1 |
1
서버에 의해 수행되는, 관심지점 예측 모델 서비스 제공 방법에 있어서,(a) 제 1 사용자의 단말로부터 이미지 정보, 텍스트 정보, 제 1 사용자의 정보 중 적어도 하나의 정보를 수신하는 단계;(b) 딥러닝(Deep Learning) 기술을 이용하여, 상기 이미지 정보, 상기 텍스트 정보, 상기 제 1 사용자의 정보 중 최소 하나 이상의 정보에서 장소와 관련된 피처(Feature) 정보를 추출하는 단계;(c) 상기 추출된 피처(Feature) 정보와 사전에 학습된 정보 사이에 연관성 있는 다수의 관심지점(POI)을 생성하고, 이를 확률분포통계로 구성하는 단계; 및(d) 확률분포통계로 구성된 상기 관심지점 중 가장 높은 확률을 지닌 상기 관심지점(POI)를 제 2 사용자의 단말로 제공하는 단계;를 포함하는, 관심지점 예측 모델 서비스를 제공하는 방법
|
2 |
2
제 1 항에 있어서,상기 피처(Feature) 정보는 비주얼 피처(Visual Feature); 텍스추얼 피처(Textual Feature); 및 사용자의 행동반경에 대한 피처;로 구성되는 것인, 관심지점 예측 모델 서비스를 제공하는 방법
|
3 |
3
제 1 항에 있어서,상기 제 1 사용자는 서버로 상기 이미지 정보, 상기 텍스트 정보, 상기 사용자의 정보 중 적어도 하나의 정보를 입력하는 역할을 수행하고, 상기 제 2 사용자는 관심지점에 대한 정보를 수신하는 역할을 수행하는 것인, 관심지점 예측 모델 서비스를 제공하는 방법
|
4 |
4
제 2 항에 있어서,상기 (b) 단계는상기 딥러닝 기술 중 브이지지넷(VGGnet)을 사용하여, 상기 이미지 내의 특정 사물을 인식하여 비주얼 씨엔엔 레이어(Visual CNN layer)를 생성하고, 이를 토대로 상기 비주얼 피처(Visual feature)를 추출하는 것인, 관심지점 예측 모델 서비스 제공 방법
|
5 |
5
제 2 항에 있어서,상기 (b) 단계는상기 딥러닝 기술 중 엔엘피(NLP)분야의 씨엔엔(CNN)을 사용하여, 상기 텍스트 내의 특정 문맥들을 유추하여 텍스추얼 씨엔엔 레이어(Textual CNN Layer)를 생성하고, 이를 토대로 상기 텍스추얼 피처(Textual feature)를 추출하는 것인, 관심지점 예측 모델 서비스 제공 방법
|
6 |
6
제 1 항에 있어서,상기 (b) 단계는상기 사용자의 정보는 서버에서 유저 임베딩 메트릭스(User Embedding Matrix)로 구성되는 것인, 관심지점 예측 모델 서비스 제공방법
|
7 |
7
제 6 항에 있어서,상기 유저 임베딩 메트릭스(User Embedding Matrix)는 유저 임베딩 벡터(User Embedding Vector)를 이용하여, 상기 사용자의 행동반경에 대한 피처(feature)를 추출하는 것인, 관심지점 예측 모델 서비스 제공 방법
|
8 |
8
제 1 항에 있어서,상기 제 1 사용자 및 제 2 사용자는 동일 사용자인 것인, 관심지점 예측 모델 서비스 제공 방법
|
9 |
9
관심지점 예측 모델 서비스를 제공하는 서버에 있어서,관심지점 예측 모델 서비스 제공 방법을 수행하기 위한 프로그램이 기록된 메모리; 및상기 프로그램을 실행하기 위한 프로세서;를 포함하며,상기 프로세서는, 상기 프로그램의 실행에 의해,제 1 사용자의 단말로부터 이미지 정보, 텍스트 정보, 제 1 사용자의 정보 중 적어도 하나의 정보를 수신하고,딥러닝(Deep Learning) 기술을 이용하여, 상기 이미지 정보, 상기 텍스트 정보, 상기 제 1 사용자의 정보 중 최소 하나 이상의 정보에서 장소와 관련된 피처(Feature) 정보를 추출하고,사전에 학습된 정보와 상기 추출된 피처(Feature) 정보 사이에 연관성이 있는 다수의 관심지점(POI)을 생성하고, 이를 확률분포통계로 구성하고,확률분포통계로 구성된 상기 관심지점 중 가장 높은 확률을 지닌 상기 관심지점(POI)를 제 2 사용자의 단말로 제공하는, 서버
|
10 |
10
제 1 항 내지 제 8 항 중 어느 한 항에 따른 관심지점 예측 모델 서비스 제공 방법을 수행하는 프로그램이 기록된 컴퓨터 판독가능 기록매체
|