KR100611097B1 - 인터넷 검색 내역과 ｔｖ 시청 내역을 이용한 방송프로그램 추천 장치 및 그 방법 - Google Patents

인터넷 검색 내역과 ｔｖ 시청 내역을 이용한 방송프로그램 추천 장치 및 그 방법 Download PDF

Info

Publication number
KR100611097B1
KR100611097B1 KR1020040101983A KR20040101983A KR100611097B1 KR 100611097 B1 KR100611097 B1 KR 100611097B1 KR 1020040101983 A KR1020040101983 A KR 1020040101983A KR 20040101983 A KR20040101983 A KR 20040101983A KR 100611097 B1 KR100611097 B1 KR 100611097B1
Authority
KR
South Korea
Prior art keywords
program
user
analyzing
behavior pattern
data
Prior art date
Application number
KR1020040101983A
Other languages
English (en)
Other versions
KR20060062967A (ko
Inventor
이한규
최진수
홍진우
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020040101983A priority Critical patent/KR100611097B1/ko
Publication of KR20060062967A publication Critical patent/KR20060062967A/ko
Application granted granted Critical
Publication of KR100611097B1 publication Critical patent/KR100611097B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/68—Systems specially adapted for using specific information, e.g. geographical or meteorological information
    • H04H60/73—Systems specially adapted for using specific information, e.g. geographical or meteorological information using meta-information
    • H04H60/74—Systems specially adapted for using specific information, e.g. geographical or meteorological information using meta-information using programme related information, e.g. title, composer or interpreter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4782—Web browsing, e.g. WebTV

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

1. 청구범위에 기재된 발명이 속한 기술분야
본 발명은 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치 및 그 방법에 관한 것임.
2. 발명이 해결하려고 하는 기술적 과제
본 발명은 사용자의 기호를 정확하게 분석하고 그에 따라 적합한 서비스를 추천하는 기능의 구현을 위해 홈네트워크가 구축되어 있는 환경에서 사용자가 개인용 컴퓨터(PC) 등을 통해 인터넷을 검색하는 패턴과 디지털 TV를 시청한 내역을 융합 활용하여 사용자가 원하는 TV 프로그램을 선택할 수 있도록 하는 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치 및 그 방법을 제공하는데 그 목적이 있음.
3. 발명의 해결방법의 요지
본 발명은, 웹 검색 패턴을 통해 사용자의 선호도를 파악하기 위해 웹 브라우저 상에서의 행동 패턴을 수집/분석하기 위한 행동 패턴 분석수단; 상기 행동 패턴 분석수단에서 분석된 데이터를 전달하기 위한 전달수단; TV 프로그램을 표현하는 표준화된 메터데이터에 포함된 다양한 데이터를 수집/분석하기 위한 TV 프로그램 정보 분석수단; 및 상기 행동 패턴 분석수단과 TV 프로그램 정보 분석수단에서 수집/분석된 데이터에 기록된 내용을 기반으로 사용자의 관심도가 높은 웹 페이지를 찾아내고, 사용된 데이터로부터 상기 사용자의 관심 키워드 집합을 만들어 사용 자 선호도를 분석하여 추천 프로그램을 추론하기 위한 선호도 추론수단을 포함한다.
4. 발명의 중요한 용도
본 발명은 통신 시스템 등에 이용됨.
홈네트워크, 사용자 패턴, TV, 시청 내역, 프로그램, 검색, 선택, 추천, 벡터 공간

Description

인터넷 검색 내역과 ＴＶ 시청 내역을 이용한 방송 프로그램 추천 장치 및 그 방법{Apparatus and Method for A broadcasting Program Recommendation using Internet Retrieval Particulars and TV Seeing and Hearing Retrieval Particulars}
도 1 은 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치에 대한 일실시예 구성도,
도 2 는 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치의 행동 패턴 분석부에 대한 일실시예 상세 구성도,
도 3 은 상기 본 발명에 의한 행동 패턴 분석부의 일실시 예시도,
도 4 는 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치의 선호도 추론부에 대한 일실시예 설명도,
도 5 는 본 발명에 따른 방송 프로그램 추천 장치의 선호도 추론부의 일실시 예시도,
도 6 은 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치의 일실시예 설명도,
도 7 은 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프 로그램 추천 방법에 대한 일실시예 흐름도이다.
* 도면의 주요 부분에 대한 부호의 설명
110~11n : 행동 패턴 분석부 120 : 홈 네트워크
130 : TV 프로그램 정보 분석부 140 : 선호도 추론부
150 : 응용(Application)부
본 발명은 인터넷을 검색하면서 사용자가 방문한 페이지 및 각 페이지에서의 사용자의 행동을 분석하여 사용자의 기호와 관련있는 웹 페이지의 내용을 추출하고, 또한 TV를 시청한 내역에서 각 TV 프로그램의 메타 데이터가 포함하고 있는 정보를 활용하여 좀 더 지능적이면서도 효율적인 추천 서비스를 제공할 수 있는 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 홈네트워크 환경이 주는 이점을 활용하여 사용자가 인터넷을 검색한 내역과 TV를 시청한 내역을 종합적으로 분석하고, 그 결과에 따라 사용자의 관심도가 높은 TV 프로그램을 추천하여 주는 시스템으로서 활용 정보의 종류와 양이 제한적이었던 기존의 추천 시스템이 가지는 한계를 극복하고 홈네트워크를 통해 실시간으로 정보를 분석한 정보를 활용할 수 있는 방송 프로그램 추천 장치 및 그 방법에 관한 것이다.
현대의 정보 이용자들은 많은 양과 다양한 종류의 정보가 동시다발적으로 주어지는 환경에서 자신이 원하는 정보를 선택하여야 한다. 그리고, 사용자가 필요로 하는 정보는 그 정보의 출처에 따라 다양한 형식을 가지게 되어 종합적으로 분석하고 활용하는데에 있어서 보다 지능적이고 자동화된 시스템이 필요하다. 또한, 현대의 사용자가 가장 다양한 정보를 접하게 되는 경로는 인터넷이며, 따라서 인터넷을 통해 사용자가 접한 정보가 적극적으로 활용되어야 한다.
한편, 다양한 정보를 종합적으로 분석하고 활용하기 위해서는 실생활에서 사용자가 접하게 되는 각 정보기기들이 네트워크로 연동되어 있어야 하며, 이를 활용한 서비스는 앞으로의 홈네트워크 시대에 걸맞는 지능적 서비스의 선구적 역할을 하게 될 것이며, 이를 기반으로 다양한 종류의 새로운 서비스들이 창출될 수 있다.
이러한 요구사항을 만족시키기 위해서 사용자의 기호를 분석하여 추천하는 시스템이 활용되었다.
예를 들면, 웹 사용자의 검색 패턴 분석의 경우 월드 와이드 웹(World-Wide Web)이 인터넷 검색의 표준처럼 되어진 이후 사용성이 증가된 웹 페이지의 디자인과 인터넷 광고 효율의 극대화 및 검색 엔진의 개발 등의 필요에 의해 많은 연구가 이루어져 왔다. 이와 같은 연구는 크게 분류하면 인터넷의 효율적 검색을 위한 연구와 웹 사용자 패턴의 정확한 분석을 위한 연구로 나눌 수 있다.
웹 사용자들의 검색 패턴의 연구는 서버 측에서 자신의 서버에 접속한 이용자들의 세션데이터를 분석하여 광고 또는 사용자 맞춤형 웹페이지 제작에 활용하는 것이 대표적인 응용이며 이러한 분석 결과는 공동 필터링(Collaborative Filtering) 기술과 함께 인터넷 사용자들을 주 고객으로 하는 기업들에게는 아주 중요한 경영 전략의 하나로 인식되고 있다. 즉, 서버에 기록되는 사용자들의 검색 결과들(예를 들면, 검색 페이지, 검색 시간, 검색 순서, 트랜잭션 추이 등)이 부가가치 창출의 주요 근원 중의 하나로 활용되고 있다. 이렇게 분석된 데이터들은 사용자가 추후에 방문할 웹페이지를 추론하거나 관심 있는 상품을 추측하는 데에 이용되며 결과적으로 사용자의 특성에 맞는 광고를 보여주고 구매 가능성 높은 상품을 추천하는 방향으로 응용이 이루어지고 있다. 또한, 프록시 서버 또는 플러그 인 형태로 클라이언트 쪽에서 사용자의 검색패턴을 분석하려는 시도도 많이 이루어지고 있는데 이는 서버 측에서의 분석 보다 더 다양한 정보를 활용할 수 있다는 장점이 있다.
한편, 홈네트워크 기술은 가정에서의 모든 디지털 장비를 네트워크를 통해서 연결하고 원격 제어, 멀티미디어 서비스, 정보 서비스 등을 제공하게 된다. 이러한 홈네트워크 단말의 예로는 노트북, PDA 등 컴퓨터 기반 장치들과 냉장고, TV, 세탑박스등의 백색가전을 포함한다.
또 다른 예로, 디지털 방송은 디지털 형태의 오디오, 비디오 등의 멀티미디어 데이터와 함께 부가 방송 데이터를 같이 전송해서 대화형 방송이나 전자 프로그래밍 가이드(EPG) 등이 가능하게 한다.
디지털 TV 방송에서 사용자의 시청내역을 활용하여 프로그램을 추천하고자 하는 노력은 전자 프로그래밍 가이드(EPG)의 형태로 나타나고 있는데 이는 프로그 램을 표현하는 XML(eXtensible Markup Language) 형태의 메타 데이터를 실시간으로 분석하는 기술에 그 바탕을 두고 있다. 따라서, 이러한 기술은 메타 데이터의 표현 수준과 방향에 크게 좌우되며 현재는 프로그램 단위가 아닌 한 프로그램의 세그먼트 단위의 묘사도 이루어지고 있어 더욱 자세한 데이터를 활용할 수 있을 것으로 기대되며 메타 데이터에 대한 표준화 작업 역시 활발하게 이루어지고 있다.
그러나, 상기한 바와 같은 기존의 사용자 기호 분석 시스템 및 추천 서비스가 다양한 정보를 활용하지 못하고 각기 자신들의 영역에서 주어진 정보만을 활용해 왔던 한계를 극복하지 못하는 문제점이 있었다.
따라서, 네트워크화 된 환경에서 다양하고 이질적인 정보를 복합적으로 활용하는 방안이 요구된다.
본 발명은 상기 문제점을 해결하기 위하여 제안된 것으로, 사용자의 기호를 정확하게 분석하고 그에 따라 적합한 서비스를 추천하는 기능의 구현을 위해 홈네트워크가 구축되어 있는 환경에서 사용자가 개인용 컴퓨터(PC) 등을 통해 인터넷을 검색하는 패턴과 디지털 TV를 시청한 내역을 융합 활용하여 사용자가 원하는 TV 프로그램을 선택할 수 있도록 하는 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 장치는, 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치에 있어서, 웹 검색 패턴을 통해 사용자의 선호도를 파악하기 위해 웹 브라우저 상에서의 행동 패턴을 수집/분석하기 위한 행동 패턴 분석수단; 상기 행동 패턴 분석수단에서 분석된 데이터를 전달하기 위한 전달수단; TV 프로그램을 표현하는 표준화된 메터데이터에 포함된 다양한 데이터를 수집/분석하기 위한 TV 프로그램 정보 분석수단; 및 상기 행동 패턴 분석수단과 TV 프로그램 정보 분석수단에서 수집/분석된 데이터에 기록된 내용을 기반으로 사용자의 관심도가 높은 웹 페이지를 찾아내고, 사용된 데이터로부터 상기 사용자의 관심 키워드 집합을 만들어 사용자 선호도를 분석하여 추천 프로그램을 추론하기 위한 선호도 추론수단을 포함하는 것을 특징으로 한다.
한편, 본 발명의 방법은, 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 방법에 있어서, 사용자의 선호도를 파악하기 위해 웹 검색 패턴을 통해 웹 브라우저 상에서의 행동 패턴을 수집/분석하는 행동 패턴 분석단계; TV 프로그램을 표현하는 표준화된 메터데이터에 포함된 데이터를 수집/분석하는 TV 프로그램 정보 분석단계; 상기 행동 패턴 분석단계와 TV 프로그램 정보 분석단계에서 수집/분석된 데이터에 기록된 내용을 기반으로 사용자의 관심도가 높은 웹 페이지 를 찾아내고 사용된 데이터로부터 사용자의 관심 키워드 집합을 만드는 키워드 집합 생성단계; 및 상기 키워드 집합을 통해 사용자 선호도를 분석하여 추천 프로그램을 결정하는 추천 프로그램 결정단계를 포함하는 것을 특징으로 한다.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.
도 1 은 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치에 대한 일실시예 구성도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치는 웹 검색 패턴을 통해 사용자의 선호도를 파악하기 위해 웹 브라우저 상에서의 행동 패턴을 수집/분석하는 행동 패턴 분석부(110~11n), 상기 행동 패턴 분석부(110~11n)에서 분석된 데이터를 전달하기 위한 홈 네트워크(120), TV 프로그램을 표현하는 표준화된 메터데이터에 포함된 다양한 데이터를 수집/분석하는 TV 프로그램 정보 분석부(130), 상기 행동 패턴 분석부(110~11n)와 TV 프로그램 정보 분석부(130)에서 수집/분석된 데이터에 기록된 내용을 기반으로 사용자의 관심도가 높은 웹 페이지를 찾아내고 사용된 데이터로부터 사용자의 관심 키워드 집합을 만들어 사용자 선호도를 분석하여 추천 프로그램을 추론하는 선호도 추론부(130), 그리고 상기 선호도 추론부(130)에서 만들어진 관심 키워드 집합을 응용하는 응용(Application)부(150)를 포함한다.
하기 도 2 내지 도 8을 통해 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치를 좀 더 상세히 설명한다.
도 2 는 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치의 행동 패턴 분석부에 대한 일실시예 상세 구성도이다.
행동 패턴 분석부(110~11n)는 웹 브라우저(210)가 만들어 내는 방문한 페이지 링크(URL), 방문 시간(Viewing Time) 등의 여러 이벤트들을 받아서 수집/처리하는 이벤트 싱크부(Event Sinking Object)(220), 상기 웹 브라우저(210) 상에서의 인쇄, 데이터 복사, 즐겨찾기 등의 마우스 또는 키보드 입력 내용을 수집/처리하는 메시지 후킹부(Message Hooking)(230), 그리고 상기 이벤트 싱크부(Event Sinking Object)(220)와 메시지 후킹부(Message Hooking)(230)에서 수집된 정보를 저장하는 행동 패턴 기록부(Behavior Record)(240)를 포함한다.
상기 행동 패턴 분석부(110~11n)에서의 행동 패턴을 분석하는 것은 많은 추천 시스템이 사용자의 행동 패턴을 분석하고 추론하기 위해 웹 서버에 기록된 로그데이터를 활용하는 것에 비해 특정 웹 서버에 국한된 데이터에서 벗어나 클라이언트 상에서 여러 사이트에 접속한 다양한 정보를 수집할 수 있다는 장점이 있다.
이러한 웹 브라우저(210) 상에서의 행동 패턴은 사용자가 웹 페이지를 보면서 취하게 되는 행동을 모니터링하는 과정을 통해 분석할 수 있고, 페이지 검색 시 간(Viewing Time), 즐겨찾기에 페이지 포함(Bookmarking), 페이지 인쇄(Printing), 정보의 복사 및 기록(Copy & Paste) 등과 같은 행동을 그 대상으로 하게 된다.
웹 브라우저(210) 상에서 상기한 바와 같은 사용자의 행동들을 모니터링하고 기록하기 위해 웹 브라우저(210)가 만들어 내는 여러 이벤트들을 받아서 처리하는 컴(COM : Component Object Model) 기반의 이벤트 싱크부(220) 및 마우스 또는 키보드 입력 내용을 기록하는 메시지 후킹부(230)를 포함한 행동 패턴 분석부(110~11n)가 구현되었다.
도 3 은 상기 본 발명에 의한 행동 패턴 분석부의 일실시 예시도로서, 행동 패턴 분석부를 실행 시킨 후, 웹 브라우저를 실행시킨 화면을 나타낸다.
웹 브라우저(310) 상에서 생기는 이벤트 및 메시지 등에 관한 기록은 왼쪽에 보이는 리스트 박스(311)에 모두 기록된다.
행동 패턴 분석부(110~11n)는 상기와 같이 처리한 내용을 다음과 같은 데이터베이스에 기록하게 된다.
Figure 112004057419194-pat00001
도 4 는 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치의 선호도 추론부에 대한 일실시예 설명도이다.
본 발명에 따른 선호도 추론부(140)는, 먼저 상기 행동 패턴 분석부 (110~11n)와 TV 프로그램 정보 분석부(130)에서 수집된 링크(Link) 정보를 통해 관련된 웹 페이지를 읽어들이는 웹 검색부(410), 상기 웹 검색부(410)에서 읽어 들인 웹 페이지에서 HTML 태그를 뽑아내고 텍스트 데이터만 추출하는 HTML 파싱부(420), 상기 HTML 파싱부(420)에서 추출된 텍스트를 분석하여 키워드(Keyword)를 추출하는 형태소 분석부(430), 그리고 상기 형태소 분석부(430)에서 추출된 키워드를 저장하는 키워드 데이터 저장부(440)를 포함한다.
본 발명에 따른 선호도 추론부(140)는 상기 행동 패턴 분석부(110~11n) 또는 TV 프로그램 정보 분석부(130)가 기록한 내용을 기반으로 사용자의 관심도가 높은 웹 페이지를 찾아내고 사용자가 복사하여 사용한 데이터를 추출하여 사용자의 관심 키워드 집합을 만든다. 즉, 웹 브라우저 상에서의 사용자 행동 패턴의 분석 결과로 얻어내게 되는 선호도 데이터의 기본 단위는 웹 페이지 상에 나타난 단어들이 되며 이 단어들이 핵심 키워드가 되어 사용자 선호도 모델링에 이용된다.
사용자의 관심도가 높은 웹 페이지는 특정 페이지 상에서 사용자가 취한 행동을 통해 결정하게 되며, 이러한 페이지 링크 정보를 사용하여 선호도 추론부(140)는 웹 페이지를 네트워크를 통해 읽어들여 HTML(Hyper Text Markup Language) 태그를 걸러내고 핵심 키워드를 추출하게 된다.
한편, 상기 TV 프로그램 정보 분석부(130)는 디지털 TV 방송 프로그램의 컨텐츠를 신속하게 생성하고 검색할 수 있도록 정해진 표준에 따른 메터데이터를 활용하고 있다. 이러한 메터데이터는 프로그램의 내용 및 형식, 기타 주변 정보 등 많은 정보를 포함하고 있으므로 선호도에 따라 TV 프로그램을 추천해 주는 데에 중 요한 역할을 하게 된다. 이를 좀 더 상세히 설명하면 다음과 같다.
먼저, 각 프로그램을 표현하는 메터데이터에 포함된 다양한 데이터는 확장성 표기 언어인 XML(eXtensible Markup Language) 형식으로 저장되며, 이러한 메터데이터로부터 추출된 키워드들이 프로그램을 표현하는 키워드 집합을 구성하게 된다. 따라서, 사용자의 선호도를 키워드의 집합으로 표현한 것과 같은 방식으로 프로그램 정보 역시 키워드의 집합으로 동일한 형식으로 표현할 수 있게 된다.
도 5 는 본 발명에 따른 방송 프로그램 추천 장치의 선호도 추론부의 일실시 예시도로서, 추출된 키워드 예를 나타낸다.
선호도 추론부(140)에 의해 추출된 키워드들은 사용자 선호도를 나타내는 정보의 기본 단위가 되며 각 사용자는 고유의 키워드 집합을 가지게 된다.
도 6 은 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치의 일실시예 설명도로서, 추출된 데이터들을 융합/활용하는 것을 나타낸다.
정보 검색 분야에서 전통적으로 쓰이는 벡터 공간 모델(Vector Space Model: VSM)은 각 문서 데이터를 키워드의 배열형태로 나타낸 벡터로 표현하는 방법이다.
배열의 데이터 값은 각 키워드에 해당하는 가중치 계산값으로 채워지게 되어 결론적으로 하나의 문서 데이터는 벡터 공간 좌표상의 하나의 벡터로 표현된다.
이러한 벡터 공간 모델은 문서와 문서, 즉 각 문서를 나타내는 벡터들 사이의 유사도를 측정하는 등의 수학적 계산이 용이하며, 그 표현이 직관적이라는 장점을 지니고 있다.
상기한 바와 같은 문서 데이터의 벡터 공간 표현방식을 활용하여 키워드의 집합으로 얻어진 사용자 선호도와 TV 프로그램 데이터를 표현할 수 있으며 각 벡터의 요소에는 해당 키워드와 관련된 TF(선택된 문서의 빈도)/IDF(전체 문서의 빈도) 값이 기록되고 벡터 공간 상에서의 두 벡터의 코사인(Cosine) 유사도를 활용하여 사용자의 선호도 벡터와 TV 프로그램 데이터 사이의 관련성을 측정할 수 있다.
먼저, TF/IDF 가중치의 계산은 하기 [수학식 1]을 이용한다.
Weight = Fij * IDFi
여기서, 'Fij'는 키워드 'i' 가 문서 'j' 에서 나타난 텀 프리퀀시(Term Frequency : Normalized), 'IDFi'는 'log(N/ni)'를 나타낸다. 그리고, 'IDFi' 계산식에서의 'N'은 전체 문서 개수, 'ni'는 키워드 'i'를 포함하는 문서의 개수를 각각 나타낸다.
한편, 사용자 선호도 및 TV 프로그램 키워드 벡터는, 사용자 선호도 벡터(각 요소는 TF/IDF 가중치)(u = ( w1, w2, w3, ... ))(610), 프로그램 키워드 벡터(각 요소는 TF/IDF 가중치)(t = (k1, k2, k3, ... ))(620)를 이용하여 코사인 유사도(Cosine Similarity)(630)를 하기 [수학식 2]를 이용하여 구한다.
sim(u,t) = (u * t) / (|u| * |t|)
여기서, 'u * t'는 벡터 'u'(사용자 선호도 벡터)와 't'(프로그램 키워드 벡터)의 내적의 내적을 나타낸다.
상기한 바와 같은 문서 데이터의 벡터 표현 방식에 의해 각 사용자와 TV 프로그램은 하나의 벡터로 표현되므로 사용자의 선호도와 TV 프로그램과의 유사도는 위에서 제시한 바와 같은 코사인(Cosine) 유사도를 통해 계산되어지고, 유사도값이 가장 큰 TV 프로그램이 해당 사용자에게 추천 가능한 TV 프로그램으로 결정된다.
도 7 은 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 방법에 대한 일실시예 흐름도이다.
도 7에 도시된 바와 같이, 본 발명에 따른 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 방법은, 먼저 사용자의 선호도를 파악하기 위해 웹 검색 패턴을 통해 웹 브라우저 상에서의 행동 패턴을 수집/분석한다(710). 그리고, TV 프로그램을 표현하는 표준화된 메터데이터에 포함된 다양한 데이터를 수집/분석한다(720).
다음으로, 상기 과정에서 수집/분석된 데이터에 기록된 내용을 기반으로 사용자의 관심도가 높은 웹 페이지를 찾아내고 사용된 데이터로부터 사용자의 관심 키워드 집합을 만들고(730), 상기 키워드 집합을 통해 사용자 선호도를 분석하여 추천 프로그램을 추론하여(740) 추천 프로그램을 결정한다(750).
한편, 상기한 바와 같은 본 발명을 활용한 서비스의 예로는 TV 프로그램의 추천 뿐만 아니라 내용에 따른 광고의 선택 또는 더 나아가서 사용자의 업무에 관 한 정보를 제공하는 정보 추천 및 제공 시스템을 들 수 있다.
한편, 상기한 바와 같은 본 발명은 컴퓨터의 소형화, 가전기기의 디지털화, 그리고 다양한 장비가 하나로 묶이는 네트워크화에 의해 보다 많은 종류의 서비스가 가능해질 미래의 환경에서 필수적으로 제공되어야 할 기능의 하나로서 사용자가 원하는 서비스를 적절한 시간에 제공할 수 있도록 하는 지능적 정보 선택 및 추천 시스템으로서 다음과 같은 특성을 가진다.
먼저, 다양한 가전기기가 모두 서로 데이터를 주고받을 수 있는 홈네트워크 환경의 장점을 활용할 수 있고, 가능한 모든 종류의 데이터(예를 들면, 다양한 디지털 서비스의 사용 패턴 등)를 종합적으로 활용할 수 있다. 또한, 사용자 특성 및 기호의 정확한 분석을 통해 분석된 사용자 기호를 적절히 표현할 수 있다.
위와 같은 시스템을 위하여 인터넷을 검색하는 패턴 및 사용자의 TV 시청 내역을 융합, 분석하는 기본 기능을 포함하며, 이를 바탕으로 사용자의 기호에 맞는TV 프로그램을 추천해 준다.
따라서, 사용자는 기존의 TV 시청 내역 뿐만 아니라 인터넷에 접하게 된 관심 정보 등에 기반하여 수신되는 여러 TV 프로그램 중에서 가장 호감을 가질 프로그램을 추천받게 되어 정보의 검색 및 선택에 드는 시간을 획기적으로 줄이게 된다.
상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다. 이러한 과정은 본 발명이 속하는 기술 분야에서 통상 의 지식을 가진 자가 용이하게 실시할 수 있으므로 더 이상 상세히 설명하지 않기로 한다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
상기와 같은 본 발명은, 디지털 방송을 TV 등의 전용 터미널이 아닌 본 발명에 해당하는 어플리케이션이 수행되는 홈네트워크 단말에서 방송 어플리케이션을 실행 또는 시청하며 연동할 수 있기 때문에 대화형 방송을 포함하는 강화된(enhanced) 방송을 TV 수신 기능을 가지고 있지 않는 일반 홈네트워크 단말로 서비스 하는 것이 가능하며, TV를 직접 수신할 수 없는 제한된 형태를 가지는 홈네트워크 단말이나 다른 경우에 따라서 대형 TV에서 시청할 수 있는 오디오와 비디오로 구성된 방송을 시청하는 대신에 적절한 형태의 어플리케이션을 본 발명에 해당하는 홈네트워크 단말로 다운 받아서 시청 또는 이용할 수 있는 효과가 있다.

Claims (8)

  1. 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 장치에 있어서,
    웹 검색 패턴을 통해 사용자의 선호도를 파악하기 위해 웹 브라우저 상에서의 행동 패턴을 수집/분석하기 위한 행동 패턴 분석수단;
    상기 행동 패턴 분석수단에서 분석된 데이터를 전달하기 위한 전달수단;
    TV 프로그램을 표현하는 표준화된 메터데이터에 포함된 다양한 데이터를 수집/분석하기 위한 TV 프로그램 정보 분석수단; 및
    상기 행동 패턴 분석수단과 TV 프로그램 정보 분석수단에서 수집/분석된 데이터에 기록된 내용을 기반으로 사용자의 관심도가 높은 웹 페이지를 찾아내고, 사용된 데이터로부터 상기 사용자의 관심 키워드 집합을 만들어 사용자 선호도를 분석하여 추천 프로그램을 추론하기 위한 선호도 추론수단
    을 포함하는 방송 프로그램 추천장치.
  2. 제 1 항에 있어서,
    상기 행동 패턴 분석수단은,
    상기 웹 브라우저가 만들어 내는 소정의 이벤트들을 받아서 수집/처리하기 위한 이벤트 싱킹 수단;
    상기 웹 브라우저 상에서의 상기 사용자의 마우스/키보드 입력 내용을 수집/처리하기 위한 메시지 후킹수단; 및
    상기 이벤트 싱킹 수단과 메시지 후킹수단에서 수집된 정보를 저장하기 위한 행동 패턴 기록수단
    을 포함하는 방송 프로그램 추천장치.
  3. 제 1 항에 있어서,
    상기 TV 프로그램 정보 분석수단은,
    디지털 TV 방송 프로그램의 컨텐츠를 신속하게 생성하고 검색할 수 있도록 정해진 표준에 따른 메터데이터를 활용하는 것을 특징으로 하는 방송 프로그램 추천장치.
  4. 제 1 항에 있어서,
    상기 선호도 추론수단은,
    상기 행동 패턴 분석수단과 TV 프로그램 정보 분석수단에서 수집된 링크(Link) 정보를 통해 관련 웹 페이지를 읽어들이기 위한 웹 검색수단;
    상기 웹 검색수단에서 읽어 들인 웹 페이지에서 HTML(Hyper Text Markup Language) 태그를 축출하고, 텍스트 데이터만 추출하기 위한 파싱수단;
    상기 파싱수단에서 추출된 텍스트를 분석하여 키워드(Keyword)를 추출하기 위한 형태소 분석수단; 및
    상기 형태소 분석수단에서 추출된 키워드를 저장하기 위한 키워드 데이터 저장수단
    을 포함하는 방송 프로그램 추천 장치.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 행동 패턴 분석수단은,
    상기 웹 브라우저 상에서 사용자가 웹 페이지를 보면서 취하는 페이지 검색 시간(Viewing Time), 즐겨찾기에 페이지 포함(Bookmarking), 페이지 인쇄(Printing), 정보의 복사 및 기록(Copy & Paste)의 행동을 그 대상으로 하는 것을 특징으로 하는 방송 프로그램 추천 장치.
  6. 제 5 항에 있어서,
    상기 선호도 추론수단은,
    상기 추출된 키워드를 사용자 선호도를 나타내는 정보의 기본 단위로 이용하며, 상기 추출된 키워드를 벡터 공간 모델(Vector Space Model: VSM)을 이용하여 유사도를 구한 뒤 추천 프로그램을 결정하는 것을 특징으로 하는 방송 프로그램 추 천 장치.
  7. 인터넷 검색 내역과 TV 시청 내역을 이용한 방송 프로그램 추천 방법에 있어서,
    사용자의 선호도를 파악하기 위해 웹 검색 패턴을 통해 웹 브라우저 상에서의 행동 패턴을 수집/분석하는 행동 패턴 분석단계;
    TV 프로그램을 표현하는 표준화된 메터데이터에 포함된 데이터를 수집/분석하는 TV 프로그램 정보 분석단계;
    상기 행동 패턴 분석단계와 TV 프로그램 정보 분석단계에서 수집/분석된 데이터에 기록된 내용을 기반으로 사용자의 관심도가 높은 웹 페이지를 찾아내고 사용된 데이터로부터 사용자의 관심 키워드 집합을 만드는 키워드 집합 생성단계; 및
    상기 키워드 집합을 통해 사용자 선호도를 분석하여 추천 프로그램을 결정하는 추천 프로그램 결정단계
    를 포함하는 방송 프로그램 추천 방법.
  8. 제 7 항에 있어서,
    상기 추천 프로그램 결정단계는,
    상기 키워드 집합을 이용하여 문서 데이터의 벡터 표현 방식에 의해 각 사용 자와 TV 프로그램을 하나의 벡터로 표현하여 사용자의 선호도와 TV 프로그램과의 유사도를 계산하여, 유사도값이 가장 큰 TV 프로그램을 해당 사용자에게 추천 가능한 TV 프로그램으로 결정하는 것을 특징으로 하는 방송 프로그램 추천 방법.
KR1020040101983A 2004-12-06 2004-12-06 인터넷 검색 내역과 ｔｖ 시청 내역을 이용한 방송프로그램 추천 장치 및 그 방법 KR100611097B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020040101983A KR100611097B1 (ko) 2004-12-06 2004-12-06 인터넷 검색 내역과 ｔｖ 시청 내역을 이용한 방송프로그램 추천 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020040101983A KR100611097B1 (ko) 2004-12-06 2004-12-06 인터넷 검색 내역과 ｔｖ 시청 내역을 이용한 방송프로그램 추천 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20060062967A KR20060062967A (ko) 2006-06-12
KR100611097B1 true KR100611097B1 (ko) 2006-08-09

Family

ID=37159037

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040101983A KR100611097B1 (ko) 2004-12-06 2004-12-06 인터넷 검색 내역과 ｔｖ 시청 내역을 이용한 방송프로그램 추천 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR100611097B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101271237B1 (ko) 2011-07-12 2013-06-07 부산대학교 산학협력단 시청자 맞춤형 커스텀뷰를 제공하기 위한 온라인 방송 시스템 및 방법

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100747562B1 (ko) * 2001-04-06 2007-08-08 엘지전자 주식회사 홈 네트워크 시스템
KR101103766B1 (ko) * 2007-07-03 2012-01-12 성균관대학교산학협력단 태그 정보를 이용하여 사용자 취향정보를 수집하는 단말기기, 그 방법 및 기록매체
KR100889989B1 (ko) * 2007-11-30 2009-03-25 엔에이치엔(주) 방송 프로그램 검색을 위한 추천 키워드 제공 시스템 및방법
US8375131B2 (en) 2007-12-21 2013-02-12 Yahoo! Inc. Media toolbar and aggregated/distributed media ecosystem
KR101020206B1 (ko) * 2008-06-16 2011-03-08 성균관대학교산학협력단 사용자 추천 방법 및 이를 위한 프로그램이 기록된 기록매체
KR101774397B1 (ko) * 2010-08-31 2017-09-13 삼성전자주식회사 방송 선호 정보를 제공하기 위한 방법 및 장치
JP2013126107A (ja) * 2011-12-14 2013-06-24 Samsung Yokohama Research Institute Co Ltd デジタル放送受信装置
KR101646312B1 (ko) * 2013-12-06 2016-08-08 조은영 개인행동기반 관심 대상 및 선호 분야 분석시스템 및 그 방법
KR101696026B1 (ko) * 2014-08-28 2017-01-12 한국디자인진흥원 오픈 응용프로그램 인터페이스를 이용한 디자인트랜드정보제공방법
KR20190054807A (ko) 2017-11-14 2019-05-22 삼성전자주식회사 북마크된 컨텐츠와 관련된 정보를 제공하는 전자 장치 및 그 전자 장치의 제어 방법
KR20210090713A (ko) * 2018-12-19 2021-07-20 엘지전자 주식회사 인공지능 장치
WO2022270645A1 (ko) 2021-06-22 2022-12-29 엘지전자 주식회사 영상표시장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101271237B1 (ko) 2011-07-12 2013-06-07 부산대학교 산학협력단 시청자 맞춤형 커스텀뷰를 제공하기 위한 온라인 방송 시스템 및 방법

Also Published As

Publication number Publication date
KR20060062967A (ko) 2006-06-12

Similar Documents

Publication Publication Date Title
US10607235B2 (en) Systems and methods for curating content
TW466423B (en) Method and apparatus for providing reduced cost online service and adaptive targeting of advertisements
US20160275127A1 (en) Systems and methods for presenting content
CN101595481B (zh) 用于在电子装置上促进信息搜索的方法和系统
US7533399B2 (en) Programming guide content collection and recommendation system for viewing on a portable device
JP5175339B2 (ja) ローカルネットワーク内の装置のユーザに適切な情報を提供する方法及びシステム
US10713666B2 (en) Systems and methods for curating content
US20090043739A1 (en) Method of displaying customized data and browser agent
US8799252B2 (en) Method and apparatus for collecting and providing information of interest to user regarding multimedia content
KR100611097B1 (ko) 인터넷 검색 내역과 ｔｖ 시청 내역을 이용한 방송프로그램 추천 장치 및 그 방법
US20090125397A1 (en) Method and system for integrating rankings of journaled internet content and consumer media preferences for use in marketing profiles
US20090307084A1 (en) Measuring Exposure To Media Across Multiple Media Delivery Mechanisms
US20090100015A1 (en) Web-based workspace for enhancing internet search experience
US20080313215A1 (en) System and method for the generation and storage of contextually anchored links and for navigation within information systems based on such links
CN107977678B (zh) 用于输出信息的方法和装置
CN103744856A (zh) 联动性扩展搜索方法及装置、系统
KR20070029389A (ko) 핵심 키워드를 이용한 광고 서비스 제공 방법, 시스템 및이를 구현하기 위한 프로그램이 기록된 기록매체
JP2006309515A (ja) 情報配信方法および情報配信サーバ
JP2010044462A (ja) コンテンツ評価サーバ、コンテンツ評価方法及びコンテンツ評価プログラム
KR101140318B1 (ko) 동영상 정보에 대응되어 저장되는 상업적 태그 등의 메타정보 기반 키워드 광고 서비스 방법 및 그 서비스를 위한시스템
JP2006053616A (ja) サーバ装置、ｗｅｂサイト推奨方法およびプログラム
Lewandowski Understanding search engines
Gunduz-Oguducu Web page recommendation models: theory and algorithms
KR20090128251A (ko) 멀티미디어 콘텐츠의 내용에 기반하는 광고 제공 시스템 및그 광고 제공 방법
KR20090084015A (ko) 개인 미디어 컨텐츠 평가 방법 및 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20100802

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee