KR101769976B1 - 시청 가구 구성원 프로파일 추론 방법 및 장치 - Google Patents

시청 가구 구성원 프로파일 추론 방법 및 장치 Download PDF

Info

Publication number
KR101769976B1
KR101769976B1 KR1020130023752A KR20130023752A KR101769976B1 KR 101769976 B1 KR101769976 B1 KR 101769976B1 KR 1020130023752 A KR1020130023752 A KR 1020130023752A KR 20130023752 A KR20130023752 A KR 20130023752A KR 101769976 B1 KR101769976 B1 KR 101769976B1
Authority
KR
South Korea
Prior art keywords
viewing
viewer
furniture
viewer group
member profile
Prior art date
Application number
KR1020130023752A
Other languages
English (en)
Other versions
KR20140109607A (ko
Inventor
한경수
이한규
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020130023752A priority Critical patent/KR101769976B1/ko
Priority to US14/165,412 priority patent/US20140259040A1/en
Publication of KR20140109607A publication Critical patent/KR20140109607A/ko
Application granted granted Critical
Publication of KR101769976B1 publication Critical patent/KR101769976B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25875—Management of end-user data involving end-user authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/222—Secondary servers, e.g. proxy server, cable television Head-end
    • H04N21/2225—Local VOD servers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
    • H04N21/23424—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving splicing one content stream with another content stream, e.g. for inserting or substituting an advertisement
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25883—Management of end-user data being end-user demographical data, e.g. age, family status or address
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data

Abstract

본 발명은 표준 가구의 구성원 프로파일로 생성된 시청자 그룹 분류 기준을 사용하여 일반 시청가구의 시청행태를 분석함으로써 시청가구의 구성원 프로파일을 추론하고, 추론된 시청가구 구성원 프로파일을 제공함으로써 시청 가구 구성원의 성향에 대응하는 광고를 효과적으로 제공하는 효과를 가지는 시청가구 구성원 프로파일 추론 방법 및 장치를 제공한다.

Description

시청 가구 구성원 프로파일 추론 방법 및 장치{METHODS AND APPARATUSES FOR DEDUCING A VIEWING HOUSEHOLD MEMBER PROFILE}
본 발명은 방송 서비스 제공 방법에 관한 것으로서, 보다 상세하게는 방송 서비스의 수요자 특성을 추론하는 방법에 관한 것이다.
최근 디지털 방송이 본격화되면서 종래의 방송이 제공하였던 단순 노출 광고 서비스 이외에 맞춤형 광고 서비스에 대한 관심이 높아지고 있다. IPTV를 중심으로 VoD 서비스의 전후에 광고를 삽입하여 서비스되고 있는데, 이 광고를 맞춤형 광고로 하려는 시도가 생겨나고 있다. IPTV 뿐만 아니라, 최근 인터넷과 지상파가 결합된 하이브리드 TV를 비롯한 스마트TV에 대한 기술 개발이 진행되면서, 인터넷이 연결된 특징으로 인하여 TV는 기존의 지상파 방송처럼 단방향이 아닌 시청자와 소통할 수 있는 양방향 특성을 가지게 되고 이러한 특성을 이용한 시청자 맞춤형 광고가 가능하게 될 것이다.
일반적으로 광고주는 광고의 요구사항으로 광고 대상이 되는 상품의 타깃 소비자의 성별/연령대 등의 인구통계학적 프로파일을 제시한다. 하지만, 광고를 송출하는 방송 매체사 또는 광고를 편성/집행하는 광고판매대행사는 시청자의 인구통계학적 프로파일을 알지 못하는 문제가 있다. 그래서, 광고판매대행사는 방송 콘텐츠에 대한 시청률 통계 등의 자료와 과거 집행 이력 및 경험을 토대로 타깃 소비자의 성별/연령대가 많이 보는 방송 콘텐츠에 광고를 편성/집행한다.
광고는 일반적으로 상품을 홍보하는 수단이다. 상품의 홍보는 상품의 마켓팅 대상 고객에게 이루어졌을 때 효과적이다. 기업 등의 광고주와 이를 대행하는 광고대행사는 자신들의 광고가 마켓팅 대상 고객에게 집중적으로 노출되기를 원한다.
방송광고는 광고의 형태 중 가장 많은 비중을 차지하고 비용이 많이 소요되지만 타깃팅 광고는 제약적이다. 지상파 방송광고의 경우는 대상에 관계없이 브로드캐스트하여 노출을 많이 하는 방식으로 집행된다. 지상파 방송은 특성상 타깃팅 광고는 불가능하다. 하지만, IPTV, 스마트TV(애플 i-TV, 구글TV, 다음TV 등), 또는 OTT(Over-The-Top) 등의 VoD 서비스는 VoD 시청요청이 있을 때마다 개별적으로 콘텐츠를 송출하며, 콘텐츠 시청의 전,중간,후 등에 광고를 삽입한다. 이 경우는 시청자 또는 시청가구별로 다른 광고의 집행이 가능하다.
타깃팅 광고에 대한 여러가지 노력들이 있었지만, 광고를 송출하는 방송 매체사 또는 광고를 편성/집행하는 광고판매대행사는 시청자의 인구통계학적 프로파일을 알지 못한다. 그래서, 광고판매대행사는 방송 콘텐츠에 대한 시청률 통계 등의 자료와 과거 집행 이력 및 경험을 토대로 타깃 소비자의 성별/연령대가 많이 보는 방송 콘텐츠에 광고를 편성/집행하는 실정이다.
또한, 일반적으로 VoD 서비스 제공자는 대표 가입자의 프로파일만 알 수 있을 뿐 가구 구성원들 각각의 프로파일은 알 수 없는 문제가 있다. 또한, 대표 가입자의 정보도 개인정보보호 등의 이유로 서비스 가입 이외에 다른 목적으로 활용이 제한되어 광고를 위한 정보로 활용하지 못하는 문제가 있다.
본 발명의 목적은 방송 서비스를 수신하는 시청가구의 구성원 프로파일을 추론하는 방법을 제공하는 것이다.
본 발명은 시청 가구 구성원 프로파일 추론 방법에 있어서, 시청자 그룹 분류 기준을 사용하여 시청 가구의 구성원 프로파일을 추론하는 단계를 포함하는 시청가구 구성원 프로파일 추론 방법을 제공한다.
상기 시청가구 구성원 프로파일 추론 방법은 시청자 그룹에 따른 시청 행태를 사용하여 시청자 그룹 분류 기준을 생성 할 수 있다.
상기 시청가구 구성원 프로파일 추론 방법은 시청가구 구성원 프로파일을 알고 있는 시청가구의 시청행태를 사용하여 진행될 수 있다.
상기 시청 행태 분석 단계는 시청자의 프로파일 속성 별로 시청자를 그루핑하여 형성된 시청자 그룹의 시청행태를 분석 할 수 있다.
상기 시청자 그룹 분류 기준을 생성하는 단계는, 상기 시청자 그룹간 시청 행태 차이를 생성하는 단계; 상기 시청자 그룹의 특징 시청 패턴을 생성하는 단계; 및 상기 특징 시청 패턴을 사용하여 상기 시청자 그룹 분류기준을 생성하는 단계를 포함 할 수 있다.
상기 시청자 그룹간 시청 행태 차이를 생성하는 단계는 상기 시청자 그룹간 시청 행태 및 결정트리를 사용하여 상기 시청자 그룹을 분류함으로써 상기 시청자 그룹간 시청 행태의 차이를 생성 할 수 있다.
상기 각 시청자 그룹의 특징 시청 패턴을 생성하는 단계는 제 1 시청자 그룹 및 적어도 하나의 다른 시청자 그룹들과 일대일 대응관계상 나타나는 각각의 시청 행태 차이들에 있어서, 상기 각각의 시청 행태 차이들에 나타나는 공통된 속성을 특징 시청 패턴으로 결정 할 수 있다.
상기 시청자 그룹 분류 기준을 생성하는 단계는, 해당시청자 그룹에는 속하고 다른 시청자 그룹에는 속하지 않는 특징시청 패턴을 사용하여 상기 해당시청자 그룹의 상기 시청자 그룹 분류 기준을 생성 할 수 있다.
시청 가구의 구성원 프로파일을 추론하는 단계는 상기 시청가구의 시청이력에 대응되는 시청자 그룹 분류 기준을 찾음으로써 상기 시청가구의 구성원 프로파일을 추론 할 수 있다.
상기 시청가구의 구성원 프로파일을 추론하는 단계는, 상기 시청가구의 시청이력 속성 중에서 둘 이상의 상기 시청자 그룹 분류 기준이 적용되지 않는 시청이력 속성을 상기 시청자 프로파일을 추론하기 위한 데이터 셋으로 사용 할 수 있다.
또한, 본 발명은 시청가구 구성원 프로파일에 따른 광고 집행 방법에 있어서, 전술한 시청 가구 구성원 프로파일 추론 방법을 사용함으로써 생성된 시청가구의 구성원 프로파일을 사용하여 타겟팅 광고를 수행하는 광고 집행 방법을 제공한다.
또한, 본 발명은 전술한 시청가구 구성원 프로파일 추론 방법 또는 구성원 프로파일에 따른 광고 집행 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공한다.
또한, 본 발명은 시청 가구 구성원 프로파일 추론 장치에 있어서, 시청자 그룹 분류 기준을 사용하여 시청 가구의 구성원 프로파일을 추론하는 시청가구 구성원 프로파일 생성부를 포함하는 시청가구 구성원 프로파일 추론 장치를 제공한다.
상기 시청가구 구성원 프로파일 생성부는 시청자 그룹의 시청행태에 따라 시청자 그룹 분류 기준을 생성하는 시청자 그룹 분류 기준 생성부; 및 상기 시청자 그룹 분류 기준을 사용하여 시청 가구의 구성원 프로파일을 추론하는 시청가구 구성원 프로파일 추론부를 포함 할 수 있다.
상기 시청가구 구성원 프로파일 생성부는 구성원 프로파일을 알고 있는 시청가구의 시청행태를 사용하여 상기 시청가구의 시청행태를 분석하는 시청행태 분석부를 더 포함 할 수 있다.
상기 시청행태 분석부는 시청자들을 프로파일 속성별로 시청자 그룹핑한 시청자 그룹의 시청행태를 분석 할 수 있다.
상기 시청자 그룹 분류 기준 생성부는, 상기 시청자 그룹간 시청 행태 차이를 사용하여 생성한 상기 시청자 그룹의 특징 시청 패턴을 사용하여 시청자 그룹 분류기준을 생성 할 수 있다.
상기 시청자 그룹 분류 기준 생성부는, 상기 시청자 그룹간 시청 행태 및 결정트리를 사용하여 상기 시청자 그룹을 분류함으로써 상기 시청자 그룹간 시청 행태의 차이를 생성 할 수 있다.
상기 시청자 그룹 분류 기준 생성부는, 해당 시청자 그룹과 적어도 하나의 다른 시청자 그룹간의 일대일 대응관계상 나타나는 각각의 시청 행태 차이들에 있어서, 상기 각각의 시청행태 차이들의 공통된 속성을 해당 시청자 그룹의 특징 시청 패턴으로 결정 할 수 있다.
상기 시청자 그룹 분류 기준 생성부는, 해당시청자 그룹에는 속하고 다른 시청자 그룹에는 속하지 않는 특징시청 패턴을 사용하여 상기 해당시청자 그룹의 상기 시청자 그룹 분류 기준을 생성 할 수 있다.
구성원 프로파일 추론부는, 상기 시청가구의 시청이력에 대응되는 시청자 그룹 분류 기준을 찾음으로써 시청가구의 구성원 프로파일을 추론 할 수 있다.
상기 구성원 프로파일 추론부는, 상기 시청가구의 시청이력 속성 중에서 둘 이상의 상기 시청자 그룹 분류 기준이 적용되지 않는 시청이력 속성을 상기 시청자 프로파일을 추론하기 위한 데이터 셋으로 사용 할 수 있다.
또한, 본 발명은 시청가구 구성원 프로파일에 따른 광고 집행 장치에 있어서, 전술한 시청가구의 구성원 프로파일을 추정하는 장치를 사용하여 생성된 시청가구의 구성원 프로파일을 사용하여 타겟팅 광고를 수행하는 광고 집행 장치를 제공한다.
본 발명에 따른 시청가구 구성원 프로파일 추론 방법 및 장치는 표준 가구의 구성원 프로파일을 사용하여 생성된 시청행태 데이터로 생성한 시청자 그룹 분류 기준으로 일반 시청가구의 시청행태를 분석함으로써 시청가구의 구성원 프로파일을 추론하고 추론된 프로파일을 제공함으로써 시청 가구에 구성원의 성향에 대응하는 광고를 효과적으로 제공할 수 있는 효과를 가진다.
도 1은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치의 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치의 작동 순서도이다.
도 3은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치의 표본 가구 시청 행태 분석 단계의 작동 순서도이다.
도 4은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치의 시청자 그룹 분류 기준 생성 단계의 작동 순서도이다.
도 5은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치의 시청 가구 구성원 프로파일 추론 단계의 작동 순서도이다.
도 6은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치의 시청 가구 구성원 프로파일 활용 단계의 작동 순서도이다.
도 7은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치가 시청자 그룹간 시청 행태 및 결정트리모델을 사용하여 시청자 그룹간 시청 행태 차이를 생성하는 방법를 나타낸 개념도이다.
도 8은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치가 시청자 그룹에 따라 생성한 시청자 그룹간 결정트리 생성 조합 및 특징 시청 패턴을 나타낸 도표이다.
도 9는 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치에 입력되는 시청가구의 시청패턴을 나타낸 도면이다.
도 10은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치가 생성한 시청자 그룹 1의 특징 시청 패턴이다.
도 11은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치가 생성한 시청자 그룹 2의 특징 시청 패턴이다.
도 12는 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치가 시청 가구 시청패턴에 시청자 그룹 1의 특징 시청 패턴을 적용하는 방법을 나타낸 도면이다.
도 13은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치가 시청 가구 시청패턴에 시청자 그룹 2의 특징 시청 패턴을 적용하는 방법을 나타낸 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)의 블록도이다. 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)는 시청가구 구성원 프로파일 생성부(240)를 포함하고, 시청가구 구성원 프로파일 생성부(240)는 시청 행태 분석부(210), 시청자 그룹 분류 기준 생성부(220) 및 시청 가구 구성원 프로파일 추론부(230)를 포함한다. 시청 행태 분석부(210), 시청자 그룹 분류 기준 생성부(220) 및 시청 가구 구성원 프로파일 추론부(230)는 하나의 모듈로 구현되거나 둘 이상의 모듈로 구현될 수도 있고 각각의 모듈로 구현될 수도 있다.
시청 행태 분석부(210)는 표본 가구 시청이력을 입력받아 표본가구의 시청 행태를 분석한다. 표본가구는 가구 구성원의 프로파일이 알려진 시청자 가구로, 가구 구성원의 프로파일로는 가구 구성원의 성별, 연령대, 직업, 취향, 생활패턴 및 구성원수 들을 예로 들 수 있다. 표본가구의 시청이력은 가구별 또는 시청자별로 구분이 가능하다.
일반적으로 시청자의 성별 또는 연령대가 같거나 유사한 경우 비슷한 시청행태를 나타낸다. 이러한 점을 이용하여, 시청 행태 분석부(210)는 표본가구의 각 시청자들을 성별 또는 연령대와 같은 가구 구성원의 프로파일 속성별로 그룹핑하여 각 그룹별로 시청행태를 분석한다. 시청행태 분석의 결과는 요일별 시청시간, 시간대별 시청시간, 요일별 장르 선호도 또는 시간대별 장르 선호도 등 다양한 형태로 나타날 수 있다. 시청 행태 분석부(210)는 분석된 표본 가구의 시청행태를 시청자 그룹 분류 기준 생성부(220)로 전달한다.
시청자 그룹 분류 기준 생성부(220)는 시청 행태 분석부(210)로부터 표본가구의 시청행태를 받아 시청자 그룹 분류 기준을 생성한다. 시청자 그룹 분류 기준은 표본 가구의 시청행태를 이용하여 생성된 각 시청자 그룹별 특징 시청 패턴을 이용하여 생성된다. 시청자 그룹 분류 기준 생성부(220)는 생성한 시청자 그룹 분류 기준을 시청 가구 구성원 프로파일 추론부(230)로 전송한다.
시청 가구 구성원 프로파일 추론부(230)는 시청자 그룹 분류 기준 생성부(220)로부터 받은 시청자 그룹 분류 기준 및 수신한 시청가구 시청이력을 사용하여 시청가구의 구성원 프로파일을 추론한다.
본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)는 타겟팅 광고 제공 모듈과 같이 추론된 시청가구의 구성원 프로파일을 활용하는 모듈을 포함하여 추론된 시청가구의 구성원 프로파일을 활용하거나, 이에 연결되어 추론된 시청가구의 구성원 프로파일을 제공할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)의 작동 순서도이다. 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)는 표본 가구 시청 행태 분석 단계(S100), 시청자 그룹 분류 기준 생성단계(S200), 시청 가구 구성원 프로파일 추론단계(S300) 및 시청 가구 구성원 프로파일 활용단계(S400)로 수행될 수 있다.
도 3은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)의 표본 가구 시청 행태 분석 단계(S100)의 작동 순서도이다. 도 3을 참조하여 표본 가구 시청 행태 분석 단계(S100)를 설명한다. 먼저, 표본가구의 프로파일을 획득(S110)한다. 시청 행태 분석부(210)는 표본가구의 구성원 프로파일 및 시청이력을 입력받는다. 다음으로, 표본가구의 시청자 그룹핑을 수행한다(S120). 시청 행태 분석부(210)는 표본가구의 구성원 프로파일을 사용하여 표본 가구의 각 시청자들을 일정한 속성으로 그룹화한다. 마지막으로 그룹별 시청 행태를 생성한다(S130). 시청 행태 분석부(210)는 표본 가구의 시청자 그룹별로 시청 행태를 생성한다. 시청 행태 분석의 결과로 특정 연령의 특정 성별을 가진 그룹의 요일별 또는 시간대별 시청시간이나 장르선호도 등이 도출될 수 있다.
도 4는 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)의 시청자 그룹 분류 기준 생성 단계(S200)의 작동 순서도이다. 도 4를 참조하여 시청자 그룹 분류 기준 생성부(220)가 시청자 그룹 분류 기준을 생성하는 과정을 설명한다. 먼저, 시청자 그룹 분류 기준 생성부(220)가 시청자 그룹간 시청 행태 차이를 분류한다(S210). 시청자 그룹간 시청 행태의 차이는 시청자 그룹의 시청 행태 속성을 사용하여 시청자 그룹을 분류하는 것으로 특정될 수 있다. 이때 데이터마이닝의 분류기법 중 결정트리 방식으로 각 시청자 그룹별 시청 행태의 차이를 생성할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)가 시청자 그룹의 시청 행태와 결정트리모델을 사용하여 시청자 그룹간 시청 행태 차이를 생성하는 것을 나타낸 개념도이다. 도 7을 참조하여 시청자 그룹 분류 기준 생성부(220)가 결정트리 방식을 사용하여 각 시청자 그룹별 시청 행태의 차이를 생성하는 단계(S210)를 설명한다.
표본가구의 시청자 그룹별로 시청행태가 분석되면 시청자 그룹 분류 기준 생성부(220)는 데이터마이닝의 분류 기법 중 결정트리(decision tree) 방식으로 각 그룹별로 n-1개의 트리를 생성한다. 도 7에 도시된 결정트리에서 원형노드로 표현된 내부노드는 시청자 그룹을 구분하기 위한 속성을 표현한다. 시청 행태 데이터 값이 내부노드의 속성에 대응되는 값이면 시청자 그룹의 분류는 오른쪽 서브트리로, 해당되지 않으면 왼쪽 서브트리로 진행될 수 있다. 분석된 시청 행태의 속성을 내부노드의 속성값으로 사용할 수 있다. 사각형 노드로 표현된 단말노드는 내부노드의 값에 따른 범위에 따라 분류되는 해당 시청자의 그룹을 표시한다.
분석된 시청행태의 속성은 결정 트리의 속성으로 사용될 수 있다. 도 7의 실시 예에서, 시청자 그룹의 수는 n이고 시청자 그룹은 그룹1, 그룹2, …, 그룹n으로 구성된다. 시청자 그룹 분류 기준 생성부(220)는 각 시청자 그룹에 대하여 해당 그룹과 다른 그룹간의 일대일대응 관계를 나타내는 결정트리를 생성한다. 예를 들면, 그룹 1에 대하여, 그룹1과 그룹2의 시청 행태 차이를 생성하기 위해 그룹1 및 그룹2의 결정 트리를 생성한다. 마찬가지 방법으로, 그룹1 및 그룹3의 결정 트리, 그룹1 및 그룹4의 결정트리, …, 그룹1 및 그룹n의 결정 트리를 생성한다. 그룹 1의 결정 트리를 생성한 방식과 동일한 방식으로 다른 그룹들에 대해서도 결정 트리를 n-1개 생성한다. 총 생성되는 트리의 총 수는 n(n-1)개이다.
그룹1 및 그룹2 결정트리에 입력되는 데이터는 그룹1과 그룹2에 속하는 시청자들의 시청행태 분석 데이터이다. 이 결정 트리의 결과값은 시청자가 그룹1과 그룹2 중 속하는 그룹의 번호이다. 생성된 결정 트리의 각 노드에서의 속성값은 그룹1과 그룹2 간에 차이가 있는 시청행태가 된다.
도 7의 그룹 1 및 그룹 2의 결정트리를 참조하면, 내부노드 1-a, 1-b, …, 1-e는 그룹 1 및 2를 분류하기 위한 속성이고, 단말노드들은 분류에 따른 결과 위치이다. 1-d의 속성을 가지는 내부노드(310)의 왼쪽 자식인 단말노드(311)는 그룹 1의 값을 가진다. 이는 1-a, 1-b, 1-c 및 1-d의 속성 값을 가지지 않는 시청자는 그룹 1에 속함을 의미한다. 1-d의 속성을 가지는 내부노드(310)의 오른쪽 자식인 단말노드(312)는 그룹 2의 값을 가진다. 이는 1-a, 1-b 및 1-c의 속성을 가지지 않으나 1-d의 속성을 가지는 시청자는 그룹 2에 속함을 의미한다.
마찬가지 방법으로, 1-b의 속성을 가지는 내부노드(320)의 오른쪽 자식인 단말노드(321)는 그룹 2의 값을 가지고, 이는 1-a의 속성을 가지지 않으나, 1-b의 속성을 가지는 시청자는 그룹 2에 속함을 의미한다.
다음으로, 시청자 그룹 분류 기준 생성부(220)는 각 그룹의 특징 시청 패턴을 생성한다(S220). 도 7을 참조하면, 도 7에는 그룹1에 대해 그룹1-그룹2 트리, …, 그룹1-그룹n 트리가 생성되어 있고, n-1개의 각 트리에 공통으로 포함되는 분류 속성(330, 331)을 표현하고 있다. 그룹1-그룹2트리의 1-a, 1-b 및 1-c의 속성을 가진 노드들(330) 및 그룹1-그룹n트리의 1-a, 1-b 및 1-c의 속성을 가진 노드들(331)과 같이 속성 1-a, 1-b 및 1-c 가 그룹1의 결정 트리들에 공통으로 또는 여러 트리에 중복되어 속해 있다면, 이 속성들은 그룹1이 다른 그룹들과 구분되는 특징 시청패턴이 된다. 속성 1-d, 1-e는 그룹1과 그룹2간의 차이를, 1-f, 1-g는 그룹1과 그룹n과의 차이만을 나타낼 뿐, 그룹1이 다른 그룹들과 구분되는 특징이 될 수 없다. 그룹1에 대해서 뿐만 아니라, 다른 그룹에 대해서도 각각 (n-1)개의 트리를 생성하고 공통으로 포함되는 속성들을 추출한다. 추출되는 속성은 서로 다른 속성일 수도 있고, 같은 유형의 속성이지만 속성의 기준값을 달리하는 속성일 수도 있다.
도 8은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)가 시청자 그룹에 따라 생성한 시청자 그룹간 결정트리 생성 조합 및 특징 시청 패턴을 나타낸 도표이다. 도 8에는 그룹1에 대하여 다른 그룹과 조합되는 결정트리 형태 및 그룹 1의 특징 시청 패턴이 도시되어 있고, 그룹 2, 3, …, n 에 대하여도 도시되어 있다.
결정 트리들에 사용된 속성값들 중 공통되는 또는 여러 결정 트리에 중복되어 사용되는 속성값들은 그룹1이 다른 그룹들과 차이가 있는 특징 시청패턴이 된다. 도 8은 결정 트리의 생성 조합과 특징 시청패턴을 나타낸다. 본 발명은 이 단계에서 결정 트리를 이용하여 각 시청자 그룹별 특징 시청패턴을 추출하는 특징을 갖는다.
마지막으로 시청자 그룹 분류 기준 생성부(220)는 특징 시청 패턴을 사용하여 각 그룹별로 시청자 그룹 분류기준을 생성한다(S230). 각각의 분류기준은 각 그룹별로 형성되어 각각의 그룹에 해당되는 시청자를 각각 분류하는 분류기로 구비될 수도 있고, 또는 하나의 분류기로 구비되어 하나의 분류기가 전체 그룹들에 대하여 해당그룹에 속하는 시청자 패턴이 존재하는지를 추론할 수도 있다. 이 단계에서의 분류 기준은 결정트리방식을 사용하지 않고 일반적인 분류 방법을 사용할 수도 있다.
전 단계에서 생성된 특징 시청패턴으로 각 그룹별로 n개의 분류 기준을 생성할 경우, (그룹1-나머지 그룹), (그룹2-나머지 그룹), …, (그룹n-나머지 그룹)에 대해 분류 기준을 생성한다. 이 분류 기준에 의해 생성되는 결과는 각 그룹에 해당하는 시청자의 특징 시청패턴이 분류 기준의 입력으로 인가되는 시청자 시청 이력에 존재하는지의 여부가 된다. 이것은 필터의 개념과 유사하다. 시청가구의 시청이력은 여러 명의 시청자들의 시청이력이 섞여 있다. 시청이력에서 특징있는 시청패턴이 있는지 여부를 통해 해당 시청패턴을 갖는 시청자가 포함되어 있는지 여부를 판별한다. 각 분류 기준은 동일한 특징 시청 패턴을 가질 수 있는데 이러한 경우 후설하는 시청가구 구성원 프로파일 추론 단계(330)에서 중복되는 특징 시청 패턴을 배제하여 시청가구의 구성원 프로파일을 추론할 수 있다. 뒤따르는 단계에서 특징 시청 패턴을 배제하는 단계를 거치지 않고, 시청자 그룹 분류기준을 생성하는 단계(S230)에서 각 분류 기준이 동일한 특징 시청 패턴을 배제하도록 각 분류 기준을 생성할 수 있다.
도 5은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)의 시청 가구 구성원 프로파일 추론 단계의 작동 순서도이다. 도 5를 참조하여 시청가구 구성원 프로파일 추론 단계를 설명한다. 먼저, 시청자 그룹 분류 기준을 획득한다(S310). 다음으로, 시청가구의 시청 이력을 획득한다(S320). 마지막으로, 시청가구 구성원 프로파일을 추론한다(S330). 도 9는 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)에 입력되는 시청가구의 시청패턴을 나타낸 도면이다.
도 9는 그룹1에 속하는 시청자와 그룹2에 속하는 시청자 2명으로 구성된 시청가구의 시청패턴의 예를 도시한다. 1-a, 1-b, …, 2-a, 2-b, … 등은 시청패턴 속성을 나타내며, 막대 그래프는 해당 속성의 값을 표현한다. 도 10은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)가 생성한 시청자 그룹 1의 특징 시청 패턴이고 도 11은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)가 생성한 시청자 그룹 2의 특징 시청 패턴이다. 도 10 및 도 11의 시청패턴이 합쳐져서 도 9와 같은 시청가구 전체의 시청패턴이 된다.
빗금으로 표시된 막대는 그룹1에 속하는 시청자의 시청패턴이고, 격자로 표시된 막대는 그룹2에 속하는 시청자의 시청패턴이다. 시청자의 시청패턴은 개인별로 구분되지 않고 가구 단위로 시청이력이 분석되었기 때문에 몇 명의 시청이력인지 및 어떤 시청자의 시청이력인지는 현 단계에서는 알 수 없다. 또한, 여러 명의 시청패턴이 합쳐져 있기 때문에, 그룹1의 시청패턴과 시청가구 시청패턴 전체를 직접 비교하면 유사한 점보다 상이한 점이 더 많아서 그룹1이 아니라고 판단할 가능성이 높다.
시청가구 구성원 프로파일 추론부(230)는 도 9의 시청가구의 전체 시청패턴 속성에서 도 10의 그룹1 시청자의 시청패턴 속성과 유사한 특징이 있는지, 도 11의 그룹2 시청자의 시청패턴 속성과 유사한 특징이 있는지를 각각 비교한다. 다른 속성은 무시하고, 각 그룹 시청자의 특징 시청패턴 속성만을 비교함으로써, 여러 명의 시청패턴이 합쳐서 섞여 있는 경우에서도 해당 그룹 시청자의 존재 여부만을 판단할 수 있다.
도 12에 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)가 시청 가구 시청패턴에 시청자 그룹 1의 특징 시청 패턴(1201)을 적용하는 과정이 도시되어 있고, 도 13에 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)가 시청 가구 시청패턴에 시청자 그룹 2의 특징 시청 패턴(1301)을 적용하는 과정이 도시되어 있다.
그룹1의 특징 시청패턴 속성은 1-a, 1-b 및 1-c이고, 그룹2의 특징 시청패턴 속성은 2-a, 2-b 및 2-c이다. 각 그룹의 분류 기준이 다른 그룹과 중복되는 시청패턴 속성을 가지지 않도록 생성되지 않았다면, 다른 그룹과 중복되는 시청패턴 속성이 나타날 수 있다. 이러한 경우 여러 그룹의 시청자들에 의한 값이 합쳐져 해당 속성은 시청자 그룹을 특정하기 위한 특징적인 값을 갖지 못한다. 이러한 속성의 예로, 1-d 및 2-d의 속성이 도시되어 있다. 1-d와 2-d 는 다른 그룹 시청자와 중복되는 시청패턴이므로 특징적인 값을 가지지 못하고 이러한 경우 비교하지 않을 수 있다. 즉, 서로 다른 시청자 그룹에 중복되어 포함되지 않는 속성만을 사용하여 해당 시청 패턴에 포함된 그룹을 판단할 수 있고, 막대그래프로 표현된 속성의 값을 사용하여 각 그룹의 성향이 나타난 강도를 판단할 수 있다. 기준이 되는 n개의 시청자 그룹 분류 기준에 비하여 전체 시청 패턴에 나타난 해당 속성의 값이 크면 해당 그룹 분류에 속하는 시청자가 높은 시청 비중을 가짐을 알 수 있다.
같은 방법으로 전체 가구 시청패턴에 대해 n개의 그룹 시청패턴 속성을 각각 비교하여 전체 가구 시청 패턴에 n 개의 시청자 그룹 중 어떤 시청자 그룹이 포함되어 있는지 알 수 있다.
전술한 방법을 이용하여 표본가구에 대한 시청행태 분석과 시청자 그룹 생성 및 시청자 그룹 분류 기준 생성의 2단계 과정을 거치는 분류기를 이용한 본 발명의 일 실시 예에 따른 시청가구 구성원 프로파일 추론장치(200)가 구축된다. 이를 사용하여 시청가구의 구성원 프로파일을 모르는 일반 시청가구의 시청이력으로부터 표본가구와 동일한 방법으로 시청행태를 분석할 수 있다. 시청이력은 IPTV 등과 같은 양방향 매체에서 수집 가능하다. 분석된 결과를 두 번째 분류기 n개에 입력하면, 시청가구의 시청이력에 각 그룹에 속하는 시청자의 특징 시청패턴이 포함되어 있는지 여부가 판단된다. 특징 시청패턴이 포함되어 있다고 판단된 분류기들에 해당하는 시청자가 시청가구에 포함되어 있다고 추론한다.
도 6은 본 발명의 일 실시 예에 따른 시청 가구 구성원 프로파일 추론 장치(200)의 시청 가구 구성원 프로파일 활용 단계의 작동 순서도이다. 광고 제공업자가 시청자를 예측하여 타겟팅 광고를 제공하는 과정을 고려할 수 있다. 광고제공업자가 타겟팅 광고를 모집하고(S410), 타깃 그룹별 타깃팅 광고 리스트를 등록하면(S420), 시청자가 사용에 따라 시청가구의 VoD를 요청할 수 있다(S430). 시청자가 VoD를 요청하면 광고주는 추론된 시청자의 시청자 그룹에 따른 광고를 편성하고 송출하여(S440) 해당 시청자에게 알맞은 광고를 전송할 수 있다.
전술한 실시 예들의 조합은 전술한 실시예에 한정되는 것이 아니며, 구현 및/또는 필요에 따라 전술한 실시예들 뿐만 아니라 다양한 형태의 조합이 제공될 수 있다.
전술한 실시 예들에서, 방법들은 일련의 단계 또는 블록으로서 순서도를 기초로 설명되고 있으나, 본 발명은 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당해 기술 분야에서 통상의 지식을 가진 자라면 순서도에 나타난 단계들이 배타적이지 않고, 다른 단계가 포함되거나, 순서도의 하나 또는 그 이상의 단계가 본 발명의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
전술한 실시 예는 다양한 양태의 예시들을 포함한다. 다양한 양태들을 나타내기 위한 모든 가능한 조합을 기술할 수는 없지만, 해당 기술 분야의 통상의 지식을 가진 자는 다른 조합이 가능함을 인식할 수 있을 것이다. 따라서, 본 발명은 이하의 특허청구범위 내에 속하는 모든 다른 교체, 수정 및 변경을 포함한다고 할 것이다.

Claims (20)

  1. 시청 가구 구성원 프로파일 추론 방법에 있어서,
    시청자 그룹 분류 기준을 생성하는 단계; 및
    상기 시청자 그룹 분류 기준을 사용하여 시청 가구의 구성원 프로파일을 추론하는 단계를 포함하고,
    상기 시청자 그룹 분류 기준을 생성하는 단계는,
    제 1 시청자 그룹 및 적어도 하나의 다른 시청자 그룹들과 일대일 대응관계상 나타나는 각각의 시청 행태 차이들에 있어서, 상기 각각의 시청 행태 차이들에 나타나는 공통된 속성을 사용하여 상기 시청자 그룹 분류기준을 결정하는 단계를 포함하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  2. 제 1 항에 있어서, 상기 시청자 그룹 분류 기준을 생성하는 단계는,
    상기 시청자 그룹에 따른 시청 행태를 사용하여 상기 시청자 그룹 분류 기준을 생성하는 단계를 더 포함하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  3. 제 2 항에 있어서, 상기 시청자 그룹 분류 기준을 생성하는 단계는,
    구성원 프로파일을 알고 있는 상기 시청가구의 시청 행태를 사용하여 시청 행태 차이를 생성하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  4. 제 3 항에 있어서, 상기 시청자 그룹 분류 기준을 생성하는 단계는,
    시청자의 프로파일 속성 별로 시청자를 그루핑하여 형성된 시청자 그룹의 시청행태를 분석하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  5. 제 1 항에 있어서,
    상기 시청자 그룹 분류 기준을 생성하는 단계는,
    상기 시청자 그룹간 시청 행태 차이를 생성하는 단계;
    상기 시청자 그룹의 특징 시청 패턴을 생성하는 단계; 및
    상기 특징 시청 패턴을 사용하여 상기 시청자 그룹 분류기준을 생성하는 단계를 포함하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  6. 제 5 항에 있어서,
    상기 시청자 그룹간 시청 행태 차이를 생성하는 단계는 상기 시청자 그룹간 시청 행태 및 결정트리를 사용하여 상기 시청자 그룹을 분류함으로써 상기 시청자 그룹간 시청 행태의 차이를 생성하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  7. 삭제
  8. 제 1 항에 있어서,
    상기 시청자 그룹 분류 기준을 생성하는 단계는, 해당시청자 그룹에는 속하고 다른 시청자 그룹에는 속하지 않는 특징시청 패턴을 사용하여 상기 해당시청자 그룹의 상기 시청자 그룹 분류 기준을 생성하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  9. 제 1 항에 있어서,
    시청 가구의 구성원 프로파일을 추론하는 단계는
    상기 시청가구의 시청이력에 대응되는 시청자 그룹 분류 기준을 찾음으로써 상기 시청가구의 구성원 프로파일을 추론하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  10. 제 9 항에 있어서, 상기 시청가구의 구성원 프로파일을 추론하는 단계는, 상기 시청가구의 시청이력 속성 중에서 둘 이상의 상기 시청자 그룹 분류 기준이 적용되지 않는 시청이력 속성을 상기 시청 가구의 구성원 프로파일을 추론하기 위한 데이터 셋으로 사용하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 방법.
  11. 시청 가구 구성원 프로파일 추론 장치에 있어서,
    시청자 그룹 분류 기준을 사용하여 시청 가구의 구성원 프로파일을 추론하는 시청가구 구성원 프로파일 생성부를 포함하고,
    상기 시청가구 구성원 프로파일 생성부는,
    시청자 그룹의 시청행태에 따라 시청자 그룹 분류 기준을 생성하는 시청자 그룹 분류 기준 생성부; 및
    상기 시청자 그룹 분류 기준을 사용하여 시청 가구의 구성원 프로파일을 추론하는 시청가구 구성원 프로파일 추론부를 포함하고,
    상기 시청자 그룹 분류 기준 생성부는,
    해당 시청자 그룹과 적어도 하나의 다른 시청자 그룹간의 일대일 대응관계상 나타나는 각각의 시청 행태 차이들에 있어서, 상기 각각의 시청행태 차이들의 공통된 속성을 해당 시청자 그룹의 특징 시청 패턴으로 결정하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.
  12. 삭제
  13. 제 11 항에 있어서, 상기 시청자 그룹 분류 기준 생성부는,
    상기 구성원 프로파일을 알고 있는 상기 시청 가구의 상기 시청 행태를 사용하여 상기 시청가구의 시청행태를 분석하는 시청행태 분석부를 더 포함하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.
  14. 제 13 항에 있어서,
    상기 시청행태 분석부는 시청자들을 프로파일 속성별로 시청자 그룹핑한 시청자 그룹의 시청행태를 분석하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.
  15. 제 11 항에 있어서,
    상기 시청자 그룹 분류 기준 생성부는,
    상기 시청자 그룹간 시청 행태 차이를 사용하여 생성한 상기 시청자 그룹의 특징 시청 패턴을 사용하여 시청자 그룹 분류기준을 생성하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.
  16. 제 15 항에 있어서, 상기 시청자 그룹 분류 기준 생성부는,
    상기 시청자 그룹간 시청 행태 및 결정트리를 사용하여 상기 시청자 그룹을 분류함으로써 상기 시청자 그룹간 시청 행태의 차이를 생성하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.
  17. 삭제
  18. 제 15 항에 있어서, 상기 시청자 그룹 분류 기준 생성부는,
    상기 해당 시청자 그룹에는 속하고 다른 시청자 그룹에는 속하지 않는 특징시청 패턴을 사용하여 상기 해당 시청자 그룹의 상기 시청자 그룹 분류 기준을 생성하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.
  19. 제 11 항에 있어서,
    상기 구성원 프로파일 추론부는,
    상기 시청가구의 시청이력에 대응되는 시청자 그룹 분류 기준을 찾음으로써 상기 시청가구의 구성원 프로파일을 추론하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.
  20. 제 19 항에 있어서, 상기 구성원 프로파일 추론부는 상기 시청가구의 시청이력 속성 중에서 둘 이상의 상기 시청자 그룹 분류 기준이 적용되지 않는 시청이력 속성을 상기 시청 가구의 구성원 프로파일을 추론하기 위한 데이터 셋으로 사용하는 것을 특징으로 하는 시청가구 구성원 프로파일 추론 장치.

KR1020130023752A 2013-03-06 2013-03-06 시청 가구 구성원 프로파일 추론 방법 및 장치 KR101769976B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130023752A KR101769976B1 (ko) 2013-03-06 2013-03-06 시청 가구 구성원 프로파일 추론 방법 및 장치
US14/165,412 US20140259040A1 (en) 2013-03-06 2014-01-27 Methods and apparatuses for deducing a viewing household member profile

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130023752A KR101769976B1 (ko) 2013-03-06 2013-03-06 시청 가구 구성원 프로파일 추론 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20140109607A KR20140109607A (ko) 2014-09-16
KR101769976B1 true KR101769976B1 (ko) 2017-08-21

Family

ID=51489582

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130023752A KR101769976B1 (ko) 2013-03-06 2013-03-06 시청 가구 구성원 프로파일 추론 방법 및 장치

Country Status (2)

Country Link
US (1) US20140259040A1 (ko)
KR (1) KR101769976B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200038671A (ko) * 2018-10-04 2020-04-14 세종대학교산학협력단 모바일 ott 서비스와 iptv 서비스의 시청 시간대 분석을 통한 iptv 시청자 추론 서버 및 그 방법
WO2022098072A1 (ko) * 2020-11-06 2022-05-12 삼성전자(주) 전자장치 및 그 제어방법

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9953330B2 (en) * 2014-03-13 2018-04-24 The Nielsen Company (Us), Llc Methods, apparatus and computer readable media to generate electronic mobile measurement census data
US9807436B2 (en) * 2014-07-23 2017-10-31 Rovi Guides, Inc. Systems and methods for providing media asset recommendations for a group
KR101893943B1 (ko) * 2015-01-13 2018-08-31 주식회사 케이티 Iptv 시청 가구 구성원 추론 방법, 서버 및 시스템
US11019385B2 (en) * 2016-01-20 2021-05-25 Samsung Electronics Co., Ltd. Content selection for networked media devices
KR102536202B1 (ko) * 2016-08-26 2023-05-25 삼성전자주식회사 서버 장치, 그 제어 방법 및 컴퓨터 판독가능 기록 매체
JP2019022121A (ja) * 2017-07-19 2019-02-07 ソニー株式会社 画像処理装置、および画像処理装置の制御方法
US20210357788A1 (en) * 2020-05-13 2021-11-18 The Nielsen Company (Us), Llc Methods and apparatus to generate computer-trained machine learning models to correct computer-generated errors in audience data
JP7185091B1 (ja) 2022-07-22 2022-12-06 株式会社ビデオリサーチ ストリーム視聴解析システム、ストリーム視聴解析方法およびプログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070078849A1 (en) * 2005-08-19 2007-04-05 Slothouber Louis P System and method for recommending items of interest to a user

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7065550B2 (en) * 2001-02-14 2006-06-20 International Business Machines Corporation Information provision over a network based on a user's profile
US7937336B1 (en) * 2007-06-29 2011-05-03 Amazon Technologies, Inc. Predicting geographic location associated with network address
US8799814B1 (en) * 2008-02-22 2014-08-05 Amazon Technologies, Inc. Automated targeting of content components
US8316020B1 (en) * 2008-12-09 2012-11-20 Amdocs Software Systems Limited System, method, and computer program for creating a group profile based on user profile attributes and a rule
US9679044B2 (en) * 2011-11-15 2017-06-13 Facebook, Inc. Assigning social networking system users to households

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070078849A1 (en) * 2005-08-19 2007-04-05 Slothouber Louis P System and method for recommending items of interest to a user

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200038671A (ko) * 2018-10-04 2020-04-14 세종대학교산학협력단 모바일 ott 서비스와 iptv 서비스의 시청 시간대 분석을 통한 iptv 시청자 추론 서버 및 그 방법
KR102149343B1 (ko) * 2018-10-04 2020-08-28 세종대학교산학협력단 모바일 ott 서비스와 iptv 서비스의 시청 시간대 분석을 통한 iptv 시청자 추론 서버 및 그 방법
WO2022098072A1 (ko) * 2020-11-06 2022-05-12 삼성전자(주) 전자장치 및 그 제어방법

Also Published As

Publication number Publication date
KR20140109607A (ko) 2014-09-16
US20140259040A1 (en) 2014-09-11

Similar Documents

Publication Publication Date Title
KR101769976B1 (ko) 시청 가구 구성원 프로파일 추론 방법 및 장치
TWI591557B (zh) 配置廣告的系統與方法
US20230014859A1 (en) Systems and methods for a television scoring service that learns to reach a target audience
CN108028962B (zh) 处理视频使用情况信息以投放广告
JP3643534B2 (ja) 加入者を特定する方法、視聴者を特定する方法、視聴者を特定するシステム、加入者を特定するプログラムを記録した記録媒体
JP6138930B2 (ja) デジタル看板上での表示のための広告を選択する方法および装置
Parra et al. Walk the talk: Analyzing the relation between implicit and explicit feedback for preference elicitation
JP5830545B2 (ja) コンテンツ提供方法及びそのシステム
KR20050057578A (ko) 상업 광고 추천기
US11019385B2 (en) Content selection for networked media devices
WO2020007470A1 (en) Dynamic viewer prediction system for advertisement scheduling
CN109429103B (zh) 推荐信息的方法、装置及计算机可读存储介质、终端设备
JP6173935B2 (ja) データ分析装置、方法およびプログラム
US20190295123A1 (en) Evaluating media content using synthetic control groups
WO2017067525A1 (zh) 产品包的推荐方法、装置及系统
US20150193822A1 (en) Apparatus and method for inferring user profile
US20190050890A1 (en) Video dotting placement analysis system, analysis method and storage medium
Bogaert et al. Predicting Self‐declared movie watching behavior using Facebook data and Information‐Fusion sensitivity analysis
KR100952662B1 (ko) 디지털 방송 애플리케이션 부가 정보 제공 방법 및 이를실현시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한기록 매체
WO2020046438A1 (en) Evaluating media content using monte carlo attribution
JP2017525016A (ja) 販促デジタルオンスクリーングラフィックに対する成果を決定する方法、システム、及びコンピュータ可読媒体
JP2011015355A (ja) 属性推定装置及び方法及びプログラム
Danaher et al. Behavioral measures of television audience appreciation
Karen et al. Analyzing the Impact of Age and Gender for Targeted Advertisements Prediction Model
CN102483828A (zh) 基于参与分类的自动信息选择

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right