
[수학식 7]
Figure pat00049
(이때 s는 각 여행지 별 선택률, n은 희망 여행 유형 정보에 포함된 여행지 특성 별 선택수의 합, t는 n은 희망 여행 유형 정보에 포함된 여행지 특성 별 추천수의 합)
예를 들어 (가을, 골프)여행에 대한 선택률을 구할 경우, 여행지 재추천부(112)는 추천수 통계 데이터베이스(108) 및 선택수 통계 데이터베이스(110)에 저장된 여행지 특성 중 가을, 골프를 찾는다. 가을에 있는 추천 수는 80, 선택 수는 60이고 골프에 있는 추천 수는 200, 선택 수는 150이라면 (가을, 골프)의 선택률은 아래의 수학식 8고 같이 0.75가 나오게 된다.
[수학식 8]
Figure pat00050

여행지 재추천부(112)는 각 여행지 별 선택률 값을 구하고 선택률 반영 유사도를 계산하여 상위 n개의 여행지를 재추천한다. 구체적으로 여행지 재추천부(112)는 다음의 수학식 9에 의하여 에 의하여 각 여행지 별 추천도를 계산하고, 계산된 추천도에 따라 하나 이상의 재추천 여행지를 상기 사용자에게 제공할 수 있다.
[수학식 9]
Figure pat00051
(이때, sim는 각 여행지 별 상기 사용자와의 유사도, s는 각 여행지 별 선택률, k1 및 k2는 가중치로서 k1 + k2 = 1의 관계를 만족함)
예를 들어, 제주도에서 여행 유형(남자, 청년층, 여름, 커플여행)으로 추천된 상위 10개의 여행지를 재추천을 받는 과정을 설명하면 다음과 같다.
표 19 및 표 20은 여행지 중 넥슨박물관에 대응되는 추천률을 구하기 위해서 추천수 통계 데이터베이스(108) 및 선택수 통계 데이터베이스(110)로부터 상기 여행 유형에 해당하는 부분만을 추출하여 기재한 것이다.
성별 추천수 연령 추천수 여행 시기 추천수 여행 종류 추천 수
남자 여자 아동 청년층 중년층 노년층 봄 여름 가을 겨울 신혼여행 가족여행 커플여행 실버여행 배낭여행 휴양여행 기타
넥슨박물관 6962 6542 6987 6970 8862 72 5724 7802 9812 7778 134 3758 6116 12 6852 4458 9634
성별 선택수 연령 선택수 여행 시기 선택수 여행 종류 선택수
남자 여자 아동 청년층 중년층 노년층 봄 여름 가을 겨울 신혼여행 가족여행 커플여행 실버여행 배낭여행 휴양여행 기타
넥슨박물관 5570 372 6927 5723 5321 3 3581 6781 5723 4741 13 211 4206 3 5752 582 9621
상기 표로부터, 넥슨박물관에 대응되는 여행 유형(남자, 청년층, 여름, 커플여행)의 추천수의 합(t), 선택수의 합(n)은 다음과 같이 구한다.
t = 6962 + 6970 + 7802 + 6116 = 27850
n = 5570 + 5723 + 6781 + 4206 = 22280
표 21은 넥슨박물관과 동일하게 제주민속박물관, 테디베어 박물관, 용두암, 성산일출봉, 제주절물자연휴양림, 천지연폭포, 함덕해수욕장, 섭지코지, 서귀포잠수함의 추천수의 합, 선택수의 합을 구한 것이다.
여행지에 대한 여행 유형의 추천수의 합 및 선택수 합
여행지 추천수의 합 선택수의 합
넥슨박물관 27850 22280
제주민속박물관 5781240 3468744
테디베어박물관 85695400 77125860
용두암 5214885 2085954
성산일출봉 2265900 1699425
제주절물자연휴양림 21246125 16996900
천지연폭포 5464611220 5191380659
함덕해수욕장 65658685 39395211
섭지코지 65465135 52372108
서귀포잠수함 654840 589356
상기 표로부터 각 관광지별 선택률은 다음과 같이 구할 수 있다.
넥슨박물관 선택률 = 22280 / 27850 = 0.8
제주민속박물관 선택률 = 3468744 / 5781240 = 0.6
테디베어박물관 선택률 = 77125860 / 85695400 = 0.9
용두암 선택률 = 2085954 / 5814885 = 0.4
성산일출봉 선택률 = 1699425 / 2265900 = 0.75
제주절물자연휴양림 선택률 = 16996900 / 21246125 = 0.8
천지연폭포 선택률 = 519138659 / 5464611220 = 0.95
함덕해수욕장 선택률 = 39395211 / 65658685 = 0.6
섭지코지 선택률 = 52372108 / 65465135 = 0.8
서귀포잠수함 선택률 = 589356 / 654840 = 0.9
표 22는 여행 유형('남자', '청년층', '여름', '커플여행')의 선택률을 정리한 것이다.
여행지 선택률
넥슨박물관 0.8
제주민속박물관 0.6
테디베어박물관 0.9
용두암 0.4
성산일출봉 0.75
제주절물자연휴양림 0.8
천지연폭포 0.95
함덕해수욕장 0.6
섭지코지 0.8
서귀포잠수함 0.9
표 22의 선택률을 가지고 선택률 반영 유사도 식에 대입하여 여행 유형(남자, 청년층, 여름, 커플여행)의 여행지의 선택률 반영 유사도의 값을 구하면 다음과 같다. 이때 k1은 0.8, k2는 0.2를 적용하였다.
테디베어 박물관 = (0.901912082 * 0.8) + (0.9 * 0.2) = 0.901529666
섭지코지 = (0.846043857 * 0.8) + (0.8 * 0.2) = 0.836835086
함덕해수욕장 = (0.827765824 * 0.8) + (0.6 * 0.2) = 0.782212659
넥슨박물관 = (0.825511234 * 0.8) + (0.8 * 0.2) = 0.820408987
서귀포잠수함 = (0.793172952 * 0.8) + (0.9 * 0.2) = 0.814538362
제주절물자연휴양림 = (0.783952338 * 0.8) + (0.8 * 0.2) = 0.78716187
성산일출봉 = (0.75306749 * 0.8) + (0.75 * 0.2) = 0.752453912
용두암 = (0.74616026 * 0.8) + (0.4 * 0.2) = 0.676928208
천지연폭포 = (0.698009777 * 0.8) + (0.95 * 0.2) = 0.748478216
제주민속박물관 = (0.598447928 * 0.8) + (0.6 * 0.2) = 0.598758342
표 23은 위의 결과 값을 가지고 여행지 추천부(106)에서 코사인 유사도를 이용하여 여행지를 추천한 순위를, 표 22는 여행지 재추천부(112)에서 여행 유형(남자, 청년층, 여름, 커플여행)으로 여행지를 재추천한 순서를 나타낸 것이다.
여행지 코사인 유사도 순위
테디베어박물관 0.901912082 1
섭지코지 0.846043857 2
함덕해수욕장 0.827765824 3
넥슨박물관 0.825511234 4
서귀포잠수함 0.793172952 5
제주절물자연휴양림 0.783952338 6
성산일출봉 0.75306749 7
용두암 0.74616026 8
천지연폭포 0.698009777 9
제주민속박물관 0.598447928 10
여행지 선택률 반영 코사인 유사도 순위
테디베어박물관 0.901529666 1
섭지코지 0.836835086 2
함덕해수욕장 0.782212659 6
넥슨박물관 0.820408987 3
서귀포잠수함 0.814538362 4
제주절물자연휴양림 0.78716187 5
성산일출봉 0.752453912 7
용두암 0.676928208 9
천지연폭포 0.748478216 8
제주민속박물관 0.598758342 10
상기 표에서 알 수 있는 바와 같이 사용자가 선택한 여행 유형을 반영할 경우 여행지의 순위가 변경되는 것을 알 수 있다.
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램, 및 상기 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나, 또는 컴퓨터 소프트웨어 분야에서 통상적으로 사용 가능한 것일 수 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 프로그램의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 여행지 추천 시스템
102: 여행지 벡터 생성부
104: 사용자 벡터 생성부
106: 여행지 추천부
108: 추천수 통계 데이터베이스
110: 선택수 통계 데이터베이스
112: 여행지 재추천부

Claims (21)

  1. 각 여행지별로 정의된 복수 개의 여행지 특성에 대한 특성값을 계산하고, 계산된 상기 특성값으로부터 여행지 벡터를 생성하는 여행지 벡터 생성부;
    사용자로부터 상기 복수 개의 여행지 특성에 대한 선택값을 입력받고, 상기 선택값으로부터 사용자 벡터를 생성하는 사용자 벡터 생성부; 및
    상기 여행지 벡터 및 상기 사용자 벡터 간의 유사도를 계산하고, 계산된 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공하는 여행지 추천부를 포함하는 여행지 추천 시스템.
  2. 청구항 1에 있어서,
    상기 복수 개의 여행지 특성은 각각 기 설정된 복수 개의 특성 그룹 중 어느 하나에 포함되도록 구성되는, 여행지 추천 시스템.
  3. 청구항 2에 있어서,
    상기 여행지 벡터 생성부는,
    동일한 특성 그룹에 포함된 여행지 특성에 할당된 특성값의 합이 1이 되도록 상기 하나 이상의 여행지 특성별 특성값을 계산하는, 여행지 추천 시스템.
  4. 청구항 1에 있어서,
    상기 여행지 벡터 생성부는,
    상기 각 여행지별로 수집된 텍스트 데이터 및 이미지 데이터로부터 획득되는 정보를 이용하여 상기 각 여행지 특성별 특성값을 계산하는, 여행지 추천 시스템.
  5. 청구항 4에 있어서,
    상기 여행지 벡터 생성부는,
    상기 각 여행지 특성별로 하나 이상의 연관 키워드를 정의하고,
    상기 각 여행지별로 수집된 상기 텍스트 데이터에 포함된 상기 연관 키워드의 빈도수에 따라 각 여행지 특성별 특성값을 계산하는, 여행지 추천 시스템.
  6. 청구항 4에 있어서,
    상기 여행지 벡터 생성부는,
    상기 각 여행지별로 수집된 상기 이미지 데이터에 포함된 인물의 성별, 나이, 사람 수, 의상, 촬영 위치 또는 배경의 특성 중 하나 이상의 정보를 추출하고, 추출된 상기 정보에 따라 각 여행지 특성별 특성값을 계산하는, 여행지 추천 시스템.
  7. 청구항 4에 있어서,
    상기 여행지 특성별 특성값은 다음의 수학식
    Figure pat00052

    (이때, k는 해당 여행지 특성과 관련하여 텍스트 데이터로부터 추출된 된 키워드의 개수, tk는 해당 여행지 특성이 속한 특성 그룹과 관련하여 텍스트 데이터로부터 추출된 된 키워드의 개수, m은 해당 여행지 특성과 관련된 이미지의 데이터의 개수, tm은 해당 여행지 특성이 속한 특성 그룹과 관련된 이미지의 데이터의 개수, w1 및 w2는 가중치로서 w1 + w2 = 1의 관계를 만족함)
    에 의하여 계산되는, 여행지 추천 시스템.
  8. 청구항 1에 있어서,
    상기 사용자 벡터 생성부는,
    상기 사용자로부터 입력된 상기 복수 개의 특성에 대한 선택값을 기 설정된 특성 그룹별로 그룹화하고, 상기 각 특성 그룹 별 선택값의 합이 1이 되도록 입력된 상기 선택값을 스케일링하는, 여행지 추천 시스템.
  9. 청구항 1에 있어서,
    상기 여행지 추천부는,
    상기 사용자 벡터로부터 0이 아닌 값을 가지는 성분만을 추출하여 사용자 단순 벡터를 생성하고,
    상기 여행지 벡터로부터 상기 사용자 벡터와 동일한 위치의 성분을 추출하여 여행지 단순 벡터를 생성하며,
    상기 사용자 단순 벡터 및 상기 여행지 단순 벡터 간의 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공하는, 여행지 추천 시스템.
  10. 청구항 9에 있어서,
    상기 유사도는 상기 사용자 단순 벡터 및 상기 여행지 단순 벡터 간의 코사인 유사도 또는 유클리디언 유사도 중 어느 하나인, 여행지 추천 시스템.
  11. 청구항 9에 있어서,
    상기 여행지 추천부는,
    상기 사용자 단순 벡터와의 유사도가 높은 순서로 하나 이상의 여행지 단순 벡터를 선정하고, 선정된 상기 여행지 단순 벡터에 대응되는 여행지를 상기 추천 여행지로 제공하는, 여행지 추천 시스템.
  12. 청구항 1에 있어서,
    상기 사용자에게 제공된 추천 여행지의 각 여행지 특성 별 추천수가 저장되는 추천수 통계 데이터베이스; 및
    상기 추천 여행지 중 상기 사용자에게 선택된 여행지의 각 여행지 특성 별 선택수가 저장되는 선택수 통계 데이터베이스
    를 더 포함하는, 여행지 추천 시스템.
  13. 청구항 12에 있어서,
    상기 추천수 통계 데이터베이스는,
    상기 사용자에게 특정 여행지가 추천되는 경우, 상기 특정 여행지에 대응되는 여행지 특성값 중 상기 사용자로부터 입력된 상기 선택값에 대응되는 특성값을 기 설정된 크기만큼 증가시키는, 여행지 추천 시스템.
  14. 청구항 12에 있어서,
    상기 선택수 통계 데이터베이스는,
    상기 사용자로부터 특정 여행지가 선택되는 경우, 상기 특정 여행지에 대응되는 여행지 특성값 중 상기 사용자로부터 입력된 상기 선택값에 대응되는 특성값을 기 설정된 크기만큼 증가시키는, 여행지 추천 시스템.
  15. 청구항 14에 있어서,
    상기 여행지 벡터 생성부는,
    상기 선택수 통계 데이터베이스에 저장된 각 여행지 별 복수 개의 특성값을 기 설정된 특성 그룹별로 그룹화하고, 상기 각 특성 그룹 별 특성값의 합이 1이 되도록 스케일링함으로써 상기 여행지 벡터를 갱신하는, 여행지 추천 시스템.
  16. 청구항 12에 있어서,
    상기 사용자로부터 희망 여행 유형 정보를 입력받고, 입력된 상기 희망 여행 유형 정보를 반영하여 재계산된 추천 여행지를 상기 사용자에게 제공하는 여행지 재추천부를 더 포함하는, 여행지 추천 시스템.
  17. 청구항 16에 있어서,
    상기 희망 여행 유형 정보는, 상기 복수 개의 여행지 특성 중 상기 사용자에 의해 선택된 하나 이상의 여행지 특성을 포함하도록 구성되는, 여행지 추천 시스템.
  18. 청구항 17에 있어서
    상기 여행지 재추천부는,
    상기 추천수 통계 데이터베이스 및 상기 선택수 통계 데이터베이스로부터 상기 각 여행지 별로 상기 희망 여행 유형 정보에 포함된 여행지 특성 별 추천수의 합 및 선택수의 합을 계산하고, 계산된 상기 추천수의 합 및 상기 선택수의 합으로부터 각 여행지 별 선택률을 계산하는, 여행지 추천 시스템.
  19. 청구항 18에 있어서,
    상기 여행지 재추천부는, 다음의 수학식
    Figure pat00053

    (이때 s는 각 여행지 별 선택률, n은 희망 여행 유형 정보에 포함된 여행지 특성 별 선택수의 합, t는 n은 희망 여행 유형 정보에 포함된 여행지 특성 별 추천수의 합)
    에 의하여 각 여행지 별 선택률을 계산하는, 여행지 추천 시스템.
  20. 청구항 18에 있어서,
    상기 여행지 재추천부는, 다음의 수학식
    Figure pat00054

    (이때, sim는 각 여행지 별 상기 사용자와의 유사도, s는 각 여행지 별 선택률, k1 및 k2는 가중치로서 k1 + k2 = 1의 관계를 만족함)
    에 의하여 각 여행지 별 추천도를 계산하고, 계산된 추천도에 따라 하나 이상의 재추천 여행지를 상기 사용자에게 제공하는, 여행지 추천 시스템.
  21. 각 여행지별로 정의된 복수 개의 여행지 특성에 대한 특성값을 계산하고, 계산된 상기 특성값으로부터 여행지 벡터를 생성하는 단계;
    사용자로부터 상기 복수 개의 여행지 특성에 대한 선택값을 입력받고, 상기 선택값으로부터 사용자 벡터를 생성하는 단계; 및
    상기 여행지 벡터 및 상기 사용자 벡터 간의 유사도를 계산하고, 계산된 상기 유사도에 따라 하나 이상의 추천 여행지를 상기 사용자에게 제공하는 단계를 포함하는 여행지 추천 방법.
KR1020140118640A 2014-09-05 2014-09-05 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법 KR101628108B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140118640A KR101628108B1 (ko) 2014-09-05 2014-09-05 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140118640A KR101628108B1 (ko) 2014-09-05 2014-09-05 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20160029330A true KR20160029330A (ko) 2016-03-15
KR101628108B1 KR101628108B1 (ko) 2016-06-21

Family

ID=55541978

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140118640A KR101628108B1 (ko) 2014-09-05 2014-09-05 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101628108B1 (ko)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101678521B1 (ko) * 2016-06-07 2016-11-22 주식회사 미래엔 도서 추천 서비스 제공 장치 및 방법
KR20190066144A (ko) * 2017-12-05 2019-06-13 주식회사 엔비레즈 크라우드 펀딩 기반의 매장 창업 서비스 관리 장치 및 그 동작 방법
KR20190078222A (ko) * 2017-12-26 2019-07-04 삼성전자주식회사 패션 상품을 추천하는 전자 장치, 서버 및 그 동작 방법
CN110444133A (zh) * 2019-08-13 2019-11-12 上饶市中科院云计算中心大数据研究院 一种旅游景点智能导游的方法和装置
KR20200016629A (ko) * 2018-08-07 2020-02-17 김지완 다차원 벡터공간을 이용한 유사특징사용자 군집생성서버 및 방법
CN110807147A (zh) * 2018-08-03 2020-02-18 阿里巴巴集团控股有限公司 旅游信息生成方法、生成装置、存储介质和处理器
WO2020122456A1 (ko) * 2018-12-12 2020-06-18 주식회사 인공지능연구원 이미지와 텍스트간 유사도 매칭 시스템 및 방법
CN111966929A (zh) * 2020-08-17 2020-11-20 携程旅游信息技术（上海）有限公司 基于标签的旅游路线推送方法、系统、设备及存储介质
KR102306659B1 (ko) * 2021-03-18 2021-09-29 아주대학교산학협력단 관광지 추천 정보를 제공하는 방법, 이를 이용하는 서버 및 시스템
CN113537572A (zh) * 2021-06-22 2021-10-22 东莞市绿灯网络科技有限公司 基于人工智能的旅游路线规划方法与系统
CN113701782A (zh) * 2021-10-28 2021-11-26 深圳市羽翼数码科技有限公司 一种实现多目的地最优路径规划的导航系统
WO2022055015A1 (ko) * 2020-09-08 2022-03-17 김성철 이미지 분석 기반 맞춤형 정보 제공 방법 및 시스템
KR102519393B1 (ko) * 2022-06-22 2023-04-10 (주)이즈피엠피 추천 관광지 데이터 생성 장치 및 방법
KR20240006139A (ko) 2022-07-06 2024-01-15 (주)여행을만들다 관광 상품 추천 방법 및 그 추천 장치

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180074316A (ko) 2016-12-23 2018-07-03 삼성전자주식회사 장소 정보를 제공하기 위한 시스템 및 이를 지원하는 방법 및 전자 장치
KR102370988B1 (ko) 2020-02-04 2022-03-10 주식회사 로이쿠 사용자 빅데이터를 활용한 여행 정보 제공 시스템
KR102208085B1 (ko) * 2020-03-04 2021-01-26 최현민 운동 기반 사용자 매칭 방법 및 시스템
KR20230071232A (ko) 2021-11-16 2023-05-23 주식회사 다빅 인공지능을 기반으로 한 시공간 예측을 이용한 여행지 추천 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060085890A (ko) * 2005-01-25 2006-07-28 (주)투어플렉스 여행자 개별 성향에 따른 맞춤여행 일정 시뮬레이션을위한 관광자원 데이터베이스 구축방법과 이를 활용한 영업방안
JP2010134733A (ja) * 2008-12-05 2010-06-17 Dainippon Printing Co Ltd 情報推薦装置、情報推薦方法、及びプログラム
KR20100116858A (ko) 2009-04-23 2010-11-02 에스케이 텔레콤주식회사 여행정보 공유 서비스 시스템 및 여행정보 공유 서비스 방법
JP2011008571A (ja) * 2009-06-26 2011-01-13 Shunkosha:Kk 通行人流動データ生成装置、コンテンツ配信制御装置、通行人流動データ生成方法及びコンテンツ配信制御方法
KR20130083703A (ko) * 2012-01-13 2013-07-23 경북대학교 산학협력단 이동 단말기의 위치 로그 기반의 개인화된 여행지 컨텐츠 검색 방법 및 이를 수행하는 여행지 컨텐츠 검색 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060085890A (ko) * 2005-01-25 2006-07-28 (주)투어플렉스 여행자 개별 성향에 따른 맞춤여행 일정 시뮬레이션을위한 관광자원 데이터베이스 구축방법과 이를 활용한 영업방안
JP2010134733A (ja) * 2008-12-05 2010-06-17 Dainippon Printing Co Ltd 情報推薦装置、情報推薦方法、及びプログラム
KR20100116858A (ko) 2009-04-23 2010-11-02 에스케이 텔레콤주식회사 여행정보 공유 서비스 시스템 및 여행정보 공유 서비스 방법
JP2011008571A (ja) * 2009-06-26 2011-01-13 Shunkosha:Kk 通行人流動データ生成装置、コンテンツ配信制御装置、通行人流動データ生成方法及びコンテンツ配信制御方法
KR20130083703A (ko) * 2012-01-13 2013-07-23 경북대학교 산학협력단 이동 단말기의 위치 로그 기반의 개인화된 여행지 컨텐츠 검색 방법 및 이를 수행하는 여행지 컨텐츠 검색 시스템

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017213396A1 (ko) * 2016-06-07 2017-12-14 주식회사 미래엔 도서 추천 서비스 제공 장치 및 방법
KR101678521B1 (ko) * 2016-06-07 2016-11-22 주식회사 미래엔 도서 추천 서비스 제공 장치 및 방법
KR20190066144A (ko) * 2017-12-05 2019-06-13 주식회사 엔비레즈 크라우드 펀딩 기반의 매장 창업 서비스 관리 장치 및 그 동작 방법
KR20190078222A (ko) * 2017-12-26 2019-07-04 삼성전자주식회사 패션 상품을 추천하는 전자 장치, 서버 및 그 동작 방법
CN110807147B (zh) * 2018-08-03 2023-05-02 阿里巴巴集团控股有限公司 旅游信息生成方法、生成装置、存储介质和处理器
CN110807147A (zh) * 2018-08-03 2020-02-18 阿里巴巴集团控股有限公司 旅游信息生成方法、生成装置、存储介质和处理器
KR20200016629A (ko) * 2018-08-07 2020-02-17 김지완 다차원 벡터공간을 이용한 유사특징사용자 군집생성서버 및 방법
WO2020122456A1 (ko) * 2018-12-12 2020-06-18 주식회사 인공지능연구원 이미지와 텍스트간 유사도 매칭 시스템 및 방법
KR20200075114A (ko) * 2018-12-12 2020-06-26 주식회사 인공지능연구원 이미지와 텍스트간 유사도 매칭 시스템 및 방법
CN110444133A (zh) * 2019-08-13 2019-11-12 上饶市中科院云计算中心大数据研究院 一种旅游景点智能导游的方法和装置
CN111966929A (zh) * 2020-08-17 2020-11-20 携程旅游信息技术（上海）有限公司 基于标签的旅游路线推送方法、系统、设备及存储介质
WO2022055015A1 (ko) * 2020-09-08 2022-03-17 김성철 이미지 분석 기반 맞춤형 정보 제공 방법 및 시스템
KR102306659B1 (ko) * 2021-03-18 2021-09-29 아주대학교산학협력단 관광지 추천 정보를 제공하는 방법, 이를 이용하는 서버 및 시스템
CN113537572A (zh) * 2021-06-22 2021-10-22 东莞市绿灯网络科技有限公司 基于人工智能的旅游路线规划方法与系统
CN113701782A (zh) * 2021-10-28 2021-11-26 深圳市羽翼数码科技有限公司 一种实现多目的地最优路径规划的导航系统
KR102519393B1 (ko) * 2022-06-22 2023-04-10 (주)이즈피엠피 추천 관광지 데이터 생성 장치 및 방법
KR20240006139A (ko) 2022-07-06 2024-01-15 (주)여행을만들다 관광 상품 추천 방법 및 그 추천 장치

Also Published As

Publication number Publication date
KR101628108B1 (ko) 2016-06-21

Similar Documents

Publication Publication Date Title
KR101628108B1 (ko) 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법
CN108829852B (zh) 一种个性化旅游路线推荐方法
Lu et al. Photo2trip: generating travel routes from geo-tagged photos for trip planning
Stepchenkova et al. Cultural differences in pictorial destination images: Russia through the camera lenses of American and Korean tourists
Hao et al. Equip tourists with knowledge mined from travelogues
CN109977283A (zh) 一种基于知识图谱和用户足迹的旅游推荐方法和系统
CN110287336B (zh) 一种面向旅游景点推荐的游客画像构建方法
Carvache-Franco et al. Segmentation of foreign tourist demand in a coastal marine destination: The case of Montañita, Ecuador
CN106933789A (zh) 旅游攻略生成方法和生成系统
CN106096785A (zh) 一种基于行程规划的线路定制方法、系统
CN104598602B (zh) 通过计算机实现的基于场景的信息推荐方法及装置
CN108444491A (zh) 一种旅游出行路线的优化规划方法
CN101556574A (zh) 基于用户意愿的计算机智能起名
KR101779939B1 (ko) 랜드마크 추천 기법
Traunmueller et al. Introducing the space recommender system: how crowd-sourced voting data can enrich urban exploration in the digital era
CN112733040A (zh) 一种旅游行程推荐方法
Vu et al. Abroad-at-Home: Identifying domestic tourism locations for overseas-like travel experiences by leveraging concept modeling
Kashevnik et al. Context-driven tour planning service: an approach based on synthetic coordinates recommendation
Steponaitis et al. New directions in Moundville research
Hsieh et al. Mr. right: multimodal retrieval on representation of image with text
Ren et al. Visual summarization for place-of-interest by social-contextual constrained geo-clustering
Liu et al. Urban high‐quality navigation path planning that integrates human emotion perception learning
Kruczek Current trends in the development of tourist attractions
Chhabra Destination imagery: Examining online representative dissonance in India
Mukhina et al. Intelligent sightseeing in immensely manifold cities: Case of 2018 fifa world cup host cities

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
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190329

Year of fee payment: 4