KR101639987B1 - Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based - Google Patents

Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based Download PDF

Info

Publication number
KR101639987B1
KR101639987B1 KR1020150008856A KR20150008856A KR101639987B1 KR 101639987 B1 KR101639987 B1 KR 101639987B1 KR 1020150008856 A KR1020150008856 A KR 1020150008856A KR 20150008856 A KR20150008856 A KR 20150008856A KR 101639987 B1 KR101639987 B1 KR 101639987B1
Authority
KR
South Korea
Prior art keywords
information
movie
user
evaluation
popular
Prior art date
Application number
KR1020150008856A
Other languages
Korean (ko)
Inventor
정회경
Original Assignee
배재대학교 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 배재대학교 산학협력단 filed Critical 배재대학교 산학협력단
Priority to KR1020150008856A priority Critical patent/KR101639987B1/en
Application granted granted Critical
Publication of KR101639987B1 publication Critical patent/KR101639987B1/en

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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—Systems or methods specially adapted for 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/30—Transportation; Communications
    • G06Q50/40—

Landscapes

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

Abstract

Disclosed are a method and an apparatus for recommending a movie based on hybrid filtering. An embodiment of the present invention collects user information from a terminal and extracts similarity with a plurality of stored pieces of user information, generates recommended movie information based on the similarity, and displays the recommended movie information in a social network service (SNS) of a user.

Description

혼합 필터링 기반의 영화추천 방법 및 장치{Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based}TECHNICAL FIELD [0001] The present invention relates to a method and apparatus for recommending movies based on mixed filtering,

본 실시예는 혼합 필터링 기반의 영화추천 방법 및 장치에 관한 것이다.This embodiment relates to a mixed filtering based movie recommendation method and apparatus.

이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.The contents described below merely provide background information related to the present embodiment and do not constitute the prior art.

영화 추천 시스템은 일반적으로 급격히 증가되고 있는 영화정보에서 사용자가 요구하는 적합한 영화정보를 선별하여 제공한다. 영화 추천 시스템은 기존에 입력된 영화정보들을 기반으로 새로운 사용자로부터 요구조건을 입력받아 이에 대응되는 영화정보를 추출하여 사용자에게 제공한다. 영화 추천 시스템은 사용자의 취향이나 선호의 기반으로 영화정보를 선별하여 사용자에게 적합한 영화정보를 제공한다.The movie recommendation system generally selects appropriate movie information requested by the user from the rapidly increasing movie information. The movie recommendation system receives requirements from a new user based on previously input movie information, extracts corresponding movie information, and provides the extracted information to the user. The movie recommendation system selects movie information based on the taste or preference of the user and provides movie information suitable for the user.

영화 추천 시스템은 새로운 사용자가 선호하는 영화정보와 항목 기반으로 영화정보를 선별하지만 이러한 정보가 부족한 경우, Cold-Start가 발생한다. 따라서, 영화 추천 시스템은 Cold-Start 문제를 해결하여 사용자에게 사용자의 요구조건에 대응되는 적합한 영화정보를 제공할 필요가 있다.The movie recommendation system selects new user's favorite movie information and movie information based on items, but if such information is insufficient, a cold-start occurs. Therefore, the movie recommendation system needs to solve the Cold-Start problem and provide the user with appropriate movie information corresponding to the user's requirement.

본 실시예는 단말기로부터 사용자정보를 수집하여 기 저장된 복수의 사용자정보와의 유사도를 추출하고, 유사도를 기반으로 추천영화정보를 생성하고, 추천영화정보를 사용자의 SNS에 디스플레이하는 데 주된 목적이 있다.The main object of the present embodiment is to collect user information from a terminal, extract similarity with previously stored user information, generate recommended movie information based on the similarity, and display the recommended movie information on the user's SNS .

본 실시예의 일 측면에 의하면, 단말기로부터 사용자 영화평가정보를 포함하는 사용자 정보를 입력 받는 정보 수집부; 상기 사용자 정보를 저장하는 사용자 정보 데이터베이스; 기 설정된 복수의 사용자 모임정보와 상기 사용자 정보를 비교하여 상기 사용자 정보의 유사도정보를 생성하고, 상기 유사도정보에 근거하여 상기 사용자 정보를 제1 사용자 모임정보에 포함시키고, 상기 제1 사용자 모임정보에 근거하여 인기영화정보를 생성하고, 상기 인기영화정보를 상기 단말기로 전송하는 협업 필터링부; 상기 인기영화정보에 대해 상기 단말기로부터 인기영화 평가정보를 수신하는 평가정보 수집부; 복수의 영화정보를 저장하는 영화정보 데이터베이스; 상기 사용자 영화평가정보 및 상기 인기영화 평가정보에 근거하여 상기 복수의 영화정보 중 추천영화정보를 추출하여 상기 단말기로 전송하는 내용기반 필터링부; 및 상기 추천영화정보를 사용자의 SNS로 연결하여 상기 SNS에 디스플레이하는 SNS 연결부를 포함하는 것을 특징으로 하는 영화추천장치를 제공한다.According to an aspect of the present invention, there is provided an information processing apparatus including an information collecting unit for receiving user information including user movie evaluation information from a terminal; A user information database for storing the user information; The method comprising: generating similarity information of the user information by comparing a plurality of predetermined user meeting information with the user information; storing the user information in the first user meeting information based on the similarity information; A collaborative filtering unit that generates popular movie information based on the popularity information and transmits the popular movie information to the terminal; An evaluation information collection unit for receiving popular movie rating information from the terminal about the popular movie information; A movie information database for storing a plurality of pieces of movie information; A content-based filtering unit for extracting the recommended movie information among the plurality of movie information based on the user movie rating information and the popular movie rating information, and transmitting the extracted movie information to the terminal; And an SNS connection unit for connecting the recommended movie information to the user's SNS and displaying the SNS on the SNS.

또한, 본 실시예의 다른 측면에 의하면, 단말기로부터 제1영화평가정보를 포함하는 사용자 정보를 입력받는 정보 수집부; 상기 사용자 정보와 하나 또는 복수의 다른 사용자의 정보를 비교하여 유사도를 판단하고, 상기 판단된 유사도에 따라 결정된 상기 다른 사용자 정보에 근거하여 제1영화리스트를 생성하고 상기 사용자의 단말기에 전송하는 제1필터링부; 상기 제1영화리스트에 대해 상기 사용자로부터 제2평가정보를 수신하는 제2평가정보 수집부; 및 상기 제1영화평가정보와 상기 제2영화평가정보에 근거하여 제2영화리스트를 추출하여 상기 단말기로 전송하는 제2필터링부를 포함하는 것을 특징으로 하는 영화추천장치를 제공한다.According to another aspect of the present invention, there is provided an information processing apparatus including: an information collecting unit that receives user information including first movie rating information from a terminal; A first movie list generating unit that generates a first movie list based on the other user information determined according to the determined degree of similarity and transmits the first movie list to the user terminal; A filtering unit; A second evaluation information collection unit for receiving second evaluation information from the user for the first movie list; And a second filtering unit for extracting a second movie list based on the first movie evaluation information and the second movie evaluation information and transmitting the extracted second movie list to the terminal.

또한, 본 실시예의 다른 측면에 의하면, 단말기로부터 사용자 영화평가정보를 포함하는 사용자 정보를 입력 받는 정보 수집과정; 상기 사용자 정보를 저장하는 사용자 정보 저장과정; 기 설정된 복수의 사용자 모임정보와 상기 사용자 정보를 비교하여 상기 사용자 정보의 유사도정보를 생성하고, 상기 유사도정보에 근거하여 상기 사용자 정보를 제1 사용자 모임정보에 포함시키고, 상기 제1 사용자 모임정보에 근거하여 인기영화정보를 생성하고, 상기 인기영화정보를 상기 단말기로 전송하는 협업 필터링과정; 상기 인기영화정보에 대해 상기 단말기로부터 인기영화 평가정보를 수신하는 평가정보 수집과정; 복수의 영화정보를 저장하는 영화정보 저장과정; 상기 사용자 정보에 포함되는 사용자 영화평가정보 및 상기 인기영화 평가정보에 근거하여 상기 복수의 영화정보 중 추천영화정보를 추출하여 상기 단말기로 전송하는 내용기반 필터링과정; 및 상기 추천영화정보를 사용자의 SNS로 연결하여 상기 SNS에 디스플레이하는 SNS 연결과정을 포함하는 것을 특징으로 하는 영화추천방법을 제공한다. According to another aspect of the present invention, there is provided an information collecting method comprising: an information collecting step of receiving user information including user movie evaluation information from a terminal; A user information storing step of storing the user information; The method comprising: generating similarity information of the user information by comparing a plurality of predetermined user meeting information with the user information; storing the user information in the first user meeting information based on the similarity information; A collaborative filtering process of generating popular movie information based on the popularity information, and transmitting the popular movie information to the terminal; An evaluation information collection step of receiving popular movie rating information from the terminal with respect to the popular movie information; A movie information storing step of storing a plurality of movie information; A content-based filtering process of extracting recommended movie information among the plurality of movie information based on the user movie evaluation information included in the user information and the popular movie evaluation information, and transmitting the extracted movie information to the terminal; And an SNS connection process of connecting the recommended movie information to the user's SNS and displaying the linked SNS on the SNS.

이상에서 설명한 바와 같이 본 실시예에 의하면, 단말기로부터 사용자정보를 수집하여 기 저장된 복수의 사용자정보와의 유사도를 추출하고, 유사도를 기반으로 추천영화정보를 생성하고, 추천영화정보를 사용자의 SNS에 디스플레이할 수 있는 효과가 있다.As described above, according to this embodiment, the user information is collected from the terminal, the similarity with the stored user information is extracted, the recommended movie information is generated based on the similarity, and the recommended movie information is stored in the user's SNS There is an effect that can be displayed.

본 실시예에 의하면, 사용자의 취향이나 선호의 기반으로 영화정보를 선별하여 사용자에게 적합한 영화정보를 제공할 수 있는 효과가 있다.According to the present embodiment, movie information can be selected based on the taste or preference of the user, and movie information suitable for the user can be provided.

본 실시예에 의하면, 정교한 추천 시스템이 적용된 기업은 다른 기업에 비해 고객관리나 매출이 좋아 경쟁력을 갖출 수 있으며 불필요한 영화정보를 제공하지 않아 자원의 낭비나 고객의 만족도를 높일 수 있는 효과가 있다.According to the present embodiment, a company to which a sophisticated recommendation system is applied can be more competitive than other companies in terms of customer management and sales, and does not provide unnecessary movie information, thereby wasting resources and enhancing customer satisfaction.

도 1은 본 실시예에 따른 영화추천 시스템을 개략적으로 나타낸 도면이다.
도 2는 본 실시예에 따른 영화추천장치를 개략적으로 나타낸 도면이다.
도 3a은 본 실시예에 따른 정보 수집부에서 단말기로부터 사용자정보를 수집하기 위한 사용자정보 수집화면을 개략적으로 나타낸 도면이다.
도 3b는 본 실시예에 따른 정보 수집부에서 단말기로부터 사용자정보 중 사용자 영화평가정보를 수집하기 위한 사용자 영화평가정보 수집화면을 개략적으로 나타낸 도면이다.
도 4는 본 실시예에 따른 사용자 정보 데이터베이스에 저장되는 사용자 정보를 개략적으로 나타낸 도면이다.
도 5는 본 실시예에 따른 협업 필터링부에서 생성한 인기영화정보를 디스플레이한 화면을 나타낸 도면이다.
도 6a는 본 실시예에 따른 영화추천 시스템의 동작을 개략적으로 나타낸 도면이다.
도 6b는 본 실시예에 따른 영화추천 시스템의 처리과정을 개략적으로 나타낸 도면이다.
도 7은 본 실시예에 따른 영화추천장치의 동작을 나타낸 순서도이다. 1 is a view schematically showing a movie recommendation system according to the present embodiment.
2 is a view schematically showing a movie recommendation apparatus according to the present embodiment.
3A is a diagram schematically showing a user information collection screen for collecting user information from a terminal in the information collection unit according to the present embodiment.
FIG. 3B is a view schematically showing a user movie evaluation information collection screen for collecting user movie evaluation information among user information from the terminal in the information collecting unit according to the present embodiment.
4 is a diagram schematically showing user information stored in the user information database according to the present embodiment.
FIG. 5 is a view showing a screen displaying popular movie information generated by the collaboration filtering unit according to the present embodiment.
6A is a diagram schematically showing the operation of the movie recommendation system according to the present embodiment.
6B is a view schematically showing a processing procedure of the movie recommendation system according to the present embodiment.
7 is a flowchart showing the operation of the movie recommendation apparatus according to the present embodiment.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, some embodiments of the present invention will be described in detail with reference to exemplary drawings. It should be noted that, in adding reference numerals to the constituent elements of the drawings, the same constituent elements are denoted by the same reference numerals whenever possible, even if they are shown in different drawings. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 '포함', '구비'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 '…부', '모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.In describing the components of the present invention, terms such as first, second, A, B, (a), and (b) may be used. These terms are intended to distinguish the constituent elements from other constituent elements, and the terms do not limit the nature, order or order of the constituent elements. Throughout the specification, when an element is referred to as being "comprising" or "comprising", it means that it can include other elements as well, without excluding other elements unless specifically stated otherwise . In addition, '... Quot ;, " module ", and " module " refer to a unit that processes at least one function or operation, and may be implemented by hardware or software or a combination of hardware and software.

도 1은 본 실시예에 따른 영화추천 시스템을 개략적으로 나타낸 도면이다.1 is a view schematically showing a movie recommendation system according to the present embodiment.

본 실시예에 따른 영화추천 시스템은 단말기(110), 네트워크(120) 및 영화추천장치(130)를 포함한다.The movie recommendation system according to the present embodiment includes a terminal 110, a network 120, and a movie recommendation apparatus 130. [

단말기(110)는 사용자로부터 사용자 정보를 입력받는 장치를 의미한다. 여기서, 단말기(110)는 사용자의 키 조작 또는 명령에 따라 통신 네트워크(120)를 경유하여 각종 데이터를 송수신할 수 있는 전자기기를 의미한다. 단말기(110)는 유무선 통신이 가능한 태블릿 PC(Tablet PC), 랩톱(Laptop), 개인용 컴퓨터(PC: Personal Computer), 휴대형 멀티미디어 플레이어(PMP: Portable Multimedia Player), 플레이스테이션 포터블(PSP: PlayStation Portable), 무선 통신단말기(Wireless Communication Terminal), 스마트폰(Smart Phone) 및 이동통신단말기(Mobile Communication Terminal) 등 다양한 디지털 기기 중 어느 하나일 수 있다. The terminal 110 refers to a device that receives user information from a user. Here, the terminal 110 refers to an electronic device capable of transmitting and receiving various data via the communication network 120 according to a key operation or a command of a user. The terminal 110 may be a tablet PC, a laptop, a personal computer (PC), a portable multimedia player (PMP), a PlayStation Portable (PSP) , A wireless communication terminal, a smart phone, a mobile communication terminal, and the like.

네트워크(120)는 단말기(110) 및 영화추천장치(130)간의 정보를 송수신하는 통신망을 의미한다. 여기서, 네트워크(120)는 2G, 3G, 4G, 5G, 무선랜 네트워크, 인터넷 네트워크, 인트라넷 네트워크 및 위성통신 네트워크 등을 포함한 유무선 통신 기술을 이용하여 통신 프로토콜로 데이터를 송수신하는 통신망을 의미한다. The network 120 refers to a communication network for transmitting and receiving information between the terminal 110 and the movie recommendation apparatus 130. Here, the network 120 refers to a communication network that transmits and receives data through a communication protocol using a wired / wireless communication technology including 2G, 3G, 4G, 5G, a wireless LAN network, an Internet network, an intranet network and a satellite communication network.

영화추천장치(120)는 단말기(110) 사용자에게 영화를 추천해주는 장치를 의미한다. 여기서, 영화추천장치(120)는 단말기(110)로부터 사용자 영화평가정보를 포함하는 사용자 정보를 입력 받는다. 영화추천장치(120)는 기 설정된 복수의 사용자 모임정보와 사용자 정보를 비교하여 사용자 정보의 유사도정보를 생성한다. 영화추천장치(120)는 유사도정보에 근거하여 사용자 정보를 제1 사용자 모임정보에 포함시키고, 제1 사용자 모임정보에 근거하여 인기영화정보를 생성한다. 영화추천장치(120)는 인기영화정보를 단말기(110)로 전송한다. The movie recommendation apparatus 120 refers to a device for recommending a movie to a user of the terminal 110. Here, the movie recommendation apparatus 120 receives user information including user movie evaluation information from the terminal 110. The movie recommendation apparatus 120 generates similarity information of user information by comparing a plurality of predetermined user meeting information with user information. The movie recommendation apparatus 120 includes user information in the first user meeting information based on the similarity information, and generates popular movie information based on the first user meeting information. The movie recommendation apparatus 120 transmits popular movie information to the terminal 110. [

영화추천장치(120)는 인기영화정보에 대해 단말기(110)로부터 인기영화 평가정보를 수신한다. 영화추천장치(120)는 사용자 영화평가정보 및 인기영화 평가정보에 근거하여 복수의 영화정보 중 추천영화정보를 추출하여 단말기(110)로 전송한다. 영화추천장치(120)는 추천영화정보를 사용자의 SNS로 연결하여 SNS에 디스플레이한다.The movie recommendation apparatus 120 receives popular movie rating information from the terminal 110 for popular movie information. The movie recommendation apparatus 120 extracts recommended movie information among a plurality of movie information based on the user movie evaluation information and popular movie evaluation information, and transmits the extracted movie information to the terminal 110. The movie recommendation apparatus 120 links the recommended movie information to the user's SNS and displays it on the SNS.

도 1에서는 영화추천장치(120)는 단말기(110)로부터 사용자정보를 수신하는 것으로 도시하고 있으나 반드시 이에 한정되는 것은 아니다. 영화추천장치(120)는 사용자로부터 사용자 정보를 직접 입력받을 수 있다.In FIG. 1, the movie recommendation apparatus 120 receives user information from the terminal 110, but the present invention is not limited thereto. The movie recommendation apparatus 120 can receive user information directly from a user.

도 2는 본 실시예에 따른 영화추천장치를 개략적으로 나타낸 도면이다.2 is a view schematically showing a movie recommendation apparatus according to the present embodiment.

본 실시예에 따른 영화추천장치(120)는 정보 수집부(210), 협업 필터링부(220), 평가정보 수집부(230), 내용기반 필터링부(240), SNS 연결부(250) 및 정보 저장부(260)를 포함한다.The movie recommendation apparatus 120 according to the present embodiment includes an information collecting unit 210, a collaboration filtering unit 220, an evaluation information collecting unit 230, a content based filtering unit 240, an SNS connection unit 250, (260).

정보 수집부(210)는 단말기(110)로부터 사용자 영화평가정보를 포함하는 사용자 정보를 입력 받는다. 여기서, 사용자 정보는 사용자 성별정보, 사용자 직업정보, 사용자 나이정보, 사용자 영화장르정보 및 사용자 영화평가정보 중 적어도 하나 이상의 정보를 포함한다. The information collecting unit 210 receives user information including user movie rating information from the terminal 110. Here, the user information includes at least one of user gender information, user job information, user age information, user movie genre information, and user movie evaluation information.

정보 수집부(210)는 단말기(110)로 사용자의 SNS 계정사용을 요청하는 계정사용 요청메시지를 전송한다. 정보 수집부(210)는 단말기(110)로부터 계정사용 요청메시지에 대응되는 계정사용 승인메시지를 수신한다. The information collecting unit 210 transmits an account use request message requesting use of the SNS account of the user to the terminal 110. [ The information collecting unit 210 receives an account use approval message corresponding to the account use request message from the terminal 110. [

협업 필터링부(220)는 사용자 정보 및 기 설정된 복수의 사용자 모임정보를 기반으로 인기영화정보를 생성하여 단말기(110)러 전송한다. 협업 필터링부(220)는 기 설정된 복수의 사용자 모임정보와 사용자 정보를 비교하여 사용자 정보의 유사도정보를 생성한다. 여기서, 유사도정보는 피어슨 상관관계(Pearson Correlation Similarity), 유클리드 거리(Euclidean Distance Similarity), 타니모토 계수(Tanimoto Coefficient Similarity) 및 로그우도(Log Likelihood Similarity)를 사용하여 생성한다. 피어슨 상관관계는 두 변수 예컨대, x, y간의 유사도정보를 산출하는데 사용되며, x와 y가 완전히 동일하면 +1, 전혀 다르면 0, 반대방향으로 완전히 동일하면 -1의 값을 갖는다. 유클리드 거리는 두 변수 예컨대, x, y의 차로 거리값을 산출하고, 거리값에 대응되는 가중치를 이용하여 유사도정보를 산출한다. 타니모토 계수는 두 집합간의 유사도정보를 구하는데 산출하는데 사용되며, 예컨대, A집합에 있는 항목 수, B집합에 있는 항목 수, A집합과 B집합간의 교집합인 C집합에 있는 항목수를 이용하여 유사도정보를 산출한다. 로그우도는 0에 가까울수록 유사도가 높다고 판단한다. The collaborative filtering unit 220 generates popular movie information based on the user information and a predetermined plurality of user meeting information, and transmits the information to the terminal 110. The collaborative filtering unit 220 generates similarity information of user information by comparing a plurality of predetermined user meeting information with user information. Here, the similarity information is generated using Pearson Correlation Similarity, Euclidean Distance Similarity, Tanimoto Coefficient Similarity, and Log Likelihood Similarity. The Pearson correlation is used to calculate similarity information between two variables, for example, x and y, and has a value of +1 if x and y are completely equal, 0 if they are completely different, and -1 if x and y are completely the same. The Euclidean distance is calculated by a difference between two variables, for example, x and y, and the similarity information is calculated using a weight corresponding to the distance value. The Tanimoto coefficient is used to calculate the similarity information between two sets. For example, the number of items in the A set, the number of items in the B set, and the number of items in the C set, which is the intersection of the A set and the B set, Information. The log likelihood is determined to be higher as the similarity is closer to zero.

협업 필터링부(220)는 유사도정보에 근거하여 사용자 정보를 제1 사용자 모임정보에 포함시키고, 제1 사용자 모임정보에 근거하여 인기영화정보를 생성한다. 협업 필터링부(220)는 유사도정보를 기반으로 사용자 정보와 유사도가 가장 높은 제1 사용자 모임정보에 사용자 정보를 포함시킨다. 협업 필터링부(220)는 인기영화정보를 단말기(110)로 전송한다. 협업 필터링부(220)는 제1 사용자 모임정보에 포함되는 영화평가 점수정보를 기반으로 Top-N 알고리즘을 이용하여 영화평가 점수정보를 내림차순 정렬하여 상기 인기영화정보로 생성한다. 영화평가 점수정보는 예컨대, '스타워즈: 2.3점, 어바웃 타임: 10점, 러브액츄얼리: 9.7점, 벤자민버튼의 시간은 거꾸로 간다: 4.5점, 해리포터: 9.5점, 반지의 제왕: 9.4점, 헝거게임: 9점, 어벤져스: 6.4점, 500일의 썸머: 8.7점, 러브레터: 8.6점, 메이즈러너: 7.9점, 내 머리 속의 지우개: 3.6점, 다만 널 사랑하고 있어: 7.8점, 호빗: 6.5점'을 의미한다. 협업 필터링부(220)는 Top-N 알고리즘을 이용하여 영화평가 점수정보를 내림차순 정렬한다. 예컨대, 영화평가 점수정보는 내림차순 정렬하는 경우, '어바웃 타임: 10점, 러브액츄얼리: 9.7점, 해리포터: 9.5점, 반지의 제왕: 9.4점, 헝거게임: 9점, 500일의 썸머: 8.7점, 러브레터: 8.6점, 메이즈러너: 7.9점, 다만 널 사랑하고 있어: 7.8점, 호빗: 6.5점, 어벤져스: 6.4점, 벤자민버튼의 시간은 거꾸로 간다: 4.5점, 내 머리 속의 지우개: 3.6점, 스타워즈: 2.3점'으로 정렬된다. 협업 필터링부(220)는 Top-N 알고리즘을 이용하여 상위 N개의 인기영화정보를 생성한다. 예컨대, 협업 필터링부(220)는 상위 10개의 인기영화정보인 '어바웃 타임: 10점, 러브액츄얼리: 9.7점, 해리포터: 9.5점, 반지의 제왕: 9.4점, 헝거게임: 9점, 500일의 썸머: 8.7점, 러브레터: 8.6점, 메이즈러너: 7.9점, 다만 널 사랑하고 있어: 7.8점, 호빗: 6.5점'을 생성한다.The collaborative filtering unit 220 includes the user information in the first user meeting information based on the similarity information, and generates popular movie information based on the first user meeting information. The collaborative filtering unit 220 includes the user information in the first user meeting information having the highest degree of similarity to the user information based on the similarity information. The collaborative filtering unit 220 transmits the popular movie information to the terminal 110. The collaborative filtering unit 220 generates the popular movie information by sorting the movie rating score information in descending order by using Top-N algorithm based on the movie rating score information included in the first user meeting information. For example, the movie rating information is: "Star Wars: 2.3 points", "Near Times: 10 points", "Love Actuals: 9.7 points", Benjamin Button's time is reversed: 4.5 points, Harry Potter: 9.5 points, Lord of the Rings: Game: 9 points, Avengers: 6.4 points, 500 days of Summer: 8.7 points, Love Letter: 8.6 points, Maze Runner: 7.9 points, Eraser in my head: 3.6 points, I love you: 7.8 points Hobbit: 6.5 points ". The collaborative filtering unit 220 rearranges movie rating score information in descending order using Top-N algorithm. For example, if the movie rating score information is sorted in descending order, "Approach Time: 10 points, Love Actual: 9.7 points, Harry Potter: 9.5 points, Lord of the Rings: 9.4 points, Hunger Game: 9 points, Hobbits: 6.5 points, Avengers: 6.4 points, Benjamin Button's time goes backwards: 4.5 points, Eraser in my head: 3.6, Love Letter: 8.6 points, Maze Runner: 7.9 points, And Star Wars: 2.3 points. The collaborative filtering unit 220 generates the top N popular movie information using Top-N algorithm. For example, the collaborative filtering unit 220 stores the scores of the top 10 popular movie information such as "Approach Time: 10 points, Love Actual: 9.7 points, Harry Potter: 9.5 points, Lord of the Rings: 9.4 points, Hunger Games: 9 points, 8.7 points for Summer, 8.6 points for Love Letter, 7.9 points for Maze Runner, 7.8 points for Loving You, and 6.5 points for Hobbit.

협업 필터링부(220)는 사용자들의 선호도를 수집한 뒤 이를 기반으로 사용자들의 관심사나 유사한 취향을 예측한다. 협업 필터링부(220)는 사용자 정보와 항목 기반으로 정보를 선별한다. 사용자 정보 기반의 협업 필터링부(220)는 사용자들의 선호도나 상품의 평가들을 수집하고 비슷한 성향을 가진 사람들을 연결한다. 이에 따라, 사용자 정보 기반의 협업 필터링부(220)는 이를 기반으로 사용자에게 정보를 제공한다. 항목 기반의 협업 필터링부(220)는 사용자들 대신에 평가된 상품들의 정보를 사용한다. 항목 기반의 협업 필터링부(220)는 사용자들이 과거에 선호했던 제품들과 유사한 제품을 선호하는 경향이 있다는 점을 사용하여 유사한 제품들의 정보를 제공한다.The collaborative filtering unit 220 collects the users' preferences and predicts interests or similar preferences based on the collected preferences. The collaborative filtering unit 220 selects information based on user information and items. The user information based collaborative filtering unit 220 collects user's preferences or evaluations of goods and connects people having a similar tendency. Accordingly, the collaborative filtering unit 220 based on the user information provides information to the user on the basis thereof. The item-based collaborative filtering unit 220 uses information of products evaluated on behalf of users. The item-based collaborative filtering unit 220 provides information on similar products using the fact that users tend to prefer products that are similar to the products that were preferred in the past.

평가정보 수집부(230)는 인기영화정보에 대해 단말기(100)로부터 인기영화 평가정보를 수신한다. 여기서, 인기영화 평가정보는 인기영화정보에 대응되는 평가점수정보 또는 평가내용정보를 포함할 수 있다. 예컨대, 인기영화 평가정보는 '어바웃 타임: 8점, 러브액츄얼리: 4점, 해리포터: 9점, 반지의 제왕: 7점, 헝거게임: 3점, 500일의 썸머: 2점, 러브레터: 8점, 메이즈러너: 2점, 다만 널 사랑하고 있어: 6점, 호빗: 2점'을 의미한다.The evaluation information collection unit 230 receives the popular movie evaluation information from the terminal 100 for the popular movie information. Here, the popular movie evaluation information may include evaluation score information or evaluation content information corresponding to the popular movie information. For example, popular movie rating information is "About Time: 8 points, Love Actual: 4 points, Harry Potter: 9 points, Lord of the Rings: 7 points, Hunger Game: 3 points, 500 days of Summer: 2 points, Love Letter: 8 Point, Maze Runner: 2 points, I just love you: 6 points, Hobbit: 2 points.

내용기반 필터링부(240)는 사용자 영화평가정보 및 인기영화 평가정보에 근거하여 복수의 영화정보 중 추천영화정보를 추출하여 단말기(110)로 전송한다. 사용자 영화평가정보는 사용자가 상영한 영화에 대한 평가점수정보 또는 평가내용정보를 의미한다. 사용자 영화평가정보는 예컨대, '말할 수 없는 비밀: 10점, 최고로 기억될 영화'를 의미한다. 내용기반 필터링부(240)는 사용자 영화평가정보와 인기영화 평가정보를 기반으로 복수의 영화정보 별로 평가점수를 생성하고, 평가점수를 내림차순 정렬하여 추천영화정보를 추출한다. 여기서, 추천영화정보는 예컨데, '비긴 어게인, 타이타닉, 윔 바디스, 위대한 개츠비, 시라노 연애조작단, 이별계약, 엽기적인 그녀, 연애의 온도, 이프 온리, 천사의 사랑'을 의미한다.The content-based filtering unit 240 extracts the recommended movie information from the plurality of movie information based on the user movie rating information and the popular movie rating information, and transmits the extracted movie information to the terminal 110. The user movie rating information means rating score information or rating content information about a movie played by the user. The user movie evaluation information means, for example, "a secret that can not be spoken: ten points, a movie to be memorized the best". Based on the user movie evaluation information and popular movie evaluation information, the content-based filtering unit 240 generates evaluation scores for each of a plurality of movie information items, and arranges the evaluation scores in descending order to extract the recommended movie information. Here, the recommended movie information means, for example, "Beginning Again, Titanic, Wim Bardis, The Great Gatsby, Cirano's Love Story, Farewell Contract, Scary She, Love Temperature, Only Only, Angel's Love".

내용기반 필터링부(240)는 사용자 영화평가정보와 인기영화 평가정보를 기반으로 트리 클러스터(Tree Cluster) 기반 추천 알고리즘, 일반항목(Item CF) 기반 추천 알고리즘, KNN 항목(Item KNN) 기반 추천 알고리즘, Slope-One 추천 알고리즘, 일반 사용자(User CF) 기반 추천 알고리즘, SVD 추천 알고리즘 등을 이용하여 추천영화정보를 추출한다. Based on the user movie evaluation information and the popular movie evaluation information, the content-based filtering unit 240 generates a recommendation algorithm based on a tree cluster, a recommendation algorithm based on Item CF, a recommendation algorithm based on a KNN item (Item KNN) Slope-One recommendation algorithm, recommendation algorithm based on User CF (CF), and SVD recommendation algorithm.

내용기반 필터링부(240)는 자연 언어 처리나 정보 검색 분야에 기반을 두고 있으며 정보의 내용이나 사용자의 정보들을 비교하여 사용자에게 적합한 정보를 제공해준다. 내용기반 필터링부(240)는 불리안 모델, 벡터공간 모델, 확률모델 등과 같은 기법을 사용하며 사용자가 과거에 사용했거나 평가했던 상품의 유사도를 측정하여 정보를 제공한다. The content-based filtering unit 240 is based on the natural language processing or the information search field, and compares information of the information or information of the user to provide information suitable for the user. The content-based filtering unit 240 uses a technique such as a Boolean model, a vector space model, a probability model, and the like, and provides information by measuring a degree of similarity of a product that the user has used or evaluated in the past.

SNS 연결부(250)는 추천영화정보를 사용자의 SNS로 연결하여 SNS에 디스플레이한다. SNS 연결부(250)는 정보 수집부(210)에서 수신한 계정사용 승인메시지에 근거하여 사용자의 SNS로 연결한다. SNS 연결부(250)는 SNS에 추천영화정보 예컨대, '비긴 어게인, 타이타닉, 윔 바디스, 위대한 개츠비, 시라노 연애조작단, 이별계약, 엽기적인 그녀, 연애의 온도, 이프 온리, 천사의 사랑'을 디스플레이한다.The SNS connection unit 250 links the recommended movie information to the user's SNS and displays it on the SNS. The SNS connection unit 250 connects to the user's SNS based on the account use approval message received by the information collection unit 210. [ The SNS connection unit 250 displays recommended movie information such as' Beginning Again, Titanic, Wim Bardis, Great Gatsby, Cirano's love manipulation unit, farewell contract, bizarre her, romantic temperature, .

정보 저장부(260)는 단말기(110)로부터 수신한 정보, 기존의 복수의 사용자의 단말기로부터 수신한 정보 및 영화추천장치에 관련되는 복수의 정보를 저장하는 데이터베이스를 의미한다. 정보 저장부(160)는 사용자 정보 데이터베이스(262) 및 영화정보 데이터베이스(264)를 포함한다. 사용자 정보 데이터베이스(262)는 사용자 정보를 저장한다. 영화정보 데이터베이스(264)는 복수의 영화정보를 저장한다.The information storage unit 260 stores information received from the terminal 110, information received from a plurality of existing user terminals, and a plurality of pieces of information related to the movie recommendation apparatus. The information storage unit 160 includes a user information database 262 and a movie information database 264. The user information database 262 stores user information. The movie information database 264 stores a plurality of pieces of movie information.

도 3a은 본 실시예에 따른 정보 수집부에서 단말기로부터 사용자정보를 수집하기 위한 사용자정보 수집화면을 개략적으로 나타낸 도면이다.3A is a diagram schematically showing a user information collection screen for collecting user information from a terminal in the information collection unit according to the present embodiment.

도 3a를 보면, 사용자정보 수집화면은 성별, 나이, 직업, 좋아하는 영화장르를 사용자로부터 입력받도록 구성된다. 여기서, 좋아하는 영화장르는 액션, 모험, 애니메이션, 어린이용, 코미디, 범죄, 다큐멘터리, 드라마, 판타지, 느와르, 호러, 뮤지컬, 미스터리, 로맨스, SF, 스릴러, 전쟁, 서부극을 의미한다. 사용자는 단말기(100)에 디스플레이되는 사용자정보 수집화면을 기반으로 '성별: 여자, 나이: 18세 미만, 직업: 학술/교육가, 좋아하는 영화장르: 어린이용, 다큐멘터리, 드라마, 미스터리'를 선택한다.Referring to FIG. 3A, the user information collection screen is configured to receive sex, age, occupation, and a favorite movie genre from a user. Here, my favorite movie genres are action, adventure, animation, kids, comedy, crime, documentary, drama, fantasy, noir, horror, musical, mystery, romance, SF, thriller, war, Western. The user selects 'Gender: Female, Age: Under 18 years of age, Occupation: Academic / Educator, Favorite movie genre: Children, Documentary, Drama, Mystery' based on the user information collection screen displayed on the terminal 100 .

도 3b는 본 실시예에 따른 정보 수집부에서 단말기로부터 사용자정보 중 사용자 영화평가정보를 수집하기 위한 사용자 영화평가정보 수집화면을 개략적으로 나타낸 도면이다.FIG. 3B is a view schematically showing a user movie evaluation information collection screen for collecting user movie evaluation information among user information from the terminal in the information collecting unit according to the present embodiment.

도 3b를 보면, 사용자 영화평가정보 수집화면은 영화제목, 영화 개봉년도, 영화장르정보를 제공한다. 사용자 영화평가정보 수집화면은 영화제목 별로 평가점수를 선택할 수 있도록 평가점수 선택화면을 제공한다. 사용자는 사용자 영화평가정보 수집화면을 기반으로 'Out of Sight(1998): 별점 2점, Dangerous Liaisons(1988): 별점 3점, 101 Dalmatians(Ons Hundred and One Dalmatians)(1961): 별점 1점'을 선택한다.Referring to FIG. 3B, the user movie rating information collection screen provides a movie title, a movie release year, and movie genre information. The user movie evaluation information collection screen provides the evaluation score selection screen so that the evaluation score can be selected for each movie title. (1998): 2 stars, Dangerous Liaisons (1988): 3 stars, 101 Dalmatians (1961): 1 star rating: .

도 4는 본 실시예에 따른 사용자 정보 데이터베이스에 저장되는 사용자 정보를 개략적으로 나타낸 도면이다.4 is a diagram schematically showing user information stored in the user information database according to the present embodiment.

도 4를 보면, 사용자정보는 성별, 직업, 나이, 타입을 기준으로 분류된다. 성별은 남자(Male), 여자(Female)로 분류된다. 직업은 관리자, 예술가, 의사, 교육자, 공학자, 연예인, 관리직, 의료진, 주부, 법조인, 사서, 마케팅, 프로그래머, 은퇴자, 판매자, 과학자, 학생, 기술자, 작가 및 그외로 분류된다. 나이는 18세 미만, 18세 이상 25세 이하, 26세 이상 35세 이하, 36세 이상 45세 이하, 46세 이상 55세 이하, 56세 이상 65세 이하, 65세 초과로 분류된다. 타입은 영화장르에 대한 정보로 액션, 모험, 애니메이션, 어린이용, 코미디, 범죄, 다큐멘터리, 드라마, 판타지, 느와르, 호러, 뮤지컬, 미스터리, 로맨스, SF, 스릴러, 전쟁, 서부극으로 분류된다.Referring to FIG. 4, the user information is classified based on sex, occupation, age, and type. Sex is classified into Male and Female. Jobs are classified as managers, artists, doctors, educators, engineers, entertainers, managers, medical staff, housewives, lawyers, librarians, marketers, programmers, retirees, sellers, scientists, students, technicians, writers and others. Age ranges from 18 to 18, from 25 to 25, from 26 to 35, from 36 to 45, from 46 to 55, from 56 to 65, and from 65 to over. Types are classified as action, adventure, animation, children, comedy, crime, documentary, drama, fantasy, noir, horror, musical, mystery, romance, SF, thriller, war and Western.

도 5는 본 실시예에 따른 협업 필터링부에서 생성한 인기영화정보를 디스플레이한 화면을 나타낸 도면이다. FIG. 5 is a view showing a screen displaying popular movie information generated by the collaboration filtering unit according to the present embodiment.

도 5를 보면, 인기영화정보를 디스플레이한 화면은 1번부터 10번까지 순차적으로 영화제목을 디스플레이한다. 인기영화정보를 디스플레이한 화면은 '1. How to Train Your Dragon 2, 2. The LEGO MOVIE, 3. Non-Stop, 4. Lone Survivor, 5. Third Person, 6. Transformers: Age of Extinction, 7. Jersey Boys, 8. X-MEN: Days of Future Past, 9. Godzila, 10. A Million Ways to Die in the West'로 구현 가능하다.Referring to FIG. 5, the screen displaying the popular movie information sequentially displays movie titles from 1 to 10 times. The screen displaying the popular movie information is' 1. How to Train Your Dragon 2, 2. The LEGO MOVIE, 3. Non-Stop, 4. Lone Survivor, 5. Third Person, 6. Transformers: Age of Extinction, 7. Jersey Boys, 8. X-MEN: Days of Future Past, 9. Godzila, 10. A Million Ways to Die in the West '.

도 6a는 본 실시예에 따른 영화추천 시스템의 동작을 개략적으로 나타낸 도면이다. 6A is a diagram schematically showing the operation of the movie recommendation system according to the present embodiment.

도 6a를 보면, 영화추천 시스템은 새로운 사용자가 단말기를 이용하여 등록하는 경우, 트위터, 페이스북 및 유투브 계정을 입력받는다. 영화추천 시스템은 새로운 사용자로부터 입력받은 트위터, 페이스북 및 유투브 계정정보에 따라 새로운 사용자의 정보를 수집한다. 영화추천 시스템은 영화 태그를 추가하여 기 설정된 항목을 기반으로 유사도를 계산한다. 영화추천 시스템은 유사도를 기반으로 추천 영화 목록을 생성한다. 영화추천 시스템은 새로운 사용자로부터 입력받은 트위터, 페이스북 및 유투브 계정정보에 따라 적당한 이웃을 찾기위한 프로파일을 구축한다. 영화추천 시스템은 적당한 사용자 클러스터에 이웃을 매치(Match)한다. 영화추천 시스템은 적당한 사용자 클러스터를 기반으로 추천 영화목록을 생성한다. 영화추천 시스템은 기 저장된 사용자의 프로필정보에 따라 영화 순위를 확인한다. 영화추천 시스템은 영화 순위에 따라 최고 영화 목록을 생성한다.Referring to FIG. 6A, the movie recommendation system receives a Twitter, Facebook, and YouTube account when a new user registers using the terminal. The movie recommendation system collects new user information according to the Twitter, Facebook, and YouTube account information input from the new user. The movie recommendation system adds a movie tag to calculate the similarity based on the preset items. The movie recommendation system generates a recommended movie list based on the similarity. The movie recommendation system builds a profile for finding suitable neighbors based on Twitter, Facebook, and YouTube account information input from new users. The movie recommendation system matches the neighborhood to the appropriate user cluster. The movie recommendation system creates a list of recommended movies based on the appropriate user clusters. The movie recommendation system confirms the movie ranking according to the profile information of the pre-stored user. The movie recommendation system generates a best movie list according to the movie ranking.

도 6b는 본 실시예에 따른 영화추천 시스템의 처리과정을 개략적으로 나타낸 도면이다. 6B is a view schematically showing a processing procedure of the movie recommendation system according to the present embodiment.

도 6b를 보면, 영화추천 시스템은 사용자로부터 단말기를 이용하여 정보 데이터를 수집한다. 영화추천 시스템은 수집한 정보 데이터를 모델링한다. 영화추천 시스템은 수집한 정보 데이터 및 기 저장된 정보 데이터를 기반으로 유사도를 측정한다. 영화추천 시스템은 기 저장된 이웃 모음정보를 이용하여 영화추천정보를 생성한다.Referring to FIG. 6B, the movie recommendation system collects information data from a user using a terminal. The movie recommendation system models the collected information data. The movie recommendation system measures the similarity based on collected information data and stored information data. The movie recommendation system generates movie recommendation information using previously stored neighbor collection information.

도 7은 본 실시예에 따른 영화추천장치의 동작을 나타낸 순서도이다. 7 is a flowchart showing an operation of the movie recommendation apparatus according to the present embodiment.

영화추천장치(130)는 단말기(110)로부터 사용자 정보를 입력받는다(S710). 영화추천장치(130)는 단말기(110)로부터 사용자 성별정보, 사용자 직업정보, 사용자 나이정보, 사용자 영화장르정보 및 사용자 영화평가정보 중 적어도 하나 이상의 정보를 포함하는 사용자 정보를 입력받는다. 영화추천장치(130)는 단말기(110)로 사용자의 SNS 계정사용을 요청하는 계정사용 요청메시지를 전송한다. 영화추천장치(130)는 단말기(110)로부터 계정사용 요청메시지에 대응되는 계정사용 승인메시지를 수신한다. The movie recommendation apparatus 130 receives user information from the terminal 110 (S710). The movie recommendation apparatus 130 receives user information including at least one of user gender information, user job information, user age information, user movie genre information, and user movie evaluation information from the terminal 110. The movie recommendation apparatus 130 transmits an account use request message requesting use of the user's SNS account to the terminal 110. [ The movie recommendation apparatus 130 receives an account use approval message corresponding to the account use request message from the terminal 110. [

영화추천장치(130)는 복수의 사용자 모임정보와 사용자정보를 기반으로 인기영화정보를 생성하여 단말기(110)로 전송한다(S720). 영화추천장치(130)는 유사도정보를 기반으로 사용자 정보와 유사도가 가장 높은 제1 사용자 모임정보에 사용자 정보를 포함시킨다. 영화추천장치(130)는 제1 사용자 모임정보에 포함되는 영화평가 점수정보를 기반으로 Top-N 알고리즘을 이용하여 영화평가 점수정보를 내림차순 정렬하여 인기영화정보로 생성한다.The movie recommendation apparatus 130 generates popular movie information based on a plurality of user meeting information and user information, and transmits the popular movie information to the terminal 110 (S720). The movie recommendation apparatus 130 includes the user information in the first user meeting information having the highest degree of similarity to the user information based on the similarity information. The movie recommendation device 130 arranges the movie rating score information in descending order using the Top-N algorithm based on the movie rating score information included in the first user meeting information, and generates the popular movie information.

영화추천장치(130)는 인기영화정보에 대해 단말기(110)로부터 인기영화 평가정보를 수신한다(S730). 사용자는 단말기(110)를 이용하여 인기영화정보에 대응되는 인기영화 평가정보를 입력한다. 영화추천장치(130)는 단말기(110)로부터 사용자가 입력한 인기영화 평가정보를 수신한다.The movie recommendation apparatus 130 receives popular movie rating information from the terminal 110 for popular movie information (S730). The user inputs the popular movie rating information corresponding to the popular movie information using the terminal 110. [ The movie recommendation apparatus 130 receives popular movie rating information input by the user from the terminal 110. [

영화추천장치(130)는 사용자 정보에 포함되는 사용자 영화평가정보 및 인기영화 평가정보에 근거하여 복수의 영화정보 중 추천영화정보를 추출하여 단말기(110)로 전송한다(S740). 영화추천장치(130)는 사용자 영화평가정보와 인기영화 평가정보를 기반으로 복수의 영화정보 별로 평가점수를 생성하고, 평가점수를 내림차순 정렬하여 추천영화정보를 추출한다. The movie recommendation device 130 extracts the recommended movie information among the plurality of movie information based on the user movie evaluation information and popular movie evaluation information included in the user information, and transmits the extracted movie information to the terminal 110 (S740). The movie recommendation device 130 generates evaluation scores for a plurality of pieces of movie information based on the user movie evaluation information and popular movie evaluation information, and extracts the recommended movie information by sorting the evaluation scores in descending order.

영화추천장치(130) 추천영화정보를 SNS에 디스플레이한다(S750). 사용자와 SNS상 지인들은 추천영화정보를 사용자 SNS를 이용하여 확인 가능하다.The movie recommendation apparatus 130 displays the recommended movie information on the SNS (S750). The user and the SNS advertisers can confirm the recommended movie information using the user SNS.

도 7에서는 단계 S710 내지 단계 S750을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 7에 기재된 순서를 변경하여 실행하거나 단계 S710 내지 단계 S750 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 7은 시계열적인 순서로 한정되는 것은 아니다.7, steps S710 to S750 are sequentially executed. However, this is merely an exemplary description of the technical idea of the present embodiment, and it is obvious to those skilled in the art that the present invention is not limited to this embodiment It will be understood that various changes and modifications may be made to the invention without departing from the essential characteristics thereof, or alternatively, by executing one or more of steps S710 through S750 in parallel, But is not limited thereto.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통산의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것을 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하면, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present embodiment, and various changes and modifications may be made by those skilled in the art without departing from the essential characteristics of the embodiments. Therefore, the present embodiments are to be construed as illustrative rather than limiting, and the scope of the technical idea of the present embodiment is not limited by these embodiments. It is to be understood that the scope of the present invention is to be construed as being limited only by the scope of the appended claims.

110: 단말기 120: 네트워크
130: 영화추천장치 210: 정보 수집부
220: 협업 필터링부 230: 평가정보 수집부
240: 내용기반 필터링부 250: SNS 연결부
260: 정보 저장부 262: 사용자 정보 데이터베이스
264: 영화정보 데이터베이스110: terminal 120: network
130: Movie Recommendation Apparatus 210: Information Collection Unit
220: Collaborative filtering unit 230: Evaluation information collecting unit
240: content-based filtering unit 250: SNS connection
260: information storage unit 262: user information database
264: Movie information database

Claims (11)

단말기로부터 영화제목, 영화 개봉년도 및 영화장르정보를 포함하는 사용자 영화평가정보가 포함된 사용자 정보를 입력 받고, 상기 단말기로 사용자의 SNS 계정사용을 요청하는 계정사용 요청메시지를 전송하고, 상기 단말기로부터 계정사용 요청메시지에 대응되는 계정사용 승인메시지를 수신하는 정보 수집부;
상기 사용자 정보를 저장하는 사용자 정보 데이터베이스;
기 설정된 복수의 사용자 모임정보와 상기 사용자 정보를 비교하여 상기 사용자 정보의 유사도정보를 생성하고, 상기 유사도정보에 근거하여 상기 사용자 정보를 제1 사용자 모임정보에 포함시키고, 상기 제1 사용자 모임정보에 근거하여 인기영화정보를 생성하고, 상기 인기영화정보를 상기 단말기로 전송하는 협업 필터링부;
상기 인기영화정보에 대해 사용자로부터 평가받은 인기영화 평가정보를 상기 단말기로부터 수신하는 평가정보 수집부;
복수의 영화정보를 저장하는 영화정보 데이터베이스;
불리안 모델, 벡터공간 모델, 확률모델 등과 같은 기법을 사용하여 상기 사용자 영화평가정보 및 상기 인기영화 평가정보에 근거하여 상기 복수의 영화정보 중 추천영화정보를 추출하여 상기 단말기로 전송하는 내용기반 필터링부; 및
상기 수신한 계정사용 승인메시지를 따라 사용자의 SNS 계정을 사용할 권한을 부여받아 상기 추천영화정보를 사용자의 SNS로 연결하고 상기 SNS에 디스플레이하는 SNS 연결부
를 포함하는 것을 특징으로 하는 영화추천장치.Receiving user information including user movie evaluation information including a movie title, a movie opening date, and movie genre information from the terminal, transmitting an account use request message requesting use of the user's SNS account to the user terminal, An information collecting unit for receiving an account use approval message corresponding to the account use request message;
A user information database for storing the user information;
The method comprising: generating similarity information of the user information by comparing a plurality of predetermined user meeting information with the user information; storing the user information in the first user meeting information based on the similarity information; A collaborative filtering unit that generates popular movie information based on the popularity information and transmits the popular movie information to the terminal;
An evaluation information collection unit for receiving, from the terminal, popular movie evaluation information evaluated by a user for the popular movie information;
A movie information database for storing a plurality of pieces of movie information;
Based filtering for extracting recommended movie information among the plurality of movie information based on the user movie evaluation information and the popular movie evaluation information using a technique such as a discrete model, a vector space model, a probability model, part; And
An SNS connection unit for receiving the authorization to use the user's SNS account according to the received account use approval message and connecting the recommended movie information to the user's SNS and displaying the SNS on the SNS,
Wherein the motion recommendation apparatus comprises: 제 1 항에 있어서,
상기 협업 필터링부는,
사용자 성별정보, 사용자 직업정보, 사용자 나이정보, 사용자 영화장르정보 및 사용자 영화평가정보 중 적어도 하나 이상의 정보를 포함하는 상기 사용자 정보에 근거하여 상기 복수의 모임정보와 상기 사용자 정보와의 상기 유사도정보를 생성하는 것을 특징으로 하는 영화추천장치.The method according to claim 1,
Wherein the collaborative filtering unit comprises:
Based on the user information including at least one of user gender information, user job information, user age information, user movie genre information, and user movie evaluation information, the similarity information of the plurality of meeting information and the user information Wherein the movie recommendation apparatus generates the movie recommendation apparatus. 제 2 항에 있어서,
상기 협업 필터링부는,
상기 유사도정보를 기반으로 상기 사용자 정보와 유사도가 가장 높은 상기 제1 사용자 모임정보에 상기 사용자 정보를 포함하는 것을 특징으로 하는 영화추천장치.3. The method of claim 2,
Wherein the collaborative filtering unit comprises:
And the user information is included in the first user meeting information having the highest degree of similarity to the user information based on the similarity information. 제 1 항에 있어서,
상기 협업 필터링부는,
상기 제1 사용자 모임정보에 포함되는 영화평가 점수정보를 기반으로 Top-N 알고리즘을 이용하여 상기 영화평가 점수정보를 내림차순 정렬하여 상기 인기영화정보로 생성하는 것을 특징으로 하는 영화추천장치.The method according to claim 1,
Wherein the collaborative filtering unit comprises:
Wherein the movie recommendation information generating unit generates the popular movie information by sorting the movie rating score information in descending order by using Top-N algorithm based on movie rating score information included in the first user meeting information. 제 1 항에 있어서,
상기 내용기반 필터링부는,
상기 사용자 영화평가정보와 상기 인기영화 평가정보를 기반으로 상기 복수의 영화정보 별로 평가점수를 생성하고, 상기 평가점수를 내림차순 정렬하여 상기 추천영화정보를 추출하는 것을 특징으로 하는 영화추천장치.The method according to claim 1,
The content-
Wherein the score generating unit generates rating scores for each of the plurality of movie information based on the user movie rating information and the popular movie rating information and extracts the recommended movie information by sorting the rating points in descending order. 단말기로부터 영화제목, 영화 개봉년도 및 영화장르정보를 포함하는 제1영화평가정보가 포함된 사용자 정보를 입력받는 정보 수집부;
상기 사용자 정보와 하나 또는 복수의 다른 사용자의 정보를 비교하여 유사도를 판단하고, 상기 판단된 유사도에 따라 결정된 상기 다른 사용자 정보에 근거하여 제1영화리스트를 생성하고 상기 사용자의 단말기에 전송하는 제1필터링부;
상기 제1영화리스트에 대해 상기 사용자로부터 제2영화평가정보를 수신하는 평가정보 수집부; 및
불리안 모델, 벡터공간 모델, 확률모델 등과 같은 기법을 사용하여 상기 제1영화평가정보와 상기 제2영화평가정보에 근거하여 제2영화리스트를 추출하여 상기 단말기로 전송하는 제2필터링부
를 포함하는 것을 특징으로 하는 영화추천장치.An information collecting unit for receiving user information including first movie evaluation information including a movie title, a movie release year, and movie genre information from a terminal;
A first movie list generating unit that generates a first movie list based on the other user information determined according to the determined degree of similarity and transmits the first movie list to the user terminal; A filtering unit;
An evaluation information collection unit that receives second movie rating information from the user for the first movie list; And
Extracting a second movie list based on the first movie evaluation information and the second movie evaluation information using a technique such as a discrete model, a vector space model, a probability model, and the like, and transmitting the extracted second movie list to the terminal,
Wherein the motion recommendation apparatus comprises: 단말기로부터 영화제목, 영화 개봉년도 및 영화장르정보를 포함하는 사용자 영화평가정보가 포함된 사용자 정보를 입력 받고, 상기 단말기로 사용자의 SNS 계정사용을 요청하는 계정사용 요청메시지를 전송하고, 상기 단말기로부터 계정사용 요청메시지에 대응되는 계정사용 승인메시지를 수신하는 정보 수집과정;
상기 사용자 정보를 저장하는 사용자 정보 저장과정;
기 설정된 복수의 사용자 모임정보와 상기 사용자 정보를 비교하여 상기 사용자 정보의 유사도정보를 생성하고, 상기 유사도정보에 근거하여 상기 사용자 정보를 제1 사용자 모임정보에 포함시키고, 상기 제1 사용자 모임정보에 근거하여 인기영화정보를 생성하고, 상기 인기영화정보를 상기 단말기로 전송하는 협업 필터링과정;
상기 인기영화정보에 대해 사용자로부터 평가받은 인기영화 평가정보를 상기 단말기로부터 수신하는 평가정보 수집과정;
복수의 영화정보를 저장하는 영화정보 저장과정;
불리안 모델, 벡터공간 모델, 확률모델 등과 같은 기법을 사용하여 상기 사용자 정보에 포함되는 사용자 영화평가정보 및 상기 인기영화 평가정보에 근거하여 상기 복수의 영화정보 중 추천영화정보를 추출하여 상기 단말기로 전송하는 내용기반 필터링과정; 및
상기 수신한 계정사용 승인메시지를 따라 사용자의 SNS 계정을 사용할 권한을 부여받아 상기 추천영화정보를 사용자의 SNS로 연결하고 상기 SNS에 디스플레이하는 SNS 연결과정
을 포함하는 것을 특징으로 하는 영화추천방법.Receiving user information including user movie evaluation information including a movie title, a movie opening date, and movie genre information from the terminal, transmitting an account use request message requesting use of the user's SNS account to the user terminal, An information collecting process of receiving an account use approval message corresponding to the account use request message;
A user information storing step of storing the user information;
The method comprising: generating similarity information of the user information by comparing a plurality of predetermined user meeting information with the user information; storing the user information in the first user meeting information based on the similarity information; A collaborative filtering process of generating popular movie information based on the popularity information, and transmitting the popular movie information to the terminal;
An evaluation information collection step of receiving, from the terminal, popular movie evaluation information evaluated by a user for the popular movie information;
A movie information storing step of storing a plurality of movie information;
Extracts the recommended movie information among the plurality of movie information based on the user movie evaluation information included in the user information and the popular movie evaluation information using a technique such as a discrete model, a vector space model, a probability model, A content-based filtering process; And
An SNS connection process for connecting the recommended movie information to the user's SNS and displaying the recommended movie information on the SNS in response to the received account use approval message,
Wherein the recommendation method comprises the steps of: 제 7 항에 있어서,
상기 협업 필터링과정은,
사용자 성별정보, 사용자 직업정보, 사용자 나이정보, 사용자 영화장르정보 및 사용자 영화평가정보 중 적어도 하나 이상의 정보를 포함하는 상기 사용자 정보에 근거하여 상기 복수의 모임정보와 상기 사용자 정보와의 상기 유사도정보를 생성하는 것을 특징으로 하는 영화추천방법.8. The method of claim 7,
The collaborative filtering process includes:
Based on the user information including at least one of user gender information, user job information, user age information, user movie genre information, and user movie evaluation information, the similarity information of the plurality of meeting information and the user information The movie recommendation method. 제 7 항에 있어서,
상기 협업 필터링과정은,
상기 유사도정보를 기반으로 상기 사용자 정보와 유사도가 가장 높은 상기 제1 사용자 모임정보에 상기 사용자 정보를 포함하는 것을 특징으로 하는 영화추천방법8. The method of claim 7,
The collaborative filtering process includes:
And the user information is included in the first user meeting information having the highest degree of similarity to the user information based on the similarity information. 제 7 항에 있어서,
상기 협업 필터링과정은,
상기 제1 사용자 모임정보에 포함되는 영화평가 점수정보를 기반으로 Top-N 알고리즘을 이용하여 상기 영화평가 점수정보를 내림차순 정렬하여 상기 인기영화정보로 생성하는 것을 특징으로 하는 영화추천방법.8. The method of claim 7,
The collaborative filtering process includes:
Wherein the popular movie information is generated by sorting the movie rating score information in a descending order by using Top-N algorithm based on movie rating score information included in the first user meeting information. 제 7 항에 있어서,
상기 내용기반 필터링과정은,
상기 사용자 영화평가정보와 상기 인기영화 평가정보를 기반으로 상기 복수의 영화정보 별로 평가점수를 생성하고, 상기 평가점수를 내림차순 정렬하여 상기 추천영화정보를 추출하는 것을 특징으로 하는 영화추천방법.8. The method of claim 7,
The content-
Wherein the evaluation score generating unit generates evaluation scores for each of the plurality of movie information based on the user movie evaluation information and the popular movie evaluation information and extracts the recommended movie information by sorting the evaluation scores in descending order.
KR1020150008856A 2015-01-19 2015-01-19 Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based KR101639987B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150008856A KR101639987B1 (en) 2015-01-19 2015-01-19 Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150008856A KR101639987B1 (en) 2015-01-19 2015-01-19 Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based

Publications (1)

Publication Number Publication Date
KR101639987B1 true KR101639987B1 (en) 2016-07-18

Family

ID=56679765

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150008856A KR101639987B1 (en) 2015-01-19 2015-01-19 Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based

Country Status (1)

Country Link
KR (1) KR101639987B1 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101859620B1 (en) * 2016-12-23 2018-05-18 충북대학교 산학협력단 Method and system for recommending content based on trust in online social network
KR20190030194A (en) 2018-12-31 2019-03-21 씨제이씨지브이 주식회사 Method and server for providing movie and movie theater recommendation based on movie theater recommendations
KR20190091814A (en) * 2018-01-29 2019-08-07 대구대학교 산학협력단 Content-based advertisement target apparatus and method
WO2019212538A1 (en) * 2018-04-30 2019-11-07 Facebook, Inc. Combining machine-learning and social data to generate personalized recommendations
KR20210123706A (en) * 2020-04-03 2021-10-14 주식회사 엘지유플러스 Method and Apparatus for Content Recommendation Based on User-Based Collaborative Filtering
KR20220107399A (en) 2021-01-25 2022-08-02 공주대학교 산학협력단 Apparatus for recommending movie

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090010866A (en) * 2007-07-24 2009-01-30 삼성전자주식회사 Method and apparatus for information recommendation using hybrid algorithm
KR20120104648A (en) * 2010-10-26 2012-09-24 주식회사 케이티 Apparatus and method for recommending person tailored contents and its system and method
KR20140056627A (en) * 2012-10-30 2014-05-12 주식회사 케이티 Server and method for recommanding contents and, device
KR20140136592A (en) * 2013-05-20 2014-12-01 동덕여자대학교 산학협력단 System and method for recommending music combining listening habit and tag information

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090010866A (en) * 2007-07-24 2009-01-30 삼성전자주식회사 Method and apparatus for information recommendation using hybrid algorithm
KR20120104648A (en) * 2010-10-26 2012-09-24 주식회사 케이티 Apparatus and method for recommending person tailored contents and its system and method
KR20140056627A (en) * 2012-10-30 2014-05-12 주식회사 케이티 Server and method for recommanding contents and, device
KR20140136592A (en) * 2013-05-20 2014-12-01 동덕여자대학교 산학협력단 System and method for recommending music combining listening habit and tag information

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101859620B1 (en) * 2016-12-23 2018-05-18 충북대학교 산학협력단 Method and system for recommending content based on trust in online social network
KR20190091814A (en) * 2018-01-29 2019-08-07 대구대학교 산학협력단 Content-based advertisement target apparatus and method
KR102030383B1 (en) 2018-01-29 2019-10-10 대구대학교 산학협력단 Content-based advertisement target apparatus and method
WO2019212538A1 (en) * 2018-04-30 2019-11-07 Facebook, Inc. Combining machine-learning and social data to generate personalized recommendations
US11514333B2 (en) 2018-04-30 2022-11-29 Meta Platforms, Inc. Combining machine-learning and social data to generate personalized recommendations
KR20190030194A (en) 2018-12-31 2019-03-21 씨제이씨지브이 주식회사 Method and server for providing movie and movie theater recommendation based on movie theater recommendations
KR20210123706A (en) * 2020-04-03 2021-10-14 주식회사 엘지유플러스 Method and Apparatus for Content Recommendation Based on User-Based Collaborative Filtering
KR102357357B1 (en) * 2020-04-03 2022-01-27 주식회사 엘지유플러스 Method and Apparatus for Content Recommendation Based on User-Based Collaborative Filtering
KR20220107399A (en) 2021-01-25 2022-08-02 공주대학교 산학협력단 Apparatus for recommending movie

Similar Documents

Publication Publication Date Title
US20220174362A1 (en) Profiling media characters
KR101639987B1 (en) Method and Apparatus for Movies Recommendation by Using Hybrid Filtering Based
Toubia et al. Extracting features of entertainment products: A guided latent dirichlet allocation approach informed by the psychology of media consumption
McKelvey et al. Discoverability: Toward a definition of content discovery through platforms
Burroughs YouTube kids: The app economy and mobile parenting
US20190392330A1 (en) System and method for generating aspect-enhanced explainable description-based recommendations
Selke et al. Pushing the boundaries of crowd-enabled databases with query-driven schema expansion
Comor Contextualizing and critiquing the fantastic prosumer: Power, alienation and hegemony
Musto et al. Semantics-aware recommender systems exploiting linked open data and graph-based features
CN112074857A (en) Combining machine learning and social data to generate personalized recommendations
CN103890761B (en) The method and apparatus for automatically generating recommendation
Rogers The network is your customer: five strategies to thrive in a digital age
Schrage Recommendation engines
CN104969173A (en) Method for adaptive conversation state management with filtering operators applied dynamically as part of a conversational interface
EP3259685A1 (en) Methods, systems, and media for presenting search results
CN106469170B (en) The treating method and apparatus of text data
US20130117784A1 (en) System and method for displaying information of television advertised product and recording media thereof
CN108595493A (en) Method for pushing and device, storage medium, the electronic device of media content
Deldjoo et al. Movie genome recommender: A novel recommender system based on multimedia content
US20140337250A1 (en) Information providing system, server device, recording medium, and control method
US9058328B2 (en) Search device, search method, search program, and computer-readable memory medium for recording search program
KR101458588B1 (en) Expert curation recommendation system and expert recommendation method using thereof by field
Verma et al. Non-linear consumption of videos using a sequence of personalized multimodal fragments
Wiehn Becoming intimate with algorithms: Towards a critical antagonism via algorithmic art
KR20140041500A (en) Method and apparatus for collaborative upload of content

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant