1 |
1
복수의 사용자들 각각에 대한 정보를 데이터 바인딩(data binding)하여 상기 복수의 사용자들 각각에 대한 로그 정보를 생성하는 단계; 및상기 복수의 사용자들 중에서 어느 하나의 사용자에 대한 정보에 대응하는 제1 사용자들만 추출하고, 상기 어느 하나의 사용자의 로그 정보와 상기 추출된 제1 사용자들의 로그 정보 간의 유사도를 분석하여 상기 추출된 제1 사용자들의 로그 정보에서 상기 어느 하나의 사용자가 사용하지 않은 SaaS 애그리게이션 서비스(software as a service aggregation service)를 추출하고, 상기 어느 하나의 사용자가 최다 사용한 트리거(trigger)에 대응하는 제2 사용자들만 추출하고, 상기 추출된 제2 사용자들의 로그 정보의 최다 사용 빈도를 분석하여 상기 추출된 제2 사용자들의 로그 정보에서 상기 어느 하나의 사용자가 사용하지 않는 레시피(recipe)를 추출하고, 상기 SaaS 애그리게이션 서비스와 상기 레시피를 상기 어느 하나의 사용자에 대한 맞춤 서비스로 추천하는 단계를 포함하고,상기 레시피는 트리거와 액션의 조합으로 구성된 SaaS 애그리게이션 서비스에 대한 공식인 서비스 추천 방법
|
2 |
2
제1항에 있어서,상기 복수의 사용자들 각각에 대한 정보는,상기 복수의 사용자들 각각의 식별 정보, 상기 복수의 사용자들 각각이 사용한 SaaS 애그리게이션 서비스, 상기 복수의 사용자들 각각의 레시피, 및 상기 복수의 사용자들 각각에 대응하는 SaaS 애플리케이션 데이터(SaaS application data), IoT 데이터(internet of things data)와 빅 데이터(big data)이고,상기 복수의 사용자들 각각에 대한 로그 정보는,상기 복수의 사용자들 각각의 식별 정보, 상기 복수의 사용자들 각각이 사용한 SaaS 애그리게이션 서비스, 상기 복수의 사용자들 각각의 레시피, 및 상기 복수의 사용자들 각각에 대응하는 SaaS 애플리케이션 데이터, IoT 데이터와 빅 데이터가 데이터 바이닝된 로그 정보인 서비스 추천 방법
|
3 |
3
제2항에 있어서,상기 복수의 사용자들 각각의 식별 정보는,상기 복수의 사용자들 각각의 ID(identification), PW(password), 이름, 나이, 지역을 포함하고,상기 복수의 사용자들 각각이 사용한 SaaS 애그리게이션 서비스는,상기 SaaS 애그리게이션 서비스에 대한 ID, 사용 시작 시간, 사용 종료 시간, 사용 지속 시간, 및 평점을 포함하고,상기 복수의 사용자들 각각의 레시피는,상기 복수의 사용자들 각각에 대응하는 SaaS 애플리케이션 데이터, IoT 데이터, 및 빅 데이터 중에서 적어도 하나의 API(application programming interface) 리스트인 트리거, 및 액션(action)을 포함하는 서비스 추천 방법
|
4 |
4
제3항에 있어서,상기 복수의 사용자들 각각의 ID, 및 상기 SaaS 애그리게이션 서비스에 대한 ID는,임의의 숫자, 및 문자로 구성된 UUID(universally unique identifier)가 부여되는 서비스 추천 방법
|
5 |
5
제3항에 있어서,상기 추천하는 단계는,피어슨 유사도 알고리즘(pearson similarity algorithm)을 이용하여 상기 복수의 사용자들 각각에 대한 로그 정보에 포함된 SaaS 애그리게이션 서비스를 분석함으로써 상기 어느 하나의 사용자에 대한 제1 맞춤 서비스를 추천하는 단계;최다 사용 알고리즘(most used algorithm)을 이용하여 상기 복수의 사용자들 각각에 대한 로그 정보에 포함된 레시피를 분석함으로써 상기 어느 하나의 사용자에 대한 제2 맞춤 서비스를 추천하는 단계; 및상기 제1 맞춤 서비스, 및 상기 제2 맞춤 서비스를 통합하여 통합 맞춤 서비스를 추천하는 단계를 포함하는 서비스 추천 방법
|
6 |
6
제5항에 있어서,상기 제1 맞춤 서비스를 추천하는 단계는,상기 어느 하나의 사용자가 사용한 SaaS 애그리게이션 서비스, 및 상기 어느 하나의 사용자의 나이, 및 지역 중에서 적어도 하나에 대응하는 상기 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스를 추출하는 단계;상기 피어슨 유사도 알고리즘을 이용하여 상기 어느 하나의 사용자가 사용한 SaaS 애그리게이션 서비스에 대한 평점과 상기 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스에 대한 평점 간의 유사도를 분석하는 단계;상기 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스를 상기 어느 하나의 사용자 및 상기 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스에 대한 평점간의 유사도가 높은 순서대로 정렬하는 단계; 및상기 정렬 결과에 기초하여 상위에 정렬된 SaaS 애그리게이션 서비스들 중에서 상기 어느 하나의 사용자가 사용하지 않은 SaaS 애그리게이션 서비스인 제1 맞춤 서비스를 추천하는 단계를 포함하는 서비스 추천 방법
|
7 |
7
제6항에 있어서,상기 제1 사용자들은,상기 어느 하나의 사용자의 나이, 및 지역 중에서 어느 하나와 동일한 복수의 사용자들인 서비스 추천 방법
|
8 |
8
제6항에 있어서,상기 제1 맞춤 서비스는,상기 상위에 정렬된 SaaS 애그리게이션 서비스들 중에서 평점이 높은 서비스인 서비스 추천 방법
|
9 |
9
제5항에 있어서,상기 제2 맞춤 서비스를 추천하는 단계는,상기 어느 하나의 사용자의 레시피를 추출하는 단계;상기 어느 하나의 사용자의 레시피에 포함된 트리거, 및 액션을 분리하는 단계;상기 최다 사용 알고리즘을 이용하여 상기 어느 하나의 사용자의 레시피에 포함된 트리거의 최다 사용 빈도를 분석하는 단계;상기 어느 하나의 사용자의 레시피에 포함된 트리거의 최다 사용 빈도 분석 결과에 기초하여 상기 어느 하나의 사용자가 최다 사용한 트리거에 대응하는 상기 제2 사용자들 각각의 레시피를 추출하는 단계;상기 최다 사용 알고리즘을 이용하여 상기 제2 사용자들 각각의 레시피에 포함된 트리거의 최다 사용 빈도를 분석하는 단계;상기 제2 사용자들 각각의 레시피에 포함된 트리거의 최다 사용 빈도 분석 결과에 기초하여 상기 제2 사용자들 각각의 레시피를 사용 빈도가 높은 순서대로 정렬하는 단계; 및상기 정렬 결과에 기초하여 상위에 정렬된 레시피 중에서 상기 어느 하나의 사용자가 사용하지 않은 레시피인 제2 맞춤 서비스를 추천하는 단계를 포함하는 서비스 추천 방법
|
10 |
10
제9항에 있어서,상기 제2 사용자들은,상기 어느 하나의 사용자가 최다 사용한 트리거와 동일한 트리거를 포함하는 복수의 사용자들인 서비스 추천 방법
|
11 |
11
복수의 사용자들 각각에 대한 정보를 수신하는 송수신기;상기 복수의 사용자들 각각에 대한 정보를 데이터 바인딩(data binding)하여 상기 복수의 사용자들 각각에 대한 로그 정보를 생성하고, 상기 복수의 사용자들 중에서 어느 하나의 사용자에 대한 정보에 대응하는 제1 사용자들만 추출하고, 상기 어느 하나의 사용자의 로그 정보와 상기 추출된 제1 사용자들의 로그 정보 간의 유사도를 분석하여 상기 추출된 제1 사용자들의 로그 정보에서 상기 어느 하나의 사용자가 사용하지 않은 SaaS 애그리게이션 서비스(software as a service aggregation service)를 추출하고, 상기 어느 하나의 사용자가 최다 사용한 트리거(trigger)에 대응하는 제2 사용자들만 추출하고, 상기 추출된 제2 사용자들의 로그 정보의 최다 사용 빈도를 분석하여 상기 추출된 제2 사용자들의 로그 정보에서 상기 어느 하나의 사용자가 사용하지 않는 레시피(recipe)를 추출하고, 상기 SaaS 애그리게이션 서비스와 상기 레시피를 상기 어느 하나의 사용자에 대한 맞춤 서비스로 추천하는 컨트롤러를 포함하고,상기 레시피는 트리거와 액션의 조합으로 구성된 SaaS 애그리게이션 서비스에 대한 공식인 서비스 추천 장치
|
12 |
12
제11항에 있어서,상기 복수의 사용자들 각각에 대한 정보는,상기 복수의 사용자들 각각의 식별 정보, 상기 복수의 사용자들 각각이 사용한 SaaS 애그리게이션 서비스, 상기 복수의 사용자들 각각의 레시피, 및 상기 복수의 사용자들 각각에 대응하는 SaaS 애플리케이션 데이터(SaaS application data), IoT 데이터(internet of things data)와 빅 데이터(big data)이고,상기 복수의 사용자들 각각에 대한 로그 정보는,상기 복수의 사용자들 각각의 식별 정보, 상기 복수의 사용자들 각각이 사용한 SaaS 애그리게이션 서비스, 상기 복수의 사용자들 각각의 레시피, 및 상기 복수의 사용자들 각각에 대응하는 SaaS 애플리케이션 데이터, IoT 데이터와 빅 데이터가 데이터 바이닝된 로그 정보인 서비스 추천 장치
|
13 |
13
제12항에 있어서,상기 복수의 사용자들 각각의 식별 정보는,상기 복수의 사용자들 각각의 ID(identification), PW(password), 이름, 나이, 지역을 포함하고,상기 복수의 사용자들 각각이 사용한 SaaS 애그리게이션 서비스는,상기 SaaS 애그리게이션 서비스에 대한 ID, 사용 시작 시간, 사용 종료 시간, 사용 지속 시간, 및 평점을 포함하고,상기 복수의 사용자들 각각의 레시피는,상기 복수의 사용자들 각각에 대응하는 SaaS 애플리케이션 데이터, IoT 데이터, 및 빅 데이터 중에서 적어도 하나의 API(application programming interface) 리스트인 트리거, 및 액션(action)을 포함하는 서비스 추천 장치
|
14 |
14
제13항에 있어서,상기 복수의 사용자들 각각의 ID, 및 상기 SaaS 애그리게이션 서비스에 대한 ID는,임의의 숫자, 및 문자로 구성된 UUID(universally unique identifier)가 부여되는 서비스 추천 장치
|
15 |
15
제13항에 있어서,상기 컨트롤러는,피어슨 유사도 알고리즘(pearson similarity algorithm)을 이용하여 상기 복수의 사용자들 각각에 대한 로그 정보에 포함된 SaaS 애그리게이션 서비스를 분석함으로써 상기 어느 하나의 사용자에 대한 제1 맞춤 서비스를 추천하고, 최다 사용 알고리즘(most used algorithm)을 이용하여 상기 복수의 사용자들 각각에 대한 로그 정보에 포함된 레시피를 분석함으로써 상기 어느 하나의 사용자에 대한 제2 맞춤 서비스를 추천하고, 상기 제1 맞춤 서비스, 및 상기 제2 맞춤 서비스를 통합하여 통합 맞춤 서비스를 추천하는 추천부를 포함하는 서비스 추천 장치
|
16 |
16
제15항에 있어서,상기 추천부는,상기 어느 하나의 사용자가 사용한 SaaS 애그리게이션 서비스, 및 상기 어느 하나의 사용자의 나이, 및 지역 중에서 적어도 하나에 대응하는 상기 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스를 추출하고, 상기 피어슨 유사도 알고리즘을 이용하여 상기 어느 하나의 사용자가 사용한 SaaS 애그리게이션 서비스에 대한 평점과 상기 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스에 대한 평점 간의 유사도를 분석하고, 상기 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스를 상기 어느 하나의 사용자 및 제1 사용자들 각각이 사용한 SaaS 애그리게이션 서비스에 대한 평점간의 유사도가 높은 순서대로 정렬하고, 상기 정렬 결과에 기초하여 상위에 정렬된 SaaS 애그리게이션 서비스 중에서 상기 어느 하나의 사용자가 사용하지 않은 SaaS 애그리게이션 서비스인 제1 맞춤 서비스를 추천하는 서비스 추천 장치
|
17 |
17
제16항에 있어서,상기 제1 사용자들은,상기 어느 하나의 사용자의 나이, 및 지역 중에서 어느 하나와 동일한 복수의 사용자들인 서비스 추천 장치
|
18 |
18
제16항에 있어서,상기 제1 맞춤 서비스는,상기 상위에 정렬된 SaaS 애그리게이션 서비스들 중에서 평점이 높은 서비스인 서비스 추천 장치
|
19 |
19
제15항에 있어서,상기 추천부는,상기 어느 하나의 사용자의 레시피를 추출하고, 상기 어느 하나의 사용자의 레시피에 포함된 트리거, 및 액션을 분리하고, 상기 최다 사용 알고리즘을 이용하여 상기 어느 하나의 사용자의 레시피에 포함된 트리거의 최다 사용 빈도를 분석하고, 상기 어느 하나의 사용자의 레시피에 포함된 트리거의 최다 사용 빈도 분석 결과에 기초하여 상기 어느 하나의 사용자가 최다 사용한 트리거에 대응하는 상기 제2 사용자들 각각의 레시피를 추출하고, 상기 최다 사용 알고리즘을 이용하여 상기 제2 사용자들 각각의 레시피에 포함된 트리거의 최다 사용 빈도를 분석하고, 상기 제2 사용자들 각각의 레시피에 포함된 트리거의 최다 사용 빈도 분석 결과에 기초하여 상기 제2 사용자들 각각의 레시피를 사용 빈도가 높은 순서대로 정렬하고, 상기 정렬 결과에 기초하여 상위에 정렬된 레시피 중에서 상기 어느 하나의 사용자가 사용하지 않은 레시피인 제2 맞춤 서비스를 추천하는 서비스 추천 장치
|
20 |
20
제19항에 있어서,상기 제2 사용자들은,상기 어느 하나의 사용자가 최다 사용한 트리거와 동일한 트리거를 포함하는 복수의 사용자들인 서비스 추천 장치
|