KR101022886B1 - 사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템 - Google Patents

사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템 Download PDF

Info

Publication number
KR101022886B1
KR101022886B1 KR1020080111780A KR20080111780A KR101022886B1 KR 101022886 B1 KR101022886 B1 KR 101022886B1 KR 1020080111780 A KR1020080111780 A KR 1020080111780A KR 20080111780 A KR20080111780 A KR 20080111780A KR 101022886 B1 KR101022886 B1 KR 101022886B1
Authority
KR
South Korea
Prior art keywords
content
user
recommendation
users
intelligent
Prior art date
Application number
KR1020080111780A
Other languages
English (en)
Other versions
KR20100052896A (ko
Inventor
배영인
최준균
최상현
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020080111780A priority Critical patent/KR101022886B1/ko
Publication of KR20100052896A publication Critical patent/KR20100052896A/ko
Application granted granted Critical
Publication of KR101022886B1 publication Critical patent/KR101022886B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • 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
    • G06Q30/0278—Product appraisal
    • 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
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템을 제공한다. 지능형 콘텐츠 추천 방법은 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 단계와, 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 단계와, 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 단계 및 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 단계를 포함한다.
사용자, 그룹, 콘텐츠, 추천, 취향, 평가, 시스템

Description

사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템{MEHOD AND SYSTEM FOR RECOMMENDING INTELLIGENT CONTENTS ACCORDING TO USER}
본 발명은 사용자의 콘텐츠 소비 또는 평가에 따른 지능형 콘텐츠 추천 방법 및 시스템에 관한 것으로, 더욱 상세하게는 인터넷 콘텐츠 서비스에서 콘텐츠를 사용한 사용자들의 콘텐츠 소비 목록 및 사용자들에 의해 기입된 콘텐츠의 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천하는 지능형 콘텐츠 추천 방법 및 시스템에 관한 것이다.
일반적으로 콘텐츠(contents)는 유무선 전기 통신망에서 사용하기 위해 문자, 부호, 음성, 음향, 이미지, 영상 등을 디지털 방식으로 제작하여 처리 유통되는 각종 정보 또는 그 내용을 통틀어 이르는 개념이다. 이러한 콘텐츠는 크게 디지털 콘텐츠와 멀티미디어 콘텐츠로 구분된다. 디지털 콘텐츠는 구입, 결제, 이용에 이르기까지 모든 네트워크와 퍼스널 컴퓨터를 통해 이루어지기 때문에 기존의 통신 판매 범위를 훨씬 뛰어넘어 전자상거래의 새로운 형태로 확고한 자리를 잡았고 갈수록 시장 수요도 확대되고 있는 추세이다. 멀티미디어 콘텐츠는 콤팩트디스 크, CD-ROM, 비디오 테이프 등에 담긴 사진, 미술, 음악, 영화, 게임 등 읽기 전용의 다중매체 저작물과 광대역 통신망이나 고속 데이터망을 통해 양방향으로 송수신되는 각종 정보 또는 내용물, 디지털화되어 정보기기를 통해 제작, 판매, 이용되는 정보 등을 말한다.
인터넷 콘텐츠 서비스는 인터넷을 통해 접속된 사용자의 요청에 따라 각종 콘텐츠를 제공하는 서비스이다. 이러한 인터넷 콘텐츠 서비스에서는 콘텐츠를 사용한 사용자들이 사용 후기 또는 평가 점수를 부여하여 다른 사용자가 콘텐츠를 선택할 때 참고할 수 있도록 한다.
하지만 종래 콘텐츠 추천 방법은 단순하게 콘텐츠를 사용한 사용자들에 의한 사용 후기 또는 평가 점수만을 제공하므로 자신과 취향이 전혀 다른 사람이 작성한 사용 후기나 평가 점수만을 보고 콘텐츠를 사용하였다가 실망하거나 불만을 토로하는 문제점이 발생한다.
본 발명은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천하는 지능형 콘텐츠 추천 방법 및 시스템을 제공한다.
본 발명의 일실시예에 따른 지능형 콘텐츠 추천 방법은 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 단계와, 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 단계와, 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 단계 및 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 단계를 포함한다.
본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템은 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색하는 검색부와, 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 분류부와, 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산하는 연산부 및 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 추천부를 포함한다.
본 발명은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천함으로써 사용자의 콘텐츠 소비 및 평가에 따른 지능형 콘텐츠 추천 방법 및 시스템을 제공할 수 있다.
이하 첨부된 도면들을 참조하여 본 발명의 실시예에 따른 지능형 콘텐츠 추천 방법 및 시스템을 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템의 구성을 나타내는 도면이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템(100)은 입력부(110), 검색부(120), 콘텐츠 데이터베이스(130), 사용자 데이터베이스(140), 분류부(150), 판단부(160), 연산부(170) 및 추천부(180)를 포함한다.
입력부(110)는 지능형 콘텐츠 추천 시스템(100)을 통해 인터넷 콘텐츠 서비스를 사용하는 사용자로부터 신규 콘텐츠에 접근하기 위해 상기 신규 콘텐츠에 대한 정보를 입력 받는다. 일례로 입력부(110)는 상기 사용자로부터 상기 신규 콘텐츠에 대한 제목 또는 내용 등과 같이 상기 신규 콘텐츠를 검색할 수 있는 각종 정보를 입력 받을 수 있다.
예를 들어, 상기 사용자가 IPTV(Internet Protocol Television) 서비스를 사용하는 경우, 입력부(110)는 상기 사용자로부터 상기 IPTV 서비스를 요청 받을 수 있다. 지능형 콘텐츠 추천 시스템(100)은 상기 IPTV 서비스 요청이 입력되면, 상기 사용자에게 제공되는 콘텐츠 목록들을 제공할 수 있다. 여기서, 상기 콘텐츠 목록은 사용자의 선호도에 따른 내 취향 추천 점수가 포함될 수 있다.
검색부(120)는 상기 사용자에 의해 상기 신규 콘텐츠에 대한 정보가 입력되면, 인터넷 콘텐츠 서비스를 사용하는 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색한다. 즉, 검색부(120)는 상기 사용자로부터 상기 신규 콘텐츠에 접근하기 위해 상기 신규 콘텐츠에 대한 정보를 입력 받으면, 상기 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자들의 평가 점수를 검색한다.
콘텐츠 데이터베이스(130)는 인터넷 콘텐츠 서비스에서 제공될 각종 콘텐츠를 기록하고 유지하며, 상기 콘텐츠에 대한 사용자들의 사용 이력 또는 상기 콘텐츠에 대한 사용자들의 평가 점수가 포함되는 콘텐츠 소비 목록을 기록하고 유지한다. 일례로 콘텐츠 데이터베이스(130)는 도 2에 도시된 것과 같이 각 사용자별로 콘텐츠 소비 목록(200~230)을 기록하고 유지할 수 있다.
도 2는 본 발명에 따른 사용자의 콘텐츠 소비 목록에 대한 일례를 나타내는 도면이다.
도 2를 참조하면, 사용자의 콘텐츠 소비 목록(200)은 사용자가 사용한 콘텐츠1~5의 목록과 상기 사용된 콘텐츠1~5에 대한 평가 점수들 포함한다. 일례로 사용자의 콘텐츠 소비 목록(200)은 콘텐츠1에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠2에 평가 점수가 4개의 별점으로 부여되고, 콘텐츠3에 대한 평가 점수 가 3개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠5에 대한 평가 점수가 1개의 별점으로 부여된다.
제1 사용자의 콘텐츠 소비 목록(210)은 제1 사용자가 사용한 콘텐츠1, 콘텐츠2, 콘텐츠4, 콘텐츠A, 콘텐츠6의 목록과 상기 사용된 콘텐츠들(1,2,4,A,6)에 대한 평가 점수들을 포함한다. 일례로 사용자의 콘텐츠 소비 목록(210)은 콘텐츠1에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠2에 평가 점수가 4개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 3개의 별점으로 부여되고, 콘텐츠A에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠6에 대한 평가 점수가 1개의 별점으로 부여된다.
제2 사용자의 콘텐츠 소비 목록(220)은 제2 사용자가 사용한 콘텐츠2, 콘텐츠A, 콘텐츠3, 콘텐츠4, 콘텐츠7의 목록과 상기 사용된 콘텐츠들(2,A,3,4,7)에 대한 평가 점수들을 포함한다. 일례로 사용자의 콘텐츠 소비 목록(210)은 콘텐츠2에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠A에 평가 점수가 4개의 별점으로 부여되고, 콘텐츠3에 대한 평가 점수가 3개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠7에 대한 평가 점수가 1개의 별점으로 부여된다.
제3 사용자의 콘텐츠 소비 목록(230)은 제3 사용자가 사용한 콘텐츠1, 콘텐츠A, 콘텐츠3, 콘텐츠4, 콘텐츠5의 목록과 상기 사용된 콘텐츠들(1,A,3,4,5)에 대한 평가 점수들을 포함한다. 일례로 사용자의 콘텐츠 소비 목록(210)은 콘텐츠1에 대한 평가 점수가 2개의 별점으로 부여되고, 콘텐츠A에 평가 점수가 4개의 별점으 로 부여되고, 콘텐츠3에 대한 평가 점수가 3개의 별점으로 부여되고, 콘텐츠4에 대한 평가 점수가 5개의 별점으로 부여되고, 콘텐츠5에 대한 평가 점수가 1개의 별점으로 부여된다.
일례로 검색부(120)는 콘텐츠 데이터베이스(130)에 기록된 사용자의 콘텐츠 소비 목록(200)를 참조하여 상기 사용자가 사용한 콘텐츠들(콘텐츠1~5) 및 상기 콘텐츠들에 대한 각 평가 점수를 검색할 수 있다.
사용자 데이터베이스(140)는 인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 사용자에 대한 콘텐츠 사용 이력 또는 상기 사용자에 대한 콘텐츠 평가 점수를 기록하고 유지한다. 일례로 사용자 데이터베이스(140)는 인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 상기 사용자에 대한 콘텐츠 사용 이력 또는 상기 사용자에 대한 콘텐츠 평가 점수를 포함하는 도 2에 도시된 것과 같은 콘텐츠 소비 목록(200~230)을 기록하고 유지할 수도 있다.
또한 검색부(120)는 사용자 데이터베이스(140)를 참조하여 상기 사용자에 대한 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 다른 사용자들을 검색한다. 일례로 검색부(120)는 사용자 데이터베이스(140)를 참조하여 도 2에 도시된 것과 같이 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠(1~5)를 사용한 다른 사용자들로서 제1 내지 제3 사용자를 검색할 수 있다.
또한 검색부(120)는 상기 검색된 다른 사용자들에 대한 콘텐츠 소비 목록을 검색한다. 일례로 검색부(120)는 도 2에 도시된 것과 같이 상기 사용자에 대한 콘텐츠 소비 목록(200)에 포함된 콘텐츠1~5를 사용한 다른 사용자들에 해당되는 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)을 검색할 수 있다.
분류부(150)는 상기 검색된 콘텐츠 사용 내역 및 콘텐츠에 대한 사용자의 평가 점수에 따라 상기 사용자들을 그룹별로 분류한다. 일례로 분류부(150)는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류할 수 있다. 상기 기준치는 상기 사용자들을 그룹별로 분류하는 목적에 따라 다르게 부여될 수 있다. 예를 들어, 분류부(150)는 m개를 동시에 시청하고 총 n개와 평가 점수가 동일하다고 판명되면, 나라는 사용자와 k라는 사용자k와의 관계수를 n/m으로 나타내고, 상기 관계수가 n/m≥1/2인 다른 사용자들을 나와 동일한 그룹으로 분류할 수 있다.
또한 분류부(150)는 동일한 취향의 그룹을 맨 처음 생성하기 위해서 특정 사용자들을 추출하거나 전체 사용자들을 대상으로 선택하여 상기 사용자들을 그룹으로 분류할 수 있다.
또한 분류부(150)는 상기 동일한 그룹으로 분류된 사용자들이라고 해도 이후 콘텐츠 사용 패턴을 달라질 수 있으므로 주기적으로 상기 사용자들에 대한 그룹을 다시 분류하여 업데이트할 수 있다.
또한 분류부(150)는 동일한 그룹으로 분류되더라도 상기 그룹 내 사용자들 중에서 나와 가장 유사한 콘텐츠 사용 내역을 가지는 사용자의 순서에 따라 리스트를 구성할 수도 있다.
판단부(160)는 상기 검색된 콘텐츠 소비 목록을 비교하여 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 존재하는지 여부를 판단한다. 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 존재하는 경우, 판단부(160)는 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 다른 사용자가 상기 신규 콘텐츠를 사용하였는지 여부를 판단한다.
연산부(170)는 상기 분류된 그룹에서 신규 콘텐츠에 대한 추천 점수를 연산한다. 일례로 상기 분류된 그룹에서 상기 다른 사용자가 신규 콘텐츠를 사용한 경우, 연산부(170)는 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.
일례로 연산부(170)는 상기 다른 사용자들과 상기 사용자가 모두 시청한 콘텐츠(PR(a)), 상기 콘텐츠에 대한 평가 점수(Rk(PR(a))), 상기 사용자와 동일한 콘텐츠를 사용한 다른 사용자들에 대한 전체 인원수(N), 상기 다른 사용자들이 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 또는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)를 고려하여 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.
예를 들어, 상기 신규 콘텐츠가 콘텐츠A인 경우, 연산부(170)는 하기 수학식 1을 이용하여 상기 사용자가 콘텐츠A에 대해 동일한 그룹 내 취향 추천 점수를 연산할 수 있다.
콘텐츠A에 대한 동일한 그룹 내 취향 점수 = (5*2+4*2+4*3)/7 = 4.3
도 2 및 수학식 1을 참조하면, 연산부(170)는 제1 사용자의 콘텐츠 소비 목록(210)에서 콘텐츠A에 대한 별점이 5이고, 제1 사용자의 콘텐츠 소비 목록(210)에서 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠와 동일한 평가 점수를 가지는 콘텐츠(1,2)가 2개이므로 '5*2'로 연산할 수 있다. 또한 연산부(170)는 제2 사용자의 콘텐츠 소비 목록(220)에서 상기 콘텐츠A에 대한 별점이 4이고, 제2 사용자의 콘텐츠 소비 목록(220)에서 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠와 동일한 평가 점수를 가지는 콘텐츠(3,4)가 2개이므로 '4*2'로 연산할 수 있다. 또한 연산부(170)는 제3 사용자의 콘텐츠 소비 목록(230)에서 콘텐츠A에 대한 별점이 4이고, 제3 사용자의 콘텐츠 소비 목록(230)에서 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠와 동일한 평가 점수를 가지는 콘텐츠(1,3,5)가 3개이므로 '4*3'으로 연산할 수 있다. 또한 연산부(170)는 콘텐츠A에 대한 각 사용자별 평가 점수를 합산한 후 사용자와 동일한 콘텐츠를 사용한 전체 인원수가 7명인 경우, '(5*2+4*2+4*3)/7'로 콘텐츠A에 대한 상기 사용자와 동일한 그룹 내 취향 점수를 연산할 수 있다.
추천부(180)는 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천한다. 일례로 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영된 경우, 추천부(180)는 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 그룹 사용자별 콘텐츠를 추천할 수 있다.
도 3은 본 발명에 따른 콘텐츠에 대한 추천 점수를 디스플레이하는 일례를 나타내는 도면이다.
도 3을 참조하면, 콘텐츠 추천 디스플레이 화면(300)은 각 콘텐츠에 대한 대표 영상(310~330) 및 각 콘텐츠에 대한 추천 점수 정보(311~331)가 디스플레이된다. 일례로 콘텐츠에 대한 추천 점수 정보(311~331)는 상기 콘텐츠의 제목, 상기 콘텐츠에 대한 전체 사용자의 평가 점수를 평균한 값인 일반 추천 및 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 콘텐츠에 대한 평가 점수를 평균한 값인 내 취향 추천 정보를 포함할 수 있다. 추천부(180)는 상기 신규 콘텐츠에 대한 추천 점수를 콘텐츠 추천 디스플레이 화면(300)과 같이 디스플레이함으로써 상기 사용자와 동일한 그룹 내 사용자들의 신규 콘텐츠에 대한 추천 점수를 제공할 수 있다.
제1 콘텐츠에 대한 대표 영상(310)은 제1 콘텐츠를 대표하는 영상이고, 제1 콘텐츠에 대한 추천 정보(311)는 상기 제1 콘텐츠를 사용한 모든 사용자들에 대한 평가 점수를 평균한 값을 1개의 별점으로 나타내는 일반 추천 및 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 제1 콘텐츠에 대한 평가 점수를 평균한 값을 4개의 별점으로 나타내는 내 취향 추천 정보를 포함한다. 예를 들어, 상기 사용자는 제1 콘텐츠에 대한 추천 정보(311)에서 1개의 별점인 일반 추천과 4개의 별점인 내 취향 추천이 전혀 다르기 때문에 상기 일반 추천보다 상기 내 취향 추천을 더 우선적으로 고려하여 신규 콘텐츠인 상기 제1 콘텐츠를 사용할 수 있다.
제2 콘텐츠에 대한 대표 영상(320)은 제2 콘텐츠를 대표하는 영상이고, 제2 콘텐츠에 대한 추천 정보(321)는 상기 제2 콘텐츠를 사용한 모든 사용자들에 대한 평가 점수를 평균한 값을 5개의 별점으로 나타내는 일반 추천 및 상기 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 제2 콘텐츠에 대한 평가 점수를 평균한 값을 2개의 별점으로 나타내는 내 취향 추천 정보를 포함한다. 예를 들어, 상기 사용자는 제2 콘텐츠에 대한 추천 정보(321)에서 5개의 별점인 일반 추천과 2개의 별점인 내 취향 추천이 다르기 때문에 상기 일반 추천보다 상기 내 취향 추천을 더 우선적으로 고려하여 상기 제2 콘텐츠를 사용하지 않을 수 있다.
제3 콘텐츠에 대한 대표 영상(330)은 제3 콘텐츠를 대표하는 영상이고, 제3 콘텐츠에 대한 추천 정보(331)는 상기 제3 콘텐츠를 사용한 모든 사용자들에 대한 평가 점수를 평균한 값을 3개의 별점으로 나타내는 일반 추천 및 상기 사용자와 선호도가 동일한 그룹 내의 다른 사용자들에 의해 부여된 상기 제3 콘텐츠에 대한 평가 점수를 평균한 값을 3개의 별점으로 나타내는 내 취향 추천 정보를 포함한다. 예를 들어, 상기 사용자는 제3 콘텐츠에 대한 추천 정보(331)에서 3개의 별점인 일반 추천과 3개의 별점인 내 취향 추천이 동일하므로 별점 개수로 상기 제3 콘텐츠에 대한 사용 여부를 결정할 수 있다.
이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 시스템(100)은 사용자가 사용한 동일한 콘텐츠에 대해 동일한 평가 점수를 부여한 다른 사용자들에 의해 부여된 신규 콘텐츠에 대한 평가 점수를 이용하여 신규 콘텐츠에 대한 추천 점수를 연 산함으로써 사용자의 취향이나 선호도와 유사한 사용자들을 그룹으로 분류하여 동일 그룹 내 취향 추천 정보를 제공할 수 있다.
또한 추천부(180)는 상기 신규 콘텐츠에 대한 추천 점수로서 일반 추천 점수를 디스플레이하지 않고 상기 사용자와 취향이 동일한 그룹 내 취향 추천 점수만을 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수도 있다.
또한 추천부(180)는 상기 추천 점수가 기준치 이상인 콘텐츠들만을 모은 추천 페이지를 기본 페이지로 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천할 수 있다.
또한 추천부(180)는 동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기, 댓글 등을 우선적으로 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수 있다. 예를 들어, 추천부(180)는 상기 사용자와 가장 유사한 콘텐츠 사용자 내역을 가지는 다른 사용자의 평가부터 우선적으로 디플레이할 수 있다.
도 4는 사용자k와 나의 시청 목록 및 공동 시청 목록에 대한 일례를 나타내는 도면이다.
도 4를 참조하면, 사용자k에 대한 시청 목록(410)은 k라는 사용자가 시청한 콘텐츠들에 대한 목록으로서 PR(1)~PR(100)을 포함하고, 나에 대한 시청 목록(420)은 나라는 사용자가 시청한 콘텐츠들에 대한 목록으로서 PR(1)~PR(100)을 포함하고, 사용자k와 나의 공동 시청 목록(430)은 k라는 사용자와 나라는 사용자가 모두 시청한 콘텐츠들에 대한 목록으로서 PR(1)~PR(50)를 포함한다.
Figure 112008078015148-pat00001
PR(a): 사용자들이 모두 사용한 콘텐츠
Rk(PR(a)): 사용자k의 PR(a)에 대한 평가 점수
N: 나와 동일한 콘텐츠를 시청한 사용자의 전체 인원수
n: 사용자k와 내가 동일하게 시청하였으며, 평가 점수가 동일한 콘텐츠의 개수
연산부(170)은 수학식 2을 이용하여 나와 동일한 그룹 내 사용자들에 의한 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.
이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 시스템(100)은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천할 수 있다.
도 5는 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 방법의 동작 흐름을 나타내는 도면이다.
도 1 내지 도 5를 참조하면, 단계(S511)에서 지능형 콘텐츠 추천 시스템(100)은 사용자가 신규 콘텐츠에 접근하는 것을 파악한다. 예를 들어, 상기 신 규 콘텐츠는 상기 사용자가 아직 사용하지 않은 콘텐츠A일 수 있다. 일례로 단계(S511)에서 지능형 콘텐츠 추천 시스템(100)은 상기 사용자가 상기 신규 콘텐츠와 연관된 정보를 입력하여 상기 신규 콘텐츠를 검색한 결과를 확인하면 상기 신규 콘텐츠에 접근하는 것으로 파악할 수 있다.
단계(S512)에서 지능형 콘텐츠 추천 시스템(100)은 사용자의 콘텐츠 소비 목록을 검색한다. 일례로 단계(S512)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)을 검색하여 상기 사용자가 사용한 콘텐츠를 검색할 수 있다.
단계(S513)에서 지능형 콘텐츠 추천 시스템(100)은 사용자의 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 다른 사용자들을 모두 검색한다. 일례로 단계(S513)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같이 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠1~5를 사용한 다른 사용자들로서 제1 내지 제3 사용자를 검색할 수 있다.
단계(S514)에서 지능형 콘텐츠 추천 시스템(100)은 상기 검색된 다른 사용자들의 콘텐츠 소비 목록을 검색한다. 일례로 단계(S514)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같이 상기 검색된 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)을 검색할 수 있다.
이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 방법은 단계(S512) 내지 단계(S514)에 의해 검색된 결과에 따라 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사 용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류할 수 있다.
단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 상기 검색한 결과에 따라 다른 사용자와 사용자의 콘텐츠 소비 목록 중 평가 점수가 동일한 콘텐츠가 존재하는지 판단한다. 일례로 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 콘텐츠 소비 목록(200~230)을 검색한 결과로서 제1 내지 제3 사용자와 사용자의 콘텐츠 소비 목록 중 평가 점수가 동일한 콘텐츠가 존재하는지 판단할 수 있다.
예를 들어, 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)와 제1 사용자의 콘텐츠 소비 목록(210)을 비교하여 동일한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠1 및 콘텐츠2가 존재하는 것으로 판단할 수 있다.
예를 들어, 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)와 제2 사용자의 콘텐츠 소비 목록(220)을 비교하여 동일한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠3 및 콘텐츠4가 존재하는 것으로 판단할 수 있다.
예를 들어, 단계(S515)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)와 제3 사용자의 콘텐츠 소비 목록(230)을 비교하여 동일한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠1, 콘 텐츠3, 콘텐츠5가 존재하는 것으로 판단할 수 있다.
상기 평가 점수가 동일한 콘텐츠가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 상기 다른 사용자가 상기 신규 콘텐츠를 이미 사용하였는지 여부를 판단한다.
예를 들어, 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠1, 콘텐츠2, 콘텐츠4를 사용한 제1 사용자의 콘텐츠 소비 목록(210)에서 평가 점수가 동일한 콘텐츠로서 콘텐츠1 및 콘텐츠2가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 제1 사용자의 콘텐츠 소비 목록(210)을 검색하여 상기 제1 사용자가 상기 신규 콘텐츠인 콘텐츠A를 이미 사용한 것으로 판단할 수 있다.
예를 들어, 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠2, 콘텐츠3, 콘텐츠4를 사용한 제2 사용자의 콘텐츠 소비 목록(220)에서 평가 점수가 동일한 콘텐츠로서 콘텐츠3 및 콘텐츠4가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 제2 사용자의 콘텐츠 소비 목록(220)을 검색하여 상기 제2 사용자가 상기 신규 콘텐츠인 콘텐츠A를 이미 사용한 것으로 판단할 수 있다.
예를 들어, 도 2에 도시된 것과 같은 사용자의 콘텐츠 소비 목록(200)에 포함된 콘텐츠1, 콘텐츠3, 콘텐츠4, 콘텐츠5를 사용한 제3 사용자의 콘텐츠 소비 목록(230)에서 평가 점수가 동일한 콘텐츠로서 콘텐츠3 및 콘텐츠5가 존재하면, 단계(S516)에서 지능형 콘텐츠 추천 시스템(100)은 제3 사용자의 콘텐츠 소비 목 록(230)을 검색하여 상기 제3 사용자가 상기 신규 콘텐츠인 콘텐츠A를 이미 사용한 것으로 판단할 수 있다.
단계(S517)에서 지능형 콘텐츠 추천 시스템(100)은 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산한다. 일례로 단계(S517)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같은 제1 내지 제3 사용자 콘텐츠 소비 목록(210~230)에 기재된 상기 신규 콘텐츠인 콘텐츠A에 대한 평가 점수를 이용하여 상기 사용자와 동일한 그룹 내에서 상기 다른 사용자의 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.
예를 들어, 단계(S517)에서 지능형 콘텐츠 추천 시스템(100)은 상기 다른 사용자들과 상기 사용자가 모두 시청한 콘텐츠(PR(a)), 상기 콘텐츠에 대한 평가 점수(Rk(PR(a))), 상기 사용자와 동일한 콘텐츠를 사용한 다른 사용자들에 대한 전체 인원수(N), 상기 다른 사용자들이 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 또는 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)를 고려하여 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.
단계(S518)에서 지능형 콘텐츠 추천 시스템(100)은 상기 검색된 다른 사용자들의 신규 콘텐츠에 대한 평가 점수가 모두 반영되었는지 여부를 판단한다. 일례로 단계(S518)에서 지능형 콘텐츠 추천 시스템(100)은 도 2에 도시된 것과 같이 상기 검색된 다른 사용자들인 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)에 기재된 상기 신규 콘텐츠인 콘텐츠A에 대한 평가 점수가 모두 반영되었는지 여부를 판단할 수 있다.
상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되지 않은 경우, 지능형 콘텐츠 추천 시스템(100)은 단계(S515)부터 다시 수행하여 상기 검색된 다른 사용자들에 대한 평가가 모두 반영될 때까지 상기 신규 콘텐츠에 대한 추천 점수를 연산할 수 있다.
상기 신규 콘텐츠에 대한 평가 점수가 모두 반영된 경우, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이한다. 즉, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 연산된 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 사용자에게 그룹 사용자별 콘텐츠를 추천한다. 일례로 도 2에 도시된 것과 같이 제1 내지 제3 사용자의 콘텐츠 소비 목록(210~230)에 기재된 상기 신규 콘텐츠인 콘텐츠A에 대한 평가 점수가 모두 반영된 경우, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 연산된 신규 콘텐츠인 콘텐츠A에 대한 추천 점수를 디스플레이함으로써 상기 신규 콘텐츠에 대해 상기 사용자가 속한 그룹 내 취향 추천 정보를 파악할 수 있다.
또한 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 신규 콘텐츠에 대한 추천 점수로서 일반 추천 점수를 디스플레이하지 않고 상기 사용자와 취향이 동일한 그룹 내 취향 추천 점수만을 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수도 있다.
또한 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 추천 점수가 기준치 이상인 콘텐츠들만을 모은 추천 페이지를 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천할 수 있다.
또한 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기, 댓글 등을 우선적으로 디스플레이함으로써 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천할 수 있다. 예를 들어, 단계(S519)에서 지능형 콘텐츠 추천 시스템(100)은 상기 사용자와 가장 유사한 콘텐츠 사용자 내역을 가지는 다른 사용자의 평가부터 우선적으로 디플레이할 수 있다.
이와 같이, 본 발명에 따른 지능형 콘텐츠 추천 방법은 인터넷 콘텐츠 서비스에서 콘텐츠를 사용하는 사용자들에 의한 콘텐츠 소비 목록 및 콘텐츠에 대한 평가 점수에 따라 사용자들을 그룹으로 분류하고, 그룹별 추천 점수를 연산하여 각 그룹 사용자에게 추천하는 그룹 사용자별 콘텐츠를 추천할 수 있다.
한편 본 발명에 따른 사용자의 콘텐츠 소비 및 평가에 따른 지능형 콘텐츠 추천 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기 록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 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 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 시스템의 구성을 나타내는 도면이다.
도 2는 본 발명에 따른 사용자의 콘텐츠 소비 목록에 대한 일례를 나타내는 도면이다.
도 3은 본 발명에 따른 콘텐츠에 대한 추천 점수를 디스플레이하는 일례를 나타내는 도면이다.
도 4는 사용자k와 나의 시청 목록 및 공동 시청 목록에 대한 일례를 나타내는 도면이다.
도 5는 본 발명의 일실시예에 따른 지능형 콘텐츠 추천 방법의 동작 흐름을 나타내는 도면이다.
<도면의 주요 부분에 대한 부호의 설명>
100: 지능형 콘텐츠 추천 시스템
110: 입력부 120: 검색부
130: 콘텐츠 데이터베이스 140: 사용자 데이터베이스
150: 분류부 160: 판단부
170: 연산부 180: 추천부

Claims (25)

  1. 지능형 콘텐츠 추천 시스템의 지능형 콘텐츠 추천 방법에 있어서,
    상기 지능형 콘텐츠 추천 시스템이 검색부, 분류부, 판단부, 연산부, 추천부를 포함하고,
    상기 지능형 콘텐츠 추천 방법은,
    상기 검색부에서, 사용자가 신규 콘텐츠에 접근하면 상기 사용자 및 다른 사용자들을 포함한 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠의 평가 점수를 포함하는 콘텐츠 소비 목록을 검색하는 단계;
    상기 분류부에서, 상기 콘텐츠 소비 목록에 포함된 상기 콘텐츠 사용 내역 및 콘텐츠의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 단계;
    상기 판단부에서, 상기 콘텐츠 소비 목록을 비교하여 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 상기 다른 사용자들이 상기 신규 콘텐츠를 사용하였는지 여부를 판단하는 단계;
    상기 연산부에서, 상기 분류된 그룹에서 상기 신규 콘텐츠를 사용한 상기 다른 사용자들의 평가 점수를 이용하여 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 단계; 및
    상기 추천부에서, 상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 단계
    를 포함하고,
    상기 콘텐츠 소비 목록을 검색하는 단계는,
    상기 사용자에 대한 상기 콘텐츠 소비 목록을 검색한 후, 상기 사용자의 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 상기 다른 사용자들의 콘텐츠 소비 목록을 검색하고,
    상기 신규 콘텐츠에 대한 추천 점수를 연산하는 단계는,
    상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠(PR(a))에 대한 평가 점수(Rk(PR(a)))를 합산하거나, 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠 중 점수가 동일한 콘텐츠(PR(a))의 평가 점수(Rk(PR(a)))를 합산한 후, 상기 합산한 값을 상기 사용자와 동일한 콘텐츠를 사용한 상기 다른 사용자들에 대한 전체 인원수(N)로 나누어, 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 것
    을 특징으로 하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 지능형 콘텐츠 추천 시스템이 콘텐츠 데이터베이스를 더 포함하고,
    상기 지능형 콘텐츠 추천 방법은,
    상기 콘텐츠 데이터베이스에서, 인터넷 콘텐츠 서비스에서 제공되는 각종 콘텐츠를 저장하고, 상기 콘텐츠에 대한 사용자들의 사용 이력 또는 상기 콘텐츠에 대한 사용자들의 평가 점수가 포함되는 콘텐츠 소비 목록을 기록하고 유지하는 단계
    를 더 포함하고,
    상기 콘텐츠 소비 목록을 검색하는 단계는,
    상기 콘텐츠 데이터베이스를 참조하여 상기 사용자에 대한 콘텐츠 소비 목록을 검색하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  4. 제1항에 있어서,
    상기 지능형 콘텐츠 추천 시스템이 사용자 데이터베이스를 더 포함하고,
    상기 지능형 콘텐츠 추천 방법은,
    상기 사용자 데이터베이스에서, 인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 상기 사용자들에 대한 콘텐츠 사용 이력 또는 상기 사용자들에 대한 콘텐츠 평가 점수를 기록하고 유지하는 단계
    를 더 포함하고,
    상기 콘텐츠 소비 목록을 검색하는 단계는,
    상기 사용자 데이터베이스를 참조하여 상기 사용자에 대한 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 상기 다른 사용자들을 검색하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 사용자들을 그룹별로 분류하는 단계는,
    상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 평가 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  8. 제7항에 있어서,
    상기 지능형 콘텐츠 추천 방법은,
    상기 판단부에서, 상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되었는지 여부를 판단하는 단계
    를 더 포함하고,
    상기 그룹 사용자별 콘텐츠를 추천하는 단계는,
    상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영된 경우, 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 그룹 사용자별 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  9. 제8항에 있어서,
    상기 그룹 사용자별 콘텐츠를 추천하는 단계는,
    상기 사용자와 동일한 그룹 내 취향 추천 점수를 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  10. 제8항에 있어서,
    상기 그룹 사용자별 콘텐츠를 추천하는 단계는,
    상기 추천 점수가 기준치보다 높은 콘텐츠들을 포함하는 추천 페이지를 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  11. 제8항에 있어서,
    상기 그룹 사용자별 콘텐츠를 추천하는 단계는,
    동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기 또는 댓글을 우선적으로 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  12. 제8항에 있어서,
    상기 신규 콘텐츠에 대한 추천 점수를 연산하는 단계는,
    상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되지 않은 경우, 상기 검색된 다른 사용자들에 대한 평가가 모두 반영될 때까지 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 방법.
  13. 제1항, 제3항, 제4항, 제7항 내지 제12항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
  14. 사용자가 신규 콘텐츠에 접근하면 상기 사용자 및 다른 사용들을 포함한 사용자들에 대한 콘텐츠 사용 내역 및 콘텐츠의 평가 점수를 포함하는 콘텐츠 소비 목록을 검색하는 검색부;
    상기 콘텐츠 소비 목록에 포함된 상기 콘텐츠 사용 내역 및 콘텐츠의 평가 점수에 따라 상기 사용자들을 그룹별로 분류하는 분류부;
    상기 콘텐츠 소비 목록을 비교하여 상기 사용자의 평가 점수와 동일한 콘텐츠를 사용한 상기 다른 사용자들이 상기 신규 콘텐츠를 사용하였는지 여부를 판단하는 판단부;
    상기 분류된 그룹에서 상기 신규 콘텐츠를 사용한 상기 다른 사용자들의 평가 점수를 이용하여 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 연산부; 및
    상기 연산된 추천 점수에 따라 상기 사용자에게 그룹 사용자별 콘텐츠를 추천하는 추천부
    를 포함하고,
    상기 검색부는,
    상기 사용자에 대한 상기 콘텐츠 소비 목록을 검색한 후, 상기 사용자의 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 상기 다른 사용자들의 콘텐츠 소비 목록을 검색하고,
    상기 연산부는,
    상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠(PR(a))에 대한 평가 점수(Rk(PR(a)))를 합산하거나, 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠 중 점수가 동일한 콘텐츠(PR(a))의 평가 점수(Rk(PR(a)))를 합산한 후, 상기 합산한 값을 상기 사용자와 동일한 콘텐츠를 사용한 상기 다른 사용자들에 대한 전체 인원수(N)로 나누어, 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 것
    을 특징으로 하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
  15. 삭제
  16. 제14항에 있어서,
    인터넷 콘텐츠 서비스에서 제공되는 각종 콘텐츠를 저장하고, 상기 콘텐츠에 대한 사용자들의 사용 이력 또는 상기 콘텐츠에 대한 사용자들의 평가 점수가 포함되는 콘텐츠 소비 목록을 기록하고 유지하는 콘텐츠 데이터베이스를 더 포함하고,
    상기 검색부는,
    상기 콘텐츠 데이터베이스를 참조하여 상기 사용자들에 대한 콘텐츠 소비 목록을 검색하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
  17. 제14항에 있어서,
    인터넷 콘텐츠 서비스를 사용하는 사용자 정보, 사용자에 대한 콘텐츠 사용 이력 또는 상기 사용자에 대한 콘텐츠 평가 점수를 기록하고 유지하는 사용자 데이터베이스를 더 포함하고,
    상기 검색부는,
    상기 콘텐츠 데이터베이스를 참조하여 상기 사용자의 콘텐츠 소비 목록에 포함된 콘텐츠를 사용한 상기 다른 사용자들을 검색하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
  18. 삭제
  19. 삭제
  20. 제14항에 있어서,
    상기 분류부는,
    상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠의 개수(m) 및 상기 다른 사용자들과 상기 사용자가 동일하게 사용한 콘텐츠에 대해 동일한 추천 점수가 부여된 콘텐츠의 개수(n)에 대한 비(n/m)가 기준치 이상인 다른 사용자들을 상기 사용자와 동일한 그룹으로 분류하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
  21. 제20항에 있어서,
    상기 판단부는,
    상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되었는지 여부를 판단하고,
    상기 추천부는,
    상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영된 경우, 상기 신규 콘텐츠에 대한 추천 점수를 디스플레이하여 상기 그룹 사용자별 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
  22. 제21항에 있어서,
    상기 추천부는,
    상기 사용자와 동일한 그룹 내 취향 추천 점수를 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
  23. 제21항에 있어서,
    상기 추천부는,
    상기 추천 점수가 기준치보다 높은 콘텐츠들을 포함하는 추천 페이지를 구성하고, 상기 추천 페이지를 통해 상기 사용자에게 상기 콘텐츠들을 추천하는 사용자 에 따른 지능형 콘텐츠 추천 시스템.
  24. 제21항에 있어서,
    상기 추천부는,
    동일한 콘텐츠를 사용하고, 동일한 평가 점수를 부여한 다른 사용자들의 평가, 후기 또는 댓글을 우선적으로 디스플레이하여 상기 사용자의 콘텐츠 선호도가 반영된 콘텐츠를 추천하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
  25. 제21항에 있어서,
    상기 연산부는,
    상기 사용자와 동일한 그룹으로 분류된 다른 사용자들의 신규 콘텐츠에 대한 평가가 모두 반영되지 않은 경우, 상기 검색된 다른 사용자들에 대한 평가가 모두 반영될 때까지 상기 신규 콘텐츠에 대한 추천 점수를 연산하는 사용자에 따른 지능형 콘텐츠 추천 시스템.
KR1020080111780A 2008-11-11 2008-11-11 사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템 KR101022886B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080111780A KR101022886B1 (ko) 2008-11-11 2008-11-11 사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080111780A KR101022886B1 (ko) 2008-11-11 2008-11-11 사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20100052896A KR20100052896A (ko) 2010-05-20
KR101022886B1 true KR101022886B1 (ko) 2011-03-16

Family

ID=42278082

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080111780A KR101022886B1 (ko) 2008-11-11 2008-11-11 사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101022886B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200481145Y1 (ko) 2015-03-18 2016-08-19 (주)엘피스메디칼 무영등
KR20210036184A (ko) 2019-09-25 2021-04-02 이미진 사용자 취향정보 파악 방법 및 사용자 취향 정보에 기반한 아이템 추천 모듈
KR20210119071A (ko) 2020-03-24 2021-10-05 부산대학교병원 가상현실 기반 인지게임 점수에 따른 인지장애 분석을 이용한 맞춤형 인지개선 훈련 시스템 및 방법

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120004975A1 (en) * 2009-01-21 2012-01-05 Billshrink, Inc. System and method for platform-driven savings opportunity matching
US10504126B2 (en) 2009-01-21 2019-12-10 Truaxis, Llc System and method of obtaining merchant sales information for marketing or sales teams
US10594870B2 (en) 2009-01-21 2020-03-17 Truaxis, Llc System and method for matching a savings opportunity using census data
KR101319647B1 (ko) * 2011-10-25 2013-10-17 한양대학교 산학협력단 중첩 정보를 이용하여 효율적인 협업 필터링 프레임워크를 제공하는 방법
KR102086041B1 (ko) * 2013-01-24 2020-03-06 에스케이플래닛 주식회사 다중 기간별 사용자 선호도를 이용한 디지털 컨텐츠 추천 방법 및 그 장치
KR102150660B1 (ko) * 2013-01-24 2020-09-01 에스케이플래닛 주식회사 검색 이력 기반 디지털 컨텐츠 추천 방법 및 그 장치
KR101647364B1 (ko) * 2013-08-26 2016-08-23 네이버 주식회사 사용자 특성정보 및 상호작용 기반의 컨텐츠 추천 시스템，방법 및 그 기록매체
US9830375B2 (en) 2014-03-13 2017-11-28 Korea Institute Of Science And Technology Apparatus for selecting and providing media content on social network service and method thereof
KR20170019944A (ko) * 2015-08-13 2017-02-22 정진호 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치
KR101899101B1 (ko) 2016-06-01 2018-09-14 서울대학교 산학협력단 인공 신경망 기반 예측 모델 생성 장치 및 방법
KR20190119743A (ko) * 2018-04-13 2019-10-23 (주)스마일게이트스토브 컨텐츠 정보 제공 장치 및 그 방법
CN116389836A (zh) * 2023-06-07 2023-07-04 深圳市天空创想科技有限公司 一种多媒体信息交互系统及交互方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010091458A (ko) * 2000-03-15 2001-10-23 김용환 네트워크 기반의 상품정보 추천/제공 시스템 및 그 운영방법
KR100429054B1 (ko) * 1999-09-29 2004-05-03 주식회사 온빛시스템 자동화된 지능형 아이템 추천 방법 및 시스템
KR20040042065A (ko) * 2002-11-12 2004-05-20 하창승 사례기반추론기법과 연관규칙탐사기법을 이용한 지능형정보검색방법
KR20070089898A (ko) * 2007-08-09 2007-09-04 김서준 사용자 피드백을 이용하여 검색된 컨텐츠를 평가하고 평가결과를 이용하여 검색 결과를 제공하는 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100429054B1 (ko) * 1999-09-29 2004-05-03 주식회사 온빛시스템 자동화된 지능형 아이템 추천 방법 및 시스템
KR20010091458A (ko) * 2000-03-15 2001-10-23 김용환 네트워크 기반의 상품정보 추천/제공 시스템 및 그 운영방법
KR20040042065A (ko) * 2002-11-12 2004-05-20 하창승 사례기반추론기법과 연관규칙탐사기법을 이용한 지능형정보검색방법
KR20070089898A (ko) * 2007-08-09 2007-09-04 김서준 사용자 피드백을 이용하여 검색된 컨텐츠를 평가하고 평가결과를 이용하여 검색 결과를 제공하는 방법 및 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200481145Y1 (ko) 2015-03-18 2016-08-19 (주)엘피스메디칼 무영등
KR20210036184A (ko) 2019-09-25 2021-04-02 이미진 사용자 취향정보 파악 방법 및 사용자 취향 정보에 기반한 아이템 추천 모듈
KR20210119071A (ko) 2020-03-24 2021-10-05 부산대학교병원 가상현실 기반 인지게임 점수에 따른 인지장애 분석을 이용한 맞춤형 인지개선 훈련 시스템 및 방법

Also Published As

Publication number Publication date
KR20100052896A (ko) 2010-05-20

Similar Documents

Publication Publication Date Title
KR101022886B1 (ko) 사용자에 따른 지능형 콘텐츠 추천 방법 및 시스템
US10579694B1 (en) Location based recommendation and tagging of media content items
JP4678546B2 (ja) 推薦装置および方法、プログラム、並びに記録媒体
US8554640B1 (en) Content completion recommendations
US9519716B2 (en) System and method for conducting a profile based search
JP4650541B2 (ja) 推薦装置および方法、プログラム、並びに記録媒体
US7747676B1 (en) Selecting an advertising message for presentation on a page of a publisher web site based upon both user history and page context
US8135739B2 (en) Online relevance engine
TWI472720B (zh) 興趣點資訊地圖呈現系統、方法及其記錄媒體
TWI636416B (zh) 內容個人化之多相排序方法和系統
US9467744B2 (en) Comment-based media classification
US9292863B2 (en) Representative keyword selection
US20090077057A1 (en) mixed-model recommender for leisure activities
US20230089961A1 (en) Optimizing content distribution using a model
KR100970335B1 (ko) 사용자의 관심 키워드를 업데이트 하는 방법과 그 방법을수행하기 위한 시스템
CN107408122B (zh) 用于新鲜因特网内容的有效检索的介质和方法
US20160379270A1 (en) Systems and methods for customized internet searching and advertising
CN114969566B (zh) 一种距离度量的政务服务事项协同过滤推荐方法
US10136189B2 (en) Method and system for re-aggregation and optimization of media
US8620966B2 (en) Network content modification
JP4962950B2 (ja) ネットワーク上のユーザに対するレコメンデーションの方法、レコメンデーションサーバ及びプログラム
JP5938002B2 (ja) コンテンツ推薦装置およびその動作方法
KR101347220B1 (ko) 광고 컨텐츠 제공 시스템
TWI626847B (zh) 個人化影音資料評分綜合加權資訊之系統與方法
JP2000227918A (ja) 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140303

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150226

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160225

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170224

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20180226

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20200302

Year of fee payment: 10