WO2020032468A1 - 에이전시 매칭방법, 장치 및 프로그램 - Google Patents

에이전시 매칭방법, 장치 및 프로그램 Download PDF

Info

Publication number
WO2020032468A1
WO2020032468A1 PCT/KR2019/009533 KR2019009533W WO2020032468A1 WO 2020032468 A1 WO2020032468 A1 WO 2020032468A1 KR 2019009533 W KR2019009533 W KR 2019009533W WO 2020032468 A1 WO2020032468 A1 WO 2020032468A1
Authority
WO
WIPO (PCT)
Prior art keywords
task
information
agency
subject
agencies
Prior art date
Application number
PCT/KR2019/009533
Other languages
English (en)
French (fr)
Inventor
김보언
Original Assignee
김보언
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김보언 filed Critical 김보언
Publication of WO2020032468A1 publication Critical patent/WO2020032468A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0613—Third-party assisted
    • G06Q30/0619—Neutral agent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions

Definitions

  • the step (S106) includes a step (S132) of obtaining information on the result of the task mediated by the one or more agencies from the blockchain, the step (S132), the agency evaluation of the subject registration subject Acquiring information (S133), acquiring agency evaluation information of the subject performing task (S134); and evaluating the suitability between the task content of each task and the subject performing task (S135), and performing the step (S107).
  • An apparatus for solving the above problems includes a memory for storing one or more instructions and a processor for executing the one or more instructions stored in the memory, the processor executes the one or more instructions. Thereby obtaining task information from the subject registration subject, acquiring region information and task contents included in the task information, acquiring one or more agency information corresponding to the region information, and among the one or more agencies.
  • the method may include determining an agency matching the task content and transferring the determined agency information to the task registration subject.
  • the subject of registration 10 may be a company that wants to host a global MICE event in a particular country.
  • the performer 30 of the task may be a performer of a specific country that wants to host a MICE event, and the agency 20 should be able to connect the performer 30 of the country with the registrant 10. do.
  • the agency 20 may be a company in the country, but may be a global company including a branch in the country.
  • the task matching service according to the disclosed embodiment may be serviced in the form of utilizing the infrastructure of an existing blockchain platform, such as Ethereum, or may be serviced using an independent infrastructure in the future when the mainnet is developed.
  • each step is described as being performed by a computer, the computer may correspond to the management server 100 shown in Figure 2, may correspond to other subjects. According to an embodiment, the subject performing each step is not limited thereto, and all or part of each step may be performed by another subject.
  • the method may be used to induce an update of information of the agency, and the method is not limited.
  • the computer may obtain the latest information preferentially, and if there is updated information specialized for each task or each field, it may similarly obtain it first. In case of updating the specialized information for each task or field, the selection probability can be increased, so that the information input of each agency can be induced.
  • FIG. 4 is a flowchart illustrating a method of determining an agency according to an embodiment.
  • the computer may perform a step (S107) to determine the agency matching the task content based on the obtained information.
  • the computer determines a target of uploading wrong information based on the information recorded in the blockchain, and gives a penalty to a reliability point of the target of uploading the wrong information (S119). ) Can be performed.
  • credit points may be given to users who upload the correct information, and according to an embodiment, the user may provide the information uploaded by each other in the cross-validation step. In this case, additional points may be added to the reliability score when the tip is provided for incorrect information.
  • the computer may perform a step of determining priorities for each of the one or more second agencies based on the fitness score and the final reliability score (S126).
  • the computer may also perform step S129 of extracting one or more parameters from the information obtained in step S106.
  • the artificial intelligence model may extract parameters for calculating the selection probability from each agency information and task information through natural language processing.
  • the computer can input the extracted parameters into the AI model and obtain a probability as an output thereon.
  • the artificial intelligence model can be trained by using, as learning data, big data including previously completed task information and information on an agency performing a task in correspondence with each task information.
  • the learned model may include parameters obtained by preprocessing the big data.
  • a model capable of extracting parameters may be separately learned and used, and after the computer guesses the parameter, provides the agency with the speculative result, and then inputs the parameter selected by the agency into the artificial intelligence model. May be calculated.
  • the computer may determine whether the bidding multiples of the agency or performing agents to be connected to the agency and the duplicate bid multiples. For example, the computer may determine how many times the task information corresponding to the agency's resources is provided to the performing agent.
  • the computer may perform the step (S134) of obtaining agency evaluation information of the subject performing the task.
  • the criteria for evaluating the agency include the suitability of the agency and the reliability of the agency.
  • the weight may be adjusted according to the intention of each subject registration subject, and the computer continuously learns and selects the agency according to the weight setting by the computer, and the AI model learned based on the task execution result of the selected agency. It may be updated. Reinforcement learning may be used for such weight resetting, but is not limited thereto.
  • the agency's language literacy may be evaluated as the most important criterion.
  • the processor 102 executes one or more instructions stored in the memory 104 to perform the methods described herein.
  • the steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, in a software module executed by hardware, or by a combination thereof.
  • the software module may be a random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, or It may reside in any form of computer readable recording medium well known in the art.

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

컴퓨터에 의하여 수행되는 에이전시 매칭 방법으로서, 과제 등록주체로부터 과제정보를 획득하는 단계, 상기 과제정보에 포함된 지역정보 및 과제내용을 획득하는 단계, 상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하는 단계, 상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하는 단계 및 상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달하는 단계를 포함하는, 에이전시 매칭방법이 개시된다.

Description

에이전시 매칭방법, 장치 및 프로그램
본 발명은 에이전시 매칭방법, 장치 및 프로그램에 관한 것이다.
블록체인(Block Chain)은 네트워크에 참여하는 모든 사용자가 관리 대상이 되는 모든 데이터를 분산하여 저장하는 데이터 분산처리기술을 말한다. 거래 정보가 담긴 원장을 거래 주체나 특정 기관에서 보유하는 것이 아니라 네트워크 참여자 모두가 나누어 가지는 기술이라는 점에서 '분산원장기술(DLT:Distributed Ledger Technology)' 또는 '공공거래장부'라고도 한다. 블록체인은 거래 내용이 담긴 블록(Block)을 사슬처럼 연결(chain)한 것이라 하여 붙여진 명칭이다.
블록체인은 금융기관에서 모든 거래를 담보하고 관리하는 기존의 금융 시스템에서 벗어나 P2P(Peer to Peer；개인 대 개인) 거래를 지향하는, 탈중앙화를 핵심 개념으로 한다. P2P란 서버나 클라이언트 없이 개인 컴퓨터 사이를 연결하는 통신망을 말하며, 연결된 각각의 컴퓨터가 서버이자 클라이언트 역할을 하며 정보를 공유하는 방식이다.
기존 금융 시스템에서는 금융회사들이 중앙 서버에 거래 기록을 보관해 온 반면, P2P 방식을 기반으로 하는 블록체인에서는 거래 정보를 블록에 담아 차례대로 연결하고 이를 모든 참여자가 공유한다.
가상화폐(Virtual Currency)는 전자화폐 또는 암호화폐라고도 하며, 지폐나 동전 등의 실물이 없고 온라인에서 거래되는 화폐를 말한다. 가상화폐는 각국 정부나 중앙은행이 발행하는 일반 화폐와 달리 처음 고안한 사람이 정한 규칙에 따라 가치가 매겨진다. 또한, 탈 중앙화 특징에 의해 정부나 중앙은행에서 거래 내역을 관리하지 않고 블록체인 기술을 기반으로 유통되기 때문에 정부 등 특정 기관이 가치나 지급을 보장하지 않는다.
MICE는 기업회의(Meeting), 포상관광(Incentive trip), 컨벤션(Convention), 전시박람회와 이벤트(Exhibition&Event) 등의 영문 앞 글자를 딴 용어로, 좁은 의미에서는 국제회의와 전시회를 주축으로 한 유망 산업을 뜻하며, 광의적 개념으로는 참여자 중심의 보상관광과 메가 이벤트 등을 포함하는 융복합산업을 뜻한다.
본 발명이 해결하고자 하는 과제는 에이전시 매칭방법, 장치 및 프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 에이전시 매칭방법은, 과제 등록주체로부터 과제정보를 획득하는 단계(S101), 상기 과제정보에 포함된 지역정보 및 과제내용을 획득하는 단계(S102), 상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하는 단계(S103), 상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S104) 및 상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달하는 단계(S105)를 포함한다.
개시된 실시 예에 따르면, 과제를 등록하는 기업과 과제를 수행하는 주체를 연결하는 에이전시를 평가하고, 기업에 적합한 에이전시를 추천할 수 있는 서비스를 제공할 수 있다.
특히, 글로벌 MICE 산업에 있어서 해외의 기업이 대상 국가의 에이전시를 직접 검색하고 평가하지 않아도, 개시된 실시 예에 따른 시스템을 통하여 자동으로 에이전시를 추천받을 수 있는 장점이 있다.
또한, 에이전시에 대한 정보 및 과제 수행주체에 대한 정보는 블록체인으로 관리되어 그 안전성을 보장받을 수 있으며, 에이전시 추천은 인공지능 모델을 이용하여 다양한 파라미터를 검토하여 이루어지므로 최적의 정보를 제공할 수 있는 장점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 에이전시 매칭 시스템을 도시한 도면이다.
도 2는 일 실시 예에 따른 블록체인 시스템을 도시한 도면이다.
도 3은 일 실시 예에 따른 에이전시 매칭 방법을 도시한 도면이다.
도 4는 일 실시 예에 따라 에이전시를 결정하는 방법을 도시한 흐름도이다.
도 5는 일 실시 예에 따라 계약 및 과제수행 정보를 관리하는 방법을 도시한 흐름도이다.
도 6은 일 실시 예에 따라 과제 수행주체 정보를 획득하는 방법을 도시한 흐름도이다.
도 7은 일 실시 예에 따라 정보를 검증하고, 신뢰도 점수를 부여하는 방법을 도시한 흐름도이다.
도 8은 일 실시 예에 따라 인공지능 모델을 이용하여 에이전시를 매칭하는 방법을 도시한 흐름도이다.
도 9는 일 실시 예에 따라 에이전시를 평가하는 방법을 도시한 흐름도이다.
도 10은 일 실시 예에 따라 언어능력에 기초하여 에이전시를 활용하는 방법을 도시한 흐름도이다.
도 11은 일 실시 예에 따른 장치의 구성도이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 에이전시 매칭방법은, 과제 등록주체로부터 과제정보를 획득하는 단계(S101), 상기 과제정보에 포함된 지역정보 및 과제내용을 획득하는 단계(S102), 상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하는 단계(S103), 상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S104) 및 상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달하는 단계(S105)를 포함한다.
또한, 상기 단계(S104)는, 블록체인으로부터 상기 하나 이상의 에이전시에 대한 정보를 획득하는 단계(S106) 및 상기 단계(S106)에서 획득된 정보에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S107)를 포함할 수 있다.
또한, 상기 단계(S105)는, 상기 과제 등록주체와 상기 결정된 에이전시의 계약정보를 획득하는 단계(S108), 상기 계약에 따른 상기 과제의 수행정보를 획득하는 단계(S109) 및 상기 획득된 계약정보 및 수행정보를 상기 블록체인에 기록하는 단계(S110)를 더 포함할 수 있다.
또한, 상기 단계(S109)는, 상기 과제를 수행한 하나 이상의 수행주체 정보를 획득하는 단계(S111), 상기 블록체인으로부터 상기 하나 이상의 수행주체에 대한 정보를 획득하는 단계(S112) 및 상기 하나 이상의 수행주체의 과제 수행정보를 획득하는 단계(S113)를 포함할 수 있다.
또한, 상기 단계(S113)는, 상기 과제 등록주체로부터 상기 과제의 수행결과를 획득하는 단계(S114), 상기 결정된 에이전시로부터 상기 과제의 수행결과를 획득하는 단계(S115), 상기 하나 이상의 수행주체로부터 상기 과제의 수행결과를 획득하는 단계(S116), 상기 단계(S114), 단계(S115) 및 단계(S116)에서 획득된 과제의 수행결과를 교차검증하는 단계(S117), 상기 교차검증에 성공하는 경우, 상기 과제 등록주체, 상기 결정된 에이전시 및 상기 하나 이상의 수행주체에 정보에 대한 보상으로서 가상화폐를 지급하고, 상기 과제 등록주체, 상기 결정된 에이전시 및 상기 하나 이상의 수행주체의 신뢰도 점수에 가점을 부여하는 단계(S118) 및 상기 교차검증에 실패하는 경우, 상기 블록체인에 기록된 정보에 기초하여 잘못된 정보를 업로드한 대상을 판단하고, 상기 잘못된 정보를 업로드한 대상의 신뢰도 점부에 벌점을 부여하는 단계(S119)를 포함하고, 상기 단계(S107)는, 상기 단계(S106)에서 획득된 정보 및 상기 과제내용에 기초하여 상기 하나 이상의 에이전시 각각의 상기 과제에 대한 적합도 점수를 산출하는 단계(S120), 상기 하나 이상의 에이전시 중 신뢰도 점수가 기 설정된 기준값 이상인 하나 이상의 제1 에이전시를 선택하는 단계(S121), 상기 선택된 하나 이상의 제1 에이전시와 각각 연결된 과제 수행주체에 대한 정보를 획득하는 단계(S122), 상기 선택된 하나 이상의 제1 에이전시 각각에 대하여, 상기 연결된 과제 수행주체의 신뢰도 점수의 평균을 산출하는 단계(S123), 상기 신뢰도 점수의 평균이 기 설정된 기준값 이상인 하나 이상의 제2 에이전시를 선택하는 단계(S124), 상기 하나 이상의 제2 에이전시 각각에 대하여, 상기 연결된 과제 수행주체의 신뢰도 점수의 평균과, 상기 하나 이상의 제2 에이전시의 신뢰도 점수에 기초하여 최종 신뢰도 점수를 산출하는 단계(S125), 상기 하나 이상의 제2 에이전시 각각에 대하여, 상기 적합도 점수와 상기 최종 신뢰도 점수에 기초하여 우선순위를 결정하는 단계(S126) 및 상기 우선순위에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S127)를 포함할 수 있다.
또한, 상기 단계(S107)는, 상기 과제내용으로부터 하나 이상의 파라미터를 추출하는 단계(S128), 상기 단계(S106)에서 획득된 정보로부터 하나 이상의 파라미터를 추출하는 단계(S129), 상기 단계(S128) 및 단계(S129)에서 추출된 파라미터를 인공지능 모델에 입력하여 상기 과제와 상기 하나 이상의 에이전시 간의 적합도를 평가하는 단계(S130) 및 상기 적합도에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S131)를 포함할 수 있다.
또한, 상기 단계(S106)는, 상기 블록체인으로부터 상기 하나 이상의 에이전시가 중개한 과제의 결과에 대한 정보를 획득하는 단계(S132)를 포함하되, 상기 단계(S132)는, 과제 등록주체의 에이전시 평가정보를 획득하는 단계(S133), 과제 수행주체의 에이전시 평가정보를 획득하는 단계(S134) 및 각 과제의 과제 내용과 과제 수행주체 간의 적합도를 평가하는 단계(S135)를 포함하고, 상기 단계(S107)는, 상기 단계(S132)에서 획득된 정보에 기초하여 상기 하나 이상의 에이전시를 평가하는 단계(S136)를 포함할 수 있다.
또한, 상기 단계(S136)는, 상기 과제 등록주체가 사용하는 제1 언어에 대한 정보를 획득하는 단계(S137), 상기 지역정보에 대응하는 제2 언어에 대한 정보를 획득하는 단계(S138), 상기 하나 이상의 에이전시의 상기 제1 언어 활용능력을 정량적으로 평가하는 단계(S139), 상기 제1 언어로 작성된 테스트 문서 및 상기 테스트 문서의 기 설정된 제2 언어 번역문을 획득하는 단계(S140), 상기 테스트 문서를 상기 제2 언어로 기계번역한 번역문을 획득하는 단계(S141), 상기 기 설정된 번역문과 상기 기계번역한 번역문을 비교하는 단계(S142), 상기 비교 결과에 기초하여, 상기 제1 언어와 상기 제2 언어의 번역률을 산출하는 단계(S143), 상기 번역률에 기초하여 상기 제1 언어 활용능력에 가중치를 부여하는 단계(S144) 및 상기 가중치가 부여된 상기 제1 언어 활용능력을 상기 하나 이상의 에이전시 평가에 반영하는 단계(S145)를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 장치는, 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 과제 등록주체로부터 과제정보를 획득하는 단계, 상기 과제정보에 포함된 지역정보 및 과제내용을 획득하는 단계, 상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하는 단계, 상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하는 단계 및 상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달하는 단계를 수행할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하드웨어인 컴퓨터와 결합되어, 개시된 실시 예에 따른 에이전시 매칭방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램이 제공된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨팅 장치는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 일 실시 예에 따른 에이전시 매칭 시스템을 도시한 도면이다.
도 1을 참조하면, 시스템은 과제의 등록주체(10), 하나 이상의 에이전시(20) 및 하나 이상의 과제 수행주체(30)를 포함한다.
본 명세서에서, MICE는 기업회의(Meeting), 포상관광(Incentive trip), 컨벤션(Convention), 전시박람회와 이벤트(Exhibition&Event) 등의 영문 앞 글자를 딴 용어로, 좁은 의미에서는 국제회의와 전시회를 주축으로 한 유망 산업을 뜻하며, 광의적 개념으로는 참여자 중심의 보상관광과 메가 이벤트 등을 포함하는 융복합산업을 뜻한다. 다만, 본 명세서에서 MICE의 의미는 그 용어 자체에 한정되는 것은 아니고, 시간 및 지역에 따라 다양한 용어로 사용될 수 있다.
예를 들어, 캐나다의 경우 Meeting, Convention and Incentive Travel을 줄여 MC&IT로 사용하고 미국은 ME&I 또는 MEEC (Meetings, Expositions, Events and Conventions)로 사용하고, 싱가포르의 경우 Business Travel & MICE를 줄여서 BT MICE로 사용하는 것과 같이, 각 국가의 산업구조와 정책에 따라 다양한 용어가 사용되고 있다.
본 명세서에서, 과제는 MICE 행사를 수행하기 위하여 필요한 과제들을 포함하는 의미로 이해될 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 과제의 종류는 현물, 용역 등 다양한 종류를 포함할 수 있으며, 특정한 종류로 제한되지 않는다. 예를 들어, 과제는 특정한 제품을 납품하기 위한 것일 수도 있고, 연구용역이나 전문서비스업 용역 등을 위한 것일 수도 있다.
과제의 등록주체는 정부 외에 공기업이나 사기업, 개인 등을 포함할 수 있으며, 제한되지 않는다.
본 명세서에서, 과제 수행주체는 과제입찰을 수행하는 업체(지원자)를 의미할 수 있으며, 이에 제한되는 것은 아니다. 본 명세서에서, '업체'는 개인사업자나 법인 등의 사업체뿐 아니라, 일반 개인도 포괄하는 의미로 이해될 수 있으며, 특정한 대상을 제한하는 것은 아니다.
본 명세서에서, 에이전시는 과제의 등록주체(10)와 과제의 수행주체(30) 사이에서 등록주체(10)가 요청한 과제에 적합한 수행주체(30)를 추천하고, 과제 수행을 위한 계약 및 사후관리 등을 보조하는 주체를 의미하며, 이에 제한되는 것은 아니다.
일 실시 예에서, 과제의 등록주체(10)는 특정 국가에서 글로벌 MICE 행사를 주최하고자 하는 기업을 의미할 수 있다. 이 경우, 과제의 수행주체(30)는 MICE 행사를 주최하고자 하는 특정 국가의 수행주체일 수 있으며, 에이전시(20)는 해당 국가의 수행주체(30)들을 등록주체(10)와 연결시킬 수 있어야 한다. 에이전시(20)는 해당 국가의 기업일 수 있으나, 해당 국가에 지부를 포함하는 글로벌 기업일 수도 있다.
과제 등록주체(10)는 해당 국가에 대한 정보가 부족하고, 경우에 따라 언어소통에 문제가 있을 수 있으므로, 에이전시(20)를 통해 믿을 수 있는 정보를 획득하고, 현지 법과 시장상황에 따라 계약수행 대리를 요청할 수 있다.
하지만, 과제 수행주체(30)에 대한 정보를 제공하는 에이전시(20)에 대한 평가를 수행하기 위한 정보가 부족한 경우가 많으며, 이에 에이전시(20)를 평가하고, 과제 등록주체(10) 및 등록하고자 하는 과제에 적합한 에이전시(20)를 추천할 수 있는 기술의 개발이 요구된다.
본 명세서에서는, 과제 등록주체(10)에게 적합한 과제 수행주체(30)를 추천 및 중개할 수 있으며, 계약 및 사후처리에 있어서 높은 평가를 받는 에이전시(20)에 대한 정보를 제공할 수 있는 기술에 대해서 설명한다.
도 2는 일 실시 예에 따른 블록체인 시스템을 도시한 도면이다.
도 2를 참조하면, 관리서버(100), 블록체인 보유서버들(200) 및 사용자 단말들(300)이 도시되어 있다.
개시된 실시 예에서, 사용자 단말들(300) 각각은 정보를 관리서버(100) 또는 블록체인 보유서버들(200) 중 적어도 하나에 전송하고, 전송된 정보는 블록체인 보유서버들(200)에 전파되고, 각각의 서버에 저장 및 관리된다.
개시된 실시 예에서, 블록체인 보유서버들(200)은 과제 등록주체 및 에이전시에 대한 정보, 과제 수행주체에 대한 정보, 과제정보, 과제 수행정보, 입찰정보, 선정정보, 매칭정보, 과제 수행결과에 대한 정보 등을 인증 및 기록하는 블록체인이 탑재된 서버들을 의미한다.
사용자 단말들(300) 각각은 개시된 실시 예에 따른 에이전시 매칭 서비스를 이용하는 데 필요한 정보를 관리서버(100)와 송수신한다. 일 실시 예에서, 사용자 단말들(300) 각각은 과제 수행주체, 등록주체 및 에이전시에 대응할 수 있다.
관리서버(100)는 블록체인 보유서버들(200)에 저장된 정보를 이용하여 플랫폼 운영에 필요한 정보를 획득, 저장 및 검증할 수 있다.
개시된 실시 예에 따른 가상화폐는 전자화폐, 암호화폐 등 블록체인을 통하여 그 거래내역이 관리되는 모든 종류의 비 실물 화폐를 통칭하는 개념으로 이해된다.
개시된 실시 예에 따른 가상화폐는 별도의 메인넷이 구축되고, 이에 따라 관리되는 코인 형태의 가상화폐일 수도 있고, 이더리움 네트워크 등 다른 코인의 인프라를 활용하는 토큰 형태의 가상화폐일 수도 있으나, 이에 제한되지 않는다.
일 실시 예에서, 개시된 실시 예에 따른 과제매칭 서비스는 이더리움 등 기존 블록체인 플랫폼의 인프라를 활용하는 형태로서 서비스될 수 있으며, 차후에 메인넷이 개발되는 경우 독자적인 인프라를 활용하여 서비스될 수도 있다.
일 실시 예에서, 개시된 실시 예에 따른 가상화폐는 개시된 실시 예에 따른 서비스 이용에 따른 보상으로서 지급되며, 사용자들 간 거래에 활용될 수 있으며, 초기 ICO를 통해 지분을 보유한 사용자들에게도 지급될 수 있다.
일 실시 예에서, 사용자 단말들(300) 각각에 지급되는 가상화폐는 이미 생성 또는 발행된 상태로서 관리서버(100)에 의하여 관리되며, 사용자 단말들(300) 각각의 활동에 따라 지급될 수 있다.
예를 들어, 관리서버(100)는 사용자 단말들(300)의 정보 및 활동내역을 저장하는 블록을 생성하기 위한 연산을 수행하고, 작업증명(Proof Of Work)을 통해 블록을 생성할 수 있다. 실시 예에 따라서, 관리서버(100)는 그 대가로 생성된 소정의 가상화폐를 지급받고, 이를 사용자 단말들(300)에 분배할 수 있다.
다른 예로, 관리서버(100)는 이미 발행된 가상화폐를 관리하고, 경우에 따라 가상화폐를 추가로 발행할 수도 있다. 관리서버(100)는 블록체인 보유서버들(200)에 저장되는 정보를 검증하여 그 무결성을 판단하고, 이에 기반하여 사용자 단말들(300)에게 활동에 따라 가상화폐를 지급할 수 있다.
일 실시 예에서, 관리서버(100)는 직접 정보를 검증할 수도 있고, 외부 검증서버를 통하여 정보를 검증할 수도 있다.
다른 실시 예에서, 사용자 단말들(300) 각각에 의하여 정보가 기록됨에 따라, 기 설정된 규칙에 따라 가상화폐가 생성되어 사용자 단말들(300)에 지급될 수 있으며, 이를 가상화폐의 채굴(마이닝)이라 표현한다.
일반적으로 가상화폐의 채굴은 작업증명(POW: Proof Of Work), 지분증명(POS: Proof Of Stake) 및 중요도증명(POI: Proof Of Importance) 중 하나의 방법에 의하여 수행된다. 상기한 방법들은 분산 시스템의 신뢰도를 보장하기 위하여 사용되는 분산합의 알고리즘의 하나이다.
개시된 실시 예에서, 사용자 단말들(300)간의 거래와 이에 따른 가상화폐 지급방법은 스마트 컨트랙트(Smart Contract)에 의하여 수행된다. 실시 예에 따라서, 에이전시 매칭에 따른 과제수행계약 또한 스마트 컨트랙트에 의하여 수행될 수 있으며, 과제 수행에 따른 보상의 적어도 일부 또는 전부가 가상화폐를 통해 지불될 수도 있다.
도 2에 도시된 실시 예에서, 제1 사용자 단말(310)은 개시된 실시 예에 따른 에이전시 매칭 서비스를 제공하는 관리서버(100)와 필요한 정보를 송수신할 수 있다.
이하에서, 각각의 단계들은 컴퓨터에 의하여 수행되는 것으로 설명하나, 컴퓨터는 도 2에 도시된 관리서버(100)에 대응할 수 있고, 다른 주체에 대응할 수도 있다. 실시 예에 따라서, 각각의 단계를 수행하는 주체는 이에 제한되지 않으며, 각 단계들의 전부 또는 일부가 다른 주체에 의해 수행될 수도 있다.
도 3은 일 실시 예에 따른 에이전시 매칭 방법을 도시한 도면이다.
단계 S101에서, 컴퓨터는 과제 등록주체로부터 과제정보를 획득하는 단계를 수행한다.
단계 S102에서, 컴퓨터는 상기 과제정보에 포함된 지역정보 및 과제내용을 획득하는 단계를 수행한다.
예를 들어, 지역정보는 과제를 수행할 국가 또는 도시에 대한 정보를 포함할 수 있으며, 이에 제한되지 않는다.
단계 S103에서, 컴퓨터는 상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하는 단계를 수행한다.
예를 들어, 컴퓨터는 해당 지역에 소속된, 또는 해당 지역에 속한 과제 수행주체를 연결할 수 있는 하나 이상의 에이전시에 대한 정보를 획득할 수 있다. 에이전시에 대한 정보는 기 설정된 리스트로부터 획득될 수도 있고, 특정 검색조건 혹은 필터에 기초하여 검색된 리스트로부터 획득될 수도 있다.
일 실시 예에서, 에이전시 정보는 각 에이전시로부터 직접 입력된 정보일 수도 있고, 컴퓨터가 기존의 과제 수행결과 등으로부터 수집한 빅 데이터에 기반하여 획득된 정보일 수도 있다.
에이전시 정보는 기 설정된 주기로, 또는 에이전시 정보에 변동이 발생할 때마다 업데이트될 수 있다. 예를 들어, 에이전시의 인력구성이 변경되거나, 수행한 과제의 이력이 추가되거나, 자본금이 변경되거나, 지역이 변경되는 등 변동사항이 발생하는 경우, 변경된 정보의 업데이트가 필요하다. 정보의 업데이트는 기 설정된 주기로 확인 및 업데이트될 수 있고, 혹은 변동이 발생하는 경우 이를 인식하거나, 에이전시 측의 신청에 의해 변동사항이 업데이트될 수도 있다.
빅 데이터에 기반한 정보수집의 경우, 변동사항을 즉시 확인하기에는 어려움이 있을 수 있다. 따라서, 변동사항이 발생하는 경우 에이전시가 직접 변동사항을 업데이트하는 편이 바람직하며, 컴퓨터는 직접 변동사항을 입력하는 에이전시에게 혜택을 부여하거나, 기 설정된 기간 이상 변동사항을 입력하지 않는 에이전시에게 불이익을 가하는 방식 등을 이용하여 에이전시의 정보 업데이트를 유도할 수 있으며, 그 방법은 제한되지 않는다.
일 실시 예에서, 에이전시는 과제별로 상이한 정보를 입력할 수도 있다. 예를 들어, 과제의 성질에 따라 그에 특화된 각 에이전시의 특징을 강조하여 정보를 입력할 수도 있고, 에이전시가 기존에 진행하는 과제의 상황에 따라 각 과제에 실제로 투입할 수 있는 리소스에 기초하여 정보를 입력할 수도 있다.
각 에이전시에 대하여 업데이트된 최신 정보가 있는 경우, 컴퓨터는 최신 정보를 우선적으로 획득하며, 각 과제 혹은 각 분야에 대하여 특화되어 업데이트된 정보가 있는 경우, 마찬가지로 이를 우선적으로 획득할 수 있다. 각 과제 혹은 분야에 대하여 특화된 정보를 업데이트하는 경우 선정확률이 높아질 수 있으므로, 각 에이전시의 정보 입력을 유도할 수 있다.
단계 S104에서, 컴퓨터는 상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하는 단계를 수행한다.
컴퓨터는 과제내용에 적합한 하나 이상의 에이전시를 선택하고, 에이전시 평가 정보에 기초하여 에이전시를 결정할 수 있으며, 구체적인 방법은 후술한다.
단계 S105에서, 컴퓨터는 상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달하는 단계를 수행한다.
과제 등록주체는 에이전시 정보에 기초하여 계약을 수행할 수 있으며, 실시 예에 따라 계약은 에이전시 정보가 기 설정된 조건을 만족하는 경우 기 설정된 계약조건에 따라 자동으로 계약이 수행되는 스마트 컨트랙트 방식으로 수행될 수도 있으나, 이에 제한되지 않는다.
즉, 컴퓨터는 에이전시 선택 및 계약을 위한 정보만을 과제 등록주체에 제공하고, 최종적인 선택 및 계약은 과제 등록주체에 의하여 수행될 수 있다.
단, 실시 예에 따라 기 설정된 조건을 만족하는 에이전시와 과제 등록주체 간의 계약이 컴퓨터에 의하여 자동으로 수행될 수도 있고, 실시 예에 따라 계약 수행시 과제 등록주체에 계약대상 에이전시에 대한 정보 및 계약내용을 전달한 후, 과제 등록주체의 간단한 결재를 통해 컴퓨터가 계약을 수행할 수도 있다.
일 실시 예에서, 과제 등록주체와 에이전시 간의 계약이 수행되는 경우 에이전시는 연결가능한 하나 이상의 과제 수행주체들을 선택하여 과제를 수행하도록 할 수 있다. 실시 예에 따라서, 에이전시는 과제 수행주체의 과제 수행을 관리감독하며, 과제 등록주체와 과제 수행주체 간의 의견교환 및 과제수행을 중개할 수 있다.
일 실시 예에서, 과제 등록주체와 에이전시 간의 계약은 과제단위로 수행될 수도 있으나, 복수의 과제 또는 전체 과제를 일임하는 방식으로 계약이 수행될 수도 있다. 이 경우, 에이전시는 각 과제에 대하여 과제 수행주체를 선정하고, 선정된 과제 수행주체에 과제를 할당하여 과제가 수행되도록 할 수 있다.
에이전시에게 부여되는 권한은 계약 내용에 따라 상이할 수 있으며, 실시 예에 따라 과제 전반의 운용과 과제 수행주체의 선임, 각 과제 수행주체와의 계약 등 다양한 권한이 주어질 수 있으며, 그 종류는 제한되지 않는다. 또한, 각각의 권한은 에이전시가 직접 행사한 후 과제 등록주체에 사후보고할 수 있는 권한과, 과제 등록주체의 동의를 얻어 행사할 수 있는 권한, 과제 등록주체에 정보를 제공하거나 제안을 할 수는 있으나, 직접 행사할 수는 없는 권한 등 다양한 권한들을 포함할 수 있다.
이러한 권한들은 계약 내용에 따라 결정되며, 계약 내용은 블록체인에 기록되어 위변조를 방지할 수 있다. 에이전시가 각 권한을 행사할 때, 컴퓨터는 블록체인에 저장된 계약내용에 기초하여 에이전시의 권한범위 내의 행위인지 여부를 확인한 후, 에이전시가 권한 외의 행위를 하는 경우 이를 제지하고, 과제 등록주체에 알림을 제공할 수 있다.
도 4는 일 실시 예에 따라 에이전시를 결정하는 방법을 도시한 흐름도이다.
상술한 단계(S104)에서, 컴퓨터는 블록체인으로부터 상기 하나 이상의 에이전시에 대한 정보를 획득하는 단계(S106)를 수행할 수 있다.
상술한 단계(S106)에서, 컴퓨터는 획득된 정보에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S107)를 수행할 수 있다.
일 실시 예에서, 상기 블록체인은 하나 이상의 등록주체에 대한 정보 및 하나 이상의 에이전시에 대한 정보를 저장하며, 등록주체와 에이전시 간 과제 계약이 수행되는 경우 해당 정보를 저장하고, 과제 수행결과를 저장하는 데 이용된다.
컴퓨터는 블록체인에 저장된 정보에 기초하여 과제 등록주체 및 에이전시에 대한 정보를 검증하며, 검증된 정보를 바탕으로 과제내용에 매칭되는 에이전시를 결정할 수 있다.
도 5는 일 실시 예에 따라 계약 및 과제수행 정보를 관리하는 방법을 도시한 흐름도이다.
상술한 단계(S105)에서, 컴퓨터는 상기 과제 등록주체와 상기 결정된 에이전시의 계약정보를 획득하는 단계(S108)를 수행할 수 있다.
또한, 컴퓨터는 상기 계약에 따른 상기 과제의 수행정보를 획득하는 단계(S109)를 수행할 수 있다.
또한, 컴퓨터는 상기 획득된 계약정보 및 수행정보를 상기 블록체인에 기록하는 단계(S110)를 수행할 수 있다.
일 실시 예에서, 과제의 수행정보는 과제의 수행결과에 대한 정량적 및 정성적 평가정보를 포함할 수 있다.
도 6은 일 실시 예에 따라 과제 수행주체 정보를 획득하는 방법을 도시한 흐름도이다.
상술한 단계(S109)에서, 컴퓨터는 상기 과제를 수행한 하나 이상의 수행주체 정보를 획득하는 단계(S111)를 수행할 수 있다.
또한, 컴퓨터는 상기 블록체인으로부터 상기 하나 이상의 수행주체에 대한 정보를 획득하는 단계(S112)를 수행할 수 있다.
또한, 컴퓨터는 상기 하나 이상의 수행주체의 과제 수행정보를 획득하는 단계(S113)를 수행할 수 있다.
도 7은 일 실시 예에 따라 정보를 검증하고, 신뢰도 점수를 부여하는 방법을 도시한 흐름도이다.
상술한 단계(S113)에서, 컴퓨터는 상기 과제 등록주체로부터 상기 과제의 수행결과를 획득하는 단계(S114)를 수행할 수 있다.
또한, 컴퓨터는 상기 결정된 에이전시로부터 상기 과제의 수행결과를 획득하는 단계(S115)를 수행할 수 있다.
또한, 컴퓨터는 상기 하나 이상의 수행주체로부터 상기 과제의 수행결과를 획득하는 단계(S116)를 수행할 수 있다.
또한, 컴퓨터는 상기 단계(S114), 단계(S115) 및 단계(S116)에서 획득된 과제의 수행결과를 교차검증하는 단계(S117)를 수행할 수 있다.
일 실시 예에서, 컴퓨터는 각각의 주체로부터 수신된 과제의 수행결과를 교차검증함으로써 정보의 정확성을 확인하고, 실시 예에 따라 블록체인에 저장된 정보에 기초하여 정보를 다시 검증할 수도 있다.
또한, 컴퓨터는 상기 교차검증에 성공하는 경우, 상기 과제 등록주체, 상기 결정된 에이전시 및 상기 하나 이상의 수행주체에 정보에 대한 보상으로서 가상화폐를 지급하고, 상기 과제 등록주체, 상기 결정된 에이전시 및 상기 하나 이상의 수행주체의 신뢰도 점수에 가점을 부여하는 단계(S118)를 수행할 수 있다.
또한, 컴퓨터는 상기 교차검증에 실패하는 경우, 상기 블록체인에 기록된 정보에 기초하여 잘못된 정보를 업로드한 대상을 판단하고, 상기 잘못된 정보를 업로드한 대상의 신뢰도 점부에 벌점을 부여하는 단계(S119)를 수행할 수 있다.
즉, 교차검증을 통한 검증에 실패하는 경우 블록체인에 저장된 신뢰가능한 정보를 기반으로 하여 각 정보에 대한 진위를 평가할 수 있다. 블록체인에 동일한 정보가 저장되어 있지 않은 경우에도, 관련 배경정보를 획득하고 이로부터 정보의 진위를 평가할 수 있다. 잘못된 정보를 업로드한 사용자에게는 신뢰도 점수를 차감할 수 있다.
일 실시 예에서, 이 경우 정확한 정보를 업로드한 사용자에게는 신뢰도 점수 가점을 부여할 수도 있으며, 실시 예에 따라 교차검증 단계에서 서로가 업로드한 정보를 확인하도록 제공할 수 있다. 이 경우 잘못된 정보에 대한 제보를 제공하는 경우 신뢰도 점수에 추가 가점이 부여될 수도 있다.
일 실시 예에서, 과제 등록주체와 에이전시를 매칭하는 경우 신뢰도 점수가 활용될 수 있다. 신뢰도 점수는 매칭에 있어 가점 혹은 가중치를 부여하는 데 활용될 수도 있으며, 최소 기준요건으로 활용되거나, 과제와 등록주체, 에이전시 및 수행주체 각각을 분류하는 데 이용될 수도 있다.
상술한 단계(S107)에서, 컴퓨터는 상기 단계(S106)에서 획득된 정보 및 상기 과제내용에 기초하여 상기 하나 이상의 에이전시 각각의 상기 과제에 대한 적합도 점수를 산출하는 단계(S120)를 수행할 수 있다.
또한, 컴퓨터는 상기 하나 이상의 에이전시 중 신뢰도 점수가 기 설정된 기준값 이상인 하나 이상의 제1 에이전시를 선택하는 단계(S121)를 수행할 수 있다.
또한, 컴퓨터는 상기 선택된 하나 이상의 제1 에이전시와 각각 연결된 과제 수행주체에 대한 정보를 획득하는 단계(S122)를 수행할 수 있다.
또한, 컴퓨터는 상기 선택된 하나 이상의 제1 에이전시 각각에 대하여, 상기 연결된 과제 수행주체의 신뢰도 점수의 평균을 산출하는 단계(S123)를 수행할 수 있다.
또한, 컴퓨터는 상기 신뢰도 점수의 평균이 기 설정된 기준값 이상인 하나 이상의 제2 에이전시를 선택하는 단계(S124)를 수행할 수 있다.
또한, 컴퓨터는 상기 하나 이상의 제2 에이전시 각각에 대하여, 상기 연결된 과제 수행주체의 신뢰도 점수의 평균과, 상기 하나 이상의 제2 에이전시의 신뢰도 점수에 기초하여 최종 신뢰도 점수를 산출하는 단계(S125)를 수행할 수 있다.
즉, 에이전시는 에이전시 자체의 신뢰도 또한 평가의 대상이 되지만, 에이전시와 연결된 혹은 에이전시가 중개하는 과제 수행주체의 신뢰도 역시 평가의 대상이 된다.
또한, 컴퓨터는 상기 하나 이상의 제2 에이전시 각각에 대하여, 상기 적합도 점수와 상기 최종 신뢰도 점수에 기초하여 우선순위를 결정하는 단계(S126)를 수행할 수 있다.
또한, 컴퓨터는 상기 우선순위에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S127)를 수행할 수 있다.
즉, 컴퓨터는 과제 내용에 적합한 에이전시를 선택하되, 그 중 신뢰도가 높은 에이전시를 우선적으로 선택할 수 있다.
도 8은 일 실시 예에 따라 인공지능 모델을 이용하여 에이전시를 매칭하는 방법을 도시한 흐름도이다.
상술한 단계(S107)에서, 컴퓨터는 상기 과제내용으로부터 하나 이상의 파라미터를 추출하는 단계(S128)를 수행할 수 있다.
또한, 컴퓨터는 상기 단계(S106)에서 획득된 정보로부터 하나 이상의 파라미터를 추출하는 단계(S129)를 수행할 수 있다.
또한, 컴퓨터는 상기 단계(S128) 및 단계(S129)에서 추출된 파라미터를 인공지능 모델에 입력하여 상기 과제와 상기 하나 이상의 에이전시 간의 적합도를 평가하는 단계(S130)를 수행할 수 있다.
또한, 컴퓨터는 상기 적합도에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S131)를 수행할 수 있다.
적합도는 다양한 방법으로 평가될 수 있으며, 일 실시 예에서, 컴퓨터는 각 에이전시의 각 과제에 대한 계약성공 가능성 혹은 수행가능성에 기초하여 적합도를 판단하고, 과제를 매칭할 수 있다.
예를 들어, 각각의 과제정보에 포함된 자격조건을 만족한다고 하여, 해당 과제정보에 대한 계약을 성공할 수 있는(즉, 선정될 수 있는)것은 아닐 수 있다. 따라서, 컴퓨터는 에이전시의 정보와 각각의 과제정보에 포함된 내용을 분석 및 비교함으로써, 에이전시가 각각의 과제정보에 대하여 계약을 성공할 수 있는 확률을 산출할 수 있다.
확률의 산출에는 다양한 인공지능 모델이 이용될 수 있다. 예를 들어, 머신러닝에 기초하여 학습된 모델로서, 에이전시 정보와 과제정보를 입력으로 하고, 이에 기초하여 확률을 출력할 수 있는 인공지능 모델이 활용될 수 있다.
일 실시 예에서, 인공지능 모델은 자연어처리를 통해 각각의 에이전시 정보와 과제정보로부터 선정확률을 산출하기 위한 파라미터를 추출할 수 있다. 컴퓨터는 추출된 파라미터들을 인공지능 모델에 입력함으로써, 이에 대한 출력으로써 확률을 획득할 수 있다. 인공지능 모델은 기존에 종료된 과제정보와, 각각의 과제정보에 대응하여 과제를 수행한 에이전시에 대한 정보를 포함하는 빅데이터를 학습 데이터로 하여 학습될 수 있다. 실시 예에 따라서, 학습된 모델은 빅데이터를 전처리하여 획득된 파라미터들을 포함할 수 있다.
다른 실시 예에서, 파라미터를 추출할 수 있는 모델이 별도로 학습되어 이용될 수도 있고, 컴퓨터가 파라미터를 추측한 후, 추측 결과를 에이전시에게 제공한 후, 에이전시가 선택한 파라미터를 인공지능 모델에 입력함으로써 확률을 산출할 수도 있다.
예를 들어, 컴퓨터는 에이전시의 리소스정보에 기초하여, 각각의 과제정보에 대한 입찰에 성공하는 경우, 해당 에이전시가 과제업무를 수행할 수 있는 리소스를 보유하고 있는지 여부를 판단함으로써 수행주체의 수행가능성을 평가할 수 있다.
일 실시 예에서, 리소스는 수행주체를 중개하고 관리할 수 있는 에이전시의 인력 등을 포함하는 에이전시의 리소스를 의미할 수도 있고, 에이전시가 연결하고자 하는 수행주체가 해당 과제를 수행할 수 있는 인력 혹은 인프라가 충분한지를 의미하는 수행주체의 리소스를 의미할 수도 있다.
일 실시 예에서, 에이전시의 리소스는 에이전시와 연결된 전체 수행주체의 리소스를 합한 것으로서 이해될 수도 있다. 또한, 에이전시와 연결된 수행주체는 분야 및 등급으로 분류될 수 있다. 예를들어, 에이전시와 연결된 수행주체들 중 관광과 관련된 수행주체, 장소예약과 관련된 수행주체, 행사진행과 관련된 수행주체 및 연구용역과 관련된 수행주체 등이 포함될 수 있다. 또한, 각각의 분야에 대하여 각 수행주체의 평가정보에 기초하여 등급이 산정될 수 있다.
에이전시의 리소스는 분야별, 등급별 리소스로 이해될 수도 있으며, 이 경우 에이전시의 리소스는 과제정보에 따라 필요한 분야 및 등급의 수행주체의 리소스의 합으로서 이해될 수도 있다.
일 실시 예에서, 컴퓨터는 에이전시 또는 에이전시와 연결될 수행주체들의 중복입찰 여부 및 중복입찰 배수를 결정할 수 있다. 예를 들어, 컴퓨터는 에이전시의 리소스의 몇 배에 해당하는 과제정보를 수행주체에게 제공할지를 결정할 수 있다.
또한, 컴퓨터는 상기 에이전시의 리소스정보 및 상기 중복입찰 배수에 기초하여 상기 에이전시의 확대리소스를 산출할 수 있다. 예를 들어, 컴퓨터는 에이전시의 리소스정보에 중복입찰 배수를 곱하여 에이전시의 확대리소스를 산출할 수 있다.
일 실시 예에서, 컴퓨터는 상기 확대리소스에 기초하여 상기 에이전시가 지원가능한 수의 과제정보를 상기 수행주체에게 제공할 수 있다. 예를 들어, 중복입찰 배수가 3배인 경우, 컴퓨터는 에이전시의 리소스의 3배에 해당하는 양의 과제정보를 에이전시와 매칭하고, 매칭된 정보를 에이전시 및 과제 등록주체에 전달할 수 있다.
일 실시 예에서, 컴퓨터는, 확대리소스에 기초하여 과제정보를 제공하되, 단일 과제정보의 필요 리소스가 수행주체의 리소스를 초과하는 경우, 해당 과제정보는 에이전시 및 과제 등록주체에 제공하지 않을 수 있다. 즉, 컴퓨터는 에이전시의 리소스 이하의 리소스를 요구하는 과제정보들을 제공하되, 전체 과제정보의 필요 리소스가 에이전시의 확장 리소스 이하가 되도록 하는 수의 과제정보를 제공할 수 있다.
도 9는 일 실시 예에 따라 에이전시를 평가하는 방법을 도시한 흐름도이다.
상술한 단계(S106)에서, 컴퓨터는 상기 블록체인으로부터 상기 하나 이상의 에이전시가 중개한 과제의 결과에 대한 정보를 획득하는 단계(S132)를 수행할 수 있다.
상술한 단계(S132)에서, 컴퓨터는 과제 등록주체의 에이전시 평가정보를 획득하는 단계(S133)를 수행할 수 있다.
또한, 컴퓨터는 과제 수행주체의 에이전시 평가정보를 획득하는 단계(S134)를 수행할 수 있다.
또한, 컴퓨터는 각 과제의 과제 내용과 과제 수행주체 간의 적합도를 평가하는 단계(S135)를 수행할 수 있다.
상술한 단계(S107)에서, 컴퓨터는 상기 단계(S132)에서 획득된 정보에 기초하여 상기 하나 이상의 에이전시를 평가하는 단계(S136)를 수행할 수 있다.
즉, 컴퓨터는 과제 수행결과에 따라 과제 등록주체 및 수행주체에게 중개자로서의 에이전시를 평가할 것을 요청하고, 평가정보를 획득할 수 있다. 평가정보는 서로 교차검증될 수 있으나, 평가정보는 주체에 따라 상이할 수 있으므로 이는 참고자료로서만 활용될 수 있다. 컴퓨터는 정보를 업로드한 데 대한 대가로서 가상화폐를 각 주체에 지급할 수 있다.
에이전시의 평가정보는 상술한 신뢰도 점수와 함께 에이전시의 우선순위를 결정하는 데 활용될 수 있다.
상술한 실시 예에 따르면, 에이전시를 평가하는 기준은 에이전시의 적합도와 에이전시의 신뢰도를 포함한다.
에이전시의 적합도를 판단하는 기준은 다양하게 설정될 수 있으며, 상술한 바와 같이 과제 내용과 에이전시의 특성 간의 상관관계에 기초하여 판단될 수도 있고, 에이전시 자체의 역량에 기초하여 판단될 수도 있다.
과제 내용과 에이전시의 특성 간의 상관관계는 다양한 빅 데이터에 기반하여 평가될 수 있으며, 상술한 바와 같이 인공지능 모델에 기초하여 과제 내용과 에이전시의 상관관계가 도출될 수 있으며, 또한 개시된 실시 예에 따른 서비스를 제공하면서 수집되는 정보에 기초하여 인공지능 모델은 지속적으로 학습 및 업데이트될 수 있다.
과제 내용과 에이전시의 특성 간의 상관관계는 다양한 파라미터에 기초하여 평가될 수 있다. 예를 들어, 과제의 분야에 대한 에이전시의 역량 등 전형적인 일부 파라미터에 기초하여 에이전시를 평가하는 경우, 모든 분야에 많은 리소스를 보유하고 있는 대형 에이전시가 항상 높은 평가를 받게 될 수도 있다.
따라서, 개시된 실시 예에 따르면 컴퓨터는 다양한 파라미터를 설정하고, 각 과제 등록주체 및 과제내용의 특성에 따라 각 파라미터에 가중치를 부여함으로써, 과제내용에 적합한 에이전시를 추천할 수 있다.
예를 들어, 특정 과제 등록주체는 기존에 협업한 적이 있던 에이전시를 선호할 수 있다. 이러한 정보가 수집되는 경우, 컴퓨터는 해당 과제 등록주체와 협업한 경력이 있는지 여부를 확인하고, 해당 정보에 가중치를 부여함으로써 해당 과제 등록주체와 협업경험이 있는 에이전시에 가점이 부여되도록 할 수 있다.
나아가, 컴퓨터는 빅 데이터에 기초하여 해당 과제 등록주체와 협업하였던 에이전시에 근무한 이력이 있는 직원이 있는 에이전시들에 대한 정보를 확인할 수 있으며, 더 구체적으로는 해당 과제 등록주체의 과제에 참여한 적이 있는 직원이 있는 에이전시들에 대한 정보를 확인하고, 해당 정보에도 가점을 부여할 수 있다.
예를 들어, 과제 등록주체가 에이전시 A와 협업한 적이 있으나, 당시 A사의 담당자들이 모두 퇴사하여 현재 B사에 근무하고 있는 경우, A사보다는 B사에 더 높은 가점이 부여되도록 가중치가 조정될 수도 있으며, 실시 예에 따라 각 에이전시의 시스템 및 기존 과제 수행자료가 더 중요하게 여겨질 수도 있으므로, 그럼에도 불구하고 A사에 더 높은 가점이 부여되도록 가중치가 조정될 수도 있다.
이러한 가중치의 설정은 각 과제 등록주체의 의사에 따라 조정될 수도 있으며, 컴퓨터에 의하여 가중치 설정에 따른 에이전시의 선정과, 선정된 에이전시의 과제 수행결과에 기초하여 학습된 인공지능 모델에 의하여 지속적으로 학습 및 업데이트될 수도 있다. 이러한 가중치 재설정에는 강화학습이 이용될 수 있으나, 이에 제한되지 않는다.
상술한 실시 예는 예시로써 제시된 것으로, 이외에도 다양한 파라미터들에 대한 가중치가 설정 및 업데이트될 수 있고, 이에 따라 각 과제 내용 및 과제 등록주체에 적합한 에이전시를 추천하도록 인공지능 모델이 학습될 수 있다.
도 10은 일 실시 예에 따라 언어능력에 기초하여 에이전시를 활용하는 방법을 도시한 흐름도이다.
상술한 단계(S136)에서, 컴퓨터는 상기 과제 등록주체가 사용하는 제1 언어에 대한 정보를 획득하는 단계(S137)를 수행할 수 있다.
또한, 컴퓨터는 상기 지역정보에 대응하는 제2 언어에 대한 정보를 획득하는 단계(S138)를 수행할 수 있다.
또한, 컴퓨터는 상기 하나 이상의 에이전시의 상기 제1 언어 활용능력을 정량적으로 평가하는 단계(S139)를 수행할 수 있다.
즉, 해외 기업이 특정 국가에 대해 과제를 의뢰하고자 하는 경우, 서로 다른 언어를 사용하는 경우 에이전시의 주요한 역량 중 하나는 언어 소통능력이 될 수 있다. 따라서, 컴퓨터는 과제 등록주체인 기업이 사용하는 언어와, 과제를 수행하고자 하는 지역의 언어에 대한 정보를 획득하고, 에이전시의 언어 활용능력을 정량적으로 평가할 수 있다. 예를 들어, 컴퓨터는 각 에이전시에서 제1 언어를 사용할 수 있는 직원의 수 등 정량적인 평가기준을 활용하여 각 에이전시의 제1 언어 활용능력을 평가할 수 있다.
또한, 컴퓨터는 상기 제1 언어로 작성된 테스트 문서 및 상기 테스트 문서의 기 설정된 제2 언어 번역문을 획득하는 단계(S140)를 수행할 수 있다.
예를 들어, 테스트 문서와 번역문은 사람에 의해 이미 번역되고, 그 내용이 검증된 테스트용 문서일 수 있다.
또한, 컴퓨터는 상기 테스트 문서를 상기 제2 언어로 기계번역한 번역문을 획득하는 단계(S141)를 수행할 수 있다. 기계번역에 이용되는 툴은 제한되지 않으며, 실시 예에 따라 다양한 툴을 함께 이용하여 기계번역문을 획득할 수도 있다.
또한, 컴퓨터는 상기 기 설정된 번역문과 상기 기계번역한 번역문을 비교하는 단계(S142)를 수행할 수 있다.
또한, 컴퓨터는 상기 비교 결과에 기초하여, 상기 제1 언어와 상기 제2 언어의 번역률을 산출하는 단계(S143)를 수행할 수 있다.
또한, 컴퓨터는 상기 가중치가 부여된 상기 제1 언어 활용능력을 상기 하나 이상의 에이전시 평가에 반영하는 단계(S145)를 수행할 수 있다.
예를 들어, 한국어와 일본어는 번역률이 높지만, 한국어와 중국어는 상대적으로 번역률이 낮으며, 그 외 한국에서 잘 이용되지 않는 언어의 경우 더욱 번역률이 낮을 수 있다.
또한, 컴퓨터는 상기 번역률에 기초하여 상기 제1 언어 활용능력에 가중치를 부여하는 단계(S144)를 수행할 수 있다. 번역률이 높은 언어인 경우, 에이전시의 능력으로서 언어 활용능력보다는 수행주체를 중개하고, 프로젝트를 관리하는 능력이 더 중요하게 여겨질 수 있다. 따라서, 컴퓨터는 제1 언어와 제2 언어 간의 번역률에 기초하여 언어능력에 부여할 가중치를 결정할 수 있고, 결정된 가중치에 따라 해당 에이전시를 평가할 수 있다.
예를 들어, 번역률이 극히 낮은 언어의 경우 에이전시의 언어 활용능력이 가장 중요한 기준으로 평가될 수도 있다.
도 11은 일 실시 예에 따른 장치의 구성도이다.
프로세서(102)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(102)는 메모리(104)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 본 명세서에서 설명된 방법을 수행한다.
예를 들어, 프로세서(102)는 메모리에 저장된 하나 이상의 인스트럭션을 실행함으로써 과제 등록주체로부터 과제정보를 획득하고, 상기 과제정보에 포함된 지역정보 및 과제내용을 획득하고, 상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하고, 상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하고, 상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달한다.
한편, 프로세서(102)는 프로세서(102) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(102)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(104)에는 프로세서(102)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(104)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (10)

  1. 컴퓨터에 의하여 수행되는 에이전시 매칭 방법으로서,
    과제 등록주체로부터 과제정보를 획득하는 단계(S101);
    상기 과제정보에 포함된 지역정보 및 과제내용을 획득하는 단계(S102);
    상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하는 단계(S103);
    상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S104); 및
    상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달하는 단계(S105); 를 포함하는,
    에이전시 매칭방법.
  2. 제1 항에 있어서,
    상기 단계(S104)는,
    블록체인으로부터 상기 하나 이상의 에이전시에 대한 정보를 획득하는 단계(S106); 및
    상기 단계(S106)에서 획득된 정보에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S107); 를 포함하는,
    에이전시 매칭방법.
  3. 제2 항에 있어서,
    상기 단계(S105)는,
    상기 과제 등록주체와 상기 결정된 에이전시의 계약정보를 획득하는 단계(S108);
    상기 계약에 따른 상기 과제의 수행정보를 획득하는 단계(S109); 및
    상기 획득된 계약정보 및 수행정보를 상기 블록체인에 기록하는 단계(S110); 를 더 포함하는,
    에이전시 매칭방법.
  4. 제3 항에 있어서,
    상기 단계(S109)는,
    상기 과제를 수행한 하나 이상의 수행주체 정보를 획득하는 단계(S111);
    상기 블록체인으로부터 상기 하나 이상의 수행주체에 대한 정보를 획득하는 단계(S112); 및
    상기 하나 이상의 수행주체의 과제 수행정보를 획득하는 단계(S113); 를 포함하는,
    에이전시 매칭방법.
  5. 제4 항에 있어서,
    상기 단계(S113)는,
    상기 과제 등록주체로부터 상기 과제의 수행결과를 획득하는 단계(S114);
    상기 결정된 에이전시로부터 상기 과제의 수행결과를 획득하는 단계(S115);
    상기 하나 이상의 수행주체로부터 상기 과제의 수행결과를 획득하는 단계(S116);
    상기 단계(S114), 단계(S115) 및 단계(S116)에서 획득된 과제의 수행결과를 교차검증하는 단계(S117);
    상기 교차검증에 성공하는 경우, 상기 과제 등록주체, 상기 결정된 에이전시 및 상기 하나 이상의 수행주체에 정보에 대한 보상으로서 가상화폐를 지급하고, 상기 과제 등록주체, 상기 결정된 에이전시 및 상기 하나 이상의 수행주체의 신뢰도 점수에 가점을 부여하는 단계(S118); 및
    상기 교차검증에 실패하는 경우, 상기 블록체인에 기록된 정보에 기초하여 잘못된 정보를 업로드한 대상을 판단하고, 상기 잘못된 정보를 업로드한 대상의 신뢰도 점부에 벌점을 부여하는 단계(S119); 를 포함하고,
    상기 단계(S107)는,
    상기 단계(S106)에서 획득된 정보 및 상기 과제내용에 기초하여 상기 하나 이상의 에이전시 각각의 상기 과제에 대한 적합도 점수를 산출하는 단계(S120);
    상기 하나 이상의 에이전시 중 신뢰도 점수가 기 설정된 기준값 이상인 하나 이상의 제1 에이전시를 선택하는 단계(S121);
    상기 선택된 하나 이상의 제1 에이전시와 각각 연결된 과제 수행주체에 대한 정보를 획득하는 단계(S122);
    상기 선택된 하나 이상의 제1 에이전시 각각에 대하여, 상기 연결된 과제 수행주체의 신뢰도 점수의 평균을 산출하는 단계(S123);
    상기 신뢰도 점수의 평균이 기 설정된 기준값 이상인 하나 이상의 제2 에이전시를 선택하는 단계(S124);
    상기 하나 이상의 제2 에이전시 각각에 대하여, 상기 연결된 과제 수행주체의 신뢰도 점수의 평균과, 상기 하나 이상의 제2 에이전시의 신뢰도 점수에 기초하여 최종 신뢰도 점수를 산출하는 단계(S125);
    상기 하나 이상의 제2 에이전시 각각에 대하여, 상기 적합도 점수와 상기 최종 신뢰도 점수에 기초하여 우선순위를 결정하는 단계(S126); 및
    상기 우선순위에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S127); 를 포함하는,
    에이전시 매칭방법.
  6. 제2 항에 있어서,
    상기 단계(S107)는,
    상기 과제내용으로부터 하나 이상의 파라미터를 추출하는 단계(S128);
    상기 단계(S106)에서 획득된 정보로부터 하나 이상의 파라미터를 추출하는 단계(S129);
    상기 단계(S128) 및 단계(S129)에서 추출된 파라미터를 인공지능 모델에 입력하여 상기 과제와 상기 하나 이상의 에이전시 간의 적합도를 평가하는 단계(S130); 및
    상기 적합도에 기초하여 상기 과제내용에 매칭되는 에이전시를 결정하는 단계(S131); 를 포함하는,
    에이전시 매칭방법.
  7. 제2 항에 있어서,
    상기 단계(S106)는,
    상기 블록체인으로부터 상기 하나 이상의 에이전시가 중개한 과제의 결과에 대한 정보를 획득하는 단계(S132); 를 포함하되,
    상기 단계(S132)는,
    과제 등록주체의 에이전시 평가정보를 획득하는 단계(S133);
    과제 수행주체의 에이전시 평가정보를 획득하는 단계(S134); 및
    각 과제의 과제 내용과 과제 수행주체 간의 적합도를 평가하는 단계(S135); 를 포함하고,
    상기 단계(S107)는,
    상기 단계(S132)에서 획득된 정보에 기초하여 상기 하나 이상의 에이전시를 평가하는 단계(S136); 를 포함하는,
    에이전시 매칭방법.
  8. 제7 항에 있어서,
    상기 단계(S136)는,
    상기 과제 등록주체가 사용하는 제1 언어에 대한 정보를 획득하는 단계(S137);
    상기 지역정보에 대응하는 제2 언어에 대한 정보를 획득하는 단계(S138);
    상기 하나 이상의 에이전시의 상기 제1 언어 활용능력을 정량적으로 평가하는 단계(S139);
    상기 제1 언어로 작성된 테스트 문서 및 상기 테스트 문서의 기 설정된 제2 언어 번역문을 획득하는 단계(S140);
    상기 테스트 문서를 상기 제2 언어로 기계번역한 번역문을 획득하는 단계(S141);
    상기 기 설정된 번역문과 상기 기계번역한 번역문을 비교하는 단계(S142);
    상기 비교 결과에 기초하여, 상기 제1 언어와 상기 제2 언어의 번역률을 산출하는 단계(S143);
    상기 번역률에 기초하여 상기 제1 언어 활용능력에 가중치를 부여하는 단계(S144); 및
    상기 가중치가 부여된 상기 제1 언어 활용능력을 상기 하나 이상의 에이전시 평가에 반영하는 단계(S145); 를 포함하는,
    에이전시 매칭방법.
  9. 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    과제 등록주체로부터 과제정보를 획득하는 단계;
    상기 과제정보에 포함된 지역정보 및 과제내용을 획득하는 단계;
    상기 지역정보에 대응하는 하나 이상의 에이전시 정보를 획득하는 단계;
    상기 하나 이상의 에이전시 중 상기 과제내용에 매칭되는 에이전시를 결정하는 단계; 및
    상기 결정된 에이전시 정보를 상기 과제 등록주체에 전달하는 단계; 를 수행하는, 장치.
  10. 하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
PCT/KR2019/009533 2018-08-08 2019-07-31 에이전시 매칭방법, 장치 및 프로그램 WO2020032468A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0092632 2018-08-08
KR1020180092632A KR101972554B1 (ko) 2018-08-08 2018-08-08 에이전시 매칭방법, 장치 및 프로그램

Publications (1)

Publication Number Publication Date
WO2020032468A1 true WO2020032468A1 (ko) 2020-02-13

Family

ID=66281278

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/009533 WO2020032468A1 (ko) 2018-08-08 2019-07-31 에이전시 매칭방법, 장치 및 프로그램

Country Status (2)

Country Link
KR (1) KR101972554B1 (ko)
WO (1) WO2020032468A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101972554B1 (ko) * 2018-08-08 2019-04-26 김보언 에이전시 매칭방법, 장치 및 프로그램
KR102092603B1 (ko) * 2019-06-27 2020-03-24 포항공과대학교 산학협력단 블록체인에 기반한 콘텐츠의 번역 지원 시스템, 방법 및 컴퓨터로 독출 가능한 기록 매체
KR102365628B1 (ko) * 2019-12-26 2022-02-18 서울여자대학교 산학협력단 개인정보 보호를 고려한 서비스 요청자 및 제공자 연결 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150061485A (ko) * 2013-11-27 2015-06-04 한국과학기술정보연구원 외부 인적자원의 평가를 이용한 핵심기술과 수행주체 선정 장치, 시스템 및 방법
KR20170027576A (ko) * 2015-09-02 2017-03-10 성균관대학교산학협력단 연구 이력 매칭 기반의 연구자 추천 장치 및 방법
JP2017097498A (ja) * 2015-11-19 2017-06-01 株式会社Ｅｘｉｄｅａ 人材マッチング装置、人材マッチング方法および人材マッチングプログラム
KR101825488B1 (ko) * 2017-02-17 2018-03-22 (주)더앤컴퍼니 전문 기업 중계서버장치 및 그 방법
KR101972554B1 (ko) * 2018-08-08 2019-04-26 김보언 에이전시 매칭방법, 장치 및 프로그램

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100339055B1 (ko) 2000-05-19 2002-05-31 김우현 입찰 정보를 자동 검색 및 수집가능한 로봇을 기반으로하는 실시간 입찰 정보 제공 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150061485A (ko) * 2013-11-27 2015-06-04 한국과학기술정보연구원 외부 인적자원의 평가를 이용한 핵심기술과 수행주체 선정 장치, 시스템 및 방법
KR20170027576A (ko) * 2015-09-02 2017-03-10 성균관대학교산학협력단 연구 이력 매칭 기반의 연구자 추천 장치 및 방법
JP2017097498A (ja) * 2015-11-19 2017-06-01 株式会社Ｅｘｉｄｅａ 人材マッチング装置、人材マッチング方法および人材マッチングプログラム
KR101825488B1 (ko) * 2017-02-17 2018-03-22 (주)더앤컴퍼니 전문 기업 중계서버장치 및 그 방법
KR101972554B1 (ko) * 2018-08-08 2019-04-26 김보언 에이전시 매칭방법, 장치 및 프로그램

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
22 March 2018 (2018-03-22), Retrieved from the Internet <URL:https://ishowcrypto.tistory.com/38> [retrieved on 20190927] *

Also Published As

Publication number Publication date
KR101972554B1 (ko) 2019-04-26

Similar Documents

Publication Publication Date Title
WO2020022668A1 (ko) 블록체인을 이용한 과제매칭 방법, 장치 및 프로그램
KR102066371B1 (ko) 블록체인 기반 에이전시 매칭방법, 장치 및 프로그램
WO2020032468A1 (ko) 에이전시 매칭방법, 장치 및 프로그램
KR101809624B1 (ko) 온라인을 이용한 컨설팅 서비스 제공 방법
KR101949510B1 (ko) 블록 체인 및 가상 화폐를 이용한 과제 매칭 정보를 수집하고, 수집된 정보를 교차검증 하는 방법, 장치 및 프로그램
WO2018093229A1 (en) Method and device applying artificial intelligence to send money by using voice input
EP3533015A1 (en) Method and device applying artificial intelligence to send money by using voice input
KR102292570B1 (ko) 스타트업 지원을 위한 전문가 매칭 시스템
WO2021006505A1 (ko) 전문가 경력 관리 방법, 장치 및 프로그램
Yang et al. Sok: Mev countermeasures: Theory and practice
WO2020040482A2 (ko) 전문가 플랫폼의 제어 방법, 장치 및 프로그램
WO2020080590A1 (ko) 블록체인 기반의 기업투자 시스템 및 그 제어방법
KR101949508B1 (ko) 과제 수행 정보를 블록체인에 기록하는 방법, 장치 및 프로그램
WO2021230443A1 (ko) 자산 거래를 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
WO2020184838A1 (ko) 블록체인 기반 프로젝트 수행 과정에서 획득되는 저작물의 저작권 관리 방법 및 시스템
WO2018212400A1 (ko) 해외송금을 위한 사용자 인터페이스를 제공하는 방법
WO2020218838A1 (en) Method of managing real property investment, system and computer program thereof
WO2020175753A1 (ko) 전문가에 의해 생성되는 프로젝트 결과물을 빅데이터 기반으로 관리하는 방법 및 시스템
WO2017116215A1 (ko) 평가지표 자율제안에 의한 연구개발과제 선정 시스템 및 방법
WO2023008908A1 (en) Method of providing product discount coupons based on store demand forecasting and system therefor
WO2022065812A1 (ko) 상품정보 제공을 위한 전자상거래관리컴퓨터, 상품정보관리컴퓨터 및 상품정보제공방법
WO2021015464A1 (ko) 블록체인을 기반으로 한 투자 방법 및 이러한 방법을 사용하는 장치
WO2022065754A1 (ko) 투자 대상 기업을 분석하는 방법 및 장치
WO2021251672A1 (ko) 상품거래관리컴퓨터, 상품거래시스템 및 상품거래방법
CN108182512B (zh) 一种简历评估方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19847416

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19847416

Country of ref document: EP

Kind code of ref document: A1