KR101427104B1 - 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버 - Google Patents

소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버 Download PDF

Info

Publication number
KR101427104B1
KR101427104B1 KR20080006856A KR20080006856A KR101427104B1 KR 101427104 B1 KR101427104 B1 KR 101427104B1 KR 20080006856 A KR20080006856 A KR 20080006856A KR 20080006856 A KR20080006856 A KR 20080006856A KR 101427104 B1 KR101427104 B1 KR 101427104B1
Authority
KR
South Korea
Prior art keywords
contents
content
list
user
users
Prior art date
Application number
KR20080006856A
Other languages
English (en)
Other versions
KR20090080857A (ko
Inventor
김민경
Original Assignee
에스케이플래닛 주식회사
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 에스케이플래닛 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR20080006856A priority Critical patent/KR101427104B1/ko
Publication of KR20090080857A publication Critical patent/KR20090080857A/ko
Application granted granted Critical
Publication of KR101427104B1 publication Critical patent/KR101427104B1/ko

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명은 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및 콘텐츠 제공서버에 관한 것으로, 이용자 단말에서 열람한 콘텐츠에 대한 평점 정보를 포함하는 이용자 데이터를 생성하여 콘텐츠 제공서버에 전송하고, 콘텐츠 제공서버에서는 이용자 단말 및 이용자 단말로부터 이용자 데이터를 수신하여 소정의 계산과정을 거쳐 이용자들이 선호하고 신뢰하는 콘텐츠 리스트를 생성하여 이용자 단말에 제공하는 것을 기술적 특징으로 한다. 이러한 본 발명은 다른 이용자들이 콘텐츠를 요청할 시에 보다 정확하고 신뢰도 있는 콘텐츠 정보를 제공할 수 있다.
소셜 네트워크, 콘텐츠 제공서버, 신뢰도, 추천

Description

소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및 콘텐츠 제공서버{System And Method For Recommending Contents Based On Social Network And Contents Providing Server}
본 발명은 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및 콘텐츠 제공서버에 관한 것으로, 특히, 이용자 단말이 부여하는 평점을 기반으로 일정 순위 이내에 드는 정보들만을 산출하는 과정을 반복 수행함으로써 신뢰도 높은 콘텐츠들을 이용자 단말이 용이하게 열람할 수 있도록 하는 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및 콘텐츠 제공서버에 관한 것이다.
현대 정보화 사회에서는 각종 정보를 전달하는 매체로서 컴퓨터와 인터넷이 새로운 커뮤니케이션의 필수적인 도구로 등장하였다. 이에 따라, 컴퓨터와 인터넷 이용자들은 정보화에 따른 편리함에 상반되는 정보화의 각종 폐해와 역기능 등으로부터 자기보호는 물론 급속한 환경 변화에 따른 발 빠른 적응과 계속적인 새로운 변화를 요구 받고 있는 실정이다.
현재 인터넷은 Web 1.0에서 Web 2.0으로 빠르게 변화하고 있다. 기존의 Web 1.0은 인터넷 상에서의 정보를 수집하여 보여주는 형태이다. 이러한 Web 1.0에서는 정보의 양이 기하급수적으로 늘어남에 따라 정보의 과다 현상이 발생하여 이용자가 필요한 정보를 찾는데 지나치게 많은 시간을 소비할 뿐만 아니라 정작 필요로 하는 정보를 찾을 수 없는 문제가 발생한다.
이에 반하여, Web 2.0은 이용자들의 자발적인 참여와 그들의 집단지성(Collective Intelligence)을 이용하여 콘텐츠를 구축하고, 그를 기반으로 한 정보를 제공하기 때문에 이용자가 원하는 보다 정확한 정보를 제공하게 된다.
그러나 아직 웹 페이지에서는 다수의 이용자가 참여하여 정보를 제공하기 보다는 해당 웹 페이지의 특정 에디터, 검색 엔진, 추천 엔진 등을 이용하여 정보를 제공하고 있다. 예컨대, 포탈 사이트의 메인 화면에 뉴스 리스트를 표시할 경우, 해당 포탈 사이트의 에디터가 지정한 뉴스 리스트를 보여주고 있다. 이러한 사실은 Web 2.0의 관점과는 배치된다.
이에 따라, 이용자들은 Web 2.0의 관점에 부합하여 자신들이 자발적으로 참여할 수 있고, 이용자들이 원하는 정확한 정보를 제공받기 원하는 실정이다.
본 발명의 목적은 다수의 인터넷 이용자들의 자발적인 참여와 집단지성을 이용하여 콘텐츠를 구축하고, 이용자 단말이 부여하는 평점을 기반으로 일정 순위 이내에 드는 정보들만을 산출하는 과정을 반복 수행함으로써 신뢰도 높은 콘텐츠들을 보다 정확하게 제공하기 위한 소셜 네트워크 기반의 콘텐츠 추천 시스템을 제공하는 것이다.
본 발명의 다른 목적은 다수의 인터넷 이용자들의 자발적인 참여와 집단지성을 이용하여 콘텐츠를 구축하고, 이용자 단말이 부여하는 평점을 기반으로 일정 순위 이내에 드는 정보들만을 산출하는 과정을 반복 수행함으로써 신뢰도 높은 콘텐츠들을 보다 정확하게 제공하기 위한 소셜 네트워크 기반의 콘텐츠 추천 방법을 제공하는 것이다.
본 발명의 또 다른 목적은 다수의 인터넷 이용자들의 자발적인 참여와 집단지성을 이용하여 콘텐츠를 구축하고, 이용자 단말이 부여하는 평점을 기반으로 일정 순위 이내에 드는 정보들만을 산출하는 과정을 반복 수행함으로써 신뢰도 높은 콘텐츠들을 보다 정확하게 제공하기 위한 소셜 네트워크 기반의 콘텐츠 제공서버를 제공하는 것이다.
이러한 목적을 위하여, 본 발명은 다음과 같은 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및 콘텐츠 제공서버를 제공한다.
본 발명에 따른 소셜 네트워크 기반의 콘텐츠 추천 시스템은 적어도 하나의 이용자 단말 및 콘텐츠 제공서버를 포함하여 구성된다. 상기 이용자 단말은 열람한 콘텐츠에 부여된 평점에 대한 데이터를 포함하는 콘텐츠 정보와 식별번호를 포함하는 이용자 데이터를 생성한다. 상기 콘텐츠 제공서버는 상기 이용자 단말들로부터 상기 이용자 데이터들을 수신한 후, 적어도 하나의 평점을 획득한 콘텐츠들을 점수 별로 순위를 정하고 상위 일정 순위 이내에 드는 제1 상위 콘텐츠들을 산출하고, 상기 상위 콘텐츠들의 순위에 따른 가중치와 이용자들이 부여한 평점을 이용하여 상위 콘텐츠들에 평점을 부여한 이용자들의 순위를 결정하고, 결정된 이용자들의 순위 중 일정 순위 이내에 드는 상위 이용자들을 산출하며, 상위 이용자들의 순위에 따른 가중치와 상위 이용자들이 부여하는 평점들을 이용하여 콘텐츠들의 순위를 결정하고, 결정된 콘텐츠들의 순위 중 일정 순위 이내에 드는 제2 상위 콘텐츠들을 산출한다.
상기 콘텐츠 제공서버는 상기 수신된 이용자 데이터들로 상기 콘텐츠들의 평점을 추출하고, 상기 산출된 제1 상위 콘텐츠들, 상기 산출된 상위 이용자들 및 상기 산출된 제2 상위 콘텐츠들로부터 각각 제1 상위 콘텐츠 리스트, 상위 이용자 리스트 및 제2 상위 콘텐츠 리스트를 생성한다.
또한 상기 콘텐츠 제공서버는 상기 이용자 데이터, 상기 콘텐츠들의 순위, 상기 이용자들의 순위, 상기 제1 상위 콘텐츠 리스트, 상기 상위 이용자 리스트, 상기 제2 상위 콘텐츠 리스트를 저장하고, 상기 제2 상위 콘텐츠 리스트에 포함되는 콘텐츠들, 상기 제2 상위 콘텐츠 리스트 및 상기 상위 이용자 리스트 중 적어도 하나를 상기 이용자 단말에 전송하고, 웹 페이지의 윗 영역 및 웹 페이지의 중앙 영역 중 어느 하나의 영역에 상기 제2 상위 콘텐츠들이 배치되는 웹 페이지를 생성하여 상기 웹 페이지를 상기 이용자 단말에 전송한다.
또한 상기 콘텐츠 제공서버는 상기 상위 이용자들이 열람하는 콘텐츠들을 검출하고, 검출된 콘텐츠들을 포함하는 오피니언 리스트를 생성하여 상기 오피니언 리스트를 상기 이용자 단말에 전송한다.
상기 콘텐츠 정보는 상기 콘텐츠의 식별 정보 및 상기 콘텐츠에 대한 상기 이용자의 평점 정보를 포함한다.
본 발명에 따른 소셜 네트워크 기반의 콘텐츠 추천 방법은 콘텐츠 제공서버가 이용자 단말이 평점을 부여한 콘텐츠 정보와 이용자 단말에 대한 이용자 정보를 포함하는 적어도 하나의 이용자 데이터를 수신하는 과정; 적어도 하나의 평점을 획득한 콘텐츠들을 점수 별로 순위를 정하고 상위 일정 순위 이내에 드는 제1 상위 콘텐츠들을 산출하는 과정; 상기 상위 콘텐츠들의 순위에 따른 가중치와 이용자들이 부여한 평점을 이용하여 상위 콘텐츠들에 평점을 부여한 이용자들의 순위를 결정하고, 결정된 이용자들의 순위 중 일정 순위 이내에 드는 상위 이용자들을 산출하는 과정; 상위 이용자들의 순위에 따른 가중치와 상위 이용자들이 부여하는 평점들을 이용하여 콘텐츠들의 순위를 결정하고, 결정된 콘텐츠들의 순위 중 일정 순위 이내에 드는 제2 상위 콘텐츠들을 산출하는 과정;을 포함하여 구성될 수 있다.
본 발명의 소셜 네트워크 기반의 콘텐츠 추천 방법은 상기 이용자 데이터, 상기 콘텐츠들의 순위, 상기 상위 이용자들의 순위를 저장하는 과정; 상기 상위 이 용자들이 열람하는 콘텐츠들의 리스트인 오피니언 리스트를 저장하는 과정; 상기 오피니언 리스트를 상기 이용자 단말에 전송하는 과정;을 더 포함할 수 있다.
본 발명의 소셜 네트워크 기반의 콘텐츠 추천 방법은 상기 제2 상위 콘텐츠들을 포함하는 제2 상위 콘텐츠 리스트를 생성하는 과정; 및 상기 제2 상위 콘텐츠 리스트를 상기 이용자 단말에 전송하는 과정;을 더 포함할 수 있다.
본 발명의 소셜 네트워크 기반의 콘텐츠 추천 방법은 상기 제2 상위 콘텐츠들을 웹 페이지의 윗 영역 및 웹 페이지의 중앙 영역 중 어느 하나의 영역에 배치하는 과정; 및 상기 웹 페이지를 상기 이용자 단말에 전송하는 과정;을 더 포함할 수 있다.
본 발명에 따른 소셜 네트워크 기반의 콘텐츠 제공서버는 이용자 단말들로부터 이용자 데이터를 수신하고, 상기 이용자 데이터로부터 콘텐츠들의 평점을 추출하는 이용자 데이터 추출부, 적어도 하나의 평점을 획득한 콘텐츠들을 점수 별로 순위를 정하고 상위 일정 순위 이내에 드는 제1 상위 콘텐츠들을 산출하여 제1 상위 콘텐츠 리스트를 생성하는 콘텐츠 신뢰도 점수 판단부, 상기 제1 상위 콘텐츠들의 순위에 따른 가중치와 이용자들이 부여한 평점을 이용하여 제1 상위 콘텐츠들에 평점을 부여한 이용자들의 순위를 결정하고, 결정된 이용자들의 순위 중 일정 순위 이내에 드는 상위 이용자들을 산출하여 상위 이용자 리스트를 생성하는 이용자 평가점수 판단부, 상기 상위 이용자들의 순위에 따른 가중치와 상기 상위 이용자들이 부여하는 평점들을 이용하여 콘텐츠들의 순위를 결정하고, 결정된 콘텐츠들의 순위 중 일정 순위 이내에 드는 제2 상위 콘텐츠들을 산출하여 제2 상위 콘텐츠 리스트 를 생성하는 신뢰도 높은 콘텐츠 선정부, 를 포함한다.
또한, 상기 이용자 데이터, 상기 콘텐츠들의 순위, 상기 이용자들의 순위, 상기 제1 상위 콘텐츠 리스트, 상기 상위 이용자 리스트, 상기 제2 상위 콘텐츠 리스트를 저장하는 평가점수 로그 저장부를 포함할 수 있다.
또한, 상기 제2 상위 콘텐츠 리스트에 포함되는 콘텐츠들, 상기 제2 상위 콘텐츠 리스트 및 상기 상위 이용자 리스트 중 적어도 하나를 상기 이용자 단말에 전송하는 콘텐츠 제공부를 포함할 수 있다.
또한, 상기 콘텐츠 제공부는 웹 페이지의 윗 영역 및 웹 페이지의 중앙 영역 중 어느 하나의 영역에 상기 제2 상위 콘텐츠들이 배치되는 웹 페이지를 생성하고, 상기 웹 페이지를 상기 이용자 단말에 전송한다.
또한, 상기 상위 이용자들이 열람하는 콘텐츠들을 검출하는 오피니언 리더 선정부를 포함할 수 있다.
또한, 상기 오피니언 리더 선정부는 상기 검출된 상위 이용자들이 열람하는 콘텐츠들을 포함하는 오피니언 리스트를 생성하고, 상기 콘텐츠 제공부는 상기 오피니언 리스트를 상기 이용자 단말에 전송한다.
또한, 상기 콘텐츠 정보는 상기 콘텐츠의 식별 정보 및 상기 콘텐츠에 대한 상기 이용자의 평점 정보를 포함한다.
본 발명에 따르면, 소셜 네트워크 기반의 추천 시스템과 방법 및 콘텐츠 제공서버는 다수의 인터넷 이용자들의 자발적인 참여를 유도함으로써, 보다 활발한 의견을 교환할 수 있는 효과가 있다.
또한, 소셜 네트워크 기반의 추천 시스템과 방법 및 콘텐츠 제공서버는 다수의 인터넷 이용자들의 자발적인 참여를 유도함으로써, 그들의 집단지성을 이용하여 콘텐츠를 구축할 수 있는 효과가 있다.
또한, 소셜 네트워크 기반의 추천 시스템과 방법 및 콘텐츠 제공서버는다수의 인터넷 이용자들의 자발적인 참여를 유도하여 그들의 집단지성으로 콘텐츠를 구축함으로써 이용자들이 원하는 정보를 보다 정확하고 신뢰도 있게 제공할 수 있는 효과가 있다.
또한, 소셜 네트워크 기반의 추천 시스템과 방법 및 콘텐츠 제공서버는 다수의 인터넷 이용자들의 자발적인 참여로 구축된 콘텐츠에 평점을 부여하고, 부여된 평점을 기반으로 일정 순위 이내에 드는 정보들만을 산출하는 과정을 반복 수행함으로써 신뢰도 높은 콘텐츠들을 추출할 수 있는 효과가 있다.
이하, 첨부 도면을 참조하여 본 발명의 실시예들을 보다 상세하게 설명하고자 한다. 다만, 실시예들을 설명함에 있어서 본 발명이 속하는 기술 분야에 잘 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 가급적 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 핵심을 흐리지 않고 더욱 명확히 전달하기 위함이다.
한편, 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시되며, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아 니다. 첨부 도면을 통틀어 동일하거나 대응하는 구성요소에는 동일한 참조번호를 부여한다.
도 1은 본 발명의 실시예에 따른 소셜 네트워크 기반의 콘텐츠 추천 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 소셜 네트워크 기반의 콘텐츠 추천 시스템은 적어도 하나의 이용자 단말(100-1 내지 100-N, N은 자연수, 이하, 100), 통신망(200), 콘텐츠 제공서버(300)를 포함하여 구성된다.
이용자 단말(100)은 통신망(200)을 통해 콘텐츠 제공서버(300)에 접속하고, 콘텐츠 제공서버(300)로부터 콘텐츠를 제공받아 표시한다. 이용자는 이용자 단말(100)을 통해 표시되는 콘텐츠를 열람한 후에, 콘텐츠에 대한 평점을 부여한다. 이때, 이용자 단말(100)은 콘텐츠 정보(Contents_Info), 해당 콘텐츠에 부여된 평점, 이용자 정보(User_Info)를 포함하는 이용자 데이터(User_Data)를 생성한다. 여기서, 콘텐츠 정보(Contents_Info)는 이용자 단말(100)이 열람하고 평점을 부여한 콘텐츠를 구분하기 위하여 콘텐츠 ID 또는 콘텐츠 Address를 포함할 수 있다. 그리고 콘텐츠에 평점을 부여한 이용자 단말(100)을 콘텐츠 제공서버(300)가 구분하기 위하여 이용자 정보(User_Info)는 이용자 단말(100)의 번호, 이용자 단말(100)의 IP Address 또는 이용자 ID 등을 포함할 수 있다. 이용자 단말(100)은 특정 콘텐츠에 평점을 부여한 결과를 콘텐츠 제공서버(300)에 전송하기 위하여 상술한 이용자 데이터(User_Data)를 통신망(200)을 통해 콘텐츠 제공서버(300)에 전송한다.
이러한 이용자 단말(100)은 통신망(200)의 통신방식에 따라 유선통신 모듈 또는 무선통신모듈을 포함하며, 콘텐츠를 표시하는 표시부, 이용자가 콘텐츠 열람 후에 해당 콘텐츠에 대한 평점을 입력할 수 있는 입력부, 콘텐츠를 저장할 수 있는 메모리, 이용자 단말(100)의 각 구성을 제어하는 제어부를 더 포함할 수 있다. 이와 같은 구성을 가지는 이용자 단말(100)은 제어부의 제어에 따라 통신 모듈을 이용하여 통신망(200)을 거쳐 콘텐츠 제공서버(300)에 접속한다. 이를 위하여 메모리는 웹 브라우저 어플리케이션을 저장할 수 있으며, 이용자 단말(100)의 제어부는 입력부로부터의 키 입력신호 등에 대응하여 메모리에 저장된 웹 브라우저를 로딩하여 콘텐츠 제공서버(300)에 접속할 수 있다. 그리고 이용자 단말(100)은 웹 브라우저를 이용하여 콘텐츠 제공서버(300)가 제공하는 웹 페이지를 표시부에 출력할 수 있다. 결과적으로, 이용자 단말(100)의 표시부는 콘텐츠 제공서버(300)가 제공하는 다양한 콘텐츠 정보(Contents_Info)를 출력한다. 그리고 이용자가 입력부를 이용하여 표시부에 출력된 콘텐츠 중 특정 콘텐츠를 열람하고 그에 대한 평점을 부여하면, 이용자 단말(100)은 선택된 콘텐츠의 콘텐츠 정보(Contents_Info)와 이용자 정보(User_Info)를 포함하는 이용자 데이터(User_Data)를 생성한다. 이렇게 생성된 이용자 데이터(User_Data)는 제어부 제어에 따라 통신망(200)을 거쳐 콘텐츠 제공서버(300)에 전송된다.
상술한 과정을 통하여 이용자 단말(100)은 콘텐츠에 대한 선호도 및 신뢰도를 콘텐츠 제공서버(300)에 제공하며, 적절한 과정을 통하여 콘텐츠 제공서버(300)로부터 콘텐츠 선별에 대한 상위 랭커로 인정될 수 있다. 결과적으로 이용자 단말(100)은 다수의 이용자 단말이 선호하고 높은 평점을 부여한 콘텐츠들을 우선적 으로 확인할 수 있는 웹 페이지를 콘텐츠 제공서버(300)로부터 제공받거나, 신뢰성 있는 콘텐츠들의 리스트를 타 이용자 단말에 추천할 수 도 있다. 이에 대한 상세 과정은 후술하기로 한다.
한편, 이용자 단말(100)은 통신망(200)을 통하여 콘텐츠 제공서버(300)에 접속할 수 있는 단말기로서, 이동통신 단말, 디지털 방송 단말, 개인 정보 단말(PDA, Personal Digital Assistant), 스마트 폰 단말 및 UMPC(Ultra Mobile Personal Computer) 등과 같은 모든 정보통신기기 및 멀티미디어기기와, 그에 대한 응용에도 적용될 수 있음은 자명할 것이다.
통신망(200)은 이용자 단말(100)과 콘텐츠 제공서버(300)를 연결해준다. 이러한 통신망(200)은 이동통신망, 무선통신망, 유선통신망 등과 같은 어떠한 통신망에도 적용될 수 있으며 어느 특별한 통신망에 한정되는 것은 아니다. 예를 들어, 이용자 단말(100)이 유선 네트웍과 연결될 수 있는 데스크 탑 컴퓨터인 경우, 통신망(200)은 유선 인터넷이 될 수 있으며, 이용자 단말(100)이 이동통신 단말기인 경우, 통신망(200)은 콘텐츠 제공서버(300)를 제공하는 인터넷과, 이동통신 기능을 제공하는 이동통신 네트웍을 포함할 수 있다. 그리고 통신망(200)은 콘텐츠의 양방향 전송이 가능한 네트웍을 지원할 수 있는 다양한 네트웍 예를 들면, WCDMA 네트웍, IMT-2000 네트웍, GSM/PDSN 네트웍 등이 될 수 있다. 따라서, 본 발명의 통신망(200)은 특정 네트웍에 한정되는 것이 아니라, 콘텐츠 제공서버(300)의 콘텐츠를 이용자 단말(100)에 전송하고, 이용자 단말(100)의 이용자 데이터(User_Data)를 콘텐츠 제공서버(300)에 전송할 수 있는 데이터 채널 형성이 가능한 네트웍이라면 어 떠한 통신 네트웍이라도 될 수 있을 것이다.
콘텐츠 제공서버(300)는 콘텐츠를 저장하며 이용자 단말(100)에 신뢰도 높은 콘텐츠들의 콘텐츠 리스트 및 콘텐츠를 제공한다. 여기서, 콘텐츠는 웹 페이지에 표시되는 뉴스기사, 광고, 쇼핑몰의 쇼핑 아이템 등이 될 수 있으며, 이에 대한 응용에도 적용될 수 있다.
콘텐츠 제공서버(300)는 통신망(200)을 통하여 접속한 이용자 단말(100)에게 다양한 콘텐츠를 제공하며, 이용자 단말(100)로부터 특정 콘텐츠에 평점을 부여한 정보를 포함하는 이용자 데이터(User_Data)를 수집한다. 콘텐츠 제공서버(300)는 이용자 데이터(User_Data)를 기반으로 특정 콘텐츠들에 대한 신뢰도를 계산함과 아울러, 다양한 이용자 단말(100)들 중 신뢰도가 높은 이용자 단말(100)을 선정할 수 있다. 콘텐츠 선정이 완료되면 콘텐츠 제공서버(300)는 신뢰도가 높은 콘텐츠들을 이용자 단말(100)을 이용하는 이용자의 인식율이 높은 영역 예를 들면, 웹 페이지의 윗 영역 또는 웹 페이지의 중앙 영역 등에 배치되도록 구성한 후, 웹 페이지를 이용자 단말(100)에게 전송할 수 있다. 또한, 콘텐츠 제공서버(300)는 신뢰도가 높은 이용자 단말(100)들이 열람하는 콘텐츠들에 대한 리스트들 또는 신뢰도가 높은 이용자 단말(100)들이 열람한 콘텐츠들 중 평점이 높게 부여된 콘텐츠들에 대한 리스트를 생성한 후, 다른 이용자 단말(100)들에게 제공할 수 있다. 이러한 콘텐츠 제공서버(300)의 상세 구성에 대하여 도 2를 참조하여 보다 상세히 설명하기로 한다.
도 2는 본 발명의 실시 예에 따른 콘텐츠 제공서버(300)의 내부 구성을 개략 적으로 나타낸 도면이다.
도 2를 참조하면, 본 발명의 콘텐츠 제공서버(300)는 이용자 데이터 추출부(310), 평가점수 로그 저장부(320), 콘텐츠 신뢰도 점수 판단부(330), 이용자 평가점수 판단부(340), 신뢰도 높은 콘텐츠 선정부(350), 오피니언 리더 선정부(360) 및 콘텐츠 제공부(370)를 포함한다. 그리고 콘텐츠 제공서버(300)는 콘텐츠를 저장하는 저장장치를 더 포함할 수 있다.
이용자 데이터 추출부(310)는 통신망(200)을 통해 이용자 단말(100)로부터 이용자 데이터(User_Data)를 수신하여 평가점수 로그 저장부(320)에 저장한다. 즉, 이용자 데이터 추출부(310)는 콘텐츠 제공서버(300)가 제공하는 다양한 콘텐츠들에 대하여 이용자들이 부여한 평점에 대한 정보를 산출하고, 평가점수 로그 저장부(320)에 저장한다. 이를 위하여 이용자 데이터 추출부(310)는 이용자 데이터(User_Data)에 포함된 콘텐츠 정보(Contents_Info)와 이용자 정보(User_Info)를 추출한다. 그리고 이용자 데이터 추출부(310)는 추출된 콘텐츠 정보(Contents_Info)와 이용자 정보(User_Info)를 평가점수 로그 저장부(320)에 전달한다.
평가점수 로그 저장부(320)는 이용자 데이터 추출부(310)가 전달하는 콘텐츠 정보(Contents_Info)와 이용자 정보(User_Info)를 각각 저장한다. 이때, 평가점수 로그 저장부(320)는 콘텐츠 정보(Contents_Info)별로 이용자 정보를 분류하여 저장하거나 이용자 정보 별로 콘텐츠 정보(Contents_Info)를 분류하여 저장할 수 있다.
콘텐츠 신뢰도 점수 판단부(330)는 평가점수 로그 저장부(320)에 저장된 이용자 데이터(User_Data) 즉, 이용자 정보(User_Info) 및 콘텐츠 정보(Contents_Info)를 이용하여 평점이 높은 상위의 콘텐츠를 선별한다. 콘텐츠 신뢰도 점수 판단부(330)는 특정 콘텐츠에 대한 이용자들의 평점 합산을 수집하기 위하여 콘텐츠 정보(Contents_Info)를 이용하여 특정 콘텐츠를 확인하고, 이용자 정보로부터 해당 콘텐츠에 대한 평점을 추출하여 다른 이용자 정보로부터 추출한 평점들과 합산할 수 있다. 결과적으로 콘텐츠 신뢰도 점수 판단부(330)는 평점이 높은 콘텐츠 순으로 콘텐츠 정보(Contents_Info)를 나열할 수 있다.
한편, 콘텐츠 신뢰도 점수 판단부(330)는 평점이 높은 순서로 나열된 콘텐츠들 중 상위 일정 순위 안에 드는 상위 콘텐츠를 선별하고, 선별된 상위 콘텐츠들에 대한 제1 상위 콘텐츠 리스트(Contents_List_1)를 생성할 수 있다. 이렇게 생성된 제1 상위 콘텐츠 리스트(Contents_List_1)는 콘텐츠 제공부(370)를 거쳐 이용자 단말(100)에 전송함과 아울러 평가점수 로그 저장부(320)에 저장하고 이용자 평가점수 판단부(340)에 전달한다. 이때, 제1 상위 콘텐츠 리스트(Contents_List_1)는 초기 콘텐츠에 대한 평점을 초기화한 콘텐츠 리스트이다. 아울러, 이러한 콘텐츠 신뢰도 점수 판단부(330)는 제1 상위 콘텐츠 리스트(Contents_List_1) 생성을 기 설정된 일정 주기에 따라 주기적으로 수행하거나, 콘텐츠 생성에 따른 상황발생적으로 수행함으로써, 반드시 초기 콘텐츠가 아니더라도 초기 콘텐츠로 사용하고자 하는 임의의 콘텐츠에 대한 평점을 초기화할 수 있다.
이용자 평가점수 판단부(340)는 콘텐츠 신뢰도 점수 판단부(330)로부터 제1 상위 콘텐츠 리스트(Contents_List_1)를 전달 받으면 상위 콘텐츠에 평점을 부여한 이용자들 중에서 일정 순위 내에 드는 상위 이용자들에 대한 상위 이용자 리스트(User_List)를 생성한다. 이를 보다 상세히 설명하면, 이용자 평가점수 판단부(340)는 제1 상위 콘텐츠 리스트(Contents_List_1)에 드는 콘텐츠들에게 평점을 부여한 이용자들에 대한 정보를 수집하고, 이용자가 콘텐츠들에 부여한 평점과 콘텐츠들의 순위에 대응한 가중치를 이용하여 각 이용자들간의 신뢰도 점수를 산출한다. 이용자 평가점수 판단부(340)는 상위 이용자 리스트(User_List)를 이용자 단말(100)에 전송할 수 도 있다.
예컨대, 각 이용자 마다 신뢰도 점수를 산출하는 계산식은 다음 수학식 1과 같다.
Figure 112008005461402-pat00001
이용자 X에 대한 신뢰도 점수 =
여기서, m = 자연수이며 제1 상위 콘텐츠 리스트(Contents_List_1)에 포함된 콘텐츠 총 개수, W는 제1 상위 콘텐츠 리스트(Contents_List_1)에 포함된 각 콘텐츠들의 순서에 따른 가중치, S는 이용자 X가 각 콘텐츠에 부여한 평점이다. 특정 콘텐츠에 대하여 평점을 부여하지 않은 경우, S는 0점이 될 수 있다.
즉, 이용자들의 신뢰도 점수는 이용자 자신이 각각의 콘텐츠마다 부여한 평점과 해당 콘텐츠에 대한 가중치와의 곱들을 합하여 산출된다. 이용자 평가점수 판단부(340)는 각 이용자들의 신뢰도 점수가 계산되면, 이용자들을 신뢰도 점수 별로 분류한다. 그리고 이용자 평가점수 판단부(340)는 일정 순위 내에 드는 이용자들을 이용하여 상위 이용자 리스트(User_List)를 생성한다. 이용자 평가점수 판단부(340)는 생성된 상위 이용자 리스트(User_List)를 평가점수 로그 저장부(320)에 전달하여 저장할 수 있다.
신뢰도 높은 콘텐츠 선정부(350)는 평가점수 로그 저장부(320)로부터 상위 이용자 리스트(User_List) 및 해당 이용자들과 관련된 콘텐츠 정보(Contents_Info)를 수신하고, 이를 기반으로 신뢰도가 높은 제2 상위 콘텐츠 리스트(Contents_List_2)를 생성한다. 이때, 제2 상위 콘텐츠 리스트(Contents_List_2)는 제1 상위 콘텐츠 리스트(Contents_List_1)의 콘텐츠들에 부여된 초기화 평점 이후에 상기 콘텐츠들에 부여되는 평점을 포함하는 정보를 갖는 리스트이다. 즉, 신뢰도 높은 콘텐츠 선정부(350)는 상위 이용자 리스트(User_List)에 포함된 각 이용자들의 순위에 따라 가중치를 부여하고, 이 가중치 값과 각 이용자들이 콘텐츠에 부여한 평점을 곱하여 특정 콘텐츠에 대한 신뢰도 점수를 산출한다. 한편, 신뢰도 높은 콘텐츠 선정부(350)는 일정 점수 이상의 평점이 부여된 콘텐츠에 대해서는 기준점수로 통일하여 신뢰도 점수를 산출할 수도 있다. 예컨대, 5점 만점 중에서 4점이상 부여된 콘텐츠에 대해서는 평점을 4점으로 통일하여 해당 콘텐츠에 부여된 가중치 값과 곱셈하여 신뢰도 점수를 산출할 수 있다.
그리고 신뢰도 높은 콘텐츠 선정부(350)는 각 콘텐츠들을 신뢰도 점수 별로 정렬하고, 정렬된 콘텐츠들 중 일정 순위 내에 드는 콘텐츠들을 포함하는 제2 상위 콘텐츠 리스트(Contents_List_2)를 생성한다. 신뢰도 높은 콘텐츠 선정부(350)는 제2 상위 콘텐츠 리스트(Contents_List_2)를 이용자 단말(100)에 직접 전송할 수 도 있다.
예컨대, 상위 신뢰도 점수 별로 생성된 제2 상위 콘텐츠 리스트(Contents_List_2)를 선별하는 계산식은 다음 수학식 2와 같다.
Figure 112008005461402-pat00002
콘텐츠 X에 대한 신뢰도 점수 =
여기서, m = 자연수이며, 상위 이용자 리스트(User_List)에 포함된 이용자들의 총 개수, V는 상위 이용자 리스트(User_List)에 포함된 각 이용자들의 순서에 따른 가중치, H는 콘텐츠 X에 각 이용자들이 부여한 평점(또는 기준점수)이다. 특정 이용자가 콘텐츠 X에 대하여 평점을 부여하지 않았거나 일정 점수 이하의 평점을 부여한 경우, H는 0점이 될 수 있다.
즉, 콘텐츠에 대한 신뢰도 점수는 해당 콘텐츠에 평점을 부여한 이용자의 가중치(W)와 콘텐츠에 부여된 평점(또는 기준점수)의 곱들을 합하여 산출한다.
이와 같이, 신뢰도 높은 콘텐츠 선정부(350)는 상술한 수학식 2를 이용하여 각 콘텐츠별 신뢰도 점수를 산출하고, 산출된 신뢰도 점수를 평가점수 로그 저장부(320)에 저장한다. 아울러, 신뢰도 높은 콘텐츠 선정부(350)는 산출된 신뢰도 점수 별로 정렬된 콘텐츠들 중 일정 순위 내에 드는 콘텐츠들을 선별하여 이 콘텐츠 들의 리스트 즉, 제2 상위 콘텐츠 리스트(Contents_List_2)를 생성하고, 이를 콘텐츠 제공부(370)에 전달한다.
오피니언 리더 선정부(360)는 평가점수 로그 저장부(320)에 저장된 이용자들의 신뢰도 점수 중에서 상위 그룹으로 선별된 이용자들 즉 상위 이용자 리스트(User_List)에 포함된 이용자들을 오피니언 리더로 선정하여 이 오피니언 리더들이 먼저 열람한 콘텐츠 리스트인 오피니언 리스트(Opinion_List)를 생성하고, 이를 콘텐츠 제공부(370)에 전달한다.
콘텐츠 제공부(370)는 평가점수 로그 저장부(320)에 저장된 제2 상위 콘텐츠 리스트(Contents_List_2) 및 오피니언 리스트(Opinion_List)를 기반으로 이용자 단말(100)들에게 전송한 콘텐츠들을 설정하고, 이를 기반으로 웹 페이지를 구성한다. 그리고 콘텐츠 제공부(370)는 웹 페이지 구성이 완료되면, 접속을 요청하는 이용자 단말(100)들에게 해당 웹 페이지를 제공할 수 있다.
이와 같은 구성을 가지는 본 발명의 실시 예에 따른 콘텐츠 제공서버(300)의 기능에 대하여 도 3을 참조하여 설명하기로 한다.
도 3은 본 발명의 실시 예에 따른 콘텐츠 제공서버(300)의 기능을 설명하기 위한 일예를 나타낸 도면이다.
설명에 앞서, 이하 설명에서 평점을 1점에서 5점까지 부여할 수 있는 것으로 가정하기로 하며, 5점은 1점에 비하여 상대적으로 높은 점수를 의미하는 것으로 가정한다. 그리고 이하 설명에서 순위를 결정하는 비율을 20프로 또는 5프로 등으로 설명하지만, 본 발명이 이에 한정되는 것은 아니며, 비율의 설정은 프로그램 설계자에 의하여 임의적으로 설정될 수 있을 것이다.
도시된 바와 같이, 이용자 단말(100)에 해당하는 이용자들이 전체 100명이 있으며, 이용자들이 열람하는 콘텐츠가 100개 있다고 가정하기로 한다. 이용자들은 이용자 단말(100)을 이용하여 콘텐츠 제공서버(300)에 접속하고, 콘텐츠 제공서버(300)는 100개의 콘텐츠를 포함하는 웹 페이지를 이용자 단말(100)에 전송한다. 그러면, 이용자 단말(100)은 100개의 콘텐츠 중 특정 콘텐츠를 열람하고, 열람한 콘텐츠에 대하여 평점을 부여한다. 그리고 이용자 단말(100)은 평점을 부여한 콘텐츠에 대한 정보를 포함하는 이용자 데이터(User_Data)를 콘텐츠 제공서버(300)에 전송한다. 도면을 참조하면, 이용자 1은 첫 번째 콘텐츠에 0점을 부여하며, 세 번째 콘텐츠에 5점을 부여하고, 100번째 콘텐츠에 4점을 부여한다. 또한 이용자 2는 두 번째 콘텐츠에 3점을 부여하고, 마지막 100번째 콘텐츠에 5점을 부여한다. 그리고 99번째 이용자는 99번째 콘텐츠에 0점을 부여한다. 100번째 이용자는 마지막 콘텐츠에 3점을 부여한다. 이와 같은 방식으로 100명의 이용자는 이용자 단말(100)을 통하여 열람하는 특정 콘텐츠에 대하여 평점을 부여하고, 이에 대한 정보를 포함하는 이용자 데이터(User_Data)를 콘텐츠 제공서버(300)에 전송할 수 있다.
콘텐츠 제공서버(300)는 이용자 데이터(User_Data)를 수신하며, 각각 콘텐츠들에게 부여한 평점에 대한 정보를 추출하여, 전체 콘텐츠들의 평점 합산 정보를 연산한다. 이후 콘텐츠 제공서버(300)는 평점 합산 정보를 기반으로 전체 100개의 콘텐츠들의 순위를 정렬한다. 그리고 콘텐츠 제공서버(300)는 100개의 콘텐츠들 중 일정 순위 예를 들면 20프로 내의 콘텐츠들을 포함하는 제1 상위 콘텐츠 리스트(Contents_List_1)를 생성한다. 그러면 제1 상위 콘텐츠 리스트(Contents_List_1)는 총 20개의 콘텐츠들을 포함하는 리스트가 될 것이다.
제1 상위 콘텐츠 리스트(Contents_List_1)가 생성되면, 콘텐츠 제공서버(300)는 20개의 콘텐츠들에게 평점을 부여한 이용자들을 이용자 데이터를 기반으로 추출한다. 이때, 콘텐츠 제공서버(300)는 20개의 콘텐츠들의 순서에 따라 가중치를 부여한다. 예를 들어 콘텐츠 제공서버(300)는 1위 콘텐츠에 20의 가중치를, 2위 콘텐츠에 19의 가중치를, 20위 콘텐츠에 1의 가중치를 부여할 수 있다. 가중치 부여는 임의적인 것이다.
가중치 부여가 완료되면, 콘텐츠 제공서버(300)는 콘텐츠의 가중치와, 해당 콘텐츠들에 부여된 평점을 곱셈하여 특정 콘텐츠에 평점을 부여한 이용자의 신뢰도 점수를 연산한다. 예를 들어, A라는 이용자가 1위 콘텐츠에 4점을 부여하고, 2위 콘텐츠에 5점을 부여하였으며, 20위 콘텐츠에 3점을 부여하였다고 하면, 이용자 A는 80+95+3 = 178점이라는 신뢰도 점수를 가지게 된다. 또한, B라는 이용자가 3위 콘텐츠에 4점을 부여하고, 4위 콘텐츠에 4점을 부여하였으며, 5위 콘텐츠에 4점, 6위 콘텐츠에 4점을 각각 부여하였다고 가정하면, 이용자 B는 72+68+64+60 = 370점이라는 신뢰도 점수를 가질 수 있다. 이와 같은 방식으로 20개의 콘텐츠에 평점을 부여한 이용자들이 예를 들어 70명이었다고 하면, 70명에 대한 각각의 신뢰도 점수를 기반으로 순서를 정렬한다. 이후, 콘텐츠 제공서버(300)는 70명 중 일정 순위 예를 들어 20프로 내에 드는 14명의 이용자들을 포함하는 상위 이용자 리스트(User_List)를 생성할 수 있다.
여기서, 오피니언 리더 선정부(360)는 상위 이용자 리스트(User_List)를 기반으로 오피니언 리스트(Opinion_List)를 생성할 수 있으나, 일정 순위의 비율을 조절하여 상위 이용자 리스트(User_List)내에 포함되는 인원을 조정할 수 있다. 즉, 오피니언 리더 선정부(360)는 비율을 5프로로 조정하여 3명 내지 4명의 상위 이용자들을 포함하는 리스트를 산출할 수 있고, 이를 기반으로 리스트에 포함된 상위 이용자들이 열람하는 콘텐츠들의 리스트를 포함하는 오피니언 리스트(Opinion_List)를 생성할 수 있다.
한편, 콘텐츠 제공서버(300)를 14명의 상위 이용자 리스트(User_List)가 생성되면, 다시 상위 이용자 리스트(User_List)에 포함된 각 이용자들을 순서에 따라 가중치를 부여한다. 예를 들어 콘텐츠 제공서버(300)는 1위 이용자에 대하여 14의 가중치를, 2위 이용자에 대하여 13의 가중치를…4위 이용자에 대하여 1의 가중치를 부여할 수 있다. 가중치 부여가 끝나면, 콘텐츠 제공서버(300)는 각 이용자들이 평점을 부여한 콘텐츠들에 대하여 신뢰도 점수를 계산한다. 예를 들어, “가”라는 콘텐츠에 대하여 1위 이용자는 4의 평점을, 2위 이용자는 4의 평점을, 10위 이용자는 4의 평점을 부여한 경우, “가”라는 콘텐츠의 신뢰도 점수는 96+72+20 = 188점이 될 수 있다. 동일한 방식으로 “나”라는 콘텐츠에 대하여 4위 이용자가 3의 평점을, 5위 이용자가 4의 평점을, 6위 이용자가 5의 평점을, 7위 이용자가 5의 평점을, 8위 이용자가 5의 평점을 부여하였다고 하면, “나”의 신뢰도 점수는 33+40+45+40+35 = 193점이 될 수 있다. 이와 같은 방식으로 14명의 이용자가 평점을 부여한 콘텐츠들에 대한 신뢰도 점수를 산출한다. 여기서 14명의 이용자가 평점을 부여한 콘텐츠들이 30개가 있다고 하면, 콘텐츠 제공서버(300)는 30개의 콘텐츠들을 신뢰도 점수 별로 정렬하고, 각 콘텐츠들을 포함하는 제2 상위 콘텐츠 리스 트(Contents_List_2)를 생성한다.
상술한 연산 과정 즉, 제1 상위 콘텐츠 리스트(Contents_List_1) 및 제2 상위 콘텐츠 리스트(Contents_List_2)를 연산하는 과정에서 데이터 정리를 보다 용이하게 하기 위하여, 콘텐츠에 부여된 평점을 4점 이상 부여한 이용자들만을 추출할 수 도 있다. 예를 들어, 제2 상위 콘텐츠 리스트(Contents_List_2)에 “나”에 대한 콘텐츠 신뢰도 점수를 계산할 때, 3의 평점을 부여한 4위 이용자의 평점 부여를 “나”에 대한 콘텐츠 신뢰도 점수 계산 시 무시할 수 있다.
이상에서 설명한 바와 같이, 본 발명의 소셜 네트워크 기반의 콘텐츠 추천 시스템은 다양한 콘텐츠들에 대하여 이용자들이 부여한 평점을 기반으로 제1 상위 콘텐츠 리스트(Contents_List_1)를 산출한 후, 산출된 제1 상위 콘텐츠 리스트(Contents_List_1)를 기반으로 상위 이용자 리스트(User_List)를 산출한다. 그리고 본 발명의 소셜 네트워크 기반의 콘텐츠 추천 시스템은 상위 이용자 리스트(User_List)를 기반으로 제2 상위 콘텐츠 리스트(Contents_List_2)를 산출한다. 이로 인해,소셜 네트워크 기반의 콘텐츠 추천 시스템은 신뢰도가 매우 높으며, 많은 이용자들이 보다 많이 읽어보고, 높은 평점을 부여한 콘텐츠들을 이용자들이 용이하게 열람할 수 있도록 지원할 수 있다. 이때, 상위 이용자 리스트(User_List)는 제1 상위 콘텐츠 리스트(Contents_List_1)에 드는 콘텐츠들에게 평점을 부여한 이용자들에 대한 정보와, 이용자가 콘텐츠들에게 부여한 평점과 콘텐츠들의 순위에 대응한 가중치를 이용하여 산출된 각 이용자들간의 신뢰도 점수를 포함한다.
이상, 본 발명의 실시예를 통해 소셜 네트워크 기반의 콘텐츠 추천 시스템 및 시스템을 구성하는 각 구성에 대하여 설명하였다. 이하에서는 전술한 설명과 중복되는 부분은 가급적 생략하면서 본 발명의 소셜 네트워크 기반의 콘텐츠 추천 방법에 대하여 설명한다. 이하의 설명으로부터 소셜 네트워크 기반의 콘텐츠 추천 시스템 및 그에 따른 효과 또한 더욱 명료해질 것이다.
도 4는 제1 상위 콘텐츠 리스트(Contents_List_1)를 생성하기 위한 시스템 구성 간 신호 흐름을 나타낸 도면이다.
도 4를 참조하면, 콘텐츠 제공서버(300)는 S101 단계에서 적어도 하나의 이용자 단말(100)에 적어도 하나의 콘텐츠를 제공한다. 이때 이용자 단말(100)로 전송되는 콘텐츠는 평점이나 신뢰도 점수가 부여되기 이전 단계에 전송되므로 콘텐츠 제공서버(300)에서는 임의로 콘텐츠를 제공하거나 이용자가 요청하는 콘텐츠를 제공할 수 있다.
이용자 단말(100)은 S103 단계에서 특정 콘텐츠를 열람하여 평점을 부여한 데이터를 포함하는 콘텐츠 정보(Contents_Info)와, 이용자 단말(100)에 대한 이용자 정보(User_Info)를 포함하는 이용자 데이터(User_Data)를 생성한다. 이후, 이용자 단말(100)은 S105 단계에서 이용자 데이터(User_Data)를 콘텐츠 제공서버(300)에 전송한다.
콘텐츠 제공서버(300)는 이용자 단말(100)들로부터 이용자 데이터(User_Data)를 수신하면, S107 단계에서 콘텐츠 정보(Contents_Info)와 이용자 정보(User_Info)를 추출하고, 이를 평가점수 로그 저장부(320)에 저장한다. 이후, 콘텐츠 제공서버(300)는 S109 단계에서 다수의 이용자 단말(100)로부터 전달된 다 수개의 콘텐츠 정보(Contents_Info)를 기반으로 다수개의 콘텐츠들에 대한 평점 합산 점수를 연산하고, S111 단계에서 평점 합산 점수를 기반으로 다수개의 콘텐츠들을 정렬한다.
마지막으로 콘텐츠 제공서버(300)는 S113 단계에서 정렬된 다수개의 콘텐츠들 중 일정 순위 내에 드는 상위 콘텐츠들을 추출하고, 추출된 상위 콘텐츠들을 포함하는 제1 상위 콘텐츠 리스트(Contents_List_1)를 생성한다. 이때, 제1 상위 콘텐츠 리스트(Contens_List_1)는 초기 콘텐츠에 대한 평점을 초기화한 콘텐츠 리스트이다.
콘텐츠 제공서버(300)에서 제1 상위 콘텐츠 리스트(Contents_List_1)를 이용하여 상위 이용자 리스트(User_List)를 생성하는 과정은 도 5를 참조하여 설명하기로 한다.
도 5는 제1 상위 콘텐츠 리스트(Contents_List_1)를 기반으로 상위 이용자 리스트(User_List)를 생성하는 과정을 나타낸 순서도이다.
도 5를 참조하면, 콘텐츠 제공서버(300)는 S201 단계에서 제1 상위 콘텐츠 리스트(Contents_List_1)에 포함된 각 콘텐츠들에 대하여 순서에 따라 가중치를 부여한다. 아울러, 콘텐츠 제공서버(300)는 S203 단계에서 제1 상위 콘텐츠 리스트(Contents_List_1)에 평점을 부여한 이용자들을 추출하고, S205 단계에서 특정 이용자가 평점을 부여한 제1 상위 콘텐츠 리스트(Contents_List_1)에 드는 콘텐츠들 중 평점이 기 설정된 점수 이상으로 부여한 콘텐츠들을 검출한다. 여기서 S205 단계는 생략될 수 있으며, 또한 S201 단계와 S203 단계의 순서는 뒤바뀔 수도 있 다.
콘텐츠 제공서버(300)는 S207 단계에서 특정 이용자가 평점을 부여한 콘텐츠들의 가중치와 해당 콘텐츠에 부여한 평점을 곱셈하여 특정 이용자의 신뢰도 점수를 계산한다. 만약, 특정 이용자가 평점을 부여한 콘텐츠들이 다수개일 경우 각각의 콘텐츠에 부여한 평점과 해당 콘텐츠의 가중치를 곱셈하여 산출된 값들을 모두 합함으로써 특정 이용자에 대한 신뢰도 점수를 산출할 수 있다.
S209 단계에서 콘텐츠 제공서버(300)는 S203 단계에서 추출한 이용자들의 각 신뢰도 점수를 모두 계산하였는지 확인한다. 만약, 신뢰도 점수가 계산되지 않은 이용자들이 남은 경우, S207 단계로 분기하여 과정을 반복 수행한다. 하지만 S203 단계에서 추출한 이용자들의 신뢰도 점수를 모두 계산한 경우, 콘텐츠 제공서버(300)는 S211 단계에서 계산된 각 신뢰도 점수를 점수 별로 정렬한다.
마지막으로 콘텐츠 제공서버(300)는 S213 단계에서 정렬된 순서를 기반으로 일정 순위 내에 드는 이용자들을 추출하여, 상위 이용자 리스트(User_List)를 생성한다. 한편, 콘텐츠 제공서버(300)는 상위 이용자 리스트(User_List) 생성 이후에 상위 이용자 리스트(User_List)에 포함된 이용자가 열람한 콘텐츠들의 목록을 기반으로 하는 오피니언 리스트(Opinion_List)를 생성하는 단계를 추가적으로 더 수행할 수 있다.
도 6은 상위 이용자 리스트(User_List)를 기반으로 제2 상위 콘텐츠 리스트(Contents_List_2)를 생성하는 과정을 나타낸 순서도이다.
도 6을 참조하면, 콘텐츠 제공서버(300)는 S301 단계에서 상위 이용자 리스 트(User_List)에 포함되는 각 이용자들에 대하여 순위에 따라 가중치를 부여하고, S303 단계에서는 그 이용자들이 평점을 부여한 콘텐츠들을 검출한다. 여기서, 콘텐츠 제공서버(300)는 상위 이용자들이 기 설정된 일정 점수 이상의 평점을 부여한 콘텐츠들을 검출할 수도 있다. 이때, 기 설정된 일정 점수 이하의 평점이 부여된 콘텐츠는 신뢰도 검사 계산을 수행할 때 제외된다.
콘텐츠 제공서버(300)는 S305 단계에서 검출된 콘텐츠들 중, 특정 콘텐츠에 대하여 이용자들이 부여한 평점과, 평점을 부여한 이용자들의 가중치를 곱셈하여 신뢰도 점수를 계산한다. 만약 특정 콘텐츠에 일정 점수 이상의 평점을 부여한 이용자가 다수일 경우, 해당 이용자가 부여한 점수와 특정 콘텐츠를 곱셈하여 값을 산출하고, 그 값들을 다 합함으로써 신뢰도 점수를 계산할 수 있다. 한편, 콘텐츠에 부여된 일정 점수 이상의 평점은 하나의 기준점수로 통일하여 신뢰도 점수를 계산할 수도 있다.
이후, 콘텐츠 제공서버(300)는 S309 단계에서 모든 콘텐츠에 대하여 신뢰도 점수를 계산하였는지 확인한다. 만약 신뢰도 점수가 계산되지 않은 콘텐츠가 남은 경우, S207 단계로 분기하여 과정을 반복 수행한다. 하지만 모든 콘텐츠에 대하여 신뢰도 점수를 계산하였으면, 콘텐츠 제공서버(300)는 S311 단계에서 신뢰도 점수 별로 각 콘텐츠들의 순서를 정렬한다.
그리고 S313 단계에서 정렬된 콘텐츠들 중, 일정 순위 내에 드는 상위 콘텐츠들을 추출하여 제2 상위 콘텐츠 리스트(Contents_List_2)를 생성하고, S315 단계에서 제2 상위 콘텐츠 리스트(Contents_List_2)를 기반으로 하는 웹 페이지 등을 마련하여 이용자 단말(100)에 전송할 수 있다.
지금까지 실시예를 통하여 본 발명에 따른 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및 콘텐츠 제공 서버에 대하여 설명하였다. 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
본 발명에 의하면, 이용자들의 자발적인 참여와 이들의 집단 지성을 이용하여 보다 신뢰성 있는 콘텐츠를 구축할 수 있다. 특히, 이용자들의 참여를 바탕으로 구축된 콘텐츠이기 때문에 다른 이용자들이 콘텐츠를 요청할 때 보다 정확하고 신뢰도 있는 콘텐츠 정보를 제공할 수 있다.
도 1은 본 발명의 실시 예에 따른 소셜 네트워크 기반의 콘텐츠 추천 시스템의 구성을 개략적으로 나타낸 도면,
도 2는 본 발명의 콘텐츠 제공서버의 구성을 보다 상세히 나타낸 두면,
도 3은 본 발명의 콘텐츠 제공서버의 기능을 설명하기 위한 도면,
도 4는 제1 상위 콘텐츠 리스트를 생성하기 위한 시스템 구성 간 신호 흐름도,
도 5는 제1 상위 콘텐츠 리스트를 기반으로 상위 이용자 리스트를 생성하는 과정을 나타낸 순서도,
도 6은 상위 이용자 리스트를 기반으로 제2 상위 콘텐츠 리스트를 생성하는 과정을 나타낸 순서도.

Claims (19)

  1. 콘텐츠 추천 방법에 있어서,
    콘텐츠 제공서버가 이용자 단말이 평점을 부여한 콘텐츠 정보와 이용자 단말에 대한 이용자 정보를 포함하는 적어도 하나의 이용자 데이터를 수신하는 과정;
    적어도 하나의 평점을 획득한 콘텐츠들을 점수 별로 순위를 정하고 상위 일정 순위 이내에 드는 제1 상위 콘텐츠들을 산출하는 과정;
    상기 상위 콘텐츠들의 순위에 따른 가중치와 이용자들이 부여한 평점을 이용하여 상위 콘텐츠들에 평점을 부여한 이용자들의 순위를 결정하고, 결정된 이용자들의 순위 중 일정 순위 이내에 드는 상위 이용자들을 산출하는 과정;
    상위 이용자들의 순위에 따른 가중치와 상위 이용자들이 부여하는 평점들을 이용하여 콘텐츠들의 순위를 결정하고, 결정된 콘텐츠들의 순위 중 일정 순위 이내에 드는 제2 상위 콘텐츠들을 산출하는 과정;을 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 방법.
  2. 제1항에 있어서,
    상기 이용자 데이터, 상기 콘텐츠들의 순위, 상기 상위 이용자들의 순위를 저장하는 과정;을 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 방법.
  3. 제1항에 있어서,
    상기 상위 이용자들이 열람하는 콘텐츠들의 리스트인 오피니언 리스트를 저장하는 과정;을 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 방법.
  4. 제3항에 있어서,
    상기 오피니언 리스트를 상기 이용자 단말에 전송하는 과정을 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 방법.
  5. 제1항에 있어서,
    상기 제2 상위 콘텐츠들을 포함하는 제2 상위 콘텐츠 리스트를 생성하는 과정; 및
    상기 제2 상위 콘텐츠 리스트를 상기 이용자 단말에 전송하는 과정;을 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 방법.
  6. 제1항에 있어서,
    상기 제2 상위 콘텐츠들을 윕 페이지의 윗 영역 및 웹 페이지의 중앙 영역 중 어느 하나의 영역에 배치하는 과정; 및
    상기 웹 페이지를 상기 이용자 단말에 전송하는 과정;을 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 방법.
  7. 콘텐츠 추천 시스템에 있어서,
    열람한 콘텐츠에 부여된 평점에 대한 데이터를 포함하는 콘텐츠 정보와 식별번호를 포함하는 이용자 데이터를 생성하는 적어도 하나의 이용자 단말;
    상기 이용자 단말들로부터 상기 이용자 데이터들을 수신한 후, 적어도 하나의 평점을 획득한 콘텐츠들을 점수 별로 순위를 정하고 상위 일정 순위 이내에 드는 제1 상위 콘텐츠들을 산출하고, 상기 상위 콘텐츠들의 순위에 따른 가중치와 이용자들이 부여한 평점을 이용하여 상위 콘텐츠들에 평점을 부여한 이용자들의 순위를 결정하고, 결정된 이용자들의 순위 중 일정 순위 이내에 드는 상위 이용자들을 산출하며, 상위 이용자들의 순위에 따른 가중치와 상위 이용자들이 부여하는 평점들을 이용하여 콘텐츠들의 순위를 결정하고, 결정된 콘텐츠들의 순위 중 일정 순위 이내에 드는 제2 상위 콘텐츠들을 산출하는 콘텐츠 제공서버;를 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 시스템.
  8. 제7항에 있어서,
    상기 콘텐츠 제공 서버는
    상기 수신된 이용자 데이터들로 상기 콘텐츠들의 평점을 추출하고, 상기 산출된 제1 상위 콘텐츠들, 상기 산출된 상위 이용자들 및 상기 산출된 제2 상위 콘텐츠들로부터 각각 제1 상위 콘텐츠 리스트, 상위 이용자 리스트 및 제2 상위 콘텐츠 리스트를 생성하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 시스 템.
  9. 제8항에 있어서,
    상기 콘텐츠 제공 서버는
    상기 이용자 데이터, 상기 콘텐츠들의 순위, 상기 이용자들의 순위, 상기 제1 상위 콘텐츠 리스트, 상기 상위 이용자 리스트, 상기 제2 상위 콘텐츠 리스트를 저장하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 시스템.
  10. 제8항에 있어서,
    상기 콘텐츠 제공서버는
    상기 제2 상위 콘텐츠 리스트에 포함되는 콘텐츠들, 상기 제2 상위 콘텐츠 리스트 및 상기 상위 이용자 리스트 중 적어도 하나를 상기 이용자 단말에 전송하고, 윕 페이지의 윗 영역 및 웹 페이지의 중앙 영역 중 어느 하나의 영역에 상기 제2 상위 콘텐츠들이 배치되는 웹 페이지를 생성하여 상기 웹 페이지를 상기 이용자 단말에 전송하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 시스템.
  11. 제7항에 있어서,
    상기 콘텐츠 제공서버는
    상기 상위 이용자들이 열람하는 콘텐츠들을 검출하고, 검출된 콘텐츠들을 포함하는 오피니언 리스트를 생성하여 상기 오피니언 리스트를 상기 이용자 단말에 전송하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 시스템.
  12. 제7항에 있어서,
    상기 콘텐츠 정보는
    상기 콘텐츠의 식별 정보 및 상기 콘텐츠에 대한 상기 이용자의 평점 정보를 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 추천 시스템.
  13. 이용자 단말들로부터 이용자 데이터를 수신하고, 상기 이용자 데이터로부터 콘텐츠들의 평점을 추출하는 이용자 데이터 추출부;
    적어도 하나의 평점을 획득한 콘텐츠들을 점수 별로 순위를 정하고 상위 일정 순위 이내에 드는 제1 상위 콘텐츠들을 산출하여 제1 상위 콘텐츠 리스트를 생성하는 콘텐츠 신뢰도 점수 판단부;
    상기 제1 상위 콘텐츠들의 순위에 따른 가중치와 이용자들이 부여한 평점을 이용하여 제1 상위 콘텐츠들에 평점을 부여한 이용자들의 순위를 결정하고, 결정된 이용자들의 순위 중 일정 순위 이내에 드는 상위 이용자들을 산출하여 상위 이용자 리스트를 생성하는 이용자 평가점수 판단부;
    상기 상위 이용자들의 순위에 따른 가중치와 상기 상위 이용자들이 부여하는 평점들을 이용하여 콘텐츠들의 순위를 결정하고, 결정된 콘텐츠들의 순위 중 일정 순위 이내에 드는 제2 상위 콘텐츠들을 산출하여 제2 상위 콘텐츠 리스트를 생성하는 신뢰도 높은 콘텐츠 선정부;
    를 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 제공서버.
  14. 제13항에 있어서,
    상기 이용자 데이터, 상기 콘텐츠들의 순위, 상기 이용자들의 순위, 상기 제1 상위 콘텐츠 리스트, 상기 상위 이용자 리스트, 상기 제2 상위 콘텐츠 리스트를 저장하는 평가점수 로그 저장부;
    를 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 제공서버.
  15. 제13항에 있어서,
    상기 제2 상위 콘텐츠 리스트에 포함되는 콘텐츠들, 상기 제2 상위 콘텐츠 리스트 및 상기 상위 이용자 리스트 중 적어도 하나를 상기 이용자 단말에 전송하는 콘텐츠 제공부;를 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 제공서버.
  16. 제15항에 있어서,
    상기 콘텐츠 제공부는
    윕 페이지의 윗 영역 및 웹 페이지의 중앙 영역 중 어느 하나의 영역에 상기 제2 상위 콘텐츠들이 배치되는 웹 페이지를 생성하고, 상기 웹 페이지를 상기 이용자 단말에 전송하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 제공서버.
  17. 제13항에 있어서,
    상기 상위 이용자들이 열람하는 콘텐츠들을 검출하는 오피니언 리더 선정부;
    를 더 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 제공서버.
  18. 제17항에 있어서,
    상기 오피니언 리더 선정부는
    상기 검출된 상위 이용자들이 열람하는 콘텐츠들을 포함하는 오피니언 리스트를 생성하고,
    상기 콘텐츠 제공부는
    상기 오피니언 리스트를 상기 이용자 단말에 전송하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 제공서버.
  19. 제13항에 있어서,
    상기 콘텐츠 정보는
    상기 콘텐츠의 식별 정보 및
    상기 콘텐츠에 대한 상기 이용자의 평점 정보를 포함하는 것을 특징으로 하는 소셜 네트워크 기반의 콘텐츠 제공서버.
KR20080006856A 2008-01-22 2008-01-22 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버 KR101427104B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20080006856A KR101427104B1 (ko) 2008-01-22 2008-01-22 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20080006856A KR101427104B1 (ko) 2008-01-22 2008-01-22 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버

Publications (2)

Publication Number Publication Date
KR20090080857A KR20090080857A (ko) 2009-07-27
KR101427104B1 true KR101427104B1 (ko) 2014-08-06

Family

ID=41291889

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20080006856A KR101427104B1 (ko) 2008-01-22 2008-01-22 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버

Country Status (1)

Country Link
KR (1) KR101427104B1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110225170A1 (en) * 2010-03-11 2011-09-15 Microsoft Corporation Adaptable relevance techniques for social activity streams
GB2486257B (en) * 2010-12-09 2015-05-27 Samsung Electronics Co Ltd Multimedia system and method of recommending multimedia content
KR101326353B1 (ko) * 2011-05-31 2013-11-11 삼성에스디에스 주식회사 문서 요약을 위한 단말기, 서버 및 시스템, 그리고 문서 요약 방법 및 요약 문서 작성 방법
KR101337455B1 (ko) * 2011-07-13 2013-12-05 주식회사 네오위즈인터넷 플레이리스트 관리 방법 및 장치
KR101366301B1 (ko) * 2012-06-28 2014-03-12 (주)다음소프트 소셜 콘텐츠 연계 방법 및 이를 기록한 기록매체
KR101458588B1 (ko) * 2012-09-12 2014-11-21 (주)케이테크 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법
KR101472009B1 (ko) * 2012-10-30 2014-12-15 주식회사 케이티 콘텐츠를 추천하는 서버 및 방법 그리고, 디바이스
KR102167593B1 (ko) * 2014-02-26 2020-10-19 에스케이플래닛 주식회사 분산 퍼지 연관 규칙 마이닝에 기반한 영화 추천 장치 및 방법
WO2016000555A1 (zh) * 2014-06-30 2016-01-07 北京奇虎科技有限公司 基于社交网络的内容、新闻推荐方法和系统
KR101498722B1 (ko) * 2014-07-25 2015-03-12 주식회사 레진엔터테인먼트 멀티 스토리 생성 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010081736A (ko) * 2000-02-18 2001-08-29 김동경 네트워크를 통한 컨텐츠 제공 시스템 및 그 방법
KR20020026702A (ko) * 2000-10-02 2002-04-12 이계철 다자간 평가를 이용한 컨텐츠 자동 순위결정 방법
KR20050027522A (ko) * 2003-09-15 2005-03-21 에누리닷컴 주식회사 인터넷 웹 게시판에서 우수 컨텐츠 선정방법
KR20070091834A (ko) * 2006-03-07 2007-09-12 오피니티 에이피(주) 사용자의 평판 스코어를 제공하는 리뷰 스코어링 방법 및시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010081736A (ko) * 2000-02-18 2001-08-29 김동경 네트워크를 통한 컨텐츠 제공 시스템 및 그 방법
KR20020026702A (ko) * 2000-10-02 2002-04-12 이계철 다자간 평가를 이용한 컨텐츠 자동 순위결정 방법
KR20050027522A (ko) * 2003-09-15 2005-03-21 에누리닷컴 주식회사 인터넷 웹 게시판에서 우수 컨텐츠 선정방법
KR20070091834A (ko) * 2006-03-07 2007-09-12 오피니티 에이피(주) 사용자의 평판 스코어를 제공하는 리뷰 스코어링 방법 및시스템

Also Published As

Publication number Publication date
KR20090080857A (ko) 2009-07-27

Similar Documents

Publication Publication Date Title
KR101427104B1 (ko) 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버
US11128720B1 (en) Method and system for searching network resources to locate content
CN102073699B (zh) 用于基于用户行为来改善搜索结果的方法、装置和设备
CN103339623B (zh) 涉及因特网搜索的方法和设备
JP5328212B2 (ja) レコメンド情報評価装置およびレコメンド情報評価方法
KR101895536B1 (ko) 어플리케이션 사용에 따른 어플리케이션 추천 서버 및 단말, 그리고 어플리케이션 추천 방법
TWI533246B (zh) 使用者未知興趣之探索方法與系統
KR100645608B1 (ko) 사용자 방문 유알엘 로그를 이용한 정보 검색 서비스 제공 서버 및 그 방법
US20080243830A1 (en) User suggested ordering to influence search result ranking
CN101373485A (zh) 提供网页访问入口的方法及装置
CN105988870A (zh) 低触摸操作次数移动设备
CN102148861A (zh) 窗口小部件Widget的排序方法及装置
CN102591873B (zh) 一种信息推荐方法和设备
CN102446191A (zh) 一种用于生成网页内容摘要的方法、设备及系统
US20220358175A1 (en) Method and system of personalized blending for content recommendation
KR101694727B1 (ko) 인공 지능 기반 연관도 계산을 이용한 노트 제공 방법 및 장치
US9565078B1 (en) Recommended content traffic exchange
KR100781399B1 (ko) 사용자의 상황에 따라 추천 엔진별 가중치를 부여하는장치, 방법 및 이를 구현할 수 있는 컴퓨터로 읽을 수 있는기록 매체
JP2022106948A (ja) 情報表示方法、装置、電子機器、記憶媒体およびコンピュータプログラム
KR20070099709A (ko) 기호지수 기반 사용자 매칭 방법 및 시스템
WO2017158434A2 (en) Method and apparatus for ranking and dynamically displaying information
KR102552849B1 (ko) 콘텐츠 추천 장치 및 방법
WO2006054276A1 (en) Mobile device internet access
KR101626953B1 (ko) 사용자 성향 기반 아이템 추천 시스템 및 방법
KR20140104626A (ko) 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치

Legal Events

Date Code Title Description
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20190619

Year of fee payment: 6