KR102064292B1 - 개인화된 소셜네트워크서비스 컨텐츠 추천 방법 및 장치 - Google Patents
개인화된 소셜네트워크서비스 컨텐츠 추천 방법 및 장치 Download PDFInfo
- Publication number
- KR102064292B1 KR102064292B1 KR1020180090876A KR20180090876A KR102064292B1 KR 102064292 B1 KR102064292 B1 KR 102064292B1 KR 1020180090876 A KR1020180090876 A KR 1020180090876A KR 20180090876 A KR20180090876 A KR 20180090876A KR 102064292 B1 KR102064292 B1 KR 102064292B1
- Authority
- KR
- South Korea
- Prior art keywords
- content
- data
- user
- keyword
- tree
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010801 machine learning Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012384 transportation and delivery Methods 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 208000034423 Delivery Diseases 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing 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
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 실시예들은 웹 기반의 서비스 플랫폼으로부터 트렌드에 관한 데이터와 사용자에 관한 데이터를 수집하고, 트렌드에 관한 데이터에 대하여 컨텐츠 후보를 추출하고, 사용자에 관한 데이터에 대하여 키워드를 추출하고, 키워드를 기반으로 맞춤형 컨텐츠를 추천함으로써, 사용자에게 개인 맞춤형 최신 컨텐츠를 제공하는 방법 및 장치를 제공한다.
Description
본 발명이 속하는 기술 분야는 소셜네트워크서비스에서 개인 맞춤형 컨텐츠를 추천하는 방법 및 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
웹에서 인맥 관계를 강화하거나 새로운 인맥을 쌓으며 인적 네트워크를 형성할 수 있는 서비스를 소셜 네트워크 서비스(Social Network Service, SNS)라고 한다. 인터넷에서 개인의 정보를 공유할 수 있고, 의사소통을 도와주는 1인 미디어 또는 1인 커뮤니티이다.
인터넷 검색보다 소셜 네트워크 서비스를 통하여 최신 정보를 찾는 사용자가 증가하고 있다. 대부분 지인으로 연결되어 있는 특성상 일반 검색을 통해 찾는 정보보다 친구의 추천으로 공유하는 정보가 신뢰성이 높고 간결하게 전달되기 때문이다.
아직까지는 사용자 스스로 검색을 해야 하는 실정이며, 사용자가 관심있는 주제에 관한 최신 컨텐츠를 사용자에게 자동으로 제공하는 새로운 방식이 필요하다.
본 발명의 실시예들은 웹 기반의 서비스 플랫폼으로부터 트렌드에 관한 데이터와 사용자에 관한 데이터를 수집하고, 트렌드에 관한 데이터에 대하여 컨텐츠 후보를 추출하고, 사용자에 관한 데이터에 대하여 키워드를 추출하고, 키워드를 기반으로 맞춤형 컨텐츠를 추천함으로써, 사용자에게 개인 맞춤형 최신 컨텐츠를 제공하는 데 발명의 주된 목적이 있다.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.
본 실시예의 일 측면에 의하면, 컴퓨팅 디바이스에 의한 개인 맞춤형 컨텐츠 추천 방법에 있어서, 웹 기반의 서비스 플랫폼으로부터 제1 키워드를 이용하여 트렌드에 관한 제1 데이터를 수집하는 단계, 상기 웹 기반의 서비스 플랫폼으로부터 제1 사용자에 관한 제2 데이터를 수집하는 단계, 상기 트렌드에 관한 제1 데이터를 분석하여 컨텐츠 후보를 추출하는 단계, 상기 제1 사용자에 관한 제2 데이터를 기계학습 방식으로 분석하여 상기 제1 사용자의 관심사를 대표하는 제2 키워드를 추출하는 단계, 및 상기 제1 키워드와 상기 제2 키워드를 비교하여 상기 컨텐츠 후보 중에서 상기 제1 사용자의 관심사에 대응하는 맞춤형 컨텐츠를 추천하는 단계를 포함하는 개인 맞춤형 컨텐츠 추천 방법을 제공한다.
본 실시예의 다른 측면에 의하면, 웹 기반의 서비스 플랫폼으로부터 제1 키워드를 이용하여 트렌드에 관한 제1 데이터를 수집하고, 제1 사용자에 관한 제2 데이터를 수집하는 데이터 수집부, 상기 트렌드에 관한 제1 데이터를 분석하여 컨텐츠 후보를 추출하고, 상기 제1 사용자에 관한 제2 데이터를 기계학습 방식으로 분석하여 상기 제1 사용자의 관심사를 대표하는 제2 키워드를 추출하는 데이터 분석부, 상기 제1 키워드와 상기 제2 키워드를 비교하여 상기 컨텐츠 후보 중에서 상기 제1 사용자의 관심사에 대응하는 맞춤형 컨텐츠를 추천하는 컨텐츠 추천부, 및 상기 제1 데이터, 상기 제2 데이터, 상기 제1 키워드, 상기 제2 키워드, 및 상기 컨텐츠 후보를 저장하는 데이터 베이스를 포함하는 개인 맞춤형 컨텐츠 추천 장치를 제공한다.
본 실시예의 또 다른 측면에 의하면, 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록된 컨텐츠 추천을 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행되는 경우에, 웹 기반의 서비스 플랫폼으로부터 제1 키워드를 이용하여 트렌드에 관한 제1 데이터를 수집하는 단계, 상기 웹 기반의 서비스 플랫폼으로부터 제1 사용자에 관한 제2 데이터를 수집하는 단계, 상기 트렌드에 관한 제1 데이터를 분석하여 컨텐츠 후보를 추출하는 단계, 상기 제1 사용자에 관한 제2 데이터를 기계학습 방식으로 분석하여 상기 제1 사용자의 관심사를 대표하는 제2 키워드를 추출하는 단계, 및 상기 제1 키워드와 상기 제2 키워드를 비교하여 상기 컨텐츠 후보 중에서 상기 제1 사용자의 관심사에 대응하는 맞춤형 컨텐츠를 추천하는 단계를 포함한 동작들을 수행하는 컴퓨터 프로그램을 제공한다.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 복수의 학습 패턴을 조합하여 공개 패턴을 생성하고, 사용자 인증시 입력된 패턴뿐만 아니라 패턴을 입력하는 사용자의 행위 정보를 함께 비교함으로써, 패스워드와 같이 사용자가 별도로 암기할 필요가 없고 패턴이 유출되더라도 숄더 서핑 공격을 방지하면서 정당한 사용자를 인증할 수 있는 효과가 있다.
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.
도 1 및 도 2는 본 발명의 실시예들에 개인 맞춤형 컨텐츠 추천 장치를 예시한 도면이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 데이터를 수집하는 것을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 트렌드에 관한 제1 데이터를 수집하는 것을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 사용자에 관한 제2 데이터를 수집하는 것을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 기계학습을 통하여 키워드를 추출하는 것을 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 키워드를 벡터 공간에 배치하는 것을 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 키워드를 추출한 일 예를 나타낸 도면이다.
도 10은 본 발명의 다른 실시예에 따른 개인 맞춤형 컨텐츠 추천 방법을 예시한 흐름도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 데이터를 수집하는 것을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 트렌드에 관한 제1 데이터를 수집하는 것을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 사용자에 관한 제2 데이터를 수집하는 것을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 기계학습을 통하여 키워드를 추출하는 것을 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 키워드를 벡터 공간에 배치하는 것을 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 개인 맞춤형 컨텐츠 추천 장치가 키워드를 추출한 일 예를 나타낸 도면이다.
도 10은 본 발명의 다른 실시예에 따른 개인 맞춤형 컨텐츠 추천 방법을 예시한 흐름도이다.
이하, 본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하고, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다.
도 1 및 도 2는 개인 맞춤형 컨텐츠 추천 장치를 예시한 도면이다.
도 1에 도시한 바와 같이, 개인 맞춤형 컨텐츠 추천 장치(100)는 데이터 데이터 수집부(110), 데이터 분석부(120), 컨텐츠 추천부(130), 및 데이터 베이스(140)를 포함한다. 개인 맞춤형 컨텐츠 추천 장치(100)는 도 1에서 예시적으로 도시한 다양한 구성요소들 중에서 일부 구성요소를 생략하거나 다른 구성요소를 추가로 포함할 수 있다.
개인 맞춤형 컨텐츠 추천 장치(100)는 웹 기반의 서비스 플랫폼으로부터 트렌드에 관한 데이터와 사용자에 관한 데이터를 수집하고, 트렌드에 관한 데이터에 대하여 컨텐츠 후보를 추출하고, 사용자에 관한 데이터에 대하여 키워드를 추출하고, 키워드를 기반으로 맞춤형 컨텐츠를 추천한다.
웹 기반의 서비스 플랫폼이 제공하는 서비스는 소셜 네트워크 서비스(Social Network Service, SNS)일 수 있다. SNS는 다양한 종류의 서비스가 제공되면, 대표적으로 트위터가 있다. 트위터에 게시되는 140자 이내의 게시글(트윗)에는 게시자의 관심사 및 성향이 담겨있고, 현재의 트렌드와 이슈를 반영한다. 이중에는 특정 트위터 사용자가 관심 가질만한 내용이 포함되어 있을 수도 있지만, 실제 사용자의 타임라인에는 자신이 팔로잉하는 타 사용자들의 트윗들만 나오기 때문에 관심사와 근접한 트윗이 전달되기 어려운 문제가 있다.
도 2를 참조하면, 개인 맞춤형 컨텐츠 추천 장치는 트위터에서 게시되는 트윗 중에서 인기가 있는 트렌드 트윗을 수집하는 동작, 사용자 개인이 게시하는 트윗을 수집하는 동작, 기계학습을 통해 사용자의 관심사 및 성향을 파악하는 동작, 사용자에게 개인화된 트렌드 트윗을 추천하는 동작을 수행한다. 사용자가 서비스에 접근하면, 접속한 사용자의 트윗을 수집하고 분석하여 사용자의 관심사에 근접한 맞춤형 인기 트윗을 실시간으로 제공한다.
도 3 및 도 4는 개인 맞춤형 컨텐츠 추천 장치가 데이터를 수집하는 것을 나타낸 도면이다.
데이터 수집부는 웹 기반의 서비스 플랫폼에서 제공하는 프로그래밍 인터페이스를 통하여 데이터를 수집한다. 데이터 수집부는 트위터에서 제공하는 REST API를 통해 데이터를 수집할 수 있다. 트위터 데이터를 수집하는 데이터 수집부는 실시간으로 발생하는 방대한 트위터 데이터를 효율적이고 장기적으로 수집할 수 있다.
도 3을 참조하면, 데이터 수집부는 데이터를 수집하는 동작과 데이터를 전처리하고 저장하는 동작을 수행한다. 데이터 수집부는 인기 있는 트윗을 수집하는 트렌드 수집기(Tweet Collector)와 사용자가 게시한 트윗을 수집하는 사용자 수집기(User Collector)를 포함한다. 도 4에서는 소프트웨어로 구현된 데이터 수집부의 화면이 도시되어 있다.
도 5는 개인 맞춤형 컨텐츠 추천 장치가 트렌드에 관한 제1 데이터를 수집하는 것을 나타낸 도면이다.
데이터 수집부는 제1 키워드로 컨텐츠를 검색하고, 제1 키워드와 검색된 컨텐츠를 데이터 베이스에 저장하고, 저장된 컨텐츠에 대하여 (i) 컨텐츠가 타 사용자에게 재전달된 횟수 및 (ii) 컨텐츠에 대한 타 사용자의 관심 횟수를 갱신한다.
트렌드 수집기는 네이버(NAVER)와 트위터(Twitter)의 실시간 트렌드 키워드를 통해, 현재 인기 있는 트윗 게시물들을 수집한다. 트렌드 키워드 리스트를 저장하고, 키워드들로 트윗을 검색하고 이중에서 일정 수치를 만족한 게시물만 수집하고 데이터베이스에 저장한다. 일정 수치는, 게시물이 얼마나 리트윗 되었는지를 나타내는 숫자이다. 리트윗이란, 기존의 게시물을 다른 사용자가 재게시한 것을 의미한다. 실시간 트렌드 키워드는 표 1과 같이 데이터 베이스에 저장된다.
키워드의 검색 횟수와 날짜도 함께 저장하여 추후에 키워드를 반복적으로 사용하여 트윗 데이터를 수집할 수 있다. 수집된 키워드로 인기 있는 트윗 게시물을 검색하고, 트윗 데이터를 표 2와 같이 저장한다. 만약 이미 저장된 트윗인 경우에는, 리트윗 횟수와 관심 횟수를 업데이트 해준다.
데이터 분석부는 (i) 컨텐츠가 타 사용자에게 재전달된 횟수 및 (ii) 컨텐츠에 대한 타 사용자의 관심 횟수를 기 설정된 임계값과 비교하여, 컨텐츠 후보를 추출한다.
도 6은 개인 맞춤형 컨텐츠 추천 장치가 사용자에 관한 제2 데이터를 수집하는 것을 나타낸 도면이다.
데이터 수집부는 기 설정된 기간 동안 (i) 제1 사용자가 작성한 제1 콘텐츠 및 (ii) 제2 사용자가 작성한 제2 콘텐츠를 제1 사용자가 제3 사용자에게 전달한 제3 콘텐츠를 수집하여 카테고리를 분류한다.
사용자 수집기는 사용자가 최근에 게시한 트윗 게시물 100개와 재게시한 리트윗 게시물 100개를 수집한다. 사용자의 게시물을 수집하고, 각 트윗의 내용을 기계학습을 통해 분석하고 카테고리를 분류하여 저장한다. 사용자의 게시물을 분석하면 사용자의 관심사에 대한 키워드를 알 수 있다. 분석된 사용자에 대한 정보를 표 3과 같이 사용자의 관심사와 함께 저장한다.
데이터 분석부는 제1 컨텐츠 또는 제3 컨텐츠에 포함된 키워드 후보를 벡터 공간에 배치하여 벡터 공간 상의 거리를 기준으로 키워드 후보의 의미에 관한 유사도를 판단하고, 유사도를 이용하여 키워드 후보에서 제2 키워드를 추출한다. 수집된 사용자의 게시물은 기계학습을 통해 사용자가 어떤 주제에 대해 자주 언급하고 관심이 있는지를 분석하고 키워드를 추출하여 저장한다.
데이터 수집부는 (i) 컨텐츠, (ii) 컨텐츠의 수명, (iii) 컨텐츠가 타 사용자에게 재전달된 횟수, 및 (iv) 컨텐츠에 대한 타 사용자의 관심 횟수를 포함하는 쿼드 정보가 트리 구조로 연결된 컨텐츠 트리를 생성한다. 데이터 수집부는 컨텐츠 트리를 구성하는 컨텐츠 간의 관계를 컨텐츠에 포함된 제1 키워드의 유사도를 기준으로 연결하여, 컨텐츠의 확산 속도를 가시화할 수 있다. 컨텐츠가 재전달되거나 재전달이 취소되면, 컨텐츠 트리를 추적하여 관련 정보를 갱신한다.
데이터 분석부는 컨텐츠의 수명이 기 설정된 기간 이내인 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 컨텐츠 트리를 재구성하여, 컨텐츠의 신선도를 유지할 수 있다. 컨텐츠 트리에서 조건을 만족하지 않는 일부 하위 트리를 제외한 나머지 하위 트리를 상호 연결한다.
데이터 분석부는 컨텐츠가 타 사용자에게 재전달된 후 재전달이 취소되면, 재전달이 취소된 컨텐츠에 신뢰도 점수를 부여하여, 재전달된 횟수와 재전달이 취소된 횟수에 관한 비율을 기준으로 상기 신뢰도 점수를 갱신한다. 데이터 분석부는 신뢰도 점수가 기 설정된 기준에 부합하는 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 컨텐츠 트리를 재구성하여, 컨텐츠의 신뢰도를 유지할 수 있다.
도 7은 개인 맞춤형 컨텐츠 추천 장치가 기계학습을 통하여 키워드를 추출하는 것을 나타낸 도면이고, 도 8은 개인 맞춤형 컨텐츠 추천 장치가 키워드를 벡터 공간에 배치하는 것을 나타낸 도면이다.
키워드를 추출하기에 앞서 기준이 되는 키워드셋을 만들어야 하는데, 이것은 네이버(NAVER)의 질문 카테고리와 나무위키(namuwiki)의 데이터를 이용할 수 있다. 나무위키는 한국어 위키로, 상대적으로 구어체가 많아 트위터의 트윗을 분석하는 기준으로 적합하다. 나무위키에 작성된 문장들을 형태소 단위로 분리하고, 각 형태소의 품사에 따라 태깅을 한다. 각 형태소 사이의 의미 유사도를 분석하고, 분석한 내용을 모델로 저장하여 재사용할 수 있게 한다. 의미 유사도를 분석하는 데에는 Word2Vec을 사용하였는데, Word2Vec은 단어의 앞/뒤에 나오는 단어들로 단어를 벡터 공간에 재배치하는 방법이다. 도 8에서는 Word2Vec의 일 예를 도시하고 있다.
각 단어들의 의미를 보존하고 단어 간의 의미 유사도를 cosine 거리에 따라 확인할 수 있다. 수집한 사용자의 게시물을 형태소 단위로 분리하여 각 형태소와 구성된 네이버 질문 키워드들 사이의 의미 유사도를 학습 모델을 통해 분석하고, 가장 유사한 키워드를 추출하여 이것을 사용자의 관심 키워드로 저장한다.
도 9는 개인 맞춤형 컨텐츠 추천 장치가 키워드를 추출한 일 예를 나타낸 도면이다. 즉, 기계학습을 이용하여 사용자의 트윗에서 키워드를 추출하였다. 사용자가 "와 요즘 먹어도 먹어도 배고픈 현상이 넘 심해진거 같아;; 어찌하면 좋습니까"라는 트윗을 작성했을 때, 형태소 단위로 트윗을 분리하고 각 형태소마다 의미 유사도가 가장 근접한 키워드를 구한다. 키워드별 유사도의 합을 계산하고, 유사도 총합이 가장 높은 키워드가 사용자의 대표 키워드로 추출하고 저장한다.
개인 맞춤형 컨텐츠 추천 장치에 포함된 구성요소들이 도 1에서는 분리되어 도시되어 있으나, 복수의 구성요소들은 상호 결합되어 적어도 하나의 모듈로 구현될 수 있다. 구성요소들은 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작한다. 이러한 구성요소들은 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
개인 맞춤형 컨텐츠 추천 장치는 하드웨어, 펌웨어, 소프트웨어 또는 이들의 조합에 의해 로직회로 내에서 구현될 수 있고, 범용 또는 특정 목적 컴퓨터를 이용하여 구현될 수도 있다. 장치는 고정배선형(Hardwired) 기기, 필드 프로그램 가능한 게이트 어레이(Field Programmable Gate Array, FPGA), 주문형 반도체(Application Specific Integrated Circuit, ASIC) 등을 이용하여 구현될 수 있다. 또한, 장치는 하나 이상의 프로세서 및 컨트롤러를 포함한 시스템온칩(System on Chip, SoC)으로 구현될 수 있다.
개인 맞춤형 컨텐츠 추천 장치는 하드웨어적 요소가 마련된 컴퓨팅 디바이스에 소프트웨어, 하드웨어, 또는 이들의 조합하는 형태로 탑재될 수 있다. 컴퓨팅 디바이스는 각종 기기 또는 유무선 통신망과 통신을 수행하기 위한 통신 모뎀 등의 통신장치, 프로그램을 실행하기 위한 데이터를 저장하는 메모리, 프로그램을 실행하여 연산 및 명령하기 위한 마이크로프로세서 등을 전부 또는 일부 포함한 다양한 장치를 의미할 수 있다.
도 10은 본 발명의 다른 실시예에 따른 개인 맞춤형 컨텐츠 추천 방법을 예시한 흐름도이다. 개인 맞춤형 컨텐츠 추천 방법은 컴퓨팅 디바이스에 의하여 수행될 수 있으며, 개인 맞춤형 컨텐츠 추천 장치가 수행하는 동작에 관한 상세한 설명과 중복되는 설명은 생략하기로 한다.
개인 맞춤형 컨텐츠 추천 방법은 트위터에서 게시되는 트윗 중에서 인기가 있는 트렌드 트윗을 수집하는 단계, 사용자 개인이 게시하는 트윗을 수집하는 단계, 기계학습을 통해 사용자의 관심사 및 성향을 파악하는 단계, 사용자에게 개인화된 트렌드 트윗을 추천하는 서비스 단계를 포함한다.
단계 S1010에서, 컴퓨팅 디바이스는 웹 기반의 서비스 플랫폼으로부터 제1 키워드를 이용하여 트렌드에 관한 제1 데이터를 수집한다. 단계 S1020에서, 컴퓨팅 디바이스는 웹 기반의 서비스 플랫폼으로부터 제1 사용자에 관한 제2 데이터를 수집한다. 단계 S1030에서, 컴퓨팅 디바이스는 트렌드에 관한 제1 데이터를 분석하여 컨텐츠 후보를 추출한다. 단계 S1040에서, 컴퓨팅 디바이스는 제1 사용자에 관한 제2 데이터를 기계학습 방식으로 분석하여 제1 사용자의 관심사를 대표하는 제2 키워드를 추출한다. 단계 S1050에서, 컴퓨팅 디바이스는 제1 키워드와 제2 키워드를 비교하여 컨텐츠 후보 중에서 제1 사용자의 관심사에 대응하는 맞춤형 컨텐츠를 추천한다.
데이터 수집 및 추천 시스템을 사용하여 웹서비스를 구축하면, 사용자 관심사 기반의 맞춤형 서비스와 광고 배너를 통해 수익을 낼 수 있고, 분석된 트위터 사용자에 대한 빅데이터는 트렌드 분석 및 기업의 광고 대상 탐색에 사용될 수 있다.
도 10에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 10에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.
본 실시예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광기록 매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.
본 실시예들은 본 실시예의 기술 사상을 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 개인 맞춤형 컨텐츠 추천 장치
110: 데이터 수집부
120: 데이터 분석부
130: 컨텐츠 추천부
140: 데이터 베이스
110: 데이터 수집부
120: 데이터 분석부
130: 컨텐츠 추천부
140: 데이터 베이스
Claims (15)
- 컴퓨팅 디바이스에 의한 개인 맞춤형 컨텐츠 추천 방법에 있어서,
웹 기반의 서비스 플랫폼으로부터 제1 키워드를 이용하여 트렌드에 관한 제1 데이터를 수집하는 단계;
상기 웹 기반의 서비스 플랫폼으로부터 제1 사용자에 관한 제2 데이터를 수집하는 단계;
상기 트렌드에 관한 제1 데이터를 분석하여 컨텐츠 후보를 추출하는 단계;
상기 제1 사용자에 관한 제2 데이터를 기계학습 방식으로 분석하여 상기 제1 사용자의 관심사를 대표하는 제2 키워드를 추출하는 단계; 및
상기 제1 키워드와 상기 제2 키워드를 비교하여 상기 컨텐츠 후보 중에서 상기 제1 사용자의 관심사에 대응하는 맞춤형 컨텐츠를 추천하는 단계를 포함하며,
상기 제1 데이터를 수집하는 단계는, (i) 컨텐츠, (ii) 상기 컨텐츠의 수명, (iii) 상기 컨텐츠가 타 사용자에게 재전달된 횟수, 및 (iv) 상기 컨텐츠에 대한 타 사용자의 관심 횟수를 포함하는 쿼드 정보가 트리 구조로 연결된 컨텐츠 트리를 생성하고, 상기 컨텐츠 트리를 구성하는 컨텐츠 간의 관계를 상기 컨텐츠에 포함된 상기 제1 키워드의 유사도를 기준으로 연결하여, 상기 컨텐츠의 확산 속도를 가시화하고,
상기 제1 데이터를 수집하는 단계는, 상기 컨텐츠가 재전달되거나 재전달이 취소되면, 상기 컨텐츠 트리를 추적하여 상기 쿼드 정보를 갱신하며,
상기 컨텐츠 후보를 추출하는 단계는, 상기 컨텐츠의 수명이 기 설정된 기간 이내인 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 상기 컨텐츠 트리를 재구성하여, 상기 컨텐츠의 신선도를 유지하고,
상기 컨텐츠 후보를 추출하는 단계는, 상기 컨텐츠가 타 사용자에게 재전달된 후 재전달이 취소되면, 상기 재전달이 취소된 컨텐츠에 신뢰도 점수를 부여하여, 상기 재전달된 횟수와 상기 재전달이 취소된 횟수에 관한 비율을 기준으로 상기 신뢰도 점수를 갱신하고, 상기 신뢰도 점수가 기 설정된 기준에 부합하는 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 상기 컨텐츠 트리를 재구성하여, 상기 컨텐츠의 신뢰도를 유지하고,
상기 컨텐츠 후보를 추출하는 단계는, 상기 컨텐츠 트리에서 상기 수명에 관한 조건을 만족하지 않는 일부 하위 트리를 제외한 나머지 하위 트리를 상호 연결하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 방법. - 제1항에 있어서,
상기 제1 데이터를 수집하는 단계와 상기 제2 데이터를 수집하는 단계는,
상기 웹 기반의 서비스 플랫폼에서 제공하는 프로그래밍 인터페이스를 통하여 데이터를 수집하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 방법. - 제1항에 있어서,
상기 제1 데이터를 수집하는 단계는,
상기 제1 키워드로 컨텐츠를 검색하고, 상기 제1 키워드와 상기 검색된 컨텐츠를 데이터 베이스에 저장하고, 저장된 컨텐츠에 대하여 (i) 상기 컨텐츠가 타 사용자에게 재전달된 횟수 및 (ii) 상기 컨텐츠에 대한 타 사용자의 관심 횟수를 갱신하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 방법. - 제3항에 있어서,
상기 컨텐츠 후보를 추출하는 단계는,
(i) 상기 컨텐츠가 타 사용자에게 재전달된 횟수 및 (ii) 상기 컨텐츠에 대한 타 사용자의 관심 횟수를 기 설정된 임계값과 비교하여, 상기 컨텐츠 후보를 추출하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 방법. - 제1항에 있어서,
상기 제2 데이터를 수집하는 단계는,
기 설정된 기간 동안 (i) 상기 제1 사용자가 작성한 제1 컨텐츠 및 (ii) 제2 사용자가 작성한 제2 컨텐츠를 상기 제1 사용자가 제3 사용자에게 전달한 제3 컨텐츠를 수집하여 카테고리를 분류하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 방법. - 제5항에 있어서,
상기 제2 키워드를 추출하는 단계는,
상기 제1 컨텐츠 또는 상기 제3 컨텐츠에 포함된 키워드 후보를 벡터 공간에 배치하여 상기 벡터 공간 상의 거리를 기준으로 상기 키워드 후보의 의미에 관한 유사도를 판단하고, 상기 유사도를 이용하여 상기 키워드 후보에서 상기 제2 키워드를 추출하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 방법. - 삭제
- 삭제
- 삭제
- 웹 기반의 서비스 플랫폼으로부터 제1 키워드를 이용하여 트렌드에 관한 제1 데이터를 수집하고, 제1 사용자에 관한 제2 데이터를 수집하는 데이터 수집부;
상기 트렌드에 관한 제1 데이터를 분석하여 컨텐츠 후보를 추출하고, 상기 제1 사용자에 관한 제2 데이터를 기계학습 방식으로 분석하여 상기 제1 사용자의 관심사를 대표하는 제2 키워드를 추출하는 데이터 분석부;
상기 제1 키워드와 상기 제2 키워드를 비교하여 상기 컨텐츠 후보 중에서 상기 제1 사용자의 관심사에 대응하는 맞춤형 컨텐츠를 추천하는 컨텐츠 추천부; 및
상기 제1 데이터, 상기 제2 데이터, 상기 제1 키워드, 상기 제2 키워드, 및 상기 컨텐츠 후보를 저장하는 데이터 베이스를 포함하며,
상기 데이터 수집부는, (i) 컨텐츠, (ii) 상기 컨텐츠의 수명, (iii) 상기 컨텐츠가 타 사용자에게 재전달된 횟수, 및 (iv) 상기 컨텐츠에 대한 타 사용자의 관심 횟수를 포함하는 쿼드 정보가 트리 구조로 연결된 컨텐츠 트리를 생성하고, 상기 컨텐츠 트리를 구성하는 컨텐츠 간의 관계를 상기 컨텐츠에 포함된 상기 제1 키워드의 유사도를 기준으로 연결하여, 상기 컨텐츠의 확산 속도를 가시화하고,
상기 데이터 수집부는, 상기 컨텐츠가 재전달되거나 재전달이 취소되면, 상기 컨텐츠 트리를 추적하여 쿼드 정보를 갱신하며,
상기 데이터 분석부는, 상기 컨텐츠의 수명이 기 설정된 기간 이내인 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 상기 컨텐츠 트리를 재구성하여, 상기 컨텐츠의 신선도를 유지하고,
상기 데이터 분석부는, 상기 컨텐츠가 타 사용자에게 재전달된 후 재전달이 취소되면, 상기 재전달이 취소된 컨텐츠에 신뢰도 점수를 부여하여, 상기 재전달된 횟수와 상기 재전달이 취소된 횟수에 관한 비율을 기준으로 상기 신뢰도 점수를 갱신하고, 상기 신뢰도 점수가 기 설정된 기준에 부합하는 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 상기 컨텐츠 트리를 재구성하여, 상기 컨텐츠의 신뢰도를 유지하고,
상기 데이터 분석부는, 상기 컨텐츠 트리에서 상기 수명에 관한 조건을 만족하지 않는 일부 하위 트리를 제외한 나머지 하위 트리를 상호 연결하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 장치. - 제10항에 있어서,
상기 데이터 수집부는,
상기 웹 기반의 서비스 플랫폼에서 제공하는 프로그래밍 인터페이스를 통하여 데이터를 수집하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 장치. - 제10항에 있어서,
상기 데이터 수집부는, 상기 제1 키워드로 컨텐츠를 검색하고, 상기 제1 키워드와 상기 검색된 컨텐츠를 데이터 베이스에 저장하고, 저장된 컨텐츠에 대하여 (i) 상기 컨텐츠가 타 사용자에게 재전달된 횟수 및 (ii) 상기 컨텐츠에 대한 타 사용자의 관심 횟수를 갱신하며,
상기 데이터 분석부는, (i) 상기 컨텐츠가 타 사용자에게 재전달된 횟수 및 (ii) 상기 컨텐츠에 대한 타 사용자의 관심 횟수를 기 설정된 임계값과 비교하여, 상기 컨텐츠 후보를 추출하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 장치. - 제10항에 있어서,
상기 데이터 수집부는, 기 설정된 기간 동안 (i) 상기 제1 사용자가 작성한 제1 컨텐츠 및 (ii) 제2 사용자가 작성한 제2 컨텐츠를 상기 제1 사용자가 제3 사용자에게 전달한 제3 컨텐츠를 수집하여 카테고리를 분류하며,
상기 데이터 분석부는, 상기 제1 컨텐츠 또는 상기 제3 컨텐츠에 포함된 키워드 후보를 벡터 공간에 배치하여 상기 벡터 공간 상의 거리를 기준으로 상기 키워드 후보의 의미에 관한 유사도를 판단하고, 상기 유사도를 이용하여 상기 키워드 후보에서 상기 제2 키워드를 추출하는 것을 특징으로 하는 개인 맞춤형 컨텐츠 추천 장치. - 삭제
- 프로세서에 의해 실행 가능한 컴퓨터 프로그램 명령어들을 포함하는 비일시적(Non-Transitory) 컴퓨터 판독 가능한 매체에 기록된 컨텐츠 추천을 위한 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램 명령어들이 컴퓨팅 디바이스의 적어도 하나의 프로세서에 의해 실행되는 경우에,
웹 기반의 서비스 플랫폼으로부터 제1 키워드를 이용하여 트렌드에 관한 제1 데이터를 수집하는 단계;
상기 웹 기반의 서비스 플랫폼으로부터 제1 사용자에 관한 제2 데이터를 수집하는 단계;
상기 트렌드에 관한 제1 데이터를 분석하여 컨텐츠 후보를 추출하는 단계;
상기 제1 사용자에 관한 제2 데이터를 기계학습 방식으로 분석하여 상기 제1 사용자의 관심사를 대표하는 제2 키워드를 추출하는 단계; 및
상기 제1 키워드와 상기 제2 키워드를 비교하여 상기 컨텐츠 후보 중에서 상기 제1 사용자의 관심사에 대응하는 맞춤형 컨텐츠를 추천하는 단계를 포함한 동작들을 수행하며,
상기 제1 데이터를 수집하는 단계는, (i) 컨텐츠, (ii) 상기 컨텐츠의 수명, (iii) 상기 컨텐츠가 타 사용자에게 재전달된 횟수, 및 (iv) 상기 컨텐츠에 대한 타 사용자의 관심 횟수를 포함하는 쿼드 정보가 트리 구조로 연결된 컨텐츠 트리를 생성하고, 상기 컨텐츠 트리를 구성하는 컨텐츠 간의 관계를 상기 컨텐츠에 포함된 상기 제1 키워드의 유사도를 기준으로 연결하여, 상기 컨텐츠의 확산 속도를 가시화하고,
상기 제1 데이터를 수집하는 단계는, 상기 컨텐츠가 재전달되거나 재전달이 취소되면, 상기 컨텐츠 트리를 추적하여 상기 쿼드 정보를 갱신하며,
상기 컨텐츠 후보를 추출하는 단계는, 상기 컨텐츠의 수명이 기 설정된 기간 이내인 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 상기 컨텐츠 트리를 재구성하여, 상기 컨텐츠의 신선도를 유지하고,
상기 컨텐츠 후보를 추출하는 단계는, 상기 컨텐츠가 타 사용자에게 재전달된 후 재전달이 취소되면, 상기 재전달이 취소된 컨텐츠에 신뢰도 점수를 부여하여, 상기 재전달된 횟수와 상기 재전달이 취소된 횟수에 관한 비율을 기준으로 상기 신뢰도 점수를 갱신하고, 상기 신뢰도 점수가 기 설정된 기준에 부합하는 쿼드 정보를 부모 노드로 갖는 하위 트리를 대상으로 상기 컨텐츠 트리를 재구성하여, 상기 컨텐츠의 신뢰도를 유지하고,
상기 컨텐츠 후보를 추출하는 단계는, 상기 컨텐츠 트리에서 상기 수명에 관한 조건을 만족하지 않는 일부 하위 트리를 제외한 나머지 하위 트리를 상호 연결하는 것을 특징으로 하는 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180090876A KR102064292B1 (ko) | 2018-08-03 | 2018-08-03 | 개인화된 소셜네트워크서비스 컨텐츠 추천 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180090876A KR102064292B1 (ko) | 2018-08-03 | 2018-08-03 | 개인화된 소셜네트워크서비스 컨텐츠 추천 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102064292B1 true KR102064292B1 (ko) | 2020-01-09 |
Family
ID=69154743
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180090876A KR102064292B1 (ko) | 2018-08-03 | 2018-08-03 | 개인화된 소셜네트워크서비스 컨텐츠 추천 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102064292B1 (ko) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102324718B1 (ko) * | 2021-05-24 | 2021-11-09 | 조성애 | 컨텐츠 활용 교육을 통한 상품 판매 시스템 |
| KR102324302B1 (ko) * | 2021-05-26 | 2021-11-11 | (주)피삼십일 | 온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치 |
| KR20220084629A (ko) * | 2020-12-14 | 2022-06-21 | 네이버 주식회사 | 장소 추천 방법 및 시스템 |
| KR20220091948A (ko) * | 2020-12-24 | 2022-07-01 | 박종진 | 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법 |
| US11544814B2 (en) | 2021-01-19 | 2023-01-03 | Samsung Electronics Co., Ltd. | Method and system for displaying a video poster based on artificial intelligence |
| KR102552849B1 (ko) * | 2022-07-27 | 2023-07-10 | (주)유밥 | 콘텐츠 추천 장치 및 방법 |
| WO2024062288A1 (en) * | 2022-09-23 | 2024-03-28 | Coupang Corp. | Computerized systems and methods for automatic generation of livestream carousel widgets |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101734728B1 (ko) * | 2015-12-17 | 2017-05-11 | 고려대학교 산학협력단 | 소셜 네트워크 서비스를 이용하여 온라인 협동 학습을 제공하는 방법 및 서버 |
-
2018
- 2018-08-03 KR KR1020180090876A patent/KR102064292B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101734728B1 (ko) * | 2015-12-17 | 2017-05-11 | 고려대학교 산학협력단 | 소셜 네트워크 서비스를 이용하여 온라인 협동 학습을 제공하는 방법 및 서버 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220084629A (ko) * | 2020-12-14 | 2022-06-21 | 네이버 주식회사 | 장소 추천 방법 및 시스템 |
| KR102551773B1 (ko) * | 2020-12-14 | 2023-07-06 | 네이버 주식회사 | 장소 추천 방법 및 시스템 |
| KR20220091948A (ko) * | 2020-12-24 | 2022-07-01 | 박종진 | 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법 |
| KR102593996B1 (ko) * | 2020-12-24 | 2023-10-30 | 박종진 | 소셜 미디어 활동 분석을 통한 추천 서비스 제공 장치 및 방법 |
| US11544814B2 (en) | 2021-01-19 | 2023-01-03 | Samsung Electronics Co., Ltd. | Method and system for displaying a video poster based on artificial intelligence |
| KR102324718B1 (ko) * | 2021-05-24 | 2021-11-09 | 조성애 | 컨텐츠 활용 교육을 통한 상품 판매 시스템 |
| KR102324302B1 (ko) * | 2021-05-26 | 2021-11-11 | (주)피삼십일 | 온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치 |
| KR102552849B1 (ko) * | 2022-07-27 | 2023-07-10 | (주)유밥 | 콘텐츠 추천 장치 및 방법 |
| WO2024062288A1 (en) * | 2022-09-23 | 2024-03-28 | Coupang Corp. | Computerized systems and methods for automatic generation of livestream carousel widgets |
| US11983386B2 (en) | 2022-09-23 | 2024-05-14 | Coupang Corp. | Computerized systems and methods for automatic generation of livestream carousel widgets |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102064292B1 (ko) | 개인화된 소셜네트워크서비스 컨텐츠 추천 방법 및 장치 | |
| US10558757B2 (en) | Symbol management | |
| Bucur | Using opinion mining techniques in tourism | |
| US10535106B2 (en) | Selecting user posts related to trending topics on online social networks | |
| US11361029B2 (en) | Customized keyword query suggestions on online social networks | |
| US11474979B2 (en) | Methods and devices for customizing knowledge representation systems | |
| CN109614476A (zh) | 客服系统问答方法、装置、计算机设备及存储介质 | |
| US20130246328A1 (en) | Methods and devices for customizing knowledge representation systems | |
| US20190079934A1 (en) | Snippet Generation for Content Search on Online Social Networks | |
| AU2014205024A1 (en) | Methods and apparatus for identifying concepts corresponding to input information | |
| US20200401639A1 (en) | Personalizing a search query using social media | |
| Gasco et al. | Beyond sound level monitoring: Exploitation of social media to gather citizens subjective response to noise | |
| Noro et al. | Twitter user rank using keyword search | |
| US11809388B2 (en) | Methods and devices for customizing knowledge representation systems | |
| Yu et al. | Free and low-cost twitter research software tools for social science | |
| Kaveri et al. | A framework for recommending health-related topics based on topic modeling in conversational data (Twitter) | |
| Ashraf et al. | Personalized news recommendation based on multi-agent framework using social media preferences | |
| Pla Karidi et al. | Automatic ground truth dataset creation for fake news detection in social media | |
| Yang et al. | Public cultural knowledge graph platform | |
| Mfenyana et al. | Development of a Facebook crawler for opinion trend monitoring and analysis purposes: case study of government service delivery in Dwesa | |
| Saputra et al. | C4. 5 and naive bayes for sentiment analysis Indonesian Tweet on E-Money user during pandemic | |
| Amato et al. | Opinions analysis in social networks for cultural heritage applications | |
| CA3094159C (en) | Methods and devices for customizing knowledge representation systems | |
| Singh et al. | Research Aids for Social Media Analytics | |
| Pokhrel et al. | Web Data Scraping Technology using TF-IDF to Enhance the Big Data Quality on Sentiment Analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |