KR102416496B1 - 대화형 에이전트 시스템 및 그 제어 방법 - Google Patents
대화형 에이전트 시스템 및 그 제어 방법 Download PDFInfo
- Publication number
- KR102416496B1 KR102416496B1 KR1020200039227A KR20200039227A KR102416496B1 KR 102416496 B1 KR102416496 B1 KR 102416496B1 KR 1020200039227 A KR1020200039227 A KR 1020200039227A KR 20200039227 A KR20200039227 A KR 20200039227A KR 102416496 B1 KR102416496 B1 KR 102416496B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- product
- interactive
- pattern
- characteristic
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 41
- 230000002452 interceptive effect Effects 0.000 claims abstract description 263
- 238000000605 extraction Methods 0.000 claims abstract description 56
- 230000010365 information processing Effects 0.000 claims abstract description 56
- 239000000284 extract Substances 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000000306 recurrent effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- PGLIUCLTXOYQMV-UHFFFAOYSA-N Cetirizine hydrochloride Chemical compound Cl.Cl.C1CN(CCOCC(=O)O)CCN1C(C=1C=CC(Cl)=CC=1)C1=CC=CC=C1 PGLIUCLTXOYQMV-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G06Q50/30—
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
패턴 정보를 생성하는 사용자 패턴 분석 장치; 특성 추출 모델에 기초하여 상품 정보에 대한 특성 정보에 따라 대화형 상품 정보를 생성하고, 패턴 정보에 매칭되는 대화형 상품 정보를 추출하고, 새로운 패턴 정보와 이전의 패턴 정보를 비교하여, 대화형 상품 정보를 추출하는 대화형 에이전트 장치; 및 대화형 상품 정보를 출력하는 정보처리 장치를 포함하는, 대화형 에이전트 시스템을 제공한다.
Description
본 발명은 대화형 에이전트 시스템 및 그 제어 방법에 관한 것으로, 보다 상세하게는, 사용자의 쇼핑 패턴에 적합한 상품 및 그에 관한 정보를 대화 형태로 제공하는 대화형 에이전트 시스템 및 그 제어 방법에 관한 것이다.
인터넷이 널리 보급됨에 따라 온라인 쇼핑몰이 더욱 활성화되고 있다. 이에 따라, 사용자는 특정 상품이나 재화를 판매점 등을 직접 방문하지 않고, 온라인 쇼핑몰을 통해 편리하게 구매할 수 있다. 이러한 온라인 쇼핑몰의 등장으로 사용자는 특정 상품이나 재화를 구매하는 데 기인하는 시간과 비용을 절감할 수 있게 되었다. 이러한 온라인 쇼핑몰의 장점으로 인해 많은 사용자들이 온라인 쇼핑몰을 이용하게 되었고, 이에 힘입어 다양한 온라인 쇼핑몰이 등장하게 되었다.
한편, 종래의 인터넷 쇼핑몰은 상품 공급자로부터 상품을 공급받아 인터넷 상에서 구매자에게 직접 판매하는 형태로 운영되고 있으나, 대부분의 경우, 금전적인 이유나, 홍보 매체의 한계에 의해 쇼핑몰에서 판매되는 개별 상품을 홍보하기에는 어려움이 따른다.
이에 따라, 상품 공급자 또는 쇼핑몰 운영자가 쇼핑몰에 구비되는 개별 상품에 대한 홍보를 보다 편리하게 수행하고, 이에 따라, 사용자가 필요로 하는 상품을 편리하게 구매할 수 있는 방안이 요구되는 실정이다.
본 발명이 해결하고자 하는 기술적 과제는 사용자의 쇼핑 패턴에 적합한 상품 및 그에 관한 정보를 대화 형태로 제공하는 대화형 에이전트 시스템 및 그 제어 방법을 제공하는 것이다.
본 발명의 일측면에 따르면, 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 패턴 추출 모델을 생성하고, 상기 패턴 추출 모델에 기초하여 사용자의 쇼핑 패턴에 따라 수집된 기록 정보에 대한 패턴 정보를 생성하는 사용자 패턴 분석 장치; 사전에 마련되는 상품 정보에 대한 특성 정보를 학습하여 특성 추출 모델을 생성하고, 상기 특성 추출 모델에 기초하여 광고를 위해 수집된 상품 정보에 대한 특성 정보를 생성하여, 상기 특성 정보에 따라 대화형 상품 정보를 생성하고, 상기 패턴 정보에 매칭되는 대화형 상품 정보를 추출하고, 상기 사용자 패턴 분석 장치로부터 전달되는 새롭게 수집된 기록 정보에 대한 패턴 정보와 상기 대화형 상품 정보가 추출되도록 이용된 이전의 패턴 정보를 비교하여, 비교 결과에 따른 대화형 상품 정보를 추출하는 대화형 에이전트 장치; 및 사용자로부터 입력 받는 입력 정보에 따라 상기 대화형 에이전트 장치에서 생성되는 대화형 상품 정보를 출력하는 정보처리 장치를 포함할 수 있다.
또한, 상기 특성 정보는, 상품의 명칭을 나타내는 제 1 특성 정보; 상기 상품의 제원을 나타내는 제 2 특성 정보; 및 상기 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보를 포함할 수 있다.
또한, 상기 대화형 에이전트 장치는, 상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 상기 제 2 특성 정보 및 상기 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 상기 대화형 에이전트 장치는, 상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 상기 대화형 에이전트 장치는, 상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 상세한 상품 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 상기 대화형 에이전트 장치는, 상기 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 상기 사용자 패턴 분석 장치는, 사용자가 상기 정보처리 장치를 이용하여 생성된 검색 기록, 웹사이트 방문 기록, 쇼핑몰 구매 내역, 영상 시청 내역 및 개인정보 중 적어도 하나의 정보를 수집할 수 있다.
본 발명의 다른 일측면은, 대화형 에이전트 시스템을 제어하는 대화형 에이전트 시스템의 제어 방법에 있어서, 사용자의 쇼핑 패턴을 예측할 수 있도록 기록 정보를 수집하는 단계; 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 생성된 패턴 추출 모델에 기초하여, 사용자의 쇼핑 패턴에 따라 수집된 기록 정보에 대한 패턴 정보를 생성하는 단계; 사전에 마련되는 상품 정보에 대한 특성 정보를 학습하여 생성된 특성 추출 모델에 기초하며, 광고를 위해 수집된 상품 정보에 대한 특성 정보에 따라 생성된 대화형 상품 정보 중 상기 패턴 정보에 매칭되는 대화형 상품 정보를 추출하고, 상기 기록 정보를 수집하는 단계에서 새롭게 수집된 기록 정보에 대한 패턴 정보와 상기 대화형 상품 정보가 추출되도록 이용된 이전의 패턴 정보를 비교하여, 비교 결과에 따른 대화형 상품 정보를 추출하는 단계; 및 추출된 대화형 상품 정보를 출력하는 단계를 포함할 수 있다.
또한, 상기 특성 정보는, 상품의 명칭을 나타내는 제 1 특성 정보; 상기 상품의 제원을 나타내는 제 2 특성 정보; 및 상기 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보를 포함할 수 있다.
또한, 상기 대화형 상품 정보를 출력하는 단계는, 상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 상기 제 2 특성 정보 및 상기 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 상기 대화형 상품 정보를 출력하는 단계는, 상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 상기 대화형 상품 정보를 출력하는 단계는, 상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 상세한 상품 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 2 특성 정보에 대한 대화형 상품 정보를 출력할 수 있다.
또한, 상기 대화형 상품 정보를 출력하는 단계는, 상기 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 3 특성 정보에 대한 대화형 상품 정보를 출력할 수 있다.
또한, 상기 기록 정보를 수집하는 단계는, 사용자의 검색 기록, 웹사이트 방문 기록, 쇼핑몰 구매 내역, 영상 시청 내역 및 개인정보 중 적어도 하나의 정보를 수집할 수 있다.
상술한 본 발명의 일측면에 따르면, 대화형 에이전트 시스템 및 그 제어 방법을 제공함으로써, 사용자의 쇼핑 패턴에 적합한 상품 및 그에 관한 정보를 대화 형태로 제공할 수 있다.
도1은 본 발명의 일 실시예에 따른 대화형 에이전트 시스템의 개략도이다.
도2는 도1의 사용자 패턴 분석 장치의 제어블록도이다.
도3은 도1의 대화형 에이전트 장치의 제어블록도이다.
도4는 도2의 기록 정보 학습부에서 패턴 추출 모델을 생성하는 과정을 나타내는 블록도이다.
도5는 도3의 상품 정보 학습부에서 특성 추출 모델을 생성하는 과정을 나타내는 블록도이다.
도6은 본 발명의 일 실시예에 따른 대화형 에이전트 시스템의 제어 방법의 순서도이다.
도2는 도1의 사용자 패턴 분석 장치의 제어블록도이다.
도3은 도1의 대화형 에이전트 장치의 제어블록도이다.
도4는 도2의 기록 정보 학습부에서 패턴 추출 모델을 생성하는 과정을 나타내는 블록도이다.
도5는 도3의 상품 정보 학습부에서 특성 추출 모델을 생성하는 과정을 나타내는 블록도이다.
도6은 본 발명의 일 실시예에 따른 대화형 에이전트 시스템의 제어 방법의 순서도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도1은 본 발명의 일 실시예에 따른 대화형 에이전트 시스템의 개략도이다.
대화형 에이전트 시스템(100)은 사용자 패턴 분석 장치(110), 대화형 에이전트 장치(120) 및 정보처리 장치(130)를 포함할 수 있다.
사용자 패턴 분석 장치(110)는 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 패턴 추출 모델을 생성할 수 있고, 사용자 패턴 분석 장치(110)는 패턴 추출 모델에 기초하여 사용자의 쇼핑 패턴에 따라 수집된 기록 정보에 대한 패턴 정보를 생성할 수 있다.
상세하게, 사용자 패턴 분석 장치(110)는 사용자의 쇼핑 패턴을 예측할 수 있도록 기록 정보를 수집할 수 있다. 여기에서, 기록 정보는 사용자가 정보처리 장치(130)를 이용하여 생성된 검색 기록, 웹사이트 방문 기록, 쇼핑몰 구매 내역, 영상 시청 내역 및 개인정보 등의 사용자의 쇼핑 패턴을 예측하는데 이용될 수 있는 정보를 포함할 수 있다.
한편, 사용자 패턴 분석 장치(110)는 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 패턴 추출 모델을 생성할 수 있다. 이때, 사용자 패턴 분석 장치(110)는 서로 다른 사용자의 기록 정보를 수집하고, 동일한 기록 정보를 군집화하여 패턴 추출 모델을 생성하는 비지도 학습(Unsupervised Learning) 기법을 이용할 수 있으며, 이에 따라, 사용자 패턴 분석 장치(110)는 군집화된 동일한 기록 정보를 가지는 적어도 하나의 다른 사용자의 기록 정보에 따라 패턴 정보를 생성할 수 있다. 이때, 패턴 정보는 사용자의 기록 정보에 따른 적어도 하나의 상품을 나타내는 정보일 수 있다.
이와 같은, 비지도 학습은 군집 분석(Cluster analysis), 의존 구조(Dependency Structure) 학습, 벡터 양자화(Vector quantization), 데이터 차원 축소(Data Dimensionality Reduction) 등의 기법이 이용될 수 있다.
이에 따라, 사용자 패턴 분석 장치(110)는 패턴 추출 모델에 기초하여 수집된 기록 정보에 대한 패턴 정보를 생성할 수 있다. 이는, 정보처리 장치(130)로부터 수집되는 기록 정보를 패턴 추출 모델에 입력하여 출력되는 패턴 정보를 얻는 것으로 이해할 수 있으며, 이때, 패턴 정보는 수집된 기록 정보에 따른 적어도 하나의 상품을 포함할 수 있다.
또한, 패턴 정보는 수집된 기록 정보에 따른 적어도 하나의 상품에 대한 우선 순위를 포함할 수도 있으며, 이러한 경우에, 대화형 에이전트 장치(120)는 패턴 정보에 마련되는 적어도 하나의 상품 중 우선 순위가 가장 높은 상품을 사용자에게 제공할 수 있다.
사용자 패턴 분석 장치(110)는 유선 또는 무선 네트워크를 이용하여 기록 정보에 따라 생성된 패턴 정보를 대화형 에이전트 장치(120)에 전달할 수 있다.
대화형 에이전트 장치(120)는 사전에 마련되는 상품 정보에 대한 특성 정보를 학습하여 특성 추출 모델을 생성할 수 있고, 대화형 에이전트 장치(120)는 특성 추출 모델에 기초하여 홍보를 위해 수집된 상품 정보에 대한 특성 정보를 생성하여, 특성 정보에 따라 대화형 상품 정보를 생성할 수 있으며, 대화형 에이전트 장치(120)는 패턴 정보에 매칭되는 대화형 상품 정보를 추출할 수 있다. 또한, 대화형 에이전트 장치(120)는 사용자 패턴 분석 장치(110)로부터 전달되는 새롭게 수집된 기록 정보에 대한 패턴 정보와 대화형 상품 정보가 추출되도록 이용된 이전의 패턴 정보를 비교하여, 비교 결과에 따른 대화형 상품 정보를 추출할 수 있다.
상세하게, 대화형 에이전트 장치(120)는 광고를 위한 상품의 상품 정보를 수집할 수 있으며, 이때, 대화형 에이전트 장치(120)는 광고 요청자에 의해 제공되는 상품의 명칭, 제원 및 관련 행사 등의 정보가 포함되는 적어도 하나의 텍스트 또는 영상 등의 정보를 수집할 수 있다.
이에 따라, 대화형 에이전트 장치(120)는 수집된 상품 정보에 대한 특성 정보를 학습하여 특성 추출 모델을 생성할 수 있다. 여기에서, 특성 정보는 각각의 상품의 특성을 나타내는 정보를 의미하며, 예를 들어, 특성 정보는 상품이 '줄넘기'인 경우에, 줄의 길이, 줄 길이 조절 기능, 손잡이 재질 등의 특성을 포함할 수 있으며, 특성 정보는 상품이 'CPU'인 경우에, 코어 개수, 제조 공정, 클럭(Clock), 소비 전력, 쓰레드(Thread) 개수, 소켓 유형 등의 정보를 포함할 수 있다.
또한, 대화형 에이전트 장치(120)는 사전에 마련되는 적어도 하나의 상품 정보에 대한 특성 정보를 입력 받고, 상품 정보에 대한 특성 정보를 딥러닝(Deep Learning) 기법을 이용하여 학습할 수 있다.
이때, 대화형 에이전트 장치(120)는 텍스트 형태로 입력된 상품 정보에 대해, 특성 정보의 종류를 나타내는 단어 또는 문장 등에 인접한 단어 또는 문장이 특성 정보로써 추출되도록 학습할 수 있으며, 또는, 대화형 에이전트 장치(120)는 영상 형태로 입력된 상품 정보에 대해, 영상으로부터 적어도 하나의 텍스트를 추출하고, 각각의 텍스트로부터 특성 정보를 학습할 수도 있다.
여기에서, 대화형 에이전트 장치(120)는 특성 정보를 상품의 명칭, 제원, 행사 등의 정보에 따라 분류되도록 학습할 수 있다. 이를 위해, 대화형 에이전트 장치(120)는 특성 정보의 종류를 나타내는 단어를 상품의 명칭, 제원, 행사 등의 정보에 따라 분류할 수 있다.
이와 관련하여, 대화형 에이전트 장치(120)는 광학식 문자 판독(OCR: Optical Character Reader) 등의 기법을 이용하여 영상으로부터 텍스트를 추출할 수 있으며, 이때, 광학식 문자 판독은 정점 샘플링법, 스트로크 어널리시스법, 상관 함수법, 존데법, 윤곽 특징 추출법 및 위상 기하학적 특징 추출법 등을 이용하여 텍스트를 추출할 수 있으며, 대표적으로, 위상 기하학적 특징 추출법은 영상으로부터 추출된 텍스트 영상을 일정한 크기로 변환시키고, 변환된 텍스트 영상에 나타난 텍스트의 단점, 굴절점, 분기점 및 점 간의 선의 방향 등을 추출하고, 사전에 마련되는 텍스트의 정보와 비교하여 일치하는 텍스트를 판단하는 기법을 의미한다.
이에 따라, 대화형 에이전트 장치(120)는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등의 딥 러닝 기법을 이용하여 적어도 하나의 상품 정보에 대한 특성 정보를 학습하여 특성 추출 모델을 생성할 수 있다.
대화형 에이전트 장치(120)는 특성 추출 모델에 기초하여 광고를 위해 수집된 상품 정보에 대한 특성 정보를 생성할 수 있다. 이때, 대화형 에이전트 장치(120)는 상품 정보를 특성 추출 모델에 입력할 수 있으며, 이에 따라, 대화형 에이전트 장치(120)는 특성 추출 모델로부터 출력되는 특성 정보를 얻을 수 있다.
이에 따라, 대화형 에이전트 장치(120)는 특성 정보에 따라 대화형 상품 정보를 생성할 수 있으며, 여기에서, 대화형 상품 정보는 임의의 상품의 특성 정보가 문장의 형태로 생성된 것을 의미할 수 있다.
예를 들어, 대화형 상품 정보는 'Ryzen 5 3500 상품의 코어 개수는 6 개이고, 쓰레드는 6 개입니다.'와 같은 형태로 나타날 수 있으며, 또한, 대화형 상품 정보는 '뮤지컬 오페라의 유령 상품은 인터파크에서 학생 20% 할인 행사를 진행하고 있습니다'와 같은 형태로 나타날 수도 있다.
이와 같이, 대화형 상품 정보는 상품 정보 및 특성 정보에 따라 다른 형태의 문장 구조로 생성될 수 있다.
또한, 대화형 상품 정보는 상품의 명칭, 특성 정보에 따른 특성의 카테고리, 특성 정보에 따른 특성의 순서로 나열될 수 있으며, 대화형 상품 정보는 상품의 명칭, 특성 정보에 따른 행사 위치, 특성 정보에 따른 행사 내용의 순서로 나열될 수도 있다.
이를 위해, 대화형 에이전트 장치(120)는 사전에 마련되는 문장 구조에 특성 정보를 삽입하여 대화형 상품 정보를 생성할 수 있으며, 이때, 대화형 에이전트 장치(120)는 특성 정보로 나타나는 단어의 형태에 따라 문장 구조가 변경될 수 있다.
예를 들어, 대화형 에이전트 장치(120)는 삽입되는 단어의 형태에 따라 해당 단어에 연결되는 조사의 형태를 변경시킬 수 있다.
대화형 에이전트 장치(120)는 패턴 정보에 매칭되는 대화형 상품 정보를 추출할 수 있다. 이때, 대화형 에이전트 장치(120)는 패턴 정보에 포함되는 상품 중 적어도 하나의 상품에 대해 생성된 대화형 상품 정보를 추출할 수 있으며, 이때, 패턴 정보에 포함되는 상품 중 적어도 하나의 상품은 패턴 정보에 포함되는 상품 중 우선 순위가 가장 높은 상품일 수 있다.
한편, 대화형 에이전트 장치(120)는 특성 정보를 특성 정보의 종류에 따라 분류하고, 정보처리 장치(130)에 입력되는 입력 정보에 따라 단계적으로 출력하도록 제어 명령을 생성할 수 있다.
예를 들어, 대화형 에이전트 장치(120)는 특성 정보를 상품의 명칭을 나타내는 제 1 특성 정보, 상품의 제원을 나타내는 제 2 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류할 수 있다.
이러한 경우에, 대화형 에이전트 장치(120)는 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 상세한 상품 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
이는, 대화형 에이전트 장치(120)가 사용자의 기록 정보에 따라 추천 상품의 명칭을 제공하고, 사용자가 해당 상품에 관심을 가지는 경우에 상세한 제원을 제공하며, 사용자가 최종적으로 해당 상품을 구매하는 경우에 해당 상품에 대한 행사 정보를 제공할 수 있는 것으로 이해할 수 있다.
이때, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 정보처리 장치(130)로부터 전달받는 입력 정보에 따라 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수도 있다.
한편, 대화형 에이전트 장치(120)는 특성 정보를 상품의 명칭과 제원을 나타내는 제 1 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 2 특성 정보에 따라 분류할 수도 있다.
이러한 경우에, 대화형 에이전트 장치(120)는 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
이는, 대화형 에이전트 장치(120)가 사용자의 기록 정보에 따라 추천 상품의 명칭과 제원을 제공하고, 사용자가 해당 상품을 구매하는 경우에, 해당 상품에 대한 행사 정보를 제공할 수 있는 것으로 이해할 수 있다.
또한, 대화형 에이전트 장치(120)는 특성 정보를 상품의 명칭과 제원을 나타내는 제 1 특성 정보, 상품을 판매하는 웹사이트, 전화 번호 및 판매업자 등의 판매 정보를 나타내는 제 2 특성 정보 및 판매 정보 별 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류할 수도 있다.
이러한 경우에, 대화형 에이전트 장치(120)는 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 판매 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 대화형 에이전트 장치(120)는 정보처리 장치(130)에 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 행사 정보를 요구하는 입력 정보가 입력된 경우에, 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
이는, 대화형 에이전트 장치(120)가 사용자의 기록 정보에 따라 추천 상품의 명칭과 제원을 제공하고, 사용자가 해당 상품에 관심을 가지는 경우에 해당 상품을 구매할 수 있는 판매 정보를 제공하며, 사용자가 특정 판매 정보에서 해당 상품을 구매하는 경우에 해당 판매 정보에서의 행사 정보를 제공하는 것으로 이해할 수 있다.
이때, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 정보처리 장치(130)로부터 전달받는 입력 정보에 따라 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수도 있다.
한편, 대화형 에이전트 장치(120)는 정보처리 장치(130)로부터 전달받는 입력 정보로부터 사전에 마련되는 단어와 동일한 단어를 추출하고, 추출된 단어에 따라 입력 정보에 내포된 의미를 판단할 수 있으며, 이를 위해, 대화형 에이전트 장치(120)는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등의 딥 러닝 기법을 이용하여 적어도 하나의 입력 정보에 대한 제어 명령을 학습할 수 있으며, 이에 따라, 대화형 에이전트 장치(120)는 입력 정보에 대해 학습된 모델에 정보처리 장치(130)로부터 전달되는 입력 정보를 입력하여 해당 입력 정보가 어떤 제어 명령을 나타내는지 판단할 수 있다.
대화형 에이전트 장치(120)는 유선 또는 무선 네트워크를 이용하여 대화형 상품 정보를 출력하도록 정보처리 장치(130)에 전달할 수 있다.
정보처리 장치(130)는 사용자로부터 입력 정보를 입력 받을 수 있고, 정보처리 장치(130)는 사용자로부터 입력 받는 입력 정보에 따라 대화형 상품 정보를 출력할 수 있다.
이때, 정보처리 장치(130)는 데스크탑(Desktop), 랩탑(Laptop), 노트북(Notebook), 태블릿(Tablet), 스마트폰(Smartphone) 등의 장치가 이용될 수 있다. 이에 따라, 정보처리 장치(130)는 사용자로부터 문장 또는 단어 형태의 입력 정보를 입력 받을 수 있으며, 정보처리 장치(130)는 사용자로부터 사전에 설정되는 명령어 등을 입력 받을 수도 있다. 이때, 명령어는 특수문자, 숫자, 알파벳, 자음, 모음 등이 나열되는 형태로 설정될 수 있다.
이에 따라, 정보처리 장치(130)는 유선 또는 무선 네트워크를 이용하여 입력 정보에 따라 대화형 상품 정보를 생성하도록 대화형 에이전트 장치(120)에 전달할 수 있다.
또한, 정보처리 장치(130)는 사용자로부터 입력 받는 입력 정보에 따라 대화형 에이전트 장치(120)에서 생성되는 대화형 상품 정보를 출력할 수 있다. 이때, 정보처리 장치(130)는 정보처리 장치(130)에 구비되는 디스플레이에 문자 형태로 생성된 대화형 상품 정보를 출력할 수 있다.
한편, 사용자 패턴 분석 장치(110)는 정보처리 장치(130)에서 대화형 에이전트 장치(110)로부터 전달된 대화형 상품 정보가 출력된 이후에 생성되는 기록 정보를 재 수집할 수 있다. 이에 따라, 사용자 패턴 분석 장치(110)는 재 수집된 기록 정보로부터 패턴 정보를 재 생성할 수 있으며, 사용자 패턴 분석 장치(110)는 재 생성된 패턴 정보를 대화형 에이전트 장치(120)에 전달할 수 있다.
이때, 대화형 에이전트 장치(120)는 재 생성되어 전달된 패턴 정보와 정보처리 장치(130)에 전달한 대화형 상품 정보가 추출되도록 이용된 이전의 패턴 정보를 비교할 수 있다.
이에 따라, 대화형 에이전트 장치(120)는 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품에 대해 확장된 정보를 나타내는 대화형 상품 정보가 출력되도록 제어할 수 있다.
예를 들어, 대화형 에이전트 장치(120)는 특성 정보가 상품의 명칭을 나타내는 제 1 특성 정보, 상품의 제원을 나타내는 제 2 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류된 경우에, 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 제 2 특성 정보 및 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
여기에서, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수도 있다.
이때, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
한편, 대화형 에이전트 장치(120)는 특성 정보가 상품의 명칭과 제원을 나타내는 제 1 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 2 특성 정보에 따라 분류된 경우에, 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
이때, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 대화형 에이전트 장치(120)는 특성 정보가 상품의 명칭과 제원을 나타내는 제 1 특성 정보, 상품을 판매하는 웹사이트, 전화 번호 및 판매업자 등의 판매 정보를 나타내는 제 2 특성 정보 및 판매 정보 별 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류된 경우에, 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 제 2 특성 정보 및 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
여기에서, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수도 있다.
이때, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
이와 관련하여, 대화형 에이전트 장치(120)는 정보처리 장치(130)에서 제 2 특성 정보 및 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보, 제 2 특성 정보 및 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수도 있다.
도2는 도1의 사용자 패턴 분석 장치의 제어블록도이다.
사용자 패턴 분석 장치(110)는 기록 정보 수집부(111), 기록 정보 학습부(112) 및 패턴 정보 생성부를 포함할 수 있다.
기록 정보 수집부(111)는 사용자의 쇼핑 패턴을 예측할 수 있도록 기록 정보를 수집할 수 있다. 여기에서, 기록 정보는 사용자가 정보처리 장치(130)를 이용하여 생성된 검색 기록, 웹사이트 방문 기록, 쇼핑몰 구매 내역, 영상 시청 내역 및 개인정보 등의 사용자의 쇼핑 패턴을 예측하는데 이용될 수 있는 정보를 포함할 수 있다.
기록 정보 학습부(112)는 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 패턴 추출 모델을 생성할 수 있다.
이를 위해, 기록 정보 학습부(112)는 서로 다른 사용자의 기록 정보를 수집하고, 동일한 기록 정보를 군집화하여 패턴 추출 모델을 생성하는 비지도 학습(Unsupervised Learning) 기법을 이용할 수 있으며, 이에 따라, 기록 정보 학습부(112)는 군집화된 동일한 기록 정보를 가지는 적어도 하나의 다른 사용자의 기록 정보에 따라 패턴 정보를 생성할 수 있다.
패턴 정보 생성부(113)는 패턴 추출 모델에 기초하여 수집된 기록 정보에 대한 패턴 정보를 생성할 수 있다. 이는, 정보처리 장치(130)로부터 수집되는 기록 정보를 패턴 추출 모델에 입력하여 출력되는 패턴 정보를 얻는 것으로 이해할 수 있으며, 이때, 패턴 정보는 수집된 기록 정보에 따른 적어도 하나의 상품을 포함할 수 있다.
한편, 사용자 패턴 분석 장치(110)는 유선 또는 무선 네트워크를 이용하여 기록 정보에 따라 생성된 패턴 정보를 대화형 에이전트 장치(120)에 전달하도록 통신부를 더 포함할 수 있다.
도3은 도1의 대화형 에이전트 장치의 제어블록도이다.
대화형 에이전트 장치(120)는 상품 정보 수집부(121), 상품 정보 학습부(122), 제어부(123) 및 추출부(124)를 포함할 수 있다.
상품 정보 수집부(121)는 광고를 위한 상품의 상품 정보를 수집할 수 있으며, 이때, 상품 정보 수집부(121)는 광고 요청자에 의해 제공되는 상품의 명칭, 제원 및 관련 행사 등의 정보가 포함되는 적어도 하나의 텍스트 또는 영상 등의 정보를 수집할 수 있다.
상품 정보 학습부(122)는 수집된 상품 정보에 대한 특성 정보를 학습하여 특성 추출 모델을 생성할 수 있다. 여기에서, 특성 정보는 각각의 상품의 특성을 나타내는 정보를 의미할 수 있다.
이와 관련하여, 상품 정보 학습부(122)는 특성 정보를 상품의 명칭을 나타내는 제 1 특성 정보, 상품의 제원을 나타내는 제 2 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류할 수 있다.
또한, 상품 정보 학습부(122)는 특성 정보를 상품의 명칭과 제원을 나타내는 제 1 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 2 특성 정보에 따라 분류할 수도 있다.
또한, 상품 정보 학습부(122)는 특성 정보를 상품의 명칭과 제원을 나타내는 제 1 특성 정보, 상품을 판매하는 웹사이트, 전화 번호 및 판매업자 등의 판매 정보를 나타내는 제 2 특성 정보 및 판매 정보 별 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류할 수도 있다.
제어부(123)는 특성 추출 모델에 기초하여 광고를 위해 수집된 상품 정보에 대한 특성 정보를 생성할 수 있다. 이때, 제어부(123)는 상품 정보를 특성 추출 모델에 입력할 수 있으며, 이에 따라, 제어부(123)는 특성 추출 모델로부터 출력되는 특성 정보를 얻을 수 있다.
제어부(123)는 특성 정보에 따라 대화형 상품 정보를 생성할 수 있으며, 여기에서, 대화형 상품 정보는 임의의 상품의 특성 정보가 문장의 형태로 생성된 것을 의미할 수 있다.
한편, 제어부(123)는 특성 정보가 상품의 명칭을 나타내는 제 1 특성 정보, 상품의 제원을 나타내는 제 2 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류되고, 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 상세한 상품 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 제어부(123)는 특성 정보가 상품의 명칭과 제원을 나타내는 제 1 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 2 특성 정보에 따라 분류되고, 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
또한, 제어부(123)는 특성 정보가 상품의 명칭과 제원을 나타내는 제 1 특성 정보, 상품을 판매하는 웹사이트, 전화 번호 및 판매업자 등의 판매 정보를 나타내는 제 2 특성 정보 및 판매 정보 별 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류되고, 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 판매 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있으며, 제어부(123)는 정보처리 장치(130)에 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 행사 정보를 요구하는 입력 정보가 입력된 경우에, 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있다.
추출부(124)는 패턴 정보에 매칭되는 대화형 상품 정보를 추출할 수 있다. 이때, 추출부(124)는 패턴 정보에 포함되는 상품 중 적어도 하나의 상품에 대해 생성된 대화형 상품 정보를 추출할 수 있으며, 이때, 패턴 정보에 포함되는 상품 중 적어도 하나의 상품은 패턴 정보에 포함되는 상품 중 우선 순위가 가장 높은 상품일 수 있다.
한편, 대화형 에이전트 장치(120)는 유선 또는 무선 네트워크를 이용하여 대화형 상품 정보를 출력하도록 정보처리 장치(130)에 전달하는 통신부를 더 포함할 수 있다.
도4는 도2의 기록 정보 학습부에서 패턴 추출 모델을 생성하는 과정을 나타내는 블록도이다.
도4를 참조하면, 사용자 패턴 분석 장치(110)의 기록 정보 수집부(111)는 사용자의 쇼핑 패턴을 예측할 수 있도록 기록 정보를 수집할 수 있으며, 이에 따라, 기록 정보 학습부(112)는 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 패턴 추출 모델을 생성할 수 있다.
이때, 패턴 정보 생성부(113)는 패턴 추출 모델에 기초하여 수집된 기록 정보에 대한 패턴 정보를 생성할 수 있다. 이는, 정보처리 장치(130)로부터 수집되는 기록 정보를 패턴 추출 모델에 입력하여 출력되는 패턴 정보를 얻는 것으로 이해할 수 있으며, 여기에서, 패턴 정보는 수집된 기록 정보에 따른 적어도 하나의 상품을 포함할 수 있다.
이에 따라, 사용자 패턴 분석 장치(110)는 유선 또는 무선 네트워크를 이용하여 기록 정보에 따라 생성된 패턴 정보를 대화형 에이전트 장치(120)에 전달할 수 있다.
도5는 도3의 상품 정보 학습부에서 특성 추출 모델을 생성하는 과정을 나타내는 블록도이다.
도5를 참조하면, 상품 정보 수집부(121)는 광고를 위한 상품의 상품 정보를 수집할 수 있으며, 이에 따라, 상품 정보 학습부(122)는 수집된 상품 정보에 대한 특성 정보를 학습하여 특성 추출 모델을 생성할 수 있다. 여기에서, 특성 정보는 각각의 상품의 특성을 나타내는 정보를 의미할 수 있다.
이때, 제어부(123)는 특성 추출 모델에 기초하여 광고를 위해 수집된 상품 정보에 대한 특성 정보를 생성할 수 있다. 이와 관련하여, 제어부(123)는 상품 정보를 특성 추출 모델에 입력할 수 있으며, 이에 따라, 제어부(123)는 특성 추출 모델로부터 출력되는 특성 정보를 얻을 수 있다.
한편, 제어부(123)는 특성 정보에 따라 대화형 상품 정보를 생성할 수 있으며, 이에 따라, 추출부(124)는 패턴 정보에 매칭되는 대화형 상품 정보를 추출할 수 있다. 이때, 추출부(124)는 패턴 정보에 포함되는 상품 중 적어도 하나의 상품에 대해 생성된 대화형 상품 정보를 추출할 수 있으며, 이때, 패턴 정보에 포함되는 상품 중 적어도 하나의 상품은 패턴 정보에 포함되는 상품 중 우선 순위가 가장 높은 상품일 수 있다.
이에 따라, 대화형 에이전트 장치(120)는 유선 또는 무선 네트워크를 이용하여 대화형 상품 정보를 출력하도록 정보처리 장치(130)에 전달할 수 있다.
도6은 본 발명의 일 실시예에 따른 대화형 에이전트 시스템의 제어 방법의 순서도이다.
본 발명의 일 실시예에 따른 대화형 에이전트 시스템의 제어 방법은 도 1에 도시된 대화형 에이전트 시스템(100)과 실질적으로 동일한 구성 상에서 진행되므로, 도 1의 대화형 에이전트 시스템(100)과 동일한 구성요소에 대해 동일한 도면 부호를 부여하고, 반복되는 설명은 생략하기로 한다.
대화형 에이전트 시스템의 제어 방법은 기록 정보를 수집하는 단계(600), 패턴 정보를 생성하는 단계(610), 대화형 상품 정보를 추출하는 단계(620) 및 대화형 상품 정보를 출력하는 단계(630)를 포함할 수 있다.
기록 정보를 수집하는 단계(600)는 사용자의 쇼핑 패턴을 예측할 수 있도록 기록 정보를 수집할 수 있다. 여기에서, 기록 정보는 사용자가 정보처리 장치(130)를 이용하여 생성된 검색 기록, 웹사이트 방문 기록, 쇼핑몰 구매 내역, 영상 시청 내역 및 개인정보 등의 사용자의 쇼핑 패턴을 예측하는데 이용될 수 있는 정보를 포함할 수 있다.
패턴 정보를 생성하는 단계(610)는 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 생성된 패턴 추출 모델에 기초하여, 사용자의 쇼핑 패턴에 따라 수집된 기록 정보에 대한 패턴 정보를 생성할 수 있다.
대화형 상품 정보를 추출하는 단계(620)는 사전에 마련되는 상품 정보에 대한 특성 정보를 학습하여 생성된 특성 추출 모델에 기초하며, 광고를 위해 수집된 상품 정보에 대한 특성 정보에 따라 생성된 대화형 상품 정보 중 패턴 정보를 생성하는 단계(610)에서 생성된 패턴 정보에 매칭되는 대화형 상품 정보를 추출할 수 있다.
대화형 상품 정보를 출력하는 단계(630)는 추출된 대화형 상품 정보를 출력할 수 있다.
이때, 대화형 상품 정보를 출력하는 단계(630)는 사용자로부터 입력 받는 입력 정보에 따라 추출되는 대화형 상품 정보를 출력할 수도 있다.
예를 들어, 대화형 상품 정보를 출력하는 단계(630)는 특성 정보가 상품의 명칭을 나타내는 제 1 특성 정보, 상품의 제원을 나타내는 제 2 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류되고, 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 상세한 상품 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력할 수 있다.
또한, 대화형 상품 정보를 출력하는 단계(630)는 특성 정보가 상품의 명칭과 제원을 나타내는 제 1 특성 정보 및 상품에 관련된 행사 정보를 나타내는 제 2 특성 정보에 따라 분류되고, 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력할 수 있다.
또한, 대화형 상품 정보를 출력하는 단계(630)는 특성 정보가 상품의 명칭과 제원을 나타내는 제 1 특성 정보, 상품을 판매하는 웹사이트, 전화 번호 및 판매업자 등의 판매 정보를 나타내는 제 2 특성 정보 및 판매 정보 별 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보에 따라 분류되고, 정보처리 장치(130)에 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 판매 정보를 요구하는 입력 정보가 입력된 경우에, 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성할 수 있으며, 대화형 상품 정보를 출력하는 단계(630)는 정보처리 장치(130)에 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 행사 정보를 요구하는 입력 정보가 입력된 경우에, 제 3 특성 정보에 대한 대화형 상품 정보를 출력할 수 있다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 대화형 에이전트 시스템
110: 사용자 패턴 분석 장치
120: 대화형 에이전트 장치
130: 정보처리 장치
110: 사용자 패턴 분석 장치
120: 대화형 에이전트 장치
130: 정보처리 장치
Claims (14)
- 사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 패턴 추출 모델을 생성하고, 상기 패턴 추출 모델에 기초하여 사용자의 쇼핑 패턴에 따라 수집된 기록 정보에 대한 패턴 정보를 생성하는 사용자 패턴 분석 장치;
사전에 마련되는 상품 정보에 대한 특성 정보를 학습하여 특성 추출 모델을 생성하고, 상기 특성 추출 모델에 기초하여 광고를 위해 수집된 상품 정보에 대한 특성 정보를 생성하여, 상기 특성 정보에 따라 대화형 상품 정보를 생성하고, 상기 패턴 정보에 매칭되는 대화형 상품 정보를 추출하고, 상기 사용자 패턴 분석 장치로부터 전달되는 새롭게 수집된 기록 정보에 대한 패턴 정보와 상기 대화형 상품 정보가 추출되도록 이용된 이전의 패턴 정보를 비교하여, 비교 결과에 따른 대화형 상품 정보를 추출하는 대화형 에이전트 장치;
사용자로부터 입력 받는 입력 정보에 따라 상기 대화형 에이전트 장치에서 생성되는 대화형 상품 정보를 출력하는 정보처리 장치를 포함하고,
상기 특성 정보는,
상품의 명칭을 나타내는 제 1 특성 정보;
상기 상품의 제원을 나타내는 제 2 특성 정보; 및
상기 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보를 포함하며,
상기 대화형 에이전트 장치는,
상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에는, 동일한 상품의 상기 제 2 특성 정보 및 상기 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하고,
상기 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하는 것을 특징으로 하는, 대화형 에이전트 시스템.
- 삭제
- 삭제
- 제1항에 있어서, 상기 대화형 에이전트 장치는,
상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하는, 대화형 에이전트 시스템.
- 제1항에 있어서, 상기 대화형 에이전트 장치는,
상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 상세한 상품 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 2 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하는, 대화형 에이전트 시스템.
- 제1항에 있어서, 상기 대화형 에이전트 장치는,
상기 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하는, 대화형 에이전트 시스템.
- 제1항에 있어서, 상기 사용자 패턴 분석 장치는,
사용자가 상기 정보처리 장치를 이용하여 생성된 검색 기록, 웹사이트 방문 기록, 쇼핑몰 구매 내역, 영상 시청 내역 및 개인정보 중 적어도 하나의 정보를 수집하는, 대화형 에이전트 시스템.
- 대화형 에이전트 시스템을 제어하는 대화형 에이전트 시스템의 제어 방법에 있어서,
사용자의 쇼핑 패턴을 예측할 수 있도록 기록 정보를 수집하는 단계;
사전에 마련되는 기록 정보에 대한 패턴 정보를 학습하여 생성된 패턴 추출 모델에 기초하여, 사용자의 쇼핑 패턴에 따라 수집된 기록 정보에 대한 패턴 정보를 생성하는 단계;
사전에 마련되는 상품 정보에 대한 특성 정보를 학습하여 생성된 특성 추출 모델에 기초하며, 광고를 위해 수집된 상품 정보에 대한 특성 정보에 따라 생성된 대화형 상품 정보 중 상기 패턴 정보에 매칭되는 대화형 상품 정보를 추출하고, 상기 기록 정보를 수집하는 단계에서 새롭게 수집된 기록 정보에 대한 패턴 정보와 상기 대화형 상품 정보가 추출되도록 이용된 이전의 패턴 정보를 비교하여, 비교 결과에 따른 대화형 상품 정보를 추출하는 단계; 및
추출된 대화형 상품 정보를 출력하는 단계를 포함하고,
상기 특성 정보는,
상품의 명칭을 나타내는 제 1 특성 정보;
상기 상품의 제원을 나타내는 제 2 특성 정보; 및
상기 상품에 관련된 행사 정보를 나타내는 제 3 특성 정보를 포함하며,
상기 대화형 상품 정보를 출력하는 단계는,
상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 상기 제 2 특성 정보 및 상기 제 3 특성 정보 중 적어도 하나의 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하고, 상기 제2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 동일한 경우에, 동일한 상품의 제 3 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하는 것을 특징으로 하는, 대화형 에이전트 시스템의 제어 방법.
- 삭제
- 삭제
- 제8항에 있어서, 상기 대화형 상품 정보를 출력하는 단계는,
상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 재 생성된 패턴 정보와 이전의 패턴 정보가 다른 경우에, 재 생성된 패턴 정보에 마련되는 다른 상품의 제 1 특성 정보에 대한 대화형 상품 정보를 출력하도록 제어 명령을 생성하는, 대화형 에이전트 시스템의 제어 방법.
- 제8항에 있어서, 상기 대화형 상품 정보를 출력하는 단계는,
상기 제 1 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 상세한 상품 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 2 특성 정보에 대한 대화형 상품 정보를 출력하는, 대화형 에이전트 시스템의 제어 방법.
- 제8항에 있어서, 상기 대화형 상품 정보를 출력하는 단계는,
상기 제 2 특성 정보에 대한 대화형 상품 정보가 출력된 상태에서, 사용자로부터 구매 정보를 요구하는 입력 정보가 입력된 경우에, 상기 제 3 특성 정보에 대한 대화형 상품 정보를 출력하는, 대화형 에이전트 시스템의 제어 방법.
- 제8항에 있어서, 상기 기록 정보를 수집하는 단계는,
사용자의 검색 기록, 웹사이트 방문 기록, 쇼핑몰 구매 내역, 영상 시청 내역 및 개인정보 중 적어도 하나의 정보를 수집하는, 대화형 에이전트 시스템의 제어 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190179239 | 2019-12-31 | ||
| KR20190179239 | 2019-12-31 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210086928A KR20210086928A (ko) | 2021-07-09 |
| KR102416496B1 true KR102416496B1 (ko) | 2022-07-05 |
Family
ID=76865108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200039227A KR102416496B1 (ko) | 2019-12-31 | 2020-03-31 | 대화형 에이전트 시스템 및 그 제어 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102416496B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100961782B1 (ko) * | 2009-05-28 | 2010-06-07 | 주식회사 모임 | 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체 |
| KR102051064B1 (ko) * | 2018-12-18 | 2019-12-02 | 박경문 | 인공지능 기반 맞춤형 제품 추천 정보 시스템 장치 및 방법 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170015082A (ko) * | 2015-07-29 | 2017-02-08 | 주식회사 엘지씨엔에스 | 상품 주문 방법, 이를 수행하는 상품 주문 시스템 및 이를 수행하는 프로그램을 저장하는 기록매체 |
| KR20190140521A (ko) * | 2018-05-30 | 2019-12-20 | 페이업 주식회사 | 챗봇에 기반한 상품 정보 제공 장치 및 이를 이용한 상품 정보 제공 방법 |
-
2020
- 2020-03-31 KR KR1020200039227A patent/KR102416496B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100961782B1 (ko) * | 2009-05-28 | 2010-06-07 | 주식회사 모임 | 인공지능에 기반한 개인별 맞춤형 상품 제공 장치 및 방법,그 기록 매체 |
| KR102051064B1 (ko) * | 2018-12-18 | 2019-12-02 | 박경문 | 인공지능 기반 맞춤형 제품 추천 정보 시스템 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210086928A (ko) | 2021-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11188831B2 (en) | Artificial intelligence system for real-time visual feedback-based refinement of query results | |
| US20220245655A1 (en) | Systems and methods for sensor data analysis through machine learning | |
| CN110023982B (zh) | 用于选择产品标题的系统、方法、存储设备及介质 | |
| CN110991464B (zh) | 一种基于深度多模态数据融合的商品点击率预测方法 | |
| CN110073347A (zh) | 锚定搜索 | |
| US11392631B2 (en) | System and method for programmatic generation of attribute descriptors | |
| CN112330455A (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
| CN111967924A (zh) | 商品推荐方法、商品推荐装置、计算机设备和介质 | |
| CN113946754A (zh) | 基于用户画像的权益推荐方法、装置、设备及存储介质 | |
| KR102444498B1 (ko) | 이미지 기반 제품 매매 서비스 제공 시스템 및 방법 | |
| US20220277741A1 (en) | Methods and apparatus for intent recognition | |
| CN115605896A (zh) | 产品推荐和集成语言建模的系统和方法 | |
| CN116703506A (zh) | 一种基于多特征融合的电商商品推荐方法及系统 | |
| JP7577699B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
| KR102416496B1 (ko) | 대화형 에이전트 시스템 및 그 제어 방법 | |
| CN118193806A (zh) | 一种目标检索方法、装置、电子设备及存储介质 | |
| CN113127597A (zh) | 搜索信息的处理方法、装置及电子设备 | |
| US20240062264A1 (en) | Ai- backed e-commerce for all the top rated products on a single platform | |
| KR102648613B1 (ko) | 입력 이미지를 기반으로 인터넷 쇼핑몰에 전시되는 상품 이미지를 생성하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 | |
| KR20160015858A (ko) | 레스토랑 추천 시스템 및 추천 방법 | |
| KR20220118703A (ko) | 머신러닝 기반 온라인 쇼핑 리뷰 감정 예측 시스템 및 방법 | |
| Kassem et al. | A novel deep learning model for detection of inconsistency in e-commerce websites | |
| Ardiyanto et al. | Application Of Artificial Intelligence (AI) For Hijab Business In Mojokerto Using Sentiment Analysis Method Natural Language Processing (NLP) | |
| KR20220030479A (ko) | 텍스트 마이닝 기반 상품 추천 장치 및 그 방법 | |
| KR102653483B1 (ko) | 인공지능에 기반하여 미술품의 가격을 예측하는 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |