KR20170132375A - 위치기반 서비스 제공업체 추천 방법 및 장치 - Google Patents

위치기반 서비스 제공업체 추천 방법 및 장치 Download PDF

Info

Publication number
KR20170132375A
KR20170132375A KR1020160062715A KR20160062715A KR20170132375A KR 20170132375 A KR20170132375 A KR 20170132375A KR 1020160062715 A KR1020160062715 A KR 1020160062715A KR 20160062715 A KR20160062715 A KR 20160062715A KR 20170132375 A KR20170132375 A KR 20170132375A
Authority
KR
South Korea
Prior art keywords
user
service provider
location
check
based service
Prior art date
Application number
KR1020160062715A
Other languages
English (en)
Other versions
KR101832398B1 (ko
Inventor
안병익
정구임
최혜림
Original Assignee
식신 주식회사
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 식신 주식회사 filed Critical 식신 주식회사
Priority to KR1020160062715A priority Critical patent/KR101832398B1/ko
Publication of KR20170132375A publication Critical patent/KR20170132375A/ko
Application granted granted Critical
Publication of KR101832398B1 publication Critical patent/KR101832398B1/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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0259—Targeted advertisements based on store location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

이동통신 서비스 사용자의 행동 태도를 기반으로 한 협업 필터링(Collaborative Filtering)에서의 위치기반 서비스 제공업체 추천에 존재하는 문제점을 보완하기 위해 사용자의 체크인 기록을 확인, 수집 및 저장하고, 위치기반 서비스 제공업체에 대한 사용자의 태도점수를 산출하고, 사용자 사이의 유사도를 계산하며, 높은 사용자 유사도를 나타내는 타 사용자가 이미 방문한 위치기반 서비스 제공업체에 대해 선호도를 예측하고, 산출된 선호도 예측값에 의해 추천된 위치기반 서비스 제공업체의 위치와 사용자 사이의 거리를 산출하여, 사용자가 원하는 상황에 따라 추천 정보를 생성할 수 있는 위치기반 서비스 제공업체 추천 방법 및 장치를 개시한다.

Description

위치기반 서비스 제공업체 추천 방법 및 장치{Method and Apparatus for Recommending Location-Based Service Provider}
본 발명에 따른 일 실시예는 위치기반 서비스 제공업체 추천 방법 및 장치에 관한 것이다.
이하에 기술되는 내용은 단순히 본 발명에 따른 일 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
기존의 이동통신 기반의 추천 시스템이 사용자의 위치와 위치기반 서비스 제공업체의 위치를 감안하여 가장 가까운 곳으로 추천한 반면, 최근의 추천 시스템은 기존의 기능에 사용자의 취향을 반영하고 보안성까지 고려한 방식으로 변화하고 있다.
SNS(Social Networking Service)가 성장하면서 상호 관계가 있는 사용자들로부터 장소 추천을 가능할 수 있도록 하는 기술 등의 위치기반 장소 추천은 점점 진화하고 있다. 그러나 신뢰도를 바탕으로 하는 사회적 관계에서의 추천은 추천자와 피추천자의 취향이 다를 수 있어 그 결과가 만족스럽지 못할 수 있다. 따라서 기존에 방문했던 장소에 대한 사용자의 태도를 반영할 수 있는 추천 방법이 필요하다.
전술한 문제점을 해결하기 위해 본 발명의 일 실시예에 따르면, 사용자는 단말기의 위치기반 서비스 제공업체 체크인 기록정보에 근거하여 이전에 방문했던 위치기반 서비스 제공업체의 각 속성에 대한 사용자 신념의 강도와 사용자 태도점수가 종합적으로 고려된 서비스 제공업체 정보를 제공받을 수 있도록 하는데 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 단말기를 이용하여 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자에 의한 체크인 기록정보가 존재하는지를 확인한 후, 동일한 위치기반 서비스 제공업체를 체크인한 하나 이상의 사용자인 체크인 사용자의 정보와 상기 체크인 사용자의 체크인 기록정보를 각각 수집하는 체크인 기록부; 상기 체크인 사용자의 태도를 모델링하여 사용자 태도점수를 계산하고, 상기 동일한 위치기반 서비스 제공업체를 포함하는 전체 위치기반 서비스 제공업체에 대한 상기 체크인 사용자에 의한 사용자 태도점수를 산출하는 사용자 태도점수 산출부; 상기 사용자 태도점수에 기 설정된 상관 관계를 적용하여, 사용자들 사이의 유사도인 사용자간 유사도를 계산하는 사용자간 유사도 산출부; 타 사용자가 이미 방문한 위치기반 서비스 제공업체 중, 높은 사용자간 유사도를 보이는 위치기반 서비스 제공업체인 선호도 예측값을 계산하는 선호도 예측값 산출부; 및 상기 선호도 예측값에 따라 추출된 하나 이상의 추천 위치기반 서비스 제공업체와 사용자의 현재 위치 사이의 거리인 추천 거리값을 산출하는 추천 거리값 산출부를 포함하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치를 제공한다.
또한, 본 발명의 일 실시예에 따른 다른 측면에 의하면, 단말기를 이용하여 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자인 체크인 기록정보가 존재하는지를 확인하는 체크인 기록정보 확인 과정; 상기 체크인 기록정보가 존재한다고 판단되면, 동일한 위치기반 서비스 제공업체를 체크인한 하나 이상의 사용자인 체크인 사용자의 정보와 상기 체크인 사용자의 체크인 기록정보를 각각 수집하는 체크인 기록정보 수집 과정; 상기 체크인 사용자의 태도를 모델링하여 사용자 태도점수를 계산하고, 상기 동일한 위치기반 서비스 제공업체를 포함하는 위치기반 서비스 제공업체에 대한 상기 체크인 사용자에 의한 사용자 태도점수를 산출하는 사용자 태도점수 산출 과정; 상기 사용자 태도점수에 기 설정된 상관 관계를 적용하여, 사용자들 사이의 유사도인 사용자간 유사도를 계산하는 사용자간 유사도 산출 과정; 타 사용자가 이미 방문한 위치기반 서비스 제공업체 중, 높은 사용자간 유사도를 보이는 위치기반 서비스 제공업체인 선호도 예측값을 계산하는 선호도 예측값 산출 과정; 상기 선호도 예측값과 그에 대응되는 위치기반 서비스 제공업체의 위치 정보를 이용하여 사용자의 현재 위치와 상기 선호도 예측값 사이의 거리인 추천 거리값을 산출하는 추천 거리값 산출 과정; 및 상기 선호도 예측값과 상기 추천 거리값에 근거하여 서비스 제공업체 추천 정보를 생성하는 추천업체 추출 과정을 포함하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 방법을 제공한다.
본 발명의 일 실시예에 따르면, 사용자는 단말기의 위치기반 서비스 제공업체 체크인 기록정보에 근거하여 이전에 방문했던 위치기반 서비스 제공업체의 각 속성에 대한 사용자 신념의 강도와 사용자 태도점수가 종합적으로 고려된 서비스 제공업체 정보를 제공받을 수 있다.
또한, 사용자는 위치기반 서비스 제공업체 방문 성향이 비슷한 타 사용자가 방문했던 유사도 분석을 이용하여 사용자가 경험한 적은 없지만 사용자 본인과 성향이 유사한 사용자가 방문한 적이 있는 서비스 제공업체 정보를 제공받을 수 있다.
덧붙여, 사용자 입장에서는 다른 단말기 사용자들의 다속성 사용자 태도점수에 따라 해당 서비스 제공업체에 대한 선호 예측값을 제공받을 수 있는 효과가 있다. 마지막으로, 사용자 입장에서는 추천받는 서비스 제공업체 정보에 대한 선호 예측값과 사용자의 현재 위치를 바탕으로 가장 가까운 거리에 있는 서비스 제공업체 정보를 제공받을 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 장치를 포함하는 전체 시스템을 개략적으로 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 장치의 개념을 설명하기 위해 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 방법을 설명하기 위해 나타낸 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 방법의 다른 실시예를 설명하기 위해 나타낸 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 방법에서 이용되는 사용자 간 유사도 계산 방법을 설명하기 위해 나타낸 도면이다.
이하, 본 발명의 일 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 장치를 포함하는 전체 시스템을 개략적으로 도시한 도면이다. 여기서 업체 추천 장치는 사용자와 유사한 취향을 나타내는 여러 사용자가 방문했던 위치기반 서비스 제공업체에 대한 정보를 분석한다. 그 후, 분석된 정보와 사용자와의 현재 위치를 감안하여 위치기반 서비스 제공업체를 추천한다. 위치기반 서비스 제공업체 추천 장치는 이러한 기능을 수행하는 소프트웨어의 한 형태인 애플리케이션을 포함하는 단말기로 구성될 수 있다. 또한, 모듈화된 애플리케이션 자체만으로도 구성될 수도 있다. 이하에서는 설명의 편의를 위해 위치기반 서비스 제공업체 추천 장치를 업체추천 장치로, 위치기반 서비스 제공업체 추천 애플리케이션은 업체추천 애플리케이션으로 설명한다.
도면을 참조하면 전체 위치기반 서비스 제공업체 추천 시스템은 단말기(110), 업체추천 애플리케이션(112), 네트워크(120), 위치정보 제공장치(130), 데이터 저장장치(140) 및 위성(150)을 포함할 수 있다.
단말기(110)는 본 발명의 실시예에 따른 업체추천 애플리케이션(112)을 설치하여 이용할 수 있는 이동통신 기기를 의미한다. 단말기(110)는 네트워크(120) 또는 AP(Access Point)를 경유하여 인터넷에 접속할 수 있는 휴대용 전화기, 데스크탑 PC, 랩탑, 스마트폰, 태블릿 PC 등을 포함할 수 있다.
위치기반 서비스를 이용한 장소 추천을 위해서는 단말기(110)의 위치를 알 필요가 있다. 단말기(110)의 위치는 크게 네트워크(120)를 이용한 방법과 위성 신호를 이용한 방법으로 알 수 있다. 네트워크(120)를 이용한 방법은 다시 단일 기지국 위치 조회 방법, 복수 기지국 위치 조회 방법 및 AP를 이용한 위치 조회 방법 등으로 세분화될 수 있다.
한편, 대도시에서와는 달리, 기지국 수가 부족한 지역이나 도서 산간 지역에서는 네트워크(120)를 이용하는 방법으로 위치 측정을 하는 것이 쉽지 않다. 이러한 경우, 위성(150)을 이용하여 위치 측정을 수행하게 되는데, 그 대표적인 방법이 GPS(Global Positioning System)을 이용한 방법이다. 그러나 위성(150)만을 이용하여 위치를 측정하는 경우 단말기(110)의 상대적으로 열악한 계산 성능, 긴 최초 위성 신호 수신 대기 시간, 배터리의 제약 등의 단점이 존재한다. 이러한 두 가지 방법에서의 단점을 극복하기 위해 네트워크(120)를 이용하는 방법과 위성 신호를 이용한 방법을 혼용하는 A-GNSS(Assisted Global Navigation Satellite System)와 같은 혼합 위치 측정 방법을 이용할 수 있다.
위치정보 제공장치(130)는 단말기(110)의 위치정보를 계산하며 단말기(110)로 위치정보를 전송한다. 위치정보의 계산에는 기지국 데이터베이스, 위성 데이터베이스, AP 데이터베이스 등이 이용된다. 위성신호 수신 기능이 있는 단말기(110)의 경우, 위치정보 제공장치(130)로부터 정보를 수신하지 않고 직접 위성(150)으로부터 위치정보를 수신할 수 있다. 위치 측정의 정확도를 높이기 위해 최근에 시판되고 있는 이동통신 단말기에는 GPS 뿐만 아니라 GLONASS(GLObal NAvigation Satellite System)로부터의 신호를 수신하고 이용할 수 있는 기술이 적용되어 있다. GLONASS는 미국의 GPS에 대응되는 러시아의 위성 항법 시스템을 말한다.
데이터 저장장치(140)는 위치정보 제공장치(140) 및 네트워크(120)와 연결되어 있고, 사용자 체크인 기록정보 및 서비스 제공업체 정보에 대한 데이터베이스를 보유하고 있다. 단말기(110)가 요청하면 사용자 체크인 기록정보 및 서비스 제공업체 정보를 단말기(110)로 전송한다. 또한, 단말기(110)가 새로운 서비스 제공업체에서 체크인을 수행하는 경우, 데이터 저장장치(140)는 새로운 지점에 대한 사용자 체크인 기록정보 및 서비스 제공업체 정보에 대한 데이터베이스를 업데이트할 수 있다. 데이터 저장장치(140)는 업체추천 애플리케이션(112)에 포함될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 장치의 개념을 설명하기 위해 나타낸 도면이다. 업체추천 장치는 업체추천 애플리케이션(112)을 포함하는 단말기(110)의 형태로 구성될 수 있고, 모듈화한 업체추천 애플리케이션(112) 자체만으로 구성될 수도 있다.
도 2를 참조하면, 업체추천 애플리케이션(112)은 체크인 기록부(210), 사용자 태도점수 산출부(220), 사용자간 유사도 산출부(230), 선호도 예측값 산출부(240), 거리값 산출부(250) 및 추천업체 추출부(260)를 포함할 수 있다.
체크인 기록부(210)는 먼저, 업체추천 애플리케이션(112)이 설치된 단말기(110)로부터 서비스 제공업체에 대한 사용자의 체크인 기록정보가 존재하는지 여부를 확인한다. 그리고 동일한 위치기반 서비스 제공업체에 체크인한 기록정보가 있는 사용자 정보와 그 사용자의 체크인 기록정보를 수집한다. 체크인 기록부(210)는 수집한 정보를 저장할 수 있으며 그 정보가 저장되는 데이터베이스를 업데이트할 수 있다.
사용자 태도점수 산출부(220)는 같은 위치기반 서비스 제공업체에 체크인한 각 사용자의 해당 위치기반 서비스 제공업체에 대한 태도(Attitude)를 모델링하여 태도점수(Attitude Score)를 계산한다. 또한, 체크인한 위치기반 서비스 제공업체를 포함한 전체 위치기반 서비스 제공업체에 대한 태도점수의 대표값을 산출한다. 이 대표값은 전체 태도점수의 중간값, 평균값 또는 최빈값일 수 있다. 예컨대 관심지점이 음식점인 경우, 태도점수는 위치, 맛, 가격, 청결도, 친절도, 매장 분위기 등의 음식점에 대한 평가점수가 될 수 있다. 사용자 태도점수 산출부(220)는 태도점수 모델링을 위해 피시바인(Fishbein) 다속성 태도 모델(Multi-attribute Attitude Model)을 이용할 수 있다. 위치기반 서비스 제공업체 p1에 대한 사용자 u1의 다속성 태도점수인 A u1p1 의 계산에는 수학식 1을 이용한다.
Figure pat00001
여기서, A u1p1 은 대상에 대한 태도, B i 는 속성 i에 대한 상표 신념강도, E i 는 속성 i에 대한 평가이며 n은 고려되는 중요 속성의 수를 의미한다.
사용자간 유사도 산출부(230)는 계산된 태도점수와 산출된 태도점수의 대표값에 기반한 상관 관계를 이용하여 사용자들 간의 유사도(Similarity)인 사용자간 유사도를 계산한다. 예컨대 관심지점이 음식점인 경우, 사용자간 유사도는 음식점에 대한 위치, 맛, 가격, 청결도, 친절도, 매장 분위기 등을 평가한 점수 사이의 유사도가 된다. 여기서 상관 관계는 피어슨 상관 관계(Pearson Correlation)일 수 있다. 피어슨 상관 계수(Pearson Correlation Coefficient)는 두 사용자가 동시에 변화하는 정도를 개별적으로 변화하는 정도로 나누었을 때의 값이며, 그 값이 1에 가까울수록 유사도가 높은 것으로 판단한다. 피어슨 상관 계수(Pearson Correlation Coefficient)를 이용한 사용자간 유사도는 수학식 2를 이용하여 계산될 수 있으며 N 명의 사용자 간 유사도는 도 5에 나타난 방법으로 계산된다.
Figure pat00002
여기서, w au 는 사용자 a와 u가 공통으로 평가한 항목을 이용하여 계산한 두 사용자 간의 유사도인 사용자간 유사도, m은 두 사용자가 공통으로 평가한 항목의 수, r ai 는 예측하고자 하는 사용자 a가 i번째 항목에 대해 수행한 태도점수이며, r ui 는 사용자 u가 i번째 항목에 대해 수행한 태도점수이다. 또한 r a 와 r u 는 각각 사용자 a와 u가 수행한 태도점수의 평균값이며, s a 및 s u 는 각각 a와 u가 수행한 태도점수의 표준편차이다.
선호도 예측값 산출부(240)는 사용자간 유사도 산출부(230)에서 계산한 사용자간 유사도를 이용하여 각 항목 i에 대한 사용자 a의 선호도(Preference)를 예측한 값인 선호도 예측값 p ai 를 수학식 3을 이용하여 산출한다.
Figure pat00003
여기서, r a 와 r u 는 각각 사용자 a와 u가 수행한 모든 항목에 대한 태도점수의 평균값이며, r ui 는 사용자 u가 i번째 항목에 대해 수행한 태도점수이다. w au 는 사용자 a와 u가 공통으로 태도를 나타낸 항목으로 계산한 두 사용자 간의 사용자간 유사도이며 n은 유사한 선호도를 보이는 사용자 집합 내의 사용자 수를 나타낸다.
거리값 산출부(250)는 사용자의 현재 위치와 서비스 제공업체의 좌표를 이용하여 거리값을 계산한다. 여기서 서비스 제공업체의 좌표는 선호도 예측값 산출부(240)에서 계산한 선호도 예측값을 이용한다. 즉, 거리값 산출부(250)가 계산하는 되는 거리값은 사용자 본인과 태도점수 결과가 유사한 사용자들에 대한 데이터를 이용하여 예측한 음식점의 위치와 사용자의 현재 위치 사이의 거리를 계산한 값이다.
추천업체 추출부(260)는 거리값 산출부에서 계산된 거리값과 사용자의 현재 위치값에 가중치를 고려하는 수학식 4를 이용하여 최종적으로 서비스 제공업체를 추천한다.
Figure pat00004
여기서, V u 는 사용자 u의 선호도 예측값에 기초하여 계산한 값인 위치 추천값이다. P uj 는 사용자 u의 선호도 예측값, CL u 는 사용자 u의 현재 위치, PL uj 는 사용자 u의 선호 예측된 장소의 위치를 나타낸다. 이 위치 추천값은 그 값이 크면 사용자 u의 선호가 예측되는 장소 중에 가까운 장소로 추천한다. y와 z는 추천된 장소 결과의 상황에 따라 적용 가능한 가중치 계수이며, 이 가중치 계수를 판단하기 위해 별도의 알고리즘을 적용할 수 있는 가중치 판단부(미도시)를 더 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 방법을 설명하기 위해 나타낸 흐름도이다. 여기서 위치기반 서비스 제공업체 추천 방법은 사용자와 유사한 취향을 나타내는 여러 사용자가 방문했던 위치기반 서비스 제공업체에 대한 정보를 분석하고 사용자의 현재 위치를 감안하여 위치기반 서비스 제공업체를 추천하는 방법 중 하나를 말한다. 이하에서는 설명의 편의를 위해 업체추천 방법으로 설명한다.
도 3을 참조하면, 업체추천 방법은 단말기(110)에서 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자에 의한 체크인 기록정보가 존재하는지를 판단한다(S310). S310 단계의 결과, 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자에 의한 체크인 기록정보가 존재하는 것으로 판단된 경우, 그 체크인 기록정보에 대응하는 추가적인 위치기반 서비스 제공업체 정보가 필요한지 여부를 더 판단한다(S320). 서비스 제공업체 정보 판단 과정에서 추가적으로 요구되는 서비스 제공업체 정보라고 판단되는 추가적인 위치기반 서비스 제공업체 정보를 제외한 나머지 정보를 획득한다(S330). 동일한 위치기반 서비스 제공업체를 체크인한 하나 이상의 사용자인 체크인 사용자의 정보와 이 체크인 사용자의 체크인 기록정보를 각각 수집한다(S340). 체크인 기록정보로부터 체크인 사용자의 태도를 추출 및 모델링하고 태도점수와 대표 사용자 태도점수를 계산한다(S350). 태도점수와 대표 사용자 태도점수에 기 설정된 상관 관계를 적용하여, 사용자들 사이의 유사도인 사용자간 유사도를 계산한다(S360). 타 사용자가 이미 방문한 위치기반 서비스 제공업체 중, 높은 사용자간 유사도를 보이는 위치기반 서비스 제공업체인 선호도 예측값을 계산한다(S370). S320 단계의 결과, 추가적인 서비스 제공업체 정보가 필요하다고 판단되는 경우, 그 정보를 추출한다(S380). 선호도 예측값과 사용자의 현재 위치 사이의 거리인 추천 거리값이 존재하는지를 판단한다(S390). 선호도 예측값 및 추천 거리값을 이용하여 선호 거리값을 계산한다(S392). 마지막으로 선호 거리값에 근거하여 서비스 제공업체 추천 정보를 생성하는 추천업체 추출한다(S394).
체크인 기록정보 판단 과정(S310)에서는 체크인 기록부(210)가 단말기(110)로부터 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자에 의한 체크인 기록정보가 존재하는지를 판단한다.
서비스 제공업체 정보 판단 과정(S320)에서는 체크인 기록부(210)가 하나 이상의 사용자에 의한 체크인 기록 정보 이외에 추가적인 위치기반 서비스 제공업체 정보가 존재한다는 것을 확인한다. 여기서 추가적인 위치기반 서비스 제공업체 정보는 위치기반 서비스 제공업체의 위치 좌표 등이 될 수 있다. 위치기반 서비스 제공업체의 위치 좌표는 단말기(110)가 위성(150)으로부터 위성 신호를 수신하여 직접 획득할 수도 있고, 위치정보 제공장치(130)로부터 제공받을 수도 있다. 또한, 추가적인 위치기반 서비스 제공업체 정보는 데이터 저장장치(140)에 저장될 수 있다.
사용자 체크인 기록정보 획득 과정(S330)에서는 체크인 기록부(210)가 서비스 제공업체 정보 판단 과정(S320)에서 요구되는 추가적인 위치기반 서비스 제공업체 정보를 제외한 나머지 정보를 획득한다.
사용자 체크인 기록정보 추출 과정(S340)에서는 체크인 기록부(210)가 동일한 위치기반 서비스 제공업체를 체크인한 하나 이상의 사용자인 체크인 사용자의 정보와 상기 체크인 사용자의 체크인 기록정보를 각각 수집하여 사용자 태도점수 산출부(220)로 전송한다.
사용자 태도점수 산출 과정(S350)에서는 사용자 태도점수 산출부(220)가 S340 단계에서 추출한 체크인 사용자의 태도를 모델링하여 태도점수를 계산한다. 또한, 체크인한 사용자들이 공통적으로 체크인한 위치기반 서비스 제공업체 정보를 추출한다.
사용자간 유사도 산출 과정(S360)에서는 사용자간 유사도는 태도점수와 태도점수의 대표값인 대표 사용자 태도점수에 기 설정된 상관 관계를 적용하여 구한다. 태도를 모델링하기 위해 피시바인(Fishbein) 다속성 태도 모델을 이용할 수 있다. 기 설정된 상관 관계는 피어슨 상관 관계(Pearson Correlation)일 수 있으며 상관 관계를 계산하기 위해 피어슨 상관 계수(Pearson Correlation Coefficient)를 이용할 수 있다. 여기서, 대표 사용자 태도점수는 사용자의 취향과 타 사용자들의 취향이 가장 잘 반영될 수 있도록 하는 대표값 중 하나일 수 있다. 이 대표값은 하나 이상의 사용자에 의한 태도점수의 평균값, 중간값 또는 최빈값일 수 있다.
선호도 예측값 산출 과정(S370)에서는 선호도 예측값 산출부(240)가 사용자간 유사도를 수신하고 이를 이용하여 선호도 예측값을 계산한다. 선호도 예측값 산출부(240)는 계산된 선호도 예측값을 추천업체 추출부(260)로 전송한다.
서비스 제공업체 정보 추출 과정(S380)에서는 체크인 기록부(210)에 의해 하나 이상의 사용자에 의한 체크인 기록 정보 이외의 추가적인 위치기반 서비스 제공업체 정보가 존재하는 것으로 판단된 경우, 체크인 기록부(210)가 서비스 제공업체 정보를 추출한다. 이 경우, 체크인 기록부(210)는 추가적인 위치기반 서비스 제공업체 정보를 추출하여 추천업체 추출부(260)로 전송한다. 여기서 추가적인 위치기반 서비스 제공업체 정보는 해당 위치기반 서비스 제공업체의 위치 좌표 등이 될 수 있다.
추천 거리값 판단 과정(S390)에서는 선호도 예측값 산출부(240)에서 계산된 선호도 예측값과 거리값 산출부(250)로부터 전달된 추천 거리값이 존재하는지를 판단한다. 여기서, 추천 거리값은 위치기반 서비스 제공업체와 사용자의 현재 위치 사이의 거리이다. 위치기반 서비스 제공업체의 위치는 서비스 제공업체 정보 추출 과정(S380)에서 계산한 좌표를 이용하여 구한다.
선호 거리값 산출 과정(S392)에서는 추천업체 추출부(260)가 선호도 예측값 산출부(240)로부터의 선호도 예측값과 거리값 산출부(250)로부터의 추천 거리값을 이용하여 선호 거리값을 계산한다.
추천업체 추출 과정(S394)에서는 선호 거리값 산출 과정(S392)에서 계산된 선호 거리값에 근거하여 최종적으로 서비스 제공업체 추천 정보를 생성한다.
도 4는 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 방법의 다른 실시예를 설명하기 위해 나타낸 흐름도이다. 도 4를 참조하면, 단말기(110)에서 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자에 의한 체크인 기록정보가 존재하는지를 판단한다(S410). S410 단계의 결과, 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자에 의한 체크인 기록정보가 존재하는 것으로 판단된 경우, 그 체크인 기록정보에 대응하는 추가적인 위치기반 서비스 제공업체 정보가 필요한지 여부를 더 판단한다(S420). 서비스 제공업체 정보 판단 과정에서 추가적으로 요구되는 서비스 제공업체 정보라고 판단되는 추가적인 위치기반 서비스 제공업체 정보를 제외한 나머지 정보를 획득한다(S430). 동일한 위치기반 서비스 제공업체를 체크인한 하나 이상의 사용자인 체크인 사용자의 정보와 이 체크인 사용자의 체크인 기록정보를 각각 수집한다(S440). 체크인 기록정보로부터 체크인 사용자의 태도를 추출 및 모델링하고 태도점수와 대표 사용자 태도점수를 계산한다(S450). 태도점수와 대표 사용자 태도점수에 기 설정된 상관 관계를 적용하여, 사용자들 사이의 유사도인 사용자간 유사도를 계산한다(S460). 타 사용자가 이미 방문한 위치기반 서비스 제공업체 중, 높은 사용자간 유사도를 보이는 위치기반 서비스 제공업체인 선호도 예측값을 계산한다(S470). S420 단계의 결과, 추가적인 서비스 제공업체 정보가 필요하다고 판단되는 경우, 그 정보를 추출한다(S480). 선호도 예측값과 사용자의 현재 위치 사이의 거리인 추천 거리값이 존재하는지를 판단한다(S490). 선호도 예측값 및 추천 거리값을 이용하여 선호 거리값을 계산한다(S492). 선호 거리값을 계산하는 경우, 사용자의 취향이나 거리 등의 주변 상황에 따라 선호도 예측값과 추천 거리값에 가장 적절한 가중치를 적용하여 가중 선호 거리값을 계산한다(S494). 선호 거리값에 근거하여 서비스 제공업체 추천 정보를 생성한다(S496).
가중치 계산 과정(S494)는 선호 거리값 산출 과정(S492)에서 고려하지 못한 여러 가지 상황을 적용하기 위한 과정이다. 가중치 계산 과정(S494)에서는 수학식 4에 나타낸 바와 같이, 가중치 판단부(미도시)가 y 또는 z의 값을 결정하여 선호도 예측값과 선호 거리값 사이의 비율을 조절한다. 예를 들어, 높은 유사도를 보이는 위치기반 서비스 제공업체 보다 가까운 거리에 존재하는 서비스 제공업체에 대해 높은 태도점수를 보이는 사용자는 y 값보다 z 값을 더 높게 설정할 수 있다.
도 5는 본 발명의 일 실시예에 따른 위치기반 서비스 제공업체 추천 방법에서 이용되는 사용자 간 유사도 계산 방법을 설명하기 위해 나타낸 도면이다. 여기서, 사용자간 유사도는 태도를 모델링하여 계산된 태도점수, 태도점수의 대표값 및 기 설정된 상관 관계를 이용하여 계산되며, 한 사용자와 여러 사용자에 사이의 상관 관계는 수학식 3과 도 5에서 나타낸 바와 같이, 한 사용자와 첫 번째 타 사용자, 한 사용자와 두 번째 타 사용자, 한 사용자와 세 번째 타 사용자,……, 한 사용자와 N 번째 사용자, 즉, 두 사용자 사이의 상관 관계를 N 번 고려하여 계산한다. 이 경우, 두 사용자가 동시에 변화하는 정도를 개별적으로 변화하는 정도로 나누었을 때, 그 값이 1에 가까울수록 두 사용자 사이의 유사도가 높은 것으로 판단한다.
이상의 설명은 본 발명에 따른 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명에 따른 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 따른 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명에 따른 일 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명에 따른 일 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110: 단말기 112: 업체추천 애플리케이션
120: 네트워크 130: 위치정보 제공장치
140: 데이터 저장장치 150: 위성
210: 체크인 기록부 220: 사용자 태도점수 산출부
230: 사용자간 유사도 산출부 240: 선호도 예측값 산출부
250: 거리값 산출부 260: 추천업체 추출부

Claims (14)

  1. 단말기를 이용하여 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자에 의한 체크인 기록정보가 존재하는지를 확인한 후, 동일한 위치기반 서비스 제공업체를 체크인한 하나 이상의 사용자인 체크인 사용자의 정보와 상기 체크인 사용자의 체크인 기록정보를 각각 수집하는 체크인 기록부;
    상기 체크인 사용자의 태도(Attitude)를 모델링하여 사용자 태도점수를 계산하고, 상기 동일한 위치기반 서비스 제공업체를 포함하는 전체 위치기반 서비스 제공업체에 대한 상기 체크인 사용자에 의한 사용자 태도점수를 산출하는 사용자 태도점수 산출부;
    상기 사용자 태도점수에 기 설정된 상관 관계를 적용하여, 사용자들 사이의 유사도(Similarity)인 사용자간 유사도를 계산하는 사용자간 유사도 산출부;
    타 사용자가 이미 방문한 위치기반 서비스 제공업체 중, 높은 사용자간 유사도를 보이는 위치기반 서비스 제공업체인 선호도(Preference) 예측값을 계산하는 선호도 예측값 산출부; 및
    상기 선호도 예측값에 따라 추출된 하나 이상의 추천 위치기반 서비스 제공업체와 사용자의 현재 위치 사이의 거리인 추천 거리값을 산출하는 추천 거리값 산출부
    를 포함하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  2. 제 1 항에 있어서,
    상기 사용자 태도점수 산출부는,
    하나 이상의 속성에 대한 신념강도와 상기 하나 이상의 속성에 대한 태도값을 이용하여 하나의 위치기반 서비스 제공업체에 대한 태도값을 구하고, 상기 하나 이상의 속성에 대한 상기 신념 강도와 상기 태도값을 더하여 상기 체크인 사용자에 의한 다속성 태도점수(Multi-attribute Attitude Score)를 산출하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  3. 제 2 항에 있어서,
    상기 사용자 태도점수 산출부는,
    상기 전체 위치기반 서비스 제공업체에 대한 상기 체크인 사용자에 의한 태도점수의 평균값, 중간값 및 최빈값 전부 또는 일부를 계산하여 이 중 하나를 대표 사용자 태도점수로 정의하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  4. 제 3 항에 있어서,
    상기 선호도 예측값 산출부는,
    상기 대표 사용자 태도점수와 상기 다속성 태도점수를 이용하여 상기 사용자간 유사도를 계산하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  5. 제 1 항에 있어서,
    상기 선호도 예측값과 상기 추천 거리값에 근거하여 서비스 제공업체 추천 정보를 생성하는 추천업체 추출부를 더 포함하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  6. 제 5 항에 있어서,
    상기 추천업체 추출부는,
    상기 선호도 예측값에 제 1 가중치 계수를 부여하고, 상기 사용자의 현재 위치에서 상기 선호도 예측값 차이의 크기 값에 로그(Logarithm)를 취한 값의 역수에 제 2 가중치 계수를 부여하여 서비스 제공업체 추천 정보를 생성하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  7. 제 6 항에 있어서,
    상기 추천업체 추출부는,
    상황에 따라 적용 가능한 상기 제 1 가중치 계수 및 상기 제 2 가중치 계수를 계산하는 가중치 판단부를 포함하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  8. 제 6 항에 있어서,
    상기 제 1 가중치 계수 및 상기 제 2 가중치 계수의 합이 1인 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  9. 제 1 항에 있어서,
    상기 사용자 태도점수 산출부는,
    상기 체크인 사용자의 태도를 모델링하기 위해 피시바인(Fishbein) 다속성 태도 모델(Multi-attribute Attitude Model)을 이용하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  10. 제 1 항에 있어서
    상기 사용자간 유사도 산출부는,
    상기 사용자간 유사도를 피어슨 상관 관계(Pearson Correlation)를 이용하여 계산하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 장치.
  11. 단말기를 이용하여 위치기반 서비스 제공업체에 체크인한 하나 이상의 사용자인 체크인 기록정보가 존재하는지를 확인하는 체크인 기록정보 확인 과정;
    상기 체크인 기록정보가 존재한다고 판단되면, 동일한 위치기반 서비스 제공업체를 체크인한 하나 이상의 사용자인 체크인 사용자의 정보와 상기 체크인 사용자의 체크인 기록정보를 각각 수집하는 체크인 기록정보 수집 과정;
    상기 체크인 사용자의 태도를 모델링하여 사용자 태도점수를 계산하고, 상기 동일한 위치기반 서비스 제공업체를 포함하는 위치기반 서비스 제공업체에 대한 상기 체크인 사용자에 의한 사용자 태도점수를 산출하는 사용자 태도점수 산출 과정;
    상기 사용자 태도점수에 기 설정된 상관 관계를 적용하여, 사용자들 사이의 유사도인 사용자간 유사도를 계산하는 사용자간 유사도 산출 과정;
    타 사용자가 이미 방문한 위치기반 서비스 제공업체 중, 높은 사용자간 유사도를 보이는 위치기반 서비스 제공업체인 선호도 예측값을 계산하는 선호도 예측값 산출 과정;
    상기 선호도 예측값과 그에 대응되는 위치기반 서비스 제공업체의 위치 정보를 이용하여 사용자의 현재 위치와 상기 선호도 예측값 사이의 거리인 추천 거리값을 산출하는 추천 거리값 산출 과정; 및
    상기 선호도 예측값과 상기 추천 거리값에 근거하여 서비스 제공업체 추천 정보를 생성하는 추천업체 추출 과정
    을 포함하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 방법.
  12. 제 11 항에 있어서,
    상기 체크인 기록정보 수집 과정은,
    상기 체크인 기록정보가 존재하는 것으로 판단되면, 상기 체크인 기록정보에 대응하는 추가적인 위치기반 서비스 제공업체 정보가 필요한지를 판단하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 방법.
  13. 제 11 항에 있어서,
    상기 체크인 기록정보 수집 과정은,
    상기 추가적인 위치기반 서비스 제공업체 정보를 제외한 나머지 정보를 획득하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 방법.
  14. 제 11 항에 있어서,
    상기 추천업체 추출 과정은,
    상기 선호도 예측값과 상기 추천 거리값에 대한 각각의 가중치를 계산하여 이를 상기 선호도 예측값과 상기 추천 거리값에 적용하는 것을 특징으로 하는 위치기반 서비스 제공업체 추천 방법.
KR1020160062715A 2016-05-23 2016-05-23 위치기반 서비스 제공업체 추천 방법 및 장치 KR101832398B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160062715A KR101832398B1 (ko) 2016-05-23 2016-05-23 위치기반 서비스 제공업체 추천 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160062715A KR101832398B1 (ko) 2016-05-23 2016-05-23 위치기반 서비스 제공업체 추천 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20170132375A true KR20170132375A (ko) 2017-12-04
KR101832398B1 KR101832398B1 (ko) 2018-04-20

Family

ID=60921570

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160062715A KR101832398B1 (ko) 2016-05-23 2016-05-23 위치기반 서비스 제공업체 추천 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101832398B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190135143A (ko) 2018-05-28 2019-12-06 오인석 위치 정보를 이용한 방문 서비스 제공자 추천 방법
US10803349B2 (en) 2018-12-11 2020-10-13 Mablic Corporation Apparatus and method for determining taste of user based on latent variable

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101451153B1 (ko) * 2013-08-02 2014-10-16 충북대학교 산학협력단 동행인과의 이동 궤적 분석을 통한 모바일 사용자에 대한 장소 추천 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190135143A (ko) 2018-05-28 2019-12-06 오인석 위치 정보를 이용한 방문 서비스 제공자 추천 방법
US10803349B2 (en) 2018-12-11 2020-10-13 Mablic Corporation Apparatus and method for determining taste of user based on latent variable

Also Published As

Publication number Publication date
KR101832398B1 (ko) 2018-04-20

Similar Documents

Publication Publication Date Title
CN109064278B (zh) 目标对象推荐方法及装置、电子设备、存储介质
CN108875007B (zh) 兴趣点的确定方法和装置、存储介质、电子装置
US9256832B2 (en) Inference pipeline system and method
JP5248915B2 (ja) Ｇｐｓ追跡及び周知な近傍目的地からのユーザの行動趣向の学習
US8972357B2 (en) System and method for data collection to validate location data
CN108414971B (zh) 用于确定多层建筑物中位置的位置信息的方法和装置
US9877162B2 (en) Systems and methods for generating a user location history
US20100111372A1 (en) Determining user similarities based on location histories
US9990639B1 (en) Automatic detection of fraudulent real estate listings
US20170068982A1 (en) Personalized contextual coupon engine
KR101932608B1 (ko) 자전거 대여 시스템 관리 방법, 자전거 대여 시스템의 관리 서버, 및 컴퓨터 판독가능 기록 매체
US20160012068A1 (en) Venue prediction based on ranking
US10289641B2 (en) Cluster mapping based on measured neural activity and physiological data
US20120278320A1 (en) Recommendation information providing system, recommendation information providing apparatus, recommendation information service method, and recommendation information distribution program
JP5802716B2 (ja) 情報処理システム、プログラム及び照合方法
US20150248436A1 (en) Methods, Circuits, Devices, Systems and Associated Computer Executable Code for Assessing a Presence Likelihood of a Subject at One or More Venues
CN111954175B (zh) 一种兴趣点到访判别方法和相关装置
US20150302346A1 (en) Methods and systems for optimizing efficiency of a workforce management system
US20160110774A1 (en) Method and apparatus for recommending affiliated store by using reverse auction
CN112241489A (zh) 信息推送方法、装置、可读存储介质和计算机设备
Wang et al. QTime: a queuing-time notification system based on participatory sensing data
KR101832398B1 (ko) 위치기반 서비스 제공업체 추천 방법 및 장치
JP7272522B2 (ja) データ分析装置、データ分析システム、データ分析方法およびデータ分析プログラム
KR101779196B1 (ko) 상점의 평가 정보를 생성하는 서버 및 방법, 그리고 평가 정보를 수신하는 디바이스
KR101867421B1 (ko) 소셜 데이터를 이용한 서비스 제공업체 추천 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right