KR20160027263A - 사용자의 실시간 선호도를 반영한 추천 시스템 및 서버 - Google Patents

Abstract

본 발명은 추천 시스템 및 서버에 관한 것으로서, 보다 구체적으로는 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버에 관한 것이다.
본 발명은 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부; 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 하는 추천 시스템을 개시하는 효과를 갖는다.

Description

사용자의 실시간 선호도를 반영한 추천 시스템 및 서버{System and server reflecting user real-time preference}

본 발명은 추천 시스템 및 서버에 관한 것으로서, 보다 구체적으로는 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버에 관한 것이다.

정보통신 기술의 급격한 발전과 함께 다양한 정보를 활용한 여러 서비스가 이 시도되고 있다. 특히, 근래에 들어서는 온라인 쇼핑 등의 대중화와 함께 사용자 개개인의 선호도나 적합도를 고려하여 적절한 상품이나 서비스를 추천하는 기술이 발전되어 왔다. 예를 들어, 아마존이나 넷플릭스 등에서는 개인에 따라 적절한 상품이나 서비스를 추천하는 기술을 이용하여 상당한 상업적 성공을 거두고 있다.

종래 상용화된 추천 기술들은 다양한 기법을 사용하여 구현되었는데, 그 대표적인 예로서 협업 필터링(Collaborative Filtering, CF) 기법을 들 수 있다. 협업 필터링 기법은 다수 사용자들의 관심 정보를 바탕으로 추천할 대상을 선정하게 되는데, 이에 따라 협업 필터링 기법은 같은 종류의 상품에 관심을 보였던 사용자들은 향후에도 유사한 선호도 패턴을 보일 것이라는 가정에 기반하여 사용자에게 상품을 추천하게 된다.

그런데, 종래 추천 기술들은 통상적으로 사용자의 과거 상품 구매 이력 등으로부터 사용자의 과거 선호도를 산출하고 이를 기반으로 사용자에게 소정의 상품을 추천할 뿐, 사용자의 실시간 선호도를 파악하여 반영하지는 못한다는 한계를 가지고 있다. 예를 들어, 대한민국 공개특허 제 10-2009-0015240호(2009. 2. 12. 공개)에서도 복수의 컨텐츠 제공 서버로부터 사용자 정보와 사용자의 서비스 이용 정보를 전달받아 사용자의 선호도를 파악하게 되는바, 사용자의 과거 선호도에 기반한 컨텐츠 추천은 가능하겠으나, 사용자의 실시간 선호도를 반영하기에는 어려움이 따르게 된다.

그러나, 사용자가 소정의 상품을 구매하는 데에는 매우 다양한 요인이 작용할 수 있어, 사용자가 항상 과거 선호도에 따라 상품을 구매하게 된다고 보기는 어렵다. 예를 들어, 의류나 영화 등 상품의 종류에 따라서는 최신의 유행 흐름이나 사용자의 심리적 상태에 따라 상품 구매 패턴이 크게 달라질 수 있고, 또한 자신이 사용할 용도가 아니라 선물 등의 용도로 상품을 구매하는 경우에도 사용자의 과거 선호도와는 전혀 다른 구매 형태를 보일 수 있다.

또한, 사용자의 선호도 및 상품이 가지는 특성도 시간의 흐름에 따라 지속적으로 변화할 수 있으므로, 사용자에게 보다 적절한 상품을 추천하기 위해서는 상기 사용자의 선호도와 상품이 가지는 특성 데이터도 지속적으로 갱신되는 것이 바람직하므로, 이를 효과적으로 수행할 수 있는 방안도 필요하게 된다.

이에 따라, 사용자의 과거 선호도 만을 고려하는 데 그치지 않고, 사용자의 실시간 선호도를 파악하고 이를 반영하여 소정의 아이템을 추천할 수 있고, 사용자의 선호도 및 상품의 특성 데이터도 지속적으로 갱신될 수 있는 추천 시스템 및 서버가 요구되고 있으나, 이에 대한 적절한 해결책이 아직 제시되지 못하고 있는 실정이다.

본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위해 창안된 것으로, 사용자의 실시간 선호도를 파악한 후, 이를 반영하여 아이템을 추천할 수 있는 추천 시스템 및 서버를 제공하는 것을 목적으로 한다.

또한, 본 발명은 사용자의 선호도와 상품이 가지는 특성 데이터가 효과적으로 갱신되어 정확성을 높일 수 있는 추천 시스템 및 서버를 제공하는 것을 목적으로 한다.

상기한 과제를 해결하기 위한 본 발명의 한 측면에 따른 추천 시스템은 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부; 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 한다.

여기서, 소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부를 더 포함하며, 이때, 상기 추천 아이템 산정부는, 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정할 수 있다.

또한, 상기 아이템의 특성은 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현될 수 있다.

또한, 상기 사용자의 단기 선호도 및 사용자의 장기 선호도는, 각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현될 수 있다.

또한, 상기 아이템-사용자 반응 수집부는, 상기 제 1시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 단기 반응 테이블과, 상기 제2 시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 장기 반응 테이블을 생성하거나 갱신할 수 있다.

또한, 상기 사용자 단기 선호도 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신될 수 있다.

또한, 상기 사용자 장기 선호도 테이블은 상기 아이템-사용자 장기 반응 테이블을 이용하여 갱신될 수 있다.

또한, 각 아이템에 대한 아이템 특성 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되며, 상기 아이템 특성 테이블은 각 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성될 수 있다.

또한, 상기 추천 아이템 산정부는, 상기 사용자 단기 선호도 테이블과 상기 사용자 장기 선호도 테이블의 유사도를 산출하여 소정의 기준치를 벗어나는 경우, 상기 사용자 단기 선호도 테이블과 상기 각 아이템에 대한 아이템 특성 테이블의 유사도를 산출한 후, 이를 고려하여 상기 사용자에게 추천할 아이템 또는 추천 순위를 산정할 수 있다.

본 발명의 다른 측면에 따른 추천 서버는 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 한다.

여기서, 상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은, 각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현될 수 있다.

또한, 상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 갱신될 수 있다.

본 발명에 따르면, 단기간 동안의 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 실시간 선호도를 고려하여 아이템을 추천하는 시스템 및 서버를 개시하는 효과를 갖는다.

또한, 본 발명에 따르면, 사용자에게 추천된 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 고려하여 사용자의 선호도와 아이템의 특성 데이터가 효과적으로 갱신되어 정확성을 높일 수 있는 추천 시스템 및 서버를 개시하는 효과를 갖는다.

또한, 본 발명에 따르면, 사용자에게는 사용자가 원하는 아이템을 보다 정확하게 제시하여 사용상의 편리함을 증진할 수 있고, 서비스 제공자에게는 사용자의 아이템에 대한 구매 확률을 높여주어 사업 성과를 극대화학 수 있는 추천 시스템 및 서버를 개시하는 효과를 갖는다.

본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 동작 설명도이다.
도 3은 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템의 상세한 동작 설명도이다.
도 4는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버 및 사용자 단말의 구성도이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이하에서는 특정 실시예들을 첨부된 도면을 기초로 상세히 설명하고자 한다.

본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 발명은, 종래 기술에 따른 추천 시스템의 경우 통상 사용자의 과거 선호도를 산출하고 이를 기반으로 사용자에게 소정의 상품 등 아이템을 추천하는데 그치고, 사용자의 실시간 선호도를 반영하지 못한다는 문제가 있으며, 또한 사용자의 선호도와 상품이 가지는 특성 데이터를 효과적으로 갱신하면서 정확성을 높임으로써 사용자에게 보다 정확한 아이템을 추천할 수 있어야 한다는 문제점에 착안하여, 단기간 동안 추천받은 상품 등 아이템에 대한 사용자의 반응 행태로부터 사용자의 실시간 선호도를 산출한 후, 장기간 동안의 상기 사용자의 반응 행태로부터 산출한 장기 선호도와 비교하여 소정의 기준치에 미치지 못하는 경우, 상기 사용자에게 실시간 선호도를 고려하여 소정의 아이템을 추천하는 시스템 및 서버를 개시하는 것을 특징으로 한다.

이하에서는, 본 발명에 따른 실시간 선호도를 반영한 추천 시스템 및 서버의 예시적인 실시 형태들을 첨부된 도면을 참조하여 상세히 설명한다.

먼저 도 1에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 구성도를 도시하고 있다. 도 1에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부(110), 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부(120), 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부(130), 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부(140)를 포함하여 구성될 수 있으며, 상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 한다.

또한, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부(150)를 더 포함하여 구성될 수 있으며, 이때, 상기 추천 아이템 산정부(140)는, 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정하게 된다.

이하에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)을 각 구성 부분별로 나누어 자세하게 검토한다.

먼저, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부(110)에 대하여 살핀다. 본 발명의 일 실시예로서, 상기 아이템-사용자 반응 수집부(110)에서는 온라인 사이트 등을 이용하는 사용자의 단말에 상품이나 서비스 등 소정의 아이템을 제시하고, 상기 제시된 아이템에 대한 사용자의 반응 행동들을 수집하게 된다. 예를 들어, 사용자에게 관심이 있는 상품이 제시되는 경우에는 사용자가 상기 상품의 설명 페이지를 자세하게 살펴보거나, 장바구니에 넣는 등 긍정적인 반응을 보일 수 있으며, 특히 상기 상품을 구매하는 것은 사용자의 선호도를 긍정할 수 있는 중요한 반응 행동이라고 할 수 있다. 반면, 사용자가 제시된 상품에 관심이 없는 경우에는 빠른 스크롤로 지나치거나 이전 페이지로 돌아가는 등의 행동을 보일 것이다. 이를 이용하여, 제시되는 소정의 상품이나 서비스 등 아이템에 대한 사용자의 반응 행동 데이터를 수집하여 이를 분석함으로써, 사용자의 취향 내지는 선호도를 파악할 수 있게 된다.

이어서, 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부(120)와 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부(130)에 대하여 살핀다.

먼저, 상기 장기 선호도 산출부(130)에서는 제시된 상품 등 아이템에 대한 장기간 동안의 사용자의 반응 행동 데이터를 고려하여 각 사용자의 장기 선호도를 산출하게 된다. 상기 사용자에 대하여 장시간 동안 다양한 상품에 대한 반응 데이터를 축적함으로써, 상기 사용자에 대한 취향 내지는 선호도를 보다 정확하게 파악할 수 있게 된다.

구체적인 예로서, 사용자의 장기 선호도를 산출함에 있어 각 사용자가 소정의 온라인 쇼핑몰에 가입하는 시점부터 시작하여 상기 사용자에게 제시되는 상품 등 아이템에 대한 사용자의 반응을 지속적으로 수집하여 각 사용자의 장기 선호도를 산출할 수 있으며, 또는 소정의 기간, 예를 들어 최근 1년간의 사용자의 반응을 수집하여 각 사용자의 장기 선호도를 산출함으로써, 사용자의 최근 선호도에 중점을 두어 장기 선호도를 산출할 수도 있다.

이렇게 산출되는 각 사용자의 장기 선호도는 사용자의 기본적인 취향 내지 선호도를 나타내게 되는 바, 통상의 경우 각 사용자의 장기 선호도를 바탕으로 소정의 아이템을 추천함으로써, 각 사용자에게 적합한 아이템을 제공할 수 있게 된다. 또한, 사용자에게 적합한 아이템을 제공함으로써, 각 사용자의 편의를 도모하고, 나아가 각 사용자의 구매 확률을 높일 수 있게 되는 바, 온라인 쇼핑몰 운영자 등 서비스 제공자에게는 비즈니스 성과도 개선할 수 있다는 장점을 가질 수 있다.

그런데, 사용자가 소정의 상품을 구매하는 데에는 매우 다양한 요인이 작용할 수 있어, 사용자가 항상 상기한 장기 선호도에 따라 상품을 구매하게 된다고 보기는 어렵다. 예를 들어, 의류나 영화 등 상품의 종류에 따라서는 최신의 유행 흐름이나 사용자의 심리적 상태에 따라 상품 구매 패턴이 크게 달라질 수 있고, 또한 자신이 사용할 용도가 아니라 선물 등의 용도로 상품을 구매하는 경우에도 사용자의 과거 선호도와는 전혀 다른 구매 형태를 보일 수 있다. 이러한 경우에는 상기 사용자에 대하여 단기간 동안의 취향 내지 선호도를 파악하여 이에 기반한 상품 등 아이템을 추천하는 것이 보다 바람직하게 된다.

이에 따라, 본 발명에 따른 단기 선호도 산출부(120)에서는 제시되는 아이템에 대한 단기간 동안의 사용자의 반응 행동 데이터를 고려하여 각 사용자의 단기 선호도를 산출하게 된다. 보다 구체적으로, 사용자가 소정의 온라인 쇼핑몰 사이트에 로그인한 시점부터 사용자의 반응 행동 데이터를 수집하고, 이로부터 각 사용자의 단기 선호도를 산출하거나, 또는 당일 내지는 수일 간의 시간에 대하여 각 사용자의 단기 선호도를 산출할 수도 있다.

상기와 같이 산출된 단기 선호도를 장기 선호도와 비교하여 그 차이가 소정의 기준치를 넘어서는 등 미리 정하여진 기준을 벗어나는 경우, 사용자의 장기 선호도가 아닌 사용자의 단기 선호도에 기반하여 아이템을 선정함으로써, 각 사용자의 실시간 취향 내지는 의사를 반영하여 아이템을 추천할 수 있게 된다.

보다 구체적으로는, 상기 단기 선호도와 장기 선호도의 차이가 소정의 기준치는 넘어서지만 그 차이가 크지 않을 경우에는 장기 선호도에 따른 아이템을 주로 추천하면서 단기 선호도에 따른 아이템을 일부 추천하는 방식도 가능하고, 상기 단기 선호도와 장기 선호도의 차이가 상당히 큰 경우에는 주로 단기 선호도에 따른 아이템을 추천하고, 장기 선호도에 따른 아이템을 일부 추천하는 방식도 가능하다. 그러나, 반드시 이에 한정되는 것은 아니며, 상품과 사용자의 특성 등에 따라 다양한 방식으로 구현하는 것이 가능하다.

다음으로, 추천 아이템 산정부(140)에서는 사용자에게 추천할 상품이나 서비스 등 아이템을 산정하게 된다. 앞서 언급한 바와 같이, 추천 아이템 산정부(140)에서는 통상의 경우 각 사용자의 장기 선호도에 따라 추천할 아이템을 산정하게 된다. 상기 장기 선호도는 사용자에게 추천된 아이템에 대한 장시간 동안의 사용자의 반응 행동으로부터 누적적으로 산출되므로 상당한 정도로 정확한 예측 결과를 제공할 수 있게 된다. 그런데, 음악, 영화 혹은 패션 상품 등 아이템의 종류에 따라서는 사용자의 구매 성향이 수시로 변할 수 있는 경우가 있다. 이러한 경우에는 장기 선호도가 아니라, 사용자의 실시간 선호도 내지는 취향을 효과적으로 반영할 수 있도록 단기 선호도에 기반하여 추천할 아이템을 선정하는 것이 보다 바람직하게 된다.

이에 따라, 본 발명의 일 실시예에 따른 추천 아이템 산정부(140)는 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 그 차이가 소정의 기준치를 넘어서는 등 미리 정하여진 기준을 벗어나는 경우에는, 상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하도록 할 수 있다.

또한, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 상기 제시된 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부(150)를 더 포함하여 구성될 수 있다. 상기한 사용자의 장기 선호도의 경우와 유사하게, 상품 등 아이템의 특성도 소정의 기간 동안 다양한 사용자의 반응을 고려하여 누적적으로 업데이트됨으로써, 상기 각 아이템의 특성이 보다 정확하게 산출될 수 있게 된다. 이에 따라 각 아이템의 특성이 산출되면, 상기 추천 아이템 산정부(140)에서는 각 사용자의 장기 선호도와 상기 각 아이템의 특성을 비교하여 추천할 아이템을 선정하거나 추천 순위를 정하게 된다.

또한, 앞서 살핀 바와 같이 사용자의 단기 선호도와 장기 선호도를 비교할 때 미리 정하여진 기준을 벗어나게 되는 경우, 상기 각 사용자의 단기 선호도와 상기 아이템의 특성을 비교하여 각 사용자의 단기 선호도와 비슷한 특성을 가지는 아이템을 골라 추천할 아이템으로 선정하거나 추천 순위를 정할 수도 있다.

도 2에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 동작 설명도를 보여주고 있다. 도 2에서 볼 수 있는 바와 같이, 먼저 사용자에게 소정의 아이템이 추천되면, 사용자는 추천된 아이템에 대하여 구매를 하거나, 찬찬히 살펴보거나 혹은 빠르게 스크롤(scroll)하여 스킵(skip)하는 등 다양한 반응을 보이게 된다. 본 발명에 따른 추천 시스템에서는 상기 각 아이템에 대한 사용자의 반응을 고려하여, 각 사용자의 선호도와 아이템의 특성을 업데이트하게 된다. 이어서, 이렇게 업데이트된 사용자 선호도와 아이템의 특성에 기반하여 다시 추천 아이템이 추천될 수 있고, 사용자는 다시 이에 대한 반응을 보이게 된다. 이에 따라, 상기한 일련의 프로세스가 소정의 기간 동안 반복되면서 각 사용자의 단기 선호도와 장기 선호도가 지속적으로 갱신되어 보다 정확한 값을 가지게 되고, 이와 유사하게 아이템의 특성도 지속적인 업데이트를 통하여 보다 정확한 값을 가질 수 있게 된다.

또한, 온라인 쇼핑몰 등 다수의 사용자가 이용할 수 있고 다수의 아이템을 취급하는 경우에는 도 2에서 볼 수 있는 바와 같이 사용자 선호도와 아이템의 특성 등을 데이터베이스로 구성하여 체계적으로 관리하는 것이 보다 바람직할 수 있다.

본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)은 다음과 같이 보다 구체화하여 구현될 수 있다.

먼저, 사용자의 단기 선호도 및 사용자의 장기 선호도는, 각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현될 수 있다.

예를 들어, 어떤 사용자가 감성적이면서도 웃긴 영화를 좋아한다고 하면, 상기 사용자는 "감성적", "웃긴"이라는 항목에 소정의 특성치 값을 가지는 사용자 장기 선호도 테이블을 가지게 된다. 이러한 경우, 다수의 영화 중 "감성적" 및 "웃긴"이라는 항목에 소정의 특성치 값을 가지는 영화들을 선별하여 상기 사용자에게 추천하여 줌으로써, 사용자는 보다 편리하게 자신이 원하는 영화를 고를 수 있게 된다. 경우에 따라서는 상기 사용자가 "감성적"이고 "웃긴" 영화를 추천받았음에도 불구하고, 이를 모두 스킵(skip)해버리는 등 부정적인 반응을 보이고, 오히려 "액션" 영화를 천천히 살펴본다면, 상기 사용자의 사용자 단기 선호도 테이블은 "액션" 항목의 특성치 값이 높아지게 되고, 이러한 경우 상기 사용자 단기 선호도 테이블을 고려하여 "액션" 영화를 선정하여 상기 사용자에게 추천하여 줌으로써, 사용자의 구매 확률을 높일 수 있게 된다.

또한, 이와 유사하게 상기 아이템의 특성도 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현될 수 있다. 예를 들어, 앞서 살핀 바와 같이 "감성적" 및 "웃긴"이라는 항목에 소정의 특성치 값을 가지는 영화의 경우를 생각할 수 있다.

보다 구체적으로, 상기한 각 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 하나 이상의 항목과 각 항목에 대응하는 특성치를 포함하여 구성될 수 있으며, 상기 각 항목에 대응하는 특성치는 소정의 기간동안 누적되는 총점을 가질 수도 있으며, 또는 소정의 점수를 기준으로 하여 이진값(binary)으로 표현될 수도 있다. 총점을 가지는 테이블의 경우에는 사용자의 아이템 선호 정도를 보다 정밀하게 파악하여 고려해야 하는 경우에 사용될 수 있고, 이진값(binary)으로 표현되는 테이블의 경우에는 사용자의 아이템 선호 정도를 다소 단순하게 고려하더라도 무관한 경우에 편리하게 이용될 수 있다. 총점을 가지는 테이블을 이용할 것인지, 혹은 이진값으로 표현되는 테이블을 이용할 것인지는 주로 아이템의 특성을 고려하여 결정하는 것이 바람직하다.

보다 구체적인 예로서, 보다 구체적으로 "감성적인", "웃긴", "슬픈", "영상이 아름다운" 등 5개의 항목으로 영화의 아이템 특성 테이블을 구성하는 경우를 고려해 본다면, 감성적이고 슬픈 A라는 영화는 아이템 특성 총점 테이블로서 25, 1, 0, 27, 5 와 같은 값을 가질 수 있을 것이고, 아이템 특성 이진 테이블로서는 1, 0, 0, 1, 0 과 같은 값을 가질 수 있을 것이다.

또한, 각 상품이나 서비스 등 아이템의 특성에 따라서 아이템 특성 테이블에 포함되는 항목들의 숫자와 내용이 크게 달라질 수 있다. 예를 들어, 영화의 경우에는 다양한 영화의 특성을 나타낼 수 있는 항목들, 예를 들어 "감성적인", "웃긴", "액션", "슬픈", "영상이 아름다운" 등의 항목을 포함하여 아이템 특성 테이블을 구성할 수 있다. 반면, 스마트폰 등 정보기기의 경우에는 "최신형", "최고 성능", "디자인", "휴대성" 등 정보기기의 특성을 표현하기에 적합한 항목들을 포함하여 아이템 특성 테이블을 구성할 수 있을 것이다.

상기한 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 도 2에서 볼 수 있는 바와 같이 지속적으로 업데이트 되면서, 그 정확도를 높여나가게 되고, 이에 따라 사용자에게 보다 적절한 아이템을 추천할 수 있게 되다.

도 3에서는 앞서 설명한 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 시스템(100)의 동작을 보다 상세하게 보여주고 있다. 도 1의 본 발명에 따른 추천 시스템의 각 구성 부분을 참조하여 도 3을 살펴 보도록 한다. 먼저 추천 아이템 산정부(140)가 사용자에 대한 소정의 아이템을 선정하여 추천하면, 각 사용자는 상기 추천된 아이템에 대하여 조회, 구매, 이용, 피드백 등 다양한 반응을 나타내게 된다.

예를 들어, 영화 컨텐츠에 대한 사용자의 반응을 구체적으로 살펴보면, 소정의 영화가 추천된 경우, 이를 조회하거나, 추천된 영화를 무시(pass)하거나, 다시 추천하지 말도록 하는 등 거부(deny)하는 반응을 보일 수도 있다. 또는, 추천된 영화를 감상할 수도 있는데, 보다 구체적으로 추천된 영화를 끝까지 감상할 수도 있으나, 감상 중 중간에 중단할 수도 있다. 나아가, 영화를 감상한 후에 긍정적 평가 또는 부정적 평가의 피드백이 있을 수 있고, 경우에 따라서는 어떠한 평가도 남기지 않을 수도 있다.

상기 아이템-사용자 반응 수집부(110)에서는 상기한 바와 같이 추천된 아이템에 대한 사용자의 다양한 반응 행태를 수집하고, 이를 이용하여 상기 아이템-사용자 단기 반응 테이블을 업데이트하게 된다.

상기 아이템-사용자 단기 반응 테이블은 사용자가 온라인 쇼핑몰 사이트 등에 접속한 시점 이후 등 단기간의 시간 동안 사용자에게 추천된 하나 이상의 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 포함하여 구성될 수 있다. 이에 반하여, 상기 아이템-사용자 장기 반응 테이블은 각 사용자가 소정의 온라인 쇼핑몰에 가입하는 시점으로부터 현재 시점까지 등 장기간의 시간 동안 사용자에게 추천된 하나 이상의 아이템 정보와 이에 대한 사용자의 반응 행태 정보를 포함하여 구성될 수 있다. 상기한 단기 및 장기의 기간은 예시적인 것으로서, 상품의 특성이나 시스템 운용 상의 필요 등에 따라 다양하게 선택될 수 있다.

이어서, 단기 선호도 산출부(120) 및 아이템 특성 산출부(150)에서는 각각 사용자 단기 선호도 테이블, 아이템 특성 테이블을 업데이트하여 산출하게 된다. 이때, 도 3에서 볼 수 있는 바와 같이 사용자 단기 선호도 테이블, 아이템 특성 테이블 및 아이템-사용자 장기 반응 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 업데이트될 수 있다. 예를 들어, 사용자가 "감성적" 및 "슬픈" 항목에 소정의 특성치를 가지는 영화에 긍정적인 반응 행태를 보이는 경우, 상기 사용자의 사용자 단기 선호도 테이블의 "감성적" 및 "슬픈" 항목은 보다 높은 특성치를 가지도록 갱신될 수 있다. 또한, 이때 적용될 수 있는 가중치는 상품의 특성 등에 따라 달라질 수 있다. 이에 따라, 각 항목의 특성치는 이벤트 발생 횟수에 상품 특성 등에 따른 가중치를 적용하여 산정될 수 있다.

반면, 상기 사용자의 사용자 단기 선호도 테이블 혹은 사용자 장기 선호도 테이블이 "웃긴" 및 "액션"의 항목에 소정의 특성치를 가지고 있는 경우에는, 상기 영화의 아이템 특성 테이블에서 "웃긴" 및 "액션"의 항목이 보다 높은 특성치를 가지도록 갱신될 수도 있다.

상기 아이템-사용자 단기 반응 테이블로 업데이트된 단기간 동안의 사용자 반응 데이터는 다시 상기 아이템-사용자 장기 반응 테이블에 누적되어 업데이트될 수 있다.

나아가, 장기 선호도 산출부(130)에서는 상기 아이템-사용자 장기 반응 테이블 또는 사용자 단기 선호도 테이블을 고려하여 사용자 장기 선호도 테이블을 업데이트하게 된다.

또한 도 3에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 추천 시스템은 총점 테이블과 함께 이진 테이블을 포함하여 구성될 수도 있다. 앞서 설명한 바와 같이, 상품의 특성 등에 따라서는 사용자의 아이템 선호 정도를 정밀하게 파악할 필요없이, 단순하게 파악해도 무관한 경우가 발생하게 된다. 이러한 경우에는 이진 테이블을 사용하는 것이 보다 효율적일 수 있다. 또한, 아이템의 종류 및 시스템의 제약 등 필요에 따라서는 총점 테이블이 없이 이진 테이블 만으로 본 발명의 일 실시예에 따른 추천 시스템을 구성하는 것도 가능할 수 있다.

나아가, 경우에 따라서는 상기 총점 테이블의 값을 구간화 하여 N 단계의 구간을 가지는 구간 테이블을 생성하여 사용할 수도 있다.

이어서, 상기 각 사용자의 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 소정의 아이템에 대한 아이템 특성 테이블은 추천 아이템 산정부(140)로 전달되어 각 사용자에게 추천할 아이템을 산정하게 된다. 이때, 상기 사용자 단기 선호도 테이블과 사용자 장기 선호도 테이블의 차이를 유사도 측정 등을 이용하여 수치화한 후, 산정된 수치가 소정의 기준치를 벗어나는 경우에는 사용자의 단기 선호도가 장기 선호도와 달라진 것으로 보아, 상기 사용자의 단기 선호도를 기준으로 사용자에게 추천할 아이템을 산정하게 된다.

반면, 상기 산정된 수치가 소정의 기준치를 벗어나지 않는 경우에는 사용자의 단기 선호도가 장기 선호도와 동일하다고 판단할 수 있으므로, 상기 사용자의 장기 선호도를 기준으로 사용자에게 추천할 아이템을 산정하게 된다.

나아가, 경우에 따라서는 사용자 단기 선호도 테이블과 사용자 장기 선호도 테이블을 함께 고려하여 사용자에게 추천할 아이템을 선정하는 것도 가능하다.

상기 사용자 단기 선호도 테이블 또는 사용자 장기 선호도 테이블을 이용하여 사용자에게 추천할 아이템을 선정함에 있어서도, 상기 사용자 단기 선호도 테이블 또는 사용자 장기 선호도 테이블과 각 아이템의 아이템 특성 테이블을 유사도 측정 등의 방법으로 수치화하여, 사용자의 선호도에 근접하는 아이템들을 추천하거나 우선 추천 순위를 결정하게 된다. 유사도 측정의 방법을 사용하는 경우에는 총점 테이블/N단계 구간 테이블/이진 테이블 등 사용하는 테이블의 종류에 따라서 적합한 유사도 측정 알고리즘을 적용할 수 있다. 예를 들어, 이진 테이블을 사용하는 경우에는 자카드 계수(Jaccard Coefficient)법 등을 이용하는 것도 가능하다.

도 4에서는 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버 및 사용자 단말의 구성도를 보여주고 있다. 보다 구체적으로는 사용자가 개인용 컴퓨터나 모바일 단말기 등 소정의 단말을 이용하여 본 발명에 따른 추천 서버에 접속하는 경우를 예시하고 있다.

도 4에서 볼 수 있는 바와 같이, 본 발명의 일 실시예에 따른 실시간 선호도를 반영한 추천 서버는 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부; 사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및 상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우, 상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며, 상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 한다.

도 4에서와 같이 사용자가 소정의 단말기를 사용하는 경우, 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부는 사용자의 단말에서 구현되는 것도 가능하다.

또한, 상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은, 각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현될 수 있다.

이때, 온라인 쇼핑몰 등과 같이 다수의 사용자가 이용하고, 여러 종류의 아이템을 취급하는 대규모 시스템의 경우에는 상기 각 테이블 등의 데이터를 도 4에서 볼 수 있는 바와 같이 데이터베이스화하여 처리하는 것이 보다 적절할 수 있다.

또한, 상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 지속적으로 갱신됨으로써, 보다 정확한 사용자의 선호도와 아이템의 특성이 반영될 수 있도록 할 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 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100 : 실시간 선호도를 반영한 추천 시스템
110 : 아이템-사용자 반응 수집부
120 : 단기 선호도 산출부
130 : 장기 선호도 산출부
140 : 추천 아이템 산정부
150 : 아이템 특성 산출부

Claims (12)

1. 제시되는 하나 이상의 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 수집하는 아이템-사용자 반응 수집부;
   제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 단기 선호도를 산출하는 단기 선호도 산출부;
   제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 고려하여 사용자의 장기 선호도를 산출하는 장기 선호도 산출부; 및
   상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우,
   상기 사용자의 단기 선호도를 고려하여 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며,
   상기 제1 시간은 현재 시점부터 소정의 과거 시점까지의 시간이고,
   상기 제2 시간은 상기 제1 시간보다 장시간인 것을 특징으로 하는 추천 시스템.
2. 제1항에 있어서,
   소정의 기간 동안 사용자에게 제시된 아이템에 대한 각 사용자의 반응 행태를 고려하여 상기 아이템의 특성을 산출하는 아이템 특성 산출부를 더 포함하며,
   이때, 상기 추천 아이템 산정부는,
   상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우,
   상기 사용자의 단기 선호도와 상기 아이템의 특성을 고려하여 추천할 아이템을 산정하는 것을 특징으로 하는 추천 시스템.
3. 제2항에 있어서,
   상기 아이템의 특성은 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 아이템 특성 테이블로 구현되는 것을 특징으로 하는 추천 시스템.
4. 제1항에 있어서,
   상기 사용자의 단기 선호도 및 사용자의 장기 선호도는,
   각 사용자의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블 및 사용자 장기 선호도 테이블로 구현되는 것을 특징으로 하는 추천 시스템.
5. 제4항에 있어서,
   상기 아이템-사용자 반응 수집부는,
   상기 제 1시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 단기 반응 테이블과,
   상기 제2 시간 동안 제시된 하나 이상의 아이템 정보와, 이에 대한 사용자의 반응 행태 정보를 포함하는 아이템-사용자 장기 반응 테이블을 생성하거나 갱신하는 것을 특징으로 하는 추천 시스템.
6. 제5항에 있어서,
   상기 사용자 단기 선호도 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되는 것을 특징으로 하는 추천 시스템.
7. 제5항에 있어서,
   상기 사용자 장기 선호도 테이블은 상기 아이템-사용자 장기 반응 테이블을 이용하여 갱신되는 것을 특징으로 하는 추천 시스템.
8. 제5항에 있어서,
   각 아이템에 대한 아이템 특성 테이블은 상기 아이템-사용자 단기 반응 테이블을 이용하여 갱신되며,
   상기 아이템 특성 테이블은 각 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 것을 특징으로 하는 추천 시스템.
9. 제4항에 있어서,
   상기 추천 아이템 산정부는,
   상기 사용자 단기 선호도 테이블과 상기 사용자 장기 선호도 테이블의 유사도를 산출하여 소정의 기준치를 벗어나는 경우,
   상기 사용자 단기 선호도 테이블과 상기 각 아이템에 대한 아이템 특성 테이블의 유사도를 산출한 후, 이를 고려하여 상기 사용자에게 추천할 아이템 또는 추천 순위를 산정하는 것을 특징으로 하는 추천 시스템.
10. 사용자 단말로부터 제1 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 단기 선호도를 산출하는 단기 선호도 산출부;
    사용자 단말로부터 제2 시간 동안 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 전달받아 사용자의 장기 선호도를 산출하는 장기 선호도 산출부;
    상기 아이템에 대한 정보와 이에 대한 사용자의 반응 행태를 고려하여 상기 각 아이템의 특성을 산출하는 아이템 특성 산출부; 및
    상기 사용자의 단기 선호도와 장기 선호도를 비교하여 미리 정하여진 기준을 벗어나는 경우,
    상기 사용자의 단기 선호도와 상기 아이템의 특성을 이용하여 상기 사용자에게 추천할 아이템을 산정하는 추천 아이템 산정부를 포함하여 구성되며,
    상기 제1 시간과 제2 시간은 각각 현재 시점부터 소정의 과거 시점까지의 시간이고, 상기 제1 시간은 상기 제2 시간보다 단기인 것을 특징으로 하는 추천 서버.
11. 제10항에 있어서,
    상기 사용자의 단기 선호도, 사용자의 장기 선호도 또는 아이템의 특성은,
    각 사용자 또는 아이템의 특징을 나타낼 수 있는 하나 이상의 항목 및 각 항목에 대한 특성치로 구성되는 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 또는 아이템 특성 테이블로 구현되는 것을 특징으로 하는 추천 서버.
12. 제11항에 있어서,
    상기 사용자 단기 선호도 테이블, 사용자 장기 선호도 테이블 및 아이템 특성 테이블은 상기 사용자에게 제시된 하나 이상의 아이템에 대한 사용자의 반응 행태를 이용하여 갱신되는 것을 특징으로 하는 추천 서버.

Images