KR20190084764A - 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법 - Google Patents

Abstract

본 발명은 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천방법에 대한 것이다.
본 발명은 온라인 상의 화장품 관련 리뷰 데이터를 수집하고 이를 분석하여 화장품 선호도를 정량화 함으로써, 사용자의 피부 상태에 보다 적합한 맞춤 제품을 효과적으로 추천해줄 수 있는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 대한 것이다.

Description

화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법{Cosmetic recommendation system based on reviews data related to cosmetic and the method of recommending cosmetic}

본 발명은 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천방법에 대한 것이다.

보다 구체적으로, 본 발명은 온라인 상의 화장품 관련 리뷰 데이터를 수집하고 이를 분석하여 화장품 선호도를 정량화 함으로써, 사용자의 피부 상태에 보다 적합한 맞춤 제품을 효과적으로 추천해줄 수 있는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 대한 것이다.

근래에는 미에 대한 관심이 증가하면서, 사용자 얼굴의 피부 미용에 대한 관심이 높아지고 있다. 특히, 사용자의 얼굴 피부를 촬영하여 사용자 얼굴에 있는 다양한 피부 트러블(예를 들어, 주름, 모공 및 여드름 등) 등을 분석하는 피부 상태 측정 장치가 개발되고 있다.

한편, 이러한 피부 상태 측정 장치에서의 결과를 바탕으로 화장품을 추천해주는 다양한 시스템이 개시되어 있다.

다만, 종래의 피부 측정 결과에 따른 맞춤 화장품 추천 방법은, 피부 타입에 따라 기 등록되어 있는 제품이 획일적으로 추천이 되는 방식이거나, 사용자 집단이 매긴 별점들을 종합하여 단순 수치화 한 뒤 순위에 따른 추천을 하는 방식을 이루었다. 즉, 피부 측정 결과에 따라 피부 개선의 여지가 있는 피부 항목에 상응하는 기 설정 제품이 획일적으로 추천되도록 설계되는 시스템이었다.

따라서, 상기 기존의 맞춤 화장품 추천 방법은, 소비자의 화장품에 대한 최신 실사용 후기를 반영하기 어려웠고, 또한 획일적이고 제한적인 화장품을 추천함으로 인해 사용자의 피부를 개선하기 위한 최적의 맞춤 화장품의 제공이 곤란 하였다.

(특허 문헌 1) 대한민국 공개특허공보 2008-0039609

본 발명은 화장품에 대한 최신 사용자 리뷰를 포함한 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 다양하게 수집 및 분석하여 획득한 화장품 선호도 모델을 통해, 리뷰 내의 화장품에 대한 선호도를 정량화 할 수 있고, 이를 기반으로 사용자 맞춤 화장품을 추천할 수 있는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법을 제공한다.

본 발명은 또한, 화장품 관련 리뷰 데이터를 피부 진단 항목별로 분류한 후, 상기 피부 진단 항목의 개선에 적합한 맞춤 화장품을 보다 효과적으로 추천할 수 있는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법을 제공한다.

본 발명은 상기 과제를 해결하기 위하여 안출 된 것으로써, 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템에 대한 것이다.

상기 화장품 추천 시스템은, 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 수집부; 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 추출부; 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 모델 학습부; 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 선호도 계산부; 및 상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부를 포함한다.

하나의 예시에서, 상기 수집부는, 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 자동으로 수집하는 소프트웨어를 포함할 수 있다.

본 발명에 따른 상기 화장품 추천 시스템은, 예를 들면 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터부를 더 포함할 수 있다. 이 경우, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있고, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있으며, 상기 선호도 계산부는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있고, 상기 제어부는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다.

하나의 예시에서, 상기 필터부는 상기 수집된 데이터를 여드름, 주름, 피지, 모공, 홍조 및 색소 침착으로 이루어진 군에서 선택되는 어느 하나의 피부 진단 항목으로 분류할 수 있다.

하나의 예시에서, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있다.

하나의 예시에서, 상기 주요 단어 리스트는 상기 피부 진단 항목별로 분류된 데이터 내에서의 빈도를 기반으로 설정될 수 있다.

하나의 예시에서, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 서포트 벡터 머신 또는 딥 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있다.

하나의 예시에서, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 이용하여 상기 피부 진단 항목별로 분류된 데이터를 리뷰 벡터로 변환하는 변환부; 및 상기 리뷰 벡터로부터 피부 진단 항목에 대한 서포트 벡터 머신 또는 딥러닝 모델을 학습하는 학습부를 포함할 수 있다. 이 경우, 상기 선호도 계산부는 화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산할 수 있다.

본 발명은 또한, 화장품 관련 리뷰 데이터 기반 화장품 추천 방법에 대한 것이다.

상기 화장품 추천 방법은 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 단계; 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 단계; 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 단계; 상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 단계; 및 상기 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 단계를 포함한다.

상기 화장품 추천 방법은 또한, 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터링 단계를 더 포함할 수 있다. 이 경우, 상기 추출하는 단계는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있고, 상기 모델을 학습하는 단계는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있으며, 상기 화장품 선호도 점수를 계산하는 단계는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있고, 상기 화장품을 추천하는 단계는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다.

본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 의하면, 다양한 온라인 화장품 관련 리뷰 데이터를 기반으로 사용자에게 다양한 종류의 화장품을 추천할 수 있다.

또한, 본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 의하면 사용자의 피부 진단 항목의 개선에 보다 효과적인 화장품을 화장품 관련 리뷰 데이터를 기반으로 다양하게 추천할 수 있다.

물론, 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.

도 1 및 2는 본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템의 구성들을 블록화 한 도면이다.
도 3 및 4는 본 발명에 따른 화장품 추천 시스템의 구체적인 흐름을 설명하기 위한 도면이다.
도 5 및 6은 본 발명에 따른 화장품 추천 방법에 대한 단계를 도식화한 것이다.

이하, 본 발명에 대하여, 도면 및 예시를 들어 보다 구체적으로 설명한다.

본 명세서에서, 단수의 표현은 달리 명시하지 않는 한 복수의 표현을 포함한다.

본 명세서에서 사용되는 용어는, 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 발명의 실시예들은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 발명된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

본 명세서에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하, 첨부한 도면을 참고하여 본 발명에 따른 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템 및 화장품 추천 방법에 대해 설명한다.

본 발명은 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템에 대한 것이다. 본 발명에 따른 화장품 추천 시스템은 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 기반으로 화장품을 추천하는 시스템에 대한 것이다.

본 명세서에서 용어 「화장품 관련 리뷰 데이터」는 온라인 상의 웹페이지 에 게재되어 있고, 화장품에 대한 사용 후기 및 제품 평가 등을 포함하여 화장품 선호도를 정량화 하는 모델을 설계하는데 이용될 수 있는 화장품 리뷰 데이터를 의미한다.

본 발명에 따른 화장품 추천 시스템은 상기 화장품 관련 리뷰 데이터를 수집하고, 상기 데이터 내에서 관련 주요 단어 리스트를 추출하며, 이를 기반으로 화장품 선호도를 정량화 하는 모델을 설계함으로써, 사용자에게 화장품 리뷰 데이터에 개시되어 있는 화장품에 대한 선호도 점수를 제공하고, 궁극적으로 사용자에게 맞춤 화장품을 추천할 수 있다.

또한, 본 발명에 따른 화장품 추천 시스템은 피부 항목별로 화장품 리뷰 데이터를 수집 및 분류한 후, 이를 기반으로 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 설계 및 이를 통한 화장품 선호도 수치화를 수행함으로써, 사용자의 피부 진단 항목에 따른 맞춤 화장품을 보다 효과적으로 추천할 수 있다.

도 1은 본 발명에 따른 화장품 추천 시스템의 각 구성을 블록화 한 도면이다.

도 1에 도시되어 있는 바와 같이, 본 발명에 따른 화장품 추천 시스템(1)은 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 수집부(100); 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 추출부(200); 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 모델 학습부(300); 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 선호도 계산부(400); 및 상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부(500)를 포함한다.

본 발명에 따른 화장품 추천 시스템은 화장품 관련 리뷰 데이터를 수집하는 수집부(100)를 포함한다. 상기 수집부(100)는 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집한다.

상기 수집부는, 예를 들면 상기 크롤링(crawling)을 수행하는 소프트웨어를 포함할 수 있다.

하나의 예시에서, 상기 수집부는 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 자동으로 수집하는 소프트웨어를 포함할 수 있다. 상기 소프트웨어는 기 설정된 수집 알고리즘에 의해 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 수집할 수 있다.

보다 구체적인 예시에서, 수집 대상 범위인 온라인 상의 웹페이지는 검색 기능을 가지는 포털 싸이트에서 검색 가능한 블로그 및/또는 화장품 관련 리뷰를 전문적으로 취급하는 웹 싸이트 등 일 수 있으나 이에 제한되는 것은 아니다.

본 발명에 따른 화장품 추천 시스템은 상기 수집부에서 수집된 데이터를 피부 진단 항목별로 분류하고, 이를 기반으로 화장품 선호도 모델을 학습함으로써, 사용자에게 피부 진단 항목별 화장품 선호도 점수를 제공할 수 있다.

즉, 본 발명에 따른 화장품 추천 시스템은, 도 2에 도시되어 있는 바와 같이, 수집부(100)에 의해 수집된 데이터를 피부 진단 항목별로 분류하는 필터부(600)를 더 포함할 수 있다. 이 경우, 상기 모델 학습부(300), 선호도 계산부(400) 및 제어부(500)는 각각 상기 필터부(600)에 의해 분류된 피부 진단 항목별 화장품 관련 리뷰 데이터를 기반으로 모델 학습, 선호도 계산 및 화장품 추천을 수행할 수 있다.

하나의 예시에서, 본 발명에 따른 화장품 추천 시스템이 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터부를 더 포함하는 경우, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고, 상기 선호도 계산부는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며, 상기 제어부는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다.

상기와 같이, 수집부에 의해 수집된 화장품 관련 리뷰 데이터를 피부 항목별로 분류하는 필터부를 화장품 추천 시스템 내에 더 포함시키면, 피부 진단 항목별로 화장품 선호도를 정량화 할 수 있고, 이를 기반으로 추가되는 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있으며, 궁극적으로 사용자에게 특정 피부 진단 항목 개선을 위한 화장품을 추천해줄 수 있다. 따라서, 피부 상태 진단 기기를 통해 측정된 항목별 피부 상태 측정 결과와 연계하여 사용자의 피부 상태를 개선시키는 일련의 시스템을 구현할 수 있다.

상기 필터부에 의해 분류되는 데이터는, 예를 들면 여드름, 주름, 피지, 모공, 홍조 및 색소 침착 등의 피부 진단 항목별로 필터링 될 수 있다.

하나의 예시에서, 상기 필터부는 상기 수집된 데이터를 여드름, 주름, 피지, 모공, 홍조 및 색소 침착으로 이루어진 군에서 선택되는 어느 하나의 피부 진단 항목으로 분류할 수 있다.

상기 수집부에 의해 수집된 데이터 또는 상기 필터부에 의해 분류된 피부 진단 항목별 데이터에서 화장품에 대한 평가와 연관된 주요 단어 리스트는 추출부에 의해 추출된다.

즉, 추출부는 모델 학습부에서 학습되는 화장품 선호도 정량화 모델을 설정하기 위하여 주요 단어 리스트를 추출하는 역할을 수행한다.

상기 주요 단어 리스트는 화장품에 대한 평가와 연관된 주요 단어 리스트로써, 예를 들면 피부 진단 항목별로 분류된 데이터에 따라 상이한 단어 리스트가 추출될 수 있다.

하나의 예시에서, 피부 진단 항목이 여드름인 경우, 상기 주요 단어 리스트는, 화농성, 블랙헤드, 여드름 흉터 등일 수 있으나 이에 제한되는 것은 아니다.

상기 주요 단어 리스트는 수집부에 의해 수집된 데이터 또는 피부 진단 항목별로 분류된 데이터 내에서 다수 기재되어 있는 단어 일 수 있다. 즉, 상기 주요 단어 리스트는, 상기 수집부에 의해 수집된 데이터 또는 피부 진단 항목별로 분류된 데이터 내에서의 빈도를 기반으로 설정될 수 있다.

상기 추출부는 주요 단어 리스트를 자연어 처리(Natural Language Processing) 를 통해 추출한다. 상기 자연어 처리 기술을 이용하는 경우, 국문 또는 영문으로 게재되어 있는 웹페이지 내 화장품 관련 리뷰 데이터에서 주요 단어 리스트를 효과적으로 추출할 수 있다.

상기 추출부에서 추출된 주요 단어 리스트는, 예를 들면 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 단어 일 수 있다.

즉, 상기 추출부는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출할 수 있다. 상기 긍정적 평가와 연관된 주요 단어 리스트는, 예를 들면 긍정적 평가로 분류될 수 있는 피부 진단 항목별로 분류된 데이터 내에서 추출될 수 있다. 상기 긍정적 평가와 연관된 주요 단어 리스트는 후술하는 피부 진단 항목별 화장품 선호도를 정량화 하는 모델 설계의 기준이 될 수 있다.

본 발명에 따른 화장품 추천 시스템은 모델 학습부를 포함한다. 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습한다. 또한, 필터부를 통해 수집된 데이터가 피부 진단 항목별로 분류된 경우, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있다.

상기 모델 학습부는, 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하는데, 보다 구체적으로, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 기반으로 서포트 벡터 머신 또는 딥 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습할 수 있다.

상기 서포트 벡터 머신 또는 딥 러닝은 머신 러닝의 일 구체적인 예시로써, 상기 방법 이외에 다양한 머신 러닝 방법에 의해 화장품 관련 리뷰 데이터에서 추출된 주요 단어 리스트를 기반으로 화장품 선호도를 정량화 하는 모델을 설계 할 수 있다.

상기 머신 러닝에서는, 고유 벡터값을 이용한 분류 모델 형성 훈련(Training) 과정과 이를 기반으로 한 예측(Prediction) 과정을 수행할 수 있다.

따라서, 본 발명에 따른 화장품 추천 시스템이 서포트 벡터 머신 혹은 딥러닝을 통해 추출된 주요 단어 리스트를 기반으로 화장품 선호도 정량화 모델을 학습하는 경우, 상기 모델 학습부는 상기 추출된 주요 단어 리스트를 이용하여 상기 피부 진단 항목별로 분류된 데이터를 리뷰 벡터로 변환하는 변환부; 및 상기 리뷰 벡터로부터 피부 진단 항목에 대한 서포트 벡터 머신 모델 혹은 딥러닝 모델을 학습하는 학습부를 포함할 수 있다. 이 경우, 선호도 계산부는 화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산할 수 있다.

상기 모델 학습부에 의해 학습 및 설계된 화장품 선호도 정량화 모델을 기반으로 신규 화장품 관련 리뷰 데이터에 대한 화장품 선호도 점수는 계산되고, 이는 선호도 계산부에서 구현된다. 즉, 선호도 계산부는 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산한다. 상기 「화장품 관련 신규 리뷰 데이터」는 온라인 상의 웹페이지를 크롤링(crawling)하여 수집된 화장품 관련 리뷰 데이터 중에서 화장품 선호도 정량화 모델에 이용되지 아니한 리뷰 데이터를 의미할 수 있다. 즉, 본 발명에 따른 화장품 추천 시스템에 의하면, 소정의 화장품 선호도 정량화 모델을 기반으로 신규 리뷰 데이터에서 언급하고 있는 화장품에 대한 선호도를 수치적으로 표현할 수 있고, 이를 후술하는 제어부를 통해 사용자에게 제공할 수 있기 때문에, 지속적으로 업데이트 되는 온라인 상의 화장품 관련 리뷰 데이터를 실시간으로 반영하여 사용자에게 피부 진단 항목별 최적의 맞춤 화장품을 제공할 수 있다.

상기 선호도 계산부는 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하거나, 또는 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산할 수 있다. 상기 선호도 계산부의 계산 프로세스는 모델 학습부에서 학습된 구체적인 모델에 따라 상이할 수 있는데, 예를 들면 서포트 벡터 머신 또는 딥러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 경우, 상기 선호도 계산부는 화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산할 수 있다.

본 발명에 따른 화장품 추천 시스템은 상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부를 포함한다. 상기 제어부는 선호도 계산부에서 계산된 화장품 선호도 점수를 기반으로 사용자에게 화장품을 추천하는데, 예를 들면 상기 계산부에서 계산된 화장품 선호도 점수 중 상위에 속하는 화장품 관련 리뷰 데이터에 게재되어 있는 화장품을 상기 선호도 점수와 함께 사용자에게 추천할 수 있다.

한편, 본 발명에 따른 화장품 추천 시스템이 필터부를 더 포함하는 경우, 상기 제어부는 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다. 이 경우, 제어부는 피부 진단 항목 및 상기 피부 진단 항목에 상응하는 화장품을 관련 화장품 선호도 점수와 함께 사용자에게 제공하도록 설정될 수 있다.

상기 제어부는, 소정의 메모리를 포함하는 프로세서의 형태로 화장품 추천 시스템에 포함될 수 있다. 상기 제어부에 의한 화장품의 추천은, 예를 들면 사용자가 시각적으로 인식할 수 있는 디스플레이부에 의해 구현될 수 있다. 이 경우, 디스플레이부에는 화장품 선호도 점수, 대상 화장품 및/또는 관련 화장품 리뷰가 함께 표시될 수 있다.

도 3은 본 발명에 따른 화장품 추천 시스템을 구체적으로 설명하기 위한 도면이다. 도 3에 도시된 바와 같이, 본 발명에 따른 화장품 추천 시스템은 온라인 상의 웹페이지에 게재되어 있는 화장품 관련 리뷰 데이터를 수집부(100)에서 수집(101)하고, 상기 수집된 화장품 관련 리뷰 데이터에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출부(201)에서 추출(201)하며, 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 모델 학습부(300)에서 학습(301)하고, 상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 선호도 계산부(400)에서 계산(401) 하며, 상기 선호도 계산부에서 계산된 선호도 점수에 따라 제어부(500)에서 사용자에게 화장품을 추천(501)한다.

한편, 본 발명에 따른 화장품 추천 시스템이 필터부(600)를 더 포함하는 경우에는, 도 4에 도시되어 있는 바와 같이, 상기 화장품 추천 시스템은 수집부(100)에서 수집된 화장품 관련 리뷰 데이터를 피부 진단 항목별로 분류(601)할 수 있다.

본 발명은 또한, 화장품 추천 방법에 대한 것이다. 본 발명에 따른 화장품 추천 방법은 전술한 화장품 추천 시스템을 기반으로 수행된다. 따라서, 본 발명에 따른 화장품 추천 방법에 의하면, 온라인 상의 다양한 화장품 관련 리뷰 데이터를 분석하고, 이를 기반으로 화장품 선호도 모델을 설계함으로써, 신규 화장품 관련 리뷰 내의 화장품에 대한 선호도를 정량화 할 수 있고, 이를 기반으로 사용자 맞춤 화장품을 효과적으로 추천할 수 있다.

도 5 및 6은 본 발명에 따른 화장품 추천 방법에 대한 단계를 도식화되어 있다.

도 5에 도시되어 있는 바와 같이, 본 발명에 따른 화장품 추천 방법은, 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 단계(S1); 상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 단계(S2); 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 단계(S3); 상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 단계(S4); 및 상기 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 단계(S5)를 포함한다.

또한, 본 발명에 따른 화장품 추천 시스템에 필터부를 더 포함하는 경우, 본 발명에 따른 화장품 추천 방법은, 도 6에 도시되어 있는 바와 같이, 상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터링 단계(S11)를 더 포함할 수 있다. 이 경우, 상기 추출하는 단계는 상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며, 상기 모델을 학습하는 단계는 상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고, 상기 화장품 선호도 점수를 계산하는 단계는 상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며, 상기 화장품을 추천하는 단계는 상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천할 수 있다.

상기 화장품 추천 방법의 각 단계를 구현하는 구성은, 화장품 추천 시스템의 각 구성 및 그에 대한 구체적인 설명에서 언급한 것과 동일한 바, 이하 그 구체적인 설명을 생략한다.

이상과 같이 본 개시는 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 개시는 상기의 실시 예에 한정되는 것은 아니며, 본 개시가 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며, 특허 청구범위 뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

100 : 수집부
200 : 추출부
300 : 모델 학습부
400 : 선호도 계산부
500 : 제어부
600 : 필터부

Claims (10)

1. 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 수집부;
   상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 추출부;
   상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 모델 학습부;
   상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 선호도 계산부; 및
   상기 선호도 계산부에서 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 제어부를 포함하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
2. 제 1항에 있어서,
   상기 수집부는,
   온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 자동으로 수집하는 소프트웨어를 포함하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
3. 제 1항에 있어서,
   상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터부를 더 포함하고,
   상기 추출부는,
   상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며,
   상기 모델 학습부는,
   상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고,
   상기 선호도 계산부는,
   상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며,
   상기 제어부는,
   상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
4. 제 3항에 있어서,
   상기 필터부는,
   상기 수집된 데이터를 여드름, 주름, 피지, 모공, 홍조 및 색소 침착으로 이루어진 군에서 선택되는 어느 하나의 피부 진단 항목으로 분류하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
5. 제 3항에 있어서,
   상기 추출부는,
   상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 긍정적 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
6. 제 3항에 있어서,
   상기 주요 단어 리스트는,
   상기 피부 진단 항목별로 분류된 데이터 내에서의 빈도를 기반으로 설정되는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
7. 제 6항에 있어서,
   상기 모델 학습부는,
   상기 추출된 주요 단어 리스트를 기반으로 서포트 벡터 머신 또는 딥 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
8. 제 7항에 있어서,
   상기 모델 학습부는,
   상기 추출된 주요 단어 리스트를 이용하여 상기 피부 진단 항목별로 분류된 데이터를 리뷰 벡터로 변환하는 변환부; 및
   상기 리뷰 벡터로부터 피부 진단 항목에 대한 서포트 벡터 머신 또는 딥 러닝 모델을 학습하는 학습부를 포함하고,
   상기 선호도 계산부는,
   화장품 관련 신규 리뷰 데이터로부터 획득된 벡터 데이터에 의해 화장품 선호도 점수를 계산하는 화장품 관련 리뷰 데이터 기반 화장품 추천 시스템.
9. 온라인 상의 웹페이지를 크롤링(crawling)하여 화장품 관련 리뷰 데이터를 수집하는 단계;
   상기 수집된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하는 단계;
   상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 화장품 선호도를 정량화 하는 모델을 학습하는 단계;
   상기 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 화장품 선호도 점수를 계산하는 단계; 및
   상기 계산된 화장품 선호도 점수에 따라 화장품을 추천하는 단계를 포함하는 화장품 관련 리뷰 데이터 기반 화장품 추천 방법.
10. 제 9항에 있어서,
    상기 수집된 데이터를 피부 진단 항목별로 분류하는 필터링 단계를 더 포함하고,
    상기 추출하는 단계는,
    상기 피부 진단 항목별로 분류된 데이터 내에서 화장품에 대한 평가와 연관된 주요 단어 리스트를 자연어 처리를 통해 추출하며,
    상기 모델을 학습하는 단계는,
    상기 추출된 주요 단어 리스트를 기반으로 머신 러닝을 통해 피부 진단 항목별 화장품 선호도를 정량화 하는 모델을 학습하고,
    상기 화장품 선호도 점수를 계산하는 단계는,
    상기 모델 학습부에서 학습된 모델을 기반으로 화장품 관련 신규 리뷰 데이터에 대한 피부 진단 항목별 화장품 선호도 점수를 계산하며,
    상기 화장품을 추천하는 단계는,
    상기 선호도 계산부에서 계산된 피부 진단 항목별 화장품 선호도 점수에 따라 특정 피부 진단 항목 개선을 위한 화장품을 추천하는 화장품 관련 리뷰 데이터 기반 화장품 추천 방법.

Images