KR20220044715A - Method, apparatus and computer program for fashion item recommendation - Google Patents

Method, apparatus and computer program for fashion item recommendation Download PDF

Info

Publication number
KR20220044715A
KR20220044715A KR1020220041606A KR20220041606A KR20220044715A KR 20220044715 A KR20220044715 A KR 20220044715A KR 1020220041606 A KR1020220041606 A KR 1020220041606A KR 20220041606 A KR20220041606 A KR 20220041606A KR 20220044715 A KR20220044715 A KR 20220044715A
Authority
KR
South Korea
Prior art keywords
user
image
preference
item
service server
Prior art date
Application number
KR1020220041606A
Other languages
Korean (ko)
Inventor
유애리
Original Assignee
오드컨셉 주식회사
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 오드컨셉 주식회사 filed Critical 오드컨셉 주식회사
Priority to KR1020220041606A priority Critical patent/KR20220044715A/en
Publication of KR20220044715A publication Critical patent/KR20220044715A/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
    • 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
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • 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]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers

Abstract

The present invention relates to a service server generating user preference information which is information for estimating the preference of a user on a specific fashion item, comprising: a diagnosis image generation unit generating a diagnosis image for identifying the preference of the user, which includes a preference diagnosis item reflecting the taste of the user, from a look book including style images combining a plurality of fashion items to match each other very well, and providing the diagnosis image to a user device; an update information generation unit receiving a user selection image, which is an image selected by the user among the diagnosis image, from the user device, and generating the user preference information from the fashion items included in the user selection image; and a user preference information storage unit storing the user preference information. The present invention aims to provide a method, apparatus, and computer program for recommending fashion items, which are capable of providing an improved search function.

Description

패션 상품 추천 방법, 장치 및 컴퓨터 프로그램 {METHOD, APPARATUS AND COMPUTER PROGRAM FOR FASHION ITEM RECOMMENDATION}Fashion product recommendation method, device and computer program {METHOD, APPARATUS AND COMPUTER PROGRAM FOR FASHION ITEM RECOMMENDATION}

본 발명은 패션 상품을 추천하는 방법에 관한 것이다. 보다 구체적으로 본 발명은 사용자의 선호도가 반영된 사용자 선택 이미지를 기초로 사용자 선호도 정보를 생성하고, 사용자 선호도 정보를 기초로 사용자에게 추천 아이템을 제공하는 패션 상품 추천 시스템에 관한 것이다.The present invention relates to a method for recommending a fashion product. More specifically, the present invention relates to a fashion product recommendation system that generates user preference information based on a user-selected image reflecting the user's preference and provides a recommended item to a user based on the user preference information.

최근 증가된 유무선 인터넷 환경을 배경으로 온라인을 이용한 홍보, 매매 등의 상거래가 활성화되고 있다. 이와 관련하여 구매자들은 인터넷과 연결된 데스크탑이나 모바일 단말에서 잡지, 블로그 또는 YouTube의 동영상 등을 검색하다가 마음에 드는 상품을 발견하면, 상품명 등을 검색하여 구매로 이르게 된다. 유명 여배우가 공항에서 들었던 가방 이름, 예능 프로그램에 나온 육아 용품 이름이 포탈 사이트의 실시간 검색어 순위 상위에 올라가는 경우가 그 예라고 할 수 있다. 그러나 이때, 사용자는 검색을 위한 웹 페이지를 별도로 열어서 상품명, 제조사, 판매처 등을 검색해야 하고, 이들에 대한 명확한 정보를 이미 알고 있지 않으면 쉽게 검색하지 못하는 불편이 있다. In the background of the recently increased wired and wireless Internet environment, commerce such as public relations and sales using online is being activated. In this regard, when buyers find a product they like while searching for a magazine, blog, or YouTube video on a desktop or mobile terminal connected to the Internet, they search for a product name, etc. and make a purchase. An example is the case where the name of a bag that a famous actress heard at the airport or the name of childcare items in an entertainment program rank high in real-time search terms on a portal site. However, in this case, the user has to separately open a web page for search to search for a product name, manufacturer, vendor, etc., and there is an inconvenience in that it is not easy to search unless clear information about them is already known.

한편 판매자들은 제품 홍보를 위해서 상업 광고 이외에도 미디어 협찬, 온라인 사용기 모집 등에 많은 비용을 지출한다. 최근에는 온라인 상의 입소문이 제품 판매에 중요한 변수로 작용하기 때문이다. 그러나 홍보 비용 지출에도 불구하고, 상품명과 판매처 등의 쇼핑 정보를 공개할 수 없는 경우도 빈번하다. 상품명 노출에 대한 매체 시청자들의 사전 승인을 개별적으로 받을 수 없어 간접광고 이슈가 발생할 수 있기 때문이다. On the other hand, sellers spend a lot of money on media sponsorship and online user recruitment in addition to commercial advertisements to promote their products. This is because word of mouth online recently acts as an important variable in product sales. However, it is often not possible to disclose shopping information, such as product name and vendor, despite the cost of publicity. This is because indirect advertising issues may arise as it is not possible to individually obtain prior approval from media viewers for product name exposure.

이와 같이 사용자와 판매자 모두 온라인상의 상품 이미지에 대해 보다 직관적인 UI(User Interface) 환경에서 쇼핑 정보를 제공하기를 원하는 니즈가 존재한다. As described above, there is a need for both users and sellers to provide shopping information in a more intuitive UI (User Interface) environment for online product images.

본 발명의 실시 예는, 향상된 검색 능력을 갖는 패션 상품 추천 방법, 장치 및 컴퓨터 프로그램을 제공하는 것을 목적으로 한다.SUMMARY Embodiments of the present invention provide a method, apparatus, and computer program for recommending a fashion product having an improved search capability.

본 발명은, 특정 패션 아이템에 대한 사용자의 선호도를 추정할 수 있는 정보인 사용자 선호도 정보를 생성하는 서비스 서버에 있어서, 복수의 패션 아이템들이 잘 어울리도록 조합되어 있는 스타일 이미지를 포함하는 룩북으로부터, 사용자의 취향이 반영된 선호도 진단 아이템을 포함하고 사용자의 선호도 파악을 위한 진단 이미지를 생성하고, 상기 진단 이미지를 사용자 디바이스에 제공하는 진단 이미지 생성부, 상기 진단 이미지 중 사용자가 선택한 이미지인 사용자 선택 이미지를 상기 사용자 디바이스로부터 수신하고, 상기 사용자 선택 이미지에 포함된 패션 아이템들로부터 상기 사용자 선호도 정보를 생성하는 업데이트 정보 생성부 및 상기 사용자 선호도 정보를 저장하는 사용자 선호도 정보 저장부를 포함하는 것을 특징으로 한다.The present invention provides a service server for generating user preference information, which is information capable of estimating a user's preference for a specific fashion item, from a lookbook including a style image in which a plurality of fashion items are combined to match well with the user. A diagnostic image generator that includes a preference diagnostic item reflecting the preference of the user, generates a diagnostic image for identifying a user's preference, and provides the diagnostic image to a user device; It is characterized in that it receives from the user device and comprises an update information generator for generating the user preference information from the fashion items included in the user-selected image, and a user preference information storage unit for storing the user preference information.

본 발명의 실시 예에 따르면, 향상된 검색 능력을 갖는 패션 상품 추천 방법, 장치 및 컴퓨터 프로그램을 제공할 수 있다.According to an embodiment of the present invention, it is possible to provide a method, an apparatus, and a computer program for recommending a fashion product having an improved search capability.

도 1은 본 발명의 실시 예에 따른 패션 상품 추천 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 패션 상품 추천 시스템의 동작을 설명하기 위한 장치도이다.
도 3은 본 발명의 실시 예에 따라, 선호도 진단 아이템 이미지로부터 진단 이미지를 생성하는 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 실시 예에 따라, 사용자 선택 이미지가 생성되는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 실시 예에 따른 사용자 선호도 정보의 생성을 설명하기 위한 순서도이다.
도 6은 본 발명의 다른 실시 예에 따른 사용자 선호도 정보의 생성을 설명하기 위한 순서도이다.1 is a view for explaining a fashion product recommendation system according to an embodiment of the present invention.
FIG. 2 is a device diagram for explaining the operation of the fashion product recommendation system of FIG. 1 .
3 is a diagram for explaining a process of generating a diagnosis image from a preference diagnosis item image according to an embodiment of the present invention.
4 is a diagram for explaining a process of generating a user-selected image according to an embodiment of the present invention.
5 is a flowchart illustrating generation of user preference information according to an embodiment of the present invention.
6 is a flowchart illustrating generation of user preference information according to another embodiment of the present invention.

본 명세서 또는 출원에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 개념에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 개념에 따른 실시 예들은 다양한 형태로 실시될 수 있으며 본 별명의 개념에 따른 실시 예들은 다양한 형태로 실시될 수 있으며 본 명세서 또는 출원에 설명된 실시 예들에 한정되는 것으로 해석되어서는 아니 된다.Specific structural or functional descriptions of the embodiments according to the concept of the present invention disclosed in this specification or application are only exemplified for the purpose of explaining the embodiments according to the concept of the present invention, and implementation according to the concept of the present invention Examples may be implemented in various forms, and embodiments according to the concept of the present alias may be implemented in various forms and should not be construed as being limited to the embodiments described in the present specification or application.

본 발명의 개념에 따른 실시 예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있으므로 특정 실시 예들을 도면에 예시하고 본 명세서 또는 출원에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시 예를 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Since the embodiment according to the concept of the present invention may have various changes and may have various forms, specific embodiments will be illustrated in the drawings and described in detail in the present specification or application. However, this is not intended to limit the embodiment according to the concept of the present invention with respect to a specific disclosed form, and should be understood to include all changes, equivalents or substitutes included in the spirit and scope of the present invention.

제1 및/또는 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만, 예컨대 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first and/or second may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one element from another element, for example, without departing from the scope of the present invention, a first element may be called a second element, and similarly The second component may also be referred to as the first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.When an element is referred to as being “connected” or “connected” to another element, it is understood that it may be directly connected or connected to the other element, but other elements may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle. Other expressions describing the relationship between elements, such as "between" and "immediately between" or "neighboring to" and "directly adjacent to", etc., should be interpreted similarly.

본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 서술된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used herein are used only to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In this specification, terms such as “comprise” or “have” are intended to designate that the stated feature, number, step, operation, component, part, or combination thereof exists, and includes one or more other features or numbers. , it is to be understood that it does not preclude the possibility of the existence or addition of steps, operations, components, parts, or combinations thereof.

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

실시 예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.In describing the embodiments, descriptions of technical contents that are well known in the technical field to which the present invention pertains and are not directly related to the present invention will be omitted. This is to more clearly convey the gist of the present invention without obscuring the gist of the present invention by omitting unnecessary description.

이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다. 이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, the present invention will be described in detail by describing preferred embodiments of the present invention with reference to the accompanying drawings. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 실시 예에 따른 패션 상품 추천 시스템을 설명하기 위한 도면이다.1 is a view for explaining a fashion product recommendation system according to an embodiment of the present invention.

도 1을 참조하면, 패션 상품 추천 시스템(50)은 사용자 디바이스(100) 및 서비스 서버(200)를 포함할 수 있다. 사용자 디바이스(100)는 데스크탑, 스마트폰, 테블릿 PC 등 검색을 요청하고 광고 정보를 표시할 수 있는 모든 형태의 전자 장치를 포함하는 개념일 수 있다.Referring to FIG. 1 , a fashion product recommendation system 50 may include a user device 100 and a service server 200 . The user device 100 may be a concept including all types of electronic devices capable of requesting a search and displaying advertisement information, such as a desktop, a smart phone, and a tablet PC.

서비스 서버(200)는 사용자 선호도 정보 생성부(210) 및 사용자 선호도 정보 저장부(220)를 포함할 수 있다.The service server 200 may include a user preference information generation unit 210 and a user preference information storage unit 220 .

사용자 선호도 정보 생성부(210)는 디자인, 가격대, 브랜드, 용도 등 특정 패션 아이템에 대한 사용자의 선호도를 추정할 수 있는 정보인 사용자 선호도 정보를 생성할 수 있다. 사용자 선호도 정보는 특정 패션 아이템에 대한 사용자 선호도를 계산하기 위한 벡터값들을 포함할 수 있다.The user preference information generating unit 210 may generate user preference information, which is information for estimating a user's preference for a specific fashion item, such as a design, a price range, a brand, and a use. The user preference information may include vector values for calculating user preference for a specific fashion item.

구체적으로, 사용자 선호도 정보 생성부(210)는 사용자의 선호도 파악을 위해, 룩북을 검색하여 선호도 진단 아이템을 적어도 하나 이상 포함하는 진단 이미지를 생성하고 사용자 디바이스(100)에 제공할 수 있다. Specifically, the user preference information generating unit 210 may search a lookbook to generate a diagnosis image including at least one preference diagnosis item and provide it to the user device 100 in order to determine the user's preference.

룩북은 온라인 상에서 수집되는 이미지 중에서, 복수의 패션 아이템들이 잘 어울리도록 조합되어 있는 이미지(이하, 스타일 이미지라고 함)를 포함할 수 있다. 본 발명의 실시 예에 따른 스타일 이미지는 온라인 마켓에서 판매되는 상품들의 착용샷, 패션쇼 촬영 이미지, 패션 잡지 화보 이미지, SNS, 블로그 유명인의 의상 이미지, 아이돌 의상 이미지, 패션 잡지의 스트리트 패션 이미지 또는 패션 아이템의 판매를 위해 다른 아이템과 코디해 놓은 이미지 등을 예시할 수 있다.The lookbook may include an image (hereinafter, referred to as a style image) in which a plurality of fashion items are combined to fit well among images collected online. The style image according to an embodiment of the present invention is a wearing shot of products sold in an online market, a fashion show shot image, a fashion magazine pictorial image, SNS, blog celebrity's clothing image, idol costume image, street fashion image of a fashion magazine, or fashion item You can exemplify an image coordinated with other items for sale.

본 발명의 실시 예에서, 선호도 진단 아이템은 사용자의 취향이 반영된 패션 아이템일 수 있다. 구체적으로, 선호도 진단 아이템은 사용자가 종래 구입한 아이템 또는 보유 아이템을 기초로 사용자가 선호할 것으로 추정되는 패션 아이템일 수 있다.In an embodiment of the present invention, the preference diagnosis item may be a fashion item in which a user's taste is reflected. Specifically, the preference diagnosis item may be a fashion item estimated to be preferred by the user based on an item previously purchased by the user or an item possessed by the user.

한편, 사용자가 종래 구입한 아이템 또는 보유 아이템에 대한 정보가 없는 경우, 선호도 진단 아이템은 서비스 서버(200)의 요청에 따라 사용자가 자신의 취향이 반영됐다고 응답한 패션 아이템일 수도 있다. 예를 들어, 서비스 서버(200)는 사용자에게 선호도 진단 아이템의 이미지를 사진 촬영할 것을 요청하거나, 선호도 진단 아이템을 설명할 수 있는 키워드의 입력을 요청하거나, 마이크를 통한 음성 명령을 요청하는 등 다양한 방법을 통해 선호도 진단 아이템에 대한 정보를 수집할 수 있다.On the other hand, when there is no information about the item the user has conventionally purchased or the item possessed, the preference diagnosis item may be a fashion item to which the user responds that his or her taste is reflected in response to the request of the service server 200 . For example, the service server 200 may request the user to take a picture of the preference diagnosis item, request input of a keyword that can describe the preference diagnosis item, request a voice command through a microphone, etc. information on the preference diagnosis item can be collected through

사용자 선호도 정보 생성부(210)는 사용자가 선택한 진단 이미지인 사용자 선택 이미지에 대한 정보를 사용자 디바이스(100)로부터 수신할 수 있다. The user preference information generating unit 210 may receive information about a user selected image that is a diagnosis image selected by the user from the user device 100 .

사용자는 진단 이미지 중 마음에 드는 이미지를 사용자 선택 이미지로 결정할 수 있다. 종래에 사용자는 추상적으로 자신의 취향이 무엇인지 알고 있을 수 있으나, 구체적으로 자신의 취향이 반영된 패션 아이템을 검색하기 위해서는 해당 취향을 설명하는 키워드를 모두 포함하여 검색하여야 하는 번거로움이 있었다. The user may determine a favorite image among the diagnostic images as the user-selected image. Conventionally, a user can abstractly know what his or her taste is, but in order to specifically search for a fashion item reflecting his or her taste, it is inconvenient to search by including all keywords that describe the taste.

본 발명의 실시 예에 따르면, 사용자는 단순히 서비스 서버(200)가 제공하는 복수의 스타일 이미지(진단 이미지) 중 마음에 드는 이미지를 선택하는 것만으로 자신의 취향을 서비스 서버(200)에 전달할 수 있고, 따라서 검색의 효율성이 증가될 수 있는 이점이 있다.According to an embodiment of the present invention, the user can transmit his/her taste to the service server 200 by simply selecting a favorite image from among a plurality of style images (diagnostic images) provided by the service server 200 and , thus, there is an advantage that the efficiency of the search can be increased.

이후, 사용자 선호도 정보 생성부(210)는 사용자 선택 이미지를 이용하여 사용자 선호도 정보를 생성할 수 있다. 예를 들어, 사용자 선호도 정보 생성부(210)는 사용자 선택 이미지에 포함된 패션 아이템들의 특징 정보를 조합하는 방식으로 사용자 선호도 정보 벡터를 생성할 수 있다.Thereafter, the user preference information generating unit 210 may generate user preference information by using the user selected image. For example, the user preference information generator 210 may generate the user preference information vector by combining characteristic information of fashion items included in the user-selected image.

사용자 선택 이미지의 개수가 미리 설정된 설정값보다 적을 경우, 서비스 서버는 서비스 서버(200)는 사용자로부터 받는 정보가 부족하다고 판단하고, 진단 이미지를 다시 추출하기 위해, 사용자 디바이스(100)에 선호도 진단 아이템의 이미지를 요청할 수 있다.When the number of user-selected images is less than the preset setting value, the service server determines that the information received from the user is insufficient, and the service server 200 sends a preference diagnosis item to the user device 100 to extract the diagnosis image again. You can request an image of

예를 들어, 설정값이 5인데 사용자 선택 이미지의 개수가 3이라고 가정할 수 있다. 서비스 서버(200)는 진단 이미지가 사용자의 선호도 정보를 충분히 반영하지 못한다고 판단하고, 진단 이미지를 다시 생성하기 위해 선호도 진단 아이템의 이미지를 사용자를 통해 직접 입력 받을 수 있다.For example, it may be assumed that the number of user-selected images is 3 when the setting value is 5. The service server 200 may determine that the diagnosis image does not sufficiently reflect the user's preference information, and may directly receive the image of the preference diagnosis item through the user in order to regenerate the diagnosis image.

또한, 서비스 서버(200)는 사용자가 사용자의 선호도 확인을 위한 데이터인 선호도 진단 아이템 또는 추천 아이템과 다른 상품을 구매한 경우 선호도 조사를 다시 실시할 수 있다.Also, when the user purchases a preference diagnosis item or a product different from the recommended item, which is data for confirming the user's preference, the service server 200 may perform the preference survey again.

본 발명의 실시 예에 따르면, 서비스 서버(200)는 선호도 진단 아이템을 기초로 진단 이미지를 생성하고, 사용자가 선택한 진단 이미지를 기초로 사용자 선호도 정보를 업데이트할 수 있다. 서비스 서버(200)는 사용자 선호도 정보를 기초로 결정된 추천 아이템을 사용자에게 제공하게 되는데, 사용자는 추천 아이템과 상이한 패션 아이템 또는 추천 아이템으로 제공된 선호도 진단 아이템과 상이한 아이템을 구매할 수 있다.According to an embodiment of the present invention, the service server 200 may generate a diagnosis image based on the preference diagnosis item and update user preference information based on the diagnosis image selected by the user. The service server 200 provides the user with a recommended item determined based on user preference information, and the user may purchase a fashion item different from the recommended item or an item different from the preference diagnosis item provided as the recommended item.

서비스 서버(200)는 사용자가 선호도 진단 아이템 또는 추천 아이템과 상이한 패션 아이템을 구매한 경우, 기 실시한 선호도 진단이 잘못됐다고 판단하고 선호도 조사를 재실시 할 수 있다.When the user purchases a preference diagnosis item or a fashion item different from the recommended item, the service server 200 may determine that the previously performed preference diagnosis is incorrect and re-execute the preference examination.

선호도 조사의 재실시 과정에 대해서는, 전술한 종래 구입한 아이템 또는 보유 아이템의 이미지로부터 선호도 진단 아이템을 추출하는 과정을 반복하거나, 사용자로부터 직접 선호도 진단 아이템을 입력 받아 진단 이미지를 다시 생성할 수 있다.As for the process of re-implementing the preference survey, the process of extracting the preference diagnosis item from the image of the conventionally purchased or owned item may be repeated, or the diagnosis image may be regenerated by receiving the preference diagnosis item directly from the user.

이때, 서비스 서버(200)는 진단 이미지가 사용자의 선호도를 충분히 반영하지 못했음을 알리는 메시지, 사용자 선택 이미지의 개수가 부족하여 적당한 추천 아이템을 제공하기 곤란하다는 메시지, 또는 사전에 주의사항으로 제공한 사용자 선택 이미지의 개수가 설정값보다 적을 경우 새로운 진단 이미지가 제공될 수 있음을 알리는 메시지 등과 함께 선호도 진단 아이템에 관한 정보를 입력해줄 것을 요청하는 메시지를 사용자 디바이스(100)에 전송할 수 있다.At this time, the service server 200 provides a message indicating that the diagnostic image does not sufficiently reflect the user's preference, a message indicating that it is difficult to provide an appropriate recommended item due to insufficient number of user-selected images, or a user who has provided a warning in advance. When the number of selected images is less than the set value, a message requesting input of information on a preference diagnosis item may be transmitted to the user device 100 together with a message indicating that a new diagnosis image can be provided.

서비스 서버(200)는 사용자에게 선호도 진단 아이템의 이미지를 사진 촬영할 것을 요청하거나, 선호도 진단 아이템을 설명할 수 있는 키워드의 입력을 요청하거나, 마이크를 통한 음성 명령을 요청하는 등 다양한 형태를 통해 선호도 진단 아이템에 대한 정보를 요청하는 메시지를 전송할 수 있다.The service server 200 diagnoses preferences through various forms, such as requesting the user to take a picture of an image of the preference diagnosis item, requesting input of a keyword that can describe the preference diagnosis item, or requesting a voice command through a microphone. You can transmit a message requesting information about the item.

본 발명의 실시 예에 따르면, 서비스 서버(200)는 상품 이미지 또는 스타일 이미지를 벡터값 형태로 저장할 수 있다. 구체적으로, 서비스 서버(200)는 상품 이미지 또는 스타일 이미지들의 특징 영역을 탐지(Interest Point Detection)할 수 있다. 특징 영역이란, 이미지들 사이의 동일 유사 여부를 판단하기 위한 이미지의 특징에 대한 기술자, 즉 특징 기술자(Feature Description)를 추출하는 주요 영역을 의미할 수 있다.According to an embodiment of the present invention, the service server 200 may store a product image or a style image in the form of a vector value. Specifically, the service server 200 may detect a feature area of a product image or style images (Interest Point Detection). The feature region may mean a main region from which a descriptor for a feature of an image, ie, a feature description, is extracted for determining whether the images are identical or similar.

본 발명의 실시예에 따르면 이러한 특징 영역은 이미지가 포함하고 있는 윤곽선, 윤곽선 중에서도 코너 등의 모퉁이, 주변 영역과 구분되는 블롭(blob), 이미지의 변형에 따라 불변하거나 공변하는 영역, 또는 주변 밝기보다 어둡거나 밝은 특징이 있는 극점일 수 있으며 이미지의 패치(조각) 또는 이미지 전체를 대상으로 할 수 있다.According to an embodiment of the present invention, such a feature region is more than a contour included in an image, a corner such as a corner among contours, a blob distinguished from a peripheral region, a region that is invariant or covariant according to the deformation of the image, or an ambient brightness. It can be a pole with dark or light features, and can target a patch (fragment) of an image or the entire image.

나아가 서비스 서버는 특징 영역에서 특징 기술자를 추출(Descriptor Extraction)할 수 있다. 특징 기술자는 이미지의 특징들을 벡터 값으로 표현한 것일 수 있다.Furthermore, the service server may extract a feature descriptor from the feature area (Descriptor Extraction). The feature descriptor may represent features of an image as vector values.

본 발명의 실시예에 따르면, 이러한 특징 기술자는 해당 이미지에 대한 특징 영역의 위치, 또는 특징 영역의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보를 이용하여 계산할 수 있다. 예를 들어 특징 기술자는 특징 영역의 밝기 값, 밝기의 변화 값 또는 분포 값 등을 벡터로 변환하여 계산할 수도 있다.According to an embodiment of the present invention, such a feature descriptor may be calculated using the position of the feature region in the corresponding image, or brightness, color, sharpness, gradient, scale, or pattern information of the feature region. For example, the feature descriptor may convert the brightness value of the feature region, the change value of the brightness, or the distribution value into a vector and calculate it.

한편 본 발명의 실시예에 따르면 이미지에 대한 특징 기술자는 위와 같이 특징 영역에 기반한 지역 기술자(Local Descriptor) 뿐 아니라, 전역 기술자(Global descriptor), 빈도 기술자(Frequency Descriptor), 바이너리 기술자(Binary Descriptor) 또는 신경망 기술자(Neural Network descriptor)로 표현될 수 있다.Meanwhile, according to an embodiment of the present invention, the feature descriptor for an image is a global descriptor, a frequency descriptor, a binary descriptor or a local descriptor based on the feature region as described above. It can be expressed as a neural network descriptor.

보다 구체적으로, 특징 기술자는 이미지 전체 또는 이미지를 임의의 기준으로 분할한 구역 각각, 또는 특징 영역 각각의 밝기, 색상, 선명도, 그라디언트, 스케일, 패턴 정보 등을 벡터값으로 변환하여 추출하는 전역 기술자 (Global descriptor)를 포함할 수 있다.More specifically, the feature descriptor is a global descriptor ( global descriptor).

예를 들어 특징 기술자는 미리 구분한 특정 기술자들이 이미지에 포함되는 횟수, 종래 정의된 색상표와 같은 전역적 특징의 포함 횟수 등을 벡터값으로 변환하여 추출하는 빈도 기술자 (Frequency Descriptor), 각 기술자들의 포함 여부 또는 기술자를 구성하는 각 요소 값들의 크기가 특정값 보다 크거나 작은지 여부를 비트 단위로 추출한 뒤 이를 정수형으로 변환하여 사용하는 바이너리 기술자 (Binary descriptor), 신경망(Neural Network)의 레이어에서 학습 또는 분류를 위해 사용되는 영상정보를 추출하는 신경망 기술자(Neural Networkdescriptor)를 포함할 수 있다.For example, the feature descriptor includes a frequency descriptor that converts and extracts the number of times that specific descriptors classified in advance are included in an image, the number of times that a global feature such as a conventionally defined color table is included, etc. Learning from the layer of binary descriptor and neural network, which extracts in bits whether it is included or whether the size of each element constituting the descriptor is larger or smaller than a specific value, and converts it into an integer type Alternatively, it may include a neural network descriptor that extracts image information used for classification.

머신 러닝은 인공지능의 분야 중 하나로, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘의 집합으로 정의될 수 있다. 서비스 서버가 이용하는 모델은 이러한 머신 러닝의 모델 중 심층 신경망(Deep Neural Networks, DNN), 컨볼루션 신경망(Convolutional deep Neural Networks, CNN), 순환 인공 신경망(Reccurent Neural Network, RNN) 및 심층 신뢰 신경 망(Deep Belief Networks, DBN) 중 어느 하나를 이용한 것일 수 있다. Machine learning is one of the fields of artificial intelligence and can be defined as a set of systems and algorithms for learning based on empirical data, making predictions, and improving their own performance. Among these machine learning models, the model used by the service server is Deep Neural Networks (DNN), Convolutional Deep Neural Networks (CNN), Reccurent Neural Network (RNN), and Deep Trust Neural Network ( Deep Belief Networks, DBN) may be used.

특히 본 발명의 실시 예에 따르면, 상품 이미지 또는 스타일 이미지로부터 추출한 특징 정보 벡터를 낮은 차원으로 변환할 수 있다. 예를 들어 인공신경망을 통해 추출된 특징 정보는 4만 차원 고차원 벡터 정보에 해당하며, 검색에 요구되는 리소스를 고려하여 적정한 범위의 낮은 차원 벡터로 변환하는 것이 적절할 수 있다. In particular, according to an embodiment of the present invention, a feature information vector extracted from a product image or a style image may be converted to a lower dimension. For example, feature information extracted through an artificial neural network corresponds to 40,000-dimensional high-dimensional vector information, and it may be appropriate to convert it into a low-dimensional vector of an appropriate range in consideration of the resources required for the search.

상기 특징 정보 벡터의 변환은 PCA 등의 알고리즘을 이용할 수 있으며, 낮은 차원 벡터로 변환된 특징 정보는 해당 상품 이미지에 인덱싱 될 수 있다.The transformation of the feature information vector may use an algorithm such as PCA, and the feature information converted into a low-dimensional vector may be indexed into a corresponding product image.

본 발명의 실시 예에서, 사용자 선택 이미지에 포함된 벡터값들은 사용자 선택 이미지의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보 등을 포함할 수 있다. 사용자 선호도 정보 생성부(210)는 이들 정보의 조합으로부터 사용자 선호도 정보를 생성할 수 있다. In an embodiment of the present invention, the vector values included in the user-selected image may include brightness, color, sharpness, gradient, scale, or pattern information of the user-selected image. The user preference information generating unit 210 may generate user preference information from a combination of these information.

본 발명의 다른 실시 예를 따르면, 사용자 선호도 정보는 사용자 선택 이미지에 포함된 패션 아이템 객체들로부터 추출한 레이블 정보를 이용하여 생성할 수도 있다. 예를 들어, 사용자 선택 이미지에 포함된 패션 아이템에 해당 패션 아이템의 내용을 설명하는 레이블이 미리 설정되어 있는 경우, 복수의 선택 이미지에 설정된 레이블들을 조합하여 사용자 선호도 정보를 생성할 수도 있다. According to another embodiment of the present invention, user preference information may be generated using label information extracted from fashion item objects included in a user-selected image. For example, when a label for explaining the contents of a fashion item included in a user-selected image is preset, user preference information may be generated by combining labels set in a plurality of selected images.

나아가 본 발명의 추가적인 실시 예에 따르면, 사용자 선호도 정보는 사용자가 선택한 선호도 진단 아이템은 물론, 사용자가 종래 구매한 패션 아이템 및/또는 사용자가 종래 보유하고 있는 패션 아이템에 대한 정보를 이용하여 생성할 수도 있다. 이때 사용자가 선택한 선호도 진단 아이템, 구매한 아이템 및/또는 보유한 아이템들의 정보를 결합하는 가중치는 다양한 알고리즘에 따라 설정될 수 있다.Furthermore, according to an additional embodiment of the present invention, the user preference information may be generated using information about a preference diagnosis item selected by the user, as well as a fashion item previously purchased by the user and/or a fashion item previously owned by the user. there is. In this case, a weight for combining information on the preference diagnosis item selected by the user, the purchased item, and/or the items possessed by the user may be set according to various algorithms.

본 발명의 또 다른 실시 예에 따르면, 사용자 선호도 정보는 신제품이 출시될 때, 사용자에게 ‘좋음’, ‘별로’ 등의 추가 선호도 조사를 받아 지속적으로 업데이트될 수 있다.According to another embodiment of the present invention, when a new product is released, user preference information may be continuously updated by receiving an additional preference survey such as 'good' or 'not much' from the user.

온/오프라인 마켓은 변화하는 소비자의 니즈(needs)를 반영한 신제품을 지속적으로 출시할 수 있다. 새롭게 출시된 신제품에는 기존의 제품들이 포괄하지 못한 디자인(혹은 레이블 정보)이 포함되어 있을 수 있다. 뿐만 아니라, 기존에 존재하던 디자인(혹은 레이블 정보)이라 하더라도, 이를 재해석하여 기존 온/오프라인 마켓에 없던 소비자의 구매욕을 자극하는 새로운 조합의 디자인(혹은 레이블 정보)으로 재탄생될 수 있다. 이러한 신제품은 소비자들의 최신 니즈가 가장 많이 반영되어 있을 수 있으므로 사용자 선호도 정보에 업데이트될 필요가 있다.The on/offline market can continuously launch new products reflecting the changing needs of consumers. A newly launched new product may contain a design (or label information) that existing products do not cover. In addition, even an existing design (or label information) can be reinterpreted and reborn as a new combination of design (or label information) that stimulates consumers' purchase desires that were not in the existing on/offline market. Since these new products may reflect the latest needs of consumers the most, they need to be updated in user preference information.

따라서, 서비스 서버(200)는 신제품이 출시될 때, 상기 신제품에 대한 ‘좋음, ’별로‘ 등의 질의를 통해 사용자 선호도 정보를 업데이트할 수 있다. 사용자의 응답에 따라 선호도는 서로 다른 가중치로 사용자 선호도 정보에 반영될 수 있다.Accordingly, when a new product is released, the service server 200 may update user preference information through a query such as 'good' or 'not like' for the new product. According to the user's response, the preference may be reflected in the user preference information with different weights.

사용자 선호도 정보는 패션 아이템의 디자인, 브랜드, 가격대 등 사용자의 선호도를 추정할 수 있는 정보를 포함할 수 있다.The user preference information may include information for estimating a user's preference, such as a design, a brand, and a price range of a fashion item.

특히, 사용자 선호도 정보는 사용자가 선호하는 패션 아이템의 브랜드에 관한 정보를 포함할 수 있다. 브랜드에 관한 사용자 선호도 정보는, 사용자 선택 이미지에 포함된 벡터값으로부터 생성될 수 있다. 서비스 서버(200)는 사용자 선택 이미지에서 브랜드가 표시된 특징 부분(예를 들어, 의류에 부착된 태그, 상의의 카라 안쪽 부분, 가슴 부분, 하의의 윗 부분, 주머니 부분 등)을 인식할 수 있고, 해당 브랜드의 특징적인 정보를 데이터베이스에서 검색하는 방법으로 브랜드에 관한 사용자 선호도 정보를 생성할 수 있다. In particular, the user preference information may include information about a brand of a fashion item preferred by the user. The user preference information about the brand may be generated from a vector value included in the user-selected image. The service server 200 may recognize the characteristic part (for example, a tag attached to clothing, the inner part of the collar of the upper part, the chest part, the upper part of the lower part, the pocket part, etc.) in the user-selected image, User preference information about the brand may be generated by searching the database for characteristic information of the corresponding brand.

데이터베이스에는 개별 브랜드가 가지는 특징적인 정보인 로고, 체크의 형태, 도형, 패턴, 상표, 문구 등이 사전에 저장되어 있을 수 있다. 서비스 서버(200)는 사용자 선택 이미지의 벡터값으로부터 브랜드의 특징적인 정보를 추출하고, 사용자가 선호하는 브랜드에 관한 사용자 선호도 정보를 생성할 수 있다.In the database, characteristic information of individual brands, such as logos, check shapes, figures, patterns, trademarks, phrases, and the like, may be stored in advance. The service server 200 may extract characteristic information of a brand from a vector value of a user-selected image, and may generate user preference information regarding a brand preferred by the user.

본 발명의 다른 실시 예에 따르면, 사용자 선호도 정보는 사용자 선택 이미지에 포함된 패션 아이템 객체들로부터 추출한 레이블 정보로부터 생성될 수 있다. 사용자 선택 이미지에 포함된 패션 아이템 객체들에는 해당 패션 아이템의 브랜드에 관한 레이블 정보가 미리 태그되어 있을 수 있다. 서비스 서버(200)는 브랜드에 관한 레이블 정보를 조합하여, 브랜드에 관한 사용자 선호도 정보를 생성할 수 있다.According to another embodiment of the present invention, user preference information may be generated from label information extracted from fashion item objects included in a user-selected image. Fashion item objects included in the user-selected image may be pre-tagged with label information regarding the brand of the corresponding fashion item. The service server 200 may generate user preference information about the brand by combining label information about the brand.

사용자 선호도 정보 저장부(220)는 사용자 선호도 정보 생성부(210)로부터 수신한 사용자 선호도 정보를 저장할 수 있다.The user preference information storage unit 220 may store the user preference information received from the user preference information generation unit 210 .

사용자 선호도 정보 저장부(220)에 저장된 사용도 선호도 정보는 사용자 선택 이미지가 입력될 때마다 갱신될 수 있다. 사용자 선호도 정보는 시간에 따라 변화할 수 있다. 예를 들어, 사용자의 연령대, 재력, 직업, 직장 분위기 등 사용자의 개인 정보 또는 주변 환경이 변화함에 따라 선호하는 스타일이 달라질 수 있다. 또한, 최신 트랜드의 변화에 따라 현재 유행하는 스타일이 반영된 사용자 선호도 정보가 새롭게 생성될 수도 있다. The usage preference information stored in the user preference information storage 220 may be updated whenever a user-selected image is input. User preference information may change over time. For example, as the user's personal information or surrounding environment changes, such as the user's age, financial resources, occupation, and work atmosphere, the preferred style may change. In addition, according to the change of the latest trend, user preference information in which a currently popular style is reflected may be newly generated.

예컨대, 사용자가 20대 초반의 대학생의 경우 유채색 계열의 티셔츠, 청바지, 스니커즈 또는 운동화 등 캐쥬얼한 느낌을 주는 패션 아이템들이 사용자 선호도 정보에 다수 포함될 수 있다. 사용자가 20대 후반의 직장인이 되면, 흰색 셔츠, 구두, 넥타이, 무채색 계열의 패션 아이템 등 오피스 룩 느낌을 주는 패션 아이템들이 사용자 선호도 정보에 다수 포함될 수 있다.For example, if the user is a college student in his early 20s, a plurality of fashion items that give a casual feeling, such as a colored T-shirt, jeans, sneakers, or sneakers, may be included in the user preference information. When the user becomes an office worker in his late 20s, a number of fashion items giving an office look, such as a white shirt, shoes, tie, and achromatic fashion items, may be included in the user preference information.

사용자는 서비스 서버(200)로부터 수신한 진단 이미지를 수시로, 임의의 타이밍에 또는 주기적으로 선택함으로써, 변화된 취향을 서비스 서버에 전달할 수 있다. 사용자 선호도 정보가 사용자 선택 이미지가 입력될 때마다 갱신됨으로써, 서비스 서버(200)는 사용자가 원하는 스타일을 보다 정확하게 예측하고, 그에 맞는 패션 아이템을 추천할 수 있다.The user may transmit the changed taste to the service server by selecting the diagnostic image received from the service server 200 from time to time, at an arbitrary timing, or periodically. Since the user preference information is updated whenever a user-selected image is input, the service server 200 may more accurately predict a style desired by the user and recommend a fashion item suitable therefor.

도 2는 도 1의 패션 상품 추천 시스템의 동작을 설명하기 위한 장치도이다.FIG. 2 is a device diagram for explaining the operation of the fashion product recommendation system of FIG. 1 .

도 2를 참조하면, 서비스 서버(200)는 사용자 선호도 정보 생성부(210) 및 사용자 선호도 정보 저장부(220)를 포함할 수 있다.Referring to FIG. 2 , the service server 200 may include a user preference information generation unit 210 and a user preference information storage unit 220 .

서비스 서버(200)는 사용자 디바이스(100)로부터 사용자의 취향을 추측할 수 있는 종래 구입한 아이템, 보유 아이템의 이미지 등을 수신하고, 이를 기초로 특정 패션 아이템에 대한 사용자의 선호도를 파악하기 위한 진단 이미지를 제공할 수 있다. 사용자가 진단 이미지 중 마음에 드는 이미지를 사용자 선택 이미지로 결정하면, 서비스 서버(200)는 사용자 선택 이미지에 포함된 벡터값들을 연산하여 사용자 선호도 정보를 생성할 수 있다.The service server 200 receives from the user device 100 an image of a conventionally purchased item and a retained item from which the user's taste can be inferred, and based on this, a diagnosis for identifying the user's preference for a specific fashion item You can provide an image. When the user determines a favorite image among the diagnostic images as the user-selected image, the service server 200 may generate user preference information by calculating vector values included in the user-selected image.

구체적으로, 사용자 선호도 정보 생성부(210)는 초기 사용자 선호도 정보 생성부(211), 진단 이미지 생성부(212) 및 업데이트 정보 생성부(213)를 포함할 수 있다.Specifically, the user preference information generation unit 210 may include an initial user preference information generation unit 211 , a diagnostic image generation unit 212 , and an update information generation unit 213 .

초기 사용자 선호도 정보 생성부(211)는 사용자 디바이스(100)로부터 사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지를 수신할 수 있다. The initial user preference information generating unit 211 may receive an image of an item that the user has conventionally purchased or possessed from the user device 100 .

사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지는 서비스 서버(200)가 사용자 선호도 정보의 갱신을 위해 필요로 할 때 사용자 디바이스(100)에 요청할 수 있다. 실시 예에 따라 사용자가 온라인 마켓에서 패션 아이템을 구입할 때마다, 임의의 시점에, 또는 일정한 주기로 서비스 서버(200)에 제공될 수도 있다. When the service server 200 needs to update the user preference information, the user device 100 may request the image of the item that the user has conventionally purchased or possessed. According to an embodiment, whenever a user purchases a fashion item from an online market, it may be provided to the service server 200 at an arbitrary point in time or at a regular cycle.

도 2에서는 초기 사용자 선호도 정보를 생성하기 위한 정보로 사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지를 예시하였지만, 실시 예에 따라 초기 사용자 선호도 정보 생성부(211)는 특정 패션 아이템에 대한 블로그 열람 시간, 방문 횟수, 텍스트, 동영상 또는 선호도 진단 아이템이 표시된 웹 사이트의 URL 등 다양한 정보가 포함될 수 있다.In FIG. 2 , an image of an item that a user has conventionally purchased or a possession item is exemplified as information for generating initial user preference information. However, according to an embodiment, the initial user preference information generation unit 211 provides a blog reading time for a specific fashion item. , the number of visits, text, video, or a URL of a website on which a preference diagnosis item is displayed may be included.

초기 사용자 선호도 정보 생성부(211)는 종래 구입한 아이템 또는 보유 아이템의 이미지로부터 초기 사용자 선호도 정보를 생성할 수 있다.The initial user preference information generating unit 211 may generate initial user preference information from an image of a conventionally purchased item or a possession item.

초기 사용자 선호도 정보는 사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지로부터 추출한 사용자의 선호도에 관한 정보일 수 있다. 초기 사용자 선호도 정보는 특정 패션 아이템에 대한 사용자 선호도를 계산하기 위한 벡터값들을 포함할 수 있다. 초기 사용자 선호도 정보는 특정 패션 아이템에 대한 블로그 열람 시간, 방문 횟수, 텍스트 등 다양한 정보를 기초로 추출될 수도 있다.The initial user preference information may be information about the user's preference extracted from an image of an item previously purchased by the user or an item possessed by the user. The initial user preference information may include vector values for calculating user preference for a specific fashion item. The initial user preference information may be extracted based on various information such as a blog reading time, number of visits, and text for a specific fashion item.

초기 사용자 선호도 정보는 사용자가 기존에 보유하던 아이템의 특징 정보를 포함할 수 있다. 즉, 초기 사용자 선호도 정보는 사용자가 기존에 보유하던 아이템으로부터 추출한 사용자의 취향에 관한 정보를 포함할 수 있다.The initial user preference information may include characteristic information of an item previously owned by the user. That is, the initial user preference information may include information about the user's taste extracted from the item previously owned by the user.

초기 사용자 선호도 정보는 사용자가 종래 구입한 아이템 또는 이미 보유하고 있는 아이템이라는 과거 데이터를 기초로 하므로, 사용자의 변화된 취향을 반영하지 못할 수 있다. Since the initial user preference information is based on past data that the user has conventionally purchased or already possessed, the user's changed taste may not be reflected.

본 발명의 실시 예에서는, 초기 사용자 선호도 정보를 기초로 선호도 진단 아이템을 추출하고, 추출된 선호도 진단 아이템이 포함된 적어도 하나 이상의 진단 이미지를 통해 변화된 사용자의 취향을 반영한 사용자 선호도 정보를 생성할 수 있다.In an embodiment of the present invention, a preference diagnosis item may be extracted based on the initial user preference information, and user preference information reflecting the changed user's taste may be generated through at least one or more diagnosis images including the extracted preference diagnosis item. .

진단 이미지 생성부(212)는 초기 사용자 선호도 정보로부터 진단 이미지를 생성하고, 사용자 디바이스(100)에 제공할 수 있다. 진단 이미지는 사용자의 선호도 파악을 위해, 룩북에서 검색된 선호도 진단 아이템을 적어도 하나 이상 포함하는 이미지일 수 있다. 진단 이미지의 생성에 대해서는 첨부된 도 3에 대한 설명에서 후술하기로 한다.The diagnostic image generator 212 may generate a diagnostic image from the initial user preference information and provide it to the user device 100 . The diagnosis image may be an image including at least one preference diagnosis item retrieved from a lookbook in order to identify a user's preference. The generation of the diagnostic image will be described later with reference to FIG. 3 .

사용자 디바이스(100)는 진단 이미지 생성부(212)로부터 수신한 진단 이미지 중 마음에 드는 이미지를 선택할 수 있다. 사용자로부터 선택된 진단 이미지는 사용자 선택 이미지일 수 있다.The user device 100 may select a favorite image from among the diagnostic images received from the diagnostic image generator 212 . The diagnostic image selected by the user may be a user selected image.

업데이트 정보 생성부(213)는 사용자 선택 이미지에 포함된 패션 아이템 객체로부터 사용자 선호도 정보를 생성할 수 있다.The update information generator 213 may generate user preference information from the fashion item object included in the user-selected image.

사용자 선호도 정보는 디자인, 가격대, 브랜드 등 특정 패션 아이템에 대한 사용자의 선호도를 추정할 수 있는 정보일 수 있다. 사용자 선호도 정보는 특정 패션 아이템에 대한 사용자 선호도를 계산하기 위한 벡터값들을 포함할 수 있다.The user preference information may be information capable of estimating the user's preference for a specific fashion item, such as a design, a price range, and a brand. The user preference information may include vector values for calculating user preference for a specific fashion item.

사용자 선택 이미지에 포함된 패션 아이템의 특징이 “빨간색”, “크로스 백”, “퀼트 무늬”일 수 있다. 서비스 서버(200)는 이들 특징을 벡터값으로 변환하여 사용자 선호도 정보로 저장할 수 있다. A characteristic of the fashion item included in the user-selected image may be “red”, “cross bag”, and “quilt pattern”. The service server 200 may convert these characteristics into vector values and store them as user preference information.

사용자 선택 이미지가 많을수록 사용자 선호도 정보는 사용자의 취향을 보다 상세하고 정확하게 반영할 수 있다. 사용자 선호도 정보는 사용자 선택 이미지의 패션 아이템들에 포함된 벡터값들을 연산하여 추출될 수 있다. 따라서, 사용자 선택 이미지의 개수가 많을수록 사용자 선호도 정보는 보다 많은 벡터값을 대입한 연산 과정을 통해 추출될 수 있다. 연산 과정을 많이 거칠수록 사용자 선호도 정보는 보다 정교해질 수 있고, 사용자 선호도 정보는 사용자의 취향을 보다 상세하고 정확하게 반영할 수 있다.As the number of user-selected images increases, the user preference information may reflect the user's taste in more detail and accurately. The user preference information may be extracted by calculating vector values included in the fashion items of the user-selected image. Accordingly, as the number of user-selected images increases, user preference information can be extracted through an operation process in which more vector values are substituted. The more the calculation process is performed, the more sophisticated user preference information can be, and the more detailed and accurate user preference information can reflect the user's taste.

따라서, 사용자 선택 이미지가 많을수록, “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”의 특징뿐만 아니라 더 다양한 패션 아이템의 특징을 사용자 선호도 정보에 반영할 수 있다.Therefore, as there are more user-selected images, not only the characteristics of “blue”, “skirt”, “red”, “cross bag”, and “quilt pattern” but also the characteristics of more diverse fashion items can be reflected in the user preference information.

중복되는 특징이 있는 경우, 중복된 횟수에 따라 가중치를 부여하고 우선순위를 정할 수도 있다. 예를 들어, “크로스 백”이 4회, “치마”가 2회 중복된 경우, “크로스 백”을 “치마”보다 사용자의 선호도가 높다고 판단할 수 있다. If there are overlapping features, weights may be assigned according to the number of overlaps and priorities may be determined. For example, when “cross bag” is repeated 4 times and “skirt” is repeated 2 times, it may be determined that the user has a higher preference for “cross-back” than “skirt”.

사용자 선택 이미지가 많을수록 중복되는 빈도가 증가할 수 있고, 서비스 서버(200)는 이러한 특징에 더 높은 사용자 선호도의 가중치를 부여할 수 있다. 더 높은 사용자 선호도의 가중치가 반영된 특징은 추천 아이템을 결정할 때 데이터베이스에서 우선하여 검색될 수 있다. As the number of user-selected images increases, the overlapping frequency may increase, and the service server 200 may give a higher weight of user preference to these features. A feature to which a weight of a higher user preference is reflected may be preferentially searched in the database when determining a recommended item.

도 2에는 도시되지 않았지만, 사용자 선택 이미지의 개수가 미리 설정된 설정값보다 적을 경우, 서비스 서버는 진단 이미지를 다시 추출하기 위해, 사용자 디바이스(100)에 선호도 진단 아이템의 이미지를 요청할 수 있다.Although not shown in FIG. 2 , when the number of user-selected images is less than a preset setting value, the service server may request an image of a preference diagnosis item from the user device 100 in order to extract the diagnosis image again.

예를 들어, 설정값이 5인데 사용자 선택 이미지의 개수가 3이라고 가정할 수 있다. 서비스 서버(200)는 진단 이미지가 사용자의 선호도 정보를 충분히 반영하지 못한다고 판단하고, 진단 이미지를 다시 생성하기 위해 선호도 진단 아이템의 이미지를 사용자를 통해 직접 입력 받을 수 있다.For example, it may be assumed that the number of user-selected images is 3 when the setting value is 5. The service server 200 may determine that the diagnosis image does not sufficiently reflect the user's preference information, and may directly receive the image of the preference diagnosis item through the user in order to regenerate the diagnosis image.

사용자 선택 이미지의 개수가 미리 설정된 설정값보다 적을 경우, 서비스 서버는 서비스 서버는 사용자로부터 받는 정보가 부족하다고 판단하고, 진단 이미지를 다시 추출하기 위해, 사용자 디바이스에 선호도 진단 아이템의 이미지를 요청할 수 있다.When the number of user-selected images is less than the preset setting value, the service server determines that the information received from the user is insufficient, and may request an image of the preference diagnosis item from the user device to extract the diagnosis image again. .

예를 들어, 설정값이 5인데 사용자 선택 이미지의 개수가 3이라고 가정할 수 있다. 서비스 서버는 진단 이미지가 사용자의 선호도 정보를 충분히 반영하지 못한다고 판단하고, 진단 이미지를 다시 생성하기 위해 선호도 진단 아이템의 이미지를 사용자를 통해 직접 입력 받을 수 있다.For example, it may be assumed that the number of user-selected images is 3 when the setting value is 5. The service server may determine that the diagnosis image does not sufficiently reflect the user's preference information, and may directly receive the image of the preference diagnosis item through the user in order to regenerate the diagnosis image.

또한, 서비스 서버는 사용자가 사용자의 선호도 확인을 위한 데이터인 선호도 진단 아이템과 다른 상품을 구매한 경우 선호도 조사를 다시 실시할 수 있다.Also, when the user purchases a product different from the preference diagnosis item, which is data for confirming the user's preference, the service server may perform the preference survey again.

본 발명의 실시 예에 따르면, 서비스 서버는 선호도 진단 아이템을 기초로 진단 이미지를 생성하고, 사용자가 선택한 진단 이미지를 기초로 사용자 선호도 정보를 업데이트할 수 있다. 서비스 서버는 사용자 선호도 정보를 기초로 결정된 추천 아이템을 사용자에게 제공하게 되는데, 사용자는 추천 아이템과 상이한 패션 아이템 또는 추천 아이템으로 제공된 선호도 진단 아이템과 상이한 아이템을 구매할 수 있다.According to an embodiment of the present invention, the service server may generate a diagnosis image based on the preference diagnosis item and update user preference information based on the diagnosis image selected by the user. The service server provides a recommended item determined based on the user preference information to the user, and the user may purchase a fashion item different from the recommended item or an item different from the preference diagnosis item provided as the recommended item.

서비스 서버는 사용자가 선호도 진단 아이템 또는 추천 아이템과 상이한 패션 아이템을 구매한 경우, 기 실시한 선호도 진단이 잘못됐다고 판단하고 선호도 조사를 재실시 할 수 있다.When the user purchases a preference diagnosis item or a fashion item different from the recommended item, the service server may determine that the previously performed preference diagnosis is incorrect and re-execute the preference examination.

선호도 조사의 재실시 과정에 대해서는, 전술한 종래 구입한 아이템 또는 보유 아이템의 이미지로부터 선호도 진단 아이템을 추출하는 과정을 반복하여 새로운 선호도 진단 아이템을 다시 생성하거나, 사용자로부터 직접 선호도 진단 아이템을 입력 받아 진단 이미지를 다시 생성할 수 있다.For the process of re-implementing the preference survey, a new preference diagnosis item is re-created by repeating the process of extracting the preference diagnosis item from the image of the previously purchased item or owned item, or a preference diagnosis item is directly input from the user for diagnosis The image can be regenerated.

서비스 서버(200)는 진단 이미지가 사용자의 선호도를 충분히 반영하지 못했음을 알리는 메시지, 사용자 선택 이미지의 개수가 부족하여 적당한 추천 아이템을 제공하기 곤란하다는 메시지, 또는 사전에 주의사항으로 제공한 사용자 선택 이미지의 개수가 설정값보다 적을 경우 새로운 진단 이미지가 제공될 수 있음을 알리는 메시지 등과 함께 선호도 진단 아이템에 관한 정보를 입력해줄 것을 요청하는 메시지를 사용자 디바이스(100)에 전송할 수 있다.The service server 200 provides a message indicating that the diagnostic image does not sufficiently reflect the user's preference, a message indicating that it is difficult to provide an appropriate recommended item due to insufficient number of user-selected images, or a user-selected image provided as a precaution in advance. When the number of is less than the set value, a message requesting input of information on a preference diagnosis item may be transmitted to the user device 100 together with a message indicating that a new diagnosis image can be provided.

서비스 서버(200)는 사용자에게 선호도 진단 아이템의 이미지를 사진 촬영할 것을 요청하거나, 선호도 진단 아이템을 설명할 수 있는 키워드의 입력을 요청하거나, 마이크를 통한 음성 명령을 요청하는 등 다양한 형태를 통해 선호도 진단 아이템에 대한 정보를 요청하는 메시지를 전송할 수 있다.The service server 200 diagnoses preferences through various forms, such as requesting the user to take a picture of an image of the preference diagnosis item, requesting input of a keyword that can describe the preference diagnosis item, or requesting a voice command through a microphone. You can transmit a message requesting information about the item.

업데이트 정보 생성부(213)는 생성된 사용자 선호도 정보를 사용자 선호도 정보 저장부(220)에 저장할 수 있다. 사용자 선호도 저장부(220)에 저장되어 있던 기존 사용자 선호도 정보는 새롭게 수신된 사용자 선호도 정보를 반영하여 갱신될 수 있다.The update information generation unit 213 may store the generated user preference information in the user preference information storage unit 220 . Existing user preference information stored in the user preference storage 220 may be updated by reflecting newly received user preference information.

특히, 사용자 선호도 정보는 신제품이 출시될 때, 사용자에게 ‘좋음’, ‘별로’ 등의 추가 선호도 조사를 받아 지속적으로 업데이트될 수 있다.In particular, when a new product is released, user preference information may be continuously updated by receiving additional preference surveys such as 'like' and 'not very' from users.

온/오프라인 마켓은 변화하는 소비자의 니즈(needs)를 반영한 신제품을 지속적으로 출시할 수 있다. 새롭게 출시된 신제품에는 기존의 제품들이 포괄하지 못한 디자인(혹은 레이블 정보)이 포함되어 있을 수 있다. 뿐만 아니라, 기존에 존재하던 디자인(혹은 레이블 정보)이라 하더라도, 이를 재해석하여 기존 온/오프라인 마켓에 존재하지 않던 소비자의 구매욕을 자극하는 새로운 조합의 디자인(혹은 레이블 정보)으로 재탄생될 수 있다. 이러한 신제품은 소비자들의 최신 니즈가 가장 많이 반영되어 있을 수 있으므로 사용자 선호도 정보에 업데이트될 필요가 있다.The on/offline market can continuously launch new products reflecting the changing needs of consumers. A newly launched new product may contain a design (or label information) that existing products do not cover. In addition, even an existing design (or label information) can be reinterpreted and reborn as a new combination of design (or label information) that stimulates consumers' purchase desire that did not exist in the existing on/offline market. . Since these new products may reflect the latest needs of consumers the most, they need to be updated in user preference information.

따라서, 서비스 서버(200)는 신제품이 출시될 때, 상기 신제품에 대한 ‘좋음, ’보통‘ ,’별로‘ 등의 질의를 통해 사용자 선호도 정보를 업데이트할 수 있다. 사용자의 응답에 따라 선호도는 서로 다른 가중치로 사용자 선호도 정보에 반영될 수 있다.Accordingly, when a new product is released, the service server 200 may update the user preference information through a query such as 'good, 'normal', 'by', etc. for the new product. According to the user's response, the preference may be reflected in the user preference information with different weights.

도 3은 본 발명의 실시 예에 따라, 선호도 진단 아이템 이미지로부터 진단 이미지를 생성하는 과정을 설명하기 위한 도면이다.3 is a diagram for explaining a process of generating a diagnosis image from a preference diagnosis item image according to an embodiment of the present invention.

도 3을 참조하면, 그림1은 사용자가 종래 구입한 아이템 또는 보유한 아이템의 이미지로부터 사용자의 취향이 반영됐다고 판단된 선호도 진단 아이템의 이미지일 수 있다. 또는, 사용자가 종래 구입한 아이템 또는 보유한 아이템에 관한 정보가 없는 경우, 사용자로부터 입력 받은 선호도 진단 아이템의 이미지일 수 있다.Referring to FIG. 3 , FIG. 1 may be an image of a preference diagnosis item in which it is determined that the user's taste is reflected from an image of an item previously purchased or owned by the user. Alternatively, when there is no information about an item that the user has conventionally purchased or possessed, it may be an image of a preference diagnosis item input from the user.

서비스 서버는 선호도 진단 아이템의 이미지가 포함된 진단 이미지를 적어도 하나 이상 생성할 수 있다. 실시 예에서, 진단 이미지는 열 개 생성될 수 있으나, 열 개보다 적거나 많은 수의 진단 이미지가 생성될 수도 있다.The service server may generate at least one diagnosis image including the image of the preference diagnosis item. In an embodiment, ten diagnostic images may be generated, but fewer or more than ten diagnostic images may be generated.

진단 이미지는 선호도 진단 아이템이 코디된 스타일 이미지를 복수의 스타일 이미지를 포함하는 룩북에서 검색한 이미지일 수 있다. 선호도 진단 아이템이 코디된 스타일 이미지가 룩북에 다수 존재할 경우, 서비스 서버는 중복되는 스타일 이미지를 제거할 수 있다. 예를 들어, 완전히 동일한 스타일 이미지 뿐만 아니라, 코디된 패션 아이템은 동일하지만 패션 아이템을 착용한 사람 또는 마네킹의 포즈만 상이할 수 있다. 이 경우 서비스 서버는 포함하는 패션 아이템의 집합이 서로 상이한 스타일 이미지들만을 진단 이미지로 결정할 수 있다.The diagnosis image may be an image obtained by searching for a style image in which a preference diagnosis item is coordinated in a lookbook including a plurality of style images. When a plurality of style images coordinated with a preference diagnosis item exist in the lookbook, the service server may remove duplicate style images. For example, not only the exact same style image, but also the coordinated fashion item may be the same, but only the pose of a person or a mannequin wearing the fashion item may be different. In this case, the service server may determine, as the diagnosis image, only style images having different sets of fashion items included therein.

실시 예에 따라, 룩북에 선호도 진단 아이템이 포함된 스타일 이미지의 개수가 미리 설정된 설정값보다 적거나, 존재하지 않을 수 있다. 이때, 서비스 서버는 검색된 스타일 이미지만을 진단 이미지로 결정할 수도 있고, 선호도 진단 아이템과 유사한 패션 아이템이 매치된 다른 스타일 이미지를 진단 이미지로 결정할 수도 있고, 또는 사용자 디바이스에 진단 이미지가 검색되지 않았음을 알리는 메시지와 함께 선호도 진단 아이템에 관한 정보를 입력해줄 것을 요청하는 메시지를 사용자 디바이스에 전송할 수도 있다.According to an embodiment, the number of style images including the preference diagnosis item in the lookbook may be less than a preset value or may not exist. In this case, the service server may determine only the searched style image as the diagnosis image, may determine another style image matching a fashion item similar to the preference diagnosis item as the diagnosis image, or notify the user device that the diagnosis image is not found. A message requesting to input information about the preference diagnosis item may be transmitted to the user device together with the message.

다시 도 3을 참조하면, 그림1a, 그림1b 및 그림1c는 “옷의 중간 부분에 알파벳이 하얀 바탕에 기재되고, 알파벳을 경계로 윗부분은 빨간색으로, 아랫 부분은 파란색으로 디자인된 모자가 달린 바람막이”라는 선호도 진단 아이템의 이미지로부터 생성된 세 개의 진단 이미지(진단 이미지1, 진단 이미지2, 진단 이미지3)가 표시된 사용자 디바이스를 도시하고 있다.Referring back to Fig. 3, Fig. 1a, Fig. 1b and Fig. 1c show, “The alphabet is written on a white background in the middle of the clothes, and the upper part is red and the lower part is blue. ” shows a user device in which three diagnostic images (diagnosis image 1, diagnostic image 2, and diagnostic image 3) generated from the image of the preference diagnostic item are displayed.

진단 이미지1, 진단 이미지2 및 진단 이미지3은 동일한 선호도 진단 아이템이 코디된 서로 다른 스타일 이미지일 수 있다. 구체적으로, 진단 이미지1은 청치마와 빨간 핸드백이, 진단 이미지2는 옷의 중앙 부분에 알파벳이 기재된 티셔츠와 흰색 레깅스가, 진단 이미지3은 가슴 왼편에 알파벳이 기재된 티셔츠와 검은색 면바지가 각각 선호도 진단 아이템과 함께 코디되어 있다.The diagnosis image 1, the diagnosis image 2, and the diagnosis image 3 may be different style images in which the same preference diagnosis item is coordinated. Specifically, in diagnosis image 1, a blue skirt and a red handbag are preferred, in diagnosis image 2 a T-shirt and white leggings with the alphabet written on the center part of the clothes are preferred, and in diagnosis image 3, a T-shirt and black cotton pants with the alphabet written on the left side of the chest are preferred. It is coordinated with diagnostic items.

서비스 서버는 생성된 진단 이미지를 사용자 디바이스에 순차적으로 제공할 수 있다. 그림1a는 진단 이미지1이 사용자 디바이스에 표시된 것을 도시하고 있다. 사용자는 진단 이미지1의 청치마와 빨간 핸드백이 자신이 선호하는 패션 아이템이라고 판단되면, “좋아요”를 의미하는 하트 아이콘(40a, 40b, 40c)을 클릭(click)할 수 있다. 반대로, 청치마가 자신이 선호하는 패션 아이템이 아니라고 판단되면, “싫어요”를 의미하는 엑스 아이콘(50a, 50b, 50c)을 클릭할 수 있다.The service server may sequentially provide the generated diagnostic images to the user device. Figure 1a shows diagnostic image 1 displayed on the user device. When it is determined that the blue skirt and the red handbag of the diagnosis image 1 are the fashion items that the user prefers, the user can click the heart icons 40a, 40b, and 40c that mean “like”. Conversely, if it is determined that the blue skirt is not a preferred fashion item, the X icons 50a , 50b , and 50c indicating “dislike” may be clicked.

사용자는 아이콘을 클릭하는 외에도, 진단 이미지 또는 사용자 인터페이스 화면을 미리 설정된 방향으로 드래그(drag)하는 방식으로 자신의 화면에 표시된 진단 이미지에 대한 자신의 선호를 반영할 수도 있다.(일례로 “좋아요”는 왼쪽으로 드래그, “싫어요”는 오른쪽으로 드래그) In addition to clicking the icon, the user can also reflect his/her preference for the diagnostic image displayed on his/her screen by dragging the diagnostic image or the user interface screen in a preset direction (eg, “Like”). drag left, “dislike” drag right)

실시 예에 따라, 진단 이미지의 특정 영역을 클릭 또는 더블 클릭하거나, 마이크에 음성 명령을 보내거나, 미리 설정된 별도의 버튼을 클릭하는 등 다양한 방식으로 진단 이미지에 대한 선호도를 서비스 서버로 전송할 수 있다.According to an embodiment, the preference for the diagnostic image may be transmitted to the service server in various ways, such as clicking or double clicking a specific area of the diagnostic image, sending a voice command to the microphone, or clicking a preset separate button.

진단 이미지(진단 이미지1, 진단 이미지2, 진단 이미지3)와 하트 아이콘(40a, 40b, 40c) 및 엑스 아이콘(50a, 50b, 50c)의 하단에는 사용자 선택 이미지 표시창(60a, 60b, 60c)이 위치할 수 있다.At the bottom of the diagnostic image (diagnostic image 1, diagnostic image 2, diagnostic image 3), heart icons 40a, 40b, 40c, and X icons 50a, 50b, 50c, user-selectable image display windows 60a, 60b, 60c are can be located

사용자 선택 이미지 표시창(60a, 60b, 60c)은 사용자로부터 “좋아요”로 선택된 진단 이미지인 사용자 선택 이미지가 썸네일로 표시되는 사용자 인터페이스의 특정 영역일 수 있다. 사용자 선택 이미지가 썸네일로 표시되는 과정에 대해서는 첨부된 도 4에 대한 설명에서 후술하기로 한다.The user-selected image display windows 60a, 60b, and 60c may be a specific area of the user interface in which a user-selected image, which is a diagnostic image selected as a “like” by the user, is displayed as a thumbnail. The process of displaying the user-selected image as a thumbnail will be described later with reference to FIG. 4 attached thereto.

도 4는 본 발명의 실시 예에 따라, 사용자 선택 이미지가 생성되는 과정을 설명하기 위한 도면이다.4 is a diagram for explaining a process of generating a user-selected image according to an embodiment of the present invention.

먼저 도 4a를 참조하면, 도 4a는 진단 이미지1에 대한 사용자의 선호 여부를 묻는 사용자 인터페이스인 그림2a와 사용자가 진단 이미지1에 대해 “좋아요”를 선택한 경우, 사용자 선택 이미지 표시창(60d)에 진단 이미지1이 썸네일로 표시된 사용자 인터페이스인 그림2b를 도시하고 있다.First, referring to FIG. 4A, FIG. 4A shows the user interface of FIG. 2a asking whether the user prefers the diagnosis image 1, and when the user selects “Like” for the diagnosis image 1, the diagnosis is displayed on the user-selected image display window 60d. Image 1 shows Figure 2b, the user interface displayed as a thumbnail.

구체적으로, 진단 이미지1에 대한 사용자의 선호 여부의 물음에 대한 응답으로, 사용자는 하트 아이콘(40d) 또는 엑스 아이콘(50d)을 클릭할 수 있다. 사용자는 진단 이미지1이 자신의 취향을 반영한다고 판단하면 하트 아이콘(40d)을 클릭하고, 진단 이미지1이 자신의 취향을 반영하지 못한다고 판단하면 엑스 아이콘(50d)을 클릭할 수 있다.Specifically, in response to the question of whether the user prefers the diagnosis image 1, the user may click the heart icon 40d or the X icon 50d. The user may click the heart icon 40d if it is determined that the diagnostic image 1 reflects his/her taste, and may click the X icon 50d if it is determined that the diagnostic image 1 does not reflect his/her taste.

사용자가 “좋아요”를 의미하는 하트 아이콘(40d)을 클릭하면, 그림2b와 같이 진단 이미지가 사용자 선택 이미지 표시창(60d)에 표시되면서 다음 진단 이미지(진단 이미지2)를 순차적으로 사용자 인터페이스에 표시할 수 있다. 사용자 선택 이미지 표시창(60d)에 표시된 진단 이미지, 즉 사용자로부터 선택된 진단 이미지는 사용자 선택 이미지일 수 있다.When the user clicks the heart icon 40d meaning “Like”, the diagnostic image is displayed on the user-selected image display window 60d as shown in Figure 2b, and the next diagnostic image (diagnostic image 2) is sequentially displayed on the user interface. can The diagnostic image displayed on the user-selected image display window 60d, that is, a diagnostic image selected by the user may be a user-selected image.

사용자가 “싫어요”를 의미하는 엑스 아이콘(50d)를 클릭하면, 진단 이미지는 사용자 선택 이미지 표시창(60d)에 표시되지 않고, 다음 진단 이미지(진단 이미지2)를 순차적으로 사용자 인터페이스에 표시할 수 있다. When the user clicks the X icon 50d meaning “dislike”, the diagnostic image is not displayed on the user-selected image display window 60d, and the next diagnostic image (diagnosis image 2) can be sequentially displayed on the user interface. .

다음으로 도 4b를 참조하면, 도 4b는 진단 이미지2에 대한 사용자의 선호 여부를 묻는 사용자 인터페이스인 그림2c와 사용자가 진단 이미지2에 대해 “좋아요”를 선택한 경우, 사용자 선택 이미지 표시창에 진단 이미지2가 썸네일로 표시된 사용자 인터페이스인 그림2d를 도시하고 있다.Next, referring to Fig. 4b, Fig. 4b shows Fig. 2c, a user interface that asks whether the user prefers diagnosis image 2, and when the user selects “Like” for diagnosis image 2, diagnosis image 2 is displayed on the user-selected image display window. shows Figure 2d, the user interface displayed as a thumbnail.

도 4b의 실시 예에서, 사용자는 “좋아요”를 의미하는 하트 아이콘(40d)을 선택할 수 있다. 사용자 선택 이미지 표시창에 진단 이미지2가 표시되고, 도면에는 도시되지 않았지만, 다음 진단 이미지(진단 이미지3)에 대한 선호 여부를 순차적으로 사용자에게 물을 수 있다. In the embodiment of FIG. 4B , the user may select a heart icon 40d that means “Like”. The diagnostic image 2 is displayed on the user-selected image display window, and although not shown in the drawing, the user may be sequentially asked whether or not to prefer the next diagnostic image (diagnosis image 3).

도 4b에는 도시되지 않았지만, 사용자가 “싫어요”를 의미하는 엑스 아이콘(50d)을 선택하였다면, 진단 이미지2는 사용자 선택 이미지 표시창에 표시되지 않고 다음 진단 이미지(진단 이미지3)가 순차적으로 사용자 인터페이스에 표시될 수 있다.Although not shown in FIG. 4B , if the user selects the X icon 50d meaning “dislike”, the diagnostic image 2 is not displayed on the user-selected image display window and the next diagnostic image (diagnostic image 3) is sequentially displayed on the user interface. can be displayed.

사용자 선택 이미지 표시창에는 사용자의 “좋아요” 선택에 따른 사용자 선택 이미지가 다수 포함될 수 있다. 도 4a에는 하나의 사용자 선택 이미지(사용자 선택 이미지1)가 썸네일로 표시된 것을 도시하고 있지만, 도 4b와 같이 복수의 사용자 선택 이미지가 사용자 선택 이미지 표시창(60d)에 표시될 수 있다.The user-selected image display window may include a plurality of user-selected images according to the user's “Like” selection. Although one user-selected image (user-selected image 1) is displayed as a thumbnail in FIG. 4A , a plurality of user-selected images may be displayed on the user-selected image display window 60d as shown in FIG. 4B .

사용자 선택 이미지가 많을수록 사용자 선호도 정보는 사용자의 취향을 보다 상세하고 정확하게 반영할 수 있다. 사용자 선호도 정보는 사용자 선택 이미지의 패션 아이템들에 포함된 벡터값들을 연산하여 추출될 수 있다. 따라서, 사용자 선택 이미지의 개수가 많을수록 사용자 선호도 정보는 보다 많은 벡터값을 대입한 연산 과정을 통해 추출될 수 있다. 연산 과정을 많이 거칠수록 사용자 선호도 정보는 보다 정교해질 수 있고, 사용자 선호도 정보는 사용자의 취향을 보다 상세하고 정확하게 반영할 수 있다.As the number of user-selected images increases, the user preference information may reflect the user's taste in more detail and accurately. The user preference information may be extracted by calculating vector values included in the fashion items of the user-selected image. Accordingly, as the number of user-selected images increases, user preference information can be extracted through an operation process in which more vector values are substituted. The more the calculation process is performed, the more sophisticated user preference information can be, and the more detailed and accurate user preference information can reflect the user's taste.

예를 들어, 사용자 선택 이미지가 하나만 있다고 가정할 수 있다.(사용자 선택 이미지1만 선택됨) 서비스 서버는 사용자 선택 이미지1만을 기초로 사용자 선호도 정보를 추출할 수 있다. 사용자 선택 이미지1에는 선호도 진단 아이템과 매치된 패션 아이템이 청치마와 빨간 핸드백일 수 있다. For example, it may be assumed that there is only one user-selected image. (Only the user-selected image 1 is selected) The service server may extract user preference information based on only the user-selected image 1 . In the user-selected image 1, the fashion items matched with the preference diagnosis item may be a blue skirt and a red handbag.

서비스 서버는 청치마와 빨간 핸드백의 이미지의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보 등을 포함하는 벡터값들을 조합하여 사용자 선호도 정보를 생성할 수 있다. 사용자 선호도 정보는 패션 아이템의 디자인, 가격대, 브랜드, 용도 등 사용자의 선호도를 추정할 수 있는 정보를 포함할 수 있다. The service server may generate user preference information by combining vector values including brightness, color, sharpness, gradient, scale or pattern information of the images of the blue skirt and the red handbag. The user preference information may include information for estimating user preference, such as a design, price range, brand, and use of a fashion item.

실시 예에서, 서비스 서버는 청치마의 이미지로부터 “파란색”, “치마”에 대응되는 벡터값을, 빨간 핸드백의 이미지로부터 “빨간색”, “크로스 백”, “퀼트 무늬”에 대응되는 벡터값을 각각 추출할 수 있다.In an embodiment, the service server receives vector values corresponding to “blue” and “skirt” from the image of a blue skirt, and vector values corresponding to “red”, “cross bag” and “quilt pattern” from the image of a red handbag, respectively. can be extracted.

이후, 서비스 서버는 이들 벡터값들을 조합하여, 사용자가 “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”라는 특징을 가지는 패션 아이템을 선호한다고 추정할 수 있다. Thereafter, the service server may estimate that the user prefers a fashion item having characteristics of “blue”, “skirt”, “red”, “cross bag”, and “quilt pattern” by combining these vector values.

중복되는 특징이 다수인 경우, 중복된 횟수에 따라 가중치를 부여하고 우선순위를 정할 수도 있다. 예를 들어, “크로스 백”이 4회, “치마”가 2회 중복된 경우, “크로스 백”을 “치마”보다 사용자의 선호도가 높다고 판단할 수 있다. 이러한 정보는 벡터값 형태로 저장된 사용자 선호도 정보일 수 있다.When there are a plurality of overlapping features, weights may be assigned according to the number of overlapping and priorities may be determined. For example, when “cross bag” is repeated 4 times and “skirt” is repeated 2 times, it may be determined that the user has a higher preference for “cross bag” than “skirt”. Such information may be user preference information stored in the form of a vector value.

그림 2d는 복수의 사용자 선택 이미지가 선택된 사용자 인터페이스를 도시하고 있다.(사용자 선택 이미지1, 사용자 선택 이미지2가 선택됨) 서비스 서버는 사용자 선택 이미지1 및 사용자 선택 이미지2를 기초로 사용자 선호도 정보를 추출할 수 있다. Figure 2d shows a user interface in which a plurality of user-selected images are selected. (User-selected image 1 and user-selected image 2 are selected) The service server extracts user preference information based on user-selected image 1 and user-selected image 2 can do.

전술한 바와 같이, 서비스 서버는 사용자 선택 이미지1로부터, 사용자가 “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”라는 특징을 가지는 패션 아이템을 선호한다는 사용자 선호도 정보를 생성할 수 있다.As described above, the service server receives, from the user selected image 1, user preference information indicating that the user prefers a fashion item having the characteristics of “blue”, “skirt”, “red”, “cross bag”, and “quilt pattern”. can create

사용자 선택 이미지2에는 선호도 진단 아이템과 매치된 패션 아이템이 옷의 중앙 부분에 알파벳이 기재된 티셔츠와 흰색 레깅스일 수 있다. 서비스 서버는 옷의 중앙 부분에 알파벳이 기재된 티셔츠와 흰색 레깅스 이미지의 밝기, 색상, 선명도, 그라디언트, 스케일 또는 패턴 정보 등을 포함하는 벡터값들을 조합하여 사용자 선호도 정보를 생성할 수 있다.In the user-selected image 2, the fashion item matched with the preference diagnosis item may be a T-shirt and white leggings with the alphabet written on the center part of the clothes. The service server may generate user preference information by combining vector values including brightness, color, sharpness, gradient, scale or pattern information of the T-shirt and white leggings images with the alphabet written on the central part of the clothes.

실시 예에서, 서비스 서버는 옷의 중앙 부분에 알파벳이 기재된 티셔츠의 이미지로부터 “알파벳 프린트”, “흰색 티셔츠”, “옷의 중앙 부분에 무늬가 들어간”에 대응되는 벡터값을, 흰색 레깅스의 이미지로부터 “흰색”, “레깅스”에 대응되는 벡터값을 각각 추출할 수 있다. In an embodiment, the service server obtains vector values corresponding to “alphabet print”, “white T-shirt”, and “pattern in the center of clothes” from the image of the T-shirt with the alphabet written on the central part of the clothes, and the image of the white leggings Vector values corresponding to “white” and “leggings” can be extracted from

이후, 서비스 서버는 이들 벡터값들을 조합하여, 사용자가 “알파벳 프린트”, “흰색 티셔츠”, “옷의 중앙 부분에 무늬가 들어간”, “흰색”, “레깅스”라는 특징을 가지는 패션 아이템을 선호한다고 추정할 수 있다. 이러한 정보는 벡터값 형태로 저장된 사용자 선호도 정보일 수 있다.After that, the service server combines these vector values, and the user prefers fashion items with features such as “alphabet print”, “white T-shirt”, “with a pattern in the center of clothes”, “white”, and “leggings”. It can be assumed that Such information may be user preference information stored in the form of a vector value.

결론적으로, 서비스 서버는 사용자 선택 이미지1, 사용자 선택 이미지2로부터 “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”, “알파벳 프린트”, “흰색 티셔츠”, “옷의 중앙 부분에 무늬가 들어간”, “흰색”, “레깅스”라는 패션 아이템의 특징이 벡터값 형태로 저장된 사용자 선호도 정보를 생성할 수 있다.In conclusion, the service server uses “blue”, “skirt”, “red”, “cross bag”, “quilt pattern”, “alphabet print”, “white T-shirt”, “clothes” from user-selected image1 and user-selected image2. It is possible to generate user preference information in which the characteristics of fashion items such as “patterned in the center”, “white” and “leggings” are stored in the form of vector values.

도 5는 본 발명의 실시 예에 따른 사용자 선호도 정보의 생성을 설명하기 위한 순서도이다.5 is a flowchart illustrating generation of user preference information according to an embodiment of the present invention.

도 5를 참조하면, S501 단계에서, 서비스 서버는 사용자가 종래 구입한 아이템 또는 보유 아이템에 대한 정보가 존재하는지 판단할 수 있다.Referring to FIG. 5 , in step S501 , the service server may determine whether information on an item that the user has previously purchased or a possession item exists.

서비스 서버는 사용자가 종래 구입한 아이템 또는 보유 아이템에 대한 정보가 존재한다고 판단되면 S503 단계를 수행하고, 존재하지 않는다고 판단되면 S507 단계를 수행할 수 있다.The service server may perform step S503 if it is determined that the information on the item previously purchased or possessed by the user exists, and may perform step S507 if it is determined that there is not.

S503 단계에서, 서비스 서버는 사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지로부터 초기 사용자 선호도 정보를 생성할 수 있다. In step S503, the service server may generate initial user preference information from an image of an item that the user has previously purchased or an item possessed.

초기 사용자 선호도 정보는 사용자가 기존에 보유하던 아이템의 특징 정보를 포함할 수 있다. 즉, 초기 사용자 선호도 정보는 사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지로부터 추출한 사용자의 선호도에 관한 정보일 수 있다. 초기 사용자 선호도 정보는 특정 패션 아이템에 대한 사용자 선호도를 계산하기 위한 벡터값들을 포함할 수 있다. 초기 사용자 선호도 정보는 특정 패션 아이템에 대한 블로그 열람 시간, 방문 횟수, 텍스트 등 다양한 정보를 기초로 추출될 수도 있다.The initial user preference information may include characteristic information of an item previously owned by the user. That is, the initial user preference information may be information about the user's preference extracted from an image of an item previously purchased by the user or an item possessed by the user. The initial user preference information may include vector values for calculating user preference for a specific fashion item. The initial user preference information may be extracted based on various information such as a blog reading time, number of visits, and text for a specific fashion item.

초기 사용자 선호도 정보는 사용자가 종래 구입한 아이템 또는 이미 보유하고 있는 아이템이라는 과거 데이터를 기초로 하므로, 사용자의 변화된 취향을 반영하지 못할 수 있다. 본 발명의 실시 예에서는, 초기 사용자 선호도 정보를 기초로 선호도 진단 아이템을 추출하고, 추출된 선호도 진단 아이템이 포함된 적어도 하나 이상의 진단 이미지를 통해 변화된 사용자의 취향을 반영한 사용자 선호도 정보를 생성할 수 있다.Since the initial user preference information is based on past data that the user has conventionally purchased or already possessed, the user's changed taste may not be reflected. In an embodiment of the present invention, a preference diagnosis item may be extracted based on the initial user preference information, and user preference information reflecting the changed user's taste may be generated through at least one diagnosis image including the extracted preference diagnosis item. .

S505 단계에서, 서비스 서버는 초기 사용자 선호도 정보로부터 선호도 진단 아이템을 추출할 수 있다. 구체적으로, 서비스 서버는 초기 사용자 선호도 정보에 포함된, 사용자의 취향이 반영된 패션 아이템의 특징에 대응되는 벡터값들을 조합하여 선호도 진단 아이템을 추출할 수 있다. In step S505, the service server may extract a preference diagnosis item from the initial user preference information. Specifically, the service server may extract the preference diagnosis item by combining vector values corresponding to the characteristics of the fashion item in which the user's taste is reflected, included in the initial user preference information.

선호도 진단 아이템은 사용자가 종래 구입한 아이템 또는 보유 아이템을 기초로 사용자가 선호할 것으로 추정되는 패션 아이템일 수 있다.The preference diagnosis item may be a fashion item that is estimated to be preferred by the user based on an item previously purchased by the user or an item possessed by the user.

예를 들어, 사용자가 종래 구입한 아이템 또는 보유 아이템에 대한 정보로부터 생성된 초기 사용자 선호도 정보가 “여성스러운 느낌”, “원피스”, “꽃무늬”, “가을 느낌”, “실크 재질”일 수 있다. 초기 사용자 정보는 위 패션 아이템의 특징들이 컴퓨터가 인식 가능한 벡터값으로 변환되어 포함되어 있을 수 있다.For example, the initial user preference information generated from the information on the items previously purchased or owned by the user may be “feminine feeling”, “dress”, “flower pattern”, “autumn feeling”, and “silk material”. there is. The initial user information may include features of the above fashion items converted into vector values that can be recognized by a computer.

서비스 서버는 이들 벡터값을 조합하고, 해당 벡터값에 가장 근접한 패션 아이템을 선호도 진단 아이템으로 판단할 수 있다. 예를 들어, 위 벡터값들을 내적하여 생성된 벡터값이, 사용자의 선호도가 반영된 특정 패션 아이템의 특징에 대응된다고 판단할 수 있다. 서비스 서버는 생성된 벡터값과 가장 유사한 패션 아이템을 별도의 데이터베이스에서 이미지 유사도를 기준으로 검색할 수 있고, 생성된 벡터값과 이미지 유사도가 가장 근접한 벡터값에 대응되는 패션 아이템을 선호도 진단 아이템으로 결정할 수 있다. The service server may combine these vector values and determine the fashion item closest to the vector value as the preference diagnosis item. For example, it may be determined that a vector value generated by dot product of the above vector values corresponds to a characteristic of a specific fashion item to which a user's preference is reflected. The service server may search for a fashion item most similar to the generated vector value based on the image similarity in a separate database, and determine a fashion item corresponding to a vector value with the closest image similarity to the generated vector value as a preference diagnosis item. can

이를 위해, 서비스 서버는 스타일 이미지에 포함된 패션 아이템의 이미지 특징 정보를 추출하고, 특징 정보를 벡터값으로 표현하여 패션 아이템의 특징 값을 생성하고 이미지들의 특징 정보를 구조화할 수 있다.To this end, the service server may extract image feature information of a fashion item included in the style image, express the feature information as a vector value, generate a feature value of the fashion item, and structure feature information of the images.

본 발명의 실시예를 따르면, 서비스 서버는 패션 아이템의 특징 정보를 정의하고, 위 특징 영역에 대응되는 이미지의 특징을 학습한 신경망 모델을 생성하여, 패션 아이템의 이미지 내의 특징 정보를 분류하고, 해당 패션 아이템의 이미지에 대한 특징 정보를 추출할 수 있다. 이때 서비스 서버는 각 특징 정보에 대응되는 이미지의 패턴을 학습한 신경망 모델을 통해 특정 패턴과 임의의 확률로 일치하는 이미지에 해당 특징 정보를 부여할 수 있다.According to an embodiment of the present invention, the service server defines characteristic information of a fashion item, creates a neural network model that learns characteristics of an image corresponding to the above characteristic area, classifies characteristic information in an image of a fashion item, and It is possible to extract feature information about the image of the fashion item. In this case, the service server may give the corresponding feature information to the image matching the specific pattern with random probability through the neural network model that has learned the pattern of the image corresponding to each feature information.

구체적으로, 서비스 서버는 순환 인공 신경망(Recurrent Neural Network, RNN) 기반의 머신 러닝(Machine learning)을 이용하여 패션 아이템의 특징 정보를 생성할 수 있다. 머신 러닝은 인공지능의 분야 중 하나로, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘의 집합으로 정의될 수 있다. 서비스 서버가 이용하는 모델은 이러한 머신 러닝의 모델 중 심층 신경망(Deep Neural Networks, DNN), 컨볼루션 신경망(Convolutional deep Neural Networks, CNN), 순환 인공 신경망(Reccurent Neural Network, RNN) 및 심층 신뢰 신경 망(Deep Belief Networks, DBN) 중 어느 하나를 이용한 것일 수 있다. Specifically, the service server may generate feature information of a fashion item using machine learning based on a recurrent neural network (RNN). Machine learning is one of the fields of artificial intelligence and can be defined as a set of systems and algorithms for learning based on empirical data, making predictions, and improving their own performance. Among these machine learning models, the model used by the service server is Deep Neural Networks (DNN), Convolutional Deep Neural Networks (CNN), Reccurent Neural Network (RNN), and Deep Trust Neural Network ( Deep Belief Networks, DBN) may be used.

본 발명의 다른 실시 예를 따르면, 서비스 서버는 각 특징 정보에 대응되는 이미지의 특성들을 학습하여 초기 신경망 모델을 형성하고, 여기에 대량의 패션 아이템의 이미지들을 적용하여 신경망 모델을 보다 정교하게 확장할 수도 있다. According to another embodiment of the present invention, the service server learns the characteristics of the image corresponding to each characteristic information to form an initial neural network model, and applies images of a large number of fashion items to the neural network model to more elaborately expand. may be

한편, 본 발명의 또 다른 실시 예에 따르면, 서비스 서버는 특징 정보에 대한 별도의 학습 없이 패션 아이템 이미지들을 복수의 레이어로 형성된 계층 구조로 형성된 신경망 모델에 적용할 수 있다. 나아가 패션 아이템 이미지의 특징 정보에 해당 레이어의 요청에 따라 가중치를 부여하고, 가공된 특징 정보들을 이용하여 패션 아이템 이미지들을 클러스터링하고, 클러스터링된 이미지 그룹에 “여성스러운 느낌”, “원피스”, “꽃무늬”, “가을 느낌”, “실크 재질” 등으로 사후적으로 해석되는 특징 정보를 부여할 수 있다.Meanwhile, according to another embodiment of the present invention, the service server may apply the fashion item images to the neural network model formed in a hierarchical structure formed of a plurality of layers without separate learning of the feature information. Furthermore, weight is given to the characteristic information of the fashion item image according to the request of the corresponding layer, the fashion item images are clustered using the processed characteristic information, and “feminine feeling”, “one piece”, “flower” are added to the clustered image group. Characteristic information that is interpreted ex-post as “pattern”, “autumn feeling”, “silk material”, etc. can be given.

서비스 서버는 사용자가 종래 구입한 아이템 또는 보유 아이템에 대한 정보가 존재하지 않는다고 판단되면, S507 단계를 수행할 수 있다.If it is determined that the information on the item that the user has previously purchased or possessed does not exist, the service server may perform step S507.

선호도 진단 아이템은 서비스 서버의 선호도 진단 아이템 선택을 요청하는 질의에 따라, 사용자가 자신의 취향이 반영된 패션 아이템이라고 응답한 패션 아이템일 수 있다. The preference diagnosis item may be a fashion item to which the user responds as a fashion item reflecting his or her taste according to a query requesting the service server to select the preference diagnosis item.

예를 들어, 서비스 서버는 사용자에게 선호도 진단 아이템의 이미지를 사진 촬영할 것을 요청하거나, 선호도 진단 아이템을 설명할 수 있는 키워드의 입력을 요청하거나, 마이크를 통한 음성 명령을 요청하는 등 다양한 방법을 통해 선호도 진단 아이템에 대한 정보를 사용자에게 요청할 수 있다.For example, the service server may request the user to take a picture of the preference diagnosis item, request input of a keyword that can describe the preference diagnosis item, or request a voice command through a microphone. Information on the diagnosis item may be requested from the user.

S509 단계에서, 서비스 서버는 룩북을 기반으로 진단 이미지를 생성하고, 사용자에게 제공할 수 있다.In step S509 , the service server may generate a diagnostic image based on the lookbook and provide it to the user.

진단 이미지는 사용자의 선호도 파악을 위해, 룩북에서 검색된 선호도 진단 아이템을 적어도 하나 이상 포함하는 이미지일 수 있다. The diagnosis image may be an image including at least one preference diagnosis item retrieved from a lookbook in order to identify a user's preference.

룩북에 선호도 진단 아이템이 포함된 스타일 이미지의 개수가 미리 설정된 설정값보다 적거나, 존재하지 않을 수 있다. 이때, 서비스 서버는 검색된 스타일 이미지만을 진단 이미지로 결정할 수도 있고, 선호도 진단 아이템과 유사한 패션 아이템이 매치된 다른 스타일 이미지를 진단 이미지로 결정할 수도 있고, 또는 사용자 디바이스에 진단 이미지가 검색되지 않았음을 알리는 메시지와 함께 선호도 진단 아이템에 관한 정보를 입력해줄 것을 요청하는 메시지를 사용자 디바이스에 전송할 수도 있다. 진단 이미지의 생성에 대해서는 첨부된 도 3를 참조하여 설명될 수 있다.The number of style images including the preference diagnosis item in the lookbook may be less than a preset setting value or may not exist. In this case, the service server may determine only the searched style image as the diagnosis image, may determine another style image matched with a fashion item similar to the preference diagnosis item as the diagnosis image, or notify the user device that the diagnosis image is not found. A message requesting to input information about the preference diagnosis item may be transmitted to the user device together with the message. Generation of the diagnostic image may be described with reference to the attached FIG. 3 .

서비스 서버는 사용자 디바이스에 사용자의 취향이 반영된 스타일 이미지에 대한 질의를 진단 이미지를 통해 제공하고, 질의에 대한 사용자 응답을 수신하여 사용자 선호도 정보를 생성할 수 있다. 사용자로부터 선택된 진단 이미지는 사용자 선택 이미지일 수 있다.The service server may provide a query for a style image reflecting the user's taste to the user device through the diagnostic image, and may generate user preference information by receiving a user response to the query. The diagnostic image selected by the user may be a user selected image.

S511 단계에서, 서비스 서버는 사용자 선택 이미지를 사용자 디바이스로부터 수신할 수 있다. 본 발명의 실시 예에 따르면, 사용자는 단순히 서비스 서버가 제공하는 복수의 스타일 이미지(진단 이미지) 중 마음에 드는 이미지를 선택하는 것만으로 자신의 취향을 서비스 서버에 전달할 수 있고, 따라서 검색의 효율성이 증가될 수 있는 이점이 있다.In step S511, the service server may receive the user selected image from the user device. According to an embodiment of the present invention, the user can transmit his/her taste to the service server by simply selecting a favorite image from among a plurality of style images (diagnostic images) provided by the service server, thus increasing search efficiency. There are advantages that can be increased.

S513 단계에서, 서비스 서버는 사용자 선택 이미지를 기초로 사용자 선호도 정보를 생성할 수 있다. 사용자 선호도 정보가 생성되는 과정은 S503 단계에서 초기 사용자 선호도 정보가 생성되는 과정과 유사할 수 있다.In step S513, the service server may generate user preference information based on the user selected image. A process of generating user preference information may be similar to a process of generating initial user preference information in step S503.

사용자 선호도 정보는 디자인, 가격대, 브랜드, 용도 등 특정 패션 아이템에 대한 사용자의 선호도를 추정할 수 있는 정보일 수 있다. 사용자 선호도 정보는 특정 패션 아이템에 대한 사용자 선호도를 계산하기 위한 벡터값들을 포함할 수 있다.The user preference information may be information capable of estimating the user's preference for a specific fashion item, such as a design, a price range, a brand, and a use. The user preference information may include vector values for calculating user preference for a specific fashion item.

특히, 사용자 선호도 정보는 사용자가 선호하는 패션 아이템의 브랜드에 관한 정보를 포함할 수 있다. 브랜드에 관한 사용자 선호도 정보는 사용자 선택 이미지에 포함된 벡터값으로부터 생성될 수 있다. 서비스 서버는 사용자 선택 이미지에서 브랜드가 표시된 특징 부분(예를 들어, 의류에 부착된 태그, 상의의 카라 안쪽 부분, 가슴 부분, 하의의 윗 부분, 주머니 부분 등)을 인식할 수 있고, 해당 브랜드의 특징적인 정보를 데이터베이스에서 검색하는 방법으로 브랜드에 관한 사용자 선호도 정보를 생성할 수 있다. In particular, the user preference information may include information about a brand of a fashion item preferred by the user. The user preference information about the brand may be generated from a vector value included in the user-selected image. The service server may recognize the characteristic part where the brand is displayed (eg, tag attached to clothing, the inner part of the collar of the top, the chest part, the upper part of the bottom, the pocket part, etc.) in the user-selected image, and the brand's By searching for characteristic information in the database, user preference information about the brand can be generated.

데이터베이스에는 개별 브랜드가 가지는 특징적인 정보인 로고, 체크의 형태, 도형, 패턴, 상표, 문구 등이 사전에 저장되어 있을 수 있다. 서비스 서버는 사용자 선택 이미지의 벡터값으로부터 브랜드의 특징적인 정보를 추출하고, 사용자가 선호하는 브랜드에 관한 사용자 선호도 정보를 생성할 수 있다.In the database, characteristic information of individual brands, such as logos, check shapes, figures, patterns, trademarks, phrases, and the like, may be stored in advance. The service server may extract characteristic information of the brand from the vector value of the user-selected image, and may generate user preference information regarding the brand preferred by the user.

본 발명의 다른 실시 예에 따르면, 사용자 선호도 정보는 사용자 선택 이미지에 포함된 패션 아이템 객체들로부터 추출한 레이블 정보로부터 생성될 수 있다. 사용자 선택 이미지에 포함된 패션 아이템 객체들에는 해당 패션 아이템의 브랜드에 관한 레이블 정보가 미리 태그되어 있을 수 있다. 서비스 서버는 브랜드에 관한 레이블 정보를 조합하여, 브랜드에 관한 사용자 선호도 정보를 생성할 수 있다.According to another embodiment of the present invention, user preference information may be generated from label information extracted from fashion item objects included in a user-selected image. Fashion item objects included in the user-selected image may be pre-tagged with label information regarding the brand of the corresponding fashion item. The service server may combine label information about the brand to generate user preference information about the brand.

사용자 선택 이미지에 포함된 패션 아이템의 특징이 “빨간색”, “크로스 백”, “퀼트 무늬”일 수 있다. 서비스 서버는 이들 특징을 벡터값으로 변환하여 사용자 선호도 정보로 저장할 수 있다. 사용자 선호도 정보가 생성되는 과정은 첨부된 도 4를 참조하여 설명될 수 있다.A characteristic of the fashion item included in the user-selected image may be “red”, “cross bag”, and “quilt pattern”. The service server may convert these characteristics into vector values and store them as user preference information. A process of generating user preference information may be described with reference to FIG. 4 attached thereto.

S515 단계에서, 서비스 서버는 생성된 사용자 선호도 정보를 기초로 사용자 디바이스에 추천 아이템을 제공할 수 있다. 사용자 선호도 정보를 기초로 추천 아이템을 결정하는 과정은 S505 단계에서, 초기 사용자 선호도 정보로부터 선호도 진단 아이템이 추출되는 과정과 유사할 수 있다.In operation S515, the service server may provide a recommended item to the user device based on the generated user preference information. The process of determining the recommendation item based on the user preference information may be similar to the process of extracting the preference diagnosis item from the initial user preference information in step S505.

예를 들어, 사용자 선호도 정보가 “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”, “알파벳 프린트”, “흰색 티셔츠”, “옷의 중앙 부분에 무늬가 들어간”, “흰색”, “레깅스”일 수 있다. 초기 사용자 정보는 위 패션 아이템의 특징들이 컴퓨터가 인식 가능한 벡터값으로 변환되어 포함되어 있을 수 있다.For example, if user preference information is “blue”, “skirt”, “red”, “cross bag”, “quilted pattern”, “alphabet print”, “white t-shirt”, “central patterned clothing” , “white” or “leggings”. The initial user information may include features of the above fashion items converted into vector values that can be recognized by a computer.

서비스 서버는 이들 벡터값을 조합하고, 해당 벡터값에 가장 근접한 패션 아이템을 추천 아이템으로 판단할 수 있다. 예를 들어, 위 벡터값들을 내적하여 생성된 벡터값이, 사용자의 선호도가 반영된 특정 패션 아이템의 특징에 대응된다고 판단할 수 있다. 서비스 서버는 생성된 벡터값과 가장 유사한 패션 아이템을 별도의 데이터베이스에서 이미지 유사도를 기준으로 검색할 수 있고, 생성된 벡터값과 이미지 유사도가 가장 근접한 벡터값에 대응되는 패션 아이템을 추천 아이템으로 결정할 수 있다. The service server may combine these vector values and determine the fashion item closest to the vector value as the recommended item. For example, it may be determined that a vector value generated by dot product of the above vector values corresponds to a characteristic of a specific fashion item to which a user's preference is reflected. The service server can search for a fashion item most similar to the generated vector value based on the image similarity in a separate database, and determine a fashion item corresponding to a vector value that has the closest image similarity to the generated vector value as a recommended item. there is.

사용자는 서비스 서버로부터 수신한 진단 이미지를 수시로 또는 임의의 타이밍에 선택함으로써, 변화된 취향을 서비스 서버에 반영할 수 있다. 사용자 선호도 정보가 사용자 선택 이미지가 입력될 때마다 갱신됨으로써, 서비스 서버는 사용자가 원하는 스타일을 보다 정확하게 예측하고, 그에 맞는 패션 아이템을 추천할 수 있는 효과가 있다.The user may reflect the changed taste in the service server by selecting the diagnosis image received from the service server at any time or at any timing. Since the user preference information is updated every time a user-selected image is input, the service server can more accurately predict a style desired by the user and recommend a fashion item suitable therefor.

특히, 사용자 선호도 정보는 신제품이 출시될 때, 사용자에게 ‘좋음’, ‘별로’ 등의 추가 선호도 조사를 받아 지속적으로 업데이트될 수 있다.In particular, when a new product is released, user preference information may be continuously updated by receiving additional preference surveys such as 'like' and 'not very' from users.

온/오프라인 마켓은 변화하는 소비자의 니즈(needs)를 반영한 신제품을 지속적으로 출시할 수 있다. 새롭게 출시된 신제품에는 기존의 제품들이 포괄하지 못한 디자인(혹은 레이블 정보)이 포함되어 있을 수 있다. 뿐만 아니라, 기존에 존재하던 디자인(혹은 레이블 정보)이라 하더라도, 이를 재해석하여 기존 온/오프라인 마켓에 존재하지 않던 소비자의 구매욕을 자극하는 새로운 조합의 디자인(혹은 레이블 정보)으로 재탄생될 수 있다. 이러한 신제품은 소비자들의 최신 니즈가 가장 많이 반영되어 있을 수 있으므로 사용자 선호도 정보에 업데이트될 필요가 있다.The on/offline market can continuously launch new products reflecting the changing needs of consumers. A newly launched new product may contain a design (or label information) that existing products do not cover. In addition, even an existing design (or label information) can be reinterpreted and reborn as a new combination of design (or label information) that stimulates consumers' purchase desire that did not exist in the existing on/offline market. . Since these new products may reflect the latest needs of consumers the most, they need to be updated in user preference information.

따라서, 서비스 서버는 신제품이 출시될 때, 상기 신제품에 대한 ‘좋음, ’보통‘ ,’별로‘ 등의 질의를 통해 사용자 선호도 정보를 업데이트할 수 있다. 사용자의 응답에 따라 선호도는 서로 다른 가중치로 사용자 선호도 정보에 반영될 수 있다.Accordingly, when a new product is released, the service server may update user preference information through a query such as 'good, 'normal', 'by', etc. for the new product. According to the user's response, the preference may be reflected in the user preference information with different weights.

도 6은 본 발명의 다른 실시 예에 따른 사용자 선호도 정보의 생성을 설명하기 위한 순서도이다.6 is a flowchart illustrating generation of user preference information according to another embodiment of the present invention.

도 6을 참조하면, S601 내지 S611 단계는 전술한 도 5의 S501 내지 S509 단계에 대응될 수 있으므로, 전술한 도 5를 참조하여 설명될 수 있다.Referring to FIG. 6 , steps S601 to S611 may correspond to steps S501 to S509 of FIG. 5 , and thus may be described with reference to FIG. 5 .

S613 단계에서, 서비스 서버는 사용자 디바이스로부터 수신한 사용자 선택 이미지의 개수와 미리 설정된 설정값의 대소 관계를 비교할 수 있다.In step S613 , the service server may compare the magnitude relationship between the number of user-selected images received from the user device and a preset setting value.

사용자 선택 이미지의 개수가 설정값보다 적은 경우, S609 단계에서 생성된 진단 이미지가 사용자의 선호도를 정확히 반영하지 못한다고 판단할 수 있다.If the number of user-selected images is less than the set value, it may be determined that the diagnostic image generated in step S609 does not accurately reflect the user's preference.

구체적으로, 사용자 선택 이미지가 많을수록 사용자 선호도 정보는 사용자의 취향을 보다 상세하고 정확하게 반영할 수 있다. 사용자 선호도 정보는 사용자 선택 이미지의 패션 아이템들에 포함된 벡터값들을 연산하여 추출될 수 있다. 따라서, 사용자 선택 이미지의 개수가 많을수록 사용자 선호도 정보는 보다 많은 벡터값을 대입한 연산 과정을 통해 추출될 수 있다. 연산 과정을 많이 거칠수록 사용자 선호도 정보는 보다 정교해질 수 있고, 사용자 선호도 정보는 사용자의 취향을 보다 상세하고 정확하게 반영할 수 있다.Specifically, as the number of user-selected images increases, the user preference information may reflect the user's taste in more detail and more accurately. The user preference information may be extracted by calculating vector values included in the fashion items of the user-selected image. Accordingly, as the number of user-selected images increases, user preference information can be extracted through an operation process in which more vector values are substituted. The more the calculation process is performed, the more sophisticated user preference information can be, and the more detailed and accurate user preference information can reflect the user's taste.

예를 들어, 사용자 선택 이미지가 하나만 있다고 가정할 수 있다. 서비스 서버는 하나의 사용자 선택 이미지만을 기초로 사용자 선호도 정보를 추출할 수 있다. 사용자 선택 이미지에는 선호도 진단 아이템과 매치된 패션 아이템이 청치마와 빨간 핸드백일 수 있다. For example, suppose there is only one user-selected image. The service server may extract user preference information based on only one user selected image. In the user-selected image, the fashion items matched with the preference diagnosis item may be a blue skirt and a red handbag.

서비스 서버는 청치마와 빨간 핸드백의 이미지에 포함된 벡터값들을 조합하여 “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”에 대응되는 벡터값을 추출할 수 있다.The service server can extract vector values corresponding to “blue”, “skirt”, “red”, “cross bag” and “quilt pattern” by combining vector values included in the images of the blue skirt and red handbag.

서버는 이들 벡터값들을 조합하여, 사용자가 “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”라는 특징을 가지는 패션 아이템을 선호한다고 추정할 수 있다. By combining these vector values, the server may estimate that the user prefers a fashion item having the characteristics of “blue”, “skirt”, “red”, “cross bag”, and “quilt pattern”.

중복되는 특징이 다수인 경우, 중복된 횟수에 따라 가중치를 부여하고 우선순위를 정할 수도 있다. 예를 들어, “크로스 백”이 4회, “치마”가 2회 중복된 경우, “크로스 백”을 “치마”보다 사용자의 선호도가 높다고 판단할 수 있다. When there are a plurality of overlapping features, weights may be assigned according to the number of overlaps and priorities may be determined. For example, when “cross bag” is repeated 4 times and “skirt” is repeated 2 times, it may be determined that the user has a higher preference for “cross-back” than “skirt”.

따라서, 사용자 선택 이미지가 많을수록, “파란색”, “치마”, “빨간색”, “크로스 백”, “퀼트 무늬”의 특징뿐만 아니라 더 다양한 패션 아이템의 특징을 사용자 선호도 정보에 반영할 수 있다. Therefore, as there are more user-selected images, not only the characteristics of “blue”, “skirt”, “red”, “cross bag”, and “quilt pattern” but also the characteristics of more diverse fashion items can be reflected in the user preference information.

또한, 사용자 선택 이미지가 많을수록 중복되는 특징이 증가하고, 서비스 서버는 사용자의 선호도가 높은 특징에 더 많은 가중치를 부여할 수 있다.In addition, as the number of user-selected images increases, overlapping features increase, and the service server may give more weight to features with high user preference.

다시 S613 단계로 돌아오면, 설정값이 5, 사용자 선택 이미지의 개수가 3이라고 가정할 수 있다. 서비스 서버는 S609 단계에서 생성된 진단 이미지가 사용자의 선호도 정보를 충분히 반영하지 못한다고 판단하고, 진단 이미지를 다시 생성하기 위해 S607 단계를 수행할 수 있다.Returning to step S613 again, it can be assumed that the set value is 5 and the number of user-selected images is 3. The service server may determine that the diagnostic image generated in step S609 does not sufficiently reflect the user's preference information, and may perform step S607 to regenerate the diagnostic image.

또한, 서비스 서버는 사용자가 사용자의 선호도 확인을 위한 데이터인 선호도 진단 아이템과 다른 상품을 구매한 경우 선호도 조사를 다시 실시할 수 있다.Also, when the user purchases a product different from the preference diagnosis item, which is data for confirming the user's preference, the service server may perform the preference survey again.

본 발명의 실시 예에 따르면, 서비스 서버는 선호도 진단 아이템을 기초로 진단 이미지를 생성하고, 사용자가 선택한 진단 이미지를 기초로 사용자 선호도 정보를 업데이트할 수 있다. 서비스 서버는 사용자 선호도 정보를 기초로 결정된 추천 아이템을 사용자에게 제공하게 되는데, 사용자는 추천 아이템과 상이한 패션 아이템 또는 추천 아이템으로 제공된 선호도 진단 아이템과 상이한 아이템을 구매할 수 있다.According to an embodiment of the present invention, the service server may generate a diagnosis image based on the preference diagnosis item and update user preference information based on the diagnosis image selected by the user. The service server provides a recommended item determined based on the user preference information to the user, and the user may purchase a fashion item different from the recommended item or an item different from the preference diagnosis item provided as the recommended item.

서비스 서버는 사용자가 선호도 진단 아이템 또는 추천 아이템과 상이한 패션 아이템을 구매한 경우, 기 실시한 선호도 진단이 잘못됐다고 판단하고 선호도 조사를 재실시 할 수 있다.When the user purchases a preference diagnosis item or a fashion item different from the recommended item, the service server may determine that the previously performed preference diagnosis is incorrect and re-execute the preference examination.

선호도 조사의 재실시 과정에 대해서는, 전술한 종래 구입한 아이템 또는 보유 아이템의 이미지로부터 선호도 진단 아이템을 추출하는 과정을 반복하여 새로운 선호도 진단 아이템을 다시 생성하거나, 사용자로부터 직접 선호도 진단 아이템을 입력 받아 진단 이미지를 다시 생성할 수 있다.With respect to the re-implementation process of the preference survey, a new preference diagnosis item is created again by repeating the process of extracting the preference diagnosis item from the image of the previously purchased item or owned item, or a preference diagnosis item is directly input from the user for diagnosis The image can be regenerated.

S607 단계에서, 서비스 서버는 진단 이미지가 사용자의 선호도를 충분히 반영하지 못했음을 알리는 메시지, 사용자 선택 이미지의 개수가 부족하여 적당한 추천 아이템을 제공하기 곤란하다는 메시지, 또는 사전에 주의사항으로 제공한 사용자 선택 이미지가 설정값보다 적을 경우 새로운 진단 이미지가 제공될 수 있음을 알리는 메시지 등과 함께 선호도 진단 아이템에 관한 정보를 입력해줄 것을 요청하는 메시지를 사용자 디바이스에 전송할 수 있다.In step S607, the service server provides a message indicating that the diagnostic image does not sufficiently reflect the user's preference, a message indicating that it is difficult to provide a suitable recommended item due to insufficient number of user-selected images, or user selection provided as a precaution in advance When the image is smaller than the set value, a message requesting input of information on a preference diagnosis item may be transmitted to the user device together with a message indicating that a new diagnosis image can be provided.

서비스 서버는 사용자에게 선호도 진단 아이템의 이미지를 사진 촬영할 것을 요청하거나, 선호도 진단 아이템을 설명할 수 있는 키워드의 입력을 요청하거나, 마이크를 통한 음성 명령을 요청하는 등 다양한 형태를 통해 선호도 진단 아이템에 대한 정보를 요청하는 메시지를 전송할 수 있다.The service server requests the user to take a picture of the preference diagnosis item, requests input of a keyword that can describe the preference diagnosis item, or requests a voice command through a microphone for preference diagnosis items. You can send a message requesting information.

이후 S617 단계에서, 서비스 서버는 생성된 사용자 선호도 정보를 기초로 사용자 디바이스에 추천 아이템을 제공할 수 있다.Thereafter, in step S617 , the service server may provide a recommended item to the user device based on the generated user preference information.

본 명세서와 도면에 게시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 게시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. Embodiments of the present invention published in the present specification and drawings are merely provided for specific examples to easily explain the technical content of the present invention and help the understanding of the present invention, and are not intended to limit the scope of the present invention. It will be apparent to those of ordinary skill in the art to which the present invention pertains that other modifications based on the technical spirit of the present invention may be implemented in addition to the embodiments disclosed herein.

50: 패션 상품 추천 시스템
100: 사용자 디바이스
200: 서비스 서버
210: 사용자 선호도 정보 생성부
220: 사용자 선호도 정보 저장부50: Fashion product recommendation system
100: user device
200: service server
210: user preference information generating unit
220: user preference information storage unit

Claims (20)

특정 패션 아이템에 대한 사용자의 선호도를 추정할 수 있는 정보인 사용자 선호도 정보를 생성하는 서비스 서버에 있어서,
복수의 패션 아이템들이 잘 어울리도록 조합되어 있는 스타일 이미지를 포함하는 룩북으로부터, 사용자의 취향이 반영된 선호도 진단 아이템을 포함하고 사용자의 선호도 파악을 위한 진단 이미지를 생성하고, 상기 진단 이미지를 사용자 디바이스에 제공하는 진단 이미지 생성부;
상기 진단 이미지 중 사용자가 선택한 이미지인 사용자 선택 이미지를 상기 사용자 디바이스로부터 수신하고, 상기 사용자 선택 이미지에 포함된 패션 아이템들로부터 상기 사용자 선호도 정보를 생성하는 업데이트 정보 생성부; 및
상기 사용자 선호도 정보를 저장하는 사용자 선호도 정보 저장부를 포함하는 서비스 서버.
A service server for generating user preference information, which is information for estimating a user's preference for a specific fashion item, the service server comprising:
From a lookbook including a style image in which a plurality of fashion items are combined to fit well, a diagnostic image for identifying a user's preference is generated including a preference diagnosis item reflecting a user's taste, and the diagnosis image is provided to a user device a diagnostic image generator;
an update information generator for receiving a user-selected image that is an image selected by a user from among the diagnostic images from the user device, and generating the user preference information from fashion items included in the user-selected image; and
A service server comprising a user preference information storage unit for storing the user preference information.
 제1항에 있어서, 상기 선호도 진단 아이템은,
사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지에 포함된 벡터값을 연산하여 사용자가 선호할 것으로 판단된 패션 아이템인 서비스 서버.
According to claim 1, wherein the preference diagnosis item,
A service server that is a fashion item that is determined to be preferred by a user by calculating a vector value included in an image of an item previously purchased or owned by the user.
 제1항에 있어서, 상기 선호도 진단 아이템은,
상기 서비스 서버의 요청에 따라, 사용자가 자신의 취향이 반영됐다고 응답한 패션 아이템인 서비스 서버.
According to claim 1, wherein the preference diagnosis item,
A service server that is a fashion item to which the user responds that his or her taste is reflected in response to the request of the service server.
 제1항에 있어서, 상기 진단 이미지 생성부는,
상기 선호도 진단 아이템이 코디된 스타일 이미지가 상기 룩북에 두 개 이상 존재하면, 중복되는 스타일 이미지를 제거하고 상기 선호도 진단 아이템이 코디된 스타일 이미지에 포함된 패션 아이템의 집합이 서로 상이한 스타일 이미지를 상기 진단 이미지로 결정하는 서비스 서버.
The method of claim 1, wherein the diagnostic image generator comprises:
If two or more style images in which the preference diagnosis item is coordinated exist in the lookbook, overlapping style images are removed, and a set of style images in which the set of fashion items included in the style image coordinated with the preference diagnosis item are different from each other are diagnosed The service server determined by the image.
 제3항에 있어서, 상기 진단 이미지 생성부는,
상기 룩북에 상기 선호도 진단 아이템이 포함된 스타일 이미지의 개수가 기준값보다 적으면, 검색된 스타일 이미지만을 상기 진단 이미지로 결정하거나, 상기 선호도 진단 아이템과 유사한 패션 아이템이 매치된 다른 스타일 이미지를 상기 진단 이미지로 결정하거나, 또는 상기 사용자 디바이스에 상기 진단 이미지가 검색되지 않았음을 알리는 메시지와 함께 상기 선호도 진단 아이템에 관한 정보를 입력해줄 것을 요청하는 메시지를 전송하는 서비스 서버.
The method of claim 3, wherein the diagnostic image generator comprises:
If the number of style images including the preference diagnosis item in the lookbook is less than the reference value, only the searched style image is determined as the diagnosis image, or another style image matching a fashion item similar to the preference diagnosis item is used as the diagnosis image A service server that determines or transmits a message requesting input of information about the preference diagnosis item together with a message indicating that the diagnosis image is not found to the user device.
 제3항에 있어서, 상기 진단 이미지 생성부는,
사용자가 사용자의 선호도 확인을 위한 데이터와 다른 상품을 구매한 경우, 사용자로부터 선호도 조사를 재실시하는 서비스 서버.
The method of claim 3, wherein the diagnostic image generator comprises:
When the user purchases a product different from the data for confirming the user's preference, the service server re-executes the preference survey from the user.
 제3항에 있어서, 상기 진단 이미지 생성부는,
신제품이 출시되었을 때, 사용자에게 ’좋음‘, ’싫음‘ 등의 추가 선호도 조사를 받아 사용자 선호도 정보를 지속적으로 업데이트하는 서비스 서버.
The method of claim 3, wherein the diagnostic image generator comprises:
When a new product is released, a service server that continuously updates user preference information by receiving additional preference surveys such as 'like' and 'dislike' from users.
 제4항에 있어서, 상기 업데이트 정보 생성부는,
상기 사용자 선택 이미지의 개수가 미리 설정된 설정값보다 적을 경우, 상기 사용자 디바이스에 상기 선호도 진단 아이템의 이미지를 요청하는 서비스 서버.
The method of claim 4, wherein the update information generating unit comprises:
A service server for requesting an image of the preference diagnosis item from the user device when the number of the user-selected images is less than a preset setting value.
 제7항에 있어서, 상기 업데이트 정보 생성부는,
상기 사용자 선택 이미지의 중복되는 특징이 있는 경우, 중복되는 빈도에 따라 상기 사용자 선호도 정보에 가중치를 부여하고 우선순위를 결정하는 서비스 서버.
The method of claim 7, wherein the update information generating unit,
When there are overlapping features of the user-selected image, a service server for giving weight to the user preference information according to the overlapping frequency and determining a priority.
 제1항에 있어서, 상기 사용자 선호도 정보는,
특정 패션 아이템에 대한 사용자 선호도를 계산하기 위한 벡터값들을 포함하는 서비스 서버.
According to claim 1, wherein the user preference information,
A service server including vector values for calculating user preference for a specific fashion item.
 특정 패션 아이템에 대한 사용자의 선호도를 추정할 수 있는 정보인 사용자 선호도 정보를 생성하는 서비스 서버의 동작 방법에 있어서,
복수의 패션 아이템들이 잘 어울리도록 조합되어 있는 스타일 이미지를 포함하는 룩북으로부터, 사용자의 취향이 반영된 선호도 진단 아이템을 포함하고 사용자의 선호도 파악을 위한 진단 이미지를 생성하고, 상기 사용자 디바이스에 상기 진단 이미지를 제공하는 단계;
상기 진단 이미지 중 사용자가 선택한 이미지인 사용자 선택 이미지를 상기 사용자 디바이스로부터 수신하고, 상기 사용자 선택 이미지에 포함된 패션 아이템들로부터 상기 사용자 선호도 정보를 생성하는 단계;및
상기 사용자 선호도 정보를 저장하는 단계를 포함하는 서비스 서버의 동작 방법.
A method of operating a service server for generating user preference information, which is information for estimating a user's preference for a specific fashion item, the method comprising:
From a lookbook including a style image in which a plurality of fashion items are combined to fit well, a diagnostic image for identifying a user's preference is generated including a preference diagnosis item reflecting a user's taste, and the diagnosis image is provided on the user device. providing;
receiving, from the user device, a user-selected image that is an image selected by a user from among the diagnostic images, and generating the user preference information from fashion items included in the user-selected image; And
The method of operating a service server comprising the step of storing the user preference information.
 제11항에 있어서, 상기 선호도 진단 아이템은,
사용자가 종래 구입한 아이템 또는 보유 아이템의 이미지에 포함된 벡터값을 연산하여 사용자가 선호할 것으로 판단된 패션 아이템인 서비스 서버의 동작 방법.
The method of claim 11, wherein the preference diagnosis item comprises:
A method of operating a service server that is a fashion item that the user is determined to prefer by calculating a vector value included in an image of an item previously purchased by the user or an item owned by the user.
 제11항에 있어서, 상기 선호도 진단 아이템은,
상기 서비스 서버의 요청에 따라, 사용자가 자신의 취향이 반영됐다고 응답한 패션 아이템인 서비스 서버의 동작 방법.
The method of claim 11, wherein the preference diagnosis item comprises:
A method of operating a service server that is a fashion item to which a user responds that his or her taste is reflected in response to the request of the service server.
 제11항에 있어서, 상기 사용자 디바이스에 상기 진단 이미지를 제공하는 단계는,
상기 선호도 진단 아이템이 코디된 스타일 이미지가 상기 룩북에 두 개 이상 존재하면, 중복되는 스타일 이미지를 제거하고 상기 선호도 진단 아이템이 코디된 스타일 이미지에 포함된 패션 아이템의 집합이 서로 상이한 스타일 이미지를 상기 진단 이미지로 결정하는 서비스 서버의 동작 방법.
The method of claim 11 , wherein providing the diagnostic image to the user device comprises:
If two or more style images in which the preference diagnosis item is coordinated exist in the lookbook, overlapping style images are removed, and a set of style images in which the set of fashion items included in the style image coordinated with the preference diagnosis item are different from each other are diagnosed How the service server works, determined by the image.
 제13항에 있어서, 상기 사용자 디바이스에 상기 진단 이미지를 제공하는 단계는,
상기 룩북에 상기 선호도 진단 아이템이 포함된 스타일 이미지의 개수가 기준값보다 적으면, 검색된 스타일 이미지만을 상기 진단 이미지로 결정하거나, 상기 선호도 진단 아이템과 유사한 패션 아이템이 매치된 다른 스타일 이미지를 상기 진단 이미지로 결정하거나, 또는 상기 사용자 디바이스에 상기 진단 이미지가 검색되지 않았음을 알리는 메시지와 함께 상기 선호도 진단 아이템에 관한 정보를 입력해줄 것을 요청하는 메시지를 전송하는 서비스 서버의 동작 방법.
The method of claim 13 , wherein providing the diagnostic image to the user device comprises:
If the number of style images including the preference diagnosis item in the lookbook is less than the reference value, only the searched style image is determined as the diagnosis image, or another style image matching a fashion item similar to the preference diagnosis item is used as the diagnosis image determining or transmitting a message requesting input of information on the preference diagnosis item together with a message indicating that the diagnosis image is not found to the user device.
 제13항에 있어서,
사용자가 사용자의 선호도 확인을 위한 데이터와 다른 상품을 구매한 경우, 사용자로부터 선호도 조사를 재실시하는 단계를 더 포함하는 서비스 서버의 동작 방법.
14. The method of claim 13,
When the user purchases a product different from the data for confirming the user's preference, the method of operating the service server further comprising the step of re-executing a preference survey from the user.
 제13항에 있어서,
신제품이 출시되었을 때, 사용자에게 ’좋음‘, ’싫음‘ 등의 추가 선호도 조사를 받아 사용자 선호도 정보를 지속적으로 업데이트하는 단계를 더 포함하는 서비스 서버의 동작 방법.
14. The method of claim 13,
When a new product is released, the operation method of the service server further comprising the step of continuously updating user preference information by receiving additional preference surveys such as 'like' and 'dislike' from the user.
 제14항에 있어서, 상기 사용자 선호도 정보를 생성하는 단계는,
상기 사용자 선택 이미지의 개수가 미리 설정된 설정값보다 적을 경우, 상기 사용자 디바이스에 상기 선호도 진단 아이템의 이미지를 요청하는 서비스 서버의 동작 방법.
The method of claim 14, wherein the generating of the user preference information comprises:
When the number of the user-selected images is less than a preset setting value, the operating method of the service server for requesting the image of the preference diagnosis item from the user device.
 제18항에 있어서, 상기 사용자 선호도 정보를 생성하는 단계는,
상기 사용자 선택 이미지의 중복되는 특징이 있는 경우, 중복되는 빈도에 따라 상기 사용자 선호도 정보에 가중치를 부여하고 우선순위를 결정하는 서비스 서버의 동작 방법.
The method of claim 18, wherein the generating of the user preference information comprises:
When there are overlapping features of the user-selected image, a method of operating a service server for assigning a weight to the user preference information according to the overlapping frequency and determining a priority.
 제11항에 있어서, 상기 사용자 선호도 정보는,
특정 패션 아이템에 대한 사용자 선호도를 계산하기 위한 벡터값들을 포함하는 서비스 서버의 동작 방법.The method of claim 11, wherein the user preference information,
A method of operating a service server including vector values for calculating a user preference for a specific fashion item.
KR1020220041606A 2019-10-08 2022-04-04 Method, apparatus and computer program for fashion item recommendation KR20220044715A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220041606A KR20220044715A (en) 2019-10-08 2022-04-04 Method, apparatus and computer program for fashion item recommendation

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190124312A KR20210041730A (en) 2019-10-08 2019-10-08 Method, apparatus and computer program for fashion item recommendation
KR1020220041606A KR20220044715A (en) 2019-10-08 2022-04-04 Method, apparatus and computer program for fashion item recommendation

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020190124312A Division KR20210041730A (en) 2019-10-08 2019-10-08 Method, apparatus and computer program for fashion item recommendation

Publications (1)

Publication Number Publication Date
KR20220044715A true KR20220044715A (en) 2022-04-11

Family

ID=75437953

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020190124312A KR20210041730A (en) 2019-10-08 2019-10-08 Method, apparatus and computer program for fashion item recommendation
KR1020220041606A KR20220044715A (en) 2019-10-08 2022-04-04 Method, apparatus and computer program for fashion item recommendation

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020190124312A KR20210041730A (en) 2019-10-08 2019-10-08 Method, apparatus and computer program for fashion item recommendation

Country Status (2)

Country Link
KR (2) KR20210041730A (en)
WO (1) WO2021071238A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102537212B1 (en) * 2022-02-25 2023-05-26 주식회사 엔엔엠 Apparatus, method and program for providing clothing recommendation service using user information

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100762829B1 (en) * 2005-03-08 2007-10-02 메이크스타일주식회사 Intelligent searching service system and method in accordance with the customer?s personalized shopping preference
KR20120085707A (en) * 2009-06-03 2012-08-01 라이크닷컴 System and method for learning user genres and styles and matching products to user preferences
JP2013250743A (en) * 2012-05-31 2013-12-12 Dainippon Printing Co Ltd Coordination proposal device, coordination proposal system, coordination proposal method, program and recording medium
KR20140075886A (en) * 2012-12-11 2014-06-20 김주강 Method and server for providing coordinate battle game
KR101762875B1 (en) * 2016-03-22 2017-07-28 최윤내 Shopping system for clothing where quration services are provided and method therefor

Also Published As

Publication number Publication date
WO2021071238A1 (en) 2021-04-15
KR20210041730A (en) 2021-04-16

Similar Documents

Publication Publication Date Title
US10043109B1 (en) Attribute similarity-based search
US9607010B1 (en) Techniques for shape-based search of content
US20220138831A1 (en) Method of Providing Fashion Item Recommendation Service Using User's Body Type and Purchase History
US20200342320A1 (en) Non-binary gender filter
US20210390607A1 (en) Method, apparatus and computer program for style recommendation
US9324102B2 (en) System and method to retrieve relevant inventory using sketch-based query
US11195227B2 (en) Visual search, discovery and attribution method, system, and computer program product
KR102295459B1 (en) A method of providing a fashion item recommendation service to a user using a date
KR102301663B1 (en) Identifying physical objects using visual search query
KR20220039697A (en) Method, apparatus and computer program for style recommendation
KR20220019737A (en) Method, apparatus and computer program for fashion item recommendation
KR20220044715A (en) Method, apparatus and computer program for fashion item recommendation
KR20210131198A (en) Method, apparatus and computer program for advertising recommended product
KR102378072B1 (en) Method, apparatus and computer program for style recommendation
JP6356774B2 (en) Selection device, selection method, and selection program
KR102392674B1 (en) Fashion goods recommendation methods, devices and systems
KR20200084647A (en) A method of providing a fashion item recommendation service to a user using a date
US20230289862A1 (en) Method for providing fashion item recommendation service to user by using swipe gesture
KR102271090B1 (en) A method of providing a fashion item recommendation service to a user using calendar data
KR20200058343A (en) Method, apparatus and computer program for providing shopping informations
KR102285942B1 (en) A method of providing a fashion item recommendation service to a user
US11972466B2 (en) Computer storage media, method, and system for exploring and recommending matching products across categories
US20200372560A1 (en) Method for exploring and recommending matching products across categories
JP6235689B1 (en) Generating device, generating method, and generating program
KR20210063665A (en) Recommendation item based on user event information and apparatus performing the same

Legal Events

Date Code Title Description
A107 Divisional application of patent