KR20160108701A - 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법 - Google Patents

추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법 Download PDF

Info

Publication number
KR20160108701A
KR20160108701A KR1020150030951A KR20150030951A KR20160108701A KR 20160108701 A KR20160108701 A KR 20160108701A KR 1020150030951 A KR1020150030951 A KR 1020150030951A KR 20150030951 A KR20150030951 A KR 20150030951A KR 20160108701 A KR20160108701 A KR 20160108701A
Authority
KR
South Korea
Prior art keywords
space
recommendation
candidate
candidate recommendation
weight
Prior art date
Application number
KR1020150030951A
Other languages
English (en)
Other versions
KR101719329B1 (ko
Inventor
이경전
김혜경
Original Assignee
주식회사 벤플
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 벤플 filed Critical 주식회사 벤플
Priority to KR1020150030951A priority Critical patent/KR101719329B1/ko
Publication of KR20160108701A publication Critical patent/KR20160108701A/ko
Application granted granted Critical
Publication of KR101719329B1 publication Critical patent/KR101719329B1/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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

본 발명은 공간 네트워크를 생성하는 방법에 관한 것으로, 보다 구체적으로 사용자가 위치하는 대상 공간을 기준으로 대상 공간과 대상 공간 다음으로 방문할 가능성이 높거나 선호도가 높은 후보 추천 공간으로 대상 공간 그룹을 결정하며, 대상 공간 그룹을 구성하는 후보 추천 공간의 대상 공간에 대한 추천 성공 여부에 따라 대상 공간 그룹을 구성하는 후보 추천 공간을 삭제 또는 유지하여 추천 정확성과 동시에 추천 다양성 또는 추천 우연성을 보장하는　추천 공간으로　대체하도록 대상 공간 그룹을 갱신하는 공간 네트워크의 생성 방법에 관한 것이다.

Description

추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법{Method for producing space network considering diversity and accuracy on recommendation}
본 발명은 공간 네트워크를 생성하는 방법에 관한 것으로, 보다 구체적으로 사용자가 위치하는 대상 공간을 기준으로 대상 공간과 대상 공간 다음으로 방문할 가능성이 높거나 선호도가 높은 후보 추천 공간으로 대상 공간 그룹을 결정하며, 대상 공간 그룹을 구성하는 후보 추천 공간의 대상 공간에 대한 추천 성공 여부에 따라 대상 공간 그룹을 구성하는 후보 추천 공간을 삭제 또는 유지하여 추천 정확성과 동시에 추천 다양성 또는 추천 우연성을 보장하는　추천 공간으로　대체하도록 대상 공간 그룹을 갱신하는 공간 네트워크의 생성 방법에 관한 것이다.
종래의 추천 서비스는 사용자 정보 또는 사용자 프로파일에 기초하여 유사한 사용자 정보 또는 사용자 프로파일을 가지는 다른 사용자가 구매하거나 관심을 가지는 상품이나 콘텐츠를 사용자에 추천하는 방식으로 이루어졌다.
사용자 정보 또는 사용자 프로파일에 기초한 추천 기법 중 협업 필터핑에 기반한 추천 기법은 가장 성공적인 추천 기법으로 다양한 인터넷 비지니스 분야에서 널리 사용되고 있다. 협업필터링에 기반한 추천 기법은 사용자와 유사한 선호도를 가지는 사람들의 의견을 반영하여 사용자가 아직 구매하지 않은 상품 또는 컨텐츠의 선호도를 예측하여 선호도가 높을 것으로 예측되는 상품 또는 컨텐츠를 추천해주는 기법이다.
그러나 종래 사용자 정보 또는 사용자 프로파일에 기초한 추천 기법은 사용자 정보 또는 사용자 프로파일에 대한 정보를 구비하여야 하기 때문에 개인 정보의 보호 차원에서 바람직하지 않으며, 사용자가 사용자 정보 또는 사용자 프로파일 정보를 입력하여야 하는 불편함이 있다. 더욱이 종래 사용자 정보 또는 사용자 프로파일에 기초한 추천 기법은 사용자가 상품 또는 컨텐츠를 구매한 후 동일한 상품 또는 컨텐츠를 구매한, 사용자와 유사한 사용자 정보 또는 사용자 프로파일을 가지는 다른 사용자가 구매한 다른 상품 또는 컨텐츠를 추천하기 때문에 구매 이력이 없는 사용자의 경우 정확한 추천이 불가능하다는 문제점을 가진다.
따라서 사용자 정보 또는 사용자 프로파일에 무관하게 사용자 위치 정보에 기초하여 사용자가 현재 위치하고 있는 대상 공간에서 사용자가 관심을 가질 후보 추천 공간을 제공하는 공간 네트워크의 생성 방법이 필요하게 되었다.
또한, 사용자가 현재 위치하는 있는 대상 공간 단위로 후보 추천 공간을 포함하는 대상 공간 그룹을 생성하며, 대상 공간에 대한 후보 추천 공간의 추천 성공 여부에 따라 대상 공간 그룹을 갱신하여, 대상 공간의 후보 추천 공간을 적은 연산량으로 계산할 수 있으며 대상 공간에 최적화된 후보 추천 공간으로 이루어진 공간 네트워크의 생성 방법이 필요하다.
본 발명이 이루고자 하는 목적은 사용자 정보 또는 사용자 프로파일에 기초하지 않고 사용자가 위치하는 대상 공간에 기초하여 사용자가 방문할 다음 공간을 추천하는 공간 네트워크의 생성 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 목적은 사용자가 위치하는 대상 공간을 기준으로 대상 공간 다음으로 방문할 가능성이 높거나 선호도가 높은 후보 추천 공간으로 대상 공간 그룹을 결정하며, 대상 공간 그룹을 구성하는 후보 추천 공간의 대상 공간에 대한 추천 성공 여부에 따라 대상 공간 그룹을 구성하는 후보 추천 공간을 삭제 또는 추가하여 대상 공간 그룹을 갱신하는 공간 네트워크의 생성 방법을 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 목적은 추천 성공 여부에 따라 대상 공간 그룹을 구성하는 후보 추천 공간을　유지　또는 삭제하며, 삭제된 후보 추천 공간은 추천 다양성 또는 추천 우연성을 보장하는　추천 공간으로　대체하여 대상 공간 그룹을 갱신하는 공간 네트워크의 생성 방법을 제공하는 것이다.　
본 발명의 목적을 달성하기 위하여, 본 발명에 따른 공간 네트워크의 생성 방법은 사용자 위치 정보에 기반하여 사용자가 대상 공간에 위치하는지 판단하는 단계와, 사용자가 대상 공간에 위치하는 경우 대상 공간과 대상 공간의 후보 추천 공간으로 이루어진 대상 공간 그룹에서 각 후보 추천 공간의 방문 가능 점수를 계산하여 대상 공간에 대한 추천 공간 리스트를 생성하여 사용자에 제공하는 단계, 추천 공간 리스트에 존재하는 후보 추천 공간 중에서 사용자가 방문 또는 관심을 가지는 후보 추천 공간에 기초하여 대상 공간에서 후보 추천 공간의 추천 가중치를 갱신하는 단계와, 후보 추천 공간의 추천 가중치에 기초하여 대상 공간 그룹을 결정하는 단계를 포함하는 것을 특징으로 한다.
여기서 대상 공간에 위치하는 모든 사용자에 동일한 추천 공간 리스트를 생성하여 사용자에 제공하는 것을 특징으로 한다.
여기서 추천 공간 리스트를 생성하는 단계는 후보 추천 공간에서 후보 추천 공간의 주변 공간으로의 추천 수와 추천 가중치에 기초하여 후보 추천 공간의 방문 매력도를 계산하는 단계와, 후보 추천 공간의 방문 매력도와 대상 공간에 대한 후보 추천 공간의 추천 가중치로부터 대상 공간에 위치하는 사용자가 후보 추천 공간을 방문하거나 관심을 가질 방문 가능 점수를 계산하는 단계와, 후보 추천 공간의 방문 가능 점수에 기초하여 대상 공간 그룹을 구성하는 후보 추천 공간 중 방문 가능 점수가 가장 높거나 방문 가능 점수가 높은 순서로 임계수의 후보 추천 공간을 추천 공간 리스트로 생성하는 단계를 포함하는 것을 특징으로 한다.
여기서 후보 추천 공간의 주변 공간은 후보 추천 공간의 후보 추천 공간이며, 후보 추천 공간과 후보 추천 공간의 후보 추천 공간으로 후보 추천 공간의 후보 공간 그룹을 구성하는 것을 특징으로 한다.
바람직하게, 대상 공간 그룹을 결정하는 단계는 대상 공간 그룹을 구성하는 후보 추천 공간의 갱신된 추천 가중치와 임계 가중치를 비교하는 단계와, 비교 결과에 기초하여 임계 가중치 이하의 추천 가중치를 가지는 후보 추천 공간이 존재하는지 판단하는 단계와, 판단 결과에 기초하여 임계 가중치 이하의 추천 가중치를 가지는 후보 추천 공간을 대상 공간 그룹에서 제외시키는 단계를 포함하는 것을 특징으로 한다.
여기서 본 발명에 따른 공간 네트워크의 생성 방법은 후보 추천 공간의 주변 공간의 대상 공간에 대한 추천 가중치를 계산하는 단계를 더 포함하며, 주변 공간의 대상 공간에 대한 추천 가중치가 임계 가중치를 초과하는 주변 공간을 대상 공간 그룹의 후보 추천 공간으로 추가하는 것을 특징으로 한다.
바람직하게, 주변 공간의 대상 공간에 대한 추천 가중치를 계산하는 단계는 대상 공간 그룹을 구성하는 후보 추천 공간의 수가 임계 공간수 이하인 경우에 수행되는 것을 특징으로 한다.
여기서 공간 네트워크의 생성 방법은 후보 추천 공간의 주변 공간의 매개 중심성을 계산하는 단계를 더 포함하며, 매개 중심성이 가장 높은 주변 후보 추천 공간을 대상 공간 그룹에 추가하는 것을 특징으로 한다.
바람직하게, 후보 추천 공간의 방문 매력도(v)는 후보 추천 공간에서 후보 추천 공간의 주변 공간으로의 추천 가중치의 합으로 계산되는 것을 특징으로 한다.
바람직하게, 후보 추천 공간의 방문 매력도(v)는 아래의 수학식(1)에 의해 계산되며,
[수학식 1]
Figure pat00001
여기서 v'는 후보 추천 공간에서 후보 추천 공간의 주변 공간으로의 추천 가중치의 합이며, maxv는 후보 공간 그룹에서 가장 높은 방문 매력도를 가지는 주변 공간의 방문 매력도를 의미하며, minv는 후보 공간 그룹에서 가장 낮은 방문 매력도를 가지는 주변 공간의 방문 매력도를 의미하는 것을 특징으로 한다.
여기서 대상 공간에서 상기 후보 추천 공간(j)의 추천 가중치(wij[t])는 아래의 수학식(2)에 의해 계산되며,
[수학식 2]
Figure pat00002
vij[t]>0인 경우,
Figure pat00003
otherwise
여기서 vij는 시간 간격[t-1, t] 동안에 대상 공간(i)에서 후보 추천 공간(j)에 대해 사용자가 방문 또는 관심을 가지는 성공 추천 수를 의미하며, γ(0<γ≤1)는 추천 기여 요인이며, β(0<β≤1)는 추천 감소 요인인 것을 특징으로 한다.
본 발명에 따른 공간 네트워크의 생성 방법은 다음과 같은 다양한 효과들을 가진다.
첫째, 본 발명에 따른 공간 네트워크의 생성 방법은 사용자 위치 정보에 기초하여 사용자가 현재 위치하고 있는 대상 공간에서 다음 공간을 추천함으로써, 사용자 정보 또는 사용자 프로파일없이 사용자에 공간을 추천할 수 있다.
둘째, 본 발명에 따른 공간 네트워크의 생성 방법은 대상 공간 그룹을 구성하는 후보 추천 공간의 추천 성공 여부에 따라 후보 추천 공간의 추천 가중치를 갱신하고 갱신한 추천 가중치에 기초하여 대상 공간 그룹을 결정함으로써, 신뢰도 높은 대상 공간 그룹을 결정할 수 있다.
셋째, 본 발명에 따른 공간 네트워크의 생성 방법은 추천 공간 리스트를 결정시 전체 공간으로부터 추천 공간 리스트를 결정하는 것이 아니라 대상 공간 단위로 대상 공간 그룹을 결정하고 대상 공간 그룹에서 대상 공간에 대한 추천 공간 리스트를 결정함으로써, 적은 계산량으로 실시간 추천 서비스가 가능하다.
넷째, 본 발명에 따른 공간 네트워크의 생성 방법은 대상 공간 단위로 대상 공간 그룹을 결정하고 대상 공간 그룹을 구성하는 후보 추천 공간의 추천 가중치를 추천 성공 여부에 따라 갱신하여 대상 공간 그룹을 재구성함으로써, 점진적으로 대상 공간에 최적화된 대상 공간 그룹으로 공간 네트워크를 생성할 수 있다.
다섯째, 본 발명에 따른 공간 네트워크의 생성 방법은 추천 성공 여부에 따라 대상 공간 그룹을 구성하는 후보 추천 공간을　유지　또는 삭제하며 삭제된 후보 추천 공간은 매개중심성이 높은 추천 공간으로　대체함으로써, 추천 다양성 또는 추천 우연성을 보장하는 대상 공간 그룹으로 공간 네트워크를 생성할 수 있다.
도 1은 본 발명의 일 실시예에 따른 공간 추천 시스템을 설명하기 위한 기능 블록도이다.
도 2는 본 발명의 일 실시예에 따라 추천 서버에서 대상 공간의 공간 네트워크를 생성하는 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명에 따른 대상 공간 그룹의 일 예를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 공간 네트워크의 생성 방법에서 대상 공간에 위치하는 사용자에 제공되는 추천 공간 리스트의 생성 방법의 일 예를 설명하기 위한 도면이다.
도 5는 대상 공간(공간2)에 위치하는 사용자에 제공되는 추천 공간 리스트의 일 예를 설명하기 위한 도면이다.
도 6은 본 발명에 따른 공간 네트워크의 생성 방법에서 대상 공간 그룹을 구성하는 후보 추천 공간의 추천 가중치를 갱신하여 대상 공간 그룹을 재구성 결정하는 단계의 일 예를 설명하기 위한 도면이다.
도 7은 후보 추천 공간의 매개 중심성의 일 예를 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 대상 공간 그룹의 재구성 결정 단계에서 주변 후보 추천 공간의 대상 공간에 대한 추천 가중치를 계산하는 방법의 일 예를 설명하기 위한 도면이다.
이하 첨부한 도면을 참고로 사용자 위치 정보에 기초하여 공간을 추천하는 공간 네트워크의 생성 방법에 대해 보다 구체적으로 설명한다.
도 1은 본 발명의 일 실시예에 따른 공간 추천 시스템을 설명하기 위한 기능 블록도이다.
도 1을 참고로 살펴보면, 공간 추천 시스템은 추천 서버(100)에 가입되어 있는 다수의 공간들로 이루어진 공간 그룹(10), 사용자가 현재 위치하고 있는 위치 정보에 기초하여 사용자에 공간을 추천하는 추천 서버(100) 및 사용자가 소지하며 사용자가 현재 위치하고 있는 위치 정보, 사용자의 결제 정보를 추천 서버(100)로 제공하는 사용자 단말기(30)를 구비하며, 공간 그룹(10), 사용자 단말기(30), 추천 서버(100)는 유선/무선 네트워크(20)를 통해 서로 접속되어 있다.
여기서 각 공간에는 사용자가 해당 공간에 위치하고 있는지를 판단하고 사용자가 해당 공간에 위치하는 경우 이에 대한 정보를 추천 서버(100)로 제공하는 위치 판단 수단이 구비되어 있거나, 사용자가 해당 공간에서 상품 또는 컨텐트를 구매 결제하거나 또는 컨텐츠에 참여하는 경우 이에 대한 정보를 추천 서버(100)로 제공하는 관심 판단 수단이 구비되어 있다. 추천 서버(100)는 위치 판단 수단으로부터 획득한 사용자의 위치 정보를 다음 공간을 사용자에 추천하는데 사용하거나 사용자에 추천한 공간을 사용자가 방문하였는지 판단하는데 사용한다. 한편, 추천 서버(100)는 관심 판단 수단으로부터 획득한 컨텐츠 구매 결제 정보 또는 컨텐츠 참여 정보를 통해 사용자의 현재위치 정보에 따라 다음 공간을 사용자에 추천하는데 사용하거나 사용자에 추천한 공간을 사용자가 방문 또는 관심을 가지는지 판단하는데 사용한다.
여기서 위치 판단 수단은 각 공간에 배치되어 있는 NFC 태그, 비콘 발생기 등이 될 수 있는데, 사용자 단말기를 NFC 태그에 접속시키거나 비콘 발생기와 사용자 단말기 사이에서 송수신된 비콘에 기초하여 해당 공간에 사용자가 위치하는지 판단할 수 있다. 본 발명이 적용되는 분야에 따라 사용자 단말기(30)와 통신을 수행하여 사용자 단말기(30)가 해당 공간에 위치하고 있음을 확인할 수 있는 다양한 위치 판단 수단이 사용될 수 있으며 이는 본 발명의 범위에 속한다.
추천 서버(100)는 공간 그룹(10)을 구성하는 공간 각각에 대해 공간 단위로 공간 그룹을 결정하는데, 사용자 위치 정보에 기초하여 사용자가 현재 위치하는 공간을 대상 공간이라 언급하며, 대상 공간에 추천되는 후보 추천 공간으로 이루어진 공간 그룹을 대상 공간 그룹이라 언급한다. 추천 서버(100)는 대상 공간 그룹을 구성하는 후보 추천 공간 중 사용자에 제공할 추천 공간 리스트를 생성한다. 여기서 대상 공간 그룹을 구성하는 후보 추천 공간은 대상 공간에 대해 서로 다른 추천 가중치를 가지며, 추천 가중치는 사용자가 대상 공간에서 후보 추천 공간을 방문하거나 관심을 가지는지 여부, 즉 추천 성공 공간인지에 따라 갱신된다. 후보 추천 공간이 추천 성공 공간인 경우 대상 공간에 대한 후보 추천 공간의 추천 가중치는 순차적으로 증가하며, 후보 추천 공간이 추천 성공 공간이 아닌 경우 대상 공간에 대한 후보 추천 공간의 추천 가중치는 순차적으로 감소한다.
추천 서버(100)는 대상 공간 그룹을 구성하는 후보 추천 공간의 추천 가중치를 주기적으로 갱신하며 갱신한 추천 가중치에 기초하여 대상 공간에 높은 추천 가중치를 가지는, 즉 대상 공간에 최적화된 대상 공간 그룹으로 대상 공간의 공간 네트워크를 생성한다.
도 2는 본 발명의 일 실시예에 따라 추천 서버에서 대상 공간의 공간 네트워크를 생성하는 방법을 설명하기 위한 흐름도이다.
도 2를 참고로 살펴보면, 사용자의 위치 정보에 기초하여 사용자가 현재 대상 공간에 위치하고 있는지 판단한다(S110).
사용자가 대상 공간에 위치하는 경우, 추천 서버는 대상 공간 그룹에서 사용자에 추천할 후보 추천 공간을 선택하여 추천 공간 리스트를 생성하고 생성한 추천 공간 리스트를 사용자에 제공한다(S130). 본 발명에서 사용자의 위치 정보에 따라 사용자가 대상 공간에 위치하는 경우 대상 공간에서 사용자가 다음으로 방문할 공간인 추천 공간 리스트를 사용자에 제공한다. 즉, 사용자 정보 또는 사용자 프로파일에 무관하게 사용자 위치 정보에 기초하여 동일한 대상 공간에 위치하는 사용자에게는 동일한 추천 공간 리스트를 제공한다.
도 3은 본 발명에 따른 대상 공간 그룹의 일 예를 설명하고 있는데, 도 3을 참고로 살펴보면 공간 그룹(10)은 대상 공간 그룹(TG)와 후보 공간 그룹(NG)로 구분되는데, 대상 공간 그룹(TG)은 후보 공간 그룹(NG)에 존재하는 주변 공간을 후보 추천 공간으로 포함한다. 예를 들어, 대상 공간 그룹(TG)에서 공간(j1)는 대상 공간(i)의 후보 추천 공간이지만, 후보 공간 그룹(NG1)에서는 주변 후보 추천 공간(j1j1, j1j2, j1j3, j1j4)의 대상 공간(j1)이다.
바람직하게, 초기 대상 공간 그룹은 공간 그룹에서 임의의 공간을 대상 공간의 후보 추천 공간으로 선택하여 구성되거나, 대상 공간과 이동거리가 가까운 공간을 후보 추천 공간으로 선택하여 구성되거나, 전문가 집단에 의해 대상 공간 다음으로 방문할 가능성이 높은 공간을 후보 추천 공간으로 선택하여 구성될 수 있다.
바람직하게, 초기 대상 공간 그룹을 구성하는 후보 추천 공간은 대상 공간에 대해 동일한 추천 가중치를 가질 수 있다.
다시 도 2를 참고로 살펴보면, 사용자가 추천 공간 리스트 중 1개의 후보 추천 공간을 방문하거나 후보 추천 공간에 관심을 가지는 경우, 후보 추천 공간으로부터 방문 정보 또는 관심 정보 등의 추천 성공 정보를 수신한다(S150). 여기서 방문 정보 또는 관심 정보는 사용자가 후보 추천 공간을 방문하는 경우 위치 판단 수단 또는 관심 판단 수단을 통해 수신하는 위치 정보, 결제 정보, 참여 정보인 것을 특징으로 한다.
추천 공간 리스트에서 후보 추천 공간의 추천 성공 여부에 따라 후보 추천 공간의 추천 가중치를 갱신하여 계산하며(S170), 갱신 계산된 후보 추천 공간의 추천 가중치에 기초하여 대상 공간에 대한 대상 공간 그룹을 재구성하여 대상 공간에 대한 공간 네트워크를 생성한다(S190).
도 4는 본 발명에 따른 공간 네트워크의 생성 방법에서 대상 공간에 위치하는 사용자에 제공되는 추천 공간 리스트의 생성 방법의 일 예를 설명하기 위한 도면이다.
도 4를 참고로 보다 구체적으로 살펴보면, 후보 추천 공간에서 후보 추천 공간의 주변 공간으로의 추천 수와 추천 가중치에 기초하여 후보 추천 공간의 방문 매력도를 계산한다(S131). 여기서 방문 매력도는 후보 추천 공간이 후보 추천 공간의 주변에 위치하는 주변 공간으로 후보 추천 공간을 추천하는 추천 수와 후보 추천 공간의 주변 공간에 대한 추천 가중치로부터 계산되는데, 후보 추천 공간의 방문 매력도는 후보 추천 공간이 주변 공간으로 추천하는 수가 많을수록 그리고 후보 추천 공간의 주변 공간에 대한 추천 가중치가 높을수록 높게 계산된다.
바람직하게, 방문 매력도(v)는 후보 추천 공간의 주변 공간에 대한 추천 가중치의 합으로 계산된다.
더욱 바람직하게, 방문 매력도(v)는 후보 추천 공간과 직접 연결되어 있는, 후보 추천 공간의 후보 공간 그룹을 구성하는 주변 후보 추천 공간에서 가장 높은 방문 매력도를 가지는 주변 후보 추천 공간과 가장 낮은 방문 매력도를 가지는 주변 후보 추천 공간으로 정규화되어 계산된다. 방문 매력도(v)는 아래의 수학식(1)에 의해 계산될 수 있다.
[수학식 1]
Figure pat00004
여기서 v'는 후보 추천 공간에서 후보 추천 공간의 주변 후보 추천 공간으로의 추천 가중치의 합이며, maxv는 후보 공간 그룹에서 가장 높은 방문 매력도를 가지는 주변 후보 추천 공간의 방문 매력도를 의미하며, minv는 후보 공간 그룹에서 가장 낮은 방문 매력도를 가지는 주변 후보 추천 공간의 방문 매력도를 의미하는 것을 특징으로 한다.
후보 추천 공간의 방문 매력도와 대상 공간에 대한 후보 추천 공간의 추천 가중치로부터 대상 공간에 위치하는 사용자가 후보 추천 공간을 방문하거나 관심을 가질 방문 가능 점수를 계산한다(S133). 바람직하게, 후보 추천 공간의 방문 가능 점수는 후보 추천 공간의 대상 공간에 대한 추천 가중치와 후보 추천 공간의 방문 매력도의 곱으로 계산되는 것을 특징으로 한다.
후보 추천 공간의 방문 가능 점수에 기초하여 대상 공간 그룹을 구성하는 후보 추천 공간 중 방문 가능 점수가 가장 높거나 방문 가능 점수가 높은 순서로 임계수의 후보 추천 공간을 추출하여 추천 공간 리스트를 생성한다(S135).
도 5는 대상 공간(공간2)에 위치하는 사용자에 제공되는 추천 공간 리스트의 일 예를 설명하기 위한 도면이다.
도 5를 참고로 보다 구체적으로 살펴보면, 공간 2에 사용자 1, 사용자 2 및 사용자 3이 위치하고 있는 경우, 사용자 1, 사용자 2 및 사용자 3에 동일한 추천 공간 리스트가 제공된다. 바람직하게, 추천 공간 리스트에는 추천하는 후보 추천 공간에 대한 정보, 예를 들어 추천하는 후보 추천 공간의 위치, 연락처, 다른 사용자의 방문평가 등에 대한 정보가 포함될 수 있다. 사용자 1은 추천 공간 리스트 중 추천 공간1을 선택하여 추천 공간1을 방문하거나 추천 공간1에 대한 정보를 조회하거나 추천 공간1에서 상품 또는 컨텐츠를 구매하며, 사용자 2는 추천 공간 리스트 중 추천 공간3을 선택하여 추천 공간3을 방문하거나 추천 공간3에 대한 정보를 조회하거나 추천 공간3에서 상품 또는 컨텐츠를 구매하며, 사용자 3은 추천 공간 리스트 중 추천 공간1을 선택하여 추천 공간1을 방문하거나 추천 공간1에 대한 정보를 조회하거나 추천 공간1에서 상품 또는 컨텐츠를 구매한다.
이와 같이 사용자에 제공된 추천 공간 리스트의 후보 추천 공간 중 사용자가 직접 방문하거나 컨텐츠를 구매하거나 후보 추천 공간에 관심을 가지는 후보 추천 공간, 즉 성공 추천한 후보 추천 공간인지의 여부에 따라 후보 추천 공간의 추천 가중치 또는 추천 공간 리스트의 후보 추천 공간의 추천 가중치를 갱신하고 갱신한 추천 가중치에 기초하여 대상 공간 그룹을 재구성 결정하는데, 바람직하게 대상 공간에 대한 후보 추천 공간의 추천 가중치는 아래의 수학식(2)와 같이 계산될 수 있다.
[수학식 2]
Figure pat00005
vij[t]>0인 경우,
Figure pat00006
otherwise
여기서 vij는 시간 간격[t-1, t] 동안에 대상 공간(i)에서 후보 추천 공간(j)에 대해 사용자가 방문 또는 관심을 가지는 성공 추천 수를 의미하며, γ(0<γ≤1)는 추천 기여 요인이며, β(0<β≤1)는 추천 감소 요인인 것을 특징으로 한다.
도 6은 본 발명에 따른 공간 네트워크의 생성 방법에서 대상 공간 그룹을 구성하는 후보 추천 공간의 추천 가중치를 갱신하여 대상 공간 그룹을 재구성 결정하는 단계의 일 예를 설명하기 위한 도면이다.
도 6을 참고로 보다 구체적으로 살펴보면, 갱신한 후보 추천 공간(j)의 추천 가중치를 임계 가중치와 비교하여 후보 추천 공간(j)의 추천 가중치가 임계 가중치보다 작은 후보 추천 공간이 대상 공간 그룹에 존재하는지 판단한다(S191). 판단 결과에 기초하여 임계 가중치보다 작은 추천 가중치를 가지는 삭제 후보 추천 공간이 존재하는 경우 해당하는 삭제 후보 추천 공간을 대상 공간 그룹에서 제외시킨다(S193). 임계 가중치보다 작은 추천 가중치를 가지는 대상 공간 그룹을 제외한 대상 공간 그룹의 전체 후보 추천 공간의 수가 임계 공간 수보다 작은지 판단한다(S195). 판단 결과에 기초하여 삭제 후보 추천 공간을 대상 공간 그룹에서 제외하더라도 대상 공간 그룹을 구성하는 후보 추천 공간의 수가 임계 공간 수보다 큰 경우에는 새로운 후보 추천 공간의 추가없이 대상 공간 그룹을 유지시킨다. 그러나 판단 결과에 기초하여 삭제 후보 추천 공간을 대상 공간 그룹에서 제외하는 경우 대상 공간 그룹을 구성하는 후보 추천 공간의 전체 수가 임계 공간 수보다 작은 경우에는 후보 공간 그룹을 구성하는 주변 후보 추천 공간의 대상 공간에 대한 추천 가중치를 아래의 수학식(3)과 같이 계산한다(S197). 여기서 후보 공간 그룹은 대상 공간 그룹에서 제외된 삭제 후보 추천 공간을 포함하는 후보 공간 그룹뿐만 아니라 대상 공간 그룹에 존재하는 모든 후보 추천 공간에 대한 후보 공간 그룹을 의미한다.
[수학식 3]
Figure pat00007
여기서 l은 대상 공간으로부터 주변 후보 추천 공간까지의 추천 경로의 수를 의미하며, α는 확장 추천 감소 요인으로 0 내지 1의 값을 가진다. 확장 추천 감소 요인의 값이 클수록 주변 후보 추천 공간의 대상 공간에 대한 추천 가중치를 크게하여 주변 후보 추천 공간이 용이하게 대상 공간 그룹에 편성될 수 있다.
계산한 주변 후보 추천 공간의 추천 가중치에 기초하여 임계 가중치를 초과하는 추천 가중치를 가지는 주변 후보 추천 공간 모두를 대상 공간 그룹에 새로운 후보 추천 공간으로 추가시키거나, 임계 가중치를 초과하는 추천 가중치를 가지는 주변 후보 추천 공간 중 높은 순위의 일정 수의 주변 후보 추천 공간만 대상 공간 그룹에 새로운 후보 추천 공간으로 추가하여 대상 공간 그룹을 갱신 결정한다(S199).
바람직하게, 계산한 주변 후보 추천 공간의 추천 가중치에 기초하여 임계 가중치보다 높은 추천 가중치를 가지는 주변 후보 추천 공간을 새로운 후보 추천 공간으로 대상 공간 그룹에 추가하는 대신, 주변 후보 추천 공간의 매개 중심성에 기초하여 매개 중심성이 높은 주변 후보 추천 공간을 새로운 후보 추천 공간으로 대상 공간 그룹에 추가하여 대상 공간 그룹을 재구성 결정할 수 있다.
몇 개의 히트 아이템이 엄청난 위력을 발휘했던 시장의 법칙이 바뀌고 꼬리에 있던 틈새 아이템들에 대한 소비자의 요구가 커지고 있다. 여기서 매개 중심성은 대상 공간 그룹에 유사한 성향의 후보 추천 공간만 존재하여 대상 공간 그룹이 고립되는 것을 방지하기 위한 것으로 매개 중심성이 높을수록 추천 다양성 또는 추천 우연성을 보장한다.
매개 중심성은 대상 공간 그룹을 포함한 전체 공간 그룹에서 대상 공간과 후보 추천 공간 사이 또는 후보 추천 공간 사이에서 후보 추천 공간의 중계도이며, 중계도는 대상 공간과 후보 추천 공간 사이 또는 후보 추천 공간 사이의 모든 최단 경로 수와 최단 경로 중 해당 후보 추천 공간이 존재하는 수의 비율로 계산된다. 도 7을 참고로 후보 추천 공간의 매개 중심성의 일 예를 살펴보면, 후보 추천 공간(2)의 매개 중심성은 후보 추천 공간(2)를 제외한 모든 공간(1, 3, 4, 5, 6, 7, 8, 9, 10) 사이의 최단 경로의 수를 계산하고, 계산한 최단 경로에서 후보 추천 공간(2)이 존재하는 최단 경로의 수의 비율로 계산된다.
도 8은 본 발명의 일 실시예에 따른 대상 공간 그룹의 재구성 결정 단계에서 주변 후보 추천 공간의 대상 공간에 대한 추천 가중치를 계산하는 방법의 일 예를 설명하기 위한 도면이다.
도 8을 참고로 살펴보면, 대상 공간(i)와 후보 추천 공간(j1) 사이의 추천 경로의 수는 1이며 대상 공간(i)와 주변 후보 추천 공간(j1j1) 사이의 추천 경로의 수는 2이다. 대상 공간 그룹을 구성하는 후보 추천 공간(j1)의 대상 공간(i)에 대한 추천 가중치(W1)는 0.3이며, 후보 추천 공간(j1)가 속해 있는 후보 공간 그룹(NG1)에서 주변 후보 추천 공간(j1j1)의 후보 추천 공간(j1)에 대한 추천 가중치(W2)는 0.4인 경우, 주변 후보 추천 공간(j1j1)의 대상 공간(i)에 대한 추천 가중치(Wij)는 아래의 수학식(4)와 같이 계산된다.
[수학식 4]
Figure pat00008

한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10:공간 그룹 20: 네트워크
30: 사용자 단말기 100: 추천 서버

Claims (11)

  1. 대상 공간과 상기 대상 공간의 후보 추천 공간으로 이루어진 대상 공간 그룹에서 각 후보 추천 공간의 방문 가능 점수를 계산하여 상기 대상 공간에 대한 추천 공간 리스트를 생성하는 단계;
    상기 추천 공간 리스트에 존재하는 후보 추천 공간 중에서 사용자가 방문 또는 관심을 가지는 후보 추천 공간에 기초하여 상기 대상 공간에서 상기 후보 추천 공간의 추천 가중치를 갱신하는 단계; 및
    상기 후보 추천 공간의 추천 가중치에 기초하여 상기 대상 공간 그룹을 결정하는 단계를 포함하는 공간 네트워크의 생성 방법.
  2. 제 1 항에 있어서, 상기 공간 네트워크의 생성 방법은
    사용자 위치 정보에 기반하여 사용자가 상기 대상 공간에 위치하는지 판단하는 단계를 더 포함하며,
    상기 대상 공간에 위치하는 모든 사용자에 동일한 추천 공간 리스트를 생성하여 상기 사용자에 제공하는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  3. 제 2 항에 있어서, 상기 추천 공간 리스트를 생성하는 단계는
    상기 후보 추천 공간에서 상기 후보 추천 공간의 주변 공간으로의 추천 수와 추천 가중치에 기초하여 상기 후보 추천 공간의 방문 매력도를 계산하는 단계;
    상기 후보 추천 공간의 방문 매력도와 상기 대상 공간에 대한 상기 후보 추천 공간의 추천 가중치로부터 상기 대상 공간에 위치하는 사용자가 상기 후보 추천 공간을 방문하거나 관심을 가질 방문 가능 점수를 계산하는 단계; 및
    상기 후보 추천 공간의 방문 가능 점수에 기초하여 상기 대상 공간 그룹을 구성하는 후보 추천 공간 중 방문 가능 점수가 가장 높거나 방문 가능 점수가 높은 순서로 임계수의 후보 추천 공간을 추천 공간 리스트로 생성하는 단계를 포함하는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  4. 제 3 항에 있어서,
    상기 후보 추천 공간의 주변 공간은 상기 후보 추천 공간의 후보 추천 공간이며, 상기 후보 추천 공간과 상기 후보 추천 공간의 후보 추천 공간으로 상기 후보 추천 공간의 후보 공간 그룹을 구성하는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  5. 제 4 항에 있어서, 상기 대상 공간 그룹을 결정하는 단계는
    상기 대상 공간 그룹을 구성하는 후보 추천 공간의 갱신된 추천 가중치와 임계 가중치를 비교하는 단계;
    비교 결과에 기초하여 임계 가중치 이하의 추천 가중치를 가지는 후보 추천 공간이 존재하는지 판단하는 단계; 및
    상기 판단 결과에 기초하여 임계 가중치 이하의 추천 가중치를 가지는 후보 추천 공간을 상기 대상 공간 그룹에서 제외시키는 단계를 포함하는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  6. 제 5 항에 있어서, 상기 공간 네트워크의 생성 방법은
    후보 추천 공간의 주변 공간의 상기 대상 공간에 대한 추천 가중치를 계산하는 단계를 더 포함하며,
    상기 주변 공간의 상기 대상 공간에 대한 추천 가중치가 상기 임계 가중치를 초과하는 주변 공간을 상기 대상 공간 그룹의 후보 추천 공간으로 추가하는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  7. 제 6 항에 있어서,
    상기 주변 공간의 상기 대상 공간에 대한 추천 가중치를 계산하는 단계는 상기 대상 공간 그룹을 구성하는 후보 추천 공간의 수가 임계 공간수 이하인 경우에 수행되는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  8. 제 5 항에 있어서, 상기 공간 네트워크의 생성 방법은
    상기 후보 추천 공간의 주변 공간의 매개 중심성을 계산하는 단계를 더 포함하며,
    매개 중심성이 가장 높은 주변 후보 추천 공간을 상기 대상 공간 그룹에 추가하는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  9. 제 4 항에 있어서, 상기 후보 추천 공간의 방문 매력도(v)는
    상기 후보 추천 공간에서 상기 후보 추천 공간의 주변 공간으로의 추천 가중치의 합으로 계산되는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  10. 제 4 항에 있어서, 상기 후보 추천 공간의 방문 매력도(v)는 아래의 수학식(1)에 의해 계산되며,
    [수학식 1]
    Figure pat00009

    여기서 v'는 상기 후보 추천 공간에서 상기 후보 추천 공간의 주변 공간으로의 추천 가중치의 합이며, maxv는 상기 후보 공간 그룹에서 가장 높은 방문 매력도를 가지는 주변 공간의 방문 매력도를 의미하며, minv는 상기 후보 공간 그룹에서 가장 낮은 방문 매력도를 가지는 주변 공간의 방문 매력도를 의미하는 것을 특징으로 하는 공간 네트워크의 생성 방법.
  11. 제 9 항 또는 제 10 항에 있어서,
    상기 대상 공간에서 상기 후보 추천 공간(j)의 추천 가중치(wij[t])는 아래의 수학식(2)에 의해 계산되며,
    [수학식 2]
    Figure pat00010
    vij[t]>0인 경우,
    Figure pat00011
    otherwise
    여기서 vij는 시간 간격[t-1, t] 동안에 대상 공간(i)에서 후보 추천 공간(j)에 대해 사용자가 방문 또는 관심을 가지는 성공 추천 수를 의미하며, γ(0<γ≤1)는 추천 기여 요인이며, β(0<β≤1)는 추천 감소 요인인 것을 특징으로 하는 공간 네트워크의 생성 방법.
KR1020150030951A 2015-03-05 2015-03-05 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법 KR101719329B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150030951A KR101719329B1 (ko) 2015-03-05 2015-03-05 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150030951A KR101719329B1 (ko) 2015-03-05 2015-03-05 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법

Publications (2)

Publication Number Publication Date
KR20160108701A true KR20160108701A (ko) 2016-09-20
KR101719329B1 KR101719329B1 (ko) 2017-03-27

Family

ID=57102216

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150030951A KR101719329B1 (ko) 2015-03-05 2015-03-05 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법

Country Status (1)

Country Link
KR (1) KR101719329B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765400A (zh) * 2020-12-31 2021-05-07 上海众源网络有限公司 兴趣标签的权重更新方法、内容推荐方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120037597A (ko) * 2010-10-12 2012-04-20 에스케이플래닛 주식회사 위치기반 가맹점 추천 시스템 및 방법
KR20130062442A (ko) * 2011-11-22 2013-06-13 주식회사 케이티 협업 필터링 추천 방식을 이용한 추천 방법 및 추천 시스템
KR101327907B1 (ko) * 2011-08-24 2013-11-13 새솔다이아몬드공업 주식회사 가공팁
KR20140093772A (ko) * 2013-01-14 2014-07-29 충북대학교 산학협력단 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120037597A (ko) * 2010-10-12 2012-04-20 에스케이플래닛 주식회사 위치기반 가맹점 추천 시스템 및 방법
KR101327907B1 (ko) * 2011-08-24 2013-11-13 새솔다이아몬드공업 주식회사 가공팁
KR20130062442A (ko) * 2011-11-22 2013-06-13 주식회사 케이티 협업 필터링 추천 방식을 이용한 추천 방법 및 추천 시스템
KR20140093772A (ko) * 2013-01-14 2014-07-29 충북대학교 산학협력단 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765400A (zh) * 2020-12-31 2021-05-07 上海众源网络有限公司 兴趣标签的权重更新方法、内容推荐方法、装置及设备
CN112765400B (zh) * 2020-12-31 2024-04-23 上海众源网络有限公司 兴趣标签的权重更新方法、内容推荐方法、装置及设备

Also Published As

Publication number Publication date
KR101719329B1 (ko) 2017-03-27

Similar Documents

Publication Publication Date Title
US11070935B2 (en) Devices for conducting social network operations
US8260725B2 (en) Method of conducting operations for a social network application including notification list generation with offer hyperlinks according to notification rules
KR101478011B1 (ko) 위치기반 가맹점 추천 시스템 및 방법
US8036930B2 (en) Market segmentation analyses in virtual universes
US8775323B2 (en) Method and system for providing user tailored service using social network service
US10991004B2 (en) Utilizing population density to facilitate providing offers
US20100285818A1 (en) Location based service for directing ads to subscribers
TWI668641B (zh) Object selection method and device
JP2016534477A (ja) アブストラクト広告キャンペーン管理を生成し、ポリシー強制を実装するシステムおよび方法
JP2019028899A (ja) 販売促進システム、機械学習装置、機械学習用データ提供装置およびプログラム
US20100324994A1 (en) Location based service for directing ads to subscribers
JP2014119990A (ja) 訪問先提案装置及び訪問先提案方法
Ahn et al. Mobile advertisement recommender system using collaborative filtering: MAR-CF
KR101719329B1 (ko) 추천 다양성과 정확성을 고려하여 공간 네트워크를 생성하는 방법
US20120289209A1 (en) Method of conducting operations for a social network application including activity list generation
JP6638265B2 (ja) 情報提供装置、プログラム
US20120289208A1 (en) Method of conducting operations for a social network application including activity list generation
KR101771855B1 (ko) 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법
JP6672644B2 (ja) 情報提供装置、プログラム
KR101719328B1 (ko) 매개 중심성에 기반하여 사용자 추천 그룹을 생성하는 방법
KR20130053927A (ko) 전자상거래 사이트의 신뢰도 계산 방법
KR101555949B1 (ko) 사용자 매칭 시스템 및 방법
CN114331600A (zh) 一种基于联邦学习的商品推荐方法及系统
KR20210103039A (ko) 날씨에 따른 의복 추천 시스템
Wang et al. Mobile Agent Based Auctionlike Negotiation in Internet Retail Commerce

Legal Events

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