KR102556450B1 - 인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버 - Google Patents

인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버 Download PDF

Info

Publication number
KR102556450B1
KR102556450B1 KR1020210169404A KR20210169404A KR102556450B1 KR 102556450 B1 KR102556450 B1 KR 102556450B1 KR 1020210169404 A KR1020210169404 A KR 1020210169404A KR 20210169404 A KR20210169404 A KR 20210169404A KR 102556450 B1 KR102556450 B1 KR 102556450B1
Authority
KR
South Korea
Prior art keywords
wine
information
user
list
similar
Prior art date
Application number
KR1020210169404A
Other languages
English (en)
Other versions
KR20230081388A (ko
Inventor
채중규
Original Assignee
채중규
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 채중규 filed Critical 채중규
Priority to KR1020210169404A priority Critical patent/KR102556450B1/ko
Publication of KR20230081388A publication Critical patent/KR20230081388A/ko
Application granted granted Critical
Publication of KR102556450B1 publication Critical patent/KR102556450B1/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 개인의 취향을 고려한 와인 추천 서비스를 제공하는 기술에 관한 것이다. 본 발명에 따른 인공지능 기반의 맞춤형 와인 추천 방법은 선택된 타입에 따른 와인 검색 정보를 입력 받는 단계; 상기 와인 검색 정보로부터 와인 특징 정보를 추출하는 단계; 타입별 미리 학습된 규칙(Rule)에 따라 상기 와인 특징 정보에 대응하는 유사 와인 리스트를 추출하는 단계; 상기 추출된 유사 와인 리스트에 대한 제1 가중치를 부여하여 과거 와인 검색 정보에 따른 와인 추천 리스트를 업데이트 하는 단계; 및 상기 업데이트된 와인 추천 리스트를 제공하는 단계를 포함하고, 상기 와인 리스트에 부여되는 제1 가중치는 사용자별 검색 패턴에 따라 학습되는 것이 바람직하다. 본 발명에 따르면 사용자가 와인을 구매하거나 본인 취향의 와인 정보를 얻고자 할 때 사용자의 취향에 맞는 최적의 추천 와인 정보를 빠른 시간 안에 제공함으로써 사용자의 시간과 비용을 크게 줄일 수 있는 장점이 있다.

Description

인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버{Customized wine recommendation method based on artificial intelligence and operating server for the method}
본 발명은 개인의 취향을 고려한 와인 추천 서비스를 제공하는 기술에 관한 것이다.
와인에 관련된 지식을 충분히 갖추지 못한 와인 구매자가 와인을 구매할 때 와인 선택에 있어서 많은 어려움을 겪는다. 와인의 생산국, 생산자, 품종, 양조 방법 등 다양한 요소에 의해서 와인의 맛에 차이가 나기 때문에 수많은 와인 들 중에서 본인의 취향에 맞는 와인을 선택하는 것이 어렵다.
그래서 구매자는 본인의 취향을 고려하기 보다 유명한 와인을 선택하거나 와인을 잘 아는 지인 또는 전문가의 의견에 의존하여 와인을 선택하는 경우가 많다. 이런 기존의 와인 선택 방법은 구매자의 취향이 고려되지 않았기 때문에 구매자가 원하지 않는 와인을 구매할 가능성이 크다.
그리고 와인의 지식을 가지고 있는 와인 애호가라고 하더라도 새로운 와인을 접했을 때에는 본인의 취향의 와인인지 확신하기가 어려우므로 나의 취향과 맞지 않는 와인을 구매할 가능성이 있다. 따라서 본인의 취향에 맞는 와인을 찾기 위해서는 추가적으로 많은 시간과 비용을 지불해야 하는 문제점이 있다.
이와 관련하여, 선행문헌(한국공개특허공보 10-2019-0113110 (2019.10.08))은 와인이 갖는 각각의 특성들에 대해 개별로 점수를 부여하고, 이에 대한 사용자의 취향에 따른 점수를 매겨, 사용자의 취향에 부합하는 맞춤형 와인에 대한 추천 방안을 제시하고 있다.
본 발명은 와인 구매자의 취향이 반영되지 못한 종래의 와인 선정 방법을 해결하기 위해서 가중치를 이용한 인공 지능 기반의 와인 추천 서비스를 제공하는 데 그 목적이 있다.
또한 본 발명은 와인 구매자의 검색 타입이나 패턴에 기반한 사용자의 목적에 맞춘 와인 리스트를 제공해 주는 방법을 제안하는데 그 목적이 있다.
상기와 같은 목적을 달성하기 위하여 본 발명에 따른 인공지능 기반의 맞춤형 와인 추천 방법은 선택된 타입에 따른 와인 검색 정보를 입력 받는 단계; 상기 와인 검색 정보로부터 와인 특징 정보를 추출하는 단계; 타입별 미리 학습된 규칙(Rule)에 따라 상기 와인 특징 정보에 대응하는 유사 와인 리스트를 추출하는 단계; 상기 추출된 유사 와인 리스트에 대한 제1 가중치를 부여하여 과거 와인 검색 정보에 따른 와인 추천 리스트를 업데이트 하는 단계; 및 상기 업데이트된 와인 추천 리스트를 제공하는 단계를 포함하고, 상기 와인 리스트에 부여되는 제1 가중치는 사용자별 검색 패턴에 따라 학습되는 것이 바람직하다.
상기 와인 특징 정보는 와인 별 생산 특징 및 테이스팅 특징을 벡터화한 정보로서, 상기 유사 와인 리스트를 추출하는 단계는 상기 와인 특징 정보 간 유사도를 기준으로 와인리스트를 추출하는 것이 바람직하다.
상기 타입은 사용자의 와인 검색의 목적을 정의하는 것으로, 와인 검색, 리뷰 작성, 관심 등록 중 적어도 하나를 포함하는 것이 바람직하다.
상기 학습된 규칙은 상기 와인 특징 정보 내 항목 별 중요도를 정의하는 제2 가중치에 따른 유사도를 산출하는 것이 바람직하다.
상기 제1 가중치는 상기 타입에 따라 차등 결정되되, 상기 사용자별 검색 패턴에 따라 갱신되는 것이 바람직하다.
상기 와인 추천 리스트 중 일 와인의 선택에 따른 구매 링크를 제공하는 단계를 포함하고, 상기 선택된 와인의 정보와 상기 와인 추천 리스트 내 순위를 비교하여 제1 가중치를, 상기 유사 와인 리스트와 비교하여 제2 가중치를 갱신하는 것이 바람직하다.
상기 리뷰 작성을 위해 상기 와인 검색 정보가 입력된 경우, 상기 리뷰 정보를 이용하여 상기 제2 가중치를 갱신하는 것이 바람직하다.
상기와 같은 목적을 달성하기 위하여 본 발명에 따른 인공지능 기반의 맞춤형 와인 추천 서버는 선택된 타입에 따른 와인 검색 정보를 입력 받는 사용자 입력부; 상기 와인 검색 정보로부터 와인 특징 정보를 추출하는 특징 추출부; 타입별 미리 학습된 규칙(Rule)에 따라 상기 와인 특징 정보에 대응하는 유사 와인 리스트를 추출하는 유사 와인 추출부; 상기 추출된 유사 와인 리스트에 대한 제1 가중치를 부여하여 과거 와인 검색 정보에 따른 와인 추천 리스트를 업데이트 하는 추천 와인 업데이트부; 및 상기 업데이트된 와인 추천 리스트를 제공하는 추천 와인 제공부를 포함하고, 상기 와인 리스트에 부여되는 제1 가중치는 사용자별 검색 패턴에 따라 학습되는 것이 바람직하다.
본 발명에 따르면 사용자가 와인을 구매하거나 본인 취향의 와인 정보를 얻고자 할 때 사용자의 취향에 맞는 최적의 추천 와인 정보를 빠른 시간 안에 제공함으로써 사용자의 시간과 비용을 크게 줄일 수 있는 장점이 있다.
또한, 본 발명은 사용자의 목적으로 구매, 리뷰, 단순 검색 등에 따라 추천 정보를 제공함으로써 실질적인 사용자의 내재된 의도에 맞춘 와인 추천 서비스를 제공해 줄 수 있다.
또한, 본 발명은 학습된 가중치 기반의 와인 리스트에 대한 사용자의 피드백을 반영하여 가중치들을 재학습 시킴으로써 지속적인 사용자의 취향 및 취향의 변화에 적응적인 서비스를 제공해 줄 수 있다.
도 1은 본 발명의 일 실시예에 따른 와인 추천 서비스를 제공하는 시스템 구성을 예시하는 도이다.
도 2는 본 발명의 일 실시예에 따른 와인 추천 서비스를 제공하는 프로세스를 예시하는 도이다.
도 3는 본 발명의 일 실시예에 따른 데이터베이스의 특징 정보 추출 예를 예시하는 도이다.
도 4를 본 발명의 일 실시예에 따른 정규화된 와인 특징 정보를 예시하는 도이다.
도 5는 본 발명의 일 실시예에 따른 유사 와인의 추출 예를 나타내는 도이다.
도 6은 본 발명의 일 실시예에 따른 다른 와인 추천 모델의 구성을 나타내는 도이다.
도 7은 도 6에 따른 와인 추천 모델의 갱신 과정을 예시하는 도이다.
도 8은 본 발명의 일 실시예에 따른 와인 추천 예를 나타내는 도이다.
도 9는 본 발명의 일 실시예에 따른 와인 추천 서비스 제공 서버의 구성을 예시하는 도이다.
이하의 내용은 단지 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시 되지 않았지만 발명의 원리를 구현하고 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시 예들은 원칙적으로, 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이외같이 특별히 열거된 실시 예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.
또한, 발명을 설명함에 있어서 발명과 관련된 공지 기술에 대한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하에는 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예에 대해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 와인 추천 서비스를 제공하는 시스템의 개요도이다.
본 발명에 따른 시스템은 사용자와 추천 와인 정보를 제공하는 서버(100)로 구성될 수 있으며 서버(100)는 내부의 데이터베이스에 와인 정보들을 관리하거나 또는 외부의 데이터베이스로부터 추출하는 것도 가능하다.
사용자는 사용자 단말 예를 들어 스마트 폰, 태블릿과 같은 휴대용 단말기(200)를 통해서 와인 정보 검색, 와인 리뷰 작성, 관심 와인 등록, 소장 와인 관리, 구매 관리 등 다양한 와인 관련 서비스를 서버(100)에 요청할 수 있다.
예를 들어 와인 정보 검색 서비스로 사용자가 특정 와인명을 입력하면 서버(100)는 해당 와인에 대한 사용자의 관심이 있는 것으로 파악하고 이와 관련된 유사 와인 정보를 함께 제공하여 사용자는 유행이나 브랜드에 의존하지 않고 자신의 취향에 적합한 와인 정보를 추가적으로 획득할 수 있다.
구체적으로 서버(100)는 내부의 룰 베이스 모델 및 신경망 모델을 이용하여 사용자의 입력에 따른 정보들을 벡터화하고 해당 정보들을 처리하여 추천 와인 정보를 리스트로 제공해 줄 수 있다.
또한 본 실시예에서 사용자는 서버(100)에서 제공하는 다양한 타입의 서비스를 선택하여 해당 목적에 맞는 와인 리스트를 추천받을 수 있으며, 서버(100)는 사용자가 선택한 타입에 내재된 사용자의 의도나 니즈를 파악하여 리스트로 제공하기 위해 신경망의 레이어 구조를 바탕으로 모델을 구축하고 각 레이어 내 가중치들을 사용자의 패턴에 따라 학습시킴으로써 커스토마이징 할 수 있다..
이하, 도 2를 참조하여 구체적인 서버(100)의 프로세스에 대하여 설명한다.
먼저, 선택된 타입에 따른 와인 검색 정보를 입력 받는다(S100).
사용자는 와인 검색을 위해 와인 이름을 입력하거나, 자신 만의 와인 시음 노트, 와인 평점, 구매 정보 등을 입력함으로써 자신의 취향에 대한 정보들을 생성할 수 있다. 서버(100)는 이러한 사용자의 서비스 사용 패턴을 기반으로 사용자의 취향을 분석하여 최적의 와인을 추천하는 기술을 제안한다.
그 외 서버(100)는 구매 이력 등록, 소장 와인 등록 등의 다양한 와인 관련 서비스를 제공하며 이를 기초로 추천 와인 정보를 제공하는 것도 가능하다.
도 3을 참조하면, 사용자는 사용자 단말기(200)를 통해서 와인 검색(24)이라는 목적으로 와인의 이름을 직접 입력할 수 있다(22).
또는 와인의 이름 대신 와인의 일부 특징 빈티지나 품종, 생산지 등의 정보만을 입력하는 것도 가능하다.
또는 텍스트 기반이 아닌 카메라를 통해서 얻어진 와인 라벨이나 와인 이름이 기재된 텍스트가 포함된 이미지 또는 모바일에 이미 저장된 이미지로부터 이미지 인식 기술을 이용하여 원하는 와인을 입력하는 것도 가능하다.
본 실시예에서 사용자의 와인 검색 정보의 입력 방법은 텍스트, 이미지에 국한되지 않으며 바코드, QR 코드 등 다양한 형태의 입력 포맷을 포함한다.
서버(100)는 이에 기반한 와인 추천 서비스를 위하여 미리 와인의 정보를 수집하고 와인 특징 DB(150)로 운영 할 수 있다.
도 3을 참조하면, 수집되는 와인의 정보는 와인 생산자, 와인 생산국, 생산지역, 와인등급, 포도품종, 알코올 도수, 빈티지, 가격, 와인 고유 특성 (색, 아로마, 맛) 등 와인의 기본적인 정보 뿐만 아니라 사용자의 와인 평가 점수, 전문가 평가 점수, 와인 대회 점수 등 다양한 간접적인 와인 정보들도 와인의 정보에 포함될 수 있다.
와인 정보의 수집은 와인 서비스를 제공하는 서버(100)를 통해서 와인정보가 저장된 데이터베이스로부터 직접 획득하는 것 외에 웹 크롤링, 스크래핑 기술을 이용하여 웹 상의 정보를 수집할 수도 있다. 그 외 와인 판매자 등이 직접 제공하는 다양한 포맷의 와인 정보 파일로부터 수집할 수도 있다.
따라서, 서버(100)는 구축된 와인 특징 데이터베이스를 통해 와인 검색 정보에 대응하는 와인 특징 정보를 추출한다. 사용자가 입력한 검색 정보에 대응되는 와인을 이름으로 직접 검색하거나 입력된 특징을 토대로 매칭되는 와인을 검색할 수 있을 뿐만 아니라, 해당 와인에 대해 미리 수집된 다양한 정보들을 추출할 수 있다. 와인 리뷰 작성 서비스를 이용하는 경우에는 사용자가 직접 와인의 특성 (맛, 아로마), 와인 평가 점수와 같은 와인 평가 정보를 함께 제공할 수도 있다.
이어서, 서버(100)는 와인 검색 정보로부터 유사한 와인 정보를 획득하기 위하여 타입별 미리 학습된 규칙(Rule)에 따라 와인 특징 정보에 대응하는 유사 와인 리스트를 추출한다(S200).
본 실시예에서 유사 와인 리스트는 사용자가 와인을 검색하는 목적에 따른 타입으로 구분하여 획득될 수 있다.
예를 들어 도 3과 같이 사용자가 와인 명칭을 입력하고 와인 검색을 요청하는 경우와 리뷰 작성을 하는 경우 또는 관심 등록을 하는 경우에 따라 유사 와인을 추출하는 집합이 구분될 수 있으며, 따라서 와인 특징 DB는 전체 와인 특징 정보를 타입별로 클러스터링 하여 관리할 수 있다.
유사 와인 리스트를 추출하는 단계(S200)는 입력된 검색 정보에 대응되는 와인의 특징 정보를 토대로 유사한 와인들을 추출한다.
이를 위해 본 실시예에서는 와인 특징 DB 내 와인 특징 정보들을 벡터화하여 저장할 수 있다. 즉, 와인 특징 DB는 1차적으로 와인의 특징들을 수집된 정보들을 항목으로 정리하여 관리하나 처리를 위해서는 이를 수치화된 값으로 벡터화할 수 있다.
와인 특징 DB내 전체 와인의 특징(12)들을 미리 결정된 차원 내에 매핑할 수 있으며, 예를 들어 도 4와 같이 와인의 특징 들이 결정된 차원의 특징 공간 내에서 소정 범위의 값들을 갖도록 정규화(140)할 수 있다. 따라서 정규화된 값들은 서로 상대적인 특징을 수치적으로 기술하며 이를 이용하여 룰 베이스의 모델이나 신경망 모델의 입력으로 이용할 수 있도록 한다.
이때, 와인 특징 중 미리 수치화된 값들 중 일부는 그대로 이용될 수 있으며 예를 들어 탄닌, 당도, 산도, 바디감 등의 값들은 그대로 사용하되, 포도품종, 아로마와 같은 입력 값들은 원 핫 인코딩(One hot encoding)을 통해 벡터화될 수 있다.
구체적으로 유사 와인 리스트를 추출하는 단계(S200)는 상기 와인 특징 정보 간 유사도를 기준으로 와인리스트를 추출한다.
이에 대해서는 도 5와 6을 참조하여 설명한다.
먼저 도 5를 참조하면 사용자의 검색 정보에 따라 추출된 와인 특징 정보의 벡터 값을 기준으로 상술한 바와 같이 특징 공간 내에서 유사 와인 리스트들을 추출할 수 있다.
예를 들어 “1865 Selected Vineyard cabernet sauvignon 2018”에 대한 벡터와 거리를 통해 유사 와인들을 추출할 수 있으며 예를 들어 와인 B를 유사 와인으로 판단할 수 있다. 또한 와인 A는 와인 C에 비해 더 유사한 것으로 순서화되어 리스트로 표현될 수 있으며, 와인 D는 거리 뿐만 아니라 차원 내 평면이 상이하므로 유사 와인 리스트에서 제외될 수 있으며 와인의 특성상 벡터 내 공간을 우선하여 유사 여부를 판단할 수 있다.
도 6을 참조하면, 유사 와인의 추출은 타입 별로 구분된 유사군 그룹(55)에서 수행될 수 있다. 먼저 제1 타입 와인 검색의 경우 유사군 그룹 1내 유사 와인 리스트를 추출할 수 있다.
또한, 본 실시예에서는 사용자의 타입에 종속하지 않고, 해당 검색 정보를 이용하여 다른 타입에 따른 유사 와인 리스트를 함께 추출하여 다양성을 확보할 수 있다. 즉, “1865 Selected Vineyard cabernet sauvignon 2018” 검색 정보에 대하여 리뷰 작성에 대한 유사군 그룹 2내 유사 와인 리스트를 추출할 수 있다.
이를 위해 본 실시예에서 와인 특징 DB는 와인 검색과 리뷰 작성을 위한 유사군 그룹은 구분하여 운영할 수 있으며, 바람직하게는 유사군 그룹 내에서 와인들의 특징 벡터들에 대하여 상이한 가중치(54)가 부여될 수 있다. 즉, 와인 특징 정보 내 항목 별 중요도를 정의하는 가중치가 검색 타입에 따라 결정될 수 있으며, 이를 통해 서버(100)는 동일한 검색 정보로부터 다양한 유사 와인 리스트들이 추출될 수 있다.
이와 같이 추가적인 타입으로 관심 등록에 해당하는 유사군 그룹 3로부터 유사 와인 리스트를 추출하는 것도 가능하다.
다음, 추출된 유사 와인 리스트에 대한 제1 가중치(52)를 부여하여 과거 와인 검색 정보에 따른 와인 추천 리스트를 업데이트 한다(S300).
본 발명은 사용자 취향의 와인 특성을 업데이트한다. 구체적으로 사용자의 취향에 맞는 추천 와인의 신뢰도를 높이기 위해서 사용자의 과거 서비스 사용 패턴에 따라 부여된 가중치가 사용될 수 있으며 서비스 이용에 따라서 가중치는 갱신된다. 갱신된 가중치가 유사 와인 리스트 각각에 부여됨으로써 최종 추천 와인 리스트가 업데이트 되도록 한다.
일반적으로 사용자들이 이용하는 와인 서비스 플랫폼이 제공하는 서비스를 일률적으로 정의하기는 어렵다.
일부 사용자는 와인 리뷰 서비스를 다른 서비스 대비 많이 사용할 수 있으며 또 다른 사용자는 와인 정보 검색 서비스를 많이 사용할 수 있다. 이런 경우, 와인 리뷰와 같이 한 가지 서비스 이용 정보만을 기반으로 추천 와인을 선정할 경우에는 사용자에 따라 입력되는 정보의 차이가 발생할 수 있으며 이는 추천 서비스의 신뢰도를 떨어뜨린다.
본 실시예에서는 이를 보완하기 위해서 각 서비스로부터 사용자 취향의 와인 정보를 수집하고 사용자의 서비스 사용 패턴인 사용 빈도수에 따라서 서비스의 가중치를 부여하고 각 서비스로부터 수집된 와인 취향 정보에 가중치로 반영한다.
가중치를 업데이트하기 위해서 이용 빈도수가 증가할 때 마다 업데이트를 할 수도 있지만 특정 서비스 사용 횟수와 같이 임계치를 설정하고 임계치를 넘었을 때 가중치를 업데이트할 수도 있다. 또는 리뷰의 경우에는 사용 횟수 뿐만 아니라 특정 평가 점수를 임계치로 추가 설정하여 가중치를 업데이트 할 수도 있다.
사용자가 와인 정보 검색 서비스를 요청 시 다른 서비스 대비 가중치가 증가하게 되며 가중치가 업데이트된다. 따라서 추천 와인 리스트 도출시에 와인 정보 검색에서 입력된 와인의 정보는 증가한 가중치로 인해서 사용자의 와인 취향 정보에 더 큰 비중으로 반영된다.
즉, 제1 가중치는 타입에 따라 차등 결정되되, 상기 사용자별 검색 패턴에 따라 갱신될 수 있다.
또한, 추가적으로 본 실시예에서 추천 와인 리스트를 생성하는데 이용되는 가중치들은 사용자들의 피드백을 통하여 갱신되는 것도 가능하다.
도 7을 참조하면 서버(100)는 와인 추천 리스트 중 일 와인의 선택에 따른 구매 링크를 제공(56)하는 단계를 포함할 수 있으며 이에 대한 피드백을 내부 모델의 업데이트에 이용한다.
본 발명에서 최종적으로 제공되어지는 추천 와인 리스트는 기본적인 와인 정보 뿐만이 아니라 구매와 연결될 수 있게 추천 와인 판매자에 대한 정보나 구매 연결 서비스까지 연동되어서 제공될 수 있다.
구체적으로 추천 와인 리스트에 포함된 특정 와인의 구매 의사가 입력된 경우는 해당 추천 와인 리스트의 신뢰도가 증명된 것으로 판단하고 이를 판단 모델들의 가중치에 반영할 수 있다.
예를 들어, 선택된 와인의 정보와 상기 와인 추천 리스트 내 순위를 비교하여 제1 가중치를 갱신하다.
즉, 추천 와인 리스트 중에서 구매 의사가 표시된 와인의 순위가 상대적으로 낮은 순위인 경우에는 해당 순위의 원인이 된 유사군 그룹의 유사 와인 리스트 별 가중치를 갱신할 수 있다.
또한, 유사 와인 리스트를 생성하기 위해 와인의 특징 벡터 별 제2 가중치를 갱신하는 것도 가능하다. 이때는 제1 가중치의 변경 값을 역으로 전달하여 제2 가중치가 변경될 수 있도록 한다.
본 실시예에 따른 와인 추천을 위한 모델들의 가중치는 사용자의 패턴에 따라 가중치를 빈도로 반영하는 것 외에 실제 구매 등의 피드백을 반영하여 가중치를 추가로 학습하도록 한다.
또는 리뷰 작성을 위해 상기 와인 검색 정보가 입력된 경우, 실제 작성된 리뷰 정보를 이용하여 상기 제2 가중치를 갱신하는 것도 가능하다.
본 실시예에 따른 와인 추천 서비스는 룰 베이스와 신경망 기반의 두 가지 이상의 기술을 혼합해서 사용하는 하이브리드 모델을 이용하여 구현될 수 있다.
예를 들어 본 실시예에서 사용되는 인공지능 기반의 추천 모델은 추천 기술로 많이 사용되는 협업 필터링 (CF, Collaborative Filtering) 추천 기술, 지식 기반 필터링 (KB, Knowledge-based Filtering) 추천 기술, 행렬 요인화 (MF, Matrix Factorization) 기술, 딥러닝 (DL, Deep Learning) 기술로 구현될 수 있다. 추천 모델은 서버(100)에 설치되지만 사용자의 단말기(200) 또는 독립된 서버(100)에 설치될 수도 있다.
이상 서버(100)는 이상의 과정을 통해 업데이트된 와인 추천 리스트를 제공한다(S400). 이때 서버(100)는 가중치의 갱신을 갱신 전 가중치로 와인 추천 리스트를 제공한 이후 피드백에 따라 반영시키는 것도 가능하다.
이상 본 발명에 따르면 사용자의 취향 와인 데이터와 가중치를 이용하여 인공지능 기반의 추천 모델로부터 추천 와인 리스트를 도출하여 사용자에게 단말기(200)를 통해서 제공할 수 있다.
추천 와인 리스트 제공 시 와인 명칭 외에 추천 와인의 생산자, 생산지, 가격, 특성 정보 등의 와인정보도 함께 제공될 수 있다.
이때 제공되는 추천 와인 리스트는 도 8을 참조하면 순위(Rank)별로 제공되되, 순위 판단에 기초가된 정량적인 지표(Score)를 함께 제공해 줄 수 있다.
지표는 사용자의 취향과 추출된 와인의 특징 간의 유사도를 나타내는 것으로 해당 수치 정보를 제공함으로써 사용자는 순위와 함께 각 와인간의 편차들을 보다 구체적으로 인식한다.
또한, 사용자가 원하는 조건에 따라서 조건에 맞는 추천 와인 리스트가 제공 될 수도 있다. 추천 와인 리스트의 조건으로는 빈티지, 생산국가, 가격, 음식, 목적, 거리 등이 될 수 있다. 사용자가 설정한 조건이 있는 경우에는 이 조건에 부합하는 추천 와인들만 사용자에게 추천 와인 리스트로 제공될 수 있도록 한다.
예를 들어 사용자가 원하는 빈티지, 생산국가, 가격, 음식, 목적, 거리와 같은 조건에 따라서 프랑스 와인만 추천 되거나 가격이 3만원 이하의 와인만 추천되어질 수 있다. 사용자에게 제공되어지는 추천 와인 정보는 앞서 언급한 와인 정보 이외에 와인 판매자 정보 또는 구매를 위한 연결 서비스 링크 등의 정보도 제공될 수 있다.
이하, 도 9를 참조하여 본 실시예에 따른 서버(100)의 구성에 대하여 설명한다.
서버(100)는 선택된 타입에 따른 와인 검색 정보를 입력 받는 사용자 입력부(110)를 포함한다.
입력부(110)는 사용자는 사용자 단말기(200)를 통해서 와인의 이름을 직접 입력하고 이를 수신한다. 또는 텍스트 기반이 아닌 카메라를 통해서 얻어진 와인 라벨이나 와인 이름이 기재된 텍스트가 포함된 이미지 또는 모바일에 이미 저장된 이미지로부터 이미지 인식 기술을 이용하여 원하는 와인 정보를 입력 받는 것도 가능하다.
특징 추출부(120)는 와인 검색 정보로부터 와인 특징 정보를 추출한다.
특징 추출부(120)는 데이터베이스로부터 사용자가 입력한 검색 정보에 대응되는 와인에 대해 미리 수집된 다양한 정보들을 추출할 수 있다
또한, 특징 추출부(120)는 와인의 특징들을 미리 결정된 특징 공간 내에서 수치화된 값으로 벡터화할 수 있으며, 벡터화된 값을 와인 검색 정보에 따라 추출할 수 있다.
이어서, 유사 와인 추출부(130)는 타입별 미리 학습된 규칙에 따라 상기 와인 특징 정보에 대응하는 유사 와인 리스트를 추출한다.
구체적으로 특징 공간 내 유사한 와인들을 리스트로 추출하며 본 실시예에서는 검색 타입에 따른 가중치를 부여하여 유사군 그룹 내에서 유사 와인 리스트들을 거리에 따라 추출할 수 있다.
다음, 추천 와인 업데이트 부(140)는 추출된 유사 와인 리스트에 대한 제1 가중치를 부여하여 과거 와인 검색 정보에 따른 와인 추천 리스트를 업데이트한다.
이어서, 추천 와인 제공부(150)는 상기 업데이트된 와인 추천 리스트를 제공한다.
이상 본 발명에 따르면 사용자가 와인을 구매하거나 본인 취향의 와인 정보를 얻고자 할 때 사용자의 취향에 맞는 최적의 추천 와인 정보를 빠른 시간 안에 제공함으로써 사용자의 시간과 비용을 크게 줄일 수 있는 장점이 있다.
또한, 본 발명은 사용자의 목적으로 구매, 리뷰, 단순 검색 등에 따라 추천 정보를 제공함으로써 실질적인 사용자의 내재된 의도에 맞춘 와인 추천 서비스를 제공해 줄 수 있다.
또한, 본 발명은 학습된 가중치 기반의 와인 리스트에 대한 사용자의 피드백을 반영하여 가중치들을 재학습 시킴으로써 지속적인 사용자의 취향 및 취향의 변화에 적응적인 서비스를 제공해 줄 수 있다.
나아가, 여기에 설명되는 다양한 실시예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.
하드웨어적인 구현에 의하면, 여기에 설명되는 실시예는 ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays, 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시예들이 제어 모듈 자체로 구현될 수 있다.
소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 메모리 모듈에 저장되고, 제어모듈에 의해 실행될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (16)

  1. 서버에서 수행되는 사용자 맞춤형 와인 추천 서비스 제공 방법에 있어서,
    선택된 타입에 따른 와인 검색 정보를 입력 받는 단계;
    상기 와인 검색 정보로부터 와인 특징 정보를 추출하는 단계;
    타입별 미리 학습된 규칙(Rule)에 따라 유사군 그룹 별 상기 와인 특징 정보에 대응하는 유사 와인 리스트를 추출하는 단계;
    상기 추출된 유사 와인 리스트에 대한 제1 가중치를 부여하여 과거 와인 검색 정보에 따른 와인 추천 리스트를 업데이트 하는 단계; 및
    상기 업데이트된 와인 추천 리스트를 제공하는 단계를 포함하고,
    상기 타입은 사용자의 와인 검색의 목적을 정의하는 것으로 와인 검색, 리뷰 작성 및, 관심 등록을 포함하고 상기 유사군 그룹은 상기 와인 검색에 대한 제1 유사군 그룹, 상기 리뷰 작성에 대한 제2 유사군 그룹, 및 상기 관심 등록에 대한 제3 유사군 그룹으로 구분되고,
    상기 학습된 규칙은 상기 와인 특징 정보 내 항목 별 중요도를 정의하는 제2 가중치에 따른 유사도를 산출하며,
    상기 와인 특징 정보는 와인 별 생산 특징 및 와인 고유 특성을 벡터화한 정보로서,
    상기 유사 와인 리스트를 추출하는 단계는 상기 와인 특징 정보 간 유사도를 기준으로 유사군 그룹 별 와인리스트를 추출하며,
    상기 와인 추천 리스트 중 구매 의사가 표시된 와인의 상기 유사 와인 추천 리스트 내 순위를 비교하여 상기 추출된 유사 와인 리스트에 대한 제1 가중치를 갱신하고, 갱신된 제1 가중치를 역으로 전달하여 상기 와인 특징 정보 내 항목 별 중요도를 정의하는 제2 가중치를 갱신하는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 타입은 사용자의 와인 검색의 목적을 정의하는 것으로,
    와인 검색, 리뷰 작성, 관심 등록, 구매 이력 등록, 소장 와인 등록 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 방법.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 제1 가중치는 상기 타입에 따라 차등 결정되되, 사용자별 검색 패턴에 따라 갱신되는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 방법.
  6. 제 1 항에 있어서,
    상기 와인 추천 리스트 중 일 와인의 선택에 따른 구매 링크를 제공하는 단계를 포함하고,
    상기 선택된 와인의 정보와 상기 와인 추천 리스트 내 순위를 비교하여 제1 가중치를, 상기 유사 와인 리스트와 비교하여 제2 가중치를 갱신하는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 방법.
  7. 제 6 항에 있어서,
    상기 리뷰 작성을 위해 상기 와인 검색 정보가 입력된 경우,
    작성된 리뷰 정보를 이용하여 상기 제2 가중치를 갱신하는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 방법.
  8. 선택된 타입에 따른 와인 검색 정보를 입력 받는 사용자 입력부;
    상기 와인 검색 정보로부터 와인 특징 정보를 추출하는 특징 추출부;
    타입별 미리 학습된 규칙(Rule)에 따라 유사군 그룹별 상기 와인 특징 정보에 대응하는 유사 와인 리스트를 추출하는 유사 와인 추출부;
    상기 추출된 유사 와인 리스트에 대한 제1 가중치를 부여하여 과거 와인 검색 정보에 따른 와인 추천 리스트를 업데이트 하는 추천 와인 업데이트부; 및
    상기 업데이트된 와인 추천 리스트를 제공하는 추천 와인 제공부를 포함하고,
    상기 타입은 사용자의 와인 검색의 목적을 정의하는 것으로 와인 검색, 리뷰 작성 및, 관심 등록을 포함하고 상기 유사군 그룹은 상기 와인 검색에 대한 제1 유사군 그룹, 상기 리뷰 작성에 대한 제2 유사군 그룹, 및 상기 관심 등록에 대한 제3 유사군 그룹으로 구분되고,
    상기 학습된 규칙은 상기 와인 특징 정보 내 항목 별 중요도를 정의하는 제2 가중치에 따른 유사도를 산출하며,
    상기 와인 특징 정보는 와인 별 생산 특징 및 와인 고유 특성을 벡터화한 정보로서,
    상기 유사 와인 추출부는 상기 와인 특징 정보 간 유사도를 기준으로 유사군 그룹 별 와인리스트를 추출하며,
    상기 와인 추천 리스트 중 구매 의사가 표시된 와인의 상기 유사 와인 추천 리스트 내 순위를 비교하여 상기 추출된 유사 와인 리스트에 대한 제1 가중치를 갱신하고, 갱신된 제1 가중치를 역으로 전달하여 상기 와인 특징 정보 내 항목 별 중요도를 정의하는 제2 가중치를 갱신하는 것을 특징으로 하는 인공지능 기반의 사용자 맞춤형 와인 추천 서비스 제공 서버.
  9. 삭제
  10. 제 8 항에 있어서,
    상기 타입은 사용자의 와인 검색의 목적을 정의하는 것으로,
    와인 검색, 리뷰 작성, 관심 등록, 구매 이력 등록, 소장 와인 등록 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 서버.
  11. 삭제
  12. 제 8 항에 있어서,
    상기 제1 가중치는 상기 타입에 따라 차등 결정되되, 사용자별 검색 패턴에 따라 갱신되는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 서버.
  13. 제 8 항에 있어서,
    상기 와인 추천 리스트 중 일 와인의 선택에 따른 구매 링크를 제공하는 구매링크 제공부를 포함하고,
    상기 선택된 와인의 정보와 상기 와인 추천 리스트 내 순위를 비교하여 제1 가중치를, 상기 유사 와인 리스트와 비교하여 제2 가중치를 갱신하는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 서버.
  14. 제 8 항에 있어서,
    상기 리뷰 작성을 위해 상기 와인 검색 정보가 입력된 경우,
    작성된 리뷰 정보를 이용하여 상기 제2 가중치를 갱신하는 것을 특징으로 하는 사용자 맞춤형 와인 추천 서비스 제공 서버.
  15. 제 1 항에 따른 사용자 맞춤형 와인 추천 서비스 제공 방법을 수행하는 프로그램이 저장된 컴퓨터 상에서 판독 가능한 기록 매체.
  16. 제 1 항에 따른 사용자 맞춤형 와인 추천 서비스 제공 방법을 수행하는 컴퓨터 상에서 판독 가능한 기록 매체에 저장된 프로그램.
KR1020210169404A 2021-11-30 2021-11-30 인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버 KR102556450B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210169404A KR102556450B1 (ko) 2021-11-30 2021-11-30 인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210169404A KR102556450B1 (ko) 2021-11-30 2021-11-30 인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버

Publications (2)

Publication Number Publication Date
KR20230081388A KR20230081388A (ko) 2023-06-07
KR102556450B1 true KR102556450B1 (ko) 2023-07-17

Family

ID=86761465

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210169404A KR102556450B1 (ko) 2021-11-30 2021-11-30 인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버

Country Status (1)

Country Link
KR (1) KR102556450B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102655566B1 (ko) * 2023-10-17 2024-04-08 블링커스 주식회사 와인 소비 이력 인증 기반 와인 정보 공유 플랫폼 제공 서버 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101843987B1 (ko) * 2017-02-28 2018-03-30 주식회사 와인그래프 와인 정보 서비스 서버, 와인 정보 서비스 단말, 및 서버와 단말의 와인 추천 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201801228D0 (en) * 2018-01-25 2018-03-14 Ocado Innovation Ltd Recommendation system and method
KR102087824B1 (ko) * 2018-03-27 2020-04-23 주식회사 와인그래프 취향 분석 알고리즘을 이용한 와인추천 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101843987B1 (ko) * 2017-02-28 2018-03-30 주식회사 와인그래프 와인 정보 서비스 서버, 와인 정보 서비스 단말, 및 서버와 단말의 와인 추천 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102655566B1 (ko) * 2023-10-17 2024-04-08 블링커스 주식회사 와인 소비 이력 인증 기반 와인 정보 공유 플랫폼 제공 서버 및 방법

Also Published As

Publication number Publication date
KR20230081388A (ko) 2023-06-07

Similar Documents

Publication Publication Date Title
Karn et al. RETRACTED ARTICLE: Customer centric hybrid recommendation system for E-Commerce applications by integrating hybrid sentiment analysis
CN111898031B (zh) 一种获得用户画像的方法及装置
CN111460130A (zh) 信息推荐方法、装置、设备和可读存储介质
CN109255586B (zh) 一种面向电子政务办事的在线个性化推荐方法
CN108776922A (zh) 基于大数据的理财产品推荐方法及装置
KR102227552B1 (ko) 상황인지 알고리즘 기반 리뷰 카테고리를 이용한 음식점 노출 개인화 서비스 제공 시스템
US11416565B2 (en) Techniques to leverage machine learning for search engine optimization
CN106445988A (zh) 一种大数据的智能处理方法和***
CN112818218B (zh) 信息推荐方法、装置、终端设备及计算机可读存储介质
KR101839932B1 (ko) 특허 상용화 서비스 제공 방법
WO2020098829A2 (en) Method and system for personalizing offers
CN112905739B (zh) 虚假评论检测模型训练方法、检测方法及电子设备
Artasanchez et al. Artificial Intelligence with Python: Your complete guide to building intelligent apps using Python 3. x
CN111582932A (zh) 场景间信息推送方法、装置、计算机设备及存储介质
CN111737544A (zh) 搜索意图识别方法、装置、电子设备和存储介质
KR102556450B1 (ko) 인공지능 기반의 맞춤형 와인 추천 방법 및 이를 수행하는 서버
CN114861050A (zh) 一种基于神经网络的特征融合推荐方法及***
US20150371289A1 (en) Method for providing integrated management service for creative products in cultural arts reflecting needs of requester
Latha et al. Product recommendation using enhanced convolutional neural network for e-commerce platform
CN115511582B (zh) 一种基于人工智能的商品推荐***及方法
CN116308641A (zh) 产品推荐方法、训练方法、装置、电子设备和介质
Chu et al. Deep graph embedding for ranking optimization in e-commerce
US11789983B2 (en) Enhanced data driven intelligent cloud advisor system
Mittal et al. Revolutionizing finance and travel with ai: impacting through machine learning models
Keya et al. Recurrent ALBERT for recommendation: A hybrid architecture for accurate and lightweight restaurant recommendations

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant