KR101500500B1 - 사용자 선호 콘텐츠 추천 시스템 및 방법 - Google Patents
사용자 선호 콘텐츠 추천 시스템 및 방법 Download PDFInfo
- Publication number
- KR101500500B1 KR101500500B1 KR1020100115787A KR20100115787A KR101500500B1 KR 101500500 B1 KR101500500 B1 KR 101500500B1 KR 1020100115787 A KR1020100115787 A KR 1020100115787A KR 20100115787 A KR20100115787 A KR 20100115787A KR 101500500 B1 KR101500500 B1 KR 101500500B1
- Authority
- KR
- South Korea
- Prior art keywords
- content recommendation
- log information
- content
- viewing log
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 230000002452 interceptive effect Effects 0.000 claims abstract 3
- 238000012360 testing method Methods 0.000 claims description 58
- 238000011056 performance test Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000005236 sound signal Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- 238000012097 association analysis method Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101150012579 ADSL gene Proteins 0.000 description 1
- 102100020775 Adenylosuccinate lyase Human genes 0.000 description 1
- 108700040193 Adenylosuccinate lyases Proteins 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1415—Saving, restoring, recovering or retrying at system level
- G06F11/1435—Saving, restoring, recovering or retrying at system level using file system or storage system metadata
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/16—Analogue secrecy systems; Analogue subscription systems
- H04N7/173—Analogue secrecy systems; Analogue subscription systems with two-way working, e.g. subscriber sending a programme selection signal
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
사용자 선호 콘텐츠 추천 시스템 및 방법이 제공된다. 양방향 방송 서비스에서 사용자에게 선호 콘텐츠를 추천하는 콘텐츠 추천 시스템은, 콘텐츠 추천에 기초가 되는 데이터를 이용하여 복수의 콘텐츠 추천 모델을 생성하는 콘텐츠 추천 모델 생성부, 복수의 종류의 테스트용 시청 로그 정보를 이용하여, 상기 생성된 복수의 콘텐츠 추천 모델의 콘텐츠 추천 성능을 평가하는 추천 모델 성능 평가부, 및 상기 평가된 추천 성능에 기초하여 상기 생성된 추천 모델 중 하나를 선택하고, 상기 선택된 추천 모델에 기초하여 생성된 콘텐츠 추천 목록을 사용자 단말기에게 제공하는 콘텐츠 추천부를 포함한다.
Description
본 발명은 사용자 선호 콘텐츠 추천 시스템 및 방법에 관한 것으로서, 보다 상세하게는, 복수의 콘텐츠 추천 모델의 성능을 다양한 종류의 테스트용 시청 로그를 이용하여 평가하고 이에 기초하여 사용자에게 선호 콘텐츠를 추천하는 사용자 선호 콘텐츠 추천 시스템 및 방법에 관한 것이다.
비디오 코딩 기술 및 인터넷과 데이터 통신의 급격한 발전은 고화질의 멀티미디어 동영상을 IP(Internet Protocol)기반 네트워크를 통해 실시간으로 방송할 수 있는 수준에 이르렀다. 인터넷의 폭넓은 확산과 양방향 통신에 대한 요구, 고화질 영상에 대한 요구 및 방송과 통신의 융합 등의 시대적 요구들이 발생하고 관련 기술들이 성숙한 수준에 이르면서 IPTV가 탄생하게 되었다. IPTV에서는 IP 네트워크를 통해 고화질의 멀티미디어 동영상을 실시간으로 시청할 수 있으며, 기존의 방송과 다르게 IP 네트워크를 이용하기 때문에 양방향 통신이 가능하다. 따라서 IPTV 사용자는 방송사에서 시간에 따라 편성해서 방송하는 동영상을 단순히 시청하는 것이 아니라, 자신이 원하는 동영상을, 원하는 시간에 선택해서 시청할 수 있다.
하지만, IPTV에는 선택 가능한 콘텐츠의 종류가 너무 많기 때문에, 많은 사용자들이 수많은 콘텐츠 중에서 원하는 콘텐츠를 선택하는 것이 어려운 문제가 있었다. 또한, 이를 해결하기 위하여 종래에는 VOD가 속한 카테고리를 대분류, 중분류, 소분류 등으로 만들어서 단계적으로 찾아가는 방법, VOD의 제목이나 출연 배우, 제작자 등을 직접 입력해서 검색하는 방법, 신작이나 특정 테마로 몇몇 VOD를 묶어서 사용자에게 알기 쉽게 제공하는 방법 등이 활용되었으나, 사용자가 선호하는 추천 콘텐츠의 목록을 제공하지 못하는 문제가 있었다.
또한, 사용자의 시청 이력 등을 기반으로 사용자의 시청 성향을 분석하여 사용자가 가장 선호할 만한 콘텐츠를 사용자에게 추천해 주는 기술이 등장하였으나, 이러한 기술에 의할 경우에도, 다양한 추천 항목에 대하여 다각적으로 추천 성능을 검증하여 사용자가 선호하는 콘텐츠를 정확하게 예측하기 힘든 문제가 있었다.
한편, 선행 기술로서, 한국 특허공개번호 제 10-2009-0046353호에는 “개인 맞춤형 다중 추천 학습 방법”라는 명칭의 발명이 개시되어 있는 바, 개인 맞춤형 다중 추천 방법 학습을 이용하여 추천 성능을 향상시키기 위한 방법으로서, 유사 사용자의 군집 선호도를 이용한 추천 방법과 사용자 개인의 이력정보와 디지털 컨텐츠의 속성 정보를 활용한 내용 기반 추천 방법을 학습 기간과 사용자별로 동시에 적용한 후 추천 정확도가 높은 방법을 적용하는 방법에 관한 기술에 관한 것이다.
하지만, 상술한 선행 기술은 복수의 추천 기준에 대한 추천 성능을 복수 종류의 테스트용 시청 로그 정보를 이용하여 평가하지 못하기 때문에, 사용자에게 정확한 추천을 제공하기에 한계가 있는 문제가 있었다.
따라서, 다양한 추천 기준에 기초하여 다각적으로 추천 성능을 검증하고 사용자에게 정확한 선호 콘텐츠를 제공할 수 있는 콘텐츠 추천 기술이 강력히 요구되고 있다.
본 발명의 일부 실시예는 복수의 콘텐츠 추천 모델을 이용하여 사용자에게 추천 콘텐츠를 제공할 수 있는, 사용자 선호 콘텐츠 추천 시스템 및 방법을 제공한다.
또한, 본 발명의 일 실시예는 복수의 테스트용 시청 로그 정보를 이용하여 각각의 콘텐츠 추천 모델의 성능을 다각적으로 평가할 수 있는 사용자 선호 콘텐츠 추천 시스템 및 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예는 특정 사용자의 시청 로그에 기초하여 특정 사용자에게 최적화된 콘텐츠 추천 모델을 선택하여 콘텐츠 추천 목록을 생성할 수 있는 사용자 선호 콘텐츠 추천 시스템 및 방법을 제공한다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면은, 콘텐츠 추천에 기초가 되는 데이터를 이용하여 복수의 콘텐츠 추천 모델을 생성하는 콘텐츠 추천 모델 생성부, 복수의 종류의 테스트용 시청 로그를 이용하여, 상기 생성된 복수의 콘텐츠 추천 모델의 추천 성능을 평가하는 추천 모델 성능 평가부, 및 상기 평가된 추천 성능에 기초하여 상기 생성된 추천 모델 중 하나를 선택하고, 상기 선택된 추천 모델에 기초하여 사용자 선호 콘텐츠를 사용자 단말기에게 추천하는 콘텐츠 추천부를 포함하는 양방향 방송 서비스에서 사용자에게 선호 콘텐츠를 추천하는 콘텐츠 추천 시스템을 제공할 수 있다.
또한, 본 발명의 제 2 측면은, 콘텐츠에 관한 메타 데이터 정보, 사용자 프로파일 정보 및 사용자의 시청 로그 정보 중 적어도 하나를 이용하여 복수의 콘텐츠 추천 모델을 생성하는 단계, 상기 시청 로그 정보 중 테스트용 시청 로그를 추출하는 단계, 상기 추출된 테스트용 시청 로그를 이용하여 복수 종류의 테스트용 시청 로그 정보를 생성하는 단계, 및 각각의 상기 복수 종류의 테스트용 시청 로그 정보를 이용하여 상기 복수의 콘텐츠 추천 모델의 추천 성능을 평가하는 단계를 포함하는 양방향 방송 서비스에서 사용자 추천 콘텐츠 목록의 생성에 이용되는 콘텐츠 추천 모델을 생성하는 방법을 제공할 수 있다.
또한, 본 발명의 제 3 측면은, 콘텐츠를 시청하는 사용자의 시청 로그 정보를 수신하는 단계, 상기 사용자의 시청 로그 정보에 기초하여, 사용자 콘텐츠 추천 목록의 생성에 이용되는 복수의 콘텐츠 추천 모델 중 하나를 선택하는 단계, 상기 선택된 콘텐츠 추천 모델에 기초하여 추천 콘텐츠 목록을 생성하는 단계, 및 상기 생성된 추천 콘텐츠 목록을 상기 사용자의 사용자 단말기에게 제공하는 단계를 포함하며, 상기 복수의 콘텐츠 추천 모델은 콘텐츠 추천 서버에서 복수의 테스트용 시청 로그 정보에 의해 추천 성능이 평가되며, 복수의 콘텐츠 추천 모델 중 하나를 선택하는 단계에서는, 상기 평가된 추천 성능에 기초하여 복수의 콘텐츠 추천 모델 중 하나를 선택하는 것인, 양방향 방송 서비스에서 사용자에게 추천 콘텐츠를 제공하는 방법을 제공할 수 있다.
전술한 본 발명의 과제 해결 수단에 의하면, 복수의 콘텐츠 추천 모델을 이용하여 사용자에게 추천 콘텐츠를 효과적으로 제공할 수 있다.
또한, 전술한 본 발명의 과제 해결 수단에 의하면, 복수의 테스트용 시청 로그 정보를 이용하여 각각의 콘텐츠 추천 모델의 성능을 다각적으로 평가할 수 있다.
또한, 본 발명의 다른 과제 해결 수단 중 하나에 의하면, 콘텐츠 추천을 요청한 사용자의 시청 로그에 기초하여 해당 사용자에게 최적화된 콘텐츠 추천 모델을 선택하여 콘텐츠 추천 목록을 생성할 수 있다.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 콘텐츠 추천 시스템이 적용되는 일반적인 IPTV 방송 시스템의 전체 개요도이다.
도 2는 본 발명의 일 실시예에 따른 IPTV 서비스 시스템(2000)에서 사용자에게 선호 콘텐츠를 제공하기 위한 세부 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 IPTV 헤드엔드 서버(2300), 데이터 전처리 서버(2400), 콘텐츠 추천 서버(2500) 및 웹 어플리케이션 제공 서버(2600)를 통하여 사용자 단말기(4000)에게 선호 콘텐츠가 제공되는 과정을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)의 세부 구성도이다.
도 5는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠 추천 모델을 생성하고 평가하는 방법의 세부 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠를 추천하는 방법의 세부 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 IPTV 서비스 시스템(2000)에서 사용자에게 선호 콘텐츠를 제공하기 위한 세부 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 IPTV 헤드엔드 서버(2300), 데이터 전처리 서버(2400), 콘텐츠 추천 서버(2500) 및 웹 어플리케이션 제공 서버(2600)를 통하여 사용자 단말기(4000)에게 선호 콘텐츠가 제공되는 과정을 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)의 세부 구성도이다.
도 5는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠 추천 모델을 생성하고 평가하는 방법의 세부 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠를 추천하는 방법의 세부 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 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.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 본 명세서에서 콘텐츠 추천 모델이란 사용자에게 콘텐츠를 추천하는 방법에 관한 정보를 포함하며 콘텐츠 추천의 기준으로 이용되는 모델을 의미하며, 메타 데이터 기반 콘텐츠 추천 모델, 프로파일 기반 콘텐츠 추천 모델, 및 시청 로그 기반 콘텐츠 추천 모델로 구별되어 생성될 수 있다.
이하, 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 사용자 맞춤형 콘텐츠 추천 시스템이 적용되는 일반적인 IPTV 방송 시스템의 전체 개요도이다.
도 1에 도시된 바와 같이, IPTV 방송 시스템은 방송 사업자(1000), IPTV 서비스 시스템(2000), 네트워크 망(3000) 및 사용자 단말기(4000)를 포함한다.
또한, IPTV 서비스 시스템(2000)은 베이스 밴드 시스템(2010), 압축 다중화 시스템(2020), 수신 제한 시스템(CAS: Conditional Access System)(2030), 백 오피스 시스템(2040), 모니터링 시스템(2050), 미디어 관리 시스템(Media Operation Core: MOC)(2060), 가입자 관리 시스템(2070), 데이터 방송 시스템(2080), EPG(Electronic Program Guide) 시스템(2090) 및 리턴 패스 서버 시스템(2100)을 포함한다.
방송 사업자(1000)는 방송 콘텐츠를 제작, 편집 및 변경하여 IPTV 서비스 시스템(2000)으로 제공하는 역할을 한다. 방송 사업자(1000)는 프로그램 공급자(PP), 지상파 또는 콘텐츠 제공자(CP)를 포함할 수 있다. 또한, 방송 사업자(1000)의 의하여 제공되는 방송 콘텐츠는 기존 방송 콘텐츠와 인터넷 상의 풍부한 콘텐츠를 포함할 수 있다.
IPTV 서비스 시스템(2000)은 방송 사업자(1000)로부터 방송 콘텐츠를 수신하여 관리하며, 사용자 단말기(4000)로 콘텐츠를 분배하여 방송/녹화/재생 서비스를 제공하는 역할을 한다. 상기 수신한 방송 콘텐츠에는 관련 부가 정보 및 이러한 부가 정보에 대한 EPG가 포함되어 있을 수 있다.
IPTV 서비스 시스템(2000)은 멀티캐스트 라우팅 프로토콜을 지원하는 라우터를 경유하여 가입자 집선 장치, 가입자 스위치를 통해 방송 영상 및 음성 신호, 데이터 방송용 데이터 및 프로그램 추천 서비스 메뉴를 포함하는 EPG 정보(PSIP/PSI/SI 정보)를 멀티캐스팅으로 다수의 가입자의 IP 셋탑 박스로 전송할 수 있다.
베이스 밴드 시스템(2010)은 외부 프로그램 공급자(PP)로부터 MPEG2 방송 신호, 또는 지상파로부터 아날로그 방송 신호를 수신하고, 수신한 소스(source) 방송 신호를 SDI(Serial Digital Interface) 신호로 변환하고, 프레임(Frame)을 동기화하며, 루틴 스위처(Routine Switcher)를 통해 여러 방송 채널(예를 들어, 100 채널)의 방송 영상 및 음성 신호들을 분배하며, 자막 생성기(CG) 및 자동 프로그램 제어기(Automatic Program Controller: APC)에 의해 상기 방송 영상 및 음성 신호에 광고, 로고, 또는 자막 중 적어도 어느 하나를 삽입하여(신호 편집 및 가공) 상기 압축 다중화 시스템(2020)으로 전송한다.
압축 다중화 시스템(2020)은 상기 베이스 밴드 시스템(2010)으로부터 수신된 방송 영상 및 음성 신호(Video, Audio)를 방송 채널 별(예를 들어, 100 채널)로 각각 A/V 인코더(A/V Encoder)로 입력하여 SDI(Serial Digital Interface) 영상 신호를 H.264로 압축하고, 음성 신호를 MPEG-2 AAC로 압축하여 MPEG-2 TS(Transport Stream)을 생성하고, 압축된 방송 영상 및 음성인 MPEG-2 TS 신호와 함께 데이터 인코더(data encoder) 및 PSI/SI 발생기(PSI/SI Generator)에 의해 생성된 데이터 방송용 데이터 및 EPG 정보(PSIP/PSI/SI 정보)를 다중화(Multiplexing)한 후, 다중화된 MPEG-2 TS 신호를 수신 제한 기술을 사용하는 경우 스크램블러(Scrambler)에 입력하여 암호화하고 최종적으로 IP 패킷화하여 IP 패킷화한 TS(Transport Stream) 방송 신호를 송출할 수 있다.
또한, 선택적으로, 프로그램 추천 콘텐츠에 대한 불법 시청과 불법 복제를 방지하기 위해 수신 제한 시스템(2030)을 사용할 수 있다.
수신 제한 시스템(2030)은 실시간 채널에 대한 암호화 및 VOD 콘텐츠의 사전 암호화를 수행하며 시청 권한을 제어함으로써 인증된 사용자에 한해 채널 및 콘텐츠를 이용할 수 있도록 하는 역할을 한다. IPTV 콘텐츠의 불법 복제를 방지하기 위해 수신 제한 시스템(2030) 대신에 디지털 저작권 관리(DRM: Digital Rights Management) 방식을 사용할 수도 있다.
백 오피스 시스템(2040)은 프로비저닝(Provisioning) 시스템으로서 가입자 별로 IPTV 프로그램 서비스 사용에 대한 과금 처리 기능을 제공한다.
모니터링 시스템(2050)은 관제 시스템으로, IPTV 방송을 위한 A/V 방송 신호의 송출 장애, IPTV 헤드엔드 시스템의 다운 링크를 모니터링하여 수신 장애, 및 자막 확인 등을 모니터링할 수 있다.
미디어 관리 시스템(2060)은 방송 업무를 운영하기 위한 각종 비즈니스 프로세스 정보(프로그램 편성 정보, 소재 정보, 계약 정보, 상품 정보 등)를 관리하는 시스템이다. 미디어 관리 시스템(2060)은 방송 센터의 중앙에서 각 시스템들과 유기적인 결합을 통해 정보 흐름을 통합 관리한다. 상기 미디어 관리 시스템(2060)은 방송 프로그램 편성 정보, 콘텐츠 및 미디어 관리 정보, 프로그램 제공자(PP)와 콘텐츠 제공자(CP)의 계약 정보, 상품 정보를 관리하고, 방송 센터의 중앙에서 각 시스템들과의 유기적인 결합을 통해 정보 흐름을 통합 관리하는 중재자(Coordinator) 역할을 수행할 수 있다.
가입자 관리 시스템(2070)은 IPTV 서비스를 위한 회원 가입 및 해지, 회원 정보 관리 기능을 제공한다.
데이터 방송 시스템(2080)은 상기 데이터 방송용 데이터의 저작 및 검증, 편성 및 송출한다. 상기 데이터 방송 시스템(2080)은 데이터 인코딩을 관리하기 위한 데이터 에이전트 관리자(Data Agent Manager), 프로그램 관련 정보(Program Specific Information)/서비스 정보(SI: Service Information)를 발생하기 위한 PSI/SI 생성기(PSI/SI Generator), 방송 영상 및 음성 신호에 데이터 방송용 데이터를 인코딩하기 위한 데이터 서버/데이터 인코더(Data Server/Data Encoder), 상기 방송 영상 및 음성 신호에 데이터의 멀티플렉싱 기능을 관리하기 위한 멀티플렉서 관리자(Multiplexer Manager), 및 스케줄러 사용자 인터페이스(Scheduler UI)를 포함할 수 있다.
EPG 시스템(2090)은 EPG 서버를 포함하고, 사용자 단말기(4000)로 전자프로그램 가이드(EPG) 서비스를 제공한다.
리턴 패스 서버 시스템(2100)은 데이터 제공자(DP: Data Provider)에 의해 양방향 데이터를 처리하며, 사용자 단말기(4000)로부터 온라인 청구서 전달, 양방향 데이터의 이용 내역/과금 연동 처리를 제공하고, 개인화 인증 처리, 및 프로그램 추천 서비스를 위한 양방향 데이터를 수신하여 이에 대응하는 응답 데이터를 사용자 단말기(4000)로 유니캐스팅으로 전송할 수 있다.
네트워크 망(3000)은 IPTV 서비스 시스템(2000)으로부터 방송 콘텐츠를 수신하여 사용자 단말기(4000)에게 상기 수신한 방송 콘텐츠를 전달하는 역할을 한다. 네트워크 망(3000)은 백본(Backbone)망 및 액서스(Access)망을 포함하며, 상기 액서스망은 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coaxial Ca), FTTC(Fiber To The Curb), FTTH(Fiber To The Home) 구조 중 어느 하나의 토폴로지로 구성될 수 있다.
사용자 단말기(4000)는 인터넷 방송 서비스를 이용하기 위한 장치로서, 일반적으로는 IPTV, 셋탑 박스(STB) 및 리모콘을 포함한다. IPTV는 IPTV 서비스 시스템(2000)으로부터 수신한 방송 콘텐츠를 출력하고, 리모콘을 통하여 입력받은 사용자 응답 신호를 셋탑 박스의 리턴 채널을 통하여 IPTV 서비스 시스템(2000)으로 전달한다. 사용자 단말기는 IP STB가 내장된 TV, 또는 사용자의 TV와 연결된 IP 셋탑 박스(IP STB), 컴퓨터, 노트북, 또는 개인 휴대용 단말기 중 어느 하나의 단말을 사용할 수 있다.
이하, 도 2를 참조하여 본 발명의 일 실시예에 따른 IPTV 서비스 시스템(2000)에서 사용자에게 선호 콘텐츠를 제공하기 위한 세부 구성에 대하여 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 IPTV 서비스 시스템(2000)에서 사용자에게 선호 콘텐츠를 제공하기 위한 세부 구성을 도시한 도면이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 IPTV 서비스 시스템(2000)은 IPTV 헤드엔드 서버(2300), 데이터 전처리 서버(2400), 콘텐츠 추천 서버(2500) 및 웹 어플리케이션 제공 서버(2600)를 포함한다.
IPTV 헤드엔드 서버(2300)는 데이터 전처리 서버(2400)에게 콘텐츠 추천에 기초가 되는 데이터를 제공한다. IPTV 헤드엔드 서버(2300)는 콘텐츠에 관한 메타 데이터 정보, 사용자 프로파일 정보, 및 IPTV 시청자가 어떤 콘텐츠를 시청하였는지에 관한 시청 로그 정보 등을 데이터 전처리 서버(2400)에게 제공할 수 있다.
여기서, 콘텐츠에 관한 메타 데이터 정보는 콘텐츠와 관련된 다양한 세부 정보로서, 예를 들어, 콘텐츠의 제목, 저작권 정보, 사용 언어, 장르, 상세 설명, 출연 배우, 감독, 제작자, 제작 국가, 제작 년도, 시청 등급, 리뷰, 프리뷰, 관련 웹사이트, 관련 키워드, 수상 내역, 평점, 상영 시간, 가격 등에 관한 정보를 포함한다. 또한, 사용자 프로파일 정보는 콘텐츠를 시청하는 시청자의 개인 정보로서, 예를 들어, 사용자의 연령, 성별, 주소, 가족 구성, 서비스 가입 일자 등에 관한 정보를 포함한다. 또한, 시청 로그 정보는 콘텐츠를 시청하는 시청자의 콘텐츠 시청 내역에 관한 정보를 포함한다.
데이터 전처리 서버(2400)는 콘텐츠 추천에 기초가 되는 데이터를 전처리한다. 데이터 전처리 서버(2400)는 IPTV 서비스 시스템(2000)의 여러 세부 시스템에 분산되어 있는 콘텐츠 메타 데이터 정보, 사용자 프로파일 정보, 시청 로그 정보를 통합하고, 데이터의 오류/불일치를 제거하거나, 누락된 값을 처리할 수 있다.
콘텐츠 메타 데이터 정보, 사용자 프로파일 정보 및 시청 로그 정보는 IPTV 서비스 시스템(2000)에 포함된 여러 세부 시스템에서 분산되어 관리될 수 있으며, 예를 들어 일부 시스템은 현재 사용자가 시청 가능한 콘텐츠의 메타 데이터만을 가지고 있고, 일부 시스템은 과거에 제공되었던 콘텐츠의 메타 데이터를 가지고 있을 수 있다. 이 경우, 데이터 전처리 서버(2400)는 IPTV 서비스 시스템(2000)의 여러 세부 시스템에 분산되어 있는 콘텐츠 메타 데이터 정보, 사용자 프로파일 정보 및 시청 로그 정보를 하나로 통합할 수 있으며, 그 중 필요한 정보를 추출할 수 있다.
콘텐츠 메타 데이터 정보, 사용자 프로파일 정보, 시청 로그 정보는 다양한 형태의 세부 정보를 포함할 수 있으며, 데이터 전처리 서버(2400)는 데이터가 이용되기 전에 일정한 처리 과정을 통하여 데이터의 오류 또는 불일치를 제거하고, 데이터에서 누락된 값을 보완함으로써, 사전 처리된 데이터들이 콘텐츠 추천에 효율적으로 사용될 수 있도록 할 수 있다.
콘텐츠 추천 서버(2500)는 전처리된 데이터에 기초하여 사용자에게 콘텐츠를 추천한다. 콘텐츠 추천 서버(2500)는 데이터 전처리 서버(2400)로부터 콘텐츠 추천에 필요한 전처리된 데이터를 수신하고, 수신된 데이터에 기초하여 콘텐츠 추천 모델을 생성하며, 생성된 콘텐츠 추천 모델에 기초하여 사용자에게 콘텐츠를 추천할 수 있다. 또한, 콘텐츠 추천 서버(2500)는 전처리된 데이터에 기초하여 다양한 종류의 콘텐츠 추천 모델을 생성하고, 다양한 종류의 테스트용 시청 로그 정보를 이용하여 콘텐츠 추천 모델을 평가할 수 있다. 이러한 콘텐츠 추천 서버(2500)의 세부 구성에 대하여는 도 4에서 후술하기로 한다.
웹 어플리케이션 제공 서버(2600)는 사용자 단말기(4000)로부터의 콘텐츠 추천 요청에 대응하여, 콘텐츠 추천 서버(2500)에게 콘텐츠 추천을 요청하며, 콘텐츠 추천 서버(2500)로부터 추천 콘텐츠 정보를 수신하여 사용자 단말기(4000)에게 제공한다.
웹 어플리케이션 제공 서버(2600)는 사용자 단말기(4000)에서 콘텐츠 추천 요청이 있을 경우, 콘텐츠 추천 서버(2500)에게 IPTV 사용자의 ID와 현재 시청중인 콘텐츠의 ID를 제공하고, 콘텐츠 추천 서버(2500)로부터 해당 사용자에게 적합한 추천 콘텐츠 리스트를 받고, 사용자 단말기(4000)에게 추천 콘텐츠 리스트를 사용자 인터페이스를 구성하여 제공할 수 있다.
여기서, 웹 어플리케이션 제공 서버(2600)는 일반적으로 IPTV 상에서 수행되는 어플리케이션을 담고 있는 서버로서 IPTV 상에서 수행되는 다양한 어플리케이션이 수시로 변화하는 것을 즉각적으로 반영하기 위한 브라우저 기반의 사용자 단말기(4000)와 연동될 수 있다.
또한, 웹 어플리케이션 제공 서버(2600)는 콘텐츠 추천 서버(2500)로부터 수신된 추천 콘텐츠 목록 내의 콘텐츠가 현재 사용자 단말기(4000)에서 재생 가능한지를 확인할 수 있으며, 사용자가 이미 시청한 콘텐츠를 추천 콘텐츠 목록에서 삭제하고 나머지 콘텐츠들에 대한 제목, 출연배우, 줄거리, 포스터 등의 메타 데이터 정보를 상기 IPTV 서비스 시스템(2000)으로부터 수신할 수 있다. 또한 수신된 메타 데이터 정보를 유사 HTML 형태로 생성하여 사용자 단말기(4000)에게 제공할 수 있다.
이하, 도 3을 참조하여 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 IPTV 헤드엔드 서버(2300), 데이터 전처리 서버(2400), 콘텐츠 추천 서버(2500) 및 웹 어플리케이션 제공 서버(2600)를 통하여 사용자 단말기(4000)에게 선호 콘텐츠가 제공되는 과정을 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 본 발명의 일 실시예에 따른 IPTV 헤드엔드 서버(2300), 데이터 전처리 서버(2400), 콘텐츠 추천 서버(2500) 및 웹 어플리케이션 제공 서버(2600)를 통하여 사용자 단말기(4000)에게 선호 콘텐츠가 제공되는 과정을 도시한 도면이다.
도 3에 도시된 바와 같이, IPTV 헤드엔드 서버(2300)는 데이터 전처리 서버(2400)에게 콘텐츠 추천에 필요한 각종 정보, 예를 들어, 콘텐츠 메타 데이터, 사용자 프로파일 정보, 시청 로그 정보를 제공할 수 있으며, 데이터 전처리 서버(2400)는 수신된 데이터를 전처리하여 콘텐츠 추천 서버(2500)에게 제공할 수 있다.
또한, 콘텐츠 추천 서버(2500)는 전처리된 데이터를 이용하여 복수의 콘텐츠 추천 모델(메타 데이터 기반 콘텐츠 추천 모델, 프로파일 기반 콘텐츠 추천 모델 및 시청 로그 기반 콘텐츠 추천 모델) 및 복수의 테스트용 시청 로그 정보(일반 성능 테스트용, 메타 데이터 테스트용, 프로파일 테스트용)를 생성하고, 복수의 테스트용 시청 로그 정보를 이용하여 각각의 콘텐츠 추천 모델의 콘텐츠 추천 성능을 평가할 수 있다. 또한, 콘텐츠 추천 서버(2500)는 웹 어플리케이션 제공 서버(2600)로부터의 콘텐츠 추천 요청을 수신하고, 이에 응답하여, 콘텐츠 추천 요청한 사용자에 대하여 최적화된 콘텐츠 추천 모델을 선택하여 사용자에 대한 콘텐츠 추천 목록을 생성한다.
생성된 콘텐츠 추천 목록은 웹 어플리케이션 제공 서버(2600)를 통하여 사용자 단말기(4000)에게 제공되며, 사용자 단말기(4000)는 수신된 콘텐츠 추천 목록에 기초하여 IPTV 헤드엔드 서버(2300)로부터 추천 콘텐츠를 수신하여 재생할 수 있다.
이하, 도 4를 참조하여 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)의 세부 구성에 대하여 설명하기로 한다.
도 4는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)의 세부 구성도이다.
도 4에 도시된 바와 같이, 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)는 메타 데이터 기반 추천 모델 생성부(2510), 프로파일 기반 추천 모델 생성부(2520), 시청 로그 기반 추천 모델 생성부(2530), 추천 모델 성능 평가부(2540) 및 콘텐츠 추천부(2550)를 포함한다. 콘텐츠 추천 서버(2500)는 데이터 전처리 서버(2400)로부터 전처리된 데이터를 받아서 메타 데이터 기반, 프로파일 기반, 시청로그 기반의 사용자 맞춤형 콘텐츠 추천 모델을 생성하고, 콘텐츠 추천 모델을 통합하여 이용함으로써 웹 어플리케이션 제공 서버(2600)로부터의 콘텐츠 추천 요청이 있을 경우 콘텐츠 추천 리스트를 생성하여 전달할 수 있다.
메타 데이터 기반 추천 모델 생성부(2510)는 전처리된 콘텐츠 메타 데이터와 전처리된 시청 로그 정보를 이용해서 메타 데이터 기반 콘텐츠 추천 모델을 생성한다.
메타 데이터 기반 콘텐츠 추천 모델은, 콘텐츠 메타 데이터만을 활용하는 방법과 콘텐츠 메타 데이터와 시청 로그 정보를 활용하는 방법으로 콘텐츠를 추천할 수 있다. 콘텐츠 메타 데이터만을 활용하는 방법은 콘텐츠 메타 데이터 내의 장르, 출연 배우, 감독 등의 정보를 이용해서 그 값이 같은 다른 콘텐츠를 추천하도록 하는 방법이다. 예를 들어, 액션 장르의 VOD를 보고 있는 사용자에게 액션 장르의 다른 VOD를 추천하거나, 브래드피트가 주연한 영화 VOD를 보고 있는 사용자에게 브래드피트가 주연한 다른 영화 VOD를 추천해 주는 방식이다.
또한, 콘텐츠 메타 데이터와 시청 로그 정보를 활용하는 방법은, 콘텐츠 메타 데이터의 장르, 출연 배우, 감독 등을 자질로 삼아 시청 로그의 기계 학습 훈련을 수행하여 콘텐츠를 추천하도록 하는 방법이다. 예를 들어, 액션 장르의 VOD를 보고 있는 특정 사용자에게 액션 장르의 VOD를 많이 시청하는 다른 사람들이 선호하는 VOD를 추천하거나, 브래드피트가 주연한 영화 VOD를 보고 있는 특정 사용자에게 브래드피트가 출연한 영화를 많이 시청한 다른 사람들이 선호하는 VOD를 추천하는 방식이다.
이러한 메타 데이터 기반의 콘텐츠 추천 모델의 장점은 특정 장르의 매니아나, 특정 감독 또는 배우의 열성팬에게 효과적인 추천을 제공할 수 있다는 점이다. 또한 신작 VOD의 경우 아직 그 VOD를 시청한 사람이 아무도 없어서 그 VOD에 관한 시청 이력이 없는 상태에서도 VOD의 메타 데이터 정보에 따라 그 장르나 감독, 배우를 좋아하는 사용자에게 추천해 줄 수 있다는 것은 메타 데이터 기반의 콘텐츠 추천 모델의 특징이다.
프로파일 기반 추천 모델 생성부(2520)는 전처리된 사용자 프로파일과 전처리된 시청 로그 정보를 이용해서 프로파일 기반 추천 모델을 생성한다.
프로파일 기반 추천 모델 생성부(2520)는 사용자 프로파일 정보를 활용해서 사용자의 연령, 성별 등을 자질로 삼아 시청 로그의 기계 학습 훈련을 수행하여 콘텐츠를 추천하도록 콘텐츠 추천 모델을 생성한다. 예를 들어, 20대 남자인 특정 사용자에게 다른 20대 남자들이 많이 시청하는 스포츠 방송 등의 VOD를 추천하거나, 40대 여자인 특정 사용자에게 다른 40대 여자들이 많이 시청하는 드라마 방송 등의 VOD를 추천하도록 콘텐츠 추천 모델을 생성하는 것이다. 프로파일 기반 콘텐츠 추천 모델의 장점은 사용자 개인이 속한 그룹의 일반적인 속성을 따름으로서 사용자가 아무런 콘텐츠를 시청하지 않아서 그 사용자에 관한 콘텐츠 시청 이력이 없거나 성향을 파악하기 부족한 상태에서도 사용자의 프로파일 정보에 따라 사용자가 속한 프로파일 그룹이 선호하는 콘텐츠를 추천해 줄 수 있다는 점이다. 이를 통해 일반적인 콘텐츠 추천 모델들의 단점인 이미 시청한 프로그램과 유사한 프로그램만을 추천해줌으로써 추천의 내용이 과도하게 특수화된다는 단점을 해결할 수 있다.
시청 로그 기반 추천 모델 생성부(2530)는 전처리된 시청 로그 정보를 이용해서 시청 로그 기반의 콘텐츠 추천 모델을 생성한다. 시청 로그 기반 추천 모델 생성부(2530)는, 아이템 연관성 분석 방법과 사용자 군집화 방법에 따른 콘텐츠 추천 모델을 생성할 수 있다.
아이템 연관성 분석 방법은 IPTV 사용자들의 시청 로그를 분석해서 특정 VOD를 시청한 사람이 볼 확률이 높은 VOD를 추천해 주는 방법이다. 예를 들어, 시청 로그 정보에서 A라는 VOD를 시청한 사람의 90%가 B라는 VOD를 봤다면, 현재 A라는 VOD를 시청하고 있는 사람에게 B라는 VOD를 추천해 주는 방식이다.
또한, 사용자 군집화 방법은 IPTV 사용자들의 시청 로그를 자질로 삼아서 사용자들을 군집화 한 뒤, 특정 사용자가 속한 군집의 다른 사용자들이 많이 시청한 VOD들 중에서 특정 사용자가 시청하지 않은 VOD를 추천해 주는 방법이다. 아이템 연관성 분석 방법과 다른 점은 추천 할 때, 사용자가 현재 보고 있는 하나의 VOD만을 고려하는 것이 아니라, 그 사용자가 그동안 봐왔던 VOD 시청 이력을 통해서 그 사용자와 유사한 VOD 시청 성향을 가지고 있는 사람들이 많이 시청한 VOD들을 추천해 준다는 점이다.
또한, 메타 데이터 기반 콘텐츠 추천 모델, 프로파일 기반 콘텐츠 추천 모델 및 시청 로그 기반 콘텐츠 추천 모델은, 다양한 방법 및 알고리즘에 의해 다양한 설정으로 생성될 수 있다.
추천 모델 성능 평가부(2540)는 복수의 테스트용 시청 로그 정보를 이용하여 콘텐츠 추천 모델 생성부(2510, 2520, 2530)에서 생성된 콘텐츠 추천 모델의 콘텐츠 추천 성능을 평가한다.
추천 모델 성능 평가부(2540)는 메타 데이터 기반 콘텐츠 추천 모델, 프로파일 기반 콘텐츠 추천 모델, 시청로그 기반 콘텐츠 추천 모델을 이용해서 테스트용 시청 로그 정보를 테스트 하는 방식으로 콘텐츠 추천 모델을 통합하고 그 성능을 평가할 수 있다. 여기서, 테스트용 시청 로그 정보는 추천 모델 생성부(2510, 2520, 2530)들의 콘텐츠 추천 모델 생성에 사용되지 않은 시청 로그 정보를 의미하며, 콘텐츠 추천 모델 생성에 이용되는 시청 로그 정보와는 별도로 추천 모델 생성부(2510, 2520, 2530)의 최적화를 위해 수시로 교체될 수 있다. 테스트용 시청 로그 정보는 사용자 ID, 콘텐츠 ID, 시청 시간 등을 포함할 수 있다.
추천 모델 성능 평가부(2540)는 3가지 추천 모델을 통합하여 다음과 같이 추천 모델의 콘텐츠 추천 성능을 평가할 수 있다.
추천 모델 성능 평가부(2540)는 테스트용 시청 로그 정보를 여러 가지의 경우로 구분하고, 구분된 테스트용 시청 로그 정보를 이용하여 각각의 경우에 대하여 콘텐츠 추천 모델들의 콘텐츠 추천 성능을 평가할 수 있다. 또한, 추천 모델 성능 평가부(2540)는 테스트용 시청 로그 정보를 일반 성능 테스트용 시청 로그 정보, 메타 데이터 별 성능 테스트용 시청 로그 정보 및 프로파일 별 성능 테스트용 시청 로그 정보로 구분할 수 있다. 일반 성능 테스트용 시청 로그 정보는 테스트용 시청 로그 정보를 그대로 사용하는 것이며, 메타 데이터별 성능 테스트용 시청 로그 정보는 테스트용 시청 로그 정보를 메타 데이터의 값에 따라 나누어 생성되며, 프로파일 별 성능 테스트용 시청 로그 정보는 테스트용 시청 로그 정보를 프로파일의 값에 따라 나누어 생성될 수 있다.
추천 모델 성능 평가부(2540)는 테스트용 시청 로그 정보 전체를 일반 성능 테스트용 시청 로그 정보로 이용하여, 일반 성능 테스트용 시청 로그 정보에 대하여 3가지 추천 모델을 각각 적용하고 각 모델의 일반 성능을 구할 수 있다.
또한, 추천 모델 성능 평가부(2540)는, 테스트용 시청 로그 정보를 메타 데이터의 값에 따라 나누고 메타 데이터별 성능 테스트용 시청 로그 정보를 추출할 수 있으며, 메타 데이터별 성능 테스트용 시청 로그 정보에 3가지 추천 모델을 각각 적용해서 각 모델의 메타 데이터별 추천 성능을 구할 수 있다.
구체적으로 추천 모델 성능 평가부(2540)는 전처리된 콘텐츠 메타 데이터를 이용해서 각 콘텐츠 ID에 대응되는 메타 데이터 정보를 얻을 수 있고, 이를 이용하여 테스트용 시청 로그 정보 중에서 특정 메타 데이터의 값이 임계 비율 이상인 테스트용 시청 로그들을 선택해 메타 데이터 성능 테스트용 시청 로그 정보를 추출해 낼 수 있다. 이 때, 임계 비율은 시스템 운용자가 설정할 수 있다. 또한, M개의 메타 데이터가 있고, 각 메타 데이터가 N개의 값을 가지는 경우에 메타데이터 성능 테스트용 시청 로그 정보는 MxN개의 항목으로 나눠질 수 있다.
예를 들어, 특정 메타 데이터를 “장르”라 하고, “장르” 메타 데이터는 “액션”, “멜로”, “SF" 등 10가지의 값을 가지며, 임계 비율은 ”70%“로 설정되어 있는 경우, 추천 모델 성능 평가부(2540)는 테스트용 시청 로그 정보에서 메타 데이터 정보를 조회해서 ”장르“가 ”액션“인 VOD를 시청한 비율이 ”70%“이상인 사용자들의 시청 로그 정보만을 선택해 ”장르“ 메타 데이터가 ”액션“인 테스트용 시청 로그 정보를 추출해 낼 수 있다. 이런 방식으로 추천 모델 성능 평가부(2540)는 ”액션“, ”멜로“, ”SF" 등과 같이 ”장르“ 메타 데이터와 관련된 10개의 테스트용 시청 로그 정보를 추출할 수 있고, 마찬가지로 ”장르“, ”배우“, ”감독“ 등의 메타 데이터가 M개라면 각각의 메타 데이터에 대해 ”장르“ 메타 데이터와 마찬가지로 N개의 테스트용 시청 로그 정보를 각각 추출할 수 있다. 또한, 추천 모델 성능 평가부(2540)는 이렇게 만들어진 (MxN)개의 메타 데이터별 성능 테스트용 시청 로그 정보에 상기 3가지 추천 모델을 각각 적용해서 각 모델의 메타 데이터별 추천 성능을 구할 수 있다.
또한, 추천 모델 성능 평가부(2540)는 테스트용 시청 로그 정보를 프로파일의 값에 따라 나누고 프로파일 별 성능 테스트용 시청 로그 정보를 추출할 수 있으며, 프로파일 별 성능 테스트용 시청 로그 정보에 3가지 추천 모델을 각각 적용해서 각 모델의 프로파일 별 추천 성능을 구할 수 있다.
구체적으로, 추천 모델 성능 평가부(2540)는 전처리된 사용자 프로파일을 이용해서 각 사용자 ID에 대응되는 프로파일 정보를 얻을 수 있고, 이를 이용하여 테스트용 시청 로그 정보 중에서 특정 프로파일의 값이 임계 비율 이상인 사용자의 시청 로그 정보들을 선택해 프로파일 성능 테스트용 시청 로그 정보를 추출해 낼 수 있다. 이 때, 임계 비율은 시스템 운용자가 설정할 수 있다. 또한, M개의 프로파일이 있고, 각 프로파일이 N개의 값을 가지는 경우에 프로파일 성능 테스트용 시청 로그 정보는 MxN개의 항목으로 나눠질 수 있다.
예를 들어, 특정 프로파일을 “연령”이라 하고, “연령” 프로파일은 “10대”, “20대”, “30대" 등 7가지의 값을 가진다면, 추천 모델 성능 평가부(2540)는 테스트용 시청 로그 정보에서 사용자 ID의 프로파일 정보를 조회해서 ”연령“이 ”10대“인 사용자들만을 선택해 ”연령“ 프로파일이 ”10대“인 테스트용 시청 로그 정보를 추출해 낼 수 있다. 또한, 추천 모델 성능 평가부(2540)는 이런 방식으로 ”10대“, ”20대“, ”30대" 등과 같은 ”연령“ 프로파일과 관련된 7개의 값에 대하여 테스트용 시청 로그 정보를 추출할 수 있고, 마찬가지로 ”연령“, ”성별“, ”가족 구성 정보“ 등의 프로파일이 M개라면 각각의 프로파일에 대해 ”연령“ 프로파일과 마찬가지로 각각 N개의 테스트용 시청 로그 정보를 추출할 수 있다. 추천 모델 성능 평가부(2540)는 이렇게 만들어진 MxN개의 항목에 대한 프로파일 성능 테스트용 시청 로그 정보에 상기 3가지 추천 모델을 각각 적용해서 각 모델의 프로파일별 추천 성능을 구할 수 있다.
콘텐츠 추천부(2550)는 각각의 콘텐츠 추천 모델 별로 평가된 성능에 기초하여 사용자에게 콘텐츠를 추천한다. 콘텐츠 추천부(2550)는 각각의 콘텐츠 추천 모델 별로 평가된 일반 성능, 메타 데이터별 성능 및 프로파일별 성능에 기초하여, 사용자에게 적합한 콘텐츠 추천 모델을 선택하고, 선택된 콘텐츠 추천 모델을 이용하여 사용자에게 콘텐츠를 추천할 수 있다.
콘텐츠 추천부(2550)는, 사용자에 대한 각종 정보(사용자 정보, 사용자의 시청 로그 정보 등) 및 각각의 콘텐츠 추천 모델의 성능에 기초하여 콘텐츠 추천 모델 중 어떤 모델을 사용하는 것이 사용자에게 가장 최적의 추천 성능을 보일 수 있는지를 판단할 수 있다. 또한, 콘텐츠 추천부(2550)는 웹 어플리케이션 제공 서버(2600)로부터 콘텐츠 추천 요청이 들어오면 가장 최적의 성능을 보이는 모델을 이용하여 추천 콘텐츠 리스트를 생성하여 웹 어플리케이션 제공 서버(2600)에게 제공할 수 있다.
예를 들어, 추천 모델 성능 평가부(2540)에서 “연령” 프로파일은 “20대”이고 “성별” 프로파일은 “남자”인 경우에는 상기 3가지 모델을 모두 적용했을 때, 프로파일 기반 추천 모델의 성능이 가장 높다고 평가되었다면, 콘텐츠 추천부(2550)는 “연령”이 “20대”이고 “성별”이 “남자”인 사용자로부터 콘텐츠 추천 요청을 수신한 경우에 프로파일 기반 추천 모델을 이용해서 사용자에게 제공할 콘텐츠 추천 목록을 생성할 수 있다.
또한, 웹 어플리케이션 제공 서버(2600)로부터의 콘텐츠 추천 요청에는, 예를 들어, 사용자 ID, 현재 시청중인 콘텐츠 ID 등이 포함될 수 있으며, 콘텐츠 추천부(2550)는 이 중 사용자 ID를 이용해 해당 사용자의 시청 로그 정보를 가져온 뒤, 테스트용 시청 로그 정보를 나눌 때와 마찬가지 기준으로 시청 로그 정보를 분류하고, 그에 따라 선택된 모델이 여러 개라면 그 모델들 중에서 가장 높은 성능을 가지는 모델을 선택해서, 그 모델을 이용해 콘텐츠 추천 리스트를 생성할 수 있다.
콘텐츠 추천 서버(2500)은 반드시 콘텐츠의 추천에만 사용할 수 있는 것은 아니며, 사용자 맞춤형 IPTV 광고에도 응용될 수 있다. 이 경우, IPTV 사용자의 VOD 시청패턴 등을 분석하여 다른 VOD를 추천하는 것과 마찬가지로, IPTV 사용자의 VOD 시청패턴 등을 분석하여 그에 적합한 광고 영상을 추천할 수 있다.
이하, 도 5를 참조하여 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠 추천 모델을 생성하고 평가하는 방법에 대하여 설명하기로 한다.
도 5는 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠 추천 모델을 생성하고 평가하는 방법의 세부 흐름도이다.
단계 S500은 데이터 전처리 서버(2400)로부터 전처리된 데이터를 수신하는 단계이다. 단계 S500에서 콘텐츠 추천 서버(2500)는 전처리된 콘텐츠 메타 데이터 정보, 전처리된 사용자 프로파일 정보 및 전처리된 시청 로그 정보를 데이터 전처리 서버(2400)로부터 수신할 수 있다.
단계 S502는 다종의 콘텐츠 추천 모델을 생성하는 단계이다. 단계 S502에서 콘텐츠 추천 서버(2500)는 전처리된 콘텐츠 메타 데이터 정보, 전처리된 사용자 프로파일 정보 및 전처리된 시청 로그 정보를 이용하여, 메타 데이터 기반의 콘텐츠 추천 모델, 프로파일 기반의 콘텐츠 추천 모델 및 시청로그 기반의 콘텐츠 추천 모델을 생성할 수 있다.
구체적으로 단계 S502에서 콘텐츠 추천 서버(2500)는 전처리된 콘텐츠 메타 데이터와 전처리된 시청 로그 정보를 이용해서 메타 데이터 기반 추천 모델을 생성할 수 있다. 메타 데이터 기반 콘텐츠 추천 모델은, 콘텐츠 메타 데이터만을 활용하는 방법과 콘텐츠 메타 데이터와 시청 로그 정보를 활용하는 방법으로 구별될 수 있다.
또한, 단계 S502에서 콘텐츠 추천 서버(2500)는 전처리된 사용자 프로파일과 전처리된 시청 로그 정보를 이용해서 프로파일 기반 추천 모델을 생성할 수 있으며, 사용자 프로파일 정보를 활용해서 사용자의 연령, 성별 등을 자질로 삼아 시청 로그의 기계 학습 훈련을 수행하여 콘텐츠를 추천하도록 프로파일 기반의 콘텐츠 추천 모델을 생성할 수 있다.
또한, 단계 S502에서 콘텐츠 추천 서버(2500)는 전처리된 시청 로그 정보를 이용해서 시청 로그 기반의 콘텐츠 추천 모델을 생성할 수 있으며, 아이템 연관성 분석 방법과 사용자 군집화 방법에 따른 시청 로그 기반의 콘텐츠 추천 모델을 생성할 수 있다.
단계 S504는 테스트용 시청 로그를 추출 및 변경하는 단계이다. 단계 S504에서 콘텐츠 추천 서버(2500)는 단계 S502에서의 콘텐츠 추천 모델 생성에 사용되지 않은 시청 로그 정보를 데이터 전처리 서버(2400)로부터 수신된 시청 로그 정보로부터 추출할 수 있으며, 추출된 시청 로그 정보를 테스트용 시청 로그 정보로 활용할 수 있다. 또한, 콘텐츠 추천 서버(2500)는 콘텐츠 추천 모델의 최적화를 위해 테스트용 시청 로그 정보를 수시로 추출하여 변경할 수 있다.
단계 S506은 일반 성능 테스트용 시청 로그를 결정하는 단계이다. 단계 S506에서 콘텐츠 추천 서버(2500)는 추출된 테스트용 시청 로그를 그대로 이용하여 일반 성능 테스트용 시청 로그로 사용되도록 결정할 수 있다.
단계 S508은 메타 데이터 성능 테스트용 시청 로그를 결정하는 단계이다. 단계 S508에서 콘텐츠 추천 서버(2500)는 추출된 테스트용 시청 로그를 시청 로그에 포함된 메타 데이터의 값에 따라 나누고, 나누어진 시청 로그에서 메타 데이터 성능 테스트용 시청 로그를 결정할 수 있다.
콘텐츠 추천 서버(2500)는, 예를 들어, 특정 메타 데이터가 “장르”이며, “장르”에 속한 세부 메타 데이터가 “액션”, “멜로”, “SF" 등 10가지의 값을 가지며 임계 비율이 ”70%“로 설정되어 있다면, 테스트용 시청 로그 정보에서 ”장르“가 ”액션“인 VOD를 시청한 비율이 ”70%“이상인 사용자들만을 선택해 메타 데이터가 ”장르“-”액션“인 테스트용 시청 로그 정보를 추출해 낼 수 있다. 이런 방식으로 추천 모델 성능 평가부(2540)는 ”액션“, ”멜로“, ”SF" 등 ”장르“ 메타 데이터와 관련된 10개의 테스트용 시청 로그 정보를 추출할 수 있다. 또한, 마찬가지로 ”장르“, ”배우“, ”감독“ 등과 같이 메타 데이터가 M개라면 각각의 메타 데이터에 대해 ”장르“ 메타 데이터와 마찬가지로 각각 N개의 세부 값에 대한 테스트용 시청 로그 정보를 추출할 수 있다.
단계 S510은 프로파일 성능 테스트용 시청 로그를 결정하는 단계이다. 단계 S508에서 콘텐츠 추천 서버(2500)는 추출된 테스트용 시청 로그를 시청 로그에 포함된 프로파일의 값에 따라 나누고, 나누어진 시청 로그에서 메타 데이터 성능 테스트용 시청 로그를 결정할 수 있다.
또한, 콘텐츠 추천 서버(2500)는, 예를 들어, 특정 프로파일을 “연령”이라 하고, “연령” 프로파일은 “10대”, “20대”, “30대" 등 7가지의 값을 가질 수 있다면, 추천 모델 성능 평가부(2540)는 테스트용 시청 로그 정보에서 사용자 ID의 프로파일 정보를 조회해서 ”연령“이 ”10대“인 사용자들만을 선택해 ”연령“ 프로파일이 ”10대“인 테스트용 시청 로그 정보를 추출해 낼 수 있다. 또한, 콘텐츠 추천 서버(2500)는 이런 방식으로 ”10대“, ”20대“, ”30대" 등 ”연령“ 프로파일과 관련된 7개의 테스트용 시청 로그 정보를 추출할 수 있고, 마찬가지로 ”연령“, ”성별“, ”가족 구성 정보“ 등의 프로파일이 M개라면 각각의 프로파일에 대해 ”연령“ 프로파일과 마찬가지로 각각 N개의 테스트용 시청 로그 정보를 추출할 수 있다.
단계 S512는 각각의 테스트용 시청 로그를 이용하여 각각의 추천 모델의 성능을 평가하는 단계이다. 단계 S512에서 콘텐츠 추천 서버(2500)는 일반 성능 테스트용 시청 로그 정보, 메타 데이터 성능 테스트용 시청 로그 정보 및 프로파일 성능 테스트용 시청 로그 정보 각각을 메타 데이터 기반 콘텐츠 추천 모델, 프로파일 기반 콘텐츠 추천 모델, 시청 로그 기반 콘텐츠 추천 모델에 각각 적용하여, 각각의 콘텐츠 추천 모델의 성능을 평가할 수 있다.
이하, 도 6을 참조하여 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠를 추천하는 방법에 대하여 설명하기로 한다.
도 6은 본 발명의 일 실시예에 따른 콘텐츠 추천 서버(2500)가 콘텐츠를 추천하는 방법의 세부 흐름도이다.
단계 S600은 콘텐츠를 시청하는 사용자에 관한 정보를 수신하는 단계이다. 단계 S600에서는 웹 어플리케이션 제공 서버(2600)로부터 사용자 단말기(4000)의 콘텐츠 추천 요청을 수신하며, 수신된 콘텐츠 추천 요청에는 사용자 단말기(4000)의 사용자에 대한 각종 정보가 포함될 수 있다. 사용자 정보는, 예를 들어, 사용자 ID, 현재 시청중인 콘텐츠 ID 등을 포함할 수 있다.
단계 S602는 수신된 사용자 정보를 이용하여 사용자의 시청 로그 정보를 구분하는 단계이다. 단계 S602에서는 수신된 사용자 ID를 이용해 해당 사용자의 시청 로그 정보를 가져온 뒤, 테스트용 시청 로그 정보를 구분하는 것과 마찬가지의 기준으로 사용자의 시청 로그 정보를 구분할 수 있다. 즉, 단계 S602에서는 사용자의 시청 로그 정보를, 예를 들어, 일반용, 메타 데이터용 및 프로파일용 중 적어도 하나로 구분할 수 있다.
단계 S604는 사용자 콘텐츠 추천 목록의 생성에 이용할 콘텐츠 추천 모델을 결정하는 단계이다. 단계 S604에서는 단계 S602에서 구분된 사용자의 시청 로그 정보에 기초하여 콘텐츠 추천 모델을 선택할 수 있다. 예를 들어, 추천 모델 성능 평가부(2540)에서 “연령” 프로파일은 “20대”이고 “성별” 프로파일은 “남자”인 경우에는 상기 3가지 모델을 모두 적용했을 때, 프로파일 기반 추천 모델의 성능이 가장 높다고 평가되었다면, 콘텐츠 추천부(2550)는 사용자로부터 콘텐츠 추천 요청을 수신한 경우에 구분된 사용자 시청 로그 정보로부터 사용자가 “연령”이 “20대”이고 “성별”이 “남자”인 것을 확인하고, 프로파일 기반 추천 모델 선택할 수 있다.
또한, 단계 S604에서는 사용자의 시청 로그 정보에서 구분된 시청 로그 정보의 종류가 여러 개인 경우에, 각각의 시청 로그 정보에 대응되는 테스트용 시청 로그 정보에 대하여 가장 높은 성능을 가지는 콘텐츠 추천 모델을 선택할 수 있다.
단계 S606은 추천 콘텐츠 목록을 생성하는 단계이다. 단계 S606에서는, 선택된 콘텐츠 추천 모델을 이용하여 해당 사용자에 대한 추천 콘텐츠 목록을 생성할 수 있다.
단계 S608은 생성된 콘텐츠 추천 목록의 일부를 삭제하는 단계이다. 단계 S608에서 콘텐츠 추천 서버(2500)는 생성된 콘텐츠 추천 목록 중에서 사용자가 이미 시청한 콘텐츠를 삭제할 수 있다.
단계 S610은 콘텐츠 추천 목록을 사용자 단말기(4000)에게 제공하는 단계이다. 단계 S610에서 콘텐츠 추천 서버(2500)는 웹 어플리케이션 제공 서버(2600)를 통하여 생성된 콘텐츠 추천 목록을 사용자 단말기(4000)에게 제공할 수 있다.
따라서, 콘텐츠 추천 서버(2500)는 콘텐츠 추천 요청에 응답하여 가장 최적의 성능을 보이는 콘텐츠 추천 모델을 이용하여 추천 콘텐츠 리스트를 생성하고 제공할 수 있게 된다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
1000: 방송 사업자 2000: IPTV 서비스 시스템
2300: IPTV 헤드엔드 서버 2400: 데이터 전처리 서버
2500: 콘텐츠 추천 서버
2510: 메타 데이터 기반 추천 모델 생성부
2520: 프로파일 기반 추천 모델 생성부
2530: 시청 로그 기반 추천 모델 생성부
2540: 추천 모델 성능 평가부 2550: 콘텐츠 추천부
2600: 웹 어플리케이션 제공 서버 3000: 네트워크 망
4000: 사용자 단말기
2300: IPTV 헤드엔드 서버 2400: 데이터 전처리 서버
2500: 콘텐츠 추천 서버
2510: 메타 데이터 기반 추천 모델 생성부
2520: 프로파일 기반 추천 모델 생성부
2530: 시청 로그 기반 추천 모델 생성부
2540: 추천 모델 성능 평가부 2550: 콘텐츠 추천부
2600: 웹 어플리케이션 제공 서버 3000: 네트워크 망
4000: 사용자 단말기
Claims (17)
- 양방향 방송 서비스에서 사용자에게 선호 콘텐츠를 추천하는 콘텐츠 추천 시스템에 있어서,
콘텐츠 추천에 기초가 되는 데이터를 이용하여 복수의 콘텐츠 추천 모델을 생성하는 콘텐츠 추천 모델 생성부,
복수의 종류의 테스트용 시청 로그 정보를 이용하여, 상기 생성된 복수의 콘텐츠 추천 모델의 콘텐츠 추천 성능을 평가하는 추천 모델 성능 평가부, 및
상기 평가된 추천 성능에 기초하여 상기 생성된 추천 모델 중 하나를 선택하고, 상기 선택된 추천 모델에 기초하여 생성된 콘텐츠 추천 목록을 사용자 단말기에게 제공하는 콘텐츠 추천부
를 포함하고,
상기 테스트용 시청 로그 정보는 상기 콘텐츠 추천 모델의 생성에 사용되지 않은 시청 로그 정보인 것인, 콘텐츠 추천 시스템.
- 제 1 항에 있어서,
상기 추천 모델 성능 평가부는, 상기 복수의 종류의 테스트용 시청 로그 각각을 상기 생성된 복수의 콘텐츠 추천 모델 각각에 적용하여 콘텐츠 추천 성능을 평가하는 것인, 콘텐츠 추천 시스템.
- 제 2 항에 있어서,
콘텐츠 추천 모델 생성부는, 메타 데이터 기반 콘텐츠 추천 모델, 프로파일 기반 콘텐츠 추천 모델 및 시청 로그 기반 콘텐츠 추천 모델을 생성하는 것인, 콘텐츠 추천 시스템.
- 제 2 항에 있어서,
추천 모델 성능 평가부는, 일반 성능 테스트용 시청 로그 정보, 메타 데이터 테스트용 시청 로그 정보 및 프로파일 테스트용 시청 로그 정보 중 적어도 하나에 기초하여, 상기 복수의 콘텐츠 추천 모델의 콘텐츠 추천 성능을 평가하는 것인, 콘텐츠 추천 시스템.
- 제 1 항에 있어서,
추천 모델 성능 평가부는, 콘텐츠 추천에 기초가 되는 데이터에 포함된 시청 로그 정보 중에서 상기 콘텐츠 추천 모델의 생성에 이용되지 않은 시청 로그 정보를 선택하여 상기 테스트용 시청 로그 정보로 이용하는 것인, 콘텐츠 추천 시스템.
- 제 5 항에 있어서,
상기 콘텐츠 추천부는, 콘텐츠 추천 요청을 한 사용자의 시청 로그 정보에 기초하여, 상기 사용자의 시청 로그 정보에 대응되는 가장 높은 추천 성능의 콘텐츠 추천 모델을 선택하고 상기 선택된 콘텐츠 추천 모델을 이용하여 콘텐츠 추천 목록을 생성하는 것인, 콘텐츠 추천 시스템.
- 제 6 항에 있어서,
상기 콘텐츠 추천부는, 상기 생성된 콘텐츠 추천 목록에서 상기 사용자가 시청한 콘텐츠의 목록을 삭제하는 것인, 콘텐츠 추천 시스템.
- 제 1 항에 있어서,
상기 콘텐츠 추천에 기초가 되는 데이터는, 콘텐츠에 관한 메타 데이터 정보, 사용자 프로파일 정보 및 사용자의 시청 로그 정보 중 적어도 하나를 포함하는 것인, 콘텐츠 추천 시스템.
- 제 8 항에 있어서,
상기 콘텐츠 추천에 기초가 되는 데이터는, 데이터 전처리 서버에서 상기 데이터의 오류가 제거되고 누락된 값이 보완된 것인, 콘텐츠 추천 시스템.
- 콘텐츠 추천 서버에 있어서, 양방향 방송 서비스에서 사용자 추천 콘텐츠 목록의 생성에 이용되는 콘텐츠 추천 모델을 생성하는 방법에 있어서,
콘텐츠에 관한 메타 데이터 정보, 사용자 프로파일 정보 및 사용자의 시청 로그 정보 중 적어도 하나를 이용하여 복수의 콘텐츠 추천 모델을 생성하는 단계,
상기 시청 로그 정보 중 테스트용 시청 로그 정보를 추출하는 단계,
상기 추출된 테스트용 시청 로그 정보로부터 복수 종류의 테스트용 시청 로그 정보를 추출하는 단계, 및
상기 복수 종류의 테스트용 시청 로그 정보를 이용하여 상기 복수의 콘텐츠 추천 모델의 추천 성능을 평가하는 단계
를 포함하고,
상기 테스트용 시청 로그 정보는 상기 콘텐츠 추천 모델의 생성에 사용되지 않은 시청 로그 정보인 것인, 콘텐츠 추천 모델 생성 방법.
- 제 10 항에 있어서,
상기 복수의 콘텐츠 추천 모델을 생성하는 단계는, 메타 데이터 기반 콘텐츠 추천 모델, 프로파일 기반 콘텐츠 추천 모델 및 시청 로그 기반 콘텐츠 추천 모델을 생성하는 것인, 콘텐츠 추천 모델 생성 방법.
- 제 11 항에 있어서,
상기 복수의 콘텐츠 추천 모델을 생성하는 단계는, 상기 콘텐츠 메타 데이터 및 상기 시청 로그 정보를 이용해서 상기 메타 데이터 기반 콘텐츠 추천 모델을 생성하는 것인, 콘텐츠 추천 모델 생성 방법.
- 제 11 항에 있어서,
상기 복수의 콘텐츠 추천 모델을 생성하는 단계는, 상기 사용자 프로파일 및 상기 시청 로그 정보를 이용해서 상기 프로파일 기반 추천 모델을 생성하는 것인, 콘텐츠 추천 모델 생성 방법.
- 제 11 항에 있어서,
상기 복수의 콘텐츠 추천 모델을 생성하는 단계는, 상기 시청 로그 정보를 이용해서 상기 시청 로그 기반 콘텐츠 추천 모델을 생성하는 것인, 콘텐츠 추천 모델 생성 방법.
- 제 10 항에 있어서,
상기 복수 종류의 테스트용 시청 로그 정보는, 일반 성능 테스트용 시청 로그 정보, 메타 데이터 테스트용 시청 로그 정보 및 프로파일 테스트용 시청 로그 정보를 포함하며,
상기 콘텐츠 추천 모델의 성능을 평가하는 단계는 상기 일반 성능 테스트용 시청 로그 정보, 상기 메타 데이터 테스트용 시청 로그 정보 및 상기 프로파일 테스트용 시청 로그 정보 중 적어도 하나에 기초하여, 상기 복수의 콘텐츠 추천 모델 각각의 콘텐츠 추천 성능을 평가하는 것인, 콘텐츠 추천 모델 생성 방법.
- 제 10 항에 있어서,
상기 테스트용 시청 로그 정보를 추출하는 단계는, 상기 사용자의 시청 로그 정보 중에서 상기 콘텐츠 추천 모델의 생성에 이용되지 않은 시청 로그 정보를 테스트용 시청 로그 정보로 선택하는 것인, 콘텐츠 추천 모델 생성 방법.
- 양방향 방송 서비스에서 사용자에게 추천 콘텐츠를 제공하는 방법에 있어서,
사용자 단말기로부터 사용자 시청 로그 정보를 수신하는 단계,
상기 사용자 시청 로그 정보에 기초하여, 콘텐츠 추천 목록의 생성에 이용되는 복수의 콘텐츠 추천 모델 중 하나를 선택하는 단계,
상기 선택된 콘텐츠 추천 모델 및 상기 사용자 시청 로그 정보에 기초하여 추천 콘텐츠 목록을 생성하는 단계, 및
상기 생성된 추천 콘텐츠 목록을 상기 사용자 단말기에게 제공하는 단계
를 포함하며,
상기 복수의 콘텐츠 추천 모델은, 콘텐츠 추천 서버에서 복수 종류의 테스트용 시청 로그 정보에 의해 콘텐츠 추천 성능이 평가되며,
상기 복수의 콘텐츠 추천 모델 중 하나를 선택하는 단계는, 상기 평가된 콘텐츠 추천 성능에 기초하여 상기 복수의 콘텐츠 추천 모델 중 하나를 선택하는 것이며,
상기 테스트용 시청 로그 정보는 상기 콘텐츠 추천 모델의 생성에 사용되지 않은 시청 로그 정보인 것인, 추천 콘텐츠 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100115787A KR101500500B1 (ko) | 2010-11-19 | 2010-11-19 | 사용자 선호 콘텐츠 추천 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100115787A KR101500500B1 (ko) | 2010-11-19 | 2010-11-19 | 사용자 선호 콘텐츠 추천 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120075515A KR20120075515A (ko) | 2012-07-09 |
| KR101500500B1 true KR101500500B1 (ko) | 2015-03-11 |
Family
ID=46709380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100115787A KR101500500B1 (ko) | 2010-11-19 | 2010-11-19 | 사용자 선호 콘텐츠 추천 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101500500B1 (ko) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102051416B1 (ko) * | 2013-02-01 | 2019-12-03 | 에스케이플래닛 주식회사 | 광고 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 |
| KR101678659B1 (ko) * | 2013-05-03 | 2016-12-06 | 에스케이플래닛 주식회사 | 추천 아이템 제공 방법, 이를 위한 프로그램을 기록한 기록 매체 및 장치 |
| KR102096923B1 (ko) | 2013-10-11 | 2020-04-03 | 삼성전자주식회사 | 컨텐츠 추천을 위한 컨텐츠 제공 장치, 시스템 및 방법 |
| KR101978301B1 (ko) * | 2016-09-30 | 2019-05-14 | 에스케이플래닛 주식회사 | 추천 아이템 제공을 위한 장치 |
| US11074635B2 (en) | 2018-05-25 | 2021-07-27 | Target Brands, Inc. | Real-time recommendation monitoring dashboard |
| US11132733B2 (en) | 2018-05-25 | 2021-09-28 | Target Brands, Inc. | Personalized recommendations for unidentified users based on web browsing context |
| KR20210015397A (ko) | 2019-08-02 | 2021-02-10 | 챌린고 주식회사 | 소규모 창작 콘텐츠의 통합 제공 방법 |
| KR102433903B1 (ko) * | 2021-07-06 | 2022-08-18 | 주식회사 마스터엠 | 사용자 맞춤형 미디어 콘텐츠 표시 방법 |
| KR102526275B1 (ko) * | 2023-01-16 | 2023-04-28 | 주식회사 에이비파트너스 | 콘텐츠를 필터링하여 제공하는 장치 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090123398A (ko) * | 2008-05-28 | 2009-12-02 | 경희대학교 산학협력단 | 상품 추천 서비스 제공 시스템 및 방법 |
-
2010
- 2010-11-19 KR KR1020100115787A patent/KR101500500B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090123398A (ko) * | 2008-05-28 | 2009-12-02 | 경희대학교 산학협력단 | 상품 추천 서비스 제공 시스템 및 방법 |
Non-Patent Citations (2)
| Title |
|---|
| 2009한국컴퓨터종합학술대회논문집 * |
| 2010한국컴퓨터종합학술대회 논문집 * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20120075515A (ko) | 2012-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101500500B1 (ko) | 사용자 선호 콘텐츠 추천 시스템 및 방법 | |
| KR101111726B1 (ko) | 양방향 광고 정보 파일 저작 서비스 제공방법 및, 양방향 광고 정보 파일 저작 프로그램이 기록된 기록매체 | |
| KR20100069395A (ko) | 얼굴 인식 기술을 이용하여 사용자에 따라 특화된 아이피티브이 콘텐츠를 추천하는 시스템 및 방법 | |
| KR101022285B1 (ko) | 동영상 객체정보 서비스 제공 방법 및 시스템 | |
| KR101002070B1 (ko) | 연관 콘텐츠 수신 장치, 연관 콘텐츠 제공 장치 및 그를 이용한 연관 콘텐츠 전송 시스템 | |
| US11133975B2 (en) | Fragmenting media content | |
| US20080109850A1 (en) | Customized interface based on viewed programming | |
| KR20110014403A (ko) | 동영상 장면 별 키워드 정보 생성 시스템 및 방법 | |
| KR100889987B1 (ko) | 방송 프로그램 추천 시스템 및 방법 | |
| KR100810883B1 (ko) | 인터넷 방송과 연동한 ｉｐｔｖ 의료정보 서비스 시스템 및그 방법 | |
| KR20110032303A (ko) | 군집 예측을 통한 콘텐츠 추천 시스템 및 방법 | |
| US20130179915A1 (en) | Method and system for providing subscription data | |
| US9467242B2 (en) | System and method for producing an electronic program guide for user-created content | |
| KR101168698B1 (ko) | Ｉｐｔｖ의 개인 채널 서비스를 제공하는 방법 및 장치 | |
| KR20090116508A (ko) | 동영상 객체의 키워드를 이용한 광고 제공 방법 및 시스템 | |
| KR20100002759A (ko) | 동영상 객체정보를 활용한 ｖｏｄ 추천서비스 제공방법 및시스템 | |
| KR20110024897A (ko) | 사용자 별 선호 메뉴에 기반한 광고를 선택하는 방법 및 장치 | |
| KR101178167B1 (ko) | 선호 프로그램에 대한 채널 전환 방법 및 장치 | |
| KR101169948B1 (ko) | 사용자 기반의 ｉｐｔｖ 콘텐츠를 연속하여 제공하는 시스템 및 그 방법 | |
| KR100889988B1 (ko) | 방송 프로그램 랭킹 시스템 및 방법 | |
| KR20100028803A (ko) | 선호 콘텐츠 사전 배포 시스템 및 방법 | |
| KR20110071574A (ko) | 아이피티브이를 이용하여 예매 서비스를 제공하는 장치 | |
| KR101078704B1 (ko) | 채널 프로그램 시청 순위 정보와 연계한 주문형 비디오 서비스를 제공하는 방법 및 장치 | |
| KR101187425B1 (ko) | 선호 프로그램을 인지하는 방법 및 장치 | |
| KR101761015B1 (ko) | 채널 기반 콘텐츠 제공 시스템에서의 콘텐츠 실행 장치 및 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 |