KR100948827B1 - 콘텐츠 제공 장치 및 콘텐츠 제공 방법 - Google Patents

콘텐츠 제공 장치 및 콘텐츠 제공 방법 Download PDF

Info

Publication number
KR100948827B1
KR100948827B1 KR1020090099354A KR20090099354A KR100948827B1 KR 100948827 B1 KR100948827 B1 KR 100948827B1 KR 1020090099354 A KR1020090099354 A KR 1020090099354A KR 20090099354 A KR20090099354 A KR 20090099354A KR 100948827 B1 KR100948827 B1 KR 100948827B1
Authority
KR
South Korea
Prior art keywords
content
difficulty
ontology
contents
index
Prior art date
Application number
KR1020090099354A
Other languages
English (en)
Inventor
이용규
박재욱
박미화
Original Assignee
동국대학교 산학협력단
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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020090099354A priority Critical patent/KR100948827B1/ko
Application granted granted Critical
Publication of KR100948827B1 publication Critical patent/KR100948827B1/ko

Links

Images

Classifications

    • 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
    • G06F17/10—Complex mathematical operations

Abstract

콘텐츠 제공 장치 및 방법이 개시된다. 본 발명의 일 실시예에 따른 콘텐츠 제공 장치는, 저장된 콘텐츠의 색인 단어들로 구성된 온톨로지를 포함하며, 상기 색인 단어들의 온톨로지를 이용하여 저장된 콘텐츠의 학습 난이도를 계산하도록 구성된다.

Description

콘텐츠 제공 장치 및 콘텐츠 제공 방법{Apparatus and method for providing contents}
본 발명의 실시예들은 온라인 상에서 콘텐츠를 검색하여 제공하기 위한 기술과 관련된다.
인터넷의 보급이 대중화됨에 따라, 학습 콘텐츠 또한 인터넷을 통해 온라인으로 사용자에게 제공하는 경우가 일반화되어 가고 있다. 인터넷을 통한 온라인 학습 콘텐츠는 사용자가 필요에 따라 원하는 시간에 자유로이 학습을 수행할 수 있다는 점에서 오프라인 학습 콘텐츠에 비해 여러 가지 장점이 있다.
한편, 인터넷을 통한 학습 콘텐츠의 수가 늘어나면서 학습 콘텐츠의 이용자들은 수많은 콘텐츠 사이에서 적절한 후행 학습 콘텐츠를 선택하기가 점점 어려워지고 있다. 따라서 학습 콘텐츠 이용자가 편리하게 후행 학습 콘텐츠를 선택할 수 있도록 하기 위하여, 온라인상의 학습 콘텐츠의 난이도를 객관적으로 계산하여 합리적으로 후행 학습 콘텐츠를 추천하기 위한 방안에 대한 연구가 필요하게 되었다.
본 발명의 실시예들은 콘텐츠의 색인 단어들을 온톨로지 형태로 표현하고 상기 온톨로지에 각 색인 단어들의 심화도를 나타내는 속성을 부가함으로써, 객관적이고 정확하게 콘텐츠의 난이도를 측정하고 이를 후행 학습 콘텐츠의 추천에 이용하는 방법을 제공하고자 한다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 콘텐츠 제공 장치는, 콘텐츠가 저장되는 콘텐츠 데이터베이스; 상기 콘텐츠 데이터베이스에 저장된 콘텐츠의 색인 단어들이 트리 구조의 온톨로지로 저장되는 온톨로지 데이터베이스; 및 상기 온톨로지 데이터베이스에 저장된 색인 단어들의 온톨로지를 이용하여 상기 콘텐츠 데이터베이스에 저장된 콘텐츠의 학습 난이도를 계산하는 콘텐츠 난이도 계산부;를 포함한다.
한편, 상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 콘텐츠 제공 방법은, 콘텐츠 제공 장치에서, 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 색인 단어들로 구성된 트리 구조의 온톨로지를 이용하여 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 난이도를 계산하는 단계; 상기 콘텐츠 제공 장치에서, 콘텐츠 이용자가 기 학습한 콘텐츠의 난이도와 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 난이도를 비교하여, 상기 콘텐츠 이용자가 학습할 콘텐츠를 선택하는 단계; 및 상기 콘텐츠 제공 장치에서, 상기 선택된 콘텐츠를 후행 학습 콘텐츠로 상기 콘텐츠 이 용자에게 제공하는 단계;를 포함한다.
본 발명의 실시예들은 콘텐츠의 색인 단어들을 온톨로지 형태로 표현하고 상기 온톨로지에 각 색인 단어들의 심화도를 나타내는 속성을 부가하며, 상기 온톨로지를 이용하여 콘텐츠의 난이도를 계산함으로써 학습자에게 각 콘텐츠의 난이도에 대한 정확한 정보를 제공하고 학습자의 수준에 맞는 후행 학습 콘텐츠를 제공할 수 있다.
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술 되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하의 실시예는 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.
도 1은 본 발명의 일 실시예에 따른 콘텐츠 제공 장치(100)의 구성을 나타낸 도면이다.
도시된 바와 같이, 본 발명의 일 실시예에 따른 콘텐츠 제공 장치(100)는 콘텐츠 데이터베이스(102), 온톨로지 데이터베이스(104) 및 콘텐츠 난이도 계산부(106)을 포함하여 구성된다.
콘텐츠 데이터베이스(102)는 사용자에게 제공하기 위한 콘텐츠가 저장되는 데이터베이스이다. 상기 콘텐츠는 예를 들어 상기 사용자의 학습을 위한 학습 콘텐츠일 수 있다. 본 발명의 실시예에 있어, 상기 사용자는 콘텐츠 데이터베이스(102)에 저장된 콘텐츠의 이용자로서, 상기 사용자는 자신의 콘텐츠 제공 장치(100)에 부가된 사용자 인터페이스(미도시)를 통하여 콘텐츠 제공 장치(100)에 온라인으로 접속하여 콘텐츠 데이터베이스(102)에 저장된 콘텐츠를 이용하게 된다. 상기 콘텐츠의 형태는 온라인 상으로 제공 가능한 것이면 어떠한 형식이든 가능하며, 예를 들어 텍스트, 음성, 동영상 또는 이들의 조합으로서 구성될 수 있다. 상기 콘텐츠들은 저장 및 검색의 편의를 위하여 상기 콘텐츠들의 내용을 쉽게 알 수 있도록 하나 이상의 색인 단어들과 함께 저장될 수 있다. 예를 들어, 다음과 같은 콘텐츠가 콘텐츠 데이터베이스(102)에 저장된다고 가정할 경우,
콘텐츠 A
"원동기의 동력을 이용해 사람이나 화물을 운송하는 기계를 말한다. 주로 휘발성 연료를 사용하는 내연기관으로 추진된다. 자동차는 20세기경부터 사용되기 시 작해 현대의 어느 발명품보다도 사회를 변화시키는 데 큰 몫을 담당했다. 먼저 장거리 여행이 용이해졌으며, 도시와 멀리 떨어진 곳에서의 생활을 비롯해 원거리 통학이 가능해졌다. 증가하는 자동차의 교통량을 소화해내기 위해 모든 나라는 길을 확장하며, 고속도로를 만들고 있다."
상기 콘텐츠 A에 대한 색인 단어는 "사람, 기계, 기관, 자동차, 도시, 교통, 나라, 고속도로" 와 같이 구성될 수 있다. 이러한 색인 단어들은 상기 콘텐츠 내에서 실제로 사용된 단어로 구성될 수 있다.
온톨로지 데이터베이스(104)는 콘텐츠 데이터베이스(102)에 저장된 콘텐츠의 색인 단어들이 온톨로지 형태로 저장되는 데이터베이스이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 콘텐츠의 색인 단어들로 구성된 온톨로지의 일례를 나타낸 도면이다. 도 2에서는 트리(tree) 형태의 온톨로지를, 도 3에서는 그래프(graph) 형태의 온톨로지를 각각 도시하였다.
도시된 바와 같이, 본 발명의 일 실시예에 따른 온톨로지는 각 색인 단어들이 트리 또는 그래프 형태로 구성된다. 상기 온톨로지에서, 각 색인 단어의 상위 레벨 또는 하위 레벨에 속하는 단어들 간에는 서로 택소노미 관계(taxonomic relation)를 가진다. 즉, 특정 색인 단어의 상위 레벨에 속하는 단어는 상기 색인 단어보다 넓은 개념을 가지며, 이와 반대로 특정 색인 단어의 하위 레벨에 속하는 단어는 더 좁은 개념을 가진다. 예를 들어, 상기 온톨로지에서 "자동차"는 "기계" 보다는 더 좁은 개념이나, "타이어" 는 "자동차"의 일부분이므로 "자동차"보다 더 구체적인 개념(좁은 개념)이 된다. 이를 "isA" 관계라 하는데, 예를 들어 "자동차"와 "기계"의 관계는 "자동차 isA 기계"와 같이 표현할 수 있다.
본 발명의 실시예에서는, 상기와 같은 온톨로지 내의 각 색인 단어의 상/하위 관계와 별도로 각 색인 단어 간의 심화도 차이를 온톨로지에 별도로 부가하여 사용한다. 각 색인 단어의 심화도 차이는 도 2에서 온톨로지의 각 색인 단어를 연결하는 간선(화살표)에 도시되어 있다. 예를 들어, "나라"와 "고속도로" 간의 심화도 차이는 1, "자동차"와 "기관" 사이의 심화도 차이는 2이다. 동일한 레벨의 색인 단어라도 할지라도 심화도 차이는 다를 수 있다. 예를 들어, 도 2에 도시된 온톨로지에서 "기관"과 "몸체"는 모두 레벨이 3이나 "자동차"와의 심화도 차이는 각각 2와 1로 상이하므로, 이에 따라 "기관"이 "몸체"보다 심화도가 더 높다고 말할 수 있다. 이와 같이 각 단어 간의 심화도 차이가 정해질 경우, 각 단어의 심화도는 온톨로지에서의 루트 노드에서부터 해당 단어까지의 경로(path)상의 모든 심화도 차이의 합으로 정의될 수 있다. 예를 들어, "자동차"의 심화도는 1, "점화장치"의 심화도는 5가 된다. 상기 심화도는 각 색인 단어의 정의, 단어의 사용 형태(예를 들어, 특정 분야에서만 사용되는지 또는 일상 생활에서 사용되는 용어인지 등), 단어의 난이도(예를 들어, 대학 수준에서만 사용되는 용어인지, 또는 중학교 수준의 어휘인지 등), 또는 상위 단어와의 관계 등에 따라 정해질 수 있다.
본 발명의 실시예에서는 트리 형태의 온톨로지를 이용하여 콘텐츠의 학습 난이도를 계산한다. 그러나 온톨로지는 도 3과 같이 그래프 형태로 구성될 수도 있 다. 그래프 형태의 온톨로지의 경우 특정 노드의 부모 노드가 복수 개 존재할 수 있다. 즉, 도 3에 도시된 실시예에서는 "자동차"가 "교통"의 하위 개념인 동시에 "기계"의 하위 개념으로 나타남을 알 수 있다. 그래프 형태의 온톨로지에서는 루트 노드에서부터 개념까지의 경로가 하나가 아닌 복수 개 존재할 수 있다. 그러나 이 경우에도 루트 노드에서부터 개념까지의 심화도 차이의 합은 어떤 경로를 택하더라도 동일하여야 한다. 상기 실시예에서, "기관"까지의 경로는 교통-자동차-기관 및 기계-자동차-기관의 두 개가 존재하나, 어느 경우에도 심화도 차이의 합은 3으로 동일한 것을 알 수 있다.
상기와 같이 그래프 형태로 온톨로지를 구성한 경우에는 난이도 계산을 위하여 먼저 온톨로지를 트리 형태로 변환한다. 이는 복수 개의 부모 노드를 가진 노드 및 상기 노드의 하위 노드들을 복사하여 각 부모 노드의 서브 트리로 구성함으로써 이루어진다. 도시된 실시예에서는 "자동차" 및 "자동차"의 하위개념들의 단어들을 복사하여 상위 단어인 "교통"과 "기계"의 서브 트리로 만들어 온톨로지를 트리구조로 변환하게 된다. 이와 같이 트리 구조로 변환된 온톨로지를 도 4에 나타내었다.
다음으로, 콘텐츠 난이도 계산부(106)는 온톨로지 데이터베이스(104)에 저장된 상기 색인 단어들의 온톨로지를 이용하여 콘텐츠 데이터베이스(102)에 저장된 콘텐츠의 학습 난이도를 계산한다.
콘텐츠 난이도 계산부(106)에서의 콘텐츠 난이도 계산은 다음의 수학식 1을 이용하여 수행된다.
Figure 112009063914152-pat00001
- Diff(c) : 콘텐츠 c의 난이도
- n : 상기 콘텐츠 c에서의 색인 단어의 개수(n>0)
- ti : 상기 콘텐츠 c에 포함된 i번째 색인 단어(1≤i≤n)
- d(ti) : 온톨로지의 뿌리(root)에서부터 색인 단어 ti까지의 경로상에 나타난 모든 용어간의 심화도 차이의 합
- f(ti) : 단어 ti의 상기 콘텐츠 c 내에서의 빈도 수
- D : 온톨로지의 뿌리(root)에서부터 단말(leaf)까지의 패스에 나타난 모든 용어간의 심화도의 차이의 합 중 가장 큰 값, 즉 온톨로지에 포함된 용어가 가질 수 있는 최대 심화도를 의미함. 예를 들어, 도 2에서 D는 "디젤"과 "가솔린"의 심화도인 6이 됨.
만약 상기 수학식 1에서 빈도 수를 고려하지 않을 경우에는, f(ti)를 1로 계산한다.
상기 수학식은 콘텐츠의 난이도가 0에서 1사이의 값을 갖도록 한다. 상기 수 학식을 변경하여 난이도를 구하는 방법도 가능하며, 일례로는 상기 수학식의 분자 부분을 색인 단어들의 빈도 수의 합으로 나눈 값을 사용할 수도 있다.
만약 상기 색인 단어들의 온톨로지에서 각 색인 단어 간의 심화도 차이가 모두 동일할 경우, 콘텐츠의 난이도는 수학식 2와 같이 계산될 수 있다. 수학식 2에서도 빈도 수를 고려하지 않을 경우에는 f(ti)를 1로 계산한다.
Figure 112009063914152-pat00002
- Diff(c) : 콘텐츠 c의 난이도
- n : 상기 콘텐츠 c에서의 색인 단어의 개수(n>0)
- ti : 상기 콘텐츠 c에 포함된 i번째 색인 단어(1≤i≤n)
- L(ti) : 색인 단어 ti의 레벨
- f(ti) : 단어 ti의 상기 콘텐츠 c 내에서의 빈도 수
- H : 온톨로지의 최대 레벨, 예를 들어 도 2의 최대 레벨은 5임
다음과 같은 콘텐츠 A, 콘텐츠 B의 두 개의 콘텐츠가 콘텐츠 데이터베이스(102)에 저장되어 있다고 할 때, 도 2와 같은 색인 단어들의 온톨로지를 이용하 여 각각의 난이도를 계산하면 다음과 같다.
콘텐츠 A
"원동기의 동력을 이용해 사람이나 화물을 운송하는 기계를 말한다. 주로 휘발성 연료를 사용하는 내연기관으로 추진된다. 자동차는 20세기경부터 사용되기 시작해 현대의 어느 발명품보다도 사회를 변화시키는 데 큰 몫을 담당했다. 먼저 장거리 여행이 용이해졌으며, 도시와 멀리 떨어진 곳에서의 생활을 비롯해 원거리 통학이 가능해졌다. 증가하는 자동차의 교통량을 소화해내기 위해 모든 나라는 길을 확장하며, 고속도로를 만들고 있다."
색인 단어 : 사람, 기계, 기관, 자동차, 도시, 교통, 나라, 고속도로
콘텐츠 B
"기관은 자동차를 움직이기 위한 동력원으로서 연료를 기관 내부에서 연소하는 내연기관인데, 본체 외에 연료장치, 흡·배기장치, 점화장치, 윤활장치, 냉각장치 등으로 구성되어 있다. 기관은 점화방식에 따라 가솔린 기관, 디젤 기관으로 나뉜다. 가솔린 기관은 기화기에서 만들어진 연료와 공기의 혼합 가스를 실린더 내부로 흡입해 피스톤으로 압축할 때 전기불꽃으로 점화·폭발시켜 동력을 얻는 기관이다. 디젤 기관은 공기만 실린더 내부로 흡입해 압축한 후 고압으로 경유를 분사하여 자연점화로 폭발시켜 동력을 얻는 기관이다."
색인 단어 : 기관, 자동차, 본체, 점화장치, 윤활장치, 가솔린, 디젤
(콘텐츠 출처 : 브리태니커 백과사전)
표 1은 콘텐츠 A의 색인 단어와 색인 단어의 온톨로지의 뿌리로부터의 심화도 차이의 합, 콘텐츠 내에서의 빈도 수 등을 나타낸 것이다.
색인 단어 레벨:L(ti) 빈도수:f(ti) 심화도 차이의 합:d(ti) f(ti)*d(ti) f(ti)*L(ti)
사람 1 1 0 0 1
기계 1 1 0 0 1
교통 1 1 0 0 1
철도 2 1 1 1 2
자동차 2 2 1 2 4
도로 2 1 1 1 2
화물 3 1 2 2 3
기관 3 1 3 3 3
콘텐츠 A의 색인 단어의 개수는 8개이고, 온톨로지에서 심화도 차이의 합 중 최대값은 3이며, 레벨의 최대값은 3이다. 따라서 상기 수학식 1 및 수학식 2에 따라 콘텐츠 A의 난이도를 계산하면 각각 다음과 같다.
[수학식 1]
빈도 수를 고려하지 않을 경우 : 8/(8*3) = 0.33
빈도 수를 고려할 경우 : 9/(9*3) = 0.33
[수학식 2]
빈도 수를 고려하지 않을 경우 : 15/(8*3) = 0.63
빈도 수를 고려할 경우 : 17/(9*3) = 0.63
표 2는 콘텐츠 B의 색인 단어와 색인 단어의 온톨로지의 뿌리로부터의 심화도 차이의 합, 콘텐츠 내에서의 빈도 수 등을 나타낸 것이다.
색인 단어 레벨:L(ti) 빈도수:f(ti) 심화도 차이의 합:d(ti) f(ti)*d(ti) f(ti)*L(ti)
자동차 2 1 1 1 2
기관 3 10 3 30 30
본체 4 1 5 5 4
점화장치 4 1 5 5 4
윤활장치 4 1 5 5 4
가솔린 5 2 6 12 10
디젤 5 2 6 12 10
콘텐츠 B의 색인 단어의 개수는 7개이고 온톨로지에서 심화도 차이의 합 중 최대값은 6이며, 레벨의 최대값은 5이다. 따라서 상기 수학식 1 및 수학식 2에 따라 콘텐츠 B의 난이도를 계산하면 각각 다음과 같다.
[수학식 1]
빈도 수를 고려하지 않을 경우 : 31/(7*6) = 0.74
빈도 수를 고려할 경우 : 70/(18*6) = 0.65
[수학식 2]
빈도 수를 고려하지 않을 경우 : 27/(7*5) = 0.77
빈도 수를 고려할 경우 : 64/(18*5) = 0.71
따라서 상기 결과를 고려하여 볼 때, 콘텐츠 A보다 콘텐츠 B의 난이도가 더 높음을 알 수 있다. 콘텐츠 난이도 계산부(106)는 상기 수학식 1 또는 수학식 2 중 온톨로지의 형태 등에 따라 필요한 수학식을 이용하여 콘텐츠의 난이도를 계산할 수 있으나, 각 콘텐츠간의 난이도 비교를 위해서는 동일한 수학식으로 계산된 난이도를 이용하여 비교하여야 한다.
도 5는 본 발명의 다른 실시예에 따른 콘텐츠 제공 장치(500)의 구성을 나타낸 도면이다.
도시된 바와 같이, 본 발명의 다른 실시예에 따른 콘텐츠 제공 장치(500)는 콘텐츠 데이터베이스(102), 온톨로지 데이터베이스(104), 이용 내역 관리 데이터베이스(502), 콘텐츠 난이도 계산부(106) 및 콘텐츠 추천부(504)를 포함하여 구성된다. 이 중, 도 1과 동일한 도면부호로 도시된 콘텐츠 데이터베이스(102), 온톨로지 데이터베이스(104) 및 콘텐츠 난이도 계산부(106)는 도 1에 도시된 실시예에서와 동일한 기능을 수행하므로 여기서는 그 상세한 설명을 생략한다.
이용 내역 관리 데이터베이스(502)는, 콘텐츠 제공 장치(500)에 접속한 사용자의 콘텐츠 이용 내역 정보가 저장된다. 예를 들어, 상기 사용자가 콘텐츠 제공 장치(500)에 접속하여 콘텐츠 데이터베이스(102)에 저장된 특정 콘텐츠를 이용한 경우, 이용 내역 관리 데이터베이스(502)는 상기 사용자가 어떠한 콘텐츠를 이용하였는지에 대한 정보를 저장할 수 있다.
콘텐츠 추천부(504)는, 이용 내역 관리 데이터베이스(502)에 저장된 상기 콘텐츠 이용자의 콘텐츠 이용 내역 정보 및 콘텐츠 난이도 계산부(106)에서 계산된 콘텐츠의 난이도 정보를 이용하여 상기 콘텐츠 이용자에게 후행 학습 콘텐츠를 제공한다. 즉, 콘텐츠 추천부(504)는 콘텐츠 제공 장치(500)에 접속한 사용자가 이용한 콘텐츠 이용 내역 정보를 파악하고, 기 이용한 콘텐츠의 난이도와 콘텐츠 데이터베이스(102)에 저장된 콘텐츠의 난이도를 서로 비교한 뒤 사용자가 이용한 콘텐츠보다 난이도가 높은 콘텐츠를 후행 학습을 위한 콘텐츠로 제공한다.
이를 위하여 콘텐츠 추천부(504)는, 콘텐츠 데이터베이스(102)에 저장된 콘텐츠 중, 상기 콘텐츠 이용자가 기 이용한 콘텐츠보다 높은 난이도를 가지는 콘텐츠 중에서 가장 낮은 난이도를 가지는 콘텐츠를 후행 학습 콘텐츠로 제공할 수 있다. 예를 들어, 상기 콘텐츠 이용자가 이용한 콘텐츠의 난이도가 0.4이고, 콘텐츠 데이터베이스(102)에 저장된 콘텐츠들의 난이도가 각각 0.2, 0.5, 0.7일 경우 콘텐츠 추천부(504)는 난이도가 0.5인 콘텐츠를 후행 학습 콘텐츠로 제공할 수 있다. 또한 동일한 난이도를 가지는 콘텐츠가 복수 개인 경우, 예를 들어 난이도가 0.5인 콘텐츠가 2개 이상인 경우, 콘텐츠 추천부(504)는 복수 개의 콘텐츠의 목록을 사용자에게 제공하고 상기 사용자가 상기 목록에서 하나의 콘텐츠를 선택하도록 구성할 수도 있다.
도 4는 본 발명의 일 실시예에 따른 콘텐츠 제공 장치에서의 콘텐츠 제공 방법(600)을 나타낸 순서도이다.
먼저, 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 색인 단어들로 구성된 온톨로지를 이용하여 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 난이도를 계산한다(602). 상기 콘텐츠의 난이도 계산은 전술한 수학식 1 또는 2를 이용하여 수행한다.
이후, 콘텐츠 이용자가 기 학습한 콘텐츠의 난이도와 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 난이도를 비교하여, 콘텐츠 이용자가 학습할 후행 학습 콘텐츠를 선택한다(604). 이때, 전술한 바와 같이 상기 콘텐츠 이용자가 기 학습한 콘텐츠보다 높은 난이도를 가지는 콘텐츠 중에서 가장 낮은 난이도를 가지는 콘텐츠를 상기 후행 학습 콘텐츠로 선택할 수 있다.
마지막으로, 상기 선택된 후행 학습 콘텐츠를 상기 콘텐츠 이용자에게 제공한다(606).
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 플로피 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.
그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일 실시예에 따른 콘텐츠 제공 장치(100)의 구성을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 콘텐츠의 색인 단어들로 구성된 트리 구조의 온톨로지의 일례를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 콘텐츠의 색인 단어들로 구성된 그래프 구조의 온톨로지의 일례를 나타낸 도면이다.
도 4는 도 3에 도시된 그래프 구조의 온톨로지를 트리 구조로 변환한 실시예를 나타낸 도면이다.
도 5는 본 발명의 다른 실시예에 따른 콘텐츠 제공 장치(500)의 구성을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 콘텐츠 제공 장치에서의 콘텐츠 제공 방법(600)을 나타낸 순서도이다.

Claims (12)

  1. 콘텐츠가 저장되는 콘텐츠 데이터베이스;
    상기 콘텐츠 데이터베이스에 저장된 콘텐츠의 색인 단어들이 트리 구조의 온톨로지로 저장되는 온톨로지 데이터베이스; 및
    상기 온톨로지 데이터베이스에 저장된 색인 단어들의 온톨로지를 이용하여 상기 콘텐츠 데이터베이스에 저장된 콘텐츠의 학습 난이도를 계산하는 콘텐츠 난이도 계산부;
    를 포함하는 콘텐츠 제공 장치.
  2. 제1항에 있어서,
    상기 콘텐츠 제공 장치에 접속한 콘텐츠 이용자의 콘텐츠 이용 내역 정보가 저장되는 이용 내역 관리 데이터베이스;
    상기 이용 내역 관리 데이터베이스에 저장된 상기 콘텐츠 이용자의 콘텐츠 이용 내역 정보 및 상기 콘텐츠 난이도 계산부에서 계산된 상기 콘텐츠의 난이도 정보를 이용하여 상기 콘텐츠 이용자에게 후행 학습 콘텐츠를 제공하는 콘텐츠 추천부;
    를 더 포함하는 콘텐츠 제공 장치.
  3. 제2항에 있어서,
    상기 콘텐츠 추천부는, 상기 콘텐츠 이용자가 기 이용한 콘텐츠보다 높은 난이도를 가지는 콘텐츠 중에서 가장 낮은 난이도를 가지는 콘텐츠를 후행 학습 콘텐츠로 상기 콘텐츠 이용자에게 제공하는, 콘텐츠 제공 장치.
  4. 제1항에 있어서,
    상기 온톨로지 데이터베이스에 저장된 상기 색인 단어들의 온톨로지는, 각각의 색인 단어들간의 심화도 차이 정보를 포함하는, 콘텐츠 제공 장치.
  5. 제4항에 있어서,
    상기 콘텐츠 난이도 계산부는, 다음의 수학식,
    Figure 112009063914152-pat00003
    (이때, Diff(c)는 콘텐츠 c의 난이도, n은 상기 콘텐츠 c에서의 색인 단어의 개수(n>0), ti는 상기 콘텐츠 c에 포함된 i번째 색인 단어(1≤i≤n), d(ti)는 온톨로지의 뿌리(root)에서부터 색인 단어 ti까지의 경로상에 나타난 모든 용어간의 심화도 차이의 합, f(ti)는 단어 ti의 상기 콘텐츠 c 내에서의 빈도 수, D는 온톨로지의 뿌리(root)에서부터 단말(leaf)까지의 패스에 나타난 모든 용어간의 심화도의 차이의 합 중 가장 큰 값)
    을 이용하여 상기 콘텐츠의 난이도를 계산하는, 콘텐츠 제공 장치.
  6. 제1항에 있어서,
    상기 콘텐츠 난이도 계산부는, 다음의 수학식,
    Figure 112009063914152-pat00004
    (이때, Diff(c)는 콘텐츠 c의 난이도, n은 상기 콘텐츠 c에서의 색인 단어의 개수(n>0), ti는 상기 콘텐츠 c에 포함된 i번째 색인 단어(1≤i≤n), L(ti)는 색인 단어 ti의 레벨, f(ti)는 단어 ti의 상기 콘텐츠 c 내에서의 빈도 수, H는 온톨로지의 최대 레벨)
    을 이용하여 상기 콘텐츠의 난이도를 계산하는, 콘텐츠 제공 장치.
  7. 콘텐츠 제공 장치에서, 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 색인 단어들로 구성된 트리 구조의 온톨로지를 이용하여 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 난이도를 계산하는 단계;
    상기 콘텐츠 제공 장치에서, 콘텐츠 이용자가 기 학습한 콘텐츠의 난이도와 상기 콘텐츠 제공 장치에 저장된 콘텐츠들의 난이도를 비교하여, 상기 콘텐츠 이용자가 학습할 콘텐츠를 선택하는 단계; 및
    상기 콘텐츠 제공 장치에서, 상기 선택된 콘텐츠를 후행 학습 콘텐츠로 상기 콘텐츠 이용자에게 제공하는 단계;
    를 포함하는 콘텐츠 제공 방법.
  8. 제7항에 있어서,
    상기 색인 단어들의 온톨로지는, 각각의 색인 단어들간의 심화도 차이 정보를 포함하는, 콘텐츠 제공 방법.
  9. 제8항에 있어서,
    상기 콘텐츠 난이도 계산 단계는, 다음의 수학식,
    Figure 112009063914152-pat00005
    (이때, Diff(c)는 콘텐츠 c의 난이도, n은 상기 콘텐츠 c에서의 색인 단어의 개수(n>0), ti는 상기 콘텐츠 c에 포함된 i번째 색인 단어(1≤i≤n), d(ti)는 온톨로지의 뿌리(root)에서부터 색인 단어 ti까지의 경로상에 나타난 모든 용어간의 심화도 차이의 합, f(ti)는 단어 ti의 상기 콘텐츠 c 내에서의 빈도 수, D는 온톨로지의 뿌리(root)에서부터 단말(leaf)까지의 패스에 나타난 모든 용어간의 심화도의 차이의 합 중 가장 큰 값)
    을 이용하여 상기 콘텐츠의 난이도를 계산하는, 콘텐츠 제공 방법.
  10. 제7항에 있어서,
    상기 콘텐츠 난이도 계산 단계는, 다음의 수학식,
    Figure 112009063914152-pat00006
    (이때, Diff(c)는 콘텐츠 c의 난이도, n은 상기 콘텐츠 c에서의 색인 단어의 개수(n>0), ti는 상기 콘텐츠 c에 포함된 i번째 색인 단어(1≤i≤n), L(ti)는 색인 단어 ti의 레벨, f(ti)는 단어 ti의 상기 콘텐츠 c 내에서의 빈도 수, H는 온톨로지의 최대 레벨)
    을 이용하여 상기 콘텐츠의 난이도를 계산하는, 콘텐츠 제공 방법.
  11. 제7항에 있어서,
    상기 콘텐츠 선택 단계는, 상기 콘텐츠 이용자가 기 학습한 콘텐츠보다 높은 난이도를 가지는 콘텐츠 중에서 가장 낮은 난이도를 가지는 콘텐츠를 상기 콘텐츠 이용자가 학습할 콘텐츠로 선택하는, 콘텐츠 제공 방법.
  12. 제7항 내지 제11항 중 어느 한 항에 기재된 방법을 컴퓨터상에서 수행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020090099354A 2009-10-19 2009-10-19 콘텐츠 제공 장치 및 콘텐츠 제공 방법 KR100948827B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090099354A KR100948827B1 (ko) 2009-10-19 2009-10-19 콘텐츠 제공 장치 및 콘텐츠 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090099354A KR100948827B1 (ko) 2009-10-19 2009-10-19 콘텐츠 제공 장치 및 콘텐츠 제공 방법

Publications (1)

Publication Number Publication Date
KR100948827B1 true KR100948827B1 (ko) 2010-03-22

Family

ID=42183624

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090099354A KR100948827B1 (ko) 2009-10-19 2009-10-19 콘텐츠 제공 장치 및 콘텐츠 제공 방법

Country Status (1)

Country Link
KR (1) KR100948827B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050122571A (ko) * 2004-06-24 2005-12-29 김기형 어휘의 난이도 정보와 시소러스를 활용한 도서지수 부여시스템
KR20060104249A (ko) * 2005-03-29 2006-10-09 김문수 학습자의 수준별 문제와 강의 제공 시스템 및 방법
KR20080071213A (ko) * 2006-12-20 2008-08-04 한국과학기술정보연구원 시맨틱 웹 기반 연구정보 서비스 시스템 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050122571A (ko) * 2004-06-24 2005-12-29 김기형 어휘의 난이도 정보와 시소러스를 활용한 도서지수 부여시스템
KR20060104249A (ko) * 2005-03-29 2006-10-09 김문수 학습자의 수준별 문제와 강의 제공 시스템 및 방법
KR20080071213A (ko) * 2006-12-20 2008-08-04 한국과학기술정보연구원 시맨틱 웹 기반 연구정보 서비스 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
Mudrakarta et al. Did the model understand the question?
Hartig Foundations of RDF* and SPARQL*:(An alternative approach to statement-level metadata in RDF)
US20130262485A1 (en) High Efficiency Prefix Search Algorithm Supporting Interactive, Fuzzy Search on Geographical Structured Data
CN107679661B (zh) 一种基于知识图谱的个性化旅游路线规划方法
Blanco et al. Effective and efficient entity search in RDF data
Gautam et al. Emissions characteristics of higher alcohol/gasoline blends
Roca‐Royes Conceivability and de re modal knowledge
US7124147B2 (en) Data structures related to documents, and querying such data structures
WO2017114177A1 (zh) 旅游攻略生成方法和生成系统
Fakhoury Debating Lebanon's power-sharing model: an opportunity or an impasse for democratization studies in the Middle East?
Cheng et al. f-SPARQL: a flexible extension of SPARQL
CN106021456A (zh) 将文本和地理信息融合在局部协同排列的兴趣点推荐方法
He et al. Metaquerier: querying structured web sources on-the-fly
KR100948827B1 (ko) 콘텐츠 제공 장치 및 콘텐츠 제공 방법
CN109460467B (zh) 一种网络信息分类体系构建方法
Charro et al. Points of view beyond models: Towards a formal approach to points of view as access to the world
Kuhail et al. Smart resident: A personalized transportation guidance system
Kekez et al. Modelling of pressure in the injection pipe of a diesel engine by computational intelligence
Hooper Investigation into a stepped-piston engine solution for automotive range-extender vehicles and hybrid electric vehicles to meet future green transportation objectives
Winter et al. CFD simulation-based predesign of an advanced gas-diesel combustion concept
Sharda et al. Accounting for the Influence of Attitudes and Perceptions in Modeling the Adoption of Emerging Transportation Services and Technologies in India
Wenzel et al. A Preference SQL Approach to Improve Context-Adaptive Location-Based Services for Outdoor Activities
Mayerhofer et al. Comprehending Antisemitism through the Ages: Introduction
Craig et al. Canonical extensions of bounded lattices and natural duality for default bilattices
Hu et al. Optimisation of injection-related parameters using the non-linear programming by quadratic Lagrangian algorithm for a marine medium-speed diesel engine

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130312

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140310

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150302

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20160308

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20170308

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20180223

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20190225

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20200227

Year of fee payment: 11