KR20230030323A - 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템 - Google Patents

패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템 Download PDF

Info

Publication number
KR20230030323A
KR20230030323A KR1020210112425A KR20210112425A KR20230030323A KR 20230030323 A KR20230030323 A KR 20230030323A KR 1020210112425 A KR1020210112425 A KR 1020210112425A KR 20210112425 A KR20210112425 A KR 20210112425A KR 20230030323 A KR20230030323 A KR 20230030323A
Authority
KR
South Korea
Prior art keywords
information
taste
text
fashion
style
Prior art date
Application number
KR1020210112425A
Other languages
English (en)
Inventor
임동석
Original Assignee
주식회사 모이버
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 모이버 filed Critical 주식회사 모이버
Priority to KR1020210112425A priority Critical patent/KR20230030323A/ko
Publication of KR20230030323A publication Critical patent/KR20230030323A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/358—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 온라인 상의 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템에 관한 것이다. 본 발명의 일 실시예에 따르면, 적어도 하나의 온라인 서비스로부터 스타일 취향 관련 정보를 수집하는 단계; 상기 스타일 취향 관련 정보를 텍스트로 처리하여, 제 1 텍스트 정보화를 수행하는 단계; 상기 제 1 텍스트 정보화된 자료들로부터 스타일 취향 키워드 맵을 생성하는 단계; 상기 스타일 취향 키워드 맵에서, 텍스트들 사이의 유사도를 측정하는 단계; 상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 제 2 텍스트 정보화를 수행하는 단계; 및 상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성하는 단계를 포함하는 패션 취향 정보 생성 방법이 제공될 수 있다.

Description

패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템{Method of generating information of fashion taste and system for providing the same}
본 발명은 패션 관련 온라인 정보 처리 기술에 관한 것으로서, 더욱 상세하게는, 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템에 관한 것이다.
컴퓨터 통신 기술의 발전과 더불어 스마트폰과 같은 고기능 단말기의 보급이 보편화되면서 인터넷 이용자가 폭발적으로 증가하고 있으며, 이와 같은 인터넷 이용자의 증가로 인해 인터넷 쇼핑이 크게 부각되고 있다. 특히 의복, 신발 및 액세사리와 같은 패션 아이템에 대한 인터넷 쇼핑도 크게 발전하고 있다.
통상, 패션 아이템을 광고하여야 하는 광고주들은 기존 신문, TV 등의 오프라인 매체에 광고를 내보내는데 더불어, 인터넷상에 다수의 이용자들이 방문하는 포털 사이트나, 쇼핑몰 등에도 광고를 내어 자신의 상품 또는 기업 이미지 제고를 통해 수익을 창출하려고 시도하고 있다. 그러나, 인터넷 사이트들의 페이지 상에 자사의 패션 아이템의 광고 메시지가 디스플레이되도록 하는 인터넷 광고는 해당 사이트를 방문하는 불특정 다수에게 일방적으로 보여지는 것이며, 타겟 광고인 경우에도 사용자의 취향을 고려한 것이라기 보다는 쿠키(cookie)와 같은 방문기록과 같은 정보파일을 이용한 것이어서, 온라인 상에서의 상품과 사용자의 취향이라는 개인화된 정보를 정확히 매칭시키는 것은 아니다.
전술한 것과 같이, 인터넷 쇼핑이 발전하고 보편화되면서, 페이스북이나 인스타그램과 같은 소셜네트워크서비스(SNS)에서도 패션 아이템들이 무수히 공개되고 있으며, 이에 대해 사용자들은 다양한 의견을 피력하기도 하며, 이로써, 웹 상에는 패션 아이템에 관한 정보뿐만 아니라 패선 아이템에 관한 사용자의 다양한 의견이나 평을 포함하는 빅데이터가 존재한다. 이러한 인터넷 상의 빅데이터로부터 유용한 정보를 획득하기 위한 종래의 접근은 단지 연령대, 성별 또는 지역 연고 등과 같은 정보를 분석하고 이를 바탕으로 가장 광고 효과가 크다고 판단되는 상품을 사용자에게 노출시키는 것일 뿐, 패션 아이템과 사용자의 취향 사이의 실질적인 연관을 이용하는 것은 아니었다.
본 발명이 이루고자 하는 기술적 과제는, 빅데이터를 형성하는 소셜네트워크서비스 상에서 다양한 패션 아이템과 사용자의 패션 취향 사이의 실질적인 연관을 확보하여, 개별 사용자의 정확한 패션 취향 정보의 생성할 수 있는 패션 취향 정보 생성 방법을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 다른 기술적 과제는, 상기 생성된 개별 사용자의 취향 정보들로부터 카테고리화된 취향 그룹 정보의 생성하는 패션 취향 정보 생성 방법을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 또 다른 기술적 과제는, 전술한 패션 취향 정보 및 패션 취향 그룹 정보를 생성하는 패션 취향 정보 제공 시스템을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 또 다른 기술적 과제는, 전술한 패션 취향 정보 및 패션 취향 그룹 정보를 생성하는 패션 취향 시뮬레이션 시스템을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 또 다른 기술적 과제는, 전술한 방법들 및 시스템을 이용한 패션 관련 제품의 개발, 생산 관리, 재고 관리, 유행 진단 및 예측, 광고 또는 개인화된 코디네이션과 같은 서비스 방법을 제공하는 것이다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 패션 취향 정보 생성 방법은, 적어도 하나의 온라인 서비스로부터 스타일 취향 관련 정보를 수집하는 단계; 상기 스타일 취향 관련 정보를 텍스트로 처리하여, 제 1 텍스트 정보화를 수행하는 단계; 상기 제 1 텍스트 정보화된 자료들로부터 스타일 취향 키워드 맵을 생성하는 단계; 상기 스타일 취향 키워드 맵에서, 텍스트들 사이의 유사도를 측정하는 단계; 상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 제 2 텍스트 정보화를 수행하는 단계; 및 상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성하는 단계를 포함한다.
일 실시예에서, 상기 온라인 서비스는 소셜미디어 또는 온라인 게시판을 포함할 수 있다. 또한, 상기 스타일 취향 관련 정보는, 브랜드명, 패션 용어, 스타일 분류, 아이템명, 신상 정보, 인물 정보 및 감성 표현어들 중 하나 또는 2 이상을 조합한 키워드들을 이용하여 수집될 수 있다.
일 실시예에서, 상기 제 1 텍스트 정보화는, 상기 스타일 취향 관련 정보의 형태가 텍스트인 경우, 토큰화를 통한 파싱 또는 정제 프로세스에 의해 수행되고, 상기 스타일 취향 관련 정보의 형태가 이미지 또는 동영상 정보인 경우, 인공지능 기반의 이미지 인식에 의해 수행될 수 있다. 상기 스타일 취향 키워드 맵은 N(N은 2 이상의 자연수) 차원 좌표 공간이며, 상기 N 차원 좌표 공간의 축들은 브랜드명, 패션 용어, 스타일 분류, 아이템명, 신상 정보, 인물 정보 및 감성 표현어들 중 선택된 어느 하나의 키워드로부터 선택될 수 있다.
상기 개별 사용자의 로그 활동 정보는 상기 온라인 서비스들과 분리된 별개의 사용자 취향 판별 서비스로부터 얻어질 수 있다. 상기 사용자 취향 판별 서비스는 상기 스타일 취향 관련 정보들에 관한 텍스트, 이미지 또는 동영상 형식의 컨텐츠를 상기 개별 사용자에게 노출시켜 상기 개별 사용자의 반응으로 로그로서 기록할 수 있다.
또한, 상기 개별 사용자의 정밀 프로파일은 상기 개별 사용자의 활동이 축적됨에 따라 업데이트될 수 있다. 일 실시예에서, 상기 개별 사용자의 정밀 프로파일을 이용하여, 복수의 사용자를 그룹핑하는 단계가 더 수행될 수 있다. 이 경우, 상기 스타일 취향 키워드 맵 상에서, 가상 타겟 사용자의 정밀 프로파일을 생성하는 단계와 상기 가상 타겟 사용자의 정밀 프로파일과 상기 그룹핑된 복수의 사용자들에 관한 정보를 추출하는 단계가 더 수행될 수 있다.
상기 다른 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 패션 취향 정보 제공 시스템은, 네트워크를 통해 소셜 미디어 또는 온라인 게시판을 포함하는 적어도 하나 이상의 온라인 서비스를 수행하는 프로바이더 서버들에 연결되는 패션 취향 관련 정보 제공 시스템으로서, 적어도 하나의 온라인 서비스로부터 스타일 취향 관련 정보를 수집하는 단계; 상기 스타일 취향 관련 정보를 텍스트로 처리하여, 제 1 텍스트 정보화를 수행하는 단계; 상기 제 1 텍스트 정보화된 자료들로부터 스타일 취향 키워드 맵을 생성하는 단계; 상기 스타일 취향 키워드 맵에서, 텍스트들 사이의 유사도를 측정하는 단계; 상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 제 2 텍스트 정보화를 수행하는 단계; 및 상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성하는 단계를 수행하도록 구성된 연산 장치를 포함한다.
또한, 상기 또 다른 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따르면, 네트워크를 통해 접속한 개별 사용자에게 패션 취향 관련 정보를 노출시키는 단계; 상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 텍스트 정보화를 수행하는 단계; 및 상기 개인화된 텍스트 정보와 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성하는 단계를 수행하도록 구성된 연산 장치를 포함하는 패션 취향 시뮬레이션 시스템이 제공된다.
본 발명의 실시예에 따르면, 온라인 상에서 스타일 취향 관련 정보를 수집하고, 이를 텍스트 정보화하여, 작성된 스타일 취향 키워드 맵에서 개별 사용자의 정밀 프로파일과 나아가 개별 사용자의 정밀 프로파일을 그룹핑하여, 그룹핑된 복수의 사용자들에 관한 정보를 추출함으로써, 빅데이터를 형성하는 소셜네트워크서비스 상에서 다양한 패션 아이템과 사용자의 패션 취향 사이의 실질적인 연관을 확보하여, 정확한 패션 취향 정보의 생성할 수 있는 패션 관련 빅테이터의 처리 방법이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 온라인 상에서 스타일 취향 관련 정보를 수집하고, 이를 텍스트 정보화하여, 작성된 스타일 취향 키워드 맵에서 개별 사용자의 정밀 프로파일과 나아가 개별 사용자의 정밀 프로파일을 그룹핑하여, 그룹핑된 복수의 사용자들에 관한 정보를 추출함으로써, 빅데이터를 형성하는 소셜네트워크서비스 상에서 다양한 패션 아이템과 사용자의 패션 취향 사이의 실질적인 연관을 확보하여, 정확한 패션 취향 정보의 생성할 수 있는 패션 취향 정보 제공 시스템이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 사용자들의 정확한 패션 취향 정보를 이용함으로써, 패션 관련 제품의 개발, 생산 관리, 재고 관리, 유행 진단 및 예측, 광고 또는 개인화된 코디네이션과 같은 다양한 서비스 방법이 제공될 수 있다.
도 1은 본 발명의 일 실시예에 따른 개별 사용자의 패션 취향 정보 생성을 위한 패션 취향 정보 생성 방법을 설명하는 순서도이다.
도 2는 본 발명의 일 실시예에 따른 스타일 취향 키워드 맵을 도시한다.
도 3은 본 발명의 일 실시예에 따른 취향 그룹 정보의 생성하는 패션 취향 정보 생성 방법을 설명하는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 패션 취향 정보 제공 시스템을 도시한다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려, 이들 실시예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다.
도면에서 동일 부호는 동일한 요소를 지칭한다. 또한, 본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다.
본 명세서에서 사용된 용어는 실시예를 설명하기 위하여 사용되며, 본 발명의 범위를 제한하기 위한 것이 아니다. 또한, 본 명세서에서 단수로 기재되어 있다 하더라도, 문맥상 단수를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 "포함한다(comprise)" 및/또는 "포함하는(comprising)"이란 용어는 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
도 1은 본 발명의 일 실시예에 따른 개별 사용자의 패션 취향 정보 생성을 위한 패션 취향 정보 생성 방법을 설명하는 순서도이다.
도 1을 참조하면, 먼저 소셜미디어 또는 온라인 게시판을 포함하는 적어도 하나 이상의 온라인 서비스로부터 패션 아이템에 관한 스타일 취향 관련 정보를 수집한다(S10). 상기 스타일 취향 관련 정보는, 나이키, 샤넬 또는 구찌와 같은 브랜드명, 및/또는 뉴노멀(new normal), 젠더 뉴트럴(gender Neutral), 비건 패션(Vegan Fashion), 미닝아웃(Meaning Out), 커플룩, 미니멀룩, 뉴트럴룩, 오늘의 패션(Outfit of The Day; OOTD)과 같은 패션 용어, 클래식, 모던, 아메카지, 프레피, 미니멀, 펑크와 같은 스타일 분류, 신발, 치마, 바지, 티셔츠, 스커트, 원피스 또는 안경과 같은 아이템명, 남자 또는 여자와 같은 성별, 키, 나이, 거주지, 또는 직업과 같은 신상 정보, 연예인이나 인플루언서와 같은 유명인과 관련된 인물 정보, 및 사랑스러움 또는 포근함과 같은 감성 표현어를 포함하는 키워드들 중 하나 또는 이들 중 2 이상을 조합한 키워드들을 이용하여 수집될 수 있다. 이러한 수집은 당해 기술분야에서 잘 알려진 것과 같이 크롤링(crawling) 방법 또는 스크레이핑(scraping) 방법을 이용하여 수행될 수 있다. 상기 스타일 취향 관련 정보는, 비제한적 예로서, 텍스트, 이미지, 동영상 또는 링크와 같은 정보 형태를 가질 수 있다.
이후, 상기 스타일 취향 관련 정보는 텍스트로 처리되어 텍스트 정보화(제 1 텍스트 정보화라 함)될 수 있다(S20). 즉, 상기 스타일 취향 관련 정보는 상기 스타일 취향 관련 정보로부터 추출된 의미와 관련을 갖는 텍스트로 처리되어 정보로서 기록될 수 있다. 일 실시예에서, 상기 스타일 취향 관련 정보의 형태가 텍스트 정보인 경우 토큰화를 통한 파싱(parsing) 또는 요약과 같은 정제 프로세스와 같은 전처리를 통해 텍스트 정보화될 수 있다.
상기 스타일 취향 관련 정보의 형태가 이미지 또는 동영상 정보인 경우에는 이미지나 동영상 정보로부터 핵심적인 텍스트 정보를 추출하는 텍스트 정보화가 수행된다. 예를 들면, 이미지 또는 동영상으로부터 전술한 브랜드명, 패션 용어, 아이템명, 신상 정보, 감성 표현어와 같은 상기 키워드인 텍스트를 추출한다. 일 실시예에서, 이러한 텍스트는 비제한적 예로서, 인공지능 기반의 이미지 인식 또는 전문가 그룹을 활용하여, 해당 이미지나 동영상을 설명하는 레이블을 추출함으로써 얻어질 수 있다. 상기 스타일 취향 관련 정보의 형태가 링크인 경우, 링크로 연결된 웹 페이지에 포함된 텍스트, 이미지 또는 동영상으로부터 전술한 방법에 따라 텍스트를 추출하고 정제하여 텍스트 정보화될 수 있다.
이후, 상기 텍스트 정보화된 자료들로부터 스타일 취향 키워드 맵을 생성한다(S30). 일 실시예에서, 상기 스타일 취향 키워드 맵은, 예를 들면, 토픽 모델링(Topic Modelling)과 같은 공지의 인공지능 언어모델을 이용하여, 상기 텍스트 정보화된 자료들을 자연어 처리(Natural Language Processing)하고, 모든 텍스트 정보화된 자료들을 벡터(Vector)로 변환하는 것에 의해 작성될 수 있다. 상기 스타일 취향 키워드 맵은, 텍스트 정보화된 자료들의 분별이 요구되는 성질들의 개수에 따라 결정되는 동일 개수의 좌표 축계를 갖는 2차원, 3 차원 또는 N 차원의 좌표 공간일 수 있다.
도 2는 본 발명의 일 실시예에 따른 스타일 취향 키워드 맵을 도시한다.
도 2를 참조하면, 일 실시예에 따른 스타일 취향 키워드 맵은 N 차원의 공간으로서, N개의 좌표 축을 갖는 N 차원 좌표 공간을 예시한다. 패션 아이템 별로 정의된 N개의 좌표 축과 패션 아이템별 브랜드를 위치시킨 데이터 맵이다. N개의 축들은 예시된 패션 아이템이 아닌 전술한 어느 키워드들 중 하나 일 수 있으며, N 개의 축들은 키워드들 중 동일 범주에 속하거나 서로 다른 범주에 속할 수 있으며, 본 발명이 이에 한정되는 것은 아니다.
이후, 다시 도 1을 참조하면, 상기 스타일 취향 키워드 맵에서, 텍스트들 사이의 거리를 상기 벡터를 이용하여 계산하여, 상기 텍스트들 사이의 유사도가 측정될 수 있다(S40). 상기 유사도는, 예를 들면, 나이키라는 브랜드명, 운동화, 농구화와 같은 아이템명과, 액티브와 같은 감성 표현어 브랜드와 아이템명이 서로 거리가 가까운 정도를 의미하며, 거리가 가까울수록 두 텍스트 사이의 유사도는 높다고 평가된다. 이에 의해 개별 브랜드와 상품들 사이의 취향 특성이 파악되고 정리될 수 있다. 본 발명의 실시예에 따르면, 전술한 단계들에 의해 불특정 다수의 사용자들과 스타일 취향 관련 정보로부터 얻어진 스타일 취향 키워드 맵과 유사도에 관한 데이터가 얻어진다. 이러한 스타일 취향 키워드 맵과 유사도는 개별 브랜드와 패션 아이템들 사이의 트랜드와 컨텍스트에 관한 정보가 된다.
전술한 단계들과 함께, 상기 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 제 2 텍스트 정보화가 수행될 수 있다(S50). 이를 위해, 일 실시예에 따르면, 개별 사용자의 로그 활동 정보가 수집된다. 상기 개별 사용자의 로그 활동 정보는 전술한 소셜미디어 또는 온라인 게시판을 포함하는 적어도 하나 이상의 온라인 서비스와 동일한 서비스로부터 얻어지거나, 상기 온라인 서비스들과 분리된 별개의 사용자 취향 판별 서비스에서 개별 사용자의 활동 정보로부터 얻어질 수 있다. 예를 들면, 상기 사용자 취향 판별 서비스는 전술한 상기 패션 취향 관련 정보들, 즉, 브랜드명, 패션 용어, 아이템명, 신상 정보, 및/또는 감성 표현어를 포함하는 키워드들에 관한 텍스트, 이미지 또는 동영상 형식의 컨텐츠를 온라인 상에서 개별 사용자에게 의도적으로 노출하여 개별 사용자의 반응을 모니터링하고 데이터화할 수 있는 온라인 상의 별도의 패션 취향 관련 정보 생성을 위한 서비스이다. 이의 서비스에 관한 것은 전술한 단계들을 독자적으로 수행할 수도 있다. 예를 들면, 본 출원인의 온라인 서비스인 moiber.com에서 제공하는 서비스와 같이, 개별 사용자에게 패션 브랜드에 관한 텍스트, 이미지 또는 동영상을 노출시키고 개별 사용자에게 댓글, 메시지, 상기 이미지의 선택과 같은 적극적인 반응을 로그로서 기록하여 데이터로서 생성하는 서비스일 수 있다.
상기 개별 사용자의 로그 활동 정보는 이와 같이 온라인 서비스 또는 취향 판별 서비스 상에서 이루어지는 상기 개별 사용자의 댓글, 메시지와 같은 텍스트, 선호하는 이미지 선택 활동, 선호하는 동영상 선택 활동, 또는 브랜드 페이지 방문 기록이나 쇼핑 페이지 상품 목록과 같은 링크 정보일 수 있다. 상기 개별 사용자의 로그 활동 정보는 텍스트, 이미지, 동영상 또는 링크 형태의 상기 스타일 취향 관련 정보를 텍스트 정보화하는 방법과 동일하게 텍스트 정보화될 수 있다. 상기 스타일 취향 관련 정보를 텍스트 정보화하는 단계를 제 1 텍스트 정보화라고 지칭하며, 상기 개별 사용자의 로그 활동 정보를 텍스트 정보화하는 단계를 제 2 텍스트 정보화라고 지칭한다. 이에 따라, 상기 개별 사용자의 로그 활동 정보에 대한 상기 제 2 텍스트 정보화를 통해 개인화된 텍스트 정보가 생성될 수 있다.
이후, 상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일이 생성된다(S60). 일 실시예에서, 상기 정밀 프로파일은 상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 서로 맵핑하고, 상기 스타일 취향 키워드 맵에서 상기 개별 사용자가 생성한 모든 텍스트 정보의, 예를 들면, 평균 위치가 상기 개별 사용자의 정밀 프로파일로 정의될 수 있다. 다른 실시예에서, 상기 개별 사용자의 정밀 프로파일은 최대값 또는 최소값에 의해 결정될 수도 있으며, 본 발명이 이에 한정되는 것은 아니다.
일 실시예에서, 상기 개별 사용자의 정밀 프로파일은 상기 개별 사용자의 활동이 축적됨에 따라 업데이트될 수 있다(S70). 예를 들면, 정밀 프로파일 중 적어도 일부 정보가 가중치를 가질 수 있으며, 상기 개별 사용자의 활동이 축적됨에 따라 상기 가중치도 실시간으로 업데이트될 수 있다.
전술한 본 발명의 실시예들에 따르면, 온라인 상에서 생성되는 패션에 관한 다양한 컨텐츠들과 개별 사용자가 생성하는 취향에 관한 데이터를 포함하는 빅데이터로부터, 다양한 스타일 취향 관련 정보와 패션 아이템과 사용자의 패션 취향 사이의 실질적인 연관을 확보하여, 개별 사용자가 갖는 체계화되고, 정확한 패션 취향 정보를 얻고 관리할 수 있다.
도 3은 본 발명의 일 실시예에 따른 취향 그룹 정보의 생성하는 패션 취향 정보 생성 방법을 설명하는 순서도이다.
도 3을 참조하며, 도 1을 참조하여 설명한 것과 같이, 개별 사용자의 패션 취향 정보로부터 얻어진 상기 개별 사용자의 정밀 프로파일을 이용하여, 복수의 사용자 또는 서비스 전체 사용자를 그룹핑할 수 있다(S110). 일 실시예에서, 상기 그룹핑은 스타일 취향 키워드 맵에 서비스 사용자들의 정밀 프로파일을 모두 위치시킨 후, 해당 위치를 기반으로 전체 사용자들을, 소정의 방식으로 그룹핑할 수 있다. 예를 들면, 첫째, 상기 그룹핑은 스타일 취향 키워드 맵 상의 정밀 프로파일의 위치만을 이용하여 최적의 그룹핑을 산출하는 방법이나 둘째, 미리 정의된 스타일 취향 지표, 예를 들면, 실용적, 중저가, 고가, 가성비, 과시, 명품과 같은 의미의 키워드를 기반으로, 해당 스타일 취향 지표에 가장 근접한 정밀 프로파일들끼리 그룹핑할 수 있다. 이러한 그룹핑을 통해 서비스 사용자들은 소정 취향 정보를 매개로 카테고리화될 수 있다.
일 실시예에서, 개별 브랜드사, 예를 들면, 나이키 사에서 새로운 농구화를 출시할 예정인 경우, 농구화라는 특정 상품군에 대한 상기 스타일 취향 키워드 맵 상에서, 가상 타겟 사용자의 정밀 프로파일을 생성한다(S120). 이후, 상기 가상 타겟 사용자의 정밀 프로파일과 함께, 군집 또는 분류 방식에 의해 그룹핑되는 정밀 프로파일을 갖는 실제 사용자들에 관한 정보를 추출할 수 있다(S130). 위 예시는 개별 브랜드사의 출시 예정 상품에 관한 것으로, 이를 통해 시장 호응도를 예측하고, 타겟이 되는 실제 사용자들의 취향을 고려하여 최적의 광고 전략을 수립할 수 있을 것이다. 다른 예로서, 본 발명의 실시예에 따르면, 패션 유행 가능성에 대한 타겟 사용자의 정밀 프로파일을 생성하여, 유행 진단 및 예측 시뮬레이션을 하거나, 타겟 사용자의 정밀 프로파일을 통해, 추가 수요 여부등을 파악하여 신제품 개발, 생산 관리, 재고 관리, 또는 코디네이션과 같은 서비스를 제공할 수도 있다.
도 4는 본 발명의 일 실시예에 따른 패션 취향 정보 제공 시스템(100)을 도시한다.
도 4를 참조하면, 일 실시예에 따른 패션 취향 정보 제공 시스템(100)은 인터넷과 같은 전자 통신망에는 소셜 미디어 또는 온라인 게시판을 포함하는 적어도 하나 이상의 온라인 서비스를 수행하는 프로바이더 서버들(100)과 연결되어 있다. 프로바이더 서버들(100)은 예시적으로 페이스북(SP1), 인스타그램(SP2)과 같은 소셜 미디어, 나이키 온리인 쇼핑몰(SP3)과 같은 온라인 쇼핑몰, 또는 네이버 카페와 같은 온라인 게시판(SPn)이 있을 수 있으며, 이는 예시적일 뿐 본 발명이 이에 제한되는 것은 아니며, 사용자가 접속하여, 패션 아이템에 관한 스타일 취향 정보를 남길 수 있는 서비스를 제공한다면, 프로바이더 서버로서 본 발명의 실시예에 포함된다. 각 프로바이더 서버(SP1, SP2, SP3, ?, SPn)에 대해 복수의 사용자들(U1, U2, U3, ?, Um)이 네트워크를 통해 접속하여 프로바이더 서버들(200)이 제공하는 서비스를 이용하면서 활동한다.
프로바이더 서버들(200)은 다양한 패션 아이템이 광고, 판매되거나 문화, 유행과 같은 취향 관한 다양한 스타일 취향 관련 정보들이 제공되며, 이러한 스타일 취향 관련 정보는 나이키, 샤넬 또는 구찌와 같은 브랜드명, 및/또는 뉴노멀(new normal), 젠더 뉴트럴(gender Neutral), 비건 패션(Vegan Fashion), 미닝아웃(Meaning Out), 커플룩, 미니멀룩, 뉴트럴룩, 오늘의 패션(Outfit of The Day; OOTD)과 같은 패션 용어, 클래식, 모던, 아메카지, 프레피, 미니멀, 펑크와 같은 스타일 분류, 신발, 치마, 바지, 티셔츠, 스커트, 원피스 또는 안경과 같은 아이템명, 남자 또는 여자와 같은 성별, 키, 나이, 거주지, 또는 직업과 같은 신상 정보, 연예인이나 인플루언서와 같은 유명인과 관련된 인물 정보, 및 사랑스러움 또는 포근함과 같은 감성 표현어를 포함하는 다양한 정보들로 이루어진 빅데이터로서 인터넷과 같은 유무선 네트워크 상에서 유통된다.
본 발명의 실시예에 따른 패션 취향 정보 제공 시스템(100)은 상기 스타일 취향 관련 정보를 수집하기 위한 적합한 프로그램을 실행할 수 있는 연산 장치 및 연산을 수행하기 위한 임시적 데이터 및 영구적 데이터를 저장하기 위한 메모리 또는 고상 디스크(SSD)와 같은 기록 장치를 포함하는 컴퓨팅 장치(110)를 포함할 수 있다. 상기 스타일 취향 관련 정보는 컴퓨팅 장치(110)에 의해 브랜드명, 패션 용어, 아이템명, 신상 정보, 인물 정보, 및/또는 감성 표현어를 포함하는 키워드들을 이용하여 수집될 수 있다. 이러한 스타일 취향 관련 정보는 크롤링 방법 또는 스크레이핑 방법을 이용하여 수집되며, 상기 정보의 형태는 텍스트, 이미지, 동영상 또는 링크와 같은 정보 형태를 가질 수 있다.
패션 취향 정보 제공 시스템(100)은 상기 스타일 취향 관련 정보로부터 의미적 관련을 갖는 텍스트를 추출 처리하여 텍스트 정보화할 수 있다. 일 실시예에서, 상기 스타일 취향 관련 정보의 형태가 텍스트 정보인 경우 토큰화를 통한 파싱(parsing) 또는 요약과 같은 정제 작업과 같은 전처리를 통해 텍스트 정보화될 수 있으며, 상기 스타일 취향 관련 정보의 형태가 이미지 또는 동영상 정보인 경우에는 이미지나 동영상 정보로부터 핵심적인 텍스트 정보를 추출하여 텍스트 정보화를 수행할 수 있다. 예를 들면, 이미지 또는 동영상으로부터 수행되는 텍스트 정보화는 전술한 브랜드명, 패션 용어, 아이템명, 신상 정보, 감성 표현어와 같은 상기 키워드인 텍스트를 추출함으로써 얻어지며, 인공지능을 이용한 이미지 인식 또는 전문가 그룹을 활용하여, 해당 이미지나 동영상을 설명하는 레이블을 추출함으로써 얻어질 수 있다. 패션 취향 정보 생성 시스템(100)은 상기 스타일 취향 관련 정보의 형태가 링크인 경우, 링크로 연결된 웹 페이지에 포함된 텍스트, 이미지 또는 동영상으로부터 전술한 방법에 따라 텍스트를 추출하고 정제하여 제 1 텍스트 정보화를 수행할 수 있다.
패션 취향 정보 제공 시스템(100)은 상기 텍스트 정보화된 자료들로부터 스타일 취향 키워드 맵을 작성하고, 텍스트들 사이의 유사도를 측정하여 기록한다. 상기 스타일 취향 키워드 맵은 당해 기술 분야에 잘 알려진 바와 같이 구조화되어 데이터베이스(120)에 기록, 열람, 업데이트, 또는 삭제될 수 있다.
일 실시예에서, 상기 스타일 취향 키워드 맵은, 공지의 인공지능 언어모델을 이용하여, 상기 텍스트 정보화된 자료들을 자연어 처리(Natural Language Processing)하고, 모든 텍스트 정보화된 자료들을 벡터(Vector)로 변환하는 것에 의해 작성될 수 있다. 상기 스타일 취향 키워드 맵은, 2차원, 3 차원 또는 n 차원의 좌표 공간일 수 있으며, 이와 관련하여서는 도 1을 참조하여 설명한 사항이 참조될 수 있다.
패션 취향 정보 제공 시스템(100)은 상기 스타일 취향 키워드 맵에서 텍스트들 사이의 거리를 상기 벡터를 이용하여 계산하여, 상기 텍스트 사이의 유사도를 측정할 수 있다. 상기 유사도는 키워드 맵 상의 텍스트들 사이의 거리가 가까운 정도를 의미하며, 거리가 가까울수록 두 텍스트 사이의 유사도는 높다고 평가한다. 패션 취향 정보 생성 시스템(100)은 유사도에 관한 데이터들의 컨텍스트를 데이터베이스(120)에 저장할 수 있다.
또한, 패션 취향 정보 제공 시스템(100)은 프로바이더 서버들(200)이 제공하는 온라인 서비스에서 개별 사용자(U1, U2, U3,?, Un)의 로그 활동 정보를 수집하고, 상기 로그 활동 정보로부터 텍스트 정보화를 통해 개인화된 텍스트 정보를 생성할 수 있다. 전술한 프로바이더 서버들(100)에 대한 개별 사용자(U1, U2, U3,?, Un)의 로그 활동 정보를 대체하거나 이와 병행하여, 별개의 사용자 취향 판별 서비스를 수행하는 패션 취향 시뮬레이션 서버(150)를 운영하여, 이에 대한 개별 사용자들(U1, U2, U3,?, Un)의 활동 정보, 즉 로그 활동 정보로부터 얻어질 수 있다. 예를 들면, 패션 취향 시뮬레이션 서버(150)는 상기 사용자 취향 판별 서비스를 통해, 상기 스타일 취향 관련 정보들, 즉, 브랜드명, 패션 용어, 아이템명, 인물 정보, 신상 정보, 및/또는 감성 표현어를 포함하는 키워드들과 관련된 텍스트, 이미지 또는 동영상 형식의 콘텐츠를 의도적으로 노출하여 개별 사용자의 댓글, 컨텐츠 선택, 공유, 또는 구매와 같은 데이터화 가능한 반응을 모니터링하고 데이터화할 수 있는 서비스이다.
예를 들면, 패션 취향 시뮬레이션 시스템(150)은 본 출원인의 온라인 서비스인 moiber.com와 같은 서비스를 통해, 개별 사용자(U1, U2, U3,?, Un)에게 패션 브랜드에 관한 텍스트, 이미지 또는 동영상을 노출시키고 개별 사용자(U1, U2, U3,?, Un)에게 댓글, 메시지, 상기 이미지의 선택과 같은 적극적인 반응을 도출할 수 있다. 필요에 따라, 개별 사용자들의 적극적인 참여를 유도하기 위해 할인 쿠폰이나 토큰과 같은 보상을 제공할 수도 있다. 선택적으로는, 패션 취향 시뮬레이션 시스템(150)은 상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 텍스트 정보화를 수행하고, 상기 개인화된 텍스트 정보와 패션 취향 정보 제공 시스템(100)에서 생성되는 것과 동일한 방법으로 생성된 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성할 수도 있다. 패션 취향 시뮬레이션 시스템(150)은 당해 기술 분야에서 잘 알려진 것과 같이, 전술한 프로세스들을 수행하기 위한 명령어들의 집합인 프로그램의 구동을 위한 연산 장치와 연산 장치에서 발생하는 임시 또는 영구적 데이터의 기록을 위한 저장 장치를 포함할 수 있다.
패션 취향 정보 제공 시스템 (100)은 상기 제 1 텍스트 정보화하는 방법과 동일하게 상기 개별 사용자의 로그 활동 정보를 제 2 텍스트 정보화할 수 있으며, 그 결과, 개인화된 텍스트 정보가 생성될 수 있다. 이후, 패션 취향 정보 생성 시스템(100)은 상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 이용하여, 개별 사용자의 정밀 프로파일을 생성할 수 있다.
일 실시예에서, 패션 취향 정보 제공 시스템(100)은 상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 서로 맵핑하고, 상기 스타일 취향 키워드 맵에서 상기 개별 사용자가 생성한 모든 텍스트 정보의, 예를 들면, 평균 위치가 상기 개별 사용자의 정밀 프로파일을 정의할 수 있다. 다른 실시예에서, 상기 개별 사용자의 정밀 프로파일은 최대값 또는 최소값에 의해 결정될 수도 있으며, 본 발명이 이에 한정되는 것은 아니다.
일 실시예에서, 패션 취향 정보 제공 시스템(100)은 상기 개별 사용자의 활동이 축적됨에 따라 상기 개별 사용자의 정밀 프로파일을 업데이트할 수 있다. 예를 들면, 패션 취향 정보 제공 시스템(100)은 정밀 프로파일 중 적어도 일부 정보에 가중치를 부여할 수 있고, 패션 취향 정보 생성 시스템(100)은 상기 개별 사용자의 활동이 축적됨에 따라 상기 가중치도 실시간으로 업데이트할 수 있다.
전술한 실시예에 따르면, 패션 취향 정보 제공 시스템(100)은 온라인 상에서 생성되는 패션에 관한 다양한 컨텐츠들과 개별 사용자가 생성하는 취향에 관한 데이터를 포함하는 빅데이터로부터, 다양한 스타일 취향 관련 정보와 패션 아이템과 사용자의 패션 취향 사이의 실질적인 연관을 확보하여, 개별 사용자(U1, U2, U3,?, Un)가 갖는 체계화되고, 정확한 패션 취향 정보를 얻고 관리할 수 있다.
다른 실시예에서, 패션 취향 정보 제공 시스템(100)은 개별 사용자의 패션 취향 정보로부터 얻어진 상기 개별 사용자의 정밀 프로파일을 이용하여 서비스 전체 사용자(200)를 그룹핑할 수 있다. 일 실시예에서, 상기 그룹핑은 스타일 취향 키워드 맵에 서비스 사용자들의 정밀 프로파일을 모두 위치시킨 후, 해당 위치를 기반으로 전체 사용자들을, 소정의 방식으로 그룹핑할 수 있다. 예를 들면, 첫째, 상기 그룹핑은 스타일 취향 키워드 맵 상의 정밀 프로파일의 위치만을 이용하여 최적의 그룹핑을 산출하는 방법이나 둘째, 미리 정의된 스타일 취향 지표, 예를 들면, 실용적, 중저가, 고가, 가성비, 과시, 명품과 같은 의미의 키워드를 기반으로, 해당 스타일 취향 지표에 가장 근접한 정밀 프로파일들끼리 그룹핑할 수 있다. 이러한 그룹핑을 통해 서비스 사용자들은 소정 취향 정보를 매개로 카테고리화될 수 있다.
이와 같이, 패션 취향 정보 제공 시스템(100)은, 상기 타겟 사용자의 정밀 프로파일과 함께, 군집 또는 분류 방식에 의해 그룹핑되는 정밀 프로파일을 갖는 실제 사용자들에 관한 정보를 추출할 수 있다. 이러한 그룹핑된 정밀 프로파일을 통해, 패션 취향 정보 제공 시스템(100)은 예를 들면, 개별 브랜드사의 출시 예정 상품에 대한 시장 호응도를 예측하고, 타겟이 되는 실제 사용자들의 취향을 고려하여 최적의 광고 전략을 수립할 수 있을 것이다. 다른 예로서, 패션 취향 정보 제공 시스템(100)은, 패션 유행 가능성에 대한 타겟 사용자의 정밀 프로파일을 생성하여, 유행 진단 및 예측 시뮬레이션을 하거나, 타겟 사용자의 정밀 프로파일을 통해, 추가 수요 여부등을 파악하여 신제품 개발, 생산 관리, 재고 관리, 또는 코디네이션과 같은 서비스를 제공할 수도 있다.
이상에서 설명한 본 발명이 전술한 실시예 및 첨부된 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러가지 치환, 변형 및 변경이 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.

Claims (12)

  1. 적어도 하나의 온라인 서비스로부터 스타일 취향 관련 정보를 수집하는 단계;
    상기 스타일 취향 관련 정보를 텍스트로 처리하여, 제 1 텍스트 정보화를 수행하는 단계;
    상기 제 1 텍스트 정보화된 자료들로부터 스타일 취향 키워드 맵을 생성하는 단계;
    상기 스타일 취향 키워드 맵에서, 텍스트들 사이의 유사도를 측정하는 단계;
    상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 제 2 텍스트 정보화를 수행하는 단계; 및
    상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성하는 단계를 포함하는 패션 취향 정보 생성 방법.
  2. 제 1 항에 있어서,
    상기 온라인 서비스는 소셜미디어 또는 온라인 게시판을 포함하는 패션 취향 정보 생성 방법.
  3. 제 1 항에 있어서,
    상기 스타일 취향 관련 정보는, 브랜드명, 패션 용어, 스타일 분류, 아이템명, 신상 정보, 인물 정보 및 감성 표현어들 중 하나 또는 2 이상을 조합한 키워드들을 이용하여 수집되는 패션 취향 정보 생성 방법.
  4. 제 1 항에 있어서,
    상기 제 1 텍스트 정보화는,
    상기 스타일 취향 관련 정보의 형태가 텍스트인 경우, 토큰화를 통한 파싱 또는 정제 프로세스에 의해 수행되고,
    상기 스타일 취향 관련 정보의 형태가 이미지 또는 동영상 정보인 경우, 인공지능 기반의 이미지 인식에 의해 수행되는 패션 취향 정보 생성 방법.
  5. 제 1 항에 있어서,
    상기 스타일 취향 키워드 맵은 N(N은 2 이상의 자연수) 차원 좌표 공간이며,
    상기 N 차원 좌표 공간의 축들은 브랜드명, 패션 용어, 스타일 분류, 아이템명, 신상 정보, 인물 정보 및 감성 표현어들 중 선택된 어느 하나의 키워드로부터 선택되는 패션 취향 정보 생성 방법.
  6. 제 1 항에 있어서,
    상기 개별 사용자의 로그 활동 정보는 상기 온라인 서비스들과 분리된 별개의 사용자 취향 판별 서비스로부터 얻어지는 패션 취향 정보 생성 방법.
  7. 제 6 항에 있어서,
    상기 사용자 취향 판별 서비스는 상기 스타일 취향 관련 정보들에 관한 텍스트, 이미지 또는 동영상 형식의 컨텐츠를 상기 개별 사용자에게 노출시켜 상기 개별 사용자의 반응으로 로그로서 기록하는 패션 취향 정보 생성 방법.
  8. 제 1 항에 있어서,
    상기 개별 사용자의 정밀 프로파일은 상기 개별 사용자의 활동이 축적됨에 따라 업데이트되는 패션 취향 정보 생성 방법.
  9. 제 1 항에 있어서,
    상기 개별 사용자의 정밀 프로파일을 이용하여, 복수의 사용자를 그룹핑하는 단계를 더 포함하는 패션 취향 정보 생성 방법.
  10. 제 9 항에 있어서,
    상기 스타일 취향 키워드 맵 상에서, 가상 타겟 사용자의 정밀 프로파일을 생성하는 단계; 및
    상기 가상 타겟 사용자의 정밀 프로파일과 상기 그룹핑된 복수의 사용자들에 관한 정보를 추출하는 단계를 더 포함하는 패션 취향 정보 생성 방법.
  11. 네트워크를 통해 소셜 미디어 또는 온라인 게시판을 포함하는 적어도 하나 이상의 온라인 서비스를 수행하는 프로바이더 서버들에 연결되는 패션 취향 관련 정보 제공 시스템으로서,
    적어도 하나의 온라인 서비스로부터 스타일 취향 관련 정보를 수집하는 단계;
    상기 스타일 취향 관련 정보를 텍스트로 처리하여, 제 1 텍스트 정보화를 수행하는 단계;
    상기 제 1 텍스트 정보화된 자료들로부터 스타일 취향 키워드 맵을 생성하는 단계;
    상기 스타일 취향 키워드 맵에서, 텍스트들 사이의 유사도를 측정하는 단계;
    상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 제 2 텍스트 정보화를 수행하는 단계; 및
    상기 개인화된 텍스트 정보와 상기 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성하는 단계를 수행하도록 구성된 연산 장치를 포함하는 패션 취향 정보 제공 시스템.
  12. 네트워크를 통해 접속한 개별 사용자에게 패션 취향 관련 정보를 노출시키는 단계;
    상기 온라인 서비스들에 대한 개별 사용자의 로그 활동 정보로부터 개인화된 텍스트 정보를 생성하는 텍스트 정보화를 수행하는 단계; 및
    상기 개인화된 텍스트 정보와 스타일 취향 키워드 맵을 이용하여, 상기 개별 사용자의 정밀 프로파일을 생성하는 단계를 수행하도록 구성된 연산 장치를 포함하는 패션 취향 시뮬레이션 시스템.
KR1020210112425A 2021-08-25 2021-08-25 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템 KR20230030323A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210112425A KR20230030323A (ko) 2021-08-25 2021-08-25 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210112425A KR20230030323A (ko) 2021-08-25 2021-08-25 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템

Publications (1)

Publication Number Publication Date
KR20230030323A true KR20230030323A (ko) 2023-03-06

Family

ID=85509771

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210112425A KR20230030323A (ko) 2021-08-25 2021-08-25 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템

Country Status (1)

Country Link
KR (1) KR20230030323A (ko)

Similar Documents

Publication Publication Date Title
TWI636416B (zh) 內容個人化之多相排序方法和系統
CN102737333B (zh) 用于计算用户和要约到微小细分的匹配的顺序引擎
US10430727B1 (en) Systems and methods for privacy-preserving generation of models for estimating consumer behavior
US20140067535A1 (en) Concept-level User Intent Profile Extraction and Applications
US8341101B1 (en) Determining relationships between data items and individuals, and dynamically calculating a metric score based on groups of characteristics
US20100306249A1 (en) Social network systems and methods
Ismail et al. Data mining in electronic commerce: benefits and challenges
US20200320548A1 (en) Systems and Methods for Estimating Future Behavior of a Consumer
US9195962B2 (en) Generating a subgraph of key entities in a network and categorizing the subgraph entities into different types using social network analysis
US11379473B1 (en) Site rank codex search patterns
CN116595398A (zh) 基于元宇宙的资源智能匹配方法及相关装置
Kuanr et al. Recent challenges in recommender systems: a survey
CN115244547A (zh) 自动并智能地探索设计空间
US8478702B1 (en) Tools and methods for determining semantic relationship indexes
Vijayakumar Digital twin in consumer choice modeling
KR20100123206A (ko) 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치
Markellou et al. Personalized e-commerce recommendations
KR20230030323A (ko) 패션 취향 정보 생성 방법 및 패션 취향 정보 제공 시스템
Yamaba et al. On a serendipity-oriented recommender system based on folksonomy
CN113806638A (zh) 基于用户画像的个性化推荐方法及相关设备
Bouras et al. Enhancing meta-portals using dynamic user context personalization techniques
US10664862B1 (en) Topic inference based contextual content
KR20220007459A (ko) 소셜 미디어 활동 분석을 통한 관계형성 서비스 제공방법 및 그 시스템
Musto et al. Content-based personalization services integrating folksonomies
JP7354195B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

Legal Events

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