KR101081916B1 - 사용자 적응적 서비스 장치 및 그 방법 - Google Patents

사용자 적응적 서비스 장치 및 그 방법 Download PDF

Info

Publication number
KR101081916B1
KR101081916B1 KR1020090113004A KR20090113004A KR101081916B1 KR 101081916 B1 KR101081916 B1 KR 101081916B1 KR 1020090113004 A KR1020090113004 A KR 1020090113004A KR 20090113004 A KR20090113004 A KR 20090113004A KR 101081916 B1 KR101081916 B1 KR 101081916B1
Authority
KR
South Korea
Prior art keywords
task
event
user
information
behavior pattern
Prior art date
Application number
KR1020090113004A
Other languages
English (en)
Other versions
KR20110056609A (ko
Inventor
엄영익
장현수
송창환
류상현
한강학
Original Assignee
성균관대학교산학협력단
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 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020090113004A priority Critical patent/KR101081916B1/ko
Publication of KR20110056609A publication Critical patent/KR20110056609A/ko
Application granted granted Critical
Publication of KR101081916B1 publication Critical patent/KR101081916B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

사용자 적응적 서비스 장치는, 사용자의 행동 발생 시에 사용자의 주변 환경 정보 및 사용자의 행동 정보를 포함하는 상황 정보를 수집하는 상황 정보 수집부, 수집된 상황 정보에 기초하여 발생한 사용자의 행동을 정의하는 이벤트를 생성하되, 이벤트는 사용자의 행동 정보를 태스크 정보로서 포함하는 것인 이벤트 생성부, 생성된 이벤트를 복수의 이벤트 쌍으로 구성하고, 이벤트 쌍에 포함된 각 이벤트의 태스크 간의 연관 지수에 기초하여 적어도 하나의 이벤트 쌍을 포함하는 사용자 행동 패턴을 검출하는 사용자 행동 패턴 검출부, 검출된 사용자 행동 패턴에 기초하여 제1 이벤트에 대한 태스크를 예측하는 태스크 예측부 및 각 이벤트들의 태스크 및 각 이벤트들의 태스크와 연관되어 예측된 태스크에 따라 응용 서비스를 제공하는 응용 서비스 제공부를 포함한다.
유비쿼터스, 상황 정보, 앙상블 기법

Description

사용자 적응적 서비스 장치 및 그 방법{APPARATUS AND METHOD FOR PROVIDING ADAPTIVE SERVICE FOR AN USER}
본 발명은 사용자 적응적 서비스 장치 및 방법에 관한 것으로서, 보다 상세하게는, 유비쿼터스 환경에서 사용자의 상황 정보를 이용하여 적응적 서비스를 제공하는 장치 및 방법에 관한 것이다.
최근 들어 사용자가 시간과 장소에 상관없이 자유롭게 네트워크에 접속할 수 있는 유비쿼터스 기술에 대한 연구가 활발히 진행되고 있다. 이러한, 유비쿼터스 기술은 일상 생활 속에서 사용자의 목적을 자동으로 파악하여 사용자에게 필요한 서비스를 제공하는 것을 목표로 한다. 이와 같은 서비스 제공을 위하여 현재까지 유비쿼터스 기술에 대한 대부분의 연구는 사용자의 현 상황을 인식하여 가장 적절한 서비스를 예측하는 방법에 중점을 두어왔다.
기존의 서비스 예측 방식은 기설정된 규칙을 이용하여 기록된 상황 정보에 기초한 현재 상황에 대한 목표를 설정하고, 설정된 목표에 상응하는 응용 프로그램 을 수행하는 방식이 대부분이었다.
예를 들어, 종래의 서비스 예측 방식에서는 온톨로지(Ontology) 기술을 이용하여 기상, 교통, 위치 등의 상황 정보를 모델링하고, 사용자 활동 도메인 별로 처리해야 할 상황 정보를 분할하는 방식을 제안하였다.
또 다른 종래의 서비스 예측 방식에서는 센서로부터 수집된 상황 정보, 사용자나 서비스 등에 대한 정보를 포함하는 온톨로지 및 도메인 전문가들이 작성해둔 사실 정보에 따라 규칙을 기설정하고, 기설정된 규칙에 기초하여 제공할 서비스를 예측하는 방식을 제안하였다.
그런데, 이와 같은 종래의 서비스 예측 방식의 경우 서비스 예측의 기준이 되는 규칙들이 기설정되어 있거나, 특정 환경에 부합되는 규칙들에 따라 서비스를 예측함으로써 서비스 유연성이 떨어지게 된다. 또한, 사용자의 환경이 기설정된 규칙 이외의 환경일 때에는 해당하는 서비스의 예측이 불가능할 수 있는 단점이 있었다.
따라서, 사용자의 현재 행동 및 주변 환경에 적응적으로 서비스를 제공할 수 있는 장치 및 방법에 필요한 실정이다.
본 발명의 실시예는 사용자의 행동 정보 및 주변 환경 정보를 이용하여 현재 발생된 사용자의 행동 이후에 수행될 태스크를 예측하여 응용 서비스를 제공하는 사용자 적응적 서비스 장치 및 방법을 제공한다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 해당하는 사용자 적응적 서비스 장치는 사용자의 행동 발생 시에 상기 사용자의 주변 환경 정보 및 상기 사용자의 행동 정보를 포함하는 상황 정보를 수집하는 상황 정보 수집부; 상기 수집된 상황 정보에 기초하여 상기 발생한 사용자의 행동을 정의하는 이벤트를 생성하되, 상기 이벤트는 상기 사용자의 행동 정보를 태스크 정보로서 포함하는 것인 이벤트 생성부; 상기 생성된 이벤트를 복수의 이벤트 쌍으로 구성하고, 상기 이벤트 쌍에 포함된 각 이벤트의 태스크 간의 연관 지수에 기초하여 적어도 하나의 이벤트 쌍을 포함하는 사용자 행동 패턴을 검출하는 사용자 행동 패턴 검출부; 상기 검출된 사용자 행동 패턴에 기초하여 제1 이벤트에 대한 태스크를 예측하는 태스크 예측부; 및 각 이벤트들의 태스크 및 상기 각 이벤트들의 태스크와 연관되어 예측된 태스크에 따라 응용 서비스를 제공하는 응용 서비스 제공부를 포함한다.
또한, 본 발명의 제 2 측면에 따른 사용자 적응적 서비스 방법은, 사용자 행 동 발생 시의 상기 사용자의 행동 정보 및 주변 환경 정보를 포함하는 상황 정보에 기초하여 상기 사용자의 행동 정보를 태스크 정보로서 포함하는 이벤트를 생성하는 단계; 상기 생성된 이벤트들로부터 사용자 행동 패턴을 검출하는 단계; 상기 사용자 행동 패턴을 이용하여 제1 이벤트에 상응하는 태스크를 예측하는 단계; 및 상기 제1 이벤트에 포함된 태스크 및 상기 예측된 태스크를 이용하여 응용 서비스를 제공하는 단계를 포함한다.
전술한 본 발명의 과제 해결 수단에 의하면, 유비쿼터스 환경에서 수집된 주변 환경 정보 및 사용자의 행동 정보를 이용하여 학습적인 사용자 행동 패턴 검출을 수행함으로써 사용자의 행동 및 주변 환경에 적응적인 태스크 예측이 가능하다.
그리고, 전술한 본 발명의 과제 해결 수단에 의하면, 앙상블 기법을 통한 태스크 예측을 수행함으로써 발생된 사용자 행동에 대해 가장 적합한 서비스를 제공할 수 있다.
또한, 전술한 본 발명의 과제 해결 수단에 의하면, 발생된 사용자 행동에 대해 연결된 복수의 태스크 예측을 자동으로 수행함으로써 연속적인 서비스 실행이 가능하다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 실시예에 따른 사용자 적응적 서비스 장치를 도시한 도면이다.
도 1에서와 같이, 사용자 적응적 서비스 장치(100)는 상황 정보 수집부(110), 이벤트 생성부(120), 적응적 서비스 제어부(130), 응용 서비스 제공부(140)를 포함한다.
참고로, 도 1에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 구성 요소를 의미하며, 소정의 역할들을 수행한다.
그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.
구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.
한편, 본 발명의 실시예에 따른 사용자 적응적 서비스 장치(100)는 유비쿼터스 환경 내에서 사용자의 행동 정보 및 주변 환경 정보를 수집할 수 있다. 여기서, 유비쿼터스 환경은 유비쿼터스 시스템(미도시)을 통해 응용 서비스를 제공하는 공간으로서, 예를 들어, 집, 사무실, 건물, 각종 쇼핑몰 또는 놀이시설 등의 공간을 의미한다.
상황 정보 수집부(110)는 유비쿼터스 환경 내에서의 주변 환경 정보 및 사용자 행동 정보를 수집한다. 참고로, 주변 환경 정보는 사용자가 위치한 장소 또는 유비쿼터스 시스템 주변의 환경 정보 즉, 온도, 습도, 밝기, CO2 농도, 날씨 및 시간 등의 정보를 포함한다. 그리고, 사용자 행동 정보는 사용자가 유비쿼터스 시스템(미도시) 상에서 사용자가 서비스 장치(예를 들어, 각종 가전기기 등)를 사용 또는 조작하고자 할 때 발생되는 정보로서, 해당 서비스 장치 정보 및 명령 내용 정 보를 포함한다.
그리고, 상황 정보 수집부(110)는 유비쿼터스 시스템(미도시) 상에 구비된 각 센서(sensor)로부터 측정되는 온도, 습도, 밝기 등의 측정 값에 기초한 주변 환경 정보 및 환경 정보 제공자로부터 제공되는 날씨 및 시간 등의 주변 환경 정보를 수집한다. 여기서, 환경 정보 제공자는 날씨 정보 등을 제공하는 기상청 등의 기관이거나 시간 정보를 제공하는 GPS 시스템(미도시) 등을 포함할 수 있다.
이때, 본 발명의 실시예에 따른 사용자 적응적 서비스 장치(100)는 내부에 GPS 모듈, 블루투스 모듈 등의 통신 모듈을 구비할 수 있으며, 이러한 통신 모듈을 이용하여 환경 정보 제공자가 제공하는 각 환경 정보를 수집할 수 있다. 또한, 본 발명의 실시예에 따른 사용자 적응적 서비스 장치(100)는 유비쿼터스 시스템 상에 구비된 각종 통신 장치로부터 환경 정보 제공자가 제공하는 각 환경 정보를 전달받을 수 있는 통신 모듈을 더 포함할 수 있다.
그리고, 상황 정보 수집부(110)는 사용자가 조작 가능한 각종 단말 장치(예를 들어, PC, 휴대폰, PMP 등)를 통해 입력되는 사용자의 명령 및 유비쿼터스 시스템(미도시) 내의 각 서비스 장치에 직접 입력되는 사용자의 명령 등을 사용자 행동 정보로써 수집한다. 참고로, 상기 각종 단말 장치들은 유선 또는 무선 통신이 가능한 통신 모듈을 내/외부에 장착할 수 있다.
이때, 상황 정보 수집부(110)는 사용자 행동 정보가 수집될 당시의 주변 환경 정보 및 위치 정보를 함께 수집하여 이벤트 생성부(120)로 전송한다.
구체적으로, 상황 정보 수집부(110)는 사용자 행동 정보가 발생된 당시의 유 비쿼터스 시스템 주변의 환경 정보를 수집하거나, 사용자 행동 정보가 발생된 서비스 장치의 주변 환경 정보를 수집할 수 있다.
그리고, 상황 정보 수집부(110)는 사용자가 서비스 장치에 대한 명령을 입력한 통신 장치(예를 들어, 휴대폰 등)로부터 사용자의 위치 정보를 수집하거나, 기저장되어 있는 각 서비스 장치의 위치 정보를 이용하여 사용자가 직접 명령을 입력한 서비스 장치의 위치 정보를 수집한다.
이벤트 생성부(120)는 수집된 주변 환경 정보 및 사용자 행동 정보에 상응하는 이벤트를 생성하여 적응적 서비스 제어부(130)로 전송한다.
이때, 이벤트 생성부(120)는 수집되는 사용자 행동 정보로부터 태스크 정보를 검출하고, 상기 태스크 정보와 상기 태스크 정보 발생 당시의 주변 환경 정보 및 위치 정보를 매칭하여 이벤트를 생성한다. 여기서, 상기 태스크 정보는 사용자가 명령을 내린 서비스 장치 정보 및 명령 내용 정보를 포함한다.
예를 들어, 본 발명의 실시예에 따른 이벤트의 내용은 아래 수학식 1에서와 같이 집합 기호를 사용하여 나타낼 수 있다.
[수학식 1]
Figure 112009071593367-pat00001
이때, 수학식 1에서는 이벤트 'E'가 태스크 정보 't2', 위치 정보 'livingroom', 날씨 정보 'sunny'및 '0.8, 23, 0.45' 등의 적어도 하나의 요소(factor)를 포함하는 것을 나타내었다.
적응적 서비스 제어부(130)는 이벤트 생성부(120)로부터 수신되는 이벤트에 기초하여 사용자 행동 패턴을 검출하고, 검출된 사용자 행동 패턴에 기초하여 현재 발생된 태스크의 다음 태스크를 예측한다.
구체적으로, 적응적 서비스 제어부(130)는 입력되는 이벤트들에 포함된 각 주변 환경 정보 및 사용자 행동 정보에 기초하여 이벤트에 포함된 사용자 행동 정보 간의 연관 지수(Relation Index: RI)를 계산한다. 이때, 적응적 서비스 제어부(130)는 순차적으로 수신되는 이벤트를 기설정된 개수의 이벤트를 포함하는 이벤트 쌍으로 구분하고, 각 이벤트 쌍에 포함된 이벤트 간의 발생 시간 차 및 발생 횟수에 기초하여 연관 지수(RI)를 계산한다. 그리고, 적응적 서비스 제어부(130)는 계산된 연관 지수(RI)에 기초하여 적어도 하나의 이벤트 쌍을 포함하는 사용자 행동 패턴을 검출하고, 검출된 사용자 행동 패턴을 이용하여 현재 발생된 태스크에 상응하는 다음 태스크를 예측한다.
또한, 적응적 서비스 제어부(130)는 예측된 태스크에 따른 에이전트를 생성하여 응용 서비스 제어부(140)로 전달한다.
이와 같은, 적응적 서비스 제어부(130)의 태스크 예측 및 에이전트 생성에 대해서는 이후 도 2 내지 도 5를 참조하여 상세히 설명하기로 한다.
응용 서비스 제공부(140)는 유비쿼터스 환경에서 각종 서비스 장치들을 상기 예측된 태스크에 따라 제어하여 서비스를 제공한다. 이때, 응용 서비스 제공부(140)는 현재 주변 환경 및 사용자 행동 패턴에 상응하여 예측된 태스크를 수행함으로써 사용자 적응적인 서비스를 제공할 수 있다.
도 2는 도 1에서 나타낸 적응적 서비스 제어부의 구성을 나타낸 도면이다.
그리고, 도 3은 본 발명의 실시예에 따른 태스크 예측을 위한 데이터 베이스의 구조를 나타내는 도면이고, 도 4는 본 발명의 실시예에 따른 태스크 예측 방법을 설명하기 위한 의사 결정 트리를 나타낸 도면이다.
또한, 도 5는 본 발명의 실시예에 따른 예측 태스크 나무를 생성하는 과정을 설명하기 위한 도면이다.
먼저, 도 2에서와 같이, 본 발명의 실시예에 따른 적응적 서비스 제어부(130)는 행동 패턴 검출부(131), 태스크 예측부(132), 서비스 에이전트 생성부(133)를 포함한다.
행동 패턴 검출부(131)는 수신되는 이벤트들을 순차적으로 저장하고, 사용자 행동 상태가 유휴(idle) 상태일 때를 기준으로 적어도 하나의 이벤트를 포함하는 이벤트 시퀀스(Event Sequence: ES)를 생성한다.
구체적으로, 행동 패턴 검출부(131)는 수신되는 이벤트 중 사용자 행동 정보를 포함하는 이벤트를 마지막으로 수신한 이후 기설정된 임계 시간 내에 다음 사용자 행동 정보를 포함하는 이벤트가 수신되는지 판단한다. 그리고, 행동 패턴 검출부(131)는 상기 임계 시간 내에 다음 사용자 행동 정보를 포함하는 이벤트가 수신되지 않으면, 사용자 행동 상태를 유휴(idle) 상태로 판단한다. 그리고, 행동 패턴 검출부(131)는 이전 유휴 상태부터 다음 유휴 상태가 발생되기 직전까지 수신된 이벤트들을 포함하는 이벤트 시퀀스를 생성한다.
이때, 이벤트 시퀀스(ES)는 아래 수학식 2와 같이 나타낼 수 있다.
[수학식 2]
Figure 112009071593367-pat00002
이처럼, 수학식 2에서는 이벤트 시퀀스(ES)가 유휴(idle) 상태를 첫 번째 원소로 하여 k개의 이벤트를 원소를 갖는 것을 나타내었다.
그리고, 행동 패턴 검출부(131)는 이벤트 시퀀스(ES)에 포함된 복수의 이벤트들을 이용하여 사용자 행동 패턴을 검출한다.
구체적으로, 행동 패턴 검출부(131)는 이벤트 시퀀스(ES)에 포함된 이벤트들을 각각 2개의 이벤트로 구성되는 이벤트 쌍(Event Pair: EP)으로 구분한다. 이때, 하나의 이벤트 쌍에 포함되는 두 개의 이벤트는 순차적으로 수신된 이벤트로서, 본 발명의 실시예에서는 하나의 이벤트 쌍(EP)이 시간 순서상 이전(Previous) 이벤트와 현재(Current) 이벤트로 구성된다.
이때, 각 이벤트 쌍(EP)은 아래 수학식 3와 같은 방식으로 나타낼 수 있다.
[수학식 3]
Figure 112009071593367-pat00003
수학식 3에서 나타낸 바와 같이, 각 이벤트 쌍(EPi)은 이전 이벤트(Pi)와 현재 이벤트(Ci)로 구성되며, 각 이벤트 쌍은 이벤트 쌍 집합(Event Pair Set; EPS)의 원소이다. 그리고, 수학식 3에서는 이전 이벤트(Pi)에 포함된 태스크를 전위 태스크(t)로 나타내었고, 현재 이벤트(Ci)에 포함된 태스크를 후위 태스크(t')로 나타내 었다.
예를 들어, 행동 패턴 검출부(131)에 이전 유휴 상태 이후 다음 유휴 상태 직전까지 k개의 이벤트가 수신된 경우, 이벤트 쌍 집합(EPS)은 아래 수학식 4와 같이 나타낼 수 있다.
[수학식 4]
Figure 112009071593367-pat00004
이때, 행동 패턴 검출부(131)는 수학식 4에서와 같이 전위 태스크와 후위 태스크가 상이한 이벤트 쌍들을 이벤트 쌍 집합(EPS)으로 생성한다. 즉, 행동 패턴 검출부(131)는 전위 태스크와 후위 태스크가 동일한 이벤트 쌍은 이벤트 쌍 집합에서 제외한다.
실제적으로, k개의 이벤트들에 대한 이벤트 쌍 집합(EPS)의 원소들은 아래 수학식 5와 같은 복수개의 이벤트 쌍(EP)으로 나타낼 수 있다.
[수학식 5]
Figure 112009071593367-pat00005
한편, 행동 패턴 검출부(131)는 이벤트 쌍 집합(EPS)에 포함된 각각의 이벤트 쌍(EP)들에 대해 전위 및 후위 태스크의 연관 지수(RI)를 계산한다. 그리고, 행동 패턴 검출부(131)는 계산된 연관 지수(RI)가 기설정된 임계 값 이상의 값을 갖는 이벤트 쌍을 사용자 행동 패턴으로서 검출한다.
이때, 연관 지수(RI)는 아래 수학식 6과 같이 나타낼 수 있다.
[수학식 6]
Figure 112009071593367-pat00006
구체적으로, 수학식 6에서 |T|는 이벤트 쌍 집합(EPS)에서 해당 이벤트 쌍의 전위 태스크(t)와 후위 태스크(t')가 순차적으로 수행된 횟수를 나타낸다. 그리고, 수학식 6에서
Figure 112009071593367-pat00007
는 해당 이벤트 쌍의 전위 및 후위 태스크가 발생된 시간 차의 평균 값을 나타낸다. 따라서, 전위 및 후위 태스크가 발생된 시간이 가까울수록, 또한, 전위 및 후위 태스크가 순차적으로 발생된 횟수가 많을수록 두 태스크의 연관 지수(RI)는 큰 값을 갖는다.
이때, 행동 패턴 검출부(131)는 두 태스크의 연관 지수(RI)가 상기 임계 값 이상인 이벤트 쌍(EP)을 검출하여 사용자 행동 패턴으로 생성한다. 즉, 행동 패턴 검출부(131)는 이벤트 시퀀스(ES)에 포함된 이벤트 중 연관 지수(RI)가 상기 임계 값 이상인 적어도 하나의 이벤트 쌍을 사용자 행동 패턴으로써 검출한다.
그리고, 행동 패턴 검출부(131)는 검출된 사용자 행동 패턴을 태스크 예측부(132)로 제공한다.
또한, 행동 패턴 검출부(131)는 이전 사용자 행동 패턴을 검출한 이후 일정 기간 마다 또는 일정 개수의 이벤트가 수신될 때마다 사용자 행동 패턴을 검출하여 태스크 예측부(132)에 사용자 행동 패턴을 업데이트한다. 이와 같이, 기설정된 기준에 따라 사용자 행동 패턴의 업테이트를 수행함으로써 새로운 이벤트가 수신될 때마다 사용자 행동 패턴을 검출하는 경우보다 사용자 적응적 서비스 장치(100)의 부하를 줄일 수 있는 효과가 있다.
태스크 예측부(132)는 검출된 사용자 행동 패턴을 이용하여 현재 발생된 이벤트에 상응하는 다음 태스크를 예측한다. 참고로, 태스크 예측부(132)가 상기 다음 태스크를 예측하는 과정은 행동 패턴 검출부(131)가 사용자 행동 패턴을 검출하는 과정과 병렬적으로 실행되는 것이 바람직하다.
구체적으로, 태스크 예측부(132)는 태스크 예측에 이용할 사용자 행동 패턴에 포함된 각 이벤트 쌍(EP)과 각 태스크 정보 및 새로 발생된 이벤트를 관계형 데이터 베이스에 저장한다.
예를 들어, 도 3에서 나타낸 바와 같이, 태스크 예측 시 참고할 관계형 데이터 베이스에는 이벤트 쌍(EVENT PAIR) 리스트, 태스크(TASK) 정보 리스트 및 새로 발생된 이벤트(EVENT) 리스트를 포함하며, 각 리스트들이 서로 참조할 수 있도록 연계되어 저장된다.
이때, 상기 관계형 데이터 베이스의 이벤트 쌍(EVENT PAIR) 리스트에는 사용자 행동 패턴에 포함된 각 이벤트 쌍(EP)에 대한 전위 태스크 식별자(FK1)과 후위 태스크 식별자(FK1), 전위 및 후위 태스크 정보(PREV_TASK_SEQ, NEXT_TASK_SEQ), 후위 태스크에 관련된 정보 및 복수의 요소(FACTOR 1, FACTOR 2, FACTOR 3, FACTOR 4)들이 매칭되어 저장된다. 참고로, 후위 태스크에 관련된 정보는 전위 태스크와의 시간 차(INTERVAL) 정보, 위치(LOCATION) 정보 및 날씨(WHETHER) 정보 등을 포함한다. 그리고, 상기 관계형 데이터 베이스의 태스크(TASK) 정보 리스트에는 서비스 장치 정보(DEVICE), 명령 내용 정보(COMMAND) 및 파라미터(PARAMETER) 정보가 매칭되어 저장된다. 또한, 상기 관계형 데이터 베이스의 이벤트(EVENT) 리스트에는 새로 발생된 이벤트에 대한 태스크 정보(TASK_SEQ), 발생 시간 정보(EVENT_TIME), 위치 정보(LOCATION), 날씨(WHETHER) 정보 및 복수의 요소(FACTOR 1, FACTOR 2, FACTOR 3, FACTOR 4)들이 매칭되어 저장된다.
그리고, 태스크 예측부(132)는 관계형 데이터 베이스를 참조하여 새로 발생된 이벤트에 상응하는 다음 태스크를 예측한다. 참고로, 새로 발생된 이벤트는 이벤트 생성부(120)로부터 현재 수신되는 이벤트를 의미한다.
본 발명의 실시예에서는 태스크 예측부(132)가 앙상블 기법(ensemble technique) 중 배깅(bagging) 기법을 이용하여 상기 다음 태스크를 예측하는 것을 나타내었다.
여기서, 앙상블 기법은 배깅 기법, 부스팅(boosting) 기법 등의 기법이 대표적이며, 그 중 배깅 기법은 하나의 예측에 대해 서로 다른 모델들의 출력 결과를 통합하는 방식이다. 이때, 태스크 예측부(132)는 사용자 행동 패턴에 포함된 적어도 하나의 이벤트 쌍(EP)을 배깅 기법에서 필요한 트레이닝 인스턴스 집합으로 이용한다.
구체적으로, 태스크 예측부(132)는 상기 관계형 데이터 베이스에 포함된 각 이벤트 쌍 중 새로 발생된 이벤트에 상응하는 적어도 하나의 이벤트 쌍을 선택한다. 이때, 태스크 예측부(132)는 상기 관계형 데이터 베이스에 포함된 각 이벤트 쌍의 전위 태스크와 새로 발생된 이벤트의 태스크가 동일한 경우 해당 이벤트 쌍을 이용하여 의사 결정 트리(decision tree)를 생성한다. 또한, 태스크 예측부(132)는 새로 발생된 이벤트의 태스크와 동일한 전위 태스크를 갖는 이벤트 쌍에 대해 후위 태스크에 관련된 정보를 의사 결정 트리의 속성으로 사용한다.
예를 들어, 태스크 예측부(132)는 도 4에서 나타낸 바와 같은 의사 결정 트리를 생성한다. 이때, 본 발명의 실시예에 따른 태스크 예측부(132)는 도 4와 같은 의사 결정 트리를 25개까지 생성하는 것이 바람직하며, 참고로 상기 25개는 배깅 기법에서 성능 향상에 영향을 미칠 수 있는 의사 결정 트리의 개수 값을 의미한다.
도 4에서 나타낸 바와 같이, 의사 결정 트리는 새로 발생된 이벤트에 상응하는 태스크와 동일한 전위 태스크(PR_EV_TASK_SEQ)를 기준으로 생성된다. 이때, 의사 결정 트리의 의사 결정을 위한 속성들은 상기 관계형 데이터 베이스에 저장된 이벤트 쌍 중 해당 전위 태스크(PR_EV_TASK_SEQ)를 포함하는 적어도 하나의 이벤트 쌍의 각 하위 태스크의 관련 정보 및 요소(FACTOR)들을 이용하여 생성된다.
즉, 태스크 예측부(132)는 사용자 행동 패턴에 포함된 적어도 하나의 이벤트 쌍에 포함된 각 하위 태스크를 이용하여 도 4와 같은 의사 결정 트리를 복수 개 생성한다. 그리고, 태스크 예측부(132)는 생성된 복수의 의사 결정 트리들로부터 예측된 결과를 통합하여 가장 적합한 다음 태스크를 예측한다. 이때, 상기 예측되는 다음 태스크는 사용자 행동 패턴에 포함된 이벤트 쌍 중 새로 발생된 이벤트에 부합되는 이벤트 쌍의 하위 태스크로서, 새로 발생된 이벤트에 가장 적합한 주변 환경 정보를 갖는다.
그리고, 태스크 예측부(132)는 예측된 다음 태스크를 클래스로 설정하여 서 비스 에이전트 생성부(133)로 전송한다.
한편, 본 발명의 실시예에 따른 태스크 예측부(132)는 연속적인 서비스 수행을 위하여 상기 새로 발생된 이벤트에 상응하는 적어도 하나의 다음 태스크를 예측할 수 있다.
이때, 태스크 예측부(132)는 상기 새로 발생된 이벤트의 주변 환경 정보 및 이전에 예측된 다음 태스크의 정보를 이용하여 연이어 수행될 다음 태스크를 예측할 수 있다.
구체적으로, 태스크 예측부(132)는 상기 새로 발생된 이벤트에 포함된 사용자 행동 정보에 상응하여 예측된 다음 태스크(이하, '첫 번째 예측 태스크'라고 함)를 이용하여 다른 태스크를 연속하여 예측한다. 참고로, 태스크 예측부(132)는 첫 번째 예측 태스크를 예측할 때와 동일하게 앙상블 기법을 이용하여 연속하는 다음 태스크를 예측하며, 다음 태스크가 더 이상 예측되지 않을 때까지 재귀적으로 태스크 예측을 수행한다.
그리고, 태스크 예측부(132)는 첫 번째 예측 태스크 및 상기 첫 번째 예측 태스크에 연속되는 예측 태스크를 포함하는 예측 태스크 나무를 생성하고, 상기 예측 태스크 나무에 포함된 태스크를 순차적으로 클래스화하여 서비스 에이전트 생성부(133)로 전송한다.
예를 들어, 태스크 예측부(132)는 도 5의 (a)에서 나타낸 바와 같이, 상기 새로 발생된 이벤트에 포함된 주변 환경 정보(cont)와 태스크(task1)의 정보를 이용 하여 태스크 예측을 수행하여 첫 번째 예측 태스크(task2)를 검출한다. 이때, 본 발명의 실시예에 따른 태스크 예측부(132)는 앙상블 기법 중 배깅 기법을 이용하여 태스크 예측을 수행할 수 있다.
그런 후, 태스크 예측부(132)는 도 5의 (b)에서 나타낸 바와 같이, 동일한 주변 환경 정보(cont) 및 첫 번째 예측 태스크(task2)의 정보를 이용하여 두 번째 태스크 예측을 수행한다. 그 결과 도 5의 (c)에서 나타낸 바와 같이, 두 번째 예측 태스크(task4)가 검출된다.
이와 같은 방식으로, 본 발명의 실시예에 따른 태스크 예측부(132)는 새로 발생된 이벤트와 동일한 주변 환경 정보(cont) 및 이전에 예측된 예측 태스크의 정보를 이용하여 새로 발생된 이벤트에 상응하는 이후 태스크 예측을 수행한다.
한편, 도 5의 (d)에서는 세 번째 태스크 예측에서 다음 태스크가 예측되지 않는 것을 나타내었다. 즉, 도 5에서는 새로 발생된 이벤트에 포함된 태스크(task1)에 연속하는 두 개의 태스크(task2 , task4)가 다음 태스크로 예측되며, 이에 따라 태스크 예측부(132)는 새로 발생된 이벤트에 포함된 태스크, 첫 번째 예측 태스크 및 두 번째 예측 태스크를 순차적으로 포함하는 예측 태스크 나무를 생성한다.
이와 같이 함으로써, 본 발명의 실시예에 따른 사용자 적응적 서비스 장치(100)는 연속적인 서비스를 수행할 수 있다.
서비스 에이전트 생성부(133)는 수신되는 예측 태스크 나무에 상응하는 태스 크 클래스를 이용하여 서비스 에이전트의 동적 생성 정보를 생성한다. 이와 같은, 동적 생성 정보는 생성할 에이전트의 식별자, 태스크 수행 정보, 태스크 수행 위치 등을 포함한다. 참고로, 에이전트의 식별자는 생성할 서비스 에이전트의 특정 이름과 상위 플랫폼의 주소로 구성되며, 태스크 수행 정보는 각 태스크를 구분하는 아이디, 상위 태스크의 아이디, 명령의 내용 정보, 태스크의 수행 시 입력되어야 하는 요소 값 등의 정보를 포함한다.
그리고, 서비스 에이전트 생성부(133)는 생성된 동적 생성 정보에 따라 각 서비스 장치들에 대한 에이전트를 생성하여 응용 서비스 제어부(140)로 전달한다. 참고로, 본 발명의 실시예에서는 에이전트가 사용자가 각종 서비스 장치에 대해 원하는 작업을 수행하기 위한 소프트웨어인 것을 예로 나타내었다.
도 6은 본 발명의 실시예에 따른 사용자 적응적 서비스 방법을 설명하기 위한 순서도 이다.
먼저, 유비쿼터스 환경 내에서 사용자에 대한 상황 정보를 수집한다(S610).
이때, 상황 정보는 사용자가 위치한 장소, 사용자가 명령을 내린 서비스 장치 또는 유비쿼터스 시스템 중 어느 하나에 대한 주변 상황 정보 및 사용자가 서비스 장치에 내린 명령에 대한 사용자 행동 정보를 포함한다.
다음으로, 수집된 상황 정보에 대한 이벤트를 순차적으로 생성하고(S620), 생성된 이벤트를 이용하여 사용자 행동 패턴을 검출한다(S630).
구체적으로, 순차적으로 생성되는 이벤트들의 집합인 이벤트 시퀀스를 각각 생성 순서가 연속하는 두 개의 이벤트를 포함하는 복수의 이벤트 쌍으로 구분한다. 그리고, 각 이벤트 쌍에 포함된 이전 이벤트와 현재 이벤트 간의 발생 시간 차 및 이벤트 시퀀스 내 해당 이벤트 쌍의 발생 횟수에 기초하여 이벤트 쌍의 연관 지수(RI)를 계산한다. 그리고, 계산된 연관 지수(RI)가 기설정된 임계 값 이상을 갖는 적어도 하나의 이벤트 쌍을 사용자 행동 패턴으로 검출한다. 참고로, 이벤트는 각각 사용자 행동 정보에 상응하는 태스크 정보 및 주변 상황 정보를 포함한다.
그런 후, 검출된 사용자 행동 패턴을 이용하여 새로 생성된 이벤트에 상응하는 다음 태스크 예측을 수행한다(S640).
이때, 상기 새로 생성된 이벤트는 사용자 행동 패턴에 포함된 이벤트 쌍들과는 별개로 현재 수집된 상황 정보에 따라 발생된 이벤트를 의미한다. 예를 들어, 상기 새로 생성된 이벤트는 사용자 행동 패턴이 검출된 이후에 수집된 상황 정보에 따라 생성된 이벤트이다.
구체적으로, 새로 발생된 이벤트에 포함된 사용자 행동 정보를 검출하여 해당 태스크를 확인하고, 확인된 해당 태스크와 기검출된 사용자 행동 패턴을 이용하여 상기 해당 태스크 수행 이후에 수행할 가장 적합한 태스크를 예측한다. 참고로, 본 발명의 실시예에서는, 태스크 예측을 위해 앙상블 기법 중 배깅 기법을 사용할 수 있다.
또한, 본 발명의 실시예에서는, 상기 새로 발생된 이벤트에 상응하는 연속된 다음 태스크를 예측할 수 있다. 예를 들어, 상기 해당 태스크를 이용하여 예측된 첫 번째 예측 태스크 및 상기 새로 발생된 이벤트의 주변 환경 정보를 이용하여 두 번째 예측 태스크를 예측할 수 있다. 즉, 하나의 발생 이벤트에 상응하여 동일 주 변 환경 정보 및 이전에 예측된 태스크의 정보를 이용하여 연속되는 다음 태스크를 예측할 수 있다. 이와 같이, 하나의 이벤트에 대해서 연속하는 하나 이상의 태스크를 예측함으로써 적응적 서비스 수행 시간을 감소시키는 효과가 있다.
다음으로, 상기 새로 발생된 이벤트의 태스크 및 태스크 예측을 통해 예측된 태스크를 이용하여 응용 서비스를 제공한다(S650).
이때, 본 발명이 실시예에서는 상기 예측된 태스크를 클래스화하고, 각 클래스들을 서비스 에이전트로 생성하여 연속적인 응용 서비스를 제공할 수 있다.
한편, 도 6에서는 본 발명의 실시예에 따른 사용자 적응적 서비스 방법에서 사용자 행동 패턴을 검출한 후 새로 생성된 이벤트에 대한 태스크 예측을 수행하는 것을 나타내었다. 그런데, 이와 같은 사용자 행동 패턴 검출은 기설정된 일정 개수의 이벤트가 생성된 것으로 판단될 때마다 갱신될 수 있다.
또한, 본 발명의 실시예에 따른 사용자 적응적 서비스 방법에서는 사용자 행동 패턴을 검출을 수행하는 과정과 새로 생성되는 이벤트에 대한 태스크 예측을 수행하는 과정이 병렬적으로 수행될 수 있다.
본 발명의 장치 및 방법은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍처를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
도 1은 본 발명의 실시예에 따른 사용자 적응적 서비스 장치를 도시한 도면이다.
도 2는 도 1에서 나타낸 적응적 서비스 제어부의 구성을 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 태스크 예측을 위한 데이터 베이스의 구조를 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 태스크 예측 방법을 설명하기 위한 의사 결정 트리를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 예측 태스크 나무를 생성하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 사용자 적응적 서비스 방법을 설명하기 위한 순서도 이다.

Claims (12)

  1. 사용자 적응적 서비스 장치에 있어서,
    사용자의 행동 발생 시에 상기 사용자의 주변 환경 정보 및 상기 사용자의 행동 정보를 포함하는 상황 정보를 수집하는 상황 정보 수집부;
    상기 수집된 상황 정보에 기초하여 상기 발생한 사용자의 행동을 정의하는 이벤트를 생성하되, 상기 이벤트는 상기 사용자의 행동 정보를 태스크 정보로서 포함하는 것인 이벤트 생성부;
    상기 생성된 이벤트를 각각 연이어 생성된 두 개의 이벤트를 포함하는 복수의 이벤트 쌍으로 구성하고, 상기 이벤트 쌍에 포함된 각 이벤트의 태스크 간의 연관 지수에 기초하여 적어도 하나의 이벤트 쌍을 포함하는 사용자 행동 패턴을 검출하는 사용자 행동 패턴 검출부;
    상기 검출된 사용자 행동 패턴에 기초하여 제1 이벤트에 대한 태스크를 예측하는 태스크 예측부; 및
    각 이벤트들의 태스크 및 상기 각 이벤트들의 태스크와 연관되어 예측된 태스크에 따라 응용 서비스를 제공하는 응용 서비스 제공부를 포함하되,
    상기 연관 지수는,
    상기 이벤트 쌍 별로 포함된 태스크들의 순차적 발생 횟수 및 발생 시간 차에 기초하여 계산되는 것인 사용자 적응적 서비스 장치.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 사용자 행동 패턴 검출부는,
    상기 연관 지수가 기설정된 임계 값 이상으로 판단되는 이벤트 쌍을 상기 사용자 행동 패턴으로 검출하는 것을 특징으로 하는 사용자 적응적 서비스 장치.
  4. 제 1 항에 있어서,
    상기 태스크 예측부는,
    앙상블 기법을 이용하여 상기 제1 이벤트에 상응하는 다음 태스크를 예측하는 것을 특징으로 하는 사용자 적응적 서비스 장치.
  5. 제 1 항에 있어서,
    상기 태스크 예측부는,
    상기 사용자 행동 패턴에 포함된 이벤트 쌍 별 전위 태스크와 후위 태스크 및 후위 태스크의 관련 정보에 기초하여 상기 제1 이벤트에 상응하는 다음 태스크를 예측하는 것을 특징으로 하는 사용자 적응적 서비스 장치.
  6. 제 4 항 또는 제 5 항에 있어서,
    상기 태스크 예측부는,
    상기 제1 이벤트의 주변 환경 정보 및 상기 제1 이벤트에 상응하여 이전에 예측된 태스크의 정보에 기초하여 연이어 수행할 다음 태스크를 예측하는 것을 특징으로 하는 사용자 적응적 서비스 장치.
  7. 사용자 적응적 서비스 방법에 있어서,
    사용자 행동 발생 시의 사용자의 행동 정보 및 주변 환경 정보를 포함하는 상황 정보에 기초하여 상기 사용자의 행동 정보를 태스크 정보로서 포함하는 이벤트를 생성하는 단계;
    상기 생성된 이벤트들을 각각 순차적으로 발생 된 두 개의 이벤트를 포함하는 복수의 이벤트 쌍으로 구분하고, 상기 이벤트 쌍 별로 포함된 이벤트 간의 연관 지수에 기초하여 사용자 행동 패턴을 검출하는 단계;
    상기 사용자 행동 패턴을 이용하여 제1 이벤트에 상응하는 태스크를 예측하는 단계; 및
    상기 제1 이벤트에 포함된 태스크 및 상기 예측된 태스크를 이용하여 응용 서비스를 제공하는 단계를 포함하되,
    상기 연관 지수는,
    상기 이벤트 쌍 별로 포함된 태스크들의 순차적 발생 횟수 및 발생 시간 차에 기초하여 계산되는 것인 사용자 적응적 서비스 방법
  8. 삭제
  9. 삭제
  10. 제 7 항에 있어서,
    상기 사용자 행동 패턴을 검출하는 단계는,
    상기 연관 지수가 기설정된 임계 값 이상인 적어도 하나의 이벤트 쌍을 사용자 행동 패턴으로 검출하는 것을 특징으로 하는 사용자 적응적 서비스 방법.
  11. 제 7 항에 있어서,
    상기 태스크를 예측하는 단계는,
    상기 사용자 행동 패턴에 포함된 각 이벤트 쌍의 전위 태스크에 기초하여 상기 제1 이벤트에 상응하는 이벤트 쌍을 검출하는 단계; 및
    상기 검출된 이벤트 쌍의 하위 태스크의 관련 정보 및 상기 제1 이벤트의 주변 환경 정보에 기초하여 앙상블 기법을 통한 태스크 예측을 수행하는 단계를 포함하는 것을 특징으로 하는 사용자 적응적 서비스 방법.
  12. 제 7 항에 있어서,
    상기 태스크를 예측하는 단계는,
    상기 제1 이벤트의 주변 환경 정보 및 상기 제1 이벤트에 상응하여 이전에 예측된 태스크의 정보에 기초하여 연이어 수행할 다음 태스크를 예측하는 단계를 더 포함하는 것을 특징으로 하는 사용자 적응적 서비스 방법.
KR1020090113004A 2009-11-23 2009-11-23 사용자 적응적 서비스 장치 및 그 방법 KR101081916B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090113004A KR101081916B1 (ko) 2009-11-23 2009-11-23 사용자 적응적 서비스 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090113004A KR101081916B1 (ko) 2009-11-23 2009-11-23 사용자 적응적 서비스 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20110056609A KR20110056609A (ko) 2011-05-31
KR101081916B1 true KR101081916B1 (ko) 2011-11-09

Family

ID=44364944

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090113004A KR101081916B1 (ko) 2009-11-23 2009-11-23 사용자 적응적 서비스 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101081916B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101346287B1 (ko) * 2012-03-02 2013-12-31 주식회사 랭크웨이브 데이터 지수 설정 방법 및 그 장치
KR101368173B1 (ko) * 2012-05-31 2014-02-28 주식회사 엘지씨엔에스 계층 구조를 이용한 이벤트 처리 방법 및 그를 이용한 이벤트 처리 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
대리자를 이용한 군집화 기반 사용자 적응적 추천 모델(류상현 외 3명; 한국정보처리학회 논문집 제16권 제1호, 2009.04)*

Also Published As

Publication number Publication date
KR20110056609A (ko) 2011-05-31

Similar Documents

Publication Publication Date Title
CN108304758B (zh) 人脸特征点跟踪方法及装置
CN108304324B (zh) 测试用例生成方法、装置、设备及存储介质
CN109445848B (zh) 设备联动方法及装置
CN109818839A (zh) 应用于智能家居的个性化行为预测方法、装置和系统
KR20140059697A (ko) 사용자 의도 파악 어플리케이션 서비스 방법 및 서버와 이를 이용한 사용자 의도 파악 어플리케이션 서비스 시스템
CN102891916B (zh) 一种预测用户操作的方法及移动终端
CN102819574A (zh) 一种移动终端桌面显示方法及移动终端
CN106021463A (zh) 基于人工智能提供智能服务的方法、智能服务系统及智能终端
KR20170141248A (ko) 컴퓨팅 디바이스의 사용자에게 권고들을 선행적으로 제공하기 위한 시스템들 및 방법들
CN107967358A (zh) 目标地点的推荐方法、装置、存储介质及移动终端
US20150269195A1 (en) Model updating apparatus and method
CN111125519B (zh) 用户行为预测方法、装置、电子设备以及存储介质
CN107870810B (zh) 应用清理方法、装置、存储介质及电子设备
CN114822703A (zh) 一种化合物分子的逆合成预测方法以及相关装置
CN104640081A (zh) 一种信息提醒方法、装置和服务器
CN105468161A (zh) 指令执行方法和装置
EP2221719A1 (en) Next-step prediction system and method
CN113822460A (zh) 一种交通流量预测方法、装置、电子设备和存储介质
KR20130071755A (ko) 사용자 행동의 예측에 기반하여 서비스를 제공하기 위한 서비스 서버 및 단말
CN116304250A (zh) 一种基于可视化操作的智能规则引擎管理方法及系统
KR101081916B1 (ko) 사용자 적응적 서비스 장치 및 그 방법
CN112948763B (zh) 件量预测方法、装置、电子设备及存储介质
CN112612393A (zh) 界面功能的交互方法及装置
CN109640272B (zh) 一种定位方法及移动终端
CN107071188A (zh) 智能控制闹钟的方法、设备及可读存储介质

Legal Events

Date Code Title Description
A201 Request for examination
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: 20140923

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151102

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee