| 1 |
1
빅데이터 딥러닝 기반의 T커머스 방송편성정보 제공방법에 있어서,(a) 인공지능 매출 예측 모듈이 상품정보, 판매시간 정보, 외부요인 정보를 기초로 각 상품의 시간별 예상 매출을 학습하고 상품별 및 편성시간별 예상매출을 출력하는 단계; 및(b) 매출 최적화 방송 편성 모듈이 상기 인공지능 매출 예측 모듈로부터 수신한 상품 및 편성시간별 예상매출에 기초하여 상품과 편성시간별 예상 매출을 가중치로 배정하고, 최대 가중치 알고리즘에 따라 최대 가중치를 매칭하여 방송편성정보를 생성하는 단계;를 포함하고,상기 인공지능 매출 예측 모듈은 심층신경망 예측기와 통계적 예측기로 구성되되, 상기 심층신경망 예측기는 판매기록이 있는 상품-시간대 조합에 대해 예측하고 날씨, 휴일 변수를 반영하고, 상기 통계적 예측기는 평활화 또는 SVD 기법을 통해 데이터에 희박성을 완화하고,상기 심층신경망 예측기와 상기 통계적 예측기가 출력한 예상 매출은 아래 식과 같이 가중평균에 의해 결합되는 빅데이터 딥러닝 기반의 T커머스 방송편성정보 제공방법
|
| 2 |
2
제1항에 있어서,상기 (a) 단계는,상품정보, 판매시간 정보, 외부요인 정보를 기반으로 과거 매출 기록으로부터 예상 매출을 학습하는 단계를 포함하는 빅데이터 딥러닝 기반의 T커머스 방송편성정보 제공방법
|
| 3 |
3
제1항에 있어서,상기 (b) 단계는,판매상품, 판매시간 및 예상 매출을 이분그래프로 표현한 후 이분그래프 매칭을 이용해 최적 방송 편성을 제공하고, 동일 상품이 연속된 시간대에 배치되는 것을 예방하는 단계를 더 포함하고,상기 최적 방송 편성은,각 상품 x과 편성시간 y간 연결에지(x,y)에는 그 상품 x를 시간대 y에 편성했을 때의 예상 매출을 가중치로 배정하고, 이분그래프에서 X,Y간 에지 가중치의 합을 최대화하는 매칭은 최적 예상 매출을 최대화하는 방송편성을 의미하고, 이러한 그래프 G에서 각 시간대 y를 각 판매 상품 x와 연결하면서, 선택된 min(|X|, |Y|)개 에지들의 연결가중치w(x, y)의 총합을 최대화하기 위해 아래 식에 따라 매칭을 찾는 빅데이터 딥러닝 기반의 T커머스 방송편성정보 제공방법
|
