KR101814961B1 - 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법 - Google Patents

감성 동기화 기반의 사회 감성 추론 장치 및 그 방법 Download PDF

Info

Publication number
KR101814961B1
KR101814961B1 KR1020170082602A KR20170082602A KR101814961B1 KR 101814961 B1 KR101814961 B1 KR 101814961B1 KR 1020170082602 A KR1020170082602 A KR 1020170082602A KR 20170082602 A KR20170082602 A KR 20170082602A KR 101814961 B1 KR101814961 B1 KR 101814961B1
Authority
KR
South Korea
Prior art keywords
information
social
emotional
user
societal
Prior art date
Application number
KR1020170082602A
Other languages
English (en)
Inventor
황민철
우진철
조영호
김혜진
이현우
조아영
Original Assignee
상명대학교산학협력단
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 상명대학교산학협력단 filed Critical 상명대학교산학협력단
Priority to KR1020170082602A priority Critical patent/KR101814961B1/ko
Priority to PCT/KR2017/007833 priority patent/WO2019004511A1/ko
Application granted granted Critical
Publication of KR101814961B1 publication Critical patent/KR101814961B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06F17/27—
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법에 관한 것이다.
본 발명에 따르면, 사회 감성 추론 장치를 이용한 사회 감성 추론 방법에 있어서, 사회 감성 추론 방법은 사용자에 대한 생체신호 측정 데이터, 행동 측정 데이터, 환경 측정 데이터 및 웹콘텐츠 사용 데이터 중 적어도 하나를 포함하는 라이프로깅 데이터를 수신하는 단계, 상기 라이프로깅 데이터를 이용하여 기 설정된 시간 간격의 타임슬롯별로 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 생성하되, 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C) 중 적어도 하나를 포함하는 카테고리별로 상기 2차원 감성 정보를 생성하는 단계, 상기 생성된 2차원 감성 정보를 통해 상기 사용자 및 타사용자 사이의 감성 동기화 여부를 판단하여 사회 감성 동기화 패턴을 생성하는 단계, 그리고 상기 생성된 사회 감성 동기화 패턴을 사회 감성 데이터베이스와 비교하여 사용자의 사회 감성을 추론하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 주변 사람이나 환경과의 인터렉션에 따른 라이프로깅 데이터를 분석하여 사회 감성을 추론하므로 개인의 사회 감성을 정확히 추론할 수 있다.

Description

감성 동기화 기반의 사회 감성 추론 장치 및 그 방법{APPARATUS FOR INFERRING SOCIAL EMOTION BASED ON EMOTION SYNCHRONIZATION AND METHOD THEREOF}
본 발명은 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 라이프로깅 데이터 분석을 통해 사회 감성 추론의 정확도를 향상시키기 위한 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법에 관한 것이다.
웨어러블 장치들이 발달함에 따라, 사용자들은 스마트폰, 웨어러블 캠, 스마트 밴드와 같은 장치들을 통해 콘텐츠 소비정보, 영상정보, 생체정보 등과 같이 원하는 형태의 정보를 손쉽게 획득한다.
이러한 라이프로깅 데이터는 개인의 생활, 성격, 활동 등을 반영하고 있으므로, 이러한 라이프로깅 데이터의 분석을 통해 개인의 취향이나 성격, 감성 등을 추론할 수 있다.
따라서, 많은 대학, 기업, 연구기관들에서는 라이프로깅 데이터와 같은 다중 정보들을 활용하기 위해 빅데이터 분석 기법들을 적용하여 분석하고 있다. 특히 진화된 머신러닝 기법인 딥러닝이 많이 활용되는데, Google의 Tensorflow, Berkeley vision and learning center의 Caffe, 다양한 연구기관과 회사들이 지원하는 Torch 등 다양한 딥러닝 기법들이 존재한다.
그러나, 딥러닝 기법은 분석과정을 알 수 없기 때문에, 결과를 얻었다고 하더라도 원인 및 이유를 해석하기 어렵다.
또한, 사람이 사회적 존재라는 점에서, 사람의 감성은 개인 감성에 더하여 다른 사람과의 인터랙션을 바탕으로 사회적인 의미를 파악하는 사회 감성을 아는 것이 더 중요하다.
그러나, 현재 타인이나 주변 환경과의 인터랙션을 분석하여 사람의 사회 감성을 추론하는 방법에 대한 연구가 부족한 실정이다.
본 발명의 배경이 되는 기술은 한국등록특허 제10-1262922호(2013.05.09. 공고)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 라이프로깅 데이터 분석을 통해 사회 감성 추론의 정확도를 향상시키기 위한 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면 사회 감성 추론 장치를 이용한 사회 감성 추론 방법에 있어서, 사회 감성 추론 방법은 사용자에 대한 생체신호 측정 데이터, 행동 측정 데이터, 환경 측정 데이터 및 웹콘텐츠 사용 데이터 중 적어도 하나를 포함하는 라이프로깅 데이터를 수신하는 단계, 상기 라이프로깅 데이터를 이용하여 기 설정된 시간 간격의 타임슬롯별로 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 생성하되, 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C) 중 적어도 하나를 포함하는 카테고리별로 상기 2차원 감성 정보를 생성하는 단계, 상기 생성된 2차원 감성 정보를 통해 상기 사용자 및 타사용자 사이의 감성 동기화 여부를 판단하여 사회 감성 동기화 패턴을 생성하는 단계, 그리고 상기 생성된 사회 감성 동기화 패턴을 사회 감성 데이터베이스와 비교하여 사용자의 사회 감성을 추론하는 단계를 포함한다.
상기 2차원 감성 정보를 생성하는 단계는, 상기 생체 신호 측정 데이터의 진폭 크기 및 통일성 비율, 상기 행동 측정 데이터의 위치 변위량, 상기 환경 측정 데이터의 픽셀값 및 소음크기값을 각각의 기준값과 비교하여 상기 생체 정보(H), 행동 정보(B) 및 환경 정보(S)에 대한 2차원 감성 정보를 각각 분류하고, 상기 웹콘텐츠 사용 데이터의 사용 어휘를 이용하여 상기 콘텐츠 정보(C)에 대한 2차원 감성 정보를 분류할 수 있다.
상기 사회 감성 동기화 패턴을 생성하는 단계는, 상기 카테고리 및 타임슬롯별로 상기 사용자의 2차원 감성 정보와 상기 타사용자의 2차원 감성 정보가 동일한지 여부를 판단하는 단계, 상기 타임슬롯마다 상기 2차원 감성 정보가 동일한 카테고리에 대한 정보를 검출하는 단계, 상기 2차원 감성 정보가 동일한 카테고리에 대한 정보를 이용하여 상기 사용자 및 타사용자 사이의 사회 감성 동기화 유형을 판단하는 단계, 그리고 상기 판단된 사회 감성 동기화 유형을 이용하여 상기 사용자의 사회 감성 동기화 패턴을 생성하는 단계를 포함할 수 있다.
상기 감성 동기화 패턴을 생성하는 단계는, 상기 판단된 사회 감성 동기화 유형별로 타임슬롯의 개수를 산출하고, 동기화가 발생한 타임슬롯의 개수 중 각각의 사회 감성 동기화 유형에 대응하는 타임슬롯의 개수가 차지하는 비율을 연산하여 상기 사용자의 사회 감성 동기화 패턴을 생성할 수 있다.
상기 사회 감성 데이터베이스는 복수의 대상자에 대한 감성 동기화 패턴 및 사회 감성 정보를 포함하고, 상기 사회 감성 정보는 대인 사회 감성 및 환경 사회 감성 중 적어도 하나를 포함하며, 상기 대인 사회 감성 및 환경 사회 감성은 각각 복수의 감성 범주를 포함할 수 있다.
상기 사회 감성을 추론하는 단계는, 상기 사용자의 사회 감성 동기화 패턴과 상기 사회 감성 데이터베이스에 포함된 사회 감성 동기화 패턴을 비교하는 단계, 상기 사회 감성 동기화 패턴을 비교한 결과를 이용하여 사회 감성의 복수의 감성 범주 별로 사후 확률을 연산하는 단계, 상기 연산된 사후 확률 중 가장 높은 값을 가지는 감성 범주를 상기 사용자의 사회 감성으로 추론하는 단계를 포함할 수 있다.
상기 사회 감성을 추론하는 단계는, 아래의 수학식을 통해 상기 사용자의 사회 감성에 대한 사후 확률(p(h|D))을 연산할 수 있다.
Figure 112017062549839-pat00001
여기서, p(D|h)는 상기 사회 감성 데이터베이스에서 h라는 사회 감성을 가지는 데이터 중 상기 사용자의 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미하고, p(h)는 상기 사회 감성 데이터베이스 중 h라는 사회 감성을 데이터가 발생할 확률을 의미하고, p(D)는 상기 사회 감성 데이터베이스 중 상기 사용자의 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미한다.
본 발명의 다른 실시예에 따른 사회 감성 추론 장치는 사용자에 대한 생체신호 측정 데이터, 행동 측정 데이터, 환경 측정 데이터 및 웹콘텐츠 사용 데이터 중 적어도 하나를 포함하는 라이프로깅 데이터를 수신하는 데이터 수신부, 상기 라이프로깅 데이터를 이용하여 기 설정된 시간 간격의 타임슬롯별로 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 생성하되, 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C) 중 적어도 하나를 포함하는 카테고리별로 상기 2차원 감성 정보를 생성하는 감성 정보 생성부, 상기 생성된 2차원 감성 정보를 통해 상기 사용자 및 타사용자 사이의 감성 동기화 여부를 판단하여 사회 감성 동기화 패턴을 생성하는 동기화 패턴 생성부, 그리고 상기 생성된 사회 감성 동기화 패턴을 사회 감성 데이터베이스와 비교하여 사용자의 사회 감성을 추론하는 사회 감성 추론부를 포함한다.
이와 같이 본 발명에 따르면, 주변 사람이나 환경과의 인터렉션에 따른 라이프로깅 데이터를 분석하여 사회 감성을 추론하므로 개인의 사회 감성을 정확히 추론할 수 있다.
이에 따라 개인의 성향이나 기호, 취향 등의 파악을 용이하게 할 뿐만 아니라, 비슷한 사회 감성을 가지는 그룹을 제안하거나 사용자에 적합한 콘텐츠를 제공하는 등 마케팅에 활용되는 등 활용도가 높은 장점이 있다.
도 1은 본 발명의 실시예에 따른 사회 감성 추론 장치의 구성도이다.
도 2는 본 발명의 실시예에 따른 사회 감성 추론 방법의 순서도이다.
도 3은 본 발명의 실시예에 따른 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 설명하기 위한 도면이다.
도 4는 도 2의 S230 단계를 상세하게 나타낸 순서도이다.
도 5는 본 발명의 실시예에 따른 대인 사회 감성 및 환경 사회 감성 정보를 설명하기 위한 도면이다.
도 6은 도 2의 S240 단계를 상세하게 나타낸 순서도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
우선, 도 1을 통해 본 발명의 실시예에 따른 사회 감성 추론 장치의 구성에 대해 살펴보도록 한다.
도 1은 본 발명의 실시예에 따른 사회 감성 추론 장치의 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 사회 감성 추론 장치(100)는 데이터 수신부(110), 감성 정보 생성부(120), 동기화 패턴 생성부(130) 및 사회 감성 추론부(140)를 포함한다.
먼저, 데이터 수신부(110)는 사용자에 대한 생체신호 측정 데이터, 행동 측정 데이터, 환경 측정 데이터 및 웹콘텐츠 사용 데이터 중 적어도 하나를 포함하는 라이프로깅(life logging) 데이터를 수신한다.
다음으로, 감성 정보 생성부(120)는 라이프로깅 데이터를 이용하여 기 설정된 시간 간격의 타임슬롯별로 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 생성하되, 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C) 중 적어도 하나를 포함하는 카테고리별로 2차원 감성 정보를 생성한다.
구체적으로, 감성 정보 생성부(120)는 생체 신호 측정 데이터의 진폭 크기 및 통일성 비율(coherence ratio), 행동 측정 데이터의 위치 변위량, 환경 측정 데이터의 픽셀값 및 소음크기값을 각각의 기준값과 비교하여 생체 정보(H), 행동 정보(B) 및 환경 정보(S)에 대한 2차원 감성 정보를 각각 분류한다.
그리고, 감성 정보 생성부(120)는 웹콘텐츠 사용 데이터의 사용 어휘를 이용하여 콘텐츠 정보(C)에 대한 2차원 감성 정보를 분류한다.
다음으로, 동기화 패턴 생성부(130)는 생성된 2차원 감성 정보를 통해 사용자 및 타사용자 사이의 사회 감성 동기화 여부를 판단하여 사회 감성 동기화 패턴을 생성한다.
구체적으로, 동기화 패턴 생성부(130)는 카테고리 및 타임슬롯별로 사용자의 2차원 감성 정보와 타사용자의 2차원 감성 정보가 동일한지 여부를 판단하고, 타임슬롯마다 2차원 감성 정보가 동일한 카테고리에 대한 정보를 검출한다.
그리고, 동기화 패턴 생성부(130)는 2차원 감성 정보가 동일한 카테고리에 대한 정보를 이용하여 사용자 및 타사용자 사이의 사회 감성 동기화 유형을 판단하고, 판단된 사회 감성 동기화 유형을 이용하여 사용자의 사회 감성 동기화 패턴을 생성한다.
이때, 동기화 패턴 생성부(130)는 판단된 사회 감성 동기화 유형별로 타임슬롯의 개수를 산출하고, 동기화가 발생한 타임슬롯의 개수 중 각각의 사회 감성 동기화 유형에 대응하는 타임슬롯의 개수가 차지하는 비율을 연산하여 사용자의 사회 감성 동기화 패턴을 생성한다.
다음으로, 사회 감성 추론부(140)는 생성된 사회 감성 동기화 패턴을 사회 감성 데이터베이스와 비교하여 사용자의 사회 감성을 추론한다.
구체적으로, 사회 감성 추론부(140)는 사용자의 사회 감성 동기화 패턴과 사회 감성 데이터베이스에 포함된 사회 감성 동기화 패턴을 비교한다.
그러면, 사회 감성 추론부(140)는 사용자의 사회 감성 동기화 패턴을 비교한 결과를 이용하여 사회 감성의 복수의 감성 범주 별로 사후 확률을 연산한다.
그리고, 사회 감성 추론부(140)는 연산된 사후 확률 중 가장 높은 값을 가지는 감성 범주를 상기 사용자의 사회 감성으로 추론한다.
한편, 사회 감성 데이터베이스는 복수의 대상자에 대한 감성 동기화 패턴 및 사회 감성 정보를 포함한다. 이때, 사회 감성 정보는 대인 사회 감성 및 환경 사회 감성 중 적어도 하나를 포함하며, 대인 사회 감성 및 환경 사회 감성은 각각 복수의 감성 범주를 포함한다.
이하에서는 도 2 내지 도 6을 통해 본 발명의 실시예에 따른 사회 감성 추론 장치를 이용한 사회 감성 추론 방법에 대해 살펴보도록 한다.
도 2는 본 발명의 실시예에 따른 사회 감성 추론 방법의 순서도이다.
도 2에 도시된 바와 같이, 우선, 데이터 수신부(110)는 사용자에 대한 생체신호 측정 데이터, 행동 측정 데이터, 환경 측정 데이터 및 웹콘텐츠 사용 데이터 중 적어도 하나를 포함하는 라이프로깅 데이터를 수신한다(S210).
라이프로깅 데이터를 구체적으로 살펴보면, 우선, 생체신호 측정 데이터는 대상자의 심박수(PPG, photoplethysmogram)나 심동도(BCG, ballistocardiogram)를 측정한 데이터를 포함한다.
다음으로, 행동 측정 데이터는 대상자의 이동에 따른 GPS 데이터를 포함한다. 예를 들어, 행동 측정 데이터는 GPS 측정 기기가 대상자의 이동에 따라 실시간으로 측정한 데이터일 수 있다.
그리고, 환경 측정 데이터는 대상자 주변의 소음 측정 데이터 및 주변 환경을 촬영한 이미지 데이터를 포함한다.
다음으로, 웹콘텐츠 사용 데이터는 사용자가 방문한 웹 콘텐츠에 대한 URL 데이터를 포함한다.
S210 단계에서 라이프로깅 데이터를 수신한 후, 감성 정보 생성부(120)는 라이프로깅 데이터를 이용하여 기 설정된 시간 간격의 타임슬롯별로 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 생성하되, 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C) 중 적어도 하나를 포함하는 카테고리별로 2차원 감성 정보를 생성한다(S220).
도 3은 본 발명의 실시예에 따른 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 설명하기 위한 도면이다.
도 3에 나타난 바와 같이, 2차원 감성 정보는 쾌-불쾌 축(x축) 및 각성-이완축(y축)의 2차원 좌표계에 따라 총 9개의 차원 감성으로 분류된다.
구체적으로 9개의 차원 감성을 살펴보면, 1번 공간은 불쾌-각성, 2번 공간은 각성, 3 번 공간은 쾌-각성, 4번 공간은 불쾌, 5번 공간은 중립, 6번 공간은 쾌, 7번 공간은 불쾌-이완, 8번 공간은 이완 9번 공간은 쾌-이완의 차원 감성을 의미한다.
즉, 감성 정보 생성부(120)는 라이프로깅 데이터를 분석하여 카테고리 및 타임슬롯별로 도 3에 나타난 9개의 차원 감성 중 어느 하나를 선택하여 2차원 감성 정보를 생성한다.
그러면, S220 단계의 2차원 감성 정보의 생성 방법에 대해 구체적으로 살펴본다.
우선, 생체 정보(H) 카테고리의 2차원 감성 정보는 생체신호 측정 데이터를 통해 생성된다. 구체적으로, 감성 정보 생성부(120)는 대상자의 심박수(photoplethysmogram, PPG)나 심동도(ballistocardiogram, BCG)를 분석하여 심박 변이도(heart rate variability, HRV)를 추출한 후, 심박 변이도의 피크점의 평균값 및 통일성 비율(coherence ratio)을 추출한다. 그리고, 감성 정보 생성부(120)는 추출된 피크점의 평균값 및 통일성 비율을 기 설정된 기준값과 비교함으로써 타임슬롯별로 9개의 차원 감성 중 어느 하나를 설정할 수 있다.
예를 들어, 10초에서 11초 사이의 타임슬롯에서, 피크점의 평균값과 통일성 비율이 각각의 기준값 대비 10% 이상 큰 경우 감성 정보 생성부(120)는 1번 공간, 즉 불쾌-각성의 차원 감성을 해당 타임슬롯의 차원 감성으로 설정할 수 있다.
다음으로, 행동 정보(B) 카테고리의 2차원 감성 정보는 행동 측정 데이터를 통해 생성된다. 구체적으로, 감성 정보 생성부(120)는 GPS 데이터로부터 대상자의 전체 이동 거리, GPS 데이터의 클러스터 수(number of clusters), 엔트로피(entropy), 주기적 이동 패턴(circadian), 전이 시간(transition time), 위치 다양성(location variance), 전체 이동 거리(total distance) 등을 추출한 후, 이를 각각의 기 설정된 기준값과 비교함으로써 타임슬롯별로 9개의 차원 감성 중 어느 하나를 설정할 수 있다.
다음으로, 환경 정보(S) 카테고리의 2차원 감성 정보는 환경 측정 데이터를 통해 생성된다. 구체적으로 감성 정보 생성부(120)는 이미지 데이터로부터 영상을 구성하는 칼라 요소(픽셀값)를 추출하고 소음 측정 데이터로부터 소음의 크기를 추출한 후, 이를 각각의 기 설정된 기준값과 비교함으로써 타임슬롯별로 9개의 차원 감성 중 어느 하나를 설정할 수 있다.
그리고, 콘텐츠 정보(C) 카테고리의 2차원 감성 정보는 웹콘텐츠 사용 데이터를 통해 생성된다. 구체적으로, 감성 정보 생성부(120)는 웹 콘텐츠 데이터로부터 대상자가 이용한 웹 콘텐츠의 어휘를 추출한 후, 기 저장된 데이터 베이스와 비교함으로써 타임슬롯별로 9개의 차원 감성 중 어느 하나를 설정할 수 있다.
아래의 표 1은 대상자의 2차원 감성 정보의 일례이다.
Figure 112017062549839-pat00002
표 1에 1 내지 9로 기재된 것은 차원 감성의 공간에 대응하는 넘버를 의미하고, 예를 들어, 1은 1번 공간, 즉 불쾌-각성의 차원 감성을 의미한다.
S220 단계에서 2차원 감성 정보를 생성한 후, 동기화 패턴 생성부(130)는 생성된 2차원 감성 정보를 통해 사용자 및 타사용자 사이의 사회 감성 동기화 여부를 판단하여 사회 감성 동기화 패턴을 생성한다(S230).
도 4는 도 2의 S230 단계를 상세하게 나타낸 순서도이다.
우선, 동기화 패턴 생성부(130)는 카테고리 및 타임슬롯별로 사용자의 2차원 감성 정보와 타사용자의 2차원 감성 정보가 동일한지 여부를 판단한다(S231). 이때, 타 사용자의 2차원 감성 정보는 S210 및 S220 단계와 동일한 방법으로 생성된다.
그리고, 동기화 패턴 생성부(130)는 타임슬롯마다 2차원 감성 정보가 동일한 카테고리에 대한 정보를 검출한다(S232).
다음으로, 동기화 패턴 생성부(130)는 2차원 감성 정보가 동일한 카테고리에 대한 정보를 이용하여 사용자 및 타사용자 사이의 사회 감성 동기화 유형을 판단한다(S233).
그러면, 동기화 패턴 생성부(130)는 판단된 사회 감성 동기화 유형을 이용하여 사용자의 사회 감성 동기화 패턴을 생성한다(S234).
이때, 동기화 패턴 생성부(130)는 판단된 사회 감성 동기화 유형별로 타임슬롯의 개수를 산출하고, 동기화가 발생한 타임슬롯의 개수 중 각각의 사회 감성 동기화 유형에 대응하는 타임슬롯의 개수가 차지하는 비율을 연산하여 사용자의 사회 감성 동기화 패턴을 생성한다.
S230 단계에 대한 일 실시예를 아래의 표 2 내지 표 6을 통해 살펴본다.
우선, 표 2에서와 같이, 사용자 및 타 사용자의 2차원 감성 정보가 생성되었다고 가정한다.
Figure 112017062549839-pat00003
그러면, 동기화 패턴 생성부(130)는 카테고리 및 타임슬롯별로 2차원 감성 정보가 동일한지 여부를 판단하게 되며, 표 2의 사용자 및 타 사용자의 2차원 감성 정보 비교 결과는 아래의 표 3과 같이 나타난다.
Figure 112017062549839-pat00004
다음으로, 동기화 패턴 생성부(130)는 타임슬롯별로 사용자 및 타사용자의 2차원 감성 정보가 동일한 카테고리를 검출한다. 예를 들어, 표 3에서 타임슬롯 t1의 경우 생체 정보(H)와 콘텐츠 정보(C)가 동일한 것을 알 수 있다.
표 3과 같이 2차원 감성 정보가 동일한 카테고리가 검출된 경우, 사용자 및 타 사용자 사이의 사회 감성 동기화 유형을 판단하면 아래의 표 4와 같이 나타난다.
Figure 112017062549839-pat00005
여기서, HBSC는 해당 타임슬롯에서 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C)가 동일한 것을 의미하고, BSC는 해당 타임슬롯에서 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C)가 동일한 것을 의미한다.
그러면, 동기화 패턴 생성부(130)는 판단된 사회 감성 동기화 아래의 표 5와 같이, 사회 감성 동기화 유형에 따른 타임슬롯의 개수를 산출하고, 사회 감성 동기화 유형 별로 동기화가 발생한 타임슬롯의 개수 중 각 동기화 유형별 타임슬롯의 개수가 차지하는 비율을 연산하여 사회 감성 동기화 패턴을 생성한다.
Figure 112017062549839-pat00006
즉, 표 5에서, 사용자의 동기화 패턴은 [HBSC-6, HBS-0, HBC-0, HSC-0, BSC-20, HB-0, HS-0, HC-0, BS-61, BC-0, SC-0, H-10, B-0, S-0, C-3]이 된다.
한편, 동기화 패턴 생성부(130)는 동기화가 발생한 타임슬롯의 개수 중 각 동기화 유형별 타임슬롯의 개수가 차지하는 비율을 백분율로 나타낼 수 있다. 이때, 소수점 이하의 숫자에 대하여 반올림, 버림, 올림 등을 통해 연산된 비율을 정수로 표현할 수 있다.
S230 단계에서 동기화 패턴이 생성된 후, 사회 감성 추론부(140)는 생성된 사회 감성 동기화 패턴을 사회 감성 데이터베이스와 비교하여 사용자의 사회 감성을 추론한다(S240).
아래의 표 6은 사회 감성 데이터베이스를 설명하기 위한 표이다.
Figure 112017062549839-pat00007
표 6에서와 같이, 사회 감성 데이터베이스는 S210 내지 S230단계를 통해 생성된 복수의 대상자에 대한 사회 감성 동기화 패턴 및 사회 감성 정보를 포함한다. 이때, 사회 감성 정보는 대인 사회 감성 및 환경 사회 감성 중 적어도 하나를 포함하며, 대인 사회 감성 및 환경 사회 감성은 각각 복수의 감성 범주를 포함한다.
이때, 대인 사회 감성 및 환경 사회 감성은 각 대상자들로부터 수집한 설문 조사 정보를 분석하여 도출된 값일 수 있다. 예를 들어, 각 대상자들에게 설문지에 대한 응답을 분석하여 각 대상자의 대인 사회 감성 및 환경 사회 감성이 도출되면, 사회 감성 데이터베이스는 도출된 분석값을 각 대상자의 동기화 패턴에 대응하여 저장할 수 있다.
도 5는 본 발명의 실시예에 따른 대인 사회 감성 및 환경 사회 감성 정보를 설명하기 위한 도면이다.
도 5에 도시된 바와 같이, 대인 사회 감성 및 환경 사회 감성은 각각 9개의 존으로 범주화되며, 각각 9개의 감성 범주를 포함한다.
구체적으로, 대인 사회 감성은 싫은-특별한(1 zone), 싫은(2 zone), 싫은-흔한(3 zone), 특별한(4 zone), 중립(5 zone), 흔한(6 zone), 좋은-특별한(7 zone), 좋은(8 zone) 및 좋은-흔한(9 zone)을 포함한다.
그리고, 환경 사회 감성은 적극적-비관적(1 zone), 적극적(2 zone), 적극적-낙관적(3 zone), 비관적(4 zone), 중립(5 zone), 낙관적(6 zone), 소극적-비관적(7 zone), 소극적(8 zone) 및 소극적-낙관적(9 zone)을 포함한다.
표 6에서 대인 사회 감성 정보가 6인 것은 대인 사회 감성이 흔한(6 zone)에 해당함을 의미하고, 환경 사회 감성 정보가 3인 것은 환경 사회 감성이 적극적-낙관적(3 zone)에 해당함을 의미한다.
도 6은 도 2의 S240 단계를 상세하게 나타낸 순서도이다.
우선, 사회 감성 추론부(140)는 사용자의 사회 감성 동기화 패턴과 사회 감성 데이터베이스에 포함된 사회 감성 동기화 패턴을 비교한다(S241).
그리고, 사회 감성 추론부(140)는 사회 감성 동기화 패턴을 비교한 결과를 이용하여 사회 감성의 복수의 감성 범주 별로 사후 확률을 연산한다(S242).
그러면, 사회 감성 추론부(140)는 연산된 사후 확률 중 가장 높은 값을 가지는 감성 범주를 상기 사용자의 사회 감성으로 추론한다(S243).
이때, 사회 감성 추론부(140)는 아래의 수학식 1을 통해 사용자의 사회 감성에 대한 사후 확률(p(h|D))을 연산한다.
Figure 112017062549839-pat00008
여기서, p(D|h)는 사회 감성 데이터베이스에서 h라는 사회 감성을 가지는 데이터 중 사용자의 사회 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미하고, p(h)는 사회 감성 데이터베이스 중 h라는 사회 감성을 데이터가 발생할 확률을 의미하고, p(D)는 사회 감성 데이터베이스 중 상기 사용자의 사회 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미한다.
예를 들어, 사회 감성 데이터베이스에 1000개의 사회 감성 동기화 패턴 및 이에 대응하는 사회 감성 정보가 저장되어 있다고 가정한다.
이때, 사회 감성 추론부(140)가 사용자의 사회 감성 동기화 패턴 D와 동일한 사회 감성 동기화 패턴을 사회 감성 데이터베이스로부터 50개 검출한 경우, p(D)는 50/1000이 된다.
그리고, 대인 사회 감성 싫은(2 zone)을 포함한 데이터의 개수가 120개라면, p(h)는 120/1000이 된다.
그리고, 대인 사회 감성 싫은(2 zone)인 경우에 사회 감성 동기화 패턴 D인 데이터의 개수가 50이라면 p(D|싫은)은 50/1000이 된다.
이를 수학식 1을 통해 연산하면 3/25가 대인 사회 감성 싫은(2 zone)의 사후 확률이 되며, 각각의 감성 범주마다 사후 확률을 연산하여 가장 높은 사후 확률을 가지는 감성 범주를 사용자의 사회 감성으로 추론한다.
본 발명의 실시예에 따르면, 주변 사람이나 환경과의 인터렉션에 따른 라이프로깅 데이터를 분석하여 사회 감성을 추론하므로 개인의 사회 감성을 정확히 추론할 수 있다.
이에 따라 개인의 성향이나 기호, 취향 등의 파악을 용이하게 할 뿐만 아니라, 비슷한 사회 감성을 가지는 그룹을 제안하거나 사용자에 적합한 콘텐츠를 제공하는 등 마케팅에 활용되는 등 활용도가 높은 장점이 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100 : 사회 감성 추론 장치 110 : 데이터 수신부
120 : 감성 정보 생성부 130 : 동기화 패턴 생성부
140 : 사회 감성 추론부

Claims (14)

  1. 사회 감성 추론 장치를 이용한 사회 감성 추론 방법에 있어서,
    사용자에 대한 생체신호 측정 데이터, 행동 측정 데이터, 환경 측정 데이터 및 웹콘텐츠 사용 데이터 중 적어도 하나를 포함하는 라이프로깅 데이터를 수신하는 단계,
    상기 라이프로깅 데이터를 이용하여 기 설정된 시간 간격의 타임슬롯 별로 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 생성하되, 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C) 중 적어도 하나를 포함하는 카테고리별로 상기 2차원 감성 정보를 생성하는 단계,
    상기 생성된 2차원 감성 정보를 통해 상기 사용자 및 타사용자 사이의 감성 동기화 여부를 판단하여 사회 감성 동기화 패턴을 생성하는 단계, 그리고
    상기 생성된 사회 감성 동기화 패턴을 사회 감성 데이터베이스와 비교하여 사용자의 사회 감성을 추론하는 단계를 포함하며,
    상기 사회 감성 데이터베이스는 복수의 대상자에 대한 감성 동기화 패턴 및 사회 감성 정보를 포함하고,
    상기 사회 감성 정보는 대인 사회 감성 및 환경 사회 감성 중 적어도 하나를 포함하며,
    상기 대인 사회 감성 및 환경 사회 감성은 각각 복수의 감성 범주를 포함하고,
    상기 사회 감성을 추론하는 단계는,
    상기 사용자의 사회 감성 동기화 패턴과 상기 사회 감성 데이터베이스에 포함된 사회 감성 동기화 패턴을 비교하는 단계,
    상기 사회 감성 동기화 패턴을 비교한 결과를 이용하여 사회 감성의 복수의 감성 범주 별로 사후 확률을 연산하는 단계,
    상기 연산된 사후 확률 중 가장 높은 값을 가지는 감성 범주를 상기 사용자의 사회 감성으로 추론하는 단계를 포함하는 사회 감성 추론 방법.
  2. 제1항에 있어서,
    상기 2차원 감성 정보를 생성하는 단계는,
    상기 생체 신호 측정 데이터의 진폭 크기 및 통일성 비율, 상기 행동 측정 데이터의 위치 변위량, 상기 환경 측정 데이터의 픽셀값 및 소음크기값을 각각의 기준값과 비교하여 상기 생체 정보(H), 행동 정보(B) 및 환경 정보(S)에 대한 2차원 감성 정보를 각각 분류하고, 상기 웹콘텐츠 사용 데이터의 사용 어휘를 이용하여 상기 콘텐츠 정보(C)에 대한 2차원 감성 정보를 분류하는 사회 감성 추론 방법.
  3. 제2항에 있어서,
    상기 사회 감성 동기화 패턴을 생성하는 단계는,
    상기 카테고리 및 타임슬롯별로 상기 사용자의 2차원 감성 정보와 상기 타사용자의 2차원 감성 정보가 동일한지 여부를 판단하는 단계,
    상기 타임슬롯마다 상기 2차원 감성 정보가 동일한 카테고리에 대한 정보를 검출하는 단계,
    상기 2차원 감성 정보가 동일한 카테고리에 대한 정보를 이용하여 상기 사용자 및 타사용자 사이의 사회 감성 동기화 유형을 판단하는 단계, 그리고
    상기 판단된 사회 감성 동기화 유형을 이용하여 상기 사용자의 사회 감성 동기화 패턴을 생성하는 단계를 포함하는 사회 감성 추론 방법.
  4. 제3항에 있어서,
    상기 감성 동기화 패턴을 생성하는 단계는,
    상기 판단된 사회 감성 동기화 유형별로 타임슬롯의 개수를 산출하고, 동기화가 발생한 타임슬롯의 개수 중 각각의 사회 감성 동기화 유형에 대응하는 타임슬롯의 개수가 차지하는 비율을 연산하여 상기 사용자의 사회 감성 동기화 패턴을 생성하는 사회 감성 추론 방법.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 사회 감성을 추론하는 단계는,
    아래의 수학식을 통해 상기 사용자의 사회 감성에 대한 사후 확률(p(h|D))을 연산하는 사회 감성 추론 방법:
    Figure 112017100873203-pat00009

    여기서, p(D|h)는 상기 사회 감성 데이터베이스에서 h라는 사회 감성을 가지는 데이터 중 상기 사용자의 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미하고, p(h)는 상기 사회 감성 데이터베이스 중 h라는 사회 감성을 데이터가 발생할 확률을 의미하고, p(D)는 상기 사회 감성 데이터베이스 중 상기 사용자의 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미한다.
  8. 사용자에 대한 생체신호 측정 데이터, 행동 측정 데이터, 환경 측정 데이터 및 웹콘텐츠 사용 데이터 중 적어도 하나를 포함하는 라이프로깅 데이터를 수신하는 데이터 수신부,
    상기 라이프로깅 데이터를 이용하여 기 설정된 시간 간격의 타임슬롯 별로 쾌-불쾌 축 및 각성-이완축에 따른 2차원 감성 정보를 생성하되, 생체 정보(H), 행동 정보(B), 환경 정보(S) 및 콘텐츠 정보(C) 중 적어도 하나를 포함하는 카테고리별로 상기 2차원 감성 정보를 생성하는 감성 정보 생성부,
    상기 생성된 2차원 감성 정보를 통해 상기 사용자 및 타사용자 사이의 감성 동기화 여부를 판단하여 사회 감성 동기화 패턴을 생성하는 동기화 패턴 생성부, 그리고
    상기 생성된 사회 감성 동기화 패턴을 사회 감성 데이터베이스와 비교하여 사용자의 사회 감성을 추론하는 사회 감성 추론부를 포함하며,
    상기 사회 감성 데이터베이스는 복수의 대상자에 대한 감성 동기화 패턴 및 사회 감성 정보를 포함하고,
    상기 사회 감성 정보는 대인 사회 감성 및 환경 사회 감성 중 적어도 하나를 포함하며,
    상기 대인 사회 감성 및 환경 사회 감성은 각각 복수의 감성 범주를 포함하고,
    상기 사회 감성 추론부는,
    상기 사용자의 사회 감성 동기화 패턴과 상기 사회 감성 데이터베이스에 포함된 사회 감성 동기화 패턴을 비교하고, 상기 사회 감성 동기화 패턴을 비교한 결과를 이용하여 사회 감성의 복수의 감성 범주 별로 사후 확률을 연산하며, 상기 연산된 사후 확률 중 가장 높은 값을 가지는 감성 범주를 상기 사용자의 사회 감성으로 추론하는 사회 감성 추론 장치.
  9. 제8항에 있어서,
    상기 감성 정보 생성부는,
    상기 생체 신호 측정 데이터의 진폭 크기 및 통일성 비율, 상기 행동 측정 데이터의 위치 변위량, 상기 환경 측정 데이터의 픽셀값 및 소음크기값을 각각의 기준값과 비교하여 상기 생체 정보(H), 행동 정보(B) 및 환경 정보(S)에 대한 2차원 감성 정보를 각각 분류하고, 상기 웹콘텐츠 사용 데이터의 사용 어휘를 이용하여 상기 콘텐츠 정보(C)에 대한 2차원 감성 정보를 분류하는 사회 감성 추론 장치.
  10. 제9항에 있어서,
    상기 동기화 패턴 생성부는,
    상기 카테고리 및 타임슬롯별로 상기 사용자의 2차원 감성 정보와 상기 타사용자의 2차원 감성 정보가 동일한지 여부를 판단하고, 상기 타임슬롯마다 상기 2차원 감성 정보가 동일한 카테고리에 대한 정보를 검출하며, 상기 2차원 감성 정보가 동일한 카테고리에 대한 정보를 이용하여 상기 사용자 및 타사용자 사이의 사회 감성 동기화 유형을 판단하고, 상기 판단된 사회 감성 동기화 유형을 이용하여 상기 사용자의 사회 감성 동기화 패턴을 생성하는 사회 감성 추론 장치.
  11. 제10항에 있어서,
    상기 동기화 패턴 생성부는,
    상기 판단된 사회 감성 동기화 유형별로 타임슬롯의 개수를 산출하고, 동기화가 발생한 타임슬롯의 개수 중 각각의 사회 감성 동기화 유형에 대응하는 타임슬롯의 개수가 차지하는 비율을 연산하여 상기 사용자의 사회 감성 동기화 패턴을 생성하는 사회 감성 추론 장치.
  12. 삭제
  13. 삭제
  14. 제8항에 있어서,
    상기 사회 감성 추론부는,
    아래의 수학식을 통해 상기 사용자의 사회 감성에 대한 사후 확률(p(h|D))을 연산하는 사회 감성 추론 장치:
    Figure 112017100873203-pat00010

    여기서, p(D|h)는 상기 사회 감성 데이터베이스에서 h라는 사회 감성을 가지는 데이터 중 상기 사용자의 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미하고, p(h)는 상기 사회 감성 데이터베이스 중 h라는 사회 감성을 데이터가 발생할 확률을 의미하고, p(D)는 상기 사회 감성 데이터베이스 중 상기 사용자의 감성 동기화 패턴과 동일한 사회 감성 동기화 패턴을 가지는 데이터가 발생할 확률을 의미한다.
KR1020170082602A 2017-06-29 2017-06-29 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법 KR101814961B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170082602A KR101814961B1 (ko) 2017-06-29 2017-06-29 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법
PCT/KR2017/007833 WO2019004511A1 (ko) 2017-06-29 2017-07-20 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170082602A KR101814961B1 (ko) 2017-06-29 2017-06-29 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR101814961B1 true KR101814961B1 (ko) 2018-01-03

Family

ID=61002115

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170082602A KR101814961B1 (ko) 2017-06-29 2017-06-29 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법

Country Status (2)

Country Link
KR (1) KR101814961B1 (ko)
WO (1) WO2019004511A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111214249B (zh) * 2020-01-14 2023-03-24 中山大学 基于便携式设备获取情绪信息的环境参数阈值探测方法及应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101687763B1 (ko) * 2016-04-06 2016-12-20 (주)감성과학연구센터 라이프로깅 데이터를 이용한 동기화 기반 자동 범주화 시스템 및 그 방법
KR101744863B1 (ko) * 2016-01-18 2017-06-20 주식회사 브이아이텍 영상을 이용한 2차원 감성 추정 방법 및 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101045659B1 (ko) * 2009-02-19 2011-06-30 강장묵 감성정보 서비스 시스템 및 방법
KR101738057B1 (ko) * 2015-09-24 2017-05-23 (주)감성과학연구센터 사회감성 네트워크 구축 시스템 및 그 방법
KR101745602B1 (ko) * 2015-10-22 2017-06-09 상명대학교산학협력단 영상정보를 통한 움직임의 양을 기반으로 하는 집단 감성 추론 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101744863B1 (ko) * 2016-01-18 2017-06-20 주식회사 브이아이텍 영상을 이용한 2차원 감성 추정 방법 및 시스템
KR101687763B1 (ko) * 2016-04-06 2016-12-20 (주)감성과학연구센터 라이프로깅 데이터를 이용한 동기화 기반 자동 범주화 시스템 및 그 방법

Also Published As

Publication number Publication date
WO2019004511A1 (ko) 2019-01-03

Similar Documents

Publication Publication Date Title
King et al. A model of subjective report and objective discrimination as categorical decisions in a vast representational space
Albraikan et al. Toward user-independent emotion recognition using physiological signals
Loyola et al. Combining eye tracking and pupillary dilation analysis to identify Website Key Objects
Khan et al. Towards estimating computer users’ mood from interaction behaviour with keyboard and mouse
Koul et al. Doing it your way: How individual movement styles affect action prediction
WO2023112384A1 (ja) 計算機システム及び情動推定方法
Cascone et al. Pupil size as a soft biometrics for age and gender classification
Wampfler et al. Affective state prediction in a mobile setting using wearable biometric sensors and stylus
US11928163B2 (en) Apparatus, method and computer program for creating digital memories for a particular person
KR101814961B1 (ko) 감성 동기화 기반의 사회 감성 추론 장치 및 그 방법
Tang et al. Eye movement prediction based on adaptive BP neural network
Nguyen et al. SECC: Simultaneous extraction of context and community from pervasive signals
JP2009066186A (ja) 脳活動状態推定方法および情報処理システム
Calapatia et al. Using body posture, movement and human activity to predict emotions
Albashiti et al. A novel neuro-fuzzy model to detect human emotions using different set of vital factors with performance index measure
Calero Fear classification using affective computing with physiological information and smart-wearables
Zanna et al. Clustering of physiological signals by emotional state, race, and sex
Konsolakis Physical activity recognition using wearable accelerometers in controlled and free-living environments
Saha et al. Towards Defining a Quality-Metric for Affective Feedback in an Intelligent Environment
US20220095081A1 (en) Detecting Abnormal Human Behavior By Using Data From User's Portable Devices
LI et al. Emotion and cognitive reappraisal based on GSR wearable sensor
Georgieva et al. Eye movement data analysis
EP3757950B1 (en) Method and system for selecting parameters of a design or security element of banknotes based on neuroanalysis
Rahmadani et al. Depression, anxiety, and stress disorders detection in students during the Covid-19 pandemic using Naïve Bayes algorithm
Vinothkanna et al. Investigation of problems faced during capturing of gait signals

Legal Events

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