KR102051064B1 - System and method for providing recommended information on artificial intelligence based customized product - Google Patents
System and method for providing recommended information on artificial intelligence based customized product Download PDFInfo
- Publication number
- KR102051064B1 KR102051064B1 KR1020180164144A KR20180164144A KR102051064B1 KR 102051064 B1 KR102051064 B1 KR 102051064B1 KR 1020180164144 A KR1020180164144 A KR 1020180164144A KR 20180164144 A KR20180164144 A KR 20180164144A KR 102051064 B1 KR102051064 B1 KR 102051064B1
- Authority
- KR
- South Korea
- Prior art keywords
- product
- information
- pattern
- purchase
- recommendation
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0254—Targeted advertisements based on statistics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본원은 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템 및 방법에 관한 것이다.The present application relates to a system and method for providing AI-based customized product recommendation information.
산업 용품은 각종 공사 또는 산업 현장에서 사용되며 일상 생활에서도 밀접하게 활용되고 있다.Industrial supplies are used in various construction or industrial sites and are closely used in daily life.
산업 용품에는 흔히 사용하는 접착제, 연마재 외에도 다양한 종류가 있으며, 같은 종류라 하더라도 용도에 따라 크기가 상이하게 구비될 수 있다. 이에 따라, 기존에 구매한 제품과 동일한 제품을 구매한다고 하더라도 제품의 종류, 수치 등의 제원을 매 구매시마다 판매자에게 제공해야하는 불편한 점이 존재한다.In addition to the adhesives and abrasives commonly used in industrial products, there are various types, and even the same type may be provided differently according to the use. Accordingly, even if you purchase the same product as the previously purchased product, there is an inconvenience that must provide the seller with the specifications, such as product type, numerical value for each purchase.
본원의 배경이 되는 기술은 한국특허공개공보 제10-2016-0095477호에 개시되어 있다.The background technology of the present application is disclosed in Korean Patent Publication No. 10-2016-0095477.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자의 구매 이력을 학습하여 맞춤형 제품 추천 정보를 제공하는 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템 및 방법을 제공하는 것을 목적으로 한다.The present invention is to solve the above-mentioned problems of the prior art, and to provide an artificial intelligence-based customized product recommendation information providing system and method for learning a user's purchase history to provide customized product recommendation information.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 사용자 단말에 입력된 텍스트를 인식하고, 제품 구매에 대한 내용을 학습하여 맞춤형 제품 추천 정보를 제공하는 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템 및 방법을 제공하는 것을 목적으로 한다.The present application is to solve the above-described problems of the prior art, AI-based customized product recommendation information providing system and method for recognizing the text input to the user terminal, learning the contents of the product purchase to provide customized product recommendation information The purpose is to provide.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들도 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical problem to be achieved by the embodiments of the present application is not limited to the technical problems as described above, and other technical problems may exist.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템에 있어서, 사용자 단말로부터 제품 구매를 위한 제품 구매 정보 및 제품 내역 정보를 수신하는 통신부, 상기 제품 구매 정보 및 제품 내역 정보로부터 구매 패턴 및 내역 패턴을 산출하는 패턴 산출부 및 상기 구매 패턴 및 상기 내역 패턴에 기초하여 신규 제품 구매 의뢰에 대한 맞춤형 제품 추천 정보를 생성하는 추천부를 포함하는 맞춤형 제품 추천 정보 제공 장치; 및 상기 통신부로부터 상기 제품 추천 정보를 수신하여 출력하고, 상기 사용자 단말을 통한 제품 구매에 따른 제품 구매 정보 및 제품 내역 정보를 기록하는 사용자 단말을 포함할 수 있다.As a technical means for achieving the above technical problem, in the artificial intelligence-based customized product recommendation information providing system, a communication unit for receiving product purchase information and product history information for product purchase from the user terminal, the product purchase information and product details A personalized product recommendation information providing apparatus including a pattern calculating unit for calculating a purchase pattern and a detail pattern from information and a recommendation unit for generating customized product recommendation information for a new product purchase request based on the purchase pattern and the detail pattern; And a user terminal that receives and outputs the product recommendation information from the communication unit, and records product purchase information and product detail information according to a product purchase through the user terminal.
본원의 일 실시예에 따르면, 상기 제품 구매 정보는 상기 제품의 구매 시간 정보를 포함하고, 상기 제품 내역 정보는 상기 제품의 종류 정보 및 제품별 제원 정보 중 적어도 어느 하나를 포함할 수 있다.According to an embodiment of the present disclosure, the product purchase information may include purchase time information of the product, and the product detail information may include at least one of the type information of the product and the specification information for each product.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 개인 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하되, 상기 구매 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 상기 내역 패턴은, 제품 종류별 패턴 및 제원별 패턴을 포함할 수 있다.According to the exemplary embodiment of the present application, the pattern calculation unit may construct an unsupervised learning-based pattern calculation model that receives the product purchase information and the product detail information of the individual user, thereby providing the purchase pattern and the detail of the individual user. Computing a pattern, the purchase pattern may include a monthly, weekly, hourly pattern, the history pattern may include a pattern by product type and pattern by specification.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 전체 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 전체 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하고, 상기 추천부는, 상기 전체 사용자의 구매 패턴 및 내역 패턴에 기초하여 상기 신규 제품 의뢰에 대한 맞춤형 제품 추천 정보를 생성할 수 있다.According to one embodiment of the present application, the pattern calculation unit, the non-supervised learning-based pattern calculation model for inputting the product purchase information and the product history information of all the user by the purchase pattern and the details of the entire user A pattern is calculated, and the recommendation unit may generate customized product recommendation information for the new product request based on the purchase pattern and the detail pattern of all the users.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 상기 통신부를 통해 상기 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 상기 텍스트 및 상기 텍스트의 주변 단어에 기초하여 제품 구매에 따른 상기 구매 의뢰 정보를 생성하되, 상기 구매 의뢰 정보에 기초하여 상기 구매 패턴 및 상기 내역 패턴을 산출할 수 있다.According to an embodiment of the present application, the pattern calculation unit, the natural language processing by collecting the text input to the user terminal through the communication unit, the purchase request information according to the product purchase based on the text and the surrounding words of the text While generating a, it is possible to calculate the purchase pattern and the history pattern based on the purchase request information.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 상기 제품 구매와 연계된 텍스트인 것으로 판단하고, 상기 주변 단어는 상기 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 경우 선정될 수 있다.According to an embodiment of the present disclosure, the pattern calculator determines that the text associated with the product purchase is determined when the number of preset reference texts in the natural language-processed text is greater than or equal to a preset threshold, and the surrounding words are the criteria. If the degree of association with the text is greater than or equal to a preset threshold, it may be selected.
본원의 일 실시예에 따르면, 상기 패턴 산출부는, 형태소 분석을 통해 상기 텍스트로부터 추출된 명사를 벡터 공간으로 정형화하고, 상기 명사의 벡터간 거리에 기초하여 상기 주변 단어를 선정할 수 있다.According to an embodiment of the present application, the pattern calculator may form a noun extracted from the text through a morpheme analysis into a vector space, and select the surrounding word based on a distance between vectors of the noun.
본원의 일 실시예에 따르면, 상기 제품의 종류는, 접착제, 에폭시, 실란트, 연마재, 코팅제, 윤활재, 절단석, 포장재 중 적어도 어느 하나를 포함할 수 있다.According to one embodiment of the present application, the kind of the product may include at least one of an adhesive, an epoxy, a sealant, an abrasive, a coating agent, a lubricant, a cut stone, a packaging material.
본원의 일 실시예에 따르면, 상기 제품 제원 정보는, 상기 제품의 종류별 제원을 포함하고, 상기 추천부는, 제품 종류별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성할 수 있다.According to an embodiment of the present disclosure, the product specification information includes a specification for each kind of the product, and the recommendation unit establishes an unsupervised learning-based specification recommendation model based on the product specification information according to the specification for each product type. The customized product recommendation information according to the pattern for each specification may be generated.
본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 방법은, 사용자 단말로부터 제품 구매를 위한 제품 구매 정보 및 제품 내역 정보를 수신하는 단계, 상기 제품 구매 정보 및 제품 내역 정보로부터 구매 패턴 및 내역 패턴을 산출하는 단계, 상기 구매 패턴 및 상기 내역 패턴에 기초하여 신규 제품 구매 의뢰에 대한 맞춤형 제품 추천 정보를 생성하는 단계 및 상기 맞춤형 제품 추천 정보를 상기 사용자 단말로 전송하는 단계를 포함할 수 있다.Artificial intelligence-based customized product recommendation information providing method according to an embodiment of the present invention, receiving product purchase information and product history information for product purchase from a user terminal, purchase pattern and history from the product purchase information and product history information The method may include calculating a pattern, generating customized product recommendation information for a new product purchase request based on the purchase pattern and the history pattern, and transmitting the customized product recommendation information to the user terminal.
본원의 일 실시예에 따르면, 상기 제품 구매 정보는 상기 제품의 구매 시간 정보를 포함하고, 상기 제품 내역 정보는 상기 제품의 종류 정보 및 제품별 제원 정보 중 적어도 어느 하나를 포함할 수 있다.According to an embodiment of the present disclosure, the product purchase information may include purchase time information of the product, and the product detail information may include at least one of the type information of the product and the specification information for each product.
본원의 일 실시예에 따르면, 상기 구매 패턴 및 내역 패턴을 산출하는 단계는, 개인 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하되, 상기 구매 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 상기 내역 패턴은, 제품 종류별 패턴 및 제원별 패턴을 포함할 수 있다.According to an embodiment of the present disclosure, the calculating of the purchase pattern and the detail pattern may include constructing a non-supervised learning-based pattern calculation model using the product purchase information and the product detail information of the individual user as the input. Computing the purchase pattern and the history pattern, wherein the purchase pattern may include a monthly, weekly, hourly pattern, the history pattern may include a pattern by product type and pattern by specification.
본원의 일 실시예에 따르면, 상기 구매 패턴 및 내역 패턴을 산출하는 단계는, 전체 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 전체 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하고, 상기 맞춤형 제품 추천 정보를 생성하는 단계는, 상기 전체 사용자의 구매 패턴 및 내역 패턴에 기초하여 상기 신규 제품 의뢰에 대한 맞춤형 제품 추천 정보를 생성할 수 있다.According to an exemplary embodiment of the present disclosure, the calculating of the purchase pattern and the detail pattern may include constructing a non-supervised learning-based pattern calculation model using the product purchase information and the product detail information of all users as the entire user. Computing the purchase pattern and the detail pattern of the and generating the customized product recommendation information, the customized product recommendation information for the new product request may be generated based on the purchase pattern and the history pattern of all the users. .
본원의 일 실시예에 따르면, 상기 구매 패턴 및 내역 패턴을 산출하는 단계는, 상기 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 상기 텍스트 및 상기 텍스트의 주변 단어에 기초하여 제품 구매에 따른 상기 구매 의뢰 정보를 생성하되, 상기 구매 의뢰 정보에 기초하여 상기 구매 패턴 및 상기 내역 패턴을 산출할 수 있다.According to one embodiment of the present application, the step of calculating the purchase pattern and the history pattern, the natural language processing by collecting the text input to the user terminal, and based on the product purchase based on the text and the surrounding words of the text The purchase request information may be generated, and the purchase pattern and the detail pattern may be calculated based on the purchase request information.
본원의 일 실시예에 따르면, 상기 구매 패턴 및 내역 패턴을 산출하는 단계는, 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 상기 제품 구매와 연계된 텍스트인 것으로 판단하고, 상기 주변 단어는 상기 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 경우 선정될 수 있다.According to an embodiment of the present disclosure, the calculating of the purchase pattern and the detail pattern may include determining that the text is associated with the product purchase when the number of reference texts preset in the natural language-processed text is greater than or equal to a preset threshold. The peripheral word may be selected when the degree of association with the reference text is greater than or equal to a preset threshold.
본원의 일 실시예에 따르면, 상기 구매 패턴 및 내역 패턴을 산출하는 단계는, 형태소 분석을 통해 상기 텍스트로부터 추출된 명사를 벡터 공간으로 정형화하고, 상기 명사의 벡터간 거리에 기초하여 상기 주변 단어를 선정할 수 있다.According to an exemplary embodiment of the present disclosure, the calculating of the purchase pattern and the detail pattern may include forming a noun extracted from the text into a vector space through morphological analysis, and calculating the surrounding words based on the distance between the vectors of the noun. Can be selected.
본원의 일 실시예에 따르면, 상기 제품의 종류는, 접착제, 에폭시, 실란트, 연마재, 코팅제, 윤활재, 절단석, 포장재 중 적어도 어느 하나를 포함할 수 있다.According to one embodiment of the present application, the kind of the product may include at least one of an adhesive, an epoxy, a sealant, an abrasive, a coating agent, a lubricant, a cut stone, a packaging material.
본원의 일 실시예에 따르면, 상기 제품 수치 정보는, 상기 제품의 종류별 제원을 포함하고, 상기 맞춤형 제품 추천 정보를 생성하는 단계는, 제품 종류별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성할 수 있다.According to one embodiment of the present application, the product numerical information, including the specifications for each type of the product, the step of generating the customized product recommendation information, unsupervised learning to input the product specification information according to the specifications for each product type The customized product recommendation information according to the pattern for each specification may be generated by building a specification recommendation model based on the specification.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.The above-mentioned means for solving the problems are merely exemplary and should not be construed as limiting the present application. In addition to the above-described exemplary embodiments, additional embodiments may exist in the drawings and detailed description of the invention.
전술한 본원의 과제 해결 수단에 의하면, 사용자의 구매 이력을 학습하여 맞춤형 제품 추천 정보를 제공하는 인공지능 기반 맞춤형 제품 추천 정보 제공 장치 및 방법을 제공할 수 있다.According to the aforementioned problem solving means of the present application, it is possible to provide an artificial intelligence-based customized product recommendation information providing apparatus and method for learning the user's purchase history to provide customized product recommendation information.
전술한 본원의 과제 해결 수단에 의하면, 사용자 단말에 입력된 텍스트를 인식하고, 제품 구매에 대한 내용을 학습하여 맞춤형 제품 추천 정보를 제공하는 인공지능 기반 맞춤형 제품 추천 정보 제공 장치 및 방법을 제공할 수 있다.According to the aforementioned problem solving means of the present application, it is possible to provide an artificial intelligence-based customized product recommendation information providing apparatus and method for recognizing the text input to the user terminal, learning the contents of the product purchase to provide customized product recommendation information. have.
도 1은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 공구 추천 정보 제공 시스템의 구성을 도시한 도면이다.
도 2는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 공구 추천 정보 제공 시스템의 맞춤형 공구 추천 정보 제공 장치의 구성을 도시한 도면이다.
도 3은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 구매 패턴 및 내역 패턴 검출의 예를 도시한 도면이다.
도 4는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 접착 테이프의 제원을 도시한 도면이다.
도 5는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 연마석의 제원을 도시한 도면이다.
도 6은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 구조용 접착제의 제원을 도시한 도면이다.
도 7은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 텍스트 마이닝을 위한 워드넷의 계층 구조를 도시한 도면이다.
도 8은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치에 의해 사용자 단말에서 출력되는 맞춤형 제품 추천 정보의 예를 도시한 도면이다.
도 9는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 방법의 흐름을 도시한 도면이다.1 is a diagram illustrating a configuration of an AI-based customized tool recommendation information providing system according to an exemplary embodiment of the present disclosure.
2 is a diagram illustrating a configuration of an apparatus for providing customized tool recommendation information of an artificial intelligence-based customized tool recommendation information providing system according to an exemplary embodiment of the present disclosure.
3 is a diagram illustrating an example of a purchase pattern and a history pattern detection of an artificial intelligence-based customized product recommendation information providing device according to an exemplary embodiment of the present application.
4 is a view showing the specifications of the adhesive tape of the artificial intelligence-based customized product recommendation information providing apparatus according to an embodiment of the present application.
5 is a view showing the specifications of the abrasive stone of the artificial intelligence-based customized product recommendation information providing apparatus according to an embodiment of the present application.
6 is a view showing the specifications of the structural adhesive of the artificial intelligence-based customized product recommendation information providing apparatus according to an embodiment of the present application.
FIG. 7 is a diagram illustrating a hierarchical structure of WordNet for text mining of an apparatus for providing AI-based customized product recommendation information according to an embodiment of the present disclosure.
8 is a diagram illustrating an example of customized product recommendation information output from a user terminal by an apparatus for providing artificial intelligence-based customized product recommendation information according to an embodiment of the present disclosure.
9 is a flowchart illustrating a method of providing AI-based customized product recommendation information according to an exemplary embodiment of the present application.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.DETAILED DESCRIPTION Hereinafter, exemplary embodiments of the present disclosure will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present disclosure. As those skilled in the art would realize, the described embodiments may be modified in various different ways, all without departing from the spirit or scope of the present invention. In the drawings, parts irrelevant to the description are omitted for simplicity of explanation, and like reference numerals designate like parts throughout the specification.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. Throughout this specification, when a portion is "connected" to another portion, this includes not only "directly connected" but also "electrically connected" with another element in between. do.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.Throughout this specification, when a member is said to be located on another member "on", "upper", "top", "bottom", "bottom", "bottom", this means that any member This includes not only the contact but also the presence of another member between the two members.
본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout this specification, when a part is said to "include" a certain component, it means that it can further include other components, without excluding the other components unless specifically stated otherwise.
도 1은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 공구 추천 정보 제공 시스템의 구성을 도시한 도면이고, 도 2는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 공구 추천 정보 제공 시스템의 맞춤형 공구 추천 정보 제공 장치의 구성을 도시한 도면이다.1 is a view showing the configuration of the artificial intelligence-based customized tool recommendation information providing system according to an embodiment of the present application, Figure 2 is a customized tool recommendation of the artificial intelligence-based customized tool recommendation information providing system according to an embodiment of the present application It is a figure which shows the structure of an information provision apparatus.
도 1을 참조하면, 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템(10)은 맞춤형 제품 추천 정보 제공 장치(100) 및 사용자 단말(200)을 포함할 수 있다. 또한, 도 2를 참조하면, 예시적으로, 맞춤형 제품 추천 정보 제공 장치(100)는 통신부(110), 패턴 산출부(120) 및 추천부(130)를 포함할 수 있다. 통신부(110)는 사용자 단말(200)로부터 제품 구매를 위한 제품 구매 정보 및 제품 내역 정보를 수신할 수 있다. 여기서 제품은 각종 접착제, 연마제, 접속재, 장갑, 마스크 등 산업 현장에서 활용되는 물품, 소모품을 의미한다. 상기 제품 구매 정보는 사용자가 사용자 단말(200)을 이용하여 제품 판매 어플리케이션 또는 웹사이트를 통해 제품을 구매할 경우에 생성될 수 있다. 구체적으로, 제품 구매 정보는 제품의 구매 시간 정보를 포함할 수 있다. 또한, 제품 내역 정보는, 구매한 제품의 종류 정보 및 공구별 제원 정보 중 적어도 어느 하나를 포함할 수 있다.Referring to FIG. 1, the artificial intelligence-based customized product recommendation
본원의 일 실시예에 따르면, 제품 구매 정보 및 제품 내역 정보는 상기 제품 판매 어플리케이션 또는 웹사이트 뿐만 아니라, 사용자가 사용자 단말(200)을 이용하여 E Mail, 문자 메시지, MMS, 메신저 어플리케이션을 통해 판매자에게 직접 제품을 구매하는 경우에도 생성될 수 있다. 판매자에게 직접 구매하여 생성되는 , 제품 구매 정보 및 제품 내역 정보는 보다 뒤에서 살펴보기로 한다.According to one embodiment of the present application, the product purchase information and product history information, as well as the product sales application or website, the user to the seller through the E-mail, text message, MMS, messenger application using the
통신부(110)는 사용자 단말(200)로부터 제품 구매의 결제 내역을 수신할 수 있고, 패턴 산출부(120)는, 상기 결제 내역으로부터 시간 정보, 제품의 종류 정보 및 제품별 제원 정보를 수집할 수 있다. 또한, 통신부(110)는 사용자 단말(200)에 입력된 텍스트를 수집하고, 패턴 산출부(120)는 상기 텍스트로부터 시간 정보, 제품 종류 정보, 및 제품 수치 정보를 산출할 수 있다. 상기 텍스트로부터 산출되는 정보는 보다 뒤에서 살펴보기로 한다.The
사용자 단말(200)은 사용자 단말(200)을 통한 제품 구매에 따른 제품 구매 정보 및 제품 내역 정보를 기록할 수 있다. 사용자 단말(200)은 상기 제품 판매 어플리케이션과 웹사이트 모두에서 제품을 구매할 수 있다. 따라서, 사용자 단말(200)을 통한 제품의 구매시 사용자의 구매 이력이 기록될 수 있다. The
본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치(100)와 사용자 단말(200)은 네트워크를 통해 통신할 수 있다. 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다. 또한, 사용자 단말(200)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV 등 유선 통신 장치를 포함할 수 있다.Artificial intelligence-based customized product recommendation
패턴 산출부(120)는 상기 제품 구매 정보 및 제품 내역 정보로부터 구매 패턴 및 내역 패턴을 산출할 수 있다. 패턴 산출부(120)는 개인 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출할 수 있다. 패턴 산출부(120)는 제품 구매 정보 및 상기 제품 내역 정보를 정형화 하여 비지도 학습 기반의 패턴 산출 모델의 입력으로 사용할 수 있다. 상기 정형화는 예를 들어, 제품 구매 정보인 경우, 제품 주문 일자, 제품 주문 시간, 제품 주문 주기 등을 수치화하는 것을 의미한다. 또한, 제품 내역 정보에 경우, 제품의 종류, 제품별 제원을 수치화하는 것을 의미한다. 예시적으로, 패턴 산출부(120)는 제품의 종류 각각에 따라 코드를 부여하여 수치화할 수 있다.The
패턴 산출부(120)는 비지도 학습 기반의 군집 알고리즘에 기초하여 구매 패턴 및 내역 패턴을 산출할 수 있다. 비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 패턴 산출부(120)는 군집 알고리즘에 기초하여 구매 패턴 및 내역 패턴을 군집하여 산출할 수 있고, 구매 패턴 및 내역 패턴 각각의 군집간 분리도에 기초하여 새로운 구매 패턴 및 내역 패턴을 검출할 수 있다. 예시적으로 상기 비지도 학습을 위한 군집 알고리즘에는 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 및 군집 알고리즘이 이용될 수 있다. 또한, 신규 패턴 분류부(130)는 상술한 알고리즘 외에도 Extra Tree알고리즘, XG Boost알고리즘 및 Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘과 같은 군집 알고리즘을 통해 비지도 학습을 수행할 수 있다. Random Forest알고리즘은 수많은 Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화 하는 알고리즘이고, SVM알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결과를 다음 트리에 적용하는 boost방식의 알고리즘이다. Deep Learning알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 또한, K-means 클러스터링 알고리즘은 전통적인 분류기법으로 대상집단을 거리의 평균값(유사도)을 기준으로 K개의 군집으로 반복 세분화 하는 기법이고, SOM알고리즘은 인공신경망을 기반으로 훈련집합의 입력 패턴을 가중치로 학습하여 군집화하는 기법이다. 또한 EM & Canopy 알고리즘은 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신하여 군집화 하는 기법을 의미한다.The
도 3은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 구매 패턴 및 내역 패턴 검출의 예를 도시한 도면이다.3 is a diagram illustrating an example of a purchase pattern and a history pattern detection of an artificial intelligence-based customized product recommendation information providing device according to an exemplary embodiment of the present application.
패턴 산출부(120)는 상기 제품 구매 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 통해 구매 패턴을 검출하고, 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 통해 내역 패턴을 검출할 수 있다. 다시 말해, 개인 사용자의 과거 이력에 따른 제품 구매 정보 및 제품 내역 정보를 입력으로 하는 비지도 학습에 기초하여 구매 패턴 및 내역 패턴이 검출될 수 있다. 또한, 구매 패턴을 검출하기 위한 비지도 학습과 내역 패턴을 검출하기 위한 비지도 학습이 각각 이루어질 수 있다. 도 3은 제품 구매 정보 및 제품 내역 정보의 빈도에 따라 군집된 내역 패턴을 나타내며, 서로 다른 제품 구매 정보 및 제품 내역 정보의 빈도가 유사한 경우, 도 3에 도시된 바와 같이 동일 내지 유사한 라벨링(파란색 및 초록색)으로 구분될 수 있다. 즉, 내역 패턴 또는 구매 패턴 상호간의 라벨링이 동일 내지 유사한 경우 군집간 분리도가 낮다고 할 수 있다. 다시 말해, 제품 구매 정보 및 제품 내역 정보의 빈도에 따른 각각의 군집을 통해 서로 다른 내역 패턴 또는 구매 패턴이 검출될 수 있다. The
한편, 유사한 빈도를 가진 제품 구매 정보 및 제품 내역 정보들과 다른 빈도를 가진 제품 구매 정보 또는 제품 내역 정보들로 군집된 구매 패턴(또는 내역 패턴)의 경우, 도 3에 도시된 바와 같이 전술한 구매 패턴과는 다른 라벨링(빨간색)으로 구분될 수 있다. 이러한 구매 패턴은 다른 구매 패턴의 제품 구매 정보 및 제품 내역 정보의 빈도와는 다르므로, 새로운 구매 패턴(또는 내역 패턴)일 수 있고, 패턴 산출부(120)에 의해 검출될 수 있다. 패턴 산출부(120)에 의해 검출된 구매 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 패턴 산출부(120)에 의해 검출된 내역 패턴은 제품 종류별 패턴 및 제원별 패턴을 포함할 수 있다. 예시적으로, 제품의 종류는 접착제, 에폭시, 실란트, 연마재, 코팅제, 윤활재, 절단석, 포장재 중 적어도 어느 하나를 포함할 수 있다. 본원의 일 실시예에 따르면, 상기 기재된 제품의 종류 뿐만 아니라, 다양한 종류의 제품에 대한 제품 종류별 패턴 및 제원별 패턴이 산출될 수 있다.Meanwhile, in the case of a purchase pattern (or a history pattern) clustered with product purchase information or product history information having a different frequency from product purchase information and product history information having a similar frequency, the aforementioned purchase as illustrated in FIG. 3. It can be distinguished by a different labeling (red) from the pattern. Since the purchase pattern is different from the frequency of product purchase information and product detail information of another purchase pattern, the purchase pattern may be a new purchase pattern (or a detail pattern), and may be detected by the
추천부(130)는 상기 구매 패턴 및 상기 내역 패턴에 기초하여 신규 제품 구매 의뢰에 대한 맞춤형 제품 추천 정보를 생성할 수 있다. 예시적으로, 어느 개인 사용자의 구매 패턴 및 내역 패턴이 산출되면, 구매 패턴에 의해 다음 제품 구매일이 예측될 수 있고, 내역 패턴에 의해 다음에 구매할 맞춤형 제품의 종류와 용도가 결정되어 제품 추천 정보로서 생성될 수 있다. 다시 말해, 추천부(130)는 구매 패턴 및 내역 패턴에 기초하여 신규 제품 구매 의뢰 이전에 맞춤형 제품 추천 정보를 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다. 또한, 추천부(130)는 구매 패턴 및 내역 패턴에 기초하여 추천하는 맞춤형 제품의 제품 제원 정보를 포함하여 맞춤형 제품 추천 정보를 생성할 수 있다. 상기 제품 제원 정보는 제품의 종류별 제원을 포함할 수 있다. 예시적으로, 동일한 연마석이라고 하더라도, 소재 또는 연마 용도에 따라 제원이 상이할 수 있다. 따라서, 상기 내역 패턴은 제품의 종류별 제원 뿐만 아니라, 동일 제품의 다양한 제원을 고려하여 산출될 수 있다.The
도 4는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 접착 테이프의 제원을 도시한 도면이고, 도 5는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 연마석의 제원을 도시한 도면이고, 도 6은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 구조용 접착제의 제원을 도시한 도면이다. 4 is a view showing the specifications of the adhesive tape of the artificial intelligence-based customized product recommendation information providing apparatus according to an embodiment of the present application, Figure 5 is a view of the artificial intelligence-based customized product recommendation information providing apparatus according to an embodiment of the present application FIG. 6 is a view illustrating specifications of abrasive stone, and FIG. 6 is a view illustrating specifications of a structural adhesive of an artificial intelligence-based customized product recommendation information providing device according to an exemplary embodiment.
각 제품은 종류별로 제품의 형상에 따라 서로 상이한 제원을 가지고 있다. 예를 들어, 도 4를 참조하면, 접착 테이프는 점착제의 종류, 필름 두께, 전체 두께, 접착력, 인장력 및 연신율의 제원을 포함할 수 있다. 도 5를 참조하면, 연마석은 외경, 두께, 내경, 최대허용 RPM, 성분(미네랄)의 제원을 포함할 수 있다. 이처럼 각 제품별로 제원의 종류 및 수치가 상이하고, 동일한 제품이더라도 제품마다 제원이 상이하므로, 추천부(130)는 제품별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성할 수 있다. 예시적으로, 동일한 제원의 제품을 주기적으로 구매함에 따라 구매 패턴 및 내역 패턴이 생성된 경우, 추천부(130)는 이전과 동일한 종류 및 제원의 제품에 대한 맞춤형 제품 추천 정보를 생성할 수 있으며, 동일한 주기에 기초하여 다음 제품 구매일이 도래하기 이전에 사용자 단말(200)로 전송하여 맞춤형 제품 추천 정보를 제공할 수 있다.Each product has different specifications according to the shape of each product. For example, referring to FIG. 4, the adhesive tape may include the types of the adhesive, the film thickness, the overall thickness, the adhesive force, the tensile force, and the elongation. Referring to FIG. 5, the abrasive stone may include an outer diameter, a thickness, an inner diameter, a maximum allowable RPM, and a specification of a component (mineral). As described above, the types and numbers of specifications are different for each product, and even if they are the same product, the specifications are different for each product. Therefore, the
추천부(130)는 제품 판매 어플리케이션 또는 웹사이트의 접속을 제품 구매 의뢰인 것으로 인식할 수 있다. 추천부(130)에서 생성된 맞춤형 제품 추천 정보는 통신부(110)를 통해 사용자 단말(200)에 저장될 수 있고, 사용자가 제품 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 신규 제품 구매 의뢰에 의사가 있는 것으로 인식하여 저장된 맞춤형 제품 추천 정보를 출력할 수 있다. 다른 예로, 사용자가 제품 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 제품 판매 어플리케이션 또는 웹사이트의 접속 여부를 통신부(110)로 전송하고, 추천부(130)는 제품 판매 어플리케이션 또는 웹사이트의 접속에 따른 신규 제품 구매 의뢰에 대한 맞춤형 제품 추천 정보를 실시간으로 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다.The
전술한 바와 같이, 사용자 단말(200)은 사용자 단말을 통한 제품 구매에 따른 제품 구매 정보 및 제품 내역 정보를 기록할 수 있다. 사용자 단말(200)에 기록된 제품 구매 정보 및 제품 내역 정보는 맞춤형 제품 추천 정보 제공 장치(100)로 제공되어 구매 패턴 및 내역 패턴 산출에 활용될 수 있다. 즉, 사용자의 제품 구매 정보 및 제품 내역 정보에 기초하여 검출되는 구매 패턴 및 내역 패턴은 사용자의 과거 이력을 학습의 입력 데이터로 사용한다. 그러나 과거 이력이 패턴을 검출할 만큼 누적되지 않았거나, 과거 이력이 없는 신규 사용자는 개인의 과거 이력을 통해서는 구매 패턴 및 내역 패턴을 산출해 낼 수 없다. 다시 말해, 사용자 단말로부터 최초로 제품 구매 정보 및 제품 내역 정보를 수신하는 경우, 패턴 산출부(120)는 전체 사용자의 제품 구매 정보 및 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 전체 사용자의 구매 패턴 및 내역 패턴을 산출할 수 있다. 또한, 추천부(130)는 전체 사용자의 구매 패턴 및 내역 패턴에 기초하여 신규 제품 의뢰에 대한 맞춤형 제품 추천 정보를 생성할 수 있다. 구체적으로, 동일 제품이더라도 제원이 상이하므로, 전체 사용자가 사용한 제품 중 가장 많은 사용 이력이 있는 제품의 제원에 대한 제품 내역 정보를 통해 내역 패턴이 산출될 수 있다.As described above, the
도 7은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치의 텍스트 마이닝을 위한 워드넷의 계층 구조를 도시한 도면이다.FIG. 7 is a diagram illustrating a hierarchical structure of WordNet for text mining of an apparatus for providing AI-based customized product recommendation information according to an exemplary embodiment of the present application.
전술한 바에 따르면, 통신부(110)는 제1사용자 단말(200)에 입력된 텍스트를 수집할 수 있고, 패턴 산출부(120)는 상기 텍스트로부터 시간 정보, 제품의 종류 정보, 및 제품별 제원 정보를 산출할 수 있다. 패턴 산출부(120)는 통신부(110)를 통해 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 텍스트 및 텍스트의 주변 단어에 기초하여 제품 구매에 따른 제품 구매 정보 및 제품 내역 정보를 생성할 수 있다. 또한, 패턴 산출부(120)는 제품 구매 정보 및 제품 내역 정보에 기초하여 구매 패턴 및 내역 패턴을 산출할 수 있다.As described above, the
구체적으로, 자연어 처리는 인간이 발화하는 언어 현상을 기계적으로 분석하여 컴퓨터가 이해할 수 있는 형태로 만드는 자연어 이해 또는 그러한 형태를 다시 인간이 이해할 수 있는 언어로 표현하는 제반 기술을 의미한다. 이러한 자연어 처리는 형태소 분석 및 품사 부착을 통해 이루어 질 수 있다. 형태소 분석은 예를 들어, '복합 명사'는 '복합+명사', '복+합명사', '복합명+사' 등등의 다양한 방식으로 쪼개질 수 있는 데 이들 중에서 가장 적합한 분해 결과를 선택하는 것인데, 다양하게 쪼개지는 분석 결과들 중에서 적합한 결과를 선택하기 위해, 테이블 파싱이라는 동적 프로그래밍 방법을 사용한다. 구체적으로 '복합+명사'로 쪼개질 확률이 그 외로 분석될 확률보다 더 크면 그걸로 선택하도록 하는 알고리즘이다. 품사 부착은 형태소 분석을 통해 나온 결과 중 가장 적합한 형태의 품사를 부착하는 것을 말한다. 통상적으로 태거라고 하는 모듈이 이 기능을 수행한다. 이는 형태소 분석기가 출력한 다양한 분석 결과 중에서 문맥에 적합한 하나의 분석 결과를 선택하는 모듈이라 할 수 있다. 분석 시 문맥 좌우에 위치한 중의성 해소의 힌트가 되는 정보를 이용해서 적합한 분석 결과를 선택한다. 보통 태거는 대규모의 품사부착을 이용해서 구현하는데 은닉 마르코프 모델(Hidden Markov Model, HMM)이 널리 사용되고 있다.Specifically, natural language processing refers to an understanding of natural language that mechanically analyzes language phenomena spoken by humans and makes it into a form that can be understood by a computer, or various techniques for expressing such a form in a language that can be understood by a human. This natural language processing can be done through morphological analysis and part-of-speech attachment. Morphological analysis, for example, 'composite nouns' can be broken up in various ways, such as 'compound + noun', 'compound + noun', 'compound noun + sa', etc. In order to select a suitable result from the various analysis results, a dynamic programming method called table parsing is used. Specifically, if the probability of splitting into 'composite + noun' is greater than the probability of being analyzed elsewhere, it is an algorithm to select it. Part-of-speech is the attachment of the most suitable part of speech from the results of morphological analysis. Modules, commonly called taggers, perform this function. This is a module that selects one analysis result suitable for the context from various analysis results outputted by the morpheme analyzer. In the analysis, the appropriate analysis results are selected using information that hints of neutrality located at the left and right of the context. Normally, Tagger is implemented using large parts of speech. Hidden Markov Model (HMM) is widely used.
패턴 산출부(120)는 자연어 처리를 통해 사용자 단말(200)의 텍스트를 인식할 수 있으며, 텍스트 중 제품과 관련된 텍스트를 추출할 수 있다. 예시적으로, 패턴 산출부(120)는 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 제품 구매와 연계된 텍스트인 것으로 판단할 수 있다. 상기 기준 텍스트는, 제품 주문 또는 구매와 관련된 텍스트로 설정될 수 있다. 예를 들어, 연마재, 연마석, 테이프, 에폭시, 접착제 등의 제품의 이름, 몇 월, 몇 일, 몇 시, 등 제품의 구매와 관련된 키워드들이 기준 텍스트로 설정될 수 있다.The
상기 기준 텍스트가 미리 설정된 임계값 이상인 경우에는 자연어 처리된 텍스트 중에서 제품과 관련된 키워드들이 다수 존재하므로, 문자 메시지, 메신저, E 메일 등을 이용하여 제품을 주문하기 위한 의도가 있다고 볼 수 있다. 그러나 기준 텍스트 만으로는 구체적인 주문 일자 또는 제품의 종류나 제원 등에 대해서는 정확하게 분별해낼 수 없으므로, 패턴 산출부(120)는 기준 텍스트와 연관이 높은 용어인 주변 단어를 추출하여 구체적인 제품 구매 내역을 포함하는 제품 구매 정보 및 제품 내역 정보를 생성할 수 있다. 기준 텍스트의 주변 단어를 선정할 때, 아무 단어가 아닌 특징적인 단어를 파악하고, 단어간 관계 정보를 고려하여 선정할 필요가 있다. 이는 무분별한 주변 단어의 선정을 통해 기준 텍스트와의 연관도가 떨어지는 단어를 선정하거나 연관도가 높은 단어를 선정하지 못해 잘못된 제품 구매 정보 및 제품 내역 정보가 생성되는 것을 방지하기 위함이다. 이를 위해서는 단어간 의미를 고려하여 주변 단어를 선정할 필요가 있으며, 기준 텍스트 또는 주변 단어 각각의 동의어 또는 상위어 등을 추가하여 특징의 질을 높일 필요가 있다. 본원에서는 예시적으로 어휘사전의 하나인 워드넷을 이용할 수 있다. 어휘사전은 단어의 의미 어휘목록 관계정보를 담은 사전으로서 동의어집합 단위로 이루어져 있으며, 각 동의어집합에 대한 상위어, 하위어, 등위어, 전체어 등의 의미 관계들을 제공한다.When the reference text is greater than or equal to a preset threshold, since there are a number of keywords related to the product among the natural language processed texts, it may be considered that there is an intention to order the product by using a text message, a messenger, or an E-mail. However, since the reference text alone cannot accurately classify the specific order date or the type or specification of the product, the
도 7을 참조하면, 워드넷의 계층 구조에 따르면, Car(30)와 Bicycle(40)은 공통적으로 Vehicle(10)의 하위어이고, 노드(20)를 통해 두 단어가 각각 상위어와 하위어가 연결되어 있다. 따라서 단어간의 거리는 연결된 노드의 수에 따라 결정될 수 있다. 워드넷의 단어 관계를 이용하여 선정된 기준 텍스트의 주변 단어가 선정되면, 패턴 산출부(120)는 기준 텍스트와 주변 단어의 연관도를 유사도 함수를 이용하여 연산할 수 있다. 유사도 함수는 수학식 1과 같이 나타낼 수 있다.Referring to FIG. 7, according to the hierarchical structure of WordNet,
[수학식 1][Equation 1]
여기서, a는 기준 텍스트를 나타내고, f는 주변 단어를 나타낸다. 나타낸다 min dist는 워드넷 상/하위어 관계에서 최소 거리를 의미하고 common parent는 두 단어의 공통의 상위어를 의미한다. 마지막으로 root는 가장 최상위 개념의 단어를 의미한다. 이 식은 정규화된 식으로 두 단어가 동의어면 최소 거리가 0이 되어 연관도는 1의 값을 갖게 되며, 반대로 공통의 상위어가 없으면 최소거리가 무한이 되어 연관도는 0의 값을 갖게 된다. 상기 수학식 1의 유사도 함수에 의해 기준 텍스트와 주변 단어의 연관도가 연산되면, 패턴 산출부(120)는 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 단어를 주변 단어로 선정할 수 있다. 상기 미리 설정된 임계치는 유사도 함수(식1)의 결과값인 0에서 1사이의 값을 가질 수 있다.Here, a represents reference text and f represents a surrounding word. Min dist means the minimum distance in WordNet upper / lower term relationship, and common parent means the common upper word of two words. Finally, root means the highest level word. This expression is a normalized expression. If two words are synonymous, the minimum distance becomes 0 and the association is 1, and if there is no common upper word, the minimum distance becomes infinite and the association is 0. When the degree of association between the reference text and the surrounding words is calculated by the similarity function of
기준 텍스트와 높은 연관도를 갖는 주변 단어는 제품과 높은 연관도를 갖는 단어일 수 있다. 따라서, 패턴 산출부(120)는 기준 텍스트의 수에 따라 해당 텍스트가 제품과 관련된 텍스트인지 판단할 수 있고, 주변 단어를 통해 보다 구체적으로, 제품의 종류, 제원 등의 언급이 있는지 파악할 수 있으며, 상기 텍스트를 자연어 처리함에 따라, 날짜, 제원 등의 숫자나 수치 또한 인식할 수 있다. 결과적으로 패턴 산출부(120)는 기준 텍스트와 주변 단어를 통해 제품 구매에 대한 텍스트인지 파악할 수 있으며, 제품 구매에 대한 정보를 포함하는 제품 구매 정보 및 구매할 제품의 제원과 같은 내역에 대한 정보를 포함하는 제품 내역 정보를 생성할 수 있다. 또한, 제품 구매 정보 및 제품 내역 정보는 전술한 패턴 산출 모델의 입력으로 사용되어 구매 패턴 및 내역 패턴이 산출될 수 있다. 추천부(130)는 전술한 텍스트 마이닝을 통해 산출된 구매 패턴 및 내역 패턴에 기초하여 맞춤형 제품의 제품 제원 정보를 생성할 수 있고, 제품 제원 정보를 포함하는 맞춤형 제품 정보를 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다.The surrounding words having a high relevance with the reference text may be words with a high relevance with the product. Accordingly, the
다른 예로, 패턴 산출부(120)는 사용자 단말(200)로부터 수집된 텍스트의 형태소 분석을 수행하여 주변 단어를 선정할 수 있다. 구체적으로, 패턴 산출부(120)는 형태소 분석을 통해 상기 텍스트로부터 추출된 명사를 벡터 공간으로 정형화할 수 있다. 예시적으로, 패턴 산출부(120)는 Komoran(Korean Morphological Analyzer) 형태소 분석을 통해 텍스트를 표식화 하고, 상기 텍스트로부터 명사를 추출할 수 있다. 또한, 형태소 분석으로 추출한 명사를 단어 관계 분석 모델인 Word2Vec을 통해 벡터 공간으로 매핑하여 정형화 할 수 있다. Komoran 형태소 분석은 기존 형태소 분석과 달리 여러 어절을 하나의 품사로 분석이 가능하여 공백이 포함된 제품 관련 텍스트를 보다 정확하게 표식화할 수 있다. 패턴 산출부(120)는 형태소 분석을 통해 추출된 명사를 정형화하는 Word2Vec은 표식화된 단어를 벡터로 변화하여 벡터 간의 거리에 기초하여 주변 단어를 선정할 수 있다. 예시적으로, 패턴 산출부(120)는 벡터간 거리가 미리 설정된 거리 미만인 단어를 주변 단어로 선정할 수 있다.As another example, the
도 8은 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 장치에 의해 사용자 단말에서 출력되는 맞춤형 제품 추천 정보의 예를 도시한 도면이다.8 is a diagram illustrating an example of customized product recommendation information output from a user terminal by an apparatus for providing artificial intelligence-based customized product recommendation information according to an embodiment of the present disclosure.
추천부(130)에서 생성된 맞춤형 제품 추천 정보는 통신부(110)를 통해 사용자 단말(200)로 전송될 수 있고, 사용자 단말(200)은 도 8에 도시된 바와 같이, 맞춤형 제품 추천 정보를 출력할 수 있다. 사용자 단말(200)을 통해 출력되는 맞춤형 제품 추천 정보는 제품의 이미지, 제품의 종류, 종류별 제원을 포함할 수 있다.The customized product recommendation information generated by the
도 9는 본원의 일 실시예에 따른 인공지능 기반 맞춤형 제품 추천 정보 제공 방법의 흐름을 도시한 도면이다.9 is a flowchart illustrating a method of providing AI-based customized product recommendation information according to an exemplary embodiment of the present application.
도 9에 도시된 인공지능 기반 맞춤형 제품 추천 정보 제공 방법은 앞선 도1 내지 도 8을 통해 설명된 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템에 의하여 수행될 수 있다. 따라서 이하 생략된 내용이라고 하더라도 도 1 내지 도 8을 통해 인공지능 기반 맞춤형 제품 추천 정보 제공 장치에 대하여 설명된 내용은 도 9에도 동일하게 적용될 수 있다.The artificial intelligence based customized product recommendation information providing method illustrated in FIG. 9 may be performed by the artificial intelligence based customized product recommendation information providing system described with reference to FIGS. 1 to 8. Therefore, even if omitted below, the description of the apparatus for providing artificial intelligence-based customized product recommendation information through FIGS. 1 to 8 may be equally applied to FIG. 9.
도 9를 참조하면, 단계 S910에서 통신부(110)는 사용자 단말(200)로부터 제품 구매를 위한 제품 구매 정보 및 제품 내역 정보를 수신할 수 있다. 상기 제품 구매 정보는 사용자가 사용자 단말(200)을 이용하여 제품 판매 어플리케이션 또는 웹사이트를 통해 제품을 구매할 경우에 생성될 수 있다. 구체적으로, 제품 구매 정보는 제품의 구매 시간 정보를 포함할 수 있다. 또한, 제품 내역 정보는, 구매한 제품의 종류 정보 및 제품별 제원 정보 중 적어도 어느 하나를 포함할 수 있다. 예시적으로, 상기 제품의 종류는, 접착제, 에폭시, 실란트, 연마재, 코팅제, 윤활재, 절단석, 포장재 중 적어도 어느 하나를 포함할 수 있다. 또한, 상기 제품 수치 정보는, 상기 제품의 종류별 제원을 포함할 수 있다.Referring to FIG. 9, in operation S910, the
또한, 사용자 단말(200)은 상기 통신부(110)로부터 상기 제품 추천 정보를 수신하여 출력하고, 상기 사용자 단말(200)을 통한 제품 구매에 따른 제품 구매 정보를 기록할 수 있다.In addition, the
단계 S920에서 패턴 산출부(120)는 상기 제품 구매 정보 및 제품 내역 정보로부터 구매 패턴 및 내역 패턴을 산출할 수 있다. 예시적으로, 패턴 산출부(120)는 개인 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출할 수 있다. 또한, 구매 패턴은 월간, 주간, 시간 별 패턴을 포함하고, 상기 내역 패턴은, 제품 종류별 패턴 및 제원별 패턴을 포함할 수 있다.In operation S920, the
또한, 패턴 산출부(120)는 전체 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 전체 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출할 수 있다. 추천부(130)는 상기 전체 사용자의 구매 패턴 및 내역 패턴에 기초하여 상기 신규 제품 의뢰에 대한 맞춤형 제품 추천 정보를 생성할 수 있다.In addition, the
또한, 패턴 산출부(120)는 상기 사용자 단말에 입력된 텍스트를 수집하여 자연어 처리하고, 상기 텍스트 및 상기 텍스트의 주변 단어에 기초하여 제품 구매에 따른 상기 구매 의뢰 정보를 생성할 수 있다. 또한, 패턴 산출부(120)는 상기 구매 의뢰 정보에 기초하여 상기 구매 패턴 및 상기 내역 패턴을 산출할 수 있다.In addition, the
또한, 패턴 산출부(120)는 자연어 처리된 상기 텍스트 내에 미리 설정된 기준 텍스트의 수가 미리 설정된 임계값 이상이면, 상기 제품 구매와 연계된 텍스트인 것으로 판단할 수 있다. 상기 주변 단어는 상기 기준 텍스트와의 연관도가 미리 설정된 임계치 이상인 경우 선정될 수 있다. 다른 예로, 패턴 산출부(120)는 형태소 분석을 통해 상기 텍스트로부터 추출된 명사를 벡터 공간으로 정형화하고, 상기 명사의 벡터간 거리에 기초하여 상기 주변 단어를 선정할 수 있다.In addition, the
단계 S930에서 추천부(130)는 상기 구매 패턴 및 상기 내역 패턴에 기초하여 신규 제품 구매 의뢰에 대한 맞춤형 제품 추천 정보를 생성할 수 있다. 추천부(130)는 제품 종류별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성할 수 있다.In operation S930, the
추천부(130)는 제품 판매 어플리케이션 또는 웹사이트의 접속을 제품 구매 의뢰인 것으로 인식할 수 있다. 추천부(130)에서 생성된 맞춤형 제품 추천 정보는 통신부(110)를 통해 사용자 단말(200)에 저장될 수 있고, 사용자가 제품 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 신규 제품 구매 의뢰에 의사가 있는 것으로 인식하여 저장된 맞춤형 제품 추천 정보를 출력할 수 있다. 다른 예로, 사용자가 제품 판매 어플리케이션 또는 웹사이트에 접속한 경우, 사용자 단말(200)은 제품 판매 어플리케이션 또는 웹사이트의 접속 여부를 통신부(110)로 전송하고, 추천부(130)는 제품 판매 어플리케이션 또는 웹사이트의 접속에 따른 신규 제품 구매 의뢰에 대한 맞춤형 제품 추천 정보를 실시간으로 생성하여 통신부(110)를 통해 사용자 단말(200)로 전송할 수 있다.The
단계 S940에서 통신부(110)는 맞춤형 제품 추천 정보를 사용자 단말(200)로 전송할 수 있다. 또한, 통신부(110)는 추천부(130)에 의해 생성된 제품 제원 정보를 포함하는 맞춤형 제품 추천 정보를 사용자 단말(200)로 전송할 수 있다In operation S940, the
본원의 일 실시 예에 따른, 인공지능 기반 맞춤형 제품 추천 정보 제공 방법은, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.According to an embodiment of the present disclosure, the method for providing AI-based customized product recommendation information may be implemented in a program instruction form that can be executed by various computer means and recorded in a computer readable medium. The computer readable medium may include program instructions, data files, data structures, etc. alone or in combination. Program instructions recorded on the media may be those specially designed and constructed for the purposes of the present invention, or they may be of the kind well-known and available to those having skill in the computer software arts. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical media such as CD-ROMs, DVDs, and magnetic disks, such as floppy disks. Magneto-optical media, and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The above description of the present application is intended for illustration, and it will be understood by those skilled in the art that the present invention may be easily modified in other specific forms without changing the technical spirit or essential features of the present application. Therefore, it should be understood that the embodiments described above are exemplary in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present application is indicated by the following claims rather than the above description, and it should be construed that all changes or modifications derived from the meaning and scope of the claims and their equivalents are included in the scope of the present application.
100: 인공지능 기반 맞춤형 제품 추천 정보 제공 장치
110: 통신부
120: 패턴 산출부
130: 추천부
200: 사용자 단말100: AI-based customized product recommendation information providing device
110: communication unit
120: pattern calculation unit
130: recommendation
200: user terminal
Claims (19)
사용자 단말로부터 산업 현장에서 사용되는 물품 및 소모품을 포함하는 제품의 구매를 위한 제품의 구매 시간 정보를 포함하는 제품 구매 정보 및 제품의 종류 정보 및 종류별 제원 정보를 포함하는 제품 내역 정보를 수신하는 통신부, 상기 제품 구매 정보 및 제품 내역 정보로부터 월간, 주간, 시간 별 패턴을 포함하는 구매 패턴 및 제품 종류별 패턴 및 용도별 패턴을 포함하고, 제품의 종류별 제원 및 동일 제품간 서로 상이한 제원을 고려하여 산출되는 내역 패턴을 산출하는 패턴 산출부 및 상기 구매 패턴 및 상기 내역 패턴에 기초하여 신규 제품 구매 의뢰에 대한 맞춤형 제품의 종류별 제원에 기초한 제품 제원 정보를 포함하는 맞춤형 제품 추천 정보를 생성하는 추천부를 포함하는 맞춤형 제품 추천 정보 제공 장치; 및
상기 통신부로부터 상기 제품 추천 정보를 수신하여 출력하고, 상기 사용자 단말을 통한 제품 구매에 따른 제품 구매 정보 및 제품 내역 정보를 기록하는 사용자 단말을 포함하되,
상기 패턴 산출부는 상기 통신부를 통해 사용자 단말의 E Mail, 문자 메시지, MMS, 메신저 어플리케이션을 통해 입력된 텍스트를 수집하여 자연어 처리하고, 자연어 처리된 텍스트 중 기준 텍스트 및 상기 기준 텍스트의 주변 단어에 기초하여 제품 구매에 따른 상기 제품 구매 정보 및 상기 제품 내역 정보를 생성하되, 상기 제품 구매 정보 및 상기 제품 내역 정보에 기초하여 상기 구매 패턴 및 상기 내역 패턴을 산출하되,
의미 어휘목록 관계정보를 포함하고 동의어 집합에 대한 상위어, 하위어, 등위어, 전체어의 의미 관계를 제공하는 어휘사전에 기초하여 상기 기준 텍스트와 미리 설정된 임계치 이상의 단어를 제품과 연계된 상기 주변 단어로 선정하고, 상기 주변 단어로부터 제품의 종류, 치수의 언급을 파악하여 상기 제품 구매 정보 및 제품 내역 정보를 생성하고,
상기 제품은 접착제, 에폭시, 실란트, 연마재, 코팅제, 윤활재, 절단석, 포장재를 포함하고,
상기 추천부는,
상기 접착제의 종류, 필름 두께, 전체 두께 접착력, 인장력 및 연신율의 제원과, 상기 연마재의 외경, 두께, 내경, 최대허용 RPM, 성분의 제원에 따른 동일 제품간 서로 상이한 제원을 고려하여 제품 종류별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성하되,
상기 추천부는 상기 구매 패턴에 기초하여 신규 제품 구매의 구매일을 예측하여 상기 신규 제품 구매의 구매일 이전에 예측된 제품의 종류 및 제원별 수치를 포함하는 상기 맞춤형 제품 추천 정보를 생성하여 상기 사용자 단말로 전송하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템.In the artificial intelligence-based customized product recommendation information providing system,
A communication unit for receiving product purchase information including product purchase time information for purchasing a product including a product and consumables used in an industrial field, and product detail information including product type information and type-specific specification information from a user terminal; A purchase pattern including a monthly, weekly, and hourly pattern from the product purchase information and product detail information, and a pattern according to a product type and a pattern according to a use, and a history pattern calculated in consideration of specifications of each product type and different specifications between the same products. Personalized product recommendation including a pattern calculating unit for calculating the product and the product specification information including product specification information based on the specifications of each of the customized product for the new product purchase request based on the purchase pattern and the history pattern An information providing device; And
Receiving and outputting the product recommendation information from the communication unit, including a user terminal for recording the product purchase information and product history information according to the product purchase through the user terminal,
The pattern calculator collects text input through the E-mail, text message, MMS, and messenger application of the user terminal through the communication unit, and performs natural language processing, and based on the reference text and the surrounding words of the reference text among the natural language processed text. Generate the product purchase information and the product detail information according to the product purchase, and calculate the purchase pattern and the detail pattern based on the product purchase information and the product detail information,
The words surrounding the reference word and the predetermined threshold value based on the lexical dictionary including the semantic lexical list relation information and providing the semantic relationship of the upper word, lower word, equal word, and whole word for the set of synonyms. Select the product, and identify the type and dimension of the product from the surrounding words to generate the product purchase information and the product detail information,
The product includes an adhesive, an epoxy, a sealant, an abrasive, a coating agent, a lubricant, a cut stone, a packaging material,
The recommendation unit,
In consideration of the specifications of the type of the adhesive, film thickness, overall thickness adhesive strength, tensile force and elongation, and the different specifications between the same product according to the outer diameter, thickness, inner diameter, maximum allowable RPM, the specification of the component, The customized product recommendation information according to the pattern for each specification is generated by building a specification recommendation model based on unsupervised learning using the product specification information according to the specification.
The recommendation unit predicts a purchase date of a new product purchase based on the purchase pattern, generates the customized product recommendation information including a type and a number of products predicted before the purchase date of the new product purchase. AI-based customized product recommendation information providing system.
상기 패턴 산출부는,
개인 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템.The method of claim 1,
The pattern calculation unit,
Artificial intelligence-based customized product recommendation that calculates the purchase pattern and the history pattern of the individual user by building a non-supervised learning-based pattern calculation model that receives the product purchase information and the product history information of the individual user Informational system.
상기 패턴 산출부는,
전체 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 전체 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하고,
상기 추천부는,
상기 전체 사용자의 구매 패턴 및 내역 패턴에 기초하여 상기 신규 제품 의뢰에 대한 맞춤형 제품 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템.The method of claim 3,
The pattern calculation unit,
Constructing a non-supervised learning-based pattern calculation model that inputs the product purchase information and the product detail information of all users to calculate the purchase pattern and the history pattern of all the users;
The recommendation unit,
And generating customized product recommendation information for the new product request based on the purchase pattern and the history pattern of all the users.
상기 패턴 산출부는,
형태소 분석을 통해 상기 텍스트로부터 추출된 명사를 벡터 공간으로 정형화하고,
상기 명사의 벡터간 거리에 기초하여 상기 주변 단어를 선정하는 것인 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템.The method of claim 1,
The pattern calculation unit,
Form nouns extracted from the text are transformed into vector spaces through morphological analysis.
The artificial intelligence-based customized product recommendation information providing system for selecting the surrounding words based on the distance between the vectors of the noun.
상기 추천부는,
제품 종류별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 시스템.The method of claim 1,
The recommendation unit,
Artificial intelligence-based customized product recommendation information providing system to generate the customized product recommendation information according to the pattern by building a non-supervised learning-based specification recommendation model that inputs the product specification information according to the specifications by product type .
통신부가 사용자 단말로부터 산업 현장에서 사용되는 물품 및 소모품을 포함하는 제품의 구매를 위한 제품의 구매 시간 정보를 포함하는 제품 구매 정보 및 제품의 종류 정보 및 종류별 제원 정보를 포함하는 제품 내역 정보를 수신하는 단계;
패턴 산출부가 제품 구매 정보 및 제품 내역 정보로부터 월간, 주간, 시간 별 패턴을 포함하는 구매 패턴 및 제품 종류별 패턴 및 용도별 패턴을 포함하고, 제품의 종류별 제원 및 동일 제품간 서로 상이한 제원을 고려하여 산출되는 내역 패턴을 산출하는 단계;
추천부가 상기 구매 패턴 및 상기 내역 패턴에 기초하여 신규 제품 구매 의뢰에 대한 맞춤형 제품의 종류별 제원에 기초한 제품 제원 정보를 포함하는 맞춤형 제품 추천 정보를 생성하는 단계; 및
상기 통신부가 상기 맞춤형 제품 추천 정보를 상기 사용자 단말로 전송하는 단계를 포함하되,
상기 사용자 단말은 제품 추천 정보를 출력하고, 상기 사용자 단말을 통한 제품 구매에 따른 상기 제품 구매 정보 및 제품 내역 정보를 기록하고,
상기 패턴 산출부는 상기 통신부를 통해 사용자 단말의 E Mail, 문자 메시지, MMS, 메신저 어플리케이션을 통해 입력된 텍스트를 수집하여 자연어 처리하고, 자연어 처리된 텍스트 중 기준 텍스트 및 상기 기준 텍스트의 주변 단어에 기초하여 제품 구매에 따른 상기 제품 구매 정보 및 상기 제품 내역 정보를 생성하되, 상기 제품 구매 정보 및 상기 제품 내역 정보에 기초하여 상기 구매 패턴 및 상기 내역 패턴을 산출하되,
의미 어휘목록 관계정보를 포함하고 동의어 집합에 대한 상위어, 하위어, 등위어, 전체어의 의미 관계를 제공하는 어휘사전에 기초하여 상기 기준 텍스트와 미리 설정된 임계치 이상의 단어를 제품과 연계된 상기 주변 단어로 선정하고, 상기 주변 단어로부터 제품의 종류, 치수의 언급을 파악하여 상기 제품 구매 정보 및 제품 내역 정보를 생성하고,
상기 제품은 접착제, 에폭시, 실란트, 연마재, 코팅제, 윤활재, 절단석, 포장재를 포함하고,
상기 추천부는,
상기 접착제의 종류, 필름 두께, 전체 두께 접착력, 인장력 및 연신율의 제원과, 상기 연마재의 외경, 두께, 내경, 최대허용 RPM, 성분의 제원에 따른 동일 제품간 서로 상이한 제원을 고려하여 제품 종류별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성하되,
상기 추천부는 상기 구매 패턴에 기초하여 신규 제품 구매의 구매일을 예측하여 상기 신규 제품 구매의 구매일 이전에 예측된 제품의 종류 및 제원별 수치를 포함하는 상기 맞춤형 제품 추천 정보를 생성하여 상기 사용자 단말로 전송하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 방법.In providing artificial intelligence-based customized product recommendation information,
The communication unit receives, from the user terminal, product purchase information including purchase time information of a product for purchase of a product including a product and consumables used in an industrial site, and product detail information including product type information and type information. step;
The pattern calculator includes a purchase pattern including a monthly, weekly, and hourly pattern from the product purchase information and the product detail information, and a pattern for each product type and a pattern for each use, and are calculated in consideration of specifications of each product type and different specifications between the same product. Calculating a history pattern;
Generating, by the recommendation unit, customized product recommendation information including product specification information based on specifications for each type of customized product for a new product purchase request based on the purchase pattern and the history pattern; And
And transmitting, by the communication unit, the customized product recommendation information to the user terminal.
The user terminal outputs product recommendation information, records the product purchase information and product detail information according to the product purchase through the user terminal,
The pattern calculator collects text input through the E-mail, text message, MMS, and messenger application of the user terminal through the communication unit, and performs natural language processing, and based on the reference text and the surrounding words of the reference text among the natural language processed text. Generate the product purchase information and the product detail information according to the product purchase, and calculate the purchase pattern and the history pattern based on the product purchase information and the product detail information,
The words surrounding the reference word and the predetermined threshold value based on the lexical dictionary including the semantic lexical list relation information and providing the semantic relationship of the upper word, lower word, equal word, and whole word for the set of synonyms. Select and refer to the type and dimension of the product from the surrounding words to generate the product purchase information and product detail information,
The product includes an adhesive, an epoxy, a sealant, an abrasive, a coating, a lubricant, a cut stone, a packaging material,
The recommendation unit,
In consideration of the specifications of the type of the adhesive, film thickness, overall thickness adhesive strength, tensile force and elongation, and the different specifications between the same product according to the outer diameter, thickness, inner diameter, maximum allowable RPM, the specification of the component, The customized product recommendation information according to the pattern for each specification is generated by building a specification recommendation model based on unsupervised learning using the product specification information according to the specification.
The recommendation unit predicts a purchase date of a new product purchase based on the purchase pattern, generates the customized product recommendation information including a type and a number of products predicted before the purchase date of the new product purchase. The method of providing AI-based customized product recommendation information.
상기 구매 패턴 및 내역 패턴을 산출하는 단계는,
개인 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 개인 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 방법.The method of claim 10,
Computing the purchase pattern and the history pattern,
Artificial intelligence-based customized product recommendation that calculates the purchase pattern and the history pattern of the individual user by building a non-supervised learning-based pattern calculation model that receives the product purchase information and the product history information of the individual user How to Provide Information.
상기 구매 패턴 및 내역 패턴을 산출하는 단계는,
전체 사용자의 상기 제품 구매 정보 및 상기 제품 내역 정보를 입력으로 하는 비지도 학습 기반의 패턴 산출 모델을 구축하여 상기 전체 사용자의 상기 구매 패턴 및 상기 내역 패턴을 산출하고,
상기 맞춤형 제품 추천 정보를 생성하는 단계는,
상기 전체 사용자의 구매 패턴 및 내역 패턴에 기초하여 상기 신규 제품 의뢰에 대한 맞춤형 제품 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 방법The method of claim 12,
Computing the purchase pattern and the history pattern,
Constructing a non-supervised learning-based pattern calculation model that inputs the product purchase information and the product detail information of all users to calculate the purchase pattern and the history pattern of all the users;
Generating the customized product recommendation information,
The method for providing customized product recommendation information based on artificial intelligence, which generates customized product recommendation information for the new product request based on the purchase pattern and the history pattern of all the users.
상기 구매 패턴 및 내역 패턴을 산출하는 단계는,
형태소 분석을 통해 상기 텍스트로부터 추출된 명사를 벡터 공간으로 정형화하고,
상기 명사의 벡터간 거리에 기초하여 상기 주변 단어를 선정하는 것인 인공지능 기반 맞춤형 제품 추천 정보 제공 방법.The method of claim 10,
Computing the purchase pattern and the history pattern,
Form nouns extracted from the text into vector spaces through morphological analysis,
AI-based customized product recommendation information providing method for selecting the surrounding words based on the distance between the vectors of the noun.
상기 제품의 종류는,
접착제, 에폭시, 실란트, 연마재, 코팅제, 윤활재, 절단석, 포장재 중 적어도 어느 하나를 포함하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 방법.The method of claim 12,
Kind of the product,
A method for providing AI-based customized product recommendation information comprising at least one of an adhesive, an epoxy, a sealant, an abrasive, a coating, a lubricant, a cutting stone, and a packaging material.
상기 맞춤형 제품 추천 정보를 생성하는 단계는,
제품 종류별 제원에 따른 상기 제품 제원 정보를 입력으로 하는 비지도 학습 기반의 제원 추천 모델을 구축하여 상기 제원별 패턴에 따른 상기 맞춤형 제품 추천 정보를 생성하는 것인, 인공지능 기반 맞춤형 제품 추천 정보 제공 방법.The method of claim 10,
Generating the customized product recommendation information,
Method for providing customized product recommendation information based on artificial intelligence by constructing a non-supervised learning-based specification recommendation model using input of the product specification information according to the product type according to the product type .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180164144A KR102051064B1 (en) | 2018-12-18 | 2018-12-18 | System and method for providing recommended information on artificial intelligence based customized product |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180164144A KR102051064B1 (en) | 2018-12-18 | 2018-12-18 | System and method for providing recommended information on artificial intelligence based customized product |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102051064B1 true KR102051064B1 (en) | 2019-12-02 |
Family
ID=68847612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180164144A KR102051064B1 (en) | 2018-12-18 | 2018-12-18 | System and method for providing recommended information on artificial intelligence based customized product |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102051064B1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210086928A (en) * | 2019-12-31 | 2021-07-09 | 경북대학교 산학협력단 | Chatbot agent system and its control method |
WO2022169282A3 (en) * | 2021-02-05 | 2022-10-06 | 주식회사 비오엠월드 | System for providing lifestyle-customized article |
WO2023211664A1 (en) * | 2022-04-26 | 2023-11-02 | Tekion Corp | Population of dynamic vehicle content in electronic communications |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100961782B1 (en) * | 2009-05-28 | 2010-06-07 | 주식회사 모임 | Apparatus and method for presenting personalized goods information based on artificial intelligence, and recording medium thereof |
KR20150144916A (en) * | 2014-06-17 | 2015-12-29 | 오은석 | system and method providing a suited shopping information by customer profiling |
-
2018
- 2018-12-18 KR KR1020180164144A patent/KR102051064B1/en active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100961782B1 (en) * | 2009-05-28 | 2010-06-07 | 주식회사 모임 | Apparatus and method for presenting personalized goods information based on artificial intelligence, and recording medium thereof |
KR20150144916A (en) * | 2014-06-17 | 2015-12-29 | 오은석 | system and method providing a suited shopping information by customer profiling |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210086928A (en) * | 2019-12-31 | 2021-07-09 | 경북대학교 산학협력단 | Chatbot agent system and its control method |
KR102416496B1 (en) * | 2019-12-31 | 2022-07-05 | 경북대학교 산학협력단 | Chatbot agent system and its control method |
WO2022169282A3 (en) * | 2021-02-05 | 2022-10-06 | 주식회사 비오엠월드 | System for providing lifestyle-customized article |
WO2023211664A1 (en) * | 2022-04-26 | 2023-11-02 | Tekion Corp | Population of dynamic vehicle content in electronic communications |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019261735B2 (en) | System and method for recommending automation solutions for technology infrastructure issues | |
Thorleuchter et al. | Predicting e-commerce company success by mining the text of its publicly-accessible website | |
KR102051064B1 (en) | System and method for providing recommended information on artificial intelligence based customized product | |
KR102155739B1 (en) | Method, server, and system for providing chatbot service with adaptive reuse of question and answer dataset | |
Yan et al. | A bilingual approach for conducting Chinese and English social media sentiment analysis | |
US10141006B1 (en) | Artificial intelligence system for improving accessibility of digitized speech | |
KR102046978B1 (en) | Device and method for providing recommended information on artificial intelligence based customized product | |
US20140207776A1 (en) | Method and system for linking data sources for processing composite concepts | |
US10489510B2 (en) | Sentiment analysis of product reviews from social media | |
KR20150142081A (en) | Customized Tourism Content Recommendation System and Method based on Unstructured Data Crawling and Standardization | |
US20160379224A1 (en) | Targeted e-commerce business strategies based on affiliation networks derived from predictive cognitive traits | |
US11055745B2 (en) | Linguistic personalization of messages for targeted campaigns | |
US9524337B2 (en) | Apparatus, system, and method for detecting complex issues based on social media analysis | |
CN104751354A (en) | Advertisement cluster screening method | |
CN105447038A (en) | Method and system for acquiring user characteristics | |
KR102082202B1 (en) | Device and method for providing recommended information on artificial intelligence based customized tools | |
Imtiaz et al. | Identifying significance of product features on customer satisfaction recognizing public sentiment polarity: Analysis of smart phone industry using machine-learning approaches | |
KR102001179B1 (en) | Devices and methods for providing intelligence-based wood information | |
US11989221B2 (en) | Systems and methods for removing non-conforming web text | |
Khatun et al. | A Machine Learning Approach for Sentiment Analysis of Book Reviews in Bangla Language | |
Martis et al. | A proposed system for understanding the consumer opinion of a product using sentiment analysis | |
US11803889B2 (en) | Systems and methods for determining price bands and user price affinity predictions using machine learning architectures and techniques | |
CN114912011A (en) | Video recommendation method based on content extraction and scoring prediction | |
Gaurav et al. | Detection of false positive situation in review mining | |
Svee et al. | A model-based approach for capturing consumer preferences from crowdsources: the case of Twitter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AMND | Amendment | ||
X091 | Application refused [patent] | ||
AMND | Amendment | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant |