CN112805739A - 电子设备及其控制方法 - Google Patents

电子设备及其控制方法 Download PDF

Info

Publication number
CN112805739A
CN112805739A CN201980064078.0A CN201980064078A CN112805739A CN 112805739 A CN112805739 A CN 112805739A CN 201980064078 A CN201980064078 A CN 201980064078A CN 112805739 A CN112805739 A CN 112805739A
Authority
CN
China
Prior art keywords
user
advertisement
information
electronic device
category
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980064078.0A
Other languages
English (en)
Inventor
黄尹喜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN112805739A publication Critical patent/CN112805739A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G06Q30/0256—User search
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0267—Wireless devices
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

提供一种电子设备及其控制方法。用于控制该电子设备的本方法可以允许基于由电子设备的相机获得的图像，获取与用户有关联的信息，识别多个广告类别中的至少一个广告类别；当发生用于显示广告的事件时，向广告平台服务器发送关于至少一个广告类别的信息；以及从广告平台服务器接收至少一个广告类别中的广告。

Description

电子设备及其控制方法
技术领域
本公开涉及一种电子装置及其控制方法。更具体地，本公开涉及一种基于与用户有关的信息向用户提供最佳广告的电子装置及其控制方法。
背景技术
随着诸如智能电话的电子装置的使用变得更加普遍并且装置的使用时间增加，越来越需要向想要广告产品和服务的公司提供使用诸如智能电话的电子装置的广告。
特别地，在使用电子装置提供广告的情况下，识别用户偏好或兴趣是非常重要的。这是因为，如果不管用户的偏好或兴趣而提供任意广告，则提供广告的效果可能非常小。
近年来，出现了广告平台公司收集用户的个人信息，诸如网站访问记录、搜索记录等，并且基于收集的信息向用户提供最佳广告的服务。
然而，用户个人信息，诸如网站访问记录或搜索记录，由于个人信息保护问题必须获得用户同意的限制，并且存在未经用户同意不能提供服务的问题。因此，要求找到一种电子装置本身不发送用户个人信息并向用户提供最佳广告的方式。
发明内容
技术问题
本公开旨在解决上述问题，并且本公开的目的是提供一种电子装置及其控制的方法，将基于与用户有关的信息确定的广告类别信息发送到广告平台服务器，以及在不发送用户个人信息的情况下为用户提供最佳广告。
技术方案
根据本公开的实施例，电子装置包括：相机、通信接口、包括至少一个命令的存储器、以及处理器，被配置为连接到相机、通信接口和存储器以控制电子装置，其中，处理器被配置为通过执行至少一个命令，获得与电子装置的用户有关的信息，基于与用户有关的信息确定多个广告类别中的至少一个类别，基于正在发生用于显示广告的事件，控制通信接口将关于至少一个广告类别的信息发送到广告平台服务器，以及通过通信接口从广告平台服务器接收至少一个广告类别中的广告。
根据本公开的实施例，用于控制电子装置的方法包括：基于由电子装置的相机获得的图像获取与电子装置的用户有关的信息，基于与用户有关的信息确定多个广告类别中的至少一个类别，基于正在发生用于显示广告的事件，将关于至少一个广告类别的信息发送到广告平台服务器，以及通过通信接口从广告平台服务器接收至少一个广告类别中的广告。
根据本公开的实施例，在存储用于执行用于控制电子装置的方法的程序的非暂时性计算机可读记录介质中，用于控制电子装置的方法包括：基于由电子装置的相机获得的图像获取与电子装置的用户有关的信息，基于与用户有关的信息确定多个广告类别中的至少一个类别，基于正在发生用于显示广告的事件，将关于至少一个广告类别的信息发送到广告平台服务器，以及通过通信接口从广告平台服务器接收至少一个广告类别中的广告。
有益效果
通过如上所述的本公开，可以向用户提供最佳广告，而不存在将用户个人信息泄漏到外部的风险，并且广告商可以提供与基于用户信息确定的广告类别相对应的最佳广告，使得可以提高提供广告的效果。
附图说明
图1是示出根据实施例的用于根据与用户有关联的信息提供广告的系统的使用图；
图2和图3是示出根据实施例的电子装置的配置的框图；
图4是示出根据实施例的用于根据与用户有关联的信息提供广告的配置的框图；
图5是示出根据实施例的存储在用户信息数据库中的与用户有关联的信息的视图；
图6是示出根据实施例的存储在广告类别数据库中的匹配表的视图；
图7是示出根据实施例的根据与用户有关联的信息提供广告的方法的序列图；
图8是示出根据实施例的根据广告类别的优先级显示广告的方法的视图；
图9是示出根据本公开实施例的控制电子装置的方法的流程图；
图10是示出根据实施例的使用人工智能模型的电子装置的操作的视图；以及
图11A和图11B是示出根据本公开实施例的学习单元和识别单元的具体配置的框图。
具体实施方式
通过以下结合附图的描述，本公开的某些实施例的上述和其他方面、特征和优点将更加明显，其中：然而，应当理解，本公开不限于以下描述的具体实施例，但是包括本公开实施例的各种修改、等同物和/或替代物。关于附图的说明，相似的附图标记可用于相似的组成元件。
在本公开的示例性实施例中使用的术语“具有”、“可以具有”、“包括”和“可以包括”指示存在对应特征(例如，诸如数值、功能、操作或部分之类的元素)，并且不排除存在附加特征。
在描述中，术语“A或B”、“A或/和B中的至少一个”或“A或/和B中的一个或多个”可以包括一起列举的项目的所有可能组合。例如，术语“A或B”或“A或/和B中的至少一个”可以指定(1)至少一个A，(2)至少一个B，或(3)至少一个A和至少一个B。
本文中使用的表述“1”、“2”、“第一”或“第二”可以修改各种元件，而不考虑其顺序和/或重要性，并且仅将一个元件与另一个元件区分开来。因此，在不限制对应元件的情况下。
如果描述了某个元件(例如，第一元件)“与另一元件(例如，第二元件)操作地或通信地耦合”/“耦合到另一元件(例如，第二元件)”或“连接到”另一元件(例如，第二元件)，则应当理解，某个元件可以直接或通过另一元件(例如，第三元件)连接到另一元件。同时，如果描述了某个元件(例如，第一元件)“与另一元件(例如，第二元件)直接耦合”/“直接耦合到另一元件(例如，第二元件)”或“直接连接”到另一元件(例如，第二元件)，则可以理解在某一元件和另一元件之间不存在其他元件(例如，第三元件)。
在说明书中，术语“配置为”可以在某些情况下例如改为“适合于”、“有能力”、“设计为”、“适于”、“制造为”或“能够”。术语“配置为(设置为)”不一定意味着在硬件级别上“专门设计为”。在某些情况下，术语“设备配置为”可以是指“设备能够”与另一设备或组件一起做某事。例如，短语“配置为(设置为)执行A、B和C的子处理器”可以是指能够通过执行用于执行对应操作的专用处理器(例如嵌入式处理器)或执行存储在存储器设备中的一个或多个软件程序来执行对应操作的通用处理器(例如CPU或应用处理器)。
根据各种示例性实施例的电子装置可以包括例如智能手机、平板PC、移动电话、视频电话、电子书阅读器、台式PC、膝上型PC、上网本计算机、工作站、服务器、PDA、便携式多媒体播放器(PMP)、MP3播放器、医疗设备、相机或可穿戴设备中的至少一个。可穿戴设备可以包括配件(例如手表、戒指、手镯、脚链、项链、眼镜、隐形眼镜或头戴式设备(HMD))、织物或服装(例如电子服装)、身体附件类型(例如皮肤垫或纹身)或生物植入式电路中的至少一种。根据上述各种实施例的电子装置可以包括电视、数字视频盘(DVD)播放器、音频、冰箱、空调、清洁器、烤箱、微波炉、洗衣机、空气净化器、机顶盒、家庭自动化控制面板、安全控制面板、媒体盒(例如，三星HomeSync TM、苹果TV TM，或谷歌TV TM)、游戏机(例如Xbox TM、PlayStation TMs)、电子词典、电子钥匙、相机或数码相框中的至少一个。
在另一实施例中，电子装置可以包括各种医疗设备(例如，各种便携式医疗测量设备(诸如血糖计、心率监视器、血压计、体温计等)、磁共振血管造影(MRA)、磁共振成像(MRI)、计算机断层扫描(CT)、相机或超声波等)、导航设备、全球导航卫星系统(GNSS)、事件数据记录器(EDR)、飞行数据记录器(FDR)、汽车信息娱乐设备、船用电子装备(例如船舶导航设备、陀螺罗盘等)、航空电子设备、安全设备、车辆主机，工业或家用机器人、无人机、金融机构的ATM、商店销售点(POS)或物联网设备(例如灯泡、各种传感器、洒水设备、火灾报警器、恒温器、路灯、烤面包机、运动器材、热水箱、加热器、锅炉等)中的至少一个。
在本公开中，术语“用户”可以表示使用电子装置的人或使用电子装置的装置(例如，人工智能电子装置)。
将参照附图详细描述一个或多个示例性实施例。图1是示出根据本公开实施例的用于根据与用户有关联的信息提供广告的系统的使用图。
电子装置100可以获得图像。在这种情况下，电子装置100可以通过至少一个相机获得图像，并且可以从外部设备(或外部服务器)接收图像。由电子装置100获得的图像可以包括至少一个人。
电子装置100可以基于获得的图像获得与电子装置100的用户有关联的信息。
具体地，电子装置100可以在自画像模式期间识别在通过电子装置100的相机(特别是，在放置显示器的一侧提供的前置相机)获得的多个图像中包括的多个人中出现频率最高的人作为电子装置100的用户。另外，电子装置100可以获得关于被识别为通过使用用于对象识别的人工智能模型获得的用户的人的各种信息(例如，年龄、性别、体型信息等)。
在另一实施例中，电子装置100可以分析用户在SNS上上传的图像和文本，或者分析用户发送到外部设备的图像和文本，以识别包括用户的图像。例如，当用户将文本“thephoto of me that I took today(我今天拍的自己的照片)”与SNS上的图像一起上传时，电子装置100可以通过文本分析来识别用户被包括在SNS上上传的图像中。此外，电子装置100可以通过使用用于对象识别的人工智能模型来获得关于包括在上传到SNS上的图像或发送到外部设备的图像中的用户的信息。
此外，电子装置100可以将在存储器中存储的多个图像中包括的多个人中出现超过预设次数的人识别为与用户有关的人(例如，家人、朋友等)。此外，电子装置100可以获得关于与通过使用用于对象识别的人工智能模型获得的用户有关的人的各种信息(例如，年龄、性别、体型信息等)。
在另一实施例中，电子装置100可以通过分析用户在SNS上上传的图像和文本或者发送到外部设备的图像和文本来识别包括与用户有关的人的图像。例如，当用户在SNS上上传文本“Isn't my son pretty(我的儿子不俊俏吗)？”和包括婴儿的图像，电子装置100可以通过文本分析识别与包括在上传到SNS上的图像中的用户有关的人(特别是家人等)。此外，电子装置100可以通过使用用于对象识别的人工智能模型来获得关于与在SNS上上传的图像或发送到外部设备的图像中包括的用户有关的人的各种信息。
电子装置100可以基于获得的与用户有关的信息来确定多个广告类别中的至少一个。具体地，电子装置100可以在存储器中存储匹配表，该匹配表匹配并存储根据用户类型预定的至少一个广告类别。例如，匹配表可以存储根据用户类型预定的至少一个广告类别，诸如青少年男孩、20多岁的女性等。在这种情况下，匹配表可以按照优先级顺序匹配和存储根据用户类型预定的多个广告类别。例如，对于20多岁的女性，匹配表可以存储工作广告类别作为第一优先级、旅游广告类别作为第二优先级、化妆品广告类别作为第三优先级的顺序。在这种情况下，匹配表可以由外部服务器周期性地更新，并且可以基于用户的上下文信息来更新。
电子装置100可以通过使用匹配表来确定与获得的与用户有关的信息相对应的广告类别信息。例如，如果通过图像获得的与用户有关的信息是“30多岁的女性”，则电子装置100可以使用匹配表来确定“育儿广告类别”、“旅游广告类别”和“服装广告类别”，这些是与30多岁的女性相匹配的广告类别，作为与用户相对应的广告类别。
此外，除了如上所述的与用户有关的信息之外，电子装置100还可以基于用户上下文信息(例如，用户偏好信息、用户位置信息等)来确定广告类别信息。
具体地，可以基于由设置在电子装置100中的传感器获得的电子装置100的位置信息来获得关于用户的移动模式的信息。另外，电子装置100可以基于用户的搜索结果和网站访问历史来识别用户的感兴趣区域。此外，电子装置100可以获得关于用户的产品购买历史的信息。
另外，电子装置100可以基于用户上下文信息来确定广告类别信息。例如，电子装置100可以识别用户居住的位置、用户去的工作场所或学校等，基于关于用户的移动模式的信息，并且基于用户居住的位置或者用户去的工作场所或学校来确定广告类别信息。作为另一示例，当用户的兴趣是旅行时，电子装置100可以将作为用户兴趣的“旅行广告类别”确定为与用户相对应的广告类别。作为另一示例，如果用户主要购买的产品是幼儿产品，则电子装置100可以基于用户的购买信息将“育儿广告类别”确定为与用户相对应的广告类别。
同时，在上述实施例中，已经描述了基于与用户有关的信息或用户上下文信息来确定广告类别，但是这只是实施例，并且电子装置100可以连同与用户有关的信息来确定用户上下文信息。电子装置100可以基于用户上下文信息以及与用户有关的信息来确定广告类别信息或对广告类别进行优先排序。例如，如果与用户有关的信息是“30多岁的男性”，并且用户的兴趣是“游戏”，则电子装置100可以将“游戏广告类别”与“育儿广告类别”和“家用电器广告类别”一起确定为与用户相对应的广告类别，该广告类别是与30多岁的男性相对应的广告类别。可选地，电子装置100也可以通过对与用户的兴趣相对应的广告类别赋予高优先级来确定广告类别。
当发生用于显示广告的事件时，电子装置100可以将关于至少一个广告类别的信息发送到广告平台服务器50。在这种情况下，用于显示广告的事件可以包括但不限于用于用户访问特定网站的事件或者用于在提供视频的网站上观看视频的事件。另外，电子装置100可以在发生用于显示广告的事件之前将关于与用户相对应的至少一个广告类别的信息发送到广告平台服务器50。广告平台服务器50可以是广告平台公司拥有的提供多个广告商请求的广告的服务器，但是这只是实施例，本公开的技术思想也可以应用于广告商提供的服务器。
此外，当发送关于多个广告类别的信息时，电子装置100还可以发送关于多个广告类别的优先级信息。
广告平台服务器50可以基于至少一个广告类别或优先级信息来确定要提供给用户的广告，并且可以将确定的广告发送到电子装置100。
电子装置100可以显示从广告平台服务器50接收的广告。在这种情况下，电子装置100可以基于广告类别的优先级来确定将显示从广告平台服务器接收的广告的大小和位置中的至少一个。例如，当广告类别的优先级更高时，电子装置100可以增大将要显示广告的大小，并且将要显示广告的位置确定为顶部。
同时，上述实施例中的对象识别模型是基于人工智能算法学习的判断模型，可以是例如基于神经网络的模型。另外，电子装置100可以使用如上所述的对象识别模型获得与用户有关的信息，确定与获得的与用户有关的信息相对应的广告类别，以及使用作为仅人工智能程序(或人工智能代理)的个人助理程序来接收与从广告平台服务器50确定的广告类别相对应的广告。在这种情况下，个人助理程序是用于提供基于人工智能(AI)的服务的专用程序，并且可以由现有的通用处理器(例如CPU)或单独的纯AI处理器(例如GPU)执行。
具体地，当检测到用于进入预定模式(例如，活动广告提供模式)的用户输入时，电子装置100可以操作(或执行)人工智能代理。另外，人工智能代理可以基于电子装置100的使用信息分析存储在电子装置100中的图像以获得与用户有关的信息或者获得用户上下文信息，基于获得的与用户有关的信息或用户上下文信息来确定广告类别信息，并且从外部广告平台公司接收与确定的广告类别相对应的广告。
根据如上所述的本公开的实施例，电子装置100可以向用户提供最佳广告，而不存在泄露用户个人信息的风险。
图2是示出电子装置100的配置的框图。如图2所示，电子装置100可以包括相机110、通信器(包括电路)120、存储器130和处理器140。在这种情况下，图2中示出的配置是示出本公开实施例的示例性视图，并且对于本领域技术人员来说显而易见的适当硬件/软件配置可以另外包括在电子装置100中，或者可以省略图2中示出的配置。
相机110可以获得图像。另外，可以在电子装置100的前表面和后表面上设置多个相机110。具体地，电子装置100可以通过位于相机110前面的相机(显示器存在的表面)获得自拍图像。同时，相机110可以设置在电子装置100的主体上，但这只是实施例，并且可以设置在电子装置100的外部并电连接到电子装置100。
通信接口120可以与外部设备通信。通信接口120是用于执行与外部设备的通信的配置。同时，通信接口120与外部设备的通信可以包括通过第三设备(例如，中继器、集线器、接入点、服务器或网关)的通信。例如，无线通信可以包括使用长期演进(LTE)、LTE高级(LTE-A)、码分多址(CDMA)、宽带CDMA(WCDMA)、通用移动通信系统(UMTS)、无线宽带(WiBro)和全球移动通信系统(GSM)中的至少一个的蜂窝通信。根据示例性实施例，无线通信可以包括例如无线保真度(Wi-Fi)、蓝牙、蓝牙低能量(BLE)、Zigbee、近场通信(NFC)、磁安全传输、射频RF或身体区域网络BAN中的至少一个。有线通信可以包括例如通用串行总线(USB)、高清多媒体接口(HDMI)、推荐的标准232(RS-232)、电力线通信或普通老式电话服务(POTS)中的至少一个。在执行无线通信或有线通信的网络可以包括电信网络(例如，计算机网络(例如，LAN或WAN))、互联网或电话网络中的至少一个。
例如，通信接口120可以向外部广告平台服务器50发送关于广告类别的信息，并且可以从广告平台服务器50接收基于关于广告类别的信息确定的广告。
另外，通信接口120可以从外部电子装置接收用于获取与用户有关的信息的图像或用于获取上下文信息的各种信息。
例如，存储器130可以存储关于电子装置100的至少一个其它元件的命令或数据。存储器130可以实现为非易失性存储器、易失性存储器、闪存、硬盘驱动器(HDD)或固态驱动器(SDD)。存储器130可以由处理器140访问，并由处理器140对数据执行读出、记录、校正、删除、更新等。根据本公开的实施例，储存器的术语可以包括存储器130、处理器140内的只读存储器(ROM)(未示出)和随机存取存储器(RAM)(未示出)以及连接到电子装置100的存储卡(未示出)(例如，微安全数字(SD)卡或记忆棒)。此外，存储器130可以存储程序、数据等，以构成要在显示器的显示区域上显示的各种屏幕。
另外，存储器130可以存储用于操作对象识别模型的人工智能代理。具体地，电子装置100可以使用人工智能代理来驱动对象识别模型，该对象识别模型用于通过分析图像来获取与用户有关的信息。在这种情况下，人工智能代理是用于提供基于人工智能(AI)的服务(例如，语音识别服务、秘书服务、翻译服务、搜索服务、广告提供服务等)的专用程序。特别地，人工智能代理可以由现有的通用处理器(例如CPU)或单独的AI专用处理器(例如GPU等)执行。
如图4所示，存储器130可以包括用于向用户提供广告的多个组件(或模块)。将参照图4对此进行详细描述。
具体地，存储器130可以存储用于匹配和存储根据用户类型预定的至少一个广告类别的匹配表。在这种情况下，匹配表可以按照优先级顺序匹配和存储根据用户类型预定的多个广告类别。此外，匹配表可以由外部服务器周期性地更新。
处理器140可以电连接到存储器130以控制电子装置100的整体操作和功能。具体地，处理器可以通过执行存储在存储器130中的至少一个命令，基于相机110获得的图像来获得与电子装置100的用户有关的信息，并且基于与用户有关的信息来确定多个广告类别中的至少一个，并且当发生用于显示广告的事件时，控制通信接口120向广告平台服务器50发送关于至少一个广告类别的信息，并通过通信接口120从广告平台服务器50接收关于至少一个广告类别的广告。
具体地，处理器140可以将在自画像模式期间将通过相机110(特别是，设置在电子装置100前面的相机)获得的多个图像中包括的多个人中出现频率最高的人识别为用户。另外，处理器140可以通过使用用于对象识别的人工智能模型来获得被识别为用户的人的年龄、性别和体型信息。
另外，处理器140可以将在存储器130中存储的多个图像中包括的多个人中出现超过预定次数的人识别为与用户有关的人(例如，家人、朋友等)。此外，处理器140可以通过使用用于对象识别的人工智能模型来获得与用户有关的人的年龄、性别和体型信息。
如上所述，处理器140可以基于获得的关于用户的信息或关于与用户有关的人的信息来确定广告类别。具体地，处理器140可以通过使用存储在存储器130中的匹配表来确定与获得的与用户有关的信息相对应的广告类别信息。
此外，处理器140可以基于用户的上下文信息以及与用户有关的信息来获得关于广告类别的信息。
具体地，处理器140可以基于由设置在电子装置100中的传感器获得的电子装置的位置信息来获得关于用户的移动模式的信息，并且基于与用户有关的信息和用户的移动模式来确定多个广告类别中的至少一个。
此外，处理器140可以基于用户的搜索结果和网站的访问历史来识别用户的兴趣，并且基于与用户有关的信息和用户兴趣来确定多个广告类别中的至少一个。
另外，处理器140可以获得关于用户的产品购买历史的信息，并且可以基于与用户有关的信息和用户的产品购买历史来确定多个广告类别中的至少一个广告类别。
此外，处理器140可以控制通信接口120将关于确定的广告类别的信息发送到广告平台服务器50。在这种情况下，广告类别信息可以包括多个广告类别的优先级信息。
此外，处理器140可以通过通信接口120从广告平台服务器50接收与广告类别信息相对应的广告，并显示接收的广告。具体地，处理器140可以确定基于广告类别的优先级显示从广告平台服务器50接收的广告的大小和位置中的至少一个。
图3是示出根据本公开实施例的电子装置的详细配置的框图。电子装置100可以包括相机110、通信接口120、显示器150、扬声器160、存储器130、输入接口170、传感器180和处理器140。同时，由于在图2中描述了图3所示的相机110、通信接口120、存储器130和处理器140，因此将省略重复的描述。
显示器150可以在处理器140的控制下显示各种信息。具体地，显示器150可以显示与广告类别相对应的广告。在这种情况下，显示器150可以向包括在屏幕中的多个广告区域提供与多个广告类别相对应的广告。在这种情况下，显示器150可以根据广告类别的优先级基于处理器140确定的广告的显示大小和显示区域，向多个广告区域提供广告。同时，显示器150可以与触摸面板一起实现为触摸屏。
扬声器160可以包括各种音频输出电路，并且被配置为除了由音频处理器对执行诸如解码、放大和噪声滤波等各种处理操作的各种音频数据之外，还输出各种报警声音或语音消息。具体地，扬声器160可以输出包括在广告中的语音消息。同时，用于输出音频的配置可以实现为扬声器，但这只是示例，并且可以实现为能够输出音频数据的输出终端。
输入接口170可以接收用于控制电子装置100的用户输入。具体地，输入接口170可以包括用于接收用户语音的麦克风、用于使用用户的手或触笔接收用户触摸的触摸面板、用于接收用户操纵的按钮等。然而，图3所示的输入接口170的示例只是实施例，并且可以用其他输入设备(例如，键盘、鼠标、运动输入单元等)来实现。
传感器180可以检测电子装置100的各种状态信息。例如，传感器180可以包括能够检测电子装置100的运动信息的运动传感器(例如，陀螺仪传感器、加速度传感器等)、能够检测位置信息的传感器(例如，全球定位系统(GPS)传感器)、能够检测电子装置100周围的环境信息的传感器(例如，温度传感器、湿度传感器、气压传感器等)、能够检测电子装置100的用户信息的传感器(例如，血压传感器、血糖传感器、脉搏率传感器等)等。
图4是示出根据本公开实施例的用于根据与用户有关的信息提供广告的配置的框图。如图4所示，电子装置100可以包括用户信息获取模块410、对象识别模型420、上下文信息获取模块430、用户信息DB 440、广告类别确定模块450、广告类别DB 460和广告显示模块470。图4所示的配置可以实现为软件并存储在存储器130中，但是这只是示例，并且至少一个配置可以用单独的专用硬件(例如，专用处理器芯片)实现。
用户信息获取模块410可以通过分析通过相机110获得的图像或从外部设备接收的图像来获得与用户有关的信息。具体地，用户信息获取模块410可以在自画像模式期间分析通过位于电子装置前面的相机获得的图像，以确定在图像中包括的人中被检测具有最高频率的用户。具体地，用户信息获取模块410可以基于面部识别算法对包括在图像中的人的面部进行分类，并且确定在分类的面部中被检测具有最高频率的人作为用户。
可选地，用户信息获取模块410可以将存储在存储器130中的多个图像中被检测超过预定值的人确定为与用户有关的人。具体地，用户信息获取模块410可以基于面部识别算法对存储在存储器130中的多个图像中包括的人的面部进行分类，并且将在分类的面部中以大于或等于预定值的频率检测的人识别为与用户有关的人。
用户信息获取模块410可以通过将包括用户或与用户有关的人的图像输入到对象识别模型420来获得关于用户或与用户有关的人的信息(例如，性别、年龄、体型等)。在这种情况下，对象识别模型可以是人工智能模型，该人工智能模型被训练为输入图像以获得关于包括在图像中的对象的信息。在这种情况下，对象识别模型420可以是例如基于神经网络的模型。对象识别模型可以被设计为在计算机上模拟人脑结构，并且可包括多个具有权重的网络节点，该网络节点模拟人类神经网络的神经元。多个网络节点可以形成连接关系，以便分别模拟通过突触发送和接收信号的神经元的突触活动。此外，对象识别模型420可以包括例如神经网络模型或从神经网络模型开发的深度学习模型。在深度学习模型中，多个网络节点可以在位于不同深度(或层)时根据卷积连接关系交换数据。例如，诸如深度神经网络(DNN)、递归神经网络(RNN)和双向递归深度神经网络(BRDNN)的模型可以用作数据识别模型，但不限于此。
上下文信息获取模块430可以基于电子装置100的使用信息获得用户的上下文信息。具体地，上下文信息获取模块430可以基于通过传感器180获得的电子装置100的位置信息来获得用户的移动模式信息。例如，上下文信息获取模块430可以基于电子装置100的位置信息获得关于用户的移动模式(例如，家、工作、学校)的信息。
上下文信息获取模块430可以基于用户的搜索结果和网站的访问历史来获得关于用户的兴趣(或优选字段)的信息。例如，当用户频繁搜索足球或频繁访问足球站点时，上下文信息获取模块430可以将用户的兴趣确定为足球。
上下文信息获取模块430可以基于用户的产品购买历史来获得关于用户兴趣的信息。例如，当用户具有育儿产品的购买历史时，上下文信息获取模块430可以将育儿确定为用户的兴趣。
上下文信息获取模块430可以基于存储在电子装置100中的数据或应用来获得用户的上下文信息。例如，如果在电子装置100中存在名为“My Son(我的儿子)”的文件夹并且存在在幼儿园/日托中心中使用的应用，则上下文信息获取模块430可以获得用户有儿子的上下文信息。
上下文信息获取模块430可以基于在观看特定屏幕时检测的用户情绪状态来获得用户的兴趣。例如，如果识别出在观看足球内容时用户情绪是积极的，则上下文信息获取模块430可以获得足球作为用户的兴趣。在这种情况下，可以基于通过麦克风获得的用户语音和通过输入接口170输入的文本来确定用户的情绪。
另外，上下文信息获取模块430可以基于由电子装置100获得的消息、SNS、电子邮件等中包括的文本来获得用户的上下文信息。
用户信息DB 440可以存储通过用户信息获取模块410获得的用户信息或通过上下文信息获取模块430获得的上下文信息。在这种情况下，用户信息DB 440可以以诸如RDF、OWL等的知识图的形式存储用户信息或上下文信息。换句话说，如图5所示，用户信息DB 440可以以用户为中心以图形的形式存储信息和信息之间的关系。换句话说，用户信息DB 440可以以表或图的形式存储实体、对象之间的关系以及对象的属性类型/名称、属性值，并且包括关系或属性以多种形式存储在特定对象中的数据。例如，如图5所示，用户信息DB 440可以以关系图的形式存储用户与另一对象之间的关系(例如，家人、朋友、宠物等)和用户的属性(例如，年龄、性别、感兴趣的项目、用户居住的地方等)。
在这种情况下，每当用户信息获取模块410获得用户信息或上下文信息获取模块430获得上下文信息时，可以更新存储在用户信息DB 440中的信息。另外，可以通过从外部服务器获取附加信息来更新存储在用户信息DB 440中的关系图。例如，作为上下文信息，当用户具有名为Chihuahua的宠物时，可以从外部服务器接收关于Chihuahua的附加信息(例如，寿命、体型、个性等)，并将其存储在用户DB 440中以更新关系图。
广告类别确定模块450可以基于存储在用户信息DB 440中的用户信息或上下文信息，在多个广告类别中确定对用户最佳的广告类别。
具体地，广告类别确定模块450可以使用存储在广告类别DB 460中的匹配表来确定多个广告类别中对用户最佳的广告类别。具体地，存储在广告类别DB 460中的匹配表可以匹配并存储根据用户类型预定的至少一个广告类别。例如，如图6所示，匹配表可以存储与用户的性别和年龄相对应的多个广告类别。换句话说，匹配类别可以存储对应于10多岁男性、20多岁男性、30多岁男性、40多岁男性、50多岁男性、10多岁女性、20多岁女性、30多岁女性、40多岁女性、50多岁女性的多个广告类别。同时，在图6中，已经描述了根据用户的年龄和性别匹配和存储多个广告类别。然而，这只是实施例，多个广告类别可以根据与各种用户有关的信息(诸如用户的区域、职业等)来匹配和存储。
在这种情况下，匹配表可以按照优先级顺序匹配和存储根据用户类型预定的多个广告类别。例如，如图6所示，青少年男性的第一优先级广告类别可以是教育类别。青少年男性的第二优先级广告类别可以是游戏类别。青少年男性的第三优先级广告类别可以是服装类别。20多岁女性的第一优先级广告类别可以是就业类别。20多岁女性的第二优先级广告类别可以是旅游类别。20多岁女性的第三优先级广告类别可以是服装类别。
当安装程序时，匹配表可以根据用户类型与预定的广告类别匹配，但是这只是实施例，并且可以由外部服务器周期性地更新。
另外，可以基于用户上下文信息来更新匹配表。例如，当用户是30多岁的男性并且用户的优选字段是游戏时，匹配表可以将用户优选字段的游戏类别与30多岁的男性匹配并存储。
同时，广告类别确定模块450可以基于存储在用户信息DB 440中的用户信息来确定多个广告类别中与用户相对应的多个广告类别。例如，如果用户是30多岁的女性，则广告类别确定模块450可以将第一优先级广告类别确定为育儿类别、将第二优先级广告类别确定为服装类别和将第三优先级广告类别确定为旅游类别。
另外，广告类别确定模块450可以基于存储在用户信息DB 440中的用户上下文信息来确定与用户相对应的至少一个广告类别。例如，当用户的兴趣是旅行时，广告类别确定模块450可以将旅行类别确定为广告类别，而不考虑存储在匹配表中的广告类别。
在这种情况下，广告类别确定模块450可以在用户上下文信息中给予与用户的兴趣相对应的广告类别优先级。例如，如果用户是30多岁的女性，并且用户的兴趣是旅行，则广告类别确定模块450可以改变存储在匹配表中的多个广告类别的优先级，并确定第一优先级广告类别为旅行类别，第二优先级广告类别为育儿类别，以及第三优先级广告类别为服装类别。
可选地，广告类别确定模块450可以基于用户上下文信息排除存储在匹配表中的广告类别中的至少一个。例如，如果用户是30多岁的女性或单身人士，则广告类别确定模块450可以从存储在匹配表中的广告类别中排除育儿类别。
可选地，广告类别确定模块450可以根据基于由各种传感器获得的感测值检测的用户的情绪状态或健康状态来确定广告类别。例如，如果确定用户的健康状态差，则广告类别确定模块450可以将健康类别确定为广告类别。作为另一示例，如果确定用户处于愤怒状态，则广告类别确定模块450可以将与用户的优选兴趣相对应的类别确定为广告类别。
同时，广告类别确定模块450可以通过仅使用与用户有关的信息或通过同时使用与用户有关的信息和上下文信息来确定与用户相对应的至少一个广告类别，但这只是实施例，可以仅使用上下文信息来确定与用户相对应的至少一个广告类别。
广告显示模块470可以在显示器150上显示从广告平台公司50接收的至少一个广告。在这种情况下，广告显示模块470可以基于广告类别的优先级来确定将显示从广告平台服务器50接收的广告的大小和位置中的至少一个。例如，广告显示模块470可以在多个广告区域中具有较高位置或较大尺寸的广告区域中放置具有较高优先级的广告，以及在多个广告区域中具有较低位置或较小尺寸的广告区域中放置具有较低优先级的广告。
另外，当接收到每个类别的多个广告时，广告显示模块470可以周期性地改变和显示多个广告。
图7是示出根据实施例的用于控制电子装置100的方法的流程图。
电子装置100可以获得图像(S710)。在这种情况下，电子装置100可以通过相机110获得包括用户的图像，但这只是示例性实施例，并且可以从外部电子装置接收图像。
电子装置100可以基于获得的图像获得与用户有关的信息(S720)。具体地，电子装置100可以通过分析获得的图像来识别用户或与用户有关的人。例如，电子装置100可以将在自画像模式期间通过相机110获得的多个图像中包括的多个人中出现频率最高的人识别为用户，并且将存储在存储器130中的多个图像包括的多个人中出现次数超过预定次数的人识别为与用户有关的人。此外，电子装置100可以通过使用用于对象识别的人工智能模型来获得与用户有关的各种信息，诸如被识别为用户的人的年龄、性别、体型信息等。
电子装置100可以获得上下文信息(S730)。在这种情况下，电子装置100可以基于各种电子装置100的使用信息获得上下文信息。例如，电子装置100可以基于传感器180获得的电子装置的位置信息获得关于用户的移动模式的信息，基于用户的搜索结果和网站的访问历史获得用户的兴趣，以及基于关于用户的产品购买历史的信息获得用户的兴趣。
电子装置100可以基于与用户有关的信息和上下文信息来确定广告类别(S740)。在这种情况下，电子装置100可以通过使用通过为每个用户类型匹配多个广告类别而存储的匹配表来确定与用户相对应的广告类别。换句话说，电子装置100可以通过使用匹配表来确定与获得的与用户有关的信息相对应的至少一个广告类别信息。可选地，电子装置100可以基于上下文信息添加、更改或删除基于与用户有关的信息确定的至少一个广告类别。
电子装置100可以检测发生用于显示广告的事件(S750)。例如，电子装置100可以检测各种事件，诸如用于访问特定网站的事件或用于登录特定SNS的事件。
电子装置100可以将关于确定的广告类别的信息发送到广告平台服务器50(S760)。在这种情况下，电子装置100不仅可以发送关于确定的广告类别的信息，还可以发送关于多个广告类别的优先级信息。
广告平台服务器50可以基于广告类别来确定广告(S770)。换句话说，广告平台服务器50可以在多个预先存储的广告中确定与广告类别相对应的广告。
广告平台服务器50可以向电子装置100发送关于确定的广告的信息(S780)。在这种情况下，广告平台服务器50可以直接向电子装置100发送关于广告的信息，但这只是实施例，并且通过与广告商相对应的服务器向电子装置100发送关于广告的信息。
电子装置100可以提供从广告平台服务器接收的广告(S790)。在这种情况下，电子装置100可以基于与接收的广告相对应的广告类别的优先级来确定广告显示区域的大小和位置。例如，当用户是30多岁的女性时，如图8所示，电子装置100可以向位于屏幕顶部的最大广告区域810提供与育儿类别相对应的广告，该育儿类别是30多岁女性的第一优先级广告类别，向位于屏幕中心区域的广告区域820提供与服装类别相对应的广告，该服装类别是30多岁女性的第二优先级广告类别，并且向位于屏幕底部的广告区域830提供与旅行类别相对应的广告，该旅行类别是对30多岁女性的第三优先级广告类别。换句话说，电子装置100可以在可以容易地进行用户识别的区域中提供具有高广告优先级的广告。
图9是示出根据实施例的用于控制电子装置的方法的流程图。
电子装置100可以获得图像(S910)。在这种情况下，电子装置100可以通过相机110获得图像，但是这只是实施例，并且可以从外部设备获得图像。
电子装置100可以基于获得的图像获得与用户有关的信息(S920)。在这种情况下，电子装置100可以获得用户的性别、年龄和体型作为与用户有关的信息。
电子装置100可以基于与用户有关的信息来确定广告类别(S930)。具体地，电子装置100可以基于匹配和存储每个用户类型的广告类别的匹配表来确定与用户相对应的至少一个广告类别。
电子装置100可以检测发生用于显示广告的事件(S940)。
电子装置100可以将关于广告类别的信息发送到广告平台服务器50(S950)，并且从广告平台服务器50接收包括在广告类别中的广告(S960)。
另外，电子装置100可以提供从广告平台服务器50接收的广告(S970)。
通过如上所述的公开，用户可以接收最佳广告而没有用户个人信息泄露的风险，并且广告商可以向用户提供与基于用户信息确定的广告类别相对应的最佳广告，从而增加广告效果。
图10是示出根据实施例的用于控制显示装置的方法的视图。
参照图10，电子装置100可以包括学习单元1010和识别单元1020中的至少一个。图10的学习单元1010和识别单元1020可以实现为存储在电子装置100的存储器130中的软件的配置，但是这只是实施例，并且可以实现为单独的专用硬件芯片。
学习单元1010可以通过使用学习数据来生成或训练用于识别图像中包括的多个对象的信息的人工智能模型。学习单元1010可以通过使用收集的学习数据来生成具有识别准则的训练模型。例如，学习单元1010可以生成、学习或更新对象识别模型，该对象识别模型用于通过使用图像和关于包括在图像中的对象的信息作为学习数据来获取与包括在图像中的多个用户有关的信息。
识别单元1020可以通过使用预定数据作为训练模型的输入数据来获得各种信息。例如，识别单元1020可以通过使用图像作为训练对象识别模型的输入数据来识别(或估计、推断)与包括在图像中的多个用户有关的信息。
学习单元1010的至少一部分和识别单元1020的至少一部分可以实现为软件模块，或者以至少一个硬件芯片的形式制造并安装在电子装置上。例如，学习单元1010和识别单元1020中的至少一个可以以人工智能(AI)的专用硬件芯片的形式制造，或者可以作为现有通用处理器(例如CPU或应用处理器)或图形专用处理器(例如GPU)的一部分制造并安装在上述各种电子装置。在这种情况下，人工智能的专用硬件芯片是专门用于概率计算的专用处理器，与现有的通用处理器相比具有更高的并行处理性能，因此可以快速处理诸如机器学习的人工智能领域的计算任务。当学习单元1010和识别单元1020被实现为软件模块(或包括指令的程序模块)时，软件模块可以存储在非暂时性计算机可读记录介质中。在这种情况下，软件模块可以由操作系统(OS)提供，或者可以由预定应用提供。可选地，一些软件模块可以由操作系统(OS)提供，并且一些软件模块可以由预定应用提供。
在这种情况下，学习单元1010和识别单元1020可以安装在一个电子装置上，或者可以分别安装在单独的电子装置上。例如，学习单元1010和识别单元1020中的一个可以包括在电子装置100中，另一个可以包括在外部服务器中。另外，学习单元1010和识别单元1020可以通过有线或无线向识别单元1020提供由学习单元1010构建的模型信息，或者输入到学习单元1020的数据可以作为附加学习数据提供给学习单元1010。
图11A是根据各种实施例的学习单元1010和识别单元1020的框图。
参照图14A的(a)，根据一些实施例的学习单元1010可以包括学习数据获取单元1010-1和模型学习单元1010-4。另外，学习单元1010还可以选择性地包括学习数据预处理器1010-2、学习数据选择单元1010-3和模型评估单元1010-5中的至少一个。
学习数据获取单元1010-1可以获得人工智能模型(例如，对象识别模型)所需的学习数据。根据本公开的实施例，学习数据获取单元1010-1可以获得图像和关于包括在图像中的对象的信息作为学习数据。学习数据可以是由学习单元1010或学习单元1010的制造商收集或测试的数据。
模型学习单元1010-4可以学习具有关于如何通过使用学习数据来识别包括在图像中的对象(尤其是人或动物)的标准。例如，模型学习单元1010-4可以通过使用学习的监督学习作为确定准则来学习人工智能模型，该学习使用学习数据的至少一部分。作为另一示例，人工智能模型可以通过无监督学习来学习数据识别模型，该无监督学习通过学习用于确定情况的数据类型来寻找确定环境的准则，而无需进一步指导。作为另一示例，模型学习单元1010-4可以通过使用关于根据学习的情况确定的结果是否正确的反馈的强化学习来学习人工智能模型。此外，例如，模型学习单元1010-4可以使用包括误差反向传播方法或梯度下降方法等的学习算法来学习人工智能模型。
如果存在多个预先建立的人工智能模型，则模型学习单元1010-4可以确定在输入学习数据和基本学习数据之间具有高相关性的人工智能模型作为要学习的人工智能模型。在这种情况下，可以根据数据类型对基本学习数据进行预分类，并且可以根据数据类型预先建立数据识别模型。例如，基本学习数据可以根据各种准则进行预分类，诸如生成学习数据的区域、生成学习数据的时间、学习数据的大小、学习数据的种类、学习数据的创建者、学习数据中对象的类型等。
此外，当学习人工智能模型时，模型学习单元1010-4可以存储学习的人工智能模型。在这种情况下，模型学习单元1010-4可以将学习的人工智能模型存储在电子装置100的存储器130中。可选地，模型学习单元1010-4可以将学习的人工智能模型存储在通过有线或无线网络连接到电子装置100的服务器的存储器中。
学习单元1010还可以包括学习数据预处理单元1010-2和学习数据选择单元1010-3，以改进人工智能模型的识别结果或节省生成人工智能模型所需的资源或时间。
学习数据预处理器1010-2可以预处理获得的数据，使得获得的数据可以用于对象识别。训练数据预处理器1010-2可以将获得的数据处理成预定格式，使得模型学习单元1010-4可以将获得的数据用于对象识别的学习。
学习数据选择单元1010-3可以从由学习数据获取单元1010-1获得的数据或由学习数据预处理器1010-2预处理的数据中选择学习所需的数据。选择的学习数据可以提供给模型学习单元1010-4。学习数据选择单元1010-3可以从预处理的数据中选择学习所需的数据。另外，学习数据选择单元1010-3可以通过学习下面将描述的模型学习单元1010-4根据预定准则选择数据。
学习单元1010还可以包括模型评估单元1010-5，以改进人工智能模型的识别结果。
模型评估单元1010-5可以将评估数据输入到人工智能模型，并且如果从评估数据输出的识别结果不满足预定准则，则允许模型学习单元1010-4再次学习。在这种情况下，评估数据可以是用于评估人工智能模型的预定义数据。
例如，如果对于评估数据的学习数据识别模型的识别结果中识别结果不准确的评估数据的数量或比率超过预定阈值，则模型评估单元1010-5可以评估不满足预定准则。
同时，当存在多个学习数据识别模型时，模型评估单元1010-5可以评估每个学习移动图像识别模型是否满足预定准则，并确定满足预定准则的模型作为最终数据识别模型。在这种情况下，当存在满足预定准则的多个模型时，模型评估单元1010-5可以确定先前按照评估得分的降序设置的任何一个或预定数量的模型作为最终数据识别模型。
参照图11A(b)，根据一些实施例的识别单元1020可以包括输入数据获取单元1020-1和识别结果提供单元1020-4。
另外，识别单元1020还可以选择性地包括输入数据预处理器1020-2、输入数据选择单元1020-3和模型更新单元1020-5中的至少一个。
输入数据获取单元1020-1可以获得识别包括在图像中的对象所需的数据。识别结果提供单元1020-4可以通过将由输入数据获取单元1021-1获得的输入数据应用于作为输入值而学习的人工智能模型来识别包括在图像中的对象。识别结果提供单元1020-4可以将由将在下面描述的输入数据预处理单元1020-2或输入数据选择单元1020-3选择的数据作为输入值应用于人工智能模型以获得识别结果。该识别结果可由人工智能模型确定。
作为实施例，识别结果提供单元1020-4可以将由输入数据获取单元1020-1获得的图像数据应用于学习的第一模型，以识别(或估计)包括在图像中的对象(例如，人或动物)。
识别单元1020还可以包括输入数据预处理器1020-2和输入数据选择单元1020-3，以改进人工智能模型的识别结果或节省用于提供识别结果的资源或时间。
输入数据预处理单元1020-2可以预处理获得的数据，使得获得的数据可以输入到人工智能模型。输入数据预处理单元1020-2可以将获得的数据处理成预定格式，使得将在下面描述的识别结果提供单元1020-4可以处理以预定格式获得的获得的数据。
输入数据选择单元1020-3可以从由输入数据获取单元1020-1获得的数据或由输入数据预处理器1020-2预处理的数据中选择对象识别所需的数据。选择的数据可以提供给识别结果提供单元1020-4。输入数据选择单元1020-3可以根据用于对象识别的预定选择准则选择获得的或预处理的数据中的部分或全部。另外，输入数据选择单元1020-3可以通过模型学习单元1010-4的学习根据预定选择准则选择数据。
模型更新单元1020-5可以基于由识别结果提供单元1020-4提供的识别结果的评估来控制要更新的人工智能模型。例如，模型更新单元1020-5可以将由识别结果提供单元1020-4提供的识别结果提供给模型学习单元1010-4，使得模型学习单元1010-4可以请求另外学习或更新人工智能模型。
图11B是示出根据实施例的电子装置100和外部服务器S相互协作以学习和确定数据的示例的图。
参照图11B，外部服务器S可以学习用于识别包括在图像中的对象的准则，并且电子装置100可以通过使用基于服务器S的学习结果生成的模型来识别包括在图像中的对象。
在这种情况下，服务器S的模型学习单元1010-4可以执行图10所示的学习单元1010的功能。服务器S的模型学习单元1010-4可以学习用于人工智能模型的对象识别准则(或识别准则)。
另外，电子装置100的识别结果提供单元1020-4可以将由输入数据选择单元1020-3选择的数据应用于由服务器S生成的人工智能模型，并且识别包括在图像中的对象。可选地，电子装置100的识别结果提供单元1020-4可以从服务器50接收由服务器50生成的人工智能模型，并且使用接收的人工智能模型识别图像中包括的对象。
本文中使用的术语“模块”包括由硬件、软件或固件构成的单元，并且可以与诸如逻辑、逻辑块、组件或电路的术语互换使用。“模块”可以是整体构建的组件或执行一个或多个功能的最小单元或其部分。
根据实施例，上述各种实施例可以实现为软件，该软件包括存储在由机器(例如，计算机)可读的机器可读存储介质中的指令。设备可以包括根据所公开的实施例的电子设备，作为从存储介质调用存储的指令并且根据调用的指令可操作的设备。当指令由处理器执行时，处理器可以使用其他组件执行与指令相对应的功能，或者可以在处理器的控制下执行这些功能。指令可以包括由编译器或解释器生成或执行的代码。机器可读存储介质可以以非暂时性存储介质的形式提供。“非暂时性”是指存储介质不包括信号并且是有形的，但不区分数据是半永久性地还是临时地存储在存储介质中。
另外，根据实施例，根据上述各种实施例的方法可以作为计算机程序产品的一部分提供。计算机程序产品可以在卖方和买方之间进行交易。计算机程序产品可以以机器可读存储介质(例如，光盘只读存储器(CD-ROM))的形式分发或者通过应用商店(例如，PlayStoreTM)在线分发。在在线分发的情况下，计算机程序产品的至少一部分可以在存储介质上至少暂时存储或临时生成，诸如制造商的服务器、应用商店的服务器或中继服务器中的存储器。
此外，根据上述各种实施例的组件(例如，模块或程序)中的每一个可以由单个实体或多个实体组成，并且可以省略上述子组件的一些子组件，或者可以将其他子组件进一步包括到各种实施例中。通常，或者另外，一些组件(例如，模块或程序)可以集成到单个实体中，以在集成之前执行由每个相应组件执行的相同或类似功能。根据各种示例性实施例，由模块、程序模块或其他组件执行的操作可以是顺序的、并行的或两者兼有的、迭代地或启发式地执行的，或者至少一些操作可以以不同的顺序执行、省略或者可以添加其他操作。

Claims (15)

1.一种电子装置，包括：
相机；
通信接口；
包括至少一个命令的存储器；以及
处理器，被配置为连接到相机、通信接口和存储器以控制电子装置，
其中，处理器被配置为通过执行所述至少一个命令以：
基于由相机获得的图像获得与电子装置的用户有关的信息，
基于与用户有关的信息识别多个广告类别中的至少一个类别，
基于正在发生用于显示广告的事件，控制通信接口将关于所述至少一个广告类别的信息发送到广告平台服务器，以及
通过通信接口从广告平台服务器接收所述至少一个广告类别中的广告。
2.根据权利要求1所述的电子装置，其中，处理器被配置为将在自画像模式期间通过相机获得的多个图像中包括的多个人中出现频率最高的人识别为用户，以及
通过使用用于对象识别的人工智能模型获得关于被识别为用户的人的年龄、性别和体型信息。
3.根据权利要求1所述的电子装置，其中，处理器被配置为将在存储器中存储的多个图像中包括的多个人中出现超过预定次数的人识别为与用户有关的人，以及
通过使用用于对象识别的人工智能模型获得关于识别为与用户有关的人的人的年龄、性别和体型信息。
4.根据权利要求1所述的电子装置，还包括：
传感器，用于获取电子装置的位置信息，
其中，处理器被配置为基于由传感器获得的电子装置的位置信息来获得关于用户的移动模式的信息，以及
基于与用户有关的信息和用户的移动模式识别所述多个广告类别中的至少一个类别。
5.根据权利要求1所述的电子装置，其中，处理器被配置为基于用户的搜索结果和网站的访问历史来识别用户的兴趣，以及
基于与用户有关的信息和用户兴趣来识别所述多个类别中的至少一个类别。
6.根据权利要求1所述的电子装置，其中，处理器被配置为获得关于用户的产品购买历史的信息，以及
基于与用户有关的信息和用户的产品购买历史，识别所述多个广告类别中的至少一个类别。
7.根据权利要求1所述的电子装置，其中，存储器被配置为存储用于匹配和存储根据用户类型预定的至少一个广告类别的匹配表，以及
其中，处理器被配置为通过使用匹配表来识别与获得的与用户有关的信息相对应的广告类别信息。
8.根据权利要求7所述的电子装置，其中，匹配表被配置为按照优先级顺序匹配和存储根据用户类型预定的所述多个广告类别，以及
其中，处理器被配置为识别从广告平台服务器接收的广告基于优先级顺序被显示的大小和位置中的至少一个。
9.根据权利要求7所述的电子装置，其中，匹配表被配置为由外部服务器周期性地更新。
10.一种用于控制电子装置的方法，包括：
基于由电子装置的相机获得的图像获取与电子装置的用户有关的信息；
基于与用户有关的信息识别多个广告类别中的至少一个类别，
基于正在发生用于显示广告的事件，将关于所述至少一个广告类别的信息发送到广告平台服务器；以及
通过通信接口从广告平台服务器接收所述至少一个广告类别中的广告。
11.根据权利要求10所述的方法，其中，获取包括将在自画像模式期间通过相机获得的多个图像中包括的多个人中出现频率最高的人识别为用户，以及
通过使用用于对象识别的人工智能模型获取关于被识别为用户的人的年龄、性别和体型信息。
12.根据权利要求10所述的方法，其中，获取包括将在存储器中存储的多个图像中包括的多个人中出现超过预定次数的人识别为与用户有关的人，以及
通过使用用于对象识别的人工智能模型，获得关于识别为与用户有关的人的人的年龄、性别和体型信息。
13.根据权利要求10所述的方法，还包括：
基于由传感器获得的电子装置的位置信息来获取关于用户的移动模式的信息，以及
其中，识别包括基于与用户有关的信息和用户的移动模式识别所述多个广告类别中的至少一个类别。
14.根据权利要求10所述的方法，还包括：
基于用户的搜索结果和网站的访问历史来识别用户的兴趣，以及
其中，识别包括基于与用户有关的信息和用户兴趣来识别所述多个类别中的至少一个类别。
15.根据权利要求10所述的方法，还包括：
获取关于用户的产品购买历史的信息，以及
其中，识别包括基于与用户有关的信息和用户的产品购买历史，识别所述多个广告类别中的至少一个类别。
CN201980064078.0A 2018-10-05 2019-09-30 电子设备及其控制方法 Pending CN112805739A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020180119200A KR20200039365A (ko) 2018-10-05 2018-10-05 전자 장치 및 이의 제어 방법
KR10-2018-0119200 2018-10-05
PCT/KR2019/012676 WO2020071697A1 (ko) 2018-10-05 2019-09-30 전자 장치 및 이의 제어 방법

Publications (1)

Publication Number Publication Date
CN112805739A true CN112805739A (zh) 2021-05-14

Family

ID=70055953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980064078.0A Pending CN112805739A (zh) 2018-10-05 2019-09-30 电子设备及其控制方法

Country Status (5)

Country Link
US (1) US11481811B2 (zh)
EP (1) EP3819851A4 (zh)
KR (1) KR20200039365A (zh)
CN (1) CN112805739A (zh)
WO (1) WO2020071697A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210042523A (ko) * 2019-10-10 2021-04-20 삼성전자주식회사 전자 장치 및 이의 제어 방법
JP2021086310A (ja) * 2019-11-26 2021-06-03 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
KR102620689B1 (ko) * 2020-11-26 2024-01-05 주식회사 원인터내셔널 도어 영상 분석 기반의 ai 비서 장치 및 시스템
KR102396287B1 (ko) * 2021-03-31 2022-05-10 쿠팡 주식회사 전자 장치 및 그의 정보 제공 방법
US11854069B2 (en) 2021-07-16 2023-12-26 Snap Inc. Personalized try-on ads
CN114676335B (zh) * 2022-04-21 2024-10-15 北京卓越起点教育科技有限公司 一种基于互联网的情景化在线教育系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942705A (zh) * 2014-03-25 2014-07-23 惠州Tcl移动通信有限公司 一种基于人脸识别的广告分类匹配推送方法及系统
CN104486680A (zh) * 2014-12-19 2015-04-01 珠海全志科技股份有限公司 基于视频的广告推送方法及系统
CN104967885A (zh) * 2015-03-27 2015-10-07 哈尔滨工业大学深圳研究生院 一种基于视频内容感知的广告推荐方法及系统
CN107527230A (zh) * 2017-07-25 2017-12-29 深圳市喜悦智慧实验室有限公司 一种基于动态场景的广告推送方法和系统
CN107622427A (zh) * 2016-07-13 2018-01-23 阿里巴巴集团控股有限公司 深度学习的方法、装置及系统
CN107798560A (zh) * 2017-10-23 2018-03-13 武汉科技大学 一种零售商店个性广告智能推送方法及系统
CN108108998A (zh) * 2017-12-14 2018-06-01 百度在线网络技术（北京）有限公司 广告展现方法和装置、服务器、存储介质

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090006210A1 (en) * 2006-01-05 2009-01-01 Hyundai Gangbyeon Hometown 106-801 Advertisement Providing System and an Advertisement Providing Method
US8750574B2 (en) * 2007-12-31 2014-06-10 Applied Recognition Inc. Method, system, and computer program for identification and sharing of digital images with face signatures
US9959547B2 (en) 2008-02-01 2018-05-01 Qualcomm Incorporated Platform for mobile advertising and persistent microtargeting of promotions
US8805110B2 (en) * 2008-08-19 2014-08-12 Digimarc Corporation Methods and systems for content processing
US9965768B1 (en) 2011-05-19 2018-05-08 Amazon Technologies, Inc. Location-based mobile advertising
KR101271483B1 (ko) 2011-06-17 2013-06-05 한국항공대학교산학협력단 사용자 인식기능을 이용하는 지능형 양방향 광고 단말기
KR101517674B1 (ko) 2013-05-29 2015-05-07 정승훈 복수의 키워드 추출 기법들을 이용하는 광고 노출 방법 및 광고 제공 장치
US10395281B2 (en) * 2013-08-19 2019-08-27 Facebook, Inc. Advertisement selection and pricing based on advertisement type and placement
US10341544B2 (en) * 2014-07-23 2019-07-02 Orcam Technologies Ltd. Determining a matching score between users of wearable camera systems
CN105303998A (zh) 2014-07-24 2016-02-03 北京三星通信技术研究有限公司 基于观众之间的关联信息播放广告的方法、装置和设备
US10239740B2 (en) * 2015-03-06 2019-03-26 Walmart Apollo, Llc Shopping facility assistance system and method having a motorized transport unit that selectively leads or follows a user within a shopping facility
US9672445B2 (en) * 2015-08-03 2017-06-06 Yahoo! Inc. Computerized method and system for automated determination of high quality digital content
JP6153984B2 (ja) * 2015-10-14 2017-06-28 株式会社日本総合研究所 宣伝情報提供システム、宣伝情報提供方法および宣伝情報提供プログラム
KR20170046354A (ko) * 2015-10-21 2017-05-02 김영선 모바일 광고플랫폼
US10296538B2 (en) 2016-02-23 2019-05-21 Baidu Usa Llc Method for matching images with content based on representations of keywords associated with the content in response to a search query
KR101762408B1 (ko) 2016-02-26 2017-07-27 (주)스마트포스팅 사용자 분석 타겟팅 광고 제공 방법 및 시스템
US10235387B2 (en) 2016-03-01 2019-03-19 Baidu Usa Llc Method for selecting images for matching with content based on metadata of images and content in real-time in response to search queries
US20180082338A1 (en) 2016-09-22 2018-03-22 International Business Machines Corporation Cognitive advertisement optimization
KR102482444B1 (ko) 2016-10-12 2022-12-27 에스케이텔레콤 주식회사 광고차단장치 및 그 동작 방법
KR20180079885A (ko) * 2017-01-03 2018-07-11 삼성전자주식회사 전자 장치 및 이의 제어 방법
US10210627B1 (en) * 2017-01-23 2019-02-19 Amazon Technologies, Inc. Image processing system for determining metrics of objects represented therein
KR20180098073A (ko) 2017-02-24 2018-09-03 네모유엑스 주식회사 디지털 사이니지 운영 시스템 및 그 방법
US10445558B2 (en) * 2017-07-17 2019-10-15 Facebook, Inc. Systems and methods for determining users associated with devices based on facial recognition of images
WO2019236836A1 (en) * 2018-06-06 2019-12-12 Walmart Apollo, Llc Targeted advertisement system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942705A (zh) * 2014-03-25 2014-07-23 惠州Tcl移动通信有限公司 一种基于人脸识别的广告分类匹配推送方法及系统
CN104486680A (zh) * 2014-12-19 2015-04-01 珠海全志科技股份有限公司 基于视频的广告推送方法及系统
CN104967885A (zh) * 2015-03-27 2015-10-07 哈尔滨工业大学深圳研究生院 一种基于视频内容感知的广告推荐方法及系统
CN107622427A (zh) * 2016-07-13 2018-01-23 阿里巴巴集团控股有限公司 深度学习的方法、装置及系统
CN107527230A (zh) * 2017-07-25 2017-12-29 深圳市喜悦智慧实验室有限公司 一种基于动态场景的广告推送方法和系统
CN107798560A (zh) * 2017-10-23 2018-03-13 武汉科技大学 一种零售商店个性广告智能推送方法及系统
CN108108998A (zh) * 2017-12-14 2018-06-01 百度在线网络技术（北京）有限公司 广告展现方法和装置、服务器、存储介质

Also Published As

Publication number Publication date
EP3819851A4 (en) 2021-08-11
WO2020071697A1 (ko) 2020-04-09
US20210182913A1 (en) 2021-06-17
US11481811B2 (en) 2022-10-25
EP3819851A1 (en) 2021-05-12
KR20200039365A (ko) 2020-04-16

Similar Documents

Publication Publication Date Title
US20220116340A1 (en) Electronic device and method for changing chatbot
US11481811B2 (en) Electronic device and method for controlling same
KR102363794B1 (ko) 정보 제공 방법 및 이를 지원하는 전자 장치
US10956007B2 (en) Electronic device and method for providing search result thereof
US11853108B2 (en) Electronic apparatus for searching related image and control method therefor
US11908176B2 (en) Data recognition model construction apparatus and method for constructing data recognition model thereof, and data recognition apparatus and method for recognizing data thereof
CN106462825B (zh) 数据网格平台
US11954150B2 (en) Electronic device and method for controlling the electronic device thereof
US10726465B2 (en) System, method and computer program product providing eye tracking based cognitive filtering and product recommendations
CN110998507B (zh) 电子装置及其用于提供搜索结果的方法
US9241664B2 (en) Using physical sensory input to determine human response to multimedia content displayed on a mobile device
US20200371895A1 (en) Electronic device and method for controlling same
KR20220078614A (ko) 협력 필터링을 사용한 예측 및 추천을 위한 시스템 및 방법
CN110169021B (zh) 用于过滤多条消息的方法和设备
US20210264905A1 (en) Electronic device and control method therefor
KR20160046038A (ko) 위치 기반 소셜 검색 서비스를 제공하는 방법 및 장치
US11531722B2 (en) Electronic device and control method therefor
CN116601961A (zh) 视觉标签显露模式检测
EP3865980B1 (en) Electronic device and control method therefor
AU2016101802A4 (en) Data mesh platform
KR20220106005A (ko) 콘텐트에 관련된 알림 메시지를 제공하는 디바이스 및 방법
JP2021189973A (ja) 情報処理装置、情報処理方法および情報処理プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination