KR101652358B1 - 평가 정보 생성 방법 및 시스템, 및 컴퓨터 저장 매체 - Google Patents

평가 정보 생성 방법 및 시스템, 및 컴퓨터 저장 매체 Download PDF

Info

Publication number
KR101652358B1
KR101652358B1 KR1020147021168A KR20147021168A KR101652358B1 KR 101652358 B1 KR101652358 B1 KR 101652358B1 KR 1020147021168 A KR1020147021168 A KR 1020147021168A KR 20147021168 A KR20147021168 A KR 20147021168A KR 101652358 B1 KR101652358 B1 KR 101652358B1
Authority
KR
South Korea
Prior art keywords
information
category
key matching
mapping relationship
user behavior
Prior art date
Application number
KR1020147021168A
Other languages
English (en)
Other versions
KR20140108326A (ko
Inventor
민 웨이
톈 인
상 위
시 완
후이리 장
Original Assignee
텐센트 테크놀로지(센젠) 컴퍼니 리미티드
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 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 filed Critical 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Publication of KR20140108326A publication Critical patent/KR20140108326A/ko
Application granted granted Critical
Publication of KR101652358B1 publication Critical patent/KR101652358B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

평가 정보를 생성하기 위한 방법으로서, 사용자 행동 정보로부터 제1 정보를 획득하는 단계; 상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭된다면, 상기 제1 정보에 대응하는 상기 키 매칭 정보가 속하는 카테고리를 획득하는 단계; 및 상기 카테고리에 따라 평가 정보를 생성하는 단계를 포함한다. 평가 정보를 제공하기 위한 방법 및 시스템, 그리고 대응하는 컴퓨터 저장 매체는, 사용자 행동 정보로부터 제1 정보를 획득하고, 미리 설정된 키 매칭 정보와 매칭하는 제1 정보에 따라 대응하는 카테고리를 획득하여, 카테고리에 대응하는 평가 정보를 생성한다. 제1 정보가 다양하면 생성된 평가 정보도 다양하고, 평가 정보의 동적인 조정이 달성된다.

Description

평가 정보 생성 방법 및 시스템, 및 컴퓨터 저장 매체{EVALUATION INFORMATION GENERATION METHOD AND SYSTEM, AND COMPUTER STORAGE MEDIUM}
본 발명은 정보 처리 기술에 관한 것으로서, 특히 평가 정보를 생성하기 위한 방법, 시스템, 및 컴퓨터 저장 매체에 관한 것이다.
소셜 네트워크(social network), 예를 들어, 인스턴트 메시징 툴(instant messaging tool)를 이용한 사회적 접촉에서, 사용자는 그의 친구들이 사용자의 데이터를 봄으로써 사용자를 평가한 평가 정보(evaluation information)를 획득할 수 있고 - 이 평가 정보는 사용자에 대한 그의 친구들의 주관적인 평가로부터 비롯됨 -, 또한 사용자는 친구들의 데이터를 봄으로써 친구들에 대한 평가 정보도 획득할 수 있는데 - 친구들에 대한 이 평가 정보는 친구들에 대한 다른 사람들의 주관적인 평가로부터 비롯됨 -, 이러한 평가 정보는 사용자나 친구들의 취미나 평가를 종종 반영한다. 이러한 종류의 평가 정보는 사용자의 데이터나 친구들의 데이터로 고정되는 경향이 있고, 사용자가 평가 정보를 삭제하는 것으로서 감소하며, 사용자가 새로운 평가 정보를 추가하는 것으로서 증가하는 등, 사용자와 그의 친구들의 동작에 의존하며, 평가 정보에 대한 동적인 조정을 실현할 수 없다.
따라서, 동적으로 평가 정보를 조정하기 위한, 평가 정보를 생성하는 방법을 제공할 필요가 있다.
또한, 동적으로 평가 정보를 조정하기 위한, 평가 정보를 생성하는 시스템을 제공할 필요가 있다.
나아가, 동적으로 평가 정보를 조정하기 위한, 컴퓨터 저장 매체를 제공할 필요가 있다.
평가 정보를 생성하기 위한 방법은,
사용자 행동 정보로부터 제1 정보를 획득하는 단계;
상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭된다면, 상기 제1 정보에 대응하는 상기 키 매칭 정보가 속하는 카테고리를 획득하는 단계; 및
상기 카테고리에 따라 평가 정보를 생성하는 단계를 포함한다.
평가 정보를 생성하기 위한 시스템은,
사용자 행동 정보로부터 제1 정보를 획득하기 위한 정보 획득 모듈;
상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭된다면, 카테고리 처리 모듈에 통지하기 위한 키 매칭 정보 판단 모듈;
상기 제1 정보에 대응하는 상기 키 매칭 정보가 속하는 카테고리를 획득하기 위한 카테고리 처리 모듈; 및
상기 카테고리에 따라 평가 정보를 생성하기 위한 평가 정보 생성 모듈을 포함한다.
컴퓨터 저장 매체는 컴퓨터 실행 가능한 명령들을 저장한다. 컴퓨터 실행 가능한 명령들은 평가 정보를 제공하기 위한 방법을 구현하기 위해 컴퓨터를 제어하는데, 상기 방법은,
사용자 행동 정보로부터 제1 정보를 획득하는 단계;
상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭된다면, 상기 제1 정보에 대응하는 상기 키 매칭 정보가 속하는 카테고리를 획득하는 단계; 및
상기 카테고리에 따라 평가 정보를 생성하는 단계를 포함한다.
평가 정보를 제공하기 위한 방법 및 시스템, 그리고 대응하는 컴퓨터 저장 매체는, 사용자 행동 정보로부터 제1 정보를 획득하고, 미리 설정된 키 매칭 정보와 매칭하는 제1 정보에 따라 대응하는 카테고리를 획득하여, 카테고리에 대응하는 평가 정보를 생성한다. 제1 정보가 다양하면 생성된 평가 정보도 다양하고, 평가 정보의 동적인 조정이 달성된다.
도 1은 일 예시에 따른, 평가 정보를 생성하기 위한 방법의 흐름도를 도시한다.
도 2는 다른 예시에 따른, 평가 정보를 생성하기 위한 방법의 흐름도를 도시한다.
도 3은 일 예시에 따른, 제1 정보에 대응하는 키 매칭 정보가 속하는 카테고리를 획득하기 위한 방법의 흐름도를 도시한다.
도 4는 일 예시에 따른, 제1 정보와 카테고리 사이의 맵핑 관계로부터 제1 정보가 속하는 카테고리를 획득하고, 상기 카테고리의 발생 빈도를 카운트하기 위한 방법의 흐름도를 도시한다.
도 5는 일 예시에 따른, 카테고리의 카테고리 계층의 도식적인 다이어그램을 도시한다.
도 6은 다른 예시에 따른, 제1 정보와 카테고리 사이의 맵핑 관계로부터 제1 정보가 속하는 카테고리를 획득하고, 상기 카테고리의 발생 빈도를 카운트하기 위한 방법의 흐름도를 도시한다.
도 7은 일 예시에 따른, 카테고리에 따라 평가 정보를 생성하기 위한 방법의 흐름도를 도시한다.
도 8은 일 예시에 따른, 스포츠 카테고리의 발생 빈도 및 맵핑 관계의 도식적인 다이어그램을 도시한다.
도 9는 일 예시에 따른, 음악 카테고리의 발생 빈도 및 맵핑 관계의 도식적인 다이어그램을 도시한다.
도 10은 일 예시에 따른, 책 카테고리의 발생 빈도 및 맵핑 관계의 도식적인 다이어그램을 도시한다.
도 11은 일 예시에 따른, 평가 정보를 생성하기 위한 시스템의 구조 개략도를 도시한다.
도 12는 다른 예시에 따른, 평가 정보를 생성하기 위한 시스템의 구조 개략도를 도시한다.
도 13은 일 예시에 따른, 카테고리 처리 모듈의 구조 개략도를 도시한다.
도 14는 일 예시에 따른, 평가 정보 생성 모듈의 구조 개략도를 도시한다.
도 1에 도시된 것처럼, 일 예시에서는, 평가 정보를 생성하기 위한 방법이 다음의 프로세스를 포함한다.
블록 S10에서, 제1 정보가 사용자 행동 정보로부터 획득된다.
일 예시에서, 사용자 행동 정보는 인스턴트 메시징 툴과 같은 소셜 네트워크 툴을 이용함으로써 세션 중에 생성된, 예컨대 채팅 기록과 같은 세션 콘텐츠일 수 있고, 또는 블로그, 마이크로블로그, 가상 커뮤니티와 같은 웹사이트 내의 정보일 수 있다. 구체적으로, 사용자 행동 정보는, 사용자에 의해 이용되는 문자, 그림, 및 표현 등의 형식 및 이와 유사한 것들로 표현될 수 있다. 제1 정보는 사용자 행동 정보 내의 모든 또는 일부의 콘텐츠일 수 있다. 예를 들면, 사용자 행동 정보가 문자의 형식이면, 제1 정보는 사용자 행동 정보 내의 문구들일 수 있다. 사용자 행동 정보가 세션 프로세스 내에서 인스턴트 메시징 툴에 의해 생성된 그림 정보라면, 제1 정보는 이 그림 정보에 대응하는 식별 번호이거나 다른 식별 형식일 수 있다.
일 예시에서, 사용자 행동 정보가 문자 정보이고, 상기 블록 S10에서의 상세한 프로세스는 다음과 같다: 사용자 행동 정보를 판독하고, 제1 정보를 획득하기 위해 사용자 행동 정보에 대한 단어 분할(word segmentation)을 수행하는 단계.
현재 예시에서, 텍스트 정보는 문구일 수 있고, 또는 복수의 문구로 구성되는 다수 단락(paragraph)의 문자일 수 있다. 그러므로, 문자 정보를 분석하기 위해, 판독된 문자 정보에 대한 단어 분할이 수행되어야 하고, 이 단어 분할에 의해 획득된 결과가 제1 정보이다. 구체적으로, 제1 정보는 단일 문구일 수 있고, 또는 판독된 문자 정보 내의 다양한 명사, 대명사, 등이 될 수도 있다.
블록 S30에서, 제1 정보가 키 매칭 정보와 매칭되는지의 여부가 판정된다. 그리고, 제1 정보가 키 매칭 정보와 매칭되면, 블록 S50로 진입하며, 매칭되지 않으면 프로세스는 종료된다.
일 예시에서, 복수의 키 매칭 정보가 저장되고, 이에 따라 제1 정보와 매칭되는 특정 키 매칭 정보가 복수의 저장된 키 매칭 정보로부터 검출될 수 있다. 예를 들어, 키 매칭 정보는 키워드일 수 있고, 또한 그림의 식별 번호일 수 있다.
일 예시에서, 사용자 행동 정보는 텍스트 정보이고, 도 2에 따라, 블록 S30 이전에, 본 방법은 다음의 프로세스를 더 포함한다.
블록 S210에서, 제1 정보가 명사인지의 여부가 판단된다. 제1 정보가 명사라면, 블록 S30으로 진입하며, 명사가 아니라면 블록 S230으로 진입한다.
현재 예시에서, 사용자 행동 정보가 문자 정보인 시나리오에서는, 단어 분할 프로세스에 의해 획득된 제1 정보가 명사인지의 여부가 판단되고, 제1 정보가 명사라면, 제1 정보가 미리 설정된 키 매칭 정보와 매칭되는지의 여부가 더 판단된다. 제1 정보가 키 매칭 정보 내의 특정 키워드이면, 이는 제1 정보가 유효 정보이고 평가 정보를 동적으로 조정하기 위해 이용될 수 있음을 의미한다.
블록 S230에서, 제1 정보가 대명사인지의 여부가 판단되고, 제1 정보가 대명사이면, 블록 S250에 진입하며, 제1 정보가 대명사가 아니면, 프로세스는 종료된다.
현재 예시에서는, 제1 정보가 명사가 아닌 것으로 판단되면, 제1 정보가 대명사인지의 여부 및 사용자 행동 정보 내의 어떤 제1 정보가 위 대명사를 나타내는지의 여부가 더 판단된다. 나아가, 판단된 제1 정보가 후속 프로세스에 이용된다. 위 대명사가 사용자 행동 정보 내의 어떠한 제1 정보도 나타내지 않으면, 제1 정보의 프로세스는 종료되고, 사용자 행동 정보 내의 다른 제1 정보에 대한 프로세스로 진입되거나, 또는 제1 정보가 사용자 행동 정보 내의 최후(last)의 제1 정보이면, 사용자 행동 정보에 대한 프로세스는 종료될 것이며, 다른 사용자 행동 정보가 이어서 처리될 것인데, 상세한 프로세스가 여기서 제공되지는 않을 것이다.
블록 S250에서, 최후의 판단 프로세스에서 제1 정보에 대응하는 키 매칭 정보가 획득되면, 블록 S50으로 진입한다.
현재 예시에서, 제1 정보가 대명사인 것으로 판단되는 시나리오에서, 제1 정보에 대한 최후의 판단 프로세스에서 제1 정보를 따르는 키 매칭 정보가 획득되고, 블록 S50으로 진입하여 키 매칭 정보가 속하는 카테고리를 획득한다.
블록 S50에서, 제1 정보에 대응하는 키 매칭 정보가 속하는 카테고리가 획득된다.
현재 예시에서, 키 매칭 정보와 카테고리 사이의 맵핑 관계는 미리 구축된다. 제1 정보에 대응하는 키 매칭 정보가 획득된 이후에, 구축된 맵핑 관계에 따라 키 매칭 정보에 대응하는 카테고리가 획득된다. 구체적으로, 키 매칭 정보와 카테고리 사이의 맵핑 관계는 데이터 딕셔너리(data dictionary)의 형식일 수 있고, 이에 대응하는 데이터 구조는, 각각의 키 값(key value)이 독자적인 대응 값을 가지고, 키 매칭 정보는 키 값이며, 카테고리는 값에 해당하는 맵<key, value>으로 표현된 형식의 맵핑 테이블일 수 있다.
블록 S70에서, 카테고리에 따라 평가 정보가 생성된다.
현재 예시에서, 사용자 행동 정보 내의 각각의 제1 정보에 대응하는 카테고리에 따라, 카테고리에 대응하는 평가 정보가 획득될 수 있다. 이는, 사용자 행동 정보의 콘텐츠가 다양함에 따라 사용자 행동 정보에 대응하는 평가 정보도 다양하다는 것이다. 따라서, 인스턴트 메시징 툴을 이용함으로써 세션 내에서 생성된 사용자 행동 정보의 처리를 통해 또는 가상 네트워크 커뮤니티와 같은 웹사이트 내의 생성된 사용자 행동 정보의 처리를 통해, 평가 정보의 동적 변경(dynamic change)이 성취되어 현재 사용자 행동 정보를 정확하게 반영하게 된다. 구체적으로, 사용자 행동 정보 내의 제1 정보가 속하는 카테고리에 따라 생성된 평가 정보는 사용자 또는 친구들의 관심사 및 취미, 핫 스팟(hot spot)(명소) 정보, 기분, 및 이와 유사한 것들을 반영하는데 이용될 수 있다.
평가 정보가 생성된 이후에, 평가 정보는 또한, 사용자의 실제 특성을 정확하게 반영하기 위해, 대응하는 사용자의 데이터에서 또는 사용자가 있는 가상 커뮤니티 웹사이트에서 보여질 수 있다.
일 예시에서, 위 블록 S30 이전에, 상기 프로세스는, 키 매칭 정보의 정보 추출 값(information abstract value) 및 저장 어드레스 사이의 맵핑 관계를 구축하는 단계를 더 포함한다.
일 예시에서, 저장 어드레스는 키 매칭 정보가 데이터 딕셔너리 내에 있는 어드레스이고, 이는 0X12345678과 같은 메모리 어드레스의 형식일 수 있으며, 이에 따라 제1 정보에 따른 키 매칭 정보의 검색을 신속히 수행한다. 키 매칭 정보의 정보 추출 값은 md5(Message-Digest Algorithm 5), SHA(Secure Hash Algorithm) 또는 다른 알고리즘을 통해 문자 정보에서 계산된 해시 값(hash value)일 수 있고, 또한 그림 정보 내의 식별 번호일 수 있다. 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에서, 대응하는 맵핑 테이블 구조는 키 매칭 정보가 키 값인 반면에 저장 어드레스는 하나의 값인 구조인 것일 수 있다.
위 블록 S30의 구체적인 프로세스는, 키 매칭 정보의 정보 추출 값과 메모리 어드레스 사이의 맵핑 관계를 검색하고, 제1 정보에 대응하는 정보 추출 값이 키 매칭 정보의 정보 추출 값 내에 존재하는지의 여부를 판단하며, 존재하면 블록 S50으로 진입하고, 존재하지 않으면 프로세스를 종료하는 단계를 포함한다.
현재 예시에서, 제1 정보의 정보 추출 값이 획득되고, 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계 내에서 검색이 수행되어, 제1 정보의 정보 추출 값과 동일한 키 매칭 정보의 정보 추출 값을 찾아내고, 추가로 이에 대응하는 저장 어드레스를 획득한다.
일 예시에서, 도 3에 도시된 것처럼, 위 블록 S50은 다음의 구체적인 프로세스를 포함한다.
블록 S10에서, 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에 따라 제1 정보의 저장 어드레스가 획득된다.
블록 S530에서, 제1 정보와 그 카테고리 사이의 맵핑 관계가 제1 정보의 저장 어드레스에 따라 검출된다.
현재 예시에서, 키 매칭 정보와 키 매칭 정보가 속한 카테고리 사이의 맵핑 관계가 미리 저장된다. 예를 들어, 키 매칭 정보가 가수 이름이면, 이에 대응하는 카테고리는 음악일 수 있고; 키 매칭 정보가 영화 이름이면, 이에 대응하는 카테고리는 필름 및 TV 엔터테인먼트일 수 있으며; 키 매칭 정보가 웃는 이미지 표현이면, 이에 대응하는 카테고리는 웃음일 수 있다. 제1 정보와 동일한 키 매칭 정보가 획득된 이후에, 제1 정보와 이에 대응하는 카테고리 사이의 맵핑 관계가, 키 매칭 정보의 저장 어드레스에 따라 획득된다.
블록 S550에서, 제1 정보와 그 카테고리 사이의 맵핑 관계로부터 제1 정보가 속하는 카테고리가 획득되고, 그 카테고리의 발생 빈도가 카운트된다.
현재 예시에서, 검색된 제1 정보와 그 카테고리 사이의 맵핑 관계에 따라 제1 정보가 속하는 카테고리가 획득되고, 카테고리의 발생 빈도가 1 증가함으로써 카테고리의 발생 빈도를 카운트한다. 이 발생 빈도는 하나 또는 복수의 사용자 행동 정보 내에서 대응하는 카테고리가 발생하는 빈도를 나타낸다.
일 예시에서, 위 블록 S530의 구체적인 프로세스는, 제1 정보의 저장 어드레스에 따라 키 매칭 정보를 검색하고, 제1 정보와 카테고리 코드 사이의 맵핑 관계를 획득하는 단계이다.
현재 예시에서, 키 매칭 정보와 키 매칭 정보가 속한 카테고리 사이의 맵핑 관계에서, 카테고리는 카테고리 코드의 형식으로 저장된다. 이는, 각각의 카테고리가 미리 수치화된다는 것이다. 예를 들면, 핫 뉴스 카테고리는 1로 수치화될 수 있고, 필름 및 TV 엔터테인먼트 카테고리는 2로 수치화되며, 패션 카테고리는 3으로 수치화되고, 게임 카테고리는 5로 수치화될 수 있는 등이다.
도 4에 도시된 것처럼, 위 블록 S550의 구체적인 프로세스는 다음과 같다.
블록 S551에서, 제1 정보에 대응하는 카테고리 코드에 따라 카테고리 계층이 획득된다.
현재 예시에서, 실제 필요에 따르면, 키 매칭 정보에 대한 카테고리는 간략하게 또는 상세하게 정의된다. 하나 이상의 레이어의 카테고리 계층은 미리 설정되고, 카테고리 코딩은 대응하는 카테고리 레이어를 나타내기 위해 이용된다. 카테고리 코딩에서, 각각의 카테고리 레이어에 대한 코드는 연속이고, 각각의 카테고리 레이어에 대응하는 코드는 대응하는 코딩 길이에 따라 결정될 수 있다. 구체적으로, 카테고리 코드는 16진법 형식으로 표현될 수 있고, 카테고리 계층의 큰 것부터 작은 것으로의 순서에 따라 높은 비트부터 낮은 비트로 배열된다. 예를 들어, 카테고리 코드 내에 2개의 레이어가 있고, 코드 길이는 4바이트이다. 제1 카테고리 레이어에 대응하는 코드 길이는 1 바이트이고, 제2 카테고리 레이어에 대응하는 코드 길이는 3 바이트이다. 키 매칭 정보는 큰 카테고리와 큰 카테고리 안의 작은 카테고리에 따라 분류된다. 큰 카테고리에 대응하는 1 바이트의 카테고리 코드는 높은 비트를 점유하고, 키 매칭 정보에 대응하는 작은 카테고리의 카테고리 코드는 더 낮은 비트를 점유한다. 키 매칭 정보가 노래 이름이면, 노래 이름에 대응하는 작은 카테고리는 0x010203인 카테고리 코드를 가지는 가수 이름이고, 큰 카테고리가 음악이면, 카테고리 코드는 9이고, 대응하는 16진법의 카테고리 코드는 0x09이며, 키 매칭 정보에 대응하는 카테고리 코드는 0x09010203이다. 이 부분에서, 키 매칭 정보의 카테고리 레이어는 카테고리 코드를 봄으로써 결정될 수 있다.
블록 S553에서, 카테고리 코드에 대응하는 카테고리는 카테고리 레이어에 따라 획득된다.
일 예시에서, 모든 카테고리 레이어의 카테고리 코드에 대응하는 카테고리는 카테고리 계층에 따라 획득된다. 예를 들어, 카테고리 코드 0x09010203에 따라, 제1 정보가 2개의 카테고리 레이어를 가진다는 것을 알 수 있다. 즉, 제1 카테고리 레이어가 0x09이고 그 대응하는 카테고리가 음악이며, 제2 카테고리 레이어는 0x010203이고 그 대응하는 카테고리는 가수 이름이다.
블록 S555에서, 카테고리의 발생 빈도가 카운트된다.
현재 예시에서, 제1 정보가 속하는 카테고리가 획득되면, 그 카테고리는 카테고리에 대응하는 발생 빈도를 갱신하기 위해 카운트되어야 한다.
나아가, 도 5에 도시된 것처럼, 획득된 카테고리와 카테고리 계층에 따라, 각각의 카테고리 계층이 속하는 카테고리와 제1 정보 사이의 맵핑 관계가 구축된다. 예를 들어, 제1 정보가 노래 이름이고, 큰 카테고리는 음악이며, 작은 카테고리는 가수 이름인 맵핑 관계에 대해, 후속 프로세스의 효율성을 향상시키기 위해 대응하는 발생 빈도가 맵핑 관계 내에 라벨링되어야(labeled) 한다.
다른 예시에서, 카테고리의 발생 빈도를 카운트하는 블록 이후에, 본 방법은 다음의 프로세스를 더 포함한다.
사용자 행동 정보가 스캔(scan)되어 제1 정보와 관련된 감정 문구가 사용자 행동 정보 내에 존재하는지의 여부를 판단하고, 존재한다면, 그 카테고리의 발생 빈도가 감정 문구에 따라 조정되며, 존재하지 않는다면, 프로세스는 종료된다.
현재 예시에서, 사용자 행동 정보가 스캔되어 감정 문구가 제1 정보 가까이에 존재하는지의 여부를 확인하고, 제1 정보의 발생 빈도가 감정 문구에 따라 조정된다. 감정 문구는 "좋아요", "사랑해요", 및 "싫어요" 등과 같은 긍정 감정 문구와 부정 감정 문구를 포함하는 문구일 수 있다. 긍정 감정 문구는 "좋아요", "사랑해요" 등과 같은 문구들이고, 부정 감정 문구는 "혐오해요", "싫어요" 등과 같은 문구들이다. 구체적으로, 감정 문구가 긍정 감정 문구이면, 그 카테고리의 발생 빈도는 1보다 큰 제1 계수로 승산되고(multiplied); 감정 문구가 부정 감정 문구이면, 그 카테고리의 발생 빈도는 -1보다 작은 제2 계수로 승산된다. 카테고리의 발생 빈도가 감정 문구에 따라 조정되는 경우, 사용자 행동 정보로부터 획득되는 평가 정보의 정확도가 크게 향상된다.
다른 예시에서, 도 6에 도시된 것처럼, 카테고리의 발생 빈도를 카운트하는 블록 이후에, 본 방법은 다음의 프로세스를 더 포함한다.
블록 S410에서, 발생 빈도가 카운트되는 때의 시간이 기록된다.
블록 S430에서, 위 시간에 따라 카테고리의 발생 빈도를 카운트하기 위한 시간 간격이 획득되고, 카테고리의 발생 빈도는 위 시간 간격에 따라 조정된다.
현재 예시에서, 특정 키 매칭 정보의 발생 빈도의 수준(level)은 사용자 행동 정보 내의 키 매칭 정보에 의해 표현되는 흥미 정도(hot extent)를 반영할 수 있다. 예를 들어, 사용자 행동 정보에서, 제1 정보 "축구"가 짧은 주기에서 몇 회 발생한다면, 이는 사용자 행동 정보를 공개한 사용자에 대한 흥미 문구임을 의미하고, 따라서 "축구"에 대응하는 카테고리의 발생 빈도가 적절히 증가될 수 있다. 구체적으로, 카테고리의 발생 빈도를 카운트하기 위한 시간 간격이 위치되는 임계치 범위가 획득된다. 이 임계치 범위는 제1 임계치와 제1 임계치보다 큰 제2 임계치를 포함한다. 획득된 임계치 범위에 따라 발생 빈도가 제3 계수에 의해 승산되어 새로운 발생 빈도를 취득하는데, 위 제3 계수의 수치는 획득된 임계치 범위에 의해 결정되며, 이는 제1 임계치의 배수(multiple)일 수 있다. 예를 들어, 시간 간격이 1과 2 사이라면, 발생 빈도에 상수가 승산되고, 시간 간격이 2와 3 사이라면, 발생 빈도에 상수의 2배가 승산되는 등이다.
다른 예시에서, 도 7에 도시된 것처럼, 위 블록 S70의 상세한 프로세스는 다음과 같다.
블록 S710에서, 카테고리의 발생 빈도에 따라 분류한다.
현재 예시에서, 카테고리의 발생 빈도에 따라, 카테고리들이 분류되어 상대적으로 높은 발생 빈도를 가지는 몇몇의 카테고리를 획득한다.
블록 S730에서, 미리 설정된 수의 카테고리가 발생 빈도가 큰 것부터 작은 것으로의 순서에 따라 추출되며, 대응하는 평가 정보가 생성된다.
현재 예시에서, 높은 발생 빈도를 가지는 카테고리에 대해 평가 정보가 생성된다. 예컨대, 도 8 내지 도 10에 도시된 것처럼, 스포츠, 음악, 및 책 카테고리는 상대적으로 높은 발생 빈도를 가지고, "스포츠", "음악", 및 "책"으로 라벨링된 평가 정보가 생성된다. 또한, 맵핑 관계 내의 작은 카테고리에 따라 대응하는 평가 정보가 생성될 수 있다.
동적으로 형성된 평가 정보에 따라, 인스턴트 통신 툴을 이용한 세션 중에 사용자와 그의 친구들의 공통의 관심사 및 취미, 그리고 핫 스팟 정보가 정확하게 이해될 수 있고, 일부 사용자 또는 그 친구들의 각각의 관심사 및 취미, 가상 커뮤니티 웹사이트의 사용자가 관심을 가지는 정보, 관심사, 및 취미들도 획득될 수 있다. 또한, 동적으로 형성된 평가 정보에 따라, 네트워크 정보가 그 정보에 관심있는 사용자에게 송신될 수 있고, 복수의 사용자들 사이에 존재하는 동일한 평가 정보에 따라, 동일한 관심사와 취미를 가지고 동일한 정보에 대해 관심을 가지는 친구들이 사용자에게 추천될 수 있으므로, 사용자와 친구들에 대한 평가의 정확성과 효율성이 크게 증가한다.
일 예시에서, 도 11에 도시된 것처럼, 평가 정보를 생성하기 위한 시스템은, 정보 획득 모듈(10), 키 매칭 정보 판단 모듈(30), 카테고리 처리 모듈(50), 및 평가 정보 생성 모듈(70)을 포함한다.
정보 획득 모듈(10)은 사용자 행동 정보로부터 제1 정보를 획득한다.
현재 예시에서, 사용자 행동 정보는 인스턴트 메시징 툴과 같은 소셜 네트워크 툴을 이용함으로써 세션 중에 생성된 세션 콘텐츠일 수 있고, 또는 블로그, 마이크로블로그, 가상 커뮤니티 등과 같은 웹사이트 내의 정보일 수 있다. 구체적으로, 사용자 행동 정보는, 사용자에 의해 이용되는 문자, 그림, 및 표현 등의 형식 및 이와 유사한 것들로 표현될 수 있다. 제1 정보는 사용자 행동 정보 내의 모든 또는 일부의 콘텐츠일 수 있다. 예를 들면, 사용자 행동 정보가 문자의 형식이면, 제1 정보는 사용자 행동 정보 내의 문구들일 수 있다. 사용자 행동 정보가 세션 프로세스 내에서 인스턴트 메시징 툴에 의해 생성된 그림 정보라면, 제1 정보는 이 그림 정보에 대응하는 식별 번호이거나 다른 식별 형식일 수 있다.
일 예시에서, 사용자 행동 정보가 문자 정보이고, 정보 획득 모듈(10)이 또한 사용자 행동 정보를 판독하고, 제1 정보를 획득하기 위해 사용자 행동 정보에 대한 단어 분할을 수행한다.
현재 예시에서, 텍스트 정보는 문구일 수 있고, 또는 복수의 문구로 구성되는 복수의 단락의 문자일 수 있다. 그러므로, 문자 정보를 분석하기 위해, 판독된 문자 정보에 대한 단어 분할이 정보 획득 모듈(10)에 의해 수행되어야 하고, 이 단어 분할에 의해 획득된 결과가 제1 정보이다. 구체적으로, 제1 정보는 단일 문구일 수 있고, 또는 판독된 문자 정보 내의 다양한 명사, 대명사, 등이 될 수도 있다.
일 예시에서, 도 12에 도시된 것처럼, 평가 정보를 생성하기 위한 위 시스템은, 제1 정보가 명사인지의 여부를 판단하여, 명사라면 키 매칭 정보 판단 모듈(30)에 통지하고, 명사가 아니라면 대명사 판단 모듈(40)에 통지하는 명사 판단 모듈(20)을 더 포함한다.
현재 예시에서, 사용자 행동 정보가 문자 정보인 시나리오에서는, 단어 분할 프로세스에 의해 획득된 제1 정보가 명사인지의 여부가 판단된다. 그리고, 제1 정보가 명사라면, 제1 정보가 미리 설정된 키 매칭 정보와 매칭되는지의 여부가 더 판단된다. 제1 정보가 키 매칭 정보 내의 특정 키워드와 매칭되면, 이는 제1 정보가 유효 정보이고 평가 정보를 동적으로 조정하기 위해 이용될 수 있음을 의미한다.
대명사 판단 모듈(40)은 제1 정보가 대명사인지의 여부를 판단하고, 대명사이면, 정보 획득 모듈(10)에 이를 알리고, 대명사가 아니면 프로세스를 종료한다.
현재 예시에서는, 명사 판단 모듈(20)이 제1 정보가 명사가 아닌 것으로 판단하면, 대명사 판단 모듈(40)이 제1 정보가 대명사인지의 여부를 판단하여 위 대명사가 사용자 행동 정보 내의 어떤 제1 정보를 나타내는지를 확인하고, 판단된 제1 정보에 따라 후속 프로세스를 진행한다. 위 대명사가 사용자 행동 정보 내의 어떠한 제1 정보도 나타내지 않으면, 제1 정보의 프로세스는 종료되고, 사용자 행동 정보 내의 다른 제1 정보에 대한 프로세스로 진입하거나, 또는 제1 정보가 사용자 행동 정보 내의 최후의 제1 정보이면, 사용자 행동 정보에 대한 프로세스는 종료될 것이며, 다른 사용자 행동 정보가 이어서 처리될 것인데, 상세한 프로세스는 여기서 설명되지 않을 것이다.
일 예시에서, 정보 획득 모듈(10)은 추가로 최후의 판단에서 제1 정보에 대응하는 키 매칭 정보를 획득하고, 카테고리 처리 모듈(50)에 이를 통지한다.
현재 예시에서, 제1 정보가 대명사인 것으로 판단되는 시나리오에서, 정보 획득 모듈(10)은 제1 정보에 대한 최후의 판단 프로세스에서 제1 정보를 따르는 키 매칭 정보를 획득하고, 카테고리 처리 모듈(50)에 이를 알려 키 매칭 정보가 속하는 카테고리를 획득한다.
키 매칭 정보 판단 모듈(30)은 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭되면, 카테고리 처리 모듈(50)에 통지하고, 매칭되지 않으면, 프로세스가 종료된다.
현재 예시에서, 복수의 키 매칭 정보가 미리 저장되고, 이에 따라 제1 정보와 매칭하는 특정 키 매칭 정보가 위 저장된 복수의 키 매칭 정보로부터 검출될 수 있다. 예를 들어, 키 매칭 정보는 키워드일 수 있고, 또는 그림의 식별 번호일 수 있다.
카테고리 처리 모듈(50)은 제1 정보에 대응하는 키 매칭 정보가 속하는 카테고리를 획득한다.
현재 예시에서, 키 매칭 정보와 카테고리 사이의 맵핑 관계는 미리 구축된다. 제1 정보에 대응하는 키 매칭 정보가 획득된 이후에, 카테고리 처리 모듈(50)은 구축된 맵핑 관계에 따라 키 매칭 정보에 대응하는 카테고리를 획득한다.
구체적으로, 키 매칭 정보와 카테고리 사이의 맵핑 관계는 데이터 딕셔너리의 형식일 수 있고, 이에 대응하는 데이터 구조는, 각각의 키 값(key value)이 독자적인 대응 값을 가지고, 키 매칭 정보가 키 값이며, 카테고리는 값에 해당하는 맵<key, value>으로 표현된 형식의 맵핑 테이블일 수 있다.
평가 정보 생성 모듈(70)이 카테고리에 따라 평가 정보를 생성한다.
현재 예시에서, 사용자 행동 정보 내의 각각의 제1 정보에 대응하는 카테고리에 따라, 평가 정보 생성 모듈(70)이 카테고리에 대응하는 평가 정보를 획득한다. 이는, 사용자 행동 정보의 콘텐츠가 다양함에 따라 사용자 행동 정보에 대응하는 평가 정보도 다양하다는 것이다. 따라서, 인스턴트 메시징 툴을 이용함으로써 세션 내에서 생성된 사용자 행동 정보의 처리를 통해 또는 가상 네트워크 커뮤니티와 같은 웹사이트 내의 생성된 사용자 행동 정보의 처리를 통해, 평가 정보의 동적 변경이 성취되어 현재 사용자 행동 정보를 정확하게 반영하게 된다. 구체적으로, 사용자 행동 정보 내의 제1 정보가 속하는 카테고리에 따라 생성된 평가 정보는 사용자 또는 친구들의 관심사 및 취미, 핫 스팟 정보, 기분, 및 이와 유사한 것들을 반영하는데 이용될 수 있다.
일 예시에서, 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계가 구축된다.
일 예시에서, 저장 어드레스는 키 매칭 정보가 데이터 딕셔너리 내에 있는 어드레스이고, 이는 메모리 어드레스의 형식일 수 있으며, 이에 따라 제1 정보에 따른 키 매칭 정보의 검색을 신속히 수행한다. 키 매칭 정보의 정보 추출 값은 md5, SHA 또는 다른 알고리즘을 통해 문자 정보에서 계산된 해시 값일 수 있고, 또한 그림 정보 내의 식별 번호일 수 있다. 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에서, 대응하는 맵핑 테이블 구조는, 키 매칭 정보가 키 값인 반면에 저장 어드레스는 하나의 값인 구조인 것일 수 있다.
키 매칭 정보 판단 모듈(30)은 추가로 키 매칭 정보의 정보 추출 값과 메모리 어드레스 사이의 맵핑 관계를 검색하고, 제1 정보에 대응하는 정보 추출 값이 키 매칭 정보의 정보 추출 값 내에 존재하는지의 여부를 판단하며, 존재하면 카테고리 처리 모듈(50)에 이를 알리고, 존재하지 않으면 프로세스를 종료한다.
현재 예시에서, 키 매칭 정보 판단 모듈(30)이 제1 정보의 정보 추출 값을 획득하고, 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에서 검색을 수행하여, 제1 정보의 정보 추출 값과 동일한 키 매칭 정보의 정보 추출 값을 찾아내고, 추가로 이에 대응하는 저장 어드레스를 획득한다.
일 예시에서, 도 13에 도시된 것처럼, 카테고리 처리 모듈(50)은 어드레스 획득 유닛(510), 검색 유닛(530), 및 카테고리 획득 유닛(550)을 포함한다.
어드레스 획득 유닛(510)은 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에 따라 제1 정보의 저장 어드레스를 획득한다.
검색 유닛(530)은 제1 정보의 저장 어드레스에 따라 제1 정보와 그 카테고리 사이의 맵핑 관계를 검색한다.
현재 예시에서, 키 매칭 정보와 키 매칭 정보가 속한 카테고리 사이의 맵핑 관계가 미리 저장된다. 예를 들어, 키 매칭 정보가 가수 이름이면, 이에 대응하는 카테고리는 음악일 수 있고; 키 매칭 정보가 영화 이름이면, 이에 대응하는 카테고리는 필름 및 TV 엔터테인먼트일 수 있으며; 키 매칭 정보가 웃는 이미지 표현이면, 이에 대응하는 카테고리는 웃음일 수 있다. 제1 정보와 동일한 키 매칭 정보가 획득된 이후에, 검색 유닛(530)은 키 매칭 정보의 저장 어드레스에 따라 제1 정보와 이에 대응하는 카테고리 사이의 맵핑 관계를 획득된다.
카테고리 획득 유닛(550)은 제1 정보와 그 카테고리 사이의 맵핑 관계에 따라 제1 정보가 속하는 카테고리를 획득하고, 그 카테고리의 발생 빈도를 카운트한다.
현재 예시에서, 카테고리 획득 유닛(550)은 검색된 제1 정보와 그 카테고리 사이의 맵핑 관계에 따라 제1 정보가 속하는 카테고리를 획득하고, 카테고리의 발생 빈도가 1 증가함으로써 카테고리의 발생 빈도를 카운트한다. 이 발생 빈도는 하나 또는 복수의 사용자 행동 정보 내에서 대응하는 카테고리가 발생하는 빈도를 나타낸다.
다른 예시에서, 카테고리 획득 유닛(550)은 제1 정보와 관련된 감정 문구가 사용자 행동 정보 내에 존재하는지의 여부를 스캔 및 판단하고, 존재한다면, 이 카테고리의 발생 빈도를 감정 문구에 따라 조정하며, 존재하지 않는다면, 프로세스를 종료한다.
현재 예시에서, 카테고리 획득 유닛(550)은 사용자 행동 정보를 스캔하여 감정 문구가 제1 정보 가까이에 존재하는지의 여부를 확인하고, 제1 정보의 발생 빈도를 감정 문구에 따라 조정한다. 감정 문구는 "좋아요", "사랑해요", 및 "싫어요" 등과 같은 긍정 감정 문구와 부정 감정 문구를 포함하는 문구일 수 있다. 긍정 감정 문구는 "좋아요", "사랑해요" 등과 같은 문구들이고, 부정 감정 문구는 "혐오해요", "싫어요" 등과 같은 문구들이다. 구체적으로, 감정 문구가 긍정 감정 문구이면, 카테고리 획득 유닛(550)은 그 카테고리의 발생 빈도에 1보다 큰 제1 계수를 승산하고; 감정 문구가 부정 감정 문구이면, 카테고리 획득 유닛(550)은 그 카테고리의 발생 빈도에 -1보다 작은 제2 계수를 승산한다. 카테고리 획득 유닛(550)은 카테고리의 발생 빈도를 감정 문구에 따라 조정하고; 사용자 행동 정보로부터 획득되는 평가 정보의 정확도는 크게 향상된다.
다른 예시에서, 카테고리 획득 유닛(550)은 발생 빈도를 카운트하기 위한 시간을 기록하고, 위 시간에 따라 카테고리의 발생 빈도를 카운트하기 위한 시간 간격을 획득하며, 카테고리의 발생 빈도를 위 시간 간격에 따라 조정한다.
현재 예시에서, 특정 키 매칭 정보의 발생 빈도의 수준은 사용자 행동 정보 내의 키 매칭 정보에 의해 표현되는 흥미 정도(hot extent)를 반영할 수 있다. 예를 들어, 사용자 행동 정보에서, 제1 정보 "축구"가 짧은 주기에서 몇 회 발생한다면, 이는 사용자 행동 정보를 공개한 사용자에 대한 흥미 문구임을 의미하고, 따라서 카테고리 획득 유닛(550)은 "축구"에 대응하는 카테고리의 발생 빈도를 적절히 조정할 수 있다. 구체적으로, 카테고리 획득 유닛(550)은 카테고리의 발생 빈도를 카운트하기 위한 시간 간격이 위치되는 임계치 범위를 획득한다. 이 임계치 범위는 제1 임계치와 제1 임계치보다 큰 제2 임계치를 포함한다. 그리고, 획득된 임계치 범위에 따라 발생 빈도가 제3 계수에 의해 승산되어 새로운 발생 빈도를 취득하는데, 위 제3 계수의 수치는 획득된 임계치 범위에 의해 결정되며, 이는 제1 임계치의 배수(multiple)일 수 있다. 예를 들어, 시간 간격이 1과 2 사이라면, 발생 빈도에 상수가 승산되고, 시간 간격이 2와 3 사이라면, 발생 빈도에 상수의 2배가 승산되는 등이다.
다른 예시에서, 검색 유닛(530)은 제1 정보의 저장 어드레스에 따라 키 매칭 정보를 검색하고, 제1 정보와 카테고리 코드 사이의 맵핑 관계를 획득한다.
현재 예시에서, 키 매칭 정보와 키 매칭 정보가 속한 카테고리 사이의 맵핑 관계에서, 카테고리는 카테고리 코드의 형식으로 저장된다. 이는, 각각의 카테고리가 미리 수치화된다는 것이다. 예를 들면, 핫 뉴스 카테고리는 1로 수치화될 수 있고, 필름 및 TV 엔터테인먼트 카테고리는 2로 수치화되며, 패션 카테고리는 3으로 수치화되고, 게임 카테고리는 5로 수치화될 수 있는 등이다.
카테고리 획득 유닛(550)은 제1 정보가 대응하는 카테고리 코드에 따라 카테고리 계층을 획득하고, 이 카테고리 계층에 따라 카테고리 코드에 대응하는 카테고리를 획득하며, 카테고리의 발생 빈도를 카운트한다.
현재 예시에서, 실제 필요에 따르면, 키 매칭 정보에 대한 카테고리는 간략하게 또는 상세하게 정의된다. 하나 이상의 레이어의 카테고리 계층은 미리 설정되고, 카테고리 코딩은 대응하는 카테고리 레이어를 나타내기 위해 이용된다. 카테고리 코딩에서, 각각의 카테고리 레이어에 대한 코드는 연속이고, 각각의 카테고리 레이어에 대응하는 코드는 대응하는 코딩 길이에 따라 결정될 수 있다. 구체적으로, 카테고리 코드는 16진법 형식으로 표현될 수 있고, 카테고리 계층의 큰 것부터 작은 것으로의 순서에 따라 높은 비트부터 낮은 비트로 배열된다. 예를 들어, 카테고리 코드 내에 2개의 레이어가 있고, 코드 길이는 4바이트이다. 제1 카테고리 레이어에 대응하는 코드 길이는 1 바이트이고, 제2 카테고리 레이어에 대응하는 코드 길이는 3 바이트이다. 키 매칭 정보는 큰 카테고리와 큰 카테고리 안의 작은 카테고리에 따라 분류된다. 큰 카테고리에 대응하는 1 바이트의 카테고리 코드는 높은 비트를 점유하고, 키 매칭 정보에 대응하는 작은 카테고리의 카테고리 코드는 더 낮은 비트를 점유한다. 그리고, 키 매칭 정보가 노래 이름이면, 노래 이름에 대응하는 작은 카테고리는 0x010203인 카테고리 코드를 가지는 가수 이름이고, 큰 카테고리가 음악이면, 카테고리 코드는 9이고 대응하는 16진법의 카테고리 코드는 0x09이며, 키 매칭 정보에 대응하는 카테고리 코드는 0x09010203이다. 이 부분에서, 키 매칭 정보의 카테고리 레이어는 카테고리 코드를 봄으로써 결정될 수 있다.
카테고리 획득 유닛(550)은 각각의 카테고리 레이어의 카테고리 코드에 대응하는 카테고리를 카테고리 계층에 따라 획득하고, 제1 정보가 속하는 카테고리가 획득된 경우, 또한 카테고리를 카운트하여 카테고리에 대응하는 발생 빈도를 갱신하여야 한다. 예를 들어, 카테고리 코드 0x09010203에 따라, 제1 정보가 2개의 카테고리 레이어를 가진다는 것을 알 수 있다. 즉, 제1 카테고리 레이어가 0x09이고 그 대응하는 카테고리가 음악이며, 제2 카테고리 레이어는 0x010203이고 그 대응하는 카테고리는 가수 이름이다.
나아가, 도 5에 도시된 것처럼, 획득된 카테고리와 카테고리 계층에 따라, 각각의 카테고리 계층이 속하는 카테고리와 제1 정보 사이의 맵핑 관계가 구축된다. 예를 들어, 제1 정보가 노래 이름이고, 큰 카테고리는 음악이며, 작은 카테고리는 가수 이름인 맵핑 관계에 대해, 후속 프로세스의 효율성을 향상시키기 위해 대응하는 발생 빈도가 맵핑 관계 내에 라벨링되어야 한다.
일 예시에서, 도 14에 도시된 것처럼, 평가 정보 생성 모듈(70)은 분류 유닛(710)과 카테고리 추출 유닛(730)을 포함한다.
분류 유닛(710)은 카테고리의 발생 빈도에 따라 분류한다.
현재 예시에서, 분류 유닛(710)은 카테고리의 발생 빈도에 따라 카테고리들을 분류하여, 상대적으로 높은 발생 빈도를 가지는 복수의 카테고리를 획득한다.
카테고리 추출 유닛(730)은 미리 설정된 수의 카테고리를 발생 빈도가 큰 것부터 작은 것으로의 순서에 따라 추출하며, 대응하는 평가 정보를 생성한다.
현재 예시에서, 카테고리 추출 유닛(730)은 높은 발생 빈도를 가지는 카테고리에 대한 평가 정보를 생성한다. 스포츠, 음악, 및 책 카테고리는 상대적으로 높은 발생 빈도를 가지고, 카테고리 추출 유닛(730)은 "스포츠", "음악", 및 "책"으로 라벨링된 평가 정보를 생성하며; 또한, 카테고리 추출 유닛(730)은 맵핑 관계 내의 작은 카테고리에 따라 대응하는 평가 정보를 생성한다.
평가 정보를 생성하기 위한 방법 및 시스템, 그리고 대응하는 컴퓨터 저장 매체는, 사용자 행동 정보로부터 제1 정보를 획득하고, 미리 설정된 키 매칭 정보와 매칭하는 제1 정보에 따라 대응하는 카테고리를 획득하여, 카테고리에 대응하는 평가 정보를 생성한다. 제1 정보가 다양하면 생성된 평가 정보도 다양하고, 평가 정보의 동적인 조정이 달성된다.
본 발명은 또한, 컴퓨터 실행 가능한 명령들을 저장하기 위해 이용되는 컴퓨터 저장 매체를 제공한다. 컴퓨터 실행 가능한 명령들은, 터치 단말기의 상호작용 방법을 구현하도록 컴퓨터를 제어하기 위해 이용되는데, 이 컴퓨처 저장 매체의 컴퓨터 실행 가능한 명령들은, 상술한 방법으로 설명된 것으로서의 터치 단말기의 상호작용을 위한 특정 단계들을 실행하는데, 여기서는 설명되지 않을 것이다.
설명 목적의 전술한 설명들은 특정 예시들을 참조하여 설명되었다. 그러나, 상기 설명적 내용들이 본 발명의 모든 내용인 것으로 의도되거나 본 발명을 여기 공개된 특정한 형태로만 한정하는 것으로 의도되지는 않는다. 위 예시들은, 다른 통상의 기술자들이 본 발명과 그 다양한 예시들을 특정 용도에 적합한 다양한 변형을 통해 최대로 활용하도록 하고자, 본 발명과 그 실제 적용예의 원리를 최선으로 설명하기 위해 선택되고 설명된 것이다.

Claims (19)

  1. 평가 정보를 생성하기 위한 방법으로서,
    정보 획득 모듈이 사용자 행동 정보로부터 제1 정보를 획득하는 단계;
    키 매칭 정보 판단 모듈이 상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭된다면, 카테고리 처리 모듈이 상기 제1 정보에 대응하는 상기 키 매칭 정보가 속하는 카테고리를 획득하는 단계; 및
    평가 정보 생성 모듈이 상기 카테고리에 따라 평가 정보를 생성하는 단계
    를 포함하고,
    상기 키 매칭 정보 판단 모듈이 상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하는 단계 이전에,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계를 구축하는 단계를 더 포함하고; 그리고
    상기 키 매칭 정보 판단 모듈이 상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하는 단계는,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계를 검색하고, 상기 제1 정보에 대응하는 정보 추출 값이 상기 키 매칭 정보의 정보 추출 값 내에 존재하는지의 여부를 판단하는 단계를 포함하고,
    존재한다면, 상기 카테고리 처리 모듈이 상기 제1 정보에 대응하는 상기 키 매칭 정보에 따라, 상기 키 매칭 정보가 속하는 카테고리를 획득하는 단계에서,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에 따라 상기 제1 정보의 저장 어드레스를 획득하고;
    상기 제1 정보의 저장 어드레스에 따라, 상기 제1 정보와 카테고리 사이의 맵핑 관계를 검색하며; 그리고
    상기 제1 정보와 카테고리 사이의 맵핑 관계에 따라 상기 제1 정보가 속하는 카테고리를 획득하고 상기 카테고리의 발생 빈도를 카운트하는, 방법.
  2. 제1항에 있어서,
    상기 사용자 행동 정보가 문자 정보이면, 상기 정보 획득 모듈이 상기 사용자 행동 정보로부터 제1 정보를 획득하는 단계는,
    상기 사용자 행동 정보를 판독하고 상기 사용자 행동 정보에 대해 단어 분할을 수행하여 상기 제1 정보를 획득하는 단계를 더 포함하고; 그리고,
    상기 사용자 행동 정보가 그림 정보이면, 상기 사용자 행동 정보로부터 제1 정보를 획득하는 단계는,
    상기 그림 정보에 대응하는 제1 정보를 획득하는 단계를 더 포함하는 - 상기 그림 정보에 대응하는 제1 정보는 식별 번호임 -, 방법.
  3. 제1항에 있어서,
    상기 제1 정보의 저장 어드레스에 따라, 상기 제1 정보와 카테고리 사이의 맵핑 관계를 검색하는 단계는,
    상기 제1 정보의 저장 어드레스에 따라 상기 키 매칭 정보를 검색하고 상기 제1 정보와 카테고리 코드 사이의 맵핑 관계를 획득하는 단계를 포함하고,
    상기 제1 정보와 카테고리 사이의 맵핑 관계에 따라 상기 제1 정보가 속하는 카테고리를 획득하고 상기 카테고리의 발생 빈도를 카운트하는 단계는,
    상기 제1 정보에 대응하는 카테고리 코드에 따라, 카테고리 계층을 획득하는 단계;
    상기 카테고리 계층에 따라, 상기 카테고리 코드에 대응하는 카테고리를 획득하는 단계; 및
    상기 카테고리의 발생 빈도를 카운트하는 단계를 포함하는, 방법.
  4. 제3항에 있어서,
    상기 카테고리의 발생 빈도를 카운트하는 단계 이후에,
    상기 획득된 카테고리와 카테고리 계층에 따라, 각각의 카테고리 계층이 속하는 카테고리와 상기 제1 정보 사이의 맵핑 관계를 구축하고, 상기 맵핑 관계 내의 대응하는 발생 빈도를 라벨링하는 단계를 더 포함하는 방법.
  5. 제1항에 있어서,
    상기 평가 정보 생성 모듈이 상기 카테고리에 따라 평가 정보를 생성하는 단계는,
    카테고리의 발생 빈도에 따라 분류하는 단계; 및
    상기 발생 빈도가 큰 것부터 작은 것으로의 순서에 따라 미리 설정된 수의 카테고리를 추출하고, 대응하는 평가 정보를 생성하는 단계
    를 포함하는, 방법.
  6. 제1항에 있어서,
    상기 카테고리의 발생 빈도를 카운트하는 단계 이후에,
    상기 사용자 행동 정보가 상기 제1 정보와 관련된 감정 문구를 포함하는지의 여부를 스캔하고 판단하며, 포함한다면, 상기 감정 문구에 따라 상기 카테고리의 발생 빈도를 조정하는 단계를 더 포함하는 방법.
  7. 제1항에 있어서,
    상기 카테고리의 발생 빈도를 카운트하는 단계 이후에,
    상기 발생 빈도를 카운트하기 위한 시간을 기록하는 단계; 및
    상기 시간에 따라 상기 카테고리의 발생 빈도를 카운트하기 위한 시간 간격을 획득하고, 상기 시간 간격에 따라 상기 카테고리의 발생 빈도를 조정하는 단계를 더 포함하는 방법.
  8. 제2항에 있어서,
    상기 제1 정보가 미리 설정된 키 매칭 정보와 매칭되는지의 여부를 판단하는 단계 이전에,
    상기 제1 정보가 명사인지의 여부를 판단하고, 명사이면, 상기 제1 정보가 상기 키 매칭 정보와 매칭되는지의 여부를 판단하는 단계로 진입하는 단계;
    명사가 아니면, 상기 제1 정보가 대명사인지의 여부를 추가로 판단하는 단계; 및
    대명사이면, 최후의 판단에서 상기 제1 정보에 대응하는 키 매칭 정보를 획득하고, 상기 제1 정보에 대응하는 상기 키 매칭 정보에 따라 상기 명사가 속하는 카테고리를 획득하는 단계로 진입하는 단계
    를 더 포함하는 방법.
  9. 평가 정보를 생성하기 위한 시스템으로서,
    사용자 행동 정보로부터 제1 정보를 획득하는 정보 획득 모듈;
    상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭된다면, 카테고리 처리 모듈에 통지하는 키 매칭 정보 판단 모듈;
    상기 제1 정보에 대응하는 상기 키 매칭 정보가 속하는 카테고리를 획득하는 카테고리 처리 모듈; 및
    상기 카테고리에 따라 평가 정보를 생성하는 평가 정보 생성 모듈
    을 포함하고,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계가 미리 구축되고,
    상기 키 매칭 정보 판단 모듈은 추가로 상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계를 검색하고, 상기 제1 정보에 대응하는 정보 추출 값이 상기 키 매칭 정보의 정보 추출 값 내에 존재하는지의 여부를 판단하여, 존재한다면, 상기 카테고리 처리 모듈에 통지하고;
    상기 카테고리 처리 모듈은,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에 따라 상기 제1 정보의 저장 어드레스를 획득하는 어드레스 획득 유닛;
    상기 제1 정보의 저장 어드레스에 따라, 상기 제1 정보와 카테고리 사이의 맵핑 관계를 검색하는 검색 유닛; 및
    상기 제1 정보와 카테고리 사이의 맵핑 관계에 따라 상기 제1 정보가 속하는 카테고리를 획득하고 상기 카테고리의 발생 빈도를 카운트하는 카테고리 획득 유닛을 포함하는, 시스템.
  10. 제9항에 있어서,
    상기 사용자 행동 정보가 문자 정보이면, 상기 정보 획득 모듈은 상기 사용자 행동 정보를 판독하고 상기 사용자 행동 정보에 대해 단어 분할을 수행하여 상기 제1 정보를 획득하고; 그리고
    상기 사용자 행동 정보가 그림 정보이면, 상기 정보 획득 모듈은 상기 그림 정보에 대응하는 제1 정보를 획득하는 - 상기 그림 정보에 대응하는 제1 정보는 식별 번호임 -, 시스템.
  11. 제9항에 있어서,
    상기 카테고리 획득 유닛은 추가로, 상기 획득된 카테고리와 카테고리 계층에 따라 각각의 카테고리 계층이 속하는 카테고리와 상기 제1 정보 사이의 맵핑 관계를 구축하고, 상기 맵핑 관계의 대응하는 발생 빈도를 라벨링하는, 시스템.
  12. 제9항에 있어서,
    상기 검색 유닛은 추가로, 상기 제1 정보의 저장 어드레스에 따라 상기 키 매칭 정보를 검색하고, 상기 제1 정보와 카테고리 코드 사이의 맵핑 관계를 획득하며; 그리고
    상기 카테고리 획득 유닛은 추가로, 상기 제1 정보에 대응하는 카테고리 코드에 따라 카테고리 계층을 획득하고, 상기 카테고리 계층에 따라 상기 카테고리 코드에 대응하는 카테고리를 획득하며, 상기 카테고리의 발생 빈도를 카운트하는, 시스템.
  13. 제9항에 있어서,
    상기 평가 정보 생성 모듈은,
    카테고리의 발생 빈도에 따라 분류하는 분류 유닛; 및
    상기 발생 빈도가 큰 것부터 작은 것으로의 순서에 따라 미리 설정된 수의 카테고리를 추출하고, 대응하는 평가 정보를 생성하는 카테고리 추출 유닛
    을 포함하는, 시스템.
  14. 제9항에 있어서,
    상기 카테고리 처리 모듈은
    상기 사용자 행동 정보가 상기 제1 정보와 관련된 감정 문구를 포함하는지의 여부를 스캔하고, 포함한다면, 제1 빈도 조정 유닛에 통지하는 스캐닝 유닛; 및
    상기 감정 문구에 따라 상기 카테고리의 발생 빈도를 조정하는 제1 빈도 조정 유닛
    을 더 포함하는 시스템.
  15. 제9항에 있어서,
    상기 카테고리의 처리 모듈은,
    상기 발생 빈도를 카운트하기 위한 시간을 기록하는 기록 유닛; 및
    상기 시간에 따라 상기 카테고리의 발생 빈도를 카운트하기 위한 시간 간격을 획득하고, 상기 시간 간격에 따라 상기 카테고리의 발생 빈도를 조정하는 제2 빈도 조정 유닛을 더 포함하는 시스템.
  16. 제10항에 있어서,
    상기 제1 정보가 명사인지의 여부를 판단하고, 명사이면, 상기 키 매칭 정보 판단 모듈에 통지하고, 명사가 아니면, 대명사 판단 모듈에 통지하는 명사 판단 모듈을 더 포함하고,
    상기 대명사 판단 모듈은 추가로 상기 제1 정보가 대명사인지의 여부를 추가로 판단하고, 대명사이면, 정보 획득 모듈에 통지하며; 그리고
    상기 정보 획득 모듈은 상기 제1 정보에 대응하는 키 매칭 정보를 획득하고, 상기 카테고리 처리 모듈에 통지하는, 시스템.
  17. 평가 정보를 제공하기 위한 방법을 구현하도록 컴퓨터를 제어하는데 이용되는 컴퓨터 실행 가능한 명령들을 저장하기 위해 이용되는 컴퓨터 저장 매체로서,
    상기 방법은,
    사용자 행동 정보로부터 제1 정보를 획득하는 단계;
    상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하고, 매칭된다면, 상기 제1 정보에 대응하는 상기 키 매칭 정보가 속하는 카테고리를 획득하는 단계; 및
    상기 카테고리에 따라 평가 정보를 생성하는 단계
    를 포함하고,
    상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하는 단계 이전에, 상기 방법은,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계를 구축하는 단계를 더 포함하고; 그리고
    상기 제1 정보가 키 매칭 정보와 매칭되는지의 여부를 판단하는 단계는,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계를 검색하고, 상기 제1 정보에 대응하는 정보 추출 값이 상기 키 매칭 정보의 정보 추출 값 내에 존재하는지의 여부를 판단하는 단계를 포함하고,
    존재한다면, 상기 제1 정보에 대응하는 상기 키 매칭 정보에 따라, 상기 키 매칭 정보가 속하는 카테고리를 획득하는 단계에서,
    상기 키 매칭 정보의 정보 추출 값과 저장 어드레스 사이의 맵핑 관계에 따라 상기 제1 정보의 저장 어드레스를 획득하고;
    상기 제1 정보의 저장 어드레스에 따라, 상기 제1 정보와 카테고리 사이의 맵핑 관계를 검색하며; 그리고
    상기 제1 정보와 카테고리 사이의 맵핑 관계에 따라 상기 제1 정보가 속하는 카테고리를 획득하고 상기 카테고리의 발생 빈도를 카운트하는, 컴퓨터 저장 매체.
  18. 삭제
  19. 삭제
KR1020147021168A 2011-12-28 2012-12-12 평가 정보 생성 방법 및 시스템, 및 컴퓨터 저장 매체 KR101652358B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201110447900.7A CN103186555B (zh) 2011-12-28 2011-12-28 评价信息生成方法及系统
CN201110447900.7 2011-12-28
PCT/CN2012/086465 WO2013097603A1 (zh) 2011-12-28 2012-12-12 评价信息生成方法及系统、计算机存储介质

Publications (2)

Publication Number Publication Date
KR20140108326A KR20140108326A (ko) 2014-09-05
KR101652358B1 true KR101652358B1 (ko) 2016-08-30

Family

ID=48677724

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147021168A KR101652358B1 (ko) 2011-12-28 2012-12-12 평가 정보 생성 방법 및 시스템, 및 컴퓨터 저장 매체

Country Status (5)

Country Link
US (1) US20140344276A1 (ko)
JP (1) JP2015506509A (ko)
KR (1) KR101652358B1 (ko)
CN (1) CN103186555B (ko)
WO (1) WO2013097603A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104376104A (zh) * 2014-11-25 2015-02-25 苏州迪云信息科技有限公司 一种用于分析目标数据中关键信息的方法和装置
CN105847368A (zh) * 2016-03-30 2016-08-10 乐视控股（北京）有限公司 评价信息的显示方法及装置
CN107977196B (zh) * 2016-10-21 2020-11-20 腾讯科技（北京）有限公司 一种文本生成方法及服务器
US10929617B2 (en) * 2018-07-20 2021-02-23 International Business Machines Corporation Text analysis in unsupported languages using backtranslation
CN109450967A (zh) * 2018-09-27 2019-03-08 山东客套智能科技有限公司 基于用户操作行为的用户评分方法
CN109949103B (zh) * 2019-03-29 2021-10-22 联想(北京)有限公司 一种数据处理方法、装置及电子设备
CN113075996B (zh) * 2020-01-06 2024-05-17 京东方艺云(杭州)科技有限公司 一种用户情绪改善方法和系统
CN113311936B (zh) * 2020-02-27 2022-12-02 中移(成都)信息通信科技有限公司 基于ar的语音点评方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011086167A (ja) * 2009-10-16 2011-04-28 Nomura Research Institute Ltd 情報抽出ルール作成支援システム
US20110225043A1 (en) * 2010-03-12 2011-09-15 Yahoo! Inc. Emotional targeting

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0946689A (ja) * 1995-07-28 1997-02-14 Hitachi Ltd 映像ソフト紹介システムおよび映像ソフト紹介方法
JP2003030234A (ja) * 2001-07-18 2003-01-31 Toshiba Tec Corp 個人興味自動認識システム
US7209906B2 (en) * 2002-01-14 2007-04-24 International Business Machines Corporation System and method for implementing a metrics engine for tracking relationships over time
CN1756160A (zh) * 2004-09-27 2006-04-05 戴志军 方便用户上网的个性化网站
EP1675060A1 (en) * 2004-12-23 2006-06-28 IBM Corporation A method and system for managing customer network value
WO2008023470A1 (fr) * 2006-08-21 2008-02-28 Kyoto University Procédé de recherche de phrase, moteur de recherche de phrase, programme informatique, support d'enregistrement et stockage de document
CN101425926A (zh) * 2008-10-08 2009-05-06 北京赛尔汇力安全科技有限公司 基于信用评估的网络秩序调控方法
US8234147B2 (en) * 2009-05-15 2012-07-31 Microsoft Corporation Multi-variable product rank
CN101582086A (zh) * 2009-06-11 2009-11-18 腾讯科技（深圳）有限公司 获取博客质量信息的方法和装置
JP5439100B2 (ja) * 2009-09-24 2014-03-12 株式会社日立ソリューションズ 文書解析システム
CN102163205A (zh) * 2010-02-21 2011-08-24 施章祖 一种类似客户群体的自动挖掘系统
JP5367632B2 (ja) * 2010-04-12 2013-12-11 日本電信電話株式会社 知識量推定装置及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011086167A (ja) * 2009-10-16 2011-04-28 Nomura Research Institute Ltd 情報抽出ルール作成支援システム
US20110225043A1 (en) * 2010-03-12 2011-09-15 Yahoo! Inc. Emotional targeting

Also Published As

Publication number Publication date
WO2013097603A1 (zh) 2013-07-04
KR20140108326A (ko) 2014-09-05
JP2015506509A (ja) 2015-03-02
US20140344276A1 (en) 2014-11-20
CN103186555B (zh) 2016-05-11
CN103186555A (zh) 2013-07-03

Similar Documents

Publication Publication Date Title
KR101652358B1 (ko) 평가 정보 생성 방법 및 시스템, 및 컴퓨터 저장 매체
EP3401802A1 (en) Webpage training method and device, and search intention identification method and device
US9311386B1 (en) Categorizing network resources and extracting user interests from network activity
CN103546446B (zh) 一种钓鱼网站的检测方法、装置和终端
JP2009508267A (ja) ブログ文書のランク付け
US20160267086A1 (en) Presenting content items based on received facet value scores
JP6429382B2 (ja) コンテンツ推薦装置、及びプログラム
JP6457123B2 (ja) 探索処理方法およびデバイス
EP2073131A1 (en) Method and apparatus for processing a search query for text content items
WO2019187842A1 (ja) 違法コンテンツ探索装置、違法コンテンツ探索方法およびプログラム
CN111930949B (zh) 搜索串处理方法、装置、计算机可读介质及电子设备
Bagdouri et al. Profession-based person search in microblogs: Using seed sets to find journalists
US9323721B1 (en) Quotation identification
CN108427769B (zh) 一种基于社交网络的人物兴趣标签提取方法
WO2019187919A1 (ja) 違法コンテンツ探索装置、違法コンテンツ探索方法およびプログラム
CN107169065B (zh) 一种特定内容的去除方法和装置
CN110888896A (zh) 数据搜寻方法及其数据搜寻系统
JP2024516836A (ja) クリップテンプレート検索方法及び装置
CN109739892B (zh) 对互联网内的数据获取请求进行分级扩展的方法及系统
CN109947947B (zh) 一种文本分类方法、装置及计算机可读存储介质
WO2019187843A1 (ja) 違法コンテンツ探索装置、違法コンテンツ探索方法およびプログラム
KR101271171B1 (ko) 사용자가 선정한 키워드에 기반한 콘텐츠 관련정보 제공장치 및 방법
JP6762678B2 (ja) 違法コンテンツ探索装置、違法コンテンツ探索方法およびプログラム
CN110719280B (zh) 基于大数据的用户隐私保护的推荐系统及方法
CN108268552B (zh) 网站信息的处理方法及装置

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
FPAY Annual fee payment

Payment date: 20190819

Year of fee payment: 4