KR102309006B1

KR102309006B1 - Method and system for classifying bicycle parts and providing quote based recommendation of bicycle by using ai

Info

Publication number: KR102309006B1
Application number: KR1020200181557A
Authority: KR
Inventors: 김희수; 이현우
Original assignee: 라이트브라더스 주식회사
Priority date: 2020-12-23
Filing date: 2020-12-23
Publication date: 2021-10-06

Abstract

The present invention relates to a method and system for classifying bicycle parts and providing quote-based recommendation using AI. The present invention includes (a) an image data classification step for each bicycle part; (b) a step of mapping specification information on each part to the classified parts; (c) extracting bicycle parts including compatibility analysis by parts, learned transactions, and market price data; (d) a step of inquiring a market price for each part and reflecting an actual transaction price; and (e) a step of performing learning and inferring by adding information including embedded data of user characteristic to a bicycle assembly quote data set. According to the present invention, there is an effect that a customized bicycle can be implemented by collecting fragmented bicycle parts data, recommending assembled products, and providing an assembly quote.

Description

인공지능을 이용한 자전거 부품 분류 및 견적 기반 추천 방법 및 시스템 {METHOD AND SYSTEM FOR CLASSIFYING BICYCLE PARTS AND PROVIDING QUOTE BASED RECOMMENDATION OF BICYCLE BY USING AI}Method and system for classification of bicycle parts using artificial intelligence and recommendation based on quotation {METHOD AND SYSTEM FOR CLASSIFYING BICYCLE PARTS AND PROVIDING QUOTE BASED RECOMMENDATION OF BICYCLE BY USING AI}

본 발명은 인공지능을 이용하여 자전거 부품을 분류하고, 조립 견적에 기반한 상품 추천 방법 및 시스템에 관한 것이다. 보다 상세하게는 자전거의 부품 호환성 및 시세, 사용자의 특성을 고려하여 상품을 추천하는 발명이다.The present invention relates to a method and system for classifying bicycle parts using artificial intelligence and recommending products based on an assembly estimate. More specifically, it is an invention that recommends a product in consideration of the part compatibility and market price of the bicycle, and the characteristics of the user.

본 발명의 시스템은 상품을 추천하기 위한 시스템의 일종이다. 이와 같이, 상품을 추천하기 위한 시스템은 크게 사용자들 간의 유사도를 활용한 협력적 필터링(Collaborative filtering) 방식과 상품 및 사용자의 특성 값을 활용하는 내용기반 필터링(Content-based filtering) 방식 등으로 구분된다. 예컨데, 한국등록특허 제10-0882716호에는 사용자 단말기에 설치된 정보 추천 에이전트에서 인식한 상품의 상품 코드, 상품명 또는 모델명 등을 이용하여 상품에 대한 상품 정보를 자동으로 추천하는 기술이 개시되어 있다.The system of the present invention is a kind of system for recommending products. As such, the system for recommending products is largely divided into a collaborative filtering method that utilizes similarity between users and a content-based filtering method that utilizes product and user characteristic values. . For example, Korean Patent Registration No. 10-0882716 discloses a technology for automatically recommending product information on a product using the product code, product name, or model name of the product recognized by the information recommendation agent installed in the user terminal.

이러한 상품 추천을 제공하는 종래의 기술에서는 자전거의 부품을 조립하는 견적 구성 단계 및 구성된 견적에서의 부품을 추천하는 단계에서 부품의 호환성 및 사용자의 특성 등 사용자에게 유의미한 제약사항 및 추천 대상 제한을 고려하지 못한다는 문제점이 있다.In the prior art of providing such product recommendations, in the step of constructing a quote for assembling parts of a bicycle and the step of recommending parts in the configured quote, restrictions that are meaningful to the user, such as compatibility of parts and user characteristics, and restrictions on the target of recommendation are not considered. There is a problem that it cannot.

개인 맞춤형 자전거를 구현하기 위하여 자전거 부품별 이미지 데이터를 분류하고, 분류한 부품에 대한 부품별 스펙 정보를 매핑하여, 부품별 호환성 분석과 시세 데이터와 사용자의 특성을 기반하여 자전거 견적을 생성하고 추천할 수 있는 견적 기반 추천 방법, 상기 견적 기반 추천 방법을 수행하는 컴퓨터 장치, 컴퓨터와 결합되어 상기 견적기반 추천 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램 및 그 기록매체를 제공한다.In order to implement a personalized bicycle, it is possible to classify the image data for each bicycle part, map the spec information for each part for the classified parts, and create and recommend a bicycle estimate based on the compatibility analysis for each part, market data and user characteristics. Provided are a quote-based recommendation method that can be used, a computer device for performing the quote-based recommendation method, and a computer program stored in a computer-readable recording medium in combination with a computer to execute the quote-based recommendation method on a computer, and a recording medium thereof.

학습된 자전거 부품별 이미지 데이터 세트로 자전거 부품을 분류하는 단계; 분류한 부품에 대한 부품별 스펙 정보를 매핑하는 단계; 부품별 호환성 분석 및 학습된 거래, 시세 데이터를 포함하여 자전거 부품들을 추출하는 단계; 및 부품별 시세 조회 및 실거래가 반영하는 단계; 사용자의 특성이 담긴 데이터가 임베딩된 정보를 자전거 조립 견적 데이터 세트에 추가하여 학습 및 추론하는 단계; 및 상기 단계에서 추출된 자전거 부품을 적어도 하나의 추천 대상으로 선택하는 단계를 포함하는 것을 특징으로 하는 견적기반 추천 방법을 제공한다. classifying the bicycle parts into the learned image data set for each bicycle part; mapping part-specific specification information for the classified parts; Compatibility analysis for each part, extracting bicycle parts including the learned transaction and price data; and reflecting the market price inquiry and actual transaction for each part; Learning and inferring by adding information embedded with data containing the user's characteristics to the bicycle assembly estimate data set; and selecting the bicycle parts extracted in the above step as at least one recommendation target.

컴퓨터와 결합하여 상기 견적기반 추천 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.In combination with a computer, a computer program stored in a computer-readable recording medium is provided to execute the estimate-based recommendation method on a computer.

상기 견적기반 추천 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록매체를 제공한다.It provides a computer-readable recording medium in which a program for executing the estimate-based recommendation method is recorded on a computer.

컴퓨터 장치에 있어서, 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 학습 이미지 데이터 세트가 자전거 부품을 분류하고, 분류한 부품에 대한 부품별 스펙정보를 매핑하고, 부품별 호환성 분석 및 학습된 거래, 시세 데이터를 포함하여 자전거 부품들을 추출하고, 부품별 시세 조회 및 실거래가를 반영하고, 사용자의 특성이 담긴 데이터가 임베딩된 정보를 자전거 조립 견적 데이터 세트에 추가하여 학습 및 추론하고, 상기 추출된 자전거 부품을 적어도 하나의 추천 대상으로 선택하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.A computer device comprising at least one processor implemented to execute instructions readable by a computer, by means of the at least one processor, a training image data set classifies bicycle parts, and a component-specific specification for the classified parts Mapping information, extracting parts for each part compatibility analysis, extracting bicycle parts including learned transaction and price data, reflecting market price inquiry and actual transaction price for each part, and providing information embedded with data containing user characteristics to estimate bicycle assembly It provides a computer device, characterized in that it learns and infers in addition to the data set, and selects the extracted bicycle parts as at least one recommendation target.

인공지능을 이용하여 자전거 부품 호환성에 기반하여 견적을 생성하고 사용자 특성에 기반하여 개인 맞춤형 자전거를 추천할 수 있다.Using artificial intelligence, it can generate a quote based on the compatibility of bicycle parts and recommend a personalized bicycle based on user characteristics.

인공지능을 이용하여 자전거 부품 분류 및 스펙정보 매핑을 함으로써, 자전거 부품의 호환성을 추론함으로써, 기존의 비정형 지식에 의존하여 자전거 부품을 조립하는 제약 사항을 개선할 수 있다.By using artificial intelligence to classify bicycle parts and map specification information, by inferring the compatibility of bicycle parts, it is possible to improve the constraints of assembling bicycle parts relying on existing unstructured knowledge.

인공지능을 이용하여 사용자 특성을 고려한 견적을 학습시키고, 생성함으로써 사용자 특성의 유사도 계산과 견적 유사도 계산을 모두 활용함으로써 개인 맞춤형 자전거를 구현할 수 있다. By using artificial intelligence to learn and generate an estimate that considers user characteristics, it is possible to implement a personalized bicycle by utilizing both the similarity calculation of the user characteristics and the estimate similarity calculation.

도 1은 본 발명의 일 실시 예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 자전거 부품 분류 및 견적기반 추천 방법의 예를 도시한 흐름도이다.
도 4는 본 발명의 일 실시 예에 따른 자전거 부품 분류의 예를 도시한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 자전거 부품별 스펙 정보의 예를 도시한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 자전거 부품별 호환성 분석 방법의 예를 도시한 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 자전거 부품별 시세 데이터의 예를 도시한 도면이다.
도 8은 본 발명의 일 실시 예에 따른 견적 생성 형태의 예를 도시한 도면이다.
도 9는 본 발명의 일 실시 예에 따른 자전거 사용자의 특성이 담긴 데이터의 예를 도시한 도면이다.1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention.
2 is a block diagram illustrating an example of a computer device according to an embodiment of the present invention.
3 is a flowchart illustrating an example of a bicycle parts classification and quotation-based recommendation method according to an embodiment of the present invention.
4 is a diagram illustrating an example of classification of bicycle parts according to an embodiment of the present invention.
5 is a diagram illustrating an example of specification information for each bicycle part according to an embodiment of the present invention.
6 is a flowchart illustrating an example of a method for analyzing compatibility for each bicycle part according to an embodiment of the present invention.
7 is a diagram illustrating an example of price data for each bicycle part according to an embodiment of the present invention.
8 is a diagram illustrating an example of a form of generating a quotation according to an embodiment of the present invention.
9 is a diagram illustrating an example of data containing characteristics of a bicycle user according to an embodiment of the present invention.

이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings.

본 발명의 실시 예들에 따른 자전거 견적기반 추천 방법은 이후 설명될 전자 기기나 서버와 같은 컴퓨터 장치를 통해 구현될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일 실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시 예들에 따른 자전거 견적기반 추천 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 자전거 견적기반 추천 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록 매체에 저장될 수 있다.The bicycle estimation-based recommendation method according to embodiments of the present invention may be implemented through a computer device such as an electronic device or a server, which will be described later. At this time, the computer program according to an embodiment of the present invention may be installed and driven in the computer device, and the computer device may perform the bicycle estimation-based recommendation method according to the embodiments of the present invention under the control of the driven computer program. have. The above-described computer program may be stored in a computer-readable recording medium in order to be combined with a computer device to execute the bicycle estimation-based recommendation method on the computer.

도 1은 본 발명의 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자기기들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다. 또한, 도 1의 네트워크 환경은 본 실시 예들에 적용 가능한 환경들 중 하나의 예를 설명하는 것일 뿐, 본 실시 예 들에 적용 가능한 환경이 도 1의 네트워크 환경으로 한정되는 것은 아니다.1 is a diagram illustrating an example of a network environment according to an embodiment of the present invention. The network environment of FIG. 1 shows an example including a plurality of electronic devices 110 , 120 , 130 , 140 , a plurality of servers 150 , 160 , and a network 170 . FIG. 1 is an example for explaining the invention, and the number of electronic devices or the number of servers is not limited as in FIG. 1 . In addition, the network environment of FIG. 1 only describes one example of environments applicable to the present embodiments, and the environment applicable to the present embodiments is not limited to the network environment of FIG. 1 .

복수의 전자 기기들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 기기들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 기기 1(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시 예들에서 전자 기기 1(110)은 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 기기들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.The plurality of electronic devices 110 , 120 , 130 , and 140 may be a fixed terminal implemented as a computer device or a mobile terminal. Examples of the plurality of electronic devices 110 , 120 , 130 , and 140 include a smart phone, a mobile phone, a navigation device, a computer, a notebook computer, a digital broadcasting terminal, a personal digital assistant (PDA), and a portable multimedia player (PMP). ), and tablet PCs. For example, in FIG. 1 , the shape of a smartphone is shown as an example of the electronic device 1110 , but in embodiments of the present invention, the electronic device 1110 substantially uses a wireless or wired communication method through the network 170 . It may refer to one of various physical computer devices capable of communicating with other electronic devices 120 , 130 , 140 and/or servers 150 and 160 .

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트 워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.The communication method is not limited, and not only a communication method using a communication network (eg, a mobile communication network, a wired Internet, a wireless Internet, a broadcasting network) that the network 170 may include, but also short-range wireless communication between devices may be included. For example, the network 170 may include a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), and a broadband network (BBN). , the Internet, and the like. In addition, the network 170 may include any one or more of a network topology including a bus network, a star network, a ring network, a mesh network, a star-bus network, a tree or a hierarchical network, and the like, It is not limited thereto.

서버(150, 160) 각각은 복수의 전자 기기들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 기기들(110, 120, 130, 140)로 서비스(일례로, 소셜 네트워크 서비스, 메시징 서비스, 검색 서비스, 메일 서비스, 콘텐츠 제공 서비스 등)를 제공하는 시스템일 수 있다.Each of the servers 150 and 160 communicates with the plurality of electronic devices 110 , 120 , 130 , 140 and the network 170 through a computer device or a plurality of computers that provides commands, codes, files, contents, services, etc. It can be implemented in devices. For example, the server 150 provides a service (eg, a social network service, a messaging service, a search service, a mail service, content providing service, etc.).

도 2는 본 발명의 일 실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 기기들 (110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있으며, 일 실시예에 따른 자전거 견적기반 추천 방법은 이러한 컴퓨터 장치(200)에 의해 구현되는 자전거 견적기반 추천 시스템에 의해 수행될 수 있다.2 is a block diagram illustrating an example of a computer device according to an embodiment of the present invention. Each of the plurality of electronic devices 110 , 120 , 130 , 140 or the servers 150 and 160 described above may be implemented by the computer device 200 illustrated in FIG. 2 , and according to an embodiment The bicycle quotation-based recommendation method may be performed by a bicycle quotation-based recommendation system implemented by the computer device 200 .

이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리 고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치 (permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기 반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.As shown in FIG. 2 , the computer device 200 may include a memory 210 , a processor 220 , a communication interface 230 , and an input/output interface 240 . The memory 210 is a computer-readable recording medium and may include a random access memory (RAM), a read only memory (ROM), and a permanent mass storage device such as a disk drive. Here, a non-volatile mass storage device such as a ROM and a disk drive may be included in the computer device 200 as a separate permanent storage device distinct from the memory 210 . Also, the memory 210 may store an operating system and at least one program code. These software components may be loaded into the memory 210 from a computer-readable recording medium separate from the memory 210 . The separate computer-readable recording medium may include a computer-readable recording medium such as a floppy drive, a disk, a tape, a DVD/CD-ROM drive, and a memory card. In another embodiment, the software components may be loaded into the memory 210 through the communication interface 230 rather than a computer-readable recording medium. For example, the software components may be loaded into the memory 210 of the computer device 200 based on a computer program installed by files received through the network 170 .

프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.The processor 220 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input/output operations. The instructions may be provided to the processor 220 by the memory 210 or the communication interface 230 . For example, the processor 220 may be configured to execute a received instruction according to a program code stored in a recording device such as the memory 210 .

통신 인터페이스(230)은 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리 (210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.The communication interface 230 may provide a function for the computer device 200 to communicate with other devices (eg, the storage devices described above) through the network 170 . For example, a request, command, data, file, etc. generated by the processor 220 of the computer device 200 according to a program code stored in a recording device such as the memory 210 is transmitted to the network ( 170) to other devices. Conversely, signals, commands, data, files, etc. from other devices may be received by the computer device 200 through the communication interface 230 of the computer device 200 via the network 170 . A signal, command, or data received through the communication interface 230 may be transferred to the processor 220 or the memory 210 , and the file may be a storage medium (described above) that the computer device 200 may further include. persistent storage).

입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있 다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와 의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.The input/output interface 240 may be a means for an interface with the input/output device 250 . For example, the input device may include a device such as a microphone, keyboard, or mouse, and the output device may include a device such as a display or a speaker. As another example, the input/output interface 240 may be a means for an interface with a device in which functions for input and output are integrated into one, such as a touch screen. The input/output device 250 may be configured as one device with the computer device 200 .

또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함 할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버 (transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.Also, in other embodiments, the computer device 200 may include fewer or more components than those of FIG. 2 . However, there is no need to clearly show most of the prior art components. For example, the computer device 200 may be implemented to include at least a portion of the above-described input/output device 250 or may further include other components such as a transceiver and a database.

도 3은 본 발명의 일 실시예에 따른 자전거 부품 분류 및 견적기반 추천 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 자전거 부품 분류 및 견적기반 추천 방법은 앞서 설명한 컴퓨터 장치(200)에 의해 수행될 수 있다. 예를 들어, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령 에 따라 컴퓨터 장치(200)가 도 3의 방법이 포함하는 단계들(310 내지 360)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.3 is a flowchart illustrating an example of a bicycle parts classification and quotation-based recommendation method according to an embodiment of the present invention. The bicycle parts classification and estimate-based recommendation method according to the present embodiment may be performed by the computer device 200 described above. For example, the processor 220 of the computer device 200 may be implemented to execute a control instruction according to a code of an operating system included in the memory 210 or a code of at least one program. Here, the processor 220 causes the computer device 200 to perform the steps 310 to 360 included in the method of FIG. 3 according to a control command provided by the code stored in the computer device 200 . can control

단계(310)에서 컴퓨터 장치(200)는 학습된 자전거 부품별 이미지 데이터 세트로 자전거 부품을 분류할 수 있다. 예를 들어, 컴퓨터 장치(200)은 적어도 하나 이상의 학습 이미지들을 포함하는 학습 이미지 세트를 입력받을 수 있으며, 적어도 하나 이상의 학습 이미지 각각으로부터 자전거 부품을 분류할 수 있다. 적어도 하나 이상의 학습 이미지들은 자전거 전체 또는 일부 내지는 다양한 각도의 형태를 담은 이미지일 수 있다. 에를 들어, 학습된 이미지 데이터 세트는 적어도 하나 이상의 자전거 부품을 포함하고 있는 이미지로서, 일례로 일반 사용자들에 의해 촬영된 자전거 사진 이미지 등을 사용할 수 있다. 이때, 자전거 부품 분류는 개별적인 부품들; 프레임, 크랭크, 앞변속기, 뒷변속기, 휠, 레버 등을 분류할 수 있고, 개별적인 부품들의 그룹 세트; 프레임셋, 구동계, 휠셋, 컴포넌트 등을 각각 포괄적으로 분류할 수 있다. In step 310, the computer device 200 may classify the bicycle parts into the learned image data set for each bicycle part. For example, the computer device 200 may receive a training image set including at least one or more training images, and classify bicycle parts from each of the at least one or more training images. The at least one or more learning images may be images containing the whole or part of the bicycle, or the shape of various angles. For example, the learned image data set is an image including at least one or more bicycle parts, and for example, a bicycle photo image taken by general users may be used. In this case, the classification of bicycle parts includes individual parts; Frame, crank, front derailleur, rear derailleur, wheel, lever, etc. can be classified, and a group set of individual parts; Framesets, drivetrains, wheelsets, components, etc. can be categorized comprehensively.

또한, 컴퓨터 장치(200)는 단계(310)에서 학습된 자전거 부품별 이미지 데이터를 원소로 갖는 집합에 대한 부분 집합들 각각을 통해 이미지 특징을 추출하여 자전거 부품을 분류할 수 있다. 예를 들어, 분류한 자전거 부품이 프레임셋에 대응하는 집합 {포크, 프레임}, 그룹셋에 대응하는 집합 {앞변속기, 뒷변속기, 브레이크, 레버, 크랭크, 카세트, 체인}, 휠셋에 대응하는 집합 {타이어, 허브}, 컴포넌트에 대응하는 집합 {스템, 싯포스트, 핸들바, 안장} 각각 또는 각 집합의 요소에 대응하는 부품의 이미지들에 대한 이미지 특징과 같이 각 이미지 특징들의 데이터를 입력 데이터로서 생성할 수 있다. 실시예에 따라 부분 집합들 중 일부만이 활용될 수도 있다.Also, the computer device 200 may classify the bicycle parts by extracting image features through each of the subsets of the set having the image data for each bicycle part learned in step 310 as an element. For example, the classified bicycle parts are a set {fork, frame} corresponding to a frame set, a set corresponding to a group set {front derailleur, rear derailleur, brake, lever, crank, cassette, chain}, and a set corresponding to the wheel set {tire, hub}, each set {stem, seatpost, handlebar, saddle} corresponding to the component, or data of each image feature, such as an image feature for images of parts corresponding to elements of each set, as input data can create According to an embodiment, only some of the subsets may be utilized.

이때, 입력된 자전거 이미지 데이터로부터 자전거 부품을 분류하기 위하여 합성곱신경망(CNN) 등의 물체 인식 알고리즘 기반의 자전거 부품 물체 인식을 위한 학습 모델을 사용할 수 있다.In this case, in order to classify bicycle parts from the input bicycle image data, a learning model for object recognition of bicycle parts based on an object recognition algorithm such as a convolutional neural network (CNN) may be used.

단계(320)에서 컴퓨터 장치(200)는 분류한 부품에 대한 부품별 스펙 정보를 매핑할 수 있다. 또한, 단계(310)에서 적어도 하나 이상의 부품을 분류한 경우, 분류한 부품으로 구성되어 있는 자전거 완성차 모델의 부품 세트로 대체하여 부품별 스펙 정보를 매핑할 수 있다. 예를 들어, 부품별 스펙 정보는 자전거의 브랜드, 카테고리, 장르, 연식, 주요 부품의 동작방식, 컬러, 소재, 자전거를 구성하는 부품들의 모델, 사이즈, 최소 권장키, 최대 권장키, 지오메트리 등과 같이 더 많은 수의 스펙 정보들을 사용할 수 있다. In operation 320 , the computer device 200 may map component-specific specification information with respect to the classified components. In addition, when at least one or more parts are classified in step 310 , specification information for each part may be mapped by replacing it with a part set of a finished bicycle model composed of the classified parts. For example, the specification information for each part includes the bicycle brand, category, genre, year, operation method of major parts, color, material, model, size, minimum recommended key, maximum recommended key, geometry of parts constituting the bicycle, etc. A larger number of specification information is available.

단계(330)에서 컴퓨터 장치(200)는 부품별 동작방식, 구경 등의 정보를 기반으로 부품별 호환성을 분석할 수 있다. 또한, 이미 학습된 부품의 거래, 시세 데이터를 포함하여 자전거 부품 정보들을 추출할 수 있다.In step 330 , the computer device 200 may analyze the compatibility of each part based on information such as an operation method for each part, a caliber, and the like. In addition, it is possible to extract bicycle parts information including the already learned part transaction and price data.

보다 구체적인 예로, 상술한 자전거 부품 추출 과정은 복수의 과정들로 수행될 수 있으며, 복수의 자전거 부품들의 집합으로 추출할 수 있다. 이 경우, 컴퓨터 장치(200)는 단계(320)와 단계(330)에서 추출한 정보를 기반으로 각 부품별 호환성을 분석하고, 추출한 부품의 정보를 기반으로 추출 후보가 되는 부품들 사이의 유사도 계산을 통하여 복수의 유사하거나 차별화한 자전거 부품들의 집합으로 추출할 수 있다. 이때, 단계(340)에서 부품별 시세 조회를 통해서 실거래가를 추출한 부품의 정보에 포함할 수 있다.As a more specific example, the above-described bicycle parts extraction process may be performed as a plurality of processes, and may be extracted as a set of a plurality of bicycle parts. In this case, the computer device 200 analyzes the compatibility for each part based on the information extracted in steps 320 and 330, and calculates the similarity between the parts to be extracted based on the information of the extracted parts. Through this, it can be extracted as a set of a plurality of similar or differentiated bicycle parts. In this case, the actual transaction price may be included in the information of the extracted parts through the price inquiry for each part in step 340 .

이때, 유사도 계산은 자전거 부품의 스펙정보 및/또는 자전거 부품들의 집합을 벡터로 하여 상관계수를 계산함으로써 구할 수 있다. 예를 들어, 자전거 부품들의 스펙정보를 각 부품 A,B 에 대해서 벡터로 만들어 각 벡터 사이의 코사인 각도를 계산하여 각 벡터 사이의 유사도를 계산함으로써 자전거 부품 A,B의 유사도를 계산할 수 있다. 이러한 자전거 부품 및/또는 자전거 부품들의 집합 사이의 유사도 계산에 사용하는 산술식은 수학식1과 같다.In this case, the similarity calculation can be obtained by calculating a correlation coefficient using the specification information of bicycle parts and/or a set of bicycle parts as a vector. For example, the similarity of bicycle parts A and B can be calculated by making the specification information of bicycle parts into vectors for each part A and B, calculating the cosine angle between the vectors, and calculating the similarity between the vectors. An arithmetic expression used for calculating the similarity between the bicycle parts and/or sets of bicycle parts is the same as Equation 1.

수학식 1Equation 1

또한, 부품의 시세 및/또는 실거래가를 기반하여 해당 부품을 포함하여 자전거 부품들의 집합을 구성하는 다른 부품들의 평균 가격을 합산한 예상가를 포함할 수 있다. 예를 들어, 추출한 자전거 부품으로 프레임, 휠, 구동계 등의 부품들의 시세를 합산하고, 자전거를 완성하기 위해 필요한 추가 부품들의 평균 가격을 합산하여 자전거 부품들의 집합에 대한 예상가를 포함할 수 있다.In addition, based on the market price and/or actual transaction price of the parts, it may include an estimated price obtained by summing the average prices of other parts constituting the set of bicycle parts including the corresponding part. For example, the estimated price of a set of bicycle parts may be included by summing the market prices of parts such as a frame, wheel, and drivetrain with the extracted bicycle parts, and summing the average price of additional parts necessary to complete the bicycle.

한편, 추출한 자전거 부품들의 집합을 A라고 가정했을 때, 추가로 추출한 자전거 부품들의 집합 B는 집합A와 부품 호환성을 갖지 않는 부품들의 집합일 수 있다. 예를 들어, 컴퓨터 장치(200)는 림(RIM) 방식의 프레임과 동작 방식이 호환되는 부품들로 추출하여 집합 A를 구성할 수 있다. 이때, 집합 B는 집합 A의 부품과 호환되지 않는 디스크(DISC) 방식의 프레임과 동작 방식이 호환되는 부품들로 추출하여 집합 B를 구성할 수 있다.On the other hand, assuming that the set of extracted bicycle parts is A, the set B of the additionally extracted bicycle parts may be a set of parts that do not have part compatibility with the set A. For example, the computer device 200 may configure a set A by extracting parts compatible with an operation method of a frame of the RIM method. In this case, the set B may be configured by extracting the parts compatible with the DISC type frame and the operation method that are not compatible with the parts of the set A to configure the set B.

단계(350)에서 컴퓨터 장치(200)는 상술한 단계에서 추출한 자전거 부품들의 집합들에 대응하여, 사용자의 특성이 담긴 데이터가 임베딩된 정보를 자전거 조립 견적 데이터 세트에 추가하여 학습 및 추론할 수 있다. 이때 사용자의 특성은 추출한 자전거 부품들의 집합에 대응하는 사용자의 권장키, 카테고리, 숙련도 등의 자전거 부품들의 집합에 선호되는 특성일 수 있다. In step 350, the computer device 200 corresponds to the sets of bicycle parts extracted in the above-described step, and adds information in which data containing the user's characteristics are embedded to the bicycle assembly estimate data set to learn and infer. . In this case, the user's characteristic may be a preferred characteristic for a set of bicycle parts such as the user's recommended key, category, and proficiency corresponding to the extracted set of bicycle parts.

또한, 컴퓨터 장치(200)는 단계(350)에서 사용자 특성으로 사용자의 자전거 검색, 거래, 견적 이용 이력 등을 임베딩한 정보를 사용하여 자전거 부품들의 집합을 사용자에게 높은 정확도로 자전거를 선택할 수 있도록 학습 및 추론될 수 있다.In addition, the computer device 200 learns a set of bicycle parts to the user to select a bicycle with high accuracy by using the information in which the user's bicycle search, transaction, estimate use history, etc. is embedded as user characteristics in step 350 . and can be inferred.

또한, 컴퓨터 장치(200)는 단계(350)에서 사용자 특성으로 피추천 사용자와 유사한 특성의 사용자 특성을 갖는 사용자들이 선호하는 자전거 부품들의 집합을 예측하여 추천할 수 있다.In addition, the computer device 200 may predict and recommend a set of bicycle parts preferred by users having user characteristics similar to the recommended user as user characteristics in step 350 .

단계(360)에서 컴퓨터 장치(200)는 추출된 자전거 부품을 적어도 하나의 추천 대상으로 선택함으로써, 유사하거나 차별화한 특성의 자전거 부품들의 집합을 추가로 추출하여 제시할 수 있다. 이때, 선택된 자전거 부품과 유사한 스펙 정보를 갖는 대체 가능한 부품을 피추천 사용자에게 제공될 수 있다.In operation 360 , the computer device 200 may further extract and present a set of bicycle parts having similar or differentiated characteristics by selecting the extracted bicycle parts as at least one recommendation target. In this case, a replaceable part having spec information similar to the selected bicycle part may be provided to the recommended user.

도 4는 본 발명의 일 실시예에 따른 자전거 부품 분류의 예를 도시한 도면이다. 적어도 하나의 자전거 부품을 포함한 자전거 이미지(410)가 주어졌을 때, 아래 그림 1과 같이 입력된 이미지를 S X S 그리드로 나누고, 각각의 그리드 셀은 B개의 바운딩 박스와 각 바운딩 박스에 대한 컨피던스 점수(Confidence Score)를 가질 수 있다. 추가로, 각각의 그리드 셀은 C개의 조건부 클래스 개연성(Conditional Class Probability)를 가질 수 있다. 각각의 바운딩 박스는 x, y, w. h, confidence로 구성될 수 있다. 이러한 탐지하고자 하는 객체 클래스의 신뢰도 점수를 구하는 산술식은 수학식 2와 같다.4 is a diagram illustrating an example of classification of bicycle parts according to an embodiment of the present invention. When a bicycle image 410 including at least one bicycle part is given, the input image is divided into an SXS grid as shown in Figure 1 below, and each grid cell is B bounding boxes and a confidence score for each bounding box. score) can be obtained. Additionally, each grid cell may have C Conditional Class Probability. Each bounding box has x, y, w. h, can be composed of confidence. An arithmetic expression for obtaining the reliability score of the object class to be detected is as shown in Equation (2).

수학식 2Equation 2

이러한 신뢰도 점수 기반의 객체 탐지를 기반으로 하여 합성곱 계층을 신경망으로 구성하는 단일 단계 방식의 객체 탐지 방식 알고리즘을 단계(420)와 같이 자전거 부품의 물체 인식에 사용할 수 있다. A single-step method of object detection algorithm that configures a convolutional layer as a neural network based on object detection based on a confidence score can be used for object recognition of bicycle parts as in step 420 .

그림 1Figure 1

단계(430)에서 컴퓨터 장치(200)는 입력된 이미지 내에서 복수의 자전거 부품들을 분류할 수 있다. 예를 들어, 입력된 이미지에서 자전거의 프레임, 휠, 구동계 등 각각 다른 클래스의 신뢰도 점수를 산출하여 복수의 자전거 부품들을 분류할 수 있다.In operation 430, the computer device 200 may classify a plurality of bicycle parts in the input image. For example, a plurality of bicycle parts may be classified by calculating reliability scores of different classes, such as a frame, wheel, and drivetrain, of a bicycle from the input image.

한편, 컴퓨터 장치(200)는 단계(430)에서 각각의 자전거 부품들로 분류함에 있어서 예측되는 자전거 부품들을 예측 신뢰도를 백분율(%)로 구하고, 이 중 가장 높은 예측 신뢰도를 갖는 자전거 부품들로 예측하여 분류할 수 있다. On the other hand, the computer device 200 obtains the prediction reliability of the predicted bicycle parts as a percentage (%) in classifying each bicycle part in step 430, and predicts the bicycle parts with the highest prediction reliability among them. can be classified as

단계(440)에서 컴퓨터 장치(200)는 상술한 단계(430)에서 분류한 자전거 부품에 대응하는 스펙 정보를 매핑할 수 있다. 예를 들어, 컴퓨터 장치(200)는 분류한 자전거 부품의 모델명을 자전거 부품별 스펙정보에서 검색하여 매핑할 수 있다. 이때, 부품별 스펙정보 매핑의 정확도를 높이거나 검색에 사용되는 데이터의 양을 줄이기 위하여 다른 부품이 포함된 자전거 부품들의 집합 데이터 범위 내에서 자전거 부품정보를 검색하여 매핑할 수 있다.In step 440 , the computer device 200 may map spec information corresponding to the bicycle parts classified in step 430 . For example, the computer device 200 may search for and map the model names of the classified bicycle parts from specification information for each bicycle part. In this case, in order to improve the accuracy of mapping the specification information for each part or to reduce the amount of data used for the search, the bicycle parts information may be searched and mapped within the set data range of bicycle parts including other parts.

도 5는 본 발명의 일 실시예에 따른 자전거 부품별 스펙 정보의 예를 도시한 도면이다. 자전거 부품별 스펙 정보에는 자전거 부품별 호환성 분석을 위한 부품의 동작 방식(타입), 구경, 지오메트리 등의 정보를 포함할 수 있다. 예를 들어, 프레임의 동작 방식으로 RIM과 DISC 방식을 구분하는 정보를 포함할 수 있다. 추가로, 자전거 부품별 스펙 정보에 일반 사용자의 선택을 돕기 위한 사이즈, 권장키, 소재, 컬러, 연식 등 일반 쇼핑몰 등에서 제공하는 정보를 포함할 수 있다. 마찬가지로 유사한 자전거 모델을 제공하거나 사용자 선택을 위한 추가 정보를 제공하기 위해 자전거의 브랜드, 모델, 유통 및 부품의 집합 구성 정보를 함께 포함할 수 있다.5 is a diagram illustrating an example of specification information for each bicycle part according to an embodiment of the present invention. The specification information for each bicycle part may include information such as an operation method (type), diameter, and geometry of the parts for compatibility analysis for each bicycle part. For example, the frame operation method may include information for distinguishing the RIM and the DISC method. In addition, information provided by general shopping malls, such as size, recommended key, material, color, year, etc. to help general users in the specification information for each bicycle part may be included. Similarly, to provide similar bike models or to provide additional information for user selection, the bike's brand, model, distribution, and assembly information of parts may be included together.

도 6은 본 발명의 일 실시예에 따른 자전거 부품별 호환성 분석 방법의 예를 도시한 흐름도이다. 이러한 도 6에서는 자전거를 구성하는 부품들의 카테고리(610, 620, 630, 640) 내지는 각 부품별로 호환성 판단 기준으로 자전거 부품 조립을 위한 부품별 호환성 분석을 할 수 있다. 예를 들어, 프레임셋에서 프레임 부품A와 프레임 부품 B는 각 부품의 구경을 맞춰서 조립하므로 구경 정보를 비교하여 호환성을 분석할 수 있다. 이에 따라 도 6에서는 각 부품들이 다른 부품들과 조립되는 특징 (구경, 동작 방식, 단수, 타입, 장르, 홀 개수, 장착 타입 등)을 조립하는 부품 상호간의 특징이 일치하는 지를 판단함으로써 자전거 부품별 호환성을 분석할 수 있다. 6 is a flowchart illustrating an example of a method for analyzing compatibility for each bicycle part according to an embodiment of the present invention. In FIG. 6 , compatibility analysis for each part for assembling bicycle parts may be performed based on the categories 610 , 620 , 630 , 640 of parts constituting the bicycle or the compatibility determination standard for each part. For example, in a frameset, frame part A and frame part B are assembled by matching the diameter of each part, so compatibility can be analyzed by comparing the diameter information. Accordingly, in FIG. 6 , by determining whether the characteristics of the parts assembling each part with other parts (caliber, operation method, number, type, genre, number of holes, mounting type, etc.) match each other, it is determined whether Compatibility can be analyzed.

도 7은 본 발명의 일 실시예에 따른 자전거 부품별 시세 데이터의 예를 도시한 도면이다. 상술한 자전거 부품별 호환성 분석을 통한 부품들을 조립함에 있어서 일반 소비자가 획득하기 위해 각 부품들의 출시가, 감가, 실거래가를 포함하여 스펙 정보가 유사한 부품들에도 불구하고 시세 및 감가를 반영한 선택을 제공할 수 있다.7 is a diagram illustrating an example of price data for each bicycle part according to an embodiment of the present invention. In assembling parts through the above-described compatibility analysis for each bicycle part, it provides a choice that reflects the market price and depreciation despite parts having similar specification information, including the launch price, depreciation price, and actual transaction price of each part, for general consumers to acquire can do.

도 8은 본 발명의 일 실시예에 따른 견적 생성 형태의 예를 도시한 도면이다. 상술한 자전거 부품의 분류 및 부품별 호환성 분석, 시세 데이터를 반영하여 자전거 부품들의 집합을 견적으로 생성할 수 있다. 이때, 생성되는 견적은 부품별 호환성, 가격대 등 자전거 부품별 집합의 특징에 따라 복수의 집합으로 생성될 수 있다.8 is a diagram illustrating an example of a form of quotation generation according to an embodiment of the present invention. A set of bicycle parts may be generated as an estimate by reflecting the above-described classification of bicycle parts, compatibility analysis for each part, and market price data. In this case, the generated estimate may be generated in a plurality of sets according to the characteristics of the set for each part of the bicycle, such as compatibility for each part and price range.

한편, 자전거를 구성하는 모든 부품별 집합으로 견적을 생성할 수도 있고, 자전거를 구성하는 핵심 부품별 집합을 우선 구성하고 필요한 나머지 부품들의 학습된 시세 데이터를 기반하여 예측가로 산술하여 예측 견적을 생성할 수도 있다. 예를 들어, 자전거의 핵심부품으로 프레임, 휠, 구동계를 우선 구성하고 호환 가능한 나머지 부품들의 예측가를 산술하여 예측 견적을 생성할 수도 있다.On the other hand, it is also possible to generate an estimate with a set of all parts constituting the bicycle, or to create a predictive estimate by first constructing a set of core parts constituting the bicycle and arithmetic with the forecast price based on the learned price data of the remaining parts required. may be For example, it is possible to generate a predictive estimate by first configuring the frame, wheel, and drivetrain as core parts of a bicycle and arithmetic on the predictive value of the remaining compatible parts.

도 9는 본 발명의 일 실시예에 따른 자전거 사용자의 특성이 담긴 데이터의 예를 도시한 도면이다. 자전거 부품 및 견적을 추천하기 위하여 자전거 부품 및 견적 정보에 대응하여 사용자의 자전거 검색, 거래, 견적 이용 이력을 임베딩한 벡터의 거리 계산으로 상관관계를 산술하여 자전거 부품및 견적을 추천할 수 있다. 이때, 앞서 설명한 바와 같이 추출한 자전거 부품들의 집합들에 대응하여, 사용자의 특성이 담긴 데이터가 임베딩된 정보를 자전거 조립 견적 데이터 세트에 추가하여 학습 및 추론할 수 있다. 이때 사용자의 특성은 추출한 자전거 부품들의 집합에 대응하는 사용자의 권장키, 카테고리, 숙련도 등의 자전거 부품들의 집합에 선호되는 특성일 수 있다.9 is a diagram illustrating an example of data containing characteristics of a bicycle user according to an embodiment of the present invention. In order to recommend bicycle parts and quotations, it is possible to recommend bicycle parts and quotations by arithmetic on the correlation by calculating the distance of the vector embedding the user's bicycle search, transaction, and quotation use history in response to bicycle parts and quotation information. In this case, in response to the sets of bicycle parts extracted as described above, information in which data containing the user's characteristics is embedded may be added to the bicycle assembly estimate data set to learn and infer. In this case, the user's characteristic may be a preferred characteristic for a set of bicycle parts such as the user's recommended key, category, and proficiency corresponding to the extracted set of bicycle parts.

또한, 사용자 특성으로 사용자의 자전거 검색, 거래, 견적 이용 이력 등을 임베딩한 정보를 사용하여 자전거 부품들의 집합을 사용자에게 높은 정확도로 자전거를 선택할 수 있도록 학습 및 추론될 수 있다.In addition, a set of bicycle parts may be learned and inferred so that the user can select a bicycle with high accuracy by using the information in which the user's bicycle search, transaction, quotation use history, etc. are embedded as user characteristics.

또한, 사용자 특성으로 피추천 사용자와 유사한 특성의 사용자 특성을 갖는 사용자들이 선호하는 자전거 부품들의 집합을 예측하여 추천할 수 있다. 이때, 사용자 특성을 기반한 유사도 계산은 앞서 자전거 부품 및/또는 자전거 부품들의 집합 사이의 유사도 계산과 같이, 사용자 특성을 벡터로 만들어 수학식 1과 같이 산술식으로 유사도를 계산할 수 있다.In addition, it is possible to predict and recommend a set of bicycle parts preferred by users having user characteristics similar to the recommended user as user characteristics. In this case, the similarity calculation based on the user characteristic may calculate the similarity using an arithmetic expression as in Equation 1 by making the user characteristic into a vector, as in the similarity calculation between the bicycle parts and/or sets of bicycle parts.

앞서 설명한 바와 다르게, 자전거 부품 및 견적을 추천하는 방법으로 자전거 부품 및 견적 정보에 대응하여 사용자의 자전거 검색, 거래, 견적 이용 이력을 협업하여 필터링하여 추천할 수 있다Unlike the previous description, in the method of recommending bicycle parts and quotation, the user's bicycle search, transaction, and quotation use history can be collaboratively filtered and recommended in response to bicycle parts and quotation information.

이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조 합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령 (instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영체제(OS) 및 상기 운영체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소 (processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치 는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬프로세서 (parallel processor)와 같은 다른 처리 구성(processing configuration)도 가능하다.The system or apparatus described above may be implemented as a hardware component or a combination of a hardware component and a software component. For example, devices and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA). , a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions, may be implemented using one or more general purpose or special purpose computers. The processing device may execute an operating system (OS) and one or more software applications executed on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로 (collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터 는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. may be embodied in The software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시예에 따른 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. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트 워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체 (magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록 매체 내지 저장 매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The medium may be to continuously store a computer executable program, or to temporarily store it for execution or download. In addition, the medium may be various recording means or storage means in the form of a single or several hardware combined, it is not limited to a medium directly connected to any computer system, and may exist distributed on a network. Examples of the medium include a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, an optical recording medium such as CD-ROM and DVD, a magneto-optical medium such as a floppy disk, and those configured to store program instructions, including ROM, RAM, flash memory, and the like. In addition, examples of other media may include recording media or storage media managed by an app store that distributes applications, sites that supply or distribute various other software, and servers. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성 요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible from the above description by those skilled in the art. For example, the described techniques are performed in a different order than the described method, and/or the described components of a system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.

그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.

Claims

컴퓨터 장치가 수행하는 부품 분류 기반 추천 방법에 있어서,
학습된 자전거 부품별 이미지 데이터 세트를 기초로 자전거의 개별 부품을 원소로 하는 그룹 세트를 생성하여 자전거 부품을 분류하는 단계;
부품별 스펙 정보를 상기 개별 부품에 매핑하는 단계;
상기 그룹 세트에 포함된 원소의 스펙 정보로 구성된 벡터를 이용하여 그룹 세트 별 코사인 유사도를 계산하고, 상기 코사인 유사도 계산에 기반하여 구성된 그룹 세트들을 부분집합으로 하는 자전거 집합을 복수 개 추출하는 단계;
사용자의 특성이 담긴 데이터가 임베딩된 정보에 대한 벡터와 상기 자전거 집합에 대한 벡터 간의 거리를 계산하여, 상기 복수 개의 자전거 집합 중 상기 사용자에게 적합한 자전거 집합을 판별하는 단계; 및
상기 판별된 자전거 집합 중 적어도 하나를 추천 대상으로 선택하는 단계를 포함하는,
부품 분류 기반 추천 방법.
In the parts classification-based recommendation method performed by a computer device,
classifying bicycle parts by generating a group set using individual parts of a bicycle as elements based on the learned image data set for each bicycle part;
mapping part-specific specification information to the individual parts;
calculating a cosine similarity for each group set by using a vector composed of specification information of elements included in the group set, and extracting a plurality of bicycle sets as subsets of the group sets configured based on the cosine similarity calculation;
determining a bicycle set suitable for the user from among the plurality of bicycle sets by calculating a distance between a vector for information embedded with data containing user characteristics and a vector for the bicycle set; and
Including the step of selecting at least one of the determined set of bicycles as a recommendation target,
Part classification-based recommendation method.

제1항에 있어서,
상기 이미지 데이터 세트는,
자전거의 전체 또는 일부 형태를 담은 복수의 이미지를 포함하는,
부품 분류 기반 추천 방법.
According to claim 1,
The image data set is
containing a plurality of images containing all or part of the shape of the bicycle;
Part classification-based recommendation method.

삭제delete

제1항에 있어서,
상기 매핑하는 단계는,
상기 개별 부품으로 기 구성되어 완성된 자전거 모델의 부품 세트를 기초로 상기 부품별 스펙 정보를 매핑하는,
부품 분류 기반 추천 방법.
According to claim 1,
The mapping step is
To map the specification information for each part based on the part set of the bicycle model that is pre-configured with the individual parts,
Part classification-based recommendation method.

제1항에 있어서,
상기 부품별 스펙 정보는,
부품과 부품 사이의 조립 가능여부를 판단하기 위해 필요한 부품별 동작 방식, 구경 및 단수에 대한 정보를 포함하는,
부품 분류 기반 추천 방법.
According to claim 1,
The specification information for each part is,
Including information on the operation method, diameter, and number of parts required to determine whether parts can be assembled between parts,
Part classification-based recommendation method.

제1항에 있어서,
상기 부품별 스펙 정보는,
부품의 거래 및 시세 데이터에 대한 정보를 포함하는,
부품 분류 기반 추천 방법.
According to claim 1,
The specification information for each part is,
containing information about trade and price data of parts;
Part classification-based recommendation method.

삭제delete

제1항에 있어서,
상기 사용자의 특성이 담긴 데이터는,
상기 사용자의 자전거 검색, 자전거 거래, 및 자전거 견적 이용 이력에 대한 정보를 포함하는,
부품 분류 기반 추천 방법.
According to claim 1,
The data containing the characteristics of the user,
Including information about the user's bicycle search, bicycle transaction, and bicycle quotation use history,
Part classification-based recommendation method.

제1항에 있어서,
상기 부품별 스펙 정보는,
부품별 시세 및 실거래가에 대한 정보를 포함하는,
부품 분류 기반 추천 방법.
According to claim 1,
The specification information for each part is,
Including information on the market price and actual transaction price for each part,
Part classification-based recommendation method.

제1항에 있어서,
상기 방법은,
상기 추출하는 단계 이후, 상기 자전거 집합을 구성하는 부품을 기초로 견적을 생성하는 단계를 더 포함하는,
부품 분류 기반 추천 방법.
According to claim 1,
The method is
After the step of extracting, further comprising the step of generating an estimate based on the parts constituting the bicycle set,
Part classification-based recommendation method.

제11항에 있어서,
상기 견적을 생성하는 단계는,
상기 자전거 집합을 구성하는 핵심 부품별 집합을 우선 구성하고 필요한 나머지 부품들의 학습된 시세 데이터를 기반하여 예측가로 산술하여 예측 견적을 생성하는,
부품 분류 기반 추천 방법.
12. The method of claim 11,
The step of generating the estimate includes:
A set of core parts constituting the bicycle set is first constructed, and a prediction estimate is generated by arithmetic on the predicted price based on the learned price data of the remaining parts required,
Part classification-based recommendation method.

제1항, 제2항, 제4항 내지 제6항, 및 제9항 내지 제12항 중 어느 한 항의 방법을 프로세서가 수행하도록 하는 컴퓨터 판독 가능 기록매체에 저장된 컴퓨터 프로그램.
A computer program stored in a computer-readable recording medium for causing a processor to perform the method of any one of claims 1, 2, 4 to 6, and claim 9 to 12.

제1항, 제2항, 제4항 내지 제6항, 및 제9항 내지 제12항 중 어느 한 항의 방법을 프로세서가 수행하게 하는 명령어를 포함하는 컴퓨터 프로그램이 기록된 컴퓨터 판독 가능 기록매체.
Claims 1, 2, 4 to 6, and claims 9 to 12, any one of claims 9 to 12, a computer program comprising instructions for causing a processor to perform a computer program is recorded on a computer-readable recording medium.

컴퓨터 장치에 있어서,
컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고,
상기 적어도 하나의 프로세서는,
학습된 자전거 부품별 이미지 데이터 세트를 기초로 자전거의 개별 부품을 원소로 하는 그룹 세트를 생성하여 자전거 부품을 분류하는 단계;
부품별 스펙 정보를 상기 개별 부품에 매핑하는 단계;
상기 그룹 세트에 포함된 원소의 스펙 정보로 구성된 벡터를 이용하여 그룹 세트 별 코사인 유사도를 계산하고, 상기 코사인 유사도 계산에 기반하여 구성된 그룹 세트들을 부분집합으로 하는 자전거 집합을 복수 개 추출하는 단계;
사용자의 특성이 담긴 데이터가 임베딩된 정보에 대한 벡터와 상기 자전거 집합에 대한 벡터 간의 거리를 계산하여, 상기 복수 개의 자전거 집합 중 상기 사용자에게 적합한 자전거 집합을 판별하는 단계; 및
상기 판별된 자전거 집합 중 적어도 하나를 추천 대상으로 선택하는 단계를 수행하는,
컴퓨터 장치.
In a computer device,
at least one processor implemented to execute computer-readable instructions;
the at least one processor,
classifying bicycle parts by generating a group set using individual parts of a bicycle as elements based on the learned image data set for each bicycle part;
mapping part-specific specification information to the individual parts;
calculating a cosine similarity for each group set by using a vector composed of specification information of elements included in the group set, and extracting a plurality of bicycle sets as subsets of the group sets configured based on the cosine similarity calculation;
determining a bicycle set suitable for the user from among the plurality of bicycle sets by calculating a distance between a vector for information embedded with data containing user characteristics and a vector for the bicycle set; and
performing the step of selecting at least one of the determined set of bicycles as a recommendation target,
computer device.

제15항에 있어서,
상기 이미지 데이터 세트는,
자전거의 전체 또는 일부 형태를 담은 복수의 이미지를 포함하는,
컴퓨터 장치.
16. The method of claim 15,
The image data set is
containing a plurality of images containing all or part of the shape of the bicycle;
computer device.

삭제delete

제15항에 있어서,
상기 매핑하는 단계는,
상기 개별 부품으로 기 구성되어 완성된 자전거 모델의 부품 세트를 기초로 상기 부품별 스펙 정보를 매핑하는,
컴퓨터 장치.
16. The method of claim 15,
The mapping step is
To map the specification information for each part based on the part set of the bicycle model that is pre-configured with the individual parts,
computer device.

제15항에 있어서,
상기 부품별 스펙 정보는,
부품과 부품 사이의 조립 가능여부를 판단하기 위해 필요한 부품별 동작 방식, 구경 및 단수에 대한 정보를 포함하는,
컴퓨터 장치.
16. The method of claim 15,
The specification information for each part is,
Including information on the operation method, diameter, and number of parts required to determine whether parts can be assembled between parts,
computer device.

제15항에 있어서,
상기 부품별 스펙 정보는,
부품의 거래 및 시세 데이터에 대한 정보를 포함하는,
컴퓨터 장치.
16. The method of claim 15,
The specification information for each part is,
containing information about trade and price data of parts;
computer device.

삭제delete

제15항에 있어서,
상기 사용자의 특성이 담긴 데이터는,
상기 사용자의 자전거 검색, 자전거 거래, 및 자전거 견적 이용 이력에 대한 정보를 포함하는,
컴퓨터 장치.
16. The method of claim 15,
The data containing the characteristics of the user,
Including information about the user's bicycle search, bicycle transaction, and bicycle quotation use history,
computer device.

제15항에 있어서,
상기 부품별 스펙 정보는,
부품별 시세 및 실거래가에 대한 정보를 포함하는,
컴퓨터 장치.
16. The method of claim 15,
The specification information for each part is,
Including information on the market price and actual transaction price for each part,
computer device.

제15항에 있어서,
상기 적어도 하나의 프로세서는,
상기 추출하는 단계 이후, 상기 자전거 집합을 구성하는 부품을 기초로 견적을 생성하는 단계를 더 수행하는,
컴퓨터 장치.
16. The method of claim 15,
the at least one processor,
After the step of extracting, further performing the step of generating an estimate based on the parts constituting the bicycle set,
computer device.

제25항에 있어서,
상기 견적을 생성하는 단계는,
상기 자전거 집합을 구성하는 핵심 부품별 집합을 우선 구성하고 필요한 나머지 부품들의 학습된 시세 데이터를 기반하여 예측가로 산술하여 예측 견적을 생성하는,
컴퓨터 장치.26. The method of claim 25,
The step of generating the estimate includes:
A set of core parts constituting the bicycle set is first constructed, and a prediction estimate is generated by arithmetic on the predicted price based on the learned price data of the remaining parts required,
computer device.