KR20210052122A - 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법 - Google Patents

Abstract

본 발명은 사용자 맞춤형 식품 정보 서비스를 제공하는 방법에 있어서, 복수의 식품 각각에 포함된 영양 성분이 데이터베이스에 저장된 상태에서, 상기 영양 성분에 기초하여 상기 복수의 식품이 복수 개의 영양 카테고리에 분류되어 있다고 할 때, 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 사용자의 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상의 상태 정보를 획득하는 단계; 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 획득된 상태 정보에 기초하여 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하여 상태 분석 정보를 도출하고, 이를 상기 데이터베이스에 업데이트하는 단계; 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 복수 개의 영양 카테고리 중 상기 도출된 상태 분석 정보와 매칭되는 특정 영양 카테고리를 도출하는 단계; 및 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 특정 영양 카테고리에 포함된 특정 식품에 대한 정보를 상기 사용자의 단말에 전송하는 단계를 포함하는 방법에 관한 것이다.

Description

사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법{SYSTEM AND METHOD FOR PROVIDING USER-CUSTOMIZED FOOD INFORMATION SERVICE}

본 발명은 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 사용자 맞춤형 식품 정보 서비스를 제공하는 방법에 있어서, 복수의 식품 각각에 포함된 영양 성분이 데이터베이스에 저장된 상태에서, 영양 성분에 기초하여 상기 복수의 식품이 복수 개의 영양 카테고리에 분류되어 있다고 할 때, 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 사용자의 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상의 상태 정보를 획득하는 단계; 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 획득된 상태 정보에 기초하여 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하여 상태 분석 정보를 도출하고,, 이를 상기 데이터베이스에 업데이트하는 단계; 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 복수 개의 영양 카테고리 중 상기 도출된 상태 분석 정보와 매칭되는 특정 영양 카테고리를 도출하는 단계; 및 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 특정 영양 카테고리에 포함된 특정 식품에 대한 정보를 상기 사용자의 단말에 전송하는 단계;를 포함하는 방법에 관한 것이다.

현대인들은 생활편의를 위한 각종 기술의 발달로 과거보다 편리한 삶을 오랜 기간 동안 영위하게 되었으나 신체 활동이 상대적으로 적어져 운동량이 부족하고, 열량이 높은 각종 식품의 증가로 각종 대사성 질환이 증가하며 인구 고령화에 따른 만성 질환에 노출되고 있다.

이에 사회 전반적으로 건강에 대한 관심이 높아지고 있으며, 건강 서비스의 패러다임도 질병의 치유에서 예방으로 변화되고 있다.

건강관리와 질병의 예방은 먹는 음식과 운동을 비롯한 종합적인 요인에 기반을 두고 있으므로 사용자의 건강 향상을 위해 검진, 측정, 평가, 진단, 처방, 실행 등 각 분야의 전문가들이 서로 정보를 공유해야 한다. 또한, 식품은 먹는 사람 개인의 입맛을 포함하는 선호도에 따라 선택해야만 섭취 시에 즐거움을 느끼거나, 식욕을 적절하게 해소시켜 줄 수 있다. 그런데, 사용자 건강 정보 및 사용자 식품 선호도를 포함하는 개인의 '건강 상태'에 따라 요구되는 정보가 매우 다양할 뿐만 아니라 많은 인력과 비용이 소요되므로 현실적으로 적용이 매우 어렵다.

그런데, 매일 섭취하는 음식의 영양소가 생명 현상과 건강을 유지해주는 기본물질이기 때문에 영양섭취의 과부족이 인체에 미치는 영향이 크며, 각 영양소 별로 그 결핍과 과잉은 우리 건강의 균형을 잃게 하여 건강을 해치는 원인이 된다.

또한, 최근 의료의 디지털 정보화에 따라 건강에 영향을 미치는 활성 성분이나 식품에 대한 임상 연구 데이터는 전문가들 사이에서만 이용될 뿐 일반인들은 접근과 활용 자체가 힘든 실정이다(정보 불평등). 따라서, 전문 정보에 기반한 전문가의 진단과 조언을 받기 위해서는 고액의 비용을 지불해야 하는데, 이는 지역 간 및/또는 소득, 학력 등의 사회 계층 간 의료 환경을 불평등하게 만들어 결국 '건강 불평등'의 격차를 낳게 된다. 특정 질병을 앓고 있는 환자나 위험군 또는 건강을 염려하고 있는 일반인(고령, 유전 잠재성 등의 특징 보유)들은 자신과 유사한 상황에 있는 다른 사람들이 어떠한 치료를 받고, 어떠한 방법으로 질병을 극복하거나 건강을 증진시켰는지 등에 관한 정보를 얻고자 하나, 전산화된 전문적 또는 기술적 데이터에 접근할 수 없기 때문에 다른 사용자에게 전문적인 정보를 제공하거나 제공받을 수 없고, 사용자 간의 정보 전달 중 왜곡이 일어날 가능성도 크며, 주관적인 입장이 개입되는 경우가 많아 건강정보의 가치가 낮아지고 신뢰성이 부족한 실정이다. 따라서, 이러한 사회적 불평등에 기인한 결과물인 건강 불평등의 격차를 해소할 수 있는 방안의 마련이 요구되고 있는 실정이다.

본 발명은 상술한 문제점을 모두 해결하는 것을 목적으로 한다.

본 발명은 일반 사용자들의 상태 정보에 대한 기계 학습을 수행하여 사용자의 건강을 증진시킬 수 있는 사용자 맞춤형 식품 정보 서비스를 제공할 수 있는, 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법을 제공하는 것을 목적으로 한다.

또한, 본 발명은 식품 섭취 전 사용자가 선택한 식품의 영양 상태를 파악한 후, 사용자의 상태 정보(예를 들면, 사용자 건강정보 또는 사용자 식품 선호도를 포함하는 하나 이상의 건강 상태 정보 등)를 기초로 부족한 영양분은 보충하고, 과다한 영양분에 대해서는 조절하여 사용자의 상태 정보(예를 들면, 사용자 건강정보 또는 사용자 식품 선호도를 포함하는 하나 이상의 건강 상태 정보 등)에 맞도록 균형 있는 영양 상태를 갖는 식품의 조합 또는 복수 개의 식품 정보를 제공하는 것을 다른 목적으로 한다.

상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한, 본 발명의 특징적인 구성은 하기와 같다.

본 발명의 일 태양에 따르면, 사용자 맞춤형 식품 정보 서비스를 제공하는 방법에 있어서, 복수의 식품 각각에 포함된 영양 성분이 데이터베이스에 저장된 상태에서, 영양 성분에 기초하여 상기 복수의 식품이 복수 개의 영양 카테고리에 분류되어 있다고 할 때, 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 사용자의 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상의 상태 정보를 획득하는 단계; 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 획득된 상태 정보에 기초하여 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하여 상태 분석 정보를 도출하고,, 이를 상기 데이터베이스에 업데이트하는 단계; 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 복수 개의 영양 카테고리 중 상기 도출된 상태 분석 정보와 매칭되는 특정 영양 카테고리를 도출하는 단계; 및 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 특정 영양 카테고리에 포함된 특정 식품에 대한 정보를 상기 사용자의 단말에 전송하는 단계;를 포함하는 방법이 제공된다.

또한, 본 발명의 다른 태양에 따르면, 사용자 맞춤형 식품 정보 서비스를 제공하는 시스템에 있어서, 복수의 식품 각각에 포함된 영양 성분이 데이터베이스에 저장된 상태에서, 상기 영양 성분에 기초하여 상기 복수의 식품이 복수 개의 영양 카테고리에 분류되어 있다고 할 때, 사용자의 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상의 상태 정보를 획득하는 정보 수집부; 상기 획득된 상태 정보에 기초하여 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하여 상태 분석 정보를 도출하는 분석부; 및 상기 도출된 상태 분석 정보를 상기 데이터베이스에 업데이트하고, 상기 복수 개의 영양 카테고리 중 상기 도출된 상태 분석 정보와 매칭되는 특정 영양 카테고리를 도출하며, 상기 특정 영양 카테고리에 포함된 특정 식품에 대한 정보를 상기 사용자의 단말에 전송하는 처리부;를 포함하는 사용자 맞춤형 식품 정보 서비스 제공 시스템이 제공된다.

본 발명에 의하면, 다음과 같은 효과가 있다.

본 발명은 일반 사용자들의 상태 정보에 대한 기계 학습을 수행하여 사용자의 건강을 증진시킬 수 있는 사용자 맞춤형 식품 정보 서비스를 제공하는 효과가 있다.

또한, 본 발명은 식품 섭취 전 사용자가 선택한 식품의 영양 상태를 파악한 후, 사용자의 상태 정보(예를 들면, 사용자 건강정보 또는 사용자 식품 선호도를 포함하는 하나 이상의 건강 상태 정보 등)를 기초로 부족한 영양분은 보충하고, 과다한 영양분에 대해서는 조절하여 사용자의 상태 정보(예를 들면, 건강 상태 정보 등)에 맞도록 균형 있는 영양 상태를 갖는 식품의 조합 또는 복수 개의 식품 정보를 제공하는 효과가 있다.

도 1은 본 발명의 실시예에 따라 사용자 맞춤형 식품 정보 서비스 제공 시스템을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따라 특정 식품에 대한 정보를 사용자 단말에 전송하기까지의 과정을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따라 복수의 사용자들의 상태 정보를 축소된 형태로 저장하기까지의 과정을 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따라 사용자의 상태 정보와 유사한 케이스를 검색하기까지의 과정을 나타낸 도면이다.

이하에서는 본 발명과 관련된 실시예들을 도면에 예시하고 이를 상세한 설명을 통해 구체적으로 설명하고자 한다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

본 명세서에 기재된 "건강 상태" 용어는 사용자에게 신체적 또는 정신적 건강에 영향을 주는 적어도 하나의 사용자 조건을 의미한다. 이는 사용자의 건강 정보 또는 식품 선호도를 하나 이상 포함할 수 있다. 상기 건강 정보는 신체적 또는 정신적 건강정보를 포함할 수 있으며, 상기 식품 선호도는 사용자가 선호하는 식품의 특성으로 식품의 카테고리(종류), 영양정보, 브랜드/제조사, 포장(패키징), 인증, 원료, 보관방법, 원산지 또는 시기 등을 고려한 선호도를 포함할 수 있다. 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 본 명세서에서, 어떤 구성 요소가 다른 구성 요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성 요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다. "연결", "결합" 또는 "접속"의 경우, 물리적으로 "연결", "결합" 또는 "접속"되는 것뿐만 아니라 필요에 따라 전기적으로 "연결", "결합" 또는 "접속"되는 것으로 이해될 수 있다.

본 명세서에 기재된 "~부(유닛)", "~기", "~자", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 본 명세서에 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다.

그리고 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주 기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.

이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

도 1은 본 발명의 실시예에 따라 사용자 맞춤형 식품 정보 제공 시스템을 나타낸 도면이다.

도 1에 도시된 바와 같이, 본 발명의 사용자 맞춤형 식품 정보 제공 시스템(100)은 정보 수집부(110), 분석부(120), 처리부(130) 및 데이터베이스(140)를 포함하고 있다. 경우에 따라서는 도 1과 달리 데이터베이스(140)를 포함하지 않을 수도 있다.

또한, 본 발명의 실시예에 따른 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)은 네트워크와 연결됨으로써, 이를 통해 사용자 단말(200)과 정보를 송수신하거나 다양한 정보를 수집할 수 있다.

여기서, 네트워크는 단말 및 서버와 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예는, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, 5G, LTE, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 개방형 컴퓨터 네트워크 구조를 의미한다.

사용자 단말(200)은 네트워크를 통해 본 발명의 실시예에 의한 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)에 접속할 수 있으며, 이를 통해 사용자는 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)이 제공하는 다양한 서비스를 이용할 수 있다.

예를 들어, 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)은 사용자의 상태 정보를 참조하여 사용자의 건강 증진을 위한 맞춤형 식품 정보 등을 제공할 수 있다.

또한, 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)을 이용하고자 하는 사용자는 홍채, 지문, 음성, 안면, 맥박 등의 생체 정보 또는 아이디(ID)를 통한 사용자 인증 방식을 통해 해당 시스템(100)에 로그인할 수 있다.

상기 사용자 단말(200)은 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)과 연결되는 통신 기능과 이미지나 텍스트를 출력할 수 있는 디스플레이 기능을 갖춘 장치라면 특별히 한정되지 않는다. 예를 들어, 사용자 단말(200)은, 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 태블릿(tablet) PC, 무선전화기(wireless phone), 모바일폰(mobile phone), 스마트폰(smart phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 내비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 영상 녹화기(digital picture recorder), 디지털 영상 재생기(digital picture player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), 웨어러블 장치(wearable device) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 즉, 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 사용자 단말(200)에 해당할 수 있다.

또한, 사용자 단말(200)은 터치스크린 및 터치스크린 컨트롤러를 포함할 수 있다. 또한, 상기 사용자 단말(200)은 제어부, 이동통신 모듈, 서브통신 모듈, 멀티미디어 모듈, 카메라 모듈, GPS모듈, 입/출력 모듈, 센서 모듈, 저장부, 및 전원 공급부를 포함한다. 서브통신 모듈은 무선랜 모듈 및 근거리통신 모듈 중 적어도 하나를 포함하고, 멀티미디어 모듈은 방송 통신 모듈, 오디오재생 모듈 및 동영상재생 모듈 중 적어도 하나를 포함한다. 카메라 모듈은 적어도 하나 이상의 카메라를 포함하고, 입/출력 모듈은 버튼, 마이크, 스피커, 진동모터, 커넥터, 및 키패드 중 적어도 하나를 포함할 수 있다.

상기 저장부는 본원 발명에 의한 사용자 맞춤형 식품 정보 서비스 제공 애플리케이션을 저장할 수 있다. 저장부는 애플리케이션과 관련된 각종 데이터를 저장할 수 있다

터치스크린은 사용자에게 다양한 서비스(예, 통화, 데이터 전송, 방송, 사진촬영)에 대응되는 유저 인터페이스(User Interface)를 제공할 수 있다. 터치스크린은 유저 인터페이스에 입력되는 적어도 하나의 터치에 대응되는 아날로그 신호를 터치스크린 컨트롤러로 전송할 수 있다. 터치스크린은 사용자의 신체(예, 엄지를 포함하는 손가락) 또는 터치 가능한 터치 장치(예, 스타일러스 펜)를 통해 적어도 하나의 터치를 입력 받을 수 있다. 또한, 터치스크린은 적어도 하나의 터치 중에서, 하나의 터치의 연속적인 움직임을 입력 받을 수 있다. 터치스크린은 입력되는 터치의 연속적인 움직임에 대응되는 아날로그 신호를 터치스크린 컨트롤러로 전송할 수 있다. 터치스크린은 애플리케이션으로부터 생성되는 인터페이스 화면을 표시할 수 있다. 아울러, 터치스크린은 인터페이스 화면에 기초하여서 사용자가 대응 입력하는 데이터를 입력 받을 수도 있다.

터치스크린 컨트롤러는 터치스크린에서부터 수신된 아날로그 신호를 디지털 신호로 변환하여 제어부로 전송한다. 제어부는 터치스크린 컨트롤러로부터 수신된 디지털 신호를 이용하여 터치스크린을 제어할 수 있다. 예를 들어, 제어부는 터치에 응답하여 터치스크린에 표시된 단축 아이콘(도시되지 않음)이 선택되게 하거나 또는 단축 아이콘(도시되지 않음)을 실행할 수 있다. 또한, 터치스크린 컨트롤러는 제어부에 포함될 수도 있다.

한편, 저장부는 사용자 맞춤형 식품 정보 서비스를 이용하는 사용자의 상태 정보(예를 들면, 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상)에 대한 정보를 지속적으로 모니터링한 결과를 저장할 수 있으며, 이를 통해 식품 정보를 추천 받은 결과 또는 사용자의 건강 상태 개선도(또는 건강 회복도)에 대한 정보를 저장할 수 있다.

따라서, 저장부는 자체적으로 축적한 사용자의 상태 정보(예를 들면, 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상)에 대한 정보를 데이터베이스에 추가 저장할 수 있으며, 데이터베이스(140)에 저장된 정보는 추후 분석부(120)의 기계 학습에 활용될 수 있다.

한편, 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)은 수집된 방대한 양의 빅데이터 및 인공지능 기술을 이용하여, 사용자 맞춤형 식품 정보에 대한 산출 및 예측을 수행할 수 있다.

여기서, 빅데이터란 기존 데이터의 수집, 저장, 관리, 분석 역량을 넘어서는 데이터 세트를 의미한다. 빅데이터는 정형화 정도에 따라 정형 데이터, 반정형 데이터, 및 비정형 데이터로 분류될 수 있다. 정형 데이터(structured data)는 고정된 필드에 저장되는 데이터, 즉 일정한 형식을 갖추고 저장되는 데이터를 의미할 수 있다. 반정형 데이터(semi-structured data)는 고정된 필드에 저장되어 있지는 않지만, 메타데이터나 스키마를 포함하는 데이터를 의미하는데, XML(Extensible Mark-up Language) 및 HTML(Hypertext Mark-up Language) 등을 예로 들 수 있다. 비정형 데이터(unstructured data)는 고정된 필드에 저장되어 있지 않은 데이터를 의미하는데, 텍스트 문서, 이미지 데이터, 동영상 데이터, 및 음성 데이터를 예로 들 수 있다.

본 발명의 실시예에 의한 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)은 상술한 바와 같은 빅데이터를 수집하고 분석할 수 있다. 빅데이터 분석 기술로는 텍스트 마이닝(text mining), 평판 분석(opinion mining), 소셜 네트워크 분석(social network analysis), 군집 분석(cluster analysis), 신경망 분석(neural network analysis), 및 마코브 모델(markov model)을 예로 들 수 있으나, 예시된 분석 기술들로 한정되는 것은 아니다. 텍스트 마이닝은 반정형 텍스트 데이터 또는 비정형 텍스트 데이터에서 자연 언어 처리 기술에 기반하여 유용한 정보를 추출, 가공하는 기술일 수 있다. 자연 언어 처리(Natural Language Processing; NLP) 기술은 자연 언어 이해와 자연 언어 생성이 가능하도록 하는 기술이며, 자연 언어란 사람이 의사소통을 하기 위해 사용하는 용어로 인공 언어(컴퓨터 언어)와 반대되는 개념일 수 있다. 자연 언어 이해란 자연 언어를 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 것을 의미할 수 있다. 자연 언어 생성은 컴퓨터가 자연 언어를 출력할 수 있도록 하는 것을 의미할 수 있다. 자연 언어 처리 기술은 형태소 분석, 구문 분석, 의미 분석, 및 화용 분석으로 이루어질 수 있다. 평판 분석은 제품 사용후기, 블로그(blog), 소셜 네트워크 서비스(Social Network Service; SNS), 위키(Wiki), 손수제작물(UCC), 마이크로 블로그(Micro-Blog) 등과 같은 소셜 미디어(social media)에서 정형 텍스트 및 비정형 텍스트를 수집 및 분석하여, 제품이나 서비스에 대한 평판(예를 들어, 긍정, 부정, 중립)을 판별하는 기술일 수 있다. 소셜 네트워크 분석은 소셜 네트워크 연결구조 및 연결강도 등에 기초하여, 사용자의 영향력, 관심사, 및 성향을 분석하고, 추출하는 기술일 수 있다. 군집 분석은 비슷한 특성을 가진 개체를 합쳐가면서 최종적으로 유사한 특성을 가진 군을 발굴하는 기술일 수 있다.

한편, 인공지능(AI: Artificial Intelligence)이라는 용어가 등장한 지는 오랜 시간이 흘렀지만 컴퓨터, 연산 등 특정 영역에 국한됐던 과거와는 달리 현대에는 인지, 학습, 추론 등 인간의 고차원적 정보처리 활동을 연구해 ICT를 통해 구현하는 기반 기술 전체를 아우르는 포괄적 개념이 되었다. 알파고 못지않게 인공지능 분야의 최강자라고 할 수 있는 IBM의 경우, 지난 2011년 미국 유명 퀴즈쇼 '제퍼디'에서 우승한 슈퍼컴퓨터 '왓슨'을 발전시켜 인지컴퓨팅(Cognitive computing)이라는 새로운 영역으로 확대시켰다. 즉, 인공지능을 통해 인지 학습이 가능하다는 것이다. 여기서, 인지 학습(cognitive learning)이란 학습의 한 형태로 가시적 또는 직접적으로 관찰할 수 없는 심리적 과정, 특히 인지적 과정을 통해 일어나는 학습 형태를 의미할 수 있다. 구체적으로, 인지 학습에 포함되는 하위 유형은 통찰 학습(insight learning), 잠재 학습(latent learning), 관찰 학습(observational learning) 등이 있을 수 있다.

최근 인공지능 기술의 발전과 관심이 증가하면서 이를 응용한 기술들이 등장하고 있다. 인공지능 기술의 한 분야로서 기계 학습(Machine Learning)이 각종 매체를 통해 집중 조명을 받고 있다. 기계 학습은 컴퓨터가 데이터를 통해 학습하고, 사람처럼 어떤 대상 혹은 상황을 이해할 수 있게 하는 기술일 수 있는데, 컴퓨터를 학습시켜 패턴을 찾아내 분류하는 기술적 방식으로 컴퓨터가 데이터를 분석할 수 있게 하는 알고리즘이 핵심일 수 있다. 데이터를 활용하는 알고리즘을 정교하게 만들면 컴퓨터가 학습해가며 사용자들에게 의미 있는 결과물을 제공할 수 있다. 또한, 상기 결과물은 안정성 및 효과성을 더욱 확보하기 위해서, 설계 요구 사항과 사양에 따라 프로그램이 잘 수행되었는 지와 사용자의 요구사항이 적절히 반영되어 구현되었는지를 확인하고 시험 평가하는 Verification 및 Validation을 지속적으로 진행할 수 있다.

도 2는 본 발명의 실시예에 따라 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)을 통해 사용자의 건강을 증진시킬 수 있는 특정 식품에 대한 정보를 사용자 단말에 전송하기까지의 과정을 나타낸 도면이다.

정보 수집부(110)는 온라인 네트워크를 통하여 사용자의 상태 정보를 수집 및 획득(S210)하고, 수집된 상태 정보를 데이터베이스(140)에 저장할 수 있다.

상기 사용자의 상태 정보에는 건강 상태(Healthy Condition) 정보, 감정 상태(Emotional Condition) 정보, 및 환경 상태 정보 중 적어도 하나 이상을 포함할 수 있다.

일 실시예로 사용자의 상태 정보는 사용자 단말(200)을 통하여 사용자가 직접 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)으로 전송 가능하다.

또한, 다른 실시예로 정보 수집부(110)는 사용자 단말(200)을 통한 수집 방식 이외에도 별도의 서버나 데이터베이스로부터 사용자의 상태 정보를 수집할 수 있다. 예를 들어, 정보 수집부(110)는 공공 데이터 포탈, 의료기관(의원, 보건소, 병원 등), 학술논문 데이터베이스, 건강검진 데이터베이스, 진단기기 및 웨어러블 장치 등을 통해 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 등과 같은 사용자의 상태 정보를 수집할 수 있다.

한편, 정보 수집부(110)는 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)을 이용하는 사용자의 상태 정보를 지속적으로 모니터링할 수 있으며, 이를 통해 식품 정보를 제공 받은 사용자의 건강 상태 개선도(또는 건강 회복도)를 파악할 수 있다.

따라서, 정보 수집부(110)는 자체적으로 축적한 사용자의 상태 정보를 데이터베이스(140)에 추가 저장할 수 있으며, 데이터베이스(140)에 저장된 정보는 추후 분석부(120)의 기계 학습에 활용될 수 있다.

한편, 사용자의 건강 상태 정보는 유전 정보(예를 들어, DNA 정보 등), 유전자 발현정보(RNA 또는 단백질 정보 등), 노화 정보(예를 들어, 신체 기능의 노화를 나타낼 수 있는 정보 - 활력도, 근력, 혈관 나이, 뼈, 피부 나이 등), 면역력, 체중, 근육량, 체지방, 나이, 성별, 키, 몸무게, BMI(Body Mass Index), 보유 질환, 과학적인 진단/검사 결과, 의무기록 및 처방 정보 등을 포함할 수 있다. 상기 과학적인 진단/검사 결과는 인체 또는 인체물에 대한 in vivo, in vitro 분석, 영상, 센서(웨어러블 기기 포함) 또는 시뮬레이션/예측에 의한 직간접적인 분석 결과를 모두 포함할 수 있다.

또한, 건강 상태 정보는 사용자의 건강을 추정할 수 있는 복수의 지표를 포함할 수 있는데, 예를 들어 혈압, 심박수, 심전도, 콜레스테롤, 중성 지방, 유산탈수소효소(LDH), 혈당, 인슐린 등을 포함하는 호르몬 수치, 체내 비타민 또는 무기질 농도 등이 포함될 수 있다.

또한 사용자의 감정 상태 정보는 스트레스, 우울감, 기쁨, 슬픔, 화남 등을 포함한 사용자의 현재 또는 미래를 위한 감정, 또는 특정 식욕(선호 식품 선택), 수면욕, 성욕, 사회적 욕구를 포함하는 현재 또는 미래를 위한 욕구 등을 하나 이상 포함할 수 있다.

사용자의 환경 상태 정보는 근로 환경, 거주 환경, 사회적 환경(예를 들어, 국가, 문화 등), 물리적 환경(예를 들어, 기후, 온도, 계절, 지리, 지진 등) 또는 보건서비스 환경(예를 들어, 보건 인프라, 보건 관련 인식 등) 등을 하나 이상 포함할 수 있다.

분석부(120)는 정보 수집부(110)에 의해 수집된 사용자의 상태 정보를 이용하여 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하고 상태 분석 정보를 도출할 수 있다.

즉, 분석부(120)는 획득한 사용자의 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상의 상태 정보를 조합하여 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하고 상태 분석 정보를 도출할 수 있다. 또한, 데이터베이스(140)에 이를 업데이트(S220)할 수도 있을 것이다. 복수의 사용자가 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)에서 제공하는 식품 정보 서비스를 이용할 경우, 데이터베이스(140)에는 사용자 별 정보가 기록될 수 있을 것이다.

구체적으로, 분석부(120)는 획득한 사용자의 상태 정보를 포함하는 데이터베이스(140)의 저장 정보를 대상으로 기계 학습을 수행하여 사용자의 상태 정보와 건강 상태 개선도(또는 건강 회복도) 사이의 관계를 나타내는 기계학습 모델을 생성함으로써, 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하고 상태 분석 정보(예를 들면, 건강 상태 등)를 도출할 수 있다.

건강 상태 개선도(또는 건강 회복도)의 경우 사용자의 건강 상태 정보를 통하여 파악할 수 있다. 예를 들어, 사용자의 건강을 간접적으로 추정할 수 있는 근육량, 체지방, 몸무게, 혈압, 심박수, 심전도, 콜레스테롤, 중성지방, 유산탈수소효소(LDH), 혈당, 인슐린 등을 포함하는 호르몬 수치, 체내 비타민 또는 무기질 농도 등의 개선 정도를 통해 사용자의 건강 상태 개선도를 파악할 수 있다.

구체적으로, 사용자가 건강하다고 판단되는 수준을 나타내는 건강 지표(식약처 등에서 획득 가능)가 존재한다고 가정할 수 있다. 이때, 상기 건강 지표는 복수의 지표(ex 근육량, 체지방, 몸무게, 혈압, 심박수, 심전도, 콜레스테롤, 중성지방, 유산탈수소효소(LDH), 혈당, 인슐린 등을 포함하는 호르몬 수치, 체내 비타민, 각종 영양소(탄수화물, 단백질, 지방 등) 또는 무기질 농도)를 기초로 할 수 있다.

분석부(120)에서는, 사용자의 상태 정보(구체적으로, 건강 상태 정보)와 건강 지표를 비교하고, 이에 따라 사용자의 건강 상태(상태 분석 정보)를 고위험 레벨, 저위험 레벨 및 일반 레벨 중 어느 하나의 특정 레벨로 분류하며, 복수 개의 영양 카테고리 중 상기 특정 레벨과 매칭되는 상기 특정 영양 카테고리를 도출(S230)할 수 있다.

참고로, 복수의 식품 각각에 포함된 영양 성분 정보가 데이터베이스(140)에 기 저장되어 있고, 상기 영양 성분 정보에 기초하여 복수의 식품이 복수 개의 영양 카테고리에 분류되어 있다고 가정할 수 있다. 예를 들어, 탄수화물이 많이 포함된 식품은 탄수화물 카테고리, 비타민 A가 많이 포함된 식품은 비타민 A 카테고리 등에 포함된 것으로 가정할 수 있다.

이때, 분석부(120)에서는 건강 지표(예를 들면, 성인 남성이 하루 섭취해야 하는 단백질량)와 사용자의 상태 정보(예를 들면, 사용자가 하루 섭취한 단백질량)를 비교하고, 이에 따라 사용자의 건강 상태를 고위험 레벨, 저위험 레벨 및 일반 레벨 등으로 분류할 수 있다.

단백질 섭취량이 많이 부족하여 고위험 레벨 등으로 분류된 경우, 처리부(130)에서는 복수의 영양 카테고리 중에서도 단백질을 보충할 수 있는 단백질 카테고리를 도출할 수 있을 것이다.

참고로, 상기 고위험 레벨, 저위험 레벨 및 일반 레벨 등은 지표(예를 들면, 근육량, 체지방, 무게, 콜레스테롤, 탄수화물, 단백질 및 무기질(나트륨, 칼륨 등) 등)마다 각각 표현할 수도 있으며, 색깔 등으로 구분 표시 가능하다 (예를 들면, 고위험 레벨은 빨간색으로, 저위험 레벨은 노란색으로, 일반 레벨은 초록색으로 표시 가능하다).

이에 대해서 구체적으로 서술하면 아래와 같다.

상기 복수의 지표는 적어도 제1 지표 및 제2 지표를 포함할 수 있다. 이때, 적정량을 나타내는 건강 지표(예를 들면, 평균 섭취량 등)는 사용자의 나이 및 신체 정보(성별, 체중, 키 등)을 기초로 복수의 지표(예를 들면, 단백질, 나트륨 등)마다 결정된다고 가정할 수 있다.

분석부(120)에서는 제1 지표(예를 들면, 단백질) 및 제2 지표(예를 들면, 나트륨) 중 어느 하나의 특정 지표 및 이에 대응하는 특정 건강 지표를 비교하고, 비교 결과를 기초로 상기 사용자의 건강 상태를 고위험 레벨, 저위험 레벨 및 일반 레벨 중 어느 하나의 특정 레벨로 분류할 수 있는 것이다.

따라서, 제1 지표(예를 들면, 단백질)에 대해서는 상기 사용자가 고위험 레벨로 분류되고, 제2 지표(예를 들면, 나트륨)에 대해서는 상기 사용자가 일반 레벨로 분류될 수도 있는 것이다.

또한, 처리부(130)에서는 복수 개의 영양 카테고리 중 상기 특정 레벨과 매칭되는 특정 영양 카테고리를 도출할 수 있을 것이다.

즉, 근육량과 관련해서는 일반 레벨, 체지방과 관련해서는 고위험 레벨, 콜레스테롤과 관련해서는 고위험 레벨로 판단된 경우, 처리부(130)에서는 체지방 및 콜레스테롤과 대응하는 영양 카테고리를 도출할 수 있는 것이다.

전술한 고위험 레벨, 저위험 레벨 및 일반 레벨에 대해서 살펴보면 다음과 같다.

상기 고위험 레벨은 전술한 복수의 건강 지표 중에서 하나 이상의 항목이 나이, 성별, 체중 및 키 등의 건강 정보에 따른 필요 수준(또는 표준량)을 100%로 할 때, 이에 대해 10% 이하, 30% 이하, 50% 이하, 60% 이하, 70% 이하 또는 80% 미만이거나, 130% 이상, 140% 이상, 150% 이상, 200% 이상 또는 300% 이상인 사용자 군을 의미한다.

또한, 일반 레벨은 전술한 복수의 건강 지표 중에서 하나 이상의 항목이 나이, 성별, 체중 및 키 등의 건강 정보에 따른 필요 수준(또는 표준량)을 100%로 할 때, 이에 대해 80% 이상, 90% 이상 또는 95% 이상이거나, 120% 이하, 110% 이하, 105% 이하 또는 100% 이하인 사용자 군을 의미한다.

또한, 저위험 레벨은 전술한 복수의 건강 지표 중에서 하나 이상의 항목이 상기 고위험 레벨과 일반 레벨 사이에 존재하는 사용자 군을 의미한다.

분석부(120) 및 처리부(130)를 통하여 이루어지는 기계 학습은 앞서 설명한 고위험 레벨, 저위험 레벨 및 일반 레벨을 구분하여 각 레벨 별로 이루어질 수 있으며, 각 사용자 레벨에 따라 기계 학습 기법이 상이하게 설정될 수 있다.

상기와 같이, 처리부(130)에서는 분석부(120)에 의해 도출된 상태 분석 정보를 기반으로 사용자의 건강 증진과 관련된 식품 정보를 도출하여 사용자 단말(200)로 제공할 수 있다.

일 구체예에서, 처리부(130)에서는 사용자의 건강 상태와 매칭되는 특정 영양 카테고리를 도출한 후, 상기 특정 영양 카테고리에 포함된 특정 식품에 대한 정보를 사용자의 단말(200)에 전송(S240)할 수 있다.

구체적으로, 처리부(130)는 수집된 빅 데이터를 기반으로 사용자의 건강(또는 영양) 상태와 식품 성분(food ingredient) 간의 상관도 추출을 위한 학습을 수행하고, 추출된 상관도에 따라 사용자에게 적합한 특정 식품에 대한 정보를 도출할 수 있다.

상기 특정 식품에 대한 정보는 건강 향상을 위한 식품 소재, 일반 식품 및 건강 기능 식품 중에서 적어도 하나를 포함할 수 있다.

또한, 특정 식품은 영양 조성(예를 들어, 단백질, 지방, 탄수화물, 비타민, 무기질 등), 열량(칼로리), 건강 증진 기능성 활성 소재 함유도, 경도, 점도, 포장(package), 보관방법, 원료(식품 관련 인증 여부(동물복지, 농약 함유, 유전자 변형, 할랄, 코셔 등)), 알레르기 유발 물질 함유도, 동물성 소재 함유도 등) 및 염도 등의 특징을 고려하여 상관도 또는 사용자 선호도에 따라 도출될 수 있다.

또한, 처리부(130)는 상관도 추출을 위하여 통계학적 알고리즘, PCA(Principal Component Analysis)기법, 딥 네트워크 러닝(Deep Network Learning) 기법, 및 SVD(Singular Value Decomposition) 기법 중 적어도 하나 이상을 적용하여 분석 결과를 생성할 수 있다.

일 구체예에서, 처리부(130)에서는 특정 영양 카테고리에 포함된 특정 식품 중 감정 상태 정보 또는 환경 상태 정보에 매칭되는 식품에 대한 정보를 사용자의 단말(200)에 전송할 수도 있다.

구체적으로, 전술한 바와 같이 건강 상태 정보(예를 들면, 근육량, 체지방, 무게, 콜레스테롤, 탄수화물, 단백질 및 무기질(나트륨, 칼륨 등)에 따라 1차적으로 특정 영양 카테고리가 결정되었고, 이에 포함된 특정 식품 중에서 감정 상태 정보 또는 환경 상태 정보에 매칭되는 식품이 2차적으로 선택될 수 있는 것이다. 또한, 이는 별개의 프로세스로 사용자 선호도에 따라 선택적으로 하나의 프로세스만으로도 진행하여 사용자가 식품을 선택할 수 있다.

예를 들면, 상기 감정 상태 정보에 의할 경우, 1차적으로 선택된 특정 식품 중에서 '스트레스에 좋은 음식, 우울증에 좋은 음식' 등이 2차적으로 선택될 수 있다. 또한, 환경 상태 정보에 의할 경우, 1차적으로 선택된 특정 식품 중에서 '여름에 좋은 음식, 편의점에서 구하기 쉬운 음식' 등이 2차적으로 선택될 수 있을 것이다.

처리부(130)에 의해 도출된 사용자 맞춤형 특정 식품에 대한 정보는 사용자 단말(200)을 통해 사용자에게 제공될 것이며, 이때, 처리부(130)는 특정 식품을 추천하는 형태로 사용자에게 제안할 수 있다.

또한, 처리부(130)는 사용자에게 제안된 식품을 사용자가 선별(filtering) 또는 선택(selection)하여 주문할 수 있는 사용자 환경을 사용자 단말(200)을 통해 제공할 수 있다. 이에 따라, 사용자는 추천된 상품 중 자신이 원하는 상품에 대하여 간편하게 주문을 수행할 수 있다.

한편, 정보 수집부(110)에서는 사용자 단말(200) 또는 외부 서버로부터 상태 정보를 지속적으로 획득하여 데이터베이스(140)에 업데이트할 수 있다. 이때, 처리부(130)에서는 설정된 주기(예를 들면, 반나절, 끼니, 하루, 일주일, 월 등)에 따라 특정 식품에 대한 정보 및 사용자의 건강 상태에 대한 전문가 또는 인공지능의 의견을 획득하고 이를 사용자 단말(200)에 전송할 수 있다.

상기 전문가의 의견에는 영양, 의약, 및 의학 중 적어도 하나와 관련된 건강 전문가에 의한 의견 및 제공 정보가 반영될 수 있다.

일 구체예에서, 데이터베이스(140)에 저장된 정보는 각 사용자의 개별 고유 정보와 함께 암호화 또는 블록체인(blockchain)화되어 안전하게 보호될 수 있다.

한편, 본 발명의 일 실시예에 의한 사용자 맞춤형 식품 정보 서비스 제공 시스템(100)의 처리부(130)는 사용자의 영양 위험도를 추가적으로 예측할 수 있다.

구체적으로, 처리부(130)는 상술한 기계학습 모델에서 사용자의 상태 정보를 조합하여 사용자의 영양 위험도를 예측할 수 있으며, 또한 예측된 영양 위험도에 대응하거나 사용자 상태 개선 상관도에 대응하는 식품 정보를 상기 사용자 단말(200)에 추가 제공할 수 있다.

이때, 사용자의 영양 위험도를 예측하기 위하여 빅 데이터를 기반으로 건강(또는 영양) 상태와 질병 관련 생체 자료 간의 상관도 및 위험도 추출을 위한 기계 학습을 수행하고, 추출된 상관도 및 위험도에 따라 사용자의 상태를 진단하고 해당하는 영양 위험 정보를 도출하는 기법을 적용할 수 있다.

한편, 본 발명에서는 빅 데이터 내에서 사용자의 건강 상태가 어떠한지 여부를 보다 빠르게 확인하기 위해 유사 사례를 검색하는 방법을 고려할 수 있고, 아래에서는 이에 대해 서술하도록 하겠다.

도 3은 본 발명의 일 실시예에 따라 복수의 사용자들의 상태 정보를 축소된 형태로 저장하기까지의 과정을 나타낸 도면이다. 즉, 도 3은 유사 사례 검색을 위한 대상 데이터베이스를 구축하는 과정을 나타내고 있다.

우선, 정보 수집부(110)에서는 복수의 사용자들의 상태 정보를 획득(S310)할 수 있으며, 상기 복수의 사용자들의 상태 정보는 유사 사례 검색의 대상을 확보하기 위함이다. 참고로, 상기 상태 정보는 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중에서 적어도 하나 이상을 포함할 수 있다.

다음으로, 처리부(130)에서는 획득한 복수의 상태 정보들을 건강 특징(예를 들면, 근육량, 체지방, 무게, 콜레스테롤 등 건강 관련 정보)별 건강 수치를 0 내지 1의 값으로 변환하는 데이터 전처리 과정을 수행(S320)할 수 있다.

또한, 처리부(130)에서는 기계 학습을 통해 상기 상태 정보 중 하나 이상의 건강 특징을 추출하여 특징 추출 모델을 생성할 수 있다. 또한, 처리부(130)에서는 하나 이상의 특징 추출 모델에 전처리된 복수의 상태 정보를 적용하여 상기 복수의 상태 정보의 차원을 축소할 수 있다. 즉, 대규모 데이터를 복합 차원(예를 들면, 2차원, 3차원 등)의 형태로 데이터를 축소(S330)시킬 수 있는 것이다.

다음으로, 처리부(130)는 축소된 차원의 상태 정보에 대해 파티셔닝을 수행할 수 있고, 상기 특징 추출 모델 별로 축소된 차원의 상태 정보를 파티션 별로 그룹핑하여 저장함으로써, 유사 사례 검색을 위한 데이터베이스를 구축할 수 있다.

위와 같이, 데이터베이스(140)가 구축된 상태에서 입력된 사용자의 상태 정보를 바탕으로 유사 사례를 빠르게 검색할 수 있다. 이에 대해서는 도 4와 함께 서술하도록 하겠다.

도 4는 본 발명의 일 실시예에 따라 사용자의 상태 정보와 유사한 케이스를 검색하기까지의 과정을 나타낸 도면이다.

우선, 사용자 맞춤형 식품 정보 제공 시스템(100)은 사용자의 상태 정보를 획득(S410)해야 한다. 또한, 데이터 전처리 과정을 수행하여 사용자의 상태 정보에 포함된 건강 특징 별 건강 수치를 0 내지 1의 값으로 변환(S420)할 수 있다. 참고로, 사용자의 상태 정보 전체를 획득할 필요 없이 일부만 획득하더라도 본 프로세스가 진행될 수 있다.

다음으로, 처리부(130)는 사용자의 상태 정보 중 하나 이상의 건강 특징을 추출하여 특징 추출 모델을 생성할 수 있고, 전처리 된 결과를 이용하여 각 특징 추출 모델 별로 축소된 복합 차원(예를 들면, 2차원, 3차원 등)의 형태로 데이터를 축소(S430)시킬 수 있다.

또한, 처리부(130)는 데이터베이스(140)에 기 저장된 파티션을 검색하여 상기 사용자의 상태 정보와 매칭되는 파티션을 검색할 수 있다. 또한, 상기 매칭된 파티션에 포함된 복수의 기존 데이터(데이터베이스에 기 저장된 복수의 사용자들 관련 데이터)를 추출할 수 있다.

상기 추출된 복수의 기존 데이터의 개수가 일정 수치 이상인 경우, 처리부(130)는 상기 추출된 복수의 기존 데이터를 상기 사용자의 상태 정보와 1 대 1로 비교하여 유사도 계산을 수행할 수 있다.

반대로, 상기 추출된 복수의 기존 데이터의 개수가 일정 수치 이상을 만족하지 못하는 경우, 다른 파티션에 포함된 기존 데이터를 다시 검색할 수 있을 것이다.

상기 유사도 계산 결과 높은 유사 값을 보이는 기존 데이터를 상기 사용자의 상태 정보에 대한 유사 사례군으로 판단(S450)할 수 있다.

도 3 및 도 4의 과정을 다시 말하면 다음과 같다.

우선, 복수의 사용자들의 상태 정보 중 일부 특징(특정 정보)을 기초로 특징 추출 모델을 생성하고, 전처리 된 상태 정보를 적용하여 복수의 상태 정보들을 축소된 복합 차원 형태로 데이터베이스(140)에 저장할 수 있다.

유사한 특징을 가지는 정보(특정 정보 등)들은 복합 차원에서 파티셔닝이 수행되어 서로 그룹핑된 상태일 것이다. 따라서, 동일/유사한 정보(특정 정보)는 하나의 그룹으로 저장되어 검색이 용이할 수 있다.

이때, 사용자 맞춤형 식품 정보 제공 시스템(100)은 사용자의 상태 정보(전부 또는 일부)를 획득하고, 전처리 과정 등을 거친 후 상기 사용자의 상태 정보와 대응하는 파티셔닝된 그룹을 데이터베이스(140) 내에서 탐색할 수 있다.

또한, 사용자 맞춤형 식품 정보 제공 시스템(100)은 상기 그룹 내 기존 데이터에 대해 일대일로 유사도 계산을 수행하여 상기 사용자의 상태 정보와 대응하는 케이스를 탐색할 수 있다.

즉, 특징 추출을 위한 기계 학습 기법을 적용하여 빅데이터의 차원을 복합 차원으로 줄임으로써 사용자의 유사 사례를 검색하는 계산 복잡도를 획기적으로 줄일 수 있다. 또한, 유사한 특성을 가지는 상태 정보(예를 들어, 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중에서 적어도 하나 이상)들을 복수의 유사 그룹으로 그룹핑하는 파티셔닝 기술을 적용하여 사용자의 개인 상태 정보가 입력되었을 때 모든 상태 정보에 대한 유사도 계산을 수행하지 않고, 상기 개인 상태 정보가 어느 파티션에 속하는지를 판단함으로써 상기 특정 파티션의 유사 그룹에 대해서만 유사도 계산을 수행할 수 있도록 하여, 사용자의 건강(또는 영양) 상태와 유사한 사례를 검색하는 데에 소요되는 시간을 획기적으로 줄일 수 있다.

한편, 사용자 맞춤형 식품 정보 제공 시스템(100)은 사용자의 건강 상태를 기초로 사용자의 건강 증진과 관련된 식품, 일반 식품 및 건강 기능 식품에 대한 정보를 도출하여 사용자 단말(200)에 제공할 수 있다.

상기 제공 프로세스는 처리부(130)에 의해 수행될 수 있으며, 빅 데이터를 기반으로 사용자 건강(또는 영양) 상태와 식품 성분 간의 상관도 추출을 위한 기계 학습을 수행하고, 추출된 상관도에 따라 사용자에게 적합한 식품 정보를 도출할 수 있다.

또한, 식품 정보 제공 시스템(100)은 사용자로 하여금 제공된 식품에 대해 선별(filtering) 또는 선택(selection)하여 사용자 단말(200)을 통해 주문하도록 할 수 있다.

또한, 분석부(120)는 기계학습 모델에서 사용자의 상태 정보를 조합하여 사용자의 영양 위험도를 추가적으로 예측할 수 있다.

처리부(130)는 예측된 영양 위험도에 대응하거나 건강 상태 개선 상관도에 대응하는 소정 식품(건강 증진 식품)에 대한 정보를 사용자 단말(200)에 추가 제공할 수 있다.

본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이지 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100: 사용자 맞춤형 식품 정보 서비스 제공 시스템
110: 정보 수집부
120: 분석부
130: 처리부
140: 데이터베이스
200: 사용자 단말

Claims (8)

1. 사용자 맞춤형 식품 정보 서비스를 제공하는 방법에 있어서,
   복수의 식품 각각에 포함된 영양 성분이 데이터베이스에 저장된 상태에서, 상기 영양 성분에 기초하여 상기 복수의 식품이 복수 개의 영양 카테고리에 분류되어 있다고 할 때,
   (a) 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 사용자의 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상의 상태 정보를 획득하는 단계;
   (b) 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 획득된 상태 정보에 기초하여 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하여 상태 분석 정보를 도출하고, 이를 상기 데이터베이스에 업데이트하는 단계;
   (c) 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 복수 개의 영양 카테고리 중 상기 도출된 상태 분석 정보와 매칭되는 특정 영양 카테고리를 도출하는 단계; 및
   (d) 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 특정 영양 카테고리에 포함된 특정 식품에 대한 정보를 상기 사용자의 단말에 전송하는 단계;
   를 포함하는 방법.
2. 제1항에 있어서,
   상기 사용자의 상태 정보에 건강 상태 정보가 포함되어 있고, 상기 건강 상태 정보에 상기 사용자의 건강을 추정할 수 있는 복수의 지표가 포함되어 있는 상태에서,
   상기 사용자가 건강하다고 판단되는 수준을 나타내는 건강 지표가 상기 복수의 지표를 기초로 존재한다고 할 때,
   상기 사용자 맞춤형 식품 정보 서비스 제공 시스템은, 상기 사용자의 상태 정보와 상기 건강 지표를 비교하고 이에 따라 상기 사용자의 건강 상태를 고위험 레벨, 저위험 레벨 및 일반 레벨 중 어느 하나의 특정 레벨로 분류하며, 상기 복수 개의 영양 카테고리 중 상기 특정 레벨과 매칭되는 상기 특정 영양 카테고리를 도출하는 것을 특징으로 하는 방법.
3. 제2항에 있어서,
   상기 복수의 지표가 적어도 제1 지표 및 제2 지표를 포함하고, 상기 건강 지표가 상기 사용자의 나이 및 성별을 기초로 상기 복수의 지표 마다 결정된다고 할 때,
   상기 사용자 맞춤형 식품 정보 서비스 제공 시스템은, 상기 제1 지표 및 상기 제2 지표 중 어느 하나의 특정 지표 및 이에 대응하는 특정 건강 지표를 비교하고, 비교 결과를 기초로 상기 사용자의 건강 상태를 상기 고위험 레벨, 상기 저위험 레벨 및 상기 일반 레벨 중 어느 하나의 특정 레벨로 분류하며, 상기 복수 개의 영양 카테고리 중 상기 특정 레벨과 매칭되는 상기 특정 영양 카테고리를 도출하는 것을 특징으로 하는 방법.
4. 제2항에 있어서,
   상기 사용자의 상태 정보에 감정 상태 정보 및 환경 상태 정보 중 적어도 어느 하나가 더 포함되어 있다고 할 때,
   상기 사용자 맞춤형 식품 정보 서비스 제공 시스템이, 상기 특정 레벨과 매칭되는 상기 특정 영양 카테고리에 포함된 특정 식품 중 상기 감정 상태 정보 및/또는 상기 환경 상태 정보에 매칭되는 식품에 대한 정보를 상기 사용자의 단말에 전송하는 것을 특징으로 하는 방법.
5. 제1항에 있어서,
   상기 사용자 맞춤형 식품 정보 서비스 제공 시스템은,
   상기 사용자 단말 및/또는 외부 서버로부터 상기 상태 정보를 지속적으로 획득하여 이를 상기 데이터베이스에 업데이트하며, 설정된 주기에 따라 상기 특정 식품에 대한 정보 및 상기 상태 정보에 대한 전문가 또는 인공지능의 의견을 상기 사용자의 단말에 전송하는 것을 특징으로 하는 방법.
6. 제1항에 있어서,
   복수의 사용자들의 상태 정보 중 특정 정보들이 그룹핑되어 있고, 상기 특정 정보들이 복합 차원 상태로 축소되어 저장되어 있는 상태에서, 상기 사용자의 상태 정보를 획득하였다고 할 때,
   상기 사용자의 상태 정보 중 특정 정보와 대응하는 그룹 내에서, 상기 사용자 맞춤형 식품 정보 서비스 제공 시스템은, 상기 사용자의 상태 정보와 대응하는 케이스를 탐색하는 것을 특징으로 하는 방법.
7. 제1항에 있어서,
   상기 사용자 맞춤형 식품 정보 서비스 제공 시스템은, 상기 사용자의 건강 상태에 포함된 영양 위험도에 기초하여, 이에 대응하는 소정 식품에 대한 정보를 상기 사용자 단말에 추가적으로 전송하는 것을 특징으로 하는 방법.
8. 사용자 맞춤형 식품 정보 서비스를 제공하는 시스템에 있어서,
   복수의 식품 각각에 포함된 영양 성분이 데이터베이스에 저장된 상태에서, 상기 영양 성분에 기초하여 상기 복수의 식품이 복수 개의 영양 카테고리에 분류되어 있다고 할 때,
   사용자의 건강 상태 정보, 감정 상태 정보 및 환경 상태 정보 중 적어도 하나 이상의 상태 정보를 획득하는 정보 수집부;
   상기 획득된 상태 정보에 기초하여 상기 사용자의 건강 상태, 감정 상태 및 환경 상태 중 적어도 하나 이상을 분석하여 상태 분석 정보를 도출하는 분석부; 및
   상기 도출된 상태 분석 정보를 상기 데이터베이스에 업데이트하고, 상기 복수 개의 영양 카테고리 중 상기 도출된 상태 분석 정보와 매칭되는 특정 영양 카테고리를 도출하며, 상기 특정 영양 카테고리에 포함된 특정 식품에 대한 정보를 상기 사용자의 단말에 전송하는 처리부;
   를 포함하는, 사용자 맞춤형 식품 정보 서비스 제공 시스템.

Images