KR20180099067A - Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법 - Google Patents

Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법 Download PDF

Info

Publication number
KR20180099067A
KR20180099067A KR1020170026033A KR20170026033A KR20180099067A KR 20180099067 A KR20180099067 A KR 20180099067A KR 1020170026033 A KR1020170026033 A KR 1020170026033A KR 20170026033 A KR20170026033 A KR 20170026033A KR 20180099067 A KR20180099067 A KR 20180099067A
Authority
KR
South Korea
Prior art keywords
data
application
user
application list
java
Prior art date
Application number
KR1020170026033A
Other languages
English (en)
Inventor
김동욱
Original Assignee
주식회사 인카코커뮤니케이션즈
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 인카코커뮤니케이션즈 filed Critical 주식회사 인카코커뮤니케이션즈
Priority to KR1020170026033A priority Critical patent/KR20180099067A/ko
Publication of KR20180099067A publication Critical patent/KR20180099067A/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 프로그래밍 언어 Java와 연관규칙을 통해 만들어진 규칙과 협업 필터링의 계산에 필요한 선호도 점수를 대신하는 사용시간 순위 점수 및 카운트 순위 점수를 Java와 협업필터링 알고리즘을 이용하여 유저별 선호 어플을 검출하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법을 제공하기 위한 것으로서, 유저의 개인정보를 동의 후 수집한 개인데이터, 유저들의 어플 목록 데이터 및 어플 사용기록 데이터를 수집하는 수집부와, 유저의 개인 데이터를 통해 나이별, 지역별, 성별로 나누어 카테고리별로 미리 저장하는 카테고리별 데이터 저장부와, 상기 어플 목록 데이터와 카테고리별 데이터를 서로 조인시켜 상기 수집부에서 수집된 데이터를 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터로 생성하는 카테고리별 어플목록 데이터 생성부와, 프로그래밍 언어 Java를 이용하여 상기 카테고리별 어플목록 데이터 생성부에서 생성된 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터에 연관규칙을 발생시켜 규칙들을 저장하는 연관규칙저장부와, 상기 수집된 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터로 바꿔 주는 데이터전처리부와, 상기 데이터전처리부에서 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터를 협업필터링 알고리즘에 적용시켜 각 유저별로 10개 이상의 선호 어플을 선별하는 선별부와, 상기 연관규칙에서 만들어진 규칙과 상기 선별된 유저별 선호 어플이 적용되는 유저에게 검출된 선호 어플을 추천해주는 추천 어플부를 포함하여 구성되는데 있다.

Description

Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법{Apparatus and Method for Analyzing Data using Java Association Rule and collaborative filtering}
본 발명은 프로그래밍 언어 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 방법에 관한 것으로, 특히 프로그래밍 언어 Java와 연관규칙을 통해 만들어진 규칙과 협업 필터링의 계산에 필요한 선호도 점수를 대신하는 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터를 Java와 협업필터링 알고리즘을 이용하여 유저별 선호 어플을 검출하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법에 관한 것이다.
스마트폰의 등장과 시장 성장은 휴대 단말기 시장이 더 이상 하드웨어 중심이 아닌 소프트웨어 중심으로 변화하고 있다. 휴대 단말기를 포함하는 모바일 인터넷에서 콘텐츠와 서비스에 대한 고객 수요가 증가하면서 하드웨어 중심의 휴대 단말기가 더 이상 소비자들에게 어필하지 못하고 있다.
또한, 소프트웨어 중심으로의 변화는 사업자들에게 콘텐츠, 서비스 및 OS 라이선싱, 광고 등 수익모델의 다양화와 함께 콘텐츠와 서비스를 유통할 수 있는 어플리케이션(Application : App) 생태계의 확장을 일으키고 있다.
현재 아이폰 등의 스마트폰에 설치되는 어플(App)은 SK 텔레콤 앱스토어, KT 앱스토어 아이폰 앱스토어 등에 업로드 되어 등록되고 있다.
이러한 앱스토어(App-Store) 시장을 보면, 시장구축 운영이 KT, SK, Apple 등의 대기업 중심으로 이루어지고 있으며, 상거래 방식이 C2C 형태에 국한되어 있고, 불특정 다수의 유저들을 대상으로 한 매스 마켓중심의 거래가 형성되고 있는 실정이다.
또한, 앱스토어에서의 어플의 분류방식을 보면 카테고리 형으로 구성되어 있는데, 이러한 카테고리 형은 유저에 의한 비정형질의(Ad hoc Query)가 불가능하여, 유저의 상황에 맞는 적절한 어플을 추천하기는 어렵다. 그리고 다른 분류방식으로는 요금부과여부를 중심으로 어플을 분류하면서 Ratings, 평가자수를 참고하여 추천된 어플에서 유저가 자신의 상황에 적합한 어플을 선택하여 다운로드하도록 되어 있다.
그러나 이러한 추천 어플은 어플에 대한 유익성이나 목적성 등에 대한 안내가 없거나 있더라도 산만한 구성으로 인해 유저 어떤 어플이 자신의 상황에 적합한 지를 판단하기가 쉽지 않고, 특히 추천되는 어플의 경우도 자신이 실제로 다운로드하고자 하는 어플과 상이한 경우가 많아 유저가 현재 필요로 하는 어플이라 보기 어려운 문제점이 있다.
공개특허공보 제10-2008-0026948호 (공개일자 2008.03.26) 공개특허공보 제10-2012-0135396호 (공개일자 2012.12.13)
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 안출한 것으로서, 프로그래밍 언어 Java와 연관규칙을 통해 만들어진 규칙과 협업 필터링의 계산에 필요한 선호도 점수를 대신하는 사용시간 순위 점수 및 카운트 순위 점수를 Java와 협업필터링 알고리즘을 이용하여 유저별 선호 어플을 검출하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치의 특징은 유저의 개인정보를 동의 후 수집한 개인데이터, 유저들의 어플 목록 데이터 및 어플 사용기록 데이터를 수집하는 수집부와, 유저의 개인 데이터를 통해 나이별, 지역별, 성별로 나누어 카테고리별로 미리 저장하는 카테고리별 데이터 저장부와, 상기 어플 목록 데이터와 카테고리별 데이터를 서로 조인시켜 상기 수집부에서 수집된 데이터를 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터로 생성하는 카테고리별 어플목록 데이터 생성부와, 프로그래밍 언어 Java를 이용하여 상기 카테고리별 어플목록 데이터 생성부에서 생성된 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터에 연관규칙을 발생시켜 규칙들을 저장하는 연관규칙저장부와, 상기 수집된 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터로 바꿔 주는 데이터전처리부와, 상기 데이터전처리부에서 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터를 협업필터링 알고리즘에 적용시켜 각 유저별로 10개 이상의 선호 어플을 선별하는 선별부와, 상기 연관규칙에서 만들어진 규칙과 상기 선별된 유저별 선호 어플이 적용되는 유저에게 검출된 선호 어플을 추천해주는 추천 어플부를 포함하여 구성되는데 있다.
바람직하게 상기 연관규칙저장부는 프로그래밍 언어 Java를 사용하여 연관규칙을 만들 때, 연관규칙 계산에 불필요한 스마트폰에 기본으로 탑재되어 있는 어플은 삭제하고, 여러 사용자에게 적용 가능한 규칙으로 발생될 수 있는 규칙을 찾도록 설정하는 것을 특징으로 한다.
바람직하게 상기 데이터전처리부는 어플 사용기록 데이터를 사용시간 카운트 데이터로 전처리 하는 것을 특징으로 한다.
바람직하게 상기 사용시간 카운트 데이터는 유저가 사용한 어플들 중 유저가 많이 사용하는 어플을 구별하기 위해 유저가 사용한 어플들의 사용시간을 순위화하여 어플에 부여한 점수와 유저가 사용한 어플들의 카운트를 순위화하여 어플에 부여한 점수를 합친 것을 특징으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 방법의 특징은 (A) 수집부를 통해 유저의 개인정보를 동의 후 수집한 개인데이터, 유저들의 어플 목록 데이터 및 어플 사용기록 데이터를 수집하는 단계와, (B) 유저의 개인 데이터를 통해 나이별, 지역별, 성별로 나누어 카테고리별로 미리 저장되어 있는 카테고리별 데이터를 상기 어플 목록 데이터와 서로 조인시켜 상기 수집된 데이터를 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터로 생성하는 단계와, (C) 연관규칙저장부를 통해 카테고리별 어플목록 데이터 생성부에서 생성된 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터를 가지고 프로그래밍 언어 Java와 연관규칙 알고리즘을 사용하여 어플과 어플 간의 동시 검출 비율을 나타내는 연관규칙을 생성하는 단계와, (D) 데이터전처리부를 통해 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터로 변경하는 단계와, (E) 선별부를 통해 상기 데이터전처리부에서 사용시간 순위 점수 및 카운트 순위 점수를 합친 사용시간 카운트 데이터를 Java와 협업 필터링 알고리즘을 이용하여 각 유저별로 10개 이상의 선호 어플을 검출한 후 저장하는 단계와, (F) 추천 어플부를 통해 상기 연관규칙에서 만들어진 규칙과 상기 선별된 유저별 선호어플이 적용되는 유저에게 검출된 선호 어플을 추천하는 단계를 포함하여 이루어지는데 있다.
바람직하게 상기 (C) 단계에서 생성되는 연관규칙은 유저들이 가지고 있는 어플 목록을 기반으로 중복되는 어플(lhs)을 가지고 있는 경우에, 추가되는 다른 어느 하나의 어플(rhs)이 포함되어 있는지를 수치적으로 나타내는 것을 특징으로 한다.
바람직하게 상기 (C) 단계는 연관규칙을 만들 때, 스마트폰에 기본으로 탑재되어 있는 어플을 삭제하고, 여러 사용자에게 맞는 규칙들을 적용하기 위해 발생될 수 있는 규칙을 찾도록 설정하는 단계를 포함하는 것을 특징으로 한다.
바람직하게 상기 (D) 단계는 유저 어플 목록 데이터에 협업 필터링의 계산에서 사용시간 카운트 데이터(rating)를 이용하며, 이때, 상기 사용시간 카운트 데이터(rating)는 유저가 많이 사용하는 어플을 구별하기 위해 유저가 사용한 어플들의 사용시간을 순위화하여 어플에 부여한 점수와 유저가 사용한 어플들의 카운트를 순위화하여 어플에 부여한 점수를 합친 것을 특징으로 한다.
이상에서 설명한 바와 같은 본 발명에 따른 Java와 연관규칙을 이용한 데이터 분석 장치 및 그 방법은 Java와 연관규칙과 협업필터링을 통해 유저 어플 목록 데이터를 사용하여 연관규칙을 만들고 사용시간 카운터 데이터를 Java와 협업필터링 알고리즘을 이용하여 유저별 선호 어플을 검출함으로써, 유저들이 사용하는 어플의 종류 및 유저들에게 필요로 하는 어플을 보다 정확하게 추천할 수 있는 효과가 있다.
도 1 은 본 발명의 실시예에 따른 Java와 연관규칙을 이용한 데이터 분석 장치의 구성을 나타낸 블록도
도 2 는 본 발명의 실시예에 따른 Java와 연관규칙을 이용한 데이터 분석 방법을 설명하기 위한 흐름도
도 3 은 도 2에서 유저들(행)별로 수집된 어플 목록 데이터를 나타낸 실시예
도 4 는 도 2에서 유저들별로 수집된 어플 사용기록 데이터를 나타낸 실시예
도 5 는 도 2에서 프로그래밍 언어 Java와 연관규칙 알고리즘을 사용하여 생성된 연관규칙을 생성한 경우를 나타낸 실시예
도 6 은 도 2에서 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 사용시간 카운터 데이터로 변경하여 나타낸 실시예
도 7 은 유저별로 선호 어플 목록을 선별한 경우를 나타낸 실시예
본 발명의 다른 목적, 특성 및 이점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.
본 발명에 따른 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 설명하면 다음과 같다. 그러나 본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예는 본 발명의 개시가 완전하도록하며 통상의 지식을 가진자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1 은 본 발명의 실시예에 따른 Java와 연관규칙을 이용한 데이터 분석 장치의 구성을 나타낸 블록도이다.
도 1에서 도시하고 있는 것과 같이, 유저의 개인정보를 동의 후 수집한 개인데이터, 유저들의 어플 목록 데이터 및 어플 사용기록 데이터를 수집하는 수집부(10)와, 유저의 개인 데이터를 통해 나이별(10대, 20대, 30대, 40대 등), 지역별(서울, 경기, 강원, 부산 등), 성별(남, 여)로 나누어 카테고리별로 미리 저장하는 카테고리별 데이터 저장부(20)와, 상기 어플 목록 데이터와 카테고리별 데이터를 서로 조인시켜 상기 수집부(10)에서 수집된 데이터를 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터로 생성하는 카테고리별 어플목록 데이터 생성부(30)와, 프로그래밍 언어 Java를 이용하여 상기 카테고리별 어플목록 데이터 생성부에서 생성된 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터에 연관규칙을 발생시켜 규칙들을 저장하는 연관규칙저장부(40)와, 상기 수집된 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터로 바꿔 주는 데이터전처리부(50)와, 상기 데이터전처리부(50)에서 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터를 협업필터링 알고리즘에 적용시켜 각 유저별로 10개 이상의 선호 어플을 선별하는 선별부(60)와 상기 연관규칙에서 만들어진 규칙과 상기 선별된 유저별 선호 어플이 적용되는 유저에게 검출된 선호 어플을 추천해주는 추천 어플부(70)로 구성된다. 그리고 이렇게 선별된 유저별 선호 어플들은 데이터베이스화하여 저장부(미도시)에 저장한다.
이때, 상기 연관규칙저장부(40)에서 프로그래밍 언어 Java를 사용하여 연관규칙을 만들 때, 연관규칙 계산에 불필요한 스마트폰에 기본으로 탑재되어 있는 어플은 삭제하고, 여러 사용자에게 맞는 규칙들을 적용하기 위해 발생될 수 있는 모든 규칙을 찾도록 설정한다.
또한, 상기 데이터전처리부(50)는 어플 사용기록 데이터를 사용시간 카운트 데이터로 바꿔 주는 전처리를 한다. 상기 사용시간 카운트 데이터는 유저가 사용한 어플들 중 유저가 많이 사용하는 어플을 구별하기 위해 유저가 사용한 어플들의 사용시간을 순위화하여 어플에 부여한 점수와 유저가 사용한 어플들의 카운트를 순위화하여 어플에 부여한 점수를 합친 것이다.
이와 같이 구성된 본 발명에 따른 Java와 연관규칙을 이용한 데이터 분석 장치의 구성의 동작을 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다. 도 1과 동일한 참조부호는 동일한 기능을 수행하는 동일한 부재를 지칭한다.
도 2 는 본 발명의 실시예에 따른 Java와 연관규칙을 이용한 데이터 분석 방법을 설명하기 위한 흐름도이다.
도 2를 참조하여 설명하면, 먼저 수집부(10)를 통해 유저의 개인정보를 동의 후 수집한 개인데이터, 유저들의 어플 목록 데이터 및 어플 사용기록 데이터를 수집한다(S10). 도 3 은 유저들(행)별로 수집된 어플 목록 데이터를 나타낸 실시예이고, 도 4 는 유저들별로 수집된 어플 사용기록 데이터를 나타낸 실시예이다.
이어, 이어, 유저의 개인 데이터를 통해 나이별(10대, 20대, 30대, 40대 등), 지역별(서울, 경기, 강원, 부산 등), 성별(남, 여)로 나누어 카테고리별로 미리 저장하고(S20), 카테고리별 어플목록 데이터 생성부(30)를 통해 상기 어플 목록 데이터와 카테고리별 데이터를 서로 조인시켜 상기 수집부(10)에서 수집된 데이터를 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터로 생성한다(S30).
그리고 연관규칙저장부(40)를 통해 카테고리별 어플목록 데이터 생성부(30)에서 생성된 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터를 가지고 프로그래밍 언어 Java와 연관규칙 알고리즘을 사용하여 어플과 어플 간의 동시 검출 비율을 나타내는 연관규칙을 생성한다(S40). 이때, 생성되는 연관규칙은 도 5에서 도시하고 있는 것과 같이, 유저들이 가지고 있는 어플 목록을 기반으로 중복되는 어플(lhs)을 가지고 있는 경우에, 추가되는 다른 어느 하나의 어플(rhs)이 포함되어 있는지를 수치적으로 나타낸 규칙이다.
이때, 연관규칙을 만들 때, 연관규칙 계산에 불필요한 스마트폰에 기본으로 탑재되어 있는 어플은 삭제하고, 여러 사용자에게 맞는 규칙들을 적용하기 위해 발생될 수 있는 모든 규칙을 찾도록 설정한다.
이어 데이터전처리부(50)를 통해 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터로 변경한 후(S50), 선별부(60)를 통해 상기 데이터전처리부(30)에서 사용시간 순위 점수 및 카운트 순위 점수를 합친 사용시간 카운트 데이터를 Java와 협업 필터링 알고리즘을 이용하여 각 유저별로 10개 이상의 선호 어플을 검출한 후 저장한 후(S60), 추천 어플부(70)에서 상기 연관규칙에서 만들어진 규칙과 상기 선별된 유저별 선호 어플이 적용되는 유저에게 검출된 선호 어플을 추천한다(S70). 이때, 도 6 은 도 2에서 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 사용시간 카운터 데이터로 변경하여 나타낸 실시예이고, 도 7 은 유저별로 5개의 선호 어플 목록을 선별한 경우를 나타낸 실시예이다.
상기에서 설명한 본 발명의 기술적 사상은 바람직한 실시예에서 구체적으로 기술되었으나, 상기한 실시예는 그 설명을 위한 것이며 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술적 분야의 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 실시예가 가능함을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (8)

  1. 유저의 개인정보를 동의 후 수집한 개인데이터, 유저들의 어플 목록 데이터 및 어플 사용기록 데이터를 수집하는 수집부와,
    유저의 개인 데이터를 통해 나이별, 지역별, 성별로 나누어 카테고리별로 미리 저장하는 카테고리별 데이터 저장부와,
    상기 어플 목록 데이터와 카테고리별 데이터를 서로 조인시켜 상기 수집부에서 수집된 데이터를 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터로 생성하는 카테고리별 어플목록 데이터 생성부와,
    프로그래밍 언어 Java를 이용하여 상기 카테고리별 어플목록 데이터 생성부에서 생성된 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터에 연관규칙을 발생시켜 규칙들을 저장하는 연관규칙저장부와,
    상기 수집된 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터로 바꿔 주는 데이터전처리부와,
    상기 데이터전처리부에서 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터를 협업필터링 알고리즘에 적용시켜 각 유저별로 10개 이상의 선호 어플을 선별하는 선별부와,
    상기 연관규칙에서 만들어진 규칙과 상기 선별된 유저별 선호 어플이 적용되는 유저에게 검출된 선호 어플을 추천해주는 추천 어플부를 포함하여 구성되는 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치.
  2. 제 1 항에 있어서,
    상기 연관규칙저장부는 프로그래밍 언어 Java를 사용하여 연관규칙을 만들 때, 연관규칙 계산에 불필요한 스마트폰에 기본으로 탑재되어 있는 어플은 삭제하고, 여러 사용자에게 적용 가능한 규칙으로 발생될 수 있는 규칙을 찾도록 설정하는 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치.
  3. 제 1 항에 있어서,
    상기 데이터전처리부는 어플 사용기록 데이터를 사용시간 카운트 데이터로 전처리 하는 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치.
  4. 제 3 항에 있어서,
    상기 사용시간 카운트 데이터는 유저가 사용한 어플들 중 유저가 많이 사용하는 어플을 구별하기 위해 유저가 사용한 어플들의 사용시간을 순위화하여 어플에 부여한 점수와 유저가 사용한 어플들의 카운트를 순위화하여 어플에 부여한 점수를 합친 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치.
  5. (A) 수집부를 통해 유저의 개인정보를 동의 후 수집한 개인데이터, 유저들의 어플 목록 데이터 및 어플 사용기록 데이터를 수집하는 단계와,
    (B) 유저의 개인 데이터를 통해 나이별, 지역별, 성별로 나누어 카테고리별로 미리 저장되어 있는 카테고리별 데이터를 상기 어플 목록 데이터와 서로 조인시켜 상기 수집된 데이터를 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터로 생성하는 단계와,
    (C) 연관규칙저장부를 통해 카테고리별 어플목록 데이터 생성부에서 생성된 나이별 어플목록 데이터, 지역별 어플목록 데이터 및 성별 어플목록 데이터를 가지고 프로그래밍 언어 Java와 연관규칙 알고리즘을 사용하여 어플과 어플 간의 동시 검출 비율을 나타내는 연관규칙을 생성하는 단계와,
    (D) 데이터전처리부를 통해 어플 사용기록 데이터를 사용시간 순위 점수 및 카운트 순위 점수를 합친 데이터로 변경하는 단계와,
    (E) 선별부를 통해 상기 데이터전처리부에서 사용시간 순위 점수 및 카운트 순위 점수를 합친 사용시간 카운트 데이터를 Java와 협업 필터링 알고리즘을 이용하여 각 유저별로 10개 이상의 선호 어플을 검출한 후 저장하는 단계와,
    (F) 추천 어플부를 통해 상기 연관규칙에서 만들어진 규칙과 상기 선별된 유저별 선호어플이 적용되는 유저에게 검출된 선호 어플을 추천하는 단계를 포함하여 이루어지는 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 방법.
  6. 제 5 항에 있어서,
    상기 (C) 단계에서 생성되는 연관규칙은 유저들이 가지고 있는 어플 목록을 기반으로 중복되는 어플(lhs)을 가지고 있는 경우에, 추가되는 다른 어느 하나의 어플(rhs)이 포함되어 있는지를 수치적으로 나타내는 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 방법.
  7. 제 5 항에 있어서, 상기 (C) 단계는
    연관규칙을 만들 때, 스마트폰에 기본으로 탑재되어 있는 어플을 삭제하고, 여러 사용자에게 맞는 규칙들을 적용하기 위해 발생될 수 있는 규칙을 찾도록 설정하는 단계를 포함하는 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 방법.
  8. 제 5 항에 있어서,
    상기 (D) 단계는 유저 어플 목록 데이터에 협업 필터링의 계산에서 사용시간 카운트 데이터(rating)를 이용하며, 이때, 상기 사용시간 카운트 데이터(rating)는 유저가 많이 사용하는 어플을 구별하기 위해 유저가 사용한 어플들의 사용시간을 순위화하여 어플에 부여한 점수와 유저가 사용한 어플들의 카운트를 순위화하여 어플에 부여한 점수를 합친 것을 특징으로 하는 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 방법.
KR1020170026033A 2017-02-28 2017-02-28 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법 KR20180099067A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170026033A KR20180099067A (ko) 2017-02-28 2017-02-28 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170026033A KR20180099067A (ko) 2017-02-28 2017-02-28 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20180099067A true KR20180099067A (ko) 2018-09-05

Family

ID=63594713

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170026033A KR20180099067A (ko) 2017-02-28 2017-02-28 Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR20180099067A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102088855B1 (ko) * 2019-06-21 2020-05-15 탱커펀드주식회사 협업 필터링 기반의 사용자 선호도 예측 장치 및 그 방법과, 이를 이용한 서비스 제공 방법
WO2022216034A1 (ko) * 2021-04-07 2022-10-13 주식회사 피씨엔씨 협업필터링과 도서 기반 추천을 결합한 하이브리드 방식의 도서 추천을 위한 장치 및 이를 위한 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080026948A (ko) 2006-09-22 2008-03-26 숭실대학교산학협력단 연관 키워드 그룹 추출 방법
KR20120135396A (ko) 2012-12-03 2012-12-13 경희대학교 산학협력단 사용자의 심리적 상태를 고려한 스마트폰용 앱 자동 추천시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080026948A (ko) 2006-09-22 2008-03-26 숭실대학교산학협력단 연관 키워드 그룹 추출 방법
KR20120135396A (ko) 2012-12-03 2012-12-13 경희대학교 산학협력단 사용자의 심리적 상태를 고려한 스마트폰용 앱 자동 추천시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102088855B1 (ko) * 2019-06-21 2020-05-15 탱커펀드주식회사 협업 필터링 기반의 사용자 선호도 예측 장치 및 그 방법과, 이를 이용한 서비스 제공 방법
WO2022216034A1 (ko) * 2021-04-07 2022-10-13 주식회사 피씨엔씨 협업필터링과 도서 기반 추천을 결합한 하이브리드 방식의 도서 추천을 위한 장치 및 이를 위한 방법

Similar Documents

Publication Publication Date Title
US11861628B2 (en) Method, system and computer readable medium for creating a profile of a user based on user behavior
Hew Hall of fame for mobile commerce and its applications: A bibliometric evaluation of a decade and a half (2000–2015)
Haba et al. Factors leading to consumer perceived value of smartphones and its impact on purchase intention
Geiger et al. Personalized task recommendation in crowdsourcing information systems—Current state of the art
Odić et al. Predicting and detecting the relevant contextual information in a movie-recommender system
Wolny et al. Mapping customer journeys in multichannel decision-making
Ayodele et al. Factors influencing smartphone purchase behavior among young adults in Nigeria
US11960471B2 (en) Using lineage to infer data quality issues
Vico et al. A study on proactive delivery of restaurant recommendations for android smartphones
US20150161517A1 (en) Device and method for predicting popularity of social data
WO2010010654A1 (ja) 使い方推定装置
Costa et al. Emotion-based recommender system for overcoming the problem of information overload
Eide et al. Human-machine networks: towards a typology and profiling framework
Khezrian et al. An approach for web service selection based on confidence level of decision maker
KR20180099073A (ko) 유저 맞춤형 어플을 자동으로 추천하기 위한 장치 및 그 방법
KR20180099067A (ko) Java와 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법
KR101883314B1 (ko) R 연관규칙과 협업필터링을 이용한 데이터 분석 장치 및 그 방법
Daoud et al. Opinion observer: recommendation system on e-commerce website
Raber et al. Deriving privacy settings for location sharing: Are context factors always the best choice?
Debnath et al. Digital transformation: A quality model based on ISO 25010 and user experience
Symeonidis et al. Unsupervised consumer intention and sentiment mining from microblogging data as a business intelligence tool
JP2020135673A (ja) 投稿評価システム及び方法
KR20180005461A (ko) 유저 맞춤형 어플 자동 추천 장치 및 그 방법
KR20150101537A (ko) 사용자 행위에 기반한 전자서적 추천 장치 및 방법
Grifoni et al. CREMOR: CREdibility Model on Online Reviews-How people Consider Online Reviews Believable

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application