KR101286427B1 - 방송 콘텐츠 추천 장치 및 방법 - Google Patents

방송 콘텐츠 추천 장치 및 방법 Download PDF

Info

Publication number
KR101286427B1
KR101286427B1 KR1020110088815A KR20110088815A KR101286427B1 KR 101286427 B1 KR101286427 B1 KR 101286427B1 KR 1020110088815 A KR1020110088815 A KR 1020110088815A KR 20110088815 A KR20110088815 A KR 20110088815A KR 101286427 B1 KR101286427 B1 KR 101286427B1
Authority
KR
South Korea
Prior art keywords
broadcast content
recommendation
unit
information
index
Prior art date
Application number
KR1020110088815A
Other languages
English (en)
Other versions
KR20130025491A (ko
Inventor
오연희
김희정
오수영
정철우
한성희
박성춘
Original Assignee
주식회사 솔트룩스
한국방송공사
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 주식회사 솔트룩스, 한국방송공사 filed Critical 주식회사 솔트룩스
Priority to KR1020110088815A priority Critical patent/KR101286427B1/ko
Publication of KR20130025491A publication Critical patent/KR20130025491A/ko
Application granted granted Critical
Publication of KR101286427B1 publication Critical patent/KR101286427B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/462—Content or additional data management, e.g. creating a master electronic program guide from data received from the Internet and a Head-end, controlling the complexity of a video stream by scaling the resolution or bit-rate based on the client capabilities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/488—Data services, e.g. news ticker

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

방송 콘텐츠를 추천하고, 검색할 수 있는 장치가 개시된다. 방송 콘텐츠 추천 장치는 방송 콘텐츠가 시리즈물인지 여부에 따라서 방송 콘텐츠에 대한 추천 단위를 결정한다. 방송 콘텐츠 추천 장치는 결정된 추천 단위에 따라서 방송 콘텐츠에 대한 정보를 수집하고, 수집된 정보를 분석하여 추천을 위한 인덱스를 생성한다.

Description

방송 콘텐츠 추천 장치 및 방법{METHOD AND APPARATUS FOR RECOMMANDING BROADCAST CONTENT}
아래의 실시예들은 방송 시스템에 관한 것으로, 보다 구체적으로는 사용자에게 방송 콘텐츠를 추천하거나, 사용자의 의사에 따른 방송 콘텐츠를 검색하는 방법 및 장치에 관한 것이다.
디지털 방송이 본격화되어 사용자가 시청할 수 있는 채널의 수, 방송 콘텐츠의 가짓수는 크게 증가하였다. 그러나, 채널과 콘텐츠의 증가로 인하여 사용자가 관심이 있는 방송 콘텐츠를 찾기 위해서는 방송 편성표를 검색하는 등 더 많은 노력과 시간을 필요로한다.
이에 따라 프로그램 선택의 문제가 대두되면서, pEPG(personalized Electric Program Guide)를 이용하여 사용자의 취향과 관심에 맞는 프로그램을 추천하는 기법들이 연구되고 있다.
그러나, 현재 연구되는 프로그램 추천 기법은 방송 콘텐츠가 시리즈물인지 여부를 고려하지 않았다. 따라서, 서로 연관된 하나의 스토리에 대한 연속극이 서로 개별적으로 추천되는 문제점이 있었다.
예시적 실시예들의 일측은 사용자의 선호도에 따른 방송 콘텐츠를 추천하는 것이다.
예시적 실시예들의 일측에 따르면, 방송 콘텐츠에 대한 추천 단위를 결정하는 추천 단위 결정부, 상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 정보 수집부 및 상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 인덱스 생성부를 포함하는 방송 콘텐츠 추천 장치가 제공된다.
예시적 실시예들의 일측에 따르면, 방송 콘텐츠에 대한 추천 단위를 결정하는 단계, 상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 단계 및 상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 단계를 포함하는 방송 콘텐츠 추천 방법이 제공된다.
예시적 실시예들의 일측에 따르면, 사용자의 선호도에 따른 방송 콘텐츠를 추천할 수 있다.
도 1은 예시적 실시예에 따른 추천, 검색 시스템의 구성을 도시한 블록도이다.
도 2는 예시적 실시예에 따른 추천, 검색 시스템의 구조를 도시한 블록도이다.
도 3는 예시적 실시예에 따른 추천, 검색의 기본 단위인 추천 단위를 도시한 도면이다.
도 4는 추천, 검색을 위한 인터페이스의 일부를 정의한 도면이다.
도 5는 테마 추천을 위한 테마별 개체명 분류를 도시한 도면이다.
도 6은 테마 추천 결과 화면을 도시한 도면이다.
도 7은 기획 추천 결과 화면과 기획 추천 관리자 화면을 도시한 도면이다.
도 8은 자막 검색 결과 화면을 도시한 도면이다.
도 9는 특정 에피소드(회별 프로그램)내의 자막 검색 결과 및 네비게이션 화면을 도시한 도면이다.
도 10은 사용자 이력 기반 추천 프로세스를 도시한 도면이다.
도 11은 대용량 소비이력 데이터 기반에서 향상된 처리를 위한 색인 구조를 도시한 도면이다.
도 12는 콘텐츠 유사도를 계산하는 과정을 도시한 도면이다.
도 13은 피어슨 상관계수 기반의 콘텐츠 유사도 계산을 위한 희소 배열 구조를 도시한 도면이다.
도 14는 코사인 유사도 기반의 콘텐츠 유사도 계산을 위한 희소 배열 구조를 도시한 도면이다.
도 15는 사용자 이력 기반 추천 알고리즘을 도시한 도면이다.
도 16은 사용자 맞춤 추천 페이지를 도시한 도면이다.
도 17은 프로그램 상세보기 페이지를 도시한 도면이다.
도 18은 VOD 다시 보기 페이지를 도시한 도면이다.
도 19는 키워드 기반 관련 콘텐츠 네비게이션 화면을 도시한 도면이다.
도 20은 하이브리드 TV 추천 페이지 적용 화면을 도시한 도면이다.
도 21은 웹관심도 처리 방법을 도시한 도면이다.
도 22는 웹관심도 서비스 화면을 도시한 도면이다.
도 23은 방송 콘텐츠 추천 장치의 구조를 도시한 블록도이다.
도 24는 방송 콘텐츠 추천 방법을 단계별로 설명한 순서도이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
방송사에서 제작한 방송 콘텐츠는 일반적으로 프로그램이라고 불려진다. 이하 본 명세서에서는 방송 콘텐츠와 프로그램을 혼용하여 사용하고, 한 회차의 방송분을 회별 프로그램이라고 한다. 이 프로그램들은 연속극과 같이 복수의 회별 프로그램이 하나의 스토리를 구성하는 경우도 있고, 다큐멘터리나 뉴스처럼 각 회별 프로그램이 하나의 주제를 다루는 경우도 있다.
전자의 경우, 각 회별 프로그램은 스토리의 일부를 다루며, 다른 회별 프로그램을 시청하지 않고, 특정 회별 프로그램만을 시청해서는 주제, 스토리를 파악하기 어렵다. 그러나, 후자의 경우, 개별 회별 프로그램만을 시청하는 경우에도 해당 회별 프로그램이 다루는 주제, 스토리를 파악할 수 있으며, 다른 회별 프로그램을 시청할 필요가 없다.
본 명세서에서는 전자를 시리즈물, 후자를 에피소드물이라고 구분하기로한다. 즉, 특정 프로그램이 시리즈물인 경우에, 시청자는 시리즈물의 주제, 스토리를 이해하기 위해서는 시리즈물에 포함된 다른 회별 프로그램들을 시청해야만 한다. 이런 시리즈물의 예로는 연속극 등이 있을 수 있다. 반면, 특정 프로그램이 에피소드물이라면, 시청자는 에피소드물의 주제, 스토리를 이해하기 위해서 다른 회별 프로그램을 시청할 필요가 없다. 즉, 특정 날짜의 뉴스가 에피소드물인 경우에, 시청자는 특정 날짜의 뉴스만을 시청해도 프로그램의 모든 내용을 이해할 수 있다. 드라마의 경우, 다른 프로그램과는 연관성, 연속성이 없는 단막극이 에피소드물로 구분될 수 있다.
본 발명에서는 방송 콘텐츠가 시리즈물인지, 에피소드물인지 여부에 따라서 추천 단위를 달리할 수 있다. 즉, 방송 콘텐츠가 시리즈물인 경우에, 예시적 실시예에 따른 방송 콘텐츠 추천 장치는 시리즈물 전체를 사용자에게 추천할 수 있다. 또한, 방송 콘텐츠가 에피소드물인 경우에, 예시적 실시예에 따른 방송 콘텐츠 추천 장치는 특정 에피소드 또는 특정 회별 프로그램 만을 사용자에게 추천할 수 있다.
도 1은 예시적 실시예에 따른 추천, 검색 시스템의 구성을 도시한 블록도이다.
데이터 수집 모듈은 방송메타 데이터와 부가 정보를 수집한다. 이 경우에, 사내 메타데이터는 편성정보와 프로그램 정보를 포함하며 자막과 같은 부가 정보도 포함할 수 있다.
서비스 이력은 시청자가 어느 시간대에 어느 방송 콘텐츠를 시청하였는지에 대한 정보를 나타낸다. 서비스 이력은 수동으로 배치 입력되거나, HTTP기반 API를 통해 입력 받을 수 있다.
또한, 웹 콘텐츠는 방송 콘텐츠에 대한 인터넷 게시물 등을 포함할 수 있다. 웹콘텐츠 수집은 검색엔진과 웹크롤러를 이용한다. 예를 들어, 검색 엔진에 각각의 방송 프로그램명을 질의어로 입력하여 나온 검색 결과 페이지에 나온 콘텐츠들을 수집한다. 수집된 데이터는 DB나 xml 형태로 저장될 수 있다.
콘텐츠 가공 모듈은 수집된 데이터를 가공하여 추천과 검색을 위한 색인을 생성한다. 추천과 검색은 크게 1)콘텐츠기반, 2)사용자이력기반, 3)웹콘텐츠기반으로 구분될 수 있다.
콘텐츠 가공 모듈은 콘텐츠기반의 추천과 검색을 위해 방송 프로그램의 메타데이터와 부가 텍스트 정보를 분석하여 키워드를 추출하고, 콘텐츠간의 연관도를 계산한다. 또한, 콘텐츠 가공 모듈은 자막검색을 위해서 타임코드와 자막 텍스트로 이루어진 자막 파일을 시간단위로 색인할 수 있다. 콘텐츠 가공 모듈은 사용자이력기반 추천을 위해서, 사용자가 방송 프로그램을 소비한 이력(소비여부 or 별점으로 표시된 사용자의 선호도)을 분석하고 가공하여 콘텐츠 유사도 및 각 사용자별 추천 콘텐츠를 색인한다. 웹콘텐츠기반 추천을 위해서는 수집된 블로그 등의 내용이 방송 콘텐츠에 대한 것이 맞는지를 분석하고, 각 프로그램 별로 관련 게시물 개수를 통계낸다.
도 2는 예시적 실시예에 따른 추천, 검색 시스템의 구조를 도시한 블록도이다.
데이터 수집 모듈은 HTTP기반의 통신을 하는 클라이언트에서, xml 형식의 데이터를 수신하여 파싱한다. 자막 파일은 .smi 형태로 되어있으므로 자막 파서는 별도로 구현될 수 있다.
일측에 따르면, 데이터 수집 모듈이 데이터를 주기적으로 수집하기 위해 스케줄러를 이용할 수 있다.
콘텐츠 기반의 추천, 검색을 위해서 콘텐츠 분석 엔진이 먼저 콘텐츠를 분석하고, 서비스를 위한 콘텐츠를 색인한다. 이를 이용하면 콘텐츠 탐색, 콘텐츠 검색을 수행할 수 있다.
사용자 이력 기반 추천에서는 사용자의 이력, 선호도를 분석하고, 콘텐츠 유사도를 분석하여 사용자가 좋아할만한 콘텐츠를 추천한다.
추천과 검색을 위한 기능과 데이터들은 오픈 API 서버에서 각각의 인터페이스를 통해 xml 형식으로 제공될 수 있다.
도 3는 예시적 실시예에 따른 추천, 검색의 기본 단위인 추천 단위를 도시한 도면이다.
각 추천 단위는 각 프로그램의 특성을 반영하여 사용자에게 특정 프로그램/회별 프로그램을 추천하기 위한 단위다. 뉴스, 다큐멘터리, 단막극 등의 프로그램은 각 에피소드별로 추천되는 것이 적합하고, 연속극과 같은 프로그램은 시리즈 전체가 추천되는 것이 적합하다.
따라서, 각 프로그램 별로 추천 단위 값이 저장될 수 있다. 일측에 따르면, 추천 단위 값은 대략 장르별로 값이 유사할 수 있다. 따라서, 추천 단위 값의 기본값을 프로그램의 장르별로 설정할 수 있다.
콘텐츠기반 추천, 검색에서는 각 프로그램을 추천 단위로 추천하기 위해 시리즈와 에피소드에 대해서 각각 색인을 한다. 이 때, 색인된 시리즈, 에피소드가 해당 프로그램에 대한 추천 단위인지 아닌지 값도 같이 저장될 수 있다.
일측에 따르면, 관련 프로그램을 찾는 경우에는 두 개의 인덱스에서 추천 단위인 콘텐츠를 대상으로 검색하여 랭킹하여 결과를 산출할 수 있다.
사용자 이력 기반 추천에서는 추천 단위에 따라서 콘텐츠를 사용자의 선호도를 기반으로 계산을 할 수 있다. 예를 들어, 'KBS 스페셜'과 같은 다큐멘터리 프로그램에 대하여 추천 단위는 '에피소드(회별 프로그램)'로 설정될 수 있다. 이 경우, 'KBS 스페셜'의 각 에피소드의 사용자들 선호도를 평균값으로 도출하여 콘텐츠 유사도 계산의 대상이다.
다른 측면에 따르면, '웃어라 동해야'와 같은 연속극의 경우 추천 단위는 '시리즈'이다. 따라서, 콘텐츠 유사도 계산의 대상도 시리즈 전체이다. 추천 단위가 시리즈인 경우, 시리즈에 포함된 각 에피소드에 선호도 값을 평균한 값이나 시리즈 메타데이터를 이용한 유사도 값으로 시리즈에 대한 유사도를 산출할 수도 있다.
도 4는 추천, 검색을 위한 인터페이스의 일부를 정의한 도면이다.
콘텐츠 추천 검색 엔진은 추천 검색을 수행하며, 외부의 요청에 의하여 추천 검색을 수행할 수 있다. 이 경우, 콘텐츠 추천 검색 엔진은 각 기능을 오픈 API 형태로 제공할 수 있다. 도 4는 각 기능의 수행을 위한 인터페이스의 일부를 예를 들어 도시한 것이다. 추천, 검색을 위한 오픈API는 HTTP 프로토콜 기반의 REST 방식으로 제공되며, 결과 데이터는 xml형식으로 전송될 수 있다.
도 5는 테마 추천을 위한 테마별 개체명 분류를 도시한 도면이다.
일실시예에 따른 콘텐츠 추천 장치는 콘텐츠를 테마별로 분류하기 위해 개체명 분석을 이용할 수 있다. 일측에 따르면, 방송 콘텐츠의 자막 데이터에서 개체명을 추출하고, 추출된 개체명을 분석하여 해당 방송 콘텐츠가 건강, 문화, 여행 등의 각 테마들 중에서 어느 테마와 관련되었는지를 판단하고, 판단 결과에 따라서, 콘텐츠를 자동으로 분류할 수 있다.
또한, 테마별로 분류된 방송 콘텐츠을 이용하여 방송 콘텐츠 테마 추천 서비스도 가능하다. 이를 위해 콘텐츠 추천 장치는 자막 데이터를 색인하여 개체명 분석을 수행한다. 콘텐츠 추천 장치는 자막 데이터에서 추출된 전체 개체명수와 해당 테마에 속한 개체명수의 비율을 계산하여 특정 임계값 이상이면 방송 콘텐츠를 해당 테마의 콘텐츠로 분류할 수 있다. 이 경우에, 콘텐츠 추천 장치는 추출된 전체 개체명 중에서 소정 키워드에 해당하는 개체명은 계산에서 제외할 수 있다.
일측에 따르면, 하나의 콘텐츠는 여러 테마로 분류될 수 있다. 테마추천은 특정 테마에 관심있는 사용자나 아니면 테마별로 콘텐츠를 네비게이션 하는 데에 활용될 수 있다.
도 6은 테마 추천 결과 화면을 도시한 도면이다.
화면의 좌측에는 건강, 문화, 여행, 음식, 동물, 스포츠 등의 테마 메뉴가 있으며, 각 테마를 클릭하면 해당되는 추천 프로그램과 추천 뉴스가 화면의 우측에 표시된다. 방송 콘텐츠 추천 장치는 각 콘텐츠가 사용자가 원하는 콘텐츠인지 확인을 용이하게 하기 위해, 프로그램 정보와 뉴스 정보의 일부를 같이 표시하여 디스플레이 할 수 있다.
도 7은 기획 추천 결과 화면과 기획 추천 관리자 화면을 도시한 도면이다.
기획 추천은 서비스 관리자 또는 기획자의 기획을 반자동 방식으로 간단하게 서비스하는 것이다. 일측에 따르면, 관리자/기획자는 기획추천을 위해 기획추천명, 필수 키워드, 보조 키워드를 입력할 수 있다. 필수 키워드는 콘텐츠에 반드시 포함되어야 하는 AND 효과를 가진 키워드이며, 보조 키워드는 포함되면 상위에 랭크될 수 있는 OR 효과를 가진 키워드이다. 이와 같은 조건으로 검색된 콘텐츠가 관리자/기획자에게 디스플레이된다. 관리자/기획자는 서비스를 위한 콘텐츠(프로그램, 뉴스)를 선택할 수 있다.
도 8은 자막 검색 결과 화면을 도시한 도면이다.
방송 콘텐츠 추천 장치는 방송 콘텐츠를 검색하기 위해 자막을 활용할 수 있다. 일측에 따르면, 방송 콘텐츠 추천 장치는 자막 검색의 색인 방법을 개선하여 자막 검색 결과를 시간단위로 동영상과 연계해서 제공할 수 있다.
검색결과는 에피소드(회별 프로그램) 단위의 자막 검색 결과를 모아서 확인하고, 특정 에피소드(회별 프로그램)의 상세 자막을 네비게이션하는 2단계 방식으로 제공되며 각각 도 8, 도 9에 화면 예제가 도시된다.
에피소드(회별 프로그램) 단위의 자막 검색 결과에서 제공되는 내용은 검색 결과 자막과 그 앞뒤의 자막 내용이 같이 제공될 수 있다. 사용자는 앞뒤의 자막 내용이 같이 제공되므로, 자기가 원하는 검색결과인지를 보다 쉽게 알 수 있다.
일측에 따르면, 방송 콘텐츠 추천 장치는 프로그램에서 질의어가 포함된 자막 검색 결과의 개수도 같이 디스플레이하여 해당 프로그램에서 질의어가 차지하는 비중을 보여줄 수 있다.
또한, 방송 콘텐츠 추천 장치는 자막 검색 결과가 해당하는 시간의 동영상의 썸네일과 자막을 함께 디스플레이할 수 있다.
방송 콘텐츠 추천 장치는 해당 프로그램에서 질의어가 포함된 검색결과를 5개정도 같이 보여주는 미리보기 기능을 제공할 수 있다. 이 기능을 이용하여 사용자는 해당 자막을 상세 네비게이션 할지 여부를 미리 결정할 수 있다.
도 9는 특정 에피소드(회별 프로그램)내의 자막 검색 결과 및 네비게이션 화면을 도시한 도면이다.
에피소드(회별 프로그램)내 자막 네비게이션은 검색된 질의어에 기반하여 특정 에피소드(회별 프로그램) 내에서 자막 데이터를 네비게이션을 하는 것이다. 이것은 한 에피소드(회별 프로그램)내에서 특정 시점의 자막 텍스트와 특정 시점의 동영상 썸네일을 동시에 제공하는 것이다. 사용자는 자신이 질의어로 넣은 키워드가 포함된 자막을 특정 프로그램 내에서 네비게이션할 수 있다. 자막 검색 결과 뿐 아니라 전체 자막 네비게이션도 가능하다. 사용자가 상단에 있는 타임라인에 마우스를 가져가면, 방송 콘텐츠 추천 장치는 해당 시간과 가장 가까운 자막을 디스플레이한다. 사용자가 타임라인을 클릭하면, 방송 콘텐츠 추천 장치는 해당 시간에 있는 자막들을 디스플레이한다. 도 9에서 설명은 자막 네비게이션 기능은 제작자나 사용자가 특정 장면(예를 들어, 연예인의 징크스에 대해 언급된 장면)을 찾는 데에 유용하게 활용될 수 있다.
도 10은 사용자 이력 기반 추천 프로세스를 도시한 도면이다.
사용자 이력 기반 콘텐츠 추천은 사용자가 시청했던 콘텐츠에 대한 소비이력 또는 선호도(별점)을 기준으로 각 콘텐츠 별 상관성을 분석하고, 사용자가 시청한 이력이 없으나, 사용자가 기존에 시청한 이력이 있는 방송 콘텐츠들과는 상관성이 높은 방송 콘텐츠를 추천하는 기능이다. 사용자 이력기반 추천을 위해 방송 콘텐츠 추천 장치는 주기적으로 사용자 모델을 업데이트하여 추천 인덱스를 갱신한다. 사용자 모델을 업데이트하기 위해서 loadData(), makeDataModel()에서는 사용자의 이력 데이터 및 방송 콘텐츠 정보를 로딩하고 데이터 모델을 생성한다. generateMatrix()에서는 콘텐츠 유사도를 계산하기 위한 전처리 과정으로 콘텐츠별 사용자 소비이력 매트릭스를 구성한다. calculateSimilarity(), generateSimilarityMatix()에서는 지정된 방식(예. 피어슨상관계수 or 코사인유사도)에 따라서 콘텐츠 유사도를 계산하고, 추천 알고리듬에 따라 각 사용자에게 제공하기 위한 콘텐츠를 추천 인덱스에 저장한다. 그리고 추천 인덱스를 이용하여 사용자에게 맞춤형으로 추천 아이템을 제공한다.
도 11은 대용량 소비이력 데이터 기반에서 향상된 처리를 위한 색인 구조를 도시한 도면이다.
방송 콘텐츠 추천 장치는 대용량의 데이터 계산을 수행하여 사용자의 이력과 분석된 콘텐츠 유사도를 기반으로 사용자에게 맞춤형으로 콘텐츠를 추천한다. 이를 위해서 도 11과 같은 색인 데이터 구조를 설계하였다. 방송 콘텐츠 추천 장치는 사용자 이력 정보를 유저 로그 히스토리 테이블(KBS_TV_VIEWHISTORY)에 저장하여 사용자 이력 분석에 대한 기본적인 데이터를 구성한다. 추천 단위 값은 PROCESS_UNIT_NUMBER에 저장되고, 방송 콘텐츠 추천 장치는 추천 단위 값에 따라서 시리즈/에피소드(회별 프로그램)별 추천을 수행한다. 방송 콘텐츠 추천 장치는 콘텐츠룩업 테이블과 사용자 룩업 데이블(RC_CONTENTS_LIST, RC_USER_LIST)을 구성하고 로그 히스토리 정보를 인덱싱한다. RC_CONTENTS_LIST의 CONTENTS_ID에는 추천 단위가 시리즈인 경우에는 시리즈의 식별자가, 에피소드(회별 프로그램)일 경우에는 에피소드의 식별자가 저장된다.
방송 콘텐츠 추천 장치는 룩업테이블을 이용하여 RC_USER_ONTENTS_FEEDBACK 테이블을 생성한다. 여기서, 방송 콘텐츠 추천 장치는 FEEDBACK_NUMBER에 사용자의 소비 이력을 저장된다. 이 때 추천 단위가 시리즈인 경우에는 해당 시리즈에 포함된 각 에피소드에 대한 소비 이력의 평균값이 저장된다. 콘텐츠 유사도는 RC_CONTENTS_AHNCHOR 테이블에 저장되며 이를 이용하여 계산된 사용자별 추천 콘텐츠는 RC_INDEX에 저장된다.
도 12는 콘텐츠 유사도를 계산하는 과정을 도시한 도면이다.
방송 콘텐츠 추천 장치는 각 사용자별로 콘텐츠에 대한 소비이력 값을 이용하여 콘텐츠 유사도를 계산한다. 유사도 알고리듬은 피어슨상관계수 및 코사인유사도 방식 모두를 지원하게 하여, 시스템의 유연성을 높였다. 사용자 소비이력을 기반으로 콘텐츠 유사도를 계산하는 과정에서 다양한 시스템을 지원하기 위해 소비이력은 소비여부나 선호도(별점)를 모두 사용할 수 있다.
예를 들어, 소비이력을 소비여부로 사용한 경우에는 값을 0 또는 5점으로 처리할 수 있으며, 선호도(별점)을 소비 여부로 사용한 경우에는 소비이력에 1~5점을 사용할 수 있다. 도 12는 선호도(별점)를 소비이력으로 사용한 경우의 예이다.
도 13은 피어슨 상관계수 기반의 콘텐츠 유사도 계산을 위한 희소 배열 구조를 도시한 도면이다.
피어슨 상관계수 방식은 어느 두 사용자에 대해 공통으로 소비이력이 있는 콘텐츠에 대해 소비이력을 이용하여 유사도를 계산하는 방식이다. 이 경우에, 사용자들이 소비한 콘텐츠의 개수는 전체 콘텐츠의 개수에 비해 적으므로 희소배열(Sparse Array) 방식을 이용하여 계산을 효율적으로 수행할 수 있다. 도 13의 하단의 피어슨 상관계수 희소배열은 계산된 콘텐츠 유사도를 저장한다. 이 방식은 사용자이력이 선호도(별점) 기반인 경우에 적합하다.
도 14는 코사인 유사도 기반의 콘텐츠 유사도 계산을 위한 희소 배열 구조를 도시한 도면이다.
코사인유사도 방식은 사용자의 전체 소비 이력을 이용하여 유사도를 계산하는 방식이다. 이 경우에, 사용자들이 소비한 콘텐츠의 개수는 전체 콘텐츠의 개수에 비해 적으므로 희소배열(Sparse Array) 방식을 이용하는 것이 효율적이다. 도 14의 하단의 코사인유사도 희소배열은 계산된 콘텐츠 유사도를 저장한다. 이 방식은 사용자이력이 소비여부 기반인 경우에 적합하다.
도 15는 사용자 이력 기반 추천 알고리즘을 도시한 도면이다.
사용자 이력 기반 콘텐츠 추천 알고리듬은 콘텐츠 간의 유사도와 콘텐츠를 사용한 사용자의 피드백(선호도 or 소비여부)을 기반으로 이루어진다. 방송 콘텐츠 추천 장치는 사용자가 피드백을 높이 준 콘텐츠를 순차적으로 가져와서 유사도가 높은 콘텐츠의 리스트를 저장한다. 방송 콘텐츠 추천 장치는 사용자들이 준 피드백인 선호도의 평균과 콘텐츠의 유사도를 고려하여 특정 방송 콘텐츠에 대한 예상 피드백을 도출한다.
방송 콘텐츠 추천 장치는 복수의 방송 콘텐츠들을 예상 피드백에 따라서 내림차순으로 정렬하여 저장하여 사용자협업 필터를 생성할 수 있다. 이 때 계산을 효율적으로 하기 위해, 방송 콘텐츠 추천 장치는 피드백과 콘텐츠 유사도의 임계값을 설정할 수 있다. 도 15에서는 피드백 값이 3보다 크고, 콘텐츠 유사도가 0.6보다 큰 방송 콘텐츠를 대상으로 사용자별 추천 콘텐츠의 예상 별점을 계산한 실시예가 도시되었다.
도 16은 사용자 맞춤 추천 페이지를 도시한 도면이다.
사용자 맞춤추천 페이지는 사용자가 로그인을 하고 났을 때 해당 사용자에방송 콘텐츠를 맞춤형으로 추천해주는 페이지이다. 상단의 슬라이드 데크에는 사용자 이력기반 콘텐츠 추천(도 4의 6) 결과가 디스플레이된다. 사용자 맞춤추천 페이지에 포함된 최근 추천 기능은 사용자 이력에 기반하여 콘텐츠 최근작을 추천(도 4의 7)하는 기능이고, 연령 맞춤 추천 기능은 연령과 성별에 대한 프로파일에 기반하여 콘텐츠를 추천(도 4의 9)하는 기능이다. 즉, 이 예제에서의 사용자는 나이가 40대이며 여성인 것을 알 수 있다. 사용자 맞춤추천 페이지의 하단에 디스플레이된 선호 인물 맞춤 추천 기능(도 4의 10)은 사용자가 선호하는 인물을 등록해 놓으면, 그 인물에 관련 있는 콘텐츠를 추천해 주는 것이다. 사용자 맞춤추천 페이지의 우측에 디스플레이된 맞춤 편성표 기능은 사용자에게 추천하고자 하는 추천 콘텐츠와 향후 1주간의 편성표를 비교하여, 동일한 프로그램의 스케줄을 맞춤형으로 제공하는 것이다.
도 17은 프로그램 상세보기 페이지를 도시한 도면이다.
도 17에 도시된 상세보기 페이지는 상단에 프로그램 정보를 디스플레이하고, 중간에 에피소드(회별 프로그램) 리스트를 디스플레이한다. 그리고 하단에는 중간의 에피소드(회별 프로그램)에서 선택된 콘텐츠 관련 프로그램을 디스플레이한다. 이것은 도 4에서 정의된 인터페이스를 사용하여 구현한 것이다.
도 18은 VOD 다시 보기 페이지를 도시한 도면이다.
VOD보기 페이지에서는 동영상 재생기능과 함께 관련 프로그램, 뉴스 등이 같이 제공된다. 플레이어의 하단에는 프로그램 정보와 추출된 키워드, 그리고 소비이력 데이터를 이용하여 계산된 콘텐츠 유사도 계산을 통해 사용자에게 추천 콘텐츠가 제시된다. 우측에는 관련 프로그램과 관련 뉴스가 같이 제공된다.
도 19는 키워드 기반 관련 콘텐츠 네비게이션 화면을 도시한 도면이다.
방송 프로그램에서 추출된 키워드 각각은 프로그램 전체 내용을 다 포함하고 있지는 않지만, 중요한 주제나 소재 등에 관련된 것이다. 사용자가 방송 프로그램을 보고서, 그에 관련된 특정 부분의 내용에 관심이 있다면 각각의 키워드로 관련 내용을 찾아가는 것이 효율적이다. 사용자가 콘텐츠 네비게이션 화면에 디스플레이된 특정 에피소드(회별 프로그램)을 선택하면, 그것을 중심으로 키워드와 관련 콘텐츠가 재정렬된다. 이와 같이 키워드와 관련 콘텐츠를 이용하면, 방송 콘텐츠를 네비게이션하며 사용자가 원하는 콘텐츠를 찾아갈 수 있다.
도 20은 하이브리드 TV 추천 페이지 적용 화면을 도시한 도면이다.
도 20의 하이브리드 TV 추천 페이지 적용 화면에는 도 4의 추천, 검색 인터페이스가 적용되었다. 소비이력기반 추천 페이지에서는 맞춤 추천 작품(사용자 이력기반 콘텐츠 추천), 최근 추천 작품(사용자 이력기반 콘텐츠 최근작 추천)이 적용되어 있다. 콘텐츠기반 추천은 콘텐츠 연관메뉴 항목 구성 인터페이스를 이용하여 추천 페이지를 구성한 것이다. 이것은 특정 에피소드(회별 프로그램)에 대해서 관련 프로그램과 키워드, 인물 등의 정보를 좌측의 메뉴에 제시하고, 그에 따른 결과 콘텐츠를 우측에 제시하는 것이다. 이것을 이용하면, 유연한 콘텐츠 추천 페이지 구성이 가능하다.
도 21은 웹관심도 처리 방법을 도시한 도면이다.
웹관심도 통계는 시청률과는 별도로 인터넷을 많이 사용하는 블로거들의 관심을 통계로 표현한 것이다. 일측에 따르면, 웹관심도 통계는 웹상에 있는 각 프로그램과 관련된 블로그 문서에 대한 통계를 구하여 구현될 수 있다. 방송 콘텐츠 추천 장치는 웹수집기를 통해서 수집된 문서가 해당 방송 프로그램에 대한 것인지를 확인하기 위해 코사인 유사도 알고리즘을 사용할 수 있다. 이를 위해 먼저 웹 수집기를 통해서 각 프로그램의 이름으로 수집한 블로그의 문서들의 내용과, 방송 콘텐츠의 내용에서 특성을 추출한다. 방송 콘텐츠 추천 장치는 추출한 특성과 특성의 가중치로 코사인 유사도 알고리즘을 사용하여, 블로그 문서와 방송 콘텐츠와의 유사도를 산출한다. 방송 콘텐츠 추천 장치는 일정 수치 이상의 유사도를 가진 블로그 문서만 통계에 반영한다.
방송 콘텐츠 추천 장치는 웹관심도 통계를 기간별 그래프로 표현하여 단기간, 또는 장기간에 프로그램에 대한 관심이 어떻게 변하는지 확인할 수 있다.
도 22는 웹관심도 서비스 화면을 도시한 도면이다.
방송 콘텐츠 추천 장치는 웹관심도 통계를 주간, 월간으로 보여줄 수 있다. 도 22에서는 4월10일부터 16일까지 1주일간의 웹관심도 통계가 디스플레이된다. 일주간 웹관심도가 높은 상위 10개의 프로그램을 시청률값과 비교하여 보여준다. 각 프로그램을 선택하면 수집된 관련 블로그 리스트가 보여지고, 최근 이 프로그램의 웹관심도의 추이를 같이 보여준다.
도 23은 방송 콘텐츠 추천 장치의 구조를 도시한 블록도이다.
방송 콘텐츠 추천 장치(2300)는 추천 단위 결정부(2310), 정보 수집, 가공부(2320), 인덱스 생성부(2330) 및 인터페이스부(2340)를 포함한다.
추천 단위 결정부(2310)는 방송 콘텐츠에 대한 추천 단위를 결정한다. 일측에 따르면, 추천 단위 결정부(2310)는 방송 콘텐츠가 복수의 방송 콘텐츠들이 하나의 스토리를 구성하는 시리즈물의 일부인 경우에, 시리즈를 방송 콘텐츠에 대한 추천 단위로 결정하고, 방송 콘텐츠의 내용이 방송 콘텐츠의 내용과 상이한 에피소드(회별 프로그램)인 경우에, 각각의 에피소드(회별 프로그램)을 추천 단위로 결정할 수 있다.
다른 측면에 따르면, 추천 단위 결정부(2310)는 방송 콘텐츠의 장르가 드라마인 경우에, 드라마 시리즈를 추천 단위로 결정하고, 방송 콘텐츠의 장르가 뉴스, 다큐멘터리 등 사실이나 정보 기반의 프로그램인 경우에 각 에피소드(회별 프로그램)를 추천 단위로 결정할 수 있다.
정보 수집, 가공부(2320)는 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집한다.
인덱스 생성부(2330)는 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성한다.
일측에 따르면, 정보 수집, 가공부(2320)는 방송 콘텐츠와 관련된 자막을 검색하고, 검색된 자막과 검색된 자막에 대응되는 상기 방송 콘텐츠의 영상을 수집할 수 있다. 이 경우에, 인터페이스부(2340)는 검색된 자막과 검색된 자막에 대응되는 방송 콘텐츠의 영상을 동일한 화면에 디스플레이할 수 있다.
다른 측면에 따르면, 정보 수집, 가공부(2320)는 사용자의 소비 이력에 대한 정보를 수집하고, 인덱스 생성부(2330)는 소비 이력에 대한 정보에 기반하여 각 방송 콘텐츠들의 상관성을 분석하여 상기 인덱스를 생성할 수 있다. 이 경우에, 인터페이스부(2330)는 인덱스에 기반하여 사용자가 시청하지 않았으나, 사용자가 이미 시청한 다른 방송 콘텐츠와 상관성이 높은 방송 콘텐츠를 사용자에게 추천하는 화면을 사용자에게 디스플레이 할 수 있다.
또 다른 측면에 따르면, 정보 수집, 가공부(2320)는 방송 콘텐츠에 대한 웹문서를 수집하고, 인덱스 생성부(2330)는 웹문서와 방송 콘텐츠간의 유사도를 산출하여, 소정의 임계치 이상의 유사도를 가지는 웹문서만을 대상으로 인덱스를 생성할 수 있다. 이 경우에, 인터페이스부(2340)는 생성된 인덱스를 사용자에게 디스플레이할 수 있다.
또 다른 측면에 따르면, 정보 수집, 가공부(2320)는 방송 콘텐츠와 관련된 텍스트를 수집하고, 인덱스 생성부(2330)는 수집된 텍스트에서 방송 콘텐츠에 대한 개체명을 추출할 수 있다. 만약 텍스트 중에서 개체명의 비율이 소정의 비율 이상인 경우에, 인덱스 생성부(2330)는 테마별 개체명 분류를 이용하여 방송 콘텐츠에 대한 테마를 결정할 수 있다.
도 24는 방송 콘텐츠 추천 방법을 단계별로 설명한 순서도이다.
단계(2410)에서 방송 콘텐츠 추천 장치는 방송 콘텐츠에 대한 추천 단위를 결정한다. 일측에 따르면, 방송 콘텐츠가 복수의 에피소드(회별 프로그램)들이 하나의 스토리를 구성하는 시리즈물의 일부인 경우에, 방송 콘텐츠 추천 장치는 방송 콘텐츠에 대하여 시리즈를 추천 단위로 결정하고, 방송 콘텐츠의 내용이 다른 방송 콘텐츠의 내용과 상이한 에피소드(회별 프로그램)인 경우에, 방송 콘텐츠 추천 장치는 해당 방송 콘텐츠만을 추천 단위로 결정할 수 있다.
다른 측면에 따르면, 방송 콘텐츠 추천 장치는 방송 콘텐츠의 장르가 드라마인 경우에, 드라마 시리즈를 추천 단위로 결정하고, 방송 콘텐츠의 장르가 뉴스, 다큐멘터리 중에서 어느 하나인 경우에 해당 방송 콘텐츠를 상기 추천 단위로 결정할 수 있다.
단계(2420)에서 방송 콘텐츠 추천 장치는 결정된 추천 단위에 따라서 방송 콘텐츠에 대한 정보를 수집, 가공한다.
단계(2430)에서 방송 콘텐츠 추천 장치는 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하고, 단계(2440)에서 방송 콘텐츠 추천 장치는 검색 또는 추천 결과를 사용자에게 디스플레이 한다.
일측에 따르면, 방송 콘텐츠 추천 장치는 단계(2420)에서 방송 콘텐츠와 관련된 자막을 검색하고, 검색된 자막과 검색된 자막에 대응되는 방송 콘텐츠의 영상을 수집한다. 방송 콘텐츠 추천 장치는 단계(2440)에서 검색된 자막과 검색된 자막에 대응되는 상기 방송 콘텐츠의 영상을 사용자에게 디스플레이한다.
다른 측면에 따르면, 단계(2420)에서 방송 콘텐츠 추천 장치는 사용자의 소비 이력에 대한 정보를 수집하고, 단계(2430)에서 소비 이력에 대한 정보에 기반하여 각 방송 콘텐츠들의 상관성을 분석하여 인덱스를 생성한다. 방송 콘텐츠 추천 장치는 단계(2440)에서 생성된 인덱스에 기반하여 사용자가 시청하지 않았으나, 사용자가 이미 시청한 다른 방송 콘텐츠와 상관성이 높은 방송 콘텐츠를 사용자에게 추천한다.
또 다른 측면에 따르면, 단계(2420)에서 방송 콘텐츠 추천 장치는 방송 콘텐츠에 대한 웹문서를 수집하고, 단계(2430)에서 웹문서와 방송 콘텐츠간의 유사도를 산출하여, 소정의 임계치 이상의 유사도를 가지는 웹문서만을 대상으로 인덱스를 생성하고 통계낸다. 이 경우에, 방송 콘텐츠 추천 장치는 단계(2440)에서 생성된 인덱스를 사용자에게 디스플레이 할 수 있다.
또 다른 측면에 따르면, 단계(2420)에서 방송 콘텐츠 추천 장치는 방송 콘텐츠와 관련된 텍스트를 수집하고 단계(2430)에서 수집된 텍스트에서 방송 콘텐츠에 대한 키워드를 추출한다. 만약, 수집된 텍스트 중에서 추출된 키워드의 비율이 소정의 비율 이상인 경우에, 방송 콘텐츠 추천 장치는 추출된 키워드를 이용하여 방송 콘텐츠에 대한 테마를 결정할 수 있다.
본 발명의 실시 예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 콘텐츠 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 콘텐츠 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 콘텐츠 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1: 방송 콘텐츠를 추천, 검색하는 시스템
도 2: 방송 콘텐츠를 추천, 검색하는 시스템의 구조도

Claims (15)

  1. 삭제
  2. 방송 콘텐츠에 대한 추천 단위를 결정하는 추천 단위 결정부;
    상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 정보 수집부; 및
    상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 인덱스 생성부를 포함하고,
    상기 추천 단위 결정부는 상기 방송 콘텐츠가 복수의 회별 프로그램들이 하나의 스토리를 구성하는 시리즈물의 일부인 경우에, 상기 시리즈를 추천 단위로 결정하고, 상기 방송 콘텐츠의 내용이 다른 방송 콘텐츠의 내용과 상이한 에피소드(회별 프로그램)인 경우에, 상기 방송 콘텐츠만을 추천 단위로 결정하는 방송 콘텐츠 추천 장치.
  3. 제2항에 있어서,
    상기 추천 단위 결정부는 상기 방송 콘텐츠의 장르가 드라마, 코미디, 시트콤인 경우에, 상기 드라마, 코미디, 시트콤 시리즈를 상기 추천 단위로 결정하고, 상기 방송 콘텐츠의 장르가 교양, 오락, 뉴스, 다큐멘터리, 스포츠 중계, 공연, 영화 중에서 어느 하나인 경우에 상기 방송 콘텐츠의 에피소드(회별 프로그램)를 상기 추천 단위로 결정하는 방송 콘텐츠 추천 장치.
  4. 방송 콘텐츠에 대한 추천 단위를 결정하는 추천 단위 결정부;
    상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 정보 수집부;
    상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 인덱스 생성부; 및
    인터페이스부를 포함하고,
    상기 정보 수집부는 상기 방송 콘텐츠의 영상과 자막을 수집하고,
    상기 인덱스 생성부는 상기 자막을 시간 정보와 같이 색인하고,
    상기 인터페이스부는 질의어로 검색된 자막과 상기 검색된 자막에 대응되는 시간의 상기 방송 콘텐츠의 영상을 디스플레이하는 방송 콘텐츠 추천 장치.
  5. 제2항에 있어서,
    인터페이스부를 더 포함하고,
    상기 정보 수집부는 사용자의 소비 이력에 대한 정보를 수집하고,
    상기 인덱스 생성부는 상기 소비 이력에 대한 정보에 기반하여 각 방송 콘텐츠들의 상관성을 상기 추천 단위로 분석하여 상기 인덱스를 생성하고,
    상기 인터페이스부는 상기 인덱스에 기반하여 상기 방송 콘텐츠를 상기 추천 단위로 상기 사용자에게 추천하는 방송 콘텐츠 추천 장치.
  6. 방송 콘텐츠에 대한 추천 단위를 결정하는 추천 단위 결정부;
    상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 정보 수집부; 및
    상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 인덱스 생성부를 포함하고,
    상기 정보 수집부는 상기 방송 콘텐츠에 대한 웹문서를 수집하고,
    상기 인덱스 생성부는 상기 웹문서와 방송 콘텐츠간의 유사도를 산출하고, 소정의 임계치 이상의 유사도를 가지는 웹문서만을 대상으로 상기 인덱스와 통계를 생성하고, 인터페이스부는 상기 생성된 인덱스를 디스플레이하는 방송 콘텐츠 추천 장치.
  7. 제2항에 있어서,
    상기 정보 수집부는 상기 방송 콘텐츠와 관련된 텍스트를 수집하고,
    상기 인덱스 생성부는 상기 텍스트에서 상기 방송 콘텐츠에 대한 개체명을 추출하고, 상기 텍스트 중에서 사전에 정의된 테마의 분류에 해당되는 개체명의 비율이 소정의 비율 이상인 경우에, 상기 개체명을 이용하여 상기 방송 콘텐츠에 대한 테마를 결정하고,
    상기 테마는 건강, 문화, 여행, 음식, 동물, 스포츠를 포함하는 방송 콘텐츠 추천 장치.
  8. 삭제
  9. 방송 콘텐츠에 대한 추천 단위를 결정하는 단계;
    상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 단계; 및
    상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 단계를 포함하고,
    상기 추천 단위를 결정하는 단계는 상기 방송 콘텐츠가 복수의 에피소드(회별 프로그램)들이 하나의 스토리를 구성하는 시리즈물의 일부인 경우에, 상기 시리즈를 추천 단위로 결정하고, 상기 방송 콘텐츠의 내용이 다른 방송 콘텐츠의 내용과 상이한 에피소드(회별 프로그램)인 경우에, 상기 방송 콘텐츠만을 추천 단위로 결정하는 방송 콘텐츠 추천 방법.
  10. 제9항에 있어서,
    상기 추천 단위를 결정하는 단계는 상기 방송 콘텐츠의 장르가 드라마, 코미디, 시트콤인 경우에, 상기 드라마, 코미디, 시트콤 시리즈를 상기 추천 단위로 결정하고, 상기 방송 콘텐츠의 장르가 교양, 오락, 뉴스, 다큐멘터리, 스포츠 중계, 공연, 영화 중에서 어느 하나인 경우에 상기 방송 콘텐츠의 에피소드(회별 프로그램)를 상기 추천 단위로 결정하는 방송 콘텐츠 추천 방법.
  11. 방송 콘텐츠에 대한 추천 단위를 결정하는 단계;
    상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 단계; 및
    상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 단계를 포함하고,
    상기 정보를 수집하는 단계는 상기 방송 콘텐츠의 영상과 자막을 수집하고 상기 자막을 시간 정보와 같이 색인하고,
    질의어로 검색된 자막과 상기 검색된 자막에 대응되는 시간의 상기 방송 콘텐츠의 영상을 디스플레이하는 단계
    를 더 포함하는 방송 콘텐츠 추천 방법.
  12. 제9항에 있어서,
    상기 정보를 수집하는 단계는 사용자의 소비 이력에 대한 정보를 수집하고,
    상기 인덱스를 생성하는 단계는 상기 소비 이력에 대한 정보에 기반하여 각 방송 콘텐츠들의 상관성을 분석하여 상기 인덱스를 생성하고,
    상기 인덱스에 기반하여 상기 방송 콘텐츠를 상기 사용자에게 추천하는 단계
    를 더 포함하는 방송 콘텐츠 추천 방법.
  13. 방송 콘텐츠에 대한 추천 단위를 결정하는 단계;
    상기 결정된 추천 단위에 따라서 상기 방송 콘텐츠에 대한 정보를 수집하는 단계; 및
    상기 수집된 정보를 가공하여 검색 또는 추천을 위한 인덱스를 생성하는 단계를 포함하고,
    상기 정보를 수집하는 단계는 상기 방송 콘텐츠에 대한 웹문서를 수집하고,
    상기 인덱스를 생성하는 단계는 상기 웹문서와 방송 콘텐츠간의 유사도를 산출하고, 소정의 임계치 이상의 유사도를 가지는 웹문서만을 대상으로 상기 인덱스와 통계를 생성하고,
    상기 생성된 인덱스를 디스플레이하는 단계
    를 더 포함하는 방송 콘텐츠 추천 방법.
  14. 제9항에 있어서,
    상기 정보를 수집하는 단계는 상기 방송 콘텐츠와 관련된 텍스트를 수집하고,
    상기 인덱스를 생성하는 단계는 상기 텍스트에서 상기 방송 콘텐츠에 대한 개체명을 추출하고, 상기 텍스트 중에서 사전에 정의된 테마의 분류에 해당되는 개체명의 비율이 소정의 비율 이상인 경우에, 상기 개체명를 이용하여 상기 방송 콘텐츠에 대한 테마를 결정하고, 상기 테마는 건강, 문화, 여행, 음식, 동물, 스포츠를 포함하는 방송 콘텐츠 추천 방법.
  15. 제9항 내지 제14항 중에서 어느 하나의 항의 방법을 실행시키기 위한 콘텐츠가 기록된 컴퓨터 판독 가능한 기록 매체.
KR1020110088815A 2011-09-02 2011-09-02 방송 콘텐츠 추천 장치 및 방법 KR101286427B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110088815A KR101286427B1 (ko) 2011-09-02 2011-09-02 방송 콘텐츠 추천 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110088815A KR101286427B1 (ko) 2011-09-02 2011-09-02 방송 콘텐츠 추천 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20130025491A KR20130025491A (ko) 2013-03-12
KR101286427B1 true KR101286427B1 (ko) 2013-07-23

Family

ID=48177106

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110088815A KR101286427B1 (ko) 2011-09-02 2011-09-02 방송 콘텐츠 추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101286427B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11711582B2 (en) 2020-12-03 2023-07-25 Samsung Electronics Co., Ltd. Electronic apparatus and control method thereof

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101616788B1 (ko) * 2014-10-15 2016-04-29 주식회사 케이티 콘텐츠의 테마를 생성하는 방법, 장치 및 시스템
KR101703742B1 (ko) * 2015-08-26 2017-02-07 (주)재플 사용자 기반 재핑광고 분석 및 제공시스템
CN112015982A (zh) * 2020-08-20 2020-12-01 深圳市铭数信息有限公司 定制化新闻生成方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007088722A (ja) * 2005-09-21 2007-04-05 Toshiba Corp シリーズ番組検索装置及びシリーズ番組検索方法
JP2007272451A (ja) * 2006-03-30 2007-10-18 Toshiba Corp 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007088722A (ja) * 2005-09-21 2007-04-05 Toshiba Corp シリーズ番組検索装置及びシリーズ番組検索方法
JP2007272451A (ja) * 2006-03-30 2007-10-18 Toshiba Corp 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11711582B2 (en) 2020-12-03 2023-07-25 Samsung Electronics Co., Ltd. Electronic apparatus and control method thereof

Also Published As

Publication number Publication date
KR20130025491A (ko) 2013-03-12

Similar Documents

Publication Publication Date Title
US9396258B2 (en) Recommending video programs
US9047375B2 (en) Internet video content delivery to television users
JP6235556B2 (ja) コンテンツ提示方法、コンテンツ提示装置及びプログラム
KR100893129B1 (ko) 멀티 미디어 컨텐츠의 추천 키워드 추출 시스템 및 그 방법
US11962838B2 (en) Systems and methods for customizing a display of information associated with a media asset
US10264314B2 (en) Multimedia content management system
KR101729701B1 (ko) 매체 컨텐츠 공간의 네비게이션
JP5285196B1 (ja) お薦めコンテンツ提供装置、お薦めコンテンツ提供プログラムおよびお薦めコンテンツ提供方法
US20140052696A1 (en) Systems and methods for visual categorization of multimedia data
US8572655B2 (en) Video on demand (VOD) recommendations based on user viewing history
US20210385546A1 (en) Systems and methods for navigating media assets
US20130347033A1 (en) Methods and systems for user-induced content insertion
CN102265276A (zh) 基于上下文的推荐系统
KR101550886B1 (ko) 동영상 콘텐츠에 대한 부가 정보 생성 장치 및 방법
DK3217403T3 (en) SYSTEMS AND METHODS FOR IDENTIFICATION OF AUDIO CONTENTS USING AN INTERACTIVE MEDIA MANAGEMENT APPLICATION
US9542395B2 (en) Systems and methods for determining alternative names
US10419799B2 (en) Systems and methods for navigating custom media presentations
KR101286427B1 (ko) 방송 콘텐츠 추천 장치 및 방법
EP3286711A1 (en) Systems and methods for improving accuracy in media asset recommendation models
US20060174275A1 (en) Generation of television recommendations via non-categorical information
US20070022440A1 (en) Program recommendation via dynamic category creation
JP6150780B2 (ja) 情報処理装置、情報処理方法およびプログラム
KR101473250B1 (ko) 디지털 방송 시스템에서 사용자 선호 프로그램 추천 방법및 장치
Rautiainen et al. Kuukkeli-TV: Online content-based services and applications for broadcast TV with long-term user experiments
KR20150105134A (ko) 콘텐츠 추천 장치 및 추천 방법

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: 20160711

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180710

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190709

Year of fee payment: 7