KR20190103838A - 음식 아이템의 추천 방법 - Google Patents

음식 아이템의 추천 방법 Download PDF

Info

Publication number
KR20190103838A
KR20190103838A KR1020180024759A KR20180024759A KR20190103838A KR 20190103838 A KR20190103838 A KR 20190103838A KR 1020180024759 A KR1020180024759 A KR 1020180024759A KR 20180024759 A KR20180024759 A KR 20180024759A KR 20190103838 A KR20190103838 A KR 20190103838A
Authority
KR
South Korea
Prior art keywords
user
food item
food
purchase history
similarity
Prior art date
Application number
KR1020180024759A
Other languages
English (en)
Other versions
KR102087148B1 (ko
Inventor
권오병
진윤선
Original Assignee
경희대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020180024759A priority Critical patent/KR102087148B1/ko
Publication of KR20190103838A publication Critical patent/KR20190103838A/ko
Application granted granted Critical
Publication of KR102087148B1 publication Critical patent/KR102087148B1/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
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 음식 아이템의 추천 방법에 관한 것으로, 보다 구체적으로 조식, 중식, 석식, 야식 등 식사 시간대로 구분하여 음식 아이템을 추천함으로써 식사 시간대별 사용자가 원하는 음식 아이템을 정확하게 사용자에 추천할 수 있으며, 사용자의 구매 이력과 개인 정보로부터 선별한 후보 추천 음식 아이템과 후보 추천 음식 아이템의 소셜미디어 컨텐츠에 구비된 해쉬 태크로부터 사용자 개인 정보 및 지수 정보와 후보 추천 음식 아이템 사이의 연관 강도를 계산함으로써 빅데이터를 이용하여 사용자에 적합한 음식 아이템을 추천할 수 있는 음식 아이템의 추천 방법에 관한 것이다.

Description

음식 아이템의 추천 방법{Method for recommending food item}
본 발명은 음식 아이템의 추천 방법에 관한 것으로, 보다 구체적으로 조식, 중식, 석식, 야식 등 식사 시간대로 구분하여 음식 아이템을 추천함으로써 식사 시간대별 사용자가 원하는 음식 아이템을 정확하게 사용자에 추천할 수 있으며, 사용자의 구매 이력과 개인 정보로부터 선별한 후보 추천 음식 아이템과 후보 추천 음식 아이템의 소셜미디어 컨텐츠에 구비된 해쉬 태크로부터 사용자 개인 지수 정보와 후보 추천 음식 아이템 사이의 연관 강도를 계산함으로써 소셜미디어 컨텐츠를 이용하여 사용자에 적합한 음식 아이템을 추천할 수 있는 음식 아이템의 추천 방법에 관한 것이다.
사례 베이스에 기초한 평가 정보는 평가 항목, 예를 들어 사용자의 심리적 또는 신체적 상태(우울증, 불면증, 스트레스 등의 심리적 상태 또는 고혈압, 비만, 혈압 등)을 평가하기 위하여 평가 항목에 해당하는 사용자의 사례를 조사하고, 조사한 사례에 기초하여 전문가가 해당 평가 항목을 가지는 사용자의 공통된 요인을 추출하여 평가 정보를 생성한다. 생성한 평가 정보에 기초하여 해당 평가 정보에 해당하는 경우 사용자는 평가 항목에 해당하는 것으로 판단하며, 이에 따라 사용자에 추천 음식 등 컨설팅 정보를 제공할 수 있다.
그러나 종래 사례 베이스에 기초한 음시 추천 방식의 경우 수집 지식(collective knowledge)으로 평가 항목에 대한 정확한 평가 정보를 생성하는데 도움이 되지만, 평가 항목에 대한 사례가 방대한 경우에만 정확한 평가 정보를 생성할 수 있으며 평가 항목에 해당하는 사례가 적은 경우에는 평가 정보를 생성하기 곤란하다는 문제점을 가진다. 더욱이 평가 항목에 대한 사례를 수집하는데 많은 시간과 비용이 소요된다는 문제점을 가진다.
한편, 소셜미디어 컨텐츠(big data)의 경우 평가 항목에 직접 일치되는 사례는 아니지만, 평가 항목에 부합하는 평가 정보를 포함하고 있으며 시간이 경과할수록 평가 정보의 양이 기하급수적으로 증가하여 용이하고 저렴한 비용으로 평가 항목에 부합하는 평가 정보를 획득할 수 있다는 장점을 가진다.
따라서 종래 사례 베이스와 소셜미디어 컨텐츠를 동시에 이용하여 적은 사례베이스의 경우에도 사용자에 음식 아이템을 추천할 수 있으며, 사례 베이스와 함께 소셜미디어 컨텐츠로부터 사용자와 관련된 개인정보 또는 지수 정보와의 연관 강도를 함께 고려하여 사용자가 원하는 음식 아이템을 정확하게 추천할 수 있는 기술이 요구된다.
종래 사례기반의 음식 추천 방식이 가지는 문제점을 해결하기 위한 것으로 본 발명이 이루고자 하는 목적은 사용자의 구매 이력과 사용자 개인 지수 정보에 기초하여 사용자와 구매 이력이 유사하며 동시에 사용자와 개인 지수 정보가 서로 유사한 주변 사용자가 구매한 음식 아이템으로부터 사용자에 음식 아이템을 추천하는 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 목적은 조식, 중식, 석식, 야식 등 식사 시간대로 구분하여 식사 시간대별 사용자의 구매 이력과 사용자 개인 지수 정보를 고려하여 사용자에 음식 아이템을 추천하는 방법을 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 목적은 사용자의 구매 이력과 개인 지수 정보로부터 선별한 후보 추천 음식 아이템과 후보 추천 음식 아이템의 소셜미디어 컨텐츠에 구비된 해쉬 태크로부터 후보 추천 음식 아이템과 사용자 개인 지수 정보의 연관 강도를 계산하여 사용자에 적합한 음식 아이템을 추천하는 방법을 제공하는 것이다.
본 발명의 목적을 달성하기 위하여, 본 발명에 따른 음식 아이템의 추천 방법은 사용자와 주변 사용자 사이의 음식 구매 이력에 따른 구매 이력 유사도, 사용자와 주변 사용자 사이의 개인 지수 정보에 따른 프로필 유사도 및 구매한 음식 아이템별 평가 정보로부터 후보 추천 음식 아이템을 결정하는 단계와, 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠의 전체 해쉬 태그와 사용자의 개인 정보 및 지수 정보로부터 후보 추천 음식 아이템별 연관 강도를 계산하는 단계와, 후보 추천 음식 아이템별 연관 강도에 기초하여 사용자에 음식 아이템을 추천하는 단계를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 후보 추천 음식 아이템을 결정하는 단계는 사용자의 음식 구매 이력과 주변 사용자의 음식 구매 이력에 기초하여 음식 구매 이력에 따른 사용자와 주변 사용자 사이의 구매 이력 유사도를 계산하는 단계와, 구매 이력 유사도가 제1 임계값을 초과하는 n명(여기서 n은 1 이상의 자연수)의 후보 주변 사용자와 사용자의 개인 지수 정보에 기초하여 사용자와 후보 주변 사용자 사이의 프로필 유사도를 계산하는 단계와, 구매 이력 유사도와 프로필 유사도로부터 후보 주변 사용자의 최종 유사도를 계산하는 단계와, 최종 유사도와 후보 주변 사용자의 음식 아이템별 평가 점수로부터 후보 추천 음식 아이템을 결정하는 단계를 포함하는 것을 특징으로 한다.
여기서 구매 이력 유사도는 사용자와 주변 사용자가 동일 음식 아이템의 구매 여부 및 동일 음식 아이템에 대한 평가 점수 차이로부터 계산되는 것을 특징으로 한다.
여기서 구매 이력 유사도는 사용자와 주변 사용자가 동일 음식 아이템의 구매 여부 및 동일 음식 아이템에 대한 평가 점수의 존재 여부에 따른 리스크값을 고려하여 계산되는 것을 특징으로 한다.
여기서 사용자(u)와 주변 사용자(v) 사이의 구매 이력 유사도(Si(u,v))는 아래의 수학식(1)에 의해 계산되는데,
[수학식 1]
Figure pat00001
여기서 rui는 음식 아이템(i)에 대한 사용자(u)의 평가 점수이고, rua는 사용자(u)가 구매한 모든 음식 아이템의 평가 점수 평균값이며, rvi는 음식 아이템(i)에 대한 주변 사용자(v)의 평가 점수이고, rva는 주변 사용자(v)가 구매한 모든 음식 아이템의 평가 점수 평균값이며, σ는 리스크값인 것을 특징으로 한다.
여기서 리스크값은 사용자와 주변 사용자가 동일하게 구매하지 않은 음식 아이템의 수에 따라 비례하여 증가하는 것을 특징으로 한다.
여기서 개인 지수 정보는 사용자 또는 주변 사용자의 나이와 성별을 구비하는 개인 정보와, 사용자와 주변 사용자의 경제 지수, 식습관 지수 및 건강 지수를 구비하는 지수 정보인 것을 특징으로 한다.
프로필 유사도는 아래의 수학식(2)에 의해 계산되는데,
Figure pat00002
여기서 ruj는 개인 지수 정보 항목(j)에 대한 사용자(u)의 개인 지수 정보이고, ruja는 개인 지수 정보 항목(j)에 대한 사용자(u)의 개인 지수 정보의 평균값이며, rvj는 개인 지수 정보 항목(j)에 대한 주변 사용자(v)의 개인 지수 정보이고, rvja는 개인 지수 정보 항목(j)에 대한 주변 사용자(v)의 개인 지수 정보의 평균값인 것을 특징으로 한다.
바람직하게, 연관 강도를 계산하는 단계는 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠를 검색하는 단계와, 사용자의 개인 정보와 검색한 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제1 연관 강도를 계산하는 단계와, 사용자의 지수 정보와 검색한 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제2 연관 강도를 계산하는 단계와, 제1 연관 강도와 상기 제2 연관 강도로부터 후보 추천 음식 아이템별 연관 강도를 계산하는 단계를 포함하는 것을 특징으로 한다.
한편, 본 발명의 목적을 달성하기 위하여 본 발명에 따른 음식 아이템의 추천 장치는 사용자와 주변 사용자의 음식 구매 이력, 개인 지수 정보를 저장하고 있는 데이터베이스부와, 사용자와 주변 사용자 사이의 음식 구매 이력에 따른 구매 이력 유사도, 사용자와 주변 사용자 사이의 개인 지수 정보에 따른 프로필 유사도 및 구매한 음식 아이템별 평가 정보로부터 후보 추천 음식 아이템을 결정하는 후보 추천 음식 결정부와, 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠의 전체 해쉬 태그와 사용자의 개인 지수 정보로부터 후보 추천 음식 아이템별 연관 강도를 계산하는 연관 강도 계산부와, 후보 추천 음식 아이템별 연관 강도에 기초하여 사용자에 음식 아이템을 추천하는 음식 추천부를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 후보 추천 음식 결정부는 사용자의 음식 구매 이력과 주변 사용자의 음식 구매 이력에 기초하여 음식 구매 이력에 따른 사용자와 주변 사용자 사이의 구매 이력 유사도를 계산하는 구매 이력 유사도 계산부와, 구매 이력 유사도가 제1 임계값을 초과하는 n명(여기서 n은 1 이상의 자연수)의 후보 주변 사용자와 사용자의 개인 지수 정보에 기초하여 사용자와 후보 주변 사용자 사이의 프로필 유사도를 계산하는 프로필 유사도 계산부와, 구매 이력 유사도와 프로필 유사도로부터 후보 주변 사용자의 최종 유사도를 계산하는 최종 유사도 계산부와, 최종 유사도와 후보 주변 사용자의 음식 아이템별 평가 점수로부터 후보 추천 음식 아이템을 결정하는 후보 결정부를 포함하는 것을 특징으로 한다.
여기서 구매 이력 유사도는 사용자와 주변 사용자가 동일 음식 아이템의 구매 여부 및 동일 음식 아이템에 대한 평가 점수 차이로부터 계산되는 것을 특징으로 한다.
여기서 구매 이력 유사도는 사용자와 주변 사용자가 동일 음식 아이템의 구매 여부 및 동일 음식 아이템에 대한 평가 점수의 존재 여부에 따른 리스크값을 고려하여 계산되는 것을 특징으로 한다.
바람직하게, 본 발명의 일 실시예에 따른 연관 강도 계산부는 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠를 검색하는 컨텐츠 검색부와, 사용자의 개인 지수 정보 중 사용자의 개인 정보와 검색한 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제1 연관 강도를 계산하는 제1 연관 강도 계산부와, 사용자의 개인 지수 정보 중 사용자의 지수 정보와 검색한 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제2 연관 강도를 계산하는 제2 연관 강도 계산부와, 제1 연관 강도와 제2 연관 강도로부터 후보 추천 음식 아이템별 연관 강도를 전체 연관 강도 계산부를 포함하는 것을 특징으로 한다.
여기서 개인 정보는 상기 사용자의 나이와 성별을 구비하며, 지수 정보는 사용자의 경제 지수, 식습관 지수 및 건강 지수를 구비하는 것을 특징으로 한다.
본 발명에 따른 음식 아이템의 추천 방법은 다음과 같은 효과를 가진다.
첫째, 본 발명에 따른 음식 아이템의 추천 방법은 사용자의 구매 이력과 사용자 개인 정보에 기초하여 사용자와 구매 이력이 유사하며 동시에 사용자와 개인 지수 정보가 서로 유사한 주변 사용자가 구매한 음식 아이템을 사용자에 추천함으로써, 사용자가 원하는 음식 아이템을 정확하게 추천할 수 있다.
둘째, 본 발명에 따른 음식 아이템의 추천 방법은 조식, 중식, 석식, 야식 등 식사 시간대로 구분하여 음식 아이템을 추천함으로써, 식사 시간대별 사용자가 원하는 음식 아이템을 정확하게 사용자에 추천할 수 있다.
셋째, 본 발명에 따른 음식 아이템의 추천 방법은 사용자의 구매 이력과 개인 지수 정보로부터 선별한 후보 추천 음식 아이템과 후보 추천 음식 아이템의 소셜미디어 컨텐츠에 구비된 해쉬 태크로부터 사용자 개인 지수 정보와 후보 추천 음식 아이템 사이의 연관 강도를 계산함으로써, 소셜미디어 컨텐츠를 이용하여 사용자에 적합한 음식 아이템을 추천할 수 있다.
도 1은 본 발명에 따른 음식 아이템의 추천 시스템을 설명하기 위한 기능 블록도이다.
도 2는 본 발명의 일 실시예에 따른 추천 서버를 설명하기 위한 기능 블록도이다.
도 3은 본 발명에 따른 후보 추천 음식 결정부의 일 예를 설명하기 위한 기능 블록도이다.
도 4는 본 발명에 따른 연관 강도 계산부의 일 예를 설명하기 위한 기능 블록도이다.
도 5는 본 발명의 일 실시예에 따른 음식 아이템의 추천 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명에 따른 후보 추천 음식 아이템을 결정하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 7은 본 발명의 데이터베이스부에 등록 저장된 식사 시간대별 사용자 또는 주변 사용자의 음식 아이템의 구매 이력과 구매한 음식 아이템에 대한 평가 점수의 일 예를 도시하고 있다.
도 8은 본 발명의 데이터베이스부에 등록 저장된 개인 지수 정보의 일 예를 도시하고 있다.
도 9는 본 발명에 따라 후보 추천 음식 아이템별 후보 추천 음식 아이템과 사용자 개인 지수 사이의 연관 강도를 계산하는 단계의 일 예를 설명하기 위한 흐름도이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
이하 첨부한 도면을 참고로 본 발명에 따른 음식 아이템의 추천 방법에 대해 보다 구체적으로 설명한다.
도 1은 본 발명에 따른 음식 아이템의 추천 시스템을 설명하기 위한 기능 블록도이다.
도 1을 참고로 보다 구체적으로 살펴보면, 사용자 단말기(10), 추천 서버(50) 및 컨텐츠 서버(70)는 네트워크(30)를 통해 서로 접속되어 있다.
여기서 네트워크(30)는 사용자 단말기(10)와 추천 서버(50) 사이에서 데이터를 송수신하거나, 컨텐츠 서버(70)와 추천 서버(50) 사이에서 데이터를 송수신할 수 있는 다양한 종류의 유선 또는 무선 네트워크가 사용될 수 있다.
여기서 사용자 단말기(10)는 사용자가 소지하는 단말기로 사용자는 사용자 단말기(10)를 통해 음식 추천을 요청하기 위한 사용자 명령을 입력하거나 입력한 사용자 명령에 따라 추천 음식 아이템을 확인할 수 있는 스마트폰, 노트북, PDA 등 다양한 단말기가 사용될 수 있다.
여기서 컨텐츠 서버(70)는 소셜미디어 컨텐츠를 추천 서버(50)의 요청에 따라 추천 서버(50)로 제공하는 서버로서, 컨텐츠 서버(70)에는 블로그, 인스타그램 등 다양한 종류의 소셜미디어 컨텐츠가 등록 저장되어 있으며 추천 서버(50)의 요청에 따라 해당 소셜미디어 컨텐츠를 추천 서버(50)로 제공한다.
여기서 추천 서버(50)는 사용자 단말기(10)로부터 회원 가입 요청 메시지를 수신하는 경우, 사용자의 성별, 나이 등의 개인 정보와 경제 지수, 식습관 지수, 건강 지수 등의 지수 정보를 문의하기 위한 인터페이스 화면을 사용자 단말기(10)로 제공하며, 인터페이스 화면을 통해 입력되는 개인 정보와 지수 정보의 개인 지수 정보를 사용자 로그인 정보와 함께 저장 등록한다.
한편, 추천 서버(50)는 사용자 단말기(10)로부터 음식 아이템의 추천 요청 메시지를 수신하는 경우, 사용자가 이전에 구매한 음식 아이템의 구매 이력과 사용자의 개인 지수 정보 및 사용자가 구매한 음식 아이템의 평가 점수에 기초하여 사용자에 추천할 후보 추천 음식 아이템을 결정하며, 다시 후보 추천 음식 아이템과 관련된 소셜미디어 컨텐츠의 해쉬 태그와 사용자의 개인 지수 정보 사이의 연관 강도를 고려하여 사용자에 최종 추천 음식 아이템을 결정한다.
사용자 단말기(10)는 추천 서버(50)로부터 수신한 최종 추천 음식 아이템에 기초하여 최종 추천 음식 아이템을 구매하는 경우, 최종 추천 음식 아이템의 구매 여부 또는 최종 추천 음식 아이템에 대한 평가 점수 등을 추천 서버(50)로 송신한다. 이러한 최종 추천 음식 아이템의 구매 여부 및 최종 추천 음식 아이템의 평가 점수는 차후 사용자에 음식 아이템을 추천하기 위하여 사용자에 매핑되어 추천 서버(50)에 등록 저장된다.
도 2는 본 발명의 일 실시예에 따른 추천 서버를 설명하기 위한 기능 블록도이다.
도 2를 참고로 보다 구체적으로 살펴보면, 송수신부(110)는 사용자 단말기 또는 컨텐츠 서버와 데이터를 송수신한다.
송수신부(110)를 통해 사용자 단말기로부터 회원 가입 요청 메시지를 수신하는 경우, 회원 관리부(120)는 송수신부(110)를 통해 사용자 단말기로 회원 가입 정보를 획득하기 위한 사용자 인터페이스를 송신한다. 사용자 인터페이스에는 사용자의 식별자, 연령, 성별 등의 사용자 개인 정보와 경제 지수, 건강 지수, 식습관 지수 등의 지수 정보를 획득하기 위한 설문 항목이 포함되어 있다.
회원 관리부(120)는 사용자 단말기로부터 회원 가입 정보를 획득하는 경우, 사용자 식별자에 매핑하여 데이터베이스부(130)에 등록 저장한다. 바람직하게, 사용자 식별자는 사용자의 이름, 아이디 등이 사용될 수 있으며, 회원 관리부(120)는 설문 항목에 대한 사용자의 답변에 따라 경제 지수, 건강 지수 및 식습관 지수 등의 지수 정보를 레벨로 결정하며 경제 지수, 건강 지수 및 식습관 지수의 레벨 정보를 사용자 식별자에 매핑하여 데이터베이스부(130)에 등록 저장한다.
바람직하게, 데이터베이스부(130)는 사용자의 개인 정보, 지수 정보를 구비하고 있는 사용자 개인 지수 정보, 사용자가 구매한 음식 아이템, 구매한 음식 아이템의 평가 점수 등의 음식 아이템 정보가 등록 저장되어 있는데, 더욱 바람직하게 음식 아이템 정보는 조식, 중식, 석식, 야식 등으로 식사 시간대별로 구분되어 등록 저장되어 있다.
송수신부(110)를 통해 사용자 단말기로부터 음식 추천 요청 메시지를 수신하는 경우, 후보 추천 음식 결정부(150)는 데이터베이스부(130)에 등록 저장되어 있는 사용자와 주변 사용자 사이의 음식 구매 이력에 따른 구매 이력 유사도, 사용자와 주변 사용자 사이의 개인 지수 정보에 따른 프로필 유사도 및 구매한 음식 아이템별 평가 정보로부터 후보 추천 음식 아이템을 결정한다.
연관 강도 계산부(170)는 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠를 컨텐츠 서버로부터 추출하며, 추출한 소셜미디어 컨텐츠의 전체 해쉬 태그와 사용자의 개인 지수 정보로부터 후보 추천 음식 아이템에 대한 사용자 개인 지수 정보와 후보 추천 음식 아이템 사이의 연관 강도를 계산한다.
음식 추천부(190)는 후보 추천 음식 아이템별 후보 추천 음식 아이템과 사용자 개인 지수 정보 사이의 연관 강도에 기초하여 사용자에 추천할 최종 음식 아이템을 결정하고, 최종 음식 아이템에 대한 정보를 송수신부(110)를 통해 사용자 단말기로 송신한다.
도 3은 본 발명에 따른 후보 추천 음식 결정부의 일 예를 설명하기 위한 기능 블록도이다.
도 3을 참고로 보다 구체적으로 살펴보면, 구매 이력 유사도 계산부(151)는 데이터베이스부에 등록 저장된 사용자의 음식 구매 이력과 주변 사용자의 음식 구매 이력에 기초하여 음식 구매 이력에 따른 사용자와 주변 사용자 사이의 구매 이력 유사도를 계산한다.
프로필 유사도 계산부(153)는 구매 이력 유사도가 제1 임계값을 초과하는 n명(여기서 n은 1 이상의 자연수)의 후보 주변 사용자를 결정하며, 후보 주변 사용자와 사용자의 개인 지수 정보에 기초하여 사용자와 후보 주변 사용자 사이의 프로필 유사도를 계산한다.
최종 유사도 계산부(155)는 구매 이력 유사도와 프로필 유사도로부터 후보 주변 사용자와 사용자 사이의 최종 유사도를 계산하고, 후보 결정부(157)는 최종 유사도와 후보 주변 사용자의 음식 아이템별 평가 점수로부터 사용자에 추천할 후보 추천 음식 아이템을 결정한다.
도 4는 본 발명에 따른 연관 강도 계산부의 일 예를 설명하기 위한 기능 블록도이다.
도 4를 참고로 보다 구체적으로 살펴보면, 컨텐츠 검색부(171)는 후보 추천 음식 아이템의 이름을 해쉬 태그로 가지는 소셜미디어 컨텐츠를 컨텐츠 서버에 요청하여 후보 추천 음식 아이템을 해쉬 태그로 가지는 컨텐츠를 검색한다.
제1 연관 강도 계산부(173)는 사용자의 개인 지수 정보 중 제1 개인 지수 정보와 검색한 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제1 연관 강도를 계산하고, 제2 연관 강도 계산부(175)는 사용자의 개인 지수 정보 중 제2 개인 지수 정보와 검색한 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제2 연관 강도를 계산한다.
여기서 제1 개인 지수 정보는 개인 지수 정보 중 개인 정보를 의미하며, 제2 개인 지수 정보는 개인 지수 정보 중 지수 정보를 의미하는데, 개인 정보는 사용자의 연령, 나이의 지수가 포함될 수 있으며 지수 정보는 경제 지수, 식습관 지수, 건강 지수를 포함할 수 있다.
전체 연관 강도 계산부(177)는 제1 연관 강도와 제2 연관 강도로부터 후보 추천 음식 아이템에 대한 사용자 개인 지수와 후보 추천 음식 아이템 사이의 전체 연관 강도를 계산한다.
도 5는 본 발명의 일 실시예에 따른 음식 아이템의 추천 방법을 설명하기 위한 흐름도이다.
도 5를 참고로 보다 구체적으로 살펴보면, 사용자 단말기로부터 음식 추천 요청 메시지를 수신하였는지 판단하는데(S110), 사용자 단말기로부터 음식 추천 요청 메시지를 수신하는 경우 음식 추천 요청 메시지에 구비되어 있는 식사 시간 정보를 추출한다.
식사 시간 정보에 기초하여 식사 시간대별로 구분되어 등록 저장된 데이터베이스의 음식 구매 이력으로부터 사용자와 주변 사용자 사이의 음식 구매 이력에 따른 구매 이력 유사도, 사용자와 주변 사용자 사이의 개인 지수 정보에 따른 프로필 유사도 및 구매한 음식 아이템별 평가 정보로부터 후보 추천 음식 아이템을 결정한다(S130).
후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠의 전체 해쉬 태그와 사용자의 개인 지수 정보로부터 후보 추천 음식 아이템과 사용자 개인 지수 정보 사이의 후보 추천 음식 아이템별 연관 강도를 계산하고(S150), 후보 추천 음식 아이템과 사용자 개인 지수 정보 사이의 후보 추천 음식 아이템별 연관 강도에 기초하여 사용자에 추천할 음식 아이템을 결정하여 사용자 단말기로 제공한다(S170).
도 6은 본 발명에 따른 후보 추천 음식 아이템을 결정하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 6을 참고로 보다 구체적으로 살펴보면, 데이터베이스부에 등록 저장되어있는 식사 시간대별 사용자의 음식 구매 이력과 주변 사용자의 음식 구매 이력에 기초하여 식사 시간대별 음식 구매 이력에 따른 사용자와 주변 사용자 사이의 구매 이력 유사도를 계산한다(S131).
여기서 구매 이력 유사도는 사용자와 주변 사용자가 동일 음식 아이템의 구매 여부 및 동일 음식 아이템에 대한 평가 점수 차이로부터 계산되는 것을 특징으로 하는데, 바람직하게 구매 이력 유사도는 사용자와 주변 사용자가 동일 음식 아이템의 구매 여부 및 동일 음식 아이템에 대한 평가 점수의 존재 여부에 따른 리스크 값을 고려하여 계산되는 것을 특징으로 한다.
본 발명의 일 실시예에서 사용자(u)와 주변 사용자(v) 사이의 구매 이력 유사도(Si(u,v))는 아래의 수학식(1)에 의해 계산되는데,
[수학식 1]
Figure pat00003
여기서 rui는 음식 아이템(i)에 대한 사용자(u)의 평가 점수이고, rua는 사용자(u)가 구매한 모든 음식 아이템의 평가 점수 평균값이며, rvi는 음식 아이템(i)에 대한 주변 사용자(v)의 평가 점수이고, rva는 주변 사용자(v)가 구매한 모든 음식 아이템의 평가 점수 평균값이며, σ는 리스크값인 것을 특징으로 한다.
도 7은 본 발명의 데이터베이스부에 등록 저장된 식사 시간대(중식, 식별자2)별 사용자 또는 주변 사용자의 음식 아이템의 구매 이력과 구매한 음식 아이템에 대한 평가 점수의 일 예를 도시하고 있다. 도 7에 도시되어 있는 바와 같이, 사용자 또는 주변 사용자가 각 음식 아이템의 구매 여부와 구매시 구매한 음식 아이템에 대한 평가 점수가 저장 등록되어 있는데, 사용자 또는 주변 사용자가 해당 음식 아이템을 구매하지 않은 경우 Null로 등록 저장되며, 사용자 또는 주변 사용자가 해당 음식 아이템을 구매하였으나 평가 점수가 없는 경우 A로 등록 저장된다.
바람직하게, 구매 이력 유사도를 계산시 사용자 또는 주변 사용자가 구매하지 않은 음식 아이템은 제외하며, 리스크 값은 사용자와 주변 사용자가 구매하지 않은 음식 아이템의 수에 따라 비례하여 증가하도록 계산되는 것을 특징으로 한다.
바람직하게, 구매 이력 유사도를 계산시 사용자 또는 주변 사용자가 해당 음식 아이템을 구매하였으나 해당 음식 아이템에 대한 평가 점수가 없는 경우 평가 점수가 없는 해당 음식 아이템의 평가 점수는 전체 평가 점수 레벨 구간의 평균값(예를 들어 음식 아이템의 평가 점수를 1, 2, 3, 4, 5 중 어느 하나로 선택할 수 있는 경우 전체 평가 점수 레벨 구간의 평균값인 3)으로 적용하며 다만 평가 점수가 없는 음식 아이템의 수에 따라 비례하여 리스크 값이 증가하도록 계산되는 것을 특징으로 한다.
다시 도 6을 참고로 살펴보면, 구매 이력 유사도가 제1 임계값을 초과하는 n명(여기서 n은 1 이상의 자연수)의 후보 주변 사용자를 추출하고, 후보 주변 사용자와 사용자의 개인 지수 정보에 기초하여 사용자와 후보 주변 사용자 사이의 프로필 유사도를 계산한다(S133).
여기서 개인 지수 정보는 사용자 또는 상기 주변 사용자의 나이와 성별을 구비하는 개인 정보 및 사용자와 주변 사용자의 경제 지수, 식습관 지수 및 건강 지수를 구비하는 지수 정보를 포함하는 것을 특징으로 한다.
바람직하게, 본 발명에서 프로필 유사도는 아래의 수학식(2)에 의해 계산되는데,
Figure pat00004
여기서 ruj는 개인 지수 정보 항목(j)에 대한 사용자(u)의 개인 지수 정보이고, ruja는 개인 지수 정보 항목(j)에 대한 사용자(u)의 개인 지수 정보의 평균값이며, rvj는 개인 지수 정보 항목(j)에 대한 주변 사용자(v)의 개인 지수 정보이고, rvja는 개인 지수 정보 항목(j)에 대한 주변 사용자(v)의 개인 지수 정보의 평균값인 것을 특징으로 한다.
도 8은 본 발명의 데이터베이스부에 등록 저장된 개인 지수 정보의 일 예를 도시하고 있는데, 도 8에 도시되어 있는 바와 같이 개인 지수 정보는 사용자의 성별, 연령으로부터 계산되는 성별 지수와 연령 지수 및 경제 지수, 식습관 지수, 건강 지수를 포함한다. 본 발명이 적용되는 분야에 따라 다양한 종류의 개인 지수 정보가 사용될 수 있으며 이는 본 발명의 범위에 속한다.
바람직하게, 성별 지수는 사용자가 남성인 경우 1, 여성인 경우 2로 계산되며, 경제 지수는 사용자의 설문 항목에 대한 답변에 기초하여 사용자가 음식을 구매함에 있어서 음식 아이템의 가격 중요도를 나타내는 지수로 저렴한 가격의 음식 아이템을 원하는 경우부터 순차적으로 1부터 5의 값이 책정되며, 식습관 지수는 사용자의 설문 항목에 대한 답변에 기초하여 사용자가 채식 또는 육식 위주의 식습관을 가지는지를 나타내는 지수로 육식 위주의 음식 아이템으로부터 채식 위주의 음식 아이템의 선호도 순서에 따라 순차적으로 1부터 5의 값이 책정되며, 건강 지수는 사용자의 설문 항목에 대한 답변에 기초하여 사용자가 음식 아이템을 결정함에 있어 건강식을 중요하게 생각하는 정도를 나타내는 지수로 건강식을 중요하게 생각하는 정도에 기초하여 순차적으로 1부터 5의 값이 책정된다.
다시 도 6을 참고로 살펴보면, 구매 이력 유사도(Si)와 프로필 유사도(Sp)로부터 후보 주변 사용자의 최종 유사도(St)를 계산하는데(S135), 바람직하게 사용자와 후보 주변 사용자 사이의 최종 유사도는 아래의 수학식(3)에 따라 계산된다.
[수학식 3]
Figure pat00005
여기서 α와 β는 각각 구매 이력 유사도에 대한 가중치와 프로필 유사도에 대한 가중치인 것을 특징으로 한다.
최종 유사도와 후보 주변 사용자의 음식 아이템별 평가 점수로부터 후보 추천 음식 아이템을 결정한다(S137).
바람직하게, 후보 주변 사용자가 구매한 음식 아이템의 평가 점수의 평균값과 최종 유사도의 곱으로부터 아래의 수학식(4)와 같이 음식 아이템별 추천 점수(Ip)를 계산하는데,
[수학식 4]
Figure pat00006
여기서 Pia는 음식 아이템(i)에 대한 후보 주변 사용자의 평가 점수의 평균값인 것을 특징으로 한다.
음식 아이템의 평가 점수(Ip)에 기초하여 음식 아이템의 평가 점수(Ip)가 높은 순서로 상위 n개의 음식 아이템을 후보 추천 음식 아이템으로 결정하거나 음식 아이템의 평가 점수(Ip)가 제2 임계값을 초과하는 모든 음식 아이템을 후보 추천 음식 아이템으로 결정한다.
도 9는 본 발명에 따라 후보 추천 음식 아이템별 후보 추천 음식 아이템과 사용자 개인 지수 사이의 연관 강도를 계산하는 단계의 일 예를 설명하기 위한 흐름도이다.
도 9를 참고로 보다 구체적으로 살펴보면, 후보 추천 음식 아이템의 이름을 해쉬 태그로 가지는 소셜미디어 컨텐츠를 검색한다(S151). 예를 들어 후보 추천 음식 아이템이 '돈가스'인 경우 돈가스를 해쉬 태그로 가지는 소셜미디어 컨텐츠를 추천 서버로부터 검색한다.
사용자의 개인 지수 정보 중 제1 개인 지수 정보와 검색한 상기 소셜미디어 컨텐츠의 전체 해쉬 태크 사이의 제1 연관 강도를 계산하고(S153), 사용자의 개인 지수 정보 중 제2 개인 지수 정보와 검색한 상기 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제2 연관 강도를 계산한다(S155).
여기서 제1 개인 지수 정보는 사용자의 성별, 연령과 관련된 성별 지수 및 연령 지수를 구비하며, 제2 개인 지수 정보는 경제 지수, 식습관 지수 및 건강 지수를 구비한다.
바람직하게, 제1 연관 강도(C1)는 아래의 수학식(5)에 의해 계산되며, 제2 연관 강도(C2)는 아래의 수학식(6)에 의해 계산된다.
[수학식 5]
Figure pat00007
[수학식 6]
Figure pat00008
여기서 NCT는 검색한 소셜미디어 컨텐츠의 전체 수이며, Nc1과 Nc2는 각각 제1 개인 지수 정보와 관련된 해쉬 태그가 포함된 소셜미디어 컨텐츠의 수와 제2 개인 지수 정보와 관련된 해쉬 태그가 포함된 소셜미디어 컨텐츠의 수를 의미하며, Ruj는 사용자의 제2 개인 지수 정보 항목(j)에 대한 지수 값을 의미한다.
예를 들어, 검색한 소셜미디어 컨텐츠 중 20대라는 해쉬 태그가 포함되어 있으며 사용자의 제1 개인 지수 정보 중 연령 지수가 20대를 의미하는 2인 경우 해당 소셜미디어 컨텐츠를 제1 개인 지수 정보와 관련된 소셜미디어 컨텐츠로 판단한다.
한편, 예를 들어 검색한 소셜미디어 컨텐츠 중 "건강식", "건강한" 등 건강지수와 관련한 설정된 키워드가 해쉬 태그로 포함되어 있는 경우 해당 소셜미디어 컨텐츠를 제2 개인 지수 정보와 관련된 소셜미디어 컨텐츠로 판단한다.
제1 연관 강도와 제2 연관 강도의 합으로부터 후보 추천 음식 아이템별 전체 연관 강도를 계산하고 후보 추천 아이템별 전체 연관 강도에 기초하여 사용자에 최종 추천 음식 아이템에 대한 정보를 제공한다(S157).
바람직하게, 전체 연관 강도가 높은 순서로 m개의 음식 아이템을 최종 추천 음식 아이템으로 제공하거나 제3 임계값보다 큰 전체 연관 강도를 가지는 음식 아이템을 최종 추천 음식 아이템으로 제공할 수 있다.
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 사용자 단말기 30: 네트워크
50: 추천 서버 70: 컨텐츠 서버
110: 송수신부 120: 회원 관리부
130: 데이터베이스부 150: 후보 추천 음식 결정부
170: 연관 강도 계산부 190: 음식 추천부

Claims (15)

  1. 음식 추천 서버에서 사용자에 음식 아이템을 추천하는 방법에 있어서,
    상기 사용자와 주변 사용자 사이의 음식 구매 이력에 따른 구매 이력 유사도, 상기 사용자와 주변 사용자 사이의 개인 지수 정보에 따른 프로필 유사도 및 구매한 음식 아이템별 평가 정보로부터 후보 추천 음식 아이템을 결정하는 단계; 및
    상기 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠의 전체 해쉬 태그와 상기 사용자의 개인 지수 정보로부터 상기 후보 추천 음식 아이템별 후보 추천 음식 아이템과 사용자 개인 지수 사이의 연관 강도를 계산하는 단계;
    상기 후보 추천 음식 아이템별 연관 강도에 기초하여 사용자에 음식 아이템을 추천하는 단계를 포함하는 것을 특징으로 하는 음식 아이템의 추천 방법.
  2. 제 1 항에 있어서, 상기 후보 추천 음식 아이템을 결정하는 단계는
    사용자의 음식 구매 이력과 주변 사용자의 음식 구매 이력에 기초하여 음식 구매 이력에 따른 상기 사용자와 상기 주변 사용자 사이의 구매 이력 유사도를 계산하는 단계;
    상기 구매 이력 유사도가 제1 임계값을 초과하는 n명(여기서 n은 1 이상의 자연수)의 후보 주변 사용자와 사용자의 개인 지수 정보에 기초하여 상기 사용자와 후보 주변 사용자 사이의 프로필 유사도를 계산하는 단계;
    상기 구매 이력 유사도와 상기 프로필 유사도로부터 후보 주변 사용자의 최종 유사도를 계산하는 단계; 및
    상기 최종 유사도와 상기 후보 주변 사용자의 음식 아이템별 평가 점수로부터 후보 추천 음식 아이템을 결정하는 단계를 포함하는 것을 특징으로 하는 음식 아이템의 추천 방법.
  3. 제 2 항에 있어서, 상기 구매 이력 유사도는
    상기 사용자와 상기 주변 사용자가 동일 음식 아이템의 구매 여부 및 상기 동일 음식 아이템에 대한 평가 점수 차이로부터 계산되는 것을 특징으로 하는 음식 아이템의 추천 방법.
  4. 제 3 항에 있어서, 상기 구매 이력 유사도는
    상기 사용자와 상기 주변 사용자가 동일 음식 아이템의 구매 여부 및 상기 동일 음식 아이템에 대한 평가 점수의 존재 여부에 따른 리스크값을 고려하여 계산되는 것을 특징으로 하는 음식 아이템의 추천 방법.
  5. 제 4 항에 있어서, 사용자(u)와 주변 사용자(v) 사이의 상기 구매 이력 유사도(Si(u,v))는 아래의 수학식(1)에 의해 계산되는데,
    [수학식 1]
    Figure pat00009

    여기서 rui는 음식 아이템(i)에 대한 사용자(u)의 평가 점수이고, rua는 사용자(u)가 구매한 모든 음식 아이템의 평가 점수 평균값이며, rvi는 음식 아이템(i)에 대한 주변 사용자(v)의 평가 점수이고, rva는 주변 사용자(v)가 구매한 모든 음식 아이템의 평가 점수 평균값이며, σ는 리스크값인 것을 특징으로 하는 음식 아이템의 추천 방법.
  6. 제 5 항에 있어서, 상기 리스크값은
    상기 사용자와 상기 주변 사용자가 동일하게 구매하지 않은 음식 아이템의 수에 따라 비례하여 증가하는 것을 특징으로 하는 음식 아이템의 추천 방법.
  7. 제 2 항에 있어서, 상기 개인 지수 정보는
    상기 사용자 또는 상기 주변 사용자의 나이와 성별을 구비하는 개인 정보 및
    상기 사용자와 상기 주변 사용자의 경제 지수, 식습관 지수 및 건강 지수를 구비하는 지수 정보인 것을 특징으로 하는 음식 아이템의 추천 방법.
  8. 제 6 항에 있어서, 상기 프로필 유사도는 아래의 수학식(2)에 의해 계산되는데,
    Figure pat00010

    여기서 ruj는 개인 지수 정보 항목(j)에 대한 사용자(u)의 개인 지수 정보이고, ruja는 개인 지수 정보 항목(j)에 대한 사용자(u)의 개인 지수 정보의 평균값이며, rvj는 개인 지수 정보 항목(j)에 대한 주변 사용자(v)의 개인 지수 정보이고, rvja는 개인 지수 정보 항목(j)에 대한 주변 사용자(v)의 개인 지수 정보의 평균값인 것을 특징으로 하는 음식 아이템의 추천 방법.
  9. 제 7 항에 있어서, 상기 연관 강도를 계산하는 단계는
    상기 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠를 검색하는 단계;
    상기 사용자의 개인 정보와 검색한 상기 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제1 연관 강도를 계산하는 단계;
    상기 사용자의 지수 정보와 검색한 상기 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제2 연관 강도를 계산하는 단계; 및
    상기 제1 연관 강도와 상기 제2 연관 강도로부터 상기 후보 추천 음식 아이템별 연관 강도를 계산하는 단계를 포함하는 것을 특징으로 하는 음식 아이템의 추천 방법.
  10. 사용자와 주변 사용자의 음식 구매 이력, 개인 지수 정보를 저장하고 있는 데이터베이스부;
    상기 사용자와 주변 사용자 사이의 음식 구매 이력에 따른 구매 이력 유사도, 상기 사용자와 주변 사용자 사이의 개인 지수 정보에 따른 프로필 유사도 및 구매한 음식 아이템별 평가 정보로부터 후보 추천 음식 아이템을 결정하는 후보 추천 음식 결정부;
    후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠의 전체 해쉬 태그와 상기 사용자의 개인 지수 정보로부터 상기 후보 추천 음식 아이템별 연관 강도를 계산하는 연관 강도 계산부; 및
    후보 추천 음식 아이템별 연관 강도에 기초하여 사용자에 음식 아이템을 추천하는 음식 추천부를 포함하는 것을 특징으로 하는 음식 아이템의 추천 장치.
  11. 제 10 항에 있어서, 상기 후보 추천 음식 결정부는
    사용자의 음식 구매 이력과 주변 사용자의 음식 구매 이력에 기초하여 음식 구매 이력에 따른 상기 사용자와 상기 주변 사용자 사이의 구매 이력 유사도를 계산하는 구매 이력 유사도 계산부;
    상기 구매 이력 유사도가 제1 임계값을 초과하는 n명(여기서 n은 1 이상의 자연수)의 후보 주변 사용자와 사용자의 개인 지수 정보에 기초하여 상기 사용자와 후보 주변 사용자 사이의 프로필 유사도를 계산하는 프로필 유사도 계산부;
    상기 구매 이력 유사도와 상기 프로필 유사도로부터 후보 주변 사용자의 최종 유사도를 계산하는 최종 유사도 계산부; 및
    상기 최종 유사도와 상기 후보 주변 사용자의 음식 아이템별 평가 점수로부터 후보 추천 음식 아이템을 결정하는 후보 결정부를 포함하는 것을 특징으로 하는 음식 아이템 추천 장치.
  12. 제 11 항에 있어서, 상기 구매 이력 유사도는
    상기 사용자와 상기 주변 사용자가 동일 음식 아이템의 구매 여부 및 상기 동일 음식 아이템에 대한 평가 점수 차이로부터 계산되는 것을 특징으로 하는 음식 아이템의 추천 장치.
  13. 제 12 항에 있어서, 상기 구매 이력 유사도는
    상기 사용자와 상기 주변 사용자가 동일 음식 아이템의 구매 여부 및 상기 동일 음식 아이템에 대한 평가 점수의 존재 여부에 따른 리스크값을 고려하여 계산되는 것을 특징으로 하는 음식 아이템의 추천 장치.
  14. 제 11 항에 있어서, 상기 연관 강도 계산부는
    상기 후보 추천 음식 아이템을 해쉬 태그로 가지는 소셜미디어 컨텐츠를 검색하는 컨텐츠 검색부;
    상기 사용자의 개인 지수 정보 중 사용자의 개인 정보와 검색한 상기 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제1 연관 강도를 계산하는 제1 연관 강도 계산부;
    상기 사용자의 개인 지수 정보 중 사용자의 지수 정보와 검색한 상기 소셜 미디어 컨텐츠의 전체 해쉬 태크 사이의 제2 연관 강도를 계산하는 제2 연관 강도 계산부;
    상기 제1 연관 강도와 상기 제2 연관 강도로부터 상기 후보 추천 음식 아이템별 연관 강도를 전체 연관 강도 계산부를 포함하는 것을 특징으로 하는 음식 아이템의 추천 장치.
  15. 제 14 항에 있어서,
    상기 개인 정보는 상기 사용자의 나이와 성별을 구비하며,
    상기 지수 정보는 상기 사용자의 경제 지수, 식습관 지수 및 건강 지수를 구비하는 것을 특징으로 하는 음식 아이템의 추천 장치.
KR1020180024759A 2018-02-28 2018-02-28 음식 아이템의 추천 방법 KR102087148B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180024759A KR102087148B1 (ko) 2018-02-28 2018-02-28 음식 아이템의 추천 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180024759A KR102087148B1 (ko) 2018-02-28 2018-02-28 음식 아이템의 추천 방법

Publications (2)

Publication Number Publication Date
KR20190103838A true KR20190103838A (ko) 2019-09-05
KR102087148B1 KR102087148B1 (ko) 2020-03-12

Family

ID=67949656

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180024759A KR102087148B1 (ko) 2018-02-28 2018-02-28 음식 아이템의 추천 방법

Country Status (1)

Country Link
KR (1) KR102087148B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102191649B1 (ko) * 2020-05-21 2020-12-16 박준경 인공신경망을 이용한 음료 추천 장치 및 방법
KR20220031983A (ko) * 2020-09-06 2022-03-15 (주)넷킨 마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템
KR102417570B1 (ko) * 2021-10-20 2022-07-06 서울대학교 산학협력단 채식 동기 및 채식 유형에 따라 사용자 맞춤형 채식 서비스를 제공하는 방법 및 장치
KR102430904B1 (ko) * 2021-12-09 2022-08-10 쿠팡 주식회사 서버 및 그의 정보 제공 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102438350B1 (ko) 2020-09-15 2022-08-31 주식회사 모리아타운 어린이 간식 구독 서비스 시스템 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101507328B1 (ko) * 2014-03-10 2015-03-31 단국대학교 산학협력단 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법
KR20160065429A (ko) * 2014-11-30 2016-06-09 주식회사 알티웍스 하이브리드 개인화 상품추천 방법
KR101657588B1 (ko) * 2015-11-13 2016-09-19 (주)제이케이소프트 웹을 이용한 상품 이미지 기반 상품 거래 정보 제공 시스템 및 방법
KR20160146377A (ko) * 2015-06-12 2016-12-21 주식회사 아이피플스 회식 장소 예약 서비스 방법 및 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101507328B1 (ko) * 2014-03-10 2015-03-31 단국대학교 산학협력단 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법
KR20160065429A (ko) * 2014-11-30 2016-06-09 주식회사 알티웍스 하이브리드 개인화 상품추천 방법
KR20160146377A (ko) * 2015-06-12 2016-12-21 주식회사 아이피플스 회식 장소 예약 서비스 방법 및 시스템
KR101657588B1 (ko) * 2015-11-13 2016-09-19 (주)제이케이소프트 웹을 이용한 상품 이미지 기반 상품 거래 정보 제공 시스템 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102191649B1 (ko) * 2020-05-21 2020-12-16 박준경 인공신경망을 이용한 음료 추천 장치 및 방법
KR20220031983A (ko) * 2020-09-06 2022-03-15 (주)넷킨 마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템
KR102417570B1 (ko) * 2021-10-20 2022-07-06 서울대학교 산학협력단 채식 동기 및 채식 유형에 따라 사용자 맞춤형 채식 서비스를 제공하는 방법 및 장치
KR102430904B1 (ko) * 2021-12-09 2022-08-10 쿠팡 주식회사 서버 및 그의 정보 제공 방법
WO2023106495A1 (ko) * 2021-12-09 2023-06-15 쿠팡 주식회사 서버 및 그의 정보 제공 방법

Also Published As

Publication number Publication date
KR102087148B1 (ko) 2020-03-12

Similar Documents

Publication Publication Date Title
KR102087148B1 (ko) 음식 아이템의 추천 방법
US20160364490A1 (en) Method, system and computer readable medium for creating a profile of a user based on user behavior
US20180357703A1 (en) Recommendations Based Upon Explicit User Similarity
JP4947477B1 (ja) レコメンド装置、レコメンド方法およびレコメンドプログラム
Chen et al. Recommendation based on contextual opinions
US20120226559A1 (en) Automatic classification of consumers into micro-segments
US20120042253A1 (en) Population segmentation
US20120041969A1 (en) Deriving user characteristics
Yang et al. Plateclick: Bootstrapping food preferences through an adaptive visual interface
EP2782029A2 (en) Re-ranking results in a search
US10740825B1 (en) User clustering in a latent space for identifying user interest in a content item
Chiru et al. Movie Recommender system using the user's psychological profile
US20210390392A1 (en) System and method for processing point-of-interest data
Raja et al. Novelty‐driven recommendation by using integrated matrix factorization and temporal‐aware clustering optimization
CN110782286A (zh) 广告推送方法、装置、服务器及计算机可读存储介质
Deng et al. A similarity measure based on Kullback–Leibler divergence for collaborative filtering in sparse data
CN106462644A (zh) 标识来自多个结果页面标识的优选结果页面
US20170315676A1 (en) Dynamic content insertion
KR101596632B1 (ko) 빅데이터 이미지를 이용한 상품 추천 방법
WO2015161515A1 (en) Systems and methods for commercial query suggestion
KR101711118B1 (ko) 빅데이터를 이용한 사용자에 개인화된 음식 추천 시스템
US20150293988A1 (en) System and Method for Opinion Sharing and Recommending Social Connections
US10120929B1 (en) Systems and methods for automatic item classification
US10586163B1 (en) Geographic locale mapping system for outcome prediction
KR20220026255A (ko) 빅데이터를 이용한 건강식품 추천시스템

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