KR20230081295A - 브랜드 평판 분석 서비스를 제공하기 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램 - Google Patents

Abstract

브랜드 평판 분석 서비스를 제공하기 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램이 개시된다. 브랜드 평판 분석 방법은, 브랜드의 상품을 분류하는 카테고리에 대해 브랜드명과 카테고리명을 이용하여 상기 카테고리와 관련된 문서를 선정하는 단계; 및 상기 문서에서 상기 상품의 속성과 상기 속성 별 감정을 분석하여 상기 속성과 상기 감정에 대한 분석 결과를 포함한 평판 정보를 제공하는 단계를 포함할 수 있다.

Description

브랜드 평판 분석 서비스를 제공하기 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램{METHOD, COMPUTER DEVICE, AND COMPUTER PROGRAM FOR PROVIDING BRAND REPUTATION ANALYSIS SERVICE}

아래의 설명은 브랜드에 대한 평판 정보를 제공하는 기술에 관한 것이다.

최근 빅데이터를 분석하여 분석 결과로부터 다양한 인사이트(insight)를 얻기 위한 노력들이 확대되고 있다. 빅데이터 분석 방법의 핵심 기술 중 하나는 감정 분석(sentiment analysis) 기술이라 할 수 있다.

감정 분석이란, 목표가 되는 사건이나 인물, 상품 등에 대한 대중들의 감정을 분석하는 기술이며, 통계 방식에 따라 사람들의 여론을 다양한 관점으로 분석할 수 있다.

감정 분석 기술의 일례로, 한국공개특허 제10-2012-0109943호(공개일 2012년 10월 09일)에는 문장에 내재된 감정 분석을 위한 기술이 개시되어 있다.

인공지능(AI) 기술을 기반으로 빅데이터로부터 브랜드 관리, 마케팅, 영업 전략 점검이나 수립 등을 위한 폭넓은 인사이트를 제공하는 브랜드 평판 분석 서비스를 위한 방법 및 장치를 제공한다.

컴퓨터 장치에서 실행되는 브랜드 평판 분석 방법에 있어서, 상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 브랜드 평판 분석 방법은, 상기 적어도 하나의 프로세서에 의해, 브랜드의 상품을 분류하는 카테고리에 대해 브랜드명과 카테고리명을 이용하여 상기 카테고리와 관련된 문서를 선정하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 문서에서 상기 상품의 속성과 상기 속성 별 감정을 분석하여 상기 속성과 상기 감정에 대한 분석 결과를 포함한 평판 정보를 제공하는 단계를 포함하는 브랜드 평판 분석 방법을 제공한다.

일 측면에 따르면, 상기 선정하는 단계는, 상기 브랜드명과 상기 카테고리명을 이용하여 상기 카테고리와 관련된 키워드를 생성하는 단계; 및 상기 키워드를 이용한 문서 검색을 통해 상기 문서를 수집하는 단계를 포함할 수 있다.

다른 측면에 따르면, 상기 선정하는 단계는, 상기 카테고리에 포함된 상품명에서 공통으로 나타나는 어휘를 중심 키워드로 추출하는 단계; 상기 상품명에서 상기 중심 키워드를 기준으로 적어도 하나의 문맥 키워드를 추출하는 단계; 상기 중심 키워드와 상기 문맥 키워드를 결합하여 확장 키워드를 생성하는 단계; 및 상기 확장 키워드를 이용한 문서 검색을 통해 상기 문서를 수집하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 선정하는 단계는, 상기 중심 키워드 중에서 상기 브랜드의 하위 브랜드명에 해당하는 키워드를 제거하는 단계를 더 포함할 수 있다.

또 다른 측면에 따르면, 상기 선정하는 단계는, 상기 확장 키워드 중에서 유사한 형태의 키워드를 병합하는 단계; 상기 확장 키워드에 대해 상기 카테고리명을 이용한 일반화를 수행하는 단계; 및 중의성을 가진 키워드가 포함된 상기 확장 키워드에 완전 일치 검색을 위한 기호를 추가하는 단계 중 적어도 하나를 더 포함할 수 있다.

또 다른 측면에 따르면, 상기 선정하는 단계는 상기 브랜드와의 상관도 및 사전학습된 문서 패턴 중 적어도 하나를 기반으로 상기 수집된 문서 중 일부 문서를 제거하는 단계를 더 포함할 수 있다.

또 다른 측면에 따르면, 상기 제공하는 단계는, 상기 문서를 문장 단위로 분리하여 각 문장의 테마가 되는 상기 속성과 상기 속성을 표현한 문구 범위를 추출하는 단계; 상기 속성과 상기 문구 범위를 입력으로 하는 감정 분석 모델을 통해 상기 문구 범위에 대한 감정 유형을 분류하는 단계; 및 상기 문서를 대상으로 상기 감정 유형 별로 상기 문구 범위의 어휘가 유사한 문장을 클러스터링하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 제공하는 단계는, 상기 문서 별로 상기 문서에 대한 감정 유형과 상기 문서에 언급된 속성 정보를 제공하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 브랜드 평판 분석 방법은, 상기 적어도 하나의 프로세서에 의해, 검색 로그를 이용하여 상기 카테고리와 관련된 키워드 리스트를 추출하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 키워드 리스트를 기초로 상기 카테고리에 대한 트렌드 키워드 정보와 인기 브랜드 정보를 제공하는 단계를 더 포함할 수 있다.

또 다른 측면에 따르면, 상기 카테고리와 관련된 키워드 리스트를 추출하는 단계는, 상기 키워드 리스트에서 동의어에 해당되는 키워드를 병합하는 단계; 상기 키워드 리스트에서 쇼핑과 관련 없는 키워드를 제거하는 단계; 상기 키워드 리스트에 포함된 키워드를 성별을 고려하여 분류하는 단계; 및 상기 키워드 리스트에 포함된 키워드를 중의성을 고려하여 분류하는 단계 중 적어도 하나를 더 포함할 수 있다.

또 다른 측면에 따르면, 상기 카테고리에 대한 트렌드 키워드 정보와 인기 브랜드 정보를 제공하는 단계는, 상기 키워드 리스트에서 카테고리명에 해당하는 키워드를 기준으로 이전 또는 이후 어휘를 트렌드 키워드로 추출하는 단계; 상기 키워드 리스트에서의 추출 빈도와 인터넷 상의 문서에 등장하는 빈도를 기초로 상기 트렌드 키워드에 대한 랭킹을 수행하는 단계; 상기 키워드 리스트에서 브랜드명과 매칭되는 어휘를 브랜드 키워드로 추출하는 단계; 및 상기 키워드 리스트에서의 추출 빈도와 인터넷 상의 문서에 등장하는 빈도를 기초로 상기 브랜드 키워드에 대한 랭킹을 수행하는 단계를 포함할 수 있다.

상기 브랜드 평판 분석 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램을 제공한다.

컴퓨터 장치에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 브랜드의 상품을 분류하는 카테고리에 대해 브랜드명과 카테고리명을 이용하여 상기 카테고리와 관련된 문서를 선정하는 과정; 및 상기 문서에서 상기 상품의 속성과 상기 속성 별 감정을 분석하여 상기 속성과 상기 감정에 대한 분석 결과를 포함한 평판 정보를 제공하는 과정을 처리하는 컴퓨터 장치를 제공한다.

본 발명의 실시예들에 따르면, 인공지능(AI) 기술을 기반으로 빅데이터로부터 브랜드 평판에 대한 다방면의 분석 정보를 제공함으로써 브랜드 관리, 마케팅, 영업 전략 점검이나 수립 등을 위한 폭넓은 인사이트를 제공할 수 있다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 있어서 브랜드 평판 분석 서비스의 개념을 설명하기 위한 예시 도면이다.
도 4는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 브랜드 평판 분석 방법의 일례를 도시한 흐름도이다.
도 5는 본 발명의 일실시예에 있어서 타겟 상품과 관련된 후보 문서를 선정하는 과정의 일례를 도시한 흐름도이다.
도 6은 본 발명의 일실시예에 있어서 타겟 상품과 관련된 진성 문서를 선정하는 과정의 일례를 도시한 흐름도이다.
도 7은 본 발명의 일실시예에 있어서 타겟 상품에 대한 사용자 반응을 분석하는 과정의 일례를 도시한 흐름도이다.
도 8 내지 도 12는 본 발명의 일실시예에 있어서 타겟 상품에 대한 평판 정보를 제공하는 서비스 화면의 예시를 도시한 것이다.
도 13은 본 발명의 일실시예에 있어서 브랜드 평판 분석 방법의 다른 예를 도시한 흐름도이다.
도 14 내지 도 15는 본 발명의 일실시예에 있어서 상품 카테고리 별 인기 키워드와 인기 브랜드를 제공하는 서비스 화면의 예시를 도시한 것이다.
도 16은 본 발명의 일실시예에 있어서 경쟁 상품과의 비교 분석 결과를 제공하는 서비스 화면의 예시를 도시한 것이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 실시예들은 브랜드에 대한 평판 정보를 분석하여 제공하는 기술에 관한 것이다.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 빅데이터를 이용한 인공지능(AI) 분석을 통해 브랜드에 대한 다방면의 분석 정보를 제공하는 브랜드 평판 분석 서비스를 구현할 수 있다.

본 발명의 실시예들에 따른 브랜드 평판 분석 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 브랜드 평판 분석 방법은 브랜드 평판 분석 시스템에 포함되는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 브랜드 평판 분석 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 브랜드 평판 분석 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.

복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 브랜드 평판 분석 서비스)를 제공하는 시스템일 수 있다.

도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다. 예를 들어, 본 발명의 실시예들에 따른 브랜드 평판 분석 시스템은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.

이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.

프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 인터페이스(230)는 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.

입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.

또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.

본 실시예들은 브랜드가 가진 상품 카테고리에 대한 평판 정보를 분석하여 제공할 수 있다.

도 3은 본 발명의 일실시예에 있어서 브랜드 평판 분석 서비스 개념을 설명하기 위한 예시 도면이다.

도 3을 참조하면, 프로세서(220)는 인공지능 기술을 사용하여 인터넷 상의 리뷰나 검색 로그 등을 포함한 빅데이터로부터 브랜드별 혹은 상품 카테고리별 멘션(즉, 리뷰), 상품 속성별 멘션, 멘션의 감정, 검색량, 연관 키워드 등을 분석하여 다양한 피처의 평판 분석 결과를 제공할 수 있다.

프로세서(220)는 사용자 반응에 기반한 브랜드 분석, 상품 분석, 카테고리 분석, 경쟁사 비교 분석 등을 통해 브랜드 관리 및 운영에 필요한 인사이트를 제공할 수 있다.

도 4는 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 브랜드 평판 분석 방법의 예를 도시한 흐름도이다.

본 실시예에 따른 브랜드 평판 분석 방법은 앞서 설명한 컴퓨터 장치(200)에 의해 수행될 수 있다. 이 경우, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 이하의 브랜드 평판 분석 방법이 포함하는 단계들을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.

도 4를 참조하면, 단계(S410)에서 프로세서(220)는 문서 검색을 통해 타겟 상품과 관련된 후보 문서를 선정할 수 있다. 프로세서(220)는 브랜드 평판 분석을 위해 해당 브랜드에 대해 작성된 문서를 자동 수집할 수 있다. 이때, 프로세서(220)는 타겟 상품의 브랜드명과 카테고리명, 각종 쇼핑 플랫폼에 등록된 상품명 등을 이용하여 키워드를 생성하고 키워드를 이용한 문서 검색을 통해 타겟 상품과 관련된 후보 문서를 수집할 수 있다.

단계(S420)에서 프로세서(220)는 인공지능 기반 언어 모델을 이용한 문서 필터링을 통해 후보 문서 중 적어도 일부 문서를 타겟 상품과 관련된 진성 문서로 선정할 수 있다. 프로세서(220)는 타겟 상품에 대한 진성 문서를 통해 사용자에 의한 실제적인 반응을 분석하기 위해 광고성 문서와 판매나 영업 목적으로 만들어진 문서를 필터링하여 분석 대상 문서에서 제외시킬 수 있다. 다시 말해, 프로세서(220)는 후보 문서 중에서 광고성 문서와 판매나 영업 목적으로 작성된 문서를 제거하고 남은 나머지 문서를 타겟 상품과 관련된 진성 문서로 선정할 수 있다.

단계(S430)에서 프로세서(220)는 진성 문서를 이용하여 타겟 상품에 대한 사용자 반응을 분석할 수 있다. 프로세서(220)는 사용자 실제 경험이 담긴 진성 문서를 기준으로 타겟 상품에 대한 속성과 속성 별 감정을 분석하여 분석 결과에 대한 그룹핑 정보를 제공할 수 있다. 프로세서(220)는 타겟 상품에 대해 진성 문서로부터 사용자에게 중요한 속성은 무엇인지, 그리고 각각의 속성에 대한 사용자 반응으로 어떤 유형의 감정이 나타나는지를 추출할 수 있다. 프로세서(220)는 타겟 상품의 속성 별 감정 분석 결과와 함께, 타겟 상품의 브랜드에 대한 만족도 및 검색량, 타겟 상품의 카테고리에 대한 만족도 및 검색량 등을 통한 다양한 평판 지수를 한번에 파악할 수 있도록 제공할 수 있다.

프로세서(220)는 사용자 실제 경험으로 작성된 진성 문서에 대한 자동 수집 및 종합 분석을 통해 타겟 상품의 브랜드와 카테고리에 대한 질적인 평판 정보를 제공할 수 있다.

도 5는 본 발명의 일실시예에 있어서 타겟 상품과 관련된 후보 문서를 선정하는 과정의 일례를 도시한 흐름도이다.

본 실시예들은 각 브랜드에 대해 해당 브랜드 상품의 카테고리를 기준으로 상품에 대한 사용자 반응을 분석하기 위해 인터넷 상의 다양한 문서 중에서 해당 브랜드의 카테고리와 관련된 상품 문서를 분석 대상 문서로 추출할 수 있다.

프로세서(220)는 특정 브랜드의 상품 카테고리와 관련된 문서를 추출하기 위해 키워드를 자동으로 생성하여 문서를 검색하는 방법을 적용할 수 있다. 프로세서(220)는 각 브랜드 별로 해당 브랜드 상품을 분류하는 카테고리 각각에 대해 문서 검색을 위한 키워드를 생성할 수 있다.

도 5를 참조하면, 단계(S501)에서 프로세서(220)는 브랜드에 속한 카테고리 각각에 대해 해당 카테고리의 상품명 목록에서 중심 키워드를 추출할 수 있다. 프로세서(220)는 브랜드의 상품 카테고리에 대한 키워드 생성을 위해 브랜드 별 카테고리에 포함된 상품명 목록과 금지어 사전 및 동의어 사전 등을 활용할 수 있다. 일례로, 프로세서(220)는 상품 카테고리에 적합한 키워드를 생성하기 위해 금지어 사전을 통해 금지어(예를 들어, 특가, 1+1 등)를 제거하고 상품명에서 공통적으로 나타나는 높은 빈도의 어휘를 중심 키워드로 추출할 수 있다. 예를 들어, 상품명 '브랜드 브릭 백팩 가방 BRAND brick bagpack'에 대해 중심 키워드 '백팩'을 추출할 수 있다. 이때, 프로세서(220)는 상품명에서 금지어는 물론이고 해당 브랜드의 하위 브랜드명에 속하는 키워드를 제거할 수 있다.

단계(S502)에서 프로세서(220)는 상품명 목록에서 중심 키워드를 기준으로 적어도 하나의 문맥 키워드를 추출하여 키워드를 확장할 수 있다. 프로세서(220)는 중심 키워드를 기준으로 주변 문맥 추출을 위해 언어 모델, 일례로 N-그램(gram)을 활용할 수 있고, 예를 들어 상품명 목록에서 추출된 N-그램 정보에 따라 중심 키워드의 바로 앞에 위치하는 키워드를 중심 키워드와 결합하여 확장 키워드를 생성할 수 있다. 상품명 '브랜드 브릭 백팩 가방 BRAND brick bagpack'에서 추출된 중심 키워드 '백팩'에 대해 앞 문맥 키워드 '브랜드 브릭'을 결합하여 확장 키워드 '브랜드 브릭 백팩'을 만들 수 있다.

이때, 프로세서(220)는 확장 키워드 중에서 단순히 키워드 간 순서가 다르거나 기호가 추가되는 등 형태적으로 유사한 키워드를 병합할 수 있다. 예를 들어, '브랜드 브릭 백팩', '백팩 브랜드 브릭', '브랜드 브릭 백팩!!!' 등을 '브랜드 브릭 백팩'으로 통일시킬 수 있다. 또한, 프로세서(220)는 확장 키워드에 대해 카테고리명을 활용한 일반화를 수행할 수 있다. 예를 들어, 특정 브랜드의 휴대폰 케이스에 대한 키워드를 생성하는 과정에서 '가죽 케이스', '젤리 케이스' 등을 카테고리명인 '휴대폰 케이스'로 일반화할 수 있다. 그리고, 프로세서(220)는 확장 키워드 중에서 부분 키워드가 포함된 긴 키워드를 제거할 수 있다. 예를 들어, '브랜드 브릭 백팩'과 '브랜드 브릭 백팩 123' 중에서 '브랜드 브릭 백팩 123'를 제거할 수 있다.

프로세서(220)는 확장 키워드에 중의성을 가진 키워드가 포함되는 경우 완전 일치 검색을 위한 기호를 추가할 수 있다. 중의성이 높은 키워드는 관련 없는 문서가 수집될 확률이 높기 때문에 따옴표("")를 이용하여 확장 키워드에 대한 중의성을 제거할 수 있다.

상기한 과정을 통해 각 브랜드에 대해 해당 브랜드의 상품 카테고리 별로 확장 키워드를 생성할 수 있다. 브랜드 A의 상품 카테고리로 카테고리 Ⅰ와 카테고리 Ⅱ가 있다고 가정할 때, 브랜드 A-카테고리 Ⅰ에 대한 키워드 리스트, 브랜드 A-카테고리 Ⅱ에 대한 키워드 리스트를 만들 수 있다.

단계(S503)에서 프로세서(220)는 브랜드에 속한 카테고리 각각에 대해 확장 키워드를 이용한 문서 검색을 통해 해당 브랜드의 각 카테고리와 관련된 후보 문서를 선정할 수 있다. 프로세서(220)는 브랜드의 상품 카테고리에 적합한 키워드를 이용하여 문서를 검색함으로써 인터넷 상의 다양한 문서 중에서 해당 브랜드의 카테고리와 관련된 문서를 선정할 수 있다.

도 6은 본 발명의 일실시예에 있어서 타겟 상품과 관련된 진성 문서를 선정하는 과정의 일례를 도시한 흐름도이다.

본 실시예들은 타겟 상품과 관련 있는 문서 중에서 단순 언급성 문서와 특정 패턴의 문서를 필터링하여 사용자 경험이 담긴 진성 문서를 분석 대상 문서로 선정할 수 있다.

도 6을 참조하면, 단계(S601)에서 프로세서(220)는 브랜드와 문서 간의 상관도를 기반으로 후보 문서 중에서 브랜드와 상관도가 낮은 문서를 제거할 수 있다. 프로세서(220)는 인공지능 언어 모델(예를 들어, BERT(Bidirectional Encoder Representations from Transformer) 모델)을 이용하여 브랜드와 후보 문서 간의 상관도를 파악할 수 있고, 상관도를 기준으로 후보 문서 중에서 브랜드와 관련성이 떨어지는 문서를 필터링할 수 있다.

단계(S602)에서 프로세서(220)는 후보 문서 중 사전학습된 필터링 패턴을 가진 문서를 제거할 수 있다. 프로세서(220)는 하이브리드 방식으로서 인공지능 언어 모델과 패턴 매칭 방식을 이용하여 텍스트 패턴이 사전학습된 패턴과 매칭되는 후보 문서를 분석 대상 문서에서 제외시킬 수 있다. 광고성 문서와 판매나 영업 목적을 가진 문서는 유사 패턴으로 작성될 수 있으며, 이러한 패턴의 문서를 필터링하여 실제 사용자의 경험으로 작성된 문서만을 분석 대상 문서로 선정할 수 있다.

프로세서(220)는 문서 필터링 과정에서 이미지가 포함된 후보 문서의 경우 문서에 포함된 이미지에 대해 OCR(optical character reader) 분석을 통해 텍스트를 추출할 수 있다.

점진적 모델 개선을 위해 광고성 문서와 판매나 영업 문서 패턴이 일정 수준 이상 모이면 해당 패턴과 매칭된 데이터를 추출하여 필터링 패턴을 갱신하거나 학습 데이터를 추가로 만든 후 인공지능 모델을 재학습시킬 수 있다.

도 7은 본 발명의 일실시예에 있어서 타겟 상품에 대한 사용자 반응을 분석하는 과정의 일례를 도시한 흐름도이다.

본 실시예들은 사용자 실제 경험이 담긴 진성 문서를 기준으로 타겟 상품에 대한 속성과 속성 별 감정을 분석하여 분석 결과에 대한 그룹핑 정보를 제공할 수 있다.

도 7을 참조하면, 단계(S701)에서 프로세서(220)는 진성 문서를 문장 단위로 분리하여 각 문장과 관련된 속성과 해당 속성을 표현한 문구 범위(이하, '주요 문구 범위'라 칭함)를 추출할 수 있다. 일례로, 프로세서(220)는 DNN(deep neural network) 분석 및 패턴 매칭을 통해 진성 문서로부터 속성 및 속성 별 주요 문구 범위를 추출할 수 있다. 프로세서(220)는 상품 카테고리에 대해 사전에 정해진 세부 속성 분류를 이용하여 진성 문서에서 언급된 속성을 추출할 수 있다. 프로세서(220)는 NLU(natural language understanding) 스크립트(script)와 같은 패턴 기반 분석기를 통해 문장의 테마가 되는 속성을 추출할 수 있고, 문장 내에서 해당 속성과 직접 관계가 있는 주요 문구 범위를 추출할 수 있다. 예를 들어, 문장 '다른 카메라에 비해 화질이 선명해서 좋아요'로부터 속성 '화질'을 추출할 수 있고, 해당 속성이 표현된 주요 문구 범위로 '화질이 선명해서 좋아요'를 추출할 수 있다.

단계(S702)에서 프로세서(220)는 속성 별로 속성 표현 문구 범위인 주요 문구 범위에 대한 감정 분석을 수행할 수 있다. 일례로, 프로세서(220)는 속성과 해당 속성의 주요 문구 범위를 인공지능 모델(예를 들면, DNN) 기반 감정 분석 모델의 입력으로 하여 해당 문구에 대한 감정 유형(예를 들어, 긍정, 부정, 중립)을 분류할 수 있다. 예를 들어, 속성 '화질'을 표현한 주요 문구 범위 '화질이 선명해서 좋아요'에 대한 감정 분석 결과는 '긍정'으로 분류될 수 있다.

단계(S703)에서 프로세서(220)는 타겟 상품의 속성 별 분석 결과로서 주요 문구 범위를 기준으로 감정 별 그룹핑 정보를 제공할 수 있다. 프로세서(220)는 타겟 상품과 관련된 문서를 대상으로 주요 문구 범위가 유사한 문장에 대해 형태소 분석 기반의 유사 어휘 클러스터링 모델을 적용하여 클러스터링을 수행할 수 있다. 프로세서(220)는 주요 문구 범위를 기준으로 사용자들이 많이 언급한 유사 문장에 대해 감정 별 그룹핑 정보를 제공할 수 있다. 다시 말해, 프로세서(220)는 각 속성에 대해 감정 유형 별로 주요 문구 범위의 어휘가 유사한 문장들을 그룹핑하여 서비스할 수 있다.

프로세서(220)는 진성 문서에 대해 속성 및 감정 분석을 통해 문서 단위로 속성과 감정에 대한 상세한 정보를 한눈에 볼 수 있도록 분석 내용을 제공할 수 있다. 프로세서(220)는 타겟 상품에 대한 진성 문서에 대해 문서 단위로 해당 문서에 언급된 상품이 사용자들로부터 어떤 평가(긍정, 부정, 중립)를 받았는지, 그리고 어떤 속성의 내용으로 작성된 것인지 등을 제공할 수 있다.

도 8 내지 도 12는 본 발명의 일실시예에 있어서 타겟 상품에 대한 평판 정보를 제공하는 서비스 화면의 예시를 도시한 것이다.

도 8 내지 도 12는 타겟 상품에 대한 평판 정보를 제공하는 서비스 화면(800)을 나타내고 있다.

도 8을 참조하면, 프로세서(220)는 브랜드 A가 선택되는 경우 서비스 화면(800)을 통해 브랜드 A에 대한 상품 카테고리 간 분포 정보(810)와 브랜드 만족도 정보(820)를 제공할 수 있다. 여기서, 상품 카테고리 간 분포 정보(810)는 브랜드 A의 상품 카테고리 별 검색량과 리뷰량을 포함할 수 있고, 브랜드 만족도 정보(820)는 브랜드 A에 대한 평가로 받은 감정 유형 별 비율과 검색량 추이를 포함할 수 있다.

도 9를 참조하면, 프로세서(220)는 서비스 화면(800)을 통해 브랜드 A에 대한 상품 카테고리 간 분포 정보(810) 및 브랜드 만족도 정보(820)와 함께, 브랜드 A에 대한 리뷰 정보(930)를 제공할 수 있다. 리뷰 정보(930)는 브랜드 A 관련 내용으로 작성된 문서에 해당될 수 있으며, 리뷰 별 속성 및 감정 분석 결과를 포함할 수 있다. 프로세서(220)는 리뷰 정보(930)에 포함된 리뷰 각각에 대해 감정 유형(931)과 해당 리뷰에 언급된 속성 정보(932)를 보여줄 수 있다.

도 10을 참조하면, 프로세서(220)는 브랜드 B의 상품 카테고리 중 특정 카테고리로 '휴대폰'이 선택되는 경우 서비스 화면(800)을 통해 브랜드 B의 '휴대폰'에 대한 상품 만족도 정보(1040)를 제공할 수 있다. 여기서, 상품 만족도 정보(1040)는 브랜드 B의 '휴대폰'에 대한 평가로 받은 감정 유형 별 비율과 검색량 추이를 포함할 수 있다.

도 11을 참조하면, 프로세서(220)는 서비스 화면(800)을 통해 브랜드 B의 '휴대폰'에 대한 속성 별 평가 정보(1150)를 제공할 수 있다. 프로세서(220)는 브랜드 B의 '휴대폰'에 적합한 키워드를 자동 생성하여 이를 이용한 문서 검색을 통해 브랜드 B의 '휴대폰'과 관련된 진성 문서를 선정할 수 있다. 프로세서(220)는 브랜드 B의 '휴대폰'에 대한 진성 문서를 이용하여 속성 및 감정 분석을 수행할 수 있다. 프로세서(220)는 브랜드 B의 '휴대폰'에 대한 속성 별 평가 정보(1150)로서 브랜드 B의 '휴대폰'과 관련된 문서에서 언급된 속성 목록(1151)과 각 속성 별 감정 분석 결과(1152)를 제공할 수 있다. 속성 별 감정 분석 결과(1152)는 속성이 언급된 문서 비율, 속성에 대한 감정 유형 별 비율, 속성이 표현된 대표 문구 등을 포함할 수 있다.

도 12를 참조하면, 프로세서(220)는 속성 목록(1151)에서 특정 속성으로 '가격'이 선택되는 경우 서비스 화면(800)을 통해 속성 '가격'에 대한 상세 평가 정보(1260)를 제공할 수 있다. 상세 평가 정보(1260)는 브랜드 B의 '휴대폰'과 관련된 전체 문서 중 속성 '가격'이 언급된 문서 비율, 속성 '가격'에 대한 감정 유형 별 문서 비율, 감정 유형 별 속성 '가격'을 표현한 문구 목록 등을 포함할 수 있다.

프로세서(220)는 감정 유형 별 문구 목록에서 특정 문구를 선택하는 경우 해당 문구와 어휘가 유사한 문구를 포함하는 리뷰 목록(1261)을 제공할 수 있다. 이때, 리뷰 목록(1261)에는 리뷰 각각에 대해 선택 문구와 어휘가 유사한 문구에 별도의 디스플레이 요소(1262)(예를 들어, 하이라이트 등)를 적용할 수 있다.

따라서, 프로세서(220)는 브랜드를 기준으로 혹은 브랜드의 상품 카테고리를 기준으로 상품에 대한 종합적인 평판 분석 결과를 제공할 수 있다.

도 13은 본 발명의 일실시예에 있어서 브랜드 평판 분석 방법의 다른 예를 도시한 흐름도이다.

도 13의 브랜드 평판 분석 방법은 앞서 설명한 컴퓨터 장치(200)에 의해 수행될 수 있으며, 도 4의 브랜드 평판 분석 방법에 포함될 수 있다.

도 13을 참조하면, 단계(S1340)에서 프로세서(220)는 상품을 분류하는 기준인 상품 카테고리 별로 관련 있는 키워드 리스트를 추출할 수 있다. 일례로, 프로세서(220)는 검색 로그를 이용하여 쇼핑 카테고리명에 해당되는 키워드를 이용한 검색을 기준으로 일정 시간 이전 혹은 이후 검색에 이용된 키워드를 해당 카테고리와 관련된 후보 키워드로 추출할 수 있다. 예를 들어, '바디클렌저'를 검색한 직후 '대용량'을 추가 검색한 경우 카테고리 '바디클렌저'와 키워드 '대용량'가 서로 관련이 있다고 판단한다. 또한, 프로세서(220)는 쇼핑 카테고리 클릭 로그를 이용하여 카테고리와 관련된 후보 키워드를 추출할 수 있다. 예를 들어, '샤워'를 검색한 다음 검색 결과에 포함된 쇼핑 카테고리에서 '바디 클렌저'를 선택한 경우 카테고리 '바디클렌저'와 키워드 '샤워'가 서로 관련이 있다고 판단한다.

프로세서(220)는 카테고리 별로 추출된 후보 키워드에 대해 분류 및 필터링을 거쳐 최종 키워드 리스트를 결정할 수 있다. 이때, 프로세서(220)는 카테고리 별로 추출된 후보 키워드에 대해 형태소 분석 기반 동의어 처리를 통해 동일한 의미를 가진 키워드를 병합할 수 있다. 또한, 프로세서(220)는 인공지능 언어 모델(예를 들어, BERT 모델)을 이용하여 후보 키워드 중 쇼핑과 관련 없는 키워드를 제거할 수 있다. 다시 말해, 프로세서(220)는 쇼핑과 관련된 키워드인지 여부를 판별하여 동음이의어 등으로 인해 추출되는 비쇼핑 키워드를 필터링할 수 있다. 또한, 프로세서(220)는 인공지능 모델(예를 들어, BERT 모델)을 이용하여 성별을 기준으로 후보 키워드를 분류할 수 있다. 남성의류와 여성의류는 서로 다른 카테고리이기 때문에 BERT 모델을 이용하여 후보 키워드의 카테고리를 성별에 따라 분류할 수 있다. 카테고리의 성별이 구분된 경우(예를 들어, 패션의류>여성의류>청바지, 패션의류>남성의류>청바지) 해당 카테고리의 후보 키워드를 성별에 따라 구분할 수 있다. 그리고, 프로세서(220)는 인공지능 모델(예를 들어, BERT 모델)을 이용하여 후보 키워드 중 중의성이 있는 키워드에 대해 세분화된 카테고리로 분류할 수 있다. 키워드 '프라이머'는 카테고리 '화장품>미용'과도 관련이 있고 카테고리 '생활/건강'과도 관련이 있기 때문에 키워드의 카테고리를 세분화하여 분류할 수 있다.

단계(S1350)에서 프로세서(220)는 카테고리 각각에 대해 키워드 리스트에서 카테고리명을 기준으로 카테고리명 이전 또는 이후 어휘를 트렌드 키워드로 추출할 수 있다. 프로세서(220)는 키워드 리스트에서 추출된 빈도와 인터넷 상의 문서(예를 들어, 사용자 리뷰 등)에서 등장하는 빈도를 기초로 트렌드 키워드에 대한 랭킹을 수행할 수 있다.

단계(S1360)에서 프로세서(220)는 카테고리 각각에 대해 키워드 리스트에서 브랜드 사전에 등록된 브랜드명과 매칭되는 어휘를 브랜드 키워드로 추출할 수 있다. 프로세서(220)는 키워드 리스트에서 추출된 빈도와 인터넷 상의 문서(예를 들어, 사용자 리뷰 등)에서 등장하는 빈도를 기초로 브랜드 키워드에 대한 랭킹을 수행할 수 있다.

프로세서(220)는 카테고리 분석 결과로서 특정 상품 카테고리에 대해 트렌드 키워드와 브랜드 키워드를 제공할 수 있다. 프로세서(220)는 일정 기간(예를 들어, 일간, 주간, 월간 등)을 주기로 카테고리 별 키워드 리스트를 집계함으로써 해당 주기의 트렌드 키워드와 브랜드 키워드를 업데이트할 수 있다.

도 14 내지 도 15는 본 발명의 일실시예에 있어서 상품 카테고리 별 인기 키워드와 인기 브랜드를 제공하는 서비스 화면의 예시를 도시한 것이다.

도 14 내지 도 15는 상품 카테고리 별 인기 키워드와 인기 브랜드를 제공하는 서비스 화면(1400)을 나타내고 있다.

도 14를 참조하면, 프로세서(220)는 특정 카테고리로 '바디클렌저'가 선택되는 경우 서비스 화면(1400)을 통해 카테고리 '바디클렌저'에 대한 트렌드 키워드 정보(1410)를 제공할 수 있다. 프로세서(220)는 트렌드 키워드 정보(1410)로서 카테고리 '바디클렌저'와 관련하여 사람들에 의해 언급되고 있는 트렌드 키워드 목록(1411)을 제공할 수 있고, 이때 트렌드 키워드 목록(1411)은 키워드 순위와 순위 변동 추이를 포함할 수 있다.

도 15를 참조하면, 프로세서(220)는 서비스 화면(1400)을 통해 카테고리 '바디클렌저'에 대한 트렌드 키워드 정보(1410) 이외에도 인기 브랜드 정보(1520)를 함께 제공할 수 있다. 프로세서(220)는 인기 브랜드 정보(1520)로서 카테고리 '바디클렌저'와 관련하여 사람들에 의해 관심이 있는 브랜드 키워드 목록(1521)을 제공할 수 있고, 이때 브랜드 키워드 목록(1521)은 브랜드 순위와 순위 변동 추이를 포함할 수 있다.

더 나아가, 프로세서(220)는 브랜드 및 카테고리에 대한 분석 내용을 집계하여 경쟁사 간에 비교 분석 결과를 제공할 수 있다. 프로세서(220)는 각 브랜드에 대한 감정 분석 결과, 리뷰량, 검색량 등을 비교하여 특정 브랜드가 상위 다른 브랜드에 비해 어떠한 평가와 얼마나 많은 관심을 받고 있는지를 보여줄 수 있다.

도 16은 본 발명의 일실시예에 있어서 경쟁 상품과의 비교 분석 결과를 제공하는 서비스 화면의 예시를 도시한 것이다.

도 16은 경쟁 상품과의 비교 분석 결과를 제공하는 서비스 화면(1600)을 나타내고 있다.

도 16을 참조하면, 프로세서(220)는 브랜드 A의 상품 카테고리 중 특정 카테고리로 '클렌징폼'이 선택되는 경우 서비스 화면(1600)을 통해 브랜드 A의 '클렌징폼'에 대한 경쟁사 비교 정보(1610)를 제공할 수 있다. 여기서, 경쟁사 비교 정보(1610)는 브랜드 A와 상위 경쟁사 간에 카테고리 '클렌징폼'에 대한 검색량과 리뷰량, 감정 유형 별 비율 등을 비교한 결과를 포함할 수 있다.

따라서, 프로세서(220)는 사용자 관심사를 바탕으로 상품 카테고리에 분석 결과로서 인기 있는 키워드와 브랜드, 그리고 경쟁사와의 평판 비교 정보를 제공할 수 있다.

이처럼 본 발명의 실시예들에 따르면, 인공지능(AI) 기술을 기반으로 빅데이터로부터 브랜드 평판에 대한 다방면의 분석 정보를 제공함으로써 브랜드 관리, 마케팅, 영업 전략 점검이나 수립 등을 위한 폭넓은 인사이트를 제공할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 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 어플리케이션을 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, 컴퓨터 저장 매체 또는 장치에 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. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

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

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

Claims (16)

1. 컴퓨터 장치에서 실행되는 브랜드 평판 분석 방법에 있어서,
   상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
   상기 브랜드 평판 분석 방법은,
   상기 적어도 하나의 프로세서에 의해, 브랜드의 상품을 분류하는 카테고리에 대해 브랜드명과 카테고리명을 이용하여 상기 카테고리와 관련된 문서를 선정하는 단계; 및
   상기 적어도 하나의 프로세서에 의해, 상기 문서에서 상기 상품의 속성과 상기 속성 별 감정을 분석하여 상기 속성과 상기 감정에 대한 분석 결과를 포함한 평판 정보를 제공하는 단계
   를 포함하는 브랜드 평판 분석 방법.
2. 제1항에 있어서,
   상기 선정하는 단계는,
   상기 브랜드명과 상기 카테고리명을 이용하여 상기 카테고리와 관련된 키워드를 생성하는 단계; 및
   상기 키워드를 이용한 문서 검색을 통해 상기 문서를 수집하는 단계
   를 포함하는 브랜드 평판 분석 방법.
3. 제1항에 있어서,
   상기 선정하는 단계는,
   상기 카테고리에 포함된 상품명에서 공통으로 나타나는 어휘를 중심 키워드로 추출하는 단계;
   상기 상품명에서 상기 중심 키워드를 기준으로 적어도 하나의 문맥 키워드를 추출하는 단계;
   상기 중심 키워드와 상기 문맥 키워드를 결합하여 확장 키워드를 생성하는 단계; 및
   상기 확장 키워드를 이용한 문서 검색을 통해 상기 문서를 수집하는 단계
   를 포함하는 브랜드 평판 분석 방법.
4. 제3항에 있어서,
   상기 선정하는 단계는,
   상기 중심 키워드 중에서 상기 브랜드의 하위 브랜드명에 해당하는 키워드를 제거하는 단계
   를 더 포함하는 브랜드 평판 분석 방법.
5. 제3항에 있어서,
   상기 선정하는 단계는,
   상기 확장 키워드 중에서 유사한 형태의 키워드를 병합하는 단계;
   상기 확장 키워드에 대해 상기 카테고리명을 이용한 일반화를 수행하는 단계; 및
   중의성을 가진 키워드가 포함된 상기 확장 키워드에 완전 일치 검색을 위한 기호를 추가하는 단계
   중 적어도 하나를 더 포함하는 브랜드 평판 분석 방법.
6. 제2항에 있어서,
   상기 선정하는 단계
   상기 브랜드와의 상관도 및 사전학습된 문서 패턴 중 적어도 하나를 기반으로 상기 수집된 문서 중 일부 문서를 제거하는 단계
   를 더 포함하는 브랜드 평판 분석 방법.
7. 제1항에 있어서,
   상기 제공하는 단계는,
   상기 문서를 문장 단위로 분리하여 각 문장의 테마가 되는 상기 속성과 상기 속성을 표현한 문구 범위를 추출하는 단계;
   상기 속성과 상기 문구 범위를 입력으로 하는 감정 분석 모델을 통해 상기 문구 범위에 대한 감정 유형을 분류하는 단계; 및
   상기 문서를 대상으로 상기 감정 유형 별로 상기 문구 범위의 어휘가 유사한 문장을 클러스터링하는 단계
   를 포함하는 브랜드 평판 분석 방법.
8. 제1항에 있어서,
   상기 제공하는 단계는,
   상기 문서 별로 상기 문서에 대한 감정 유형과 상기 문서에 언급된 속성 정보를 제공하는 단계
   를 포함하는 브랜드 평판 분석 방법.
9. 제1항에 있어서,
   상기 브랜드 평판 분석 방법은,
   상기 적어도 하나의 프로세서에 의해, 검색 로그를 이용하여 상기 카테고리와 관련된 키워드 리스트를 추출하는 단계; 및
   상기 적어도 하나의 프로세서에 의해, 상기 키워드 리스트를 기초로 상기 카테고리에 대한 트렌드 키워드 정보와 인기 브랜드 정보를 제공하는 단계
   를 더 포함하는 브랜드 평판 분석 방법.
10. 제9항에 있어서,
    상기 카테고리와 관련된 키워드 리스트를 추출하는 단계는,
    상기 키워드 리스트에서 동의어에 해당되는 키워드를 병합하는 단계;
    상기 키워드 리스트에서 쇼핑과 관련 없는 키워드를 제거하는 단계;
    상기 키워드 리스트에 포함된 키워드를 성별을 고려하여 분류하는 단계; 및
    상기 키워드 리스트에 포함된 키워드를 중의성을 고려하여 분류하는 단계
    중 적어도 하나를 더 포함하는 브랜드 평판 분석 방법.
11. 제9항에 있어서,
    상기 카테고리에 대한 트렌드 키워드 정보와 인기 브랜드 정보를 제공하는 단계는,
    상기 키워드 리스트에서 카테고리명에 해당하는 키워드를 기준으로 이전 또는 이후 어휘를 트렌드 키워드로 추출하는 단계;
    상기 키워드 리스트에서의 추출 빈도와 인터넷 상의 문서에 등장하는 빈도를 기초로 상기 트렌드 키워드에 대한 랭킹을 수행하는 단계;
    상기 키워드 리스트에서 브랜드명과 매칭되는 어휘를 브랜드 키워드로 추출하는 단계; 및
    상기 키워드 리스트에서의 추출 빈도와 인터넷 상의 문서에 등장하는 빈도를 기초로 상기 브랜드 키워드에 대한 랭킹을 수행하는 단계
    를 포함하는 브랜드 평판 분석 방법.
12. 제1항 내지 제11항 중 어느 한 항의 브랜드 평판 분석 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
13. 컴퓨터 장치에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    브랜드의 상품을 분류하는 카테고리에 대해 브랜드명과 카테고리명을 이용하여 상기 카테고리와 관련된 문서를 선정하는 과정; 및
    상기 문서에서 상기 상품의 속성과 상기 속성 별 감정을 분석하여 상기 속성과 상기 감정에 대한 분석 결과를 포함한 평판 정보를 제공하는 과정
    을 처리하는 컴퓨터 장치.
14. 제13항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 브랜드명과 상기 카테고리명을 이용하여 상기 카테고리와 관련된 키워드를 생성하고,
    상기 키워드를 이용한 문서 검색을 통해 상기 문서를 수집하고,
    상기 브랜드와의 상관도 및 사전학습된 문서 패턴 중 적어도 하나를 기반으로 상기 수집된 문서 중 일부 문서를 제거하는 것
    을 특징으로 하는 컴퓨터 장치.
15. 제13항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 카테고리에 포함된 상품명에서 공통으로 나타나는 어휘를 중심 키워드로 추출하고,
    상기 상품명에서 상기 중심 키워드를 기준으로 적어도 하나의 문맥 키워드를 추출하고,
    상기 중심 키워드와 상기 문맥 키워드를 결합하여 확장 키워드를 생성하고,
    상기 확장 키워드를 이용한 문서 검색을 통해 상기 문서를 수집하는 것
    을 특징으로 하는 컴퓨터 장치.
16. 제13항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 문서를 문장 단위로 분리하여 각 문장의 테마가 되는 상기 속성과 상기 속성을 표현한 문구 범위를 추출하고,
    상기 속성과 상기 문구 범위를 입력으로 하는 감정 분석 모델을 통해 상기 문구 범위에 대한 감정 유형을 분류하고,
    상기 문서를 대상으로 상기 감정 유형 별로 상기 문구 범위의 어휘가 유사한 문장을 클러스터링하는 것
    을 특징으로 하는 컴퓨터 장치.
    

Images