| 1 |
1
사주정보 및 개인환경정보를 획득하는 입력부;오행보완상품정보를 저장하는 저장부; 및상기 사주정보에 대응하는 사주속성벡터를 획득하고, 상기 개인환경정보에 대응하는 잠재속성벡터를 획득하고, 상기 사주속성벡터 및 상기 잠재속성벡터를 기반으로 오행보완벡터를 획득하고, 상기 오행보완벡터를 기반으로 상기 오행보완상품정보 중에서 상기 오행보완벡터에 대응하는 적어도 하나의 오행보완상품을 획득하는 프로세서;를 포함하는 상품 추천 장치
|
| 2 |
2
제1항에 있어서,상기 프로세서는, 상기 개인환경정보의 각각의 요소에 대응하는 오행 속성을 결정하고, 상기 각각의 요소에 대한 노출 시간을 기반으로 각각의 오행 속성에 대한 전체적인 오행 강도를 결정하고, 상기 각각의 오행 속성에 대한 전체적인 오행 강도를 기반으로 각각의 오행 속성에 대한 노출 비율을 연산하고, 상기 각각의 오행 속성에 대한 노출 비율 또는 상기 노출 비율에 소정 상수를 곱한 값을 순차 배치함으로써 상기 개인환경정보에 대응하는 상기 잠재속성벡터를 획득하는 상품 추천 장치
|
| 3 |
3
제1항에 있어서,상기 프로세서는, 상기 사주속성벡터 및 상기 잠재속성벡터의 평균을 연산하고, 상기 평균에 기준 벡터를 차감하여 상기 오행보완벡터를 획득하되, 상기 기준 벡터는 특정 오행의 부족 또는 과다를 평가할 수 있도록 마련된 벡터를 포함하는 상품 추천 장치
|
| 4 |
4
제3항에 있어서,상기 프로세서는, 상기 사주속성벡터 및 상기 잠재속성벡터의 평균을 연산하고 상기 평균에 기준 벡터를 차감하여 획득된 벡터의 각 요소 중에서 적어도 일 요소가 양의 값을 갖는다면, 상기 적어도 일 요소의 오행 속성을 극의 관계를 갖는 오행 속성으로 치환하고, 상기 적어도 일 요소의 값을 극의 관계를 갖는 오행 속성의 값으로 치환하는 상품 추천 장치
|
| 5 |
5
제1항에 있어서,상기 프로세서는, 상기 오행보완벡터에 따라서 모든 보완 대상 오행이 일치하거나 또는 일부의 보완 대상 오행이 일치하는 상품을 상기 오행보완상품정보로부터 검출하여 상기 오행보완벡터에 대응하는 적어도 하나의 오행보완상품을 획득하는 상품 추천 장치
|
| 6 |
6
제1항에 있어서,상기 프로세서는, 그리디 알고리즘을 이용하여 상기 적어도 하나의 오행보완상품 중에서 최적의 상품을 선택하는 상품 추천 장치
|
| 7 |
7
제6항에 있어서,상기 프로세서는, 특정 시점에서의 목적 함수 및 다른 시점에서의 목적 함수의 차이를 기반으로 보상 값이 가장 큰 상품을 선택함으로써 상기 적어도 하나의 오행보완상품 중에서 최적의 상품을 선택하는 상품 추천 장치
|
| 8 |
8
제7항에 있어서,상기 목적 함수는 상기 오행보완벡터 및 상기 오행보완상품에 대한 벡터의 합 또는 상기 오행보완벡터 및 상기 오행보완상품에 대한 벡터의 합의 놈을 포함하는 상품 추천 장치
|
| 9 |
9
오행보완상품정보를 저장하는 단계;사주정보 및 개인환경정보를 획득하는 단계;상기 사주정보에 대응하는 사주속성벡터를 획득하는 단계;상기 개인환경정보에 대응하는 잠재속성벡터를 획득하는 단계;상기 사주속성벡터 및 상기 잠재속성벡터를 기반으로 오행보완벡터를 획득하는 단계; 및상기 오행보완벡터를 기반으로 상기 오행보완상품정보 중에서 상기 오행보완벡터에 대응하는 적어도 하나의 오행보완상품을 획득하는 단계;를 포함하는 상품 추천 방법
|
| 10 |
10
제9항에 있어서,상기 개인환경정보에 대응하는 잠재속성벡터를 획득하는 단계는,상기 개인환경정보의 각각의 요소에 대응하는 오행 속성을 결정하는 단계;상기 각각의 요소에 대한 노출 시간을 기반으로 각각의 오행 속성에 대한 전체적인 오행 강도를 결정하는 단계;상기 각각의 오행 속성에 대한 전체적인 오행 강도를 기반으로 각각의 오행 속성에 대한 노출 비율을 연산하는 단계;상기 각각의 오행 속성에 대한 노출 비율 또는 상기 노출 비율에 소정 상수를 곱한 값을 순차 배치함으로써 상기 개인환경정보에 대응하는 상기 잠재속성벡터를 획득하는 단계;를 포함하는 상품 추천 방법
|
| 11 |
11
제10항에 있어서,상기 사주속성벡터 및 상기 잠재속성벡터를 기반으로 오행보완벡터를 획득하는 단계는,상기 사주속성벡터 및 상기 잠재속성벡터의 평균을 연산하는 단계; 및상기 평균에 기준 벡터를 차감하여 상기 오행보완벡터를 획득하는 단계;를 포함하고,상기 기준 벡터는 특정 오행의 부족 또는 과다를 평가할 수 있도록 마련된 벡터를 포함하는 상품 추천 방법
|
| 12 |
12
제11항에 있어서,상기 사주속성벡터 및 상기 잠재속성벡터를 기반으로 오행보완벡터를 획득하는 단계는,상기 사주속성벡터 및 상기 잠재속성벡터의 평균을 연산하고 상기 평균에 기준 벡터를 차감하여 획득된 벡터의 각 요소 중에서 적어도 일 요소가 양의 값을 갖는다면, 상기 적어도 일 요소의 오행 속성을 극의 관계를 갖는 오행 속성으로 치환하고, 상기 적어도 일 요소의 값을 극의 관계를 갖는 오행 속성의 값으로 치환하는 단계;를 더 포함하는 상품 추천 방법
|
| 13 |
13
제9항에 있어서,상기 오행보완벡터를 기반으로 상기 오행보완상품정보 중에서 상기 오행보완벡터에 대응하는 적어도 하나의 오행보완상품을 획득하는 단계는,상기 오행보완벡터에 따라서 모든 보완 대상 오행이 일치하거나 또는 일부의 보완 대상 오행이 일치하는 상품을 상기 오행보완상품정보로부터 검출하여 상기 오행보완벡터에 대응하는 적어도 하나의 오행보완상품을 획득하는 단계;를 포함하는 상품 추천 방법
|
| 14 |
14
제9항에 있어서,그리디 알고리즘을 이용하여 상기 적어도 하나의 오행보완상품 중에서 최적의 상품을 선택하는 단계;를 더 포함하는 상품 추천 방법
|
| 15 |
15
제14항에 있어서,상기 그리디 알고리즘을 이용하여 상기 적어도 하나의 오행보완상품 중에서 최적의 상품을 선택하는 단계는,특정 시점에서의 목적 함수 및 다른 시점에서의 목적 함수의 차이를 기반으로 보상 값이 가장 큰 상품을 선택함으로써 상기 적어도 하나의 오행보완상품 중에서 최적의 상품을 선택하는 단계;를 포함하는 상품 추천 방법
|
| 16 |
16
제15항에 있어서,상기 목적 함수는 상기 오행보완벡터 및 상기 오행보완상품에 대한 벡터의 합 또는 상기 오행보완벡터 및 상기 오행보완상품에 대한 벡터의 합의 놈을 포함하는 상품 추천 방법
|
