KR101458588B1 - 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법 - Google Patents

분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법 Download PDF

Info

Publication number
KR101458588B1
KR101458588B1 KR1020120111348A KR20120111348A KR101458588B1 KR 101458588 B1 KR101458588 B1 KR 101458588B1 KR 1020120111348 A KR1020120111348 A KR 1020120111348A KR 20120111348 A KR20120111348 A KR 20120111348A KR 101458588 B1 KR101458588 B1 KR 101458588B1
Authority
KR
South Korea
Prior art keywords
expert
content
contents
professional
consumer
Prior art date
Application number
KR1020120111348A
Other languages
English (en)
Other versions
KR20140035221A (ko
Inventor
양재동
Original Assignee
(주)케이테크
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 (주)케이테크 filed Critical (주)케이테크
Publication of KR20140035221A publication Critical patent/KR20140035221A/ko
Application granted granted Critical
Publication of KR101458588B1 publication Critical patent/KR101458588B1/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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명에서 각 분야에 수요자의 관심 콘텐츠를 파악하여 수요자의 관심 콘텐츠에 맞는 전문가를 추천하기 위한, 소셜 네트워크상에서 온톨로지를 기반으로 하는 분야별 전문가 큐레이션 추천 시스템 및 그 방법에 관한 것이다.
본 발명에 따른 시스템 및 발명은 온톨로지 모델링을 기초로 미리 구획된 분야별로 카테고리를 구축하는 섹션모듈과 분야별 전문가가 보유한 전문콘텐츠들을 저장하는 전문가 데이터베이스부와 상기 전문가 데이터베이스부에 저장된 전문콘텐츠 각각에서 추출된 텍스트를 이용하여 상기 저장된 전문콘텐츠 각각을 미리 설정된 기준에 따라 상기 카테고리에 대응하도록 분류하며, 상기 전문콘텐츠를 보유하는 각각의 전문가를 상기 카테고리에 할당하는 분류기와 수요자가 기 보유한 특정 분야의 수요콘텐츠에서 추출된 텍스트와 상기 전문콘텐츠에서 추출된 텍스트를 비교, 유사도를 산출하여 상기 전문콘텐츠들 중 높은 유사도를 갖는 어느 하나의 전문가를 추천하는 추천모듈과 상기 전문가 데이터베이스부에 저장된 전문콘텐츠 중 상기 추천된 전문가의 전문콘텐츠 목록을 디스플레이시키는 디스플레이 모듈을 포함한다. 따라서 본 발명은 소셜 네트워크상의 정보를 제공하는데 있어서, 전문가의 검증을 통해 유통되는 큐레이션된 콘텐츠를 제공함에 따라, 좀 더 정확하고 신뢰도 높은 큐레이션된 콘텐츠를 제공받을 수 있다.

Description

분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법{EXPERT CURATION RECOMMENDATION SYSTEM AND EXPERT RECOMMENDATION METHOD USING THEREOF BY FIELD}
본 발명은 각 분야에 따른 전문가의 큐레이션 추천 시스템을 구축하고, 추천식 큐레이션 콘텐츠 접근 방법에 관한 것으로, 더욱 상세하게는, 수요자의 관심 콘텐츠를 파악하여 수요자의 관심 콘텐츠에 맞는 전문가를 추천하기 위한, 소셜 네트워크상에서 온톨로지를 기반으로 하는 분야별 전문가 큐레이션 추천 시스템 및 그 방법에 관한 것이다.
인터넷 시대가 되면서 정보량은 가히 폭발적인 속도로 증가하고 있으며 정보의 생산 주체도 일반 소비자로 확산되고 있다. 또한 이용자들이 손쉽게 정보를 공유할 수 있는 소셜네트워크 서비스인 트위터에는 전세계적으로 하루 2억개의 글이 올라오고 있으며, 페이스북에는 매일 2억 5천만장의 사진이 등록된다. 유튜브에 60일간 올라온 동영상 분량은 미국 ABC, CBS 등의 메이저 방송국들이 지난 60년 동안 제작한 영상 분량을 상회한다.
이에 정보의 양이 많아지고, 정보의 생산 주체도 다양해지면서 믿을 수 있는 전문가나 지인인 '큐레이터'가 소셜 네트워크 서비스를 통해 공유하고, 많은 지인들의 추천에 의해 그 중요성과 신뢰성이 검증된 '큐레이션된'정보에 대한 의존도가 높아지고 있다. 소셜 네트워크 서비스의 폭발적인 성장 또한 이러한 정보 큐레이션 요구의 연장 선상에서 해석이 가능하다.
소셜 큐레이션 서비스들은 지인들에 의해 걸러진 정보들에 대한 검색 및 분류를 편리하게 해주는 기능을 제공해 줌으로써, 기존 소셜 네트워크 서비스의 단점을 보완하고 있다. 플랫폼을 활용한다는 측면에서 소셜 큐레이션 서비스는 기존의 소셜네트워크 서비스와 크게 다르지 않다고 볼 수도 있다. 그러나 소셜 네트워크 서비스는 타임라인 위주의 실시간 정보 제공에 초점이 맞추어진 반면, 소셜 큐레이션 서비스들은 정보 탐색과 열람 방법에서의 편의성을 극대화하였다는 점에서 기존의 소셜 네트워크 서비스와 차이를 지닌다.
또한, 정보 필터링의 수단으로서의 기존 소셜 네트워크 서비스는 스스로 업데이트한 사진이나 비디오 등을 제외하고는 정보 업데이트의 순서로만 열람이 가능하여 정보의 휘발성이 강하고 정보의 탐색이 어렵다는 한계를 지녔다. 즉 '지금'과 관련된 내용을 필터링하는 데는 유리할 수 있으나, 쌓인 정보들에서 유의미한 정보들을 찾는 데는 한계가 있었다. 반면, 소셜 큐레이션 서비스에서는 정보 분류가 특정 테마와 주제 중심으로 이루어지고 정보의 형태 또한 이미지 등 특정 포맷 중심이므로, 기존 소셜 네트워크 서비스 대비 정보의 열람과 검색이 훨씬 용이하다. 즉, 소셜 큐레이션 서비스에서는 신뢰와 공감을 얻을 수 있는 정보들을 시계열에 따른 순서는 물론, 소셜 필터링에 참가하는 각 개인이 정한 분류 기준이나 키워드를 사용한 검색을 통해 찾을 수 있다.
이에 한국 공개 10-2009-0072575호는 사용자 맞춤형 콘텐츠 추천 장치 및 그 방법에 관한 것으로, 사용자 프로파일과 사용자의 상황정보와 사용자간 소셜 네트워크 분석정보를 이용한 추론결과에 따라, 사용자의 취향 및 콘텐츠 요청시점에 맞는 최적 콘텐츠를 추천하기 위한, 사용자 맞춤형 콘텐츠 추천 장치 및 그 방법을 제공한다.
이러한 종래 콘텐츠 추천 장치는 사용자의 취향 및 콘텐츠에 맞는 최적의 콘텐츠를 추천함으로써 사용자 맞춤형 콘텐츠를 제공한다. 그러나 사용자 취향의 최적의 콘텐츠를 제공하는 데 있어서 전문가의 검증 없이 콘텐츠를 제공함으로써, 신뢰도가 높은 콘텐츠를 제공받는데 문제가 있다.
1. 대한민국 공개특허 10-2009-0072575, 공개일자 2009년 07월 02일, 출원번호 10-2007-0140730, 출원일자 2007년 12월 28일, 발명의 명칭 : 사용자 맞춤형 콘텐츠 추천 장치 및 그 방법.
본 발명은 상기한 바와 같은 과제를 해결하기 위해 발명된 것으로, 본 발명의 목적은 소셜 네트워크상의 정보를 제공하는데 있어서, 전문가로부터 큐레이션 된 전문콘텐츠를 통해 신뢰도가 높은 큐레이션 콘텐츠를 제공하는데 그 목적이 있다.
또한 본 발명은, 신뢰도가 높은 큐레이션 콘텐츠를 제공하는데 있어서, 수요자의 수요콘텐츠와 전문가의 전문콘텐츠의 특징벡터를 생성하고 수요콘텐츠와 전문콘텐츠 간의 특징벡터를 비교하여 유사도를 추론하고, 특징벡터의 유사도가 높은 전문콘텐츠를 저장하고 있는 전문가 순으로 전문가를 추천하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 관점에 따른 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 전문가 추천 방법은, 온톨로지 모델링을 기초로 미리 구획된 분야별로 카테고리를 구축하는 섹션모듈과 분야별 전문가가 보유한 전문콘텐츠들을 저장하는 전문가 데이터베이스부와 상기 전문가 데이터베이스부에 저장된 전문콘텐츠 각각에서 추출된 텍스트를 이용하여 상기 저장된 전문콘텐츠 각각을 미리 설정된 기준에 따라 상기 카테고리에 대응하도록 분류하며, 상기 전문콘텐츠를 보유하는 각각의 전문가를 상기 카테고리에 할당하는 분류기와 수요자가 기 보유한 특정 분야의 수요콘텐츠에서 추출된 텍스트와 상기 전문콘텐츠에서 추출된 텍스트를 비교, 유사도를 산출하여 상기 전문콘텐츠들 중 높은 유사도순으로 전문가를 추천하는 추천모듈과 상기 전문가 데이터베이스부에 저장된 전문콘텐츠 중 상기 추천된 전문가의 전문콘텐츠 목록을 디스플레이시키는 디스플레이 모듈을 포함한다.
본 발명의 바람직한 실시 예에 따른 상기 전문가 데이터베이스는 상기 전문가의 정보를 저장하는 전문가 정보저장소와 상기 전문가가 보유한 전문콘텐츠들을 저장하기 위한 전문콘텐츠 저장소와 상기 전문콘텐츠로부터 문서자동분류기를 통해 상기 전문콘텐츠의 특징을 추출한 전문콘텐츠 특징벡터를 저장하는 특징벡터 저장소를 포함한다. 또한, 상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 저장하는 수요자 데이터베이스부를 더 포함하며 상기 수요자 데이터베이스부에 저장된 상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 토대로 수요자들의 수요콘텐츠를 추출하는 수요자 분석모듈을 포함한다.
본 발명의 바람직한 실시 예에 따른 상기 추천모듈은 상기 추천된 전문가가 할당 되어있는 카테고리를 인지하여, 상기 추천된 전문가가 할당된 카테고리에 속해있는 적어도 한명의 전문가를 상기 수요자에게 추천하며 상기 전문콘텐츠로부터 생성된 전문콘텐츠 특징벡터와 상기 문서자동분류기를 통해 상기 수요자가 기 보유한 특정 분야의 수요콘텐츠의 특징을 추출한 수요콘텐츠 특징벡터를 비교하여 유사도를 추론하며 상기 유사도가 높은 순으로 전문가를 추천하며, 상기 수요콘텐츠가 동일한 수요자간에 그룹을 형성하며, 상기 수요콘텐츠가 속하는 카테고리를 인식하여 상기 수요콘텐츠가 속하는 카테고리에 지정된 전문가 중 적어도 한명의 전문가를 상기 그룹에 속한 수요자에게 추천한다. 또한, 상기 전문가는 시스템의 회원가입 및 온라인상에 공개된 콘텐츠를 분석하여 전문가를 검색 및 모집하는 전문가 모집기모듈을 통해 추가된다.
상기 목적을 달성하기 위한 본 발명의 따른 전문가 추천 방법은, 온톨로지 모델링을 기초로 미리 구획된 분야별로 카테고리를 구축하는 섹션구축단계와 분야별 전문가가 보유한 전문콘텐츠들을 전문가 데이터베이스부에 저장하는 데이터 저장단계와 상기 전문가 데이터베이스부에 저장된 전문콘텐츠 각각에서 추출된 텍스트를 이용하여 상기 저장된 전문콘텐츠 각각을 미리 설정된 기준에 따라 상기 카테고리에 대응하도록 분류하며, 상기 전문콘텐츠를 보유하는 각각의 전문가를 상기 카테고리에 할당하는 분류단계와 수요자가 기 보유한 특정 분야의 수요콘텐츠에서 추출된 텍스트와 상기 전문콘텐츠에서 추출된 텍스트를 비교, 유사도를 산출하여 상기 전문콘텐츠들 중 높은 유사도를 갖는 전문가를 선정하는 전문가 선정단계와 상기 선정된 전문가가 할당 되어있는 카테고리를 파악하여, 상기 선정된 전문가가 할당 되어있는 카테고리에 속해 있는 다른 전문가들을 파악하는 전문가 인식단계와 상기 선정된 전문가가 할당 되어있는 카테고리에 속해 있는 다른 전문가들을 파악하여 상기 수요자에게 추천해주는 제1추천단계와 상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 토대로 수요자들의 수요콘텐츠를 추출하여 상기 수요콘텐츠가 동일한 수요자간에 그룹을 형성하는 수요자 인식단계와 상기 전문가 인식단계에서 파악된 적어도 한명의 전문가를 상기 수요자 인식단계에서 파악된 적어도 한명의 수요자에게 추천하는 제2추천단계를 포함하며 상기 전문가 선정단계에서, 적어도 두개의 서로 다른 분야의 전문가가 선정 되었을 때, 상기 서로 다른 분야를 포괄할 수 있는 카테고리를 선택하는 선택단계를 더 포함하는 것을 특징으로 한다.
본 발명이 제시하는 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 전문가 추천 방법은, 소셜 네트워크상의 정보를 제공하는데 있어서, 전문가의 검증을 통해 유통되는 큐레이션 된 콘텐츠를 제공함에 따라, 좀 더 정확하고 신뢰도 높은 큐레이션 된 콘텐츠를 제공받을 수 있는 효과가 있다.
또한, 신뢰도가 높은 큐레이션 콘텐츠를 제공하는데 있어서, 수요자의 수요콘텐츠와 전문가의 전문콘텐츠의 특징벡터를 생성하고 수요콘텐츠와 전문콘텐츠 간의 특징벡터를 비교하여 유사도를 추론하고, 특징벡터의 유사도가 높은 콘텐츠를 저장하고 있는 전문가 순으로 전문가를 추천함으로써, 수요자의 수요콘텐츠에 보다 적합한 전문콘텐츠를 제공하는 효과가 있다.
도 1은 본 발명에 따른 분야별 전문가 큐레이션 추천 시스템의 구성요소를 설명하기 위한 구성도이다.
도 2는 본 발명에 따른 온톨로지를 기반으로 한 분야별로 구축한 카테고리의 실시 예를 나타낸 도면이다.
도 3은 본 발명에 따른 분야별 전문가 큐레이션 추천 시스템을 나타낸 구성도이다.
도 4는 본 발명에 따른 특징벡터간의 유사도를 비교하는 실시 예이다.
도 5는 도 4에 따른 특정벡터간의 유사도에 따른 전문가 추천순위에 대한 실시 예이다.
도 6은 본 발명에 따른 분야별 전문가 추천 방법에 대해 나타낸 플로워챠트이다.
도 7은 도 6의 전문가 선정단계에 따른 선택단계를 설명하기 위한 실시 예이다.
도 8은 본 발명에 따른 전문가의 큐레이션 된 전문콘텐츠를 보여주는 실시 예이다.
먼저, 큐레이션(Curation)이란 주로 미술계에서 사용되던 용어로, 미술관, 박물관 등의 소장 작품의 콜렉션 목록 관리, 해석 및 전시, 전파 활동을 통칭하는 의미로 사용되어 왔으나. 최근 정보 수집 및 해석, 배포 주체로서의 사람의 역할에 대한 중요성이 부각되면서 미술의 영역을 넘어 보다 광의의 의미로 사용되고 있다.
그러나 정보의 폭발적인 증가와 소셜 네트워크(Social Networking Service, SNS) 상에서, 소셜 큐레이션은 또 다른 자신과 같은 타인들이 또는 취향이 같은 사람들이 알아서 가공하고 선별해 놓은 정보들을 추천받는 서비스로 정의할 수 있다.
본 발명에 따른 분야별 전문가 큐레이션 추천 시스템은 온라인상의 공개된 콘텐츠가 시스템상에 등록되어 있는 전문가에게 제공되어 검증되고, 이들 전문가들을 온라인상의 공개된 콘텐츠를 큐레이션할 수 있고, 큐레이션 된 콘텐츠는 데이터베이스부에 저장되게 된다. 그리고 수요자는 원하는 콘텐츠의 분석을 통해 관심 분야의 전문가들을 추천받아 소셜 큐레이션의 콘텐츠를 살펴볼 수 있다.
이하, 본 발명의 바람직한 실시 예를 첨부된 예시도면에 의거 상세히 설명하면 다음과 같다.
도 1은 본 발명에 따른 분야별 전문가 큐레이션 추천 시스템의 구성요소를 설명하기 위한 구성도이다. 도시된 바와 같이 온톨로지 모델링을 기초로 미리 구획된 분야별로 카테고리를 구축하는 섹션모듈(10)과 분야별 전문가가 보유한 전문콘텐츠들을 저장하는 전문가 데이터베이스부(20)와 상기 전문가 데이터베이스부에 저장된 전문콘텐츠 각각에서 추출된 텍스트를 이용하여 상기 저장된 전문콘텐츠 각각을 미리 설정된 기준에 따라 상기 카테고리에 대응하도록 분류하며, 상기 전문콘텐츠를 보유하는 각각의 전문가를 상기 카테고리에 할당하는 분류기(30)와 수요자가 기 보유한 특정 분야의 수요콘텐츠에서 추출된 텍스트와 상기 전문콘텐츠에서 추출된 텍스트를 비교, 유사도를 산출하여 상기 전문콘텐츠들 중 높은 유사도순으로 전문가를 추천하는 추천모듈(40)과 상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 저장하는 수요자 데이터베이스부(50)와 상기 수요자 데이터베이스부(50)에 저장된 상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 토대로 수요자들의 수요콘텐츠를 추출하는 수요자 분석모듈(60)과 수요자들의 수요콘텐츠와 관련된 영역에 대한 콘텐츠의 광고 정보를 제공하는 광고모듈(70)과 상기 전문가 데이터베이스부(20)에 저장된 전문콘텐츠 중 상기 추천된 전문가의 전문콘텐츠 목록을 디스플레이시키는 디스플레이 모듈(80)로 구성되어 있다.
섹션모듈(10)은 소셜 온톨로지 모델링을 기반으로 미리 구획된 분야별로 카테고리를 구축한다.
먼저, 온톨로지(Ontology)란 사람들이 세상에 대하여 보고 듣고 느끼고 생각하는 것에 대하여 서로 간의 토론을 통하여 합의를 이룬 바를 개념적이고 컴퓨터에서 다룰 수 있는 형태로 표현한 모델로서 개념의 타입이나 사용상의 제약조건들을 명시적으로 정의한 기술이다.
이러한 온톨로지(Ontology)는 일단 합의된 지식을 나타내므로 어느 개인에게 국한되는 것이 아니라 그룹 구성원이 모두 동의하는 개념이다. 그리고 프로그램이 이해할 수 있어야 하므로 여러 가지 정형화가 존재한다. 이는 전산학과정보과학에서, 특정한 영역을 표현하는 데이터 모델로서 특정한 영역(domain)에 속하는 개념과 개념 사이의 관계를 기술하는 정형 어휘의 집합으로 정의된다.
도 2는 본 발명에 따른 온톨로지를 기반으로 한 분야별로 구축한 카테고리의 실시 예를 나타낸 도면이다.
도시된 바와 같이, 섹션모듈(10)은 분야별로 카테고리를 구축한다. 분야별로 구축된 카테고리의 실시예로 최상위에 가장 포괄적인 의미를 가지는 용어인 인터넷이 있으며, 인터넷의 하위 용어인 모바일 인터넷, 광인터넷, 무선 인터넷, 차세대웹으로 좀 더 구체적 용어로 구성되어 있다. 또한, 모바일 인터넷의 하위 용어인 모바일웹, 무선 응용 통신유약, 휴대 인터넷으로 모바일 인터넷의 하위 계념이 구성되어 있다.
전문가 데이터베이스부(20)는 1) 상기 전문가의 정보를 저장하는 전문가 정보 저장소와 2) 상기 전문가가 보유한 전문콘텐츠들을 저장하기 위한 전문콘텐츠 저장소와 3) 상기 전문콘텐츠로부터 문서자동분류기를 통해 상기 전문콘텐츠의 특징을 추출한 전문콘텐츠 특징벡터를 저장하는 특징벡터 저장소를 포함한다.
분류기(30)는 전문가 데이터베이스부(20)에 저장된 전문콘텐츠 각각의 텍스트를 기반으로 키워드(keyword)를 추출하여 추출된 키워드(keyword)를 바탕으로 전문가 데이터베이스(20)에 저장되어 있는 전문콘텐츠를 분석하여 상기 카테고리에 대응하도록 분류하며, 상기 분류된 전문콘텐츠에 대응하는 전문가를 온톨로지(Ontology) 기반의 분야별로 구성된 각 카테고리에 할당한다. 추천모듈(40)은 수요자가 기 보유하고 있는 특정 분야의 수요콘텐츠 각각의 텍스트를 기반으로 키워드(keyword)를 추출하며, 전문콘텐츠 각각의 텍스트를 기반으로 키워드(keyword)를 추출한다. 이로부터 수요콘텐츠로부터 추출된 키워드(keyword)와 전문콘텐츠로부터 추출된 키워드(keyword)를 비교하여 유사도를 산출한다. 이를 통해 상기 전문콘텐츠 중 높은 유사도를 갖는 전문가를 추천한다. 또한, 특징벡터 저장소에 저장되어 있는 전문콘텐츠 특징벡터와 문서자동분류기를 통해 상기 수요자가 기 보유하고 있는 특정 분야의 수요콘텐츠 각각의 텍스트로부터 수요콘텐츠의 특징을 추출한 수요콘텐츠 특징벡터를 비교하여 유사도의 추론이 가능하다. 이에 유사도가 높은 전문콘텐츠를 저장하고 있는 전문가를 유사도 순으로 추천한다.
수요자 데이터베이스부(50)는 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 저장한다. 이를 통해 분석모듈(60)은 상기 수요자 데이터베이스부(50)에 저장된 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 토대로 수요자들의 수요콘텐츠 추출이 가능하다. 또한, 추천모듈(40)은 수요콘텐츠가 동일한 수요자간에 그룹을 형성하며, 상기 수요콘텐츠에 속하는 카테고리를 인식하여, 상기 수요콘텐츠에 속하는 카테고리에 지정된 전문가 중 적어도 한명의 전문가를 상기 그룹에 속한 수요자에게 추천한다.
광고모듈(70)은 수요자들의 수요콘텐츠와 관련된 영역에 대한 콘텐츠의 광고 정보를 제공한다. 광고모듈(70)은 연관어 A, 연관어 B, 연관어 C 로 구성된 관심 영역에 대한 영역에 대한 연관 컨텍스트를 통해 연관어 A, 연관어 B, 연관어 C 와 관련된 지식 및 혼합된 지식을 수요자에게 제공된다. 또한, 수요자들의 관심 콘텐츠에 대한 타겟 광고로써, 수요자에게 더욱 유익한 정보를 제공한다.
한편, 전문가는 시스템의 회원가입 및 온라인상에 공개된 데이터를 분석하여 전문가를 검색 및 모집하는 전문가 모집기모듈을 통해 추가된다. 전문가 모집기모듈은 온상인상의 소셜 온톨로지에 존재하는 각 개념을 전문가 모집기모듈를 통해 검색하고 검색한 전문가들에게 초대 메일을 전송하여, 초대에 응한 전문가들을 시스템에 등록한다. 이렇게 등록된 전문가들을 통해서, 분류별 소셜 큐레이션이 이루어진다.
디스플레이 모듈(80)은 전문가 데이터베이스부에 저장된 전문콘텐츠 중 상기 추천된 전문가의 전문콘텐츠 목록을 디스플레이한다.
본 발명에서 제시되는 분류별 전문가 큐레이션 추천 시스템은 도 3에서 도시된 바와 같이, 분야별로 전문가 및 수요자가 배치 되어있으며, 분야별 수요자 및 전문가 배치는 최상위 계념인 A(100)와 A(100)의 하위 계념인 A1(111)과 A2(112)로 구성되어 있다. A1(111)은 하위 계념인 A1A(121), A1B(122)를 구성하며 또한 A2(112)는 하위 계념인 A2A(123), A2B(124)를 구성한다. 도 3에서 나타내는 실시 예에 따라 A1A(121)는 가(231), 나(232), 다(233), 라(234)로 구성된 A1A 전문가 그룹(230)을 형성하며, 갑(131), 을(132), 병(133), 정(134)으로 구성된 A1A수요자 그룹(130)을 형성한다.
먼저, A1A 수요자 그룹(130)에 속해있는 갑(131)은 A1A 전문가 그룹(230)에 속해 있는 나(232)로부터 큐레이션 된 A1A(121)에 관한 전문콘텐츠를 참조한다. 이에 본 발명은 갑(131)이 참조한 나(232)가 할당되어 있는 A1A(121)에 관한 전문가 가(231), 다(233), 라(234)를 갑(131)에게 추가로 추천해준다. 또한, 갑(131)이 할당되어 있는 A1A 수요자 그룹(130)에 속해 있는 을(132), 병(133), 정(134)에게도 마찬가지로 A1A에(121) 관한 전문가 가(231), 나(232), 다(233), 라(234)를 추천한다. 만약, 을(132)이 A1A 전문가 그룹(230)에 속해 있는 전문가 나(232), 다(233)의 전문콘텐츠를 이미 참조하고 있는 상태일 경우, 나(232), 다(233)를 제외한 가(231), 라(234)를 추천한다.
한편, 전문가 데이터저장소에 저장되어 있는 전문콘텐츠를 문서자동분류기에 입력하여 해당 특징벡터를 생성한다. 또한, 생성된 전문콘텐츠 특징벡터는 특징벡터 저장소에 저장된다.
도 4는 수요자 데이터베이스(50)에 저장되어 있는 수요자가 가지고 있는 축척된 수요콘텐츠의 특징벡터와 전문가 데이터베이스(20)에 저장되어 있는 전문가의 전문콘텐츠 특징벡터간의 유사도를 비교하는 실시 예를 나타낸 도면이다. 도시된 바와 같이, 실시 예에 따른 전문가 가(231)는 가-A1A(410), 가-A1AA(420), 가-A3A(430)와 관련된 전문콘텐츠를 큐레이션하였으며, 전문가 나(232)는 나-A1A(510), 나-A2B(520), 나-A2A(530)와 관련된 전문콘텐츠를 큐레이션하였다. 또한, 수요자 갑(131)은 갑-A1A(310), 갑-A2B(320), 갑-A1AB(330)과 관련된 콘텐츠를 본인이 직접 작성된 콘텐츠, 또는 온라인에 공개된 콘텐츠를 통해 수요 콘텐츠를 구성하고 있다.
이에 본 발명은 가(231)로부터 큐레이션된 콘텐츠 가-A1A(410), 가-A1AA(420), 가-A3A(430)의 키워드(keyword)를 통해 특징벡터를 추출하여 가(231)의 전문콘텐츠 특징벡터(300)를 생성한다. 또한, 나(232)로부터 큐레이션된 콘텐츠 나-A1A(510), 나-A2B(520), 나-A2A(530)의 키워드(keyword)를 통해 특징벡터를 추출하여 나(232)의 전문콘텐츠 특징벡터(400)를 생성한다. 마찬가지로 갑(131)이 가지고 있는 축척된 수요콘텐츠 콘텐츠 갑-A1A(310), 갑-A2B(320), 갑-A1AB(330)의 키워드(keyword)를 통해 특징벡터를 추출하여 갑(131)의 수요콘텐츠 특징벡터(300)를 생성한다.
이를 통해, 갑(131)의 수요콘텐츠 특징벡터(300)는 가(231)의 전문콘텐츠 특징벡터(300) 및 나(232)의 전문콘텐츠 특징벡터(400)와 유사도를 비교한다.
도 5는 도4에 따른 특징벡터의 유사도에 따른 추천순위에 대한 실시 예를 나타낸 도면이다. 도시된 바와 같이, 실시 예에 따른 갑(131)의 수요콘텐츠를 추출한 특징벡터를 가(231)로부터 큐레이션된 전문콘텐츠를 추출한 특징벡터간의 유사도를 비교하였을 경우와, 갑(131)의 수요콘텐츠를 추출한 특징벡터를 나(232)로부터 큐레이션된 전문콘텐츠를 추출한 특징벡터간의 유사도를 비교하였을 경우에 대한 유사도의 결과 값을 나타낸다. 확인되는 바와 같이, 가(231)로부터 큐레이션된 전문콘텐츠를 추출한 특징벡터 및 나(232)로부터 큐레이션된 전문콘텐츠를 추축한 특징벡터의 유사도를 각각 비교하였으며 가(231), 나(232) 중 특징벡터간의 유사도가 높은 순으로 추천 순위를 정한다.
도 6은 본 발명에 따른 분야별 전문가 추천 방법에 대해 나타낸 플로워챠트이다.
온톨로지 모델링을 기초로 미리 구획된 분야별로 카테고리를 구축하는 섹션구축단계(S100)와 분야별 전문가가 보유한 전문콘텐츠들을 전문가 데이터베이스부에 저장하는 데이터 저장단계(S200)와 상기 전문가 데이터베이스부(20)에 저장된 전문콘텐츠 각각에서 추출된 텍스트를 이용하여 상기 저장된 전문콘텐츠 각각을 미리 설정된 기준에 따라 상기 카테고리에 대응하도록 분류하며, 상기 전문콘텐츠를 보유하는 각각의 전문가를 상기 카테고리에 할당하는 분류단계(S300)와 수요자가 기 보유한 특정 분야의 수요콘텐츠에서 추출된 텍스트와 상기 전문콘텐츠에서 추출된 텍스트를 비교, 유사도를 산출하여 상기 전문콘텐츠들 중 높은 유사도를 갖는 전문가를 선정하는 전문가 선정단계(S400)와 상기 선정된 전문가가 할당 되어있는 카테고리를 파악하여, 상기 선정된 전문가가 할 되어있는 카테고리에 속해 있는 다른 전문가들을 파악하는 전문가 인식단계(S500)와 상기 선정된 전문가가 할당 되어있는 카테고리에 속해 있는 다른 전문가들을 파악하여 상기 수요자에게 추천해주는 제1추천단계(S600)와 상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 토대로 수요자들의 수요콘텐츠를 추출하여 상기 수요콘텐츠가 동일한 수요자간에 그룹을 형성하는 수요자 인식단계(S700)와 상기 전문가 인식단계에서 파악된 적어도 한명의 전문가를 상기 수요자 인식단계에서 파악된 적어도 한명의 수요자에게 추천하는 제2추천단계(S800)로 구성된다.
한편, 전문가 선정단계(S500)에서, 적어도 두개의 서로 다른 분야의 전문가가 선정 되었을 때, 상기 서로 다른 분야를 포괄할 수 있는 카테고리를 선택하는 선택단계(S510)를 더 포함한다. 전문가 선정단계(S500)에서 소셜웹과 모바일웹에 대한 전문가가 인식되었다면 소셜웹과 모바일웹을 동시에 포괄할 수 있는 모바일 SNS 전문가를 선택하여 모바일 SNS에 할당된 전문가를 선택하여 추천하는 것이다. 또한, 추천해주는 전문가들은 특징벡터의 비교를 통해 유사도가 높은 순으로 전문가를 추천하는 것은 당연할 것이다.
도 7은 도 6의 전문가 선정단계(S500)에 따른 선택단계(S510)를 설명하기 위한 실시 예이다. 도시된 바와 같이, 도 3과 동일하게 분야별로 수요자 및 전문가가 배치되어있다. 먼저 A1A수요자 그룹(130)에 속해있는 갑(131)의 수요콘텐츠를 분석하였을 경우, A1A전문가 그룹(230)에 속해있는 가(231)뿐만 아니라 A2B전문가 그룹(240)에 속해 있는 마(241)가 선정되었다.
이에 A1A(121)의 분야가 소셜웹, A2B(124)의 분야가 모바일웹일 경우, 소셜웹과 모바일웹을 동시에 포괄할 수 있는 A3(125), 즉 모바일 SNS을 선택하게 된다. 이를 통해, 본 발명은 A3전문가 그룹(250)에 할당되어 있는 전문가 사(251)를 갑(131)에게 추천한다. 또한, A3전문가 그룹(250)에 할당되어 있는 전문가들을 특징벡터의 유사도 순으로 추천이 가능하다.
도 8은 본 발명에 따른 전문가의 큐레이션된 전문콘텐츠를 보여주는 실시 예이다. 도시된 바와 같이, 전문가로부터 큐레이션된 전문콘텐츠를 살펴볼 수 있다. 이는 시스템에 등록된 전문가가 특정 분야의 콘텐츠를 큐레이션함으로써, 수요자가 추천모듈(40)을 통해 전문가를 추천받았을 때 큐레이션된 콘텐츠를 제공받는 것이 가능하다.
10 : 섹션모듈 20 : 전문가 데이터베이스부
30 : 분류기 40 : 검색 및 추천모듈
50 : 수요자 데이터베이스부 60 : 분석모듈
70 : 광고모듈 80 : 디스플레이모듈

Claims (11)

  1. 온톨로지 모델링을 기초로 미리 구획된 분야별로 카테고리를 구축하는 섹션모듈;
    분야별 전문가가 보유한 전문콘텐츠들을 저장하는 전문가 데이터베이스부;
    상기 전문가 데이터베이스부에 저장된 전문콘텐츠들 각각에서 추출된 텍스트를 이용하여 상기 저장된 전문콘텐츠들 각각을 미리 설정된 기준에 따라 상기 카테고리에 대응하도록 분류하며, 상기 전문콘텐츠를 보유하는 각각의 전문가를 상기 카테고리에 할당하는 분류기;
    상기 전문콘텐츠들로부터 생성된 전문콘텐츠 특징벡터와 문서자동분류기를 통해 수요자가 기 보유한 특정 분야의 수요콘텐츠들의 특징을 추출한 수요콘텐츠 특징벡터를 비교하여 유사도를 추론하며 유사도순으로 전문가를 추천하는 추천모듈; 및
    상기 전문가 데이터베이스부에 저장된 전문콘텐츠들 중 상기 추천된 전문가의 전문콘텐츠 목록을 디스플레이시키는 디스플레이 모듈;를 포함하되,
    상기 분야별 전문가가 보유한 전문콘텐츠들, 각각에서 추출한 상기 전문콘텐츠 특징벡터와 상기 수요자가 보유한 소유콘텐츠들 중 문서자동분류기를 통하여 분류된 상기 수요콘텐츠에서 추출한 상기 수요콘텐츠 특징벡터를 비교하여 유사도를 추론한 후,
    상기 유사도순으로 상기 전문가와 함께 상기 추천된 전문가가 보유한 전문콘텐츠 목록을 디스플레이하는 것을 특징으로 하는 것을 분야별 전문가 큐레이션 추천 시스템.
  2. 제 1항에 있어서, 상기 전문가 데이터베이스는
    상기 전문가의 정보를 저장하는 전문가 정보저장소;
    상기 전문가가 보유한 전문콘텐츠들을 저장하기 위한 전문콘텐츠 저장소; 및
    상기 전문콘텐츠로부터 문서자동분류기를 통해 상기 전문콘텐츠의 특징을 추출한 전문콘텐츠 특징벡터를 저장하는 특징벡터 저장소;
    를 포함하는 것을 특징으로 하는 분야별 전문가 큐레이션 추천 시스템.
  3. 제 1항에 있어서,
    상기 추천모듈은 상기 추천된 전문가가 할당 되어있는 카테고리를 인지하여, 상기 추천된 전문가가 할당된 카테고리에 속해있는 적어도 한명의 전문가를 상기 수요자에게 추천하는 것을 특징으로 하는 분야별 전문가 큐레이션 추천 시스템.
  4. 삭제
  5. 제 1항에 있어서,
    상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 저장하는 수요자 데이터베이스부를 더 포함하는 것을 특징으로 하는 전문가 큐레이션 추천 시스템.
  6. 제 1항에 또는 5항에 있어서,
    상기 수요자 데이터베이스부에 저장된 상기 수요자로부터 작성된 콘텐츠, 상기 추천받은 전문가 정보 및 상기 추천된 전문가의 전문콘텐츠를 토대로 수요자들의 수요콘텐츠를 추출하는 수요자 분석모듈을 포함하는 것을 특징으로 하는 전문가 큐레이션 추천 시스템.
  7. 제 1항에 있어서,
    상기 추천모듈은 상기 수요콘텐츠가 동일한 수요자간에 그룹을 형성하며, 상기 수요콘텐츠가 속하는 카테고리를 인식하여 상기 수요콘텐츠가 속하는 카테고리에 지정된 전문가 중 적어도 한명의 전문가를 상기 그룹에 속한 수요자에게 추천하는 것을 특징으로 하는 분야별 전문가 큐레이션 추천 시스템.
  8. 제 1항에 있어서,
    상기 전문가는 시스템의 회원가입 및 온라인상에 공개된 콘텐츠를 분석하여 전문가를 검색 및 모집하는 전문가 모집기모듈을 통해 추가되는 것을 특징으로 하는 분야별 전문가 큐레이션 추천 시스템.
  9. 삭제
  10. 삭제
  11. 삭제
KR1020120111348A 2012-09-12 2012-10-08 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법 KR101458588B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20120100737 2012-09-12
KR1020120100737 2012-09-12

Publications (2)

Publication Number Publication Date
KR20140035221A KR20140035221A (ko) 2014-03-21
KR101458588B1 true KR101458588B1 (ko) 2014-11-21

Family

ID=50645304

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120111348A KR101458588B1 (ko) 2012-09-12 2012-10-08 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법

Country Status (1)

Country Link
KR (1) KR101458588B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190038207A (ko) 2017-09-29 2019-04-08 주식회사 더케이플랫폼 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법
KR102036507B1 (ko) * 2018-03-07 2019-10-25 경기대학교 산학협력단 에디터 추천 장치 및 방법
KR102299618B1 (ko) * 2019-08-23 2021-09-08 주식회사 컨슈머인텔리전스 리뷰 광고 매칭 장치 및 방법
CN110909236A (zh) * 2019-10-24 2020-03-24 东莞成电智信信息科技有限公司 一种基于大数据的专家推荐方法
KR20190125265A (ko) 2019-10-30 2019-11-06 주식회사 더케이플랫폼 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법
WO2021172617A1 (ko) * 2020-02-26 2021-09-02 구교성 웹상에서 문답을 통한 인공지능 정보 제공시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100816923B1 (ko) * 2006-04-13 2008-03-26 엘지전자 주식회사 문서 분류 시스템 및 그 방법
KR20090000279A (ko) * 2007-02-13 2009-01-07 홍성훈 유무선 네트워크를 통한 지혜 획득 및 제공 방법과 그시스템
KR20090080857A (ko) * 2008-01-22 2009-07-27 에스케이텔레콤 주식회사 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버
KR20090105692A (ko) * 2008-04-03 2009-10-07 주식회사 인텔렉추얼애드 전문가 추천 검색결과 제작 방법 및 이를 위한 기록매체

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100816923B1 (ko) * 2006-04-13 2008-03-26 엘지전자 주식회사 문서 분류 시스템 및 그 방법
KR20090000279A (ko) * 2007-02-13 2009-01-07 홍성훈 유무선 네트워크를 통한 지혜 획득 및 제공 방법과 그시스템
KR20090080857A (ko) * 2008-01-22 2009-07-27 에스케이텔레콤 주식회사 소셜 네트워크 기반의 콘텐츠 추천 시스템과 방법 및콘텐츠 제공서버
KR20090105692A (ko) * 2008-04-03 2009-10-07 주식회사 인텔렉추얼애드 전문가 추천 검색결과 제작 방법 및 이를 위한 기록매체

Also Published As

Publication number Publication date
KR20140035221A (ko) 2014-03-21

Similar Documents

Publication Publication Date Title
Volchek et al. Forecasting tourist arrivals at attractions: Search engine empowered methodologies
KR101458588B1 (ko) 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법
US20100250526A1 (en) Search System that Uses Semantic Constructs Defined by Your Social Network
US20110119148A1 (en) Server apparatus, information processing apparatus, and information processing method
CN107220365A (zh) 基于协同过滤与关联规则并行处理的精准推荐系统及方法
Selke et al. Pushing the boundaries of crowd-enabled databases with query-driven schema expansion
Díez et al. Towards explainable personalized recommendations by learning from users’ photos
Coelho et al. A personalized travel recommendation system using social media analysis
Garanayak et al. Recommender system using item based collaborative filtering (CF) and K-means
CN108241619A (zh) 一种基于用户多兴趣的推荐方法
Park et al. An opinion-driven decision-support framework for benchmarking hotel service
CN109597899A (zh) 媒体个性化推荐系统的优化方法
Hernando et al. Hierarchical graph maps for visualization of collaborative recommender systems
EP2849095A1 (en) Information processing device, information processing method, and program
Rohani et al. An enhanced content-based recommender system for academic social networks
Ashraf et al. Personalized news recommendation based on multi-agent framework using social media preferences
US9020863B2 (en) Information processing device, information processing method, and program
Alrawhani et al. Real estate recommender system using case-based reasoning approach
Gigimol et al. A survey on different types of recommendation systems
CN110795640B (zh) 一种弥补群组成员差异的自适应组推荐方法
Wu et al. Tourism and Hospitality Forecasting With Big Data: A Systematic Review of the Literature
Lee et al. Personalized TV contents recommender system using collaborative context tagging-based user’s preference prediction technique
Attarde et al. Survey on recommendation system using data mining and clustering techniques
Bhagat et al. Predicting user preference for movies using movie lens dataset
CN117390289B (zh) 基于用户画像的房屋建造方案推荐方法、装置、设备

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
FPAY Annual fee payment

Payment date: 20171017

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20191030

Year of fee payment: 6