KR20220026255A - Recommendation System for Health Supplement by Using Big Data - Google Patents

Recommendation System for Health Supplement by Using Big Data Download PDF

Info

Publication number
KR20220026255A
KR20220026255A KR1020200107057A KR20200107057A KR20220026255A KR 20220026255 A KR20220026255 A KR 20220026255A KR 1020200107057 A KR1020200107057 A KR 1020200107057A KR 20200107057 A KR20200107057 A KR 20200107057A KR 20220026255 A KR20220026255 A KR 20220026255A
Authority
KR
South Korea
Prior art keywords
health food
module
purchaser
index
health
Prior art date
Application number
KR1020200107057A
Other languages
Korean (ko)
Inventor
최경희
Original Assignee
주식회사 주앤미래
최경희
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 주앤미래, 최경희 filed Critical 주식회사 주앤미래
Priority to KR1020200107057A priority Critical patent/KR20220026255A/en
Publication of KR20220026255A publication Critical patent/KR20220026255A/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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3337—Translation of the query language, e.g. Chinese to English
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3338—Query expansion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/247—Thesauruses; Synonyms
    • 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

Abstract

The present invention relates to a recommendation system for health food, and more particularly, to a recommendation system for health food by using big data, which determines preference by attribute with respect to big data such as manufacturers, sellers, ingredients, dosage methods, efficacy, reviews, etc. of specific health food being sold, assigns different weights for each attribute to each buyer to determine overall preference, and accordingly recommends health food to the buyer to provide the same, thereby recommending high-quality health food.

Description

빅데이터를 이용한 건강식품 추천시스템 {Recommendation System for Health Supplement by Using Big Data}{Recommendation System for Health Supplement by Using Big Data}

본 발명은 건강식품 추천시스템에 관한 것으로, 더욱 상세하게는 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등의 빅데이터에 대해 속성별로 선호도를 판단하도록 하고, 구매자별로 속성별 가중치를 부여하여 종합적인 선호도를 판단하도록 하며, 이에 따라 건강식품을 추천하여 구매자에게 제공하도록 함으로써, 양질의 건강식품을 추천할 수 있도록 하는 빅데이터를 이용한 건강식품 추천시스템에 관한 것이다. The present invention relates to a health food recommendation system, and more specifically, to determine preference by attribute with respect to big data such as manufacturers, sellers, ingredients, dosage methods, efficacy, reviews, etc. of specific health food being sold, and attributes for each buyer. It relates to a health food recommendation system using big data that allows to recommend a high-quality health food by assigning different weights to determine the overall preference, recommending health food and providing it to the buyer.

과거에 비해 현재는 소득 수준이 높아지고 휴식 및 건강에 대한 관심이 증대됨으로 인해 그에 따른 건강식품에 대한 수요도 늘어나고 있다. 하지만, 종래의 건강식품에 대한 정보를 제공하는 시스템은 특정 건강식품 판매점에서 제공하는 건강식품을 나열할 뿐, 실제로 어떤 건강식품의 선호도가 높으며, 상기 상품을 제공하는 건강식품 판매점의 상품의 품질을 확인하기 어렵고, 구매자의 취향에 맞는 건강식품을 제공하기 어렵다는 문제가 있다.Compared to the past, the current income level is higher and the interest in rest and health is increasing, so the demand for health food is increasing accordingly. However, the conventional system for providing information on health food only lists health food provided by a specific health food store, and in fact, a certain health food has a high preference, and the quality of the health food store that provides the product is determined. There is a problem in that it is difficult to confirm and it is difficult to provide a health food that meets the taste of the buyer.

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, The present invention has been devised to solve the above problems,

본 발명은 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등의 정보를 빅데이터를 통해 속성별 선호도를 판단하도록 하고, 구매자별로 속성별 가중치를 부여하여 종합적인 선호도를 판단하도록 하며, 이에 따라 건강식품을 추천하여 구매자에게 제공하도록 함으로써, 양질의 건강식품을 추천할 수 있도록 하는 빅데이터를 이용한 건강식품 추천시스템을 제공하는데 목적이 있다. The present invention determines the preference for each attribute through big data of information such as the manufacturer, seller, ingredient, dosage method, efficacy, and review of a specific health food being sold, and determines overall preference by assigning a weight to each attribute for each buyer The purpose of this is to provide a health food recommendation system using big data that can recommend high-quality health food by recommending health food and providing it to the buyer.

본 발명은 구매자의 상태에 맞는 유형의 건강식품이 추천되도록 하고, 건강식품 판매점 종합지수에 따라 세부구성을 결정하여 추천 건강식품 리스트을 구성하도록 하며, 구매자의 이용 후 선호도를 분석하여 이에 따른 세부구성의 변경이 이루어지도록 함으로써, 구매자에게 최적화된 건강식품의 추천이 가능하도록 하는 빅데이터를 이용한 건강식품 추천시스템을 제공하는데 목적이 있다. The present invention recommends a type of health food suitable for the condition of the purchaser, determines the detailed composition according to the health food retail store composite index to compose a recommended health food list, and analyzes the purchaser's preference after use to determine the detailed composition The purpose of this is to provide a health food recommendation system using big data that makes it possible to recommend optimized health food to a buyer by making changes.

본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.The present invention is implemented by an embodiment having the following configuration in order to achieve the above object.

본 발명의 일 실시예에 따르면, 본 발명에 따른 빅데이터를 이용한 건강식품 추천시스템은 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등에 관한 빅데이터를 수집하여 각각에 대한 선호도를 분석하고, 선호도에 따라 건강식품을 추천하는 서비스서버; 상기 서비스서버에 접속하여 건강식품에 관한 정보를 수신하는 구매자단말기; 및 상기 수신된 건강식품에 관한 정보를 분산저장하는 분산저장서버를 포함하고, 상기 서비스서버는 건강식품 판매점, 건강식품 제조사, 각종 건강식품의 속성별 선호도에 따른 건강식품 속성지수를 이용하여 각 건강식품 판매점, 건강식품 제조사, 각종 건강식품에 대한 선호도의 분석이 이루어지도록 하는 것을 특징으로 한다. According to an embodiment of the present invention, the health food recommendation system using big data according to the present invention collects big data about manufacturers, sellers, ingredients, dosage methods, efficacy, reviews, etc. a service server that analyzes preferences and recommends health food according to preferences; a purchaser terminal accessing the service server to receive health food information; and a distributed storage server for distributing and storing the received health food information, wherein the service server uses health food attribute indexes according to preferences for health food stores, health food manufacturers, and various health food attributes for each health It is characterized in that the analysis of preferences for food stores, health food manufacturers, and various health foods is performed.

본 발명의 다른 실시예에 따르면, 본 발명에 따른 빅데이터를 이용한 건강식품 추천시스템에 있어서, 상기 서비스서버는 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기의 선호도에 관한 정보를 산출하는 건강식품 산출부를 포함하고, 상기 건강식품 산출부는 특정 건강식품의 각 속성에 관한 연관단어정보를 등록하는 건강식품 속성등록모듈과; 온라인 상에서 수집되는 빅데이터에서 각 건강식품 등에 관한 데이터를 추출하는 데이터추출모듈과; 추출된 데이터에서 각 속성의 연관단어정보와 유사한 단어를 검색하는 유의어검색모듈과; 검색된 유사한 단어에 대한 긍정 내지 부정에 따른 비율에 따라 각 속성에 대한 선호도를 산출하는 건강식품 속성지수산출모듈을 포함하는 것을 특징으로 한다. According to another embodiment of the present invention, in the health food recommendation system using big data according to the present invention, the service server relates to the manufacturer, seller, ingredient, dosage method, efficacy, and preference of the specific health food being sold. a health food calculation unit for calculating information, wherein the health food calculation unit includes: a health food attribute registration module for registering information on related words for each attribute of a specific health food; a data extraction module for extracting data on each health food from big data collected online; a synonym retrieval module for retrieving words similar to related word information of each attribute in the extracted data; It is characterized in that it comprises a health food attribute index calculation module for calculating the preference for each attribute according to the ratio according to the positive or negative for the similar searched word.

본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.The present invention can obtain the following effects by the configuration, combination, and use relationship described below with the present embodiment.

본 발명은 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등의 빅데이터에 대해 속성별로 선호도를 판단하도록 하고, 구매자별로 속성별 가중치를 부여하여 종합적인 선호도를 판단하도록 하며, 이에 따라 건강식품을 추천하여 구매자에게 제공하도록 함으로써, 양질의 건강식품을 추천할 수 있도록 하는 효과가 있다. The present invention allows to determine preference by attribute with respect to big data such as manufacturers, sellers, ingredients, dosage methods, efficacy, and reviews of specific health food being sold, and to determine overall preference by assigning a weight to each attribute for each buyer. , by recommending health food and providing it to the purchaser, there is an effect of recommending high-quality health food.

본 발명은 구매자의 기호에 맞는 유형의 건강식품이 추천되도록 하고, 건강식품 판매점 종합지수에 따라 세부구성을 결정하여 추천 건강식품 리스트을 구성하도록 하며, 구매자의 이용 후 선호도를 분석하여 이에 따른 세부구성의 변경이 이루어지도록 함으로써, 구매자에게 최적화된 건강식품의 추천이 가능하도록 하는 효과가 있다. The present invention recommends a type of health food that meets the buyer's preference, determines the detailed composition according to the health food retailer comprehensive index, configures a recommended health food list, and analyzes the buyer's preference after use to determine the detailed composition By making the change, there is an effect of making it possible to recommend an optimized health food to the purchaser.

도 1은 본 발명의 일 실시예에 따른 빅데이터를 이용한 건강식품 추천시스템의 구성과 구매자지수 산출부의 구성을 나타내는 블럭도이다.
도 2는 도 1의 상품유형결정모듈의 구성을 나타내는 블럭도이다.
도 3은 도 2의 맞춤구성삽입모듈의 구성을 나타내는 블럭도이다.
도 4은 도 2의 상품최적화모듈의 구성을 나타내는 블럭도이다.
도 5는 도 1의 매체광고부의 구성을 나타내는 블럭도이다.
도 6 및 도 7은 본 발명의 실시예에 따른 화면이 표시된 단말기를 도시한 그림이다.1 is a block diagram showing a configuration of a health food recommendation system using big data and a configuration of a purchaser index calculator according to an embodiment of the present invention.
FIG. 2 is a block diagram showing the configuration of the product type determination module of FIG. 1 .
3 is a block diagram showing the configuration of the custom configuration insertion module of FIG.
4 is a block diagram showing the configuration of the product optimization module of FIG.
FIG. 5 is a block diagram showing the configuration of the media advertisement unit of FIG. 1 .
6 and 7 are diagrams illustrating a terminal on which a screen is displayed according to an embodiment of the present invention.

이하에서는 본 발명에 따른 빅데이터를 이용한 건강식품 추천시스템의 바람직한 실시예들을 첨부된 도면을 참조하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하고, 또한 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.Hereinafter, preferred embodiments of a health food recommendation system using big data according to the present invention will be described in detail with reference to the accompanying drawings. In the following description of the present invention, if it is determined that a detailed description of a well-known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. Throughout the specification, when a part "includes" a certain component, it means that other components may be further included, rather than excluding other components, unless specifically stated to the contrary. Terms such as “…unit” and “…module” mean a unit that processes at least one function or operation, and may be implemented as hardware or software or a combination of hardware and software.

본 발명의 일 실시예에 따른 빅데이터를 이용한 건강식품 추천시스템을 도 1 내지 도 5를 참조하여 설명하면, 상기 건강식품 추전시스템은 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등에 관한 빅데이터를 수집하여 각각에 대한 선호도를 분석하고, 선호도에 따라 건강식품을 추천하는 서비스서버(1); 및 상기 서비스서버(1)에 접속하여 건강식품에 관한 정보를 수신하는 구매자단말기(3)를 포함한다. When a health food recommendation system using big data according to an embodiment of the present invention is described with reference to FIGS. 1 to 5, the health food recommendation system is a manufacturer, seller, ingredient, dosage method, and efficacy of a specific health food being sold. a service server (1) that collects big data on , reviews, etc., analyzes preferences for each, and recommends health food according to preferences; and a purchaser terminal 3 that accesses the service server 1 and receives information on health food.

상기 서비스서버(1)는 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등(이하 '건강식품 등'이라 함)에 관한 빅데이터를 수집하여 각각에 대한 선호도를 분석하고, 선호도에 따라 건강식품을 추천하는 구성으로, 특히 특정 건강식품의 다양한 속성에 대한 선호도 정보를 분석하여 구체적이고 정확한 선호도의 분석이 가능하도록 한다. 또한, 상기 서비스서버(1)는 등록된 구매자가 중요시하는 속성에 대해 가중치를 부여하여 건강식품 등에 대한 선호도를 분석하도록 함으로써, 구매자에 최적화된 선호도를 분석하도록 할 수 있다. 또한, 서비스서버(1)는 구매자의 건강 상태를 분석하여 적합한 유형의 건강식품을 추천할 수 있도록 하며, 특정 건강식품의 선호도 정보, 구매자의 건강정보 등을 이용하여 건강식품의 세부구성을 설정할 수 있도록 하고, 건강식품 구매자의 후기 등을 분석하여 선호도에 따른 세부구성의 변경이 이루어질 수 있도록 함으로써, 구매자에게 최적화된 건강식품을 추천하도록 할 수 있다. 상기 서비스서버(1)는 구매자등록부(11), 구매자정보등록부(12), 건강식품 산출부(13), 통계산정부(14), 매체별산정부(15), 구매자지수 산출부(16), 건강식품추천부(17), 매체광고부(18)를 포함할 수 있다. The service server 1 collects big data about manufacturers, sellers, ingredients, dosage, efficacy, reviews, etc. (hereinafter referred to as 'health food, etc.') of specific health food being sold, and analyzes the preference for each. , it is a configuration that recommends health food according to preference, and in particular, it enables specific and accurate preference analysis by analyzing preference information on various attributes of specific health food. In addition, the service server 1 may analyze the preference for health food by assigning weights to the attributes valued by the registered purchaser, thereby analyzing the preference optimized for the purchaser. In addition, the service server 1 analyzes the health condition of the buyer to recommend a suitable type of health food, and can set the detailed composition of health food using preference information of a specific health food, health information of the buyer, etc. By analyzing the reviews of health food purchasers, and the like, the detailed composition can be changed according to preference, it is possible to recommend optimized health food to the purchaser. The service server 1 includes a purchaser registration unit 11, a purchaser information registration unit 12, a health food calculation unit 13, a statistical calculation unit 14, a media calculation unit 15, a purchaser index calculation unit 16, It may include a health food recommendation unit 17 and a media advertisement unit 18 .

상기 구매자등록부(11)는 서비스서버(1)에 접속하는 구매자의 정보를 등록하는 구성으로, 구매자의 기본적인 로그인 정보와 함께 구매자의 SNS, 블로그, 카페 등의 계정에 관한 정보를 등록하도록 한다. 또한, 상기 구매자등록부(11)는 구매자의 건강정보를 등록할 수 있도록 하여, 건강정보에 따른 적합한 건강식품 등을 파악할 수 있도록 할 수 있다. 또한, 상기 구매자등록부(11)는 후술할 평가지표산출모듈(171a)에 의해 각 구매자의 건강 상태를 평가하여 저장하도록 할 수 있다. The purchaser registration unit 11 is configured to register information of the purchaser accessing the service server 1, and registers information about the purchaser's account such as SNS, blog, cafe, etc. along with basic login information of the purchaser. In addition, the purchaser registration unit 11 can register the health information of the purchaser, so that suitable health food according to the health information can be identified. In addition, the purchaser registration unit 11 may evaluate and store the health status of each purchaser by an evaluation index calculation module 171a, which will be described later.

상기 구매자정보등록부(12)는 선호도 분석 및 건강식품의 대상이 되는 건강식품 판매점, 건강식품 제조사, 각종 건강식품, 건강식품의 유형, 추천 건강식품 리스트 등의 정보를 등록하는 구성으로, 등록된 정보를 이용하여 빅데이터를 분석하며 건강식품의 추천이 이루어지도록 한다. The purchaser information registration unit 12 is configured to register information such as health food stores, health food manufacturers, various health foods, health food types, recommended health food list, which are the target of preference analysis and health food, and the registered information to analyze big data and make recommendations for health food.

상기 건강식품 산출부(13)는 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등에 관한 선호도 정보를 산출하는 구성으로, 특정 건강식품의 속성별로 선호도를 파악하여 이를 바탕으로 각 건강식품 등에 대한 전체 선호도가 산출될 수 있도록 한다. 여기서 속성이란 건강식품 등을 평가할 수 있는 요소들을 말하는 것으로, 예를 들어 건강식품 판매점, 건강식품 제조사, 각종 건강식품에 대해 공통적으로는 상품의 효과, 부작용, 사용자 평가, 복용의 편리성 등의 속성에 대해 평가할 수 있으며, 상기 건강식품 산출부(13)는 각 속성에 대한 연관단어를 속성사전으로 구성하여 저장하고, 온라인 상에서 추출되는 데이터와 속성사전을 비교하여 각 속성에 대한 선호도와 빈도를 산출할 수 있도록 하며, 각 속성의 선호도에 대해 빈도에 따른 가중치를 설정하여 합산하도록 함으로써, 각 건강식품 등에 대한 종합적인 선호도를 산출할 수 있도록 한다. 이를 위해, 상기 건강식품 산출부(13)는 도 2에 도시된 바와 같이 건강식품 속성등록모듈(131), 데이터추출모듈(132), 유의어검색모듈(133), 건강식품 속성지수산출모듈(134), 빈도산정모듈(135), 건강식품판매점 종합지수산출모듈(136)을 포함할 수 있다. The health food calculation unit 13 is configured to calculate preference information on manufacturers, sellers, ingredients, dosage, efficacy, reviews, etc. of specific health food being sold, and based on this, by identifying preferences for each attribute of a specific health food It allows the overall preference for each health food, etc. to be calculated. Here, attributes refer to factors that can evaluate health food, etc. For example, attributes such as product effects, side effects, user evaluation, and convenience of taking are common to health food stores, health food manufacturers, and various health foods. can be evaluated, and the health food calculation unit 13 configures and stores the related words for each attribute in an attribute dictionary, compares the online data extracted from the attribute dictionary with the attribute dictionary, and calculates the preference and frequency for each attribute It is possible to calculate the overall preference for each health food, etc. by setting a weight according to the frequency for the preference of each attribute and adding them up. To this end, the health food calculation unit 13 includes a health food attribute registration module 131 , a data extraction module 132 , a synonym search module 133 , and a health food attribute index calculation module 134 as shown in FIG. 2 . ), a frequency calculation module 135 , and a health food store comprehensive index calculation module 136 .

상기 건강식품 속성등록모듈(131)은 특정 건강식품의 각 속성에 대한 연관단어들을 등록하여 저장하는 구성으로 각 속성에 대해 평가할 수 있는 단어의 목록을 저장하도록 한다. The health food attribute registration module 131 is configured to register and store related words for each attribute of a specific health food, and to store a list of words that can be evaluated for each attribute.

상기 데이터추출모듈(132)은 온라인 상에서 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등에 관련된 데이터를 추출하는 구성으로, 여행 관련 게시판, 블로그, 카페, 포털사이트에서 검색되는 자료 등으로부터 수집된 일정 건강식품 판매점과 관련된 자료들을 추출하여 건강식품 속성등록모듈(131)에 의해 등록된 단어들과의 비교가 이루어지도록 한다. The data extraction module 132 is a configuration for extracting data related to manufacturers, sellers, ingredients, dosage methods, efficacy, reviews, etc. of specific health food sold online, and is searched from travel related bulletin boards, blogs, cafes, and portal sites. Data related to certain health food stores collected from the data are extracted and compared with the words registered by the health food attribute registration module 131 .

상기 유의어검색모듈(133)은 데이터추출모듈(132)에 의해 추출된 데이터에서 건강식품 속성등록모듈(131)에 의해 등록된 단어와 유사한 단어를 검색하는 구성으로, 데이터의 언어에 관계없이 폭넓은 검색이 가능하도록 하기 위해 영문변환모듈(133a)에 의해 연관단어들을 영문으로 변환하도록 한다. 그리고 유의어확장모듈(133b)에 의해 영문으로 변환된 연관단어들을 유의어 영역으로 확장시키도록 하며, 일 예로 영어의 의미 어휘목록인 Wordnet 데이터베이스를 이용하도록 할 수 있다. 또한, 온라인 상에서 추출된 데이터의 언어도 영문으로 변환하도록 하여 데이터비교모듈(133c)을 통해 영문의 추출된 데이터와 확장된 건강식품사전의 단어들이 비교될 수 있도록 한다. 따라서, 상기 유의어검색모듈(133)은 폭넓은 영문의 의미 어휘목록을 이용하여 건강식품사전의 단어들을 확장시키도록 하고, 온라인 상의 데이터도 그 언어에 상관없이 속성 정보를 추출할 수 있도록 하여, 속성에 대한 더욱 많은 데이터를 확보하도록 할 수 있다. The synonym search module 133 is configured to search for words similar to the words registered by the health food attribute registration module 131 in the data extracted by the data extraction module 132, regardless of the language of the data. In order to enable a search, the related words are converted into English by the English conversion module 133a. In addition, the related words converted into English by the thesaurus expansion module 133b are extended to the synonym domain, and, for example, the Wordnet database, which is a list of semantic vocabulary in English, may be used. In addition, the language of the data extracted online is also converted into English, so that the data extracted in English can be compared with the words of the expanded health food dictionary through the data comparison module 133c. Therefore, the synonym search module 133 expands the words of the health food dictionary using a wide English semantic vocabulary list, and enables online data to extract attribute information regardless of the language, It is possible to obtain more data on

상기 건강식품 속성지수산출모듈(134)은 유의어검색모듈(133)에 의해 검색된 속성과 연관된 단어들에 대한 긍정 또는 부정의 선호도정보를 추출하여 이를 건강식품 속성지수로 나타내는 구성으로, 감성단어 추출분석, 텍스트 마이닝 등의 기법을 이용하도록 할 수 있다. 감성단어 추출분석이란 인터넷상의 텍스트를 분석하여 텍스트를 작성한 자의 감정, 의견을 추출해내는 기법으로 상세한 내용은 이미 공지된 바와 같으므로 생략하도록 한다. 따라서, 상기 건강식품 속성지수산출모듈(134)은 특정 건강식품의 각 속성에 대한 긍정, 부정의 선호도정보를 합산하여 그 비율을 건강식품 속성지수로 산출하도록 할 수 있으며, 예를 들어 특정 건강식품의 접근성이 좋은지, 특정 건강식품 판매점의 친절도가 좋은지, 특정 건강식품 판매점의 뷰티 상품에 대한 품질은 어떤지 등을 빅데이터로부터 추출하도록 할 수 있다. 이때, 건강식품 속성지수는 긍정/(긍정+부정)의 수치로 산출되도록 하여 건강식품 속성지수가 높은 값을 가질수록 높은 선호도를 갖는 것을 의미하도록 할 수 있다. The health food attribute index calculation module 134 is configured to extract positive or negative preference information for words related to the attribute searched by the synonym search module 133 and display it as a health food attribute index, and emotional word extraction analysis , text mining, etc. can be used. Emotional word extraction analysis is a technique that extracts the emotions and opinions of the person who wrote the text by analyzing the text on the Internet. Therefore, the health food attribute index calculation module 134 may add up the positive and negative preference information for each attribute of a specific health food and calculate the ratio as a health food attribute index, for example, a specific health food It is possible to extract from big data whether the accessibility of health food stores is good, the kindness of a specific health food store is good, and the quality of beauty products of a particular health food store. In this case, the health food attribute index may be calculated as a positive/(positive + negative) value, so that a higher value of the health food attribute index indicates a higher preference.

상기 빈도산정모듈(135)은 특정 건강식품의 속성에 대한 유의어가 검출된 빈도를 산정하는 구성으로, 특정 건강식품 등에 대해 설정된 속성들에 대해 속성들간의 유의어 검출 비율을 산정하도록 한다. The frequency calculation module 135 is configured to calculate the frequency at which a synonym for an attribute of a specific health food is detected, and calculates a synonym detection ratio between the attributes for the attributes set for a specific health food or the like.

건강식품판매점 종합지수산출모듈(136)은 건강식품 등에 대한 선호도를 의미하는 건강식품 판매점 종합지수를 산출하는 구성으로, 건강식품 속성지수산출모듈(134)에 의해 산출된 건강식품 속성지수와 빈도산정모듈(135)에 의해 산출된 빈도를 이용하여 건강식품 판매점 종합지수를 산출하도록 한다. 따라서, 건강식품판매점 종합지수산출모듈(136)은 특정 건강식품 등에 대하여 각 속성의 건강식품 속성지수에 대해 각 속성별 빈도를 가중치로 설정하여 곱하도록 하고, 이를 합산하여 특정 건강식품에 대한 건강식품 판매점 종합지수를 산출하도록 한다. 따라서, 구매자들의 관심이 높은 속성에 대해 가중치를 설정하여 건강식품 속성지수를 다른 속성에 비해 높일 수 있도록 함으로써, 건강식품 등에 대한 더욱 정확한 선호도 정보가 산출되도록 할 수 있으며, 건강식품 판매점 종합지수가 높을수록 구매자들에게 높은 선호도를 갖는 것으로 분석될 수 있다. The health food store comprehensive index calculation module 136 is configured to calculate the health food store comprehensive index, which means the preference for health food, etc., and calculates the health food attribute index and frequency calculated by the health food attribute index calculation module 134 . By using the frequency calculated by the module 135, the health food store composite index is calculated. Therefore, the health food retailer comprehensive index calculation module 136 sets and multiplies the frequency of each attribute as a weight for the health food attribute index of each attribute for a specific health food, etc. The retail store composite index is calculated. Therefore, by setting weights for the attributes of high buyers' interest to increase the health food attribute index compared to other attributes, more accurate preference information for health food, etc. can be calculated, and when the overall health food retailer index is high It can be analyzed as having a higher preference among buyers.

상기 통계산정부(14)는 상기 건강식품 산출부(13)에 의해 산출되는 건강식품 속성지수, 빈도, 건강식품 판매점 종합지수 등을 구매자 분류에 따라 구분하여 산출하는 구성으로, 나이, 성별, 지역 등으로 구분하여 특정 나이대, 특정 성별의 건강식품 속성지수, 빈도, 건강식품 판매점 종합지수를 산출하도록 할 수 있다. 통계산정부(14)에 의해 산출된 정보는 구매자지수 산출부(16)로 전달되며, 구매자정보에 따라 건강식품 속성지수, 빈도, 건강식품 판매점 종합지수를 변경하도록 할 수 있다. The statistical calculation unit 14 is configured to divide and calculate the health food attribute index, frequency, health food retail store comprehensive index, etc. calculated by the health food calculation unit 13 according to the purchaser classification, such as age, gender, region It is possible to calculate the health food attribute index, frequency, and health food retail store composite index for a specific age group and a specific gender. The information calculated by the statistical calculation unit 14 is transmitted to the purchaser index calculation unit 16, and it is possible to change the health food attribute index, frequency, and health food store comprehensive index according to the purchaser information.

상기 매체별산정부(15)는 상기 건강식품 산출부(13)에 의해 산출되는 건강식품 속성지수, 빈도, 건강식품 판매점 종합지수를 매체별로 구분하여 산출하는 구성으로, 온라인상의 SNS, 카페, 블로그, 포털사이트, 여행후기게시판 등 각 매체에 따라 각각의 값들을 산출하도록 한다. 매체별산정부(15)에 의해 각 매체별로 산정된 건강식품 판매점 종합지수 등은 매체광고부(18)가 건강식품의 광고를 실행할 때 각 건강식품의 선호도가 높은 매체에 광고를 실행할 수 있도록 한다. The media-specific calculation unit 15 is configured to divide and calculate the health food attribute index, frequency, and health food retail store comprehensive index calculated by the health food calculation unit 13 for each medium, online SNS, cafe, blog, Calculate each value according to each medium, such as portal sites and travel review boards. The health food retailer comprehensive index calculated for each medium by the media calculation unit 15 enables the advertisement to be executed in a medium having a high preference for each health food when the media advertisement unit 18 executes an advertisement of health food.

상기 구매자지수 산출부(16)는 상기 건강식품 산출부(13)에 의해 산출된 건강식품 속성지수, 빈도, 건강식품 판매점 종합지수를 서비스서버(1)에 접속하는 구매자 정보에 따라 최적화하는 구성으로, 등록된 구매자의 계정정보를 이용하여 관심 있는 속성에 대한 빈도를 산출하도록 하고, 이에 따라 건강식품 판매점 종합지수를 구매자에 맞도록 수정하도록 할 수 있다. 또한, 상기 통계산정부(14)에 의해 나이, 성별, 국가 등에 따라 산정된 건강식품 속성지수, 빈도, 건강식품 판매점 종합지수를 이용하여 선호도 정보를 수정하도록 할 수도 있다. 상기 구매자지수 산출부(16)는 구매자에 의해 작성된 데이터가 일정건수를 초과하는 경우 구매자데이터만으로 건강식품 판매점 종합지수를 최적화하도록 할 수 있으며, 일정건수를 초과하지 않는 경우에는 통계산정부(14)에 의해 산정된 결과에 따라 선호도 정보를 변경하도록 할 수 있고, 항상 구매자데이터와 통계데이터를 합산하여 지수를 최적화하도록 구성할 수도 있다. 구매자데이터와 통계데이터를 합산하는 경우에는 통계산정부(14)에 의해 산출된 건강식품 속성지수에 구매자데이터와 통계데이터의 빈도에 대한 평균값을 곱하여 건강식품 판매점 종합지수가 산출되도록 할 수 있다. 상기 구매자지수 산출부(16)는 구매자데이터추출모듈(161), 속성별빈도산출모듈(162), 지수최적화모듈(163), 통계반영모듈(164)을 포함할 수 있다. The purchaser index calculation unit 16 optimizes the health food attribute index, frequency, and health food retail store comprehensive index calculated by the health food calculation unit 13 according to the purchaser information connected to the service server 1 . , it is possible to calculate the frequency of the attribute of interest by using the registered buyer's account information, and accordingly, the health food store composite index can be modified to suit the buyer. In addition, preference information may be corrected by using the health food attribute index, frequency, and health food retail store comprehensive index calculated by the statistical calculation unit 14 according to age, gender, country, and the like. The purchaser index calculation unit 16 can optimize the health food store comprehensive index only with the purchaser data when the data written by the purchaser exceeds a certain number of cases, and when the number of cases does not exceed a predetermined number, the statistical calculation unit 14 Preference information can be changed according to the result calculated by , and it can also be configured to optimize the index by always adding up buyer data and statistical data. When the purchaser data and the statistical data are summed, the health food attribute index calculated by the statistical calculation unit 14 is multiplied by the average value of the frequency of the purchaser data and the statistical data, so that the health food store comprehensive index can be calculated. The purchaser index calculation unit 16 may include a purchaser data extraction module 161 , a frequency calculation module for each attribute 162 , an index optimization module 163 , and a statistical reflection module 164 .

상기 구매자데이터추출모듈(161)은 구매자등록부(11)에 의해 등록된 구매자의 계정에 관한 정보를 이용하여 블로그, 카페, 게시판, 검색기록 등에서 건강식품 등과 관련된 정보를 추출하는 구성으로, 추출된 데이터에서 건강식품사전의 연관단어와 유사한 단어를 검색할 수 있도록 한다. The purchaser data extraction module 161 is configured to extract information related to health food, etc. from blogs, cafes, bulletin boards, search records, etc. using information about the purchaser's account registered by the purchaser registration unit 11, and the extracted data to search for words similar to related words in the health food dictionary.

상기 속성별빈도산출모듈(162)은 상기 빈도산정모듈(135)과 같이 각 속성에 대한 유의어의 검출빈도를 산정하는 구성으로, 유의어검색모듈(133)과 같은 방식으로 각 속성과 관련된 연관단어와 유사한 단어를 검색하도록 하고, 유사한 단어의 검출 빈도를 산출하도록 한다. The frequency calculation module 162 for each attribute is configured to calculate the detection frequency of synonyms for each attribute like the frequency calculation module 135. In the same manner as the synonym search module 133, related words associated with each attribute and A similar word is searched for, and the detection frequency of a similar word is calculated.

상기 지수최적화모듈(163)은 속성별빈도산출모듈(162)에 의해 산출된 빈도를 이용하여 건강식품 판매점 종합지수를 최적화하는 구성으로, 상기 빈도산정모듈(135)에 의해 산정된 빈도와 속성별빈도산출모듈(162)에 의해 산출된 빈도의 평균값을 이용하여 건강식품 판매점 종합지수를 산출하도록 한다. 따라서, 지수최적화모듈(163)은 각 속성의 빈도의 평균값을 상기 건강식품 속성지수산출모듈(134)에 의해 산출된 건강식품 속성지수에 각각 곱하여 합산하도록 함으로써, 수정된 건강식품 판매점 종합지수를 산출하도록 한다. 따라서, 구매자가 중요시하는 빈도로 각 속성의 건강식품 속성지수에 대한 가중치의 변경이 이루어지도록 함으로써, 구매자에게 최적화된 선호도 정보를 산출하도록 할 수 있다. The index optimization module 163 is configured to optimize the health food store comprehensive index using the frequency calculated by the frequency calculation module 162 for each attribute, and the frequency calculated by the frequency calculation module 135 and each attribute By using the average value of the frequencies calculated by the frequency calculation module 162, the health food store comprehensive index is calculated. Accordingly, the index optimization module 163 multiplies and sums the average value of the frequency of each attribute by the health food attribute index calculated by the health food attribute index calculation module 134, thereby calculating the modified health food retail store composite index. do it Therefore, by changing the weight for the health food attribute index of each attribute at a frequency that the buyer considers important, it is possible to calculate the preference information optimized for the buyer.

상기 통계반영모듈(164)은 구매자 정보에 따라 통계산정부(14)에 의해 산정된 지수를 반영하는 구성으로, 예를 들어 구매자의 나이, 성별, 지역에 따라 건강식품 속성지수, 빈도, 건강식품 판매점 종합지수를 변경하도록 할 수 있다. 이때, 통계반영모듈(164)은 구매자의 나이, 성별, 지역에 맞도록 각 속성의 건강식품 속성지수, 빈도의 평균값을 구하고, 이에 따라 건강식품 판매점 종합지수의 산정이 이루어지도록 할 수 있다. 또한, 상기 속성별빈도산출모듈(162)에 의해 산출된 빈도와의 평균값을 구하여 구매자의 이력을 반영한 선호도 정보가 산출되도록 할 수도 있다. The statistical reflection module 164 is configured to reflect the index calculated by the statistical calculation unit 14 according to the purchaser information, for example, health food attribute index, frequency, health food according to the age, gender, and region of the purchaser. It is possible to change the store composite index. At this time, the statistical reflection module 164 may obtain the average value of the health food attribute index and frequency of each attribute to match the age, gender, and region of the purchaser, and accordingly calculate the health food retail store comprehensive index. In addition, by obtaining an average value with the frequency calculated by the frequency calculation module 162 for each attribute, preference information reflecting the buyer's history may be calculated.

상기 건강식품추천부(17)는 특정 건강식품의 선호도 정보에 따라 건강식품을 추천하는 구성으로, 건강식품 산출부(13), 통계산정부(14), 구매자지수 산출부(16)에 의해 산출된 건강식품 판매점 종합지수에 따라 건강식품을 추천하도록 할 수 있다. 상기 건강식품추천부(17)는 건강식품 산출부(13), 통계산정부(14)에 의해 산정된 건강식품 속성지수와 건강식품 판매점 종합지수를 바탕으로 선호도 높은 판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기을 온라인 상에 추천하도록 할 수 있다. 또한, 상기 건강식품추천부(17)는 서비스서버(1)에 접속하는 구매자 정보(구매자등록부(11)에 의해 등록된 구매자 정보)에 따라 건강식품 판매점 종합지수를 수정하여 구매자에 최적화된 선호도에 따라 건강식품을 추천하도록 할 수 있으며, 구매자의 건강 상태에 따라 구매자를 분류하고 구매자에 맞는 건강식품의 유형이 추천되도록 할 수 있다. 이를 위해, 상기 건강식품추천부(17)는 도 4에 도시된 바와 같이 상품유형결정모듈(171), 패키지구성모듈(172), 맞춤구성삽입모듈(173), 상품최적화모듈(174)을 포함할 수 있다. The health food recommendation unit 17 is configured to recommend health food according to the preference information of a specific health food, and is calculated by the health food calculation unit 13 , the statistical calculation unit 14 , and the purchaser index calculation unit 16 . It is possible to recommend health food according to the comprehensive index of health food stores. The health food recommendation unit 17 is a manufacturer of specific health food that is sold with high preference based on the health food attribute index calculated by the health food calculation unit 13 and the statistical calculation unit 14 and the health food store comprehensive index. , sellers, ingredients, dosage, efficacy, and reviews can be recommended online. In addition, the health food recommendation unit 17 corrects the health food store comprehensive index according to the purchaser information (purchaser information registered by the purchaser registration unit 11) accessing the service server 1, so that the preference is optimized for the purchaser. It is possible to recommend health food according to the health condition of the purchaser, classify the purchaser according to the health condition of the purchaser, and recommend a type of health food suitable for the purchaser. To this end, the health food recommendation unit 17 includes a product type determination module 171 , a package configuration module 172 , a custom configuration insertion module 173 , and a product optimization module 174 as shown in FIG. 4 . can do.

상기 상품유형결정모듈(171)은 구매자의 건강 상태에 따라 건강식품의 유형을 결정하는 구성으로, 예를 들어 구매자의 건강 상태를 신체적, 사회적, 정신적(지적), 정서적, 직업적 건강으로 나누어 평가하도록 하고, 건강식품의 유형별로 각각의 건강 상태에 상이한 가중치를 부여하여 가장 높은 값을 갖는 유형으로 건강식품의 유형을 선택하도록 한다. 상기 상품유형결정모듈(171)에 의해 건강식품의 유형이 결정되면, 선호도에 따라 세부 구성이 결정되어 패키지 상품을 형성하게 된다. The product type determination module 171 is configured to determine the type of health food according to the health condition of the purchaser, for example, to evaluate the health condition of the purchaser by dividing it into physical, social, mental (intellectual), emotional, and occupational health. In addition, different weights are given to each health condition for each type of health food, so that the type of health food is selected as the type with the highest value. When the type of health food is determined by the product type determination module 171, the detailed configuration is determined according to preference to form a packaged product.

상기 패키지구성모듈(172)은 상품유형결정모듈(171)에 의해 결정된 건강식품의 유형에 대해 세부구성을 결정하여 패키지 상품을 형성할 수 있도록 하는 구성으로, 일정 건강식품 판매점에 대해 유형별 카테고리를 설정하고, 해당 카테고리에 대해 선호도 순으로 세부구성을 결정하여 삽입하도록 한다. 따라서, 건강식품이 양질의 세부구성으로 형성될 수 있으며, 이에 따라 구매자의 만족도를 높이도록 할 수 있다. The package configuration module 172 is configured to form a packaged product by determining the detailed configuration of the type of health food determined by the product type determination module 171, and sets a category for each type of health food store Then, the detailed configuration is determined and inserted in the order of preference for the corresponding category. Therefore, health food can be formed with high-quality detailed composition, thereby increasing the satisfaction of the purchaser.

상기 맞춤구성삽입모듈(173)은 구매자의 건강정보에 따른 세부구성을 건강식품에 삽입하는 구성으로, 상기 구매자등록부(11)에 의해 등록되는 건강정보의 분석 결과에 따라 이에 맞는 세부구성을 지정하여 삽입하도록 하며, 건강정보수신모듈(173a), 구매자분류모듈(173b), 맞춤카테고리삽입모듈(173c), 세부구성지정모듈(173d)을 포함할 수 있다. The customized configuration insertion module 173 is a configuration for inserting a detailed configuration according to the health information of the purchaser into the health food, and according to the analysis result of the health information registered by the purchaser registration unit 11 to be inserted, it may include a health information receiving module 173a, a purchaser classification module 173b, a customized category insertion module 173c, and a detailed configuration designation module 173d.

상기 건강정보수신모듈(173a)은 구매자등록부(11)에 의해 등록된 구매자의 건강정보를 수신하는 구성으로, 이미 분석된 결과를 수신하도록 할 수도 있다. The health information receiving module 173a is configured to receive the health information of the purchaser registered by the purchaser registration unit 11, and may receive an already analyzed result.

상기 세부구성지정모듈(173d)은 맞춤카테고리삽입모듈(173c)에 의해 삽입된 카테고리에 대해 세부구성을 지정하는 구성으로, 구매자분류모듈(173b)에 의해 분석된 결과에 따라 건강식품 판매점 종합지수를 비교하여 선호도 높은 세부구성이 지정되어 삽입될 수 있도록 한다. The detailed configuration designation module 173d is a configuration for designating a detailed configuration for the category inserted by the custom category insertion module 173c, and according to the analysis result by the purchaser classification module 173b, a health food store comprehensive index By comparison, a preferred detailed configuration is specified and inserted.

상기 상품최적화모듈(174)은 패키지 형태의 건강식품에 대한 구매가 이루어지고 난 후, 구매자의 후기 등을 분석하여 별도의 선호도 정보를 파악하도록 하고, 이에 따라 실제 구매자들의 선호도가 떨어지는 경우에는 해당 구성을 변경하도록 함으로써, 상품에 대한 품질을 지속적으로 유지할 수 있도록 한다. 상기 상품최적화모듈(174)은 도 4에 도시된 바와 같이 구매이력저장모듈(174a), 후기분석모듈(174b), 구매자별지수산출모듈(174c), 지수합산모듈(174d), 구성변경모듈(174e)을 포함할 수 있다. The product optimization module 174 analyzes a buyer's reviews after purchase of health food in the form of a package to identify separate preference information. By making changes to the product, it is possible to continuously maintain the quality of the product. As shown in FIG. 4, the product optimization module 174 includes a purchase history storage module 174a, a late analysis module 174b, a purchaser-specific index calculation module 174c, an index summation module 174d, and a configuration change module ( 174e).

상기 구매이력저장모듈(174a)은 건강식품을 구매한 구매자의 정보를 저장하는 구성으로, 해당 구매자의 여행 후기 등을 분석하여, 구매한 상품의 세부 구성들에 대한 선호도를 파악할 수 있도록 한다. The purchase history storage module 174a is a component that stores information of a purchaser who has purchased health food, and analyzes the purchaser's travel reviews, etc., so that preference for detailed components of the purchased product can be identified.

상기 후기분석모듈(174b)은 건강식품을 구매한 구매자의 여행 후기 등을 분석하는 구성으로, 구매자등록부(11)에 의해 등록된 구매자의 계정 등을 이용하여 SNS, 블로그, 카페 등을 분석하도록 한다. The review analysis module 174b is configured to analyze the travel reviews of the purchaser who purchases health food, and analyzes SNS, blogs, cafes, etc. using the purchaser's account registered by the purchaser register 11 .

상기 구매자별지수산출모듈(174c)은 건강식품의 세부구성에 대한 구매자의 선호 정도를 구매자별지수로 산출하는 구성으로, 건강식품 산출부(13)와 같이 각 세부구성의 속성과 속성별 선호 정도를 통해 구매자별지수를 산출하도록 한다. The purchaser-specific index calculation module 174c is a configuration that calculates the purchaser's preference for the detailed composition of health food as an index for each purchaser, and like the health food calculation unit 13, the attribute of each detailed composition and the preference degree by attribute to calculate the index for each buyer.

상기 지수합산모듈(174d)은 구매자별지수산출모듈(174c)에 의해 산출되는 구매자별지수를 일정기간 동안 합산하는 구성으로, 일정기간 동안 세부구성에 대한 구매자들의 선호 정도를 판단할 수 있도록 한다. The index summing module 174d is a configuration for summing the purchaser-specific index calculated by the purchaser-specific index calculation module 174c for a certain period of time, and allows to determine the degree of preference of buyers for the detailed configuration for a certain period of time.

상기 구성변경모듈(174e)은 지수합산모듈(174d)에 의해 합산되는 구매자별지수가 일정값 이하로 내려가는 경우 해당 세부구성을 변경하는 구성으로, 구매자의 선호도가 떨어지는 구성을 선호도가 높은 다른 구성으로 대체하도록 함으로써 건강식품의 품질을 유지할 수 있도록 한다. The configuration change module 174e is a configuration that changes the corresponding detailed configuration when the purchaser-specific index summed by the index summing module 174d falls below a certain value, and replaces a configuration with a low preference of the buyer with another configuration with high preference By doing so, the quality of health food can be maintained.

상기 매체광고부(18)는 특정 매체에 건강식품의 광고를 실시하는 구성으로, 상기 매체별산정부(15)에 의해 산정되는 매체별 선호도정보에 따라 광고를 실시하도록 하며, 매체지수산출모듈(181)과 광고매체결정모듈(182)을 포함할 수 있다. The media advertisement unit 18 is configured to advertise health food in a specific medium, and performs advertisements according to the preference information for each medium calculated by the medium-specific calculation unit 15, and a medium index calculation module 181 ) and an advertisement medium determination module 182 may be included.

상기 매체지수산출모듈(181)은 패키지 형태의 건강식품이 각 매체에 대해 갖는 선호 정도를 의미하는 매체지수를 산출하는 구성으로, 매체지수가 높은 매체에 광고를 실시할 수 있도록 한다. 상기 매체별산정부(15)는 SNS, 블로그, 카페 등의 온라인 매체 각각에 대해 건강식품 판매점, 건강식품 제조사, 각종 특정 건강식품의 선호도를 구분하여 산정하도록 한다. 따라서, 매체지수산출모듈(181)은 건강식품을 구성하는 세부구성들에 대해 매체별산정부(15)에 산정된 매체별 선호도를 합산할 수 있으며, 이를 매체지수로 산출하도록 한다. 따라서, 매체지수는 해당 건강식품에 대한 각 매체에서의 선호도를 의미하게 되며, 선호도가 높게 분석되는 매체에 건강식품의 광고를 실시할 수 있도록 하여 광고 효과를 극대화할 수 있도록 한다. The media index calculation module 181 is configured to calculate a media index indicating the degree of preference that package-type health food has for each medium, and allows advertisements to be implemented in a medium having a high media index. The media-specific calculation unit 15 divides and calculates the preferences of health food stores, health food manufacturers, and various specific health food for each of the online media such as SNS, blog, and cafe. Therefore, the media index calculation module 181 may add up the preferences for each medium calculated by the media calculation unit 15 for detailed components constituting the health food, and calculate this as a media index. Therefore, the media index means the preference in each medium for the corresponding health food, and the advertisement effect of the health food can be maximized by allowing the advertisement of the health food in the medium analyzed with high preference.

상기 광고매체결정모듈(182)은 매체지수산출모듈(181)에 의해 산출된 매체지수에 따라 건강식품의 광고를 실시할 매체를 결정하는 구성으로, 매체지수가 높은 매체에 건강식품의 광고를 실시할 수 있도록 한다. The advertisement medium determination module 182 is configured to determine a medium in which to carry out advertisement of health food according to the medium index calculated by the medium index calculation module 181, and executes advertisement of health food in a medium having a high medium index. make it possible

상기 구매자단말기(3)는 상기 서비스서버(1)와 정보를 교환하는 구성으로 상기 서비스서버(1)에서 생성된 건강식품에 대한 정보를 디스플레이하며, PC, 스마트폰, 태블릿PC 등과 같이 정보의 송수신이 가능하고 정보를 디스플레이할 수 있는 다양한 전자기기가 사용될 수 있다.The purchaser terminal 3 displays information on health food generated in the service server 1 in a configuration for exchanging information with the service server 1, and transmits and receives information such as PC, smart phone, tablet PC, etc. Various electronic devices capable of this and displaying information may be used.

본 발명은 커팅부, 제 1 트랜스퍼 및 제 2 트랜스퍼, 콤바인부를 포함할 수 있다.The present invention may include a cutting unit, a first transfer and a second transfer, and a combine unit.

커팅부는 데이터를 분할하여 복수 개의 조각들을 생성하고, 조각들의 각각에 어드레스를 부여할 수 있다. 여기서, 조각들의 어드레스는 복수 개의 문자 및 숫자의 조합으로 이루어질 수 있다.The cutting unit may generate a plurality of pieces by dividing the data, and may assign an address to each of the pieces. Here, the addresses of the pieces may be composed of a combination of a plurality of letters and numbers.

또한, 커팅부는 각각의 어드레스를 고려하여 조합 규칙을 생성할 수 있다. 여기서, 조합 규칙은 복수 개의 데이터 조각들을 각각의 어드레스를 바탕으로 하여 분할되기 이전의 데이터로 조합할 수 있도록 하는 규칙을 의미한다.Also, the cutting unit may generate a combination rule in consideration of each address. Here, the combination rule refers to a rule that allows a plurality of data pieces to be combined into data before being divided based on each address.

제 1 트랜스퍼는 복수 개의 데이터 조각들을 임의의 순서로 전송할 수 있다. 여기서, 복수 개의 데이터 조각들은 각각 부여된 어드레스와 함께 전송될 수 있다.The first transfer may transmit a plurality of data pieces in an arbitrary order. Here, a plurality of data pieces may be transmitted together with an assigned address, respectively.

제 2 트랜스퍼는 제 1 트랜스퍼에 의해 전송된 복수 개의 데이터 조각들에 대응되는 조합 규칙을 전송할 수 있다. 여기서, 제 2 트랜스퍼는 제 1 트랜스퍼에 의한 복수 개의 데이터 조각들의 전송에 대하여 시차를 두고 조합 규칙을 전송하는 것이 바람직할 수 있다. The second transfer may transmit a combination rule corresponding to the plurality of data pieces transmitted by the first transfer. Here, it may be preferable that the second transfer transmits the combination rule with a time difference with respect to the transmission of the plurality of data pieces by the first transfer.

이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 혹은 이들 중 하나 이상의 조합에서 구현 가능하다.The functional operations described in this specification and the embodiments related to the present subject matter can be implemented in a digital electronic circuit, computer software, firmware or hardware, including the structures disclosed herein and structural equivalents thereof, or in a combination of one or more thereof Do.

본 명세서에서 기술하는 주제의 실시형태는 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체 상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 혹은 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 혹은 이들 중 하나 이상의 조합일 수 있다.Embodiments of the subject matter described herein are one or more computer program products, ie one or more modules directed to computer program instructions encoded on a tangible program medium for execution by or for controlling the operation of a data processing device. can be implemented. A tangible program medium may be a radio wave signal or a computer-readable medium. A radio wave signal is an artificially generated signal, eg a machine-generated electrical, optical or electromagnetic signal, that is generated to encode information for transmission to an appropriate receiver device for execution by a computer. The computer-readable medium may be a machine-readable storage device, a machine-readable storage substrate, a memory device, a combination of materials that affect a machine-readable radio wave signal, or a combination of one or more of these.

컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.A computer program (also known as a program, software, software application, script or code) may be written in any form of any programming language, including compiled or interpreted language or a priori or procedural language, and may be written as a stand-alone program or module; It can be deployed in any form, including components, subroutines, or other units suitable for use in a computer environment.

컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다.A computer program does not necessarily correspond to a file in a file system. A program may be in a single file provided to the requested program, or in multiple interacting files (eg, files that store one or more modules, subprograms, or portions of code), or portions of files that hold other programs or data. (eg, one or more scripts stored within a markup language document).

컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터 또는 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.The computer program may be deployed to be executed on one computer or multiple computers located at one site or distributed over a plurality of sites and interconnected by a communication network.

부가적으로, 본 명세서에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 구축하는 데에도 사용 가능하다. Additionally, the logic flows and structural block diagrams described herein describe corresponding acts and/or specific methods supported by corresponding functions and steps supported by the disclosed structural means, and corresponding software. It can also be used to build structures and algorithms and their equivalents.

본 명세서에서 기술하는 프로세스와 논리 흐름은 입력 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상의 컴퓨터 프로그램을 실행하는 하나 이상의 프로그래머블 프로세서에 의하여 수행 가능하다.The processes and logic flows described herein may be performed by one or more programmable processors executing one or more computer programs to perform functions by operating on input data and generating output.

컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 종류의 디지털 컴퓨터의 어떠한 하나 이상의 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 혹은 양자로부터 명령어와 데이터를 수신할 것이다. Processors suitable for the execution of computer programs include, for example, both general and special purpose microprocessors and any one or more processors of any kind of digital computer. Typically, the processor will receive instructions and data from read-only memory, random access memory, or both.

컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상의 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상의 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 혹은 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.A key element of a computer is one or more memory devices for storing instructions and data and a processor for executing instructions. In addition, a computer is generally operably coupled to receive data from, or transmit data to, one or more mass storage devices for storing data, such as, for example, magnetic, magneto-optical disks or optical disks, or to perform both such operations. or will include However, the computer need not have such a device.

본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다. The present description sets forth the best mode of the invention, and provides examples to illustrate the invention, and to enable any person skilled in the art to make or use the invention. The specification thus prepared does not limit the present invention to the specific terms presented.

따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있다는 점을 밝힌다.Accordingly, although the present invention has been described in detail with reference to the above-described examples, those skilled in the art can make modifications, changes, and modifications to the examples without departing from the scope of the present invention. In short, in order to achieve the intended effect of the present invention, it is not necessary to separately include all the functional blocks shown in the drawings or follow all the orders shown in the drawings. indicate that it may be within the scope

Claims (8)

빅데이터를 이용한 건강식품 추천시스템에 있어서,
판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기 등에 관한 빅데이터를 수집하여 각각에 대한 선호도를 분석하고, 선호도에 따라 건강식품을 추천하는 서비스서버;
상기 서비스서버에 접속하여 건강식품에 관한 정보를 수신하는구매자단말기; 및
상기 수신된 건강식품에 관한 정보를 분산저장하는 분산저장서버를 포함하고,
상기 서비스서버는 건강식품 판매점, 건강식품 제조사, 각종 건강식품의 속성별 선호도에 따른 건강식품 속성지수를 이용하여 각 건강식품 판매점, 건강식품 제조사, 각종 건강식품에 대한 선호도의 분석이 이루어지도록 하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. In the health food recommendation system using big data,
a service server that collects big data on manufacturers, sellers, ingredients, dosage, efficacy, reviews, etc. of specific health food being sold, analyzes preferences for each, and recommends health food according to preferences;
a purchaser terminal accessing the service server to receive information on health food; and
and a distributed storage server for distributed storage of the received health food information,
The service server uses the health food attribute index according to the preference for each attribute of health food store, health food manufacturer, and various health food so that the preference for each health food store, health food manufacturer, and various health food is analyzed. A health food recommendation system using big data. 제 1 항에 있어서, 상기 서비스서버는
판매되고 있는 특정 건강식품의 제조사, 판매자, 성분, 복용법, 효능, 후기의 선호도에 관한 정보를 산출하는 건강식품 산출부를 포함하고,
상기 건강식품 산출부는
특정 건강식품의 각 속성에 관한 연관단어정보를 등록하는 건강식품 속성등록모듈;
온라인 상에서 수집되는 빅데이터에서 각 건강식품 등에 관한 데이터를 추출하는 데이터추출모듈;
추출된 데이터에서 각 속성의 연관단어정보와 유사한 단어를 검색하는 유의어검색모듈; 및
검색된 유사한 단어에 대한 긍정 내지 부정에 따른 비율에 따라 각 속성에 대한 선호도를 산출하는 건강식품 속성지수산출모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. The method of claim 1, wherein the service server
Includes a health food calculation unit that calculates information about the manufacturer, seller, ingredient, dosage method, efficacy, and preference of a specific health food being sold;
The health food calculation unit
a health food attribute registration module for registering related word information on each attribute of a specific health food;
a data extraction module for extracting data on each health food from big data collected online;
a synonym search module for searching for words similar to related word information of each attribute in the extracted data; and
A health food recommendation system using big data, characterized in that it includes a health food attribute index calculation module that calculates a preference for each attribute according to the ratio of positive or negative to the searched similar words. 제 2 항에 있어서, 상기 유의어검색모듈은
건강식품 속성등록모듈에 의해 등록된 연관단어정보를 영문으로 변환하는 영문변환모듈;
영문으로 변환된 연관단어정보를 유의어 집단으로 확장시키는 유의어확장모듈; 및
데이터추출모듈에 의해 추출된 데이터를 영문으로 변환하여 유의어확장모듈에 의해 확장된 유의어와 비교하는 데이터비교모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. The method of claim 2, wherein the synonym search module
an English conversion module for converting related word information registered by the health food attribute registration module into English;
a synonym expansion module for expanding the related word information converted into English into a group of synonyms; and
A health food recommendation system using big data, characterized in that it includes a data comparison module that converts the data extracted by the data extraction module into English and compares it with the synonym expanded by the synonym expansion module. 제 2 항에 있어서, 상기 건강식품 산출부는
각 속성의 연관단어정보에 대해 상기 유의어검색모듈에 의해 검색되는 유의어의 빈도를 산정하는 빈도산정모듈; 및
빈도산정모듈에 의해 산정되는 빈도에 따라 각 속성에 가중치를 설정하여 각 건강식품 등에 대한 선호도를 산출하는 건강식품판매점 종합지수산출모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. According to claim 2, wherein the health food calculation unit
a frequency calculation module for calculating the frequency of synonyms searched for by the synonym search module for the related word information of each attribute; and
A health food recommendation system using big data, characterized in that it includes a health food store comprehensive index calculation module that calculates preference for each health food by setting weights for each attribute according to the frequency calculated by the frequency calculation module. 제 4 항에 있어서, 상기 서비스서버는
서비스서버에 접속하는 구매자 정보에 따라 건강식품판매점 종합지수산출모듈에 의해 산출된 건강식품 판매점 종합지수를 최적화하는 구매자지수 산출부를 포함하고,
상기 구매자지수 산출부는,
구매자의 SNS, 여행 후기, 작성글, 검색기록에 관한 데이터를 추출하는 구매자데이터추출모듈;
구매자데이터추출모듈에 의해 추출된 데이터를 유의어검색모듈에 의해 검색하여 각 속성에 관한 연관단어정보의 검출 빈도를 산출하는 속성별빈도산출모듈; 및
속성별빈도산출모듈에 의해 산출된 빈도에 따라 가중치를 갱신하여 건강식품 판매점 종합지수를 산출하는 지수최적화모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. 5. The method of claim 4, wherein the service server
A purchaser index calculation unit for optimizing the health food store comprehensive index calculated by the health food store comprehensive index calculation module according to buyer information accessing the service server;
The purchaser index calculation unit,
a buyer data extraction module for extracting data on the buyer's SNS, travel reviews, written articles, and search records;
a frequency calculation module for each attribute that searches the data extracted by the purchaser data extraction module by the synonym search module and calculates the detection frequency of related word information for each attribute; and
A health food recommendation system using big data, characterized in that it includes an index optimization module that updates the weight according to the frequency calculated by the frequency calculation module for each attribute and calculates a comprehensive health food store index. 제 5 항에 있어서, 상기 서비스서버는
상기 건강식품 산출부 및 구매자지수 산출부에 의해 산출된 선호도 정보에 따라 건강식품을 추천하는 건강식품추천부를 포함하고,
상기 건강식품추천부는 구매자의 상태에 따라 건강식품의 유형을 결정하는 상품유형결정모듈을 포함하며,
상기 상품유형결정모듈은,
구매자에 의해 입력되는 정보에 따라 각 구매자의 신체적, 사회적, 정신적, 정서적, 직업적 건강 상태를 평가하여 지표로 산출하는 평가지표산출모듈;
건강식품의 유형별로 신체적, 사회적, 정신적, 정서적, 직업적 건강 상태에 대한 가중치를 다르게 설정하는 유형별가중치설정모듈; 및
설정된 유형별 가중치에 따라 각 건강 상태의 지표를 합산하여 유형지수를 산출하고, 가장 높은 유형지수를 갖는 유형으로 건강식품의 유형을 결정하는 유형지수산출모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. The method of claim 5, wherein the service server
A health food recommendation unit for recommending health food according to the preference information calculated by the health food calculation unit and the purchaser index calculation unit,
The health food recommendation unit includes a product type determination module that determines the type of health food according to the condition of the purchaser,
The product type determination module is
an evaluation index calculation module that evaluates the physical, social, mental, emotional, and occupational health status of each purchaser according to information input by the purchaser and calculates it as an index;
a weight setting module for each type of health food, which sets different weights for physical, social, mental, emotional, and occupational health status for each type of health food; and
Health using big data, characterized in that it includes a type index calculation module that calculates a type index by summing the indicators of each health state according to the set weight for each type, and determines the type of health food as the type with the highest type index Food recommendation system. 제 6 항에 있어서, 상기 건강식품추천부는
각 구매자의 건강정보에 따라 적합한 세부구성을 삽입하는 맞춤구성삽입모듈을 포함하고,
상기 맞춤구성삽입모듈은,
각 구매자의 등록된 건강정보를 수신하는 건강정보수신모듈과, 건강정보를 분석하여 구매자의 건강상태, 알러지 유발 성분 등에 따라 구매자를 분류하는 구매자분류모듈;
구매자 분류에 따라 적합한 건강식품 카테고리를 건강식품에 삽입하는 맞춤카테고리삽입모듈; 및
건강식품 판매점 종합지수가 높은 순으로 각 카테고리의 세부구성을 지정하는 세부구성지정모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. The method of claim 6, wherein the health food recommendation unit
Includes a custom configuration insertion module that inserts a suitable detailed configuration according to the health information of each purchaser,
The custom configuration insertion module,
a health information receiving module for receiving each purchaser's registered health information, and a purchaser classification module for analyzing the health information and classifying the purchaser according to the purchaser's health status, allergy-causing ingredients, etc.;
A customized category insertion module for inserting a suitable health food category into health food according to the purchaser's classification; and
A health food recommendation system using big data, characterized in that it includes a detailed configuration designation module for designating the detailed configuration of each category in the order of the highest overall health food retail index. 제 7 항에 있어서, 상기 건강식품추천부는
건강식품을 구매한 구매자의 후기 정보에 따라 세부구성을 변경하는 상품최적화모듈을 포함하고,
상기 상품최적화모듈은,
구매자의 구매이력을 저장하는 구매이력저장모듈;
구매한 구매자의 후기, SNS 등을 분석하는 후기분석모듈;
후기분석모듈에 의해 구매자별 건강식품 판매점 종합지수를 산출하는 구매자별지수산출모듈;
일정기간 동안 구매자별지수산출모듈에 의해 산출되는 건강식품 판매점 종합지수를 합산하는 지수합산모듈; 및
지수합산모듈에 의해 합산된 건강식품 판매점 종합지수가 일정값 이하로 내려가는 경우 해당 세부구성을 선호도가 높은 다른 세부구성으로 변경하는 구성변경모듈을 포함하는 것을 특징으로 하는 빅데이터를 이용한 건강식품 추천시스템. The method of claim 7, wherein the health food recommendation unit
Includes a product optimization module that changes the detailed composition according to the review information of buyers who have purchased health food,
The product optimization module is
a purchase history storage module for storing the purchase history of the purchaser;
A review analysis module that analyzes the purchaser's reviews, SNS, etc.;
an index calculation module for each purchaser that calculates a comprehensive index of health food stores for each purchaser by the late analysis module;
an index summing module for summing up the health food store comprehensive index calculated by the purchaser-specific index calculation module for a certain period of time; and
Health food recommendation system using big data, characterized in that it includes a configuration change module that changes the detailed configuration to another detailed configuration with high preference when the overall index of health food stores summed by the index summation module falls below a certain value .
KR1020200107057A 2020-08-25 2020-08-25 Recommendation System for Health Supplement by Using Big Data KR20220026255A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200107057A KR20220026255A (en) 2020-08-25 2020-08-25 Recommendation System for Health Supplement by Using Big Data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200107057A KR20220026255A (en) 2020-08-25 2020-08-25 Recommendation System for Health Supplement by Using Big Data

Publications (1)

Publication Number Publication Date
KR20220026255A true KR20220026255A (en) 2022-03-04

Family

ID=80813655

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200107057A KR20220026255A (en) 2020-08-25 2020-08-25 Recommendation System for Health Supplement by Using Big Data

Country Status (1)

Country Link
KR (1) KR20220026255A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102393523B1 (en) * 2022-03-28 2022-05-03 주식회사 두레농산 Apparatus of controling polished rice quarlity based on customer preference
KR102470993B1 (en) 2022-05-03 2022-11-28 주식회사 엔라이즈 Method, device and system for deriving product sales strategy for health functional food based on artificial intelligence

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102393523B1 (en) * 2022-03-28 2022-05-03 주식회사 두레농산 Apparatus of controling polished rice quarlity based on customer preference
KR102470993B1 (en) 2022-05-03 2022-11-28 주식회사 엔라이즈 Method, device and system for deriving product sales strategy for health functional food based on artificial intelligence

Similar Documents

Publication Publication Date Title
US10452662B2 (en) Determining search result rankings based on trust level values associated with sellers
US9589025B2 (en) Correlated information recommendation
US10685181B2 (en) Linguistic expression of preferences in social media for prediction and recommendation
KR102191284B1 (en) Tourism goods recommending system using attribute information
US9846885B1 (en) Method and system for comparing commercial entities based on purchase patterns
EP2782029A2 (en) Re-ranking results in a search
US20150254714A1 (en) Systems and methods for keyword suggestion
US9384278B2 (en) Methods and systems for assessing excessive accessory listings in search results
US20160042403A1 (en) Extraction device, extraction method, and non-transitory computer readable storage medium
KR20190066966A (en) System and method for recommending goods
US11392631B2 (en) System and method for programmatic generation of attribute descriptors
KR101647087B1 (en) Server and method for goods providing based on natural language processing
US20160034483A1 (en) Method and system for discovering related books based on book content
CN105468649A (en) Method and apparatus for determining matching of to-be-displayed object
KR20220026255A (en) Recommendation System for Health Supplement by Using Big Data
KR101026544B1 (en) Method and Apparatus for ranking analysis based on artificial intelligence, and Recording medium thereof
CN111582731A (en) Data processing method and device, electronic equipment and readable storage medium
KR20220007783A (en) Recommendation System for Plastic Surgery Service by Using Attribute Information
JP2016197332A (en) Information processing system, information processing method, and computer program
WO2021181900A1 (en) Target user feature extraction method, target user feature extraction system, and target user feature extraction server
CN107533545B (en) Information presentation device, information presentation method, and recording medium
KR20140094059A (en) Method and system for managing lodging business
JP6809148B2 (en) Program and combination extraction system
Bauer et al. Where can I buy a boulder? Searching for offline retail locations
KR102588300B1 (en) Shopping mall product exposure information provision system and method