KR20220027631A - 선호 콘텐츠 추천 장치 및 그 방법 - Google Patents

Abstract

잠재 속성을 가지는 요소에 대한 사용자의 선택 조합으로 생성된 속성 문서를 기반으로 선호 콘텐츠를 추천할 수 있는 선호 콘텐츠 추천 장치 및 방법이 개시된다. 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치는: 사용자로부터 상품에 관한 상품 정보, 상기 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받기 위한 입력부; 및 상기 상품 정보 및 상기 옵션 선택 정보를 기반으로 선호 콘텐츠를 추천하는 선호 콘텐츠 추천부를 포함할 수 있다. 상기 선호 콘텐츠 추천부는: 상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하고, 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 추천할 수 있다.

Description

선호 콘텐츠 추천 장치 및 그 방법{APPARATUS AND METHOD FOR RECOMMENDING PREFERRED CONTENTS}

본 발명은 선호 콘텐츠 추천 장치 및 그 방법에 관한 것으로, 보다 상세하게는 잠재 속성을 가지는 요소에 대한 사용자의 선택 조합으로 생성된 속성 문서를 기반으로 선호 콘텐츠를 추천할 수 있는 선호 콘텐츠 추천 장치 및 방법에 관한 것이다.

일반적으로, 쇼핑몰의 추천 엔진은 사용자의 구매 이력을 기반으로, 사용자의 구매 내역, 좋아요 내역 등의 누적된 데이터를 바탕으로 사용자에게 상품 등의 콘텐츠 추천을 하고 있다. 종래의 쇼핑몰 추천 엔진은 초기 진입 유저의 데이터 부족으로 인해 콜드 스타트 문제(Cold start problem)가 발생하며, 이로 인해 추천 성능이 저하되는 문제를 가진다. 이는 추천 엔진의 시스템 초창기 뿐만 아니라, 처음 가입한 사용자에게 발생될 수 있는 문제이다.

또한, 종래의 쇼핑몰 추천 엔진은 콘텐츠 추천을 위한 키워드 선정에 있어서도 상품의 카테고리, 상품의 이름, 내용 속에 포함된 텍스트 키워드 등을 키워드로 선정하기 때문에, 유사한 제품이라 할지라도 상품 콘텐츠에 포함된 키워드의 차이로 인해서 추천되지 못하거나, 사용자의 선호에 연관이 있음에도 불구하고 연관성을 찾지 못해 추천되지 못하는 경우가 발생한다. 또한 사용자의 선호 속성을 추출 할 때에도 직접적인 키워드(예를 들어, 모자, 붉은색, 가죽 등)를 기반으로 콘텐츠를 추천할 수밖에 없는 한계도 있다.

본 발명은 잠재 속성을 가지는 요소에 대한 사용자의 선택 조합으로 생성된 속성 문서를 기반으로 선호 콘텐츠를 추천할 수 있는 선호 콘텐츠 추천 장치 및 방법을 제공하기 위한 것이다.

또한, 본 발명은 사용자의 기존 이력이 없거나 서비스 이용이 빈번하지 않은 상품에 대해서도 상품 선택지의 선택에 따른 잠재 속성을 통해서 의미 있는 속성 문서 생성이 가능하며, 사용자 이력과 상관 없이 적합한 콘텐츠를 추천하는 서비스를 제공할 수 있는 선호 콘텐츠 추천 장치 및 방법을 제공하기 위한 것이다.

또한, 본 발명은 상품에 직접 담기 힘든 추상적인 속성을 잠재 속성으로 설정하여 다른 도메인 혹은 다른 카테고리의 콘텐츠에 대한 속성 매칭도 가능한 선호 콘텐츠 추천 장치 및 방법을 제공하기 위한 것이다.

또한, 본 발명은 속성 선별을 통해 정확도가 높은 속성 문서를 생성할 수 있고, 동시에 속성 문서가 비대해지는 것을 방지할 수 있는 선호 콘텐츠 추천 장치 및 방법을 제공하기 위한 것이다.

또한, 본 발명은 사용자에 적합한 콘텐츠 추천에 활용될 수 있는 잠재 속성을 추가하거나, 잠재 속성을 하위 잠재 속성들로 분류하여 하위 잠재 속성에 따라 콘텐츠 추천이 가능한 선호 콘텐츠 추천 장치 및 방법을 제공하기 위한 것이다.

본 발명의 실시예에 따른 선호 콘텐츠 추천 장치는: 사용자로부터 상품에 관한 상품 정보, 상기 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받기 위한 입력부; 및 상기 상품 정보 및 상기 옵션 선택 정보를 기반으로 선호 콘텐츠를 추천하는 선호 콘텐츠 추천부를 포함한다.

상기 선호 콘텐츠 추천부는: 상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하고, 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 추천할 수 있다.

상기 선호 콘텐츠 추천부는: 상기 상품 정보의 상품 키워드 및 상기 옵션 선택 정보의 옵션 선택 키워드와 직접적으로 관련된 직접 속성을 생성하는 직접 속성 생성부; 상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하는 잠재 속성 생성부; 및 상기 직접 속성 및 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 선정하는 선호 콘텐츠 선정부를 포함할 수 있다.

상기 선호 콘텐츠 선정부는: 상기 직접 속성 및 상기 잠재 속성을 기반으로 선호 속성 정보를 생성하는 선호 속성 정보 생성부; 상기 선호 속성 정보 중 유사 속성 및 대립 속성을 선별하여 추천에 사용될 선별 속성 정보를 생성하는 선별 속성 정보 생성부; 및 상기 선별 속성 정보를 기반으로 상기 선호 콘텐츠를 결정하는 선호 콘텐츠 결정부를 포함할 수 있다.

상기 선별 속성 정보 생성부는: 상기 선호 속성 정보 중 유사 속성들을 대표 속성으로 통합하여 설정하는 대표 속성 설정부; 및 대립되는 속성 쌍을 구분하여 대립 속성으로 설정하는 대립 속성 설정부를 포함할 수 있다.

상기 선호 콘텐츠 추천부는: 상기 사용자가 상기 사용자에게 추천된 선호 콘텐츠에 대해 입력한 리뷰 데이터를 기반으로, 상기 잠재 속성을 갱신하는 잠재 속성 갱신부를 더 포함할 수 있다.

상기 잠재 속성 갱신부는: 상기 리뷰 데이터에서, 상기 상품 정보 및 상기 옵션 선택 정보와 관련되고 상기 직접 속성과 관련되지 않으며 미리 정의된 잠재 속성들에 포함되지 않은 잠재 속성 단어들을 추출하는 잠재 속성 단어 추출부; 추출된 상기 잠재 속성 단어들 중 상기 미리 정의된 잠재 속성들과의 유사도값들이 모두 기준값보다 낮은 신규 잠재 속성 단어들을 추출하는 신규 잠재 속성 단어 추출부; 및 상기 신규 잠재 속성 단어들을 군집화하고, 군집화된 단위로 잠재 속성명을 설정하여 상기 상품 정보 및 상기 옵션 선택 정보에 관한 잠재 속성을 추가하는 잠재 속성 추가부를 포함할 수 있다.

상기 잠재 속성 갱신부는: 상기 상품 정보 및 상기 옵션 선택 정보와 관련된 상기 잠재 속성들 중 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류하는 잠재 속성 분류부를 더 포함할 수 있다.

상기 잠재 속성 분류부는: 상기 리뷰 데이터에서 상기 상품 정보 및 상기 옵션 선택 정보에 관한 잠재 속성과 관련되고 긍정 평가에 해당하는 긍정 평가 정보와 부정 평가에 해당하는 부정 평가 정보를 추출하는 평가 정보 추출부; 상기 잠재 속성과 관련되고 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성 단어와, 상기 잠재 속성과 관련되고 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성 단어를 추출하는 하위 잠재 속성 단어 추출부; 및 상기 제1 하위 잠재 속성 단어 및 상기 제2 하위 잠재 속성 단어에 따라, 상기 잠재 속성을 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성과 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성으로 분류하는 하위 잠재 속성 분류부를 포함할 수 있다.

본 발명의 실시예에 따른 선호 콘텐츠 추천 방법은: 입력부에 의해, 사용자로부터 상품에 관한 상품 정보, 상기 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받는 단계; 및 선호 콘텐츠 추천부에 의해, 상기 상품 정보 및 상기 옵션 선택 정보를 기반으로 선호 콘텐츠를 추천하는 단계를 포함한다.

상기 선호 콘텐츠를 추천하는 단계는: 상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하는 단계; 및 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 추천하는 단계를 포함할 수 있다.

상기 선호 콘텐츠를 추천하는 단계는: 직접 속성 생성부에 의해, 상기 상품 정보의 상품 키워드 및 상기 옵션 선택 정보의 옵션 선택 키워드와 직접적으로 관련된 직접 속성을 생성하는 단계; 잠재 속성 생성부에 의해, 상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하는 단계; 및 선호 콘텐츠 선정부에 의해, 상기 직접 속성 및 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 선정하는 단계를 포함할 수 있다.

상기 선호 콘텐츠를 선정하는 단계는: 선호 속성 정보 생성부에 의해, 상기 직접 속성 및 상기 잠재 속성을 기반으로 선호 속성 정보를 생성하는 단계; 선별 속성 정보 생성부에 의해, 상기 선호 속성 정보 중 유사 속성 및 대립 속성을 선별하여 추천에 사용될 선별 속성 정보를 생성하는 단계; 및 선호 콘텐츠 결정부에 의해, 상기 선별 속성 정보를 기반으로 상기 선호 콘텐츠를 결정하는 단계를 포함할 수 있다.

상기 선별 속성 정보를 생성하는 단계는: 대표 속성 설정부에 의해, 상기 선호 속성 정보 중 유사 속성들을 대표 속성으로 통합하여 설정하는 단계; 및 대립 속성 설정부에 의해, 대립되는 속성 쌍을 구분하여 대립 속성으로 설정하는 단계를 포함할 수 있다.

상기 잠재 속성을 갱신하는 단계는: 잠재 속성 분류부에 의해, 상기 상품 정보 및 상기 옵션 선택 정보와 관련된 상기 잠재 속성들 중 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류하는 단계를 더 포함할 수 있다.

상기 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류하는 단계는: 평가 정보 추출부에 의해, 상기 리뷰 데이터에서 상기 상품 정보 및 상기 옵션 선택 정보에 관한 잠재 속성과 관련되고 긍정 평가에 해당하는 긍정 평가 정보와 부정 평가에 해당하는 부정 평가 정보를 추출하는 단계; 하위 잠재 속성 단어 추출부에 의해, 상기 잠재 속성과 관련되고 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성 단어와, 상기 잠재 속성과 관련되고 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성 단어를 추출하는 단계; 및 하위 잠재 속성 분류부에 의해, 상기 제1 하위 잠재 속성 단어 및 상기 제2 하위 잠재 속성 단어에 따라, 상기 잠재 속성을 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성과 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성으로 분류하는 단계를 포함할 수 있다.

본 발명의 실시예에 따르면, 상기 선호 콘텐츠 추천 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공된다.

본 발명의 실시예에 의하면, 잠재 속성을 가지는 요소에 대한 사용자의 선택 조합으로 생성된 속성 문서를 기반으로 선호 콘텐츠를 추천할 수 있는 선호 콘텐츠 추천 장치 및 방법이 제공된다.

또한, 본 발명의 실시예에 의하면, 사용자의 기존 이력이 없거나 서비스 이용이 빈번하지 않은 상품에 대해서도 상품 선택지의 선택에 따른 잠재 속성을 통해서 의미 있는 속성 문서 생성이 가능하며, 사용자 이력과 상관 없이 적합한 콘텐츠를 추천하는 서비스를 제공할 수 있다.

또한, 본 발명의 실시예에 의하면, 상품에 직접 담기 힘든 추상적인 속성을 잠재 속성으로 설정하여 다른 도메인 혹은 다른 카테고리의 콘텐츠에 대한 속성 매칭이 가능한 선호 콘텐츠 추천 장치 및 방법이 제공된다.

또한, 본 발명위 실시예에 의하면, 속성 선별을 통해 정확도가 높은 속성 문서를 생성할 수 있고, 동시에 속성 문서가 비대해지는 것을 방지할 수 있는 선호 콘텐츠 추천 장치 및 방법이 제공된다.

또한, 본 발명의 실시예에 의하면, 사용자에 적합한 콘텐츠 추천에 활용될 수 있는 잠재 속성을 추가하거나, 잠재 속성을 하위 잠재 속성들로 분류하여 하위 잠재 속성에 따라 콘텐츠 추천이 가능한 선호 콘텐츠 추천 장치 및 방법이 제공된다.

도 1은 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치의 개념도이다.
도 3은 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 선호 콘텐츠 추천부의 구성도이다.
도 4는 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 선호 콘텐츠 선정부의 구성도이다.
도 5는 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 잠재 속성 갱신부의 구성도이다.
도 6은 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 잠재 속성 분류부의 구성도이다.
도 7은 본 발명의 실시예에 따른 선호 콘텐츠 추천 방법의 순서도이다.
도 8은 도 7의 단계 S200의 순서도이다.
도 9 및 도 10은 본 발명의 실시예에 따른 선호 콘텐츠 추천 방법을 설명하기 위한 개념도이다.
도 11은 도 8의 단계 S230의 순서도이다.
도 12는 도 11의 단계 S232의 순서도이다.
도 13은 도 8의 단계 S240의 순서도이다.
도 14는 도 13의 단계 S244의 순서도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

본 명세서에서, 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 의미한다. 본 명세서에서 사용되는 '~부, ~모듈'은 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~부, ~모듈'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~부, ~모듈'은 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 이하에서는 도면을 참조하여 본 발명의 실시예에 대해서 구체적으로 설명하기로 한다.

본 발명의 실시예에 따른 선호 콘텐츠 추천 장치 및 방법은 사용자로부터 상품에 관한 상품 정보와, 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받고, 상품 정보 및 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하여, 잠재 속성을 기반으로 선호 콘텐츠를 추천할 수 있다.

상품 정보 및 옵션 선택 정보의 조합에 따른 잠재 속성은 상품 및 상품과 관련된 옵션 선택 정보에 직접적으로 포함된 텍스트 키워드가 아니라, 잠재적으로 콘텐츠가 가지게 되는 속성 키워드일 수 있다.

도 1은 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치의 구성도이다. 도 2는 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치의 개념도이다. 도 1 및 도 2를 참조하면, 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치(10)는 입력부(100) 및 선호 콘텐츠 추천부(200)를 포함할 수 있다.

입력부(100)는 사용자로부터 상품에 관한 상품 정보, 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받기 위해 제공될 수 있다. 선호 콘텐츠 추천부(200)는 입력부(100)에 의해 입력된 상품 정보 및 옵션 선택 정보를 기반으로 선호 콘텐츠를 추천할 수 있다.

선호 콘텐츠 추천부(200)는 상품 정보 및 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하고, 잠재 속성을 기반으로 사용자에게 선호 콘텐츠를 추천할 수 있다.

일 예로, "가죽 재킷"과 관련된 직접 속성 키워드는 가죽, 재킷, 상의(카테고리)와 같은 키워드이고, 잠재 속성 키워드는 남성적, 고가, 가을, 겨울과 같은 키워드일 수 있다.

다른 예로, "재킷"의 옵션 내지 선택지로 "가죽"이 선정되는 경우, 직접 속성 키워드는 재킷, 가죽, 상의(카테고리)와 같은 키워드이고, 잠재 속성 키워드는 남성적(재킷), 럭셔리(가죽), 터프(가죽)과 같은 키워드일 수 있다.

또 다른 예로, "재킷"의 옵션 내지 선택지로 "빈티지"가 선정되는 경우, 직접 속성 키워드는 재킷, 빈티지, 상의(카테고리)와 같은 키워드이고, 잠재 속성 키워드는 남성적(재킷), 클래식(빈티지), 낭만적(빈티지)과 같은 키워드일 수 있다.

저장부(300)는 직접 속성들을 정의하는 직접 속성 사전, 잠재 속성들을 정의하는 잠재 속성 사전, 상품 정보 및 옵션 선택 정보에 따라 직접 속성 및 잠재 속성을 기반으로 선호 콘텐츠를 추천하기 위한 프로그램 등의 각종 정보를 저장할 수 있다.

선호 콘텐츠 추천부(200)에 의해 추천된 하나 이상의 선호 콘텐츠에 관한 정보는 출력부(400)에 의해 선호도 순으로 정렬되어 사용자 단말기(20)를 통해 출력되어 사용자에게 제공될 수 있다.

도 3은 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 선호 콘텐츠 추천부의 구성도이다. 도 1 내지 도 3을 참조하면, 선호 콘텐츠 추천부(200)는 직접 속성 생성부(210), 잠재 속성 생성부(220), 선호 콘텐츠 선정부(230) 및 잠재 속성 갱신부(240)를 포함할 수 있다.

직접 속성 생성부(210)는 상품 정보의 상품 키워드 및 옵션 선택 정보의 옵션 선택 키워드와 직접적으로 관련된 직접 속성을 생성할 수 있다.

잠재 속성 생성부(220)는 상품 정보 및 옵션 선택 정보의 조합에 따른 잠재 속성을 생성할 수 있다.

선호 콘텐츠 선정부(230)는 직접 속성 및 잠재 속성을 기반으로 선호 콘텐츠를 선정할 수 있다.

도 4는 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 선호 콘텐츠 선정부의 구성도이다. 도 1 내지 도 4를 참조하면, 선호 콘텐츠 선정부(230)는 선호 속성 정보 생성부(231), 선별 속성 정보 생성부(232) 및 선호 콘텐츠 결정부(233)를 포함할 수 있다.

선호 속성 정보 생성부(231)는 직접 속성 및 잠재 속성을 기반으로 선호 속성 정보를 생성할 수 있다.

선별 속성 정보 생성부(232)는 선호 속성 정보 중 유사 속성 및 대립 속성을 선별하여 추천에 사용될 선별 속성 정보를 생성할 수 있다. 대립 속성은 각 잠재 속성에 대하여 서로 양립할 수 없는 속성 관계를 의미한다.

예를 들어, 사용자가 입력한 다양한 상품 정보, 옵션 선택 정보에서, 서로 대립되는 둘 이상의 잠재 속성이 모두 포함되어 있는 경우, 해당 대립되는 둘 이상의 잠재 속성은 사용자의 콘텐츠 선호에 영향을 미치지 않거나, 영향도가 낮은 것으로 판단할 수 있으며, 이러한 대립 속성에 해당하는 잠재 속성을 제외하여 사용자가 선호하는 콘텐츠를 추천할 수 있다.

따라서 대립 속성에 해당하는 잠재 속성을 제거하여, 콘텐츠 추천의 정확도가 저하하거나 의미 없는 방대한 콘텐츠 추천 결과가 제공되는 것을 방지할 수 있다.

선별 속성 정보 생성부(232)는 대표 속성 설정부(232a) 및 대립 속성 설정부(232b)를 포함할 수 있다.

대표 속성 설정부(232a)는 선호 속성 정보 중 유사 속성들을 대표 속성으로 통합하여 설정할 수 있다.

대립 속성 설정부(232b)는 대립되는 속성 쌍을 구분하여 대립 속성으로 설정할 수 있다.

선호 콘텐츠 결정부(233)는 선별 속성 정보를 기반으로 선호 콘텐츠를 결정할 수 있다. 이때 선별 속성 정보와 콘텐츠 간의 유사도, 예를 들어 코사인 유사도(Cosine Similarity)를 산출하여 선호 콘텐츠를 결정할 수 있다.

상술한 바와 같은 본 발명의 실시예에 의하면, 잠재 속성을 가지는 요소에 대한 사용자의 선택 조합으로 생성된 속성 문서를 기반으로 선호 콘텐츠를 추천할 수 있다. 즉, 각 상품의 옵션 및 선택지를 설정함으로써 상품과 선택지가 가지고 있는 잠재 속성을 통해서 선호 키워드의 속성 문서를 생성하고, 이를 기반으로 사용자에게 적합한 콘텐츠를 추천할 수 있다.

본 발명의 실시예에 의하면, 상품 자체의 속성과 잠재 속성, 상품에 대한 선택지 및 옵션에 따른 잠재 속성을 작성하여 상품과 선택지 조합만으로도 효과적인 속성 문서를 생성할 수 있으며, 직접적으로 파악하기 힘든 잠재적인 선호의 분석도 가능하다.

본 발명의 실시예에 의하면, 사용자의 기존 이력이 없거나 서비스 이용이 빈번하지 않은 상품에 대해서도 상품 선택지의 선택에 따른 잠재 속성을 통해서 의미 있는 속성 문서 생성이 가능하며, 사용자 이력과 상관 없이 적합한 콘텐츠를 추천하는 서비스를 제공할 수 있다.

또한, 본 발명의 실시예에 의하면, 상품에 직접 담기 힘든 추상적인 속성(예를 들어, 산뜻한, 몽환적인 등)을 잠재 속성으로 설정하여 다른 도메인 혹은 다른 카테고리의 콘텐츠에 대한 속성 매칭도 가능하다.

또한, 본 발명의 실시예에 의하면, 단순히 키워드의 합집합으로 속성 문서가 비대해지는 것을 방지하기 위해서 유사한 속성은 하나의 대표 속성은 합치고, 서로 대립되는 속성 중 가중치가 낮은 것은 제거하는 속성 선별 작업을 거쳐 정확도가 높은 속성 문서를 생성할 수 있다.

다시 도 1 내지 도 3을 참조하면, 잠재 속성 갱신부(240)는 사용자가 사용자에게 추천된 선호 콘텐츠에 대해 사용자 단말기(20)를 이용하여 입력한 리뷰 데이터(30)를 기반으로, 상품 정보 및 옵션 선택 정보에 관한 잠재 속성을 갱신할 수 있다.

리뷰 데이터(30)는 사용자 단말기(20)에 의해 입력된 후기 데이터로부터 수집되거나, SNS/쇼핑몰 등으로부터 웹 크롤링(Web Crawling)에 의해 수집될 수 있다.

도 5는 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 잠재 속성 갱신부의 구성도이다. 도 3 및 도 5를 참조하면, 잠재 속성 갱신부(240)는 잠재 속성 단어 추출부(241), 신규 잠재 속성 단어 추출부(242), 잠재 속성 추가부(243) 및 잠재 속성 분류부(244)를 포함할 수 있다.

잠재 속성 단어 추출부(241)는 사용자가 추천받은 상품 정보 및 옵션 선택 정보에 대해 작성한 리뷰 데이터(30)에서, 상품 정보 및 옵션 선택 정보와 관련되고 직접 속성과 관련되지 않으며 미리 정의된 잠재 속성들에 포함되지 않은 잠재 속성 단어들을 추출할 수 있다.

신규 잠재 속성 단어 추출부(242)는 잠재 속성 단어 추출부(241)에 의해 추출된 잠재 속성 단어들 중 미리 정의된 잠재 속성들과의 유사도값들이 모두 기준값보다 낮은 신규 잠재 속성 단어들을 추출할 수 있다.

이때 리뷰 데이터로부터 추출된 잠재 속성 단어와 정의된 잠재 속성 간의 유사도값은 예를 들어, 벡터로 정의된 잠재 속성 단어들 간의 유클리디언 거리와 같은 벡터 거리를 기반으로 산출될 수 있으나, 이에 한정되는 것은 아니다.

유사한 잠재 속성들이 상이한 잠재 속성명으로 중복 정의되는 것을 방지하기 위하여, 잠재 속성 추가부(243)는 신규 잠재 속성 단어 추출부(242)에 의해 추출된 신규 잠재 속성 단어들을 군집화하고, 군집화된 단위로 잠재 속성명을 설정하여 상품 정보 및 옵션 선택 정보에 관한 잠재 속성을 추가할 수 있다.

잠재 속성 분류부(244)는 상품 정보 및 옵션 선택 정보와 관련된 잠재 속성들 중 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류할 수 있다.

잠재 속성 갱신부(240)는 예를 들어, 상품 정보가 스마트폰이고, 옵션 선택 정보가 폴더블 스마트폰인 경우, 리뷰 데이터에 '폴딩 주름'에 관한 잠재 속성 단어가 추출되었으나, 해당 폴더블 스마트폰에 관하여 '폴딩 주름'에 관한 잠재 속성이 정의되어 있지 않은 경우, 폴더블 스마트폰에 관하여 '폴딩 주름' 속성을 추가하여 스마트폰에 정의된 잠재 속성들을 갱신할 수 있다.

도 5에 도시된 실시예에 의하면, 리뷰 데이터를 기반으로 상품 정보 및 옵션 선택 정보에 관련된 신규 잠재 속성을 추가하는 잠재 속성 갱신을 통해 새로운 잠재 속성을 통해 사용자에게 적합한 콘텐츠를 추천할 수 있다.

따라서, 폴더블 스마트폰과 같이 새로운 유형의 상품이 출현하더라도, 그와 관련된 잠재 속성을 업데이트함으로써, 상품 및 옵션 선택 대상에 대해 다양한 잠재 속성을 고려하여 콘텐츠를 추천할 수 있다.

도 6은 본 발명의 실시예에 따른 선호 콘텐츠 추천 장치를 구성하는 잠재 속성 분류부의 구성도이다. 도 3, 도 5 및 도 6을 참조하면, 잠재 속성 분류부(244)는 평가 정보 추출부(245), 하위 잠재 속성 단어 추출부(246), 하위 잠재 속성 분류부(247)를 포함할 수 있다.

평가 정보 추출부(245)는 리뷰 데이터에서 상품 정보 및 옵션 선택 정보에 관한 잠재 속성과 관련되고 긍정 평가에 해당하는 긍정 평가 정보와 부정 평가에 해당하는 부정 평가 정보를 추출할 수 있다.

즉, 평가 정보 추출부(245)는 리뷰 데이터에 상품 및 옵션 선택 정보에 대한 잠재 속성과 관련하여 긍정 평가와 부정 평가가 모두 포함되어 있는지를 판단하여, 긍정 평가와 부정 평가가 모두 포함된 리뷰 데이터를 추출할 수 있다.

하위 잠재 속성 단어 추출부(246)는 잠재 속성과 관련되고 긍정 평가 정보와 관련된 제1 하위 잠재 속성 단어와, 잠재 속성과 관련되고 부정 평가 정보와 관련된 제2 하위 잠재 속성 단어를 추출할 수 있다.

하위 잠재 속성 분류부(247)는 제1 하위 잠재 속성 단어 및 제2 하위 잠재 속성 단어에 따라, 잠재 속성을 긍정 평가 정보와 관련된 제1 하위 잠재 속성과 부정 평가 정보와 관련된 제2 하위 잠재 속성으로 분류할 수 있다.

예를 들어, 자동차의 디자인과 관련된 잠재 속성에 관하여, 긍정적 평가와 관련하여 '내부', '내장' 등의 잠재 속성 관련 단어가 추출되고, 부정적 평가와 관련하여 '외부', '외장' 등의 잠재 속성 관련 단어가 추출되는 경우, 자동차의 디자인과 관련된 잠재 속성을 '외장 디자인'과 '내장 디자인'의 하위 잠재 속성들로 분류할 수 있다.

도 6에 도시된 실시예에 의하면, 리뷰 데이터를 기반으로 상품 및 옵션 선택 항목에 관한 잠재 속성을 하위 잠재 속성들로 세분화하여 분류하는 속성 갱신을 통해, 상품에 다양한 잠재 속성 및 하위 잠재 속성을 고려하여 선호 콘텐츠를 추천할 수 있다.

도 7은 본 발명의 실시예에 따른 선호 콘텐츠 추천 방법의 순서도이다. 도 1, 도 2 및 도 7을 참조하면, 입력부(100)는 사용자로부터 상품에 관한 상품 정보, 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받을 수 있다(S100).

선호 콘텐츠 추천부(200)는 입력부(100)에 의해 입력된 상품 정보 및 옵션 선택 정보를 기반으로 선호 콘텐츠를 추천할 수 있다(S200). 선호 콘텐츠 추천부(200)는 상품 정보 및 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하고, 잠재 속성을 기반으로 사용자에게 선호 콘텐츠를 추천할 수 있다. 잠재 속성은 콘텐츠 그 자체에 포함된 텍스트 키워드가 아니라, 잠재적으로 콘텐츠가 가지게 되는 속성 키워드일 수 있다.

도 8은 도 7의 단계 S200의 순서도이다. 도 9 및 도 10은 본 발명의 실시예에 따른 선호 콘텐츠 추천 방법을 설명하기 위한 개념도이다.

도 1 내지 도 3, 도 8 내지 도 10을 참조하면, 직접 속성 생성부(210)는 상품 정보의 상품 키워드 및 옵션 선택 정보의 옵션 선택 키워드와 직접적으로 관련된 직접 속성을 생성할 수 있다(S210).

잠재 속성 생성부(220)는 상품 정보 및 옵션 선택 정보의 조합에 따른 잠재 속성을 생성할 수 있다(S220).

선호 콘텐츠 선정부(230)는 직접 속성 및 잠재 속성을 기반으로 선호 콘텐츠를 선정할 수 있다(S230).

도 11은 도 8의 단계 S230의 순서도이다. 도 12는 도 11의 단계 S232의 순서도이다. 도 1 내지 도 4, 도 8, 도 11 및 도 12를 참조하면, 선호 속성 정보 생성부(231)는 직접 속성 및 잠재 속성을 기반으로 선호 속성 정보를 생성할 수 있다(S231).

선별 속성 정보 생성부(232)는 선호 속성 정보 중 유사 속성 및 대립 속성을 선별하여 추천에 사용될 선별 속성 정보를 생성할 수 있다(S232).

선별 속성 정보 생성부(232)는 대표 속성 설정부(232a) 및 대립 속성 설정부(232b)를 포함할 수 있다.

대표 속성 설정부(232a)는 선호 속성 정보 중 유사 속성들을 대표 속성으로 통합하여 설정할 수 있다(S232a).

대립 속성 설정부(232b)는 대립되는 속성 쌍을 구분하여 대립 속성으로 설정할 수 있다(S232b).

선호 콘텐츠 결정부(233)는 선별 속성 정보를 기반으로 선호 콘텐츠를 결정할 수 있다(S233).

도 13은 도 8의 단계 S240의 순서도이다. 도 13을 참조하면, 도 3, 도 5, 도 8 및 도 13을 참조하면, 잠재 속성 단어 추출부(241)는 사용자가 추천받은 상품 정보 및 옵션 선택 정보에 대해 작성한 리뷰 데이터(30)에서, 상품 정보 및 옵션 선택 정보와 관련되고 직접 속성과 관련되지 않으며 미리 정의된 잠재 속성들에 포함되지 않은 잠재 속성 단어들을 추출할 수 있다(S241).

신규 잠재 속성 단어 추출부(242)는 잠재 속성 단어 추출부(241)에 의해 추출된 잠재 속성 단어들 중 미리 정의된 잠재 속성들과의 유사도값들이 모두 기준값보다 낮은 신규 잠재 속성 단어들을 추출할 수 있다(S242).

유사한 잠재 속성들이 상이한 잠재 속성명으로 중복 정의되는 것을 방지하기 위하여, 잠재 속성 추가부(243)는 신규 잠재 속성 단어 추출부(242)에 의해 추출된 신규 잠재 속성 단어들을 군집화하고, 군집화된 단위로 잠재 속성명을 설정하여 상품 정보 및 옵션 선택 정보에 관한 잠재 속성을 추가할 수 있다(S243).

군집화는 k-평균 클러스터링 알고리즘에 의해 수행될 수 있다. 즉 각 그룹의 중심과 그룹 내의 데이터 오브젝트와의 거리의 제곱합을 비용 함수로 정하고, 이 함수값을 최소화하는 방향으로 각 데이터 오브젝트의 소속 그룹을 업데이트함으로써 잠재 속성들에 대한 클러스터링을 수행할 수 있다.

잠재 속성 분류부(244)는 상품 정보 및 옵션 선택 정보와 관련된 잠재 속성들 중 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류할 수 있다(S244).

도 14는 도 13의 단계 S244의 순서도이다. 도 3, 도 5, 도 6, 도 13 및 도 14를 참조하면, 평가 정보 추출부(245)는 리뷰 데이터에서 상품 정보 및 옵션 선택 정보에 관한 잠재 속성과 관련되고 긍정 평가에 해당하는 긍정 평가 정보와 부정 평가에 해당하는 부정 평가 정보를 추출할 수 있다(S245).

하위 잠재 속성 단어 추출부(246)는 잠재 속성과 관련되고 긍정 평가 정보와 관련된 제1 하위 잠재 속성 단어와, 잠재 속성과 관련되고 부정 평가 정보와 관련된 제2 하위 잠재 속성 단어를 추출할 수 있다(S246).

하위 잠재 속성 분류부(247)는 제1 하위 잠재 속성 단어 및 제2 하위 잠재 속성 단어에 따라, 잠재 속성을 긍정 평가 정보와 관련된 제1 하위 잠재 속성과 부정 평가 정보와 관련된 제2 하위 잠재 속성으로 분류할 수 있다(S247).

본 발명의 실시예에 따른 선호 콘텐츠 추천 방법에 의하면, 잠재 속성을 가지는 요소에 대한 사용자의 선택 조합으로 생성된 속성 문서를 기반으로 선호 콘텐츠를 추천할 수 있다. 즉, 각 상품의 옵션 및 선택지를 설정함으로써 상품과 선택지가 가지고 있는 잠재 속성을 통해서 선호 키워드의 속성 문서를 생성하고, 이를 기반으로 사용자에게 적합한 콘텐츠를 추천할 수 있다.

또한, 본 발명의 실시예에 의하면, 상품 자체의 속성과 잠재 속성, 상품에 대한 선택지 및 옵션에 따른 잠재 속성을 작성하여 상품과 선택지 조합만으로도 효과적인 속성 문서를 생성할 수 있으며, 직접적으로 파악하기 힘든 잠재적인 선호의 분석도 가능하다.

또한, 본 발명의 실시예에 의하면, 사용자의 기존 이력이 없거나 서비스 이용이 빈번하지 않은 상품에 대해서도 상품 선택지의 선택에 따른 잠재 속성을 통해서 의미 있는 속성 문서 생성이 가능하며, 사용자 이력과 상관 없이 적합한 콘텐츠를 추천하는 서비스를 제공할 수 있다.

또한, 본 발명의 실시예에 의하면, 상품에 직접 담기 힘든 추상적인 속성(예를 들어, 산뜻한, 몽환적인 등)을 잠재 속성으로 설정하여 다른 도메인 혹은 다른 카테고리의 콘텐츠에 대한 속성 매칭도 가능하다.

또한, 본 발명의 실시예에 의하면, 단순히 키워드의 합집합으로 속성 문서가 비대해지는 것을 방지하기 위해서 유사한 속성은 하나의 대표 속성은 합치고, 서로 대립되는 속성 중 가중치가 낮은 것은 제거하는 속성 선별 작업을 거쳐 정확도가 높은 속성 문서를 생성할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.

처리 장치는 운영 체제 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리요소를 포함할 수 있음을 이해할 것이다.

예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor) 와 같은, 다른 처리 구성(Processing configuration)도 가능하다. 소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.

소프트웨어 및/ 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

10: 선호 콘텐츠 추천 장치
100: 입력부
200: 선호 콘텐츠 추천부
210: 직접 속성 생성부
220: 잠재 속성 생성부
230: 선호 콘텐츠 선정부
231: 선호 속성 정보 생성부
232: 선별 속성 정보 생성부
232a: 대표 속성 설정부
232b: 대립 속성 설정부
233: 선호 콘텐츠 결정부
240: 잠재 속성 갱신부
241: 잠재 속성 단어 추출부
242: 신규 잠재 속성 단어 추출부
243: 잠재 속성 추가부
244: 잠재 속성 분류부
245: 평가 정보 추출부
246: 하위 잠재 속성 단어 추출부
247: 하위 잠재 속성 분류부

Claims (13)

1. 사용자로부터 상품에 관한 상품 정보, 상기 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받기 위한 입력부; 및
   상기 상품 정보 및 상기 옵션 선택 정보를 기반으로 선호 콘텐츠를 추천하는 선호 콘텐츠 추천부를 포함하고,
   상기 선호 콘텐츠 추천부는:
   상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하고, 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 추천하는, 선호 콘텐츠 추천 장치.
2. 제1항에 있어서,
   상기 선호 콘텐츠 추천부는:
   상기 상품 정보의 상품 키워드 및 상기 옵션 선택 정보의 옵션 선택 키워드와 직접적으로 관련된 직접 속성을 생성하는 직접 속성 생성부;
   상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하는 잠재 속성 생성부; 및
   상기 직접 속성 및 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 선정하는 선호 콘텐츠 선정부를 포함하는, 선호 콘텐츠 추천 장치.
3. 제2항에 있어서,
   상기 선호 콘텐츠 선정부는:
   상기 직접 속성 및 상기 잠재 속성을 기반으로 선호 속성 정보를 생성하는 선호 속성 정보 생성부;
   상기 선호 속성 정보 중 유사 속성 및 대립 속성을 선별하여 추천에 사용될 선별 속성 정보를 생성하는 선별 속성 정보 생성부; 및
   상기 선별 속성 정보를 기반으로 상기 선호 콘텐츠를 결정하는 선호 콘텐츠 결정부를 포함하는, 선호 콘텐츠 추천 장치.
4. 제3항에 있어서,
   상기 선별 속성 정보 생성부는:
   상기 선호 속성 정보 중 유사 속성들을 대표 속성으로 통합하여 설정하는 대표 속성 설정부; 및
   대립되는 속성 쌍을 구분하여 대립 속성으로 설정하는 대립 속성 설정부를 포함하는, 선호 콘텐츠 추천 장치.
5. 제2항 내지 제4항 중 어느 한 항에 있어서,
   상기 선호 콘텐츠 추천부는:
   상기 사용자가 상기 사용자에게 추천된 선호 콘텐츠에 대해 입력한 리뷰 데이터를 기반으로, 상기 잠재 속성을 갱신하는 잠재 속성 갱신부를 더 포함하고,
   상기 잠재 속성 갱신부는:
   상기 리뷰 데이터에서, 상기 상품 정보 및 상기 옵션 선택 정보와 관련되고 상기 직접 속성과 관련되지 않으며 미리 정의된 잠재 속성들에 포함되지 않은 잠재 속성 단어들을 추출하는 잠재 속성 단어 추출부;
   추출된 상기 잠재 속성 단어들 중 상기 미리 정의된 잠재 속성들과의 유사도값들이 모두 기준값보다 낮은 신규 잠재 속성 단어들을 추출하는 신규 잠재 속성 단어 추출부; 및
   상기 신규 잠재 속성 단어들을 군집화하고, 군집화된 단위로 잠재 속성명을 설정하여 상기 상품 정보 및 상기 옵션 선택 정보에 관한 잠재 속성을 추가하는 잠재 속성 추가부를 포함하는, 선호 콘텐츠 추천 장치.
6. 제5항에 있어서,
   상기 잠재 속성 갱신부는:
   상기 상품 정보 및 상기 옵션 선택 정보와 관련된 상기 잠재 속성들 중 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류하는 잠재 속성 분류부를 더 포함하고,
   상기 잠재 속성 분류부는:
   상기 리뷰 데이터에서 상기 상품 정보 및 상기 옵션 선택 정보에 관한 잠재 속성과 관련되고 긍정 평가에 해당하는 긍정 평가 정보와 부정 평가에 해당하는 부정 평가 정보를 추출하는 평가 정보 추출부;
   상기 잠재 속성과 관련되고 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성 단어와, 상기 잠재 속성과 관련되고 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성 단어를 추출하는 하위 잠재 속성 단어 추출부; 및
   상기 제1 하위 잠재 속성 단어 및 상기 제2 하위 잠재 속성 단어에 따라, 상기 잠재 속성을 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성과 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성으로 분류하는 하위 잠재 속성 분류부를 포함하는, 선호 콘텐츠 추천 장치.
7. 입력부에 의해, 사용자로부터 상품에 관한 상품 정보, 상기 상품과 관련된 옵션 선택 항목에 관한 옵션 선택 정보를 입력받는 단계;; 및
   선호 콘텐츠 추천부에 의해, 상기 상품 정보 및 상기 옵션 선택 정보를 기반으로 선호 콘텐츠를 추천하는 단계를 포함하고,
   상기 선호 콘텐츠를 추천하는 단계는:
   상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하는 단계; 및
   상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 추천하는 단계를 포함하는, 선호 콘텐츠 추천 방법.
8. 제7항에 있어서,
   상기 선호 콘텐츠를 추천하는 단계는:
   직접 속성 생성부에 의해, 상기 상품 정보의 상품 키워드 및 상기 옵션 선택 정보의 옵션 선택 키워드와 직접적으로 관련된 직접 속성을 생성하는 단계;
   잠재 속성 생성부에 의해, 상기 상품 정보 및 상기 옵션 선택 정보의 조합에 따른 잠재 속성을 생성하는 단계; 및
   선호 콘텐츠 선정부에 의해, 상기 직접 속성 및 상기 잠재 속성을 기반으로 상기 선호 콘텐츠를 선정하는 단계를 포함하는, 선호 콘텐츠 추천 방법.
9. 제8항에 있어서,
   상기 선호 콘텐츠를 선정하는 단계는:
   선호 속성 정보 생성부에 의해, 상기 직접 속성 및 상기 잠재 속성을 기반으로 선호 속성 정보를 생성하는 단계;
   선별 속성 정보 생성부에 의해, 상기 선호 속성 정보 중 유사 속성 및 대립 속성을 선별하여 추천에 사용될 선별 속성 정보를 생성하는 단계; 및
   선호 콘텐츠 결정부에 의해, 상기 선별 속성 정보를 기반으로 상기 선호 콘텐츠를 결정하는 단계를 포함하는, 선호 콘텐츠 추천 방법.
10. 제9항에 있어서,
    상기 선별 속성 정보를 생성하는 단계는:
    대표 속성 설정부에 의해, 상기 선호 속성 정보 중 유사 속성들을 대표 속성으로 통합하여 설정하는 단계; 및
    대립 속성 설정부에 의해, 대립되는 속성 쌍을 구분하여 대립 속성으로 설정하는 단계를 포함하는, 선호 콘텐츠 추천 방법.
11. 제8항에 있어서,
    잠재 속성 갱신부에 의해, 상기 사용자가 상기 사용자에게 추천된 선호 콘텐츠에 대해 입력한 리뷰 데이터를 기반으로, 상기 잠재 속성을 갱신하는 단계를 더 포함하고,
    상기 잠재 속성을 갱신하는 단계는:
    잠재 속성 단어 추출부에 의해, 상기 리뷰 데이터에서, 상기 상품 정보 및 상기 옵션 선택 정보와 관련되고 상기 직접 속성과 관련되지 않으며 미리 정의된 잠재 속성들에 포함되지 않은 잠재 속성 단어들을 추출하는 단계;
    신규 잠재 속성 단어 추출부에 의해, 상기 잠재 속성 단어들 중 상기 미리 정의된 잠재 속성들과의 유사도값들이 모두 기준값보다 낮은 신규 잠재 속성 단어들을 추출하는 단계; 및
    잠재 속성 추가부에 의해, 상기 신규 잠재 속성 단어들을 군집화하고, 군집화된 단위로 잠재 속성명을 설정하여 상기 상품 정보 및 상기 옵션 선택 정보에 관한 잠재 속성을 추가하는 단계를 포함하는, 선호 콘텐츠 추천 방법.
12. 제11항에 있어서,
    상기 잠재 속성을 갱신하는 단계는:
    잠재 속성 분류부에 의해, 상기 상품 정보 및 상기 옵션 선택 정보와 관련된 상기 잠재 속성들 중 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류하는 단계를 더 포함하고,
    상기 적어도 하나의 잠재 속성을 하위 잠재 속성들로 분류하는 단계는:
    평가 정보 추출부에 의해, 상기 리뷰 데이터에서 상기 상품 정보 및 상기 옵션 선택 정보에 관한 잠재 속성과 관련되고 상기 잠재 속성과 관련하여 긍정 평가 정보와 부정 평가 정보를 추출하는 단계;
    하위 잠재 속성 단어 추출부에 의해, 상기 잠재 속성과 관련되고 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성 단어와, 상기 잠재 속성과 관련되고 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성 단어를 추출하는 단계; 및
    하위 잠재 속성 분류부에 의해, 상기 제1 하위 잠재 속성 단어 및 상기 제2 하위 잠재 속성 단어에 따라, 상기 잠재 속성을 상기 긍정 평가 정보와 관련된 제1 하위 잠재 속성과 상기 부정 평가 정보와 관련된 제2 하위 잠재 속성으로 분류하는 단계를 포함하는, 선호 콘텐츠 추천 방법.
13. 제7항 내지 제12항 중 어느 한 항의 선호 콘텐츠 추천 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.

Images