입력받은 사용자 계정으로 사용자 식별이 가능한 경우 아이디(ID)와 패스워드(PW)를 포함한 상기 사용자 계정의 정보를 사용자 정보로 이용하고, 사용자 계정이 입력되지 않아 상기 사용자 계정으로 사용자 식별이 불가한 경우 사용자를 촬영한 영상으로 식별되는 사용자의 나이, 직업, 성별, 사회적 계층 및 소득을 포함한 인구통계학적 정보를 사용자 정보로 이용하며, 상기 사용자 정보, 도메인 정보 및 상황 정보로 크로스도메인 추천(Cross Domain Recommendation)을 수행하는 오프라인 매장에 설치된 리테일 키오스크; 및 추천 서비스 제공 서버를 포함하되,상기 추천 서비스 제공 서버는,상기 리테일 키오스크로부터 사용자 정보를 입력받는 입력부;기 구축된 크로스도메인 추천 알고리즘으로, 상기 사용자 정보, 도메인 정보 및 상황 정보를 질의(Query)로 입력하는 질의부;상기 기 구축된 크로스도메인 추천 알고리즘으로부터 상기 사용자 정보, 도메인 정보 및 상황 정보에 상관관계(Correlation)가 있는 적어도 하나의 아이템(Item)을 추출하는 추출부;상기 적어도 하나의 아이템을 상기 리테일 키오스크로 제공하는 추천부;상기 크로스도메인 추천 알고리즘을 구축하기 위하여, 사용자 정보, 도메인 정보, 상황 정보 및 아이템 간 상관관계를 학습한 후, 사용자 정보, 도메인 정보, 상황 정보 및 아이템에 대한 관계성에 기반하여 임베딩(Embedding) 요소를 추출하는 사전학습(Pre-Training)부;상기 사전학습부에서 사전학습을 실시한 후, 하나의 거래내역에 대하여 아이템이 마스킹된 상태에서, 사용자 정보, 상황 정보 및 도메인 정보가 질의로 주어졌을 때, 상기 사용자 정보, 상황 정보 및 도메인 정보에 대응하는 아이템을 추천하도록 스코어를 부여하는 미세조정(Fine-Tuning)부;적어도 하나의 도메인 데이터가 불균등한 경우, 토큰 임베딩(Token Embedding)을 통하여 이니셜 벡터를 생성하고, 복수의 거래내역을 기반으로 이종 네트워크를 구축하며, 상기 이종 네트워크를 이루는 적어도 하나의 노드를 상기 사용자 정보, 상황 정보, 도메인 정보 및 아이템으로 설정하는 토큰임베딩부;상기 이종 네트워크 내에서 상기 적어도 하나의 노드 간 연결을 Metapath2Vec로 추출한 후, 상기 Metapath2Vec를 통하여 이니셜 벡터를 제공하는 메타경로부;상기 리테일 키오스크에서 상기 사용자 계정이 입력되지 않은 경우, 객체 검출 알고리즘 중 Haar Cascade 알고리즘을 이용하여 객체를 검출한 후, 상기 사용자의 얼굴을 트래킹(Tracking)하여 상기 리테일 키오스크로부터 입력되는 영상 내 사용자의 성별 및 연령을 파악하는 성별연령파악부;상기 사용자의 인구통계학적 정보를 파악하기 위하여 전이학습(Transfer Learning)으로 학습시킨 VGG(Visual Geometry Group) Face 기반의 얼굴인식기를 이용하는 인구통계파악부를 포함하되,상기 토큰임베딩부에서 구축된 상기 이종 네트워크는, 각 도메인에서의 사용자 거래내역의 히스토리에 해당하는 복수의 거래내역을 기반으로 하여, 거래 하나에 대해 사용자 정보, 도메인 정보, 상황 정보 및 아이템을 포함한 4가지 타입의 노드가 하나로 연결되도록 구성되는 네트워크이고,상기 사전학습부에서 학습된 상기 상관관계는, 사용자 정보, 도메인 정보, 상황 정보 및 아이템을 포함한 상기 4가지 타입의 정보 간의 상관관계이고,상기 추출부는, 20대 여성인 사용자 정보를 갖는 사용자가 6월 장마 시기 중 오후 2시라는 상황 정보에 편의점에 해당하는 도메인에서 커피우유라는 아이템을 사먹었다는 상관관계가 상기 학습에 의해 도출되었을 때, 상기 학습된 상관관계를 기반으로 20대 여성이 6월 장마 시기 중 오후 2시에 편의점에 방문한 경우, 커피우유라는 아이템을 상기 리테일 키오스크로 제공하는 것인, 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템.

삭제

제 1 항에 있어서,상기 사전학습부는,복수의 거래내역을 입력한 후, 상기 복수의 거래내역의 사용자를 마스킹(Masking)하고, 자기지도학습(Self-Supervised Learning) 태스크(Task)로 상기 복수의 거래내역에서의 사용자의 동일 여부를 예측하고, 사용자의 소비성향을 학습하는 것을 특징으로 하는 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템.

제 1 항에 있어서,상기 사전학습부는,복수의 거래내역을 입력한 후, 상기 복수의 거래내역의 아이템을 마스킹하고, 자기지도학습(Self-Supervised Learning) 태스크(Task)로 상기 복수의 거래내역에서의 아이템 간 조합과 아이템의 구매확률을 학습하는 것을 특징으로 하는 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템.

제 1 항에 있어서,상기 사전학습부는,복수의 거래내역을 입력한 후, 상기 복수의 거래내역의 상황 정보를 마스킹하고, 자기지도학습(Self-Supervised Learning) 태스크(Task)로 상기 복수의 거래내역에서의 상황 정보의 구성을 예측하며, 상기 복수의 거래내역에서의 상황 정보를 학습하는 것을 특징으로 하는 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템.

제 1 항에 있어서,상기 사전학습부는,복수의 거래내역을 입력한 후, 상기 복수의 거래내역의 도메인 정보를 마스킹하고, 자기지도학습(Self-Supervised Learning) 태스크(Task)로 상기 복수의 거래내역에서 상기 도메인 정보가 동일한 것인지를 예측함으로써 상기 도메인 정보의 특징을 학습하는 것을 특징으로 하는 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템.

삭제

삭제

제 1 항에 있어서,상기 추천 서비스 제공 서버는,상기 거래내역에서 사용자 정보, 상황 정보, 도메인 정보 및 아이템에 대응하는 이니셜 벡터를 구분하기 위하여 타입(Type)을 부여하는 타입 임베딩을 실시하고, 상기 거래내역을 구분하기 위하여 거래내역 간 세그먼트(Segment) 임베딩을 실시하는 구분부;를 더 포함하는 것을 특징으로 하는 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템.

삭제

제 1 항에 있어서,상기 적어도 하나의 노드는, 사용자 정보는 U, 도메인 정보는 D, 상황 정보는 C, 아이템은 I로 표시되고,상기 메타경로부는,상기 사용자 정보를 통한 사용자 특징 학습을 위하여 U-I-C-D-C-I-U;상기 도메인 정보를 통한 도메인 특징 학습을 위하여 D-C-I-U-I-C-D;상기 상황 정보를 통한 상황 정보 특징 학습을 위하여 C-I-U-I-C; 및상기 아이템을 통한 아이템 특징 학습을 위하여 I-C-D-C-I;의 메타경로를 제공하는 것을 특징으로 하는 리테일 키오스크를 위한 상황인지 기반 크로스도메인 추천 서비스 제공 시스템.

삭제

삭제