KR20210088385A - Ai 큐레이션 기반의 과일 추천 시스템 및 방법 - Google Patents

Abstract

본 발명은 AI 큐레이션 기반의 과일 추천 시스템 및 방법에 관한 것으로서, 과일 및 고객의 구매패턴에 대한 빅데이터를 이용한 AI 큐레이션에 의해 과일구성을 자동으로 추천하기 위한 것이다. 본 발명에 따른 AI 큐레이션 기반의 과일 추천 시스템은 생산자 단말기 및 소비자 단말기와 과일구매정보에 대한 통신이 가능하며, 사용자의 거래패턴에 적합한 과일을 추천하는 과일추천서버를 포함하되, 상기 과일추천서버는, 상기 생산자 단말기 및 상기 소비자 단말기로부터 정보를 수집하는 정보수집부, 상기 수집된 정보가 저장되는 데이터베이스부, 상기 데이터베이스부에 저장된 정보를 빅데이터 분석을 통해 소비자의 거래패턴을 추출하여 상품정보 및 사용자 정보와 연계하여 분석하는 빅데이터분석부 및 상기 빅데이터분석부가 분석한 정보에 의해 상기 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 과일선택부를 포함한다.

Description

AI 큐레이션 기반의 과일 추천 시스템 및 방법 {FRUIT RECOMMENDATION SYSTEM AND METHOD BASED ON ARTIFICIAL INTELLIGENCE CURATION}

본 발명은 AI 큐레이션 기반의 과일 추천 시스템 및 방법에 관한 것으로서, 보다 상세하게는 과일 및 고객의 구매패턴에 대한 빅데이터를 이용한 AI 큐레이션에 의해 과일구성을 자동으로 추천하는 시스템 및 방법에 관한 것이다.

본 발명을 제안하게 된 배경으로는, 기존의 과일구매 시스템은 제철 정기구독 과일의 과일구성이 주문금액에 맞게 고정되어 있다는 점, 과일 포장자의 임의대로 제철과일을 주문단가에 맞게 구성해서 배송한다는 점, 소비자의 다양한 취향에 맞게 과일 선택 및 과일 정기구독 서비스를 신청하는 것이 어렵다는 점이 있다. 나아가, 기존 시스템의 문제점으로는, 고객이 과일 구매 및 정기구독시 몸에 맞지 않거나 원하지 않는 과일을 받아 남길 수 있다는 점, 과일구성을 고객이 임의로 변경을 원해도 고객이 과일에 대한 정보가 적어서 어렵다는 점, 과일의 경우 제철과일이 계속 변하기 때문에 과일 포장자 임의로 정할 수밖에 없다는 점, 과일마다 다양한 건강에 좋은 성분과 효능이 있는데 소비자가 알기 어렵다는 점을 들 수 있다.

대한민국 공개특허공보 제10-2016-0106445호 (2016. 09. 12. 공개)

상술한 문제점을 해결하기 위한 본 발명의 목적은 AI 큐레이션을 통해 고객 선호도와 헬스케어에 도움이 되는 과일이 배송됨으로써 고객의 만족도를 개선할 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공하는 것이다.

본 발명의 다른 목적은 AI 큐레이션을 통한 과일구성에 따른 수량예측발주를 통해 과일 재고를 감소시킬 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공하는 것이다.

본 발명의 다른 목적은 고객이 선호하는 과일을 배송받음으로써 남는 과일의 양을 줄일 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공하는 것이다.

본 발명의 다른 목적은 AI 큐레이션이 제공하는 과일종류, 개수정보를 기준으로 포장하고 배송함으로써 과일포장직원의 작업능률을 향상시킬 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공하는 것이다.

상기 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 AI 큐레이션 기반의 과일 추천 시스템은 생산자 단말기 및 소비자 단말기와 과일구매정보에 대한 통신이 가능하며, 사용자의 거래패턴에 적합한 과일을 추천하는 과일추천서버를 포함하되, 상기 과일추천서버는, 상기 생산자 단말기 및 상기 소비자 단말기로부터 정보를 수집하는 정보수집부, 상기 수집된 정보가 저장되는 데이터베이스부, 상기 데이터베이스부에 저장된 정보를 빅데이터 분석을 통해 소비자의 거래패턴을 추출하여 상품정보 및 사용자 정보와 연계하여 분석하는 빅데이터분석부 및 상기 빅데이터분석부가 분석한 정보에 의해 상기 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 과일선택부를 포함한다.

상기 정보수집부는, 상기 생산자 단말기로부터 다종의 과일 각각의 효능, 특성 및 가격 정보를 수집하고, 상기 소비자 단말기로부터 거래 정보 및 소비자 정보를 수집하는 것을 특징으로 한다.

상기 데이터베이스부는, 상기 사용자 단말기로부터, 상기 과일이 가지는 항암, 항우울 및 항산화 정보가 각각 저장되는 과일효능데이터베이스부, 상기 과일의 맛, 색, 영양 및 출하시기 정보가 각각 저장되는 과일특성데이터베이스부 및 상기 과일의 과일포장단위, 개당 평균무게, 단위무게당 매입가 및 단위무게당 판매가 정보가 각각 저장되는 과일가격데이터베이스부를 포함하며, 상기 소비자 단말기로부터, 상기 소비자의 구매빈도, 구매금액 및 구매만족도 정보가 각각 저장되는 과일거래데이터베이스부, 상기 소비자의 검색이력, 장바구니정보, 성별, 연령, 취향, 선호도, 친환경 및 알레르기 정보가 각각 저장되는 소비자데이터베이스부 및 상기 소비자의 구매목적이 저장되는 구매목적데이터베이스부를 포함한다.

상기 과일추천서버는, 상기 소비자 단말기로부터 구매금액을 제시받고, 상기 과일선택부는, 상기 제시받은 구매금액 및 상기 소비자의 구매패턴에 따라 상기 과일을 선택하는 것을 특징으로 한다.

상기 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 AI 큐레이션 기반의 과일 추천 방법은 소비자 단말기로부터 구매금액을 제시받는 단계, 생산자 단말기를 향해 상기 구매금액을 전달하는 단계, 상기 생산자 단말기로부터 유통가능한 과일 정보를 제공받는 단계, 상기 소비자 단말기로부터 수집된 정보를 분석하여 소비자의 거래패턴을 추출하는 단계 및 상기 추출된 소비자의 거래패턴 및 상기 구매금액에 따라 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 단계를 포함한다.

본 발명은 AI 큐레이션을 통해 고객 선호도와 헬스케어에 도움이 되는 과일이 배송됨으로써 고객의 만족도를 개선할 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공할 수 있다.

본 발명은 AI 큐레이션을 통한 과일구성에 따른 수량예측발주를 통해 과일 재고를 감소시킬 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공할 수 있다.

본 발명은 고객이 선호하는 과일을 배송 받음으로써 남는 과일의 양을 줄일 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공할 수 있다.

본 발명은 AI 큐레이션이 제공하는 과일종류, 개수정보를 기준으로 포장하고 배송함으로써 과일포장직원의 작업능률을 향상시킬 수 있는 AI 큐레이션 기반의 과일 추천 시스템 및 방법을 제공할 수 있다.

도 1은 본 발명에 따른 AI 큐레이션 기반의 과일 추천 시스템이 포함하는 구성을 간략히 보여주는 블록도이다.
도 2는 본 발명에 따른 데이터베이스부의 각 구성을 간략히 보여주는 블록도이다.
도 3은 본 발명에 따른 AI 큐레이션 기반의 과일 추천 방법에 따른 흐름을 보여주는 순서도이다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다.

그리고 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.

또한, 본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제1, 제2, 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.

이하, 첨부된 도면을 참조하여 본 발명을 보다 상세하게 설명하고자 한다.

도 1은 본 발명에 따른 AI 큐레이션 기반의 과일 추천 시스템이 포함하는 구성을 간략히 보여주는 블록도이다.

도 1을 참조하면, 본 발명에 따른 AI 큐레이션 기반의 과일 추천 시스템은, 생산자 단말기(20) 및 소비자 단말기(10)와 과일구매정보에 대한 통신이 가능하며, 사용자의 거래패턴에 적합한 과일을 추천하는 과일추천서버(100)를 포함한다.

과일추천서버(100)는 생산자 단말기(20) 및 소비자 단말기(10)와 양방향 통신이 가능한 통신부(미도시)를 더 포함할 수 있다. 과일추천서버(100)는 생산자 단말기(20) 및 소비자 단말기(10)와 통신망을 통해 연결되며, 소비자 단말기(10)로부터 과일의 거래패턴 등을 도출하여 주문 시기 또는 주문 금액에 따른 적합한 과일을 추천해줄 수 있다.

과일추천서버(100)는 생산자 단말기(20) 및 소비자 단말기(10)로부터 정보를 수집하는 정보수집부(110), 정보수집에 의해 수집된 정보가 저장되는 데이터베이스부(120), 데이터베이스부(120)에 저장된 정보를 빅데이터 분석을 통해 소비자의 거래패턴을 추출하여 과일정보 및 소비자 정보와 연계하여 분석하는 빅데이터분석부(130) 및 빅데이터분석부(130)가 분석한 정보에 의해 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 과일선택부(140)를 더 포함한다.

정보수집부(110)는 생산자 단말기(20)로부터 다종(多種)의 과일 각각의 효능, 특성 및 가격 정보 등을 수집할 수 있다. 생산자 단말기(20)는 과일추천서버(100)를 향해 각 과일에 대한 정보를 입력할 수 있다. 정보수집부(110)는 생산자 단말기(20)로부터 각 계절 또는 각 시기마다 유통가능한 과일에 대한 각 정보를 수집할 수 있고, 계절별 과일의 수급상황 및 재고에 대한 정보도 수집할 수 있다. 정보수집부(110)에 의해 수집된 정보는 후술하게 될 데이터베이스부(120)에 각각 저장될 수 있다. 한편, 정보수집부(110)가 수집하는 정보는 생산자 단말기(20)로부터의 입력된 정보로 한정되는 것은 아니고, 온라인 통신망을 통해 접속가능한 인터넷 웹 등에서도 정보의 수집이 가능하다.

더욱 상세하게는, 정보수집부(110)가 수집하는 효능 정보는, 각 과일이 가지고 있는 항암, 항우울, 항산화에 도움이 되는 정보와, 소화기, 순환기, 호흡기에 도움이 되는 정보 및 내분비 교란, 알러지에 관한 정보가 수집될 수 있다. 또한, 정보수집부(110)는 항우울 외에도, 긴장, 기대, 화남, 기쁨 및 슬픔 등 감정에 도움 되는 과일에 정보도 수집할 수 있다.

정보수집부(110)가 수집하는 과일의 항암정보와 관련하여 예를 들면, 항암에 효과가 있는 과일로는, 귤, 딸기, 포도, 토마토 및 사과 등이 있다. 각 과일에 대한 항암효과에 대한 간략한 내용은 다음과 같다. 예를 들어, 귤은 100g당 40mg 정도의 비타민C를 포함하는데, 한국 여성을 대상으로 한 연구에서 비타민C의 섭취가 유방암 발생을 감소시킨다는 연구가 있었다. 포도는 플라보노이드가 풍부하다. 포도에 함유된 특정 플라보노이드 성분이 대장암, 유방암, 피부암, 간암, 전립샘암 등 발암을 억제하고 종양 크기를 줄인다는 연구결과가 있다. 포도 껍질과 씨에는 항암 및 강력한 항산화 작용을 하는 레스베라트롤이 함유돼 있다. 미국 러트거스대학교 연구팀이 55세 이상의 여성 70명을 대상으로 10주간 매일 토마토를 섭취하게 한 뒤 호르몬 수치를 관찰한 결과, 아디넥포틴 분비가 활발해진 것을 발견했다. 일반적으로 여성의 폐경 전후 호르몬 변화가 비만과 만나면 유방암 위험이 커지는데, 아디넥포틴 분비가 많을수록 비만의 확률이 낮아지기 때문에 유방암 예방에 도움이 된다. 사과에는 식이섬유의 일종인 펙틴이 함유돼 있다. 펙틴은 대장암을 예방하는 효과가 매우 뛰어난 것으로 알려져 있다. 연구에 따르면 사과 속 펙틴이 대장암을 예방하는 장 내 지방산을 증가시킨다. 사과주스 속에는 폴리페놀 성분이 풍부한데, 폴리페놀이 발효하는 동안 항암성분의 생성을 강화시킨다. 또한, 내분비 교란과 관련하여서는, 살충제 또는 제초제 등 내분비 교란 화학물질로 재배하지 않은 유기농 과일인지 아닌지 정보를 표시하여 내분비 교란 농약 및 비료에 대한 노출을 줄일 수 있도록 할 수 있다. 정보수집부(110)가 수집하는 효능정보 등은 후술하게 될 과일효능데이터베이스부(121)에 저장될 수 있다.

정보수집부(110)가 수집하는 특성 정보는, 각 과일의 맛, 색, 영양 및 출하시기 등을 포함할 수 있다. 각 과일의 맛으로는, 당도, 산도 및 염도 등이 포함될 수 있다. 각 과일의 색으로는 빨강, 노랑, 보라 등의 색상으로 구별될 수 있다. 각 과일의 영양에는 각 과일의 단위무게(바람직하게는 100g)당 평균적으로 포함되는 영양소 및 칼로리 등의 정보가 포함될 수 있다. 각 과일의 출하시기는 봄, 여름, 가을 및 겨울 등으로 구분되어 수집될 수 있으나 이에 한정되지 않는다. 예를 들어, 각 과일의 출하시기는 생산자의 각 과일 출하 스케쥴에 따라 유동적으로 변동할 수 있다. 즉, 계절로서의 구분이 아닌 월 또는 일 등 각각 생산자 단말기(20)로부터 입력되는 값이 전송되어 실시간으로 변동될 수 있다. 또한, 가각 과일의 기타 유통상황에 대한 정보도 함께 포함될 수 있다. 더불어 계절별 과일의 수급상황 및 재고에 대한 정보도 함께 포함될 수 있다. 정보수집부(110)가 수집하는 특성 정보 등은 후술하게 될 과일특성데이터베이스부(122)에 저장될 수 있다.

정보수집부(110)가 수집하는 각 과일의 가격 정보는 과일포장단위, 개당 평균무게, 단위무게(바람직하게는 100g)당 매입가 및 단위무게(바람직하게는 100g)당 판매가 등을 포함할 수 있다. 과일포장단위는 기 설정된 3kg, 5kg, 10kg, 15kg, 20kg 등일 수 있으며, 생산자 단말기(20)로부터 임의로 설정될 수도 있다. 개당 평균무게는 기 수확되어 측정된 정보일 수 있다. 예를 들어 사과 300g, 배 500g, 메론 1kg, 자두 80g, 키위 100g, 체리 10g 등일 수 있으나 이에 한정되지 않는다. 단위무게당 매입가는 생산자 단말기(20)로부터 실시간으로 입력되는 값으로 저장된다. 단위무게당 판매가는 생산자 단말기(20)로부터 입력받은 값을 중심으로 연산되어 결정될 수 있다. 정보수집부(110)가 수집하는 각 과일의 가격정보 등은 후술하게 될 과일가격데이터베이스부(123)에 저장될 수 있다.

정보수집부(110)는 소비자 단말기(10)로부터 거래 정보, 소비자 정보 및 구매 목적 등을 수집할 수 있다.

정보수집부(110)가 수집하는 거래 정보는 소비자 단말기(10)로부터 거래된 구매빈도, 구매금액 및 구매만족도를 포함할 수 있다. 거래 정보는 본 발명에 따른 과일추천서버(100)를 통해 거래된 정보 외 소비자 단말기(10)로부터 직접 입력받은 정보도 함께 수집될 수 있다. 예를 들어, 본 발명에 따른 과일추천서버(100)에 저장된 정보를 제외한 통신망을 통해 수집될 수 있는 거래 정보도 수집될 수 있다. 이때에는 후술하게 될 식별번호제공부(미도시)를 통해 소비자 단말기(10)로 제공된 식별번호가 이용될 수 있다. 구매빈도는 소비자 단말기(10)에 등록된 식별번호에 따른 과거의 구매빈도일 수 있다. 다만 이에 한정되는 것은 아니고, 예를 들어, 임의로 선택된 구매빈도일 수도 있다. 최근에는 과일을 정해진 기간 또는 특정 일자에 정기적으로 배송되는 정기배송 서비스가 제공되고 있다. 정기배송이 신청된 식별번호인 경우, 정기배송을 신청할 때 저장되는 일정 주기 등을 입력받을 수 있다. 입력 받은 일정 주기가 구매빈도를 대체할 수도 있다. 구매금액은 소비자 단말기(10)에 등록된 식별번호에 따른 과거의 구매금액 총액 및 1회 구매시 구매금액의 평균값일 수 있다. 구매만족도는 기 배송된 과일의 각 항목에 따른 소비자의 만족도일 수 있다. 구매만족도는 각 과일별로 저장될 수 있으며, 각 과일의 효능 및 특성에 따라 별도로 수집되어 저장될 수 있다. 정보수집부(110)가 수집하는 거래 정보 등은 후술하게 될 과일거래데이터베이스부(124)에 저장될 수 있다.

정보수집부(110)가 수집하는 소비자 정보는 소비자 단말기(10)로부터 입력받을 수 있는 성별, 연령대, 과일취향, 선호도, 친환경 과일, 알러지, 국산과일 및 수입과일에 대한 정보일 수 있다. 또한, 정보수집부(110)가 수집하는 소비자 정보는 소비자 단말기(10)로 과일을 검색한 검색이력 및 구매를 위해 장바구니에 저장된 과일 정보를 포함할 수 있다.

성별은 남과 여 중 어느 하나일 수 있고, 연령대는 청년기, 중년기 및 노년기를 포함할 수 있다. 과일취향은 과일의 맛, 색 및 영양 등 일 수 있으며, 정보수집부(110)가 생산자 단말기(20)로부터 수집하는 과일 특성 정보와 연계될 수 있다. 선호도는 수집된 과일취향에 따라 연산된 일정 수치값 일 수 있으며, 각 과일취향 정보를 수집할 때 입력받은 가중치 값에 의해 연산될 수 있다. 예를 들어, 선호도는 소비자 단말기(10)로부터 과일취향을 입력받을 때 당도, 산도 및 염도에 대한 각각의 선호도 점수를 입력받을 수 있고, 영양에서 저칼로리에 대한 선호도 점수 등을 입력받을 수 있다. 각 점수를 종합하여 연산된 값으로 선호도 점수가 결정될 수 있다. 또한, 소비자 단말기(10)로부터 친환경 과일을 선호한다는 정보를 수집할 수 있다. 친환경 과일은 살충제 또는 제초제 등 화학물질로 재배하지 않은 유기농 과일을 의미할 수 있다. 알러지 정보는 소비자 단말기(10)로부터 각각 입력된 정보일 수 있다. 각 과일마다 알러지가 있는 소비자에게는 해당 과일은 과일선택부(140)에 의해 과일이 선택될 때 배제될 수 있다. 국산과일 및 수입과일에 대한 정보는 소비자 단말기(10)로부터 복수 선택이 가능하도록 입력받을 수 있으며, 과일선택부(140)에 의해 과일이 선택될 때 참조할 수 있는 정보가 된다. 예를 들어, 과일선택부(140)가 과일을 선택할 때 국산과일 만을 입력받은 식별번호에게는 수입과일에 대한 선택은 배제될 수 있는 것이다.

정보수집부(110)는 소비자의 구매목적에 대한 정보를 더 수집할 수 있다. 소비자의 구매목적은 다이어트 용도, 수험생을 위한 용도, 취업준비생을 위한 용도, 부모님을 위한 효도의 용도, 집들이 용도, 답례품 용도, 병문안 용도, 헬스케어 용도 및 질병치료 용도 등이 포함될 수 있다. 소비자의 구매목적은 소비자 단말기(10)로부터 과일구매 신호를 전달받을 때 함께 수집될 수 있으며, 언제든지 수정될 수 있다.

도 2는 본 발명에 따른 데이터베이스부(120)의 각 구성을 간략히 보여주는 블록도이다.

본 발명에 따른 AI 큐레이션 기반의 과일 추천 시스템은, 과일추천서버(100)를 포함하며, 과일추천서버(100)는, 정보수집부(110)에 의해 수집된 정보가 저장되는 데이터베이스부(120)를 포함할 수 있다. 다만, 이에 한정되는 것은 아니고, 예를 들어, 통신망을 통하여 빅데이터를 저장하고 있는 데이터베이스부(120)에 접속할 수도 있다. 통신망을 통하여 데이터베이스부(120)에 접속하는 경우 데이터베이스부(120)는 특정 하나의 IP(Internet Protocol) 주소를 갖는 서버뿐 만 아니라, 통신망을 통해 연결되며 서로 다른 다양한 IP 주소를 갖는 복수의 서버일 수도 있다.

데이터베이스부(120)에 각각 저장되는 정보들은 매핑테이블의 형식으로 저장될 수 있다. 각 매핑테이블은 서로 관계되어 실행되는 관계형 데이터베이스일 수 있다. 관계형 데이터베이스는 일련의 정형화된 테이블로 구성된 데이터 항목들의 집합체이다. 관계형 데이터베이스는 공지된 기술임에 따라 자세한 설명은 생략한다.

도 2를 참조하면, 본 발명에 따른 데이터베이스부(120)는, 사용자 단말기로부터 각각 정보가 수집되어 저장되는 과일효능데이터베이스부(121), 과일특성데이터베이스부(122) 및 과일가격데이터베이스부(123)를 포함하며, 소비자 단말기(10)로부터 각각 정보가 수집되어 저장되는 과일거래데이터베이스부(124), 소비자데이터베이스부(125) 및 구매목적데이터베이스부(126)를 포함할 수 있다.

과일효능데이터베이스부(121)에는, 정보수집부(110)가 수집한 다종의 과일이 각각 가지는 항암, 항우울, 항산화에 도움이 되는 정보 및 긴장, 기대, 화남, 기쁨 및 슬픔 등 감정에 도움이 되는 정보 등이 저장될 수 있다. 과일효능데이터베이스부(121)에 저장되는 항암, 항우울 및 항산화에 대한 정보 등은 매핑테이블 상에서 항암, 항우울 및 항산화 효능에 대한 존재 유무가 저장될 수 있고, 나아가 본 발명에 따른 과일추천서버(100) 외 통신망을 통해 접속할 수 있는 연구된 결과가 있다면, 연구된 결과에 따른 각 효능에 대한 가중치 값이 포함될 수도 있다. 각 효능에 대한 가중치 값은 복합적으로 연산되어 처리된 값이 저장될 수도 있다. 예를 들어, 포도의 과피 색소는 안토시안 색소이며 phenol 성분 중 resveratrol이 함유되어 있다. resveratrol은 특히 체내에서 항산화작용으로 노화억제효과가 있다. 또한 쥐의 상피세포 암을 억제한다는 연구 결과가 보고된 바 있듯이 항암효과가 있다. 따라서 다종의 과일 중 resveratrol이 단위무게당 많이 함유되어 있는 과일을 함유량별로 내림차순 정리하여 각각 가중치를 적용할 수 있다. 또한, 딸기에는 ellagic acid 등 생리활성 물질을 다량 함유하고 있다. ellagic acid는 식물 phenolic acid로써 항암기능이 우수한 것으로 알려져 있으며 항산화성, 후천성 면역 결핍증 바이러스의 억제, 항변이원성등의 활성을 가지고 있는 것으로 알려져 있다. 따라서 ellagic acid의 성분이 단위무게당 많이 함유되어 있는 과일을 함유량별로 내림차순 정리하여 각각 가중치를 적용할 수 있다. 예시로서 설명한 resveratrol 및 ellagic acid 외에도 항암 등에 효능이 있는 성분을 포함하는 과일들의 가중치에 대한 평균값이 과일효능데이터베이스부(121)에 각각 저장될 수 있다.

과일특성데이터베이스부(122)에는 정보수집부(110)가 수집한 다종의 과일이 각각 가지는 맛, 색, 영양, 출하시기 및 알러지 등에 관한 정보가 저장될 수 있다. 과일가격데이터베이스부(123)에는 다종의 과일이 각각 가지는 과일포장단위, 개당 평균무게, 단위무게당 매입가 및 단위무게당 판매가 등의 정보가 저장될 수 있다. 과일거래데이터베이스부(124)에는 소비자의 구매빈도, 구매금액 및 구매만족도 정보가 각각 저장될 수 있다. 소비자데이터베이스부(125)에는 소비자의 검색이력, 장바구니, 성별, 연령, 과일취향, 선호도, 친환경 과일 및 알러지 정보가 각각 저장될 수 있다.

소비자데이터베이스부(125)에 저장되는 알러지 정보는 소비자 단말기(10)로부터 입력받은 혈액형 정보, 질명 유무, 가족질병 이력 등의 유전자 정보를 입력받을 수 있으며, 소비자 단말기(10)로부터 수집되는 유전자정보에 기반하여 소비자의 유전자 타입을 분류할 수도 있다. 소비자데이터베이스부(125)는 유전자정보수집부(미도시)를 더 포함할 수 있다. 유전자정보수집부는 소비자 단말기(10)를 통해 소비자에게 유전자정보를 수집하기 위한 다양한 문의사항을 출력할 수 있다. 그에 따라 고객으로부터 입력되는 응답사항에 기반하여 고객의 유전자정보를 수집할 수 있다. 물론, 소비자 단말기(10)로부터 직접 알러지 정보를 입력받을 수도 있다.

소비자데이터베이스부(125)에 저장된 소비자의 검색이력 및 장바구니 정보에 따라 과일선택부(140)가 과일을 선택할 때 과일특성데이터베이스부(122)에 저장된 각 과일의 출하시기 정보가 저장된 매핑테이블을 참조할 수 있다. 또한, 소비자데이터베이스부(125)에 저장된 알러지 정보 및 유전자정보에 의해 과일선택부(140)가 과일을 선택 및 배제할 때 과일특성데이터베이스부(122)의 매핑테이블을 참조하여, 동일 알러지를 유발시킬 수 있는 과일을 배제하여 선택할 수 있다.

구매목적데이터베이스부(126)에는 소비자의 구매목적이 저장된다. 소비자의 구매목적은 정보수집부(110)에 의해 수집된 다이어트 용도, 수험생을 위한 용도, 취업준비생을 위한 용도, 부모님을 위한 효도의 용도, 집들이 용도, 답례품 용도, 병문안 용도, 헬스케어 용도 및 질병치료 용도 등이 포함될 수 있다. 소비자의 구매목적에 따라 과일선택부(140)가 과일을 선택할 때 과일효능데이터베이스부(121) 및 과일특성데이터베이스부(122)에 저장된 각 과일의 효능 및 특성에 대한 매핑테이블을 참조할 수 있다.

다시 도 1을 참조하면, 본 발명에 따른 AI 큐레이션 기반의 과일 추천 시스템은 빅데이터분석부(130)를 더 포함한다. 빅데이터분석부(130)는 데이터베이스부(120)에 매핑테이블로 저장된 각 정보를 빅데이터 분석을 통해 소비자의 거래패턴 등을 도출할 수 있다.

빅데이터분석부(130)는 과일의 효능, 특성 등을 포함하는 과일정보 및 소비자 정보와 연계하여 분석한다. 빅데이터분석부(130)는 정보수집부(110)에 의해 수집되어 각 데이터베이스부(120)에 저장된 과일의 효능, 특성, 가격, 출하시기, 소비자 정보, 구매목적 및 소비자의 거래패턴(이하, ‘거래패턴 등’) 등을 도출할 수 있다. 빅데이터분석부(130)에 의해 도출된 거래패턴 등은 소비자의 구매일자를 예측할 때 이용될 수 있다.

빅데이터분석부(130)는 거래패턴 등을 정형화하여 비지도 학습 기반의 패턴 산출 모델의 입력으로 사용할 수 있다. 정형화는, 예를 들어, 과일의 효능, 특성, 가격 출하시기 등 생산자 단말기(20)로부터 수집된 정보와 소비자 정보, 거래패턴 및 구매목적 등 소비자 단말기(10)로부터 수집된 정보를 수치화하는 것을 의미한다. 생산자 단말기(20) 및 소비자 단말기(10)로부터 수집된 정보를 수치화할 때 가중치가 적용될 수 있다. 예를 들어, 소비자 단말기(10)로부터 수집된 정보 중 최근 3년간 수집된 정보에는 2배의 가중치가 적용되고, 이후 4년~7년 전에 수집된 정보에는 1배의 가중치가 적용되고, 7년보다 더 이전에 수집된 정보에는 0.5배의 가중치가 적용될 수 있다. 다만, 이에 한정되지는 않는다.

빅데이터분석부(130)는 비지도 학습 기반의 군집 알고리즘에 기초하여 거래패턴 등을 도출할 수 있다.

비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 과일의 거래패턴 등에 의해 과일선택부가 과일을 선택 및 배제함에 있어서 기 구축된 과거의 데이터뿐 만 아니라 실시간으로 거래되거나 거래될 데이터를 수집하여 과일의 거래패턴 등을 학습할 수 있기 때문에, 비지도 학습 기반의 군집 알고리즘에 기초하여 거래패턴 등을 도출하는 것이 더욱 효과적일 수 있다.

빅데이터분석부(130)는 군집 알고리즘에 기초하여 구매 패턴 및 내역 패턴을 군집하여 산출할 수 있고, 구매 패턴 및 내역 패턴 각각의 군집간 분리도에 기초하여 새로운 구매 패턴 및 내역 패턴을 검출할 수 있다. 예를 들어, 비지도 학습을 위한 군집 알고리즘에는 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine) 알고리즘, 의사결정 알고리즘 및 군집 알고리즘이 이용될 수 있다. 또한, 빅데이터분석부(130)는 전술한 알고리즘 외에도 Extra Tree알고리즘, XG Boost알고리즘 및 Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘과 같은 군집 알고리즘을 통해 비지도 학습을 수행할 수 있다. Random Forest 알고리즘은 수많은 Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화 하는 알고리즘이고, SVM 알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree 알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost 알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결과를 다음 트리에 적용하는 boost방식의 알고리즘이다. Deep Learning 알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 또한, K-means 클러스터링 알고리즘은 전통적인 분류기법으로 대상집단을 거리의 평균값(유사도)을 기준으로 K개의 군집으로 반복 세분화 하는 기법이고, SOM 알고리즘은 인공신경망을 기반으로 훈련집합의 입력 패턴을 가중치로 학습하여 군집화하는 기법이다. 또한 EM & Canopy 알고리즘은 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신하여 군집화 하는 기법을 의미한다.

빅데이터분석부(130)에 의해 도출된 거래패턴 등은 연간, 월간, 주간 및 시간 별 패턴을 포함할 수 있다. 과일은 보통 출하되는 시기가 정해지는 경우가 많다. 과일이 출하되는 시기는 크게는 계절별로 나누어질 수 있다. 따라서 거래패턴 등을 월간 패턴으로 도출하는 것이 과일 거래패턴 등을 예측하는 데 있어 효과적일 수 있다. 또한, 과일의 경우, 과일 농장이 위치한 지역의 온도에 크게 좌우 될 수 있으며, 현재 지구 온난화 현상으로 매년 연평균 기온이 늘고 있다. 따라서 거래패턴 등을 연간 별 패턴으로 도출하는 것이 과일 거래패턴 등을 도출하는 것이 소비자의 과일 구매예측에 있어 효과가 있을 수 있다. 거래패턴 등을 주간별로 도출하는 것은 생산자의 과일 출하 스케쥴 및 과일의 재고를 참조하여 과일선택부(140)에 의해 과일이 선택될 때 효과적일 수 있다. 거래패턴 등이 시간 별 패턴으로 도출하는 것은 소비자의 구매 시간을 예측하는 데 효과적일 수 있다.

과일선택부(140)는 빅데이터분석부(130)가 분석한 정보에 의해 소비자에게 맞춤형으로 전달되도록 과일을 선택한다. 빅데이터분석부(130)는 정보수집부(110)가 수집하여 각 데이터베이스부(120)에 저장한 정보를 정형화한다. 빅데이터분석부(130)가 분석한 정보는, 전술한 바와 같이, 거래패턴 등일 수 있다.

본 발명의 일 실시예로서, 과일추천서버(100)는 소비자 단말기(10)로부터 구매금액을 제시받을 수 있다. 과일추천서버(100)는 소비자 단말기(10)로부터 제시받은 구매금액이 저장되는 금액데이터저장부(미도시)를 더 포함할 수 있다.

과일선택부(140)는 소비자 단말기(10)로부터 제시받은 구매금액 및 소비자의 거래패턴 등에 따라 다수 및 다종의 과일을 선택할 수 있다.

과일선택부(140)가 다종의 과일을 선택할 때에는 빅데이터분석부(130)가 데이터베이스부(120)에 저장된 정보를 정형화한 뒤 높은 수치를 갖는 복수의 과일 종을 선택할 수 있다. 과일 종류의 개수는 기 설정된 값에 따라 정해질 수 있으나 이에 한정되는 것은 아니고, 소비자 단말기(10)로부터 전달받은 임의의 숫자 만큼의 개수로 정해질 수도 있다. 즉, 소비자 단말기(10)로부터 구매금액을 제시받을 때 과일 종류의 개수도 전달받을 수 있다. 과일선택부(140)가 다종의 과일을 선택할 때에는 소비자의 검색이력, 과일취향, 선호도 및 알러지 정보가 각각 저장된 소비자데이터베이스부(125)에 더 큰 가중치를 둘 수 있다. 예를 들어, 소비자의 알러지 정보가 저장된 매핑테이블과 과일특성데이터베이스부(122)에 저장된 각 과일의 알러지 정보가 저장된 매핑테이블을 비교하여 중복되는 과일이 있는 경우, 그 과일은 선택에서 배제될 수 있다. 또한, 예를 들어, 소비자의 거래패턴이 신맛의 특성이 있는 과일을 주로 거래한 경우, 과일특성데이터베이스부(122)에 저장된 과일의 맛 매핑테이블에서 신맛에 가중치를 두고 과일을 선택할 수도 있는 것이다. 또한, 과일선택부(140)는 과일의 출하시기 및 재고 정보를 참조하여 과일을 선택할 수 있다.

과일선택부(140)가 다수의 과일을 선택할 때에는 과일가격데이터베이스부(123)를 참조하며, 제시받은 구매금액을 과일의 포장단위 및 개당 평균무게, 단위무게당 판매가 정보에 가중치를 두고 과일의 개수를 선택할 수 있다.

본 발명에 따른 과일추천서버(100)는 식별번호제공부를 더 포함할 수 있다. 식별번호제공부는 생산자 및 소비자에게 식별번호를 제공한다. 생산자 단말기(20) 및 소비자 단말기(10)는 통신망을 통해 과일추천서버(100)에 회원으로 등록할 수 있으며, 회원으로 등록된 고객에 대해서는 처음 등록 시에 고유의 식별번호를 제공하고, 이후에는 식별번호 제공절차를 생략할 수 있다.

본 발명에 따른 과일추천서버(100)는 소비자 단말기(10)로부터 구매금액을 제시받기 위해 전달받는 신호를 자연어로 처리하는 자연어처리부(미도시)를 더 포함할 수 있다. 소비자 단말기(10)는 과일추천서버(100)를 향해 문자메시지, MMS, 이메일의 방법으로 구매금액이 포함된 텍스트를 전송하여 구매금액을 제시할 수 있다. 또는 카카오톡, 라인, 페이스북, 트위터 및 인스타그램 등 SNS 어플리케이션을 통해 텍스트를 입력할 수도 있다. 나아가, 소정의 개별 어플리케이션을 통해 입력된 텍스트를 전송할 수도 있다. 뿐만 아니라, 특정 웹사이트를 통해 구매금액을 제시받을 수 있다. 과일추천서버(100)는 소비자 단말기(10)로부터 전달받은 텍스트를 저장하는 텍스트저장부(미도시)를 더 포함할 수 있다. 자연어처리부는 텍스트저장부에 저장된 텍스트를 자연어 처리한다.

본 명세서에서 텍스트(text)란, 사용자가 인식할 수 있는 모든 형태의 문자정보를 의미하며, 음소 또는 음절정보를 포함한, 단어, 구문, 문장, 단락 등의 모든 범위를 포함하는 문자정보를 의미한다.

한편, 본 발명에 따른 과일추천서버(100)는 자연어 처리된 텍스트로부터 문장 및 단어를 인식하는 텍스트처리부(미도시)를 더 포함할 수 있다. 텍스트처리부는 인식한 문장 내 단어들 사이의 관계를 분석하여 각 단어들에 대해 의미를 부여하는 방식으로 텍스트를 해석할 수도 있다.

자연어 처리(Natural Language Processing)에 대해 부가적으로 설명하자면, 자연어 처리는 일반적으로 인간이 발화하는 언어 현상을 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 자연어(자연 언어) 이해 혹은 그러한 형태를 다시 인간이 이해할 수 있는 언어로 표현하는 제반 기술을 의미한다.

이러한 자연어 처리는 형태소 분석 및 품사 부착을 통해 이루어 질 수 있다. 형태소 분석은 예를 들어 '복합 명사'는 '복합+명사', '복+합명사', '복합명+사' 등등의 다양한 방식으로 쪼개질 수 있는 데 이들 중에서 가장 적합한 분해 결과를 선택할 수 있다. 다양하게 쪼개지는 분석 결과들 중에서 적합한 결과를 선택하기 위해, 테이블 파싱이라는 동적 프로그래밍 방법을 사용한다. 구체적으로 '복합+명사'로 쪼개질 확률이 그 외로 분석될 확률보다 더 크면 더 큰 확률을 가진 형태를 선택하는 알고리즘이다.

품사 부착은 형태소 분석을 통해 나온 결과 중 가장 적합한 형태의 품사를 부착하는 것을 말한다. 보통 태거라고 하는 모듈이 이 기능을 수행한다. 이는 형태소 분석기가 출력한 다양한 분석 결과 중에서 문맥에 적합한 하나의 분석 결과를 선택하는 모듈이라 할 수 있다. 분석 시 문맥 좌우에 위치한 중의성 해소의 힌트가 되는 정보를 이용해서 적합한 분석 결과를 선택한다. 보통 태거는 대규모의 품사부착을 이용해서 구현하는데 은닉 마르코프 모델(HMM)이 널리 사용되고 있다.

텍스트처리부는 자연어 처리를 통해 소비자 단말기(10)로부터 전송받은 텍스트를 인식할 수 있으며, 텍스트 중 과일명, 과일의 효능, 과일의 특성, 제시되는 구매금액 및 과일 구매목적 등 키워드(이하, ‘키워드 등’)를 인식할 수 있다. 텍스트처리부가 인식하는 키워드 등은 데이터베이스부(120)가 각각 포함하는 매핑테이블의 각 컬럼과 로우에 저장된 명사들과 비교하여 동일 명사가 존재하는지 인식할 수 있다. 예를 들어, “다이어트용으로 바나나 10,000원 어치 보내주세요” 라는 텍스트를 전송받았을 때, 텍스트처리부는 전송받은 텍스트 중, 구매금액 ‘10,000원’, 구매목적데이터베이스부(126)에 저장되는 구매목적 매핑테이블에 포함되는 ‘다이어트’ 및 과일특성데이터베이스부(122)에 저장되는 과일특성 매핑테이블에 포함되는 ‘바나나’를 인식할 수 있다. 따라서, 과일선택부(140)는 제시받은 구매금액에 맞는 바나나를 10,000원 한도에 맞도록 개수를 선택할 수 있다. 또한, 소비자의 구매이력 중 복숭아의 구매빈도가 높을 때, 과일선택부(140)는 복숭아도 함께 선택해줄 수 있다. 복숭아는 단위무게(100g)당 39kcal로서 칼로리가 낮고 과일의 89%가 수분으로 되어 있으며, 섬유질이 풍부하여 수분 섭취와 포만감 형성에 도움이 되는 과일이다. 다만, 소비자의 알러지 정보에서 복숭아 알러지에 대한 정보가 데이터베이스부(120)에 저장되어 있는 경우 복숭아의 선택을 배제할 수 있는 것은 물론이다.

본 발명에 따른 과일추천서버(100)는 구매금액이 포함된 음성신호를 전달받는 음성인식부(미도시)를 더 포함할 수 있다. 음성인식부는 전달받은 음성신호를 텍스트로 변환하여 텍스트저장부에 저장할 수 있다. 텍스트저장부는, 전술한 바와 같이, 자연어처리부에 의해 자연어 처리된 뒤, 텍스트처리부에 의해 텍스트의 인식이 가능하다. 과일추천서버(100)가 음성신호를 전달받는 경우, 소비자 단말기(10)에는 음성신호의 입력이 가능한 마이크부(미도시)가 더 포함될 수 있다.

전술한 알고리즘외에도, 텍스트 처리 또는 음성인식을 위한 다양한 방법이 이용될 수 있음은 물론이며, 전술한 알고리즘에 한정되지 않는다.

한편, 텍스트처리부는 키워드인식을 통해 소비자의 기분상태를 파악하는 기분상태부(미도시)를 더 포함할 수 있다. 기분상태부는 우울, 긴장, 기대, 화남, 기쁨 및 슬픔을 포함하는 기분상태를 텍스트에서 인식할 수 있다. 한편, 정보수집부(110)는 우울, 긴장, 기대, 화남, 기쁨 및 슬픔에 도움이 되는 과일에 대한 정보를 수집할 수 있고, 수집된 정보는 과일효능데이터베이스부(121)에 저장된다. 따라서 기분상태부에 의해 소비자 단말기로부터 전달받은 텍스트에서 소비자의 기분상태를 인식한 후, 인식한 기분상태 키워드가 과일효능데이터베이스부(121)에서 기분상태에 도움이되는 정보가 참조된다. 참조된 기분상태 정보는 과일선택부(140)에 의해 과일이 선택되거나 배제될 때 이용될 수 있다.

예를 들어, 텍스트처리부가 소비자 단말기(10)로부터 전달받은 텍스트가 “우울한데 뭐 먹을거 없나요” 라는 텍스트를 전송받게 되면, 텍스트처리부는 ‘우울’이라는 단어를 인식한다. 텍스트처리부가 ‘우울’이라는 단어를 인식하게 되면, 과일선택부(140)는 우울할 때 도움이 되는 과일을 선택할 수 있다. 바나나에는 행복 호르몬 세로토닌의 생성에 관여하는 트립토판 성분이 풍부하다. 바나나 속 마그네슘과 칼륨은 근육의 긴장을 이완해 마을을 차분히 가라앉히는 데 도움을 줄 수 있다. 바나나에는 비타민 B도 풍부해 피로 해소와 스트레스 완화에 효과가 있다. 따라서 텍스트처리부가 소비자 단말기(10)로부터 전달받은 텍스트 중 ‘우울’이라는 단어를 인식하게 되면, 본 발명에 따른 과일추천서버(100)가 포함하는 추천부(미도시)가 바나나를 추천해줄 수 있다.

본 발명에 따른 과일추천서버(100)는 특정 과일을 추천해주는 추천부를 더 포함할 수 있다. 추천부는, 구매금액이 제시되지 않은 텍스트를 전송받았을 때 특정 과일을 추천해줄 수 있다. 다만, 이에 한정되지는 않고, 예를 들어, 빅데이터분석부(130)가 분석한 거래패턴에 포함된 가격만큼 과일선택부(140)가 추천부에 의해 추천된 과일을 선택할 수도 있다.

한편, 본 발명에 따른 과일추천서버(100)는 추천부에 의해 추천되는 과일의 정보와 이미지를 소비자 단말기(10)로 전송하는 추천표시부(미도시)를 더 포함할 수도 있다. 추천표시부는 소비자 단말기(10)로 복수의 과일의 정보와 이미지를 전송할 수 있다. 소비자 단말기(10)는 전송받은 복수의 과일 중 특정 과일을 선택할 수 있으며, 구매금액을 제시할 수 있다. 따라서, 제시받은 구매금액에 맞도록 선택받은 과일을 과일선택부(140)에 의해 선택될 수 있다.

도 3은 본 발명에 따른 AI 큐레이션 기반의 과일 추천 방법에 따른 흐름을 보여주는 순서도이다.

도 3을 참조하면, 본 발명에 따른 AI 큐레이션 기반의 과일 추천 방법은, 소비자 단말기(10)로부터 구매금액을 제시받는 단계(S101), 생산자 단말기(20)를 향해 상기 구매금액을 전달하는 단계(S103), 생산자 단말기(20)로부터 유통가능한 과일 정보를 제공받는 단계(S105), 소비자 단말기(10)로부터 수집된 정보를 분석하여 소비자의 거래패턴을 추출하는 단계(S107) 및 추출된 소비자의 거래패턴 및 구매금액에 따라 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 단계(S109)를 포함한다.

S101 단계는, 소비자 단말기(10)로부터 구매금액을 제시받는 단계이다. S101 단계에서 구매금액을 제시받을 때, 전술한 바와 같이, 소비자 단말기(10)는 문자메시지, MMS, 이메일의 방법으로 구매금액이 포함된 텍스트를 전송하여 구매금액을 제시할 수 있다. 또는 카카오톡, 라인, 페이스북, 트위터 및 인스타그램 등 SNS 어플리케이션을 통해 텍스트를 입력할 수도 있다. 나아가, 소정의 개별 어플리케이션을 통해 입력된 텍스트를 전송할 수도 있다. 뿐만 아니라, 특정 웹사이트를 통해 구매금액을 제시받을 수 있다. 한편, 음성신호의 형식으로 전송받은 후, 음성신호를 분석하여 텍스트가 추출될 수도 있다.

입력받거나 추출된 텍스트 내에는 소비자가 제시하는 구매금액이 포함되는 것과 동시에 소비자가 원하는 과일명 또는 소비자의 기분 등이 포함될 수 있다. 전술한 바와 같이, 자연어처리부 및 텍스트처리부에 의해 텍스트가 분석되어 키워드가 도출될 수 있다.

S103 단계는, 생산자 단말기(20)를 향해 구매금액을 전달하는 단계이다. S103 단계에서 본 발명에 따른 과일추천서버(100)는 소비자 단말기(10)로부터 제시받은 구매금액과 함께 S101 단계에서 도출된 키워드와 데이터베이스부(120)에 저장된 정보가 비교되어 연산된 정보도 생산자 단말기(20)를 향해 전달될 수 있다. 한편, 과일추천서버(100)는 복수의 소비자 단말기(10)로부터 전달받은 복수의 정보를 함께 생산자 단말기(20)로 전송할 수 있다.

S105 단계는, 생산자 단말기(20)로부터 유통가능한 과일 정보를 제공받는 단계이다. 생산자 단말기(20)는 과일의 출하시기 및 재고 등 정보가 담긴 과일의 특성 등을 과일추천서버(100)로 전송한다.

S107 단계는, 소비자 단말기(10)로부터 수집된 정보를 분석하여 소비자의 거래패턴 등을 추출하는 단계이다. S107 단계에서는, 빅데이터분석부(130)가 데이터베이스부(120)에 저장된 과일에 대한 정보 및 소비자에 대한 정보를 분석하여 소비자의 거래패턴 등을 추출한다.

S109 단계는, 추출된 소비자의 거래패턴 및 제시받은 구매금액에 따라 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 단계이다. S109 단계에서는 S101 단계에서 도출된 키워드가 참조될 수 있다. 또한, S109 단계에서는 S107 단계에서 추출된 소비자의 거래패턴 등과 데이터베이부에 저장된 정보가 비교되어 제시받은 구매금액에 따라 다종 및 다수의 과일이 선택된다. 선택된 과일은 패키지화되어 포장될 수 있으며, 포장된 과일은 소비자에게 배송될 수 있다.

본 발명의 일 실시예에 따른 과일추천서버(100)는 생산자 단말기(20) 및 소비자 단말기(10)와 통신망을 통해 통신할 수 있다. 통신망은 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결구조를 의미하는 것으로, 이러한 통신망의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

또한, 생산자 단말기(20) 및 소비자 단말기(10)는, 키보드, 마우스, 터치패드, 터치 스크린 등의 입력수단과, 디스플레이 화면을 구비한 데스크탑 PC, 노트북 PC, 태블릿 PC, 스마트폰 등의 단말기로서, 이에 한정되는 것은 아니고, 통신망을 통해 과일추천서버(100)에 접속할 수 있으며, 검색 정보 및 선택 정보의 입력과, 검색된 결과 정보를 디스플레이할 수 있는 어플리케이션 프로그램의 설치가 가능한 디지털 정보의 처리가 가능한 구성이면 모두 포함될 수 있다.

생산자 단말기(20) 및 소비자 단말기(10)는, 예를 들어, 데스크탑 PC(desktoppersonal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC(tablet personalcomputer), 이동 전화기(mobile phone), 영상 전화기, PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기, PMP(portable multimedia player), 웨어러블 장치(wearable device)(예: 스마트 안경, 머리 착용형 장치(head-mounted-device(HMD) 등) 또는 스마트 와치(smart watch)) 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV 등 유선 통신 장치 중 적어도 하나를 포함할 수 있다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.

본 명세서에서 과일추천서버(100), 통신부, 정보수집부(110), 데이터베이스부(120), 과일효능데이터베이스부(121), 과일특성데이터베이스부(122), 과일가격데이터베이스부(123), 과일거래데이터베이스부(124), 소비자데이터베이스부(125), 구매목적데이터베이스부(126), 빅데이터분석부(130), 과일선택부(140), 식별번호제공부, 금액데이터저장부, 자연어처리부, 텍스트저장부, 텍스트처리부, 음성인식부, 마이크부, 기분상태부, 추천부 및 추천표시부는 메모리에 저장된 연속된 수행과정들을 실행하는 프로세서들일 수 있다. 또는, 프로세서에 의해 구동되고 제어되는 소프트웨어 모듈들로서 동작할 수 있다. 나아가, 프로세서는 하드웨어 장치일 수 있다.

참고로, 본 발명의 일 실시예에 따른 AI 큐레이션 기반의 과일 추천 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독가능매체에 기록될 수 있다. 상기 컴퓨터 판독가능매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용가능한 것일 수도 있다. 컴퓨터 판독가능매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체, 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급언어코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

본 발명의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명이 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.

10 : 소비자 단말기
20 : 생산자 단말기
100 : 과일추천서버
110 : 정보수집부
120 : 데이터베이스부
121 : 과일효능데이터베이스부
122 : 과일특성데이터베이스부
123 : 과일가격데이터베이스부
124 : 과일거래데이터베이스부
125 : 소비자데이터베이스부
126 : 구매목적데이터베이스부
130 : 빅데이터분석부
140 : 과일선택부

Claims (5)

1. 생산자 단말기 및 소비자 단말기와 과일구매정보에 대한 통신이 가능하며, 사용자의 거래패턴에 적합한 과일을 추천하는 과일추천서버;를 포함하되,
   상기 과일추천서버는,
   상기 생산자 단말기 및 상기 소비자 단말기로부터 정보를 수집하는 정보수집부;
   상기 수집된 정보가 저장되는 데이터베이스부;
   상기 데이터베이스부에 저장된 정보를 빅데이터 분석을 통해 소비자의 거래패턴을 추출하는 빅데이터분석부; 및
   상기 빅데이터분석부가 분석한 정보에 의해 상기 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 과일선택부;
   를 포함하는 것을 특징으로 하는 AI 큐레이션 기반의 과일 추천 시스템.
2. 청구항 1에 있어서, 상기 정보수집부는,
   상기 생산자 단말기로부터 다종(多種)의 과일 각각의 효능, 특성 및 가격 정보를 수집하고,
   상기 소비자 단말기로부터 거래 정보 및 소비자 정보를 수집하는 것을 특징으로 하는 AI 큐레이션 기반의 과일 추천 시스템.
3. 청구항 2에 있어서, 상기 데이터베이스부는,
   상기 사용자 단말기로부터,
   상기 과일이 가지는 항암, 항우울 및 항산화 정보가 각각 저장되는 과일효능데이터베이스부;
   상기 과일의 맛, 색, 영양 및 출하시기 정보가 각각 저장되는 과일특성데이터베이스부; 및
   상기 과일의 과일포장단위, 개당 평균무게, 단위무게당 매입가 및 단위무게당 판매가 정보가 각각 저장되는 과일가격데이터베이스부;를 포함하며,
   상기 소비자 단말기로부터,
   상기 소비자의 구매빈도, 구매금액 및 구매만족도 정보가 각각 저장되는 과일거래데이터베이스부;
   상기 소비자의 검색이력, 성별, 연령, 과일취향, 선호도 및 알러지 정보가 각각 저장되는 소비자데이터베이스부; 및
   상기 소비자의 구매목적이 저장되는 구매목적데이터베이스부;
   를 포함하는 것을 특징으로 하는 AI 큐레이션 기반의 과일 추천 시스템.
4. 청구항 3에 있어서,
   상기 과일추천서버는,
   상기 소비자 단말기로부터 구매금액을 제시받고,
   상기 과일선택부는,
   상기 제시받은 구매금액 및 상기 소비자의 거래패턴에 따라 상기 과일을 선택하는 것을 특징으로 하는 AI 큐레이션 기반의 과일 추천 시스템.
5. 소비자 단말기로부터 구매금액을 제시받는 단계;
   생산자 단말기를 향해 상기 구매금액을 전달하는 단계;
   상기 생산자 단말기로부터 유통가능한 과일 정보를 제공받는 단계;
   상기 소비자 단말기로부터 수집된 정보를 분석하여 소비자의 거래패턴을 추출하는 단계; 및
   상기 추출된 소비자의 거래패턴 및 상기 구매금액에 따라 소비자에게 맞춤형으로 전달되도록 과일을 선택하는 단계;
   를 포함하는 것을 특징으로 하는 AI 큐레이션 기반의 과일 추천 방법.

Images