Search

KR-20260060950-A - Recommendation of restaurants based on emotion recognition

KR20260060950AKR 20260060950 AKR20260060950 AKR 20260060950AKR-20260060950-A

Abstract

본 발명은 감정 인식 기반 맛집 추천 시스템에 관한 것으로, 감정 인식 모델에 의하여 KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 함으로써 맛집 데이터로 추천 시스템을 사용하였을때, 사용자의 감정 상태를 반영하지 않아, 사용자 기분에 맞는 음식 추천이 어렵고 단순한 위치 기반 정보와 카테고리 필터링에 의존하여, 정밀도가 낮은 개인화로 사용자의 선호와 일치하지 않는 음식점이 추천될 가능성이 있는 문제점을 해소하도록 한 것이다. 즉, 본 발명은, 추천 시스템에 있어서 KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 학습해서 프로그램으로 구성한 감정 인식 모델, 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 학습해서 프로그램으로 구성한 필터링엔진, 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 프로그램으로 구성한 추천 알고리즘, 현재 사용자가 위치한 위치정보를 알 수 있게 외부 API를 사용하여 구성한 GPS 모듈, 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 데이터를 구성하는 서버로구성(backend)한 데이터베이스, 사용모델을 기반으로 맛집데이터를 리스트화 해서 백엔드 부분에서 사용 할수 있게 서버로 구성(backend)한 서버, 사용자에게 보여지는 부분으로 사용자가 조작할수 있게 웹이나 앱을 통해 구성(frontend)한 유저 인터페이스(UI)를 포함하는 것을 특징으로 한다. 따라서, 본 발명은 감정 인식 모델에 의하여 KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 하여, 맛집 데이터로 추천 시스템을 사용하였을때, 사용자의 감정 상태를 반영하지 않아, 사용자 기분에 맞는 음식 추천이 어렵고 단순한 위치 기반 정보와 카테고리 필터링에 의존하여, 정밀도가 낮은 개인화로 사용자의 선호와 일치하지 않는 음식점이 추천될 가능성이 있는 문제점을 해소하도록 함으로써, 기존의 맛집 데이터로 추천 시스템을 사용하였을때, 사용자의 감정 상태를 반영하지 않아, 사용자 기분에 맞는 음식 추천이 어렵고 단순한 위치 기반 정보와 카테고리 필터링에 의존하여, 정밀도가 낮은 개인화로 사용자의 선호와 일치하지 않는 음식점이 추천될 가능성이 있는 문제점을 해소하도록 한 효과를 갖는 것이다.

Inventors

  • 구승율

Assignees

  • 구승율

Dates

Publication Date
20260506
Application Date
20241025

Claims (5)

  1. 감정 인식 기반 맛집 추천 시스템에 있어서, KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 학습해서 프로그램으로 구성한 감정 인식 모델(101), 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 학습해서 프로그램으로 구성한 필터링엔진(201), 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 프로그램으로 구성한 추천 알고리즘(202), 현재 사용자가 위치한 위치정보를 알 수 있게 외부 API를 사용하여 구성한 GPS 모듈(301), 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 데이터를 구성하는 서버로구성(backend)한 데이터베이스(401), 사용모델을 기반으로 맛집데이터를 리스트화 해서 백엔드 부분에서 사용 할수 있게 서버로 구성(backend)한 서버(402), 사용자에게 보여지는 부분으로 사용자가 조작할수 있게 웹이나 앱을 통해 구성(frontend)한 유저 인터페이스(UI)(501).
  2. 제 1항에 있어서, 감정 인식 모델(101)을 통하여 KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 학습해서 프로그램으로 구성함을 특징으로 하는 감정 인식 모델.
  3. 제 1항에 있어서, 필터링엔진(201)을 통하여 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 학습해서 프로그램으로 구성함을 특징으로 하는 필터링엔진.
  4. 제 1항에 있어서, 추천 알고리즘(202)을 통하여 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 프로그램으로 구성함을 특징으로 하는 추천 알고리즘.
  5. 제 1항에 있어서, 데이터베이스(401)를 통하여 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 데이터를 구성하는 서버로구성(backend)함을 특징으로 하는 데이터베이스.

Description

감정 인식 기반 맛집 추천 시스템 {Recommendation of restaurants based on emotion recognition} 본 발명은 감정 인식 기반 맛집 추천 시스템에 관한 것으로, 보다 상세하게는, KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 학습해서 프로그램으로 구성한 감정 인식 모델, 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 학습해서 프로그램으로 구성한 필터링엔진, 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 프로그램으로 구성한 추천 알고리즘, 현재 사용자가 위치한 위치정보를 알 수 있게 외부 API를 사용하여 구성한 GPS 모듈, 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 데이터를 구성하는 서버로구성(backend)한 데이터베이스, 사용모델을 기반으로 맛집데이터를 리스트화 해서 백엔드 부분에서 사용 할수 있게 서버로 구성(backend)한 서버, 사용자에게 보여지는 부분으로 사용자가 조작할수 있게 웹이나 앱을 통해 구성(frontend)한 유저 인터페이스(UI)로 구성하여서, 감정 인식 모델에 의하여 KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 함으로써, 맛집 데이터로 추천 시스템을 사용하였을때, 사용자의 감정 상태를 반영하지 않아, 사용자 기분에 맞는 음식 추천이 어렵고 단순한 위치 기반 정보와 카테고리 필터링에 의존하여, 정밀도가 낮은 개인화로 사용자의 선호와 일치하지 않는 음식점이 추천될 가능성이 있는 문제점을 해소하도록 함을 목적으로 한 것이다. 일반적으로, 추천 시스템은 추천 시스템은 주로 사용자의 단순한 검색에 기반하여, 일상생활(ex)맛집 등)의 의사결정 시간을 단축하여 효율적인 맞춤형 추천을 제공받기 위해 사용하는 것이다. 상기한 바와 같이, 추천 시스템은 데이터베이스(수집부), 필터링 엔진(분석부), 추천 알고리즘(추천부), 사용자 인터페이스(UI)로 구성된 것이다. 이상과 같은 추천 시스템은 1.데이터베이스(수집부)는 음식점 정보같은 정보와 사용자 데이터를 저장하고 관리하는 핵심 요소, 모든 추천 시스템의 기반이 되는 중요한 역할을 하며, 데이터의 품질이 추천의 정확성과 직결됨 2.추천 알고리즘는 개인화된 추천 시스템의 핵심 알고리즘으로, 사용자에게 맞춤형 추천을 제공하는 중요한 요소이며, DB에서 필요한 정보를 효율적으로 가져와 사용자에게 적합한 정보를 추천. 3.필터링 엔진은 복수의 키워드를 분석하여 키워드를 랭킹화하여 필터링 엔진을 통한 해당 키워드와 콘텐츠를 분석 4.사용자 인터페이스(UI)는 사용자가 시스템과 상호작용하는 요소로, 최종적으로 추천 리스트가 사용자에게 보여지는 시각적 요소로 구성하는 것이다. 그러나, 상기한 바와 같은 종래의 추천 시스템은 맛집 데이터로 추천 시스템을 사용하였을때, 사용자의 감정 상태를 반영하지 않아, 사용자 기분에 맞는 음식 추천이 어렵고 단순한 위치 기반 정보와 카테고리 필터링에 의존하여, 정밀도가 낮은 개인화로 사용자의 선호와 일치하지 않는 음식점이 추천될 가능성이 있는 문제점이 있었다. 도 1은 감정 인식 및 해당 감정에 대한 맛집을 추천하는 시스템의 흐름도이다. 본 발명은 KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 학습해서 프로그램으로 구성한 감정 인식 모델(101), 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 학습해서 프로그램으로 구성한 필터링엔진(201), 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 프로그램으로 구성한 추천 알고리즘(202), 현재 사용자가 위치한 위치정보를 알 수 있게 외부 API를 사용하여 구성한 GPS 모듈(301), 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 데이터를 구성하는 서버로구성(backend)한 데이터베이스(401), 사용모델을 기반으로 맛집데이터를 리스트화 해서 백엔드 부분에서 사용 할수 있게 서버로 구성(backend)한 서버(402), 사용자에게 보여지는 부분으로 사용자가 조작할수 있게 웹이나 앱을 통해 구성(frontend)한 유저 인터페이스(UI)(501)로 구성된 것이다. 여기서, 감정 인식 모델(101)은 KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 학습해서 프로그램으로 구성한 것이다. 여기서, 필터링엔진(201)은 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 학습해서 프로그램으로 구성한 것이다. 여기서, 추천 알고리즘(202)은 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 프로그램으로 구성한 것이다. 여기서, GPS 모듈(301)은 현재 사용자가 위치한 위치정보를 알 수 있게 외부 API를 사용하여 구성한 것이다. 여기서, 데이터베이스(401)는 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 데이터를 구성하는 서버로구성(backend)한 것이다. 여기서, 서버(402)는 사용모델을 기반으로 맛집데이터를 리스트화 해서 백엔드 부분에서 사용 할수 있게 서버로 구성(backend)한 것이다. 여기서, 유저 인터페이스(UI)(501)는 사용자에게 보여지는 부분으로 사용자가 조작할수 있게 웹이나 앱을 통해 구성(frontend)한 것이다. 이하, 본 발명의 사용 과정에 대하여 설명하면 다음과 같다. 상기한 바와 같이, 본 발명은 추천 시스템에 있어서, KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 학습해서 프로그램으로 구성한 감정 인식 모델(101), 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 학습해서 프로그램으로 구성한 필터링엔진(201), 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 프로그램으로 구성한 추천 알고리즘(202), 현재 사용자가 위치한 위치정보를 알 수 있게 외부 API를 사용하여 구성한 GPS 모듈(301), 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 데이터를 구성하는 서버로구성(backend)한 데이터베이스(401), 사용모델을 기반으로 맛집데이터를 리스트화 해서 백엔드 부분에서 사용 할수 있게 서버로 구성(backend)한 서버(402), 사용자에게 보여지는 부분으로 사용자가 조작할수 있게 웹이나 앱을 통해 구성(frontend)한 유저 인터페이스(UI)(501)로 구성된 본 발명을 적용하여, 추천 시스템의 맛집 데이터로 추천 시스템을 사용하였을때, 사용자의 감정 상태를 반영하지 않아, 사용자 기분에 맞는 음식 추천이 어렵고 단순한 위치 기반 정보와 카테고리 필터링에 의존하여, 정밀도가 낮은 개인화로 사용자의 선호와 일치하지 않는 음식점이 추천될 가능성이 있는 문제점을 해소하도록 한 것이다. 또한, 본 발명의 실시예에 있어, 학습해서 프로그램으로 구성한 감정 인식 모델(101)을 포함한 본 발명을 적용하여 실시하게 되면, KoBERT 모델로 감정을 인식해서 사용자의 감정을 도출할수 있게 될 것이다. 또한, 본 발명의 실시예에 있어, 학습해서 프로그램으로 구성한 필터링엔진(201)을 포함한 본 발명을 적용하여 실시하게 되면, 필터링 엔진을 통한 도출된 감정을 토대로 관련 감정에 맞는 음식을 추천하고 해당 음식에 맞는 카테고리를 분류할수 있게 될 것이다. 또한, 본 발명의 실시예에 있어, 프로그램으로 구성한 추천 알고리즘(202)을 포함한 본 발명을 적용하여 실시하게 되면, 해당 카테고리에 관한 관련 맛집들을 추천할수 있게 될 것이다. 또한, 본 발명의 실시예에 있어, 외부 API를 사용하여 구성한 GPS 모듈(301)을 포함한 본 발명을 적용하여 실시하게 되면, 현재 사용자가 위치한 위치정보를 알 수 있게 될 것이다. 또한, 본 발명의 실시예에 있어, 데이터를 구성하는 서버로구성(backend)한 데이터베이스(401)를 포함한 본 발명을 적용하여 실시하게 되면, 맛집 데이터를 구축하여 맛집 리스트와 카테고리를 분류하여 저장한 될 것이다. 또한, 본 발명의 실시예에 있어, 서버로 구성(backend)한 서버(402)를 포함한 본 발명을 적용하여 실시하게 되면, 사용모델을 기반으로 맛집데이터를 리스트화 해서 백엔드 부분에서 사용 할수 있게 될 것이다. 또한, 본 발명의 실시예에 있어, 웹이나 앱을 통해 구성(frontend)한 유저 인터페이스(UI)(501)를 포함한 본 발명을 적용하여 실시하게 되면, 사용자에게 보여지는 부분으로 사용자가 조작할수 있게 될 것이다.