KR20240029945A - 아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램 - Google Patents

Abstract

아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램이 개시된다. 아이템 원부 플랫폼을 위한 방법은, 상기 적어도 하나의 프로세서에 의해, 장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 단계를 포함한다.

Description

아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램{METHOD, COMPUTER DEVICE, AND COMPUTER PROGRAM FOR ITEM LEDGER PLATFORM}

아래의 설명은 아이템 정보를 관리하는 기술에 관한 것이다.

통신과 멀티미디어 기술의 다양한 발달로 업체 정보를 제공하기 위한 수단이 다양해지고 있다. 이에 따라, 사용자가 편리하게 이용할 수 있는 업체 정보 제공 서비스가 제공되고 있다.

유무선 인터넷을 통하여 사용자가 원하는 업체를 검색함에 따라 업체 정보를 제공하는 서비스가 있다. 예를 들면, 사용자가 검색 엔진을 통하여 업체를 검색함에 따라 업체에 대한 다양한 정보를 제공받을 수 있다.

업체 정보 제공 서비스를 위해 업체 정보를 수집하여 관리하는 기술의 일례로, 한국 등록특허공보 제10-1576096호(등록일 2015년 12월 03일)에는 동일한 업체의 POI 데이터를 판별하여 중복 처리하는 기술이 개시되어 있다.

장소와 관련하여 멀티 채널을 통해 인입되는 아이템 정보를 통합하여 관리하는 아이템 원부 플랫폼을 제공할 수 있다.

컴퓨터 장치에서 실행되는 아이템 통합 관리 방법에 있어서, 상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 아이템 통합 관리 방법은, 상기 적어도 하나의 프로세서에 의해, 장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 단계를 포함하는 아이템 통합 관리 방법을 제공한다.

일 측면에 따르면, 상기 획득하는 단계는, 상기 장소와 관련하여 상기 서비스 채널을 통해 등록된 정보로부터 상기 아이템 정보를 추출하는 단계를 포함할 수 있다.

다른 측면에 따르면, 상기 획득하는 단계는, 상기 서비스 채널에 따라 서로 다른 형식으로 인입되는 상기 아이템 정보를 사전에 정의된 정규 데이터 형식으로 변환하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 통합 관리하는 단계는, 사전에 정의된 규칙(rule)과 사전 정보 및 기계학습 모델 중 적어도 하나를 이용하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 통합 관리하는 단계는, 사전 정보를 이용한 규칙을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및 상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 통합 관리하는 단계는, 기계학습 모델을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및 상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 기계학습 모델은 상기 아이템 원부 데이터 및 상기 아이템 원부 데이터에 매핑된 데이터 중 적어도 하나로 학습된 모델일 수 있다.

또 다른 측면에 따르면, 상기 매핑하는 단계는, 상기 아이템 정보가 원부 상의 아이템과 일치하거나 유사한 아이템으로 판단되는 경우 상기 아이템 정보를 원부 상의 아이템과 같은 아이템으로 매핑하는 단계를 포함할 수 있다.

또 다른 측면에 따르면, 상기 매핑하는 단계는, 상기 아이템 정보가 원부 상에 없는 아이템으로 판단되는 경우 상기 아이템 정보를 신규 아이템으로 원부 상에 추가하는 단계를 더 포함할 수 있다.

또 다른 측면에 따르면, 상기 매핑하는 단계는, 상기 아이템 정보에 해당되는 텍스트에서 아이템명과 옵션명을 추정하는 단계; 및 상기 아이템명과 상기 옵션명을 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.

상기 아이템 통합 관리 방법을 상기 컴퓨터 장치에 실행시키기 위해 비-일시적인 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, 장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 과정; 및 상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 과정을 처리하는 컴퓨터 장치를 제공한다.

본 발명의 실시예들에 따르면, 장소와 관련하여 멀티 채널을 통해 인입되는 아이템 정보를 통합하여 관리하는 아이템 원부 플랫폼을 제공함으로써 분산되거나 중복된 정보를 보다 효율적으로 관리할 수 있고 시스템 자원을 절약할 수 있다.

본 발명의 실시예들에 따르면, 서로 다른 특성을 가진 멀티 채널을 통해 인입되는 아이템 정보의 매핑과 중복 관리를 플랫폼화함으로써 다양한 아이템 정보를 통합적으로 관리할 수 있다.

도 1은 본 발명의 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 아이템 통합 관리 방법의 예를 도시한 흐름도이다.
도 4는 본 발명의 일실시예에 있어서 아이템 정보가 인입되는 멀티 채널 예시를 도시한 것이다.
도 5는 본 발명의 일실시예에 있어서 아이템 매핑 과정의 일례를 도시한 것이다.
도 6 내지 도 7은 본 발명의 일실시예에 있어서 규칙 기반의 아이템 매핑 과정을 설명하기 위한 예시 도면이다.
도 8은 본 발명의 일실시예에 있어서 기계학습 기반의 아이템 매핑 과정을 설명하기 위한 예시 도면이다.
도 9는 본 발명의 일실시예에 있어서 업체의 아이템 원부 데이터 예시를 도시한 것이다.
도 10은 본 발명의 일실시예에 있어서 멀티 채널에서 인입되는 아이템 정보 예시를 도시한 것이다.
도 11은 본 발명의 일실시예에 있어서 아이템 매핑을 통한 아이템 통합 예시를 도시한 것이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 발명의 실시예들은 아이템 정보를 관리하는 기술에 관한 것이다.

본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 멀티 채널을 통해 인입되는 다양한 형식의 아이템 정보를 통합하여 관리하는 아이템 원부 플랫폼을 제공할 수 있다.

본 발명의 실시예들에 따른 아이템 통합 관리 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 아이템 통합 관리 방법은 아이템 통합 관리 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 아이템 통합 관리 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 아이템 통합 관리 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 기기들 간의 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, 컨텐츠, 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, 아이템 원부 플랫폼 서비스 등)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.

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.

이하에서는 아이템 원부 플랫폼을 위한 방법 및 장치의 구체적인 실시예를 설명하기로 한다.

본 명세서에서 아이템은 식당이나 카페, 상점, 명소, 인기장소(hot place) 등과 같은 장소에서 판매 또는 서비스되는 대상을 포괄하여 의미할 수 있다. 식당이나 카페와 같은 업체에서 판매되는 메뉴를 아이템의 대표적인 일 예시로 하여 구체적인 실시예를 설명하기로 한다.

본 실시예들은 장소(이하, '업체'라 칭함)를 기준으로 업체 단위의 메뉴 정보로서 멀티 채널을 통해 인입되는 다양한 형식의 메뉴 정보를 통합하여 관리하는 메뉴 원부 플랫폼을 제공할 수 있다.

본 실시예에 따른 컴퓨터 장치(200)에는 컴퓨터로 구현된 아이템 통합 관리 시스템이 구성될 수 있다. 컴퓨터 장치(200)의 프로세서(220)는 이하의 아이템 통합 관리 방법을 수행하기 위한 구성요소로 구현될 수 있다. 실시예에 따라 프로세서(220)의 구성요소들은 선택적으로 프로세서(220)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(220)의 구성요소들은 프로세서(220)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.

이러한 프로세서(220) 및 프로세서(220)의 구성요소들은 이하의 아이템 통합 관리 방법이 포함하는 단계들을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 예를 들어, 프로세서(220) 및 프로세서(220)의 구성요소들은 메모리(210)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.

여기서, 프로세서(220)의 구성요소들은 컴퓨터 장치(200)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(220)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다.

프로세서(220)는 컴퓨터 장치(200)의 제어와 관련된 명령이 로딩된 메모리(210)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(220)가 이후 설명될 단계들을 실행하도록 제어하기 위한 명령을 포함할 수 있다.

이후 설명될 아이템 통합 관리 방법이 포함하는 단계들은 도시된 순서와 다른 순서로 수행될 수 있으며, 단계들 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.

도 3은 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 아이템 통합 관리 방법의 일례를 도시한 흐름도이다.

도 3을 참조하면, 단계(S310)에서 프로세서(220)는 업체를 기준으로 각 업체와 관련하여 복수의 채널을 통해 인입되는 메뉴 정보를 획득할 수 있다. 프로세서(220)는 서버(150)와 연동 가능한 서비스 채널로서 업체와 연계된 각종 서비스 채널(예를 들어, 리뷰 서비스, 지도 서비스, 업체 운영 관리 서비스 등)을 통해 해당 업체와 관련된 메뉴 정보를 수신할 수 있다. 메뉴 정보는 업체에서 판매하는 상품이나 서비스 등의 이름과 옵션, 가격, 분류, 이미지 등이 포함될 수 있다. 업체 단위의 메뉴 정보를 수집하기 위해 업체에 대해 모든 서비스 채널이 동일한 아이디를 이용하거나 상호 매핑 가능한 아이디의 식별 체계를 가질 수 있다. 일례로, 프로세서(220)는 멀티 채널로부터 업체에 대한 리뷰로 등록된 컨텐츠, 업체의 방문 인증을 위한 영수증 이미지, 업체의 메뉴판 이미지, 업체와 관련된 서비스 운영자 혹은 업주에 의해 등록된 각종 자료 등을 수집하여 해당 업체의 메뉴 정보를 추출할 수 있다.

단계(S320)에서 프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보를 정규 데이터 형식으로 변환할 수 있다. 프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보 중 텍스트를 기준으로 정제(cleaning) 및 정규화(normalization)를 수행할 수 있다. 프로세서(220)는 채널마다 다른 형식으로 인입되는 텍스트 데이터를 공통화 형식의 데이터로 변환할 수 있다. 예를 들어, 프로세서(220)는 메뉴 정보로 수집된 텍스트에서 출력 불가능한 문자나 공백 등 시스템 상에서 처리할 수 없는 문자를 제거하는 과정, 시스템 제어용 문자나 유니코드로 정규화하는 과정 등을 통해 사전에 정의된 규칙(rule)의 정규 데이터 형식으로 변환할 수 있다.

단계(S330)에서 프로세서(220)는 단계(S320)에서 정제 및 정규화된 메뉴 정보를 업체의 메뉴 원부 데이터에 매핑함으로써 해당 업체의 메뉴 정보를 통합하여 관리할 수 있다. 메뉴 원부는 업체를 기준으로 각 업체의 관리 대상이 되는 메뉴, 메뉴 별 옵션과 카테고리 등을 미리 정의해 놓은 메뉴 DB를 의미할 수 있다. 프로세서(220)는 업체 단위로 메뉴 원부 데이터를 관리할 수 있고, 이때 각 메뉴 별로 멀티 채널을 통해 유입되는 메뉴 정보를 통합하여 관리할 수 있다. 프로세서(220)는 메뉴 원부에 대한 메뉴 정보의 매핑과 중복 관리를 통해 멀티 채널로부터 인입되는 서로 다른 형식의 메뉴 정보를 같은 메뉴로 인지하여 메뉴 원부에 추가할 수 있다. 메뉴 정보의 매핑과 중복 관리에는 사전에 정의된 규칙과 사전 정보(메뉴 사전, 옵션 사전, 유의어 사전, 불용어 사전 등) 및 기계학습 기술을 활용할 수 있다. 여기서, 메뉴 사전은 업체에서 판매되는 상품이나 서비스와 같은 메뉴(예를 들어, 아메리카노, 라떼, 카푸치노 등)를 취합한 메뉴명 사전으로 구축될 수 있다. 옵션 사전은 각 메뉴와 관련된 옵션(예를 들어, 아메리카노의 경우 ICE, HOT, SHORT, TALL, TAKEOUT 등)을 취합한 옵션명 사전으로 구축될 수 있다. 유의어 사전은 메뉴 사전과 옵션 사전에 포함된 단어의 유의어, 동의어, 외래어 등 유사하거나 동일한 의미의 단어 계통을 취합한 사전으로 구축될 수 있다. 불용어 사전은 시스템 상에서 처리할 수 없는 특수문자나 기호는 물론이고, 관사, 전치사, 조사, 접속사 등의 불용어 계통을 취합한 사전으로 구축될 수 있다.

본 실시예에 따른 메뉴 매핑 프로세스는 이하에서 구체적으로 설명하기로 한다.

도 4는 본 발명의 일실시예에 있어서 메뉴 정보가 인입되는 멀티 채널 예시를 도시한 것이다.

도 4를 참조하면, 프로세서(220)는 업체를 기준으로 서비스 사용자에 의해 등록된 리뷰 데이터(410), 영수증 데이터(420), 메뉴판 데이터(430), 서비스 운영자에 의해 등록된 브랜드 데이터(440), 업주에 의해 등록된 업체 데이터(450) 등으로부터 해당 업체의 메뉴 정보를 추출할 수 있다.

리뷰 데이터(410)는 리뷰 서비스 채널 등을 통해 서비스 사용자가 직접 작성한 것으로, 리뷰 데이터(410)로부터 서비스 사용자가 입력한 메뉴 정보가 인입될 수 있다. 리뷰 데이터(410)에서 인입된 메뉴 정보는 서비스 사용자가 직접 입력하는 만큼 자유로운 형태의 데이터 특징을 가진다.

영수증 데이터(420)는 업체에 대한 방문 인증을 위해 리뷰 서비스 채널 등을 통해 서비스 사용자가 직접 제출한 것으로, 서비스 사용자가 방문의 근거로 업로드한 영수증 이미지로부터 메뉴 정보가 인입될 수 있다. 영수증 데이터(420)에서 인입된 메뉴 정보는 영수증 이미지의 OCR 인식을 통해 추출되는 것으로, OCR 인식 과정에서 글자 인식 오류가 발생할 수 있고, 메뉴명이 긴 경우 영수증에 표기되지 않아 일부 텍스트가 누락될 수 있고, 업체에서 표기하는 기호나 약어 등 다양한 표현 형식을 가질 수 있다.

메뉴판 데이터(430)는 리뷰 서비스 채널이나 장소 서비스 채널 등을 통해 서비스 사용자가 직접 제출한 메뉴판 이미지를 포함하는 것으로, 서비스 사용자가 업로드한 메뉴판 이미지로부터 메뉴 정보가 인입될 수 있다. 메뉴판 데이터(430)에서 인입된 메뉴 정보 또한 메뉴판 이미지의 OCR 인식을 통해 추출되는 것으로, OCR 인식 과정에서 글자 인식 오류가 발생할 수 있다.

브랜드 데이터(440)는 업체 운영 관리 서비스 채널 등을 통해 서비스 운영자가 공개한 홈페이지 등에서 수집된 것으로, 수집된 데이터로부터 메뉴 정보가 인입될 수 있다.

업체 데이터(450)는 업체 운영 관리 서비스 채널 등을 통해 업주가 직접 작성한 것으로, 업체 데이터(450)로부터 업주가 입력한 메뉴 정보가 인입될 수 있다.

상기한 바와 같이 프로세서(220)는 업체와 연계된 여러 서비스 채널을 통해 업체 별 메뉴 정보를 수집할 수 있고, 이때 메뉴 정보는 각 채널의 특성에 따라 서로 다른 표현 방식의 데이터로 인입될 수 있다.

도 5는 본 발명의 일실시예에 있어서 메뉴 매핑 과정의 일례를 도시한 것이다.

도 5를 참조하면, 프로세서(220)는 정제 및 정규화를 포함한 포맷팅 과정(S320)을 통해 멀티 채널을 통해 인입된 메뉴 정보에 대해 채널마다 다른 형식으로 인입된 데이터를 공통화 형식의 데이터로 변환할 수 있다.

프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보를 메뉴 원부에 추가하여 통합하기 위한 메뉴 매핑 과정(S330)을 수행하게 되는데, 이때 메뉴 매핑 과정(S330)은 규칙 기반의 메뉴 매핑 과정(S331)과 기계학습 기반의 메뉴 매핑 과정(S332)을 결합한 하이브리드 방식이 적용될 수 있다.

실시예에 따라서는 규칙 기반의 메뉴 매핑 과정(S331)과 기계학습 기반의 메뉴 매핑 과정(S332) 중 어느 하나의 과정을 적용할 수 있다. 예를 들어, 프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보를 통합하기 위한 메뉴 매핑 과정(S330)으로 규칙 기반의 메뉴 매핑 과정(S331)을 제외하고 기계학습 기반의 메뉴 매핑 과정(S332)만을 단독으로 적용할 수 있다.

메뉴 매핑 과정(S330) 중 메뉴 원부에 존재하지 않는 메뉴가 발견되는 경우 해당 메뉴를 메뉴 원부에 신규 메뉴로 추가하는 과정에서 신규 메뉴의 카테고리를 결정하여 매핑하는 카테고리 매핑 과정(S333)이 포함될 수 있다. 이때, 카테고리는 메뉴 분류는 물론이고 인터넷 상의 메뉴 검색, 메뉴 추천, 메뉴 개인화 등을 위해 활용될 수 있다.

도 6은 본 발명의 일실시예에 있어서 규칙 기반의 메뉴 매핑 과정을 도시한 것이다.

도 6을 참조하면, 단계(S601)에서 프로세서(220)는 특정 업체의 메뉴 정보로 수집된 텍스트(이하, '메뉴 텍스트'라 칭함)에 대한 토큰화를 진행할 수 있다. 프로세서(220)는 메뉴 텍스트에서 특수문자, 관사, 전치사, 조사, 접속사 등의 불용어를 제거할 수 있다. 불용어 이외에도 텍스트 데이터에서 등장 빈도가 적은 단어, 무의미한 단어 등 불필요 단어들을 제거할 수 있다. 프로세서(220)는 메뉴 텍스트에서 특수문자와 같은 노이즈 데이터를 제거한 후 품사 단위를 기준으로 토큰을 분리할 수 있다.

예를 들어, 도 7에 도시한 바와 같이 프로세서(220)는 리뷰 데이터(410)에서 인입된 메뉴 정보 중 하나로 'ICE) 아메리카노 '가 주어지는 경우 공백 제거 등을 통해 시스템에서 처리할 수 있는 정규 데이터 형식의 텍스트인 'ICE) 아메리카노'로 변환할 수 있다. 이어, 프로세서(220)는 정규 데이터 형식의 텍스트인 'ICE) 아메리카노'를 품사 단위의 토큰(즉, 'ICE'와 '아메리카노')으로 분리할 수 있다.

프로세서(220)는 토큰화 이전 또는 이후에 텍스트에 포함된 오타나 OCR에서 오인식된 텍스트를 보정할 수 있다. 일례로, 프로세서(220)는 사전에 구축된 사전 정보로서 메뉴 사전, 옵션 사전, 유의어 사전 등을 이용하여 오타나 오인식된 텍스트를 보정할 수 있다.

다시 도 6을 참조하면, 단계(S602)에서 프로세서(220)는 토큰을 기준으로 메뉴 텍스트에 포함된 메뉴명과 옵션명을 추정할 수 있다. 프로세서(220)는 토큰 단위로 분리된 단어를 메뉴 사전과 옵션 사전 상의 단어와 비교하여 메뉴 텍스트에 포함된 메뉴명과 옵션명을 추정할 수 있다. 메뉴 텍스트에서 분리된 'ICE'와 '아메리카노'에 대해 '아메리카노'가 메뉴 사전에 있고 'ICE'가 옵션 사전에 있는 경우 '아메리카노'를 메뉴명, 'ICE'를 옵션명으로 확정 추정할 수 있다. 한편, 'ICE'와 '아메리카노'가 메뉴 사전과 옵션 사전에 없는 경우 'ICE'와 '아메리카노'를 미확정으로 추정할 수 있다. 상기한 추정 과정에서 유의어 사전을 함께 활용하여 의미적으로 유사한 범주 내에서 메뉴명과 옵션명을 추정할 수 있다.

단계(S603)에서 프로세서(220)는 해당 업체의 메뉴 원부 데이터에 메뉴명과 옵션명을 매핑할 수 있다. 프로세서(220)는 사전 상 단어와의 비교(일치/유사 판단)를 통해 메뉴 텍스트에서 메뉴명과 옵션명으로 추정된 텍스트를 업체의 메뉴 원부에 추가할 수 있다. A업체의 메뉴 원부 데이터에 메뉴 '아메리카노'가 있는 상태에서 메뉴 텍스트에서 분리된 '아메리카노'가 메뉴명, 'ICE'가 옵션명으로 확정 추정된 경우 해당 메뉴 정보를 A업체의 메뉴 원부에 매핑할 수 있다. 이때, 메뉴명만이 확정 추정된 경우 자동으로 메뉴 원부 데이터로 추가될 수 있고(자동 매핑), 메뉴명과 옵션명이 함께 확정 추정된 경우 운영자 확인을 거쳐 메뉴 원부 데이터로 추가될 수 있다(추천 매핑). 한편, A업체의 메뉴 원부 데이터에 메뉴 '아메리카노'가 없는 상태에서 '아메리카노'가 메뉴명, 'ICE'가 옵션명으로 확정 추정된 경우 '아메리카노'를 메뉴 원부에 신규 메뉴로 추가할 수 있다. 이때, 메뉴명만이 확정 추정된 경우 자동으로 메뉴 원부 데이터로 추가될 수 있고(자동 검수 추가), 메뉴명과 옵션명이 함께 확정 추정된 경우 운영자 확인을 거쳐 메뉴 원부 데이터로 추가될 수 있다(추천 검수 추가).

프로세서(220)는 규칙 기반 메뉴 매핑을 통해 메뉴 원부에 매핑 또는 추가되는 데이터 중 중복 데이터를 제거한 후 저장 및 관리할 수 있다.

프로세서(220)는 메뉴 원부 데이터, 메뉴 사전, 옵션 사전 등을 활용한 규칙을 기반으로 멀티 채널을 통해 인입되는 메뉴 정보에 대해 메뉴 원부 상의 동일 메뉴를 추정하여 매핑할 수 있다.

도 8은 본 발명의 일실시예에 있어서 기계학습 기반의 메뉴 매핑 과정을 도시한 것이다.

도 8을 참조하면, 단계(S801)에서 프로세서(220)는 기계학습 모델을 통해 메뉴 텍스트에 포함된 메뉴명과 옵션명을 추정할 수 있다. 프로세서(220)는 입력된 정보를 활용하여 데이터베이스에서 유사한 텍스트를 찾아주는 기계학습 기반의 그라운딩(grounding) 기술을 적용할 수 있다. 본 실시예에서는 메뉴 원부 데이터 또는 상기한 규칙 기반의 메뉴 매핑 과정을 통해 매핑된 데이터 중 적어도 하나를 학습 데이터로 활용하여 메뉴 추정을 위한 기계학습 모델을 생성할 수 있다. 예를 들어, 메뉴 텍스트 'ICE) 아메리카노'가 주어지는 경우 메뉴 원부 데이터나 규칙 기반의 메뉴 매핑 데이터로 학습된 기계학습 모델을 통해 메뉴 텍스트 'ICE) 아메리카노'에서 '아메리카노'를 메뉴명, 'ICE'를 옵션명으로 추정할 수 있다.

프로세서(220)는 기계학습 모델을 이용하여 메뉴 텍스트에 포함된 오타나 오인식된 텍스트를 보정할 수 있다. 오타나 오인식 텍스트의 보정은 물론이고, 유의어 처리 등을 포함한 모델 학습을 통해 해당 기계학습 모델을 기반으로 추정 결과의 정확도를 높일 수 있다.

단계(S802)에서 프로세서(220)는 기계학습 모델을 통해 추정된 메뉴명과 옵션명을 업체의 메뉴 원부 데이터에 매핑할 수 있다. 프로세서(220)는 기계학습 모델을 이용하여 메뉴 텍스트에서 추정된 메뉴명과 옵션명을 메뉴 원부와의 일치/유사 판단을 통해 메뉴명과 옵션명으로 추정된 텍스트를 업체의 메뉴 원부에 추가할 수 있다. 기계학습 모델의 추정 결과에 따른 메뉴 매핑 과정(S802)은 상기한 규칙 기반의 메뉴 매핑 과정(S603)과 유사하다.

프로세서(220)는 기계학습 모델 기반 메뉴 매핑을 통해 메뉴 원부에 매핑 또는 추가되는 데이터 중 중복 데이터를 제거한 후 저장 및 관리할 수 있다.

프로세서(220)는 기계학습 모델을 이용한 메뉴 그라운딩을 통해 멀티 채널을 통해 인입되는 메뉴 정보에 대해 메뉴 원부 상의 동일 메뉴를 추정하여 매핑할 수 있다.

프로세서(220)는 규칙 기반 메뉴 매핑 과정(S331)에 따른 매핑 결과와 기계학습 기반 메뉴 매핑 과정(S332)에 따른 매핑 결과를 포함한 메뉴 원부 데이터를 관리할 수 있다.

도 9 내지 도 11은 본 발명의 일실시예에 있어서 메뉴 매핑 예시를 도시한 것이다.

메뉴 원부는 업체를 기준으로 각 업체의 관리 대상이 되는 메뉴, 메뉴 별 옵션과 카테고리 등을 미리 정의해 놓은 메뉴 DB를 의미할 수 있다. 도 9는 A업체의 메뉴인 'Americano'에 대한 메뉴 원부 데이터(900)를 나타내고 있다.

메뉴 원부 데이터(900)는 관리 대상이 되는 메뉴에 대해 메뉴명(910), 해당 메뉴의 옵션 목록(920)과 카테고리(930) 등이 포함될 수 있으며, 실시예에 따라서는 메뉴명(910)에 대응되는 유의어, 동의어, 외래어 등을 포함한 메뉴 사전(940)이 포함될 수 있다.

도 10은 A업체와 연계된 서비스 채널에서 인입되는 메뉴 텍스트(1000)를 나타내고 있다. 메뉴 텍스트(1000)는 리뷰 서비스 등에서 서비스 사용자가 직접 제출한 A업체의 영수증 데이터, 리뷰 서비스 등에서 서비스 사용자가 직접 작성한 A업체의 리뷰 데이터, 리뷰 서비스나 장소 서비스 등에서 서비스 사용자가 직접 제출한 A업체의 메뉴판 데이터 등 멀티 채널을 통해 인입된 메뉴 정보로 구성될 수 있다. 메뉴 텍스트(1000)가 동일 메뉴라 하더라도 서비스 채널의 특성이나 서비스 사용자 등에 따라 다른 표현 방식의 데이터로 인입될 수 있다.

프로세서(220)는 각 채널을 통해 인입되는 메뉴 텍스트(1000)에서 메뉴명과 옵션명을 추정할 수 있다. 프로세서(220)는 메뉴 사전, 옵션 사전, 유의어 사전 등 사전 정보를 이용한 규칙 혹은 다양한 형식의 메뉴 텍스트로 학습된 기계학습 모델을 기반으로 메뉴 텍스트(1000)에 포함된 메뉴명과 옵션명을 추정할 수 있다. 예를 들어, 리뷰 데이터에서 인입된 '아이스 아메리카노 숏'에서 '아메리카노'를 메뉴명, '아이스'와 '숏'을 옵션명으로 추정할 수 있고, 메뉴판 데이터에서 인입된 'Americano Ice Tall'에서 'Americano' 메뉴명, 'Ice'와 'Tall'을 옵션명으로 추정할 수 있다.

도 11을 참조하면, 프로세서(220)는 멀티 채널을 통해 인입되는 메뉴 텍스트(1000) 중 메뉴명 추정을 통해 메뉴 원부 데이터(900) 상의 메뉴와 동일한 메뉴를 나타내는 메뉴 텍스트(1100)를 인지하여 같은 메뉴로 매핑할 수 있다. 메뉴 텍스트(1100)에서 메뉴명과 함께 옵션명을 추정하여 메뉴 텍스트(1100)에서 추정된 옵션명(1101)을 원부 상의 옵션과 통합하여 관리할 수 있다.

채널의 특성에 따라 표현 방식이 다른 경우에도 사전 정보 기반 규칙 혹은 기계학습 모델을 통해 추정한 결과가 메뉴 원부와 일치하거나 유사하면 같은 메뉴 데이터로 매핑할 수 있다.

프로세서(220)는 업체 단위의 메뉴 정보를 플랫폼화하여 멀티 채널을 통해 인입되는 다양한 표현 형식의 메뉴 정보를 구조화된 데이터로 통합 관리할 수 있다.

이처럼 본 발명의 실시예들에 따르면, 업체와 관련하여 멀티 채널을 통해 인입되는 다양한 메뉴 정보를 통합하여 관리하는 메뉴 원부 플랫폼을 제공함으로써 분산되거나 중복된 정보를 보다 효율적으로 관리할 수 있고 시스템 자원을 절약할 수 있다. 그리고, 본 발명의 실시예들에 따르면, 서로 다른 특성을 가진 멀티 채널을 통해 인입되는 메뉴 정보의 매핑과 중복 관리를 플랫폼화함으로써 다양한 메뉴 정보를 통합적으로 관리할 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 (20)

1. 컴퓨터 장치에서 실행되는 아이템 통합 관리 방법에 있어서,
   상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
   상기 아이템 통합 관리 방법은,
   상기 적어도 하나의 프로세서에 의해, 장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 단계; 및
   상기 적어도 하나의 프로세서에 의해, 상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 단계
   를 포함하는 아이템 통합 관리 방법.
2. 제1항에 있어서,
   상기 획득하는 단계는,
   상기 장소와 관련하여 상기 서비스 채널을 통해 등록된 정보로부터 상기 아이템 정보를 추출하는 단계
   를 포함하는 아이템 통합 관리 방법.
3. 제1항에 있어서,
   상기 획득하는 단계는,
   상기 서비스 채널에 따라 서로 다른 형식으로 인입되는 상기 아이템 정보를 사전에 정의된 정규 데이터 형식으로 변환하는 단계
   를 포함하는 아이템 통합 관리 방법.
4. 제1항에 있어서,
   상기 통합 관리하는 단계는,
   사전에 정의된 규칙(rule)과 사전 정보 및 기계학습 모델 중 적어도 하나를 이용하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계
   를 포함하는 아이템 통합 관리 방법.
5. 제1항에 있어서,
   상기 통합 관리하는 단계는,
   사전 정보를 이용한 규칙을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및
   상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계
   를 포함하는 아이템 통합 관리 방법.
6. 제1항에 있어서,
   상기 통합 관리하는 단계는,
   기계학습 모델을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및
   상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계
   를 포함하는 아이템 통합 관리 방법.
7. 제6항에 있어서,
   상기 기계학습 모델은 상기 아이템 원부 데이터 및 상기 아이템 원부 데이터에 매핑된 데이터 중 적어도 하나로 학습된 모델인 것
   을 특징으로 하는 아이템 통합 관리 방법.
8. 제4항에 있어서,
   상기 매핑하는 단계는,
   상기 아이템 정보가 원부 상의 아이템과 일치하거나 유사한 아이템으로 판단되는 경우 상기 아이템 정보를 원부 상의 아이템과 같은 아이템으로 매핑하는 단계
   를 포함하는 아이템 통합 관리 방법.
9. 제8항에 있어서,
   상기 매핑하는 단계는,
   상기 아이템 정보가 원부 상에 없는 아이템으로 판단되는 경우 상기 아이템 정보를 신규 아이템으로 원부 상에 추가하는 단계
   를 더 포함하는 아이템 통합 관리 방법.
10. 제4항에 있어서,
    상기 매핑하는 단계는,
    상기 아이템 정보에 해당되는 텍스트에서 아이템명과 옵션명을 추정하는 단계; 및
    상기 아이템명과 상기 옵션명을 상기 아이템 원부 데이터에 매핑하는 단계
    를 포함하는 아이템 통합 관리 방법.
11. 제1항 내지 제10항 중 어느 한 항의 아이템 통합 관리 방법을 상기 컴퓨터 장치에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
12. 컴퓨터 장치에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 과정; 및
    상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 과정
    을 처리하는 컴퓨터 장치.
13. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 장소와 관련하여 상기 서비스 채널을 통해 등록된 정보로부터 상기 아이템 정보를 추출하는 것
    을 특징으로 하는 컴퓨터 장치.
14. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    사전에 정의된 규칙과 사전 정보 및 기계학습 모델 중 적어도 하나를 이용하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
15. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    사전 정보를 이용한 규칙을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하고,
    상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
16. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    기계학습 모델을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하고,
    상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
17. 제16항에 있어서,
    상기 기계학습 모델은 상기 아이템 원부 데이터 및 상기 아이템 원부 데이터에 매핑된 데이터 중 적어도 하나로 학습된 모델인 것
    을 특징으로 하는 컴퓨터 장치.
18. 제14항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 아이템 정보가 원부 상의 아이템과 일치하거나 유사한 아이템으로 판단되는 경우 상기 아이템 정보를 원부 상의 아이템과 같은 아이템으로 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
19. 제18항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 아이템 정보가 원부 상에 없는 아이템으로 판단되는 경우 상기 아이템 정보를 신규 아이템으로 원부 상에 추가하는 것
    을 특징으로 하는 컴퓨터 장치.
20. 제14항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 아이템 정보에 해당되는 텍스트에서 아이템명과 옵션명을 추정하고,
    상기 아이템명과 상기 옵션명을 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.

Images