KR101066340B1 - Method for predicting of user situation using pattern approach in sensor network - Google Patents

Method for predicting of user situation using pattern approach in sensor network Download PDF

Info

Publication number
KR101066340B1
KR101066340B1 KR1020090052951A KR20090052951A KR101066340B1 KR 101066340 B1 KR101066340 B1 KR 101066340B1 KR 1020090052951 A KR1020090052951 A KR 1020090052951A KR 20090052951 A KR20090052951 A KR 20090052951A KR 101066340 B1 KR101066340 B1 KR 101066340B1
Authority
KR
South Korea
Prior art keywords
pattern
correct answer
prediction
user information
user
Prior art date
Application number
KR1020090052951A
Other languages
Korean (ko)
Other versions
KR20100134358A (en
Inventor
권오병
이연님
Original Assignee
경희대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR1020090052951A priority Critical patent/KR101066340B1/en
Publication of KR20100134358A publication Critical patent/KR20100134358A/en
Application granted granted Critical
Publication of KR101066340B1 publication Critical patent/KR101066340B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Abstract

본 발명은 센서 네트워크에서 수집한 사용자 정보에 기초하여 다음 상황을 예측하는 방법에 관한 것으로, 보다 구체적으로 제한된 에너지와 한정된 프로세스로 동작하는 센서로부터 사용자 정보를 실시간으로 수신하는 대신 소정 주기 간격으로 수신하며, 수신하지 못한 사용자 정보가 존재하는 경우에도 사용자의 다음 상황을 패턴 추론 방식으로 예측할 수 있는 사용자의 상황 예측 방법에 관한 것이다.The present invention relates to a method for predicting the next situation based on user information collected from a sensor network, and more particularly, receiving user information at predetermined periodic intervals instead of receiving real time information from a sensor operating in a limited energy and a limited process. In addition, the present invention relates to a method of predicting a situation of a user, which may predict a user's next situation even by a pattern inference even when there is user information that has not been received.

본 발명에 따른 사용자 상황 예측 방법은 센서 네트워크를 이용하여 사용자 정보를 수집하는 상황 기반 추천 서비스에서 센서 노드를 통해 일정 시간 간격으로 사용자 정보를 수집하고 수집한 사용자 정보를 송신하도록 함으로써, 소비 에너지를 줄일 수 있다. 또한 본 발명에 따른 사용자 상황 예측 방법은 수집하지 못한 사용자 정보가 존재하는 경우에도 예측 결과를 0으로 설정하여 사용자의 다음 상황을 패턴 추론 방식으로 예측함으로써, 환경상 요인 또는 기술상 요인에 의하여 일시적으로 사용자 정보를 수신하지 못하는 경우에도 사용자의 다음 상황을 예측할 수 있다.The user context prediction method according to the present invention collects user information at a predetermined time interval and transmits collected user information through a sensor node in a context-based recommendation service that collects user information using a sensor network, thereby reducing energy consumption. Can be. In addition, the user situation prediction method according to the present invention sets the prediction result to 0 even when there is user information that cannot be collected, and predicts the next situation of the user by a pattern inference method, so that the user information is temporarily changed by environmental factors or technical factors. Even if it does not receive the user can predict the next situation of the user.

상황 예측, 센서 네트워크, 에너지 고갈, 상황 추천 서비스, 패턴 추론 Situation prediction, sensor network, energy depletion, situation recommendation service, pattern inference

Description

센서 네트워크에서 수집한 사용자 정보를 이용하여 다음 상황을 예측하는 방법{Method for predicting of user situation using pattern approach in sensor network}Method for predicting of user situation using pattern approach in sensor network}

본 발명은 센서 네트워크에서 수집한 사용자 정보에 기초하여 다음 상황을 예측하는 방법에 관한 것으로, 보다 구체적으로 제한된 에너지와 한정된 프로세스로 동작하는 센서로부터 사용자 정보를 실시간으로 수신하는 대신 소정 주기 간격으로 수신하고, 수신한 사용자 정보에 따라 다음 상황을 패턴 추론 방식으로 예측하는 방법에 관한 것이다.The present invention relates to a method for predicting the next situation based on user information collected from a sensor network, and more particularly, receiving user information at predetermined periodic intervals instead of receiving user information in real time from a sensor operating in a limited energy and a limited process. In addition, the present invention relates to a method of predicting the next situation based on the received user information by a pattern inference method.

상황 기반 서비스의 대표적인 분야는 추천 서비스이다. 상황 기반의 추천 서비스는 사용자의 내외부적 사용자 정보를 자동적으로 습득한 후에 그 사용자 정보를 포함하여 추천 내용의 개인화를 가능하게 하는 서비스로 사용자의 상황을 고려하지 않은 기존의 추천 서비스에 비하여 개인화의 민감성과 시의적절성을 극대화하여 추천의 질을 향상시키려는 목적을 가진다. A representative field of context based services is recommendation services. Context-based recommendation service is a service that automatically acquires internal and external user information, and then allows personalization of the recommendation contents including the user information. Sensitivity of personalization compared to the existing recommendation service that does not consider the user's situation. It aims to improve the quality of recommendation by maximizing timeliness and timeliness.

상황 기반 추천 서비스의 성공은 현재 사용자 정보를 기반으로 미래 발생 가능한 사용자 상황을 정확하게 예측하고, 예측한 사용자 상황에 맞는 서비스를 얼마 나 정확하고 선응적(proactive)으로 제공하느냐에 달려있다. 이러한 상황 예측은 방범 방재 분야나 의료 분야에서 위급상황이 발생하기 전에 대처를 하게 해주거나, 쇼핑 센터 또는 놀이 공원에서 사용자 정보에 기반하여 특정 제품/서비스 또는 놀이공간을 추천하게 하는 등 매우 유용하게 활용될 수 있다 The success of the situation-based recommendation service depends on the accurate prediction of possible future user situations based on the current user information, and how accurate and proactive the service is provided for the predicted user situation. This situation prediction is very useful, such as responding to emergencies in the field of crime prevention or medical care, or recommending a specific product / service or play area based on user information in a shopping center or amusement park. Can be

도 1에 도시되어 있는 상황 기반 추천 서비스 제공 시스템의 개략도를 참고로 보다 구체적으로 살펴보면, 상황 기반 추천 서비스 제공 시스템은 센서 네트워크(10), 센서 네트워크(10)와 접속되어 있는 통신 네트워크(20), 센서 네트워크(10)에서 수집한 사용자 정보를 통신 네트워크(20)를 통해 수신하며 수신한 사용자 정보에 기초하여 사용자에 발생할 다음 상황을 예측하고 예측한 다음 상황에 따라 사용자에 개인화된 서비스 정보를 제공하는 상황 예측 서버(30) 및 통신 네트워크(20)를 통해 상황 예측 서버(30)가 제공하는 서비스 정보를 수신하는 사용자 단말기(41, 43)로 구성되어 있다.Referring to the schematic diagram of the situation-based recommendation service providing system illustrated in FIG. 1, the situation-based recommendation service providing system includes a sensor network 10, a communication network 20 connected to the sensor network 10, Receives user information collected from the sensor network 10 through the communication network 20 and predicts and predicts the next situation to occur in the user based on the received user information, and then provides personalized service information to the user according to the situation. And the user terminals 41 and 43 that receive service information provided by the situation prediction server 30 through the situation prediction server 30 and the communication network 20.

센서 네트워크(10)는 다수의 센서 노드(11)와 통신 게이트웨이(13)를 구비하고 있다. 다수의 센서 노드(11)들은 사용자 생활 공간에 임의적으로 배치되어 사용자 정보를 수집하고 수집한 사용자 정보를 인접 센서 노드를 통해 게이트웨이(13)로 송신하며, 게이트웨이(13)는 다시 수집한 사용자 정보를 통신 네트워크(20)를 통해 상황 예측 서버(30)로 송신한다. 상황 기반 추천 서비스에서 사용자 정보를 수집하는데 센서 네트워크가 주로 사용되는데, 센서 네트워크를 구성하는 다수의 센서 노드들은 저전력과 낮은 프로세스 능력을 가진다. The sensor network 10 has a plurality of sensor nodes 11 and communication gateways 13. The plurality of sensor nodes 11 are randomly arranged in the user living space to collect user information and transmit the collected user information to the gateway 13 through the adjacent sensor node, and the gateway 13 transmits the collected user information again. The situation prediction server 30 transmits through the communication network 20. The sensor network is mainly used to collect user information in the context-based recommendation service. A number of sensor nodes constituting the sensor network have low power and low process capability.

센서 노드들은 한정된 에너지원과 낮은 정보 처리 능력을 가지고 있기 때문 에, 단순히 정해진 사용자 정보만을 수집할 뿐이며 센서 노드가 배치되어 있는 장소에 환경적 방해물, 노이즈 또는 신호 간섭과 같은 기술적 방해물이 존재하는 경우, 이를 효과적으로 처리하기 위한 기술이 적용되지 않는다. 또한, 센서 노드에는 한정된 에너지원과 낮은 정보 처리 능력을 가지고 있기 때문에 센서 노드의 사용 목적 또는 용도에 따라 센서 노드 스스로 적응적으로 사용자 정보의 수집 횟수를 변화시키거나 절약 모드로 변화시키는 다양한 애플리케이션이 적용되기 곤란하다. 따라서 센서 노드의 에너지원은 빨리 고갈될 우려가 있으며, 에너지원이 고갈된 센서 노드를 통해서는 일시적으로 또는 장기적으로 사용자 정보를 수집하기 곤란하다.Because sensor nodes have a limited energy source and low information processing capability, they only collect a set of user information, and if there are technical obstacles such as environmental disturbances, noise or signal interference in the location where the sensor node is located, No technique is applied to deal with this effectively. In addition, since sensor nodes have a limited energy source and low information processing capability, various applications are applied to change the number of times of collecting user information or saving mode adaptively according to the purpose or purpose of use of the sensor node. It is difficult to be. Therefore, the energy source of the sensor node may be quickly depleted, and it is difficult to collect user information temporarily or long term through the sensor node that is depleted.

위에서 설명한 종래 상황 기반 추천 서비스 제공 시스템은 사용자 정보를 실시간으로 획득하여야 사용자의 다음 상황을 정확하게 예측할 수 있다. 그러나 센서 네트워크를 이용하여 사용자 정보를 수집하는 상황 기반 추천 서비스 제공 시스템에서 환경 상의 요인, 기술 상의 요인 등으로 일시적으로 사용자 정보를 획득할 수 없는 경우가 발생한다. 환경상의 요인 또는 기술상의 요인에 의해 사용자 정보를 획득하지 못하는 경우, 사용자의 다음 상황을 예측하지 못하거나 정확하게 사용자의 다음 상황을 예측할 수 없어 신뢰성 있는 추천 서비스를 제공하지 못한다는 문제점을 가진다.The conventional situation-based recommendation service providing system described above needs to acquire user information in real time to accurately predict the next situation of the user. However, in a situation-based recommendation service providing system that collects user information using a sensor network, it is sometimes impossible to obtain user information temporarily due to environmental factors or technical factors. If the user information is not obtained due to environmental factors or technical factors, the next situation of the user may not be predicted or the next situation of the user may not be accurately predicted, thus providing a reliable recommendation service.

따라서 본 발명이 이루고자 하는 목적은 센서 네트워크를 이용하여 사용자 정보를 수집하는 상황 기반 추천 서비스 제공 시스템에서 센서 노드의 소비 에너지를 줄일 수 있는 사용자 상황 예측 방법을 제공하는 것이다.Accordingly, an object of the present invention is to provide a user context prediction method that can reduce energy consumption of a sensor node in a context-based recommendation service providing system collecting user information using a sensor network.

본 발명이 이루고자 하는 다른 목적은 수집한 사용자 정보로부터 생성한 예측 패턴과 일치하는 정답 패턴를 검색하지 못하는 경우 다시 예측 패턴과 일치하는 오답 패턴을 2중으로 검색하여 사용자 상황을 정확하게 예측할 수 있는 사용자 상황 예측 방법을 제공하는 것이다.Another object of the present invention is to predict a user situation that can accurately predict the user situation by double-search for the incorrect pattern matching the prediction pattern again if the correct pattern that does not match the prediction pattern generated from the collected user information To provide.

본 발명이 이루고자 하는 또 다른 목적은 환경상 요인 또는 기술상 요인에 의하여 일시적으로 사용자 정보를 수집하지 못하는 경우에도 사용자의 다음 상황을 예측할 수 있는 사용자 상황 예측 방법을 제공하는 것이다.Another object of the present invention is to provide a user situation prediction method that can predict the next situation of a user even when temporarily unable to collect user information due to environmental or technical factors.

본 발명에 따른, 센서 네트워크를 구성하는 센서 노드로부터 감지한 사용자 정보를 이용하여 사용자의 다음 상황을 예측하는 방법은 센서 노드로부터 소정 시간 간격으로 사용자 정보를 수신하는 단계와, 센서 노드로부터 수신하지 못한 사용자 정보가 존재하는지 판단하는 단계와, 판단 결과에 기초하여 센서 노드로부터 수신하지 못한 사용자 정보에 대한 예측 결과와 수신한 정보에 대한 예측 결과를 추론하는 단계와, 추론한 예측 결과의 조합으로부터 사용자의 다음 상황을 예측하는데 사용되는 예측 패턴을 생성하는 단계와, 패턴 데이터베이스에 저장되어 있는 정답 패턴 또는 오답 패턴 중 예측 패턴과 매칭되는 패턴을 검색하는 단계 및 검색한 패턴의 결과값에 기초하여 사용자의 다음 상황을 예측하는 단계를 포함하는 것을 특징으로 한다.According to the present invention, a method of predicting a next situation of a user by using user information sensed from a sensor node constituting a sensor network includes receiving user information from a sensor node at predetermined time intervals, and not receiving from the sensor node. Determining whether the user information exists, inferring the prediction result for the received user information and the received information based on the result of the determination, and the combination of the inferred prediction result. Generating a prediction pattern used to predict the next situation; searching for a pattern matching the prediction pattern among the correct or incorrect pattern stored in the pattern database; and based on a result value of the retrieved pattern. Predicting a situation.

여기서 정답 패턴은 테스트 데이터베이스에서 저장되어 있는 다수의 상황정보를 개별 규칙에 적용하여 테스트 패턴을 생성하는 단계와, 테스트 패턴 중 테스트 결과에 일치하는 적어도 1개의 패턴 값이 존재하는 경우 테스트 패턴을 정답 패턴으로 판단하고 일치하는 패턴 값을 제외한 다른 패턴 값을 0으로 설정하는 단계와, 판단한 정답 패턴이 기저장된 정답 패턴과 동일한지 비교하여 기저장된 정답 패턴과 동일한 경우 기저장된 정답 패턴의 빈도수를 증가시키는 단계 및 판단한 정답 패턴의 빈도수가 제1 임계값을 초과하는 경우 판단한 정답 패턴을 패턴 데이터베이스에 정답 패턴으로 등록하는 단계를 통해 생성된다.Here, the correct answer pattern is a step of generating a test pattern by applying a plurality of contextual information stored in a test database to individual rules, and when there is at least one pattern value matching the test result among the test patterns, the correct answer pattern is used. Determining whether the correct answer pattern is the same as the pre-stored correct answer pattern and increasing the frequency of the pre-stored correct answer pattern if the determined correct pattern is the same as the pre-stored correct answer pattern. And registering the determined correct answer pattern as a correct answer pattern in the pattern database when the frequency of the determined correct pattern exceeds the first threshold.

여기서 오답 패턴은 테스트 데이터베이스에서 저장되어 있는 다수의 상황정 보를 개별 규칙에 적용하여 테스트 패턴을 생성하는 단계와, 테스트 패턴 중 테스트 결과에 일치하는 적어도 1개의 패턴 값이 존재하지 않은 경우 테스트 패턴을 오답 패턴으로 판단하는 단계와, 판단한 오답 패턴이 기저장된 오답 패턴과 동일한지 비교하여 기저장된 오답 패턴과 동일한 경우 기저장된 오답 패턴의 빈도수를 증가시키는 단계 및 판단한 오답 패턴의 빈도수가 제2 임계값을 초과하는 경우 판단한 오답 패턴을 패턴 데이터베이스에 오답 패턴으로 등록하는 단계를 통해 생성된다.In this case, the incorrect pattern is a step of generating a test pattern by applying a plurality of situation information stored in the test database to individual rules, and if the test pattern does not have at least one pattern value matching the test result, the test pattern is incorrect. A step of judging by a pattern, comparing the judged incorrect pattern with the pre-stored incorrect pattern, and increasing the frequency of the pre-stored incorrect pattern, and the frequency of the determined incorrect pattern exceeds a second threshold. If the incorrect pattern is determined by registering as an incorrect pattern in the pattern database.

본 발명에 따라 사용자의 상황을 예측하는 방법은 종래 기술과 비교하여 다음과 같은 다양한 효과를 가진다.According to the present invention, a method of predicting a user's situation has various effects as follows compared to the prior art.

첫째, 본 발명에 따른 사용자 상황 예측 방법은 센서 네트워크를 이용하여 사용자 정보를 수집하는 상황 기반 추천 서비스에서 센서 노드를 통해 일정 시간 간격으로 사용자 정보를 수집, 송신하도록 함으로써, 소비 에너지를 줄일 수 있다.First, the user context prediction method according to the present invention may reduce and consume energy by collecting and transmitting user information at a predetermined time interval through a sensor node in a context-based recommendation service that collects user information using a sensor network.

둘째, 본 발명에 따른 사용자 상황 예측 방법은 사용자 정보로부터 생성한 예측 패턴과 일치하는 패턴을 정답 패턴에서 검색하지 못하는 경우 오답 패턴에서 다시 일치하는 패턴을 검색하여 사용자의 다음 상황을 예측함으로써, 사용자의 다음 상황을 정확하게 예측할 수 있는 사용자 상황 예측 방법을 제공하는 것이다.Second, when the user situation prediction method according to the present invention fails to search for a pattern matching the prediction pattern generated from the user information in the correct answer pattern, the user's next situation is predicted by searching for a pattern matching again in the incorrect answer pattern. It is to provide a user situation prediction method that can accurately predict the next situation.

셋째, 본 발명에 따른 사용자 상황 예측 방법은 수집하지 못한 사용자 정보에 대한 예측 결과를 0으로 설정하여 사용자의 다음 상황을 예측함으로써, 환경상 요인 또는 기술상 요인에 의하여 일시적으로 사용자 정보를 수신하지 못하는 경우에도 사용자의 다음 상황을 예측할 수 있다.Third, the user situation prediction method according to the present invention sets the prediction result for the uncollected user information to 0 to predict the next situation of the user, so that even when the user information is temporarily not received due to environmental or technical factors, You can predict your next situation.

도 2는 본 발명의 일 실시예에 따른 상황 예측 서버의 기능 블록도를 도시하고 있다.2 is a functional block diagram of a situation prediction server according to an embodiment of the present invention.

도 2를 참고로 본 발명의 일 실시예에 따른 상황 예측 서버를 보다 구체적으로 살펴보면, 사용자 정보 수신부(110)는 일정 시간 간격으로 주기적으로 센서 네트워크로부터 사용자 정보를 수신한다. 사용자 정보 수신부(110)를 통해 수신하는 사용자 정보는 센서 네트워크에서 획득할 수 있는 사용자 관련 동적 정보로서, 사용자 동적 정보란 상황에 따라 쉽게 변하는 사용자 정보이다. 사용자 동적 정보의 일 예로 사용자의 현재 위치, 기온, 습도 등과 같은 현재 날씨, 사용자의 현재 행동, 사용자의 현재 상태 등과 같은 정보를 의미한다. Referring to FIG. 2, the situation prediction server according to an embodiment of the present invention will be described in more detail. The user information receiver 110 periodically receives user information from a sensor network at predetermined time intervals. The user information received through the user information receiver 110 is user-related dynamic information that can be obtained from the sensor network. The user dynamic information is user information that easily changes according to a situation. As an example of the user dynamic information, it refers to information such as the current weather, the current behavior of the user, the current state of the user, such as the user's current location, temperature, humidity.

한편, 사용자 데이터베이스(120)에는 사용자의 정적 정보와 센서 네트워크로부터 수신한 사용자 정보가 저장된다. 사용자의 정적 정보란 쉽게 변하지 않는 사용자 정보로 사용자의 성별, 주소, 직업, 가족 관계 등과 같은 정보를 의미한다. 이하에서 사용자 정보란 센서 네트워크를 통해 수신한 사용자 동적 정보와 사용자 데이터베이스(120)에 기저장되어 있는 사용자 정적 정보를 모두 포함하는 용어로 사용한다. Meanwhile, the user database 120 stores static information of the user and user information received from the sensor network. Static information of a user is user information that does not change easily, and means information such as a user's gender, address, occupation, and family relationship. Hereinafter, the user information is used as a term including both user dynamic information received through the sensor network and user static information previously stored in the user database 120.

예측 패턴 생성부(130)는 다수의 사용자 정보 각각을 개별 규칙에 적용하여 각 사용자 정보에 따른 예측 결과를 추론하고, 추론한 예측 결과로부터 예측 패턴을 생성한다. 예측 패턴 생성부(130)는 특정 사용자 정보를 개별 규칙 데이터베이스(140)에 저장되어 있는 개별 규칙에 적용하여 특정 사용자 정보에 대한 사용자의 다음 상황의 예측 결과를 추론한다. 개별 규칙이란 사용자가 특정 상황에 있는 경우, 특정 상황에서 예측되는 사용자의 다음 상황을 규정하고 있는 규칙으로, 개별 규칙 데이터베이스(140)에는 다수의 사용자 정보 각각에 따른 개별 규칙이 저장되어 있다. 예측 패턴 생성부(130)는 다수의 사용자 정보에 개별 규칙을 적용하여 각 사용자 정보에 따른 예측 결과를 추론하고, 추론한 예측 결과로부터 예측 패턴을 생성한다. 즉, 예측 패턴은 다수의 예측 결과의 조합으로 구성된다. 한편, 예측 패턴 생성부(130)는 환경상의 요인 또는 기술상의 요인으로 인하여 다수의 사용자 정보들 중 일부의 사용자 정보를 수신하지 못하는 경우, 수신하지 못한 사용자 정보에 대한 예측 결과를 빈 정보, 즉 널(null)로 판단한다. 바람직하게, 예측 패턴 생성부(130)는 수신하지 못한 사용자 정보에 대한 예측 결과를 0으로 추론한다.The prediction pattern generator 130 infers a prediction result according to each user information by applying each piece of user information to an individual rule, and generates a prediction pattern from the inferred prediction result. The prediction pattern generation unit 130 applies specific user information to individual rules stored in the individual rule database 140 to infer a prediction result of a user's next situation with respect to the specific user information. The individual rule is a rule that defines the next situation of the user predicted in the specific situation when the user is in a specific situation. The individual rule database 140 stores individual rules according to each of a plurality of user information. The prediction pattern generator 130 infers a prediction result according to each user information by applying individual rules to a plurality of user information, and generates a prediction pattern from the inferred prediction result. In other words, the prediction pattern is composed of a combination of a plurality of prediction results. On the other hand, when the prediction pattern generation unit 130 fails to receive some user information of the plurality of user information due to environmental factors or technical factors, the prediction pattern generator 130 may generate empty information, that is, null information. (null). Preferably, the prediction pattern generation unit 130 infers a prediction result for the user information that has not been received as 0.

상황 예측 판단부(150)는 생성한 예측 패턴과 일치하는 정답 패턴 또는 오답 패턴을 패턴 데이터베이스(160)에서 검색한다. 패턴 데이터베이스(160)에는 예측 패턴에 따라 사용자의 현재 상황을 예측하는데 사용되는 정답 패턴과 오답 패턴이 저장되어 있다. 정답 패턴과 오답 패턴은 테스트 사례 데이터베이스의 테스트 사례로부터 생성되어 패턴 데이터베이스(160)에 기저장되는데, 테스트 사례에 개별 규칙을 적용하여 생성된 테스트 패턴 중 패턴 값이 테스트 결과에 일치하는 적어도 1개 이상의 패턴 값을 가지는 테스트 패턴을 정답 패턴으로 정의하며, 테스트 패턴의 패턴값이 테스트 결과에 하나도 일치하지 않는 테스트 패턴을 오답 패턴이라 정의한다. 상황 예측 판단부(150)는 검색 결과에 기초하여 예측 패턴과 일치하는 정답 패턴 또는 오답 패턴을 선택하고, 선택한 정답 패턴 또는 오답 패턴에 매칭되어 있는 결과 값으로 사용자의 다음 상황을 예측한다.The situation prediction determiner 150 searches the pattern database 160 for a correct answer pattern or an incorrect answer pattern that matches the generated prediction pattern. The pattern database 160 stores the correct answer pattern and the incorrect answer pattern used to predict the current situation of the user according to the prediction pattern. The correct answer pattern and the incorrect answer pattern are generated from the test cases in the test case database and stored in the pattern database 160. At least one of the test patterns generated by applying individual rules to the test case matches the test result. A test pattern having a pattern value is defined as a correct answer pattern, and a test pattern in which none of the test pattern pattern values match the test result is defined as an incorrect pattern. The situation prediction determiner 150 selects a correct answer pattern or an incorrect answer pattern that matches the prediction pattern based on the search result, and predicts the next situation of the user with a result value that matches the selected correct answer pattern or an incorrect answer pattern.

서비스 검색부(170)는 예측한 사용자의 다음 상황에 해당하는 서비스를 검색하고 검색한 서비스에 대한 정보를 통신 네트워크를 통해 사용자 단말기로 송신한다. 따라서 무작위적으로 사용자에 서비스를 제공하는 대신, 사용자의 미래 상황을 예측하고 예측한 사용자 상황에 해당하는 서비스 정보만을 선별하여 사용자에 제공함으로써 광고 효과를 극대화할 수 있으며, 사용자는 넘쳐나는 서비스 정보로부터 해방되어 사용자에 필요한 서비스 정보만을 획득할 수 있다. The service search unit 170 searches for a service corresponding to the next situation of the predicted user and transmits information about the searched service to the user terminal through the communication network. Therefore, instead of providing services to users at random, the advertisement effect can be maximized by predicting the future situation of the user and providing only the service information corresponding to the predicted user situation to the user. Only the service information necessary for the user can be released.

본 발명에 따른 상황 예측 서버는 실시간으로 사용자 정보를 수신하는 대신 정해진 시간 간격에만 사용자 정보를 수신함으로써 한정된 에너지원을 가지는 센서 노드의 소비 에너지량을 줄일 수 있다. 한편, 정해진 시간 간격에만 사용자 정보를 수신하더라도 정답 패턴 또는 오답 패턴을 이용함으로써 사용자의 현재 상황을 정확하게 예측 판단할 수 있다. 또한, 환경적인 요인 또는 기술적인 요인에 의하여 다수의 사용자 정보들 중 일부 사용자 정보를 수신하지 못하는 경우에도, 정답 패턴 또는 오답 패턴을 이용하여 사용자의 다음 상황을 예측할 수 있다. The situation prediction server according to the present invention can reduce the amount of energy consumed by the sensor node having a limited energy source by receiving user information only at a predetermined time interval instead of receiving user information in real time. Meanwhile, even when the user information is received only at a predetermined time interval, the current situation of the user may be accurately predicted by using the correct answer pattern or the incorrect answer pattern. In addition, even when some user information of the plurality of user information is not received due to environmental factors or technical factors, the next situation of the user may be predicted using a correct answer pattern or an incorrect answer pattern.

도 3은 본 발명의 일 실시예에 따른, 사용자의 상황을 예측하는 방법을 설명하기 위한 흐름도이다.3 is a flowchart illustrating a method of predicting a user's situation according to an embodiment of the present invention.

도 3을 참고로 사용자의 상황을 예측하는 방법을 보다 구체적으로 살펴보면, 일정 수신 간격마다 주기적으로 센서 네트워크로부터 사용자 정보를 수신한다(S1). 종래 센서 네트워크에서 사용자 정보를 수신하는 방식과 달리 본 발명에서는 사용자 정보의 수신 목적과 용도에 따라 서로 다른 시간 간격으로 주기적으로 사용자 정보를 수신한다. 도 4를 참고로 센서 네트워크에서 사용자 정보를 수집하고 수집한 사용자 정보를 상황 예측 서버로 송신하는 방법의 일 예를 보다 구체적으로 살펴보면, 사용자 정보의 수집 간격(GT)이 제1 임계값(TH1)을 초과하였는지를 판단한다(S11). 사용자 정보의 수집 간격(GT)은 사용자 정보의 제n-1번째 수집 시각과 사용자 정보의 제n번째 수집 시각 사이의 시간 간격으로 계산된다. 사용자 정보의 수집 간격(GT)이 제1 임계값(TH1)을 초과한 경우 센서 네트워크를 구성하는 다수의 센서 노드들은 각자 정해진 사용자 정보를 수집한다(S13). 사용자 정보의 송신 간격(TT)이 제2 임계값(TH2)을 초과하였는지를 판단한다(S15). 사용자 정보의 송신 간격(GT)은 사용자 정보의 제n-1번째 송신 시각과 사용자 정보의 제n번째 송신 시각 사이의 시간 간격으로 계산된다. 사용자 정보의 송신 간격(TT)이 제2 임계값(TH2)을 초과한 경우 상황 예측 서버로 사용자 정보를 송신한다(S17). 바람직하게, 사용자 정보의 수집 간격(GT)이 제1 임계값을 초과하지 않은 경우 수집 간격을 카운트하며(S12), 사용자 정보의 송신 간격(TT)이 제2 임계값을 초과하지 않은 경우 송신 간격을 카운트하여(S16), 제1 임계값을 초과하거나 제2 임계값을 초과할 때 사용자 정보를 수집하거나 사용자 정보를 상황 예측 서버로 송신한다.Referring to FIG. 3, a method of predicting a user's situation will be described in more detail. In operation S1, user information is periodically received from a sensor network. Unlike the conventional method of receiving user information in the sensor network, the present invention periodically receives the user information at different time intervals according to the purpose and purpose of receiving the user information. Referring to FIG. 4, an example of a method of collecting user information in the sensor network and transmitting the collected user information to the situation prediction server will be described in more detail. The collection interval GT of the user information is the first threshold TH1. It is determined whether it exceeds (S11). The collection interval GT of user information is calculated as the time interval between the n-th collection time of the user information and the n-th collection time of the user information. When the collection interval GT of the user information exceeds the first threshold value TH1, the plurality of sensor nodes constituting the sensor network collect user information determined in operation S13. It is determined whether the transmission interval TT of user information exceeds the second threshold value TH2 (S15). The transmission interval GT of user information is calculated as the time interval between the n-th transmission time of user information and the nth transmission time of user information. When the transmission interval TT of the user information exceeds the second threshold value TH2, the user information is transmitted to the situation prediction server (S17). Preferably, the collection interval is counted when the collection interval GT of the user information does not exceed the first threshold value (S12), and the transmission interval when the transmission interval TT of the user information does not exceed the second threshold value. By counting (S16), the user information is collected when the first threshold value or the second threshold value is exceeded, or the user information is transmitted to the situation prediction server.

다시 도 3을 참고로 살펴보면, 수신한 다수의 사용자 정보들 중 센서 노드로부터 수신하지 못한 사용자 정보가 존재하는지 판단한다(S3). 센서 네트워크에는 다수의 센서 노드들이 구비되어 있으며, 각 센서 노드는 센서 노드에 해당하는 사용자 정보만을 수집하여 상황 예측 서버로 송신한다. 그러나 센서 노드의 에너지원이 모두 고갈되어 또는 다른 환경적인 요인 또는 기술적인 요인에 의해 일시적으 로 사용자 정보를 수집하여 상황 예측 서버로 송신하지 못하거나 잘못된 사용자 정보를 송신하는 경우가 발생한다. 센서 네트워크로부터 수신한 사용자 정보와 기저장된 사용자 정보는 개별 규칙을 적용하여 수신한 사용자 정보와 기저장된 사용자 정보에 따른 예측 결과를 추론한다(S4). 한편, 센서 네트워크로부터 수신하지 못한 사용자 정보가 존재하는 경우, 수신하지 못한 사용자 정보에 따른 예측 결과 값은 빈 정보(null)로 추론한다(S5). 바람직하게, 수신하지 못한 사용자 정보에 따른 예측 결과 값은 0으로 추론한다.Referring to FIG. 3 again, it is determined whether there is user information which has not been received from the sensor node among the plurality of received user information (S3). The sensor network includes a plurality of sensor nodes, and each sensor node collects only user information corresponding to the sensor node and transmits it to the situation prediction server. However, when the energy source of the sensor node is exhausted or due to other environmental or technical factors, the user information may be temporarily collected and not transmitted to the situation prediction server or the wrong user information may be transmitted. The user information received from the sensor network and the pre-stored user information are inferred by a separate rule to predict the prediction result according to the received user information and the pre-stored user information (S4). On the other hand, if there is user information not received from the sensor network, the prediction result value according to the user information not received is inferred as empty information (Sull) (S5). Preferably, the prediction result value according to the user information not received is inferred to zero.

추론한 예측 결과의 조합으로부터 예측 패턴을 생성하고(S6), 정답 패턴과 오답 패턴이 저장되어 있는 패턴 데이터베이스에서 예측 패턴과 일치하는 패턴을 검색한다(S7). 예측 패턴과 일치하는 패턴이 검색되는 경우, 검색한 정답 패턴 또는 오답 패턴의 결과 값에 기초하여 사용자의 다음 상황을 예측한다(S9). A prediction pattern is generated from the inferred prediction result combination (S6), and a pattern matching the prediction pattern is retrieved from the pattern database in which the correct pattern and the incorrect pattern are stored (S7). When a pattern matching the prediction pattern is found, the next situation of the user is predicted based on a result value of the found correct pattern or incorrect pattern (S9).

도 5는 개별 규칙 데이터베이스를 생성하는 방법의 일 예를 설명하는 흐름도이며, 도 6 개별 규칙의 일 예를 도시하고 있다. 5 is a flowchart illustrating an example of a method of generating an individual rule database, and illustrates an example of the individual rule of FIG. 6.

도 5를 참고로 개별 규칙 데이터베이스를 생성하는 방법을 보다 구체적으로 살펴보면, 사용자 정보에 관련된 사례를 사례 데이터베이스에서 추출하고(S21), 추출한 사례에서 사용자 정보에 따라 발생하는 이벤트 발생 비율을 계산한다(S23). 사용자 정보에 따라 발생하는 다수의 이벤트의 발생 비율에 기초하여 해당하는 사용자 정보에서 가장 많이 발생하는 이벤트를 사용자 정보에 대한 개별 규칙으로 설정하고(S25), 설정한 개별 규칙을 개별 규칙 데이터베이스에 저장한다(S27). 사용자의 다음 상황을 예측하기 위하여 다수의 사용자 정보를 이용하며, 다수의 사용자 정보에 대해 상기 S11 단계 내지 S17 단계를 동일하게 수행하여 다수의 사용자 정보 모두에 대한 개별 규칙을 설정하고, 설정한 개별 규칙을 개별 규칙 데이터베이스에 저장한다.Referring to FIG. 5, a method of generating an individual rule database is described in more detail. A case related to user information is extracted from a case database (S21), and an event occurrence rate generated according to user information is calculated from the extracted case (S23). ). Based on the occurrence rate of a plurality of events occurring according to the user information, the most frequently occurring event in the corresponding user information is set as an individual rule for the user information (S25), and the set individual rules are stored in the individual rule database. (S27). In order to predict the next situation of the user, a plurality of user information is used, and steps S11 to S17 are identically performed for a plurality of user information to set individual rules for all the plurality of user information, and set individual rules. Is stored in a separate rules database.

도 6을 참고로 놀이 공원에서 사용자의 현재 위치별 다음으로 방문하는 장소에 대한 개별 규칙의 일 예를 보다 구체적으로 살펴보면, 놀이 공원의 이용 실태에 대한 사례를 저장하고 있는 사례 데이터베이스에서 사례를 추출하여 사용자 정보 즉, 사용자의 현재 위치에서 다음으로 방문하는 장소, 즉 이벤트의 발생 비율을 계산한다. 사용자의 현재 위치 'A"에서 다음으로 방문하는 장소의 비율은 장소 'B'가 45%이며, 장소 'C'가 20%이며, 장소 'D'가 15%이며, 장소 'E'가 12%이며, 장소 'F'가 8%이다. 현재 위치라는 사용자 정보에서 다음으로 방문하는 장소라는 이벤트에 대한 개별 규칙은 가장 높은 비율의 이벤트인 'B'로 설정된다. 동일하게 다른 위치에서 다음으로 방문하는 장소에 대한 개별 규칙들이 모두 사례 데이터베이스에 기초하여 설정되며, 설정된 개별 규칙들은 개별 규칙 데이터베이스에 저장된다. 또한, 현재 날씨, 요일, 시간 등과 같은 다양한 사용자 정보에 대해 위와 동일하게 개별 규칙을 설정하여 개별 규칙 데이터베이스에 저장할 수 있다.Referring to FIG. 6, an example of an individual rule for a next visit place for each user's current location in an amusement park is described in detail. The case is extracted from a case database storing an example of usage of an amusement park. User information, that is, the next visited place from the current location of the user, that is, the occurrence rate of the event is calculated. The next place in the user's current location "A" is 45% for Place "B", 20% for Place "C", 15% for Place "D", and 12% for Place "E" And the place "F" is 8% The individual rule for the next place in the user information for the current location is set to the highest rate of events "B." The individual rules for the place to be set are all set based on the case database, and the set individual rules are stored in the individual rules database, and the individual rules are set as above for various user information such as the current weather, the day of the week, and the time. Can be stored in a separate rules database.

도 7과 도 8은 테스트 데이터베이스에서 정답 패턴과 오답 패턴을 생성하여 등록하는 방법의 일 예를 설명하기 위한 흐름도를 도시하고 있다.7 and 8 illustrate flowcharts for describing an example of a method of generating and registering a correct answer pattern and an incorrect answer pattern in a test database.

도 7과 도 8을 참고로 정답 패턴 또는 오답 패턴을 생성하여 등록하는 과정을 보다 구체적으로 살펴보면, 테스트 데이터베이스에 저장되어 있는 테스트 사례에 개별 규칙을 적용하여 테스트 패턴을 생성한다(S31). 생성한 테스트 패턴의 패 턴 값 중 테스트 결과와 일치하는 패턴 값이 존재하는지 판단한다(S32). 판단 결과 테스트 결과와 일치하는 패턴 값이 존재하는 테스트 패턴은 정답 패턴으로 분류하며(S33), 테스트 결과와 일치하는 패턴 값이 존재하지 않는 테스트 패턴은 오답 패턴으로 분류한다(S41). 예를 들어, 테스트 사례를 개별 규칙에 적용하여 생성된 테스트 패턴이 121341이며 실제 다음 상황, 즉 테스트 결과가 1이었다면, 테스트 패턴은 정답 패턴으로 분류된다. 반면, 테스트 패턴이 132321이며 실제 다음 상황이 4이었다면 오답 패턴으로 분류된다. 정답 패턴으로 분류된 테스트 패턴의 패턴 값 중 테스트 결과와 일치하는 패턴 값은 그대로 유지하며, 일치하지 않은 패턴 값은 0으로 설정하여 다음 상황 예측에 사용되지 않도록 한다. 반면, 오답 패턴으로 분류된 테스트 패턴의 패턴 값은 그대로 유지한다.Referring to FIG. 7 and FIG. 8, the process of generating and registering a correct answer pattern or an incorrect answer pattern is described in detail. The test pattern is generated by applying individual rules to a test case stored in a test database (S31). It is determined whether a pattern value matching the test result exists among the pattern values of the generated test pattern (S32). As a result of the determination, the test pattern in which the pattern value matching the test result exists is classified as a correct answer pattern (S33), and the test pattern in which the pattern value corresponding to the test result does not exist is classified as an incorrect answer pattern (S41). For example, if the test pattern generated by applying test cases to individual rules is 121341 and the actual next situation, that is, the test result is 1, the test pattern is classified as a correct answer pattern. On the other hand, if the test pattern is 132321 and the actual following situation is 4, it is classified as an incorrect answer pattern. Among the pattern values of the test pattern classified as the correct answer pattern, the pattern value matching the test result is kept as it is, and the non-matching pattern value is set to 0 so as not to be used for the next situation prediction. On the other hand, the pattern value of the test pattern classified as the incorrect answer pattern is maintained as it is.

테스트 패턴이 정답 패턴으로 분류되는 경우, 정답 패턴으로 분류된 테스트 패턴이 기저장된 정답 패턴과 동일한지 판단한다(S34). 정답 패턴으로 분류된 테스트 패턴이 기저장된 정답 패턴과 동일한 경우, 정답 패턴의 테스트 결과와 기저장된 정답 패턴의 테스트 결과가 일치하는지 판단한다(S35). 정답 패턴의 테스트 결과와 기저장된 정답 패턴의 테스트 결과가 일치하는 경우 기저장된 정답 패턴의 빈도수를 1 증가시키며(S36), 정답 패턴의 테스트 결과가 기저장된 정답 패턴의 테스트 결과와 일치하지 않는 경우 기저장된 정답 패턴의 빈도수를 1 감소시킨다(S37). 한편, 정답 패턴으로 분류한 테스트 패턴이 기저장된 정답 패턴과 동일하지 않은 경우, 정답 패턴의 빈도수를 1 증가시킨다(S36).When the test pattern is classified as the correct answer pattern, it is determined whether the test pattern classified as the correct answer pattern is the same as the previously stored correct answer pattern (S34). When the test pattern classified as the correct answer pattern is the same as the pre-stored correct answer pattern, it is determined whether the test result of the correct answer pattern and the test result of the pre-stored correct answer pattern match (S35). If the test result of the correct answer pattern and the test result of the pre-stored correct answer pattern is matched, the frequency of the pre-stored correct answer pattern is increased by 1 (S36), and if the test result of the correct answer pattern does not match the test result of the pre-stored correct answer pattern The frequency of the stored correct answer pattern is reduced by one (S37). On the other hand, if the test pattern classified as the correct answer pattern is not the same as the pre-stored correct answer pattern, the frequency of the correct answer pattern is increased by one (S36).

기저장된 정답 패턴 또는 정답 패턴으로 분류된 테스트 패턴의 빈도수가 제3 임계값을 초과하는지 판단하여(S38), 기저장된 정답 패턴 또는 정답 패턴으로 분류된 테스트 패턴의 빈도수가 제3 임계값을 초과하는 경우 정답 패턴으로 패턴 데이터베이스에 저장한다(S39).It is determined whether the frequency of the pre-stored correct answer pattern or the test pattern classified into the correct answer pattern exceeds the third threshold (S38), and the frequency of the pre-stored correct answer pattern or the test pattern classified into the correct answer pattern exceeds the third threshold. If the correct answer pattern is stored in the pattern database (S39).

한편, 테스트 패턴이 오답 패턴으로 분류된 경우, 오답 패턴으로 분류된 테스트 패턴이 기저장된 오답 패턴과 동일한지 판단한다(S42). 오답 패턴이 기저장된 오답 패턴과 동일한 경우, 오답 패턴의 테스트 결과와 기저장된 오답 패턴의 테스트 결과가 일치하는지 판단한다(S43). 오답 패턴의 테스트 결과와 기저장된 오답 패턴의 테스트 결과가 일치하는 경우 기저장된 오답 패턴의 빈도수를 1 증가시키며(S44), 오답 패턴의 테스트 결과가 기저장된 오답 패턴의 테스트 결과와 일치하지 않는 경우 기저장된 오답 패턴의 빈도수를 1 감소시킨다(S45). 한편, 오답 패턴으로 분류한 테스트 패턴이 기저장된 오답 패턴과 동일하지 않은 경우, 오답 패턴의 빈도수를 1 증가시킨다(S44).On the other hand, if the test pattern is classified as an incorrect answer pattern, it is determined whether the test pattern classified as an incorrect answer pattern is the same as the previously stored incorrect answer pattern (S42). If the incorrect answer pattern is the same as the pre-stored incorrect answer pattern, it is determined whether the test result of the incorrect answer pattern and the test result of the pre-stored incorrect answer pattern match (S43). If the test result of the wrong answer pattern and the test result of the stored incorrect answer pattern is matched, the frequency of the stored incorrect answer pattern is increased by one (S44), and if the test result of the incorrect answer pattern does not match the test result of the stored incorrect answer pattern, The frequency of the stored incorrect answer pattern is reduced by one (S45). On the other hand, if the test pattern classified as an incorrect answer pattern is not the same as the previously stored incorrect answer pattern, the frequency of the incorrect answer pattern is increased by one (S44).

기저장된 오답 패턴 또는 오답 패턴으로 분류된 테스트 패턴의 빈도수가 제4 임계값을 초과하는지 판단하여(S46), 기저장된 오답 패턴 또는 오답 패턴으로 분류된 테스트 패턴의 빈도수가 제4 임계값을 초과하는 경우 오답 패턴으로 패턴 데이터베이스에 저장한다(S47).It is determined whether the frequency of the pre-stored incorrect pattern or the test pattern classified into the incorrect pattern exceeds the fourth threshold (S46), and the frequency of the pre-stored incorrect pattern or the test pattern classified into the incorrect pattern exceeds the fourth threshold. If it is stored in the pattern database as an incorrect answer pattern (S47).

도 9는 패턴 데이터베이스에 저장되어 있는 정답 패턴의 일 예를 도시하고 있으며, 도 10은 패턴 데이터베이스에 저장되어 있는 오답 패턴의 일 예를 도시하고 있다.9 illustrates an example of a correct answer pattern stored in a pattern database, and FIG. 10 illustrates an example of an incorrect answer pattern stored in a pattern database.

도 9를 참고로 패턴 데이터베이스에 저장되어 있는 정답 패턴을 보다 구체적 으로 살펴보면, 각 정답 패턴의 식별자, 정답 패턴의 빈도수, 정답 패턴의 패턴값, 정답 패턴의 결과값이 저장되어 있다.Looking at the correct answer pattern stored in the pattern database in more detail with reference to Figure 9, the identifier of each correct pattern, the frequency of the correct pattern, the pattern value of the correct pattern, the result of the correct pattern is stored.

한편, 도 10을 참고로 패턴 데이터베이스에 저장되어 있는 오답 패턴을 보다 구체적으로 살펴보면, 각 오답 패턴의 식별자, 오답 패턴의 빈도수, 오답 패턴의 패턴값, 오답 패턴의 결과값이 저장되어 있다. 도 9와 도 10에서 알 수 있는 것과 같이, 오답 패턴은 예외적인 경우를 나타내는 것으로 오답 패턴의 빈도수는 정답 패턴의 빈도수 보다 적다. 그러나 본 발명은 예측 패턴과 일치하는 정답 패턴을 검색하지 못하는 경우 예측 패턴과 일치하는 오답 패턴을 재차 검색함으로써, 검색율을 높이고 따라서 사용자의 다음 상황을 보다 정확하게 예측할 수 있다. Meanwhile, referring to FIG. 10, the incorrect pattern stored in the pattern database is described in more detail. The identifier of each incorrect pattern, the frequency of incorrect pattern, the pattern value of the incorrect pattern, and the result value of the incorrect pattern are stored. As can be seen in Figures 9 and 10, the incorrect answer pattern represents an exceptional case, the frequency of the incorrect answer pattern is less than the frequency of the correct answer pattern. However, the present invention can increase the search rate and thus more accurately predict the next situation of the user by re-searching for the incorrect answer pattern that matches the prediction pattern when the correct answer pattern that matches the prediction pattern is not found.

도 11과 도 12는 본 발명의 일 실시예에 따라 패턴 데이터베이스의 정답 패턴 또는 오답 패턴에 기초하여 예측 패턴으로부터 사용자의 다음 상황을 예측하는 방법을 보다 구체적으로 설명하는 흐름도이다.11 and 12 are flowcharts illustrating in more detail a method of predicting a user's next situation from a prediction pattern based on a correct answer pattern or an incorrect answer pattern of a pattern database according to an embodiment of the present invention.

도 11과 도 12를 참고로 보다 구체적으로 살펴보면, 예측 패턴과 패턴 데이터베이스에 등록되어 있는 정답 패턴 또는 오답 패턴을 비교 검색하여(S50), 예측 패턴과 일치하는 정답 패턴이 존재하는지 판단한다(S51). 예측 패턴과 일치하는 정답 패턴이 존재하는 경우 다수개의 정답 패턴이 존재하는지 판단하여(S52), 예측 패턴과 일치하는 정답 패턴이 1개만 검색된 경우 검색된 정답 패턴의 결과값에 따라 사용자의 다음 상황을 예측한다(S53). 한편, 예측 패턴과 일치하는 다수의 정답 패턴이 존재하는 경우, 다수의 정답 패턴들 중 예측 패턴의 패턴 값과 일치하는 패턴 값이 가장 많은 정답 패턴을 선택하고(S54) 선택한 정답 패턴의 결과값으로 사용자의 다음 상황을 예측한다(S55). 예를 들어, 예측 패턴이 221215이고 패턴 데이터베이스에 등록된 정답 패턴 중 예측 패턴과 일치하는 정답 패턴이 220000과 220010 2개 존재하는 경우 220010을 정답 패턴으로 선택하여 선택한 정답 패턴의 결과 값으로 사용자의 다음 상황을 예측한다. Referring to FIG. 11 and FIG. 12 in detail, by comparing and searching the prediction pattern and the correct or incorrect pattern registered in the pattern database (S50), it is determined whether there is a correct answer pattern that matches the prediction pattern (S51). . When there is a correct answer pattern that matches the prediction pattern, it is determined whether a plurality of correct answer patterns exist (S52), and when only one correct answer pattern that matches the prediction pattern is found, the user's next situation is predicted according to the result of the found answer pattern. (S53). On the other hand, when there are a plurality of correct answer patterns that match the prediction pattern, select the correct answer pattern having the most pattern values that match the pattern value of the predictive pattern among the plurality of correct answer patterns (S54) as a result value of the selected correct pattern The next situation of the user is predicted (S55). For example, if the prediction pattern is 221215 and there are two correct answer patterns registered in the pattern database that match the prediction pattern, there are 220000 and 220010, and 220220 is selected as the correct answer pattern. Predict the situation.

그러나 패턴 데이터베이스에 등록되어 있는 정답 패턴과 예측 패턴을 비교하여 예측 패턴과 일치하는 정답 패턴이 검색되지 않는 경우, 패턴 데이터베이스에 등록되어 있는 오답 패턴과 예측 패턴을 비교하여 예측 패턴과 일치하는 오답 패턴이 존재하는지 검색한다(S61). 예측 패턴과 일치하는 오답 패턴이 존재하는지 판단하여(S62), 예측 패턴과 일치하는 오답 패턴이 존재하는 경우 오답 패턴의 결과 값으로 사용자의 다음 상황을 예측한다(S63). 그러나 패턴 데이터베이스에 등록된 오답 패턴에서도 예측 패턴과 일치하는 오답 패턴을 검색하지 못하는 경우, 각 개별 규칙의 이벤트 발생 비율에 기초하여 사용자의 다음 상황을 예측한다(S64). 즉, 예측 패턴을 구성하는 예측 결과 중 가장 높은 이벤트 발생 비율로 설정된 개별 규칙에 따라 추론된 예측 결과에 따라 사용자의 다음 상황을 예측한다.However, if the correct pattern matching the prediction pattern is not found by comparing the correct answer pattern registered in the pattern database with the prediction pattern, the incorrect pattern matching the prediction pattern is compared by comparing the incorrect answer pattern registered in the pattern database with the prediction pattern. Search whether it exists (S61). It is determined whether there is an incorrect pattern matching the prediction pattern (S62), and when there is an incorrect pattern matching the prediction pattern, the next situation of the user is predicted using the result value of the incorrect pattern (S63). However, even if the incorrect pattern registered in the pattern database fails to retrieve the incorrect pattern matching the prediction pattern, the next situation of the user is predicted based on the event occurrence rate of each individual rule (S64). That is, the next situation of the user is predicted according to the prediction result inferred according to the individual rule set at the highest event occurrence rate among the prediction results constituting the prediction pattern.

도 13은 놀이 공원에서 현재 위치, 날씨, 온도, 나이, 성별, 요일이라는 사용자 정보에 따라 생성한 예측 패턴과 예측 패턴으로부터 판단한 사용자의 예측값, 즉 사용자가 다음으로 방문하는 장소의 일 예를 도시하고 있다.FIG. 13 illustrates an example of a prediction pattern generated based on user information such as current location, weather, temperature, age, gender, and day of the week in an amusement park, and a prediction value of the user determined from the prediction pattern, that is, a place where the user visits next. have.

도 13을 참고로 보다 구체적으로 살펴보면, 사용자의 현재 위치, 날씨, 온도, 나이, 성별, 요일이라는 사용자 정보에 다음으로 방문하는 장소에 대한 개별 규칙을 각각 적용하여 1, 2, 3, 3, 5, 1이라는 예측 결과를 추론하여 123351라는 예측 패턴을 생성하고, 생성한 예측 패턴과 일치하는 패턴 데이터베이스의 정답 패턴 "R1"을 검색하였다. 정답 패턴 "R1"의 결과값은 1이므로 사용자의 현재 상황에서 다음으로 방문하는 장소는 1로 예측한다.Looking in more detail with reference to Figure 13, 1, 2, 3, 3, 5 by applying individual rules for the next visit place to the user information of the current location, weather, temperature, age, gender, day of the user, respectively , The prediction result of 1 is generated, and a prediction pattern of 123351 is generated, and the correct answer pattern "R1" of the pattern database that matches the generated prediction pattern is searched. Since the result value of the correct answer pattern "R1" is 1, the next place to visit in the current situation of the user is predicted as 1.

한편, 사용자의 현재 위치, 날씨, 온도, 나이, 성별, 요일에 각각 개별 규칙을 적용하여 1, 3, 2, 2, 1, 5라는 예측 결과를 추론하여 132251라는 예측 패턴을 생성하고, 생성한 예측 패턴과 일치하는 정답 패턴을 패턴 데이터베이스에서 검색한다. 그러나 생성한 예측 패턴과 일치하는 정답 패턴을 검색하지 못하는 경우 패턴 데이터베이스의 오답 패턴을 검색한다. 예측 패턴과 일치하는 패턴 데이터베이스의 오답 패턴 "W5"을 검색하였다. 오답 패턴 "W5"의 결과값은 4이므로 사용자의 현재 상황에서 다음으로 방문하는 장소는 4로 예측한다.Meanwhile, by applying individual rules to the user's current location, weather, temperature, age, gender, and day of the week, the prediction results of 1, 3, 2, 2, 1, and 5 are inferred, and a prediction pattern of 132251 is generated and generated. Search for a pattern database in the pattern database that matches the prediction pattern. However, if the correct answer pattern that matches the generated prediction pattern is not found, the incorrect pattern of the pattern database is searched. The incorrect pattern "W5" of the pattern database matching the prediction pattern was searched. Since the result value of the incorrect answer pattern "W5" is 4, the next place to visit in the current situation of the user is predicted to be 4.

한편, 사용자의 현재 위치, 날씨, 온도, 나이, 성별, 요일에 각각 개별 규칙을 적용하여 3, 2, 5, 3, 4, 4라는 예측 결과를 추론하여 325344라는 예측 패턴을 생성한다. 생성한 예측 패턴과 일치하는 정답 패턴 또는 오답 패턴이 패턴 데이터베이스에서 검색되지 않으므로 각 예측 결과를 추론하는데 사용된 개별 규칙 중 가장 높은 이벤트 발생 비율을 가지는 개별 규칙, 즉 날씨에 대한 개별규칙으로 사용자의 다음 방문 장소는 2로 예측한다.Meanwhile, a prediction pattern of 3, 2, 5, 3, 4, and 4 is inferred by applying individual rules to the user's current location, weather, temperature, age, gender, and day of the week to generate a prediction pattern of 325344. Since the correct or incorrect pattern that matches the forecast pattern you created is not retrieved from the pattern database, the individual rule with the highest event rate among the individual rules used to infer each prediction result, that is, the individual rule for the weather. Predict the place of visit 2.

한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.Meanwhile, the above-described embodiments of the present invention can be written as a program that can be executed in a computer, and can be implemented in a general-purpose digital computer that operates the program using a computer-readable recording medium.

상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.The computer-readable recording medium may be a magnetic storage medium (for example, a ROM, a floppy disk, a hard disk, etc.), an optical reading medium (for example, a CD-ROM, DVD, etc.) and a carrier wave (for example, the Internet). Storage medium).

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다. Although the present invention has been described with reference to the embodiments shown in the drawings, this is merely exemplary, and it will be understood by those skilled in the art that various modifications and equivalent other embodiments are possible. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.

도 1에 상황 기반 추천 서비스 제공 시스템의 개략도를 도시하고 있다.1 is a schematic diagram of a context-based recommendation service providing system.

도 2는 본 발명의 일 실시예에 따른 상황 예측 서버의 기능 블록도를 도시하고 있다.2 is a functional block diagram of a situation prediction server according to an embodiment of the present invention.

도 3은 본 발명의 일 실시예에 따른, 사용자의 상황을 예측하는 방법을 설명하기 위한 흐름도이다.3 is a flowchart illustrating a method of predicting a user's situation according to an embodiment of the present invention.

도 4는 센서 네트워크에서 사용자 정보를 수집하고 수집한 사용자 정보를 상황 예측 서버로 송신하는 방법의 일 예를 설명하는 흐름도이다.4 is a flowchart illustrating an example of a method of collecting user information in a sensor network and transmitting the collected user information to a situation prediction server.

도 5는 개별 규칙 데이터베이스를 생성하는 방법의 일 예를 설명하는 흐름도이다.5 is a flowchart for explaining an example of a method of generating an individual rule database.

도 6 본 발명에 따른 사용자 상황 예측 방법에 사용되는 개별 규칙의 일 예를 도시하고 있다. 6 shows an example of an individual rule used in the user context prediction method according to the present invention.

도 7은 테스트 데이터베이스에서 정답 패턴을 생성하여 등록하는 방법의 일 예를 설명하기 위한 흐름도이다.7 is a flowchart illustrating an example of a method of generating and registering a correct answer pattern in a test database.

도 8은 테스트 데이터베이스에서 오답 패턴을 생성하여 등록하는 방법의 일 예를 설명하기 위한 흐름도이다.8 is a flowchart illustrating an example of a method of generating and registering an incorrect pattern in a test database.

도 9는 패턴 데이터베이스에 저장되어 있는 정답 패턴의 일 예를 도시하고 있다.9 illustrates an example of a correct answer pattern stored in a pattern database.

도 10은 패턴 데이터베이스에 저장되어 있는 오답 패턴의 일 예를 도시하고 있다.10 illustrates an example of an incorrect pattern stored in a pattern database.

도 11과 12는 본 발명의 일 실시예에 따라 패턴 데이터베이스의 정답 패턴 또는 오답 패턴에 기초하여 예측 패턴으로부터 사용자의 다음 상황을 예측하는 방법을 보다 구체적으로 설명하는 흐름도이다.11 and 12 are flowcharts illustrating in more detail a method of predicting a user's next situation from a prediction pattern based on a correct answer pattern or an incorrect answer pattern of a pattern database according to an embodiment of the present invention.

도 13은 놀이 공원에서 현재 위치, 날씨, 온도, 나이, 성별, 요일이라는 사용자의 사용자 정보에 따라 생성한 예측 패턴과 예측 패턴으로부터 판단한 사용자의 예측값, 즉 사용자가 다음으로 방문하는 장소의 일 예를 도시하고 있다.FIG. 13 illustrates an example of a prediction pattern generated according to a user's user information such as current location, weather, temperature, age, gender, and day of the week in an amusement park, and a prediction value of the user determined from the prediction pattern, that is, a place where the user visits next. It is shown.

Claims (10)

센서 네트워크를 구성하는 센서 노드로부터 감지한 사용자 정보를 이용하여 사용자의 다음 상황을 예측하는 방법에 있어서,In the method for predicting the next situation of the user using the user information detected from the sensor node constituting the sensor network, (a) 상기 센서 노드로부터 소정 시간 간격으로 사용자 정보를 수신하는 단계;(a) receiving user information from the sensor node at predetermined time intervals; (b) 상기 센서 노드로부터 수신하지 못한 사용자 정보가 존재하는지 판단하는 단계;(b) determining whether there is user information not received from the sensor node; (c) 상기 판단 결과에 기초하여 상기 센서 노드로부터 수신하지 못한 사용자 정보 각각에 대한 예측 결과, 상기 센서 노드로부터 소정 시간 간격으로 수신한 사용자 정보 각각에 대한 예측 결과 또는 사용자 데이터베이스에 기저장된 사용자 정보 각각에 대한 예측 결과를 추론하는 단계;(c) a prediction result for each user information not received from the sensor node based on the determination result, a prediction result for each user information received at a predetermined time interval from the sensor node, or each user information previously stored in a user database. Inferring a prediction result for; (d) 상기 추론한 예측 결과의 조합으로부터 사용자의 다음 상황을 예측하는데 사용되는 예측 패턴을 생성하는 단계;(d) generating a prediction pattern used to predict the next situation of the user from the combination of the inferred prediction results; (e) 패턴 데이터베이스에 저장되어 있는 정답 패턴 또는 오답 패턴 중 상기 예측 패턴과 매칭되는 패턴을 검색하는 단계; 및(e) searching for a pattern matching the prediction pattern among correct answer patterns or incorrect answer patterns stored in a pattern database; And (f) 상기 검색한 패턴의 결과값에 기초하여 사용자의 다음 상황을 예측하는 단계를 포함하는 것을 특징으로 하는 사용자의 상황 예측 방법.and (f) predicting a next situation of the user based on a result value of the searched pattern. 제 1 항에 있어서, The method of claim 1, 상기 수신한 사용자 정보 또는 상기 사용자 데이터베이스에 기저장된 사용자 정보를 각각 개별 규칙에 적용하여 상기 수신한 사용자 정보 또는 상기 기저장된 사용자 정보 각각에 대한 예측 결과를 추론하는 것을 특징으로 하는 사용자의 상황 예측 방법A method of predicting a situation of a user characterized by inferring a prediction result for each of the received user information or the previously stored user information by applying the received user information or the user information previously stored in the user database to each individual rule. 제 2 항에 있어서, The method of claim 2, 상기 수신하지 못한 사용자 정보 각각에 대한 예측 결과의 값은 0으로 추론하는 것을 특징으로 하는 사용자의 상황 예측 방법.And a value of a prediction result for each of the unreceived user information is inferred to be zero. 제 3 항에 있어서, 상기 센서 노드로부터4. The method of claim 3, wherein from the sensor node 아래의 수학식(1)에 따라 소정 시간 간격으로 사용자 정보를 수신하며,Receive user information at predetermined time intervals according to Equation (1) below, [수학식 1][Equation 1] Rn - Rn-1 ≥ TH2 (n은 자연수)R n -R n-1 ≥ TH2 (n is a natural number) 여기서 Rn은 n번째 사용자 정보를 수신한 시각이고, Rn-1은 n-1번째 사용자 정보를 수신한 시각인 것을 특징으로 하는 사용자의 상황 예측 방법.Wherein R n is the time when the n-th user information is received, and R n-1 is the time when the n-th user information is received. 제 3 항에 있어서, 상기 정답 패턴은The method of claim 3, wherein the correct answer pattern is 테스트 데이터베이스에서 저장되어 있는 다수의 상황정보를 개별 규칙에 적용하여 테스트 패턴을 생성하는 단계;Generating a test pattern by applying a plurality of contextual information stored in a test database to individual rules; 상기 테스트 패턴 중 테스트 결과에 일치하는 적어도 1개의 패턴 값이 존재하는 경우, 상기 테스트 패턴을 정답 패턴으로 판단하고 상기 일치하는 패턴 값을 제외한 다른 패턴 값을 0으로 설정하는 단계;If there is at least one pattern value corresponding to a test result among the test patterns, determining the test pattern as a correct answer pattern and setting a pattern value other than the matched pattern value to 0; 상기 판단한 정답 패턴이 기저장된 정답 패턴과 동일한지 비교하여, 기저장된 정답 패턴과 동일한 경우 상기 기저장된 정답 패턴의 빈도수를 증가시키는 단계; 및Comparing the determined correct answer pattern with a previously stored correct answer pattern and increasing the frequency of the previously stored correct answer pattern when the determined correct answer pattern is the same as the previously stored correct answer pattern; And 상기 판단한 정답 패턴의 빈도수가 제1 임계값을 초과하는 경우, 상기 판단한 정답 패턴을 패턴 데이터베이스에 정답 패턴으로 등록하는 단계를 통해 생성되는 것을 특징으로 하는 사용자의 상황 예측 방법.And when the frequency of the determined correct answer pattern exceeds a first threshold value, registering the determined correct answer pattern as a correct answer pattern in a pattern database. 제 5 항에 있어서,The method of claim 5, 상기 판단한 정답 패턴이 기저장된 정답 패턴의 테스트 결과와 일치하지 않는 경우, 상기 기저장된 정답 패턴의 빈도수를 감소시키는 것을 특징으로 하는 사용자의 상황 예측 방법. And if the determined correct answer pattern does not match a test result of a previously stored correct answer pattern, reducing the frequency of the previously stored correct answer pattern. 제 5 항에 있어서, 상기 오답 패턴은The method of claim 5, wherein the incorrect pattern is 테스트 데이터베이스에서 저장되어 있는 다수의 상황정보를 개별 규칙에 적용하여 테스트 패턴을 생성하는 단계;Generating a test pattern by applying a plurality of contextual information stored in a test database to individual rules; 상기 테스트 패턴 중 테스트 결과에 일치하는 적어도 1개의 패턴 값이 존재하지 않은 경우, 상기 테스트 패턴을 오답 패턴으로 판단하는 단계;Determining that the test pattern is an incorrect pattern when at least one pattern value corresponding to a test result does not exist among the test patterns; 상기 판단한 오답 패턴이 기저장된 오답 패턴과 동일한지 비교하여, 기저장된 오답 패턴과 동일한 경우 상기 기저장된 오답 패턴의 빈도수를 증가시키는 단계; 및Comparing the determined incorrect pattern with the previously stored incorrect pattern and increasing the frequency of the stored incorrect pattern if the same with the previously stored incorrect pattern; And 상기 판단한 오답 패턴의 빈도수가 제2 임계값을 초과하는 경우, 상기 판단한 오답 패턴을 패턴 데이터베이스에 오답 패턴으로 등록하는 단계를 통해 생성되는 것을 특징으로 하는 사용자의 상황 예측 방법.And when the frequency of the determined incorrect pattern exceeds the second threshold value, registering the determined incorrect pattern as an incorrect pattern in a pattern database. 제 7 항에 있어서, 상기 예측 패턴의 결과 값을 계산하는 단계는The method of claim 7, wherein calculating a result value of the prediction pattern 상기 패턴 데이터베이스에 등록되어 있는 정답 패턴 중 상기 예측 패턴과 일치하는 정답 패턴을 검색한 경우, When a correct answer pattern that matches the prediction pattern is searched among the correct answer patterns registered in the pattern database, 상기 검색한 정답 패턴 중 상기 예측 패턴과 일치하는 정답 패턴이 다수개 존재하는지 판단하는 단계; 및Determining whether there are a plurality of correct answer patterns that match the prediction pattern among the searched correct answer patterns; And 상기 다수개의 정답 패턴이 존재하는 경우 상기 다수 개의 정답 패턴 중 예측 패턴과 동일한 패턴 값을 가장 많이 가지는 정답 패턴을 상기 예측 패턴의 정답 패턴으로 선택하는 단계;Selecting a correct answer pattern having the same pattern value as a prediction pattern among the plurality of correct answer patterns as the correct answer pattern of the prediction pattern when the plurality of correct answer patterns exist; 상기 선택한 정답 패턴의 결과 값을 상기 예측 패턴의 결과 값으로 계산하는 단계를 포함하는 것을 특징으로 하는 사용자의 상황 예측 방법.And calculating a result value of the selected correct answer pattern as a result value of the prediction pattern. 제 8 항에 있어서, 상기 예측 패턴과 일치하는 정답 패턴이 1개 존재하는 경우,The method of claim 8, wherein when there is one correct answer pattern that matches the prediction pattern, 상기 검색한 정답 패턴의 결과 값을 상기 예측 패턴의 결과 값으로 계산하는 것을 특징으로 하는 사용자의 상황 예측 방법.And calculating a result value of the searched correct answer pattern as a result value of the prediction pattern. 제 8 항에 있어서, 상기 예측 패턴의 결과 값을 계산하는 단계는 The method of claim 8, wherein calculating a result value of the prediction pattern comprises 상기 패턴 데이터베이스에 등록되어 있는 정답 패턴 중 상기 예측 패턴의 패턴값과 일치하는 정답 패턴이 검색되지 않는 경우, If a correct answer pattern that matches the pattern value of the prediction pattern is not found among the correct answer patterns registered in the pattern database, 상기 패턴 데이터베이스에 등록되어 있는 오답 패턴 중 상기 예측 패턴과 일치하는 오답 패턴을 검색하는 단계; 및Searching for an incorrect pattern matching the prediction pattern among the incorrect pattern registered in the pattern database; And 상기 검색한 오답 패턴의 결과 값을 상기 예측 패턴의 결과 값으로 계산하는 단계를 포함하는 것을 특징으로 하는 사용자의 상황 예측 방법.And calculating a result value of the searched incorrect answer pattern as a result value of the prediction pattern.
KR1020090052951A 2009-06-15 2009-06-15 Method for predicting of user situation using pattern approach in sensor network KR101066340B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090052951A KR101066340B1 (en) 2009-06-15 2009-06-15 Method for predicting of user situation using pattern approach in sensor network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090052951A KR101066340B1 (en) 2009-06-15 2009-06-15 Method for predicting of user situation using pattern approach in sensor network

Publications (2)

Publication Number Publication Date
KR20100134358A KR20100134358A (en) 2010-12-23
KR101066340B1 true KR101066340B1 (en) 2011-09-20

Family

ID=43509304

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090052951A KR101066340B1 (en) 2009-06-15 2009-06-15 Method for predicting of user situation using pattern approach in sensor network

Country Status (1)

Country Link
KR (1) KR101066340B1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090027000A (en) * 2007-09-11 2009-03-16 한국전자통신연구원 Apparatus and method of constructing user behavior pattern based on the event log generated from the context aware system environment
KR20090037065A (en) * 2007-10-11 2009-04-15 세종대학교산학협력단 Offer-scheme and markup language for personalized service in digital library

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090027000A (en) * 2007-09-11 2009-03-16 한국전자통신연구원 Apparatus and method of constructing user behavior pattern based on the event log generated from the context aware system environment
KR20090037065A (en) * 2007-10-11 2009-04-15 세종대학교산학협력단 Offer-scheme and markup language for personalized service in digital library

Also Published As

Publication number Publication date
KR20100134358A (en) 2010-12-23

Similar Documents

Publication Publication Date Title
US10572887B2 (en) Electronically capturing consumer location data for analyzing consumer behavior
Laasonen et al. Adaptive on-device location recognition
JP5762746B2 (en) Method and system for determining a geographic user profile to determine the suitability of a target content message based on the geographic user profile
Qu et al. A cost-effective recommender system for taxi drivers
KR101312927B1 (en) Advertisement providing system
US20110125678A1 (en) Generating an activity inference model from contextual data
US20120124136A1 (en) Context information sharing apparatus and method for providing intelligent service by sharing context information between one or more terminals
CN102667829A (en) Information management device, data processing method thereof, and computer program
JP2013250883A (en) Information processing device, information processing method and program
US10423610B2 (en) Exchange of information
Alvarez-Lozano et al. Learning and user adaptation in location forecasting
Praet et al. Efficient parcel delivery by predicting customers’ locations
Ciaramella et al. Using context history to personalize a resource recommender via a genetic algorithm
JP5594778B2 (en) Watching device using points, its program, watching system using points, and its method
Takeuchi et al. A user-adaptive city guide system with an unobtrusive navigation interface
KR101066340B1 (en) Method for predicting of user situation using pattern approach in sensor network
Chen Ubiquitous hotel recommendation using a fuzzy‐weighted‐average and backpropagation‐network approach
KR102278104B1 (en) System for recommending exercise
KR101052411B1 (en) How to predict your situation with pattern inference
JP6289134B2 (en) Data processing device, display device, data processing method, data processing program, and data processing system
WO2012043300A1 (en) Information provision server, information provision system, information provision method and program
Hassani et al. EDISKCO: energy efficient distributed in-sensor-network k-center clustering with outliers
Ning et al. Licensed user activity estimation and track in mobile cognitive radio ad hoc networks
Hasan et al. Survivable self-organization for prolonged lifetime in wireless sensor networks
US10536823B1 (en) Determining device quality score

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140821

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150819

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160906

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170627

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20180702

Year of fee payment: 8