KR102129604B1 - 시청가능 에피소드 기반의 tv 프로그램 추천 방법 및 그 시스템 - Google Patents

시청가능 에피소드 기반의 tv 프로그램 추천 방법 및 그 시스템 Download PDF

Info

Publication number
KR102129604B1
KR102129604B1 KR1020180054373A KR20180054373A KR102129604B1 KR 102129604 B1 KR102129604 B1 KR 102129604B1 KR 1020180054373 A KR1020180054373 A KR 1020180054373A KR 20180054373 A KR20180054373 A KR 20180054373A KR 102129604 B1 KR102129604 B1 KR 102129604B1
Authority
KR
South Korea
Prior art keywords
program
user
episode
preference
estimated
Prior art date
Application number
KR1020180054373A
Other languages
English (en)
Other versions
KR20190129558A (ko
Inventor
김상욱
이연창
조경재
Original Assignee
한양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020180054373A priority Critical patent/KR102129604B1/ko
Publication of KR20190129558A publication Critical patent/KR20190129558A/ko
Application granted granted Critical
Publication of KR102129604B1 publication Critical patent/KR102129604B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명에서 제공하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법은, 사용자의 시청가능 시간대에 해당하는 시청가능 프로그램 에피소드들에 대해 이전에 사용자 피드백된 에피소드를 분석하여 해당 사용자의 TV 프로그램 선호도를 추정하는 단계; 상기 추정된 해당 사용자의 TV 프로그램 선호도에 전체 TV 프로그램에 대한 타 사용자들의 선호도 및 해당 추정된 선호도에 대한 신뢰도를 반영하여 해당 사용자 선호도를 재추정하는 단계; 및 상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램에서 사용자 선호도의 우선 순위에 대응하는 TV 프로그램을 선정하여 추천하는 단계;를 포함하는 점에 그 특징이 있다.
본 발명은 각 사용자의 시청가능한 시간대를 통해 해당 사용자의 시청 가능한 에피소드들을 추출하고, 추출된 시청 가능한 에피소드들을 이용하여 사용자의 TV 쇼 프로그램에 대한 선호도를 정확하게 추천할 수 있는 효과가 있다.

Description

시청가능 에피소드 기반의 TV 프로그램 추천 방법 및 그 시스템{METHOD AND APPARATUS FOR RECOMMENDING TV PROGRAM USING OF WATCHABLE EPISODE}
본 발명은 시청가능 에피소드 기반의 TV 프로그램 추천 방법 및 그 시스템에 관한 것으로, 특히 각 사용자의 시청가능한 시간대를 통해 해당 사용자의 시청 가능한 에피소드들을 추출하고, 추출된 시청 가능한 에피소드들을 이용하여 사용자의 TV 쇼 프로그램에 대한 선호도를 정확하게 추천할 수 있는 시청가능 에피소드 기반의 TV 프로그램 추천 방법 및 그 시스템에 관한 것이다.
최근에는 TV 방송 컨텐츠를 제공하는 각 채널마다 방영되는 방송들이 다양하고, 방영되는 채널수가 증가하고 있다. 사용자는 수많은 채널에서 방영되는 방송들 중에서 자신이 선호하는 방송들을 찾기에는 너무 많은 시간이 소요되는 번거로움이 있고, 각 채널을 옮겨 다니면서 실시간으로 선호할 만한 방송을 파악해야 한다.
또한, 선호하는 방송을 파악하기 위해서 사용자는 각 방송들을 어느 정도 시청을 해야 하기 때문에 꽤 많은 시간이 소모되고, 사용자가 채널을 옮겨 다니는 과정에서 선호하는 방송이 방영되고 있기 때문에 해당 방송의 내용을 놓치는 경우가 발생하게 된다.
따라서, 마케팅, 소셜 네트워크 서비스(SNS : Social Networking Service) 등 다양한 분야에서 시청자에게 특정 컨텐츠를 추천해주는 서비스가 각광을 받고 있다 특히, 근래에는 빅데이터 분석, 실시간 분석 등의 기술이 발달하면서 컨텐츠 추천 서비스가 더욱 중요한 서비스로 자리매김 하고 있다.
상술한 기술을 이용한 컨텐츠 추천 서비스는 디지털 방송에서 티비 채널을 추천하는데도 이용되고 있다. 그러나, 종래 방식에 다른 티비 채널 추천 방법은 복수의 시청자들의 시청 이력을 분석하여 티비 채널을 추천해 주는바, 실시간 시청 현황이 반영되지 못한다는 문제가 있었다.
따라서, 실시간으로 방영되는 많은 방송들 중에서 사용자가 선호할 만한 방송을 추천해 줄 수 있는 추천 시스템이 필요하다.
한국공개특허공보 10-2009-0128730
본 발명은 각 사용자의 시청가능한 시간대를 통해 해당 사용자의 시청 가능한 에피소드들을 추출하고, 추출된 시청 가능한 에피소드들을 이용하여 사용자의 TV 쇼 프로그램에 대한 선호도를 정확하게 추천할 수 있는 시청가능 에피소드 기반의 TV 프로그램 추천 방법을 제공하고자 한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 해결하기 위하여, 본 발명에서 제공하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법은, 사용자의 시청가능 시간대에 해당하는 시청가능 프로그램 에피소드들에 대해 이전에 사용자 피드백된 에피소드를 분석하여 해당 사용자의 TV 프로그램 선호도를 추정하는 단계; 상기 추정된 해당 사용자의 TV 프로그램 선호도에 전체 TV 프로그램에 대한 타 사용자들의 선호도 및 해당 추정된 선호도에 대한 신뢰도를 반영하여 해당 사용자 선호도를 재추정하는 단계; 및 상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램에서 사용자 선호도의 우선 순위에 대응하는 TV 프로그램을 선정하여 추천하는 단계;를 포함하는 점에 그 특징이 있다.
바람직하게는, 상기 사용자의 TV 프로그램 선호도 추정하는 단계는, 사용자의 시청한 시간대 집합에서 각 시청한 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드를 인지하는 단계; 상기 인지된 시청가능 에피소드에 부여된 사용자 피드백을 분석하는 단계; 및 상기 분석된 각 시청가능 에피소드에 대해 해당 사용자 시청가능 시간대를 반영하여 사용자 선호도를 추정하는 단계;를 포함하는 점에 그 특징이 있다.
바람직하게는, 상기 시청가능 에피소드를 인지하는 단계는, 상기 사용자의 시청 시간대와 TV 프로그램의 에피소드가 방영하는 시간대의 중첩되는 시간대가 존재하면 해당 TV 프로그램의 에피소드를 사용자 시청가능 에피소드로 인지하고, 인지하는 TV 프로그램 에피소드들에서 해당 에피소드의 방영 시간 중에 사용자가 해당 에피소드를 시청가능한 시간의 비율이 기설정치 미만인 경우 시청 가능 에피소드 목록에서 제외시켜 인지하는 점에 그 특징이 있다.
바람직하게는, 상기 시청가능 에피소드에 부여된 피드백을 분석하는 단계는,
상기 사용자로부터 피드백된 에피소드에서 TV 프로그램이 선택되어 시청된 에피소드에 대한 포지티브 피드백과 선택 과정에서 거쳐간 에피소드 또는 선택되지 않은 에피소드에 대한 네거티브 피드백으로 구분하여 분석하는 점에 그 특징이 있다.
바람직하게는, 상기 사용자 시청가능 시간대를 반영하여 선호도를 추정하는 단계는, 상기 분석된 각 해당 에피소드를 시청가능 시간대 내에 사용자가 해당 에피소드를 시청한 시간 비율 값으로 계산하여 선호도를 추정하는 점에 그 특징이 있다.
바람직하게는, 상기 시청한 시간 비율 값이 기설정치 이상인 경우 사용자가 해당 TV 프로그램의 에피소드를 포지티브 선호도로 추정하고, 해당 선호도의 값을 상기 시청한 시간 비율 값으로 할당하는 점에 그 특징이 있다.
바람직하게는, 상기 시청한 시간 비율 값이 기설정치 미만인 경우 사용자가 해당 TV 프로그램의 에피소드를 네거티브 선호도로 추정하고, 해당 선호도의 값을 0 값으로 할당하는 점에 그 특징이 있다.
바람직하게는, 상기 추정된 선호도를 재추정하는 단계는, 상기 해당 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도, 해당 추정된 선호도에 대한 신뢰도 및 전체 TV 프로그램에 대한 적어도 하나 이상의 타 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도를 반영하여 사용자의 TV 프로그램의 추정된 선호도를 조정하는 단계; 및 상기 조정된 선호도를 기반으로 선호도가 추정되지 않은 TV 프로그램의 에피소드를 포함하여 사용자의 TV 프로그램에 대한 선호도를 예측하는 단계;를 포함하는 점에 그 특징이 있다.
바람직하게는, 상기 추정된 선호도의 신뢰도는, 상기 각 TV 프로그램 에피소드에 대한 추정된 선호도에 대해 시청가능 에피소드 개수에 대응하는 피드백된 에피소드 개수로 신뢰도를 계산되는 점에 그 특징이 있다.
바람직하게는, 상기 선호도의 조정하는 단계에서는, 상기 조정된 TV 프로그램의 시청가능 에피소드의 선호도와 신뢰도를 기반으로 잠재적 요인 모델 또는 딥 러닝 모델을 적용하여 추정된 에피소드의 선호도를 조정하고, 상기 선호도를 예측하는 단계에서는, 선호도가 추정되지 않은 TV 프로그램의 에피소드의 선호도를 예측하는 점에 그 특징이 있다.
바람직하게는, 상기 TV 프로그램을 선정하여 추천하는 단계는, 상기 예측된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램의 에피소드에 대해 사용자가 시청한 시간인 스테이-타임 및 해당 에피소드의 남은 방송 시간인 리메인-타임을 반영하여 추천하는 점에 그 특징이 있다.
또한, 상기 과제를 해결하기 위하여, 본 발명에서 제공하는 시청가능 에피소드 기반의 TV 프로그램 추천 시스템은, 사용자의 시청가능 시간대에 해당하는 시청가능 프로그램 에피소드들에 대해 이전에 사용자 피드백된 에피소드를 분석하여 해당 사용자의 TV 프로그램 선호도를 추정하는 추정산출부; 상기 추정된 해당 사용자의 TV 프로그램 선호도에 전체 TV 프로그램에 대한 타 사용자들의 선호도 및 해당 추정된 선호도에 대한 신뢰도를 반영하여 해당 사용자 선호도를 재추정하는 재추정예측부; 및 상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램에서 사용자 선호도의 우선 순위에 대응하는 TV 프로그램을 선정하여 추천하는 추천제공부;를 포함하는 점에 그 특징이 있다.
바람직하게는, 상기 추정산출부는, 사용자의 시청한 시간대 집합에서 각 시청한 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드를 인지하고, 해당 시청가능 에피소드에 대해 사용자 피드백을 분석한 후, 해당 사용자 시청가능 시간대를 반영하여 TV 프로그램 선호도를 추정하는 점에 그 특징이 있다.
바람직하게는, 상기 재추정예측부는, 상기 해당 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도, 해당 추정된 선호도에 대한 신뢰도 및 적어도 하나 이상의 타 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도를 반영하여 사용자의 TV 프로그램의 추정된 선호도를 조정하고, 상기 조정된 선호도를 기반으로 선호도가 추정되지 않은 TV 프로그램의 에피소드를 포함하여 사용자의 TV 프로그램에 대해 선호도를 예측하는 점에 그 특징이 있다.
바람직하게는, 상기 추천제공부는, 상기 예측된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램의 에피소드에 대해 사용자가 시청한 시간인 스테이-타임 및 해당 에피소드의 남은 방송 시간인 리메인-타임을 반영하여 추천하는 점에 그 특징이 있다.
본 발명은 각 사용자의 시청가능한 시간대를 통해 해당 사용자의 시청 가능한 에피소드들을 추출하고, 추출된 시청 가능한 에피소드들을 이용하여 사용자의 TV 쇼 프로그램에 대한 선호도를 정확하게 추천할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 시청가능 에피소드 기반의 TV 프로그램 추천 방법을 개략적으로 도시한 순서도.
도 2는 상기 도 1에서 사용자의 TV 프로그램 선호도 추정하는 과정을 개략적으로 도시한 순서도.
도 3은 상기 도 1에서 추정된 선호도를 재추정하는 과정을 개략적으로 도시한 순서도.
도 4는 일반적인 TV 프로그램의 방송 편성표 및 사용자가 시청하는 시간대에 대한 예를 도시한 도면.
도 5는 본 발명에 따른 시청가능 에피소드 기반의 TV 프로그램 추천 시스템의 구성을 개략적으로 도시한 도면.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 시청가능 에피소드 기반의 TV 프로그램 추천 방법을 개략적으로 도시한 순서도이고, 도 2는 상기 도 1에서 사용자의 TV 프로그램 선호도 추정하는 과정을 개략적으로 도시한 순서도이고, 도 3은 상기 도 1에서 추정된 선호도를 재추정하는 과정을 개략적으로 도시한 순서도이고, 도 4는 일반적인 TV 프로그램의 방송 편성표 및 사용자가 시청하는 시간대에 대한 예를 도시한 도면이다.
도 1에 도시된 바와 같이, 본 발명에서 제공하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법은, 먼저 도 1의 사용자의 시청가능 시간대에 해당하는 시청가능 프로그램 에피소드들에 대해 이전에 사용자 피드백된 에피소드를 분석하여 해당 사용자의 TV 프로그램 선호도를 추정하는 단계가 수행된다(S110). 여기서, TV 프로그램에 대한 선호도 데이터는 사용자가 TV 프로그램 시청 후에 대해 적극적으로 명백한 피드백을 제공하지 않고, 암시적으로 피드백을 준 TV 프로그램에 대해 어떤 선호도를 갖는지 추정해야 된다. 이때, 암시적 피드백이란 사용자가 시청한 TV 프로그램 및 시청 시간대에 대한 정보를 추출하는 것을 의미한다. 즉, 사용자의 시청가능 에피소드의 피드백들을 집합하여 이들을 시청가능 시간대를 고려하여 선호도를 추정하게 된다.
그리고, 상기 추정된 해당 사용자의 TV 프로그램 선호도에 전체 TV 프로그램에 대한 타 사용자들의 선호도, 해당 추정된 선호도에 대한 신뢰도를 반영하여 해당 사용자 선호도를 재추정하는 단계가 수행된다(S120). 여기서, 상기 추정된 TV 프로그램의 선호도에 대해 다시 정확한 선호도를 추정하기 위해 전체 TV 프로그램들의 에피소드에 대한 각 사용자들의 선호도 전체를 반영하여 사용자 선호도를 재추정하게 된다. 예컨대, 사용자에게 TV 프로그램을 추천하기 위해 사용자가 이미 시청한 TV 프로그램 뿐만 아니라 시청하지 않은 TV 프로그램에 대해서도 추천 대상으로 포함하여 선호도를 재추정하고 예측하게 된다.
그 다음, 상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램에서 사용자 선호도의 우선 순위에 대응하는 TV 프로그램을 선정하여 추천하는 단계가 수행된다(S130).
또한, 상기 도 1의 상기 추정하는 과정 및 재추정하는 각 과정들에 대해서 도 2 내지 도 4를 참조로 하여 설명하기로 한다.
사용자의 TV 프로그램 선호도 추정 과정
도 2와 같이, 사용자의 TV 프로그램 선호도 추정하는 과정은 다음과 같이 수행될 수 있다.
먼저, 사용자의 시청한 시간대 집합에서 각 시청한 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드를 인지하는 단계가 수행된다(S210). 여기서, 상기 사용자의 시청한 시간대와 TV 프로그램의 에피소드가 방영하는 시간대의 중첩되는 시간대가 존재하면 해당 TV 프로그램의 에피소드를 사용자 시청가능 에피소드로 인지하게 된다.
예컨대, 도 4 (a)에서는 TV 프로그램들의 방송 편성표로 총 3개의 채널에 방영되는 TV 프로그램을 도시하고 있고, 도 4(b)는 사용자가 TV를 시청하는 상황을 보여주고 있으며, 점선으로 표시한 부분은 사용자의 시청 시간대를 의미한다. 시청 시간대에는 사용자가 시청한 TV 프로그램들이 포함되어 있다. 도 4(c)는 TV 프로그램의 구성을 나타내고 있으며, 이는 여러 에피소드로 구성될 수 있다. 이때, 각 사용자는 한 TV 프로그램이 구성하고 있는 여러 에피소드를 시청할 수도 혹은 시청하지 않을 수도 있다.
여기서, 상기 시청가능 시간대(watchable interval;wAbleInterval)라는 개념을 기반으로 시청가능 에피소드(Episode)를 인지하게 된다.
예컨대, 도 1에서와 같이, 사용자는 일부 시간대만 TV를 시청하게 되고, 이때 사용자가 TV를 시청하기 시작한 시각과 TV를 끈 시각 사이의 시간대를 해당 사용자의 시청 시간대(watching interval) 이라고 정의할 수 있다. 그리고, 사용자 A의 점선으로 되어있는 영역이 사용자의 시청한 시간대(watching interval)임을 알 수 있으며, 사용자 A는 두개의 시청한 시간대(watching interval)를 갖고 있다. 이때, 해당 사용자의 시청한 시간대(watching interval)들을 시청 시간대 집합(watching interval set)로 정의할 수 있다. 이러한 사용자의 시청 시간대 집합(watching interval set)의 각 시청한 시간대(watching interval)에 의해서 사용자의 시청가능 에피소드(watchable episode(in short wAbleEpisodes)들이 결정된다.
다시 말해, 사용자의 특정 시청한 시간대(watching interval)의 시청가능 에피소드란 해당 사용자의 해당 시청한 시간대 내에 방영되는 TV 프로그램의 에피소드(episode)들의 집합을 의미한다. 즉, 사용자 A의 첫번째 시청 시간대에 대한 시청가능 에피소드(wAbleEpisode)는 TV 프로그램 에피소드 #1-1, #1-2, #2-1, #2-2 및 #3-1임을 알 수 있다.
상기 각 사용자의 시청 시간대 집합(watching interval set)을 고려하여 시청가능 에피소드(wAbleEpisode)를 인지하기 위해 사용자 u의 TV 프로그램 s에 대한 시청가능 에피소드(wAbleEpisodes)는 사용자의 시청 시간대 집합의 각 시청 시간내에 방영되는 TV 프로그램 s의 에피소드들을 의미하고, 사용자 u의 시청한 시간대(watching interval)과 TV 프로그램 에피소드 s_e의 방영되는 시간대의 오버랩되는 시간대(overlapped interval)가 존재한다면 해당 TV 프로그램 에피소드 s_e는 사용자 u의 시청가능 에피소드가 된다. 즉, 사용자 A의 TV 프로그램 에피소드 #1-1에 대한 시청가능 시간대(wAbleInterval)는 해당 에피소드의 전체 방송된 시간대가 되고, 반면에 사용자의 B의 TV 프로그램 에피소드 # 1-1의 시청가능 시간대의 경우 해당 에피소드의 전체 방송된 시간대 중 절반 가량이 되는 것임을 알 수 있다.
이때, 시청가능 시간대 집합에서 각 시청가능 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드의 인지는 하기 수학식 1과 같이 나타낼 수 있다.
[수학식 1]
Figure 112018046556009-pat00001
여기서, u 는 사용자, s 는 여러개의 에피소드로 구성된 TV 프로그램, s e 는 TV 프로그램 에피소드, wAble_eSet(u, s) 는 시청가능 에피소드 사용자 u 의 대한 시청가능 에피소드 집합 s, wIntv i (u) 는 i th 시간에 사용자 u 가 시청한 시청 시간대, bIntv (s e ) 는 s 의 s e 의 방송된 시간대, wIntvSet (u) 의 wIntv i (u) 집합이다.
이때, 시청한 시간대는 사용자 u의 시청한 시간대 내에서 각 방영된 에피소드의 방영된 시간대의 오버랩 시간대를 의미하고, 하기 수학식 2와 같이 정의된다.
[수학식 2]
Figure 112018046556009-pat00002
여기서, wIntv i (u) 는 i th 시간에 사용자 u 가 시청한 시청 시간대, bIntv(s e )는 s 의 s e 의 방송된 시간대, wIntvSet(u) 의 wIntv i (u) 집합이다.
그 다음으로, 상기 인지된 시청가능 에피소드에 부여된 사용자 피드백을 분석하는 단계가 수행된다(S220).
보다 구체적으로, 사용자의 시청가능 시간대에 해당하는 시청가능 프로그램 에피소드들에 대해 이전에 사용자 피드백된 에피소드를 분석하게 된다. 여기서, 각 사용자가 시청가능 에피소드에 부여된 피드백을 구분하여 분석하게 된다.
예컨대, 사용자가 선호하는 하나의 에피소드를 찾는 과정에서 선호하지 않은 시청가능 에피소드를 거쳐가는 피드백, 사용자가 선호하는 하나의 시청가능 에피소드를 선택하여 시청하는 피드백, 사용자가 선호하지 않거나 모르는 시청가능 에피소드를 시청하거나 거쳐가지 않는 피드백으로 구분할 수 있다. 여기서, 상기 사용자로부터 피드백된 에피소드에서 TV 프로그램이 선택되어 시청된 에피소드에 대해서는 사용자의 선호도에 따라 채널을 변경하면서 신중하게 결정한 것이므로 포지티브 피드백으로 구분하고, 사용자가 하나의 에피소드를 선택하는 과정에서 거쳐간 에피소드 및 사용자가 TV를 켜놓고 선택되지 않았거나 시청하지 않은 에피소드에 대해 네거티브 피드백으로 구분할 수 있다. 한편, 사용자는 한 에피소드에 대해 여러 피드백을 나타낼 수 있는 경우가 있다. 일 예로, TV 프로그램 에피소드들을 거쳐간 이후 다시 돌아와 시청하는 상황에서는 사용자가 연속적으로 시청한 것으로 간주하여 피드백을 구분할 수 있다.
이어, 상기 분석된 각 시청가능 에피소드에 대해 해당 사용자 시청가능 시간대를 반영하여 사용자 선호도를 추정하는 단계가 수행된다(S230). 즉, 상기 분석된 피드백을 바탕으로 상기 사용자 시청가능 시간대를 반영하여 선호도를 추정하게 된다. 여기서, 사용자 u의 한 TV 프로그램 s 에 대한 선호도를 하기 수학식 3으로 추정할 수 있게 된다.
[수학식 3]
Figure 112018046556009-pat00003
여기서, wAble_eSet(u,s) 는 사용자 u 가 볼 수 있는 시청 가능 에피소드 S의 집합, ep(u, s e ) 는 사용자 u 의 시청가능 에피소드에 대한 추정된 선호도이다.
따라서, 상기 e_u, s 는 해당 TV 프로그램 s 사용자 u 의 시청가능 에피소드에 대해 피드백의 선호도를 모두 추정하고 이들을 집합하여 추정하게 된다. 이때, ep(u,s_e)를 계산하기 위해 사용자 u의 에피소드 s_e 에 대해 시청가능 시간대를 고려하여 각 에피소드에 대한 선호도를 추정하게 된다.
보다 구체적으로, 상기 추정된 선호도는 사용자의 에피소드에서 시청가능 시간대 내에 사용자가 해당 에피소드를 시청한 시간 값으로 계산된다.
다시 말해, 상기 사용자 시청가능 시간대 내에 사용자가 해당 에피소드를 시청한 시간 비율 값이 기설정치(threshold) 이상의 경우 사용자가 해당 TV 프로그램의 에피소드를 포지티브 선호도로 추정하게 된다.
반면에, 상기 시청한 시간 비율 값이 기설정치 미만인 경우 사용자가 해당 TV 프로그램의 에피소드를 네거티브 선호도로 추정하고, 해당 선호도의 값을 상기 시청한 시간 비율 값으로 할당하게 된다. 즉, 해당 에피소드를 시청한 시간이 시청가능 시간대의 길이에 비해 너무 작으면 해당 에피소드를 거쳐간 것으로 판단하여 네거티브 선호도의 값이 0으로 결정한다. 이는 하기 수학식 4에 의해 계산하게 된다.
[수학식 4]
Figure 112018046556009-pat00004
여기서, ep(u, s e ) 는 사용자 u 의 시청가능 에피소드에 대한 추정된 선호도, wAbleIntv(u,s e ) 는 사용자 u가 시청한 에피소드 집합 s 에서 시청가능 시간대, wIntv(u,s e ) 는 사용자 u가 시청한 시청 시간대이다.
또한, 상기 시청가능 시간대를 기준으로 선호도를 계산할 때 선호도가 잘못 계산되는 경우를 피하기 위해 다음과 같이 계산될 수 있다. 예컨대, 시청가능 시간대가 너무 작은 경우의 극히 일부를 시청하더라도 해당 에피소드를 선택하여 시청한 것으로 판단될 수 있으므로 이들에 대한 에피소드에 대해 피드백을 나타내지 않도록 한다.
즉, 시청가능 에피소드들 중에서 각 에피소드에 대해 시청가능 시간대의 길이가 특정 기준치 미만인 에피소드들은 시청가능 에피소드 목록에서 제외하게 된다. 이를 하기 수학식 5에 의해 계산될 수 있다.
[수학식 5]
Figure 112018046556009-pat00005
여기서, wAble_eSet(u,s) 는 사용자 u 가 볼 수 있는 시청 가능 에피소드 S의 집합, wAbleIntv(u,s e ) 는 사용자 u가 시청한 에피소드 집합 s 에서 시청가능 시간대, bIntv(s e ) 는 에피소드 s e 의 방송된 시간대이다.
따라서, 사용자의 TV 프로그램 s 에 대한 최종적인 시청가능 에피소드는 에피소드의 방영시간의 길이 중에서 시청 가능한 시간의 길이에 대한 비율이 특정 값 이상인 에피소드들로 정의된다.
추정된 선호도를 재추정하는 과정
도 3에 도시된 바와 같이, 상기 추정된 선호도를 재추정하는 과정은, 먼저, 상기 해당 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도, 해당 추정된 선호도에 대한 신뢰도 및 전체 TV 프로그램에 대한 적어도 하나 이상의 타 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도를 반영하여 사용자의 TV 프로그램의 추정된 선호도를 조정하는 단계가 수행된다(S310).
보다 구체적으로, 사용자가 피드백을 나타낸 TV 프로그램의 추정된 선호도를 조정하고, 사용자가 피드백을 나타내지 않은 TV 프로그램에 대한 선호도를 예측하게 된다. 다시 말해, 사용자가 개별적으로 피드백을 나타낸 여러 TV 프로그램에 대한 선호도와 타 사용자들의 추정된 선호도를 모두 종합적으로 고려하여 한 TV 프로그램의 선호도를 보다 정확하게 다시 조정하게 된다. 따라서, 해당 사용자 뿐만 아니라 다른 사용자들이 피드백을 나타낸 TV 프로그램의 선호도들을 반영할 수 있다.
그리고 상기 조정된 선호도를 기반으로 선호도가 추정되지 않은 TV 프로그램의 에피소드를 포함하여 사용자의 TV 프로그램에 대한 선호도를 예측하는 단계가 수행된다(S320). 여기서, 상기 조정된 TV 프로그램의 시청가능 에피소드에 대해 잠재적 요인 모델(latent factor model(wALS)) 또는 딥 러닝 모델(deep learning model(NeuMF))을 적용하여 추정된 에피소드의 선호도를 조정하고, 선호도가 추정되지 않은 TV 프로그램의 에피소드의 선호도를 예측하게 된다.
상기 두 가지 모델은 하기 수학식 6에서 나타낸 손실 함수를 최적화하게 된다.
[수학식 6]
Figure 112018046556009-pat00006
여기서, L sqr 은 손실 함수, e u,s 는 사용자 u의 에피소드 집합 s 의 추정된 선호도, c u,s 는 사용자 u의 에피소드 집합 s 의 추정된 선호도에 대한 절대값이다.
상기 wALS 와 NeuMF 를 이용하여 매트릭스 E 의 각 엔트리 값을 예측할 수 있다. 추정된 선호도 매트릭스 E 를 X, Y 로 분해할 수 있다. X 는 사용자 잠재적 특징 매트릭스, Y 는 TV 프로그램 잠재적 특징 매트릭스로 나타낼 수 있다.
여기서, 상기 wALS 를 기반으로 상기 손실 함수를 최소화하는 투 로우 랭크 매트릭스(two low rank 매트릭스) X 와 Y 를 학습하게 된다. 그리고 학습된 투 로우 랭크 매트릭스(two low rank 매트릭스) X 와 Y의 이너 프로덕트(inner product)로 예측된 선호도 매트릭스에 각 값을 대입할 수 있다.
NeuMF 의 경우 하기 수학식 7과 같이 예측을 수행하게 된다.
[수학식 7]
Figure 112018046556009-pat00007
여기서, ⊙ 는 벡터 곱을 의미, x G u , y G s 는 일반화된 행렬(Generalized Matrix Factorization:GMF) 및 다중층 퍼셉트론(MLP)에 대입, yG s, yM s 는 TV 프로그램 임베딩을 위한 값, Wi, bi, ai 및 h 는 가중치 행렬, 바이어스 벡터, 활성화를 의미, i 번째 계층의 퍼셉트론(perceptron)에 대입됨.
또한, 상기 각 TV 프로그램 에피소드의 추정된 선호도에 대해 사용자의 각 TV 프로그램의 추정된 선호도에 신뢰도를 계산하게 된다.
이때, TV 프로그램의 추정된 선호도의 신뢰도는 해당 TV 프로그램이 구성되는 에피소드들 중에서 몇 개의 에피소드에 사용자가 피드백을 주었는지에 따라 달라지게 된다. 즉, TV 프로그램의 추정된 선호도의 신뢰도는 시청가능 에피소드의 수를 의미하게 하고, 이는 시청가능 에피소드 갯수에 대응하는 피드백된 에피소드 갯수로 신뢰도를 계산하게 된다. 여기서, 신뢰도의 계산은 하기 수학식 8로 계산될 수 있다.
[수학식 8]
Figure 112018046556009-pat00008
여기서, c u,s 는 사용자 u의 에피소드 집합 s 의 추정된 선호도에 대한 절대값, wAble_eSet(u,s) 는 사용자 u 가 볼 수 있는 시청 가능 에피소드 S의 집합이다.
따라서, 상기 계산된 신뢰도를 이용하여 예측하는 과정에서 신뢰도가 높은 선호도에 가중치를 부여하여 정확한 선호도 예측을 수행할 수 있게 된다.
TV 프로그램을 선정하여 추천과정
도 1에서 상기 TV 프로그램을 선정하여 추천하는 단계를 수행하게 된다(S130). 여기서, 상기 예측된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램의 에피소드에 대해 사용자가 시청한 시간인 스테이-타임 및 해당 에피소드의 남은 방송 시간인 리메인-타임을 반영하여 추천하게 된다.
보다 구체적으로, 상기 예측된 선호도를 기반으로 사용자에게 top-N TV 프로그램을 추천하고자 할 때, 추천 시점에 시청가능 에피소드들의 시간 계수(time factor)에 의해 예측된 선호도 값을 조정할 수 있다. 여기서, 시간 계수란 추천 시점에 방영 중인 TV 프로그램의 에피소드에 대해 사용자가 시청 가능한 시간인 스테이-타임(stay-time) 및 해당 에피소드의 남은 방송 시간인 리메인-타임(remain-time)을 의미한다.
이때, P(watch/ST()) 는 TV 프로그램 에피소드 s_e 의 스테이-타임 및 flap인-타임이 주어졌을 때 사용자가 해당 에피소드를 시청할 확률을 의미한다. 여기서, 해당 확률은 사용자의 과거 시청 로그를 기반으로 하기 수학식 9와 같이 계산될 수 있다.
[수학식 9]
Figure 112018046556009-pat00009
여기서, r i 는 추천 시점, st(u, r i , s e ) 는 스테이-타임, rt(r i , s e )는 리메인-타임을 나타낸다.
따라서, 상기 수식에 의해 재조정된 예측된 선호도를 기반으로 사용자의 top-N TV 프로그램을 추천할 수 있게 된다.
또한, 도 5는 본 발명에 따른 시청가능 에피소드 기반의 TV 프로그램 추천 시스템의 구성을 개략적으로 도시한 도면이다. 도 5에 도시된 바와 같이, 본 발명에 따른 시청가능 에피소드 기반의 TV 프로그램 추천 시스템(500)은, 추정산출부(510), 재추정예측부(520) 및 추천제공부(530)를 포함하여 구성될 수 있다.
상기 추정산출부(510)는 사용자의 시청가능 시간대에 해당하는 시청가능 프로그램 에피소드들에 대해 이전에 사용자 피드백된 에피소드를 분석하여 해당 사용자의 TV 프로그램 선호도를 추정하게 된다. 여기서, 상기 추정산출부는 사용자의 시청한 시간대 집합에서 각 시청한 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드를 인지하고, 해당 시청가능 에피소드에 대해 사용자 피드백을 분석한 후, 해당 사용자 시청가능 시간대를 반영하여 TV 프로그램 선호도를 추정하게 된다.
상기 재추정예측부(520)는 상기 추정된 해당 사용자의 TV 프로그램 선호도. 해당 추정된 선호도에 대한 신뢰도 및 전체 TV 프로그램에 대한 타 사용자들의 선호도를 반영하여 해당 사용자 선호도를 재추정하게 된다.
보다 구체적으로, 상기 재추정예측부(520)는 상기 해당 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도, 해당 추정된 선호도에 대한 신뢰도 및 적어도 하나 이상의 타 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도를 반영하여 사용자의 TV 프로그램의 추정된 선호도를 조정하고, 상기 조정된 선호도를 기반으로 선호도가 추정되지 않은 TV 프로그램의 에피소드를 포함하여 사용자의 TV 프로그램에 대해 선호도를 예측하게 된다.
상기 추천제공부(530)는 상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램에서 사용자 선호도의 우선 순위, 각 TV 프로그램의 스테이-타임 및 리메인-타임을 고려하여 TV 프로그램을 선정하여 추천하게 된다.
상기 추천제공부(530)는 상기 예측된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램의 에피소드에 대해 사용자가 시청한 시간인 스테이-타임 및 해당 에피소드의 남은 방송 시간인 리메인-타임을 반영하여 추천할 수 있다.
이상에서 살펴본 바와 같이, 본 발명은 각 사용자의 시청가능한 시간대를 통해 해당 사용자의 시청 가능한 에피소드들을 추출하고, 추출된 시청 가능한 에피소드들을 이용하여 사용자의 TV 쇼 프로그램에 대한 선호도를 정확하게 추천할 수 있게 된다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
510 --- 추정산출부
520 --- 재추정예측부
530 --- 추천제공부

Claims (15)

  1. 사용자가 시청한 시간대 집합에서 각 시청한 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드를 인지하는 단계;
    상기 인지된 시청가능 에피소드에 부여된 사용자 피드백을 분석하는 단계;
    상기 분석된 각 시청가능 에피소드에 대해 해당 사용자 시청가능 시간대를 반영하여 사용자 선호도를 추정하는 단계;
    상기 추정된 해당 사용자의 TV 프로그램 선호도에 전체 TV 프로그램에 대한 타 사용자들의 선호도 및 해당 추정된 선호도에 대한 신뢰도를 반영하여 해당 사용자 선호도를 재추정하는 단계; 및
    상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램에서 사용자 선호도의 우선 순위에 대응하는 TV 프로그램을 선정하여 추천하는 단계;
    를 포함하고,
    상기 시청가능 에피소드를 인지하는 단계에서 시청가능 시간의 길이가 기설정된 기준값 미만인 시청가능 에피소드는 상기 시청 가능 에피소드에서 제외하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 시청가능 에피소드를 인지하는 단계는,
    상기 사용자의 시청 시간대와 TV 프로그램의 에피소드가 방영하는 시간대의 중첩되는 시간대가 존재하면 해당 TV 프로그램의 에피소드를 사용자 시청가능 에피소드로 인지하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  4. 제1항에 있어서,
    상기 시청가능 에피소드에 부여된 피드백을 분석하는 단계는,
    상기 사용자로부터 피드백된 에피소드에서 TV 프로그램이 선택되어 시청된 에피소드에 대한 포지티브 피드백과 선택 과정에서 거쳐간 에피소드 또는 선택되지 않은 에피소드에 대한 네거티브 피드백으로 구분하여 분석하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  5. 제1항에 있어서,
    상기 사용자 시청가능 시간대를 반영하여 선호도를 추정하는 단계는,
    상기 분석된 각 해당 에피소드를 시청가능 시간대 내에 사용자가 해당 에피소드를 시청한 시간 비율 값으로 계산하여 선호도를 추정하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  6. 제5항에 있어서,
    상기 시청한 시간 비율 값이 기설정치 이상인 경우 사용자가 해당 TV 프로그램의 에피소드를 포지티브 선호도로 추정하고, 해당 선호도의 값을 상기 시청한 시간 비율 값으로 할당하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  7. 제5항에 있어서,
    상기 시청한 시간 비율 값이 기설정치 미만인 경우 사용자가 해당 TV 프로그램의 에피소드를 네거티브 선호도로 추정하고, 해당 선호도의 값을 0값으로 할당하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  8. 제1항에 있어서,
    상기 추정된 선호도를 재추정하는 단계는,
    상기 해당 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도, 해당 추정된 선호도에 대한 신뢰도 및 전체 TV 프로그램에 대한 적어도 하나 이상의 타 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도를 반영하여 사용자의 TV 프로그램의 추정된 선호도를 조정하는 단계; 및
    상기 조정된 선호도를 기반으로 선호도가 추정되지 않은 TV 프로그램의 에피소드를 포함하여 사용자의 TV 프로그램에 대한 선호도를 예측하는 단계;
    를 포함하는 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  9. 제8항에 있어서,
    상기 추정된 선호도의 신뢰도는,
    상기 각 TV 프로그램 에피소드에 대한 추정된 선호도에 대해 시청가능 에피소드 갯수에 대응하는 피드백된 에피소드 갯수로 신뢰도를 계산되는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  10. 제8항에 있어서,
    상기 선호도를 조정하는 단계에서는,
    상기 조정된 TV 프로그램의 시청가능 에피소드의 선호도와 신뢰도를 기반으로 잠재적 요인 모델 또는 딥 러닝 모델을 적용하여 추정된 에피소드의 선호도를 조정하고, 상기 선호도를 예측하는 단계에서는, 선호도가 추정되지 않은 TV 프로그램의 에피소드의 선호도를 예측하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  11. 제1항에 있어서,
    상기 TV 프로그램을 선정하여 추천하는 단계는,
    상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램의 에피소드에 대해 사용자가 시청한 시간인 스테이-타임 및 해당 에피소드의 남은 방송 시간인 리메인-타임을 반영하여 추천하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 방법.
  12. 사용자가 시청한 시간대 집합에서 각 시청한 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드를 인지하고, 해당 시청가능 에피소드에 대해 사용자 피드백을 분석한 후, 해당 사용자 시청가능 시간대를 반영하여 TV 프로그램 선호도를 추정하는 추정산출부;
    상기 추정된 해당 사용자의 TV 프로그램 선호도에 전체 TV 프로그램에 대한 타 사용자들의 선호도 및 해당 추정된 선호도에 대한 신뢰도를 반영하여 해당 사용자 선호도를 재추정하는 재추정예측부; 및
    상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램에서 사용자 선호도의 우선 순위에 대응하는 TV 프로그램을 선정하여 추천하는 추천제공부;
    를 포함하고,
    상기 추정산출부는 시청가능 시간의 길이가 기설정된 기준값 미만인 시청가능 에피소드는 상기 시청 가능 에피소드에서 제외하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 시스템.
  13. 제12항에 있어서,
    상기 추정산출부는,
    사용자의 시청한 시간대 집합에서 각 시청한 시간대의 해당 사용자의 각 TV 프로그램에 대응하는 시청가능 에피소드를 인지하고, 해당 시청가능 에피소드에 대해 사용자 피드백을 분석한 후, 해당 사용자 시청가능 시간대를 반영하여 TV 프로그램 선호도를 추정하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 시스템.
  14. 제12항에 있어서,
    상기 재추정예측부는,
    상기 해당 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도, 해당 추정된 선호도에 대한 신뢰도 및 적어도 하나 이상의 타 사용자의 피드백된 TV 프로그램의 시청가능 에피소드에 대해 추정된 선호도를 반영하여 사용자의 TV 프로그램의 추정된 선호도를 조정하고, 상기 조정된 선호도를 기반으로 선호도가 추정되지 않은 TV 프로그램의 에피소드를 포함하여 사용자의 TV 프로그램에 대해 선호도를 예측하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 시스템.
  15. 제12항에 있어서,
    상기 추천제공부는,
    상기 재추정된 선호도를 기초로 추천 시점에 방영 중인 TV 프로그램의 에피소드에 대해 사용자가 시청한 시간인 스테이-타임 및 해당 에피소드의 남은 방송 시간인 리메인-타임을 반영하여 추천하는 것을 특징으로 하는 시청가능 에피소드 기반의 TV 프로그램 추천 시스템.
KR1020180054373A 2018-05-11 2018-05-11 시청가능 에피소드 기반의 tv 프로그램 추천 방법 및 그 시스템 KR102129604B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180054373A KR102129604B1 (ko) 2018-05-11 2018-05-11 시청가능 에피소드 기반의 tv 프로그램 추천 방법 및 그 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180054373A KR102129604B1 (ko) 2018-05-11 2018-05-11 시청가능 에피소드 기반의 tv 프로그램 추천 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20190129558A KR20190129558A (ko) 2019-11-20
KR102129604B1 true KR102129604B1 (ko) 2020-07-08

Family

ID=68728987

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180054373A KR102129604B1 (ko) 2018-05-11 2018-05-11 시청가능 에피소드 기반의 tv 프로그램 추천 방법 및 그 시스템

Country Status (1)

Country Link
KR (1) KR102129604B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102372712B1 (ko) * 2020-12-23 2022-03-10 한양대학교 산학협력단 경쟁 프로그램 기반의 tv 프로그램 추천 방법 및 장치
KR20220159752A (ko) * 2021-05-26 2022-12-05 삼성전자주식회사 전자 장치 및 전자 장치의 제어 방법
CN116156263A (zh) * 2023-03-06 2023-05-23 四川长虹电器股份有限公司 一种用户实时追剧处理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101372928B1 (ko) * 2012-02-03 2014-03-14 한국과학기술원 사용자 선호주제 기반 ｔｖ프로그램 콘텐츠 자동추천 장치, 시스템, 방법 및 그 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
KR101552147B1 (ko) * 2008-04-24 2015-09-11 삼성전자주식회사 방송 컨텐츠를 추천하는 방법과 그 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090128730A (ko) 2008-06-11 2009-12-16 숭실대학교산학협력단 아이피티비에서 개인화 서비스 제공 방법 및 시스템 구조
KR101772404B1 (ko) * 2012-12-14 2017-08-29 한국전자통신연구원 시청자 콘텐츠 선호도 추론 정확도 향상 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101552147B1 (ko) * 2008-04-24 2015-09-11 삼성전자주식회사 방송 컨텐츠를 추천하는 방법과 그 장치
KR101372928B1 (ko) * 2012-02-03 2014-03-14 한국과학기술원 사용자 선호주제 기반 ｔｖ프로그램 콘텐츠 자동추천 장치, 시스템, 방법 및 그 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체

Also Published As

Publication number Publication date
KR20190129558A (ko) 2019-11-20

Similar Documents

Publication Publication Date Title
US11902626B2 (en) Control method of playing content and content playing apparatus performing the same
US8418205B2 (en) Method and apparatus for recommending personalized content
CA2924065C (en) Content based video content segmentation
US11330343B2 (en) Dynamic viewer prediction system for advertisement scheduling
KR102129604B1 (ko) 시청가능 에피소드 기반의 tv 프로그램 추천 방법 및 그 시스템
CN106464986B (zh) 用于基于搜索查询生成视频节目摘录的系统和方法
Sanchez et al. Recommender system for sport videos based on user audiovisual consumption
US20070288965A1 (en) Recommended program information providing method and apparatus
US20040073919A1 (en) Commercial recommender
US8620466B2 (en) Method for determining a point in time within an audio signal
US20080120650A1 (en) Program information providing system
US20090150340A1 (en) Method and apparatus for content item recommendation
US10298978B2 (en) Interest prediction
US20090063537A1 (en) Method and apparatus for generating a user profile
KR20020033202A (ko) 3가지 방식의 매체 추천 방법 및 시스템 명세
JP2004515128A (ja) ユーザーの現在の気分に基づいて推薦を発生させる方法および装置
KR20050085439A (ko) 아이템에 흥미를 가진 개인의 수를 그러한 아이템의 추천에기초하여 예측하는 방법 및 장치
US11706500B2 (en) Computing system with content-characteristic-based trigger feature
EP1337914A1 (en) Method and apparatus for obtaining auditory and gestural feedback in a recommendation system
EP1449380B1 (en) Method and apparatus for recommending items of interest based on stereotype preferences of third parties
CN113423014B (zh) 一种播放信息的推送方法、装置、终端设备及存储介质
KR102081221B1 (ko) 방송 서비스의 반송률 측정 장치
CN112784069B (zh) 一种iptv内容智能推荐系统以及方法
EP2357804A1 (en) Personal TV content recommendation list generating method
US20180192138A1 (en) Recommendation of segmented content

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