KR20210022194A - 주얼리 상품을 추천하기 위한 컴퓨터 프로그램 - Google Patents

Abstract

주얼리 상품을 추천할 수 있는 프로그램의 일 실시예는 사용자로부터 사용자의 관심 데이터를 수신하는 기능; 상기 관심 데이터를 인공지능 신경망에 적용하는 기능; 및 상기 인공지능 신경망으로부터 출력되는 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 기능을 포함하고, 상기 인공지능 신경망은, 상기 관심 데이터로부터 상기 사용자의 취향에 관련된 사용자 분석 데이터를 획득하고, 상기 사용자 분석 데이터에 기초하여, 상기 사용자의 취향에 부합하는 추천 주얼리 상품을 선택하고, 상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습되며, 상기 관심 데이터로부터 텍스트 데이터 및 이미지 데이터를 획득하고, 상기 텍스트 데이터 및 상기 이미지 데이터에 기초하여 상기 사용자의 취향에 관련된 메타 데이터를 생성하고, 상기 메타 데이터로부터 상기 사용자 분석 데이터를 획득하는 기능을 실행시키기 위한 프로그램을 기록할 수 있다.

Description

주얼리 상품을 추천하기 위한 컴퓨터 프로그램 {Computer program for recommending jewelry product}

본 개시는 주얼리 상품을 추천할 수 있는 프로그램에 관한 것이다.

인터넷 기술의 발달로 사용자의 취향을 분석하여 사용자에게 상품을 추천하는 서비스를 제공하는 기술이 보편화 되고 있다. 예를 들면, 사용자가 방문했던 인터넷 홈페이지에 관련된 쿠키에 기초하여 사용자가 관심을 갖고 있는 상품을 추천하는 서비스가 제공되고 있다.

하지만, 주얼리 상품은 사용자의 취향이 제각각이므로, 최적의 상품을 추천하기 매우 어렵다. 특히, 상품의 종류도 매우 많기 때문에 사용자가 자신이 원하는 상품을 용이하게 선택하기는 더욱 어려운 실정이다. 즉, 사용자의 의도를 파악하여, 사용자가 관심있는 주얼리 상품와 유사한 상품을 매칭하여 추천하기는 매우 어렵다.

따라서, 사용자의 의도를 용이하게 파악하여, 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르게 매칭하여 추천하는 기술이 요구되고 있는 실정이다.

본 개시는 사용자의 의도를 용이하게 파악하여, 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르게 매칭하여 추천하는 방법 및 장치의 실시예들을 제공하고자 한다. 개시된 실시예들이 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 유추될 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 주얼리 상품을 추천할 수 있는 프로그램의 일 실시예는 사용자로부터 사용자의 관심 데이터를 수신하는 기능; 상기 관심 데이터를 인공지능 신경망에 적용하는 기능; 및 상기 인공지능 신경망으로부터 출력되는 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 기능을 포함하고, 상기 인공지능 신경망은, 상기 관심 데이터로부터 상기 사용자의 취향에 관련된 사용자 분석 데이터를 획득하고, 상기 사용자 분석 데이터에 기초하여, 상기 사용자의 취향에 부합하는 추천 주얼리 상품을 선택하고, 상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습되며, 상기 관심 데이터로부터 텍스트 데이터 및 이미지 데이터를 획득하고, 상기 텍스트 데이터 및 상기 이미지 데이터에 기초하여 상기 사용자의 취향에 관련된 메타 데이터를 생성하고, 상기 메타 데이터로부터 상기 사용자 분석 데이터를 획득하는 기능을 실행할 수 있다.

도 1은 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 예시를 설명하는 도면이다.
도 2는 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 순서도이다.
도 3 내지 도 5는 일 실시예에 따른, 관심 데이터를 획득하는 방법의 예시를 나타내는 것이다.
도 6 내지 도 10은 일 실시예에 따른, 주얼리 상품에 관련된 입력 데이터를 나타낸 도면이다.
도 11은 일 실시예에 따른, 메타 데이터를 생성하는 방법의 순서도이다.
도 12는 일 실시예에 따른, 사용자 분석 데이터를 획득하는 방법의 순서도이다.
도 13은 일 실시예에 따른, 추천 주얼리 상품을 디스플레이하는 것을 나타낸 도면이다.
도 14는 일 실시예에 따른, 추천 주얼리 상품의 속성 데이터를 디스플레이하 는 것을 나타낸 도면이다.
도 15는 일 실시예에 따른, 추천 주얼리 상품의 속성 데이터와 사용자 분석 데이터에 포함된 텍스트 정보를 함께 디스플레이하는 것을 나타낸 도면이다.
도 16은 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 블록도이다.
도 17은 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 제어부의 블록도이다.
도 18은 일 실시예에 따른, 주얼리 상품을 추천하는 장치와 연동하는 서버의 블록도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요 소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.

또한, 본 명세서에서 사용되는 “제 1” 또는 “제 2” 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 예시를 설명하는 도면이다.

도 1을 참조하면, 주얼리 상품을 추천하는 방법은, 주얼리 상품을 추천하는 장치(10, 이하 전자 장치라고 한다)가 사용자로부터 사용자의 관심 데이터를 수신하고, 관심 데이터에 기초하여 사용자의 취향에 부합하는 추천 주얼리 상품을 선택하며, 선택된 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다.

주얼리 상품은 몸을 치장하는데 이용되는 일련의 장신구(예를 들면, 반지, 귀걸이, 목걸이, 팔찌, 발찌)를 의미한다. 예를 들면, 주얼리 상품은 보석류가 포함된 장신구, 메탈이 포함된 장신구 외에도, 몸을 치장하는데 이용되는 다양한 재질로 구성된 일련의 장신구를 포함한다.

사용자의 관심 데이터는 사용자의 관심 사항에 관련된 정보를 의미한다. 사용자의 관심 사항은 사용자가 관심을 가진 패션 상품(예를 들면, 의류, 주얼리 상품, 가방, 모자 등)을 포함할 수 있다. 관심 데이터는 텍스트 데이터와 이미지 데이터를 포함할 수 있다. 관심 데이터는 사용자가 전자 장치(10)로 입력한 데이터 및 사용자가 전자 장치(10)를 이용하여 획득한 데이터를 포함할 수 있다.

일 실시예에 따르면, 관심 데이터에 포함된 이미지 데이터는 사용자의 관심 사항에 관련된 일련의 사진 데이터와 그림 데이터를 포함할 수 있다.

사진 데이터는 사용자의 관심 사항(예를 들면, 사용자가 관심을 가진 패션 상품)에 대하여 촬영된 사진 형태의 데이터를 포함할 수 있다. 즉, 사진 데이터는 사용자가 관심을 가진 패션 상품인 의류, 모자, 가방 및 주얼리 상품들 중 적어도 하나가 촬영된 데이터를 포함할 수 있다. 예를 들면, 사진 데이터는 제 품 카탈로그 사진, 모델이 제품을 착용한 화보 사진, 관심 주얼리 상품이 포함된 TV에서 방영된 프로그램의 프레임, 인터넷을 통해 획득된 관심 주얼리 상품이 포함된 사진을 포함할 수 있다. 다만 이에 한정되지 않는다.

그림 데이터는 사용자가 전자 장치(10)로 직접 그린 그림, 종이와 같은 다른 매체에 그린 그림을 카메라를 이용하여 촬영한 사진을 포함할 수 있다. 다만, 이에 한정되지 않는다.

전자 장치(10)는 사용자의 취향에 부합하는 추천 주얼리 상품을 추천하기 위해서 관심 데이터를 학습 데이터로서, 인공지능 신경망에 입력할 수 있다.

인공지능 신경망은 관심 데이터로부터 사용자의 취향에 관련된 사용자 분석 데이터를 획득하고, 사용자의 취향에 부합하는 주얼리 상품을 추천 주얼리 상품으로 선택하며, 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습된 것 일 수 있다.

사용자 분석 데이터는 사용자의 취향을 분석한 결과를 나타내는 데이터를 의미한다. 사용자 분석 데이터는 사용자의 취향과 관련된 텍스트 정보 및 이미지 특징을 포함할 수 있다.

일 실시예에 따르면, 사용자 분석 데이터는 관심 데이터로부터 획득된 텍스트 데이터 및 이미지 데이터 중 적어도 하나에 기초하여 생성된 메타 데이터를 이용하여 생성될 수 있다.

메타 데이터는 사용자의 취향을 분석하기 위해서 관심 데이터로부터 획득된 정보들을 링크한 데이터를 의미한다. 예를 들면, 메타 데이터는 관심 데이터로부터 획득한 텍스트 정보들 및 이미지 특징들 중 적어도 하나를 링크한 데이터를 포함할 수 있다. 즉, 메타 데이터는 텍스트 정보와 이미지 특징이 다대다로 링크된 데이터, 텍스트 정보들 상호간에 링크된 데이터 및 이미지 특징들 상호간에 링크된 데이터를 포함할 수 있다. 또한 메타 데이터는 서로 링크된 텍스트 정보와 이미지 특징에 부여된 가중치에 관한 데이터를 포함할 수 있다. 또한 메타 데이터는 텍스트 정보와 이미지 특징에 부여된 가중치가 변경됨으로써 갱신될 수 있다.

사용자 분석 데이터는 메타 데이터에 포함된 텍스트 정보와 이미지 특징 중 가중치가 임계값 이상인 텍스트 정보 및 이미지 특징에 관한 데이터를 포함할 수 있다.

인공지능 신경망은 복수의 텍스트 데이터 및 이미지 데이터를 학습 데이터로 입력 받아 텍스트 데이터와 이미지 데이터의 관련성을 판단하도록 학습된 것 일 수 있다. 학습 데이터는 사용자로부터 수신한 텍스트 데이터 및 이미지 데이터를 포함할 수 있다. 또한, 학습 데이터는 전자 장치(10)가 학습을 위해서 인터넷을 통해서 획득한 텍스트 데이터 및 이미지 데이터를 포함할 수 있다. 전자 장치는 학습을 위해서 웹 페이지 포함된 텍스트 데이터 및 이미지 데이터를 크롤링(Crawling)할 수 있다. 텍스트 데이터는 태그(Tag)를 포함할 수 있다.

인공지능 신경망은 복수의 주얼리 상품들 각각에 관련된 이미지 데이터, 텍스트 데이터들을 학습 데이터로 수신할 수 있다. 인공지능 신경망은 학습 데이터들을 데이터 인식 모델을 이용함으로써, 복수의 주얼리 상품들 각각의 속성에 관련된 데이터를 획득할 수 있다.

예를 들면, 인공지능 신경망은 CNN(Convolution Neural Network) 기술을 이용한 이미지 분석을 통해서 복수의 주얼리 상품들 각각의 속성에 관련된 데이터를 획득할 수 있다.

다른 예를 들면, 인공지능 신경망은 RNN(Recurrent Neural Network) 기술을 이용하여 텍스트 데이터 및 음성 데이터를 분석함으로써 복수의 주얼리 상품들 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 획득할 수 있다.

인공지능 신경망은 학습한 텍스트 데이터와 이미지 데이터의 관련성을 판단하는 기준에 기초하여 관심 데이터로부터 획득된 텍스트 데이터와 이미지 데이터를 링크(Link)할 수 있다.

인공지능 신경망은 서버(20)에 포함될 수 있다. 전자 장치(10)는 사용자로부터 수신한 입력 데이터를 서버(20)로 전송하고, 서버로부터 출력된 추천 주얼리 상품에 관련된 데이터를 수신할 수 있다.

또는, 인공지능 신경망은 전자 장치(10)에 포함될 수 있다. 전자 장치(10)는 내부 메모리에 인공지능 신경망을 구성하는 데이터를 저장하고 이용할 수 있다. 예를 들면, 전자 장치(10)는 서버(20)로부터 인공지능 신경망을 구성하는 데이터를 수신함으로써, 인공지능 신경망을 내부 메모리에 저장하고 이용할 수 있다. 또한, 전자 장치(10)는 서버(20)로부터 인공지능 신경망을 갱신하는 데이터를 수신할 수 있다.

인공지능 신경망은 프로세서의 형태로 존재할 수 있다. 프로세서는 범용적으로 이용되는 적어도 하나의 프로세서 (예를 들면, CPU, Application processor) 및 인공지능 신경망의 기능을 수행하기 위하여 제작된 적어도 하나의 프로세서를 포함할 수 있다.

또는, 인공지능 신경망은 소프트웨어 모듈의 형태로 존재할 수 있다. 범용 프로세서 또는 인공지능 신경망의 기능을 수행하기 위하여 제작된 프로세서는 명령어를 실행함으로써 소프트웨어 모듈 형태의 인공지능 신경망을 이용할 수 있다.

전자 장치(10)는 인공지능 신경망으로부터 출력된 추천 주얼리 상품에 관련된 데이터를 디스플레이할 수 있다.

인공지능 신경망은 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(10)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 선택된 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(10)로 출력할 수 있다.

전자 장치(10)는 인공지능 신경망으로부터 출력된 추천 주얼리 상품의 외형에 관련된 데이터, 속성에 관련된 데이터 및 부가 정보에 관련된 데이터 중 적어도 하나를 출력할 수 있다. 예를 들면, 전자 장치(10)는 추천 주얼리 상품의 외형에 관련된 사진 데이터를 디스플레이부를 이용하여 출력할 수 있다. 또한, 전자 장치(10)는 사용자 분석 데이터에 포함된 텍스트 정보 및 추천 주얼리 상품의 속성 데이터를 함께 디스플레이 할 수 있다.

개시된 실시예에 따르면, 전자 장치(10)는 사용자의 의도를 용이하게 파악하여, 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르고 정확하게 매칭하여 추천할 수 있다.

전자 장치(10)는 출력한 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(10)는 터치스크린을 이용하여 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력을 수신할 수 있다.

전자 장치(10)는 선택된 추천 주얼리 상품을 체크 박스를 이용하여 선택된 것임을 나타낼 수 있다. 전자 장치(10)는 선택된 추천 주얼리 상품의 속성 데이터를 선택된 추천 주얼리 상품의 이미지 위에 오버레이하여 디스플레이할 수 있다.

전자 장치(10)는 사용자의 입력에 기초하여 적어도 하나의 주얼리 상품 제조사의 단말기로 선택된 추천 주얼리 상품의 제작의뢰에 관련된 데이터를 전송할 수 있다. 예를 들면, 전자 장치(10)는 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력에 대응하여, 주얼리 상품 제조사의 단말기로 제작의뢰에 관련된 데이터를 전송할 수 있다. 또는 전자 장치(10)는 체크 박스가 된 추천 주얼리 상품의 제작의뢰를 요청하는 사용자의 입력을 수신함으로써, 주얼리 상품 제조사의 단말기로 제작의뢰에 관련된 데이터를 전송할 수 있다.

주얼리 상품 제조사의 단말기는 주문 제작 의뢰에 관련된 데이터를 송수신할 수 있는 모바일 장치(예를 들면, 스마트폰, 태블릿PC 등), 범용 컴퓨터 (PC, Personal Computer), 서버(Server)등을 포함할 수 있다.

개시된 실시예에 따르면, 전자 장치(10)는 사용자가 관심있는 주얼리 상품과 유사한 상품을 빠르고 정확하게 매칭하여 추천하고, 주문 제작을 의뢰할 수 있다.

도 2는 일 실시예에 따른, 주얼리 상품을 추천하는 방법의 흐름도이다.

단계 S210을 참조하면, 전자 장치(10)는 사용자로부터 관심 데이터를 수신할 수 있다.

일 실시예에 따르면, 관심 데이터는 사용자가 전자 장치(10)를 이용하여 획득한 데이터를 포함할 수 있다. 예를 들면, 관심 데이터는 사용자가 전자 장치(10)를 이용하여 도 3 내지 도 5의 실시예와 같이 획득한 데이터를 포함할 수 있다. 사용자는 관심 사항에 대해서 검색, 웹 페이지의 방문을 통해서 관심 사항에 관한 정보를 획득하기 때문에, 전자 장치(10)는 이러한 사용자의 행태에 기초하여 사용자의 관심 사항에 관련된 데이터를 획득할 수 있다.

일 실시예에 따르면, 관심 데이터는 사용자가 전자 장치(10)로 입력한 데이터를 포함할 수 있다. 예를 들면, 관심 데이터는 사용자가 전자 장치(10)로 입력한 도 6 내지 도 10의 실시예와 같은 관심 주얼리 상품에 관한 데이터를 포함할 수 있다.

단계 S230을 참조하면, 전자 장치(10)는 관심 데이터를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 전처리된 데이터가 적용될 수 있다.

데이터의 전처리는 전자 장치(10) 또는 서버(20)가 수행할 수 있다. 예를 들면, 전자 장치(10)는 관심 데이터로부터 텍스트 데이터 및 이미지 데이터를 분리하여 획득할 수 있다. 또한, 전자 장치(10)는 텍스트 데이터로부터 취향을 나 타내는 텍스트 데이터(예를 들면, 색상, 분위기, 상품의 속성)를 추출할 수 있다. 또한, 전자 장치(10)는 이미지 데이터로부터 패션 상품이 포함된 이미지 데이터를 추출할 수 있다. 또한, 전자 장치(10)는 이미지 데이터로부터 패션 상품들 각각을 추출할 수 있다.

다른 예를 들면, 전자 장치(10)는 이미지 데이터의 적어도 일부의 밝기를 조절할 수 있다. 또한, 전자 장치(10)는 이미지 데이터의 선명도를 조절할 수 있다. 또한, 전자 장치(10)는 이미지 데이터로부터 주얼리 상품 및 패션 상품 중 적어도 하나를 구성하는 기본 형태에 관련된 데이터를 추출할 수 있다. 또한, 전자 장치(10)는 이미지 데이터로부터 텍스트 정보를 추출할 수 있다.

또 다른 예를 들면, 전자 장치(10)는 텍스트 데이터로부터 주얼리 상품의 명칭, 품번, 주얼리 상품의 속성에 관련된 텍스트, 주얼리 상품을 설명하기 위한 텍스트를 분류하여 인공지능 신경망에 적용할 수 있다.

또 다른 예를 들면, 전자 장치(10)는 음성 데이터를 음성 인식을 통해서 음성 데이터에 포함된 주얼리 상품에 관련된 정보를 획득하고, 인공지능 신경망에 적용할 수 있다. 또한, 전자 장치(10)는 음성 데이터를 음성 인식을 통해서 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 사용자로부터 입력된 데이터를 서버(20)로 전송할 수 있다. 서버(20)는 전자 장치(10)로부터 수신한 데이터를 전처리할 수 있다. 서버(20)는 위에 기재된 전자 장치(10)가 수행하는 전처리를 수행할 수 있다. 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 입력된 데이터를 전처리할 수 있다. 인공지능 신경망은 위에 기재된 전자 장치(10)가 수행하는 전처리를 수행할 수 있다. 중복되는 내용은 생략한다.

인공지능 신경망은 관심 데이터로부터 사용자의 취향에 관련된 정보를 획득하여 사용자 관심 데이터를 생성하고, 사용자 관심 데이터에 기초하여 추천 주얼리 상품을 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 학습 데이터를 이용하여 취향에 관련된 정보를 획득하고, 연결하는 기준을 학습한 것일 수 있다. 예를 들면, 인공지능 신경망은 입력된 데이터로부터 텍스트 데이터와 이미지 데이터를 획득하는 기준을 학습한 것일 수 있다. 또한, 인공지능 신경망은 텍스트 데이터로부터 취향에 관련된 텍스트 정보를 획득하는 기준을 학습한 것일 수 있다. 또한, 인공지능 신경망은 이미지 데이터로부터 취향에 관련된 이미지 특징을 획득하는 기준을 학습한 것일 수 있다. 또한, 인공지능 신경망은 텍스트 정보와 이미지 특징의 관련성을 판단하는 기준을 학습한 것일 수 있다. 또한, 인공지능 신경망은 관련성이 존재하는 텍스트 정보와 이미지 특징을 링크하는 기준을 학습한 것일 수 있다.

일 실시예에 따르면, 학습 데이터는 인공지능 신경망이 사용자 관심 데이터를 생성하는 기준을 학습하기 위해서 사용자가 직접 입력한 데이터를 포함할 수 있다. 학습 데이터는 사용자의 취향에 부합하는 텍스트 정보에 관련된 데이터 및 사용자의 취향에 부합하는 패션 상품 및 주얼리 상품에 관련된 이미지 데이터를 포함할 수 있다.

일 실시예에 따르면, 학습 데이터는 전자 장치(10), 서버(20)가 크롤링(Crawling)하여 획득한 텍스트 데이터 및 이미지 데이터를 포함할 수 있다. 예를 들면, SNS에 개시된 이미지 데이터 및 이미지 데이터와 함께 개시된 텍스트 데이터(예를 들면, 태그(tag))를 포함할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 데이터 베이스에 저장된 주 얼리 상품들의 속성 데이터 및 사용자의 관심 데이터에 기초하여 가상 주얼리 상품을 생성하도록 학습된 것 일 수 있다. 가상 주얼리 상품은 사용자의 취향에 부합되도록 인공지능 신경망이 생성하는 가상의 주얼리 상품을 의미한다. 인공지능 신 경망은 사용자 분석 데이터와 유사한 속성 데이터에 기초하여 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 사용자 분석 데이터와 유사한 속성 데이터에 대응되는 가상 주얼리 상품을 생성할 수 있다. 가상 주얼리 상품을 생성하는 방법은 아래에서 구체적으로 설명한다.

인공지능 신경망은 복수의 주얼리 상품들 중에서 추천 주얼리 상품을 선택하고, 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(10)로 출력하기 위해서, 복수의 주얼리 상품에 관련된 데이터를 학습한 것 일 수 있다.

일 실시예에 따르면, 인공지능 신경망은 복수의 주얼리 상품의 속성 데이터 및 외형의 특징에 관련된 데이터를 학습할 수 있다. 복수의 주얼리 상품의 속성 데이터 및 외형의 특징에 관련된 데이터는 데이터 베이스에 저장된 데이터일 수 있다.

일 실시예에 따르면, 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터는 복수의 주얼리 상품 제조사들의 단말기로부터 획득한 주얼리 상품들의 속성 데이터일 수 있다. 예를 들면, 데이터 베이스에 포함된 주얼리 상품들의 속성 데이터는 복수의 주얼리 상품 제조사들이 제공한 자사에서 제조하는 주얼리 상품에 관련된 데이터가 저장된 것일 수 있다. 또는, 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터는 인터넷, 카탈로그와 같이 주얼리 상품 제조사들이 홍보를 위해서 개시한 데이터가 저장된 것일 수 있다.

일 실시예에 따르면, 데이터 베이스에 저장된 복수의 주얼리 상품들의 속성 데이터는 크롤링된 데이터에 기초하여 인공지능 신경망이 구별한 속성 데이터를 포함할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 표 1과 같이 주얼리 상품의 속성 데이터를 분류할 수 있다.

예를 들면, 주얼리 카테고리는, 주얼리 상품의 종류에 관련된 데이터를 포함할 수 있다. 스톤 카테고리는, 스톤 타입(Stone type), 스톤 컬러(Stone Color), 스톤 중량(Stone weight), 스톤 모양(Stone shape), 스톤 세팅(Stone setting)의 서브 카테고리를 포함할 수 있으나 이에 한정되지 않는다. 스톤 타입에 관련된 데이터는 보석의 종류, 준보석의 종류, 대체 보석의 종류, 진주의 종류에 관련된 데이터를 포함할 수 있다. 보석은 주얼리 상품에 사용되는 광물을 의미할 수 있다. 준보석은 보석과 유사하지만, 희귀한 정도가 낮은 것을 의미할 수 있다. 대체 보석은 큰 크기의 보석 대신 작은 크기의 복수개의 보석으로 대체하는 것을 의미할 수 있다. 진주는 조개의 체내에서 생긴 탄산칼슘을 주성분으로 하는 구슬을 의미할 수 있다. 스톤 컬러에 관련된 데이터는 각 광물 별 컬러에 관련된 데이터를 포함할 수 있다. 스톤 중량(Stone weight)에 관련된 데이터는 주얼리에 포함된 스톤 각각의 무게에 관련된 데이터를 포함할 수 있다. 스톤 중량에 관련된 데이터는 주얼리에 포함된 스톤 각각의 크기에 관련된 데이터도 포함할 수 있다. 스톤 모양 (Stone shape)에 관련된 데이터는 주얼리에 포함된 스톤 각각의 모양에 관련된 데이터를 포함할 수 있다. 스톤 세팅(Stone setting)에 관련된 데이터는 주얼리에 포함된 스톤 각각을 고정하는 형태 및 방법에 관련된 데이터를 포함할 수 있다. 메탈 카테고리는, 주얼리 상품에 포함된 메탈의 메탈 타입(Metal type), 메탈의 중량 및 메탈 피니쉬(Metal Finish)의 서브 카테고리를 포함할 수 있으나 이에 한정되지 않는다. 메탈 타입에 관련된 데이터는 주얼리 상품에 포함된 메탈의 종류에 관련된 데이터를 포함할 수 있다. 메탈의 중량에 관련된 데이터는 주얼리 상품에 포함된 메탈의 중량에 관련된 데이터를 포함할 수 있다. 메탈 피니시에 관련된 데이터는 주얼리 상품에 포함된 메탈의 표면에 적용하는 마무리 기법에 관련된 데이터를 포함할 수 있다. 디자인에 관련된 데이터는 주얼리 상품에 포함된 걸쇠 종류(Clasp type), 줄의 길이(Length), 줄의 종류(Chain type), 주얼리 상품 디자인의 종류 (Design type), 주얼리 상품의 외형(Design shape), 기능(예를 들면, 반지, 목걸이, 팔찌의 줄 길이 조정 가능 여부, 동시에 여러 개 착용 가능 여부)에 관련 된 데이터를 포함할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 획득된 복수의 주얼리 상품들 각각의 속성에 관련된 데이터 및 부가 정보에 관련된 데이터를 데이터 베이스에 저장할 수 있다. 인공지능 신경망은 데이터 베이스에 저장된 데이터들에 접근할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 관심 데이터로부터 텍스트 데이터 및 이미지 데이터 중 적어도 하나를 획득할 수 있다. 인공지능 신경망은 텍스트 데이터로부터 사용자의 취향에 관련된 텍스트 정보를 획득할 수 있다. 인공지능 신경망은 이미지 데이터로부터 사용자의 취향에 관련된 이미지 정보를 획득할 수 있다. 인공지능 신경망은 텍스트 정보와 이미지 정보에 기초하여 메타 데이터를 획득할 수 있다. 메타 데이터를 생성하는 방법은 도 11을 참조하여 아래에서 구체적으로 설명한다. 인공지능 신경망은 데이터 베이스에 메타 데이터를 저장할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 메타 데이터로부터 사용자 분석 데이터를 획득할 수 있다. 사용자 분석 데이터를 획득하는 방법은 도 12를 참조하여 아래에서 구체적으로 설명한다. 인공지능 신경망은 데이터 베이스에 사용자 분석 데이터를 저장할 수 있다.

인공지능 신경망은 사용자 관심 데이터에 기초하여 추천 주얼리 상품을 선택할 수 있다.

인공지능 신경망은 텍스트 데이터, 사용자에 관련된 메타 태그 정보, 사용자에 관련된 로그 정보와 같은 종래의 개인화 추천 기술을 이용하여 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다. 이를 통해서, 인공지능 신경망은 사용자 맞춤형 주얼리 상품 추천 서비스를 제공할 수 있다.

인공지능 신경망은 선택된 추천 주얼리 상품에 관련된 데이터를 전자 장치(10)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 선택된 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(10)로 출력할 수 있다.

단계 S250을 참조하면, 전자 장치(10)는 인공지능 신경망에서 출력되는 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(10)는 인공 지능 신경망으로부터 출력된 추천 주얼리 상품의 외형에 관련된 데이터, 속성에 관련된 데이터 및 부가 정보에 관련된 데이터 중 적어도 하나를 출력할 수 있다. 예를 들면, 전자 장치(10)는 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 디스플레이부를 이용하여 출력할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 추천 주얼리 상품에 관련된 데이터와 사용자 분석 데이터에 포함된 텍스트 정보를 함께 디스플레이할 수 있다. 전자 장치(10)는 추천 주얼리 상품의 이미지 데이터에 포함된 이미지 특징에 링크된 텍스트 정보를 추천 주얼리 상품에 관련된 데이터와 함께 디스플레이할 수 있다. 도 15를 참조하여 아래에서 설명한다.

도 3은 사용자가 전자 장치(10)를 이용하여 검색한 결과를 나타내는 웹 페이지(300)를 나타낸 것이다.

일 실시예에 따르면, 관심 데이터는 사용자가 전자 장치(10)를 이용하여 검색한 키워드, 문장, 문단, 어구 및 이미지를 포함할 수 있다. 사용자는 관심 사항에 관한 정보를 획득하기 위해서 검색 기능을 이용할 수 있다. 사용자가 입력한 키워드, 문장, 문단 어구 및 이미지는 사용자의 관심 사항을 반영하므로, 전자 장치(10)는 사용자가 전자 장치(10)에 입력한 키워드, 문장, 문단, 어구 및 이 미지가 관심 데이터로 획득할 수 있다. 도 3을 참조하여 예를 들면, 전자 장치(10)는 검색창(310)에 입력된 “직장인 데일리 액세서리”를 관심 데이터로 획득할 수 있다.

일 실시예에 따르면, 관심 데이터는 사용자가 전자 장치(10)를 이용하여 검색한 결과를 나타내는 웹 페이지에 포함된 데이터를 포함할 수 있다. 사용자가 검색한 결과를 나타내는 웹 페이지는 사용자의 관심 사항에 관한 정보를 포함할 가능성이 높다.

도 3을 참조하여 예를 들면, 전자 장치(10)는 웹 페이지(300)에 포함된 텍스트 데이터(330a, 330b, 330c)를 관심 데이터로 획득할 수 있다. 텍스트 데이터(330a, 330b, 330c)는 키워드, 문장, 문단, 어구, 웹 페이지(300)에 링크된 웹 페이지를 나타내는 텍스트 데이터를 포함할 수 있다. 또한, 텍스트 데이터(330a, 330b, 330c)는 태그(tag)를 포함할 수 있다.

또한, 도 3을 참조하여 예를 들면, 전자 장치(10)는 웹 페이지(300)에 포함된 이미지 데이터(350)를 관심 데이터로 획득할 수 있다. 이미지 데이터(350)는 정지 이미지 데이터(예를 들면, 사진, 그림) 및 동적 이미지 데이터를 관심 데이터로 획득할 수 있다. 예를 들면, 전자 장치(10)는 주얼리 상품이 포함된 정지 이미지 데이터를 관심 데이터로 획득할 수 있다. 또한, 전자 장치(10)는 사람이 주얼리 상품을 착용한 정지 이미지 데이터를 관심 데이터로 획득할 수 있다. 또한, 전자 장치(10)는 주얼리 상품이 패션 상품과 함께 포함된 정지 이미지 데이터를 관심 데이터로 획득할 수 있다.

도 4는 사용자가 전자 장치(10)를 이용하여 방문한 웹 페이지(400)를 나타낸 것이다.

일 실시예에 따르면, 관심 데이터는 사용자가 전자 장치(10)를 이용하여 방문한 웹 페이지에 포함된 데이터를 포함할 수 있다. 또한, 관심 데이터는 사용자가 전자 장치(10)를 이용하여 검색한 결과를 나타내는 웹 페이지에 링크된 웹 페이지에 포함된 데이터를 포함할 수 있다. 사용자는 전자 장치(10)를 이용하여 웹 페이지를 방문하고, 방문한 웹 페이지로부터 관심 사항에 관한 정보를 획득할 수 있다. 사용자가 방문한 웹 페이지는 사용자의 관심 사항에 관한 정보를 포함할 가능성이 높다. 전자 장치(10)는 사용자가 전자 장치(10)를 이용하여 방문한 웹 페이지에 포함된 데이터를 관심 데이터로 획득할 수 있다.

웹 페이지(400)는 사용자가 웹 브라우저의 주소창에 웹 주소를 입력함으로써 방문한 웹 페이지를 포함할 수 있다. 또한, 웹 페이지(400)는 사용자가 검색한 결과를 나타내는 웹 페이지(300)에 포함된 링크를 이용하여 사용자가 방문한 웹 페이지를 포함할 수 있다. 또한, 웹 페이지(400)는 사용자가 배너 광고와 같이 웹 페이지에 포함된 링크를 이용하여 사용자가 방문한 웹 페이지를 포함할 수 있다.

도 4를 참조하여 예를 들면, 전자 장치(10)는 웹 페이지(400)에 포함된 복수의 텍스트 데이터(410a, 410b)를 관심 데이터로 획득할 수 있다. 텍스트 데이터(410a, 410b)는 키워드, 문장, 문단, 어구, 웹 페이지(400)에 링크된 웹 페이지를 나타내는 텍스트 데이터를 포함할 수 있다. 또한, 텍스트 데이터(410a, 410b)는 태그(tag)를 포함할 수 있다.

또한, 전자 장치(10)는 웹 페이지(400)에 포함된 복수의 이미지 데이터(430a, 430b)를 관심 데이터로 획득할 수 있다. 이미지 데이터는 도 3을 참조하여 위에서 설명한 이미지 데이터와 유사하므로, 중복되는 내용은 생략한다.

도 5는 사용자가 전자 장치(10)를 이용하여 방문한 웹 페이지(400) 에 링크된 웹 페이지(500)를 나타낸 것이다.

일 실시예에 따르면, 관심 데이터는 사용자가 전자 장치(10)를 이용하여 방문한 웹 페이지에 링크된 웹 페이지에 포함된 데이터를 포함할 수 있다. 사용자가 전자 장치(10)를 이용하여 방문한 웹 페이지에 링크된 웹 페이지는 사용자가 방문한 웹 페이지와 유사한 정보를 포함할 가능성이 높다. 즉, 사용자가 방문한 웹 페이지에 링크된 웹 페이지는 사용자의 관심 사항에 관한 정보를 포함할 가능성이 높다. 전자 장치(10)는 사용자가 전자 장치(10)를 이용하여 방문한 웹 페이지에 링크된 웹 페이지에 포함된 데이터를 관심 데이터로 획득할 수 있다.

웹 페이지(500)는 사용자가 방문한 웹 페이지(400)에 직접 링크된 웹 페이지 및 배너 광고로 링크된 웹 페이지, 웹 페이지(400)에 링크된 웹 페이지에 링크된 웹 페이지를 포함할 수 있다.

도 5를 참조하면, 전자 장치(10)는 웹 페이지(500)에 포함된 복수의 텍스트 데이터(510a, 510b)를 관심 데이터로 획득할 수 있다. 텍스트 데이터(510a, 510b)는 도 3 및 도 4를 참조하여 위에서 설명한 텍스트 데이터와 유사하므로, 중복되는 내용은 생략한다.

또한, 전자 장치(10)는 웹 페이지(500)에 포함된 복수의 이미지 데이터(530)를 관심 데이터로 획득할 수 있다. 이미지 데이터는 도 3 및 도 4를 참조하여 위에서 설명한 이미지 데이터와 유사하므로, 중복되는 내용은 생략한다.

도 6 내지 도 10은 일 실시예에 따른, 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 나타낸 도면이다.

일 실시예에 따르면, 관심 데이터는 사용자가 관심을 가진 주얼리 상품(이하 관심 주얼리 상품이라고 한다)에 관한 사용자의 입력을 포함할 수 있다. 관심 주얼리 상품에 관련된 사용자의 입력 데이터는 이미지 데이터, 텍스트 데이터 및 음성 데이터 중 적어도 하나를 포함할 수 있다. 예를 들면, 사용자의 입력 데이터는 이미지 데이터와 텍스트 데이터를 동시에 포함할 수 있다. 다른 예를 들면, 사용자의 입력 데이터는 이미지 데이터와 음성 데이터를 동시에 포함할 수 있다.

일 실시예에 따르면, 관심 주얼리 상품에 관한 사용자의 입력에 포함된 이미지 데이터는 관심 주얼리 상품에 관련된 일련의 사진 데이터와 그림 데이터를 포함할 수 있다.

사진 데이터는 관심 주얼리 상품만이 촬영된 제품 사진, 관심 주얼리 상품을 착용한 착용사진과 같이 관심 주얼리 상품이 포함된 일련의 사진 형태의 데이터를 포함할 수 있다. 다만, 이에 한정되지 않는다.

예를 들면, 사진 데이터는 제품 카탈로그 사진, 모델이 제품을 착용한 화보 사진, 관심 주얼리 상품이 포함된 TV에서 방영된 프로그램의 프레임, 인터넷을 통해 획득된 관심 주얼리 상품이 포함된 사진을 포함할 수 있다. 다만 이에 한정되지 않는다.

그림 데이터는 사용자가 전자 장치(10)로 직접 그린 그림, 종이와 같은 다른 매체에 그린 그림을 카메라를 이용하여 촬영한 사진을 포함할 수 있다. 다만, 이에 한정되지 않는다.

도 6을 참조하면, 전자 장치(10)는 사용자의 입력 데이터를 이미지 데이터로 수신할 수 있다. 구체적으로, 전자 장치(10)는 관심 주얼리 상품의 카탈로그 사진 데이터(610)를 사용자의 입력 데이터로 수신할 수 있다. 전자 장치(10) 는 제품의 카탈로그 사진 데이터(610)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 사진 데이터(610)를 이미지 분석함으로써, 사진 데이터(610)로부터 이미지 특징을 획득할 수 있다. 인공지능 신경망은 이미지 특징으로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다.

구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터를 획 득할 수 있다. 인공지능 신경망은 관심 주얼리 상품의 속성 데이터로부터 관심 주 얼리 상품의 텍스트 정보를 획득할 수 있다.

도 7를 참조하면, 전자 장치(10)는 사용자의 입력 데이터를 이미지 데이터로 수신할 수 있다. 구체적으로, 전자 장치(10)는 관심 주얼리 상품의 착용 사진 데이터(710)를 사용자의 입력 데이터로 수신할 수 있다. 전자 장치(10)는 착용 사진 데이터(710)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 착용 사진 데이터(710)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 예를 들면, 전자 장치(10)는 착용 사진 데이터(710)의 적어도 일부의 밝기를 조절할 수 있다. 또한, 전자 장치(10)는 착용 사진 데이터(710)의 선명도를 조절할 수 있다. 또한, 전자 장치(10)는 착용 사진 데이터(710)로부터 관심 주얼리 상품의 형태에 관련된 데이터를 획득할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 전처리가 수행된 착용 사진 데이터(710)를 인공지능 신경망에 적용할 수 있다. 예를 들면, 전자 장치(10)는 착용 사진 데이터(710)로부터 획득된 관심 주얼리 상품의 형태에 관련된 데이터만을 인공지능 신경망에 적용할 수 있다. 다른 예를 들면, 전자 장치(10)는 착용 사진 데이터(710)의 밝기, 대조, 선명도 등의 조절함으로써 관심 주얼리 상품의 형태가 부각되도록 처리된 데이터를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 적용된 착용 사진 데이터(710)에 전처리를 수행할 수 있다. 인공지능 신경망이 착용 사진 데이터(710)에 수행하는 전처리는 위에 기재된 전자 장치(10)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 사진 데이터(710)를 이미지 분석함으로써, 사진 데이터(710)로부터 이미지 특징을 획득할 수 있다. 인공지능 신경망은 이미지 특징으로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터를 획득할 수 있다. 인공지능 신경망은 관심 주얼리 상품의 속성 데이터로부터 관심 주 얼리 상품의 텍스트 정보를 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 관심 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다. 예를 들면, 인공지능 신경망은 이미지 분석을 통해서 획득된 관심 주얼리 상품에 관련된 데이터에 기초하여, 관심 주얼리 상품과 유사한 속성을 포함하는 주얼리 상품의 가격에 관련된 데이터를 획득할 수 있다.

구체적으로, 인공지능 신경망은 사진 데이터(710)로부터 획득한 이 미지 특징에 기초하여, 관심 주얼리 상품과 유사한 외형을 포함하는 주얼리 상품의 가격에 관련된 데이터를 획득할 수 있다. 또한, 인공지능 신경망은 관심 주얼리 상품의 속성과 유사한 속성을 포함하는 주얼리 상품을 검색함으로써, 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다. 다른 예를 들면, 인공지능 신경망은, 스톤의 가격에 관련된 정보, 메탈(예를 들면, 금, 은)의 가격에 관련된 정보에 기초하여 관심 주얼리 상품의 속성 데이터에 적용함으로써 관심 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 “ 14k gold”로 구성된 “1.47g”의 반지인 관심 주얼리 상품에 대해서, 14k gold의 단위 중량당 가격을 인터넷을 이용하여 획득하고 관심 주얼리 상품의 중량에 적용 함으로써, 관심 주얼리 상품의 가격에 관련된 속성 데이터를 획득할 수 있다.

전자 장치(10)는 사용자의 입력 데이터를 이미지 데이터 및 텍스트 데이터로 수신할 수 있다. 텍스트 데이터는 상품을 지칭하는 명칭인 주얼리 상품 명칭, 주얼리 상품의 품번, 주얼리 상품의 제조사, 주얼리 상품의 속성에 관련된 텍스트, 주얼리 상품을 설명하기 위한 텍스트를 포함할 수 있으나, 이에 한정되지 않는다.

주얼리 상품의 속성에 관련된 텍스트는 주얼리 상품의 속성을 나타내는 일련의 텍스트로 수신한 데이터를 의미한다. 주얼리 상품의 속성에 관련된 텍스트는 적어도 하나 이상의 주얼리 상품의 속성에 관한 정보를 포함할 수 있다. 구체적인 예를 들면, 주얼리 상품의 속성을 나타내는 텍스트는 1 캐럿 다이아몬드를 왕관모양으로 포함한 14K Rose gold 색상의 반지를 포함할 수 있다.

주얼리 상품을 설명하기 위한 텍스트는 주얼리 상품에 관련된 부가 정보를 포함하는 일련의 텍스트로 수신한 데이터를 의미한다. 부가 정보는 주얼리 상품의 명칭이나 품번을 지칭하거나, 주얼리 상품의 속성을 나타내지 않지만, 주얼리 상품에 관련된 정보를 의미한다. 구체적인 예를 들면, 부가 정보는 특정 연예인이 착용한 주얼리, 특정 드라마에서 특정 캐릭터가 착용한 주얼리, 특정 연예인의 결혼 반지, 특정 연예인이 특정 행사에서 착용한 주얼리와 같은 정보를 포함할 수 있다.

일 실시예에 따르면, 관심 주얼리 상품에 관한 사용자의 입력에 포함된 음성 데이터는 전자 장치(10)가 사용자로부터 직접 입력받은 음성으로 구성된 데이터를 의미한다. 음성 데이터는 주얼리 상품에 관련된 음성으로 입력받은 일련의 데이터를 모두 포함할 수 있다. 예를 들면, 전자 장치(10)가 음성 입력부를 이용하여 사용자로부터 주얼리 상품에 관련된 음성을 수신한 데이터를 포함할 수 있다. 음성 데이터는 상품을 지칭하는 명칭인 주얼리 상품 명칭, 주얼리 상품의 품 번, 주얼리 상품의 제조사, 주얼리 상품의 속성에 관련된 텍스트, 주얼리 상품을 설명하기 위한 음성 데이터를 포함할 수 있으나, 이에 한정되지 않는다.

전자 장치(10)는 사용자로부터 수신한 음성 데이터를 음성 인식을 통해서 음성 데이터에 포함된 주얼리 상품에 관련된 정보를 획득할 수 있다. 예를 들면, 전자 장치(10)는 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터에 기초하여 주얼리 상품에 관련된 정보를 획득할 수 있다.

도 8를 참조하면, 전자 장치(10)는 관심 주얼리 상품의 착용한 인물 사진 데이터(810)를 사용자의 입력 데이터로 수신할 수 있다. 또한, 전자 장치(10)는 관심 주얼리 상품에 관련된 부가 정보를 포함하는 텍스트 데이터(830)를 사용자의 입력 데이터로 수신할 수 있다. 텍스트 데이터(830)는 인물 사진 데이터(810)를 설명하기 위한 텍스트 데이터 일 수 있다. 예를 들면, 텍스트 데이터 (830)는“연예인 A와 B의 결혼반지”라는 텍스트 데이터 일 수 있다.

일 실시예에 따르면, 전자 장치(10)는 인물 사진 데이터(810) 및 텍스트 데이터(830)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 인물 사진 데이터(810)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 전자 장치(10)가 인물 사진 데이터(810)에 수행하는 전처리는 도 7를 참조하여 위에서 설명한 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 인물 사진 데이터(810) 에 전처리를 수행할 수 있다. 인공지능 신경망이 인물 사진 데이터(810)에 수행하는 전처리는 위에 기재된 전자 장치(10)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 인물 사진 데이터(810)를 이미지 분석함으로써, 인물 사진 데이터(810)로부터 이미지 특징을 획득할 수 있다. 예를 들면, 인공지능 신경망은 인물 사진 데이터(810)에 포함된 복수의 피사체들 각각의 이미지 특징을 획득할 수 있다. 여기서, 복수의 피사체들은 적어도 하나의 사람, 적어도 하나의 패션 상품, 적어도 하나의 주얼리 상품을 포함할 수 있다. 인공지능 신경망은 획득된 이미지 특징에 기초하여 피사체 각각을 다른 피사체와 구별할 수 있다. 인공지능 신경망은 피사체들 각각의 속성에 관련된 이미지 특징을 획득할 수 있다. 인공지능 신경망은 이미지 특징에 기초하여 피사체 각각의 속성 데이터를 획득할 수 있다. 예를 들면, 인공지능 신경망은 인물 사진 데이터(810)에 포함된 관심 주얼리 상품의 형태에 기초하여 관심 주얼리 상품을 인식할 수 있다. 다른 예를 들면, 인공지능 신경망은 인물 사진 데이터(810)에 포함된 관심 주얼리 상품의 위치에 기초하여 관심 주얼리 상품을 인식할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 이미지 특징으로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터를 획득할 수 있다. 인공지능 신경망은 관심 주얼리 상품의 속성 데이터로부터 관심 주얼리 상품의 텍스트 정보를 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 텍스트 데이터(830)로부터 텍스트 정보를 획득할 수 있다. 인공지능 신경망은 텍스트 데이터(830)로부터 관심 주얼리 상품의 속성에 관련된 텍스트 정보를 획득할 수 있다. 또한, 인공지능 신 경망은 텍스트 데이터(830)로부터 관심 주얼리 상품의 부가 정보를 포함할 수 있다. 구체적으로, “연예인 A와 B의 결혼 반지”라는 텍스트 데이터(830)로부터 “연예인 A와 B”, “결혼” 및 “반지”라는 텍스트 정보를 획득할 수 있다.

일 실시예에 따르면, 관심 주얼리 상품에 관한 사용자의 입력에 포함된 텍스트 데이터는 전자 장치(10)가 사용자로부터 직접 입력받은 텍스트로 구성된 데이터를 의미한다. 텍스트 데이터는 주얼리 상품에 관련된 텍스트로 입력받은 일련의 데이터를 모두 포함할 수 있다. 예를 들면, 전자 장치(10)는 사용자로부터 타이핑 방식, 수기 작성 방식으로 입력 받을 수 있다. 전자 장치(10)는 수기 작성 방식으로 입력된 텍스트 데이터를 글자 인식할 수 있다.

일 실시예에 따르면, 관심 주얼리 상품에 관한 사용자의 입력에 포함된 이미지 데이터는 텍스트 정보를 포함할 수 있다. 예를 들면, 이미지 데이터에 포함된 텍스트 정보는 이미지 상에 수기로 기재된 텍스트 정보, 이미지 상에 타이핑을 통해 기재된 텍스트 정보 및 이미지의 메타 데이터에 포함된 텍스트 정보를 포함할 수 있다. 이미지의 메타 데이터는 이미지 자체를 구성하는 데이터가 아닌, 별도의 정보를 포함하는 데이터를 의미한다.

도 9를 참조하면, 사용자의 입력 데이터를 이미지 데이터로 수신할 수 있다. 예를 들면, 전자 장치(10)는 관심 주얼리 상품을 묘사한 그림 데이터(910)로 수신할 수 있다. 구체적으로, 전자 장치(10)는 사용자가 전자 장치(10)로 묘사한 그림에 관련된 데이터를 그림 데이터(910)로 수신할 수 있다. 전자 장치(10)는 그림 데이터(910)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 그림 데이터(910)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 전자 장치(10)가 그림 데이터(910)에 수행하는 전처리는 도 7를 참조하여 위에서 설명한 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 그림 데이터(910)에 전처리를 수행할 수 있다. 인공지능 신경망이 그림 데이터(910)에 수행하는 전처리는 위에 기재된 전자 장치(10)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생략 한다.

일 실시예에 따르면, 인공지능 신경망은 그림 데이터(910)를 이미지 분석함으로써, 그림 데이터(910)로부터 이미지 특징을 획득할 수 있다. 인공지능 신경망은 이미지 특징으로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류, 스톤의 종류, 스톤의 모양, 스톤의 세팅, 메탈의 종류, 메탈 피니시에 관련된 속성 데이터를 획득할 수 있다.

구체적으로, 인공지능 신경망은 관심 주얼리 상품의 주얼리의 종류에 관련된 속성 데이터를 “반지”로, 스톤의 종류에 관련된 속성 데이터를 “없음 ”, 메탈의 종류에 관련된 속성 데이터를 “14k rose gold”, 메탈 피니시에 관련된 속성 데이터를 “tangled”, “polish”로 획득할 수 있다. 인공지능 신경망은 관심 주얼리 상품의 속성 데이터로부터 관심 주얼리 상품의 텍스트 정보를 획득할 수 있다.

도 10을 참조하면, 전자 장치(10)는 사용자의 입력 데이터를 이미지 데이터 및 텍스트 데이터로 수신할 수 있다. 구체적으로, 전자 장치(10)는 관심 주얼리 상품을 묘사한 그림 데이터(1010)를 사용자의 입력 데이터로 수신할 수 있다. 또한, 전자 장치(10)는 관심 주얼리 상품의 속성에 관련된 데이터를 포함하는 텍스트 데이터(1030)를 사용자의 입력 데이터로 수신할 수 있다. 예를 들면, 텍스트 데이터(1030)는 관심 주얼리 상품의 스톤의 종류가 “토파즈”라는 정보를 포함할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 그림 데이터(1010) 및 텍스트 데이터(1030)를 인공지능 신경망에 적용할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 그림 데이터(1010)를 인공지능 신경망에 적용하기 전에 전처리를 수행할 수 있다. 전자 장치(10)가 그림 데이터(1010)에 수행하는 전처리는 도 7를 참조하여 위에서 설명한 전처리와 유사하므로, 중복되는 내용은 생략한다.

일 실시예에 따르면, 인공지능 신경망은 그림 데이터(1010)에 전처리를 수행할 수 있다. 인공지능 신경망이 그림 데이터(1010)에 수행하는 전처리는 위에 기재된 전자 장치(10)가 수행하는 전처리와 유사하므로, 중복되는 내용은 생 략한다.

일 실시예에 따르면, 인공지능 신경망은 그림 데이터(1010)를 이미지 분석함으로써, 그림 데이터(1010)로부터 이미지 특징을 획득할 수 있다. 인공 지능 신경망은 이미지 특징으로부터 관심 주얼리 상품의 속성 데이터를 획득할 수 있다. 그림 데이터(1010)의 이미지 특징을 이용하여 관심 주얼리 상품의 속성 데이터를 획득하는 방법은 위에서 설명한 사진 데이터의 이미지 특징을 이용하여 관심 주얼리 상품의 속성 데이터를 획득하는 방법과 유사하므로, 중복되는 내용은 생략한다.

인공지능 신경망은 텍스트 데이터(1030)으로부터 텍스트 정보를 획득할 수 있다. 예를 들면, 인공지능 신경망은 스톤의 종류에 관련된 속성 데이터를 “토파즈”로 획득할 수 있다.

도 11은 일 실시예에 따른, 메타 데이터를 생성하는 방법의 순서도이다. 인공지능 신경망은 단계 S1130 및 S1150 중 적어도 하나의 단계만을 수행할 수 있다.

단계 S1110을 참조하면, 인공지능 신경망은 입력된 관심 데이터로부터 텍스트 데이터 및 이미지 데이터 중 적어도 하나를 획득할 수 있다.

예를 들면, 인공지능 신경망은 도 3의 검색창(310)에 입력된 키워드, 문장, 문단, 어구 중 적어도 하나를 텍스트 데이터로 획득할 수 있다. 인공지능 신경망은 검색 결과를 나타내는 웹 페이지(300)에 포함된 텍스트 데이터 (330a, 330b, 330c)를 관심 데이터로 획득할 수 있다. 인공지능 신경망은 사용자가 방문한 웹 페이지(400)에 포함된 텍스트 데이터(410a, 410b)를 획득할 수 있다. 인공지능 신경망은 웹 페이지(300, 400)에 링크된 웹 페이지(500)에 포함된 텍스트 데이터(510a, 510b)를 획득할 수 있다. 인공지능 신경망은 도 8 및 도 10과 같이 사용자로부터 수신한 관심 데이터로부터 텍스트 데이터(830, 1030)를 획득할 수 있다.

다른 예를 들면, 인공지능 신경망은 도 3의 검색창(310)에 입력된 이미지를 이미지 데이터로 획득할 수 있다. 인공지능 신경망은 사용자가 검색한 결과는 나타내는 웹 페이지(300)에 포함된 이미지 데이터(350)를 획득할 수 있다.

인공지능 신경망은 사용자가 방문한 웹 페이지(400)에 포함된 이미지 데이터(430a, 430b)를 획득할 수 있다. 인공지능 신경망은 웹 페이지(300, 400)에 링크된 웹 페이지(500)에 포함된 이미지 데이터(530)를 획득할 수 있다. 인공지능 신경망은 도

6 내지 도 10과 같이 사용자로부터 수신한 이미지 데이터(610, 710, 810, 910, 1010)을 획득할 수 있다.

단계 S1130을 참조하면, 인공지능 신경망은 텍스트 데이터로부터 텍스트 정보를 획득할 수 있다.

이때, 텍스트 정보는 취향에 관련된 일련의 텍스트 형태의 정보를 의미한다. 예를 들면, 텍스트 정보는 취향에 관련된 상품의 명칭을 나타내는 명사, 브랜드를 나타내는 고유명사, 취향을 나타내는 형용사 및 부사를 포함할 수 있다. 또한, 텍스트 정보는 검색을 위해 부여된 태그(tag)를 포함할 수 있다.

예를 들면, 인공지능 신경망은 텍스트 데이터(311, 330a, 330b, 330c)로부터 “직장인, “데일리”, “액세서리”, “심플”, “기본적”, “골드”, “14k”, “gold”, “earing”, “군더더기 없는”, “깔끔”과 같은 텍스트 정보를 획득할 수 있다. 또한, 인공지능 신경망은 텍스트 데이터(410a, 410b)로부터 “moon”, “smile” 과 같은 텍스트 정보를 획득할 수 있다. 또한, 인공지능 신경망은 텍스트 데이터(510a, 510b)로부터 “로즈골드”, “골드”, “실버”, “ 귀걸이”의 텍스트 정보를 획득할 수 있다. 또한, 인공지능 신경망은 관심 주얼리 상품에 관한 텍스트 데이터(830)로부터 “연예인 A”, “연예인 B”, “결혼”, “반지”의 텍스트 정보를 획득할 수 있다. 또한, 인공지능 신경망은 관심 주얼리 상품에 관한 텍스트 데이터(1030)로부터 “토파즈”라는 주얼리 상품의 스톤 종류에 관한 텍스트 정보를 획득할 수 있다.

단계 S1150을 참조하면, 인공지능 신경망은 이미지 데이터로부터 이미지 정보를 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 이미지 데이터로부터 취향에 관련된 이미지 특징을 획득할 수 있다. 이미지 특징은 취향에 관련된 점, 선, 면 및 이들의 조합, 적어도 하나의 색상으로 구성되는 이미지 형태를 의미한다. 예를 들면, 이미지 특징은 특정한 형태(예를 들면, 다각형, 원형, 별모양, 해모양, 달모양 등)을 구성하는 점, 선, 면 및 이들의 조합과 적어도 하나의 색상(예를 들면, 빨강)을 포함할 수 있다.

인공지능 신경망은 이미지 데이터에 포함된 복수의 객체들 각각의 이미지 특징을 획득할 수 있다. 여기서 복수의 피사체들은 적어도 하나의 사람, 적어도 하나의 패션 상품, 적어도 하나의 주얼리 상품을 포함할 수 있다. 인공지능 신경망은 객체들 각각의 속성에 관련된 이미지 특징을 획득할 수 있다. 구체적으로, 인공지능 신경망은 이미지 데이터로부터 주얼리 상품에 관한 이미지 특징, 주 얼리 상품을 착용한 사람에 관한 이미지 특징, 주얼리 상품과 함께 착용된 패션 상품에 관한 이미지 특징 중 적어도 하나를 획득할 수 있다.

주얼리 상품에 관한 이미지 특징은 주얼리 상품의 외형에 관련된 특징, 주얼리 상품의 색상에 관련된 특징, 주얼리 상품을 구성하는 스톤, 메탈, 디자인에 관련된 특징을 포함할 수 있다.

주얼리 상품을 착용한 사람에 관한 이미지 특징은 주얼리 상품을 착용한 사람의 외형 및 크기에 관련된 특징, 주얼리 상품이 착용된 위치에 관련된 특징, 주얼리 상품과 함께 착용한 패션 상품에 관련된 특징을 포함할 수 있다.

패션 상품에 관한 이미지 특징은 패션 상품의 외형에 관련된 특징, 패션 상품의 색상에 관련된 특징, 패션 상품을 구성하는 재질에 관련된 특징을 포함할 수 있다.

단계 S1170을 참조하면, 인공지능 신경망은 텍스트 정보와 이미지 특징을 링크함으로써, 메타 데이터를 생성할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 단계 S1130에서 획득된 텍스트 정보와 단계 S1150에서 획득된 이미지 특징을 링크함으로써 메타 데이터를 생성할 수 있다. 인공지능 신경망은 링크된 복수의 이미지 특징들 및 텍스트 정보들에 가중치를 부여함으로써, 이미지 특징 및 텍스트 정보 사이의 링크의 정확성을 높일 수 있다.

예를 들면, 인공지능 신경망은 텍스트 데이터(311, 330a, 330b, 330c)로부터 획득된 “직장인, “데일리”, “액세서리”, “심플”, “기본적”, “골드”, “14k”, “gold”, “earing”, “군더더기 없는”, “깔끔”과 같은 텍스트 정보와 이미지 데이터(350)로부터 획득된 주얼리 상품에 관한 이미지 특징, 주얼리 상품을 착용한 사람에 관한 이미지 특징, 주얼리 상품과 함께 착용된 패션 상품에 관한 이미지 특징을 다대다로 링크할 수 있다.

다른 예를 들면, 인공지능 신경망은 텍스트 데이터(510a, 510b)로부터 획득된 “로즈골드”, “골드”, “실버”, “귀걸이”의 텍스트 정보와 이미지 데이터(530)로부터 획득된 이미지 특징을 링크할 수 있다.

또 다른 예를 들면, 인공지능 신경망은 관심 주얼리 상품에 관한 텍스트 데이터(830)로부터 획득된 “연예인 A”, “연예인 B”, “결혼”, “반지”의 텍스트 정보와 이미지 데이터(810)로부터 획득된 이미지 특징을 링크할 수 있다.

또 다른 예를 들면, 인공지능 신경망은 주얼리 상품의 속성 데이터로부터 획득된 텍스트 정보와 이미지 특징을 링크할 수 있다. 주얼리 상품의 속성 데이터는 주얼리 상품의 이미지 특징으로부터 획득된 것일 수 있다.

일 실시예에 따르면, 인공지능 신경망은 텍스트 정보와 이미지 특징에 가중치를 부여함으로써 메타 데이터를 생성 및 갱신할 수 있다. 인공지능 신경망은 메타 데이터에 포함된 텍스트 정보와 유사한 텍스트 정보가 관심 데이터로부터 획득되는 경우, 텍스트 정보에 가중치를 부여할 수 있다. 인공지능 신경망은 메타 데이터에 포함된 이미지 특징과 유사한 이미지 특징이 관심 데이터로부터 획득되는 경우, 이미지 특징에 가중치를 부여할 수 있다. 인공지능 신경망은 메타 데이터에 포함된 텍스트 정보와 이미지 특징의 링크와 유사한 링크가 관심 데이터로부터 획득되는 경우, 링크된 텍스트 정보와 이미지 특징에 가중치를 부여할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 생성된 메타 데이터를 데이터 베이스에 저장할 수 있다. 인공지능 신경망은 생성된 메타 데이터를 데이터 베이스에 저장함으로써 데이터 베이스에 저장된 메타 데이터를 갱신할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 데이터 베이스에 저장된 제2 메타 데이터에 기초하여 텍스트 정보와 이미지 특징을 링크함으로써, 제2 메타 데이터를 생성할 수 있다. 인공지능 신경망은 제1 메타 데이터에 포함된 텍스트 정보와 이미지 특징이 링크에 기초하여 관심 데이터로부터 획득된 텍스트 정보와 이미지 특징을 링크할 수 있다. 예를 들면, 인공지능 신경망은 텍스트 정보가 “ 데일리”와 “심플”이고, 이미지 특징이 “은색”에 관한 이미지 특징, “polish”에 관한 이미지 특징이 포함된 제1 메타 데이터에 기초하여, 관심 데이터로부터 획득한 텍스트 정보인 “데일리”와 “polish”에 관한 이미지 특징을 링크함으로 써 제2 메타 데이터를 생성할 수 있다. 인공지능 신경망은 제2 메타 데이터에 기초 하여, 제1 메타 데이터의 “데일리”와 “polish”에 관한 이미지 특징에 가중치를 부여함으로써 제1 메타 데이터를 갱신할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 이미지 특징으로부터 주얼리 상품의 속성 데이터를 획득할 수 있다. 인공지능 신경망은 획득된 속성 데이터로부터 주얼리 상품의 텍스트 정보를 획득할 수 있다. 인공지능 신경망은 이미지 특징과 텍스트 정보를 링크함으로써 메타 데이터를 생성할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 주얼리 상품과 패션 상품에 관련된 텍스트 정보 및 이미지 특징을 상호간에 링크할 수 있다. 예를 들면, 인공 지능 신경망은 적어도 하나의 주얼리 상품과 적어도 하나의 패션 상품이 포함된 이 미지 데이터로부터 주얼리 상품에 관련된 제1 이미지 특징 및 패션 상품에 관련된 제2 이미지 특징을 획득할 수 있다. 또한, 인공지능 신경망은 적어도 하나의 텍스트 데이터로부터 주얼리 상품에 관련된 제1 텍스트 정보 및 패션 상품에 관련된 제1 텍스트 정보를 획득할 수 있다. 인공지능 신경망은 제1 이미지 특징과 제1 텍스트 정보를 링크하고, 제2 이미지 특징과 제2 텍스트 정보를 링크할 수 있다. 인공 지능 신경망은 제1 이미지 특징과 제2 이미지 특징을 링크하고, 제1 텍스트 정보와 제2 텍스트 정보를 링크할 수 있다. 즉, 인공지능 신경망은 복수의 텍스트 정보와 이미지 특징을 다대다로 링크할 수 있다.

인공지능 신경망은 데이터 베이스에 메타 데이터를 저장할 수 있다.

인공지능 신경망은 데이터 베이스에 저장된 데이터들을 갱신할 수 있다. 예를 들면, 인공지능 신경망은 데이터 베이스에 저장된 메타 데이터를 갱신 할 수 있다. 인공지능 신경망은 메타 데이터에 포함된 텍스트 정보와 이미지 특징의 가중치를 변경함으로써, 데이터 베이스에 저장된 메타 데이터를 갱신할 수 있다. 또한, 인공지능 신경망은 데이터 베이스에 저장된 복수의 주얼리 상품들 각 각의 속성에 관련된 데이터 및 부가 정보를 갱신할 수 있다.

도 12는 일 실시예에 따른, 사용자 분석 데이터를 획득하는 방법의 순서도 이다.

단계 S1210을 참조하면, 인공지능 신경망은 관심 데이터에 기초하여 메타 데이터에 포함된 텍스트 정보 및 이미지 특징 중 적어도 하나의 가중치를 갱 신(S1210) 할 수 있다. 인공지능 신경망이 가중치를 갱신하는 방법은 도 11을 참 조하여 위에서 설명하였으므로, 중복되는 내용은 생략한다.

단계 S1230을 참조하면, 인공지능 신경망은 가중치가 임계값 이상인 텍스트 정보 및 이미지 특징 중 적어도 하나를 사용자 분석 데이터로 획득할 수 있다.

예를 들면, 인공지능 신경망은 가중치가 5회 이상인 텍스트 정보 “데일리”를 사용자 분석 데이터로 획득할 수 있다. 또한, 인공지능 신경망은 텍스트 정보 “데일리”와 링크된 이미지 특징을 사용자 분석 데이터로 획득할 수 있다. 또한, 인공지능 신경망은 텍스트 정보 “데일리”와 링크된 텍스트 정보 “심플”을 사용자 분석 데이터로 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 링크된 텍스트 정보와 이미지 특징 각각의 가중치가 임계값 이상인 경우, 링크된 텍스트 정보와 이미지 특징을 사용자 분석 데이터로 획득할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 텍스트 정보와 이미지 특징의 링크에 대한 가중치가 임계값 이상인 경우, 링크된 텍스트 정보와 이미지 특징을 사용자 분석 데이터로 획득할 수 있다.

인공지능 신경망은 사용자 관심 데이터에 기초하여 추천 주얼리 상품을 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 사용자 분석 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 사용자 분석 데이터와 유사한 속성 데이터를 선택하고, 선택된 속성 데이터에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 사용자로부터 획득된 사용자의 관심 주얼리 상품의 속성에 관련된 데이터와 데이터 베이스에 포함된 복수개 의 주얼리 상품들의 속성 데이터의 유사도를 비교함으로써, 관심 주얼리 상품에 매칭되는 적어도 하나의 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

인공지능 신경망은 데이터 베이스에 저장된, 복수의 주얼리 상품의 속성과 사용자 분석 데이터에 포함된 텍스트 정보의 유사도를 갱신할 수 있다. 또 한, 인공지능 신경망은 데이터 베이스에 저장된, 복수의 주얼리 상품의 이미지 데이터에 포함된 이미지 특징과 사용자 분석 데이터에 포함된 이미지 특징의 유사도를 갱신할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 사용자 분석 데이터에 기초하여 가상 주얼리 상품을 생성하고, 가상 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다. 인공지능 신경망은 가상 주얼리 상품 중에서 사용자 분석 데이터와 유사한 속성 데이터에 대응되는 가상 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

인공지능 신경망은 사용자 분석 데이터와 유사한 속성 데이터의 카테고리들(예를 들면, 주얼리, 스톤, 메탈, 디자인) 중 적어도 하나의 카테고리, 또 는 서브 카테고리 중 적어도 하나가 유사한 가상 주얼리 상품을 생성할 수 있다. 또는, 인공지능 신경망은 사용자 분석 데이터와 유사한 속성 데이터의 카테고리들 중 적어도 하나가 비유사한 가상 주얼리 상품을 생성할 수 있다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 중 적어도 하나를 변경함으로써, 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 데이터 베이스에 저장된 반지(ring) 상품 중 하나의 스톤을 변경함으로써, 가상 주얼리 상품을 생성할 수 있다. 구체적으로, 인공지능 신경망은 반지 상품의 스톤을 에메랄드에서 사파이어로 변경한 가상 주얼리 상품을 생성할 수 있다. 다른 예를 들면, 인공지능 신경망은 반지 상품의 메탈을 은 (silver)에서 14K Rose Gold로 변경한 가상 주얼리 상품을 생성할 수 있다. 또 다른 예를 들면, 인공지능 신경망은 반지 상품의 메탈 피니시(Metal finish)를 polished에서 milgrain으로 변경한 가상 주얼리 상품을 생성할 수 있다. 여기서는 주얼리 상품의 속성 데이터 중 하나를 변경함으로써 가상 주얼리 상품을 생성하는 예를 들었지만, 2가지 이상의 속성 데이터를 변경함으로써 가상 주얼리 상품이 생성될 수 있음은 자명하다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터로부터 적어도 하나의 특징을 추출하고, 추출된 특징에 기초하여 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 GAN(Generative Adversarial Network) 기술을 이용하여, 데이터 베이스에 저장된 주얼리 상품들의 외형적 특징에 기초하여 가상 주얼리 상품을 생성할 수 있다.

구체적으로, 인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 스톤 주얼리의 종류, 스톤 컬러, 스톤 중량 및 크기, 스톤 모양, 스톤 세팅, 메탈 타입, 메탈 피니쉬, 걸쇠 종류, 줄의 길이 및 줄의 종류와 같은 주얼리 상품의 외형적 특징을 학습하고, 사용자 분석 데이터에 포함된 이미지 특징과 유사한 가상 주얼리 상품을 생성할 수 있다.

또한, 인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여하고, 가중치에 기초하여 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 스톤, 메탈 및 디자인 각각에 다른 가중치를 부여할 수 있다. 또한, 인공지능 신 경망은 스톤 모양, 스톤 세팅에 다른 가중치를 부여할 수 있다. 구체적으로, 인공 지능 신경망은 반지 상품의 스톤 모양에 높은 가중치를 부여할 수 있다. 또한, 인공지능 신경망은 반지 상품의 메탈 타입에 높은 가중치를 부여할 수 있다. 인공지능 신경망은 부여된 가중치에 기초하여 주얼리 상품의 외형적 특징을 학습하고, 가상 주얼리 상품을 생성할 수 있다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 외형적 특징 및 속성 데이터를 매칭하여 학습할 수 있다. 예를 들면, 인공지능 신경망은 반지 제품의 메탈 피니시가 polished인 속성 데이터와 반지 상품의 메탈 부분의 외형적 특징을 매칭하여 학습할 수 있다. 인공지능 신경망은 가상 주얼리 상품을 생성할 때, 가상 주얼리 상품의 외형적 특징에 대응하는 속성 데이터도 함께 생성할 수 있다.

인공지능 신경망은 관심 주얼리 상품의 외형적 특징에 기초하여 관심 주얼리 상품과 유사한 가상 주얼리 상품을 생성할 수 있다. 인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 외형적 특징을 학습한 결과에 기초하여 관심 주얼리 상품과 유사한 외형의 가상 주얼리 상품을 생성할 수 있다. 인공지능 신경망은 학습 결과에 기초하여 관심 주얼리 상품의 외형적 특징 중 일부를 변경한 가상의 반지 상품을 생성할 수 있다.

예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 스톤의 모양을 Heart shape에서 Pear shape로 변경한 가상의 반지 상품을 생성할 수 있다. 다른 예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 스톤 세팅을 Prong Set에서 Bezel Set으로 변경한 가상의 반지 상품을 생성할 수 있다.

인공지능 신경망은 관심 주얼리 상품과 유사한 외형을 갖지만, 보다 저렴한 소재로 구성된 가상 주얼리 상품을 생성할 수 있다. 예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 스톤을 다이아몬드와 큐빅으로 변경한 가상의 반지 상품을 생성할 수 있다. 다른 예를 들면, 인공지능 신경망은 관심 주얼리 상품인 반지의 메탈을 14K Platinum에서 은(Silver)으로 변경한 가상의 반지 상품을 생성할 수 있다.

인공지능 신경망은 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 중에서 사용자 분석 데이터와 유사한 속성 데이터를 선택할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 사용자 분석 데이터에 포함된 이미지 특징과 데이터 베이스에 저장된 주얼리 상품들의 이미지 특징을 비교함으로써, 사용자 분석 데이터와 유사한 속성 데이터를 선택할 수 있다. 인공지능 신경망은 사용자 분석 데이터에 포함된 이미지 특징에 가중치를 부여할 수 있다. 인공지능 신경망은 가중치가 높은 이미지 특징에 높은 우선 순위를 부여하고, 우선 순위가 높은 이미지 특징을 위주로 비교할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 소정의 텍스트 정보와 링크된 이미지 특징을 검색하고, 검색된 이미지 특징이 포함된 이미지 데이터를 출력할 수 있다. 예를 들면, 인공지능 신경망은 “모던한 14K 데일리 로즈 골드 반지”라 는 텍스트 데이터로부터 “모던" “14K”“데일리"“로즈 골드"“반지”라 는 텍스트 정보를 획득할 수 있다. 인공지능 신경망은 “반지”에 링크된 이미지 특징, “로즈 골드”에 링크된 이미지 특징, “데일리”에 링크된 이미지 특징, “ 14K”에 링크된 이미지 특징 및 “모던”에 링크된 이미지 특징을 검색하고, 검색된 이미지 특징이 포함된 주얼리 상품의 이미지 데이터를 선택할 수 있다. 이때, 인공지능 신경망은 검색된 이미지 특징들의 교집합에 해당되는 이미지 데이터를 선택할 수 있다. 인공지능 신경망은 선택된 이미지 데이터와 관련된 주얼리 상품의 속성에 관련된 데이터를 출력할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 사용자 분석 데이터에 포함된 이미지 특징으로부터 관심 주얼리 상품의 속성 데이터를 획득하고, 관심 주얼리 상품의 속성 데이터와 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터를 비교함으로써, 사용자 분석 데이터와 유사한 속성 데이터를 선택할 수 있다. 인공지능 신경망은 획득된 관심 주얼리 상품의 속성 데이터에 가중치를 적용할 수 있다.

인공지능 신경망은 입력된 데이터에 기초하여 속성 데이터 각각에 가중치를 부여할 수 있다. 예를 들면, 인공지능 신경망은 스톤의 모양, 스톤의 세팅, 메탈 피니시에 높은 가중치를 부여할 수 있다. 다른 예를 들면, 인공지능 신경망은 입력 데이터가 제품 카탈로그 사진인 경우, 속성 데이터들 중 스톤의 종류, 스톤의 모양, 스톤의 세팅에 가중치를 부여할 수 있다. 다른 예를 들면, 인공지능 신경망은 “1 캐럿 다이아몬드를 왕관모양으로 포함한 14K Rose gold 색상의 반지”와 같은 텍스트 데이터가 입력된 경우, 속성 데이터들 중, 스톤의 종류, 스톤의 중량, 스톤 셋팅, 메탈 종류에 가중치를 부여할 수 있다.

인공지능 신경망은 이미지 데이터와 텍스트 데이터가 함께 입력된 경우, 텍스트 데이터로부터 획득되는 속성 데이터 및 부가 정보 중 적어도 하나에 가중치를 더 부여할 수 있다.

인공지능 신경망은 가중치가 적용된 관심 주얼리 상품의 속성 데이터에 기초하여 유사도를 비교할 수 있다. 인공지능 신경망은 높은 가중치가 부여된 속성 데이터에 우선순위를 부여할 수 있다. 인공지능 신경망은 우선순위가 높은 속성 데이터를 위주로 비교할 수 있다.

일 실시예에 따르면, 인공지능 신경망은 부가 정보에 포함된 데이터에 기초하여 유사도를 비교할 수 있다. 예를 들면, 인공지능 신경망은 “특정 연예인의 결혼 반지”라는 부가 정보에 기초하여 특정 연예인의 결혼 반지에 대한 정보를 데이터 베이스에 저장된 복수개의 주얼리들 각각의 부가 정보와 유사도를 비교함으로써 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다.

인공지능 신경망은 사용자 분석 데이터와 유사한 속성 데이터에 대응되는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다. 인공지능 신경망은 추천 주얼리 상품에 관련된 데이터를 전자 장치(10)로 출력할 수 있다. 예를 들면, 인공지능 신경망은 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델 링 사진과 같은 상품의 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터를 전자 장치(10)로 출력할 수 있다.

도 13은 일 실시예에 따른, 전자 장치(10)가 추천 주얼리 상품을 디스플레이하는 것을 나타낸 도면이다.

전자 장치(10)는 인공지능 신경망으로부터 출력된 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다.

전자 장치(10)는 팝업(pop-up) 윈도우로 추천 주얼리 상품에 관련된 데이터를 디스플레이를 할 수 있다. 전자 장치(10)는 푸시(push) 방식으로 추천 주얼리 상품에 관련된 데이터를 디스플레이할 수 있다.

또한, 도 13을 참조하면, 전자 장치(10)는 사용자가 방문한 웹 페이 지(1300)의 적어도 일부 영역에 추천 주얼리 상품에 관련된 데이터(1310a, 1310b, 1310c, 1310d)를 디스플레이할 수 있다. 예를 들면, 추천 주얼리 상품에 관련된 데이터(1310a, 1310b, 1310c, 1310d)는 주얼리 상품의 외형이 포함된 이미지 데이 터, 추천 주얼리 상품의 속성 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데 이터 중 적어도 일부를 포함할 수 있다. 전자 장치(10)는 추천 주얼리 상품의 속 성 데이터에 유사한 사용자 분석 데이터의 텍스트 정보를 디스플레이할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 사용자 분석 데이터와 유사한 속성 데이터가 많은 순으로 추천 주얼리 상품을 디스플레이 할 수 있다.

예를 들면, 전자 장치(10)는 사용자 분석 데이터와 유사한 속성 데이터 값이 많은 순으로 추천 주얼리 상품을 디스플레이할 수 있다. 다른 예를 들면, 전자 장치(10)는 가중치가 높게 부여된 이미지 특징과 외형이 유사하다고 판단된 순으로 추천 주얼리 상품을 디스플레이 할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진 중 적어도 하나를 디스플레이 할 수 있다.

도 14는 일 실시예에 따른, 추천 주얼리 상품의 속성 데이터를 디스플레이하는 것을 나타낸 도면이다.

일 실시예에 따르면, 전자 장치(10)는 디스플레이된 복수 개의 추천 주얼리 상품들 중 하나를 선택하는 사용자의 입력에 기초하여, 선택된 추천 주얼리 상품에 관련된 데이터를 출력할 수 있다. 전자 장치(10)는 추천 주얼리 상품의 외 형에 관련된 데이터와 추천 주얼리 상품의 속성에 관련된 데이터를 함께 출력할 수 있다. 또한, 전자 장치(10)는 추천 주얼리 상품의 부가 정보에 관련된 데이터를 함께 디스플레이 할 수 있다.

도 14를 참조하면, 전자 장치(10)는 선택된 추천 주얼리 상품의 외 형에 관련된 이미지 데이터(1410)와 상품의 속성에 관련된 데이터(1411)를 디스플레이 할 수 있다. 구체적으로, 전자 장치(10)는 이미지 데이터(1410)와 함께 추천 주얼리 상품의 제품명, 주얼리의 종류 “반지”, 스톤의 종류 “진주”, 스톤의 컬러 “white”, 스톤의 외형 “round”, 세팅 유형 “Prong set”, 메탈의 종류 “ 14K white gold”, 메탈의 컬러 “white”, 메탈 피니시 “Polish”, 주얼리의 중량 “1/5ct. t.w”, 진주의 종류 “south sea”, 진주의 크기 “11.0~12.0mm”, 진주의 컬러 ”white”와 같은 추천 주얼리 상품의 속성에 관련된 데이터(1411)를 함께 디스플레이 할 수 있다.

일 실시예에 따르면, 전자 장치(10)는 추천 주얼리 상품의 속성들 중 변경 가능한 속성이 존재함을 나타내는 표시를 디스플레이할 수 있다. 또한, 전자 장치(10)는 변경 가능한 속성을 함께 디스플레이할 수 있다. 전자 장치(1 0)는 속성을 변경하는 사용자의 입력에 기초하여, 변경된 속성이 반영된 추천 주얼리 상품에 관련된 속성 데이터를 디스플레이할 수 있다. 전자 장치(10)는 변경된 속성이 반영된 이미지 데이터를 디스플레이 할 수 있다.

도 15는 일 실시예에 따른, 추천 주얼리 상품의 속성 데이터와 사용자 분석 데이터에 포함된 텍스트 정보를 함께 디스플레이하는 것을 나타낸 도면이다.

도 15를 참조하면, 전자 장치(10)는 추천 주얼리 상품(1511, 1513, 1515)의 외형에 관련된 이미지 데이터와 추천 주얼리 상품에 관련된 텍스트 데이터 (1521, 1523, 1525)를 디스플레이할 수 있다.

추천 주얼리 상품에 관련된 텍스트 데이터는 추천 주얼리 상품의 속성 데이터와 사용자 분석 데이터에 포함된 텍스트 정보를 포함할 수 있다. 예를 들면, 추천 주얼리 상품(1511)에 관련된 텍스트 데이터(1521)는 “실버”, “큐빅 ”, “하트”와 같은 상품의 속성 데이터와 “모던함”, “데일리”와 같은 텍스트 정보를 포함할 수 있다. 다른 예를 들면, 추천 주얼리 상품(1513)에 관련된 텍스트 데이터(1523)는 “골드”, “큐빅”, “왕관”과 같은 속성 데이터와 “화려함 ”, “데일리”와 같은 텍스트 정보를 포함할 수 있다. 또 다른 예를 들면, 추천 주얼리 상품(1515)과 관련된 텍스트 데이터(1525)는 “로즈골드”, “데이지”, “큐빅”과 같은 속성 데이터와 “체인”, “데일리”와 같은 텍스트 정보를 포함할 수 있다.

전자 장치(10)는 출력된 추천 주얼리 상품 중 하나를 선택하는 사용자의 입력에 기초하여, 선택된 추천 주얼리 상품의 제작 주문을 할 수 있다.

전자 장치(10)는 단계 S250에서 출력된 추천 주얼리 상품 중 하나를 선택하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(10)는 터치스크린을 이용하여 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력을 수신할 수 있다. 전자 장치(10)는 선택된 추천 주얼리 상품을 체크 박스를 이용하여 선택된 것임을 나타낼 수 있다. 전자 장치(10)는 선택된 추천 주얼리 상품의 속성 데이터를 선택된 추천 주얼리 상품의 이미지 위에 오버레이하여 디스플레이할 수 있다.

전자 장치(10)는 사용자의 입력에 기초하여 적어도 하나의 주얼리 상품 제조사의 단말기로 선택된 추천 주얼리 상품의 제작 의뢰에 관련된 데이터를 전송할 수 있다. 예를 들면, 전자 장치(10)는 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력에 대응하여, 주얼리 상품 제조사의 단말기로 제작 의뢰에 관련된 데이터를 전송할 수 있다. 또는 전자 장치(10)는 체크 박스가 된 추천 주얼리 상품의 제작 의뢰를 요청하는 사용자의 입력을 수신함으로써, 주얼리 상품 제조사의 단말기로 제작 의뢰에 관련된 데이터를 전송할 수 있다.

전자 장치(10)는 선택된 추천 주얼리 상품의 제조사의 단말기로 선택된 추천 주얼리 상품의 제작 의뢰에 관련된 데이터를 전송할 수 있다. 또는, 전자 장치(10)는 복수의 주얼리 상품 제조사의 단말기들로 선택된 추천 주얼리 상품의 제작 의뢰에 관련된 데이터를 전송할 수 있다.

주얼리 상품의 제작 의뢰에 관련된 데이터는 선택된 주얼리 상품의 속성 데이터를 포함할 수 있다. 또한, 주얼리 상품의 제작 의뢰에 관련된 데이터는 견적 의뢰를 요청하는 데이터를 포함할 수 있다.

전자 장치(10)는 복수의 주얼리 상품 제조사의 단말기로 가상 주얼리 상품의 제작 의뢰에 관련된 견적 의뢰를 요청하는 데이터를 전송할 수 있다. 구체적으로, 제조사가 선택된 주얼리 상품의 제작이 가능한지, 주문 제작 비용이 얼마인지, 주얼리 상품의 속성 중 변경 가능한 옵션이 존재하는지에 대한 데이터가 주얼리 상품의 제작 의뢰에 관련된 데이터에 포함될 수 있다.

또는, 주얼리 상품의 제작 의뢰에 관련된 데이터는 주문 및 결제에 관련된 데이터를 포함할 수 있다. 예를 들면, 사용자가 기성품을 선택한 경우, 견적 의뢰 요청 없이 주문 및 결제를 진행하도록 전자 장치(10)는 주문 및 결제에 관련된 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다.

전자 장치(10)는 선택된 주얼리 상품에 관련된 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다. 예를 들면, 전자 장치(10)는 선택된 주얼리 상품의 속성 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다. 또한, 전자 장치(10)는 견적 의뢰를 요청하는 데이터를 전송할 수 있다.

전자 장치(10)는 주얼리 상품 제조사의 단말기로부터 견적 데이터를 수신할 수 있다. 예를 들면, 전자 장치(10)는 제조사가 선택된 주얼리 상품의 제작이 가능한지, 주문 제작 비용이 얼마인지, 주얼리 상품의 속성 중 변경 가능한 옵션이 존재하는 지에 대한 데이터 중 적어도 하나가 포함된 견적 데이터를 수신할 수 있다.

전자 장치(10)는 수신된 견적 데이터 및 견적 데이터를 송신한 주얼리 상품 제조사에 관련된 데이터를 출력할 수 있다. 예를 들면, 전자 장치(10)는 견적 데이터를 송신한 주얼리 상품 제조사의 이름, 주문 제작 비용, 주얼리 상품의 속성 중 변경 가능한 옵션에 관련된 데이터를 디스플레이할 수 있다. 또한, 전자 장치(10)는 주얼리 상품 제조사에 주문 제작 의뢰한 사용자의 후기 및 주얼리 상품 제조사의 신뢰도와 관련된 데이터를 디스플레이할 수 있다. 또한, 전자 장치(10) 는 복수의 주얼리 상품 제조사에 관련된 데이터를 사용자가 용이하게 비교할 수 있도록, 함께 디스플레이할 수 있다.

전자 장치(10)는 적어도 하나의 견적 데이터 중 하나를 선택하는 사용자의 입력을 수신할 수 있다. 이때 수신된 사용자의 입력은 선택된 견적 데이터를 송신한 제조사에 주문 제작 의뢰를 요청하는 사용자의 입력을 포함할 수 있다.

전자 장치(10)는 선택된 견적 데이터에 대응하는 주얼리 상품의 제 작에 관련된 계약서를 생성할 수 있다. 또한, 전자 장치(10)는 계약서를 디스플레이할 수 있다. 또한, 전자 장치(10)는 계약서를 선택된 견적 데이터를 송신한 주얼리 상품 제조사의 단말기로 송신할 수 있다. 또한, 전자 장치(10)는 생성된 계약서를 메모리 또는 데이터 베이스에 저장할 수 있다. 또한, 전자 장치(10)는 생성된 계약서를 전자 장치와 연결된 서버의 데이터 베이스에 저장할 수 있다.

전자 장치(10)는 사용자로부터 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(10)는 출력된 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신할 수 있다. 다른 예를 들면, 전자 장치(10)는 견적 데이터에 포함된 추천 주얼리 상품의 속성을 변경하는 사용자의 입력을 수신할 수 있다.

전자 장치(10)는 사용자로부터 추천 주얼리 상품의 표 1과 같은 속성을 변경하는 사용자의 입력을 수신할 수 있다. 예를 들면, 전자 장치(10)는 스톤 종류를 에메랄드에서 사파이어로 변경하는 사용자의 입력을 수신할 수 있다. 다른 예를 들면, 전자 장치(10)는 스톤 모양을 Heart Shape에서 Pear Shape로 변경하는 사용자의 입력을 수신할 수 있다. 또 다른 예를 들면, 전자 장치(10)는 메탈 타입을 Platinum에서 은(Silver)로 변경하는 사용자의 입력을 수신할 수 있다.

전자 장치(10)는 속성이 변경된 추천 주얼리 상품에 관련된 데이터를 주얼리 상품 제조사의 단말기로 전송할 수 있다. 단계 S1231과 유사하므로, 중복되는 내용은 생략한다.

전자 장치(10)는 주얼리 상품 제조사의 단말기로부터 속성이 변경된 추천 주얼리 상품의 견적 데이터를 수신할 수 있다. 단계 S1233과 유사하므로, 중복되는 내용은 생략한다.

개시된 실시예에 따르면, 사용자는 관심 주얼리 상품과 유사한 상품을 빠르고 저렴하게 구매할 수 있다. 또한, 주얼리 상품 제조사는 용이하게 사용자가 관심있는 주얼리 상품에 관련된 제조 의뢰를 수신할 수 있다.

도 16은 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 블록도 이다.

도 16을 참조하면, 일부 실시예에 따른 전자 장치(10)는, 사용자 입력부(11), 출력부(12), 프로세서(13), 통신부(15) 및 메모리(17)를 포함할 수 있다. 그러나, 도 16에 도시된 구성 요소 모두가 전자 장치(10)의 필수 구성 요소인 것은 아니다. 도 16에 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(10)가 구현될 수도 있고, 도 16에 도시된 구성 요소보다 적은 구성 요소에 의해 전자 장치(10)가 구현될 수도 있다.

사용자 입력부(11)는, 사용자가 전자 장치(10)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(11)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 터치스크린, 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.

사용자 입력부(11)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신할 수 있다. 사용자 입력부(11)는 추천 주얼리 상품 중 적어도 하나를 선택하는 사용자의 입력 데이터를 수신할 수 있다. 사용자 입력부(11)는 추천 주얼리 상품의 속성을 변경하는 사용자의 입력 데이터를 수신할 수 있다. 사용자의 입력 데이터는 위에서 설명하였으므로, 중복되는 내용은 생략한다.

출력부(12)는 전자 장치(10)에서 처리되는 정보를 표시 출력한다. 출력부(12)는 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 디스플레이부(12-1)를 포함할 수 있다. 예를 들면, 디스플레이부(12-1)는 추천 주얼리 상품의 전체 사진, 부분 사진, 확대 사진, 3D 모델링 사진과 같은 외형에 관련된 데이터, 추천 주얼리 상품의 속성에 관련된 데이터, 추천 주얼리 상품의 부가 정보에 관련된 데이터 중 적어도 하나를 디스플레이할 수 있다. 디스플레이부(12-1)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터를 수신하기 위한 사용자 인터페이스를 디스플레이 할 수 있다. 또한, 디스플레이부(12-1)는 적어도 하나의 견적 데이터, 견적 데이터를 송신한 제조사에 관련된 데이터를 디스플레이 할 수 있다.

프로세서(13)는, 통상적으로 전자 장치(10)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(13)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(11), 출력부(12), 통신부(15), 메모리(17) 등을 전반적으로 제어할 수 있다. 예를 들면, 프로세서(13)는 사용자의 관심 데이터를 수신하도록 사용자 입력부(11) 및 통신부(15) 중 적어도 하나를 제어할 수 있다. 프로세서(13)는 인공지능 신경망으로부터 출력된 추천 주얼리 상품에 관련된 데이터를 출력하도록 디스플레이부(12-1)를 제어할 수 있다.

프로세서(13)는 도 1 내지 도 15를 참조하여 위에서 설명한 인공지능 신경망의 기능을 수행할 수 있다. 프로세서는 인공지능 신경망의 기능을 수행하기 위해서 제작된 적어도 하나의 프로세서를 포함할 수 있다. 또는, 프로세서는 범 용적으로 이용되는 적어도 하나의 프로세서일 수 있다. 프로세서(13)는 메모리(17)에 저장된 일련의 명령어를 실행함으로써 소프트웨어 모듈 형태로 존재하는 인공지능 신경망의 기능을 수행할 수 있다.

프로세서(13)는 서버(20)에 저장된 인공지능 신경망의 기능을 수행하기 위해서 통신부(15)를 제어할 수 있다. 프로세서(13)는 인공지능 신경망의 기능을 수행하기 위해서 서버(20)로 관심 데이터를 송신하도록 통신부(15)를 제어할 수 있다. 프로세서(13)는 서버(20)에 저장된 인공지능 신경망으로부터 출력된 데이터를 수신하도록 통신부(15)를 제어할 수 있다.

프로세서(13)는 인공지능 신경망을 갱신하기 위한 데이터를 서버(20)로부터 수신하도록 통신부(15)를 제어할 수 있다.

프로세서(13)는 인공지능 신경망이 새로운 학습 데이터를 학습하도록 일련의 명령어를 실행할 수 있다.

통신부(15)는, 전자 장치(10)가 다른 장치(미도시) 및 서버(20)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 전자 장치(10)와 같은 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.

또한, 통신부(15)는, 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품으로 선택하는 동작을 실행하기 위해 필요한 정보를 다른 장치(미 도시) 및 서버(20)와 송수신할 수 있다.

메모리(17)는, 프로세서(13)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(10)로 입력되거나 전자 장치(10)로부터 출력되는 데이터를 저장할 수도 있다.

메모리(17)는 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 적 어도 하나의 타입의 저장매체를 포함할 수 있다.

도 17은 일 실시예에 따른, 주얼리 상품을 추천하는 장치의 제어부의 블록도이다.

도 17을 참조하면, 일부 실시예에 따른 프로세서(13)는 데이터 학습부(13-1) 및 데이터 인식부(13-2)를 포함할 수 있다.

데이터 학습부(13-1)는 주얼리 상품의 속성 데이터를 획득하고 분류하기 위한 기준을 학습할 수 있다. 데이터 학습부(13-1)는 사용자의 관심 데이터로부터 텍스트 정보와 이미지 특징을 획득하고, 서로 링크함으로써 메타 데이터를 생성하기 위한 기준을 학습할 수 있다. 데이터 학습부(13-1)는 메타 데이터에 포함된 텍스트 정보와 이미지 특징 및 이들의 링크에 가중치를 부여하기 위한 기준을 학습할 수 있다. 데이터 학습부(13-1)는 부여된 가중치에 기초하여 메타 데이터로부터 사용자 분석 데이터를 획득하기 위한 기준을 학습할 수 있다. 데이터 학습부(13-1)는 사용자 분석 데이터와 유사한 속성 데이터를 선택하고, 선택된 속성 데이터에 대응하는 주얼리 상품을 추천 주얼리 상품으로 선택하기 위한 기준을 학습할 수 있 다.

데이터 인식부(13-2)는 학습된 데이터 인식 모델을 이용하여, 주얼리 상품의 속성 데이터를 획득하고 분류할 수 있다. 데이터 인식부(13-2)는 사용자의 관심 데이터로부터 텍스트 정보와 이미지 특징을 획득하고, 서로 링크함으로써 메타 데이터를 생성할 수 있다. 데이터 인식부(13-2)는 메타 데이터에 포함된 텍스트 정보와 이미지 특징 및 이들의 링크에 가중치를 부여할 수 있다. 데이터 인식 부(13-2)는 부여된 가중치에 기초하여 메타 데이터로부터 사용자 분석 데이터를 획득할 수 있다. 데이터 인식부(13-2)는 사용자 분석 데이터와 유사한 속성 데이터를 선택하고, 선택된 속성 데이터에 대응하는 주얼리 상품을 추천 주얼리 상품으로 선택할 수 있다. 데이터 인식부(13-2)는 관심 주얼리 상품에 매칭되는 주얼리 상품을 추천 주얼리 상품을 선택할 수 있다. 데이터 인식부(13-2)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.

데이터 학습부(13-1) 및 데이터 인식부(13-2) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(13-1) 및 데이터 인식부(13-2) 중 적어도 하나는 인공 지능 (AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래 픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

이 경우, 데이터 학습부(13-1) 및 데이터 인식부(13-2)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(13-1) 및 데이터 인식부(13-2) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(13-1) 및 데이터 인식부(13-2)는 유선 또는 무선으로 통하여, 데이터 학습부(13-1)가 구축한 모델 정보를 데이터 인식부(13-2)로 제공할 수도 있고, 데이터 인식부(13-2)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(13-1)로 제공될 수도 있다.

한편, 데이터 학습부(13-1) 및 데이터 인식부(13-2) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(13-1) 및 데이터 인식부(13-2) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 18은 일 실시예에 따른, 주얼리 상품을 추천하는 장치와 연동하는 서버의 블록도이다.

도 18을 참조하면, 일부 실시예에 따른 서버(20)는 통신부(25), DB(27) 및 프로세서(23)를 포함할 수 있다.

통신부(25)는 전자 장치(10)와 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다.

DB(27)는 관심 주얼리 상품에 관련된 사용자의 입력 데이터에 매칭되는 추천 주얼리 상품을 선택하기 위한 데이터 및 프로그램을 저장할 수 있다.

프로세서(23)는 통상적으로 서버(20)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(23)는, 서버(20)의 DB(27)에 저장된 프로그램들을 실행함으로 써, DB(27) 및 통신부(25) 등을 전반적으로 제어할 수 있다. 프로세서(23)는 DB(27)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 15에서의 전자 장치(10)의 동작의 일부를 수행할 수 있다.

한편, 전자 장치(10) 및 서버(20)는 데이터 인식 모델의 학습 및 데이터 인식을 위한 작업을 효과적으로 분배하여 수행할 수 있으며, 이를 통하여, 사용자의 의도에 부합하는 서비스를 제공하기 위하여 데이터 처리를 효율적으로 수행하고, 사용자의 프라이버시를 효과적으로 보호할 수 있다.

일부 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스 될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈을 포함한다.

또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (11)

1. 주얼리 상품을 추천할 수 있는 프로그램에 있어서,
   사용자로부터 사용자의 관심 데이터를 수신하는 기능;
   상기 관심 데이터를 인공지능 신경망에 적용하는 기능; 및
   상기 인공지능 신경망으로부터 출력되는 추천 주얼리 상품에 관련된 데이터를 디스플레이하는 기능을 포함하고,
   상기 인공지능 신경망은,
   상기 관심 데이터로부터 상기 사용자의 취향에 관련된 사용자 분석 데이터를 획득하고,
   상기 사용자 분석 데이터에 기초하여, 상기 사용자의 취향에 부합하는 추천 주얼리 상품을 선택하고,
   상기 선택된 추천 주얼리 상품에 관련된 데이터를 출력하도록 학습되며,
   상기 관심 데이터로부터 텍스트 데이터 및 이미지 데이터를 획득하고,
   상기 텍스트 데이터 및 상기 이미지 데이터에 기초하여 상기 사용자의 취향에 관련된 메타 데이터를 생성하고,
   상기 메타 데이터로부터 상기 사용자 분석 데이터를 획득하는 기능을 실행시키기 위하여 매체에 저장된
   프로그램.
   
2. 제1 항에 있어서,
   상기 관심 데이터는,
   상기 기록매체를 이용하여,
   검색한 결과를 나타내는 웹페이지,
   방문한 웹페이지 및
   상기 웹페이지들에 링크된 웹페이지에 포함된 데이터를 포함하는 것을 특징으로 하는
   프로그램.
   
3. 제1 항에 있어서,
   상기 인공지능 신경망은
   상기 텍스트 데이터로부터 상기 사용자의 취향에 관련된 텍스트 정보를 획득하고,
   상기 이미지 데이터로부터 상기 사용자의 취향에 관련된 이미지 특징을 획득하며,
   상기 텍스트 정보와 상기 이미지 특징을 링크(Link)함으로써, 상기 메타 데이터를 생성하도록 학습된 기능을 포함하는 것을 특징으로 하는
   프로그램.
   
4. 제3 항에 있어서,
   상기 인공지능 신경망은
   링크된 상기 텍스트 정보와 상기 이미지 특징에 가중치를 부여함으로써, 상기 메타 데이터를 생성하도록 학습된 기능을 포함하는 것을 특징으로 하는
   프로그램.
   
5. 제3 항에 있어서,
   상기 인공지능 신경망은
   데이터 베이스에 저장된 제1 메타 데이터에 기초하여, 상기 관심 데이터로부터 획득된 텍스트 정보와 이미지 특징을 링크함으로써, 제2 메타 데이터를 생성하고,
   상기 제2 메타 데이터를 이용하여 상기 제1 메타 데이터를 갱신하는 기능을 포함하는 것을 특징으로 하는
   프로그램.
   
6. 제3 항에 있어서,
   상기 이미지 데이터는 주얼리 상품과 패션 상품이 포함된 이미지 데이터를 포함하고,
   상기 인공지능 신경망은
   상기 이미지 데이터로부터 상기 주얼리 상품에 관련된 제1 이미지 특징 및 패션 상품에 관련된 제2 이미지 특징을 획득하고,
   상기 텍스트 데이터로부터 상기 주얼리 상품에 관련된 제1 텍스트 정보와 상기 패션 상품에 관련된 제2 텍스트 정보를 획득하며,
   상기 제1 이미지 특징과 상기 제1 텍스트 정보를 링크하고, 상기 제2 이미지 특징과 상기 제2 텍스트 정보를 링크함으로써, 상기 메타 데이터를 생성하는 기능을 포함하는 것을 특징으로 하는
   프로그램.
   
7. 제6 항에 있어서,
   상기 인공지능 신경망은
   상기 제1 이미지 특징과 상기 제2 이미지 특징을 링크하고,
   상기 제1 텍스트 정보와 상기 제2 텍스트 정보를 링크함으로써, 상기 메타 데이터를 생성하는 기능을 포함하는 것을 특징으로 하는
   프로그램.
   
8. 제1 항에 있어서,
   상기 인공지능 신경망은,
   상기 관심 데이터로부터 이미지 데이터를 획득하고,
   상기 이미지 데이터로부터 주얼리 상품의 이미지 특징을 획득하며,
   상기 주얼리 상품의 이미지 특징에 기초하여 상기 주얼리 상품의 속성에 관련된 텍스트 정보를 획득하고
   상기 주얼리 상품의 이미지 특징과 상기 텍스트 정보를 링크함으로써, 상기 사용자의 취향에 관련된 메타 데이터를 생성하고,
   상기 메타 데이터로부터 상기 사용자 분석 데이터를 획득하는 기능을 포함하는 것을 특징으로 하는
   프로그램.
   
9. 제3 항에 있어서,
   상기 인공지능 신경망은,
   상기 관심 데이터에 기초하여, 서로 링크됨으로써 상기 메타 데이터에 포함된 텍스트 정보 및 이미지 특징의 가중치를 갱신하고,
   상기 메타 데이터에 포함된 텍스트 정보 및 이미지 특징 중 가중치가 임계값 이상인 텍스트 정보 및 이미지 특징을 상기 사용자 분석 데이터로 획득하며,
   데이터 베이스에 저장된 주얼리 상품들의 속성 데이터 중에서 상기 사용자 분석 데이터에 유사한 속성 데이터를 선택하고,
   상기 선택된 속성 데이터에 대응되는 주얼리 상품을 상기 추천 주얼리 상품으로 선택하는 기능을 포함하는 것을 특징으로 하는
   프로그램.
   
10. 제9 항에 있어서,
    상기 인공지능 신경망은,
    상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여함으로써, 상기 사용자 분석 데이터에 유사한 속성 데이터를 선택하는 기능을 포함하는 것을 특징으로 하는
    프로그램.
    
11. 제10 항에 있어서,
    상기 인공지능 신경망은,
    상기 관심 데이터로부터 획득된 텍스트 정보 및 이미지 특징에 기초하여, 상기 데이터 베이스에 저장된 주얼리 상품들의 속성 데이터에 포함된 적어도 하나의 데이터 각각에 가중치를 부여하는 기능을 포함하는 것을 특징으로 하는
    프로그램.
    
    

Images