KR20220091948A - 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법 - Google Patents

Abstract

본 발명에 따른 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치는 적어도 하나의 메모리; 적어도 하나의 데이터베이스부; 및 적어도 하나의 프로세서를 포함하고; 상기 적어도 하나의 프로세서는, (a) 제1 관심 키워드를 입력받아 등록하는 과정; (b) 상기 제1 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 크롤링하는 과정; (c) 크롤링 된 상기 소셜 미디어 콘텐츠를 분석하여 상기 제1 관심 키워드와 관련성이 높은 적어도 하나의 유효콘텐츠의 사용자의 계정정보를 추출하고, 추출된 상기 사용자의 계정정보를 상기 제1 관심 키워드에 대응하는 유효사용자 계정정보로 상기 데이터베이스부에 저장하는 과정; (d) 상기 데이터베이스부에 저장된 상기 유효사용자 계정정보에 기초하여 상기 유효사용자의 소셜미디어 활동 콘텐츠를 크롤링하는 과정; (e) 상기 크롤링 된 콘텐츠를 형태소 분석을 통해 정형화된 텍스트로 추출하고, 상기 텍스트를 기계학습을 통해 카테고리별로 분류하여 카테고리값을 부여하여 상기 데이터베이스부에 저장하는 과정; (f) 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계 중 적어도 하나에 기초하여 상기 유효사용자의 시간에 따른 행동경로정보 및 이동경로정보 중 적어도 하나를 생성하여 상기 데이터베이스부에 저장하는 과정; 및 (g) 사용자로부터 제1 관심 키워드가 입력된 경우, 상기 데이터베이스부에서 상기 제1 관심 키워드와 관련된 상기 행동경로정보 및 상기 이동경로정보를 추출하고, 추천알고리즘을 실행하여 상기 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 과정을 처리한다.
이에 의해, 특정 관심 키워드를 입력한 사용자에게 관련 행동경로정보 또는 이동경로정보에 기초하여 내부 추천 알고리즘을 실행하여 사회적인 트렌드에 적합한 다음의 행동, 장소, 상품 등을 추천할 수 있다.

Description

소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법{Apparatus and Method For Providing Recommendation Service Through Social Media Activity Analysis}

본 발명은 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법에 관한 것으로, 보다 구체적으로는 소셜 미디어 활동 분석을 통해 사용자의 관심 키워드에 대한 장소, 행동, 이동코스, 및 상품 등을 추천하는 서비스에 관한 것이다.

최근 인공지능 및 데이터 분석 기술의 발달로 인해, 온라인 판매 시장과 소셜 미디어 시장에도 큰 영향을 미치고 있다. 예를 들어, 특정 상품이나 뉴스를 소비하는 개인의 선호도를 고려한 개인 맞춤형 추천 서비스가 빠르게 확산되고 있다.

이러한 서비스들은 개인의 소비 방식, 성별, 연령대 등을 기반으로 협력을 형성하고 특정 그룹 내의 이용자가 소비한 상품이나 뉴스와 비슷한 상품이나 뉴스를 추천하는 방식이다.

하지만, 이러한 개인 추천 서비스는 유사한 그룹의 매칭이 성별이나 연령대 등의 인구 통계학적 분석을 기초로 하고 단순한 관심분야에 국한되기 때문에 사용자들의 시간에 따른 관심 패턴의 변화나 관심 경로에 기반한 서비스를 제공하기에는 한계가 있다.

전술한 바와 같은 문제점을 해결하기 위하여, 본 발명에서는 관심 키워드별로 소셜미디어 활동 콘텐츠 분석을 통해 유효사용자를 추출하고, 유효사용자의 소셜 미디어 활동 콘텐츠를 분석하여 행동경로정보 또는 이동경로정보를 추출 및 저장하고, 특정 관심 키워드를 입력한 사용자에게 내부 추천 알고리즘을 실행하여 해당 관심 키워드에 관한 행동경로정보 또는 이동경로정보에 기초하여 다음의 장소, 행동, 이동코스, 및 상품 등을 추천하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법을 제공하는데 그 목적이 있다.

상기 목적은 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치에 있어서, 적어도 하나의 메모리; 적어도 하나의 데이터베이스부; 및 적어도 하나의 프로세서를 포함하고; 상기 적어도 하나의 프로세서는, (a) 제1 관심 키워드를 입력받아 등록하는 과정; (b) 상기 제1 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 크롤링하는 과정; (c) 크롤링 된 상기 소셜 미디어 콘텐츠를 분석하여 상기 제1 관심 키워드와 관련성이 높은 적어도 하나의 유효콘텐츠의 사용자의 계정정보를 추출하고, 추출된 상기 사용자의 계정정보를 상기 제1 관심 키워드에 대응하는 유효사용자 계정정보로 상기 데이터베이스부에 저장하는 과정; (d) 상기 데이터베이스부에 저장된 상기 유효사용자 계정정보에 기초하여 상기 유효사용자의 소셜미디어 활동 콘텐츠를 크롤링하는 과정; (e) 상기 크롤링 된 콘텐츠를 형태소 분석을 통해 정형화된 텍스트로 추출하고, 상기 텍스트를 기계학습을 통해 카테고리별로 분류하여 카테고리값을 부여하여 상기 데이터베이스부에 저장하는 과정; (f) 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계 중 적어도 하나에 기초하여 상기 유효사용자의 시간에 따른 행동경로정보 및 이동경로정보 중 적어도 하나를 생성하여 상기 데이터베이스부에 저장하는 과정; 및 (g) 사용자로부터 제1 관심 키워드가 입력된 경우, 상기 데이터베이스부에서 상기 제1 관심 키워드와 관련된 상기 행동경로정보 및 상기 이동경로정보를 추출하고, 추천알고리즘을 실행하여 상기 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 과정을 처리하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치에 의해 달성된다.

여기서, 상기 카테고리는 위치/장소, 음식/상품, 브랜드, 문화/여가, 자연/환경, 인물, 이슈, 감정 중 적어도 하나를 포함할 수 있다.

그리고, 상기 프로세서는 상기 (e) 과정에서, 상기 크롤링 된 콘텐츠에서 사용자가 콘텐츠를 작성한 위치 또는 인위적으로 지정한 위치를 가리키는 위치정보를 추출하는 과정을 더 처리할 수 있다.

또한, 상기 프로세서는 상기 (f) 과정에서, 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계에 기초하여 시계열적 순서를 결정하여 순서값을 부여하고, 상기 카테고리 값이 부여된 텍스트를 상기 시계열적 순서값에 따라 배열하여 상기 행동경로정보 및 상기 이동경로정보 중 적어도 하나를 생성할 수 있다.

더 나아가, 상기 프로세서는 상기 (f) 과정에서, 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 상기 콘텐츠에 포함된 위치정보, 상기 텍스트의 위치 관계, 및 상기 텍스트의 카테고리 값에 기초하여 사용자의 행동 또는 장소를 추출하고, 상기 행동 또는 장소에 따라 상기 텍스트를 시계열적 순서로 그룹핑하고 순서값을 부여하여 상기 행동경로정보 및 상기 이동경로정보 중 적어도 하나를 생성할 수 있다.

그리고, 상기 프로세서는, 상기 콘텐츠에 포함된 위치정보 및 상기 카테고리 값이 부여된 텍스트를 키워드로 등록할 수 있다.

또한, 상기 프로세서는, 상기 (e) 과정에서, 상기 크롤링 된 콘텐츠에서 추출한 정형화된 텍스트 중에서 만족도를 나타내는 텍스트를 추출하여 대응하는 텍스트에 대응하여 가중치를 부여하는 과정을 더 처리할 수 있다.

여기서, 상기 추천알고리즘은, 추출한 상기 행동경로정보 및 상기 이동경로정보에 포함된 행동, 장소, 및 경로를 갖는 사용자 또는 콘텐츠의 개수에 따라 점수를 부여하고, 부여된 점수에 기초하여 복수의 행동경로정보 및 이동경로정보에 대응하는 점수를 산출하여, 산출된 점수에 따라 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 과정을 포함할 수 있다.

한편, 상기 목적은 소셜 미디어 활동 분석을 통한 추천 서비스 제공 방법에 있어서, (a) 제1 관심 키워드를 입력받아 등록하는 단계; (b) 상기 제1 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 크롤링하는 단계; (c) 크롤링 된 상기 소셜 미디어 콘텐츠를 분석하여 상기 제1 관심 키워드와 관련성이 높은 적어도 하나의 유효콘텐츠의 사용자의 계정정보를 추출하고, 추출된 상기 사용자의 계정정보를 상기 제1 관심 키워드에 대응하는 유효사용자 계정정보로 데이터베이스부에 저장하는 단계; (d) 상기 데이터베이스부에 저장된 상기 유효사용자 계정정보에 기초하여 상기 유효사용자의 소셜미디어 활동 콘텐츠를 크롤링하는 단계; (e) 상기 크롤링 된 콘텐츠에서 상기 콘텐츠의 작성 시간 정보 및 위치정보를 추출하고, 형태소 분석을 통해 정형화된 텍스트를 추출하여 상기 텍스트를 기계학습을 통해 카테고리별로 분류하여 카테고리값을 부여하여 상기 데이터베이스부에 저장하는 단계; (f) 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계 중 적어도 하나에 기초하여 상기 유효사용자의 시간에 따른 행동경로정보 및 이동경로정보 중 적어도 하나를 생성하여 상기 데이터베이스부에 저장하는 단계; 및 (g) 사용자로부터 제1 관심 키워드가 입력된 경우, 상기 데이터베이스부에서 상기 제1 관심 키워드와 관련된 상기 행동경로정보 및 상기 이동경로정보를 추출하고, 추천알고리즘을 실행하여 상기 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 단계를 포함하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 방법에 의해서도 달성될 수 있다.

상기 (f) 단계는, 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계에 기초하여 시계열적 순서를 결정하여 순서값을 부여하고, 상기 카테고리 값이 부여된 텍스트를 상기 시계열적 순서값에 따라 배열하여 상기 행동경로정보 및 상기 이동경로정보 중 적어도 하나를 생성할 수 있다.

상기한 바와 같이, 본 발명에 의한 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법은 특정 관심 키워드를 입력한 사용자에게 관련 행동경로정보 또는 이동경로정보에 기초하여 내부 추천 알고리즘을 실행하여 사회적인 트렌드와 관심사에 적합한 다음의 장소, 행동, 이동코스, 및 상품 등을 추천할 수 있다.

도 1은 본 발명의 일 실시예에 따른 소셜 미디어 활동 분석을 통한 추천 서비스 제공 환경을 설명하기 위한 개략도이다.
도 2는 도 1의 소셜 미디어 활동 분석을 통한 추천 서비스 제공 과정의 일 예를 도시한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 서비스 서버의 구체적인 동작을 설명하기 위해 데이터 분석부 및 데이터베이스부의 세부구성을 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 서비스 서버에서 데이터 분석을 하는 과정에서, 사용자 필터부에 의해 광고성 텍스트를 분류하기 전과 후의 데이터를 예시한 것이다.
도 5는 본 발명의 일 실시예에 따른 서비스 서버에서 데이터 분석을 하는 과정에서, 추론모듈에 의해 분류되기 전과 후의 데이터를 예시한 것이다.
도 6은 본 발명의 일 실시예에 따른 경로정보추출부의 행동경로정보 및/또는 이동경로정보 추출방법을 설명하기 위해 소셜 미디어 콘텐츠의 일 예를 도시한 것이다.
도 7은 본 발명의 일 실시예에 따른 추천알고리즘을 설명하기 위한 개략도이다.
도 8 및 9는 본 발명의 일 실시예에 따른 추천부에서 사용자 단말기에 제공하는 추천정보의 일 예를 도시한 것이다.
도 10은 본 발명의 일 실시예에 따른 서비스 서버에서 행동경로정보 및/또는 이동경로정보를 생성하는 방법을 나타내는 흐름도이다.
도 11은 본 발명의 일 실시예에 따른 서비스 서버의 추천경로정보 생성 및 제공방법을 설명하는 흐름도이다.

이하, 도면을 참조하여 본 발명의 구체적인 실시예들에 대해 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 소셜 미디어 활동 분석을 통한 추천 서비스 제공 환경을 설명하기 위한 개략도이다. 사용자 단말기(10), SNS 장치(20) 및 서비스 서버(100)는 네트워크망(30)에 의해 연결된다.

사용자 단말기(10)는 스마트폰이나 태블릿 PC와 같은 모바일 단말기와, PC 등의 사용자 단말기(10)를 포함할 수 있으며, 네트워크망(30)을 통해 서비스 서버(100)에 접속하여 본 발명에 따른 서비스를 제공받을 수 있다. 사용자 단말기(10)는 인터넷 등의 네트워크를 통해 데이터를 송수신하기 위한 통신모듈을 포함한다.

SNS 장치(20)는 소셜미디어 플랫폼 서비스를 제공하는 서버를 의미하며, 예컨대, 인스타그램, 페이스북, 네이버나 다음의 블로그, 까페 등의 다양한 SNS 플랫폼 서비스를 제공하는 장치를 포함할 수 있다. 소셜미디어는 의견·생각·경험·관점 등을 서로 공유하기 위해 사용하는 온라인 툴과 플랫폼을 의미하며, 소셜 미디어를 통해 공유되는 콘텐츠는 텍스트·이미지·오디오·비디오 등의 다양한 형태를 가지며 블로그, 소셜 네트워크, 인스턴트 메시지 보드, 팟 캐스트, 위키, 사용자 제작 콘텐츠(UCC) 등을 포함한다. 본 명세서에서는 SNS(Social Network Service)와 소셜 미디어를 동일한 의미로 사용하기로 한다.

서비스 서버(100)는 발명의 일 실시예에 따른 소셜 미디어 활동 분석을 통한 추천 서비스를 제공하기 위한 장치로서, 데이터 및 컴퓨터 프로그램 코드를 저장하는 메모리(110), 컴퓨터 프로그램 코드를 실행하는 프로세서(120), 데이터베이스가 구축된 데이터베이스부(130), 및 외부와의 네트워크 연결을 위한 네트워크 인터페이스(140)를 포함한다.

데이터베이스부(130)는 SNS 활동을 분석하기 위해 사용되는 사전DB(131)와 사용자의 정보 및 SNS 활동 분석 정보가 저장된 RDBMS(Relational database management system)(133)를 포함한다. 여기서, 사전DB(131)와 RDBMS(133)는 각각 별도의 메모리장치 또는 별도의 DB 서버장치에 마련될 수도 있다. 네트워크 인터페이스(130)는 인터넷 통신모듈 등을 포함한다.

서비스 서버(100)는 관심 키워드가 등록되면, 적어도 하나의 SNS 장치(20)에 접속하여 관련 소셜미디어 콘텐츠를 수집 및 분석하고, 등록된 관심 키워드와 관련성이 높은 유효 콘텐츠의 사용자 계정정보를 추출하여 유효사용자의 정보로 저장하고, 유효사용자의 정보에 이용하여 유효사용자의 SNS 활동 콘텐츠를 수집 및 분석하여 사용자의 행동경로정보 또는 이동경로정보를 추출하여 RDBMS(133)에 저장한다. 여기서, 관심 키워드는 계속적으로 축적되고, 관심 키워드에 관한 사용자의 행동경로정보 또는 이동경로정보도 주기적으로 업데이트될 수 있다. 이러한 과정을 거쳐서 RDBMS(133)는 복수의 관심 키워드에 관한 다수의 사용자들의 행동경로정보와 이동경로정보가 데이터베이스로 구축된다.

서비스 서버(100)는 사용자 단말기(10)로부터 특정 관심 키워드가 입력되면, 해당 관심 키워드와 관련된 유효사용자들의 행동경로정보 및 이동경로정보를 RDBMS(133)에서 추출하고, 내부 추천 알고리즘을 이용하여 해당 사용자 단말기(10)로 장소, 행동, 이동코스, 및 상품 중 적어도 하나의 추천을 제공한다. 사용자는 추천된 정보를 확인하고 다음의 행동 등을 확인하고 결정할 수 있다. 서비스 서버(100)는 사용자로부터 서비스 신청 접수 및 추천 정보 제공 서비스를 위한 웹사이트의 컴포넌트 파일들을 저장하는 웹서버를 포함할 수 있다.

도 1에서 데이터 수집부(121), 데이터 분석부(123), 및 추천부(125)는 각각의 기능을 수행하는 일련의 컴퓨터 프로그램 코드로 구현되며, 메모리(110)에 저장되고 프로세서(120)를 통해 실행된다. 도 1에서는 설명의 편의를 위해서 프로세서(120)에 포함되는 구성으로 표현하였다.

데이터 수집부(121)는 SNS 장치(20)에 접속하여 관련 소셜미디어 콘텐츠를 수집하기 위한 것으로, 데이터를 크롤링하는 크롤러를 포함한다.

데이터 분석부(123)는 수집된 데이터를 분석하여 유효사용자를 추출하고, 데이터 수집부(121)에서 수집한 유효사용자의 콘텐츠를 분석하여 관심 키워드에 대한 사용자의 행동경로정보 및/또는 이동경로정보를 추출하기 위한 것으로, 데이터 추출, 분류 및 예측을 위한 기계학습 또는 딥러닝 추론엔진을 포함할 수 있다.

추천부(125)는 사용자 단말기(10)로부터 관심 키워드가 입력 및 검색되면, RDBMS(133)에 저장된 유효사용자들의 행동경로정보 및/또는 이동경로정보에 기초하여 내부 추천 알고리즘을 실행하여 해당 관심 키워드에 관한 사용자의 다음 장소, 행동, 이동코스, 및 상품 중 적어도 하나의 추천정보를 생성하여 사용자 단말기(10)로 제공하기 위한 것으로, 장소, 행동, 이동코스, 및 상품 등의 추천 정보를 지도, 통계 및 그림, 다양한 기법 등을 통해 보여주기 위한 GUI 생성 프로그램을 포함할 수 있다.

도 2는 도 1의 소셜 미디어 활동 분석을 통한 추천 서비스 제공 과정의 일 예를 도시한 흐름도이다.

사용자는 사용자 단말기(10)를 통해 서비스 서버(100)가 서비스하는 웹사이트에 접속하여 본 발명에 따른 추천서비스를 이용할 수 있다(S10). 본 발명에 따른 서비스 서버(100)의 웹사이트는 추천서비스 이외에 상품의 판매 서비스를 제공할 수도 있다. 예를 들어, 상품의 판매 서비스를 제공하는 웹사이트에 가입한 회원들에게 본 발명에 따른 상품이나 장소 등을 추천하는 서비스를 제공할 수도 있다.

서비스 서버(100)는 관심 키워드가 등록되면(S10), 해당 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 수집한다(S11). 관심 키워드의 등록은 서버의 관리자가 일괄적으로 또는 필요에 따라 등록하거나, 회원들이 입력하는 검색 키워드를 자동으로 관심 키워드로 등록하도록 할 수도 있다.

서비스 서버(100)는 수집한 소셜 미디어 콘텐츠를 분석하여 해당 관심 키워드와 관련성이 높은 콘텐츠의 사용자의 계정정보를 유효사용자의 정보로 추출한다(S12). 추출된 유효사용자의 정보는 데이터베이스부(130)에 저장된다. 이러한 과정을 반복하게 되면, 다수의 관심 키워드에 관해 대응하는 유효사용자의 정보가 축적된다.

서비스 서버(100)는 유효사용자의 사용자 계정 정보를 이용하여 해당 사용자가 작성한 소셜 미디어 콘텐츠를 수집한다(S13). 이때, 수집대상은 일정 기간에 작성된 콘텐츠로 한정될 수 있으며, 이는 최신의 경향이나 트렌드를 반영하기 위함이다.

서비스 서버(100)는 수집한 콘텐츠를 분석하여 해당 사용자의 행동경로정보 및/또는 이동경로정보를 추출하여 데이터베이스부(130)에 저장한다(S14). 종래 추천 서비스는 단순히 관심 키워드와 관련성이 높은 콘텐츠만 추출하여 분석하는 것이 일반적이라면, 본 발명은 사용자를 기준으로 관심 키워드와 관련성이 높은 콘텐츠 이전과 이후의 콘텐츠까지도 수집함으로써 관심 키워드에 관한 사용자의 행동경로(패턴)정보 및/또는 이동경로정보까지도 추출할 수 있다. 전술한 S10~S14 과정, S11~S14, 또는 S13~S14는 주기적으로 또는 필요에 따라 반복하여 수행될 수 있다.

사용자가 사용자 단말기(10)를 이용하여 서비스 서버(100)에 접속하고, 제1 관심 키워드를 입력하면 서비스 서버(100)는 사용자가 입력한 제1 관심 키워드에 관한 행동경로정보 및/또는 이동경로정보를 데이터베이스부(130)에서 추출하고(S16), 내부 추천알고리즘을 실행하여 해당 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 추천정보를 생성한다(S17). 서비스 서버(100)는 생성한 추천정보를 사용자 단말기(10)로 제공하고(S18), 사용자 단말기(10)는 추천정보를 디스플레이한다(S19). 전술한 바와 같이, 추천정보는 사용자가 직관적으로 쉽게 이해할 수 있는 다양한 형식으로 제공될 수 있다. 이때, 사용자가 입력한 제1 관심 키워드가 RDBMS(133)에 존재하지 않는 경우, 실시간으로 S10~S18단계를 실행하여 추천결과를 제공한다.

도 3은 본 발명의 일 실시예에 따른 서비스 서버(100)의 구체적인 동작을 설명하기 위해 데이터 분석부(123) 및 데이터베이스부(130)의 세부구성을 도시한 것이다.

사전DB(131)는 형태소사전DB(131a), 유사어사전DB(131b), 필터사전DB(131c) 및 추론사전DB(131d)을 포함한다. 형태소사전DB(131a)는 텍스트의 형태소 데이터를 DB로 구축한 것으로서, 형태소 분석모듈(123a)에서 이를 활용하여 형태소 분석을 수행하게 된다. 유사어사전DB(131b)는 동일한 의미를 가진 유사어들에 관한 사전 DB를 의미하고, 필터사전DB(113c)는 광고성 형태소들에 관한 DB를 의미한다. 추론사전DB(131d)는 가공된 형태소를 카테고리 분야별로 분류를 위한 것으로, 각 형태소가 속하는 카테고리가 매칭되어 있다. 여기서, 카테고리 분야는 서비스 내용에 따라 달리 정의될 수 있으며, 그 개수도 서비스에 따라 다양하게 설정될 수 있다. 예를 들어, 본 발명에 따른 추론사전DB(131d)에서 정의되는 카테고리는 위치/장소, 음식/상품, 브랜드, 문화/여가, 자연/환경, 인물, 감정/만족도, 및 이슈 중 적어도 하나를 포함할 수 있다.

데이터 분석부(123)는 형태소 분석모듈(123a), 유사어 매칭모듈(123b), 사용자 필터부(123c), 추론모듈(123d), 및 경로정보추출부(123e)를 포함한다. 데이터 분석부(123)에 포함되는 모듈들은 데이터 분석을 위한 소프트웨어를 기능별로 구분한 것으로, 각각 별도의 프로그램으로 마련되거나 통합되어 마련될 수 있다. 데이터분석부는 크롤링 된 콘텐츠에서 사용자가 콘텐츠를 작성한 위치 또는 인위적으로 지정한 위치를 가리키는 위치정보를 추출하여 해당 콘텐츠의 위치정보로서 데이터베이스부(130)에 저장할 수 있다. 위치정보는 지역이나 장소를 나타내는 텍스트, 태그, 위경도정보 등으로 콘텐츠에 포함될 수 있으며, 데이터분석부는 텍스트 또는 태그에 포함된 위치정보를 위경도정보로 변환하여 추출할 수 있다. 데이터분석부는 장소명이나 지역명을 GPS 정보 즉, 위경도 정보로 변환하는 프로그램을 내부에 포함하거나, 외부의 프로그램으로 활용할 수 있다. 이와 같이, 데이터 분석부는 콘텐츠에 장소나 위치를 나타내는 텍스트나 위치정보가 포함된 경우에는 이를 변환하여 RDBMS에 해당 콘텐츠의 위치정보로서 저장하여, 이 위치정보는 추천내용이 지도에 기반하여 표시될 때 활용될 수 있다. 이때, 위치정보는 콘텐츠에 포함된 위치정보의 상세, 예컨대 시/군/구/동/번지 등의 행정구역상의 단위에 따라 계층적으로 구성될 수 있다.

형태소 분석모듈(123a)은 크롤링 된 콘텐츠를 형태소 분석을 통해 정형화된 텍스트로 추출하기 위한 것으로, 텍스트를 형태소 단위로 토큰화하는 전처리 모듈로 구현 가능하다. 형태소 분석모듈(123a)은 형태소사전DB(131a)에 기초하여 문장을 구성하는 텍스트 데이터를 형태소 단위로 분리한다. 형태소 분석모듈(123a)은 형태소사전DB(131a)에 없는 단어의 경우 형태소사전DB(131a)에 업데이트 할 수 있다.

유사어 매칭모듈(123b)은 동일한 의미를 가진 상이한 단어들을 동일한 단어로 가공하기 위한 것으로, 유사어사전DB(131b)에 기초하여 유사한 의미를 가진 형태소를 가공한다. 예를 들어, '하나C.C, 하나CC, 하나골프장'은 '하나컨트리클럽'으로 매칭한다. 한편, 유사어 매칭모듈(123b)은 기계학습모델을 포함할 수 있으며, 유사어사전DB(131b)에 없는 형태소에 대해서는 기계학습모델을 통해 유사어를 분류하고 유사어사전DB(131b)에 등록한다.

사용자 필터부(123c)는 유효 사용자를 필터링하기 위한 것으로, 필터사전DB(113c)에 기초하여 광고성 형태소들을 별도의 그룹으로 분류한다. 사용자 필터부(123c)는 추출된 형태소들 중에서 광고, 스팸, 및 불법을 나타내는 형태소 텍스트를 별도의 그룹으로 분류하고, 별도의 그룹으로 분류된 텍스트의 빈도 수에 기초하여 유효 사용자에 의한 유효 콘텐츠인지 여부를 판단하여 광고성 콘텐츠를 유효 콘텐츠에서 제외하여 분석에서 배제한다. 도 4는 본 발명의 일 실시예에 따른 서비스 서버(100)에서 데이터 분석을 하는 과정에서, 사용자 필터부(123c)에 의해 광고성 텍스트를 분류하기 전과 후의 데이터를 예시한 것이다. 도 4를 참조하면, 판매, 드라이브, 시승, 견적, 중고차, 딜러 등이 각각 광고, 스팸, 및 불법을 나타내는 텍스트로 분류된 것을 확인할 수 있다.

사용자 필터부(123c)는 광고성 콘텐츠로 판단된 콘텐츠의 사용자 정보를 추출하고, 이를 필터사전DB(113c)에 등록하여 이후 콘텐츠 분석에서 해당 사용자를 유효사용자에서 배제할 수 있다. 사용자 필터부(123c) 및 필터사전DB(113c)는 광고성 콘텐츠 등의 상업적인 목적의 콘텐츠를 유효 콘텐츠에서 배제함으로써 분석에서 제외하고, 상업적 목적의 콘텐츠의 사용자를 유효사용자에서 배제하기 위함이다.

추론모듈(123d)은 콘텐츠에서 추출된 각 단어의 형태소를 카케고리 분야별로 분류하기 위한 것으로, 추론사전DB(131d)에 기초하여 형태소를 대응하는 카테고리 별로 매칭하여 분류한다. 추론모듈(123d)은 기계학습을 통한 추론모델을 포함할 수 있으며, 추론사전DB(131d)에 없는 형태소에 대해서는 기계학습을 통해 카테고리 별로 분류한다. 여기서, 카테고리 분야는 각 형태소 단어가 갖는 속성을 대표화하는 그룹명을 의미하는 것으로, 카테고리 즉, 단어가 갖는 속성은 사용자의 정의에 따라서 사전에 다양하게 설정될 수 있으며, 그 개수 또한 다양하게 설정될 수 있다. 예를 들어, 형태소 단어의 속성을 위치/장소, 음식/상품, 브랜드, 문화/여가, 자연/환경, 인물/가족, 이슈, 감정/만족도 등으로 정의하는 경우, 카테고리는 위치/장소, 음식/상품, 브랜드, 문화/여가, 자연/환경, 인물/가족, 이슈, 감정/만족도 등을 포함할 수 있다. 도 5는 본 발명의 일 실시예에 따른 서비스 서버(100)에서 데이터 분석을 하는 과정에서, 추론모듈(123d)에 의해 분류되기 전과 후의 데이터를 예시한 것으로서, (a)는 형태소 분석모듈(123a) 및 유사어 매칭모듈(123b)을 통해 추출된 데이터들이고, (b)는 추론모듈(123d)에 의해 매칭된 카테고리를 예시한 것이다.

RDBMS(133)는 복수의 관심 키워드들에 대응하는 유효사용자의 계정정보, 유효사용자의 콘텐츠, 콘텐츠 작성 시간, 콘텐츠의 위치정보, 카테고리가 분류되어 카테고리 값이 부여된 텍스트 등의 데이터에 관한 데이터베이스를 의미한다. 데이터 수집부(121), 데이터 분석부(123)에서 추출 및 분석한 정보가 RDBMS(133)에 저장된다. RDMS에 저장된 콘텐츠에 포함된 위치정보 및 카테고리 값이 부여된 텍스트는 또한 관심 키워드로 등록될 수 있다. 예를 들어, 제1 관심키워드에 관한 유효사용자 및 유효사용자의 소셜 미디어 콘텐츠 분석결과가 RDBMS에 저장되는데, 이를 단순히 제1 관심키워드에 대해서만 활용하는 것이 아니라 분석과정에서 추출된 다른 관심 키워드(텍스트)에 대해서도 활용될 수 있다.

경로정보추출부(123e)는 RDMS에서 유효사용자의 콘텐츠의 작성 시간 정보, 콘텐츠의 작성의 전후 관계, 콘텐츠에 포함된 시간정보, 및 텍스트의 전후 위치 관계 중 적어도 하나에 기초하여 해당 유효사용자의 시간에 따른 행동경로정보 및 이동경로정보 중 적어도 하나를 생성한다. 예를 들어, 경로정보추출부(123e)는 콘텐츠 각각에 대한 작성 시간 정보, 콘텐츠의 작성의 전후 관계, 콘텐츠에 포함된 시간정보, 및 추출한 텍스트 간의 전후 위치 관계에 기초하여 시계열적 순서를 결정하여 콘텐츠, 텍스트 간에 순서값을 부여하고, 카테고리 값이 부여된 텍스트를 시계열적 순서값에 따라 배열하여 행동경로정보 및 상기 이동경로정보 중 적어도 하나를 생성할 수 있다. 다른 예로는, 경로정보추출부(123e)는 콘텐츠의 작성 시간 정보, 콘텐츠의 작성의 전후 관계, 콘텐츠에 포함된 시간정보, 콘텐츠에 포함된 위치정보, 콘텐츠에서 텍스트의 전후 위치 관계, 및 텍스트의 카테고리 값에 기초하여 사용자의 행동 또는 장소를 추출하고, 추출한 행동 또는 장소에 따라 텍스트를 시계열적 순서로 그룹핑하고 순서값을 부여함으로써 행동경로정보 및 이동경로정보 중 적어도 하나를 생성할 수 있다.

도 6은 본 발명의 일 실시예에 따른 경로정보추출부(123e)의 행동경로정보 및/또는 이동경로정보 추출방법을 설명하기 위해 소셜 미디어 콘텐츠의 일 예를 도시한 것이다. 예를 들어, 관심 키워드가 '강릉여행'인 경우, 길동이라는 아이디를 가진 사용자가 유효사용자로 추출되었고, 도 6이 유효사용자의 스크롤된 데이터라고 가정하자. 도 6에서는 설명의 편의를 위해 카테고리별로 색상을 달리하여 텍스트별 카테고리를 구분할 수 있게 도시하였다. 초록색 네모가 장소/위치 카테고리임을 나타내고, 빨간색 네모가 감정/만족도, 노란색 네모는 음식, 검정색 네모는 기타 카테고리에 속하는 텍스트임을 의미한다.

도 6에서 2개의 게시글이 존재하는데, 작성 순서에 의해서 둘 간의 시간의 전후관계를 확정할 수 있다. 또한, 장소/위치를 나타내는 카테고리 값이 부여된 텍스트를 텍스트 위치 순서대로 나열하면, '강릉-가평휴게소-강릉-경포대해수욕장-주문진 홍게무한리필-맛있다커피숍'이 된다. 각각의 장소/위치에는 순서값이 매겨진다. 이때, 강릉은 다른 텍스트보다는 상위 레벨의 위치정보이므로 이를 제외한다. 최종적으로, 이동경로는 '가평휴게소-경포대해수욕장-주문진 홍게무한리필-맛있다커피숍'으로 추출된다. 이때, 각 장소에 매칭되는 텍스트를 그룹핑할 수 있다. 예를 들어, '가평휴게소-육계장, 경포대해수욕장-바람, 주문진-홍게무한리필, 맛있다커피숍-커피-전망' 으로 4개의 그룹으로 묶을 수 있다. 이때, 그룹핑은 문장에서 텍스트의 순서, 쉼표와 마침표 등의 문장부호, 텍스트 간의 거리 등을 고려하여 결정할 수 있다. 이는 단순히 장소의 시계열적 순서뿐만 아니라, 장소 이외에 다른 카테고리를 가진 텍스트를 함께 그룹핑함으로써 행동경로정보 및 이동경로정보에 포함된 정보가 좀 더 상세할 수 있다. 또한, 감정이나 평가를 나타내는 단어들이 있는 경우 이에 매칭(그룹핑)하는 텍스트 예컨대, 해당 장소 또는 행동에 가중치를 부여할 수 있다. 예를 들어, 도 6에서 감정이나 만족도를 나타내는 단어인 '맛이 있었다', '시원했다', '정말 맛이 있다', '너무 좋았다' 등이 있다. 이 경우, 이러한 단어와 그룹핑된 '경포대 해수욕장', '주문진 홍게무한리필', '맛있다 커피숍'에 각각 가중치를 부여할 수 있다. 위와 같은 과정을 통해, 관심 키워드 '강릉여행' 에 대해서 경로정보추출부(123e)에 의해 추출된 행동경로정보(이동경로정보)인 '가평휴게소-경포대해수욕장-주문진 홍게무한리필-맛있다커피숍'는 RDBMS(133)에 저장된다. 한편, 위 이동경로정보에 포함된 '가평휴게소, 경포대해수욕장, 주문진 홍게무한리필, 맛있다커피숍' 각각의 텍스트는 '강릉여행'의 관심 키워드에만 활용되는 것이 아니라, 이들 각각이 별도의 관심 키워드로 등록되어 다른 관심 키워드에도 활용될 수 있다.

추천부(125)는 사용자 단말기(10)로부터 관심 키워드가 입력 및 검색되면, RDBMS(133)에 저장된 관련 관심 키워드에 대응하는 다수의 행동경로정보와 이동경로정보를 추출하고, 내부추천알고리즘을 실행하여 해당 관심 키워드에 관한 다음 장소, 행동, 이동코스, 및 상품 중 적어도 하나의 추천정보를 생성한다. 전술한 바와 같이, RDBMS(133)에는 관심 키워드별로 유효사용자 정보 및 이에 대응하는 다수의 행동경로정보 및 이동경로정보가 저장되어 있으므로, 추천부(125)는 RDBMS(133)에 저장된 데이터를 활용한다.

추천알고리즘은, RDBMS(133)에서 추출한 유효사용자의 행동경로정보 및 상기 이동경로정보에 포함된 행동, 장소, 및 경로에 예를 들어, 사용자 또는 콘텐츠의 개수, 거리에 따라 점수를 부여하고, 부여된 점수에 기초하여 복수의 행동경로정보 및 이동경로정보의 경우의 수에 대응하는 점수를 산출하여, 산출된 점수에 따라 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천한다.

도 7은 본 발명의 일 실시예에 따른 추천알고리즘을 설명하기 위한 개략도이다. 사용자 단말기(10)로부터 '강릉여행'이라는 관심 키워드가 입력되고, 추천부(125)에서 추출한 기준 기간 동안 기준 지역 내 관련 행동경로정보와 이동경로정보가 아래와 같이 3가지가 존재한다고 가정하자.

ㆍA 사용자, 경로정보 'ㄱ -> ㄴ -> ㄷ -> ㄹ -> ㅁ -> ㅂ',

ㆍB 사용자, 경로정보 'ㄴ -> ㄹ -> ㅅ -> ㅁ -> ㅂ'

ㆍC 사용자, 경로정보 'ㄱ -> ㄷ -> ㄴ -> ㅇ'

여기서, ㄱ, ㄴ, ㄷ, ㄹ, ㅁ, ㅂ, ㅅ, ㅇ 등은 장소/위치를 나타낸다.

이때, 출발위치(기준위치)는 현재 사용자가 있는 위치, 만족도에 따른 장소 가중치, 방문수가 가장 많은 장소, 지리적인 위치 등을 고려하여 결정할 수 있다. 도 7에서는 현재 사용자의 위치를 고려하여 기준위치(출발위치)를 'ㄷ'으로 결정하였다고 가정한다.

추천 알고리즘에서 각 경로의 값은 해당 장소를 방문했던 사용자들의 방문 순서에 따라 0.9부터 시작하여 멀어질 수록 0.1씩 감소하여 0이 되는 순간부터의 경로는 고려하지 않으며, 동일 경로에 다른 값이 부여된 경우 둘 중 높은 값을 그 값으로 한다.

각 장소(위치)의 값은 해당 장소를 방문했던 사용자들의 수에 따라 결정되며 1.1 ~ 2.0의 값을 가진다. 예를 들어, 10명의 사용자가 'ㄱ' 장소에 모두 방문했다면 'ㄱ' 장소의 값은 2.0이고, 10명 중 1명의 사용자만 'ㄱ' 장소에 방문했다면 ㄱ 장소의 값은 1.1 이 된다. 이러한 기준에 따라 각 장소(위치) 및 경로에 점수를 부여하면 도 7과 같이 점수가 부여된다.

추천알고리즘은 장소 및 경로에 부여된 점수를 추천 장소/코스에 반영하여 각각의 장소/코스에 따라 장소 값에 경로 값을 곱해서 추천 경로 점수를 산출하며, 'ㄷ' 을 기준으로 경로/장소에 값을 산출하면 아래와 같다.

ㆍㄷ→ㄱ, 0.9 * 1.1 = 0.99

ㆍㄷ→ㄴ→ㄱ, 0.9 * 1.2 * 0.8 * 1.1 = 0.9504

ㆍㄷ→ㄴ, 0.9 * 1.2 = 1.08

ㆍㄷ→ㄱ→ㄴ, 0.9 * 1.1 * 0.8 * 1.2 = 0.9504

ㆍㄷ→ㄹ, 0.9 * 1.1 = 0.99

ㆍㄷ→ㄹ→ㅁ, 0.9 * 1.1 * 0.8 * 1.1 = 0.8712

ㆍㄷ→ㄹ→ㅁ→ㅂ, 0.9 * 1.1 * 0.8 * 1.1 * 0.7 * 1.1 = 0.670824

ㆍㄷ→ㄴ→ㅇ, 0.9 * 1.2 * 0.8 * 1.0 = 0.8640

ㆍㄷ→ㄱ→ㄴ→ㅇ, 0.9 * 1.1 * 0.8 * 1.2 * 0.8 * 1.0 = 0.760320

위 산출 결과에 기초하여, 경로의 깊이(단계)에 따라서 아래와 같이 추천이 가능하다.

ㆍ장소 추천: ㄴ

ㆍ추천경로정보 (2depth): ㄷ→ㄴ→ㄱ

ㆍ추천경로정보 (3depth): ㄷ→ㄱ→ㄴ→ㅇ

도 8 및 9는 본 발명의 일 실시예에 따른 추천부(125)에서 사용자 단말기(10)에 제공하는 추천정보의 일 예를 도시한 것이다. 도 8의 (a)를 참조하면, 사용자가 관심 키워드로 '부산'을 입력한 경우로서, A 영역은 관심 키워드(검색 키워드)를 입력하는 창이 마련되고, B 영역은 입력된 관심 키워드의 하위 관심 추천 키워드가 표시되는 영역으로서, 도 8의 (a)에는 부산의 하위 관심 키워드로서 '커피, 돼지고기, 베이커리, 소고기' 4개가 표시된 것을 볼 수 있다. C영역은 관심 키워드를 지도상에 표시한 것으로, 각각의 키워드가 언급된 위치를 지도상에 키워드별로 다른 색상으로 표시하여 지역에 따른 관심 키워드의 분포를 직관적으로 알 수 있다. B영역은 추천 하위 키워드를 선택 및 제외할 수 있는 아이콘을 포함하며, 사용자가 이를 클릭하게 되면 선택 또는 해제된다. 이 경우, 선택된 키워드만이 아래 C 영역에 그 분포가 표시된다.

도 8의 (b)는 사용자가 A 영역의 키워드 입력창에 '커피'를 입력한 경우로서, 커피의 하위 관심 키워드가 없으므로 B영역에는 추천정보가 표시되지 않으며, 전국에서 '커피'와 관련된 위치가 C영역에 지도상에 표시된다. 이를 보면, 어느 지역이 해당 키워드에 관한 관심이 많은 지역인지 한눈에 알 수 있다.

도 9는 사용자가 A 영역의 키워드 입력창에 '커피'를 입력한 이후에 도 8의 (b)의 C영역의 지도에서 강릉을 클릭한 경우의 화면을 나타낸다. 이 경우, C영역에는 강릉에서 커피와 관련된 추천경로정보가 지도상에 표시되고, D영역에는 추천경정보가 텍스트로 표시된다. 도 9를 참조하면, 각 장소이름이 화살표로 연결되어 전체적으로 추천코스를 나타내며, 각 장소에 대응하는 추천포스트정보를 볼 수 있는 선택버튼이 구비되어 사용자가 추천포스트 '>' 버튼을 클릭하면 대응하는 포스트 내용으로 링크되어 해당 사용자의 포스트 상세내용을 확인할 수 있다.

도 10은 본 발명의 일 실시예에 따른 서비스 서버(100)에서 행동경로정보 및/또는 이동경로정보를 생성하는 방법을 나타내는 흐름도이다. 도 10을 참조하면, 등록된 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 수집하고 유효사용자를 추출한다(S20). 구체적으로, 등록된 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 크롤링하고, 크롤링 된 상기 소셜 미디어 콘텐츠를 분석하여 해당 관심 키워드와 관련성이 높은 적어도 하나의 유효콘텐츠의 사용자의 계정정보를 추출하고, 추출된 상기 사용자의 계정정보를 해당 관심 키워드에 대응하는 유효사용자 계정정보로 RDBMS(133)에 저장한다. 이때, 하나의 관심 키워드에 복수의 유효사용자 계정정보가 등록된다.

유효사용자에 관한 계정정보가 추출되면, 유효사용자의 계정정보를 이용하여 SNS 플랫폼에 접속하여 해당 사용자의 소셜 미디어 활동 콘텐츠를 크롤링하고(S21), 크롤링 된 콘텐츠를 형태소 분석을 통해 정형화된 텍스트로 추출한다(S22). 이때, 텍스트 분류 이외에 콘텐츠에 포함된 위치정보, 작성 시간 정보 등을 추출하여 RDBMS(133)에 저장한다. 서비스 서버(100)는 유사어 매칭 모듈을 통해 추출된 정형화된 텍스트에 관한 유사어 매칭을 수행한다(S23). 서비스 서버(100)는 사용자 필터부(123c)를 통해서 정형화된 텍스트 중에서 광고, 스팸, 및 불법을 나타내는 텍스트를 별도의 그룹으로 분류하고 광고에 해당하는 텍스트가 일정 빈도 수 이상인 경우 해당 사용자를 유효사용자에서 제외하고 유효 콘텐츠에서도 제외한다(S25, s26). 서비스 서버(100)는 추론모듈(123d)을 통해서 유사어 매칭된 텍스트들을 미리 정의된 카테고리별 분류하고 분류된 텍스트에 카테고리 값을 부여하여 RDBMS(133)에 저장한다(S27). 여기서, 유사어 매칭과 카테고리별 분류는 기계학습모델을 통해 수행할 수 있다.

도 11은 본 발명의 일 실시예에 따른 서비스 서버(100)의 추천경로정보 생성 및 제공방법을 설명하는 흐름도이다. 도 11을 참조하면, 사용자 단말기(10)로부터 관심 키워드가 입력되어 서비스 서버(100)에 수신되면(S30), 서비스 서버(100)는 RDBMS(133)에 저장된 해당 관심 키워드에 대응하는 행동경로정보 및 이동경로정보를 추출한다(S31). 그리고 추천알고리즘을 실행하여 경로정보에 포함된 각 장소, 행동 및 각 장소 또는 행동 간의 경로에 점수를 부여하고, 다양한 추천후보경로의 경우의 수를 추출하고 각각의 추천후보경로에 장소 또는 행동에 관한 점수와 경로 점수를 곱해서 각 추천후보경로마다 점수를 산출한다(S32). 그리고, 가장 높은 점수를 가진 장소, 행동, 이동코스, 및 상품을 최종추천경로로 선택하고, 이를 사용자 단말기(10)로 제공하여 지도상에 표시한다(S33).

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체 등이 포함될 수 있다.

또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10: 사용자 단말기 20: SNS 장치
100: 서비스 서버 110: 메모리
120: 프로세서 121: 데이터 수집부
123: 데이터 분석부 125: 추천부
130: 데이터베이스부 131: 사전DB
133: RDBMS 140: 네트워크 인터페이스부

Claims (10)

1. 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치에 있어서,
   적어도 하나의 메모리;
   적어도 하나의 데이터베이스부; 및
   적어도 하나의 프로세서를 포함하고;
   상기 적어도 하나의 프로세서는,
   (a) 제1 관심 키워드를 입력받아 등록하는 과정;
   (b) 상기 제1 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 크롤링하는 과정;
   (c) 크롤링 된 상기 소셜 미디어 콘텐츠를 분석하여 상기 제1 관심 키워드와 관련성이 높은 적어도 하나의 유효콘텐츠의 사용자의 계정정보를 추출하고, 추출된 상기 사용자의 계정정보를 상기 제1 관심 키워드에 대응하는 유효사용자 계정정보로 상기 데이터베이스부에 저장하는 과정;
   (d) 상기 데이터베이스부에 저장된 상기 유효사용자 계정정보에 기초하여 상기 유효사용자의 소셜미디어 활동 콘텐츠를 크롤링하는 과정;
   (e) 상기 크롤링 된 콘텐츠를 형태소 분석을 통해 정형화된 텍스트로 추출하고, 상기 텍스트를 기계학습을 통해 카테고리별로 분류하여 카테고리값을 부여하여 상기 데이터베이스부에 저장하는 과정;
   (f) 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계 중 적어도 하나에 기초하여 상기 유효사용자의 시간에 따른 행동경로정보 및 이동경로정보 중 적어도 하나를 생성하여 상기 데이터베이스부에 저장하는 과정; 및
   (g) 사용자로부터 제1 관심 키워드가 입력된 경우, 상기 데이터베이스부에서 상기 제1 관심 키워드와 관련된 상기 행동경로정보 및 상기 이동경로정보를 추출하고, 추천알고리즘을 실행하여 상기 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 과정을 처리하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
2. 제1항에 있어서,
   상기 카테고리는 위치/장소, 음식/상품, 브랜드, 문화/여가, 자연/환경, 인물/가족, 이슈, 감정/만족도 중 적어도 하나를 포함하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
3. 제2항에 있어서,
   상기 프로세서는 상기 (e) 과정에서,
   상기 크롤링 된 콘텐츠에서 사용자가 콘텐츠를 작성한 위치 또는 인위적으로 지정한 위치를 가리키는 위치정보를 추출하는 과정을 더 처리하는 것을 특징으로 하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
4. 제3항에 있어서,
   상기 프로세서는 상기 (f) 과정에서,
   상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계에 기초하여 시계열적 순서를 결정하여 순서값을 부여하고, 상기 카테고리 값이 부여된 텍스트를 상기 시계열적 순서값에 따라 배열하여 상기 행동경로정보 및 상기 이동경로정보 중 적어도 하나를 생성하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
5. 제3항에 있어서,
   상기 프로세서는 상기 (f) 과정에서,
   상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 상기 콘텐츠에 포함된 위치정보, 상기 텍스트의 위치 관계, 및 상기 텍스트의 카테고리 값에 기초하여 사용자의 행동 또는 장소를 추출하고, 상기 행동 또는 장소에 따라 상기 텍스트를 시계열적 순서로 그룹핑하고 순서값을 부여하여 상기 행동경로정보 및 상기 이동경로정보 중 적어도 하나를 생성하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
6. 제3항에 있어서,
   상기 프로세서는,
   상기 콘텐츠에 포함된 위치정보 및 상기 카테고리 값이 부여된 텍스트를 키워드로 등록하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
7. 제1항에 있어서,
   상기 프로세서는, 상기 (e) 과정에서,
   상기 크롤링 된 콘텐츠에서 추출한 정형화된 텍스트 중에서 만족도를 나타내는 텍스트를 추출하여 대응하는 텍스트에 대응하여 가중치를 부여하는 과정을 더 처리하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
8. 제6항에 있어서,
   상기 추천알고리즘은, 추출한 상기 행동경로정보 및 상기 이동경로정보에 포함된 행동, 장소, 및 경로를 갖는 사용자 또는 콘텐츠의 개수에 따라 점수를 부여하고, 부여된 점수에 기초하여 복수의 행동경로정보 및 이동경로정보에 대응하는 점수를 산출하여, 산출된 점수에 따라 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 과정을 포함하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치.
   
9. 소셜 미디어 활동 분석을 통한 추천 서비스 제공 방법에 있어서,
   (a) 제1 관심 키워드를 입력받아 등록하는 단계;
   (b) 상기 제1 관심 키워드를 이용하여 복수의 소셜 미디어 플랫폼에서 관련 소셜 미디어 콘텐츠를 크롤링하는 단계;
   (c) 크롤링 된 상기 소셜 미디어 콘텐츠를 분석하여 상기 제1 관심 키워드와 관련성이 높은 적어도 하나의 유효콘텐츠의 사용자의 계정정보를 추출하고, 추출된 상기 사용자의 계정정보를 상기 제1 관심 키워드에 대응하는 유효사용자 계정정보로 데이터베이스부에 저장하는 단계;
   (d) 상기 데이터베이스부에 저장된 상기 유효사용자 계정정보에 기초하여 상기 유효사용자의 소셜미디어 활동 콘텐츠를 크롤링하는 단계;
   (e) 상기 크롤링 된 콘텐츠에서 상기 콘텐츠의 작성 시간 정보 및 위치정보를 추출하고, 형태소 분석을 통해 정형화된 텍스트를 추출하여 상기 텍스트를 기계학습을 통해 카테고리별로 분류하여 카테고리값을 부여하여 상기 데이터베이스부에 저장하는 단계;
   (f) 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계 중 적어도 하나에 기초하여 상기 유효사용자의 시간에 따른 행동경로정보 및 이동경로정보 중 적어도 하나를 생성하여 상기 데이터베이스부에 저장하는 단계; 및
   (g) 사용자로부터 제1 관심 키워드가 입력된 경우, 상기 데이터베이스부에서 상기 제1 관심 키워드와 관련된 상기 행동경로정보 및 상기 이동경로정보를 추출하고, 추천알고리즘을 실행하여 상기 사용자에게 장소, 행동, 이동코스, 및 상품 중 적어도 하나를 추천하는 단계를 포함하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 방법.
   
10. 제9항에 있어서,
    상기 (f) 단계는, 상기 콘텐츠의 작성 시간 정보, 상기 콘텐츠의 작성의 전후 관계, 상기 콘텐츠에 포함된 시간정보, 및 상기 텍스트의 위치 관계에 기초하여 시계열적 순서를 결정하여 순서값을 부여하고, 상기 카테고리 값이 부여된 텍스트를 상기 시계열적 순서값에 따라 배열하여 상기 행동경로정보 및 상기 이동경로정보 중 적어도 하나를 생성하는 것을 특징으로 하는 소셜 미디어 활동 분석을 통한 추천 서비스 제공 방법.
    

Images