KR101909898B1 - 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램 - Google Patents

콘텐츠 우선순위 개인화 장치, 방법 및 프로그램 Download PDF

Info

Publication number
KR101909898B1
KR101909898B1 KR1020180070978A KR20180070978A KR101909898B1 KR 101909898 B1 KR101909898 B1 KR 101909898B1 KR 1020180070978 A KR1020180070978 A KR 1020180070978A KR 20180070978 A KR20180070978 A KR 20180070978A KR 101909898 B1 KR101909898 B1 KR 101909898B1
Authority
KR
South Korea
Prior art keywords
attribute
action
information
priority
content
Prior art date
Application number
KR1020180070978A
Other languages
English (en)
Other versions
KR20180091778A (ko
Inventor
노마이클명헌
Original Assignee
(주)망고플레이트
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 (주)망고플레이트 filed Critical (주)망고플레이트
Priority to KR1020180070978A priority Critical patent/KR101909898B1/ko
Publication of KR20180091778A publication Critical patent/KR20180091778A/ko
Application granted granted Critical
Publication of KR101909898B1 publication Critical patent/KR101909898B1/ko

Links

Images

Classifications

    • G06F17/3053—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

본 발명은 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램에 관한 것이다. 이를 위하여 특정 사용자에 관하여, 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 모듈; 액션-속성 코릴레이션 정보를 통하여 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 모듈; 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 모듈; 액션-속성 코릴레이션 정보와 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 모듈; 및 속성 가중치와 온라인 콘텐츠의 속성정보를 이용하여 온라인 콘텐츠의 우선순위를 계산하는 우선순위 모듈;이 제공될 수 있다.

Description

콘텐츠 우선순위 개인화 장치, 방법 및 프로그램{Content priority personalization apparatus, method and program}
본 발명은 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램에 관한 것이다.
망고플레이트와 같은 식당 정보제공 애플리케이션에는 특정 식당에 대해 적어도 하나 이상의 리뷰 방식의 온라인 콘텐츠가 구성될 수 있다. 도 1은 망고플레이트 애플리케이션의 특정 식당 페이지를 도시한 캡쳐 사진, 도 2는 망고플레이트 애플리케이션의 리뷰 페이지를 도시한 캡쳐 사진이다. 도 1, 2에 도시된 바와 같이 리뷰 방식의 온라인 콘텐츠인 리뷰 콘텐츠는 특정 식당에 대한 사용자의 설명으로서, 텍스트, 비디오, 오디오, 프레젠테이션, 또는 이미지를 수록한 멀티미디어 콘텐츠를 포함하는 다양한 디지털 콘텐츠를 포함할 수 있다. 망고플레이트와 같은 식당 정보제공 어플리케이션은 위와 같은 리뷰 콘텐츠로의 엑세스를 사용자 클라이언트에 제공한다.
사용자들은 클라이언트 장치, 가령 데스크톱 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨팅 장치, 또는 스마트폰과 같은 데이터-인에이블드 모바일 디바이스에서 동작하는 독립적(standalone) 애플리케이션(예컨대, 식당 정보제공 애플리케이션의 웹 페이지를 액세스할 수 있는 애플리케이션 또는 웹 브라우저 전용 모바일 애플리케이션)을 통해 식당 정보 및 그들의 관련 콘텐츠를 액세스한다. 이러한 리뷰 콘텐츠는 해당 리뷰 콘텐츠가 저장되는 식당의 마케팅과 식당 정보제공 서비스의 사용자 경험에 직접적인 영향을 주게 된다.
리뷰 콘텐츠는 망고플레이트와 같은 식당 정보제공 애플리케이션뿐만 아니라, 각종 정보를 제공해주는 웹/앱 서비스에 적용될 수 있다. 예를 들어 Amazon.com과 같은 커머스 서비스에서도 특정 제품에 대한 사용자들의 리뷰 콘텐츠를 확인할 수 있다. 사용자들은 이러한 리뷰 콘텐츠에서 해당 제품의 정보를 취득하고 구매 여부를 결정하게 되므로, 정보제공 서비스에서 리뷰 콘텐츠는 매우 중요한 역할을 한다.
대한민국 공개특허 10-2016-0106626, 페이스북, 인크.
정보제공 서비스에서 리뷰 콘텐츠는 사용자 경험에 매우 중요한 역할을 하고 있음에도 불구하고 이의 우선순위는 개인화되고 있지 않다. 또한, 사용자별 리뷰의 기호를 평가할 속성의 비교가 매우 모호하고 어려워서 리뷰 디스플레이를 개인화하는 것은 시도되고 있지 않다.
따라서 본 발명의 목적은, 정보제공 서비스에 있어서, 리뷰 콘텐츠에 우선순위를 설정하고 이러한 우선순위로 정보제공 서비스에서의 리뷰의 디스플레이를 개인화하기 위한 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램을 제공하는데에 있다.
이하 본 발명의 목적을 달성하기 위한 구체적 수단에 대하여 설명한다.
본 발명의 목적은, 특정 사용자에 관하여, 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 모듈; 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 모듈; 상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 모듈; 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 모듈; 및 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 모듈;을 포함하는, 콘텐츠 우선순위 개인화 장치를 제공하여 달성될 수 있다.
또한, 상기 대표액션 스코어링 모듈은, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 것을 특징으로 할 수 있다.
본 발명의 다른 목적은, 콘텐츠 우선순위 개인화 장치의 일구성인 액션-속성 코릴레이션 모듈이, 특정 사용자에 관하여 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성별 대표액션 설정 모듈이, 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 대표액션 스코어링 모듈이, 상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성 가중치 모듈이, 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 단계; 및 상기 콘텐츠 우선순위 개인화 장치의 일구성인 우선순위 모듈이, 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 단계;를 포함하는, 콘텐츠 우선순위 개인화 방법을 제공하여 달성될 수 있다.
또한, 상기 대표액션 스코어링 단계는, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 것을 특징으로 할 수 있다.
본 발명의 다른 목적은, 콘텐츠 우선순위 개인화 장치의 일구성인 액션-속성 코릴레이션 모듈이, 특정 사용자에 관하여 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성별 대표액션 설정 모듈이, 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 대표액션 스코어링 모듈이, 상기 대표액션이 전체 사용자의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 단계; 상기 콘텐츠 우선순위 개인화 장치의 일구성인 속성 가중치 모듈이, 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 단계; 및 상기 콘텐츠 우선순위 개인화 장치의 일구성인 우선순위 모듈이, 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위를 계산하는 우선순위 단계;를 포함하는, 콘텐츠 우선순위 개인화 방법을 컴퓨터 상에서 수행하는 기록매체에 저장된 프로그램을 제공하여 달성될 수 있다.
상기한 바와 같이, 본 발명에 의하면 이하와 같은 효과가 있다.
첫째, 본 발명의 일실시예에 따르면, 정보제공 서비스에서의 리뷰의 디스플레이가 개인화되는 효과가 발생된다.
둘째, 본 발명의 일실시예에 따르면, 리뷰에 포함되는 복수개의 속성과 복수개의 액션이 각각 비교되어 리뷰가 개인화될 수 있는 효과가 발생된다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 망고플레이트 애플리케이션의 특정 식당 페이지를 도시한 캡쳐 사진,
도 2는 망고플레이트 애플리케이션의 리뷰 페이지를 도시한 캡쳐 사진,
도 3은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 시스템을 도시한 것,
도 4는 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 장치를 구체적으로 도시한 모식도,
도 5는 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법의 흐름도,
도 6은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법을 도시한 흐름도,
도 7은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법의 흐름도이다.
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 쉽게 실시할 수 있는 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예에 대한 동작원리를 상세하게 설명함에 있어서 관련된 공지기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
또한, 도면 전체에 걸쳐 유사한 기능 및 작용을 하는 부분에 대해서는 동일한 도면 부호를 사용한다. 명세서 전체에서, 특정 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고, 간접적으로 연결되어 있는 경우도 포함한다. 또한, 특정 구성요소를 포함한다는 것은 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
콘텐츠 우선순위 개인화 시스템
도 3은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 시스템을 도시한 것이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 시스템(Content priority personalization system, 1)은 사용자 클라이언트(User Client, 10), 서버(Server, 12), 콘텐츠 우선순위 개인화 장치(Alternative Currency management apparatus, 13), 데이터베이스(Database, 14)를 포함할 수 있다.
네트워크는 사용자 클라이언트(10), 및 서버(12) 간의 통신 경로를 나타낸다. 일 실시예에서, 상기 네트워크는 인터넷이다. 또한, 상기 네트워크는 상기 인터넷의 필수적인 부분이 아닌, 전용 또는 프라이빗 통신 링크들(예를 들어, VPN, WAN, MAN 또는 LAN)을 이용할 수 있다. 상기 네트워크는 표준 통신 기술 및/또는 프로토콜을 이용한다.
사용자(User)는 상기 콘텐츠 우선순위 개인화 시스템(1)의 사용자의 한 유형이다. 사용자는 사용자 클라이언트(10)를 이용하여, 일련의 특정 파라미터들에 기초한 상기 콘텐츠 우선순위 개인화 시스템(1)으로부터 리뷰 콘텐츠 정보를 요청한다. 이어, 콘텐츠 우선순위 개인화 시스템(1)은, 상기 사용자로부터 제공된 액션 정보를 통해 가장 적합하게 계산되는 리뷰 우선순위 정보를 토대로 리뷰 콘텐츠의 리스트를 제공한다.
사용자 클라이언트(10)는, 사용자가 사용하는 이동단말기와 같은 클라이언트(Client)를 의미하고, 사용자와 콘텐츠 우선순위 개인화 시스템(1)의 상호작용을 위해 이용되는 구성이다. 사용자 클라이언트(10)는 퍼스널 컴퓨터(PC), 데스크톱 컴퓨터, 랩톱 컴퓨터, 노트북, 스마트폰, 기타 등등과 같은 컴퓨터이거나 이를 포함하는 장치가 될 수 있다. 컴퓨터는 하나 이상의 일반적이거나 특수한 목적의 프로세서, 메모리, 스토리지, 및 네트워킹 컴포넌트(유선 또는 무선)를 가진 장치이다. 상기 장치는, 예를 들어, Microsoft Windows-compatible 오퍼레이팅 시스템(OS), Apple OS X 또는 iOS, Linux 배포판, 또는 Google의 Android OS와 같은 오퍼레이팅 시스템을 실행할 수 있다. 일부 실시예들에서, 사용자 클라이언트(10)는, 상기 콘텐츠 우선순위 개인화 시스템(1)과 상호 작용하기 위한 인터페이스로서 Microsoft Internet Explorer, Mozilla Firefox, Google Chrome, Apple Safari 및/또는 Opera와 같은 웹 브라우저를 이용할 수 있다.
서버(12)는, 상기 사용자 클라이언트(10)에 기본 인터페이스를 형성하는 웹 페이지, 웹 컨텐츠 또는 앱 컨텐츠를 전달하는 장치를 의미하고, 본 발명에서는 사용자 클라이언트(10)와 콘텐츠 우선순위 개인화 장치(13) 사이의 데이터 통신 채널을 의미할 수 있다. 상기 사용자는, 리뷰 콘텐츠 정보의 제공과 관련된 하나 이상의 웹 페이지 또는 애플리케이션에 접근하기 위해, 그리고 콘텐츠 우선순위 개인화 장치(13)에 데이터를 제공하기 위해, 사용자 클라이언트(10)를 이용할 수 있다.
본 명세서에서, "데이터(data)"는 사용자에 대한 데이터, 리뷰 콘텐츠에 관한 데이터, 리뷰 콘텐츠가 연결되어 저장되는 온라인 콘텐츠에 대한 데이터(예를 들어, 식당 정보제공 서비스에서는 레스토랑 페이지), 액션에 대한 데이터(액션 정보), 속성 가중치에 대한 데이터를 포함하는 것으로 이해된다. 예를 들어, 사용자에 대한 데이터는 개인 식별 정보, 현재 위치 정보, 일정 정보, 소비한 리뷰 콘텐츠 정보, 소비한 온라인 콘텐츠 정보, 액션 정보, 세션 시간 정보, 친구 리스트 정보 등을 포함할 수 있다. 리뷰 콘텐츠에 관한 데이터는 사진 개수, 사진 품질, 호감도 수, 공유 수, 댓글 수, 댓글 길이, 액션 사용자 리스트, 사용자와 리뷰 작성자와의 관계 거리, 최신 정도 스코어, 리뷰 긍부정 스코어, 댓글 긍부정 스코어 등을 포함할 수 있다. 액션 정보는 호감도 정보, 클릭 정보, 댓글 정보, 체크인 정보, 체류시간 정보를 포함할 수 있다. 속성 가중치 데이터는 해당 리뷰 콘텐츠 정보, 해당 사용자 정보, 속성별 대표액션 정보, 대표액션 스코어 정보, 속성 가중치 정보를 포함할 수 있다. 본 명세서에서 용어 '데이터'는 용어 '정보'와 혼용될 수 있다. 본 명세서에서 용어 '온라인 콘텐츠'는 리뷰가 달릴 수 있는 정보 전달 페이지로서, 예를 들어 상점 정보제공 서비스에서의 온라인 콘텐츠는 상점 페이지가 될 수 있다. 본 명세서에서 용어 '리뷰 콘텐츠'는 온라인 콘텐츠에 달리는 리뷰의 정보를 의미할 수 있다. 리뷰에는 이미지, 텍스트 등이 포함될 수 있고, 좋아요 등 각종 액션이 적용될 수 있다.
본 명세서에서 '액션 정보'는, 특정 리뷰 콘텐츠에 대한 사용자의 액션을 지시하는 정보를 의미하는 것으로서, '좋아요'와 같은 호감도, 클릭, 체류시간, 체크인, 댓글 등을 포함할 수 있다. 본 명세서에서 '속성'은 특정 리뷰 콘텐츠의 특성을 나타내는 적어도 하나 이상의 요소를 의미하는 것으로, 사진 개수, 사진 품질, 호감도 수, 공유 수, 댓글 수, 댓글 길이, 액션 사용자 리스트, 사용자와 리뷰 작성자와의 관계 거리, 최신 정도 스코어, 리뷰 긍부정 스코어, 댓글 긍부정 스코어 등이 포함될 수 있다.
콘텐츠 우선순위 개인화 장치(13)는, 사용자 클라이언트(10)의 리뷰 콘텐츠에 대한 액션에 따라, 리뷰 콘텐츠에 대한 속성 중 어떤 속성을 기준으로 리뷰 콘텐츠의 추천 또는 우선순위의 설정을 수행할 것인지를 결정하고, 이러한 리뷰 우선순위 정보를 사용자 클라이언트(10)에 제공하는 구성이다. 콘텐츠 우선순위 개인화 장치(13)에는 액션 정보 수집 모듈, 액션-속성 코릴레이션(correlation) 모듈, 속성별 대표액션 설정 모듈, 전체 유저 대비 스코어 모듈, 속성 가중치 모듈, 리뷰 우선순위 모듈 등이 포함될 수 있다.
데이터베이스(14)는, 사용자 정보, 리뷰 콘텐츠, 액션 정보, 속성 가중치, 리뷰 우선순위 등에 대한 정보를 저장하고, 콘텐츠 우선순위 개인화 장치(13)에 제공하는 구성이다.
상기 콘텐츠 우선순위 개인화 시스템(1)은 사용자 클라이언트(10)의 리뷰 콘텐츠에 대한 액션에 따라, 리뷰 콘텐츠에 대한 속성 중 어떤 속성을 기준으로 리뷰 콘텐츠의 추천 또는 우선순위의 설정을 수행할 것인지를 결정하고, 이러한 리뷰 우선순위 정보를 사용자 클라이언트(10)가 제공받을 수 있도록 한다. 상기 콘텐츠 우선순위 개인화 시스템(1)은, 이하에서 기술되는 추가적인 컴포넌트들 및 모듈들을 포함한다.
도 4는 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 장치를 구체적으로 도시한 모식도이다. 도 4에 도시된 바와 같이, 본 발명의 일실시예에 다른 콘텐츠 우선순위 개인화 장치(13)는 액션정보 수집 모듈(131), 액션-속성 코릴레이션 모듈(132), 속성별 대표액션 설정 모듈(133), 대표액션 스코어링 모듈(134), 속성 가중치 모듈(135), 리뷰 우선순위 모듈(136)을 포함할 수 있다. 또한, 데이터베이스(14)는 사용자 정보 DB(141), 리뷰 콘텐츠 DB(142), 액션 정보 DB(143), 속성 가중치 DB(144), 리뷰 우선순위 DB(145)를 포함할 수 있다.
통상의 기술자들은 상기 콘텐츠 우선순위 개인화 시스템(1)이 본 문서에 기술되지 않은 다른 모듈들을 포함할 수 있다는 것을 이해할 것이다. 덧붙여, 방화벽, 인증 시스템, 결제 처리 시스템, 네트워크 관리 도구, 로드 밸런서 등과 같은 종래의 구성요소들은 본 발명에서 중요하지 않은 것이므로 도시되지 않았다. 상기 콘텐츠 우선순위 개인화 시스템(1)은 클라우드-기반 컴퓨터 구현을 포함하는 컴퓨터들의 네트워크, 또는 단일의 컴퓨터를 이용하여 구현될 수 있다. 상기 컴퓨터들은 바람직하게는 하나 이상의 고성능 CPU 및 1G 또는 그 이상의 메인 메모리를 포함하고, LINUX 또는 그것의 변형과 같은 오퍼레이팅 시스템을 구동하는 서버 클래스 컴퓨터들이다. 본 문서에서 기술된 상기 콘텐츠 우선순위 개인화 시스템(1)의 상기 작동은, 하드웨어 또는 비-일시적인 컴퓨터 스토리지 내에 설치된 컴퓨터 프로그램을 통하여 제어될 수 있고, 본 문서에서 기술된 상기 기능들을 수행하기 위한 상기 프로세서에 의해 실행될 수 있다. 상기 다양한 데이터베이스들은 비-일시적인 컴퓨터로 판독 가능한 스토리지 장치들과 데이터 접근 및 검색을 위한 적절한 데이터베이스 관리 시스템들을 이용하여 구현될 수 있다. 콘텐츠 우선순위 개인화 시스템(1)은, 여기서 기술된 상기 작동을 위해 필수적인 다른 하드웨어 구성요소들을 포함하고, 네트워크 인터페이스 및 프로토콜, 데이터 입력을 위한 입력 장치, 및 디스플레이, 인쇄, 또는 데이터의 다른 표현을 위한 출력 장치를 포함한다.
콘텐츠 우선순위 개인화 장치(13)의 구성 요소는 아래와 같이 구성될 수 있다.
사용자 정보 모듈(131)은 사용자 정보 DB(141)에 대한 사용자 정보의 입출력을 담당하는 모듈이다.
액션-속성 코릴레이션 모듈(132)은 액션정보와 리뷰 콘텐츠의 속성 정보 사이의 상관관계를 계산하는 모듈이다. 예를 들어, 본 발명의 일실시예에 따른 액션-속성 코릴레이션 모듈(132)은 주어진 날짜 또는 기간에 대해 특정 사용자의 액션정보의 특정 액션과 특정 속성 간의 상관관계(correlation)를 계산한다. 예를 들어, 액션-속성 코릴레이션 모듈(132)은 '사진의 개수'라는 속성과 특정 사용자의 '클릭'이라는 액션의 코릴레이션을 분석하여 추세의 유사성을 계산하게 된다.
상기 액션-속성 코릴레이션 모듈(132)의 실시예들은 일반적인 상관관계뿐만 아니라 기계 학습 예측 모델(machine learned, predictive model)을 이용할 수 있다. 일 실시예에서, 상기 예측 모델을 구성하기 위해, 서포트 벡터 머신(support vector machine)과 같은 지도식 기계 학습 알고리즘(supervised machine learning algorithm)이 이용되거나 클러스터링과 같은 비지도식 기계 학습 알고리즘(unsupervised machine learning algorithm) 또는 딥러닝(deep learning)과 강화학습을 결합한 반지도식 기계 학습 알고리즘(semi-supervised machine learning algorithm) 등이 이용될 수 있다. 다른 실시예에서, 예측 모델을 만들기 위해 신경망(neural network), 랜덤 포레스트(random forest) 또는 다른 지도식 학습 알고리즘과 같은 타 기계 학습 알고리즘이 이용될 수 있다. 본 발명의 일실시예에 따른 액션-속성 코릴레이션 모듈(132)은 특정 주기로(예를 들어, 최근 1주일을 moving average로), 액션정보와 속성의 정량적인 수치에 대해 상관관계를 계산하고, 예측되는 액션정보의 확률로 모델의 cost function을 업데이트할 수 있다. 이에 따르면, 예를 들어, 액션-속성 코릴레이션 모듈(132)은 사진의 개수라는 속성을 토대로 클릭이라는 액션정보가 얼마나 발생될지를 예측하는 것이 가능해진다. 이를 액션발생 가능성 정보로 명명할 수 있다. 이러한 상관관계 정보 또는 예측되는 액션발생 가능성 정보는, 속성별 대표액션 설정 모듈(133) 또는 리뷰 우선순위 모듈(136)에 의해 이용될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 액션-속성 코릴레이션 모듈(132)은 사진의 개수라는 속성과 체류시간이라는 액션 정보가 어느 정도의 상관관계 또는 어느 정도의 액션발생 가능성을 보이는지 계산할 수 있다.
속성별 대표액션 설정 모듈(133)은 리뷰 콘텐츠의 속성별로 리뷰 우선순위를 위해 대표적인 액션을 선정하는 모듈이다. 대표액션 설정 기준으로는 액션-속성 코릴레이션 모듈(132)에서의 속성과 액션의 상관관계 또는 인공신경망 모델에 따른 액션정보 예측값(액션발생 가능성 정보)이 이용될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 속성별 대표액션 설정 모듈(133)은 '사진의 개수'라는 속성과 '체류시간'이라는 액션이 상관관계 또는 액션발생 가능성이 가장 높게 나오는 것을 기준으로, '사진의 개수'라는 속성에 대한 '대표액션'은 '체류시간'으로 설정할 수 있다. 이에 따르면, 예를 들어, 사용자 A에 대해서는 '사진의 개수'라는 속성에 대한 대표액션은 '체류시간'으로 설정될 수 있고, 사용자 B에 대해서는 '사진의 개수'라는 속성에 대한 대표액션으로 '호감도'가 설정될 수 있는 것이다. 또한, 사용자 A에 대해서, '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '사용자와 리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정될 수 있다.
대표액션 스코어링 모듈(134)은 속성별 대표액션의 스코어를 계산하는 모듈이다. 속성별 대표액션의 스코어를 계산하는 방법으로는 해당 대표액션의 수준이 전체 유저 대비 어느 정도 수준인지를 평가하는 방법이 제시될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 대표액션 스코어링 모듈(134)은 속성별 대표액션의 수준이 전체 유저 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 예를 들어, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 사용자 A의 '체류시간'은 전체 사용자 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 상위 10%는 90점, 상위 70%는 30점 등으로 스코어링을 수행할 수 있다. 이때 전체 사용자와의 비교를 위해서 일평균값, 월평균값, 일중앙값, 월중앙값 등의 통계값이 이용될 수 있다.
본 발명의 다른 실시예에 따른 대표액션 스코어링 모듈(134)은 속성별 대표액션의 특정 기간에 대한 수준이 해당 유저의 전체 기간에 대한 수준 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 이에 따르면, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 일주일간 사용자 A의 '체류시간'은 전체 기간 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 스코어링을 수행할 수 있다. 속성별 대표액션의 스코어를 계산하는 방법은 이 밖에도 여러 방식이 제안될 수 있다.
속성 가중치 모듈(135)은 액션-속성 코릴레이션 모듈(132)에서 계산된 액션정보와 리뷰 콘텐츠의 속성 정보 사이의 상관관계와 대표액션 스코어링 모듈(134)에서 계산된 속성별 대표액션의 스코어를 이용하여 속성별로 가중치를 계산하는 모듈이다. 예를 들어, 본 발명의 일실시예에 따른 속성 가중치 모듈(135)에 따르면 액션-속성 코릴레이션 정보와 대표액션 스코어 정보를 이용하여 '사진의 개수'에 0.5의 가중치, '댓글의 개수'에 0.2의 가중치, '리뷰의 최신성'에 0.1, '리뷰 작성자와의 관계 거리'에 0.1의 가중치가 부여될 수 있다. 이하 수학식 1은 속성 가중치 모듈(135)에서 각각의 속성별 가중치를 계산하는 것에 관한 것이다.
Figure 112018060697214-pat00001
수학식 1에서 Pi는 속성 i의 가중치, Cij는 대표액션 j와 속성 i의 코릴레이션, Sj는 대표액션 j의 스코어를 의미한다.
리뷰 우선순위 모듈(136)은 속성 가중치 모듈(135)에서 계산된 가중치를 토대로 각각의 리뷰 콘텐츠에 우선순위를 계산하는 모듈이다. 예를 들어, 특정 식당 페이지에 10개의 리뷰가 있는데, A 리뷰는 가중치 0.4, B 리뷰는 가중치 0.1, C 리뷰는 가중치 0.9로 계산되는 경우, C가 가장 우선적으로 디스플레이 되도록 리뷰의 우선순위가 설정될 수 있다. 이하 수학식 2는 리뷰 우선순위 모듈(136)에서 각각의 리뷰에 대한 우선순위를 계산하는 것에 대한 것이다.
Figure 112018060697214-pat00002
수학식 2에서 Rk는 리뷰 k의 우선순위, Pi는 속성 i의 가중치, Iki는 리뷰 k의 속성 i에 대한 속성값을 의미한다.
본 발명의 다른 실시예에 따른 리뷰 우선순위 모듈(136)에 따르면, 리뷰의 어뷰징 가능성을 파악하여 음(-)의 가중치를 줄 수 있다. 이하 수학식 3은 리뷰 우선순위 모듈(136)에서 각각의 리뷰에 대한 우선순위를 계산할 때 어뷰징 가능성을 적용한 것이다. 이때 어뷰징 가능성은 리뷰의 텍스트 마이닝, 리뷰 작성자의 과거 어뷰징 횟수 등을 토대로 계산될 수 있다.
Figure 112018060697214-pat00003
수학식 3에서 Rk는 리뷰 k의 우선순위, Ak는 리뷰 k의 어뷰징 가능성, Pi는 속성 i의 가중치, Iki는 리뷰 k의 속성 i에 대한 속성값을 의미한다.
리뷰의 우선순위 설정은 리뷰 콘텐츠의 표시 여부에 대한 사항이 될 수도 있고, 리뷰 콘텐츠의 표시 순서에 대한 사항이 될 수도 있다.
데이터베이스(14)의 구성 요소는 아래와 같이 구성될 수 있다.
사용자 정보 DB(141)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 리뷰 콘텐츠를 요청했던 사용자들을 설명하는 데이터를 지속적으로 저장하고 이용하기 위한 수단이다.
리뷰 콘텐츠 DB(142)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 복수개의 리뷰 콘텐츠 각각에 대한 속성을 저장하고 이용하기 위한 수단이다.
액션정보 DB(143)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 사용자의 액션 각각에 대한 속성을 저장하고 이용하기 위한 수단이다.
속성 가중치 DB(144)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 리뷰 콘텐츠의 속성별 가중치를 저장하고 이용하기 위한 수단이다.
리뷰 우선순위 DB(145)는 상기 콘텐츠 우선순위 개인화 시스템(1) 내에서 리뷰 콘텐츠의 우선순위를 저장하고 이용하기 위한 수단이다.
도 3은 본 발명의 일실시예에 따른 데이터베이스의 연결관계를 도시한 것이다. 도 3에 도시된 바와 같이, 사용자 정보 DB(141), 리뷰 콘텐츠 DB(142), 액션정보 DB(143), 속성 가중치 DB(144), 리뷰 우선순위 DB(145)는 사용자 정보 테이블(301), 리뷰 콘텐츠 테이블(303), 액션 정보 테이블(305), 속성 가중치 테이블(307)을 포함할 수 있고, 각각은 Many-to-Many로 연결될 수 있다. 도 3에 도시된 데이터 세트의 구성은 예시적인 것이고, 본 발명은 이에 한정되지 않는다.
사용자 정보 테이블(301)은 속성(attribute)으로서, ID, 이름, 생년월일, 위치정보와 같은 개인 식별정보(311), 로그(log)로 저장되는 소비한 리뷰 콘텐츠(313), 로그(log)로 저장되는 액션(315), 세션 정보(317), 친구에 대한 정보인 친구 리스트(319)를 포함할 수 있다.
리뷰 콘텐츠 테이블(303)은 리뷰의 우선순위에 대한 정보인 리뷰 우선순위 정보(331), 리뷰에 사진이 몇 개인지 또는 리뷰에 포함된 사진의 퀄리티가 얼마나 좋은지에 대한 스코어인 사진 품질 스코어(332), 리뷰에 어떤 액션(댓글, 클릭, 좋아요, 공유 등)들이 행해졌는지에 대한 액션 정보(333), 액션을 행한 유저(사용자)에 대한 정보인 액션 유저 리스트(335), 얼마나 최신의 리뷰인지에 대한 최신 정도 스코어(337), 리뷰의 내용이 얼마나 성실한지에 대한 리뷰 내용 스코어(338), 리뷰의 내용에 긍부정 단어가 얼마나 많이 쓰였는지에 대한 긍부정 스코어(339)를 포함할 수 있다.
액션 정보 테이블(305)은 사용자가 리뷰에 행한 액션에 대한 데이터 테이블이고, 좋아요나 별의 개수로 호감도를 표현한 정보인 호감도 정보(351), 리뷰를 클릭하여 다음 레이어(layer)로 진입하였는지에 대한 정보인 클릭 정보(353), 리뷰를 다른 채널에 공유한 것에 대한 정보인 공유 정보(354), 리뷰에 입력된 댓글에 관한 정보인 댓글 정보(355), 특정 식당 온라인 콘텐츠에 체크인하였다는 정보인 체크인 정보(357), 특정 리뷰 콘텐츠에 사용자가 머문 시간에 대한 정보인 체류시간 정보(359)를 포함할 수 있다.
속성 가중치 테이블(307)은 특정 리뷰 콘텐츠에 대해 어떤 속성을 위주로 우선순위를 정할 것인가에 대한 테이블이고, 어떤 리뷰 콘텐츠에 대한 정보인지를 나타내는 해당 리뷰 콘텐츠(371), 어떤 사용자에 대한 정보인지를 나타내는 해당 사용자(373), 해당 리뷰 콘텐츠에서 속성별로 대표액션으로 설정된 것에 대한 정보인 속성별 대표액션(375), 각 속성별 대표액션의 스코어에 대한 정보인 대표액션 스코어(377), 리뷰 콘텐츠의 속성 가중치에 대한 정보인 속성 가중치(379)를 포함할 수 있다.
콘텐츠 우선순위 개인화 방법
콘텐츠 우선순위 개인화 방법과 관련하여, 도 6은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법을 도시한 흐름도이다. 도 6에 도시된 바와 같이, 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법은 액션정보 수신단계(S10), 코릴레이션 계산 단계(S11), 속성 가중치 부여 단계(S12), 리뷰 우선순위 결정 단계(S13), 리뷰 콘텐츠 식별 단계(S14), 리뷰 콘텐츠 송신 단계(S15)를 포함할 수 있다.
액션정보 수신단계(S10)는 액션정보 수집 모듈(131)이 사용자의 액션 정보(호감도, 댓글, 클릭, 공유, 체류시간, 체크인 등)를 수신하는 단계이다.
코릴레이션 계산 단계(S11)는 액션-속성 코릴레이션 모듈(132)이 수신된 액션 정보와 리뷰 콘텐츠의 속성 사이의 상관관계 분석을 통해 코릴레이션을 계산하는 단계이다. 예를 들어, 특정 사용자 개인의 액션정보를 기준으로, 리뷰 콘텐츠의 사진 개수라는 속성과 사용자 개인의 액션정보와의 정량적인 코릴레이션을 계산하게 된다. 계산의 대상이 되는 리뷰 콘텐츠의 속성에는 사진 개수, 사진 품질, 호감도 수, 공유 수, 댓글 수, 댓글 길이, 액션 사용자 리스트, 사용자와 리뷰 작성자와의 관계 거리, 최신 정도 스코어, 리뷰 성실도, 리뷰 긍부정 스코어, 댓글 긍부정 스코어 등이 포함될 수 있다.
속성 가중치 부여 단계(S12)는 속성 가중치 모듈(135)이 계산된 코릴레이션을 토대로 리뷰 콘텐츠의 속성에 가중치를 부여하는 단계이다. 예를 들어, 사진과 사용자의 액션이 가장 코릴레이션이 높을 경우, 사진이라는 속성에 가장 큰 가중치를 부여하는 것이다.
리뷰 우선순위 결정 단계(S13)는 리뷰 우선순위 모듈(136)이 S12의 속성 가중치를 이용하여 각 리뷰간 우선순위를 정하는 단계이다. 예를 들어, 사진, 친구, 최신성의 순서로 속성에 가중치가 부여된 경우, 이러한 기준을 통해 해당 온라인 콘텐츠에 연결되어 있는 복수개의 리뷰의 우선순위를 정하는 것이다.
리뷰 콘텐츠 식별 단계(S14)는 리뷰 우선순위 모듈(136)이 리뷰 콘텐츠 DB(142)에서 설정된 리뷰 우선순위에 따라 리뷰 콘텐츠를 식별하는 단계이다. 예를 들어, 사용자 클라이언트(10)에 3개의 리뷰 콘텐츠를 송신하기로 결정한 경우, 우선순위 상위 3개의 리뷰 콘텐츠를 리뷰 콘텐츠 DB(142)에서 식별하는 것이다.
리뷰 콘텐츠 송신 단계(S15)는 리뷰 우선순위 모듈(136)이 식별된 리뷰 콘텐츠를 사용자 클라이언트(10)에 송신하는 단계이다. 예를 들어, S14에서 식별한 3개의 리뷰 콘텐츠를 사용자 클라이언트(10)에 송신하는 것이다.
본 발명의 다른 실시예에 따르면, 아래와 같은 콘텐츠 우선순위 개인화 방법이 제안될 수 있다. 도 7은 본 발명의 일실시예에 따른 콘텐츠 우선순위 개인화 방법의 흐름도이다. 도 7에 따른 콘텐츠 우선순위 개인화 방법은 액션정보 수신단계(S10), 코릴레이션 계산 단계(S11), 속성별 대표액션 설정 단계(S120), 대표액션 스코어링 단계(S121), 속성 가중치 계산 단계(S122), 리뷰 우선순위 결정 단계(S13), 리뷰 콘텐츠 식별 단계(S14), 리뷰 콘텐츠 송신 단계(S15)를 포함할 수 있다. S10, S11, S13, S14, S15는 도 6의 콘텐츠 우선순위 개인화 방법과 동일하다.
속성별 대표액션 설정 단계(S120)는 속성별 대표액션 설정 모듈(133)이 리뷰 콘텐츠의 속성별로 가장 코릴레이션이 높은 액션 정보를 해당 속성의 대표 액션으로 설정하는 단계이다. 예를 들어, 속성 중 하나인 '사진의 개수'에 대해 '호감도', '클릭', '체류시간' 등의 액션 각각에 대해 상관관계 분석을 수행하고, 이 중 호감도가 가장 코릴레이션이 높은 경우 사진에 대한 대표액션을 호감도로 설정하는 것이다. 예를 들어, 본 발명의 일실시예에 따른 S120에서 속성별 대표액션 설정 모듈(133)은 '사진의 개수'라는 속성과 '체류시간'이라는 액션이 상관관계 또는 액션발생 가능성이 가장 높게 나오는 것을 기준으로, '사진의 개수'라는 속성에 대한 '대표액션'은 '체류시간'으로 설정할 수 있다. 이에 따르면, 예를 들어, 사용자 A에 대해서는 '사진의 개수'라는 속성에 대한 대표액션은 '체류시간'으로 설정될 수 있고, 사용자 B에 대해서는 '사진의 개수'라는 속성에 대한 대표액션으로 '호감도'가 설정될 수 있는 것이다. 또한, 사용자 A에 대해서, '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '사용자와 리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정될 수 있다.
대표액션 스코어링 단계(S121)는 대표액션 스코어링 모듈(134)이 해당 속성의 대표액션을 전체 유저의 액션정보와 비교하여, 전체 유저 대비 수준을 스코어링하여 대표액션 스코어를 생성하는 단계이다. 예를 들어, 본 발명의 일실시예에 따른 S121에서 대표액션 스코어링 모듈(134)은 속성별 대표액션의 수준이 전체 유저 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 예를 들어, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 사용자 A의 '체류시간'은 전체 사용자 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 상위 10%는 90점, 상위 70%는 30점 등으로 스코어링을 수행할 수 있다. 이때 전체 사용자와의 비교를 위해서 일평균값, 월평균값, 일중앙값, 월중앙값 등의 통계값이 이용될 수 있다.
본 발명의 다른 실시예에 따른 S121에서 대표액션 스코어링 모듈(134)은 속성별 대표액션의 특정 기간에 대한 수준이 해당 유저의 전체 기간에 대한 수준 중 상위 n% 라는 것을 계산하고, 속성별 대표액션에 이에 따른 점수(스코어)를 부여할 수 있다. 이에 따르면, 사용자 A에 대해서 '사진 개수'의 대표액션으로 '호감도', '사진의 퀄리티'의 대표액션으로 '체류시간', '텍스트의 내용'의 대표액션으로 '체류시간', '텍스트의 길이'의 대표액션으로 '클릭', '액션의 수'의 대표액션으로 '호감도', '리뷰 작성자와의 관계 거리'의 대표액션으로 '댓글'이 설정된 뒤에, 대표액션 스코어링 모듈(134)이 일주일간 사용자 A의 '체류시간'은 전체 기간 중 상위 10%, '클릭'은 상위 20%, '호감도'는 상위 50%, '댓글'은 상위 70%라는 것을 계산하여 각각의 대표액션에 대해 스코어링을 수행할 수 있다. 속성별 대표액션의 스코어를 계산하는 방법은 이 밖에도 여러 방식이 제안될 수 있다.
속성 가중치 계산 단계(S122)는 속성 가중치 모듈(135)이 생성된 대표액션 스코어와 액션-속성 코릴레이션을 기준으로 속성 가중치를 계산하는 단계이다. 예를 들어, 사진에 대해서는 대표액션(호감도)의 대표액션 스코어가 60, 리뷰 길이에 대해서는 대표액션(댓글)의 대표액션 스코어가 20 등이었으면, 이를 토대로 사진 가중치 60, 리뷰 길이 가중치 20 등으로 설정하는 것이다. 속성 가중치의 계산과 관련해서는 위의 수학식 1이 참고될 수 있다.
리뷰 우선순위 결정 단계(S13)는 리뷰 우선순위 모듈(136)이 S122의 속성 가중치와 해당 속성의 실제 속성값(예를 들어, 표준화 된 값)을 이용하여 각 리뷰간 우선순위를 정하게 된다. 예를 들어, 해당 온라인 콘텐츠에 대한 모든 리뷰에 대하여, 사진의 개수 가중치 60 및 리뷰 길이 가중치 20을 부여하고, 여기에 해당 리뷰의 실제 속성값(예를 들어, 사진의 개수가 10장이고 사진 개수 가중치가 0.1인 경우 리뷰 우선순위값은 1)을 곱하고 이를 종합하여 해당 리뷰 콘텐츠의 우선순위를 결정하는 것이다. 본 발명의 다른 실시예에 따르면, S13에서 리뷰의 어뷰징 가능성 파악하여 음(-)의 가중치를 줄 수 있다. 리뷰 우선순위 결정과 관련해서는 위의 수학식 2,3이 참고될 수 있다. 해당 속성의 실제 속성값의 표준화 관련해서는, 해당 유저의 속성값 평균과 표준편차가 이용될 수 있다.
이상에서 설명한 바와 같이, 본 발명이 속하는 기술 분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 상술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함하는 것으로 해석되어야 한다.
본 명세서 내에 기술된 특징들 및 장점들은 모두를 포함하지 않으며, 특히 많은 추가적인 특징들 및 장점들이 도면들, 명세서, 및 청구항들을 고려하여 당업자에게 명백해질 것이다. 더욱이, 본 명세서에 사용된 언어는 주로 읽기 쉽도록 그리고 교시의 목적으로 선택되었고, 본 발명의 주제를 묘사하거나 제한하기 위해 선택되지 않을 수도 있다는 것을 주의해야 한다.
본 발명의 실시예들의 상기한 설명은 예시의 목적으로 제시되었다; 이는 개시된 정확한 형태로 본 발명을 제한하거나, 빠뜨리는 것 없이 만들려고 의도한 것이 아니다. 당업자는 상기한 개시에 비추어 많은 수정 및 변형이 가능하다는 것을 이해할 수 있다.
본 설명의 일부는 정보 상 연산의 기호 표현 및 알고리즘에 관한 본 발명의 실시예들을 기술한다. 이러한 알고리즘적 설명 및 표현은, 일반적으로 그들의 작업의 핵심을 효율적으로 다른 당업자에게 전달하기 위해 데이터 처리 분야의 당업자에 의해 사용된다. 이러한 동작은 기능적, 연산적, 또는 논리적으로 설명되지만, 컴퓨터나 이와 동등한 전기 회로, 마이크로코드 등에 의해 구현될 것으로 이해된다. 나아가, 또한 이것은 모듈로서의 이러한 동작의 배열을 나타내기 위해, 때때로 일반성의 상실 없이 편리하게 입증된다. 상기 기술된 동작 및 그들의 연관된 모듈은 소프트웨어, 펌웨어, 하드웨어, 또는 이들의 임의의 조합 내에서 구현될 수 있다.
여기서 기술된 임의의 단계, 동작, 또는 프로세스는, 하나 이상의 하드웨어 또는 소프트웨어 모듈과 함께 단독으로 또는 다른 장치와 조합하여 수행되거나 구현될 수 있다. 일 실시예에서, 소프트웨어 모듈은 컴퓨터 프로그램 코드를 포함하는 컴퓨터-판독 가능 매체로 구성되는 컴퓨터 프로그램 제품과 함께 구현되고, 컴퓨터 프로그램 코드는 기술된 임의의 또는 모든 공정, 단계, 또는 동작을 수행하기 위한 컴퓨터 프로세서에 의해 실행될 수 있다.
또한, 본 발명의 실시예들은, 여기서의 동작을 수행하기 위한 장치와 관련될 수 있다. 이들 장치는 요구되는 목적을 위해 특별히 제작될 수 있고/있거나, 컴퓨터 내에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 재구성되는 일반적-목적의 연산 장치를 포함할 수 있다. 이러한 컴퓨터 프로그램은, 유형의 컴퓨터 판독가능 저장 매체 또는 전자 명령어를 저장하기 위해 적합한 임의의 유형의 미디어 내에 저장될 수 있고, 컴퓨터 시스템 버스에 결합될 수 있다. 나아가, 본 명세서에 참조되는 임의의 연산 시스템은 단일 프로세서를 포함할 수 있거나, 증가한 연산 능력을 위한 다중 프로세서 디자인을 채택한 구조가 될 수 있다.
마지막으로, 본 명세서에 사용된 언어는 주로 읽기 쉽도록 그리고 교시의 목적으로 선택되었고, 본 발명의 주제를 묘사하거나 제한하기 위해 선택되지 않을 수 있다.
그러므로 본 발명의 범위는 상세한 설명에 의해 한정되지 않고, 이를 기반으로 하는 출원의 임의의 청구항들에 의해 한정된다. 따라서, 본 발명의 실시예들의 개시는 예시적인 것이며, 이하의 청구항에 기재된 본 발명의 범위를 제한하는 것은 아니다.
1: 콘텐츠 우선순위 개인화 시스템
10: 사용자 클라이언트
12: 서버
13: 콘텐츠 우선순위 개인화 장치
14: 데이터베이스
131: 액션 정보 수집 모듈
132: 액션-속성 코릴레이션 모듈
133: 속성별 대표액션 설정 모듈
134: 대표액션 스코어링 모듈
135: 속성 가중치 모듈
136: 리뷰 우선순위 모듈
141: 사용자 정보 DB
142: 리뷰 콘텐츠 DB
143: 액션 정보 DB
144: 속성 가중치 DB
145: 리뷰 우선순위 DB

Claims (2)

  1. 특정 사용자에 관하여, 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 모듈;
    상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 모듈;
    최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 모듈;
    상기 온라인 콘텐츠의 텍스트 마이닝 또는 상기 온라인 콘텐츠의 작성자의 과거 어뷰징 정보를 기초로 상기 온라인 콘텐츠의 어뷰징 가능성 정보를 생성하는 어뷰징 가능성 모듈;
    상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 모듈; 및
    상기 어뷰징 가능성 정보, 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위 정보를 계산하는 우선순위 모듈;
    을 포함하고,
    상기 온라인 콘텐츠의 상기 우선순위 정보를 기초로 상기 특정 사용자에게 출력되는 복수개의 온라인 콘텐츠 중 상기 온라인 콘텐츠의 출력 우선순위를 개인화 하는 것을 특징으로 하는,
    콘텐츠 우선순위 개인화 장치.
  2. 액션-속성 코릴레이션 모듈이, 특정 사용자에 관하여, 온라인 콘텐츠의 액션정보에 포함되는 복수개의 액션과 상기 온라인 콘텐츠의 속성정보에 포함되는 복수개의 속성 사이의 상관관계(correlation)인 액션-속성 코릴레이션 정보를 계산하는 액션-속성 코릴레이션 단계;
    속성별 대표액션 설정 모듈이, 상기 액션-속성 코릴레이션 정보를 통하여 상기 속성별로 가장 상관관계가 높은 액션인 대표액션을 선정하는 속성별 대표액션 설정 단계;
    대표액션 스코어링 모듈이, 최근 특정 기간 동안의 상기 대표액션이 상기 특정 사용자의 나머지 기간 동안의 액션 대비 어느 정도 수준인지를 평가하여 상기 속성별로 대표액션 스코어를 계산하는 대표액션 스코어링 단계;
    어뷰징 가능성 모듈이, 상기 온라인 콘텐츠의 텍스트 마이닝 또는 상기 온라인 콘텐츠의 작성자의 과거 어뷰징 정보를 기초로 상기 온라인 콘텐츠의 어뷰징 가능성 정보를 생성하는 어뷰징 가능성 단계;
    속성 가중치 모듈이, 상기 액션-속성 코릴레이션 정보와 상기 대표액션 스코어를 이용하여 속성별로 계산되는 가중치인 속성 가중치를 생성하는 속성 가중치 단계; 및
    우선순위 모듈이, 상기 어뷰징 가능성 정보, 상기 속성 가중치와 상기 온라인 콘텐츠의 속성정보를 이용하여 상기 온라인 콘텐츠의 우선순위 정보를 계산하는 우선순위 단계;
    을 포함하고,
    상기 온라인 콘텐츠의 상기 우선순위 정보를 기초로 상기 특정 사용자에게 출력되는 복수개의 온라인 콘텐츠 중 상기 온라인 콘텐츠의 출력 우선순위를 개인화 하는 것을 특징으로 하는,
    콘텐츠 우선순위 개인화 방법.
KR1020180070978A 2018-06-20 2018-06-20 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램 KR101909898B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180070978A KR101909898B1 (ko) 2018-06-20 2018-06-20 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180070978A KR101909898B1 (ko) 2018-06-20 2018-06-20 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020170016913A Division KR101871827B1 (ko) 2017-02-07 2017-02-07 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램

Publications (2)

Publication Number Publication Date
KR20180091778A KR20180091778A (ko) 2018-08-16
KR101909898B1 true KR101909898B1 (ko) 2018-10-19

Family

ID=63443556

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180070978A KR101909898B1 (ko) 2018-06-20 2018-06-20 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램

Country Status (1)

Country Link
KR (1) KR101909898B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090119258A1 (en) 2007-11-05 2009-05-07 William Petty System and method for content ranking and reviewer selection
US20140222816A1 (en) 2013-02-04 2014-08-07 International Business Machines Corporation Feedback analysis for content improvement tasks

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150201001A1 (en) 2014-01-13 2015-07-16 Facebook, Inc. Systems and methods for priority-based digital content downloading

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090119258A1 (en) 2007-11-05 2009-05-07 William Petty System and method for content ranking and reviewer selection
US20140222816A1 (en) 2013-02-04 2014-08-07 International Business Machines Corporation Feedback analysis for content improvement tasks

Also Published As

Publication number Publication date
KR20180091778A (ko) 2018-08-16

Similar Documents

Publication Publication Date Title
US11367150B2 (en) Demographic-based targeting of electronic media content items
US20210056458A1 (en) Predicting a persona class based on overlap-agnostic machine learning models for distributing persona-based digital content
JP6097126B2 (ja) レコメンド情報生成装置及びレコメンド情報生成方法
WO2015188349A1 (en) Recommending of an item to a user
US11127066B2 (en) Multi-layer optimization for a multi-sided network service
JP6253744B1 (ja) 情報解析装置、情報解析方法、および情報解析プログラム
US10042944B2 (en) Suggested keywords
JP6253745B1 (ja) 情報解析装置、情報解析方法、および情報解析プログラム
US20190258741A1 (en) Personalized per-member model in feed
US11900424B2 (en) Automatic rule generation for next-action recommendation engine
EP2613275B1 (en) Search device, search method, search program, and computer-readable memory medium for recording search program
US10394804B1 (en) Method and system for increasing internet traffic to a question and answer customer support system
US10474688B2 (en) System and method to recommend a bundle of items based on item/user tagging and co-install graph
KR20210060375A (ko) 유망 콘텐츠 선정 방법, 장치 및 컴퓨터프로그램
US20170365014A1 (en) Systems, methods and non-transitory computer readable storage media for tracking and evaluating predictions regarding relationships
KR101871827B1 (ko) 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램
EP4187407A1 (en) Systems and methods for classifying a webpage or a webpage element
KR101909898B1 (ko) 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램
KR20210052746A (ko) 제품화 대상 콘텐츠의 예상 판매량 추정 방법, 장치 및 컴퓨터프로그램
JP6178480B1 (ja) データ分析システム、その制御方法、プログラム、及び、記録媒体
US20140324523A1 (en) Missing String Compensation In Capped Customer Linkage Model
US10061817B1 (en) Social ranking for apps
JP6970527B2 (ja) コンテンツ選択方法及びコンテンツ選択プログラム
JP2016099750A (ja) 行動ネットワーク情報抽出装置、行動ネットワーク情報抽出方法及び行動ネットワーク情報抽出プログラム
US20240144328A1 (en) Automatic rule generation for next-action recommendation engine

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant