KR20220074052A - 향기 예측 시스템 및 이를 이용한 향기 예측 방법 - Google Patents

향기 예측 시스템 및 이를 이용한 향기 예측 방법 Download PDF

Info

Publication number
KR20220074052A
KR20220074052A KR1020200162109A KR20200162109A KR20220074052A KR 20220074052 A KR20220074052 A KR 20220074052A KR 1020200162109 A KR1020200162109 A KR 1020200162109A KR 20200162109 A KR20200162109 A KR 20200162109A KR 20220074052 A KR20220074052 A KR 20220074052A
Authority
KR
South Korea
Prior art keywords
fragrance
prediction
unit
information
user
Prior art date
Application number
KR1020200162109A
Other languages
English (en)
Inventor
김양우
Original Assignee
김양우
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 김양우 filed Critical 김양우
Priority to KR1020200162109A priority Critical patent/KR20220074052A/ko
Publication of KR20220074052A publication Critical patent/KR20220074052A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • C—CHEMISTRY; METALLURGY
    • C11—ANIMAL OR VEGETABLE OILS, FATS, FATTY SUBSTANCES OR WAXES; FATTY ACIDS THEREFROM; DETERGENTS; CANDLES
    • C11B—PRODUCING, e.g. BY PRESSING RAW MATERIALS OR BY EXTRACTION FROM WASTE MATERIALS, REFINING OR PRESERVING FATS, FATTY SUBSTANCES, e.g. LANOLIN, FATTY OILS OR WAXES; ESSENTIAL OILS; PERFUMES
    • C11B9/00—Essential oils; Perfumes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Wood Science & Technology (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Organic Chemistry (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력받는 입력부와, 인공지능 학습에 사용되는 향기 예측 모델링이 저장된 학습 데이터 저장부와, 상기 학습 데이터 저장부에 저장된 향기 예측 모델링을 기반으로 상기 입력부에서 입력받은 향료들의 분자구조와 조합 비율을 분석하여 최종적으로 발향되는 향기를 예측하는 향기 예측부와, 상기 향기 예측부에서 예측된 결과에 대응되는 향기를 설명하는 정보를 생성하는 예측 결과 생성부를 포함하는 것을 특징으로 한다.

Description

향기 예측 시스템 및 이를 이용한 향기 예측 방법{Fragrance Prediction System and Its Method for Prediction of Fragrances}
본 발명은 향기 예측 시스템 및 이를 이용한 향기 예측 방법에 관한 것으로, 보다 상세하게는 향료들의 분자구조와 비율에 관한 정보를 기반으로 그에 대응되는 향기에 관한 결과를 출력하는 향기 예측 시스템 및 이를 이용한 향기 예측 방법에 관한 것이다.
최근 급격히 변화하는 환경변화로 인해 쾌적한 생활환경 부족 및 자연정화율의 저하로 건강이 위협받게 됨에 따라 실내공기를 쾌적하게 하기 위한 디퓨져, 방향제 등과 같이 향기를 발향하는 제품들을 많이 사용하고 있다.
또한, 허브 등과 같이 인체에 유익한 각종 천연향료의 향기를 코로 흡입하는 향기 치료 요법, 질병 치료에 도움이 되는 아로마 테라피 및 피부 케어를 위해 사용되는 화장품 등에도 향기가 중요한 요소로 작용한다.
이러한 화장품 및 향수를 포함하는 향기 시장은 크게 오프라인과 온라인상으로 구분되어 운영되고 있다. 그러나, 온라인을 통한 향수 및 화장품 판매에 있어서는 제품 이미지, 설명, 동영상 정보만을 소비자에게 제공할 뿐 향기가 중시되는 향수 및 화장품 상품의 특성에 비추어 볼 때 향기를 직접 맡아볼 수 없다는 한계점으로 제품 선택에 어려움이 있다.
한국등록특허 제 10-1673474호는 겔 상의 방향제 조성물에 관한 것으로, 액상 고분자 및 가교결합제를 포함하는 겔 상의 방향제 조성물로, 상기 액상 고분자는 제1 향료를 포함하는 액상 고분자이며, 상기 가교 결합제는 제2 향료를 포함하는 가교 결합제이며, 상기 제1 향료 및 제2 향료는 동일한 향료이며, 추가로 핵제를 포함하며, 상기 핵제는 전체 중량을 기준으로 0.01 내지 3 중량%를 포함하며, 상기 핵제는 건식실리카(fumed silica), 습식 실리카 및 이들의 혼합물로 이루어진 군으로부터 선택된 어느 하나 이상이며, 상기 겔 상의 방향제 조성물은 10 내지 30 중량%의 액상 고분자, 1 내지 5 중량%의 가교결합제, 0.01 내지 3 중 량%의 핵제 및 65 내지 88.98 중량%의 향료를 포함하며, 상기 액상 고분자는 폴리부타디엔, 폴리이소프렌 및 폴리클로로프렌으로 이루어진 군으로부터 선택된 어느 하나 이상인 것을 특징으로 한다.
한국공개특허 제10-2018-0102991호는 향료 조성물에 관한 것으로, 후보 활성 성분을 포함하는 조성물을 제조하는 방법으로서, a. 제1 혼합물 내의 제1 비활성 성분을 선택하는 단계로서, 상기 제1 비활성 성분은 냄새 특징이 상기 후보 활 성 성분과 가장 유사한, 상기 단계; b. 상기 제1 혼합물 내의 제2 비활성 성분을 선택하는 단계로서, 상기 제2 비활성 성분은 냄새 특징이 상기 후 보 활성 성분과 가장 상이한, 상기 단계; c. 제2 혼합물을 제조하는 단계로서, 상기 제2 혼합물은, 상기 제1 비활성 성분이 등강도(iso-intense) 농도의 상기 후보 활성 성분으로 대체되고 상기 제2 비활성 성분이 상기 제2 비활성 성분과 동일한 냄새 부류로부터의 공지의 활성제로 대체된 것을 제외하고는, 상기 제1 혼합물과 동일한, 상기 단계; d. 상기 제2 혼합물의 강도를 평가하여 상기 제2 혼합물이 상기 제1 혼합물보다 유의하게 더 강렬한지를 결정하 는 단계로서, 상기 제2 혼합물이 상기 제1 혼합물보다 유의하게 더 강렬한 경우, 상기 후보 활성 성분은 탄력적 활성도(resilient activity)를 입증한 것으로 간주되는, 상기 단계; 및 e. 상기 후보 활성 성분을 포함하는 향료(perfume) 조성물을 제조하는 단계를 포함하는 것을 특징으로 한다.
1. 한국등록특허 제 10-1673474호 2. 한국공개특허 제10-2018-0102991호
본 발명의 일 실시예는 향기 예측 시스템 및 이를 이용한 향기 예측 방법에 관한 것으로, 향료들의 분자구조와 비율에 관한 정보를 기반으로 그에 대응되는 향기에 관한 결과를 컬러, 이미지 또는 키워드로 출력하여 사용자에게 제공함으로써, 사용자가 온라인에서 향기 제조 시 실시간으로 제조된 향기를 예측하고, 향기를 직접 맡아볼 수 없다는 한계점을 극복하기 위해 다양한 방법으로 향을 시각화하여 표현되는 향기 예측 시스템 및 이를 이용한 향기 예측 방법을 제공하고자 한다.
본 발명의 일 실시예에 따른 향기 예측 시스템은 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력 받는 입력부와, 인공지능 학습에 사용되는 향기 예측 모델링이 저장된 학습 데이터 저장부와, 상기 학습 데이터 저장부에 저장된 향기 예측 모델링을 기반으로 상기 입력부에서 입력 받은 향료들의 분자구조와 조합 비율을 분석하여 최종적으로 발향 되는 향기를 예측하는 향기 예측부와, 상기 향기 예측부에서 예측된 결과에 대응되는 향기를 설명하는 정보를 생성하는 결과 생성부를 포함하는 것을 특징으로 한다.
상기 향기 예측부는 인공지능 학습에 의해 향기를 예측하며, 상기 인공지능 학습은 그래프 신경망(Graph neural network) 모델을 적용하여 진행하는 것을 특징으로 한다.
상기 결과 생성부로부터 생성된 향기 정보를 전달받아 사용자에게 출력하는 예측 결과 출력부와, 상기 예측 결과 출력부로부터 출력된 향기 정보를 확인하고, 사용자의 만족 여부를 결정하는 선택부와, 상기 선택부를 통해 사용자의 결정이 완료되면 상기 선택된 향료의 종료 및 비율에 대한 조건을 향기를 포함하는 제품을 제조하는 제조업체 단말로 전달하는 전송부를 더 포함하는 것을 특징으로 한다.
상기 결과 생성부는 상기 예측된 결과에 대응되는 향기 정보에 대해 키워드(keyword), 텍스트(text), 이미지(image), 설명(description), 컬러(color)등으로 표현하여 하는 것을 특징으로 한다.
상기 결과 생성부는 상기 예측된 향기에 대응되는 색상을 Hex 값을 이용하여 구체화한 결과를 출력하는 컬러 정보 생성부와, 상기 예측된 향기에 대응되는 이미지를 출력하는 이미지 정보 생성부와, 상기 예측된 향기에 대응되는 키워드를 출력하는 키워드 정보 생성부를 더 포함하며, 상기 키워드 정보 생성부는 해당 키워드를 여러 단계의 등급으로 구분하여 출력가능한 것을 특징으로 한다.
상기 결과 생성부는 기 판매 중인 브랜드 향수 내 분자 정보들과 예측된 향기와의 분자 정보들을 비교하여 기 판매중인 브랜드 향수와의 유사도를 계산하여 사용자에게 제공할 수 있으며, 기 판매 중인 브랜드 향수와의 비교는 머신 러닝 기법을 통해 진행하는 것을 특징으로 한다.
상기 학습 데이터 저장부는 각 향료들의 분자구조와 조합 비율에 관한 정보 및 그에 대응되는 출력에 관한 정보가 저장된 것을 특징으로 한다.
본 발명의 일 실시예에 따른 향기 예측 시스템을 이용한 향기 예측 방법은 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력받는 단계와, 향기 예측 모델링을 기반으로 상기 입력부에서 입력받은 향료들의 분자구조와 조합 비율을 분석하는 단계와, 상기 분석된 분자구조를 기반으로 발향되는 향기를 예측하는 단계와, 상기 예측된 결과에 대응되는 향기를 설명하는 정보를 생성하여 출력하는 단계를 포함하는 것을 특징으로 한다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 향기 예측 시스템 및 이를 이용한 향기 예측 방법은 향료들의 분자구조와 비율에 관한 정보를 기반으로 그에 대응되는 향기에 관한 결과를 컬러, 이미지 또는 키워드로 출력하여 사용자에게 제공함으로써, 사용자가 원하는 향기 제조 시 소요되는 시간과 비용을 절감하는 효과를 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 향기 예측 시스템의 구성을 도시한 구성도이다.
도 2는 본 발명의 일 실시예에 따른 향기 예측 시스템을 도시한 구성도이다.
도 3은 본 발명의 일 실시예에 따른 향기 예측 시스템의 학습 데이터 저장부를 도시한 구성도이다.
도 4는 본 발명의 일 실시예에 따른 향기 예측 시스템의 예측 결과 생성부를 도시한 구성도이다.
도 5는 도 2의 예측 결과 예측 결과 출력부를 통하여 출력된 예시 화면을 도시한 것이다.
도 6은 본 발명의 일 실시예에 따른 향기 예측 시스템을 도시한 구성도이다.
도 7은 본 발명의 일 실시예에 따른 향기 예측 시스템을 이용한 향기 예측 방법을 도시한 순서도이다.
도 8 및 도 9는 본 발명의 일 실시예에 따른 향기 예측 시스템의 예시 화면을 도시한 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함 하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 향기 예측 시스템의 구성을 도시한 구성도이다.
도 1을 참조하면, 향기 예측 시스템(100)은 입력부(110), 향기 예측부(120), 학습데이터 저장부(130) 및 예측 결과 생성부(140)를 포함한다.
먼저, 입력부(110)는 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력받는다.
향기 예측부(120)는 입력부(110)에서 입력받은 향료들의 분자구조를 분석하고 이를 조합하여 최종적으로 발향되는 향기를 예측한다.
향기 예측부(120)는 인공지능 학습에 의해 향기를 예측하며, 상기 인공지능 학습은 그래프 신경망(Graph neural network) 모델을 적용하여 진행할 수 있다.
또한, 향기 예측부(120)는 학습 데이터 저장부(130)에 저장된 향기 예측 모델링을 기반으로 발향하는 향기를 예측할 수 있다. 학습 데이터 저장부(130)에는 향료의 종류의 따른 분자 구조를 성분단위로 분석하여 예측한 예측 모델링이 저장되어 있다. 향료로 사용할 수 있는 화학물질은 5000여종이 존재하며, 화학물질은 분자 구조에 따라 휘발성, 용해성 등 서로 다른 특징을 가지고 있다. 이러한 화학물질마다 특성을 학습하여 분자 구조와 조합 비율에 따른 향기를 예측하여 이를 모델링된 정보들이 학습 데이터 저장부(130)에 저장된다.
예측 결과 생성부(140)는 향기 예측부(120)에서 예측된 결과에 대응되는 향기 정보를 생성한다. 더욱 구체적으로, 예측 결과 생성부(140)는 예측된 결과에 대응되는 향기 정보에 대해 키워드(keyword), 텍스트(text), 이미지(image), 설명(description), 컬러(color)등으로 표현할 수 있으며, 이외에도 향기 정보를 표현할 수 있는 방식이면 그 표현 방식에 제한을 두지 않는다. 예측 결과 생성부(140)는 향료 조합에 따른 컬러, 이미지, 키워드의 생성을 통해 사용자가 직접 향을 맡지 않고 온라인에서 향을 이해할 수 있도록 함에 따라 온라인 상에서도 향기에 대한 사용자의 이해를 돕고, 온라인과 오프라인의 이해 격차를 감소시킬 수 있다.
향기 예측 시스템(100)은 향기를 포함하는 제품의 선호도 조사 및 판매량 데이터를 토대로 군집화(Clustering) 기계학습 기법을 통해 향기의 타입별로 사용자에게 추천하는 향기 추천부를 더 포함할 수 있다(도 9 참조.).
도 2는 본 발명의 일 실시예에 따른 향기 예측 시스템을 도시한 구성도이다.
도 2를 참조하면, 향기 예측 시스템(200)은 입력부(110), 향기 예측부(220), 학습데이터 저장부(230), 예측 결과 생성부(240), 예측 결과 출력부(250), 선택부(260) 및 전송부(270)를 포함한다.
먼저, 입력부(210)는 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력받는다.
향기 예측부(220)는 입력부(210)에서 입력받은 향료들의 분자구조 정보와 분자들의 비율 정보를 통합적으로 분석하고 이를 조합하여 최종적으로 발향되는 향기를 예측한다.
향기 예측부(220)는 인공지능 학습에 의해 향기를 예측하며, 상기 인공지능 학습은 그래프 신경망(Graph neural network) 모델을 적용하여 진행할 수 있다.
또한, 향기 예측부(220)는 학습 데이터 저장부(230)에 저장된 향기 예측 모델링을 기반으로 발향하는 향기를 예측할 수 있다. 학습 데이터 저장부(230)에는 향료의 종류의 따른 분자 구조를 성분단위로 분석하여 예측한 예측 모델링이 저장되어 있다.
예측 결과 생성부(240)는 향기 예측부(220)에서 예측된 결과에 대응되는 향기 정보를 생성한다.
예측 결과 출력부(250)는 예측 결과 생성부(240)로부터 생성된 향기 정보를 전달받아 사용자에게 출력한다. 예측 결과 출력부(250)는 디스플레이를 통해 사용자에게 예측 향기에 대한 정보를 보여줄 수 있다.
선택부(260)에서는 사용자가 예측된 결과에 대한 향기 정보를 확인하고, 결과에 대한 만족 여부를 결정한다. 예를 들어, 사용자가 예측된 향기 결과에 대한 정보를 확인한 후 원하는 향기라고 판단하면, 선택부(260)를 통해 입력된 향료 종류 및 비율에 대한 정보를 승인한 후 전송부(270)로 전달한다. 이때, 선택부(260)에서는 입력된 향료 종류 및 비율로 향기 제품을 제조 및 배송할 것인지 선택할 수 있다.
전송부(270)는 선택부(260)를 통해 사용자의 선택이 완료된 향료의 종료 및 비율에 대한 조건을 향기 제품을 제조하는 제조업체 단말로 전송한다.
도 3은 본 발명의 일 실시예에 따른 향기 예측 시스템의 학습 데이터 저장부를 도시한 구성도이다.
도 3을 참조하면, 학습 데이터 저장부(300)는 입력에 해당하는 정보가 저장된 입력 모듈(310)과 출력에 해당하는 정보가 저장된 출력 모듈(320)로 구성된다.
입력 모듈(310)은 입력에 해당하는 향료 각각의 분자구조와 조합 비율에 관한 정보가 저장된다. 예를 들어, 향료로 사용할 수 있는 화학 물질의 종류가 저장될 수 있으며, 다수의 향료에 해당하는 분자 구조가 저장될 수 있다.
출력 모듈(320)은 예측된 향기에 대응되는 출력에 관한 정보가 저장된다. 예를 들어, 예측된 결과에 대응되는 향기 정보에 대해 키워드(keyword), 텍스트(text), 이미지(image), 설명(description), 컬러(color)등이 저장된다.
또한, 학습 데이터 저장부(300)는 인공지능 학습 모델을 통해 다수의 예측 모델링(330)이 저장되어 있다. 예측 모델링(330)은 그래프 형태를 띄고 있는 데이터에 적합한 그래프 신경망(Graph neural network) 모델을 적용하여 진행할 수 있다.
도 4는 본 발명의 일 실시예에 따른 향기 예측 시스템의 예측 결과 생성부를 도시한 구성도이다.
도 4를 참조하면, 예측 결과 생성부(400)는 컬러 정보 생성부(410), 이미지 정보 생성부(420) 및 키워드 정보 생성부(430)로 구성된다.
컬러 정보 생성부(410)는 예측된 향기에 대응되는 색상을 Hex 값을 이용하여 구체화한 결과를 생성할 수 있다.
이미지 정보 생성부(420)는 예측된 향기에 대응되는 실제 이미지를 출력할 수 있다. 예를 들어, 장미 향기에 대응되는 결과가 예측되면 실제 장미 이미지를 생성하고, 특정 음식 향기에 대응되는 결과가 예측되면 실제 음식 사진을 생성할 수 있다.
또한, 키워드 정보 생성부(430)는 상기 예측된 향기에 대응되는 키워드를 생성할 수 있으며, 키워드 정보 생성부는 해당 키워드를 여러 단계의 등급으로 구분하여 생성이 가능하다. 예를 들어, 키워드는 향기에 대해 미리 정의된 다수의 키워드 중 예측된 결과에 가장 가까운 키워드를 사용하며, 각 키워드마다 향기의 세기에 따라 1 ~ 5 등급으로 분류되어 표현될 수 있다.
컬러 정보 생성부(410), 이미지 정보 생성부(420) 및 키워드 정보 생성부(430)는 학습 데이터 저장부(도 3의 '300')의 출력 모듈(도 3의 '320')에 저장된 정보를 바탕으로 생성될 수 있다. 또한, 컬러 정보 생성부(410), 이미지 정보 생성부(420) 및 키워드 정보 생성부(430)에서 생성되는 정보 이외에도 향기 정보를 표현할 수 있는 방식이면 그 표현 방식에 제한을 두지 않는다.
예컨대, 기 판매 중인 브랜드 향수 내 분자 정보들과 예측된 향기와의 분자 정보들을 비교하여 기 판매중인 브랜드 향수와의 유사도를 계산하여 사용자에게 제공할 수 있으며, 기 판매 중인 브랜드 향수와의 비교는 머신 러닝 기법을 통해 진행할 수 있다(도 8 참조.)
이와 같이 다양한 방식으로 예측된 향기를 설명하여 사용자에게 향에 대한 온라인과 오프라인의 이해 격차를 좁힐 수 있다.
도 5는 도 2의 예측 결과 예측 결과 출력부를 통하여 출력된 예시 화면을 도시한 것이다.
도 5를 참조하면, 예측된 향기 결과에 해당되는 컬러, 이미지 및 키워드를 생성하여 도 5와 같은 화면으로 출력할 수 있다. 예컨대, 예측된 향기와 관련된 컬러를 도 5의 (a)와 같이 하나 이상의 컬러가 조합된 구성으로 출력할 수 있다.
또한, 특정 꽃 향기와 유사하다고 분석되면 도 5의 (b)와 같이 실제 꽃 사진을 이미지로 출력하고, 이와 관련된 키워드를 도 5의 (c)와 같이 차별화된 텍스트 라벨링으로 출력할 수 있다.
도 6은 본 발명의 일 실시예에 따른 향기 예측 시스템을 도시한 구성도이다.
도 6을 참조하면, 향기 예측 시스템(600)은 유무선 네트워크를 통해 향기 제품을 제조하는 제조 업체 단말(610)과 연결된다.
향기 예측 시스템(600)은 유무선 네트워크를 통해 향기 제품의 제조를 요청할 수 있다. 사용자가 향기 예측 시스템(600)에 입력된 향료의 종류 및 조합 비율로 향기 제품을 제조하고자 하는 경우, 입력된 향료의 종류 및 조합 비율에 관한 정보가 제조 업체 단말(610)로 전달된다.
제조 업체 단말(610)은 전달받은 조건으로 향기 제품을 제조한다. 이후, 사용자가 구매 및 배송을 원하는 경우, 사용자로부터 배송 정보를 입력받아 제조가 완료된 제품을 사용자에게 배송할 수 있다.
도 7은 본 발명의 일 실시예에 따른 향기 예측 시스템을 이용한 향기 예측 방법을 도시한 순서도이다.
도 7을 참조하면, 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력받는 단계를 진행한다(S700).
입력부에서 입력받은 향료들의 분자구조를 분석하는 단계를 진행한다(S710).
다음으로, 분석된 분자구조를 기반으로 발향되는 향기를 예측하는 단계를 진행한다(S720). 향기를 예측 단계는 인공지능 학습에 의해 향기를 예측하며, 상기 인공지능 학습은 그래프 신경망(Graph neural network) 모델을 적용하여 수행될 수 있다.
이어서, 예측된 결과에 대응되는 향기를 설명하는 정보를 생성하고, 이를 출력하는 단계를 진행한다(S730). 이때, 향기를 설명하는 정보는 키워드(keyword), 텍스트(text), 이미지(image), 설명(description), 컬러(color)등으로 표현할 수 있으며, 이외에도 향기 정보를 표현할 수 있는 방식이면 그 표현 방식에 제한을 두지 않는다.
다음으로, 사용자는 예측된 향기에 대한 결과를 확인하고, 사용자가 원하는 향기인지 판단하여 만족 여부를 결정한다(S740). 사용자가 향기에 대한 결과에 만족하는 경우, 입력된 향료의 조합 및 비율에 따라 향기 제품 제조를 요청할 수 있다. 사용자가 향기에 대한 결과에 만족하지 못하는 경우, 처음 단계로 돌아가 향료의 종류 및 비율을 재입력할 수 있다. 향료의 조합과 시향을 사람이 무한하게 반복하는 것이 아니라 사용자가 원하는 향기 제조 과정을 향기 예측을 통해 진행함에 따라 향기 제품 제조 시 소요되는 시간과 비용을 절감할 수 있다.
또한, 온라인을 통해 사용자들에게 기초 향료 조합에 따른 예측 향기를 제공함에 따라 향기 제품의 제조 시간을 감소시키며 사용자의 만족도는 증대시킬 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100, 200, 600 : 향기 예측 시스템 110, 210 : 입력부
120, 220 : 향기 예측부 130, 230, 300 : 학습데이터 저장부
140, 240 : 예측 결과 생성부 250 : 예측 결과 출력부
260 : 선택부 270 : 전송부
310 : 입력 모듈 320 : 출력 모듈
330 : 예측 모델링 400 : 예측 결과 생성부
410 : 컬러 정보 생성부 420 : 이미지 정보 생성부
430 : 키워드 정보 생성부 610 : 제조 업체 단말

Claims (8)

  1. 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력받는 입력부;
    인공지능 학습에 사용되는 향기 예측 모델링이 저장된 학습 데이터 저장부;
    상기 학습 데이터 저장부에 저장된 향기 예측 모델링을 기반으로 상기 입력부에서 입력받은 향료들의 분자구조와 조합 비율을 분석하여 최종적으로 발향되는 향기를 예측하는 향기 예측부; 및
    상기 향기 예측부에서 예측된 결과에 대응되는 향기를 설명하는 정보를 생성하는 예측 결과 생성부;
    를 포함하는 것을 특징으로 하는 향기 예측 시스템.
  2. 제 1 항에 있어서,
    상기 향기 예측부는 인공지능 학습에 의해 향기를 예측하며, 상기 인공지능 학습은 그래프 신경망(Graph neural network) 모델을 적용하여 진행하는 것을 특징으로 하는 향기 예측 시스템.
  3. 제 1 항에 있어서,
    상기 예측 결과 생성부로부터 생성된 향기 정보를 전달받아 사용자에게 출력하는 예측 결과 출력부;
    상기 예측 결과 출력부로부터 출력된 향기 정보를 확인하고, 사용자의 만족 여부를 결정하는 선택부; 및
    상기 선택부를 통해 사용자의 결정이 완료되면 상기 선택된 향료의 종료 및 비율에 대한 조건을 향기를 포함하는 제품을 제조하는 제조업체 단말로 전달하는 전송부
    를 더 포함하는 것을 특징으로 하는 향기 예측 시스템.
  4. 제 1 항에 있어서, 상기 예측 결과 생성부는
    상기 예측된 결과에 대응되는 향기 정보에 대해 키워드(keyword), 텍스트(text), 이미지(image), 설명(description), 컬러(color)등으로 표현하여 하는 것을 특징으로 하는 향기 예측 시스템.
  5. 제1 항에 있어서, 상기 예측 결과 생성부는
    상기 예측된 향기에 대응되는 색상을 Hex값을 이용하여 구체화한 결과를 출력하는 컬러 정보 생성부;
    상기 예측된 향기에 대응되는 이미지를 출력하는 이미지 정보 생성부; 및
    상기 예측된 향기에 대응되는 키워드를 출력하는 키워드 정보 생성부를 더 포함하며, 상기 키워드 정보 생성부는 해당 키워드를 여러 단계의 등급으로 구분하여 출력가능한 것을 특징으로 하는 향기 예측 시스템.
  6. 제1 항에 있어서, 상기 예측 결과 생성부는
    기 판매 중인 브랜드 향수 내 분자 정보들과 예측된 향기와의 분자 정보들을 비교하여 기 판매중인 브랜드 향수와의 유사도를 계산하여 사용자에게 제공할 수 있으며, 기 판매 중인 브랜드 향수와의 비교는 머신 러닝 기법을 통해 진행하는 것을 특징으로 하는 향기 예측 시스템.
  7. 제1 항에 있어서, 상기 학습 데이터 저장부는
    각 향료들의 분자구조와 조합 비율에 관한 정보 및 그에 대응되는 출력에 관한 정보가 저장된 것을 특징으로 하는 향기 예측 시스템.
  8. 사용자 단말을 통해 사용자가 원하는 향료의 종류 및 조합 비율을 입력받는 단계;
    향기 예측 모델링을 기반으로 상기 입력부에서 입력받은 향료들의 분자구조를 분석하는 단계;
    상기 분석된 분자구조를 기반으로 발향되는 향기를 예측하는 단계; 및
    상기 예측된 결과에 대응되는 향기를 설명하는 정보를 생성하여 출력하는 단계
    를 포함하는 것을 특징으로 하는 향기 예측 시스템을 이용한 향기 예측 방법.



KR1020200162109A 2020-11-27 2020-11-27 향기 예측 시스템 및 이를 이용한 향기 예측 방법 KR20220074052A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200162109A KR20220074052A (ko) 2020-11-27 2020-11-27 향기 예측 시스템 및 이를 이용한 향기 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200162109A KR20220074052A (ko) 2020-11-27 2020-11-27 향기 예측 시스템 및 이를 이용한 향기 예측 방법

Publications (1)

Publication Number Publication Date
KR20220074052A true KR20220074052A (ko) 2022-06-03

Family

ID=81983035

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200162109A KR20220074052A (ko) 2020-11-27 2020-11-27 향기 예측 시스템 및 이를 이용한 향기 예측 방법

Country Status (1)

Country Link
KR (1) KR20220074052A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102606893B1 (ko) * 2023-07-12 2023-11-29 주식회사 퍼퓸투데이 향기 데이터화 방법, 상기 향기 데이터화 방법을 이용하여시향지를 제작하는 방법, 및 상기 시향지를 이용한 서비스 제공 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101673474B1 (ko) 2015-10-29 2016-11-07 주식회사 불스원 겔 상의 방향제 조성물
KR20180102991A (ko) 2016-01-28 2018-09-18 존슨 앤드 존슨 컨수머 인코포레이티드 향료 조성물

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101673474B1 (ko) 2015-10-29 2016-11-07 주식회사 불스원 겔 상의 방향제 조성물
KR20180102991A (ko) 2016-01-28 2018-09-18 존슨 앤드 존슨 컨수머 인코포레이티드 향료 조성물

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102606893B1 (ko) * 2023-07-12 2023-11-29 주식회사 퍼퓸투데이 향기 데이터화 방법, 상기 향기 데이터화 방법을 이용하여시향지를 제작하는 방법, 및 상기 시향지를 이용한 서비스 제공 시스템

Similar Documents

Publication Publication Date Title
Zhang et al. A machine learning based computer-aided molecular design/screening methodology for fragrance molecules
AU2020301331B2 (en) Systems and methods for producing a product
Patnaik et al. Information olfactation: Harnessing scent to convey data
Maggioni et al. OWidgets: A toolkit to enable smell-based experience design
KR20110077012A (ko) 향수를 공식화하는 복수의 대화형 단말 및 상기 복수의 단말과 데이터를 주고 받도록 구성된 서버를 포함하는 시스템에서 향수를 제조하는 방법
Nambu et al. Visual-olfactory display using olfactory sensory map
CN114240554A (zh) 香味提示信息输出系统
KR20220074052A (ko) 향기 예측 시스템 및 이를 이용한 향기 예측 방법
TW201911084A (zh) 資訊處理裝置、程式、及化粧品提供裝置
Santana et al. Optimal fragrances formulation using a deep learning neural network architecture: A novel systematic approach
Duyan et al. Monitoring line length reproduction errors
Kengpol et al. The expert system for assessing customer satisfaction on fragrance notes: Using artificial neural networks
Hammond et al. Development of a computational modeling laboratory for examining tobacco control policies: Tobacco Town
Srivastava Will music with or without fragrance in retail stores increase consumer purchase behaviour in emerging markets?
Wise et al. Utilisation of QSPR ODT modelling and odour vector modelling to predict Cannabis sativa odour
JP2021534525A (ja) フレグランス関連のユーザプロファイルを作成および管理するための方法およびシステム
KR102534852B1 (ko) 빅데이터 기반의 사용자 맞춤형 향수 추천 시스템 및 그 방법
US20140172771A1 (en) Apparatus and method for selecting motion signifying artificial feeling
US20240232805A9 (en) Systems and Methods for Producing a Product
Sayon et al. It’s time for men to groom up!
KR20240060120A (ko) 향기 제품 선호 분석 시스템
Agarwal et al. Enhancing the Perfume Buying User Experience Through AI and Machine Olfaction
US20110015965A1 (en) Products having a scent name selected by consumers
KR102606893B1 (ko) 향기 데이터화 방법, 상기 향기 데이터화 방법을 이용하여시향지를 제작하는 방법, 및 상기 시향지를 이용한 서비스 제공 시스템
JP7472763B2 (ja) 情報処理システム、情報処理方法およびプログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application