KR101052411B1 - How to predict your situation with pattern inference - Google Patents
How to predict your situation with pattern inference Download PDFInfo
- Publication number
- KR101052411B1 KR101052411B1 KR1020090040817A KR20090040817A KR101052411B1 KR 101052411 B1 KR101052411 B1 KR 101052411B1 KR 1020090040817 A KR1020090040817 A KR 1020090040817A KR 20090040817 A KR20090040817 A KR 20090040817A KR 101052411 B1 KR101052411 B1 KR 101052411B1
- Authority
- KR
- South Korea
- Prior art keywords
- pattern
- prediction
- correct answer
- user
- incorrect
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012360 testing method Methods 0.000 claims description 63
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 사용자의 상황 정보에 기초하여 사용자의 다음 상황을 예측하는 방법에 관한 것으로, 보다 구체적으로 복수의 사용자 상황 정보를 개별 규칙에 적용하여 각 사용자 상황 정보에 따른 예측 결과를 추론하고, 추론한 예측 결과로부타 생성된 예측 패턴을 정답 패턴 또는 오답 패턴과 비교하여 패턴 매칭 방식으로 사용자의 다음 상황을 예측하는 방법에 관한 것이다. The present invention relates to a method of predicting a user's next situation based on the user's context information. More specifically, a plurality of user context information is applied to individual rules to infer and infer a prediction result according to each user context information. The present invention relates to a method of predicting a user's next situation through a pattern matching method by comparing a prediction pattern generated by the prediction result with a correct answer pattern or an incorrect answer pattern.
본 발명에 따른 패턴 기반의 예측 방법은 개별 규칙을 적용하여 생성한 예측 결과를 이용하여 예측 패턴을 생성하고 생성한 예측 패턴 전체를 이용하여 사용자의 상황을 예측함으로써, 정확하게 사용자의 상황을 예측할 수 있다. 또한, 사용자의 예측 패턴과 일치하는 정답 패턴을 검색하지 못하는 경우 사용자 예측 패턴과 일치하는 오답 패턴를 재검색하여 사용자의 상황을 예측함으로써, 예측 패턴과 매칭되는 패턴을 검색할 확률이 높아진다.The pattern-based prediction method according to the present invention can accurately predict a user's situation by generating a prediction pattern using the prediction result generated by applying an individual rule and predicting the user's situation using the generated prediction pattern as a whole. . In addition, when a correct answer pattern that matches the user's prediction pattern is not found, the probability of searching for a pattern matching the prediction pattern is increased by re-searching for an incorrect answer pattern that matches the user prediction pattern to predict the user's situation.
예측, 상황 기반 서비스, 추론, 사용자 정보, 개인화, 패턴 Predictions, Context Based Services, Inference, User Information, Personalization, Patterns
Description
본 발명은 사용자의 상황 정보에 기초하여 사용자의 다음 상황을 예측하는 방법에 관한 것으로, 보다 구체적으로 다수의 사용자 상황 정보를 개별 규칙에 적용하여 각 사용자 상황 정보에 대한 예측 결과를 추론하고, 추론한 예측 결과로부터 생성된 예측 패턴을 정답 패턴 또는 오답 패턴과 비교하여 패턴 매칭 방식으로 사용자의 다음 상황을 예측하는 방법에 관한 것이다. The present invention relates to a method of predicting a user's next situation based on the user's context information. More specifically, a plurality of user context information is applied to an individual rule to infer and infer a prediction result for each user context information. The present invention relates to a method of predicting a user's next situation through a pattern matching method by comparing a prediction pattern generated from a prediction result with a correct answer pattern or an incorrect answer pattern.
상황 기반 서비스의 대표적인 분야는 추천 서비스이다. 상황 기반의 추천 서비스는 사용자의 내외부적 상황 정보를 자동적으로 습득한 후에 그 상황 정보를 포함하여 추천 내용의 개인화를 가능하게 하는 서비스로 사용자의 상황을 고려하지 않은 기존의 추천 서비스에 비하여 개인화의 민감성과 시의적절성을 극대화하여 추천의 질을 향상시키려는 목적을 가진다. A representative field of context based services is recommendation services. Situation-based recommendation service is a service that automatically acquires internal and external contextual information of a user, and then enables personalization of the recommendation contents including the contextual information. It aims to improve the quality of recommendation by maximizing timeliness and timeliness.
상황 기반 추천 서비스의 성공은 현재 사용자의 상황 정보를 기반으로 미래 발생 가능한 사용자 상황을 정확하게 예측하고, 예측한 사용자 상황에 맞는 서비스를 얼마나 정확하고 선응적(proactive)으로 제공하느냐에 달려있다. 이러한 상황 예측은 방범 방재 분야나 의료 분야에서 위급상황이 발생하기 전에 대처를 하게 해주거나, 쇼핑 센터 또는 놀이 공원에서 사용자의 위치에 기반하여 특정 제품/서비스 또는 놀이공간을 추천하게 하는 등 매우 유용하게 활용될 수 있다 The success of the context-based recommendation service depends on accurate prediction of possible future user situations based on the context information of the current user, and how accurately and proactively a service suitable for the predicted user context is provided. This situation prediction can be very useful, such as allowing you to respond before an emergency in the field of crime prevention or medical care, or to recommend a specific product / service or play area based on your location in a shopping center or amusement park. Can be utilized
상황 기반 추천 서비스는 사용자의 상황 정보를 실시간으로 반복하여 획득하여야 사용자의 다음 상황을 정확하게 예측할 수 있으나, 사용자의 상황 정보는 환경 상의 요인, 기술 상의 요인 등으로 일시적으로 불가능한 경우가 발생한다. 환경 상의 요인 또는 기술 상의 요인에 의해 사용자의 상황 정보를 획득하지 못하는 경우, 사용자의 다음 상황을 예측하지 못하거나 정확하게 사용자의 다음 상황을 예측할 수 없어 신뢰성 있는 추천 서비스를 제공하지 못한다는 문제점을 가진다. The context-based recommendation service can accurately predict the next situation of the user only by repeatedly obtaining the user's context information in real time, but the situation information of the user may be temporarily impossible due to environmental factors or technical factors. If the situation information of the user cannot be obtained due to environmental factors or technical factors, the next situation of the user may not be predicted or the next situation of the user may not be accurately predicted, and thus, a reliable recommendation service may not be provided.
더욱이 사용자의 상황 정보는 사용자의 활동에 대한 기록이므로 사용자의 상황 정보를 광범위하게 자유롭게 획득하기 곤란하며, 사용자의 상황 정보를 활용함에 있어 사용자의 사생활 침해의 우려가 발생한다는 문제점이 발생한다. 따라서, 제한된 사용자의 상황 정보만을 이용하여 사용자의 다음 상황을 비교적 정확하게 예측하는 방법이 요구된다.In addition, since the user's situation information is a record of the user's activity, it is difficult to freely acquire the user's situation information extensively, and there is a problem that a user's privacy infringement occurs when using the user's situation information. Therefore, there is a need for a method of accurately predicting a user's next situation using only limited user's context information.
위와 같은 문제점들을 극복하기 위하여, 사용자의 다음 상황을 예측하기 위한 방법으로 매칭 알고리즘을 활용할 수 있다. 매칭 알고리즘은 유용한 분석 및 추론 전략으로 오랫동안 제조, 정보시스템 등 다양한 영역에서 사용해 왔다 (Keutzer, 1987; Burch and Long, 1992; Krishnamoorthy and Mailhot, 1994). 그 중에서 시간의 흐름이 개입되는 영역에서의 매칭으로 시퀀스 매칭(Sequential matching) 알고리즘이 제안되어 왔다. 시퀀스 매칭 알고리즘은 두 매칭 대상의 시 퀀스에 대해서 회귀분석적으로 일치 정도를 파악하는 방법이다. In order to overcome the above problems, a matching algorithm may be used as a method for predicting a user's next situation. Matching algorithms have long been used in a variety of areas, including manufacturing and information systems, as useful analysis and reasoning strategies (Keutzer, 1987; Burch and Long, 1992; Krishnamoorthy and Mailhot, 1994). Among them, a sequential matching algorithm has been proposed as a matching in a region where time flow is involved. The sequence matching algorithm is a regression analysis method for determining the degree of match for a sequence of two matching objects.
그러나 시퀀스 매칭 알고리즘은 여전히 비교 대상이 규범 척도 이상의 자료여야 한다는 점에서 상황 자료의 매칭에 한계를 가진다. 예를 들어 과거의 상황 벡터의 시계열 집합에서 현재 발생한 상황과 일치하는 패턴을 만나면 해당 과거 상황 시계열 집합의 그 다음 단계 상황 벡터로 사용자의 다음 상황을 예측하는 방식이다. 그러나 과거 상황 벡터의 시계열 집합에서 현재 발생한 상황과 정확히 일치하는 상황 집합을 찾을 확률이 높지 않으며 따라서 일치하지 않은 상황 집합을 검색하지 못하는 경우 전체 예측 정확도가 감소한다는 약점을 가진다. However, the sequence matching algorithm still has a limitation in matching situation data in that the object to be compared must be more than the norm. For example, if a pattern matching a current occurrence occurs in a time series set of a past situation vector, the user's next situation is predicted using the next step situation vector of the past situation time series set. However, it is not easy to find a situation set that exactly matches the current occurrence in the time series set of the past situation vector, and thus, if the mismatched situation set is not retrieved, the overall prediction accuracy decreases.
본 발명에 따른 패턴 기반의 예측 방법은 위에서 언급한 사용자 상황의 예측 방법들이 가지는 문제점을 해결하기 위한 것으로, 사용자의 상황 정보 자체를 이용하여 사용자 상황을 예측하지 않고 사례기반으로 생성한 개별 규칙을 적용하여 생성한 예측 결과를 이용하여 사용자의 상황을 예측하는 방법을 제공하는 것이다.The pattern-based prediction method according to the present invention is to solve the problems of the above-described prediction methods of the user situation, and applies individual rules generated on a case basis without predicting the user situation using the user's context information itself. It provides a method for predicting the user's situation using the prediction result generated by the.
본 발명이 이루고자 하는 다른 목적은 다수의 사용자 상황 정보로부터 생성한 예측 결과를 이용하여 예측 패턴을 생성하고, 생성한 예측 패턴을 이용하여 사용자의 상황을 예측하는 방법을 제공하는 것이다.Another object of the present invention is to provide a method of generating a prediction pattern using prediction results generated from a plurality of user context information and predicting a user's situation using the generated prediction pattern.
본 발명이 이루고자 하는 또 다른 목적은 사용자의 예측 패턴과 일치하는 정답 패턴을 검색하지 못하는 경우 사용자 예측 패턴과 일치하는 오답 패턴를 재검색하여 사용자의 상황을 예측하는 방법을 제공하는 것이다.Another object of the present invention is to provide a method of predicting a user's situation by re-search for an incorrect pattern matching the user's prediction pattern when the correct answer pattern does not match the user's prediction pattern.
본 발명이 이루고자 하는 또 다른 목적은 다수의 사용자 상황 정보로부터 추론된 예측 결과로 구성되는 예측 패턴 중 일부의 패턴값이 일치하더라도 사용자의 상황을 정확하게 예측할 수 있는 방법을 제공하는 것이다.Another object of the present invention is to provide a method for accurately predicting a user's situation even if a pattern value of some of the prediction patterns including prediction results inferred from a plurality of user context information matches.
본 발명의 목적을 달성하기 위한 패턴 기반의 예측 방법은 다수의 사용자 상황 정보를 획득하는 단계와, 획득한 다수의 사용자 상황 정보 각각을 개별 규칙 데이터베이스의 개별 규칙에 적용하여 각 사용자 상황 정보에 따른 예측 결과를 추론하는 단계와, 추론한 예측 결과의 조합으로부터 예측 패턴을 생성하는 단계와, 패턴 데이터베이스에 등록되어 있는 정답 패턴 또는 오답 패턴 중 예측 패턴과 매칭되는 패턴을 검색하는 단계 및 검색 결과에 따라 사용자의 다음 상황을 예측하는 단계를 포함하여 구성되어 있다.In order to achieve the object of the present invention, a pattern-based prediction method includes: acquiring a plurality of user context information, and applying each of the obtained plurality of user context information to individual rules of an individual rule database to predict each user context information. Inferring the result, generating a prediction pattern from the inferred prediction result, searching for a pattern matching the prediction pattern among the correct or incorrect pattern registered in the pattern database, and the user according to the search result The next step is to predict the situation.
사용자의 다음 행위를 예측하기 위하여, 매칭 패턴의 검색 결과에 기초하여 패턴 데이터베이스에 등록되어 있는 정답 패턴 중 예측 패턴과 일치하는 정답 패턴을 검색한 경우, 검색한 정답 패턴 중 예측 패턴의 패턴값과 가장 많이 일치하는 패턴값을 가지는 정답 패턴을 판단하는 단계 및 판단한 정답 패턴의 결과 값을 사용자의 다음 상황으로 예측하는 단계를 통해 예측된다.In order to predict the next behavior of the user, when the correct answer pattern matching the prediction pattern is searched among the correct answer patterns registered in the pattern database based on the search result of the matching pattern, the pattern value of the predicted pattern among the correct answer patterns It is predicted through the step of determining the correct answer pattern having a largely matched pattern value and the example of the result value of the determined correct answer pattern to the next situation of the user.
한편 매칭 패턴의 검색 결과에 기초하여 패턴 데이터베이스에 등록되어 있는 정답 패턴 중 예측 패턴에 일치하는 정답 패턴이 검색되지 않는 경우, 패턴 데이터베이스에 등록되어 있는 오답 패턴 중 예측 패턴과 일치하는 오답 패턴을 검색하는 단계 및 검색한 오답 패턴의 결과 값을 사용자의 다음 상황으로 예측하는 단계를 통해 예측된다.On the other hand, if the correct answer pattern matching the prediction pattern is not found among the correct answer patterns registered in the pattern database based on the search result of the matching pattern, the incorrect pattern matching the prediction pattern among the incorrect answer patterns registered in the pattern database is searched. And predicting the result value of the retrieved incorrect pattern to the next situation of the user.
본 발명에 따른 패턴 기반의 예측 방법은 종래 예측 방법과 비교하여 다음과 같은 다양한 효과를 가진다.The pattern-based prediction method according to the present invention has various effects as follows as compared to the conventional prediction method.
첫째, 본 발명에 따른 패턴 기반의 예측 방법은 사용자의 상황 정보 자체를 이용하여 사용자 상황을 예측하지 않고 사례기반으로 생성한 개별 규칙을 적용하여 생성한 예측 결과를 이용하여 사용자 상황을 예측함으로써, 사용자 상황 정보 자체를 이용하여 사용자 상황을 예측하는 종래 방법에 비해 예측 방법이 간단하다. First, the pattern-based prediction method according to the present invention predicts the user situation by using prediction results generated by applying individual rules generated on a case-based basis without predicting the user situation by using the user's context information itself. The prediction method is simpler than the conventional method of predicting a user situation using the situation information itself.
둘째, 본 발명에 따른 패턴 기반의 예측 방법은 개별 규칙을 적용하여 생성한 예측 결과를 이용하여 예측 패턴을 생성하고 생성한 예측 패턴 전체를 이용하여 사용자의 상황을 예측함으로써, 기술상 또는 환경상의 요인으로 사용자의 정보를 일시적으로 획득하지 못하는 경우에도 정확하게 사용자의 상황을 예측할 수 있다. Second, the pattern-based prediction method according to the present invention generates a prediction pattern using prediction results generated by applying individual rules, and predicts a user's situation using the entire prediction pattern generated, thereby making it a technical or environmental factor. Even when the user's information cannot be obtained temporarily, the user's situation can be accurately predicted.
셋째, 본 발명에 따른 패턴 기반의 예측 방법은 사용자의 예측 패턴과 일치하는 정답 패턴을 검색하지 못하는 경우 사용자 예측 패턴과 일치하는 오답 패턴을 재검색하여 사용자의 상황을 예측함으로써, 예측 패턴과 매칭되는 패턴을 검색할 확률이 높아진다.Third, when the pattern-based prediction method according to the present invention fails to search for a correct answer pattern that matches the user's prediction pattern, the pattern is matched with the prediction pattern by re-search for an incorrect answer pattern that matches the user prediction pattern to predict the user's situation. The probability of searching for is increased.
이하 첨부한 도면을 참고로 본 발명에 따른 패턴 기반 예측 방법에 대해 보다 구체적으로 설명한다.Hereinafter, a pattern-based prediction method according to the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 패턴 기반 예측 장치의 기능 블록도를 도시하고 있다.1 is a functional block diagram of a pattern based prediction apparatus according to an embodiment of the present invention.
도 1을 참고로 보다 구체적으로 살펴보면, 사용자 정보 획득부(110)는 주변에 배치되어 있는 다수의 센서 또는 사용자 단말기로부터 사용자의 상황 정보를 획득한다. 사용자 정보 획득부(110)는 사용자가 소지하고 있는 단말기로부터 사용자 상황 정보를 획득하거나 또는 사용자 인터페이스를 통해 입력한 사용자 상황 정보를 획득하거나 또는 사용자 또는 사용자 주변에 배치되어 있는 센서 등을 통해 사용자 상황 정보를 획득한다. 사용자 상황 정보는 사용자의 정적 정보 또는 동적 정보를 포함하는데, 사용자의 정적 정보란 쉽게 변하지 않는 사용자 상황 정보로 사용자의 성별, 주소, 직업, 가족 관계 등과 같은 정보를 의미하며, 사용자의 동적 정보란 상황에 따라 쉽게 변하는 사용자 상황 정보로 현재 계절, 요일, 시간, 현재 위치, 현재 날씨 또는 기온, 현재 행동, 사용자의 현재 상태 등과 같은 정보를 의미한다. Referring to FIG. 1 in more detail, the user
예측 패턴 생성부(120)는 획득한 다수의 사용자 상황 정보 각각을 개별 규칙에 적용하여 각 사용자 상황 정보에 따른 예측 결과를 추론하고, 추론한 예측 결과로부터 예측 패턴을 생성한다. 예측 패턴 생성부(120)는 획득한 특정 사용자 상황 정보를 개별 규칙 데이터베이스(130)에 등록되어 있는 개별 규칙에 적용하여 특정 사용자 상황 정보에 대한 예측 결과를 추론한다. 개별 규칙이란 사용자가 특정 상황 정보에 있는 경우, 특정 상황 정보에서 예측되는 사용자의 다음 상황을 규정하고 있는 규칙으로, 개별 규칙 데이터베이스에는 다수의 사용자 상황 정보 각각에 따른 개별 규칙이 저장되어 있다. 예측 패턴 생성부(120)는 획득한 다수의 사용자 상황 정보에 개별 규칙을 적용하여 각 사용자 상황 정보에 따른 예측 결과를 생성하고, 생성한 예측 결과로부터 예측 패턴을 생성한다. 즉, 예측 패턴은 다수의 예측 결과의 조합으로 구성된다.The
패턴 검색부(140)는 생성한 예측 패턴과 일치하는 정답 패턴 또는 오답 패턴을 패턴 데이터베이스(150)에서 검색한다. 패턴 데이터베이스(150)에는 예측 패턴에 따라 사용자의 다음 상황을 예측하는데 사용되는 정답 패턴과 오답 패턴을 저장하고 있다. 정답 패턴과 오답 패턴은 테스트 사례 데이터베이스의 테스트 사례로부터 생성되어 테스트 사례 데이터베이스에 기저장되는데, 테스트 사례에 개별 규칙을 적용하여 생성된 테스트 패턴 중 패턴 값이 테스트 결과에 일치하는 적어도 1 개 이상의 패턴 값을 가지는 테스트 패턴을 정답 패턴으로 정의하며, 테스트 패턴의 패턴값이 테스트 결과에 하나도 일치하지 않는 테스트 패턴을 오답 패턴이라 정의한다. 예측부(160)은 패턴 검색부(140)에서 검색한, 예측 패턴과 일치하는 정답 패턴 또는 오답 패턴에 기초하여 사용자의 다음 상황을 예측한다.The
도 2는 본 발명에 따른 패턴 기반 예측 방법을 설명하는 흐름도를 도시하고 있다.2 is a flowchart illustrating a pattern-based prediction method according to the present invention.
도 2를 참고로 보다 구체적으로 살펴보면, 다수의 사용자 상황 정보를 획득하고(S1), 획득한 사용자 상황 정보에 개별 규칙 데이터베이스의 개별 규칙을 적용하여 각 사용자 상황 정보에 따른 예측 결과를 추론한다(S3). 본 발명의 일 실시예에 따른 개별 규칙 데이터베이스의 생성 방법은 도 3을 참고로 이하에서 보다 구체적으로 설명한다.Referring to FIG. 2, in more detail, a plurality of user context information is obtained (S1), and the prediction result according to each user context information is inferred by applying individual rules of an individual rule database to the obtained user context information (S3). ). A method of generating an individual rule database according to an embodiment of the present invention will be described in more detail below with reference to FIG. 3.
다수의 사용자 상황 정보 각각에 개별 규칙을 적용하여 생성된 예측 결과로부터 예측 패턴을 생성한다(S5). 사용자 상황 정보에 개별 규칙을 적용하여 생성된 예측 결과는 각 사용자 상황 정보에서 통상적으로 예측되는 다음 상황을 나타내는 값으로, 예측 패턴은 다수의 예측 결과로 이루어진 패턴이다. 정답 패턴과 오답 패턴이 등록되어 있는 패턴 데이터베이스에서 예측 패턴과 일치하는 패턴이 존재하는지 검색한다(S7). 예측 패턴과 일치하는 정답 패턴이 검색된 경우 검색한 정답 패턴으로 사용자의 다음 상황을 예측하며, 예측 패턴과 일치하는 정답 패턴이 검색되지 않은 경우 오답 패턴으로 사용자의 다음 상황을 예측한다(S9). A prediction pattern is generated from the prediction result generated by applying a separate rule to each of the plurality of user context information (S5). The prediction result generated by applying individual rules to the user context information is a value representing the next situation that is normally predicted in each user context information, and the prediction pattern is a pattern composed of a plurality of prediction results. The pattern database in which the correct pattern and the incorrect pattern are registered is searched for whether a pattern matching the predicted pattern exists (S7). When a correct answer pattern that matches the prediction pattern is found, the next situation of the user is predicted by the searched correct answer pattern, and when the correct answer pattern that matches the prediction pattern is not found, the next situation of the user is predicted by the incorrect answer pattern (S9).
도 3은 개별 규칙 데이터베이스를 생성하는 방법의 일 예를 설명하는 흐름도 이며, 도 4는 개별 규칙의 일 예를 도시하고 있다. 3 is a flowchart illustrating an example of a method of generating an individual rule database, and FIG. 4 illustrates an example of an individual rule.
도 3을 참고로 개별 규칙 데이터베이스를 생성하는 방법을 보다 구체적으로 살펴보면, 상황 정보에 관련된 사례를 사례 데이터베이스에서 추출하고(S11), 추출한 사례에서 상황 정보에 따라 발생하는 이벤트 발생 비율을 계산한다(S13). 상황 정보에 따라 발생하는 다수의 이벤트의 발생 비율에 기초하여 해당하는 상황 정보에서 가장 많이 발생하는 이벤트를 상황 정보에 대한 개별 규칙으로 설정하고(S15), 설정한 개별 규칙을 개별 규칙 데이터베이스에 저장한다(S17). 사용자의 다음 상황을 예측하기 위하여 다수의 상황 정보를 이용하며, 다수의 상황 정보에 대해 상기 S11 단계 내지 S17 단계를 동일하게 수행하여 다수의 상황 정보 모두에 대한 개별 규칙을 설정하고, 설정한 개별 규칙을 개별 규칙 데이터베이스에 저장한다.Referring to FIG. 3, a method of generating an individual rule database is described in more detail. A case related to situation information is extracted from a case database (S11), and an event occurrence rate that is generated according to situation information in the extracted case is calculated (S13). ). Based on the occurrence rate of a plurality of events occurring according to the situation information, the most frequently occurring event in the corresponding situation information is set as an individual rule for the situation information (S15), and the set individual rules are stored in the individual rule database. (S17). In order to predict the next situation of the user, a plurality of situation information is used, and steps S11 to S17 are identically performed for a plurality of situation information to set individual rules for all the plurality of situation information, and set individual rules. Is stored in a separate rules database.
도 4를 참고로 놀이 공원에서 현재 위치별 다음으로 방문하는 장소에 대한 개별 규칙의 일 예를 보다 구체적으로 살펴보면, 놀이 공원의 이용 실태에 대한 사례를 저장하고 있는 데이터베이스에서 사례를 추출하여 상황 정보 즉, 현재 위치에서 다음으로 방문하는 장소, 즉 이벤트의 발생 비율을 계산한다. 현재 위치 'A"에서 다음으로 방문하는 장소의 비율은 'B'가 45%이며, 'C'가 20%이며, 'D'가 15%이며, 'E'가 12%이며, 'F'가 45%이다. 현재 위치라는 상황 정보에서 다음으로 방문하는 장소라는 이벤트에 대한 개별 규칙은 가장 높은 비율의 이벤트인 'B'로 설정된다. 동일하게 다른 위치에서 다음으로 방문하는 장소에 대한 개별 규칙들이 모두 사례 데이터베이스에 기초하여 설정되며, 설정된 개별 규칙들은 개별 규칙 데이 터베이스에 저장된다. 또한, 현재 날씨, 요일, 시간 등과 같은 다양한 상황 정보에 대해 위와 동일하게 개별 규칙을 설정하여 개별 규칙 데이터베이스에 저장할 수 있다.Referring to FIG. 4, an example of an individual rule for a next visit place by current location in an amusement park will be described in more detail. The situation information may be obtained by extracting a case from a database that stores an example of usage of the amusement park. Calculate the rate of occurrence of the next place to visit, ie the event from the current location. The next place you visit in your current location 'A' is 45% for 'B', 20% for 'C', 15% for 'D', 12% for 'E', and 'F' for 45% In the contextual information of the current location, the individual rule for the next place to visit event is set to the highest percentage of events, 'B'. All of them are set based on the case database, and the set individual rules are stored in the individual rule database, and the individual rules can be set and stored in the individual rule database as above for various situation information such as current weather, day of the week, and time. Can be.
도 5와 도 6은 테스트 데이터베이스에서 정답 패턴과 오답 패턴을 생성하여 등록하는 방법의 일 예를 설명하기 위한 흐름도를 도시하고 있다.5 and 6 illustrate flowcharts for describing an example of a method of generating and registering a correct answer pattern and a ˜˜ answer pattern in a test database.
도 5와 도 6을 참고로 정답 패턴 또는 오답 패턴을 생성하여 등록하는 과정을 보다 구체적으로 살펴보면, 테스트 데이터베이스에 저장되어 있는 테스트 사례에 개별 규칙을 적용하여 테스트 패턴을 생성한다(S21). 생성한 테스트 패턴의 패턴 값 중 테스트 결과와 일치하는 패턴 값이 존재하는지 판단한다(S22). 판단 결과 테스트 결과와 일치하는 패턴 값이 존재하는 테스트 패턴은 정답 패턴으로 분류하며(S23), 테스트 결과와 일치하는 패턴 값이 존재하지 않는 테스트 패턴은 오답 패턴으로 분류한다(S31). 예를 들어, 테스트 사례를 개별 규칙에 적용하여 생성된 테스트 패턴이 121341이며 실제 다음 상황, 즉 테스트 결과가 1이었다면, 테스트 패턴은 정답 패턴으로 분류된다. 반면, 테스트 패턴이 132321이며 실제 다음 상황이 4이었다면 오답 패턴으로 분류된다. 정답 패턴으로 분류된 테스트 패턴의 패턴 값 중 테스트 결과와 일치하는 패턴 값은 그대로 유지하며, 일치하지 않은 패턴 값은 0으로 설정하여 다음 상황 예측에 사용되지 않도록 한다. 반면, 오답 패턴으로 분류된 테스트 패턴의 패턴 값은 그대로 유지한다.Referring to FIGS. 5 and 6, a process of generating and registering a correct answer pattern or an incorrect answer pattern is described in detail. The test pattern is generated by applying an individual rule to a test case stored in a test database (S21). It is determined whether a pattern value matching the test result exists among the pattern values of the generated test pattern (S22). As a result of the determination, a test pattern in which a pattern value matching the test result exists is classified as a correct answer pattern (S23), and a test pattern in which a pattern value corresponding to the test result does not exist is classified as an incorrect answer pattern (S31). For example, if the test pattern generated by applying test cases to individual rules is 121341 and the actual next situation, that is, the test result is 1, the test pattern is classified as a correct answer pattern. On the other hand, if the test pattern is 132321 and the actual following situation is 4, it is classified as an incorrect answer pattern. Among the pattern values of the test pattern classified as the correct answer pattern, the pattern value matching the test result is kept as it is, and the non-matching pattern value is set to 0 so as not to be used for the next situation prediction. On the other hand, the pattern value of the test pattern classified as the incorrect answer pattern is maintained as it is.
테스트 패턴이 정답 패턴으로 분류되는 경우, 정답 패턴으로 분류된 테스트 패턴이 기저장된 정답 패턴과 동일한지 판단한다(S24). 정답 패턴으로 분류된 테 스트 패턴이 기저장된 정답 패턴과 동일한 경우, 정답 패턴의 테스트 결과와 기저장된 정답 패턴의 테스트 결과가 일치하는지 판단한다(S25). 정답 패턴의 테스트 결과와 기저장된 정답 패턴의 테스트 결과가 일치하는 경우 기저장된 정답 패턴의 빈도수를 1 증가시키며(S26), 정답 패턴의 테스트 결과가 기저장된 정답 패턴의 테스트 결과와 일치하지 않는 경우 기저장된 정답 패턴의 빈도수를 1 감소시킨다(S27). 한편, 정답 패턴으로 분류한 테스트 패턴이 기저장된 정답 패턴과 동일하지 않은 경우, 정답 패턴의 빈도수를 1 증가시킨다(S26).When the test pattern is classified as the correct answer pattern, it is determined whether the test pattern classified as the correct answer pattern is the same as the previously stored correct answer pattern (S24). If the test pattern classified as the correct answer pattern is the same as the pre-stored correct answer pattern, it is determined whether the test result of the correct answer pattern and the test result of the pre-stored correct answer pattern match (S25). When the test result of the correct answer pattern and the test result of the pre-stored correct answer pattern is matched, the frequency of the pre-stored correct answer pattern is increased by 1 (S26), and if the test result of the correct answer pattern does not match the test result of the pre-stored correct answer pattern The frequency of the stored correct answer pattern is reduced by one (S27). On the other hand, if the test pattern classified as the correct answer pattern is not the same as the pre-stored correct answer pattern, the frequency of the correct answer pattern is increased by one (S26).
기저장된 정답 패턴 또는 정답 패턴으로 분류된 테스트 패턴의 빈도수가 제1 임계값을 초과하는지 판단하여(S28), 기저장된 정답 패턴 또는 정답 패턴으로 분류된 테스트 패턴의 빈도수가 제1 임계값을 초과하는 경우 정답 패턴으로 패턴 데이터베이스에 등록한다(S29).It is determined whether the frequency of the pre-stored correct answer pattern or the test pattern classified into the correct answer pattern exceeds the first threshold value (S28), and the frequency of the pre-stored correct answer pattern or the test pattern classified into the correct answer pattern exceeds the first threshold value. If the correct answer pattern is registered in the pattern database (S29).
한편, 테스트 패턴이 오답 패턴으로 분류된 경우, 오답 패턴으로 분류된 테스트 패턴이 기저장된 오답 패턴과 동일한지 판단한다(S32). 오답 패턴이 기저장된 오답 패턴과 동일한 경우, 오답 패턴의 테스트 결과와 기저장된 오답 패턴의 테스트 결과가 일치하는지 판단한다(S33). 오답 패턴의 테스트 결과와 기저장된 오답 패턴의 테스트 결과가 일치하는 경우 기저장된 오답 패턴의 빈도수를 1 증가시키며(S34), 오답 패턴의 테스트 결과가 기저장된 오답 패턴의 테스트 결과와 일치하지 않는 경우 기저장된 오답 패턴의 빈도수를 1 감소시킨다(S35). 한편, 오답 패턴으로 분류한 테스트 패턴이 기저장된 오답 패턴과 동일하지 않은 경우, 오답 패턴의 빈도수를 1 증가시킨다(S34).On the other hand, if the test pattern is classified as an incorrect answer pattern, it is determined whether the test pattern classified as an incorrect answer pattern is the same as the previously stored incorrect answer pattern (S32). If the incorrect answer pattern is the same as the pre-stored incorrect answer pattern, it is determined whether the test result of the incorrect answer pattern and the test result of the pre-stored incorrect answer pattern match (S33). If the test result of the wrong answer pattern and the test result of the stored incorrect answer pattern is matched, the frequency of the stored incorrect answer pattern is increased by 1 (S34), and if the test result of the incorrect answer pattern does not match the test result of the stored incorrect answer pattern, The frequency of the stored incorrect answer pattern is reduced by one (S35). On the other hand, if the test pattern classified as the incorrect answer pattern is not the same as the previously stored incorrect answer pattern, the frequency of the incorrect answer pattern is increased by one (S34).
기저장된 오답 패턴 또는 오답 패턴으로 분류된 테스트 패턴의 빈도수가 제2 임계값을 초과하는지 판단하여(S36), 기저장된 오답 패턴 또는 오답 패턴으로 분류된 테스트 패턴의 빈도수가 제2 임계값을 초과하는 경우 오답 패턴으로 패턴 데이터베이스에 등록한다(S37).It is determined whether the frequency of the pre-stored incorrect pattern or the test pattern classified into the incorrect pattern exceeds the second threshold (S36), and the frequency of the pre-stored incorrect pattern or the test pattern classified as the incorrect pattern exceeds the second threshold. If the incorrect pattern is registered in the pattern database (S37).
도 7은 패턴 데이터베이스에 등록되어 있는 정답 패턴의 일 예를 도시하고 있으며, 도 8은 패턴 데이터베이스에 등록되어 있는 오답 패턴의 일 예를 도시하고 있다.7 illustrates an example of a correct answer pattern registered in a pattern database, and FIG. 8 illustrates an example of an incorrect answer pattern registered in a pattern database.
도 7을 참고로 패턴 데이터베이스에 등록되어 있는 정답 패턴을 보다 구체적으로 살펴보면, 각 정답 패턴의 식별자, 정답 패턴의 빈도수, 정답 패턴의 패턴값, 정답 패턴의 결과값이 등록 저장되어 있다.Looking at the correct answer pattern registered in the pattern database in more detail with reference to FIG. 7, the identifier of each correct pattern, the frequency of the correct answer pattern, the pattern value of the correct answer pattern, the result value of the correct answer pattern is registered and stored.
한편, 도 8을 참고로 패턴 데이터베이스에 등록되어 있는 오답 패턴을 보다 구체적으로 살펴보면, 각 오답 패턴의 식별자, 오답 패턴의 빈도수, 오답 패턴의 패턴값, 오답 패턴의 결과값이 등록 저장되어 있다. 도 7과 도 8에서 알 수 있는 것과 같이, 오답 패턴은 예외적인 경우를 나타내는 것으로 오답 패턴의 빈도수는 정답 패턴의 빈도수 보다 적다. 그러나 본 발명은 예측 패턴과 일치하는 정답 패턴을 검색하지 못하는 경우 예측 패턴과 일치하는 오답 패턴을 재차 검색함으로써, 검색율을 높이고 따라서 사용자의 다음 상황을 보다 정확하게 예측할 수 있다.Meanwhile, referring to FIG. 8, the incorrect pattern registered in the pattern database is described in detail. The identifier of each incorrect pattern, the frequency of incorrect pattern, the pattern value of the incorrect pattern, and the result value of the incorrect pattern are registered and stored. As can be seen in Figures 7 and 8, the incorrect answer pattern represents an exceptional case, the frequency of the incorrect answer pattern is less than the frequency of the correct answer pattern. However, the present invention can increase the search rate and thus more accurately predict the next situation of the user by re-searching for the incorrect answer pattern that matches the prediction pattern when the correct answer pattern that matches the prediction pattern is not found.
도 9와 도 10은 본 발명의 일 실시예에 따라 패턴 데이터베이스의 정답 패턴 또는 오답 패턴에 기초하여 예측 패턴으로부터 사용자의 다음 상황을 예측하는 방법을 보다 구체적으로 설명하는 흐름도이다.9 and 10 are flowcharts illustrating in more detail a method of predicting a user's next situation from a prediction pattern based on a correct answer pattern or an incorrect answer pattern of a pattern database according to an embodiment of the present invention.
도 9와 도 10을 참고로 보다 구체적으로 살펴보면, 예측 패턴과 패턴 데이터베이스에 등록되어 있는 정답 패턴 또는 오답 패턴을 비교 검색하여(S40), 예측 패턴과 일치하는 정답 패턴이 존재하는지 판단한다(S41). 예측 패턴과 일치하는 정답 패턴이 존재하는 경우 다수의 정답 패턴이 존재하는지 판단하여(S42), 예측 패턴과 일치하는 정답 패턴이 1개만 검색된 경우 검색된 정답 패턴의 결과값에 따라 사용자의 다음 상황을 예측한다(S43). 한편, 예측 패턴과 일치하는 다수의 정답 패턴이 존재하는 경우, 다수의 정답 패턴들 중 예측 패턴의 패턴 값과 일치하는 패턴 값이 가장 많은 정답 패턴을 선택하고(S44) 선택한 정답 패턴의 결과값으로 사용자의 다음 상황을 예측한다(S45). 예를 들어, 예측 패턴이 221215이고 패턴 데이터베이스에 등록된 정답 패턴 중 예측 패턴과 일치하는 정답 패턴이 220000과 220010 2개 존재하는 경우 220010을 정답 패턴으로 선택하여 사용자의 다음 상황을 예측한다. Referring to FIG. 9 and FIG. 10 in detail, by comparing and searching the prediction pattern and the correct or incorrect pattern registered in the pattern database (S40), it is determined whether there is a correct answer pattern that matches the prediction pattern (S41). . When there is a correct answer pattern that matches the prediction pattern, it is determined whether a plurality of correct answer patterns exist (S42). When only one correct answer pattern that matches the prediction pattern is found, the user's next situation is predicted according to the result of the found correct pattern. (S43). On the other hand, when there are a plurality of correct answer patterns that match the prediction pattern, select the correct answer pattern having the most pattern values that match the pattern value of the prediction pattern among the plurality of correct answer patterns (S44) as a result of the selected correct pattern The next situation of the user is predicted (S45). For example, when the prediction pattern is 221215 and there are two correct answer patterns that match the prediction pattern among 220000 and 220010 among the correct answer patterns registered in the pattern database, 220010 is selected as the correct answer pattern to predict the next situation of the user.
그러나 패턴 데이터베이스에 등록되어 있는 정답 패턴과 예측 패턴을 비교하여 예측 패턴과 일치하는 정답 패턴이 검색되지 않는 경우, 패턴 데이터베이스에 등록되어 있는 오답 패턴과 예측 패턴을 비교하여 예측 패턴과 일치하는 오답 패턴이 존재하는지 검색한다(S51). 예측 패턴과 일치하는 오답 패턴이 존재하는지 판단하여(S52), 예측 패턴과 일치하는 오답 패턴이 존재하는 경우 오답 패턴의 결과 값으로 사용자의 다음 상황을 예측한다(S53). 그러나 패턴 데이터베이스에 등록된 오답 패턴에서도 예측 패턴과 일치하는 오답 패턴을 검색하지 못하는 경우, 각 개별 규칙의 이벤트 발생 비율에 기초하여 사용자의 다음 상황을 예측한다(S54). 즉, 예측 패턴을 구성하는 예측 결과 중 가장 높은 이벤트 발생 비율로 설정된 개별 규칙에 따라 추론된 예측 결과에 따라 사용자의 다음 상황을 예측한다.However, if the correct pattern matching the prediction pattern is not found by comparing the correct answer pattern registered in the pattern database with the prediction pattern, the incorrect pattern matching the prediction pattern is compared by comparing the incorrect answer pattern registered in the pattern database with the prediction pattern. Search whether it exists (S51). It is determined whether an incorrect pattern matching the prediction pattern exists (S52), and if there is an incorrect pattern matching the prediction pattern, the next situation of the user is predicted using the result value of the incorrect pattern (S53). However, even when the incorrect pattern registered in the pattern database fails to retrieve the incorrect pattern that matches the prediction pattern, the next situation of the user is predicted based on the event occurrence rate of each individual rule (S54). That is, the next situation of the user is predicted according to the prediction result inferred according to the individual rule set at the highest event occurrence rate among the prediction results constituting the prediction pattern.
도 11은 놀이 공원에서 현재 위치, 날씨, 온도, 나이, 성별, 요일이라는 사용자의 상황 정보에 따라 생성한 예측 패턴과 예측 패턴으로부터 판단한 사용자의 예측값, 즉 사용자가 다음으로 방문하는 장소의 일 예를 도시하고 있다.FIG. 11 illustrates an example of a prediction pattern generated based on user's situation information such as current location, weather, temperature, age, gender, and day of the week in an amusement park, and a prediction value of the user determined from the prediction pattern, that is, a place where the user visits next. It is shown.
도 11을 참고로 보다 구체적으로 살펴보면, 사용자의 현재 위치, 날씨, 온도, 나이, 성별, 요일에 각각, 사용자 상황 정보에 따라 다음으로 방문하는 장소에 대한 개별 규칙을 적용하여 1, 2, 3, 3, 5, 1이라는 예측 결과를 추론하여 123351라는 예측 패턴을 생성하고, 생성한 예측 패턴과 일치하는 패턴 데이터베이스의 정답 패턴 "R1"을 검색하였다. 정답 패턴 "R1"의 결과값은 1이므로 사용자의 현재 상황에서 다음으로 방문하는 장소는 1로 예측한다.In more detail with reference to Figure 11, 1, 2, 3, by applying individual rules for the next visit place according to the user context information, respectively, the current location, weather, temperature, age, gender, day of the user By inferring the prediction results of 3, 5, and 1, a prediction pattern of 123351 was generated, and the correct answer pattern "R1" of the pattern database matching the generated prediction pattern was searched. Since the result value of the correct answer pattern "R1" is 1, the next place to visit in the current situation of the user is predicted as 1.
한편, 사용자의 현재 위치, 날씨, 온도, 나이, 성별, 요일에 각각 개별 규칙을 적용하여 1, 3, 2, 2, 1, 5라는 예측 결과를 추론하여 132251라는 예측 패턴을 생성하고, 생성한 예측 패턴과 일치하는 정답 패턴을 패턴 데이터베이스에서 검색한다. 그러나 생성한 예측 패턴과 일치하는 정답 패턴을 검색하지 못하는 경우 패턴 데이터베이스의 오답 패턴을 검색한다. 예측 패턴과 일치하는 패턴 데이터베이스의 오답 패턴 "W5"을 검색하였다. 오답 패턴 "W5"의 결과값은 4이므로 사용자의 현재 상황에서 다음으로 방문하는 장소는 4로 예측한다.Meanwhile, by applying individual rules to the user's current location, weather, temperature, age, gender, and day of the week, the prediction results of 1, 3, 2, 2, 1, and 5 are inferred, and a prediction pattern of 132251 is generated and generated. Search for a pattern database in the pattern database that matches the prediction pattern. However, if the correct answer pattern that matches the generated prediction pattern is not found, the incorrect pattern of the pattern database is searched. The incorrect pattern "W5" of the pattern database matching the prediction pattern was searched. Since the result value of the incorrect answer pattern "W5" is 4, the next place to visit in the current situation of the user is predicted to be 4.
한편, 사용자의 현재 위치, 날씨, 온도, 나이, 성별, 요일에 각각 개별 규칙을 적용하여 3, 2, 5, 3, 4, 4라는 예측 결과를 추론하여 325344라는 예측 패턴을 생성한다. 생성한 예측 패턴과 일치하는 정답 패턴 또는 오답 패턴이 패턴 데이터베이스에서 검색되지 않으므로 각 예측 결과를 추론하는데 사용된 개별 규칙 중 가장 높은 이벤트 발생 비율을 가지는 개별 규칙, 즉 날씨에 대한 개별규칙으로 사용자의 다음 방문 장소는 2로 예측한다.Meanwhile, a prediction pattern of 3, 2, 5, 3, 4, and 4 is inferred by applying individual rules to the user's current location, weather, temperature, age, gender, and day of the week to generate a prediction pattern of 325344. Since the correct or incorrect pattern that matches the forecast pattern you created is not retrieved from the pattern database, the individual rule with the highest event rate among the individual rules used to infer each prediction result, that is, the individual rule for the weather. Predict the place of
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.Meanwhile, the above-described embodiments of the present invention can be written as a program that can be executed in a computer, and can be implemented in a general-purpose digital computer that operates the program using a computer-readable recording medium.
상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.The computer-readable recording medium may include a magnetic storage medium (eg, ROM, floppy disk, hard disk, etc.), an optical reading medium (eg, CD-ROM, DVD, etc.) and a carrier wave (eg, the Internet). Storage medium).
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다. Although the present invention has been described with reference to the embodiments shown in the drawings, this is merely exemplary, and it will be understood by those skilled in the art that various modifications and equivalent other embodiments are possible. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.
도 1은 본 발명의 일 실시예에 따른 패턴 기반 예측 장치의 기능 블록도를 도시하고 있다.1 is a functional block diagram of a pattern based prediction apparatus according to an embodiment of the present invention.
도 2는 본 발명에 따른 패턴 기반 예측 방법을 설명하는 흐름도를 도시하고 있다.2 is a flowchart illustrating a pattern-based prediction method according to the present invention.
도 3은 개별 규칙 데이터베이스를 생성하는 방법의 일 예를 설명하는 흐름도를 도시하고 있다.3 shows a flow chart illustrating an example of a method of creating a separate rules database.
도 4는 본 발명에 따른 개별 규칙의 일 예를 도시하고 있다. 4 shows an example of an individual rule according to the present invention.
도 5는 테스트 데이터베이스에서 정답 패턴을 생성하여 등록하는 방법을 설명하는 흐름도이다.5 is a flowchart illustrating a method of generating and registering a correct answer pattern in a test database.
도 6은 테스트 데이터베이스에서 오답 패턴을 생성하여 등록하는 방법을 설명하는 흐름도이다.6 is a flowchart illustrating a method of generating and registering an incorrect pattern in a test database.
도 7은 패턴 데이터베이스에 저장되어 있는 정답 패턴의 일 예를 도시하고 있다.7 illustrates an example of a correct answer pattern stored in a pattern database.
도 8은 패턴 데이터베이스에 저장되어 있는 오답 패턴의 일 예를 도시하고 있다.8 illustrates an example of an incorrect answer pattern stored in a pattern database.
도 9는 본 발명의 일 실시예에 따라 패턴 데이터베이스의 정답 패턴에 기초하여 예측 패턴으로부터 사용자의 다음 상황을 예측하는 방법을 보다 구체적으로 설명하는 흐름도이다.9 is a flowchart illustrating a method of predicting a user's next situation from a prediction pattern based on a correct answer pattern of a pattern database according to an embodiment of the present invention in more detail.
도 10은 본 발명의 일 실시예에 따라 패턴 데이터베이스의 오답 패턴에 기 초하여 예측 패턴으로부터 사용자의 다음 상황을 예측하는 방법을 보다 구체적으로 설명하는 흐름도이다. 10 is a flowchart illustrating a method of predicting a user's next situation from a prediction pattern based on an incorrect pattern of a pattern database according to an embodiment of the present invention in more detail.
도 11은 놀이 공원에서 현재 위치, 날씨, 온도, 나이, 성별, 요일이라는 사용자의 상황 정보에 따라 생성한 예측 패턴과 예측 패턴으로부터 판단한 사용자의 예측값, 즉 사용자가 다음으로 방문하는 장소의 일 예를 도시하고 있다.FIG. 11 illustrates an example of a prediction pattern generated based on user's situation information such as current location, weather, temperature, age, gender, and day of the week in an amusement park, and a prediction value of the user determined from the prediction pattern, that is, a place where the user visits next. It is shown.
<도면의 주요 부분에 대한 설명>Description of the main parts of the drawing
110: 사용자 정보 획득부110: user information acquisition unit
120: 예측 패턴 생성부120: prediction pattern generator
130: 개별 규칙 데이터베이스130: Individual rule database
140: 패턴 검색부140: pattern search unit
150: 패턴 데이터베이스150: pattern database
160: 예측부160: prediction unit
Claims (11)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090040817A KR101052411B1 (en) | 2009-05-11 | 2009-05-11 | How to predict your situation with pattern inference |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090040817A KR101052411B1 (en) | 2009-05-11 | 2009-05-11 | How to predict your situation with pattern inference |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20100121896A KR20100121896A (en) | 2010-11-19 |
| KR101052411B1 true KR101052411B1 (en) | 2011-07-28 |
Family
ID=43406983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090040817A KR101052411B1 (en) | 2009-05-11 | 2009-05-11 | How to predict your situation with pattern inference |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101052411B1 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101933712B1 (en) | 2017-07-19 | 2019-04-05 | 주식회사 삼오씨엔에스 | Integraed monitoring method for personal information security product |
| KR20210028952A (en) | 2019-09-05 | 2021-03-15 | 주식회사 에스링크 | Integrated monitoring system for personal information security product |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050025220A (en) * | 2003-09-05 | 2005-03-14 | 삼성전자주식회사 | Proactive user interface |
-
2009
- 2009-05-11 KR KR1020090040817A patent/KR101052411B1/en not_active IP Right Cessation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050025220A (en) * | 2003-09-05 | 2005-03-14 | 삼성전자주식회사 | Proactive user interface |
Non-Patent Citations (2)
| Title |
|---|
| 손병희, 외 3인, "Flexible Window 기법을 이용한 위치 예측 알고리즘 설계," 한국통신학회논문지, 제32권, 제6호, pp. 550-557, 2007년 6월* |
| 심재문 외 1인, "상황인식 서비스의 안정적 운영을 위한 온톨로지 추론 엔진 선택을 위한 사례기반 추론 접근법," 한국경영과학회지, 제33권, 제2호, 2008년 6월* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20100121896A (en) | 2010-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108804633B (en) | Content recommendation method based on behavior semantic knowledge network | |
| CN110309434B (en) | Track data processing method and device and related equipment | |
| KR101524971B1 (en) | Personality traits prediction method and apparatus based on consumer psychology | |
| CN111597449B (en) | Candidate word construction method and device for search, electronic equipment and readable medium | |
| CN111666450A (en) | Video recall method and device, electronic equipment and computer-readable storage medium | |
| Zhang et al. | Beyond the limits of predictability in human mobility prediction: Context-transition predictability | |
| US10572804B1 (en) | Platform evaluation and automatic transfer of a descriptive information infrastructure | |
| JP2010020490A (en) | Device for providing information on unfamiliar place, and method for providing information on unfamiliar place | |
| CN112199600A (en) | Target object identification method and device | |
| CN112488742A (en) | User attribute information prediction method and device, electronic equipment and storage medium | |
| Alvarez-Lozano et al. | Learning and user adaptation in location forecasting | |
| KR20210061739A (en) | Apparatus and method for providing user-customized recommending-information, and computer-readable recording media recorded a program for executing it | |
| JP2024508502A (en) | Methods and devices for pushing information | |
| CN117745355A (en) | Advertisement release system and release method based on mobile terminal | |
| EP3373166A1 (en) | Method and system for mapping attributes of entities | |
| KR101052411B1 (en) | How to predict your situation with pattern inference | |
| JP7200069B2 (en) | Information processing device, vector generation method and program | |
| Li et al. | Location prediction via bi-direction speculation and dual-level association | |
| Amirat et al. | Nextroute: a lossless model for accurate mobility prediction | |
| US8175902B2 (en) | Semantics-based interests in computing environments and systems | |
| Lakehal et al. | Ontology-based context-aware recommendation approach for dynamic situations enrichment | |
| KR101784106B1 (en) | A method for evaluating multi contents based on knowledge structure, an appratus using it and a method for recommending contents using knowledge structure | |
| US20180285758A1 (en) | Methods for creating and analyzing dynamic trail networks | |
| CN116932932A (en) | Prediction processing method and device for recommendation strategy | |
| JP2023170924A (en) | Information processing method, information processing device and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20090511 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20101125 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20110707 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20110721 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20110721 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| FPAY | Annual fee payment |
Payment date: 20140619 Year of fee payment: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20140619 Start annual number: 4 End annual number: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20150616 Year of fee payment: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20150616 Start annual number: 5 End annual number: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20160603 Year of fee payment: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20160603 Start annual number: 6 End annual number: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20170627 Year of fee payment: 7 |
|
| PR1001 | Payment of annual fee |
Payment date: 20170627 Start annual number: 7 End annual number: 7 |
|
| LAPS | Lapse due to unpaid annual fee | ||
| PC1903 | Unpaid annual fee |
Termination category: Default of registration fee Termination date: 20190501 |