KR101886221B1 - 라이프로그 데이터의 유사도 산출 방법 및 장치 - Google Patents

라이프로그 데이터의 유사도 산출 방법 및 장치 Download PDF

Info

Publication number
KR101886221B1
KR101886221B1 KR1020160135076A KR20160135076A KR101886221B1 KR 101886221 B1 KR101886221 B1 KR 101886221B1 KR 1020160135076 A KR1020160135076 A KR 1020160135076A KR 20160135076 A KR20160135076 A KR 20160135076A KR 101886221 B1 KR101886221 B1 KR 101886221B1
Authority
KR
South Korea
Prior art keywords
log data
life log
similarity
estimated activity
modified
Prior art date
Application number
KR1020160135076A
Other languages
English (en)
Other versions
KR20180020847A (ko
Inventor
조위덕
이규필
최선탁
이종익
Original Assignee
아주대학교 산학협력단
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 아주대학교 산학협력단 filed Critical 아주대학교 산학협력단
Priority to US15/655,430 priority Critical patent/US10776365B2/en
Publication of KR20180020847A publication Critical patent/KR20180020847A/ko
Application granted granted Critical
Publication of KR101886221B1 publication Critical patent/KR101886221B1/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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

라이프로그 데이터 생성부가, 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 사용자의 추정 활동 상태를 미리 정의한 추정 활동 테이블과 매칭함으로써, 적어도 하나의 추정 활동 상태를 소정의 시간 구간별로 표시한 복수개의 라이프로그 데이터를 일 단위(daily)별로 생성하는 단계, 변형 라이프로그 데이터 생성부가, 복수개의 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 복수개의 변형 라이프로그 데이터로 변환하는 단계 및 유사도 산출부가, 복수 개의 변형 라이프로그 데이터를 병합 시간 구간별로 상호 비교하여 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출하는 단계를 포함하는, 라이프로그 데이터의 유사도 산출 방법 및 이를 위한 라이프로그 데이터의 유사도 산출 장치에 관한 것이다.

Description

라이프로그 데이터의 유사도 산출 방법 및 장치{METHOD AND APPARATUS FOR CALCULATING SIMILARITY OF LIFE LOG DATA}
본 발명의 실시예들은 복수 개의 라이프로그 데이터 상호간의 유사도를 산출하기 위한 라이프로그 데이터의 유사도 산출 방법 및 그 장치에 관한 것이다.
최근 들어, 스마트 폰(Smart Phone), 스마트 패드(Smart Pad), 태플릿 PC(Tablet PC)를 비롯한 각종 스마트 기기들이 널리 보급되고 있으며, 이러한 스마트 기기들과 연동하여 작동하는 웨어러블 디바이스(Wearable Device)를 비롯한 각종 보조 기기들의 보급 또한 활발해지고 있다.
이러한 각종 스마트 기기 및 보조 기기들은 사용자의 위치 정보를 파악하기 위한 GPS 기능, 사용자의 동작 상태 정보를 파악하기 위한 활동 강도 측정 기능을 비롯하여 각종 기능들을 포함하기 때문에, 사용자들은 이러한 각종 스마트 기기 및 보조 기기들의 기능을 활용하여, 자신의 위치 정보, 자신의 동작 상태 정보를 비롯한 각종 정보들을 취득할 수 있게 되었다.
종래에는, 사용자들은 상술한 각종 정보들을 각각의 기기들로부터 개별적으로 취득하였기 때문에, 자신의 생활습관 등을 분석하고 관리하기 위해서는 각각의 기기들로부터 취득한 정보를 수기로 기록할 수 밖에 없었으며, 이러한 방식을 이용하는 경우, 사용자의 기억 등에 의존하게 되어 기록한 정보의 신뢰도가 떨어지는 문제가 있었다.
이러한 문제를 해결하기 위하여, 각종 스마트 기기 및 보조 기기들이 수집한 각종 정보를 종합하여, 개인의 일상 생활을 기록하는 라이프로그(Life Log)가 제안되었으며, 사용자들은 이러한 라이프로그를 활용하여 자신의 일상 생활을 전자적으로 기록할 수 있게 되었다.
그러나, 이러한 라이프로그를 활용하는 경우, 사용자는 자신의 일상 생활을 손쉽게 기록할 수 있으나, 복수 개의 라이프로그를 이용하여 자신의 생활 습관과 생활 패턴을 확인하기 위해서는 사용자가 직접 복수 개의 라이프로그를 대조하여 자신의 생활 습관과 생활 패턴을 확인해야 하는 문제점이 있어 왔다.
특히나, 국내 10대 사망원인의 통계를 살펴보면 국내 10대 사망원인 중 6가지(암, 심장질환, 뇌혈관질환, 폐렴, 당뇨병, 고혈압)가 생활 습관과 관련된 질병임을 알 수 있으며, 이러한 생활 습관과 관련된 질병은 세계보건기구(World Health Organization; WHO)의 발표에 따르면 개인의 생활 습관(lifestyle habit)을 관리하는 것만으로도 예방이 가능하기 때문에, 복수 개의 라이프로그를 비교하여 사용자의 생활 습관을 파악하는 것이 중요하다.
한국 공개특허공보 제10-2009-0112349호 (2009.10.28.)
본 발명의 목적은, 상기 문제점을 해결하기 위한 것으로, 복수 개의 변형 라이프로그 데이터 상호간의 유사도를 산출하여, 복수 개의 라이프로그를 서로 비교할 수 있도록 하기 위한 것이다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기한 목적을 달성하기 위하여 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법은 라이프로그 데이터 생성부가, 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 사용자의 추정 활동 상태를 미리 정의한 추정 활동 테이블과 매칭함으로써, 적어도 하나의 추정 활동 상태를 소정의 시간 구간별로 표시한 복수개의 라이프로그 데이터를 일 단위(daily)별로 생성하는 단계, 변형 라이프로그 데이터 생성부가, 복수개의 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 복수개의 변형 라이프로그 데이터로 변환하는 단계 및 유사도 산출부가, 복수 개의 변형 라이프로그 데이터를 병합 시간 구간별로 상호 비교하여 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출하는 단계를 포함한다.
일 실시예에 따르면, 동작 상태 정보는, 사용자의 동작 강도에 기초하여 선정된 특정 시간에서의 사용자의 동작 상태를 나타내는 정보이며, 동작 상태 정보는, 정적 상태 정보, 수면 상태 정보, 걷기 상태 정보 및 뛰기 상태 정보 중 적어도 하나의 상태 정보를 포함할 수 있다.
예를 들어, 변형 라이프로그 데이터는, 병합 시간 구간별로 적어도 하나의 추정 활동 상태 각각의 지속 시간을 표시하는 추정 활동 상태 벡터를 표시하는 데이터일 수 있다.
예컨대, 유사도를 산출하는 단계는, 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 상기 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하는 단계, 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 유사도의 최대값을 구간별 최대 유사도로서 선별하는 단계 및 선별된 구간별 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출하는 단계를 포함할 수 있다.
일 실시예에 따르면, 유사도를 산출하는 단계는, 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하는 단계, 구간별 유사도에 기설정된 구간별 가중치를 곱하여 구간별 가중 유사도를 산출하는 단계, 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별하는 단계 및 선별된 구간별 가중 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출하는 단계를 포함할 수 있다.
예컨대, 구간별 유사도는, 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터 상호 간의 코사인 유사도에 기초하여 산출될 수 있다.
일 실시예에 따르면, 기설정된 구간별 가중치는, 복수개의 변형 라이프로그 데이터 각각의 병합 시간 구간 상호 간의 시간차에 기초하여 설정될 수 있다.
예를 들어, 기설정된 구간별 가중치는, 복수개의 변형 라이프로그 데이터 각각의 병합 시간 구간 상호 간의 시간차가 12시간인 경우 최소값을 가지고, 시간차가 0시간 또는 23시간 59분인 경우 최대값을 가지되, 기설정된 구간별 가중치는, 병합 시간 구간 상호 간의 시간차가 12시간을 기준으로 0시간까지 감소하거나 12시간을 기준으로 23시간 59분까지 증가하는 경우, 선형 또는 비선형적으로 증가할 수 있다.
일 실시예에 따라, 변형 라이프로그 데이터는, 병합 시간 구간별로 적어도 하나의 추정 활동 상태 각각의 지속 시간에 기초하여 설정된 색상으로, 추정 활동 상태 각각을 구분 표시하는 데이터일 수 있다.
예컨대, 추정 활동 상태 각각은 날씨 정보, 기온 정보, 습도 정보, 조도 정보, 이산화탄소량 정보, 사용자의 심박 정보 중 적어도 하나의 부가 정보에 더 기초하여 구분된 복수의 세부 추정 활동 상태를 포함할 수 있다.
상기한 목적을 달성하기 위하여 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 장치는 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 사용자의 추정 활동 상태를 미리 정의한 추정 활동 테이블과 매칭함으로써, 적어도 하나의 추정 활동 상태를 소정의 시간 구간별로 표시한 복수개의 라이프로그 데이터를 일 단위(daily)별로 생성하는 라이프로그 데이터 생성부, 복수개의 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 복수개의 변형 라이프로그 데이터로 변환하는 변형 라이프로그 데이터 생성부 및 복수 개의 변형 라이프로그 데이터를 병합 시간 구간별로 상호 비교하여 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출하는 유사도 산출부를 포함한다.
예컨대, 변형 라이프로그 데이터는, 병합 시간 구간별로 적어도 하나의 추정 활동 상태 각각의 지속 시간을 표시하는 추정 활동 상태 벡터를 표시하는 데이터일 수 있다.
일 실시예에 따라, 유사도 산출부는, 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하고, 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 유사도의 최대값을 구간별 최대 유사도로서 선별하고, 선별된 구간별 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출할 수 있다.
예를 들어, 유사도 산출부는, 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하고, 구간별 유사도에 기설정된 구간별 가중치를 곱하여 구간별 가중 유사도를 산출하고, 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별하고, 선별된 구간별 가중 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출할 수 있다.
일 실시예에 따르면, 기설정된 구간별 가중치는, 복수개의 변형 라이프로그 데이터 각각의 병합 시간 구간 상호 간의 시간차에 기초하여 설정될 수 있다.
본 발명의 일 실시예에 따르면, 복수 개의 변형 라이프로그 데이터 상호간의 유사도를 산출하여, 복수 개의 라이프로그를 서로 비교하여, 사용자의 특정 일자에 대한 라이프로그와 유사한 다른 일자에 대한 라이프로그를 통해, 사용자의 생활 습관을 파악할 수 있다.
도 1은 본 발명의 실시예에 따른, 라이프로그 데이터의 유사도 산출 장치를 설명하기 위한 구성도이다.
도 2는 본 발명의 실시예에 따른, 라이프로그 데이터의 유사도 산출 방법을 설명하기 위한 순서도이다.
도 3은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법에서, 복수 개의 변형 라이프로그 데이터 상호 간의 라이프로그 유사도를 산출하는 단계를 설명하기 위한 순서도이다.
도 4는 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 추정 활동 테이블의 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 생성된 라이프로그 데이터의 일 실시예를 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 변환된 변형 라이프로그 데이터의 일 실시예를 설명하기 위한 도면이다.
도 7은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 산출된 구간별 유사도의 일 실시예를 설명하기 위한 도면이다.
도 8은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 구간별 가중치의 일 실시예를 설명하기 위한 도면이다.
도 9는 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 산출된 구간별 가중 유사도의 일 실시예를 설명하기 위한 도면이다.
도 10은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 선별된 구간별 가중 최대 유사도의 일 실시예를 설명하기 위한 도면이다.
도 11은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치를 통해 비교된 복수 개의 라이프로그 데이터간 라이프로그 유사도를 설명하기 위한 도면이다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 가장 바람직한 실시예를 첨부 도면을 참조하여 설명하기로 한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
이하, 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치를 첨부된 도면을 참조하여 상세하게 설명하면 아래와 같다.
도 1은 본 발명의 실시예에 따른, 라이프로그 데이터의 유사도 산출 장치를 설명하기 위한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른, 라이프로그 데이터의 유사도 산출 장치(100)는 라이프로그 데이터 생성부(110), 변형 라이프로그 데이터 생성부(120) 및 유사도 산출부(130)를 포함한다.
일 실시예에 따라, 도 1에 도시된 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 장치(100)는 위치 측정기(1)가 측정한 특정 사용자의 시간별 위치 정보와 동작 상태 측정기(2)가 측정한 특정 사용자의 시간별 동작 상태 정보를 전송받는 별도의 장치로 도시되었으나, 이 외에도, 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 장치(100)는 위치 측정기(1)에 포함되어 동작 상태 측정기(2)가 측정한 특정 사용자의 시간별 동작 상태 정보를 전송받는 위치 측정기(1)의 일부 구성을 의미하거나, 동작 상태 측정기(2)에 포함되어 위치 측정기(1)가 측정한 특정 사용자의 시간별 위치 정보를 전송받는 동작 상태 측정기(2)의 일부 구성을 의미할 수도 있다.
예를 들어, 위치 측정기(1)는 GPS 기능, 인터넷 기능을 비롯하여 각종 기능을 지원하는 스마트 폰, 스마트 패드, 태블릿 PC, 스마트 워치 및 각종 웨어러블 디바이스를 비롯하여 특정 사용자의 시간별 위치 정보를 측정하는 각종 장치를 의미할 수 있다.
예컨대, 동작 상태 측정기(2)는 가속도 센서, 중력 센서를 비롯한 각종 센서를 포함하는 스마트 폰, 스마트 패드, 태블릿 PC, 스마트 워치 및 각종 웨어러블 디바이스를 비롯하여 특정 사용자의 시간별 동작 강도를 측정하고, 측정된 동작 강도의 크기 값에 기초하여, 특정 사용자의 시간별 동작 상태를 추정하여 특정 사용자의 시간별 동작 상태 정보를 생성하는 각종 장치를 의미할 수 있다.
예를 들어, 동작 상태 측정기(2)는 특정 사용자의 시간별 동작 강도의 크기에 하나 이상의 임계값을 적용하여, 특정 사용자의 특정 시간에 대한 동작 상태 정보를 생성할 수 있다.
예컨대, 특정 사용자의 특정 시간에 대한 동작 상태 정보는 사용자가 수면 중인 상태인 수면 상태 정보, 사용자가 걷는 상태인 걷기 상태 정보, 사용자가 뛰는 상태인 뛰기 상태 정보 및 사용자가 수면 중이지 않거나, 움직이지 않는 상태인 정적 상태 정보를 비롯하여 사용자의 동작 강도를 통해 추정할 수 있는 각종 동작 상태 정보를 의미할 수 있다.
예컨대, 동작 상태 측정기(2)가 사용자의 동작 강도를 활용하여 사용자의 동작 상태를 추정하는 방법은 종래에 공지된 각종 방법을 활용할 수 있으며, 이에 대한 구체적인 설명은 생략한다.
일 실시예에 따라, 스마트 폰, 스마트 패드, 태블릿 PC, 스마트 워치 및 각종 웨어러블 디바이스를 비롯한 각종 장치가, 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 모두 수집할 수 있는 장치인 경우, 위치 측정기(1) 및 동작 상태 측정기(2)는 하나의 장치에 함께 포함될 수도 있다.
예를 들어, 위치 측정기(1) 또는 동작 상태 측정기(2)가 스마트 폰, 스마트 패드, 태블릿 PC, 스마트 워치 및 각종 웨어러블 디바이스를 비롯하여, 날씨 정보, 기온 정보, 습도 정보, 조도 정보, 이산화탄소량 정보를 비롯한 각종 환경 정보, 사용자의 심박 정보를 비롯한 각종 사용자 생체 정보, 사용자의 식사 시간, 식사 횟수, 흡연 여부, 흡연 시간, 흡연 횟수 등을 비롯한 각종 기타 정보를 더 수집할 수 있는 장치인 경우, 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 장치(100)는 상술한 각종 환경 정보, 각종 사용자 생체 정보 및 각종 기타 정보를 더 활용하여 복수 개의 라이프로그 데이터 상호 간의 라이프로그 유사도를 산출할 수도 있다.
이제, 도 1을 계속 참조하여, 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 장치(100)를 설명한다.
라이프로그 데이터 생성부(110)는 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 사용자의 추정 활동 상태를 미리 정의한 추정 활동 테이블과 매칭함으로써, 적어도 하나의 추정 활동 상태를 소정의 시간 구간별로 표시한 복수개의 라이프로그 데이터를 일 단위(daily)별로 생성한다.
변형 라이프로그 데이터 생성부(120)는 복수개의 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 복수개의 변형 라이프로그 데이터로 변환한다.
예컨대, 변형 라이프로그 데이터는, 병합 시간 구간별로 적어도 하나의 추정 활동 상태 각각의 지속 시간을 표시하는 추정 활동 상태 벡터를 표시하는 데이터일 수 있다.
유사도 산출부(130)는 복수 개의 변형 라이프로그 데이터를 병합 시간 구간별로 상호 비교하여 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출한다.
일 실시예에 따라, 유사도 산출부(130)는, 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하고, 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 유사도의 최대값을 구간별 최대 유사도로서 선별하고, 선별된 구간별 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출할 수 있다.
예컨대, 유사도 산출부(130)는, 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하고, 구간별 유사도에 기설정된 구간별 가중치를 곱하여 구간별 가중 유사도를 산출하고, 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별하고, 선별된 구간별 가중 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출할 수 있다.
일 실시예에 따라, 기설정된 구간별 가중치는, 복수개의 변형 라이프로그 데이터 각각의 병합 시간 구간 상호 간의 시간차에 기초하여 설정될 수 있다.
본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 장치(100)의 각각의 구성들의 실시예에 대한 보다 구체적인 설명은 이하 도 2 내지 도 10을 참조하여 후술하도록 하며, 중복되는 설명은 생략한다.
도 2는 본 발명의 실시예에 따른, 라이프로그 데이터의 유사도 산출 방법을 설명하기 위한 순서도이다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른, 라이프로그 데이터의 유사도 산출 방법은 추정 활동 상태를 시간 구간별로 표시한 복수 개의 라이프로그 데이터를 일 단위 별로 생성하는 단계(S210), 복수 개의 라이프로그 데이터를 복수 개의 변형 라이프로그 데이터로 변환하는 단계(S230) 및 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출하는 단계(S250)를 포함한다.
S210 단계에서, 라이프로그 데이터 생성부(110)는, 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 사용자의 추정 활동 상태를 미리 정의한 추정 활동 테이블과 매칭함으로써, 적어도 하나의 추정 활동 상태를 소정의 시간 구간별로 표시한 복수개의 라이프로그 데이터를 일 단위(daily)별로 생성한다.
일 실시예에 따라, 시간별 위치 정보는 위치 측정기(1)가 측정한 특정 사용자가 특정 시간에 위치한 각종 장소에 대한 시간별 위치 정보를 의미할 수 있다.
예를 들어, 동작 상태 정보는, 사용자의 동작 강도에 기초하여 선정된 특정 시간에서의 사용자의 동작 상태를 나타내는 정보이며, 동작 상태 정보는, 정적 상태 정보, 수면 상태 정보, 걷기 상태 정보 및 뛰기 상태 정보 중 적어도 하나의 상태 정보를 포함할 수 있다.
예를 들어, 정적 상태 정보는 특정 사용자가 움직임이 없는 상태를 나타내는 동작 상태 정보를 의미할 수 있다.
일 실시예에 따라, 정적 상태 정보는 사용자의 동작 상태 정보 중에서 수면 상태 정보, 걷기 상태 정보 및 뛰기 상태 정보 중 어느 하나의 상태에 포함되지 않는 사용자의 동작 상태 정보를 의미할 수 있다.
예컨대, 수면 상태 정보는 사용자가 수면 중인 상태에서 측정된 동작 강도에 기초하여 선정된 특정 사용자의 수면 상태에 대한 동작 상태 정보를 의미할 수 있다.
예를 들어, 걷기 상태 정보는 사용자가 걷는 중인 상태에서 측정된 동작 강도에 기초하여 선정된 특정 사용자의 걷는 상태에 대한 동작 상태 정보를 의미할 수 있다.
일 실시예에 따라, 뛰기 상태 정보는 사용자가 뛰는 중인 상태에서 측정된 동작 강도에 기초하여 선정된 특정 사용자의 뛰는 상태에 대한 동작 상태 정보를 의미할 수 있다.
이제 도 2 및 도 4를 동시에 참조하여, S210 단계에서, 추정 활동 상태가 9개인 경우를 예로 들어 추정 활동 테이블에 대한 설명과 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 추정 활동 테이블과 매칭하는 방법에 대한 설명을 계속한다.
도 4는 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 추정 활동 테이블의 일 실시예를 설명하기 위한 도면이다.
일 실시예에 따라, 도 4에 도시된 바와 같이, 추정 활동 상태가 9개인 경우, 추정 활동 테이블은 제1 추정 활동 상태인 수면 상태, 제2 추정 활동 상태인 정적 상태, 제3 추정 활동 상태인 걷기 상태, 제4 추정 활동 상태인 뛰기 상태, 제5 추정 활동 상태인 휴식 상태, 제6 추정 활동 상태인 업무 상태, 제7 추정 활동 상태인 운동 상태, 제8 추정 활동 상태인 차량 탑승 상태, 제9 추정 활동 상태인 강의 상태 중 적어도 하나의 상태를 포함할 수 있다.
예컨대, 라이프로그 데이터 생성부(110)가 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 수면 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 수면 상태 정보를 추정 활동 테이블의 제1 추정 활동 상태인 수면 상태에 매칭하여, 특정 시간에서 특정 사용자는 수면 상태임을 추정할 수 있다.
일 실시예에 따라, 라이프로그 데이터 생성부(110)가 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 정적 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 정적 상태 정보를 추정 활동 테이블의 제2 추정 활동 상태인 정적 상태에 매칭하여, 특정 시간에서 특정 사용자는 움직이지 않는 정적인 상태임을 추정할 수 있다.
일 실시예에 따라, 라이프로그 데이터 생성부(110)가 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 걷기 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 걷기 상태 정보를 추정 활동 테이블의 제3 추정 활동 상태인 걷기 상태에 매칭하여, 특정 시간에서 특정 사용자는 걷고 있는 상태임을 추정할 수 있다.
예컨대, 라이프로그 데이터 생성부(110)가 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 뛰기 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 뛰기 상태 정보를 추정 활동 테이블의 제4 추정 활동 상태인 뛰기 상태에 매칭하여, 특정 시간에서 특정 사용자는 뛰고 있는 상태임을 추정할 수 있다.
일 실시예에 따라, 라이프로그 데이터 생성부(110)가 위치 측정기(1)로부터 전송 받은 특정 시간에서 특정 사용자의 위치 정보가 미리 저장된 특정 사용자의 집(Home)의 위치 정보와 일치하고, 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 정적 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 위치 정보 및 동작 상태 정보를 추정 활동 테이블의 제5 추정 활동 상태인 휴식 상태에 매칭하여, 특정 시간에서 특정 사용자는 집에서 휴식 중인 상태임을 추정할 수 있다.
일 실시예에 따라, 라이프로그 데이터 생성부(110)가 위치 측정기(1)로부터 전송 받은 특정 시간에서 특정 사용자의 위치 정보가 미리 저장된 특정 사용자의 근무지의 위치 정보와 일치하고, 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 정적 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 위치 정보 및 동작 상태 정보를 추정 활동 테이블의 제6 추정 활동 상태인 업무 상태에 매칭하여, 특정 시간에서 특정 사용자는 근무지에서 업무 중인 상태임을 추정할 수 있다.
예컨대, 라이프로그 데이터 생성부(110)가 위치 측정기(1)로부터 전송 받은 특정 시간에서 특정 사용자의 위치 정보가 미리 저장된 특정 사용자가 이용하는 체육관의 위치 정보와 일치하는 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 위치 정보를 추정 활동 테이블의 제7 추정 활동 상태인 운동 상태에 매칭하여, 특정 시간에서 특정 사용자는 체육관에서 운동 중인 상태임을 추정할 수 있다.
일 실시예에 따라, 라이프로그 데이터 생성부(110)가 위치 측정기(1)로부터 전송 받은 특정 시간에서 특정 사용자의 위치 정보와 대응되는 위치 정보가 저장되어 있지 않고, 특정 시간에서 특정 사용자의 위치 정보가 실외에 대한 위치 정보이며, 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 정적 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 위치 정보 및 동작 상태 정보를 추정 활동 테이블의 제8 추정 활동 상태인 차량 탑승 상태에 매칭하여, 특정 시간에서 특정 사용자는 실외에서 차량에 탑승 중인 상태임을 추정할 수 있다.
일 실시예에 따라, 라이프로그 데이터 생성부(110)가 위치 측정기(1)로부터 전송 받은 특정 시간에서 특정 사용자의 위치 정보가 미리 저장된 특정 사용자가 재학 중인 학교의 위치 정보와 일치하고, 동작 상태 측정기(2)로부터 전송받은 특정 시간에서 특정 사용자의 동작 상태 정보가 정적 상태 정보인 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자에 대한 위치 정보 및 동작 상태 정보를 추정 활동 테이블의 제9 추정 활동 상태인 강의 상태에 매칭하여, 특정 시간에서 특정 사용자는 학교에서 강의를 듣고 있는 상태임을 추정할 수 있다.
상술한 추정 활동 상태에 대한 9가지의 예시 이외에도, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자의 위치 정보가 미리 저장된 영화관의 위치 정보와 일치하고, 동작 상태 정보가 정적 상태 정보인 경우, 특정 시간에서 특정 사용자는 영화관에서 영화를 보고 있는 상태임을 추정하는 등 특정 사용자에 대한 각종 추정 활동 상태를 더 추정할 수도 있다.
예를 들어, 라이프로그 데이터 생성부(110)는 사용자의 시간별 위치 정보 및 사용자의 시간별 동작 상태 정보를 통해 추정할 수 있는 특정 시간에서 특정 사용자의 각종 추정 활동 상태를 추정할 수도 있으며, 본 발명의 실시예에 따른 추정 활동 상태는 도 4에 도시된 9가지 상태로 한정되지 않는다.
일 실시예에 따라, S210 단계에서, 라이프로그 데이터 생성부(110)는 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 추정 활동 테이블과 매칭한 결과를 소정의 시간 구간별로 시계열적으로 표시한 라이프로그 데이터를 일 단위(daily) 별로 복수 개 생성할 수 있다.
이제 도 2 및 도 5를 동시에 참조하여, 추정 활동 상태가 9개이고 라이프로그 데이터를 생성하기 위한 소정의 시간 구간이 1분인 경우를 예로 들어, S210 단계에서 라이프로그 데이터 생성부(110)가 생성한 라이프로그 데이터에 대해 설명한다.
도 5는 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 생성된 라이프로그 데이터의 일 실시예를 설명하기 위한 도면이다.
도 5에 도시된 바와 같이, 본 발명의 일 실시예에 따른 라이프로그 데이터는 가로축을 1분 단위로 하는 시간축으로 설정하고, 세로축을 제1 추정 활동 상태 내지 제9 추정 활동 상태로 설정한 데이터를 의미할 수 있다.
일 실시예에 따르면, 라이프로그 데이터 생성부(110)는 라이프로그 데이터를 일 단위(daily) 별로 복수 개 생성할 수 있으며, 이 경우, 하루는 총 1440분이기 때문에 각각의 라이프로그 데이터는 총 1440개의 시간 구간을 가질 수 있다.
예를 들어, 도 5에 도시된 바와 같이, 라이프로그 데이터는 특정 시간 구간에 대한 특정 사용자의 추정 활동 상태를 각각 나타내는 데이터일 수 있다.
도 5에 도시된 바와 같은 라이프로그 데이터의 실시예에서, 200번째 시간 구간에서 특정 사용자의 추정 활동 상태는 제5 추정 활동 상태인 휴식 상태를 의미할 수 있으며, 마찬가지로 400번째 시간 구간에서 특정 사용자의 추정 활동 상태는 제1 추정 활동 상태인 수면 상태를 의미할 수 있다.
일 실시예에 따르면, S210 단계에서 라이프로그 데이터 생성부(110)는 특정 일자에 대한 일 단위 라이프로그 데이터와 다른 일자에 대한 일 단위 라이프로그 데이터를 각각 생성할 수 있다.
이제 도 2를 계속 참조하여, S230 단계에 대해 설명한다.
S230 단계에서, 변형 라이프로그 데이터 생성부(120)는, 복수개의 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 복수개의 변형 라이프로그 데이터로 변환한다.
예를 들어, S230 단계가 진행되는 이유는, 복수 개의 라이프로그 데이터 중 특정 일자에 대한 라이프로그 데이터인 제1 라이프로그 데이터와 다른 일자에 대한 라이프로그 데이터인 제2 라이프로그 데이터를 비교하기 위하여 유사도를 산출(S250)함에 있어서, 제1 라이프로그 데이터의 전체 데이터와 제2 라이프로그 데이터의 전체 데이터 간 유사도를 산출하는 경우, 추정 활동 상태별 유사도는 산출할 수 있으나, 추정 활동 상태 간 천이 정보에 대한 유사도를 산출할 수 없으며, 제1 라이프로그 데이터의 시간 구간 각각에 대한 데이터와 제2 라이프로그 데이터의 시간 구간 각각에 대한 데이터 상호 간 유사도를 산출하는 경우, 연산 과정이 복잡해질 수 있기 때문이다.
이제 도 2 및 도 6을 동시에 참조하여, S230 단계에서, 변형 라이프로그 데이터 생성부(120)가 도 5에 도시된 1440개의 시간 구간을 가지는 라이프로그 데이터에서 30개의 연속된 시간 구간을 각각 병합하여 총 48개의 병합 시간 구간을 가지는 변형 라이프로그 데이터로 변환하는 일 실시예에 대해 설명한다.
도 6은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 변환된 변형 라이프로그 데이터의 일 실시예를 설명하기 위한 도면이다.
도 6에 도시된 바와 같이, 본 발명의 일 실시예에 따른 변형 라이프로그 데이터는 가로축을 30분 단위로 하는 시간축으로 설정하고, 세로축을 제1 추정 활동 상태 내지 제9 추정 활동 상태로 설정한 데이터를 의미할 수 있다.
일 실시예에 따르면, 변형 라이프로그 데이터 생성부(120)는 변형 라이프로그 데이터를 일 단위(daily) 별로 복수 개 생성할 수 있으며, 가로축을 30분 단위로 하는 시간축으로 설정하는 경우, 변형 라이프로그 데이터는 총 48개의 병합 시간 구간을 가질 수 있다.
예컨대, 변형 라이프로그 데이터 생성부(120)가 생성한 변형 라이프로그 데이터가 가로축을 1시간 단위로 하는 시간축으로 설정하는 경우, 변형 라이프로그 데이터는 총 24개의 병합 시간 구간을 가질 수 있으며, 본 발명은 병합 시간 구간의 크기에 한정되지 않는다.
도 6에 도시된 바와 같이, 변형 라이프로그 데이터 생성부(120)가 생성한 변형 라이프로그 데이터는 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 데이터이기 때문에, 변형 라이프로그 데이터는 각각의 병합 시간 구간에 포함된 하나 이상의 추정 활동 상태를 각각의 병합 시간 구간에 구분하여 표시할 수 있도록 설정될 수 있다.
예컨대, 도 5에 도시된 1분 단위의 라이프로그 데이터에서 30개의 연속된 시간 구간을 각각 병합하여 도 6에 도시된 30분 단위의 병합 시간 구간을 가지는 변형 라이프로그 데이터를 생성하는 경우, 변형 라이프로그 데이터의 각각의 병합 시간 구간에는 최대 30개의 추정 활동 상태가 포함될 수 있으며, 변형 라이프로그 데이터는 각각의 병합 시간 구간에 포함된 최대 30개의 추정 활동 상태를 각각의 병합 시간 구간에 구분하여 표시할 수 있도록 설정될 수 있다.
일 실시예에 따르면, S230 단계에서 생성된, 변형 라이프로그 데이터는, 병합 시간 구간별로 적어도 하나의 추정 활동 상태 각각의 지속 시간에 기초하여 설정된 색상으로, 추정 활동 상태 각각을 구분 표시하는 데이터일 수 있다.
이제 도 6을 계속 참조하여, 변형 라이프로그 데이터의 각각의 병합 시간 구간이 30분 단위 일 때, 각각의 병합 시간 구간에 포함된 하나 이상의 추정 활동 상태의 지속 시간에 기초하여 설정된 색상으로 추정 활동 상태를 구분 표시하는 일 실시예를 설명한다.
예를 들어, 도 6에 도시된 바와 같이, 15번째 병합 시간 구간에는 총 30분 간 지속된 제1 추정 활동 상태에 대하여 제1 추정 활동 상태의 지속 시간인 30분을 표시하는 색상인 제1 색상이 표시될 수 있다.
마찬가지로, 도 6에 도시된 바와 같이, 25번째 병합 시간 구간에는 총 3분간 지속된 제2 추정 활동 상태에 대하여 제2 추정 활동 상태의 지속 시간인 3분을 표시하는 색상인 제2 색상이 표시될 수 있고, 총 27분간 지속된 제3 추정 활동 상태에 대하여 제 3 추정 활동 상태의 지속 시간인 27분을 표시하는 색상인 제3 색상이 표시될 수 있다.
여기서, 도 6의 우측에 세로 막대 형태로 도시된, 추정 활동 상태의 지속 시간별로 설정된 푸른색, 붉은색 등의 색상은 일 실시예로, 본 발명의 실시예에 따른 변형 라이프로그 데이터는 각각의 병합 시간 구간에 포함된 하나 이상의 추정 활동 상태를 서로 구분하기 위한 각종 색상을 사용할 수 있으며, 본 발명의 실시예에 따른 변형 라이프로그 데이터는 도 6의 우측 세로 막대 형태로 도시된 색상들에 한정되지 않는다.
일 실시예에 따르면, S230 단계에서 생성된, 변형 라이프로그 데이터는, 병합 시간 구간별로 적어도 하나의 추정 활동 상태 각각의 지속 시간을 표시하는 추정 활동 상태 벡터를 표시하는 데이터일 수 있다.
예를 들어, 추정 활동 상태 벡터는 변형 라이프로그 데이터에 포함된 추정 활동 상태의 개수만큼의 차원을 가지고, 각각의 추정 활동 상태의 지속 시간을 그 값으로 하는 벡터를 의미할 수 있다.
예컨대, 변형 라이프로그 데이터에 총 9개의 추정 활동 상태가 포함된 경우, 추정 활동 상태 벡터는 (제1 추정 활동 상태의 지속 시간, 제2 추정 활동 상태의 지속 시간, ... , 제9 추정 활동 상태의 지속 시간)의 형태로 표시될 수 있다.
예를 들어, 도 6에 도시된, 15번째 병합 시간 구간에 대한 추정 활동 상태 벡터는 (30, 0, 0, 0, 0, 0, 0, 0, 0)과 같이 표시될 수 있으며, 25번째 병합 시간 구간에 대한 추정 활동 상태 벡터는 (0, 3, 27, 0, 0, 0, 0, 0, 0)과 같이 표시될 수 있다.
이제, 도 2를 계속 참조하여, S250 단계에 대해 설명한다.
S250 단계에서, 유사도 산출부(130)는, 복수 개의 변형 라이프로그 데이터를 병합 시간 구간별로 상호 비교하여 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출한다.
일 실시예에 따르면, S250 단계는, 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하는 단계, 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 유사도의 최대값을 구간별 최대 유사도로서 선별하는 단계 및 선별된 구간별 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출하는 단계를 포함할 수 있다.
여기서, S250 단계에 포함된, 구간별 유사도를 산출하는 단계, 구간별 최대 유사도로서 선별하는 단계 및 라이프로그 유사도를 산출하는 단계 각각에 대한 보다 구체적인 설명은 이하 도 3을 참조하여 후술하도록 하며, 중복되는 설명은 생략한다.
이제 도 3을 참조하여, S250 단계의 일 실시예에 대하여 보다 상세히 설명하도록 한다.
도 3은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법에서, 복수 개의 변형 라이프로그 데이터 상호 간의 라이프로그 유사도를 산출하는 단계를 설명하기 위한 순서도이다.
도 3에 도시된 바와 같이, S250 단계의 일 실시예는 복수 개의 변형 라이프로그 데이터 각각의 구간별 유사도를 산출하는 단계(S251), 구간별 유사도에 구간별 가중치를 곱하여 구간별 가중 유사도를 산출하는 단계(S253), 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별하는 단계(S255) 및 구간별 가중 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출하는 단계(S257)를 포함한다.
예를 들어, 도 3에 도시된 S250 단계의 일 실시예는 도 2에서 설명한 S250 단계에 포함된 구간별 유사도를 산출하는 단계, 구간별 최대 유사도로서 선별하는 단계 및 라이프로그 유사도를 산출하는 단계를 포함하되, 상술한 S253 단계를 더 포함하는 실시예일 수 있다.
S251 단계에서, 유사도 산출부(130)는 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출한다.
예를 들어, S251 단계에서, 유사도 산출부(130)는 복수 개의 변형 라이프로그 데이터 중 비교의 기준이 되는 레퍼런스(reference) 변형 라이프로그 데이터인 제1 변형 라이프로그 데이터의 병합 시간 구간 각각에 대한 추정 활동 상태 벡터와 복수 개의 변형 라이프로그 데이터 중 비교의 대상이 되는 변형 라이프로그 데이터인 제2 변형 라이프로그 데이터의 병합 시간 구간 각각에 대한 추정 활동 상태 벡터 상호간의 구간별 유사도를 각각 산출할 수 있다.
예컨대, S251 단계에서, 제1 변형 라이프로그 데이터와 제2 변형 라이프로그 데이터가 각각 48개의 병합 시간 구간을 가지는 경우, 유사도 산출부(130)는 48×48개의 구간별 유사도를 각각 산출할 수 있다.
일 실시예에 따르면, 구간별 유사도는, 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터 상호 간의 코사인 유사도에 기초하여 산출될 수 있다.
예컨대, 구간별 유사도가 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터 상호 간의 코사인 유사도에 기초하여 산출되는 경우, 구간별 유사도는 아래 수학식 1을 통해 산출될 수 있다.
[수학식 1]
Figure 112016100914400-pat00001
이때,
Figure 112016100914400-pat00002
는 제1 변형 라이프로그 데이터의 특정 병합 시간 구간에 대한 추정 활동 상태 벡터,
Figure 112016100914400-pat00003
는 제2 변형 라이프로그 데이터의 특정 병합 시간 구간에 대한 추정 활동 상태 벡터이다.
일 실시예에 따르면, 각각의 추정 활동 상태 벡터인
Figure 112016100914400-pat00004
및
Figure 112016100914400-pat00005
는 모두 양의 벡터이기 때문에 산출된 구간별 유사도는 0 내지 1의 사이 값으로 나타날 수 있다.
일 실시예에 따르면, 복수개의 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터 상호 간의 구간별 유사도는, 상대-백분율-정확도(Relative(Percent) Accuracy) 방법, 교차 상관(Cross Correlation) 방법, 합성 곱(Convolution) 방법, 잔차 제곱 합(Residual Sum of Squares) 산출 방법, 평균 제곱근 오차(Root Mean Square) 산출 방법, 최소 절대 편차(Least Absolute Deviation) 산출 방법, 평균 절대 오차(Mean Absolute Error) 산출 방법을 비롯하여 각종 유사도 산출 방법 또는 오차 산출 방법을 활용하여 산출될 수도 있다.
이제 도 3 및 도 7을 동시에 참조하여, S251 단계에서 48개의 병합 시간 구간을 가지는 특정 일자(2016년 07월 09일)에 대한 변형 라이프로그 데이터와 48개의 병합 시간 구간을 가지는 다른 일자(2016년 07월 10일)에 대한 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 총 48×48개의 구간별 유사도를 각각 산출하는 경우를 예로 들어, S251 단계의 일 실시예를 설명한다.
도 7은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 산출된 구간별 유사도의 일 실시예를 설명하기 위한 도면이다.
상술한 예시의 경우, S251 단계에서 총 48×48개의 구간별 유사도를 각각 산출한 결과는 도 7에 도시된 바와 같이 나타날 수 있다.
이때, 도 7에서는, 0 내지 1의 사이값을 가지는 구간별 유사도 각각에 대한 식별의 편의를 위하여, 구간별 유사도를 도 7의 우측에 세로 막대 형태로 도시된 색상을 활용하여 표현하였으나, 본 발명의 실시예에 따른 구간별 유사도는 도 7의 우측 세로 막대 형태로 도시된 색상에 한정되지 않는다.
상술한 예시의 경우, S251 단계에서 구간별 유사도 산출 결과는 도 7에 도시된 바와 같이 표현될 수 있으며, 특정 일자(2016년 07월 09일)에 대한 변형 라이프로그 데이터의 15번째 병합 시간 구간의 추정 활동 상태 벡터와 다른 일자(2016년 07월 10일)에 대한 변형 라이프로그 데이터의 10번째 병합 시간 구간의 추정 활동 상태 벡터 간의 구간별 유사도는 1로 산출될 수 있다.
다시 도 3을 참조하여, S253 단계에 대해 설명한다.
S253 단계에서, 유사도 산출부(130)는 구간별 유사도에 기설정된 구간별 가중치를 곱하여 구간별 가중 유사도를 산출한다.
일 실시예에 따르면, 기설정된 구간별 가중치는, 복수개의 변형 라이프로그 데이터 각각의 병합 시간 구간 상호 간의 시간차에 기초하여 설정될 수 있다.
예를 들어, 기설정된 구간별 가중치는, S251 단계에서 산출된 각각의 구간별 유사도를 산출하는 대상이 된 특정 변형 라이프로그 데이터의 특정 병합 시간 구간과 다른 변형 라이프로그 데이터의 특정 병합 시간 구간 상호간의 시간차에 기초하여 설정될 수 있다.
예를 들어, S253 단계에서 구간별 유사도에 기설정된 구간별 가중치를 부여하는 이유는, 복수개의 변형 라이프로그 데이터 각각에 포함된 하나 이상의 추정 활동 상태 상호 간의 발생 시각에 따른 유사도를 산출하기 위함일 수 있다.
예컨대, 특정 변형 라이프로그 데이터의 1 번째 병합 시간 구간에서 표시된 제1 추정 활동 상태와 다른 변형 라이프로그 데이터의 1 번째 병합 시간 구간에서 표시된 제1 추정 활동 상태는 서로 비슷한 시간대에 발생한 동일한 추정 활동 상태이기 때문에 높은 유사도가 산출되어야 하며, 특정 변형 라이프로그 데이터의 1 번째 병합 시간 구간에서 표시된 제1 추정 활동 상태와 다른 변형 라이프로그 데이터의 25 번째 병합 시간 구간에서 표시된 제1 추정 활동 상태는 서로 동일한 추정 활동 상태이지만, 서로 상이한 시간대에 발생한 추정 활동 상태이기 때문에 낮은 유사도가 산출되어야 할 수 있다.
예를 들어, 특정 사용자가 특정 일자의 오전 3시에 수면을 취하는 상태인 경우 해당되는 수면은 "밤잠"을 의미할 수 있으며, 특정 사용자가 다른 일자의 오후 3시에 수면을 취하는 상태인 경우 해당되는 수면은 "낮잠"을 의미할 수 있기 때문에, S253 단계에서 유사도 산출부(130)는 복수개의 변형 라이프로그 데이터 각각의 상기 병합 시간 구간 상호 간의 시간차에 기초하여 설정된 구간별 가중치를 구간별 유사도에 곱할 수 있다.
이제 도 3 및 도 8을 동시에 참조하여, 구간별 가중치의 일 실시예에 대해 설명한다.
도 8은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 구간별 가중치의 일 실시예를 설명하기 위한 도면이다.
예를 들어, 기설정된 구간별 가중치는, 복수개의 변형 라이프로그 데이터 각각의 병합 시간 구간 상호 간의 시간차가 12시간인 경우 최소값을 가지고, 시간차가 0시간 또는 23시간 59분인 경우 최대값을 가질 수 있다.
일 실시예에 따라, 기설정된 구간별 가중치는, 병합 시간 구간 상호 간의 시간차가 12시간을 기준으로 0시간까지 감소하거나 12시간을 기준으로 23시간 59분까지 증가하는 경우, 선형 또는 비선형적으로 증가할 수 있다.
도 8에 도시된 바와 같이, 일 실시예에 따른 구간별 가중치는, 특정 변형 라이프로그 데이터에 포함된 특정 병합 시간 구간과 다른 변형 라이프로그 데이터에 포함된 특정 병합 시간 구간의 시간차가 12시간인 경우 최소값을 가지고, 0시간 또는 23시간 59분인 경우 최대값을 가지도록 설정될 수 있다.
이는, 하루가 24시간이기 때문에, 특정 변형 라이프로그 데이터에 포함된 특정 병합 시간 구간과 다른 변형 라이프로그 데이터에 포함된 특정 병합 시간 구간의 시간차가 12시간인 경우 오전과 오후가 바뀐 반대의 시간대를 의미할 수 있기 때문이며, 시간차가 0시간 또는 23시간 59분인 경우 유사한 시간대를 의미할 수 있기 때문이다.
이때, 도 8에 도시된 시간차가 12시간인 경우를 기준으로, 시간차가 늘어나거늘 줄어들 때 구간별 가중치가 선형적으로 증가하는 형태의 구간별 가중치는 일 실시예이며, 본 발명의 실시예에 따른 구간별 가중치는 시간차가 12시간일 때 최소값을 가지고 0시간 또는 23시간 59분인 경우 최대값을 가지되 시간차가 12시간인 경우를 기준으로 시간차가 늘어나거늘 줄어들 때 구간별 가중치가 비선형적으로 증가하는 각종 형태를 가질 수도 있다.
이제 도 3 및 도 9를 동시에 참조하여, S253 단계에서 48개의 병합 시간 구간을 가지는 특정 일자(2016년 07월 09일)에 대한 변형 라이프로그 데이터와 48개의 병합 시간 구간을 가지는 다른 일자(2016년 07월 10일)에 대한 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 총 48×48개의 구간별 유사도에 병합 시간 구간 상호 간의 시간차에 기초한 구간별 가중치를 곱하는 경우를 예로 들어, S253 단계의 일 실시예를 설명한다.
도 9는 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치에서, 산출된 구간별 가중 유사도의 일 실시예를 설명하기 위한 도면이다.
상술한 예시의 경우, S253 단계에서 총 48×48개의 구간별 유사도에 구간별 가중치를 곱하여 구간별 가중 유사도를 각각 산출한 결과는 도 9에 도시된 바와 같이 나타날 수 있다.
이때, 도 9에서는, 0 내지 1의 사이값을 가지는 구간별 가중 유사도 각각에 대한 식별의 편의를 위하여, 구간별 가중 유사도를 도 9의 우측에 세로 막대 형태로 도시된 색상을 활용하여 표현하였으나, 본 발명의 실시예에 따른 구간별 가중 유사도는 도 9의 우측에 도시된 색상에 한정되지 않는다.
상술한 예시의 경우, S253 단계에서 구간별 가중 유사도 산출 결과는 도 9에 도시된 바와 같이 표현될 수 있으며, 예를 들어, 특정 일자(2016년 07월 09일)에 대한 변형 라이프로그 데이터의 20번째 병합 시간 구간의 추정 활동 상태 벡터와 다른 일자(2016년 07월 10일)에 대한 변형 라이프로그 데이터의 20번째 병합 시간 구간의 추정 활동 상태 벡터 간의 구간별 유사도에 구간별 가중치를 곱한 구간별 가중 유사도는 0으로 산출될 수 있다.
일 실시예에 따라, 도 9의 좌측 상단과 우측 하단을 연결하는 대각선을 기준으로 우측 상단의 영역에 대한 구간별 가중 유사도는 모두 0으로 산출되었으며, 이는 복수개의 변형 라이프로그 데이터 각각의 병합 시간 구간 상호 간의 시간차가 음수인 영역에 해당되기 때문이나, 본 발명은 이에 한정되지 않는다.
다시 도 3을 참조하여, S255 단계에 대해 설명한다.
S255 단계에서, 유사도 산출부(130)는 어느 하나의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별한다.
이제 도 3 및 도 10을 동시에 참조하여, S255 단계에서 48개의 병합 시간 구간을 가지는 특정 일자(2016년 07월 09일)에 대한 변형 라이프로그 데이터와 48개의 병합 시간 구간을 가지는 다른 일자(2016년 07월 10일)에 대한 변형 라이프로그 데이터 각각의 추정 활동 상태 벡터간의 유사도인 총 48×48개의 구간별 유사도에 병합 시간 구간 상호 간의 시간차에 기초한 구간별 가중치를 곱하여 산출된 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로 선별하는 경우를 예로 들어, S255 단계의 일 실시예를 설명한다.
예를 들어, 도 10에서는 도 9에 도시된 구간별 가중 유사도에서 다른 일자(2016년 07월 10일)에 대한 변형 라이프로그 데이터의 각각의 병합 시간 구간을 기준으로 병합 시간 구간별로 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별하였다.
다시 도 3을 참조하여, S257 단계에 대해 설명한다.
S257 단계에서, 유사도 산출부(130)는 선별된 구간별 가중 최대 유사도의 평균 값을 이용하여 라이프로그 유사도를 산출한다.
예를 들어, 라이프로그 유사도는 복수 개의 변형 라이프로그 데이터 상호간의 유사도를 의미할 수 있다.
일 실시예에 따라, 라이프로그 유사도는 아래 수학식 2를 통해 산출될 수 있다.
[수학식 2]
Figure 112016100914400-pat00006
이때, S는 라이프로그 유사도, si는 특정 변형 라이프로그 데이터의 i번째 병합 시간 구간에 대한 가중 최대 유사도, n은 특정 변형 라이프로그 데이터의 병합 시간 구간의 개수를 의미한다.
예를 들어, 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치가 복수 개의 라이프로그 데이터를 일 단위 별로 생성(S210)하기 위하여 이용하는, 추정 활동 상태 각각은 날씨 정보, 기온 정보, 습도 정보, 조도 정보, 이산화탄소량 정보, 사용자의 심박 정보 중 적어도 하나의 부가 정보에 더 기초하여 구분된 복수의 세부 추정 활동 상태를 포함할 수 있다.
예컨대, 복수 개의 라이프로그 데이터를 일 단위 별로 생성하기 위하여 라이프로그 데이터 생성부(110)가 부가 정보 중 날씨 정보를 이용하여 복수 개의 라이프로그 데이터를 생성하는 경우, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자의 위치 정보, 특정 시간에서 특정 사용자의 동작 상태 정보, 특정 시간의 날씨 정보를 모두 활용하여 복수 개의 라이프로그 데이터를 생성할 수 있다.
예컨대, 라이프로그 데이터 생성부(110)는 특정 시간에서 특정 사용자의 위치 정보가 미리 저장된 영화관의 위치 정보와 일치하고, 동작 상태 정보가 정적 상태 정보이며, 날씨 정보가 비가 내리는 것을 나타내는 정보인 경우, 특정 사용자는 특정 시간에 비가 내리는 경우 영화관에서 영화를 보는 상태임을 추정하는 등의 특정 사용자에 대한 세부 추정 활동 상태를 선정할 수도 있다.
예를 들어, 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치는 오늘의 현재 시간까지의 변형 라이프로그 데이터와 과거 특정 일자의 변형 라이프로그 데이터를 병합 시간 구간별로 상호 비교하여 라이프로그 유사도를 산출할 수도 있다.
이 경우, 사용자는 오늘의 현재 시간까지의 라이프로그 데이터와 나쁜 생활 습관을 보인 과거 특정 일자의 라이프로그 데이터 간의 유사성을 파악하여, 경각심을 가지게 되어 나쁜 생활 습관을 개선할 수 있는 효과가 있다.
예를 들어, 오늘의 현재 시간까지의 라이프로그 데이터가 야식을 먹은 과거 특정 일자의 라이프로그 데이터와 유사할 경우, 사용자는 오늘 야식을 먹을 가능성이 높은 것으로 판단할 수 있다.
예컨대, 오늘의 현재 시간까지의 라이프로그 데이터가 활동량이 부족했던 과거 특정 일자의 라이프로그 데이터와 유사할 경우, 사용자는 오늘의 활동량이 부족해질 것임을 예측할 수 있다.
이제, 도 11을 참조하여, 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치를 활용하여 산출된 라이프로그 유사도에 대해 설명한다.
도 11은 본 발명의 실시예에 따른 라이프로그 데이터의 유사도 산출 방법 및 장치를 통해 비교된 복수 개의 라이프로그 데이터간 라이프로그 유사도를 설명하기 위한 도면이다.
이때, 1일차(DAY1), 2일차(DAY2) 및 5일차(DAY5) 각각은 등산을 하지 않은 날이며, 3일차(DAY3) 및 4일차(DAY4) 각각은 등산을 한 날을 의미한다.
도 11에 도시된 바와 같이, 같은 날끼리의 라이프로그 유사도를 산출한 결과 모두 100%의 라이프로그 유사도를 보였으며, 등산을 한 날인 3일차(DAY3) 및 4일차(DAY4) 상호간의 라이프로그 유사도는 4일차(DAY4)를 기준으로 3일차(DAY3)의 라이프로그 유사도를 산출한 결과 70.20%의 라이프로그 유사도를 보였으며, 3일차(DAY3)를 기준으로 4일차(DAY4)의 라이프로그 유사도를 산출한 결과 78.07%의 라이프로그 유사도를 보였다.
이상에서 본 발명에 따른 바람직한 실시예에 대해 설명하였으나, 다양한 형태로 변형이 가능하며, 본 기술분야에서 통상의 지식을 가진 자라면 본 발명의 특허청구범위를 벗어남이 없이 다양한 변형예 및 수정예를 실시할 수 있을 것으로 이해된다.
1: 위치 측정기
2: 동작 상태 측정기
100: 라이프로그 데이터의 유사도 산출 장치
110: 라이프로그 데이터 생성부
120: 변형 라이프로그 데이터 생성부
130: 유사도 산출부

Claims (15)

  1. 라이프로그 데이터 생성부가, 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 상기 사용자의 추정 활동 상태를 미리 정의한 추정 활동 테이블과 매칭함으로써, 적어도 하나의 상기 추정 활동 상태를 소정의 시간 구간별로 표시한 복수개의 라이프로그 데이터를 일 단위(daily)별로 생성하는 단계;
    변형 라이프로그 데이터 생성부가, 상기 복수개의 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 복수개의 변형 라이프로그 데이터로 변환하는 단계; 및
    유사도 산출부가, 상기 복수 개의 변형 라이프로그 데이터를 상기 병합 시간 구간별로 상호 비교하여 상기 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출하는 단계를 포함하는, 라이프로그 데이터의 유사도 산출 방법.
  2. 제1항에 있어서,
    상기 동작 상태 정보는, 상기 사용자의 동작 강도에 기초하여 선정된 특정 시간에서의 상기 사용자의 동작 상태를 나타내는 정보이며,
    상기 동작 상태 정보는, 정적 상태 정보, 수면 상태 정보, 걷기 상태 정보 및 뛰기 상태 정보 중 적어도 하나의 상태 정보를 포함하는, 라이프로그 데이터의 유사도 산출 방법.
  3. 제1항에 있어서,
    상기 변형 라이프로그 데이터는,
    상기 병합 시간 구간별로 적어도 하나의 상기 추정 활동 상태 각각의 지속 시간을 표시하는 추정 활동 상태 벡터를 표시하는 데이터인, 라이프로그 데이터의 유사도 산출 방법.
  4. 제3항에 있어서,
    상기 유사도를 산출하는 단계는,
    상기 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 상기 복수개의 변형 라이프로그 데이터 각각의 상기 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하는 단계;
    어느 하나의 상기 병합 시간 구간을 기준으로 상기 병합 시간 구간별로 상기 구간별 유사도의 최대값을 구간별 최대 유사도로서 선별하는 단계; 및
    상기 선별된 구간별 최대 유사도의 평균 값을 이용하여 상기 라이프로그 유사도를 산출하는 단계를 포함하는, 라이프로그 데이터의 유사도 산출 방법.
  5. 제3항에 있어서,
    상기 유사도를 산출하는 단계는,
    상기 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 상기 복수개의 변형 라이프로그 데이터 각각의 상기 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하는 단계;
    상기 구간별 유사도에 기설정된 구간별 가중치를 곱하여 구간별 가중 유사도를 산출하는 단계;
    어느 하나의 상기 병합 시간 구간을 기준으로 상기 병합 시간 구간별로 상기 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별하는 단계; 및
    상기 선별된 구간별 가중 최대 유사도의 평균 값을 이용하여 상기 라이프로그 유사도를 산출하는 단계를 포함하는, 라이프로그 데이터의 유사도 산출 방법.
  6. 제4항 또는 제5항에 있어서,
    상기 구간별 유사도는,
    상기 복수개의 변형 라이프로그 데이터 각각의 상기 추정 활동 상태 벡터 상호 간의 코사인 유사도에 기초하여 산출되는, 라이프로그 데이터의 유사도 산출 방법.
  7. 제5항에 있어서,
    상기 기설정된 구간별 가중치는,
    상기 복수개의 변형 라이프로그 데이터 각각의 상기 병합 시간 구간 상호 간의 시간차에 기초하여 설정되는, 라이프로그 데이터의 유사도 산출 방법.
  8. 제7항에 있어서,
    상기 기설정된 구간별 가중치는, 상기 복수개의 변형 라이프로그 데이터 각각의 상기 병합 시간 구간 상호 간의 시간차가 12시간인 경우 최소값을 가지고, 상기 시간차가 0시간 또는 23시간 59분인 경우 최대값을 가지되,
    상기 기설정된 구간별 가중치는, 상기 병합 시간 구간 상호 간의 시간차가 12시간을 기준으로 0시간까지 감소하거나 12시간을 기준으로 23시간 59분까지 증가하는 경우, 선형 또는 비선형적으로 증가하는, 라이프로그 데이터의 유사도 산출 방법.
  9. 제1항에 있어서,
    상기 변형 라이프로그 데이터는,
    상기 병합 시간 구간별로 적어도 하나의 상기 추정 활동 상태 각각의 지속 시간에 기초하여 설정된 색상으로, 상기 추정 활동 상태 각각을 구분 표시하는 데이터인, 라이프로그 데이터의 유사도 산출 방법.
  10. 제1항에 있어서,
    상기 추정 활동 상태 각각은
    날씨 정보, 기온 정보, 습도 정보, 조도 정보, 이산화탄소량 정보, 상기 사용자의 심박 정보 중 적어도 하나의 부가 정보에 더 기초하여 구분된 복수의 세부 추정 활동 상태를 포함하는, 라이프로그 데이터의 유사도 산출 방법.
  11. 사용자의 시간별 위치 정보 및 시간별 동작 상태 정보를 상기 사용자의 추정 활동 상태를 미리 정의한 추정 활동 테이블과 매칭함으로써, 적어도 하나의 상기 추정 활동 상태를 소정의 시간 구간별로 표시한 복수개의 라이프로그 데이터를 일 단위(daily)별로 생성하는 라이프로그 데이터 생성부;
    상기 복수개의 라이프로그 데이터를 기설정된 개수의 연속된 시간 구간을 병합한 병합 시간 구간별로 표시한 복수개의 변형 라이프로그 데이터로 변환하는 변형 라이프로그 데이터 생성부; 및
    상기 복수 개의 변형 라이프로그 데이터를 상기 병합 시간 구간별로 상호 비교하여 상기 복수 개의 변형 라이프로그 데이터 상호간의 라이프로그 유사도를 산출하는 유사도 산출부를 포함하는, 라이프로그 데이터의 유사도 산출 장치.
  12. 제11항에 있어서,
    상기 변형 라이프로그 데이터는,
    상기 병합 시간 구간별로 적어도 하나의 상기 추정 활동 상태 각각의 지속 시간을 표시하는 추정 활동 상태 벡터를 표시하는 데이터인, 라이프로그 데이터의 유사도 산출 장치.
  13. 제12항에 있어서,
    상기 유사도 산출부는,
    상기 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 상기 복수개의 변형 라이프로그 데이터 각각의 상기 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하고, 어느 하나의 상기 병합 시간 구간을 기준으로 상기 병합 시간 구간별로 상기 구간별 유사도의 최대값을 구간별 최대 유사도로서 선별하고, 상기 선별된 구간별 최대 유사도의 평균 값을 이용하여 상기 라이프로그 유사도를 산출하는, 라이프로그 데이터의 유사도 산출 장치.
  14. 제12항에 있어서,
    상기 유사도 산출부는,
    상기 복수개의 변형 라이프로그 데이터 각각에서의 상호 동일한 병합 시간 구간과 상호 상이한 병합 시간 구간에 대하여 상기 복수개의 변형 라이프로그 데이터 각각의 상기 추정 활동 상태 벡터간의 유사도인 구간별 유사도를 산출하고, 상기 구간별 유사도에 기설정된 구간별 가중치를 곱하여 구간별 가중 유사도를 산출하고, 어느 하나의 상기 병합 시간 구간을 기준으로 상기 병합 시간 구간별로 상기 구간별 가중 유사도의 최대값을 구간별 가중 최대 유사도로서 선별하고, 상기 선별된 구간별 가중 최대 유사도의 평균 값을 이용하여 상기 라이프로그 유사도를 산출하는, 라이프로그 데이터의 유사도 산출 장치.
  15. 제14항에 있어서,
    상기 기설정된 구간별 가중치는,
    상기 복수개의 변형 라이프로그 데이터 각각의 상기 병합 시간 구간 상호 간의 시간차에 기초하여 설정되는, 라이프로그 데이터의 유사도 산출 장치.
KR1020160135076A 2016-08-19 2016-10-18 라이프로그 데이터의 유사도 산출 방법 및 장치 KR101886221B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US15/655,430 US10776365B2 (en) 2016-08-19 2017-07-20 Method and apparatus for calculating similarity of life log data

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20160105553 2016-08-19
KR1020160105553 2016-08-19

Publications (2)

Publication Number Publication Date
KR20180020847A KR20180020847A (ko) 2018-02-28
KR101886221B1 true KR101886221B1 (ko) 2018-08-08

Family

ID=61401506

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160135076A KR101886221B1 (ko) 2016-08-19 2016-10-18 라이프로그 데이터의 유사도 산출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101886221B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988698B (zh) * 2019-12-02 2024-09-17 阿里巴巴集团控股有限公司 一种数据处理方法以及装置
KR102530246B1 (ko) 2020-09-25 2023-05-09 경희대학교 산학협력단 적응적 개입을 위한 행동 상황 기반 라이프스타일 행동 모니터링 장치 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101349285B1 (ko) 2012-08-03 2014-01-13 공주대학교 산학협력단 상황인식 기반 사용자 감성인지를 통한 개인화 서비스 시스템
KR101604010B1 (ko) 2013-06-18 2016-03-16 아주대학교산학협력단 일반화된 라이프 스타일 모델링 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100956159B1 (ko) 2008-04-24 2010-05-06 한국과학기술연구원 라이프로그 장치 및 정보 자동 태그 입력 방법
KR101562247B1 (ko) * 2013-06-25 2015-10-23 아주대학교산학협력단 라이프 스타일 분석 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101349285B1 (ko) 2012-08-03 2014-01-13 공주대학교 산학협력단 상황인식 기반 사용자 감성인지를 통한 개인화 서비스 시스템
KR101604010B1 (ko) 2013-06-18 2016-03-16 아주대학교산학협력단 일반화된 라이프 스타일 모델링 장치 및 방법

Also Published As

Publication number Publication date
KR20180020847A (ko) 2018-02-28

Similar Documents

Publication Publication Date Title
US11417420B2 (en) Optical data capture of exercise data in furtherance of a health score computation
US20210090709A1 (en) Automated health data acquisition, processing and communication system
US8712108B2 (en) Information processing apparatus, information outputting method and computer program storage device
US8446275B2 (en) General health and wellness management method and apparatus for a wellness application using data from a data-capable band
KR101994598B1 (ko) 활동 리마인더를 갖는 활동 인식
US20120326873A1 (en) Activity attainment method and apparatus for a wellness application using data from a data-capable band
US20140085077A1 (en) Sedentary activity management method and apparatus using data from a data-capable band for managing health and wellness
US20150011845A1 (en) Biometric monitoring device having a body weight sensor, and methods of operating same
US20130141235A1 (en) General health and wellness management method and apparatus for a wellness application using data associated with data-capable band
US20140156228A1 (en) Method of data synthesis
US20140129007A1 (en) General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band
US20140129243A1 (en) General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band
CA2817341A1 (en) Nutrition management method and apparatus for a wellness application using data from a data-capable band
US20140129008A1 (en) General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band
US20140125493A1 (en) General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band
US20210020295A1 (en) Physical function independence support device of physical function and method therefor
WO2017122705A1 (ja) トレーニング分類システム、トレーニング分類方法およびトレーニング分類サーバ
US20140127649A1 (en) General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band
US20140125481A1 (en) General health and wellness management method and apparatus for a wellness application using data associated with a data-capable band
CN110709940A (zh) 用于预测传感器测量质量的方法、系统和介质
KR101886221B1 (ko) 라이프로그 데이터의 유사도 산출 방법 및 장치
US11647946B2 (en) Computer-readable recording medium recording display program, display method, and information processing device
US10776365B2 (en) Method and apparatus for calculating similarity of life log data
CN113076347A (zh) 移动终端上基于情绪的推送程序筛选系统及筛选方法
KR101274431B1 (ko) 설문 정보를 이용한 건강 상태 판단 장치 및 방법, 건강 분류 함수 생성 장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant