KR20140094892A - Method to recommend digital contents based on usage log and apparatus therefor - Google Patents
Method to recommend digital contents based on usage log and apparatus therefor Download PDFInfo
- Publication number
- KR20140094892A KR20140094892A KR1020130007512A KR20130007512A KR20140094892A KR 20140094892 A KR20140094892 A KR 20140094892A KR 1020130007512 A KR1020130007512 A KR 1020130007512A KR 20130007512 A KR20130007512 A KR 20130007512A KR 20140094892 A KR20140094892 A KR 20140094892A
- Authority
- KR
- South Korea
- Prior art keywords
- execution
- content
- activity
- user
- calculating
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 26
- 230000000694 effects Effects 0.000 claims abstract description 185
- 230000009467 reduction Effects 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
Description
본 명세서는 컨텐츠 추천 장치 및 컨텐츠 추천 서비스 방법에 관한 것으로서, 더욱 상세하게는 사용자의 컨텐츠 실행 이력으로부터 획득한 정보를 바탕으로 사용자의 취향에 가장 가까운 컨텐츠를 추천하는 방법 및 그에 사용되는 장치에 관한 것이다.BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a content recommendation apparatus and a content recommendation service method, and more particularly, to a method of recommending contents closest to a user's taste based on information obtained from a user's content execution history and an apparatus used therein .
최근, 통신 네트워크가 비약적으로 발전함에 따라, 기존의 고정된 컴퓨터를 이용하는 통신 서비스 뿐만 아니라 이동단말을 이용한 통신 서비스의 이용률이 급증하고 있고 이에 힘입어 각종 통신 서비스의 종류가 매우 다양해지고 있다.2. Description of the Related Art [0002] Recently, as a communication network has dramatically developed, the utilization rate of communication services using mobile terminals has increased not only in communication services using existing fixed computers, but also in various types of communication services.
이러한 컴퓨터 및/또는 이동단말을 위한 통신 서비스 중 가장 대표적인 것으로는, 음악, 동영상, 쿠폰 등의 다양한 컨텐츠나 어플리케이션 프로그램을 구매할 수 있도록 하는 컨텐츠 제공서비스, 앱 스토어 등이 있다.Among the communication services for such computers and / or mobile terminals, there are a content providing service and an app store for purchasing various contents and application programs such as music, movies, and coupons.
최근 이러한 컨텐츠 또는 어플리케이션을 전문 제작자가 아닌 일반 사용자들도 충분히 자체 제작이 가능한 환경이 조성됨에 따라, 온라인 상에 존재하는 컨텐츠의 수와 종류가 무수히 많아지고 있는 실정이다.In recent years, since the environment in which such contents or applications can be produced in a self sufficient manner by general users other than professional producers has been developed, the number and kinds of contents existing on the online are in myriad.
이와 같이 디지? 컨텐츠(앱,비디오, 오디오, eBook) 등을 제공하는 마켓의 규모가 커져갈 수록 사용자의 선택권은 높아지는데 반해 사용자의 관심사나 취향과 관련성이 높은 컨텐츠의 발견이 어려워진다. 따라서 사용자의 사용 행태에 기반한 컨텐츠의 선별 및 추천의 중요성이 높아지는데, 사용자의 구매/평가 이력을 바탕으로 하는 기존의 추천 시스템의 경우, 구매/평가 이력만을 사용하고 실제 사용자가 해당 컨텐츠를 소비하는 패턴을 반영하지 못한다. 특히, 네트워크 속도의 향상과 다양한 컨텐츠 마켓으로의 접근성 향상, 부분 유료화 모델등의 비즈니스 모델 변화등으로 디지털 컨텐츠 마켓의 경우에는 사용자의 구매 신중성이 낮아져 구매 자체로는 사용자의 선호도를 정확하게 판별하기 힘들다.As such, As the size of the market providing content (app, video, audio, eBook) grows, the choice of the user increases, but it becomes difficult to find contents that are related to the user's interest or taste. Therefore, the importance of selection and recommendation of content based on the user's usage behavior is increased. In the case of the existing recommendation system based on the user's purchase / evaluation history, only the purchase / evaluation history is used and the actual user consumes the content It does not reflect the pattern. Especially, in the case of digital content market due to improvement of network speed, improvement of accessibility to various contents market, and change of business model such as partial fee model, it is difficult to precisely discriminate the user's preference with purchasing itself due to low purchase precision of users.
따라서, 구매 컨텐츠에 대한 실제 사용이력을 분석하여 해당 컨텐츠에 대한 사용활성도에 따라 고객의 실제 선호도를 반영한 컨텐츠를 추천할 수 있는 방안이 요청되고 있다.Accordingly, there is a need for a method of analyzing actual usage histories of purchased contents and recommending contents reflecting the actual preferences of customers according to usage activity of the contents.
본 명세서는 컨텐츠 추천 장치 및 방법을 제공하는 데에 그 목적이 있다. 보다 구체적으로는 컨텐츠에 대한 실제 사용이력을 분석하여 해당 컨텐츠에 대한 사용활성도에 따라 고객의 실제 선호도를 반영한 컨텐츠를 추천해 줌으로써 사용자의 서비스 사용을 촉진하는 방법 및 장치를 제공하는 것에 목적이 있다. 또한 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 컨텐츠 추천 장치를 제공함으로써 사용자의 만족도를 제고하는 것이 본 명세서의 목적이다.It is an object of the present invention to provide a content recommendation apparatus and method. More particularly, it is an object of the present invention to provide a method and apparatus for promoting use of a user's service by analyzing actual usage histories of contents and recommending contents reflecting actual preferences of customers according to usage activity of the contents. The information processing apparatus according to any one of claims 1 to 3, further comprising: content execution history information including an execution count and execution time of the content stored in the user terminal; calculating execution activity of the content based on the received content execution history information; To provide a content recommendation apparatus that determines the recommended content by using the content recommendation apparatus.
본 명세서의 일 실시예에 따라 컨텐츠 추천 장치가 제공된다. 상기 장치는 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하는 실행정보 수신부와; 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 실행활성도 산출부와; 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 추천 컨텐츠 결정부를 포함할 수 있다.According to an embodiment of the present invention, a content recommendation apparatus is provided. The apparatus includes an execution information receiving unit that receives content execution history information including an execution count and an execution time of contents stored in a user terminal; An execution activity calculation unit for calculating execution activity of the content based on the received content execution history information; And a recommended content determination unit for determining the recommended content based on the calculated execution activity.
상기 실행활성도 산출부는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다.Wherein the execution activity calculating unit calculates a content execution score for each predetermined period based on the execution count of the content for a predetermined period and calculates the execution activity of the content by adding the calculated content execution score for each predetermined period .
상기 실행활성도 산출부는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다.Wherein the execution activity calculation unit calculates the content execution score for each predetermined period based on the number of times of execution and the execution time of the content for a predetermined period of time, The execution execution score is calculated, and the execution activity of the content can be calculated by adding the adjustment execution score.
상기 실행활성도 산출부는, 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간과 타 사용자의 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 비교하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다.The execution activity calculating unit may calculate the execution activity of the content by comparing the average execution frequency of the predetermined period, the average execution time, the average execution frequency of the predetermined period of the contents of the other user with the average execution time.
상기 추천 컨텐츠 결정부는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수 있다.The recommendation content determination unit may search for another user who has a similarity degree of the execution activity of the predefined content with the execution activity of the user that is equal to or greater than the threshold value and recommends the content that the other user has performed to the user .
본 명세서의 다른 실시예에 따라 컨텐츠 추천 방법이 제공된다. 상기 방법은 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하는 단계와; 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 단계와; 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 단계를 포함할 수 있다.According to another embodiment of the present invention, a content recommendation method is provided. The method comprises: receiving content execution history information including a number of times of execution of content stored in a user terminal and an execution time; Calculating execution activity of the content based on the received content execution history information; And determining the recommended content based on the calculated execution activity.
상기 실행 활성도를 산출하는 단계는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하는 단계와; 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계를 포함할 수 있다.The step of calculating the execution activity may include calculating a content execution score for each predetermined period based on the number of times of execution of the content for a predetermined period and the execution time; And calculating the execution activity of the content by summing the calculated content execution points of the predetermined period.
상기 실행 활성도를 산출하는 단계는, 상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하는 단계와; 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하는 단계와; 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계를 포함 포함할 수 있다.The step of calculating the execution activity may include calculating the content execution score for each predetermined period based on the number of times of execution and the execution time of the content for a predetermined period of time; Calculating an adjustment execution score by assigning an execution activity reduction rate from the predetermined period to the execution activity calculation point to the execution score for each predetermined period; And calculating the execution activity of the content by summing the adjustment execution scores.
상기 실행 활성도를 산출하는 단계는, 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간과 타 사용자의 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 비교하여 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. The step of calculating the execution activity may include calculating the execution activity of the content by comparing the average execution frequency of the predetermined period, the average execution time, the average execution frequency of the predetermined period of the content of the other user with the average execution time .
상기 추천 컨텐츠를 결정하는 단계는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천하는 단계일 수 있다.Wherein the step of determining the recommended content comprises the steps of: searching for another user whose execution activity of the predefined content is similar to the execution activity of the user with a degree of similarity equal to or greater than a threshold value; As shown in FIG.
본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 시스템이 제공된다. 상기 시스템은 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 컨텐츠 추천 장치와; 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 전송하고, 상기 컨텐츠 실행이력 정보를 기초로 상기 컨텐츠 추천 장치에 의해 추천된 추천 컨텐츠를 표시하는 사용자 단말을 포함할 수 있다.A content recommendation service system is provided in accordance with another embodiment of the present disclosure. The system comprising: a reception unit configured to receive content execution history information including an execution count and execution time of content stored in a user terminal, calculate execution activity of the content based on the received content execution history information, A content recommendation device for determining a recommended content based on the recommendation content; And a user terminal for transmitting the content execution history information including the execution count of the stored content and the execution time and displaying the recommended content recommended by the content recommendation apparatus based on the content execution history information.
본 명세서의 실시예들은 사용자가 구매한 컨텐츠의 실제 사용 이력을 분석한 결과를 바탕으로 사용자의 선호도를 반영한 개인 맞춤형 추천 서비스를 제공할 수 있다. 더 나아가 사용자의 최신 컨텐츠 사용 취향을 분석하여 최신 관심사에 적합한 추천 제공을 할 수 있는 효과도 성취할 수 있다.Embodiments of the present invention can provide a personalized recommendation service that reflects the user's preference based on a result of analyzing the actual use history of the content purchased by the user. Furthermore, the user can analyze the user's taste of the latest content and achieve the effect of providing recommendation suitable for the latest interest.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.
도 3은 본 발명의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.1 is a block diagram of a content recommendation apparatus according to an embodiment of the present invention.
2 is a configuration diagram illustrating a content recommendation service system according to an embodiment of the present invention.
3 is a flowchart illustrating a content recommendation method according to an exemplary embodiment of the present invention.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.It is noted that the technical terms used herein are used only to describe specific embodiments and are not intended to limit the invention. It is also to be understood that the technical terms used herein are to be interpreted in a sense generally understood by a person skilled in the art to which the present invention belongs, Should not be construed to mean, or be interpreted in an excessively reduced sense. Further, when a technical term used herein is an erroneous technical term that does not accurately express the spirit of the present invention, it should be understood that technical terms that can be understood by a person skilled in the art are replaced. In addition, the general terms used in the present invention should be interpreted according to a predefined or prior context, and should not be construed as being excessively reduced.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니됨을 유의해야 한다. 본 발명의 사상은 첨부된 도면 외에 모든 변경, 균등물 내지 대체물에 까지도 확장되는 것으로 해석되어야 한다.
Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings, wherein like reference numerals refer to like or similar elements throughout the several views, and redundant description thereof will be omitted. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail. It is to be noted that the accompanying drawings are only for the purpose of facilitating understanding of the present invention, and should not be construed as limiting the scope of the present invention with reference to the accompanying drawings. The spirit of the present invention should be construed as extending to all modifications, equivalents, and alternatives in addition to the appended drawings.
도 1은 본 발명의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.1 is a block diagram of a content recommendation apparatus according to an embodiment of the present invention.
도 1을 참고하여 보면, 상기 컨텐츠 추천 장치(100)는 실행정보 수신부(101), 실행활성도 산출부(102), 추천 컨텐츠 결정부(103)을 포함하여 구성될 수 있다.Referring to FIG. 1, the
상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다. 본 명세서에서 개시하는 방법 및 장치에 의해 사용자의 관심 컨테츠, 관심 카테고리 등이 분석되면, 해당 관심사와 가장 밀접한 컨텐츠의 추천이 제공될 수 있다.The
컨텐츠의 실행이력으로부터 분석한 사용자의 컨텐츠 사용 특성에 따라 효율적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 각 사용자가 보유한 컨텐츠를 사용(재생, 실행 등)한 이력(history)을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)의 실행정보 수신부(101)는 각각의 사용자 단말로부터 컨텐츠 실행이력 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 실행이력 정보는 상기 단말에 저장된 1 이상의 컨텐츠 각각의 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 실행기록이 서버 등에 저장되는 경우에는 상기 실행정보 수신부(101)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 실행이력 정보를 수신할 수도 있다.In order to efficiently select the recommended content according to the content usage characteristic of the user analyzed from the execution history of the content, the
상기 컨텐츠 추천 장치(100)의 실행활성도 산출부(102)는 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.The execution
일반적으로 디지털 컨텐츠 마켓은 사용자의 구매이력을 기초로 하여 추천 컨텐츠를 제공한다. 하지만 동일한 구매 컨텐츠에 대해서 각 사용자 별로 만족도 및 활용도가 다르기 때문에, 단순 구매이력 기반 추천은 사용자의 실제 선호도를 제대로 반영하지 못하는 경우가 많다. 또한 과거에 발생한 구매이력을 기반으로 추정되는 사용자의 관심사는, 시간에 따라 변한 현재의 관심사를 제대로 반영하지 못하는 경우도 있다. 따라서 각 컨텐츠 구매 이후 사용자의 실행활성도를 측정하고 해당 값에 따라 추천제공을 한다면 사용자의 기호에 더 적합한 컨텐츠 추천이 이루어질 수 있다.Generally, the digital contents market provides recommendation contents based on the purchase history of the user. However, because the satisfaction and utilization of each purchaser differs for each purchaser, the purchasing history recommendation does not accurately reflect the user's preference. In addition, the user's interest, which is estimated based on the past purchase history, may not reflect the current interest that has changed with time. Therefore, after the purchase of each content, the user can measure the execution activity, and if recommendation is provided according to the value, content recommendation more suitable for the user's preference can be made.
특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 전술하였듯이 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등이 상기 인자로 사용될 수 있다. 이하에서는 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법을 설명한다.Various factors may be used to calculate the content execution activity of a particular user. As described above, the execution count, the execution time, the execution time (date, time, etc.), the execution place, and the like can be used as the above factors. Hereinafter, a method of calculating the execution activity of the content with the number of times of execution of the content and the execution time as the main factors will be described.
실행 활성도 산출의 제1 실시예로서 상기 실행활성도 산출부(102)는 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 기초로 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 예컨대, 컨텐츠 A의 2012년 12월 한 달 간의 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이라면, 컨텐츠 A의 실행활성도 = (기본 점수)+(3*30)과 같은 수식으로 계산될 수 있다. 이때 실행 활성도는 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 계산될 수도 있다. 즉, 특정 사용자(U)가 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이며, 타 사용자들의 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 6회이고 1일 평균 실행시간이 20분인 경우라면, 컨텐츠 A의 실행활성도 = (기본 점수) + w1*(3/6) + w2*(30/20)과 같은 수식으로 계산될 수 있다. (w1, w2는 실행 활성도에 있어서 실행횟수 및 실행시간에 각각 부여되는 가중치이다.) 이 경우 기본 점수가 0.5, w1, w2이 각각 0.5 라면, 컨텐츠 A의 실행활성도는 0.5 + 0.5*(3/6) + 0.5*(30/20) = 1.833 이 된다.The execution
실행 활성도 산출의 제2 실시예로서 상기 실행활성도 산출부(102)는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 즉, 단위 기간(1일, 1주일 등)을 정하여 각 단위 시간 동안의 특정 컨텐츠 실행 횟수, 실행 시간에 기초한 점수를 계산하고, 원하는 시점까지의 점수를 모두 합산하여 실행활성도를 계산하는 것이다.As the second embodiment of the execution activity calculation, the execution
예를 들어, 1일 단위로 수집한 특정 사용자(U)의 컨텐츠 A와 컨텐츠 B에 대한 실행이력이 아래 표1과 같다면,For example, if the execution history of contents A and contents B of a specific user (U) collected on a daily basis is as shown in Table 1 below,
2012.12
2012년 12월 기준으로 계산한 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30 + 12*45 + 7*16 + … + 4*15 + 2*14 + … + 0*0 + 0*0 + 0*0 이고, 컨텐츠 B의 실행 활성도 U(B)는 U(B)= 0*0 + 0*0 + 0*0 + … + 2*10 + 3*12 + … +5*7 + 10*25 + 8*19 이다. 이때 컨텐츠의 속성에 따라 실행횟수 및 실행시간에 각각 별도의 가중치를 부여할 수도 있다.U (A) = 10 * 30 + 12 * 45 + 7 * 16 + U (A) is the execution activity U + 4 * 15 + 2 * 14 + ... 0 + 0 * 0 + 0 + 0 * 0 and the execution activity U (B) of the content B is U (B) = 0 * 0 + 0 * 0 + 0 * 0 + + 2 * 10 + 3 * 12 + ... + 5 * 7 + 10 * 25 + 8 * 19. At this time, different weights may be given to the execution count and the execution time, respectively, depending on the attribute of the content.
또한 실행 활성도를 구하기 위한 대상 기간을 달리하면 위의 예를 든 컨텐츠 A와 B의 실행 활성도 값도 달라질 수 있다. 즉, 위의 예에서는 실행활성도 산출대상 기간을 2012년 12월로 하였으나, 그 산출대상 기간을 2012년 12월 15일~2012년 12월 31일 변경한다면, 컨텐츠 A와 B의 실행 활성도 값도 달라진다. 이는 실행활성도 산출대상 기간을 유연하게 변경해 가며 타겟팅 사용자의 특성을 보다 더 적합하게 반영한 실행활성도를 구할 수 있음을 의미한다. 예를 들어 유의미한 기간(명절연휴기간, 바캉스 기간, 연말연시 등)을 대상으로 특정 컨텐츠의 실행활성도를 산출한다면 해당 기간의 사용자 맞춤 컨텐츠 프로모션에 적절히 활용할 수 있을 것이다.Also, if the target period for obtaining the execution activity is different, the execution activity value of the contents A and B in the above example may also be changed. That is, in the above example, although the execution activity calculation target period is set to December 2012, if the calculation target period is changed from December 15, 2012 to December 31, 2012, the execution activity values of the contents A and B also change. This means that it is possible to obtain the execution activity that more appropriately reflects the characteristics of the targeting user while flexibly changing the execution activity calculation target period. For example, if activity activity of a specific content is calculated for a meaningful period (holiday season, vacation season, year-end / New Year, etc.), it can be appropriately utilized for user-customized content promotion of the corresponding period.
실행 활성도 산출의 제3 실시예로서 상기 실행활성도 산출부(102)는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 즉, 실행활성도가 시간에 따라 감소하여(일정 기간동안 실행을 하지 않으면 활성도가 0으로 수렴하도록 함으로써), 최근에 자주 사용한 컨텐츠를 사용자의 관심 컨텐츠로 분류하는 것이다. 예컨대 (해당일 +1)일 사용자의 컨텐츠 A에 대한 활성도는 전일 실행활성도에 실행 활성도 감소 비율을 반영하여 계산된다. 즉, x일의 실행활성도가 1.833이었고 실행 활성도 감소 비율이 0.9로 정의된다면, x+1일의 실행활성도는 1.833 * 0.9 = 1.6499이 되고, x+2일의 실행활성도는 1.833 * 0.92 = 1.487이 되는 방식이다.As the third embodiment of the execution activity calculation, the execution
위의 표 1과 같이 실행이력에 대하여 실행 활성도 감소 비율을 부여하여 12월 31일 기준 실행활성도를 계산한다면, 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30*0.930 + 12*45*0.929 + 7*16*0.928 + … + 4*15*0.916 + 2*14*0.915 + … + 0*0*0.92 + 0*0*0.91 + 0*0과 같은 방식으로 계산된다. 동일한 방식을 컨텐츠 B의 실행 활성도 계산에 적용하면, 컨텐츠 B는 12월 31일 직전에 많이 실행되었으므로 상대적으로 실행활성도의 감소가 적게 나타날 것이다. 이와 같이 방식의 계산은 동일 기간의 컨텐츠 실행이라도 더 최근에 실행된 컨텐츠가 사용자의 관심사를 더 많이 반영하고 있음을 이용하는 것이다.The execution activity U (A) of the content A is calculated as U (A) = 10 * 30 * 0.9 30 + 1 as the execution activity reduction rate is given to the execution history as shown in Table 1 above, 12 * 45 * 0.9 29 + 7 * 16 * 0.9 28 + ... + 4 * 15 * 0.9 16 + 2 * 14 * 0.9 15 + ... + 0 * 0 * 0.9 2 + 0 * 0 * 0.9 1 + 0 * 0. If the same method is applied to the calculation of the execution activity of the content B, since the content B is executed just before December 31, the decrease in the execution activity will be relatively small. This type of calculation utilizes the fact that the more recently executed content reflects more of the user's interests, even in the execution of the same period of content.
상기 실시예들은 상호 조합되어 사용될 수도 있다. 예를 들어 제2, 제3 실시예의 실행활성도 계산도, 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 수행될 수 있다.The above embodiments may be used in combination with each other. For example, the execution activity calculations of the second and third embodiments may be performed based on the execution frequency and the execution time ratio with respect to other users.
위와 같이 각 컨텐츠마다의 실행 활성도가 계산되면, 상기 컨텐츠 추천 장치(100)의 추천 컨텐츠 결정부(103)는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다. When the execution activity for each content is calculated as described above, the recommended content deciding unit 103 of the
예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 추천 컨텐츠 결정부(103)는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수도 있다. 즉, 컨텐츠 실행 취향이 비슷할 것으로 예상되는 다른 사용자가 자주 또는 많이 실행한 컨텐츠를 추천하는 것이다. 이는 유사한 개성을 갖는 사용자간에는 어느 일방의 취향에 맞는 컨텐츠를 추천했을 때 그 추천에 대한 반응도가 높을 것으로 기대하는 것이다. 또 다른 실시예로서, 어느 사용자가 특정 컨텐츠에 대해 타 사용자의 평균적인 실행활성도에 비해 특이한 추이를 보인다면, 이를 기초로 한 컨텐츠 추천도 가능하다. 예를 들어 타 사용자의 경우 평균적으로 1주일 정도 후에 실행 빈도/시간이 줄어드는 컨텐츠임에도, 어느 사용자는 최근까지 꾸준히 계속 실행활성도가 높다면, 이러한 매니아적인 취향에 부합되는 컨텐츠를 찾아서 추천 제공하는 것이다.For example, the recommended content can be determined in various manners, such as recommending the content of the same category as the content with the highest execution activity, or recommending the content of the same category as the content whose execution activity is higher than a certain standard. In one embodiment, the recommended content determination unit 103 searches for another user having the similarity of the execution activity of the predefined content with the execution activity of the user at a threshold value or more, And may recommend the executed content to the user. That is, it recommends content that is frequently or frequently executed by other users whose content execution preferences are expected to be similar. It is expected that users who have similar personality will be more responsive to the recommendation when recommending content suitable for one's taste. As another embodiment, if a user exhibits a peculiar trend relative to an average execution activity of another user with respect to a specific content, content recommendation based on the same may be possible. For example, if a user continues to steadily continue to run until recently, even if the average frequency of other users is less than one week, the user will find and recommend content that matches his or her preferences.
이와 같은 방법으로 상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 실행 이력에 근거한 추천 결과를 생성할 수 있으며, 실행 이력으로부터 사용자의 선호 카테고리 등을 파악함으로써 고객 취향에 대한 분석의 정확도를 높일 수 있다.
In this way, the
도 2는 본 발명의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.2 is a configuration diagram illustrating a content recommendation service system according to an embodiment of the present invention.
상기 컨텐츠 추천 서비스 시스템은 컨텐츠 추천 장치(100) 및 사용자 단말(10)을 포함하여 구성될 수 있다. 이때 상기 컨텐츠 추천 장치(100)는 사용자 단말에 저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정할 수 있다. 또한 상기 사용자 단말(10)은 상기 컨텐츠 추천 장치로 저장된 컨텐츠의 컨텐츠 실행이력 정보를 전송하고, 상기 컨텐츠 추천 장치에 의해 추천된 추천 컨텐츠를 표시할 수 있다.The content recommendation service system may include a
상기 사용자 단말(10)은, 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속하여 컨텐츠 추천 장치(100)로부터 제공되는 컨텐츠를 수신할 수 있는 단말로서, 예컨대 이동단말 또는 컴퓨터일 수 있다. 이러한 사용자 단말(10)은, 특정 가입자에 의해 일련의 로그인 과정을 거쳐 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속할 수 있다.The
이에, 사용자 단말(10)은, 특정 카테고리에 대한 컨텐츠 추천을 요청하고, 이에 따라 컨텐츠 추천 장치(100)로부터 제공되는 추천 컨텐츠를 표시할 수 있다. 즉, 사용자 단말(10)은, 사용자에 의해 특정 컨텐츠 카테고리(예: 영화)가 입력 또는 선택되면, 이러한 특정 카테고리(예: 영화)에 대한 컨텐츠 추천을 컨텐츠 추천 장치(100)에 요청할 수 있다.Accordingly, the
또는, 사용자 단말(10)은, 컨텐츠 추천 요청을 위한 시간대별 추천요청정보가 미리 설정되어, 특정 시간대에 도달하면 해당 시간대의 추천요청정보에 따른 특정 컨텐츠카테고리(예: 연예오락)에 대한 컨텐츠 추천을 컨텐츠 추천 장치(100)에 요청할 수도 있다. 이 밖에도, 사용자 단말(10)이 가입자와 관련하여 특정 컨텐츠카테고리에 대한 컨텐츠 추천을 요청하는 방식은 다양하게 실현될 수 있다. Alternatively, the
사용자 단말(10)은 컨텐츠 추천 장치(100)로부터 컨텐츠 즉 추천 컨텐츠가 제공되면, 추천 컨텐츠 예컨대 추천 컨텐츠를 열람할 수 있도록 하는 컨텐츠 접속정보를 바로 표시할 수 있고, 또는 가입자가 표시를 선택하면 추천 컨텐츠의 컨텐츠 접속정보를 표시할 수도 있다.The
한편 상기 사용자 단말(10)은 컨텐츠 추천 장치(100)에게 컨텐츠 실행 이력 정보를 제공할 수도 있다. 이는 사용자 단말(10) 또는 컨텐츠 서버를 통해 이루어 질 수 있다. 필요한 경우, 사용자 단말(10)은 상기 정보 제공을 위한 사용자의 사전 동의를 전송할 수도 있다.Meanwhile, the
상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다.The
컨텐츠의 실행이력으로부터 분석한 사용자의 컨텐츠 사용 특성에 따라 효율적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 각 사용자가 보유한 컨텐츠를 사용(재생, 실행 등)한 이력(history)을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)는 각각의 사용자 단말로부터 컨텐츠 실행이력 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 실행이력 정보는 상기 단말에 저장된 1 이상의 컨텐츠 각각의 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 실행기록이 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치(100)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 실행이력 정보를 수신할 수도 있다.In order to efficiently select the recommended content according to the content usage characteristic of the user analyzed from the execution history of the content, the
상기 컨텐츠 추천 장치(100)는 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.The
특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 전술하였듯이 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등이 상기 인자로 사용될 수 있다. 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법은 도 1에서 설명한 바와 같다.Various factors may be used to calculate the content execution activity of a particular user. As described above, the execution count, the execution time, the execution time (date, time, etc.), the execution place, and the like can be used as the above factors. The method for calculating the execution activity of the content with the number of times of execution of the content and the execution time as the main factors is as described in Fig.
각 컨텐츠마다의 실행 활성도가 계산되면, 상기 컨텐츠 추천 장치(100)는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다. When the execution activity for each content is calculated, the
예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 컨텐츠 추천 장치는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수도 있다. 즉, 컨텐츠 실행 취향이 비슷할 것으로 예상되는 다른 사용자가 자주 또는 많이 실행한 컨텐츠를 추천하는 것이다. 이는 유사한 개성을 갖는 사용자간에는 어느 일방의 취향에 맞는 컨텐츠를 추천했을 때 그 추천에 대한 반응도가 높을 것으로 기대하는 것이다. 또 다른 실시예로서, 어느 사용자가 특정 컨텐츠에 대해 타 사용자의 평균적인 실행활성도에 비해 특이한 추이를 보인다면, 이를 기초로 한 컨텐츠 추천도 가능하다. 예를 들어 타 사용자의 경우 평균적으로 1주일 정도 후에 실행 빈도/시간이 줄어드는 컨텐츠임에도, 어느 사용자는 최근까지 꾸준히 계속 실행활성도가 높다면, 이러한 매니아적인 취향에 부합되는 컨텐츠를 찾아서 추천 제공하는 것이다.For example, the recommended content can be determined in various manners, such as recommending the content of the same category as the content with the highest execution activity, or recommending the content of the same category as the content whose execution activity is higher than a certain standard. In one embodiment, the content recommendation apparatus searches for another user who has a similarity in the execution activity of the predefined content with the execution activity of the user with a degree of similarity equal to or greater than a threshold value, And may be recommended to the user. That is, it recommends content that is frequently or frequently executed by other users whose content execution preferences are expected to be similar. It is expected that users who have similar personality will be more responsive to the recommendation when recommending content suitable for one's taste. As another embodiment, if a user exhibits a peculiar trend relative to an average execution activity of another user with respect to a specific content, content recommendation based on the same may be possible. For example, if a user continues to steadily continue to run until recently, even if the average frequency of other users is less than one week, the user will find and recommend content that matches his or her preferences.
도 3은 본 발명의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.3 is a flowchart illustrating a content recommendation method according to an exemplary embodiment of the present invention.
이하에서 상술하는 컨텐츠 추천 방법은 컨텐츠 추천 장치에 의해 수행될 수 있다.Hereinafter, the content recommendation method described above may be performed by the content recommendation apparatus.
상기 컨텐츠 추천 장치는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다.The content recommendation apparatus analyzes history of use of digital contents (applications, multimedia contents, etc.) of a specific user, analyzes interest contents and interest categories of the user, and can recommend personalized contents using the results. Particularly, the device can analyze the actual execution history information of the content owned by a specific user to grasp the contents of interest, interest category, etc. of the user.
컨텐츠의 실행이력으로부터 분석한 사용자의 컨텐츠 사용 특성에 따라 효율적으로 추천 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치는 각 사용자가 보유한 컨텐츠를 사용(재생, 실행 등)한 이력(history)을 수집할 수 있다(S210). 일 실시예로서, 상기 컨텐츠 추천 장치는 각각의 사용자 단말로부터 컨텐츠 실행이력 정보를 수신하고 저장할 수 있다. 이때 상기 컨텐츠 실행이력 정보는 상기 단말에 저장된 1 이상의 컨텐츠 각각의 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등의 정보를 포함할 수 있다. 한편 특정 사용자의 컨텐츠 실행기록이 서버 등에 저장되는 경우에는 상기 컨텐츠 추천 장치는 해당 서버 등으로부터 특정 사용자의 컨텐츠 실행이력 정보를 수신할 수도 있다.In order to efficiently select the recommended content according to the content usage characteristics of the user analyzed from the execution history of the content, the content recommendation apparatus can collect a history of using (playing, executing, etc.) (S210). In one embodiment, the content recommendation apparatus may receive and store content execution history information from each user terminal. At this time, the content execution history information may include information such as an execution count, an execution time, an execution time (date, time, etc.) of each of the one or more contents stored in the terminal, and an execution place. Meanwhile, when a content execution record of a specific user is stored in a server or the like, the content recommendation apparatus may receive content execution history information of a specific user from the server or the like.
상기 컨텐츠 추천 장치는 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출할 수 있다(S220). 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.The content recommendation apparatus may calculate the execution activity of the content based on the received content execution history information (S220). Here, the execution activity is a measure indicating the degree of use of the specific content, and the content having a large execution activity can be estimated as the content of a field in which the user is more interested.
특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 전술하였듯이 실행 횟수, 실행 시간, 실행 시점(날짜, 시간 등), 실행 장소 등이 상기 인자로 사용될 수 있다. 이하에서는 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법을 설명한다.Various factors may be used to calculate the content execution activity of a particular user. As described above, the execution count, the execution time, the execution time (date, time, etc.), the execution place, and the like can be used as the above factors. Hereinafter, a method of calculating the execution activity of the content with the number of times of execution of the content and the execution time as the main factors will be described.
실행 활성도 산출의 제1 실시예로서 상기 실행 활성도를 산출하는 단계는 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 기초로 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. 예컨대, 컨텐츠 A의 2012년 12월 한 달 간의 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이라면, 컨텐츠 A의 실행활성도 = (기본 점수)+(3*30)과 같은 수식으로 계산될 수 있다. 이때 실행 활성도는 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 계산될 수도 있다. 즉, 특정 사용자(U)가 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이며, 타 사용자들의 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 6회이고 1일 평균 실행시간이 20분인 경우라면, 컨텐츠 A의 실행활성도 = (기본 점수) + w1*(3/6) + w2*(30/20)과 같은 수식으로 계산될 수 있다. (w1, w2는 실행 활성도에 있어서 실행횟수 및 실행시간에 각각 부여되는 가중치이다.) 이 경우 기본 점수가 0.5, w1, w2이 각각 0.5 라면, 컨텐츠 A의 실행활성도는 0.5 + 0.5*(3/6) + 0.5*(30/20) = 1.833 이 된다.The step of calculating the execution activity as the first embodiment of the execution activity calculation may be a step of calculating the execution activity of the content based on the average execution count of the predetermined period of the content and the average execution time. For example, if the average number of executions of the content A per month during December of 2012 is three and the average execution time per day is 30 minutes, the execution activity of the content A = (basic score) + (3 * 30) . ≪ / RTI > At this time, the execution activity may be calculated based on the execution frequency and execution time ratio with respect to other users. In other words, when a specific user (U) has an average execution frequency of three times per day for a month in December 2012 for content A, an average execution time of 30 minutes per day, If the average number of executions per month is 6 and the average execution time per day is 20 minutes, the execution activity of content A = (basic score) + w1 * (3/6) + w2 * (30/20) Can be calculated as a formula. (w1 and w2 are weights assigned respectively to the execution count and the execution time in the execution activity). In this case, if the basic score is 0.5 and w1 and w2 are 0.5, the execution activity of the content A is 0.5 + 0.5 * (3 / 6) + 0.5 * (30/20) = 1.833.
실행 활성도 산출의 제2 실시예로서 상기 실행 활성도를 산출하는 단계는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. 즉, 단위 기간(1일, 1주일 등)을 정하여 각 단위 시간 동안의 특정 컨텐츠 실행 횟수, 실행 시간에 기초한 점수를 계산하고, 원하는 시점까지의 점수를 모두 합산하여 실행활성도를 계산하는 것이다.Calculating the execution activity as a second embodiment of the execution activity calculation includes calculating the content execution score for each predetermined period based on the number of times of execution and the execution time of the predetermined period of the content, And calculating the execution activity of the content. In other words, a unit period (one day, one week, etc.) is set to calculate a score based on the number of times of execution of a specific content and execution time for each unit time, and the execution activity is calculated by summing all the scores up to a desired time.
예를 들어, 1일 단위로 수집한 특정 사용자(U)의 컨텐츠 A와 컨텐츠 B에 대한 실행이력이 도 1에서 설명한 상기 표 1과 같다면,For example, if the execution history of the content A and the content B of a specific user U collected on a daily basis is the same as the table 1 described in FIG. 1,
2012년 12월 기준으로 계산한 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30 + 12*45 + 7*16 + … + 4*15 + 2*14 + … + 0*0 + 0*0 + 0*0 이고, 컨텐츠 B의 실행 활성도 U(B)는 U(B)= 0*0 + 0*0 + 0*0 + … + 2*10 + 3*12 + … +5*7 + 10*25 + 8*19 이다. 이때 컨텐츠의 속성에 따라 실행횟수 및 실행시간에 각각 별도의 가중치를 부여할 수도 있다.U (A) = 10 * 30 + 12 * 45 + 7 * 16 + U (A) is the execution activity U + 4 * 15 + 2 * 14 + ... 0 + 0 * 0 + 0 + 0 * 0 and the execution activity U (B) of the content B is U (B) = 0 * 0 + 0 * 0 + 0 * 0 + + 2 * 10 + 3 * 12 + ... + 5 * 7 + 10 * 25 + 8 * 19. At this time, different weights may be given to the execution count and the execution time, respectively, depending on the attribute of the content.
또한 실행 활성도를 구하기 위한 대상 기간을 달리하면 위의 예를 든 컨텐츠 A와 B의 실행 활성도 값도 달라질 수 있다. 즉, 위의 예에서는 실행활성도 산출대상 기간을 2012년 12월로 하였으나, 그 산출대상 기간을 2012년 12월 15일~2012년 12월 31일 변경한다면, 컨텐츠 A와 B의 실행 활성도 값도 달라진다. 이는 실행활성도 산출대상 기간을 유연하게 변경해 가며 타겟팅 사용자의 특성을 보다 더 적합하게 반영한 실행활성도를 구할 수 있음을 의미한다. 예를 들어 유의미한 기간(명절연휴기간, 바캉스 기간, 연말연시 등)을 대상으로 특정 컨텐츠의 실행활성도를 산출한다면 해당 기간의 사용자 맞춤 컨텐츠 프로모션에 적절히 활용할 수 있을 것이다.Also, if the target period for obtaining the execution activity is different, the execution activity value of the contents A and B in the above example may also be changed. That is, in the above example, although the execution activity calculation target period is set to December 2012, if the calculation target period is changed from December 15, 2012 to December 31, 2012, the execution activity values of the contents A and B also change. This means that it is possible to obtain the execution activity that more appropriately reflects the characteristics of the targeting user while flexibly changing the execution activity calculation target period. For example, if activity activity of a specific content is calculated for a meaningful period (holiday season, vacation season, year-end / New Year, etc.), it can be appropriately utilized for user-customized content promotion of the corresponding period.
실행 활성도 산출의 제3 실시예로서 상기 실행 활성도를 산출하는 단계는 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계일 수 있다. 즉, 실행활성도가 시간에 따라 감소하여(일정 기간동안 실행을 하지 않으면 활성도가 0으로 수렴하도록 함으로써), 최근에 자주 사용한 컨텐츠를 사용자의 관심 컨텐츠로 분류하는 것이다. 예컨대 (해당일 +1)일 사용자의 컨텐츠 A에 대한 활성도는 전일 실행활성도에 실행 활성도 감소 비율을 반영하여 계산된다. 즉, x일의 실행활성도가 1.833이었고 실행 활성도 감소 비율이 0.9로 정의된다면, x+1일의 실행활성도는 1.833 * 0.9 = 1.6499이 되고, x+2일의 실행활성도는 1.833 * 0.92 = 1.487이 되는 방식이다.The step of calculating the execution activity as the third embodiment of the calculation of the execution activity calculates a content execution score for each predetermined period on the basis of the number of times of execution of the predetermined period of time and the execution time of the content, Calculating the execution execution score by adding the execution activity reduction rate from the execution activity reduction rate to the execution activity calculation time, and calculating the execution activity of the content by adding the adjustment execution score. That is, the execution activity is decreased with time (by causing the activity to converge to 0 if the execution is not performed for a predetermined period of time), and the recently used content is classified into the user's interest contents. For example, the activity for the content A of the (day +1) day user is calculated by reflecting the execution activity decrease rate to the previous day execution activity. That is, if the execution activity of x day is 1.833 and the execution activity reduction ratio is defined as 0.9, the execution activity of x + 1 is 1.833 * 0.9 = 1.6499 and the execution activity of x + 2 is 1.833 * 0.9 2 = 1.487 .
위의 표 1과 같이 실행이력에 대하여 실행 활성도 감소 비율을 부여하여 12월 31일 기준 실행활성도를 계산한다면, 컨텐츠 A의 실행 활성도 U(A)는 U(A) = 10*30*0.930 + 12*45*0.929 + 7*16*0.928 + … + 4*15*0.916 + 2*14*0.915 + … + 0*0*0.92 + 0*0*0.91 + 0*0과 같은 방식으로 계산된다. 동일한 방식을 컨텐츠 B의 실행 활성도 계산에 적용하면, 컨텐츠 B는 12월 31일 직전에 많이 실행되었으므로 상대적으로 실행활성도의 감소가 적게 나타날 것이다. 이와 같이 방식의 계산은 동일 기간의 컨텐츠 실행이라도 더 최근에 실행된 컨텐츠가 사용자의 관심사를 더 많이 반영하고 있음을 이용하는 것이다.The execution activity U (A) of the content A is calculated as U (A) = 10 * 30 * 0.9 30 + 1 as the execution activity reduction rate is given to the execution history as shown in Table 1 above, 12 * 45 * 0.9 29 + 7 * 16 * 0.9 28 + ... + 4 * 15 * 0.9 16 + 2 * 14 * 0.9 15 + ... + 0 * 0 * 0.9 2 + 0 * 0 * 0.9 1 + 0 * 0. If the same method is applied to the calculation of the execution activity of the content B, since the content B is executed just before December 31, the decrease in the execution activity will be relatively small. This type of calculation utilizes the fact that the more recently executed content reflects more of the user's interests, even in the execution of the same period of content.
상기 실시예들은 상호 조합되어 사용될 수도 있다. 예를 들어 제2, 제3 실시예의 실행활성도 계산도, 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 수행될 수 있다.The above embodiments may be used in combination with each other. For example, the execution activity calculations of the second and third embodiments may be performed based on the execution frequency and the execution time ratio with respect to other users.
위와 같이 각 컨텐츠마다의 실행 활성도가 계산되면, 상기 컨텐츠 추천 장치는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다(S230). When the execution activity for each content is calculated as described above, the content recommendation apparatus can determine the recommended content to be recommended to the user according to the calculated execution activity (S230).
예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 추천 컨텐츠를 결정하는 단계는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천하는 단계일 수도 있다. 즉, 컨텐츠 실행 취향이 비슷할 것으로 예상되는 다른 사용자가 자주 또는 많이 실행한 컨텐츠를 추천하는 것이다. 이는 유사한 개성을 갖는 사용자간에는 어느 일방의 취향에 맞는 컨텐츠를 추천했을 때 그 추천에 대한 반응도가 높을 것으로 기대하는 것이다. 또 다른 실시예로서, 어느 사용자가 특정 컨텐츠에 대해 타 사용자의 평균적인 실행활성도에 비해 특이한 추이를 보인다면, 이를 기초로 한 컨텐츠 추천도 가능하다. 예를 들어 타 사용자의 경우 평균적으로 1주일 정도 후에 실행 빈도/시간이 줄어드는 컨텐츠임에도, 어느 사용자는 최근까지 꾸준히 계속 실행활성도가 높다면, 이러한 매니아적인 취향에 부합되는 컨텐츠를 찾아서 추천 제공하는 것이다.For example, the recommended content can be determined in various manners, such as recommending the content of the same category as the content with the highest execution activity, or recommending the content of the same category as the content whose execution activity is higher than a certain standard. According to an embodiment of the present invention, the step of determining the recommended content may include searching for another user whose execution activity of the predefined content is similar to the execution activity of the user with a threshold value or more, And recommending one content to the user. That is, it recommends content that is frequently or frequently executed by other users whose content execution preferences are expected to be similar. It is expected that users who have similar personality will be more responsive to the recommendation when recommending content suitable for one's taste. As another embodiment, if a user exhibits a peculiar trend relative to an average execution activity of another user with respect to a specific content, content recommendation based on the same may be possible. For example, if a user continues to steadily execute activity until recently, even if the average frequency of other users is reduced by about a week or less, then the user will find and recommend content suitable for such a maniacal taste.
이와 같은 방법으로 상기 컨텐츠 추천 장치는 사용자의 컨텐츠 실행 이력에 근거한 추천 결과를 생성할 수 있으며, 실행 이력으로부터 사용자의 선호 카테고리 등을 파악함으로써 고객 취향에 대한 분석의 정확도를 높일 수 있다.In this way, the content recommendation apparatus can generate a recommendation result based on the content execution history of the user, and can improve the accuracy of the analysis of the customer taste by grasping the user's preference category or the like from the execution history.
이상, 본 발명의 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims.
100 : 컨텐츠 추천 장치
101 : 실행정보 수신부
102 : 실행활성도 산출부
103 : 추천 컨텐츠 결정부100: content recommendation device
101: execution information receiver
102: execution activity calculating unit
103: Recommendation content determination unit
Claims (11)
상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 실행활성도 산출부;
상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 추천 컨텐츠 결정부를 포함하는 것을 특징으로 하는 컨텐츠 추천 장치.An execution information receiving unit that receives content execution history information including an execution count and execution time of contents stored in a user terminal;
An execution activity calculation unit for calculating execution activity of the content based on the received content execution history information;
And a recommended content determiner for determining the recommended content based on the calculated execution activity.
상기 실행활성도 산출부는,
상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고,
상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
Wherein the execution activity calculation unit comprises:
Calculating a content execution score for each predetermined period based on the number of times of execution of the content for a predetermined period and the execution time,
And calculates the execution activity of the content by summing the calculated contents execution scores of the predetermined period.
상기 실행활성도 산출부는,
상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고,
상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고,
상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
Wherein the execution activity calculation unit comprises:
Calculating a content execution score for each predetermined period based on the number of times of execution of the content for a predetermined period and the execution time,
An execution activity reduction rate from the predetermined period to the execution activity calculation time is given to the execution score for each predetermined period to calculate an adjustment execution score,
And calculates the execution activity of the content by summing the adjustment execution scores.
상기 실행활성도 산출부는,
상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간 및 타 사용자의 소정 기간 상기 컨텐츠 평균 실행 횟수와 평균 실행 시간을 비교하여 상기 컨텐츠의 실행 활성도를 산출하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
Wherein the execution activity calculation unit comprises:
Wherein the content recommendation apparatus calculates the execution activity of the content by comparing the average execution count of the content with the predetermined execution time of the content with the average execution time and the average execution count with the content average execution time of another user for a predetermined period.
상기 추천 컨텐츠 결정부는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고,
상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천하는 것을 특징으로 하는 컨텐츠 추천 장치.The method according to claim 1,
Wherein the recommended content determination unit searches for another user having a similarity roll over the threshold value of the execution activity of the predefined content,
Wherein the recommendation means recommends the content that the other user has performed at a predetermined execution activity or more to the user.
상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 단계;
상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 결정하는 단계를 포함하는 것을 특징으로 하는 컨텐츠 추천 방법.Receiving content execution history information including an execution count and an execution time of contents stored in a user terminal;
Calculating execution activity of the content based on the received content execution history information;
And determining the recommended content based on the calculated execution activity.
상기 실행 활성도를 산출하는 단계는,
상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하는 단계;
상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계를 포함하는 것을 특징으로 하는 컨텐츠 추천 방법.The method according to claim 6,
Wherein the step of calculating the execution activity comprises:
Calculating a content execution score for each predetermined period based on the number of times of execution of the content for a predetermined period and the execution time;
And calculating the execution activity of the content by summing the calculated content execution scores of the predetermined period.
상기 실행 활성도를 산출하는 단계는,
상기 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하는 단계;
상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하는 단계;
상기 조정 실행점수를 합산하여 상기 컨텐츠의 실행 활성도를 산출하는 단계를 포함하는 것을 특징으로 하는 컨텐츠 추천 방법.The method according to claim 6,
Wherein the step of calculating the execution activity comprises:
Calculating a content execution score for each predetermined period based on the number of times of execution of the content for a predetermined period and the execution time;
Calculating an adjustment execution score by assigning an execution activity reduction rate from the predetermined period to the execution activity calculation point to the execution score for each predetermined period;
And calculating the execution activity of the content by summing the adjustment execution scores.
상기 실행 활성도를 산출하는 단계는,
상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간 및 타 사용자의 소정 기간 상기 컨텐츠 평균 실행 횟수와 평균 실행 시간을 비교하여 상기 컨텐츠의 실행 활성도를 산출하는 단계인 것을 특징으로 하는 컨텐츠 추천 방법.The method according to claim 6,
Wherein the step of calculating the execution activity comprises:
Wherein the step of calculating the execution activity of the content is a step of calculating the execution activity of the content by comparing the average execution time of the content with the average execution time and the average execution time of the content average execution for a predetermined period of another user.
상기 추천 컨텐츠를 결정하는 단계는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고,
상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천하는 단계인 것을 특징으로 하는 방법.The method according to claim 6,
Wherein the step of determining the recommended content comprises the steps of: searching for another user having a similarity of the execution activity of the predefined content with the execution activity of the user,
And recommending to the user the content that the other user has performed at a predetermined execution activity or more.
저장된 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 전송하고, 상기 컨텐츠 실행이력 정보를 기초로 상기 컨텐츠 추천 장치에 의해 추천된 추천 컨텐츠를 표시하는 사용자 단말을 포함하는 것을 특징으로 하는 컨텐츠 추천 서비스 시스템.A content management method comprising: receiving content execution history information including an execution count and an execution time of content stored in a user terminal; calculating an execution activity of the content based on the received content execution history information; A content recommendation device for determining recommended content; And
And a user terminal for transmitting the content execution history information including the execution count of the stored content and the execution time and displaying the recommended content recommended by the content recommendation apparatus based on the content execution history information. Recommended service system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130007512A KR102104100B1 (en) | 2013-01-23 | 2013-01-23 | Method to recommend digital contents based on usage log and apparatus therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130007512A KR102104100B1 (en) | 2013-01-23 | 2013-01-23 | Method to recommend digital contents based on usage log and apparatus therefor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140094892A true KR20140094892A (en) | 2014-07-31 |
| KR102104100B1 KR102104100B1 (en) | 2020-04-23 |
Family
ID=51740385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130007512A KR102104100B1 (en) | 2013-01-23 | 2013-01-23 | Method to recommend digital contents based on usage log and apparatus therefor |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102104100B1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170096474A (en) * | 2016-02-16 | 2017-08-24 | 네이버 주식회사 | Method and system for personalization notification time within contents service |
| KR20170140678A (en) * | 2016-06-13 | 2017-12-21 | 한국전자통신연구원 | Saving Power Consumption of Terminals based on Context Information and Usage Pattern Analysis apparatus and method therefor |
| KR101870276B1 (en) * | 2016-12-30 | 2018-06-22 | 주식회사 픽스게임즈 | System and method for providing augmented reality contents using markers |
| WO2019124764A1 (en) * | 2017-12-21 | 2019-06-27 | 애니포인트미디어 주식회사 | Apparatus for providing personalized home shopping |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004222239A (en) * | 2002-12-27 | 2004-08-05 | Hiranuma Shoji Kk | On-demand video delivery system, and its contents search and display method |
| KR20080105866A (en) * | 2007-06-01 | 2008-12-04 | 삼성전자주식회사 | Method and apparatus for producing play list of media content, method and apparatus for playing media content |
| KR20090022375A (en) * | 2007-08-30 | 2009-03-04 | 삼성전자주식회사 | Method and apparatus for constructing user profile using contents tag, and method for contents recommendation using the constructed user profile |
| JP2009178363A (en) * | 2008-01-31 | 2009-08-13 | Namco Bandai Games Inc | Program, information storage medium and content providing device |
| JP2010141559A (en) * | 2008-12-11 | 2010-06-24 | Sharp Corp | Content selection device, content reproduction device, content selection method, program, and recording medium |
| KR20100113593A (en) * | 2008-04-10 | 2010-10-21 | 가부시키가이샤 엔.티.티.도코모 | Recommendation information evaluation apparatus and recommendation information evaluation method |
| JP2012015917A (en) * | 2010-07-02 | 2012-01-19 | Sharp Corp | Content viewing system, content recommendation method and content display apparatus |
-
2013
- 2013-01-23 KR KR1020130007512A patent/KR102104100B1/en active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004222239A (en) * | 2002-12-27 | 2004-08-05 | Hiranuma Shoji Kk | On-demand video delivery system, and its contents search and display method |
| KR20080105866A (en) * | 2007-06-01 | 2008-12-04 | 삼성전자주식회사 | Method and apparatus for producing play list of media content, method and apparatus for playing media content |
| KR20090022375A (en) * | 2007-08-30 | 2009-03-04 | 삼성전자주식회사 | Method and apparatus for constructing user profile using contents tag, and method for contents recommendation using the constructed user profile |
| JP2009178363A (en) * | 2008-01-31 | 2009-08-13 | Namco Bandai Games Inc | Program, information storage medium and content providing device |
| KR20100113593A (en) * | 2008-04-10 | 2010-10-21 | 가부시키가이샤 엔.티.티.도코모 | Recommendation information evaluation apparatus and recommendation information evaluation method |
| JP2010141559A (en) * | 2008-12-11 | 2010-06-24 | Sharp Corp | Content selection device, content reproduction device, content selection method, program, and recording medium |
| JP2012015917A (en) * | 2010-07-02 | 2012-01-19 | Sharp Corp | Content viewing system, content recommendation method and content display apparatus |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170096474A (en) * | 2016-02-16 | 2017-08-24 | 네이버 주식회사 | Method and system for personalization notification time within contents service |
| KR20170140678A (en) * | 2016-06-13 | 2017-12-21 | 한국전자통신연구원 | Saving Power Consumption of Terminals based on Context Information and Usage Pattern Analysis apparatus and method therefor |
| KR101870276B1 (en) * | 2016-12-30 | 2018-06-22 | 주식회사 픽스게임즈 | System and method for providing augmented reality contents using markers |
| WO2019124764A1 (en) * | 2017-12-21 | 2019-06-27 | 애니포인트미디어 주식회사 | Apparatus for providing personalized home shopping |
| US11044531B2 (en) | 2017-12-21 | 2021-06-22 | Anypoint Media Co., Ltd. | Personalized home shopping providing apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102104100B1 (en) | 2020-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11562394B2 (en) | Methods and apparatus to associate transactions with media impressions | |
| CN108335137B (en) | Sorting method and device, electronic equipment and computer readable medium | |
| US10630794B2 (en) | Multi computing device network based conversion determination based on computer network traffic | |
| US20190379629A1 (en) | Methods and apparatus to estimate demographics of users employing social media | |
| US20190012683A1 (en) | Method for predicting purchase probability based on behavior sequence of user and apparatus for the same | |
| KR101853043B1 (en) | Content selection with precision controls | |
| KR102150660B1 (en) | Method to recommend digital contents based on search log and apparatus therefor | |
| US11966445B2 (en) | Recommending contents using a base profile | |
| US9171000B2 (en) | Method and system for mapping short term ranking optimization objective to long term engagement | |
| US20180365709A1 (en) | Personalized creator recommendations | |
| US20190378175A1 (en) | Location-based bid modifiers | |
| US9875484B1 (en) | Evaluating attribution models | |
| WO2016011374A1 (en) | Methods and apparatus to determine impressions corresponding to market segments | |
| WO2019191875A1 (en) | Processor systems to estimate audience sizes and impression counts for different frequency intervals | |
| KR20140098314A (en) | Method to provide recommended contents and associated contents | |
| KR102104100B1 (en) | Method to recommend digital contents based on usage log and apparatus therefor | |
| WO2015184606A1 (en) | Method and system for advertisement coordination | |
| KR20200065426A (en) | Platform system for recommendation of mobile game, method for recommending mobile game and computer program for the same | |
| JP5813052B2 (en) | Information processing apparatus, method, and program | |
| KR20140096410A (en) | Method to recommend digital contents using multi-period user profile and apparatus therefor | |
| KR20200029822A (en) | Providing Method of parameter for advertisement and server device supporting the same | |
| US11023905B2 (en) | Algorithm for identification of trending content | |
| KR101596900B1 (en) | System and method for ranking advertisement | |
| CN113011985A (en) | Financial product push data processing method and device | |
| US20160275568A1 (en) | Method and system for advertisement coordination |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E90F | Notification of reason for final refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |