KR102052068B1 - System and method for recommanding contents - Google Patents

System and method for recommanding contents Download PDF

Info

Publication number
KR102052068B1
KR102052068B1 KR1020170164496A KR20170164496A KR102052068B1 KR 102052068 B1 KR102052068 B1 KR 102052068B1 KR 1020170164496 A KR1020170164496 A KR 1020170164496A KR 20170164496 A KR20170164496 A KR 20170164496A KR 102052068 B1 KR102052068 B1 KR 102052068B1
Authority
KR
South Korea
Prior art keywords
keyword
content
tag
content recommendation
cue point
Prior art date
Application number
KR1020170164496A
Other languages
Korean (ko)
Other versions
KR20190065055A (en
Inventor
정달영
두일철
박미화
박혁주
이기주
Original Assignee
주식회사 애드업
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 주식회사 애드업 filed Critical 주식회사 애드업
Priority to KR1020170164496A priority Critical patent/KR102052068B1/en
Publication of KR20190065055A publication Critical patent/KR20190065055A/en
Application granted granted Critical
Publication of KR102052068B1 publication Critical patent/KR102052068B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 일 실시예에 따른 콘텐츠 추천 시스템은 사용자로부터 콘텐츠에 대한 큐포인트를 입력 받는 클라이언트 및 상기 큐포인트를 수신하고, 상기 큐포인트에 포함된 키워드에 따라 상기 콘텐츠에 상응하는 태그를 생성하는 콘텐츠 추천 장치를 포함한다.
The content recommendation system according to an embodiment of the present invention receives a cue point for a content input from a user and a cue point, and generates a tag corresponding to the content according to a keyword included in the cue point. It includes a recommended device.

Description

콘텐츠 추천 시스템 및 방법{SYSTEM AND METHOD FOR RECOMMANDING CONTENTS}Content Recommendation System and Methods {SYSTEM AND METHOD FOR RECOMMANDING CONTENTS}

본 발명은 콘텐츠를 추천하는 기술에 관한 것으로, 보다 상세하게는 큐포인트에 기반한 태그를 이용하여 콘텐츠를 추천하는 기술에 관한 것이다.The present invention relates to a technique for recommending content, and more particularly, to a technique for recommending content using a tag based on a cue point.

인터넷이 발달하면서 동영상 공유 사이트에서 전 세계의 동영상을 자유롭게 시청할 수 있게 되었다. 국내의 동영상 검색 서비스, 전문 포탈, 블로그 등의 시장도 전년대비 43% 이상 급격히 성장하고 있다. 동영상 시장이 급격히 성장하게 된 배경에는 개인의 동영상 제작이 큰 몫을 하였다. 과거 전문 업체에서나 가능했던 동영상 제작 및 편집이 이제는 개인의 힘으로 가능해지면서, UCC를 제작하여 인터넷에 공개하고, 그로 인한 수익을 발생시키는 시장이 형성되었다. 동영상 함께 노출되는 광고를 통해 수익이 발생하는 구조이다. 전 세계 동영상 광고 시장의 규모가 커지고 있다. 향후 동영상 광고 시장의 규모는 그림 1과 같이 점차적으로 확대될 것으로 예상하고 있다.With the development of the Internet, video-sharing sites have the freedom to watch videos from around the world. The domestic video search service, specialized portals, and blogs are also growing rapidly by more than 43% year-on-year. Personal video production played a big role in the rapid growth of the video market. Video production and editing, which was previously possible only with professional companies, is now possible with the power of individuals, creating a market where UCC is produced, published on the Internet, and the revenue generated. Revenue is generated through advertisements that are exposed together with video. The global video advertising market is growing. The video ad market is expected to expand gradually as shown in Figure 1.

동영상 시장이 커지고 유통되는 동영상이 많아짐에 따라 사람들이 보고 싶은 동영상을 찾는데 많은 시간이 걸리는 문제 발생하고 있다. 이러한 문제를 해결하기 위해서 동영상 검색을 위한 많은 연구들이 진행되었으나, 동영상 검색 기술은 텍스트 검색 기술과 비교하여 부족한 것이 현실이다. 영상기반 검색이 어렵기 때문에 동영상의 제목와 내용의 텍스트를 기준으로 검색을 수행한다. 하지만 동영상의 제목와 내용에 동영상의 대한 충분한 설명이 되어있지 않으면 검색의 결과로 포함되지 않는다. 그래서 동영상의 장면을 분석하여 내용을 텍스트 데이터로 자동 생성하는 기술이 개발되었으나, 내용의 정확성과 비용의 문제가 있다.As the video market grows and more and more videos are distributed, it takes a lot of time for people to find videos they want to watch. In order to solve this problem, many researches for video search have been conducted, but video search technology is insufficient compared with text search technology. Since image-based search is difficult, search is performed based on the title and the text of the video. However, if the title and content of the video do not contain a sufficient description of the video, it will not be included as a result of the search. Therefore, a technology for automatically generating content as text data by analyzing a scene of a video has been developed, but there are problems of accuracy and cost of the content.

본 발명에 대한 선행기술문헌으로는 공개특허공보 2006-0062967호가 있다.As a prior art document about the present invention, there is a publication 2006-0062967.

본 발명이 해결하고자 하는 과제는 사용자의 큐포인트에 따라 태그를 생성하고 콘텐츠를 추천하는 콘텐츠 추천 시스템 및 방법을 제공하는 것이다.An object of the present invention is to provide a content recommendation system and method for generating a tag and recommending content according to a cue point of a user.

본 발명의 일 측면에 따르면, 사용자로부터 콘텐츠에 대한 큐포인트를 입력 받는 클라이언트; 및 상기 큐포인트를 수신하고, 상기 큐포인트에 포함된 키워드에 따라 상기 콘텐츠에 상응하는 태그를 생성하는 콘텐츠 추천 장치;를 포함하는 콘텐츠 추천 시스템이 제공된다.According to an aspect of the invention, the client receives a cue point for the content from the user; And a content recommendation device for receiving the cue point and generating a tag corresponding to the content according to a keyword included in the cue point.

상기 클라이언트는 상기 콘텐츠에 대한 태그 노출 횟수를 산출하여 상기 콘텐츠 추천 장치로 전송하고, 상기 콘텐츠 추천 장치는 상기 태그 노출 횟수에 따라 태그 분석 정보를 생성하고, 상기 태그 분석 정보에 따라 하나 이상의 콘텐츠를 추천하는 콘텐츠 추천 정보를 생성하고, 상기 콘텐츠 추천 정보를 상기 클라이언트로 전송할 수 있다.The client calculates a number of tag exposures of the content and transmits the number of tag exposures to the content recommendation device, the content recommendation device generates tag analysis information according to the number of tag exposures, and recommends one or more pieces of content according to the tag analysis information. Generate content recommendation information, and transmit the content recommendation information to the client.

상기 콘텐츠 추천 장치는, 미리 지정된 키워드 사전을 참조하여 상기 큐포인트에 포함된 단어에 대응하는 대표 키워드를 추출하고, 상기 대표 키워드 중 키워드 출현 가중치를 기준으로 상위 미리 지정된 수의 대표 키워드를 상기 콘텐츠의 태그로 생성할 수 있다.The content recommending apparatus extracts a representative keyword corresponding to a word included in the cue point by referring to a predetermined keyword dictionary, and selects a higher predetermined number of representative keywords based on a keyword appearance weight among the representative keywords. Can be created with tags.

상기 콘텐츠 추천 장치는, 하기의 수학식에 따라 상기 키워드 출현 가중치를 산출하되,

Figure 112017120436064-pat00001
,
Figure 112017120436064-pat00002
,
Figure 112017120436064-pat00003
은 전체 큐포인트의 수이고,
Figure 112017120436064-pat00004
는 상기 키워드가 포함된 큐포인트의 수이고,
Figure 112017120436064-pat00005
는 상기 키워드가 포함된 인접한 큐포인트의 수이고,
Figure 112017120436064-pat00006
는 상기 키워드 출현 가중치이고,
Figure 112017120436064-pat00007
는 상기 키워드의 출현 빈도일 수 있다.The content recommendation apparatus calculates the keyword appearance weight according to the following equation,
Figure 112017120436064-pat00001
,
Figure 112017120436064-pat00002
,
Figure 112017120436064-pat00003
Is the total number of cue points,
Figure 112017120436064-pat00004
Is the number of cue points containing the keyword,
Figure 112017120436064-pat00005
Is the number of adjacent cuepoints containing the keyword,
Figure 112017120436064-pat00006
Is the keyword occurrence weight,
Figure 112017120436064-pat00007
May be the frequency of appearance of the keyword.

본 발명의 다른 측면에 따르면, 콘텐츠 추천 시스템이 콘텐츠를 추천하는 방법에 있어서, 클라이언트가 사용자로부터 콘텐츠에 대한 큐포인트를 입력 받는 단계; 및 콘텐츠 추천 장치가 상기 큐포인트에 포함된 키워드에 따라 상기 콘텐츠에 상응하는 태그를 생성하는 단계;를 포함하는 를 포함하는 콘텐츠 추천 방법이 제공된다.According to another aspect of the present invention, a method for recommending content by a content recommendation system, the method comprising: receiving, by a client, a cue point for content from a user; And generating, by the content recommendation apparatus, a tag corresponding to the content according to a keyword included in the cue point.

상기 콘텐츠 추천 방법은 상기 클라이언트가 상기 콘텐츠에 대한 태그 노출 횟수를 산출하여 상기 콘텐츠 추천 장치로 전송하는 단계; 및 상기 콘텐츠 추천 장치가 상기 태그 노출 횟수에 따라 태그 분석 정보를 생성하고, 상기 태그 분석 정보에 따라 하나 이상의 콘텐츠를 추천하는 콘텐츠 추천 정보를 생성하고, 상기 콘텐츠 추천 정보를 상기 클라이언트로 전송하는 단계를 더 포함할 수 있다.The content recommendation method may include: transmitting, by the client, a number of tag exposures to the content to the content recommendation device; And generating, by the content recommendation apparatus, tag analysis information according to the number of tag exposures, generating content recommendation information for recommending one or more contents according to the tag analysis information, and transmitting the content recommendation information to the client. It may further include.

상기 콘텐츠 추천 장치가 상기 큐포인트에 포함된 키워드에 따라 상기 콘텐츠에 상응하는 태그를 생성하는 단계는, 미리 지정된 키워드 사전을 참조하여 상기 큐포인트에 포함된 단어에 대응하는 대표 키워드를 추출하는 단계; 상기 대표 키워드 중 키워드 출현 가중치를 기준으로 상위 미리 지정된 수의 대표 키워드를 상기 콘텐츠의 태그로 생성하는 단계를 포함할 수 있다.The generating of the tag corresponding to the content by the content recommending apparatus according to the keyword included in the cue point may include: extracting a representative keyword corresponding to a word included in the cue point by referring to a predetermined keyword dictionary; And generating a predetermined number of representative keywords as a tag of the content based on a keyword appearance weight among the representative keywords.

상기 대표 키워드 중 키워드 출현 가중치를 기준으로 상위 미리 지정된 수의 대표 키워드를 상기 콘텐츠의 태그로 생성하는 단계는, 하기의 수학식에 따라 상기 키워드 출현 가중치를 산출하는 단계이되,

Figure 112017120436064-pat00008
,
Figure 112017120436064-pat00009
,
Figure 112017120436064-pat00010
은 전체 큐포인트의 수이고,
Figure 112017120436064-pat00011
는 상기 키워드가 포함된 큐포인트의 수이고,
Figure 112017120436064-pat00012
는 상기 키워드가 포함된 인접한 큐포인트의 수이고,
Figure 112017120436064-pat00013
는 상기 키워드 출현 가중치이고,
Figure 112017120436064-pat00014
는 상기 키워드의 출현 빈도일 수 있다.Generating the upper predetermined number of representative keywords as the tag of the content based on a keyword appearance weight among the representative keywords, calculating the keyword appearance weight according to the following equation,
Figure 112017120436064-pat00008
,
Figure 112017120436064-pat00009
,
Figure 112017120436064-pat00010
Is the total number of cue points,
Figure 112017120436064-pat00011
Is the number of cue points containing the keyword,
Figure 112017120436064-pat00012
Is the number of adjacent cuepoints containing the keyword,
Figure 112017120436064-pat00013
Is the keyword occurrence weight,
Figure 112017120436064-pat00014
May be the frequency of appearance of the keyword.

상술한 바와 같이 본 발명에 따르면, 콘텐츠의 내용에 적합한 사용자에게 콘텐츠를 추천할 수 있다.As described above, according to the present invention, the content can be recommended to a user suitable for the content.

또한, 본 발명에 따르면, 다수의 사용자가 작성한 큐포인트 기반의 태그를 통해 정확성 높은 콘텐츠의 검색을 가능하게 할 수 있다.In addition, according to the present invention, it is possible to search the content with high accuracy through a tag based on a cue point created by a plurality of users.

도 1은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템을 예시한 도면.
도 2는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 콘텐츠의 재생되는 시간에 따라 발생하는 큐포인트의 키워드를 예시한 도면.
도 3은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 분석한 키워드 간의 연관 관계를 표현한 네트워크 차트를 예시한 도면.
도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 사용자로부터 큐포인트를 입력 받는 것을 예시한 도면.
도 5는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 추천된 콘텐츠를 표시한 것을 예시한 도면.1 is a diagram illustrating a content recommendation system according to an embodiment of the present invention.
2 is a diagram illustrating a keyword of a cue point generated by a content recommendation system according to an embodiment of the present invention according to a time at which a content is played.
3 is a diagram illustrating a network chart representing an association between keywords analyzed by a content recommendation system according to an exemplary embodiment of the present invention.
4 is a diagram illustrating a content recommendation system receiving a cue point from a user according to an embodiment of the present invention.
5 is a diagram illustrating that the content recommendation system according to an embodiment of the present invention displayed the recommended content.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.The present invention may be variously modified and have various embodiments, and specific embodiments will be illustrated in the drawings and described in detail with reference to the accompanying drawings. However, this is not intended to limit the present invention to specific embodiments, it should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention.

도 1은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템을 예시한 도면이고, 도 2는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 콘텐츠의 재생되는 시간에 따라 발생하는 큐포인트의 키워드를 예시한 도면이고, 도 3은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 분석한 키워드 간의 연관 관계를 표현한 네트워크 차트를 예시한 도면이고, 도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 사용자로부터 큐포인트를 입력 받는 것을 예시한 도면이고, 도 5는 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 추천된 콘텐츠를 표시한 것을 예시한 도면이다.1 is a diagram illustrating a content recommendation system according to an embodiment of the present invention, and FIG. 2 illustrates a keyword of a cue point generated according to a time at which a content recommendation system according to an embodiment of the present invention is played. 3 is a diagram illustrating a network chart expressing an association relationship between keywords analyzed by a content recommendation system according to an embodiment of the present invention, and FIG. 4 is a content recommendation system according to an embodiment of the present invention. 5 is a diagram illustrating receiving a cue point from a user, and FIG. 5 is a diagram illustrating a content recommendation system displaying recommended content according to an embodiment of the present invention.

클라이언트를 예시한 도면이고, 도 3은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템의 콘텐츠 추천 장치를 예시한 도면이고, 도 4는 본 발명의 일 실시예에 따른 3 is a diagram illustrating a client, FIG. 3 is a diagram illustrating a content recommendation apparatus of a content recommendation system according to an embodiment of the present invention, and FIG. 4 is a diagram illustrating an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템은 클라이언트(100) 및 콘텐츠 추천 장치(150)를 포함한다.Referring to FIG. 1, a content recommendation system according to an embodiment of the present invention includes a client 100 and a content recommendation device 150.

클라이언트(100)는 콘텐츠 추천 장치로부터 제공되는 콘텐츠를 재생하고, 사용자로부터 큐포인트(cuepoint)를 입력받아 콘텐츠 추천 장치(150)로 전송한다. 이 때, 큐포인트는 사용자가 동영상을 시청하면서 자신의 의견을 입력한 텍스트를 의미한다. The client 100 reproduces the content provided from the content recommendation device, receives a cue point from the user, and transmits the content to the content recommendation device 150. In this case, the cue point refers to text in which the user inputs his or her opinion while watching a video.

구체적으로 클라이언트(100)는 동영상 재생부(105), 큐포인트 관리부(110), 태그 관리부(115), 콘텐츠 관리부(120) 및 태그 정보 제공부(125)를 포함한다.In more detail, the client 100 includes a video player 105, a cue point manager 110, a tag manager 115, a content manager 120, and a tag information provider 125.

동영상 재생부(105)는 콘텐츠 추천 장치(150)로부터 콘텐츠를 수신하여 재생한다. The video player 105 receives and plays the content from the content recommendation device 150.

큐포인트 관리부(110)는 사용자로부터 재생 중인 콘텐츠에 대한 큐포인트를 입력 받아 콘텐츠 추천 장치(150)로 전송한다. 또한, 큐포인트 관리부(110)는 콘텐츠 추천 장치(150)로부터 타 사용자가 입력한 큐포인트를 수신하여 화면 상에 표시할 수 있다. 예를 들어, 도 4와 같이 큐포인트 관리부(110)는 사용자로부터 큐포인트를 입력 받을 수 있다.The cue point management unit 110 receives a cue point for the content being played back from the user and transmits the cue point to the content recommendation device 150. In addition, the cue point manager 110 may receive a cue point input by another user from the content recommendation apparatus 150 and display the cue point on the screen. For example, as shown in FIG. 4, the cue point manager 110 may receive a cue point from a user.

태그 관리부(115)는 콘텐츠 추천 장치(150)로부터 콘텐츠에 대한 태그를 수신하여 표시하고, 재생된 콘텐츠에 대한 태그 노출 횟수를 산출하여 콘텐츠 추천 장치(150)로 전송한다.The tag manager 115 receives and displays a tag for content from the content recommendation device 150, calculates a tag exposure count for the reproduced content, and transmits the tag to the content recommendation device 150.

콘텐츠 관리부(120)는 콘텐츠 추천 장치(150)로부터 콘텐츠 추천 정보를 수신하고, 콘텐츠 추천 정보에 따른 콘텐츠를 표시한다. 예를 들어, 콘텐츠 관리부(120)는 도 5와 같이 콘텐츠 추천 정보에 따른 콘텐츠를 표시할 수 있다.The content manager 120 receives content recommendation information from the content recommendation device 150 and displays content according to the content recommendation information. For example, the content manager 120 may display content according to content recommendation information as shown in FIG. 5.

태그 정보 제공부(125)은 콘텐츠 추천 장치(150)로부터 태그 분석 정보를 수신하고, 태그 분석 정보를 표시한다.The tag information providing unit 125 receives tag analysis information from the content recommendation device 150 and displays tag analysis information.

콘텐츠 추천 장치(150)는 하나 이상의 클라이언트(100)로 콘텐츠를 제공하고, 해당 콘텐츠에 대한 큐포인트를 수신한다. 콘텐츠 추천 장치(150)는 큐포인트를 분석하여 태그를 생성하고, 해당 태그를 이용하여 클라이언트(100)의 사용자에게 적합한 콘텐츠를 추천하는 콘텐츠 추천 정보를 생성한다. The content recommendation device 150 provides content to one or more clients 100 and receives a cue point for the content. The content recommendation apparatus 150 generates a tag by analyzing a cue point, and generates content recommendation information for recommending content suitable for a user of the client 100 using the tag.

콘텐츠 추천 장치(150)는 큐포인트 분석부(155), 키워드 사전(160), 태그 생성부(165), 태그 분석부(170), 콘텐츠 추천부(175) 및 콘텐츠 제공부(180)를 포함한다.The content recommendation device 150 includes a cue point analyzer 155, a keyword dictionary 160, a tag generator 165, a tag analyzer 170, a content recommender 175, and a content provider 180. do.

큐포인트 분석부(155)는 클라이언트(100)로부터 수신한 큐포인트에서 키워드 사전(160)에 저장된 유의어를 활용하여 키워드를 추출한다. 키워드 사전(160)은 큐포인트 분석에 사용되는 유의어를 저장한다. 예를 들어, 키워드 사전(160)은 하기의 표 1과 같은 대표 키워드와 유의어를 포함할 수 있다.The cue point analyzer 155 extracts a keyword from the cue point received from the client 100 using the synonyms stored in the keyword dictionary 160. The keyword dictionary 160 stores synonyms used for cue point analysis. For example, the keyword dictionary 160 may include representative keywords and synonyms as shown in Table 1 below.

대표 키워드Representative keywords 유의어synonym 자장면Noodles 짜장면, 사천짜장, 간짜장Jjajangmyeon, Sichuan Jjajang, Ganjajang 골프경기Golf game PGA, LPGA, 골프시합PGA, LPGA, Golf Game 시장market 전통시장, 재래시장Traditional Market, Traditional Market 콜라Cola 탄산음료, 코카콜라, 팹시콜라Soda, Coca Cola

이 때, 키워드 사전(160)은 공지된 라이브러리인 R Library인 KoNLP 데이터를 기본으로 포함하고, 소셜 네트워크의 데이터를 분석하여 최근에 사용되는 줄임말과 광고주가 광고 노출을 위해 등록하는 상품명 키워드를 포함할 수 있다.In this case, the keyword dictionary 160 includes KoNLP data, which is a well-known library R Library, as a base, and may include recently used abbreviations and brand name keywords registered by the advertiser for advertisement exposure by analyzing data of a social network. Can be.

큐포인트 분석부(155)는 키워드 사전(160)에 포함된 유의어에 대응하는 대표 키워드를 해당 큐포인트에 대응하는 키워드로 추출할 수 있다.The cue point analyzer 155 may extract a representative keyword corresponding to the synonym included in the keyword dictionary 160 as a keyword corresponding to the cue point.

태그 생성부(165)는 큐포인트 분석부(155)에서 추출한 키워드에 tf-idf 알고리즘을 적용하여 태그를 생성한다. 예를 들어, 태그 생성부(165)는 근접 시간 가중치를 적용한 tf-idf 알고리즘을 이용하여 키워드에 대한 키워드 출현 가중치를 산출할 수 있다. 근접 시간 가중치는 큐포인트를 하나의 문서로 할 경우, 입력 시간을 기준으로 앞뒤 문서에 동일한 단어가 포함되어 있으면 높아지는 수치일 수 있다. 즉, 도 2와 같이 동영상의 플레이시간에 대한 큐포인트별 키워드가 존재한다고 가정하면, 키워드 A의 경우, 연속한 큐포인트에 중복하여 존재하기 때문에 키워드 A에 대한 근접 시간 가중치는 키워드 B, 키워드 C의 근접 시간 가중치에 비해 높을 수 있다. 태그 생성부(165)는 키워드에 대한 역출현 빈도를 하기의 수학식 1에 따라 산출할 수 있다.The tag generator 165 generates a tag by applying the tf-idf algorithm to the keyword extracted by the cue point analyzer 155. For example, the tag generator 165 may calculate keyword appearance weights for keywords using the tf-idf algorithm to which the proximity time weight is applied. Proximity time weights may be higher when the cue point is one document and the same word is included in the front and rear documents based on the input time. That is, assuming that there is a keyword for each cue point for the play time of a video as shown in FIG. It may be higher than the proximity time weights of. The tag generation unit 165 may calculate the inverse occurrence frequency for the keyword according to Equation 1 below.

[수학식 1][Equation 1]

Figure 112017120436064-pat00015
Figure 112017120436064-pat00015

이 때,

Figure 112019083725638-pat00016
는 키워드 t에 대한 역출현 빈도이고,
Figure 112019083725638-pat00017
은 전체 큐포인트의 수이고,
Figure 112019083725638-pat00018
는 키워드 t가 포함된 큐포인트의 수이고,
Figure 112019083725638-pat00019
는 기준시간에 대해 인접한, 앞뒤 큐포인트에서 동일한 키워드t가 포함되는 빈도수에 의한 근접시간 가중치이다.At this time,
Figure 112019083725638-pat00016
Is the inverse frequency for keyword t,
Figure 112019083725638-pat00017
Is the total number of cue points,
Figure 112019083725638-pat00018
Is the number of cuepoints containing the keyword t,
Figure 112019083725638-pat00019
Is the proximity time weight by the frequency at which the same keyword t is included in the adjacent, front and back cue points for the reference time.

태그 생성부(165)는 하기의 수학식 2에 따라 키워드에 대한 키워드 출현 가중치를 산출할 수 있다.The tag generator 165 may calculate keyword appearance weights for keywords according to Equation 2 below.

[수학식 2][Equation 2]

Figure 112017120436064-pat00020
Figure 112017120436064-pat00020

이 때,

Figure 112017120436064-pat00021
는 키워드 출현 가중치이고,
Figure 112017120436064-pat00022
는 키워드 t의 출현 빈도이다.At this time,
Figure 112017120436064-pat00021
Is the keyword appearance weight,
Figure 112017120436064-pat00022
Is the frequency of occurrence of the keyword t.

태그 생성부(165)는 키워드 출현 가중치를 기준으로 상위 미리 지정된 순위의 키워드를 콘텐츠의 태그로 생성할 수 있다.The tag generator 165 may generate a keyword having a higher predetermined rank as a tag of content based on the keyword appearance weight.

태그 분석부(170)는 클라이언트(100)의 태그 관리부(115)로부터 수신한 태그 노출 횟수를 분석하여 태그 분석 정보를 콘텐츠 추천부(175)로 전송한다. 이 때, 태그 분석 정보는 사용자별 지정된 수치 이상의 횟수로 노출되는 태그(이하, 주요 노출 태그)의 정보와 해당 태그와 큐포인트 간의 연관성을 포함한다. 태그 분석부(170)는 사용자의 태그 노출 횟수와 태그 생성 과정에서 저장된 큐포인트 및 큐포인트가 저장된 시간을 이용하여 연관 규칙 분석을 수행할 수 있다. 이 때, 연관 규칙 분석은 공지된 Apriori 알고리즘을 활용하여 광고 제품의 주요 키워드와 다른 키워드간의 지지도와 신뢰도를 판단하고, 향상도를 기준으로 상위에 노출된 키워드를 선정하여, 키워드간의 관계를 산출하는 과정일 수 있다. 이 때, 키워드 간의 관계는 도 3과 같이 네트워크 차트를 통해 표현될 수 있다.The tag analyzer 170 analyzes the number of tag exposures received from the tag manager 115 of the client 100 and transmits the tag analysis information to the content recommender 175. In this case, the tag analysis information includes information of a tag (hereinafter, referred to as a main exposure tag) that is exposed more than a specified number of times per user and an association between the tag and the cue point. The tag analyzer 170 may perform an association rule analysis by using the number of tag exposures of the user and the stored cue points and the time at which the cue points are stored in the tag generation process. At this time, the association rule analysis uses a known Apriori algorithm to determine the support and reliability between the main keywords of the advertising product and other keywords, and selects the keywords exposed at the top based on the degree of improvement, and calculates the relationship between the keywords. It can be a process. At this time, the relationship between the keywords may be expressed through a network chart as shown in FIG.

콘텐츠 추천부(175)는 태그 분석 정보를 참조하여 사용자에게 제공할 콘텐츠(예를 들어, 유사 동영상, 광고 등)를 나타내는 콘텐츠 추천 정보를 클라이언트(100)로 전송한다. 예를 들어, 콘텐츠 추천부(175)는 태그 분석 정보를 참조하여 주요 노출 태그에 대응하는 콘텐츠 중 타 사용자가 많이 접근한 콘텐츠 및 주요 노출 태그에 대응하는 콘텐츠(광고) 중 우선순위가 높은 콘텐츠를 추천하는 콘텐츠 추천 정보를 생성할 수 있다. 콘텐츠 추천부(175)는 콘텐츠 추천 정보를 클라이언트(100)로 전송한다. The content recommendation unit 175 transmits the content recommendation information indicating the content (eg, a similar video, an advertisement, etc.) to be provided to the user with reference to the tag analysis information to the client 100. For example, the content recommendation unit 175 may refer to the tag analysis information and select a content having a high priority among contents corresponding to the main impression tag and contents (advertisement) corresponding to the main impression tag among others. The recommended content recommendation information may be generated. The content recommendation unit 175 transmits content recommendation information to the client 100.

콘텐츠 제공부(180)는 클라이언트(100)로 등록된 콘텐츠를 제공한다.The content provider 180 provides the content registered to the client 100.

도 6은 본 발명의 일 실시예에 따른 콘텐츠 추천 시스템이 콘텐츠를 추천하는 과정을 예시한 흐름도이다.6 is a flowchart illustrating a process of recommending content by the content recommendation system according to an exemplary embodiment of the present invention.

도 6을 참조하면, 단계 610에서 클라이언트는 콘텐츠의 등록을 요청하는 콘텐츠 등록 요청을 콘텐츠 추천 장치(150)로 전송한다.Referring to FIG. 6, in step 610, the client transmits a content registration request to the content recommendation device 150 requesting the registration of content.

단계 620에서 콘텐츠 추천 장치(150)는 콘텐츠 등록 요청에 따른 콘텐츠를 등록한다.In operation 620, the content recommendation apparatus 150 registers content according to a content registration request.

단계 630에서 콘텐츠 추천 장치(150)는 콘텐츠를 클라이언트(100)로 전송한다. 이 때, 클라이언트(100)는 콘텐츠 추천 장치(150)로 특정 콘텐츠에 대한 요청을 전송하고, 콘텐츠 추천 장치(150)는 해당 요청에 따라 콘텐츠를 클라이언트(100)로 전송할 수 있다.In operation 630, the content recommendation apparatus 150 transmits the content to the client 100. In this case, the client 100 may transmit a request for specific content to the content recommendation apparatus 150, and the content recommendation apparatus 150 may transmit the content to the client 100 according to the request.

단계 640에서 클라이언트(100)는 사용자가 큐포인트를 입력하는 경우, 큐포인트를 콘텐츠 추천 장치(150)로 전송한다.In operation 640, when the user inputs a cue point, the client 100 transmits the cue point to the content recommendation device 150.

단계 650에서 콘텐츠 추천 장치(150)는 큐포인트를 참조하여 콘텐츠에 대한 태그를 생성한다. In operation 650, the content recommendation apparatus 150 generates a tag for the content with reference to the cue point.

단계 660에서 콘텐츠 추천 장치(150)는 각 클라이언트(100)로부터 태그 노출 횟수를 수신하여 저장한다.In operation 660, the content recommendation apparatus 150 receives and stores a number of tag exposures from each client 100.

단계 670에서 콘텐츠 추천 장치(150)는 태그 노출 횟수에 따라 태그 분석 정보를 생성한다.In operation 670, the content recommendation apparatus 150 generates tag analysis information according to the number of tag exposures.

단계 680에서 콘텐츠 추천 장치(150)는 태그 분석 정보를 참조하여 콘텐츠 추천 정보를 생성하고, 콘텐츠 추천 정보 및 태그 분석 정보 중 하나 이상을 클라이언트(100)로 전송한다. 이후, 클라이언트(100)는 태그 분석 정보를 표시하거나, 콘텐츠 추천 정보에 따라 콘텐츠를 콘텐츠 추천 장치로부터 수신하여 표시할 수 있다.In operation 680, the content recommendation apparatus 150 generates the content recommendation information with reference to the tag analysis information, and transmits one or more of the content recommendation information and the tag analysis information to the client 100. Thereafter, the client 100 may display the tag analysis information or receive and display the content from the content recommendation device according to the content recommendation information.

이제까지 본 발명에 대하여 그 실시 예를 중심으로 살펴보았다. 전술한 실시 예 외의 많은 실시 예들이 본 발명의 특허청구범위 내에 존재한다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예는 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.So far I looked at the center of the embodiment for the present invention. Many embodiments other than the above-described embodiments are within the claims of the present invention. Those skilled in the art will appreciate that the present invention can be implemented in a modified form without departing from the essential features of the present invention. Therefore, the disclosed embodiments should be considered in descriptive sense only and not for purposes of limitation. The scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the scope will be construed as being included in the present invention.

Claims (8)

삭제delete 삭제delete 사용자로부터 콘텐츠에 대한 큐포인트를 입력 받는 클라이언트; 및
상기 큐포인트를 수신하고, 상기 큐포인트에 포함된 키워드에 따라 상기 콘텐츠에 상응하는 태그를 생성하는 콘텐츠 추천 장치; 를 포함하되,
상기 콘텐츠 추천 장치는,
미리 지정된 키워드 사전을 참조하여 상기 큐포인트에 포함된 단어에 대응하는 대표 키워드를 추출하고,
상기 대표 키워드 중 키워드 출현 가중치를 기준으로 상위 미리 지정된 수의 대표 키워드를 상기 콘텐츠의 태그로 생성하는 것을 특징으로 하는 콘텐츠 추천 시스템.
A client receiving a cue point for content from a user; And
A content recommendation device receiving the cue point and generating a tag corresponding to the content according to a keyword included in the cue point; Including,
The content recommendation device,
A representative keyword corresponding to a word included in the cue point is extracted by referring to a predetermined keyword dictionary;
And generating a predetermined number of representative keywords as a tag of the content based on a keyword appearance weight among the representative keywords.
제3 항에 있어서,
상기 콘텐츠 추천 장치는,
하기의 수학식에 따라 상기 키워드 출현 가중치를 산출하되,
Figure 112019083725638-pat00023
,
Figure 112019083725638-pat00024

Figure 112019083725638-pat00025
은 전체 큐포인트의 수이고,
Figure 112019083725638-pat00026
는 상기 키워드가 포함된 큐포인트의 수이고,
Figure 112019083725638-pat00027
는 기준시간에 대해 인접한, 앞뒤 큐포인트에서 동일한 키워드t가 포함되는 빈도수에 의한 근접시간 가중치이며, 상기 키워드가 포함된 인접한 큐포인트의 수이고,
Figure 112019083725638-pat00028
는 상기 키워드 출현 가중치이고,
Figure 112019083725638-pat00029
는 상기 키워드의 출현 빈도인 것을 특징으로 하는 콘텐츠 추천 시스템.
The method of claim 3, wherein
The content recommendation device,
The keyword appearance weight is calculated according to the following equation,
Figure 112019083725638-pat00023
,
Figure 112019083725638-pat00024

Figure 112019083725638-pat00025
Is the total number of cue points,
Figure 112019083725638-pat00026
Is the number of cue points containing the keyword,
Figure 112019083725638-pat00027
Is the proximity time weight by the frequency of including the same keyword t in the adjacent, front and rear cue points for the reference time, and the number of adjacent cue points in which the keyword is included,
Figure 112019083725638-pat00028
Is the keyword occurrence weight,
Figure 112019083725638-pat00029
Is the frequency of appearance of the keyword.
삭제delete 삭제delete 콘텐츠 추천 시스템이 콘텐츠를 추천하는 방법에 있어서,
클라이언트가 사용자로부터 콘텐츠에 대한 큐포인트를 입력 받는 단계; 및
콘텐츠 추천 장치가 상기 큐포인트에 포함된 키워드에 따라 상기 콘텐츠에 상응하는 태그를 생성하는 단계;
를 포함하되,
상기 콘텐츠 추천 장치가 상기 큐포인트에 포함된 키워드에 따라 상기 콘텐츠에 상응하는 태그를 생성하는 단계는,
미리 지정된 키워드 사전을 참조하여 상기 큐포인트에 포함된 단어에 대응하는 대표 키워드를 추출하는 단계;
상기 대표 키워드 중 키워드 출현 가중치를 기준으로 상위 미리 지정된 수의 대표 키워드를 상기 콘텐츠의 태그로 생성하는 단계
를 포함하는 것을 특징으로 하는 콘텐츠 추천 방법.
In the way that the content recommendation system recommends content,
Receiving, by the client, a cue point for the content from the user; And
Generating, by the content recommendation apparatus, a tag corresponding to the content according to a keyword included in the cue point;
Including,
Generating the tag corresponding to the content according to the keyword included in the cue point, the content recommendation device,
Extracting a representative keyword corresponding to a word included in the cue point by referring to a predetermined keyword dictionary;
Generating an upper predetermined number of representative keywords as tags of the content based on a keyword appearance weight among the representative keywords;
Content recommendation method comprising a.
제7 항에 있어서,
상기 대표 키워드 중 키워드 출현 가중치를 기준으로 상위 미리 지정된 수의 대표 키워드를 상기 콘텐츠의 태그로 생성하는 단계는,
하기의 수학식에 따라 상기 키워드 출현 가중치를 산출하는 단계이되,
Figure 112019083725638-pat00030
,
Figure 112019083725638-pat00031

N은 전체 큐포인트의 수이고,
Figure 112019083725638-pat00033
는 상기 키워드가 포함된 큐포인트의 수이고,
Figure 112019083725638-pat00034
는 기준시간에 대해 인접한, 앞뒤 큐포인트에서 동일한 키워드t가 포함되는 빈도수에 의한 근접시간 가중치이며,
Figure 112019083725638-pat00035
는 상기 키워드 출현 가중치이고,
Figure 112019083725638-pat00036
는 상기 키워드의 출현 빈도인 것을 특징으로 하는 콘텐츠 추천 방법.The method of claim 7, wherein
Generating a predetermined number of representative keywords in the content tag based on a keyword appearance weight among the representative keywords,
Computing the keyword appearance weight according to the following equation,
Figure 112019083725638-pat00030
,
Figure 112019083725638-pat00031

N is the total number of cue points,
Figure 112019083725638-pat00033
Is the number of cue points containing the keyword,
Figure 112019083725638-pat00034
Is the proximity time weight by the frequency of including the same keyword t in adjacent, front and back cuepoints relative to the reference time,
Figure 112019083725638-pat00035
Is the keyword occurrence weight,
Figure 112019083725638-pat00036
The content recommendation method characterized in that the frequency of appearance of the keyword.
KR1020170164496A 2017-12-01 2017-12-01 System and method for recommanding contents KR102052068B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170164496A KR102052068B1 (en) 2017-12-01 2017-12-01 System and method for recommanding contents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170164496A KR102052068B1 (en) 2017-12-01 2017-12-01 System and method for recommanding contents

Publications (2)

Publication Number Publication Date
KR20190065055A KR20190065055A (en) 2019-06-11
KR102052068B1 true KR102052068B1 (en) 2019-12-05

Family

ID=66846977

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170164496A KR102052068B1 (en) 2017-12-01 2017-12-01 System and method for recommanding contents

Country Status (1)

Country Link
KR (1) KR102052068B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102449572B1 (en) * 2020-11-23 2022-09-30 (주)아이브릭스 The keywords extraction method for unstructured data using property dictionary of goods

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014178219A1 (en) * 2013-04-30 2014-11-06 ソニー株式会社 Information processing device and information processing method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100928042B1 (en) * 2007-08-29 2009-11-24 박대령 Method and device for providing customized content using metadata tag

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014178219A1 (en) * 2013-04-30 2014-11-06 ソニー株式会社 Information processing device and information processing method

Also Published As

Publication number Publication date
KR20190065055A (en) 2019-06-11

Similar Documents

Publication Publication Date Title
JP6606275B2 (en) Computer-implemented method and apparatus for push distributing information
US8315423B1 (en) Providing information in an image-based information retrieval system
JP5593352B2 (en) Information providing apparatus, information providing method, and information providing program
AU2008343242B2 (en) Video quality measures
KR102073352B1 (en) Automated click type selection for content performance optimization
US9043828B1 (en) Placing sponsored-content based on images in video content
US20080294625A1 (en) Item recommendation system
US20110258149A1 (en) Ranking search results using click-based data
US8346604B2 (en) Facilitating bidding on images
US20170213248A1 (en) Placing sponsored-content associated with an image
JP7134662B2 (en) Information delivery system and information delivery method
US20140344070A1 (en) Context-aware video platform systems and methods
KR100987058B1 (en) Method and system for providing advertising service using the keywords of internet contents and program recording medium
KR102052068B1 (en) System and method for recommanding contents
CA2892441C (en) Targeting objects to users based on queries in an online system
WO2016125166A1 (en) Systems and methods for analyzing video and making recommendations
US20150348098A1 (en) Identifying A Product Placement Opportunity Within A Screenplay
JP2010026779A (en) Advertising delivery apparatus, system, and method
JP6505200B2 (en) Automated click type selection for content performance optimization
NL2014112A (en) Method and computer system for generating a database of movie metadata relating to a plurality of movies, and in-stream video advertising using the database.
JP5879329B2 (en) Posting information management device, posting information management method, posting information management program
US20230351442A1 (en) System and method for determining a targeted creative from multi-dimensional testing
Jing et al. Placing Sponsored-Content Associated With An Image
KR101021655B1 (en) Time Delaying Keyword Advertisement Contents Provding Method
JP2017162006A (en) Distribution device, distribution method and distribution program

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)