▶ エヌエイチエヌ エンターテインメント コーポレーションの特許一覧
特許7504153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
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-06-13
(45)【発行日】2024-06-21
(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 20190101AFI20240614BHJP
G06V 10/74 20220101ALI20240614BHJP
G06Q 30/0217 20230101ALI20240614BHJP
【ＦＩ】
G06F16/95
G06V10/74
G06Q30/0217
【請求項の数】
8
(21)【出願番号】P 2022076701
(22)【出願日】2022-05-06
(65)【公開番号】P2022174013
(43)【公開日】2022-11-22
【審査請求日】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
(73)【特許権者】
【識別番号】313011434
【氏名又は名称】エヌエイチエヌ コーポレーション
【住所又は居所原語表記】（Ｓａｍｐｙｅｏｎｇ－ｄｏｎｇ），１６，Ｄａｅｗａｎｇｐａｎｇｙｏ－ｒｏ ６４５ ｂｅｏｎ－ｇｉｌ，Ｂｕｎｄａｎｇ－ｇｕ，Ｓｅｏｎｇｎａｍ－ｓｉ，Ｇｙｅｏｎｇｇｉ－ｄｏ Ｒｅｐｕｂｌｉｃ ｏｆ Ｋｏｒｅａ
(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
【審査官】甲斐 哲雄
(56)【参考文献】
【文献】韓国公開特許第１０－２０２０－０１２０４９３（ＫＲ，Ａ）
【文献】特開２０１９－１０９７０９（ＪＰ，Ａ）
【文献】特開２０２０－１２６５３９（ＪＰ，Ａ）
【文献】特開２０２０－１２６６７８（ＪＰ，Ａ）
【文献】特開２０２１－０５６５６３（ＪＰ，Ａ）
【文献】特開２０１４－０８１７７０（ＪＰ，Ａ）
【文献】特開２０１５－２１９９２３（ＪＰ，Ａ）
【文献】国際公開第２０２０／２４０８３４（ＷＯ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １６／００－１６／９５８
Ｇ０６Ｖ １０／７４
Ｇ０６Ｑ １０／００－９９／００
(57)【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コンピュータ装置が実行する方法において、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し、
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含み、
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特徴ベクトルおよび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特徴ベクトルおよび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特徴ベクトルおよび前記第１属性タグを含み、前記第２特徴データは、前記第２特徴ベクトルおよび前記第２属性タグを含み、
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、
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、方法。
【請求項2】
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１に記載の方法。
【請求項4】
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し前記ユーザＩＤに補償を提供するための検証データを提供し、
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属性タグおよび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に対応する商品の属性に関連づけられた第２属性タグおよび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し、
前記第１特徴データは、前記第１特徴ベクトルおよび前記第１属性タグを含み、前記第２特徴データは、前記第２特徴ベクトルおよび前記第２属性タグを含み、
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し、
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コンピュータ装置。
【請求項5】
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４に記載のコンピュータ装置。
【請求項6】
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４に記載のコンピュータ装置。
【請求項7】
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し前記ユーザＩＤに補償を提供するための検証データを提供し、
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属性タグおよび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に対応する商品の属性に関連づけられた第２属性タグおよび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し、
前記第１特徴データは、前記第１特徴ベクトルおよび前記第１属性タグを含み、前記第２特徴データは、前記第２特徴ベクトルおよび前記第２属性タグを含み、
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し、
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ための命令を含む記録媒体。
【請求項8】
請求項１から請求項３のいずれかに記載の方法をコンピュータ装置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。
【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】
【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】
【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】
【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】
【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】
【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】
【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】
【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
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】