KR20240057140A - 요리 레시피 공유 장치 - Google Patents
요리 레시피 공유 장치 Download PDFInfo
- Publication number
- KR20240057140A KR20240057140A KR1020220137502A KR20220137502A KR20240057140A KR 20240057140 A KR20240057140 A KR 20240057140A KR 1020220137502 A KR1020220137502 A KR 1020220137502A KR 20220137502 A KR20220137502 A KR 20220137502A KR 20240057140 A KR20240057140 A KR 20240057140A
- Authority
- KR
- South Korea
- Prior art keywords
- recipe
- terminal
- information
- recipe information
- data
- Prior art date
Links
- 238000010411 cooking Methods 0.000 title claims description 20
- 239000004615 ingredient Substances 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 230000009193 crawling Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000012805 post-processing Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 235000012054 meals Nutrition 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010977 unit operation Methods 0.000 description 2
- 241000218691 Cupressaceae Species 0.000 description 1
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- 239000011669 selenium Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 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
-
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 사용자가 입력하는 레시피 정보를 수집하고, 사용자에게 레시피 정보를 추천하고, 레시피 정보 내의 단어를 식재료, 도구, 시간, 기타 정보 중 어떤 분류에 해당될 가능성이 높은지에 대한 확률값을 예측하고, 레시피 정보를 인식하고, 서버로부터 수집된 레시피 정보를 단말기에 추천한다.
Description
본 발명은 요리 레시피 공유 장치에 관한 것으로, 보다 상세하게는 사용자는 다양한 종류의 요리 레시피를 경험하고, 레시피 공유에서의 불편함을 해소하고, 주요 정보가 누락되는 경우를 최소화하는 요리 레시피 공유 장치에 관한 것이다.
본 발명에 관련된 종래기술에는 참여형 레시피 교육, 스마트쿡 아키텍처, 레시피 공유가 있다. 특허문헌 1 모바일 단말기를 이용한 참여형 레시피 교육 장치 및 그 방법은 참여형 방식으로 레시피를 교육하고 레시피를 게임화하여 친숙하게 레시피를 익힐 수 있도록 하여 레시피의 전파에 기여한다. 또한, 특허문헌 2 스마트쿡 아키텍처를 이용한 요리 시스템 및 방법은 스마트쿡 기기의 요리 동작을 모니터하고 제어한다. 또한, 특허문헌 3 레시피 공유를 통한 고객 맞춤형 밀키트 매칭 방법 및 시스템은 콘텐츠 이용자에게 밀키트를 제공한다.
그러나 종래기술은 사용자가 입력하는 레시피 정보를 수집하고, 사용자에게 레시피 정보를 추천하지 못하는 문제점이 있다.
본 발명은 사용자가 입력하는 레시피 정보를 수집하고, 사용자에게 레시피 정보를 추천하는 요리 레시피 공유 장치를 제공하는 것을 목적으로 한다.
또한, 본 발명은 레시피 정보 내의 단어를 식재료, 도구, 시간, 기타 정보 중 어떤 분류에 해당될 가능성이 높은지에 대한 확률값을 예측하고, 레시피 정보를 인식하고, 서버로부터 수집된 레시피 정보를 단말기에 추천하는 요리 레시피 공유 장치를 제공하는 것을 또 다른 목적으로 한다.
본 발명의 바람직한 일 실시예에 따른 요리 레시피 공유 장치는, 단말기(6)로부터 레시피 정보를 입력받는 레시피 입력부(100); 상기 레시피 입력부(100)의 레시피 정보를 서버(200)로 전송하는 레시피 데이터 수신부(210); 텍스트 형태의 레시피 정보를 신경망 모델(300)이 처리하기 적합한 형태로 가공하고, 문장 시작 토큰, 문장 구별 토큰을 추가하는 레시피 데이터 전처리부(220); 레시피 정보 내의 단어를 식재료, 도구, 시간, 기타 정보 중 어떤 분류에 해당될 가능성이 높은지에 대한 확률값을 예측하는 신경망 모델(300); 및 상기 신경망 모델(300)에 의해 처리된 레시피 정보를 레시피 데이터베이스(400)에 저장하는 레시피 데이터 후처리부(230);를 포함하는 것을 특징으로 한다.
또한, 상기 단말기(6)는 레시피 정보를 메인 서버(45)로 전송하고, 상기 메인 서버(45)는 단말기(6)로부터 수집된 레시피 정보를 관리하고, 추천 서버(46)는 상기 메인 서버(45)에 의해 관리되는 레시피 정보에 대해 상기 단말기(6) 사용자에 알맞은 레시피 정보를 추천하고, 크롤링 서버(47)는 인터넷에 연결된 각종 서버(200)로부터 레시피 정보를 수집하는 것을 특징으로 한다.
또한, 상기 단말기(6)는 샘플링 데이터를 저장하고, 일정 시간 동안 샘플링 데이터의 크기 별로 발생 회수를 누적하여 확률 분포를 계산하고, 또 다른 일정 시간 동안의 확률 분포를 계산하고, 두 확률 분포의 차, 면적 차, 차 거리 누적을 계산해서 샘플링 회로 이상, 데이터 오류, 데이터 변화를 예측하는 것을 특징으로 한다.
본 발명은 사용자가 입력하는 레시피 정보를 수집하고, 사용자에게 레시피 정보를 추천함으로써 사용자는 다양한 종류의 요리 레시피를 경험하는 효과를 가질 수 있다.
또한, 본 발명은 레시피 정보 내의 단어를 식재료, 도구, 시간, 기타 정보 중 어떤 분류에 해당될 가능성이 높은지에 대한 확률값을 예측하고, 레시피 정보를 인식하고, 서버로부터 수집된 레시피 정보를 단말기에 추천함으로써 레시피 공유에서의 불편함을 해소하고, 주요 정보가 누락되는 경우를 최소화하는 효과를 가질 수 있다.
도 1은 본 발명 요리 레시피 공유 장치의 구성을 보인 블록도이다.
도 2는 도 1 요리 레시피 공유 장치의 시스템 구성을 보인 예시도이다.
도 3은 본 발명을 설명하기 위한 데이터 오류를 검증하는 구성을 설명하는 예시도이다.
도 4는 본 발명을 설명하기 위한 하드웨어 자원과 운영체제, 코어인 제어부의 동작, 제어부 동작을 실행할 권한을 부여하는 시스템 인증 구성을 설명하는 예시도이다.
도 2는 도 1 요리 레시피 공유 장치의 시스템 구성을 보인 예시도이다.
도 3은 본 발명을 설명하기 위한 데이터 오류를 검증하는 구성을 설명하는 예시도이다.
도 4는 본 발명을 설명하기 위한 하드웨어 자원과 운영체제, 코어인 제어부의 동작, 제어부 동작을 실행할 권한을 부여하는 시스템 인증 구성을 설명하는 예시도이다.
이하, 도면을 참조하여 본 발명의 실시 예에 따른 요리 레시피 공유 장치에 대하여 상세히 설명하기로 한다. 이하에서 종래 주지된 사항에 대한 설명은 본 발명의 요지를 명확히 하기 위해 생략하거나 간단히 한다. 본 발명의 설명에 포함된 구성은 개별 또는 복합 결합 구성되어 동작한다.
도 1은 본 발명 요리 레시피 공유 장치의 구성을 보인 블록도로서, 도 1을 참조하면, 단말기(6)는 레시피 입력부(100), 앱 서버 연결부(110), 레시피 데이터 수신부(210), 서버(200), 레시피 데이터베이스(400), 레시피 데이터 전처리부(220), 신경망 모델(300), 레시피 데이터 후처리부(230)를 포함한다.
단말기(6)는 요리 레시피 공유 장치로 동작한다. 단말기(6)는 사용자가 입력하는 레시피 정보를 수집하고, 사용자에게 레시피 정보를 추천한다.
레시피 입력부(100)는 단말기(6)로부터 레시피 정보를 입력받고, 앱 서버 연결부(110)는 단말기(6)와 서버(200)를 연결하고, 레시피 데이터 수신부(210)는 레시피 입력부(100)의 레시피 정보를 서버(200)로 전송한다.
레시피 데이터 전처리부(220)는 텍스트 형태의 레시피 정보를 신경망 모델(300)이 처리하기 적합한 형태로 가공하고, 문장 시작 토큰, 문장 구별 토큰을 추가한다.
신경망 모델(300)은 레시피 정보 내의 단어를 식재료, 도구, 시간, 기타 정보 중 어떤 분류에 해당될 가능성이 높은지에 대한 확률값을 예측한다.
레시피 데이터 후처리부(230)는 신경망 모델(300)에 의해 처리된 레시피 정보를 레시피 데이터베이스(400)에 저장한다.
도 2는 도 1 요리 레시피 공유 장치의 시스템 구성을 보인 예시도로서, 도 2를 참조하면, 단말기(6)는 레시피 정보를 메인 서버(45)로 전송하고, 메인 서버(45)는 단말기(6)로부터 수집된 레시피 정보를 관리하고, 추천 서버(46)는 메인 서버(45)에 의해 관리되는 레시피 정보에 대해 단말기(6) 사용자에 알맞은 레시피 정보를 추천하고, 크롤링 서버(47)는 인터넷에 연결된 각종 서버(200)로부터 레시피 정보를 수집한다.
크롤링 서버(47)는 크롤링 모듈을 이용하여 웹 표준으로 인코딩된 레시피 정보를 추출한다.
크롤링 모듈은 크롤링 서버(47)의 제어부(5)에서 크롤링 모듈을 이용하는 API(Application Programming Interface); API의 요청을 브라우저 드라이버에 JSON(JavaScript Object Notation) Wire Protocol 기반의 URL(Uniform Resource Locator)로 전달하는 JSON 프로토콜; JSON 프로토콜의 URL 명령을 수신하고 스크립트를 사용하여 실제 브라우저를 동작시키는 브라우저 드라이버;를 포함한다. 예를 들어, 크롤링 모듈은 기능적 자동화 테스트 도구인 셀레니움, 사이프레스일 수 있고, 브라우저 드라이버를 제어하여 사용자의 행동을 모방하는 테스트를 작성하는데 사용된다.
브라우저는 크롤링 모듈의 명령에 따라 웹 서버에 로그인하고, 로그인 인증 후 웹 페이지에 포함된 메뉴로 이동하고, 메뉴에 링크된 레시피 정보를 제어부(5)에 전달한다.
도 3은 본 발명을 설명하기 위한 데이터 오류를 검증하는 구성을 설명하는 예시도이다.
도 3을 참조하면, 제어부(5)는 샘플링 데이터를 저장하고, 일정 시간 동안 샘플링 데이터의 크기 별로 발생 회수를 누적하여 확률 분포를 계산하고, 또 다른 일정 시간 동안의 확률 분포를 계산하고, 두 확률 분포의 차, 면적 차, 차 거리 누적을 계산해서(S101) 샘플링 회로 이상, 데이터 오류, 데이터 변화를 예측하고, 이에 대응할 수 있다(S102). 제어부(5)는 예측 결과를 사용자에게 알림으로써 사용자가 대응하거나 제어부(5)가 하드웨어 고장, 데이터 오류, 데이터 변화에 대응할 수 있다.
샘플링 데이터는 식재료, 도구, 시간, 기타 정보의 레시피 정보를 포함하고, 제어부(5)는 샘플링 데이터에 기반하여 하드웨어 고장, 데이터 오류, 데이터 변화에 대응한다.
제어부(5)는 일정 시간 동안 마다 각각의 확률 분포 추이를 보고, 확률 분포 중 특이 현상 이상을 예측하고, 이상 사고에 대응하고, 확률 분포에 대해 데이터 변화가 일정하면 정상 동작을 외부에 알린다. 또한, 제어부(5)는 일정 시간 간격을 조정하기 위해 데이터 변화율을 피드백한다. 예를 들어, 데이터 변화율이 크면 일정 시간 간격을 늘리고, 데이터 변화율이 작으면 일정 시간 간격을 줄인다.
제어부(5)는 사용자 조작, 데이터 입력에 대응한 상태 전이, 상태 처리의 상태 머신을 실행하고, 상태 처리는 연산, 표시, 진동, 알람을 수행하고, 사용자 조작, 데이터 입력, 랜덤 입력에 대한 범위, 시간, 레벨의 입력을 검증하고, 사용자 조작, 데이터 입력, 랜덤 입력에 대한 상태 확률에 따른 시스템 검증을 실행한다. 시스템 검증은 샘플링 데이터에 기반한 상태 머신 검증을 포함한다.
도 4는 본 발명을 설명하기 위한 하드웨어 자원과 운영체제, 코어인 제어부의 동작, 제어부 동작을 실행할 권한을 부여하는 시스템 인증 구성을 설명하는 예시도로서, 도 4를 참조하면, 본 발명은 프로세서(1), 메모리(2), 입출력장치(3), 운영체제(4), 제어부(5)를 포함한다.
프로세서(1)는 CPU(Central Processing Units), GPU(Graphic Processing Unit), FPGA(Field Programmable Gate Array), NPU(Neural Processing Unit)로서, 메모리(2)에 탑재된 운영체제(4), 제어부(5)의 실행 코드를 수행한다.
메모리(2)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다.
입출력장치(3)는 입력 장치로, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치로, 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다.
운영체제(4)는 윈도우, 리눅스, IOS, 가상 머신, 웹브라우저, 인터프리터를 포함할 수 있고, 태스크, 쓰레드, 타이머 실행, 스케줄링, 자원 관리, 그래픽, 폰트 처리, 통신 등을 지원한다.
제어부(5)는 운영체제(4)의 지원하에 입출력장치(3)의 센서, 키, 터치, 마우스 입력에 의한 상태를 결정하고, 결정된 상태에 따른 동작을 수행한다. 제어부(5)는 병렬 수행 루틴으로 타이머, 쓰레드에 의한 작업 스케줄링을 수행한다.
제어부(5)는 입출력장치(3)의 센서값을 이용하여 상태를 결정하고, 결정된 상태에 따른 알고리즘을 수행한다.
도 4를 참조하면, 시스템 인증 구성은 제어부(5)를 포함하는 단말기(6), 인증 서버(7)를 포함한다.
단말기(6)는 데이터 채널을 이중화하고, 단말기(6)의 키값, 생체 정보를 입력받아 인증 서버(7)에 제1데이터 채널을 통해 사용자 인증을 요청하고, 단말기(6)는 생성된 킷값을 디스플레이에 표시하고, 인증 서버(7)로 전송한다.
단말기(6)는 단말기(6)의 디스플레이에 표시된 킷값을 입력하고, 사용자 정보와 함께 제2데이터 채널을 통해 인증 서버(7)로 전송한다. 단말기(6)는 킷값과 사용자 정보를 이용하여 단말기(6)에 탑재된 시스템의 인증을 인증 서버(7)에 요청한다. 단말기(6)의 킷값은 컴퓨터 고유의 정보인 CPU 제조번호, 이더넷 칩의 맥주소로부터 생성될 수 있다. 단말기(6)는 카메라를 이용한 얼굴 인식, 마이크를 이용한 음성 인식, 디스플레이를 이용한 필기 인식을 통해 사용자 정보를 획득하고, 인증에 활용할 수 있다.
인증 서버(7)는 단말기(6)로부터 킷값을 수신하고, 단말기(6)로부터 이중화된 데이터 채널을 통해 킷값과 사용자 정보를 수신하여 단말기(6)의 킷값과 사용자 정보를 비교하고, 사용자 정보를 대응시켜 단말기(6)의 시스템 이용에 대한 인증을 처리한다. 인증 서버(7)는 인증 결과를 단말기(6)로 전송하여 시스템에 대한 사용자의 사용을 허가한다. 단말기(6)의 이중화된 데이터 채널로 인해 킷값 손실이 최소화되는 효과를 가질 수 있다.
인증 서버(7)는 사용자 정보의 히스토리 분석을 수행하고, 시간 흐름에 따라 사용자 정보의 일관성, 변화를 비교 판단한다. 히스토리 분석에서 사용자 정보가 일관성을 나타내면 사용자의 사용을 허가하고, 변화를 나타내면 사용자의 사용을 허가하지 않는다. 사용자 정보가 일관성을 나타낼 때 사용자의 시스템 사용을 허가함으로써 사용자 정보가 변조된 사용자가 시스템에 접근하지 못하도록 보안을 강화한다.
인증 서버(7)는 일관성, 변화, 빈도, 빈도 추이, 빈도가 높음에 가중치를 부여해서 가중치 조합으로 신뢰되지 않은 사용자의 접근을 차단한다. 예를 들어, 빈도의 임계치가 초과하면 초과 누적수에 비례하여 신뢰되지 않은 사용자의 접근을 차단하고, 장시간에 걸쳐 접근 시도하는 사용자를 인증 처리할 수 있다. 이때, 신뢰되지 않은 사용자에 대해 추가 인증을 요청한다.
시스템의 사용을 인증하는 수단인 단말기(6)는 시스템과 직접 연결하지 않고, 인증 서버(7)를 통한 우회 경로를 형성함으로써 인터넷망을 이루는 네트워크가 내부망과 외부망으로 구성되어 아이피 주소 설정 과정이 번거로울 때 단말기(6)를 이용한 인증 과정이 원활히 수행되는 장점이 있다. 이때, 단말기(6)에는 시스템이 탑재되고, 단말기(6)는 인증 단말 수단이 되고, 인증 서버(7)는 인증 서버 수단이 된다.
클라우드(12)는 프로세서(1), 메모리(2), 입출력장치(3), 통신부(6)를 관리하는 운영체제(4)의 지원 하에 컨테이너(7)의 모듈화로, 웹(8), DB(9), 프로토콜(10), 라이브러리(11)의 서비스를 제공하며, 제어부(5)는 컨테이너(7)의 서비스를 이용한 클라우드 애플리케이션을 실행한다. 컨테이너(7)라고 하는 표준 소프트웨어 패키지는 애플리케이션의 코드를 관련 구성 파일, 라이브러리(11) 및 앱 실행에 필요한 종속성과 함께 번들로 제공한다.
클라우드(12)는 다수의 단말기(6)를 통합 제어하고, 단말기(6)로부터 수신된 센서값을 저장하여 시간 흐름에 따라 모니터링하고, 단말기(6)의 동작 에러를 처리하고, 에러 메시지를 다른 단말기(6)로 알리고, 제어 대상인 단말기(6)를 스위칭 제어한다.
신경망 학습은 온도, 고도, 지문 등 각종 센서, 이미지, 적외선 등 카메라, 라이더와 같은 입력 장치로부터 수집된 시계열 데이터로부터 특징량 선택, 알고리즘 선택을 통해 모델을 선택하고, 학습, 성능 검증 과정에 의한 반복 시행 착오를 거쳐 모델 선택을 반복한다. 성능 검증이 마치면 인공지능 모델이 선택된다.
제어부(5)는 센서값 판단에 신경망을 이용한 딥러닝 알고리즘을 수행하고, 신경망 학습에 훈련 데이터를 이용하고, 시험 데이터로 신경망 성능을 검증한다.
본 발명은 상술한 특정의 바람직한 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 해당 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
1: 프로세서
2: 메모리
3: 입출력장치
4: 운영체제
5: 제어부
6: 단말기
7: 인증 서버
8: 웹
9: DB
11: 라이브러리
12: 클라우드
14: 컨테이너
16: 통신부
100: 레시피 입력부
110: 앱 서버 연결부
200: 서버
210: 레시피 데이터 수신부
220: 레시피 데이터 전처리부
230: 레시피 데이터 후처리부
300: 신경망 모델
400: 레시피 데이터베이스
2: 메모리
3: 입출력장치
4: 운영체제
5: 제어부
6: 단말기
7: 인증 서버
8: 웹
9: DB
11: 라이브러리
12: 클라우드
14: 컨테이너
16: 통신부
100: 레시피 입력부
110: 앱 서버 연결부
200: 서버
210: 레시피 데이터 수신부
220: 레시피 데이터 전처리부
230: 레시피 데이터 후처리부
300: 신경망 모델
400: 레시피 데이터베이스
Claims (3)
- 단말기(6)로부터 레시피 정보를 입력받는 레시피 입력부(100);
상기 레시피 입력부(100)의 레시피 정보를 서버(200)로 전송하는 레시피 데이터 수신부(210);
텍스트 형태의 레시피 정보를 신경망 모델(300)이 처리하기 적합한 형태로 가공하고, 문장 시작 토큰, 문장 구별 토큰을 추가하는 레시피 데이터 전처리부(220);
레시피 정보 내의 단어를 식재료, 도구, 시간, 기타 정보 중 어떤 분류에 해당될 가능성이 높은지에 대한 확률값을 예측하는 신경망 모델(300);
상기 신경망 모델(300)에 의해 처리된 레시피 정보를 레시피 데이터베이스(400)에 저장하는 레시피 데이터 후처리부(230);를 포함하는 것을 특징으로 하는, 요리 레시피 공유 장치. - 제1항에 있어서,
상기 단말기(6)는 레시피 정보를 메인 서버(45)로 전송하고, 상기 메인 서버(45)는 단말기(6)로부터 수집된 레시피 정보를 관리하고, 추천 서버(46)는 상기 메인 서버(45)에 의해 관리되는 레시피 정보에 대해 상기 단말기(6) 사용자에 알맞은 레시피 정보를 추천하고, 크롤링 서버(47)는 인터넷에 연결된 각종 서버(200)로부터 레시피 정보를 수집하는 것을 특징으로 하는, 요리 레시피 공유 장치. - 제1항에 있어서,
상기 단말기(6)는 샘플링 데이터를 저장하고, 일정 시간 동안 샘플링 데이터의 크기 별로 발생 회수를 누적하여 확률 분포를 계산하고, 또 다른 일정 시간 동안의 확률 분포를 계산하고, 두 확률 분포의 차, 면적 차, 차 거리 누적을 계산해서 샘플링 회로 이상, 데이터 오류, 데이터 변화를 예측하는 것을 특징으로 하는, 요리 레시피 공유 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220137502A KR20240057140A (ko) | 2022-10-24 | 2022-10-24 | 요리 레시피 공유 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220137502A KR20240057140A (ko) | 2022-10-24 | 2022-10-24 | 요리 레시피 공유 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240057140A true KR20240057140A (ko) | 2024-05-02 |
Family
ID=91071723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220137502A KR20240057140A (ko) | 2022-10-24 | 2022-10-24 | 요리 레시피 공유 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240057140A (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150121809A (ko) | 2014-04-22 | 2015-10-30 | 고제욱 | 모바일 단말기를 이용한 참여형 레시피 교육 장치 및 그 방법 |
| KR101634628B1 (ko) | 2011-12-19 | 2016-06-29 | 인텔 코포레이션 | 스마트쿡 아키텍처를 이용한 요리 시스템 및 방법 |
| KR20220023116A (ko) | 2020-08-20 | 2022-03-02 | 조상덕 | 레시피 공유를 통한 고객 맞춤형 밀키트 매칭 방법 및 시스템 |
-
2022
- 2022-10-24 KR KR1020220137502A patent/KR20240057140A/ko unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101634628B1 (ko) | 2011-12-19 | 2016-06-29 | 인텔 코포레이션 | 스마트쿡 아키텍처를 이용한 요리 시스템 및 방법 |
| KR20150121809A (ko) | 2014-04-22 | 2015-10-30 | 고제욱 | 모바일 단말기를 이용한 참여형 레시피 교육 장치 및 그 방법 |
| KR20220023116A (ko) | 2020-08-20 | 2022-03-02 | 조상덕 | 레시피 공유를 통한 고객 맞춤형 밀키트 매칭 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10652225B2 (en) | Queue management and load shedding for complex authentication schemes | |
| US11924247B1 (en) | Access control policy simulation and testing | |
| US11178033B2 (en) | Network event automatic remediation service | |
| CN109684047A (zh) | 事件处理方法、装置、设备和计算机存储介质 | |
| US20200156243A1 (en) | Robotics application simulation management | |
| WO2020106908A1 (en) | Reinforcement learning model training through simulation | |
| US10469327B1 (en) | Operations environment model and simulation to reduce operator error | |
| US11983609B2 (en) | Dual machine learning pipelines for transforming data and optimizing data transformation | |
| US10225152B1 (en) | Access control policy evaluation and remediation | |
| US20200394448A1 (en) | Methods for more effectively moderating one or more images and devices thereof | |
| JP2023531196A (ja) | ネットワーク管理システム、方法、装置及び電子機器 | |
| CN113111340A (zh) | 一种显示登录方式选项的方法、装置、设备和可读介质 | |
| CN114356747A (zh) | 显示内容的测试方法、装置、设备、存储介质及程序产品 | |
| JP7252332B2 (ja) | ロボティクスアプリケーション開発のための方法及びシステム | |
| CN113704765A (zh) | 基于人工智能的操作系统识别方法、装置及电子设备 | |
| KR20240057140A (ko) | 요리 레시피 공유 장치 | |
| WO2020252880A1 (zh) | 反向图灵验证方法及装置、存储介质、电子设备 | |
| KR20240057139A (ko) | 공유 배달 서비스 장치 | |
| KR20240055501A (ko) | 여행 카풀 인센티브 시스템 | |
| KR102482423B1 (ko) | 인터넷 텔레비전을 이용한 애플리케이션 마켓형 플랫폼 서비스 제공 방법 및 이를 제공하는 텔레비전 | |
| KR102520169B1 (ko) | 항공 시뮬레이터를 이용한 항공 정비사의 교육 콘텐츠 제공 방법, 장치 및 시스템 | |
| KR102613712B1 (ko) | 원전 제어 계통의 가상 모사 장치, 방법 및 시스템 | |
| CN114006735A (zh) | 一种数据保护方法、装置、计算机设备和存储介质 | |
| KR102488000B1 (ko) | 수요 예측 기반 알루미늄 재료 공급 방법, 장치 및 시스템 | |
| KR102537141B1 (ko) | 마이크로 인플루언서 연계를 통한 뷰티 및 라이프스타일 제품 판매 서비스 제공 방법, 장치 및 시스템 |