KR101956876B1 - 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법 - Google Patents

애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법 Download PDF

Info

Publication number
KR101956876B1
KR101956876B1 KR1020120035043A KR20120035043A KR101956876B1 KR 101956876 B1 KR101956876 B1 KR 101956876B1 KR 1020120035043 A KR1020120035043 A KR 1020120035043A KR 20120035043 A KR20120035043 A KR 20120035043A KR 101956876 B1 KR101956876 B1 KR 101956876B1
Authority
KR
South Korea
Prior art keywords
information
application
usage
evaluation score
user terminals
Prior art date
Application number
KR1020120035043A
Other languages
English (en)
Other versions
KR20130112565A (ko
Inventor
조영석
Original Assignee
주식회사 케이티
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020120035043A priority Critical patent/KR101956876B1/ko
Publication of KR20130112565A publication Critical patent/KR20130112565A/ko
Application granted granted Critical
Publication of KR101956876B1 publication Critical patent/KR101956876B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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

Abstract

본 발명의 한 실시예에 따른 애플리케이션 추천 장치는 복수의 사용자 단말의 애플리케이션 다운로드 정보 및 상기 복수의 사용자 단말의 애플리케이션 사용 정보를 수집하는 정보 수집부, 상기 애플리케이션 다운로드 정보 및 상기 애플리케이션 사용 정보 중 적어도 하나를 이용하여 애플리케이션 추천을 위한 평가 점수를 산출하는 평가 점수 산출부, 그리고 산출한 평가 점수에 기초하여 추천 애플리케이션 리스트를 생성하는 리스트 생성부를 포함한다.

Description

애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법{APPLICATION RECOMMENDATION APPARATUS, APPLICATION RECOMMENDATION METHOD AND EVALUATION SCORE CALCULATION METHOD OF THE SAME}
본 발명은 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법에 관한 것이다.
스마트폰의 보급에 따라, 스마트폰에서 실행되는 각종 애플리케이션 개발이 활발하다. 스마트폰 사용자는 각종 애플리케이션을 애플리케이션 마켓으로부터 무료 또는 유료로 다운로드 받는다.
애플리케이션의 종류가 점점 다양해지고, 그 수가 많아지므로, 사용자는 원하는 애플리케이션을 용이하게 선택하기 어렵다. 이에 따라, 애플리케이션 마켓은 사용자에게 적절한 애플리케이션을 추천할 필요가 있다.
일반적인 애플리케이션 추천 방법에 따르면, 애플리케이션 마켓은 애플리케이션의 다운로드 수에 기초하여 생성한 인기 애플리케이션 리스트를 사용자에게 제공한다. 이와 같은 인기 애플리케이션 리스트는 다운로드 후 사용자의 이용 현황을 반영하지 못하므로, 사용자에게 높은 신뢰도를 줄 수 없는 문제가 있다.
본 발명이 해결하고자 하는 기술적 과제는 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법을 제공하는 것이다.
본 발명의 일 양태에 따른 애플리케이션 추천 장치의 애플리케이션 추천 방법은 복수의 사용자 단말의 애플리케이션 다운로드 정보를 수집하는 단계, 상기 복수의 사용자 단말의 애플리케이션 사용 정보를 수집하는 단계, 상기 애플리케이션 다운로드 정보 및 상기 애플리케이션 사용 정보 중 적어도 하나를 이용하여 애플리케이션 추천을 위한 평가 점수를 산출하는 단계, 그리고 산출한 평가 점수에 기초하여 추천 애플리케이션 리스트를 생성하는 단계를 포함한다.
상기 애플리케이션 다운로드 정보는 소정 기간 동안 애플리케이션을 다운로드 받은 건수에 대한 정보를 포함할 수 있다.
상기 애플리케이션 사용 정보는 애플리케이션 별 사용 시간 정보 및 애플리케이션 별 터치 정보 중 적어도 하나를 포함할 수 있다.
상기 평가 점수를 산출하는 단계는, 상기 애플리케이션 다운로드 정보로부터 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나를 추출하는 단계, 상기 애플리케이션 사용 정보로부터 사용자 만족도 정보를 추출하는 단계, 그리고 상기 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나와 상기 사용자 만족도 정보를 합산하여 상기 평가 점수를 추출하는 단계를 포함할 수 있다.
상기 평가 점수를 추출하는 단계에서 상기 통계 분석 정보, 상기 데이터 마이닝 정보 및 상기 사용자 만족도 정보 중 적어도 하나에 가중치를 적용할 수 있다.
상기 사용자 만족도 정보는 애플리케이션 별 터치 횟수 및 애플리케이션 별 사용 시간에 기초하여 추출될 수 있다.
본 발명의 일 양태에 따른 애플리케이션 추천 장치의 평가 점수 산출 방법은 제1 애플리케이션의 사용 정보를 수집하는 단계, 상기 제1 애플리케이션과 동일한 카테고리에 속하는 적어도 하나의 제2 애플리케이션의 사용 정보를 수집하는 단계, 상기 제1 애플리케이션의 사용 정보와 상기 제2 애플리케이션의 사용 정보를 비교하는 단계, 그리고 비교 결과에 기초하여 상기 제1 애플리케이션의 평가 점수를 산출하는 단계를 포함한다.
상기 제1 애플리케이션의 사용 정보는 상기 제1 애플리케이션의 터치 횟수 정보 및 상기 제1 애플리케이션의 사용 시간 정보 중 적어도 하나를 포함할 수 있다.
상기 제2 애플리케이션의 사용 정보는 상기 적어도 하나의 제2 애플리케이션의 평균 터치 횟수 정보 및 상기 적어도 하나의 제2 애플리케이션의 평균 사용 시간 정보 중 적어도 하나를 포함할 수 있다.
상기 카테고리는 소정 기간 동안 복수의 사용자 단말로부터 수집된 복수의 애플리케이션에 대한 사용 정보에 기초하여 분류될 수 있다.
본 발명의 일 양태에 따른 애플리케이션 추천 장치는 복수의 사용자 단말의 애플리케이션 다운로드 정보 및 상기 복수의 사용자 단말의 애플리케이션 사용 정보를 수집하는 정보 수집부, 상기 애플리케이션 다운로드 정보 및 상기 애플리케이션 사용 정보 중 적어도 하나를 이용하여 애플리케이션 추천을 위한 평가 점수를 산출하는 평가 점수 산출부, 그리고 산출한 평가 점수에 기초하여 추천 애플리케이션 리스트를 생성하는 리스트 생성부를 포함한다.
상기 평가 점수 산출부는 상기 애플리케이션 다운로드 정보로부터 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나를 추출하는 다운로드 정보 분석 유닛, 상기 애플리케이션 사용 정보로부터 사용자 만족도 정보를 추출하는 사용 정보 분석 유닛, 그리고 상기 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나와 상기 사용자 만족도 정보를 합산하여 상기 평가 점수를 추출하는 합산 유닛을 포함할 수 있다.
상기 사용 정보 분석 유닛은 복수의 사용자 단말로부터 수집된 복수의 애플리케이션에 대한 사용 정보에 기초하여 상기 복수의 애플리케이션의 카테고리를 분류하는 카테고리 분류 모듈, 카테고리 별 애플리케이션의 사용 정보를 저장하는 저장 모듈, 소정 애플리케이션의 사용 정보와 상기 소정 애플리케이션이 속하는 카테고리에 포함되는 다른 애플리케이션의 사용 정보를 비교하는 비교 모듈, 그리고 비교 결과에 따라 상기 사용자 만족도 점수를 추출하는 추출 모듈을 포함할 수 있다.
본 발명의 한 실시예에 따르면, 애플리케이션에 대한 사용자의 만족도 정보를 고려하여 사용자에게 애플리케이션을 추천하므로, 신뢰도 높은 추천 정보를 제공할 수 있다.
도 1은 본 발명의 한 실시예에 따른 애플리케이션 추천 환경을 나타내는 도면이다.
도 2는 본 발명의 한 실시예에 따른 애플리케이션 추천 장치의 블록도이다.
도 3은 본 발명의 한 실시예에 따른 애플리케이션 추천 장치의 애플리케이션 추천 방법을 나타내는 흐름도이다.
도 4는 본 발명의 한 실시예에 따른 애플리케이션 추천 장치의 평가 점수 산출부의 블록도이다.
도 5는 본 발명의 한 실시예에 따른 애플리케이션 추천 장치의 평가 점수 산출 방법을 나타내는 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 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
또한, 명세서에 기재된 "…부"의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
이하, 본 발명의 한 실시예에 따른 애플리케이션 추천 장치 및 방법을 구체적으로 설명한다.
도 1은 본 발명의 한 실시예에 따른 애플리케이션 추천 환경을 나타내는 도면이다.
도 1을 참고하면, 애플리케이션 추천 장치(10)는 사용자 단말(20) 및 개발자 단말(30)과 네트워크를 통하여 연결된다.
애플리케이션 추천 장치(10)는 애플리케이션을 제공하는 마켓 서버의 일부이거나, 마켓 서버와 통신하는 독립된 장치일 수 있다. 애플리케이션 추천 장치(10)는 추천 애플리케이션 리스트를 생성하고, 이를 사용자 단말(20)에게 제공한다. 그리고, 애플리케이션 추천 장치(10)는 추천 애플리케이션 리스트를 생성하는 과정에서 추출된 데이터를 개발자 단말(30)에게 제공한다. 애플리케이션 추천 장치(10)가 추천 애플리케이션 리스트를 생성하기 위하여 복수의 사용자 단말(20)이 애플리케이션을 다운로드 받은 정보뿐만 아니라, 복수의 사용자 단말(20)이 애플리케이션을 다운로드 받은 후 사용한 정보도 고려한다.
사용자 단말(20)은 애플리케이션을 검색하고, 다운로드 받아 설치하며, 실행하는 단말이다.
개발자 단말(30)은 애플리케이션을 개발하는 개발자의 단말이다.
사용자 단말(20) 또는 개발자 단말(30)은, 예를 들면 이동 단말, 노트북, 데스크탑 컴퓨터, 스마트폰 등일 수 있다.
도 2는 본 발명의 한 실시예에 따른 애플리케이션 추천 장치의 블록도이고, 도 3은 본 발명의 한 실시예에 따른 애플리케이션 추천 장치의 애플리케이션 추천 방법을 나타내는 흐름도이다.
도 2를 참고하면, 애플리케이션 추천 장치(10)는 송수신부(100), 정보 수집부(200), 평가 점수 산출부(300), 리스트 생성부(400) 및 데이터베이스(500)를 포함한다.
송수신부(100)는 사용자 단말(20), 개발자 단말(30) 및 애플리케이션 마켓 서버(미도시)와 데이터를 송수신한다. 예를 들면, 송수신부(100)는 사용자 단말(20)에게 추천 애플리케이션 리스트를 송신하거나, 사용자 단말(20)로부터 애플리케이션 사용 정보를 수신할 수 있다. 그리고, 송수신부(100)는 애플리케이션 추천 장치(10)가 추천 애플리케이션 리스트를 생성하는 과정에서 추출한 데이터(예, 통계 분석 점수, 데이터 마이닝 점수, 사용자 만족도 점수)를 개발자 단말(30)에게 송신할 수 있다. 그리고, 송수신부(100)는 애플리케이션 마켓 서버로부터 애플리케이션 다운로드 정보 또는 애플리케이션 사용 정보를 수신할 수 있다.
정보 수집부(200)는 송수신부(100)를 통하여 수신한 정보를 수집한다. 정보 수집부(200)는 복수의 사용자 단말의 애플리케이션 다운로드 정보 및 복수의 사용자 단말의 애플리케이션 사용 정보를 수집할 수 있다. 애플리케이션 다운로드 정보와 애플리케이션 사용 정보는 사용자 단말(20) 또는 애플리케이션 마켓 서버로부터 수집될 수 있다.
평가 점수 산출부(300)는 애플리케이션 다운로드 정보 및 애플리케이션 사용 정보 중 적어도 하나를 이용하여 애플리케이션 추천을 위한 평가 점수를 산출한다.
리스트 생성부(400)는 산출한 평가 점수에 기초하여 추천 애플리케이션 리스트를 생성한다.
데이터베이스(500)는 사용자 단말(20) 및 개발자 단말(10)에 대한 정보를 저장하고, 애플리케이션 관련 정보를 저장한다. 애플리케이션 관련 정보는, 예를 들면 추천 애플리케이션 리스트를 생성하는 과정에서 추출된 데이터 또는 추천 애플리케이션 리스트일 수 있다.
도 2 및 도 3을 참고하면, 애플리케이션 추천 장치(10)는 애플리케이션 다운로드 정보를 수집한다(S300). 애플리케이션 추천 장치(10)는 애플리케이션 마켓 서버 또는 복수의 사용자 단말(20)로부터 애플리케이션 다운로드 정보를 수집할 수 있다. 애플리케이션 다운로드 정보는 복수의 사용자 단말(20)이 소정 기간 동안 애플리케이션을 다운로드 받은 건수에 대한 정보를 포함할 수 있다. 애플리케이션 다운로드 정보는, 예를 들면 시간대 별 다운로드 건수, 요일 별 다운로드 건수, 주간 별 다운로드 건수, 월 별 다운로드 건수, 계절 별 다운로드 건수, 연령대 별 다운로드 건수, 성별 별 다운로드 건수, 지역 별 다운로드 건수, 거주지 별 다운로드 건수 등으로 분류될 수 있다.
애플리케이션 추천 장치(10)는 애플리케이션 사용 정보를 수집한다(S310). 애플리케이션 사용 정보는 애플리케이션 마켓 서버 또는 사용자 단말(20)로부터 수집될 수 있다. 즉, 애플리케이션 추천 장치(10)는 애플리케이션 마켓 서버가 복수의 사용자 단말(20)로부터 애플리케이션 사용 정보를 수신하여 취합한 결과를 수집하거나, 복수의 사용자 단말(20)로부터 애플리케이션 사용 정보를 개별적으로 수신하여 이를 취합할 수도 있다.
애플리케이션 사용 정보는 애플리케이션 별 사용 시간 정보 및 터치 정보 중 적어도 하나를 포함할 수 있다. 애플리케이션 별 사용 시간 정보는 사용자 단말이 애플리케이션을 실행하는 시간에 대한 정보일 수 있다. 애플리케이션 별 사용 시간 정보는 소정 기간(예, 10일, 30일, 한달 등) 동안의 총 실행 시간 또는 일일 평균 실행 시간으로 나타낼 수 있다. 애플리케이션 별 터치 정보는 애플리케이션이 실행되는 동안의 터치 횟수에 대한 정보일 수 있다. 애플리케이션 별 터치 정보는 소정 기간 동안의 총 터치 횟수, 일일 평균 터치 횟수, 1회 실행 시의 평균 터치 횟수 등으로 나타낼 수 있다.
애플리케이션 추천 장치(10)는 애플리케이션 다운로드 정보 및 애플리케이션 사용 정보 중 적어도 하나를 이용하여 평가 점수를 산출한다(S320). 이를 위하여, 애플리케이션 추천 장치(10)는 애플리케이션 다운로드 정보로부터 통계 분석 정보 및 데이터 마이닝 정보를 추출하고, 애플리케이션 사용 정보로부터 사용자 만족도 정보를 추출할 수 있다. 그리고, 애플리케이션 추천 장치(10)는 통계 분석 정보, 데이터 마이닝 정보 및 사용자 만족도 정보 중 적어도 하나를 이용하여 평가 점수를 추출할 수 있다. 예를 들어, 애플리케이션 추천 장치(10)는 통계 분석 정보, 데이터 마이닝 정보 및 사용자 만족도 정보를 합산하여 평가 점수를 추출할 수 있다. 애플리케이션 추천 장치(10)는 통계 분석 정보, 데이터 마이닝 정보 및 사용자 만족도 정보 중 적어도 하나에 가중치를 적용하여 평가 점수를 추출할 수도 있다.
애플리케이션 추천 장치(10)는 평가 점수에 기초하여 추천 애플리케이션 리스트를 생성한다(S330). 예를 들어, 애플리케이션 추천 장치(10)는 평가 점수를 기준으로 내림차순으로 정렬하여 추천 애플리케이션 리스트를 생성할 수 있다.
애플리케이션 추천 장치(10)는 추천 애플리케이션 리스트를 사용자 단말(20)에게 제공한다(S340).
이에 따라, 사용자 단말(20)은 수 많은 종류의 애플리케이션을 일일이 검색하지 않고도 신뢰성 있는 추천 애플리케이션 리스트를 수신할 수 있다.
이하에서는 애플리케이션 추천 장치(10)가 애플리케이션 다운로드 정보 및 애플리케이션 사용 정보 중 적어도 하나를 이용하여 평가 점수를 산출하는 내용을 더욱 구체적으로 설명한다.
도 4는 본 발명의 한 실시예에 따른 애플리케이션 추천 장치의 평가 점수 산출부의 블록도이다.
도 4를 참고하면, 평가 점수 산출부(300)는 다운로드 정보 분석 유닛(310), 사용 정보 분석 유닛(320) 및 합산 유닛(330)을 포함한다.
다운로드 정보 분석 유닛(310)은 애플리케이션 다운로드 정보로부터 통계 분석 정보 및 데이터 마이닝 정보를 추출한다. 이를 위하여, 다운로드 정보 분석 유닛(310)은 통계 분석 모듈(312) 및 데이터 마이닝 모듈(314)을 포함할 수 있다.
통계 분석 모듈(312)은 소정 기간 동안 애플리케이션을 다운로드 받은 총 건수, 시간대 별 다운로드 건수, 요일 별 다운로드 건수, 주간 별 다운로드 건수, 월 별 다운로드 건수, 계절 별 다운로드 건수, 연령대 별 다운로드 건수, 성별 별 다운로드 건수, 지역 별 다운로드 건수, 거주지 별 다운로드 건수 중 적어도 하나를 이용하여 통계 분석 점수를 산출한다. 이때, 적어도 하나의 항목에 가중치를 적용하여 통계 분석 점수를 산출할 수도 있다. 예를 들어, 통계 분석 모듈(312)은 수학식 1을 이용하여 통계 분석 점수를 산출할 수 있다.
Figure 112012027079057-pat00001
여기서, S1은 통계적 분석 점수이고, Da는 해당 애플리케이션의 다운로드 수이고, A는 연령별 적합 가중치이고, G는 성별 별 적합 가중치이고, S는 계절 별 적합 가중치이고, L은 지역 별 적합 가중치이고, T는 동일 카테고리에 속하는 다른 애플리케이션의 사용 시간에 대한 해당 애플리케이션의 적합 가중치이고, C는 카테고리 별 적합 가중치이고, Dc는 동일 카테고리에 속하는 애플리케이션의 평균 다운로드 수이다.
여기서, A는 해당 애플리케이션을 가장 많이 다운로드 받는 연령대의 가중치에 대한 사용자의 연령대의 가중치로 나타낼 수 있다. 예를 들어, 해당 애플리케이션을 가장 많이 다운로드 받는 연령대의 가중치를 1로 두고, 나머지 연령대에 대하여 차등적으로 가중치를 둘 수 있다. G는 해당 애플리케이션을 가장 많이 다운로드 받는 성별의 가중치에 대한 사용자의 성별의 가중치로 나타낼 수 있다. 예를 들어, 해당 애플리케이션을 가장 많이 다운로드 받는 성별의 가중치를 1로 두고, 다른 성별의 가중치를 0으로 둘 수 있다. S는 해당 애플리케이션을 가장 많이 다운로드 받는 계절의 가중치에 대하여 실제 다운로드 받는 계절의 가중치로 나타낼 수 있다. 예를 들어, 봄에 가장 많이 다운로드 받은 경우 봄의 가중치를 1로 두고, 나머지 계절의 가중치를 차등적으로 둘 수 있다. 봄과 가을의 날씨가 비슷하므로, 봄과 가을의 가중치를 동일하게 둘 수도 있다. T는 해당 애플리케이션의 사용 시간/동일 카테고리에 속하는 다른 애플리케이션의 사용 시간으로 나타낼 수 있다.
그리고, 데이터 마이닝 모듈(314)은 애플리케이션 다운로드 정보로부터 추출된 사용자 정보, 클러스터링 정보 및 연관 관계 정보에 기초하여 데이터 마이닝 점수를 산출한다. 이때, 적어도 하나의 항목에 가중치를 적용하여 데이터 마이닝 점수를 산출할 수도 있다. 예를 들어, 데이터 마이닝 모듈(314)은 수학식 2를 이용하여 데이터 마이닝 점수를 산출할 수 있다.
Figure 112012027079057-pat00002
여기서, S2는 데이터 마이닝 점수이고, Da는 해당 애플리케이션의 다운로드 수이고, X는 클러스터 적합 가중치이고, Y는 연관관계 적합 가중치이며, Dc는 다운로드 수이다.
사용 정보 분석 유닛(320)은 애플리케이션 사용 정보를 이용하여 사용자 만족도 점수를 산출한다. 사용자 만족도 점수는 애플리케이션 별 터치 횟수 및 애플리케이션 별 사용 시간에 기초하여 산출될 수 있다. 이를 위하여, 사용 정보 분석 유닛(320)은 카테고리 분류 모듈(322), 저장 모듈(324), 비교 모듈(326) 및 추출 모듈(328)을 포함할 수 있다.
카테고리 분류 모듈(322)은 애플리케이션 마켓 서버에 등록된 복수의 애플리케이션을 소정의 카테고리로 분류한다.
일 예로, 복수의 애플리케이션은 아래 표 1과 같이 분류될 수 있다.
카테고리 애플리케이션 특성 예
클래스 A 메시징 애플리케이션, 채팅 애플리케이션, 포스팅 기반 SNS 애플리케이션 카카오톡, 마이피플, 네이트온, 구글톡, 페이스북, 트위터
클래스 B 비메시징 애플리케이션, 사용자 조작 기반의 애플리케이션 중 문장으로 된 텍스트(예, 댓글) 입력을 지원하는 애플리케이션 Foursquare, groupon
클래스 C 비메시징 애플리케이션, 사용자 조작 기반의 애플리케이션 중 텍스트 입력을 지원하지 않는 애플리케이션 지하철 종결자, 서울 버스
클래스 D 비메시징 애플리케이션, 사용자 비조작 기반의 애플리케이션 유투브, DMB 애플리케이션
다른 예로, 복수의 애플리케이션은 아래 표 2와 같이 소정 기간 동안의 애플리케이션 별 터치 횟수에 따라 분류될 수도 있다.
카테고리 터치 횟수
클래스 A 30일치 터치 횟수가 상위 0~25%
클래스 B 30일치 터치 횟수가 상위 25~50%
클래스 C 30일치 터치 횟수가 상위 50~75%
클래스 D 30일치 터치 횟수가 상위 75~100%
카테고리 분류 모듈(322)은 각 클래스에 속하는 애플리케이션의 소정 범위 이내에 대하여 카테고리를 조정할 수도 있다. 예를 들어, 클래스 A의 터치 횟수 기준 하위 10%의 애플리케이션과 클래스 B의 터치 횟수 기준 상위 10%의 애플리케이션에 대해서는 사용 시간 정보를 더 반영하여 카테고리를 조정할 수 있다. 클래스 B의 터치 횟수 기준 하위 10%의 애플리케이션과 클래스 C의 터치 횟수 기준 상위 10%의 애플리케이션 및 클래스 C의 터치 횟수 기준 하위 10%의 애플리케이션과 클래스 D의 터치 횟수 기준 상위 10%의 애플리케이션에 대해서도 동일하게 조정할 수 있다.
카테고리 분류 모듈(322)은 초기 단계에서 표 1과 같이 애플리케이션 카테고리를 분류하고, 일정 수준 이상으로 데이터가 수집되면 표2와 같이 애플리케이션 카테고리를 조정할 수도 있다.
저장 모듈(324)은 카테고리 별 애플리케이션의 사용 정보를 저장한다. 이를 위하여, 사용 정보 분석 모듈(320)은 애플리케이션 마켓 서버로부터 소정 기간 동안의 애플리케이션 별 사용 시간 정보 및 터치 횟수 정보를 수신할 수 있다. 애플리케이션 별 사용 시간 정보는, 예를 들면 애플리케이션을 시작한 시각과 종료한 시각으로부터 산출되거나, 애플리케이션을 시작한 후 처음으로 터치한 시각과 마지막으로 터치한 시각으로 산출될 수 있다. 이를 위하여, 사용자 단말은 애플리케이션을 시작한 시각, 종료한 시각, 애플리케이션을 처음으로 터치한 시각, 마지막으로 터치한 시각 등을 애플리케이션 마켓 서버로 전송할 수 있다. 저장 모듈(324)은 애플리케이션 별 사용 시간 정보 및 터치 횟수 정보를 이용하여 동일한 카테고리에 속하는 애플리케이션들의 평균 사용 시간 정보 및 평균 터치 횟수 정보를 산출하고, 이를 저장할 수 있다.
비교 모듈(326)은 소정의 애플리케이션과 소정의 애플리케이션이 속하는 카테고리에 포함되는 다른 애플리케이션에 대한 사용 정보를 비교한다.
그리고, 추출 모듈(328)은 비교 모듈(326)의 비교 결과에 따라 사용자 만족도 점수를 산출한다.
도 5에는 애플리케이션 추천 장치(10)의 사용 정보 분석 유닛(320)이 사용자 만족도 점수를 산출하는 과정이 구체적으로 예시되어 있다.
애플리케이션 추천 장치(10)는 소정 애플리케이션의 사용 정보를 수집하고(S500), 소정 애플리케이션과 동일한 카테고리에 속하는 다른 애플리케이션의 사용 정보를 수집한다(S510). 그리고, 애플리케이션 추천 장치(10)는 소정 애플리케이션의 사용 정보 및 소정 애플리케이션과 동일한 카테고리에 속하는 다른 애플리케이션의 사용 정보를 비교하고(S520), 비교 결과에 기초하여 사용자 만족도 점수를 산출한다. 사용자 만족도 점수는, 예를 들면 수학식 3과 같이 산출될 수 있다.
Figure 112012027079057-pat00003
여기서, S3는 사용자 만족도 점수를 의미하고, Na는 소정 애플리케이션의 터치 횟수이고, Ta는 소정 애플리케이션의 사용 시간이며, Nc는 소정 애플리케이션이 속하는 카테고리 내의 다른 애플리케이션들의 평균 터치 횟수이고, Tc는 소정 애플리케이션이 속하는 카테고리 내의 다른 애플리케이션들의 평균 사용 시간이다.
다시 도 4를 참고하면, 평가 점수 산출부(300)의 합산 유닛(330)은 다운로드 정보 분석 유닛(310)이 산출한 통계 분석 점수 및 데이터 마이닝 점수 중 적어도 하나와 사용 정보 분석 유닛(320)이 산출한 사용자 만족도 점수를 합산하여 평가 점수를 산출한다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (13)

  1. 애플리케이션 추천 장치의 애플리케이션 추천 방법에 있어서,
    복수의 사용자 단말의 애플리케이션 다운로드 정보를 수집하는 단계,
    상기 복수의 사용자 단말의 애플리케이션 사용 정보를 수집하는 단계,
    상기 애플리케이션 다운로드 정보 및 상기 애플리케이션 사용 정를 이용하여 애플리케이션 추천을 위한 평가 점수를 산출하는 단계, 그리고
    산출한 평가 점수에 기초하여 추천 애플리케이션 리스트를 생성하는 단계를 포함하며,
    상기 평가 점수를 산출하는 단계는,
    상기 애플리케이션 다운로드 정보로부터 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나를 추출하는 단계,
    상기 애플리케이션 사용 정보로부터 사용자 만족도 정보를 추출하는 단계, 그리고
    상기 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나와 상기 사용자 만족도 정보를 합산하여 상기 평가 점수를 추출하는 단계를 포함하며,
    상기 애플리케이션 사용 정보는 각 애플리케이션의 사용 시간 정보 및 터치 정보를 포함하고,
    상기 사용 시간 정보는 해당 애플리케이션이 사용자 단말들에서 실행되는 시간에 대한 정보이고,
    상기 터치 정보는 해당 애플리케이션이 실행되는 동안 상기 사용자 단말들에서 터치된 횟수에 대한 정보인, 애플리케이션 추천 방법.
  2. 제1항에 있어서,
    상기 애플리케이션 다운로드 정보는 소정 기간 동안 애플리케이션을 다운로드 받은 건수에 대한 정보를 포함하는 애플리케이션 추천 방법.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 평가 점수를 추출하는 단계에서 상기 통계 분석 정보, 상기 데이터 마이닝 정보 및 상기 사용자 만족도 정보 중 적어도 하나에 가중치를 적용하는 애플리케이션 추천 방법.
  6. 제1항에 있어서,
    상기 사용자 만족도 정보는 애플리케이션 별 터치 횟수 및 애플리케이션 별 사용 시간에 기초하여 추출되는 애플리케이션 추천 방법.
  7. 애플리케이션 추천 장치의 평가 점수 산출 방법에 있어서,
    제1 애플리케이션의 사용 정보를 수집하는 단계,
    상기 제1 애플리케이션이 속한 카테고리의 사용 정보를 수집하는 단계,
    상기 제1 애플리케이션의 사용 정보와 상기 카테고리의 사용 정보를 비교하는 단계, 그리고
    비교 결과에 기초하여 상기 제1 애플리케이션의 평가 점수를 산출하는 단계를 포함하며,
    상기 제1 애플리케이션의 사용 정보는 상기 제1 애플리케이션의 사용 시간 정보 및 터치 정보를 포함하고,
    상기 제1 애플리케이션의 사용 시간 정보 해당 애플리케이션이 사용자 단말들에서 실행되는 시간에 대한 정보이고,
    상기 제1 애플리케이션의 터치 정보는 해당 애플리케이션이 실행되는 동안 상기 사용자 단말들에서 터치된 횟수에 대한 정보이며,
    상기 카테고리의 사용 정보는 상기 카테고리에 포함된 적어도 하나의 제2 애플리케이션의 평균 터치 횟수 정보 및 상기 적어도 하나의 제2 애플리케이션의 평균 사용 시간 정보를 포함하는, 평가 점수 산출 방법.
  8. 삭제
  9. 삭제
  10. 제7항에 있어서,
    상기 카테고리는 소정 기간 동안 복수의 사용자 단말로부터 수집된 복수의 애플리케이션에 대한 사용 정보에 기초하여 분류되는 평가 점수 산출 방법.
  11. 복수의 사용자 단말의 애플리케이션 다운로드 정보 및 상기 복수의 사용자 단말의 애플리케이션 사용 정보를 수집하는 정보 수집부,
    상기 애플리케이션 다운로드 정보 및 상기 애플리케이션 사용 정보를 이용하여 애플리케이션 추천을 위한 평가 점수를 산출하는 평가 점수 산출부, 그리고
    산출한 평가 점수에 기초하여 추천 애플리케이션 리스트를 생성하는 리스트 생성부를 포함하며,
    상기 평가 점수 산출부는
    상기 애플리케이션 다운로드 정보로부터 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나를 추출하는 다운로드 정보 분석 유닛,
    상기 애플리케이션 사용 정보로부터 사용자 만족도 정보를 추출하는 사용 정보 분석 유닛, 그리고
    상기 통계 분석 정보 및 데이터 마이닝 정보 중 적어도 하나와 상기 사용자 만족도 정보를 합산하여 상기 평가 점수를 추출하는 합산 유닛을 포함하고,
    상기 애플리케이션 사용 정보는 각 애플리케이션의 사용 시간 정보 및 터치 정보를 포함하고,
    상기 사용 시간 정보는 해당 애플리케이션이 사용자 단말들에서 실행되는 시간에 대한 정보이고,
    상기 터치 정보는 해당 애플리케이션이 실행되는 동안 상기 사용자 단말들에서 터치된 횟수에 대한 정보인, 애플리케이션 추천 장치.
  12. 삭제
  13. 제11항에 있어서,
    상기 사용 정보 분석 유닛은
    복수의 사용자 단말로부터 수집된 복수의 애플리케이션에 대한 사용 정보에 기초하여 상기 복수의 애플리케이션의 카테고리를 분류하는 카테고리 분류 모듈,
    카테고리 별 애플리케이션의 사용 정보를 저장하는 저장 모듈,
    소정 애플리케이션의 사용 정보와 상기 소정 애플리케이션이 속하는 카테고리에 포함되는 다른 애플리케이션의 사용 정보를 비교하는 비교 모듈, 그리고
    비교 결과에 따라 상기 사용자 만족도 점수를 추출하는 추출 모듈
    을 포함하는 애플리케이션 추천 장치.
KR1020120035043A 2012-04-04 2012-04-04 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법 KR101956876B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120035043A KR101956876B1 (ko) 2012-04-04 2012-04-04 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120035043A KR101956876B1 (ko) 2012-04-04 2012-04-04 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법

Publications (2)

Publication Number Publication Date
KR20130112565A KR20130112565A (ko) 2013-10-14
KR101956876B1 true KR101956876B1 (ko) 2019-06-27

Family

ID=49633550

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120035043A KR101956876B1 (ko) 2012-04-04 2012-04-04 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법

Country Status (1)

Country Link
KR (1) KR101956876B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101396547B1 (ko) * 2013-11-28 2014-05-20 주식회사 제이윈파트너스 모바일 어플리케이션 통계 분석시스템
KR102266517B1 (ko) 2014-02-26 2021-06-16 에스케이플래닛 주식회사 사용자의 실행 패턴을 이용한 상품 추천 시스템, 사용자의 실행 패턴을 이용한 상품 추천 방법 및 이를 위한 장치
KR102328195B1 (ko) * 2014-07-28 2021-11-17 에스케이플래닛 주식회사 인터넷 광고 서비스 시스템, 인터넷 광고 서비스 방법 및 이를 위한 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012014447A (ja) * 2010-06-30 2012-01-19 Ntt Docomo Inc ユーザにアプリケーションを推薦するサーバ及び方法
JP2012058987A (ja) * 2010-09-08 2012-03-22 Ntt Docomo Inc ユーザにアプリケーションを推薦する配信サーバ及び配信方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012014447A (ja) * 2010-06-30 2012-01-19 Ntt Docomo Inc ユーザにアプリケーションを推薦するサーバ及び方法
JP2012058987A (ja) * 2010-09-08 2012-03-22 Ntt Docomo Inc ユーザにアプリケーションを推薦する配信サーバ及び配信方法

Also Published As

Publication number Publication date
KR20130112565A (ko) 2013-10-14

Similar Documents

Publication Publication Date Title
CN108021929B (zh) 基于大数据的移动端电商用户画像建立与分析方法及系统
US8631122B2 (en) Determining demographics based on user interaction
CN106503006B (zh) 应用App中子应用的排序方法及装置
CN109299994B (zh) 推荐方法、装置、设备及可读存储介质
CN108280115B (zh) 识别用户关系的方法及装置
US20140351179A1 (en) Information push method and apparatus
US20130332385A1 (en) Methods and systems for detecting and extracting product reviews
CN103870538B (zh) 针对用户进行个性化推荐的方法、用户建模设备及系统
AU2017204022A1 (en) Cognitive relevance targeting in a social networking system
CN105045916A (zh) 一种手机游戏推荐系统及其推荐方法
CN102316046A (zh) 向社交网络中的用户推荐信息的方法和装置
CN106789598B (zh) 基于社交关系链的公众号消息推送方法、装置及系统
CN110162717A (zh) 一种推荐好友的方法和设备
CN109471978B (zh) 一种电子资源推荐方法及装置
KR20210066514A (ko) 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법
CN105279672A (zh) 线索推荐
CN112104642B (zh) 一种异常账号确定方法和相关装置
US11263664B2 (en) Computerized system and method for augmenting search terms for increased efficiency and effectiveness in identifying content
CN102934113A (zh) 信息提供系统、信息提供方法、信息提供设备、程序和信息记录介质
CN105577815A (zh) 一种阅读精准投送系统的投送方法及投送系统及处理器
KR101956876B1 (ko) 애플리케이션 추천 장치 및 방법, 그리고 그의 평가 점수 산출 방법
EP2613275B1 (en) Search device, search method, search program, and computer-readable memory medium for recording search program
CN115271931A (zh) 一种信用卡产品的推荐方法、装置、电子设备和介质
US11080605B1 (en) Interest matched interaction initialization
US10360600B1 (en) Big tree method and system for verifying user reviews

Legal Events

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