KR102032842B1 - 사용자 상황을 해석하는 동적 소셜 및 센서 데이터의 실시간 분석 - Google Patents
사용자 상황을 해석하는 동적 소셜 및 센서 데이터의 실시간 분석 Download PDFInfo
- Publication number
- KR102032842B1 KR102032842B1 KR1020130023206A KR20130023206A KR102032842B1 KR 102032842 B1 KR102032842 B1 KR 102032842B1 KR 1020130023206 A KR1020130023206 A KR 1020130023206A KR 20130023206 A KR20130023206 A KR 20130023206A KR 102032842 B1 KR102032842 B1 KR 102032842B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- user
- social data
- social
- physical
- Prior art date
Links
- 238000010223 real-time analysis Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 15
- 230000006855 networking Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 2
- 238000012913 prioritisation Methods 0.000 claims description 2
- 230000003997 social interaction Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 17
- 230000008451 emotion Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000036651 mood Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 241000208720 Nepenthes Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- BQJCRHHNABKAKU-KBQPJGBKSA-N morphine Chemical compound O([C@H]1[C@H](C=C[C@H]23)O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4O BQJCRHHNABKAKU-KBQPJGBKSA-N 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
본 발명의 제1 실시예에 있어서 전자 장치 사용자의 상황을 해석하는 방법이 제공되며, 이러한 방법은 사용자와 관련된 소셜 데이터를 수집하는 단계 사용자 장치와 관련된 물리 데이터를 수집하기 위해 상기 전자 장치에 있는 하나 이상의 물리 센서들을 모니터링 하는 단계 상기 소셜 데이터 및 상기 물리 데이터에서 구조화된 데이터를 내부 데이터 형식에 매핑하는 단계 구조화되지 않은 소셜 데이터로부터 특징을 추출하는 단계 상기 특징과 관련된 속성을 식별하는 단계 상기 식별된 속성에 대한 값을 획득하는 단계 상기 물리 데이터를 검사하여 상기 사용자의 움직임을 해석하는 단계 및 구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터의 특징의 식별된 속성으로 사용자의 움직임을 융합하여 사용자의 상황을 검출하는 단계를 포함한다.
Description
본 발명은 전자 콘텐츠에 관한 발명이다. 보다 상세하게는, 전자 콘텐츠에 대한 더 나은 추천을 위해 사용자 상황을 해석하는 동적 소셜 및 센서 데이터의 실시간 분석에 관한 것이다.
전자 콘텐츠, 특히 온라인 콘텐츠의 양은 인터넷 보급의 증가에 기인하여 최근 몇 년 동안 폭발적으로 증가하고 있다. 그러나 콘텐츠 및 정보의 대부분은 특정 순간에 특정 사용자와 무관한 것이어서, 이미 많은 콘텐츠 양으로 압도된 소비자들의 불만은 더욱 늘어나고 있다. 소비자들은 자신들이 원할 때 손끝에서 그들이 선호하는 것과 원하는 정보를 효율적으로 제공해주는 해결책을 원하고 있다. 한편, 콘텐츠 제공 사업자들은 소비자들의 온라인 활동과 관련하여 세부적이고 방대한 양의 데이터를 축적하고 있다. 또한 소비자들의 관심사 및 정서를 이해하기 위해 데이터를 마이닝(mining)하는 것 보다 타겟 마케팅 및 광고가 더 효과적이라는 것은 널리 알려진 사실이다.
종래의 마이닝 기술의 주요 단점은 사용자 상황(user's situation)을 제대로 반영하고 있지 않다는데 있다. 어떤 특정 순간에, 사용자가 요구하거나 선호하는 것, 그리고 사용자에게 적합하게 제안할 수 있는 것은 사용자 상황에 따라 달라진다. 예를 들면, 사용자가 평소 와인을 선호 할지라도, 와인을 선호하지 않는 친구와 함께 근처에 있는 와인 시음장소 방문을 제안하는 것은 좋은 생각이 아니다. 다른 예로, 사용자가 극장에 가는 것, 박물관에 방문하는 것, 그리고 하이킹하는 것을 선호할 수 있지만, 이러한 활동을 제안하는 것 역시 날씨, 사용자의 기분, 또는 동일한 관심을 공유하고 있는 친구들이 있는지 여부에 따라 달라질 수도 있다.
유용한 추천은 컴퓨팅 플랫폼에서도 중요하지만, 작은 디스플레이 영역, 느린 처리 속도, 및 더욱 제한된 사용자 입력에 기인하여, 휴대 단말기와 같은 스몰 폼팩터(small form factors)를 가지는 장치들에 있어서는 특히 중요하다.
오랜 시간에 걸쳐 형성된 사용자의 관심은 사용자의 관심, 물리적인 행동, 또는 온라인 쇼핑 패턴 등과 같은 가상의 행동에 기초하여 추론될 수 있다. 하지만, 잠재적이고 짧은 기간 동안의 사용자의 요구(needs)를 파악하기 위해(사용자의 현재 활동, 위치, 감정 등에 관한) 사용자의 "현재 상황"을 판단하는 것은 전자 콘텐츠 추전 방법 개선에 있어서 매우 중요한 요소 이다.
본 발명의 목적은 일부 정적 데이터와 함께 소셜 데이터와 다양한 센서 데이터를 포함하는 동적 데이터의 융합 및 추상화를 통해 사용자의 상황을 해석함에 있다.
본 발명의 다른 목적은 사용자의 짧은 기간 요구를 정확히 분석하기 위해 사용자의 상황이 실시간으로 해석되도록 그 해결책을 제공함에 있다.
본 발명의 제1 실시예에 있어서, 전자 장치 사용자의 상황을 해석하는 방법은 사용자와 관련된 소셜 데이터를 수집하는 단계 사용자 장치와 관련된 물리적 데이터를 수집하기 위해 상기 전자 장치에 있는 하나 이상의 물리 센서들을 모니터링 하는 단계 상기 소셜 데이터 및 상기 물리적 데이터에서 구조화된 데이터를 내부 데이터 형식에 매핑하는 단계 구조화되지 않은 소셜 데이터로부터 특징을 추출하는 단계 상기 특징과 관련된 속성을 식별하는 단계 상기 식별된 속성에 대한 값을 획득하는 단계 상기 물리 데이터를 검사하여 상기 사용자의 움직임을 해석하는 단계 및 구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터 특징의 식별된 속성으로 사용자의 움직임을 융합함으로써 사용자 상황을 검출하는 단계를 포함한다.
본 발명의 제2 실시예에 있어서, 전자 장치는 하나 이상의 물리 센서 내부 데이터 형식에 매핑된 출력 데이터 및 하나 이상의 물리 센서를 모니터링 하는 하나 이상의 물리 센서 모니터 구조화되지 않은 소셜 데이터 출력 및 상기 전자 장치들로부터 소셜 상호작용을 모니터링 하는 적어도 하나 이상의 소셜 데이터 모니터들 상기 하나 이상의 소셜 데이터 모니터들과 연결되며, 상기 구조화되지 않은 소셜 데이터로부터 특징들을 추출하는 특징 추출기 상기 특징 추출기와 연결되며, 식별된 속성 값을 얻고 상기 특징과 관련 속성을 식별하는 시멘틱 분석기 상기 하나 이상의 물리 센서들과 연결되며, 상기 물리 데이터를 검사하여 상기 전자 장치의 사용자의 움직임을 해석하는 센서 융합 및 추상화 모듈 및 상기 시멘틱 분석기 및 센서 융합 및 추상화 모듈과 연결되며, 구조화된 소셜 데이터의 특징들 및 구조화되지 않은 소셜 데이터 특징들의 식별된 속성들로 사용자의 움직임을 융합하여 사용자의 상황을 검출하는 상황 검출기를 포함하는 것을 특징으로 하는 전자 장치이다.
본 발명의 제3 실시예에 있어서, 전자 장치 사용자의 상황을 해석하는 장치는 사용자와 관련된 소셜 데이터를 수집하기 위한 수단 사용자 장치와 관련된 물리 데이터를 수집하기 위해 상기 전자 장치에 있는 하나 이상의 물리 센서들을 모니터링하기 위한 수단 상기 소셜 데이터 및 상기 물리 데이터에서 구조화된 데이터를 내부 데이터 형식에 매핑하기 위한 수단 구조화되지 않은 소셜 데이터로부터 특징을 추출하기 위한 수단 상기 특징과 관련된 속성을 식별하기 위한 수단 상기 식별된 속성에 대한 값을 획득하기 위한 수단 상기 물리 데이터를 검사하여 상기 사용자의 움직임을 해석하기 위한 수단 및 구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터의 특징의 식별된 속성으로 사용자의 움직임을 융합함으로써 사용자 상황을 검출하기 위한 수단을 포함한다.
본 발명의 제4실시예에 있어서, 전자 장치 사용자의 상황을 해석하는 방법을 수행하는 머신(machine)에 의해 실행 가능한 명령의 프로그램이 구현된 머신에 의해 판독 가능한 영구적인(non-transitory) 프로그램 저장 장치가 제공되며, 이는, 사용자와 관련된 소셜 데이터를 수집하는 단계 사용자 장치와 관련된 물리 데이터를 수집하기 위해 상기 전자 장치 상의 하나 이상의 물리 센서들을 모니터링 하는 단계 상기 소셜 데이터 및 상기 물리 데이터에서 구조화된 데이터를 내부 데이터 형식에 매핑하는 단계 구조화되지 않은 소셜 데이터로부터 특징을 추출하는 단계 상기 특징과 관련된 속성을 식별하는 단계 상기 식별된 속성에 대한 값을 획득하는 단계 상기 물리 데이터를 검사하여 상기 사용자의 움직임을 해석하는 단계 및 구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터의 특징의 식별된 속성으로 사용자의 움직임을 융합함으로써 사용자의 상황을 검출하는 단계를 포함하는 판독 가능한 영구적인 프로그램 저장 장치를 제공한다.
전술한 바와 같이, 구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터 특징의 식별된 속성으로 사용자 움직임을 융합함으로써 사용자 상황을 검출하여 이를 해석할 수 있으며, 이로써 사용자의 짧은 기간 동안의 사용자 요구를 분석할 수 있고 사용자의 상황이 실시간으로 해석되는 해결책을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 아키텍처 도면이다.
도 2는 본 발명의 실시예에 따른 예시적인 시나리오를 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 전자 장치 사용자의 상황을 해석하는 방법을 도시한 흐름도이다.
도 2는 본 발명의 실시예에 따른 예시적인 시나리오를 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 전자 장치 사용자의 상황을 해석하는 방법을 도시한 흐름도이다.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예들을 상세히 설명한다. 이때, 본 발명을 실시예들로 제한하는 것은 아니며, 첨부된 청구범위에 의해 정의되는 본 발명의 범위 및 사상 내에 포함될 수 있는 바와 같이, 대안, 변형 및 균등물을 모두 망라하는 것으로 보아야 한다. 다음의 상세한 설명에서, 특정 세부사항은 본 발명의 전체적인 이해를 돕기 위해 개시된 것이며, 본 발명은 이러한 특정 세부사항의 전부 또는 일부 없이도 실시할 수 있을 것이다. 아울러, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 설명은 생략할 것이다.
본 발명에 따른 컴포넌트, 프로세스 단계, 및/또는 데이터 구조는 다양한 형식의 운영체제, 프로그램 언어, 컴퓨팅 플랫폼, 컴퓨터 프로그램, 및/또는 범용 머신을 이용하여 구현될 수 있다. 또한, 이 기술 분야에서 통상의 지식을 가진 자는 하드웨어에 내장된(hardwired) 장치, FPGAs(field programmable gate arrays), ASICs(application specific integrated circuits) 등과 같은, 덜 범용적인 장치들 또한 본 문헌에 기술된 발명의 범위 및 사상으로부터 벗어남이 없이 사용될 수 있음을 이해할 수 있을 것이다. 본 발명은 또한 메모리 장치와 같은 컴퓨터 판독 가능한 매체에 저장되는 컴퓨터 인스트럭션(instruction)의 집합으로 구현될 수 있다. 사용자의 짧은 기간 요구를 더 정확히 분석하기 위해, 본 발명은 사용자 상황이 실시간으로 해석되는 해결책을 제공한다. 사용자 상황은 현재 활동, 위치, 감정 상태, 그날의 시간 등과 같은 다양한 속성형태로 출력이 될 수 있다. 이 해석 및 결과 출력은 융합, 추상화 및 다중 소스들로부터 데이터 분석에 의해 이루어질 수 있다.
여기서 상황이란 사용자의 선호도, 행동 및 의사 결정에 영향을 주는 다양한 변수 값으로 정의될 수 있다. 일반적으로, 상기 상황은 다음과 같이 하나 이상의 변수 카테고리에 의해 정의될 수 있다: (1) 물리적 환경을 정의하는 변수들(예컨대, 위치, 시간, 날씨, 사운드, 조명 등); (2) 소설 환경을 정의하는 변수들(예컨대, 사용자 주변의 사람들, 사용자가 그 안에 있는 장소의 카테고리 등); (3) 사용자 상태를 정의하는 변수들(예컨대, 무드, 감정, 심장 박동, 혈압, 당 레벨 등); 및 (4) 사용자 활동을 정의하는 변수들(예컨대, 걷기, 운전, 잠자기, 춤추기 등과 같은 물리 활동, 이메일, 전화 통화, 쇼핑, 소셜 네트워킹, 웹 서핑, 콘텐츠 열람 및 콘텐츠와 상호작용 등과 같은 온라인 활동).
모든 변수들이 상황을 정의하는 데에 사용될 필요는 없다. 즉, 어떤 변수들이 상황을 정의하는 데에 있어 중요한 것인지는 어플리케이션 도메인마다 달라 질것이다. 예를 들면, 노래를 듣기 위해 음악을 선택할 경우에는 주로 사용자의 무드, 활동, 및 주변 사람들의 영향을 받을 것이다. 또한, 어떤 변수들이 중요한 지는 사용자마다 다를 수 있다. 예를 들면, 날씨는 사용자들에게 어떤 활동을 수행할지 결정하는 데에 있어 중요한 요인이 될 수 있지만 다른 사용자들에게는 그리 중요한 변수가 아닐 수 있다.
이러한 분석을 수행하기 위해 필요한 데이터를 얻기 위한 소스들은 다양할 수 있다. 본 발명의 일 실시예에 있어서, GPS 모듈, 가속도계, 마이크로폰, 카메라 등과 같은 사용자 장치에 있는 물리 센서들이 사용될 수 있다. 그러한 센서들로부터의 데이터는 미가공 데이터/판독(raw data/readings) 또는 추상화된 데이터를 포함할 수 있다. 이러한 데이터는 사용자의 물리적 이동 패턴, 활동, 및 물리적 위치들과 같은 사용자의 물리적 콘텍스트(physical context)에 관하여 유용한 힌트를 제공할 수 있다. 로우(Raw) 센서 판독은 뛰기, 걷기, 이동, 흔들기 등과 같은 상위 레벨 추상 개념(abstraction)으로 번역될 수 있다.
다른 실시예에 있어서, 소셜 어플리케이션으로부터 데이터는 사용자의 소셜 컨텍스트(social context)에 관한 유용한 힌트를 제공하도록 사용될 수 있다. 이는 친구, 동료, 및 사용자에게 영향을 줄 수 있는 다른 사람을 포함하는 사용자 소셜 서클(social circles)을 분석하는 것을 포함할 수 있다. 또한 지지(endorsement), 리뷰(review), 비선호(dislike) 등과 같은 소셜 경험(social experiences)을 분석하는 것을 포함할 수 있다. 또한 그룹, 제품, 활동 등과 같은 사용자의 소셜 관심(social interests)을 분석하는 것을 포함할 수 있다. 나아가 사용자 경험/관심/활동에 기초하여, 환경 친화적으로 활동하는지 여부 등과 같은 사용자 생활 방식(user's lifestyle)을 분석하는 것을 포함할 수 있다.
게다가, 연락처(contacts), 캘린더(calendar), 이메일(email), 메시지(texting) 등과 같은 개인 정보 관리 어플리케이션 및 소셜 네트워킹 사이트를 포함하고 사용자에 의해 구성 가능한 소셜 어플리케이션도 데이터의 소스로 사용될 수 있다. 이에 한정되는 것은 아니지만 그러한 어플리케이션들로부터의 데이터는 콘텐츠, 포스트, 업데이트, 통지 등을 포함할 수 있다. 이러한 데이터의 일부는 연락처(contacts) 및 캘린더 엔트리(calendar entries)들과 같이 비교적 정적(static)이고 일부는 포스트, 업데이트, 통지, 텍스트 메시지 등과 같이 동적(dynamic)이다.
본 발명은 일부 정적 데이터와 함께 소셜 데이터 및 다양한 센서 데이터를 포함하는 동적 데이터의 융합 및 추상화를 통해 사용자 상황을 해석하는 데에 중점을 두고 있다. 이때, 사용자 상황은 사용자의 활동, 위치, 감정 상태, 현재 시간, 사용자가 참가하는 행사/이벤트, 사용자 주변 사람들 등과 같은 다양한 속성들을 이용하여 표현될 수 있다.
도 1은 본 발명의 실시예에 따른 아키텍처 도면이다. 다수의 모니터들(100a, 100b, 100c, 100d, 100e)은 데이터의 소스들(102a, 102b, 102c, 102d, 102e)에 대응하는 모니터로 사용될 수 있다. 모니터들은 개별 소스들로부터 공지(notifications) 및/또는 새로운 데이터에 대해 지속적으로 청취 또는 핑(ping)을 한다. 업데이트가 수신될 때, 어떤 구조화된 데이터는 내부적으로 정의된 데이터 형식에 매핑될 수 있다. 다음의 표 1은 본 발명의 실시예에 따른 몇 가지 샘플 데이터 형식을 정의한다. 부분 구조화되거나 또는 구조화되지 않은 데이터는 단순히 텍스트(text)로 라벨링될 수 있다.
| 데이터 형식 | 예시적인 값 |
| 이벤트(EVENT) 명칭 및 형식 | 명칭: "Bay to Breakers" 형식: Marathon, Party, Concert |
| 사람 이름 및 관계 형식 | 이름(명칭): "Mary Ann" 관계: 가족, 친구, 동료, 하이킹 클럽 |
| 장소(명칭), 형식 및 주소 | 장소(명칭): "Nepenthe" 형식: 식당, 가게, 몰 주소: Big Sur, CA |
| 활동 | 걷기, 뛰기, 춤 |
| 감정 | 스트레스 받음, 신남 |
| 텍스트 | "Loved biking in San Francisco!" |
특징 추출기(feature extractor)(104)는 텍스트 메시지 및 소셜 네트워킹 상호작용으로부터 텍스트 데이터와 같이 비하드웨어(non-hardware) 센서 모니터들로부터 새로운 데이터를 수신한다. 그런 다음, 상기 텍스트로부터 중요한 주제 및 지정된 엔티티들(named entities; 그 명칭이 지정된 엔티티, 즉 미리 지정된 텍스트 상 그 명칭과 동일한 엔티티)을 추출한다. 지정된 엔티티 추출과 같은 자연어 프로그래밍 기술은 사람, 장소 등의 명칭들을 추출하도록 적용될 수 있다. TF-IDF(term frequency-inverse document frequency; 특정 용어가 하나의 문서에 나타나는 빈도, 특정 용어를 포함하는 문서의 빈도)와 같은 주파수 기반 메트릭(metrics)은 단어 및 구절의 중요성을 측정하고, 중요한 주제들을 추출하도록 적용될 수 있다. TF-IDF는 단어가 수집 또는 코퍼스(corpus)에서 문헌에 대해 얼마나 중요한지 반영하는 통계이다. 더욱이, 에이징 스킴(aging scheme)은 그들의 발생 시간에 상응하는 키워드 및 특징들에 다양한 가중치를 할당하도록 적용될 수 있다.
시멘틱(semantic) 분석기(106)는 특징 추출기(104)로부터 지정된 엔티티를 수신할 수 있고, 모니터(100a 내지 100e)로부터 구조화된 데이터를 수신할 수 있다. 그러한 데이터는 특징 추출기(104)로부터의 지정된 엔티티 및 중요한 주제들과, 다른 소스들로부터의 이벤트, 사람, 활동 등의 명칭을 포함할 수 있다. 시멘틱 분석기(106)가 새로운 데이터를 수신할 때, 시멘틱 분석기(106)는 스키마(schema) 또는 온톨로지(ontology)를 이용하여 수신된 데이터에 관련된 추가 속성들을 식별할 수 있다. 그런 다음, 시멘틱 분석기(106)는 엔티티들의 온라인 데이터베이스 또는 검색 엔진과 같은 하나 이상의 소스들을 통해, (만약 그 값이 이미 이용 가능한 것이 아니라면) 관련된 속성 각각에 대한 값들을 추가적으로 가져올 수 있다. 예를 들면, 만약 시멘틱 분석기(106)에 [이벤트 명칭(EVENT name): 'U2 콘서트']가 주어지면, 시멘틱 분석기(106)는 'EVENT'의 속성들로, '명칭(name)', '참석자(attendees)', '장소(venue)', '날짜(date)', '이벤트의 형식(type of event)' 등을 식별할 수 있고, 이러한 속성들 각각에 대한 값들을 가져 올 수 있다(예컨대, 장소: '오클랜드 아레나', 형식: '음악 콘서트').
센서 융합 및 추상화 모듈(108)은 가속도계, GPS 모듈, 마이크로폰 등과 같은 물리 센서들의 모니터들로부터 로우(raw) 센서 판독된 것들을 수신하고, 센서 판독된 것들을 워킹(walking), 리듬 있는 움직임(rhythmic movement) 등과 같은 사용자 움직임으로 해석한다. 이는 나이브 베이시안 분류(Naㅿve Bayesian Classification), 지지 벡터 머신(Support Vector Machines), 히든 마코브 모델(Hidden Marcov Model), 결정 트리(decision trees) 등과 같은 분류 기술들을 적용하는 것을 포함할 수 있다.
그런 다음, 상황 분석기(110)는 특징 추출기(104), 시멘틱 분석기(106), 센서 융합 및 추상화 모듈(108) 및 모니터들(100a 내지 100e)로부터 데이터를 수신한다. 그러한 데이터는 관련된 속성 및 구조화된 데이터에 따르는 지정된 엔티티을 포함할 수 있다. 상황 분석기(110)가 새로운 데이터를 수신할 때, 상황 분석기(110)는 조합된 데이터를 함께 분석하고, 다음의 속성들의 하나 이상의 관점에서 사용자의 상황의 완전한 그림을 생성하도록 시도할 수 있다: 사용자가 현재 참가한 이벤트, 사용자 주변 사람, 사용자의 위치, 사용자의 활동, 및 사용자의 감정. 이러한 속성들 모두는 실시간 또는 적어도 실시간으로 지금 사용자의 상황의 그림을 얻기 위해 시도하는 것이다.
이는 고객 규칙 기반 분류 기술(custom rule-based classification techniques)을 적용함으로써 이루어질 수 있다. 어떤 데이터 소스 및 어떤 종류의 데이터 시퀀스 및 속성들이 유도되는 것이 필요한 데이터의 각 형식을 위해 더 높은 가중치들이 주어져야만 하는지 특정하는 규칙들이 생성될 수 있다. 소스, 시퀀스 및 관련된 인커밍 데이터의 가중치들에 기초한 그러한 규칙들을 사용하면, 다중의 소스들로부터 수신된 특정 데이터를 위한 마지막 가중치가 산출되며, 그리고 (개발자에 의해 충분히 구성될 수 있는) 설정된 임계치(threshold)보다 가중치가 더 큰 값들이 사용자의 상황의 속성으로 고려된다. 예를 들면, 'EVENT' 데이터 형식을 위해, 다음과 같은 규칙이 특정될 수 있다: 달력 엔티티들 및 지정된 엔티티들로부터 'EVENT' 정보는 높은 가중치가 할당될 수 있다. 몇몇 실시예들에서, 분류 알고리즘들을 이용하는 것보다는 나이브 베이시안(Naㅿve Bayesian Classification), 지지 벡터 머신(Support Vector Machines), 히든 마코브 모델(Hidden Marcov Model) 등과 같은 고객 규칙 기반 분류 기술들이 다양화된 소스들로부터 센서 및 소셜 데이터를 분석하고 분류하는 데에 사용될 수 있다. 그 경우에서 첫 번째 단계는 텍스트 시스템을 이용하여 데이터를 수집하거나, 또는 기록할 수 있고, 시험 사용자는 분류 알고리즘을 훈련하기 위한 그러한 데이터를 이용할 수 있다.
상황 분석기(106)의 출력은 광고, 자동 소셜 업데이트(automatic social updates), 추천(recommendation)을 포함하는 어플리케이션의 다양성을 위해 사용될 수 있다.
시스템의 다양한 프로세싱 컴포넌트들(104 내지 110)이 새로 수신된 데이터를 프로세스할 수 있는 인터벌(interval)이 구성될 수 있다는 것에 유의하여야 한다. 예를 들면, 상황 분석기(110)는 사용자의 현재 상황을 매 30 분마다 추정하기 위하여 매 30 분마다 구동될 수 있다.
도 2는 본 발명의 실시예에 따른 예시적인 시나리오를 도시하는 도면이다. 사용자(200)는 친구와 함께 하이킹(hiking)하는 정보를 페이스북(Facebook™) 페이지에 업데이트 할 수 있다. 페이스북 모니터(202)는 이 변경을 검출하고, 상황 검출기(204)에 이 정보를 전달할 수 있다. 이와 동시에, 물리 센서 모니터(206)는 (시간 당 3 마일의 움직임을 나타내는 GPS 모듈들 및 가속도계와 같은) 사용자가 걷고 있음을 의미하는 물리 센서에서의 변화를 감지할 수 있다. 그런 다음, 상황 검출기(204)는 사용자가(검출된 움직임이 시작된 후로) X 분 동안 그 친구와 함께 하이킹을 했음을 추론할 수 있다.
도 3은 본 발명의 실시예에 따른 전자 장치 사용자의 상황을 해석하는 방법을 도시하는 흐름도이다. 300 단계에서, 사용자와 관련된 소셜 데이터가 수집된다. 예를 들면, 전자 장치와 소셜 네트워킹 사이트 간의 통신을 모니터링 함으로써 수행될 수 있다. 이러한 통신은 직접 또는 간접적으로 모니터링될 수 있다. 직접 모니터링은 소셜 네트워킹 사이트로 전송되기 전에 생성된 통신을 인터셉트하는 것을 포함할 수 있다. 또는, 직접 모니터링은 소셜 네트워킹 사이트가 수신하기 전에 제3의 장치(third party device)에서 통신을 인터셉트하는 것을 포함한다. 직접 모니터링과 관련한 다른 예는 소셜 데이터에 대한 모니터 또는 소셜 데이터를 가져오기(retrieve) 위한 웹 사이트에 의해 제공되는 API(application programming interface)를 이용하는 것을 포함한다. 간접 모니터링은, 그러한 목적을 위해 소셜 네트워킹 어플리케이션에 삽입된 후크(hook)를 이용하는 것과 같이, 사용자가 통지(notification) 또는 업데이트를 입력하는 소셜 네트워킹 어플리케이션으로부터 통지를 수신하는 것을 포함한다. 따라서 시스템은 소셜 네트워킹 어플리케이션으로부터 발생한 통지에 가입하고 이를 청취한다. 대안으로, 간접 통신은 어떤 업데이트가 사용자에게 제공되었는지를 확인하기 위해 소셜 네트워킹 사이트를 주기적으로 방문하는 것을 포함할 수 있다. 모니터링은 주기적인 단위로 수행될 수 있다.
302 단계에서, 전자 장치에 하나 이상의 물리 센서들은 사용자와 관련된 물리 데이터를 수집하기 위해 모니터링 된다. 이 모니터링은 주기적으로 수행될 수 있다. 304 단계에서, 소셜 데이터 및 물리 데이터에서 구조화된 데이터는 내부의 데이터 형식에 매핑된다. 306 단계에서, 특징들은 구조화되지 않은 소셜 데이터로부터 추출된다. 308 단계에서, 특징들과 관련된 속성들이 식별된다. 310 단계에서, 값들은 식별된 속성들에 대해 얻어진다. 312 단계에서, 사용자의 움직임은 물리 데이터를 검사하여 검출된다. 314 단계에서, 사용자의 상황은 구조화되지 않은 소셜 데이터의 특징들의 식별된 속성들을 위한 값들로 사용자의 움직임을 융합하는 것에 의해 검출된다. 이 검출은 구조화되지 않은 소셜 데이터 특징들의 식별된 속성을 위한 값 및 사용자 움직임에 대해 우선순위 부여 기술(prioritization techniques) 및 고객 규칙 기반 필터링(custom rule-based filtering)을 적용하는 것을 포함한다. 고객 규칙 기반 필터링은 어떤 데이터 소스, 시퀀스, 형식, 및 속성이 높은 가중치로 할당되어야 하는지를 나타내는 규칙들을 특정하는 것을 포함할 수 있다.
프로세스의 마지막 단계에서 사용자 상황이 식별된다. 사용자 상황 실시간 분석에 기인하여, 상기 상황은 추천을 하거나 또는 사용자의 단기간 필요(즉, 사용자가 "지금 당장" 필요한 것)를 언급하는 데에 있어 도움이 되는 다른 동작을 수행하도록 사용 될 수 있다.
요약하면, 본 발명은 사용자의 현재 상황을 끌어내기 위해 동적 소셜 데이터 및 업데이트들을 이용하는 것을 허용한다. 이는 실시간 프로세싱 및 분석을 가능하게 하는 단순하고 실용적인 방법론이다. 프로세싱은 클라우드 또는 원격 서버필요 없이 모바일 장치에서 수행할 수 있다. 이는 현재 위치, 활동, 이벤트, 주변 사람들, 및 감정들에 관하여 특정 순간에 사용자의 상황을 표현하는 고유한 방법이다.
이 기술 분야에서 통상의 지식을 가진 자들에게 자명하듯이, 전술한 실시예의 아키텍처들은 프로세서에서 실행되는 프로그램 명령, 소프트웨어 모듈, 마이크로코드, 컴퓨터 판독 가능한 매체 상의 컴퓨터 프로그램 제품, 논리 회로, 어플리케이션 특정 집적 회로, 펌웨어, 소비자 전자 장치 등과 같은 많은 방법으로 구현될 수 있으며, 그리고 무선 장치, 무선 송/수신기 및 무선 네트워크의 다른 부분으로 사용될 수 있다. 게다가, 다중 전자 디스플레이 스크린 상에서 멀티미디어 콘텐츠를 재생하기 위한 실시예에 설명된 방법 및 시스템은 전체가 하드웨어의 실시형태, 전체가 소프트웨어의 실시형태, 또는 소프트웨어 및 하드웨어 요소들 양자 모두를 포함하는 실시형태를 취할 수 있다.
용어 "컴퓨터 판독 가능한 매체"는 주 메모리, 보조 메모리, 착탈 가능한 스토리지, 하드디스크, 플래시 메모리, 디스크 드라이브 메모리, CD-ROM 및 다른 형식의 영구 메모리와 같은 매체를 일컫는다. 프로그램 저장 장치들은 본 발명의 다양한 방법들을 동작시키기 위한 실해할 수 있는 컴퓨터 코드를 포함하는 저장 장치들을 설명하기 위해 사용되었음을 언급하며, 다양한 형태의 반송파 또는 신호들과 같은, 일시적인 주제의 문제를 커버하기 위해서 구성되어진 것은 아니다. 프로그램 저장 장치들 및 컴퓨터 판독 가능한 매체는 주 메모리, 보조 메모리, 착탈 가능한 스토리지 디스크, 하드 디스크 드라이브 및 다른 존재하는 스토리지 장치들 또는 컴포넌트와 같은 매체들을 나타내는 일반적으로 사용되는 용어이다.
본 발명의 오직 몇 개의 실시예들만이 자세하게 설명되어 있을지라도, 본 발명은 본 발명의 범위 또는 사상을 벗어남이 없이, 많은 다른 형식으로 구현될 수 있음을 이해하여야 한다. 그러므로 본 발명의 실시예는 예시적인 것이지 한정적으로 고려되어서는 안 되며, 본 발명은 본 문헌에 주어진 상세한 설명에 의해서 제한되는 것이 아니며, 첨부된 청구범위와 동등하거나 그의 범위 내에서 수정될 수 있을 것이다.
100a: 페이스북 100b: 트위터
100c: PIM 데이터 100d: 장치 미디어
100e: 물리 센서들 104: 특징 추출기
106: 시멘틱 분석기 108: 센서 융합 및 추상화
110: 상황 검출기 112: 어플리케이션
100c: PIM 데이터 100d: 장치 미디어
100e: 물리 센서들 104: 특징 추출기
106: 시멘틱 분석기 108: 센서 융합 및 추상화
110: 상황 검출기 112: 어플리케이션
Claims (21)
- 전자 장치 사용자의 상황을 해석하는 방법에 있어서,
하나 이상의 소셜 데이터 모니터들을 통해 사용자와 관련된 소셜 데이터를 수집하는 동작;
사용자 장치와 관련된 물리 데이터를 수집하기 위해, 하나 이상의 물리 센서 모니터들을 통해 상기 전자 장치에 있는 하나 이상의 물리 센서를 모니터링 하는 동작;
상기 하나 이상의 소셜 데이터 모니터들 및 상기 하나 이상의 물리 센서 모니터들을 통해 상기 소셜 데이터 및 상기 물리 데이터에서 구조화된 데이터를 내부 데이터 형식에 매핑하는 동작;
특징 추출기를 통해 구조화되지 않은 소셜 데이터로부터 특징을 추출하는 동작;
시멘틱 분석기를 통해 상기 특징과 관련된 속성을 식별하는 동작;
상기 시멘틱 분석기를 통해 상기 식별된 속성에 대한 값을 획득하는 동작;
센서 융합 및 추상화 모듈을 통해 상기 물리 데이터를 검사하여 사용자 움직임을 해석하는 동작 및
상황 검출기를 통해 구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터의 특징의 식별된 속성으로 사용자 움직임을 융합하여 사용자의 상황을 검출하는 동작을 포함하며,
상기 구조화되지 않은 소셜 데이터 및 상기 구조화된 소셜 데이터는, 지정된 엔티티 및 주제 중 적어도 하나를 포함하는 전자 장치 사용자의 상황을 해석하는 방법. - 제1항에 있어서,
상기 검출하는 동작은 구조화되지 않은 소셜 데이터 특징의 식별된 속성을 위한 값, 사용자 움직임에 대해 고객 규칙 기반 필터링(custom rule-based filtering) 및 우선순위 부여 기술(prioritization techniques)을 적용하는 것을 포함하는 것을 특징으로 하는 전자 장치 사용자의 상황을 해석하는 방법. - 제2항에 있어서,
상기 고객 규칙 기반 필터링은 어떤 데이터 소스, 시퀀스, 형식, 및 속성이 높은 가중치로 할당되어야 하는지를 나타내는 규칙을 특정하는 것을 특징으로 하는 전자 장치 사용자의 상황을 해석하는 방법. - 제1항에 있어서,
상기 소셜 데이터를 수집하는 동작은 주기적으로 수행되는 것을 특징으로 하는 전자 장치 사용자의 상황을 해석하는 방법. - 제1항에 있어서,
상기 소셜 데이터를 수집하는 동작은, 전자 장치에 있는 소셜 네트워킹 어플리케이션에 의해 저장된 데이터를 검사하는 것으로 수행되는 것을 특징으로 하는 전자 장치 사용자의 상황을 해석하는 방법. - 제1항에 있어서,
상기 전자 장치는 모바일 장치인 것을 특징으로 하는 전자 장치 사용자의 상황을 해석하는 방법. - 제6항에 있어서,
상기 방법은 상기 모바일 장치에 의해 수행되는 것을 특징으로 하는 전자 장치 사용자의 상황을 해석하는 방법. - 전자 장치에 있어서,
하나 이상의 물리 센서들
내부 데이터 형식에 매핑된 출력 데이터 및 하나 이상의 물리 센서를 모니터링 하는 하나 이상의 물리 센서 모니터들
구조화되지 않은 소셜 데이터 출력 및 상기 전자 장치들로부터 소셜 상호작용을 모니터링 하는 하나 이상의 소셜 데이터 모니터들
상기 하나 이상의 소셜 데이터 모니터들과 연결되며, 상기 구조화되지 않은 소셜 데이터로부터 특징을 추출하는 특징 추출기
상기 특징 추출기와 연결되며, 식별된 속성을 위한 값을 얻고 상기 특징과 관련된 속성을 식별하는 시멘틱 분석기
상기 하나 이상의 물리 센서들과 연결되며, 상기 하나 이상의 물리 센서들을 모니터링하여 수집된 물리 데이터를 검사하여 상기 전자 장치 사용자의 움직임을 해석하는 센서 융합 및 추상화 모듈 및
상기 시멘틱 분석기 및 센서 융합 및 추상화 모듈과 연결되며, 구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터의 특징의 식별된 속성으로 사용자의 움직임을 융합하여 사용자의 상황을 검출하는 상황 검출기를 포함하며,
상기 구조화되지 않은 소셜 데이터 및 상기 구조화된 소셜 데이터는, 지정된 엔티티 및 주제 중 적어도 하나를 포함하는 전자 장치. - 제8항에 있어서,
상기 하나 이상의 물리 센서들은GPS(global positioning system) 모듈을 포함하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 하나 이상의 물리 센서는 가속도계를 포함하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 하나 이상의 물리 센서들은 마이크로폰을 포함하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 하나 이상의 소셜 네트워크 모듈들은 상기 전자 장치 상에 설치된 하나 이상의 소셜 네트워킹 어플리케이션들을 모니터링 하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 특징 추출기는 자연어 프로그램 기술을 이용하는 것을 특징으로 하는 전자 장치. - 제13항에 있어서,
상기 자연어 프로그램 기술은 지정된 엔티티 추출을 포함하는 것을 특징으로 하는 전자 장치. - 제13항에 있어서,
상기 특징 추출기는 TF-IDF(term frequency-inverse document frequency)를 연산하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 센서 융합 및 추상화 모듈은 나이브 베이시안 분류(Naㅿve Bayesian Classification)를 적용하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 센서 융합 및 추상화 모듈은 결정 트리(decision trees)를 사용하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 센서 융합 및 추상화 모듈은 지지 벡터 머신(Support Vector Machines)을 적용하는 것을 특징으로 하는 전자 장치. - 제8항에 있어서,
상기 센서 융합 및 추상화 모듈은 히든 마코브 모델(Hidden Marcov Model)을 적용하는 것을 특징으로 하는 전자 장치. - 전자 장치 사용자의 상황을 해석하는 장치에 있어서,
사용자와 관련된 소셜 데이터를 수집하기 위한 수단
사용자 장치와 관련된 물리 데이터를 수집하기 위해 상기 전자 장치에 있는 하나 이상의 물리 센서들을 모니터링하기 위한 수단
상기 소셜 데이터 및 상기 물리 데이터에서 구조화된 데이터를 내부 데이터 형식에 매핑하기 위한 수단
구조화되지 않은 소셜 데이터로부터 특징을 추출하기 위한 수단
상기 특징과 관련된 속성을 식별하기 위한 수단
상기 식별된 속성에 대한 값을 획득하기 위한 수단
상기 물리 데이터를 검사하여 상기 사용자 움직임을 해석하기 위한 수단 및
구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터 특징의 식별된 속성으로 사용자 움직임을 융합하여 사용자의 상황을 검출하기 위한 수단
을 포함하며,
상기 구조화되지 않은 소셜 데이터 및 상기 구조화된 소셜 데이터는, 지정된 엔티티 및 주제 중 적어도 하나를 포함하는 전자 장치 사용자의 상황을 해석하는 장치. - 전자 장치 사용자의 상황을 해석하는 방법을 수행하는 머신에 의해 실행 가능한 명령의 프로그램이 구현된 머신에 의해 판독 가능한 영구적인(non-transitory) 프로그램 저장 장치에 있어서,
사용자와 관련된 소셜 데이터를 수집하는 동작;
사용자 장치와 관련된 물리 데이터를 수집하기 위해 상기 전자 장치에 있는 하나 이상의 물리 센서들을 모니터링 하는 동작;
상기 소셜 데이터 및 상기 물리 데이터에서 구조화된 데이터를 내부 데이터 형식에 매핑하는 동작;
구조화되지 않은 소셜 데이터로부터 특징을 추출하는 동작;
상기 특징과 관련된 속성을 식별하는 동작;
상기 식별된 속성에 대한 값을 획득하는 동작;
상기 물리 데이터를 검사하여 상기 사용자의 움직임을 해석하는 동작 및
구조화된 소셜 데이터의 특징 및 구조화되지 않은 소셜 데이터의 특징의 식별된 속성로 사용자의 움직임을 융합하여 사용자의 상황을 검출하는 동작을 포함하며, 상기 구조화되지 않은 소셜 데이터 및 상기 구조화된 소셜 데이터는, 지정된 엔티티 및 주제 중 적어도 하나를 포함하는 방법을 수행하는 머신에 의해 실행 가능한 명령의 프로그램이 구현된 머신에 의해 판독 가능한 영구적인 프로그램 저장 장치.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/413,546 US8838516B2 (en) | 2012-03-06 | 2012-03-06 | Near real-time analysis of dynamic social and sensor data to interpret user situation |
| US13/413,546 | 2012-03-06 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130102008A KR20130102008A (ko) | 2013-09-16 |
| KR102032842B1 true KR102032842B1 (ko) | 2019-11-08 |
Family
ID=49114981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130023206A KR102032842B1 (ko) | 2012-03-06 | 2013-03-05 | 사용자 상황을 해석하는 동적 소셜 및 센서 데이터의 실시간 분석 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US8838516B2 (ko) |
| KR (1) | KR102032842B1 (ko) |
| CN (1) | CN103309918B (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220001353A (ko) * | 2020-06-29 | 2022-01-05 | 한전케이디엔주식회사 | 시맨틱 웹 기반의 헬스 케어 정보 관리 방법 |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140052782A1 (en) * | 2012-08-15 | 2014-02-20 | Solavei, Llc | Social Feed Filtering |
| KR20140038206A (ko) * | 2012-09-20 | 2014-03-28 | 한국전자통신연구원 | 비정형 데이터의 실시간 이벤트 처리 장치 및 방법 |
| US9621602B2 (en) * | 2012-11-27 | 2017-04-11 | Facebook, Inc. | Identifying and providing physical social actions to a social networking system |
| US9235804B1 (en) * | 2013-03-12 | 2016-01-12 | Google Inc. | System and method for selecting and serving content items based on sensor data from mobile devices |
| JP5735592B2 (ja) * | 2013-08-28 | 2015-06-17 | ヤフー株式会社 | 情報処理装置、制御方法および制御プログラム |
| US20150143260A1 (en) * | 2013-11-18 | 2015-05-21 | Facebook, Inc. | State-Machine-Driven User-Interface Interactions |
| KR20150061102A (ko) | 2013-11-25 | 2015-06-04 | 주식회사 케이티 | 관제 시스템 및 이를 이용한 관제 방법 |
| CN104699720A (zh) * | 2013-12-10 | 2015-06-10 | 中兴通讯股份有限公司 | 海量数据融合存储方法及系统 |
| CN104951983A (zh) * | 2014-03-31 | 2015-09-30 | 邻客音公司 | 用于社交网络的新成员的多目标优化 |
| KR101664387B1 (ko) * | 2014-05-23 | 2016-10-10 | 주식회사 솔트룩스 | 센서 웹을 위한 소셜 센서 시스템 |
| KR101656447B1 (ko) * | 2014-05-23 | 2016-09-09 | 주식회사 솔트룩스 | 소셜 데이터 기반의 센서 웹 시스템 |
| SG10201407018YA (en) * | 2014-10-28 | 2016-05-30 | Chee Seng Keith Lim | System and method for processing heartbeat information |
| US9467733B2 (en) | 2014-11-14 | 2016-10-11 | Echostar Technologies L.L.C. | Intuitive timer |
| US9503791B2 (en) * | 2015-01-15 | 2016-11-22 | Echostar Technologies L.L.C. | Home screen intelligent viewing |
| CN104978409B (zh) * | 2015-06-19 | 2018-11-20 | 百度在线网络技术（北京）有限公司 | 一种基于状态影响因子的智能搜索方法及装置 |
| US9866927B2 (en) * | 2016-04-22 | 2018-01-09 | Microsoft Technology Licensing, Llc | Identifying entities based on sensor data |
| US9924217B1 (en) | 2016-11-22 | 2018-03-20 | Echostar Technologies L.L.C. | Home screen recommendations determination |
| US10790053B2 (en) * | 2017-04-18 | 2020-09-29 | International Business Machines Corporation | Appetite improvement system through memory association |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101143167B1 (ko) * | 2000-03-16 | 2012-07-10 | 마이크로소프트 코포레이션 | 우선 순위화 시스템, 및 우선 순위 생성 및 관리를 제공하는 방법 및 시스템 |
| US7933226B2 (en) | 2003-10-22 | 2011-04-26 | Palo Alto Research Center Incorporated | System and method for providing communication channels that each comprise at least one property dynamically changeable during social interactions |
| US8364540B2 (en) * | 2005-09-14 | 2013-01-29 | Jumptap, Inc. | Contextual targeting of content using a monetization platform |
| CN101139896A (zh) * | 2007-07-26 | 2008-03-12 | 南京大学 | 一种基于情境感知的智能门禁系统 |
| CN101222394B (zh) * | 2007-12-03 | 2010-06-02 | 南京大学 | 一种面向智能家庭环境的情景感知的服务应用层系统 |
| KR20090072575A (ko) * | 2007-12-28 | 2009-07-02 | 주식회사 케이티 | 사용자 맞춤형 콘텐츠 추천 장치 및 그 방법 |
| US20130183926A1 (en) * | 2009-03-09 | 2013-07-18 | Arbitron Mobile Oy | Apparatus, System and Method for Mobile Terminal Data Analysis and Distribution Utilizing Internal Proxies |
| WO2011000046A1 (en) * | 2009-07-01 | 2011-01-06 | Ozmota Inc. | Systems and methods for determining information and knowledge relevancy, relevant knowledge discovery and interactions, and knowledge creation |
| US8121618B2 (en) * | 2009-10-28 | 2012-02-21 | Digimarc Corporation | Intuitive computing methods and systems |
| CN103038765B (zh) * | 2010-07-01 | 2017-09-15 | 诺基亚技术有限公司 | 用于适配情境模型的方法和装置 |
| US9111211B2 (en) * | 2011-12-20 | 2015-08-18 | Bitly, Inc. | Systems and methods for relevance scoring of a digital resource |
-
2012
- 2012-03-06 US US13/413,546 patent/US8838516B2/en active Active
-
2013
- 2013-03-05 KR KR1020130023206A patent/KR102032842B1/ko active IP Right Grant
- 2013-03-06 CN CN201310070026.9A patent/CN103309918B/zh not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220001353A (ko) * | 2020-06-29 | 2022-01-05 | 한전케이디엔주식회사 | 시맨틱 웹 기반의 헬스 케어 정보 관리 방법 |
| KR102397476B1 (ko) | 2020-06-29 | 2022-05-11 | 한전케이디엔주식회사 | 시맨틱 웹 기반의 헬스 케어 시스템 및 그의 헬스 케어 정보 관리 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103309918A (zh) | 2013-09-18 |
| CN103309918B (zh) | 2018-05-29 |
| US20130238544A1 (en) | 2013-09-12 |
| US8838516B2 (en) | 2014-09-16 |
| KR20130102008A (ko) | 2013-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102032842B1 (ko) | 사용자 상황을 해석하는 동적 소셜 및 센서 데이터의 실시간 분석 | |
| CN111615712B (zh) | 多日历协调 | |
| US10223465B2 (en) | Customizable, real time intelligence channel | |
| US10748121B2 (en) | Enriching calendar events with additional relevant information | |
| KR101741351B1 (ko) | 정황 인구통계 판정 시스템 | |
| US20130018954A1 (en) | Situation-aware user sentiment social interest models | |
| US10380208B1 (en) | Methods and systems for providing context-based recommendations | |
| US10013462B2 (en) | Virtual tiles for service content recommendation | |
| AU2017204022A1 (en) | Cognitive relevance targeting in a social networking system | |
| US20150261775A1 (en) | Content management method and cloud server therefor | |
| US20180150464A1 (en) | Multi-stage Filtering for Recommended User Connections on Online Social Networks | |
| US9871876B2 (en) | Sequential behavior-based content delivery | |
| US20240202550A1 (en) | Machine learning modeling using social graph signals | |
| WO2012080790A1 (en) | System and method to provide messages adaptive to a crowd profile | |
| US11436293B2 (en) | Characterizing a place by features of a user visit | |
| US20190182195A1 (en) | Event-Based Scoring of Communication Messages | |
| JP2016525727A (ja) | オンライン・ソーシャル・ネットワーク上での画像に対するタグ付けの提案 | |
| US12056441B2 (en) | Annotating a collection of media content items | |
| Shapsough et al. | Emotion recognition using mobile phones | |
| CA2929814A1 (en) | Method and system for analyzing digital activity | |
| Rosa et al. | A weight-aware recommendation algorithm for mobile multimedia systems | |
| Otebolaku et al. | Supporting context-aware cloud-based media recommendations for smartphones | |
| Kim et al. | Fusion context model based on user scenario for smart service | |
| Lee et al. | Structuring Mobile User Context Based on Spatio-Temporal Information | |
| Kim et al. | A Service Recommended Model Based on User Scenario Using Fusion Context-Awareness |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |