KR20220164682A - 뉴럴 네트워크를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법 및 장치 - Google Patents

Abstract

실시예들은 서버가 뉴럴 네트워크(neural network)를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법 및 장치를 제시한다. 일 실시예에 따른 상기 방법은, 복수의 제1 단말 각각으로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신하고, 상기 제1 메시지는 제1 단말과 관련된 참가 기업에 대한 정보 및 제품에 대한 정보를 포함하고, 복수의 제2 단말 각각으로부터 상기 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신하고, 상기 제2 메시지는 제2 단말과 관련된 참관객에 대한 개인 정보, 제2 단말과 관련된 참관 기업에 대한 정보 및 관심 분야에 대한 정보를 포함하고, 사전 설정된 거래 내역에 대한 정보에 기반하여 상기 참가 기업에 대한 신뢰도 및 상기 참관 기업에 대한 신뢰도를 결정하고, 상기 사전 설정된 거래 내역에 대한 정보는 복수의 제2 행사에서 이루어진 거래와 관련된 판매자 및 구매자에 대한 정보, 상기 거래의 대상인 거래 제품에 대한 정보 및 상기 거래에 대한 피드백 메시지 정보를 포함하고, 상기 참가 기업에 대한 신뢰도, 상기 참관 기업에 대한 신뢰도, 상기 참가 기업에 대한 정보, 상기 참관 기업에 대한 정보, 상기 제품에 대한 정보 및 상기 관심 분야에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 매칭 모델을 통해 상기 참가 기업과 상기 참관 기업 사이의 제1 매칭률을 결정하고, 사전 설정된 행사 정보에 기반하여 상기 제1 매칭률을 제2 매칭률로 조정하고, 상기 복수의 제1 단말 각각에게 상기 제2 매칭률이 사전 설정된 제1 비율 이상인 참관 기업에 대한 리스트 정보를 전송하고, 상기 복수의 제2 단말 각각에게 상기 제2 매칭률이 사전 설정된 제2 비율 이상인 참가 기업에 대한 리스트 정보를 전송하는 단계를 포함할 수 있다.

Description

뉴럴 네트워크를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING INFORMATION ON THE MATCHING RATE BETWEEN PARTICIPATING COMPANIES AND VISITING COMPANIES USING A NEURAL NETWORK}

본 개시의 실시예들은 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 기술에 대한 것이다.

한편, 글로벌 시대에 맞춰 세계 각국에서는 MICE 산업의 부가가치를 인식하여 MICE 산업을 육성하기 위하여 대규모 컨벤션 시설과 전시장을 건립하거나 국가 차원의 유치 활동에 대한 지원을 아끼지 않고 있다. MICE 산업은 대규모 회의장이나 전시장 등 전문시설을 갖추고 국제회의, 전시회, 인센티브투어와 이벤트를 유치하여 경제적 이익을 실현하는 산업으로 숙박, 교통, 관광, 무역, 유통 등 관련 여러 산업과 유기적으로 결합한 고부가가치 산업이다. 여기서, MICE는 Meetings(회의), Incentives Travel(포상여행), Conventions(컨벤션), Exhibitions/Events(전시/이벤트)의 약자이다.

한편, 주최 기관에 의해 개최된 MICE 이벤트에 MICE 이벤트의 참가 기업 및 참관객이 참여하는 경우, MICE 이벤트의 참가 기업 및 참관객은 각종 예약, 비즈니스 미팅 및 네트워킹을 형성하는 것에 어려움을 느낄 수 있다. 구체적으로, MICE 이벤트의 참가 기업이 판매자 판매자(seller)로서 상품 또는 서비스를 제공하는 경우, 어떠한 참관객 또는 참관 기업이 상품 또는 서비스에 관심이 있고 구매할 예정인지에 대한 정보 교환에는 참여한 모든 기업과 참관객의 많은 자원과 시간을 소모해야 한다. 마찬가지로, MICE 이벤트의 참관객 또는 참관 기업이 구매자(buyer)로서 상품 또는 서비스에 대한 구매를 원하는 경우, 어떠한 참가 기업이 상품 또는 서비스를 제공하고 있으며, 이러한 참가 기업을 믿고 거래할 수 있는지 판단하는 것은 단순한 정보 교환만으로는 한계가 존재한다.

이에, MICE 이벤트에 대한 판매자와 구매자 사이의 이전 거래 데이터를 통해 참가 기업에 대한 신뢰도 및 참관 기업에 대한 신뢰도를 결정하고, 참가 기업과 참관 기업 사이의 매칭률을 제공하여 기업과 참관객의 자원과 시간 소모를 줄일 수 있는 기술적인 방법이 필요하다.

본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법 및 장치를 제공할 수 있다.

실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.

일 실시예에 따른 서버가 뉴럴 네트워크(neural network)를 이용하여 서버가 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법은, 복수의 제1 단말 각각으로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신하고, 상기 제1 메시지는 제1 단말과 관련된 참가 기업에 대한 정보 및 제품에 대한 정보를 포함하고, 복수의 제2 단말 각각으로부터 상기 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신하고, 상기 제2 메시지는 제2 단말과 관련된 참관객에 대한 개인 정보, 제2 단말과 관련된 참관 기업에 대한 정보 및 관심 분야에 대한 정보를 포함하고, 사전 설정된 거래 내역에 대한 정보에 기반하여 상기 참가 기업에 대한 신뢰도 및 상기 참관 기업에 대한 신뢰도를 결정하고, 상기 사전 설정된 거래 내역에 대한 정보는 복수의 제2 행사에서 이루어진 거래와 관련된 판매자 및 구매자에 대한 정보, 상기 거래의 대상인 거래 제품에 대한 정보 및 상기 거래에 대한 피드백 메시지 정보를 포함하고, 상기 참가 기업에 대한 신뢰도, 상기 참관 기업에 대한 신뢰도, 상기 참가 기업에 대한 정보, 상기 참관 기업에 대한 정보, 상기 제품에 대한 정보 및 상기 관심 분야에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 매칭 모델을 통해 상기 참가 기업과 상기 참관 기업 사이의 제1 매칭률을 결정하고, 사전 설정된 행사 정보에 기반하여 상기 제1 매칭률을 제2 매칭률로 조정하고, 상기 복수의 제1 단말 각각에게 상기 제2 매칭률이 사전 설정된 제1 비율 이상인 참관 기업에 대한 리스트 정보를 전송하고, 상기 복수의 제2 단말 각각에게 상기 제2 매칭률이 사전 설정된 제2 비율 이상인 참가 기업에 대한 리스트 정보를 전송하는 단계를 포함할 수 있다.

일 실시 예에 따라, 상기 사전 설정된 행사 정보는, 상기 복수의 제2 행사 각각에서, 참가 기업의 부스의 크기에 대한 정보, 참가 기업의 부스에 방문한 참관객의 수에 대한 정보, 참가 기업의 부스에 방문한 참관객의 체류 시간에 대한 정보, 참관 기업이 방문한 참가 기업의 부스의 개수에 대한 정보 및 거래가 체결된 참가 기업 및 참관 기업에 대한 정보를 포함할 수 있다.

상기 제2 매칭률은 하기 수학식에 의해 설정될 수 있다.

상기 수학식에서, 상기 m₂는 상기 제2 매칭률이고, 상기 n은 상기 제1 행사에 참가하는 참가 기업의 수이고, 상기 s는 매칭된 참가 기업의 부스의 평균 크기이고, 상기 s_i는 i번째 참가 기업의 부스의 평균 크기이고, 상기 t는 매칭된 참가 기업의 부스에 방문한 참관객의 평균 체류 시간이고, 상기 t_i는 i번째 참가 기업의 부스에 방문한 참관객의 평균 체류 시간이고, 상기 v는 매칭된 참가 기업의 부스에 방문한 참관객의 평균 수이고, 상기 v_i는 i번째 참가 기업의 부스에 방문한 참관객의 평균 수이고, 상기 k는 상기 제1 행사에 참관하는 참관 기업의 수이고, 상기 p는 매칭된 참관 기업이 방문한 참가 기업의 부스의 평균 개수이고, 상기 p_j는 j번째 참관 기업이 방문한 참가 기업의 부스의 평균 개수이다.

일 실시 예에 따라, 상기 방법은 적어도 하나의 제1 단말로부터 제1 매칭 성공 메시지를 수신하고, 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말로부터 제2 매칭 성공 메시지를 수신하고, 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송하고, 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 매칭된 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송하는 단계를 더 포함할 수 있다.

일 실시 예에 따라, 상기 방법은 상기 적어도 하나의 제1 단말로부터 상기 적어도 하나의 제2 단말에 대한 제1 피드백 메시지를 수신하고, 상기 제1 피드백 메시지에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 관련된 행사에 대한 정보를 전송하고, 상기 적어도 하나의 제2 단말로부터 상기 적어도 하나의 제1 단말에 대한 제2 피드백 메시지를 수신하고, 상기 제2 피드백 메시지에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 관련된 행사에 대한 정보를 전송하는 단계를 더 포함할 수 있다. 예를 들어, 상기 제1 피드백 메시지는 상기 적어도 하나의 제2 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함할 수 있다. 예를 들어, 상기 제2 피드백 메시지는 상기 적어도 하나의 제1 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함할 수 있다.

예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보 및 정답 매칭률로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되는, 상기 매칭 모델이 생성될 수 있다.

부가적으로, 상기 참가 기업에 대한 신뢰도 또는 상기 참관 기업에 대한 신뢰도는 하기 수학식에 의해 결정될 수 있다.

상기 참가 기업에 대한 신뢰도인 경우, 상기 수학식 1에서, 상기 R은 상기 신뢰도이고, 상기 n_d는 상기 복수의 제2 행사에서 상기 참가 기업과 관련된 거래들의 총 개수이고, 상기 n_a는 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제1 단어 중 어느 하나가 포함된 피드백 메시지의 개수이고, 상기 n_m은 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제2 단어 중 어느 하나가 포함된 메시지의 개수이고, 상기 n_e는 상기 복수의 제2 행사에서 상기 참가 기업과 관련된 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수이고, 상기 G는 상기 참가 기업에 대한 피드백 메시지들에 포함된 평점들에 대한 평균 값이다. 상기 평점은 0 초과 10 이하의 값일 수 있다.

상기 참관 기업에 대한 신뢰도인 경우, 상기 수학식과 같이, 상기 R은 상기 신뢰도이고, 상기 n_d는 상기 복수의 제2 행사에서 상기 참관 기업과 관련된 거래들의 총 개수이고, 상기 n_a는 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제1 단어 중 어느 하나가 포함된 피드백 메시지의 개수이고, 상기 n_m은 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제2 단어 중 어느 하나가 포함된 메시지의 개수이고, 상기 n_e는 상기 복수의 제2 행사에서 상기 참관 기업과 관련된 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수이고, 상기 G는 상기 참관 기업에 대한 피드백 메시지들에 포함된 평점들에 대한 평균 값이다.

부가적으로, 서버는 참관 기업에 대한 리스트 정보에 포함된 참관 기업의 개수가 사전 설정된 제1 개수 미만인지 여부를 결정할 수 있다. 사전 설정된 제1 개수는 하기 수학식에 의해 설정될 수 있다.

상기 수학식에서, 상기 N_v는 상기 사전 설정된 제1 개수이고, 상기 n은 상기 제1 행사에 참가하는 참가 기업의 수이고, 상기 s_p는 매칭된 참가 기업이 제1 메시지를 통해 신청한 매칭된 참가 기업의 부스의 크기이고, 상기 s_q는 q번째 참가 기업이 제1 메시지를 통해 신청한 q번째 참가 기업의 부스의 크기이고, 상기 z는 매칭된 참가 기업이 제1 메시지를 통해 신청한 매칭된 참가 기업의 부스의 위치와 관련된 값이고, 상기 n_s는 상기 제1 행사에서 매칭된 참가 기업의 제품이 포함된 관심 분야를 가진 참관 기업의 개수, 상기 k는 제1 행사에 참관하는 참관 기업의 개수이다.

부가적으로, 서버는 참가 기업에 대한 리스트 정보에 포함된 참가 기업의 개수가 사전 설정된 제2 개수 미만인지 여부를 결정할 수 있다. 사전 설정된 제2 개수는 하기 수학식에 의해 설정될 수 있다.

상기 수학식에서, 상기 N_v는 상기 사전 설정된 제2 개수이고, 상기 k는 상기 제1 행사에 참관하는 참관 기업의 수이고, 상기 v_p는 매칭된 참관 기업이 제2 메시지를 통해 신청한 참관객의 수이고, 상기 v_q는 q번째 참관 기업이 제2 메시지를 통해 신청한 참관객의 수이고, 상기 n_x는 상기 제1 행사에서 매칭된 참관 기업의 관심 분야에 포함되는 제품을 가진 참가 기업의 개수, 상기 n은 제1 행사에 참가하는 참가 기업의 개수이다.

실시예들에 따르면, 서버는 이전 MICE 행사와 관련된 사전 설정된 거래 내역에 대한 정보를 기반으로 참가 기업 및 참관 기업에 대한 신뢰도를 결정하고, 서버가 뉴럴 네트워크를 통해 참가 기업과 참관 기업 사이의 매칭률을 결정할 때, 서버는 참가 기업에 대한 정보 및 참관 기업에 대한 정보 이외에 상기 신뢰도 또한 반영하여 결정된 매칭률에 대한 신뢰도를 높일 수 있다.

실시예들에 따르면, 서버는 뉴럴 네트워크를 통해 예측된 참가 기업과 참관 기업 사이의 매칭률을 기반으로 참가 기업에 대한 리스트 정보 및 참관 기업에 대한 리스트 정보를 제공함으로써, 참가 기업은 자신의 제품에 관심이 있고 구매할 확률이 높은 참관 기업을 파악할 수 있고, 참관 기업은 어떠한 참가 기업이 상품 또는 서비스를 제공하고 있으며, 이러한 참가 기업을 믿고 거래할 수 있는지에 대한 판단을 용이하게 할 수 있다.

실시예들에 따르면, 서버는 예측된 참가 기업과 참관 기업 사이의 매칭률을 진행 예정인 MICE 행사와 관련된 정보에 기반하여 조정함으로써, 보다 신뢰도가 높은 매칭률을 결정할 수 있다.

실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.

실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 서버가 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법을 나타낸다.
도 4는 일 실시예에 따른 서버가 사전 설정된 거래 내역에 대한 정보를 기반으로 참가 기업 또는 참관 기업에 대한 신뢰도 또는 평판을 결정하는 방법에 대한 도면이다.
도 5는 일 실시예에 따른 서버가 참가 기업에 대한 리스트 정보 및 참관 기업에 대한 리스트 정보를 전송하는 방법에 대한 도면이다.
도 6은 일 실시예에 따른 서버가 피드백 메시지를 반영하는 방법에 대한 도면이다.
도 7은 일 실시예에 따른 뉴럴 네트워크를 이용하는 매칭 모델에 대한 예이다.
도 8은 일 실시예에 따른 서버가 단말과 관련된 행사에 대한 정보를 전송하는 절차를 나타낸 신호교환도이다.
도 9는 일 실시예에 따른 참가 기업에 대한 리스트 정보가 디스플레이된 화면 및 참관 기업에 대한 리스트 정보가 디스플레이된 화면에 대한 예이다.
도 10은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.

이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.

도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.

이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시 형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.

또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.

도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.

인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.

무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.

서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.

제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.

데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.

도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.

도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.

운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.

미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.

어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.

데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.

시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.

어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.

장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.

본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.

뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.

하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 에지 또는 링크는 뉴럴 네트워크가 원하는 기능의 수행, 사용자 또는 알고리즘에 의해 가변적으로 적용될 수 있는 가중치를 갖는다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.

전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.

도 3은 일 실시예에 따른 서버가 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법을 나타낸다. 도 3의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.

도 3을 참조하면, 단계 S301에서, 서버(예: 도 1의 서버(108))는 복수의 제1 단말(예: 도 1의 전자 장치(101)) 각각으로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신할 수 있다. 여기서, 제1 행사는 MICE(meeting, incentive tour, convention, exhibition)와 관련된 행사이다. 여기서, MICE는 국제회의, 기업회의, 관광, 컨벤션, 전시 박람회, 기타 여러 행사를 포괄하는 것이다. 예를 들어, 상기 제1 메시지는 제1 단말과 관련된 참가 기업에 대한 정보 및 제품에 대한 정보를 포함할 수 있다. 또한, 예를 들어, 상기 제1 메시지는 상기 제1 행사에 대한 정보를 포함할 수 있다. 여기서, 제1 단말과 관련된 참가 기업에 대한 정보는 참가 기업의 명칭, 참가 기업의 분야에 대한 정보, 참가 기업의 매출액에 대한 정보, 참가 기업의 직원 수에 대한 정보, 참가 기업이 설립된 날짜, 참가 기업이 보유한 기술에 대한 정보 또는 참가 기업이 보유한 등록 특허의 개수, 참가 기업의 제1 행사 이전에 거래한 기업에 대한 정보 중 적어도 하나를 포함할 수 있다. 여기서, 제품에 대한 정보는 참가 기업이 판매하고 있는 제품에 대한 정보이다. 여기서, 제품은 상품 또는 서비스를 포함한다. 예를 들어, 제품에 대한 정보는 제품의 명칭, 제품에 대한 상품 분류 코드 또는 제품에 대한 서비스 분류 코드를 포함할 수 있다. 여기서, 상품 분류 코드 또는 서비스 분류 코드에 대한 정보는 상기 서버에 사전 설정될 수 있다. 상품 분류 코드는 상품을 분류하기 위한 코드이다. 서비스 분류 코드는 서비스를 분류하기 위한 코드이다. 상품 분류 코드는 HS(harmonized System code) 코드 또는 니스(NICE) 국제상품분류 코드일 수 있다. 여기서, 상기 제1 행사에 대한 정보는 참가 기업이 원하는 부스의 면적 및 참가 기업이 원하는 부스의 위치를 포함할 수 있다.

단계 S302에서, 서버는 복수의 제2 단말(예: 도 1의 전자 장치(102)) 각각으로부터 상기 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신할 수 있다. 예를 들어, 상기 제2 메시지는 제2 단말과 관련된 참관객에 대한 개인 정보, 제2 단말과 관련된 참관 기업에 대한 정보 및 관심 분야에 대한 정보를 포함할 수 있다. 또한, 예를 들어, 상기 제2 메시지는 상기 제1 행사에 대한 일정 중에서 참관을 원하는 날짜 및 시간에 대한 정보를 포함할 수 있다. 예를 들어, 참관객에 대한 개인 정보는 참관객의 이름, 참관객의 직급, 참관객의 부서 또는 참관객의 연락처 중 적어도 하나를 포함할 수 있다. 예를 들어, 제2 단말과 관련된 참관 기업에 대한 정보는 참관 기업의 명칭, 참관 기업의 분야에 대한 정보, 참관 기업의 매출액에 대한 정보, 참관 기업의 직원 수에 대한 정보, 참관 기업이 설립된 날짜 또는 참관 기업이 제1 행사 이전에 거래한 기업에 대한 정보 중 적어도 하나를 포함할 수 있다. 관심 분야에 대한 정보는 참관 기업이 관심있는 분야에 대한 정보이다. 예를 들어, 관심 분야에 대한 정보는 참관 목적에 대한 정보, 관심 제품에 대한 명칭, 관심 제품에 대한 상품 분류 코드 또는 서비스 분류 코드 중 적어도 하나를 포함할 수 있다. 참관 목적에 대한 정보는 투자, 제품 구매, 협력 관계와 같은 참관 목적을 나타내는 정보이다.

단계 S303에서, 서버는 사전 설정된 거래 내역에 대한 정보에 기반하여 상기 참가 기업에 대한 신뢰도 및 상기 참관 기업에 대한 신뢰도를 결정할 수 있다.

여기서, 사전 설정된 거래 내역에 대한 정보는 제1 행사 이전에 수행된 복수의 제2 행사에서 이루어진 참가 기업과 참관 기업 사이의 거래에 대한 정보이다. 여기서, 복수의 제2 행사는 상기 제1 행사의 분야와 동일 또는 유사한 분야이다. 상기 제1 행사의 분야와 동일 또는 유사한 분야에 해당하는 복수의 제2 행사는 상기 서버에 대해 사전 입력될 수 있다. 상기 제1 행사와 동일한 클러스터에 포함되는 제2 행사를 동일 또는 유사한 분야의 행사로 결정할 수 있다.

부가적으로, 행사의 분야는 웹 크롤링(web crawling)을 통해 수집된 복수의 행사에 대한 참가 기업의 정보에 기반하여 뉴럴 네트워크를 이용한 클러스터링(clustering) 기법을 통해 n개의 분야로 결정될 수 있다. 여기서, 복수의 행사에 참가 기업의 정보는 행사에 참가하는 기업에 대한 업종 분류 코드를 포함할 수 있다. 웹 크롤링은 복수의 웹 사이트들에서 데이터를 수집하는 동작이다. 클러스터링은 유사한 속성들을 갖는 데이터를 일정한 수의 군집으로 그룹핑하는 비지도 학습을 지칭할 수 있다. 예를 들어, 업종 분류 코드는 대분류 코드, 중분류 코드 및 소분류 코드를 포함할 수 있다. 행사의 분야는 DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 기법을 통해 n개의 유형으로 결정될 수 있다. DBSCAN은 특정 요소(point)가 클러스터에 속하는 경우, 해당 클러스터 내 다른 많은 요소와 가까운 위치에 있어야 하는 것을 전제로 하며, 이러한 계산을 위해 직경(radius)과 최소 요소(minimum points)가 사용될 수 있다. 부가적으로, 요소는 상기 웹 크롤링을 통해 수집된 참가 기업의 업종 분류 코드를 3차원 좌표로 변환한 값이다. 3차원 좌표는 [대분류 코드에 대한 값, 중분류 코드에 대한 값, 소분류 코드에 대한 값]일 수 있다. 예를 들어, 직경은 특정 데이터 요소를 기준으로 하는 반경일 수 있고, 이를 밀도 영역(dense area)이라 지칭할 수 있다. 최소 요소는 핵심 요소(core point)를 지정하기 위해 핵심 요소 주변으로 요소가 몇 개 필요한 지를 나타낼 수 있다. 또한, 데이터 세트의 각 요소는 핵심(core), 경계(border), 이상치 요소(outlier point)로 구분될 수 있다. 뉴럴 네트워크를 통해, 서버는 요소별로 직경의 크기를 체크하고, 주변의 요소가 몇 개 있는지를 탐색할 수 있다. 이후, 서버는 직경의 범위 내에 m개 이상의 요소가 존재하면, 해당 요소를 핵심 요소로 결정할 수 있다. 그리고, 서버는 핵심 요소로부터 직경의 범위 내에 포함된 요소를 경계 요소로 결정할 수 있다. 그리고, 서버는 핵심 요소로부터 직경의 범위 내에 포함되지 않은 요소는 이상치 요소로 결정할 수 있고, 상기 이상치 요소는 해당 클러스터에서 제외될 수 있다. 또한, 서버는 핵심 요소들 사이의 거리가 직경보다 작을 경우, 해당 요소들을 동일한 클러스터로 분류할 수 있다. 이로 인해, 행사의 분야는 고정된 유형들로 결정되지 않고, 현재 서버에 의해 수집된 기업의 정보에 따라 유동적으로 변경되어 보다 다양한 행사의 분야를 결정할 수 있다. 또한, 행사에 참가하는 기업의 업종 분류 코드를 통해 행사들을 n개의 유형으로 결정함으로써, 참가 기업을 기준으로 행사를 분류할 수 있다.

사전 설정된 거래 내역에 대한 정보는 상기 서버에 사전 입력될 수 있다. 예를 들어, 상기 사전 설정된 거래 내역에 대한 정보는 복수의 제2 행사에서 이루어진 거래와 관련된 판매자(seller) 및 구매자(buyer)에 대한 정보, 상기 거래의 대상인 거래 제품에 대한 정보 및 상기 거래에 대한 거래와 관련된 판매자 및 구매자에 대한 정보는 상기 복수의 제2 행사 각각에 대해 체결된 계약들에 대한 정보, 상기 계약들에 의해 이루어진 거래들에서 판매자에 해당하는 참가 기업 또는 참관 기업에 대한 정보, 구매자에 해당하는 참가 기업 또는 참관 기업에 대한 정보를 포함할 수 있다. 예를 들어, 상기 거래의 대상인 거래 제품에 대한 정보 제품에 대한 정보는 상기 거래의 대상이 된 제품의 명칭, 거래량 및 거래 기간 등과 같은 정보를 포함할 수 있다. 예를 들어, 상기 거래에 대한 피드백 메시지 정보는 상기 거래가 완료된 이후, 상대 판매자 또는 상대 구매자가 상기 서버에 전송한 피드백 메시지를 포함할 수 있다.

여기서, 참가 기업에 대한 신뢰도는 복수의 제2 행사에서 이루어진 거래에 대해 참가 기업이 판매자인 경우에 대한 신뢰도 및 참가 기업이 구매자인 경우에 대한 신뢰도를 포함할 수 있다. 여기서, 참관 기업에 대한 신뢰도는 복수의 제2 행사에서 이루어진 거래에 대해 참관 기업이 판매자인 경우에 대한 신뢰도 및 참관 기업이 구매자인 경우에 대한 신뢰도를 포함할 수 있다. 여기서, 신뢰도는 상기 거래를 얼마나 성실히 수행하였는지 여부를 나타내는 점수이다. 예를 들어, 피드백 메시지 정보는 판매자에 대한 피드백 메시지 및 구매자에 대한 피드백 메시지를 포함할 수 있다. 예를 들어, 상기 피드백 메시지는 평점 및 피드백에 대한 텍스트 데이터를 포함할 수 있다.

부가적으로, 상기 사전 설정된 거래 내역에 대한 정보에 기반하여 참가 기업에 대한 거래 정보 및 참관 기업에 대한 거래 정보가 결정될 수 있다. 예를 들어, 참가 기업에 대한 거래 정보는 복수의 제2 행사에서 상기 참가 기업과 관련된 거래들의 총 개수에 대한 정보, 상기 참가 기업에 대한 피드백 메시지에 대한 정보 및 상기 참가 기업과 관련된 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수에 대한 정보를 포함할 수 있다. 예를 들어, 참관 기업에 대한 거래 정보는 복수의 제2 행사에서 상기 참관 기업과 관련된 거래들의 총 개수에 대한 정보, 상기 참관 기업에 대한 피드백 메시지에 대한 정보 및 상기 참관 기업과 관련된 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수에 대한 정보를 포함할 수 있다.

상기 참가 기업에 대한 신뢰도 또는 상기 참관 기업에 대한 신뢰도는 하기 수학식 1에 의해 결정될 수 있다.

상기 참가 기업에 대한 신뢰도인 경우, 상기 수학식 1에서, 상기 R은 상기 신뢰도이고, 상기 n_d는 상기 복수의 제2 행사에서 상기 참가 기업과 관련된 거래들의 총 개수이고, 상기 n_a는 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제1 단어 중 어느 하나가 포함된 피드백 메시지의 개수이고, 상기 n_m은 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제2 단어 중 어느 하나가 포함된 메시지의 개수이고, 상기 n_e는 상기 복수의 제2 행사에서 상기 참가 기업과 관련된 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수이고, 상기 G는 상기 참가 기업에 대한 피드백 메시지들에 포함된 평점들에 대한 평균 값이다. 상기 평점은 0 초과 10 이하의 값일 수 있다.

상기 참관 기업에 대한 신뢰도인 경우, 상기 수학식 1에서, 상기 R은 상기 신뢰도이고, 상기 n_d는 상기 복수의 제2 행사에서 상기 참관 기업과 관련된 거래들의 총 개수이고, 상기 n_a는 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제1 단어 중 어느 하나가 포함된 피드백 메시지의 개수이고, 상기 n_m은 상기 참가 기업에 대한 피드백 메시지들 중에서 복수의 사전 설정된 제2 단어 중 어느 하나가 포함된 메시지의 개수이고, 상기 n_e는 상기 복수의 제2 행사에서 상기 참관 기업과 관련된 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수이고, 상기 G는 상기 참관 기업에 대한 피드백 메시지들에 포함된 평점들에 대한 평균 값이다.

상기 복수의 사전 설정된 제1 단어는 상기 서버에 사전 입력될 수 있다. 예를 들어, 상기 복수의 사전 설정된 제1 단어는 긍정적인 단어를 포함할 수 있다. 예를 들어, 긍정적인 단어는 "깔끔한", "친절한" 또는 "만족"과 같은 단어를 포함할 수 있다.

상기 복수의 사전 설정된 제2 단어는 상기 서버에 사전 입력될 수 있다. 예를 들어, 상기 복수의 사전 설정된 제1 단어는 부정적인 단어를 포함할 수 있다. 예를 들어, 부정적인 단어는 "아쉬운", "불친절한" 또는 "불만족"과 같은 단어를 포함할 수 있다.

긍정적인 피드백이 많을수록 상기 신뢰도는 높아지고, 부정적인 피드백이 많을수록 상기 신뢰도가 낮아진다. 또한, 현재 행사에서 판매되는 제품에 대한 피드백이 많을수록 평점에 대한 반영 비율을 높이기 때문에, 상기 신뢰도가 보다 정확할 수 있다. 이로 인해, 피드백 메시지에 포함된 평점뿐만 아니라 피드백에 대한 텍스트를 기반으로 긍정적인 피드백과 부정적인 피드백을 반영하고, 거래가 이루어진 제품에 대한 비율을 반영함으로써, 참가 기업에 대한 신뢰도를 보다 효과적으로 결정할 수 있다.

단계 S304에서, 서버는 상기 참가 기업에 대한 신뢰도, 상기 참관 기업에 대한 신뢰도, 상기 참가 기업에 대한 정보, 상기 참관 기업에 대한 정보, 상기 제품에 대한 정보 및 상기 관심 분야에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 매칭 모델을 통해 상기 참가 기업과 상기 참관 기업 사이의 제1 매칭률을 결정할 수 있다.

예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보 및 정답 매칭률로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되는, 상기 매칭 모델이 생성될 수 있다.

단계 S305에서, 서버는 사전 설정된 행사 정보에 기반하여 상기 제1 매칭률을 제2 매칭률로 조정할 수 있다.

여기서, 사전 설정된 행사 정보는 상기 복수의 제2 행사에 대한 정보이다. 사전 설정된 행사 정보는 상기 서버에 대해 사전 입력될 수 있다. 예를 들어, 상기 사전 설정된 행사 정보는, 상기 복수의 제2 행사 각각에서, 참가 기업의 부스의 크기에 대한 정보, 참가 기업의 부스에 방문한 참관객의 수에 대한 정보, 참가 기업의 부스에 방문한 참관객의 체류 시간에 대한 정보, 참관 기업이 방문한 참가 기업의 부스의 개수에 대한 정보 및 거래가 체결된 참가 기업 및 참관 기업에 대한 정보를 포함할 수 있다. 예를 들어, 상기 참가 기업의 부스의 크기에 대한 정보는 상기 복수의 제2 행사 각각에서 참가 기업이 설치한 부스의 면적과 부스의 위치를 포함할 수 있다. 참가 기업의 부스에 방문한 참관객의 체류 시간에 대한 정보는 상기 복수의 제2 행사 각각에서 참가 기업의 부스에 방문한 참관객이 상기 참가 기업의 부스에 머무른 시간에 대한 정보이다. 참관 기업이 방문한 참가 기업의 부스의 개수에 대한 정보는 상기 복수의 제2 행사 각각에 대해 참관 기업이 하나의 제2 행사에서 방문한 참가 기업의 부스의 총 개수이다. 하나의 참관 기업에 대한 참관객이 복수인 경우, 참관 기업이 하나의 제2 행사에서 방문한 참가 기업의 부스의 총 개수는 하나의 제2 행사에서 각각의 참관객이 방문한 참가 기업의 부스들의 총 개수이다. 예를 들어, 거래가 체결된 참가 기업 및 참관 기업에 대한 정보는 거래가 체결된 기업의 명칭 및 거래가 체결된 참관 기업의 명칭을 포함할 수 있다.

상기 제2 매칭률은 하기 수학식 2에 의해 설정될 수 있다.

상기 수학식 2에서, 상기 m₂는 상기 제2 매칭률이고, 상기 n은 상기 제1 행사에 참가하는 참가 기업의 수이고, 상기 s는 매칭된 참가 기업의 부스의 평균 크기이고, 상기 si는 i번째 참가 기업의 부스의 평균 크기이고, 상기 t는 매칭된 참가 기업의 부스에 방문한 참관객의 평균 체류 시간이고, 상기 ti는 i번째 참가 기업의 부스에 방문한 참관객의 평균 체류 시간이고, 상기 v는 매칭된 참가 기업의 부스에 방문한 참관객의 평균 수이고, 상기 vi는 i번째 참가 기업의 부스에 방문한 참관객의 평균 수이고, 상기 k는 상기 제1 행사에 참관하는 참관 기업의 수이고, 상기 p는 매칭된 참관 기업이 방문한 참가 기업의 부스의 평균 개수이고, 상기 pj는 j번째 참관 기업이 방문한 참가 기업의 부스의 평균 개수이고, 상기 m₁은 상기 제1 매칭률이다.

예를 들어, 참가 기업과 참관 기업의 제1 매칭률에 대해, 매칭된 참가 기업의 부스의 평균 크기가 상기 복수의 제2 행사에서 참가 기업들의 부스들에 대한 평균 크기보다 크다면, 제1 매칭률이 보다 높게 조정될 수 있다. 예를 들어, 참가 기업과 참관 기업의 제1 매칭률에 대해, 참가 기업의 부스에 방문한 참관객의 평균 체류 시간이 상기 복수의 제2 행사에서 참가 기업들의 부스들에 방문한 참관객의 평균 체류 시간보다 크다면, 매칭률이 보다 높게 조정될 수 있다. 예를 들어, 참가 기업과 참관 기업의 제1 매칭률에 대해, 참가 기업의 부스에 방문한 참관객의 평균 수가 상기 복수의 제2 행사에서 참가 기업들의 부스들에 방문한 참관객의 평균 수보다 크다면, 매칭률이 보다 낮게 조정될 수 있다. 예를 들어, 참가 기업과 참관 기업의 제1 매칭률에 대해, 매칭된 참관 기업이 방문한 참가 기업의 부스의 평균 개수가 상기 복수의 제2 행사에서 참관 기업이 방문한 참가 기업의 부스의 평균 개수보다 크다면, 매칭률이 보다 낮게 조정될 수 있다. 즉, 이를 통해, 참가 기업에 대한 정보 및 참관 기업에 대한 정보 이외에 복수의 제2 행사와 관련된 다양한 변수들을 반영하여 상기 매칭률을 조정할 수 있다.

단계 S306에서, 서버는 상기 복수의 제1 단말 각각에게 상기 제2 매칭률이 사전 설정된 제1 비율 이상인 참관 기업에 대한 리스트 정보를 전송할 수 있다. 사전 설정된 제1 비율은 제1 단말과 관련된 참가 기업에 따라 상이하게 결정될 수 있다. 예를 들어, 상기 참관 기업에 대한 리스트 정보는 복수의 참관 기업에 대한 명칭, 복수의 참관 기업의 분야 또는 복수의 참관 기업과 제1 단말과 관련된 참가 기업 사이의 매칭률 중 적어도 하나를 포함할 수 있다.

단계 S307에서, 서버는 상기 복수의 제2 단말 각각에게 상기 제2 매칭률이 사전 설정된 제2 비율 이상인 참가 기업에 대한 리스트 정보를 전송할 수 있다. 사전 설정된 제2 비율은 제2 단말과 관련된 참관 기업에 따라 상이하게 결정될 수 있다. 예를 들어, 상기 참가 기업에 대한 리스트 정보는 복수의 참가 기업에 대한 명칭, 복수의 참가 기업의 분야, 복수의 참가 기업의 부스의 위치 또는 복수의 참가 기업과 제2 단말과 관련된 참관 기업 사이의 매칭률 중 적어도 하나를 포함할 수 있다.

일 실시예에 따라, 서버는 적어도 하나의 제1 단말로부터 제1 매칭 성공 메시지를 수신할 수 있다. 서버는 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말로부터 제2 매칭 성공 메시지를 수신할 수 있다. 여기서, 제1 매칭 성공 메시지는 거래가 체결된 참관 기업에 대한 정보 및 체결된 거래에 대한 정보를 포함할 수 있다. 여기서, 제2 매칭 성공 메시지는 거래가 체결된 참가 기업에 대한 정보 및 체결된 거래에 대한 정보를 포함할 수 있다. 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 서버는 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송할 수 있다. 상기 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보는 상기 적어도 하나의 제2 단말이 상기 제1 행사 이전의 복수의 제2 행사에서 수행한 거래에 대한 정보이다. 예를 들어, 상기 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보는 상기 적어도 하나의 제2 단말과 관련된 거래의 제품에 대한 정보, 상기 거래에 대한 피드백 메시지 정보를 포함할 수 있다.

상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 서버는 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 매칭된 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송할 수 있다. 상기 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보는 상기 적어도 하나의 제1 단말이 상기 제1 행사 이전의 복수의 제2 행사에서 수행한 거래에 대한 정보이다. 예를 들어, 상기 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보는 상기 적어도 하나의 제1 단말과 관련된 거래의 제품에 대한 정보, 상기 거래에 대한 피드백 메시지 정보를 포함할 수 있다.

상기 적어도 하나의 제1 단말과 관련된 참가 기업 및 상기 적어도 하나의 제2 단말과 관련된 참관 기업에 대한 정보가 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지에 기반하여 상기 매칭 모델의 학습 데이터로 결정될 수 있다.

서버는 상기 적어도 하나의 제1 단말로부터 상기 적어도 하나의 제2 단말에 대한 제1 피드백 메시지를 수신할 수 있다. 상기 제1 피드백 메시지에 기반하여, 서버는 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 관련된 행사에 대한 정보를 전송할 수 있다. 상기 적어도 하나의 제1 단말과 관련된 행사에 대한 정보는 상기 적어도 하나의 제1 단말과 관련된 참가 기업의 분야를 기반으로 결정된 행사에 대한 정보이다. 상기 행사에 대한 정보는 상기 제1 행사 이후에 수행될 예정인 복수의 행사에 대한 정보이다.

서버는 상기 적어도 하나의 제2 단말로부터 상기 적어도 하나의 제1 단말에 대한 제2 피드백 메시지를 수신할 수 있다. 상기 제2 피드백 메시지에 기반하여, 서버는 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 관련된 행사에 대한 정보를 전송할 수 있다. 상기 적어도 하나의 제2 단말과 관련된 행사에 대한 정보는 상기 적어도 하나의 제2 단말과 관련된 참가 기업의 분야를 기반으로 결정된 행사에 대한 정보이다. 상기 행사에 대한 정보는 상기 제1 행사 이후에 수행될 예정인 복수의 행사에 대한 정보이다. 이때, 상술한 행사의 분야를 n개의 분야로 분류한 것에 기반하여 적어도 하나의 제1 단말과 관련된 행사에 대한 정보 및 적어도 하나의 제2 단말과 관련된 행사에 대한 정보가 결정될 수 있다.

예를 들어, 상기 제1 피드백 메시지는 상기 적어도 하나의 제2 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함할 수 있다. 예를 들어, 상기 제2 피드백 메시지는 상기 적어도 하나의 제1 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함할 수 있다.

상기 제1 피드백 메시지에 대한 정보 및 상기 제2 피드백 메시지에 대한 정보는 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지에 기반하여 상기 매칭 모델의 학습 데이터로 결정될 수 있다.

부가적으로, 서버는 적어도 하나의 제1 단말로 또는 적어도 하나의 제2 단말 중 적어도 하나로부터 매칭 실패 메시지를 수신할 수 있다.

서버는 상기 적어도 하나의 제1 단말로부터 매칭 실패 메시지를 수신한 이후, 서버는 상기 사전 설정된 제1 비율 미만인 사전 설정된 제3 비율을 결정할 수 있다, 서버는 상기 제2 매칭률이 사전 설정된 제1 비율 미만이고 상기 사전 설정된 제3 비율 이상인 참관 기업에 대한 리스트 정보를 상기 적어도 하나의 제1 단말에게 전송할 수 있다.

서버는 상기 적어도 하나의 제2 단말로부터 매칭 실패 메시지를 수신한 이후, 서버는 상기 사전 설정된 제2 비율 미만인 사전 설정된 제4 비율을 결정할 수 있다, 서버는 상기 제2 매칭률이 사전 설정된 제2 비율 미만이고 상기 사전 설정된 제4 비율 이상인 참가 기업에 대한 리스트 정보를 상기 적어도 하나의 제2 단말에게 전송할 수 있다.

도 4는 일 실시예에 따른 서버가 사전 설정된 거래 내역에 대한 정보를 기반으로 참가 기업 또는 참관 기업에 대한 신뢰도 또는 평판을 결정하는 방법에 대한 도면이다. 도 4의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.

도 4를 참조하면, 단계 S401에서, 서버는 복수의 제1 단말 각각으로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신하고, 복수의 제2 단말 각각으로부터 상기 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신할 수 있다. 단계 S401은 상술한 도 3의 단계 S301와 단계 S302와 동일할 수 있다.

단계 S402에서, 서버는 사전 설정된 거래 내역에 대한 정보를 기반으로 복수의 제2 행사에서 거래를 체결한 기업들 중에서 제1 단말과 관련된 참가 기업 또는 제2 단말과 관련된 참관 기업 중 적어도 하나의 명칭과 동일한 명칭을 가진 기업이 존재하는지 여부를 결정할 수 있다. 사전 설정된 거래 내역에 대한 정보는 제1 행사 이전에 수행된 복수의 제2 행사에서 이루어진 참가 기업과 참관 기업 사이의 거래에 대한 정보이다. 예를 들어, 상기 사전 설정된 거래 내역에 대한 정보는 복수의 제2 행사에서 이루어진 거래와 관련된 판매자 및 구매자에 대한 정보, 상기 거래의 대상인 거래 제품에 대한 정보 및 상기 거래에 대한 피드백 메시지 정보를 포함할 수 있다. 복수의 제2 행사는 제1 행사의 분야와 동일 또는 유사한 분야에 해당하는 행사일 수 있다. 상기 제1 행사와 동일한 클러스터에 포함되는 제2 행사를 동일 또는 유사한 분야의 행사로 결정할 수 있다.

단계 S403에서, 제1 단말과 관련된 참가 기업 또는 제2 단말과 관련된 참관 기업 중 적어도 하나의 명칭과 동일한 명칭을 가진 기업이 존재하는 것으로 결정한 경우, 서버는 상기 동일한 명칭을 가진 기업이 복수의 제2 행사에서 이루어진 거래에서 판매자인지 여부를 결정할 수 있다.

단계 S404에서, 상기 동일한 명칭을 가진 기업이 복수의 제2 행사에서 이루어진 거래에서 판매자인 경우, 서버는 사전 설정된 거래 내역에 대한 정보에 기반하여 상기 동일한 명칭을 가진 기업에 대해 판매자인 경우에 대한 신뢰도를 결정할 수 있다. 단계 S404는 상기 단계 S303에 대한 설명과 같이 판매자인 경우에 대한 신뢰도를 결정할 수 있다. 서버는 상술한 수학식 1에 의해 판매자인 경우에 대한 신뢰도를 결정할 수 있다.

단계 S405에서, 상기 동일한 명칭을 가진 기업이 복수의 제2 행사에서 이루어진 거래에서 판매자가 아닌 경우, 서버는 사전 설정된 거래 내역에 대한 정보에 기반하여 상기 동일한 명칭을 가진 기업에 대해 구매자인 경우에 대한 신뢰도를 결정할 수 있다. 단계 S405는 상기 단계 S303에 대한 설명과 같이 구매자인 경우에 대한 신뢰도를 결정할 수 있다. 서버는 상술한 수학식 1에 의해 구매자인 경우에 대한 신뢰도를 결정할 수 있다.

단계 S406에서, 상기 동일한 명칭을 가진 기업이 존재하지 않는 경우, 서버는 제1 메시지에 포함된 참가 기업이 제1 행사 이전에 거래한 기업에 대한 정보 및 제2 메시지에 포함된 참관 기업이 제1 행사 이전에 거래한 기업에 대한 정보에 기반하여 상기 참가 기업 및 상기 참관 기업에 대해 상기 제1 행사 이전에 거래에서 판매자인지 여부를 결정할 수 있다. 예를 들어, 참가 기업이 제1 행사 이전에 거래한 기업에 대한 정보는 거래에 대한 정보, 거래한 기업의 명칭, 거래한 기업의 연락처 정보를 포함할 수 있다. 예를 들어, 참관 기업이 제1 행사 이전에 거래한 기업에 대한 정보는 거래 제품에 대한 정보, 거래한 기업의 명칭, 거래한 기업의 연락처 정보를 포함할 수 있다.

단계 S407에서, 상기 참가 기업 또는 상기 참관 기업 중 적어도 하나가 판매자인 경우, 서버는 상기 거래한 기업의 연락처 정보에 기반하여 평판 메시지를 요청하는 메시지를 상기 거래한 기업과 관련된 단말에게 전송하고, 상기 거래한 기업과 관련된 단말로부터 수신한 평판 메시지를 기반으로 상기 참가 기업 또는 상기 참관 기업 중 적어도 하나가 판매자인 경우에 대한 평판을 결정할 수 있다. 예를 들어, 평판 메시지는 평점 및 평판에 대한 텍스트 데이터를 포함할 수 있다.

상기 참가 기업 또는 상기 참관 기업 중 적어도 하나가 판매자인 경우, 서버는 제1 행사 이전의 거래들의 총 개수, 상기 평판 메시지들 중에서 상기 복수의 사전 설정된 제1 단어 중 어느 하나가 포함된 피드백 메시지의 개수, 상기 평판 메시지들 중에서 상기 복수의 사전 설정된 제2 단어 중 어느 하나가 포함된 메시지의 개수, 상기 제1 행사 이전의 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수, 상기 평판 메시지들에 포함된 평점들에 대한 평균 값을 기반으로 판매자인 경우에 대한 평판을 결정할 수 있다. 상기 평점은 0 초과 10 이하의 값일 수 있다. 서버는 하기 수학식 3에 의해 판매자인 경우에 대한 평판을 결정할 수 있다.

상기 수학식 3에서, 상기 L은 평판이고, 상기 n'_d는 제1 행사 이전의 거래들의 총 개수이고, 상기 n'_a는 상기 평판 메시지들 중에서 상기 복수의 사전 설정된 제1 단어 중 어느 하나가 포함된 피드백 메시지의 개수이고, 상기 n'_b는 상기 평판 메시지들 중에서 상기 복수의 사전 설정된 제2 단어 중 어느 하나가 포함된 메시지의 개수, 상기 n'_e는 상기 제1 행사 이전의 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수이고, 상기 G'는 상기 평판 메시지들에 포함된 평점들에 대한 평균 값이다.

단계 S408에서, 상기 참가 기업 또는 상기 참관 기업 중 적어도 하나가 구매자인 경우, 서버는 상기 거래한 기업의 연락처 정보에 기반하여 평판 메시지를 요청하는 메시지를 상기 거래한 기업과 관련된 단말에게 전송하고, 상기 거래한 기업과 관련된 단말로부터 수신한 평판 메시지를 기반으로 상기 참가 기업 또는 상기 참관 기업 중 적어도 하나가 구매자인 경우에 대한 평판을 결정할 수 있다. 예를 들어, 평판 메시지는 평점 및 평판에 대한 텍스트 데이터를 포함할 수 있다.

상기 참가 기업 또는 상기 참관 기업 중 적어도 하나가 구매자인 경우, 서버는 제1 행사 이전의 거래들의 총 개수, 상기 평판 메시지들 중에서 상기 복수의 사전 설정된 제1 단어 중 어느 하나가 포함된 피드백 메시지의 개수, 상기 평판 메시지들 중에서 상기 복수의 사전 설정된 제2 단어 중 어느 하나가 포함된 메시지의 개수, 상기 제1 행사 이전의 거래들 중에서 상기 제품과 동일한 거래 제품과 관련된 거래의 개수, 상기 평판 메시지들에 포함된 평점들에 대한 평균 값을 기반으로 구매자인 경우에 대한 평판을 결정할 수 있다. 상기 평점은 0 초과 10 이하의 값일 수 있다. 서버는 상기 수학식 3에 의해 구매자인 경우에 대한 평판을 결정할 수 있다.

단계 S409에서, 서버는 상기 참가 기업에 대한 신뢰도 또는 평판, 상기 참관 기업에 대한 신뢰도 또는 평판, 상기 참가 기업에 대한 정보, 상기 참관 기업에 대한 정보, 상기 제품에 대한 정보 및 상기 관심 분야에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 매칭 모델을 통해 상기 참가 기업과 상기 참관 기업 사이의 제1 매칭률을 결정할 수 있다.

참가 기업 또는 참관 기업 중 적어도 하나와 동일한 명칭을 가진 기업이 사전 설정된 거래 내역 정보에 존재하는지 여부에 따라 상기 참가 기업 또는 참관 기업 중 적어도 하나에 대한 신뢰도 또는 평판을 제1 매칭률을 결정하기 위한 데이터로 사용할지 여부가 결정될 수 있다. 즉, 사전 설정된 거래 내역 정보에 포함된 경우에는 신뢰도가 데이터로서 사용되고, 사전 설정된 거래 내역 정보에 포함되지 않은 경우에는 평판이 데이터로서 사용될 수 있다. 이로 인해, 서버는 사전 설정된 거래 내역 정보를 사용하지 못하는 경우에도, 참가 기업 또는 참관 기업에 대한 평판을 이용하여 매칭률을 결정할 수 있다.

도 5는 일 실시예에 따른 서버가 참가 기업에 대한 리스트 정보 및 참관 기업에 대한 리스트 정보를 전송하는 방법에 대한 도면이다. 도 5의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.

도 5를 참조하면, 단계 S501에서, 서버는 사전 설정된 행사 정보에 기반하여 참가 기업과 참관 기업 사이의 제1 매칭률을 제2 매칭률로 조정할 수 있다. 예를 들어, 상기 사전 설정된 행사 정보는, 상기 복수의 제2 행사 각각에서, 참가 기업의 부스의 크기에 대한 정보, 참가 기업의 부스에 방문한 참관객의 수에 대한 정보, 참가 기업의 부스에 방문한 참관객의 체류 시간에 대한 정보, 참관 기업이 방문한 참가 기업의 부스의 개수에 대한 정보 및 거래가 체결된 참가 기업 및 참관 기업에 대한 정보를 포함할 수 있다. 예를 들어, 상기 참가 기업의 부스의 크기에 대한 정보는 상기 복수의 제2 행사 각각에서 참가 기업이 설치한 부스의 면적과 부스의 위치를 포함할 수 있다. 상기 제2 매칭률은 상기 수학식 2에 의해 설정될 수 있다.

단계 S502에서, 서버는 참가 기업과 참관 기업 사이의 제2 매칭률이 사전 설정된 제1 비율 이상인지 여부를 결정할 수 있다. 서버는 복수의 제2 단말과 관련된 참관 기업 중에서 제1 단말에 대한 제2 매칭률이 사전 설정된 제1 비율 이상인 참관 기업을 결정할 수 있다. 사전 설정된 제1 비율은 제1 단말과 관련된 참가 기업의 신뢰도 또는 평판에 기반하여 결정될 수 있다. 사전 설정된 제1 비율은 제1 단말과 관련된 참가 기업의 신뢰도 또는 평판에 따라 상이할 수 있다. 사전 설정된 제1 비율은 제1 단말과 관련된 참가 기업의 신뢰도 또는 평판이 높을수록 사전 설정된 제1 비율이 큰 값을 가지도록 결정될 수 있다.

단계 S503에서, 서버는 사전 설정된 제1 비율 이상인 참관 기업을 참관 기업에 대한 리스트 정보에 포함시킬 수 있다.

예를 들어, 제1 단말과 관련된 참가 기업에 대해 매칭된 참관 기업이 A 기업, B 기업, C 기업이고, A 기업에 대한 제2 매칭률이 60%, B 기업에 대한 제2 매칭률이 40%, C 기업에 대한 제2 매칭률이 50%일 수 있다. 이때, 사전 설정된 제1 비율이 50%인 경우, 서버는 제1 단말과 관련된 참가 기업에 대해 사전 설정된 제1 비율 이상인 제2 매칭률을 가진 참관 기업을 A 기업과 C 기업을 결정할 수 있고, 상기 A 기업과 C 기업이 포함된 참관 기업에 대한 리스트 정보를 제1 단말에게 전송할 수 있다. 예를 들어, 참관 기업에 대한 리스트 정보는 A 기업 및 C 기업의 명칭, 상기 A 기업 및 C 기업의 분야, 상기 A 기업 및 C 기업의 제2 매칭률, 상기 A 기업 및 C 기업의 방문 예정 시간을 포함할 수 있다.

단계 S504에서, 서버는 참관 기업에 대한 리스트 정보에 포함된 참관 기업의 개수가 사전 설정된 제1 개수 미만인지 여부를 결정할 수 있다. 사전 설정된 제1 개수는 하기 수학식 4에 의해 설정될 수 있다.

상기 수학식 4에서, 상기 N_v는 상기 사전 설정된 제1 개수이고, 상기 n은 상기 제1 행사에 참가하는 참가 기업의 수이고, 상기 s_p는 매칭된 참가 기업이 제1 메시지를 통해 신청한 매칭된 참가 기업의 부스의 크기이고, 상기 s_q는 q번째 참가 기업이 제1 메시지를 통해 신청한 q번째 참가 기업의 부스의 크기이고, 상기 z는 매칭된 참가 기업이 제1 메시지를 통해 신청한 매칭된 참가 기업의 부스의 위치와 관련된 값이고, 상기 n_s는 상기 제1 행사에서 매칭된 참가 기업의 제품이 포함된 관심 분야를 가진 참관 기업의 개수, 상기 k는 제1 행사에 참관하는 참관 기업의 개수이다. 여기서, max 함수 및 floor 함수로 인해 k/3의 반 내림 값이 사전 설정된 제1 개수의 최대 값이다. 참가 기업이 제1 메시지를 통해 신청한 참가 기업의 부스의 위치와 관련된 값은 상기 제1 행사에 설치된 각 참가 기업의 부스의 위치에 따라 설정된 중요도 값이다. 참가 기업이 제1 메시지를 통해 신청한 참가 기업의 부스의 위치와 관련된 값은 0에서 2 사이의 값일 수 있다. 참관객이 밀집될 것으로 예상되는 지역에 위치한 참가 기업의 부스는 참가 기업의 부스의 위치와 관련된 값이 클 수 있다.

매칭된 참가 기업의 부스의 크기가 크고, 매칭된 참가 기업의 부스의 위치가 참관객이 밀집될 가능성이 높을수록, 사전 설정된 제1 개수가 증가하므로, 더 많은 수의 참관 기업에 대한 매칭률이 상기 매칭된 참가 기업과 관련된 제1 단말에게 전송될 수 있다. 이로 인해, 제1 행사에 대한 정보를 반영하여 상기 제1 단말에게 적절한 개수의 참관 기업에 대한 매칭률을 제공할 수 있다.

단계 S505에서, 참관 기업의 개수가 사전 설정된 제1 개수 미만인 경우, 서버는 상기 사전 설정된 제1 개수의 참관 기업이 결정될 때까지, 상기 사전 설정된 제1 비율을 감소시킬 수 있다. 단계 S506에서, 서버는 사전 설정된 제1 개수만큼 참관 기업을 결정할 수 있다. 단계 S507에서, 서버는 사전 설정된 제1 개수의 참관 기업을 포함하는 참관 기업에 대한 리스트 정보를 제1 단말에게 전송할 수 있다.

단계 S508에서, 제1 단말과 관련된 참가 기업에 대한 제2 매칭률이 모두 사전 설정된 제1 비율 미만인 경우, 서버는 사전 설정된 제1 비율을 감소킬 수 있다. 이후, 서버는 단계 S502를 수행할 수 있다.

단계 S512에서, 서버는 참가 기업과 참관 기업 사이의 제2 매칭률이 사전 설정된 제2 비율 이상인지 여부를 결정할 수 있다. 서버는 복수의 제1 단말과 관련된 참가 기업 중에서 제2 단말에 대한 제2 매칭률이 사전 설정된 제2 비율 이상인 참관 기업을 결정할 수 있다. 사전 설정된 제2 비율은 제2 단말과 관련된 참관 기업의 신뢰도 또는 평판에 기반하여 결정될 수 있다. 사전 설정된 제2 비율은 제2 단말과 관련된 참관 기업의 신뢰도 또는 평판에 따라 상이할 수 있다. 사전 설정된 제2 비율은 제2 단말과 관련된 참가 기업의 신뢰도 또는 평판이 높을수록 사전 설정된 제2 비율이 큰 값을 가지도록 결정될 수 있다.

단계 S513에서, 서버는 사전 설정된 제2 비율 이상인 참가 기업을 참가 기업에 대한 리스트 정보에 포함시킬 수 있다.

예를 들어, 제2 단말과 관련된 참관 기업에 대해 매칭된 참가 기업이 D 기업, E 기업, F 기업이고, D 기업에 대한 제2 매칭률이 40%, E 기업에 대한 제2 매칭률이 50%, F 기업에 대한 제2 매칭률이 60%일 수 있다. 이때, 사전 설정된 제2 비율이 40%인 경우, 서버는 제2 단말과 관련된 참관 기업에 대해 사전 설정된 제2 비율 이상인 제2 매칭률을 가진 참가 기업을 E 기업과 F 기업을 결정할 수 있고, 상기 E 기업과 F 기업이 포함된 참가 기업에 대한 리스트 정보를 제2 단말에게 전송할 수 있다. 예를 들어, 참가 기업에 대한 리스트 정보는 E 기업 및 F 기업의 명칭, 상기 E 기업 및 F 기업의 분야, 상기 E 기업 및 F 기업의 제2 매칭률, 상기 E 기업 및 F 기업의 부스의 위치를 포함할 수 있다.

단계 S514에서, 서버는 참가 기업에 대한 리스트 정보에 포함된 참가 기업의 개수가 사전 설정된 제2 개수 미만인지 여부를 결정할 수 있다. 사전 설정된 제2 개수는 하기 수학식 5에 의해 설정될 수 있다.

상기 수학식 5에서, 상기 N_v는 상기 사전 설정된 제2 개수이고, 상기 k는 상기 제1 행사에 참관하는 참관 기업의 수이고, 상기 v_p는 매칭된 참관 기업이 제2 메시지를 통해 신청한 참관객의 수이고, 상기 v_q는 q번째 참관 기업이 제2 메시지를 통해 신청한 참관객의 수이고, 상기 n_x는 상기 제1 행사에서 매칭된 참관 기업의 관심 분야에 포함되는 제품을 가진 참가 기업의 개수, 상기 n은 제1 행사에 참가하는 참가 기업의 개수이다. 여기서, max 함수 및 floor 함수로 인해 n/3의 반 내림 값이 사전 설정된 제2 개수의 최대 값일 수 있다.

매칭된 참관 기업과 관련된 참관객의 수가 클수록 사전 설정된 제2 개수가 증가하므로, 더 많은 수의 참가 기업에 대한 매칭률이 상기 매칭된 참관 기업과 관련된 제2 단말에게 전송될 수 있다. 이로 인해, 제1 행사에 대한 정보를 반영하여 상기 제2 단말에게 적절한 개수의 참가 기업에 대한 매칭률을 제공할 수 있다.

단계 S515에서, 참가 기업의 개수가 사전 설정된 제2 개수 미만인 경우, 서버는 상기 사전 설정된 제2 개수의 참가 기업이 결정될 때까지, 상기 사전 설정된 제2 비율을 감소시킬 수 있다. 단계 S516에서, 서버는 사전 설정된 제2 개수만큼 참가 기업을 결정할 수 있다. 단계 S517에서, 서버는 사전 설정된 제2 개수의 참가 기업을 포함하는 참가 기업에 대한 리스트 정보를 제2 단말에게 전송할 수 있다.

단계 S518에서, 제2 단말과 관련된 참관 기업에 대한 제2 매칭률이 모두 사전 설정된 제2 비율 미만인 경우, 서버는 사전 설정된 제2 비율을 감소시킬 수 있다. 이후, 서버는 단계 S512를 수행할 수 있다.

도 6은 일 실시예에 따른 서버가 피드백 메시지를 반영하는 방법에 대한 도면이다. 도 6의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.

도 6을 참조하면, 단계 S601에서, 서버는 제1 매칭 성공 메시지 및 제2 매칭 성공 메시지의 수신 여부를 결정할 수 있다. 서버는 적어도 하나의 제1 단말로부터 제1 매칭 성공 메시지를 수신하고, 적어도 하나의 제2 단말로부터 제2 매칭 성공 메시지를 수신할 수 있다.

단계 S602에서, 제1 매칭 성공 메시지 및 제2 매칭 성공 메시지의 수신에 기반하여, 서버는 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송할 수 있고, 서버는 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 매칭된 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송할 수 있다.

상기 적어도 하나의 제1 단말과 관련된 참가 기업 및 상기 적어도 하나의 제2 단말과 관련된 참관 기업에 대한 정보가 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지에 기반하여 상기 매칭 모델의 학습 데이터로 결정될 수 있다.

단계 S603에서, 서버는 제1 피드백 메시지 또는 제2 피드백 메시지의 수신 여부를 결정할 수 있다. 서버는 적어도 하나의 제1 단말로부터 상기 적어도 하나의 제2 단말에 대한 제1 피드백 메시지를 수신하거나 적어도 하나의 제2 단말로부터 상기 적어도 하나의 제1 단말에 대한 제2 피드백 메시지를 수신할 수 있다.

단계 S604에서, 적어도 하나의 제1 단말로부터 상기 적어도 하나의 제2 단말에 대한 제1 피드백 메시지를 수신한 경우, 서버는 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 관련된 행사에 대한 정보를 전송할 수 있다. 적어도 하나의 제2 단말로부터 상기 적어도 하나의 제1 단말에 대한 제2 피드백 메시지를 수신한 경우, 서버는 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 관련된 행사에 대한 정보를 전송할 수 있다.

단계 S605에서, 서버는 상기 제1 매칭 성공 메시지 또는 상기 제2 매칭 성공 메시지를 상기 매칭 모델의 학습 데이터로 반영할 수 있다.

단계 S606에서, 사전 설정된 시간 동안 제1 매칭 성공 메시지 및 제2 매칭 성공 메시지를 수신하지 못한 경우, 서버는 현재 날짜가 사전 설정된 기간 내인지 여부를 결정할 수 있다. 제1 매칭 성공 메시지만을 수신한 경우, 서버는 제2 매칭 성공 메시지를 요청하는 메시지를 상기 제1 매칭 성공 매시지에 포함된 참관 기업과 관련된 제2 단말에게 전송할 수 있다. 제2 매칭 성공 메시지만을 수신한 경우, 서버는 제1 매칭 성공 메시지를 요청하는 메시지를 상기 제2 매칭 성공 매시지에 포함된 참관 기업과 관련된 제2 단말에게 전송할 수 있다.

또는, 적어도 하나의 제1 단말 또는 적어도 하나의 제2 단말로부터 매칭 실패 메시지를 수신한 경우, 서버는 사전 설정된 시간 동안 제1 매칭 성공 메시지 및 제2 매칭 성공 메시지를 수신하지 못한 것으로 결정할 수 다.

사전 설정된 시간은 상기 참가 기업에 대한 리스트 정보 또는 상기 참관 기업에 대한 리스트 정보를 전송한 시점 이후부터의 시간이다. 사전 설정된 시간은 상기 서버에 사전 입력될 수 있다. 사전 설정된 기간은 상기 제1 행사에 대한 진행 기간일 수 있다.

단계 S607에서, 사전 설정된 기간 이내인 경우, 서버는 사전 설정된 제1 비율 또는 사전 설정된 제2 비율 중 적어도 하나를 감소시킬 수 있다. 사전 설정된 시간 동안 제1 매칭 성공 메시지 및 제2 매칭 성공 메시지를 수신하지 못한 경우, 서버는 사전 설정된 제1 비율 및 사전 설정된 제2 비율을 감소시킬 수 있다. 매칭 실패 메시지를 수신한 경우, 매칭 실패 메시지를 전송한 제1 단말이면, 서버는 사전 설정된 제1 비율을 감소시킬 수 있다. 매칭 실패 메시지를 수신한 경우, 매칭 실패 메시지를 전송한 제2 단말이면, 서버는 사전 설정된 제2 비율을 감소시킬 수 있다.

단계 S608에서, 서버는 참가 기업에 대한 리스트 정보 또는 참관 기업에 대한 리스트 정보 중 적어도 하나를 전송할 수 있다. 사전 설정된 제1 비율을 감소시킨 경우, 서버는 감소된 사전 설정된 제1 비율 이상인 제2 매칭율을 가진 참관 기업을 포함하는 새로운 참관 기업에 대한 리스트 정보를 적어도 하나의 제1 단말에게 전송할 수 있다. 이때, 이전에 전송된 참관 기업은 새로운 참관 기업에 대한 리스트 정보에서 제외될 수 있다. 사전 설정된 제2 비율을 감소시킨 경우, 서버는 감소된 사전 설정된 제2 비율 이상인 제2 매칭율을 가진 참가 기업을 포함하는 새로운 참가 기업에 대한 리스트 정보를 적어도 하나의 제2 단말에게 전송할 수 있다. 이때, 이전에 전송된 참가 기업은 새로운 참가 기업에 대한 리스트 정보에서 제외될 수 있다.

도 7은 일 실시예에 따른 뉴럴 네트워크를 이용하는 매칭 모델에 대한 예이다. 도 7의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.

도 7을 참조하면, 뉴럴 네트워크는 입력 레이어(710), 하나 이상의 히든 레이어(720) 및 출력 레이어(730)를 포함할 수 있다. 복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보 및 정답 매칭률로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어(710)에 입력되어 상기 하나 이상의 히든 레이어(720) 및 출력 레이어(730)를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어(730)에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되는, 상기 매칭 모델이 생성될 수 있다.

서버는 복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보에 대한 데이터 전처리를 수행할 수 있다. 서버는 복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 매출액, 직원 수, 특허 수 및 제품 코드, 복수의 참관 기업에 대한 매출액, 직원 수, 특허 수 및 관심 제품 코드에 기반하여 데이터 전처리를 수행할 수 있다. 즉, 서버는 복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 제품에 대한 정보를 기반으로, 데이터 전처리를 통해 [참가 기업에 대한 신뢰도, 참가 기업에 대한 매출액, 참가 기업에 대한 직원 수, 참가 기업에 대한 특허 수, 참가 기업에 대한 제품 코드를 변환한 값]로 이루어진 제1 입력 벡터와 [참관 기업에 대한 신뢰도, 참관 기업에 대한 매출액, 참관 기업에 대한 직원 수, 참관 기업에 대한 특허 수, 참관 기업에 대한 관심 제품 코드를 변환한 값]로 구성된 제2 입력 벡터를 생성할 수 있다. 그리고, 상기 제1 입력 벡터와 상기 제2 입력 벡터와 관련된 매칭률 값과 정답 매칭률 벡터 값을 비교하는 손실함수를 이용하여 손실 값이 출력되고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습될 수 있다. 예를 들어, 제품 코드 및 관심 제품 코드가 니스 국제상품분류 코드인 경우, 코드를 변환한 값은 류구분에 따른 값으로, 1부터 45 까지의 값을 가질 수 있다. 예를 들어, 제품 코드 및 관심 제품 코드가 HS 코드인 경우, 코드를 변환한 값은 HS 코드의 가장 앞의 두 자리 숫자 값으로, 1부터 97 까지의 값을 가질 수 있다.

또는, 복수의 참가 기업에 대한 신뢰도 및 평판, 복수의 참관 기업에 대한 신뢰도 및 평판, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보 및 정답 매칭률로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어(710)에 입력되어 상기 하나 이상의 히든 레이어(720) 및 출력 레이어(730)를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어(730)에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되는, 상기 매칭 모델이 생성될 수 있다.

서버는 복수의 참가 기업에 대한 신뢰도 및 평판, 복수의 참관 기업에 대한 신뢰도 및 평판, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보를 기반으로, 데이터 전처리를 통해 [참가 기업에 대한 신뢰도, 참가 기업에 대한 평판, 참가 기업에 대한 매출액, 참가 기업에 대한 직원 수, 참가 기업에 대한 특허 수, 참가 기업에 대한 제품 코드를 변환한 값]로 이루어진 제1 입력 벡터와 [참관 기업에 대한 신뢰도, 참관 기업에 대한 평판, 참관 기업에 대한 매출액, 참관 기업에 대한 직원 수, 참관 기업에 대한 특허 수, 참관 기업에 대한 관심 제품 코드를 변환한 값]로 구성된 제2 입력 벡터를 생성할 수 있다. 그리고, 상기 제1 입력 벡터와 상기 제2 입력 벡터와 관련된 매칭률 값과 정답 매칭률 벡터 값을 비교하는 손실함수를 이용하여 손실 값이 출력되고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습될 수 있다.

도 8은 일 실시예에 따른 서버가 단말과 관련된 행사에 대한 정보를 전송하는 절차를 나타낸 신호교환도이다. 도 8의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.

도 8을 참조하면, 단계 S810에서, 서버는 제1 단말-a 및 제1 단말-b로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신할 수 있다. 단계 S820에서, 서버는 제2 단말-a 및 제2 단말-b로부터 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신할 수 있다.

단계 S830에서, 서버는 상기 제1 메시지, 상기 제2 메시지, 사전 설정된 거래 내역에 대한 정보 및 사전 설정된 행사에 대한 정보에 기반하여 매칭률을 결정할 수 있다. 여기서, 매칭률은 상술한 제1 매칭률이 조정된 제2 매칭률이다.

단계 S840에서, 서버는 참관 기업에 대한 리스트 정보를 제1 단말-a 및 제1 단말-b에게 전송할 수 있다. 단계 S850에서, 서버는 참가 기업에 대한 리스트 정보를 제2 단말-a 및 제2 단말-b에게 전송할 수 있다.

제1 단말-a과 관련된 참가 기업 A와 제2 단말-a와 관련된 참관 기업 C의 매칭률은 20%, 상기 참가 기업 A와 제2 단말-b와 관련된 참관 기업 D의 매칭률은 50%, 제1 단말-b과 관련된 참가 기업 B와 상기 참관 기업 C의 매칭률은 40%, 상기 참가 기업 B와 상기 참관 기업 D의 매칭률은 30%로 결정될 수 있다. 이때, 제1 단말-a에게 전송된 참관 기업에 대한 리스트 정보는 사전 설정된 제1 비율(예: 30%)이상인 참관 기업 D에 대한 정보일 수 있다. 이때, 제1 단말-b에게 전송된 참관 기업에 대한 리스트 정보는 사전 설정된 제1 비율(예: 35%)이상인 참관 기업 C에 대한 정보일 수 있다. 이때, 제2 단말-a에게 전송된 참가 기업에 대한 리스트 정보는 사전 설정된 제2 비율(예: 35%)이상인 참가 기업 B에 대한 정보일 수 있다. 이때, 제2 단말-b에게 전송된 참관 기업에 대한 리스트 정보는 사전 설정된 제2 비율(예: 40%)이상인 참관 기업 A에 대한 정보일 수 있다.

단계 S860에서, 서버는 제1 단말-a 및 제2 단말-a로부터 제1 매칭 성공 메시지 및 제2 성공 메시지를 수신할 수 있다. 즉, 상기 참가 기업에 대한 리스트 정보 또는 상기 참관 기업에 대한 리스트 정보에 포함되지 않아도, 매칭이 성공되는 경우, 매칭 성공 메시지를 수신할 수 있다.

단계 S870에서, 제1 매칭 성공 메시지 및 제2 성공 메시지를 수신한 것에 기반하여, 서버는 제1 단말-a에게 상기 제2 단말-a와 관련된 사전 설정된 거래 내역 정보를 전송할 수 있고, 서버는 제2 단말-a에게 상기 제1 단말-a와 관련된 사전 설정된 거래 내역 정보를 전송할 수 있다.

단계 S880에서, 서버는 제1 단말-a로부터 제1 피드백 메시지를 수신할 수 있고, 제2 단말-a로부터 제2 피드백 메시지를 수신할 수 있다.

단계 S890에서, 상기 제1 피드백 메시지의 수신에 기반하여, 서버는 제1 단말-a에게 제1 단말-a과 관련된 행사에 대한 정보를 전송할 수 있고, 상기 제2 피드백 메시지의 수신에 기반하여, 서버는 제2 단말-a에게 제2 단말-a과 관련된 행사에 대한 정보를 전송할 수 있다. 제1 단말-a과 관련된 행사에 대한 정보는 제1 단말-a과 관련된 참가 기업의 분야를 기반으로 결정된 행사에 대한 정보일 수 있다. 제2 단말-a과 관련된 행사에 대한 정보는 제2 단말-a과 관련된 참관 기업의 분야를 기반으로 결정된 행사에 대한 정보일 수 있다.

도 9는 일 실시예에 따른 참가 기업에 대한 리스트 정보가 디스플레이된 화면 및 참관 기업에 대한 리스트 정보가 디스플레이된 화면에 대한 예이다. 도 9의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.

도 9를 참조하면, 인터페이스 정보에 기반하여 상술한 참가 기업에 대한 리스트 정보에 대한 화면(910)이 제2 단말에 대해 디스플레이될 수 있다. 예를 들어, 참가 기업에 대한 리스트 정보가 디스플레이된 화면(910)은 매칭률의 순위, 업체명, 매칭된 기업의 분야, 매칭률 및 매칭된 기업의 부스의 위치를 포함할 수 있다. 상기 인터페이스 정보는 상기 서버로부터 복수의 제1 단말 및 복수의 제2 단말에게 전송될 수 있다. 상기 인터페이스 정보는 상기 서버에 사전 입력될 수 있다.

인터페이스 정보에 기반하여 상술한 참관 기업에 대한 리스트 정보에 대한 화면(920)이 제1 단말에 대해 디스플레이될 수 있다. 예를 들어, 참관 기업에 대한 리스트 정보가 디스플레이된 화면(920)은 매칭률의 순위, 업체명, 매칭된 기업의 분야, 매칭률 및 매칭된 기업의 방문 예정 시간을 포함할 수 있다.

상술한 참가 기업에 대한 리스트 정보가 디스플레이된 화면 및 참관 기업에 대한 리스트 정보가 디스플레이된 화면은 하나의 예이며, 다양한 화면이 구성될 수 있고, 상기 도 9에 한정되지 않는다.

도 10은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다. 도 10의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.

도 10에 도시된 바와 같이, 서버(1000)는 프로세서(1010), 통신부(1020) 및 메모리(1030)를 포함할 수 있다. 그러나, 도 10에 도시된 구성 요소 모두가 서버(1000)의 필수 구성 요소인 것은 아니다. 도 10에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(1000)가 구현될 수도 있고, 도 10에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(1000)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(1000)는 프로세서(1010), 통신부(1020) 및 메모리(1030) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.

프로세서(1010)는, 통상적으로 서버(1000)의 전반적인 동작을 제어한다. 프로세서(1010)는 하나 이상의 프로세서를 구비하여, 서버(1000)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(1010)는, 메모리(1030)에 저장된 프로그램들을 실행함으로써, 통신부(1020) 및 메모리(1030) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1010)는 메모리(1030)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 9에 기재된 서버(1000)의 기능을 수행할 수 있다.

일 실시예에 따라, 프로세서(1010)는 통신부(1020)를 통해 복수의 제1 단말 각각으로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신할 수 있다. 예를 들어, 제1 메시지는 제1 단말과 관련된 참가 기업에 대한 정보 및 제품에 대한 정보를 포함할 수 있다. 프로세서(1010)는 통신부(1020)를 통해 복수의 제2 단말 각각으로부터 상기 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신할 수 있다. 예를 들어, 제2 메시지는 제2 단말과 관련된 참관객에 대한 개인 정보, 제2 단말과 관련된 참관 기업에 대한 정보 및 관심 분야에 대한 정보를 포함할 수 있다.

프로세서(1010)는 메모리(1030)를 통해 사전 설정된 거래 내역에 대한 정보에 기반하여 상기 참가 기업에 대한 신뢰도 및 상기 참관 기업에 대한 신뢰도를 결정할 수 있다. 예를 들어, 사전 설정된 거래 내역에 대한 정보는 복수의 제2 행사에서 이루어진 거래와 관련된 판매자 및 구매자에 대한 정보, 상기 거래의 대상인 거래 제품에 대한 정보 및 상기 거래에 대한 피드백 메시지 정보를 포함할 수 있다.

프로세서(1010)는 메모리(1030)를 통해 상기 참가 기업에 대한 신뢰도, 상기 참관 기업에 대한 신뢰도, 상기 참가 기업에 대한 정보, 상기 참관 기업에 대한 정보, 상기 제품에 대한 정보 및 상기 관심 분야에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 매칭 모델을 통해 상기 참가 기업과 상기 참관 기업 사이의 제1 매칭률을 결정할 수 있다.

프로세서(1010)는 메모리(1030)를 통해 사전 설정된 행사 정보에 기반하여 상기 제1 매칭률을 제2 매칭률로 조정할 수 있다.

프로세서(1010)는 통신부(1020)를 통해 상기 복수의 제1 단말 각각에게 상기 제2 매칭률이 사전 설정된 제1 비율 이상인 참관 기업에 대한 리스트 정보를 전송할 수 있다. 프로세서(1010)는 통신부(1020)를 통해 상기 복수의 제2 단말 각각에게 상기 제2 매칭률이 사전 설정된 제2 비율 이상인 참가 기업에 대한 리스트 정보를 전송할 수 있다.

예를 들어, 사전 설정된 행사 정보는, 상기 복수의 제2 행사 각각에서, 참가 기업의 부스의 크기에 대한 정보, 참가 기업의 부스에 방문한 참관객의 수에 대한 정보, 참가 기업의 부스에 방문한 참관객의 체류 시간에 대한 정보, 참관 기업이 방문한 참가 기업의 부스의 개수에 대한 정보 및 거래가 체결된 참가 기업 및 참관 기업에 대한 정보를 포함할 수 있다.

프로세서(1010)는 메모리(1030)를 통해 상기 제2 매칭률을 상술한 수학식2를 통해 설정할 수 있다.

일 실시예에 따라, 프로세서(1010)는 통신부(1020)를 통해 적어도 하나의 제1 단말로부터 제1 매칭 성공 메시지를 수신할 수 있다. 프로세서(1010)는 통신부(1020)를 통해 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말로부터 제2 매칭 성공 메시지를 수신할 수 있다. 프로세서(1010)는 통신부(1020) 및 메모리(1030)를 통해 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송할 수 있다. 프로세서(1010)는 통신부(1020) 및 메모리(1030)를 통해 상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 매칭된 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송할 수 있다.

프로세서(1010)는 통신부(1020)를 통해 상기 적어도 하나의 제1 단말로부터 상기 적어도 하나의 제2 단말에 대한 제1 피드백 메시지를 수신할 수 있다. 프로세서(1010)는 통신부(1020) 및 메모리(1030)를 통해 상기 제1 피드백 메시지에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 관련된 행사에 대한 정보를 전송할 수 있다. 프로세서(1010)는 통신부(1020)를 통해 상기 적어도 하나의 제2 단말로부터 상기 적어도 하나의 제1 단말에 대한 제2 피드백 메시지를 수신할 수 있다. 프로세서(1010)는 통신부(1020) 및 메모리(1030)를 통해 상기 제2 피드백 메시지에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 관련된 행사에 대한 정보를 전송할 수 있다. 예를 들어, 상기 제1 피드백 메시지는 상기 적어도 하나의 제2 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함할 수 있다. 예를 들어, 상기 제2 피드백 메시지는 상기 적어도 하나의 제1 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함할 수 있다.

예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다.

프로세서(1010)는 메모리(1030)를 통해 복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보 및 정답 매칭률로 구성된 각각의 학습 데이터를 상기 뉴럴 네트워크의 상기 입력 레이어에 입력시켜 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력시킬 수 있다. 프로세서(1010)는 메모리(1030)를 통해 상기 출력 벡터를 상기 출력 레이어에 연결된 손실함수 레이어에 입력시키고, 프로세서(1010)는 메모리(1030)를 통해 상기 손실함수 레이어를 통해 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터가 상기 손실 값이 작아지는 방향으로 학습되는, 상기 매칭 모델을 생성할 수 있다.

통신부(1020)는, 서버(1000)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(1020)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.

통신부(1020)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(1020)는 프로세서(1010)에서 생성된 정보를 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(1020)는 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(1020)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.

메모리(1030)는, 프로세서(1010)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(1030)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(1030)는 프로세서(1010)에서 생성된 데이터를 저장할 수 있다. 예를 들어, 메모리(1030)는 프로세서(1010)가 생성한 참가 기업에 대한 신뢰도, 참관 기업에 대한 신뢰도, 제1 매칭률, 제2 매칭률, 참관 기업에 대한 리스트 정보, 참가 기업에 대한 리스트 정보, 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말과 관련된 사전 설정된 거래 내역에 대한 정보, 적어도 하나의 제2 단말과 매칭된 적어도 하나의 제1 단말과 관련된 사전 설정된 거래 내역에 대한 정보, 적어도 하나의 제1 단말과 관련된 행사에 대한 정보 및 적어도 하나의 제2 단말과 관련된 행사에 대한 정보를 저장할 수 있다. 메모리(1030)는 서버(1000)로 입력되거나 서버(1000)로부터 출력되는 정보를 저장할 수도 있다. 예를 들어, 메모리(1030)는 사전 설정된 거래 내역에 대한 정보, 사전 설정된 행사 정보, 사전 설정된 제1 비율 내지 제4 비율, 복수의 사전 설정된 제1 단어, 복수의 사전 설정된 제2 단어, 사전 설정된 제1 개수, 사전 설정된 제2 개수, 상품 분류 코드 또는 서비스 분류 코드에 대한 정보를 저장할 수 있다.

메모리(1030)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (12)

1. 뉴럴 네트워크(neural network)를 이용하여 서버가 참가 기업과 참관 기업 사이의 매칭률에 대한 정보를 제공하는 방법에 있어서,
   복수의 제1 단말 각각으로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신하는 단계;
   상기 제1 메시지는 제1 단말과 관련된 참가 기업에 대한 정보 및 제품에 대한 정보를 포함하고,
   복수의 제2 단말 각각으로부터 상기 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신하는 단계;
   상기 제2 메시지는 제2 단말과 관련된 참관객에 대한 개인 정보, 제2 단말과 관련된 참관 기업에 대한 정보 및 관심 분야에 대한 정보를 포함하고,
   사전 설정된 거래 내역에 대한 정보에 기반하여 상기 참가 기업에 대한 신뢰도 및 상기 참관 기업에 대한 신뢰도를 결정하는 단계;
   상기 사전 설정된 거래 내역에 대한 정보는 복수의 제2 행사에서 이루어진 거래와 관련된 판매자 및 구매자에 대한 정보, 상기 거래의 대상인 거래 제품에 대한 정보 및 상기 거래에 대한 피드백 메시지 정보를 포함하고,
   상기 참가 기업에 대한 신뢰도, 상기 참관 기업에 대한 신뢰도, 상기 참가 기업에 대한 정보, 상기 참관 기업에 대한 정보, 상기 제품에 대한 정보 및 상기 관심 분야에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 매칭 모델을 통해 상기 참가 기업과 상기 참관 기업 사이의 제1 매칭률을 결정하는 단계;
   사전 설정된 행사 정보에 기반하여 상기 제1 매칭률을 제2 매칭률로 조정하는 단계;
   상기 복수의 제1 단말 각각에게 상기 제2 매칭률이 사전 설정된 제1 비율 이상인 참관 기업에 대한 리스트 정보를 전송하는 단계; 및
   상기 복수의 제2 단말 각각에게 상기 제2 매칭률이 사전 설정된 제2 비율 이상인 참가 기업에 대한 리스트 정보를 전송하는 단계를 포함하는,
   방법.
   
2. 제 1항에 있어서,
   상기 사전 설정된 행사 정보는, 상기 복수의 제2 행사 각각에서, 참가 기업의 부스의 크기에 대한 정보, 참가 기업의 부스에 방문한 참관객의 수에 대한 정보, 참가 기업의 부스에 방문한 참관객의 체류 시간에 대한 정보, 참관 기업이 방문한 참가 기업의 부스의 개수에 대한 정보 및 거래가 체결된 참가 기업 및 참관 기업에 대한 정보를 포함하고,
   상기 제2 매칭률은 참가 기업의 수, 참가 기업의 부스의 크기, 참가 기업의 부스에 방문한 참관객의 체류 시간, 참가 기업의 부스에 방문한 참관객의 수, 참관 기업의 수 및 참관 기업이 방문한 참가 기업의 개수에 기반하여 결정되는,
   방법.
   
3. 제 1항에 있어서,
   적어도 하나의 제1 단말로부터 제1 매칭 성공 메시지를 수신하는 단계;
   상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말로부터 제2 매칭 성공 메시지를 수신하는 단계;
   상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송하는 단계;
   상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 매칭된 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송하는 단계를 더 포함하는,
   방법.
   
4. 제 3항에 있어서,
   상기 적어도 하나의 제1 단말로부터 상기 적어도 하나의 제2 단말에 대한 제1 피드백 메시지를 수신하는 단계;
   상기 제1 피드백 메시지에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 관련된 행사에 대한 정보를 전송하는 단계;
   상기 적어도 하나의 제2 단말로부터 상기 적어도 하나의 제1 단말에 대한 제2 피드백 메시지를 수신하는 단계; 및
   상기 제2 피드백 메시지에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 관련된 행사에 대한 정보를 전송하는 단계를 더 포함하되,
   상기 제1 피드백 메시지는 상기 적어도 하나의 제2 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함하고,
   상기 제2 피드백 메시지는 상기 적어도 하나의 제1 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함하는,
   방법.
   
5. 제 1항에 있어서,
   상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
   복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보 및 정답 매칭률로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되는, 상기 매칭 모델이 생성되는,
   방법.
   
6. 적어도 하나의 프로세서; 적어도 하나의 메모리 및 통신부를 포함하는 서버에 있어서,
   상기 적어도 하나의 프로세서는:
   복수의 제1 단말 각각으로부터 제1 행사에 대한 참가를 신청하는 제1 메시지를 수신하고,
   상기 제1 메시지는 제1 단말과 관련된 참가 기업에 대한 정보 및 제품에 대한 정보를 포함하고,
   복수의 제2 단말 각각으로부터 상기 제1 행사에 대한 참관을 신청하는 제2 메시지를 수신하고,
   상기 제2 메시지는 제2 단말과 관련된 참관객에 대한 개인 정보, 제2 단말과 관련된 참관 기업에 대한 정보 및 관심 분야에 대한 정보를 포함하고,
   사전 설정된 거래 내역에 대한 정보에 기반하여 상기 참가 기업에 대한 신뢰도 및 상기 참관 기업에 대한 신뢰도를 결정하고,
   상기 사전 설정된 거래 내역에 대한 정보는 복수의 제2 행사에서 이루어진 거래와 관련된 판매자 및 구매자에 대한 정보, 상기 거래의 대상인 거래 제품에 대한 정보 및 상기 거래에 대한 피드백 메시지 정보를 포함하고,
   상기 참가 기업에 대한 신뢰도, 상기 참관 기업에 대한 신뢰도, 상기 참가 기업에 대한 정보, 상기 참관 기업에 대한 정보, 상기 제품에 대한 정보 및 상기 관심 분야에 대한 정보에 기반하여 뉴럴 네트워크를 이용한 매칭 모델을 통해 상기 참가 기업과 상기 참관 기업 사이의 제1 매칭률을 결정하고,
   사전 설정된 행사 정보에 기반하여 상기 제1 매칭률을 제2 매칭률로 조정하고,
   상기 복수의 제1 단말 각각에게 상기 제2 매칭률이 사전 설정된 제1 비율 이상인 참관 기업에 대한 리스트 정보를 전송하고,
   상기 복수의 제2 단말 각각에게 상기 제2 매칭률이 사전 설정된 제2 비율 이상인 참가 기업에 대한 리스트 정보를 전송하는,
   서버.
   
7. 제 6항에 있어서,
   상기 사전 설정된 행사 정보는, 상기 복수의 제2 행사 각각에서, 참가 기업의 부스의 크기에 대한 정보, 참가 기업의 부스에 방문한 참관객의 수에 대한 정보, 참가 기업의 부스에 방문한 참관객의 체류 시간에 대한 정보, 참관 기업이 방문한 참가 기업의 부스의 개수에 대한 정보 및 거래가 체결된 참가 기업 및 참관 기업에 대한 정보를 포함하고,
   상기 제2 매칭률은 참가 기업의 수, 참가 기업의 부스의 크기, 참가 기업의 부스에 방문한 참관객의 체류 시간, 참가 기업의 부스에 방문한 참관객의 수, 참관 기업의 수 및 참관 기업이 방문한 참가 기업의 개수에 기반하여 결정되는,
   서버.
   
8. 제 6항에 있어서,
   적어도 하나의 제1 단말로부터 제1 매칭 성공 메시지를 수신하고,
   상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말로부터 제2 매칭 성공 메시지를 수신하고,
   상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 매칭된 적어도 하나의 제2 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송하고,
   상기 제1 매칭 성공 메시지 및 상기 제2 매칭 성공 메시지를 수신하는 것에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 매칭된 적어도 하나의 제1 단말과 관련된 상기 사전 설정된 거래 내역에 대한 정보를 전송하는,
   서버.
   
9. 제 8항에 있어서,
   상기 적어도 하나의 제1 단말로부터 상기 적어도 하나의 제2 단말에 대한 제1 피드백 메시지를 수신하고,
   상기 제1 피드백 메시지에 기반하여, 상기 적어도 하나의 제1 단말에게 상기 적어도 하나의 제1 단말과 관련된 행사에 대한 정보를 전송하고,
   상기 적어도 하나의 제2 단말로부터 상기 적어도 하나의 제1 단말에 대한 제2 피드백 메시지를 수신하고,
   상기 제2 피드백 메시지에 기반하여, 상기 적어도 하나의 제2 단말에게 상기 적어도 하나의 제2 단말과 관련된 행사에 대한 정보를 전송하되,
   상기 제1 피드백 메시지는 상기 적어도 하나의 제2 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함하고,
   상기 제2 피드백 메시지는 상기 적어도 하나의 제1 단말에 대한 평점 및 피드백에 대한 텍스트 데이터를 포함하는,
   서버.
   
10. 제 6항에 있어서,
    상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
    복수의 참가 기업에 대한 신뢰도, 복수의 참관 기업에 대한 신뢰도, 복수의 참가 기업에 대한 정보, 복수의 참관 기업에 대한 정보, 복수의 제품에 대한 정보, 복수의 관심 분야에 대한 정보 및 정답 매칭률로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실 값이 작아지는 방향으로 학습되는, 상기 매칭 모델이 생성되는,
    서버.
    
11. 하드웨어와 결합되어 제6항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
    
12. 하드웨어와 결합되어 제6항의 방법을 실행시키기는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체.
    
    

Images