KR101034101B1

KR101034101B1 - System and Method for providing product recommendation service

Info

Publication number: KR101034101B1
Application number: KR1020080049457A
Authority: KR
Inventors: 김재경; 김혜경
Original assignee: 경희대학교 산학협력단
Priority date: 2008-05-28
Filing date: 2008-05-28
Publication date: 2011-05-13
Also published as: KR20090123398A

Abstract

본 발명은 사용자 단말기가 접속된 경우 상품 추천 요청 메시지를 상품 추천 서버로 전송하는 쇼핑몰 서버, 상기 쇼핑몰 서버로부터 상품 추천 요청 메시지가 수신된 경우 상품 계층도내의 각 상품에 대한 감소 함수를 구하고, 상기 구해진 감소 함수와 사용자의 쇼핑 행위 정보를 이용하여 사용자 프로파일을 구하여 유사한 상품 선호도를 가진 고객을 검색하고, 상기 검색된 고객의 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공하는 상품 추천 서버를 포함하는 상품 추천 서비스 제공 시스템 및 방법에 관한 것으로서, RFID 태그로부터 수집되는 객관적인 데이터를 분석하여 상품의 품질 상태를 판단하고, 그 품질 상태와 선호도를 바탕으로 목표 고객에게 유용한 상품을 추천할 수 있다. The present invention provides a shopping mall server that transmits a product recommendation request message to a product recommendation server when a user terminal is connected, and obtains a reduction function for each product in the product hierarchy diagram when the product recommendation request message is received from the shopping mall server. The user profile is searched for using a reduction function and the shopping behavior information of the user to search for customers with similar product preferences, and the list of recommended products is determined and provided to the user terminal using a reference frequency of the found customer's preferred products. The present invention relates to a system and method for providing a product recommendation service including a product recommendation server. The present invention relates to a product recommendation service providing system and method. can do.

RFID, 상품, 쇼핑, 유사도 RFID, commodity, shopping, similarity

Description

상품 추천 서비스 제공 시스템 및 방법{System and Method for providing product recommendation service}System and Method for providing product recommendation service

본 발명은 상품 추천 서비스 제공 시스템 및 방법에 관한 것으로, 더욱 상세하게는 상품에 부착된 RFID(Radio Frequency Identification)태그로부터 각 상품에 대한 이력 정보를 수집하고, 상기 수집된 이력 정보를 분석하여 품질 상태를 판단하고, 그 품질 상태와 선호도를 바탕으로 목표 고객에게 유용한 상품을 추천하는 상품 추천 서비스 제공 시스템 및 방법에 관한 것이다. The present invention relates to a system and method for providing a product recommendation service. More particularly, the present invention collects history information about each product from a radio frequency identification (RFID) tag attached to a product, and analyzes the collected history information to determine a quality state. And a product recommendation service providing system and method for recommending a product useful to a target customer based on the quality state and preference.

전자상거래의 급성장으로 기업들의 성장을 위한 경쟁은 더욱 심화되어 다른 경쟁업체보다 경쟁우위를 가질 수 있는 마케팅 전략이 필요하게 되었고, 고객은 상품 정보의 과다로 인하여 효과적으로 상품을 선택할 수 없게 되는 상품 과부하 현상을 야기시켰다.The rapid growth of e-commerce has intensified competition for the growth of companies, which requires a marketing strategy that can have a competitive advantage over other competitors, and the product overload phenomenon in which customers cannot select products effectively due to excessive product information. Caused.

이러한 문제를 해결하기 위한 정보기술 중의 하나가 고객의 선호도에 부합하는 상품을 찾도록 도와주는 상품 추천 시스템이다. One of the information technologies to solve this problem is a product recommendation system that helps to find products that meet the customer's preferences.

상품 추천 시스템은 고객들에게 추천 상품 목록을 제공하여 고객들이 구매 가능성이 있는 상품을 쉽게 찾도록 도와주는 개인화된 정보 필터링 기술이다. 협업 필터링은 상품 추천 시스템 중에서 가장 성공적인 상품 추천 기법으로 알려져 있으며 현재 많이 이용되고 있다. The product recommendation system is a personalized information filtering technology that provides customers with a list of recommended products to help customers easily find possible products. Collaborative filtering is known as the most successful product recommendation technique among product recommendation systems, and is widely used.

협업 필터링은 웹을 기반으로 하는 전자 쇼핑몰에서 이용되고 있는 성공적인 상품 추천 기법 중의 하나로서, 목표 고객과 유사한 구매 이력을 보이는 유사 고객들의 상품에 대한 선호도를 바탕으로 목표 고객에게 유용한 상품을 추천하는 방법이다. Collaborative filtering is one of successful product recommendation techniques used in web-based electronic shopping malls. It is a method of recommending useful products to target customers based on the preferences of similar customers with similar purchase history. .

그러나 종래의 협업 필터링 기반 상품 추천 시스템은 인터넷 쇼핑몰의 상품과 고객수의 급속한 증가로 인해 입력 데이터의 희박성, 시스템 확장성 및 노후화 문제를 노출시키고 있다. However, the conventional collaborative filtering-based product recommendation system exposes the problems of leanness, system scalability, and obsolescence due to the rapid increase in the number of products and customers in the Internet shopping mall.

또한, 협업필터링 기법을 시간의 경과에 따라 상품성이 감소하는 농수산물과 같은 상품 영역에 적용하는 경우 상품 추천 성능을 떨어뜨리게 되는 단점이 있다. In addition, when the collaborative filtering technique is applied to a product area such as agricultural and marine products whose merchandise decreases over time, there is a disadvantage in that the product recommendation performance is lowered.

또한, 현재까지 농수산물과 같은 신선식품에 대한 온라인 판매가 많이 이루어지지 않았기 때문에 해당 분야의 협업 필터링 방업을 여과없이 도입하기에는 무리가 있다. In addition, since online sales of fresh foods such as agricultural and marine products have not been made up to date, it is difficult to introduce collaborative filtering industry in the field without filtration.

본 발명의 목적은 RFID 태그로부터 수집되는 객관적인 데이터를 분석하여 상품의 품질 상태를 판단하고, 그 품질 상태와 선호도를 바탕으로 목표 고객에게 유용한 상품을 추천하는 상품 추천 서비스 제공 시스템 및 방법을 제공하는데 있다. An object of the present invention is to provide a system and method for providing a product recommendation service that analyzes objective data collected from an RFID tag to determine a product quality state and recommends a product useful to a target customer based on the quality state and preference. .

본 발명의 다른 목적은 농수산물의 온라인 유통 확대에 따른 소비자의 정보 탐색의 편의 제공과 안정성 문제를 해결할 수 있는 상품 추천 서비스 제공 시스템 및 방법을 제공하는데 있다. It is another object of the present invention to provide a system and method for providing a product recommendation service that can solve the problems of convenience and stability of information search for consumers by expanding online distribution of agricultural and marine products.

본 발명의 또 다른 목적은 농수산물에 RFID 태그 도입과 함께 네트워크를 통해 농수산물의 생산/유통 정보를 활용하여 목표 고객에게 유용한 상품을 추천하는 상품 추천 서비스 제공 시스템 및 방법을 제공하는데 있다. It is still another object of the present invention to provide a system and method for providing a product recommendation service for recommending useful products to target customers by utilizing RFID production and distribution information on agricultural and marine products through a network.

본 발명의 또 다른 목적은 상품 이력 정보 기반의 협업 필터링 방법을 통해 고객에게 편리한 쇼핑 경험을 제공하는 동시에 안전과 신뢰를 기반으로 한 공정거래와 식품 위생에 관한 위험노출로부터 보호받을 수 있는 상품 추천 서비스 제공 시스템 및 방법을 제공하는데 있다. It is another object of the present invention to provide a convenient shopping experience to customers through product history information-based collaborative filtering method, and a product recommendation service that can be protected from risk exposure related to fair trade and food hygiene based on safety and trust. The present invention provides a system and method.

상기 목적들을 달성하기 위하여 본 발명의 일 측면에 따르면, 사용자 단말기가 접속된 경우 상품 추천 요청 메시지를 상품 추천 서버로 전송하는 쇼핑몰 서버, 상기 쇼핑몰 서버로부터 상품 추천 요청 메시지가 수신된 경우 상품 계층도내의 각 상품에 대한 감소 함수를 구하고, 상기 구해진 감소 함수를 이용하여 사용자 프로파일을 구하여 유사한 상품 선호도를 가진 고객을 검색하고, 상기 검색된 고객의 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공하는 상품 추천 서버를 포함하는 상품 추천 서비스 제공 시스템이 제공된다. According to an aspect of the present invention to achieve the above object, a shopping mall server for transmitting a product recommendation request message to the product recommendation server when the user terminal is connected, the product recommendation request message received from the shopping mall server Obtain a reduction function for each product, obtain a user profile using the obtained reduction function, search for customers with similar product preferences, and determine a list of recommended products using the reference frequency for the found customer's preferred products. A product recommendation service providing system including a product recommendation server provided to a user terminal is provided.

상기 상품 추천 서비스 제공 시스템은 상품에 부착된 RFID 태그로부터 해당 상품의 생산 정보, 가공 정보, 유통 정보 중 적어도 하나를 포함하는 상품 이력 정보를 수집하여 관리하는 이력 정보 관리 서버를 더 포함한다. The product recommendation service providing system further includes a history information management server that collects and manages product history information including at least one of production information, processing information, and distribution information of a corresponding product from an RFID tag attached to the product.

상기 이력 정보 관리 서버는 상품 추천 서버로부터 특정 상품에 대한 추가 정보 요청시 그 상품에 대한 이력 정보를 추출하여 상기 상품 추천 서버로 전송한다. When the history information management server requests additional information on a specific product from the product recommendation server, the history information management server extracts history information about the product and transmits the history information to the product recommendation server.

또한, 상기 이력 정보 관리 서버는 사용자 단말기로부터 특정 상품에 대한 이력 정보 조회가 요청된 경우, 해당 상품에 대한 이력 정보를 추출하여 제공한다. In addition, the history information management server extracts and provides history information on the corresponding product when the inquiry of the history information on the specific product is requested from the user terminal.

상기 상품 추천 서버는 웹 또는 왑 서버로부터 로그 파일을 수집하여 쇼핑 관련 로그 파일을 추출하고, 상기 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 저장한 후 상기 쇼핑 관련 로그 파일을 분석하여 쇼핑 단계 정보와 상품 코드를 추출하여 클릭스트림 정보를 생성한다. The product recommendation server extracts a log file related to shopping by collecting a log file from a web or a swap server, checks and stores a user ID of the extracted log file related to shopping, and analyzes the log file related to shopping to perform shopping step information. Clickstream information is generated by extracting and product codes.

또한, 상기 상품 추천 서버는 이력 정보 관리 서버에 저장된 상품 정보를 이용하여 유사한 선호 패턴을 갖는 상품을 특정 상품 계층으로 군집화하여 상품 계층도를 생성하여 저장한다. In addition, the product recommendation server generates and stores a product hierarchy diagram by clustering products having similar preference patterns into a specific product hierarchy by using the product information stored in the history information management server.

본 발명의 다른 측면에 따르면, 상품 추천 서버에 있어서 데이터베이스, 웹 또는 왑 서버로부터 로그 파일을 수집하여 쇼핑 관련 로그 파일을 추출하고, 상기 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 상기 데이터베이스에 저장하는 로그 파일 분석 모듈, 상기 데이터베이스에 저장된 쇼핑 관련 로그 파일 정보, 고객 정보, 판매 정보 및 상품 정보를 이용하여 상품 추천을 위한 데이터 마트 정보를 생성하는 데이터 변형 모듈, 상기 데이터 변형 모듈에 의해 생성된 데이터 마트 정보를 이용하여 해당 사용자와 유사한 상품 선호도를 가진 고객을 검색하고, 상기 검색된 고객의 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 결정하는 상품 추천 모듈을 포함하는 상품 추천 서비스 제공을 위한 상품 추천 서버가 제공된다. According to another aspect of the present invention, a product recommendation server collects a log file from a database, a web or a swap server, extracts a shopping-related log file, checks a user ID of the extracted shopping-related log file, and stores it in the database. A data transformation module for generating data mart information for recommending products using a log file analysis module configured to perform shopping, log information related to shopping stored in the database, customer information, sales information, and product information, and data generated by the data transformation module. A product for providing a product recommendation service including a product recommendation module for searching for a customer having a similar product preference with the corresponding user by using the mart information, and determining a list of recommended products using a reference frequency of the found customer's preferred product. A recommendation server is provided.

상기 데이터베이스는 상기 로그 파일 분석 모듈에 의해 분석된 쇼핑 관련 로그 파일 정보를 저장하는 로그 정보 데이터베이스, 고객별 상품 구매 히스토리 정보가 저장된 고객 정보 데이터베이스, 상품이 유사도에 따라 계층화되어 저장된 상품 정보 데이터베이스, 상품별 판매 정보가 저장된 판매 정보 데이터베이스를 포함하는 운영 데이터베이스, 상기 데이터 변형 모듈에 의해 생성된 거래 정보, 클릭스트림 정보, 상품 계층도 정보, 고객 속성 정보, 상품 속성 정보 중 적어도 하나를 포함하는 데이터 마트 정보가 저장된 데이터 마트 정보 데이터베이스를 포함한다. The database may include a log information database for storing shopping-related log file information analyzed by the log file analysis module, a customer information database storing product purchase history information for each customer, a product information database layered and stored according to similarity of products, and sales for each product. An operating database including a sales information database storing information, data mart information including at least one of transaction information, clickstream information, product hierarchy diagram information, customer attribute information, and product attribute information generated by the data transformation module; Contains data mart information database.

상기 로그 파일 분석 모듈은 웹 또는 왑 서버로부터 로그 파일을 수집하는 로그 파일 수집부, 상기 로그 파일 수집부에 의해 수집된 로그 파일을 분석하여 쇼핑 관련 로그 파일을 추출하는 데이터 정제부, 상기 데이터 정제부에 의해 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 상기 데이터베이스에 저장하는 사용자 확인부를 포함한다. The log file analysis module may include a log file collector configured to collect log files from a web or swap server, a data refiner configured to analyze a log file collected by the log file collector and extract a log file related to shopping, and the data refiner And a user confirmation unit which checks a user ID of the shopping-related log file extracted by the controller and stores the user ID in the database.

상기 로그 파일 분석 모듈은 웹 또는 왑 페이지 요청이 일정 시간 이상 경과한 경우 세션이 종료된 것으로 하여 로그 파일의 세션을 식별하는 세션 식별부, 로그의 쇼핑 경로를 읽어버렸을 경우 로그상의 참조 페이지를 이용하여 읽어버린 페이지를 유추하여 경로를 완성하는 클릭스트림 경로 완성부를 더 포함한다. The log file analysis module uses a session identification unit for identifying a session of the log file as the session is terminated when a web or swap page request elapses for a predetermined time or more, using a reference page on the log when the shopping path of the log is read. It further includes a clickstream path completion unit for completing the path by inferring the read page.

상기 데이터 변형 모듈은 상기 데이터베이스에 저장된 고객 정보를 이용하여 고객별 상품 구매 이력 정보를 생성하는 고객 속성 정보 생성부, 상기 데이터베이스에 저장된 상품 정보 및 판매 정보로부터 상품 정보, 상품 클래스 정보 및 구매 빈도를 추출하여 거래 정보 데이터베이스에 저장하는 거래 정보 생성부, 상기 로그 파일 데이터베이스로부터 고객별 쇼핑 관련 로그 파일과 상품 코드를 추출하여 클릭스트림 정보를 생성하고, 상기 생성된 클릭스트림 정보를 클릭스트림 정보 데이터베이스에 저장하는 클릭스트림 정보 생성부, 미리 정의된 상품 카테고리를 상품 계층에 따라 분류하여 저장하는 상품 계층도 생성부를 포함한다. The data transformation module is a customer attribute information generation unit for generating product purchase history information for each customer using the customer information stored in the database, product information, product class information and purchase frequency from the product information and sales information stored in the database A transaction information generation unit for storing in the transaction information database, extracting a shopping-related log file and a product code from the log file database to generate clickstream information, and storing the generated clickstream information in the clickstream information database. The clickstream information generation unit and the product hierarchy for classifying and storing a predefined product category according to the product hierarchy also include a generation unit.

상기 클릭스트림 정보 생성부는 상품 코드가 없는 로그 정보는 삭제하고, 웹 또는 왑 사이트의 URL을 쇼핑 행위의 각 단계로 구분하여 각 단계마다 특정 상품이 발생한 빈도 수를 합산한 후, 클릭 스트림 정보 데이터베이스에 저장한다. The clickstream information generating unit deletes log information without a product code, divides the URL of a web or a swap site into each step of a shopping activity, sums the frequency of occurrence of a specific product at each step, and then adds the frequency to the clickstream information database. Save it.

상기 상품 계층도 생성부는 상기 데이터베이스로부터 상품 정보를 추출하여 유사한 선호 패턴을 갖는 상품을 특정 상품 계층으로 군집화하여 상품 계층도를 생성한다. The merchandise hierarchy diagram generation unit extracts merchandise information from the database to cluster merchandise having similar preference patterns into a specific merchandise hierarchy to generate a merchandise hierarchy diagram.

상기 상품 추천 모듈은 상기 데이터베이스로부터 상품 계층도를 추출하여 각 상품에 대한 감소 함수를 구하는 감소 함수 계산부, 상기 데이터 변형 모듈에 의해 생성된 클릭스트림 정보로부터 사용자의 쇼핑 행위 정보를 분석하고, 상기 분석된 쇼핑 행위 정보를 기반으로 상기 감소 함수 계산부에서 구해진 감소 함수를 이용하여 고객 프로파일을 구하는 고객 프로파일 형성부, 상기 고객 프로파일 형성부에서 구해진 고객 프로파일을 이용하여 다른 고객과의 유사도를 계산하여 해당 고객과 유사한 상품 선호도를 가진 유사 고객을 검색하는 유사 고객 검색부, 상기 유사 고객 검색부에 의해 검색된 유사 고객의 선호 상품 중에서 빈발 참조 상품 기준에 따라 추천 상품 목록을 결정하는 추천 상품 결정부를 포함한다. The product recommendation module extracts a product hierarchy diagram from the database to obtain a reduction function for each product, and analyzes shopping behavior information of the user from the clickstream information generated by the data transformation module. A customer profile forming unit for obtaining a customer profile using a reduction function obtained by the reduction function calculating unit based on the shopping behavior information, and calculating similarity with other customers using the customer profile obtained in the customer profile forming unit. And a similar customer search unit for searching for similar customers having similar product preferences, and a recommendation product determining unit for determining a list of recommended products based on a frequent reference product criterion among similar products searched by the similar customer search unit.

상기 감소 함수 계산부는 해당 상품에 할당된 초기값 및 감소율을 이용하여 감소함수를 구한다. The reduction function calculator calculates a reduction function using an initial value and a reduction rate assigned to the product.

본 발명의 또 다른 측면에 따르면, (a)쇼핑몰 서버는 사용자 단말기가 접속된 경우, 상품 추천 서버로 상품 추천 요청 메시지를 전송하는 단계, (b)상기 상품 추천 서버는 미리 저장된 상품 계층도내 각 상품에 대한 감소 함수를 구하고, 상기 감소 함수를 이용하여 사용자 프로파일을 구하는 단계, (c)상기 상품 추천 서버는 상기 구해진 사용자 프로파일을 이용하여 유사 고객을 검색하는 단계, (d)상기 상품 추천 서버는 상기 검색된 유사 고객의 선호 상품에 대한 참조 빈도를 구하고, 상기 구해진 각 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공하는 단계를 포함하는 상품 추천 서비스 제공 방법이 제공된다. According to another aspect of the present invention, (a) a shopping mall server, if the user terminal is connected, transmitting a product recommendation request message to the product recommendation server, (b) the product recommendation server is stored in each product in the product hierarchy diagram Obtaining a reduction function for and obtaining a user profile using the reduction function, (c) the product recommendation server searching for similar customers using the obtained user profile, and (d) the product recommendation server There is provided a method for providing a product recommendation service comprising obtaining a reference frequency of a found similar customer's preferred product, and determining and providing a list of recommended products using the obtained reference frequency for each preferred product to the user terminal.

상기 (b)단계는 미리 저장된 상품 계층도내 각 상품에 대하여 초기값과 감소율을 이용하여 감소 함수를 구하는 단계, 웹마이닝을 통해 구해진 클릭스트림 정보로부터 사용자의 쇼핑 행위 정보를 분석하고, 그 분석된 쇼핑 행위 정보를 기반으로 상기 구해진 감소 함수를 이용하여 사용자 프로파일을 구하는 단계를 포함한다. Step (b) is a step of obtaining a reduction function using the initial value and the reduction rate for each product in the previously stored merchandise hierarchy diagram, analyzing the shopping behavior information of the user from the clickstream information obtained through web mining, and analyzing the shopping And obtaining a user profile using the obtained reduction function based on the behavior information.

상기 쇼핑 행위 정보는 구매, 장바구니에 담기, 상품 상세보기로 구분되고, 상기 쇼핑 행위 정보를 기반으로 구매된 상품, 장바구니에 담긴 상품, 상세보기 상품, 그외 상품으로 구분하고, 각 상품별 감소함수를 이용하여 사용자 프로파일을 구한다. The shopping behavior information is classified into a purchase, a shopping cart, and a product detail view. The shopping behavior information is classified into a purchased product, a product included in a shopping cart, a detailed view product, and other products based on the shopping behavior information. Obtain your user profile.

상기 (c)단계에서, 상기 상품 추천 서버는 피어슨 상관계수 또는 코사인을 이용하여 유사 고객을 검색한다. In step (c), the product recommendation server searches for similar customers using Pearson's correlation coefficient or cosine.

상기 (d)단계는 상기 검색된 유사 고객의 선호 상품 중에서 상기 사용자가 기존에 구매한 상품, 유통기한이 지난 상품, 유통과정에서 유통 환경 범위를 벗어난 상품을 제외하고 참조 빈도에 따라 상품을 분류하여 참조 빈도가 높은 순으로 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공한다. In step (d), the product is classified and referenced according to the reference frequency except for the product previously purchased by the user, the product that has passed the expiration date, and the product that is out of the distribution environment in the distribution process. The list of recommended products is determined in order of high frequency and provided to the user terminal.

본 발명의 또 다른 측면에 따르면, 상품 추천 서버가 사용자 단말기에 추천 상품 목록을 제공하는 방법에 있어서, (a)상품 추천 요청 메시지가 수신되는 경우, 미리 저장된 상품 계층도내 각 상품에 대한 감소 함수를 구하는 단계, (b)미리 저장된 클릭스트림 정보로부터 해당 사용자의 쇼핑 행위 정보를 분석하고, 상기 분석된 쇼핑 행위 정보를 기반으로 상기 구해진 감소 함수를 이용하여 사용자 프로파일을 구하는 단계, (c)상기 구해진 사용자 프로파일을 이용하여 다른 고객과의 유사 도를 계산하여 해당 고객과 유사한 상품 선호도를 가진 유사 고객을 검색하는 단계, (d)상기 검색된 유사 고객의 선호 상품에 대한 참조 빈도를 각각 구하고, 상기 구해진 참조 빈도를 이용하여 추천 상품 목록을 결정하여 해당 사용자 단말기에 제공하는 단계를 포함하는 상품 추천 서비스 제공 방법이 제공된다. According to another aspect of the present invention, a method for providing a list of recommended products to the user terminal in the product recommendation server, (a) when a product recommendation request message is received, a reduction function for each product in the previously stored product hierarchy diagram (B) analyzing the shopping behavior information of the corresponding user from pre-stored clickstream information, and obtaining a user profile using the obtained reduction function based on the analyzed shopping behavior information, (c) the obtained user Calculating similarity with other customers by using a profile to search for similar customers having similar product preferences with the corresponding customers; (d) obtaining reference frequencies for the preferred products of the searched similar customers, respectively, Determining a list of recommended products using a and providing to the corresponding user terminal A method of providing a product recommendation service is provided.

본 발명의 또 다른 측면에 따르면, 상품 추천 서버가 사용자 단말기에 클릭스트림 정보를 생성하는 방법에 있어서, (a)웹 또는 왑 서버로부터 로그 파일을 수집하는 단계, (b)상기 수집된 로그 파일을 분석하여 쇼핑 관련 로그 파일을 추출하고, 상기 추출된 쇼핑 관련 로그 파일을 사용자별로 저장하는 단계, (c)상기 저장된 쇼핑 관련 로그 파일을 분석하여 쇼핑 단계 정보와 상품 코드를 추출하여 클릭 스트림 정보를 생성하는 단계를 포함하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 클릭스트림 정보 생성 방법이 제공된다.According to another aspect of the invention, the product recommendation server in the method for generating clickstream information on the user terminal, (a) collecting a log file from the web or the swap server, (b) the collected log file Analyzing and extracting a shopping-related log file, and storing the extracted shopping-related log file for each user, (c) analyzing the stored shopping-related log file to extract shopping step information and a product code to generate click stream information Provided is a method of generating clickstream information for providing a product recommendation service, comprising the steps of: a.

상술한 바와 같이 본 발명에 따르면, RFID 태그를 이용한 이력관리 시스템 도입을 통하여 유비쿼터스 환경에서 농산물 거래의 신뢰성을 확보하고, 농가에 부가 가치가 높은 농산물 생산을 유도하며, 소비자 만족도를 높일 수 있는 상품 추천 서비스 제공 시스템 및 방법을 제공할 수 있다. As described above, according to the present invention, through the introduction of a history management system using the RFID tag to ensure the reliability of agricultural products trading in the ubiquitous environment, induces the production of high value-added agricultural products to farmers, recommend products that can increase customer satisfaction It is possible to provide a service providing system and method.

또한, RFID 태그로부터 수집되는 객관적인 데이터를 분석하여 상품의 품질 상태를 판단하고, 그 품질 상태와 선호도를 바탕으로 목표 고객에게 유용한 상품을 추천하는 상품 추천 서비스 제공 시스템 및 방법을 제공할 수 있다. In addition, it is possible to provide a product recommendation service providing system and method for analyzing the objective data collected from the RFID tag to determine the quality state of the product, and recommend useful products to the target customer based on the quality state and preference.

또한, 농수산물의 온라인 유통 확대에 따른 소비자의 정보 탐색의 편의 제공과 안정성 문제를 해결할 수 있는 상품 추천 서비스 제공 시스템 및 방법을 제공할 수 있다. In addition, it is possible to provide a system and method for providing a product recommendation service that can solve the problems of convenience and stability of information search by the expansion of online distribution of agricultural and marine products.

또한, 농수산물에 RFID 태그 도입과 함께 네트워크를 통해 농수산물의 생산/유통 정보를 활용하여 목표 고객에게 유용한 상품을 추천하는 상품 추천 서비스 제공 시스템 및 방법을 제공할 수 있다. In addition, it is possible to provide a product recommendation service providing system and method for recommending useful products to target customers by utilizing RFID production in agricultural and marine products and using production / distribution information of agricultural and marine products through a network.

또한, 상품 이력 정보 기반의 협업 필터링 방법을 통해 고객에게 편리한 쇼핑 경험을 제공하는 동시에 안전과 신뢰를 기반으로 한 공정거래와 식품 위생에 관한 위험노출로부터 보호받을 수 있는 상품 추천 서비스 제공 시스템 및 방법을 제공할 수 있다. In addition, a product recommendation service providing system and method for providing a convenient shopping experience to customers through the product history information-based collaborative filtering method and being protected from risk exposure related to fair trade and food hygiene based on safety and trust Can provide.

본 발명의 전술한 목적과 기술적 구성 및 그에 따른 작용 효과에 관한 자세한 사항은 본 발명의 명세서에 첨부된 도면에 의거한 이하 상세한 설명에 의해 보다 명확하게 이해될 것이다.Details of the above-described objects and technical configurations of the present invention and the effects thereof according to the present invention will be more clearly understood by the following detailed description based on the accompanying drawings.

도 1은 본 발명에 따른 상품 추천 서비스 제공 시스템의 구성을 개략적으로 나타낸 블럭도이다. 1 is a block diagram schematically showing the configuration of a product recommendation service providing system according to the present invention.

도 1을 참조하면, 상품 추천 서비스 제공 시스템은 사용자 단말기(100), 상기 사용자 단말기(100)에 쇼핑 정보를 제공하는 쇼핑몰 서버(120), 상품 추천 서 버(140), 이력 정보 관리 서버(160)를 포함한다. 1, the product recommendation service providing system includes a user terminal 100, a shopping mall server 120 providing shopping information to the user terminal 100, a product recommendation server 140, and a history information management server 160. ).

상기 사용자 단말기(100)는 무선 통신 단말기 또는 유선 통신 단말기일 수 있다. The user terminal 100 may be a wireless communication terminal or a wired communication terminal.

상기 쇼핑몰 서버(120)는 사용자 단말기(100)가 접속된 경우, 사용자 단말기 식별정보를 포함하는 상품 추천 요청 메시지를 생성하여 상기 상품 추천 서버(140)에 전송한다. When the user terminal 100 is connected, the shopping mall server 120 generates a product recommendation request message including user terminal identification information and transmits the generated product recommendation request message to the product recommendation server 140.

상기 상품 추천 서버(140)는 상기 쇼핑몰 서버(120)로부터 상품 추천 요청 메시지가 수신된 경우 미리 저장된 상품 계층도에 포함된 각 상품에 대한 감소 함수를 구하고, 상기 구해진 감소 함수를 이용하여 사용자 프로파일을 구하여 유사한 상품 선호도를 가진 고객을 검색하고, 상기 검색된 고객의 선호 상품 중에서 추천 상품 목록을 결정하여 상기 사용자 단말기(100)에 제공하는 역할을 수행한다. When the product recommendation request message is received from the shopping mall server 120, the product recommendation server 140 obtains a reduction function for each product included in a previously stored product hierarchy diagram, and uses the obtained reduction function to obtain a user profile. The service provider searches for a customer having similar product preferences, determines a list of recommended products among the searched customer's preferred products, and provides the same to the user terminal 100.

상기 추천 상품 목록은 상기 사용자 단말기 화면의 일정 영역에 팝업창 형태로 또는 음성 메시지 형태, 메일 형태 등으로 상기 사용자 단말기(100)에 제공된다.The recommended product list is provided to the user terminal 100 in the form of a pop-up window or in the form of a voice message or mail in a predetermined area of the screen of the user terminal.

상기 상품 추천 서버(140)는 웹 또는 왑 서버로부터 로그 파일을 수집하여 쇼핑 관련 로그 파일을 추출하고, 상기 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 저장한 후 상기 쇼핑 관련 로그 파일을 분석하여 쇼핑 단계 정보와 상품 코드를 추출하여 클릭스트림 정보를 생성한다. The product recommendation server 140 collects a log file from a web or swap server, extracts a shopping related log file, checks and stores a user ID of the extracted shopping related log file, and analyzes the shopping related log file. Clickstream information is generated by extracting shopping step information and product codes.

또한, 상기 상품 추천 서버(140)는 상기 이력 정보 관리 서버(160)에 저장된 상품 정보를 이용하여 유사한 선호 패턴을 갖는 상품을 특정 상품 계층으로 군집화 하여 상품 계층도를 생성하여 저장한다. In addition, the product recommendation server 140 generates and stores a product hierarchy diagram by clustering products having similar preference patterns into a specific product hierarchy by using the product information stored in the history information management server 160.

상기와 같은 역할을 수행하는 상품 추천 서버(140)에 대한 상세한 설명은 도 3을 참조하기로 한다. Detailed description of the product recommendation server 140 that performs the above role will be described with reference to FIG. 3.

상기 이력 정보 관리 서버(160)는 상품에 부착된 RFID 태그로부터 해당 상품의 생산 정보, 가공 정보, 유통 정보 중 적어도 하나를 포함하는 상품 이력 정보를 수집하여 관리한다. The history information management server 160 collects and manages product history information including at least one of production information, processing information, and distribution information of a corresponding product from an RFID tag attached to the product.

상기 이력 정보 관리 서버(160)는 상품에 부착된 RFID 태그로부터 상품의 생산, 처리, 가공, 유통, 판매단계에서 상품의 구입처, 판매처 등의 정보를 획득하여 저장함으로서 정보의 연속성을 확보하고, 식별번호를 사용하여 상품과의 결합을 확보함으로서 상품과 그 유통된 경로 및 소재 등을 기록한 정보(유통경로 정보)의 추적과 소급을 가능하게 한다. The history information management server 160 acquires and stores information such as the place of purchase and sale of the product in the production, processing, processing, distribution, and sales stages of the RFID tag attached to the product, thereby securing the continuity of information, and identifying By using the number to secure the association with the product, it is possible to trace and trace back the information (distribution path information) that records the product, its route and whereabouts.

또한, 상기 이력 정보 관리 서버(160)는 RFID 태그가 부착된 상품에 대한 생산자 정보나 상품속성, 농축산물의 재배환경, 유통과정 및 상태 정보를 저장하여 활용할 수 있도록 지원한다. In addition, the history information management server 160 supports to store and utilize the producer information or product attributes, agricultural products cultivation environment, distribution process and status information for the product with the RFID tag.

즉, 생산 단계에서의 상품에 부착되는 RFID 태그에는 품목, 품종, 생산자 정보, 포장정보, 재배방법, 시비 및 방제정보, 작부정보 등이 등록되어 있고, 가공 단계에서의 RFID 태그에는 원 재료의 구입처, 가공업자 정보, 주요 식품 첨가물 정보, 가공 내용 및 방법, 상품명, 상품 출하 정보, 제조일, 유통기한 등이 등록되어 있다. 또한, 유통 단계중 운송에서의 RFID 태그에는 운송시간, 온도 및 습도, 운송 회사정보, 출하처 등이 등록되어 있고, 보관에서의 RFID 태그에는 보관기간, 입고 및 출고 상태, 보관 온도 및 습도, 회사 정보, 출하처 등이 등록되어 있다. That is, items, varieties, producer information, packaging information, cultivation methods, fertilization and control information, and cropping information are registered in the RFID tag attached to the product at the production stage, and the place of purchase of the raw material is registered in the RFID tag at the processing stage. , Processor information, main food additive information, processing content and method, product name, product shipment information, production date, expiration date, and the like are registered. In addition, the transport time, temperature and humidity, transport company information, shipping address, etc. are registered in the RFID tag during transportation during distribution, and the storage period, receipt and release status, storage temperature and humidity, company information are stored in the RFID tag in storage. , Shipping address, etc. are registered.

또한 판매단계에서의 RFID 태그에는 상품 입하처, 입하일시, 상품 진열시 온도 및 습도, 판매가격, 판매가능 기간, 재소분 및 재포장 여부, 상품명, 판매점 정보 등이 등록되어 있다. In addition, the RFID tag in the sales stage registers the goods arrival place, the arrival time, the temperature and humidity at the time of merchandise display, the selling price, the selling period, the availability and repacking status, the product name, the store information, and the like.

따라서, 상기 이력 정보 관리 서버(160)는 개별농가에 설치된 센서와 상품에 바축된 RFID 태그로부터 농축산물 재배환경, 생산자 정보, 유통과정 등의 모든 이력 정보를 수집하여 저장한다. Accordingly, the history information management server 160 collects and stores all history information such as agricultural products cultivation environment, producer information, distribution process, etc. from RFID tags stored in sensors and products installed in individual farms.

또한, 상기 이력 정보 관리 서버(160)는 상품 추천 서버(140) 또는 사용자 단말기(100)로부터 특정 상품에 대한 추가 정보(상품 이력 정보) 요청 시 그 상품에 대한 이력 정보를 추출하여 해당 사용자 단말기(100)로 전송한다. In addition, when the history information management server 160 requests additional information (product history information) for a specific product from the product recommendation server 140 or the user terminal 100, the history information management server 160 extracts the history information about the product. 100).

사용자는 상기 이력 정보 관리 서버(160)에 저장된 상품 이력 정보를 이용하여 식품사고가 발생할 경우 그 원인규명을 용이하게 하는 리스크 관리 방법 또는 식품 생산방법 등에 대한 정보를 입수할 수 있다. 그러므로, 사용자는 안심하고 식품을 구입할 수 있으며, 농장에서 식탁까지의 얼굴이 보이는 관계를 구축하여 소비자의 신뢰를 확보할 수 있다. A user may obtain information on a risk management method or a food production method that facilitates the identification of a cause of a food accident, using the product history information stored in the history information management server 160. Therefore, the user can purchase food with confidence, and can establish the relationship of the face from the farm to the table to secure the trust of the consumer.

상기와 같은 역할을 수행하는 이력 정보 관리 서버(160)에 대한 상세한 설명은 도 2를 참조하기로 한다. A detailed description of the history information management server 160 performing the above role will be described with reference to FIG. 2.

도 2는 본 발명에 따른 이력 정보 관리 서버의 구성을 개략적으로 나타낸 블럭도이다. 2 is a block diagram schematically showing the configuration of a history information management server according to the present invention.

도 2를 참조하면, 이력 정보 관리 서버(160)는 상품 이력 정보 데이터베이스(162), 이벤트 처리부(164), 이력 정보 추출부(166)를 포함한다. Referring to FIG. 2, the history information management server 160 includes a product history information database 162, an event processor 164, and a history information extractor 166.

상기 상품 이력 정보 데이터베이스(162)에는 상품의 생산 단계에서 수집된 생산 기록 정보를 저장하는 생산 과정 데이터베이스, 가공 단계에서 수집된 가공 정보를 저장하는 가공 정보 데이터베이스, 유통/판매 단계에서 수집된 유통 기록 정보를 저장하는 유통 정보 데이터베이스를 포함한다. The product history information database 162 includes a production process database for storing production record information collected at the production stage of the product, a processing information database for storing processing information collected at the processing stage, and distribution record information collected at the distribution / sales stage. Includes a distribution information database to store it.

상기 이벤트 처리부(164)는 상품 등록 이벤트와 상품 이력 이벤트가 수신되는 경우, 해당 이벤트를 처리하는 역할을 수행한다. The event processor 164 processes a corresponding event when a product registration event and a product history event are received.

즉, 상기 이벤트 처리부(164)는 생산 단계에서 상품에 부착된 RFID 태그로부터 품목, 품종, 생산자 정보, 포장정보, 재배방법, 시비 및 방제 정보, 작부정보 등의 생산 정보를 입력받아 상기 생산 과정 데이터베이스에 저장한다. That is, the event processing unit 164 receives production information such as items, varieties, producer information, packaging information, cultivation methods, fertilization and control information, and cropping information from the RFID tag attached to the product at the production stage. Store in

또한, 상기 이벤트 처리부(164)는 가공 단계에서의 RFID 태그로부터 원 재료의 구입처, 가공업자 정보, 주요 식품 첨가물 정보, 가공 내용 및 방법, 상품명, 상품 출하 정보, 제조일, 유통기한 등의 가공 정보를 입력받아 상기 가공 정보 데이터베이스에 저장한다. In addition, the event processing unit 164 processes processing information such as the source of purchase of raw materials, processor information, main food additive information, processing contents and methods, product name, product shipment information, production date, and expiration date from the RFID tag in the processing step. The input is stored in the processing information database.

또한, 상기 이벤트 처리부(164)는 운송 단계에서의 RFID 태그로부터 운송시간, 온도 및 습도, 운송 회사정보, 출하처 등의 정보를 입력받아 상기 유통 정보 데이터베이스에 저장한다. In addition, the event processing unit 164 receives information such as transport time, temperature and humidity, transport company information, shipping destination, etc. from the RFID tag in the transport step and stores it in the distribution information database.

또한, 상기 이벤트 처리부(164)는 보관 단계에서의 RFID 태그로부터 보관기간, 입고 및 출고 상태, 보관 온도 및 습도, 회사 정보, 출하처 등의 정보를 입력 받아 상기 유통 정보 데이터베이스에 저장한다. In addition, the event processing unit 164 receives the information such as storage period, receipt and shipping status, storage temperature and humidity, company information, shipping address, etc. from the RFID tag in the storage step and stores it in the distribution information database.

또한, 상기 이벤트 처리부(164)는 판매 단계에서의 RFID 태그로부터 상품 입하처, 입하일시, 상품진열시 온도 및 습도, 판매가격, 판매가능 기간, 재소분 및 재포장 여부, 상품명, 판매점 정보 등의 정보를 입력받아 저장한다. In addition, the event processing unit 164, such as the goods arrival destination, arrival time, merchandise display temperature and humidity, sale price, sales period, resale and repacking, product name, store information, etc. from the RFID tag in the sales stage Receive and save the information.

즉, 상기 이벤트 처리부(164)는 상품에 부착되는 RFID 태그로부터 생산, 처리, 가공, 유통, 판매단계에서 상품의 구입처, 판매처 등의 정보를 획득하여 저장함으로서 정보의 연속성을 확보하고, 식별번호를 사용하여 상품과의 결합을 확보함으로서 상품과 그 유통된 경로 및 소재 등을 기록한 정보(유통경로 정보)의 추적과 소급을 가능하게 한다. That is, the event processing unit 164 acquires and stores information such as the place of purchase and sale of the product in the production, processing, processing, distribution, and sales stages from the RFID tag attached to the product, thereby securing the continuity of the information, and identifying the identification number. Use to ensure combina- tion with commodities to enable traceability and traceability of information (distribution channel information) that records commodities, their distribution routes and whereabouts.

상기 이력 정보 추출부(166)는 상품 추천 서버 또는 사용자 단말기로부터 특정 상품에 대한 추가 정보 요청시 상기 데이터베이스(162)를 검색하여 해당 상품에 대한 이력 정보를 추출하여 제공하는 역할을 수행한다. The history information extractor 166 searches for the database 162 when a request for additional information on a specific product is made from a product recommendation server or a user terminal, and extracts and provides history information on the corresponding product.

도 3은 본 발명에 따른 상품 추천 서버의 구성을 개략적으로 나타낸 블럭도, 도 4는 도 3에 도시된 로그 파일 분석 모듈의 구성을 나타낸 블럭도, 도 5는 도 3에 도시된 데이터 변형 모듈의 구성을 나타낸 블럭도, 도 6은본 발명에 따른 상품 계층도의 예시도, 도 7은 도 3에 도시된 상품 추천 모듈의 구성을 나타낸 블럭도이다. 3 is a block diagram schematically showing the configuration of the product recommendation server according to the present invention, FIG. 4 is a block diagram showing the configuration of the log file analysis module shown in FIG. 3, and FIG. 5 is a diagram of the data modification module shown in FIG. 6 is a block diagram showing the merchandise hierarchy diagram according to the present invention, and FIG. 7 is a block diagram showing the configuration of the merchandise recommendation module shown in FIG.

도 3을 참조하면, 상품 추천 서버(140)는 데이터베이스(142, 144, 146), 로그 파일 분석 모듈(148), 데이터 변형 모듈(150), 상품 추천 모듈(152)을 포함한 다. Referring to FIG. 3, the product recommendation server 140 includes a database 142, 144, and 146, a log file analysis module 148, a data transformation module 150, and a product recommendation module 152.

상기 데이터베이스(142, 144, 146)는 상기 로그 파일 분석 모듈(148)에 의해 분석된 쇼핑 관련 로그 파일 정보를 저장하는 로그 정보 데이터베이스(142), 운영 데이터베이스(144), 데이터 마트 정보 데이터베이스(146)를 포함한다. The database 142, 144, and 146 may include a log information database 142, an operation database 144, and a data mart information database 146 that store shopping related log file information analyzed by the log file analysis module 148. It includes.

상기 운영 데이터베이스(144)는 고객별 상품 구매 히스토리 정보가 저장된 고객 정보 데이터베이스(144a), 상품의 유사도에 따라 계층화되어 저장된 상품 정보 데이터베이스(144b), 상품별 판매 정보가 저장된 판매 정보 데이터베이스(144c)를 포함한다. The operation database 144 includes a customer information database 144a storing product purchase history information for each customer, a product information database 144b layered and stored according to the similarity of products, and a sales information database 144c storing sales information for each product. do.

상기 데이터 마트 정보 데이터베이스(146)에는 상기 데이터 변형 모듈(150)에 의해 생성된 거래 정보(146a), 클릭스트림 정보(146b), 상품 계층도 정보(146c), 고객 속성 정보(146d), 상품 속성 정보(146e) 중 적어도 하나가 저장되어 있다. The data mart information database 146 includes transaction information 146a, clickstream information 146b, product hierarchy information 146c, customer attribute information 146d, and product attribute generated by the data transformation module 150. At least one of the information 146e is stored.

상기 로그 파일 분석 모듈(148)은 웹 또는 왑 서버로부터 로그 파일을 수집하여 쇼핑 관련 로그 파일을 추출하고, 상기 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 상기 로그 정보 데이터베이스(142)에 저장한다. The log file analysis module 148 collects log files from a web or swap server, extracts a shopping-related log file, checks a user ID of the extracted shopping-related log file, and stores the log file in the log information database 142. .

상기 로그 파일 분석 모듈(148)에 대해 도 4를 참조하면, 로그 파일 분석 모듈(148)은 웹 또는 왑 서버로부터 로그 파일을 수집하는 로그 파일 수집부(148a), 상기 로그 파일 수집부(148a)에 의해 수집된 로그 파일을 분석하여 쇼핑 관련 로그 파일을 추출하는 데이터 정제부(148b), 상기 데이터 정제부(148b)에 의해 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 상기 로그 정보 데이터베이스(142)에 저장하는 사용자 확인부(148c), 웹 또는 왑 페이지 요청이 일정 시간 이상 경과한 경우 세션이 종료된 것으로 하여 로그 파일의 세션을 식별하는 세션 식별부(148d), 로그의 쇼핑 경로를 읽어버렸을 경우 로그상의 참조 페이지를 이용하여 읽어버린 페이지를 유추하여 경로를 완성하는 클릭스트림 경로 완성부(148e)를 포함한다. Referring to FIG. 4 with respect to the log file analysis module 148, the log file analysis module 148 may include a log file collector 148a and a log file collector 148a for collecting log files from a web or a swap server. A data refining unit 148b for extracting a shopping-related log file by analyzing the log file collected by the user, and checking the user ID of the shopping-related log file extracted by the data refining unit 148b to check the log information database 142. ), The user identification unit 148c for storing the web page or the swap page request for a predetermined time or more, the session is terminated, and the session identification unit 148d for identifying the session in the log file may have read the shopping path of the log. In this case, a clickstream path completion unit 148e for inferring the read page using the reference page on the log and completing the path is included.

상기 로그 파일 수집부(148a)에 의해 수집된 로그 파일 즉, html 파일에는 그림, 영상, 스크립트와 같은 불필요한 아이템들이 포함되어 있으므로, 상기 데이터 정제부는 상기 수집된 로그 파일중에서 확장자가 jpg, gif, cgi 등으로 끝나는 파일은 삭제하고, 인터넷 쇼핑몰의 쇼핑단계에 맞는 URL을 매핑하여 필요한 파일만을 추출한다.Since the log file collected by the log file collecting unit 148a, that is, an html file includes unnecessary items such as a picture, an image, and a script, the data refiner has an extension of jpg, gif, cgi among the collected log files. The files ending with the back are deleted, and only the necessary files are extracted by mapping a URL corresponding to the shopping stage of the Internet shopping mall.

상기 세션 식별부(148d)는 페이지 요청이 미리 정해진 일정 시간(예를 들면, 30분) 경과하는 경우 세션이 종료되었다고 판단하여 로그 파일의 시작과 종료를 명확히 구분하는 역할을 수행한다. 즉, 세션(session)이란 처음 사이트에 진입하여 최종적으로 사이트를 빠져나가는 과정으로 정의되는데, 방문 고객이 현재 웹 페이지가 아닌 다른 페이지에서 작업하거나 다른 브라우저를 실행하는 경우 실제로는 그 인터넷 쇼핑몰을 사용하고 있지 않으나 로그 파일은 해당 페이지를 보고 있는 것으로 간주한다. 이는 로그 파일의 시작과 종료가 명확히 구분 되지 않기 때문이다. 따라서, 상기 세션 식별부(148d)는 페이지 요청(page request)이 미리 정해진 일정 시간 이상 경과하는 경우 세션이 종료됐다고 판단하여 세션을 식별한다. The session identification unit 148d determines that the session has ended when the page request elapses for a predetermined time (for example, 30 minutes), and clearly distinguishes the start and end of the log file. In other words, a session is defined as a process of first entering the site and finally leaving the site. When a visitor works on a page other than the current web page or runs a different browser, the user actually uses the Internet shopping mall. It does not exist, but the log file assumes that you are viewing the page. This is because the start and end of log files are not clearly distinguished. Accordingly, the session identification unit 148d determines that the session is terminated when the page request elapses for a predetermined time or more and identifies the session.

상기 클릭스트림 경로 완성부(148e)는 로그의 쇼핑 경로를 잃어버렸을 때 웹 로그상의 참조 페이지(referrer log)를 이용하여 잃어버린 페이지를 유추하여 경로 를 완성하는 역할을 수행한다. 즉, 웹 사이트는 다양한 페이지의 링크로 구성되어 있으며 하나의 페이지는 다른 여러 페이지와 연결되어 있으므로, 사이트의 구성을 분석하게 되면 사용자가 어떤 경로로 사이트를 브라우징 하는지 파악할 수 있다.The clickstream path completion unit 148e completes the path by inferring the lost page using a reference page on the web log when the shopping path of the log is lost. In other words, since a web site is composed of links of various pages and one page is connected to several other pages, analyzing the structure of the site can determine which path a user browses through.

상기 데이터 변형 모듈(150)은 데이터 마트 정보 데이터베이스(146)에 저장된 데이터 마트 정보를 유지 및 관리하기 위해 운영 데이터베이스(144)와 로그 정보 데이터베이스(142)로부터 자료를 추출, 정제하고 추천시스템에 적용하기 적합한 형태로 데이터를 변형시키는 역할을 수행한다. The data transformation module 150 extracts data from the operation database 144 and the log information database 142 to maintain and manage the data mart information stored in the data mart information database 146 and to apply it to the recommendation system. It transforms the data into a suitable form.

즉, 상기 데이터 변형 모듈(150)은 상기 데이터베이스에 저장된 쇼핑 관련 로그 파일 정보, 고객 정보, 판매 정보 및 상품 정보를 이용하여 상품 추천을 위한 데이터 마트 정보를 생성한다. That is, the data transformation module 150 generates data mart information for product recommendation using shopping-related log file information, customer information, sales information, and product information stored in the database.

상기와 같은 역할을 수행하는 데이터 변형 모듈(150)에 대해 도 5를 참조하면, 데이터 변형 모듈(150)은 상기 고객 정보 데이터베이스(144a)에 저장된 고객 정보를 이용하여 고객별 상품 구매 이력 정보를 생성하는 고객 속성 정보 생성부(150a), 상기 데이터베이스(144b, 144c)에 저장된 상품 정보 및 판매 정보로부터 상품 정보, 상품 클래스 정보 및 구매 빈도를 추출하여 거래 정보 데이터베이스(146a)에 저장하는 거래 정보 생성부(150b), 상기 로그 정보 데이터베이스(142)로부터 고객별 쇼핑 관련 로그 파일과 상품 코드를 추출하여 클릭스트림 정보를 생성하고 그 생성된 클릭스트림 정보를 클릭스트림 정보 데이터베이스(146b)에 저장하는 클릭스트림 정보 생성부(150c), 미리 정의된 상품 카테고리를 상품 계층에 따 라 분류하여 저장하는 상품 계층도 생성부(150d)를 포함한다. Referring to FIG. 5 for the data transformation module 150 performing the above role, the data transformation module 150 generates product purchase history information for each customer using the customer information stored in the customer information database 144a. The transaction information generation unit 150a extracts the product information, the product class information, and the purchase frequency from the product information and the sales information stored in the customer attribute information generation unit 150a and the databases 144b and 144c and stores them in the transaction information database 146a. 150b, clickstream information for generating customer-specific shopping log files and product codes from the log information database 142 to generate clickstream information and storing the generated clickstream information in the clickstream information database 146b. The generation unit 150c stores the product hierarchy diagram generation unit 150d which classifies and stores the predefined product categories according to the product hierarchy. .

상기 클릭스트림 정보 생성부(150c)는 상품 코드가 없는 로그 정보는 삭제하고, 웹 또는 왑 사이트의 URL을 쇼핑 행위의 각 단계로 구분하여 각 단계마다 특정 상품이 발생한 빈도 수를 합산한 후, 클릭스트림 정보 데이터베이스(146b)에 저장한다. The clickstream information generating unit 150c deletes the log information without the product code, divides the URL of the web or the web site into each step of the shopping activity, adds the frequency of occurrence of a specific product at each step, and then clicks the click. Stored in the stream information database 146b.

상기 상품 계층도 생성부(150d)는 상기 데이터베이스로부터 상품 정보를 추출하여 유사한 선호 패턴을 갖는 상품을 특정 상품 계층으로 군집화하여 상품 계층도를 생성하는 역할을 수행한다. The merchandise hierarchy diagram generation unit 150d extracts merchandise information from the database and clusters merchandise having a similar preference pattern into a specific merchandise hierarchy to generate a merchandise hierarchy diagram.

여기서, 상기 상품 계층도는 도 6과 같이 개별 상품을 추상 개념이 낮은 상품 클래스로 분류하고 이들 상품 클래스를 다시 추상 개념이 좀 더 높은 상품 클래스로 분류한 계층 구조를 말하며 일반적으로 개별 상품, 상품 카테고리(Category), 상품군 등의 순서로 형성된다. Here, the merchandise hierarchy diagram refers to a hierarchical structure in which individual products are classified into product classes having a low abstract concept, and these product classes are classified into product classes having a higher abstract concept as shown in FIG. It is formed in the order of Category, Product Group, etc.

즉, 상기 상품 계층도 생성부(150d)는 상기 데이터베이스로부터 상품 정보를 추출하여 유사한 상품들을 확인하고 상품계층도를 사용하여 그레인(Grain)을 생성한다. 상기 그레인은 상품계층도에서 개별상품의 개수가 너무 많은 경우 개별상품들을 클래스로 묶을 때 사용하기 위한 것으로, 그레인 G는 상품계층도에서 루트노드(root node)를 제외한 모든 노드의 부분집합으로 개별상품에서부터 루트 노드까지의 경로를 말한다. 그러므로 모든 개별 리프노드(leaf node)는 그것에 대응하는 그레인 노드를 가지고 있으며, 이를 그레인 상품 클래스(grain product class, 상품군)라고 부른다That is, the merchandise hierarchy diagram generation unit 150d extracts merchandise information from the database, identifies similar merchandise, and generates grain using the merchandise hierarchy diagram. The grain is used to classify individual products into classes when the number of individual products in the product hierarchy is too large.Grain G is a subset of all nodes except the root node in the product hierarchy. The path from to the root node. Therefore, every individual leaf node has a corresponding grain node, which is called a grain product class.

그레인이 주어졌을때, 상품에 대응하는 그레인 상품 클래스는 수학식 1과 같이 정의된다. Given the grain, the grain product class corresponding to the product is defined as in Equation 1.

상기 상품 계층도상에서 유사한 선호도 패턴을 갖는 개별상품들을 특정 상품군으로 군집화하여 입력 데이터의 차원을 축소하면 유사 고객 검색 과정에서 계산속도의 향상을 도모하여 시스템 확장성 문제를 해결 할 수 있다. When individual products having similar preference patterns are grouped into specific product groups on the product hierarchy diagram to reduce the dimension of input data, the system scalability problem can be solved by improving the calculation speed in the similar customer search process.

상기 상품 추천 모듈(152)은 상기 데이터 변형 모듈(150)에 의해 생성된 데이터 마트 정보를 이용하여 해당 사용자와 유사한 상품 선호도를 가진 고객을 검색하고, 상기 검색된 고객의 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 생성하는 역할을 수행한다. The product recommendation module 152 searches for a customer having a similar product preference to that user using the data mart information generated by the data transformation module 150 and uses a reference frequency of the found customer's preferred product. To create a list of recommended products.

상기와 같은 역할을 수행하는 상품 추천 모듈(152)에 대해 도 6을 참조하면, 상품 추천 모듈(152)은 상품 계층도 정보 데이터베이스(146c)로부터 상품 계층도를 추출하여 각 상품에 대한 감소 함수를 구하는 감소 함수 계산부(152a), 상기 감소 함수 계산부(152a)에서 계산된 감소 함수와 클릭스트림 정보를 이용하여 고객 프로파일을 구하는 고객 프로파일 형성부(152b), 상기 고객 프로파일 형성부(152b)에서 구해진 고객 프로파일을 이용하여 해당 고객과 유사한 상품 선호도를 가진 유사 고객을 검색하는 유사 고객 검색부(152c), 상기 유사 고객 검색부(152c)에 의해 검색 된 유사 고객의 선호 상품 중에서 빈발 참조 상품 기준에 의거하여 추천 상품 목록을 결정하는 추천 상품 결정부(152d)를 포함한다. Referring to FIG. 6 for the commodity recommendation module 152 serving as described above, the commodity recommendation module 152 extracts a commodity hierarchy diagram from the commodity hierarchy diagram information database 146c to calculate a reduction function for each commodity. The customer profile forming unit 152b, the customer profile forming unit 152b, which obtains a customer profile using the reduction function and the clickstream information calculated by the reduction function calculating unit 152a, The similar customer search unit 152c searching for similar customers having similar product preferences with the corresponding customer using the obtained customer profile, and the frequent reference product criteria among similar products searched by the similar customer search unit 152c. It includes a recommendation product determination unit 152d for determining a list of recommended products based on.

상기 감소 함수 계산부(152a)는 수학식 2를 이용하여 감소함수(

)구한다. The reduction function calculation unit 152a uses a reduction function (Equation 2)

)

인터넷 쇼핑몰 및 유통업체들은 상품 수명 및 유통기한이 다양한 상품을 판매하고 있다. 특히, 농산물은 재배환경 및 유통환경에 따라 실질 유통기한이 상이하다. 따라서, 상기 감소 함수 계산부(152a)는 각 상품별 RFID 태그로부터 수신되는 이력정보를 이용하여 상품의 수명을 확인하고 그레인 상품 클래스(상품군)j의 감소함수(Decay Function)

에 대입될 초기값(

)과 감소율(λ)을 결정한다. Internet shopping malls and retailers sell products with varying shelf life and shelf life. In particular, agricultural products have a different shelf life depending on the growing environment and distribution environment. Accordingly, the reduction function calculation unit 152a checks the life of the product by using history information received from the RFID tag for each product, and decay function of the grain product class (product group) j .

The initial value to be assigned to

) And the reduction rate (λ).

농수산물의 상품 품질은 일단 출하 또는 가공되면서 상품등급이 결정되고(우수농산물 인증제도 등을 통하여 인증 내역 또한 RFID 태그 내용에 포함) 가공방법과 유통환경에 따라 신선도가 감소한다. 초기값은 생산과정에서 수집된 정보와 출하시점에서 배정받은 등급 정보 등을 기반으로 산출되며, 감소율은 지정된 유통기한을 기준으로 유통 및 판매과정에서 수집되는 정보를 기반으로 산출된다. 따라서 설정된 감소함수의 초기값을 시작으로 설정된 감소율에 따라 시간이 경과하면서 고객 프로파일 내 해당 상품의 선호도를 표시하는 값은 감소하게 된다. The product quality of agricultural and marine products is determined once the product is shipped or processed (the certification details are also included in the RFID tag contents through the excellent agricultural certification system), and the freshness decreases according to the processing method and distribution environment. The initial value is calculated based on the information collected during the production process and the grade information assigned at the time of shipment, and the reduction rate is calculated based on the information collected during the distribution and sales process based on the specified expiration date. Therefore, the value indicating the preference of the corresponding product in the customer profile decreases over time according to the set reduction rate starting from the initial value of the set reduction function.

한편, 상품의 구매시점에서는 최대값의 감소함수를 할당 받아 시간경과에 따라 점차 0으로 수렴하게 되고, 수렴속도는 각 상품특성과 생산 및 유통 조건에 따 라 다르게 결정된다.On the other hand, at the point of purchase of a product, a decrease function of the maximum value is assigned and gradually converges to 0 with time, and the convergence speed is determined differently according to each product characteristic and production and distribution conditions.

농수산물은 일반적으로 규격화된 공산품과 달리 생산이력에 따라 그 수명과 상품성이 상이하다. 따라서 감소함수는 개별상품의 이력정보에 따라 각기 다른 초기값을 가지며 상이한 주기로 0(zero)에 수렴하게 된다.Agricultural and marine products, unlike standardized industrial products, have different lifespans and merits depending on their production history. Therefore, the reduction function has different initial values according to the history information of individual products and converges to zero at different periods.

상기 고객 프로파일 형성부(152b)는 상기 데이터 변형 모듈(150)에 의해 생성된 클릭스트림 정보로부터 사용자의 상세한 쇼핑 행위 정보를 분석하고, 그 분석된 쇼핑 행위 정보를 기반으로 상기 감소함수 계산부에서 구해진 감소 함수를 이용하여 고객 프로파일을 구한다. 여기서, 상기 고객 프로파일은 상품에 대한 고객의 흥미, 선호도 등을 말하고, 상기 쇼핑 행위 정보는 상품 상세 보기, 장바구니 담기, 구매 등의 행동 패턴으로 나타나게 된다.The customer profile forming unit 152b analyzes the detailed shopping behavior information of the user from the clickstream information generated by the data transformation module 150 and obtained from the reduction function calculation unit based on the analyzed shopping behavior information. Obtain the customer profile using the decrement function. Here, the customer profile refers to a customer's interest and preference for a product, and the shopping behavior information is represented by behavior patterns such as detailed product view, shopping cart, and purchase.

따라서, 상기 고객 프로파일 형성부(152b)는 상기 쇼핑 행위 정보를 기반으로 특정 상품에 대해 각 단계별로 고객이 접근한 빈도를 측정함으로써 상품에 대한 선호도를 구한다. Therefore, the customer profile forming unit 152b obtains a preference for the product by measuring the frequency of the customer's approach to each specific product based on the shopping behavior information.

즉, 고객의 쇼핑 행위를 통해 모든 상품은 구매된 상품, 장바구니에 담긴 상품, 상세보기 상품, 그 외의 상품과 같이 4개의 행동 패턴으로 분류할 수 있다. That is, through the shopping behavior of the customer, all the products can be classified into four behavior patterns such as purchased products, products in a shopping cart, detailed view products, and other products.

이 분류는 is-a 관계를 이용하여 '구매된 상품은 장바구니에 담겨 있었다', '장바구니에 담겨있는 상품은 상세보기를 하였던 상품이다'와 같이 정의할 수 있다. 이러한 관계로부터 고객 선호도는 논리적으로 {클릭된 적이 없는 상품}, {클릭 되었던 상품}, {장바구니에 담겨 있던 상품}, {구매된 상품}으로 정의 할 수 있다. This category can be defined using the is-a relationship, such as 'the product was in the shopping cart' and 'the product in the shopping cart was a detailed view'. From this relationship, customer preferences can be logically defined as {item not clicked}, {item clicked}, {item in shopping cart}, and {purchased product}.

비록 상품을 구매하지는 않았지만 상품 상세보기 횟수와 장바구니에 담은 횟 수는 각기 해당 고객이 특정 상품군에 있는 상품들의 구매 선호도를 반영한다. Although the product was not purchased, the number of detailed product views and the number of items in the shopping cart each reflect the purchase preference of the products in the specific product group.

상기 고객 프로파일 계산부가 고객 i의 j번째 상품군에 대한 고객 프로파일 행렬 P=(

)을 구하는 방법은 수학식 3과 같다.The customer profile calculation unit is a customer profile matrix P = (

) Is the same as Equation 3.

여기서, 고객 선호도를 나타내기 위하여

는 특정 기간동안 고객

가 상품군

에 속한 상품을 상세 보기한 총횟수이고,

,도 고객

가 상품군

에 속한 상품을 장바구니에 담은 총횟수, 구매한 총횟수를 말한다. 상기

는

시점에서

에 속한 상품의 감소율을 나타낸다. Here, to indicate customer preference

For a specific period of time

Family

The total number of detailed views of the products in

, Road customer

Family

The total number of items in the shopping cart and the total number of purchases. remind

Is

At this point

Reduction rate of the product belonging to

상기

,

그리고

를 그대로 사용하지 않고 각각 정규화(normalization)한 이유는

보다

가 그리고

가 일반적으로 매우 큰값을 갖게되므로 고객의 선호도가

에 의해 결정될 수 있기 때문이다.remind

,

And

The reason for normalizing each other without using

see

And then

Usually has a very high value, so customer preference

Because it can be determined by.

상기 유사 고객 검색부(152c)는 고객들간의 유사도를 계산하여 목표 고객과 유사한 선호 성향을 지닌 유사 고객을 검색한다. 두 고객

와

의 유사도를 측정하는 방법으로는 피어슨 상관계수를 이용하거나 정보 검색분야에서 사용되는 코사인 등을 이용할 수 있다. The similar customer search unit 152c calculates the similarity between the customers and searches for similar customers having similar preferences as the target customers. Two customers

Wow

As a method of measuring similarity of, Pearson correlation coefficient or cosine used in information retrieval field may be used.

예를 들어, 고객 프로파일 P가 주어졌을 때 상기 유사 고객 검색부(152c)는 두 고객

와

의 유사도 sim(a,b)를 수학식 4 또는 수학식 5를 이용하여 구할 수 있다. For example, given a customer profile P, the similar customer search unit 152c may have two customers.

Wow

Similarity sim of (a, b) can be obtained using Equation 4 or (5).

먼저 상관계수를 이용하여 유사도를 구하면 수학식 4와 같다.First, the similarity is obtained using the correlation coefficient as shown in Equation 4.

여기서

와

는 상품

에 관한 두 고객

와

의 평가점수이고,

와

는 두 고객

와

의 전체 상품의 평가점수 평균이다. 상기 피어스 상관계수

는 -1과 1사이의 값을 가지며 값이 1에 가까울수록 상관 관계가 높다.here

Wow

Merchandise

About two customers

Wow

Is the evaluation score of,

Wow

Two customers

Wow

The average score for all products. The pierce correlation coefficient

Has a value between -1 and 1, and the closer to 1, the higher the correlation.

다음으로 코사인을 이용하여 유사도를 구하면 수학식 5와 같다. Next, the similarity is obtained using cosine, as shown in Equation 5.

여기서

와

는 두 고객

와

의 고객 프로파일의 행벡터(row vector)이다.here

Wow

Two customers

Wow

Row vector of the customer's profile.

상기 추천 상품 결정부(152d)는 상기 유사 고객 검색부(152c)에서 검색된 유사 고객의 선호 상품 중에서 상기 사용자가 기존에 구매한 상품, 유통 기한이 지난 상품, 유통 과정에서 유통 환경 범위를 벗어난 상품을 제외하여 참조 빈도에 따라 상품을 분류한 후 참조 빈도가 높은 순으로 추천 상품 목록을 결정한다.The recommendation product determining unit 152d may select a product purchased by the user from the similar products searched by the similar customer search unit 152c, a product that the user has already purchased, an expiration date, or a product that is out of the distribution environment range in the distribution process. After classifying products according to the reference frequency, the list of recommended products is decided in order of high reference frequency.

즉, 상기 추천 상품 결정부(152d)는 유사한 상품 선호도를 가진 유사 고객들이 선호하는 상품 중 목표 고객이 기존에 구매한 상품, 유통기한이 지난 상품, 유통과정에서 적정한 유통환경범위(온도/습도/포장훼손여부 등)를 벗어난 상품을 제외하고 가장 구매할 가능성이 높은 상위 N개의 상품 추천 목록를 생성한다.That is, the recommendation product determination unit 152d may include a product that the target customer has previously purchased, a product that has passed an expiration date, and an appropriate distribution environment range (temperature / humidity / Create a list of the top N items that are most likely to be purchased, except for items that are out of packaging, etc.).

상기 추천 상품 결정부(152d)는 참조빈도(reference frequencies)에 따라 상품을 분류하고, 참조빈도가 높은 순으로 상품을 추천하는 빈발 참조 상품 (MFR, Most frequently referred product)을 이용하여 목표 고객을 위한 추천 상품을 판단한다. The recommendation product determining unit 152d classifies the products according to reference frequencies and uses the most frequently referred products (MFR) for recommending the products in the order of high reference frequency for the target customer. Determine the recommended product.

상기 추천 상품 결정부(152d)가 특정 상품에 j에 관한 고객 a의 참조 빈도(

)를 구하는 방법은 수학식 6과 같다. The recommended product determining unit 152d uses the reference frequency of the customer a regarding j to the specific product (

) Is obtained as shown in Equation 6.

여기에서

은 총 상품 수이고,

,

는 각각 고객

가 상품

를 상품상세보기, 장바구니 담기, 구매 빈도를 나타낸다. 단, 감소함수에 의해 계산시점에 0으로 수렴하지 않은 상품만 참조 빈도로 고려된다. 이 방법은 변화하는 상품과 고 객의 선호 특성을 반영하여 최근에 많이 참조된 상품일수록 고객이 선호할 것이라는 가정하에 고객 프로파일을 생성할 때 사용한 감소함수를 적용한 클릭스트림 정보를 이용하여 계산한다.From here

Is the total number of items,

,

Each customer

Fall Deals

Show product details, add to cart, and purchase frequency. However, only products that do not converge to zero at the time of calculation by the decrement function are considered as reference frequencies. This method calculates using the clickstream information applying the reduction function used to generate the customer profile under the assumption that the more recently referred products are preferred by reflecting changing products and preferences of customers.

도 8은 본 발명에 따른 상품 추천 서비스 제공 방법을 나타낸 흐름도이다. 8 is a flowchart illustrating a method of providing a product recommendation service according to the present invention.

도 8을 참조하면, 사용자 단말기가 쇼핑몰 서버에 접속되면(S800), 상기 쇼핑몰 서버는 상품 추천 요청 메시지를 생성하여 상품 추천 서버로 전송한다(S802). 여기서, 상기 상품 추천 요청 메시지는 사용자 단말기 식별정보를 포함한다. Referring to FIG. 8, when the user terminal is connected to the shopping mall server (S800), the shopping mall server generates a product recommendation request message and transmits it to the product recommendation server (S802). Here, the product recommendation request message includes user terminal identification information.

상기 S802가 수행되면, 상기 상품 추천 서버는 미리 저장된 상품 계층도를 불러와 상기 상품 계층도내 각 상품에 대한 감소 함수를 구한다(S804). 즉, 상기 상품 추천 서버는 미리 저장된 상품 계층도내 각 상품에 대하여 초기값과 감소율을 이용하여 감소 함수를 구한다.When S802 is performed, the product recommendation server retrieves a previously stored product hierarchy diagram to obtain a reduction function for each product in the product hierarchy diagram (S804). That is, the product recommendation server obtains a reduction function using the initial value and the reduction rate for each product in the previously stored product hierarchy diagram.

그런 다음 상기 상품 추천 서버는 웹마이닝을 통해 구해진 클릭스트림 정보로부터 사용자의 쇼핑 행위 정보를 분석하고, 그 분석된 쇼핑 행위 정보를 기반으로 사용자 프로파일을 구한다(S806).The product recommendation server then analyzes the shopping behavior information of the user from the clickstream information obtained through web mining, and obtains a user profile based on the analyzed shopping behavior information (S806).

여기서, 상기 쇼핑 행위 정보는 구매, 장바구니에 담기, 상품 상세보기로 구분되고, 상기 상품 추천 서버는 상기 쇼핑 행위 정보를 기반으로 구매된 상품, 장바구니에 담긴 상품, 상세보기 상품, 그외 상품으로 구분하고, 각 상품별 감소함수를 이용하여 사용자 프로파일을 구한다.Here, the shopping behavior information is classified into a purchase, a shopping cart, and a product detail view, and the product recommendation server is classified into a purchased product, a product included in a shopping cart, a detail view product, and other products based on the shopping behavior information. The user profile is then calculated using the reduction function for each product.

그런 다음 상기 상품 추천 서버는 상기 구해진 사용자 프로파일을 이용하여 유사한 상품 선호 경향을 가진 유사 고객을 검색하고(S808), 상기 검색된 유사 고객의 선호 상품에 대한 참조 빈도를 이용하여 사용자에게 추천할 추천 상품 목록을 결정하고(S810), 상기 결정된 추천 상품 목록을 상기 사용자 단말기에 전송한다(S812). Then, the product recommendation server searches for similar customers having similar product preference trends using the obtained user profile (S808), and recommends a list of recommended products to be recommended to the user using a reference frequency of the found similar products. Determine (S810), and transmit the determined recommended product list to the user terminal (S812).

즉, 상기 상품 추천 서버는 피어슨 상관계수 또는 코사인을 이용하여 유사 고객을 검색하고, 상기 검색된 유사 고객의 선호 상품 중에서 상기 사용자가 기존에 구매한 상품, 유통기한이 지난 상품, 유통과정에서 유통 환경 범위를 벗어난 상품을 제외하고 참조 빈도에 따라 상품을 분류하여 참조 빈도가 높은 순으로 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공한다.That is, the product recommendation server searches for similar customers using Pearson's correlation coefficient or cosine, and among the searched similar products, the product purchased by the user, the product with an expiration date, and the distribution environment range in the distribution process. Except for products which are out of the category, products are classified according to the reference frequency, and a list of recommended products is determined in order of high reference frequency and provided to the user terminal.

도 9는 본 발명에 따른 상품 추천 서버가 사용자 단말기에 추천 상품 목록을 제공하는 방법을 나타낸 흐름도이다.9 is a flowchart illustrating a method in which a product recommendation server according to the present invention provides a list of recommended products to a user terminal.

도 9를 참조하면, 상품 추천 서버는 상품 추천 요청 메시지가 수신되면(S900), 미리 저장된 상품 계층도를 불러와 상기 상품 계층도내 각 상품에 대한 감소 함수를 구한다(S902). Referring to FIG. 9, when a product recommendation request message is received (S900), the product recommendation server retrieves a previously stored product hierarchy diagram to obtain a reduction function for each product in the product hierarchy diagram (S902).

그런 다음 상기 상품 추천 서버는 웹마이닝을 통해 구해진 클릭스트림 정보로부터 사용자의 쇼핑 행위 정보를 분석하고(S904), 상기 분석된 쇼핑 행위 정보를 기반으로 상기 구해진 감소 함수를 이용하여 사용자 프로파일을 구한다(S906).The product recommendation server then analyzes the shopping behavior information of the user from the clickstream information obtained through web mining (S904), and obtains a user profile using the obtained reduction function based on the analyzed shopping behavior information (S906). ).

상기 상품 추천 서버가 사용자 프로파일을 구하는 방법에 대한 상세한 설명은 도 6을 참조하기로 한다.A detailed description of how the product recommendation server obtains a user profile will be described with reference to FIG. 6.

그런 다음 상기 상품 추천 서버는 상기 구해진 사용자 프로파일을 이용하여 유사한 상품 선호 경향을 가진 유사 고객을 검색하고(S908), 상기 검색된 유사 고객의 선호 상품에 대한 참조 빈도에 따라 상품을 분류한다(S910). Then, the product recommendation server searches for similar customers having a similar product preference trend using the obtained user profile (S908), and classifies the products according to the reference frequency of the found similar products of the preferred customers (S910).

상기 상품 추천 서버가 참조 빈도를 구하는 방법은 수학식 6에서 설명하였으므로 그 설명은 생략하기로 한다. Since the method for obtaining the reference frequency by the product recommendation server has been described in Equation 6, the description thereof will be omitted.

그런 다음 상기 상품 추천 서버는 참조 빈도가 높은 순으로 추천 상품 목록을 결정하여 상기 사용자 단말기에 전송한다(S912).Then, the product recommendation server determines a list of recommended products in order of high reference frequency and transmits the list of recommended products to the user terminal (S912).

도 10은 본 발명에 따른 상품 추천 서버가 클릭스트림 정보를 생성하는 방법을 나타낸 흐름도이다. 10 is a flowchart illustrating a method of generating clickstream information by a product recommendation server according to the present invention.

도 10을 참조하면, 상품 추천 서버는 웹 또는 왑 서버로부터 로그 파일을 수집하고(S1000), 상기 수집된 로그 파일을 분석하여 쇼핑 관련 로그 파일을 추출한다(S1002).Referring to FIG. 10, the product recommendation server collects a log file from a web or a swap server (S1000), and analyzes the collected log file to extract a shopping related log file (S1002).

그런다음 상기 상품 추천 서버는 상기 추출된 쇼핑 관련 로그 파일에서 사용자 식별정보를 확인하고(S1004), 상기 확인된 사용자 식별정보와 상기 쇼핑 관련 로그 파일을 맵핑하여 저장한다(S1006).Then, the product recommendation server checks user identification information in the extracted shopping-related log file (S1004), maps and stores the identified user identification information and the shopping-related log file (S1006).

그런다음 상기 상품 추천 서버는 상기 저장된 쇼핑 관련 로그 파일을 이용하여 쇼핑 단계 정보와 상품 코드를 추출하여 클릭 스트림 정보를 생성하여 저장한다(S1008). Then, the product recommendation server extracts shopping step information and a product code using the stored shopping-related log file to generate and store click stream information (S1008).

이와 같이, 본 발명이 속하는 기술분야의 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 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.As such, those skilled in the art will appreciate that the present invention can be implemented in other specific forms without changing the technical spirit or essential features thereof. Therefore, the above-described embodiments are to be understood as illustrative in all respects and not as restrictive. The scope of the present invention is shown by the following claims rather than the detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.

도 1은 본 발명에 따른 상품 추천 서비스 제공 시스템의 구성을 개략적으로 나타낸 블럭도. 1 is a block diagram schematically showing the configuration of a product recommendation service providing system according to the present invention.

도 2는 본 발명에 따른 이력 정보 관리 서버의 구성을 개략적으로 나타낸 블럭도. Figure 2 is a block diagram schematically showing the configuration of a history information management server according to the present invention.

도 3은 본 발명에 따른 상품 추천 서버의 구성을 개략적으로 나타낸 블럭도.Figure 3 is a block diagram schematically showing the configuration of a product recommendation server according to the present invention.

도 4는 도 3에 도시된 로그 파일 분석 모듈의 구성을 나타낸 블럭도.4 is a block diagram showing the configuration of the log file analysis module shown in FIG.

도 5는 도 3에 도시된 데이터 변형 모듈의 구성을 나타낸 블럭도.FIG. 5 is a block diagram showing the configuration of the data transformation module shown in FIG. 3; FIG.

도 6은본 발명에 따른 상품 계층도의 예시도.Figure 6 is an illustration of a merchandise hierarchy diagram according to the present invention.

도 7은 도 3에 도시된 상품 추천 모듈의 구성을 나타낸 블럭도. 7 is a block diagram showing the configuration of a product recommendation module shown in FIG.

도 8은 본 발명에 따른 상품 추천 서비스 제공 방법을 나타낸 흐름도. 8 is a flowchart illustrating a method for providing a product recommendation service according to the present invention.

도 9는 본 발명에 따른 상품 추천 서버가 사용자 단말기에 추천 상품 목록을 제공하는 방법을 나타낸 흐름도.9 is a flowchart illustrating a method for providing a recommendation product list to a user terminal by a product recommendation server according to the present invention.

도 10은 본 발명에 따른 상품 추천 서버가 클릭스트림 정보를 생성하는 방법을 나타낸 흐름도. 10 is a flowchart illustrating a method of generating clickstream information by a product recommendation server according to the present invention.

<도면의 주요 부분에 대한 부호의 설명><Explanation of symbols for the main parts of the drawings>

100 : 사용자 단말기 120 : 쇼핑몰 서버100: user terminal 120: shopping mall server

140 : 상품 추천 서버 142 : 로그 정보 데이터베이스140: product recommendation server 142: log information database

144 : 운영 데이터베이스 146 : 데이터 마트 정보 데이터베이스144: Operational Database 146: Data Mart Information Database

148 : 로그 파일 분석 모듈 150 : 데이터 변형 모듈148: log file analysis module 150: data transformation module

152 : 상품 추천 모듈 160 : 이력 정보 관리 서버152: product recommendation module 160: history information management server

162 : 상품 이력 정보 데이터베이스 164 : 이벤트 처리부162: product history information database 164: event processing unit

166 : 이력 정보 추출부 166: history information extraction unit

Claims

사용자 단말기가 접속된 경우 상품 추천 요청 메시지를 상품 추천 서버로 전송하는 쇼핑몰 서버;A shopping mall server for transmitting a product recommendation request message to a product recommendation server when the user terminal is connected;

상기 쇼핑몰 서버로부터 상품 추천 요청 메시지가 수신된 경우 상품 계층도내의 각 상품에 대한 감소 함수를 구하고, 상기 구해진 감소 함수와 사용자 쇼핑 행위 정보를 이용하여 사용자 프로파일을 구하여 유사한 상품 선호도를 가진 고객을 검색하고, 상기 검색된 고객의 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공하는 상품 추천 서버;When a product recommendation request message is received from the shopping mall server, a reduction function for each product in a product hierarchy diagram is obtained, and a user profile is obtained using the obtained reduction function and user shopping behavior information to search for customers with similar product preferences. A product recommendation server which determines a list of recommended products using a reference frequency of the found customer's preferred products and provides them to the user terminal;

를 포함하며,Including;

상기 감소함수는 생산과정에서 수집된 정보와 출하시점에서 배정받은 등급 정보를 기반으로 산출되는 초기값과 지정된 유통기한을 기준으로 유통 및 판매과정에서 수집되는 정보를 기반으로 산출되는 감소율에 의해 결정되는 것을 특징으로 하는 상품 추천 서비스 제공 시스템.The reduction function is determined by an initial value calculated based on information collected in the production process and grade information assigned at the time of shipment, and a reduction rate calculated based on information collected in the distribution and sales process on the basis of a specified shelf life. Product recommendation service providing system, characterized in that.

제1항에 있어서, The method of claim 1,

을 이용하여 유사 고객의 선호 상품에 대한 참조 빈도를 구하는 것을 특징으로 하는 상품 추천 서비스 제공 시스템.

The product recommendation service providing system, characterized in that for obtaining a reference frequency for a preferred product of similar customers using.

(여기서,

:특정 상품에 j에 관한 고객 a의 참조 빈도,

:총 상품 수,

:고객

가 상품

를 상세보기한 빈도,

:고객

가 상품

의 장바구니 담기 빈도,

:고객

가 상품

의 구매 빈도를 의미함)(here,

Reference frequency of customer a for j in a particular product,

The total number of products,

:customer

Fall Deals

View frequency

:customer

Fall Deals

How often to add to cart,

:customer

Fall Deals

Means how often to buy)

제2항에 있어서, The method of claim 2,

상품에 부착된 RFID 태그로부터 해당 상품의 생산 정보, 가공 정보, 유통 정보 중 적어도 하나를 포함하는 상품 이력 정보를 수집하여 관리하는 이력 정보 관리 서버를 더 포함하며, 상기 이력 정보 관리 서버는 상품 추천 서버로부터 특정 상품에 대한 추가 정보 요청시 그 상품에 대한 이력 정보를 추출하여 상기 상품 추천 서버로 전송하는 것을 특징으로 하는 상품 추천 서비스 제공 시스템.And a history information management server which collects and manages product history information including at least one of production information, processing information, and distribution information of a corresponding product from an RFID tag attached to the product, wherein the history information management server is a product recommendation server. The product recommendation service providing system, characterized in that when the request for additional information on a specific product from the history information for the product is sent to the product recommendation server.

제3항에 있어서, The method of claim 3,

상기 이력 정보 관리 서버는 사용자 단말기로부터 특정 상품에 대한 이력 정보 조회가 요청된 경우, 해당 상품에 대한 이력 정보를 추출하여 제공하는 것을 특징으로 하는 상품 추천 서비스 제공 시스템.The history information management server, product information recommendation service providing system, characterized in that for extracting the history information for the product, if requested to query the history information for a specific product from the user terminal.

제2항에 있어서, The method of claim 2,

상기 사용자 단말기는 유선 통신 단말기 또는 무선 통신 단말기인 것을 특징으로 하는 상품 추천 서비스 제공 시스템.The user terminal is a product recommendation service providing system, characterized in that the wired communication terminal or a wireless communication terminal.

제2항에 있어서, The method of claim 2,

상기 상품 추천 요청 메시지는 사용자 단말기 식별정보를 포함하는 것을 특징으로 하는 상품 추천 서비스 제공 시스템.The product recommendation request message includes a product recommendation service providing system comprising user terminal identification information.

제2항에 있어서, The method of claim 2,

상기 상품 추천 서버는 웹 또는 왑 서버로부터 로그 파일을 수집하여 쇼핑 관련 로그 파일을 추출하고, 상기 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 저장한 후 상기 쇼핑 관련 로그 파일을 분석하여 쇼핑 행위 정보와 상품 코드를 추출하여 클릭스트림 정보를 생성하는 것을 특징으로 하는 상품 추천 서비스 제공 시스템.The product recommendation server extracts a log file related to shopping by collecting a log file from a web or a swap server, confirms and stores a user ID of the extracted log file related to shopping, and analyzes the log file related to shopping to perform shopping behavior information. And a product code extracting product code to generate clickstream information.

제2항에 있어서, The method of claim 2,

상기 상품 추천 서버는 이력 정보 관리 서버에 저장된 상품 정보를 이용하여 유사한 선호 패턴을 갖는 상품을 특정 상품 계층으로 군집화하여 상품 계층도를 생성하여 저장하는 것을 특징으로 하는 상품 추천 서비스 제공 시스템.The product recommendation server is a product recommendation service providing system, characterized in that by using the product information stored in the history information management server to group the products having a similar preference pattern to a specific product hierarchy to generate and store a product hierarchy diagram.

상품 추천 서버에 있어서, In the product recommendation server,

데이터베이스;Database;

웹 또는 왑 서버로부터 로그 파일을 수집하여 쇼핑 관련 로그 파일을 추출하고, 상기 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 상기 데이터베이스에 저장하는 로그 파일 분석 모듈;A log file analysis module that collects log files from a web or swap server, extracts a shopping-related log file, and checks and stores a user ID of the extracted shopping-related log file in the database;

상기 데이터베이스에 저장된 쇼핑 관련 로그 파일 정보, 고객 정보, 판매 정보 및 상품 정보를 이용하여 상품 추천을 위한 데이터 마트 정보를 생성하는 데이터 변형 모듈;및A data transformation module for generating data mart information for product recommendation using shopping-related log file information, customer information, sales information, and product information stored in the database; and

상기 데이터 변형 모듈에 의해 생성된 데이터 마트 정보를 이용하여 해당 사용자와 유사한 상품 선호도를 가진 고객을 검색하고, 상기 검색된 고객의 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 결정하는 상품 추천 모듈;A product recommendation module for searching for a customer having a similar product preference with the corresponding user by using the data mart information generated by the data transformation module, and determining a list of recommended products by using a reference frequency of the found customer's preferred products;

을 포함하며, Including;

상기 상품 추천 모듈은 상품 계층도내의 각 상품에 대한 감소 함수를 구하고, 상기 구해진 감소 함수와 함께 활용하여 추천 상품 목록을 결정하며, 상기 감소함수는 생산과정에서 수집된 정보와 출하시점에서 배정받은 등급 정보를 기반으로 산출되는 초기값과 지정된 유통기한을 기준으로 유통 및 판매과정에서 수집되는 정보를 기반으로 산출되는 감소율에 의해 결정되는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.The commodity recommendation module obtains a reduction function for each commodity in the commodity hierarchy diagram, and utilizes it with the obtained reduction function to determine a list of recommended commodities. The product recommendation server for providing a product recommendation service, which is determined by a reduction rate calculated based on information collected during distribution and sales based on an initial value calculated based on information and a specified shelf life.

제9항에 있어서, 10. The method of claim 9,

을 이용하여 유사 고객의 선호 상품에 대한 참조 빈도를 구하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.

Product recommendation server for providing a product recommendation service, characterized in that for obtaining a reference frequency for the preferred product of similar customers using.

(여기서,

:특정 상품에 j에 관한 고객 a의 참조 빈도,

:총 상품 수,

:고객

가 상품

를 상세보기한 빈도,

:고객

가 상품

의 장바구니 담기 빈도,

:고객

가 상품

의 구매 빈도를 의미함)(here,

Reference frequency of customer a for j in a particular product,

The total number of products,

:customer

Fall Deals

View frequency

:customer

Fall Deals

How often to add to cart,

:customer

Fall Deals

Means how often to buy)

제10항에 있어서, The method of claim 10,

상기 로그 파일 분석 모듈은, The log file analysis module,

웹 또는 왑 서버로부터 로그 파일을 수집하는 로그 파일 수집부;A log file collecting unit collecting log files from a web or a swap server;

상기 로그 파일 수집부에 의해 수집된 로그 파일을 분석하여 쇼핑 관련 로그 파일을 추출하는 데이터 정제부;A data refining unit configured to extract a shopping-related log file by analyzing the log file collected by the log file collecting unit;

상기 데이터 정제부에 의해 추출된 쇼핑 관련 로그 파일의 사용자 ID를 확인하여 상기 데이터베이스에 저장하는 사용자 확인부를 포함하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.And a user confirmation unit which checks a user ID of the shopping-related log file extracted by the data refining unit and stores the user ID in the database.

제11항에 있어서, The method of claim 11,

상기 로그 파일 분석 모듈은, The log file analysis module,

웹 또는 왑 페이지 요청이 일정 시간 이상 경과한 경우 세션이 종료된 것으로 하여 로그 파일의 세션을 식별하는 세션 식별부를 더 포함하는 상품 추천 서비스 제공을 위한 상품 추천 서버.The product recommendation server for providing a product recommendation service further comprises a session identification unit for identifying a session of the log file as the session is terminated when a web or swap page request elapses for a predetermined time or more.

제11항에 있어서, The method of claim 11,

상기 로그 파일 분석 모듈은, The log file analysis module,

로그의 쇼핑 경로를 읽어버렸을 경우 로그상의 참조 페이지를 이용하여 읽어버린 페이지를 유추하여 경로를 완성하는 클릭스트림 경로 완성부를 더 포함하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.The product recommendation server for providing a product recommendation service, characterized in that it further comprises a clickstream path completion unit for completing the path by inferring the page read using the reference page on the log when the shopping path of the log.

제10항에 있어서, The method of claim 10,

상기 데이터 변형 모듈은,The data transformation module,

상기 데이터베이스에 저장된 고객 정보를 이용하여 고객별 상품 구매 이력 정보를 생성하는 고객 속성 정보 생성부;A customer attribute information generation unit generating product purchase history information for each customer using the customer information stored in the database;

상기 데이터베이스에 저장된 상품 정보 및 판매 정보로부터 상품 정보, 상품 클래스 정보 및 구매 빈도를 추출하여 거래 정보 데이터베이스에 저장하는 거래 정보 생성부;A transaction information generator for extracting product information, product class information, and purchase frequency from the product information and sales information stored in the database and storing the product information in the transaction information database;

상기 로그 파일 데이터베이스로부터 고객별 쇼핑 관련 로그 파일과 상품 코드를 추출하여 클릭스트림 정보를 생성하고, 상기 생성된 클릭스트림 정보를 클릭스트림 정보 데이터베이스에 저장하는 클릭스트림 정보 생성부;및A clickstream information generation unit for generating clickstream information by extracting a shopping-related log file and a product code from the log file database and storing the generated clickstream information in a clickstream information database; and

미리 정의된 상품 카테고리를 상품 계층에 따라 분류하여 저장하는 상품 계층도 생성부를 포함하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.A product recommendation server for providing a product recommendation service, characterized in that it includes a product hierarchy for classifying and storing a predefined product category according to the product hierarchy.

제14항에 있어서, The method of claim 14,

상기 클릭스트림 정보 생성부는 상품 코드가 없는 로그 정보는 삭제하고, 웹 또는 왑 사이트의 URL을 쇼핑 행위의 각 단계로 구분하여 각 단계마다 특정 상품이 발생한 빈도 수를 합산한 후, 클릭 스트림 정보 데이터베이스에 저장하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.The clickstream information generating unit deletes log information without a product code, divides the URL of a web or a swap site into each step of a shopping activity, sums the frequency of occurrence of a specific product at each step, and then adds the frequency to the clickstream information database. Product recommendation server for providing a product recommendation service, characterized in that the storage.

제14항에 있어서, The method of claim 14,

상기 상품 계층도 생성부는, The product hierarchy diagram generation unit,

상기 데이터베이스로부터 상품 정보를 추출하여 유사한 선호 패턴을 갖는 상품을 특정 상품 계층으로 군집화하여 상품 계층도를 생성하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.A product recommendation server for providing a product recommendation service, comprising: extracting product information from the database and clustering a product having a similar preference pattern into a specific product hierarchy to generate a product hierarchy diagram.

제10항에 있어서,The method of claim 10,

상기 상품 추천 모듈은,The product recommendation module,

상기 데이터베이스로부터 상품 계층도를 추출하여 각 상품에 대한 감소 함수를 구하는 감소 함수 계산부;A reduction function calculator for extracting a product hierarchy diagram from the database to obtain a reduction function for each product;

상기 데이터 변형 모듈에 의해 생성된 클릭스트림 정보로부터 사용자의 쇼핑 행위 정보를 분석하고, 상기 분석된 쇼핑 행위 정보를 기반으로 상기 감소 함수 계산부에서 구해진 감소 함수를 이용하여 고객 프로파일을 구하는 고객 프로파일 형성부;A customer profile forming unit for analyzing the shopping behavior information of the user from the clickstream information generated by the data transformation module and obtaining a customer profile using the reduction function obtained by the reduction function calculator based on the analyzed shopping behavior information ;

상기 고객 프로파일 형성부에서 구해진 고객 프로파일을 이용하여 다른 고객과의 유사도를 계산하여 해당 고객과 유사한 상품 선호도를 가진 유사 고객을 검색하는 유사 고객 검색부;및A similar customer search unit that searches for similar customers having similar product preferences with the corresponding customers by calculating similarity with other customers using the customer profile obtained by the customer profile forming unit; and

상기 유사 고객 검색부에 의해 검색된 유사 고객의 선호 상품 중에서 빈발 참조 상품 기준에 따라 추천 상품 목록을 결정하는 추천 상품 결정부를 포함하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.The product recommendation server for providing a product recommendation service, characterized in that it comprises a recommendation product determination unit for determining a list of recommended products based on the frequent reference product criteria among the similar products searched by the similar customer search unit.

제17항에 있어서, The method of claim 17,

상기 감소 함수 계산부는 해당 상품에 할당된 초기값 및 감소율을 이용하여 감소함수를 구하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.And the reduction function calculator calculates a reduction function using an initial value and a reduction rate assigned to a corresponding product.

제17항에 있어서, The method of claim 17,

상기 고객 프로파일 형성부에서 계산된 고객 프로파일은 고객 선호도인 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.The product recommendation server for providing a product recommendation service, characterized in that the customer profile calculated by the customer profile forming unit is a customer preference.

제17항에 있어서, The method of claim 17,

상기 고객 프로파일 형성부는, The customer profile forming unit,

를 이용하여 고객 프로파일을 구하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.

Product recommendation server for providing a product recommendation service, characterized in that to obtain a customer profile.

(여기서,

:고객 i의 j번째 상품군에 대한 고객 프로파일 행렬,

:고객 i의 j번째 상품군의 감소함수,

: 특정 기간동안 고객

가 상품군

에 속한 상품을 상세 보기한 총횟수,

:고객

가 상품군

에 속한 상품을 장바구니에 담은 총횟수,

: 고객

가 상품군

에 속한 상품을 구매한 총횟수, G:개별상품에서부터 루트 노드까지의 경로를 의미함)(here,

The customer profile matrix for the j product family of customer i,

: Reduction function of j-th product group of customer i,

For a specific period of time

Family

The total number of detailed views of products belonging to,

:customer

Family

The total number of items in your shopping cart,

: customer

Family

The total number of purchases of goods belonging to, G: the path from individual products to the root node)

제17항에 있어서, The method of claim 17,

상기 유사 고객 검색부는 피어슨 상관계수 또는 코사인을 이용하여 유사 고객을 검색하는 것을 특징으로 하는 상품 추천 서비스 제공을 위한 상품 추천 서버.The similar customer search unit is a product recommendation server for providing a product recommendation service, characterized in that for searching for similar customers using the Pearson correlation coefficient or cosine.

삭제delete

(a)쇼핑몰 서버는 사용자 단말기가 접속된 경우, 상품 추천 서버로 상품 추천 요청 메시지를 전송하는 단계;(a) the shopping mall server, when the user terminal is connected, transmitting a product recommendation request message to the product recommendation server;

(b)상기 상품 추천 서버는 미리 저장된 상품 계층도내 각 상품에 대한 감소 함수를 구하고, 상기 구해진 감소 함수와 사용자 쇼핑 행위 정보를 이용하여 사용자 프로파일을 구하는 단계;(b) the product recommendation server obtaining a reduction function for each product in a previously stored product hierarchy diagram, and obtaining a user profile using the obtained reduction function and user shopping behavior information;

(c)상기 상품 추천 서버는 상기 구해진 사용자 프로파일을 이용하여 유사 고객을 검색하는 단계;및(c) the product recommendation server searching for similar customers using the obtained user profile; and

(d)상기 상품 추천 서버는 상기 검색된 유사 고객의 선호 상품에 대한 참조 빈도를 구하고, 상기 구해진 각 선호 상품에 대한 참조 빈도를 이용하여 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공하는 단계;(d) obtaining, by the product recommendation server, a reference frequency of the found similar customer's preferred products, and determining a list of recommended products by using the obtained reference frequencies of the preferred products to the user terminal;

를 포함하며,Including;

상기 감소함수는 생산과정에서 수집된 정보와 출하시점에서 배정받은 등급 정보를 기반으로 산출되는 초기값과 지정된 유통기한을 기준으로 유통 및 판매과정에서 수집되는 정보를 기반으로 산출되는 감소율에 의해 결정되는 것을 특징으로 하는 상품 추천 서비스 제공 방법.The reduction function is determined by an initial value calculated based on information collected in the production process and grade information assigned at the time of shipment, and a reduction rate calculated based on information collected in the distribution and sales process on the basis of a specified shelf life. The product recommendation service providing method characterized in that.

제23항에 있어서, 24. The method of claim 23,

을 이용하여 유사 고객의 선호 상품에 대한 참조 빈도를 구하는 것을 특징으로 하는 상품 추천 서비스 제공 방법.

The product recommendation service providing method, characterized in that to obtain a reference frequency for a favorite product of similar customers using.

(여기서,

:특정 상품에 j에 관한 고객 a의 참조 빈도,

:총 상품 수,

:고객

가 상품

를 상세보기한 빈도,

:고객

가 상품

의 장바구니 담기 빈도,

:고객

가 상품

의 구매 빈도를 의미함)(here,

Reference frequency of customer a for j in a particular product,

The total number of products,

:customer

Fall Deals

View frequency

:customer

Fall Deals

How often to add to cart,

:customer

Fall Deals

Means how often to buy)

제24항에 있어서, The method of claim 24,

상기 쇼핑 행위 정보는 구매, 장바구니에 담기, 상품 상세보기로 구분되고, The shopping behavior information is divided into purchase, add to cart, product details view,

상기 쇼핑 행위 정보를 기반으로 구매된 상품, 장바구니에 담긴 상품, 상세보기 상품, 그외 상품으로 구분하고, 각 상품별 감소함수를 이용하여 사용자 프로파일을 구하는 것을 특징으로 하는 상품 추천 서비스 제공 방법.The product recommendation service providing method of claim 1, wherein the product is classified into a purchased product, a product contained in a shopping cart, a detailed view product, and other products based on the shopping behavior information, and a user profile is obtained using a reduction function for each product.

제24항에 있어서, The method of claim 24,

상기 (c)단계에서, 상기 상품 추천 서버는 피어슨 상관계수 또는 코사인을 이용하여 유사 고객을 검색하는 것을 특징으로 하는 상품 추천 서비스 제공 방법.In the step (c), the product recommendation server provides a product recommendation service, characterized in that for searching for similar customers using the Pearson correlation coefficient or cosine.

제24항에 있어서,The method of claim 24,

상기 (d)단계는, In step (d),

상기 검색된 유사 고객의 선호 상품 중에서 상기 사용자가 기존에 구매한 상품, 유통기한이 지난 상품, 유통과정에서 유통 환경 범위를 벗어난 상품을 제외하고 참조 빈도에 따라 상품을 분류하여 참조 빈도가 높은 순으로 추천 상품 목록을 결정하여 상기 사용자 단말기에 제공하는 것을 특징으로 하는 상품 추천 서비스 제공 방법.Among the searched similar products, the products are sorted according to the reference frequency and recommended in the order of high frequency of reference, except for products purchased by the user, products with an expiration date, and products out of the distribution environment in the distribution process. A product recommendation service providing method comprising determining a product list and providing the same to the user terminal.

상품 추천 서버가 사용자 단말기에 추천 상품 목록을 제공하는 방법에 있어서, In the method for providing a list of recommended products to the user terminal in the product recommendation server,

(a)상품 추천 요청 메시지가 수신되는 경우, 미리 저장된 상품 계층도내 각 상품에 대한 감소 함수를 구하는 단계;(a) if a product recommendation request message is received, obtaining a reduction function for each product in a previously stored product hierarchy diagram;

(b)미리 저장된 클릭스트림 정보로부터 해당 사용자의 쇼핑 행위 정보를 분석하고, 상기 분석된 쇼핑 행위 정보를 기반으로 상기 구해진 감소 함수를 이용하여 사용자 프로파일을 구하는 단계;(b) analyzing the shopping behavior information of the user from the prestored clickstream information, and obtaining a user profile using the obtained reduction function based on the analyzed shopping behavior information;

(c)상기 구해진 사용자 프로파일을 이용하여 다른 고객과의 유사도를 계산하여 해당 고객과 유사한 상품 선호도를 가진 유사 고객을 검색하는 단계;및(c) calculating similarity with other customers using the obtained user profile to search for similar customers with similar product preferences as the corresponding customers; and

(d)상기 검색된 유사 고객의 선호 상품에 대한 참조 빈도를 각각 구하고, 상기 구해진 참조 빈도를 이용하여 추천 상품 목록을 결정하여 해당 사용자 단말기에 제공하는 단계;(d) obtaining reference frequencies of the searched similar customers' preferred products, and determining a list of recommended products using the obtained reference frequencies and providing the same to the corresponding user terminal;

를 포함하며,Including;

삭제delete