KR101540429B1 - 콘텐츠 플레이 리스트 추천 방법 및 장치 - Google Patents

콘텐츠 플레이 리스트 추천 방법 및 장치 Download PDF

Info

Publication number
KR101540429B1
KR101540429B1 KR1020070098940A KR20070098940A KR101540429B1 KR 101540429 B1 KR101540429 B1 KR 101540429B1 KR 1020070098940 A KR1020070098940 A KR 1020070098940A KR 20070098940 A KR20070098940 A KR 20070098940A KR 101540429 B1 KR101540429 B1 KR 101540429B1
Authority
KR
South Korea
Prior art keywords
user
list
cluster
keyword
clustering
Prior art date
Application number
KR1020070098940A
Other languages
English (en)
Other versions
KR20090033750A (ko
Inventor
이재원
엄기완
김정은
Original Assignee
삼성전자 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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to KR1020070098940A priority Critical patent/KR101540429B1/ko
Publication of KR20090033750A publication Critical patent/KR20090033750A/ko
Application granted granted Critical
Publication of KR101540429B1 publication Critical patent/KR101540429B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/438—Presentation of query results
    • G06F16/4387—Presentation of query results by the use of playlists
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Reverberation, Karaoke And Other Acoustics (AREA)

Abstract

본 발명은 콘텐츠를 저장한 단말에 적용되는 콘텐츠 플레이리스트 추천 방법 및 장치에 관한 것으로, 사용자가 청취한 음원에 대한 클러스터링을 통해 복수의 추천 키워드리스트를 제공하며, 이를 참조하여 사용자가 입력한 키워드에 따른 필드검색을 통해 실시간으로 플레이리스트를 자동생성하는 방법을 제안함으로써, 사용자는 플레이리스트를 직접 작성할 필요 없이 자신의 취향에 맞는 플레이리스트를 추천받을 수 있다.
음악 콘텐츠, 플레이리스트, 추천, 메들리, 음악채널

Description

콘텐츠 플레이 리스트 추천 방법 및 장치 {Method and apparatus for recommending playlist of contents}
본 발명은 콘텐츠를 저장한 단말에 관한 것으로, 특히 콘텐츠를 저장한 단말에 적용되는 콘텐츠 플레이리스트 추천 방법 및 장치에 관련된다.
최근 컴퓨터는 물론, 휴대폰이나 MP3 플레이어, PDA(Personal Digial Assistants), PMP(Portable Multimedia Player) 등과 같은 휴대 가능한 다양한 이동 단말(mobile device)을 통한 음악 콘텐츠 재생이 보편화되고 있다.
사용자는 음악 콘텐츠를 자신이 직접 골라서 재생할 수도 있으나, 재생할 음악 콘텐츠를 추천받을 수 있다. 여기서, 재생할 음악 콘텐츠를 추천받는 방식은, 주로 음원 판매를 목적으로 하는 대용량 콘텐츠 서버로부터 사용자가 선호할 것 같은 음악 리스트를 제공받는 형태가 일반적이다.
그러나, 점차 컴퓨터와 다양한 이동 단말을 포함하는 개인 단말의 저장 공간이 커짐에 따라 대용량 서버 대신 개인 단말에서 많은 음원을 보유할 수 있게 되었다. 따라서 향후에는 개인 단말에 저장된 음악 콘텐츠에 대한 플레이리스트 추천 기능이 필요할 것으로 보인다.
따라서, 본 발명은 전술한 요구에 따라 안출된 것으로, 콘텐츠를 저장한 단말에서 효율적으로 플레이리스트를 추천하는 방법 및 장치를 제공하는 것을 목적으로 한다.
전술한 목적을 달성하기 위하여 본 발명은, 사용자가 청취한 음원에 대한 클러스터링을 통해 복수의 추천 키워드리스트를 제공하며, 이를 참조하여 사용자가 입력한 키워드에 따른 필드검색을 통해 실시간으로 플레이리스트를 자동생성하는 방법을 제안한다.
보다 구체적으로 본 발명은, 단말에 저장된 콘텐츠에 대한 플레이리스트(playlist)를 추천하는 방법에 있어서, 사용자가 청취한 음원으로부터 속성을 추출하는 단계; 및 추출된 속성에 대한 클러스터링(clustering)을 통해 사용자 취향을 분석하고 분석결과를 기초로 추천 키워드리스트를 제공하는 단계를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법에 의해 달성된다.
여기서, 속성을 추출하는 단계는, 사용자가 청취한 음원으로부터 태그 정보 또는 내용기반 오디오 분석 정보를 이용하여 적어도 하나의 속성을 추출하는 것이 바람직하다.
추천 키워드리스트를 제공하는 단계는, 추출된 속성에 대한 심볼릭 데이터 클러스터링(symbolic data clustering)을 통해 사용자 취향으로 매핑될 수 있는 추 천 키워드리스트를 생성하며, 심볼릭 데이터 클러스터링은 온톨로지(ontology) 데이터베이스를 이용하여 수행되는 것이 바람직하다.
또한, 추천 키워드리스트를 제공하는 단계는, 추출된 속성에 대하여 동일한 값을 가지는 기본 클러스터(basic cluster)를 구성하는 단계; 기본 클러스터에 대하여 온톨로지 데이터베이스를 이용하여 상하위 관계에 있는 클러스터들을 계층적으로 그룹화하는 1차 클러스터링 단계; 추출된 속성 간에 클러스터 유사도를 계산하여 비슷한 클러스터들을 그룹화하는 2차 클러스터링 단계; 및 2차 클러스터링 결과에 대한 클러스터 이름을 생성하여 추천 키워드리스트로 제공하는 단계를 포함하는 것이 특히 바람직하며, 이때 클러스터 이름은 그룹화된 클러스터에서 상위개념의 속성값을 이용하여 생성되는 것이 바람직하다.
한편, 본 발명의 다른 양상에 따르면 전술한 목적은, 단말에 저장된 콘텐츠에 대한 플레이리스트(playlist)를 추천하는 방법에 있어서, 사용자 취향 분석 결과에 기초한 추천 키워드리스트를 제공하는 단계; 및 추천 키워드리스트를 이용한 사용자의 키워드 입력에 따라 콘텐츠에 대한 검색을 수행하고, 검색결과를 이용하여 실시간으로 플레이리스트를 생성하는 단계를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법에 의해 달성된다.
여기서, 추천 키워드리스트를 제공하는 단계는, 온톨로지 데이터베이스를 이용하여 사용자 취향 분석결과에 기초한 적어도 하나의 추천 키워드리스트를 사용자에게 표시하는 것이 바람직하다.
또한, 플레이리스트를 생성하는 단계는, 표시된 적어도 하나의 추천 키워드 리스트를 이용하여 사용자로부터 키워드를 입력받는 단계; 입력된 키워드를 이용하여 단말에 저장된 콘텐츠에 대한 인덱싱 정보를 기초로 필드검색을 수행하는 단계; 및 필드검색 결과를 이용하여 실시간으로 단말에 저장된 콘텐츠에 대한 플레이리스트를 생성하는 단계를 포함하는 것이 특히 바람직하다.
한편, 본 발명의 다른 양상에 따르면 전술한 목적은, 단말에 저장된 콘텐츠에 대한 플레이리스트(playlist)를 추천하는 장치에 있어서, 사용자가 청취한 음원으로부터 적어도 하나의 속성을 추출하는 속성 추출부; 추출된 속성에 대한 클러스터링(clustering)을 통해 사용자 취향을 분석하고 분석결과를 기초로 추천 키워드리스트를 제공하는 사용자 취향 분석부; 및 추천 키워드리스트를 이용한 사용자의 키워드 입력에 따라 단말에 저장된 콘텐츠에 대한 검색을 수행하고, 검색결과를 이용하여 실시간으로 플레이리스트를 생성하는 검색부를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 장치에 의해 달성된다.
전술한 바와 같이 본 발명에 따르면, 콘텐츠를 저장한 단말에서 효율적으로 플레이리스트를 추천하는 방법 및 장치가 제공된다. 즉, 단말에 저장된 콘텐츠에 대하여 사용자의 취향에 따라 복수개의 음악 채널에 대한 추천 키워드리스트가 제공된다. 또한, 검색 엔진을 이용하여 사용자가 선택한 채널에 대한 플레이리스트가 동적으로 실시간 생성된다. 이에 따라 사용자는 플레이리스트를 직접 작성할 필요 없이 자신의 취향에 맞는 플레이리스트를 추천받을 수 있다. 즉, 간편하게 음악 DJ 또는 메들리(medley) 기능을 제공받을 수 있다.
이하에서는 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명에 따른 콘텐츠 플레이리스트 추천 장치의 구성의 일 예이다.
도 1을 참조하면, 본 발명에 따른 콘텐츠 플레이리스트 추천 장치는 속성 추출부(10), 사용자 취향 분석부(20) 및 검색부(30)를 구비한다. 또한, 온톨로지 데이터베이스(50) 및 색인 데이터베이스(60)를 더 구비할 수 있다.
속성 추출부(Feature Extraction module)(10)는, 사용자가 청취한 음원으로부터 속성(feature)을 추출한다. 속성 추출부(10)는 사용자가 청취한 음원으로부터 ID 3 태그 정보나, 또는 내용기반 오디오 분석 정보를 이용하여 무드(mood), 주제(theme), 아티스트(artist), 장르(genre), 앨범(album), 연도(year) 등과 같은 분류기준에 따른 속성들을 추출한다.
사용자 취향 분석부(User Preference Analysis module)(20)는, 속성 추출부(10)에서 추출된 속성들에 대한 클러스터링(clustering)을 통해 사용자 취향을 분석하고 그 분석결과를 기초로 추천 키워드리스트(recommended keyword-list)를 제공한다. 즉, 속성 추출부(10)에서 추출된 속성에 대한 심볼릭 데이터 클러스터링(symbolic data clustering)을 통해 사용자 취향으로 매핑될 수 있는 추천 키워드리스트를 생성한다. 이때 효율적인 클러스터링을 위해 계층적 구조를 갖는 온톨로지(ontology) 데이터베이스(50)를 이용하는 것이 바람직하다.
또한, 추천 키워드 리스트는 사용자의 취향을 반영한 적어도 하나 이상의 속성을 포함하는 플레이리스트 제목 리스트를 가리킨다. 예를 들면, 사용자가 선호하는 장르와 무드 속성을 결합한 "클래식/잔잔한 음악"이나, 사용자가 선호하는 아티스트와 장르 속성을 결합한 "이효리/댄스음악" 등과 같은 형태로 제공되는 것이 바람직하다.
검색부(Retrieval module)(30)는, 사용자 취향 분석부(20)에서 제공되는 추천 키워드리스트를 이용하여 사용자가 키워드를 입력하면, 입력된 키워드를 이용하여 상기 단말에 저장된 콘텐츠에 대한 검색을 수행하고, 그 검색결과를 이용하여 실시간으로 플레이리스트를 생성한다. 이때, 실시간 검색을 위하여 단말에 저장된 음악 콘텐츠의 메타 데이타에 대한 역색인(Inverted Index) 정보가 인덱싱 데이터베이스(60)에 미리 구축되어 있는 것이 바람직하다.
도 2는 본 발명에 따른 콘텐츠 플레이리스트 추천 방법의 일 예를 도시한 흐름도이다.
도 2를 참조하면, 먼저 사용자가 청취한 음원으로부터 무드(mood), 주제(theme), 아티스트(artist), 장르(genre), 앨범(album), 연도(year) 등과 같은 분류기준에 따른 속성들을 추출한다(S500). 온톨로지 데이터베이스(50)를 이용하여 추출된 속성에 대한 클러스터링(clustering)을 수행하여 사용자 취향을 분석하고 그 분석결과를 기초로 추천 키워드리스트를 생성하여 사용자에게 제공한다(S600). 이제 제공된 추천 키워드리스트를 이용하여 사용자가 키워드를 입력하면, 인덱싱 데이터베이스를 이용하여 단말에 저장된 콘텐츠에 대한 검색을 수행하고, 그 검색결과를 이용하여 실시간으로 플레이리스트를 생성한다(S700).
이하, 도 2에 도시된 본 발명에 따른 콘텐츠 플레이리스트 추천 방법의 각 단계를 구체적으로 살펴본다.
도 3은 음원으로부터 속성을 추출하는 방법(S500)의 일 예를 도시한 흐름도이다.
도 3을 참조하면, 속성 추출부(10)는 사용자가 청취한 음악 리스트를 입력으로 받아 사용자 취향 분석에 사용될 음악 속성들을 추출한다. 본 발명에서는 ID3 태그 정보를 이용(S510)할 뿐만 아니라, 내용 기반 오디오 분석 방법으로 무드(mood)와 주제(theme) 분류 정보를 더 이용(S520)한다.
이때, 무드 분류(mood classification)는 MP3 부분 디코딩(Partial Decoding)을 통해 압축 영역에서 음색(Timbre)과 박자(Temp) 정보를 이용하여 고속으로 분류된다. 구체적인 무드 분류 방법은 본 출원인에 의해 2005. 11. 11.자로 출원되어 등록된 한국특허출원 제2005-107957호의 "고속 음악 무드 분류 방법 및 장치"를 참조한다.
또한, 주제 분류(theme classification)는 ID3 태그 정보를 추출한 다음 곡 의 제목과 가사로부터 주제 분류에 필요한 속성을 추출하고 이를 이용하여 분류한다. 주제 분류를 위한 구체적인 방법은 본 출원인에 의하여 2006. 2. 23.자로 출원되어 2007.08.28.자로 공개된 한국특허출원 제2006-17768호의 "곡명을 이용한 음악 주제 분류 방법 및 장치"를 참조한다. 그밖에 ID3 태그 추출에서 얻어진 아티스트(Artist), 장르(Genre), 앨범(Album), 연도(Year) 등을 포함하여 복수의 음악 관련 속성(Feature)을 이용한다. 도시된 속성의 예는 사용자 취향과 관련도가 높은 대표적인 속성들을 예시한 것에 불과할 뿐, 이에 한정되지 않으며 다양한 속성들을 더 이용할 수 있다.
한편, 본 발명의 목적은 사용자가 보유하고 있는 단말 내의 음악 콘텐츠에 대해 사용자 취향에 맞는 플레이리스트를 자동 생성하는 데 있다. 이를 위하여 사용자의 취향을 분석하는 과정이 필요하다.
도 4는 사용자 청취 음악에 대한 취향 분석 방법의 일 예를 도시한 흐름도이다. 도 4를 참조하면, 사용자 취향 분석부(20)가 추출된 속성에 대한 심볼릭 데이터 클러스터링(symbolic data clustering)을 통해 사용자 취향으로 매핑될 수 있는 추천 키워드리스트를 생성하는 구체적인 과정이 도시된다. 사용자 취향 분석은 구체적으로 다음 4 단계로 구성될 수 있다.
1) 기본 클러스터 구성 단계( S610 )
먼저, 사용자 취향 분석부(20)는 속성 추출부(10)에서 추출된 각각의 속성에 대하여 동일한 값을 가지는 기본 클러스터(Basic Cluster)를 구성한다. 도 5를 참 조하면, 속성1(아티스트)에서 김광석이라는 동일한 속성값을 가지는 음원들 즉, 곡명1, 2, 3을 하나의 기본 클러스터로 구성할 수 있으며, 이효리라는 동일한 속성값을 가지는 음원들, 즉 곡명 3,...,m 을 하나의 기본 클러스터로 구성할 수 있다. 속성2(장르)의 경우 댄스, 발라드, 블루스 등과 같은 동일한 속성값을 가지는 음원들을 각각 기본 클러스터로 구성할 수 있다.
2) 1차 클러스터링 단계( S620 )
다음으로, 사용자 취향 분석부(20)는 기본 클러스터에 대하여 온톨로지를 이용하여 상하위 관계에 있는 클러스터들을 그룹화하여 계층적으로 클러스터를 구성한다. 이때 통합된 클러스터는 상위 개념의 속성값이 클러스터의 중심어(centroid)로 결정되며, 후술하는 클러스터 네이밍(Cluster Naming) 단계에서 사용된다.
최종적으로 생성된 속성 내의 클러스터에 대해 기준값(threshold) 이하의 음원(MP3)으로 구성된 클러스터는 삭제되는 것이 바람직하다. 이때 기준값은 해당 속성에 대한 평균 문서 개수에 기반하여 평균적인 분포가 아닌 이상분포로 볼 수 있는 기준으로 설정될 수 있다.
예를 들면, 전체 곡수가 n이고, 현재 속성 내의 클러스터 개수가 m이면 평균 클러스터의 크기는 n/m이 된다. 그러므로 클러스터의 크기가 기준값인 n/m보다 크다면 이는 평균 분포 이상의 발생 빈도를 보이는 것으로 사용자가 선호한다고 해석할 수 있다. 이를 수식으로 표현하면 다음과 같다.
size of Cluster > weight * (n/m)
여기서, 가중치(weight)는 1보다 큰 값으로 응용에 따라 실험적으로 결정할 수 있다.
간단한 예로, 현재 100곡의 음원(MP3)를 보유하고 있고, 장르 분포가 댄스, 발라드, 재즈, 록이 있으며, 각각 12곡, 19곡, 51곡, 18곡으로 구성되어 있다고 가정해 보자. 이 경우 평균 발생 빈도는 100/4인 25곡이 된다. 따라서, 25곡 이상인 재즈는 사용자가 특별히 좋아하는 장르라고 판단할 수 있다.
3) 2차 클러스터링 단계( S630 )
다음으로, 사용자 취향 분석부(20)는, 속성 간의 클러스터 유사도를 계산하여 비슷한 클러스터들을 그룹화(grouping)한다. 이때 그룹간 유사도는 클러스터를 구성하는 음원(MP3 파일)의 분포를 이용하여 구하게 된다. 즉, AND 연산을 통해 중복되는 문서가 많을수록 두 그룹의 유사도는 높다고 할 수 있다. 이를 수식으로 표현하면 다음과 같다.
Cluster A = [dA1, dA2, ..., dAn], Cluster B = [dB1, dB2, ..., dBn] Similarity = |A∩B| / |A∪B|
클러스터 A와 B는 각 클러스터에 포함되는 음원의 벡터로 표현될 수 있다. dA1은 특정 음원 d1이 클러스터 A에 포함되는지 여부를 의미한다. 유사도(Similarity)는 0에서 1 사이 값을 가지며, 유사도 값이 1에 가까울수록 두 클러스터는 유사도가 높다고 할 수 있다. 그러므로 유사도가 특정 기준값보다 높으면 두 클러스터를 통합하게 된다. 이때, 기준값은 응용에 따라 실험적으로 결정될 수 있다.
예를 들어, 장르 속성 중 "발라드" 클러스터에 포함되는 음원이 {1, 3, 20, 46, 60, ...} 등 25곡이고, 아티스트 속성 중 "이문세" 클러스터에 포함되는 음원이 {1, 3, 46, 70, ...} 등 15곡으로 구성되어 있으며, 공통된 곡(|A∩B|)이 10곡이라고 가정하자. 이 경우 유사도는 10/30=0.33이 된다. 구해진 유사도 값이 기준값보다 클 경우 두 클러스터를 결합하게 되며, 후술하는 클러스터 네이밍 단계에서 "이문세/발라드"라는 형태의 클러스터 이름이 생성된다.
4) 클러스터 네이밍 ( naming ) 단계( S640 )
마지막으로 사용자 취향 분석부(20)는, 생성된 클러스터에 대해 중심어(Centroid)를 이용하여 클러스터에 대한 이름을 생성한다. 생성된 이름은 추천 플레이리스트의 이름('추천 키워드리스트'라고도 함)에 해당한다. 추천 키워드리스트는 음악 채널(Music Channel) 또는 메들리(Medley)와 같은 형태로 사용자에게 제공된다.
도 5를 참조하면, 속성 내의 1차 클러스터링 과정과, 속성 간의 2차 클러스 터링 과정을 거쳐 "이문세/발라드" 또는 "김광석/슬픈 음악"이라는 추천 키워드리스트(플레이리스트 제목)를 얻는 과정이 도시되어 있다.
도 6은 키워드 검색에 의한 플레이리스트 자동 생성 방법의 일 예를 도시한 흐름도이다.
도 6을 참조하면, 검색부(30)는, 추천된 복수의 키워드리스트(플레이리스트 제목) 중 하나를 사용자가 선택하면, 선택한 추천 키워드리스트를 이용하여 단말에 저장된 음원(MP3 파일)에 대하여 필드검색(field search)을 수행한다. 예를 들어, 선택한 추천 키워드리스트가 "이문세/발라드"라면, "아티스트: 이문세"와 "장르: 발라드"에 대한 필드 검색을 한 다음 그 검색 결과에 대해 AND 연산을 하여 플레이리스트를 결정한다.
한편, 검색부(30)는 검색된 음원(MP3)들을 순위화(ranking) 하여 최종 플레이리스트를 생성할 수 있다. 순위화 과정은 사용자 선택에 따라 자주 듣는 음악 또는 최신 음악이 상위에 랭크되도록 구성할 수 있다.
이를 위해서는 단말에 저장된 음악에 대한 인덱싱 정보를 가지고 있어야 한다. 본 발명에서는 검색 엔진을 이용하여 ID3 태그 정보와 무드, 주제 분류 정보에 대한 색인을 한 다음 역색인(Inverted Index) 형태로 인덱싱 데이터베이스(60)를 구축하여 사용한다. 인덱싱 데이터베이스의 구성과정은 오프라인으로 수행되는 것이 바람직하다.
이에 따라, 본 발명에 따르면 콘텐츠를 저장한 단말에서 효율적으로 플레이 리스트를 추천하는 방법 및 장치가 제공된다. 즉, 단말에 저장된 콘텐츠에 대하여 사용자의 취향에 따라 복수개의 음악 채널에 대한 추천 키워드리스트가 제공된다. 또한, 검색 엔진을 이용하여 사용자가 선택한 채널에 대한 플레이리스트가 동적으로 실시간 생성된다. 이에 따라 사용자는 플레이리스트를 직접 작성할 필요 없이 자신의 취향에 맞는 플레이리스트를 추천받을 수 있다. 즉, 간편하게 음악 DJ 또는 메들리(medley) 기능을 제공받을 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
도 1은 본 발명에 따른 콘텐츠 플레이리스트 추천 장치의 구성의 일 예,
도 2는 본 발명에 따른 콘텐츠 플레이리스트 추천 방법의 일 예를 도시한 흐름도,
도 3은 음원으로부터 속성을 추출하는 방법의 일 예를 도시한 흐름도,
도 4는 사용자 청취 음악에 대한 취향 분석 방법의 일 예를 도시한 흐름도,
도 5는 클러스터링 방법의 일 예를 도시한 참고도,
도 6은 키워드 검색에 의한 플레이리스트 자동 생성 방법의 일 예를 도시한 흐름도이다.

Claims (12)

  1. 단말에 저장된 콘텐츠에 대한 플레이리스트(playlist)를 추천하는 방법에 있어서,
    사용자가 청취한 음원으로부터 태그 정보 또는 내용기반 오디오 분석 정보를 이용하여, 무드, 주제, 아티스트, 장르, 앨범 및 연도 중의 하나 이상을 포함하는 속성을 추출하는 단계; 및
    상기 추출된 각 속성에 대하여 상기 사용자가 청취한 음원의 속성값을 기초로 클러스터링(clustering)을 하고, 상하위 관계에 있는 클러스터들을 그룹화하여 상위 개념의 속성값을 클러스터의 중심어로 결정하고, 상기 중심어를 이용하여 클러스터 이름을 생성하고, 클러스터링 결과를 기초로 사용자 취향을 분석하여 상기 클러스터 이름을 포함하는 추천 키워드리스트를 생성하고, 생성된 추천 키워드리스트를 사용자에게 제공하는 단계를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법.
  2. 삭제
  3. 제1항에 있어서, 상기 추천 키워드리스트를 제공하는 단계는,
    상기 추출된 속성에 대한 심볼릭 데이터 클러스터링(symbolic data clustering)을 통해 사용자 취향으로 매핑될 수 있는 추천 키워드리스트를 생성하며,
    상기 심볼릭 데이터 클러스터링은 온톨로지(ontology) 데이터베이스를 이용하여 수행되는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법.
  4. 제1항에 있어서, 상기 추천 키워드리스트를 제공하는 단계는,
    상기 추출된 속성에 대하여 동일한 값을 가지는 기본 클러스터(basic cluster)를 구성하는 단계;
    상기 기본 클러스터에 대하여 온톨로지 데이터베이스를 이용하여 상하위 관계에 있는 클러스터들을 계층적으로 그룹화하는 1차 클러스터링 단계;
    상기 추출된 속성 간에 클러스터 유사도를 계산하여 비슷한 클러스터들을 그룹화하는 2차 클러스터링 단계; 및
    상기 2차 클러스터링 결과에 대한 클러스터 이름을 생성하여 추천 키워드리스트로 제공하는 단계를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법.
  5. 제4항에 있어서,
    상기 2차 클러스터링 단계는 속성 간의 클러스터 유사도를 계산하는데 있어,
    상기 클러스터에 포함되는 음원의 AND 연산을 통해 중복되는 문서가 많을수록 두 그룹의 유사도를 높게 계산하는 콘텐츠 플레이리스터 추천 방법.
  6. 단말에 저장된 콘텐츠에 대한 플레이리스트(playlist)를 추천하는 방법에 있어서,
    사용자가 청취한 음원의 속성값을 기초로 클러스터링을 하고, 상하위 관계에 있는 클러스터들을 그룹화하여 상위 개념의 속성값을 클러스터의 중심어로 결정하고, 상기 중심어를 이용하여 클러스터의 이름을 생성하고, 클러스터링 결과를 기초로 사용자 취향을 분석하여 상기 클러스터 이름을 포함하는 추천 키워드리스트를 생성하고, 생성된 추천 키워드리스트를 단말에 표시하여 사용자에게 제공하는 단계; 및
    상기 제공된 추천 키워드리스트를 이용하여 사용자가 키워드를 입력하면, 입력된 키워드를 기초로 상기 콘텐츠에 대한 검색을 수행하고, 검색결과를 이용하여 실시간으로 플레이리스트를 생성하는 단계를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법.
  7. 제6항에 있어서, 상기 추천 키워드리스트를 제공하는 단계는,
    온톨로지 데이터베이스를 이용하여 상기 사용자의 청취 음원에 대한 취향을 분석하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법.
  8. 제7항에 있어서, 상기 플레이리스트를 생성하는 단계는,
    상기 표시된 적어도 하나의 추천 키워드 리스트를 이용하여 사용자로부터 키워드를 입력받는 단계;
    상기 입력된 키워드를 이용하여 상기 단말에 저장된 콘텐츠에 대한 인덱싱 정보를 기초로 필드검색을 수행하는 단계; 및
    상기 필드검색 결과를 이용하여 실시간으로 상기 단말에 저장된 콘텐츠에 대한 플레이리스트를 생성하는 단계를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 방법.
  9. 단말에 저장된 콘텐츠에 대한 플레이리스트(playlist)를 추천하는 장치에 있어서,
    사용자가 청취한 음원으로부터 태그 정보 또는 내용기반 오디오 분석 정보를 이용하여, 무드, 주제, 아티스트, 장르, 앨범 및 연도 중의 하나 이상을 포함하는 속성을 추출하는 속성 추출부;
    상기 추출된 각 속성에 대하여 상기 사용자가 청취한 음원의 속성값을 기초로 클러스터링을 하고, 상하위 관계에 있는 클러스터들을 그룹화하여 상위 개념의 속성값을 클러스터의 중심어로 결정하고, 상기 중심어를 이용하여 클러스터의 이름을 생성하고, 클러스터링 결과를 기초로 사용자 취향을 분석하여 상기 클러스터 이름을 포함하는 추천 키워드리스트를 생성하고, 생성된 추천 키워드리스트를 사용자에게 제공하는 사용자 취향 분석부; 및
    상기 추천 키워드리스트를 이용한 사용자의 키워드 입력에 따라 상기 단말에 저장된 콘텐츠에 대한 검색을 수행하고, 검색결과를 이용하여 실시간으로 플레이리스트를 생성하는 검색부를 포함하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 장치.
  10. 삭제
  11. 제9항에 있어서, 상기 사용자 취향 분석부는,
    상기 추출된 속성에 대한 심볼릭 데이터 클러스터링(symbolic data clustering)을 통해 사용자 취향으로 매핑될 수 있는 추천 키워드리스트를 생성하며,
    상기 심볼릭 데이터 클러스터링은 온톨로지(ontology) 데이터베이스를 이용하여 수행되는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 장치.
  12. 제9항에 있어서, 상기 검색부는,
    상기 제공된 추천 키워드 리스트를 이용하여 사용자로부터 키워드를 입력받고, 상기 입력된 키워드를 이용하여 상기 단말에 저장된 콘텐츠에 대한 인덱싱 정보를 기초로 필드검색을 수행하며, 상기 필드검색 결과를 이용하여 실시간으로 상기 단말에 저장된 콘텐츠에 대한 플레이리스트를 생성하는 것을 특징으로 하는 콘텐츠 플레이리스트 추천 장치.
KR1020070098940A 2007-10-01 2007-10-01 콘텐츠 플레이 리스트 추천 방법 및 장치 KR101540429B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070098940A KR101540429B1 (ko) 2007-10-01 2007-10-01 콘텐츠 플레이 리스트 추천 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070098940A KR101540429B1 (ko) 2007-10-01 2007-10-01 콘텐츠 플레이 리스트 추천 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20090033750A KR20090033750A (ko) 2009-04-06
KR101540429B1 true KR101540429B1 (ko) 2015-07-31

Family

ID=40759933

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070098940A KR101540429B1 (ko) 2007-10-01 2007-10-01 콘텐츠 플레이 리스트 추천 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101540429B1 (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101594391B1 (ko) 2009-10-22 2016-02-16 삼성전자주식회사 휴대용 멀티미디어 재생기에서 사용자 경험에 기반한 멀티미디어 재생 목록 생성방법 및 장치
US8489606B2 (en) 2010-08-31 2013-07-16 Electronics And Telecommunications Research Institute Music search apparatus and method using emotion model
US20130124584A1 (en) * 2011-11-16 2013-05-16 Google Inc. Start page for a user's personal music collection
US10476923B2 (en) 2013-04-05 2019-11-12 Arris Enterprises Llc Filtering content for adaptive streaming
KR102183008B1 (ko) * 2014-03-27 2020-11-25 (주)드림어스컴퍼니 음원 추천 장치 및 방법
KR101642433B1 (ko) * 2014-06-13 2016-07-25 주식회사 유비벨록스모바일 사용자 성향을 고려한 지능형 컨텐츠 추천 서비스 방법
KR20200049193A (ko) 2018-10-31 2020-05-08 에스케이텔레콤 주식회사 콘텐츠 추천 방법 및 이를 지원하는 서비스 장치
KR102308893B1 (ko) 2018-11-21 2021-10-01 에스케이텔레콤 주식회사 인식 메타를 이용한 컨텐츠 운용 방법 및 이를 지원하는 서비스 장치
US11681747B2 (en) * 2019-11-25 2023-06-20 Gracenote, Inc. Methods and apparatus to generate recommendations based on attribute vectors
KR102386817B1 (ko) * 2020-04-21 2022-04-14 (주)드림어스컴퍼니 사용자 선호 기반 음악 정렬 장치 및 이에 적용되는 단말기
KR102712179B1 (ko) * 2021-03-19 2024-09-30 주식회사 카카오엔터테인먼트 음악 컨텐츠를 추천하는 방법 및 장치
KR102588127B1 (ko) * 2021-04-02 2023-10-12 (주)피큐레잇 북마크 이력 기반의 개인화된 콘텐츠 큐레이션 시스템 및 콘텐츠 제안 방법
KR102461297B1 (ko) * 2022-08-19 2022-11-01 아케인 주식회사 음원 검색 시스템 및 그 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070040040A (ko) * 2005-10-11 2007-04-16 엘지전자 주식회사 오디오 곡 추천 방법
KR20070078170A (ko) * 2006-01-26 2007-07-31 삼성전자주식회사 음악 내용 요약본을 이용한 유사곡 검색 방법 및 그 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070040040A (ko) * 2005-10-11 2007-04-16 엘지전자 주식회사 오디오 곡 추천 방법
KR20070078170A (ko) * 2006-01-26 2007-07-31 삼성전자주식회사 음악 내용 요약본을 이용한 유사곡 검색 방법 및 그 장치

Also Published As

Publication number Publication date
KR20090033750A (ko) 2009-04-06

Similar Documents

Publication Publication Date Title
KR101540429B1 (ko) 콘텐츠 플레이 리스트 추천 방법 및 장치
Sheikh Fathollahi et al. Music similarity measurement and recommendation system using convolutional neural networks
US8438168B2 (en) Scalable music recommendation by search
US8321456B2 (en) Generating metadata for association with a collection of content items
JP4711683B2 (ja) ディスプレイを使用することなしにオーディオコンテンツのメニューを作成及びアクセスするための方法
Cai et al. Scalable music recommendation by search
Knees et al. Intelligent User Interfaces for Music Discovery.
US20100217755A1 (en) Classifying a set of content items
WO2003019560A2 (en) Playlist generation, delivery and navigation
Schedl et al. Exploring the music similarity space on the web
Bogdanov et al. Content-based music recommendation based on user preference examples
Knees et al. Introduction to music similarity and retrieval
Schedl et al. Assigning and Visualizing Music Genres by Web-based Co-Occurrence Analysis.
Allik et al. Musiclynx: Exploring music through artist similarity graphs
Knees et al. Intelligent User Interfaces for Music Discovery: The Past 20 Years and What's to Come.
Schedl et al. User-aware music retrieval
Kuhn et al. Social audio features for advanced music retrieval interfaces
KR102516212B1 (ko) 추천 플레이리스트 생성 방법 및 그를 위한 장치
Stenzel et al. Improving Content-Based Similarity Measures by Training a Collaborative Model.
Kathavate Music recommendation system using content and collaborative filtering methods
Schedl et al. Context-based music similarity estimation
Pohle et al. Building an interactive next-generation artist recommender based on automatically derived high-level concepts
Kostek et al. Processing of musical metadata employing Pawlak’s flow graphs
Goh et al. User song preferences using artificial intelligence
Gupta Music data analysis: A state-of-the-art survey

Legal Events

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

Payment date: 20180628

Year of fee payment: 4