KR101277987B1 - 사용자 경험 기반 모바일 앱 검색 시스템 및 방법 - Google Patents

Abstract

본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템 및 방법은 모바일 디바이스등의 센서로부터 수집된 상황정보(context)를 인지하는 기술을 이용하여 모바일 앱을 위한 메타데이터를 구축하고 이를 기초로 개인 맞춤형 앱(apllication)을 검색하거나 추천받을 수 있는 사용자 경험 기반 모바일 앱 검색 시스템 및 방법을 제공하는데 있다.

Description

사용자 경험 기반 모바일 앱 검색 시스템 및 방법 { User-Experienced Search System and Method for Mobile Applications }

본원 발명은 사용자 경험 기반 모바일 앱 검색 시스템 및 방법에 관한 것으로, 보다 상세하게는 개인 맞춤형 앱(apllication)을 검색하거나 추천받을 수 있는 사용자 경험 기반 모바일 앱 검색 시스템 및 방법에 관한 것이다.

최근 스마트폰 가입자는 1500만명에 이를 정도로 모바일 스마트 기기의 보급속도가 빨라지고 있다.

스마트폰 시장은 기하급수적으로 팽창하여 전세계 휴대폰 시장에서 더 이상 특별한 존재가 아닌 상황이 되었다.

스마트폰 시장은 애플(apple)의 iOS, 구글(Google)의 안드로이드(Android), RIM사의 블랙베리(Blackberry) 및 마이크로소프트(MS)의 Windows phone 7등을 중심으로 시장이 형성되어 있다.

기존의 피쳐폰과는 달리 스마트폰은 built-in application 뿐만 아니라 각 플랫폼별로 제공되는 Online application marker을 중심으로 수십만가지이상의 다운로드 가능한 앱(application)이 제공된다는 점이다.

즉, 스마트폰과 기존의 피쳐폰(featured phone)의 가장 큰 차이는 앱(application)의 검색과 배포가 새로운 생태계를 통하여 제공되고 있다는 점이다.

이러한 생태계에는 스마트폰 사용자, 앱 개발자, 통신망 사업자, 생태계 제공자 등 다양한 사람이 각자의 이익을 추구하는 구조이다.

대표적인 생태계로서는 미국 애플사의 앱(application) 스토어가 35만개 이상의 앱을 보유하고 있으며, 구글의 안드로이드 마켓이 25만개 이상의 앱을 보유하고 있다.

또한 MS, HP, RIM등의 업체도 앱의 양을 늘리기 위해 안간힘을 쓰고 있는 실정이다.

하지만, 이렇게 기하급수적으로 늘어나는 앱으로 인하여 사용자들은 더 이상 다양한 앱을 설치하여 사용하는 재미 혹은 편리보다는 그들에게 필요한 앱을 검색하고 다운로드 받는 어려움에 노출되고, 이러한 상황을 바탕으로 신뢰할 수 없는 앱들과의 혼란이 생기고 있는 실정이다.

즉, 고객들의 입장에서는 원하는 애플리케이션을 검색해서 다운로드 받을 수 있는 장점이 있는 반면에 고객에게 맞는 앱을 원하는 애플리케이션의 추천 등은 부족한 실정이며, 제작자 혹은 제작사 역시 단순 구매정보, 평가등만을 가지고는 적극적인 고객 니즈(needs)을 파악하기 어려운 실정이다.

한국공개특허 제2002-0045837호

본 발명의 실시예가 이루고자 하는 기술적 과제는, 모바일 디바이스등의 센서로부터 수집된 상황정보(context)를 인지하는 기술을 이용하여 모바일 앱을 위한 메타데이터를 구축하고 이를 기초로 개인 맞춤형 앱(apllication)을 검색하거나 추천받을 수 있는 사용자 경험 기반 모바일 앱 검색 시스템 및 방법을 제공하는데 있다.

상기 기술적 과제를 달성하기 위한 본 발명의 실시예에 따른 사용자 경험 기반 모바일 앱 검색 시스템은,상황정보(context)를 이용하여 앱(application) 메타데이터를 생성하는 메타데이터 생성부; 및 상기 앱 메타데이터를 기초로 앱(application)을 검색하거나 자동으로 추천하는 검색부;를 포함하는 것을 특징으로 한다.

바람직하게는 상기 메타 데이터 생성부는 새로운 상황정보를 이용하여 상기 앱 메타데이터를 업그레이드하는 것을 특징으로 한다.

바람직하게는 상기 상황정보는 사용자의 움직임 정보를 포함한 행동기반정보, 상기 사용자의 일정관리 정보를 포함한 개인정보, 날씨 정보를 포함한 환경정보, 상기 사용자의 주소 및 위치를 포함하는 위치정보, 계절 및 날짜, 시각을 포함하는 시간정보 및 상기 앱(application)의 패키징 정보 중 적어도 어느 하나이상인 것을 특징으로 한다.

바람직하게는 상기 상황정보는 모바일 디바이스의 센서에 의해 수집된 데이터를 소정의 로그파일 형태로 가공한 것인 것을 특징으로 한다.

바람직하게는 상기 앱 메타데이터 또는 업그레이드 된 상기 앱 메타 데이터를 저장하는 저장부;를 더 포함하는 것을 특징으로 한다.

바람직하게는 상기 검색부는 상기 앱(application)의 이름, 패키지 이름, 다운로드 수, 버전, 제작자정보의 기본 정보를 더 포함하여 검색하거나 추천하는 것을 특징으로 한다.

바람직하게는 베이지안 네트워크(Bayesian Network), SVM(support vector machine)를 이용한 AI(Artificial intelligence)기법의 통계학습을 이용하여 상기 행동기반정보로부터 상기 앱 메타데이터를 생성하는 것을 특징으로 한다.

바람직하게는 새로운 앱(application) 메타데이터와 상기 앱(application) 메타데이터를 비교하는 비교부; 를 더 포함하고, 상기 검색부는 상기 비교 결과 기초하여 상기 앱(application)을 추천하는 것을 특징으로 한다.

상기 기술적 과제를 달성하기 위한 본 발명의 실시예에 따른 사용자 경험 기반 모바일 앱 검색 방법은,상황정보(context)를 이용하여 앱(application) 메타데이터를 생성하는 메타데이터 생성단계; 및 상기 앱 메타데이터를 기초로 앱(application)을 검색하거나 자동으로 추천하는 검색단계;를 포함하는 것을 특징으로 한다.

바람직하게는 상기 메타 데이터 생성단계는 새로운 상황정보를 이용하여 상기 앱 메타데이터를 업그레이드하는 것을 특징으로 한다.

바람직하게는 상기 상황정보는 사용자의 움직임 정보를 포함한 행동기반정보, 상기 사용자의 일정관리 정보를 포함한 개인정보, 날씨 정보를 포함한 환경정보, 상기 사용자의 주소 및 위치를 포함하는 위치정보, 계절 및 날짜, 시각을 포함하는 시간정보 및 상기 앱(application)의 패키징 정보 중 적어도 어느 하나이상인 것을 특징으로 한다.

바람직하게는 상기 상황정보는 모바일 디바이스의 센서에 의해 수집된 데이터를 소정의 로그파일 형태로 가공한 것인 것을 특징으로 한다.

바람직하게는 상기 앱 메타데이터 또는 업그레이드 된 상기 앱 메타 데이터를 저장하는 저장단계;를 더 포함하는 것을 특징으로 한다.

바람직하게는 상기 검색단계는 상기 앱(application)의 이름, 패키지 이름, 다운로드 수, 버전, 제작자정보의 기본 정보를 더 포함하여 검색하거나 추천하는 것을 특징으로 한다.

바람직하게는 베이지안 네트워크(Bayesian Network), SVM(support vector machine)를 이용한 AI(Artificial intelligence)기법의 통계학습을 이용하여 상기 행동기반정보로부터 상기 앱 메타데이터를 생성하는 것을 특징으로 한다.

바람직하게는 새로운 앱(application) 메타데이터와 상기 앱(application) 메타데이터를 비교하는 비교단계; 를 더 포함하고, 상기 검색단계는 상기 비교 결과 기초하여 상기 앱(application)을 추천하는 것을 특징으로 한다.

본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템 및 방법에 의하면 앱(application) 사용자는 보다 다양한 기준에 의하여 앱을 검색할 수 있고, 또한 자신에게 특화된 앱을 검색, 사용할 수 있는 장점이 있다.

본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템 및 방법에 의하면 애플이나 구글등의 회사에서는 애플리케이션을 분류하기 위한 보다 실질적인 카테고리에 대한 기준을 가지게 됨으로서 넘쳐나는 앱(application)들을 효과적으로 분류하고 신뢰할 수 없는 앱들과 가치가 있는 앱을 구별할 수 있는 보다 현실적인 기준을 갖는 것이 가능하다.

본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템 및 방법에 의하면 앱 개발자는 사용자의 경험을 바탕으로 비어있는 앱(application)의 영역과 사용자들의 반응을 실시간으로 피드백 받는 것이 가능하여 기존의 마켓에서 이루어지던 단순한 평가이상의 도움을 받는 것이 가능하다.

본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템 및 방법에 의하면 통신망을 제공하는 사업자는 앱의 사용에 대한 분석을 바탕으로 망부하에 대한 예측을 미리 수행하여 트래픽관리에 도움을 받을 수 있으며, 고객에게 필요한 성격의 통신인프라에 집중투자함으로서 경쟁사업자보다 유리한 전략을 수립하는 데에도 도움을 받을 수 있는 효과가 있다.

도 1은 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템의 개요도를 보여주는 도면이다.
도 2a 는 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템 검색부의 일 실시예를 보여주는 도면이다.
도 2b 는 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템에서 이용하는 상황정보가 기존의 앱 검색 시스템의 분류기준과 어떻게 다른지 보여주는 도면이다.
도 3은 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템을 포함한 네트워크 구성의 일 실시예를 보여주는 도면이다.
도 4는 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템에서 제공되는 기본 정보의 일 실시예를 보여주는 도면이다.
도 5는 도 4의 기본정보를 추출하는 과정을 보여주는 도면이다.
도 6a는 본원발명에 따른 사용자 경험기반 모바일 앱 검색 시스템에서 모바일 디바이스에서 수집하는 상황정보의 일 실시예를 보여주는 도면이다.
도 6b는 본원발명에 따른 사용자 경험기반 모바일 앱 검색 시스템에서 이용하는 상황정보를 수집하는 센서의 일 실시예를 보여주는 도면이다.
도 6c는 본원 발명의 센서에 의해 수집된 데이타의 일 실시예를 보여주는 도면이다.
도 7은 본원 발명에 메타 데이터 생성부에서 생성한 앱 메타데이터의 일 실시예를 보여주는 도면이다.
도 8은 본원 발명의 사용자 경험 기반 모바일 앱 검색 시스템에서 앱 메타 데이터를 생성하는 과정을 보여주는 도면이다.
도 9는 본원 발명의 사용자 경험 기반 모바일 앱 검색 방법의 흐름도를 보여주는 도면이다.
도 10은 본원 발명의 사용자 경험 기반 모바일 앱 검색 방법에서 앱(application)을 추천하는 흐름도를 보여주는 도면이다.
도 11은 본원 발명의 사용자 경험 기반 모바일 앱 검색 시스템의 구성을 보여주는 도면이다.

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, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.

도 1은 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템의 개요도를 보여주는 도면이다.

본원 발명의 사용자 경험 기반 앱 검색 시스템(100)은 메타 데이터 생성부(110) 및 검색부(120)을 포함한다.

메타 데이터 생성부(110)은 상황정보(context)를 이용하여 앱(application) 메타데이터를 생성한다.

검색부(120)는 상기 앱 메타데이터를 기초로 앱(application)을 검색하거나 자동으로 추천한다.

본원 발명의 사용자 경험 기반 앱 검색 시스템을 적용하면 개인 맞춤형 앱 검색이 가능하다.

본원 발명은 모바일 디바이스의 상황인지를 이용하여 이를 기초로 앱을 검색할 수 있도록 하기 위한 것이다.

본원발명의 모바일 디바이스의 종류에는 스마트폰, 태블릿PC, MID등으로 그 종류는 다양하다.

모바일 디바이스 기기들은 그 내부에 몇가지 센서들(가속도, 조도, 위치정보, 소리)을 제공하고, 모바일 디바이스의 다양한 애플리케이션에서는 이러한 센서를 통해 센싱된 정보들을 활용하여 이전보다 풍부한 사용자와의 상호작용을 제공하고 있다.

본원 발명은 모바일 디바이스에 추가로 부착되는 센서 없이 내부에 존재하는 센서들을 활용하여 컨텍스트를 추출하고, 추출된 컨텍스트를 이용하여 앱 검색에 활용하기 위한 앱 메타 데이터를 생성한다.

예 1로서 일정관리 앱을 검색하는 경우로 회사원 A와 B는 같은 회사 내의 팀에서 일을 한다.

A는 주중에 아침 회의를 마친 뒤에 10시부터 11시 사이에 ‘jorte’application을 실행해서 일정을 확인하고 변경한다. 이후에도 몇 번씩 ‘jorte’를 실행해서 일정을 확인하고 변경한다.

월요일은 한 주의 시작이기 때문에 일정을 더 많이 확인하고 목요일은 금요일에 있는 주간 회의를 준비하기 위해서 일정을 더 철저하게 관리를 한다.

하지만 B는 A와 비슷한 일정을 가지고 있지만 따로 일정관리를 하지 않아 업무를 진행하는데 일정이 겹치거나 꼬이는 경우가 빈번하게 발생한다. 일정관리에 어려움을 느낀 그는 ‘jorte’를 추천받아 사용하기 시작한다.

본 발명에 의한 사용자 경험 기반 앱 검색 시스템에 의해 'jorte'를 B에게 추천하는 과정은 아래와 같다.

회사원 A는 스마트 폰으로 주중 일과 중에서 ‘jorte’를 실행할 때의 context를 수집한다.

수집하는 context는 시간, 사용 위치 사용 공간, 사용 지역, 실행 요일, 실행 시 행동 등이다.

A의 context가 수집되면 ‘jorte’가 사용된 정보가 Bayesian network, SVM 등을 통해 통계 수치로 나타난다.

학습을 통해 분류된 통계 정보들은 application의 실행 시점에 meta 정보로 추가한다.

생성된 ‘jorte’의 meta data는 일정 관리를 할 때 사용할 application이 필요한 회사원 B에게 ‘jorte’를 추천할 때 사용된다.

회사원 B의 주중일과 또한 시간, 위치, 공간, 지역 등의 context가 수집이 되고 Bayesian network, SVM 등을 통해 통계 수치로 나타난다.

이때 생성된 수치가 ‘jorte’의 meta data와 유사한데 ‘jorte’가 깔려있지 않다면 B는 ‘jorte’를 추천받는다.

예 2로서 출근버스 앱을 검색하는 경우를 본다.

회사원 A는 버스를 타고 출근을 한다. 그는 아침 8시에서 8시 30분 사이에 버스를 타기 위해 ‘서울버스’라는 application을 이용해서 버스 시각을 확인하고 버스 정류장으로 나간다.

보통 집에서 나오면서 버스 시각을 확인하고 걸을지 뛸지를 결정한다. 그렇기 때문에 그는 항상 버스를 놓치는 일이 없다.

회사원 B도 버스를 타고 출근을 한다. 그는 아침 7시 50분에서 8시 10분 사이에 버스를 타기 위해 정류장으로 발걸음을 옮긴다.

하지만 그가 타는 버스는 시간이 들쭉날쭉해 정류장에 도착한 이후에 버스의 정황을 알게 되어 다음 버스를 기다리는 일이 잦았다.

회사원 A가 버스를 타러 가는 동안 ‘서울버스’를 실행할 때의 context를 수집한다. 수집하는 context는 시간, 사용 위치 사용 공간, 사용 지역, 실행 요일, 실행 시 행동 등이다. A의 context가 수집되면 ‘서울버스’가 사용된 정보가 Bayesian network, SVM 등을 통해 통계 수치로 나타난다. 학습을 통해 분류된 통계 정보들은 application의 실행 시점에 meta 정보로 추가한다. 생성된 ‘서울버스’의 meta data는 아침에 출근할 때 버스의 시간표 확인이 필요한 회사원 B에게 ‘서울버스’를 추천할 때 사용된다. 회사원 B가 버스를 타러가는 동안의 시간, 위치, 공간, 지역 등의 context 또한 수집이 되고 Bayesian network, SVM 등을 통해 통계 수치로 나타난다. 이때 생성된 수치가 ‘서울버스’의 meta data와 유사한데 ‘서울버스’가 깔려있지 않다면 B는 ‘서울버스’를 추천받는다.

스마트폰으로 추천된 ‘서울버스’라는 application을 이용해서 버스를 놓치는 일이 없다.

도 2a 는 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템 검색부의 일 실시예를 보여주는 도면이다.

본원 발명의 앱 검색 시스템은 종래의 앱의 검색(210)을 위해 제공되던 앱의 제목, 가격, 카테고리의 정보만을 제공하던 것과는 달리 사용자 경험 기반 검색(220)이 가능하다.

도 2b 는 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템에서 이용하는 상황정보가 기존의 앱 검색 시스템의 분류기준과 어떻게 다른지 보여주는 도면이다.

종래의 모바일 디바이스의 앱 검색 시스템(230)에서는 앱(application)의 이름, 종류, 제작사, 카테고리, 평가순, 가격의 기본정보만을 제공하였다.

그러나 본원발명의 사용자 경험 기반 앱 검색 시스템(240)에서는 앱의 기본정보(230)에 추가적으로 사용자의 앱 사용 경험에서 얻어진 상황정보를 기초로 한 정보(250)를 제공한다.

본원 발명의 사용자 경험 기반 앱검색 시스템을 통하여 기존의 생태계 관리자들이 정한 단순한 수준의 카테고리와 상품설명 그리고 불특정 다수의 사용자의 평가를 바탕으로 제공되는 앱 검색의 문제점을 해결하고, 나아가 다양한 이종의 생태계로부터 발생되는 앱의 정확한 사용패턴을 바탕으로 이를 체계적으로 데이터베이스화하고 다양한 이해 당사자들에게 제공할 수 있다.

상황정보(context)란 유비쿼터스 컴퓨팅과 관련하여 사용자와 다른 사용자, 시스템, 혹은 디바이스의 애플리케이션 간 상호 작용에 영향을 미치는 사람, 장소, 사물, 개체, 시간 등 상황(situation)의 특징을 규정하는 정보를 의미한다.

좀 더 구체적으로는 네트워크 연결 상태, 통신 대역폭, 그리고 프린터·디스플레이·워크스테이션과 같은 컴퓨팅 상황(Computing context), 사용자의 프로파일·위치·주변의 사람들을 비롯한 사용자 상황(User context), 조명·소음 레벨·교통 상태·온도 등 물리적 상황(Physical context), 시간·주·달·계절 등 시간적 상황(Time context)이 있다.

이런 상황 정보들은 시스템으로 하여금 다양한 감지 장치(Sensing Device)와 애플리케이션을 통해 파악되고 모아져 다양한 응용 서비스 제공에 이용되거나, 다른 상황 정보와 묶여 제3의 결론을 얻는 추론에 사용되기도 한다.

본원발명에서의 앱 검색을 위해 이용되는 상황정보(250)의 일 실시예로서는 앱사용 패턴, 행동기반 정보, 개인선호정보, 위치 정보, 시간정보를 포함할 수 있다.

도 3은 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템을 포함한 네트워크 구성의 일 실시예를 보여주는 도면이다.

사용자 모바일 디바이스(300)는 스마트폰, 태블릿 PC등 앱 생태계를 가지고 있는 스마트 기기들을 의미한다.

모바일 디바이스(300)는 application 중심의 정보를 관리하는 application manager(301), 모바일 상황정보(context)를 수집하는 컨텍스트 수집모듈(302), 수집된 상황정보를 가공하여 저장하는 내부 저장소(303)를 포함한다.

모바일 디바이스(300)는 내부저장소(303)에 저장된 상황정보를 서버(330)로 전송하거나 서버(330)에서 전송된 앱검색결과를 표시하거나 추천하는 검색인터페이스를 제공한다.

서버(330)에 포함된 사용자 정보처리모듈(331)은 다양한 모바일 디바이스를 이용하는 각 사용자의 관리를 담당하는 모듈이다. 이 모듈을 통해서 사용자의 앱 생태계를 구별하여 관리하며, 각 개인의 필요한 프로파일을 관리함으로써, 계정서비스를 제공하게 된다.

사용자 정보 DB(332)는 사용자정보 처리모듈에서 처리하여 생성한 계정정보를 저장하여, 각 사용자의 정보를 DB에서 관리한다.

본원 발명에 따른 앱 검색 시스템의 메타데이터 생성부(333)은 모바일 디바이스로 수신한 상황정보,즉 앱 사용정보에 대한 데이터를 가공하여 필요한 데이터 스키마에 맞추어 추출하고 체계화하여 앱 메타 데이터를 생성한다.

검색부(335)는 생성된 앱 메타데이터에 기초하여 앱을 검색하거나 앱을 추천하는 기능을 수행한다.

서버단에서 저장중인 앱(application) 메타 데이터는 검색부(335)를 통해서 클라이언트(모바일 디바이스)에게 검색질의에 대한 결과를 반환한다. 이 검색부(335)를 통해서 실시간으로 업데이트되는 사용자의 상황에 맞는 최적 앱에 대한 추천 또는 정보를 제공하게 된다.

본원 발명에 따른 앱 검색 시스템은 저장부(334)를 포함하여 구성될 수 있으며, 저장부는 메타데이터 생성부(333)에서 생성된 메타데이터를 저장한다.

또한 다른 사용자의 사용에 의해 수집된 상황정보를 반영하여 앱 메타데이터를 업그레이드하고 업그레이드된 메타 데이터를 저장한다.

즉, 동적으로 발생하는 클라이언트( 모바일 디바이스)별 특정앱의 사용정보에 대해서 앱 중심으로 제시된 스키마에 맞도록 저장하고 지속적인 이벤트로 업데이트하여 관리한다.

기본정보제공부(336)는 외부(340)에 존재하는 각 생태계별 정적인 정보를 추출하여 앱의 검색에서 제공되는 기본정보를 제공한다. 정적 정보는 각 모바일 생태계별로 각 앱의 정보들을 해당디바이스, 웹페이지, 전용프로그램에서 제공하고 있다.

모바일 디바이스들과 앱 메타데이터 서버간에 주기적 혹은 일시적인 정보 업데이트 혹은 정보이용이 이루어져야 하는 시스템의 특성을 가지고 있다. 따라서 통신연결 방식에 맞는 클라이언트 및 서버의 운영모드가 지원할 수 있는 통신네트워크(310)가 요구된다.

application online market(340)은 각 모바일 앱 생태계별로 개별적으로 제공하는 앱 판매 토털을 의미한다. 이곳에서 본 발명의 사용자 기반 앱 검색 시스템의 기본적인 정보들을 수집하여 모으게 된다.

도 4는 본원 발명에 따른 사용자 경험 기반 모바일 앱 검색 시스템에서 제공되는 기본 정보의 일 실시예를 보여주는 도면이다.

도 4는 일정관리 앱인 'jorte' 라는 안드로이드용 일정관리 프로그램의 기본정보에 대한 예를 보여주는 도면이다.

도 4에 기술된 정보는 application name, application ID, application category, package name, version, class name, permission, rating, creator등이 존재한다.

도 5는 도 4의 기본정보를 추출하는 과정을 보여주는 도면이다.

각 모바일 디바이스의 플랫폼별로 앱 검색에 대한 application 기본정보를 제공한다.

모바일 디바이스(510 도3의 300)는 앱(applicaiton)의 ID, 패키지 이름을 추출하여 전송네트워크로 전송한다(520).

앱 ID, 패키지이름을 기초로 application online market(340)에서 평점, 다운로드수, 버전, 권한정보, 제작자정보를 기본정보 제공부(336)로 전송한다(530).

저장부(334)는 기본정보 제공부(336)로부터 앱의 기본정보를 저장하고(540) 검색부(335)에 앱의 메타데이터와 함께 제공한다(550).

앱의 기본정보는 본원발명의 앱 메타데이터의 first stage에 해당된다.

도 6a는 본원발명에 따른 사용자 경험기반 모바일 앱 검색 시스템에서 모바일 디바이스에서 수집하는 상황정보의 일 실시예를 보여주는 도면이다.

Behavioral Context, 움직임정보(610)은 GPS에서 받아올 수 있는 속도, 고도, 위치정보를 이용하여 앱을 사용하는 사용자의 현재 움직임정도를 나타낸다.

즉, 걷는다, 뛴다, 탈것을 타고 이동중이다 등을 알 수 있다.

2. 3축 가속도 센서로 부터는 일종의 진동에 대한 활동을 알 수 있다. 격렬하게 움직이는 등의 행위에 대한 추측이 가능하고, 걷는것과 뛰는것에 대한 속도(GPS)이외의 부가적인 정보를 제공한다.

움직임 정보(610)에 의하여 앱이 주로 차를 타고 이동하면서 사용하는 앱인지 걷거나, 뛰면서(이동중)에 많이 쓰는 어플리케이션인지를 알수 있다.

Spatial = Location = 공간 컨텍스트(620)는 GPS정보와 WIFI access point에 대한 정보를 통하여 현재 실내에 있는지 실외에 있는지를 구별하는 것이 가능하다.

또한 실외라고 한다면 그곳의 위치가 어디인지 GPS 좌표를 이용하여 주소단위까지 아는 것이 가능하다.

공간 컨텍스트(620)에 의해 애플리케이션이 주로 실행되는 위치가 어디인지, 어느동네, 어느건물에서 주로 사용되는지 정도의 정보를 알 수 있다.

Environmental Context, 환경정보(630)는 주로 날씨등의 정보가 될 수 있다. 구하는 방법으로는 GPS 좌표를 질의하여서 기상청이나 기타 정보제공사이트로부터 정보를 불러오는 방식으로 애플리케이션이 실행될 당시의 날씨, 온도, 습도등의 정보를 대략적으로 접목할 수 있다.

Temporal = TIME = 시간 컨텍스트(640)는 광범위한 시간까지의 개념을 포괄한다.

예를들어 계절적인 영향을 많이 가지고 있는 애플리케이션이 무엇인지에 대해서도 알 수 있으며, 주로 사용하는 하루중의 시간, 일주일에 몇 번이나 사용하는지 등의 정보를 알 수 있다.

Personal Context, 개인정보(650) 사용자의 동의정보에 따라, 개인의 직업, 성별, 나이에 대한 정보가 포함될 수 있으며, 이러한 정보외에도 캘린더에 의한 스케줄 정보와 결합한다면 회의시간에 주로 사용하는 애플리케이션, 운동시간에 주로 사용하는 것, 등의 정보도 결합하는 것이 가능하다.

Application, 앱 패키징 정보(660)는 애플리케이션에 대한 앱 패키징정보(사이즈, 업데이트 시간, 버전정보등) 시스템에서 얻어낼 수 있는 애플리케이션의 사용에 관한 정보들이다.

도 6b는 본원발명에 따른 사용자 경험기반 모바일 앱 검색 시스템에서 이용하는 상황정보를 수집하는 센서의 일 실시예를 보여주는 도면이다.

움직임 상황정보(610)는 3축 가속도 센성에 의하여 수면여부, 기상여부, 움직임 여부를 알 수 있다.

공간 상황정보(620)는 GPS에 의하여 현재 실내에 있는지 실외에 있는지를 구별한다.

환경정보(630)는 GPS에 좌표를 질의하여서 기상청이나 기타 정보제공사이트로부터 정보를 불러오는 방식으로 애플리케이션이 실행될 당시의 날씨, 온도, 습도등의 정보를 접목할 수 있다.

시간 컨텍스트(640)는 모바일 디바이스의 시계로부터 수집한다.

개인정보(650)는 서버의 사용자정보 DB(332)로부터 수집된다.

앱 패키징 정보(660)는 각 모바일 플랫폼별로 제공하는 전용서버에서 수집된다.

도 6c는 본원 발명의 센서에 의해 수집된 데이타의 일 실시예를 보여주는 도면이다.

센서에 의해 수집되는 정보는 가속도, 조도, 소리, GPS에 의한 위치, 모바일 디바이스 자체 정보등이 있다.

도 7은 본원 발명에 메타 데이터 생성부에서 생성한 앱 메타데이터의 일 실시예를 보여주는 도면이다.

앱 메타데이타는 모바일 디바이스의 센서에 의해 수집된 상황정보을 가공하여 메타데이터 생성부(110)에서 생성한다.

움직임 상황정보로부터 실행되는 주요 움직임 정보, 주로 이용되는 사용자의 행위, 주로 이용되는 유저의 상황정보를 포함한다.

공간 상황정보로부터 주 사용위치(주소정보), 실내 혹은 실외 빈도정도, 주 사용지역정보를 포함한다.

환경정보로부터 앱이 실행되는 주요 날씨, 온도, 계절정보를 제공한다.

시간 컨텍스트로부터 앱이 주로 사용되는 시간, 활용되는 요일정보, 일평균 사용횟수를 알수 있다.

개인정보로부터 사용자의 직업, 성별, 나이를 알 수 있다.

앱 패키징 정보로부터 시스템 정보를 알 수 있다.

도 8은 본원 발명의 사용자 경험 기반 모바일 앱 검색 시스템에서 앱 메타 데이터를 생성하는 과정을 보여주는 도면이다.

모바일 디바이스(300)는 application 중심의 정보를 관리하는 application manager(301), 모바일 상황정보(context)를 수집하는 컨텍스트 수집모듈(302), 수집된 상황정보를 가공하여 저장하는 내부 저장소(303)를 포함한다.

본원 발명에 따른 앱 검색 시스템의 메타데이터 생성부(333)은 모바일 디바이스로 수신한 상황정보,즉 앱 사용정보에 대한 데이터를 가공하여 필요한 데이터 스키마에 맞추어 추출하고 체계화하여 앱 메타 데이터를 생성한다.

본원 발명에 따른 앱 검색 시스템은 저장부(334)를 포함하여 구성될 수 있으며, 저장부는 메타데이터 생성부(333)에서 생성된 메타데이터를 저장한다.

또한 다른 사용자의 사용에 의해 수집된 상황정보를 반영하여 앱 메타데이터를 업그레이드하고 업그레이드된 메타 데이터를 저장한다.

즉, 동적으로 발생하는 클라이언트( 모바일 디바이스)별 특정앱의 사용정보에 대해서 앱 중심으로 제시된 스키마에 맞도록 저장하고 지속적인 이벤트로 업데이트하여 관리한다.

기본정보제공부(336)는 외부(340)에 존재하는 각 생태계별 정적인 정보를 추출하여 앱의 검색에서 제공되는 기본정보를 제공한다. 정적 정보는 각 모바일 생태계별로 각 앱의 정보들을 해당디바이스, 웹페이지, 전용프로그램에서 제공한다.

검색부(335)는 생성된 앱 메타데이터에 기초하여 앱을 검색하거나 앱을 추천하는 기능을 수행한다.

서버단에서 저장중인 앱(application) 메타 데이터는 검색부(335)를 통해서 클라이언트(모바일 디바이스)에게 검색질의에 대한 결과를 반환한다. 이 검색부(335)를 통해서 실시간으로 업데이트되는 사용자의 상황에 맞는 최적 앱에 대한 추천 또는 정보를 제공하게 된다.

도 9는 본원 발명의 사용자 경험 기반 모바일 앱 검색 방법의 흐름도를 보여주는 도면이다.

메타 데이터 생성부에서 상황정보(context)를 이용하여 앱(application) 메타데이터를 생성한다(S910).

검색부에서 앱 메타데이터를 기초로 앱(application)을 검색하거나 자동으로 추천한다(S920).

도 10은 본원 발명의 사용자 경험 기반 모바일 앱 검색 방법에서 앱(application)을 추천하는 흐름도를 보여주는 도면이다.

A가 앱(application)1을 사용하는 과정에서 모바일 디바이스는 상황정보를 수집한다(S1010).

메타 데이터 생성부(110)에서 수집된 상황정보(행동기반 상황정보)를 기초로 베이지안 네트워크(Bayesian Network), SVM(support vector machine)를 이용한 AI(Artificial intelligence)기법의 통계학습을 이용(S1020)하여 앱 메타데이터를 생성한다(S1030).

사용자 B는 자신의 모바일 디바이스 센서에 의해 수집된 상황정보(S1040)를 기초로 메타 데이터 생성부(110)에서 수집된 상황정보(행동기반 상황정보)를 기초로 베이지안 네트워크(Bayesian Network), SVM(support vector machine)를 이용한 AI(Artificial intelligence)기법의 통계학습을 이용(S1050)하여 앱 메타데이터를 생성한다(S1060).

검색부(335)는 B의 모바일 디바이스에서 생성된 앱(application) 메타데이터와 A의 모바일 디바이스에서 생성된 앱(application) 메타데이터를 비교(S1070)하여 유사하면 앱1(application1)을 B에게 추천하게 된다(S1080).

도 11은 본원 발명의 사용자 경험 기반 모바일 앱 검색 시스템의 구성을 보여주는 도면이다.

본원 발명의 사용자 경험 기반 앱 검색 시스템은 서로 다른 앱 메타 데이터를 비교하는 비교부(미도시)를 더 포함할 수 있다.

모바일 디바이스에 내장된 센서에 의해 여러가지 상황정보 데이터를 수집한다(1110,1113).

수집된 상황정보 데이터를 기초로 베이지안 네트워크(Bayesian Network), SVM(support vector machine)를 이용한 AI(Artificial intelligence)기법의 통계학습을 이용(1111,1114)하여 앱 메타데이터를 생성한다(1112).

그러나, A로부터 생성된 앱 메타 데이터는 앱 1(application1)을 사용하여 얻어진 결과이고, B는 일상적인 생활에서 얻어진 메타 데이터이다.

비교부(미도시)는 B의 앱(application) 메타데이터와 A의 앱 1(application 1)의 사용 결과로 얻어진 메타데이터를 비교(1115)하고, 검색부(120)는 비교 결과 기초하여 앱1(application 1)을 B에게 추천한다(1116).

이상에서와 같이 도면과 명세서에서 최적 실시예가 개시되었다. 여기서 특정한 용어들이 사용되었으나, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (16)

1. 앱(application) 실행 중에 모바일 디바이스의 센서에 의해 수집된 데이터가 소정의 로그파일 형태로 가공된 상황정보(context)를 이용하여 앱(application) 메타데이터를 생성하는 메타데이터 생성부;
   상기 앱 메타데이터를 기초로 앱(application)을 검색하거나 자동으로 추천하는 검색부; 및
   새로운 앱(application) 메타데이터와 상기 앱(application) 메타데이터를 비교하는 비교부를 포함하고,
   상기 상황정보는,
   사용자의 움직임 정보를 포함한 행동기반정보, 상기 사용자의 일정관리 정보를 포함한 개인정보, 날씨 정보를 포함한 환경정보, 상기 사용자의 주소 및 위치를 포함하는 위치정보, 계절 및 날짜, 시각을 포함하는 시간정보 및 상기 앱(application)의 패키징 정보를 포함하여 이루어지고,
   상기 메타데이터 생성부는, 통계학습 기법을 이용하여 상기 행동기반정보로부터 상기 앱 메타데이터를 생성하고,
   상기 검색부는 상기 비교 결과에 기초하여 상기 앱(application)을 상기 새로운 앱(application) 메타데이터를 전송한 모바일 단말기에 자동으로 추천하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 시스템.
2. 제 1 항에 있어서, 상기 메타 데이터 생성부는
   새로운 상황정보를 이용하여 상기 앱 메타데이터를 업그레이드하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 시스템.
3. 삭제
4. 삭제
5. 제 1 항에 있어서,
   상기 앱 메타데이터 또는 업그레이드 된 상기 앱 메타 데이터를 저장하는 저장부;를 더 포함하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 시스템.
6. 제 1 항에 있어서,상기 검색부는
   상기 앱(application)의 이름, 패키지 이름, 다운로드 수, 버전, 제작자정보의 기본 정보를 더 포함하여 검색하거나 추천하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 시스템.
7. 제 1 항에 있어서,
   상기 통계학습 기법은,
   베이지안 네트워크(Bayesian Network), SVM(support vector machine)를 이용한 AI(Artificial intelligence)기법의 통계학습인 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 시스템.
8. 삭제
9. 메타데이터 생성부가 앱(application) 실행 중에 모바일 디바이스의 센서에 의해 수집된 데이터가 소정의 로그파일 형태로 가공된 상황정보(context)를 이용하여 앱(application) 메타데이터를 생성하는 메타데이터 생성단계;
   비교부가 새로운 앱(application) 메타데이터와 상기 앱(application) 메타데이터를 비교하는 단계; 및
   검색부가 상기 앱 메타데이터를 기초로 앱(application)을 검색하여 자동으로 추천하는 검색단계;를 포함하고,
   상기 상황정보는,
   사용자의 움직임 정보를 포함한 행동기반정보, 상기 사용자의 일정관리 정보를 포함한 개인정보, 날씨 정보를 포함한 환경정보, 상기 사용자의 주소 및 위치를 포함하는 위치정보, 계절 및 날짜, 시각을 포함하는 시간정보 및 상기 앱(application)의 패키징 정보를 포함하여 이루어지고,
   상기 메타데이터를 생성하는 단계는,
   통계학습 기법을 이용하여 상기 행동기반정보로부터 상기 앱 메타데이터를 생성하고,
   상기 검색하여 추천하는 단계는,
   상기 비교 결과에 기초하여 상기 앱(application)을 상기 새로운 앱(application) 메타데이터를 전송한 모바일 단말기에 자동으로 추천하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 방법.
10. 제 9 항에 있어서, 상기 메타 데이터 생성단계는
    새로운 상황정보를 이용하여 상기 앱 메타데이터를 업그레이드하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 방법.
11. 삭제
12. 삭제
13. 제 9 항 또는 제 10 항에 있어서,
    상기 앱 메타데이터 또는 업그레이드 된 상기 앱 메타 데이터를 저장하는 저장단계;를 더 포함하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 방법.
14. 제 9 항에 있어서,상기 검색단계는
    상기 앱(application)의 이름, 패키지 이름, 다운로드 수, 버전, 제작자정보의 기본 정보를 더 포함하여 검색하거나 추천하는 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 방법.
15. 제 9 항에 있어서,
    상기 통계학습 기법은,
    베이지안 네트워크(Bayesian Network), SVM(support vector machine)를 이용한 AI(Artificial intelligence)기법인 것을 특징으로 하는 사용자 경험 기반 모바일 앱 검색 방법.
16. 삭제

Images