KR20110071452A - Broadcast program recommendation method and apparatus using genres weight - Google Patents
Broadcast program recommendation method and apparatus using genres weight Download PDFInfo
- Publication number
- KR20110071452A KR20110071452A KR1020090128033A KR20090128033A KR20110071452A KR 20110071452 A KR20110071452 A KR 20110071452A KR 1020090128033 A KR1020090128033 A KR 1020090128033A KR 20090128033 A KR20090128033 A KR 20090128033A KR 20110071452 A KR20110071452 A KR 20110071452A
- Authority
- KR
- South Korea
- Prior art keywords
- genre
- weight
- broadcast program
- probability value
- viewing
- Prior art date
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
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
-
- 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
-
- 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
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4755—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for defining user preferences, e.g. favourite actors or genre
Abstract
Description
본 발명은 방송 프로그램을 추천하는 방법 및 장치에 관한 것으로서, 보다 상세하게는, 장르 가중치를 이용하여 방송 프로그램을 추천하는 방법 및 장치에 관한 것이다.The present invention relates to a method and apparatus for recommending a broadcast program, and more particularly, to a method and apparatus for recommending a broadcast program using genre weights.
방송 프로그램 추천 시스템(이하, 추천 시스템)은 사용자의 취향을 예측하여 관련 프로그램을 파악하고 가장 적절한 후보 프로그램을 추출하여 사용자에게 제공하는 것으로서, 사용자는 추천 시스템을 통해 원하는 방송 프로그램에 편리하게 접근할 수 있다.The broadcast program recommendation system (hereinafter referred to as a recommendation system) predicts a user's taste, identifies related programs, extracts the most appropriate candidate programs, and provides them to the user. The user can conveniently access a desired broadcast program through the recommendation system. have.
IPTV 사용자는 로그인을 요구하는 인터넷 사용자와는 달리 복수의 사용자(특히, 가족 단위의 사용자)가 사용함으로 시청 패턴이 섞여 있으며, 따라서 특정 사용자에게 잘못된 추천을 제공할 수 있다.Unlike Internet users who require a login, IPTV users are used by multiple users (especially family members), and the viewing patterns are mixed, and thus, a wrong recommendation can be provided to a specific user.
설령 한 명의 사용자라고 해도, 여러 장르의 방송 프로그램을 시청하게 되지만, 종래의 추천 시스템에서는 장르를 중심으로 한 사용자의 특성 연구가 미약하여 장르가 혼재된 방송 프로그램을 위한 추천 시스템의 정확성을 높이는데 한계가 있 었다.Even if a single user is watching a program of various genres, the conventional recommendation system is limited in improving the accuracy of the recommendation system for a broadcast program in which genres are mixed due to poor research on the characteristics of the user. There was.
추천 시스템은 비슷한 사용자를 찾아서 그 사용자가 본 방송 프로그램을 추천하는 유사 사용자를 찾는 방법과, 현재 사용자가 시청한 방송 프로그램과 유사한 방송 프로그램을 찾아서 추천하는 유사 방송 프로그램을 찾는 방법으로 크게 구분된다.The recommendation system is classified into a method of finding a similar user and finding a similar user who recommends the broadcast program, and a method of finding a similar broadcast program that is similar to the broadcast program currently viewed by the user.
시청 패턴을 규칙화 하거나 분류하는 방법들도 크게 보아서 상기한 유사 사용자를 찾거나 유사 방송 프로그램을 찾는 문제의 변형으로 볼 수 있다.The methods of ordering or classifying the viewing pattern can also be viewed as a variation of the problem of finding similar users or finding similar broadcast programs.
한편, 사용자의 취향은 드라마 또는 스포츠와 같은 장르에서 차별화 될 수 있으며, 같은 장르 내에서도 세부적인 타입이 정해지게 된다. 영화를 전문으로 서비스하는 주문형 비디오 서비스의 경우에는 이용자 취향을 계산하는데 있어 장르를 구분하지 않기도 하지만, IPTV처럼 다양한 성격의 방송 프로그램을 대상으로 하는 경우에는 일반적으로 큰 장르를 구분하고 그 안에서 이용자 취향을 계산한다.On the other hand, the user's taste can be differentiated in genres such as drama or sports, and the detailed type is determined within the same genre. On-demand video service that specializes in movies does not distinguish genres when calculating user preferences.However, when targeting broadcast programs of various characteristics such as IPTV, large genres are generally classified and user preferences are determined within them. Calculate
그러나, 이는, 특정 시점에서 장르간의 가중치를 계산할 수 없고, 장르 내에서 추천되는 방송 프로그램의 리스트를 이용하여 정확한 방송 프로그램을 추천할 수 없다는 문제점이 있다.However, there is a problem in that weights between genres cannot be calculated at a specific time point, and accurate broadcast programs cannot be recommended using a list of broadcast programs recommended in the genres.
이에, 사용자가 시청한 방송 프로그램의 리스트를 대분류 및 소분류적인 특징들을 이용하여 클러스터링하고, 분류된 클러스터를 다른 이용자의 클러스터와 비교하여, 추천 리스트를 생성하는 방법이 제안되었으나, 일정한 학습 후에 자동으로 수행되는 클러스터링은 불필요한 자료 의존적 오류를 내포하고 있어, 장르 이용에 따른 정확성 높은 방송 프로그램을 추천하기에는 여전히 어려움이 존재한다.Therefore, a method of generating a recommendation list by clustering a list of broadcast programs watched by a user using large and small classification features and comparing the classified cluster with a cluster of other users has been proposed. The clustering that is introduced contains unnecessary data dependent errors, and there is still a difficulty in recommending a highly accurate broadcast program according to the genre use.
상술한 종래 기술의 문제점을 해결하기 위해, 본 발명은 사용자의 시청 로그 정보에 기초하여 각 장르 별 이동 확률을 계산하고, 각 사용자의 취향에 따라 각 장르 내에 존재하는 방송 프로그램에 가중치를 부여하여, 방송 프로그램 추천 목록을 생성한다.In order to solve the above problems of the prior art, the present invention calculates the movement probability for each genre based on the viewing log information of the user, and weights the broadcast program existing in each genre according to the taste of each user, Create a program recommendation list.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned can be clearly understood from the following description.
상기 목적을 달성하기 위하여, 본 발명의 일 측면에 따른 장르 가중치를 이용하여 방송 프로그램을 추천하는 장치는 하나 이상의 장르 별로 존재하는 하나 이상의 방송 프로그램의 목록을 저장하는 방송 프로그램 목록 저장부, 방송 프로그램 시청 로그 정보를 이용하여 상기 각 방송 프로그램에 대한 가중치를 계산하는 방송 프로그램 가중치 계산부, 방송 프로그램 시청 로그 정보를 이용하여 상기 각 장르 별 가중치를 계산하는 장르 가중치 계산부 및 상기 각 장르 별 가중치, 상기 각 방송 프로그램에 대한 가중치 및 상기 목록에 기초하여, 방송 프로그램 추천 목록을 생성하는 방송 프로그램 추천 목록 생성부를 포함한다.In order to achieve the above object, a device for recommending a broadcast program using genre weights according to an aspect of the present invention includes a broadcast program list storage unit for storing a list of one or more broadcast programs existing by one or more genres, and watching a broadcast program. A broadcast program weight calculator configured to calculate a weight for each broadcast program using log information, a genre weight calculator configured to calculate a weight for each genre using broadcast program viewing log information, and a weight for each genre; And a broadcast program recommendation list generator for generating a broadcast program recommendation list based on the weight for the broadcast program and the list.
상기 목적을 달성하기 위하여, 본 발명의 다른 측면에 따른 장르 가중치를 이용하여 방송 프로그램을 추천하는 방법은 (a) 시청 로그 정보에 기초하여, 제 1 장르에서 제 2 장르로 이동하는 빈도를 계산하는 단계, (b) 상기 제 2 장르의 방송 프로그램에 대한 평균 시청 완료율을 계산하는 단계, (c) 상기 이동 빈도 및 상기 평균 시청 완료율에 기초하여 상기 제 1 장르와 상기 제 2 장르간의 이동 확률을 계산하는 단계, (d) 상기 (a) 단계 내지 상기 (c) 단계를 반복 실행하여 상기 제 1 장르와 제 n 장르간의 이동 확률을 계산하는 단계 및 (e) 상기 계산된 이동 확률 값을 이용하여 각 장르 별 가중치를 계산하는 단계를 포함한다.In order to achieve the above object, a method for recommending a broadcast program using genre weights according to another aspect of the present invention includes (a) calculating a frequency of moving from the first genre to the second genre based on the viewing log information. (B) calculating an average viewing completion rate for the broadcast program of the second genre; (c) calculating a moving probability between the first genre and the second genre based on the moving frequency and the average viewing completion rate. (D) repeating the steps (a) to (c) to calculate the probability of movement between the first genre and the n-th genre; and (e) using the calculated probability of movement. Computing the weight for each genre.
상기 목적을 달성하기 위한 구체적인 사항들은 첨부된 도면과 함께 상세하게 후술된 실시예들을 참조하면 명확해질 것이다.BRIEF DESCRIPTION OF THE DRAWINGS The above and other objects, features and advantages of the present invention will be more apparent from the following detailed description taken in conjunction with the accompanying drawings, in which: FIG.
그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라, 서로 다른 다양한 형태로 구성될 수 있으며, 본 실시예들은 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.The present invention may, however, be embodied in many different forms and should not be construed as being limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. It is provided to fully inform the owner of the scope of the invention.
전술한 본 발명의 장르 가중치를 이용한 방송 프로그램 추천 방법 및 장치의 과제 해결 수단 중 하나에 의하면, 장르 간의 관계를 고려하지 않은 추천 시스템에 비하여 방송 프로그램의 추천 정확성을 높일 수 있다.According to one of the problem solving means of the broadcast program recommendation method and apparatus using the genre weight of the present invention described above, it is possible to improve the recommendation accuracy of the broadcast program as compared to the recommendation system that does not consider the relationship between genres.
또한, 가족 단위의 사용자와 같이 복수의 사용자를 구성원으로 포함하는 경우, 각 구성원에게 적합한 방송 프로그램을 추천할 수 있다.In addition, when a plurality of users are included as members of a family unit, a broadcast program suitable for each member may be recommended.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명하도 록 한다.DETAILED DESCRIPTION Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present invention.
그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein.
그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and like reference numerals designate like parts throughout the specification.
참고로, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.For reference, in the entire specification, when a part is "connected" to another part, it is not only "directly connected" but also "electrically connected" with another element in between. Also includes.
또한 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Also, when an element is referred to as "comprising ", it means that it can include other elements as well, without departing from the other elements unless specifically stated otherwise.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Reference will now be made in detail to embodiments of the present invention, examples of which are illustrated in the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 장르 가중치를 이용하여 방송 프로그램을 추천하는 장치의 구성을 도시한 블록도이다.1 is a block diagram illustrating a configuration of an apparatus for recommending a broadcast program using genre weights according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 장르 가중치를 이용한 방송 프로그램을 추천하는 장치(100)는 시청 로그 정보 저장부(110), 장르 가중치 계산부(120), 방송 프로그램 가중치 계산부(130) 및 방송 프로그램 추천 목록 생성부(140)를 포함한다.The
각 구성 요소를 상세하게 설명하면, 시청 로그 정보 저장부(110)는 각 사용 자의 시청 로그 정보를 저장한다. 여기에서 시청 로그 정보는 사용자 아이디, 시청 시작 시각, 시청 종료 시각, 방송 프로그램 아이디 및 방송 프로그램 장르 중 하나 이상을 포함할 수 있으며, 데이터베이스 혹은 다양한 파일 구조 형태로 저장되어 사용될 수 있다.Referring to each component in detail, the viewing log
시청 로그 정보에 대하여는 도 3을 참조하여 후술하도록 하겠다.The viewing log information will be described later with reference to FIG. 3.
한편, 장르 가중치 계산부(120)는 상기한 시청 로그 정보를 이용하여 사용자가 시청한 방송 프로그램의 장르 별 가중치를 계산한다.Meanwhile, the
참고로, IPTV에서 장르는 각 방송 프로그램에 부여되는 태그로서 대분류 소분류 등 여러 단계로 나누어질 수 있다. 예를 들어, IPTV의 대분류는 아래 <표 1>과 같은 장르로 분류될 수 있다.For reference, in IPTV, a genre is a tag assigned to each broadcast program and can be divided into various stages such as large category subclass. For example, large categories of IPTV can be classified into genres as shown in Table 1 below.
<표 1> IPTV 장르 분류<Table 1> IPTV genre classification
상기한 표에서 볼 수 있듯이, 방송 프로그램의 장르는 매우 다양하며, 각 사용자 별로 시청하는 장르의 분포 역시 다를 수 밖에 없다. 따라서, 사용자 별로 시청 이력 정보를 분석해보면, 해당 사용자가 어떤 장르를 선호하는지를 파악할 수 있으며, 선호 장르에 따라 가중치를 부여할 수 있는 근거가 된다.As can be seen from the above table, the genre of the broadcast program is very diverse, the distribution of the genre to watch for each user is also different. Therefore, by analyzing the viewing history information for each user, it is possible to determine which genre the user prefers, and it becomes a basis for assigning a weight according to the preferred genre.
장르 가중치 계산부(120)에 대하여 이어서 설명하면, 장르 가중치 계산부(120)는 시청 로그 정보에 기초하여 각 장르 별 이동 빈도수에 따라 장르별 가중치를 계산할 수 있으며, 장르 간 이동 확률 값에 기초하여 장르 별 가중치를 계산할 수도 있다.The genre
이때, 장르 간 이동 확률 값은 어고딕 마코프 모델을 이용하여 계산할 수 있으며, 이에 기초한 가중치를 계산하는 식은 아래와 같이 나타낼 수 있다.In this case, the movement probability value between genres may be calculated using an Agodic Markov model, and an equation for calculating a weight based on this may be expressed as follows.
현재 장르가 i일 때 후보 장르 g의 가중치(
C : 상수 조정 값C: constant adjustment value
참고로, 마코프 모델은 확률 모델의 하나로서, 시간상에서 발생하는 이벤트들의 시퀀스를 예측하기 위한 것으로 확률적 프로세스를 설명한다. 어고딕 마코프(ergodic Markov)모델은 마코프 모델의 제한된 형태이며, 모델을 구성하는 모든 스테이트(state)가 어고딕해야 한다. 한 스테이트가 어고딕하기 위해서는 비주기적 회귀성(aperiodic)과 유한 시간 회귀성(positive recurrent) 등의 특성을 가진다. 즉, 모든 스테이트는 서로 연결되어 있고, 비주기적이지만 유한시간 내에 회귀(return)한다.For reference, the Markov model is one of probabilistic models and describes a probabilistic process for predicting a sequence of events occurring in time. The ergodic Markov model is a limited form of the Markov model, and all the states that make up the model must be agodic. In order to be agodic, a state has characteristics such as aperiodic and finite time recurrent. That is, all states are connected to one another and return aperiodically within a finite time.
또한, 어고딕 마코프 모델는 자연 현상의 네트워크 구조에 포괄적으로 적용되는 확률 모델이다. 예를 들어, 사용자가 시청한 방송 프로그램 장르간의 흐름 역시 자연 현상과 유사하며, 장르를 스테이트로 간주하면 어고딕하다. 즉, 한 장르에서 시청을 시작하면 언젠가는 다시 해당 장르로 다시 돌아간다고 가정할 수 있다. 어고딕 마코프 모델의 장점은 각 스테이트의 수렴(스테디스테이트, steady state)확률 값을 계산할 수 있다는 점이다.Also, the Agodic Markov model is a probabilistic model that is applied to the network structure of natural phenomena. For example, the flow between genres of broadcast programs viewed by a user is also similar to natural phenomena and is awkward when the genre is regarded as a state. In other words, if one starts watching a genre, one day, it may be assumed that the viewer returns to the genre again. The advantage of the Ergodic Markov model is that it can calculate the steady state probability values for each state.
장르 가중치 계산부(120)는 상기한 어고딕 마코프 모델의 스테디 스테이트 확률 값(수렴 확률 값)에 기초하여 장르 별 가중치를 계산할 수 있으며, 어고딕 마코프 모델을 이용한 장르 간 이동 확률 값과 어고딕 마코프 모델의 스테디 스테이트 확률 값(수렴 확률 값)을 이용하여 장르 별 가중치를 계산할 수도 있다.The
이를 식으로 나타내면,If you express this as
현재 장르가 i일 때 후보 장르 j의 가중치(
C : 상수 조정 값,C: constant adjustment value,
또한, 장르 가중치 계산부(120)는 사용자의 시청 로그 정보에 기초하여 사용자가 시청한 방송 프로그램의 시청 길이, 즉 시청 시작 시각 및 시청 종료 시각을 이용하여 장르 별 가중치를 계산할 수도 있다.In addition, the
즉, 장르 g의 가중치(
또한, 장르 가중치 계산부(120)는 장르 별 이동 확률 값 및 장르 만족도에 기초하여 장르 별 가중치를 계산할 수도 있다.In addition, the
여기에서 장르 만족도는 해당 장르에서 사용자가 시청한 방송 프로그램의 평균적인 시청 완료율로 나타낼 수 있으며, 시청 완료율은 시청 로그 정보의 시청 시작 시각 및 시청 종료 시각에 기초한 것으로, 시청 시간을 방송 프로그램의 상영 시간으로 나눈 값이다.Here, the genre satisfaction may be expressed as an average viewing completion rate of the broadcast program watched by the user in the genre, and the viewing completion rate is based on the viewing start time and the viewing end time of the viewing log information, and the viewing time is the display time of the broadcasting program. Divided by.
한편, 방송 프로그램 가중치 계산부(130)는 방송 프로그램 시청 로그 정보를 이용하여 각 장르 별로 존재하는 방송 프로그램에 대하여 가중치를 계산한다.On the other hand, the broadcast
한편, 방송 프로그램 추천 목록 생성부(140)는 장르 가중치 계산부(120)에서 계산한 각 장르 별 가중치와, 각 장르 별 방송 프로그램에 부여된 가중치에 기초하여, 사용자에게 추천할 방송 프로그램 추천 목록을 생성한다.Meanwhile, the broadcast program
예를 들어, 액션 장르의 가중치가 0.3, 액션 장르 중 A라는 방송 프로그램의 가중치가 0.4이며, 드라마 장르의 가중치가 0.2, 드라마 장르 중 B라는 방송 프로그램의 가중치가 0.7인 경우, 장르의 가중치는 액션(0.3)이 드라마(0.2)보다 더 높지만, 해당 장르의 방송 프로그램의 가중치를 고려하면, 결과적으로 드라마 장르의 B라는 방송 프로그램이 액션 장르의 A라는 방송 프로그램 보다 더 높은 결과 값을 가지게 되고, 방송 프로그램 추천 목록 생성부(140)는 드라마 장르의 B 방송 프로그램을 사용자에게 추천하게 된다.For example, if the weight of the action genre is 0.3, the weight of the broadcast program A in the action genre is 0.4, and the weight of the drama genre is 0.2 and the weight of the broadcast program B in the drama genre is 0.7, the weight of the genre is action (0.3) is higher than the drama (0.2), but considering the weight of the broadcast program of the genre, as a result, the broadcast program of the drama genre B has a higher result value than the broadcast program of A of the action genre. The program
본 발명의 일 실시예에서는 각 장르 별 가중치와, 각 장르 별 방송 프로그램에 부여된 가중치에 기초하여, 사용자에게 추천할 방송 프로그램 추천 목록을 생성하는 것으로 설명하였지만, 이에 국한되지 않으며, 별도의 방송 프로그램 목록 저장부(미도시)에 저장된 각 장르 별로 존재하는 방송 프로그램의 목록과 상기한 각 장르 별 가중치, 각 장르 별 방송 프로그램에 부여된 가중치에 기초하여 방송 프로그램 추천 목록을 생성할 수도 있다.Although an embodiment of the present invention has been described as generating a broadcast program recommendation list to be recommended to a user based on weights for each genre and weights assigned to broadcast programs for each genre, the present invention is not limited thereto. A broadcast program recommendation list may be generated based on a list of broadcast programs existing for each genre stored in the list storage unit (not shown), weights for each genre, and weights assigned to broadcast programs for each genre.
참고로, 본 발명의 실시예에 따른 도 1에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 구성 요소를 의미하며, 소정의 역할들을 수 행한다.For reference, the components shown in FIG. 1 according to the embodiment of the present invention mean software components or hardware components such as a field programmable gate array (FPGA) or an application specific integrated circuit (ASIC), and play predetermined roles. .
그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.However, 'components' are not meant to be limited to software or hardware, and each component may be configured to be in an addressable storage medium or may be configured to reproduce one or more processors.
따라서, 일 예로서 구성 요소는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.Thus, as an example, a component may include components such as software components, object-oriented software components, class components, and task components, and processes, functions, properties, procedures, and subs. Routines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, and variables.
구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.Components and the functionality provided within those components may be combined into a smaller number of components or further separated into additional components.
도 2는 본 발명의 일 실시예에 따른 장르 가중치를 이용하여 방송 프로그램을 추천하는 과정을 도시한 흐름도이다.2 is a flowchart illustrating a process of recommending a broadcast program using genre weights according to an embodiment of the present invention.
이하, 도 1에 도시된 장르 가중치를 이용하여 방송 프로그램을 추천하는 장치(이하, 방송 프로그램 추천 장치라 칭함)(100)를 참조하여 도 2를 설명하도록 한다.Hereinafter, FIG. 2 will be described with reference to an apparatus 100 (hereinafter, referred to as a broadcast program recommendation apparatus) 100 that recommends a broadcast program using the genre weight shown in FIG. 1.
방송 프로그램 추천 장치(100)는 시청 로그 정보에 기초하여, 제 1 장르에서 제 2 장르로 이동하는 빈도를 계산한다(S201).The broadcast
단계 S201 후, 방송 프로그램 추천 장치(100)는 제 2 장르의 방송 프로그램에 대한 평균 시청 완료율을 계산한다(S202).After step S201, the broadcast
여기에서 시청 완료율은 시청 로그 정보의 시청 시작 시각 및 시청 종료 시각에 기초한 것으로, 시청 시간을 방송 프로그램의 상영 시간으로 나눈 값이다.Here, the viewing completion rate is based on the viewing start time and viewing end time of the viewing log information, and is a value obtained by dividing the viewing time by the showing time of the broadcast program.
단계 S202 후, 방송 프로그램 추천 장치(100)는 제 1 장르에서 제 2 장르로 이동하는 이동 빈도 및 제 2 장르의 평균 시청 완료율에 기초하여 제 1 장르와 상기 제 2 장르간의 이동 확률을 계산한다(S203).After step S202, the broadcast
참고로, 상기한 바와 같이 장르 간 이동 빈도와 평균 시청 완료율에 기초하여 장르 간 이동 확률을 계산할 수도 있지만, 어고딕 마코프 모델을 이용하여 장르 간 이동 확률 값을 계산할 수도 있다.For reference, as described above, the genre movement probability may be calculated based on the frequency of movement between genres and the average viewing completion rate. However, the genre movement probability value may be calculated using an Agodic Markov model.
이후, 방송 프로그램 추천 장치(100)는 상기한 단계 S201 내지 단계 S203을 반복 실행하여 제 1 장르와 제 n 장르간의 이동 확률을 계산한다.Thereafter, the broadcast
단계 S203 후, 방송 프로그램 추천 장치(100)는 계산된 이동 확률 값을 이용하여 각 장르 별 가중치를 계산한다(S204).After step S203, the broadcast
이때, 장르 별 가중치는 어고딕 마코프 모델을 이용하여 계산한 장르 간 이동 확률 값이 다음 장르의 가중치가 될 수 있으며, 어고딕 마코프 모델을 이용한 장르 간 이동 확률 값과 어고딕 마코프 모델의 스테디 스테이트 확률 값(수렴 확률 값)에 기초하여 장르 별 가중치를 계산할 수도 있다.In this case, the weight of each genre may be a weight of the next genre, which is calculated by using the Agodic Markov model, and may be a weight of the next genre, and a steady state probability of the Agodic Markov model. The weight for each genre may be calculated based on the value (convergence probability value).
또한, 사용자의 시청 로그 정보에 기초하여 사용자가 시청한 방송 프로그램의 시청 길이, 즉 시청 시작 시각 및 시청 종료 시각을 이용하여 장르 별 가중치를 계산할 수 있고, 장르 별 이동 확률 값 및 장르 만족도에 기초하여 장르 별 가중치를 계산할 수도 있다.In addition, the weight for each genre may be calculated using the viewing length of the broadcasting program watched by the user, that is, the viewing start time and the viewing ending time, based on the viewing log information of the user, and based on the movement probability value per genre and the satisfaction level of the genre. The weight for each genre may be calculated.
참고로, 장르 만족도는 해당 장르에서 사용자가 시청한 방송 프로그램의 평균적인 시청 완료율로 나타낼 수 있다.For reference, the genre satisfaction may be expressed as an average viewing completion rate of the broadcast program watched by the user in the genre.
단계 S204 후, 방송 프로그램 추천 장치(100)는 각 장르에 존재하는 방송 프로그램에 대하여 가중치를 계산한다(S205).After step S204, the broadcast
단계 S205 후, 방송 프로그램 추천 장치(100)는 각 장르 별 가중치와 각 장르 별 방송 프로그램에 부여된 가중치에 기초하여, 사용자에게 추천할 방송 프로그램 추천 목록을 생성한다(S206).After operation S205, the broadcast
도 3은 본 발명의 일 실시예에 따른 IPTV 시청 로그 정보를 도시한 도면이다.3 is a diagram illustrating IPTV viewing log information according to an embodiment of the present invention.
각 사용자 아이디 별로 시청 시작 시각 및 종료 시각, 그리고 시청한 방송 프로그램의 아이디와 장르가 나타나 있다.For each user ID, the viewing start time and the end time, and the ID and genre of the broadcast program watched are shown.
이 외에도 해당 방송 프로그램의 제작자, 출연진, 시청 연령, 및 방송 채널 정보 등이 더 포함될 수 있다.In addition, the producer, cast, viewing age, and broadcast channel information of the corresponding broadcast program may be further included.
도 4는 본 발명의 일 실시예에 따른 시청 로그 정보를 분석한 시청 통계 정보를 도시한 도면이다.4 is a diagram illustrating viewing statistics information by analyzing viewing log information according to an embodiment of the present invention.
도 3에 도시된 바와 같은 시청 로그 정보를 분석한 결과, 도 4에 도시된 바와 같이 사용자 별 장르 분포를 확인할 수 있었다.As a result of analyzing the viewing log information as shown in FIG. 3, the genre distribution for each user could be confirmed as shown in FIG. 4.
참고로, 도 4의 u.pro[n]은 <표 1>의 각 장르를 나타내며, 각 값은 해당 장르의 시청 확률을 나타낸다.For reference, u.pro [n] of FIG. 4 represents each genre of Table 1, and each value represents a viewing probability of the corresponding genre.
시청 로그 정보에 기초한 이와 같은 시청 통계 정보는 도 4에 도시된 각 장 르 별 시청 확률 외에도 장르 별 시청 빈도도 가능하며, 이는 장르 별 시청한 시간 값을 이용할 수 있다.The viewing statistics information based on the viewing log information may be viewed in each genre in addition to the viewing probability of each genre illustrated in FIG. 4, and may use the watched time value of each genre.
도 4에 도시된 시청 통계 정보는 사용자 별 장르 분포의 차이가 의미있는 정보임을 알려주며, 이로부터 장르 분포가 추천 리스트를 계산하는데 활용될 수 있는 근거가 된다.The viewing statistics information shown in FIG. 4 indicates that the difference in genre distribution for each user is meaningful information, and from this, the genre distribution becomes a basis that can be used to calculate a recommendation list.
도 5a 내지 도 5c는 본 발명의 일 실시예에 따른 마코프 모델을 이용한 장르 간 이동 경로와 이에 따른 이동 확률를 도시한 도면이다.5A to 5C are diagrams illustrating a movement path between genres using the Markov model according to an embodiment of the present invention and a movement probability thereof.
이와 같은 마코프 모델은 각 사용자 별로 계산될 수 있으며, 사용자가 시청한 최근 장르에서 그 다음 장르로의 이동에 대한 가중치를 계산할 수 있게 한다.Such a Markov model can be calculated for each user, allowing the user to calculate the weight of the movement from the latest genre to the next genre.
도 5a는 마코프 모델을 이용한 장르 간 이동 경로를 도시한 것이며, 도 5b 및 도 5c는 도 5a에 도시된 장르 간 이동 경로 중 드라마 장르에서의 이동 확률을 나타낸 결과이다.FIG. 5A illustrates a movement path between genres using a Markov model, and FIGS. 5B and 5C show a probability of movement in a drama genre among the movement paths between genres shown in FIG. 5A.
그런데, 도 5b에서와 같이 모든 사용자가 모든 장르를 시청하는 것은 아니므로, 비어 있는 이동 경로의 확률 값을 ‘0’으로 하기 보다는, ‘0’이 아닌 값들에서 미리 정해진 비율(예를 들어, 10%)을 취하여 이를 각각 분배하는 방법도 가능하다. 이와 같은 방법으로 마코프 모델을 어고딕으로 변경할 수 있으며, 이에 대한 결과가 도 5c에 도시되어 있다.However, since not all users watch all genres as shown in FIG. 5B, rather than setting the probability value of the empty moving path to '0', a predetermined ratio (for example, 10 is set to '0'). It is also possible to take%) and distribute them separately. In this way the Markov model can be changed to an agodic, the result of which is shown in FIG. 5C.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. The foregoing description of the present invention is intended for illustration, and it will be understood by those skilled in the art that the present invention may be easily modified in other specific forms without changing the technical spirit or essential features of the present invention. will be.
그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive.
예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is shown by the following claims rather than the above description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.
도 1은 본 발명의 일 실시예에 따른 장르 가중치를 이용하여 방송 프로그램을 추천하는 장치의 구성을 도시한 블록도이다.1 is a block diagram illustrating a configuration of an apparatus for recommending a broadcast program using genre weights according to an embodiment of the present invention.
도 2는 본 발명의 일 실시예에 따른 장르 가중치를 이용하여 방송 프로그램을 추천하는 과정을 도시한 흐름도이다.2 is a flowchart illustrating a process of recommending a broadcast program using genre weights according to an embodiment of the present invention.
도 3은 본 발명의 일 실시예에 따른 IPTV 시청 로그 정보를 도시한 도면이다.3 is a diagram illustrating IPTV viewing log information according to an embodiment of the present invention.
도 4는 본 발명의 일 실시예에 따른 시청 로그 정보를 분석한 시청 통계 정보를 도시한 도면이다.4 is a diagram illustrating viewing statistics information by analyzing viewing log information according to an embodiment of the present invention.
도 5a 내지 도 5c는 본 발명의 일 실시예에 따른 마코프 모델을 이용한 장르 간 이동 경로를 도시한 도면이다.5A to 5C are diagrams illustrating a movement path between genres using a Markov model according to an embodiment of the present invention.
< 도면의 주요 부분에 관한 부호의 설명 ><Description of the code | symbol about the principal part of drawing>
110 : 시청 로그 정보 저장부110: viewing log information storage unit
120 : 장르 가중치 계산부120: genre weight calculation unit
130 : 방송 프로그램 가중치 계산부130: broadcast program weight calculation unit
140 : 방송 프로그램 추천 목록 생성부140: broadcast program recommendation list generation unit
Claims (7)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090128033A KR20110071452A (en) | 2009-12-21 | 2009-12-21 | Broadcast program recommendation method and apparatus using genres weight |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090128033A KR20110071452A (en) | 2009-12-21 | 2009-12-21 | Broadcast program recommendation method and apparatus using genres weight |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20110071452A true KR20110071452A (en) | 2011-06-29 |
Family
ID=44402558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090128033A KR20110071452A (en) | 2009-12-21 | 2009-12-21 | Broadcast program recommendation method and apparatus using genres weight |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20110071452A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101351719B1 (en) * | 2012-11-07 | 2014-01-16 | 성균관대학교산학협력단 | Program recommendation method based on method for calculation user intensities of program consumption |
| KR20150101340A (en) | 2014-02-26 | 2015-09-03 | 에스케이플래닛 주식회사 | Method of generating category preference for each user, method of recommending products using the same and apparatus for the same |
| KR20190002736A (en) * | 2014-03-13 | 2019-01-08 | 더 닐슨 컴퍼니 (유에스) 엘엘씨 | Methods and apparatus to compensate impression data for misattribution and/or non-coverage by a database proprietor |
-
2009
- 2009-12-21 KR KR1020090128033A patent/KR20110071452A/en not_active Application Discontinuation
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101351719B1 (en) * | 2012-11-07 | 2014-01-16 | 성균관대학교산학협력단 | Program recommendation method based on method for calculation user intensities of program consumption |
| KR20150101340A (en) | 2014-02-26 | 2015-09-03 | 에스케이플래닛 주식회사 | Method of generating category preference for each user, method of recommending products using the same and apparatus for the same |
| KR20190002736A (en) * | 2014-03-13 | 2019-01-08 | 더 닐슨 컴퍼니 (유에스) 엘엘씨 | Methods and apparatus to compensate impression data for misattribution and/or non-coverage by a database proprietor |
| US11568431B2 (en) | 2014-03-13 | 2023-01-31 | The Nielsen Company (Us), Llc | Methods and apparatus to compensate for server-generated errors in database proprietor impression data due to misattribution and/or non-coverage |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220318324A1 (en) | Content Recommendation System With Weighted Metadata Annotations | |
| US10341701B2 (en) | Clustering and adjudication to determine a recommendation of multimedia content | |
| CN109284417A (en) | Video pushing method, device, computer equipment and storage medium | |
| US9402101B2 (en) | Content presentation method, content presentation device, and program | |
| CN108040294B (en) | Method, system, and computer readable medium for recommending videos | |
| US8868481B2 (en) | Video recommendation based on video co-occurrence statistics | |
| CN106791963B (en) | Television program recommendation method and system | |
| WO2006126147A2 (en) | Method and apparatus for estimating total interest of a group of users directing to a content | |
| CN104182449A (en) | System and method for personalized video recommendation based on user interests modeling | |
| US20190082206A1 (en) | Systems and Methods for Predicting Audience Measurements of a Television Program | |
| CN105430505B (en) | A kind of IPTV program commending methods based on combined strategy | |
| WO2012173670A1 (en) | Systems and methods for providing media recommendations | |
| KR101825498B1 (en) | Contents recommendation system and method | |
| CN111435371B (en) | Video recommendation method and system, computer program product and readable storage medium | |
| KR101151176B1 (en) | The Content Recommendation Method by Using Menu Preferences | |
| Xu et al. | Catch-up TV recommendations: show old favourites and find new ones | |
| KR101143508B1 (en) | Method For Personalized Multi Recommendation Learning | |
| KR20110071452A (en) | Broadcast program recommendation method and apparatus using genres weight | |
| Liang et al. | Measure prediction capability of data for collaborative filtering | |
| US11172257B2 (en) | Managing audio and video content blocking | |
| Shi et al. | Long-term effects of user preference-oriented recommendation method on the evolution of online system | |
| Yang et al. | Personalized video recommendations for shared accounts | |
| KR101406820B1 (en) | An Intelligent Recommendati on Method of Smart TV Contents | |
| CN113852867A (en) | Program recommendation method and device based on kernel density estimation | |
| CN104333777A (en) | Radio and television program making system and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Withdrawal due to no request for examination |