KR101749847B1 - 정황 감정 판정 시스템 - Google Patents

정황 감정 판정 시스템 Download PDF

Info

Publication number
KR101749847B1
KR101749847B1 KR1020157024724A KR20157024724A KR101749847B1 KR 101749847 B1 KR101749847 B1 KR 101749847B1 KR 1020157024724 A KR1020157024724 A KR 1020157024724A KR 20157024724 A KR20157024724 A KR 20157024724A KR 101749847 B1 KR101749847 B1 KR 101749847B1
Authority
KR
South Korea
Prior art keywords
context
emotional
sensor data
emotion
sensor
Prior art date
Application number
KR1020157024724A
Other languages
English (en)
Other versions
KR20150119131A (ko
Inventor
폴 씨. 데이비스
미르 에프. 알리
지안구오 리
데일 더블유. 러셀
다이 유
Original Assignee
제너럴 인스트루먼트 코포레이션
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 제너럴 인스트루먼트 코포레이션 filed Critical 제너럴 인스트루먼트 코포레이션
Publication of KR20150119131A publication Critical patent/KR20150119131A/ko
Application granted granted Critical
Publication of KR101749847B1 publication Critical patent/KR101749847B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • H04L67/22—
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Telephonic Communication Services (AREA)
  • Multimedia (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

정황을 판정하고 복수의 감정 센서 가능형 전자 디바이스로부터 수신된 정보를 이용하여 연관된 감정 프로파일을 판정하기 위한 시스템, 방법, 및 디바이스가 개시된다. 정황은 공간적 및/또는 시간적 컴포넌트를 포함하는 기술(description)에 의해 정의될 수 있다. 이러한 정황은 시간들 및 장소들의 의미상 유의미하고 절대적인 기술을 이용하여 임의로 정의될 수 있다. 감정 센서 데이터는 데이터가 판정된 상황을 기술하는 정황 데이터와 연관되거나 이를 포함한다. 감정 센서 데이터는 정황에 대한 감정의 묵시적 표시인 감정 센서 판독치를 포함할 수 있다. 센서 데이터는 또한, 정황에 대한 감정의 명시적 기술자들을 수반한 사용자 보고형 데이터를 포함할 수 있다. 감정 센서 데이터는 선택된 정황에 따라 정황 데이터에 의해 필터링될 수 있다. 그 다음, 필터링된 센서 데이터가 분석되어 하나 이상의 사용자나 엔티티에 출력될 수 있는 정황에 대한 감정 프로파일을 판정할 수 있다.

Description

정황 감정 판정 시스템{CONTEXT EMOTION DETERMINATION SYSTEM}
사람들 및 장소들의 묵시적 및 명시적 특성을 판정하기 위한 다양한 유형의 디바이스, 센서 및 기술들이 존재한다. 일부 시스템들은 사용자 특정적 정보를 감지하거나 판정하기 위해 특정한 사용자와 연관된 디바이스를 이용한다. 모바일 전자 디바이스 내의 또는 이와 결합된 센서들은 특정한 사용자에 대한 특성의 다양한 묵시적 표시자들을 감지할 수 있다. 예를 들어, 스마트폰 내의 센서들은, 디바이스의 특정한 사용자의 물리적 특성들, 예를 들어, 위치, 온도, 이동 속도, 심박수 등을 감지하여 그 특정한 사용자에 대한 특성을 암시할 수 있는 정보를 수집할 수 있다. 다른 종래의 모바일 전자 디바이스 기반의 시스템들은 또한, 사용자가 사용자 특성, 예를 들어, 나이, 기분(mood), 건강 상태, 체중 등을 명시적으로 보고할 수 있는 메커니즘을 제공함으로써 특정한 사용자에 대한 정보를 수집한다. 예를 들어, 스마트폰은 사용자에게 개인 정보를 명시적으로 입력할 것을 촉구하는 애플리케이션을 실행할 수 있다. 이러한 유형의 모바일 전자 디바이스는 한 번에 한 사용자에 대한 정보만을 수집한다. 즉, 통상적으로, 각각의 모바일 전자 디바이스는 디바이스의 소유자 또는 현재 사용자에 대한 정보만을 수집한다.
다른 시스템들은, 카메라, 적외선 촬상기, 마이크로폰, 음성 인식 등의 정지형 센서를 이용하여 센서에 근접한 특정한 구역 내의 복수의 사람들의 특성을 검출한다. 이러한 시스템들은 사람들의 신체적 특성을 분석하여, 그 특정한 장소 내의 사람들에 대한 특성들, 예를 들어, 기분, 건강 또는 인구통계 정보를 판정할 수 있다. 예를 들어, 특정한 센서의 범위 내에 오는 사람들에 대해, 사람이 웃고 있는 정도 등의 신체적 특성에 기초하여 장소 내의 사람들의 일부의 기분, 예를 들어, 행복하거나, 만족하거나, 슬퍼하는 등을 판정할 수 있는 시스템이 존재한다. 이러한 시스템 내의 센서들은 정지형이므로, 그 결과는 센서들이 설치되어 있는 장소로 제한된다. 또한, 센서들의 범위 내의 특정한 그룹이나 집단의 결과적 샘플은 제한된다. 사람들의 그룹의 제한된 샘플링은, 주어진 장소와 연관된 기분이나 기타의 특성을 보간하거나 기타의 방식으로 판정하는 경우 결과를 왜곡할 수 있다.
도 1은 특정한 영역(100)의 도면을 나타낸다. 영역(100)은 다양한 수의 사람들(110)이 발견될 수 있는 다수의 장소(120)를 포함할 수 있다. 장소(120)들 중 일부는 정지형 센서(SS)(115)를 포함할 수 있다. 도시된 바와 같이, 정지형 센서(115)의 분포는 몇 개의 가능한 장소(120)만으로 제한된다. 따라서, 정지형 센서(115)를 포함하는 장소(120)만이, 특정한 장소(120) 또는 영역(100) 내의 일부 그룹의 사람들(110)의 기분과 같은, 특성의 근사치라도 판정할 수 있다. 도시된 특정한 예에서, 장소들(120-1, 120-4, 120-6, 120-10, 및 120-12)만이 정지형 감정 센서(stationary emotion sensors)(115)를 포함한다. 다른 장소(120)들은 이들 장소에 대한 특성을 신뢰성 있게 판정하기 위한 수단을 갖지 않는다.
또한, 정지형 센서(115)가 구비된 장소(120)도 그 장소 내의 사람들(110) 중 제한된 샘플만을 검출하는 센서 능력에 의해 제한된다. 정지형 센서(120)의 한계는, 범위, 속도, 및 정확성에 관한 센서의 한계에 기초할 수 있다. 또한, 일부 사람들은 정지형 센서(120)를 적극적으로 피할 수도 있다. 예를 들어, 기분 감지 카메라는 주어진 오락 장소의 정문에 위치하여 그 장소에 들어올 때 사람들의 얼굴 표정을 캡처할 수 있고, 또 다른 기분 검출 카메라는 동일한 장소의 공연 무대 부근에 위치하여 공연을 보는 사람들의 얼굴 표정을 캡처할 수 있다. 그 장소의 정문에 있는 기분 검출 카메라에 의해 캡처된 얼굴 표정은, 그 장소에 들어오는 다수의 사람들이 흥분되어 있다는 것을 검출할 수 있고, 무대에 있는 기분 검출 카메라에 의해 캡처된 얼굴 표정은 무대 근처의 다수의 사람들이 행복하다는 것을 검출할 수도 있다. 그러나, 그 오락이나 그 장소에서 따분해하거나, 피곤해하거나, 행복하지 않을 수 있는 다른 사람들, 또는 심지어 다수의 사람들이 그 장소에 존재할 수 있으나, 기분 검출 카메라들은 그들의 이미지를 캡처할 수 없다. 이러한 상황에서, 그 장소 내의 사람들의 전반적 기분에 관한 임의의 보간된 결과 또는 결론은 가짜일 수 있고, 그에 따라, 그 고객을 접대하는 장소의 진정한 분위기 또는 성공을 나타내지 못할 수 있다.
도 1은 선택된 정황에 대한 제한된 특성을 판정하기 위한 정지형 센서 가능형 전자 디바이스를 이용하는 종래의 시스템을 나타낸다.
도 2a는 본 개시내용의 다양한 실시예에서 이용될 수 있는 다양한 유형의 센서 가능형 전자 디바이스를 나타낸다.
도 2b는 본 개시내용의 다양한 실시예에서 이용될 수 있는 다양한 유형의 센서 가능형 전자 디바이스의 블록도이다.
도 3은 본 개시내용의 다양한 실시예에 따른, 다양한 정황의 특성을 판정하기 위한 복수의 정지형 및 모바일 센서 가능형 전자 디바이스의 배치를 위한 시스템의 블록도이다.
도 4는 본 개시내용의 다양한 실시예에 따른 정황의 다양한 정의를 나타낸다.
도 5는 본 개시내용의 다양한 실시예에 따른 정황의 융통성있는 정의를 나타낸다.
도 6은 본 개시내용의 다양한 실시예에 따른, 정황 내의 공간적 및 시간적 컴포넌트의 조합을 나타낸다.
도 7은 본 개시내용의 다양한 실시예에 따른 정황 정의의 시간적 컴포넌트의 변화에 따른 집단 및 정황 특성의 변화를 나타낸다.
도 8은 본 개시내용의 다양한 실시예에 따른 정황을 정의하기 위한 방법의 흐름도이다.
도 9는 본 개시내용의 다양한 실시예에 따른 복수의 센서 가능형 전자 디바이스로부터 수신된 센서 데이터를 이용하여 정황 특성을 판정하기 위한 방법의 흐름도이다.
도 10은 본 개시내용의 실시예에 따른 다양한 정황과 연관된 감정 센서 데이터를 나타낸다.
도 11은 본 개시내용의 실시예에 따른 다양한 정황과 연관된 움직임 센서 데이터의 변화를 추적하는 것을 나타낸다.
도 12는 본 개시내용의 실시예에 따른 정황 변화에 기초한 개별 사용자 감정의 동향을 나타낸다.
도 13은 본 개시내용의 실시예에 따른 정황 변화에 기초한 개별 사용자 감정의 예측을 나타낸다.
도 14는 본 개시내용의 실시예에 따른 다양한 정황과 연관된 인구통계 센서 데이터를 나타낸다.
도 15는 본 개시내용의 다양한 실시예에 따른 다양한 정황과 연관된 인구통계 센서 데이터의 변화를 나타낸다.
도 16은 본 개시내용의 실시예에 따른 다양한 정황과 연관된 건강 센서 데이터를 나타낸다.
도 17은 본 개시내용의 실시예에 따른 다양한 정황과 연관된 건강 센서 데이터의 변화를 나타낸다.
본 명세서에서는, 특정한 정황을 융통성있게 정의하고 분산된 센서 가능형 전자 디바이스들을 이용하여 그 정황에 대한 특성을 판정하기 위한 시스템 및 방법을 위한 기술이 개시된다. 특히, 본 개시내용의 실시예는, 정지형 전자 디바이스 및 모바일 전자 디바이스 내의 감정 센서를 이용하여 정황에 대한 감정을 판정하는 것을 포함한다. 이하의 설명에서, 특정한 실시예의 철저한 이해를 제공하기 위하여, 수 많은 예와 특정한 세부사항이 개시된다. 청구항에 의해 정의되는 특정한 실시예는 이들 예의 피쳐들의 일부 또는 전부를 단독으로 또는 이하에서 설명되는 다른 피쳐들과 연계하여 포함할 수 있고, 이하에서 설명되는 피쳐들과 개념들의 수정 및 균등물을 더 포함할 수 있다.
본 개시내용의 다양한 실시예들은 복수의 분산된 감정 센서 가능형 전자 디바이스로부터 감정 센서 데이터를 수신하는 단계를 포함할 수 있는 방법들을 포함한다. 감정 센서 데이터는 복수의 정황에 대한 분산된 전자 디바이스에 의해 감지된 정보에 기초할 수 있다. 이러한 실시예들은 또한, 복수의 정황으로부터 제1 정황을 판정하는 단계, 및 복수의 분산된 전자 디바이스의 일부로부터 수신되는 것으로 판정된 감정 센서 데이터의 제1 부분을 판정하는 단계를 포함할 수 있고, 여기서, 감정 센서 데이터의 일부는 제1 정황에 대해 감지된 정보에 기초한다. 이 방법들은 또한, 감정 센서 데이터의 제1 부분에 기초하여 제1 정황에 대한 제1 감정 프로파일을 판정하는 단계를 포함할 수 있고, 제1 감정 프로파일은 제1 정황과 연관된 감정의 기술을 포함한다.
본 개시내용의 다른 실시예들은 명령어들을 포함하는 비일시적 컴퓨터-판독가능한 저장 매체를 포함하며, 명령어들은, 실행되는 경우, 복수의 분산된 전자 디바이스로부터 감정 센서 데이터를 수신하게끔 구성되도록 컴퓨터 시스템의 프로세서를 제어하며, 여기서, 감정 센서 데이터는 복수의 정황에 대한 복수의 분산된 전자 디바이스에 의해 감지된 정보에 기초한다. 이러한 실시예는 또한, 복수의 정황으로부터 제1 정황을 판정하는 단계, 복수의 분산된 전자 디바이스의 제1 부분으로부터 수신된 것으로 판정된 감정 센서 데이터의 제1 부분 ―감정 센서 데이터의 제1 부분은 제1 정황에 대해 감지된 정보에 기초함― 을 판정하는 단계, 및 감정 센서 데이터의 제1 부분에 기초하여 제1 정황에 대한 제1 감정 프로파일을 판정하는 단계를 포함한다. 제1 감정 프로파일은 제1 정황과 연관된 감정의 기술을 포함할 수 있다.
본 개시내용의 다양한 다른 실시예들은, 프로세서, 감정 센서, 전자적 통신 인터페이스, 및 비-일시적 컴퓨터-판독가능한 저장 매체를 포함하는 전자 디바이스를 포함한다. 비-일시적 컴퓨터-판독가능한 저장 매체는, 실행되는 경우, 프로세서를 제어하여 감정 센서를 활성화시켜 감정 센서 판독치를 판정하고 감정 센서 판독치에 대한 정황 데이터를 판정하게끔 구성되도록 하는 명령어를 포함할 수 있다. 정황 데이터는 감정 센서 판독치가 판정된 상황을 기술한다. 명령어들은 또한, 프로세서를 제어하여 정황 데이터와 감정 센서 판독치를 포함하는 감정 센서 데이터를 생성하고, 전자적 통신 인터페이스를 통해 하나 이상의 원격 서비스 제공자에게 감정 센서 데이터를 전송하며, 전자적 통신 인터페이스를 통해 하나 이상의 원격 서비스 제공자 중 제1 원격 서비스 제공자로부터 특정한 정황에 대한 요약 감정 센서 데이터를 수신하게끔 구성되도록 할 수 있다. 요약 감정 센서 데이터는, 복수의 다른 전자 디바이스로부터 제1 원격 서비스 제공자에 의해 수신되고, 특정한 정황과 매칭하는 정황 데이터를 포함한다고 판정된 감정 센서 데이터를 포함할 수 있다.
본 개시내용의 다양한 실시예는, 정황을 판정하고 복수의 감정 센서 가능형 전자 디바이스로부터 수신된 정보를 이용하여 이들 정황에 대한 감정 또는 감정 프로파일을 판정하기 위한 시스템, 방법, 및 디바이스를 포함한다. 정황은 공간적 및/또는 시간적 컴포넌트를 포함하는 기술(description)에 의해 정의될 수 있다. 공간적 컴포넌트는, 좌표 기반의 맵 시스템 및 근접성 기반의 위치 서비스 등의, 다양한 유형의 절대적 및 상대적 위치 기술 시스템을 참조할 수 있다. 시간적 컴포넌트는 절대적 및 상대적 시간 기술 시스템을 참조할 수 있다. 이러한 시간 기술 시스템은 시작 시간 및 날짜, 정지 시간 및 날짜, 또는 일부 독점적인 또는 범용의 시간 유지 시스템 내의 일부 특정한 시간 기간의 지정을 포함할 수 있다. 일부 실시예에서, 정황은, 특정한 시간 및 장소에 대한 감정 센서 데이터의 존재, 집중, 또는 가용성에 의해 판정될 수 있다. 따라서, 정황은 시간 및 장소의 개별적 및 복합적 조합으로서 임의로 정의될 수 있다.
일단 정황이 선택되거나 정의되고 나면, 복수의 전자 디바이스로부터 수신된 감정 센서 데이터의 전부 또는 일부는 필터링 또는 분석되어 선택된 정황과 매칭하는 정황 데이터를 포함하거나 이와 연관된 감정 센서 데이터의 일부를 판정할 수 있다. 정황 데이터는, 센서 데이터에 포함된 감정 센서 판독치가 감지되거나, 기록되거나, 또는 기타의 방식으로 판정된 상황을 기술할 수 있는 시간적 및 공간적 컴포넌트를 포함할 수 있다. 일부 실시예에서, 감정 센서 데이터는 감정의 묵시적 표시 및 감정의 명시적 기술자(descriptors)를 포함할 수 있다. 묵시적 기술자는 처리되거나 미처리된 감정 센서 판독치를 포함할 수 있다. 이러한 센서 판독치는 감정 또는 감정 프로파일의 특정한 상태에 맵핑될 수 있다. 명시적 감정 기술자는, 정황에 대한 특정한 또는 일반적인 감정적 상태에 관한 하나 이상의 사용자 보고형 데이터 포인트, 예를 들어, 특정한 애플리케이션, 웹사이트, 또는 소셜 미디어 네트워크를 통해 사용자에 의해 보고된 감정적 상태를 포함할 수 있다. 본 명세서에서 사용되는 바와 같이, 용어 "감정 센서"란, 품질이나 정확도에 관계없이, 감정 또는 감정 특성을 유추하는데 이용될 수 있는 정보를 감지하는데 이용될 수 있는 임의의 센서를 말할 수 있다. 예를 들어, 가속도계는, 사람의 감정을 표시하는데 이용되거나, 하나 이상의 사람들의 감정을 유추하기 위해 다른 센서들로부터의 데이터와 연계하여 이용될 수 있다.
관심 정황 내에 있거나 있었던 감정 센서 가능형 전자 디바이스로부터 수신된 것으로 판정된 감정 센서 데이터가 분석되어 그 정황에 대한 감정 프로파일을 판정할 수 있다. 결과적인 감정 프로파일이 취할 수 있고 감정 프로파일을 소비하거나 시청할 사용자나 엔티티의 필요에 기초할 수 있는 형태는 많다. 예를 들어, 감정 프로파일은 정황에 대한 모든 감정 센서 데이터의 완전한 목록을 포함할 수 있다. 다른 실시예에서, 감정 프로파일은 정황에 대한 센서 데이터 내에 가장 빈번한 감정 표시자와 기술자의 요약을 포함할 수 있다. 일 실시예에서, 감정 프로파일은 단일의 종합된 감정 표시자로의 모든 감정 표시자들의 집성을 포함할 수 있다. 감정 프로파일의 포맷에 관계없이, 프로파일들은 다양한 통신 채널 및 라인들을 통해 출력될 수 있다. 예를 들어, 감정 프로파일 및 관련된 정황들은 웹사이트에 퍼블리싱되거나, 전자메일로서 전송되거나, 텍스트 메시지로서 브로드캐스팅되거나, RSS(Really Simple Syndication) 피드를 이용하여 푸시될 수 있다.
이제 본 개시내용의 다양한 실시예들이 특정한 디바이스, 시스템, 및 이용 사례를 참조하여 더 상세히 설명될 것이다.
센서 가능형 디바이스
많은 사용자들은 매일 적어도 하나의 전자 디바이스와 조우하거나 이를 이용한다. 이러한 디바이스들 중 임의의 것 또는 모두는 하나 이상의 다양한 센서를 포함하도록 구성될 수 있다. 도 2a는 센서 가능형 전자 디바이스(210)의 몇 가지 예를 나타낸다. 일부 센서 가능형 디바이스(210)는 많은 사용자들이 거의 매일 소지하는 (센서 가능형 모바일 전자 디바이스(210)라고 하는) 모바일 디바이스이다. 이들 디바이스들은 다양한 유형과 브랜드의 센서 가능형 모바일 전화(210-1), 스마트폰(210-2), 태블릿 컴퓨터, 및 랩탑 컴퓨터 등을 포함한다. 모바일 컴퓨팅 및 통신 디바이스는 가장 흔히 이용되는 디바이스들 중 일부이지만, 역시 자주 이용되는 기타의 센서 가능형 모바일 전자 디바이스(210)도 있다. 예를 들어, 다양한 사용자들은, 센서 가능형 계보기(pedometer), 전자 음악 재생기(예를 들어, MP3)(210-3), 시계(210-4), 안경, 및 때때로, 자체-안내형 위치-감응 박물관 투어 디바이스와 같은, 전문 모바일 전자 디바이스를 소지한다. 또한, 하나의 디바이스가 또 다른 디바이스에 테더링(tethered) 또는 접속될 수 있는 모바일 전자 디바이스의 구성이 존재한다. 예를 들어, 시계(210-4) 또는 시계(210-5)는, 정보, 컴퓨팅, 네트워킹, 또는 센서 자원을 공유하기 위해 유선 또는 무선 접속에 의해 스마트폰(210-2)에 접속될 수 있다.
결합된 또는 개개의 센서 가능형 모바일 전자 디바이스들(210) 중 임의의 것은 환경, 신체 또는 위치 센서 등의 하나 이상의 유형의 센서를 포함할 수 있다. 이러한 디바이스들의 이동성은 광범위한 정황으로의 센서의 융통성이 있는 배치를 제공하여 이들 정황에 대한 다양한 특성을 판정한다. 또한, 이들 정황에서 사람 또는 상태의, 예를 들어, 온도 특징, 사운드 레벨, 얼굴 표정 등의 물리적 특성을 검출하기 위한 다양한 정황에서 설치 또는 배치될 수 있는 총칭적으로 210-6에 도시된, 하나 이상의 유형의 (센서 가능형 정지형 전자 디바이스(210)라고 하는) 센서 가능형 정지형 디바이스가 구비된 일부 상황이 존재할 수 있다. 정지형 전자 디바이스(210-6)에 의해 결정되거나 감지되는 정보는 독립적으로 또는 기타의 모바일 또는 정지형 센서 가능형 디바이스로부터 수집된 정보와 연계하여 이용될 수 있다.
도 2b는, 본 개시내용의 다양한 실시예의 구현에서 이용될 수 있는 센서 가능형 전자 디바이스(210)의 개략도를 나타낸다. 앞서 논의된 바와 같이, 센서 가능형 디바이스(210)는 모바일 또는 정지형 디바이스일 수 있다. 어느 유형의 전자 디바이스도 내부 통신 버스(219)를 포함할 수 있고, 이를 통해 전자 디바이스(210)의 구성 컴포넌트들은 서로 통신하거나 및/또는 제어할 수 있다. 일부 실시예에서, 전자 디바이스(210)는 내부 센서(215) 및/또는 외부 센서(216)를 포함할 수 있다. 센서들은, 사람, 물체, 또는 환경의 물리적 특성을 검출할 수 있는 임의의 유형의 센서를 포함할 수 있다. 일부 실시예에서, 외부 센서(216)는 유선 또는 무선 접속에 의해 전자 디바이스(210)에 결합될 수 있다. 따라서, 외부 센서(216)는, 전자 디바이스(210)로부터 분리된 영역, 물체, 사용자의 신체의 일부를 감지하도록 구성될 수 있다. 예를 들어, 외부 센서(216)는, 손목 시계, 한 쌍의 안경/고글, 또는 사용자의 신체의 일부에 부착되거나 접합될 수 있는 신체 모니터에, 예를 들어, 온도계 또는 심박 모니터에 포함될 수 있다.
센서들 각각은, 메모리(213) 내에 로딩되거나 데이터 저장소(218)의 비-일시적 컴퓨터 판독가능한 매체에 저장된 컴퓨터 판독가능한 코드를 실행하는 프로세서(214)에 의해 제어될 수 있다. 외부 센서(216) 또는 내부 센서(215)에 의해 감지된 판독치는 프로세서(214)에 의해 수집될 수 있고 메모리(213) 또는 데이터 저장소(218)에 국지적으로 저장될 수 있다. 일부 실시예에서, 외부 센서(216) 및/또는 내부 센서(215)로부터의 판독치는 원격 서비스 제공자(230)에 전송될 수 있다. 이러한 실시예들에서, 전자 디바이스(210)는, 센서들로부터의 판독치를, 통신 전송기/트랜시버(212)와 네트워크(220)를 이용한 전송을 위해, 한 포맷으로부터 또 다른 포맷으로 변환 또는 전환하기 위한 통신 인터페이스(212)를 포함할 수 있다. 따라서, 전자 디바이스(210)는, 다양한 유선 및 무선 전자 통신 프로토콜 및 매체를 이용하여 네트워크(220) 및 서비스 제공자(230)와 통신하도록 구성될 수 있다. 예를 들어, 전자 디바이스(210)는, Ethernet, IEEE 802.11xx, WiMAX(worldwide interoperability for my quick access), GPRS(general packet radio service), EDGE(enhanced data rates for GSM evolution), 및 LTE(long-term evolution) 등을 이용하여 통신하도록 구성될 수 있다. 센서들로부터의 판독치, 또는 센서 판독치를 포함하거나 이를 이용하여 생성되는 센서 데이터는 실시간으로 서비스 제공자(230)에게 전송될 수 있다. 대안으로서, 센서 판독치 또는 센서 데이터는 저장되거나 및/또는 네트워크 접속이 허용한다면 일괄적으로 서비스 제공자(230)에게 전송될 수 있다.
일부 실시예에서, 센서 가능형 전자 디바이스(210)는 또한 위치 판정기(217)를 포함할 수 있다. 위치 판정기(217)는, 다양한 방법 및 기술, 예를 들어, GPS(global positioning system), NFC(near field communication), 근접성 센서 등을 통해, 전자 디바이스(210)의 위치와 움직임을 판정할 수 있다. 일부 실시예에서, 위치 판정기(217)에 의해 판정된 위치는, 서비스 제공자(230)에게 전송되는 센서 데이터에서, 외부 센서(216) 및/또는 내부 센서(215)로부터의 센서 판독치와 함께 포함되거나 이와 연관될 수 있다. 본 명세서에서 사용되는 바와 같이, 용어 센서 데이터는 센서 판독치 및/또는 사용자 보고형 데이터를 포함하거나 이와 연관되는 임의의 데이터를 기술하는데 이용된다. 예를 들어, 일부 실시예에서, 센서 데이터는, 센서 판독치 및 사용자 보고형 데이터를, 센서 판독치가 취해진 또는 사용자 보고형 데이터가 수집된 시간, 날짜, 및 위치와 함께 포함할 수 있다. 센서 데이터는 또한, 대응하는 센서 데이터가 판정된 경우 검출된 임의의 다른 상태나 예외를 포함할 수 있다.
센서 가능형 디바이스의 배치
도 3은, 복수의 정황(410)에서 배치된 많은 센서 가능형 전자 디바이스(210)를 포함하는 시스템(300)의 개략도를 나타낸다. 센서 가능형 전자 디바이스(210)는 정지형 또는 모바일 디바이스로서 구현될 수 있다. 따라서, 정지형 디바이스들은 특정한 위치나 이벤트와 명시적으로 연관될 수 있다. 예를 들어, 센서 가능형 전자 디바이스(210-1)는, 특정한 위치나 특정한 차량(예를 들어, 버스, 기차, 비행기, 배, 또는 기타의 다수의 사람 운송 수단(multi-person conveyance))내 등의, 특정한 정황(410-1)에서 설치된, 카메라 또는 기타의 센서가 구비된 정지형 디바이스일 수 있다.
또 다른 예에서, 일부 센서 가능형 전자 디바이스(210)는 수동적으로 배치될 수 있다. 예를 들어, 센서 가능형 모바일 디바이스(210)는, 간단히 사용자가 그 연관된 모바일 디바이스를 어디로 가져가는지를 관찰함으로써 복수의 정황 내에 수동적으로 배치될 수 있다. 센서 가능형 전자 디바이스(210)의 수동적 배치란, 사용자가 선택하는 어떤 정황이건 그 정황 내에 디바이스가 사용자에 의해 휴대되는 방식을 말한다. 따라서, 각각의 센서 가능형 모바일 전자 디바이스(210)가 어디에 위치할지 또는 다음에는 어디로 갈지를 지시하는 중심 엔티티가 없다. 그 결정은 센서 가능형 모바일 전자 디바이스(210)의 개개 사용자에 맡겨져 있다. 따라서, 센서 가능형 모바일 전자 디바이스(210-2 및 210-3)는, 한 시점에서, 위치 등의 특정한 정황(410-2)에 있는 것으로 관찰될 수 있지만, 다른 시점에서는 상이한 위치에서 관찰될 수 있다. 많은 센서 가능형 모바일 디바이스(210)의 수동적 배치로 인해 실현될 수 있는 다양한 이점들이 이하의 다양한 예를 참조하여 설명될 것이다.
일부 실시예에서, 각각의 센서 가능형 전자 디바이스(210)는, 하나 이상의 사용자, 위치, 또는 시간 기간의 특성을 검출, 기록, 또는 분석하기 위한 하나 이상의 센서 또는 측정 디바이스를 포함할 수 있다. 예를 들어, 각각의 센서 가능형 전자 디바이스(210)는, 광 센서, 마이크로폰, 데시벨 미터, 가속도계, 자이로스코프, 온도계, 카메라, 적외선 촬상기, 기압계, 고도계, 압력 센서, 심박수 센서, 갈바닉 피부 반응 센서(galvanic skin response sensor), 진동 센서, 중량 센서, 냄새 센서(odor sensor), 또는 특정한 디바이스의 특정한 사용자 또는 다른 사용자들의 또는 디바이스 부근의 물체의 특성을 검출하는 기타 임의의 전문화된 또는 범용 센서를 포함할 수 있다. 앞서 논의된 바와 같이, 센서 가능형 전자 디바이스(210)는 또한, 위치 판정 능력 또는 기능, 예를 들어, GPS(global positioning system), 근접성 검출, 또는 인터넷 프로토콜(IP) 주소 위치 판정 능력을 포함할 수 있다. 이러한 실시예에서, 다양한 센서에 의해 수집되는 센서 데이터는, 특정한 사용자와 및/또는 센서 데이터가 기록되거나 기타의 방식으로 판정된 특정한 위치와 연관될 수 있다. 일 실시예에서, 센서 데이터는 또한, 센서 데이터가 캡처되거나 기록된 때를 나타내는 시간 및/또는 날짜 정보를 포함할 수 있다. 본 명세서에서 사용되는 바와 같이, 시간, 날짜, 위치, 이벤트, 및/또는 기타 임의의 공간적 또는 시간적 지정을 가리키는 임의의 데이터는 정황 데이터로서 지칭될 수 있다. 따라서, 임의의 특정한 센서 데이터는, 센서 데이터가 판정된 상황을 기술하는 정황 데이터와 연관되거나 및/또는 이를 포함할 수 있다.
도 2b에 도시된 바와 같이, 센서 가능형 전자 디바이스(210)들 각각은 전자적 통신 능력을 포함할 수 있다. 따라서, 센서 가능형 전자 디바이스(210)는, 다양한 유형의 전자적 통신 매체와 프로토콜을 이용하여 하나 이상의 전자적 통신 네트워크(220)를 통해 서로 및 다양한 서비스 제공자(230)와 통신할 수 있다. 센서 가능형 전자 디바이스(210)는, 다양한 특정한 사용자 및 정황과 연관된 센서 데이터(SD)를 전송할 수 있고, 서비스 제공자(230)는 이를 수신할 수 있다. 서비스 제공자(230)는, 하나 이상의 컴퓨터 시스템을 이용하여, 센서 데이터를 분석해 특정한 정황의 특성을 판정할 수 있다.
본 개시내용의 다양한 실시예에서, 다양한 서비스 제공자(230)는 센서 데이터를 분석해, 서비스 제공자가 해당 센서 데이터를 갖는 임의의 특정한 정황(410)의 기분, 건강, 웰빙(well-being), 인구통계학적(demographic), 및 기타의 특성을 판정할 수 있다. 그 다음, 서비스 제공자는 특정한 정황(410)에 대해 판정된 특성 데이터(CD)를 하나 이상의 센서 가능형 전자 디바이스(210) 뿐만 아니라 다른 소비자에게 브로드캐스팅하거나 선택적으로 전송할 수 있다. 이러한 실시예들이 이하에서 더 상세히 설명될 것이다.
정황 판정하기
본 명세서에서 논의되는 바와 같이, 정황은 다양한 레벨의 입도(granularity)에서 지리적 영역 및 시간 기간에 의해 정의될 수 있다. 따라서, 정황은, 특정한 미리결정된 기간 또는 이벤트 동안에, 술집, 식당, 또는 유원지 등의 미리정의된 위치를 포함할 수 있다. 미리결정된 또는 물리적 위치를 이용하는 경우, 주소 또는 기타의 의미상 유의미한 위치 지정이 센서 가능형 디바이스에 의해 관찰가능한 좌표 범위와 연관될 수 있다. 대조적으로, 정황은 센서 데이터가 이용가능한 임의의 영역이나 시간 기간으로서 임의적으로 정의될 수 있다. 예를 들어, 서비스 제공자(230)는 특정한 관심 정황, 예를 들어, 특정한 인근, 거리(street), 공원, 극장, 나이트클럽, 차량, 또는 이벤트와 연관된 센서 데이터를 위해 복수의 센서 가능형 전자 디바이스(210)로부터 수신된 센서 데이터를 필터링할 수 있다. 일단 센서 데이터가 필터링되어 서비스 제공자가 관심갖는 특정한 정황(410)과 매칭하거나 이와 연관되어 있는 정황 데이터를 포함하는 센서 데이터를 격리하고 나면, 센서 데이터 내의 센서 판독치가 분석되어 특정한 정황(410)에 대한 특정한 특성을 판정하거나 보간한다.
도 4는, 영역(400)이, 주소 또는 장소 이름과 같은, 의미상 유의미한 지리적 지정에 의해 정의되는, 다수의 하위 영역(sub region) 또는 정황(410)을 어떻게 포함할 수 있는지를 나타낸다. 도시된 바와 같이, 영역(400)은 다수의 물리적 위치(120)와 정황 데이터가 필터링되거나 그룹화될 수 있는 정황(410)으로 분할될 수 있다. 구역(400)은 도시, 인근, 상업 지구, 놀이 공원 등, 또는 임의의 그의 하위 영역을 나타낼 수 있다. 영역(400)은 개개의 및 복합 정황(410)들로 더 분할될 수 있다. 예를 들어, 정황(410-1)은, 위치(120-1 내지 120-5)의 도시 블록, 예를 들어, 특히 영역(400)의 인근의 건물 또는 상업 블록을 포함할 수 있다. 일부 실시예에서, 각각의 위치(120-1) 내지 위치(120-5)는 특정한 정황일 수 있다. 그러나, 도시된 바와 같이, 정황(410-1)은 위치(120-1) 내지 위치(120-5)의 실내 공간 모두 뿐만 아니라 임의의 주변 실외 공간, 즉, 외부 뜰, 보도, 및 거리를 포함할 수 있다. 따라서, 위치(120-1 내지 120-5) 내의 및 그 주변의 구역을 특정한 정황(410-1)으로서 정의함으로써, 구역(410-1) 내에 있는 것으로 판정된 센서 가능형 디바이스로부터 수신된 센서 데이터를 분석함으로써 그 정황에 대한 다양한 표현이 판정될 수 있다. 일 실시예에서, 서비스 제공자(230)의 서버 컴퓨터는 GPS 좌표별로 센서 데이터를 필터링하여 어느 디바이스가 정황(410-1)에 있는지 또는 있었는지를 판정할 수 있다. 다른 실시예에서, 서비스 제공자는, 센서 데이터에 포함된 소셜 미디어 체크-인 정보로부터 의미상 유의미한 지리적 위치를 참조할 수 있다, 예를 들어, 사용자는 자신이 위치(120-1)의 식당에서 저녁 식사를 하고 있거나 정황(410-1) 내부의 체육관(120-4)에서 운동하고 있다고 자체-보고할 수 있다.
도시된 바와 같이, 정황(410-1)은 또한, 물리적 위치 및 시간 기간에 의해 정의될 수 있는 정황(410-2 및 410-3) 등의 다수의 부-정황(sub-context)을 포함할 수 있다. 예를 들어, 정황(410-2)은 일부 특정한 날짜 범위, 예를 들어, 세일 이벤트 동안의 오전 9시부터 오후 8시 사이의 물리적 위치(120-3 및 및 120-3)에 의해 정의될 수 있다. 유사하게, 정황(410-3)은 1년의 특정한 날, 예를 들어, 결혼 또는 콘서트와 같은 특별한 이벤트의 특정한 밤의 물리적 위치(120-5)에 의해 정의될 수 있다. 특정한 관심 정황의 정의를 이용하여, 특정한 실시예는 수신된 센서 데이터를 필터링 또는 분류해 관련 센서 판독치를 분리 및 분석하여 특정한 정황(410)에서 사람들(110)의 특성에 대한 판정을 행할 수 있다. 예를 들어, 정황(410-2)에 대한 센서 데이터는, 정황 내의 다수의 사람들이 "행복하다"는 것을 나타낼 수 있는 반면, 정황(410-3)에 대한 센서 데이터 또는 사용자 보고형 데이터는 정황 내의 사람들의 중간 나이가 45세라는 것을 나타낼 수 있다.
유사하게, 정황(410-4)은, 한 주의 특정한 밤의, 예를 들어, 매 수요일 밤의, 위치(120-6), 위치(120-6)의 주변 구역, 및 정지형 센서(115-3)를 포함하는 것으로 정의될 수 있다. 정지형 센서(115-3)를 포함함으로써, 정황(410-4)의 사람들(110)과 연관된 센서 가능형 모바일 전자 디바이스(210)로부터의 센서 데이터를 분석하는 서버 컴퓨터는 정지형 센서(115-3)로부터의 센서 데이터를 포함시킬 수 있다. 이러한 실시예에서, 센서 가능형 전자 디바이스(210) 또는 정지형 센서(115)로부터의 센서 데이터는, 판정된 관련성, 신뢰성, 최근성, 또는 센서 데이터의 기타의 품질에 따라 가중치부여될 수 있다. 추가로, 모바일 및 정지형 디바이스로부터 수신된 센서 데이터의 상대적 가중치는 샘플 크기에 관한 미리결정된 임계치에 기초할 수 있다. 센서 데이터가 정황(410-4) 내의 일부 임계 개수의 센서 가능형 모바일 전자 디바이스(210)로부터 수신된다면, 정지형 센서(115-3)로부터 수신된 센서 데이터는 그 정황의 특성에 대한 결론에 있어서 더 작은 가중치를 가질 수 있다. 대조적으로, 정황(410-4) 내의 몇몇 사람들만이 센서 가능형 모바일 전자 디바이스(210)를 소지하고 있거나 단지 몇몇 사람들만이 참석해 있다면, 정지형 센서(115-3)로부터의 센서 데이터는 더욱 높게 가중치부여될 수 있다. 샘플 크기는, 모바일 및 정지형 센서 가능형 디바이스로부터의 센서 데이터를 서로에 관해 가중치부여할 수 있는 하나의 예시적 인자일 뿐이다. 다양한 인자에 따라 센서 데이터를 가중치부여하는 것은 이하에서 더 상세히 논의될 것이다.
기존의 주소 및 기타의 의미상 유의미한 설명의 이용이 특정한 정황을 정의하는 편리한 방식이지만, 본 개시내용의 일부 실시예는 건물이나 장소 등의 특정한 물리적 위치(120)와 반드시 연관될 필요는 없는 정황을 정의하는 것을 허용한다. 예를 들어, 정황(410-5)은 정지형 센서(115-5)를 포함하거나 포함하지 않을 수도 있는 개방된 공간에서 정의될 수 있다. 예를 들어, 정황(410-5)은 어떠한 명확한 물리적 경계도 없는 주차장 또는 시립 공원을 포함할 수 있다. 특정한 관심 구역에 대한 지리적 정보를 포함하는 것으로 판정된 센서 데이터를 필터링함으로써, 특정한 실시예들은 임의의 크기 또는 형상의 지리적 장소를 포함하도록 정황을 융통성있게 정의할 수 있다. 일부 실시예에서, 특정한 정황의 지리적 장소는 GPS 좌표 범위에 의해 정의될 수 있다.
서비스 제공자는 정황을 임의로 정의할 수 있기 때문에, 임의의 이전에 정의된 정황이 필요하다면 어느 때라도 재정의될 수 있다. 따라서, 도 4에 도시된 정황(410-1 및 410-2)은 도 5에 도시된 정황(410-6)으로 축소/병합될 수 있다. 유사하게, 도 4에 도시된 정황(410-5)은 도 5에 도시된 복수의 정황(410-9 및 410-10)으로 분할되어 더 큰 정황(410-5)와 연관된 센서 데이터에서 더 큰 입도를 얻을 수 있다. 예를 들어, 정황(410-5)은 원래 큰 실외 공터 주변에 정의되었을 수 있지만, 품평회 또는 축제 등의 특정한 이벤트의 경우, 공연 무대나 설치 예술 등의, 주요 이벤트나 전시에 중심을 두도록 분할될 수 있다. 도 4의 정황(410-4)을 정의한, 위치(120-6) 등의 정황을 정의하는 실내 공간도 역시 도 5에 도시된 정황(410-7 및 410-8)과 같은 더 작은 정황들로 분할될 수 있다. 또한, 새로운 정황들이 추가될 수 있다. 정황(410-11)은, 특정한 서비스 제공자 또는 사용자가 그 특정한 정황에 대한 센서 데이터나 특성 판정을 요청하거나 요구하는 경우 위치(120-13) 내에 및 그 주변에 추가될 수 있다. 예를 들어, 광고주가 알고 싶어하는 새로운 식당이나 술집이 개업했을 수도 있다.
전술한 바와 같이, 정황은 공간적 및 시간적 좌표의 조합으로 정의될 수 있다. 도 6은, 특정한 달(610)의 특정한 날(615)의 특정 시간(620)에서의, 특정한 위치(120-11, 120-12, 및 120-13)의 지정을 포함할 수 있는 하나의 특정한 정황(410-14)을 나타낸다. 도시된 바와 같이, 정황(410-14)은 하나 이상의 센서 가능형 모바일 전자 디바이스(210)를 소지하거나 소지하지 않을 수 있는 임의의 수의 사람(110)을 포함할 수 있다. 사람들(110) 중 일부는 센서 가능형 모바일 디바이스(210)를 소지하고 있다고 가정하면, 서비스 제공자는 정황(410-14)에 대한 센서 데이터를 수신할 수 있다. 일부 실시예에서, 서비스 제공자는, 어느 센서 데이터가 정황(410-14)의 공간적 및 시간적 경계와 연관되어 있는지 또는 경계 내에서 캡처되는지를 판정하기 위해 센서 데이터에 포함된 정황 데이터를 분석함으로써, 많은 센서 가능형 모바일 전자 디바이스(210)로부터 수신된 센서 데이터를 필터링할 수 있다. 예를 들어, 정황(410-14)은, 4월 10일 오후 12:45분(-8 GMT), 복수의 건물(120-11, 120-12, 및 120-13)에서 발생하는 이벤트, 예를 들어, 그랜드 오프닝(grand opening)을 포함할 수 있다. 그 다음, 서비스 제공자는 소정의 자유도로, 예를 들어, 플러스 또는 마이너스 1시간으로, 특정한 파라미터와 매칭하는 정황 데이터를 위해 센서 데이터를 필터링할 수 있다. 그러면 서비스 제공자는, 이벤트의 특정한 파라미터와 매칭한다고 판정된 센서 데이터 내의 센서 판독치를 분석하여 이벤트의 하나 이상의 특성을 판정할 수 있다. 개개의 정황에 대한 센서 데이터의 분석은 특정한 정황을 특징짓는데 유용하지만, 정황마다 다양한 특성들이 어떻게 변하는지를 이해하는 것이 종종 도움이 되거나 유익하다.
일부 실시예에서, 서비스 제공자(230)는 한 정황에 대해 결정된 특성과 또 다른 정황에 대해 결정된 특성간의 차이를 판정할 수 있다. 예를 들어, 서비스 제공자(230)는 정황(410-14)에서의 사람들(110)의 중간 나이를 도 7에 도시된 정황(410-15)에서의 사람들(110)의 중간 나이와 비교할 수 있다. 도 6 및 도 7에 도시된 특정한 예에서, 정황(410-14) 및 정황(410-15)의 물리적 위치들(120-11, 120-12, 및 120-13)은 동일하다. 그러나, 정황(410-15)의 시간(720) 및 날짜(715)는 정황(410-14)의 시간(620) 및 날짜(615)와는 상이하다. 정황들 각각에 대한 특성에서의 차이를 분석함으로써, 서비스 제공자는 특정한 변화나 동향을 판정할 수 있다. 예를 들어, 서버 컴퓨터는, 정황(410-14 및 410-15)과 매칭한다고 판정된 센서 데이터의 분석에 기초하여, 특정한 년도의 4월과 6월 사이에서 평균 나이와 전체 참석이 증가했다고 판정할 수 있다. 도 6과 도 7에 도시된 예는 2개의 정지된 위치를 참조하고 있지만, 본 개시내용의 다른 실시예들은, 비행기, 기차, 보트, 및 버스 등의, 다수의 사람 운송 기구(multi-person conveyance)의 내부 공간에 의해 정의되는 정황을 포함한다.
도 8은 특정한 정황과 그 정황에 대해 센서 가능형 디바이스로부터 수신된 센서 데이터를 판정하기 위한 방법의 흐름도이다. 810에서, 서비스 제공자(230)는 의미상 유의미한 정황 기술 시스템(system of context description)을 참조할 수 있다. 본 명세서에서 사용되는 바와 같이, 정황은, 위치, 시간 기간, 또는 이들의 조합에 의해 정의될 수 있다. 따라서, 정황의 정의는, 의미상 유의미한 정황 기술 시스템을 참조하여 이루어진 공간 컴포넌트를 포함할 수 있다. 예를 들어, 정황 기술은 미리정의된 장소들의 레이아웃을 갖는 맵을 참조할 수 있다. 맵은 거리 주소 또는 번지 시스템에 의해 식별되는 대지 또는 건물을 갖는 지방 자치 단체를 나타낼 수 있다. 이러한 지방 자치 단체 맵은 다양한 장소들의 계측과 경계를 명시하는 지리적 조사 자료를 포함할 수 있다. 의미상 유의미한 정황 기술 시스템은 또한, 놀이 공원, 쇼핑 센터, 박람회장, 대학교, 학교, 관광지 등의, 개개 속성들의 맵을 포함할 수 있다. 이러한 실시예에서, 개개의 속성의 맵은, 그 속성에 관한 피쳐, 물체, 또는 시설의 절대적 또는 상대적 위치를 포함할 수 있다. 추가로, 의미상 유의미한 정황 기술 시스템은 또한, 이벤트 달력 또는 이벤트의 스케쥴 등의, 시간적 컴포넌트를 포함할 수 있다. 따라서, 시간적 컴포넌트는 특정한 시간 및 특정한 장소를 기술하기 위해 공간적 컴포넌트와 결합될 수 있다.
820에서, 서비스 제공자(230)는 의미상 유의미한 정황 기술 시스템으로부터 정황을 선택할 수 있다. 전술한 바와 같이, 선택된 정황은 시간적 및 공간적 컴포넌트를 포함할 수 있다. 830에서, 서비스 제공자(230)는 선택된 정황을 의미상 유의미한 정황 기술 시스템으로부터 관찰가능한 정황 기술 시스템으로 변환할 수 있다. 이러한 실시예에서, 선택된 정황의 절대적이거나 상대적인 시간적 및 공간적 컴포넌트는 관찰가능한 공간적 컴포넌트 및/또는 관찰가능한 시간적 컴포넌트로 변환될 수 있다. 관찰가능한 공간적 및 시간적 컴포넌트들은 개개의 센서 가능형 전자 디바이스(210)가 관찰하거나 감지할 수 있는 시스템을 참조할 수 있다. 예를 들어, 관찰가능한 공간적 컴포넌트는, 위치 파악을 위한 시스템, 예를 들어, GPS(global positioning system) 또는 비컨 근접성 위치파악 시스템(beacon proximity location systems)에 따라 정의될 수 있다. 일 실시예에서, 특정한 공공 공원에 대한 거리 주소는 그 공원의 경계를 기술하는 지리적 좌표의 세트로 변환될 수 있다. 유사하게, 시간적 컴포넌트는, GMT 또는 그레고리안 달력 등의, 범용의 또는 일반적인 시계나 달력에 따라 정의될 수 있다. 이러한 실시예에서, 이벤트, 예를 들어, 콘서트의 명칭은, 지리적 좌표에서 정의된 특정한 장소 위치와 함께 시작 시간 및 날짜와 종료 시간 및 날짜를 포함하는 시간의 기간으로 변환될 수 있다. 다른 실시예에서, 각각의 개별 센서 가능형 전자 디바이스(210)는 자신이 센서 판독치를 판정하는 정황의 관찰가능한 공간적 및 시간적 컴포넌트를 의미상 유의미한 정황 기술 시스템으로 변환할 수 있다. 예를 들어, 센서 가능형 스마트폰은 스마트폰의 GPS 능력에 의해 결정된 특정한 세트의 좌표에서 주변 노이즈 판독치를 취할 수 있다. 그 다음, 스마트폰은 결정된 좌표에 기초하여 특정한 장소를 판정하기 위해 근처의 음악회 장소들의 내부 맵을 참조할 수 있다. 그 다음, 스마트폰은 주변 노이즈 판독치를 그 장소와 연관시킬 수 있다. 이러한 실시예에서, 센서 데이터 내의 정황 데이터는 의미상 유의미한 정황 기술 시스템에 대한 참조를 포함할 수 있다.
일부 실시예에서, 840에서, 서비스 제공자(230)는, 변환된 정황 기술, 즉, 정황 기술의 관찰가능한 공간적 및 시간적 컴포넌트들에 따라 복수의 센서 가능형 전자 디바이스(210)로부터 수신된 센서 데이터를 필터링할 수 있다. 따라서, 센서 데이터를 필터링하는 것은 변환된 정황 기술과 매칭하는 정황 데이터를 포함하는 센서 데이터를 판정하는 것을 포함할 수 있다.
때때로, 변환된 정황 기술과 매칭하는 정황 데이터를 포함한다고 판정된 센서 데이터는 만족스런 샘플 크기를 나타내지 못할 수도 있다. 이러한 시나리오에서, 본 개시내용의 다양한 실시예는, 변환된 정황 기술과 매칭한다고 판정된 센서 데이터의 일부가 그 정황에 대한 하나 이상의 특성을 판정하는데 불충분하다는 것을 나타내기 위해 경고를 트리거할 수 있다. 정황에 대한 신뢰성 있는 특성을 판정하기에 너무 적은 센서 데이터가 있는 경우, 정황 정의를 확장함으로써, 예를 들어, 정황의 지리적 영역 및/또는 시간 기간을 증가시킴으로써, 샘플 크기를 증가시키는 것이 가능하다. 정황 정의를 확장하는 것이 충분한 샘플 크기로 이어지지 않더라도, 보고된 정황 특성 기술을 명시적으로 의존하거나 재-가중치부여하는 것이 역시 가능하다. 예를 들어, 센서 데이터의 샘플 크기가 신뢰성 있는 특성을 보간하기에 불충분하다면, 보간된 특성은, 결합된 특성 데이터를 판정하는 경우 임의의 이용가능한 사용자 보고형 특성 데이터보다 작게 가중치부여될 수 있다.
정황의 특성의 판정
본 개시내용의 다양한 실시예는 정황의 특정한 특성을 판정하기 위한 시스템과 방법을 포함한다. 예를 들어, 도 9는 복수의 센서 가능형 전자 디바이스(210)로부터의 센서 데이터를 이용하여 정황의 하나 이상의 특성을 판정하기 위한 방법(900)의 흐름도이다. 본 명세서에서 사용되는 바와 같이, 센서 데이터는 센서 판독치 뿐만 아니라 관심있는 특정한 특성에 관한 사용자 보고형 데이터를 포함할 수 있다. 이러한 실시예에서, 센서 판독치는 묵시적 정황 특성 기술을 나타낼 수 있다. 또한, 사용자 보고형 데이터는 명시적인 정황 특성 기술을 나타낼 수 있다. 도시된 바와 같이, 방법(900)은, 서비스 제공자가 복수의 센서 가능형 전자 디바이스로부터 센서 데이터를 수신하는 910에서 시작할 수 있다. 센서 데이터는 많은 상이한 정황에 대해 결정된 명시적 및 묵시적 정황 특성 데이터를 포함할 수 있다. 전술한 바와 같이, 센서 가능형 디바이스(210)는 모바일 또는 정지형 전자 디바이스 양쪽 모두를 포함할 수 있다. 920에서, 서비스 제공자(230)는 특정의 선택된 정황에 대한 정황 기술과 매칭하는 정황 데이터를 포함하는 센서 데이터의 일부를 판정할 수 있다. 일 실시예에서, 수신된 센서 데이터가 필터링되어, 소스 센서 가능형 전자 디바이스가 선택된 정황에 있던 동안 센서 판독치 또는 사용자 보고형 데이터가 판정되었다는 것을 나타내는 정황 데이터를 포함하는 센서만을 발견할 수 있다. 일 실시예에서, 사용자 보고형 데이터는 또한, 인터넷-가능한 데스크탑 컴퓨터 상에서 실행되는 웹 브라우저 등의 다른 애플리케이션들과 디바이스들을 이용하여 사용자들에 의해 보고되거나, 지상선 전화를 통해 서비스 제공자 오퍼레이터에게 보고되는 정보와 특성을 포함할 수 있다.
930에서, 일단 선택된 정황과 연관된 센서 데이터의 일부가 판정되고 나면, 센서 판독치 및/또는 사용자 보고형 데이터가 분석되어 선택된 정황에 대한 관심 특성을 판정할 수 있다. 센서 데이터를 분석하는 것은 센서 판독치 내의 묵시적 정황 특성 표시를 대응하는 정황 특성에 맵핑하는 것을 포함할 수 있다. 묵시적 정황 특성 표시로부터 대응하는 특성으로의 맵핑은 서비스 제공자(230)에 의해 수행되는 선행 분석에 기초하여 사전결정될 수 있다. 센서 데이터를 분석하는 것은 또한, 맵핑된 대응하는 정황 특성을 센서 데이터 내의 사용자 보고형 데이터로부터의 명시적 정황 특성 기술과 비교하는 것을 포함할 수 있다. 묵시적 및 명시적 정황 특성 데이터 양쪽 모두가 이용되는 경우, 묵시적 및 명시적 컴포넌트는 데이터의 관찰된 또는 판정된 신뢰성에 따라 가중치부여될 수 있다. 묵시적 및 명시적 컴포넌트의 신뢰성은, 각각의 특정한 센서 가능형 전자 디바이스(210)로부터 수신된 유사한 센서 데이터의 시기적절성, 빈도, 또는 일관성에 기초할 수 있다. 따라서, 다른 디바이스들보다 신뢰성있다고 간주되는 디바이스들로부터 수신된 센서 데이터는 정황 특성을 판정하는 경우 더 많은 가중치를 부여받을 수 있다. 유사하게, 정황 특성 기술의 묵시적 및 명시적 컴포넌트는 인지된 신뢰성에 기초하여 상이하게 가중치부여될 수 있다. 예를 들어, 묵시적 컴포넌트의 샘플 크기가 너무 작아서 신뢰할 수 없다고 간주되면, 명시적 컴포넌트는 더 많은 가중치를 부여받을 수 있다. 대조적으로, 명시적 컴포넌트가 불요성(spurious)이거나 기타의 이용가능한 데이터와 일치하지 않는 것처럼 보인다면, 묵시적 컴포넌트들은 정황의 특성을 판정하는 경우 더 많은 가중치를 부여받을 수 있다.
940에서, 일단 선택된 정황에 대한 특성 또는 특성 프로파일이 판정되고 나면, 이것은 다양한 사용자 및 엔티티에 의한 이용을 위해 출력될 수 있다. 예를 들어, 출력 특성의 형태는 하나 이상의 모바일 전자 디바이스에 전송된 연관된 정황에 관한 권고 또는 경고를 포함할 수 있다. 유사하게, 정황에 대한 출력 특성은, 다른 정황에 대한 다른 출력 특성과 함께 웹사이트에 퍼블리싱되거나, 전자메일이나 RSS에 의해 브로드캐스팅될 수 있다. 일부 실시예에서, 정황에 대한 출력 특성은, 다수의 정황 파라미터에 관한, 예를 들어, 시간에 관한 특정한 특성의 변화 또는 동향을 추적하는 것을 포함할 수 있다. 따라서, 특성 변화는 정황 변화의 함수로서 분석될 수 있다. 정황 변화는 특정한 정황의 시간적 및/또는 공간적 컴포넌트에서의 변화를 포함할 수 있다. 예를 들어, 시작 시간 및 장소에서의 때때로의 변화를 포함할 수 있는 특정한 주간 이벤트의 분위기, 평균 나이, 또는 양호성은 시작 시간이나 위치의 함수로서 추적될 수 있다. 일 실시예에서, 사용자는, 정황 및/또는 연관된 특성에 기초하여 소정의 특성을 갖는 정황을 탐색하거나 정황들을 브라우징할 수 있다.
특정한 정황에 대한 감정, 인구통계, 및 건강 특성을 참조한 정황 특성 판정의 구체적인 예가 이하에서 도 10 내지 도 17을 참조하여 더 상세히 논의될 것이다.
정황에 대한 감정의 판정
본 개시내용의 다양한 실시예는 특정한 정황에 대한 감정 또는 감정 프로파일을 판정하기 위한 시스템과 방법을 포함한다. 도 10은, 2개의 정적 위치-기반의 정황(1005 및 1015)과 하나의 모바일 위치-기반의 정황(1025), 예를 들어, 공공 버스를 갖는 시나리오(1000)를 나타낸다. 도시된 특정한 예에서, 정황(1005)은 교차로의 코너에 있는 건물이고 정황(1015)은 동일한 거리의 또 다른 건물이다. 건물들 각각은 의미상 유의미한 정황 기술 시스템에 포함된 주소 또는 사업장 명칭과 연관될 수 있다. 시나리오(1000)는 또한, 공공 또는 사설 버스의 내부로서 정의된 정황(1025)을 포함한다. 일부 실시예에서, 정황(1025)은 특정한 버스의 내부로서 정의될 수 있을 뿐만 아니라, 일부 날의 소정 시간 기간 동안 특정한 경로나 라인을 서비스하는 버스들의 일부 또는 전부의 내부로서 정의될 수 있다.
서비스 제공자(230)는 정황들(1005, 1015, 및/또는 1025) 중 임의의 것에서 센서 가능형 디바이스로부터의 묵시적 및 명시적 감정의 표시를 포함하는 감정 센서 데이터를 수신할 수 있다. 감정의 묵시적 및 명시적 표시는 특정한 정황에서의 하나 이상의 사람들의 감정 특성에 맵핑되거나 이를 표현할 수 있다. 이러한 감정 특성은, 행복, 슬픔, 수심(pensiveness), 공포, 화남 등의, 임의의 개수의 감정 상태를 포함할 수 있다. 도 10에 도시된 예에서, 감정 센서 데이터는, 슬픔(1011), 행복(1012), 및 흥분(1013)에까지 이르는 감정의 표시를 포함할 수 있다. 감정 센서 데이터에서의 감정의 가능한 표시의 이 특정한 예는 다양한 감정 중 3개의 표시로 제한되고 있지만, 본 개시내용의 다른 실시예는 단순하거나 복잡한 감정의 더 적거나 더 많은 가능한 표시를 포함할 수 있다. 가능한 감정들의 입도와 범위는 제한될 필요가 없다.
정황에 대한 감정 센서 데이터를 분석함으로써, 서비스 제공자는 연관된 감정 또는 감정 프로파일을 판정할 수 있다. 특정한 정황에 대한 보고된 감정 또는 감정 프로파일의 스타일과 포맷은 정황의 감정 특성을 이용하게 될 사용자 또는 기타의 엔티티의 필요성에 맞게 적합하게 될 수 있다. 예를 들어, 정황(1005)과 연관된 감정 센서 데이터가 분석되는 경우, 슬픔(1011)의 표시보다 행복(1012)과 흥분(1013)의 묵시적 및/또는 명시적 표시가 더 많다고 판정될 수 있다. 이 특정한 예에서, 서비스 제공자(230)는 정황(1005)이 "행복"이 기조를 이룬다고 판정할 수 있다. 또 다른 예에서, 정황(1015)과 연관된 감정 센서 데이터가 분석되는 경우, 사람들의 40%는 행복하고, 사람들의 40%는 흥분되어 있고, 사람들의 20%는 슬프다고 판정될 수 있다. 유사하게, 정황(1025)과 연관된 감정 센서 데이터를 분석함으로써, 정황(1025)의 일반적 분위기는 "슬픔"이라고 판정될 수 있다.
일부 실시예에서, 특정한 정황이 특정한 감정과 연관되어 있다고 판정되는 경우, 감정은 무엇인가가 발생하고 있거나 발생했다는 표시로서 이용되거나, 무엇인가가 발생할 것이라는 것을 예측하는데 이용될 수 있다. 예를 들어, 정황(1025)이 "슬픔"이라고 판정된다면, 이것은 버스가 교통 사고를 겪었거나 긴 지연을 겪고 있다는 것을 나타낼 수 있다. 유사하게, 특정한 정황에 대한 감정 센서 데이터의 모두 또는 다수가 행복의 표시를 포함하는 것으로 판정되면, 이러한 정보는 무엇인가가 호전되었다는, 예를 들어, 성공적인 이벤트가 발생하고 있다는 표시로서 이용될 수 있다. 정적이거나 1회성의 요약을 포함하는 정황에 대한 감정의 특성은 일부 목적에 유용하지만, 정황의 하나 이상의 공간적 또는 시간적 컴포넌트에 대한 정황에 대한 감정 또는 감정 프로파일에서의 변화의 분석을 역시 포함하는 것이 종종 유용하다.
예를 들어, 도 11은 감정 센서 데이터에서의 동향 또는 변화가 관찰될 수 있는 시나리오(1100)를 나타낸다. 도시된 바와 같이, 시간(1105-1)에서, 정황(1005, 1015, 및 1025)에 대한 감정은 도 11에 도시된 바와 같이 특징지을 수 있다. 그러나, 소정량의 시간, 예를 들어, 2시간 이후에, 시간(1105-2)에서, 정황(1005)의 다양한 센서 가능형 전자 디바이스(210)로부터 수신된 감정 센서 데이터가 분석되어 정황이 "슬픔"이 기조를 이루는 것으로 판정할 수 있다. 이것은 마지막 2시간에서 슬픔 감정의 추가적인 표시가 수신되었기 때문이다. 또한, 시간(1105-2)에서, 정황(1015)에 있다고 판정된 디바이스들로부터의 감정 센서 데이터가 분석되어 정황이 23%가 "행복", 66%가 "흥분", 11%가 "슬픔"이라고 판정할 수 있다. 버스 라인 또는 경로(1025)의 정황을 참조하여, 감정 센서 데이터가 분석되어 버스 안의 사람들이 대체로 행복하다고 판정할 수 있다. 정황(1005, 1015 및 1025)에 대한 감정 또는 감정 프로파일에서의 변화가 추적되고 변화 또는 동향이 각각의 정황에 대한 감정 또는 감정 프로파일에 관한 출력에 포함될 수 있다. 예를 들어, 일부 특정한 시간에서, 정황(1005)은 "슬픔"으로서 특징지을 수 있지만, 그 정황에 대한 감정 센서 데이터에서의 최근의 동향에 기초하여, 슬픔에서 "행복"으로 주된 분위기에서의 변화를 겪고 있을 수 있다.
시간에 관한 정황 감정에서의 동향이 소정 분석에서는 유용하지만, 일부 실시예는 물리적 위치에서의 변화에 따라 정황 감정에서의 동향을 판정하는 것을 포함한다. 예를 들어, 버스의 정황(1025)은 버스의 내부 뿐만 아니라 버스가 이동해 가는 환경을 포함할 수 있다. 따라서, 감정에서의 동향은 그 경로를 따른 버스 위치 변화에 관해 추적될 수 있다. 예를 들어, 버스 정황(1025)의 감정은 버스가 트래픽이 적은 도시의 멋진 부분을 통과하고 있는 동안 "행복함"으로부터 트래픽이 과중한 도시의 또 다른 부분을 통과하기 시작하는 경우 "슬픔"으로 변할 수 있다.
버스의 정황(1025)의 다른 양태도 역시 추적될 수 있다. 예를 들어, 운전자, 오퍼레이터, 여행 가이드, 주변 음악, 동적 광고(비디오 스크린 모니터 또는 공고(public announcement)), 조명, 청결, 이동 속도, 운전 스타일, 도로 상태 등에서의 변화 모두가 정황(1025)에 포함될 수 있고 센서 가능형 전자 디바이스로부터 수신된 감정 센서 데이터와 교차-참조되어 정황의 분위기에 미치는 이러한 개별적 및 결합된 변화의 영향을 판정할 수 있다. 도 11에 도시된 특정한 예에서, 버스 정황(1025)이 상세히 설명되었지만, 다른 다수의 사람 운송 수단 및 수송 경로도 역시 특정한 정황을 정의하는데 이용될 수 있다. 예를 들어, 다른 정황으로서는, 연관된 감정 또는 감정 프로파일을 판정하기 위해 감정 센서 데이터가 분석될 수 있는, 고속도로, 항공 노선, 철도 노선, 지하철, 도로의 구획 등의 구간을 포함할 수 있다.
본 개시내용의 다른 실시예는 개개 사용자에 대한 감정에서의 동향을 추적하는 것을 포함한다. 이러한 실시예에서, 센서 가능형 모바일 전자 디바이스(210)는 특정한 사용자들과 연관될 수 있다. 이러한 디바이스들로부터 수신된 감정 센서 데이터 및 기타의 센서 데이터도 역시 개별 사용자와 연관될 수 있다. 사용자가 하나의 정황으로부터 다음 정황으로 이동해 감에 따라, 그 사용자의 감정에서의 변화가 추적될 수 있다. 예를 들어, 도 12는 하나의 정황으로부터 또 다른 정황으로 이동하는 경우 개별 사용자(110)에 대한 감정 변화를 추적하는 감정 동향 프로파일(1110)을 도시한다. 도시된 바와 같이, 프로파일(1110-1)은 사용자 1이 하나의 정황에서 다른 정황으로 이동하는 경우 그 또는 그녀의 감정 또는 기분을 추적한다. 일단 다양한 정황에서 특정한 사용자 1에 대한 소정량의 감정 센서 데이터가 수집되고 나면, 본 개시내용의 다양한 실시예들은, 사용자가 하나의 특정한 정황에서 또 다른 특정한 정황으로 이동할 경우 사용자의 기분이 어떻게 변할 것인지의 예측을 시작할 수 있다.
도 13은 본 개시내용의 실시예들은, 사용자가 하나의 유형의 정황으로부터 또 다른 유형의 정황으로 이동하는 경우 다양한 시나리오에서 개별 사용자에 대한 감정 변화를 예측하기 위해 감정 동향 프로파일(1110)을 참조할 수 있다는 것을 나타낸다. 각각의 개별 사용자에 대한 감정 동향 프로파일(1110)에 기초하여, 시작 정황(120-X)으로부터의 정황 이동에 따른 사용자의 기분 변화에 대한 다양한 예측이 표현된다. 하나의 특정한 사용자가 시작 정황(120-X)으로부터 120-1 등의 또 다른 정황으로 이동한다면, 그 사용자에 대한 감정 동향 프로파일(1110)에 기초하여, 사용자의 기분이 변하거나 동일하게 유지될 것이라고 예측될 수 있다. 도시된 예에서, 정황(120-X)에서 행복한 것으로 시작한 다양한 사용자들은, 다른 정황들(120) 중 하나로 이동하는 경우, 행복을 유지하거나, 흥분되거나, 슬퍼지는 것으로 예측될 수 있다. 유사하게, 정황(120-X)에서 슬픈 것으로 시작한 사용자는, 다른 정황들(120) 중 하나로 이동하는 경우, 슬픔을 유지하거나, 행복해지거나 흥분되는 것으로 예측될 수 있다.
일부 실시예에서, 사용자 기분의 특정한 변화의 예측은 사용자가 진입하려고 하는 정황의 현재의 또는 이력상의 감정 판정의 고려를 포함할 수 있다. 예를 들어, 특정한 사용자가 통상적으로 유쾌하고 행복한 특정의 오락 장소의 특정한 이벤트에 참석하는 경우, 그 사용자가 행복할 것인지에 대해 예측이 이루어질 수 있다. 이러한 정황에 들어가는 경우 사용자의 프로파일(1110)에서의 동향이 우호적인 기분 변화를 나타낸다면, 그 사용자는 정황 변화를 즐길 것이라는 예측이 이루어질 수 있다. 이러한 예측에 기초하여, 사용자가 특정한 정황에서 어느 정도 근접 범위 내에 있다고 판정되는 경우, 사용자와 연관된 센서 가능형 모바일 전자 디바이스(210)를 통해 사용자에게 권고 및/또는 경고가 전송될 수 있다.
정황 인구통계의 판정
다양한 사용자 및 엔티티들은 종종 특정한 정황의 인구통계에 대해 아는 것이 유용하다고 파악한다. 특정한 정황에서의 사람과 환경의 다양한 인구통계 특성의 묵시적 및 명시적 표시를 포함할 수 있는 인구통계 센서 데이터를 이용하여, 본 개시내용의 다양한 실시예들은 정황들에 대한 인구통계 또는 인구통계 프로파일을 판정할 수 있다. 예를 들어, 도 14는, 인구통계 센서 데이터가 수신 및/또는 수집된, 공간적 컴포넌트, 예를 들어, 주소와, 시간 컴포넌트(1105-3)를 포함하는 정황(1005 및 1015)을 나타낸다. 인구통계 센서 데이터는, 정황들 각각 내의 사람들에 대한 인구통계 특성의 표시를 포함할 수 있다. 명료성을 위해, 도 14에 도시된 인구통계 특성의 묵시적 및 명시적 표시의 수가 제한되었다. 도시된 바와 같이, 인구통계 센서 데이터는, 제1 인구통계 특성(1401), 제2 인구통계 특성(1402), 및 제3 인구통계 특성(1403)의 표시를 포함할 수 있다. 총칭적으로 개별적으로 넘버링된 인구통계 특성으로서 설명되지만, 이러한 인구통계 특성은 임의의 개별 인구통계 특성 또는 인구통계 특성들의 조합을 포함할 수 있다. 예를 들어, 개별적으로 넘버링된 인구통계 특성(1401, 1402, 및 1403)은, 나이, 성별, 민족(ethnicity), 인종(race), 성적 성향(sexual preference), 사회 계층(social class), 사회적 계파(social scene), 및 특정한 그룹이나 범주와의 기타 임의의 묵시적으로 또는 명시적으로 판정가능한 연관 등의, 사람들에 대한 정량화가능한 통계의 임의의 조합을 나타낼 수 있다.
정황들(1005 및 1015)의 공간적 및/또는 시간적 컴포넌트와 매칭하는 정황 데이터를 포함하거나 이와 연관된 것으로 판정된 인구통계 센서 데이터를 필터링함으로써, 본 개시내용의 다양한 실시예들은 각각의 정황에 대한 인구통계 프로파일을 결정할 수 있다. 정황에 대한 인구통계 프로파일은 그 정황에서의 각각의 사람에 대한 이용가능한 인구통계 상세사항의 완전한 목록을 포함할 수 있다. 더 작은 입도를 요구하거나 원한다면, 요약 인구통계 프로파일이 생성될 수 있다. 예를 들어, 인구통계 센서 데이터에 기초하여, 정황(1005)의 인구통계는 주로 남성이라고 판정될 수 있다. 유사하게, 정황(1015)의 인구통계는 평균 나이가 55세보다 많은 주로 여성이라고 판정될 수 있다. 그 다음 특정한 정황에 대한 인구통계 프로파일은 다양한 통신 채널을 통해 출력될 수 있다, 예를 들어, 웹사이트에 퍼블리싱, 전자메일 또는 단문 서비스(SMS)를 통해 가입 사용자 그룹에게 전송, 또는 모바일 전자 디바이스에 의해 실행된 애플리케이션에 푸시될 수 있다.
정황에 대한 감정 변화를 추적하는 것이 종종 유용한 것처럼, 정황에 대한 인구통계 변화를 추적하는 것도 역시 유용할 수 있다. 도 15는, 정황(1005 및 1015)의 인구통계 프로파일 변화가 시간(1105-4)으로부터 시간(1105-5)까지 관찰되는 시나리오(1500)를 나타낸다. 도시된 바와 같이, 정황(1005), 예를 들어, 특정한 교차로의 술집 부근의 내부 및 외부 영역은, 특정한 인구통계 특성(1401)을 포함하는 인구통계 센서 데이터와 주로 연관된 시간(1105-4)에서 시작한다. 예를 들어, 인구통계 특성(1401)은 나이가 40 위인 남성의 표시일 수 있다. 유사하게, 시간(1105-4)의 정황(1015)은, 주로, 특정한 인구통계 특성(1403), 예를 들어, 나이가 25세 부근인 여성의 표시를 포함하는 인구통계 센서 데이터와 연관된 것으로 판정될 수 있다. 소정 시간 기간 후에, 시간(1105-5)에서, 정황(1005 및 1015)의 인구통계는 변할 수 있다. 예시된 바와 같이, 정황(1005)은 또한, 인구통계 특성(1401, 1403, 1405, 1406, 1407, 및 1409)의 다양한 사례를 포함하는 인구통계 센서 데이터와 연관될 수 있다. 시간(1105-5)에서의 정황(1015)의 인구통계 센서 데이터는 인구통계 특성(1401 및 1402)의 주된 혼합을 포함하도록 변천될 수 있다. 이러한 변천은, 특정한 정황, 즉, 건물 또는 사업장의 거주자 또는 고객의 나이, 성별, 민족성, 또는 기타의 인구통계 특성의 변화를 나타낼 수 있다. 그 다음, 정황의 인구통계 또는 인구통계 프로파일에서의 변화 또는 동향은 또한 정황과 연관되고 다양한 통신 채널을 통해 출력될 수 있다.
정황의 양호성 및 건강의 판정
다양한 유형의 개인 및 그룹 건강 센서의 이용을 통해, 본 개시내용의 다양한 실시예들은 다양한 정황에 대한 양호성 및 건강을 판정할 수 있다. 도 16 및 도 17은, 동일한 지리적 영역의 2개의 시나리오(1600 및 1700), 예를 들어, 다수의 정황을 포함하는 마을이나 도시의 일부를 나타낸다. 정황은, 일부 특정한 시간 기간, 예를 들어, 한 주, 한 달, 또는 1년 동안의, 정황(1605)의 건물 그룹, 정황(1615))의 실외 공원, 및 정황(1625)의 특정한 건물을 포함할 수 있다. 따라서, 도 16의 시나리오(1600)는 하나의 특정한 시간 기간과 연관될 수 있고 도 17의 시나리오(1700)는 또 다른 특정한 시간 기간과 연관될 수 있다. 시간 기간들은 상호 중첩하거나 배타적일 수 있다.
정황을 정의하기 위해 시나리오(1600)의 정황에 위치한 장소들의 주소, 번지, 및/또는 대응하는 GPS 좌표를 이용함으로써, 다양한 실시예들은 복수의 센서 가능형 전자 디바이스(210)로부터 수신된 건강 센서 데이터를 필터링하여 관심 정황과 매칭하거나 연관된 정황 데이터를 포함하는 건강 센서 데이터를 판정할 수 있다. 그러면 각각의 정황과 매칭하는 정황 데이터를 포함하는 것으로 판정된 건강 센서 데이터가 분석되어 대응하는 정황에 대한 건강 프로파일을 판정할 수 있다.
시나리오(1600)에 걸쳐 건강 센서 가능형 디바이스로부터 수신된 건강 센서 데이터가 필터링되어, 정황(1615 및 1625), 및 개별적이거나 복합적 정황으로서 사용자나 엔티티가 관심가질 수도 있는 기타 임의의 구역이나 영역 또는 시간 프레임과 연관된 데이터를 판정할 수 있다. 예를 들어, 정황(1605)은 특정한 범위의 주소와 연관된 건물 내의 및 그 주변의 구역에 의해 정의될 수 있다. 주소의 범위는 지리적 맵 또는 제3자 맵핑 서비스를 참조함으로써 건물들에 의해 점유된 지리적 영역의 특정한 좌표를 판정하는데 이용될 수 있다. 정황(1615)은 공원의 명칭에 의해 정의될 수 있고, 이것은 지리적 좌표에 관하여 공원의 측량과 경계를 정의하는, 시 조사 데이터 등의, 일부 정황 기술 시스템을 참조하는데 이용될 수 있다. 정황(1625)은 건물의 블록 및 번지 또는 정황(1625) 내의 건물을 이용하는 사업장의 명칭에 의해 정의될 수 있다. 그러면 이러한 의미상 유의미한 정황 기술 시스템은 센서 가능형 디바이스에 의해 관찰될 수 있는 각각의 정황의 한계를 판정하기 위해 관찰가능한 정황 기술 시스템을 참조할 수 있다. 본 개시내용의 다른 실시예들에서와 같이, 건강 센서 가능형 디바이스는, GPS, 근접성-기반의, 및 기타의 위치 판정 및 시간 판정 능력을 포함할 수 있다. 따라서, 건강 센서 가능형 디바이스에 의해 얻어진 임의의 건강 센서 판독치는 건강 센서 판독치가 캡처된 정황을 나타내는 정황 데이터와 연관될 수 있다.
정황(1605, 1615, 및 1625)에 대한 건강 프로파일은, 디바이스들이 각각의 정황 내에 있는 동안 건강 센서 가능형 디바이스에 의해 판정된 건강 센서 데이터에 대한 다양한 상세사항을 포함할 수 있다. 예를 들어, 정황(1605, 1615, 및 1625)에 대한 건강 프로파일은, 건강 표시(1601, 1602, 및 1603) 등의, 모든 묵시적 건강 센서 데이터 및 명시적 사용자 보고형 건강 데이터의 완전한 목록을 포함할 수 있다. 다른 실시예에서, 건강 프로파일은 특정한 정황(1605)에 대한 센서 데이터 내에 존재하는 건강 표시의 요약 또는 평균을 포함할 수 있다. 일반적으로, 각각의 정황에 대한 건강 프로파일은 특정한 엔티티 또는 사용자의 필요성에 따라 건강 표시를 분석하기 위해 맞춤화될 수 있다.
건강 표시(1601, 1602, 및 1603)가 정황 내의 하나 이상의 사람들의 건강의 총칭적 표시 또는 기술자, 예를 들어, A, B, 및 C로서 열거되어 있지만, 본 개시내용의 실시예들은, 건강 센서 가능형 디바이스에 의해 판정가능한, 관찰가능한, 또는 유추가능한 임의의 및 모든 건강 및/또는 양호성 기술자를 포함한다. 예를 들어, 건강의 기술자는, 체질량 지수(BMI), 체중, 혈압, 혈당, 심박수, 온도, 스트레스, 또는 체지방 함량의 기술을 포함할 수 있다. 이러한 기술은 저체중, 정상 체중, 과체중, 비만, 및 병적 비만 등의, 수치 지수 또는 일반/비전문가 용어를 포함할 수 있다. 건강의 다른 기술자들은, 예방 접종 상태, 정신 건강 상태, 양호한 느낌, 질병 및 건강 기록 등의, 명시적 사용자 보고형 데이터를 포함할 수 있다. 일부 실시예에서, 건강 센서 데이터는 또한, 독소(toxin), 독(poison), 오염(pollution), 및 특정한 정황에 거주하거나 그를 이용하는 개인들의 건강에 영향을 줄 수 있는 도움되거나 유해한 인자들의 존재를 기술하거나 나타내는 환경 센서 판독치를 포함할 수 있다.
따라서, 정황과 연관된 건강 센서 데이터로부터의 건강 기술자들이 분석되어 그 정황에 대한 디폴트 또는 맞춤형 건강 프로파일을 생성할 수 있다. 예를 들어, 정황(1625)은 식당을 포함할 수 있다. 건강 표시(1601, 1602, 1603, 및 1607)를 포함하는 건강 센서 데이터의 요약이, 예를 들어, 과체중 사람들이 식당에서 먹고 있다는 것이, 식당의 건강 프로파일에 포함될 수 있다. 유사하게, 실외 공원 공터를 포함하는 정황(1615)과 연관된 건강 프로파일은, 공원을 이용하는 사람들은 일반적으로 신체적으로 건강하고 낮은 콜레스테롤을 갖는다는 것을 나타낼 수 있다.
각각의 정황에 대한 스냅샷 또는 누적 건강 프로파일이 다양한 목적에 유용할 수 있지만, 공간적 또는 시간적 변화에 따라 특정한 정황에 대한 건강 프로파일 및/또는 건강 기술자에서의 변화를 추적하는 것도 종종 유용하다. 특정한 정황에 대한 감정 및 인구통계 변화를 참조하여 위에서 논의된 바와 같이, 본 개시내용의 실시예들은 또한, 정황에 대한 건강에서의 변화를 추적할 수 있다. 예를 들어, 도 17의 시나리오(1700)는, 도 16의 시나리오(1600)에 관해 정황(1605, 1615, 및 1625)에 대한 건강 변화를 나타낸다. 구체적으로는, 정황(1605)과 연관된 건강 프로파일은, 있다 하더라도, 약간만 변할 수 있고, 시나리오(1600)와 시나리오(1700) 사이에서는 건강 센서 데이터에서의 연관된 건강 기술자들에서의 제한된 변화만이 관찰된다. 한편, 정황들(1615 및 1625)과 연관된 건강 프로파일은 이들 정황들과 연관된 건강 센서 데이터에서의 건강 기술자들의 관찰된 또는 판정된 차이로 인해 극적으로 변할 수 있다. 시나리오(1600)에서 정황(1615)과 연관된 건강 프로파일이 신체적으로 건강한 사람들이 공원을 자주 찾았다는 것을 나타낸 반면, 시나리오(1700)에서 정황(1615)과 연관된 건강 프로파일은 이제 담배를 피거나 술을 마시는 사람들이 정기적으로 공원을 찾는다는 것을 나타낼 수 있다. 정황(1615)의 건강에서의 명백한 하락과는 대조적으로, 정황(1625)의 식당의 건강 프로파일은 더 양호하게 변할 수 있다. 예를 들어, 시나리오(1700)에서의 정황(1625)과 연관된 건강 표시자(1601)는, 저혈압을 갖는 가장 신체적으로 건강한 사람들이 식당을 애용한다는 것을 나타낼 수 있다.
다른 특성 프로파일들에서와 같이, 다양한 정황의 건강 프로파일들은 다양한 통신 채널 및 방법을 통해 출력될 수 있다. 예를 들어, 정황(1625)에서의 특정한 식당에 대한 건강 프로파일이 식당 리뷰에 포함될 수 있다. 특정한 인근에서 다수의 건물을 포함하는 정황(1605)에 대한 건강 프로파일을 출력하는 것은 그 정황에 대한 건강이 하락중이거나 개선중에 있다는 권고나 경고를 부동산 중개인 또는 공중 보건 부서 관계자에게 생성하는 것을 포함할 수 있다. 특정한 정황에 거주하거나 이를 이용하는 개인들의 일반 건강 또는 특정한 건강 특성에서의 하락이나 증가를 나타내는 건강 프로파일은, 그 정황 내에서 발생하는 다양한 환경 변화, 전염병의 변화, 인구 변화, 및 기타 변화를 표시하고, 분석하며, 예측하는데 이용될 수 있다.
특정한 실시예들은 명령어 실행 시스템, 장치, 시스템, 또는 머신에 의해 이용되거나 이들과 연계하여 이용되기 위한 비-일시적 컴퓨터-판독가능한 저장 매체에서 구현될 수 있다. 컴퓨터-판독가능한 저장 매체는 특정한 실시예들에 의해 기술되는 방법을 수행하도록 컴퓨터 시스템을 제어하기 위한 명령어를 포함한다. 컴퓨터 시스템은 하나 이상의 컴퓨팅 디바이스를 포함할 수 있다. 하나 이상의 컴퓨터 프로세서에 의해 실행되는 경우, 명령어들은 특정한 실시예에서 설명된 것을 수행하도록 동작할 수 있다.
본 명세서의 설명에서 및 이하의 청구항 전체를 통해 사용되는 경우, "하나의(a)", "하나의(an)", "그 하나의(the)"는 문맥상 명확히 달리 나타내지 않는 한 복수의 참조를 포함한다. 또한, 본 명세서의 설명에서 및 이하의 청구항 전체를 통해 사용되는 경우, 문맥상 명확히 달리 나타내지 않는 한 "에서(in)"는 "에서(in)"과 "상에서(on)"를 포함한다.
상기 설명은, 특정한 실시예들의 양태들이 어떻게 구현될 수 있는지의 예와 함께 다양한 실시예들을 나타낸다. 상기 예들 및 실시예들은 단지 실시예로서만 간주되어서는 안 되고, 이하의 청구항들에 의해 정의되는 특정한 실시예들의 융통성과 이점들을 예시하기 위해 제시된 것이다. 상기 개시내용 및 이하의 청구항들에 기초하여, 기타의 구조, 실시예, 구현 및 균등물들이 청구항들에 의해 정의되는 범위로부터 벗어나지 않고 채용될 수 있다.

Claims (20)

  1. 방법으로서,
    컴퓨터 시스템에 의해, 복수의 분산된 전자 디바이스로부터 복수의 정황(context)에 대해 감정 센서 데이터를 수신하는 단계 ―상기 복수의 정황 각각은 하나 이상의 지리적 영역 및 시간 기간에 대응하고, 상기 감정 센서 데이터는 상기 복수의 정황에 대해 상기 복수의 분산된 전자 디바이스에 의해 감지된 정보에 기초하는 묵시적 감정 표시자들을 포함하고, 상기 감정 센서 데이터는 상기 복수의 정황에 대해 감정들의 사용자 보고형 기술(description)들에 기초하는 명시적 감정 기술자(descriptor)들을 더 포함함― ;
    상기 컴퓨터 시스템에 의해, 상기 복수의 정황 중의 제1 정황을 판정하는 단계;
    상기 컴퓨터 시스템에 의해, 상기 복수의 분산된 전자 디바이스의 제1 부분으로부터 수신되는 것으로 판정된 상기 감정 센서 데이터의 제1 부분을 판정하는 단계 ―상기 감정 센서 데이터의 제1 부분은 제1 정황에 대해 감지된 정보에 기초함― ; 및
    상기 컴퓨터 시스템에 의해, 상기 감정 센서 데이터의 상기 제1 부분에 기초하여 상기 제1 정황에 대한 제1 감정 프로파일을 생성하는 단계 -상기 생성하는 단계는 적어도 신뢰성에 기초하여 상기 명시적 감정 기술자들과는 상이하게 상기 묵시적 감정 표시자들에 가중치 부여하는 단계를 포함함-
    를 포함하고,
    상기 제1 감정 프로파일은 상기 제1 정황과 연관된 제1 감정의 기술을 포함하고, 상기 컴퓨터 시스템은 상기 방법의 상기 단계들을 수행하도록 구성된 하나 이상의 컴퓨터 프로세서를 포함하는 방법.
  2. 제1항에 있어서, 상기 감정 센서 데이터의 상기 제1 부분은 상기 복수의 분산된 전자 디바이스의 상기 제1 부분에 의해 감지된 정보로부터의 복수의 감정 센서 판독치를 포함하고, 상기 복수의 감정 센서 판독치는 상기 제1 정황과 연관된 복수의 사람들에 대한 감정 표시자를 포함하는 방법.
  3. 제1항에 있어서, 상기 복수의 분산된 전자 디바이스는 복수의 모바일 전자 디바이스를 포함하는 방법.
  4. 제3항에 있어서, 상기 복수의 분산된 전자 디바이스는 복수의 특정한 장소에 대한 감정 데이터를 감지하도록 구성된 복수의 정지형 전자 디바이스를 더 포함하는 방법.
  5. 제4항에 있어서, 상기 복수의 분산된 전자 디바이스의 상기 제1 부분은 상기 복수의 모바일 전자 디바이스의 일부와 상기 복수의 정지형 전자 디바이스의 일부를 포함하는 방법.
  6. 제5항에 있어서, 상기 복수의 모바일 전자 디바이스로부터 수신되는 것으로 판정된 감정 센서 데이터는 상기 제1 감정 프로파일을 생성하는데 있어서 상기 복수의 정지형 전자 디바이스로부터 수신되는 것으로 판정된 감정 센서 데이터와는 상이하게 가중치 부여되는 방법.
  7. 제1항에 있어서,
    상기 컴퓨터 시스템에 의해, 상기 복수의 정황 중의 제2 정황을 판정하는 단계;
    상기 컴퓨터 시스템에 의해, 상기 복수의 분산된 전자 디바이스의 제2 부분으로부터 수신되는 것으로 판정된 상기 감정 센서 데이터의 제2 부분을 판정하는 단계; 및
    상기 컴퓨터 시스템에 의해, 상기 감정 센서 데이터의 상기 제2 부분에 기초하여 상기 제2 정황에 대한 제2 감정 프로파일을 생성하는 단계
    를 더 포함하고,
    상기 제2 감정 프로파일은 상기 제2 정황과 연관된 제2 감정의 기술을 포함하는 방법.
  8. 제7항에 있어서, 상기 제1 정황은 이벤트 동안의 제1 시간 기간을 포함하고, 상기 제2 정황은 상기 이벤트 동안의 제2 시간 기간을 포함하는 방법.
  9. 제7항에 있어서, 상기 제1 정황은 제1 장소를 포함하고, 상기 제2 정황은 제2 장소를 포함하는 방법.
  10. 제7항에 있어서,
    상기 컴퓨터 시스템에 의해, 상기 제1 감정 프로파일과 상기 제2 감정 프로파일 사이의 차이를 판정하는 단계 ―상기 제1 감정 프로파일과 상기 제2 감정 프로파일 사이의 차이는 상기 제1 정황 및 상기 제2 정황에 관련된 감정 프로파일 동향을 기술함― ; 및
    상기 컴퓨터 시스템에 의해, 상기 제1 감정 프로파일과 상기 제2 감정 프로파일 사이의 차이를 출력하는 단계
    를 더 포함하는 방법.
  11. 제7항에 있어서, 상기 복수의 분산된 전자 디바이스의 상기 제2 부분은 상기 복수의 분산된 전자 디바이스의 제1 부분으로부터 판정되는 방법.
  12. 제11항에 있어서, 상기 제1 정황은 제1 장소를 포함하고, 상기 제2 정황은 제2 장소를 포함하며, 상기 제1 장소의 일부는 상기 제2 장소를 포함하는 방법.
  13. 제1항에 있어서, 상기 제1 정황은 상기 감정 센서 데이터가 기초하는 정보를 감지하도록 상기 복수의 분산된 전자 디바이스의 상기 제1 부분이 존재하였던 이벤트 데이터를 포함하는 방법.
  14. 제13항에 있어서, 상기 이벤트 데이터는 특정한 장소와 연관된 특정한 시간 기간을 포함하는 방법.
  15. 제1항에 있어서, 상기 제1 정황은 상기 감정 센서 데이터가 기초하는 정보를 감지하도록 상기 복수의 분산된 전자 디바이스의 상기 제1 부분이 위치하였던 동적으로 판정된 지리적 영역을 포함하는 방법.
  16. 제1항에 있어서, 상기 컴퓨터 시스템에 의해, 이벤트 달력 데이터를 수신하는 단계를 더 포함하고, 상기 이벤트 달력 데이터는 복수의 날짜 및 복수의 연관된 장소를 포함하며, 상기 제1 정황을 판정하는 단계는 상기 이벤트 달력 데이터를 참조하는 단계를 포함하는 방법.
  17. 제1항에 있어서, 상기 컴퓨터 시스템에 의해 상기 제1 감정 프로파일을 출력하는 단계를 더 포함하는 방법.
  18. 삭제
  19. 명령어들을 포함하는 비일시적 컴퓨터-판독가능한 저장 매체로서, 상기 명령어들은, 실행되는 경우, 전자 디바이스의 하나 이상의 컴퓨터 프로세서를 제어하여,
    복수의 정황에 대해 복수의 분산된 전자 디바이스로부터 감정 센서 데이터 ―상기 복수의 정황 각각은 하나 이상의 지리적 영역 및 시간 기간에 대응하고, 상기 감정 센서 데이터는 복수의 정황에 대해 상기 복수의 분산된 전자 디바이스에 의해 감지된 정보에 기초하는 묵시적 감정 표시자들을 포함하고, 상기 감정 센서 데이터는 상기 복수의 정황에 대해 감정들의 사용자 보고형 기술들에 기초하는 명시적 감정 기술자들을 더 포함함― 를 수신하고;
    상기 복수의 정황 중의 제1 정황을 판정하며;
    상기 복수의 분산된 전자 디바이스의 제1 부분으로부터 수신되는 것으로 판정된 상기 감정 센서 데이터의 제1 부분을 판정하고 ―상기 감정 센서 데이터의 상기 제1 부분은 상기 제1 정황에 대해 감지된 정보에 기초함― ;
    상기 감정 센서 데이터의 상기 제1 부분에 기초하여 상기 제1 정황에 대한 제1 감정 프로파일을 생성 - 상기 생성하는 것은 적어도 신뢰성에 기초하여 상기 명시적 감정 기술자들과는 상이하게 상기 묵시적 감정 표시자들을 가중치 부여하는 것을 포함함- 하도록 구성되게 하며,
    상기 제1 감정 프로파일은 상기 제1 정황과 연관된 감정의 기술을 포함하는 비일시적 컴퓨터-판독가능한 저장 매체.
  20. 전자 디바이스로서,
    적어도 하나의 컴퓨터 프로세서;
    상기 적어도 하나의 컴퓨터 프로세서에 통신가능하게 결합된 감정 센서;
    상기 적어도 하나의 컴퓨터 프로세서에 통신가능하게 결합된 전자적 통신 인터페이스; 및
    명령어들을 포함하는 비일시적 컴퓨터-판독가능한 저장 매체
    를 포함하고, 상기 명령어들은, 실행되는 경우, 상기 적어도 하나의 컴퓨터 프로세서를 제어하여,
    상기 감정 센서를 활성화시켜 감정 센서 판독치를 판정하고;
    상기 감정 센서 판독치에 대한 정황 데이터를 판정하며 ―상기 정황 데이터는 상기 감정 센서 판독치가 판정된 상황들을 기술함― ;
    상기 정황 데이터 및 상기 감정 센서 판독치에 기초하는 묵시적 감정 표시자들을 포함하는 감정 센서 데이터를 생성하고;
    상기 감정 센서 데이터를 상기 전자적 통신 인터페이스를 통해 하나 이상의 원격 서비스 제공자에게 전송하며;
    상기 하나 이상의 원격 서비스 제공자 중의 제1 원격 서비스 제공자로부터 상기 전자적 통신 인터페이스를 통해, 특정한 정황에 대한 요약 감정 센서 데이터를 수신하도록 구성되게 하고,
    상기 특정한 정황은 하나 이상의 지리적 영역 및 시간 기간에 대응하고, 상기 요약 감정 센서 데이터는 복수의 다른 전자 디바이스로부터 상기 제1 원격 서비스 제공자에 의해 수신된 상기 특정한 정황에 대한 감정 센서 데이터를 포함하고, 상기 요약 감정 센서 데이터는 상기 복수의 정황에 대해 감정들의 사용자 보고형 기술들에 기초하는 명시적 감정 기술자들을 더 포함하고, 상기 묵시적 감정 표시자들은 적어도 신뢰성의 판정에 기초하여 상기 명시적 감정 기술자들과는 상이하게 가중치 부여되고, 상기 요약 감정 센서 데이터는 상기 특정한 정황과 매칭하는 정황 데이터를 포함한다고 판정되는 전자 디바이스.
KR1020157024724A 2013-03-13 2014-03-11 정황 감정 판정 시스템 KR101749847B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/798,367 2013-03-13
US13/798,367 US9692839B2 (en) 2013-03-13 2013-03-13 Context emotion determination system
PCT/US2014/022886 WO2014159297A1 (en) 2013-03-13 2014-03-11 Context emotion determination system

Publications (2)

Publication Number Publication Date
KR20150119131A KR20150119131A (ko) 2015-10-23
KR101749847B1 true KR101749847B1 (ko) 2017-06-21

Family

ID=50639915

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157024724A KR101749847B1 (ko) 2013-03-13 2014-03-11 정황 감정 판정 시스템

Country Status (8)

Country Link
US (1) US9692839B2 (ko)
EP (1) EP2953526B1 (ko)
KR (1) KR101749847B1 (ko)
CN (1) CN105228506B (ko)
BR (1) BR112015022788B1 (ko)
CA (1) CA2902521C (ko)
MX (1) MX366146B (ko)
WO (1) WO2014159297A1 (ko)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9460473B2 (en) * 2012-06-26 2016-10-04 International Business Machines Corporation Content-sensitive notification icons
US10212986B2 (en) 2012-12-09 2019-02-26 Arris Enterprises Llc System, apparel, and method for identifying performance of workout routines
US9278255B2 (en) 2012-12-09 2016-03-08 Arris Enterprises, Inc. System and method for activity recognition
US10304325B2 (en) 2013-03-13 2019-05-28 Arris Enterprises Llc Context health determination system
US9135248B2 (en) 2013-03-13 2015-09-15 Arris Technology, Inc. Context demographic determination system
US20150254563A1 (en) * 2014-03-07 2015-09-10 International Business Machines Corporation Detecting emotional stressors in networks
US20170153697A1 (en) * 2014-07-01 2017-06-01 Lg Electronics Inc. Electronic device and method for controlling the same
WO2016015299A1 (zh) 2014-07-31 2016-02-04 华为技术有限公司 一种可携带式设备的控制方法和设备
DE102015113931A1 (de) 2014-08-21 2016-02-25 Affectomatics Ltd. Berechnung von Nachwirkung aus affektiven Reaktionen
US11494390B2 (en) 2014-08-21 2022-11-08 Affectomatics Ltd. Crowd-based scores for hotels from measurements of affective response
US9805381B2 (en) 2014-08-21 2017-10-31 Affectomatics Ltd. Crowd-based scores for food from measurements of affective response
US11269891B2 (en) * 2014-08-21 2022-03-08 Affectomatics Ltd. Crowd-based scores for experiences from measurements of affective response
US10045167B2 (en) * 2014-10-09 2018-08-07 Lenovo (Singapore) Pte. Ltd. Phone record
US10356189B2 (en) * 2014-11-20 2019-07-16 Suunto Oy System and method for creating ad-hoc events from sensed sport-specific data
KR101808739B1 (ko) * 2014-12-31 2017-12-14 한국전자통신연구원 감성 기반 콘텐츠 추천 장치 및 방법
US10261947B2 (en) 2015-01-29 2019-04-16 Affectomatics Ltd. Determining a cause of inaccuracy in predicted affective response
DE102016101665A1 (de) 2015-01-29 2016-08-04 Affectomatics Ltd. Auf datenschutzüberlegungen gestützte filterung von messwerten der affektiven reaktion
US11232466B2 (en) 2015-01-29 2022-01-25 Affectomatics Ltd. Recommendation for experiences based on measurements of affective response that are backed by assurances
US9955902B2 (en) 2015-01-29 2018-05-01 Affectomatics Ltd. Notifying a user about a cause of emotional imbalance
US11048855B2 (en) 2015-02-11 2021-06-29 Google Llc Methods, systems, and media for modifying the presentation of contextually relevant documents in browser windows of a browsing application
US9769564B2 (en) * 2015-02-11 2017-09-19 Google Inc. Methods, systems, and media for ambient background noise modification based on mood and/or behavior information
US10284537B2 (en) 2015-02-11 2019-05-07 Google Llc Methods, systems, and media for presenting information related to an event based on metadata
US11392580B2 (en) * 2015-02-11 2022-07-19 Google Llc Methods, systems, and media for recommending computerized services based on an animate object in the user's environment
US10061977B1 (en) 2015-04-20 2018-08-28 Snap Inc. Determining a mood for a group
JP6631628B2 (ja) * 2015-05-27 2020-01-15 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
US9894266B2 (en) * 2015-06-30 2018-02-13 International Business Machines Corporation Cognitive recording and sharing
WO2017054871A1 (en) * 2015-09-30 2017-04-06 Centro Studi S.R.L. Emotional/behavioural/psychological state estimation system
US10755044B2 (en) 2016-05-04 2020-08-25 International Business Machines Corporation Estimating document reading and comprehension time for use in time management systems
JP6273314B2 (ja) * 2016-05-13 2018-01-31 Ｃｏｃｏｒｏ Ｓｂ株式会社 記憶制御システム、システム及びプログラム
US10275838B2 (en) * 2016-06-07 2019-04-30 International Business Machines Corporation Mapping social media sentiments
US20180032126A1 (en) * 2016-08-01 2018-02-01 Yadong Liu Method and system for measuring emotional state
US10237304B1 (en) * 2016-08-03 2019-03-19 Symantec Corporation Systems and methods of administering computer activities based upon emotional intelligence
CN108074001A (zh) * 2016-11-10 2018-05-25 松下知识产权经营株式会社 座位提示系统和座位提示方法
US20180196876A1 (en) * 2017-01-07 2018-07-12 International Business Machines Corporation Sentiment-driven content management in a social networking environment
US10318799B2 (en) * 2017-02-16 2019-06-11 Wipro Limited Method of predicting an interest of a user and a system thereof
CN106956271B (zh) * 2017-02-27 2019-11-05 华为技术有限公司 预测情感状态的方法和机器人
EP3657810A1 (en) 2018-11-21 2020-05-27 Telefonica Innovacion Alpha S.L Electronic device, method and system for inferring the impact of the context on user's wellbeing
US11159768B1 (en) * 2019-01-03 2021-10-26 Facebook Technologies, Llc User groups based on artificial reality
US11218839B1 (en) * 2020-10-05 2022-01-04 Mapsted Corp. Method and system for zone-based localization of mobile devices

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301433A1 (en) * 2010-06-07 2011-12-08 Richard Scott Sadowsky Mental state analysis using web services

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7246069B1 (en) 1999-10-15 2007-07-17 Ue Systems, Inc. Method and apparatus for online health monitoring
US20020046030A1 (en) 2000-05-18 2002-04-18 Haritsa Jayant Ramaswamy Method and apparatus for improved call handling and service based on caller's demographic information
WO2005113099A2 (en) * 2003-05-30 2005-12-01 America Online, Inc. Personalizing content
US20060195361A1 (en) 2005-10-01 2006-08-31 Outland Research Location-based demographic profiling system and method of use
US7856360B2 (en) 2006-01-30 2010-12-21 Hoozware, Inc. System for providing a service to venues where people aggregate
EP1895505A1 (en) 2006-09-04 2008-03-05 Sony Deutschland GmbH Method and device for musical mood detection
US8838481B2 (en) * 2011-07-26 2014-09-16 Golba Llc Method and system for location based hands-free payment
US8157730B2 (en) 2006-12-19 2012-04-17 Valencell, Inc. Physiological and environmental monitoring systems and methods
US8239774B2 (en) 2007-08-28 2012-08-07 International Business Machines Corporation Utilizing mood sensors in an electronic messaging environment
US7698422B2 (en) 2007-09-10 2010-04-13 Specific Media, Inc. System and method of determining user demographic profiles of anonymous users
WO2009043020A2 (en) 2007-09-28 2009-04-02 The Trustees Of Dartmouth College System and method for injecting sensed presence into social networking applications
CN101917898A (zh) * 2007-10-31 2010-12-15 埃姆申塞公司 对来自观众的生理响应提供分散式收集和集中式处理的系统和方法
US20090307263A1 (en) 2008-06-06 2009-12-10 Sense Networks, Inc. System And Method Of Performing Location Analytics
US8442832B2 (en) 2008-12-08 2013-05-14 Electronics And Telecommunications Research Institute Apparatus for context awareness and method using the same
KR101562792B1 (ko) 2009-06-10 2015-10-23 삼성전자주식회사 목표 예측 인터페이스 제공 장치 및 그 방법
US8255392B2 (en) 2009-06-29 2012-08-28 Dan Melton Real time data collection system and method
US10296937B2 (en) 2009-06-29 2019-05-21 Excalibur Ip, Llc Operating a sensor recording marketplace
US8172777B2 (en) 2009-09-14 2012-05-08 Empire Technology Development Llc Sensor-based health monitoring system
US8560608B2 (en) 2009-11-06 2013-10-15 Waldeck Technology, Llc Crowd formation based on physical boundaries and other rules
US8682649B2 (en) * 2009-11-12 2014-03-25 Apple Inc. Sentiment prediction from textual data
US8634701B2 (en) 2009-12-04 2014-01-21 Lg Electronics Inc. Digital data reproducing apparatus and corresponding method for reproducing content based on user characteristics
US9946775B2 (en) 2010-03-24 2018-04-17 Taykey Ltd. System and methods thereof for detection of user demographic information
US20110264531A1 (en) * 2010-04-26 2011-10-27 Yahoo! Inc. Watching a user's online world
JP5792303B2 (ja) 2010-08-10 2015-10-07 テレフオンアクチーボラゲット エル エム エリクソン（パブル） 人口分布情報の集約
US8438590B2 (en) 2010-09-22 2013-05-07 General Instrument Corporation System and method for measuring audience reaction to media content
US8500009B2 (en) 2011-02-23 2013-08-06 Daniel J. Clapsaddle Real-time internet method for tracking number and gender of patrons in bar and night club establishments
US20130019187A1 (en) * 2011-07-15 2013-01-17 International Business Machines Corporation Visualizing emotions and mood in a collaborative social networking environment
US8768864B2 (en) 2011-08-02 2014-07-01 Alcatel Lucent Method and apparatus for a predictive tracking device
US9348479B2 (en) * 2011-12-08 2016-05-24 Microsoft Technology Licensing, Llc Sentiment aware user interface customization
IN2014CN04748A (ko) * 2011-12-16 2015-09-18 Koninkl Philips Nv
US9009027B2 (en) * 2012-05-30 2015-04-14 Sas Institute Inc. Computer-implemented systems and methods for mood state determination
US8965828B2 (en) * 2012-07-23 2015-02-24 Apple Inc. Inferring user mood based on user and group characteristic data
US20140040171A1 (en) 2012-07-31 2014-02-06 Triapodi Ltd Content-based demographic estimation of users of mobile devices and usage thereof
US9418390B2 (en) * 2012-09-24 2016-08-16 Intel Corporation Determining and communicating user's emotional state related to user's physiological and non-physiological data
US9135248B2 (en) * 2013-03-13 2015-09-15 Arris Technology, Inc. Context demographic determination system
US10304325B2 (en) 2013-03-13 2019-05-28 Arris Enterprises Llc Context health determination system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301433A1 (en) * 2010-06-07 2011-12-08 Richard Scott Sadowsky Mental state analysis using web services

Also Published As

Publication number Publication date
MX2015012391A (es) 2016-02-03
CA2902521C (en) 2018-04-03
MX366146B (es) 2019-06-28
CA2902521A1 (en) 2014-10-02
US20140280529A1 (en) 2014-09-18
BR112015022788B1 (pt) 2022-10-04
EP2953526A1 (en) 2015-12-16
KR20150119131A (ko) 2015-10-23
CN105228506B (zh) 2018-05-15
BR112015022788A2 (pt) 2017-12-19
US9692839B2 (en) 2017-06-27
EP2953526B1 (en) 2020-05-06
WO2014159297A1 (en) 2014-10-02
CN105228506A (zh) 2016-01-06

Similar Documents

Publication Publication Date Title
KR101749847B1 (ko) 정황 감정 판정 시스템
KR101741351B1 (ko) 정황 인구통계 판정 시스템
KR102085187B1 (ko) 정황 건강 판정 시스템
Huang et al. Location based services: ongoing evolution and research agenda
US20200374655A1 (en) Labeling A Significant Location Based On Contextual Data
US10356559B2 (en) Harvesting labels for significant locations and updating a location fingerprint database using harvested labels
ES2745954T3 (es) Procedimiento y aparato para agrupar y presentar datos asociados con ubicaciones geográficas
US11761785B2 (en) Labeling a significant location based on contextual data
US10129336B2 (en) Content management method and cloud server therefor
Ahmad et al. A framework for crowd-sourced data collection and context-aware services in Hajj and Umrah
KR20150011241A (ko) 장소를 추천하는 방법 및 그 장치
US20190095956A1 (en) Information control apparatus, information control system and information control method
JP2020027398A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム

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