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.
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.