KR101755653B1 - 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법 - Google Patents

사용자 맞춤형 웹툰 자동 추천 시스템 및 방법 Download PDF

Info

Publication number
KR101755653B1
KR101755653B1 KR1020160096113A KR20160096113A KR101755653B1 KR 101755653 B1 KR101755653 B1 KR 101755653B1 KR 1020160096113 A KR1020160096113 A KR 1020160096113A KR 20160096113 A KR20160096113 A KR 20160096113A KR 101755653 B1 KR101755653 B1 KR 101755653B1
Authority
KR
South Korea
Prior art keywords
webtoon
subscription
webtoons
user
subscribed
Prior art date
Application number
KR1020160096113A
Other languages
English (en)
Inventor
김춘곤
Original Assignee
주식회사 탑코
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 주식회사 탑코 filed Critical 주식회사 탑코
Priority to KR1020160096113A priority Critical patent/KR101755653B1/ko
Application granted granted Critical
Publication of KR101755653B1 publication Critical patent/KR101755653B1/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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

이 발명은 웹툰 독자들의 구독 이력을 기반으로 미구독 웹툰에 대한 선호도를 추정하여 추천하는 시스템 및 방법에 관한 것이다.
이 발명에 따른 사용자 맞춤형 웹툰 자동 추천 시스템은, 전체 사용자의 모든 웹툰 구독 이력을 수집하는 구독 이력 수집부와, 사용자별 구독 웹툰간 링크를 도출하고 상기 사용자별 구독 웹툰간 링크를 모두 계수하여 전체 사용자의 구독 웹툰간 링크 합산값을 도출하는 웹툰간 링크 합산값 연산부와, 기준웹툰 i의 모든 웹툰간 링크 합산값의 평균값을 이용하여 상기 기준웹툰 i의 각 웹툰간 링크 합산값을 정규화하여 정규화 행렬을 도출하는 정규화부와, 추천대상 사용자의 웹툰 구독 이력과 상기 정규화 행렬을 이용하여 상기 추천대상 사용자의 미구독 웹툰에 대한 선호도를 추정하는 미구독 웹툰 선호도 추정부와, 상기 미구독 웹툰 선호도 추청부에서 추정된 선호도를 기반으로 상기 추천대상 사용자에게 웹툰을 추천하는 웹툰 추천부를 포함한다.

Description

사용자 맞춤형 웹툰 자동 추천 시스템 및 방법{user-tailored webtoon auto-recommendation system and method}
이 발명은 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법에 관한 것으로서, 보다 상세하게는 웹툰 독자들의 구독 이력을 기반으로 미구독 웹툰에 대한 선호도를 추정하여 추천하는 시스템 및 방법에 관한 것이다.
상품이나 아이템을 자동 추천하는 전통적인 방법으로서, 협업 필터링(collaborative filtering) 기법이 사용된다.
대표적인 협업 필터링 기법으로는 사용자 기반 협업 필터링 기법과 항목 기반 협업 필터링 기법이 있다. 사용자 기반 협업 필터링은 어떤 항목을 선호했던 사용자와 현재 사용자가 유사하다면, 그 항목을 현재 사용자에게 추천한다. 항목 기반 협업 필터링은, 어떤 새 항목과 유사한 항목을 현재 사용자가 선호한다면, 그 새 항목을 현재 사용자에게 추천한다.
통상적인 협업 필터링 기법은 사용자 개인이 별점이나 댓글과 같이 해당 구매 품목에 대해 선호도를 표현한 결과값을 기반한다. 즉, 임의의 사용자의 선호도를 수집할 수 없는 상황에서는 개인별 취향에 맞는 상품을 추천하기 어려운 문제점이 있다. 이러한 협업 필터링 기법의 문제점을 해결하기 위해, 대한민국 공개특허 제2010-0096975호, "협업 필터링을 이용한 사용자 맞춤형 아이피 티브이 프로그램 자동 추천 방법"에는, 사용자의 선호도를 수집할 수 없는 상황에서도 협업 필터링을 통해 사용자 맞춤형 방송 프로그램을 추천하고, 사용자의 시청 패턴을 분석하여 개인 맞춤 방송 프로그램 편성 정보를 제공하는 기술이 개시된다.
이 선행특허는 시청자의 방송 프로그램 시청 시간의 길이 및 횟수를 고려하여 해당 방송 프로그램에 대한 선호도를 추정하고, 시청자들의 프로그램 선호도, 장르 선호도 및 채널 선호도 등을 고려하여 다수의 유사 시청자 그룹들로 그룹핑하며, 임의의 시청자에 대해 시청 이력을 기반으로 가장 취향이 비슷한 유사 시청자 그룹을 선정한다. 이 선행특허에서는 임의의 시청자에 대해 방송 프로그램에 대한 선호도를 계산하는 수식, 장르 선호도를 계산하는 수식, 채널 선호도를 계산하는 수식, 유사 시청자 그룹을 선정하는 수식, 추천 프로그램을 선정하는 수식 등이 복잡하게 기재된다.
또한, 통상적인 협업 필터링 기법은 어떤 항목을 선호한 사용자와 현재 사용자가 유사한지를 계산하거나, 어떤 새 항목과 현재 사용자가 선호한 항목이 유사한지를 계산해야 하는데, 이러한 상호 연계된 선호도를 계산하는데 많은 시간이 소요되는 문제점이 있다. 이러한 문제점을 해결하기 위해, 대한민국 공개특허 제2016-0049401호, "사용자 맞춤형 항목 추천 방법 및 장치"에는, k-인접 이웃 그래프를 활용하여 사용자가 선호할 것으로 예상되는 항목을 추천하는 기술이 개시된다. 이 선행특허에는 k-인접 이웃 그래프를 생성하고 k-인접 이웃 그래프를 활용하여 사용자 맞춤형 추천 항목을 선정한다.
다른 선행특허로서 대한민국 공개특허 제2014-0084365호, "콘텐츠 추천 장치 및 방법"에는, 멱 함수(Power law)에 따른 분포를 갖는 평점 데이터를 이용하여 콘텐츠의 평점을 예측하는 기술이 기재된다. 이 선행특허에서는 제1종류의 콘텐츠에 대응하는 평점 데이터를 수집하고, 수집된 평점 데이터에서 행렬 인수분해방법과 랜덤 바이어스 방법에 의해 사용자가 매기지 않은 평점을 예측하고, 수집된 평점 데이터와 예측된 평점을 이용하여 종합 평점 데이터를 산출한다.
다른 선행특허로서 대한민국 공개특허 제2016-0064448호, "유사 집합의 예상 선호도 대비 기반 아이템 추천 제공 방법"에는, 모든 사용자가 아이템에 부여하는 실제 선호도로부터 전체 완성된 예측 선호도를 구하고 특정 사용자에게 특정 아이템을 추천하는 기술이 기재된다. 이 선행특허에서는 아이템에 대한 사용자의 선호도 데이터를 입력받고, 행렬완성 알고리즘 및 클러스트링 알고리즘을 이용하여 다수의 사용자가 다수의 아이템에 대하여 부여한 불완전한 선호도 행렬로부터 완성된 예측 선호도 행렬을 생성하며, 모든 아이템들간에 코사인 유사도를 계산하고, 이를 기반으로 선별된 아이템을 사용자에게 추천한다.
이와 같이 통상적으로 협업 필터링 기법은 선호도가 유사한 사용자를 그룹핑하기 위해 복잡한 필터링 알고리즘과 클러스트링 알고리즘을 사용하며, 사용자들로부터 다수의 구매 이력에 대한 선호도 정보를 수집하여야 정확한 유사도 연산이 가능한 문제점이 있다. 또한, 다수의 사용자들로부터 많은 추천을 받은 아이템은 사용자의 성향과 관계없이 추천될 가능성이 높으며, 공개기간이 짧아 추천을 많이 받지 못한 아이템은 사용자의 성향에 부합하더라도 추천될 가능성이 낮은 문제점이 있다.
대한민국 공개특허 제2010-0096975호 대한민국 공개특허 제2016-0049401호 대한민국 공개특허 제2014-0084365호 대한민국 공개특허 제2016-0064448호
이 발명의 목적은, 사용자 기반 필터링 기법과 항목 기반 필터링 기법을 결합하여 간단한 연산으로 사용자의 취향에 따른 웹툰을 자동 추천하는 시스템 및 방법을 제공하기 위한 것이다. 또한, 이 발명의 목적은, 웹툰의 인기도에 관계없이 사용자의 취향에 맞는 웹툰을 자동 추천하는 시스템 및 방법을 제공하기 위한 것이다.
상술한 목적을 달성하기 위한 이 발명에 따른 사용자 맞춤형 웹툰 자동 추천 시스템은, 전체 사용자의 모든 웹툰 구독 이력을 수집하는 구독 이력 수집부와, 사용자별 구독 웹툰간 링크를 도출하고 상기 사용자별 구독 웹툰간 링크를 모두 계수하여 전체 사용자의 구독 웹툰간 링크 합산값을 도출하는 웹툰간 링크 합산값 연산부와, 기준웹툰 i의 모든 웹툰간 링크 합산값의 평균값을 이용하여 상기 기준웹툰 i의 각 웹툰간 링크 합산값을 정규화하여 정규화 행렬을 도출하는 정규화부와, 추천대상 사용자의 웹툰 구독 이력과 상기 정규화 행렬을 이용하여 상기 추천대상 사용자의 미구독 웹툰에 대한 선호도를 추정하는 미구독 웹툰 선호도 추정부와, 상기 미구독 웹툰 선호도 추청부에서 추정된 선호도를 기반으로 상기 추천대상 사용자에게 웹툰을 추천하는 웹툰 추천부를 포함한 것을 특징으로 한다.
이 발명에 따른 사용자 맞춤형 웹툰 자동 추천 방법은, 전체 사용자의 모든 웹툰 구독 이력을 수집하는 구독 이력 수집단계와, 사용자별 구독 웹툰간 링크를 도출하고 상기 사용자별 구독 웹툰간 링크를 모두 계수하여 전체 사용자의 구독 웹툰간 링크 합산값을 도출하는 웹툰간 링크 합산값 연산단계와, 기준웹툰 i의 모든 웹툰간 링크 합산값의 평균값을 이용하여 상기 기준웹툰 i의 각 웹툰간 링크 합산값을 정규화하여 정규화 행렬을 도출하는 정규화단계와, 추천대상 사용자의 웹툰 구독 이력과 상기 정규화 행렬을 이용하여 상기 추천대상 사용자의 미구독 웹툰에 대한 선호도를 추정하는 미구독 웹툰 선호도 추정단계와, 상기 미구독 웹툰 선호도 추청단계에서 추정된 선호도를 기반으로 상기 추천대상 사용자에게 웹툰을 추천하는 웹툰 추천단계를 포함한 것을 특징으로 한다.
이 발명을 적용하면, 간단한 연산으로 사용자의 취향에 부합하는 웹툰이 자동으로 선정되어 추천될 수 있는 잇점이 있다.
도 1은 이 발명에 따른 전체 시스템 구성도이다.
도 2는 이 발명에 따른 웹툰추천시스템의 구성 블록도이다.
도 3은 이 발명에 따른 사용자 맞춤형 웹툰 자동 추천 방법을 도시한 동작 흐름도이다.
도 4에는 사용자별 웹툰 구독 이력의 일 실시예가 도시된다.
이하, 이 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명한다. 그리고, 이 발명을 설명함에 있어서, 관련된 공지기능 혹은 구성에 대한 구체적인 설명이 이 발명의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략할 것이다. 또한, 후술되는 용어들은 이 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 이 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 이 발명에 따른 전체 시스템 구성도이다.
웹툰서비스제공시스템(10)과 다수의 사용자 단말기(20, 30)가 네트워크(40)로 연결된다. 웹툰서비스제공시스템(10)은 다수의 사용자 단말기(20, 30)에 웹툰 데이터를 제공하는 웹툰서버(11)와, 사용자 단말기(20, 30)에 제공되는 웹툰 데이터를 분석하여 사용자별 추천 웹툰을 도출하는 웹툰추천시스템(12)과, 필요한 데이터를 저장하기 위한 데이터베이스(13)를 포함한다.
사용자 단말기(20,30)는 웹툰 독자가 이용하는 PC, 노트북, 넷북, 스마트폰, 태블릿PC, 모바일 등의 통상의 컴퓨팅 단말기이다. 사용자가 사용자 단말기(20,30)를 이용하여 웹툰서버(11)에 접속하여 임의의 웹툰 데이터를 요청하면 해당 정보는 웹툰추천시스템(12)에 전달되며, 웹툰추천시스템(12)은 사용자별로 사용자 취향에 따른 추천 웹툰을 선정한다. 데이터베이스(13)는 웹툰서버(11) 또는 웹툰추천시스템(12)에서 필요한 데이터를 저장하는 통상의 저장매체이다.
도 2는 이 발명에 따른 웹툰추천시스템의 내부 구성 블록도이다. 구독 이력 수집부(21)와, 웹툰간 링크 합산값 연산부(22)와, 정규화부(23)와, 미구독 웹툰 선호도 추정부(24)와, 웹툰 추천부(25)를 포함한다.
구독 이력 수집부(21)는 전체 사용자의 모든 웹툰 구독 이력을 수집한다. 웹툰간 링크 합산값 연산부(22)는 사용자별 구독 웹툰간 링크를 도출하고 상기 사용자별 구독 웹툰간 링크를 모두 계수하여 전체 사용자의 구독 웹툰간 링크 합산값을 도출한다. 정규화부(23)는 기준웹툰 i의 모든 웹툰간 링크 합산값의 평균값을 이용하여 상기 기준웹툰 i의 각 웹툰간 링크 합산값을 정규화하여 정규화 행렬을 도출한다. 미구독 웹툰 선호도 추정부(24)는 추천대상 사용자의 웹툰 구독 이력과 상기 정규화 행렬을 이용하여 상기 추천대상 사용자의 미구독 웹툰에 대한 선호도를 추정한다. 웹툰 추천부(25)는 미구독 웹툰 선호도 추청부(24)에서 추정된 선호도를 기반으로 상기 추천대상 사용자에게 웹툰을 추천한다.
도 3은 이 발명에 따른 사용자 맞춤형 웹툰 자동 추천 방법을 도시한 동작 흐름도이다.
구독 이력 수집부(21)는 전체 사용자의 모든 웹툰 구독 이력을 수집한다(S31). 도 4에는 사용자별 웹툰 구독 이력의 일 실시예가 도시된다. 모든 웹툰에 식별자가 부여되는 것이 바람직하며, 하나의 웹툰 타이틀이 여러 회로 이루어진 경우 사용자가 일정 회 이상을 구독하거나 유료 구독할 경우 구독한 것으로 결정할 수도 있다.
사용자 A는 1번 웹툰, 2번 웹툰, 5번 웹툰을 구독하고, 사용자 B는 1번 웹툰, 2번 웹툰, 4번, 웹툰, 7번 웹툰을 구독하고, 사용자 C는 1번 웹툰, 4번 웹툰, 5번 웹툰, 7번 웹툰을 구독한 것으로 가정한다.
웹툰간 링크 합산값 연산부(22)는 사용자별 구독 웹툰간 링크를 도출한다(S32).
도 4의 예에서, 사용자별 구독 웹툰간 링크(
Figure 112016073534148-pat00001
)는 아래와 같다. 여기서, i,j는 웹툰의 식별자이고 x는 사용자의 식별자며, 이 실시예에서는 i 웹툰은 기준 웹툰, j 웹툰은 연계 웹툰으로 명명한다.
<사용자 A>
Figure 112016073534148-pat00002
<사용자 B>
Figure 112016073534148-pat00003
Figure 112016073534148-pat00004
<사용자 C>
Figure 112016073534148-pat00005
Figure 112016073534148-pat00006
다음, 웹툰간 링크 합산값 연산부(22)는 사용자별 구독 웹툰간 링크를 모두 합산하여 전체 사용자의 웹툰간 링크 합산값을 도출한다(S33).
임의의 i 웹툰과 j 웹툰의 링크 합산값(
Figure 112016073534148-pat00007
)은
Figure 112016073534148-pat00008
이며, 이때, N은 전체 사용자 수이다. i 웹툰과 j 웹툰의 링크 합산값을 행렬(A)로 표현하면 아래의 수식과 같다.
A=
Figure 112016073534148-pat00009
이 행렬(A)에서, 각 성분인 기준웹툰 i와 연계웹툰 j와의 링크 합산값은 웹툰 서비스를 사용하는 전체 사용자의 구독 이력을 기반으로 도출된 값으로서, 사용자의 구독이 사용자의 취향을 바탕으로 하기 때문에 웹툰간 링크 합산값이 높으면(많은 사용자들이 두 웹툰을 모두 구독), 해당 웹툰간 유사도가 높다고 판단할 수 있고, 웹툰간 링크 합산값이 낮으면 유사도가 낮다고 판단할 수 있다.
그러나, 이 웹툰간 링크 합산값은 사용자들의 선호도만을 반영하고 있지 않은 바, 임의의 기준웹툰이 오랜기간 공개되었거나 무료 이벤트가 시행된 웹툰인 경우 해당 기준웹툰을 기준으로 다른 연계웹툰들과의 링크 합산값들은 모두 그 값들이 평균적으로 높을 수밖에 없다. 이와 반대로 최근에 공개되었거나 이벤트가 시행되지 않은 웹툰의 경우 다른 웹툰들과의 링크 합산값들이 낮을 수밖에 없다.
정규화부(23)는 행렬(A)의 웹툰간 링크 합산값에 대해 정규화하는 과정을 수행한다(S34). 정규화부(23)는 기준웹툰 i의 모든 웹툰간 링크 합산값의 평균값을 이용하여 상기 기준웹툰 i의 각 웹툰간 링크 합산값을 정규화한다. 이를 수식으로 표현하면 아래와 같다.
기준웹툰 i와 임의의 연계웹툰 j간 링크 합산값은
Figure 112016073534148-pat00010
이고, 기준웹툰 i의 모든 웹툰간 링크 합산값의 평균값은
Figure 112016073534148-pat00011
이다. 기준웹툰 i의 모든 웹툰간 링크 합산값의 평균값을 구하고, 상기 기준웹툰 i의 각 웹툰간 링크 합산값을 상기 평균값으로 나누어 상기 기준웹툰 i의 각 웹툰간 링크 합산값을 정규화한다. 이 기준웹툰 i의 임의의 연계웹툰 j간 링크 합산값을 정규화한 값(
Figure 112016073534148-pat00012
)은 아래의 수식과 같다.
Figure 112016073534148-pat00013
여기서, n은 웹툰의 전체 개수이다.
웹툰간 링크 합산값에 대한 정규화 성분의 행렬(Z)은 아래의 수식으로 표현된다.
Z=
Figure 112016073534148-pat00014
여기서, 기준웹툰 i의 모든 정규화된 링크 합산값들(
Figure 112016073534148-pat00015
~
Figure 112016073534148-pat00016
)이 정규화 행렬(Z)의 한 행을 구성한다.
미구독 웹툰 선호도 추정부(24)는 추천대상 사용자의 구독 이력과 정규화 행렬(Z)을 이용하여 추천대상 사용자가 미구독한 웹툰들에 대한 선호도를 추정하고(S36), 웹툰 추천부(25)는 추정된 선호도를 기반으로 추천대상 사용자에게 웹툰을 추천한다(S37).
첫째, 추천대상 사용자의 구독 웹툰이 하나도 없을 경우, 인기도나 다른 선택기준으로 추천대상 사용자의 선호도를 추정한다.
둘째, 추천대상 사용자의 구독 웹툰이 하나인 경우, 상기 추천대상 사용자의 구독 웹툰을 기준웹툰으로 선정하고, 정규화 행렬에서 기준웹툰에 대응되는 행의 정규화된 링크 합산값들을 추출하며, 추출된 정규화된 링크 합산값들이 큰 순서대로 추천대상 사용자에게 추천된다.
셋째, 추천대상 사용자의 구독 웹툰이 둘 이상인 경우(이 구독 웹툰을 웹툰 i와 웹툰 j라 함), 미구독 웹툰 k에 대한 추천대상 사용자의 선호도는 다음의 두 가지 방법으로 추정할 수 있다. 모든 미구독 웹툰에 대한 추천대상 사용자의 선호도를 추정한 후 그 선호도가 높은 순서대로 정렬하여 추천대상 사용자에게 추천한다.
1. 미구독 웹툰 k를 기준웹툰으로 선정하고, 선정된 기준웹툰과 구독 웹툰 i의 정규화된 링크 합산값(
Figure 112016073534148-pat00017
)과 선정된 기준웹툰과 구독 웹툰 j의 정규화된 링크 합산값(
Figure 112016073534148-pat00018
)을 가산한다.
2. 위의 방법과 같이
Figure 112016073534148-pat00019
와
Figure 112016073534148-pat00020
를 단순 합산할 경우 하나의 구독 웹툰과는 연관성이 아주 높고 다른 구독 웹툰과는 연관성이 아주 낮은 미구독 웹툰의 추정 선호도와, 두 구독 웹툰과의 상호 연관성이 높은 미구독 웹툰의 추정 선호도가 동일한 값으로 연산될 수 있으며, 이는 추천대상 사용자의 취향을 정확하게 반영하지 못한 결과로 작용한다. 이에, 두 구독 웹툰과의 상호 연관성을 반영하기 위해, 상기 미구독 웹툰 k의 추정 선호도는
Figure 112016073534148-pat00021
의 값으로 판단한다.
위의 실시예에서는 웹툰추천시스템(12)이 구독 이력 수집부(21) 내지 웹툰 추천부(25)로 구성되고, 모두 웹툰 서비스 제공 시스템(10) 내에 위치하는 것으로 기술하였으나, 이 발명은 이에 한정되지 아니하고, 구독 이력 수집부(21)와 웹툰간 링크 합산값 연산부(22)와 정규화부(23)는 웹툰 서비스 제공시스템(10)에 위치하고, 미구독 웹툰 선호도 추정부(24)와 웹툰 추천부(25)는 사용자 단말기(20,30)에 위치할 수 있다. 이를 위해, 웹툰서비스제공시스템(10)이 사용자 단말기(20,30)에 정규화 행렬을 제공하는 것이 바람직하다.
21; 구독 이력 수집부 22; 웹툰간 링크 합산값 연산부
23; 정규화부 24; 미구독 웹툰 선호도 추정부
25; 웹툰 추천부

Claims (8)

  1. 전체 사용자들의 모든 웹툰 구독 이력을 수집하는 구독 이력 수집부와;
    전체 사용자들의 웹툰 구독 이력을 기반하여 사용자별 구독 웹툰간 링크를 도출하고 상기 사용자별 구독 웹툰간 링크를 모두 계수하여 전체 사용자의 모든 구독 웹툰간 링크 합산값을 도출하는 웹툰간 링크 합산값 연산부와;
    기준웹툰 i(여기서, i는 웹툰들 각각을 구별하여 지시하는 1보다 큰 자연수)의 모든 연계웹툰간 링크 합산값들의 평균값을 구하고, 상기 기준웹툰 i의 모든 연계웹툰간 링크 합산값들을 상기 평균값으로 나누어 상기 기준웹툰 i의 모든 연계웹툰간 링크 합산값들을 정규화하여 정규화 행렬을 도출하는 정규화부와;
    추천대상 사용자의 웹툰 구독 이력과 상기 정규화 행렬을 이용하여 상기 추천대상 사용자의 미구독 웹툰에 대한 선호도를 추정하는 미구독 웹툰 선호도 추정부와;
    상기 미구독 웹툰 선호도 추청부에서 추정된 선호도를 기반으로 상기 추천대상 사용자에게 웹툰을 추천하는 웹툰 추천부를 포함하고;
    상기 미구독 웹툰 선호도 추정부는, 상기 추천대상 사용자의 구독 웹툰이 둘 이상이면 상기 미구독 웹툰을 기준웹툰으로 선정하고 상기 추천대상 사용자의 구독 웹툰들을 각각 연계웹툰으로 선정하며, 상기 정규화 행렬에서 상기 미구독 웹툰과 상기 추천대상 사용자의 구독 웹툰간 정규화된 링크 합산값들을 각각 추출하고, 상기 추출된 정규화된 링크 합산값들의 승산값과 합산값을 각각 연산한 후 상기 승산값을 상기 합산값으로 나누어 상기 미구독 웹툰에 대한 선호도를 추정하는 것을 특징으로 하는 사용자 맞춤형 웹툰 자동 추천 시스템.
  2. 제 1 항에 있어서, 상기 미구독 웹툰 선호도 추정부는,
    상기 추천대상 사용자의 구독 웹툰이 하나이면 상기 정규화 행렬에서 상기 미구독 웹툰과 상기 추천대상 사용자의 구독 웹툰간 정규화된 링크 합산값을 추출하여 상기 미구독 웹툰에 대한 선호도를 추정하는 것을 특징으로 하는 사용자 맞춤형 웹툰 자동 추천 시스템.
  3. 삭제
  4. 삭제
  5. 사용자 단말기에 제공되는 웹툰 데이터를 분석하여 사용자별 추천 웹툰을 도출하는 웹툰추천시스템에서의 사용자 맞춤형 웹툰 자동 추천 방법에 있어서,
    상기 웹툰추천시스템이 전체 사용자들의 모든 웹툰 구독 이력을 수집하는 구독 이력 수집단계와;
    상기 웹툰추천시스템이 상기 전체 사용자들의 웹툰 구독 이력을 기반하여 사용자별 구독 웹툰간 링크를 도출하고 상기 사용자별 구독 웹툰간 링크를 모두 계수하여 전체 사용자의 모든 구독 웹툰간 링크 합산값을 도출하는 웹툰간 링크 합산값 연산단계와;
    상기 웹툰추천시스템이 기준웹툰 i(여기서, i는 웹툰들 각각을 구별하여 지시하는 1보다 큰 자연수)의 모든 연계웹툰간 링크 합산값의 평균값을 구하고, 상기 기준웹툰 i의 모든 연계웹툰간 링크 합산값을 상기 평균값으로 나누어 상기 기준웹툰 i의 모든 연계웹툰간 링크 합산값을 정규화하여 정규화 행렬을 도출하는 정규화단계와;
    상기 웹툰추천시스템이 추천대상 사용자의 웹툰 구독 이력과 상기 정규화 행렬을 이용하여 상기 추천대상 사용자의 미구독 웹툰에 대한 선호도를 추정하는 미구독 웹툰 선호도 추정단계와;
    상기 웹툰추천시스템이 상기 미구독 웹툰 선호도 추청단계에서 추정된 선호도를 기반으로 상기 추천대상 사용자에게 웹툰을 추천하는 웹툰 추천단계를 포함하고;
    상기 미구독 웹툰 선호도 추정단계는, 상기 추천대상 사용자의 구독 웹툰이 둘 이상이면 상기 미구독 웹툰을 기준웹툰으로 선정하고 상기 추천대상 사용자의 구독웹툰들을 각각 연계웹툰으로 선정하며, 상기 정규화 행렬에서 상기 미구독 웹툰과 상기 추천대상 사용자의 구독 웹툰간 정규화된 링크 합산값들을 각각 추출하고, 상기 추출된 정규화된 링크 합산값들의 승산값과 합산값을 각각 연산한 후 상기 승산값을 상기 합산값으로 나누어 상기 미구독 웹툰에 대한 선호도를 추정하는 것을 특징으로 하는 사용자 맞춤형 웹툰 자동 추천 방법.
  6. 제 5 항에 있어서, 상기 미구독 웹툰 선호도 추정단계는,
    상기 추천대상 사용자의 구독 웹툰이 하나이면 상기 정규화 행렬에서 상기 미구독 웹툰과 상기 추천대상 사용자의 구독 웹툰간 정규화된 링크 합산값을 추출하여 상기 미구독 웹툰에 대한 선호도를 추정하는 것을 특징으로 하는 사용자 맞춤형 웹툰 자동 추천 방법.
  7. 삭제
  8. 삭제
KR1020160096113A 2016-07-28 2016-07-28 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법 KR101755653B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160096113A KR101755653B1 (ko) 2016-07-28 2016-07-28 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160096113A KR101755653B1 (ko) 2016-07-28 2016-07-28 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101755653B1 true KR101755653B1 (ko) 2017-07-11

Family

ID=59354605

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160096113A KR101755653B1 (ko) 2016-07-28 2016-07-28 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101755653B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102024179B1 (ko) 2019-05-30 2019-09-23 윤석환 웹툰의 말풍선을 이용한 독자 편의 제공 시스템 및 그 제공방법
KR102024181B1 (ko) 2018-12-12 2019-09-24 윤석환 웹툰의 말풍선을 이용한 독자 편의 제공 시스템 및 그 제공방법
KR102213350B1 (ko) * 2020-06-30 2021-02-05 나경모 다국어 번역을 통한 코믹스 프로모션 플랫폼 시스템
KR20220014499A (ko) 2020-07-29 2022-02-07 백석대학교산학협력단 Cnn 학습 방식을 이용한 사용자 경험 기반 취향관계망 생성 시스템
KR102452577B1 (ko) * 2022-06-03 2022-10-11 주식회사 투디스튜디오 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치
KR102652783B1 (ko) * 2023-07-13 2024-03-29 주식회사 투니플레이 인공지능 기반 웹툰작품 취향에 기초한 게임 제공 시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102024181B1 (ko) 2018-12-12 2019-09-24 윤석환 웹툰의 말풍선을 이용한 독자 편의 제공 시스템 및 그 제공방법
KR102024179B1 (ko) 2019-05-30 2019-09-23 윤석환 웹툰의 말풍선을 이용한 독자 편의 제공 시스템 및 그 제공방법
KR102213350B1 (ko) * 2020-06-30 2021-02-05 나경모 다국어 번역을 통한 코믹스 프로모션 플랫폼 시스템
KR20220014499A (ko) 2020-07-29 2022-02-07 백석대학교산학협력단 Cnn 학습 방식을 이용한 사용자 경험 기반 취향관계망 생성 시스템
KR102452577B1 (ko) * 2022-06-03 2022-10-11 주식회사 투디스튜디오 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치
KR102652783B1 (ko) * 2023-07-13 2024-03-29 주식회사 투니플레이 인공지능 기반 웹툰작품 취향에 기초한 게임 제공 시스템

Similar Documents

Publication Publication Date Title
KR101755653B1 (ko) 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법
CN105589905B (zh) 用户兴趣数据分析和收集系统及其方法
Liu et al. Multi-criteria service recommendation based on user criteria preferences
CN108875022B (zh) 一种视频推荐方法及装置
Costa-Montenegro et al. Which App? A recommender system of applications in markets: Implementation of the service for monitoring users’ interaction
US8639564B2 (en) Advertisement campaign system using socially collaborative filtering
CN102780920A (zh) 电视节目推荐方法及系统
CN103106208A (zh) 一种移动互联网中的流媒体内容推荐方法和系统
KR101054088B1 (ko) 협업 필터링을 이용한 사용자 맞춤형 아이피 티브이 프로그램 자동 추천 방법
US10380209B2 (en) Systems and methods of providing recommendations of content items
CN107894998A (zh) 视频推荐方法及装置
US20150206222A1 (en) Method to construct conditioning variables based on personal photos
CN111915409B (zh) 基于物品的物品推荐方法、装置、设备及存储介质
KR20170079429A (ko) 사용자 속성을 고려한 클러스터링 기반의 협업 필터링 방법 및 영화 추천 시스템
CN106649733B (zh) 一种基于无线接入点情境分类与感知的在线视频推荐方法
US9843829B2 (en) Method and system for efficiently compiling media content items for a media-on-demand platform
CN114245185A (zh) 视频推荐方法、模型训练方法、装置、电子设备及介质
KR20200057209A (ko) K-means Clustering을 활용한 맞춤형 도서를 추천하는 방법 및 그 장치
CN112565902B (zh) 一种视频推荐方法、装置及电子设备
CN108205551B (zh) 一种歌曲推荐方法和歌曲推荐系统
CN110110206A (zh) 物品间关系挖掘及推荐方法、装置、计算设备、存储介质
Wasilewski et al. Are you reaching your audience? Exploring item exposure over consumer segments in recommender systems
Naseri et al. Enhancing tag-based collaborative filtering via integrated social networking information
Regi et al. A survey on recommendation techniques in E-Commerce
Kawamae Real time recommendations from connoisseurs

Legal Events

Date Code Title Description
GRNT Written decision to grant