KR20190084764A - Cosmetic recommendation system based on reviews data related to cosmetic and the method of recommending cosmetic - Google Patents
Cosmetic recommendation system based on reviews data related to cosmetic and the method of recommending cosmetic Download PDFInfo
- Publication number
- KR20190084764A KR20190084764A KR1020180002886A KR20180002886A KR20190084764A KR 20190084764 A KR20190084764 A KR 20190084764A KR 1020180002886 A KR1020180002886 A KR 1020180002886A KR 20180002886 A KR20180002886 A KR 20180002886A KR 20190084764 A KR20190084764 A KR 20190084764A
- Authority
- KR
- South Korea
- Prior art keywords
- cosmetic
- cosmetics
- preference
- model
- unit
- Prior art date
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
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47G—HOUSEHOLD OR TABLE EQUIPMENT
- A47G27/00—Floor fabrics; Fastenings therefor
- A47G27/02—Carpets; Stair runners; Bedside rugs; Foot mats
- A47G27/0243—Features of decorative rugs or carpets
- A47G27/025—Modular rugs
-
- A—HUMAN NECESSITIES
- A44—HABERDASHERY; JEWELLERY
- A44B—BUTTONS, PINS, BUCKLES, SLIDE FASTENERS, OR THE LIKE
- A44B18/00—Fasteners of the touch-and-close type; Making such fasteners
-
- A—HUMAN NECESSITIES
- A44—HABERDASHERY; JEWELLERY
- A44B—BUTTONS, PINS, BUCKLES, SLIDE FASTENERS, OR THE LIKE
- A44B19/00—Slide fasteners
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47G—HOUSEHOLD OR TABLE EQUIPMENT
- A47G27/00—Floor fabrics; Fastenings therefor
- A47G27/02—Carpets; Stair runners; Bedside rugs; Foot mats
- A47G27/0243—Features of decorative rugs or carpets
- A47G27/0281—Resisting skidding or creeping
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47G—HOUSEHOLD OR TABLE EQUIPMENT
- A47G27/00—Floor fabrics; Fastenings therefor
- A47G27/04—Carpet fasteners; Carpet-expanding devices ; Laying carpeting; Tools therefor
- A47G27/0437—Laying carpeting, e.g. wall-to-wall carpeting
- A47G27/0468—Underlays; Undercarpets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
-
- G06F17/27—
-
- 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
- G06Q30/0271—Personalized advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
본 발명은 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천방법에 대한 것이다.The present invention relates to a cosmetics recommendation system based on review data on cosmetics and a recommendation method for cosmetics.
보다 구체적으로, 본 발명은 온라인 상의 화장품 관련 리뷰 데이터를 수집하고 이를 분석하여 화장품 선호도를 정량화 함으로써, 사용자의 피부 상태에 보다 적합한 맞춤 제품을 효과적으로 추천해줄 수 있는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 대한 것이다.More specifically, the present invention collects and analyzes cosmetic-related review data on-line to quantify cosmetic preference, thereby effectively recommending a customized product more suited to the skin condition of a user. It is about recommendation method.
근래에는 미에 대한 관심이 증가하면서, 사용자 얼굴의 피부 미용에 대한 관심이 높아지고 있다. 특히, 사용자의 얼굴 피부를 촬영하여 사용자 얼굴에 있는 다양한 피부 트러블(예를 들어, 주름, 모공 및 여드름 등) 등을 분석하는 피부 상태 측정 장치가 개발되고 있다. In recent years, interest in beauty has increased and interest in the beauty of the user's face has been increasing. Particularly, a skin condition measuring apparatus for photographing a user's face skin and analyzing various skin troubles (e.g., wrinkles, pores, acne, etc.) on the user's face is being developed.
한편, 이러한 피부 상태 측정 장치에서의 결과를 바탕으로 화장품을 추천해주는 다양한 시스템이 개시되어 있다.On the other hand, various systems for recommending cosmetics based on the results of such a skin condition measuring apparatus are disclosed.
다만, 종래의 피부 측정 결과에 따른 맞춤 화장품 추천 방법은, 피부 타입에 따라 기 등록되어 있는 제품이 획일적으로 추천이 되는 방식이거나, 사용자 집단이 매긴 별점들을 종합하여 단순 수치화 한 뒤 순위에 따른 추천을 하는 방식을 이루었다. 즉, 피부 측정 결과에 따라 피부 개선의 여지가 있는 피부 항목에 상응하는 기 설정 제품이 획일적으로 추천되도록 설계되는 시스템이었다. However, the recommendation method of customized cosmetics according to the result of skin measurement according to the prior art is a method in which a product registered in advance according to a skin type is uniformly recommended, . That is, the system was designed so that the predetermined product corresponding to the skin item having the possibility of skin improvement according to the skin measurement result is uniformly recommended.
따라서, 상기 기존의 맞춤 화장품 추천 방법은, 소비자의 화장품에 대한 최신 실사용 후기를 반영하기 어려웠고, 또한 획일적이고 제한적인 화장품을 추천함으로 인해 사용자의 피부를 개선하기 위한 최적의 맞춤 화장품의 제공이 곤란 하였다. Therefore, it is difficult for the conventional customized cosmetic recommendation method to reflect recent reviews of the latest use of cosmetics by consumers, and it is difficult to provide optimal custom cosmetics for improving the user's skin due to the recommendation of uniform and limited cosmetics Respectively.
본 발명은 화장품에 대한 최신 사용자 리뷰를 포함한 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 다양하게 수집 및 분석하여 획득한 화장품 선호도 모델을 통해, 리뷰 내의 화장품에 대한 선호도를 정량화 할 수 있고, 이를 기반으로 사용자 맞춤 화장품을 추천할 수 있는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법을 제공한다.The present invention can quantify the preference for cosmetics in a review through a cosmetics preference model obtained by variously collecting and analyzing cosmetics-related review data posted on a web page on-line including latest user reviews on cosmetics, Based on this, we provide cosmetics recommendation system and cosmetics recommendation method based on review data of cosmetics that can recommend customized cosmetics.
본 발명은 또한, 화장품 관련 리뷰 데이터를 피부 진단 항목별로 분류한 후, 상기 피부 진단 항목의 개선에 적합한 맞춤 화장품을 보다 효과적으로 추천할 수 있는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법을 제공한다.The present invention also provides a cosmetics recommendation system and a cosmetics recommendation method based on a cosmetics-related review data, which can more effectively recommend a custom cosmetics suitable for improvement of the skin diagnosis item after classifying cosmetics-related review data by skin diagnosis items .
본 발명은 상기 과제를 해결하기 위하여 안출 된 것으로써, 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템에 대한 것이다.The present invention has been devised in order to solve the above-mentioned problems, and the present invention relates to a cosmetic recommendation system based on review data on cosmetics.
상기 화장품 추천 시스템은, 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 수집부; 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 추출부; 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 모델 학습부; 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 선호도 계산부; 및 상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부를 포함한다.The cosmetics recommendation system includes a collection unit for collecting cosmetics-related review data by crawling web pages on-line; An extraction unit for extracting a list of major words associated with the evaluation of cosmetics in the collected data through natural language processing; A model learning unit for learning a model for quantifying cosmetic preference through machine learning based on the extracted main word list; A preference calculating unit for calculating a cosmetic preference score of the new review data related to the cosmetics based on the model learned by the model learning unit; And a controller for recommending cosmetics according to the cosmetics preference score calculated by the preference calculating unit.
하나의 예시에서, 상기 수집부는, 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 자동으로 수집하는 소프트웨어를 포함할 수 있다.In one example, the collecting unit may include software for automatically crawling web pages on-line to collect cosmetics-related review data.
본 발명에 따른 상기 화장품 추천 시스템은, 예를 들면 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터부를 더 포함할 수 있다. 이 경우, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있고, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있으며, 상기 선호도 계산부는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있고, 상기 제어부는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다.The cosmetic recommendation system according to the present invention may further include a filter unit for classifying the collected data for each skin diagnosis item. In this case, the extracting unit may extract, through natural language processing, a main word list associated with an evaluation for cosmetics in the data classified by the skin diagnosis item, and the model learning unit may perform a machine learning The preference calculation unit may calculate a score of the cosmetic preference score of each skin diagnosis item on the new review data related to the cosmetics based on the model learned in the model learning unit And the control unit may recommend a cosmetic product for improving a specific skin diagnosis item according to the cosmetic preference score for each skin diagnosis item calculated by the preference calculation unit.
하나의 예시에서, 상기 필터부는 상기 수집된 데이터를 여드름, 주름, 피지, 모공, 홍조 및 색소 침착으로 이루어진 군에서 선택되는 어느 하나의 피부 진단 항목으로 분류할 수 있다.In one example, the filter unit may classify the collected data into any one of the skin diagnosis items selected from the group consisting of acne, wrinkles, sebum, pores, redness and pigmentation.
하나의 예시에서, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있다.In one example, the extracting unit can extract, through natural language processing, a keyword list associated with a positive evaluation of cosmetics in the data classified by the skin diagnosis item.
하나의 예시에서, 상기 주요 단어 리스트는 상기 피부 진단 항목별로 분류된 데이터 내에서의 빈도를 기반으로 설정될 수 있다.In one example, the main word list may be set based on frequency in data classified by the skin diagnosis item.
하나의 예시에서, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 서포트 벡터 머신 또는 딥 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있다.In one example, the model learning unit may learn a model for quantifying the cosmetic preference of each skin diagnosis item through a support vector machine or deep learning based on the extracted main word list.
하나의 예시에서, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 이용하여 상기 피부 진단 항목별로 분류된 데이터를 리뷰 벡터로 변환하는 변환부; 및 상기 리뷰 벡터로부터 피부 진단 항목에 대한 서포트 벡터 머신 또는 딥러닝 모델을 학습하는 학습부를 포함할 수 있다. 이 경우, 상기 선호도 계산부는 화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산할 수 있다.In one example, the model learning unit may include a conversion unit that converts data classified by the skin diagnosis item into a review vector using the extracted main word list; And a learning unit for learning a support vector machine or a deep learning model for a skin diagnosis item from the review vector. In this case, the preference calculation unit may calculate the cosmetic preference score based on the vector data obtained from the new review data related to the cosmetics.
본 발명은 또한, 화장품 관련 리뷰 데이터 기반 화장품 추천 방법에 대한 것이다. The present invention also relates to a method for recommending cosmetics based on review data on cosmetics.
상기 화장품 추천 방법은 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 단계; 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 단계; 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 단계; 상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 단계; 및 상기 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 단계를 포함한다.The method of recommending cosmetics includes collecting cosmetics-related review data by crawling web pages on-line; Extracting a keyword list associated with an evaluation of cosmetics in the collected data through natural language processing; Learning a model for quantifying cosmetic preference through machine learning based on the extracted main word list; Calculating a cosmetic preference score for new review data related to the cosmetics based on the learned model; And recommending the cosmetic according to the calculated cosmetic preference score.
상기 화장품 추천 방법은 또한, 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터링 단계를 더 포함할 수 있다. 이 경우, 상기 추출하는 단계는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있고, 상기 모델을 학습하는 단계는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있으며, 상기 화장품 선호도 점수를 계산하는 단계는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있고, 상기 화장품을 추천하는 단계는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다. The cosmetic recommendation method may further include a filtering step of classifying the collected data according to skin diagnosis items. In this case, in the extracting step, the main word list associated with the evaluation of cosmetics in the data classified by the skin diagnosis item may be extracted through natural language processing, and the learning of the model may include extracting the extracted main word list A model for quantifying the cosmetic preference degree of each skin diagnosis item can be learned through machine learning. The step of calculating the cosmetic preference score may include calculating a score of the cosmetic preference score based on the model learned in the model learning unit, A recommendation score of the cosmetic product may be calculated for each skin diagnosis item. In the step of recommending the cosmetic product, the cosmetic product for recommending a specific skin diagnosis item may be recommended according to the cosmetic preference score of each skin diagnosis item calculated by the preference calculation unit.
본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 의하면, 다양한 온라인 화장품 관련 리뷰 데이터를 기반으로 사용자에게 다양한 종류의 화장품을 추천할 수 있다.According to the cosmetics recommendation system and cosmetics recommendation method based on the review data related to cosmetics according to the present invention, various kinds of cosmetics can be recommended to the user based on various online cosmetics review data.
또한, 본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 의하면 사용자의 피부 진단 항목의 개선에 보다 효과적인 화장품을 화장품 관련 리뷰 데이터를 기반으로 다양하게 추천할 수 있다.Further, according to the cosmetics recommendation system and cosmetics recommendation method based on review data related to cosmetics according to the present invention, cosmetics more effective in improving the user's skin diagnosis items can be variously recommended based on cosmetics related review data.
물론, 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.Of course, the scope of the present invention is not limited by these effects.
도 1 및 2는 본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템의 구성들을 블록화 한 도면이다.
도 3 및 4는 본 발명에 따른 화장품 추천 시스템의 구체적인 흐름을 설명하기 위한 도면이다.
도 5 및 6은 본 발명에 따른 화장품 추천 방법에 대한 단계를 도식화한 것이다. 1 and 2 are block diagrams showing configurations of a cosmetic recommendation system based on a review data on cosmetics according to the present invention.
3 and 4 are views for explaining a specific flow of the cosmetic recommendation system according to the present invention.
Figures 5 and 6 illustrate the steps for the method of recommending cosmetics according to the present invention.
이하, 본 발명에 대하여, 도면 및 예시를 들어 보다 구체적으로 설명한다.Hereinafter, the present invention will be described in more detail with reference to drawings and examples.
본 명세서에서, 단수의 표현은 달리 명시하지 않는 한 복수의 표현을 포함한다.In this specification, the singular forms "a", "an" and "the" include plural referents unless the context clearly dictates otherwise.
본 명세서에서 사용되는 용어는, 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다. As used herein, the term " general term " is used to refer to functions of the present invention. However, the present invention is not limited to the intention or the precedent of the present invention. Also, in certain cases, there may be a term selected arbitrarily by the applicant, in which case the meaning thereof will be described in detail in the description of the corresponding invention. Therefore, the term used in the present invention should be defined based on the meaning of the term, not on the name of a simple term, but on the entire contents of the present invention.
본 발명의 실시예들은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 발명된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.Embodiments of the present invention are capable of various transformations and may have various embodiments, and specific embodiments are illustrated in the drawings and described in detail in the description. It should be understood, however, that it is not intended to limit the scope to any particular embodiment, but is intended to cover all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS In the following description of the embodiments of the present invention,
본 명세서에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.As used herein, the terms "comprise", "comprising" and / or "comprising" are intended to specify the presence of stated features, integers, steps, operations, elements, components or combinations thereof, But do not preclude the presence or addition of features, numbers, steps, operations, components, parts, or combinations thereof.
이하, 첨부한 도면을 참고하여 본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 대해 설명한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to the preferred embodiments of the present invention, examples of which are illustrated in the accompanying drawings.
본 발명은 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템에 대한 것이다. 본 발명에 따른 화장품 추천 시스템은 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 기반으로 화장품을 추천하는 시스템에 대한 것이다.The present invention relates to a cosmetic recommendation system based on review data on cosmetics. The cosmetic recommendation system according to the present invention is directed to a system for recommending cosmetics based on cosmetic related review data posted on a web page on-line.
본 명세서에서 용어 「화장품 관련 리뷰 데이터」는 온라인 상의 웹페이지 에 게재되어 있고, 화장품에 대한 사용 후기 및 제품 평가 등을 포함하여 화장품 선호도를 정량화 하는 모델을 설계하는데 이용될 수 있는 화장품 리뷰 데이터를 의미한다. The term " cosmetic related review data " is used herein to refer to cosmetic review data that can be used to design a model for quantifying cosmetic preferences, including reviews on products and reviews on cosmetic products. do.
본 발명에 따른 화장품 추천 시스템은 상기 화장품 관련 리뷰 데이터를 수집하고, 상기 데이터 내에서 관련 주요 단어 리스트를 추출하며, 이를 기반으로 화장품 선호도를 정량화 하는 모델을 설계함으로써, 사용자에게 화장품 리뷰 데이터에 개시되어 있는 화장품에 대한 선호도 점수를 제공하고, 궁극적으로 사용자에게 맞춤 화장품을 추천할 수 있다.The cosmetic recommendation system according to the present invention collects the cosmetic related review data, extracts a relevant main word list in the data, and designs a model for quantifying the cosmetic preference based on the extracted list. Provide a preference score for the cosmetics you are in, and ultimately recommend custom cosmetics to your users.
또한, 본 발명에 따른 화장품 추천 시스템은 피부 항목별로 화장품 리뷰 데이터를 수집 및 분류한 후, 이를 기반으로 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 설계 및 이를 통한 화장품 선호도 수치화를 수행함으로써, 사용자의 피부 진단 항목에 따른 맞춤 화장품을 보다 효과적으로 추천할 수 있다. In addition, the cosmetic recommendation system according to the present invention collects and classifies cosmetic review data for each skin item, designs a model for quantifying the cosmetic preference of each skin diagnosis item based on the data, and quantifies the cosmetic preference degree through the model, It is possible to recommend the customized cosmetics according to the skin diagnosis items more effectively.
도 1은 본 발명에 따른 화장품 추천 시스템의 각 구성을 블록화 한 도면이다. Fig. 1 is a block diagram of each configuration of a cosmetic recommendation system according to the present invention.
도 1에 도시되어 있는 바와 같이, 본 발명에 따른 화장품 추천 시스템(1)은 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 수집부(100); 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 추출부(200); 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 모델 학습부(300); 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 선호도 계산부(400); 및 상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부(500)를 포함한다.1, the
본 발명에 따른 화장품 추천 시스템은 화장품 관련 리뷰 데이터를 수집하는 수집부(100)를 포함한다. 상기 수집부(100)는 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집한다. The cosmetic recommendation system according to the present invention includes a
상기 수집부는, 예를 들면 상기 크롤링(crawling)을 수행하는 소프트웨어를 포함할 수 있다.The collecting unit may include, for example, software for performing the crawling.
하나의 예시에서, 상기 수집부는 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 자동으로 수집하는 소프트웨어를 포함할 수 있다. 상기 소프트웨어는 기 설정된 수집 알고리즘에 의해 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 수집할 수 있다. In one example, the collector may include software that automatically crawls web pages on-line to collect cosmetics-related review data. The software can collect cosmetic review data posted on a web page on-line by a predetermined collection algorithm.
보다 구체적인 예시에서, 수집 대상 범위인 온라인 상의 웹페이지는 검색 기능을 가지는 포털 싸이트에서 검색 가능한 블로그 및/또는 화장품 관련 리뷰를 전문적으로 취급하는 웹 싸이트 등 일 수 있으나 이에 제한되는 것은 아니다. In a more specific example, a web page on-line, which is a collection target range, may be, but not limited to, a web site that professionally handles blogs and / or cosmetics-related reviews searchable on a portal site having a search function.
본 발명에 따른 화장품 추천 시스템은 상기 수집부에서 수집된 데이터를 피부 진단 항목별로 분류하고, 이를 기반으로 화장품 선호도 모델을 학습함으로써, 사용자에게 피부 진단 항목별 화장품 선호도 점수를 제공할 수 있다.The cosmetic recommendation system according to the present invention can classify the data collected by the collection unit into skin diagnosis items and learn a cosmetic preference model based on the classified data, thereby providing the user with a cosmetic preference score for each skin diagnosis item.
즉, 본 발명에 따른 화장품 추천 시스템은, 도 2에 도시되어 있는 바와 같이, 수집부(100)에 의해 수집된 데이터를 피부 진단 항목별로 분류하는 필터부(600)를 더 포함할 수 있다. 이 경우, 상기 모델 학습부(300), 선호도 계산부(400) 및 제어부(500)는 각각 상기 필터부(600)에 의해 분류된 피부 진단 항목별 화장품 관련 리뷰 데이터를 기반으로 모델 학습, 선호도 계산 및 화장품 추천을 수행할 수 있다.That is, the cosmetic recommendation system according to the present invention may further include a
하나의 예시에서, 본 발명에 따른 화장품 추천 시스템이 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터부를 더 포함하는 경우, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고, 상기 선호도 계산부는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며, 상기 제어부는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다.In one example, when the cosmetic recommendation system according to the present invention further includes a filter unit for classifying the collected data by skin diagnosis items, the extracting unit extracts, for each skin diagnosis item, The model learning unit learns a model for quantifying the cosmetic preference of each skin diagnosis item through machine learning based on the extracted main word list, The control unit calculates the preference score of each skin diagnosis item for new review data related to cosmetics based on the model learned in the preference calculation unit, and the control unit can improve specific skin diagnosis items according to the cosmetic preference score calculated by the preference calculation unit You can recommend a cosmetics for yourself.
상기와 같이, 수집부에 의해 수집된 화장품 관련 리뷰 데이터를 피부 항목별로 분류하는 필터부를 화장품 추천 시스템 내에 더 포함시키면, 피부 진단 항목별로 화장품 선호도를 정량화 할 수 있고, 이를 기반으로 추가되는 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있으며, 궁극적으로 사용자에게 특정 피부 진단 항목 개선을 위한 화장품을 추천해줄 수 있다. 따라서, 피부 상태 진단 기기를 통해 측정된 항목별 피부 상태 측정 결과와 연계하여 사용자의 피부 상태를 개선시키는 일련의 시스템을 구현할 수 있다.As described above, if the filter section for classifying cosmetic related review data collected by the collection section into skin items is further included in the cosmetic recommendation system, cosmetic preference can be quantified for each skin diagnosis item, and new review data Can be calculated for each skin diagnosis item and ultimately, the user can recommend a cosmetic product for improving a specific skin diagnosis item. Accordingly, a series of systems for improving the skin condition of the user in connection with the skin condition measurement result of each item measured through the skin condition diagnostic apparatus can be implemented.
상기 필터부에 의해 분류되는 데이터는, 예를 들면 여드름, 주름, 피지, 모공, 홍조 및 색소 침착 등의 피부 진단 항목별로 필터링 될 수 있다.The data classified by the filter unit can be filtered by skin diagnosis items such as acne, wrinkles, sebum, pores, redness and pigmentation.
하나의 예시에서, 상기 필터부는 상기 수집된 데이터를 여드름, 주름, 피지, 모공, 홍조 및 색소 침착으로 이루어진 군에서 선택되는 어느 하나의 피부 진단 항목으로 분류할 수 있다. In one example, the filter unit may classify the collected data into any one of the skin diagnosis items selected from the group consisting of acne, wrinkles, sebum, pores, redness and pigmentation.
상기 수집부에 의해 수집된 데이터 또는 상기 필터부에 의해 분류된 피부 진단 항목별 데이터에서 화장품에 대한 평가와 연관된 주요 단어 리스트는 추출부에 의해 추출된다. The main word list associated with the evaluation of cosmetics in the data collected by the collection unit or the data of the skin diagnosis items classified by the filter unit is extracted by the extraction unit.
즉, 추출부는 모델 학습부에서 학습되는 화장품 선호도 정량화 모델을 설정하기 위하여 주요 단어 리스트를 추출하는 역할을 수행한다. That is, the extracting unit plays a role of extracting a main word list in order to set a cosmetic preference quantification model learned in the model learning unit.
상기 주요 단어 리스트는 화장품에 대한 평가와 연관된 주요 단어 리스트로써, 예를 들면 피부 진단 항목별로 분류된 데이터에 따라 상이한 단어 리스트가 추출될 수 있다.The main word list is a list of major words associated with the evaluation of cosmetics. For example, a different word list may be extracted according to data classified by skin diagnosis items.
하나의 예시에서, 피부 진단 항목이 여드름인 경우, 상기 주요 단어 리스트는, 화농성, 블랙헤드, 여드름 흉터 등일 수 있으나 이에 제한되는 것은 아니다.In one example, if the skin diagnosis item is acne, the key word list may be, but is not limited to, purulent, blackhead, acne scar, and the like.
상기 주요 단어 리스트는 수집부에 의해 수집된 데이터 또는 피부 진단 항목별로 분류된 데이터 내에서 다수 기재되어 있는 단어 일 수 있다. 즉, 상기 주요 단어 리스트는, 상기 수집부에 의해 수집된 데이터 또는 피부 진단 항목별로 분류된 데이터 내에서의 빈도를 기반으로 설정될 수 있다. The main word list may be data collected by the collection unit or a plurality of words listed in the data classified by the skin diagnosis item. That is, the main word list may be set based on the frequency of the data collected by the collection unit or the data classified by the skin diagnosis item.
상기 추출부는 주요 단어 리스트를 자연어 처리(Natural Language Processing) 를 통해 추출한다. 상기 자연어 처리 기술을 이용하는 경우, 국문 또는 영문으로 게재되어 있는 웹페이지 내 화장품 관련 리뷰 데이터에서 주요 단어 리스트를 효과적으로 추출할 수 있다.The extraction unit extracts a main word list through natural language processing. When the natural language processing technique is used, the main word list can be effectively extracted from the cosmetic related review data in the web pages displayed in Korean or English.
상기 추출부에서 추출된 주요 단어 리스트는, 예를 들면 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 단어 일 수 있다. The main word list extracted by the extracting unit may be a word related to a positive evaluation for cosmetics, for example, in the data classified by the skin diagnosis item.
즉, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있다. 상기 긍정적 평가와 연관된 주요 단어 리스트는, 예를 들면 긍정적 평가로 분류될 수 있는 피부 진단 항목별로 분류된 데이터 내에서 추출될 수 있다. 상기 긍정적 평가와 연관된 주요 단어 리스트는 후술하는 피부 진단 항목별 화장품 선호도를 정량화 하는 모델 설계의 기준이 될 수 있다.That is, the extracting unit can extract a main word list associated with a positive evaluation of cosmetics in the data classified by the skin diagnosis item through natural language processing. The main word list associated with the positive evaluation can be extracted, for example, in data classified by the skin diagnosis item that can be classified as a positive evaluation. The keyword list associated with the positive evaluation can be a standard for designing a model for quantifying the cosmetic preference of each skin diagnosis item described later.
본 발명에 따른 화장품 추천 시스템은 모델 학습부를 포함한다. 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습한다. 또한, 필터부를 통해 수집된 데이터가 피부 진단 항목별로 분류된 경우, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있다.The cosmetic recommendation system according to the present invention includes a model learning unit. The model learning unit learns a model for quantifying cosmetic preference through machine learning based on the extracted main word list. If the data collected through the filter unit is classified according to the skin diagnosis items, the model learning unit may learn a model for quantifying the cosmetic preference of each skin diagnosis item through machine learning based on the extracted main word list.
상기 모델 학습부는, 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하는데, 보다 구체적으로, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 서포트 벡터 머신 또는 딥 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있다.The model learning unit learns a model for quantifying the cosmetic preference of each skin diagnosis item through machine learning. More specifically, the model learning unit learns skin diagnosis through a support vector machine or deep learning based on the extracted main word list. You can learn models that quantify cosmetic preference by item.
상기 서포트 벡터 머신 또는 딥 러닝은 머신 러닝의 일 구체적인 예시로써, 상기 방법 이외에 다양한 머신 러닝 방법에 의해 화장품 관련 리뷰 데이터에서 추출된 주요 단어 리스트를 기반으로 화장품 선호도를 정량화 하는 모델을 설계 할 수 있다.The support vector machine or deep learning is a concrete example of machine learning. In addition to the above method, a model for quantifying cosmetic preference based on a keyword list extracted from cosmetic related review data by various machine learning methods can be designed.
상기 머신 러닝에서는, 고유 벡터값을 이용한 분류 모델 형성 훈련(Training) 과정과 이를 기반으로 한 예측(Prediction) 과정을 수행할 수 있다. In the machine learning, a classification model formation training process using an eigen vector value and a prediction process based on the classification model formation training process can be performed.
따라서, 본 발명에 따른 화장품 추천 시스템이 서포트 벡터 머신 혹은 딥러닝을 통해 추출된 주요 단어 리스트를 기반으로 화장품 선호도 정량화 모델을 학습하는 경우, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 이용하여 상기 피부 진단 항목별로 분류된 데이터를 리뷰 벡터로 변환하는 변환부; 및 상기 리뷰 벡터로부터 피부 진단 항목에 대한 서포트 벡터 머신 모델 혹은 딥러닝 모델을 학습하는 학습부를 포함할 수 있다. 이 경우, 선호도 계산부는 화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산할 수 있다.Therefore, when the cosmetic recommendation system according to the present invention learns the cosmetic preference quantification model based on the support vector machine or the main word list extracted through the deep learning, the model learning unit extracts, A conversion unit for converting the data classified by the diagnostic item into a review vector; And a learning unit for learning a support vector machine model or a deep learning model for a skin diagnosis item from the review vector. In this case, the preference calculation unit can calculate the cosmetic preference score based on the vector data obtained from the new review data related to the cosmetics.
상기 모델 학습부에 의해 학습 및 설계된 화장품 선호도 정량화 모델을 기반으로 신규 화장품 관련 리뷰 데이터에 대한 화장품 선호도 점수는 계산되고, 이는 선호도 계산부에서 구현된다. 즉, 선호도 계산부는 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산한다. 상기 「화장품 관련 신규 리뷰 데이터」는 온라인 상의 웹페이지를 크롤링(crawling)하여 수집된 화장품 관련 리뷰 데이터 중에서 화장품 선호도 정량화 모델에 이용되지 아니한 리뷰 데이터를 의미할 수 있다. 즉, 본 발명에 따른 화장품 추천 시스템에 의하면, 소정의 화장품 선호도 정량화 모델을 기반으로 신규 리뷰 데이터에서 언급하고 있는 화장품에 대한 선호도를 수치적으로 표현할 수 있고, 이를 후술하는 제어부를 통해 사용자에게 제공할 수 있기 때문에, 지속적으로 업데이트 되는 온라인 상의 화장품 관련 리뷰 데이터를 실시간으로 반영하여 사용자에게 피부 진단 항목별 최적의 맞춤 화장품을 제공할 수 있다.Based on the cosmetic preference quantification model learned and designed by the model learning unit, the cosmetic preference score for the new cosmetic review data is calculated and implemented in the preference calculator. That is, the preference calculation unit calculates the cosmetic preference score of the new review data related to the cosmetics based on the model learned in the model learning unit. The "new review data related to cosmetics" may refer to review data that is not used in the cosmetics preference quantification model among the cosmetics review data collected by crawling web pages on-line. That is, according to the cosmetic recommendation system of the present invention, the preference for the cosmetic referred to in the new review data can be numerically expressed based on a predetermined cosmetic preference quantification model, and can be provided to the user through a control unit Therefore, it is possible to provide an optimal customized cosmetic for each diagnosis item to the user by reflecting the continuously updated online cosmetic review data in real time.
상기 선호도 계산부는 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하거나, 또는 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있다. 상기 선호도 계산부의 계산 프로세스는 모델 학습부에서 학습된 구체적인 모델에 따라 상이할 수 있는데, 예를 들면 서포트 벡터 머신 또는 딥러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 경우, 상기 선호도 계산부는 화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산할 수 있다.The preference calculation unit may calculate the preference score of the cosmetic product based on the model learned in the model learning unit or may calculate the preference score of the skin diagnosis item for the new review data related to the cosmetics based on the model learned in the model learning unit Cosmetic preference score can be calculated. The calculation process of the preference calculation unit may be different according to a concrete model learned in the model learning unit. For example, when learning a model for quantifying the cosmetic preference through a support vector machine or deep learning, The cosmetic preference score can be calculated by the vector data obtained from the new review data.
본 발명에 따른 화장품 추천 시스템은 상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부를 포함한다. 상기 제어부는 선호도 계산부에서 계산된 화장품 선호도 점수를 기반으로 사용자에게 화장품을 추천하는데, 예를 들면 상기 계산부에서 계산된 화장품 선호도 점수 중 상위에 속하는 화장품 관련 리뷰 데이터에 게재되어 있는 화장품을 상기 선호도 점수와 함께 사용자에게 추천할 수 있다. The cosmetic recommendation system according to the present invention includes a controller for recommending cosmetics according to the cosmetic preference score calculated by the preference calculator. The control unit recommends the cosmetics to the user on the basis of the cosmetics preference score calculated by the preference calculating unit. For example, the control unit may set the cosmetics on the cosmetics preference score data, Along with the score, can be recommended to the user.
한편, 본 발명에 따른 화장품 추천 시스템이 필터부를 더 포함하는 경우, 상기 제어부는 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다. 이 경우, 제어부는 피부 진단 항목 및 상기 피부 진단 항목에 상응하는 화장품을 관련 화장품 선호도 점수와 함께 사용자에게 제공하도록 설정될 수 있다. Meanwhile, when the cosmetic recommendation system according to the present invention further includes a filter unit, the control unit may recommend a cosmetic product for improving a specific skin diagnosis item according to the cosmetic preference score of each skin diagnosis item calculated by the preference calculating unit. In this case, the control unit may be set to provide the user with the skin diagnosis item and the cosmetic item corresponding to the skin diagnosis item together with the related cosmetic preference score.
상기 제어부는, 소정의 메모리를 포함하는 프로세서의 형태로 화장품 추천 시스템에 포함될 수 있다. 상기 제어부에 의한 화장품의 추천은, 예를 들면 사용자가 시각적으로 인식할 수 있는 디스플레이부에 의해 구현될 수 있다. 이 경우, 디스플레이부에는 화장품 선호도 점수, 대상 화장품 및/또는 관련 화장품 리뷰가 함께 표시될 수 있다. The control unit may be included in a cosmetic recommendation system in the form of a processor including a predetermined memory. The recommendation of the cosmetics by the control unit can be realized, for example, by a display unit visually recognizable by the user. In this case, the display portion may display a cosmetic preference score, a target cosmetic product, and / or a related cosmetic product review.
도 3은 본 발명에 따른 화장품 추천 시스템을 구체적으로 설명하기 위한 도면이다. 도 3에 도시된 바와 같이, 본 발명에 따른 화장품 추천 시스템은 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 수집부(100)에서 수집(101)하고, 상기 수집된 화장품 관련 리뷰 데이터에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출부(201)에서 추출(201)하며, 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 모델 학습부(300)에서 학습(301)하고, 상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 선호도 계산부(400)에서 계산(401) 하며, 상기 선호도 계산부에서 계산된 선호도 점수에 따라 제어부(500)에서 사용자에게 화장품을 추천(501)한다.3 is a diagram for explaining the cosmetic recommendation system according to the present invention in detail. As shown in FIG. 3, the cosmetic recommendation system according to the present invention collects (101) cosmetic related review data posted on a web page on-line by the
한편, 본 발명에 따른 화장품 추천 시스템이 필터부(600)를 더 포함하는 경우에는, 도 4에 도시되어 있는 바와 같이, 상기 화장품 추천 시스템은 수집부(100)에서 수집된 화장품 관련 리뷰 데이터를 피부 진단 항목별로 분류(601)할 수 있다. 4, when the cosmetic recommendation system according to the present invention further includes the
본 발명은 또한, 화장품 추천 방법에 대한 것이다. 본 발명에 따른 화장품 추천 방법은 전술한 화장품 추천 시스템을 기반으로 수행된다. 따라서, 본 발명에 따른 화장품 추천 방법에 의하면, 온라인 상의 다양한 화장품 관련 리뷰 데이터를 분석하고, 이를 기반으로 화장품 선호도 모델을 설계함으로써, 신규 화장품 관련 리뷰 내의 화장품에 대한 선호도를 정량화 할 수 있고, 이를 기반으로 사용자 맞춤 화장품을 효과적으로 추천할 수 있다.The present invention also relates to a cosmetic product recommendation method. The cosmetic recommendation method according to the present invention is performed based on the above-described cosmetic recommendation system. Therefore, according to the method for recommending cosmetics according to the present invention, it is possible to quantify the preferences of cosmetics in new cosmetics-related reviews by analyzing various cosmetics-related review data on-line and designing a cosmetics preference model on the basis thereof, Can effectively recommend customized cosmetics.
도 5 및 6은 본 발명에 따른 화장품 추천 방법에 대한 단계를 도식화되어 있다.Figures 5 and 6 illustrate steps for the method of recommending cosmetics according to the present invention.
도 5에 도시되어 있는 바와 같이, 본 발명에 따른 화장품 추천 방법은, 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 단계(S1); 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 단계(S2); 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 단계(S3); 상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 단계(S4); 및 상기 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 단계(S5)를 포함한다.As shown in FIG. 5, the method for recommending cosmetics according to the present invention includes: S1) collecting cosmetics-related review data by crawling a web page on-line; Extracting a main word list associated with an evaluation of cosmetics in the collected data through natural language processing (S2); (S3) learning a model for quantifying cosmetic preference through machine learning based on the extracted main word list; (S4) calculating a cosmetic preference score for new review data related to the cosmetics based on the learned model; And recommending the cosmetic according to the calculated cosmetic preference score (S5).
또한, 본 발명에 따른 화장품 추천 시스템에 필터부를 더 포함하는 경우, 본 발명에 따른 화장품 추천 방법은, 도 6에 도시되어 있는 바와 같이, 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터링 단계(S11)를 더 포함할 수 있다. 이 경우, 상기 추출하는 단계는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며, 상기 모델을 학습하는 단계는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고, 상기 화장품 선호도 점수를 계산하는 단계는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며, 상기 화장품을 추천하는 단계는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다. 6, the method for recommending cosmetics according to the present invention includes a filtering step S11 for classifying the collected data by skin diagnosis items, ). In this case, the extracting step extracts, through natural language processing, a main word list associated with the evaluation of cosmetics in the data classified by the skin diagnosis item, and the step of learning the model extracts the extracted main word list The method for calculating the cosmetic preference score according to the present invention includes the steps of learning a model for quantifying the preference degree of cosmetic products for each skin diagnosis item through machine learning, And recommending the cosmetics may recommend cosmetics for improving specific skin diagnosis items according to the cosmetics preference score of each skin diagnosis item calculated by the preference calculation unit.
상기 화장품 추천 방법의 각 단계를 구현하는 구성은, 화장품 추천 시스템의 각 구성 및 그에 대한 구체적인 설명에서 언급한 것과 동일한 바, 이하 그 구체적인 설명을 생략한다. The configuration for implementing each step of the method for recommending cosmetics is the same as that described in the detailed description of each configuration of the cosmetics recommendation system, and a detailed description thereof will be omitted.
이상과 같이 본 개시는 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 개시는 상기의 실시 예에 한정되는 것은 아니며, 본 개시가 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며, 특허 청구범위 뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.Although the present disclosure has been described with reference to certain embodiments and drawings, it is to be understood that the present disclosure is not limited to the above-described embodiments, and that various modifications and changes may be made thereto by those skilled in the art. This is possible. Therefore, the scope of the present disclosure should not be construed as being limited to the embodiments described, but should be determined by the appended claims, as well as the appended claims.
100 : 수집부
200 : 추출부
300 : 모델 학습부
400 : 선호도 계산부
500 : 제어부
600 : 필터부100: Collecting section
200:
300: Model learning unit
400: preference calculation unit
500:
600:
Claims (10)
상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 추출부;
상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 모델 학습부;
상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 선호도 계산부; 및
상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부를 포함하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.A collection unit for collecting cosmetic related review data by crawling web pages on-line;
An extraction unit for extracting a list of major words associated with the evaluation of cosmetics in the collected data through natural language processing;
A model learning unit for learning a model for quantifying cosmetic preference through machine learning based on the extracted main word list;
A preference calculating unit for calculating a cosmetic preference score of the new review data related to the cosmetics based on the model learned by the model learning unit; And
And a controller for recommending cosmetics according to the cosmetics preference score calculated by the preference calculating unit.
상기 수집부는,
온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 자동으로 수집하는 소프트웨어를 포함하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.The method according to claim 1,
Wherein,
A cosmetic recommendation system based on a cosmetic review data including software for automatically collecting cosmetic review data by crawling web pages on-line.
상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터부를 더 포함하고,
상기 추출부는,
상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며,
상기 모델 학습부는,
상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고,
상기 선호도 계산부는,
상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며,
상기 제어부는,
상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.The method according to claim 1,
And a filter unit for classifying the collected data by skin diagnosis items,
The extracting unit extracts,
Extracting a keyword list associated with an evaluation of cosmetics in data classified by the skin diagnosis item through natural language processing,
The model learning unit,
Based on the extracted main word list, a model for quantifying the cosmetic preference of each skin diagnosis item is learned through machine learning,
The preference calculation unit may include:
Based on the model learned in the model learning unit, calculates a cosmetic preference score for each skin diagnosis item for new review data related to cosmetics,
Wherein,
A recommendation system for recommending cosmetics for improving a specific skin diagnosis item based on the cosmetics preference score of each skin diagnosis item calculated by the preference calculation unit.
상기 필터부는,
상기 수집된 데이터를 여드름, 주름, 피지, 모공, 홍조 및 색소 침착으로 이루어진 군에서 선택되는 어느 하나의 피부 진단 항목으로 분류하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.The method of claim 3,
The filter unit includes:
The cosmetic recommendation system based on the review data of cosmetics which classifies the collected data into any one of the skin diagnosis items selected from the group consisting of acne, wrinkles, sebum, pores, redness and pigmentation.
상기 추출부는,
상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.The method of claim 3,
The extracting unit extracts,
A cosmetic recommendation system based on a cosmetics-related review data for extracting, through natural language processing, a keyword list associated with a positive evaluation of cosmetics in the data classified by the skin diagnosis item.
상기 주요 단어 리스트는,
상기 피부 진단 항목별로 분류된 데이터 내에서의 빈도를 기반으로 설정되는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.The method of claim 3,
The main word list includes:
Based on the frequency in the data classified by the skin diagnosis item.
상기 모델 학습부는,
상기 추출된 주요 단어 리스트를 기반으로 서포트 벡터 머신 또는 딥 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.The method according to claim 6,
The model learning unit,
Based on the extracted main word list, the cosmetic recommendation system based on the review data of cosmetics which learns a model that quantifies the preference degree of cosmetics according to the skin diagnosis item through the support vector machine or the deep run.
상기 모델 학습부는,
상기 추출된 주요 단어 리스트를 이용하여 상기 피부 진단 항목별로 분류된 데이터를 리뷰 벡터로 변환하는 변환부; 및
상기 리뷰 벡터로부터 피부 진단 항목에 대한 서포트 벡터 머신 또는 딥 러닝 모델을 학습하는 학습부를 포함하고,
상기 선호도 계산부는,
화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.8. The method of claim 7,
The model learning unit,
A converting unit for converting data classified by the skin diagnosis item into a review vector using the extracted main word list; And
And a learning unit for learning a support vector machine or a deep learning model for a skin diagnosis item from the review vector,
The preference calculation unit may include:
A cosmetic recommendation system based on cosmetics review data that calculates the cosmetics preference score based on vector data obtained from new review data related to cosmetics.
상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 단계;
상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 단계;
상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 단계; 및
상기 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 단계를 포함하는 화장품 관련 리뷰 데이터 기반 화장품 추천 방법.Collecting cosmetic related review data by crawling web pages on-line;
Extracting a keyword list associated with an evaluation of cosmetics in the collected data through natural language processing;
Learning a model for quantifying cosmetic preference through machine learning based on the extracted main word list;
Calculating a cosmetic preference score for new review data related to the cosmetics based on the learned model; And
And recommending cosmetics based on the calculated cosmetics preference score.
상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터링 단계를 더 포함하고,
상기 추출하는 단계는,
상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며,
상기 모델을 학습하는 단계는,
상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고,
상기 화장품 선호도 점수를 계산하는 단계는,
상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며,
상기 화장품을 추천하는 단계는,
상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천하는 화장품 관련 리뷰 데이터 기반 화장품 추천 방법.10. The method of claim 9,
Further comprising a filtering step of classifying the collected data by skin diagnosis items,
Wherein the extracting comprises:
Extracting a keyword list associated with an evaluation of cosmetics in data classified by the skin diagnosis item through natural language processing,
Wherein learning the model comprises:
Based on the extracted main word list, a model for quantifying the cosmetic preference of each skin diagnosis item is learned through machine learning,
Wherein the step of calculating the cosmetic preference score comprises:
Based on the model learned in the model learning unit, calculates a cosmetic preference score for each skin diagnosis item for new review data related to cosmetics,
The step of recommending the cosmetic product comprises:
And recommending a cosmetic product for improving a specific skin diagnosis item according to the cosmetic preference score of each skin diagnosis item calculated by the preference calculating section.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180002886A KR102062586B1 (en) | 2018-01-09 | 2018-01-09 | Cosmetic recommendation system based on reviews data related to cosmetic and the method of recommending cosmetic |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180002886A KR102062586B1 (en) | 2018-01-09 | 2018-01-09 | Cosmetic recommendation system based on reviews data related to cosmetic and the method of recommending cosmetic |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190084764A true KR20190084764A (en) | 2019-07-17 |
KR102062586B1 KR102062586B1 (en) | 2020-01-06 |
Family
ID=67512892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180002886A KR102062586B1 (en) | 2018-01-09 | 2018-01-09 | Cosmetic recommendation system based on reviews data related to cosmetic and the method of recommending cosmetic |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102062586B1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102282321B1 (en) * | 2021-03-12 | 2021-07-26 | 송호빈 | Sunscreen that contains tanaka ingredients derived from natural substances, improves cooling and uv blocking efficacy, and improves spots and wrinkles, and method of manufacturing the same |
KR102282318B1 (en) * | 2021-03-12 | 2021-07-26 | 송호빈 | Shampoo that contains chondroitin sulfuric acid derived from natural substance and has the effect of improving scalp and promoting hair growth, and method of manufacturing the same |
KR102283512B1 (en) * | 2021-01-18 | 2021-07-29 | 삼육대학교산학협력단 | Method and apparatus for providing cruelty-free cosmetics information |
KR20220014499A (en) * | 2020-07-29 | 2022-02-07 | 백석대학교산학협력단 | A taste network generation system based on user experience using CNN learning |
KR20230026669A (en) * | 2021-08-18 | 2023-02-27 | 씨제이올리브영 주식회사 | Method and system for writing reviews considering synerge effect between a plurality of products and analyzing synerge effect with respect to the reviews using ai model |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080039609A (en) | 2006-11-01 | 2008-05-07 | 강한훈 | Recommendation of user preferred clothes using support vector machine |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101542195B1 (en) * | 2014-03-28 | 2015-08-05 | 주식회사 솔트룩스 | System And Method For Building Knowledge Base Using Extracting Property Of Informal Data |
-
2018
- 2018-01-09 KR KR1020180002886A patent/KR102062586B1/en active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080039609A (en) | 2006-11-01 | 2008-05-07 | 강한훈 | Recommendation of user preferred clothes using support vector machine |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220014499A (en) * | 2020-07-29 | 2022-02-07 | 백석대학교산학협력단 | A taste network generation system based on user experience using CNN learning |
KR102283512B1 (en) * | 2021-01-18 | 2021-07-29 | 삼육대학교산학협력단 | Method and apparatus for providing cruelty-free cosmetics information |
KR102282321B1 (en) * | 2021-03-12 | 2021-07-26 | 송호빈 | Sunscreen that contains tanaka ingredients derived from natural substances, improves cooling and uv blocking efficacy, and improves spots and wrinkles, and method of manufacturing the same |
KR102282318B1 (en) * | 2021-03-12 | 2021-07-26 | 송호빈 | Shampoo that contains chondroitin sulfuric acid derived from natural substance and has the effect of improving scalp and promoting hair growth, and method of manufacturing the same |
KR20230026669A (en) * | 2021-08-18 | 2023-02-27 | 씨제이올리브영 주식회사 | Method and system for writing reviews considering synerge effect between a plurality of products and analyzing synerge effect with respect to the reviews using ai model |
Also Published As
Publication number | Publication date |
---|---|
KR102062586B1 (en) | 2020-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20190084764A (en) | Cosmetic recommendation system based on reviews data related to cosmetic and the method of recommending cosmetic | |
Kumar et al. | Fusion of EEG response and sentiment analysis of products review to predict customer satisfaction | |
Shi et al. | Enhanced customer requirement classification for product design using big data and improved Kano model | |
CN112765974B (en) | Service assistance method, electronic equipment and readable storage medium | |
CN109145085A (en) | The calculation method and system of semantic similarity | |
CN112559684A (en) | Keyword extraction and information retrieval method | |
CN106649276B (en) | The recognition methods of core product word and device in title | |
CN109064294A (en) | A kind of time of fusion factor, the drug recommended method of text feature and correlation | |
CN106510736B (en) | Psychological condition determination method and system based on multidimensional psychological condition index | |
CN109033318A (en) | Intelligent answer method and device | |
CN113010783A (en) | Medical recommendation method, system and medium based on multi-modal cardiovascular disease information | |
Lee | Deep learning research trend analysis using text mining | |
Areiza-Laverde et al. | Voice pathology detection using artificial neural networks and support vector machines powered by a multicriteria optimization algorithm | |
CN116955533A (en) | Text translation method and device based on natural language model and electronic equipment | |
CN107688621B (en) | Method and system for optimizing file | |
Umaashankar et al. | Atlas: A dataset and benchmark for e-commerce clothing product categorization | |
Dressler et al. | Towards an automated assessment of musculoskeletal insufficiencies | |
Graser et al. | Quantifying user experience through self-reporting questionnaires: a systematic analysis of the sentence similarity between the items of the measurement approaches | |
Srichocksittikul et al. | Design of deep learning architecture for classification of orchid diseases | |
US20200034735A1 (en) | System for generating topic inference information of lyrics | |
Zhu et al. | Research on the head form design of service robots based on Kansei engineering and BP neural network | |
Mercier et al. | Quantifying Dwell Time With Location-based Augmented Reality: Dynamic AOI Analysis on Mobile Eye Tracking Data With Vision Transformer | |
Le et al. | Intelligent retrieval system on legal information | |
Zhang et al. | Product form identification technology based on cognitive thinking | |
CN118012921B (en) | Man-machine interaction data processing system for intellectual property virtual experiment |
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 |