KR102448071B1 - 패션 트렌드 분석 장치 및 방법 - Google Patents

패션 트렌드 분석 장치 및 방법 Download PDF

Info

Publication number
KR102448071B1
KR102448071B1 KR1020210069922A KR20210069922A KR102448071B1 KR 102448071 B1 KR102448071 B1 KR 102448071B1 KR 1020210069922 A KR1020210069922 A KR 1020210069922A KR 20210069922 A KR20210069922 A KR 20210069922A KR 102448071 B1 KR102448071 B1 KR 102448071B1
Authority
KR
South Korea
Prior art keywords
product
ranking
index
review
data
Prior art date
Application number
KR1020210069922A
Other languages
English (en)
Inventor
김경식
이호성
이해임
김동성
최종일
Original Assignee
한양여자대학교산학협력단
(주)골든플래닛
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양여자대학교산학협력단, (주)골든플래닛 filed Critical 한양여자대학교산학협력단
Priority to KR1020210069922A priority Critical patent/KR102448071B1/ko
Application granted granted Critical
Publication of KR102448071B1 publication Critical patent/KR102448071B1/ko

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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/0278—Product appraisal

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Auxiliary Devices For And Details Of Packaging Control (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

본 명세서는 패션 트렌드 분석 장치 및 방법에 관한 것으로, 보다 상세하게는 패션 온톨로지에 기반하여 패션 트렌드를 분석하는 장치 및 방법에 관한 것이다. 본 명세서의 일 실시예에 따른 패션 트렌드 분석 방법은 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출하는 단계, 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상기 상품 카테고리별로 상기 랭킹 데이터에 기초한 제품 온톨로지 R&F(Rise & Fall) 지수를 산출하는 단계, 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 단계 및 제품 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 상품 카테고리를 패션 트렌드 사분면에 표시하는 단계를 포함한다.

Description

패션 트렌드 분석 장치 및 방법{APPARATUS AND METHOD FOR ANALYSING FASHION TREND}
본 명세서는 패션 트렌드 분석 장치 및 방법에 관한 것으로, 보다 상세하게는 패션 온톨로지에 기반하여 패션 트렌드를 분석하는 장치 및 방법에 관한 것이다.
패션은 시간의 흐름에 따라 지속적으로 변화하며, 특정 시기 또는 특정 지역별로 서로 다른 패션 트렌드를 갖는다. 또한, 패션은 특정 집단의 성향과 개성을 반영하므로 이에 의해 표출되는 패션은 개인 또는 개인이 속한 특정 집단 별로도 서로 다른 양태를 갖는다. 따라서, 이러한 패션 흐름은 매우 다양하고 심한 변동성을 가지므로 패션 트렌드를 예측하는 것은 매우 어렵다.
종래의 패션 트렌드 분석은 패션 브랜드의 인기 순위 또는 패션 상품 유형별 판매 순위 등의 정형화된 데이터에 기반한 정량적 분석 방법을 사용한다. 그러나, 이러한 정형화된 데이터로부터는 다양한 패션에 대한 소비자의 패션 트렌드를 적절하고 신속하게 반영하지 못한다.
또한, 종래의 패션 트렌드 분석은 거대 패션 브랜드의 생산/판매 제품에 그 의존성이 크다. 그러나 패션 트렌드는 거대 패션 브랜드뿐만 아니라 중소기업 및 소상공인 규모의 패션 브랜드의 생산/판매 제품에 의해서도 영향을 받을 수 있는 바, 중소기업 및 소상공인 규모의 패션 브랜드의 생산/판매 제품도 함께 고려한 패션 트렌드 분석의 필요성이 요구된다.
본 명세서의 목적은 패션 온톨로지를 기반으로 분석된 상품의 카테고리를 사분면에 표시하여 시각화함으로써 손쉽게 패션 트렌드를 파악할 수 있는 패션 트렌드 분석 장치 및 방법을 제공하는 것이다.
또한, 본 명세서의 목적은 비정형 데이터를 이용하여 거대 패션 브랜드의 패션 트렌드 뿐만 아니라 소상공인 규모의 패션 브랜드에 대한 패션 트렌드도 분석할 수 있는 패션 트렌드 분석 장치 및 방법을 제공하는 것이다.
본 명세서의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 명세서의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 명세서의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 명세서의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 명세서의 일 실시예에 따른 패션 트렌드 분석 방법은 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출하는 단계, 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상기 상품 카테고리별로 상기 랭킹 데이터에 기초한 제품 온톨로지 R&F(Rise & Fall) 지수를 산출하는 단계, 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 단계 및 제품 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 상품 카테고리를 패션 트렌드 사분면에 표시하는 단계를 포함한다.
또한, 본 명세서의 일 실시예에서 P/R 인덱스를 산출하는 단계는 상품명의 개수 및 상기 리뷰 데이터의 개수에 대하여 산술 평균한 값을 P/R 인덱스로 산출하는 단계를 포함한다.
또한, 본 명세서의 일 실시예에서 랭킹 데이터는 상품의 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터를 포함한다.
또한, 본 명세서의 일 실시예에서 제품 온톨로지 R&F 지수를 산출하는 단계는 상품 키워드 각각에 대하여 상기 상품 랭킹 데이터, 상기 브랜드 랭킹 데이터 및 상기 검색 랭킹 데이터에 대한 랭킹 포인트를 산출하는 단계 및 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 상기 제품 온톨로지 R&F 지수를 산출하는 단계를 포함한다.
본 명세서의 일 실시예에 따른 패션 트렌드 분석 방법은 리뷰 데이터에 대하여 적어도 하나의 형태소 단위의 리뷰 키워드를 추출 하는 단계, 리뷰 키워드 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류하고, 상기 리뷰 카테고리에 기초하여 감성 온톨로지 R&F(Rise & Fall) 지수를 산출하는 단계, 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 단계 및 감성 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 리뷰 카테고리를 패션 트렌드 사분면에 표시하는 단계를 포함한다.
또한, 본 명세서의 일 실시예에서 감성 온톨로지 R&F(Rise & Fall) 지수를 산출하는 단계는 리뷰 카테고리에 포함된 리뷰 키워드의 개수에 기초하여 상기 리뷰 카테고리의 중요도를 수치화한 TF-IDF (Term Frequency - Inverse Document Frequency)를 산출하는 단계 및 TF-IDF를 표준화하여 감성 온톨로지 R&F(Rise & Fall) 지수를 산출하는 단계를 포함한다.
또한, 본 명세서의 일 실시예에서 카테고리를 패션 트렌드 사분면에 표시하는 단계는 P/R 인덱스가 미리 설정된 제1 기준값 이상이고, 상기 R&F 지수가 미리 설정된 제2 기준값이상이면 제1 사분면에 표시하는 단계, P/R 인덱스가 미리 설정된 제1 기준값 미만이고, 상기 R&F 지수가 미리 설정된 제2 기준값 이상이면 제2 사분면에 표시하는 단계, P/R 인덱스가 미리 설정된 제1 기준값 미만이고, 상기 R&F 지수가 미리 설정된 제2 기준값 미만이면 제3 사분면에 표시하는 단계 및 P/R 인덱스가 미리 설정된 제1 기준값 이상이고, 상기 R&F 지수가 미리 설정된 제2 기준값 미만이면 제4 사분면에 표시하는 단계를 포함한다.
본 명세서의 일 실시예에 따른 패션 트렌드 분석 장치는 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출 하는 키워드 추출부, 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상기 상품 카테고리별로 상기 랭킹 데이터에 기초한 제품 온톨로지 R&F(Rise & Fall) 지수를 산출하는 R&F 지수 산출부, 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 P/R 인덱스 산출부 및 제품 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 카테고리를 패션 트렌드 사분면에 표시하는 표시부를 포함한다.
또한, 본 명세서의 일 실시예에서 R&F 지수 산출부는 상품 키워드에 대하여 상기 상품 랭킹 데이터, 상기 브랜드 랭킹 데이터 및 상기 검색 랭킹 데이터 각각에 대한 랭킹 포인트를 산출하고, 상기 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 상기 제품 온톨로지 R&F 지수를 산출한다.
본 명세서의 일 실시예에 따른 패션 트렌드 분석 장치는 리뷰 데이터에 대하여 적어도 하나의 형태소 단위의 리뷰 키워드를 추출 하는 키워드 추출부, 리뷰 키워드 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류하고, 상기 리뷰 카테고리에 기초하여 감성 온톨로지 R&F(Rise & Fall) 지수를 산출하는 R&F 지수 산출부, 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 P/R 인덱스 산출부 및 감성 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 카테고리를 패션 트렌드 사분면에 표시하는 표시부를 포함한다.
본 명세서의 일 실시예에 따른 패션 트렌드 분석 장치 및 방법은 패션 온톨로지를 기반으로 분석된 상품의 카테고리를 사분면에 표시하여 시각화함으로써 손쉽게 패션 트렌드를 파악할 수 있다.
또한, 본 명세서의 일 실시예에 따른 패션 트렌드 분석 장치 및 방법은 비정형 데이터를 이용하여 거대 패션 브랜드의 패션 트렌드 뿐만 아니라 소상공인 규모의 패션 브랜드에 대한 패션 트렌드도 분석할 수 있다.
도 1은 본 명세서의 일 실시예에 따른 패션 트렌드 분석 장치의 구성도이다.
도 2는 본 명세서의 일 실시예에서 온라인 쇼핑 플랫폼에 표시된 상품의 상품 카테고리 및 상품명을 나타낸 도면이다.
도 3은 본 명세서의 일 실시예에서 리뷰 데이터를 나타낸 도면이다.
도 4는 본 명세서의 일 실시예에서 리뷰 카테고리를 나타낸 도면이다.
도 5는 본 명세서의 일 실시예에서 패션 트렌드 사분면을 나타낸 도면이다.
도 6은 본 명세서의 일 실시예에 따른 패션 트렌드 분석 방법의 순서도이다.
도 7은 본 명세서의 다른 실시예에 따른 패션 트렌드 분석 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.
도 1은 본 명세서의 일 실시예에 따른 패션 트렌드 분석 장치의 구성도이고, 도 2는 본 명세서의 일 실시예에서 온라인 쇼핑 플랫폼에 표시된 상품의 상품 카테고리 및 상품명을 나타낸 도면이고, 도 3은 본 명세서의 일 실시예에서 리뷰 데이터를 나타낸 도면이고, 도 4는 본 명세서의 일 실시예에서 리뷰 카테고리를 나타낸 도면이고, 도 5는 본 명세서의 일 실시예에서 패션 트렌드 사분면을 나타낸 도면이다. 이하, 도 1 내지 도 5를 참조하여 패션 트렌드 분석 장치를 설명하도록 한다.
도 1을 참조하면 패션 트렌드 분석 장치(100)는 온라인 쇼핑 플랫폼에 표시된 상품의 비정형 데이터를 수집하고, 수집된 상품의 비정형 데이터로부터 패션 트렌드를 분석하는 장치이며 키워드 추출부(110), R&F 지수 산출부(120), P/R 인덱스 산출부(130), 표시부(140)를 포함한다.
온라인 쇼핑 플랫폼에 표시된 상품은 온라인 쇼핑 플랫폼에서 다수의 소비자들에 의해 검색되거나 인지도가 높은 상품이 대상일 수 있다. 예컨대, 본 명세서에서의 상품은 온라인 쇼핑 플랫폼의 '인기 BEST 100 상품' 또는 '판매량 TOP 100 상품' 등 일 수 있다. 따라서, 온라인 쇼핑 플랫폼에 표시된 상품의 비정형 데이터는 상품의 상품명, 리뷰 데이터 및 랭킹 데이터를 포함할 수 있다.
본 명세서의 일 실시예에서 키워드 추출부(110)는 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출한다. 예를 들어, 도 2에 도시된 '플라스틱아일랜드 빅카라 원피스'는 상품의 상품명을 나타낸다. 키워드 추출부(110)는 '플라스틱아일랜드 빅카라 원피스'에 대해 형태소 단위로 분석하여 '플라스틱아일랜드', '빅카라', '원피스'의 상품 키워드를 추출한다.
또한, 본 명세서의 다른 실시예에서 키워드 추출부(110)는 상품의 리뷰 데이터에 대하여 적어도 하나의 형태소 단위의 리뷰 키워드를 추출한다. 예를 들어, 키워드 추출부(110)는 도 3에 도시된 리뷰 데이터에 대하여 '부드러운', '하늘하늘한', '시원한' 이라는 리뷰 키워드를 추출할 수 있다.
R&F 지수 산출부(120)는 상품 키워드 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류하고, 상품 카테고리별로 랭킹 데이터에 기초한 제품 온톨로지 R&F(Rise & Fall) 지수를 산출한다. 즉, 도 2에 도시된 복수의 상품 카테고리인 '니트/스웨터, 카디건, 원피스, 티셔츠, 블라우스/셔츠, 점퍼, 재킷, 코트, 청바지, 스커티, 레깅스,... ' 중에서 표시된 상품의 상품 키워드 중 '원피스'에 대한 상품 카테고리는 '원피스'이다.
이에 따라, R&F 지수 산출부(120)는 상품을 '원피스' 카테고리로 분류하고, '원피스' 카테고리에 대한 제품 온톨로지 R&F 지수를 산출한다. 구체적으로, 제품 온톨로지 R&F 지수는 상품의 랭킹 데이터에 기초하여 산출되며, R&F 지수 산출부(120)는 상품 키워드 '플라스틱아일랜드', '빅카라', '원피스'의 랭킹 데이터로부터 랭킹 포인트를 각각 산출하고, 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 제품 온톨로지 R&F 지수를 산출한다.
또한, 다른 상품의 상품 키워드에 대한 상품 카테고리가 중복되는 경우 해당 상품 카테고리의 랭킹 포인트는 합산한다. 예컨대, 하나의 상품이 '플라스틱아일랜드 빅카라 원피스'이고, 다른 상품이 '폴로 실크 원피스'인 경우 '원피스'에 대한 상품 카테고리가 중복된다. 이 경우 R&F 지수 산출부(120)는 '원피스'에 대한 랭킹 포인트를 각각 산출하여 합산한다.
한편, 랭킹 데이터는 비정형 데이터의 하나로써 상품마다 서로 다른 값을 가질 수 있고, 상품의 판매 순위에 대한 상품 랭킹 데이터, 상품의 브랜드 순위에 대한 브랜드 랭킹 데이터 및 수요자의 상품 검색 순위에 대한 검색 랭킹 데이터를 포함할 수 있다.
R&F 지수 산출부(120)는 상품 키워드 '플라스틱아일랜드', '빅카라', '원피스' 각각에 대하여 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터에 대한 랭킹 포인트를 산출한다. 만약, 상품의 순위가 100까지 있고, 브랜드 순위가 20까지 있고, 검색어 순위가 20까지 있는 경우, 상품 키워드의 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터에 대한 각각의 랭킹 포인트는 하기의 식 1에 의해 산출될 수 있다.
<식 1>
상품 랭킹 포인트 = -상품 순위 + 105
브랜드 랭킹 포인트 = -5 x 브랜드 순위 + 105
검색어 랭킹 포인트 = -5 x 검색어 순위 + 105
예컨대, 상품 키워드 '원피스'의 상품 순위가 70이고, 브랜드 순위가 10이고, 검색어 순위가 15이면, 상품 랭킹 포인트는 -70+105=35이고, 브랜드 랭킹 포인트는 (-5x10)+105=55이고, 검색어 랭킹 포인트는 (-5x15)+105=30이다. 따라서, 카테고리 랭킹 포인트는 상술한 랭킹 포인트를 모두 더한 35+55+30=120가 된다.
이후, R&F 지수 산출부(120)는 산출된 카테고리 랭킹 포인트를 표준화하여 제품 온톨로지 R&F 지수 산출부(120)를 산출한다. 카테고리 랭킹 포인트의 표준화는 카테고리 랭킹 포인트의 최소값부터 카테고리 랭킹 포인트의 최대값을 0 내지 2사이의 값으로 매핑함으로써 이루어질 수 있다.
상술한 예에서, 카테고리 랭킹 포인트의 최소값은 상품 순위 100, 브랜드 순위20, 검색어 순위20의 경우로 3의 값을 갖고, 카테고리 랭킹 포인트의 최대값은 상품 순위 1, 브랜드 순위1, 검색어 순위1의 경우로 292의 값을 갖는다. 따라서, 카테고리 랭킹 포인트 3 내지 292의 값 중 하나인 107을 0 내지 2 사이의 값으로 표준화 하면, 제품 온톨로지 R&F 지수는 약 0.75의 값을 갖는다.
한편, 본 명세서의 다른 실시예에서 R&F 지수 산출부(120)는 키워드 추출부(110)가 추출한 리뷰 키워드 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류하고, 리뷰 카테고리에 기초하여 감성 온톨로지 R&F(Rise & Fall) 지수를 산출할 수 있다.
구체적으로, R&F 지수 산출부(120)는 키워드 추출부(110)가 도 3에서 추출한 리뷰 키워드 '부드러운' 및 '시원한' 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류할 수 있다. 예를 들어, '부드러운'은 촉감에 대한 복수의 리뷰 카테고리인 '거칠다', '따갑다', '매끄럽다', '미끄럽다', '부드럽다', '뻣뻣하다', '시원하다', '포근하다' 중 '부드럽다'로 분류할 수 있고, '시원한'은 복수의 리뷰 카테고리 중 '시원하다'로 분류할 수 있다.
이후, R&F 지수 산출부(120)는 리뷰 카테고리에 포함된 리뷰 키워드에 기초하여 리뷰 카테고리의 중요도를 수치화한 TF-IDF (Term Frequency - Inverse Document Frequency)를 산출한다. TF-IDF는 특정 단어가 특정 문서 내에서 얼마나 중요한 것인지를 나타내는 통계적 수치로써 하기의 식 2에 의해 산출될 수 있다.
<식 2>
Figure 112021062500583-pat00001
여기서, t는 리뷰 키워드, d는 리뷰 카테고리 1개, D는 전체 리뷰 카테고리를 의미한다.
또한, TF(t,d) 및 IDF(t,D)는 하기의 식 3 및 식 4에 의해 산출될 수 있다.
<식 3>
Figure 112021062500583-pat00002
<식 4>
Figure 112021062500583-pat00003
f(t,d)는 d에 t가 나오는 빈도수를 의미하고, IDF(t,D)에서 분자는 전체 리뷰 카테고리의 개수이고, 분모는 t가 들어있는 리뷰 카테고리의 개수를 의미한다.
R&F 지수 산출부(120)는 TF-IDF를 산출하고, 산출된 TF-IDF를 상술한 방법과 동일한 방법으로 표준화하여 감성 온톨로지 R&F 지수를 산출할 수 있다.
P/R 인덱스 산출부(130)는 상품명의 개수 및 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출한다. 구체적으로 P/R 인덱스는 Product and Review index로써 P/R 인덱스 산출부(130)는 상품명의 개수와 리뷰 데이터의 개수를 산술 평균하여 P/R 인덕스를 산출할 수 있다.
표시부(140)는 R&F 지수 및 상기 P/R 인덱스에 기초하여 상품 카테고리 또는 리뷰 카테고리를 패션 트렌드 사분면에 표시한다.
즉, 표시부(140)는 P/R 인덱스가 미리 설정된 제1 기준값 이상이고, R&F 지수가 미리 설정된 제2 기준값 이상이면 제1 사분면에 표시하고, P/R 인덱스가 미리 설정된 제1 기준값 미만이고, R&F 지수가 미리 설정된 제2 기준값 이상이면 제2 사분면에 표시하고, P/R 인덱스가 미리 설정된 제1 기준값 미만이고, R&F 지수가 미리 설정된 제2 기준값 미만이면 제3 사분면에 표시하고, P/R 인덱스가 미리 설정된 제1 기준값 이상이고, R&F 지수가 미리 설정된 제2 기준값 미만이면 제4 사분면에 표시한다. 여기서 미리 설정된 제1 기준값 및 제2 기준값은 표준화 구간의 중간값으로, 표준화 구간이 0 내지 2인 경우 제1 기준값 및 제2 기준값은 1일 수 있다.
구체적으로, 도 5를 참조하면, 패션 트렌드 사분면은 특정 카테고리에 대한 패션 트렌드가 쉽게 파악할 수 있도록 구분해 놓은 사분면으로, 가로축은 P/R 인덱스, 세로축은 제품 온톨로지 R&F 지수 또는 감성 온톨로지 R&F 지수(즉, R&F 지수)를 나타낸다.
패션 트렌드 사분면에서 각각의 사분면은 패션 트렌드에 대한 평가 정보를 포함한다. 즉, 제1 사분면(141)은 P/R 인덱스가 미리 설정된 제1 기준값 이상이고, R&F 지수가 미리 설정된 제2 기준값 이상으로 이미 경쟁사가 많이 경쟁이 치열한 시장인 '레드 오션'을 의미하고, 제2 사분면(142)은 P/R 인덱스가 미리 설정된 제1 기준값 미만이고, R&F 지수가 미리 설정된 제2 기준값 이상으로 온라인에서 관심도가 점차 증가하고 있으나, 아직 경쟁사가 많지 않은 시장인 '블루 오션'을 의미하고, 제3 사분면(143)은 P/R 인덱스가 미리 설정된 제1 기준값 미만이고, R&F 지수가 미리 설정된 제2 기준값 미만으로 경쟁사와 소비자의 관심도가 적은 시장인 '그레이 오션'을 의미하고, 제4 사분면(144)는 P/R 인덱스가 미리 설정된 제1 기준값 이상이고, R&F 지수가 미리 설정된 제2 기준값 미만으로 이미 경쟁사는 많지만, 소비자의 관심이 떨어지는 시장인 '브레이크 오션'을 의미한다.
표시부(140)는 상품 카테고리 또는 리뷰 카테고리를 패션 트렌드 사분면에 시각적으로 표시한다. 이에 따라, 사용자는 특정 상품 키워드 또는 특정 리뷰 키워드에 대하여 현재 어떤 카테고리가 블루 오션인지 또는 레드 오션인지 여부를 손쉽게 파악할 수 있고, 블루 오션에 해당하는 카테고리를 신속하게 이용하여 경쟁사와의 경쟁에서 우위를 선점할 수 있다.
도 6은 본 명세서의 일 실시예에 따른 패션 트렌드 분석 방법의 순서도이다.
도면을 참조하면, 패션 트렌드 분석 방법은 온라인 쇼핑 플랫폼에 표시된 상품의 상품명, 리뷰 데이터 및 랭킹 데이터를 포함하는 비정형 데이터로부터 패션 트렌드를 분석하는 방법으로서, 패션 트렌드 분석 장치는 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출한다(S110).
또한, 패션 트렌드 분석 장치는 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상품 카테고리별로 랭킹 데이터에 기초한 제품 온톨로지 R&F(Rise & Fall) 지수를 산출한다(S120). 구체적으로, 패션 트렌드 분석 장치는 상품 키워드 각각에 대하여 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터에 대한 랭킹 포인트를 산출하고, 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 제품 온톨로지 R&F 지수를 산출한다.
이후, 패션 트렌드 분석 장치는 상품명의 개수 및 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출한다(S130). 상세하게, 패션 트렌드 분석 장치는 상품명의 개수 및 리뷰 데이터의 개수에 대하여 산술 평균한 값을 P/R 인덱스로 산출할 수 있다.
마지막으로 패션 트렌드 분석 장치는 제품 온톨로지 R&F 지수 및 P/R 인덱스에 기초하여 상품 카테고리를 패션 트렌드 사분면에 표시한다(S140). 이를 통해 사용자는 상품 카테고리별로 패션 트렌드를 손쉽게 파악할 수 있다.
도 7은 본 명세서의 다른 실시예에 따른 패션 트렌드 분석 방법의 순서도이다.
도면을 참조하면, 패션 트렌드 분석 방법은 온라인 쇼핑 플랫폼에 표시된 상품의 상품명, 리뷰 데이터 및 랭킹 데이터를 포함하는 비정형 데이터로부터 패션 트렌드를 분석하는 방법으로서, 패션 트렌드 분석 장치는 상품의 리뷰 데이터에 대하여 적어도 하나의 형태소 단위의 리뷰 키워드를 추출한다(S210).
또한, 패션 트렌드 분석 장치는 리뷰 키워드 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류하고, 리뷰 카테고리에 기초하여 감성 온톨로지 R&F(Rise & Fall) 지수를 산출한다(S220). 구체적으로, 패션 트렌드 분석 장치는 리뷰 카테고리에 포함된 리뷰 키워드의 개수에 기초하여 리뷰 카테고리의 중요도를 수치화한 TF-IDF (Term Frequency - Inverse Document Frequency)를 산출하고, TF-IDF를 표준화하여 감성 온톨로지 R&F(Rise & Fall) 지수를 산출한다.
이후, 패션 트렌드 분석 장치는 상품명의 개수 및 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출한다(S230). 상세하게, 패션 트렌드 분석 장치는 상품명의 개수 및 리뷰 데이터의 개수에 대하여 산술 평균한 값을 P/R 인덱스로 산출할 수 있다.
마지막으로 패션 트렌드 분석 장치는 감성 온톨로지 R&F 지수 및 P/R 인덱스에 기초하여 리뷰 카테고리를 패션 트렌드 사분면에 표시한다(S240). 이를 통해 사용자는 리뷰 카테고리별로 패션 트렌드를 손쉽게 파악할 수 있다.
이상과 같이 본 발명에 대해서 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시 예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상의 범위 내에서 통상의 기술자에 의해 다양한 변형이 이루어질 수 있음은 자명하다. 아울러 앞서 본 발명의 실시 예를 설명하면서 본 발명의 구성에 따른 작용 효과를 명시적으로 기재하여 설명하지 않았을지라도, 해당 구성에 의해 예측 가능한 효과 또한 인정되어야 함은 당연하다.

Claims (10)

  1. 온라인 쇼핑 플랫폼에 표시된 상품의 상품명, 리뷰 데이터 및 랭킹 데이터를 포함하는 비정형 데이터로부터 패션 트렌드를 분석하는 방법에 있어서,
    키워드 추출부가 상기 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출하는 단계;
    R&F 지수 산출부가 상기 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상기 상품 카테고리별로 상기 랭킹 데이터에 기초한 제품 온톨로지 R&F(Rise & Fall) 지수를 산출하는 단계;
    P/R 인덱스 산출부가 상기 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 단계; 및
    표시부가 상기 제품 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 상품 카테고리를 패션 트렌드 사분면에 표시하는 단계를 포함하고,
    상기 랭킹 데이터는
    상품의 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터를 포함하고,
    상기 R&F 지수 산출부는
    상기 랭킹 데이터로부터 산출된 상품 랭킹 포인트, 브랜드 랭킹 포인트, 검색 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 상기 제품 온톨로지 R&F 지수를 산출하고,
    상기 상품 랭킹 포인트, 상기 브랜드 랭킹 포인트, 상기 검색 랭킹 포인트는 하기의 식 1에 의해 산출되는 패션 트렌드 분석 방법.

    <식 1>

    상품 랭킹 포인트 = -상품 순위 + 105
    브랜드 랭킹 포인트 = -5 x 브랜드 순위 + 105
    검색어 랭킹 포인트 = -5 x 검색어 순위 + 105
  2. 제1항에 있어서,
    상기 P/R 인덱스를 산출하는 단계는
    상기 상품명의 개수 및 상기 리뷰 데이터의 개수에 대하여 산술 평균한 값을 P/R 인덱스로 산출하는 단계를 포함하는
    패션 트렌드 분석 방법.
  3. 삭제
  4. 삭제
  5. 온라인 쇼핑 플랫폼에 표시된 상품의 상품명, 리뷰 데이터 및 랭킹 데이터를 포함하는 비정형 데이터로부터 패션 트렌드를 분석하는 방법에 있어서,
    키워드 추출부가 상기 리뷰 데이터에 대하여 적어도 하나의 형태소 단위의 리뷰 키워드를 추출 하고, 상기 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출하는 단계;
    R&F 지수 산출부가 상기 리뷰 키워드 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류하고, 상기 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상기 리뷰 카테고리 및 상기 상품 카테고리에 기초하여 감성 온톨로지 R&F(Rise & Fall) 지수를 각각 산출하는 단계;
    P/R 인덱스 산출부가 상기 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 단계; 및
    상기 감성 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 리뷰 카테고리를 패션 트렌드 사분면에 표시하는 단계를 포함하고,
    상기 랭킹 데이터는
    상품의 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터를 포함하고,
    상기 R&F 지수 산출부는
    상기 랭킹 데이터로부터 산출된 상품 랭킹 포인트, 브랜드 랭킹 포인트, 검색 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 상기 제품 온톨로지 R&F 지수를 산출하고,
    상기 상품 랭킹 포인트, 상기 브랜드 랭킹 포인트, 상기 검색 랭킹 포인트는 하기의 식 1에 의해 산출되고,
    상기 R&F 지수 산출부는
    상기 리뷰 카테고리의 중요도를 수치화한 TF-IDF를 하기의 식 2 내지 식 4를 통해 산출하고, 산출된 TF-IDF를 표준화하여 상기 감성 온톨로지 R&F 지수를 산출하는 패션 트렌드 분석 방법.

    <식 1>
    상품 랭킹 포인트 = -상품 순위 + 105
    브랜드 랭킹 포인트 = -5 x 브랜드 순위 + 105
    검색어 랭킹 포인트 = -5 x 검색어 순위 + 105

    <식 2>

    Figure 112022045051159-pat00011

    <식 3>
    Figure 112022045051159-pat00012

    <식 4>
    Figure 112022045051159-pat00013

    여기서, t는 리뷰 키워드, d는 1개의 리뷰 카테고리, D는 전체 리뷰 카테고리, f(t,d)는 d에 t가 나오는 빈도수, IDF(t,D)에서 분자는 전체 리뷰 카테고리의 개수, 분모는 t가 들어있는 리뷰 카테고리의 개수를 의미한다.
  6. 삭제
  7. 제1항에 있어서,
    상기 상품 카테고리를 패션 트렌드 사분면에 표시하는 단계는
    상기 P/R 인덱스가 미리 설정된 제1 기준값 이상이고, 상기 R&F 지수가 미리 설정된 제2 기준값이상이면 제1 사분면에 표시하는 단계;
    상기 P/R 인덱스가 미리 설정된 제1 기준값 미만이고, 상기 R&F 지수가 미리 설정된 제2 기준값 이상이면 제2 사분면에 표시하는 단계;
    상기 P/R 인덱스가 미리 설정된 제1 기준값 미만이고, 상기 R&F 지수가 미리 설정된 제2 기준값 미만이면 제3 사분면에 표시하는 단계; 및
    상기 P/R 인덱스가 미리 설정된 제1 기준값 이상이고, 상기 R&F 지수가 미리 설정된 제2 기준값 미만이면 제4 사분면에 표시하는 단계를 포함하는
    패션 트렌드 분석 방법.
  8. 온라인 쇼핑 플랫폼에 표시된 상품의 상품명, 리뷰 데이터 및 랭킹 데이터를 포함하는 비정형 데이터로부터 패션 트렌드를 분석하는 장치에 있어서,
    상기 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출 하는 키워드 추출부;
    상기 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상기 상품 카테고리별로 상기 랭킹 데이터에 기초한 제품 온톨로지 R&F(Rise & Fall) 지수를 산출하는 R&F 지수 산출부;
    상기 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 P/R 인덱스 산출부; 및
    상기 제품 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 카테고리를 패션 트렌드 사분면에 표시하는 표시부를 포함하고,
    상기 랭킹 데이터는
    상품의 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터를 포함하고,
    상기 R&F 지수 산출부는
    상기 랭킹 데이터로부터 산출된 상품 랭킹 포인트, 브랜드 랭킹 포인트, 검색 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 상기 제품 온톨로지 R&F 지수를 산출하고,
    상기 상품 랭킹 포인트, 상기 브랜드 랭킹 포인트, 상기 검색 랭킹 포인트는 하기의 식 1에 의해 산출되는 패션 트렌드 분석 장치.
    <식 1>

    상품 랭킹 포인트 = -상품 순위 + 105
    브랜드 랭킹 포인트 = -5 x 브랜드 순위 + 105
    검색어 랭킹 포인트 = -5 x 검색어 순위 + 105
  9. 삭제
  10. 온라인 쇼핑 플랫폼에 표시된 상품의 상품명, 리뷰 데이터 및 랭킹 데이터를 포함하는 비정형 데이터로부터 패션 트렌드를 분석하는 장치에 있어서,
    상기 리뷰 데이터에 대하여 적어도 하나의 형태소 단위의 리뷰 키워드를 추출 하고, 상기 상품의 상품명에 대하여 적어도 하나의 형태소 단위의 상품 키워드를 추출하는 키워드 추출부;
    상기 리뷰 키워드 각각에 대하여 복수의 리뷰 카테고리 중 어느 하나로 분류하고, 상기 상품 키워드 각각에 대하여 복수의 상품 카테고리 중 어느 하나로 분류하고, 상기 리뷰 카테고리 및 상기 상품 카테고리에 기초하여 감성 온톨로지 R&F(Rise & Fall) 지수를 각각 산출하는 R&F 지수 산출부;
    상기 상품명의 개수 및 상기 리뷰 데이터의 개수에 기초하여 P/R 인덱스를 산출하는 P/R 인덱스 산출부; 및
    상기 감성 온톨로지 R&F 지수 및 상기 P/R 인덱스에 기초하여 상기 카테고리를 패션 트렌드 사분면에 표시하는 표시부를 포함하고,
    상기 랭킹 데이터는
    상품의 상품 랭킹 데이터, 브랜드 랭킹 데이터 및 검색 랭킹 데이터를 포함하고,
    상기 R&F 지수 산출부는
    상기 랭킹 데이터로부터 산출된 상품 랭킹 포인트, 브랜드 랭킹 포인트, 검색 랭킹 포인트를 모두 더한 카테고리 랭킹 포인트를 표준화하여 상기 제품 온톨로지 R&F 지수를 산출하고,
    상기 상품 랭킹 포인트, 상기 브랜드 랭킹 포인트, 상기 검색 랭킹 포인트는 하기의 식 1에 의해 산출되고,
    상기 R&F지수 산출부는
    상기 리뷰 카테고리의 중요도를 수치화한 TF-IDF를 하기의 식 2 내지 식 4를 통해 산출하고, 산출된 TF-IDF를 표준화하여 상기 감성 온톨로지 R&F 지수를 산출하는 패션 트렌드 분석 장치.

    <식 1>
    상품 랭킹 포인트 = -상품 순위 + 105
    브랜드 랭킹 포인트 = -5 x 브랜드 순위 + 105
    검색어 랭킹 포인트 = -5 x 검색어 순위 + 105

    <식 2>

    Figure 112022045051159-pat00014

    <식 3>
    Figure 112022045051159-pat00015

    <식 4>
    Figure 112022045051159-pat00016

    여기서, t는 리뷰 키워드, d는 1개의 리뷰 카테고리, D는 전체 리뷰 카테고리, f(t,d)는 d에 t가 나오는 빈도수, IDF(t,D)에서 분자는 전체 리뷰 카테고리의 개수, 분모는 t가 들어있는 리뷰 카테고리의 개수를 의미한다.


KR1020210069922A 2021-05-31 2021-05-31 패션 트렌드 분석 장치 및 방법 KR102448071B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210069922A KR102448071B1 (ko) 2021-05-31 2021-05-31 패션 트렌드 분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210069922A KR102448071B1 (ko) 2021-05-31 2021-05-31 패션 트렌드 분석 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102448071B1 true KR102448071B1 (ko) 2022-09-29

Family

ID=83462170

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210069922A KR102448071B1 (ko) 2021-05-31 2021-05-31 패션 트렌드 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102448071B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101745901B1 (ko) * 2015-02-27 2017-06-12 박정호 트렌드 예고 및 마감식 쇼핑몰 운영서버
KR20180078022A (ko) * 2016-12-29 2018-07-09 (주) 더아이엠씨 패션 분야의 트렌드 분석방법 및 이를 포함하는 저장매체
KR102190897B1 (ko) * 2019-09-19 2020-12-15 (주)어반유니온 빅데이터기반 패션 트렌드 분석방법 및 장치
KR102252188B1 (ko) * 2019-05-20 2021-05-13 배재대학교 산학협력단 사용자 구매 기준을 반영한 상품 추천 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101745901B1 (ko) * 2015-02-27 2017-06-12 박정호 트렌드 예고 및 마감식 쇼핑몰 운영서버
KR20180078022A (ko) * 2016-12-29 2018-07-09 (주) 더아이엠씨 패션 분야의 트렌드 분석방법 및 이를 포함하는 저장매체
KR102252188B1 (ko) * 2019-05-20 2021-05-13 배재대학교 산학협력단 사용자 구매 기준을 반영한 상품 추천 시스템 및 방법
KR102190897B1 (ko) * 2019-09-19 2020-12-15 (주)어반유니온 빅데이터기반 패션 트렌드 분석방법 및 장치

Similar Documents

Publication Publication Date Title
US10747826B2 (en) Interactive clothes searching in online stores
WO2022022002A1 (zh) 一种信息展示方法、信息搜索方法及装置
JP6825141B2 (ja) 服飾コーディネーションの推薦方法および装置、電子デバイス、記憶媒体
US20200342320A1 (en) Non-binary gender filter
US20190318407A1 (en) Method for product search using the user-weighted, attribute-based, sort-ordering and system thereof
KR102317432B1 (ko) 이미지 및 텍스트 통합분석에 기반한 패션 트렌드 예측방법, 장치 및 프로그램
CN107077486A (zh) 情感评价***和方法
JP6033697B2 (ja) 画像評価装置
JP6529133B2 (ja) 複数地域でのトピックの評価を分析する装置、プログラム及び方法
CN113039539A (zh) 使用ai模型推荐来扩展搜索引擎能力
CN110543484A (zh) 提示词的推荐方法及装置、存储介质和处理器
JP2024045510A (ja) 情報処理装置、情報処理方法、およびプログラム
CN112434173B (zh) 搜索内容输出方法、装置、计算机设备及可读存储介质
JP3583631B2 (ja) 情報マイニング方法、情報マイニング装置、および情報マイニングプログラムを記録したコンピュータ読み取り可能な記録媒体
KR102448071B1 (ko) 패션 트렌드 분석 장치 및 방법
US20220100792A1 (en) Method, device, and program for retrieving image data by using deep learning algorithm
JP6960553B2 (ja) ブランド辞書作成装置、商品等評価装置、ブランド辞書作成方法及びプログラム
CN112307298B (zh) 个人品牌标签的生成方法及其装置
CN115618126A (zh) 搜索处理方法、***、计算机可读存储介质及计算机设备
CN115270790A (zh) 一种基于大数据的样本标识方法、设备及介质
US20210312130A1 (en) Information processing device, information processing method, and computer program product
JP5844887B2 (ja) 通信ネットワークを通じたビデオ・コンテンツ検索のための支援
Sajjad et al. Underspecified query refinement via natural language question generation
CN110990710A (zh) 资源推荐方法及装置
CN116703530B (zh) 一种基于知识图谱的服装推荐***

Legal Events

Date Code Title Description
GRNT Written decision to grant