KR101167247B1 - 유사 사용자 그룹의 적응적 갱신 방법 및 그 장치 - Google Patents

유사 사용자 그룹의 적응적 갱신 방법 및 그 장치 Download PDF

Info

Publication number
KR101167247B1
KR101167247B1 KR1020080008589A KR20080008589A KR101167247B1 KR 101167247 B1 KR101167247 B1 KR 101167247B1 KR 1020080008589 A KR1020080008589 A KR 1020080008589A KR 20080008589 A KR20080008589 A KR 20080008589A KR 101167247 B1 KR101167247 B1 KR 101167247B1
Authority
KR
South Korea
Prior art keywords
user
similar
user group
list
users
Prior art date
Application number
KR1020080008589A
Other languages
English (en)
Other versions
KR20090082686A (ko
Inventor
장정록
황철주
이재황
이민호
최성환
조상욱
최윤주
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020080008589A priority Critical patent/KR101167247B1/ko
Priority to US12/349,117 priority patent/US8463640B2/en
Publication of KR20090082686A publication Critical patent/KR20090082686A/ko
Application granted granted Critical
Publication of KR101167247B1 publication Critical patent/KR101167247B1/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 실제 사용자(active user)의 컨텐츠 선호도를 예측하기 위한 유사 사용자 그룹(RUG: Recommend User Group)을 적응적으로 갱신하는 방법에 관한 것으로, 제1 사용자와 컨텐츠를 소비하는 유사도가 높은 사용자의 리스트인 제1 유사 사용자 그룹(RUG) 리스트에서 소정 수의 제2 사용자를 선택하는 단계와 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트에서 제1 사용자와 유사도가 높은 소정 수의 제3 사용자를 선택하는 단계와 선택된 제3 사용자를 구비하도록 제1 유사 사용자 그룹 리스트를 갱신하는 단계를 포함함으로써, 실제 사용자의 선호도가 변화함에 따라, 유사 사용자 그룹 또한 해당 선호도를 반영하여 최적의 유사 사용자들로 재구성될 수 있고, 이러한 최적의 유사 사용자 그룹 리스트 내의 다른 사용자들이 선호하는 컨텐츠를 해당 단말기의 사용자에게 추천해줌으로써 보다 양질의 컨텐츠를 제공할 수 있다.

Description

유사 사용자 그룹의 적응적 갱신 방법 및 그 장치{Method for updating a recommend user group adaptively and apparatus thereof}
본 발명은 유사 사용자 그룹의 적응적 갱신 방법에 관한 것으로, 보다 구체적으로는 실제 사용자(active user)의 컨텐츠 선호도를 예측하기 위한 유사 사용자 그룹(RUG: Recommend User Group)을 적응적으로 갱신하여, 실제 사용자가 보다 신뢰도 높은 유사 사용자 그룹의 리스트를 지속적으로 보유하게 하는 방법 및 장치에 관한 것이다.
본 발명은 추천시스템(recommend system) 및 협업 필터링(collaborative filtering) 분야에 관한 것으로, 특히 멀티미디어 시대에 넘쳐나는 컨텐츠 예를 들어, 디지털 방송으로 인한 수많은 방송 채널과 영화, 드라마, 음악 등의 다양한 문화 컨텐츠 또는 홈쇼핑의 대중화로 인한 상품 컨텐츠 등과 같은 많은 멀티미디어 컨텐츠 중에서 사용자에게 유용한 정보만을 선별하여 제공하기 위한 컨텐츠 선호도 예측 방법에 관한 것이다.
최근 이러한 컨텐츠의 양적 증가로 인해 개인이 자신에게 유용한 정보를 일일이 찾아내는 것이 불가능한 상황에서, 실제 사용자(active user)가 해당 컨텐츠 를 얼마나 선호할지를 예측하는 다양한 방법들이 시도되고 있다. 이런 경우에 컴퓨터나 단말기의 사용자 선호도 프로파일(profile)을 바탕으로, 유사한 선호도를 나타내는 사용자 그룹(user group)을 생성해서 해당 그룹의 사용자들로부터 컨텐츠를 추천받는 방법을 많이 사용하고 있다.
도 1은 종래 기술에 따른, 서버 기반의 군집 분류 및 컨텐츠 추천 방법을 설명하기 위한 도면이다.
도 1을 참조하면, 홈쇼핑, 뉴스 등과 같은 컨텐츠를 제공하는 웹 서버에는 고객의 데이터를 관리하는 데이터베이스(DB, 110)가 구비되어 있다. 도 1에서 고객 데이터베이스는 사용자의 정보를 저장하고 있는 데이터베이스로서, 사용자의 기본적인 정보를 비롯하여 해당 웹 서버에서의 사용자의 활동정보를 저장하며, 군집이란 고객 데이터베이스를 기초로 성향이 비슷한 사용자들을 하나의 그룹으로 생성한 것을 뜻한다.
컨텐츠 제공자는 이러한 고객 데이터베이스(110)를 이용하여, 고객을 다양한 군집(group, 120)으로 나누어 보다 효율적으로 관리하고자 한다. 해당 서버를 이용하는 대상 고객(160)이 있을 때, 대상 고객(160)은 컨텐츠 제공자의 인터넷 웹 서버와 같은 네트워크에 접속하여 본인정보를 입력하게 되고, 이러한 정보 및 대상 고객(160)의 활동 기록을 분석하여 컨텐츠 제공자는 상기 대상 고객이 속할 군집을 선정한다(130). 다음으로, 선정된 군집 내에서 사례 기반 추론(또는 패턴 기반 추론)을 활용하여, 대상 고객과 가장 유사한 다른 고객을 검색한다(140). 마지막으로, 이렇게 검색된 유사 고객이 구입한 상품들을 이용하여 추천결과를 생성하고, 대상 고객(160)에게 제공한다.
이러한 일련의 과정을 예를 들어 설명하면 다음과 같다.
(i) 사용자는 웹 서버에 로그인 과정(ID 및 비밀번호를 입력)을 통해 접속한다.
(ii) 사용자는 해당 웹 서버의 특징에 맞는 일련의 일을 처리한다. 예를 들어, 아마존(Amazon)과 같은 전자상거래 사이트에 접속한 경우에는 사용자가 원하는 물건을 검색해서 그 결과를 바탕으로 구매 혹은 관심리스트 체크 등의 일반적인 과정을 수행하게 된다.
(iii) 웹 서버는 위의 과정에서 사용자의 일련의 움직임과 동작을 분석해서 해당 사용자의 성향을 판단할 수 있다. 예를 들어, 전자상거래 사이트라고 가정한다면, 사용자가 검색한 항목 또는 검색 결과 중에서 직접 액세스해서 본 항목이나 구매한 항목 또는 관심리스트에 추가한 항목 등을 바탕으로 사용자의 성향을 판단할 수 있게 된다.
(iv) 웹 서버는 자신의 서버에 등록된 모든 사용자들의 성향을 위와 같이 분석해서, 비슷한 성향을 나타내는 사용자들을 각각의 그룹으로 묶어서 관리한다.
(v) 상기와 같은 과정을 통해 웹 서버에 속해 있는 사용자는 하나의 군집(group)에 속하게 되고, 웹 서버는 사용자가 속해 있는 군집의 특성에 맞춰 사용자에게 특화된 서비스를 제공한다.
그러나, 종래의 이러한 추천 시스템은 다음과 같은 문제점이 있다.
먼저, 종래 기술은 웹 서버라는 제약이 있다. 예를 들어, 제1 웹 서버에 속 해 있는 사용자들을 바탕으로 각각의 그룹이 생성되었다면, 사용자가 다른 제2 웹 서버에 접속한 경우에는 또 다른 사용자 그룹을 생성해야만 하고, 이전의 제1 웹 서버의 데이터를 활용할 수 없게 된다.
다음으로, 종래 기술은 사용자가 쓰는 컴퓨터나 네트워크 단말기에서 사용자의 성향을 파악하는 것이 아니라, 해당 웹 서버에 접속해서 활동하는 것을 바탕으로 사용자의 성향을 파악하는 것이므로, 사용자의 성향을 제대로 반영하지 못할 수 있다. 예를 들어, 블로그, 미니 홈피와 같은 개인화 서비스를 제공하는 웹 서버는 사용자가 해당 웹 서버에 접속해서 자신이 직접 선택한 선호도나 기타 해당 웹 서버 내의 사용성향을 분석해서 그에 맞춰 개인화 서비스를 제공하고 있다. 하지만, 사용자가 해당 웹 서버를 떠나서 행동하는 사항에 대해서는 이를 분석에 반영하지 못하고 있다.
따라서, 본 발명은 상기와 같은 문제점을 해결하기 위하여 고안된 것으로, 본 발명이 이루고자 하는 기술적 과제는 서버 기반이 아닌, 개인 대 개인의 네트워크 환경에서 실제 사용자의 유사 사용자 그룹 정보를 적응적으로 갱신하여, 실제 사용자가 보다 신뢰도 높은 유사 사용자 그룹의 리스트를 지속적으로 보유하게 하는 방법과 그 장치를 제공하는 것이다.
상기 기술적 과제는 본 발명에 따라, 네트워크에 연결된 제1 사용자가 구비하는 제1 유사 사용자 그룹(Recommend User Group) 리스트를 적응적으로 갱신하는 방법에 있어서, 제1 사용자와 컨텐츠를 소비하는 유사도가 높은 사용자의 리스트인 상기 제1 유사 사용자 그룹(RUG) 리스트에서 소정 수의 제2 사용자를 선택하는 단계와; 상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트에서 상기 제1 사용자와 유사도가 높은 소정 수의 제3 사용자를 선택하는 단계와; 상기 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 단계를 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 방법에 의해 해결된다.
상기 제2 사용자를 선택하는 단계는, 상기 제1 사용자의 컨텐츠 소비 성향을 나타내는 메타 데이터 정보인 제1 프로파일과 상기 제1 유사 사용자 그룹 리스트 내의 상기 제2 사용자를 포함한 다른 사용자의 제2 프로파일을 서로 비교하는 단계를 더 포함하는 것이 바람직하다.
상기 소정 수의 제2 사용자는 상기 비교 결과에 기초하여 상기 컨텐츠를 소비하는 유사도가 높은 순서로 선택되는 것이 바람직하다.
상기 제3 사용자를 선택하는 단계는, 상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트를 수신하는 단계와; 상기 제1 사용자의 제1 프로파일과 상기 수신된 제2 유사 사용자 그룹 리스트 내의 상기 제3 사용자를 포함한 다른 사용자의 제3 프로파일을 서로 비교하는 단계를 더 포함하는 것이 바람직하다.
상기 소정 수의 제3 사용자는 상기 비교 결과에 기초하여 상기 유사도가 높은 순서로 선택되는 것이 바람직하다.
상기 유사 사용자 그룹 리스트를 갱신하는 단계는, 상기 제1 프로파일과 제2 프로파일을 비교한 결과에 기초하여, 상기 제1 유사 사용자 그룹 리스트에서 상기 유사도가 낮은 소정 수의 제4 사용자를 선택하는 단계와; 상기 제1 유사 사용자 그룹 리스트에서 상기 선택된 제4 사용자 대신에 상기 선택된 제3 사용자를 구비하도록 갱신하는 단계를 더 포함하는 것이 바람직하다.
상기 제1 유사 사용자 그룹 리스트는 주기적으로 갱신되는 것이 바람직하다.
한편 본 발명의 다른 분야에 따르면, 상기 기술적 과제는 네트워크에 연결된 제1 사용자가 구비하는 제1 유사 사용자 그룹(Recommend User Group) 리스트를 적응적으로 갱신하는 장치에 있어서, 제1 사용자와 컨텐츠를 소비하는 유사도가 높은 사용자의 리스트인 상기 제1 유사 사용자 그룹(RUG) 리스트에서 소정 수의 제2 사용자를 선택하는 제1 선택부와; 상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트에서 상기 제1 사용자와 유사도가 높은 소정 수의 제3 사용자를 선 택하는 제2 선택부와; 상기 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 유사 사용자 그룹 갱신부를 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 장치에 의해서도 해결된다.
상기 제1 선택부는, 상기 제1 사용자의 컨텐츠 소비 성향을 나타내는 메타 데이터 정보인 제1 프로파일과 상기 제1 유사 사용자 그룹 리스트 내의 상기 제2 사용자를 포함한 다른 사용자의 제2 프로파일을 서로 비교하는 제1 비교부를 더 포함하는 것이 바람직하다.
상기 제1 선택부는, 상기 제1 비교부의 비교 결과에 기초하여 상기 컨텐츠를 소비하는 유사도가 높은 순서로 상기 소정 수의 제2 사용자를 선택하는 것이 바람직하다.
상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트를 수신하는 네트워크 인터페이스를 더 포함하며, 상기 제2 선택부는, 상기 제1 사용자의 제1 프로파일과 상기 수신된 제2 유사 사용자 그룹 리스트 내의 상기 제3 사용자를 포함한 다른 사용자의 제3 프로파일을 서로 비교하는 제2 비교부를 더 포함하는 것이 바람직하다.
상기 제2 선택부는, 상기 제2 비교부의 비교 결과에 기초하여 상기 유사도가 높은 순서로 상기 소정 수의 제3 사용자를 선택하는 것이 바람직하다.
상기 유사 사용자 그룹 갱신부는, 상기 제1 비교부에서 제1 프로파일과 제2 프로파일을 비교한 결과에 기초하여, 상기 제1 유사 사용자 그룹 리스트에서 상기 유사도가 낮은 소정 수의 제4 사용자 대신에 상기 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 것이 바람직하다.
나아가 본 발명은 유사 사용자 그룹의 갱신 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체를 포함한다.
본 발명에 의한 유사 사용자 그룹의 적응적 갱신 방법과 그 장치에 따르면, 사용자의 선호도가 변화함에 따라, 유사 사용자 그룹 또한 해당 선호도를 반영하여 최적의 유사 사용자들로 재구성될 수 있다. 따라서, 이러한 최적의 유사 사용자 그룹 리스트 내의 다른 사용자들이 선호하는 컨텐츠를 해당 단말기의 사용자에게 추천해줌으로써 보다 양질의 컨텐츠를 제공할 수 있다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 도면에 기재된 내용을 참조하여야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대해 상세히 설명한다.
본 발명은 컴퓨터나 네트워크 통신이 가능한 단말기의 사용자에게, 해당 사용자의 선호도가 반영된 컨텐츠를 추천하는 시스템에 있어서, 사용자의 선호도와 비슷한 추천 사용자 그룹(이하 "유사 사용자 그룹(RUG: Recommend User Group)"이라고 한다)을 갱신하는 방법에 관한 것이다.
사용자의 선호도는 시간의 흐름에 따라 변하게 되는데, 본 발명은 이러한 변 화에 따라 유사 사용자 그룹도 해당 선호도에 맞는 사용자들로 재구성이 되어야 한다는 것에 착안한다.
이러한 지속적인 유사 사용자 그룹의 재구성은, 실제 사용자의 성향에 가장 유사한 사용자들로 그룹이 형성되게 하므로, 해당 그룹을 통해 추천된 컨텐츠는 실제 사용자를 만족시킬 가능성이 더욱 높아지게 된다.
도 2는 본 발명의 일 실시예에 따른, 개인 대 개인(peer-to-peer)의 네트워크 환경을 나타내는 도면이다.
도 2를 참조하면, 네트워크(200) 내에는 중심되는 서버(centralized server)가 없으며, 각각의 개인 사용자는 서로가 네트워크(200)를 통해 연결되는 구조를 띠고 있다. 또한 각각의 개인 사용자(210)는 자신의 컨텐츠 소비 성향을 나타내는 메타 데이터의 일종인 프로파일(profile)을 보유하고 있다. 이하, 후술하겠지만 본 발명에서는 이러한 사용자의 프로파일(user profile)을 사용하여, 사용자 사이의 유사도(또는 적합도)를 평가한다.
도 3은 본 발명의 다른 실시예에 따른, 유사 사용자 그룹의 적응적 갱신 방법을 설명하기 위한 플로우 차트이다.
도 3을 참조하면, 본 발명의 적응적 갱신 방법은 제1 사용자와 컨텐츠를 소비하는 유사도가 높은 사용자의 리스트인 제1 유사 사용자 그룹(RUG) 리스트에서 소정 수의 제2 사용자를 선택하는 단계(310)와 선택된 제2 사용자가 구비하는 다른 제2 유사 사용자 그룹 리스트에서 제1 사용자와 유사도가 높은 소정 수의 제3 사용자를 선택하는 단계(320)와 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 단계(330)를 포함한다.
상기 본 발명의 갱신 방법이 반영된 일 실시예를 들면 다음과 같다.
(i) 먼저 컴퓨터나 네트워크 통신이 되는 단말기에서, 명시적(explicit) 또는 묵시적(implicit)인 피드백을 통해 해당 단말기를 사용하는 사용자의 성향을 프로파일로 생성한다. 네트워크가 되는 단말기에는 이렇게 사용자의 프로파일이 각각 존재하게 되고, 이런 프로파일은 네트워크를 통해 서로 공유가 된다.
(ii) 사용자는 자신의 성향과 비슷한 사람들을 하나의 유사 사용자 그룹(RUG)으로 생성한다. RUG 내의 사용자들이 좋게 평가한 컨텐츠는 사용자의 성향과 많이 유사하게 되므로, 차후에 컨텐츠 추천에 도움을 받을 수 있게 된다.
(iii) 그러나, 사용자의 성향은 시간이 지남에 따라 변하게 된다. 이러한 변화를 감지해서 새로운 사용자 프로파일 생성이 되면, 기존의 RUG에 존재하는 다른 사용자의 성향과는 조금 달라지게 된다.
(iv) 주기적으로 또는 사용자가 원하는 경우에, 이렇게 변화한 사용자의 성향과 RUG 내의 다른 사용자의 성향을 바탕으로 유사도(또는 적합도) 평가를 한다.
(v) 평가를 통해 나타난 유사도를 바탕으로 사용자들간의 성향이 얼마나 비슷한지를 서로 비교할 수 있게 된다. 이러한 비교 과정을 지속적으로 거치면서 사용자는 자신의 성향과 가장 유사한 사용자들로만 구성이 되는 RUG를 지속적으로 갱신, 유지할 수 있게 된다.
이하, 도 4를 참조하여 본 발명의 갱신 방법을 단계별로 보다 상세히 살펴본다.
도 4는 본 발명의 다른 실시예에 따른, 유사 사용자 그룹 리스트를 갱신하는 동작 과정을 나타내는 도면이다. 도 4a는 상기 단계 310에 대응하고, 도 4b는 상기 단계 320에 대응하며, 도 4c는 상기 단계 330에 대응한다.
여기서 사용자(U-1 내지 U-n)의 프로파일(profile)은 앞서 언급한 바와 같이 컴퓨터나 단말기에서 사용자의 명시적/묵시적 피드백 등을 통해 사용자의 성향을 표현한 메타데이터 정보이며, 컴퓨터나 단말기에서, 사용자의 프로파일이 구비한 값과 비슷한 값을 갖는 프로파일을 가진 다른 사용자들을 하나의 그룹으로 생성하여 RUG(Recommend User Group)를 구비한다. 또한, RUG 내의 각각의 사용자 프로파일과, 해당 단말기 사용자의 프로파일을 입력으로 하여 유사도 함수를 통해 각각의 유사도(F-1 내지 F-n)를 평가하는 것을 유사도 평가라 한다. 도 4에서는 "사용자 1"(제1 사용자)의 프로파일과 RUG 내의 다른 사용자의 프로파일을 서로 비교한다.
도 4a를 참조하면, 먼저 제1 사용자의 RUG(410)를 평가한다. 즉, RUG(410) 내의 U-1 내지 U-n의 프로파일과 제1 사용자의 프로파일을 유사도 함수를 통하여 평가한다. 유사도 함수란, 상기 입력으로 받은 프로파일을 서로 비교하는 함수이다. 유사도 평가 결과, RUG(420)에는 각각의 사용자(U-1 내지 U-n)와의 유사도 평가 점수(F-1 내지 F-n)가 나타난다. 일 실시예에서, 유사도 평가 점수가 가장 높은 두 명의 사용자(제2 사용자)인 U-p1, U-p2를 선택한다.
도 4b를 참조하면, 상기 선택된 U-p1, U-p2가 보유하고 있는 각각의 RUG(430)를 요청하여 이를 수신하고, 각각의 RUG에 구비된 사용자의 프로파일을 다시 한번 제1 사용자의 프로파일과 비교하는 유사도 평가를 수행한다. 수행된 결 과, 유사도 평가 점수가 반영된 RUG(440)에서 가장 높은 점수를 획득한 두 명의 사용자(제3 사용자)인 U-x1, U-x2를 선택한다.
도 4c를 참조하면, 제1 사용자의 RUG(450)에서 상기 도 4a에서 유사도 평가로 가장 낮은 점수를 획득한 두 명의 사용자(제4 사용자, 451)인 U-i, U-j를 선택하고, 이들을 RUG에서 탈퇴시킨 후 상기 선택된 U-x1, U-x2(제3 사용자, 461)을 대신 RUG(460)에 가입시킨다. 이로써, 제1 사용자는 갱신된 RUG(460)를 보유하게 된다.
아울러, 제1 사용자의 RUG 내에 속한 모든 사용자 프로파일의 유사도 평가 점수(F-1 내지 F-n)가 문턱값(threshold) 이상이 될 때까지, 상기 도 4a 내지 도 4b의 일련의 갱신 작업을 계속 진행할 수 있다.
이러한 RUG의 갱신 및 유지를 위해, 유전자 알고리즘(Genetic Algorithm, GA)을 사용할 수 있다. 유전자 알고리즘(Genetic Algorithm, GA)은 적자 생존과 유전의 메카니즘을 바탕으로 하는 탐색 알고리즘으로서, 주어진 환경에 잘 적응하는 유전자만을 선택(selection)하고 교배(crossover)하고, 때에 따라서는 돌연변이(mutation)도 하며 다음 세대에 우수한 유전 형질이 전달(reproduction)되게 된다. 따라서, 시간이 지나 진화(evolution)가 거듭될수록 주어진 환경에 더 적합한 유전자들만이 남아있게 된다. 본 발명에서는 유전자 알고리즘을 사용하여, 상기와 같은 일련의 갱신 과정을 반복할수록 제1 사용자에 더욱더 최적화된 RUG를 생성하여 이를 보유하게 할 수 있다.
도 5는 본 발명의 또 다른 실시예에 따른, 유사 사용자 그룹의 적응적 갱신 장치를 나타내는 기능 블록도이다.
도 5를 참조하면, 본 발명의 갱신 장치(500)는 제1 사용자와 컨텐츠를 소비하는 유사도가 높은 사용자의 리스트인 제1 유사 사용자 그룹(즉, 제1 RUG) 리스트에서 소정 수의 제2 사용자(예를 들어, U-p1, U-p2)를 선택하는 제1 선택부(510)와 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트(즉, 제2 RUG)에서 제1 사용자와 유사도가 높은 소정 수의 제3 사용자(예를 들어, U-x1, U-x2)를 선택하는 제2 선택부(520)와 제1 유사 사용자 그룹 리스트가 이렇게 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 유사 사용자 그룹 갱신부(RUG 갱신부, 530)를 포함할 수 있다.
상기 제1 선택부(510)는 제1 사용자의 컨텐츠 소비 성향을 나타내는 메타 데이터 정보인 제1 프로파일과 제1 RUG 리스트 내의 다른 사용자의 제2 프로파일을 서로 비교하는 제1 비교부(511)를 더 포함할 수 있다. 제1 선택부(510)는 제1 비교부(511)의 비교 결과에 기초하여 컨텐츠를 소비하는 유사도가 높은 순서로 소정 수의 제2 사용자(예를 들어, U-p1, U-p2)를 선택한다.
갱신 장치(500)는 상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹(제2 RUG) 리스트를 수신하는 네트워크 인터페이스(540)를 더 포함할 수 있으며, 제2 선택부(520)는 제1 사용자의 프로파일과 상기 제2 RUG 리스트 내의 다른 사용자의 프로파일을 서로 비교하는 제2 비교부(521)를 더 포함할 수 있다.
상기 제2 선택부(520)는 제2 비교부(521)의 비교 결과에 기초하여 상기 유사도가 높은 순서로 소정 수의 제3 사용자(예를 들어, U-x1, U-x2)를 선택한다.
RUG 갱신부(530)는 제1 비교부(511)에서 제1 프로파일과 제2 프로파일을 비교한 결과에 기초하여, 유사도가 낮은 소정 수의 제4 사용자(예를 들어, U-i, U-j) 대신에 제1 RUG가 상기 선택된 제3 사용자(예를 들어, U-x1, U-x2)를 구비하도록 제1 RUG를 갱신한다.
이러한 RUG의 갱신 작업은 자동으로 주기적으로 일어날 수 있으며, 또는 사용자가 원하는 경우에 수행될 수도 있다.
한편, 상술한 본 발명의 유사 사용자 그룹의 갱신 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
또한, 상술한바와 같이 본 발명에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다.
상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위 에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
도 1은 종래 기술에 따른, 서버 기반의 군집 분류 및 컨텐츠 추천 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른, 개인 대 개인(peer-to-peer)의 네트워크 환경을 나타내는 도면이다.
도 3은 본 발명의 다른 실시예에 따른, 유사 사용자 그룹의 적응적 갱신 방법을 설명하기 위한 플로우 차트이다.
도 4는 본 발명의 다른 실시예에 따른, 유사 사용자 그룹 리스트를 갱신하는 동작 과정을 나타내는 도면이다.
도 5는 본 발명의 또 다른 실시예에 따른, 유사 사용자 그룹의 적응적 갱신 장치를 나타내는 기능 블록도이다.
상기 몇 개의 도면에 있어서 대응하는 도면 번호는 대응하는 부분을 가리킨다. 도면이 본 발명의 실시예들을 나타내고 있지만, 도면이 축척에 따라 도시된 것은 아니며 본 발명을 보다 잘 나타내고 설명하기 위해 어떤 특징부는 과장되어 있을 수 있다.

Claims (15)

  1. 유사 사용자 그룹의 갱신 장치가, 네트워크에 연결된 제1 사용자가 구비하는 제1 유사 사용자 그룹(Recommend User Group) 리스트를 적응적으로 갱신하는 방법에 있어서,
    제1 사용자와 컨텐츠를 소비하는 유사도가 높은 순서로 결정된 사용자의 리스트인 상기 제1 유사 사용자 그룹(RUG) 리스트에서, 상기 유사도가 높은 순서로 소정 수의 제2 사용자를 선택하는 단계와;
    상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트에서 상기 제1 사용자와의 유사도가 높은 순서로 소정 수의 제3 사용자를 선택하는 단계와;
    상기 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 단계를 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 방법.
  2. 제1항에 있어서,
    상기 제2 사용자를 선택하는 단계는,
    상기 제1 사용자의 컨텐츠 소비 성향을 나타내는 메타 데이터 정보인 제1 프로파일과 상기 제1 유사 사용자 그룹 리스트 내의 상기 제2 사용자를 포함한 다른 사용자의 제2 프로파일을 서로 비교하는 단계를 더 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 방법.
  3. 삭제
  4. 제2항에 있어서,
    상기 제3 사용자를 선택하는 단계는,
    상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트를 수신하는 단계와;
    상기 제1 사용자의 제1 프로파일과 상기 수신된 제2 유사 사용자 그룹 리스트 내의 상기 제3 사용자를 포함한 다른 사용자의 제3 프로파일을 서로 비교하는 단계를 더 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 방법.
  5. 삭제
  6. 제4항에 있어서,
    상기 유사 사용자 그룹 리스트를 갱신하는 단계는,
    상기 제1 프로파일과 제2 프로파일을 비교한 결과에 기초하여, 상기 제1 유사 사용자 그룹 리스트에서 상기 유사도가 낮은 순서로 소정 수의 제4 사용자를 선택하는 단계와;
    상기 제1 유사 사용자 그룹 리스트에서 상기 선택된 제4 사용자 대신에 상기 선택된 제3 사용자를 구비하도록 갱신하는 단계를 더 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 방법.
  7. 제6항에 있어서,
    상기 제1 유사 사용자 그룹 리스트는 주기적으로 갱신되는 것을 특징으로 하는 유사 사용자 그룹의 갱신 방법.
  8. 네트워크에 연결된 제1 사용자가 구비하는 제1 유사 사용자 그룹(Recommend User Group) 리스트를 적응적으로 갱신하는 장치에 있어서,
    제1 사용자와 컨텐츠를 소비하는 유사도가 높은 순서로 결정된 사용자의 리스트인 상기 제1 유사 사용자 그룹(RUG) 리스트에서, 상기 유사도가 높은 순서로 소정 수의 제2 사용자를 선택하는 제1 선택부와;
    상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트에서 상기 제1 사용자와의 유사도가 높은 순서로 소정 수의 제3 사용자를 선택하는 제2 선택부와;
    상기 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 유사 사용자 그룹 갱신부를 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 장치.
  9. 제8항에 있어서,
    상기 제1 선택부는, 상기 제1 사용자의 컨텐츠 소비 성향을 나타내는 메타 데이터 정보인 제1 프로파일과 상기 제1 유사 사용자 그룹 리스트 내의 상기 제2 사용자를 포함한 다른 사용자의 제2 프로파일을 서로 비교하는 제1 비교부를 더 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 장치.
  10. 삭제
  11. 제9항에 있어서,
    상기 선택된 제2 사용자가 구비하는 제2 유사 사용자 그룹 리스트를 수신하는 네트워크 인터페이스를 더 포함하며,
    상기 제2 선택부는, 상기 제1 사용자의 제1 프로파일과 상기 수신된 제2 유사 사용자 그룹 리스트 내의 상기 제3 사용자를 포함한 다른 사용자의 제3 프로파일을 서로 비교하는 제2 비교부를 더 포함하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 장치.
  12. 삭제
  13. 제11항에 있어서,
    상기 유사 사용자 그룹 갱신부는,
    상기 제1 비교부에서 제1 프로파일과 제2 프로파일을 비교한 결과에 기초하여, 상기 제1 유사 사용자 그룹 리스트에서 상기 유사도가 낮은 순서로 소정 수의 제4 사용자 대신에 상기 선택된 제3 사용자를 구비하도록 상기 제1 유사 사용자 그룹 리스트를 갱신하는 것을 특징으로 하는 유사 사용자 그룹의 갱신 장치.
  14. 제13항에 있어서,
    상기 제1 유사 사용자 그룹 리스트는 주기적으로 갱신되는 것을 특징으로 하는 유사 사용자 그룹의 갱신 장치.
  15. 제1항, 제2항, 제4항, 제6항 및 제7항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체.
KR1020080008589A 2008-01-28 2008-01-28 유사 사용자 그룹의 적응적 갱신 방법 및 그 장치 KR101167247B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020080008589A KR101167247B1 (ko) 2008-01-28 2008-01-28 유사 사용자 그룹의 적응적 갱신 방법 및 그 장치
US12/349,117 US8463640B2 (en) 2008-01-28 2009-01-06 Method and appartus for adaptively updating recommend user group

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080008589A KR101167247B1 (ko) 2008-01-28 2008-01-28 유사 사용자 그룹의 적응적 갱신 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20090082686A KR20090082686A (ko) 2009-07-31
KR101167247B1 true KR101167247B1 (ko) 2012-07-23

Family

ID=40900267

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080008589A KR101167247B1 (ko) 2008-01-28 2008-01-28 유사 사용자 그룹의 적응적 갱신 방법 및 그 장치

Country Status (2)

Country Link
US (1) US8463640B2 (ko)
KR (1) KR101167247B1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9870480B2 (en) 2010-05-27 2018-01-16 Varonis Systems, Inc. Automatic removal of global user security groups
US9183514B2 (en) 2011-02-25 2015-11-10 Avaya Inc. Advanced user interface and control paradigm including contextual collaboration for multiple service operator extended functionality offers
US9021607B2 (en) 2011-02-25 2015-04-28 Avaya Inc. Advanced user interface and control paradigm including digital rights management features for multiple service operator extended functionality offers
US8819729B2 (en) 2011-02-25 2014-08-26 Avaya Inc. Advanced user interface and control paradigm for multiple service operator extended functionality offers
KR101243289B1 (ko) * 2011-05-27 2013-03-13 주식회사 솔트룩스 소셜 네트워크 서비스 정보 검색 시스템
US10068257B1 (en) * 2011-08-23 2018-09-04 Amazon Technologies, Inc. Personalized group recommendations
CN103186539B (zh) 2011-12-27 2016-07-27 阿里巴巴集团控股有限公司 一种确定用户群体、信息查询及推荐的方法及系统
CN106469146A (zh) * 2015-08-12 2017-03-01 腾讯科技（深圳）有限公司 一种利用社交群组进行推荐的验证系统及系统
US11734348B2 (en) 2018-09-20 2023-08-22 International Business Machines Corporation Intelligent audio composition guidance
CN109299317B (zh) * 2018-11-12 2019-09-27 百度在线网络技术（北京）有限公司 音乐作品推荐的方法、装置、存储介质和终端设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001075972A (ja) 1999-08-31 2001-03-23 Nippon Telegr & Teleph Corp <Ntt> ユーザグループ動的生成方法及び装置、並びにユーザグループ動的生成プログラムを記録した記録媒体

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4958080A (en) * 1988-10-06 1990-09-18 Schlumberger Technology Corporation Lutetium orthosilicate single crystal scintillator detector
US5872850A (en) * 1996-02-02 1999-02-16 Microsoft Corporation System for enabling information marketplace
US20020091605A1 (en) * 2000-11-01 2002-07-11 Labe Russell Paul Asset allocation optimizer
US7043461B2 (en) * 2001-01-19 2006-05-09 Genalytics, Inc. Process and system for developing a predictive model
JP4326174B2 (ja) * 2001-10-04 2009-09-02 ソニー株式会社 情報処理システム、情報処理装置および方法、記録媒体、並びにプログラム
US20040003392A1 (en) * 2002-06-26 2004-01-01 Koninklijke Philips Electronics N.V. Method and apparatus for finding and updating user group preferences in an entertainment system
JP4124115B2 (ja) * 2003-12-02 2008-07-23 ソニー株式会社 情報処理装置及び情報処理方法、並びにコンピュータ・プログラム
CN1890682A (zh) * 2003-12-03 2007-01-03 皇家飞利浦电子股份有限公司 用于建议的增强型协作筛选技术
JP2005332265A (ja) * 2004-05-20 2005-12-02 Sony Corp 情報処理システムおよび方法、情報処理装置および方法、プログラム
US7081626B2 (en) * 2004-06-02 2006-07-25 The Regents Of The University Of California Apparatus and method for temperature correction and expanded count rate of inorganic scintillation detectors
US20060047794A1 (en) * 2004-09-02 2006-03-02 Microsoft Corporation Application of genetic algorithms to computer system tuning
US20060229822A1 (en) * 2004-11-23 2006-10-12 Daniel Theobald System, method, and software for automated detection of predictive events
US8135362B2 (en) * 2005-03-07 2012-03-13 Symstream Technology Holdings Pty Ltd Symbol stream virtual radio organism method and apparatus
US7569109B2 (en) * 2006-08-23 2009-08-04 General Electric Company Single crystal scintillator materials and methods for making the same
JP4281790B2 (ja) * 2006-12-08 2009-06-17 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
EP1975866A1 (en) * 2007-03-31 2008-10-01 Sony Deutschland Gmbh Method and system for recommending content items
US7767975B2 (en) * 2007-12-04 2010-08-03 Saint-Gobain Cristaux Et Detecteurs Ionizing radiation detector
FR2929296B1 (fr) * 2008-03-31 2011-01-21 Saint Gobain Cristaux Detecteurs Recuit de monocristaux
US20100224798A1 (en) * 2008-09-11 2010-09-09 Stichting Voor De Technische Wetenschappen Scintillator based on lanthanum iodide and lanthanum bromide

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001075972A (ja) 1999-08-31 2001-03-23 Nippon Telegr & Teleph Corp <Ntt> ユーザグループ動的生成方法及び装置、並びにユーザグループ動的生成プログラムを記録した記録媒体

Also Published As

Publication number Publication date
KR20090082686A (ko) 2009-07-31
US8463640B2 (en) 2013-06-11
US20090193015A1 (en) 2009-07-30

Similar Documents

Publication Publication Date Title
KR101167247B1 (ko) 유사 사용자 그룹의 적응적 갱신 방법 및 그 장치
US9552555B1 (en) Methods, systems, and media for recommending content items based on topics
Almazro et al. A survey paper on recommender systems
JP4743740B2 (ja) 自動化された代替コンテンツ推奨を作成する方法及びシステム
US9449336B2 (en) Apparatus and method for providing harmonized recommendations based on an integrated user profile
US20170250930A1 (en) Interactive content recommendation personalization assistant
Gretarsson et al. Smallworlds: visualizing social recommendations
US9875245B2 (en) Content item recommendations based on content attribute sequence
US20110314039A1 (en) Media Item Recommendation
US20090063568A1 (en) Method and apparatus for constructing user profile using content tag, and method for content recommendation using the constructed user profile
Lin et al. Multiobjective personalized recommendation algorithm using extreme point guided evolutionary computation
KR101352418B1 (ko) 통신 장비（들）의 이용자（들）의 프로파일（들）에 도입될 잠재적인 향후 관심사들을 결정하기 위한 디바이스
Boratto et al. Groups Identification and Individual Recommendations in Group Recommendation Algorithms.
Wei et al. Web 2.0 Recommendation service by multi-collaborative filtering trust network algorithm
CA2764359A1 (en) Device and method for selecting at least one media for recommendation to a user
KR20130062442A (ko) 협업 필터링 추천 방식을 이용한 추천 방법 및 추천 시스템
US20220207575A1 (en) Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
Pan et al. Trust-enhanced cloud service selection model based on QoS analysis
Mlika et al. Proposed model to intelligent recommendation system based on Markov chains and grouping of genres
Klimashevskaia et al. A survey on popularity bias in recommender systems
Sun [Retracted] Variational Fuzzy Neural Network Algorithm for Music Intelligence Marketing Strategy Optimization
KR20170060828A (ko) 사용자의 콘텐츠 접근 이력에 기반한 추천방법
Rossi et al. A comparison of two preference elicitation approaches for museum recommendations
Cantador et al. Rating and aspect-based opinion graph embeddings for explainable recommendations
Alhijawi The use of the genetic algorithms in the recommender systems

Legal Events

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

Payment date: 20150629

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160629

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170629

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190627

Year of fee payment: 8