KR20210012809A - 제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템 - Google Patents

제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템 Download PDF

Info

Publication number
KR20210012809A
KR20210012809A KR1020190091160A KR20190091160A KR20210012809A KR 20210012809 A KR20210012809 A KR 20210012809A KR 1020190091160 A KR1020190091160 A KR 1020190091160A KR 20190091160 A KR20190091160 A KR 20190091160A KR 20210012809 A KR20210012809 A KR 20210012809A
Authority
KR
South Korea
Prior art keywords
product
information
unit
product information
attribute
Prior art date
Application number
KR1020190091160A
Other languages
English (en)
Other versions
KR102284165B1 (ko
Inventor
정병준
Original Assignee
주식회사 메이커빌
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 메이커빌 filed Critical 주식회사 메이커빌
Priority to KR1020190091160A priority Critical patent/KR102284165B1/ko
Publication of KR20210012809A publication Critical patent/KR20210012809A/ko
Application granted granted Critical
Publication of KR102284165B1 publication Critical patent/KR102284165B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

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

Abstract

적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신하고, 수신한 복수의 제품 정보로부터 제품명 및 제품 속성의 단위를 파싱하고, 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하고, 복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하고, 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하고, 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 것을 포함하는 서버의 제품 정보 제공 방법이 개시된다.

Description

제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템 {METHOD FOR PROVIDING PRODUCT INFORMATION, SERVER FOR PROVDING PRODUCT INFORMATION AND SYSTEM FOR PROVIDING PRODUCT INFORMATION}
제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템에 관한 것이다. 상세하게는, 제품 소비자가 다양한 기업의 제품 정보를 용이하게 이해하고 서로 비교할 수 있도록 제품 정보를 제공받기 위한 제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템에 관한 것이다.
각 기업은 자신의 제품을 홍보하기 위해 업로드하려는 제품의 정보를 다양한 형태로 작성하여 제품 정보 제공 서버에 업로드하였다.
하지만, 관심있는 제품 소비자가 다양한 기업의 제품의 정보를 제품 정보 제공 서버를 통하여 검색할 때, 업로드된 다양한 형태의 각 기업의 제품의 정보를 제공받게 되고, 이 경우, 제품 소비자는 다양한 형태로 업로드된 제품의 정보를 용이하게 이해하기 어려울뿐 아니라, 서로 비교하기 어려운 문제점이 있었다. 특히, 제품 속성의 단위가 서로 상이하게 업로드되어 있는 경우, 제품 소비자가 제품의 속성을 용이하게 이해하기 어렵고, 서로 비교하기 어려운 문제점이 있었다.
다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제공되는 제품 정보를 분석하거나, 이를 학습 데이터로 한 인공지능(Artifical Intellegence, 이하 'AI'라고 함.) 모델 학습(train)을 통해 제품의 속성의 대표단위를 결정하고, 제품 속성의 단위를 대표단위로 통일하여 사용자 단말에 제공함으로써 사용자(제품 소비자)가 다양한 기업의 제품들의 속성을 용이하게 이해할 수 있을 뿐 아니라, 제품들 간의 비교도 용이하게 할 수 있어 사용자가 원하는 제품을 선택할 수 있다.
또한, 다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제품 속성의 단위를 표시단위에 대한 변경 요청을 수신하면, 제품 속성의 단위를 변경 요청에 포함된 표시단위로 통일하여 사용자 단말에 제공함으로써 제품 소비자가 원하는 표시단위에 기초하여 다양한 기업의 제품들의 속성을 용이하게 이해할 수 있고, 제품들 간의 비교도 용이하게 할 수 있어 제품 소비자가 원하는 제품을 선택할 수 있다.
또한, 다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제공되는 제품 정보 및 제품 정보 검색 요청에 포함된 제품명을 분석하거나, 이를 학습 데이터로 한 AI 모델 학습을 통해 제품 검색 키워드 후보를 결정하고, 제품 검색 키워드 후보에 대응하는 제품에 대한 데이터베이스를 구축함으로써, 제품 소비자가 제품을 검색할 때, 제품명을 다양한 형태로 입력하더라도 이에 대응하는 제품 정보를 제대로 제공받을 수 있다.
또한, 다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제공되는 제품 정보를 분석하거나, 이를 학습 데이터로 한 AI 모델 학습을 통해 제품의 속성의 대표 테스트 방법을 결정하고, 대표 테스트 방법에 대응하는 제품 정보가 우선적으로 사용자 단말에서 디스플레이될 수 있도록 제품 정보를 제공함으로써, 제품 소비자가 동일한 제품 테스트 방법에 의해 측정된 다양한 기업들의 제품들의 속성을 용이하게 이해할 수 있고, 제품 간의 비교도 용이하게 할 수 있어 제품 소비자가 원하는 제품을 선택할 수 있다.
또한, 다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제품 속성의 테스트 방법에 대한 선택 요청을 수신하면, 선택 요청에 포함된 제품 속성의 테스트 방법에 대응하는 상품의 정보를 우선적으로 디스플레이하거나, 독점적으로 디스플레이할 수 있도록 사용자 단말에 제품 정보를 제공함으로써 제품 소비자가 원하는 제품 테스트 방법에 의해 측정된 다양한 기업들의 제품들의 속성을 용이하게 이해할 수 있고, 제품 간의 비교도 용이하게 할 수 있어 제품 소비자가 원하는 제품을 선택할 수 있다.
물론, 다양한 실시예의 기술적 과제들은 이상에서 언급한 특징으로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당해 기술분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 특징으로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당해 기술분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
다양한 실시예에 따른 제품 정보 제공 방법은 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신하는 단계; 상기 수신한 복수의 제품 정보로부터 제품명 및 제품 속성의 단위를 파싱하는 단계; 상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하는 단계; 복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하는 단계; 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하는 단계; 및 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함한다.
다양한 실시예에 따른 제품 정보 제공 방법은 상기 적어도 하나의 단말로부터 상기 적어도 하나의 제품 속성의 표시단위에 대한 변경 요청을 수신하는 단계; 및 상기 적어도 하나의 단말로부터 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 상기 변경 요청에 포함된 표시단위로 변환하고, 변환된 표시단위에 기초한 복수의 기업 제품 정보 포함하는 변경 요청에 대한 응답을 전송하는 단계를 더 포함할 수 있다.
다양한 실시예에 따른 제품 정보 제공 방법은 복수의 제품 정보 및 제품 정보 검색 요청에 포함된 제품명을 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 복수의 제품 정보 또는 학습된 AI 모델을 기초로 제품에 대응하는 적어도 하나의 제품 검색 키워드 후보를 결정하는 단계를 더 포함할 수 있다.
상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하는 단계는, 상기 적어도 하나의 제품 검색 키워드 후보에 대응하는 제품에 관한 데이터베이스를 구축하는 단계를 포함할 수 있다.
상기 제품 정보 검색 요청에 대한 응답을 전송하는 단계는,
상기 적어도 하나의 제품 검색 키워드 후보를 기초로 상기 제품 정보 검색 요청에 포함된 제품 키워드에 대응하는 제품을 결정하는 단계; 및
상기 제품 키워드에 대응하는 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함할 수 있다.
상기 복수의 제품 정보는 제품 테스트 방법에 관한 정보를 포함하고,
상기 제품명 및 제품에 대응하는 단위를 파싱하는 단계는,
상기 제품명, 제품에 대응하는 단위 및 제품 테스트 방법을 파싱하는 단계를 포함하고,
상기 복수의 제품 정보로부터 파싱된 제품 테스트 방법들을 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 상기 분석된 테스트 방법들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 테스트 방법을 분류하고, 상기 적어도 하나의 제품 테스트 방법 중 대표 제품 테스트 방법을 결정하는 단계를 더 포함하고,
상기 제품 정보 검색 요청에 대한 응답을 전송하는 단계는,
상기 적어도 하나의 제품 테스트 방법 중 상기 대표 제품 테스트 방법에 관한 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함할 수 있다.
상기 적어도 하나의 단말은 상기 제품 정보 검색 요청에 대한 응답을 수신하고, 상기 수신된 대표 제품 테스트 방법에 관한 정보를 기초로 대표 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 우선적으로 디스플레이할 수 있다.
상기 대표 제품 테스트 방법에 관한 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계는,
상기 분류된 적어도 하나의 제품 테스트 방법을 기초로 상기 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함하고,
상기 적어도 하나의 단말은 상기 분류된 적어도 하나의 제품 테스트 방법 중 하나의 제품 테스트 방법을 선택하는 사용자 입력을 수신하고,
상기 수신된 사용자 입력에 기초하여 하나의 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 우선적으로 디스플레이하거나, 하나의 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 제외한 나머지 기업 제품 정보를 디스플레이하지 않고, 상기 하나의 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 디스플레이할 수 있다.상기 정보 검색 요청에 대한 응답은 분류된 적어도 하나의 제품 테스트 방법의 자료의 다운로드 링크 정보를 포함할 수 있다.
다양한 실시예에 따른 제품 정보 제공 서버는,
적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신하고, 상기 수신한 복수의 제품 정보로부터 제품명 및 제품 속성의 단위를 파싱하고, 상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하고, 복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하고, 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하고, 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송할 수 있다.
다양한 실시예에 따른 제품 정보 제공 시스템은 제품 정보를 제공하는 서버; 및
상기 제품 정보를 제공받는 적어도 하나의 단말을 포함하고,
상기 적어도 하나의 사용자 단말은 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 전송하고,
상기 서버는 상기 적어도 하나의 단말로부터 상기 복수의 제품 정보를 수신하고,
상기 수신한 복수의 제품 정보로부터 제품명 및 제품에 대응하는 단위를 파싱하고,
상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하고,
복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하고,
상기 적어도 하나의 단말은 제품 정보 검색 요청을 전송하고,
상기 서버는 상기 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하고,
상기 서버는 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송할 수 있다.
다양한 실시예에 따른 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체를 포함할 수 있다.
도 1은 다양한 실시예에 따른 서버가 제품 정보 제공을 위해 제품 정보에 대한 빅데이터 분석 또는 AI 모델 학습을 통하여 제품 속성의 대표단위 등을 결정하는 과정을 설명하기 위한 도면을 도시한다.
도 2는 다양한 실시예에 따른 서버가 제품 속성의 대표단위 등을 결정한 후에 제품 속성의 단위를 대표단위로 통일하는 등의 사용자 편의를 고려하여 사용자 단말에 제품 정보를 제공하는 것을 설명하기 위한 도면을 도시한다.
도 3은 다양한 실시예에 따른 제품 정보 제공 서버를 설명하기 위한 블록 구성도를 도시한다.
도 4는 다양한 실시예에 따른 제품 정보 제공 방법을 설명하기 위한 흐름도를 도시한다.
도 5는 일 실시예에 따라 서버가 사용자 단말로부터 제품 정보를 수신하여 제품에 관한 데이터베이스 구축 및 제품 속성의 대표단위를 결정하고, 사용자 단말로부터 제품 정보 검색 요청을 수신하면, 데이터베이스 내 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 사용자 단말에 전송하고, 복수의 기업 제품 정보가 사용자 단말에 디스플레이되는 과정을 설명하기 위한 도면이다.
도 6은 기업이 단말을 이용하여 제품 정보의 업로드를 서버에 요청하는 과정을 설명하기 위한 도면이다.
도 7은 일 실시예에 따라 서버에 구축된 제품에 관한 데이터베이스를 설명하기 위한 도면이다.
도 8은 제품 소비자가 사용자 단말을 이용하여 제품 검색 요청을 전송하고, 다양한 사용자 입력에 기초하여 제품 소비자에게 원하는 검색 결과를 사용자 단말에 디스플레이하는 과정을 설명하기 위한 도면이다.
명세서에 기재된 "…부" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시 예들을 배제하도록 해석될 수 없다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서와 메모리를 통해 동작된다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리에 저장된 AI 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 AI 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다. AI 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
본 개시에 따른 빅데이터 분석이란 대량의 정형 또는 심지어 데이터베이스 형태가 아닌 비정형의 데이터 집합조차 포함한 데이터로부터 원하는 특성(또는, 목적)을 수행하기 위한 가치있는 정보를 추출하고, 추출된 정보를 분석하는 기법이다.
도 1은 다양한 실시예에 따른 서버가 제품 정보 제공을 위해 제품 정보에 대한 빅데이터 분석 또는 AI 모델 학습을 통하여 제품 속성의 대표단위 등을 결정하는 과정을 설명하기 위한 도면을 도시한다.
도 1을 참조하면, S105 단계에서, 서버(100)는 적어도 하나의 사용자 단말(150)로부터 제품 정보 업로드 요청 또는 제품 정보 검색 요청을 수신할 수 있다. 예를 들어, 제품 홍보를 원하는 기업이 제품 홍보를 위해 사용자 단말(150)을 이용하여 제품 정보 업로드 요청을 서버(100)로 전송할 수 있다. 또한, 제품을 구매하기를 원하는 제품 소비자는 제품 구매를 위해 사용자 단말(150)을 이용하여 제품 정보 검색 요청을 서버(100)로 전송할 수 있다.
S110 단계에서, 서버(100)는 제품 정보 업로드 요청 또는 제품 정보 검색 요청에 포함된 제품 정보에 대한 빅데이터 분석 또는 제품 정보를 학습 데이터로 하여 AI 모델을 학습하고, 빅데이터 분석된 제품 정보 또는 학습된 AI 모델을 기초로 제품 속성의 대표단위 등을 결정할 수 있다.
예를 들어, 서버(100)는 제품 정보 업로드 요청들에 포함된 적어도 하나의 제품 속성의 단위들을 빈도에 기초하여 분석하거나, 적어도 하나의 제품 속성의 단위들을 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정할 수 있다.
또는, 서버(100)는 제품 정보 업로드 요청들에 포함된 적어도 하나의 속성의 테스트 방법들을 분석하거나, 적어도 하나의 속성의 테스트 방법들을 학습 데이터로 하여 학습된 AI 모델을 기초로 적어도 하나의 속성의 제품 테스트 방법을 분류하고, 대표 제품 테스트 방법을 결정할 수 있다. 이때, 분류된 제품 테스트 방법을 기초로 제품 데이터베이스를 구축할 수 있다.
또는, 서버(100)는 제품 정보 업로드 요청에 포함된 제품명들 및 제품 정보 검색 요청에 포함된 제품명들을 분석하거나, 제품명들을 학습 데이터로 하여 AI 모델을 학습하고, 분석된 제품명들 또는 학습된 AI 모델을 기초로 제품에 대응하는 적어도 하나의 제품 검색 키워드 후보를 결정할 수 있다. 예를 들어, 제품이 염화폴리에틸렌(Chlorinated polyethylene, CPE) 135A인 경우, 사용자 단말(150)을 통해 입력되는 제품 키워드는 CPE-135A, CPE 135A, CPE 135 A, CPE135A, CPE_135A 등일 수 있다. 사용자 단말(150)을 통해 입력되는 다양한 제품 키워드를 분석하거나, 이를 학습 데이터로 하여 AI 모델을 학습하고, 학습된 AI 모델을 기초로 염화폴리에틸렌(Chlorinated polyethylene, CPE) 135A에 대응하는 제품 검색 키워드 후보를 결정할 수 있다. 예를 들어, 염화폴리에틸렌(Chlorinated polyethylene, CPE) 135A에 대응하는 제품 검색 키워드 후보는 CPE-135A, CPE 135A, CPE 135 A, CPE135A, CPE 135-A, CPE-135-A, CPE_135A 및 CPE_135_A 등일 수 있다. 즉, 사용자의 제품 검색 키워드 입력 패턴을, 수집한 제품 정보 업로드 요청 데이터 또는 제품 검색 요청 데이터를 기초로 빅데이터 분석하여 다양한 제품 검색 키워드 후보를 결정하거나, 제품 정보 업로드 요청 데이터 또는 제품 검색 요청 데이터를 학습 데이터로 하여 학습된 AI 모델에 기초하여 다양한 제품 검색 키워드 후보를 결정할 수 있다. 즉, 사용자마다 공백을 입력하는 위치는 다양할 수 있고, 하이픈 등과 같은 특수 부호의 위치도 다양할 수 있다. 이때, 입력되는 데이터를 분석함으로서 사용자의 입력 형태를 고려한 다양한 제품 검색 키워드 후보를 결정할 수 있다. 서버(100)는 다양한 제품 검색 키워드 후보에 대응하는 제품의 데이터베이스를 구축하고, 사용자가 사용자 단말(150)을 이용하여 다양한 제품 검색 키워드 후보 중 하나의 제품 검색 키워드로 제품 정보 검색 요청을 하는 경우, 제품 검색 키워드에 대응하는 제품의 정보를 제공받을 수 있다. 이때, 서버(100)는 제품 검색 키워드 후보와 제품 간에 대응관계를 알고 있기 때문에, 단순히 제품 검색 키워드와 동일한 제품의 정보만을 검색하는 것이 아니라, 다양한 제품 검색 키워드 후보에 따른 제품의 정보를 모두 검색하기 때문에, 하나의 제품에 대하여 가능한 모든 제품 검색 키워드 후보들에 대한 제품의 정보를 제공받을 수 있다. 따라서, 사용자가 입력할 제품 검색 키워드에 대하여 고민하지 않고 입력하더라도, 대응 제품의 정보를 정확하게 제공받을 수 있게 된다.
도 2는 다양한 실시예에 따른 서버가 제품 속성의 대표단위 등을 결정한 후에 제품 속성의 단위를 대표단위로 통일하는 등의 사용자 편의를 고려하여 사용자 단말에 제품 정보를 제공하는 것을 설명하기 위한 도면을 도시한다.
도 2를 참조하면, S205 단계에서, 사용자 단말(250)은 제품 정보 검색 요청을 서버(100)로 전송할 수 있다.
S210 단계에서, 서버(200)는 사용자 단말(250)의 제품 정보 검색 요청에 대응하여 복수의 기업의 제품 정보에 포함된 제품의 적어도 하나의 속성의 단위를 대표단위로 변환할 수 있다. 즉, 서버(200)는 제품 정보 업로드 요청들에 기초하여 제품에 대응하는 데이터베이스를 구축하고 있고, 이때, 단위를 통일하여 저장하지 않고, 제품 정보 업로드 요청에 포함된 단위를 고려하여 제품에 대응하는 데이터베이스를 구축할 수 있다. 따라서, 서버(200)는 제품에 대응하는 데이터베이스 내 복수의 기업의 제품 정보에 포함된 제품의 적어도 하나의 속성의 단위를 대표단위로 변환할 수 있다. 속성의 단위들과 대표단위간 대응관계는 미리 정의되어 있을 수 있고, 서버(200)는 단위들 간 대응관계를 기초로 제품의 적어도 하나의 속성의 단위를 대표단위로 변환할 수 있다. 이때, 대응관계는 표의 형태로 표현되어 서버(200)에 저장될 수 있다.
다만, 서버(200)는 이에 제한되지 않고, 적어도 하나의 속성의 단위를 대표단위로 변환하여 새로운 데이터베이스를 구축할 수 있다. 이때, 서버(200)는 제품 정보 검색 요청에 대응하여 제품의 적어도 하나의 속성의 단위가 대표단위인 복수의 기업의 제품 정보를 사용자 단말(250)에 제공할 수 있다.
S215 단계에서, 서버(200)는 적어도 하나의 속성의 단위가 대표단위로 변환된 복수의 제품 정보를 사용자 단말(250)에 제공할 수 있다.
S220 단계에서, 사용자 단말(250)은 제품의 적어도 하나의 속성의 단위를 대표단위로 통일하여 복수의 제품 정보를 디스플레이할 수 있다.
도 3은 다양한 실시예에 따른 제품 정보 제공 서버를 설명하기 위한 블록 구성도를 도시한다.
도 3를 참조하면, 다양한 실시예에 따른 제품 정보 제공 서버(300)는 제어부(310), 통신부(320) 및 데이터베이스 저장부(330)를 포함한다. 그러나 도시된 구성요소 모두가 필수 구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 제품 정보 제공 서버(300)가 구현될 수도 잇고, 더 적은 구성요소에 의해 제품 정보 제공 서버(300)가 구현될 수 있다.
제어부(310)는 통신부(320)를 전반적으로 제어한다. 또한, 제어부(310)는 데이터베이스 저장부(330)를 전반적으로 제어할 수 있다. 그밖에 제어부(310)는 다양한 구성요소를 전반적으로 제어할 수 있다.
제어부(310)는 프로세서에 의해 구현될 수 있다. 프로세서는 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor), 또는 커뮤니케이션 프로세서(communication processor (CP) 중 하나 또는 그 이상을 포함할 수 있다. 예를 들면, 프로세서는 제품 정보 제공 서버(300)의 적어도 하나의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다.
프로세서는, 메모리 또는 중개 서버의 데이터베이스에 저장된 적어도 하나의 프로그램들을 실행함으로써, 다양한 구성요소를 전반적으로 제어할 수 있다. 프로세서는 메모리 또는 중개 서버의 데이터베이스에 저장된 적어도 하나의 프로그램들을 실행함으로써 제품 정보 제공 서버(300)의 기능이나 동작을 수행할 수 있다. 이때, 메모리는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
제어부(310)는 대표단위 결정부(315)를 포함할 수 있다.
제어부(310)는 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신하도록 통신부(320)을 제어할 수 있다.
제어부(310)는 수신된 복수의 제품 정보로부터 제품명 및 제품 속성의 단위를 파싱할 수 있다. 제어부(310)는 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하도록 데이터베이스 저장부(330)를 제어할 수 있다.
제어부(310)는 제품명, 제품에 대응하는 제품 속성의 단위뿐 아니라, 제품속성에 대한 제품 테스트 방법을 추가적으로 파싱할 수 있다. 여기서 제품 속성에 대한 제품 테스트 방법은 다양한 국가, 국가연합, 또는 국제 표준화 기구에서 규정한 표준에 기초한 것일 수 있다. 예를 들어, 제품 속성에 대한 제품 테스트 방법은 ISO, ASTM, DIN, JIS, KS 및 EN 표준에 기초한 것일 수 있다.
제어부(310)는 복수의 제품 정보로부터 파싱된 제품 테스트 방법들을 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 제품 테스트 방법들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 테스트 방법을 분류하고, 적어도 하나의 제품 테스트 방법 중 대표 제품 테스트 방법을 결정할 수 있다.
제어부(310)는 적어도 하나의 제품 테스트 방법 중 대표 제품 테스트 방법에 관한 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송할 수 있다.
적어도 하나의 단말은 제품 정보 검색 요청에 대한 응답을 수신하고, 수신된 대표 제품 테스트 방법에 관한 정보를 기초로 대표 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 우선적으로 디스플레이할 수 있다.
제어부(310)는 분류된 적어도 하나의 제품 테스트 방법을 기초로 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하도록 통신부(320)를 제어할 수 있다. 정보 검색 요청에 대한 응답은 분류된 적어도 하나의 제품 테스트 방법의 자료의 다운로드 링크 정보를 포함할 수 있다.
적어도 하나의 단말은 분류된 적어도 하나의 제품 테스트 방법 중 일부 제품 테스트 방법을 선택하는 사용자 입력을 수신하고, 수신된 사용자 입력에 기초하여 일부 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 우선적으로 디스플레이하거나, 일부 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 제외한 나머지 기업 제품 정보를 디스플레이하지 않고, 일부 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 디스플레이할 수 있다.
대표단위 결정부(315)는 복수의 제품 정보로부터 파싱된 적어도 하나의 제품 속성의 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정할 수 있다.
제어부(310)는 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하도록 통신부(320)을 제어할 수 있다. 제어부(310)는 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환할 수 있다. 제어부(310)는 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하도록 통신부(320)을 제어할 수 있다.
제어부(310)는 적어도 하나의 단말로부터 적어도 하나의 제품 속성에 대한 표시단위의 변경 요청을 수신하도록 통신부(320)를 제어할 수 있다.
제어부(310)는 적어도 하나의 단말로부터 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 변경 요청에 포함된 표시단위로 변환할 수 있다. 제어부(310)는 변환된 표시단위에 기초한 복수의 기업 제품 정보를 포함하는 변경 요청에 대한 응답을 전송할 수 있다.
제어부(310)는 복수의 제품 정보 및 제품 정보 검색 요청에 포함된 제품명을 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 복수의 제품 정보 또는 학습된 AI 모델을 기초로 제품에 대응하는 적어도 하나의 제품 검색 키워드 후보를 결정할 수 있다.
제어부(310)는 적어도 하나의 제품 검색 키워드 후보에 대응하는 제품에 관한 데이터베이스를 구축하도록 데이터베이스 저장부(330)를 제어할 수 있다.
제어부(310)는 적어도 하나의 제품 검색 키워드 후보를 기초로 제품 정보 검색 요청에 포함된 제품 키워드에 대응하는 제품을 결정할 수 있다.
제어부(310)는 제품 키워드에 대응하는 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송할 수 있다.
통신부(320)는 외부 디바이스로 데이터를 전송하거나, 외부 디바이스로부터 데이터를 수신할 수 있다.
통신부(320)는 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신할 수 있다.
통신부(320)는 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신할 수 있다. 통신부(320)는 제품에 관한 데이터베이스 내 복수의 기업 제품에 포함된 적어도 하나의 제품 속성의 단위가 변환되면, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 적어도 하나의 단말로 전송할 수 있다.
통신부(320)는 적어도 하나의 단말로부터 적어도 하나의 제품 속성의 표시단위에 대한 변경 요청을 수신할 수 있다.
통신부(320)는 적어도 하나의 단말로부터 적어도 하나의 단말로부터 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 상기 변경 요청에 포함된 표시단위로 변환되면, 변환된 표시단위에 기초한 복수의 기업 제품 정보를 포함하는 변경 요청에 대한 응답을 적어도 하나의 단말로 전송할 수 있다.
통신부(320)는 적어도 하나의 제품 테스트 방법 중 대표 제품 테스트 방법에 관한 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 적어도 하나의 단말로 전송할 수 있다.
통신부(320)는 분류된 적어도 하나의 제품 테스트 방법을 기초로 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송할 수 있다.
데이터베이스 저장부(330)는 제품명 및 적어도 하나의 제품 속성의 단위 및 제품 속성의 값을 기초로 구축된 제품에 관한 데이터베이스를 저장할 수 있다.
데이터베이스 저장부(330)는 상기 제어부(310) 및 통신부(320) 외 다양한 구성요소의 동작 또는 기능과 관련된 다양한 정보들을 저장할 수 있다.
데이터베이스 저장부(330)는 제품 정보 제공 서버(300)에 포함될 수 있으나, 이에 제한되지 않고, 제품 정보 제공 서버(300)와 다양한 네트워크를 통해 연결된 외부 장치에 포함될 수 있다. 또는 일부 정보는 데이터베이스 저장부(330)에 저장될 수 있고, 나머지 정보는 외부 장치에 포함된 데이터베이스 저장부에 저장될 수 있다. 외부 장치에 포함된 데이터베이스 저장부에 저장된 정보가 필요한 경우, 제품 정보 제공 서버(300)는 외부 장치로 필요한 정보에 대한 제공 요청을 전송하고, 제공 요청에 대응하여 외부 장치로부터 필요한 정보를 수신할 수 있다.
도 4는 다양한 실시예에 따른 제품 정보 제공 방법을 설명하기 위한 흐름도를 도시한다.
도 4를 참조하면, S405 단계에서, 제품 정보 제공 서버(300)는 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신할 수 있다.
S410 단계에서, 제품 정보 제공 서버(300)는 수신한 복수의 제품 정보로부터 제품명 및 제품에 대응하는 단위를 파싱할 수 있다.
S415 단계에서, 제품 정보 제공 서버(300)는 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축할 수 있다.
S420 단계에서, 제품 정보 제공 서버(300)는 복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정할 수 있다.
S430 단계에서, 제품 정보 제공 서버(300)는 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신할 수 있다.
S440 단계에서, 제품 정보 제공 서버(300)는 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 적어도 하나의 단말로 전송할 수 있다.
도 5는 일 실시예에 따라 서버가 사용자 단말로부터 제품 정보를 수신하여 제품에 관한 데이터베이스 구축 및 제품 속성의 대표단위를 결정하고, 사용자 단말로부터 제품 정보 검색 요청을 수신하면, 데이터베이스 내 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 사용자 단말에 전송하고, 복수의 기업 제품 정보가 사용자 단말에 디스플레이되는 과정을 설명하기 위한 도면이다.
도 5를 참조하면, S505 단계에서, 사용자 단말들(505) 중 적어도 하나의 사용자 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 제품 정보를 서버(510)로 전송할 수 있다. 서버(510)는 제품 속성의 대표단위를 결정하기 위해 복수의 제품 정보를 사용자 단말들(505) 중 적어도 하나의 사용자 단말로부터 수신할 수 있다. 이때, 제품 정보는 제품을 서버에 등록하기 위한 업로드 요청에 관한 정보일 수 있다.
S510 단계에서, 서버(510)는 수신한 제품 정보로부터 제품명 및 제품 속성의 단위를 파싱할 수 있다. 추가적으로, 서버(510)는 수신한 제품 정보로부터 제품 속성의 테스트 방법에 관한 정보를 파싱할 수 있다. 또한, 서버(510)는 수신한 제품으로부터 제품 속성의 값을 파싱할 수 있다.
S515 단계에서, 서버(510)는 파싱한 제품명, 제품 속성 단위 및 제품의 속성 값을 기초로 제품에 관한 데이터베이스를 구축할 수 있다. 추가적으로, 서버(510)는 파싱한 제품 속성의 테스트 방법에 관한 정보에 더 기초하여 제품에 관한 데이터베이스를 구축할 수 있다.
S520 단계에서, 서버(510)는 제품 속성의 대표단위를 결정할 수 있다. 예를 들어, 서버(510)는 복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정할 수 있다.
S525 단계에서, 사용자 단말들(505) 중 하나의 사용자 단말이 제품 정보 검색 요청을 서버(510)로 전송할 수 있다.
S530 단계에서, 서버(510)는 수신한 제품 정보 검색 요청에 대응하여 제품 속성의 단위를 대표단위로 변환할 수 있다.
S535 단계에서, 서버(510)는 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 사용자 단말(505)로 전송할 수 있다.
S540 단계에서, 사용자 단말(505)은 검색 요청에 대한 응답을 수신하고, 수신한 응답에 기초하여 기업 제품 정보를 디스플레이할 수 있다.
도 6은 기업이 단말을 이용하여 제품 정보의 업로드를 서버에 요청하는 과정을 설명하기 위한 도면이다.
도 6을 참조하면, 기업은 제품 정보의 업로드를 서버에 요청하기 위해 단말을 이용하여 제품 설명란(610)에 자신의 제품에 대한 제품명, 속성, 속성 값, 속성 단위 및 속성의 테스트(측정) 방법 등을 서버에서 권장하는 입력 방식에 따라 입력할 수 있다. 즉, 서버는 정해진 파싱 규칙에 따라 입력된 제품 설명란(610)의 내용으로부터 제품명, 속성, 속성 값, 속성 단위 및 테스트 방법을 파싱할 수 있다.
다만, 이에 제한되지 않고, 기업은 제품 정보의 업로드를 서버에 요청하기 위해 단말을 이용하여 다양한 형태로 제품 설명란(610)에 자신의 제품에 대한 제품명, 속성, 속성 값, 속성 단위 및 테스트 방법 등을 입력할 수 있다. 서버는 다양한 형태의 업로드 요청을 수신하고, 이를 분석하거나, 이를 학습 데이터로 하여 AI 모델을 학습하고, 분석된 업로드 요청 또는 학습된 AI 모델을 기초로 제품명, 속성, 속성 값, 속성 단위 및 테스트 방법을 파싱할 수 있다. 즉, 서버는 다양한 형태의 업로드 요청 데이터를 기초로 입력 패턴 또는 각 파라메터의 특성 및 파라메터 구분 방법 등을 분석할 수 있고, 따라서, 서버는 다양한 형태의 업로드 요청으로부터 제품 설명란(610)에 입력한 제품에 대한 제품명, 속성, 속성 값, 속성 단위 및 속성 테스트 방법 등을 파싱할 수 있다.
도 7은 일 실시예에 따라 서버에 구축된 제품에 관한 데이터베이스를 설명하기 위한 도면이다.
도 7을 참조하면, 기업이 도 6을 참조하여 설명한 바와 같이 단말을 이용하여 다양한 형태의 업로드 요청을 전송하고, 서버가 업로드 요청으로부터 제품에 대한 제품명, 속성, 속성 값, 속성 단위 및 테스트 방법을 파싱하면, 파싱된 데이터를 기초로 제품에 대한 데이터베이스를 구축할 수 있다.
예를 들어, 서버는 A사의 CPE 135A에 대한 업로드 요청을 수신하고, 이로부터 제품명, 속성, 단위, 속성 값, 측정 방법을 파싱하고, 파싱된 데이터를 기초로 A사의 CPE 135A에 대한 데이터(705)를 포함하는 데이터베이스를 구축할 수 있다.
또는 예를 들어, 서버는 B사의 CPE 135A에 대한 업로드 요청을 수신하고, 이로부터 제품명, 속성, 단위, 속성 값, 측정 방법을 파싱하고, 파싱된 데이터를 기초로 B사의 CPE 135A에 대한 데이터(710)를 포함하는 데이터베이스를 구축할 수 있다.
도 7을 참조하면, A사의 CPE 135A에 대한 데이터(705) 및 B사의 CPE 135A에 대한 데이터(710)에서 제품명, 속성, 측정 방법 등은 서로 상이한 형태를 가질 수 있다. 이는 도 6을 참조하여 설명한 바와 같이, 기업이 다양한 형태로 제품 설명란(610)에 자신의 제품에 대한 제품명, 속성, 속성 값, 속성 단위 및 테스트 방법 등을 입력할 수 있기 때문에, 서버가 데이터를 파싱하는 과정에서도 데이터를 가공하지 않고 그대로 파싱할 수 있기 때문이다. 다만, 서버는 서로 상이한 형태의 데이터라고 하더라도, 실질적으로 동일한 것이라고 결정할 수 있다. 예를 들어, CPE 135A에 대한 데이터(705)의 속성 중 "Bulk density"와 CPE 135A에 대한 데이터(710)의 속성 중 "Density"는 실질적으로 동일한 것이라고 결정할 수 있다. 즉, 서버는 다양한 형태의 업로드 요청을 수신하고, 이를 분석하거나, 이를 학습 데이터로 하여 AI 모델을 학습하고, 분석된 업로드 요청 또는 학습된 AI 모델을 기초로 약간의 다른 형태의 데이터라고 하더라도 실질적으로 동일한 것인지를 결정할 수 있다. 서버는 약간의 다른 형태의 데이터가 실질적으로 동일한 것으로 결정된다면, 이를 하나의 데이터로 분류할 수 있다.
한편, A사의 CPE 135A에 대한 데이터(705) 및 B사의 CPE 135A에 대한 데이터(710)에서 속성에 대한 단위가 상이할 수 있다. 서버는 앞서 설명한 바와 같이, 속성의 대표단위를 결정할 수 있고, 속성의 대표단위에 기초하여 속성의 단위를 대표단위로 변환할 수 있다. 예를 들어, 서버는 CPE 135A의 속성 중 "Heat of fusion"의 대표단위를 "J/g"으로 결정할 수 있고, CPE 135A에 대한 데이터(705)에서 "Heat of fusion"의 단위(cal/g)를 대표단위인 "J/g"으로 변환할 수 있다.
도 8은 제품 소비자가 사용자 단말을 이용하여 제품 검색 요청을 전송하고, 다양한 사용자 입력에 기초하여 제품 소비자에게 원하는 검색 결과를 사용자 단말에 디스플레이하는 과정을 설명하기 위한 도면이다.
도 8을 참조하면, 제품 소비자는 사용자 단말을 이용하여 검색창(805)에 검색을 원하는 제품 키워드를 입력할 수 있다. 사용자 단말은 입력된 제품 키워드를 포함하는 제품 검색 요청을 서버로 전송할 수 있다.
서버는 제품 검색 요청에 대응하여 제품 속성의 단위를 대표단위로 변환하고, 제품 속성의 단위가 대표단위로 변환된 제품 정보를 포함하는 응답을 사용자 단말로 전송할 수 있다.
제품 소비자는 제품 속성의 단위가 대표단위로 변환된 제품 정보를 수신하고, 사용자 단말은 수신한 제품 정보를 기초로 제품 검색 결과를 디스플레이할 수 있다.
이때, 제품 소비자는 속성 버튼(810), 표시 단위 버튼(815) 및 측정 방법 버튼(820)을 이용하여 표시되는 검색 결과를 변경할 수 있다.
예를 들어, 속성 버튼(810)은 제품의 다양한 속성들 중 하나의 속성을 선택하기 위한 버튼일 수 있다. 제품 소비자는 속성 버튼(810)을 이용하여 "Heat of fusion"을 선택할 수 있다.
표시 단위 버튼(815)은 속성 버튼(810)을 통해 선택한 속성의 다양한 단위 중 검색 결과에 표시하기를 원하는 단위를 선택하기 위한 버튼일 수 있다. 예를 들어, 제품 소비자는 표시 단위 버튼(815)을 이용하여 "cal/g" 를 선택할 수 있다. 서버는 "Heat of fusion"의 단위를 "cal/g"로 변환하여 제품 검색 결과를 사용자 단말로 재전송하고, 사용자 단말은 "Heat of fusion"의 단위가 "cal/g"로 변환된 제품 검색 결과를 디스플레이할 수 있다.
측정 방법 버튼(820)은 속성 버튼(810)을 통해 선택한 속성의 다양한 측정 방법(표준)들 중 검색결과를 표시하기 원하는 측정 방법을 선택하기 위한 버튼으로, 제품 소비자는 측정 방법을 중복하여 선택할 수 있다. 다만, 이에 제한되지 않고, 제품 소비자는 하나의 측정 방법만을 선택하거나, 복수의 측정 방법의 우선순위를 더 선택할 수 있을 수 있다. 이때, 선택된 복수의 측정 방법에 대응하는 제품 정보는 그 우선순위에 따라 순차적으로 디스플레이될 수 있고, 선택되지 않은 측정 방법에 대응하는 제품 정보는 디스플레이되지 않거나, 선택한 측정 방법에 대응하는 제품 정보보다 후순위로 디스플레이될 수 있다.
다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제공되는 제품 정보를 분석하거나, 이를 학습 데이터로 한 AI 모델 학습(train)을 통해 제품의 속성의 대표단위를 결정하고, 제품 속성의 단위를 대표단위로 통일하여 사용자 단말에 제공함으로써 사용자(제품 소비자)가 다양한 기업의 제품들의 속성을 용이하게 이해할 수 있을 뿐 아니라, 제품들 간의 비교도 용이하게 할 수 있어 사용자가 원하는 제품을 선택할 수 있다.
또한, 다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제품 속성의 단위를 표시단위에 대한 변경 요청을 수신하면, 제품 속성의 단위를 변경 요청에 포함된 표시단위로 통일하여 사용자 단말에 제공함으로써 사용자(제품 소비자)가 원하는 표시단위에 기초하여 다양한 기업의 제품들의 속성을 용이하게 이해할 수 있고, 제품들 간의 비교도 용이하게 할 수 있어 사용자가 원하는 제품을 선택할 수 있다.
또한, 다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제공되는 제품 정보를 분석하거나, 이를 학습 데이터로 한 AI 모델 학습을 통해 제품의 속성의 대표 테스트 방법을 결정하고, 대표 테스트 방법에 대응하는 제품 정보가 우선적으로 사용자 단말에서 디스플레이될 수 있도록 제품 정보를 제공함으로써, 사용자(제품 소비자)가 동일한 제품 테스트 방법에 의해 측정된 다양한 기업들의 제품들의 속성을 용이하게 이해할 수 있고, 제품 간의 비교도 용이하게 할 수 있어 사용자가 원하는 제품을 선택할 수 있다.
또한, 다양한 실시예에 의하면, 제품 정보 제공 서버는 사용자 단말로부터 제품 속성의 테스트 방법에 대한 선택 요청을 수신하면, 선택 요청에 포함된 제품 속성의 테스트 방법에 대응하는 상품의 정보를 우선적으로 디스플레이하거나, 독점적으로 디스플레이할 수 있도록 사용자 단말에 제품 정보를 제공함으로써 사용자(제품 소비자)가 원하는 제품 테스트 방법에 의해 측정된 다양한 기업들의 제품들의 속성을 용이하게 이해할 수 있고, 제품 간의 비교도 용이하게 할 수 있어 사용자가 원하는 제품을 선택할 수 있다.
이제까지 다양한 실시예들을 중심으로 살펴보았다. 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자는 본 개시가 본 개시의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 개시의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 개시에 포함된 것으로 해석되어야 할 것이다.
한편, 상술한 본 개시의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.

Claims (12)

  1. 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신하는 단계;
    상기 수신한 복수의 제품 정보로부터 제품명 및 제품 속성의 단위를 파싱하는 단계;
    상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하는 단계;
    복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하는 단계;
    적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하는 단계; 및
    상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함하는 서버의 제품 정보 제공 방법.
  2. 제 1 항에 있어서,
    상기 적어도 하나의 단말로부터 상기 적어도 하나의 제품 속성의 표시단위에 대한 변경 요청을 수신하는 단계; 및
    상기 적어도 하나의 단말로부터 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 상기 변경 요청에 포함된 표시단위로 변환하고, 변환된 표시단위에 기초한 복수의 기업 제품 정보 포함하는 변경 요청에 대한 응답을 전송하는 단계를 더 포함하는 것을 특징으로 하는 서버의 제품 정보 제공 방법.
  3. 제 1 항에 있어서,
    복수의 제품 정보 및 제품 정보 검색 요청에 포함된 제품명을 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 복수의 제품 정보 또는 학습된 AI 모델을 기초로 제품에 대응하는 적어도 하나의 제품 검색 키워드 후보를 결정하는 단계를 더 포함하는 것을 특징으로 하는 서버의 제품 정보 제공 방법.
  4. 제 3 항에 있어서,
    상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하는 단계는,
    상기 적어도 하나의 제품 검색 키워드 후보에 대응하는 제품에 관한 데이터베이스를 구축하는 단계를 포함하는 것을 특징으로 하는 방법.
  5. 제 4 항에 있어서,
    상기 제품 정보 검색 요청에 대한 응답을 전송하는 단계는,
    상기 적어도 하나의 제품 검색 키워드 후보를 기초로 상기 제품 정보 검색 요청에 포함된 제품 키워드에 대응하는 제품을 결정하는 단계; 및
    상기 제품 키워드에 대응하는 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함하는 것을 특징으로 하는 서버의 제품 정보 제공 방법.
  6. 제 1 항에 있어서,
    상기 복수의 제품 정보는 제품 테스트 방법에 관한 정보를 포함하고,
    상기 제품명 및 제품에 대응하는 단위를 파싱하는 단계는,
    상기 제품명, 제품에 대응하는 단위 및 제품 테스트 방법을 파싱하는 단계를 포함하고,
    상기 복수의 제품 정보로부터 파싱된 제품 테스트 방법들을 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 상기 분석된 테스트 방법들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 테스트 방법을 분류하고, 상기 적어도 하나의 제품 테스트 방법 중 대표 제품 테스트 방법을 결정하는 단계를 더 포함하고,
    상기 제품 정보 검색 요청에 대한 응답을 전송하는 단계는,
    상기 적어도 하나의 제품 테스트 방법 중 상기 대표 제품 테스트 방법에 관한 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함하는 서버의 제품 정보 제공 방법.
  7. 제 6 항에 있어서,
    상기 적어도 하나의 단말은 상기 제품 정보 검색 요청에 대한 응답을 수신하고, 상기 수신된 대표 제품 테스트 방법에 관한 정보를 기초로 대표 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 우선적으로 디스플레이하는 것을 특징으로 하는 서버의 제품 정보 제공 방법.
  8. 제 7 항에 있어서,
    상기 대표 제품 테스트 방법에 관한 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계는,
    상기 분류된 적어도 하나의 제품 테스트 방법을 기초로 상기 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함하고,
    상기 적어도 하나의 단말은 상기 분류된 적어도 하나의 제품 테스트 방법 중 하나의 제품 테스트 방법을 선택하는 사용자 입력을 수신하고,
    상기 수신된 사용자 입력에 기초하여 하나의 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 우선적으로 디스플레이하거나, 하나의 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 제외한 나머지 기업 제품 정보를 디스플레이하지 않고, 상기 하나의 제품 테스트 방법에 대응되는 기업의 기업 제품 정보를 디스플레이하는 것을 특징으로 하는 서버의 제품 정보 제공 방법.
  9. 제 7 항에 있어서,
    상기 정보 검색 요청에 대한 응답은 분류된 적어도 하나의 제품 테스트 방법의 자료의 다운로드 링크 정보를 포함하는 것을 특징으로 하는 서버의 제품 정보 제공 방법.
  10. 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는, 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신하고, 상기 수신한 복수의 제품 정보로부터 제품명 및 제품 속성의 단위를 파싱하고, 상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하고, 복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하고, 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하고, 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 것을 특징으로 하는 제품 정보 제공 서버.
  11. 제품 정보를 제공하는 서버; 및
    상기 제품 정보를 제공받는 적어도 하나의 단말을 포함하고,
    상기 적어도 하나의 사용자 단말은 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 전송하고,
    상기 서버는 상기 적어도 하나의 단말로부터 상기 복수의 제품 정보를 수신하고,
    상기 수신한 복수의 제품 정보로부터 제품명 및 제품에 대응하는 단위를 파싱하고,
    상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하고,
    복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하고,
    상기 적어도 하나의 단말은 제품 정보 검색 요청을 전송하고,
    상기 서버는 상기 적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하고,
    상기 서버는 상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 것을 특징으로 하는 제품 정보 제공 시스템.

  12. 서버의 제품 정보 제공 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 서버의 제품 정보 제공 방법은,
    서버에서 적어도 하나의 단말로부터 제품명 및 적어도 하나의 제품 속성의 단위 정보를 포함하는 복수의 제품 정보를 수신하는 단계;
    상기 수신한 복수의 제품 정보로부터 제품명 및 제품에 대응하는 단위를 파싱하는 단계;
    상기 파싱된 제품명 및 적어도 하나의 제품 속성의 단위를 기초로 제품에 관한 데이터베이스를 구축하는 단계;
    복수의 제품 정보로부터 파싱된 단위들을 빈도에 기초하여 분석하거나, 학습 데이터로 하여 AI 모델을 학습하고, 분석된 단위들 또는 학습된 AI 모델을 기초로 적어도 하나의 제품 속성의 대표단위를 결정하는 단계;
    적어도 하나의 단말로부터 제품 정보 검색 요청을 수신하는 단계; 및
    상기 제품에 관한 데이터베이스 내 복수의 기업 제품의 정보에 포함된 적어도 하나의 제품 속성의 단위를 대표단위로 변환하고, 변환된 대표단위에 기초한 복수의 기업 제품 정보를 포함하는 제품 정보 검색 요청에 대한 응답을 전송하는 단계를 포함하는 것을 특징으로 하는 기록매체에 저장된 컴퓨터 프로그램.
KR1020190091160A 2019-07-26 2019-07-26 제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템 KR102284165B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190091160A KR102284165B1 (ko) 2019-07-26 2019-07-26 제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190091160A KR102284165B1 (ko) 2019-07-26 2019-07-26 제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템

Publications (2)

Publication Number Publication Date
KR20210012809A true KR20210012809A (ko) 2021-02-03
KR102284165B1 KR102284165B1 (ko) 2021-07-30

Family

ID=74571930

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190091160A KR102284165B1 (ko) 2019-07-26 2019-07-26 제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템

Country Status (1)

Country Link
KR (1) KR102284165B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003076924A (ja) * 2001-09-03 2003-03-14 Isuzu Motors Ltd カタログ情報の提供システム、提供方法及びプログラム
JP2006527886A (ja) * 2003-06-18 2006-12-07 シーエヌイーティ ネットワークス インコーポレイテッド オンライン購入システム用のコンテント集合方法及び装置
KR20100067764A (ko) * 2008-12-12 2010-06-22 주식회사 이씨오피스 전자상거래에서 온톨로지 기반의 상품정보 서비스 시스템 및 방법
KR20160149050A (ko) * 2015-06-17 2016-12-27 한국과학기술정보연구원 텍스트 마이닝을 활용한 순수 기업 선정 장치 및 방법
KR101806169B1 (ko) * 2016-07-25 2017-12-07 오드컨셉 주식회사 쇼핑 정보를 제공하는 방법, 장치, 시스템 및 컴퓨터 프로그램

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003076924A (ja) * 2001-09-03 2003-03-14 Isuzu Motors Ltd カタログ情報の提供システム、提供方法及びプログラム
JP2006527886A (ja) * 2003-06-18 2006-12-07 シーエヌイーティ ネットワークス インコーポレイテッド オンライン購入システム用のコンテント集合方法及び装置
KR20100067764A (ko) * 2008-12-12 2010-06-22 주식회사 이씨오피스 전자상거래에서 온톨로지 기반의 상품정보 서비스 시스템 및 방법
KR20160149050A (ko) * 2015-06-17 2016-12-27 한국과학기술정보연구원 텍스트 마이닝을 활용한 순수 기업 선정 장치 및 방법
KR101806169B1 (ko) * 2016-07-25 2017-12-07 오드컨셉 주식회사 쇼핑 정보를 제공하는 방법, 장치, 시스템 및 컴퓨터 프로그램

Also Published As

Publication number Publication date
KR102284165B1 (ko) 2021-07-30

Similar Documents

Publication Publication Date Title
US11599714B2 (en) Methods and systems for modeling complex taxonomies with natural language understanding
US10725836B2 (en) Intent-based organisation of APIs
KR101114023B1 (ko) 확장형 문서 검색을 위한 콘텐츠 전파
US11727196B2 (en) System and method for automatic detection of webpage zones of interest
KR101452082B1 (ko) 리서치 미션 식별
JP2005316998A (ja) 製品のサポートに関するサービス要求のマイニング
US20210157983A1 (en) Hybrid in-domain and out-of-domain document processing for non-vocabulary tokens of electronic documents
US11775759B2 (en) Systems and methods for training and evaluating machine learning models using generalized vocabulary tokens for document processing
CN110502677B (zh) 一种设备识别方法、装置及设备、存储介质
US11874798B2 (en) Smart dataset collection system
US11507747B2 (en) Hybrid in-domain and out-of-domain document processing for non-vocabulary tokens of electronic documents
CN109684548B (zh) 一种基于用户图谱的数据推荐方法
US11816573B1 (en) Robust systems and methods for training summarizer models
US11537918B2 (en) Systems and methods for document similarity matching
CN113869034B (zh) 基于强化依赖图的方面情感分类方法
CN113157871B (zh) 应用人工智能的新闻舆情文本处理方法、服务器及介质
US20220179910A1 (en) Using graph queries to obtain results from machine learning models
CN113869609A (zh) 一种根因分析频繁子图置信度预测方法及系统
KR102532216B1 (ko) Esg 보조 툴을 이용하여 정형화된 esg 데이터로 이루어진 esg 데이터베이스를 구축하는 방법 및 이를 수행하는 esg 서비스 제공 시스템
KR102284165B1 (ko) 제품 정보 제공 방법, 제품 정보 제공 서버 및 제품 정보 제공 시스템
CN116956931A (zh) 语义识别模型的训练方法和装置、存储介质及电子设备
Marcelli et al. Active Learning-based Isolation Forest (ALIF): Enhancing Anomaly Detection in Decision Support Systems
KR102682244B1 (ko) Esg 보조 툴을 이용하여 정형화된 esg 데이터로 기계학습 모델을 학습하는 방법 및 기계학습 모델로 자동완성된 esg 문서를 생성하는 서비스 서버
KR102583159B1 (ko) 인공지능을 이용한 자동 스왓 분석툴 생성 모듈 및 이를 포함하는 스왓 분석 시스템
US20230394098A1 (en) Feature recommendation based on user-generated content

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant