WO2022131736A1 - 인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법 - Google Patents

인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법 Download PDF

Info

Publication number
WO2022131736A1
WO2022131736A1 PCT/KR2021/018932 KR2021018932W WO2022131736A1 WO 2022131736 A1 WO2022131736 A1 WO 2022131736A1 KR 2021018932 W KR2021018932 W KR 2021018932W WO 2022131736 A1 WO2022131736 A1 WO 2022131736A1
Authority
WO
WIPO (PCT)
Prior art keywords
style
user
color
group
thing
Prior art date
Application number
PCT/KR2021/018932
Other languages
English (en)
French (fr)
Inventor
윤대희
Original Assignee
주식회사 어반베이스
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 주식회사 어반베이스 filed Critical 주식회사 어반베이스
Priority to CN202180084228.1A priority Critical patent/CN116615744A/zh
Priority to EP21907040.6A priority patent/EP4246417A1/en
Priority to JP2023535061A priority patent/JP2023554300A/ja
Publication of WO2022131736A1 publication Critical patent/WO2022131736A1/ko
Priority to US18/331,539 priority patent/US20230316689A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06Q50/08—Construction
    • 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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/906—Clustering; Classification
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06Q30/01—Customer relationship services
    • G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
    • 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
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • 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]
    • G06Q30/0621—Item configuration or customization
    • 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]
    • G06Q30/0623—Item investigation
    • 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]
    • G06Q30/0631—Item recommendations
    • 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]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/04—Architectural design, interior design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2024—Style variation

Definitions

  • the present invention relates to an apparatus and method for recommending an object characteristic through analysis of a previously placed object based on big data of an interior service.
  • a client requests an interior design expert to create a space that he or she wants, such as a residential environment, and the requested interior expert designs the interior desired by the customer and presents it to the customer.
  • interior services (ex. 3D spatial data platform Urban Base) have been developed that allow users to directly decorate various interior elements in a virtual space
  • users of interior services can directly access the virtual space in which their residential environment is transplanted. You can arrange things according to your taste and easily replace the flooring/wallpaper.
  • users can indirectly experience the real interior through the interior of the virtual space, and are provided with services such as ordering a real interior product they like or placing an interior order linked with the actual construction.
  • the above-described interior service provides interior elements such as various types of objects, flooring, and wallpaper to the user's virtual space so that the user can directly decorate various interior elements in the virtual space.
  • an object to be solved in the embodiment of the present invention is to provide a technology for recommending various interior elements that can match the interior arranged in the user's virtual space while reflecting the user's taste through the user's information.
  • An object recommendation apparatus includes at least one memory for storing instructions for performing a predetermined operation; and one or more processors connected to the one or more memories and configured to execute the instructions, wherein the operation performed by the processor includes user information using an interior service, identification information of an interior object placed by the user, and acquiring big data composed of thing information including the style of the thing; determining a style of an object previously placed in a virtual space by a first user using the interior service; counting the number of placements of each style for each style of the previously placed object; and when information on a predetermined object to be newly placed in the virtual space of the first user is requested, calculating a recommendation ratio of each style based on the number of placements for each style and recommending the predetermined object.
  • the operation of recommending the predetermined object may include calculating a recommendation ratio of each style according to Equation 1 below when the type of the style of the previously arranged object is m;
  • the identification information for the predetermined object inside It may include an operation of filtering and recommending the identification information of the predetermined object corresponding to the first style to the mth style by the ratio.
  • the operation performed by the processor may include: classifying a group of users based on the user information included in the big data; counting the number of times of arrangement of each style for each style of an object placed in the virtual space by a user in the same group group among the classified group groups, and determining the style of the object that is counted the most in the same group group; determining a first group to which the first user belongs from among the classified group groups based on the information of the first user; and determining the most aggregated first group style from the first group, wherein the recommending of the predetermined object is performed when information on the predetermined object is requested in the virtual space of the first user. , remind inside and recommending the predetermined thing for each style by adding a preset ratio for the first group style to the ratio of .
  • the operation of recommending the predetermined object includes an operation of calculating a recommendation ratio of the first group style according to Equation 2 below,
  • the operation of recommending the predetermined object is performed when information on the predetermined object is requested in the virtual space of the first user; inside in the proportion of It may include an operation of recommending the predetermined thing for each style by adding a ratio of .
  • the user information may include information about the user's age, gender, and interior area.
  • the operation of determining the style of the object includes the operation of classifying users who are commonly corresponding to the age group, gender, and interior region divided into preset ranges into the same group; counting the number of placements for each style of each object placed by the user in the same group in the virtual space; and determining the style counted as having the greatest number of placements as the preferred style in the same group.
  • the style of the object may be classified into a plurality of styles by classifying the property of the object based on at least one of a material, a brand, and an atmosphere.
  • the operation performed by the processor may further include an operation of recommending a color of the predetermined object based on a color of a wallpaper and a color of a flooring material placed in the virtual space by the first user.
  • the operation of recommending the color may include, on the color wheel, a color that is similar to the color of the wallpaper, a color that is in opposite contrast to the color of the wallpaper, and a color that is complementary to the color of the wallpaper on the color wheel; and recommending, as the color of the predetermined object, a color group including a color similarly contrasting to the color of the flooring material on the color wheel, a color opposite to the color of the wallpaper, and a color in contrast to the color of the wallpaper and a complementary color. can do.
  • the operation of recommending the color may include an operation of preferentially recommending a color that is the same as or adjacent to the color of the previously arranged object in the color group when there is an object previously arranged in the virtual space of the first user.
  • the object recommendation method performed by the object recommendation apparatus obtains big data composed of user information using an interior service, identification information of an interior object arranged by the user, and object information including the style of the object. to do; determining a style of an object previously placed in a virtual space by a first user using the interior service; counting the number of placements of each style for each style of the previously placed object; and when information on a predetermined object to be newly placed in the virtual space of the first user is requested, recommending the predetermined object by adjusting a recommendation ratio of each style based on the number of placements for each style. have.
  • a large number of users who use an interior service use big data collected while decorating various interior elements in their virtual space, the user's taste, the types of things that the users mainly arrange together, and the user It is possible to provide a recommendation technology that reflects the style of objects that are mainly placed together.
  • an embodiment of the present invention uses a technology to analyze a degree of association that can reflect a plurality of common tastes and harmony from information of various users included in big data, and an interior to be newly placed in a user's virtual space. elements can be recommended.
  • FIG. 1 is a functional block diagram of an apparatus for recommending an object according to an embodiment of the present invention.
  • FIG. 2 is an operation flowchart of a method for recommending a thing performed by the device for recommending a thing based on user group analysis according to an embodiment of the present invention.
  • FIG. 3 is an exemplary diagram of a data structure in which identification information of an object is classified according to style and color according to an embodiment of the present invention.
  • FIG. 4 is an example of calculating a recommendation ratio based on a user group group according to an embodiment of the present invention (a) and an example of calculating a recommendation ratio based on an arranged object (b).
  • FIG. 5 is an operation flowchart of a method for recommending an object performed by the apparatus for recommending an object based on analysis of a previously placed object according to an embodiment of the present invention.
  • FIG. 6 is an exemplary diagram for explaining an operation of recommending a color matching pre-arranged wallpaper and flooring using a color wheel according to an embodiment of the present invention.
  • a component when it is mentioned that a component is connected or connected to another component, it may be directly connected or connected to the other component, but it should be understood that another component may exist in the middle.
  • an object recommendation apparatus 100 may include a memory 110 , a processor 120 , an input interface 130 , a display unit 140 , and a communication interface 150 . .
  • the memory 110 may include a big data DB 111 , a style DB 113 , and a command DB 115 .
  • the big data DB 111 may include various data collected from interior services.
  • the interior service may include a service providing a function for decorating virtual interior elements by transplanting the appearance of a real space into a three-dimensional virtual space. Users who use the interior service can arrange interior elements such as objects/floors/wallpapers in the virtual space according to their preferences. Users who use the interior service can see the interior of a virtual space decorated by other users and respond through empathy (ex. Like button). In addition, the number of queries that users have inquired about a specific interior through the interior service may be counted.
  • the big data DB 111 may store all information collected from the interior service as big data.
  • big data includes user information of interior services, information about the space the user has decorated, information about the type of room the user has decorated, information about the interior elements placed by the user (e.g. objects, wallpaper, flooring, etc.), It may include style information of interior elements arranged by the user, information on user's taste, information that users evaluate for a specific interior, and information on the number of times that users have inquired about a specific interior.
  • the style DB 113 may store style information or color information of an interior element included in big data or an interior element provided by an interior service.
  • the style information may include identification information for specifying a style of an interior element such as an object, wallpaper, or flooring
  • the color information may include identification information for specifying a color of an interior element such as an object, wallpaper, or flooring. can do.
  • all identification information “table” provided by the interior service may be mapped and stored together with style information and color information. Accordingly, when information on a specific thing is requested by the user, identification information filtered according to style information or color information may be recommended for all identification information of a specific thing included in the style DB.
  • the style information refers to information on the properties of an object, such as a material, a brand, and an atmosphere of the object provided by the interior service.
  • style information of the object may be classified into one of a wood style, a steel style, a ceramic style, and a plastic style.
  • the classification of style information is not limited to the above-described example, and styles of things may be classified based on various attributes according to a setting of an interior service manager.
  • the command DB 115 may store commands capable of performing an operation of the processor 120 .
  • the command DB 115 may store computer code for performing operations corresponding to operations of the processor 120 to be described later.
  • the processor 120 may control overall operations of the components included in the object recommendation apparatus 100 , the memory 110 , the input interface 130 , the display unit 140 , and the communication interface 150 .
  • the processor 120 may include a grouping module 121 , an operation module 125 , and a control module 127 .
  • the processor 120 may execute the instructions stored in the memory 110 to drive the grouping module 121 , the operation module 125 , and the control module 127 . Operations performed by the grouping module 121 , the operation module 125 , and the control module 127 may be understood as operations performed by the processor 120 .
  • the grouping module 121 may classify users who share common characteristics among users included in the big data into the same group by using user information using the interior service included in the big data.
  • the operation module 125 may determine which style is frequently used in the group to which the user belongs through big data, and may perform group-based object recommendation. Also, when the user requests information on a specific object, the operation module 125 may analyze the object previously placed in the user's virtual space and perform object recommendation based on the previously placed object.
  • the control module 127 filters the identification information of the thing stored in the memory 110 based on the recommendation ratio of the specific style calculated by the calculation module 125. can be printed out.
  • the control module 127 may calculate the color of an object to be newly recommended based on the color of the wallpaper and the color of the flooring disposed in the virtual space of the user who uses the interior service.
  • the input interface 130 may receive a user's input. For example, an input such as an interior element selected by the user from the interior service may be received.
  • the display unit 140 may include a hardware configuration for outputting an image including a display panel.
  • the communication interface 150 communicates with an external device (eg, an external DB server, a user terminal, etc.) to transmit/receive information.
  • an external device eg, an external DB server, a user terminal, etc.
  • the communication interface 150 may include a wireless communication module or a wired communication module.
  • the components of the object recommendation apparatus 100 are linked to analyze a group group of interior service users to recommend a style of an object to be newly placed by the user in the user's virtual space.
  • An embodiment in which the user recommends the style of an object to be newly placed by analyzing the style of the previously placed object Examples are described.
  • FIG. 2 is an operation flowchart of a method for recommending a thing performed by the device for recommending a thing 100 based on user group analysis according to an embodiment of the present invention.
  • Each step of the method for recommending a thing according to FIG. 2 may be performed by the components of the device for recommending a thing 100 described with reference to FIG. 1 , and each step will be described as follows.
  • the big data DB 111 may acquire big data including user information using the interior service, identification information of an interior object arranged by the user, and object information including the style of the object ( S210 ).
  • the interior service can store information about the interior elements placed by each user in his or her virtual space to be maintained, and the number of times the user arranged and decorated interior elements, the details of the interior elements placed, and finally maintained It is possible to store interior elements and user information in a virtual space in which there is, and by accumulating and storing all such information, big data can be generated.
  • the big data DB 111 may acquire and store big data generated from one or more interior services, and the data may be refined to perform the purpose of the present invention according to subsequent operations.
  • the grouping module 121 may classify a group of interior service users based on user information among information included in the big data ( S220 ). For example, the grouping module 121 divides each element into a preset range for each element of "age, gender, and interior area" among user information, and then selects users who are common to the range of each element. can be grouped into the same group. For example, users may be classified according to ranges set as follows, and users belonging to the same range for each element may be classified into the same group group.
  • Age group Divided into the range of "10s, 20s, 30s, 40s, 50s, 60s or more"
  • the calculation module 125 based on the object information stored in the big data, counts the number of placements of each style for each style of the object placed in the virtual space by the user in each group group to determine the most aggregated style in each group group. It can be determined (S230).
  • styles are aggregated based on the "material” of objects for groups belonging to “30s”, “ woman”, and “Samsung-dong, Gangnam-gu, Seoul", “Wood style - 340 times", “Steel material” If the number of placements of each style is counted as “Style - 152" and “Ceramic Style - 221", the most preferred style in the group can be determined as "Wood Style”.
  • the calculation module 125 may determine a first group group to which the first user belongs from among the pre-classified group groups based on the information of the first user using the interior service ( S240 ). For example, the calculation module 125 determines, as the first group, a group that matches the age, gender, and region of the virtual space that the first user interior among the elements specifying the pre-classified group group. can do.
  • the control module 127 selects the first style, which is the most aggregated in the first group, among the identification information of the thing pre-stored for the thing. By filtering the identification information of the corresponding object, it is possible to preferentially recommend (S250).
  • the control module 127 1 may be recommended by calculating a recommendation ratio of the first style and the second style based on the number of objects of the second style arranged by the user in the virtual space.
  • FIG. 4 is an example of calculating a recommendation ratio based on a user group group according to an embodiment of the present invention (a) and an example of calculating a recommendation ratio based on an arranged object (b).
  • the calculation module 125 may calculate the recommendation ratio of the first style according to Equation 1 below.
  • the calculation module 125 may additionally calculate the recommendation ratio of the second style corresponding to the style of the previously disposed object according to Equation 2 below.
  • FIG. 5 is an operation flowchart of a method for recommending a thing performed by the device for recommending a thing 100 based on analysis of a pre-arranged thing according to an embodiment of the present invention.
  • Each step of the method for recommending a thing according to FIG. 5 may be performed by the components of the device for recommending a thing 100 described with reference to FIG. 1 , and each step will be described as follows.
  • the big data DB 111 includes various information collected while providing interior services to users, such as user information using interior services, identification information of interior objects placed by the user, and object information including styles of objects. Data may be stored (S510).
  • the calculation module 125 may determine the style of an object previously placed in the virtual space by the first user using the interior service ( S520 ). For example, the operation module 125 may determine the style information of the object previously placed in the virtual space with reference to the mapping information of FIG. 3 .
  • the calculation module 125 may count the number of times of arrangement of each style for each style of the previously placed object ( S530 ). For example, if there are three types of styles of the pre-arranged objects, the first to the third styles, "1st style - 2, 2nd style - 1, 3rd style - 3" Similarly, you can count the number of batches for each style.
  • control module 127 calculates a recommendation ratio of each style based on the number of placements for each style, and recommends objects to be newly placed for each style It can be done (S540).
  • the calculation module 125 may calculate a recommended ratio of each style according to Equation 3 below.
  • control module 127 selects one of the newly requested identification information for the object.
  • the identification information of the corresponding object corresponding to the first style to the mth style may be filtered and recommended according to the ratio of .
  • control module 127 may recommend a new thing by reflecting the style preferred by the user group group sharing the characteristic with the first user.
  • the determination of the first group to which the first user belongs may be performed according to the operation described above with reference to FIG. 2 . Accordingly, when information on a new object is requested in the virtual space of the first user, the control module 127 is inside The ratio calculated for the first group style to the ratio of can be added to recommend new objects for each style.
  • the calculation module 125 may calculate the recommendation ratio of the first group style according to Equation 4 below.
  • control module 127 when information on a new object is requested in the virtual space of the first user, the control module 127, inside in the proportion of By adding the ratio of , the requested object for each style can be recommended.
  • the styles of the pre-arranged objects are the first to third styles
  • FIG. 6 is an exemplary diagram for explaining an operation of recommending a color matching pre-arranged wallpaper and flooring using a color wheel according to an embodiment of the present invention.
  • control module 127 controls the object requested by the first user using a predetermined color wheel (eg, FIG. 6 ) based on the color of the wallpaper and the color of the flooring material placed in the virtual space by the first user. You can recommend a color that suits you.
  • the control module 127 may include a color that is similar to the color of the wallpaper in the virtual space where the requested object is to be placed, a color that is opposite to the color of the wallpaper, and a color that is complementary to the color of the wallpaper; and a color that is similar to the color of the flooring material in the virtual space in which the requested object is to be placed, a color that is opposite to the color of the wallpaper, and a color that is complementary to the color of the wallpaper.
  • the control module 127 may recommend the color of the object requested by the user as a priority of similar contrast, opposite contrast, and complementary color contrast among the extracted color groups.
  • the control module 127 may preferentially recommend a color identical to or adjacent to the color of the pre-arranged object from the extracted color group.
  • similar contrast means a color adjacent to a specific color on the color wheel (reference numeral 1 in FIG. 6 ), and complementary color contrast means a color (reference numeral 3 in FIG. 6 ) opposite to a specific color on the color wheel.
  • Contrast refers to a color adjacent to a specific color (reference numeral 2 in FIG. 6 ) from a color located opposite to the specific color.
  • colors facing clockwise or counterclockwise with respect to a specific color on the color wheel may be included, and colors arranged from a specific color to a preset number in a clockwise or counterclockwise direction may include
  • a large number of users who use the interior service use big data collected while decorating various interior elements in their virtual space, so that the tastes of users, the types of things they mainly arrange together, and the users It is possible to provide a recommendation technique that reflects the style of things that are mainly arranged together.
  • an embodiment of the present invention uses a technology to analyze a degree of association that can reflect a plurality of common tastes and harmony from information of various users included in big data, and an interior to be newly placed in a user's virtual space. elements can be recommended.
  • embodiments of the present invention may be implemented through various means.
  • embodiments of the present invention may be implemented by hardware, firmware, software, or a combination thereof.
  • the method according to embodiments of the present invention may include one or more Application Specific Integrated Circuits (ASICs), Digital Signal Processors (DSPs), Digital Signal Processing Devices (DSPDs), and Programmable Logic Devices (PLDs). , FPGAs (Field Programmable Gate Arrays), processors, controllers, microcontrollers, microprocessors, and the like.
  • ASICs Application Specific Integrated Circuits
  • DSPs Digital Signal Processors
  • DSPDs Digital Signal Processing Devices
  • PLDs Programmable Logic Devices
  • FPGAs Field Programmable Gate Arrays
  • processors controllers
  • microcontrollers microcontrollers
  • microprocessors and the like.
  • the method according to the embodiments of the present invention may be implemented in the form of a module, procedure, or function that performs the functions or operations described above.
  • a computer program in which a software code or the like is recorded may be stored in a computer-readable recording medium or a memory unit and driven by a processor.
  • the memory unit may be located inside or outside the processor, and may transmit and receive data to and from the processor by various known means.
  • combinations of each block in the block diagram attached to the present invention and each step in the flowchart may be performed by computer program instructions.
  • These computer program instructions may be embodied in the encoding processor of a general purpose computer, special purpose computer, or other programmable data processing equipment, such that the instructions executed by the encoding processor of the computer or other programmable data processing equipment may correspond to each block of the block diagram or
  • Each step of the flowchart creates a means for performing the functions described.
  • These computer program instructions may also be stored in a computer-usable or computer-readable memory that may direct a computer or other programmable data processing equipment to implement a function in a particular way, and thus the computer-usable or computer-readable memory.
  • each block or each step may represent a module, segment, or part of code including one or more executable instructions for executing a specified logical function. It should also be noted that in some alternative embodiments it is also possible for the functions recited in blocks or steps to occur out of order. For example, it is possible that two blocks or steps shown one after another may in fact be performed substantially simultaneously, or that the blocks or steps may sometimes be performed in the reverse order according to the corresponding function.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Architecture (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 발명의 일 실시예에 따른 사물 추천 장치가 수행하는 사물 추천 방법은 인테리어 서비스를 사용하는 사용자 정보와, 사용자가 배치한 인테리어 사물의 식별 정보 및 사물의 스타일을 포함하는 사물 정보로 구성된 빅데이터를 획득하는 단계; 인테리어 서비스를 사용하는 제1 사용자가 가상 공간에 기 배치한 사물의 스타일을 판별하는 단계; 상기 기 배치된 사물의 스타일별로 각 스타일의 배치 횟수를 집계하는 동작; 및 상기 제1 사용자의 가상 공간에 새롭게 배치될 소정 사물에 대한 정보가 요청되는 경우, 상기 스타일별 배치 횟수에 기초하여 각 스타일의 추천 비율을 조절하여 상기 소정 사물을 추천하는 단계를 포함할 수 있다.

Description

인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법
본 발명은 인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법에 관한 것이다.
사람들은 살아가면서 자신의 개성에 부합하면서 보다 아름다운 주거 환경을 추구하고자 하는 욕구를 가지고 있다. 이를 위해, 간단하게는 주거 공간에 새로운 사물을 배치하여 인테리어를 꾸미거나, 나아가 벽지나 바닥재를 교체하고 공간의 구조를 변경하는 등의 인테리어 공사를 진행하기도 한다.
종래에는 인테리어 공사를 위해 의뢰인이 인테리어 전문가에게 자신이 원하는 공간을 만들고자 주거 환경 등의 인테리어 시안을 의뢰하고, 의뢰받은 인테리어 전문가는 고객이 원하는 인테리어를 설계하여 고객에게 제시하는 방식으로 진행하였다.
그러나 현재는 가상 공간에 사용자가 직접 각종 인테리어 요소를 꾸며볼 수 있는 인테리어 서비스(ex. 3D 공간 데이터 플랫폼 어반베이스)가 개발됨에 따라, 인테리어 서비스의 사용자가 직접 자신의 주거 환경을 이식한 가상 공간에 자신의 취향대로 사물을 배치하고 손쉽게 바닥재/벽지 등을 교체해 볼 수 있다.
이에 따라, 사용자들은 가상 공간의 인테리어를 통해 실제 인테리어를 간접적으로 체감할 수 있으며, 자신의 마음에 드는 실제 인테리어 상품을 주문하거나, 실제 시공과 연동된 인테리어 발주를 넣는 등의 서비스를 제공받고 있다.
상술한 인테리어 서비스는 사용자가 가상 공간에 직접 각종 인테리어 요소를 꾸며볼 수 있도록, 다양한 종류의 사물, 바닥재, 벽지 등의 인테리어 요소를 사용자의 가상 공간에 제공한다.
한편, 인테리어는 각종 인테리어 요소들의 스타일 및 색상의 조화가 미적으로 중요한데, 인테리어 서비스의 사용자가 인테리어 전문가가 아닌 경우에는 수많은 종류의 사물, 바닥재, 벽지 등을 선택하는 데에 어려움을 겪을 수 있다.
이에 따라, 본 발명의 실시예에서 해결하고자 하는 과제는 사용자의 정보를 통해 사용자의 취향을 반영하면서, 사용자의 가상 공간에 배치된 인테리어와 어울릴 수 있는 다양한 인테리어 요소를 추천하는 기술을 제공하고자 한다.
다만, 본 발명의 실시예가 이루고자 하는 기술적 과제는 이상에서 언급한 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 도출될 수 있다.
본 발명의 실시예에 따른 사물 추천 장치는 소정의 동작을 수행하도록 하는 명령어들을 저장하는 하나 이상의 메모리; 및 상기 하나 이상의 메모리와 동작 가능 하도록 연결되어 상기 명령어들을 실행하도록 설정된 하나 이상의 프로세서를 포함하고, 상기 프로세서가 수행하는 동작은 인테리어 서비스를 사용하는 사용자 정보와, 사용자가 배치한 인테리어 사물의 식별 정보 및 사물의 스타일을 포함하는 사물 정보로 구성된 빅데이터를 획득하는 동작; 인테리어 서비스를 사용하는 제1 사용자가 가상 공간에 기 배치한 사물의 스타일을 판별하는 동작; 상기 기 배치된 사물의 스타일 별로 각 스타일의 배치 횟수를 집계하는 동작; 및 상기 제1 사용자의 가상 공간에 새롭게 배치될 소정 사물에 대한 정보가 요청되는 경우, 상기 각 스타일 별 배치 횟수에 기초한 각 스타일의 추천 비율을 연산하여 상기 소정 사물을 추천하는 동작을 포함할 수 있다.
또한, 상기 소정 사물을 추천하는 동작은 상기 기 배치된 사물의 스타일의 종류가 m개인 경우, 하기 수학식 1에 따라 각 스타일의 추천 비율을 계산하는 동작; 및
[수학식 1]
Figure PCTKR2021018932-appb-img-000001
(단, x = 0 일 때
Figure PCTKR2021018932-appb-img-000002
은 0, x = 1 일 때
Figure PCTKR2021018932-appb-img-000003
은 1)
(p는
Figure PCTKR2021018932-appb-img-000004
를 만족하는 자연수,
Figure PCTKR2021018932-appb-img-000005
: 제p 스타일의 추천 비율,
Figure PCTKR2021018932-appb-img-000006
: 제1 사용자가 가상 공간에 배치한 제p 스타일 사물의 수, n: 제1 사용자가 가상 공간에 배치한 사물의 수,
Figure PCTKR2021018932-appb-img-000007
)
상기 소정 사물에 대한 식별 정 보중
Figure PCTKR2021018932-appb-img-000008
내지
Figure PCTKR2021018932-appb-img-000009
으 비율로 제1 스타일 내지 제m 스타일에 해당하는 상기 소정 사물의 식별 정보를 필터링하여 추천하는 동작을 포함할 수 있다.
또한, 상기 프로세서가 수행하는 동작은 상기 빅데이터에 포함된 상기 사용자 정보를 기준으로 사용자의 그룹군을 분류하는 동작; 상기 분류된 그룹군 중 같은 그룹군 내의 사용자가 가상 공간에 배치한 사물의 스타일 별로 각 스타일의 배치 횟수를 집계하여, 상기 같은 그룹군에서 가장 많이 집계된 사물의 스타일을 판별하는 동작; 제1 사용자의 정보를 기초로 상기 분류된 그룹군 중 상기 제1 사용자가 속하는 제1 그룹군을 판별하는 동작; 및 상기 제1 그룹군에서 가장 많이 집계된 제1 그룹군 스타일을 판별하는 동작을 더 포함하고, 상기 소정 사물을 추천하는 동작은 상기 제1 사용자의 가상 공간에서 소정 사물에 대한 정보가 요청되는 경우, 상기
Figure PCTKR2021018932-appb-img-000010
내지
Figure PCTKR2021018932-appb-img-000011
의 비율에 상기 제1 그룹군 스타일에 대해 기 설정된 비율을 추가하여 각 스타일 별로 상기 소정 사물을 추천하는 동작을 포함할 수 있다.
또한, 상기 소정 사물을 추천하는 동작은 하기 수학식 2에 따라 상기 제1 그룹군 스타일의 추천 비율을 계산하는 동작을 포함하고,
[수학식 2]
Figure PCTKR2021018932-appb-img-000012
(단, n = 0 일 때
Figure PCTKR2021018932-appb-img-000013
은 1)
(
Figure PCTKR2021018932-appb-img-000014
: 제1 그룹군 스타일의 추천 비율, n: 제1 사용자가 가상 공간에 배치한 사물의 수, k: 제1 그룹군 사용자의 평균 사물 배치 개수)
상기 소정 사물을 추천하는 동작은 상기 제1 사용자의 가상 공간에서 소정 사물에 대한 정보가 요청되는 경우,
Figure PCTKR2021018932-appb-img-000015
내지
Figure PCTKR2021018932-appb-img-000016
의 비율에
Figure PCTKR2021018932-appb-img-000017
의 비율을 추가하여 각 스타일 별로 상기 소정 사물을 추천하는 동작을 포함할 수 있다.
또한, 상기 사용자 정보는 사용자의 연령, 성별 및 인테리어 지역에 대한 정보를 포함할 수 있다.
또한, 상기 사물의 스타일을 판별하는 동작은 기 설정된 범위로 나뉜 연령대, 성별, 인테리어 지역에 대해 공통으로 해당하는 사용자를 같은 그룹군으로 분류하는 동작; 상기 같은 그룹군의 사용자가 가상 공간에 배치한 각 사물의 스타일 별로 배치 횟수를 집계하는 동작; 및 상기 배치 횟수가 가장 많은 것으로 집계된 스타일을 상기 같은 그룹군에서 선호하는 스타일로 판별하는 동작을 포함할 수 있다.
또한, 상기 사물의 스타일은 재질, 브랜드 및 분위기 중 적어도 하나를 기준으로 사물의 성질을 분류하여 복수의 스타일로 구분될 수 있다.
또한, 상기 프로세서가 수행하는 동작은 상기 제1 사용자가 가상 공간에 배치한 벽지의 색상 및 바닥재의 색상을 기초로 상기 소정 사물의 색상을 추천하는 동작을 더 포함할 수 있다.
또한, 상기 색상을 추천하는 동작은 소정의 색상환을 이용하여, 상기 색상환에서 상기 벽지의 색상과 유사 대비인 색상, 상기 벽지의 색상과 반대 대비인 색상, 상기 벽지의 색상과 보색 대비인 색상; 및 상기 색상환에서 상기 바닥재의 색상과 유사 대비인 색상, 상기 벽지의 색상과 반대 대비인 색상, 상기 벽지의 색상과 보색 대비인 색상을 포함하는 색상군을 상기 소정 사물의 색상으로 추천하는 동작을 포함할 수 있다.
또한, 상기 색상을 추천하는 동작은 상기 제1 사용자의 가상 공간에 기 배치된 사물이 있는 경우, 상기 색상군에서 상기 기 배치된 사물의 색상과 동일하거나 인접한 색상을 우선적으로 추천하는 동작을 포함할 수 있다.
본 발명의 실시예에 따른 사물 추천 장치가 수행하는 사물 추천 방법은 인테리어 서비스를 사용하는 사용자 정보와, 사용자가 배치한 인테리어 사물의 식별 정보 및 사물의 스타일을 포함하는 사물 정보로 구성된 빅데이터를 획득하는 단계; 인테리어 서비스를 사용하는 제1 사용자가 가상 공간에 기 배치한 사물의 스타일을 판별하는 단계; 상기 기 배치된 사물의 스타일 별로 각 스타일의 배치 횟수를 집계하는 동작; 및 상기 제1 사용자의 가상 공간에 새롭게 배치될 소정 사물에 대한 정보가 요청되는 경우, 상기 각 스타일 별 배치 횟수에 기초하여 각 스타일의 추천 비율을 조절하여 상기 소정 사물을 추천하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 인테리어 서비스를 사용하는 수많은 사용자가 자신의 가상 공간에 각종 인테리어 요소를 꾸며보면서 수집되는 빅데이터를 활용하여, 사용자들의 취향, 사용자들이 주로 함께 배치하는 사물들의 종류, 사용자들이 주로 함께 배치하는 사물들의 스타일을 반영한 추천 기술을 제공할 수 있다.
이를 위해, 본 발명의 실시예는 빅데이터에 포함된 다양한 사용자들의 정보로부터 다수의 공통적인 취향과 조화를 반영할 수 있는 연관도를 분석하는 기술을 사용하여, 사용자의 가상 공간에 새롭게 배치될 인테리어 요소를 추천할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 발명의 일 실시예에 따른 사물 추천 장치의 기능 블록도이다.
도 2는 본 발명의 일 실시예에 따른 사물 추천 장치가 사용자 그룹군 분석 기반으로 수행하는 사물 추천 방법의 동작 흐름도이다.
도 3은 본 발명의 일 실시예에 따라 사물의 식별 정보가 스타일 및 색상에 따라 분류되어 있는 데이터 구조에 대한 예시도이다.
도 4는 본 발명의 일 실시예에 따라 사용자 그룹군 기반의 추천 비율을 연산하는 예시(a)와 기 배치된 사물 기반의 추천 비율을 연산하는 예시(b)이다.
도 5는 본 발명의 일 실시예에 따른 사물 추천 장치가 기 배치 사물 분석 기반으로 수행하는 사물 추천 방법의 동작 흐름도이다.
도 6은 본 발명의 일 실시예에 따라 색상환을 이용하여 기 배치된 벽지 및 바닥재와 어울리는 색상을 추천하는 동작을 설명하기 위한 예시도이다.
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 한정되는 것이 아니라 다양한 형태로 구현될 수 있으며,　단지 본 실시예들은 본 발명의 개시가 완전하여지도록 하고,　본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며,　본 발명의 범주는 청구항에　의해 정의될 뿐이다.
본 발명의 실시예들을 설명하면서 공지 기능 또는 구성에 대한 구체적인 설명은 본 발명의 실시예들을 설명하면서 실제로 필요한 경우 외에는 생략될 것이다.　　그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.　　그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도면에 표시되고 아래에 설명되는 기능 블록들은 가능한 구현의 예들일 뿐이다. 다른 구현들에서는 상세한 설명의 사상 및 범위를 벗어나지 않는 범위에서 다른 기능 블록들이 사용될 수 있다. 또한 본 발명의 하나 이상의 기능 블록이 개별 블록들로 표시되지만, 본 발명의 기능 블록 중 하나 이상은 동일 기능을 실행하는 다양한 하드웨어 및 소프트웨어 구성의 조합일 수 있다.
또한 어떤 구성 요소들을 포함한다는 표현은 개방형의 표현으로서 해당 구성 요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성 요소들을 배제하는 것으로 이해되어서는 안 된다.
나아가 어떤 구성 요소가 다른 구성 요소에 연결되어 있다거나 접속되어 있다고 언급될 때에는, 그 다른 구성 요소에 직접적으로 연결 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 한다.
또한 '제1, 제2' 등과 같은 표현은 복수의 구성을 구분하기 위한 용도로만 사용된 표현으로써, 구성들 사이의 순서나 기타 특징들을 한정하지 않는다.
이하에서는 도면들을 참조하여 본 발명의 실시예들에 대해 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 사물 추천 장치(100)의 기능 블록도이다. 도 1을 참조하면, 일 실시예에 따른 사물 추천 장치(100)는 메모리(110), 프로세서(120), 입력 인터페이스(130), 디스플레이부(140) 및 통신 인터페이스(150)를 포함할 수 있다.
메모리(110)는 빅데이터 DB(111), 스타일 DB(113) 및 명령어 DB(115)를 포함할 수 있다.
빅데이터 DB(111)는 인테리어 서비스로부터 수집되는 다양한 데이터를 포함할 수 있다. 인테리어 서비스란, 실제 공간의 모습을 3차원의 가상 공간에 이식하여 가상의 인테리어 요소를 꾸며볼 수 있는 기능을 제공하는 서비스를 포함할 수 있다. 인테리어 서비스를 사용하는 사용자들은 자신의 취향대로 가상 공간에 사물/바닥재/벽지 등의 인테리어 요소를 배치할 수 있다. 인테리어 서비스를 사용하는 사용자는 다른 사용자가 꾸민 가상 공간의 인테리어를 보고 공감 기능(ex. 좋아요 버튼) 등을 통해 반응할 수 있다. 또한, 인테리어 서비스를 통해 사용자들이 특정 인테리어를 조회한 조회 수가 집계될 수 있다.
빅데이터 DB(111)는 인테리어 서비스로부터 수집되는 모든 정보를 빅데이터로서 저장할 수 있다. 예를 들어, 빅데이터는 인테리어 서비스의 사용자 정보, 사용자가 인테리어한 공간에 대한 정보, 인테리어한 방 종류에 대한 정보, 사용자가 배치한 인테리어 요소(ex. 사물, 벽지, 바닥재 등)에 대한 정보, 사용자가 배치한 인테리어 요소의 스타일 정보, 사용자의 취향에 대한 정보, 사용자들이 특정 인테리어에 대해 평가한 정보, 사용자들이 특정 인테리어를 조회한 횟수에 대한 정보 등을 포함할 수 있다.
스타일 DB(113)는 빅데이터에 포함된 인테리어 요소 또는 인테리어 서비스에서 제공 중인 인테리어 요소가 갖는 스타일 정보 또는 색상 정보를 저장할 수 있다. 스타일 정보는 사물, 벽지, 바닥재 등의 인테리어 요소가 갖는 스타일을 특정하기 위한 식별 정보를 포함할 수 있고, 색상 정보는 사물, 벽지, 바닥재 등의 인테리어 요소가 갖는 색상을 특정하기 위한 식별 정보를 포함할 수 있다. 예를 들어, 도 3을 참조하면 스타일 DB(113)는 인테리어 서비스에서 제공하는 "테이블"이라는 모든 식별 정보가 스타일 정보 및 색상 정보와 함께 매핑되어 저장될 수 있다. 이에 따라, 사용자에 의해 특정 사물에 대한 정보가 요청된 경우, 스타일 DB에 포함된 특정 사물의 모든 식별 정보에 대해 스타일 정보 또는 색상 정보에 따라 필터링된 식별 정보들이 추천될 수 있다.
한편, 스타일 정보란 인테리어 서비스가 제공하는 사물이 갖는 재질, 브랜드 및 분위기 등 사물의 속성에 대한 정보를 의미한다. 가령, 재질이라는 속성을 기준으로 사물의 스타일을 분류하는 경우, 사물은 목재 스타일, 철재 스타일, 세라믹 스타일, 플라스틱 스타일 중 하나로 스타일 정보가 분류될 수 있다. 다만, 스타일 정보의 분류가 상술한 예시에 한정되는 것은 아니며, 인테리어 서비스 관리자의 설정에 따라 다양한 속성을 기준으로 사물의 스타일을 분류할 수 있다.
명령어 DB(115)는 프로세서(120)의 동작을 수행시킬 수 있는 명령어들을 저장할 수 있다. 예를 들어, 명령어 DB(115)는 후술할 프로세서(120)의 동작들과 대응되는 동작을 수행하도록 하는 컴퓨터 코드를 저장할 수 있다.
프로세서(120)는 사물 추천 장치(100)가 포함하는 구성들, 메모리(110), 입력 인터페이스(130), 디스플레이부(140) 및 통신 인터페이스(150)의 전반적인 동작을 제어할 수 있다. 프로세서(120)는 그룹화 모듈(121), 연산 모듈(125), 및 제어 모듈(127)을 포함할 수 있다. 프로세서(120)는 메모리(110)에 저장된 명령어들을 실행해 그룹화 모듈(121), 연산 모듈(125) 및 제어 모듈(127)을 구동시킬 수 있다. 그룹화 모듈(121), 연산 모듈(125) 및 제어 모듈(127)에 의해 수행되는 동작은 프로세서(120)에 의해 수행되는 동작으로 이해될 수 있다.
그룹화 모듈(121)은 빅데이터에 포함된 인테리어 서비스를 사용하는 사용자 정보를 이용하여, 빅데이터에 포함된 사용자 중 공통적인 특징을 공유하는 사용자를 동일한 그룹군으로 분류할 수 있다.
연산 모듈(125)은 사용자가 특정 사물에 대한 정보를 요청하는 경우, 빅데이터를 통해 사용자가 속한 그룹군에서 자주 사용되는 스타일이 어떠한 스타일인지 판별하여 그룹군 기반의 사물 추천을 수행할 수 있다. 또한, 연산 모듈(125)은 사용자가 특정 사물에 대한 정보를 요청하는 경우, 사용자의 가상 공간에 기 배치된 사물을 분석하여 기 배치 사물 기반의 사물 추천을 수행할 수 있다.
제어 모듈(127)은 사용자가 특정 사물에 대한 정보를 요청하는 경우, 연산 모듈(125)이 연산한 특정 스타일의 추천 비율에 기반하여, 메모리(110)에 저장된 사물의 식별 정보를 필터링한 결과를 출력할 수 있다. 또한, 제어 모듈(127)은 인테리어 서비스를 사용하는 사용자의 가상 공간에 배치된 벽지의 색상 및 바닥재의 색상을 기초로 새롭게 추천할 사물의 색상을 연산할 수 있다.
입력 인터페이스(130)는 사용자의 입력을 수신할 수 있다. 예를 들면, 사용자가 인테리어 서비스에서 선택하는 인테리어 요소 등의 입력을 수신할 수 있다.
디스플레이부(140)는 디스플레이 패널을 포함하여 화상을 출력하는 하드웨어 구성을 포함할 수 있다.
통신 인터페이스(150)는 외부 장치(ex. 외부 DB 서버, 사용자 단말 등)와 통신하여 정보를 송수신할 수 있게 한다. 이를 위해, 통신 인터페이스(150)는 무선 통신 모듈 또는 유선 통신 모듈을 포함할 수 있다.
이하, 도 2 내지 도 6을 통해 사물 추천 장치(100)의 구성 요소들이 연동하여, 인테리어 서비스 사용자의 그룹군을 분석하여 사용자가 새롭게 배치할 사물의 스타일을 추천하는 실시예, 사용자의 가상 공간에 기 배치된 사물들의 스타일을 분석하여 사용자가 새롭게 배치할 사물의 스타일을 추천하는 실시예, 사용자의 가상 공간에 기 배치된 벽지 및 바닥재의 색상을 기초로 사용자가 새롭게 배치할 사물의 색상을 추천하는 실시예를 설명한다.
도 2는 본 발명의 일 실시예에 따른 사물 추천 장치(100)가 사용자 그룹군 분석 기반으로 수행하는 사물 추천 방법의 동작 흐름도이다. 도 2에 따른 사물 추천 방법의 각 단계는 도 1을 통해 설명된 사물 추천 장치(100)의 구성들에 의해 수행될 수 있으며, 각 단계를 설명하면 다음과 같다.
빅데이터 DB(111)는 인테리어 서비스를 사용하는 사용자 정보와, 사용자가 배치한 인테리어 사물의 식별 정보 및 사물의 스타일을 포함하는 사물 정보를 포함하는 빅데이터를 획득할 수 있다(S210).
인테리어 서비스는 각 사용자가 자신의 가상 공간에 배치한 인테리어 요소들에 대한 정보들이 유지되도록 저장할 수 있고, 사용자가 인테리어 요소를 배치해보며 꾸민 횟수, 배치해본 인테리어 요소들에 대한 내역, 최종적으로 유지되고 있는 가상 공간에서의 인테리어 요소 및 사용자의 정보를 저장할 수 있으며, 이러한 모든 정보를 누적하여 저장함으로써 빅데이터를 생성할 수 있다. 빅데이터 DB(111)는 하나 이상의 인테리어 서비스로부터 생성되는 빅데이터를 획득하여 저장할 수 있고, 이후의 동작에 따라 본 발명의 목적을 수행할 수 있도록 데이터들이 정제될 수 있다.
그룹화 모듈(121)은 빅데이터에 포함된 정보 중 사용자 정보를 기준으로 인테리어 서비스 사용자의 그룹군을 분류할 수 있다(S220). 예를 들어, 그룹화 모듈(121)은 사용자 정보 중 "연령대, 성별, 및 인테리어 지역" 각각의 요소에 대해서, 각각의 요소를 기 설정된 범위로 나눈 후, 각 요소의 범위에 공통으로 해당하는 사용자를 같은 그룹군으로 분류할 수 있다. 가령, 아래와 같이 설정한 범위에 따라 사용자들을 분류하여, 각각의 요소에 대해 동일한 범위에 속하는 사용자를 같은 그룹군으로 분류할 수 있다.
<구분 예시>
연령대 - "10대, 20대, 30대, 40대, 50대, 60대 이상"의 범위로 구분
성별 - "남자, 여자"의 범위로 구분
인테리어 지역 - "동"으로 구분
연산 모듈(125)은 빅데이터에 저장된 사물 정보를 기초로, 각 그룹군 내의 사용자가 가상 공간에 배치한 사물의 스타일 별로, 각 스타일의 배치 횟수를 집계하여 각 그룹군에서 가장 많이 집계된 스타일을 판별할 수 있다(S230).
예를 들어, "30대", "여자", "서울시 강남구 삼성동"에 속하는 그룹군에 대해 사물의 "재질"을 기준으로 스타일을 집계한다고 가정한 경우, "목재 스타일 - 340회", "철재 스타일 - 152회", "세라믹 스타일 - 221회"로 각 스타일의 배치 횟수가 집계되었다면, 해당 그룹군에서 가장 선호하는 스타일을 "목재 스타일"이라고 판별할 수 있다.
연산 모듈(125)은 인테리어 서비스를 사용하는 제1 사용자의 정보를 기초로 기 분류된 그룹군 중 제1 사용자가 속하는 제1 그룹군을 판별할 수 있다(S240). 예를 들어, 연산 모듈(125)은 기 분류된 그룹군을 특정하는 요소 중 제1 사용자의 연령대, 성별 및 제1 사용자가 인테리어하는 가상 공간의 지역과 매칭되는 그룹군을 제1 그룹군으로 판별할 수 있다.
제어 모듈(127)은 제1 사용자의 가상 공간 내에서 새롭게 배치될 사물에 대한 정보가 요청되는 경우, 해당 사물에 대하여 기 저장된 사물의 식별 정보 중 제1 그룹군에서 가장 많이 집계된 제1 스타일에 해당하는 사물의 식별 정보를 필터링하여 우선적으로 추천할 수 있다(S250).
이때 S250의 추천 동작에 대해, 제1 사용자가 추천된 제1 스타일과 다른 제2 스타일의 사물을 선택하여 배치한 경우, 제1 사용자가 추가로 사물에 대한 정보 요청 시 제어 모듈(127)은 제1 사용자가 가상 공간에 배치한 제2 스타일의 사물의 개수를 기초로 제1 스타일 및 제2 스타일의 추천 비율을 연산하여 추가 사물을 추천할 수 있다.
도 4는 본 발명의 일 실시예에 따라 사용자 그룹군 기반의 추천 비율을 연산하는 예시(a)와 기 배치된 사물 기반의 추천 비율을 연산하는 예시(b)이다.
연산 모듈(125)은 하기 수학식 1에 따라 제1 스타일의 추천 비율을 계산할 수 있다.
[수학식 1]
Figure PCTKR2021018932-appb-img-000018
(단, n = 0 일 때
Figure PCTKR2021018932-appb-img-000019
은 1)
(
Figure PCTKR2021018932-appb-img-000020
: 제1 스타일의 추천 비율, n: 제1 사용자가 가상 공간에 배치한 사물의 수, k: 제1 그룹군 사용자의 평균 사물 배치 개수)
도 4는 k = 6인 예시로서 n이 증가할수록
Figure PCTKR2021018932-appb-img-000021
의 수치가 감소함을 확인할 수 있다. 이는, 제1 사용자가 배치한 사물의 수가 증가함에 따라, 하기 수학식 2에 따라 기 배치된 사물의 스타일 분석을 통한 추천 비율이 고려되기 때문이다.
즉, 연산 모듈(125)은 하기 수학식 2에 따라 기 배치된 사물의 스타일에 해당하는 제2 스타일의 추천 비율을 추가로 연산할 수 있다.
[수학식 2]
Figure PCTKR2021018932-appb-img-000022
(단, x = 0 일 때
Figure PCTKR2021018932-appb-img-000023
은 0, x = 1일 때
Figure PCTKR2021018932-appb-img-000024
은 1)
(
Figure PCTKR2021018932-appb-img-000025
: 가상 공간에 기 배치된 제2 스타일의 추천 비율,
Figure PCTKR2021018932-appb-img-000026
: 제1 사용자가 가상 공간에 배치한 제2 스타일 사물의 수, n: 제1 사용자가 가상 공간에 배치한 사물의 수,
Figure PCTKR2021018932-appb-img-000027
)
위와 같이,
Figure PCTKR2021018932-appb-img-000028
및
Figure PCTKR2021018932-appb-img-000029
의 값이 계산됨에 따라, 제어 모듈(127)은 추가로 요청된 사물에 대하여, 해당 사물의 식별 정보 중
Figure PCTKR2021018932-appb-img-000030
:
Figure PCTKR2021018932-appb-img-000031
의 비율로 제1 스타일에 해당하는 추가 사물의 식별 정보 및 제2 스타일에 해당하는 추가 사물의 식별 정보를 필터링하여 추천할 수 있다. 예를 들어,
Figure PCTKR2021018932-appb-img-000032
:
Figure PCTKR2021018932-appb-img-000033
= 4:1 (자연수로 환산한 비율)이고, 추천 개수가 20개로 기 설정되어 있는 경우, 사용자가 추가 사물로 "의자"의 정보를 요청했다면, 제1 스타일의 의자를
Figure PCTKR2021018932-appb-img-000034
=16개, 제2 스타일의 의자를
Figure PCTKR2021018932-appb-img-000035
=4개로 필터링하여 출력할 수 있다.
도 5는 본 발명의 일 실시예에 따른 사물 추천 장치(100)가 기 배치 사물 분석 기반으로 수행하는 사물 추천 방법의 동작 흐름도이다. 도 5에 따른 사물 추천 방법의 각 단계는 도 1을 통해 설명된 사물 추천 장치(100)의 구성들에 의해 수행될 수 있으며, 각 단계를 설명하면 다음과 같다.
빅데이터 DB(111)는 인테리어 서비스를 사용하는 사용자 정보와, 사용자가 배치한 인테리어 사물의 식별 정보 및 사물의 스타일을 포함하는 사물 정보 등 사용자에게 인테리어 서비스를 제공하면서 수집되는 다양한 정보를 포함하는 빅데이터를 저장할 수 있다(S510).
연산 모듈(125)은 인테리어 서비스를 사용하는 제1 사용자가 가상 공간에 기 배치한 사물의 스타일을 판별할 수 있다(S520). 예를 들어, 연산 모듈(125)은 가상 공간에 기 배치한 사물에 대해 도 3의 매핑 정보를 참조하여, 해당 사물의 스타일 정보를 판별할 수 있다.
연산 모듈(125)은 기 배치된 사물의 스타일 별로 각 스타일의 배치 횟수를 집계할 수 있다(S530). 예를 들어, 기 배치된 사물의 스타일의 종류가 제1 스타일 내지 제3 스타일로 3가지 종류인 경우, "제1 스타일 - 2개, 제2 스타일 - 1개, 제3 스타일 - 3개"와 같이 각 스타일의 배치 횟수를 집계할 수 있다.
제어 모듈(127)은 제1 사용자의 가상 공간에 새롭게 배치될 사물에 대한 정보가 요청되는 경우, 각 스타일 별 배치 횟수에 기초한 각 스타일의 추천 비율을 연산하여, 각 스타일 별로 새롭게 배치될 사물을 추천할 수 있다(S540).
예를 들어, 제1 사용자의 가상 공간에 기 배치된 사물의 스타일의 종류가 m개인 경우, 연산 모듈(125)은 하기 수학식 3에 따라 각 스타일의 추천 비율을 계산할 수 있다.
Figure PCTKR2021018932-appb-img-000036
(단, x = 0 일 때
Figure PCTKR2021018932-appb-img-000037
은 0, x = 1 일 때
Figure PCTKR2021018932-appb-img-000038
은 1)
(p는
Figure PCTKR2021018932-appb-img-000039
를 만족하는 자연수,
Figure PCTKR2021018932-appb-img-000040
: 제p 스타일의 추천 비율,
Figure PCTKR2021018932-appb-img-000041
: 제1 사용자가 가상 공간에 배치한 제p 스타일 사물의 수, n: 제1 사용자가 가상 공간에 배치한 사물의 수,
Figure PCTKR2021018932-appb-img-000042
)
이에 따라, 제어 모듈(127)은 새롭게 요청된 사물에 대한 식별 정보 중
Figure PCTKR2021018932-appb-img-000043
내지
Figure PCTKR2021018932-appb-img-000044
의 비율대로 제1 스타일 내지 제m 스타일에 해당하는 해당 사물의 식별 정보를 필터링하여 추천할 수 있다.
가령, 기 배치된 사물의 스타일이 세 종류라고 할 때, 수학식 3에 따라 계산된 각 스타일의 추천 비율이
Figure PCTKR2021018932-appb-img-000045
= 2:2:1 (자연수로 환산한 비율)이고, 추천 개수가 20개로 기 설정되어 있으며, 사용자가 새로운 사물로 "의자"의 정보를 요청했다고 가정하면, 제1 스타일의 의자를
Figure PCTKR2021018932-appb-img-000046
= 8개, 제2 스타일의 의자를
Figure PCTKR2021018932-appb-img-000047
= 8개, 제3 스타일의 의자를
Figure PCTKR2021018932-appb-img-000048
= 4개만큼, "의자"라는 상품에 매핑된 스타일 별 식별 정보를 필터링하여 추천할 수 있다.
더하여, 제어 모듈(127)은 제1 사용자와 특성을 공유하는 사용자 그룹군이 선호하는 스타일을 반영하여 새로운 사물을 추천할 수 있다. 이때 제1 사용자가 속하는 제1 그룹군의 판별은 도 2와 함께 상술한 동작에 따라 이뤄질 수 있다. 이에 따라, 제1 사용자의 가상 공간에서 새로운 사물에 대한 정보가 요청되는 경우, 제어 모듈(127)은
Figure PCTKR2021018932-appb-img-000049
내지
Figure PCTKR2021018932-appb-img-000050
의 비율에 제1 그룹군 스타일에 대해 연산한 비율인
Figure PCTKR2021018932-appb-img-000051
를 추가하여 각 스타일 별로 새로운 사물을 추천할 수 있다.
예를 들어, 연산 모듈(125)은 하기 수학식 4에 따라 제1 그룹군 스타일의 추천 비율을 계산할 수 있다.
[수학식 4]
Figure PCTKR2021018932-appb-img-000052
(단, n = 0 일 때
Figure PCTKR2021018932-appb-img-000053
은 1)
(
Figure PCTKR2021018932-appb-img-000054
: 제1 그룹군 스타일의 추천 비율, n: 제1 사용자가 가상 공간에 배치한 사물의 수, k: 제1 그룹군 사용자의 평균 사물 배치 개수)
이에 따라, 제어 모듈(127)은 제1 사용자의 가상 공간에서 새로운 사물에 대한 정보가 요청되는 경우,
Figure PCTKR2021018932-appb-img-000055
내지
Figure PCTKR2021018932-appb-img-000056
의 비율에
Figure PCTKR2021018932-appb-img-000057
의 비율을 추가하여 각 스타일 별로 요청된 사물을 추천할 수 있다.
가령, 기 배치된 사물의 스타일이 제1 내지 제3 스타일로서 세 종류이고, 제1 그룹군 스타일이 제x 스타일인 경우,
Figure PCTKR2021018932-appb-img-000058
= 1:2:1:1 (자연수로 환산한 비율) 이고, 추천 개수가 20개로 기 설정되어 있고, 사용자가 새로운 사물로 "의자"의 정보를 요청했다고 가정하면, 제1 스타일의 의자를
Figure PCTKR2021018932-appb-img-000059
= 4개, 제2 스타일의 의자를
Figure PCTKR2021018932-appb-img-000060
= 8개, 제3 스타일의 의자를
Figure PCTKR2021018932-appb-img-000061
= 4개, 제x 스타일의 의자를
Figure PCTKR2021018932-appb-img-000062
= 4개의 개수로, "의자"라는 상품에 매핑된 스타일 별 식별 정보를 필터링하여 추천할 수 있다.
이때, 제x 스타일이 제1 스타일 내지 제3 스타일 중에 어느 하나와 동일하다면, 수학식 4를 통해 연산된 제x 스타일의 추천 비율은 수학식 3을 통해 연산된 같은 스타일의 추천 비율에 더해질 수 있고, 제x 스타일이 제1 스타일 내지 제3 스타일 중 어느 하나와도 동일하지 않다면 별도의 추천 비율로 고려될 수 있다. 예를 들어, 제x 스타일이 제3 스타일이라면
Figure PCTKR2021018932-appb-img-000063
= 1:2:1:1은
Figure PCTKR2021018932-appb-img-000064
의 추천 비율은
Figure PCTKR2021018932-appb-img-000065
의 추천 비율에 더해져
Figure PCTKR2021018932-appb-img-000066
= 1:2:2와 같이 환산될 수 있다. 만약, 제x 스타일이 제4 스타일이라면 제1 내지 제4 스타일이
Figure PCTKR2021018932-appb-img-000067
= 1:2:1:1의 비율로 추천될 수 있다.
도 6은 본 발명의 일 실시예에 따라 색상환을 이용하여 기 배치된 벽지 및 바닥재와 어울리는 색상을 추천하는 동작을 설명하기 위한 예시도이다.
도 6을 참조하면, 제어 모듈(127)은 제1 사용자가 가상 공간에 배치한 벽지의 색상 및 바닥재의 색상을 기초로, 소정의 색상환(ex. 도 6)을 이용하여 제1 사용자가 요청한 사물에 대해 어울리는 색상을 추천할 수 있다.
예를 들어, 제어 모듈(127)은 도 6의 색상환에서 요청된 사물이 배치될 가상 공간의 벽지 색상과 유사 대비인 색상, 벽지의 색상과 반대 대비인 색상, 벽지의 색상과 보색 대비인 색상; 및 요청된 사물이 배치될 가상 공간의 바닥재의 색상과 유사 대비인 색상, 상기 벽지의 색상과 반대 대비인 색상, 상기 벽지의 색상과 보색 대비인 색상을 포함하는 색상군을 추출할 수 있다. 추출 이후, 제어 모듈(127)은 추출된 색상군 중 유사 대비, 반대 대비, 보색 대비의 우선 순위로 사용자가 요청한 사물의 색상을 추천할 수 있다. 한편, 제1 사용자의 가상 공간에 기 배치된 사물이 있는 경우, 제어 모듈(127)은 추출된 색상군에서 기 배치된 사물의 색상과 동일하거나 인접한 색상을 우선적으로 추천할 수 있다.
이때, 유사 대비란 색상환에서 특정 색상에 인접한 색상(도 6의 도면 부호 1)을 의미하며, 보색 대비란 색상환에서 특정 색상과 반대쪽에 위치하는 색상(도 6의 도면 부호 3)을 의미하고, 반대 대비는 특정 색상과 반대쪽에 위치하는 색상으로부터 인접한 색상(도 6의 도면 부호 2)을 의미한다.
인접한 색상의 정의에 대해, 본 발명에서는 색상환에서 특정 색상에 대해 시계 방향 또는 반시계 방향으로 마주하는 색상을 포함할 수 있으며, 또한 특정 색상으로부터 시계 방향 또는 반시계 방향으로 기 설정된 개수까지 배열된 색상을 포함할 수 있다.
상술한 실시예에 따르면, 인테리어 서비스를 사용하는 수많은 사용자가 자신의 가상 공간에 각종 인테리어 요소를 꾸며보면서 수집되는 빅데이터를 활용하여, 사용자들의 취향, 사용자들이 주로 함께 배치하는 사물들의 종류, 사용자들이 주로 함께 배치하는 사물들의 스타일을 반영한 추천 기술을 제공할 수 있다.
이를 위해, 본 발명의 실시예는 빅데이터에 포함된 다양한 사용자들의 정보로부터 다수의 공통적인 취향과 조화를 반영할 수 있는 연관도를 분석하는 기술을 사용하여, 사용자의 가상 공간에 새롭게 배치될 인테리어 요소를 추천할 수 있다.
상술한 본 발명의 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 프로세서, 컨트롤러, 마이크로 컨트롤러, 마이크로프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 이상에서 설명된 기능 또는 동작을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드 등이 기록된 컴퓨터 프로그램은 컴퓨터 판독 가능 기록 매체 또는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 메모리 유닛은 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 프로세서와 데이터를 주고받을 수 있다.
또한 본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
더불어 각 블록 또는 각 단계는 특정된 논리적 기능을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또한 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이와 같이, 본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적이며 한정적이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허 청구범위에 의하여 나타내어지며, 특허 청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (12)

  1. 사물 추천 장치에 있어서,
    소정의 동작을 수행하도록 하는 명령어들을 저장하는 하나 이상의 메모리; 및 상기 하나 이상의 메모리와 동작 가능 하도록 연결되어 상기 명령어들을 실행하도록 설정된 하나 이상의 프로세서를 포함하고,
    상기 프로세서가 수행하는 동작은,
    인테리어 서비스를 사용하는 사용자 정보와, 사용자가 배치한 인테리어 사물의 식별 정보 및 사물의 스타일을 포함하는 사물 정보로 구성된 빅데이터를 획득하는 동작;
    인테리어 서비스를 사용하는 제1 사용자가 가상 공간에 기 배치한 사물의 스타일을 판별하는 동작;
    상기 기 배치된 사물의 스타일 별로 각 스타일의 배치 횟수를 집계하는 동작; 및
    상기 제1 사용자의 가상 공간에 새롭게 배치될 소정 사물에 대한 정보가 요청되는 경우, 상기 각 스타일 별 배치 횟수에 기초한 각 스타일의 추천 비율을 연산하여 상기 소정 사물을 추천하는 동작을 포함하는,
    사물 추천 장치.
  2. 제1항에 있어서,
    상기 소정 사물을 추천하는 동작은,
    상기 기 배치된 사물의 스타일의 종류가 m개인 경우, 하기 수학식 1에 따라 각 스타일의 추천 비율을 계산하는 동작; 및
    [수학식 1]
    Figure PCTKR2021018932-appb-img-000068
    (단, x = 0 일 때
    Figure PCTKR2021018932-appb-img-000069
    은 0, x = 1 일 때
    Figure PCTKR2021018932-appb-img-000070
    은 1)
    (p는
    Figure PCTKR2021018932-appb-img-000071
    를 만족하는 자연수,
    Figure PCTKR2021018932-appb-img-000072
    : 제p 스타일의 추천 비율,
    Figure PCTKR2021018932-appb-img-000073
    : 제1 사용자가 가상 공간에 배치한 제p 스타일 사물의 수, n: 제1 사용자가 가상 공간에 배치한 사물의 수,
    Figure PCTKR2021018932-appb-img-000074
    )
    상기 소정 사물에 대한 식별 정 보중
    Figure PCTKR2021018932-appb-img-000075
    내지
    Figure PCTKR2021018932-appb-img-000076
    으 비율로 제1 스타일 내지 제m 스타일에 해당하는 상기 소정 사물의 식별 정보를 필터링하여 추천하는 동작을 포함하는,
    사물 추천 장치.
  3. 제2항에 있어서,
    상기 프로세서가 수행하는 동작은,
    상기 빅데이터에 포함된 상기 사용자 정보를 기준으로 사용자의 그룹군을 분류하는 동작;
    상기 분류된 그룹군 중 같은 그룹군 내의 사용자가 가상 공간에 배치한 사물의 스타일 별로 각 스타일의 배치 횟수를 집계하여, 상기 같은 그룹군에서 가장 많이 집계된 사물의 스타일을 판별하는 동작;
    제1 사용자의 정보를 기초로 상기 분류된 그룹군 중 상기 제1 사용자가 속하는 제1 그룹군을 판별하는 동작; 및
    상기 제1 그룹군에서 가장 많이 집계된 제1 그룹군 스타일을 판별하는 동작을 더 포함하고,
    상기 소정 사물을 추천하는 동작은,
    상기 제1 사용자의 가상 공간에서 소정 사물에 대한 정보가 요청되는 경우, 상기
    Figure PCTKR2021018932-appb-img-000077
    내지
    Figure PCTKR2021018932-appb-img-000078
    의 비율에 상기 제1 그룹군 스타일에 대해 기 설정된 비율을 추가하여 각 스타일 별로 상기 소정 사물을 추천하는 동작을 포함하는,
    사물 추천 장치.
  4. 제3항에 있어서,
    상기 소정 사물을 추천하는 동작은,
    하기 수학식 2에 따라 상기 제1 그룹군 스타일의 추천 비율을 계산하는 동작을 포함하고,
    [수학식 2]
    Figure PCTKR2021018932-appb-img-000079
    (단, n = 0 일 때
    Figure PCTKR2021018932-appb-img-000080
    은 1)
    (
    Figure PCTKR2021018932-appb-img-000081
    : 제1 그룹군 스타일의 추천 비율, n: 제1 사용자가 가상 공간에 배치한 사물의 수, k: 제1 그룹군 사용자의 평균 사물 배치 개수)
    상기 소정 사물을 추천하는 동작은,
    상기 제1 사용자의 가상 공간에서 소정 사물에 대한 정보가 요청되는 경우, 상기
    Figure PCTKR2021018932-appb-img-000082
    내지
    Figure PCTKR2021018932-appb-img-000083
    의 비율에
    Figure PCTKR2021018932-appb-img-000084
    의 비율을 추가하여 각 스타일 별로 상기 소정 사물을 추천하는 동작을 포함하는,
    사물 추천 장치.
  5. 제1항에 있어서,
    상기 사용자 정보는,
    사용자의 연령, 성별 및 인테리어 지역에 대한 정보를 포함하는
    사물 추천 장치.
  6. 제5항에 있어서,
    상기 사물의 스타일을 판별하는 동작은,
    기 설정된 범위로 나뉜 연령대, 성별, 인테리어 지역에 대해 공통으로 해당하는 사용자를 같은 그룹군으로 분류하는 동작;
    상기 같은 그룹군의 사용자가 가상 공간에 배치한 각 사물의 스타일 별로 배치 횟수를 집계하는 동작; 및
    상기 배치 횟수가 가장 많은 것으로 집계된 스타일을 상기 같은 그룹군에서 선호하는 스타일로 판별하는 동작을 포함하는,
    사물 추천 장치.
  7. 제1항에 있어서,
    상기 사물의 스타일은,
    재질, 브랜드 및 분위기 중 적어도 하나를 기준으로 사물의 성질을 분류하여 복수의 스타일로 구분되는,
    사물 추천 장치.
  8. 제1항에 있어서,
    상기 프로세서가 수행하는 동작은,
    상기 제1 사용자가 가상 공간에 배치한 벽지의 색상 및 바닥재의 색상을 기초로 상기 소정 사물의 색상을 추천하는 동작을 더 포함하는,
    사물 추천 장치.
  9. 제8항에 있어서,
    상기 색상을 추천하는 동작은,
    소정의 색상환을 이용하여, 상기 색상환에서 상기 벽지의 색상과 유사 대비인 색상, 상기 벽지의 색상과 반대 대비인 색상, 상기 벽지의 색상과 보색 대비인 색상; 및 상기 색상환에서 상기 바닥재의 색상과 유사 대비인 색상, 상기 벽지의 색상과 반대 대비인 색상, 상기 벽지의 색상과 보색 대비인 색상을 포함하는 색상군을 상기 소정 사물의 색상으로 추천하는 동작을 포함하는,
    사물 추천 장치.
  10. 제9항에 있어서,
    상기 색상을 추천하는 동작은,
    상기 제1 사용자의 가상 공간에 기 배치된 사물이 있는 경우, 상기 색상군에서 상기 기 배치된 사물의 색상과 동일하거나 인접한 색상을 우선적으로 추천하는 동작을 포함하는,
    사물 추천 장치.
  11. 사물 추천 장치가 수행하는 사물 추천 방법에 있어서,
    인테리어 서비스를 사용하는 사용자 정보와, 사용자가 배치한 인테리어 사물의 식별 정보 및 사물의 스타일을 포함하는 사물 정보로 구성된 빅데이터를 획득하는 단계;
    인테리어 서비스를 사용하는 제1 사용자가 가상 공간에 기 배치한 사물의 스타일을 판별하는 단계;
    상기 기 배치된 사물의 스타일 별로 각 스타일의 배치 횟수를 집계하는 동작; 및
    상기 제1 사용자의 가상 공간에 새롭게 배치될 소정 사물에 대한 정보가 요청되는 경우, 상기 각 스타일 별 배치 횟수에 기초하여 각 스타일의 추천 비율을 조절하여 상기 소정 사물을 추천하는 단계를 포함하는,
    사물 추천 방법.
  12. 제11항의 방법을 프로세서가 수행하도록 하는 컴퓨터 판독 가능 기록매체에 저장된 컴퓨터 프로그램.
PCT/KR2021/018932 2020-12-14 2021-12-14 인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법 WO2022131736A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202180084228.1A CN116615744A (zh) 2020-12-14 2021-12-14 利用基于室内装修服务的大数据的已布置事物分析的事物特性推荐装置及方法
EP21907040.6A EP4246417A1 (en) 2020-12-14 2021-12-14 Method and device for recommending object feature via existing object analysis based on big data of interior design service
JP2023535061A JP2023554300A (ja) 2020-12-14 2021-12-14 インテリアーサービスのビックデータ基盤の既配置事物分析を通じた事物特性推薦装置及び方法
US18/331,539 US20230316689A1 (en) 2020-12-14 2023-06-08 Method and device for recommending object feature via existing object analysis based on big data of interior design service

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200174313A KR102510521B1 (ko) 2020-12-14 2020-12-14 인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법
KR10-2020-0174313 2020-12-14

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/331,539 Continuation US20230316689A1 (en) 2020-12-14 2023-06-08 Method and device for recommending object feature via existing object analysis based on big data of interior design service

Publications (1)

Publication Number Publication Date
WO2022131736A1 true WO2022131736A1 (ko) 2022-06-23

Family

ID=82059251

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/018932 WO2022131736A1 (ko) 2020-12-14 2021-12-14 인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법

Country Status (6)

Country Link
US (1) US20230316689A1 (ko)
EP (1) EP4246417A1 (ko)
JP (1) JP2023554300A (ko)
KR (1) KR102510521B1 (ko)
CN (1) CN116615744A (ko)
WO (1) WO2022131736A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014102767A (ja) * 2012-11-21 2014-06-05 Daiwa House Industry Co Ltd インテリア選択支援システム及びインテリア選択支援方法
US20180102858A1 (en) * 2015-03-24 2018-04-12 Carrier Corporation System and method for determining rf sensor performance relative to a floor plan
KR20190092914A (ko) * 2018-01-31 2019-08-08 진승혁 인테리어 자동 견적 방법 및 프로그램
KR20190111548A (ko) * 2018-03-23 2019-10-02 조소영 공간 이미지에 적합한 추천 상품의 매칭 시스템
KR20200103202A (ko) * 2019-02-20 2020-09-02 동의대학교 산학협력단 딥러닝 뉴럴 네트워크 기반의 상품 추천 서비스 제공방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101833779B1 (ko) 2016-06-10 2018-03-05 박희정 인테리어 서비스 방법 및 인테리어 서비스 시스템
KR20200129785A (ko) * 2019-05-10 2020-11-18 신명석 가구에 대한 공간 분석 방법 및 그 장치
KR102177336B1 (ko) * 2020-05-26 2020-11-10 주식회사 드림인사이트 데이터 필터링을 이용한 고객과 인테리어 업체간 매칭 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014102767A (ja) * 2012-11-21 2014-06-05 Daiwa House Industry Co Ltd インテリア選択支援システム及びインテリア選択支援方法
US20180102858A1 (en) * 2015-03-24 2018-04-12 Carrier Corporation System and method for determining rf sensor performance relative to a floor plan
KR20190092914A (ko) * 2018-01-31 2019-08-08 진승혁 인테리어 자동 견적 방법 및 프로그램
KR20190111548A (ko) * 2018-03-23 2019-10-02 조소영 공간 이미지에 적합한 추천 상품의 매칭 시스템
KR20200103202A (ko) * 2019-02-20 2020-09-02 동의대학교 산학협력단 딥러닝 뉴럴 네트워크 기반의 상품 추천 서비스 제공방법

Also Published As

Publication number Publication date
US20230316689A1 (en) 2023-10-05
EP4246417A1 (en) 2023-09-20
CN116615744A (zh) 2023-08-18
KR20220084640A (ko) 2022-06-21
JP2023554300A (ja) 2023-12-27
KR102510521B1 (ko) 2023-03-16

Similar Documents

Publication Publication Date Title
JP2759121B2 (ja) 関連画像情報へ誘導するためのナビゲータの生成表示方法及びその装置
WO2015034295A1 (en) Method and apparatus for configuring and recommending device action using user context
CN107407967A (zh) 信息处理系统、信息处理方法和程序
WO2010082791A2 (ko) 패턴생성 장치 및 방법과 장갑 주문제작 장치 및 방법
CN107704527A (zh) 数据存储方法、装置及存储介质
WO2019098455A1 (ko) 창업자 자가 진단 결과를 반영한 창업 지원 서비스 제공 방법
EP3042280A1 (en) Method and apparatus for configuring and recommending device action using user context
CN108846869A (zh) 一种基于自然图像色彩的服装自动配色方法
WO2023282459A1 (ko) 블록체인 기반의 데이터베이스 구축을 이용한 스타일링 서비스 제공 방법 및 장치
CN107885429A (zh) 灯控模型的构建方法及灯控方法、系统、装置和存储介质
WO2022131736A1 (ko) 인테리어 서비스의 빅데이터 기반의 기 배치 사물 분석을 통한 사물 특성 추천 장치 및 방법
WO2022131734A1 (ko) 인테리어 서비스의 빅데이터 기반의 사용자 그룹군 분석을 통한 사물 추천 장치 및 방법
JP2006331132A (ja) ドレッシングシステム
Fukuda et al. Perceptional retrieving method for distributed design image database system
CN104134267A (zh) 一种分诊叫号管理系统及方法
WO2023068514A1 (ko) 고객 맞춤형 헤어스타일 컨설팅 시스템 및 방법
WO2020204289A1 (ko) 인공지능 기반의 검색 데이터 통합 제공 시스템
WO2022080697A1 (ko) 데이터 및 알고리즘 공유 클라우드 시스템
WO2022019389A1 (ko) 데이터 증강 기반 공간 분석 모델 학습 장치 및 방법
WO2021107642A2 (ko) 패션 정보 제공 방법, 장치 및 시스템
WO2017111325A1 (ko) 생체 정보를 이용한 원격 상담 방법 및 장치
WO2010041818A2 (ko) 태그 적합성 피드백 시스템 및 방법
CN108132940A (zh) 一种应用程序数据提取方法及装置
CN106023043A (zh) 一种城市规划市民互动系统
WO2018147625A1 (ko) 메이크업 제품 검색 장치 및 방법

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: 21907040

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023535061

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202180084228.1

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2021907040

Country of ref document: EP

Effective date: 20230615

NENP Non-entry into the national phase

Ref country code: DE