KR102429788B1 - Curation method for recommending contents using item-responsive object - Google Patents

Curation method for recommending contents using item-responsive object Download PDF

Info

Publication number
KR102429788B1
KR102429788B1 KR1020220072599A KR20220072599A KR102429788B1 KR 102429788 B1 KR102429788 B1 KR 102429788B1 KR 1020220072599 A KR1020220072599 A KR 1020220072599A KR 20220072599 A KR20220072599 A KR 20220072599A KR 102429788 B1 KR102429788 B1 KR 102429788B1
Authority
KR
South Korea
Prior art keywords
user
item
information
items
vector
Prior art date
Application number
KR1020220072599A
Other languages
Korean (ko)
Inventor
김세진
Original Assignee
토이푸딩 주식회사
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 토이푸딩 주식회사 filed Critical 토이푸딩 주식회사
Priority to KR1020220072599A priority Critical patent/KR102429788B1/en
Application granted granted Critical
Publication of KR102429788B1 publication Critical patent/KR102429788B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25883—Management of end-user data being end-user demographical data, e.g. age, family status or address
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms

Abstract

A system for implementing a content-recommending curation method using an item-responsive object according to the present invention, which is a curation system that recommends an item, which is video content including short clip videos, to a target user, comprises: an information vector generation unit for generating a multi-dimensional object-based user information vector representing user characteristics for each of m (m is a natural number equal to or greater than 2) users; a similarity calculation unit for calculating a similarity between a target vector, which is a user information vector of the target user, among m user information vectors and control group vectors, which are the remaining m-1 user information vectors; a selection unit for selecting a user information vector having a similarity with the target vector within a reference value among the control group vectors; a grouping processing unit for classifying a similar user group of the target user using the selected user information vector; and a main processing unit for generating an item recommendation pool for the target user by using items to which each user belonging to the similar user group has reacted. A content-recommending curation system optimized for short-clip content can be implemented.

Description

아이템반응객체를 이용한 컨텐츠 추천 큐레이션 방법{CURATION METHOD FOR RECOMMENDING CONTENTS USING ITEM-RESPONSIVE OBJECT}Content recommendation curation method using item response object {CURATION METHOD FOR RECOMMENDING CONTENTS USING ITEM-RESPONSIVE OBJECT}

본 발명은 사용자에게 숏클립 영상을 포함하는 동영상 컨텐츠인 아이템을 추천하는 큐레이션 방법에 관한 것으로서, 더욱 구체적으로는 아이템에 반응하는 사용자 자신의 패턴이나 경향성 그리고 사용자의 개인 특성을 표상하는 사용자 정보 등을 이용하여 다차원 기반의 유저정보벡터를 생성하고 이들 유저정보벡터 사이의 상호 유사도 상관관계를 적용하는 프로세싱을 통하여 사용자 개인마다 특화된 최적화된 아이템추천풀(POOL)을 결정하고 제공할 수 있는 아이템반응객체를 이용한 컨텐츠 추천 큐레이션 방법에 관한 것이다.The present invention relates to a curation method for recommending an item, which is video content including a short clip image, to a user. An item response object that can determine and provide an optimized item recommendation pool (POOL) specialized for each individual user through processing that generates multidimensional user information vectors using It relates to a content recommendation curation method using

정보기술에 대한 하드웨어 및 소프트웨어의 비약적인 발전과 라이프 스타일의 급격한 사회적 변화 등에 기인하여, 모바일 단말이나 PC와 같이 개인화된 단말을 이용하여 동영상 기반의 컨텐츠를 소비하는 방법이 급속도로 확대되고 있다.Due to the rapid development of hardware and software for information technology and rapid social change in lifestyles, the method of consuming video-based content using a personalized terminal such as a mobile terminal or a PC is rapidly expanding.

특히 최근에는 상대적으로 짧은 길이의 영상 컨텐츠인 숏클립 컨텐츠(short clip contents)에 대한 니즈가 폭발적으로 증가하고 있고 유저 등에 의하여 제작된 방대한 양의 숏클립 컨텐츠가 서비스 플랫폼을 통하여 업로드되고 소비되고 있다.In particular, recently, the need for short clip contents, which are relatively short video contents, is increasing explosively, and a vast amount of short clip contents produced by users are uploaded and consumed through a service platform.

이러한 숏클립 컨텐츠의 특성을 살펴보면 다음과 같다. 우선, 숏클립 컨텐츠는 영화, 드라마 등과 같은 전통적인 영상 컨텐츠와 대비하여 영상 길이가 상당히 짧으므로 제작 생산성은 상대적으로 매우 높음에 반해 그 수명은 반대로 현저히 짧아, 제작된 컨텐츠에 비해 사용자에게 실제 노출되고 소비되는 컨텐츠의 비율이 현저히 낮다는 특성을 가진다.The characteristics of these short clip contents are as follows. First of all, short clip content has a considerably shorter video length compared to traditional video content such as movies and dramas, so production productivity is relatively high, but its lifespan is remarkably short. It has a characteristic that the ratio of contents to be used is remarkably low.

또한, 숏클립 컨텐츠의 경우, 해당 영상을 소비(시청/반응)하는 시간이 수초~수분 정도에 지나지 않고 그 개수가 방대하며 나아가 카테고리별로 업로드되는 영상(숏클립 컨텐츠)도 빠르게 변화할 수 있어 사용자의 성향, 선호도 등의 트렌드가 전통적 영상 플랫폼에 비해 더욱 동적으로 급격하게 변화될 수 있다.In addition, in the case of short clip contents, the time required to consume (view/react) the corresponding video is only a few seconds to a few minutes, the number is vast, and furthermore, the videos uploaded by category (short clip contents) can change quickly, so users Trends such as tendencies and preferences can be changed more dynamically and rapidly compared to traditional video platforms.

나아가, 숏클립 영상 플랫폼의 UI/UX의 경우 유튜브 또는 넷플릭스와는 달리 실시간 실행되는 영상들을 제공하도록 구성된다. Furthermore, the UI/UX of the short clip video platform is configured to provide videos that are executed in real time, unlike YouTube or Netflix.

즉, 숏클립 영상 플랫폼의 UI/UX는 최초 화면에서부터 영상을 재생하므로 소개 자료가 수록된 리스트 또는 이에 준하는 정보를 이용하여 영상을 선택하는 유튜브 또는 넷플릭스와는 달리, 영상 선택 권한 내지 기회가 사용자에게 직접적으로 제공되지 않는다.In other words, the UI/UX of the short clip video platform plays the video from the first screen, so unlike YouTube or Netflix, which selects video using a list containing introductory materials or equivalent information, the video selection right or opportunity is directly provided to the user. is not provided as

이와 같이 영상의 선택이 사용자에게 의하여 직접적으로 이루어지지 않으므로 사용자의 관심도를 벗어나는 영상이 실행되어 사용자에게 일방향으로 제공되는 경우 사용자 지향성을 충족하지 못함은 물론, 결과론적으로 숏클립 영상 플랫폼 서비스의 약화를 야기시키게 된다. As such, the selection of the image is not made directly by the user, so when an image that is out of the user's interest is executed and provided to the user in one direction, the user orientation is not satisfied, and as a result, the short clip image platform service is weakened. will cause

이러한 점에서 숏클립 영상 플랫폼 서비스에서는 영상 추천에 대한 알고리즘이 더욱 중요하다고 할 수 있다. 그러나 기존 숏클립 영상 플랫폼 서비스의 경우 이러한 숏클립 영상 서비스만의 본질적인 특성에 대한 깊은 이해 없이 범용적으로 적용되는 일반적인 컨텐츠 추천 방식이 그대로 적용되고 있다.In this respect, it can be said that the algorithm for video recommendation is more important in the short clip video platform service. However, in the case of the existing short clip video platform service, a general content recommendation method that is universally applied without a deep understanding of the essential characteristics of the short clip video service is applied as it is.

종래 추천 방식들은 사용자 자신이 시청하거나 반응한 컨텐츠를 기반으로 이와 유사성을 가지는 컨텐츠가 추천되도록 설계되거나 또는 나이, 성별 등과 같은 사용자 개인 특성 정보만을 단편적으로 적용하여 이에 해당하는 컨텐츠가 추천되는 방식이 주로 적용되므로 특정 범주에 해당하는 컨텐츠의 노출이 급격히 증가하거나 또는 이와 반대로 사용자가 시청하지 않는 카테고리에 해당하는 컨텐츠 소비는 급격히 감소하는 심각한 편중 내지 쏠림 현상이 발생할 수 있다.Conventional recommendation methods are mainly designed to recommend content having a similarity to the content based on the content viewed or reacted by the user, or to recommend content corresponding to the user's personal characteristic information such as age and gender in a piecemeal manner. Since it is applied, a serious bias or concentration phenomenon may occur in which the exposure of content corresponding to a specific category is rapidly increased or, conversely, consumption of content corresponding to a category that the user does not watch is sharply decreased.

나아가 종래 방식의 경우, 단순히 해당 컨텐츠가 속한 클래스(class), 카테고리(category) 또는 이에 준하는 정보 등을 기반으로 사용자의 성향을 반영하고 그 성향에 따른 컨텐츠가 제공되므로 사용자의 성향, 선호도 등의 트렌드가 동적으로 급변하는 숏클립 컨텐츠 환경에 최적화될 수 없다는 본질적인 한계가 있다.Furthermore, in the case of the conventional method, the user's tendency is reflected simply based on the class, category, or equivalent information to which the corresponding content belongs, and the content is provided according to the tendency, so the trend of the user's tendency and preference There is an intrinsic limitation in that it cannot be optimized for the dynamic and rapidly changing short clip content environment.

본 발명은 상기와 같은 배경에서 상술된 문제점을 해결하기 위하여 창안된 것으로서, 실시간 갱신되는 정보로서 아이템에 대한 사용자 반응정보, 전체 카테고리 대비 특정 카테고리의 아이템에 대한 사용자 반응정보가 가지는 비율 및 사용자의 개인적 특성정보 등이 유기적으로 결합된 다차원 기반의 유저정보벡터를 생성하고, 이 유저정보벡터를 기반으로 유사도 판단 프로세싱 및 그룹핑(grouping) 프로세싱 등을 후속적으로 적용함으로써 동적으로 변화될 수 있는 사용자 자신 그리고 유사 집단의 경향성 모두가 입체적으로 그리고 실시간 반영되는 아이템추천풀(Recommended Item POOL)을 생성함으로써 숏클립 컨텐츠 환경에 최적화될 수 있는 아이템반응객체를 이용한 컨텐츠 추천 큐레이션 방법을 제공하는데 그 목적이 있다.The present invention has been devised to solve the above-mentioned problems in the background as described above, and as information that is updated in real time, user reaction information for an item, a ratio of user reaction information to an item of a specific category compared to the entire category, and the user's personal information A user who can be dynamically changed by creating a multidimensional based user information vector in which characteristic information is organically combined, and subsequently applying similarity determination processing and grouping processing, etc. based on the user information vector; and An object of the present invention is to provide a content recommendation curation method using an item response object that can be optimized for a short clip content environment by creating a recommended item pool in which all tendencies of similar groups are reflected three-dimensionally and in real time.

본 발명의 다른 목적 및 장점들은 아래의 설명에 의하여 이해될 수 있으며, 본 발명의 실시예에 의하여 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타난 구성과 그 구성의 조합에 의하여 실현될 수 있다.Other objects and advantages of the present invention may be understood by the following description, and will be more clearly understood by the embodiments of the present invention. In addition, the objects and advantages of the present invention can be realized by the configuration shown in the claims and the combination of the configuration.

상기 목적을 달성하기 위한 본 발명의 아이템반응객체를 이용한 컨텐츠 추천 큐레이션 방법을 구현하는 시스템은 숏클립 영상을 포함하는 동영상 컨텐츠인 아이템을 대상유저에게 추천하는 큐레이션 시스템으로서, 사용자의 특성을 표상하는 다차원 객체 기반의 유저정보벡터를 m(m은 2이상의 자연수)명의 사용자 각각마다 생성하는 정보벡터생성부; m개의 유저정보벡터 중 상기 대상유저의 유저정보벡터인 대상벡터와 나머지 m-1개 유저정보벡터인 대비군벡터 각각의 유사도를 연산하는 유사도연산부; 상기 대비군벡터 중 상기 대상벡터와 기준 값 이내 유사성을 가지는 유저정보벡터를 선별하는 선별부; 상기 선별된 유저정보벡터를 이용하여 상기 대상유저의 유사사용자그룹을 분류하는 그룹핑처리부; 및 상기 유사사용자그룹에 속한 각 사용자가 반응한 아이템을 이용하여 상기 대상유저에 대한 아이템추천풀을 생성하는 메인처리부를 포함하여 구성될 수 있다.A system for implementing a content recommendation curation method using an item response object of the present invention for achieving the above object is a curation system that recommends an item, which is a moving image content including a short clip image, to a target user, and represents the characteristics of the user. an information vector generator that generates a multidimensional object-based user information vector for each m (m is a natural number greater than or equal to 2) users; a similarity calculating unit that calculates a degree of similarity between a target vector, which is a user information vector of the target user, and a contrast group vector, which is the remaining m-1 user information vectors, among the m user information vectors; a selection unit for selecting a user information vector having similarity to the target vector within a reference value from among the comparison group vectors; a grouping processing unit for classifying a similar user group of the target user using the selected user information vector; and a main processing unit for generating an item recommendation pool for the target user by using the item that each user belonging to the similar user group has responded to.

여기에서, 본 발명의 상기 유저정보벡터는 상기 아이템에 대한 사용자의 반응정보를 인덱스로 표상하는 아이템반응객체, 전체 카테고리의 아이템에 대한 사용자의 반응정보를 기준으로 특정 카테고리의 아이템에 대한 사용자의 반응정보가 가지는 비율을 각 카테고리마다 인덱스로 표상하는 상대비중치객체와, 나이, 성별, 직업군, 아이템 노출시간 중 하나 이상을 포함하는 개인정보객체를 포함하는 다차원 객체로 이루어질 수 있다.Here, the user information vector of the present invention is an item response object representing the user's response information to the item as an index, and the user's response to a specific category of items based on the user's response information to all categories of items. It may consist of a multidimensional object including a relative weight object representing the ratio of information as an index for each category, and a personal information object including at least one of age, gender, occupation group, and item exposure time.

또한, 상기 사용자의 반응정보는 해당 아이템의 시청(view)여부, 기호(like) 입력 여부, 코멘트 입력 여부, 타사용자 추천여부 중 하나 이상을 포함할 수 있다.In addition, the user's reaction information may include at least one of whether the item is viewed, whether a preference is input, whether a comment is input, and whether other users are recommended.

구체적으로 본 발명의 상기 정보벡터생성부는 아래 수식에 의하여 연산되는 rv, rL, rc 중 k(k는 1이상의 자연수)개가 포함되는 상기 아이템반응객체를 생성하는 반응객체생성부를 포함할 수 있다.Specifically, the information vector generation unit of the present invention may include a response object generation unit that generates the item response object including k (k is a natural number greater than or equal to 1) among r v , r L , r c calculated by the following equation. have.

Figure 112022062286495-pat00001
Figure 112022062286495-pat00001

상기 수식에서 rv는 전체 반응(S) 대비 시청한 아이템의 비율, rL는 전체 반응 대비 기호(like)를 입력한 아이템의 비율, rc는 전체 반응 대비 코멘트를 입력한 아이템의 비율, V는 사용자가 시청한 아이템의 개수, L은 사용자가 기호(like)를 입력한 아이템의 개수, C는 사용자가 코멘트를 입력한 아이템의 개수이다.In the above formula, r v is the ratio of the items viewed to the total reaction (S), r L is the ratio of the items inputted with a like to the total reaction, r c is the ratio of the items inputted with comments to the total reaction, V is the number of items viewed by the user, L is the number of items for which the user inputs a like, and C is the number of items for which the user inputs a comment.

나아가 본 발명의 상기 정보벡터생성부는 아래 수식에 의하여 연산되는 C1 내지 Cn(여기서 n은 2이상의 자연수)으로 이루어지는 상기 상대비중치객체를 생성하는 비중치객체생성부를 더 포함할 수 있다.Furthermore, the information vector generator of the present invention may further include a non-weight object generator for generating the relative weight object composed of C 1 to C n (where n is a natural number greater than or equal to 2) calculated by the following equation.

Figure 112022062286495-pat00002
Figure 112022062286495-pat00002

상기 수식에서 ci는 i번째 카테고리에 대한 상대비중치객체, cvi, cli, cci 각각은 i번째 카테고리에 해당하는 아이템 중 사용자가 시청한 아이템의 개수, 사용자가 기호를 입력한 아이템의 개수, 사용자가 코멘트를 입력한 아이템의 개수이다.In the above formula, c i is a relative weight object for the i-th category, cv i , cl i , and cc i are the number of items viewed by the user among the items corresponding to the i-th category, Count, the number of items for which the user has entered a comment.

바람직하게, 본 발명의 상기 정보벡터생성부는 나이, 성별, 직업군, 아이템 노출시간 중 s(s는 1이상의 자연수)개를 정량화하여 상기 개인정보객체를 생성하는 개별객체생성부; 및 상기 반응객체생성부에서 생성되는 k개의 아이템반응객체, 상기 비중치객체생성부에서 생성되는 n개의 상대비중치객체 및 상기 개별객체생성부에서 생성되는 s개의 개인정보객체를 이용하여 k+n+s 차원을 가지는 상기 유저정보벡터를 생성하는 벡터생성부를 더 포함할 수 있다.Preferably, the information vector generation unit of the present invention comprises: an individual object generation unit generating the personal information object by quantifying s (s is a natural number greater than or equal to 1) among age, gender, occupational group, and item exposure time; and k + n using k item response objects generated by the response object generation unit, n relative weight objects generated by the non-weight object generation unit, and s personal information objects generated by the individual object generation unit. It may further include a vector generator for generating the user information vector having a +s dimension.

실시형태에 따라서, 본 발명의 상기 유사도연산부는 k+n+s개 차원을 가지는 m개의 유저정보벡터를 이용하여 상기 유사도를 연산하도록 구성될 수 있으며 이 경우, 상기 메인처리부는 아래 수식에 의하여 상기 아이템추천풀을 생성하도록 구성될 수 있다.According to an embodiment, the similarity calculating unit of the present invention may be configured to calculate the similarity using m user information vectors having k+n+s dimensions. It may be configured to create an item recommendation pool.

Figure 112022062286495-pat00003
Figure 112022062286495-pat00003

상기 수식에서 RIk는 상기 대상유저에 대한 아이템추천풀, IUi는 상기 대상유저의 유사사용자그룹 중 i번째 사용자가 반응한 아이템 집합, p는 유사사용자그룹의 사용자 전체 수, IUk는 상기 대상유저가 반응한 아이템 집합이다.In the above formula, RI k is the item recommendation pool for the target user, IU i is the set of items responded to by the i-th user among the similar user groups of the target user, p is the total number of users in the similar user group, and IU k is the target user It is a set of items that the user has responded to.

본 발명의 바람직한 일 실시예에 의할 때, 대상유저(사용자)는 물론, 전체유저(사용자)의 아이템에 대한 반응정보를 시계열적으로 그리고 입체적으로 접목시켜 사용자에게 추천될 아이템이 결정되도록 구성함으로써 동적으로 변화되는 아이템 소비 내지 반응 경향을 더욱 효과적으로 반영할 수 있어 숏클립 컨텐츠에 최적화된 컨텐츠 추천 큐레이션 시스템을 구현할 수 있다.According to a preferred embodiment of the present invention, by constructing an item to be recommended to the user by combining the reaction information for the item of the target user (user) as well as the entire user (user) in time series and three-dimensionally A content recommendation curation system optimized for short clip content can be implemented by more effectively reflecting dynamically changing item consumption or reaction trends.

본 발명의 바람직한 다른 실시예에 의할 때, 사용자의 특성을 표상하는 다차원 객체 기반의 유저정보벡터 생성, 유저정보벡터의 유사도 연산 및 이를 기반으로 한 유사사용자그룹핑 프로세싱을 계층적으로 수행하고 이 수행 결과를 기초로 대상유저에 대한 아이템추천풀이 결정되어 제공되도록 함으로써 유사 사용자의 경향성과 접목되는 대상유저 자신의 경향성을 더욱 정밀하고 유기적으로 반영할 수 있음은 물론, 아이템 편중이나 예외적인 경향성을 더욱 효과적으로 필터링할 수 있다.According to another preferred embodiment of the present invention, the generation of a user information vector based on a multidimensional object representing the characteristics of a user, a similarity calculation of the user information vector, and similar user grouping processing based on this are hierarchically performed and performed By making the item recommendation pool for the target user determined and provided based on the result, it is possible to more precisely and organically reflect the tendency of the target user that is combined with the tendency of similar users, as well as more effectively the item bias or exceptional tendency. can be filtered.

본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술되는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 효과적으로 이해시키는 역할을 하는 것이므로, 본 발명은 이러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 본 발명의 바람직한 일 실시예에 의한 큐레이션 시스템 및 이와 관련된 전반적인 구성을 도시한 도면,
도 2는 본 발명의 바람직한 일 실시예에 의한 큐레이션 시스템의 상세 구성을 도시한 블록도,
도 3은 도 2의 정보벡터생성부의 상세 구성을 도시한 블록도,
도 4는 대상유저에 대한 아이템추천풀이 생성되는 본 발명의 바람직한 일 실시예에 의한 프로세싱 과정을 도시한 흐름도,
도 5는 사용자별 유저정보벡터가 생성되는 본 발명의 바람직한 일 실시예에 의한 프로세싱 과정을 도시한 흐름도,
도 6은 유저정보벡터 및 유저정보벡터를 이루는 세부 구성요소에 대한 본 발명의 일 실시예를 도시한 도면,
도 7은 m×t(k+n+s) 행렬을 가지는 유저정보벡터의 일 예를 도시한 도면,
도 8은 유사사용자그룹에 속한 각 사용자들의 반응 아이템에 대한 집합 구조를 예시한 도면이다.The following drawings attached to this specification illustrate preferred embodiments of the present invention, and serve to more effectively understand the technical spirit of the present invention together with the detailed description of the present invention to be described later, so that the present invention is described in these drawings It should not be construed as being limited only to the matters.
1 is a view showing a curation system and an overall configuration related thereto according to a preferred embodiment of the present invention;
2 is a block diagram showing the detailed configuration of a curation system according to a preferred embodiment of the present invention;
3 is a block diagram showing a detailed configuration of the information vector generator of FIG. 2;
4 is a flowchart illustrating a processing process according to a preferred embodiment of the present invention in which an item recommendation pool for a target user is generated;
5 is a flowchart illustrating a processing process according to a preferred embodiment of the present invention in which a user information vector for each user is generated;
6 is a view showing an embodiment of the present invention for a user information vector and detailed components constituting the user information vector;
7 is a diagram illustrating an example of a user information vector having an m × t (k + n + s) matrix;
8 is a diagram illustrating an aggregation structure for response items of users belonging to a similar user group.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. Prior to this, the terms or words used in the present specification and claims should not be construed as being limited to conventional or dictionary meanings, and the inventor should properly understand the concept of the term in order to best describe his invention. Based on the principle that it can be defined, it should be interpreted as meaning and concept consistent with the technical idea of the present invention.

따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.Therefore, the configuration shown in the embodiments and drawings described in the present specification is only the most preferred embodiment of the present invention and does not represent all the technical spirit of the present invention, so various equivalents that can replace them at the time of the present application It should be understood that there may be water and variations.

도 1은 본 발명의 바람직한 일 실시예에 의한 아이템반응객체를 이용한 컨텐츠 추천 큐레이션 방법을 구현하는 시스템(이하 '큐레이션 시스템'이라 지칭한다)(100) 및 이와 관련된 전반적인 구성을 도시한 도면이다.1 is a diagram illustrating a system (hereinafter referred to as a 'curation system') 100 for implementing a content recommendation curation method using an item response object according to a preferred embodiment of the present invention and an overall configuration related thereto. .

앞서 간략히 설명된 바와 같이 최근에는 여행, 뷰티, 패션 팁, 일상, 유머, 음악 등과 같은 다양한 주제를 수초 내지 수분 이내의 상대적으로 짧은 길이를 가지는 영상으로 제작한 숏클립 컨텐츠(이하 ‘아이템’과 혼용하여 사용한다)에 대한 서비스가 비약적으로 증가하고 있다.As briefly described above, in recent years, short clip contents (hereinafter referred to as 'items' and 'items') have been produced with relatively short images of various topics such as travel, beauty, fashion tips, daily life, humor, and music within seconds to minutes. service) is increasing dramatically.

이러한 아이템 내지 숏클립 컨텐츠는 그 제작에 전문적인 능력이 크게 요구되지 않아 접근성이 용이하고 공유 내지 전달하고자 하는 내용을 짧은 시간에 임팩트 있게 표출할 수 있다는 본질적인 특성 등을 가지고 있어 생산(제작)과 소비가 더욱 크게 증가하고 있다.These items or short clip contents do not require much professional ability to produce them, so they are easy to access and have the essential characteristics of being able to express the contents you want to share or deliver in a short time with an impact. is increasing even more.

본 발명의 큐레이션 시스템(100)은 이러한 아이템을 제공하고 관리하는 시스템으로서 온라인 접속 가능한 서버 내지 플랫폼의 형태로 구현될 수 있다.The curation system 100 of the present invention may be implemented in the form of a server or platform that can be accessed online as a system for providing and managing such items.

본 발명의 큐레이션 시스템(100)은 모바일 단말 형태의 사용자 클라이언트(200)는 물론, 노트북, PC 등과 같은 사용자 클라이언트(300)와 유무선 네트워크(50)를 통하여 통신 가능하게 연결되어 사용자 클라이언트(200, 300)로부터 다양한 숏클립 컨텐츠를 제공받으며 또한, 사용자 클라이언트(200, 300)로 숏클립 컨텐츠에 대한 다양한 서비스를 제공한다.The curation system 100 of the present invention is communicatively connected to the user client 200 in the form of a mobile terminal, as well as the user client 300 such as a laptop computer, a PC, and the like through a wired/wireless network 50, and the user client 200, 300) provides various short clip contents, and also provides various services for short clip contents to the user clients 200 and 300 .

일반 사용자는 숏클립 컨텐츠에 대한 제작 주체(크리에이터)인 동시에 소비 주체가 될 수 있으므로 도 1에 예시된 사용자 클라이언트(200, 300)는 이들 모두의 기능을 포괄하는 넓은 의미의 사용자 클라이언트(200, 300)에 해당한다.Since a general user can be both a producer (creator) and a consumer of short clip content, the user clients 200 and 300 illustrated in FIG. 1 are user clients 200 and 300 in a broad sense encompassing all of these functions. ) corresponds to

다만, 본 발명에 의한 기술사상은 본 발명에 의한 큐레이션 시스템(100)이 숏클립 컨텐츠를 사용자에게 제공하는 기술에 해당하므로 이하 설명에서는 상기 사용자 클라이언트(200, 300)를 숏클립 컨텐츠를 제공받는 즉, 숏클립 컨텐츠를 소비하는 소비 주체를 표상하는 단말로 설명한다.However, since the technical idea according to the present invention corresponds to a technology in which the curation system 100 according to the present invention provides short clip contents to a user, in the following description, the user clients 200 and 300 are provided with short clip contents. That is, it will be described as a terminal representing a consumer who consumes the short clip content.

본 발명의 큐레이션 시스템(100)에 의하여 숏클립 컨텐츠가 제공되면 사용자 클라이언트(200, 300)에 탑재된 전용 앱(소프트웨어)의 구동에 의하여 선택, 이동, 재생 등과 같은 관련 프로세싱이 수행될 수 있음은 물론이다.When the short clip content is provided by the curation system 100 of the present invention, related processing such as selection, movement, playback, etc. may be performed by driving a dedicated app (software) mounted on the user clients 200 and 300 . is of course

서버에서 모바일 응용프로그램(모바일 앱)로 전송되는 숏클립 컨텐츠에 대한 영상데이터는 미리 정해진 사이즈를 가지는 일련의 영상 집단으로서 전송의 단위 유닛이 되는 영상프레임에 포함되는 형태로 전송될 수 있다. The image data for the short clip content transmitted from the server to the mobile application program (mobile app) may be transmitted in a form included in an image frame, which is a unit unit of transmission, as a series of image groups having a predetermined size.

아울러, 아이템은 아이템이 서버(큐레이션 시스템(100))에 전송되어 서버에서 DB화되는 과정에서 복수 개 카테고리(클래스)로 분류(classification)될 수 있다. 상기 카테고리는 숏클립 컨텐츠(아이템)의 주제, 분야, 테마 등을 구분할 수 있는 범주를 의미한다.In addition, the item may be classified into a plurality of categories (classes) in the process that the item is transmitted to the server (curation system 100) and converted into a DB in the server. The category means a category that can classify a subject, a field, a theme, etc. of the short clip content (item).

이하에서는 첨부된 도면 등을 참조하여 본 발명에 의한 큐레이션 시스템(100)의 구체적인 구성과 프로세싱 과정에 대하여 상세히 설명하도록 한다.Hereinafter, a detailed configuration and processing process of the curation system 100 according to the present invention will be described in detail with reference to the accompanying drawings.

도 2는 본 발명의 바람직한 일 실시예에 의한 큐레이션 시스템(100)의 상세 구성을 도시한 블록도, 도 4는 대상유저에 대한 아이템추천풀이 생성되는 본 발명의 바람직한 일 실시예에 의한 프로세싱 과정을 도시한 흐름도이다.2 is a block diagram showing a detailed configuration of a curation system 100 according to a preferred embodiment of the present invention, and FIG. 4 is a processing process according to a preferred embodiment of the present invention in which an item recommendation pool for a target user is generated. is a flowchart showing

본 발명에 의한 큐레이션 시스템(100)은 도 2에 예시된 바와 같이 인터페이스부(110), 컨텐츠DB부(120), 정보벡터생성부(130), 유사도연산부(140), 선별부(150), 그룹핑처리부(160) 및 메인처리부(170)를 포함하여 구성될 수 있다.As illustrated in FIG. 2 , the curation system 100 according to the present invention includes an interface unit 110 , a content DB unit 120 , an information vector generation unit 130 , a similarity calculation unit 140 , and a selection unit 150 . , a grouping processing unit 160 and a main processing unit 170 may be included.

본 발명의 상세한 설명에 앞서, 본 발명의 큐레이션 시스템(100)은 플랫폼 또는 서버의 형태로 구현될 수 있으므로 도 2에 도시된 큐레이션 시스템(100)의 각 구성요소는 물리적으로 구분되는 구성요소라기보다는 논리적 내지 기능적으로 구분되는 구성요소로 이해되어야 한다.Prior to the detailed description of the present invention, since the curation system 100 of the present invention can be implemented in the form of a platform or a server, each component of the curation system 100 shown in FIG. 2 is a physically distinct component Rather, it should be understood as a logically or functionally distinct component.

즉, 각각의 구성은 본 발명의 기술사상을 실현하기 위한 논리적인 구성요소에 해당하므로 각각의 구성요소가 통합 또는 분리되어 구성되더라도 본 발명의 구성이 수행하는 해당 기능이 실현될 수 있다면 본 발명의 범위 내에 있다고 해석되어야 하며, 동일 또는 유사한 기능을 수행하는 구성요소라면 그 명칭 상의 일치성 여부와는 무관히 본 발명의 범위 내에 있다고 해석되어야 함은 물론이다. 도 3에 도시된 정보벡터생성부(130)의 구성 또한, 이와 같다.That is, since each configuration corresponds to a logical component for realizing the technical idea of the present invention, even if each component is integrated or configured separately, if the corresponding function performed by the configuration of the present invention can be realized, the present invention It should be construed as being within the scope, and if it is a component that performs the same or similar function, it should be construed as being within the scope of the present invention regardless of whether the name is consistent. The configuration of the information vector generator 130 shown in FIG. 3 is also the same.

우선, 본 발명의 컨텐츠DB부(120)는 인터페이스부(110)를 통하여 사용자 등으로부터 업로드된 다양한 숏클립 컨텐츠(아이템)를 n(n은 2이상의 자연수)개 카테고리로 분류한 객체DB를 생성하고 저장한다(S400). 객체DB생성 과정은 업로드한 주체에 관련된 정보, 날짜 정보, 태그 정보 등을 연계하는 데이터 가공 프로세싱을 포함할 수 있음은 물론이다.First, the contents DB unit 120 of the present invention creates an object DB that classifies various short clip contents (items) uploaded from users through the interface unit 110 into n (n is a natural number greater than or equal to 2) categories, and Save (S400). Of course, the object DB creation process may include data processing processing linking information related to the uploaded subject, date information, tag information, and the like.

본 발명의 정보벡터생성부(130)는 사용자의 특성을 표상하는 다차원 객체 기반의 유저정보벡터(500, 도 6 참조)를 m명(m은 2이상의 자연수)의 사용자 각각마다 생성한다(S410).The information vector generator 130 of the present invention generates a multidimensional object-based user information vector 500 (refer to FIG. 6 ) representing the characteristics of the user for each of m users (m is a natural number greater than or equal to 2) (S410) .

후술되어 상세히 설명되는 바와 같이 상기 유저정보벡터(500)는 특정 사용자가 아이템을 소비하거나 반응하는 사용자 반응정보는 물론, 사용자 개인의 인적 특성을 나타낼 수 있는 나이, 성별, 직업, 평균 아이템 시청 시간, 국가, 지역, 업로드한 아이템의 개수 또는 이와 관련된 통계 정보 등이 포함될 수 있다.As will be described in detail later, the user information vector 500 includes not only user reaction information that a specific user consumes or reacts to an item, but also age, gender, occupation, average item viewing time, The country, region, number of uploaded items, or related statistical information may be included.

사용자 반응정보는 해당 아이템의 시청(view)여부, 기호(like) 입력 여부, 코멘트(댓글, comment) 입력 여부, 타사용자 추천여부 중 하나 이상을 포함할 수 있다. 상기 예시된 사용자 반응정보는 동영상 플랫폼 시스템에서 제공되는 기능에 대한 실시예이므로 동영상 플랫폼 시스템에서 추가적으로 다른 기능이 제공된다면 이와 다른 형태의 실시예가 가능함은 물론이다. The user reaction information may include one or more of whether the item is viewed, whether a like is input, whether a comment (comment, comment) is input, and whether other users are recommended. Since the exemplified user reaction information is an embodiment of a function provided by the video platform system, it is needless to say that another type of embodiment is possible if another function is additionally provided in the video platform system.

이하 설명에서는 동영상 플랫폼에서 제공되거나 확인할 수 있는 대표적인 기능인 아이템 시청여부, 기호(like) 입력 여부, 코멘트 입력 여부에 대한 정보를 사용자 반응정보로 예시하고 이를 기준으로 기술한다.In the following description, information on whether to watch an item, whether to input a like, or whether to input a comment, which are representative functions provided or confirmed by the video platform, is exemplified as user reaction information and described based on this information.

이와 같이 m명을 대상으로 한 유저정보벡터(500) 즉, m개의 유저정보벡터(500)가 생성되면 본 발명의 유사도연산부(140)는 m개의 유저정보벡터 중 대상유저의 유저정보벡터인 대상벡터와 나머지 m-1개 유저정보벡터인 대비군벡터 각각의 유사도를 연산한다(S420).In this way, when the user information vector 500 for m people, that is, m user information vectors 500 is generated, the similarity calculating unit 140 of the present invention calculates the target user's user information vector among the m user information vectors. The degree of similarity between the vector and the m-1 remaining user information vectors, each of which is a comparison group vector, is calculated (S420).

본 발명의 큐레이션 시스템(100)은 m명의 사용자(user) 중 특정 개인마다 특화된 아이템추천풀(Recommended Item POOL)을 생성하고 이를 기반으로 컨텐츠를 추천한다.The curation system 100 of the present invention creates a recommended item pool specialized for each specific individual among m users, and recommends contents based thereon.

이러한 점을 반영하여 이하 설명에서는 m명의 사용자 중 아이템추천풀이 제공되는 특정 사용자를 '대상유저'라 지칭한다. m명 모두 각각 대상유저가 될 수 있음은 물론이다.Reflecting this point, in the following description, a specific user to which an item recommendation pool is provided among m users is referred to as a 'target user'. Of course, all m people can be the target users, respectively.

본 발명의 유사도연산부(140)는 m개의 유저정보벡터(500)를 대상으로 유사도 연산 프로세싱을 수행하되, 대상유저마다 "1 vs. m-1"의 유사도 연산 프로세싱을 수행한다.The similarity calculation unit 140 of the present invention performs similarity calculation processing for m user information vectors 500, but performs similarity calculation processing of “1 vs. m-1” for each target user.

본 발명의 선별부(150)가 상기 대비군벡터(대상유저의 유저정보벡터를 제외한 나머지 유저정보벡터) 중 상기 대상벡터와 기준 값 이내 유사성을 가지는 유저정보벡터를 선별하면, 본 발명의 그룹핑처리부(160)는 상기 선별된 유저정보벡터를 이용하여 상기 대상유저의 유사사용자그룹을 분류한다(S430). When the selection unit 150 of the present invention selects a user information vector having similarity within a reference value to the target vector among the comparison group vectors (the remaining user information vectors excluding the user information vector of the target user), the grouping processing unit of the present invention In step 160, the similar user group of the target user is classified using the selected user information vector (S430).

이와 같이 대상유저의 유사사용자그룹이 분류되면, 본 발명의 메인처리부(170)는 이 유사사용자그룹에 속한 각 사용자가 반응한 아이템을 이용하여 상기 대상유저에 대한 아이템추천풀을 생성하고(S440) 이를 기반으로 추천아이템을 대상유저에게 제공한다.When the similar user group of the target user is classified as described above, the main processing unit 170 of the present invention generates an item recommendation pool for the target user by using the items responded to by each user belonging to the similar user group (S440). Based on this, recommended items are provided to target users.

추천아이템을 제공하는 방법은 상기 아이템추천풀에 해당하는 복수 개 아이템을 영상프레임 단위로 순차적으로 제공하는 방법, 영상 업로드의 최신 순서, 시청수가 많은 순서, 댓글(comment)이 많은 순서, 기호 정보(like)와 댓글이 동시에 많은 순서 등과 같이 실시예에 따라 다양하게 설정될 수 있다.The method of providing recommended items is a method of sequentially providing a plurality of items corresponding to the item recommendation pool in units of video frames, the latest order of video upload, the order of the number of views, the order of the number of comments, the preference information ( like) and comments may be set in various ways according to an embodiment, such as an order in which there are many simultaneous comments.

상술된 본 발명의 프로세싱은 시스템 업데이트, 컨텐츠DB 갱신, 동기화, 시스템 관리 등을 위한 인터럽트(interrupt) 등과 같은 프로세싱 종료 조건이 충족되지 않는다면(S460) 순환적으로 적용되도록 구성될 수 있음은 물론이다.Of course, the above-described processing of the present invention may be configured to be applied cyclically if a processing termination condition such as an interrupt for system update, content DB update, synchronization, system management, etc. is not satisfied (S460).

도 3은 본 발명에 의한 큐레이션 시스템(100)의 일 구성인 정보벡터생성부(130)의 상세 구성을 도시한 블록도이며, 도 5는 사용자별 유저정보벡터가 생성되는 본 발명의 바람직한 일 실시예에 의한 프로세싱 과정을 도시한 흐름도이다.3 is a block diagram showing a detailed configuration of the information vector generator 130, which is one configuration of the curation system 100 according to the present invention, and FIG. 5 is a preferred embodiment of the present invention in which user information vectors for each user are generated. It is a flowchart showing a processing process according to an embodiment.

본 발명의 정보벡터생성부(130)는 본 발명에 의한 큐레이션 시스템(100)의 일 구성으로서, 도 3에 도시된 바와 같이 반응객체생성부(131), 비중치객체생성부(133), 개별객체생성부(135) 및 벡터생성부(137)를 포함하여 구성될 수 있다.The information vector generating unit 130 of the present invention is a configuration of the curation system 100 according to the present invention, and as shown in FIG. 3 , a reactive object generating unit 131 , a non-weighted object generating unit 133 , It may be configured to include an individual object generator 135 and a vector generator 137 .

앞서 언급된 유저정보벡터(500)는 사용자의 특성을 표상하는 다차원 객체 기반의 정보 집합체로서 도 6에 도시된 바와 같이 크게 3가지 영역으로 구성된다.The user information vector 500 mentioned above is a multidimensional object-based information aggregate representing the characteristics of a user, and is largely composed of three areas as shown in FIG. 6 .

구체적으로 유저정보벡터(500)는 상기 아이템에 대한 사용자의 반응정보를 인덱스로 표상하는 아이템반응객체(510), 전체 카테고리의 아이템에 대한 사용자의 반응정보를 기준으로 특정 카테고리의 아이템에 대한 사용자의 반응정보가 가지는 비율을 각 카테고리마다 인덱스로 표상하는 상대비중치객체(520) 및 나이, 성별, 직업군, 아이템 노출시간 중 하나 이상을 포함하는 개인정보객체(530)를 포함한다.Specifically, the user information vector 500 is an item response object 510 representing the user's reaction information to the item as an index, and the user's response to the item of a specific category based on the user's reaction information to the items of the entire category. It includes a relative weight object 520 representing the ratio of response information as an index for each category, and a personal information object 530 including one or more of age, gender, occupation group, and item exposure time.

정보벡터생성부(130)의 일 구성인 반응객체생성부(131)는 아래 수학식 1에 의하여 연산되는 rv, rL, rc 중 k(k는 1이상의 자연수)개가 포함되는 아이템반응객체를 생성한다(S500, 도 5 참조).The response object generation unit 131, which is a component of the information vector generation unit 130, is an item response object including k (k is a natural number greater than or equal to 1) among r v , r L , r c calculated by Equation 1 below. to generate (S500, see FIG. 5).

Figure 112022062286495-pat00004
Figure 112022062286495-pat00004

상기 수학식 1에서 rv(510-1)는 전체 반응(S) 대비 시청한 아이템의 비율, rL(510-2)은 전체 반응 대비 기호(like)를 입력한 아이템의 비율, rc(510-3)는 전체 반응 대비 코멘트를 입력한 아이템의 비율, V는 사용자가 시청한 아이템의 개수, L은 사용자가 기호(like)를 입력한 아이템의 개수, C는 사용자가 코멘트를 입력한 아이템의 개수이며 전체 반응(S)은 V+L+C이다.In Equation 1, r v (510-1) is the ratio of the item viewed to the total reaction (S), r L (510-2) is the ratio of the item to the total reaction (like) inputted, r c ( 510-3) is the ratio of the items for which comments are inputted to the total reaction, V is the number of items viewed by the user, L is the number of items the user has inputted like, and C is the item for which the user has entered a comment. is the number of , and the total reaction (S) is V+L+C.

상기 수학적 연산에 따른 결과 값은 사용자 개인의 특성 중 하나를 표상하는 지표(index) 정보로서, 각 항목(view, like, comment)에 대한 사용자 반응을 정량적으로 수치화한 결과이므로 사용자 개인에 대한 아이템 노출/소비/반응에 대한 경향성을 반영하는 정보에 해당한다.The result value according to the mathematical operation is index information representing one of the user's individual characteristics, and since it is the result of quantitatively quantifying the user's reaction to each item (view, like, comment), the item exposure to the individual user It corresponds to information that reflects the tendency toward /consumption/reaction.

만약 아이템반응객체(510)가 위의 예와 같이 3가지 파라미터로 이루어진다면 아이템반응객체(510)는 3(k)차원(k개 종류)을 가지는 객체가 된다.If the item response object 510 consists of three parameters as in the above example, the item response object 510 becomes an object having 3 (k) dimensions (k types).

정보벡터생성부(130)의 일 구성인 본 발명의 비중치객체생성부(133)는 아래 수학식 2에 의하여 연산되는 C1(520-1) 내지 Cn(520-n)(여기서 n은 2이상의 자연수)으로 이루어지는 상대비중치객체(520)를 생성하도록(S510) 구성된다.The non-value object generation unit 133 of the present invention, which is a component of the information vector generation unit 130, is C 1 (520-1) to C n (520-n) calculated by Equation 2 below (where n is It is configured to create a relative weight object 520 made of (a natural number of 2 or more) (S510).

Figure 112022062286495-pat00005
Figure 112022062286495-pat00005

상기 수학식 2에서 ci는 i번째 카테고리에 대한 상대비중치객체, cvi, cli, cci 각각은 i번째 카테고리에 해당하는 아이템 중 사용자가 시청한 아이템의 개수, 사용자가 기호를 입력한 아이템의 개수, 사용자가 코멘트를 입력한 아이템의 개수이다.In Equation 2, ci is a relative weight object for the i-th category, cv i , cl i , and cc i are the number of items viewed by the user among the items corresponding to the i-th category, and an item for which the user inputs a preference is the number of items for which the user has entered a comment.

상기 수학식 2에 따른 결과 값 또한, 아이템 반응과 관련된 사용자 개인의 특성 중 하나를 표상하는 지표(index) 정보에 해당한다.The result value according to Equation 2 also corresponds to index information representing one of the user's individual characteristics related to the item response.

즉, 상기 상대비중치객체(520)는 전체 카테고리를 대상으로 사용자가 시청하거나 기호 정보를 입력하거나 또는 코멘트 정보를 입력한 아이템을 기준으로, 특정 카테고리에 해당하는 아이템이 시청된 비율, 사용자가 기호 정보를 입력한 비율, 사용자가 코멘트 정보를 입력한 비율을 각각 분산적으로 반영하게 되므로 사용자 개인의 아이템 관련 반응에 대한 특성을 대표하는 고유 정보가 될 수 있다.That is, the relative weight object 520 is based on the item for which the user has viewed, input preference information, or inputted comment information for all categories, the rate at which the item corresponding to a specific category is viewed, and the user's preference Since the rate at which information is input and the rate at which the user inputs comment information are dispersedly reflected, it can be unique information representing the characteristics of a user's individual item-related reaction.

상술된 바와 같이 아이템이 분류되는 카테고리의 개수가 n개인 경우 상기 상대비중치객체(520)는 n차원(n개 종류)을 가지는 데이터 객체가 된다.As described above, when the number of categories into which items are classified is n, the relative weight object 520 becomes a data object having n dimensions (n types).

본 발명의 정보벡터생성부(130)의 일 구성인 개별객체생성부(135)는 나이, 성별, 직업군, 아이템 노출시간 중 s(s는 1이상의 자연수)개를 정량화하여 상기 개인정보객체(530)를 생성한다(S520).The individual object generating unit 135, which is a component of the information vector generating unit 130 of the present invention, quantifies s (s is a natural number greater than or equal to 1) among age, gender, occupational group, and item exposure time to quantify the personal information object ( 530) is generated (S520).

상기 개인정보객체(530)는 사용자 개인의 인적 특성을 표상하는 정보 객체로서, 개인의 인적 특성을 효과적으로 상징화하고 나아가 유사도 연산 프로세싱의 효율성을 높이기 위하여 예를 들어 나이 정보(U1)(530-1)의 경우 나이대별로 1 내지 5의 서로 다른 수치가 부여되도록 설계될 수 있다. The personal information object 530 is an information object that represents the user's individual personal characteristics, and in order to effectively symbolize the individual's personal characteristics and further increase the efficiency of similarity calculation processing, for example, age information (U 1 ) 530-1 ) may be designed so that different numbers of 1 to 5 are given for each age group.

이에 상응하는 관점에서 성별(U2)(530-2), 직업군(U3)(530-3) 등도 구분되는 정보 각각에 서로 다른 수치나 식별체계가 부여될 수 있음은 물론이다. It goes without saying that different numerical values or identification systems may be assigned to each of the information in which gender (U 2 ) (530-2), occupation group (U 3 ) (530-3), etc. are distinguished from a corresponding viewpoint.

상기 개인정보객체(530)가 사용자 개인의 인적 특성을 나타낼 수 있는 인적정보 중 s개로 이루어진다면 상기 개인정보객체(530)는 s차원(s개 종류)을 가지는 데이터 객체가 된다.If the personal information object 530 is composed of s pieces of personal information that can represent the personal characteristics of a user, the personal information object 530 becomes a data object having an s dimension (s types).

이와 같이 아이템반응객체(510), 상대비중치객체(520) 및 개인정보객체(530) 각각이 생성되면 본 발명의 벡터생성부(137)는 위의 예시를 기준으로 k+n+s 차원을 가지는 상기 유저정보벡터를 생성한다(S530).As described above, when each of the item response object 510, the relative weight object 520 and the personal information object 530 is created, the vector generation unit 137 of the present invention generates a k + n + s dimension based on the above example. The branch generates the user information vector (S530).

상술된 S500 내지 S530 단계에 의한 프로세싱 또한, 특정한 종료 조건이 충족되지 않는다면(S550) 순환적으로 적용될 수 있음은 물론이다.Of course, the processing by the above-described steps S500 to S530 may also be cyclically applied if a specific termination condition is not met (S550).

이와 같이 m명의 사용자 각각의 k+n+s 차원의 유저정보벡터(500)가 생성되면 도 7에 도시된 바와 같이 m개의 행과 t개의 열을 가지는 m×t 행렬을 형성할 수 있다.As described above, when the k+n+s-dimensional user information vector 500 for each of m users is generated, an m×t matrix having m rows and t columns can be formed as shown in FIG. 7 .

이 경우 본 발명은 cosine similarity, pearson correlation coefficient 등과 같은 similarity measure를 활용하여 상기 m×t 행렬을 구성하는 유저정보벡터(500) 중 특정 행의 구성요소와 나머지 행의 구성요소 각각을 대상으로 대한 유사도를 더욱 효과적으로 연산할 수 있으며 특정 임계(threshold)를 기준으로 대상유저와 유사한 경향성 내지 반응도를 가지는 유사사용자그룹을 분류할 수 있다.In this case, the present invention utilizes a similarity measure such as cosine similarity and pearson correlation coefficient to obtain similarity for each component of a specific row and each component of the remaining row among the user information vectors 500 constituting the m×t matrix. can be calculated more effectively, and similar user groups having similar tendencies or reactivity to target users can be classified based on a specific threshold.

도 8은 대상유저의 유사사용자그룹에 속한 각 사용자들의 반응 아이템에 대한 집합 구조를 예시한 도면이다.8 is a diagram exemplifying a set structure for reaction items of each user belonging to a similar user group of a target user.

반응 아이템은 각 사용자가 반응한 아이템 즉, 시청한 아이템, like 정보가 입력된 아이템 또는 comment정보가 입력된 아이템 중 하나 또는 그 이상의 기준에 의하여 선택된 아이템을 의미한다.The reaction item means an item selected according to one or more criteria among an item to which each user reacted, that is, an item viewed, an item to which like information is input, or an item to which comment information is input.

이와 같이 유사사용자그룹에 속한 각 사용자가 반응한 아이템 집합이 선별되면 본 발명의 메인처리부(170)는 아래 수학식 3에 의하여 상기 대상유저에 대한 상기 아이템추천풀을 생성한다.When the set of items to which each user belonging to the similar user group responds is selected as described above, the main processing unit 170 of the present invention generates the item recommendation pool for the target user according to Equation 3 below.

Figure 112022062286495-pat00006
Figure 112022062286495-pat00006

상기 수식에서 RIk는 상기 대상유저에 대한 아이템추천풀, IUi는 상기 대상유저의 유사사용자그룹 중 i번째 사용자가 반응한 아이템 집합, p는 유사사용자그룹의 사용자 전체 수, IUk는 상기 대상유저가 반응한 아이템 집합이다.In the above formula, RI k is the item recommendation pool for the target user, IU i is the set of items responded to by the i-th user among the similar user groups of the target user, p is the total number of users in the similar user group, and IU k is the target user It is a set of items that the user has responded to.

이와 같은 구성을 통하여 본 발명은 사용자의 특성을 표상하는 정보로서 아이템 반응에 대한 이원화된 정보는 물론, 사용자 개인의 인적 정보 등이 다차원적으로 결합된 정보를 이용하여 대상유저와 유사성을 가지는 유사사용자그룹을 선정하고 이들 유사사용자그룹에 속한 사용자가 반응한 아이템을 이용하여 아이템추천풀을 생성하고 이를 기초로 아이템을 추천할 수 있어 동적으로 변화되는 개인 및 해당 개인의 유사 집단에 대한 아이템 소비 내지 반응 경향을 더욱 효과적으로 반영할 수 있다.Through such a configuration, the present invention uses information representing the characteristics of the user, including dualized information on the item response, as well as multi-dimensionally combined information of the user's personal information, and similar users having similarity to the target user. By selecting a group, creating an item recommendation pool using the items that users belonging to the similar user group have responded to, and recommending items based on this, item consumption or response to dynamically changing individuals and similar groups of the individual trends can be reflected more effectively.

이상에서 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.In the above, although the present invention has been described with reference to limited embodiments and drawings, the present invention is not limited thereto and will be described below with the technical idea of the present invention by those of ordinary skill in the art to which the present invention pertains. It goes without saying that various modifications and variations are possible within the scope of equivalents of the claims.

본 발명의 설명과 그에 대한 실시예의 도시를 위하여 첨부된 도면 등은 본 발명에 의한 기술 내용을 강조 내지 부각하기 위하여 다소 과장된 형태로 도시될 수 있으나, 앞서 기술된 내용과 도면에 도시된 사항 등을 고려하여 본 기술분야의 통상의 기술자 수준에서 다양한 형태의 변형 적용 예가 가능할 수 있음은 자명하다고 해석되어야 한다.The accompanying drawings for the purpose of explaining the present invention and illustrating examples thereof may be shown in a somewhat exaggerated form in order to emphasize or highlight the technical contents of the present invention, but the above-described contents and matters shown in the drawings, etc. It should be construed as apparent that various types of modification application examples may be possible at the level of those skilled in the art in consideration of this.

100 : 본 발명에 의한 큐레이션 시스템
110 : 인터페이스부 120 : 컨텐츠DB부
130 : 정보벡터생성부
131 : 반응객체생성부 133 : 비중치객체생성부
135 : 개별객체생성부 137 : 벡터생성부
140 : 유사도연산부
150 : 선별부 160 : 그룹핑처리부
170 : 메인처리부 200(300) : 사용자 클라이언트
500: 유저정보벡터 510 : 아이템반응객체
520 : 상대비중치객체 530 : 개인정보객체100: Curation system according to the present invention
110: interface unit 120: content DB unit
130: information vector generator
131: reactive object generation unit 133: non-value object generation unit
135: individual object generation unit 137: vector generation unit
140: similarity calculation unit
150: sorting unit 160: grouping processing unit
170: main processing unit 200 (300): user client
500: user information vector 510: item response object
520: relative weight object 530: personal information object

Claims (2)

숏클립 영상을 포함하는 동영상 컨텐츠인 아이템을 대상유저에게 추천하는 큐레이션 방법으로서,
사용자의 특성을 표상하는 다차원 객체 기반의 유저정보벡터를 m(m은 2이상의 자연수)명의 사용자 각각마다 생성하는 정보벡터생성단계;
m개의 유저정보벡터 중 상기 대상유저의 유저정보벡터인 대상벡터와 나머지 m-1개 유저정보벡터인 대비군벡터 각각의 유사도를 연산하는 유사도연산단계;
상기 대비군벡터 중 상기 대상벡터와 기준 값 이내 유사성을 가지는 유저정보벡터를 선별하는 선별단계;
상기 선별된 유저정보벡터를 이용하여 상기 대상유저의 유사사용자그룹을 분류하는 그룹핑처리단계; 및
상기 유사사용자그룹에 속한 각 사용자가 반응한 아이템을 이용하여 상기 대상유저에 대한 아이템추천풀을 생성하는 메인처리단계를 포함하고,
상기 유저정보벡터는, 상기 아이템에 대한 사용자의 반응정보를 인덱스로 표상하는 아이템반응객체, 전체 카테고리의 아이템에 대한 사용자의 반응정보를 기준으로 특정 카테고리의 아이템에 대한 사용자의 반응정보가 가지는 비율을 각 카테고리마다 인덱스로 표상하는 상대비중치객체와, 나이, 성별, 직업군, 아이템 노출시간 중 하나 이상을 포함하는 개인정보객체를 포함하는 다차원 객체로 이루어지고,
상기 정보벡터생성단계는, 아래 수식에 의하여 연산되는 rv, rL, rc 중 k(k는 1이상의 자연수)개가 포함되는 상기 아이템반응객체를 생성하는 반응객체생성단계를 포함하는 것을 특징으로 하는 큐레이션 방법.
Figure 112022062286495-pat00007

상기 수식에서 rv는 전체 반응(S) 대비 시청한 아이템의 비율, rL는 전체 반응 대비 기호(like)를 입력한 아이템의 비율, rc는 전체 반응 대비 코멘트를 입력한 아이템의 비율, V는 사용자가 시청한 아이템의 개수, L은 사용자가 기호(like)를 입력한 아이템의 개수, C는 사용자가 코멘트를 입력한 아이템의 개수이다.As a curation method for recommending an item that is a video content including a short clip image to a target user,
an information vector generating step of generating a multidimensional object-based user information vector representing the characteristics of a user for each m (m is a natural number greater than or equal to 2) users;
a similarity calculation step of calculating the similarity of each of the target vector, which is the user information vector of the target user, and the contrast group vector, which is the remaining m-1 user information vectors, among the m user information vectors;
a selection step of selecting a user information vector having a similarity within a reference value to the target vector from among the control group vectors;
a grouping processing step of classifying a similar user group of the target user using the selected user information vector; and
a main processing step of generating an item recommendation pool for the target user by using the item that each user belonging to the similar user group has responded to;
The user information vector is an item response object representing the user's reaction information to the item as an index, and the ratio of the user's reaction information to the item of a specific category based on the user's reaction information to the items of the entire category. It consists of a relative weight object represented by an index for each category, and a multidimensional object including a personal information object including one or more of age, gender, occupation group, and item exposure time,
The information vector generation step includes a response object generation step of generating the item response object including k (k is a natural number greater than or equal to 1) among r v , r L , r c calculated by the following equation How to curate.
Figure 112022062286495-pat00007

In the above formula, r v is the ratio of the items viewed to the total reaction (S), r L is the ratio of the items inputted with a like to the total reaction, r c is the ratio of the items inputted with comments to the total reaction, V is the number of items viewed by the user, L is the number of items for which the user inputs a like, and C is the number of items for which the user inputs a comment. 제1항에 있어서,
사용자로부터 업로드된 아이템을 n(n은 2이상의 자연수)개 카테고리로 분류한 객체DB를 생성하고 저장하는 컨텐츠DB생성단계를 더 포함하고,
상기 메인처리단계는, 상기 객체DB 중 상기 아이템추천풀에 해당하는 복수 개 아이템을 상기 대상유저에게 제공하는 것을 특징으로 하는 큐레이션 방법.The method of claim 1,
Further comprising a content DB creation step of creating and storing an object DB that classifies the items uploaded from the user into n (n is a natural number greater than or equal to 2) categories,
The main processing step comprises providing a plurality of items corresponding to the item recommendation pool among the object DB to the target user.
KR1020220072599A 2021-03-22 2022-06-15 Curation method for recommending contents using item-responsive object KR102429788B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220072599A KR102429788B1 (en) 2021-03-22 2022-06-15 Curation method for recommending contents using item-responsive object

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210036390A KR102410981B1 (en) 2021-03-22 2021-03-22 Curation system for recommending contents based on information of user response with ai
KR1020220072599A KR102429788B1 (en) 2021-03-22 2022-06-15 Curation method for recommending contents using item-responsive object

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020210036390A Division KR102410981B1 (en) 2021-03-22 2021-03-22 Curation system for recommending contents based on information of user response with ai

Publications (1)

Publication Number Publication Date
KR102429788B1 true KR102429788B1 (en) 2022-08-05

Family

ID=82217084

Family Applications (13)

Application Number Title Priority Date Filing Date
KR1020210036390A KR102410981B1 (en) 2021-03-22 2021-03-22 Curation system for recommending contents based on information of user response with ai
KR1020220072594A KR102429781B1 (en) 2021-03-22 2022-06-15 Curation system using relative weighted value
KR1020220072596A KR102429952B1 (en) 2021-03-22 2022-06-15 Curation system for item-recommendation pool using multi-dimension object
KR1020220072595A KR102429784B1 (en) 2021-03-22 2022-06-15 Curation system based on response-relation of similar user group
KR1020220072590A KR102429777B1 (en) 2021-03-22 2022-06-15 Curation system for recommending and providing contents
KR1020220072597A KR102429786B1 (en) 2021-03-22 2022-06-15 Curation method for recommending contents using similarity of user information
KR1020220072598A KR102429787B1 (en) 2021-03-22 2022-06-15 Curation method using multi dimension object
KR1020220072593A KR102429780B1 (en) 2021-03-22 2022-06-15 Curation system for recommending contents using item-responsive object
KR1020220072600A KR102429789B1 (en) 2021-03-22 2022-06-15 Curation method based on response-relation of similar user group
KR1020220072592A KR102429779B1 (en) 2021-03-22 2022-06-15 Curation system using multi dimension object
KR1020220072591A KR102429778B1 (en) 2021-03-22 2022-06-15 Curation system for recommending contents with user orientation
KR1020220072599A KR102429788B1 (en) 2021-03-22 2022-06-15 Curation method for recommending contents using item-responsive object
KR1020220072589A KR102429776B1 (en) 2021-03-22 2022-06-15 Curation system for recommending contents using similarity of user information

Family Applications Before (11)

Application Number Title Priority Date Filing Date
KR1020210036390A KR102410981B1 (en) 2021-03-22 2021-03-22 Curation system for recommending contents based on information of user response with ai
KR1020220072594A KR102429781B1 (en) 2021-03-22 2022-06-15 Curation system using relative weighted value
KR1020220072596A KR102429952B1 (en) 2021-03-22 2022-06-15 Curation system for item-recommendation pool using multi-dimension object
KR1020220072595A KR102429784B1 (en) 2021-03-22 2022-06-15 Curation system based on response-relation of similar user group
KR1020220072590A KR102429777B1 (en) 2021-03-22 2022-06-15 Curation system for recommending and providing contents
KR1020220072597A KR102429786B1 (en) 2021-03-22 2022-06-15 Curation method for recommending contents using similarity of user information
KR1020220072598A KR102429787B1 (en) 2021-03-22 2022-06-15 Curation method using multi dimension object
KR1020220072593A KR102429780B1 (en) 2021-03-22 2022-06-15 Curation system for recommending contents using item-responsive object
KR1020220072600A KR102429789B1 (en) 2021-03-22 2022-06-15 Curation method based on response-relation of similar user group
KR1020220072592A KR102429779B1 (en) 2021-03-22 2022-06-15 Curation system using multi dimension object
KR1020220072591A KR102429778B1 (en) 2021-03-22 2022-06-15 Curation system for recommending contents with user orientation

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220072589A KR102429776B1 (en) 2021-03-22 2022-06-15 Curation system for recommending contents using similarity of user information

Country Status (1)

Country Link
KR (13) KR102410981B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102616284B1 (en) * 2023-02-23 2023-12-20 에스넷시스템(주) Artificial intelligence based method and system of recommending contents using creativity evaluation of early childhood

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015513154A (en) * 2012-03-08 2015-04-30 トムソン ライセンシングＴｈｏｍｓｏｎ Ｌｉｃｅｎｓｉｎｇ How to recommend items to a group of users
KR20150105830A (en) * 2014-03-10 2015-09-18 단국대학교 산학협력단 Apparatus and method for hybrid filtering content recommendation using user profile and context information based on preference
KR20160083746A (en) * 2015-01-02 2016-07-12 에스케이플래닛 주식회사 Contents recommending service system, and apparatus and control method applied to the same
KR20200123726A (en) * 2019-04-22 2020-10-30 주식회사 바넷정보기술 Planning system and method of financial contents

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015513154A (en) * 2012-03-08 2015-04-30 トムソン ライセンシングＴｈｏｍｓｏｎ Ｌｉｃｅｎｓｉｎｇ How to recommend items to a group of users
KR20150105830A (en) * 2014-03-10 2015-09-18 단국대학교 산학협력단 Apparatus and method for hybrid filtering content recommendation using user profile and context information based on preference
KR20160083746A (en) * 2015-01-02 2016-07-12 에스케이플래닛 주식회사 Contents recommending service system, and apparatus and control method applied to the same
KR20200123726A (en) * 2019-04-22 2020-10-30 주식회사 바넷정보기술 Planning system and method of financial contents

Also Published As

Publication number Publication date
KR102429778B1 (en) 2022-08-05
KR102429776B1 (en) 2022-08-05
KR102429781B1 (en) 2022-08-05
KR102429784B1 (en) 2022-08-05
KR102429952B1 (en) 2022-08-05
KR102429780B1 (en) 2022-08-05
KR102410981B1 (en) 2022-06-22
KR102429789B1 (en) 2022-08-05
KR102429779B1 (en) 2022-08-05
KR102429777B1 (en) 2022-08-05
KR102429786B1 (en) 2022-08-05
KR102429787B1 (en) 2022-08-05

Similar Documents

Publication Publication Date Title
US20070271270A1 (en) System and method for selecting object metadata evolving over time
US7581184B2 (en) System and method for visualizing the temporal evolution of object metadata
Wu et al. Measuring the visual complexities of web pages
US9922110B2 (en) Information processing apparatus, information processing method, and program
US20160350658A1 (en) Viewport-based implicit feedback
Gracia et al. New insights into the suitability of the third dimension for visualizing multivariate/multidimensional data: A study based on loss of quality quantification
Wu et al. Multimodal web aesthetics assessment based on structural SVM and multitask fusion learning
CN112749330B (en) Information pushing method, device, computer equipment and storage medium
KR102429788B1 (en) Curation method for recommending contents using item-responsive object
US20230139824A1 (en) Media content enhancement based on user feedback of multiple variations
US9875443B2 (en) Unified attractiveness prediction framework based on content impact factor
WO2024021685A1 (en) Reply content processing method and media content interactive content interaction method
US20230085466A1 (en) Determining user affinities for content generation applications
Xing et al. Computational model for predicting user aesthetic preference for GUI using DCNNs
CN117853824B (en) Big data-based 3D sand table projection analysis method
Guo et al. Decision support system for industrial designer based on Kansei engineering
US11907508B1 (en) Content analytics as part of content creation
CN117786234B (en) Multimode resource recommendation method based on two-stage comparison learning
JPH0836548A (en) System state information managing device
CN116680466A (en) Article recommendation method and device, storage medium and computer equipment
Huttunen Marketing in social media: using data and artificial intelligence for segmentation
Järvinen A data model based approach for visual analytics of monitoring data
CN114254181A (en) Resource recommendation method and device, computer equipment and storage medium
Tropnikov The Description of the Structure of Social Identity in the Information Space, Using Automated Data Processing Tools
Wang The interactive embodiment of aesthetics combined with visual object recognition algorithm in graphic design in the field of artificial intelligence

Legal Events

Date Code Title Description
A107 Divisional application of patent
E701 Decision to grant or registration of patent right
GRNT Written decision to grant