KR20230132067A - 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법 - Google Patents
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법 Download PDFInfo
- Publication number
- KR20230132067A KR20230132067A KR1020220029112A KR20220029112A KR20230132067A KR 20230132067 A KR20230132067 A KR 20230132067A KR 1020220029112 A KR1020220029112 A KR 1020220029112A KR 20220029112 A KR20220029112 A KR 20220029112A KR 20230132067 A KR20230132067 A KR 20230132067A
- Authority
- KR
- South Korea
- Prior art keywords
- book
- user
- genre
- age
- preferred
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000012800 visualization Methods 0.000 claims abstract description 23
- 235000019640 taste Nutrition 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 238000013145 classification model Methods 0.000 description 4
- 238000007637 random forest analysis Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009193 crawling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/93—Document management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법을 개시한다. 본 발명의 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템은, 사용자로부터 연령 및 성별 정보를 수집하고, 수집된 연령 및 성별 정보에 기초하여 해당 사용자의 도서 선호 장르를 산출하는 통계 처리 모듈; 사용자로부터 선호하는 도서의 분량 및 독서 난이도에 관한 정보를 입력받고, 입력된 도서의 분량과 독서 난이도를 이용하여 도서 선호 장르 및 세부 장르를 도출하는 지식 베이스 모듈 및 도서 선호 장르 및 세부 장르에 기초하여 사용자로부터 최신 독서 취향 피드백을 획득하기 위한 도서 시각화 목록을 생성하는 도서 큐레이션 모듈을 포함한다.
Description
본 발명은 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법에 관한 것으로서, 보다 상세하게는 도서 식별 코드에 기반하여 사용자의 선호도를 추론하여 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법에 관한 것이다.
최근들어 사용자의 선호도에 따른 상품(서비스) 추천 시스템의 개발이 많이 이루어지고 상용화되고 있다. 특히 영화, 음악, 만화, 애니메이션 등의 콘텐츠 분야에서도 사용자의 선호도를 파악해서 맞춤형 상품을 선제적으로 제공하는 타겟 마케팅 방식의 서비스 운용이 늘어가는 추세이다.
도서 출판 분야의 경우에도 사용자의 구매 이력 등을 고려하여 사용자 맞춤형 도서를 추천해주는 서비스가 인터넷 판매 사이트에서 이미 상용화되고 있다. 특히, 온라인 서적 판매 기업의 경우에는 사용자의 구매 이력을 분석하고, 사용자가 웹 상에서 관심을 보이는 도서에 대한 정보를 분석해서 사용자의 선호도를 파악하여 선호도에 따른 맞춤형 도서를 제공하는 방식이 일반적으로 사용되고 있다.
이러한 도서 추천 시스템은 규칙 기반 또는 기계학습 방식으로 구현된 기술로 발전되어 왔다. 구체적으로 특허문헌 1에는 사용자의 설문 조사를 통해 수집된 정보들을 분석하여 추출된 도서들을 전자책 형태로 제공할 수 있는 도서 추천 서비스 방법을 개시하고 있다. 또한, 특허문헌 2에서는 인공지능 로봇을 활용한 도서 콘텐츠 제공 방법 및 장치를 개시하고 있다. 또한, 특허문헌 3에서는 인공지능 기반 빅데이터 분석을 활용한 독서 코팅 시스템을 개시하고 있다. 또한, 특허문헌 4에서는 도서 정보 기반의 챗봇 서비스를 위한 파싱 시스템 및 그 제어 방법을 개시하고 있다.
이처럼 사용자 선호도를 파악하기 위하여 사용자 설문조사 방식, 데이터 크로링하여 얻어진 데이터에 기반한 기계학습, 인공지능 기술 등을 활용한 도서 추천 시스템 기술이 개발되어 왔다.
문제는 독자의 독서 취향 및 독서력(캐릭터 특성)뿐만 아니라 도서의 장르, 분량 등의 특성(컨텐츠 특성)을 동시에 고려할 수 있도록 도서 관련 정형 및 비정형 데이터를 활용한 개인 맞춤형 도서 큐레이션 방법 및 장치는 아직까지 개발되지 않고 있다.
따라서, 독자의 개인 특성과 독서 특성을 이용하여 독자의 장르 취향을 예측하되, 독자의 참여를 통한 독서 특성의 동적 변화를 반영할 수 있는 새로운 개념의 도서 큐레이션 장치 및 방법에 대한 개발의 필요성이 요구되고 있다.
상술한 필요성에 의해서 안출된 본 발명은 독자의 개인 정보 및 독서 특성을 파악하여 독자의 선호 장르를 추론하고, 독자로부터 최신 독서 취향을 피드백 받아서 최종적으로 독자 맞춤형 도서 큐레이션 알고리즘을 구축하되, 국내외 도서를 표준화된 방식으로 처리하도록 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템은, 사용자로부터 연령 및 성별 정보를 수집하고, 수집된 연령 및 성별 정보에 기초하여 해당 사용자의 도서 선호 장르를 산출하는 통계 처리 모듈; 사용자로부터 선호하는 도서의 분량 및 독서 난이도에 관한 정보를 입력받고, 입력된 도서의 분량과 독서 난이도를 이용하여 도서 선호 장르 및 세부 장르를 도출하는 지식 베이스 모듈; 및 상기 도서 선호 장르 및 상기 세부 장르에 기초하여 사용자로부터 최신 독서 취향 피드백을 획득하기 위한 도서 시각화 목록을 생성하는 도서 큐레이션 모듈;을 포함한다.
이 경우에, 상기 통계 처리 모듈은, 웹 API 서버로부터 연령별 도서 선호 장르 데이터를 크롤링하고, 크롤링된 연령별 도서 선호 장르 데이터를 이용하여 연령별 선호 장르 리스트를 생성하되, 사용자로부터 수집된 연령과 상기 연령별 선호 장르 리스트를 이용하여 해당 사용자의 선호 장르를 산출할 수 있다.
한편, 상기 지식 베이스 모듈은, 웹 도서 정보 데이터베이스로부터 도서별 페이지 정보를 수신하고, 상기 도서의 분량과 상기 도서별 페이지 정보에 기초하여 해당 사용자의 선호 분량에 부합하는 도서 목록을 분류하고, 상기 독서 난이도에 기초하여 세부 장르를 예측할 수 있다.
이 경우에, 상기 지식 베이스 모듈은, 결정 트리(decision tree) 알고리즘에 기반하여 상기 연령, 상기 성별, 상기 도서의 분량 및 상기 독서 난이도를 변수로 이용하여 세부 장르를 추론할 수 있다.
한편, 상기 지식 베이스 모듈은, 상기 도서의 분량 및 상기 독서 난이도를 입력 변수로 받는 입력층, 입력층과 전체 연결되는 복수의 노드로 구성되는 은닉층 및 상기 은닉층과 연결되서 세부 장르를 출력 변수로 출력하는 출력층으로 구성되는 심층 신경망 모델에 따라 상기 세부 장르를 추론할 수 있다.
한편, 상기 도서 큐레이션 모듈은 해당 사용자의 상기 선호 장르 및 상기 세부 장르를 이용하여 그룹으로 분류하고, 분류된 그룹에 사전에 할당된 복수 개의 도서 장르를 도서 시각화 목록으로 제공하고, 사용자로부터 복수 개의 도서 장르 중 하나의 선호 장르가 선택되면, 선택된 선호 장르를 획득하고, 상기 연령, 상기 성별, 상기 도서의 분량, 상기 독서 난이도 및 상기 선택된 선호 장르를 이용하여 해당 사용자에 대한 취향 네이밍을 생성하여 해당 사용자에 대한 사용자 정보 데이터베이스에 저장하는 처리를 수행할 수 있다.
본 발명의 다른 실시 예에 따른 통계 처리 모듈, 지식 베이스 모듈 및 도서 큐레이션 모듈을 포함하는 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템을 이용한 도서 큐레이션 방법은, 상기 통계 처리 모듈에 의해서 사용자로부터 연령 및 성별 정보를 수집하고, 수집된 연령 및 성별 정보에 기초하여 해당 사용자의 도서 선호 장르를 산출하는 단계; 상기 지식 베이스 모듈에 의해서 사용자로부터 선호하는 도서의 분량 및 독서 난이도에 관한 정보를 입력받고, 입력된 도서의 분량과 독서 난이도를 이용하여 도서 선호 장르 및 세부 장르를 도출하는 단계; 및 상기 도서 큐레이션 모듈에 의해서 상기 도서 선호 장르 및 상기 세부 장르에 기초하여 사용자로부터 최신 독서 취향 피드백을 획득하기 위한 도서 시각화 목록을 생성하는 단계;을 포함한다.
이 경우에, 상기 도서 산호 장르를 산출하는 단계에서, 상기 통계 처리 모듈은 웹 API 서버로부터 연령별 도서 선호 장르 데이터를 크롤링하고, 크롤링된 연령별 도서 선호 장르 데이터를 이용하여 연령별 선호 장르 리스트를 생성하고, 사용자로부터 수집된 연령과 상기 연령별 선호 장르 리스트를 이용하여 해당 사용자의 선호 장르를 산출할 수 있다.
한편, 상기 도서 선호 장르 및 세부 장르를 도출하는 단계에서, 상기 지식 베이스 모듈은 웹 도서 정보 데이터베이스로부터 도서별 페이지 정보를 수신하고, 상기 도서의 분량과 상기 도서별 페이지 정보에 기초하여 해당 사용자의 선호 분량에 부합하는 도서 목록을 분류하고, 상기 지식 베이스 모듈은, 결정 트리(decision tree) 알고리즘에 기반하여 상기 연령, 상기 성별, 상기 도서의 분량 및 상기 독서 난이도를 변수로 이용하여 세부 장르를 추론하거나, 상기 도서의 분량 및 상기 독서 난이도를 입력 변수로 받는 입력층, 입력층과 전체 연결되는 복수의 노드로 구성되는 은닉층 및 상기 은닉층과 연결되서 세부 장르를 출력 변수로 출력하는 출력층으로 구성되는 심층 신경망 모델에 따라 상기 세부 장르를 추론하는 기계학습 기반의 모델을 이용할 수 있다.
한편, 상기 도서 시각화 목록을 생성하는 단계에서, 상기 도서 큐레이션 모듈은 해당 사용자의 상기 선호 장르 및 상기 세부 장르를 이용하여 특정 그룹으로 분류하고, 분류된 특정 그룹에 사전에 할당된 복수 개의 도서 장르를 도서 시각화 목록으로 제공하고, 사용자로부터 복수 개의 도서 장르 중 하나의 선호 장르가 선택되면 선택된 선호 장르를 획득하고, 상기 연령, 상기 성별, 상기 도서의 분량, 상기 독서 난이도 및 상기 선택된 선호 장르를 이용하여 해당 사용자에 대한 취향 네이밍을 생성하여 해당 사용자에 대한 사용자 정보 데이터베이스에 저장하는 처리를 수행할 수 있다.
본 발명의 다양한 실시 예에 따르면, 사용자의 개인 정보 및 독서 특성을 통계적 기반 및/또는 기계학습 방식으로 추론하여 선호 장르를 예측하되, 사용자의 최신의 독서 취향에 대한 피드백을 받음으로써, 보다 개인화된 독서 취향을 반영하여 도서 큐레이션을 제공할 수 있으므로 사용자 맞춤형 도서 정보 제공이 가능한 효과를 발휘하고,
또한, 도서 식별 정보로써 국제표준도서번호(International Standard Book Number ; ISBN)의 부가 정보를 이용하여 국내외 도서의 장르를 검색, 분류, 관리 및 추천할 수 있으므로 도서 큐레이션 과정에서 도서 정보의 호환성을 유지하는 효과를 발휘한다.
도 1은 본 발명의 일 실시 예에 따른 도서 큐레이션 시스템을 이용한 도서 큐레이션 과정을 예시적으로 설명하는 블럭도,
도 2는 도 1에 도시된 도서 큐레이션 시스템의 세부 구성을 예시적으로 설명하는 블럭도,
도 3은 도 2에 도시된 통계 처리 모듈의 동작을 예시적으로 설명하는 도면,
도 4는 도 3에 도시된 선호 장르 예측 모델의 기능을 예시적으로 설명하는 도면,
도 5는 도 2에 도시된 지식 베이스 모듈의 동작을 예시적으로 설명하는 도면,
도 6은 도 5에 도시된 지식 베이스 모듈의 분류 예측 알고리즘을 예시적으로 도시한 도면,
도 7은 도 5에 도시된 지식 베이스 모듈의 분류 예측 알고리즘의 다른 예를 예시적으로 도시한 도면,
도 8은 본 발명의 일 실시 예에 따른 도서 큐레이션 시스템에 의한 사용자별 특징에 따른 그룹화 과정을 예시적으로 설명하는 도면,
도 9는 도 5에 도시된 도서 큐레이션 모듈의 동작을 예시적으로 설명하는 도면,
도 10은 도 9에 도시된 시각화 목록을 결정하는 도서 포지셔닝 맵을 예시적으로 도시한 도면,
도 11은 본 발명의 일 실시 예에 따른 도서 큐레이션 시스템에 의한 사용자별 특징에 따른 취향 네이밍 과정을 예시적으로 설명하는 도면,
도 12는 본 발명의 일 실시 예에 따른 사용자 정보 DB의 일 예를 예시적으로 설명하는 도면,
도 13은 본 발명의 일 실시 예에 따른 사용자 질문지를 예시적으로 설명하는 도면,
도 14는 도서의 도서 식별 정보 중 부가정보를 설명하는 도면, 그리고,
도 15는 도서의 ISBN과 부가 정보의 의미를 설명하는 도면.
도 2는 도 1에 도시된 도서 큐레이션 시스템의 세부 구성을 예시적으로 설명하는 블럭도,
도 3은 도 2에 도시된 통계 처리 모듈의 동작을 예시적으로 설명하는 도면,
도 4는 도 3에 도시된 선호 장르 예측 모델의 기능을 예시적으로 설명하는 도면,
도 5는 도 2에 도시된 지식 베이스 모듈의 동작을 예시적으로 설명하는 도면,
도 6은 도 5에 도시된 지식 베이스 모듈의 분류 예측 알고리즘을 예시적으로 도시한 도면,
도 7은 도 5에 도시된 지식 베이스 모듈의 분류 예측 알고리즘의 다른 예를 예시적으로 도시한 도면,
도 8은 본 발명의 일 실시 예에 따른 도서 큐레이션 시스템에 의한 사용자별 특징에 따른 그룹화 과정을 예시적으로 설명하는 도면,
도 9는 도 5에 도시된 도서 큐레이션 모듈의 동작을 예시적으로 설명하는 도면,
도 10은 도 9에 도시된 시각화 목록을 결정하는 도서 포지셔닝 맵을 예시적으로 도시한 도면,
도 11은 본 발명의 일 실시 예에 따른 도서 큐레이션 시스템에 의한 사용자별 특징에 따른 취향 네이밍 과정을 예시적으로 설명하는 도면,
도 12는 본 발명의 일 실시 예에 따른 사용자 정보 DB의 일 예를 예시적으로 설명하는 도면,
도 13은 본 발명의 일 실시 예에 따른 사용자 질문지를 예시적으로 설명하는 도면,
도 14는 도서의 도서 식별 정보 중 부가정보를 설명하는 도면, 그리고,
도 15는 도서의 ISBN과 부가 정보의 의미를 설명하는 도면.
이하에서 본 발명의 바람직한 실시 예에 대해서 별도의 도면을 참고하여 설명한다. 이하에서 설명하는 바람직한 실시 예는 본 발명의 다양한 실시 예 중 하나에 불과하고, 본 발명의 기술적 사상의 범위 이내에서 해당 기술 분야의 통상의 지식을 가진 사람은 다양하게 설계 변경할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 도서 큐레이션 시스템을 이용한 도서 큐레이션 과정을 예시적으로 설명하는 블럭도이다. 도 1을 참고하면, 도서 큐레이션 시스템(100)은 웹 애플리케이션 방식으로 구현될 수 있다. 사용자가 인터넷을 통해서 도서 큐레이션 웹 애플리케이션에 접속해서 사용자 닉네임, 연령, 성별, 독서 취향 등의 정보를 입력함으로써 도서 큐레이션 서비스를 이용할 수 있다.
또한, 도서 큐레이션 시스템(100)은 웹 API 서버(200)로부터 연령별 도서 선호 장르에 관한 원시 데이터(raw data)를 API 방식으로 공급받을 수 있다. 또는 도서 큐레이션 시스템(100)은 각종 웹 사이트에서 제공하는 연령별 도서 선호 장르 데이터를 웹 크롤링(Web Crawling)하여 원시 데이터를 수집할 수도 있다. 본 발명의 도서 큐레이션 시스템(100)은 연령에 따른 도서 선호 장르에 대한 데이터를 실시간으로 수집하거나 미리 수집하여 도서 정보 데이터베이스(300)에 보관하여 관리할 수도 있다. 이때, 본 발명의 도서 큐레이션 시스템(100)은 도서에 관한 정보 중 도서 식별 코드(ISBN)과 부가 정보를 도서 정보 데이터베이스(300)에 저장하여 관리함으로써 보관 중인 모든 도서에 대한 장르 정보를 활용할 수 있다.
또한, 도서 큐레이션 시스템(100)은 클라우드(Cloud) 방식으로 연결된 AI 서버(400)로부터 사전 학습된 추천 분류 모델을 수신할 수 있다. 도서 큐레이션 시스템(100)은 수신된 추천 분류 모델에 연령 정보, 성별 정보, 독서 취향 정보 등을 입력 데이터로 입력하고, 추천 및 분류 알고리즘에 의해서 선호 장르 및 세부 장르에 관한 정보를 출력 데이터로써 획득할 수 있다. 이때 도서 큐레이션 시스템(100)은 AI 서버(400)에 의해서 사전 훈련된 결정 트리(decision tree), 랜덤 포레스트(Random Forest), 서포트 벡터 머신(Support vector machine), 심층 신경망(Deep Neural Network) 등의 기계학습 모델에 의해서 구축된 추천 분류 모델을 활용하여 특정 사용자의 연령, 성별, 독서 취향(선호하는 도서 분량, 독서 난이도)을 이용하여 선호 장르 및 세부 장르를 예측할 수 있다.
또한, 도서 큐레이션 시스템(100)은 연령, 성별, 독서 취향 등을 이용하여 선호 장르 및 세부 장르를 예측하여 해당 사용자를 특정 그룹으로 분류하고, 특정 그룹에 미리 할당된 도서 시각화 목록을 해당 사용자에게 제공한다. 여기서 도서 시각화 목록은 다른 종류의 도서 장르를 대표하는 도서의 표지 이미지를 목록으로 구성한 것을 의미한다.
또한, 도서 큐레이션 시스템(100)은 사용자에 의해서 도서 시각화 목록 중 어느 하나가 선택되면, 선택된 도서를 도서 정보 데이터베이스(300)로부터 독출하고, 독출된 해당 도서의 ISBN 정보와 부가 정보를 이용하여 해당 도서에 대한 장르를 확인하고, 확인된 장르를 사용자 선택 선호 장르로 결정한다.
그리고, 도서 큐레이션 시스템(100)은 연령, 성별, 도서의 분량, 독서의 난이도 및 사용자 선택 선호 장르 정보를 이용하여 최종적으로 해당 사용자에 대한 독서 취향을 표현하는 네이밍(Naming)을 취향 결과로써 결정한다. 도서 큐레이션 시스템(100)은 사용자에 대한 취향 결과가 결정되면, 사용자 정보 데이터베이스(500)에 해당 사용자의 개인 정보 데이터 테이블을 생성하고, 해당 사용자의 취향 결과를 포함하는 사용자 정보를 저장하여 관리한다. 이하에서는 본 발명의 도서 큐레이션 시스템(100)의 동작을 보다 구체적으로 살펴본다.
도 2는 도 1에 도시된 도서 큐레이션 시스템의 세부 구성을 예시적으로 설명하는 블럭도이다. 도 2를 참고하면, 도서 큐레이션 시스템(100)은 통계 처리 모듈(110), 지식 베이스 모듈(130) 및 도서 큐레이션 모듈(150)을 포함한다.
통계 처리 모듈(110)은 사용자의 닉네임, 연령 및 성별 정보를 입력받는다. 통계 처리 모듈(110)은 입력된 사용자의 연령 및 성별 정보를 이용하여 해당 사용자의 선호 장르를 1차적으로 예측하거나 결정할 수 있다. 도 3에서는 본 발명의 통계 처리 모듈의 동작을 예시적으로 설명하고 있다. 도 3을 참고하면, 통계 처리 모듈(110)에 연령 정보가 입력되면, 사전에 웹 API 서버(200)로부터 수신하여 저장하고 있는 연령별 "선호 장르" 데이터 테이블(111)에서 입력된 연령 정보와 매칭되는 선호 장르를 확인하여 결정할 수 있다. 예컨대, 사용자의 나이가 60대이면 연령대(컬럼)의 4번째 로우로 결정되고, 50대 이상이 선호하는 장르인 문학, 철학종교, 정치사회, 취미오락, 여행 및 건강 등의 장르를 선호 장르 후보군으로 결정할 수 있다.
또는 통계 처리 모듈(110)은 AI 서버(400)로부터 사전에 학습된 장르 추천 모델을 수신하여, 선호 장르 예측 모델(113)에 연령 및/또는 성별 정보를 입력하면, 선호 장르 예측 모델(113)은 입력된 연령 및/또는 성별 정보에 따른 결과값으로써 선호 장르를 출력한다.
도 4를 참고하면 2개의 입력 데이터(연령 및 성별)을 선호 장르 예측 모델(113)에 입력으로 넣는다. 선호 장르 예측 모델(113)의 베이스 모델은 서포트 벡터 머신으로 구축되어 있다. 선호 장르 예측 모델(113)은 사전에 훈련된 서포트 벡터 머신 알고리즘에 의해서 연령 및 성별에 따른 도서 선호 장르를 결과값으로 출력한다.
도 3으로 돌아와서, 통계 처리 모듈(110)은 웹 API 서버(200)에서 수신된 연령별 "선호 장르" 데이터 테이블(111)을 이용하여 연령별 선호 장르를 결정하는 방식이나 AI 서버(400)로부터 수신된 장르 예측 모델에 의해서 구축된 선호 장르 예측 모델(113)에 의해서 연령과 성별에 따른 선호 장르를 예측하는 방식으로 선호 장르를 산출할 수 있다.
도 2로 돌아와서, 통계 처리 모듈(110)은 스텝 1의 처리를 위해서 동작하고, 스텝 1의 동작은 필수적인 동작이며, 스텝 1의 동작은 회원 가입이나 회원 정보 수정 등을 통해서 기존 또는 신규 사용자의 연령, 성별 정보를 최소한의 필수 정보로 입력받는다.
다음으로, 지식 베이스 모듈(130)은 사용자로부터 선호하는 도서의 분량, 독서 난이도에 관한 정보를 입력받는다. 지식 베이스 모듈(130)은 도서 정보 데이터베이스(300)로부터 도서별 페이지 정보를 독출할 수 있다. 예컨대, 사용자의 도서의 분량이 작은 분량(페이지 100 미만)을 선호하는 경우에, 지식 베이스 모듈(130)은 도서 정보 데이터 베이스(300)로부터 전체 페이지 정보가 100페이지 미만인 도서만을 후보군으로 필터링한다.
지식 베이스 모듈(130)은 독서 난이도 정보를 이용하여 세부 장르를 예측할 수 있다. 여기서 독서 난이도는 독서 시간을 의미한다. 독서 시간이 상위 임계 시간 이상이면 독서 난이도 상으로 평가하고, 상위 임계 시간 이하이고 하위 임계 시간 이상이면 독서 난이도 중으로 평가하며, 하위 임계 시간 이하이면 독서 난이도 하로 평가한다.
지식 베이스 모듈(130)은 독서 난이도 정보를 AI 서버(400)에 의해서 사전 훈련된 AI 분류 모델에 입력 데이터 입력하고, 그 결과로써 세부 장르를 획득할 수 있다. 이때, AI 서버(400)에 의해서 사전 훈련된 세부 장르 예측 모델은 로지스틱 회귀 모델, 나이브 베이지안 모델, 서포트 벡터 머신, 랜덤 포레스트, 인공신경망 모델, 심층 인공 신경망 모델 등으로 구축될 수 있다.
도 5에서는 입력층(131), 은닉층(133) 및 출력층(135)으로 구성된 심층 신경망 모델이 도시되어 있다. 입력층(131)에 연령, 성별, 도서의 선호 분량 및 독서 난이도를 입력데이터로 입력하고, 은닉층(133)에는 다중 레이어 구조로 구성되어 있고, 은닉층(133)의 각각의 노드에는 가중치 및 바이어스가 정해져 있으며, 은닉층(133)의 출력 노드는 출력층(135)과는 풀리 커넥티드되서 세부 장르를 출력값으로 산출하는 심층 신경망 모델로 구현될 수 있다. 이때 심층 신경망을 훈련시키기 위한 훈련 데이터는 연령, 성별, 도서의 선호 분량 및 독서 난이도(입력 데이터), 세부 장르(출력 데이터)로 이루어진 데이터 세트로써 활용할 수 있다.
다시 도 2로 돌아와서 지식 베이스 모듈(130)은 심층 신경망 모델 이외에 결정 트리 모델로 구축할 수도 있다. 도 6 및 7에서는 본 발명의 지식 베이스 모듈(130)의 분류 예측 알고리즘 모델로써 결정 트리(decision tree)를 이용하여 구축한 일 예이다.
결정 트리는 기계 학습 알고리즘의 일종으로 직관적으로 이해하기 쉬운 알고리즘이다. 결정 트리는 데이터에 있는 규칙을 학습을 통해 자동으로 찾아내 트리(tree) 기반의 분류 규칙을 만드는 것이다. 도 6 및 7에서 루트 노드는 사용자 1을 나타내는 노드이다. 첫번째는 연령별 규칙 조건을 적용한 4개의 규칙 노드(10~20대, 30대, 40대 및 50대 이상)으로 구성된다. 규칙 노드(Decision Node)로 표시된 노드는 규칙 조건이 되는 것이고, 리프 노드(Leaf Node)로 표시된 노드는 결정된 클래스 값이다. 그리고 새로운 규칙 조건마다 서브 트리(Sub Tree)가 생성되고, 데이터 세트에 피처가 있고, 이러한 피처가 결합해 규칙 조건을 만들 때마다 규칙 노드가 만들어 진다. 도 6에서는 연령, 성별, 도서의 선호 분량 및 독서의 난이도 순서로 결정을 수행하도록 설계된 예이다. 도 7에서는 연령, 성별, 독서의 난이도 및 도서의 선호 분량의 순서로 결정을 수행하도록 설계된 예이다.
독서의 난이도와 도서 장르-세브 장르 테이블을 이용하여 독서의 난이도에 따른 세부 장르를 예측할 수 있다. 다음의 표 1은 도서의 장르-세부 장르 테이블의 일 예이다.
통계 처리 모듈(110)에 의해서 사용자의 연령, 성별 등을 이용하여 해당 사용자의 선호 장르가 결정될 수 있다. 예컨대, 해당 사용자의 선호 장르는 "경제/경영"이고, 해당 사용자의 독서 난이도는 "하"라고 가정하면, 해당 사용자의 세부 장르는 경영 전략, 경제 일반, 마케팅/광고/고객, 재테크/금융 등으로 예측될 수 있다.
이처럼, 지식 베이스 모듈(130)은 사전에 훈련된 세부 장르 예측 모델에 의해서 선호 장르 및 난이도 값을 이용하여 해당 사용자의 세부 장르를 예측할 수 있다. 이러한 예측 알고리즘은 앞서 설명한 결정 트리, 랜덤 포레스트, 서포트 벡터 머신, 나이브 베이지안 모델, 심층 신경망 등의 기계학습 모델을 사용할 수 있다.
다시 도 2로 돌아와서, 지식 베이스 모듈(130)은 선호 장르 및 세부 장르를 예측해서 도서 큐레이션 모듈(150)로 전달할 수 있다. 도서 큐레이션 모듈(150)은 사용자의 선호 장르 및 세부 장르 등을 이용하여 해당 사용자를 특정 그룹으로 분류한다. 이때 사용자를 특정 그룹으로 분류할 경우에 해당 사용자의 선호 장르 및 세부 장르 정보를 이용하여 분류 알고리즘에 의해서 분류할 수 있다.
도 8에서 도서 큐레이션 시스템(100)은 다수의 사용자의 연령, 성별, 도서의 선호 분량, 독서의 난이도 정보를 이용하여 다수의 사용자를 복수의 그룹 중 적어도 하나 이상의 그룹으로 분류하게 된다. 예를 들어, 제1 사용자는 40대, 남성, 도서 분량 적은량을 선호하고, 독서의 난이도는 높은 경우라면, 이러한 조건에 따라 제1 사용자를 제1 그룹으로 분류하게 된다. 마찬가지 방식으로 제2 사용자 내지 제4 사용자도 각각 개인 특징 및 독서 특징에 따라 특정 그룹으로 분류한다. 이때 사용하는 분류 알고리즘은 랜덤 포레스트, 서포트 벡터 머신, 심층 신경망 모델을 살용할 수 있다.
도 9에서 도서 큐레이션 모듈(150)은 사용자별로 그룹이 분류된 경우에 해당 사용자에게 그룹별 도서 시각화 목록을 제공하게 된다. 이때, 그룹별 도서 시각화 목록을 결정하는 기준은 도 10에 도시된 사용자의 선호도에 따른 도서 포지셔닝 맵을 이용하여 4개의 복수의 도서 이미지를 선택하게 된다.
도 10(a) 내지 (c)를 참고하면, 수직축은 전문성과 대중성을 양단의 특성값으로 설정하고, 가로축은 문학성과 실용성을 양단의 특성값으로 설정한다. 도 10(a)의 경우에는 전문적이고 실용적인 도서 장르로써 경제/경영, 기술/공학 등의 장르를 확인할 수 있다. 대중적이고 실용적인 도서 장르로써 건강, 여행, 가정/육아 등의 장르를 확인할 수 있다. 도 10(b)의 경우에는 전문적이고 문학적인 도서 장르로써 에세이, 소설/시/희곡, 인문, 자기계발 등의 장르를 확인할 수 있다. 대중적이고 실용적인 도서 장르로써 인물, 가정/살림, 건강/취미, 여행 등의 장르를 확인할 수 있다. 도 10(c)의 경우에는 전문적이고 문학적인 도서 장르로써 고전, 역사, 사회과학 등의 장르를 확인할 수 있다. 대중적이고 문학적 도서 장르로써 인문학, 장르소설 등의 장르를 확인할 수 있다.
이러한 도서 장르 포지셔닝 맵을 이용하여 사용자의 피드백을 얻기 위해서, 다음의 표 2와 같이 장르를 구성할 수 있다.
상기 표 2에서 제시된 4개의 장르로 구성된 도서 시각화 목록을 사용자에게 제시할 수 있다.
다시 도 9로 돌아와서, 도서 큐레이션 모듈(150)은 A사용자를 제1 그룹으로 분류하였고, 제1 그룹에 미리 결정된 도서 시각화 목록(소설/역사문화/경제경영/인문)으로 구성된 이미지를 A사용자에게 제공한다(표 2의 ⓐ). 도서 큐레이션 모듈(150)은 A사용자에게 표 2의 ⓑ(정치사회/시에세이/자기계발/과학)으로 이루어진 도서 시각화 목록을 제공하여 A사용자의 취향을 확인할 수 있다.
도서 큐레이션 모듈(150)은 사용자에 의해서 도서 시각화 목록 중 하나가 선택되면, 선택된 도서의 장르를 다음의 표 3에 제시된 방식으로 이진화하여 처리한다.
상기 표 3을 참고하면, 사용자가 도시 시각화 목록 중 자기계발 장르의 도서 이미지를 선택하면, 숫자 '1'로 이진화처리하고, 해당 사용자의 선택 선호 장르를 결정하게 된다.
도서 큐레이션 모듈(150)은 사용자의 선택 선호 장르가 결정되면, 해당 사용자의 독서 난이도, 도서의 선호 분량 및 선택 선호 장르 정보를 이용하여 해당 사용자의 취향을 나타내는 네이밍을 다음의 표 4를 이용하여 할당한다.
표 4를 참고하며나 난이도 '하'로 선택하고, 얇은 책을 선호하며 선택한 장르가 1번인 경우에는 재기발랄형으로 네이밍하고, 난이도 '하'로 선택하고, 얇은 책을 선호하며 선택한 장르가 2번인 경우에는 낭만형으로 네이밍하고, 난이도 '하'로 선택하고, 두꺼운 책은 선호하며 선택한 장르가 1번인 경우에는 탐험가형으로 네이밍하고, 난이도 '하'로 선택하고, 두꺼운 책을 선호하며 선택한 장르가 2번인 경우에는 감성충만형으로 네이밍한다.
마찬가지 방식으로 난이도 '상'을 선택하고, 얇은 책을 선호하며 선택한 장르가 1번인 경우에는 통찰가형으로 네이밍하고, 난이도 '상'을 선택하고, 얇은 책을 선호하며 선택한 장르가 2번인 경우에는 자유분방형으로 네이밍하고, 난이도 '상'을 선택하고, 두꺼운 책을 선호하며 선택한 장르가 1번인 경우에는 백과사전형으로 네이밍하고, 난이도 '상'을 선택하고, 두꺼운 책을 선호하며 선택한 장르가 2번인 경우에는 학구형으로 네이밍할 수 있다.
도서 큐레이션 모듈(150)은 사용자 맞춤형 도서 큐레이션을 네이밍 정보에 기초하여 실행하고, 해당 사용자의 정보에 네이밍 정보를 포함하여 사용자 정보 데이터베이스(500)에 저장하여 관리함으로써 사용자 맞춤형 도서 정보 관리를 가능하게 한다.
도 12는 본 발명의 일 실시 예에 따른 사용자 정보 DB의 일 예를 예시적으로 설명하는 도면이다. 도 12를 참고하면, 사용자의 유형별로 닉네임, 연령, 성별 정보를 기초 정보로 저장하고, 독서 취향 정보로써 선호하는 도서의 분량, 독서의 난이도 그리고 사용자가 선택한 선호 장르 및 취향 결과로써 네이밍 정보를 포함하여 사용자 정보를 저장하여 관리하게 된다.
도 13은 본 발명의 일 실시 예에 따른 사용자 질문지를 예시적으로 설명하는 도면이다 도 13을 참고하면, 당신의 닉네임은 무엇인가요? 라는 질문에 대한 서술형 답을 구함으로써 텍스트 정보인 닉네임을 수집할 수 있다. 그리고, 사용자의 개인 정보를 수집하기 위하여 연령, 성별을 선택하거나 기입하는 방식으로 개인 정보를 수집할 수 있다. 그리고 "책을 보통 얼마동안 읽나요?"라는 질문을 하면서 답문항으로 "2주 이하"와 "3주 이상"을 선택하도록 함으로써 독서의 난이도에 대한 정보를 수집할 수 있다. 그리고, "어떤 책을 선호하시나요"라는 질문을 하면서 "얇은 책"과 "상관없음"을 선택하도록 함으로써 선호하는 도서의 분량 정보를 수집할 수 있다. 그리고, "가장 읽고 싶은 책을 골라주세요"라는 질문을 하면서 "①소설, ②역사 문화, ③경제 경영, ④ 인문"을 선택하도록 함으로써 사용자에 의해서 선택하는 선호 장르에 관한 정보를 수집할 수 있다. 이 밖에도 "가장 읽고 싶은 책을 골라주세요"라는 질문에 대해서 복수회 다른 답문항으로 사용자 선택 선호 장르를 재차 확인할 수 있다.
도 14는 도서의 도서 식별 정보 중 부가정보를 설명하는 도면이다. 도 14에서 ISBN은 13자리 숫자와 바코드로 구성되어 있음을 확인할 수 있다. ISBN에 부가하는 정보로써 5자리를 숫자와 바코드가 추가되어 있다.
도 14에서 부가정보는 "03320"이고, 첫번재 자리의 숫자는 독자 대상 정보를 나타내며, 숫자 '0'은 교양 서적을 의미한다. 세번째 자리 이하의 숫자는 내용 분류 정보로써, 숫자 "320"은 사회과학-경제학·경영학에 관한 책임을 나타낸다.
다음의 표 5는 ISBN의 부가 정보 중 독자 대상 기호에 대한 정보를 나타낸다.
다음의 표 6은 ISBN의 부가 정보 중 내용 분류 정보를 나타낸다.
도 15는 도서의 ISBN과 부가 정보의 의미를 설명하는 도면이다. 도 15를 참고하면, 국제표준도서번호(ISBN)은 13자리로 구성되고, 접두부, 국별번호, 발행자 번호, 서명식별번호 및 체크기호로 구성된다. 부가기호는 5자리이고, 독자 대상 기호, 발행형태기호 및 내용분류기호로 구성된다.
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100 : 도서 큐레이션 시스템
110 : 통계 처리 모듈
111 : 연령별 "선호 장르" 데이터 테이블
113 : 선호 장르 예측 모델
130 : 지식 베이스 모듈
150 : 도서 큐레이션 모듈
200 : 웹 API 서버
300 : 도서 정보 데이터베이스
400 : AI 서버
500 : 사용자별 정보 데이터베이스
110 : 통계 처리 모듈
111 : 연령별 "선호 장르" 데이터 테이블
113 : 선호 장르 예측 모델
130 : 지식 베이스 모듈
150 : 도서 큐레이션 모듈
200 : 웹 API 서버
300 : 도서 정보 데이터베이스
400 : AI 서버
500 : 사용자별 정보 데이터베이스
Claims (10)
- 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템에 있어서,
사용자로부터 연령 및 성별 정보를 수집하고, 수집된 연령 및 성별 정보에 기초하여 해당 사용자의 도서 선호 장르를 산출하는 통계 처리 모듈;
사용자로부터 선호하는 도서의 분량 및 독서 난이도에 관한 정보를 입력받고, 입력된 도서의 분량과 독서 난이도를 이용하여 도서 선호 장르 및 세부 장르를 도출하는 지식 베이스 모듈; 및
상기 도서 선호 장르 및 상기 세부 장르에 기초하여 사용자로부터 최신 독서 취향 피드백을 획득하기 위한 도서 시각화 목록을 생성하는 도서 큐레이션 모듈;을 포함하는,
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템.
- 제1 항에 있어서,
상기 통계 처리 모듈은,
웹 API 서버로부터 연령별 도서 선호 장르 데이터를 크롤링하고, 크롤링된 연령별 도서 선호 장르 데이터를 이용하여 연령별 선호 장르 리스트를 생성하되,
사용자로부터 수집된 연령과 상기 연령별 선호 장르 리스트를 이용하여 해당 사용자의 선호 장르를 산출하는 것을 특징으로 하는,
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템.
- 제1 항에 있어서,
상기 지식 베이스 모듈은,
웹 도서 정보 데이터베이스로부터 도서별 페이지 정보를 수신하고, 상기 도서의 분량과 상기 도서별 페이지 정보에 기초하여 해당 사용자의 선호 분량에 부합하는 도서 목록을 분류하고,
상기 독서 난이도에 기초하여 세부 장르를 예측하는 것을 특징으로 하는,
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템.
- 제3 항에 있어서,
상기 지식 베이스 모듈은,
결정 트리(decision tree) 알고리즘에 기반하여 상기 연령, 상기 성별, 상기 도서의 분량 및 상기 독서 난이도를 변수로 이용하여 세부 장르를 추론하는 것을 특징으로 하는,
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템.
- 제3 항에 있어서,
상기 지식 베이스 모듈은,
상기 도서의 분량 및 상기 독서 난이도를 입력 변수로 받는 입력층, 입력층과 전체 연결되는 복수의 노드로 구성되는 은닉층 및 상기 은닉층과 연결되서 세부 장르를 출력 변수로 출력하는 출력층으로 구성되는 심층 신경망 모델에 따라 상기 세부 장르를 추론하는 것을 특징으로 하는,
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템.
- 제1 항에 있어서,
상기 도서 큐레이션 모듈은
해당 사용자의 상기 선호 장르 및 상기 세부 장르를 이용하여 그룹으로 분류하고, 분류된 그룹에 사전에 할당된 복수 개의 도서 장르를 도서 시각화 목록으로 제공하고,
사용자로부터 복수 개의 도서 장르 중 하나의 선호 장르가 선택되면, 선택된 선호 장르를 획득하고,
상기 연령, 상기 성별, 상기 도서의 분량, 상기 독서 난이도 및 상기 선택된 선호 장르를 이용하여 해당 사용자에 대한 취향 네이밍을 생성하여 해당 사용자에 대한 사용자 정보 데이터베이스에 저장하는 처리를 수행하는 것을 특징으로 하는,
도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템.
- 통계 처리 모듈, 지식 베이스 모듈 및 도서 큐레이션 모듈을 포함하는 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템을 이용한 도서 큐레이션 방법에 있어서,
상기 통계 처리 모듈에 의해서 사용자로부터 연령 및 성별 정보를 수집하고, 수집된 연령 및 성별 정보에 기초하여 해당 사용자의 도서 선호 장르를 산출하는 단계;
상기 지식 베이스 모듈에 의해서 사용자로부터 선호하는 도서의 분량 및 독서 난이도에 관한 정보를 입력받고, 입력된 도서의 분량과 독서 난이도를 이용하여 도서 선호 장르 및 세부 장르를 도출하는 단계; 및
상기 도서 큐레이션 모듈에 의해서 상기 도서 선호 장르 및 상기 세부 장르에 기초하여 사용자로부터 최신 독서 취향 피드백을 획득하기 위한 도서 시각화 목록을 생성하는 단계;을 포함하여 실행시키는,
도서 큐레이션 방법.
- 제7 항에 있어서,
상기 도서 산호 장르를 산출하는 단계에서, 상기 통계 처리 모듈은 웹 API 서버로부터 연령별 도서 선호 장르 데이터를 크롤링하고, 크롤링된 연령별 도서 선호 장르 데이터를 이용하여 연령별 선호 장르 리스트를 생성하고, 사용자로부터 수집된 연령과 상기 연령별 선호 장르 리스트를 이용하여 해당 사용자의 선호 장르를 산출하는 것을 특징으로 하는,
도서 큐레이션 방법.
- 제7 항에 있어서,
상기 도서 선호 장르 및 세부 장르를 도출하는 단계에서,
상기 지식 베이스 모듈은 웹 도서 정보 데이터베이스로부터 도서별 페이지 정보를 수신하고, 상기 도서의 분량과 상기 도서별 페이지 정보에 기초하여 해당 사용자의 선호 분량에 부합하는 도서 목록을 분류하고,
상기 지식 베이스 모듈은, 결정 트리(decision tree) 알고리즘에 기반하여 상기 연령, 상기 성별, 상기 도서의 분량 및 상기 독서 난이도를 변수로 이용하여 세부 장르를 추론하거나,
상기 도서의 분량 및 상기 독서 난이도를 입력 변수로 받는 입력층, 입력층과 전체 연결되는 복수의 노드로 구성되는 은닉층 및 상기 은닉층과 연결되서 세부 장르를 출력 변수로 출력하는 출력층으로 구성되는 심층 신경망 모델에 따라 상기 세부 장르를 추론하는 기계학습 기반의 모델을 이용하는 것을 특징으로 하는,
도서 큐레이션 방법.
- 제7 항에 있어서,
상기 도서 시각화 목록을 생성하는 단계에서, 상기 도서 큐레이션 모듈은 해당 사용자의 상기 선호 장르 및 상기 세부 장르를 이용하여 특정 그룹으로 분류하고, 분류된 특정 그룹에 사전에 할당된 복수 개의 도서 장르를 도서 시각화 목록으로 제공하고, 사용자로부터 복수 개의 도서 장르 중 하나의 선호 장르가 선택되면 선택된 선호 장르를 획득하고, 상기 연령, 상기 성별, 상기 도서의 분량, 상기 독서 난이도 및 상기 선택된 선호 장르를 이용하여 해당 사용자에 대한 취향 네이밍을 생성하여 해당 사용자에 대한 사용자 정보 데이터베이스에 저장하는 처리를 수행하는 것을 특징으로 하는,
도서 큐레이션 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220029112A KR20230132067A (ko) | 2022-03-08 | 2022-03-08 | 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220029112A KR20230132067A (ko) | 2022-03-08 | 2022-03-08 | 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230132067A true KR20230132067A (ko) | 2023-09-15 |
Family
ID=88017482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220029112A KR20230132067A (ko) | 2022-03-08 | 2022-03-08 | 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230132067A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102644015B1 (ko) * | 2023-03-16 | 2024-03-05 | 양선원 | Ai 알고리즘 기반 개인 성향 맞춤 정보 제공 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200032873A (ko) | 2018-09-19 | 2020-03-27 | 계명대학교 산학협력단 | 도서 정보 기반의 챗봇 서비스를 위한 파싱 시스템 및 그 제어 방법 |
| KR102107848B1 (ko) | 2019-10-15 | 2020-05-07 | 주식회사이씨오 | 도서 추천 서비스 방법 |
| KR102134189B1 (ko) | 2019-07-11 | 2020-07-15 | 주식회사 아들과딸 | 인공지능 로봇을 활용한 도서 콘텐츠 제공 방법 및 장치 |
| KR20200094825A (ko) | 2019-01-21 | 2020-08-10 | 박경숙 | 인공지능 기반 빅데이터 분석을 활용한 독서 코칭 시스템 및 방법 |
-
2022
- 2022-03-08 KR KR1020220029112A patent/KR20230132067A/ko not_active Application Discontinuation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200032873A (ko) | 2018-09-19 | 2020-03-27 | 계명대학교 산학협력단 | 도서 정보 기반의 챗봇 서비스를 위한 파싱 시스템 및 그 제어 방법 |
| KR20200094825A (ko) | 2019-01-21 | 2020-08-10 | 박경숙 | 인공지능 기반 빅데이터 분석을 활용한 독서 코칭 시스템 및 방법 |
| KR102134189B1 (ko) | 2019-07-11 | 2020-07-15 | 주식회사 아들과딸 | 인공지능 로봇을 활용한 도서 콘텐츠 제공 방법 및 장치 |
| KR102107848B1 (ko) | 2019-10-15 | 2020-05-07 | 주식회사이씨오 | 도서 추천 서비스 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102644015B1 (ko) * | 2023-03-16 | 2024-03-05 | 양선원 | Ai 알고리즘 기반 개인 성향 맞춤 정보 제공 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hagen et al. | Rise of the machines? Examining the influence of social bots on a political discussion network | |
| Muthukrishna et al. | Are collectivistic cultures more prone to rapid transformation? Computational models of cross-cultural differences, social network structure, dynamic social influence, and cultural change | |
| Segaran | Programming collective intelligence: building smart web 2.0 applications | |
| O’Callaghan et al. | Down the (white) rabbit hole: The extreme right and online recommender systems | |
| Delhey et al. | Sociocultural inequalities and status anxiety: Redirecting the spirit level theory | |
| US11301524B2 (en) | Computer-implemented system and method for updating user interest profiles | |
| Lewis | Three fallacies of digital footprints | |
| US20090319436A1 (en) | Method and system of opinion analysis and recommendations in social platform applications | |
| Roshchina et al. | Twin: Personality-based intelligent recommender system | |
| Forouzandeh et al. | Addressing the cold-start problem using data mining techniques and improving recommender systems by cuckoo algorithm: A case study of Facebook | |
| KR20140004023A (ko) | 사용자 맞춤형의 도서 클리닉 시스템 및 방법 | |
| Hernando et al. | Hierarchical graph maps for visualization of collaborative recommender systems | |
| Antoniak et al. | Tags, borders, and catalogs: Social re-working of genre on librarything | |
| Shankar et al. | An intelligent recommendation system in e-commerce using ensemble learning | |
| KR20230132067A (ko) | 도서 식별 코드를 이용한 사용자 맞춤형 도서 큐레이션 시스템 및 이를 이용한 도서 큐레이션 방법 | |
| Brensinger et al. | Party, race, and neutrality: investigating the interdependence of attitudes toward social groups | |
| Martin-Biggers et al. | Cover lines using positive, urgent, unique language entice moms to read health communications | |
| Dixon et al. | Judging a book by its cover | |
| Pereira Santos et al. | Profiling ethics orientation through play | |
| Despain et al. | Investigating Shifts in Diverse Family Structures in Newbery Award and Honor Books Utilizing US Census Data, 1930–2010 | |
| Oleinik | Detection of opinion communities with the help of chance-corrected measures of agreement | |
| Asan et al. | Segmentation of social media users: a means-end chain approach | |
| Tiroshi | Graph based recommendations: From data representation to feature extraction and application | |
| Jayaram et al. | Book Recommendation System Just Read It! | |
| English et al. | Bad Habits on Goodreads? |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |