KR100918167B1 - 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법 - Google Patents

사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법 Download PDF

Info

Publication number
KR100918167B1
KR100918167B1 KR1020020028183A KR20020028183A KR100918167B1 KR 100918167 B1 KR100918167 B1 KR 100918167B1 KR 1020020028183 A KR1020020028183 A KR 1020020028183A KR 20020028183 A KR20020028183 A KR 20020028183A KR 100918167 B1 KR100918167 B1 KR 100918167B1
Authority
KR
South Korea
Prior art keywords
user
user profile
keyword
weight
feedback
Prior art date
Application number
KR1020020028183A
Other languages
English (en)
Other versions
KR20030090178A (ko
Inventor
류정섭
김종안
김진한
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020020028183A priority Critical patent/KR100918167B1/ko
Publication of KR20030090178A publication Critical patent/KR20030090178A/ko
Application granted granted Critical
Publication of KR100918167B1 publication Critical patent/KR100918167B1/ko

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
    • 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
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

1. 청구범위에 기재된 발명이 속한 기술분야
본 발명은 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법에 관한 것임.
2. 발명이 해결하려고 하는 기술적 과제
본 발명은, 변화하는 사용자의 성향을 정확하게 반영하기 위해서, 하이퍼텍스트를 이용하여 사용자 피드백 데이터(사용자 성향 데이터)를 획득하고, 획득된 사용자 피드백 데이터에 시간의 경과에 따라 변화하는 가중치를 반영하여 현행화하는 사용자 프로파일의 학습을 수행하기 위한 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법을 제공하고자 함.
3. 발명의 해결방법의 요지
본 발명은, 웹 상에서 개인화 서비스를 위한 사용자 프로파일 학습 방법에 있어서, 신규 등록시, 초기 사용자 프로파일을 생성하는 단계; 로그인시, 입력된 사용자 아이디를 이용하여 학습을 위한 사용자 프로파일을 획득하는 단계; 웹 서비스내의 페이지를 구성하는 링크에 대해서 키워드 및 가중치가 할당된 사용자 피드백 정보를 저장한 데이터베이스에서, 사용자에 대한 성향 정보(피드백 정보)를 획득하는 단계; 사용자 프로파일과 사용자 피드백 정보를 이용하여 사용자 프로파일내의 모든 키워드에 대해서 사용자 프로파일 키워드의 가중치를 변경하되, 사용자 프로파일의 키워드 가중치에 피드백 시간에서 학습된 최종 피드백 시간을 뺀 값을 곱하여 변경하는 제 1 변경 단계; 및 사용자 피드백 정보를 사용자 프로파일에 적용하여 사용자 프로파일을 변경하되, 사용자 프로파일의 키워드 가중치에 피드백 데이터의 키워드 가중치를 합하여 변경하는 제 2 변경 단계를 포함함.
4. 발명의 중요한 용도
본 발명은 인터넷 서비스시의 개인화 서비스 제공 등에 이용됨.
개인화, 학습, 추천, 하이퍼텍스트, 키워드, 가중치

Description

사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법{METHOD FOR STUDYING USER PROFILE USING USER INCLINATION DATA}
도 1 은 본 발명이 적용되는 개인화 서비스를 위한 학습 시스템의 구성 예시도.
도 2 는 본 발명에 따른 사용자 프로파일 학습 방법에 대한 일실시예 흐름도.
도 3 은 본 발명에 따른 상기 도 2의 하이퍼 텍스트를 이용한 사용자 성향 데이터 저장 과정을 나타낸 일실시예 상세 흐름도.
도 4 는 본 발명에 따른 상기 도 2의 사용자 프로파일에 대한 학습 과정을 나타낸 일실시예 상세 흐름도.
도 5 는 본 발명에 이용되는 사용자 프로파일의 구성 예시도.
도 6 은 본 발명에 이용되는 웹 페이지 구성 예시도.
* 도면의 주요 부분에 대한 부호의 설명
11 : 사용자 단말기 12 : 웹 서버
13 : 추천 및 캐싱 서버 14 : 학습 서버
15 : 데이터베이스(DB)
본 발명은 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법에 관한 것으로, 더욱 상세하게는 하이퍼텍스트를 이용하여 사용자 피드백 데이터(사용자 성향 데이터)를 획득하고, 획득된 사용자 피드백 데이터에 시간의 경과에 따라 변화하는 가중치를 반영하여 현행화하는 사용자 프로파일의 학습을 수행하는 것이다.
현재, 인터넷의 확산에 따라 수 많은 정보와 서비스가 인터넷을 통해 제공되고 유사서비스가 속속 등장하고 있다. 이는 인터넷이 언제 어디서든지 원하는 정보를 빠른 시간내에 찾을 수 있기 때문이다. 그러나, 웹의 확장과 늘어나는 내용으로 인해 자신이 원하는 내용을 찾기 위해서 많은 시간을 들여야 하는 경우가 많아진다. 이에 따라 사용자나 인터넷 서비스 제공업체 모두 사용자에게 적합한 정보를 쉽게 찾을 수 있게 하는 것이 중요한 관심사로 떠오르게 되었다. 이를 위해, 각 개인에게 적합한 정보를 선별하여 효율적으로 제공하는 개인화 서비스를 채택하고 있다.
개인화 서비스는 웹 사이트에서 사용자의 선호, 관심, 구매 경험 등과 같은 정보를 기초로 사용자에게 가장 알맞은 정보를 제공한다. 개인화를 통해서 웹 사이트 운영자는 사용자에 관한 자료를 얻고 사용자의 지속적인 이용을 얻어낼 수 있게 되며, 사용자는 자신에게 가장 알맞은 정보를 편리한 방법으로 얻을 수 있게 된다.
그런데, 효율적 개인화 서비스를 위해서는 변화하는 사용자의 선호도를 정확하게 파악하는 것이 중요하며, 이를 위해 사용되는 것이 사용자 프로파일에 대한 학습이다. 즉, 개인화 서비스를 제공하는데 있어서 무엇보다도 사용자의 성향을 정확하게 파악하는 것이 중요하나, 잘못된 사용자 성향 파악은 잘못된 정보의 제공으로 연결되어, 오히려 사용자에게 불만을 사게 된다. 또한, 사용자의 성향은 계속 변화하기 때문에 효율적인 개인화 서비스 제공을 위해서는 변화하는 사용자의 성향을 반영하는 학습 과정이 필요하다.
학습 과정은 사용자의 웹 상에서의 행위를 관하여 사용자의 관심사항을 나타내는 데이터를 획득하고, 이를 이용하여 사용자의 성향을 학습하여 이를 사용자 프로파일에 반영하는 과정을 말한다. 즉, 학습 과정은 사용자의 행위를 관찰하여 사용자의 관심사항을 나타내는 사용자 데이터를 획득하고, 이를 이용하여 사용자의 성향을 추출한 후 사용자 프로파일에 반영하는 과정으로 구성된다. 사용자 성향 추출 과정은 웹 로그, 거래내역 등에 대한 원시 로그 데이터를 획득하고, 이를 가공하여 실제적으로 유용한 정보를 추출하는 과정으로 이루어진다. 이러한 학습 과정은 통계학적인 알고리즘, 유전학적 알고리즘, 벡터공간모형 알고리즘 등 적합한 알고리즘을 선택하여 사용자 프로파일에 변화하는 사용자 성향을 반영하는 과정이다.
그런데, 현재 제공되는 대부분의 개인화 서비스에서는 사용자가 속한 그룹의 성향을 반영하는 기법, 초기 설정한 사용자의 성향을 변경하지 않고 사용하는 기법, 사용자에게 명시적 피드백을 요구하여 행동성향을 조정하는 기법 등을 이용하고 있다. 그러나, 이러한 기법들을 이용하는 경우에는 빠르게 변화하는 사용자 성향을 반영하지 못한다.
또한, 최근에는 사용자의 로그 데이터를 이용하여 사용 성향을 현행화하는 기술도 등장하고 있다. 그러나, 로그 데이터를 이용하여 사용자 성향을 추출하는 것은 로그 데이터에 포함된 유효정보가 부족하여 정확도가 떨어진다.
또한, 성향 추출의 정확도를 향상시키기 위하여 웹 페이지를 대표하는 키워드들을 자동으로 추출하거나 수동으로 지정하여 사용하는 기술이 제안되었다. 그러나, 이 방법은 웹 페이지를 구성하는 여러 요소 중에서 사용자의 관심부분만을 정확하게 유추할 수 없기 때문에 사용자의 이용 성향을 정확하게 추출하기에는 부족하다.
따라서, 현재의 기술분야에서는 변환하는 사용자의 성향을 정확하게 반영하기 위해서 사용자의 성향을 정확하게 추출할 수 있는 데이터를 획득하고 이를 이용하여 사용자의 프로파일을 학습시킬 수 있는 방안이 필수적으로 요구된다.
본 발명은, 상기한 바와 같은 요구에 부응하기 위하여 제안된 것으로, 변화하는 사용자의 성향을 정확하게 반영하기 위해서, 하이퍼텍스트를 이용하여 사용자 피드백 데이터(사용자 성향 데이터)를 획득하고, 획득된 사용자 피드백 데이터에 시간의 경과에 따라 변화하는 가중치를 반영하여 현행화하는 사용자 프로파일의 학습을 수행하기 위한 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명은, 웹 상에서 개인화 서비스를 위한 사용자 프로파일 학습 방법에 있어서, 신규 등록시, 초기 사용자 프로파일을 생성하는 단계; 로그인시, 입력된 사용자 아이디를 이용하여 학습을 위한 사용자 프로파일을 획득하는 단계; 웹 서비스내의 페이지를 구성하는 링크에 대해서 키워드 및 가중치가 할당된 사용자 피드백 정보를 저장한 데이터베이스에서, 사용자에 대한 성향 정보(피드백 정보)를 획득하는 단계; 사용자 프로파일과 사용자 피드백 정보를 이용하여 사용자 프로파일내의 모든 키워드에 대해서 사용자 프로파일 키워드의 가중치를 변경하되, 사용자 프로파일의 키워드 가중치에 피드백 시간에서 학습된 최종 피드백 시간을 뺀 값을 곱하여 변경하는 제 1 변경 단계; 및 사용자 피드백 정보를 사용자 프로파일에 적용하여 사용자 프로파일을 변경하되, 사용자 프로파일의 키워드 가중치에 피드백 데이터의 키워드 가중치를 합하여 변경하는 제 2 변경 단계를 포함하여 이루어진 것을 특징으로 한다.
삭제
삭제
삭제
삭제
삭제
본 발명은 하이퍼텍스트를 이용한 사용자 성향 데이터 저장 및 학습 방법에 관한 것으로서, 효율적인 개인화 서비스를 제공하기 위해서 사용자의 피드백 데이터를 수집하여 학습하는데, 이때 하이퍼텍스트를 이용하여 사용자 피드백 데이터를 획득하는 과정과 획득된 사용자 피드백 데이터에 시간의 경과에 따라 변화하는 가중치를 반영하여 현행화하는 사용자 프로파일 학습 과정을 제시하고자 한다.
이를 위해, 본 발명은 웹 서비스를 구축할 때 서비스를 구성하는 각 페이지에 대해 각 페이지에 포함된 중요한 링크에 키워드와 가중치를 할당하고, 사용자가 웹 페이지내의 링크를 클릭하면 해당 링크에 키워드가 할당되어 있는지를 검사하여, 선택된 링크에 키워드가 할당되어 있으면 키워드와 가중치 정보를 시간정보와 함께 사용자 피드백 데이터베이스에 저장하고 저장된 데이터를 이용하여 학습을 수행한다. 즉, 피드백 데이터와 프로파일의 시간정보를 이용하여 피드백 데이터의 가중치를 결정하고, 이를 반영하여 프로파일의 학습을 수행한다.
본 발명에 따르면, 인터넷 서비스에서 개인화 서비스를 제공하는데 이용될 수 있다.
상술한 목적, 특징들 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명한다.
도 1 은 본 발명이 적용되는 개인화 서비스를 위한 학습 시스템의 구성 예시도이다.
도 1에 도시된 바와 같이, 사용자는 사용자 단말기(11)를 통해 웹 사이트의 웹 서버(12)에 회원가입시 사용자에 대한 정보를 제공하고, 웹 서버(12)는 사용자로부터 획득된 데이터를 이용하여 사용자 프로파일에 이용되는 데이터를 획득한다.
데이터베이스(15)는 사용자 행동 데이터, 사용자 프로파일 데이터, 컨텐츠 프로파일 데이터의 내용들을 저장하고 있어, 웹 서버(12), 추천 및 캐싱 서버(13), 학습 서버(14)들과 연계하여 각 서버들의 요구시 데이터를 제공하고, 각 서버에서 갱신(update)된 데이터들을 저장한다.
학습 서버(14)는 학습 과정을 통해 사용자 프로파일 값을 변경시킨다.
웹 서버(12)는 학습 서버(14)에 의해 제공된 사용자 프로파일 변경값을 이용하여 추천 및 캐싱 서버(13)를 통해 사용자에게 사용자가 원하는 데이터를 추천해 준다.
그럼, 웹 서비스의 각 페이지를 구성하는 주요 링크에 키워드와 가중치를 할당하고 이를 이용하여 사용자의 피드백 정보를 획득하는 과정과 획득된 사용자 피드백 정보를 바탕으로 시간에 따른 가중치를 반영하여 사용자 프로파일의 학습을 수행하는 과정에 대해 보다 상세하게 설명한다.
도 2 는 본 발명에 따른 사용자 프로파일 학습 방법에 대한 일실시예 흐름도로서, 전체 사용자 피드백 데이터 획득 및 학습 절차를 나타낸다.
본 발명에서 사용되는 사용자 프로파일의 구조는 일반적인 개인화 시스템의 사용자 프로파일 구조와 유사한 "weighted keyword vector"의 형태를 갖는다.
사용자 프로파일의 구조는 하기와 같다.
사용자 프로파일은 사용자의 선호도를 나타내는 키워드와 가중치의 리스트와, 최종 사용자 피드백 시간으로 구성된다.
먼저, 사용자가 신규로 등록하는 경우 초기 사용자 프로파일을 생성한다. 초기 사용자 프로파일은 회원가입시 사용자가 입력한 기본정보, 사용자선호도 정보, 인구통계학적 정보 등 이용 가능한 모든 정보를 사용하여 작성될 수 있다(201).
이후, 로그인시 입력된 사용자 아이디를 이용하여 학습을 위한 사용자 프로파일을 획득한다(202).
다음으로, 학습을 위해 사용자 피드백 정보를 저장한 데이터베이스에서 사용자에 대한 피드백 정보를 획득한다(203). 이렇게 웹 서비스에서 사용자 피드백 데이터를 얻을 수 있는 과정에 대해서는 하기의 도 3을 통해 보다 상세히 설명한다.
마지막으로, 획득된 사용자 프로파일과 피드백 데이터를 이용하여 사용자 프로파일에 대한 학습을 수행한다(204). 자세한 학습과정은 하기의 도 4를 통해 보다 상세히 설명한다.
도 3 은 본 발명에 따른 상기 도 2의 하이퍼 텍스트를 이용한 사용자 성향 데이터 저장 과정을 나타낸 일실시예 상세 흐름도로서, 전체 과정중 웹 서비스에서 하이퍼 링크를 이용하여 사용자의 피드백 데이터를 저장하는 절차를 나타낸다.
먼저, 웹 서비스를 구축할 때 웹 서비스내의 각 페이지에 대해 페이지를 구성하는 중요 링크에 키워드와 가중치를 할당한다(301).
이후, 사용자가 웹 서비스에 로그인시(302), 웹 서비스내의 링크를 클릭하는 경우 링크에 대해 키워드가 할당되어 있는지를 검사하여, 키워드가 할당되어 있으면 키워드와 가중치를 추출한 후(303), 시간정보와 함께 사용자 피드백 데이터베이스에 저장한다(304).
예를 들면, 도 6에 도시된 바와 같이 사용자가 음악/발라드 페이지에서 "김현성"이라는 링크를 클릭하는 경우 "김현성"이라는 링크에 미리 지정된 키워드와 가중치 정보와 함께 클릭시간이 사용자 피드백 정보에 저장되게 된다.
사용자 피드백 정보를 저장하기 위한 데이터베이스 구조는 다음과 같은 구조를 가질 수 있다.
사용자 ID 키워드1 키워드2 ... 시간
jsryu 김현성/0.3 해븐/0.1 ... 20020322-111111
... ... ... ... ...
jsryu 핑클/0.2 영원/0.1 DSP/0.1 20020321-010101

도 4 는 본 발명에 따른 상기 도 2의 사용자 프로파일에 대한 학습 과정을 나타낸 일실시예 상세 흐름도로서, 전체 과정중 추출된 사용자 피드백 데이터를 이용하여 학습하는 절차를 나타낸다.
먼저, 학습을 위해 사용자 프로파일과 사용자 피드백 데이터를 획득한다(401,402). 여기서, 사용자 프로파일과 사용자 피드백 데이터를 획득하는 과정은 상기의 도 2의 "203,203" 단계와 동일하다.
이후, 사용자 프로파일과 피드백 데이터를 이용하여 사용자 프로파일내의 모든 키워드에 대해서 하기의 (수학식 1)을 적용하여 사용자 프로파일 키워드의 가중치를 변경한다(403,404).
Wui' = Wui * F(t2-t1)
(여기서, "Wui"는 사용자 프로파일의 키워드 가중치, "Wui'"는 학습후 사용자 프로파일의 키워드 가중치, "t1"은 학습된 최종 피드백 시간, 그리고 "t2"는 피드백 시간임)
즉, 학습을 위해 사용자 프로파일내의 키워드 Kui에 대한 가중치를 Wpi, 학습이 일어난 최종 피드백 시간을 t1이라 하고, 사용자 피드백 데이터의 키워드 Kpi에 대한 가중치 Wpi, 피드백 시간을 t2라고 하며, 사용자의 최신의 성향에 더 비중을 두기 위해 사용되는 함수F(t)는 최종 피드백 시간과 학습 데이터의 피드백 시간의 차이(t2-t1)에 반비례하는 성질을 가진다고 할 때, 사용자 프로파일의 키워드의 가중치 값을 변경하는 과정을 예를 들어 설명하면 다음과 같다.
사용자 프로파일이 {{1, 0.1}, {2, 0.2}, {3, 0.3}, {4 ,0.4}}와 같이 구성되어 있고 F(t2-t1)가 0.6이라고 가정한다면, 상기 (수학식 1)을 적용한 학습후의 사용자 프로파일의 가중치는 각각 {{1, 0.06}, {2, 0.12}, {3, 0.18}, {4 ,0.24}}로 변경된다.
사용자 프로파일의 각 키워드의 가중치를 변경한 후, 하기의 (수학식 2)를 이용하여 사용자 피드백 데이터를 사용자 프로파일에 적용하여 사용자 프로파일을 변경시킨다(405). 예를 들면, 피드백 데이터가 {{1, 0.2}, {2, 0.1}}와 같이 구성되어 있다고 가정하면, 사용자 프로파일은 {{1, 0.26}, {2, 0.22}, {3, 0.18}, {4 ,0.24}}로 변경된다.
Wui' = Wui + Wpi
(여기서, Wpi는 피드백 데이터의 키워드 가중치임)
마지막으로, 사용자 프로파일의 학습을 수행한 후, 정규화(normalization)함 으로써(406), 사용자 프로파일의 학습과정을 종료한다.
상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.
이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것이 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.
상기한 바와 같은 본 발명은, 웹 서비스의 각 페이지를 구성하는 링크에 키워드와 가중치를 할당하고 이를 이용하여 사용자의 피드백 정보를 획득한 후 사용자 프로파일의 학습에 시간에 따른 가중치를 반영함으로써, 사용자에게 효과적인 개인화 서비스를 제공할 수 있어, 서비스의 차별화를 통한 고객의 충성도와 서비스 이용률을 높혀 매출증대에 기여할 수 있으며, 또한 전자상거래에 적용할 경우 지능형 마켓팅 지원서비스에 활용할 수 있는 효과가 있다.

Claims (13)

  1. 웹 상에서 개인화 서비스를 위한 사용자 프로파일 학습 방법에 있어서,
    신규 등록시, 초기 사용자 프로파일을 생성하는 단계;
    로그인시, 입력된 사용자 아이디를 이용하여 학습을 위한 사용자 프로파일을 획득하는 단계;
    웹 서비스내의 페이지를 구성하는 링크에 대해서 키워드 및 가중치가 할당된 사용자 피드백 정보를 저장한 데이터베이스에서, 사용자에 대한 성향 정보(피드백 정보)를 획득하는 단계;
    사용자 프로파일과 사용자 피드백 정보를 이용하여 사용자 프로파일내의 모든 키워드에 대해서 사용자 프로파일 키워드의 가중치를 변경하되, 사용자 프로파일의 키워드 가중치에 피드백 시간에서 학습된 최종 피드백 시간을 뺀 값을 곱하여 변경하는 제 1 변경 단계; 및
    사용자 피드백 정보를 사용자 프로파일에 적용하여 사용자 프로파일을 변경하되, 사용자 프로파일의 키워드 가중치에 피드백 데이터의 키워드 가중치를 합하여 변경하는 제 2 변경 단계
    를 포함하는 사용자 프로파일 학습 방법.
  2. 제 1 항에 있어서,
    상기 사용자 프로파일은,
    사용자의 선호도를 나타내는 키워드와 가중치의 리스트와, 최종 사용자 피드백 시간 정보를 포함하는 것을 특징으로 하는 사용자 프로파일 학습 방법.
  3. 제 1 항에 있어서,
    상기 데이터베이스에 사용자 피드백 정보를 저장하는 과정은,
    웹 서비스를 구축할 때, 웹 서비스내의 각 페이지에 대해 페이지를 구성하는 중요 링크에 키워드와 가중치를 할당하는 단계;
    사용자가 웹 서비스에 로그인시, 웹 서비스내의 링크를 클릭하는 경우 링크에 대해 키워드가 할당되어 있는지를 검사하는 단계; 및
    상기 키워드가 할당되어 있는지를 검사한 결과, 키워드가 할당되어 있으면, 키워드와 가중치를 추출한 후, 시간정보와 함께 상기 데이터베이스에 저장하는 단계
    를 포함하는 사용자 프로파일 학습 방법.
  4. 삭제
  5. 삭제
  6. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 제 1 변경 단계는,
    사용자 프로파일과 피드백 데이터를 이용하여 사용자 프로파일내의 모든 키워드에 대해서 하기의 수학식을 적용하여 사용자 프로파일 키워드의 가중치를 변경하는 것을 특징으로 하는 사용자 프로파일 학습 방법.
    Wui' = Wui * F(t2-t1)
    (여기서, "Wui"는 사용자 프로파일의 키워드 가중치, "Wui'"는 학습후 사용자 프로파일의 키워드 가중치, "t1"은 학습된 최종 피드백 시간, 그리고 "t2"는 피드백 시간임)
  7. 제 6 항에 있어서,
    상기 제 2 변경 단계는,
    사용자 프로파일의 각 키워드의 가중치를 변경한 후, 하기의 수학식을 이용하여 사용자 피드백 정보를 사용자 프로파일에 적용하여 사용자 프로파일을 변경시키는 것을 특징으로 하는 사용자 프로파일 학습 방법.
    Wui' = Wui + Wpi
    (여기서, Wpi는 피드백 데이터의 키워드 가중치임)
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
KR1020020028183A 2002-05-21 2002-05-21 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법 KR100918167B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020020028183A KR100918167B1 (ko) 2002-05-21 2002-05-21 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020020028183A KR100918167B1 (ko) 2002-05-21 2002-05-21 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법

Publications (2)

Publication Number Publication Date
KR20030090178A KR20030090178A (ko) 2003-11-28
KR100918167B1 true KR100918167B1 (ko) 2009-09-17

Family

ID=32383801

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020020028183A KR100918167B1 (ko) 2002-05-21 2002-05-21 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법

Country Status (1)

Country Link
KR (1) KR100918167B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101489149B1 (ko) * 2011-12-05 2015-02-06 한국전자통신연구원 프라이버시와 사용자 피드백을 이용하는 사용자 기반 개인화 서비스 제공 시스템, 서버, 단말장치 및 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100674284B1 (ko) * 2005-02-24 2007-01-24 에스케이 텔레콤주식회사 이동통신 단말기에서의 오디오 재생 성향 분석 시스템 및그 제어 방법
KR101061330B1 (ko) 2007-08-10 2011-08-31 야후! 인크. 웹 페이지의 하이퍼링크를 교체하기 위한 방법 및 시스템
KR20100084265A (ko) * 2009-01-16 2010-07-26 김서준 사용자 피드백을 이용하여 평가된 컨텐츠로부터 정보를 추출하고 이를 이용하기 위한 방법 및 장치
KR101105798B1 (ko) * 2009-02-05 2012-01-17 한국전자통신연구원 키워드 정련 장치 및 방법과 그를 위한 컨텐츠 검색 시스템 및 그 방법
KR102366871B1 (ko) * 2021-09-11 2022-02-23 정규일 클라우드 기반 모바일 BaaS의 지능형 데이터 캐싱 추천 서버 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20000059024A (ko) * 2000-07-10 2000-10-05 정영일 인터넷 사용자의 성향예측 및 정보제공 시스템과 방법
KR20010086259A (ko) * 1998-03-16 2001-09-10 알틱 안토니 이. 인터넷 검색 엔진
KR20020003915A (ko) * 2000-06-26 2002-01-16 김상배 검색조건을 추천하는 검색결과 제공방법 및 검색서버
KR20020060417A (ko) * 2001-01-11 2002-07-18 전종훈 사용자별 검색 이력 정보를 이용한 문서 검색 시스템 및문서 검색 방법
KR100420486B1 (ko) * 2000-07-08 2004-03-02 주식회사 라스이십일 사용자 성향분석 기능을 갖는 네트워크 기반의 개인화서비스 제공 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010086259A (ko) * 1998-03-16 2001-09-10 알틱 안토니 이. 인터넷 검색 엔진
KR20020003915A (ko) * 2000-06-26 2002-01-16 김상배 검색조건을 추천하는 검색결과 제공방법 및 검색서버
KR100420486B1 (ko) * 2000-07-08 2004-03-02 주식회사 라스이십일 사용자 성향분석 기능을 갖는 네트워크 기반의 개인화서비스 제공 시스템
KR20000059024A (ko) * 2000-07-10 2000-10-05 정영일 인터넷 사용자의 성향예측 및 정보제공 시스템과 방법
KR20020060417A (ko) * 2001-01-11 2002-07-18 전종훈 사용자별 검색 이력 정보를 이용한 문서 검색 시스템 및문서 검색 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101489149B1 (ko) * 2011-12-05 2015-02-06 한국전자통신연구원 프라이버시와 사용자 피드백을 이용하는 사용자 기반 개인화 서비스 제공 시스템, 서버, 단말장치 및 방법

Also Published As

Publication number Publication date
KR20030090178A (ko) 2003-11-28

Similar Documents

Publication Publication Date Title
CN109902849B (zh) 用户行为预测方法及装置、行为预测模型训练方法及装置
US9171078B2 (en) Automatic recommendation of vertical search engines
US8412648B2 (en) Systems and methods of making content-based demographics predictions for website cross-reference to related applications
Braunhofer et al. Selective contextual information acquisition in travel recommender systems
JP3389948B2 (ja) 表示広告選択システム
JP5450051B2 (ja) 行動ターゲティングシステム
US20090282038A1 (en) Probabilistic Association Based Method and System for Determining Topical Relatedness of Domain Names
WO2008111860A1 (en) Intentionality matching
US20050050094A1 (en) Method and system for creating and maintaining a database of user profiles and a related value rating database for information sources and for generating a list of information sources having a high estimated value
KR20020093852A (ko) 인터넷-기반 정보에 대한 음성 접근 시스템 및 방법
US20110238491A1 (en) Suggesting keyword expansions for advertisement selection
CN106447419B (zh) 基于特征选择的拜访者标识
US20150248720A1 (en) Recommendation engine
KR100918167B1 (ko) 사용자 성향 데이터를 이용한 사용자 프로파일 학습 방법
KR20070099709A (ko) 기호지수 기반 사용자 매칭 방법 및 시스템
CN111931069B (zh) 用户兴趣确定方法、装置及计算机设备
JPWO2003017137A1 (ja) ユーザプロファイル管理装置および推薦装置
Ben Njima et al. Development of a mobile web services discovery and composition model
US20160148223A1 (en) Forecasting web metrics using statistical causality based feature selection
CN117056619A (zh) 确定用户行为特征的方法和装置
JP5312083B2 (ja) 広告決定方法及び装置
JP4755834B2 (ja) 属性評価装置、属性評価方法および属性評価プログラム
US8606793B1 (en) Business metric score for web pages
CN114119078A (zh) 目标资源确定方法、装置、电子设备及介质
WO2002033626A1 (en) Demographic profiling engine

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120904

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130904

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140902

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150908

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160906

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20170904

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20180903

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20190807

Year of fee payment: 11