| 1 |
1
판매할 새로운 상품의 상품정보를 입력하는 적어도 하나 이상의 판매자단말;
상기 입력된 상품정보를 등록하는 등록서버;
상기 등록서버에 등록된 상품에 대한 구매요청신호 및 구매결정신호를 생성하고, 구매 결정된 상품에 대한 선호도를 입력하는 적어도 하나 이상의 고객단말; 그리고
상기 고객단말에게 타인에 의해 입력된 상품 선호도를 이용하여 상품을 추천하는 타인이력추천부와, 자신이 구매했던 상품의 상품정보를 이용하여 상품을 추천하는 자신이력추천부를 포함하는 추천서버;를 포함하여 구성되는 것을 특징으로 하는 상품 추천 시스템
|
| 2 |
2
제 1항에 있어서,
상기 판매자단말로부터 입력된 상품정보와 그 상품정보의 고유 벡터값을 매칭시키는 제1매칭테이블과, 상기 고객단말에 의해 구매결정된 상품의 상품정보 및 입력된 선호도를 고객별로 매칭시키는 제2매칭테이블을 생성하는 정보관리서버; 그리고
상기 제1매칭테이블 및 제2매칭테이블을 저장하는 데이터베이스를 더 포함하여 구성되는 것을 특징으로 하는 상품 추천 시스템
|
| 3 |
3
제 2항에 있어서,
상기 고객단말은 상기 추천서버로부터 추천된 상품의 상품정보를 표시하는 것을 특징으로 하는 상품 추천 시스템
|
| 4 |
4
제 1항에 있어서, 상기 타인이력추천부는;
타인에 의해 미입력된 선호도 비율이 일정비율 이상인지를 판단하는 타인이력판단부;
상기 판단결과에 따라 미입력된 선호도를 추정하는 타인이력추정부;
상기 추정된 선호도와 이미 입력된 선호도를 합산하는 선호도합산부; 그리고
상기 합산된 선호도를 이용하여 추천 상품을 선별하고, 그 추천 상품의 상품정보를 상기 고객단말에게 전송하는 타인이력제어부;를 포함하여 구성되는 것을 특징으로 하는 상품 추천 시스템
|
| 5 |
5
제 4항에 있어서,
상기 타인이력추정부는 평균 값(Mean Value) 알고리즘 또는 서포트 벡터 회귀(Support Vector Regression;SVR) 알고리즘 중 어느 하나인 것을 특징으로 하는 상품 추천 시스템
|
| 6 |
6
제 1항에 있어서, 상기 타인이력추천부는;
타인에 의해 미입력된 선호도 비율이 일정비율 이상인지를 판단하는 타인이력판단부;
상기 판단결과에 따라 입력된 선호도만을 합산하는 선호도합산부;
상기 합산된 선호도를 이용하여 미입력된 선호도를 포함한 새로운 선호도를 추정하는 타인이력추정부; 그리고
상기 추정된 새로운 선호도를 이용하여 추천 상품을 선별하고, 그 추천 상품의 상품정보를 해당 고객단말에게 전송하는 타인이력제어부;를 포함하여 구성되는 것을 특징으로 하는 상품 추천 시스템
|
| 7 |
7
제 6항에 있어서,
상기 타인이력추정부는 특이 값 분해(Singular Value Decomposition;SVD) 알고리즘임을 특징으로 하는 상품 추천 시스템
|
| 8 |
8
제 4항 또는 제 6항에 있어서,
상기 타인이력제어부는 상기 추천 상품을 선별하기 위해 서포트 벡터 머신(Support Vector Machine) 알고리즘을 이용하는 것을 특징으로 하는 상품 추천 시스템
|
| 9 |
9
제 4항 또는 제 6항에 있어서,
상기 타인이력제어부는 상기 타인이력판단부의 판단결과 일정비율 이하인 경우, 협업적 여과 추천(Collaborative Filtering Recommendation) 알고리즘을 이용하여 추천 상품을 선별하고, 그 추천 상품의 상품정보를 해당 고객단말에게 전송하는 것을 특징으로 하는 상품 추천 시스템
|
| 10 |
10
제 1항에 있어서, 상기 자신이력추천부는;
자신이 구매했던 상품의 개수가 기준값 이상인지를 판단하는 자신이력판단부;
상기 판단결과 기준값 이상인 경우, 자신이 구매했던 상품의 대표 벡터값을 추출하는 자신이력추출부; 그리고
상기 추출된 대표 벡터값에 기초하여 추천 상품을 선별하고, 그 추천 상품의 상품정보를 상기 고객단말에게 전송하는 자신이력제어부;를 포함하여 구성되는 것을 특징으로 하는 상품 추천 시스템
|
| 11 |
11
제 10항에 있어서,
상기 자신이력제어부는 추천 상품을 선별하기 위해 벡터 스페이스 모델(Vector Space Model)을 이용하는 것을 특징으로 하는 상품 추천 시스템
|
| 12 |
12
제 1항에 있어서, 상기 자신이력추천부는;
자신이 구매했던 상품의 개수가 기준값 이상인지를 판단하는 자신이력판단부; 그리고
상기 판단결과 기준값 이상인 경우, 상기 자신이 구매했던 상품의 상품정보를 이용하여 추천 상품을 선별하고, 그 추천 상품의 상품정보를 상기 고객단말에게 전송하는 자신이력제어부;를 포함하여 구성되는 것을 특징으로 하는 상품 추천 시스템
|
| 13 |
13
제 12항에 있어서,
상기 자신이력제어부는 상기 추천 상품을 선별하기 위해 서포트 벡터 머신(Support Vector Machine) 알고리즘을 이용하는 것을 특징으로 하는 상품 추천 시스템
|
| 14 |
14
타인에 의해 미입력된 선호도 비율이 일정비율 이상인지를 판단하는 타인이력판단단계;
상기 판단결과 일정비율 이상인 경우, 상기 미입력된 선호도를 추정하는 타인이력추정단계;
상기 추정된 선호도 및 이미 입력된 선호도를 합산하는 선호도합산단계; 그리고
상기 합산된 선호도를 이용하여 추천 상품을 선별하고, 그 추천 상품의 상품 정보를 해당 고객단말에게 전송하는 타인이력추천단계;를 포함하는 것을 특징으로 하는 상품추천방법
|
| 15 |
15
제 14항에 있어서,
상기 타인이력추정단계는 평균 값(Mean Value) 알고리즘 또는 서포트 벡터 회귀(Support Vector Regression;SVR) 알고리즘 중 어느 하나를 이용하여 상기 미입력된 선호도를 추정하는 것을 특징으로 하는 상품추천방법
|
| 16 |
16
타인에 의해 미입력된 선호도 비율이 일정비율 이상인지를 판단하는 타인이력판단단계;
상기 판단결과 일정비율 이상인 경우, 타인에 의해 입력된 선호도를 합산하는 선호도합산단계;
상기 합산된 선호도를 이용하여 미입력된 선호도를 포함한 새로운 선호도를 추정하는 타인이력추정단계; 그리고
상기 추정된 새로운 선호도를 이용하여 추천 상품을 선별하고, 그 추천 상품의 상품 정보를 해당 고객단말에게 전송하는 타인이력추천단계;를 포함하는 것을 특징으로 하는 상품추천방법
|
| 17 |
17
제 16항에 있어서,
상기 타인이력추정단계는 특이 값 분해(Singular Value Decomposition;SVD) 알고리즘을 이용하여 새로운 선호도를 추정하는 것을 특징으로 하는 상품추천방법
|
| 18 |
18
제 14항 또는 제 16항에 있어서,
상기 타인이력추천단계는 서포트 벡터 머신(Support Vector Machine) 알고리즘을 이용하여 추천 상품을 선별하는 것을 특징으로 하는 상품추천방법
|
| 19 |
19
제 14항 또는 제 16항에 있어서,
상기 타인이력판단단계에서 상기 판단결과 일정비율 이하인 경우, 협업적 여과 추천(Collaborative Filtering Recommendation) 알고리즘을 이용하여 추천 상품을 선별하고, 그 추천 상품을 상기 고객단말에게 전송하는 단계를 더 포함하는 것을 특징으로 하는 상품추천방법
|
| 20 |
20
자신이 구매했던 상품의 개수가 기준값 이상인지를 판단하는 자신이력판단단계;
상기 판단결과 기준값 이상인 경우, 자신이 구매했던 상품에 대한 대표 벡터값을 추출하는 자신이력추출단계; 그리고
상기 추출된 대표 벡터값에 기초하여 추천 상품을 선별하고, 그 추천 상품의 상품정보를 해당 고객단말에게 전송하는 자신이력추천단계;를 포함하는 것을 특징으로 하는 상품추천방법
|
| 21 |
21
제 20항에 있어서,
상기 자신이력추천단계는 벡터 스페이스 모델(Vector Space Model)을 이용하여 추천 상품을 선별하는 것을 특징으로 하는 상품추천방법
|
| 22 |
22
자신이 구매했던 상품의 개수가 기준값 이상인지를 판단하는 자신이력판단단계; 그리고
상기 판단결과 기준값 이상인 경우, 상기 자신이 구매했던 상품의 상품정보를 이용하여 추천 상품을 선별하고, 그 추천 상품의 상품정보를 해당 고객단말에게 전송하는 자신이력추천단계;를 포함하는 것을 특징으로 하는 상품추천방법
|
| 23 |
23
제 22항에 있어서,
상기 자신이력추천단계는 서포트 벡터 머신(Support Vector Machine) 알고리즘을 이용하여 추천 상품을 선별하는 것을 특징으로 하는 상품추천방법
|
