KR20210075337A - 사용자들의 입맛 유사도를 판단하는 장치 및 방법 - Google Patents
사용자들의 입맛 유사도를 판단하는 장치 및 방법 Download PDFInfo
- Publication number
- KR20210075337A KR20210075337A KR1020190166281A KR20190166281A KR20210075337A KR 20210075337 A KR20210075337 A KR 20210075337A KR 1020190166281 A KR1020190166281 A KR 1020190166281A KR 20190166281 A KR20190166281 A KR 20190166281A KR 20210075337 A KR20210075337 A KR 20210075337A
- Authority
- KR
- South Korea
- Prior art keywords
- users
- characteristic
- taste
- computing device
- group
- Prior art date
Links
- 235000019640 taste Nutrition 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 35
- 235000013305 food Nutrition 0.000 claims description 96
- 238000012552 review Methods 0.000 claims description 10
- 238000005065 mining Methods 0.000 claims description 7
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 11
- 241000209094 Oryza Species 0.000 description 10
- 235000007164 Oryza sativa Nutrition 0.000 description 10
- 235000009566 rice Nutrition 0.000 description 10
- 235000012149 noodles Nutrition 0.000 description 8
- 241000251468 Actinopterygii Species 0.000 description 6
- 235000019688 fish Nutrition 0.000 description 6
- 235000015277 pork Nutrition 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 235000011888 snacks Nutrition 0.000 description 5
- 241000287828 Gallus gallus Species 0.000 description 4
- 235000005135 Micromeria juliana Nutrition 0.000 description 4
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 4
- 244000046052 Phaseolus vulgaris Species 0.000 description 4
- 241000246354 Satureja Species 0.000 description 4
- 235000007315 Satureja hortensis Nutrition 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000019692 hotdogs Nutrition 0.000 description 4
- 235000014347 soups Nutrition 0.000 description 4
- 235000019654 spicy taste Nutrition 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 235000021438 curry Nutrition 0.000 description 3
- 241000269821 Scombridae Species 0.000 description 2
- 235000013351 cheese Nutrition 0.000 description 2
- 235000020640 mackerel Nutrition 0.000 description 2
- 235000013550 pizza Nutrition 0.000 description 2
- 235000019633 pungent taste Nutrition 0.000 description 2
- 235000019643 salty taste Nutrition 0.000 description 2
- 241001474374 Blennius Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000015219 food category Nutrition 0.000 description 1
- 235000020803 food preference Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000021109 kimchi Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000021395 porridge Nutrition 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic 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
- G06Q30/0278—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
- G06Q50/01—Social networking
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법이 제공된다. 상기 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법은 (a) 컴퓨팅 장치가, 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑하는 단계, (b) 상기 컴퓨팅 장치가, 상기 제1 특성에 대한 제1 특성값을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계, (c) 상기 컴퓨팅 장치가, 제2 특성에 따라 복수의 음식을 새롭게 그룹핑하는 단계, (d) 상기 컴퓨팅 장치가, 상기 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교하는 단계 및 (e) 상기 컴퓨팅 장치가, 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정하는 단계를 포함할 수 있다.
Description
이하의 설명은 복수의 사용자들의 입맛 유사도를 판단하는 장치 및 방법에 관한 것이다. 보다 구체적으로는, 특성값을 공유하는 음식들로 구성되는 특성 그룹 내에서 각각의 음식들에 대한 두 사용자의 평가 결과를 비교함으로써 복수의 사용자들의 입맛 유사도를 판단하는 장치 및 방법에 관한 것이다.
빅데이터에 기반하여 음식이나 레스토랑을 추천하는 다양한 어플리케이션이 개발되고 있다. 그러나, 종래의 솔루션들은 특정 음식이나 레스토랑에 대한 전문가 및 일반인의 평가 정보를 이용한다는 점에서 개개인이 갖는 고유한 성향이나 식습관, 기호(taste)를 반영하지 못한다는 한계가 존재한다. 종래 기술의 경우, 음식이나 레스토랑에 대한 복수의 평가 정보가 제공되더라도, 실제 평가를 한 사람과 추천을 받는 사람의 개인적 특성이 다른 경우에는 기호에 맞는 정확한 정보를 제공하지 못한다. 따라서 서로 간에 입맛 유사도가 높은 사용자들을 이용하여 음식 콘텐츠를 개인의 입맛에 따라 큐레이션(curation)하는 기술의 필요성이 존재한다.
적어도 하나의 실시 예에 따르면, 특성값을 공유하는 음식들로 구성되는 특성 그룹 내에서 각각의 음식들에 대한 두 사용자의 평가 결과를 비교함으로써 복수의 사용자들의 입맛 유사도를 판단하는 장치 및 방법이 개시된다.
일 측면에 따르면, 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법이 제공된다. 상기 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법은 (a) 컴퓨팅 장치가, 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑하는 단계, (b) 상기 컴퓨팅 장치가, 상기 제1 특성에 대한 제1 특성값을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계, (c) 상기 컴퓨팅 장치가, 제2 특성에 따라 복수의 음식을 새롭게 그룹핑하는 단계, (d) 상기 컴퓨팅 장치가, 상기 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교하는 단계 및 (e) 상기 컴퓨팅 장치가, 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정하는 단계를 포함할 수 있다.
일 실시 예에 따르면, 상기 (b) 단계는 (b1) 상기 컴퓨팅 장치가, 수학식 1에 따라 제1-1 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계 및 (b2) 상기 컴퓨팅 장치가, 상기 (b1) 단계의 평가 결과인 SIM11(u,v)를 이용하여 수학식 2에 따라 상기 두 사용자의 입맛 유사도 OUT11(u,v)를 계산하는 단계를 더 포함하고, 상기 수학식 1은이고, I11은 제1-1 특성 그룹에 포함되는 음식들을 원소로서 포함하는 집합이고, i는 제1-1 특성 그룹에 포함되는 음식들 중 i 번째 음식이고, μu는 제1 사용자 u의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, μv는 제2 사용자 v의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, rui는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 u의 평점이고, rvi는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 v의 평점이고, 상기 수학식 2는 인 것을 특징으로 할 수 있다.
다른 일 실시 예에 따르면, 상기 (e) 단계는 (e1) 상기 컴퓨팅 장치가, 상기 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제2 임계치 미만이 되는 특성 그룹을 상반(相反) 입맛 그룹으로 결정하는 단계 및 (e2) 상기 컴퓨팅 장치가, 상기 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 상기 제1 임계치 미만이 되고, 상기 제2 임계치 이상이 되는 특성 그룹을 중립 입맛 그룹으로 결정하는 단계를 포함할 수 있다.
또 다른 일 실시 예에 따르면, 상기 방법은 (f) 특정 음식에 연관되는 가맹점에 대한 상기 두 사용자의 평점 및 후기에 기반하여 상기 입맛 유사도를 보정하는 단계를 더 포함하고, 상기 (f) 단계는, (f1) 상기 두 사용자의 후기에 대한 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단하는 단계 및 (f2) 상기 복수의 음식에 대한 상기 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 상기 두 사용자의 입맛 유사도를 보정하는 단계를 포함할 수 있다.
도 1은 일 실시 예에 따른 컴퓨팅 장치가 특정 음식에 대한 사용자의 평점을 입력 받는 화면의 예시도이다.
도 2는 다른 일 실시 예에 따른 컴퓨팅 장치가 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법을 나타내는 흐름도이다.
도 3a는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 두 사용자 사이의 입맛 유사도를 출력하는 화면의 예시도이다.
도 3b 및 도 3c는 각각의 특성 그룹에 대해 두 사용자의 평가 결과가 비교되는 과정을 설명하는 예시도이다.
도 4는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 가맹점에 대한 상기 두 사용자의 평점 및 후기에 기반하여 상기 입맛 유사도를 보정하는 과정을 설명하는 흐름도이다.
도 2는 다른 일 실시 예에 따른 컴퓨팅 장치가 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법을 나타내는 흐름도이다.
도 3a는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 두 사용자 사이의 입맛 유사도를 출력하는 화면의 예시도이다.
도 3b 및 도 3c는 각각의 특성 그룹에 대해 두 사용자의 평가 결과가 비교되는 과정을 설명하는 예시도이다.
도 4는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 가맹점에 대한 상기 두 사용자의 평점 및 후기에 기반하여 상기 입맛 유사도를 보정하는 과정을 설명하는 흐름도이다.
실시 예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시 예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 컴퓨팅 장치가 특정 음식에 대한 사용자의 평점을 입력 받는 화면의 예시도이다. 도 1을 참조하면, 컴퓨팅 장치(100)에 출력되는 예시적 화면이 도시된다. 컴퓨팅 장치(100)는 통신부 및 프로세서를 포함하고, 통신부를 통하여 다른 컴퓨팅 장치(미도시)와 직간접적으로 통신할 수 있다. 통신부는 통신 인터페이스를 포함할 수 있다. 이를테면, 통신 인터페이스는 WLAN(Wireless LAN), WiFi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등의 무선 인터넷 인터페이스와 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication) 등의 근거리 통신 인터페이스를 포함할 수 있다. 뿐만 아니라, 통신 인터페이스는 외부와 통신을 수행할 수 있는 모든 인터페이스(예를 들어, 유선 인터페이스)를 나타낼 수 있다.
구체적으로, 상기 컴퓨팅 장치(100)는, 전형적인 컴퓨터 하드웨어(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS; network-attached storage) 및 스토리지 영역 네트워크(SAN; storage area network)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령어들)의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있다.
이와 같은 컴퓨팅 장치의 통신부는 연동되는 타 컴퓨팅 장치와 요청과 응답을 송수신할 수 있는 바, 일 예시로서 그러한 요청과 응답은 동일한 TCP(transmission control protocol) 세션(session)에 의하여 이루어질 수 있지만, 이에 한정되지는 않는 바, 예컨대 UDP(user datagram protocol) 데이터그램(datagram)으로서 송수신될 수도 있을 것이다. 덧붙여, 넓은 의미에서 상기 통신부(110)는 명령어 또는 지시 등을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치, 프린터, 디스플레이, 기타 외부 출력장치를 포함할 수 있다.
또한, 컴퓨팅 장치의 프로세서는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit), NPU(neural processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.
컴퓨팅 장치(100)의 프로세서는 디스플레이를 통해 미리 지정된 복수의 음식들 사진을 출력할 수 있다. 도 1의 경우, 컴퓨팅 장치(100)의 디스플레이를 통해 삼겹살의 이미지(110)가 출력된다. 사용자는 삼겹살에 대한 취향을 화면 상에 출력되는 그래픽 오브젝트들(120)과 인터랙션함으로써 음식에 대한 자신의 호감도를 컴퓨팅 장치(100)에 전달할 수 있다. 도 1의 경우, 그래픽 오브젝트들(120)은 "싫어함", "별로임", "그럭저럭", "좋아함" 및 "매우 좋아함"을 나타낼 수 있다. 도 1은 이해를 돕기 위한 예시적 기재일 뿐, 컴퓨팅 장치(100)가 수치화된 평점으로 사용자의 호감도를 입력 받는 실시 예 또한 구현 가능할 것이다.
컴퓨팅 장치(100)는 각각의 음식에 대한 복수의 특성값을 저장하고, 관리할 수 있다. 예시적으로, 복수의 특성은 해당 음식이 음식 분류 중 어디에 속하는지를 나타내는 메뉴 특성, 해당 음식을 대표하는 맛을 나타내는 맛 특성, 해당 음식을 섭취할 때 입 안에서의 느낌을 나타내는 식감 특성을 포함할 수 있다. 위의 예시는 이해를 돕기 위한 예시일 뿐, 다른 실시 예를 제한하거나 한정하는 것은 아니다.
도 1의 실시 예에서, 삼겹살은 메뉴 특성 내에서 고기류를 나타내는 특성값을 가지고, 맛 특성 내에서는 기름진 맛을 나타내는 특성값을 가지고, 식감 특성 내에서는 쫀득한 식감을 나타내는 특성값을 가질 수 있다. 다른 일 실시 예로서, 컴퓨팅 장치(100)는 콩국수의 이미지를 출력할 수 있다. 이 경우에도, 마찬가지로 사용자는 콩국수에 대한 취향을 화면 상에 출력되는 그래픽 오브젝트들과 인터랙션하는 방식으로 콩국수에 대한 호감도를 컴퓨팅 장치(100)로 입력할 수 있다. 콩국수의 경우, 삼겹살과 다르게 메뉴 특성 내에서 면을 나타내는 특성값을 가지고, 맛 특성 내에서는 담백하고 고소한 맛을 나타내는 특성값을 가지고, 식감 특성 내에서는 걸쭉한 식감을 나타내는 특성값을 가질 수 있을 것이다.
도 2는 다른 일 실시 예에 따른 컴퓨팅 장치가 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법을 나타내는 흐름도이다. 도 2를 참조하면, 컴퓨팅 장치가 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법(200)은 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑하는 단계(210), 제1 특성에 대한 제1 특성값 을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계(220), 제2 특성에 따라 복수의 음식을 새롭게 그룹핑하는 단계(230), 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교하는 단계(240) 및 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정하는 단계(250)를 포함할 수 있다.
단계(210)에서 컴퓨팅 장치는 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑할 수 있다. 예를 들어 제1 특성이 음식의 메뉴 특성인 경우, 컴퓨팅 장치는 메뉴 특성 중 분식 메뉴를 나타내는 특성값을 공유하는 "돈가스, 튀김류, 핫도그, 떡볶이, 어묵, 순대"를 제1-1 특성 그룹으로 그룹핑할 수 있다. 다른 일 실시 예로서, 컴퓨팅 장치는 메뉴 특성 중 면 메뉴를 나타내는 특성값을 공유하는 "물냉면, 나가사키 짬뽕, 비빔냉면, 짜장면, 콩국수, 냉면"을 제1-2 특성 그룹으로 그룹핑할 수 있다. 위와 같은 방식으로, 컴퓨팅 장치는 미리 지정된 복수의 음식들을 제1 특성에 따라 서로 다른 특성 그룹으로 그룹핑할 수 있다.
단계(220)에서 컴퓨팅 장치는 제1 특성에 대한 제1 특성값을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교할 수 있다. 구체적으로, 컴퓨팅 장치는 각각의 특성 그룹 내에 속하는 음식들에 대한 두 사용자의 평가 결과를 비교할 수 있다. 예를 들어, 컴퓨팅 장치가 수학식 1에 따라 제1-1 특성 그룹 내의 음식들에 대한 두 사용자의 평과 결과를 비교할 수 있다.
상기 수학식 1 에서 I11은 제1-1 특성 그룹에 포함되는 음식들을 원소로서 포함하는 집합이고, i는 제1-1 특성 그룹에 포함되는 음식들 중 i 번째 음식이고, μu는 제1 사용자 u의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, μv는 제2 사용자 v의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, rui는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 u의 평점이고, rvi는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 v의 평점이다. 예시적으로, 제1-1 특성 그룹에 "돈가스, 튀김류, 핫도그, 떡볶이, 어묵, 순대"이 포함되는 경우, 컴퓨팅 장치는 돈가스에 대한 두 사용자의 평점, 튀김류에 대한 두 사용자의 평점, 핫도그에 대한 두 사용자의 평점, 떡볶이에 대한 두 사용자의 평점, 어묵에 대한 두 사용자의 평점 및 순대에 대한 두 사용자의 평점들을 수학식 1에 따라 비교함으로써 제1-1 특성 그룹에 대한 두 사용자들의 평가 결과 SIM11(u,v)를 계산할 수 있다. 위의 실시 예에서는, 컴퓨팅 장치가 제1-1 특성 그룹에 대한 두 사용자들의 평가 결과 SIM11(u,v)를 계산하는 과정이 설명되나, 동일한 원리로 나머지 특성 그룹들에 대한 두 사용자들의 평가 결과가 계산될 수 있음은 통상의 기술자에게는 자명한 사실일 것이다.
컴퓨팅 장치는 각각의 특성 그룹에 대한 두 사용자의 평가 결과를 이용하여 각각의 특성 그룹에 대한 두 사용자의 입맛 유사도를 계산할 수 있다. 예시적으로, 컴퓨팅 장치는 제1-1 특성 그룹에 대한 평가 결과인 SIM11(u,v)를 이용하여 수학식 2에 따라 상기 두 사용자의 입맛 유사도 OUT11(u,v)를 계산할 수 있다.
단계(230)에서 컴퓨팅 장치는 제2 특성에 따라 복수의 음식을 새롭게 그룹핑할 수 있다. 예시적으로, 제1 특성이 메뉴 특성인 경우, 제2 특성은 맛 특성일 수 있다. 이 경우에, 컴퓨팅 장치는 맛 특성 중 매운 맛을 나타내는 특성값을 공유하는 "불닭볶음면, 떡볶이, 국물닭발, 오돌뼈, 불냉면, 불족발"을 제2-1 특성 그룹으로 그룹핑할 수 있다. 다른 일 실시 예로서, 컴퓨팅 장치는 맛 특성 중 짭잘한 맛을 나타내는 특성값을 공유하는 "고등어구이, 전복회, 어묵, 카레라이스, 페퍼로니 피자, 맥앤치즈"를 제2-2 특성 그룹으로 그룹핑할 수 있다.
단계(240)에서 컴퓨팅 장치는 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교할 수 있다. 예시적으로, 제2-1 특성 그룹에 "불닭볶음면, 떡볶이, 국물닭발, 오돌뼈, 불냉면, 불족발"이 포함되는 경우, 컴퓨팅 장치는 불닭볶음면에 대한 두 사용자의 평점, 떡볶이에 대한 두 사용자의 평점, 국물닭발에 대한 두 사용자의 평점, 오돌뼈에 대한 두 사용자의 평점, 불냉면에 대한 두 사용자의 평점 및 불족발에 대한 두 사용자의 평점들을 수학식 1과 같은 원리로 비교함으로써 제2-1 특성 그룹에 대한 두 사용자들의 평가 결과 SIM21(u,v)를 계산할 수 있다.
단계(250)에서 컴퓨팅 장치는 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정할 수 있다. 또한, 컴퓨팅 장치는 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제2 임계치 미만이 되는 특성 그룹을 상반(相反) 입맛 그룹으로 결정할 수 있다. 컴퓨팅 장치는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 상기 제1 임계치 미만이 되고, 상기 제2 임계치 이상이 되는 특성 그룹을 중립 입맛 그룹으로 결정할 수 있다.
본 실시예의 따른 컴퓨팅 장치는 음식에 연관되는 맛, 메뉴 또는 식감 등과 같은 오로지 입맛에 연관되는 특성에 따라 음식을 그룹핑하는 방식으로 사용자들의 입맛 유사도를 평가함으로써, 종래의 가격 요인, 위생 요인, 분위기 요인과 같이 입맛이 아닌 외부 환경으로 음식이나 식당을 추천하는 방식보다 입맛 큐레이션의 효과를 극대화할 수 있다.
도 3a는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 두 사용자 사이의 입맛 유사도를 출력하는 화면의 예시도이다. 도 3a를 참조하면, 컴퓨팅 장치(300)가 사용자 A(310)와 사용자 B(320) 사이의 입맛 일치도를 90%로 계산하여 출력하는 화면이 도시된다. 구체적으로, 사용자 A(310)와 사용자 B(320)는 메뉴 특성 중 밥 메뉴, 국물 메뉴 및 해산물 메뉴에 대해 공통된 입맛을 가지고 있다. 또한, 사용자 A(310)와 사용자 B(320)는 맛 특성 중 고소한 맛, 얼큰한 맛, 짭짤한 맛 및 달달한 맛에 대해 공통된 입맛을 가지고 있다. 또한, 사용자 A(310)와 사용자 B(320)는 식감 특성 중 꼬들한 식감, 걸쭉한 식감 및 부들한 식감에 대해 공통된 입맛을 가지고 있다.
반면에 사용자 A(310)와 사용자 B(320)는 분식 메뉴 특성, 매운 맛 특성 및 쫄깃한 식감 특성에 대해서는 상반된 입맛을 가지고 있다. 이하에서는 사용자 A(310)와 사용자 B(320)의 평점을 이용하여 컴퓨팅 장치가 특성 그룹 내에서 입맛 유사도를 계산하는 과정이 설명된다.
도 3b 및 도 3c는 각각의 특성 그룹에 대해 두 사용자의 평가 결과가 비교되는 과정을 설명하는 예시도이다. 도 3b는 메뉴 특성에 대한 두 개의 특성 그룹을 도시한다. 컴퓨팅 장치는 분식 메뉴를 나타내는 제1-1 특성 그룹에 대해 수학식 1에 기반하여 돈가스, 김말이, 핫도그, 떡볶이, 어묵 및 순대 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 분식 메뉴의 경우, 입맛 유사도가 50% 미만인 10.5%가 계산됨으로써 컴퓨팅 장치는 분식 메뉴 특성을 상반(相反) 입맛 그룹으로 결정할 수 있다. 또한, 컴퓨팅 장치는 밥 메뉴를 나타내는 제1-2 특성 그룹에 대해 수학식 1과 같은 원리로 곤드레밥, 김치볶음밥, 카레라이스, 비빔밥, 규동 및 죽 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 밥 메뉴의 경우, 입맛 유사도가 50%를 초과하는 71%로서 계산됨으로써 컴퓨팅 장치는 밥 메뉴 특성을 유사 입맛 그룹으로 결정할 수 있다.
도 3c의 실시 예에서, 컴퓨팅 장치는 미리 지정된 음식들을 맛 특성에 기반하여 새롭게 그룹핑할 수 있다. 구체적으로, 컴퓨팅 장치는 매운 맛을 나타내는 제2-1 특성 그룹에 대해 수학식 1과 같은 원리로 불닭볶음면, 떡볶이, 국물닭발, 오돌뼈, 불냉면 및 불족발 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 마찬가지로, 매운 맛의 경우, 입맛 유사도가 50% 미만인 9%가 계산됨으로써 컴퓨팅 장치는 매운 맛 특성을 상반(相反) 입맛 그룹으로 결정할 수 있다. 또한, 컴퓨팅 장치는 짭잘한 맛을 나타내는 제2-2 특성 그룹에 대해 고등어구이, 전복회, 어묵, 카레라이스, 페퍼로니 피자 및 맥앤치즈 각각에 대한 사용자 A(310)와 사용자 B(320)의 입맛 유사도를 계산할 수 있다. 짭짤한 맛의 경우, 입맛 유사도가 50%를 초과하는 89%로서 계산됨으로써 컴퓨팅 장치는 밥 메뉴 특성을 유사 입맛 그룹으로 결정할 수 있다.
도 3b 및 도 3c에 도시되지는 않았지만, 컴퓨팅 장치는 전체 특성 그룹에 대한 입맛 유사도의 평균을 구하는 방식으로 서로 다른 두 사용자의 입맛 일치도를 계산할 수 있다.
도 4는 또 다른 일 실시 예에 따른 컴퓨팅 장치가 가맹점에 대한 두 사용자의 평점 및 후기에 기반하여 입맛 유사도를 보정하는 과정을 설명하는 흐름도이다. 도 4를 참조하면, 컴퓨팅 장치가 가맹점에 대한 두 사용자의 평점 및 후기에 기반하여 입맛 유사도를 보정하는 방법(400)은 두 사용자의 후기에 대한 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단하는 단계(410) 및 상기 복수의 음식에 대한 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 두 사용자의 입맛 유사도를 보정하는 단계(420)를 포함할 수 있다.
단계(410)에서 컴퓨팅 장치는 특정 음식에 연관되는 가맹점에 대한 두 사용자의 후기 및 리뷰에 대해 텍스트 마이닝을 수행할 수 있다. 구체적으로, 컴퓨팅 장치는 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단할 수 있다. 구체적으로, 컴퓨팅 장치는 입맛에 대한 평가를 메모리 영역에 미리 저장하고, 텍스트 마이닝 결과가 긍정적인 평가 영역에 속하는지 부정적인 평가 영역에 속하는지 여부에 기반하여 사용자들의 가맹점에 대한 반응 성향의 유사 여부를 판단할 수 있다.
단계(420)에서 컴퓨팅 장치는 상기 복수의 음식에 대한 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 두 사용자의 입맛 유사도를 보정할 수 있다. 컴퓨팅 장치는 미리 지정된 시간 주기에 맞춰 서로 다른 사용자들의 입맛 유사도를 업데이트할 수 있다.
예시적으로, 컴퓨팅 장치는 텍스트 마이닝 결과에 따라 두 사용자가 특정 가맹점의 특정 음식에 대해 유사한 반응 성향을 나타내지만 두 사용자의 평균 평점 차이가 전체 사용자들의 평균 평점의 표준편차 보다 큰 경우라면, 기존의 입맛 시험 결과를 보정할 필요가 있으므로, 두 사용자의 입맛 유사도를 상향 보정할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 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 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 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 기술분야에서 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 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
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 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
Claims (5)
- 서로 다른 두 사용자의 입맛(taste) 유사도를 계산하는 방법에 있어서,
(a) 컴퓨팅 장치가, 특정 음식에 대한 사용자의 입맛에 연관되는 복수의 특성 중 제1 특성에 따라 복수의 음식을 그룹핑하는 단계;
(b) 상기 컴퓨팅 장치가, 상기 제1 특성에 대한 제1 특성값을 공유하는 음식들로 구성되는 각각의 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계;
(c) 상기 컴퓨팅 장치가, 제2 특성에 따라 복수의 음식을 새롭게 그룹핑하는 단계;
(d) 상기 컴퓨팅 장치가, 상기 제2 특성에 대한 제2 특성값을 공유하는 음식들로 새롭게 구성되는 각각의 특성 그룹 내에서 음식들에 대한 상기 두 사용자의 평가 결과를 다시 비교하는 단계; 및
(e) 상기 컴퓨팅 장치가, 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제1 임계치 이상이 되는 특성 그룹을 유사 입맛 그룹으로 결정하는 단계
를 포함하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
- 제1항에 있어서,
상기 (b) 단계는,
(b1) 상기 컴퓨팅 장치가, 수학식 1에 따라 제1-1 특성 그룹 내에서 음식들에 대한 두 사용자의 평가 결과를 비교하는 단계; 및
(b2) 상기 컴퓨팅 장치가, 상기 (b1) 단계의 평가 결과인 SIM11(u,v)를 이용하여 수학식 2에 따라 상기 두 사용자의 입맛 유사도 OUT11(u,v)를 계산하는 단계
를 더 포함하고,
상기 수학식 1은,
이고, I11은 제1-1 특성 그룹에 포함되는 음식들을 원소로서 포함하는 집합이고, i는 제1-1 특성 그룹에 포함되는 음식들 중 i 번째 음식이고, μu는 제1 사용자 u의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, μv는 제2 사용자 v의 제1-1 특성 그룹에 포함되는 음식들에 대한 평균 평점이고, rui는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 u의 평점이고, rvi는 제1-1 특성 그룹에 포함되는 음식 i에 대한 제1 사용자 v의 평점이고,
상기 수학식 2는,
인 것을 특징으로 하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
- 제2항에 있어서,
상기 (e) 단계는,
(e1) 상기 컴퓨팅 장치가, 상기 복수의 특성에 따른 그룹핑 결과로 생성되는 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 제2 임계치 미만이 되는 특성 그룹을 상반(相反) 입맛 그룹으로 결정하는 단계; 및
(e2) 상기 컴퓨팅 장치가, 상기 복수의 특성 그룹 중 상기 두 사용자의 입맛 유사도가 상기 제1 임계치 미만이 되고, 상기 제2 임계치 이상이 되는 특성 그룹을 중립 입맛 그룹으로 결정하는 단계
를 포함하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
- 제3항에 있어서,
(f) 특정 음식에 연관되는 가맹점에 대한 상기 두 사용자의 평점 및 후기에 기반하여 상기 입맛 유사도를 보정하는 단계
를 더 포함하고,
상기 (f) 단계는,
(f1) 상기 두 사용자의 후기에 대한 텍스트 마이닝 결과로부터 상기 가맹점에서 제공되는 음식에 대한 반응 성향의 유사 여부를 판단하는 단계; 및
(f2) 상기 복수의 음식에 대한 상기 두 사용자의 평균 평점 차이와 상기 복수의 음식에 대한 전체 사용자들의 평균 평점의 표준편차를 비교하여 두 사용자의 입맛 유사도를 보정하는 단계
를 포함하는 서로 다른 두 사용자의 입맛 유사도를 계산하는 방법.
- 컴퓨터 장치로 하여금, 제1항 내지 제4항 중 어느 한 항의 방법을 수행하도록 구현된 명령어(instructions)를 포함하는, 기계 판독 가능한 비일시적 기록 매체에 저장된, 컴퓨터 프로그램.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190166281A KR102272063B1 (ko) | 2019-12-13 | 2019-12-13 | 사용자들의 입맛 유사도를 판단하는 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190166281A KR102272063B1 (ko) | 2019-12-13 | 2019-12-13 | 사용자들의 입맛 유사도를 판단하는 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210075337A true KR20210075337A (ko) | 2021-06-23 |
KR102272063B1 KR102272063B1 (ko) | 2021-07-02 |
Family
ID=76599521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190166281A KR102272063B1 (ko) | 2019-12-13 | 2019-12-13 | 사용자들의 입맛 유사도를 판단하는 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102272063B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102572228B1 (ko) * | 2022-11-14 | 2023-08-31 | 이민석 | 음식 취향 관리 서버 |
KR102604774B1 (ko) * | 2023-01-18 | 2023-11-21 | 주식회사 래빗 | 딥러닝에 기반한 생체모방기술을 활용한 식음료의 맛 분석 방법 및 시스템 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170116924A (ko) * | 2015-08-13 | 2017-10-20 | 정진호 | 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램 |
KR101950870B1 (ko) | 2018-04-27 | 2019-02-21 | (주)소울시스템즈 | 맛성향평가를 이용한 개인 음식 성향의 분석 장치 및 방법 |
-
2019
- 2019-12-13 KR KR1020190166281A patent/KR102272063B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170116924A (ko) * | 2015-08-13 | 2017-10-20 | 정진호 | 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램 |
KR101950870B1 (ko) | 2018-04-27 | 2019-02-21 | (주)소울시스템즈 | 맛성향평가를 이용한 개인 음식 성향의 분석 장치 및 방법 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102572228B1 (ko) * | 2022-11-14 | 2023-08-31 | 이민석 | 음식 취향 관리 서버 |
KR102604774B1 (ko) * | 2023-01-18 | 2023-11-21 | 주식회사 래빗 | 딥러닝에 기반한 생체모방기술을 활용한 식음료의 맛 분석 방법 및 시스템 |
Also Published As
Publication number | Publication date |
---|---|
KR102272063B1 (ko) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11201935B2 (en) | Cooking device-based recipe pushing method and apparatus | |
US10803349B2 (en) | Apparatus and method for determining taste of user based on latent variable | |
US9779160B2 (en) | Iterative image search algorithm informed by continuous human-machine input feedback | |
US20210174169A1 (en) | Method to predict food color and recommend changes to achieve a target food color | |
US20140143020A1 (en) | Method for generating user flavor preference profiles | |
KR102272063B1 (ko) | 사용자들의 입맛 유사도를 판단하는 장치 및 방법 | |
US20140104385A1 (en) | Method and apparatus for determining information associated with a food product | |
US10095979B2 (en) | Modeling for flavor profiles | |
US20200170083A1 (en) | Systems and methods for centralized remote control of heaters | |
KR20210032759A (ko) | 개인 입맛의 주관성 분석을 이용한 음식 추천 시스템 및 방법 | |
KR20160116449A (ko) | 요리 레시피 제공 애플리케이션 시스템 | |
CN110989389A (zh) | 一种菜谱的调整方法和装置 | |
US10592957B2 (en) | Analyzing user access of media for meal plans | |
KR20220012158A (ko) | 개인화된 조리 서비스를 제공하는 방법 및 장치 | |
US11024198B2 (en) | Apparatus and method for estimating actual dietary content of meal of user | |
KR102481029B1 (ko) | 에프앤비 콘텐츠 기반 식재료 구매 서비스 제공 방법, 장치 및 시스템 | |
US20230134600A1 (en) | Method and apparatus for providing personalized cooking service | |
CA2812783A1 (en) | System and method for providing flavor advisement and enhancement | |
Kim | The Platonic Ideal of Macaroni and Cheese. | |
Holste et al. | What Cuisine?-A Machine Learning Strategy for Multi-label Classification of Food Recipes | |
Dunlop | Broth with little bother. Cookery| Keep some stock in the freezer to build a quick Chinese noodle soup, writes Fuchsia Dunlop. | |
KR20240031674A (ko) | 사용자의 식습관 유형을 파악하여 음식을 추천하고 푸드 리포트를 제공하는 시스템을 운용하는 방법 | |
Fong | National Pizza Day, I cheese you: The Clog's guide to local pizza. | |
Bruijns | An Online Algorithm for Efficient and Diverse Meal Planning | |
JP2023132194A (ja) | 食品についての判定システム、判定方法及び判定プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |