KR20190140521A - 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법 - Google Patents

챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법 Download PDF

Info

Publication number
KR20190140521A
KR20190140521A KR1020180061431A KR20180061431A KR20190140521A KR 20190140521 A KR20190140521 A KR 20190140521A KR 1020180061431 A KR1020180061431 A KR 1020180061431A KR 20180061431 A KR20180061431 A KR 20180061431A KR 20190140521 A KR20190140521 A KR 20190140521A
Authority
KR
South Korea
Prior art keywords
information
user
product
chatbot
product information
Prior art date
Application number
KR1020180061431A
Other languages
English (en)
Inventor
문병래
Original Assignee
페이업 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 페이업 주식회사 filed Critical 페이업 주식회사
Priority to KR1020180061431A priority Critical patent/KR20190140521A/ko
Publication of KR20190140521A publication Critical patent/KR20190140521A/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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법을 개시한다. 본 발명의 챗봇에 기반한 상품 정보 제공 장치는, 기 수집된 상품 및 사용자 정보를 계층적(hierarchical)으로 저장하는 저장부, 상품 정보 및 사용자 정보를 이용하여 훈련 데이터 세트를 생성하고, 훈련 데이터 세트를 이용하여 인공 신경망(Artificial Neural network)에 기반하여 기계 학습을 수행하는 뉴런 학습부, 사용자의 상품 문의 요청이 수신되면, 뉴런 학습부에 의해서 기계 학습된 상품 정보 및 사용자 정보에 기초하여 수신된 상품 문의에 대한 답변을 제공하는 챗봇부를 포함하고, 챗봇부는 수신된 상품 문의 요청을 분석하여 핵심 키워드를 도출하고, 핵심 키워드를 이용하여 기계 학습된 상품 정보 중 하나를 선택해서 답변으로 제공한다.

Description

챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법{PRODUCT INFORMATION PROVIDING APPARATUS BASED ON CHATBOT AND PRODUCT INFORMATION PROVIDING METHOD USING THE SAME}
본 발명은 상품 정보 제공 장치 및 상품 정보 제공 방법에 관한 것으로서, 보다 상세하게는 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법에 관한 것이다.
최근 들어 빅데이터(Big Data) 기술과 인공지능(Artificial Intelligence ; AI) 기술의 눈부신 발전에 따라 빅데이터와 인공지능을 다양한 분야에 활용하고 있으며, 특히 온라인 상품 구매 사이트에서 고객에게 상품 정보를 제공하기 위해서 챗봇을 이용하는 서비스가 선보였다. 기존에는 몇가지 질문에 대해서 메뉴얼화된 정보를 고객에게 제공하는 저수준 인공지능을 갖춘 챗봇을 활용하였다. 하지만, 종래의 저수준 인공지능 기반의 챗봇은 고객의 다양한 문의에 대해서 모두 적절하게 상담할 수 없으므로, 여전히 인간의 도움에 기초하여야만 상품 제공 역할을 수행할 수 있다.
빅데이터 기술과 인공지능 기술이 발전하여도 모든 분야에 보편적으로 적용가능한 AI 엔진과 특정 분야에 전문화된 AI 엔진에는 차이가 발생하고, 특정 분야에 특화된 AI 엔진을 채용하여 저수준 인공지능의 문제점을 해결하기 위한 연구가 진행중에 있다.
따라서, 특정 분야인 온라인 쇼핑몰에서 수준 높은 상품 안내 서비스를 제공하기 위한 새로운 방식의 챗봇 기반의 상품 정보 제공 장치 및 방법에 대한 개발의 필요성이 요구되고 있는 실정이다.
선행문헌 1 : 한국공개특허 제10-2017-0124194호(공개일 : 2017년11월10일) 선행문헌 2 : 한국등록특허 제10-1842879호(공고일 : 2018년03월22일) 선행문헌 3 : 한국등록특허 제10-1827320호(공고일 : 2018년02월02일)
상술한 필요성에 의해서 안출된 본 발명은 사용자의 구매 경험을 훈련 데이터로 축적하여 이를 이용하여 기계학습시킨 챗봇을 이용하여 신규 사용자의 상품 정보 요청이 있을 경우에 기 사용자의 구매 경험에 기반하여 추정된 상품 정보를 신규 사용자에게 제공할 수 있는 챗봇 기반 상품 정보 제공 장치 및 상품 제공 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 챗봇에 기반한 상품 정보 제공 장치는, 기 수집된 상품 및 사용자 정보를 계층적(hierarchical)으로 저장하는 저장부, 상기 상품 정보 및 사용자 정보를 이용하여 훈련 데이터 세트를 생성하고, 상기 훈련 데이터 세트를 이용하여 인공 신경망(Artificial Neural network)에 기반하여 기계 학습을 수행하는 뉴런 학습부, 사용자의 상품 문의 요청이 수신되면, 상기 뉴런 학습부에 의해서 기계 학습된 상기 상품 정보 및 사용자 정보에 기초하여 수신된 상품 문의에 대한 답변을 제공하는 챗봇부를 포함하고, 상기 챗봇부는, 상기 수신된 상품 문의 요청을 분석하여 핵심 키워드를 도출하고, 상기 핵심 키워드를 이용하여 상기 기계 학습된 상품 정보 중 하나를 선택해서 답변으로 제공한다.
이 경우에, 상기 저장부는, 상품 정보를 카테고리별로 분류하고, 각 카테고리별로 분류된 상품 정보를 계층적으로 정렬하며, 계층적으로 정렬된 상품 정보에 대해서 사용자의 정보를 매칭하여 저장한다.
이 경우에, 상기 뉴런 학습부는, 상기 상품 정보와 상기 사용자 정보를 각각 입력값으로 입력받는 복수의 입력 노드와 상기 복수의 입력 노드에 할당된 값에 차등적으로 제1 가중치를 부여한 뒤 각각의 값을 입력받는 복수의 은닉 노드와, 상기 복수의 은닉 노드에 할당된 값에 차등적으로 제2 가중치를 부여한 뒤 각가그이 값을 입력받는 복수의 출력 노드를 포함한다.
한편, 상기 챗봇부는, 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하고, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하고, 상기 구매 경험 데이터가 검색되면 상기 검색된 구매 경험 데이터와 상기 상품에 대한 일반 수요자 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출한 뒤, 사용자에게 제공한다.
한편, 상기 챗봇부는, 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하고, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하고, 상기 구매 경험 데이터가 검색되지 않으면 상기 사용자와 특성이 유사한 다른 사용자의 구매 경험 데이터와 상기 상품에 대한 일반 수요자의 피드백 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출한 뒤, 사용자에게 제공한다.
본 발명의 다른 실시 예에 따른 챗봇에 기반한 상품 정보 제공 방법은, 저장부에 의해서 기 수집된 상품 및 사용자 정보를 계층적(hierarchical)으로 저장하는 단계, 뉴런 학습부에 의해서 상기 상품 및 사용자 정보를 이용하여 훈련 데이터 세트를 생성하고, 상기 훈련 데이터 세트를 이용하여 인공 신경망(Artificial Neural network)에 기반하여 기계 학습을 수행하는 단계, 챗봇부에 의해서 기계 학습된 상품 제공 정보에 기초하여 사용자의 상품 문의 요청이 수신되면, 수신된 상품 문의에 대한 답변을 제공하는 단계를 포함하고, 상기 답변을 제공하는 단계는, 상기 수신된 상품 문의 요청을 분석하여 핵심 키워드를 도출하고, 상기 핵심 키워드를 이용하여 상기 기계 학습된 상품 제공 정보 중 하나를 선택해서 답변으로 제공한다.
이 경우에, 상기 저장하는 단계는, 상품 정보를 카테고리별로 분류하는 단계와 각 카테고리에 분류된 상품 정보를 계층적으로 정렬하는 단계와, 계층적으로 정렬된 상품 정보에 대해서 사용자의 피드백 정보를 매칭하여 저장하는 단계를 포함한다.
이 경우에, 상기 기계 학습을 수행하는 단계는, 복수의 입력 노드에 상기 상품 정보와 상기 사용자 정보를 각각 입력값으로 입력하는 단계와, 복수의 은닉 노드에 상기 복수의 입력 노드에 할당된 값에 차등적으로 제2 가중치를 부여한 뒤 복수의 은닉 노드에 입력하는 단계와 상기 복수의 은닉 노드에 할당된 값에 차등적을 제1 가중치를 부여한 뒤 복수의 출력 노드에 입력하는 단계를 포함한다.
한편, 상기 답변을 제공하는 단계는, 상기 챗봇부에 의해서 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하는 단계와, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하는 단계와, 상기 구매 경험 데이터가 검색되면 상기 검색된 구매 경험 데이터와 상기 상품에 대한 일반 수요자의 피드백 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출하는 단계와 상기 독출된 상품 정보를 사용자에게 제공하는 단계를 포함한다.
한편, 상기 답변을 제공하는 단계는, 상기 챗봇부에 의해서 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하는 단계와, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하는 단계와, 상기 구매 경험 데이터가 검색되지 않으면 상기 사용자와 특성이 유사한 다른 사용자의 구매 경험 데이터와 상기 상품에 대한 일반 수요자의 피드백 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출하는 단계와, 상기 독출된 상품 정보를 사용자에게 제공하는 단계를 포함한다.
본 발명의 다양한 실시 예에 따르면, 사용자의 구매 경험을 수집하고, 이를 데이터 세트로 활용하여 인공 신경망에 기반하여 기계학습시킨 챗봇을 이용하여 신규 및 기존 사용자에게 맞춤형 상품 정보를 제공함으로써, 사용자에게 보다 적합하고 정확한 상품 정보를 제공할 수 있게 된다.
도 1은 본 발명의 일 실시 예에 따른 상품 정보 제공 시스템을 예시적으로 설명하는 도면,
도 2는 도 1에 도시된 챗봇에 기반한 상품 정보 제공 장치를 예시적으로 설명하기 위한 도면,
도 3은 도 1의 챗봇에 기반한 상품 정보 제공 장치의 저장부를 예시적으로 설명하기 위한 도면,
도 4는 도 1의 챗봇에 기반한 상품 정보 제공 장치의 뉴런 학습부를 예시적으로 설명하기 위한 도면,
도 5는 도 1의 챗봇에 기반한 상품 정보 제공 장치의 챗봇부를 예시적으로 설명하기 위한 도면,
도 6은 본 발명의 다른 실시 예에 따른 챗봇에 기반한 상품 정보 제공 방법을 예시적으로 설명하는 플로우챠트, 그리고,
도 7은 본 발명의 다른 실시 예에 따른 챗봇에 기반한 상품 정보 제공 방법을 예시적으로 설명하는 타이밍도.
이하에서, 도면을 참고하여 본 발명의 다양한 실시 예에 대해서 설명하다. 이러한 실시 예는 해당 기술 분야의 통상의 지식을 가진 자가 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다양하게 설계 변경할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 상품 정보 제공 시스템을 예시적으로 설명하는 도면이다. 도 1을 참고하면, 챗봇에 기반한 상품 정보 제공 장치(100)는 네트워크(200)를 통해서 복수의 사용자 단말(300-1 내지 300-3)과 상품 정보를 상호 교환할 수 있다. 보다 구체적으로, 상품 구매 웹사이트에서 사용자가 특정 상품에 대한 정보 제공을 요청할 경우, 챗봇에 기반한 상품 정보 제공 장치(100)는 사용자의 정보 제공 요청을 분석하여 사용자에게 적합한 상품 정보를 독출하여 해당 사용자 단말(300)로 제공한다.
예를 들어, 제1 사용자 단말(300-1)은 특정 상품에 대한 크기 정보를 확인해줄 것을 요청할 경우에, 챗봇에 기반한 상품 정보 제공 장치(100)는 제1 사용자 단말(300-1)의 요청을 분석하여 제1 사용자 단말(300-1)에 적합한 상품에 관한 정보를 생성하기 위해 챗봇이 동작한다. 이때, 챗봇은 저장부에 저장된 해당 상품에 대한 크기 정보를 검색하고, 해당 사용자가 동일 상품 또는 관련 상품을 구매한 이력이 있는지 검색하고, 검색 결과에 따라 구매 이력이 있을 경우에는 과거 구매 이력과 해당 상품에 대한 크기 정보를 상호 비교분석하여 해당 상품에 맞춤형 정보를 제공한다.
상술한 바와 같이, 본 발명의 챗봇에 기반한 상품 정보 제공 장치(100)는 사용자의 과거 구매 이력 정보를 이용하여 해당 사용자에게 맞춤형 정보를 생성하여 제공한다. 뿐만 아니라 사용자가 과거 구매 이력이 없을 경우에는 해당 사용자의 특성을 분석하여 해당 사용자와 성향이 유사한 사용자의 과거 구매 이력을 이용하여 해당 사용자에게 맞춤형 정보를 생성하여 제공한다.
이처럼, 구매자 맞춤형 정보를 생성하기 위해서 챗봇은 계속적으로 축적되는 데이터를 이용하여 기계학습을 시켜야 한다. 이러한 기계학습에 대해서는 이하에서 별도로 설명한다.
도 2는 도 1에 도시된 챗봇에 기반한 상품 정보 제공 장치를 예시적으로 설명하기 위한 도면이다. 도 2를 참고하면, 챗봇에 기반한 상품 정보 제공 장치(100)는 저장부(110), 뉴런 학습부(130) 및 챗봇부(150)를 포함한다.
저장부(110)는 상품 정보를 카테고리별로 분류한다. 저장부(110)는 각 카테고리에 분류된 상품 정보를 계층적으로 정렬한다. 저장부(110)는 계층적으로 정렬된 상품 정보에 대해서 사용자의 피드백 정보를 매칭시켜서 저장한다. 구체적으로 살펴보면, 도 3에는 저장부(110)의 데이터 저장 예가 도시되어 있다.
도 3을 참고하면, 저장부(110)는 제1 상품, 제2 상품, 제m 상품으로 카테고리 별로 상품 정보를 저장한다. 도 3에서 제1 상품 정보와 제2 상품 정보는 서로 다른 카테고리에 속하는 상품 정보이다. 각 카테고리에 속하는 상품 정보는 공통적인 상품 정보를 포함하고 있으며 동시에 상품 정보에 사용자 피드백 정보가 매칭되어 있어서 계층적으로 저장된다. 즉, 도 3에서 제1 상품 정보 1과 제1 상품 정보 2는 서로 공통된 상품 정보를 공유하지만, 제1 상품 정보 1은 사용자 1과 관련된 피드백 정보가 매칭되어 있고, 제1 상품 정보 2는 사용자 2와 관련된 피드백 정보가 매칭되어 있다. 여기서 사용자 1과 사용자 2는 실제 사용자일 수도 있고, 여러 사용자의 특징이 혼합되어 있는 가상의 사용자일 수도 있다. 계층적으로 저장할 경우에 사용자 1은 가장 보편적인 특징을 보이는 사용자의 정보를 나타내면, 제1 상품 정보 1은 최상위 계층에 저장되고, 챗봇도 제1 상품 정보 1에 접근하는 빈도수가 가장 많을 것이다. 반면에, 제1 상품 정보 중 가장 빈번하지 않은 특징을 나타내는 사용자 특성이 매칭된 정보는 제1 상품 정보 n에 저장함으로써 최하위 계층에 저장된다.
이러한 계층적 상품 정보 저장 방식에 따르면 사용자의 피드백 정보가 축적될 수록 가장 보편적인 특성을 보이는 사용자가 최상위에 분포하고, 특이한 특성을 나타내는 사용자는 최하위에 분포하도록 함으로써, 새로운 사용자가 보편적인 특성인지 아니면 특이한 특성인지에 따라 검색 방향을 최상위에서 진행할지 또는 최하위에서 진행할지 결정하게 됨으로써, 검색의 효율성이 향상될 수 있다.
다시 도 2로 돌아와서 저장부(110)의 상품 정보 저장 특징에 대해서 설명하였고, 저장부(110)에 저장된 데이터 세트를 이용하여 기계학습을 하는 뉴런 학습부(130)에 대한 설명을 한다.
뉴런 학습부(130)는 상품 및 사용자 정보를 이용하여 훈련 데이터 세트를 생성한다. 뉴럭 학습부(130)는 훈련 데이터 세트로써 훈련 전에 최신의 데이터 세트를 사용한다. 뉴런 학습부(130)는 훈련 데이터 세트를 이용하여 인공 신경망(Artificial Neural network)에 기반하여 기계 학습을 수행한다. 인공 신경망에 기반한 딥러닝 학습에 대해서는 이하 도 4를 참고하여 설명한다.
도 4를 참고하면, 뉴런 학습부(130)는 3단계의 레이어(Layer)로 구성될 수 있다. 즉, 뉴런 학스부(130)는 제1 레이어에 복수의 입력 노드(131)를 배치하고, 제2 레이어에 복수의 은닉 노드(132)를 배치하며, 제3 레이어에 복수의 출력 노드(133)를 배치한다.
복수의 입력 노드(131)는 복수의 상품 정보를 입력 노드로 입력받는다. 또는 복수의 입력 노드(131)는 복수의 사용자 정보를 입력 노드로 입력받는다. 각각의 입력 노드에 입력된 값에 차등적으로 제1 가중치를 부여하여 그 합을 복수의 은닉 노드(132)에 각각 입력한다. 복수의 은닉 노드(132)의 각각 노드에 입력되는 값은 차등적인 가중치에 따라 상호 다른 값을 갖거나 동일한 값을 갖도록 조절될 수 있다. 복수의 은닉 노드(132)에 할당된 값에 차등적인 제2 가중치를 부여하여 그 합을 복수의 출력 노드(133)에 각각 입력한다. 복수의 출력 노드(133)에 할당된 값은 복수의 입력 노드(133)에 할당된 값과 비교하여 차이가 발생한다.
상술한 인공 신경망은 뉴런의 정보 전달 방식을 모사한 것으로써, 복수의 입력 노드(131)에 입력된 값이 신경망을 거쳐서 복수의 출력 노드(133)로 출력됨으로써, 그 값에 변화가 생기고, 변경된 값은 갱신된 상품 정보 또는 사용자 정보로 저장부(110)에 저장된다.
뉴런 학습부(130)는 상품 정보 및 사용자 정보를 기계학습을 통해서 변경하여 저장부(110)에 갱신하여 저장함으로써 데이터의 최신성을 유지하고, 사용자의 특성을 반영한 데이터 세트로 유지하게 된다.
다시 도 2로 돌아와서 뉴런 학습부(130)에 의해서 데이터 세트에 대해서 기계학습을 통해서 상품 정보 및 사용자 정보를 갱신하여 저장하는 것에 대해서 설명하였고, 저장부(110)에 저장된 데이터 세트는 상품 정보와 사용자 정보가 매칭된 정보의 특징이 있다. 이하에서는 챗봇부(150)의 동작에 대해서 설명한다.
챗봇부(150)는 뉴런 학습부(130)에 의해서 기계 학습된 결과 데이터인 상품 제공 정보에 기초하여 사용자의 상품 문의 요청이 수신되면, 수신된 상품 문의에 대한 답변을 제공한다. 챗봇부(150)는 수신된 상품 문의 요청을 분석하여 핵심 키워드를 도출한다. 챗봇부(150)는 도출된 핵심 키워드를 이용하여 기계 학습된 상품 정보 중 하나를 선택한다. 챗봇부(150)는 선택된 상품 정보를 해당 사용자에게 제공한다. 이러한 챗봇부(150)의 동작에 대해서는 별도의 도면을 참고하여 설명한다.
도 5를 참고하면, 챗봇부(150)는 키워드 생성 엔진(151), 검색 엔진(153) 및 AI 엔진(155)을 포함한다. 키워드 생성 엔진(151)은 제1 사용자로부터 제n 상품 정보에 대한 요청을 수신할 경우, 제1 사용자가 제n 상품을 구매한 이력이 있는지 검색하기 위한 키워드를 생성한다.
검색 엔진(153)은 키워드 생성 엔진(151)에 의해서 생성된 키워드를 이용하여 저장부(110)에 저장된 사용자의 구매 이력을 검색한다.
AI 엔진(155)은 구매 이력이 있을 경우에는 구매 이력에 기초하여 사용자 특성을 분석하고, 분석 결과에 따라 적합한 사용자 정보를 특정한 뒤, 특정된 사용자 정보에 매칭된 상품 정보를 독출하여 제1 사용자에게 제공한다.
AI 엔진(155)은 제1 사용자가 제n 상품을 구매한 이력이 없는 것으로 분석되면, 해당 구매자에 대한 구매 성향을 파악하기 위해서, 제1 사용자의 다른 정보를 이용한다. AI 엔진(155)은 제1 사용자의 다른 정보를 이용해서도 구매 성향을 파악하기 어려울 경우에는 제n 상품의 카테고리에서 중간 부분에 존재하는 상품 정보(Info 1)를 독출하여 제1 사용자에게 제공한다.
상술한 바와 같이, 본 발명의 일 실시 예에 따르면, 사용자의 특성에 따라 상품 정보를 기계 학습을 통해서 계층적으로 저장함으로써 사용자에게 맞춤형 정보를 빠르고 정확하게 제공할 수 있는 효과를 발휘한다.
도 6은 본 발명의 다른 실시 예에 따른 챗봇에 기반한 상품 정보 제공 방법을 예시적으로 설명하는 플로우챠트이다. 도 6을 참고하면, 챗봇에 기반한 상품 정보 제공 방법은 정보를 계층적으로 저장하는 단계(S610), 인공 신경망에 기반하여 기계학습을 수행하는 단계(S630) 및 핵심 키워드를 이용하여 상품 제공 정보를 선택하여 답변을 제공하는 단계(S650)를 포함한다.
저장하는 단계(610)에서, 저장부(110)에 의해서 기 수집된 상품 정보를 카테골리 별로 분류하고, 카테고리별 분류된 상품 정보를 사용자 정보와 매칭하여 계층적으로 저장한다. 즉, 저장하는 단계(610)에서, 상품 정보를 카테고리별로 분류하고, 각 카테고리에 분류된 상품 정보를 계층적으로 정렬한 뒤, 계층적으로 정렬된 상품 정보에 대해서 사용자 정보를 매칭하여 저장한다.
기계학습을 수행하는 단계(S630)에서, 뉴런 학습부(130)에 의해서 상품 및 사용자 정보를 이용하여 훈련 데이터 세트를 생성하고, 훈련 데이터 세트를 이용하여 인공 신경망(Artificial Neural network)에 기반하여 기계 학습을 수행한다. 즉, 기계학습을 수행하는 단계(S630)에서, 복수의 입력 노드(131)에 카테고리별 상품 정보와 사용자 정보를 각각 입력값으로 입력하고, 복수의 은닉 노드(132)에 복수의 입력 노드(131)에 차등적으로 가중치를 부여하여 입력값으로 입력하며, 복수의 은닉 노드(132)에 할당된 값을 복수의 출력 노드(133)에 출력값으로 입력한다.
답변을 제공하는 단계(S650)에서, 사용자의 상품 문의 요청이 수신되면 챗봇부에 의해서 기계 학습된 상품 제공 정보에 기초하여, 수신된 상품 문의에 대한 답변을 제공한다. 이때, 답변을 제공하는 단계(S650)에서 수신된 상품 문의 요청을 분석하여 핵심 키워드를 도출하고, 핵심 키워드를 이용하여 기계 학습된 상품 제공 정보 중 하나를 선택해서 답변으로 제공한다.
답변을 제공하는 단계(S650)에서, 챗봇부(150)에 의해서 상품 문의 요청을 분석하여 사용자 정보를 획득하고, 사용자 정보를 이용하여 저장부(110)로부터 사용자의 구매 경험 데이터를 검색하며, 구매 경험 데이터가 검색되면 검색된 구매 경험 데이터와 상품에 대한 일반 수요자의 피드백 정보를 이용하여 저장부(110)에 저장된 상품 정보를 독출하고, 독출된 상품 정보를 사용자에게 제공한다.
답변을 제공하는 단계(S650)에서, 챗봇부(150)에 의해서 상품 문의 요청을 분석하여 사용자 정보를 획득하고, 사용자 정보를 이용하여 저장부(110)로부터 사용자의 구매 경험 데이터를 검색하며, 구매 경험 데이터가 검색되지 않으면 사용자와 특성이 유사한 다른 사용자의 구매 경험 데이터와 상품에 대한 일반 수요자의 피드백 정보에 기초하여 저장부(110)에 저장된 상품 정보를 독출하고, 독출된 상품 정보를 사용자에게 제공한다.
도 7은 본 발명의 다른 실시 예에 따른 챗봇에 기반한 상품 정보 제공 방법을 예시적으로 설명하는 타이밍도다. 도 7을 참고하면, 제1 사용자 단말(300-1)과 상품 정보 제공 장치(100) 사이에 제1 거래가 성립된다(S701). 여기서 제1 거래는 상품 매매 거래뿐만 아니라 특정 상품에 대한 상품 정보 교환도 포함한다. 제1 거래가 완료되면, 상품 정보 제공 장치(100)는 제1 거래에서 수집된 정보를 이용하여 이미 구축된 제1 데이터 세트를 기계학습시켜서 갱신한다(S702). 제2 사용자 단말(300-2)와 상품 정보 제공 장치(100) 사이에 제2 거래가 성립된다(S703). 제2 거래가 완료되면, 상품 정보 제공 장치(100)는 제2 거래에서 수집된 정보를 이용하여 제1 데이터 세트를 기계학습시켜서 제2 데이터 세트로 갱신한다(S704). 마찬가지 방식으로 제n 사용자 단말(300-n)과 상품 정보 제공 장치(100) 사이에 제n 거래가 성립된다(S705). 제n 거래가 완료되면, 상품 정보 제공 장치(100)는 제n 거래에서 수집된 정보를 이용하여 이미 구축된 제n-1 데이터 세트를 기계학습시켜서 제n 데이터 세트로 갱신한다(S706). 사용자 단말(300)과 상품 정보 제공 장치(100) 사이에 거래가 계속될 수록 기계학습된 데이터 세트가 고도화됨으로써 보다 다양한 사용자의 특성을 반영한 데이터 세트가 생성되고, 각 카테고리별 상품 정보에 매칭된 사용자 특성이 보다 세분화될 수 있다. 이런 상황에서 제1 사용자 단말(300-1)은 상품 정보 제공 장치(100)에 제2 상품에 대한 정보를 요청한다(S707). 상품 정보 제공 장치(100)는 제1 사용자 단말(300-1)로부터 제2 상품에 대한 정보 요청을 수신하면, 해당 사용자가 제2 상품을 구입한 이력이 있는지 검색하고, 검색 이력이 없을 경우에 해당 사용자의 특성을 파악한 뒤, 제2 상품 카테고리에서 해당 사용자 특성과 가장 유사한 사용자 특성을 가진 상품 정보(제2 상품의 X번째 정보)를 독출하여 제공한다(S708). 이때 챗봇부(150)는 제2 번째의 X번째 정보가 제1 사용자의 특성이 제일 유사하게 반영된 상품 정보라고 판단하여 제공한다.
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100 : 챗봇에 기반한 상품 정보 제공 장치
110 : 저장부
130 : 뉴런 학습부
150 : 챗봇부
151 : 키워드 생성 엔진
153 : 검색 엔진
155 : AI 엔진
200 : 네트워크
300 : 사용자 단말

Claims (10)

  1. 챗봇에 기반한 상품 정보 제공 장치에 있어서,
    기 수집된 상품 및 사용자 정보를 계층적(hierarchical)으로 저장하는 저장부;
    상기 상품 정보 및 사용자 정보를 이용하여 훈련 데이터 세트를 생성하고, 상기 훈련 데이터 세트를 이용하여 인공 신경망(Artificial Neural network)에 기반하여 기계 학습을 수행하는 뉴런 학습부;
    사용자의 상품 문의 요청이 수신되면, 상기 뉴런 학습부에 의해서 기계 학습된 상기 상품 정보 및 사용자 정보에 기초하여 수신된 상품 문의에 대한 답변을 제공하는 챗봇부;를 포함하고,
    상기 챗봇부는, 상기 수신된 상품 문의 요청을 분석하여 핵심 키워드를 도출하고, 상기 핵심 키워드를 이용하여 상기 기계 학습된 상품 정보 중 하나를 선택해서 답변으로 제공하는 것을 특징으로 하는 챗봇 기반에 상품 정보 제공 장치.
  2. 제1 항에 있어서,
    상기 저장부는, 상품 정보를 카테고리별로 분류하고, 각 카테고리에 분류된 상품 정보를 계층적으로 정렬하며, 계층적으로 정렬된 상품 정보에 대해서 사용자의 피드백 정보를 매칭하여 저장하는 것을 특징으로 하는 챗봇 기반에 상품 정보 제공 장치.
  3. 제2 항에 있어서,
    상기 뉴런 학습부는, 상기 상품 정보와 상기 사용자 정보를 각각 입력값으로 입력받는 복수의 입력 노드와 상기 복수의 입력 노드에 할당된 값에 차등적으로 제1 가중치를 부여한 뒤 각각의 값을 입력받는 복수의 은닉 노드와, 상기 복수의 은닉 노드에 할당된 값에 차등적으로 제2 가중치를 부여한 뒤 각가그이 값을 입력받는 복수의 출력 노드를 포함하는 챗봇 기반에 상품 정보 제공 장치.
  4. 제1 항에 있어서,
    상기 챗봇부는, 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하고, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하고, 상기 구매 경험 데이터가 검색되면 상기 검색된 구매 경험 데이터와 상기 상품에 대한 일반 수요자 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출한 뒤, 사용자에게 제공하는 것을 특징으로 하는 챗봇 기반에 상품 정보 제공 장치.
  5. 제1 항에 있어서,
    상기 챗봇부는, 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하고, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하고, 상기 구매 경험 데이터가 검색되지 않으면 상기 사용자와 특성이 유사한 다른 사용자의 구매 경험 데이터와 상기 상품에 대한 일반 수요자 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출한 뒤, 사용자에게 제공하는 것을 특징으로 하는 챗봇 기반에 상품 정보 제공 장치.
  6. 챗봇에 기반한 상품 정보 제공 방법에 있어서,
    저장부에 의해서 상품 정보 및 사용자 정보를 계층적(hierarchical)으로 저장하는 단계;
    뉴런 학습부에 의해서 상기 상품 정보 및 사용자 정보를 이용하여 훈련 데이터 세트를 생성하고, 상기 훈련 데이터 세트를 이용하여 인공 신경망(Artificial Neural network)에 기반하여 기계 학습을 수행하는 단계;
    챗봇부에 의해서 기계 학습된 상품 정보 및 사용자 정보에 기초하여 사용자의 상품 문의 요청이 수신되면, 수신된 상품 문의에 대한 답변을 제공하는 단계;를 포함하고,
    상기 답변을 제공하는 단계는, 상기 수신된 상품 문의 요청을 분석하여 핵심 키워드를 도출하고, 상기 핵심 키워드를 이용하여 상기 기계 학습된 상품 정보 중 하나를 선택해서 답변으로 제공하는 것을 특징으로 하는 챗봇 기반에 상품 정보 제공 방법.
  7. 제6 항에 있어서,
    상기 저장하는 단계는, 상품 정보를 카테고리별로 분류하는 단계와 각 카테고리에 분류된 상품 정보를 계층적으로 정렬하는 단계와, 계층적으로 정렬된 상품 정보에 대해서 사용자의 정보를 매칭하여 저장하는 단계를 포함하는 챗봇 기반에 상품 정보 제공 방법.
  8. 제7 항에 있어서,
    상기 기계 학습을 수행하는 단계는, 복수의 입력 노드에 상기 상품 정보와 상기 사용자 정보를 각각 입력값으로 입력하는 단계와, 복수의 은닉 노드에 상기 복수의 입력 노드에 할당된 값에 차등적으로 제1 가중치를 부여한 뒤 복수의 은닉 노드에 입력하는 단계와 상기 복수의 은닉 노드에 할당된 값에 차등적을 제2 가중치를 부여한 뒤 복수의 출력 노드에 입력하는 단계를 포함하는 챗봇 기반에 상품 정보 제공 방법.
  9. 제6 항에 있어서,
    상기 답변을 제공하는 단계는, 상기 챗봇부에 의해서 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하는 단계와, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하는 단계와, 상기 구매 경험 데이터가 검색되면 상기 검색된 구매 경험 데이터와 상기 상품에 대한 일반 수요자 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출하는 단계와 상기 독출된 상품 정보를 사용자에게 제공하는 단계를 포함하는 챗봇 기반에 상품 정보 제공 방법.
  10. 제6 항에 있어서,
    상기 답변을 제공하는 단계는, 상기 챗봇부에 의해서 상기 상품 문의 요청을 분석하여 사용자 정보를 획득하는 단계와, 상기 사용자 정보를 이용하여 상기 저장부로부터 상기 사용자의 구매 경험 데이터를 검색하는 단계와, 상기 구매 경험 데이터가 검색되지 않으면 상기 사용자와 특성이 유사한 다른 사용자의 구매 경험 데이터와 상기 상품에 대한 일반 수요자 정보에 기초하여 상기 저장부에 저장된 상품 정보를 독출하는 단계와, 독출된 상기 상품 정보를 사용자에게 제공하는 단계를 포함하는 챗봇 기반에 상품 정보 제공 방법.
KR1020180061431A 2018-05-30 2018-05-30 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법 KR20190140521A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180061431A KR20190140521A (ko) 2018-05-30 2018-05-30 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180061431A KR20190140521A (ko) 2018-05-30 2018-05-30 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법

Publications (1)

Publication Number Publication Date
KR20190140521A true KR20190140521A (ko) 2019-12-20

Family

ID=69062963

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180061431A KR20190140521A (ko) 2018-05-30 2018-05-30 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법

Country Status (1)

Country Link
KR (1) KR20190140521A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102121709B1 (ko) * 2020-01-03 2020-06-11 주식회사 케이비시스 챗봇 기반의 고객 상담 서비스 제공 서버 및 방법
KR20210086928A (ko) * 2019-12-31 2021-07-09 경북대학교 산학협력단 대화형 에이전트 시스템 및 그 제어 방법
KR102276442B1 (ko) * 2020-07-01 2021-07-12 (주)플렉시스 화면 인식을 통한 정보 제공 방법 및 장치
KR102407241B1 (ko) * 2022-01-05 2022-06-13 (주)빅팟 렌탈 마켓 시스템
KR20230040138A (ko) * 2021-09-15 2023-03-22 네이버 주식회사 타겟 정보 생성 방법 및 시스템
RU2798222C1 (ru) * 2022-02-02 2023-06-19 Михаил Александрович Мотяев Способ обработки запросов, способ формирования уведомлений и устройство для обработки запросов и формирования уведомлений

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210086928A (ko) * 2019-12-31 2021-07-09 경북대학교 산학협력단 대화형 에이전트 시스템 및 그 제어 방법
KR102121709B1 (ko) * 2020-01-03 2020-06-11 주식회사 케이비시스 챗봇 기반의 고객 상담 서비스 제공 서버 및 방법
KR102276442B1 (ko) * 2020-07-01 2021-07-12 (주)플렉시스 화면 인식을 통한 정보 제공 방법 및 장치
KR20230040138A (ko) * 2021-09-15 2023-03-22 네이버 주식회사 타겟 정보 생성 방법 및 시스템
KR102407241B1 (ko) * 2022-01-05 2022-06-13 (주)빅팟 렌탈 마켓 시스템
RU2798222C1 (ru) * 2022-02-02 2023-06-19 Михаил Александрович Мотяев Способ обработки запросов, способ формирования уведомлений и устройство для обработки запросов и формирования уведомлений

Similar Documents

Publication Publication Date Title
KR20190140521A (ko) 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법
Prabhu et al. Extreme multi-label learning with label features for warm-start tagging, ranking & recommendation
CN108959603B (zh) 基于深度神经网络的个性化推荐系统及方法
US20060173753A1 (en) Method and system for online shopping
US11361362B2 (en) Method and system utilizing ontological machine learning for labeling products in an electronic product catalog
US20230153870A1 (en) Unsupervised embeddings disentanglement using a gan for merchant recommendations
CN103593392A (zh) 用于生成推荐的方法和系统
US8793201B1 (en) System and method for seeding rule-based machine learning models
US11367117B1 (en) Artificial intelligence system for generating network-accessible recommendations with explanatory metadata
KR102249466B1 (ko) 인공지능 추천 모델을 사용하여 추천 정보를 제공하는 데이터 카탈로그 제공 방법 및 시스템
JP6725718B2 (ja) 位置基盤情報探索方法およびコンピュータ装置
US11461824B2 (en) Systems and methods of product recommendation and integrated language modelling
Leal et al. Analysis and prediction of hotel ratings from crowdsourced data
CN117391824B (zh) 基于大语言模型和搜索引擎推荐物品的方法及装置
JP2020047126A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP7474120B2 (ja) ビジネスマッチング支援装置及び方法
KR20230151704A (ko) 지역 지식 그래프를 기반으로 추천 정보를 제공하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
CN115048579A (zh) 物料搜索的方法、装置及设备
JP6852114B2 (ja) 特定装置、特定方法及び特定プログラム
JP6982017B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP6960361B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
US11010813B2 (en) System for building grocery basket and method of using same
JP7449426B2 (ja) 情報処理方法、情報処理装置および情報処理プログラム
O'Roarty et al. Case-based reasoning and retail rent determination
JP7430205B2 (ja) 情報処理装置、情報処理方法、および情報処理プログラム

Legal Events

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