KR20210075337A - Apparatus and method for determinating taste similarity of users - Google Patents

Apparatus and method for determinating taste similarity of users Download PDF

Info

Publication number
KR20210075337A
KR20210075337A KR1020190166281A KR20190166281A KR20210075337A KR 20210075337 A KR20210075337 A KR 20210075337A KR 1020190166281 A KR1020190166281 A KR 1020190166281A KR 20190166281 A KR20190166281 A KR 20190166281A KR 20210075337 A KR20210075337 A KR 20210075337A
Authority
KR
South Korea
Prior art keywords
users
characteristic
taste
computing device
group
Prior art date
Application number
KR1020190166281A
Other languages
Korean (ko)
Other versions
KR102272063B1 (en
Inventor
임계수
Original Assignee
임계수
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 임계수 filed Critical 임계수
Priority to KR1020190166281A priority Critical patent/KR102272063B1/en
Publication of KR20210075337A publication Critical patent/KR20210075337A/en
Application granted granted Critical
Publication of KR102272063B1 publication Critical patent/KR102272063B1/en

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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Abstract

The present invention provides a method for calculating taste similarity of two different users. The method for calculating taste similarity of two different users comprises: (a) a step in which a computing device groups a plurality of dishes in accordance with a first property among a plurality of properties associated with the taste of a user for a specific dish; (b) a step in which the computing device compares evaluation results of two users for dishes within each property group consisting of dishes sharing a first property value for the first property; (c) a step in which the computing device newly groups a plurality of dishes in accordance with a second property; (d) a step in which the computing device compares evaluation results of the two users for dishes within each property group newly consisting of dishes sharing a second property value for the second property again; and (e) a step in which the computing device determines a property group causing the taste similarity of the two users to become higher than or equal to a first threshold value among a plurality of property groups generated as a grouping result in accordance with a plurality of properties as a similar taste group.

Description

사용자들의 입맛 유사도를 판단하는 장치 및 방법{APPARATUS AND METHOD FOR DETERMINATING TASTE SIMILARITY OF USERS}Apparatus and method for determining taste similarity of users {APPARATUS AND METHOD FOR DETERMINATING TASTE SIMILARITY OF USERS}

이하의 설명은 복수의 사용자들의 입맛 유사도를 판단하는 장치 및 방법에 관한 것이다. 보다 구체적으로는, 특성값을 공유하는 음식들로 구성되는 특성 그룹 내에서 각각의 음식들에 대한 두 사용자의 평가 결과를 비교함으로써 복수의 사용자들의 입맛 유사도를 판단하는 장치 및 방법에 관한 것이다.The following description relates to an apparatus and method for determining taste similarity of a plurality of users. More specifically, the present invention relates to an apparatus and method for determining taste similarity of a plurality of users by comparing evaluation results of two users for each food in a characteristic group consisting of foods sharing a characteristic value.

빅데이터에 기반하여 음식이나 레스토랑을 추천하는 다양한 어플리케이션이 개발되고 있다. 그러나, 종래의 솔루션들은 특정 음식이나 레스토랑에 대한 전문가 및 일반인의 평가 정보를 이용한다는 점에서 개개인이 갖는 고유한 성향이나 식습관, 기호(taste)를 반영하지 못한다는 한계가 존재한다. 종래 기술의 경우, 음식이나 레스토랑에 대한 복수의 평가 정보가 제공되더라도, 실제 평가를 한 사람과 추천을 받는 사람의 개인적 특성이 다른 경우에는 기호에 맞는 정확한 정보를 제공하지 못한다. 따라서 서로 간에 입맛 유사도가 높은 사용자들을 이용하여 음식 콘텐츠를 개인의 입맛에 따라 큐레이션(curation)하는 기술의 필요성이 존재한다.Various applications for recommending food or restaurants based on big data are being developed. However, there is a limit in that the conventional solutions do not reflect the unique tendency, eating habits, and taste of each individual in that they use evaluation information of experts and the general public for a specific food or restaurant. In the case of the prior art, even if a plurality of evaluation information on food or a restaurant is provided, when the personal characteristics of the person who actually evaluated and the person who received the recommendation are different, accurate information according to the preference cannot be provided. Therefore, there is a need for a technology for curating food contents according to individual tastes by using users with high taste similarity to each other.

대한민국 등록특허 제1950870호에는 맛성향평가를 이용한 개인 음식 성향의 분석 장치 및 방법이 제공된다. 구체적으로, 대상특허는 사용자가 입력한 음식에 대한 맛, 양, 신선도, 서비스, 청결도에 대한 음식 평가 항목 정보를 처리하는 평가데이터 처리부 구성을 포함하고 있다. 그러나, 대상특허는 특성값을 공유하는 음식들로 구성되는 특성 그룹 내에서 각각의 음식들에 대한 두 사용자의 평가 결과를 비교하는 구성에 대해서는 어떠한 기술적 사상도 개시하지 못하고 있다. 또한, 종래의 기술은 서비스, 위생 상태 또는 가격과 같은 오로지 입맛이라고 정의하기 어려운 요소들을 함께 평가하기 때문에, 사용자의 입맛 자체를 직접적으로 평가하기에는 한계가 존재한다.Republic of Korea Patent Registration No. 1950870 provides an apparatus and method for analyzing individual food preferences using taste preference evaluation. Specifically, the target patent includes a configuration of an evaluation data processing unit that processes food evaluation item information on taste, quantity, freshness, service, and cleanliness of food input by a user. However, the target patent does not disclose any technical idea about a configuration for comparing evaluation results of two users for each food within a characteristic group consisting of foods sharing characteristic values. In addition, since the prior art evaluates factors that are difficult to define solely as taste, such as service, hygiene, or price, there is a limit in directly evaluating the user's taste itself.

적어도 하나의 실시 예에 따르면, 특성값을 공유하는 음식들로 구성되는 특성 그룹 내에서 각각의 음식들에 대한 두 사용자의 평가 결과를 비교함으로써 복수의 사용자들의 입맛 유사도를 판단하는 장치 및 방법이 개시된다.According to at least one embodiment, there is disclosed an apparatus and method for determining taste similarity of a plurality of users by comparing evaluation results of two users for each food within a characteristic group consisting of foods sharing a characteristic value. do.

일 측면에 따르면, 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법이 제공된다. 상기 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법은 (a) 컴퓨팅 장치가, 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑하는 단계, (b) 상기 컴퓨팅 장치가, 상기 제1 특성에 대한 제1 특성값을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계, (c) 상기 컴퓨팅 장치가, 제2 특성에 따라 복수의 음식을 새롭게 그룹핑하는 단계, (d) 상기 컴퓨팅 장치가, 상기 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교하는 단계 및 (e) 상기 컴퓨팅 장치가, 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정하는 단계를 포함할 수 있다.According to one aspect, a method for calculating taste similarity of two different users is provided. The method for calculating the taste similarity of the two different users may include: (a) grouping, by a computing device, a plurality of foods according to a first characteristic among a plurality of characteristics related to the user's taste for a specific food; (b) comparing, by the computing device, evaluation results of two users on foods within each characteristic group consisting of foods sharing a first characteristic value for the first characteristic, (c) the Newly grouping, by the computing device, a plurality of foods according to the second characteristic, (d), by the computing device, within each characteristic group newly composed of foods sharing the second characteristic value for the second characteristic. Comparing again the evaluation results of the two users for the food in (e) the computing device, the taste similarity of the two users among a plurality of characteristic groups generated as a grouping result according to the plurality of characteristics is a first threshold It may include determining a characteristic group that is abnormal as a similar taste group.

일 실시 예에 따르면, 상기 (b) 단계는 (b1) 상기 컴퓨팅 장치가, 수학식 1에 따라 제1-1 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계 및 (b2) 상기 컴퓨팅 장치가, 상기 (b1) 단계의 평가 결과인 SIM11(u,v)를 이용하여 수학식 2에 따라 상기 두 사용자의 입맛 유사도 OUT11(u,v)를 계산하는 단계를 더 포함하고, 상기 수학식 1은

Figure pat00001
이고, I11은 제1-1 특성 그룹에 포함되는 음식들을 원소로서 포함하는 집합이고, i는 제1-1 특성 그룹에 포함되는 음식들 중 i 번째 음식이고, μu는 제1 사용자 u의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, μv는 제2 사용자 v의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, rui는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 u의 평점이고, rvi는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 v의 평점이고, 상기 수학식 2는
Figure pat00002
인 것을 특징으로 할 수 있다.According to an embodiment, the step (b) includes (b1) comparing, by the computing device, the evaluation results of two users for foods in the 1-1 characteristic group according to Equation 1, and (b2) The method further comprising the step of calculating, by the computing device, the taste similarity OUT 11 (u, v) of the two users according to Equation 2 using SIM 11 (u, v), which is the evaluation result of step (b1), , Equation 1 is
Figure pat00001
, I 11 is a set including foods included in the 1-1 characteristic group as elements, i is the i-th food among foods included in the 1-1 characteristic group, and μ u is the is the average rating for the foods included in the 1-1 characteristic group, μ v is the average rating for the foods included in the 1-1 characteristic group of the second user v, and r ui is the 1-1 characteristic The first user u's rating for food i included in the group, r vi is the first user v's rating for food i included in the 1-1 characteristic group, and Equation 2 is
Figure pat00002
It may be characterized as being

다른 일 실시 예에 따르면, 상기 (e) 단계는 (e1) 상기 컴퓨팅 장치가, 상기 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제2 임계치 미만이 되는 특성 그룹을 상반(相反) 입맛 그룹으로 결정하는 단계 및 (e2) 상기 컴퓨팅 장치가, 상기 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 상기 제1 임계치 미만이 되고, 상기 제2 임계치 이상이 되는 특성 그룹을 중립 입맛 그룹으로 결정하는 단계를 포함할 수 있다.According to another embodiment, in step (e), (e1) the computing device, among a plurality of characteristic groups generated as a result of grouping according to the plurality of characteristics, the taste similarity of the two users is less than a second threshold. determining, by the computing device, the taste similarity of the two users among the plurality of characteristic groups is less than the first threshold and greater than or equal to the second threshold, determining, by the computing device, the characteristic group as the opposite taste group. determining the characteristic group as a neutral taste group.

또 다른 일 실시 예에 따르면, 상기 방법은 (f) 특정 음식에 연관되는 가맹점에 대한 상기 두 사용자의 평점 및 후기에 기반하여 상기 입맛 유사도를 보정하는 단계를 더 포함하고, 상기 (f) 단계는, (f1) 상기 두 사용자의 후기에 대한 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단하는 단계 및 (f2) 상기 복수의 음식에 대한 상기 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 상기 두 사용자의 입맛 유사도를 보정하는 단계를 포함할 수 있다.According to another embodiment, the method further includes (f) correcting the taste similarity based on the ratings and reviews of the two users for the affiliated store related to the specific food, and the step (f) includes: , (f1) judging whether the reaction tendency to the food provided by the affiliated store is similar from the text mining results for the reviews of the two users, and (f2) the difference between the average ratings of the two users for the plurality of foods and Compensating the similarity of taste of the two users by comparing the standard deviation of the average ratings of all users for the plurality of foods.

도 1은 일 실시 예에 따른 컴퓨팅 장치가 특정 음식에 대한 사용자의 평점을 입력 받는 화면의 예시도이다.
도 2는 다른 일 실시 예에 따른 컴퓨팅 장치가 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법을 나타내는 흐름도이다.
도 3a는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 두 사용자 사이의 입맛 유사도를 출력하는 화면의 예시도이다.
도 3b 및 도 3c는 각각의 특성 그룹에 대해 두 사용자의 평가 결과가 비교되는 과정을 설명하는 예시도이다.
도 4는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 가맹점에 대한 상기 두 사용자의 평점 및 후기에 기반하여 상기 입맛 유사도를 보정하는 과정을 설명하는 흐름도이다.1 is an exemplary diagram of a screen through which a computing device receives a user's rating for a specific food, according to an embodiment.
2 is a flowchart illustrating a method of calculating, by a computing device, a degree of taste similarity between two users, according to another exemplary embodiment.
3A is an exemplary view of a screen on which a computing device outputs a taste similarity between two users according to another embodiment.
3B and 3C are exemplary diagrams for explaining a process in which evaluation results of two users are compared for each characteristic group.
4 is a flowchart illustrating a process in which the computing device corrects the taste similarity based on the ratings and reviews of the two users with respect to the affiliated store according to another embodiment.

실시 예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시 예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for the purpose of illustration only, and may be changed and implemented in various forms. Accordingly, the embodiments are not limited to the specific disclosure form, and the scope of the present specification includes changes, equivalents, or substitutes included in the technical spirit.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Although terms such as first or second may be used to describe various components, these terms should be interpreted only for the purpose of distinguishing one component from another. For example, a first component may be termed a second component, and similarly, a second component may also be termed a first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When a component is referred to as being “connected to” another component, it may be directly connected or connected to the other component, but it should be understood that another component may exist in between.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present specification, terms such as "comprise" or "have" are intended to designate that the described feature, number, step, operation, component, part, or combination thereof exists, but one or more other features, number, step , it should be understood that it does not preclude the possibility of the existence or addition of , operation, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present specification. does not

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. In the description with reference to the accompanying drawings, the same components are assigned the same reference numerals regardless of the reference numerals, and overlapping descriptions thereof will be omitted.

도 1은 일 실시예에 따른 컴퓨팅 장치가 특정 음식에 대한 사용자의 평점을 입력 받는 화면의 예시도이다. 도 1을 참조하면, 컴퓨팅 장치(100)에 출력되는 예시적 화면이 도시된다. 컴퓨팅 장치(100)는 통신부 및 프로세서를 포함하고, 통신부를 통하여 다른 컴퓨팅 장치(미도시)와 직간접적으로 통신할 수 있다. 통신부는 통신 인터페이스를 포함할 수 있다. 이를테면, 통신 인터페이스는 WLAN(Wireless LAN), WiFi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등의 무선 인터넷 인터페이스와 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication) 등의 근거리 통신 인터페이스를 포함할 수 있다. 뿐만 아니라, 통신 인터페이스는 외부와 통신을 수행할 수 있는 모든 인터페이스(예를 들어, 유선 인터페이스)를 나타낼 수 있다.1 is an exemplary diagram of a screen through which a computing device receives a user's rating for a specific food, according to an embodiment. Referring to FIG. 1 , an exemplary screen output to the computing device 100 is illustrated. The computing device 100 includes a communication unit and a processor, and may communicate directly or indirectly with another computing device (not shown) through the communication unit. The communication unit may include a communication interface. For example, the communication interface is WLAN (Wireless LAN), WiFi (Wireless Fidelity) Direct, DLNA (Digital Living Network Alliance), Wibro (Wireless broadband), Wimax (World Interoperability for Microwave Access), HSDPA (High Speed Downlink Packet Access), etc. wireless Internet interface of Bluetooth™, RFID (Radio Frequency Identification), Infrared Data Association (IrDA), UWB (Ultra Wideband), ZigBee, NFC (Near Field Communication), etc. can In addition, the communication interface may represent any interface (eg, a wired interface) capable of performing communication with the outside.

구체적으로, 상기 컴퓨팅 장치(100)는, 전형적인 컴퓨터 하드웨어(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS; network-attached storage) 및 스토리지 영역 네트워크(SAN; storage area network)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령어들)의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있다.Specifically, the computing device 100 includes typical computer hardware (eg, a computer processor, memory, storage, input device and output device, device that may include other components of a conventional computing device; router, switch, etc.) Electronic communication devices; electronic information storage systems, such as network-attached storage (NAS) and storage area networks (SANs)) and computer software (i.e., that enable the computing device to function in a particular way). instructions) to achieve the desired system performance.

이와 같은 컴퓨팅 장치의 통신부는 연동되는 타 컴퓨팅 장치와 요청과 응답을 송수신할 수 있는 바, 일 예시로서 그러한 요청과 응답은 동일한 TCP(transmission control protocol) 세션(session)에 의하여 이루어질 수 있지만, 이에 한정되지는 않는 바, 예컨대 UDP(user datagram protocol) 데이터그램(datagram)으로서 송수신될 수도 있을 것이다. 덧붙여, 넓은 의미에서 상기 통신부(110)는 명령어 또는 지시 등을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치, 프린터, 디스플레이, 기타 외부 출력장치를 포함할 수 있다.The communication unit of such a computing device may transmit and receive a request and a response to and from another computing device that is interlocked. As an example, such a request and a response may be made by the same transmission control protocol (TCP) session, but limited thereto. However, it may be transmitted and received as, for example, a user datagram protocol (UDP) datagram. In addition, in a broad sense, the communication unit 110 may include a keyboard, a mouse, other external input devices, printers, displays, and other external output devices for receiving commands or instructions.

또한, 컴퓨팅 장치의 프로세서는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit), NPU(neural processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.In addition, the processor of the computing device includes a micro processing unit (MPU), a central processing unit (CPU), a graphics processing unit (GPU), a neural processing unit (NPU) or a tensor processing unit (TPU), a cache memory, and data. It may include a hardware configuration such as a data bus. In addition, it may further include an operating system, a software configuration of an application for performing a specific purpose.

컴퓨팅 장치(100)의 프로세서는 디스플레이를 통해 미리 지정된 복수의 음식들 사진을 출력할 수 있다. 도 1의 경우, 컴퓨팅 장치(100)의 디스플레이를 통해 삼겹살의 이미지(110)가 출력된다. 사용자는 삼겹살에 대한 취향을 화면 상에 출력되는 그래픽 오브젝트들(120)과 인터랙션함으로써 음식에 대한 자신의 호감도를 컴퓨팅 장치(100)에 전달할 수 있다. 도 1의 경우, 그래픽 오브젝트들(120)은 "싫어함", "별로임", "그럭저럭", "좋아함" 및 "매우 좋아함"을 나타낼 수 있다. 도 1은 이해를 돕기 위한 예시적 기재일 뿐, 컴퓨팅 장치(100)가 수치화된 평점으로 사용자의 호감도를 입력 받는 실시 예 또한 구현 가능할 것이다.The processor of the computing device 100 may output pictures of a plurality of predetermined foods through the display. In the case of FIG. 1 , the image 110 of pork belly is output through the display of the computing device 100 . The user may transmit his or her preference for food to the computing device 100 by interacting with the graphic objects 120 that are output on the screen. In the case of FIG. 1 , the graphic objects 120 may indicate “dislike”, “dislike”, “good enough”, “like”, and “like very much”. FIG. 1 is only an exemplary description for helping understanding, and an embodiment in which the computing device 100 receives a user's favorable feeling as a numerical rating may also be implemented.

컴퓨팅 장치(100)는 각각의 음식에 대한 복수의 특성값을 저장하고, 관리할 수 있다. 예시적으로, 복수의 특성은 해당 음식이 음식 분류 중 어디에 속하는지를 나타내는 메뉴 특성, 해당 음식을 대표하는 맛을 나타내는 맛 특성, 해당 음식을 섭취할 때 입 안에서의 느낌을 나타내는 식감 특성을 포함할 수 있다. 위의 예시는 이해를 돕기 위한 예시일 뿐, 다른 실시 예를 제한하거나 한정하는 것은 아니다.The computing device 100 may store and manage a plurality of characteristic values for each food. Illustratively, the plurality of characteristics may include a menu characteristic indicating to which food category the corresponding food belongs, a taste characteristic indicating a taste representative of the corresponding food, and a texture characteristic indicating a feeling in the mouth when the corresponding food is consumed. have. The above example is only an example for helping understanding, and does not limit or limit other embodiments.

도 1의 실시 예에서, 삼겹살은 메뉴 특성 내에서 고기류를 나타내는 특성값을 가지고, 맛 특성 내에서는 기름진 맛을 나타내는 특성값을 가지고, 식감 특성 내에서는 쫀득한 식감을 나타내는 특성값을 가질 수 있다. 다른 일 실시 예로서, 컴퓨팅 장치(100)는 콩국수의 이미지를 출력할 수 있다. 이 경우에도, 마찬가지로 사용자는 콩국수에 대한 취향을 화면 상에 출력되는 그래픽 오브젝트들과 인터랙션하는 방식으로 콩국수에 대한 호감도를 컴퓨팅 장치(100)로 입력할 수 있다. 콩국수의 경우, 삼겹살과 다르게 메뉴 특성 내에서 면을 나타내는 특성값을 가지고, 맛 특성 내에서는 담백하고 고소한 맛을 나타내는 특성값을 가지고, 식감 특성 내에서는 걸쭉한 식감을 나타내는 특성값을 가질 수 있을 것이다.In the embodiment of FIG. 1 , pork belly may have a characteristic value indicating meat within the menu characteristics, a characteristic value indicating an oily taste within the taste characteristic, and may have a characteristic value indicating a chewy texture within the texture characteristic. As another embodiment, the computing device 100 may output an image of bean noodles. In this case, similarly, the user may input a liking for bean noodles into the computing device 100 by interacting with graphic objects output on the screen. In the case of bean noodles, unlike pork belly, it has a characteristic value indicating noodles within the menu characteristics, has a characteristic value indicating a light and savory taste within the taste characteristic, and has a characteristic value indicating a thick texture within the texture characteristic.

도 2는 다른 일 실시 예에 따른 컴퓨팅 장치가 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법을 나타내는 흐름도이다. 도 2를 참조하면, 컴퓨팅 장치가 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법(200)은 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑하는 단계(210), 제1 특성에 대한 제1 특성값 을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계(220), 제2 특성에 따라 복수의 음식을 새롭게 그룹핑하는 단계(230), 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교하는 단계(240) 및 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정하는 단계(250)를 포함할 수 있다.2 is a flowchart illustrating a method of calculating, by a computing device, a degree of taste similarity between two users, according to another exemplary embodiment. Referring to FIG. 2 , in a method 200 for a computing device to calculate taste similarity of two different users, a plurality of foods are selected according to a first characteristic among a plurality of characteristics related to the user's taste for a specific food. Grouping (210), comparing the evaluation results of two users for foods in each characteristic group consisting of foods sharing the first characteristic value for the first characteristic (220), the second characteristic According to the step 230 of newly grouping a plurality of foods, the evaluation results of the two users for the foods in each characteristic group newly composed of foods sharing the second characteristic value for the second characteristic are re- Comprising the step of comparing (240) and determining (250) a characteristic group in which the taste similarity of the two users is greater than or equal to a first threshold among a plurality of characteristic groups generated as a result of grouping according to the plurality of characteristics as a similar taste group can do.

단계(210)에서 컴퓨팅 장치는 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑할 수 있다. 예를 들어 제1 특성이 음식의 메뉴 특성인 경우, 컴퓨팅 장치는 메뉴 특성 중 분식 메뉴를 나타내는 특성값을 공유하는 "돈가스, 튀김류, 핫도그, 떡볶이, 어묵, 순대"를 제1-1 특성 그룹으로 그룹핑할 수 있다. 다른 일 실시 예로서, 컴퓨팅 장치는 메뉴 특성 중 면 메뉴를 나타내는 특성값을 공유하는 "물냉면, 나가사키 짬뽕, 비빔냉면, 짜장면, 콩국수, 냉면"을 제1-2 특성 그룹으로 그룹핑할 수 있다. 위와 같은 방식으로, 컴퓨팅 장치는 미리 지정된 복수의 음식들을 제1 특성에 따라 서로 다른 특성 그룹으로 그룹핑할 수 있다.In operation 210 , the computing device may group a plurality of foods according to a first characteristic among a plurality of characteristics related to the user's taste for a specific food. For example, when the first characteristic is a menu characteristic of food, the computing device selects "pork cutlet, tempura, hot dog, tteokbokki, fish cake, and sundae", which share a characteristic value representing a snack menu among the menu characteristics, as the 1-1 characteristic group. can be grouped. As another embodiment, the computing device may group "water naengmyeon, Nagasaki jjamppong, bibim naengmyeon, jajangmyeon, bean noodles, and naengmyeon" that share a characteristic value representing a noodle menu among the menu characteristics into a first-two characteristic group. In the above manner, the computing device may group a plurality of predetermined foods into different characteristic groups according to the first characteristic.

단계(220)에서 컴퓨팅 장치는 제1 특성에 대한 제1 특성값을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교할 수 있다. 구체적으로, 컴퓨팅 장치는 각각의 특성 그룹 내에 속하는 음식들에 대한 두 사용자의 평가 결과를 비교할 수 있다. 예를 들어, 컴퓨팅 장치가 수학식 1에 따라 제1-1 특성 그룹 내의 음식들에 대한 두 사용자의 평과 결과를 비교할 수 있다.In operation 220 , the computing device may compare the evaluation results of the two users with respect to foods within each characteristic group including foods that share the first characteristic value for the first characteristic. Specifically, the computing device may compare the evaluation results of the two users with respect to foods belonging to each characteristic group. For example, the computing device may compare the evaluation results of the two users on the foods in the 1-1 characteristic group according to Equation (1).

Figure pat00003
Figure pat00003

상기 수학식 1 에서 I11은 제1-1 특성 그룹에 포함되는 음식들을 원소로서 포함하는 집합이고, i는 제1-1 특성 그룹에 포함되는 음식들 중 i 번째 음식이고, μu는 제1 사용자 u의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, μv는 제2 사용자 v의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, rui는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 u의 평점이고, rvi는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 v의 평점이다. 예시적으로, 제1-1 특성 그룹에 "돈가스, 튀김류, 핫도그, 떡볶이, 어묵, 순대"이 포함되는 경우, 컴퓨팅 장치는 돈가스에 대한 두 사용자의 평점, 튀김류에 대한 두 사용자의 평점, 핫도그에 대한 두 사용자의 평점, 떡볶이에 대한 두 사용자의 평점, 어묵에 대한 두 사용자의 평점 및 순대에 대한 두 사용자의 평점들을 수학식 1에 따라 비교함으로써 제1-1 특성 그룹에 대한 두 사용자들의 평가 결과 SIM11(u,v)를 계산할 수 있다. 위의 실시 예에서는, 컴퓨팅 장치가 제1-1 특성 그룹에 대한 두 사용자들의 평가 결과 SIM11(u,v)를 계산하는 과정이 설명되나, 동일한 원리로 나머지 특성 그룹들에 대한 두 사용자들의 평가 결과가 계산될 수 있음은 통상의 기술자에게는 자명한 사실일 것이다.In Equation 1, I 11 is a set including foods included in the 1-1 characteristic group as elements, i is the i-th food among foods included in the 1-1 characteristic group, and μ u is the first User u is the average rating for the foods included in the 1-1 characteristic group, μ v is the average rating for the foods included in the 1-1 characteristic group of the second user v, and r ui is the first -1 is the rating of the first user u with respect to food i included in the characteristic group, and r vi is the rating of the first user v with respect to food i included in the 1-1 characteristic group. Illustratively, when "tonkatsu, tempura, hot dog, tteokbokki, fish cake, and sundae" are included in the 1-1 characteristic group, the computing device determines the ratings of the two users for the pork cutlet, the ratings of the two users on the fried food, and the hot dog. The evaluation result of the two users for the 1-1 characteristic group by comparing the ratings of the two users for the tteokbokki, the ratings of the two users for the fish cake, and the ratings of the two users for the sundae according to Equation 1 We can compute SIM 11 (u,v). In the above embodiment, a process in which the computing device calculates SIM 11 (u,v) as a result of evaluation of two users for the 1-1 characteristic group is described. However, in the same principle, evaluation of the two users for the remaining characteristic groups is described. It will be apparent to a person skilled in the art that the result can be calculated.

컴퓨팅 장치는 각각의 특성 그룹에 대한 두 사용자의 평가 결과를 이용하여 각각의 특성 그룹에 대한 두 사용자의 입맛 유사도를 계산할 수 있다. 예시적으로, 컴퓨팅 장치는 제1-1 특성 그룹에 대한 평가 결과인 SIM11(u,v)를 이용하여 수학식 2에 따라 상기 두 사용자의 입맛 유사도 OUT11(u,v)를 계산할 수 있다.The computing device may calculate the taste similarity of the two users for each characteristic group by using the evaluation result of the two users for each characteristic group. For example, the computing device may calculate the taste similarity OUT 11 (u, v) of the two users according to Equation 2 using SIM 11 (u, v), which is the evaluation result for the 1-1 characteristic group. .

Figure pat00004
Figure pat00004

단계(230)에서 컴퓨팅 장치는 제2 특성에 따라 복수의 음식을 새롭게 그룹핑할 수 있다. 예시적으로, 제1 특성이 메뉴 특성인 경우, 제2 특성은 맛 특성일 수 있다. 이 경우에, 컴퓨팅 장치는 맛 특성 중 매운 맛을 나타내는 특성값을 공유하는 "불닭볶음면, 떡볶이, 국물닭발, 오돌뼈, 불냉면, 불족발"을 제2-1 특성 그룹으로 그룹핑할 수 있다. 다른 일 실시 예로서, 컴퓨팅 장치는 맛 특성 중 짭잘한 맛을 나타내는 특성값을 공유하는 "고등어구이, 전복회, 어묵, 카레라이스, 페퍼로니 피자, 맥앤치즈"를 제2-2 특성 그룹으로 그룹핑할 수 있다.In operation 230 , the computing device may newly group a plurality of foods according to the second characteristic. For example, when the first characteristic is a menu characteristic, the second characteristic may be a taste characteristic. In this case, the computing device may group "buldak fried noodles, tteokbokki, soup chicken feet, odol bone, bulnaengmyeon, buljok feet", which share a characteristic value indicating a spicy taste, into a 2-1 characteristic group. As another embodiment, the computing device may group "roasted mackerel, abalone, fish cake, curry rice, pepperoni pizza, and mac and cheese" that share a characteristic value indicating a salty taste among taste characteristics into a second characteristic group 2-2. have.

단계(240)에서 컴퓨팅 장치는 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교할 수 있다. 예시적으로, 제2-1 특성 그룹에 "불닭볶음면, 떡볶이, 국물닭발, 오돌뼈, 불냉면, 불족발"이 포함되는 경우, 컴퓨팅 장치는 불닭볶음면에 대한 두 사용자의 평점, 떡볶이에 대한 두 사용자의 평점, 국물닭발에 대한 두 사용자의 평점, 오돌뼈에 대한 두 사용자의 평점, 불냉면에 대한 두 사용자의 평점 및 불족발에 대한 두 사용자의 평점들을 수학식 1과 같은 원리로 비교함으로써 제2-1 특성 그룹에 대한 두 사용자들의 평가 결과 SIM21(u,v)를 계산할 수 있다.In operation 240 , the computing device may compare the evaluation results of the two users with respect to foods within each characteristic group newly composed of foods sharing the second characteristic value for the second characteristic. Illustratively, when the 2-1 characteristic group includes "buldak fried noodles, tteokbokki, soup chicken feet, odol bone, bulnaengmyeon, buljokbal", the computing device determines the ratings of two users for buldakbokkimyeon and tteokbokki. By comparing the ratings of two users, two users' ratings for soup chicken feet, two users' ratings for odol bone, two users' ratings for Bulnaengmyeon, and two users' ratings for Buljok's feet, using the same principle as Equation 1. As a result of the evaluation of the two users on the 2-1 characteristic group, SIM 21 (u,v) can be calculated.

단계(250)에서 컴퓨팅 장치는 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정할 수 있다. 또한, 컴퓨팅 장치는 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제2 임계치 미만이 되는 특성 그룹을 상반(相反) 입맛 그룹으로 결정할 수 있다. 컴퓨팅 장치는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 상기 제1 임계치 미만이 되고, 상기 제2 임계치 이상이 되는 특성 그룹을 중립 입맛 그룹으로 결정할 수 있다.In operation 250 , the computing device may determine, as a similar taste group, a characteristic group in which the taste similarity of the two users is greater than or equal to a first threshold among a plurality of characteristic groups generated as a result of grouping according to the plurality of characteristics. Also, the computing device may determine a characteristic group in which the taste similarity of the two users is less than a second threshold among a plurality of characteristic groups generated as a result of grouping according to the plurality of characteristics as the opposite taste group. The computing device may determine, among the plurality of characteristic groups, a characteristic group in which the taste similarity of the two users is less than the first threshold and equal to or greater than the second threshold as a neutral taste group.

본 실시예의 따른 컴퓨팅 장치는 음식에 연관되는 맛, 메뉴 또는 식감 등과 같은 오로지 입맛에 연관되는 특성에 따라 음식을 그룹핑하는 방식으로 사용자들의 입맛 유사도를 평가함으로써, 종래의 가격 요인, 위생 요인, 분위기 요인과 같이 입맛이 아닌 외부 환경으로 음식이나 식당을 추천하는 방식보다 입맛 큐레이션의 효과를 극대화할 수 있다.The computing device according to the present embodiment evaluates the taste similarity of users by grouping food according to characteristics related to taste only, such as taste, menu, or texture related to food, and thus the conventional price factor, hygiene factor, and atmosphere factor. It is possible to maximize the effect of taste curation rather than recommending food or restaurants based on the external environment rather than the taste.

도 3a는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 두 사용자 사이의 입맛 유사도를 출력하는 화면의 예시도이다. 도 3a를 참조하면, 컴퓨팅 장치(300)가 사용자 A(310)와 사용자 B(320) 사이의 입맛 일치도를 90%로 계산하여 출력하는 화면이 도시된다. 구체적으로, 사용자 A(310)와 사용자 B(320)는 메뉴 특성 중 밥 메뉴, 국물 메뉴 및 해산물 메뉴에 대해 공통된 입맛을 가지고 있다. 또한, 사용자 A(310)와 사용자 B(320)는 맛 특성 중 고소한 맛, 얼큰한 맛, 짭짤한 맛 및 달달한 맛에 대해 공통된 입맛을 가지고 있다. 또한, 사용자 A(310)와 사용자 B(320)는 식감 특성 중 꼬들한 식감, 걸쭉한 식감 및 부들한 식감에 대해 공통된 입맛을 가지고 있다.3A is an exemplary view of a screen on which a computing device outputs a taste similarity between two users according to another embodiment. Referring to FIG. 3A , a screen in which the computing device 300 calculates and outputs the taste match between the user A 310 and the user B 320 as 90% is shown. Specifically, user A 310 and user B 320 have a common taste for a rice menu, a soup menu, and a seafood menu among menu characteristics. In addition, user A 310 and user B 320 have a common taste for savory taste, spicy taste, salty taste, and sweet taste among taste characteristics. In addition, user A 310 and user B 320 have a common taste for chewy texture, thick texture, and soft texture among the texture characteristics.

반면에 사용자 A(310)와 사용자 B(320)는 분식 메뉴 특성, 매운 맛 특성 및 쫄깃한 식감 특성에 대해서는 상반된 입맛을 가지고 있다. 이하에서는 사용자 A(310)와 사용자 B(320)의 평점을 이용하여 컴퓨팅 장치가 특성 그룹 내에서 입맛 유사도를 계산하는 과정이 설명된다.On the other hand, user A 310 and user B 320 have opposite tastes with respect to snack menu characteristics, spicy taste characteristics, and chewy texture characteristics. Hereinafter, a process in which the computing device calculates the taste similarity in the characteristic group using the ratings of the user A 310 and the user B 320 will be described.

도 3b 및 도 3c는 각각의 특성 그룹에 대해 두 사용자의 평가 결과가 비교되는 과정을 설명하는 예시도이다. 도 3b는 메뉴 특성에 대한 두 개의 특성 그룹을 도시한다. 컴퓨팅 장치는 분식 메뉴를 나타내는 제1-1 특성 그룹에 대해 수학식 1에 기반하여 돈가스, 김말이, 핫도그, 떡볶이, 어묵 및 순대 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 분식 메뉴의 경우, 입맛 유사도가 50% 미만인 10.5%가 계산됨으로써 컴퓨팅 장치는 분식 메뉴 특성을 상반(相反) 입맛 그룹으로 결정할 수 있다. 또한, 컴퓨팅 장치는 밥 메뉴를 나타내는 제1-2 특성 그룹에 대해 수학식 1과 같은 원리로 곤드레밥, 김치볶음밥, 카레라이스, 비빔밥, 규동 및 죽 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 밥 메뉴의 경우, 입맛 유사도가 50%를 초과하는 71%로서 계산됨으로써 컴퓨팅 장치는 밥 메뉴 특성을 유사 입맛 그룹으로 결정할 수 있다.3B and 3C are exemplary diagrams for explaining a process in which evaluation results of two users are compared for each characteristic group. Figure 3b shows two property groups for menu properties. The computing device calculates the taste similarity of user A 310 and user B 320 for each of pork cutlet, seaweed roll, hot dog, tteokbokki, fish cake, and sundae based on Equation 1 for the 1-1 characteristic group representing the snack menu. can be calculated In the case of a snack menu, 10.5% having a taste similarity of less than 50% is calculated, so that the computing device can determine the snack menu characteristic as a group of opposite tastes. In addition, the computing device uses the same principle as in Equation 1 with respect to the first and second characteristic group representing the rice menu, and the user A 310 and user B 320 for each of gonre rice, kimchi fried rice, curry rice, bibimbap, gyudon and porridge ) can be calculated for taste similarity. In the case of a rice menu, since the taste similarity is calculated as 71%, which exceeds 50%, the computing device may determine the rice menu characteristic as a similar taste group.

도 3c의 실시 예에서, 컴퓨팅 장치는 미리 지정된 음식들을 맛 특성에 기반하여 새롭게 그룹핑할 수 있다. 구체적으로, 컴퓨팅 장치는 매운 맛을 나타내는 제2-1 특성 그룹에 대해 수학식 1과 같은 원리로 불닭볶음면, 떡볶이, 국물닭발, 오돌뼈, 불냉면 및 불족발 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 마찬가지로, 매운 맛의 경우, 입맛 유사도가 50% 미만인 9%가 계산됨으로써 컴퓨팅 장치는 매운 맛 특성을 상반(相反) 입맛 그룹으로 결정할 수 있다. 또한, 컴퓨팅 장치는 짭잘한 맛을 나타내는 제2-2 특성 그룹에 대해 고등어구이, 전복회, 어묵, 카레라이스, 페퍼로니 피자 및 맥앤치즈 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 짭짤한 맛의 경우, 입맛 유사도가 50%를 초과하는 89%로서 계산됨으로써 컴퓨팅 장치는 밥 메뉴 특성을 유사 입맛 그룹으로 결정할 수 있다.In the embodiment of FIG. 3C , the computing device may newly group predetermined foods based on taste characteristics. Specifically, with respect to the 2-1 characteristic group representing the spicy taste, the computing device uses the same principle as in Equation 1 with user A 310 for each of Buldakbokkimyeon, Tteokbokki, Broth Chicken Feet, Odolbone, Bulnaengmyeon, and Buljokbal. The taste similarity of user B 320 may be calculated. Similarly, in the case of spiciness, 9% with taste similarity of less than 50% is calculated, so that the computing device can determine the spiciness characteristics as opposing taste groups. In addition, the computing device determines the taste similarity between user A 310 and user B 320 for each of grilled mackerel, abalone, fish cake, curry rice, pepperoni pizza, and mac and cheese for the 2-2 characteristic group representing the savory taste. can be calculated. In the case of savory taste, the taste similarity is calculated as 89%, which is greater than 50%, so that the computing device may determine the rice menu characteristic as a similar taste group.

도 3b 및 도 3c에 도시되지는 않았지만, 컴퓨팅 장치는 전체 특성 그룹에 대한 입맛 유사도의 평균을 구하는 방식으로 서로 다른 두 사용자의 입맛 일치도를 계산할 수 있다.Although not shown in FIGS. 3B and 3C , the computing device may calculate the taste congruence of two different users by calculating the average of taste similarities for all characteristic groups.

도 4는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 가맹점에 대한 두 사용자의 평점 및 후기에 기반하여 입맛 유사도를 보정하는 과정을 설명하는 흐름도이다. 도 4를 참조하면, 컴퓨팅 장치가 가맹점에 대한 두 사용자의 평점 및 후기에 기반하여 입맛 유사도를 보정하는 방법(400)은 두 사용자의 후기에 대한 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단하는 단계(410) 및 상기 복수의 음식에 대한 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 두 사용자의 입맛 유사도를 보정하는 단계(420)를 포함할 수 있다.4 is a flowchart illustrating a process in which a computing device corrects taste similarity based on ratings and reviews of two users for an affiliated store according to another embodiment. Referring to FIG. 4 , a method 400 in which the computing device corrects the taste similarity based on the ratings and reviews of two users for the affiliated store is a response to the food provided by the affiliated store from the text mining results for the reviews of the two users. Compensating the similarity of taste of two users by comparing the standard deviation of the average rating difference of the two users for the plurality of food and the average rating difference of the two users for the plurality of food and determining whether the tendency is similar ( 410 ) step 420 may be included.

단계(410)에서 컴퓨팅 장치는 특정 음식에 연관되는 가맹점에 대한 두 사용자의 후기 및 리뷰에 대해 텍스트 마이닝을 수행할 수 있다. 구체적으로, 컴퓨팅 장치는 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단할 수 있다. 구체적으로, 컴퓨팅 장치는 입맛에 대한 평가를 메모리 영역에 미리 저장하고, 텍스트 마이닝 결과가 긍정적인 평가 영역에 속하는지 부정적인 평가 영역에 속하는지 여부에 기반하여 사용자들의 가맹점에 대한 반응 성향의 유사 여부를 판단할 수 있다.In operation 410 , the computing device may perform text mining on reviews and reviews of two users for an affiliated store associated with a specific food. Specifically, the computing device may determine whether the response tendency to the food provided by the affiliated store is similar from the text mining result. Specifically, the computing device stores the taste evaluation in the memory area in advance, and determines whether the user's reaction propensity to the affiliated store is similar based on whether the text mining result belongs to the positive evaluation area or the negative evaluation area. can judge

단계(420)에서 컴퓨팅 장치는 상기 복수의 음식에 대한 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 두 사용자의 입맛 유사도를 보정할 수 있다. 컴퓨팅 장치는 미리 지정된 시간 주기에 맞춰 서로 다른 사용자들의 입맛 유사도를 업데이트할 수 있다.In step 420 , the computing device may correct the taste similarity of the two users by comparing the difference between the average ratings of the two users with respect to the plurality of foods and the standard deviation of the average ratings of all users with respect to the plurality of foods. The computing device may update the taste similarities of different users according to a predetermined time period.

예시적으로, 컴퓨팅 장치는 텍스트 마이닝 결과에 따라 두 사용자가 특정 가맹점의 특정 음식에 대해 유사한 반응 성향을 나타내지만 두 사용자의 평균 평점 차이가 전체 사용자들의 평균 평점의 표준편차 보다 큰 경우라면, 기존의 입맛 시험 결과를 보정할 필요가 있으므로, 두 사용자의 입맛 유사도를 상향 보정할 수 있다.For example, according to the text mining result, if two users show a similar reaction propensity to a specific food at a specific affiliate store, but the average rating difference between the two users is greater than the standard deviation of the average rating of all users, the existing Since it is necessary to correct the taste test results, the taste similarity of the two users can be upwardly corrected.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented by a hardware component, a software component, and/or a combination of a hardware component and a software component. For example, the apparatus, methods and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA) array), a programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions, may be implemented using one or more general purpose or special purpose computers. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave. The software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The program instructions recorded on the computer readable medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited drawings, those skilled in the art may apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.

Claims (5)

서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법에 있어서,
(a) 컴퓨팅 장치가, 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑하는 단계;
(b) 상기 컴퓨팅 장치가, 상기 제1 특성에 대한 제1 특성값을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계;
(c) 상기 컴퓨팅 장치가, 제2 특성에 따라 복수의 음식을 새롭게 그룹핑하는 단계;
(d) 상기 컴퓨팅 장치가, 상기 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교하는 단계; 및
(e) 상기 컴퓨팅 장치가, 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정하는 단계
를 포함하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
In the method of calculating the taste similarity of two different users,
(a) grouping, by the computing device, a plurality of foods according to a first characteristic among a plurality of characteristics related to a user's taste for a specific food;
(b) comparing, by the computing device, evaluation results of two users on foods within each characteristic group consisting of foods sharing a first characteristic value for the first characteristic;
(c) grouping, by the computing device, a plurality of new foods according to a second characteristic;
(d) comparing, by the computing device, evaluation results of the two users with respect to foods within each characteristic group newly composed of foods sharing a second characteristic value for the second characteristic; and
(e) determining, by the computing device, a characteristic group in which the taste similarity of the two users is greater than or equal to a first threshold among a plurality of characteristic groups generated as a result of grouping according to the plurality of characteristics as a similar taste group
A method of calculating the taste similarity of two different users, including
 제1항에 있어서,
상기 (b) 단계는,
(b1) 상기 컴퓨팅 장치가, 수학식 1에 따라 제1-1 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계; 및
(b2) 상기 컴퓨팅 장치가, 상기 (b1) 단계의 평가 결과인 SIM11(u,v)를 이용하여 수학식 2에 따라 상기 두 사용자의 입맛 유사도 OUT11(u,v)를 계산하는 단계
를 더 포함하고,
상기 수학식 1은,
Figure pat00005
이고, I11은 제1-1 특성 그룹에 포함되는 음식들을 원소로서 포함하는 집합이고, i는 제1-1 특성 그룹에 포함되는 음식들 중 i 번째 음식이고, μu는 제1 사용자 u의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, μv는 제2 사용자 v의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, rui는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 u의 평점이고, rvi는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 v의 평점이고,
상기 수학식 2는,
Figure pat00006
인 것을 특징으로 하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
According to claim 1,
Step (b) is,
(b1) comparing, by the computing device, evaluation results of two users on foods in the 1-1 characteristic group according to Equation 1; and
(b2) calculating, by the computing device, the taste similarity OUT 11 (u, v) of the two users according to Equation 2 using the SIM 11 (u, v) that is the evaluation result of step (b1)
further comprising,
Equation 1 is,
Figure pat00005
, I 11 is a set including foods included in the 1-1 characteristic group as elements, i is the i-th food among foods included in the 1-1 characteristic group, and μ u is the is the average rating for the foods included in the 1-1 characteristic group, μ v is the average rating for the foods included in the 1-1 characteristic group of the second user v, and r ui is the 1-1 characteristic is the rating of the first user u for food i included in the group, r vi is the rating of the first user v for food i included in the 1-1 characteristic group,
Equation 2 is,
Figure pat00006
A method of calculating the taste similarity of two different users, characterized in that
 제2항에 있어서,
상기 (e) 단계는,
(e1) 상기 컴퓨팅 장치가, 상기 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제2 임계치 미만이 되는 특성 그룹을 상반(相反) 입맛 그룹으로 결정하는 단계; 및
(e2) 상기 컴퓨팅 장치가, 상기 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 상기 제1 임계치 미만이 되고, 상기 제2 임계치 이상이 되는 특성 그룹을 중립 입맛 그룹으로 결정하는 단계
를 포함하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
3. The method of claim 2,
Step (e) is,
(e1) determining, by the computing device, a characteristic group in which the taste similarity of the two users is less than a second threshold among a plurality of characteristic groups generated as a result of grouping according to the plurality of characteristics as the opposite taste group ; and
(e2) determining, by the computing device, a characteristic group in which the taste similarity of the two users among the plurality of characteristic groups is less than the first threshold and greater than or equal to the second threshold as a neutral taste group
A method of calculating the taste similarity of two different users, including
 제3항에 있어서,
(f) 특정 음식에 연관되는 가맹점에 대한 상기 두 사용자의 평점 및 후기에 기반하여 상기 입맛 유사도를 보정하는 단계
를 더 포함하고,
상기 (f) 단계는,
(f1) 상기 두 사용자의 후기에 대한 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단하는 단계; 및
(f2) 상기 복수의 음식에 대한 상기 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 두 사용자의 입맛 유사도를 보정하는 단계
를 포함하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
4. The method of claim 3,
(f) correcting the taste similarity based on the ratings and reviews of the two users for the affiliated store related to a specific food
further comprising,
The step (f) is,
(f1) judging whether the reaction tendency to the food provided by the affiliated store is similar from the text mining results for the reviews of the two users; and
(f2) Compensating the taste similarity of the two users by comparing the standard deviation of the average rating difference of the two users for the plurality of food and the average rating of all users for the plurality of food
A method of calculating the taste similarity of two different users, including
 컴퓨터 장치로 하여금, 제1항 내지 제4항 중 어느 한 항의 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램.A computer program, stored in a machine-readable non-transitory recording medium, comprising instructions implemented to cause a computer device to perform the method of any one of claims 1 to 4.
KR1020190166281A 2019-12-13 2019-12-13 Apparatus and method for determinating taste similarity of users KR102272063B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190166281A KR102272063B1 (en) 2019-12-13 2019-12-13 Apparatus and method for determinating taste similarity of users

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190166281A KR102272063B1 (en) 2019-12-13 2019-12-13 Apparatus and method for determinating taste similarity of users

Publications (2)

Publication Number Publication Date
KR20210075337A true KR20210075337A (en) 2021-06-23
KR102272063B1 KR102272063B1 (en) 2021-07-02

Family

ID=76599521

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190166281A KR102272063B1 (en) 2019-12-13 2019-12-13 Apparatus and method for determinating taste similarity of users

Country Status (1)

Country Link
KR (1) KR102272063B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572228B1 (en) * 2022-11-14 2023-08-31 이민석 Server for managing tasty
KR102604774B1 (en) * 2023-01-18 2023-11-21 주식회사 래빗 Method and system for analyzing taste of food and beverage using biomimetic technology based on deep learning

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170116924A (en) * 2015-08-13 2017-10-20 정진호 Method for recommendation service of product using relative comparison, and device and program for the same
KR101950870B1 (en) 2018-04-27 2019-02-21 (주)소울시스템즈 Apparatus and method for analyzing personal food properties using taste inclination estimation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170116924A (en) * 2015-08-13 2017-10-20 정진호 Method for recommendation service of product using relative comparison, and device and program for the same
KR101950870B1 (en) 2018-04-27 2019-02-21 (주)소울시스템즈 Apparatus and method for analyzing personal food properties using taste inclination estimation

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102572228B1 (en) * 2022-11-14 2023-08-31 이민석 Server for managing tasty
KR102604774B1 (en) * 2023-01-18 2023-11-21 주식회사 래빗 Method and system for analyzing taste of food and beverage using biomimetic technology based on deep learning

Also Published As

Publication number Publication date
KR102272063B1 (en) 2021-07-02

Similar Documents

Publication Publication Date Title
US11201935B2 (en) Cooking device-based recipe pushing method and apparatus
US10803349B2 (en) Apparatus and method for determining taste of user based on latent variable
US20200042546A1 (en) System and computer method for visually guiding a user to a current interest
US20210174169A1 (en) Method to predict food color and recommend changes to achieve a target food color
KR102272063B1 (en) Apparatus and method for determinating taste similarity of users
US20140104385A1 (en) Method and apparatus for determining information associated with a food product
AU2013222093A1 (en) System and method for providing flavor advisement and enhancement
US10102477B2 (en) Modeling for flavor profiles
US20200170083A1 (en) Systems and methods for centralized remote control of heaters
KR20160116449A (en) Application System providing Cuisine Recipes
CN110989389A (en) Menu adjusting method and device
US10592957B2 (en) Analyzing user access of media for meal plans
KR20220012158A (en) Method and apparatus for providing personalized cooking service
US11024198B2 (en) Apparatus and method for estimating actual dietary content of meal of user
KR102481029B1 (en) Method, apparatus and system for providing food ingredient purchase service system based on food and beverage contents
CA2812783A1 (en) System and method for providing flavor advisement and enhancement
Kim The Platonic Ideal of Macaroni and Cheese.
Holste et al. What Cuisine?-A Machine Learning Strategy for Multi-label Classification of Food Recipes
KR20240031674A (en) Method for operating a system that identifies a user's eating habits, recommends food, and provides a food report
Fong National Pizza Day, I cheese you: The Clog's guide to local pizza.
Bruijns An Online Algorithm for Efficient and Diverse Meal Planning
JP2023132194A (en) Determination system, determination method and determination program for food
JP2020177468A (en) Recipe information provision system and program

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant