KR101450526B1 - 친구 추천 장치 및 방법 - Google Patents

친구 추천 장치 및 방법 Download PDF

Info

Publication number
KR101450526B1
KR101450526B1 KR1020120155862A KR20120155862A KR101450526B1 KR 101450526 B1 KR101450526 B1 KR 101450526B1 KR 1020120155862 A KR1020120155862 A KR 1020120155862A KR 20120155862 A KR20120155862 A KR 20120155862A KR 101450526 B1 KR101450526 B1 KR 101450526B1
Authority
KR
South Korea
Prior art keywords
interest
category
user terminal
friend
user
Prior art date
Application number
KR1020120155862A
Other languages
English (en)
Other versions
KR20140087175A (ko
Inventor
신은세
김명준
한소라
오은지
이강환
Original Assignee
한국기술교육대학교 산학협력단
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 한국기술교육대학교 산학협력단 filed Critical 한국기술교육대학교 산학협력단
Priority to KR1020120155862A priority Critical patent/KR101450526B1/ko
Publication of KR20140087175A publication Critical patent/KR20140087175A/ko
Application granted granted Critical
Publication of KR101450526B1 publication Critical patent/KR101450526B1/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
    • G06Q50/01—Social networking
    • 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

Landscapes

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

Abstract

본 발명의 친구 추천 장치의 한 예는 복수의 사용자 단말 각각에 행위에 대한 행위 속성 정보를 생성하고, 정해진 기간 동안 생성된 각 사용자 단말에 행위 속성 정보를 최근 시간 순으로 추출하여 기준 시간과의 시간차를 산출하고, 상기 산출된 시간차에 따라 추출된 상기 행위 속성 정보에 함유된 카테고리에 대한 시간 가중치를 산출하며, 상기 시간 가중치와 사용자 관심도 가중치를 이용하여 추출된 상기 행위 속성 정보의 상기 카테고리에 대한 관심도를 산출하며, 동일한 카테고리에 대한 관심도를 합산하여 각 카테고리에 대한 최종 관심도를 산출하는 사용자 행위 분석부, 상기 사용자 행위 분석부에 의해 각 사용자 단말마다 산출된 상기 최종 관심도의 크기 순서로 카테고리를 저장하는 데이터베이스, 그리고 상기 데이터베이스에 저장되어 있는 상기 최종 관심도를 이용하여, 상기 복수의 사용자 단말 중 친구 요청 사용자 단말에 대한 카테고리 배열 순서와 추천 후보 사용자 단말에 대한 카테고리의 배열 순서를 비교하고, 상기 친구 요청 사용자 단말과 추천 후보 사용자 단말간의 관심도 유사도를 측정하여 상기 관심도 유사도를 이용해 상기 추천 후보 사용자 단말 중에서 친구 추천 사용자 단말의 목록을 친구 추천 목록으로 하여 상기 친구 요청 단말로 전달하는 친구 추천부를 포함한다.

Description

친구 추천 장치 및 방법{APPARATUS AND METHOD FOR RECOMMENDING FRIEND}
본 발명은 친구 추천 장치 및 방법에 관한 것이다.
최근 소셜 네트워크 서비스(social network service)는 새로운 인맥을 형성하고 정보를 주고 받는 수단으로 각광받고 있고, 그 사용 인구 역시 크게 증가하고 있다.
이러한 소셜 네트워크 서비스의 주요한 특징은 사람과 사람, 사람과 정보, 정보와 정보간의 관계 네트워크로서, 사용자가 능동적으로 참여한다는 것이다.
하지만 소셜 네트워크 서비스의 사용자가 늘어남에 따라 온라인(on-line) 상에서 새로운 인간 관계를 형성하는 사용자가 많아지지만, 다양한 사용자들 속에서 자신의 관심사와 같거나 유사한 다른 사람을 찾기가 힘들어져, 의미 있는 인간 관계를 형성하는데 어려움이 발생한다.
현재 여러 사용자들 중에서 자신의 관심사와 비슷한 관심사를 갖는 다른 사용자를 만나기 위한 방식으로는, 서비스 서버의 운영자가 여러 사용자들에 대한 관심사를 종류별로 분류해 놓은 복수의 카테고리(category)를 만들어 놓으면, 사용자는 자신의 사용자 단말을 자신이 원하는 관심사에 해당하는 카테고리에 접근하여, 사용자가 직접 같은 관심사를 갖는 사용자를 찾아 가야 한다. 하지만, 이러한 방식은 사용자가 일일이 원하는 카테고리를 찾아 방문해야 하므로, 사용자의 불편함과 번거로움이 증가한다.
또한, 이러한 불편함과 번거로움으로 사용자가 자신의 관심사에 해당하는 카테고리를 방문하지 않을 경우, 사용자와 동일하거나 유사한 관심사를 가진 다른 사용자를 만날 수 있는 가능성이 현저히 낮아진다는 문제가 발생한다.
한국 특허출원번호 10-2010-0117080(출원일: 2010년 11월 23일, 발명의 명칭: 소셜 네트워킹 서비스 사용자를 위한 친구 추천 방법, 이를 위한 기록 매체 및 이를 이용하는 소셜 네트워킹 서비스 및 서버) 한국 특허출원번호 10-2009-0048646(출원일: 2009년 06월 02일, 발명의 명칭: 온라인 소셜 네트워크 서비스 제공 장치 및 방법)
따라서 본 발명이 이루고자 하는 기술적 과제는 사용자의 관심사를 고려하여 추천함에 따라 사용자의 만족도를 향상시키기 위한 것이다.
본 발명의 한 특징에 따른 친구 추천 장치는 복수의 사용자 단말 각각에 행위에 대한 행위 속성 정보를 생성하고, 정해진 기간 동안 생성된 각 사용자 단말에 행위 속성 정보를 최근 시간 순으로 추출하여 기준 시간과의 시간차를 산출하고, 상기 산출된 시간차에 따라 추출된 상기 행위 속성 정보에 함유된 카테고리에 대한 시간 가중치를 산출하며, 상기 시간 가중치와 사용자 관심도 가중치를 이용하여 추출된 상기 행위 속성 정보의 상기 카테고리에 대한 관심도를 산출하며, 동일한 카테고리에 대한 관심도를 합산하여 각 카테고리에 대한 최종 관심도를 산출하는 사용자 행위 분석부, 상기 사용자 행위 분석부와 연결되어 있고, 상기 사용자 행위 분석부에 의해 각 사용자 단말마다 산출된 상기 최종 관심도의 크기 순서로 카테고리를 저장하는 데이터베이스, 그리고 상기 데이터베이스에 연결되어 있고, 상기 데이터베이스에 저장되어 있는 상기 최종 관심도를 이용하여, 상기 복수의 사용자 단말 중 친구 요청 사용자 단말에 대한 카테고리 배열 순서와 추천 후보 사용자 단말에 대한 카테고리의 배열 순서를 비교하고, 상기 친구 요청 사용자 단말과 추천 후보 사용자 단말간의 관심도 유사도를 측정하여 상기 관심도 유사도를 이용해 상기 추천 후보 사용자 단말 중에서 친구 추천 사용자 단말의 목록을 친구 추천 목록으로 하여 상기 친구 요청 단말로 전달하는 친구 추천부를 포함한다.
상기 사용자 관심도 가중치는 상기 복수의 사용자 단말 각각에 의해 정해진 카테고리의 선호도 순위에 따라 정해질 수 있다.
상기 시간 가중치는 상기 시간차가 작을수록 증가할 수 있다.
본 발명의 다른 특징에 따른 친구 추천 방법은 사용자 단말에 의해 행위가 발생했는지를 판정하는 단계, 상기 사용자 단말에 의해 상기 행위가 발생할 경우, 상기 사용자 단말에 대한 행위 속성 정보를 생성하는 단계, 생성된 상기 행위 속성 정보 중에서 시간 순으로 정해진 개수의 행위 속성 정보를 추출하는 단계, 추출된 상기 행위 속성 정보에 함유된 날짜와 기준 시간 사이의 시간차를 생성하여, 생성된 시간차에 대한 시간 가중치를 산출하는 단계, 산출된 상기 시간 가중치와 사용자 단말에 의해 정해진 카테고리별에 부여된 사용자 관심도 가중치를 이용하여 추출된 상기 행위 속성 정보의 카테고리에 대한 관심도를 산출하는 단계, 추출된 상기 행위 속성 정보에서 동일한 카테고리에 대한 관심도를 합산하여 각 카테고리에 대한 최종 관심도를 산출하는 단계, 그리고 상기 최종 관심도의 크기에 따른 사용자 단말의 카테고리의 배열 순서와 상기 배열 순서에 부여된 유사도를 이용하여 추천 친구 목록을 생성하는 단계를 포함한다.
상기 추천 친구 목록 생성 단계는, 상기 복수의 사용자 단말 중에서 친구 추천을 요청한 친구 요청 사용자 단말이 존재하는지를 판정하는 단계, 친구 요청 사용자 단말이 존재할 경우, 상기 복수의 사용자 정보 중에서 친구 요청 사용자 단말과 동일한 포맷의 행위 속성 정보를 갖는 추천 후보 사용자 단말을 추출하는 단계, 상기 최종 관심도 크기에 따른 상기 친구 요청 사용자 단말의 카테고리의 배열 순서와 상기 추천 후보 사용자 단말의 카테고리의 배열 순서를 비교하여, 배열 순서와 카테고리의 종류가 일치하는 카테고리에 부여된 상기 유사도를 이용하여 상기 친구 요청 사용자 단말과 상기 추천 후보 사용자 단말 간의 관심도 유사도를 산출하는 단계, 그리고 산출된 관심도 유사도의 크기 순서에 따라 상기 친구 요청 사용자 단말로 친구 추천 목록을 전송하는 단계를 포함하는 것이 좋다.
상기 유사도는 상기 카테고리의 배열 순서에 따라 상이하게 정해질 수 있다.
이러한 특징에 따르면, 사용자 단말의 행위를 이용하여 사용자 단말의 관심도를 산출하고, 산출된 관심도와 유사한 관심도를 갖는 다른 사용자 단말이 친구로서 추천된다.
이로 인해, 사용자 단말은 자동적으로 자신과 같은 관심도를 갖는 사용자 단말을 친구로서 추천받게 되므로 원하는 취향을 갖는 친구를 좀더 편리하고 용이하게 사귀게 되고, 사용자 단말의 편리성이 향상된다.
도 1은 본 발명의 한 실시예에 따른 친구 추천 장치의 블럭도이다.
도 2는 본 발명의 한 실시예에 따른 사용자 단말의 관심도를 측정하는 방법의 동작 순서도이다.
도 3은 본 발명의 한 실시예에 따른 사용자 단말의 관심도를 고려하여 친구추천 목록을 생성하는 방법의 동작 순서도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
그러면 첨부한 도면을 참고로 하여 본 발명의 한 실시예에 따른 친구 추천장치에 대하여 설명한다.
먼저, 도 1을 참고로 하여 본 발명의 한 실시예에 따른 친구 추천 장치의 구조를 설명한다.
도 1에 도시한 것처럼, 본 발명의 한 실시예에 따른 친구 추천 장치는 복수의 사용자 단말(11-1n), 복수의 사용자 단말(11-1n)과 연결되어 있는 통신망(20), 통신망(20)을 통해 복수의 사용자 단말(11-1n)과 연결되어 있는 서버(30), 그리고 서버(30)와 연결되어 있는 데이터베이스(40)를 구비한다.
복수의 사용자 단말(11-1n) 각각은 통신망(20)을 통해 서버(30)에 접속하여, 서버(30)에 게시되어 있는 기사나 사진 등의 게시물과 같은 콘텐츠(contents)를 표시하고, 각 사용자 단말(11-1n)의 사용자는 키보드(keyboard), 마우스(mouse) 또는 터치 패널(touch panel) 등과 같은 입력 장치(도시하지 않음)를 통해 게시된 콘텐츠 중 원하는 콘텐츠를 확인하거나 콘텐츠에 대한 의견이나 답변을 입력, 즉 기록하는 행위를 실시한다.
이때, 각 사용자 단말(11-1n)은 서버(30)로 자신의 식별 부호(ID, identification), 비밀번호(password), 생년월일, 콘텐츠의 각 카테고리(category)에 대한 관심도 등을 전송한다.
이때, 카테고리는 콘텐츠의 내용을 종류별로 분류한 것으로서, 예를 들어, 시사, 정치, 경제, 과학, 방송, 연예, 스포츠 및 문화로 분류될 수 있다.
따라서, 사용자 단말(11-1n)은 자신이 선호하는 순서대로 카테고리를 분류할 수 있다. 이러한 카테고리의 종류는 변경 가능하다.
각 사용자 단말(11-1n)은 휴대용 컴퓨터, 개인용 컴퓨터, 또는 스마트폰(smart phone) 등과 같은 휴대폰 등일 수 있다.
통신망(20)은 무선 인터넷 또는 유선 인터넷일 수 있다.
서버(30)는 복수의 사용자 단말(11-1n)의 행위를 파악하여, 각 사용자 단말(11-1n) 별로 행위 속성 정보를 작성한다.
이때, 행위 속성 정보는 사용자 식별 부호, 행위 종류, 행위가 이루어진 콘텐츠의 카테고리 및 날짜와 같은 복수의 항목을 구비하고 있다.
이때, 행위 종류는 해당 콘텐츠에 대한 판독 동작(read)을 수행했는지 또는 기록 동작(write)을 수행했는지를 구분하는 항목이고, 카테고리는 이미 설명한 것처럼 해당 콘텐츠의 종류에 나타내는 항목이며, 날짜는 행위가 이루어진 날짜를 나타내는 항목이다.
서버(30)는 이러한 각 사용자 단말(11-1n)별로 작성된 행위 속성 정보를 이용하여 사용자 단말(11-1n)이 선호하는 카테고리의 종류가 무엇인지를 파악하여 각 사용자 단말(11-1n)의 선호도를 파악한다.
따라서, 서버(30)는 파악된 사용자 단말(11-1n)의 선호도를 이용하여 다른 사용자 단말(11-1n)과의 선호도가 동일하거나 유사한 정도를 나타내는 관심사 유사도를 측정하여, 다른 사용자 단말(11-1n)의 사용자를 해당 사용자 단말(11-1n)의 사용자에게 친구로서 추천한다.
데이터베이스(40)는 서버(30)에 의해 작성된 각 사용자 단말(11-1n)에 따른 행위 속성 정보를 서버(30)로부터 전달받아 날짜별로 순차적으로 해당 번지에 저장한다.
다음, 도 2 및 도 3를 참고로 하여, 친구 추천 장치의 동작을 설명한다.
먼저, 도 2를 참고로 하여, 각 사용자 단말(11-1n)의 관심도를 측정하는 서버(30)의 동작에 대하여 설명한다.
서버(30)의 동작이 시작되면(S20), 서버(30)는 각 사용자 단말(11-1n)이 통신망(20)을 통해 서버(30)에 접속하여 게시된 콘텐츠를 선택하여 읽기 동작이나 쓰기 동작과 같은 선택된 콘텐츠에 대한 행위를 실행했는지를 판정한다(S21).
사용자 서버(11-1n) 중 적어도 하나의 사용자 서버(11-1n)에 행위가 발생할 경우, 서버(30)는 행위를 실시한 해당 사용자 단말(11-1n)에 대해서 해당 행위에 대한 행위 속성 정보를 생성하여 데이터베이스(40)로 전송한다(S25).
하지만, 단계(S23)에서 사용자 단말(11-1n)에 의한 행위가 발생하지 않을 경우, 서버(30)는 계속해서 사용자 단말(11-1n)에 대한 행위가 발생했는지를 판정한다.
적어도 하나의 사용자 단말(11-1n)로부터 행위가 발생하여 해당하는 행위 속성 정보가 서버(30)로부터 전송되면, 데이터베이스(40)는 서버(30)로부터 전송되는 행위 속성 정보를 해당 사용자 단말(11-1n)의 행위 속성 정보로서 해당 번지에 저장한다.
이때, 행위 속성 정보는 다음의 [표 1]같은 포맷(format)을 갖고 있다.
ID 행위 종류 카테고리 날짜
따라서, 한 예로서 현재(2012년 12월 27일) 복수의 사용자 단말(11-11n) 중 하나의 사용자 단말(11)에서 행위가 발생할 경우, 서버(30)는 다음 [표 2]와 같은 행위 속성 정보를 생성하여 데이터베이스(40)로 전송한다.
ID 행위 종류 카테고리 날짜
11 읽음 정치 2012-12-27
따라서, 데이터베이스(40)는 이전에 이미 생성되어 있던 적어도 하나의 행위 속성 정보에 서버(30)로부터 전송된 현재 행위 속성 정보를 추가하여 행위 속성 정보군을 새롭게 갱신한다.
한 예로서, 현재 데이터베이스(40)에 저장되어 있는 해당 사용자 단말(11)에 대한 행위 속성 정보군은 다음 [표 3]과 같을 수 있다.
ID 행위 종류 카테고리 날짜
11 기록 연예 2012-06-20
11 읽음 연예 2012-07-07
11 읽음 스포츠 2012-08-01
11 기록 시사 2012-08-13
11 읽음 스포츠 2012-08-18
11 읽음 정치 2012-12-31
다음, 서버(30)는 각 사용자 단말(11-1n)에 대한 관심도를 주기적으로 측정하기 위해 정해놓은 설정 기간이 경과했는지를 판정한다(S27).
이때, 설정 시간은 서버(30)에 의해 변경 가능하며, 한 예로서, 6개월일 수 있다.
따라서, 서버(30)는 6개월마다 데이터베이스(40)에 저장되어 있는 각 사용자 단말(11-1n)에 대한 행위 속성 정보군을 이용하여 각 사용자 단말(11-1n)의 관심도를 새롭게 판정하게 된다.
판정된 설정 시간이 경과하지 않은 상태일 경우, 서버(30)는 처음 단계(S21)로 넘어가 적어도 하나의 사용자 단말(11-1n)에 새로운 행위가 발생했는지를 판정한다.
하지만, 설정 시간이 경과한 상태일 경우, 서버(30)는 데이터베이스(40)에 저장되어 있는 각 사용자 단말(11-1n)의 행위 속성 정보군에서 시간 순으로, 예를 들어, 가장 최근에 발생한 행위 속성 정보에서부터 정해진 개수만큼의 행위 속성 정보를 추출한다(S29).
예를 들어, 설정 기간이 6개월이고, 추출되는 행위 속성 정보의 개수가 5개일 경우, [표 3]의 경우, 이 단계(S29)에서 추출되는 사용자 단말(11)의 행위 속성 정보는 6개월 동안 저장되어 있는 6개의 행위 속성 정보 중에서 [표 4]와 같이 5개의 행위 속성 정보만이 추출된다.
ID 행위 종류 카테고리 날짜
11 읽음 연예 2012-07-07
11 읽음 스포츠 2012-08-01
11 기록 시사 2012-08-13
11 읽음 스포츠 2012-08-18
11 읽음 정치 2012-12-31
다음, 서버(30)는 기준 시간(예를 들어, 2012년 12월 31일)을 기준으로 하여 추출된 정해진 개수의 행위 속성 정보에 함유된 날짜(즉, 행위가 발생한 날짜)와의 시간차를 산출한다(S211).
그런 다음, 산출된 각 행위 속성 정보에 대한 시간차의 값에 따라 이미 정해진 가중치를 적용하여 추출된 행위 속성 정보에 포함되어 있는 카테고리에 대한 시간 가중치를 산출한다(S213).
따라서, [표 4]를 참고로 할 때, 12월 31일자로 발생한 '정치' 카테고리에 대한 시간차가 가장 적고 07월 07일자로 발생한 '연예' 카테고리에 대한 시간차가 가장 크다.
시간차는 일(day) 단위로 산출되거나 시간(time) 단위로 산출될 수 있고, 시간차의 크기에 따라 시간 가중치의 값은 이미 정해져 있다.
이때, 시간차가 작을수록, 즉 행위 속성 정보의 생성 시간이 최근일수록 해당 행위 속성 정보에 대한 중요도가 증가하도록 해당 사용자 단말(11-1n)의 관심도에 대한 신빙성이 증가하므로, 시간차가 작을수록 설정되어 있는 시간 가중치의 값은 증가하도록 정해진다.
이러한 시간 가중치를 산출하는 수식의 한 예는 [수학식 1]과 같다.
Figure 112012108821816-pat00001
여기서, σ는 1보다 작은 상수이고 예를 들어 0.9이고, α(t)는 산출된 시간차이다.
이처럼, 추출된 적어도 하나의 행위 속성 정보 각각의 카테고리에 대한 시간 가중치가 정해지면, 서버(30)는 산출된 시간 가중치와 각 사용자 단말(11)에 의해 정해진 사용자 관심도 가중치를 이용하여 추출된 각 행위 속성 정보의 카테고리에 대한 관심도를 산출한다(S215).
이때, 사용자 관심도 가중치는 정해진 있는 카테고리의 종류, 예를 들어, 시사, 정치, 경제, 과학, 방송, 연예, 스포츠 및 문화에서 각 사용자, 즉 각 사용자 단말(11-1n)에 의해 정해진 선호도 순위를 기초로 하여 정해지며, 선호도 순위에 따른 카테고리 각각에 대해 이미 정해져 있다.
각 사용자 단말(11-1n)에 의해 정해진 순위에 따른 사용자 관심도 가중치를 모두 더할 경우 '1'이 되도록 각 순위에 대한 가중치의 값이 정해진다.
예를 들어, 카테고리의 종류가 8개일 경우, 사용자에 의해 선택된 순위는 사용자의 관심도가 큰 순서대로 제1 내지 제8 순위로 정해지고, 제1 순위에 부여된 사용자 관심도 가중치의 값이 제일 크며, 마지막 순위인 제8 순위에 부여된 사용자 관심도 가중치의 값이 제일 작다.
이때, 각 사용자 단말(11-1n)에 의해 정해진 순위에 따른 사용자 관심도 가중치를 모두 더할 경우 '1'이 되도록 각 순위에 대한 가중치의 값이 정해진다.
한 예로서, 카테고리 종류가 시사, 정치, 경제, 과학, 방송, 연예, 스포츠 및 문화와 같이 8개일 경우, 제1 순위부터 제8 순위에 대한 사용자 관심도 가중치가 각각 0.5, 0.3, 0.1, 0.05, 0.025, 0.020, 0.004 및 0.001일 수 있다. 따라서, 제1 순위로 정해진 카테고리에 대한 사용자 관심도 가중치는 '0.5'가 되고, 제8 순위로 정해진 카테고리에 대한 사용자 관심도 가중치는 '0.001'이 된다.
따라서, 사용자 단말(11)에 의해 정해진 카테고리의 관심 순위가 경제-정치-시사-과학-스포츠-문화-방송-연예 순으로 정해져 제1 순위가 '경제'이고 제8 순위가 '연예'일 경우, 카테고리가 '경제'일 때의 사용자 관심 가중치는 '0.5'이고, 카테고리가 '정치'일 때의 사용자 관심 가중치는 '0.3'이고, 카테고리가 '시사'일 때의 사용자 관심 가중치는 '0.1'이며, 카테고리가 '과학'일 때의 사용자 관심 가중치는 '0.05'이고 카테고리가 '스포츠'일 때의 사용자 관심 가중치는 '0.025'이고, 카테고리가 '문화'일 때의 사용자 관심 가중치는 '0.020'이며, 카테고리가 '방송'일 때의 사용자 관심 가중치는 '0.004'이고, 카테고리가 '연예'일 때의 사용자 관심 가중치는 '0.001'이 된다.
따라서, 서버(30)는 다음의 [수학식 2]와 같이 [수학식 1]에 의해 산출된 시간 가중치에 다시 사용자 관심도 가중치를 곱하여. 추출된 각 행위 속성 정보 각각에 함유된 해당 카테고리의 관심도[performance(i)]를 산출한다(S215).
Figure 112012108821816-pat00002
여기서, i는 카테고리의 종류이고, Wc(i)는 사용자 단말에 의해 선택된 카테고리 순위에 따라 부여된 사용자 관심도 가중치이다.
따라서, 서버(30)는 [수학식 2]를 이용하여 단계(S29)에서 정해진 개수만큼 추출된 행위 속성 정보에 대해 각 날짜 별로 구분된 각 행위 속성 정보에 포함된 해당 카테고리에 대한 관심도를 산출한다.
예를 들어 추출된 행위 속성 정보가 [표 4]와 같은 경우, 서버(30)는 12월 31일자에 발생한 '정치' 카테고리에 대한 관심도, 2012년 8월 18일자에 발생한 '스포츠' 카테고리에 대한 관심도, 2012년 8월 13일자에 발생한 '시사' 카테고리에 대한 관심도, 2012년 8월 01일자에 발생한 '스포츠' 카테고리에 대한 관심도 및 2012년 7월 7일자에 발생한 '연예' 카테고리에 대한 관심도를 각각 산출한다.
이와 같이, 시간차 가중치와 사용자 관심도 가중치를 이용하여 추출된 행위 속성 정보 각각의 카테고리에 대한 관심도가 산출되면, 서버(30)는 동일한 카테고리에 대한 관심도를 각각 합산하여, 각 카테고리에 최종 관심도를 산출한다(S217).
따라서, [표 4]의 경우, '스포츠'에 대한 최종 관심도는 2012년 8월 18일자의 행위 속성 정보를 기초로 산출된 관심도의 값과 2012년 8월 01일자의 행위 속성 정보를 기초로 산출된 관심도의 값을 더한 값이 되고, '정치'에 대한 최종 관심도는 2012년 12월 31일자의 행위 속성 정보를 기초로 산출된 관심도의 값이 된다. 또한, '시사'에 대한 최종 관심도는 2012년 8월 13일자의 행위 속성 정보를 기초로 산출된 관심도의 값이 되고, '연예'에 대한 최종 관심도는 2012년 7월 7일자의 행위 속성 정보를 기초로 산출된 관심도의 값이 된다.
이와 같이, 각 사용자 단말(11)에 대해서, 각 카테고리에 대한 최종 관심도의 값이 정해지면, 서버(30)는 각 사용자 단말(11-1n)별로 산출된 최종 관심도의 크기 순으로 데이터베이스(40)의 해당 번지에 저장되도록 데이터베이스(40)의 동작을 제어하며, 또한, 산출된 최종 관심도 순위를 각 해당 사용자 단말(11-1n)로 전송한다(S219). 이때, 최종 관심도는 오름 차순 또는 내림 차순으로 저장될 수 있다.
따라서, 각 사용자 단말(11-1n)은 정해진 기간동안의 자신의 관심도 변동 상황을 확인할 수 있다.
이러한 방법을 통해, 각 사용자 단말(11-1n)의 카테고리별에 대한 최종 관심도가 산출되면, 서버(30)는 사용자 단말(11-1n)의 최종 관심도를 이용하여 친구 추천 목록을 생성하여 해당 사용자 단말(11-1n)로 친구 추천 목록을 전송한다.
다음, 도 3를 참고로 하여, 친구 추천 목록을 생성하여 전송하는 방법에 대하여 설명한다.
먼저, 서버(30)는 복수의 사용자 단말(11-1n) 중 적어도 하나의 사용자 단말(11-1n)로부터 친구 추천을 요청하는 요청 신호가 전송되었는지를 판정한다(S31).
적어도 하나의 사용자 단말(11-1n)로부터 친구 추천 요청이 발생한 상태로 판정되면, 서버(30)는 복수의 사용자 단말(11-1n) 중에서 동일한 포맷(예, 표 1)으로 이루어진 행위 속성 정보를 갖는 다른 사용자 단말(11-1n)을 추출하고, 다시 추출된 다른 사용자 단말(11-1n) 중에서 친구 추천 요청이 발생한 사용자 단말(이하, '친구 요청 사용자 단말이'라 함)(11-1n)과 동일한 연령대를 갖는 사용자 단말(11-1n)을 다시 선별한다(S33).
본 예의 경우, 선별 기준은 연령대이지만, 이에 한정되지 않고, 성별 등과 같이 선별 기준은 친구 요청 사용자 단말(11-1n)이나 서버(30)에 의해 변경될 수 있으며 선별 기준의 개수 역시 2개 이상일 수 있다.
다음, 서버(30)는 선별 기준에 의해 최종적으로 선별된 적어도 하나의 사용자 단말(이하, '추천 후보 사용자 단말'이라 함)(11-11n)과 친구 요청 사용자 단말(11-1n) 간의 관심도 유사도를 측정한 후 데이터베이스(40)로 전송한다(S35). 따라서, 데이터베이스(40)는 서버(30)로부터 전송된 관심도 유사도를 해당 번지에 저장한다.
선별된 추천 후보 사용자 단말(11-1n)과의 관심도 유사도를 판정하기 위해, 서버(30)는 친구 요청 사용자 단말(11-1n)에 대한 최종 관심도의 배열 순서, 즉 카테고리의 종류별로 산출된 최종 관심도를 크기순(예를 들어, 오름차순)으로 배열한 배열 순서와 추천 후보 사용자 단말(11-1n) 각각에 대한 최종 관심도의 배열 순서를 비교한다.
예를 들어, 친구 요청 사용자 단말(11)과 추천 후보 사용자 단말(13)의 배열 순서가 [표 4]와 같을 경우, 사용자 단말(11, 13)과의 관심도 유사도는 다음과 같이 산출될 수 있다.
배열 순서 0 1 2 3 4 5
사용자단말(11) 시사 정치 경제 과학 방송 스포츠
사용자단말(13) 시사 문화 경제 과학 연예 스포츠
유사도 0 2 3 5
[표 5]를 참고로 할 경우, 카테고리의 최종 관심도는 오름 차순으로 배열한 것이므로, 사용자 단말(11, 13) 모두 관심도가 가장 큰 카테고리는 '스포츠'가 되고, 관심도가 가장 작은 카테고리는 '시사'가 된다.
이럴 경우, 사용자 단말(11, 13) 간의 최종 관심도에 따라 배열된 카테고리 중 서로 배열 순서와 종류가 일치하는 카테고리는 '스포츠', '과학', '경제' 및 '시사'이다.
이때, 배열 순서에 따라 유사도가 부여되므로, 예를 들어, 관심도가 제일 큰 다섯 번째 배열된 부분에서부터 관심도가 가장 작은 첫 번째 배열된 부분에 각각 할당된 유사도는 '5', '4', '3', '2', '1'일 수 있다.
하지만, 카테고리의 종류와 배열 순서가 동일한 경우에만 각 배열 순서별로 부여된 유사도가 유효 유사도로 기능하여 관심사 유사도로서 합산될 수 있다.
따라서, 서로 동일한 순서로 배열된 동일 카테고리에 대해서만 유사도가 부여되므로, 도 4의 경우, 관심사 유사도로 합산되는 유효 유사도를 갖는 카테고리의 종류는 '스포츠', '과학', '경제' 및 '시사'이며, 이때, 각각 부여된 유사도는 '5', '3', '2', 및 '0'이 된다.
이로 인해, 사용자 단말(11, 13) 간의 관심도 유사도는 이들 유사도의 값을 모두 더한 값인 '10(=0+2+3+5)'이 된다.
이러한 방식으로, 서버(30)는 친구 요청 사용자 단말(11-1n)과 선별된 적어도 하나의 추천 후보 사용자 단말(11-1n) 각각과의 관심도 유사도를 측정한다.
이때, 서버(30)는 측정된 관심도 유사도가 클수록 친구 요청 사용자 단말(11-1n)과 추천 후보 사용자 단말(11-1n)간의 관심도의 동일성이 증가하는 것으로 판정한다.
다음, 서버(30)는 산출된 관심도 유사도가 큰 순서대로 추천 후보 사용자 단말(11-1n) 중 일부를 친구 추천 사용자 단말로 선별한 후 선별된 친구 추천 사용자 단말의 목록을 친구 추천 목록으로 하여 친구 요청 사용자 단말(11-1n)로 전송한다(S37).
이때, 친구 요청 사용자 단말(11-1n)로 친구로 추천되는 친구 추천 사용자 단말의 수는 미리 정해질 수 있거나 산출된 관심도 유사도의 크기를 기준으로 하여 친구 추천 사용자 단말이 정해져 친구 추천 목록이 작성될 수 있다.
다음, 서버(30)는 친구 추천 사용자 단말(11-1n) 중에서 친구 요청 사용자 단말(11-1n)에 의해 친구로 수락된 사용자 단말이 존재하는지를 판정한다(S39).
친구로 수락된 사용자 단말이 존재할 경우, 서버(30)는 친구로 수락된 사용자 단말에 대한 개인 정보를 친구 요청 사용자 단말(11-1n)로 전송한다(S311).
개인 정보는 연락처, 식별 부호, 주소, 성별 등일 수 있다.
따라서, 친구 요청 사용자 단말(11-1n)은 자신이 선택한 사용자 단말과의 친구 관계를 유지하게 된다.
하지만, 친구로 수락된 사용자 단말이 존재하지 않을 경우, 서버(30)는 친구요청 단말(11-1n)로부터 친구로 수락된 사용자 단말이 존재하는지를 계속 판정한다 (S39).
하지만, 대안적인 예에서, 단계(S39, S311)는 생략될 수 있으며, 또한, 친구 추천 목록을 전송할 때, 친구로 추천된 친구 추천 사용자 단말에 대한 개인 정보도 함께 친구 요청 사용자 단말(11-1n)로 전송될 수 있다.
도 1과 달리, 서버(30)는 도 2와 같이 각 사용자 단말(11-1n)에 대한 관심도를 측정하는 별도의 처리부, 즉, 사용자 행위 분석부와 사용자 행위 분석부와 연결되어 있고 도 3에 도시한 친구 추천 동작을 실시하는 별도의 처리부, 즉 친구 추천부를 구비할 수 있다.
이 경우, 사용자 행위 분석부와 친구 추천부는 모두 데이터베이스(40)에 연결되어 있다.
이와 같이, 서버(30)의 동작에 의해 사용자 단말(11-1n)간의 관심도 유사도를 고려하여 원하는 사용자 단말(11-1n)에 친구를 추천해주므로, 사용자 단말(11-1n)은 자신과 같은 취향을 갖고 있는 사람을 좀더 용이하고 손쉽게 친구로 사귈 수 있게 된다. 이로 인해, 사용자의 만족도가 향상된다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
11-1n: 사용자 단말 20: 통신망
30: 서버 40: 데이터베이스

Claims (6)

  1. 복수의 사용자 단말 각각에 행위에 대한 행위 속성 정보를 생성하고, 정해진 기간 동안 생성된 각 사용자 단말에 행위 속성 정보를 최근 시간 순으로 추출하여 기준 시간과의 시간차를 산출하고, 상기 산출된 시간차에 따라 추출된 상기 행위 속성 정보에 함유된 카테고리에 대한 시간 가중치를 산출하며, 상기 시간 가중치와 사용자 관심도 가중치를 곱하여 추출된 상기 행위 속성 정보의 상기 카테고리에 대한 관심도를 산출하며, 동일한 카테고리에 대한 관심도를 합산하여 각 카테고리에 대한 최종 관심도를 산출하는 사용자 행위 분석부,
    상기 사용자 행위 분석부와 연결되어 있고, 상기 사용자 행위 분석부에 의해 각 사용자 단말마다 산출된 상기 최종 관심도의 크기 순서로 카테고리를 저장하는 데이터베이스, 그리고
    상기 데이터베이스에 연결되어 있고, 상기 데이터베이스에 저장되어 있는 상기 최종 관심도를 이용하여, 상기 복수의 사용자 단말 중 친구 요청 사용자 단말에 대한 최종 관심도의 카테고리의 배열 순서와 추천 후보 사용자 단말에 대한 최종 관심도의 카테고리의 배열 순서를 비교하고, 상기 친구 요청 사용자 단말의 상기 최종 관심도의 카테고리와 상기 추천 후보 사용자 단말의 최종 관심도의 카테고리의 배열 순서와 종류가 일치하는 카테고리를 판정하고, 상기 배열 순서와 종류가 일치한 카테고리에 부여된 유사도를 합산하여 상기 친구 요청 사용자 단말과 추천 후보 사용자 단말간의 관심도 유사도를 측정하고, 상기 관심도 유사도를 이용해 상기 추천 후보 사용자 단말 중에서 친구 추천 사용자 단말의 목록을 친구 추천 목록으로 하여 상기 친구 요청 단말로 전달하는 친구 추천부
    를 포함하고,
    상기 사용자 관심도 가중치는 정해진 카테고리의 종류에서 각 사용자 단말에 의해 정해진 선호도 순서에 기초하여 정해지고, 상기 정해진 카테고리의 종류에 대한 사용자 관심도 가중치는 모두 더하면 '1'이 되며,
    상기 유사도는 카테고리의 배열 순서에 따라 다른 값이 부여되어 있는
    친구 추천 장치.
  2. 제1항에서,
    상기 사용자 관심도 가중치는 상기 복수의 사용자 단말 각각에 의해 정해진 카테고리의 선호도 순위에 따라 정해져 있는 친구 추천 장치.
  3. 제1항에서,
    상기 시간 가중치는 상기 시간차가 작을수록 증가하는 친구 추천 장치.
  4. 사용자 행위 분석부는 사용자 단말에 의해 행위가 발생했는지를 판정하는 단계,
    상기 사용자 행위 분석부는 상기 사용자 단말에 의해 상기 행위가 발생할 경우, 상기 사용자 단말에 대한 행위 속성 정보를 생성하는 단계,
    상기 사용자 행위 분석부는 생성된 상기 행위 속성 정보 중에서 시간 순으로 정해진 개수의 행위 속성 정보를 추출하는 단계,
    상기 사용자 행위 분석부는 추출된 상기 행위 속성 정보에 함유된 날짜와 기준 시간 사이의 시간차를 생성하여, 생성된 시간차에 대한 시간 가중치를 산출하는 단계,
    상기 사용자 행위 분석부는 산출된 상기 시간 가중치에 사용자 단말에 의해 정해진 카테고리별에 부여된 사용자 관심도 가중치를 곱하여 추출된 상기 행위 속성 정보의 카테고리에 대한 관심도를 산출하는 단계,
    상기 사용자 행위 분석부는 추출된 상기 행위 속성 정보에서 동일한 카테고리에 대한 관심도를 합산하여 각 카테고리에 대한 최종 관심도를 산출하는 단계,
    친구 추천부는 복수의 사용자 단말 중에서 친구 추천을 요청한 친구 요청 사용자 단말이 존재하는지를 판정하는 단계,
    상기 친구 추천부는 친구 요청 사용자 단말이 존재할 경우, 상기 복수의 사용자 정보 중에서 친구 요청 사용자 단말과 동일한 포맷의 행위 속성 정보를 갖는 추천 후보 사용자 단말을 추출하는 단계,
    상기 친구 추천부는 상기 최종 관심도 크기에 따른 상기 친구 요청 사용자 단말에 대한 최종 관심도의 카테고리의 배열 순서와 상기 추천 후보 사용자 단말에 대한 최종 관심도의 카테고리의 배열 순서를 비교하는 단계,
    상기 친구 추천부는 상기 친구 요청 사용자 단말의 상기 최종 관심도의 카테고리와 상기 추천 후보 사용자 단말의 최종 관심도의 카테고리의 배열 순서와 종류가 일치하는 카테고리를 판정하는 단계,
    상기 친구 추천부는 상기 배열 순서와 종류가 일치한 카테고리에 부여된 유사도를 합산하여 상기 친구 요청 사용자 단말과 상기 추천 후보 사용자 단말 간의 관심도 유사도를 산출하는 단계, 그리고
    상기 친구 추천부는 산출된 관심도 유사도의 크기 순서에 따라 상기 친구 요청 사용자 단말로 친구 추천 목록을 전송하는 단계
    를 포함하고,
    상기 사용자 관심도 가중치는 정해진 카테고리의 종류에서 각 사용자 단말에 의해 정해진 선호도 순서에 기초하여 정해지고, 상기 정해진 카테고리의 종류에 대한 사용자 관심도 가중치는 모두 더하면 '1'이 되며,
    상기 유사도는 카테고리의 배열 순서에 따라 다른 값이 부여되어 있는
    친구 추천 방법.
  5. 삭제
  6. 삭제
KR1020120155862A 2012-12-28 2012-12-28 친구 추천 장치 및 방법 KR101450526B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120155862A KR101450526B1 (ko) 2012-12-28 2012-12-28 친구 추천 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120155862A KR101450526B1 (ko) 2012-12-28 2012-12-28 친구 추천 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140087175A KR20140087175A (ko) 2014-07-09
KR101450526B1 true KR101450526B1 (ko) 2014-10-16

Family

ID=51736125

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120155862A KR101450526B1 (ko) 2012-12-28 2012-12-28 친구 추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101450526B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190075232A (ko) 2017-12-21 2019-07-01 충남대학교산학협력단 애플리케이션을 이용한 교내 친목 시스템

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101815176B1 (ko) 2016-06-03 2018-01-05 주식회사 하이퍼커넥트 중개 방법, 장치 및 시스템
KR20180133593A (ko) 2017-06-07 2018-12-17 주식회사 하이퍼커넥트 중개 방법 및 장치
CN107437200A (zh) * 2017-06-28 2017-12-05 北京小度信息科技有限公司 信息确定方法及装置
KR101979650B1 (ko) 2018-03-07 2019-05-17 주식회사 하이퍼커넥트 서버 및 그것의 동작 방법
KR102167690B1 (ko) * 2019-07-12 2020-10-19 주식회사 하이퍼커넥트 중개 방법 및 장치
KR102308636B1 (ko) 2019-08-27 2021-10-06 주식회사 하이퍼커넥트 영상 통화 중개 장치, 방법 및 컴퓨터 판독 가능한 기록매체
KR102329481B1 (ko) 2019-09-09 2021-11-24 주식회사 하이퍼커넥트 복수의 단말기를 중개하는 서버, 및 그것의 중개 방법
KR102096419B1 (ko) 2019-09-24 2020-04-03 주식회사 옵티마이즈 위치정보와 빅데이터 분석에 기반한 여행 동행 및 상품 제공 시스템 및 방법
KR102455966B1 (ko) 2019-12-16 2022-10-18 주식회사 하이퍼커넥트 중개 장치, 방법 및 컴퓨터 판독 가능한 기록매체
KR102373764B1 (ko) 2020-02-21 2022-03-15 주식회사 하이퍼커넥트 단말기 및 그것의 동작 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007141135A (ja) * 2005-11-22 2007-06-07 Ntt Communications Kk 情報処理装置、検索方法およびプログラム
KR20070099709A (ko) * 2006-04-05 2007-10-10 김길호 기호지수 기반 사용자 매칭 방법 및 시스템
KR20080043140A (ko) * 2006-11-13 2008-05-16 에스케이커뮤니케이션즈 주식회사 협업 필터링 시스템 및 그 방법
KR20100001650A (ko) * 2008-06-27 2010-01-06 쏠스펙트럼(주) 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치 및방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007141135A (ja) * 2005-11-22 2007-06-07 Ntt Communications Kk 情報処理装置、検索方法およびプログラム
KR20070099709A (ko) * 2006-04-05 2007-10-10 김길호 기호지수 기반 사용자 매칭 방법 및 시스템
KR20080043140A (ko) * 2006-11-13 2008-05-16 에스케이커뮤니케이션즈 주식회사 협업 필터링 시스템 및 그 방법
KR20100001650A (ko) * 2008-06-27 2010-01-06 쏠스펙트럼(주) 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치 및방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190075232A (ko) 2017-12-21 2019-07-01 충남대학교산학협력단 애플리케이션을 이용한 교내 친목 시스템

Also Published As

Publication number Publication date
KR20140087175A (ko) 2014-07-09

Similar Documents

Publication Publication Date Title
KR101450526B1 (ko) 친구 추천 장치 및 방법
US8255396B2 (en) Electronic profile development, storage, use, and systems therefor
US7765130B2 (en) Personalization using multiple personalized selection algorithms
KR101865710B1 (ko) 소셜 네트워킹 엔진의 사용자들에게 콘텐츠를 다이렉팅하는 시스템 및 방법
US9967625B2 (en) Method and apparatus for automatic generation of recommendations
US9355358B1 (en) Systems and methods for determining compatibility
US20130024813A1 (en) Method, system, and means for expressing relative sentiments towards subjects and objects in an online environment
JP5805548B2 (ja) 情報処理装置、及び、情報処理方法
CN108550068A (zh) 一种基于用户行为分析的个性化商品推荐方法及系统
WO2009047358A2 (en) System and method for searching network users
US20150287092A1 (en) Social networking consumer product organization and presentation application
US20160335683A1 (en) Rating System and Method
KR100781399B1 (ko) 사용자의 상황에 따라 추천 엔진별 가중치를 부여하는장치, 방법 및 이를 구현할 수 있는 컴퓨터로 읽을 수 있는기록 매체
KR20200080355A (ko) 빅데이터를 이용한 레시피 추천 시스템
KR102397385B1 (ko) Ｏ２ｏ 기반 저장쿠폰을 이용한 맞춤형 쿠폰 서비스 제공 방법
JP6414192B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム
JP5846033B2 (ja) 情報処理装置、端末装置、情報処理方法、表示方法、情報処理プログラム、及び表示プログラム
JP5370351B2 (ja) 情報処理方法、情報処理装置、及び情報処理プログラム
KR20140104626A (ko) 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR101426196B1 (ko) 선호도 분석 장치 및 방법
Jannach et al. Offline performance vs. subjective quality experience: a case study in video game recommendation
KR20200051171A (ko) 딥러닝 기반의 sns 활동 분석을 통한 사용자 맞춤 뉴스 서비스 시스템
KR102690978B1 (ko) Sns 문서 유사도 기반 온라인 커뮤니티 서비스 제공시스템 및 방법
KR101896294B1 (ko) 공유 페이지를 이용한 선호 콘텐츠 분석 방법 및 이를 위한 서버
CN112417181B (zh) 主动响应的交互式服务平台及其运作方法

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
LAPS Lapse due to unpaid annual fee