WO2024048907A1 - 아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램 - Google Patents

아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램 Download PDF

Info

Publication number
WO2024048907A1
WO2024048907A1 PCT/KR2023/006624 KR2023006624W WO2024048907A1 WO 2024048907 A1 WO2024048907 A1 WO 2024048907A1 KR 2023006624 W KR2023006624 W KR 2023006624W WO 2024048907 A1 WO2024048907 A1 WO 2024048907A1
Authority
WO
WIPO (PCT)
Prior art keywords
item
information
menu
ledger
processor
Prior art date
Application number
PCT/KR2023/006624
Other languages
English (en)
French (fr)
Inventor
권두호
김인철
박현주
이진희
정주희
구동현
이상진
임지선
Original Assignee
네이버 주식회사
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 네이버 주식회사 filed Critical 네이버 주식회사
Publication of WO2024048907A1 publication Critical patent/WO2024048907A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/84—Mapping; Conversion
    • 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
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Definitions

  • the explanation below relates to technology for managing item information.
  • Korea Patent Publication No. 10-1576096 (registration date December 3, 2015) describes a technology that identifies and duplicates POI data of the same company. It has been disclosed.
  • the computer device includes at least one processor configured to execute computer-readable instructions included in a memory
  • the item integrated management method includes: , obtaining item information related to the location received through a plurality of service channels based on the location; and mapping, by the at least one processor, the item information to item source data of the location for integrated management.
  • the acquiring step may include extracting the item information from information registered through the service channel in relation to the place.
  • the acquiring step may include converting the item information received in different formats depending on the service channel into a predefined regular data format.
  • the step of integrated management may include mapping the item information to the item source data using at least one of a predefined rule, dictionary information, and a machine learning model. there is.
  • the integrated management step includes: estimating an item name from text corresponding to the item information based on a rule using dictionary information; And it may include comparing the item name with the item on the ledger and mapping the item information to the item ledger data.
  • the integrated management step includes: estimating an item name from text corresponding to the item information based on a machine learning model; And it may include comparing the item name with the item on the ledger and mapping the item information to the item ledger data.
  • the machine learning model may be a model learned with at least one of the item raw data and data mapped to the item raw data.
  • the mapping step may include mapping the item information to the same item as the item on the original when it is determined that the item information matches or is similar to an item on the original.
  • the mapping step may further include adding the item information as a new item to the directory when it is determined that the item information is an item that is not in the directory.
  • the mapping step includes estimating an item name and an option name from text corresponding to the item information; and mapping the item name and the option name to the item source data.
  • a computer program stored in a non-transitory computer-readable recording medium is provided to execute the item integrated management method on the computer device.
  • a computer device comprising: at least one processor configured to execute computer-readable instructions included in a memory, wherein the at least one processor stores item information related to the location that is received through a plurality of service channels based on the location; The process of acquiring; and a computer device that processes the integrated management process by mapping the item information to item ledger data of the location.
  • an item ledger platform that integrates and manages item information received through multi-channels related to location, distributed or duplicate information can be managed more efficiently and system resources can be saved. You can.
  • various item information can be managed integratedly by platform mapping and duplication management of item information coming in through multi-channels with different characteristics.
  • FIG. 1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention.
  • Figure 2 is a block diagram showing an example of a computer device according to an embodiment of the present invention.
  • Figure 3 is a flowchart showing an example of an item integrated management method that can be performed by a computer device according to an embodiment of the present invention.
  • Figure 4 shows an example of a multi-channel through which item information is received in one embodiment of the present invention.
  • Figure 5 shows an example of the item mapping process in one embodiment of the present invention.
  • Figures 6 and 7 are example diagrams for explaining the rule-based item mapping process in one embodiment of the present invention.
  • Figure 8 is an example diagram illustrating a machine learning-based item mapping process in one embodiment of the present invention.
  • Figure 9 shows an example of a company's item ledger data in one embodiment of the present invention.
  • Figure 10 shows an example of item information received from multi-channel in one embodiment of the present invention.
  • Figure 11 shows an example of item integration through item mapping in one embodiment of the present invention.
  • Embodiments of the present invention relate to technology for managing item information.
  • Embodiments including those specifically disclosed in this specification can provide an item ledger platform that integrates and manages various types of item information received through multi-channels.
  • the item integrated management system may be implemented by at least one computer device, and the item integrated management method according to embodiments of the present invention may be implemented by at least one computer device included in the item integrated management system. It can be performed through .
  • the computer program according to an embodiment of the present invention may be installed and driven in the computer device, and the computer device may perform the item integrated management method according to the embodiments of the present invention under the control of the driven computer program.
  • the above-described computer program may be combined with a computer device and stored in a computer-readable recording medium to execute the integrated item management method on the computer.
  • FIG. 1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention.
  • the network environment in FIG. 1 shows an example including a plurality of electronic devices 110, 120, 130, and 140, a plurality of servers 150 and 160, and a network 170.
  • Figure 1 is an example for explaining the invention, and the number of electronic devices or servers is not limited as in Figure 1.
  • the network environment in FIG. 1 only explains one example of environments applicable to the present embodiments, and the environment applicable to the present embodiments is not limited to the network environment in FIG. 1.
  • the plurality of electronic devices 110, 120, 130, and 140 may be fixed terminals or mobile terminals implemented as computer devices. Examples of the plurality of electronic devices 110, 120, 130, and 140 include smart phones, mobile phones, navigation devices, computers, laptops, digital broadcasting terminals, Personal Digital Assistants (PDAs), and Portable Multimedia Players (PMPs). ), tablet PC, etc.
  • PDAs Personal Digital Assistants
  • PMPs Portable Multimedia Players
  • FIG. 1 the shape of a smartphone is shown as an example of the electronic device 110.
  • the electronic device 110 actually communicates with other devices through the network 170 using a wireless or wired communication method. It may refer to one of various physical computer devices capable of communicating with electronic devices 120, 130, 140 and/or servers 150, 160.
  • the communication method is not limited, and may include not only a communication method utilizing a communication network that the network 170 may include (for example, a mobile communication network, wired Internet, wireless Internet, and a broadcast network), but also short-range wireless communication between devices.
  • the network 170 may include a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), and a broadband network (BBN).
  • PAN personal area network
  • LAN local area network
  • CAN campus area network
  • MAN metropolitan area network
  • WAN wide area network
  • BBN broadband network
  • the network 170 may include any one or more of network topologies including a bus network, star network, ring network, mesh network, star-bus network, tree or hierarchical network, etc. Not limited.
  • Each of the servers 150 and 160 is a computer device or a plurality of computers that communicate with a plurality of electronic devices 110, 120, 130, 140 and a network 170 to provide commands, codes, files, content, services, etc. It can be implemented with devices.
  • the server 150 may be a system that provides services (e.g., item ledger platform service, etc.) to a plurality of electronic devices 110, 120, 130, and 140 connected through the network 170. .
  • FIG. 2 is a block diagram showing an example of a computer device according to an embodiment of the present invention.
  • Each of the plurality of electronic devices 110, 120, 130, and 140 described above or each of the servers 150 and 160 may be implemented by the computer device 200 shown in FIG. 2.
  • this computer device 200 may include a memory 210, a processor 220, a communication interface 230, and an input/output interface 240.
  • the memory 210 is a computer-readable recording medium and may include a non-permanent mass storage device such as random access memory (RAM), read only memory (ROM), and a disk drive.
  • RAM random access memory
  • ROM read only memory
  • disk drive non-perishable large-capacity recording devices such as ROM and disk drives may be included in the computer device 200 as a separate permanent storage device that is distinct from the memory 210.
  • an operating system and at least one program code may be stored in the memory 210. These software components may be loaded into the memory 210 from a computer-readable recording medium separate from the memory 210.
  • Such separate computer-readable recording media may include computer-readable recording media such as floppy drives, disks, tapes, DVD/CD-ROM drives, and memory cards.
  • software components may be loaded into the memory 210 through the communication interface 230 rather than a computer-readable recording medium.
  • software components may be loaded into memory 210 of computer device 200 based on computer programs installed by files received over network 170.
  • the processor 220 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input/output operations. Commands may be provided to the processor 220 by the memory 210 or the communication interface 230. For example, processor 220 may be configured to execute received instructions according to program code stored in a recording device such as memory 210.
  • the communication interface 230 may provide a function for the computer device 200 to communicate with other devices (eg, the storage devices described above) through the network 170. For example, a request, command, data, file, etc. generated by the processor 220 of the computer device 200 according to a program code stored in a recording device such as memory 210 is transmitted to the network ( 170) and can be transmitted to other devices. Conversely, signals, commands, data, files, etc. from other devices may be received by the computer device 200 through the communication interface 230 of the computer device 200 via the network 170. Signals, commands, data, etc. received through the communication interface 230 may be transmitted to the processor 220 or memory 210, and files, etc. may be stored in a storage medium (as described above) that the computer device 200 may further include. It can be stored as a permanent storage device).
  • a storage medium as described above
  • the input/output interface 240 may be a means for interfacing with the input/output device 250.
  • input devices may include devices such as a microphone, keyboard, or mouse, and output devices may include devices such as displays and speakers.
  • the input/output interface 240 may be a means for interfacing with a device that integrates input and output functions, such as a touch screen.
  • the input/output device 250 may be configured as a single device with the computer device 200.
  • computer device 200 may include fewer or more components than those of FIG. 2 . However, there is no need to clearly show most prior art components.
  • the computer device 200 may be implemented to include at least some of the input/output devices 250 described above, or may further include other components such as a transceiver, a database, etc.
  • an item may encompass objects sold or serviced in places such as restaurants, cafes, stores, attractions, hot places, etc.
  • places such as restaurants, cafes, stores, attractions, hot places, etc.
  • menus sold in businesses such as restaurants and cafes as a representative example of an item.
  • the present embodiments can provide a menu ledger platform that integrates and manages various types of menu information received through multi-channel as menu information at the company level based on location (hereinafter referred to as 'business').
  • the computer device 200 may be configured with a computer-implemented item integrated management system.
  • the processor 220 of the computer device 200 may be implemented as a component for performing the following item integrated management method.
  • components of the processor 220 may be selectively included in or excluded from the processor 220. Additionally, depending on the embodiment, components of the processor 220 may be separated or merged to express the functions of the processor 220.
  • the processor 220 and the components of the processor 220 can control the computer device 200 to perform steps included in the following integrated item management method.
  • the processor 220 and its components may be implemented to execute instructions according to the code of an operating system included in the memory 210 and the code of at least one program.
  • the components of the processor 220 may be expressions of different functions performed by the processor 220 according to instructions provided by program codes stored in the computer device 200.
  • the processor 220 may read necessary instructions from the memory 210 where instructions related to controlling the computer device 200 are loaded.
  • the read command may include an command for controlling the processor 220 to execute steps that will be described later.
  • Steps included in the item integrated management method to be described later may be performed in an order different from the order shown, and some of the steps may be omitted or additional processes may be included.
  • Figure 3 is a flowchart showing an example of an item integrated management method that can be performed by a computer device according to an embodiment of the present invention.
  • the processor 220 may obtain menu information received through a plurality of channels related to each company based on the company.
  • the processor 220 is a service channel that can be linked to the server 150 and can receive menu information related to the company through various service channels (e.g., review service, map service, company operation management service, etc.) linked to the company. You can.
  • Menu information may include the names, options, prices, classifications, images, etc. of products or services sold by the company.
  • all service channels for a company may use the same ID or may have an identification system for IDs that can be mapped to each other.
  • the processor 220 may collect content registered as a review of a business from a multi-channel, a receipt image for authenticating a visit to the business, an image of the business's menu board, and various data registered by a service operator or business owner related to the business. You can collect and extract the menu information of the relevant company.
  • the processor 220 may convert menu information received through multi-channels into a regular data format.
  • the processor 220 may perform cleaning and normalization based on text among menu information received through multi-channels.
  • the processor 220 can convert text data received in different formats for each channel into data in a common format. For example, the processor 220 removes characters that cannot be processed by the system, such as non-printable characters or spaces, from the text collected as menu information, and normalizes them to system control characters or Unicode by defining them in advance. It can be converted to a regular data format with established rules.
  • the processor 220 can integrate and manage the menu information of the company by mapping the menu information refined and normalized in step S320 to the menu ledger data of the company.
  • the menu ledger may refer to a menu DB that predefines menus subject to management by each company, options and categories for each menu, etc. based on the company.
  • the processor 220 can manage menu raw data on a company-by-company basis, and at this time, menu information flowing in through multi-channels can be integrated and managed for each menu.
  • the processor 220 can recognize menu information in different formats coming from multi-channels as the same menu and add it to the menu source through mapping and duplication management of menu information to the menu source.
  • menu dictionary may be constructed as a menu name dictionary that collects menus such as products or services sold at the business (for example, Americano, latte, cappuccino, etc.).
  • the option dictionary can be constructed as an option name dictionary that collects options related to each menu (for example, ICE, HOT, SHORT, TALL, TAKEOUT, etc. for Americano).
  • a thesaurus can be constructed as a dictionary that collects word systems with similar or identical meanings, such as synonyms, synonyms, and foreign words of words included in the menu dictionary and option dictionary.
  • a stop word dictionary can be constructed as a dictionary that collects stop word systems such as articles, prepositions, particles, and conjunctions, as well as special characters and symbols that cannot be processed in the system.
  • Figure 4 shows an example of a multi-channel through which menu information is input in one embodiment of the present invention.
  • the processor 220 processes review data 410, receipt data 420, menu board data 430 registered by service users based on the company, and brand data 440 registered by the service operator. ), the menu information of the business can be extracted from the business data 450 registered by the business owner.
  • the review data 410 is written directly by the service user through a review service channel, etc., and menu information input by the service user can be input from the review data 410.
  • the menu information imported from the review data 410 has the characteristics of a free form of data as it is directly input by the service user.
  • the receipt data 420 is submitted directly by the service user through a review service channel, etc. to authenticate the visit to the business, and menu information can be obtained from the receipt image uploaded by the service user as the basis for the visit.
  • the menu information imported from the receipt data 420 is extracted through OCR recognition of the receipt image, and character recognition errors may occur during the OCR recognition process. If the menu name is long, some text may be missing as it is not displayed on the receipt. , it can have various expression forms, such as symbols or abbreviations used by the company.
  • the menu board data 430 includes a menu board image directly submitted by a service user through a review service channel, a location service channel, etc., and menu information may be imported from a menu board image uploaded by a service user. Menu information imported from the menu board data 430 is also extracted through OCR recognition of the menu board image, and character recognition errors may occur during the OCR recognition process.
  • Brand data 440 is collected from a website released by the service operator through a company operation management service channel, etc., and menu information can be imported from the collected data.
  • the business data 450 is created directly by the business owner through a business operation management service channel, etc., and menu information input by the business owner can be input from the business data 450.
  • the processor 220 can collect menu information for each company through various service channels linked to the company, and at this time, the menu information may be input as data in different expression methods depending on the characteristics of each channel.
  • Figure 5 shows an example of the menu mapping process in one embodiment of the present invention.
  • the processor 220 can convert data input in different formats for each channel into data in a common format for menu information input through multi-channels through a formatting process (S320) including purification and normalization. there is.
  • S320 formatting process
  • the processor 220 performs a menu mapping process (S330) to integrate menu information received through multi-channels by adding it to the menu source.
  • the menu mapping process (S330) is a rule-based menu mapping process (S331).
  • a hybrid method combining and machine learning-based menu mapping process (S332) can be applied.
  • either a rule-based menu mapping process (S331) or a machine learning-based menu mapping process (S332) can be applied.
  • the processor 220 performs a machine learning-based menu mapping process (S332) excluding the rule-based menu mapping process (S331) in a menu mapping process (S330) to integrate menu information received through multi-channels. It can be applied alone.
  • the process of adding the menu to the menu directory as a new menu may include a category mapping process (S333) in which the category of the new menu is determined and mapped.
  • the category can be used not only for menu classification but also for menu search on the Internet, menu recommendation, and menu personalization.
  • Figure 6 shows a rule-based menu mapping process in one embodiment of the present invention.
  • the processor 220 may tokenize text collected as menu information for a specific company (hereinafter referred to as 'menu text').
  • the processor 220 may remove stop words such as special characters, articles, prepositions, particles, and conjunctions from the menu text. In addition to stop words, unnecessary words such as words that appear less frequently and meaningless words can be removed from text data.
  • the processor 220 may separate tokens based on the part-of-speech unit after removing noise data such as special characters from the menu text.
  • the processor 220 uses a regular data format that the system can process by removing spaces, etc.
  • the text can be converted to 'ICE) Americano'.
  • the processor 220 can separate 'ICE) Americano', which is a text in a regular data format, into tokens in parts-of-speech units (i.e., 'ICE' and 'Americano').
  • the processor 220 may correct typos included in text or text misrecognized in OCR before or after tokenization.
  • the processor 220 may correct typos or misrecognized text using dictionary information built in advance, such as a menu dictionary, option dictionary, or thesaurus.
  • the processor 220 may estimate the menu name and option name included in the menu text based on the token.
  • the processor 220 may estimate the menu name and option name included in the menu text by comparing words separated in token units with words in the menu dictionary and the option dictionary. For 'ICE' and 'Americano' separated from the menu text, if 'Americano' is in the menu dictionary and 'ICE' is in the option dictionary, 'Americano' can be definitively assumed to be the menu name and 'ICE' to be the option name. Meanwhile, if 'ICE' and 'Americano' are not in the menu dictionary and option dictionary, 'ICE' and 'Americano' can be assumed to be unconfirmed.
  • a thesaurus can be used together to estimate menu names and option names within semantically similar categories.
  • the processor 220 may map the menu name and option name to the menu raw data of the corresponding company.
  • the processor 220 may add text estimated to be the menu name and option name from the menu text to the company's menu ledger through comparison (match/similarity judgment) with words in the dictionary. If there is a menu 'Americano' in Company A's menu ledger data and it is determined that 'Americano' separated from the menu text is the menu name and 'ICE' is the option name, the menu information can be mapped to Company A's menu ledger. .
  • menu raw data (automatic mapping)
  • option name if only the menu name is confirmed and estimated, it can be automatically added as menu raw data (automatic mapping), and if the menu name and option name are confirmed and estimated together, they can be added as menu raw data after confirmation by the operator (recommended mapping).
  • 'Americano' is confirmed to be the menu name and 'ICE' is the option name while there is no menu 'Americano' in Company A's menu ledger data, 'Americano' can be added as a new menu to the menu ledger.
  • menu name if only the menu name is confirmed and estimated, it can be automatically added to the menu ledger data (automatic inspection added), and if the menu name and option name are confirmed and estimated together, they can be added to the menu ledger data after confirmation by the operator (recommended inspection added) ).
  • the processor 220 can remove redundant data from data mapped or added to the menu source through rule-based menu mapping, and then store and manage it.
  • the processor 220 can estimate and map the same menu on the menu source for menu information received through multi-channel based on rules using menu source data, menu dictionary, option dictionary, etc.
  • Figure 8 shows a machine learning-based menu mapping process in one embodiment of the present invention.
  • the processor 220 may estimate the menu name and option name included in the menu text through a machine learning model.
  • the processor 220 may apply a machine learning-based grounding technology that finds similar text in a database using the input information.
  • a machine learning model for menu estimation can be created by using at least one of the menu raw data or the data mapped through the above-mentioned rule-based menu mapping process as learning data. For example, if the menu text 'ICE) Americano' is given, 'Americano' is changed from the menu text 'ICE) Americano' to the menu name, 'ICE', through a machine learning model learned with menu raw data or rule-based menu mapping data. It can be estimated from the option name.
  • the processor 220 may correct typos or misrecognized text included in the menu text using a machine learning model.
  • the accuracy of the estimation results can be increased based on the machine learning model through model learning, including synonym processing, as well as correction of typos or misrecognized text.
  • the processor 220 may map the menu name and option name estimated through the machine learning model to the company's menu raw data.
  • the processor 220 may use a machine learning model to add the text estimated as the menu name and option name to the company's menu ledger by determining that the menu name and option name estimated from the menu text are consistent/similar to the menu ledger.
  • the menu mapping process (S802) according to the estimation results of the machine learning model is similar to the rule-based menu mapping process (S603) described above.
  • the processor 220 can remove redundant data from data mapped or added to the menu directory through menu mapping based on a machine learning model and then store and manage it.
  • the processor 220 can estimate and map the same menu on the menu source for menu information coming in through multi-channels through menu grounding using a machine learning model.
  • the processor 220 may manage menu raw data including mapping results according to the rule-based menu mapping process (S331) and mapping results according to the machine learning-based menu mapping process (S332).
  • the menu ledger may refer to a menu DB that predefines menus subject to management by each company, options and categories for each menu, etc. based on the company.
  • Figure 9 shows menu raw data 900 for 'Americano', a menu of Company A.
  • the menu raw data 900 may include a menu name 910, an option list 920, and a category 930 for the menu subject to management, and depending on the embodiment, the menu name 910 corresponds to the menu name 910.
  • a menu dictionary 940 including synonyms, synonyms, foreign words, etc. may be included.
  • Figure 10 shows menu text 1000 coming from a service channel linked to company A.
  • Menu text (1000) includes receipt data of Company A submitted directly by service users in review services, etc., review data of Company A written directly by service users in review services, etc., and Company A data submitted directly by service users in review services, location services, etc. It may consist of menu information received through multi-channels, such as menu board data. Even if the menu text 1000 is the same menu, it may be input as data in a different expression format depending on the characteristics of the service channel or service user.
  • the processor 220 can estimate the menu name and option name from the menu text 1000 input through each channel.
  • the processor 220 can estimate the menu name and option name included in the menu text 1000 based on rules using dictionary information such as a menu dictionary, option dictionary, and thesaurus, or a machine learning model learned with various types of menu text. .
  • dictionary information such as a menu dictionary, option dictionary, and thesaurus, or a machine learning model learned with various types of menu text.
  • dictionary information such as a menu dictionary, option dictionary, and thesaurus, or a machine learning model learned with various types of menu text.
  • dictionary information such as a menu dictionary, option dictionary, and thesaurus, or a machine learning model learned with various types of menu text.
  • dictionary information such as a menu dictionary, option dictionary, and thesaurus, or a machine learning model learned with various types of menu text.
  • 'Ice Americano Short' imported from review data
  • 'Ice' and 'Short' can be assumed to be option names
  • the processor 220 recognizes the menu text 1100 representing the same menu as the menu in the menu raw data 900 through menu name estimation among the menu text 1000 received through multi-channel and selects the same menu. It can be mapped to .
  • the option name 1101 estimated from the menu text 1100 can be integrated and managed with the options on the original book.
  • the processor 220 can platform menu information at the company level and integrate and manage menu information in various expression formats received through multi-channels as structured data.
  • menu ledger platform that integrates and manages various menu information received through multi-channels in relation to a business
  • distributed or duplicate information can be managed more efficiently and system resources can be saved. You can save.
  • various menu information can be managed integratedly by platform mapping and duplication management of menu information coming in through multi-channels with different characteristics.
  • the device described above may be implemented with hardware components, software components, and/or a combination of hardware components and software components.
  • the devices and components described in the embodiments include a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA), and a programmable logic unit (PLU).
  • ALU arithmetic logic unit
  • FPGA field programmable gate array
  • PLU programmable logic unit
  • It may be implemented using one or more general-purpose or special-purpose computers, such as a logic unit, microprocessor, or any other device capable of executing and responding to instructions.
  • the processing device may execute an operating system (OS) and one or more software applications running on the operating system. Additionally, a processing device may access, store, manipulate, process, and generate data in response to the execution of software.
  • OS operating system
  • a processing device may access, store, manipulate, process, and generate data in response to the execution of software.
  • a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include.
  • a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.
  • Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device.
  • the software and/or data may be embodied in any type of machine, component, physical device, computer storage medium or device for the purpose of being interpreted by or providing instructions or data to the processing device. there is.
  • Software may be distributed over networked computer systems and stored or executed in a distributed manner.
  • Software and data may be stored on one or more computer-readable recording media.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium.
  • the medium may continuously store a computer-executable program, or temporarily store it for execution or download.
  • the medium may be a variety of recording or storage means in the form of a single or several pieces of hardware combined. It is not limited to a medium directly connected to a computer system and may be distributed over a network. Examples of media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, And there may be something configured to store program instructions, including ROM, RAM, flash memory, etc. Additionally, examples of other media include recording or storage media managed by app stores that distribute applications, sites or servers that supply or distribute various other software, etc.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Library & Information Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Machine Translation (AREA)

Abstract

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

Description

아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
아래의 설명은 아이템 정보를 관리하는 기술에 관한 것이다.
통신과 멀티미디어 기술의 다양한 발달로 업체 정보를 제공하기 위한 수단이 다양해지고 있다. 이에 따라, 사용자가 편리하게 이용할 수 있는 업체 정보 제공 서비스가 제공되고 있다.
유무선 인터넷을 통하여 사용자가 원하는 업체를 검색함에 따라 업체 정보를 제공하는 서비스가 있다. 예를 들면, 사용자가 검색 엔진을 통하여 업체를 검색함에 따라 업체에 대한 다양한 정보를 제공받을 수 있다.
업체 정보 제공 서비스를 위해 업체 정보를 수집하여 관리하는 기술의 일례로, 한국 등록특허공보 제10-1576096호(등록일 2015년 12월 03일)에는 동일한 업체의 POI 데이터를 판별하여 중복 처리하는 기술이 개시되어 있다.
장소와 관련하여 멀티 채널을 통해 인입되는 아이템 정보를 통합하여 관리하는 아이템 원부 플랫폼을 제공할 수 있다.
컴퓨터 장치에서 실행되는 아이템 통합 관리 방법에 있어서, 상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 아이템 통합 관리 방법은, 상기 적어도 하나의 프로세서에 의해, 장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 단계를 포함하는 아이템 통합 관리 방법을 제공한다.
일 측면에 따르면, 상기 획득하는 단계는, 상기 장소와 관련하여 상기 서비스 채널을 통해 등록된 정보로부터 상기 아이템 정보를 추출하는 단계를 포함할 수 있다.
다른 측면에 따르면, 상기 획득하는 단계는, 상기 서비스 채널에 따라 서로 다른 형식으로 인입되는 상기 아이템 정보를 사전에 정의된 정규 데이터 형식으로 변환하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 통합 관리하는 단계는, 사전에 정의된 규칙(rule)과 사전 정보 및 기계학습 모델 중 적어도 하나를 이용하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 통합 관리하는 단계는, 사전 정보를 이용한 규칙을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및 상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 통합 관리하는 단계는, 기계학습 모델을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및 상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 기계학습 모델은 상기 아이템 원부 데이터 및 상기 아이템 원부 데이터에 매핑된 데이터 중 적어도 하나로 학습된 모델일 수 있다.
또 다른 측면에 따르면, 상기 매핑하는 단계는, 상기 아이템 정보가 원부 상의 아이템과 일치하거나 유사한 아이템으로 판단되는 경우 상기 아이템 정보를 원부 상의 아이템과 같은 아이템으로 매핑하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 매핑하는 단계는, 상기 아이템 정보가 원부 상에 없는 아이템으로 판단되는 경우 상기 아이템 정보를 신규 아이템으로 원부 상에 추가하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 매핑하는 단계는, 상기 아이템 정보에 해당되는 텍스트에서 아이템명과 옵션명을 추정하는 단계; 및 상기 아이템명과 상기 옵션명을 상기 아이템 원부 데이터에 매핑하는 단계를 포함할 수 있다.
상기 아이템 통합 관리 방법을 상기 컴퓨터 장치에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램을 제공한다.
컴퓨터 장치에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 과정; 및 상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 과정을 처리하는 컴퓨터 장치를 제공한다.
본 발명의 실시예들에 따르면, 장소와 관련하여 멀티 채널을 통해 인입되는 아이템 정보를 통합하여 관리하는 아이템 원부 플랫폼을 제공함으로써 분산되거나 중복된 정보를 보다 효율적으로 관리할 수 있고 시스템 자원을 절약할 수 있다.
본 발명의 실시예들에 따르면, 서로 다른 특성을 가진 멀티 채널을 통해 인입되는 아이템 정보의 매핑과 중복 관리를 플랫폼화함으로써 다양한 아이템 정보를 통합적으로 관리할 수 있다.
도 1은 본 발명의 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 아이템 통합 관리 방법의 예를 도시한 흐름도이다.
도 4는 본 발명의 일실시예에 있어서 아이템 정보가 인입되는 멀티 채널 예시를 도시한 것이다.
도 5는 본 발명의 일실시예에 있어서 아이템 매핑 과정의 일례를 도시한 것이다.
도 6 내지 도 7은 본 발명의 일실시예에 있어서 규칙 기반의 아이템 매핑 과정을 설명하기 위한 예시 도면이다.
도 8은 본 발명의 일실시예에 있어서 기계학습 기반의 아이템 매핑 과정을 설명하기 위한 예시 도면이다.
도 9는 본 발명의 일실시예에 있어서 업체의 아이템 원부 데이터 예시를 도시한 것이다.
도 10은 본 발명의 일실시예에 있어서 멀티 채널에서 인입되는 아이템 정보 예시를 도시한 것이다.
도 11은 본 발명의 일실시예에 있어서 아이템 매핑을 통한 아이템 통합 예시를 도시한 것이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 아이템 정보를 관리하는 기술에 관한 것이다.
본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 멀티 채널을 통해 인입되는 다양한 형식의 아이템 정보를 통합하여 관리하는 아이템 원부 플랫폼을 제공할 수 있다.
본 발명의 실시예들에 따른 아이템 통합 관리 시스템은 적어도 하나의 컴퓨터 장치에 의해 구현될 수 있으며, 본 발명의 실시예들에 따른 아이템 통합 관리 방법은 아이템 통합 관리 시스템에 포함되는 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 아이템 통합 관리 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 아이템 통합 관리 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시예들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.
복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 기기(110)는 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들 간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 아이템 원부 플랫폼 서비스 등)를 제공하는 시스템일 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다.
이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)는 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
이하에서는 아이템 원부 플랫폼을 위한 방법 및 장치의 구체적인 실시예를 설명하기로 한다.
본 명세서에서 아이템은 식당이나 카페, 상점, 명소, 인기장소(hot place) 등과 같은 장소에서 판매 또는 서비스되는 대상을 포괄하여 의미할 수 있다. 식당이나 카페와 같은 업체에서 판매되는 메뉴를 아이템의 대표적인 일 예시로 하여 구체적인 실시예를 설명하기로 한다.
본 실시예들은 장소(이하, '업체'라 칭함)를 기준으로 업체 단위의 메뉴 정보로서 멀티 채널을 통해 인입되는 다양한 형식의 메뉴 정보를 통합하여 관리하는 메뉴 원부 플랫폼을 제공할 수 있다.
본 실시예에 따른 컴퓨터 장치(200)에는 컴퓨터로 구현된 아이템 통합 관리 시스템이 구성될 수 있다. 컴퓨터 장치(200)의 프로세서(220)는 이하의 아이템 통합 관리 방법을 수행하기 위한 구성요소로 구현될 수 있다. 실시예에 따라 프로세서(220)의 구성요소들은 선택적으로 프로세서(220)에 포함되거나 제외될 수도 있다. 또한, 실시예에 따라 프로세서(220)의 구성요소들은 프로세서(220)의 기능의 표현을 위해 분리 또는 병합될 수도 있다.
이러한 프로세서(220) 및 프로세서(220)의 구성요소들은 이하의 아이템 통합 관리 방법이 포함하는 단계들을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다. 예를 들어, 프로세서(220) 및 프로세서(220)의 구성요소들은 메모리(210)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다.
여기서, 프로세서(220)의 구성요소들은 컴퓨터 장치(200)에 저장된 프로그램 코드가 제공하는 명령에 따라 프로세서(220)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다.
프로세서(220)는 컴퓨터 장치(200)의 제어와 관련된 명령이 로딩된 메모리(210)로부터 필요한 명령을 읽어들일 수 있다. 이 경우, 상기 읽어들인 명령은 프로세서(220)가 이후 설명될 단계들을 실행하도록 제어하기 위한 명령을 포함할 수 있다.
이후 설명될 아이템 통합 관리 방법이 포함하는 단계들은 도시된 순서와 다른 순서로 수행될 수 있으며, 단계들 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 장치가 수행할 수 있는 아이템 통합 관리 방법의 일례를 도시한 흐름도이다.
도 3을 참조하면, 단계(S310)에서 프로세서(220)는 업체를 기준으로 각 업체와 관련하여 복수의 채널을 통해 인입되는 메뉴 정보를 획득할 수 있다. 프로세서(220)는 서버(150)와 연동 가능한 서비스 채널로서 업체와 연계된 각종 서비스 채널(예를 들어, 리뷰 서비스, 지도 서비스, 업체 운영 관리 서비스 등)을 통해 해당 업체와 관련된 메뉴 정보를 수신할 수 있다. 메뉴 정보는 업체에서 판매하는 상품이나 서비스 등의 이름과 옵션, 가격, 분류, 이미지 등이 포함될 수 있다. 업체 단위의 메뉴 정보를 수집하기 위해 업체에 대해 모든 서비스 채널이 동일한 아이디를 이용하거나 상호 매핑 가능한 아이디의 식별 체계를 가질 수 있다. 일례로, 프로세서(220)는 멀티 채널로부터 업체에 대한 리뷰로 등록된 컨텐츠, 업체의 방문 인증을 위한 영수증 이미지, 업체의 메뉴판 이미지, 업체와 관련된 서비스 운영자 혹은 업주에 의해 등록된 각종 자료 등을 수집하여 해당 업체의 메뉴 정보를 추출할 수 있다.
단계(S320)에서 프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보를 정규 데이터 형식으로 변환할 수 있다. 프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보 중 텍스트를 기준으로 정제(cleaning) 및 정규화(normalization)를 수행할 수 있다. 프로세서(220)는 채널마다 다른 형식으로 인입되는 텍스트 데이터를 공통화 형식의 데이터로 변환할 수 있다. 예를 들어, 프로세서(220)는 메뉴 정보로 수집된 텍스트에서 출력 불가능한 문자나 공백 등 시스템 상에서 처리할 수 없는 문자를 제거하는 과정, 시스템 제어용 문자나 유니코드로 정규화하는 과정 등을 통해 사전에 정의된 규칙(rule)의 정규 데이터 형식으로 변환할 수 있다.
단계(S330)에서 프로세서(220)는 단계(S320)에서 정제 및 정규화된 메뉴 정보를 업체의 메뉴 원부 데이터에 매핑함으로써 해당 업체의 메뉴 정보를 통합하여 관리할 수 있다. 메뉴 원부는 업체를 기준으로 각 업체의 관리 대상이 되는 메뉴, 메뉴 별 옵션과 카테고리 등을 미리 정의해 놓은 메뉴 DB를 의미할 수 있다. 프로세서(220)는 업체 단위로 메뉴 원부 데이터를 관리할 수 있고, 이때 각 메뉴 별로 멀티 채널을 통해 유입되는 메뉴 정보를 통합하여 관리할 수 있다. 프로세서(220)는 메뉴 원부에 대한 메뉴 정보의 매핑과 중복 관리를 통해 멀티 채널로부터 인입되는 서로 다른 형식의 메뉴 정보를 같은 메뉴로 인지하여 메뉴 원부에 추가할 수 있다. 메뉴 정보의 매핑과 중복 관리에는 사전에 정의된 규칙과 사전 정보(메뉴 사전, 옵션 사전, 유의어 사전, 불용어 사전 등) 및 기계학습 기술을 활용할 수 있다. 여기서, 메뉴 사전은 업체에서 판매되는 상품이나 서비스와 같은 메뉴(예를 들어, 아메리카노, 라떼, 카푸치노 등)를 취합한 메뉴명 사전으로 구축될 수 있다. 옵션 사전은 각 메뉴와 관련된 옵션(예를 들어, 아메리카노의 경우 ICE, HOT, SHORT, TALL, TAKEOUT 등)을 취합한 옵션명 사전으로 구축될 수 있다. 유의어 사전은 메뉴 사전과 옵션 사전에 포함된 단어의 유의어, 동의어, 외래어 등 유사하거나 동일한 의미의 단어 계통을 취합한 사전으로 구축될 수 있다. 불용어 사전은 시스템 상에서 처리할 수 없는 특수문자나 기호는 물론이고, 관사, 전치사, 조사, 접속사 등의 불용어 계통을 취합한 사전으로 구축될 수 있다.
본 실시예에 따른 메뉴 매핑 프로세스는 이하에서 구체적으로 설명하기로 한다.
도 4는 본 발명의 일실시예에 있어서 메뉴 정보가 인입되는 멀티 채널 예시를 도시한 것이다.
도 4를 참조하면, 프로세서(220)는 업체를 기준으로 서비스 사용자에 의해 등록된 리뷰 데이터(410), 영수증 데이터(420), 메뉴판 데이터(430), 서비스 운영자에 의해 등록된 브랜드 데이터(440), 업주에 의해 등록된 업체 데이터(450) 등으로부터 해당 업체의 메뉴 정보를 추출할 수 있다.
리뷰 데이터(410)는 리뷰 서비스 채널 등을 통해 서비스 사용자가 직접 작성한 것으로, 리뷰 데이터(410)로부터 서비스 사용자가 입력한 메뉴 정보가 인입될 수 있다. 리뷰 데이터(410)에서 인입된 메뉴 정보는 서비스 사용자가 직접 입력하는 만큼 자유로운 형태의 데이터 특징을 가진다.
영수증 데이터(420)는 업체에 대한 방문 인증을 위해 리뷰 서비스 채널 등을 통해 서비스 사용자가 직접 제출한 것으로, 서비스 사용자가 방문의 근거로 업로드한 영수증 이미지로부터 메뉴 정보가 인입될 수 있다. 영수증 데이터(420)에서 인입된 메뉴 정보는 영수증 이미지의 OCR 인식을 통해 추출되는 것으로, OCR 인식 과정에서 글자 인식 오류가 발생할 수 있고, 메뉴명이 긴 경우 영수증에 표기되지 않아 일부 텍스트가 누락될 수 있고, 업체에서 표기하는 기호나 약어 등 다양한 표현 형식을 가질 수 있다.
메뉴판 데이터(430)는 리뷰 서비스 채널이나 장소 서비스 채널 등을 통해 서비스 사용자가 직접 제출한 메뉴판 이미지를 포함하는 것으로, 서비스 사용자가 업로드한 메뉴판 이미지로부터 메뉴 정보가 인입될 수 있다. 메뉴판 데이터(430)에서 인입된 메뉴 정보 또한 메뉴판 이미지의 OCR 인식을 통해 추출되는 것으로, OCR 인식 과정에서 글자 인식 오류가 발생할 수 있다.
브랜드 데이터(440)는 업체 운영 관리 서비스 채널 등을 통해 서비스 운영자가 공개한 홈페이지 등에서 수집된 것으로, 수집된 데이터로부터 메뉴 정보가 인입될 수 있다.
업체 데이터(450)는 업체 운영 관리 서비스 채널 등을 통해 업주가 직접 작성한 것으로, 업체 데이터(450)로부터 업주가 입력한 메뉴 정보가 인입될 수 있다.
상기한 바와 같이 프로세서(220)는 업체와 연계된 여러 서비스 채널을 통해 업체 별 메뉴 정보를 수집할 수 있고, 이때 메뉴 정보는 각 채널의 특성에 따라 서로 다른 표현 방식의 데이터로 인입될 수 있다.
도 5는 본 발명의 일실시예에 있어서 메뉴 매핑 과정의 일례를 도시한 것이다.
도 5를 참조하면, 프로세서(220)는 정제 및 정규화를 포함한 포맷팅 과정(S320)을 통해 멀티 채널을 통해 인입된 메뉴 정보에 대해 채널마다 다른 형식으로 인입된 데이터를 공통화 형식의 데이터로 변환할 수 있다.
프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보를 메뉴 원부에 추가하여 통합하기 위한 메뉴 매핑 과정(S330)을 수행하게 되는데, 이때 메뉴 매핑 과정(S330)은 규칙 기반의 메뉴 매핑 과정(S331)과 기계학습 기반의 메뉴 매핑 과정(S332)을 결합한 하이브리드 방식이 적용될 수 있다.
실시예에 따라서는 규칙 기반의 메뉴 매핑 과정(S331)과 기계학습 기반의 메뉴 매핑 과정(S332) 중 어느 하나의 과정을 적용할 수 있다. 예를 들어, 프로세서(220)는 멀티 채널을 통해 인입된 메뉴 정보를 통합하기 위한 메뉴 매핑 과정(S330)으로 규칙 기반의 메뉴 매핑 과정(S331)을 제외하고 기계학습 기반의 메뉴 매핑 과정(S332)만을 단독으로 적용할 수 있다.
메뉴 매핑 과정(S330) 중 메뉴 원부에 존재하지 않는 메뉴가 발견되는 경우 해당 메뉴를 메뉴 원부에 신규 메뉴로 추가하는 과정에서 신규 메뉴의 카테고리를 결정하여 매핑하는 카테고리 매핑 과정(S333)이 포함될 수 있다. 이때, 카테고리는 메뉴 분류는 물론이고 인터넷 상의 메뉴 검색, 메뉴 추천, 메뉴 개인화 등을 위해 활용될 수 있다.
도 6은 본 발명의 일실시예에 있어서 규칙 기반의 메뉴 매핑 과정을 도시한 것이다.
도 6을 참조하면, 단계(S601)에서 프로세서(220)는 특정 업체의 메뉴 정보로 수집된 텍스트(이하, '메뉴 텍스트'라 칭함)에 대한 토큰화를 진행할 수 있다. 프로세서(220)는 메뉴 텍스트에서 특수문자, 관사, 전치사, 조사, 접속사 등의 불용어를 제거할 수 있다. 불용어 이외에도 텍스트 데이터에서 등장 빈도가 적은 단어, 무의미한 단어 등 불필요 단어들을 제거할 수 있다. 프로세서(220)는 메뉴 텍스트에서 특수문자와 같은 노이즈 데이터를 제거한 후 품사 단위를 기준으로 토큰을 분리할 수 있다.
예를 들어, 도 7에 도시한 바와 같이 프로세서(220)는 리뷰 데이터(410)에서 인입된 메뉴 정보 중 하나로 'ICE) 아메리카노 '가 주어지는 경우 공백 제거 등을 통해 시스템에서 처리할 수 있는 정규 데이터 형식의 텍스트인 'ICE) 아메리카노'로 변환할 수 있다. 이어, 프로세서(220)는 정규 데이터 형식의 텍스트인 'ICE) 아메리카노'를 품사 단위의 토큰(즉, 'ICE'와 '아메리카노')으로 분리할 수 있다.
프로세서(220)는 토큰화 이전 또는 이후에 텍스트에 포함된 오타나 OCR에서 오인식된 텍스트를 보정할 수 있다. 일례로, 프로세서(220)는 사전에 구축된 사전 정보로서 메뉴 사전, 옵션 사전, 유의어 사전 등을 이용하여 오타나 오인식된 텍스트를 보정할 수 있다.
다시 도 6을 참조하면, 단계(S602)에서 프로세서(220)는 토큰을 기준으로 메뉴 텍스트에 포함된 메뉴명과 옵션명을 추정할 수 있다. 프로세서(220)는 토큰 단위로 분리된 단어를 메뉴 사전과 옵션 사전 상의 단어와 비교하여 메뉴 텍스트에 포함된 메뉴명과 옵션명을 추정할 수 있다. 메뉴 텍스트에서 분리된 'ICE'와 '아메리카노'에 대해 '아메리카노'가 메뉴 사전에 있고 'ICE'가 옵션 사전에 있는 경우 '아메리카노'를 메뉴명, 'ICE'를 옵션명으로 확정 추정할 수 있다. 한편, 'ICE'와 '아메리카노'가 메뉴 사전과 옵션 사전에 없는 경우 'ICE'와 '아메리카노'를 미확정으로 추정할 수 있다. 상기한 추정 과정에서 유의어 사전을 함께 활용하여 의미적으로 유사한 범주 내에서 메뉴명과 옵션명을 추정할 수 있다.
단계(S603)에서 프로세서(220)는 해당 업체의 메뉴 원부 데이터에 메뉴명과 옵션명을 매핑할 수 있다. 프로세서(220)는 사전 상 단어와의 비교(일치/유사 판단)를 통해 메뉴 텍스트에서 메뉴명과 옵션명으로 추정된 텍스트를 업체의 메뉴 원부에 추가할 수 있다. A업체의 메뉴 원부 데이터에 메뉴 '아메리카노'가 있는 상태에서 메뉴 텍스트에서 분리된 '아메리카노'가 메뉴명, 'ICE'가 옵션명으로 확정 추정된 경우 해당 메뉴 정보를 A업체의 메뉴 원부에 매핑할 수 있다. 이때, 메뉴명만이 확정 추정된 경우 자동으로 메뉴 원부 데이터로 추가될 수 있고(자동 매핑), 메뉴명과 옵션명이 함께 확정 추정된 경우 운영자 확인을 거쳐 메뉴 원부 데이터로 추가될 수 있다(추천 매핑). 한편, A업체의 메뉴 원부 데이터에 메뉴 '아메리카노'가 없는 상태에서 '아메리카노'가 메뉴명, 'ICE'가 옵션명으로 확정 추정된 경우 '아메리카노'를 메뉴 원부에 신규 메뉴로 추가할 수 있다. 이때, 메뉴명만이 확정 추정된 경우 자동으로 메뉴 원부 데이터로 추가될 수 있고(자동 검수 추가), 메뉴명과 옵션명이 함께 확정 추정된 경우 운영자 확인을 거쳐 메뉴 원부 데이터로 추가될 수 있다(추천 검수 추가).
프로세서(220)는 규칙 기반 메뉴 매핑을 통해 메뉴 원부에 매핑 또는 추가되는 데이터 중 중복 데이터를 제거한 후 저장 및 관리할 수 있다.
프로세서(220)는 메뉴 원부 데이터, 메뉴 사전, 옵션 사전 등을 활용한 규칙을 기반으로 멀티 채널을 통해 인입되는 메뉴 정보에 대해 메뉴 원부 상의 동일 메뉴를 추정하여 매핑할 수 있다.
도 8은 본 발명의 일실시예에 있어서 기계학습 기반의 메뉴 매핑 과정을 도시한 것이다.
도 8을 참조하면, 단계(S801)에서 프로세서(220)는 기계학습 모델을 통해 메뉴 텍스트에 포함된 메뉴명과 옵션명을 추정할 수 있다. 프로세서(220)는 입력된 정보를 활용하여 데이터베이스에서 유사한 텍스트를 찾아주는 기계학습 기반의 그라운딩(grounding) 기술을 적용할 수 있다. 본 실시예에서는 메뉴 원부 데이터 또는 상기한 규칙 기반의 메뉴 매핑 과정을 통해 매핑된 데이터 중 적어도 하나를 학습 데이터로 활용하여 메뉴 추정을 위한 기계학습 모델을 생성할 수 있다. 예를 들어, 메뉴 텍스트 'ICE) 아메리카노'가 주어지는 경우 메뉴 원부 데이터나 규칙 기반의 메뉴 매핑 데이터로 학습된 기계학습 모델을 통해 메뉴 텍스트 'ICE) 아메리카노'에서 '아메리카노'를 메뉴명, 'ICE'를 옵션명으로 추정할 수 있다.
프로세서(220)는 기계학습 모델을 이용하여 메뉴 텍스트에 포함된 오타나 오인식된 텍스트를 보정할 수 있다. 오타나 오인식 텍스트의 보정은 물론이고, 유의어 처리 등을 포함한 모델 학습을 통해 해당 기계학습 모델을 기반으로 추정 결과의 정확도를 높일 수 있다.
단계(S802)에서 프로세서(220)는 기계학습 모델을 통해 추정된 메뉴명과 옵션명을 업체의 메뉴 원부 데이터에 매핑할 수 있다. 프로세서(220)는 기계학습 모델을 이용하여 메뉴 텍스트에서 추정된 메뉴명과 옵션명을 메뉴 원부와의 일치/유사 판단을 통해 메뉴명과 옵션명으로 추정된 텍스트를 업체의 메뉴 원부에 추가할 수 있다. 기계학습 모델의 추정 결과에 따른 메뉴 매핑 과정(S802)은 상기한 규칙 기반의 메뉴 매핑 과정(S603)과 유사하다.
프로세서(220)는 기계학습 모델 기반 메뉴 매핑을 통해 메뉴 원부에 매핑 또는 추가되는 데이터 중 중복 데이터를 제거한 후 저장 및 관리할 수 있다.
프로세서(220)는 기계학습 모델을 이용한 메뉴 그라운딩을 통해 멀티 채널을 통해 인입되는 메뉴 정보에 대해 메뉴 원부 상의 동일 메뉴를 추정하여 매핑할 수 있다.
프로세서(220)는 규칙 기반 메뉴 매핑 과정(S331)에 따른 매핑 결과와 기계학습 기반 메뉴 매핑 과정(S332)에 따른 매핑 결과를 포함한 메뉴 원부 데이터를 관리할 수 있다.
도 9 내지 도 11은 본 발명의 일실시예에 있어서 메뉴 매핑 예시를 도시한 것이다.
메뉴 원부는 업체를 기준으로 각 업체의 관리 대상이 되는 메뉴, 메뉴 별 옵션과 카테고리 등을 미리 정의해 놓은 메뉴 DB를 의미할 수 있다. 도 9는 A업체의 메뉴인 'Americano'에 대한 메뉴 원부 데이터(900)를 나타내고 있다.
메뉴 원부 데이터(900)는 관리 대상이 되는 메뉴에 대해 메뉴명(910), 해당 메뉴의 옵션 목록(920)과 카테고리(930) 등이 포함될 수 있으며, 실시예에 따라서는 메뉴명(910)에 대응되는 유의어, 동의어, 외래어 등을 포함한 메뉴 사전(940)이 포함될 수 있다.
도 10은 A업체와 연계된 서비스 채널에서 인입되는 메뉴 텍스트(1000)를 나타내고 있다. 메뉴 텍스트(1000)는 리뷰 서비스 등에서 서비스 사용자가 직접 제출한 A업체의 영수증 데이터, 리뷰 서비스 등에서 서비스 사용자가 직접 작성한 A업체의 리뷰 데이터, 리뷰 서비스나 장소 서비스 등에서 서비스 사용자가 직접 제출한 A업체의 메뉴판 데이터 등 멀티 채널을 통해 인입된 메뉴 정보로 구성될 수 있다. 메뉴 텍스트(1000)가 동일 메뉴라 하더라도 서비스 채널의 특성이나 서비스 사용자 등에 따라 다른 표현 방식의 데이터로 인입될 수 있다.
프로세서(220)는 각 채널을 통해 인입되는 메뉴 텍스트(1000)에서 메뉴명과 옵션명을 추정할 수 있다. 프로세서(220)는 메뉴 사전, 옵션 사전, 유의어 사전 등 사전 정보를 이용한 규칙 혹은 다양한 형식의 메뉴 텍스트로 학습된 기계학습 모델을 기반으로 메뉴 텍스트(1000)에 포함된 메뉴명과 옵션명을 추정할 수 있다. 예를 들어, 리뷰 데이터에서 인입된 '아이스 아메리카노 숏'에서 '아메리카노'를 메뉴명, '아이스'와 '숏'을 옵션명으로 추정할 수 있고, 메뉴판 데이터에서 인입된 'Americano Ice Tall'에서 'Americano' 메뉴명, 'Ice'와 'Tall'을 옵션명으로 추정할 수 있다.
도 11을 참조하면, 프로세서(220)는 멀티 채널을 통해 인입되는 메뉴 텍스트(1000) 중 메뉴명 추정을 통해 메뉴 원부 데이터(900) 상의 메뉴와 동일한 메뉴를 나타내는 메뉴 텍스트(1100)를 인지하여 같은 메뉴로 매핑할 수 있다. 메뉴 텍스트(1100)에서 메뉴명과 함께 옵션명을 추정하여 메뉴 텍스트(1100)에서 추정된 옵션명(1101)을 원부 상의 옵션과 통합하여 관리할 수 있다.
채널의 특성에 따라 표현 방식이 다른 경우에도 사전 정보 기반 규칙 혹은 기계학습 모델을 통해 추정한 결과가 메뉴 원부와 일치하거나 유사하면 같은 메뉴 데이터로 매핑할 수 있다.
프로세서(220)는 업체 단위의 메뉴 정보를 플랫폼화하여 멀티 채널을 통해 인입되는 다양한 표현 형식의 메뉴 정보를 구조화된 데이터로 통합 관리할 수 있다.
이처럼 본 발명의 실시예들에 따르면, 업체와 관련하여 멀티 채널을 통해 인입되는 다양한 메뉴 정보를 통합하여 관리하는 메뉴 원부 플랫폼을 제공함으로써 분산되거나 중복된 정보를 보다 효율적으로 관리할 수 있고 시스템 자원을 절약할 수 있다. 그리고, 본 발명의 실시예들에 따르면, 서로 다른 특성을 가진 멀티 채널을 통해 인입되는 메뉴 정보의 매핑과 중복 관리를 플랫폼화함으로써 다양한 메뉴 정보를 통합적으로 관리할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 컴퓨터 장치에서 실행되는 아이템 통합 관리 방법에 있어서,
    상기 컴퓨터 장치는 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 아이템 통합 관리 방법은,
    상기 적어도 하나의 프로세서에 의해, 장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 단계
    를 포함하는 아이템 통합 관리 방법.
  2. 제1항에 있어서,
    상기 획득하는 단계는,
    상기 장소와 관련하여 상기 서비스 채널을 통해 등록된 정보로부터 상기 아이템 정보를 추출하는 단계
    를 포함하는 아이템 통합 관리 방법.
  3. 제1항에 있어서,
    상기 획득하는 단계는,
    상기 서비스 채널에 따라 서로 다른 형식으로 인입되는 상기 아이템 정보를 사전에 정의된 정규 데이터 형식으로 변환하는 단계
    를 포함하는 아이템 통합 관리 방법.
  4. 제1항에 있어서,
    상기 통합 관리하는 단계는,
    사전에 정의된 규칙(rule)과 사전 정보 및 기계학습 모델 중 적어도 하나를 이용하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계
    를 포함하는 아이템 통합 관리 방법.
  5. 제1항에 있어서,
    상기 통합 관리하는 단계는,
    사전 정보를 이용한 규칙을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및
    상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계
    를 포함하는 아이템 통합 관리 방법.
  6. 제1항에 있어서,
    상기 통합 관리하는 단계는,
    기계학습 모델을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하는 단계; 및
    상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 단계
    를 포함하는 아이템 통합 관리 방법.
  7. 제6항에 있어서,
    상기 기계학습 모델은 상기 아이템 원부 데이터 및 상기 아이템 원부 데이터에 매핑된 데이터 중 적어도 하나로 학습된 모델인 것
    을 특징으로 하는 아이템 통합 관리 방법.
  8. 제4항에 있어서,
    상기 매핑하는 단계는,
    상기 아이템 정보가 원부 상의 아이템과 일치하거나 유사한 아이템으로 판단되는 경우 상기 아이템 정보를 원부 상의 아이템과 같은 아이템으로 매핑하는 단계
    를 포함하는 아이템 통합 관리 방법.
  9. 제8항에 있어서,
    상기 매핑하는 단계는,
    상기 아이템 정보가 원부 상에 없는 아이템으로 판단되는 경우 상기 아이템 정보를 신규 아이템으로 원부 상에 추가하는 단계
    를 더 포함하는 아이템 통합 관리 방법.
  10. 제4항에 있어서,
    상기 매핑하는 단계는,
    상기 아이템 정보에 해당되는 텍스트에서 아이템명과 옵션명을 추정하는 단계; 및
    상기 아이템명과 상기 옵션명을 상기 아이템 원부 데이터에 매핑하는 단계
    를 포함하는 아이템 통합 관리 방법.
  11. 제1항 내지 제10항 중 어느 한 항의 아이템 통합 관리 방법을 상기 컴퓨터 장치에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
  12. 컴퓨터 장치에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    장소를 기준으로 복수 개의 서비스 채널을 통해 인입되는 상기 장소와 관련된 아이템 정보를 획득하는 과정; 및
    상기 아이템 정보를 상기 장소의 아이템 원부 데이터에 매핑하여 통합 관리하는 과정
    을 처리하는 컴퓨터 장치.
  13. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 장소와 관련하여 상기 서비스 채널을 통해 등록된 정보로부터 상기 아이템 정보를 추출하는 것
    을 특징으로 하는 컴퓨터 장치.
  14. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    사전에 정의된 규칙과 사전 정보 및 기계학습 모델 중 적어도 하나를 이용하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
  15. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    사전 정보를 이용한 규칙을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하고,
    상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
  16. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    기계학습 모델을 기반으로 상기 아이템 정보에 해당되는 텍스트에서 아이템명을 추정하고,
    상기 아이템명과 원부 상의 아이템을 비교하여 상기 아이템 정보를 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
  17. 제16항에 있어서,
    상기 기계학습 모델은 상기 아이템 원부 데이터 및 상기 아이템 원부 데이터에 매핑된 데이터 중 적어도 하나로 학습된 모델인 것
    을 특징으로 하는 컴퓨터 장치.
  18. 제14항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 아이템 정보가 원부 상의 아이템과 일치하거나 유사한 아이템으로 판단되는 경우 상기 아이템 정보를 원부 상의 아이템과 같은 아이템으로 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
  19. 제18항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 아이템 정보가 원부 상에 없는 아이템으로 판단되는 경우 상기 아이템 정보를 신규 아이템으로 원부 상에 추가하는 것
    을 특징으로 하는 컴퓨터 장치.
  20. 제14항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 아이템 정보에 해당되는 텍스트에서 아이템명과 옵션명을 추정하고,
    상기 아이템명과 상기 옵션명을 상기 아이템 원부 데이터에 매핑하는 것
    을 특징으로 하는 컴퓨터 장치.
PCT/KR2023/006624 2022-08-29 2023-05-16 아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램 WO2024048907A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0108342 2022-08-29
KR1020220108342A KR20240029945A (ko) 2022-08-29 2022-08-29 아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
WO2024048907A1 true WO2024048907A1 (ko) 2024-03-07

Family

ID=90098183

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/006624 WO2024048907A1 (ko) 2022-08-29 2023-05-16 아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램

Country Status (2)

Country Link
KR (1) KR20240029945A (ko)
WO (1) WO2024048907A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160071746A (ko) * 2014-12-12 2016-06-22 경희대학교 산학협력단 규칙 기반 로그 데이터 그룹화를 이용한 개인 맞춤형 로그 분석 시스템 및 그 방법
KR20190013276A (ko) * 2017-08-01 2019-02-11 (주)레드테이블 빅데이터를 이용한 모바일 커머스 시스템 및 서비스 방법
KR20210058525A (ko) * 2019-11-14 2021-05-24 비씨카드(주) 상품 또는 서비스에 대한 비정형의 품목데이터를 자동으로 분류하는 방법 및 디바이스
KR102272021B1 (ko) * 2019-09-26 2021-07-02 비스냅(주) 빅데이터 수집 시스템
KR20210099690A (ko) * 2020-02-04 2021-08-13 (주)컨버전스스퀘어 오픈마켓 빅데이터 기반 ai 셀러 관리 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160071746A (ko) * 2014-12-12 2016-06-22 경희대학교 산학협력단 규칙 기반 로그 데이터 그룹화를 이용한 개인 맞춤형 로그 분석 시스템 및 그 방법
KR20190013276A (ko) * 2017-08-01 2019-02-11 (주)레드테이블 빅데이터를 이용한 모바일 커머스 시스템 및 서비스 방법
KR102272021B1 (ko) * 2019-09-26 2021-07-02 비스냅(주) 빅데이터 수집 시스템
KR20210058525A (ko) * 2019-11-14 2021-05-24 비씨카드(주) 상품 또는 서비스에 대한 비정형의 품목데이터를 자동으로 분류하는 방법 및 디바이스
KR20210099690A (ko) * 2020-02-04 2021-08-13 (주)컨버전스스퀘어 오픈마켓 빅데이터 기반 ai 셀러 관리 시스템 및 방법

Also Published As

Publication number Publication date
KR20240029945A (ko) 2024-03-07

Similar Documents

Publication Publication Date Title
WO2018074716A1 (ko) 검색 컨텍스트를 이용한 질의 추천 방법 및 시스템
US8095547B2 (en) Method and apparatus for detecting spam user created content
WO2012020974A2 (en) Method and apparatus for providing information about an identified object
US9659052B1 (en) Data object resolver
WO2013165227A1 (ko) 아이콘의 키워드를 이용하는 아이콘 패스워드 설정 장치 및 아이콘 패스워드 설정 방법
WO2011162446A1 (ko) 온톨로지 스키마와 결합된 개체명 사전 및 마이닝 규칙을 이용한 용어의 개체명 결정모듈 및 방법
WO2017160133A2 (ko) 게시물 랭킹설정 방법 및 이를 위한 서비스 서버
CN109542757A (zh) 接口测试环境确定方法、装置、电子设备及存储介质
WO2018186599A1 (ko) 주제별 질의의 서브토픽 자동 추출 및 구조화
WO2021107444A1 (ko) 지식 그래프 기반 마케팅 정보 분석 서비스 제공 방법 및 그 장치
WO2021107448A1 (ko) 효율적 문서 분류 처리를 지원하는 지식 그래프 기반 마케팅 정보 분석 서비스 제공 방법 및 그 장치
WO2024048907A1 (ko) 아이템 원부 플랫폼을 위한 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
WO2014148664A1 (ko) 단어의 의미를 기반으로 하는 다국어 검색 시스템, 다국어 검색 방법 및 이를 이용한 이미지 검색 시스템
WO2019098423A1 (ko) 메시지의 대화 흐름을 파악하기 위한 방법과 시스템 및 비-일시적인 컴퓨터 판독 가능한 기록 매체
WO2016186326A1 (ko) 검색어 리스트 제공 장치 및 이를 이용한 방법
WO2024048908A1 (ko) 아이템 원부 플랫폼을 통해 정제된 아이템 정보를 제공하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
WO2014157746A1 (ko) 키워드 검색을 통해 사진 검색이 가능한 사진 공유 시스템 및 사진 공유 방법
WO2018034509A1 (ko) 웹 브라우저에서 구현되는 웹사이트 제작 방법 및 시스템
JP2010108453A (ja) 文書部品管理装置、方法、およびプログラム
CN105051734A (zh) 信息处理设备、数据输入辅助方法以及程序
CN115017149A (zh) 数据处理方法、装置、电子设备和存储介质
WO2017122872A1 (ko) 전자 출판물에 대한 정보를 생성하는 장치 및 방법
WO2016159484A1 (ko) 모바일 단말의 사용자 정보를 이용한 맞춤형 콘텐츠 공유 방법 및 장치
WO2023080354A1 (ko) 별점을 대체하는 키워드 리뷰를 위한 방법, 시스템, 및 컴퓨터 프로그램
WO2015069083A1 (ko) 통신 시스템에서 컨텐츠 제공 시스템 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: 23860594

Country of ref document: EP

Kind code of ref document: A1