IP Force 特許公報掲載プロジェクト 2022.1.31 β版

知財求人 - 知財ポータルサイト「IP Force」

▶ エヌエイチエヌ クラウド コーポレーションの特許一覧

特開2022-174013ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法
<>
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図1
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図2
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図3
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図4
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図5
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図6
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図7
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図8
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図9
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図10
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図11
  • 特開-ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法 図12
< >
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022174013
(43)【公開日】2022-11-22
(54)【発明の名称】ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法
(51)【国際特許分類】
   G06F 16/95 20190101AFI20221115BHJP
   G06V 10/74 20220101ALI20221115BHJP
   G06Q 30/02 20120101ALI20221115BHJP
【FI】
G06F16/95
G06V10/74
G06Q30/02 338
【審査請求】有
【請求項の数】17
【出願形態】OL
(21)【出願番号】P 2022076701
(22)【出願日】2022-05-06
(31)【優先権主張番号】10-2021-0060127
(32)【優先日】2021-05-10
(33)【優先権主張国・地域又は機関】KR
(71)【出願人】
【識別番号】522257469
【氏名又は名称】エヌエイチエヌ クラウド コーポレーション
(74)【代理人】
【識別番号】110000408
【氏名又は名称】弁理士法人高橋・林アンドパートナーズ
(72)【発明者】
【氏名】キム, ヒョンギ
(72)【発明者】
【氏名】ソク, ソンヒ
(72)【発明者】
【氏名】イ, ソヒ
(72)【発明者】
【氏名】パク, ゴンハン
【テーマコード(参考)】
5B175
5L049
5L096
【Fターム(参考)】
5B175DA02
5B175FA01
5B175FB04
5B175HA01
5L049BB07
5L096AA06
5L096BA08
5L096DA02
5L096HA08
5L096JA11
5L096JA18
5L096KA04
(57)【要約】
【課題】ショッピングモールウェブページに関連づけられたデータを高い信頼性で検証する装置、記録媒体、プログラムおよび方法を提供する。
【解決手段】本発明の実施形態による方法は、ショッピングモールウェブページに関連してユーザIDによって作成されイメージとテキストとを含むレビュー項目にアクセスし、レビュー項目のイメージから少なくとも1つのターゲットオブジェクトを検知し、検知されたターゲットオブジェクトをプロセッシングして、第1特徴データを生成し、ショッピングモールウェブページに含まれた基準オブジェクトをプロセッシングして、基準オブジェクトに対応する第2特徴データを生成し、第1特徴データを第2特徴データと比較することにより、レビュー項目に対する検証の結果を示す検証データを提供することを含む。
【選択図】 図8
【特許請求の範囲】
【請求項1】
ショッピングモールウェブページに関連づけられたデータを提供する方法において、
前記ショッピングモールウェブページに関連してユーザIDによって作成されイメージとテキストとを含むレビュー項目にアクセスし、
前記レビュー項目の前記イメージから少なくとも1つのターゲットオブジェクトを検知し、
前記検知されたターゲットオブジェクトをプロセッシングして、第1特徴データを生成し、
前記ショッピングモールウェブページに含まれた基準オブジェクトをプロセッシングして、前記基準オブジェクトに対応する第2特徴データを生成し、
前記第1特徴データを前記第2特徴データと比較することにより、前記レビュー項目に対する検証の結果を示す検証データを提供することを含む方法。
【請求項2】
前記第1特徴データを生成することは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトのデザインに関連づけられた少なくとも1つの第1特徴ベクトルを生成することを含み、
前記第2特徴データを生成することは、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトのデザインに関連づけられた少なくとも1つの第2特徴ベクトルを生成することを含み、
前記第1特徴データは、前記第1特徴ベクトルを含み、前記第2特徴データは、前記第2特徴ベクトルを含む、請求項1に記載の方法。
【請求項3】
前記検証データを提供することにおいて、前記第1特徴ベクトルが前記第2特徴ベクトルとマッチされるか否かによって、前記検証データは、前記レビュー項目に対する前記検証がパスされることを示す、請求項2に記載の方法。
【請求項4】
前記第1特徴ベクトルおよび前記第2特徴ベクトルそれぞれは、イメージが入力されると、前記入力されたイメージ内のオブジェクトのデザインに関連づけられた少なくとも1つの特徴ベクトルを出力するように学習された人工知能モデルを用いて生成される、請求項2に記載の方法。
【請求項5】
前記第1特徴データを生成することは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトに対応する商品の属性に関連づけられた第1属性タグを生成することを含み、
前記第2特徴データを生成することは、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトに対応する商品の属性に関連づけられた第2属性タグを生成することを含み、
前記第1特徴データは、前記第1属性タグを含み、前記第2特徴データは、前記第2属性タグを含む、請求項1に記載の方法。
【請求項6】
前記検証データを提供することにおいて、前記第1属性タグが前記第2属性タグとマッチされるか否かによって、前記検証データは、前記レビュー項目に対する検証がパスされることを示す、請求項5に記載の方法。
【請求項7】
前記第1属性タグおよび前記第2属性タグそれぞれは、イメージが入力されると、前記入力されたイメージ内のオブジェクトに対応する商品の属性を示す属性タグを出力するように学習された人工知能モデルを用いて生成される、請求項5に記載の方法。
【請求項8】
前記検証データに基づいて前記ユーザIDに補償を提供することをさらに含む、請求項1に記載の方法。
【請求項9】
ショッピングモールウェブページに関連づけられたデータを提供するコンピュータ装置において、
前記ショッピングモールウェブページに関連してユーザIDによって作成されたレビュー項目にアクセスするように構成される第1インターフェースと、
前記第1インターフェースを介して前記レビュー項目を取得するように構成されるプロセッサと、を含み、
前記レビュー項目は、イメージとテキストとを含み、
前記プロセッサは、
前記レビュー項目の前記イメージから少なくとも1つのターゲットオブジェクトを検知し、
前記検知されたターゲットオブジェクトをプロセッシングして、第1特徴データを生成し、
前記第1特徴データを前記ショッピングモールウェブページに含まれた基準オブジェクトに対応する第2特徴データと比較することにより、前記レビュー項目を検証し、前記検証の結果を示す検証データを提供するように構成されるコンピュータ装置。
【請求項10】
前記プロセッサは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトのデザインに関連づけられた少なくとも1つの第1特徴ベクトルを生成し、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトのデザインに関連づけられた少なくとも1つの第2特徴ベクトルを生成するように構成され、
前記第1特徴データは、前記第1特徴ベクトルを含み、前記第2特徴データは、前記第2特徴ベクトルを含む、請求項9に記載のコンピュータ装置。
【請求項11】
前記プロセッサは、前記第1特徴ベクトルが前記第2特徴ベクトルとマッチされるか否かによって、前記検証データが前記レビュー項目に対する前記検証がパスされることを示すように提供する、請求項10に記載のコンピュータ装置。
【請求項12】
前記プロセッサは、前記第1特徴ベクトルおよび前記第2特徴ベクトルそれぞれを、イメージが入力されると、前記入力されたイメージ内のオブジェクトのデザインに関連づけられた少なくとも1つの特徴ベクトルを出力するように学習された人工知能モデルを用いて生成するように構成される、請求項10に記載のコンピュータ装置。
【請求項13】
前記プロセッサは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトに対応する商品の属性に関連づけられた第1属性タグを生成し、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトに対応する商品の属性に関連づけられた第2属性タグを生成するように構成され、
前記第1特徴データは、前記第1属性タグを含み、前記第2特徴データは、前記第2属性タグを含む、請求項9に記載のコンピュータ装置。
【請求項14】
前記プロセッサは、前記第1属性タグが前記第2属性タグとマッチされるか否かによって、前記検証データが前記レビュー項目に対する検証がパスされることを示すように提供する、請求項13に記載のコンピュータ装置。
【請求項15】
前記プロセッサは、前記第1属性タグおよび前記第2属性タグそれぞれを、イメージが入力されると、前記入力されたイメージ内のオブジェクトに対応する商品の属性を示す属性タグを出力するように学習された人工知能モデルを用いて生成するように構成される、請求項13に記載のコンピュータ装置。
【請求項16】
コンピュータプログラムを格納する、コンピュータ装置によって読取可能な記録媒体において、
前記コンピュータ装置は、ショッピングモールウェブページに関連してユーザIDによって作成されたレビュー項目にアクセスするように構成され、
前記レビュー項目は、イメージとテキストとを含み、
前記コンピュータプログラムは、前記コンピュータ装置によって実行されると、
前記レビュー項目の前記イメージから少なくとも1つのターゲットオブジェクトを検知し、
前記検知されたターゲットオブジェクトをプロセッシングして、第1特徴データを生成し、
前記第1特徴データを前記ショッピングモールウェブページに含まれた基準オブジェクトに対応する第2特徴データと比較することにより、前記レビュー項目を検証し、前記検証の結果を示す検証データを提供するための命令を含む記録媒体。
【請求項17】
請求項1から請求項8のいずれかに記載の方法をコンピュータに実行させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ショッピングモールウェブページに関し、より具体的には、ショッピングモールウェブページに関連づけられたデータを提供する装置、記録媒体、プログラムおよび方法に関する。
【背景技術】
【0002】
人工知能(Artificial Intelligence、AI)システムは、人間並みの知能を実現するコンピュータシステムであり、既存のRuleベースのスマートシステムとは異なり、機械が自ら学習し判断して、目的とする結果を導出したり、目的とする動作を行うシステムである。人工知能システムは、使うほど認識率が向上しユーザの好みをより正確に理解することができる。
【0003】
人工知能技術は、機械学習(ディープラーニング)および機械学習を活用した要素技術で構成される。機械学習は、入力データの特徴を自ら分類/学習するアルゴリズム技術であり、ディープラーニングなどの機械学習アルゴリズムを活用して、言語的理解、視覚的理解、推論/予測、知識表現、動作制御などの技術分野で構成される。
【0004】
人工知能技術は、多様な方面で活発に研究されている。例えば、人工知能技術を実現するための要素技術は、人間の言語/文字を認識する言語的理解技術、事物を人間の視覚のように認識する視覚的理解技術、情報を判断して論理的に推論し予測する推論/予測技術、人間の経験情報を知識データとして処理する知識表現技術、および車両の自律走行、ロボットの動きを制御する動作制御技術の少なくとも1つを含むことができる。
【0005】
上記の内容は単に本発明の技術的思想に対する背景技術の理解のためのものであり、よって、それは本発明の技術分野における当業者に知られた先行技術に相当する内容とは理解されない。
【発明の概要】
【発明が解決しようとする課題】
【0006】
本発明の実施形態は、ショッピングモールウェブページに関連づけられたデータを高い信頼性で検証する装置、記録媒体、プログラムおよび方法を提供する。
【課題を解決するための手段】
【0007】
本発明の実施形態によるショッピングモールウェブページに関連づけられたデータを提供する方法は、前記ショッピングモールウェブページに関連してユーザIDによって作成されイメージとテキストとを含むレビュー項目にアクセスし、前記レビュー項目の前記イメージから少なくとも1つのターゲットオブジェクトを検知し、前記検知されたターゲットオブジェクトをプロセッシングして、第1特徴データを生成するステップと、前記ショッピングモールウェブページに含まれた基準オブジェクトをプロセッシングして、前記基準オブジェクトに対応する第2特徴データを生成し、前記第1特徴データを前記第2特徴データと比較することにより、前記レビュー項目に対する検証の結果を示す検証データを提供することを含む。
【0008】
前記第1特徴データを生成することは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトのデザインに関連づけられた少なくとも1つの第1特徴ベクトルを生成することを含むことができ、前記第2特徴データを生成することは、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトのデザインに関連づけられた少なくとも1つの第2特徴ベクトルを生成することを含むことができ、前記第1特徴データは、前記第1特徴ベクトルを含み、前記第2特徴データは、前記第2特徴ベクトルを含むことができる。
【0009】
前記検証データを提供することにおいて、前記第1特徴ベクトルが前記第2特徴ベクトルとマッチされるか否かによって、前記検証データは、前記レビュー項目に対する前記検証がパスされることを示すことができる。
【0010】
前記第1特徴ベクトルおよび前記第2特徴ベクトルそれぞれは、イメージが入力されると、前記入力されたイメージ内のオブジェクトのデザインに関連づけられた少なくとも1つの特徴ベクトルを出力するように学習された人工知能モデルを用いて生成される。
【0011】
前記第1特徴データを生成することは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトに対応する商品の属性に関連づけられた第1属性タグを生成することを含むことができ、前記第2特徴データを生成することは、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトに対応する商品の属性に関連づけられた第2属性タグを生成することを含むことができ、前記第1特徴データは、前記第1属性タグを含み、前記第2特徴データは、前記第2属性タグを含むことができる。
【0012】
前記検証データを提供することにおいて、前記第1属性タグが前記第2属性タグとマッチされるか否かによって、前記検証データは、前記レビュー項目に対する検証がパスされることを示すことができる。
【0013】
前記第1属性タグおよび前記第2属性タグそれぞれは、イメージが入力されると、前記入力されたイメージ内のオブジェクトに対応する商品の属性を示す属性タグを出力するように学習された人工知能モデルを用いて生成される。
【0014】
前記方法は、前記検証データに基づいて前記ユーザIDに補償を提供することをさらに含むことができる。
【0015】
本発明の他の態様は、ショッピングモールウェブページに関連づけられたデータを提供するコンピュータ装置に関する。前記コンピュータ装置は、前記ショッピングモールウェブページに関連してユーザIDによって作成されたレビュー項目にアクセスするように構成される第1インターフェースと、前記第1インターフェースを介して前記レビュー項目を取得するように構成されるプロセッサとを含み、前記レビュー項目は、イメージとテキストとを含み、前記プロセッサは、前記レビュー項目の前記イメージから少なくとも1つのターゲットオブジェクトを検知し、前記検知されたターゲットオブジェクトをプロセッシングして、第1特徴データを生成し、前記第1特徴データを前記ショッピングモールウェブページに含まれた基準オブジェクトに対応する第2特徴データと比較することにより、前記レビュー項目を検証し、前記検証の結果を示す検証データを提供するように構成される。
【0016】
前記プロセッサは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトのデザインに関連づけられた少なくとも1つの第1特徴ベクトルを生成し、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトのデザインに関連づけられた少なくとも1つの第2特徴ベクトルを生成するように構成される。前記第1特徴データは、前記第1特徴ベクトルを含むことができ、前記第2特徴データは、前記第2特徴ベクトルを含むことができる。
【0017】
前記プロセッサは、前記第1特徴ベクトルが前記第2特徴ベクトルとマッチされるか否かによって、前記検証データが前記レビュー項目に対する前記検証がパスされることを示すように提供することができる。
【0018】
前記プロセッサは、前記第1特徴ベクトルおよび前記第2特徴ベクトルそれぞれを、イメージが入力されると、前記入力されたイメージ内のオブジェクトのデザインに関連づけられた少なくとも1つの特徴ベクトルを出力するように学習された人工知能モデルを用いて生成するように構成される。
【0019】
前記プロセッサは、前記ターゲットオブジェクトをプロセッシングして、前記ターゲットオブジェクトに対応する商品の属性に関連づけられた第1属性タグを生成し、前記基準オブジェクトをプロセッシングして、前記基準オブジェクトに対応する商品の属性に関連づけられた第2属性タグを生成するように構成され、前記第1特徴データは、前記第1属性タグを含むことができ、前記第2特徴データは、前記第2属性タグを含むことができる。
【0020】
前記プロセッサは、前記第1属性タグが前記第2属性タグとマッチされるか否かによって、前記検証データが前記レビュー項目に対する検証がパスされることを示すように提供することができる。
【0021】
前記プロセッサは、前記第1属性タグおよび前記第2属性タグそれぞれを、イメージが入力されると、前記入力されたイメージ内のオブジェクトに対応する商品の属性を示す属性タグを出力するように学習された人工知能モデルを用いて生成するように構成される。
【0022】
本発明のさらに他の態様は、コンピュータプログラムを格納する、コンピュータ装置によって読取可能な記録媒体に関する。前記記録媒体は、前記コンピュータ装置は、ショッピングモールウェブページに関連してユーザIDによって作成されたレビュー項目にアクセスするように構成され、前記レビュー項目は、イメージとテキストとを含み、前記コンピュータプログラムは、前記コンピュータ装置によって実行されるとき、前記レビュー項目の前記イメージから少なくとも1つのターゲットオブジェクトを検知し、前記検知されたターゲットオブジェクトをプロセッシングして、第1特徴データを生成し、前記第1特徴データを前記ショッピングモールウェブページに含まれた基準オブジェクトに対応する第2特徴データと比較することにより、前記レビュー項目を検証し、前記検証の結果を示す検証データを提供するための命令を含むことができる。
【発明の効果】
【0023】
本発明の実施形態によれば、ショッピングモールウェブページに関連づけられたデータを高い信頼性で検証する装置および方法を提供する。例えば、コンピュータ装置は、ショッピングモールウェブページに関連してユーザによって作成されたレビュー項目を、そのレビュー項目に含まれたターゲットオブジェクトとショッピングモールウェブページに含まれた基準オブジェクトとを比較することにより検証することができ、これによってレビュー項目に対する検証の信頼性が向上できる。
【図面の簡単な説明】
【0024】
図1】本発明の実施形態によるネットワークシステムを示すブロック図である。
図2図1のショッピングモールサーバによって提供されるウェブページの一例を示す図である。
図3図1のショッピングモールサーバによって提供されるレビュー項目の一例を示す図である。
図4】本発明の実施形態による図1のショッピングモールサーバの実施形態を示すブロック図である。
図5図4の特徴データ生成部の実施形態を示すブロック図である。
図6図4の特徴データ生成部の他の実施形態を示すブロック図である。
図7図4の第1特徴データおよび第2特徴データを示す概念図である。
図8】本発明の実施形態によるショッピングモールウェブページに関連づけられた検証データを提供する方法を示すフローチャートである。
図9図8のS130ステップ~S150ステップの実施形態を示すフローチャートである。
図10図8のS130ステップ~S150ステップの他の実施形態を示すフローチャートである。
図11図4の検証データ提供装置を実現するのに適したコンピュータ装置の実施形態を示すブロック図である。
図12図11のコンピュータ装置と通信可能なクライアントサーバを示すブロック図である。
【発明を実施するための形態】
【0025】
以下、本発明による好ましい実施形態を、添付した図面を参照して詳しく説明する。下記の説明では本発明による動作を理解するのに必要な部分だけが説明され、その他の部分の説明は本発明の要旨をあいまいにしないようにするために省略されることに留意しなければならない。また、本発明は、ここで説明される実施形態に限定されず、他の形態に具体化されてもよい。ただし、ここで説明される実施形態は、本発明の属する技術分野における通常の知識を有する者に本発明の技術的思想を容易に実施できる程度に詳しく説明するために提供されるものである。
【0026】
明細書全体において、ある部分が他の部分に「接続」されているとするとき、これは、「直接的に接続」されている場合のみならず、その中間に他の素子を挟んで「間接的に接続」されている場合も含む。ここで使われた用語は特定の実施形態を説明するためであり、本発明を限定するためではない。明細書全体において、ある部分がある構成要素を「含む」とするとき、これは、特に反対の記載がない限り、他の構成要素を除くのではなく、他の構成要素をさらに包含できることを意味する。「X、Y、およびZの少なくともいずれか1つ」、そして「X、Y、およびZから構成されたグループより選択された少なくともいずれか1つ」は、Xの1つ、Yの1つ、Zの1つ、またはX、Y、およびZのうちの2つまたはそれ以上の何らかの組み合わせ(例えば、XYZ、XYY、YZ、ZZ)であると解釈される。ここで、「および/または」は、当該構成の1つまたはそれ以上のすべての組み合わせを含む。
【0027】
図1は、本発明の実施形態によるネットワークシステムを示すブロック図である。図2は、図1のショッピングモールサーバによって提供されるウェブページの一例を示す図である。図3は、図1のショッピングモールサーバによって提供されるレビュー項目の一例を示す図である。
【0028】
図1を参照すると、ネットワークシステム100は、ネットワーク50と、第1~第kユーザ端末111~11kと、ショッピングモールサーバ120とを含むことができる。
【0029】
ネットワークシステム100は、ここに説明された本発明の実施形態による多様な方法を行うように動作する複数の装置、サーバ、および/またはソフトウェア構成を含むことができる。図1に示された装置および/またはサーバは、他の方式で構成されてもよいし、装置および/またはサーバによって提供される動作およびサービスは、ここに説明された実施形態のために結合または分離されてもよいし、より多数あるいはより少数の装置および/またはサーバによって行われてもよい。1つまたはそれ以上の装置および/またはサーバは、同一あるいは異なる企業体によって駆動および/または保持される。
【0030】
ネットワーク50は、ネットワーク50、第1~第kユーザ端末111~11k、およびショッピングモールサーバ120のようなネットワークシステム100内の構成要素を接続する。ネットワーク50は、パブリックネットワーク(public network)、少なくとも1つのプライベートネットワーク(private network)、有線ネットワーク、無線ネットワーク、他の適切なタイプのネットワーク、およびそれらの組み合わせの少なくとも1つを含むことができる。ネットワークシステム100内の構成要素それぞれは、有線通信機能および無線通信機能の少なくとも1つを含むことができ、それによってネットワーク50を介して相互通信可能である。
【0031】
第1~第kユーザ端末111~11kそれぞれは、ネットワーク50を介してショッピングモールサーバ120と通信することができる。実施形態において、第1~第kユーザ端末111~11kそれぞれは、ウェブブラウザのような応用アプリケーションを含み、応用アプリケーションは、ショッピングモールサーバ120にアクセスしてユーザIDを生成し、生成されたユーザIDの下でウェブページにアクセスし、商品を購入し、商品に対するレビューを作成するなど多様なアクションを行うことができる。
【0032】
実施形態として、第1~第kユーザ端末111~11kそれぞれは、コンピュータ、UMPC(Ultra Mobile PC)、ワークステーション、ネットブック(net-book)、PDA(Personal Digital Assistants)、ポータブル(portable)コンピュータ、ウェブタブレット(web tablet)、無線電話(wireless phone)、モバイルフォン(mobile phone)、スマートフォン(smart phone)、e-ブック(e-book)、PMP(portable multimedia player)、ポータブルゲーム機などのような情報を有線および/または無線環境で送受信可能な装置などを含むことができる。
【0033】
ショッピングモールサーバ120は、ネットワーク50を介して第1~第kユーザ端末111~11kと通信し、第1~第kユーザ端末111~11kそれぞれからの要請に応答してウェブページを当該ユーザ端末に提供することができる。図2を参照すると、ショッピングモールサーバ120によって提供されるウェブページは、販売しようとする商品のイメージPIMG、商品の情報PI、購入のためのウェブページに移動するための第1アイコンIC1、および商品に対するレビューを作成するウェブページ(あるいはグラフィックインターフェース)に移動するための第2アイコンIC2を含むことができる。その他にも、ショッピングモールサーバ120は、「カゴに入れる」、「詳細説明」、「お問い合わせ」など、必要に応じて多様なアイコンをさらに含むことができる。
【0034】
第2アイコンIC2を選択するユーザ入力に応答して、ユーザ端末は、第2アイコンIC2に含まれたリンクをショッピングモールサーバ120に呼び出し、それに応答して、ショッピングモールサーバ120は、レビュー項目を作成できるウェブページ(あるいはグラフィックインターフェース)を当該ユーザ端末に提供することができる。図3に任意のユーザID(UID)によって作成されたレビュー項目RIが示されている。レビュー項目RIは、ユーザID(UID)、購入した商品の情報PI(図2参照)の少なくとも一部、ユーザID(UID)によって作成されたテキストTXTとレビューイメージRIMGを含むことができる。図3にて、レビュー項目RIは、「耳につけるのが少し大変ですが、でも満足しており、おすすめします。ぴったり収まります」といったテキストTXT、そして購入した商品を撮影した少なくとも1つのレビューイメージRIMGを含む。
【0035】
ショッピングモールサーバ120は、レビュー項目RIを作成したユーザIDに補償(例えば、決済ポイント)を提供することができる。このために、レビュー項目RIが当該商品に対するレビューに合っているかが検証され、検証結果に応じて当該ユーザID(UID)に補償が提供される。人が直接レビュー項目RIを検証することができるが、経済性向上のためにレビュー項目RIを検証するための多様なアルゴリズムが提案されている。しかし、このようなアルゴリズムは低い信頼性の検証結果を提供することがあり、低い信頼性の検証結果はユーザID(UID)への補償が意図せぬ提供あるいは未提供をもたらし、それは当該ショッピングモールサービスに悪影響を及ぼすことがある。例えば、図3に示されるように、商品がイヤホンであるにもかかわらず、検証パスのためにレビュー項目RIの検証イメージRIMGが全身イメージであることを要求することがあり、これによる不適切な検証結果はユーザID(UID)への補償が提供できないようにして、当該ショッピングモールサービスに悪影響を及ぼすことがある。
【0036】
図4は、本発明の実施形態による図1のショッピングモールサーバの実施形態を示すブロック図である。
【0037】
図4を参照すると、ショッピングモールサーバ200は、検証データ提供装置210と、メモリ220と、ユーザポイント管理器230とを含むことができる。
【0038】
検証データ提供装置210は、ユーザポイント管理器230に連結される。検証データ提供装置210は、メモリ220をワーキングメモリとして用いることができる。検証データ提供装置210は、ウェブページインターフェース(I/F)211と、レビュー項目インターフェース212と、レビュー検証器213とを含むことができる。
【0039】
ウェブページインターフェース211は、ショッピングモールウェブページに対するインターフェースをレビュー検証器213に提供することができる。レビュー項目インターフェース212は、ショッピングモールウェブページに関連づけられたレビュー項目に対するインターフェースをレビュー検証器213に提供することができる。このように、レビュー検証器213は、ウェブページインターフェース211を介してショッピングモールウェブページのデータにアクセスし、レビュー項目インターフェース212を介してレビュー項目のデータにアクセスすることができる。
【0040】
レビュー検証器213は、ショッピングモールウェブページに関連づけられたレビュー項目それぞれを検証し、各レビュー項目に対する検証の結果をユーザポイント管理器230に提供するように構成される。レビュー検証器213は、商品領域検出部214と、特徴データ生成部215と、イメージ検証部216とを含むことができる。
【0041】
商品領域検出部214は、レビュー項目インターフェース212を介してレビュー項目にアクセスし、レビュー項目のレビューイメージRIMG(図3参照)からターゲットオブジェクトTOBJ(図3参照)を検知あるいは抽出するように構成される。
【0042】
特徴データ生成部215は、検知されたターゲットオブジェクトTOBJをプロセッシングして、ターゲットオブジェクトTOBJのデザインに関連づけられた特徴および/またはターゲットオブジェクトTOBJに関連づけられた商品の属性のようにターゲットオブジェクトTOBJの特徴を示す第1特徴データFD1を生成するように構成される。第1特徴データFD1は、メモリ220に臨時格納可能である。
【0043】
イメージ検証部216は、第1特徴データFD1をショッピングモールウェブページの基準オブジェクトROBJ(図2参照)に対応する第2特徴データFD2と比較することにより、当該レビュー項目を検証し、その検証の結果を示す検証データを生成するように構成される。検証データは、当該レビュー項目に対する検証がパスされることを示したり、当該レビュー項目に対する検証が失敗することを示すことができる。
【0044】
実施形態において、商品領域検出部214および特徴データ生成部215は、レビューイメージRIMGを処理する上述した動作と同様の動作を商品イメージPIMG(図2参照)に対して行うことができる。商品領域検出部214は、ウェブページインターフェース211を介してショッピングモールウェブページの商品イメージPIMGを取得し、商品イメージPIMGから基準オブジェクトROBJ(図2参照)を検知あるいは抽出することができる。また、特徴データ生成部215は、基準オブジェクトROBJをプロセッシングして、基準オブジェクトROBJのデザインに関連づけられた特徴および/または基準オブジェクトROBJに関連づけられた商品の属性のように基準オブジェクトROBJの特徴を示す第2特徴データFD2を生成するように構成される。第2特徴データFD2は、メモリ220に臨時格納可能であり、イメージ検証部216は、メモリ220に格納された第1特徴データFD1が第2特徴データFD2とマッチされるか否かを検証して、検証データを生成することができる。
【0045】
このように、レビュー検証器213は、ターゲットオブジェクトTOBJによる第1特徴データFD1を基準オブジェクトROBJによる第2特徴データFD2と比較することにより、各レビュー項目を検証することができる。第1特徴データFD1と第2特徴データFD2は、ターゲットオブジェクトTOBJおよび基準オブジェクトROBJの視覚的特徴をそれぞれ反映する点を考慮するとき、第1特徴データFD1と第2特徴データFD2との比較による検証は商品に対して適応的に行われ、これによって検証の結果は高い信頼性を有することができる。
【0046】
ユーザポイント管理器230は、イメージ検証部216からの検証データに基づいてユーザID(UID)(図3参照)に補償を提供することができる。実施形態において、ユーザポイント管理器230は、各ユーザIDに対応するポイントを管理するように構成され、検証データに応じてユーザID(UID)に対応するポイントを増加させることができる。
【0047】
図2に示さないが、ショッピングモールサーバ120は、図2に例示されたようなショッピングモールウェブページ、レビュー項目、それらに関連づけられたデータを提供および管理するためのウェブページ提供器をさらに含むことができる。
【0048】
実施形態において、検証データ提供装置210およびメモリ220は、図1のショッピングモールサーバ120の構成要素として提供される。他の実施形態において、検証データ提供装置210およびメモリ220は、図1のショッピングモールサーバ120と分離された構成要素として提供され、この場合、検証データ提供装置210は、ネットワーク50を介してショッピングモールサーバ120、例えば、ショッピングモールサーバ120によって提供されるウェブページおよびレビュー項目にアクセスすることができる。
【0049】
図5は、図4の特徴データ生成部の実施形態を示すブロック図である。
【0050】
図5を参照すると、特徴データ生成部300は、特徴ベクトル抽出部310と、属性タグ抽出部320とを含むことができる。特徴ベクトル抽出部310および属性タグ抽出部320それぞれは、イメージプロセッシングを行って、当該オブジェクトあるいはイメージに関連づけられたデータを生成することができる。
【0051】
特徴ベクトル抽出部310は、入力されるイメージ(IMG_IN、あるいはオブジェクト)をプロセッシングして、入力イメージIMG_INのオブジェクトのデザインに関連づけられた少なくとも1つの特徴ベクトルFVを生成するように構成される。実施形態において、特徴ベクトル抽出部310は、オブジェクトの少なくとも一部のカラーを示す特徴ベクトルおよびオブジェクトの特徴点を示す特徴ベクトルを生成することができる。入力イメージIMG_INは、ターゲットオブジェクトTOBJ(図3参照)あるいはレビューイメージRIMG(図3参照)であってもよい。また、入力イメージIMG_INは、基準オブジェクトROBJ(図2参照)あるいは商品イメージPIMG(図2参照)であってもよい。
【0052】
属性タグ抽出部320は、入力イメージ(IMG_IN、あるいはオブジェクト)をプロセッシングして、入力イメージIMG_INのオブジェクトに対応する商品の属性を示す少なくとも1つの属性タグPTを生成するように構成される。実施形態において、属性タグ抽出部320は、オブジェクトに対応する商品の種類(あるいはカテゴリ)(例えば、下衣)を示す属性タグ、オブジェクトに対応する商品の代表カラー(例えば、青色)を示す属性タグ、オブジェクトに対応する商品の材質(例えば、綿)を示す属性タグ、オブジェクトに対応する商品の袖の長さ(例えば、半ズボン)を示す属性タグのような多様な属性タグを生成することができる。
【0053】
図6は、図4の特徴データ生成部の他の実施形態を示すブロック図である。図7は、図4の第1特徴データおよび第2特徴データを示す概念図である。
【0054】
図6を参照すると、特徴データ生成部400は、第1人工知能モデル410と、第2人工知能モデル420と、人工知能プロセッサ430とを含むことができる。
【0055】
第1人工知能モデル410は、図5の特徴ベクトル抽出部310として提供される。第1人工知能モデル410は、入力イメージIMG_INを入力すると、特徴ベクトルFVを出力するように事前に学習される。実施形態において、第1人工知能モデル410は、1つまたはそれ以上のニューラルネットワークL1、L2、...、L_m-1、L_mを含むことができ、それらは、イメージIMG_INを入力すると、特徴ベクトルFVを出力するように学習される。例えば、ニューラルネットワークL1、L2、...、L_m-1、L_mは、学習された方式でイメージIMG_INから特徴を抽出するためのエンコーダに相当するニューラルネットワークと、抽出された特徴を特徴ベクトルFVに変換するためのデコーダに相当するニューラルネットワークとを含むことができる。
【0056】
第2人工知能モデル420は、図5の属性タグ抽出部320として提供される。第2人工知能モデル420は、入力イメージIMG_INを入力すると、属性タグPTを出力するように事前に学習される。実施形態において、第2人工知能モデル420は、1つまたはそれ以上のニューラルネットワークL1、L2、...、L_n-1、L_nを含むことができ、それらは、イメージIMG_INを入力すると、属性タグPTを出力するように学習される。例えば、ニューラルネットワークL1、L2、...、L_n-1、L_nは、学習された方式でイメージIMG_INから特徴を抽出するためのエンコーダに相当するニューラルネットワークと、抽出された特徴を属性タグPTに変換するためのデコーダに相当するニューラルネットワークとを含むことができる。
【0057】
人工知能プロセッサ430は、第1および第2人工知能モデル410、420を制御するように構成される。人工知能プロセッサ430は、データ学習部431と、データ処理部432とを含むことができる。データ学習部431は、イメージおよびそれに対応する特徴ベクトルを含む学習データを用いて、イメージIMG_INが第1人工知能モデル410に入力されると、特徴ベクトルFVが出力されるように第1人工知能モデル410を学習させることができる。また、データ学習部431は、イメージおよびそれに対応する属性タグを含む学習データを用いて、イメージIMG_INが第2人工知能モデル420に入力されると、属性タグPTが出力されるように第2人工知能モデル420を学習させることができる。そのような学習のためのデータは、ネットワーク50(図1参照)を介して任意のデータベースサーバから取得可能である。
【0058】
データ処理部432は、学習された第1人工知能モデル410に、イメージIMG_INとして図3のターゲットオブジェクトTOBJあるいはレビューイメージRIMGを入力することにより、結果値として図7の第1特徴ベクトルFV1を生成する一方、学習された第2人工知能モデル420に、イメージIMG_INとしてターゲットオブジェクトTOBJあるいはレビューイメージRIMGを入力することにより、結果値として図7の第1属性タグPT1を生成することができる。第1特徴ベクトルFV1と第1属性タグPT1は、図7に図式化されているように、図4の第1特徴データFD1に含まれる。また、データ処理部432は、第1人工知能モデル410に、イメージIMG_INとして図2の基準オブジェクトROBJあるいは商品イメージPIMGを入力することにより、結果値として図7の第2特徴ベクトルFV2を生成する一方、第2人工知能モデル420に、イメージIMG_INとして基準オブジェクトROBJあるいは商品イメージPIMGを入力することにより、結果値として図7の第2属性タグPT2を生成することができる。第2特徴ベクトルFV2と第2属性タグPT2は、図7に図式化されているように、図4の第2特徴データFD2に含まれる。
【0059】
図4のイメージ検証部216は、第1特徴ベクトルFV1が第2特徴ベクトルFV2とマッチされるか否か、および/または第1属性タグPT1が第2属性タグPT2とマッチされるか否かを判別することにより、レビュー項目RI(図3参照)を検証することができる。実施形態において、第1特徴ベクトルFV1が第2特徴ベクトルFV2とマッチされるか否か、そして第1属性タグPT1が第2属性タグPT2とマッチされるか否かは、2つの値の差が設定された閾値の範囲内であるか否かによって決定可能である。
【0060】
実施形態において、第1人工知能モデル410、第2人工知能モデル420、および人工知能プロセッサ430は、プロセッサおよびメモリで実現できる。プロセッサは、シングルコア、デュアルコア、クォードコアなどのように1つまたはそれ以上のコアを含むことができる。プロセッサは、プログラムおよび/または命令語をメモリにロードし、ロードされたプログラムおよび/または命令語を実行することにより、第1人工知能モデル410、第2人工知能モデル420、および人工知能プロセッサ430それぞれを提供することができる。
【0061】
図8は、本発明の実施形態によるショッピングモールウェブページに関連づけられた検証データを提供する方法を示すフローチャートである。
【0062】
図8を参照すると、S110ステップにおいて、ショッピングモールウェブページに関連してユーザIDによって作成されたレビュー項目(図3のRI参照)にアクセスする。S120ステップにおいて、レビュー項目のイメージから少なくとも1つのターゲットオブジェクト(図3のTOBJ参照)を検知する。
【0063】
S130ステップにおいて、ターゲットオブジェクトがプロセッシングされて、第1特徴データを生成する。また、S140ステップにおいて、ショッピングモールウェブページに含まれたイメージ(図2のPIMG参照)の基準オブジェクト(図2のROBJ参照)がプロセッシングされて、第2特徴データを生成する。
【0064】
S150ステップにおいて、第1特徴データと第2特徴データとを比較することにより、レビュー項目に対する検証が行われ、検証の結果を示す検証データが生成される。
【0065】
このように、ターゲットオブジェクトによる第1特徴データを基準オブジェクトによる第2特徴データと比較することにより、レビュー項目を検証することができる。第1特徴データと第2特徴データは、ターゲットオブジェクトおよび基準オブジェクトの視覚的特徴をそれぞれ反映する点を考慮するとき、第1特徴データと第2特徴データとの比較による検証は商品に対して適応的に行われ、これによって検証データは高い信頼性を有することができる。
【0066】
S160ステップにおいて、生成された検証データに基づいてレビュー項目を作成したユーザIDに補償を提供する。例えば、検証データに応じてユーザIDに対応するポイントが増加できる。
【0067】
図9は、図8のS130ステップ~S150ステップの実施形態を示すフローチャートである。
【0068】
図9を参照すると、S210ステップにおいて、ターゲットオブジェクトのデザインに関連づけられた少なくとも1つの第1特徴ベクトルが生成される。S210ステップは、図8のS130ステップとして行われてもよい。S220ステップにおいて、基準オブジェクトのデザインに関連づけられた少なくとも1つの第2特徴ベクトルが生成される。S220ステップは、図8のS140ステップとして行われてもよい。
【0069】
S210ステップおよびS220ステップは、イメージあるいはオブジェクトを入力すると、それによる特徴ベクトル(例えば、オブジェクトの少なくとも部分的なカラーを示す特徴ベクトルおよび/またはオブジェクトの特徴点を示す特徴ベクトル)を出力するように学習された人工知能モデル(図6の410参照)を用いて行われる。
【0070】
S230ステップ~S250ステップは、図8のS150ステップとして行われてもよい。S230ステップにおいて、第1特徴ベクトルが第2特徴ベクトルとマッチされるか否かが判別される。もしそうであれば、S240ステップが行われる。もしそうでなければ、S250ステップが行われる。
【0071】
S240ステップにおいて、レビュー項目に対する検証がパスされたことを示す検証データが生成される。S250ステップにおいて、レビュー項目に対する検証が失敗した(あるいは、レビュー項目が当該商品に関連づけられていない)ことを示す検証データが生成される。
【0072】
図10は、図8のS130ステップ~S150ステップの他の実施形態を示すフローチャートである。
【0073】
図10を参照すると、S310ステップにおいて、ターゲットオブジェクトに対応する商品の属性に関連づけられた第1属性タグが生成される。S310ステップは、図8のS130ステップとして行われてもよい。S320ステップにおいて、基準オブジェクトに対応する商品の属性に関連づけられた第2属性タグが生成される。S320ステップは、図8のS140ステップとして行われてもよい。
【0074】
S310ステップおよびS320ステップは、イメージあるいはオブジェクトを入力すると、それによる属性タグを出力するように学習された人工知能モデル(図6の420参照)を用いて行われる。例えば、人工知能モデルは、オブジェクトに対応する商品の種類(あるいはカテゴリ)を示す属性タグ、オブジェクトに対応する商品の代表カラーを示す属性タグ、オブジェクトに対応する商品の材質を示す属性タグ、および/またはオブジェクトに対応する商品の袖の長さを示す属性タグを出力するように学習されたものであってもよい。
【0075】
S330ステップ~S350ステップは、図8のS150ステップとして行われてもよい。S330ステップにおいて、第1属性タグが第2属性タグとそれぞれマッチされるか否かが判別される。もしそうであれば、S340ステップが行われる。もしそうでなければ、S350ステップが行われる。S340ステップおよびS350ステップは、図9のS240ステップおよびS250ステップとそれぞれ同様に行われる。
【0076】
図11は、図4の検証データ提供装置を実現するのに適したコンピュータ装置の実施形態を示すブロック図である。
【0077】
図11を参照すると、コンピュータ装置1000は、バス1100と、少なくとも1つのプロセッサ1200と、システムメモリ1300と、ストレージインターフェース(I/F)1400と、通信インターフェース1500と、記録媒体1600と、通信機1700とを含む。
【0078】
バス1100は、コンピュータ装置1000の多様な構成要素に連結され、データ、信号、および情報を伝達する。プロセッサ1200は、汎用あるいは専用プロセッサのいずれか1つであってもよいし、コンピュータ装置1000の諸動作を制御することができる。
【0079】
プロセッサ1200は、実行されるとき、多様な機能を提供するプログラムコードおよび命令をシステムメモリ1300にローディングし、ローディングされたプログラムコードおよび命令を処理するように構成される。システムメモリ1300は、プロセッサ1200のワーキングメモリとして提供される。実施形態として、システムメモリ1300は、RAM(Random Access Memory)、ROM(Read Only Memory)、および他のタイプのコンピュータによって読取可能な媒体の少なくとも1つを含むことができる。
【0080】
プロセッサ1200は、プロセッサ1200によって実行されるとき、図4の検証データ提供装置210の機能を提供する検証データ提供モジュール1310をシステムメモリ1300にローディングすることができる。そのようなプログラムコードおよび/または命令は、プロセッサ1200によって実行されて、図4を参照して説明された検証データ提供装置210の機能および/または動作を行うことができる。そのような機能および/または動作を行うために、プロセッサ1200によって実行される検証データ提供モジュール1310は、ストレージインターフェース1400および通信インターフェース1500のようなコンピュータ装置1000の構成要素を用いることができる。例えば、検証データ提供モジュール1310のうち、図4のウェブページインターフェース211およびレビュー項目インターフェース212の機能を行うモジュールは、通信インターフェース1500および通信機1700を介して、図1のネットワーク50上の構成要素と通信することができる。
【0081】
プログラムコードおよび/または命令は、別のコンピュータによって読取可能な記録媒体である記録媒体1600からシステムメモリ1300にローディングされる。あるいは、プログラムコードおよび/または命令は、コンピュータ装置1000の外部から通信機1700を介してシステムメモリ1300にローディングされてもよい。その他にも、システムメモリ1300は、検証データ提供モジュール1310のためのバッファメモリとして機能することができる。例えば、システムメモリ1300は、図4のメモリ220として提供されてもよい。
【0082】
図11にて、システムメモリ1300は、プロセッサ1200と区分された構成として示されているが、システムメモリ1300の少なくとも一部はプロセッサ1200に含まれてもよい。システムメモリ1300は、実施形態により物理的および/または論理的に互いに分離された複数のメモリとして提供されてもよい。
【0083】
ストレージインターフェース1400は、記録媒体1600に連結される。ストレージインターフェース1400は、バス1100に連結されたプロセッサ1200およびシステムメモリ1300のような構成要素と記録媒体1600との間をインターフェーシングすることができる。通信インターフェース1500は、通信機1700に連結される。通信インターフェース1500は、バス1100に連結された構成要素と通信機1700との間をインターフェーシングすることができる。
【0084】
実施形態において、バス1100、プロセッサ1200、およびシステムメモリ1300は、1つのボード1050に統合される。例えば、バス1100、プロセッサ1200、およびシステムメモリ1300は、1つの半導体チップに実装可能である。実施形態において、ボード1050は、ストレージインターフェース1400および通信インターフェース1500をさらに含むことができる。
【0085】
記録媒体1600は、電源が遮断されても格納されたデータを保持する多様なタイプの不揮発性記録媒体、例えば、フラッシュメモリ(flash memory)、ハードディスク(hard disk)などを含むことができる。
【0086】
通信機1700(あるいはトランシーバ)は、ネットワーク50を介してコンピュータ装置1000とネットワークシステム100(図1参照)内の他の装置および/またはサーバとの間の信号を送受信することができる。
【0087】
図12は、図11のコンピュータ装置と通信可能なクライアントサーバを示すブロック図である。
【0088】
図12を参照すると、クライアントサーバ2000は、図11のコンピュータ装置1000とネットワーク50(図1参照)を介して連結可能である。コンピュータ装置1000によって実行される、応用アプリケーションのようなコンピュータプログラムは、クライアントサーバ2000から提供される。図12を参照すると、クライアントサーバ2000は、通信機2100と、プロセッサ2200と、データベース2300とを含むことができる。通信機2100は、ネットワーク50を介してコンピュータ装置1000と通信することができる。データベース2300は、コンピュータ装置1000および/または図11のプロセッサ1200によって実行可能なコンピュータプログラム、例えば、図11の検証データ提供モジュール1310あるいはそのインストールファイルを格納することができる。データベース2300は、フラッシュメモリ、ハードディスク、マルチメディアカードなどのような不揮発性記録媒体の少なくとも1つで実現できる。
【0089】
プロセッサ2200は、コンピュータ装置1000からの要請に応答して、データベース2300に格納されたコンピュータプログラムを通信機2100を介してコンピュータ装置1000に提供することができる。コンピュータプログラムは、コンピュータ装置1000にインストールされて実行される。
【0090】
たとえ、特定の実施形態および適用例がここに説明されたが、これは本発明のより全般的な理解のために提供されたに過ぎず、本発明は上記の実施形態に限定されるものではなく、本発明の属する分野における通常の知識を有する者であればこのような記載から多様な修正および変形が可能である。
【0091】
したがって、本発明の思想は説明された実施形態に限って定められてはならず、後述する特許請求の範囲だけでなく、この特許請求の範囲と均等または等価的変形があるあらゆるものは本発明の思想の範疇に属する。
【符号の説明】
【0092】
111~11k:第1~第kユーザ端末
120:ショッピングモールサーバ
210:検証データ提供装置
213:レビュー検証器
214:商品領域検出部
215:特徴データ生成部
216:イメージ検証部
220:メモリ
230:ユーザポイント管理器
図1
図2
図3
図4
図5
図6
図7
図8
図9
図10
図11
図12