KR102131791B1 - Method to provide recommended contents and associated contents - Google Patents

Method to provide recommended contents and associated contents Download PDF

Info

Publication number
KR102131791B1
KR102131791B1 KR1020130010636A KR20130010636A KR102131791B1 KR 102131791 B1 KR102131791 B1 KR 102131791B1 KR 1020130010636 A KR1020130010636 A KR 1020130010636A KR 20130010636 A KR20130010636 A KR 20130010636A KR 102131791 B1 KR102131791 B1 KR 102131791B1
Authority
KR
South Korea
Prior art keywords
content
recommended
user
execution
recommendation
Prior art date
Application number
KR1020130010636A
Other languages
Korean (ko)
Other versions
KR20140098314A (en
Inventor
정규환
Original Assignee
에스케이플래닛 주식회사
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 에스케이플래닛 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR1020130010636A priority Critical patent/KR102131791B1/en
Publication of KR20140098314A publication Critical patent/KR20140098314A/en
Application granted granted Critical
Publication of KR102131791B1 publication Critical patent/KR102131791B1/en

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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
    • H04N21/4312—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations
    • H04N21/4316—Generation of visual interfaces for content selection or interaction; Content or additional data rendering involving specific graphical features, e.g. screen layout, special fonts or colors, blinking icons, highlights or animations for displaying supplemental content in a region of the screen, e.g. an advertisement in a separate window
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 명세서는 컨텐츠 추천 장치를 개시한다. 상기 장치는, 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하는 추천 컨텐츠 생성부와; 상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하는 연관 컨텐츠 생성부와; 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공하는 추천 컨텐츠 제공부를 포함한다.This specification discloses a content recommendation device. The apparatus includes a recommendation content generation unit for selecting recommendation content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information; An associated content generation unit for selecting related content of the recommended content based on the degree of association with the recommended content; And a recommended content providing unit for arranging the recommended content in a first direction and arranging the related content in a second direction different from the first direction based on related recommended content.

Description

추천 컨텐츠 및 연관 컨텐츠 제공 방법{METHOD TO PROVIDE RECOMMENDED CONTENTS AND ASSOCIATED CONTENTS}How to provide recommended content and related content{METHOD TO PROVIDE RECOMMENDED CONTENTS AND ASSOCIATED CONTENTS}

본 명세서는 추천 컨텐츠와 연관 컨텐츠를 제공하는 방법 및 그에 사용되는 장치에 관한 것으로서, 보다 상세하게는 다양한 컨텐츠 정보를 제공함은 물론 사용자가 제공받은 컨텐츠를 용이하게 식별하도록 하는 방법 및 장치에 관한 것이다.The present specification relates to a method for providing recommended content and related content, and a device used therein, and more particularly, to a method and device for providing various content information and easily identifying a content provided by a user.

최근 온라인 상에 존재하는 디지털 컨텐츠(앱, 비디오, 오디오, eBook)의 수와 종류가 무수히 많아지고 있다. 이와 같이 디지?? 컨텐츠를 제공하는 마켓의 규모가 커져갈 수록 사용자의 선택권은 높아지는데 반해 사용자의 관심사나 취향과 관련성이 높은 컨텐츠의 발견이 어려워진다.Recently, the number and types of digital contents (apps, videos, audios, eBooks) existing online are increasing. Like this Digi?? As the size of the market that provides content increases, the user's choice increases, whereas it is difficult to find content that is highly related to the user's interests and tastes.

여러 컨텐츠 마켓에서는 사용자에게 추천 컨텐츠 또는 연관 컨텐츠를 제공하여 사용자의 컨텐츠 선택을 돕고 있다. 이때 이러한 추천 컨텐츠 등은 도 1과 같이 리스트 형태로 제공되는 경우가 많으며, 가로모드(디스플레이의 가로 해상도가 세로 해상도보다 긴 경우)에서는 가로방향으로(도 1의 a), 세로모드(디스플레이의 세로 해상도가 가로 해상도보다 긴 경우)에서는 상하 방향으로(도 1의 b) 나열되는 것이 일반적이다.Several content markets help users select content by providing recommended content or related content to users. In this case, such recommended contents are often provided in the form of a list as shown in FIG. 1, and in the horizontal mode (when the horizontal resolution of the display is longer than the vertical resolution), in the horizontal direction (a of FIG. 1), in the vertical mode (vertical of the display) In the case where the resolution is longer than the horizontal resolution), it is generally arranged in the vertical direction (b in FIG. 1).

그러나, 스마트폰 등의 휴대용 디스플레이 기기는 화면 크기의 제약이 있어, 한 화면에 다양한 컨텐츠 정보를 표시하기에 어려움이 있다. 따라서 이러한 제한적인 조건하에서도 사용자에게 유용한 추천/연관 정보를 최대한 제공할 수 있는 방법이 요청된다.However, a portable display device such as a smartphone has a screen size limitation, and thus it is difficult to display various content information on one screen. Therefore, there is a need for a method capable of providing useful recommendation/association information to the user even under such limited conditions.

또한 휴대용 디스플레이 기기의 크기가 커진다고 하더라도, 화면에 단순하게 많은 정보만을 표시하는 것 보다는 사용자가 직관적으로 원하는 정보를 인지할 수 있도록 컨텐츠 정보를 표시하는 방법이 요청되고 있는 실정이다.In addition, even if the size of a portable display device is increased, a situation in which a method of displaying content information is requested so that a user can intuitively recognize desired information rather than simply displaying a lot of information on a screen.

본 명세서는 추천 컨텐츠와 연관 컨텐츠를 제공하는 방법 및 그에 사용되는 장치를 제공하는 데에 그 목적이 있다. 즉, 디지털 컨텐츠의 추천시 일 방향으로 추천 리스트가 나열되고, 다른 방향으로 해당 추천 리스트와 연관된 컨텐츠 리스트가 제공됨으로써, 디지털 컨텐츠의 제공 범위를 확장하고 사용자가 편리하게 취향에 부합하는 컨텐츠를 발견하도록 하는 방법을 제공하는 것이 목적이다. 또한 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하고, 상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하고, 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공하는 컨텐츠 추천 장치를 제공하고자 한다.The purpose of this specification is to provide a method for providing recommended content and related content, and a device used therein. That is, when recommending digital content, a recommendation list is listed in one direction, and a content list associated with the corresponding recommendation list is provided in the other direction, thereby expanding the range of providing digital content and allowing users to conveniently find content that meets their tastes. The purpose is to provide a way to do it. Also, recommendation content is selected based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information, and related content of the recommended content is selected based on the degree of association with the recommended content In order to provide a content recommendation device, the recommended content is arranged in a first direction, and the related content is arranged and provided in a second direction different from the first direction based on related recommended content.

본 명세서의 일 실시예에 따라 컨텐츠 추천 장치가 제공된다. 상기 장치는 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하는 추천 컨텐츠 생성부와; 상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하는 연관 컨텐츠 생성부와; 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공하는 추천 컨텐츠 제공부를 포함할 수 있다.A content recommendation device is provided according to an embodiment of the present specification. The apparatus includes a recommended content generation unit for selecting recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information; An associated content generation unit for selecting related content of the recommended content based on the degree of association with the recommended content; It may include a recommended content providing unit for arranging the recommended content in a first direction and arranging the related content in a second direction different from the first direction based on related recommended content.

상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 가로 길이가 세로 길이보다 더 긴 경우 상기 제1 방향은 가로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 세로방향이며, 또는 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 세로 길이가 가로 길이보다 더 긴 경우 상기 제1 방향은 세로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 가로방향일 수 있다.When the horizontal length of the screen displaying the recommended content and the related content is longer than the vertical length, the first direction is a horizontal direction and the second direction is a vertical direction orthogonal to the first direction, or the recommended content and When the vertical length of the screen displaying the related content is longer than the horizontal length, the first direction may be a vertical direction and the second direction may be a horizontal direction orthogonal to the first direction.

상기 추천 컨텐츠 생성부는 상기 사용자의 컨텐츠 검색 이력으로부터 검색 키워드 및 상기 검색 키워드에 따른 검색 결과 중에서 상기 사용자가 선택한 선택 컨텐츠 정보 중 하나 이상을 추출하고, 상기 검색 키워드 및 상기 선택 컨텐츠 정보 중 하나 이상을 기초로 하여 하나 이상의 추천 후보 컨텐츠에 대한 추천 점수를 계산하고, 상기 계산된 추천 점수에 따라 상기 사용자에게 추천할 추천 컨텐츠를 선정할 수 있다.The recommended content generation unit extracts one or more of the selected content information selected by the user from a search keyword and a search result according to the search keyword from the user's content search history, and based on at least one of the search keyword and the selected content information The recommendation scores for one or more recommendation candidate contents may be calculated, and recommendation contents to be recommended to the user may be selected according to the calculated recommendation scores.

상기 추천 점수는, 상기 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드가 포함되어 있는지 여부에 따른 제1 점수, 상기 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드의 연관 키워드가 포함되어 있는지 여부에 따른 제2 점수, 상기 추천 후보 컨텐츠의 카테고리와 상기 검색 키워드와의 관련도에 따른 제3 점수, 상기 선택 컨텐츠의 카테고리와 상기 추천 후보 컨텐츠의 카테고리와의 관련도에 따른 제4 점수 및 상기 선택 컨텐츠의 연관 키워드와 상기 추천 후보 컨텐츠의 연관 키워드와의 관련도에 따른 제5 점수 중 적어도 하나 이상을 기초로 하여 계산될 수 있다.The recommendation score is a first score according to whether the search keyword is included in the detailed information of the recommended candidate content, and a second score according to whether the related keyword of the search keyword is included in the detailed information of the recommended candidate content. Score, a third score according to the degree of association between the category of the recommended candidate content and the search keyword, a fourth score according to the degree of association between the category of the selected content and the category of the recommended candidate content, and a related keyword of the selected content It may be calculated based on at least one of the fifth score according to the degree of association with the related keyword of the candidate content.

상기 추천 컨텐츠 생성부는 상기 사용자가 구매한 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 선정할 수 있다.The recommended content generation unit receives content execution history information including the number of execution times and execution time of the content purchased by the user, calculates execution activity of the content based on the received content execution history information, and calculates Recommended content may be selected based on the executed activity.

상기 실행활성도는, 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간 및 타 사용자의 소정 기간 상기 컨텐츠 평균 실행 횟수와 평균 실행 시간을 비교하여 산출될 수 있다.The execution activity may be calculated by comparing the average execution time and average execution time of the predetermined period of the content and the average execution time and average execution time of the content for another user's predetermined period.

상기 추천 컨텐츠 생성부는 상기 사용자와 2 이상의 동일한 개인정보를 갖는 사용자들로 구성된 사용자 그룹을 결정하고, 상기 사용자 그룹에 속하는 각 사용자에 의해 검색, 열람, 구매 중 어느 하나 이상이 발생한 컨텐츠 중에서 추천 컨텐츠를 선정할 수 있다.The recommended content generation unit determines a user group consisting of users having the same personal information as two or more users, and recommends content among contents in which any one or more of search, browse, and purchase occurred by each user belonging to the user group Can be selected.

상기 연관 컨텐츠 생성부는 상기 추천 컨텐츠와 동일 카테고리의 컨텐츠 중에서 추천 반응율이 임계치 이상인 컨텐츠를 추천 컨텐츠로 선정하며, 상기 추천 반응율은 상기 사용자와 연령대, 성별, 기념일, 관심사 중 어느 하나 이상이 동일한 타 사용자에게 추천한 컨텐츠에 대한 선택, 열람 및 구매 중 적어도 하나의 이력을 기초로 산정될 수 있다.The related content generation unit selects content having a recommendation response rate of a threshold or higher among contents of the same category as the recommended content as recommendation content, and the recommendation response rate is provided to other users who have at least one of the same age, gender, anniversary, and interests as the user. It may be calculated based on the history of at least one of selection, viewing, and purchase of recommended content.

본 명세서의 다른 실시예에 따라 컨텐츠 추천 방법이 제공된다. 상기 방법은 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하는 단계와; 상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하는 단계와; 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공하는 단계를 포함할 수 있다.A content recommendation method is provided according to another embodiment of the present specification. The method includes selecting recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information; Selecting related content of the recommended content based on the degree of association with the recommended content; And arranging the recommended contents in a first direction and arranging and providing the related contents in a second direction different from the first direction based on related recommended content.

상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 가로 길이가 세로 길이보다 더 긴 경우 상기 제1 방향은 가로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 세로방향이며, 또는 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 세로 길이가 가로 길이보다 더 긴 경우 상기 제1 방향은 세로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 가로방향일 수 있다.When the horizontal length of the screen displaying the recommended content and the related content is longer than the vertical length, the first direction is a horizontal direction and the second direction is a vertical direction orthogonal to the first direction, or the recommended content and When the vertical length of the screen displaying the related content is longer than the horizontal length, the first direction may be a vertical direction and the second direction may be a horizontal direction orthogonal to the first direction.

상기 추천 컨텐츠를 생성하는 단계는 상기 사용자의 컨텐츠 검색 이력으로부터 검색 키워드 및 상기 검색 키워드에 따른 검색 결과 중에서 상기 사용자가 선택한 선택 컨텐츠 정보 중 하나 이상을 추출하는 단계와; 상기 검색 키워드 및 상기 선택 컨텐츠 정보 중 하나 이상을 기초로 하여 하나 이상의 추천 후보 컨텐츠에 대한 추천 점수를 계산하는 단계와; 상기 계산된 추천 점수에 따라 상기 사용자에게 추천할 추천 컨텐츠를 선정하는 단계를 포함할 수 있다.The generating of the recommended content may include extracting at least one of selected content information selected by the user from a search keyword and a search result according to the search keyword from the content search history of the user; Calculating a recommendation score for one or more recommendation candidate contents based on at least one of the search keyword and the selected content information; And selecting recommendation contents to be recommended to the user according to the calculated recommendation score.

상기 추천 점수는, 상기 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드가 포함되어 있는지 여부에 따른 제1 점수, 상기 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드의 연관 키워드가 포함되어 있는지 여부에 따른 제2 점수, 상기 추천 후보 컨텐츠의 카테고리와 상기 검색 키워드와의 관련도에 따른 제3 점수, 상기 선택 컨텐츠의 카테고리와 상기 추천 후보 컨텐츠의 카테고리와의 관련도에 따른 제4 점수 및 상기 선택 컨텐츠의 연관 키워드와 상기 추천 후보 컨텐츠의 연관 키워드와의 관련도에 따른 제5 점수 중 적어도 하나 이상을 기초로 하여 계산될 수 있다.The recommendation score is a first score according to whether the search keyword is included in the detailed information of the recommended candidate content, and a second score according to whether the related keyword of the search keyword is included in the detailed information of the recommended candidate content. Score, a third score according to the degree of association between the category of the recommended candidate content and the search keyword, a fourth score according to the degree of association between the category of the selected content and the category of the recommended candidate content, and a related keyword of the selected content It may be calculated based on at least one of the fifth score according to the degree of association with the related keyword of the candidate content.

상기 추천 컨텐츠를 생성하는 단계는 상기 사용자가 구매한 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하는 단계와; 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하는 단계와; 상기 계산된 실행 활성도를 기초로 하여 추천 컨텐츠를 선정하는 단계를 포함할 수 있다.The generating of the recommended content may include receiving content execution history information including execution times and execution times of the content purchased by the user; Calculating an execution activity of the content based on the received content execution history information; And selecting recommended content based on the calculated execution activity.

상기 실행활성도는, 상기 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간 및 타 사용자의 소정 기간 상기 컨텐츠 평균 실행 횟수와 평균 실행 시간을 비교하여 산출될 수 있다.The execution activity may be calculated by comparing the average execution time and average execution time of the predetermined period of the content and the average execution time and average execution time of the content for another user's predetermined period.

상기 추천 컨텐츠를 생성하는 단계는 상기 사용자와 2 이상의 동일한 개인정보를 갖는 사용자들로 구성된 사용자 그룹을 결정하는 단계와; 상기 사용자 그룹에 속하는 각 사용자에 의해 검색, 열람, 구매 중 어느 하나 이상이 발생한 컨텐츠 중에서 추천 컨텐츠를 선정하는 단계를 포함할 수 있다.The generating of the recommended content may include determining a user group consisting of users having the same personal information as two or more users; It may include the step of selecting the recommended content from the content of any one or more of the search, browse, purchase by each user belonging to the user group.

상기 연관 컨텐츠를 생성하는 단계는 상기 추천 컨텐츠와 동일 카테고리의 컨텐츠 중에서 추천 반응율이 임계치 이상인 컨텐츠를 추천 컨텐츠로 선정하는 단계이며, 상기 추천 반응율은 상기 사용자와 연령대, 성별, 기념일, 관심사 중 어느 하나 이상이 동일한 타 사용자에게 추천한 컨텐츠에 대한 선택, 열람 및 구매 중 적어도 하나의 이력을 기초로 산정될 수 있다.The generating of the related content is a step of selecting content having a recommendation response rate of a threshold or higher among content of the same category as the recommended content as recommendation content, and the recommendation response rate is at least one of the user, age group, gender, anniversary, and interests. It may be calculated based on the history of at least one of the selection, viewing and purchase of the content recommended to the same other user.

본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 시스템이 제공된다. 상기 시스템은 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하고, 상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하고, 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공하는 컨텐츠 추천 장치와; 상기 컨텐츠 추천 장치로 컨텐츠 추천 요청을 전송하고, 상기 요청에 따라 제공되는 추천 컨텐츠 및 연관 컨텐츠를 표시하는 사용자 단말을 포함할 수 있다.A content recommendation service system is provided according to another embodiment of the present specification. The system selects recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information, and related contents of the recommended content based on a degree of association with the recommended content A content recommendation device for selecting, arranging the recommended content in a first direction, and providing the related content in a second direction different from the first direction based on related recommended content; It may include a user terminal for transmitting a content recommendation request to the content recommendation device, and displays the recommended content and related content provided according to the request.

본 명세서의 또 다른 실시예에 따라 컨텐츠 추천 서비스 방법이 제공된다. 상기 방법은 사용자 단말이 컨텐츠 추천 장치로 컨텐츠 추천 요청을 전송하는 단계와; 상기 컨텐츠 추천 장치가 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하는 단계와; 상기 컨텐츠 추천 장치가 상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하는 단계와; 상기 컨텐츠 추천 장치가 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공하는 단계와; 상기 사용자 단말이 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 표시하는 단계를 포함할 수 있다.According to another embodiment of the present specification, a content recommendation service method is provided. The method comprises the steps of a user terminal transmitting a content recommendation request to a content recommendation device; Selecting, by the content recommendation device, recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information; Selecting, by the content recommendation device, related content of the recommended content based on the degree of association with the recommended content; Arranging and providing the recommended content in a first direction by the content recommendation device, and providing the related content in a second direction different from the first direction based on related recommended content; The user terminal may include arranging the recommended content in a first direction and displaying the related content in a second direction different from the first direction based on related recommended content.

본 명세서의 실시예들은 사용자의 컨텐츠 행동 분석을 바탕으로 사용자의 관심사에 적합한 컨텐츠를 추천할 수 있는 효과가 있다. 더 나아가 각 추천 컨텐츠와 연관된 컨텐츠로 함께 제공함으로써 사용자의 취향에 부합되는 컨텐츠를 제공할 가능성을 높일 수 있다. 아울러 제한된 디스플레이 화면 상에 노출되는 컨텐츠의 개수를 크게 증대시킬 수 있는 효과도 성취할 수 있다.The embodiments of the present specification have an effect of recommending content suitable for a user's interest based on an analysis of a user's content behavior. Furthermore, it is possible to increase the possibility of providing content that meets the user's taste by providing the content associated with each recommended content together. In addition, an effect of greatly increasing the number of contents exposed on the limited display screen can be achieved.

도 1은 종래 기술에 따른 추천 컨텐츠 제공 화면을 나타낸 도면이다.
도 2는 본 명세서의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.
도 3은 본 명세서의 일 실시예에 따른 추천 컨텐츠 및 연관 컨텐츠 제공 화면을 나타낸 도면이다.
도 4는 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.
도 5는 본 명세서의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.
도 6은 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템이 사용자에게 컨텐츠를 추천하는 방법을 나타낸 흐름도이다.1 is a view showing a recommended content providing screen according to the prior art.
2 is a block diagram of a content recommendation apparatus according to an embodiment of the present specification.
3 is a view showing a screen for providing recommended content and related content according to an embodiment of the present specification.
4 is a block diagram showing a content recommendation service system according to an embodiment of the present specification.
5 is a flowchart illustrating a content recommendation method according to an embodiment of the present specification.
6 is a flowchart illustrating a method for a content recommendation service system to recommend content to a user according to an embodiment of the present specification.

본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.It should be noted that the technical terms used in this specification are only used to describe specific embodiments and are not intended to limit the present invention. In addition, technical terms used in this specification should be interpreted as meanings generally understood by a person having ordinary knowledge in the technical field to which the present invention belongs, unless defined otherwise. It should not be interpreted as a meaning or an excessively reduced meaning. In addition, when the technical term used in this specification is a wrong technical term that does not accurately represent the spirit of the present invention, it should be understood as being replaced by a technical term that can be correctly understood by those skilled in the art. In addition, the general terms used in the present invention should be interpreted as defined in the dictionary or in context before and after, and should not be interpreted as an excessively reduced meaning.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니됨을 유의해야 한다. 본 발명의 사상은 첨부된 도면 외에 모든 변경, 균등물 내지 대체물에 까지도 확장되는 것으로 해석되어야 한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings, but the same or similar elements will be given the same reference numbers regardless of the reference numerals, and redundant descriptions thereof will be omitted. In addition, in the description of the present invention, when it is determined that detailed descriptions of related known technologies may obscure the subject matter of the present invention, detailed descriptions thereof will be omitted. In addition, it should be noted that the accompanying drawings are only for easy understanding of the spirit of the present invention and should not be interpreted as limiting the spirit of the present invention by the accompanying drawings. The spirit of the present invention should be interpreted to be extended to all changes, equivalents, and substitutes in addition to the accompanying drawings.

도 2는 본 발명의 일 실시예에 따른 컨텐츠 추천 장치의 블록도이다.2 is a block diagram of a content recommendation apparatus according to an embodiment of the present invention.

도 2를 참고하여 보면, 상기 컨텐츠 추천 장치(100)는 추천 컨텐츠 생성부(101), 연관 컨텐츠 생성부 (102), 추천 컨텐츠 제공부(103)를 포함하여 구성될 수 있다.Referring to FIG. 2, the content recommendation device 100 may include a recommendation content generation unit 101, an associated content generation unit 102, and a recommendation content providing unit 103.

상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 구매 이력, 검색 이력, 실행 이력, 사용자 그룹 활동 정보 등을 분석하여 해당 사용자에게 추천할 컨텐츠를 생성하고, 생성된 추천 컨텐츠와 일정 수준 이상의 관련도를 가진 연관 컨텐츠를 생성하며, 이러한 추천 컨텐츠 및 연관 컨텐츠를 사용자에게 제공할 수 있다.The content recommendation device 100 analyzes digital user's digital content (application, multimedia content, etc.) purchase history, search history, execution history, user group activity information, and generates content to be recommended to the user, and generates the generated recommendation Related content having a certain level of relevance to the content is generated, and the recommended content and the related content can be provided to the user.

추천 컨텐츠 및 연관 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 특정 사용자가 수행한 컨텐츠 구매, 검색, 실행 이력(history)을 수집할 수 있다. 또한 상기 컨텐츠 추천 장치(100)는 특정 사용자와 유사한 개인정보를 보유한 사용자들이 컨텐츠를 검색/열람/구매한 이력을 수집할 수 있다. 일 실시예로서, 상기 컨텐츠 추천 장치(100)의 추천 컨텐츠 생성부(101)는 다수의 사용자 단말로부터 컨텐츠 검색/열람/구매/실행 정보를 수신하고 저장할 수 있다. 한편 특정 사용자의 컨텐츠 검색 기록 등이 서버 등에 저장되는 경우에는 상기 추천 컨텐츠 생성부(101)는 해당 서버 등으로부터 특정 사용자의 컨텐츠 검색/열람/구매/실행 정보를 수신할 수도 있다.In order to select recommended content and related content, the content recommendation device 100 may collect content purchase, search, and execution history performed by a specific user. In addition, the content recommendation device 100 may collect his/her search/view/purchased content by users who have personal information similar to a specific user. As an embodiment, the recommended content generation unit 101 of the content recommendation device 100 may receive and store content search/view/purchase/execution information from multiple user terminals. Meanwhile, when the content search record of a specific user is stored in a server or the like, the recommended content generation unit 101 may receive content search/view/purchase/execution information of a specific user from the corresponding server.

상기 컨텐츠 추천 장치(100)의 추천 컨텐츠 생성부(101)는 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 상기 추천 컨텐츠 생성부(101)는 아래에서 설명하는 방식 중 하나 이상을 사용하여 추천 컨텐츠를 생성할 수 있다. 이하에서 설명하는 (1)~(4)의 방식은 추천 컨텐츠를 생성하는 순서를 의미하는 것이 아니며, (1)~(4)의 방식 중 적어도 하나 이상의 방식을 사용하여 추천 컨텐츠를 생성함을 나타내는 것이다.The recommended content generation unit 101 of the content recommendation device 100 may select recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information. That is, the recommended content generation unit 101 may generate recommended content using one or more of the methods described below. The methods (1) to (4) described below do not mean the order of generating recommended content, and indicate that the recommended content is generated using at least one of the methods of (1) to (4). will be.

(1) 상기 추천 컨텐츠 생성부(101)는 사용자의 컨텐츠 구매이력에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 사용자의 구매 횟수, 구매 금액 등을 기초로 구매도가 높은 컨텐츠 카테고리를 선정하고, 해당 카테고리에 속하는 컨텐츠 중 사용자가 구매하지 않은 컨텐츠를 추천할 수 있다. 이때 최근 구매 이력에 더 큰 가중치를 부여하여 상기 사용자의 구매도를 평가할 수도 있다.(1) The recommended content generation unit 101 may select recommended content based on a user's content purchase history. That is, a content category with a high purchase level may be selected based on a user's number of purchases, a purchase amount, and the like, and content that the user has not purchased among contents belonging to the category may be recommended. In this case, the user's purchase degree may be evaluated by giving a greater weight to the recent purchase history.

(2) 상기 추천 컨텐츠 생성부(101)는 사용자의 컨텐츠 검색 이력에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 사용자의 컨텐츠 검색 키워드 및/또는 컨텐츠 검색 중 선택(조회, 열람)한 컨테츠 정보를 기초로 하여 다수의 추천 후보 컨텐츠에 대한 평가점수를 산정하고, 이러한 추천 점수 기반으로 추천 컨텐츠를 선정할 수 있다.(2) The recommended content generation unit 101 may select recommended content based on a user's content search history. That is, evaluation scores for a plurality of candidate candidate contents can be calculated based on content information selected (viewed, viewed) of a user's content search keyword and/or content search, and the recommended content can be selected based on the recommendation score have.

이때 추천 컨텐츠 생성부(101)는 특정 인터넷 사이트(예: 컨텐츠 마켓)에서 어느 사용자가 컨텐츠를 검색한 이력을 분석하여, 검색 키워드(또는 검색어)에 대한 정보와, 상기 검색 키워드에 따른 검색 결과 중에서 사용자가 선택하여 조회한 컨텐츠에 대한 정보(‘선택 컨탠츠 정보’)를 추출한다. 이때 상기 선택 컨텐츠 정보는 해당 컨텐츠의 ID, 해당 컨텐츠의 카테고리, 해당 컨텐츠의 상세 정보, 해당 컨텐츠의 연관 키워드, 상기 연관 키워드 및 카테고리 간의 관련도 등을 포함할 수 있다.At this time, the recommended content generating unit 101 analyzes the history of a user searching for content on a specific Internet site (for example, a content market), and among information on search keywords (or search terms) and search results according to the search keywords Extract information ('selected content information') about the content selected and searched by the user. In this case, the selected content information may include an ID of the corresponding content, a category of the corresponding content, detailed information of the corresponding content, a related keyword of the corresponding content, and a relevance between the related keyword and the category.

다음으로 추천 컨텐츠 생성부(101)는 상기 검색 키워드 및 상기 선택 컨텐츠 정보 중 하나 이상을 기초로 하여 하나 이상의 추천 후보 컨텐츠에 대한 추천 점수를 계산한다. 즉, 추천 후보 컨텐츠(또는 상기 장치가 제공 가능한 컨텐츠) 각각에 대하여, 사용자의 검색 이력으로부터 추출한 검색 키워드 및/또는 선택 컨텐츠 정보와의 관련도를 기초로 추천 점수(추천 적합도)를 계산하는 것이다.Next, the recommendation content generation unit 101 calculates a recommendation score for one or more recommendation candidate content based on at least one of the search keyword and the selected content information. That is, the recommendation score (recommended goodness of fit) is calculated for each of the candidate candidate contents (or contents that can be provided by the device) based on the degree of association with the search keyword and/or the selected content information extracted from the user's search history.

상기 추천 점수를 계산하는 일 실시예로서, 상기 추천 컨텐츠 생성부(101)는 상기 추천 점수를 산출하는 식의 변수(파라미터)로서 ① 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드가 포함되어 있는지 여부, ② 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드의 연관 키워드가 포함되어 있는지 여부, ③ 추천 후보 컨텐츠의 카테고리와 상기 검색 키워드와의 관련도, ④ 선택 컨텐츠의 카테고리와 상기 추천 후보 컨텐츠의 카테고리와의 관련도, ⑤ 선택 컨텐츠의 연관 키워드와 상기 추천 후보 컨텐츠의 연관 키워드와의 관련도를 사용할 수 있다. 위 ① 내지 ⑤에 의해 계산된 점수를 각각 제1 점수 내지 제5 점수라 한다.As an embodiment of calculating the recommendation score, the recommendation content generation unit 101 is a variable (parameter) of an expression for calculating the recommendation score: ① Whether the search keyword is included in the detailed information of the recommendation candidate content, ② Whether the relevant keyword of the search keyword is included in the detailed information of the candidate candidate content, ③ The relationship between the category of the recommended candidate content and the search keyword, ④ The category of the selected content and the category of the recommended candidate content FIG. 5 can also be used to relate the related keyword of the selected content to the related keyword of the recommended candidate content. The scores calculated by the above ① to ⑤ are referred to as first score to fifth score, respectively.

이때 위 ① 내지 ⑤에서 ‘관련도’는 선행하여 분석된 키워드-카테고리 간의 연관 정보 및/또는 키워드-키워드 간의 연관 정보를 사용할 수 있다.At this time, in the above ① to ⑤,'relevance degree' may use correlation information between keyword-categories and/or keyword-keyword analysis previously analyzed.

또한 상기 추천 점수는 상기 변수(제1점수 내지 제5 점수)마다 적절한 가중치를 두어 산출될 수도 있다. 예를 들어, 상기 ①에 가장 큰 가중치를 두고(예: 2), ② 내지 ⑤에는 그보다 작은 가중치(예: 0.5)를 두어 해당 컨텐츠의 추천 점수를 계산할 수 있다. 이는 직관적으로 가장 관련도가 높을 것으로 예상되는 검색 키워드 자체의 비중을 높게 두어 추천 점수를 계산하는 방식이다.In addition, the recommendation score may be calculated by placing an appropriate weight for each variable (first to fifth scores). For example, the largest weight is given to ① (eg 2), and a smaller weight (eg 0.5) is applied to ② to ⑤ to calculate the recommended score of the corresponding content. This is an intuitive method of calculating the recommendation score by placing the weight of the search keyword itself, which is expected to be most relevant.

위와 같이 각 후보 컨텐츠마다의 추천 점수가 계산되면, 상기 추천 컨텐츠 생성부(101)는 계산된 추천 점수에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정한다.When the recommendation score for each candidate content is calculated as described above, the recommended content generation unit 101 determines recommended content to be recommended to the user according to the calculated recommendation score.

(3) 상기 추천 컨텐츠 생성부(101)는 사용자의 컨텐츠 실행 이력에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 사용자가 보유 중인 컨텐츠 중에서 자주 또는 많이 실행하는 컨텐츠와 유사한 컨텐츠를 추천할 수 있다.(3) The recommended content generation unit 101 may select recommended content based on a user's content execution history. That is, it is possible to recommend content similar to content that is frequently or frequently executed among content that the user has.

이때 추천 컨텐츠 생성부(101)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다. 상기 추천 컨텐츠 생성부(101)는 상기 컨텐츠 실행이력 정보를 기초로 하여 컨텐츠 각각의 실행 활성도를 산출할 수 있다. 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.At this time, the recommended content generation unit 101 analyzes a user's history of using digital content (application, multimedia content, etc.), analyzes the user's interest content and interest category, and can recommend personalized content using the result. have. In particular, the device may grasp the content, interest category, and the like of the user by analyzing actual execution history information of content owned by a specific user. The recommended content generation unit 101 may calculate the execution activity of each content based on the content execution history information. Here, the execution activity is a measure indicating the degree of use for a specific content, and the content having a high execution activity may be estimated as content in a field in which the user pays more attention.

특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 이하에서는 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법을 설명한다.Various factors can be used to calculate the content execution activity of a specific user. Hereinafter, a method of calculating the execution activity of the content will be described using the number of execution times and the execution time of the content as main factors.

실행 활성도 산출의 실시예로서 상기 추천 컨텐츠 생성부(101)는 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 기초로 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 예컨대, 컨텐츠 A의 2012년 12월 한 달 간의 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이라면, 컨텐츠 A의 실행활성도 = (기본 점수)+(3*30)과 같은 수식으로 계산될 수 있다. 이때 실행 활성도는 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 계산될 수도 있다. 즉, 특정 사용자(U)가 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이며, 타 사용자들의 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 6회이고 1일 평균 실행시간이 20분인 경우라면, 컨텐츠 A의 실행활성도 = (기본 점수) + w1*(3/6) + w2*(30/20)과 같은 수식으로 계산될 수 있다. (w1, w2는 실행 활성도에 있어서 실행횟수 및 실행시간에 각각 부여되는 가중치이다.) 이 경우 기본 점수가 0.5, w1, w2이 각각 0.5 라면, 컨텐츠 A의 실행활성도는 0.5 + 0.5*(3/6) + 0.5*(30/20) = 1.833 이 된다.As an embodiment of calculating the execution activity, the recommended content generation unit 101 may calculate the execution activity of the content based on the average number of execution times and the average execution time of a predetermined period of content. For example, if the average number of executions per day for a month in December 2012 of content A is 3 times and the average execution time per day is 30 minutes, the execution activity of content A = (base score) + (3*30) Can be calculated as At this time, the execution activity may be calculated based on the ratio of the number of executions and the execution time compared to other users. That is, the average number of executions per day by a particular user (U) for content A in December 2012 is 3 times, the average execution time per day is 30 minutes, and the content of other users by content in December 2012 If the average number of executions per day is 6 times per month and the average execution time per day is 20 minutes, the execution activity of content A = (base score) + w1*(3/6) + w2*(30/20) It can be calculated with an equation. (w1 and w2 are weights assigned to the number of executions and the execution time in execution activity.) In this case, if the basic score is 0.5, and w1 and w2 are 0.5, the execution activity of content A is 0.5 + 0.5*(3/ 6) + 0.5*(30/20) = 1.833.

컨텐츠의 실행 활성도는, 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 산출할 수 있다. 즉, 단위 기간(1일, 1주일 등)을 정하여 각 단위 시간 동안의 특정 컨텐츠 실행 횟수, 실행 시간에 기초한 점수를 계산하고, 원하는 시점까지의 점수를 모두 합산하여 실행활성도를 계산하는 것이다.The execution activity of the content may be calculated by calculating the content execution score for each predetermined period based on the number of execution times and the execution time of the predetermined period of the content, and summing the calculated content execution score for each predetermined period. That is, a unit period (1 day, 1 week, etc.) is determined to calculate a score based on the number of execution times and a specific content execution time for each unit time, and the execution activity is calculated by summing all the scores up to a desired time point.

또는 컨텐츠의 실행 활성도는, 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 산출될 수 있다. 즉, 실행활성도가 시간에 따라 감소하여(일정 기간동안 실행을 하지 않으면 활성도가 0으로 수렴하도록 함으로써), 최근에 자주 사용한 컨텐츠를 사용자의 관심 컨텐츠로 분류하는 것이다.Alternatively, the execution activity of the content is calculated based on the number of execution times and the execution time of the predetermined period of content, and the execution score of the content is calculated for each predetermined period, and the execution activity from the predetermined period to the execution activity calculation time point is reduced to the execution score for each predetermined period. It can be calculated by adding a ratio to calculate the adjustment execution score, and summing the adjustment execution scores. That is, the execution activity decreases with time (if the activity is not executed for a certain period of time, the activity converges to 0), so that recently used content is classified as the content of interest of the user.

위와 같이 각 컨텐츠마다의 실행 활성도가 계산되면, 상기 추천 컨텐츠 생성부(101)는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다. 예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 추천 컨텐츠 생성부(101)는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수도 있다.When the execution activity for each content is calculated as described above, the recommended content generation unit 101 may determine recommended content to be recommended to the user according to the calculated execution activity. For example, the recommended content may be determined in various ways, such as recommending the content having the highest execution activity and content in the same category, or recommending the content having the execution activity of a certain criterion or the same category. In addition, as an embodiment, the recommended content generation unit 101 searches for other users having a similarity level of the user's execution activity and a threshold value or higher, and the other user's execution activity is greater than or equal to a preset execution activity. The executed content may be recommended to the user.

(4) 상기 추천 컨텐츠 생성부(101)는 사용자와 2 이상의 동일한 개인정보를 갖는 사용자 그룹의 멤버들이 검색, 열람, 구매한 컨텐츠 중에서 추천 컨텐츠를 생성할 수 있다. 즉, 특정 사용자와 관심사나 취향이 비슷할 것으로 예상되는 사용자 집단을 선정하고, 상기 사용자 집단의 컨텐츠 이용 패턴을 이용하여 추천 컨텐츠를 생성하는 것이다.(4) The recommended content generation unit 101 may generate recommended content from among searched, viewed, purchased content by members of a user group having the same personal information as two or more users. That is, a user group that is expected to have similar interests and tastes to a specific user is selected, and recommendation content is generated using the content usage pattern of the user group.

상기 추천 컨텐츠 생성부(101)는 각 사용자 별로 등록된 개인정보를 저장/관리한다. 예컨대, 추천 컨텐츠 생성부(101)는 사용자가 입력한 나이, 성별, 생일, 기념일, 주소, 학력, 관심사 등의 개인정보를 저장/관리할 수 있다. The recommended content generation unit 101 stores/manages personal information registered for each user. For example, the recommended content generation unit 101 may store/manage personal information such as age, gender, birthday, anniversary, address, education, and interests input by the user.

더불어, 추천 컨텐츠 생성부(101)는 등록된 개인정보에 기초하여 사용자의 개인정보와 2 이상의 동일한 기본정보를 갖는 사용자들로 구성된 사용자그룹을 결정한다. 즉 특정 사용자와 개인정보가 유사한 사용자들로 구성된 사용자그룹을 결정할 수 있다. 사용자그룹을 결정하는 실시예는 다음과 같다. In addition, the recommended content generation unit 101 determines a user group consisting of users having the same personal information and two or more basic information based on the registered personal information. That is, it is possible to determine a user group consisting of users having similar personal information and specific users. An example of determining a user group is as follows.

① 추천 컨텐츠 생성부(101)는 특정 사용자의 개인정보(나이, 성별, 생일, 기념일, 주소, 학력, 관심사 등)들 모두와 동일한 개인정보를 갖는 사용자를 검색한다. 그 후, 사용자의 기본정보 모두와 동일한 사용자를 검색한 결과, 검색된 사용자의 수가 기 설정된 그룹 인원수(예: 50명) 미만이면, 직전의 사용자 검색 시 이용한 개인정보들 중 하나의 개인정보를 제외한 나머지 개인정보들과 동일한 개인정보를 갖는 사용자를 재 검색하는 사용자 재검색 과정을 수행한다.① The recommended content generation unit 101 searches for a user having the same personal information as all of the specific user's personal information (age, gender, birthday, anniversary, address, education, interests, etc.). Thereafter, as a result of searching for the same user as all of the user's basic information, if the number of users searched is less than the preset number of groups (for example, 50), the rest of the personal information used for searching for the previous user is excluded. A user re-search process is performed to re-search a user having the same personal information as personal information.

이처럼, 추천 컨텐츠 생성부(101)는 검색된 사용자의 수가 그룹인원수(예: 50명) 이상이 될 때까지 전술의 사용자 재검색 과정을 수행하고, 검색된 사용자의 수가 그룹 인원수(예: 50명) 이상이 되면 비로소 금번 검색된 사용자들로 구성된 사용자 그룹을 결정할 수 있다.As described above, the recommended content generation unit 101 performs the aforementioned user re-search process until the number of searched users is greater than or equal to the number of group members (eg 50), and the number of searched users is greater than or equal to the group number (eg 50). When it is done, it is possible to determine a user group consisting of the users who have been searched this time.

② 추천 컨텐츠 생성부(101)는 사용자의 개인정보 별로 기 설정된 중요도를 기초로, 중요도가 가장 높은 개인정보부터 중요도가 낮아지는 순서에 따라 순차적으로 선택하여 2 이상의 개인정보를 결정하고, 상기 결정한 개인정보가 동일한 사용자들로 구성된 사용자 그룹을 생성한다.② The recommended content generation unit 101 determines two or more personal information by sequentially selecting the personal information having the highest importance, in order of decreasing importance, based on the predetermined importance level for each user's personal information, and the determined individual Create a user group consisting of users with the same information.

이때, 사용자의 기본정보 별 중요도는, 개인정보 별로 수집되는 반응률일 수 있다. 즉, 특정 개인정보의 반응률은 기 지정된 반응수집기간 동안 상기 특정 개인정보를 이용하여 결정된 사용자 그룹에게 특정 추천 컨텐츠를 제공하여 상기 제공한 추천 컨텐츠가 열람 또는 구매되는 빈도수에 의해 결정될 수 있다.At this time, the importance of each user's basic information may be a response rate collected for each personal information. That is, the response rate of specific personal information may be determined by a frequency of viewing or purchasing the provided recommended content by providing specific recommended content to a user group determined using the specific personal information during a predetermined reaction collection period.

추천 컨텐츠 생성부(101)는 전술한 ① 또는 ②에 따라 사용자 그룹이 결정되면, 사용자 그룹에 속하는 각 사용자의 활동이력을 기초로 하여 추천 컨텐츠를 선정한다. 즉, 사용자 그룹에 속하는 각 사용자(예: A,B,C ...)의 검색 및 열람 및 구매 중 적어도 하나와 관련된 활동이력을 기초로, 특정 컨텐츠카테고리(예 : 대중교통 어플리케이션)에 속하는 컨텐츠 중에서 사용자 그룹에 속하는 사용자(예: A,B,C ...)에 의해 검색 및 열람 및 구매 중 적어도 하나가 발생된 컨텐츠(예: 1,2,3,4,5,6...)를 검색한다. 그리고, 추천 컨텐츠 생성부(101)는 검색된 컨텐츠(예: 1,2,3,4,5,6...) 중 특정 컨텐츠를 선택하여 추천 컨텐츠로서 사용자에게 제공할 수 있다.When the user group is determined according to the aforementioned ① or ②, the recommended content generation unit 101 selects recommended content based on the activity history of each user belonging to the user group. That is, content belonging to a specific content category (for example, a public transportation application) based on activity history related to at least one of searching and browsing and purchasing of each user (eg, A, B, C ...) belonging to a user group. Among the contents, at least one of search, search, and purchase is generated by users belonging to the user group (for example, A, B, C ...) (for example, 1,2,3,4,5,6...) Search for. In addition, the recommended content generation unit 101 may select specific content among the searched content (eg, 1,2,3,4,5,6...) and provide it to the user as recommended content.

보다 구체적으로 설명하면, 추천 컨텐츠 생성부(101)는 검색 및 열람 및 구매 별로 상이하게 부여되는 활동이력별 가중치를 기초로, 검색된 컨텐츠 각각(예: 1,2,3,4,5,6...)에 대하여 추천레벨을 계산할 수 있다. 예컨대, 검색된 컨텐츠 각각(예: 1,2,3,4,5,6...)에 대하여 계산되는 추천레벨은, 다음의 수식을 따를 수 있다.In more detail, the recommended content generation unit 101 is based on the weight of each activity history, which is differently given for each search, search, and purchase, and each searched content (for example, 1,2,3,4,5,6). The recommendation level can be calculated for ..). For example, the recommended level calculated for each of the searched contents (eg, 1,2,3,4,5,6...) may follow the following equation.

추천레벨 = 검색 횟수*검색이력의 가중치 + 열람 횟수*열람이력의 가중치 + 구매 횟수*구매이력의 가중치Recommended Level = Search Count * Weight of Search History + Number of Readings * Weight of Reading History + Number of Purchases * Weight of Purchase History

그리고, 활동이력 별 가중치는 구매가 가장 높고 열람, 검색 순서로 가중치가 작아지도록 부여되는 것이 바람직하며, 예컨대 검색이력의 가중치는 1, 열람이력의 가중치는 3, 구매이력의 가중치는 5일 수 있다.
In addition, the weight for each activity history is preferably given so that the purchase is highest and the weight is decreased in the order of browsing and searching, for example, the weight of the search history may be 1, the weight of the browsing history may be 3, and the weight of the purchasing history may be 5. .

상술한 (1) 내지 (4) 중 어느 하나 이상의 방식으로 해당 사용자에 대한 추천 컨텐츠가 생성되면, 상기 연관 컨텐츠 생성부(102)는 상기 생성된 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정할 수 있다. 즉, 생성된 추천 컨텐츠 각각과 일정 수준 이상의 관련도를 갖는 컨텐츠들을 연관 컨텐츠로 제공할 수 있다. 상기 연관 컨텐츠는 어느 하나의 추천 컨텐츠와 동일 카테고리의 컨텐츠이거나, 다수 개의 메타 정보가 동일한 컨텐츠이거나, 상기 추천 컨텐츠와 동시에 검색/예약/구매되는 빈도가 많은 컨텐츠일 수 있다.When the recommended content for the corresponding user is generated in any one or more of the above-mentioned (1) to (4), the related content generating unit 102 displays the recommended content based on the degree of association with the generated recommended content. Related content can be selected. That is, it is possible to provide the related content with content having a certain level of relevance to each of the generated recommended content as related content. The related content may be a content of the same category as one of the recommended content, a plurality of pieces of meta-information content, or a content that is frequently searched/reserved/purchased simultaneously with the recommended content.

이때 상기 연관 컨텐츠 생성부(102)는 상기 결정된 추천 컨텐츠와 동일 카테고리의 컨텐츠 중에서 추천 반응율이 임계치 이상인 컨텐츠를 추천 컨텐츠로 선정할 수 있다. 여기서, 상기 추천 반응율은 상기 사용자와 연령대, 성별, 기념일, 관심사 중 어느 하나 이상이 동일한 타 사용자에게 추천한 컨텐츠에 대한 선택, 열람 및 구매 중 적어도 하나의 이력을 기초로 산정될 수 있다. 이는 동종 카테고리의 컨텐츠 수가 매우 많을 가능성이 높으며, 이러한 동종 카테고리 컨텐츠를 평면적으로 제공하는 것보다는 사용자와 공통성이 클 것으로 보이는 사용자들의 선행 반응을 참고하여 제공하는 것이 더 효과적일 것이라는 가정에 기반한 것이다.In this case, the related content generating unit 102 may select content, which has a recommended response rate of a threshold or higher, from among the determined recommended content and content of the same category as recommended content. Here, the recommended response rate may be calculated based on at least one history of selection, viewing, and purchase of content recommended to other users having the same age, gender, anniversary, or interest as the user. This is based on the assumption that there is a high possibility that the number of contents of the same category is very high, and it will be more effective to provide the contents of the same category by referring to the prior reactions of users who seem to have great commonality with the user rather than providing them flatly.

추천 컨텐츠 및 연관 컨텐츠가 생성되면, 상기 컨텐츠 추천 장치(100)의 추천 컨텐츠 제공부(103)는, 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 사용자에게 제공한다. 여기서 제1 방향은 세로방향이고 제2 방향은 가로방향일 수 있고, 그 반대일 수도 있다.When the recommended content and the related content are generated, the recommended content providing unit 103 of the content recommending device 100 arranges the recommended content in a first direction and the first related content is related to the recommended content. Align with the second direction different from the direction to provide to the user. Here, the first direction may be a vertical direction, the second direction may be a horizontal direction, or vice versa.

예시적으로 도 3을 참조하여 보면, (a)는 제1 방향(가로방향)으로 추천 컨텐츠 1, 2, 3을 정렬하고, 추천 컨텐츠 2의 연관 컨텐츠 1, 2 를 제2 방향(세로방향)으로 정렬한 컨텐츠 제공화면이다. 또한 (b)는 제1 방향(세로방향)으로 추천 컨텐츠 1, 2, 3, 4를 정렬하고, 추천 컨텐츠 2의 연관 컨텐츠들을 제2 방향(가로방향)으로 정렬한 컨텐츠 제공화면이다. Referring to FIG. 3 as an example, (a) arranges the recommended contents 1, 2, and 3 in the first direction (horizontal direction), and the related contents 1 and 2 of the recommended content 2 in the second direction (vertical direction). It is a screen for providing contents sorted by. Also, (b) is a content providing screen in which recommended contents 1, 2, 3, and 4 are arranged in a first direction (vertical direction), and related contents of recommended contents 2 are arranged in a second direction (horizontal direction).

이때 상기 제1 방향과 제2 방향은 컨텐츠 제공 화면에 따라 적합하게 선택될 수 있다 .즉, 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 가로 길이가 세로 길이보다 더 긴 경우라면, 상기 제1 방향은 가로 방향, 상기 제2 방향은 상기 제1 방향과 직교하는 세로방향으로 선택될 수 있다. 반대로 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 세로 길이가 가로 길이보다 더 긴 경우 상기 제1 방향은 세로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 가로방향으로 선택될 수 있다. At this time, the first direction and the second direction may be appropriately selected according to the content providing screen. That is, if the horizontal length of the screen displaying the recommended content and the related content is longer than the vertical length, the first direction The direction may be selected as a horizontal direction and the second direction as a vertical direction orthogonal to the first direction. Conversely, when the vertical length of the screen displaying the recommended content and the related content is longer than the horizontal length, the first direction may be a vertical direction and the second direction may be selected as a horizontal direction orthogonal to the first direction.

상술한 방식으로 컨텐츠 추천 장치(100)가 추천 컨텐츠 및 연관 컨텐츠를 제공함으로써, 사용자가 추천 컨텐츠 중에서 취향에 부합하는 컨텐츠를 발견하지 못하더라도, 함께 제시된 연관 컨텐츠에서 취향에 맞는 컨텐츠를 발견할 가능성이 높아진다. 이는 사용자의 컨텐츠 소비로 연결되어 소비자-제공자 모두 만족할 결과를 가져올 수 있다. 또한 추천 컨텐츠 및 연관 컨텐츠를 제공함으로써, 제한된 디스플레이 화면에서 컨텐츠의 노출 범위를 획기적으로 증가할 수 있으며, 사용자에게 흥미를 더 유발할 수 있다.
Since the content recommendation apparatus 100 provides the recommended content and the related content in the above-described manner, even if the user does not find the content matching the taste among the recommended content, there is a possibility of finding the content matching the taste from the related content presented together. Will increase. This can lead to content consumption by the user, which can lead to satisfactory results for both consumers and providers. In addition, by providing the recommended content and the related content, it is possible to dramatically increase the exposure range of the content on the limited display screen, and further induce interest in the user.

도 4는 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템을 나타낸 구성도이다.4 is a block diagram showing a content recommendation service system according to an embodiment of the present specification.

상기 컨텐츠 추천 서비스 시스템은 컨텐츠 추천 장치(100) 및 사용자 단말(10)을 포함하여 구성될 수 있다. 이때 상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하고, 상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하고, 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공할 수 있다. The content recommendation service system may include a content recommendation device 100 and a user terminal 10. At this time, the content recommendation device 100 selects recommended content based on one or more of the user's content purchase history, content search history, content execution history, and user group activity information, and based on the degree of association with the recommended content The related content of the recommended content may be selected, the recommended content may be arranged in a first direction, and the related content may be provided in a second direction different from the first direction based on related recommended content.

상기 사용자 단말(10)은, 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속하여 컨텐츠 추천 장치(100)로부터 제공되는 컨텐츠를 수신할 수 있는 단말로서, 예컨대 이동단말 또는 컴퓨터일 수 있다. 이러한 사용자 단말(10)은, 특정 가입자에 의해 일련의 로그인 과정을 거쳐 컨텐츠 추천 장치(100)에서 제공하는 서비스에 접속할 수 있다.The user terminal 10 is a terminal capable of accessing a service provided by the content recommendation device 100 and receiving content provided from the content recommendation device 100, for example, a mobile terminal or a computer. The user terminal 10 may access a service provided by the content recommendation device 100 through a series of login processes by a specific subscriber.

상기 사용자 단말(10)은 컨텐츠 추천 장치(100)로부터 컨텐츠 추천 요청을 전송하고, 상기 요청에 따라 제공되는 추천 컨텐츠 및 연관 컨텐츠를 표시할 수 있다.The user terminal 10 may transmit a content recommendation request from the content recommendation device 100 and display recommended content and related content provided according to the request.

상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 구매 이력, 검색 이력, 실행 이력, 사용자 그룹 활동 정보 등을 분석하여 해당 사용자에게 추천할 컨텐츠를 생성하고, 생성된 추천 컨텐츠와 일정 수준 이상의 관련도를 가진 연관 컨텐츠를 생성하며, 이러한 추천 컨텐츠 및 연관 컨텐츠를 사용자에게 제공할 수 있다.The content recommendation device 100 analyzes digital user's digital content (application, multimedia content, etc.) purchase history, search history, execution history, user group activity information, and generates content to be recommended to the user, and generates the generated recommendation Related content having a certain level of relevance to the content is generated, and the recommended content and the related content can be provided to the user.

추천 컨텐츠 및 연관 컨텐츠를 선정하기 위하여, 상기 컨텐츠 추천 장치(100)는 특정 사용자가 수행한 컨텐츠 구매, 검색, 실행 이력(history)을 수집할 수 있다. 또한 상기 컨텐츠 추천 장치(100)는 특정 사용자와 유사한 개인정보를 보유한 사용자들이 컨텐츠를 검색/열람/구매한 이력을 수집할 수 있다.In order to select recommended content and related content, the content recommendation device 100 may collect content purchase, search, and execution history performed by a specific user. In addition, the content recommendation device 100 may collect his/her search/view/purchased content by users who have personal information similar to a specific user.

상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 상기 컨텐츠 추천 장치(100)는 도 1에서 설명한 (1) 내지 (4)의 방식 중 하나 이상을 사용하여 추천 컨텐츠를 생성할 수 있다.The content recommendation device 100 may select recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information. That is, the content recommendation device 100 may generate recommended content using one or more of the methods (1) to (4) described in FIG. 1.

해당 사용자에 대한 추천 컨텐츠가 생성되면, 상기 컨텐츠 추천 장치(100)는 상기 생성된 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정할 수 있다. 즉, 생성된 추천 컨텐츠 각각과 일정 수준 이상의 관련도를 갖는 컨텐츠들을 연관 컨텐츠로 제공할 수 있다. 상기 연관 컨텐츠는 어느 하나의 추천 컨텐츠와 동일 카테고리의 컨텐츠이거나, 다수 개의 메타 정보가 동일한 컨텐츠이거나, 상기 추천 컨텐츠와 동시에 검색/예약/구매되는 빈도가 많은 컨텐츠일 수 있다.When the recommended content for the corresponding user is generated, the content recommendation device 100 may select related content of the recommended content based on the degree of association with the generated recommended content. That is, it is possible to provide the related content with content having a certain level of relevance to each of the generated recommended content as related content. The related content may be a content of the same category as one of the recommended content, a plurality of pieces of meta-information content, or a content that is frequently searched/reserved/purchased simultaneously with the recommended content.

이때 상기 컨텐츠 추천 장치(100)는 상기 결정된 추천 컨텐츠와 동일 카테고리의 컨텐츠 중에서 추천 반응율이 임계치 이상인 컨텐츠를 추천 컨텐츠로 선정할 수 있다. 여기서, 상기 추천 반응율은 상기 사용자와 연령대, 성별, 기념일, 관심사 중 어느 하나 이상이 동일한 타 사용자에게 추천한 컨텐츠에 대한 선택, 열람 및 구매 중 적어도 하나의 이력을 기초로 산정될 수 있다. 이는 동종 카테고리의 컨텐츠 수가 매우 많을 가능성이 높으며, 이러한 동종 카테고리 컨텐츠를 평면적으로 제공하는 것보다는 사용자와 공통성이 클 것으로 보이는 사용자들의 선행 반응을 참고하여 제공하는 것이 더 효과적일 것이라는 가정에 기반한 것이다.At this time, the content recommendation device 100 may select content, which has a recommended response rate of a threshold or higher, from among the content of the same category as the determined recommended content. Here, the recommended response rate may be calculated based on at least one history of selection, viewing, and purchase of content recommended to other users having the same age, gender, anniversary, or interest as the user. This is based on the assumption that there is a high possibility that the number of contents of the same category is very high, and it will be more effective to provide the contents of the same category by referring to the prior reactions of users who seem to have great commonality with the user rather than providing them flatly.

추천 컨텐츠 및 연관 컨텐츠가 생성되면, 상기 컨텐츠 추천 장치(100)는 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 사용자에게 제공한다. 여기서 제1 방향은 세로방향이고 제2 방향은 가로방향일 수 있고, 그 반대일 수도 있다.When the recommended content and the related content are generated, the content recommendation device 100 arranges the recommended content in a first direction, and aligns the related content in a second direction different from the first direction based on the related recommended content. To the user. Here, the first direction may be a vertical direction, the second direction may be a horizontal direction, or vice versa.

이때 상기 제1 방향과 제2 방향은 컨텐츠 제공 화면에 따라 적합하게 선택될 수 있다 .즉, 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 가로 길이가 세로 길이보다 더 긴 경우라면, 상기 제1 방향은 가로 방향, 상기 제2 방향은 상기 제1 방향과 직교하는 세로방향으로 선택될 수 있다. 반대로 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 세로 길이가 가로 길이보다 더 긴 경우 상기 제1 방향은 세로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 가로방향으로 선택될 수 있다.
At this time, the first direction and the second direction may be appropriately selected according to the content providing screen. That is, if the horizontal length of the screen displaying the recommended content and the related content is longer than the vertical length, the first direction The direction may be selected as a horizontal direction, and the second direction may be selected as a vertical direction orthogonal to the first direction. Conversely, when the vertical length of the screen displaying the recommended content and the related content is longer than the horizontal length, the first direction may be a vertical direction and the second direction may be selected as a horizontal direction orthogonal to the first direction.

도 5는 본 명세서의 일 실시예에 따른 컨텐츠 추천 방법을 나타낸 흐름도이다.5 is a flowchart illustrating a content recommendation method according to an embodiment of the present specification.

상기 컨텐츠 추천 방법은 컨텐츠 추천 장치에 의해 수행될 수 있다. 상기 컨텐츠 추천 장치는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 구매 이력, 검색 이력, 실행 이력, 사용자 그룹 활동 정보 등을 분석하여 해당 사용자에게 추천할 컨텐츠를 생성하고, 생성된 추천 컨텐츠와 일정 수준 이상의 관련도를 가진 연관 컨텐츠를 생성하며, 이러한 추천 컨텐츠 및 연관 컨텐츠를 사용자에게 제공할 수 있다.The content recommendation method may be performed by a content recommendation device. The content recommendation device analyzes the digital user's digital content (application, multimedia content, etc.) purchase history, search history, execution history, user group activity information, and generates content to be recommended to the user, and the generated recommended content and schedule Related content having a level of relevance or higher may be generated, and such recommended content and related content may be provided to a user.

상기 컨텐츠 추천 장치는 특정 사용자가 수행한 컨텐츠 구매, 검색, 실행 이력을 수집할 수 있다. 또한 상기 컨텐츠 추천 장치는 특정 사용자와 유사한 개인정보를 보유한 사용자들이 컨텐츠를 검색/열람/구매한 이력을 수집할 수 있다.The content recommendation device may collect content purchase, search, and execution history performed by a specific user. In addition, the content recommendation device may collect his/her search/view/purchased content by users who have personal information similar to a specific user.

상기 컨텐츠 추천 장치는 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정할 수 있다(S310). 즉, 상기 추천 컨텐츠 생성부(101)는 아래에서 설명하는 방식 중 하나 이상을 사용하여 추천 컨텐츠를 생성할 수 있다.The content recommendation device may select recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information (S310). That is, the recommended content generation unit 101 may generate recommended content using one or more of the methods described below.

(1) 상기 컨텐츠 추천 장치는 사용자의 컨텐츠 구매이력에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 사용자의 구매 횟수, 구매 금액 등을 기초로 구매도가 높은 컨텐츠 카테고리를 선정하고, 해당 카테고리에 속하는 컨텐츠 중 사용자가 구매하지 않은 컨텐츠를 추천할 수 있다. 이때 최근 구매 이력에 더 큰 가중치를 부여하여 상기 사용자의 구매도를 평가할 수도 있다.(1) The content recommendation device may select recommended content based on a user's content purchase history. That is, a content category with a high purchase level may be selected based on a user's number of purchases, a purchase amount, and the like, and content that the user has not purchased among contents belonging to the category may be recommended. In this case, the user's purchase degree may be evaluated by giving a greater weight to the recent purchase history.

(2) 상기 컨텐츠 추천 장치는 사용자의 컨텐츠 검색 이력에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 사용자의 컨텐츠 검색 키워드 및/또는 컨텐츠 검색 중 선택(조회, 열람)한 컨테츠 정보를 기초로 하여 다수의 추천 후보 컨텐츠에 대한 평가점수를 산정하고, 이러한 추천 점수 기반으로 추천 컨텐츠를 선정할 수 있다.(2) The content recommendation device may select recommended content based on a user's content search history. That is, evaluation scores for a plurality of candidate candidate contents can be calculated based on content information selected (viewed, viewed) of a user's content search keyword and/or content search, and the recommended content can be selected based on the recommendation score have.

이때 상기 컨텐츠 추천 장치는 특정 인터넷 사이트(예: 컨텐츠 마켓)에서 어느 사용자가 컨텐츠를 검색한 이력을 분석하여, 검색 키워드(또는 검색어)에 대한 정보와, 상기 검색 키워드에 따른 검색 결과 중에서 사용자가 선택하여 조회한 컨텐츠에 대한 정보(‘선택 컨탠츠 정보’)를 추출한다. 이때 상기 선택 컨텐츠 정보는 해당 컨텐츠의 ID, 해당 컨텐츠의 카테고리, 해당 컨텐츠의 상세 정보, 해당 컨텐츠의 연관 키워드, 상기 연관 키워드 및 카테고리 간의 관련도 등을 포함할 수 있다.At this time, the content recommendation device analyzes the history of a user searching for content on a specific Internet site (eg, a content market), and the user selects information on search keywords (or search terms) and search results according to the search keywords To extract information about the searched content ('selected content information'). In this case, the selected content information may include an ID of the corresponding content, a category of the corresponding content, detailed information of the corresponding content, a related keyword of the corresponding content, and a relevance between the related keyword and the category.

다음으로 상기 컨텐츠 추천 장치는 상기 검색 키워드 및 상기 선택 컨텐츠 정보 중 하나 이상을 기초로 하여 하나 이상의 추천 후보 컨텐츠에 대한 추천 점수를 계산한다. 즉, 추천 후보 컨텐츠(또는 상기 장치가 제공 가능한 컨텐츠) 각각에 대하여, 사용자의 검색 이력으로부터 추출한 검색 키워드 및/또는 선택 컨텐츠 정보와의 관련도를 기초로 추천 점수(추천 적합도)를 계산하는 것이다.Next, the content recommendation device calculates a recommendation score for one or more recommendation candidate content based on at least one of the search keyword and the selected content information. That is, the recommendation score (recommended goodness of fit) is calculated for each of the candidate candidate contents (or contents that can be provided by the device) based on the degree of association with the search keyword and/or the selected content information extracted from the user's search history.

상기 추천 점수를 계산하는 일 실시예로서, 상기 상기 컨텐츠 추천 장치는 상기 추천 점수를 산출하는 식의 변수(파라미터)로서 ① 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드가 포함되어 있는지 여부, ② 추천 후보 컨텐츠의 상세 정보에 상기 검색 키워드의 연관 키워드가 포함되어 있는지 여부, ③ 추천 후보 컨텐츠의 카테고리와 상기 검색 키워드와의 관련도, ④ 선택 컨텐츠의 카테고리와 상기 추천 후보 컨텐츠의 카테고리와의 관련도, ⑤ 선택 컨텐츠의 연관 키워드와 상기 추천 후보 컨텐츠의 연관 키워드와의 관련도를 사용할 수 있다. 위 ① 내지 ⑤에 의해 계산된 점수를 각각 제1 점수 내지 제5 점수라 한다.As an embodiment of calculating the recommendation score, the content recommendation device is a variable (parameter) of an expression for calculating the recommendation score: ① Whether the search keyword is included in the detailed information of the recommendation candidate content, ② the recommendation candidate Whether the relevant keyword of the search keyword is included in the detailed information of the content, ③ the relationship between the category of the candidate content and the search keyword, ④ the relationship between the category of the selected content and the category of the recommended candidate content, ⑤ The degree of association between the related keyword of the selected content and the related keyword of the recommended candidate content may be used. The scores calculated by the above ① to ⑤ are referred to as first score to fifth score, respectively.

이때 위 ① 내지 ⑤에서 ‘관련도’는 선행하여 분석된 키워드-카테고리 간의 연관 정보 및/또는 키워드-키워드 간의 연관 정보를 사용할 수 있다.At this time, in the above ① to ⑤,'relevance degree' may use correlation information between keyword-categories and/or keyword-keyword analysis previously analyzed.

또한 상기 추천 점수는 상기 변수(제1점수 내지 제5 점수)마다 적절한 가중치를 두어 산출될 수도 있다. 예를 들어, 상기 ①에 가장 큰 가중치를 두고(예: 2), ② 내지 ⑤에는 그보다 작은 가중치(예: 0.5)를 두어 해당 컨텐츠의 추천 점수를 계산할 수 있다. 이는 직관적으로 가장 관련도가 높을 것으로 예상되는 검색 키워드 자체의 비중을 높게 두어 추천 점수를 계산하는 방식이다.In addition, the recommendation score may be calculated by placing an appropriate weight for each variable (first to fifth scores). For example, the largest weight is given to ① (eg 2), and a smaller weight (eg 0.5) is applied to ② to ⑤ to calculate the recommended score of the corresponding content. This is an intuitive method of calculating the recommendation score by placing the weight of the search keyword itself, which is expected to be most relevant.

위와 같이 각 후보 컨텐츠마다의 추천 점수가 계산되면, 상기 컨텐츠 추천 장치는 계산된 추천 점수에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정한다.When the recommendation score for each candidate content is calculated as described above, the content recommendation device determines recommended content to be recommended to the user according to the calculated recommendation score.

(3) 상기 컨텐츠 추천 장치는 사용자의 컨텐츠 실행 이력에 기반하여 추천 컨텐츠를 선정할 수 있다. 즉, 사용자가 보유 중인 컨텐츠 중에서 자주 또는 많이 실행하는 컨텐츠와 유사한 컨텐츠를 추천할 수 있다.(3) The content recommendation device may select recommended content based on a user's content execution history. That is, it is possible to recommend content similar to content that is frequently or frequently executed among content that the user has.

이때 상기 컨텐츠 추천 장치는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 사용 이력을 분석하여 해당 사용자의 관심 컨텐츠와 관심 카테고리를 분석하고, 그 결과를 이용하여 개인 맞춤형 컨텐츠 추천을 할 수 있다. 특히 상기 컨텐츠 추천 장치는 특정 사용자가 소유하고 있는 컨텐츠의 실제 실행이력 정보를 분석하여 해당 사용자의 관심 컨테츠, 관심 카테고리 등을 파악할 수 있다. 상기 컨텐츠 추천 장치는 상기 컨텐츠 실행이력 정보를 기초로 하여 컨텐츠 각각의 실행 활성도를 산출할 수 있다. 여기서 실행 활성도는 특정 컨텐츠에 대한 사용 정도를 나타내는 척도이며, 실행활성도가 큰 컨텐츠는 사용자가 좀 더 관심을 기울이는 분야의 컨텐츠로 추정될 수 있다.In this case, the content recommendation device may analyze a user's history of using digital content (application, multimedia content, etc.) of a specific user, analyze a content of interest and a category of interest, and recommend personalized content using the result. In particular, the content recommendation device may analyze the actual execution history information of content owned by a specific user, and grasp the content, interest category, and the like of the user. The content recommendation device may calculate the execution activity of each content based on the content execution history information. Here, the execution activity is a measure indicating the degree of use for a specific content, and the content having a high execution activity may be estimated as content in a field in which the user pays more attention.

특정 사용자의 컨텐츠 실행활성도를 산출하기 위해 다양한 인자가 사용될 수 있다. 이하에서는 컨텐츠의 실행 횟수, 실행 시간을 주요한 인자로 하여 컨텐츠의 실행 활성도를 산출하는 방법을 설명한다.Various factors can be used to calculate the content execution activity of a specific user. Hereinafter, a method of calculating the execution activity of the content will be described using the number of execution times and the execution time of the content as main factors.

실행 활성도 산출의 실시예로서 상기 컨텐츠 추천 장치는 컨텐츠의 소정 기간 평균 실행 횟수와 평균 실행 시간을 기초로 상기 컨텐츠의 실행 활성도를 산출할 수 있다. 예컨대, 컨텐츠 A의 2012년 12월 한 달 간의 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이라면, 컨텐츠 A의 실행활성도 = (기본 점수)+(3*30)과 같은 수식으로 계산될 수 있다. 이때 실행 활성도는 타 사용자 대비 실행 횟수와 실행 시간 비율을 기반으로 계산될 수도 있다. 즉, 특정 사용자(U)가 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 3회이고 1일 평균 실행시간이 30분이며, 타 사용자들의 컨텐츠 A에 대한 2012년 12월 한 달 간 1일 평균 실행횟수가 6회이고 1일 평균 실행시간이 20분인 경우라면, 컨텐츠 A의 실행활성도 = (기본 점수) + w1*(3/6) + w2*(30/20)과 같은 수식으로 계산될 수 있다. (w1, w2는 실행 활성도에 있어서 실행횟수 및 실행시간에 각각 부여되는 가중치이다.) 이 경우 기본 점수가 0.5, w1, w2이 각각 0.5 라면, 컨텐츠 A의 실행활성도는 0.5 + 0.5*(3/6) + 0.5*(30/20) = 1.833 이 된다.As an embodiment of calculating execution activity, the content recommendation device may calculate execution activity of the content based on an average number of execution times and an average execution time of a predetermined period of content. For example, if the average number of executions per day for a month in December 2012 of content A is 3 times and the average execution time per day is 30 minutes, the execution activity of content A = (base score) + (3*30) Can be calculated as At this time, the execution activity may be calculated based on the ratio of the number of executions and the execution time compared to other users. That is, the average number of executions per day by a particular user (U) for content A in December 2012 is 3 times, the average execution time per day is 30 minutes, and the content of other users by content in December 2012 If the average number of executions per day is 6 times per month and the average execution time per day is 20 minutes, the execution activity of content A = (base score) + w1*(3/6) + w2*(30/20) It can be calculated with an equation. (w1 and w2 are weights assigned to the number of executions and the execution time in execution activity.) In this case, if the basic score is 0.5, and w1 and w2 are 0.5, the execution activity of content A is 0.5 + 0.5*(3/ 6) + 0.5*(30/20) = 1.833.

컨텐츠의 실행 활성도는, 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간별 컨텐츠 실행점수를 계산하고, 상기 계산된 상기 소정 기간 별 컨텐츠 실행점수를 합산하여 산출할 수 있다. 즉, 단위 기간(1일, 1주일 등)을 정하여 각 단위 시간 동안의 특정 컨텐츠 실행 횟수, 실행 시간에 기초한 점수를 계산하고, 원하는 시점까지의 점수를 모두 합산하여 실행활성도를 계산하는 것이다.The execution activity of the content may be calculated by calculating the content execution score for each predetermined period based on the number of execution times and the execution time of the predetermined period of the content, and summing the calculated content execution score for each predetermined period. That is, a unit period (1 day, 1 week, etc.) is determined to calculate a score based on the number of execution times and a specific content execution time for each unit time, and the execution activity is calculated by summing all the scores up to a desired time point.

또는 컨텐츠의 실행 활성도는, 컨텐츠의 소정 기간 실행 횟수와 실행 시간에 기초하여 상기 소정 기간 별 컨텐츠 실행점수를 계산하고, 상기 소정 기간 별 실행점수에 상기 소정 기간으로부터 실행 활성도 산출 시점까지의 실행 활성도 감소 비율을 부여하여 조정 실행 점수를 계산하고, 상기 조정 실행점수를 합산하여 산출될 수 있다. 즉, 실행활성도가 시간에 따라 감소하여(일정 기간동안 실행을 하지 않으면 활성도가 0으로 수렴하도록 함으로써), 최근에 자주 사용한 컨텐츠를 사용자의 관심 컨텐츠로 분류하는 것이다.Alternatively, the execution activity of the content is calculated based on the number of execution times and the execution time of the predetermined period of content, and the execution score of the content is calculated for each predetermined period, and the execution activity from the predetermined period to the execution activity calculation time point is reduced to the execution score for each predetermined period. It can be calculated by adding a ratio to calculate the adjustment execution score, and summing the adjustment execution scores. That is, the execution activity decreases with time (if the activity is not executed for a certain period of time, the activity converges to 0), so that recently used content is classified as the content of interest of the user.

위와 같이 각 컨텐츠마다의 실행 활성도가 계산되면, 상기 컨텐츠 추천 장치는 계산된 실행 활성도에 따라 상기 사용자에게 추천할 추천 컨텐츠를 결정할 수 있다. 예를 들어, 실행 활성도가 가장 높은 컨텐츠와 동일 카테고리의 컨텐츠를 추천하거나, 실행 활성도가 일정 기준 이상인 컨텐츠와 동일 카테고리의 컨텐츠를 추천하는 등 다양한 방식으로 추천 컨텐츠를 결정할 수 있다. 또한 일 실시예로서 상기 컨텐츠 추천 장치는 기 정의된 컨텐츠의 실행활성도가 상기 사용자의 실행활성도와 임계값 이상의 유사도롤 갖는 타 사용자를 검색하고, 상기 타 사용자가 기 설정된 실행활성도 이상으로 실행한 컨텐츠를 상기 사용자에게 추천할 수도 있다.When the execution activity of each content is calculated as above, the content recommendation device may determine recommended content to be recommended to the user according to the calculated execution activity. For example, the recommended content may be determined in various ways, such as recommending the content having the highest execution activity and content in the same category, or recommending the content having the execution activity of a certain criterion or the same category. In addition, as an embodiment, the content recommendation apparatus searches for other users having a similarity of the execution activity of the user and a threshold or more of a predefined content, and the content executed by the other user with a predetermined execution activity or more. It can also be recommended to the user.

(4) 상기 컨텐츠 추천 장치는 사용자와 2 이상의 동일한 개인정보를 갖는 사용자 그룹의 멤버들이 검색, 열람, 구매한 컨텐츠 중에서 추천 컨텐츠를 생성할 수 있다. 즉, 특정 사용자와 관심사나 취향이 비슷할 것으로 예상되는 사용자 집단을 선정하고, 상기 사용자 집단의 컨텐츠 이용 패턴을 이용하여 추천 컨텐츠를 생성하는 것이다.(4) The content recommendation device may generate recommendation content among content searched, viewed, and purchased by members of a user group having the same personal information as two or more users. That is, a user group that is expected to have similar interests and tastes to a specific user is selected, and recommendation content is generated using the content usage pattern of the user group.

상기 컨텐츠 추천 장치는 각 사용자 별로 등록된 개인정보를 저장/관리한다. 예컨대, 상기 컨텐츠 추천 장치는 사용자가 입력한 나이, 성별, 생일, 기념일, 주소, 학력, 관심사 등의 개인정보를 저장/관리할 수 있다. The content recommendation device stores/manages personal information registered for each user. For example, the content recommendation device may store/manage personal information such as age, gender, birthday, anniversary, address, education, and interests input by the user.

더불어, 상기 컨텐츠 추천 장치는 등록된 개인정보에 기초하여 사용자의 개인정보와 2 이상의 동일한 기본정보를 갖는 사용자들로 구성된 사용자그룹을 결정한다. 즉 특정 사용자와 개인정보가 유사한 사용자들로 구성된 사용자그룹을 결정할 수 있다. 사용자그룹을 결정하는 실시예는 다음과 같다. In addition, the content recommendation device determines a user group consisting of users having the same basic information as the user's personal information and two or more based on the registered personal information. That is, it is possible to determine a user group consisting of users having similar personal information and specific users. An example of determining a user group is as follows.

① 상기 컨텐츠 추천 장치는 특정 사용자의 개인정보(나이, 성별, 생일, 기념일, 주소, 학력, 관심사 등)들 모두와 동일한 개인정보를 갖는 사용자를 검색한다. 그 후, 사용자의 기본정보 모두와 동일한 사용자를 검색한 결과, 검색된 사용자의 수가 기 설정된 그룹 인원수(예: 50명) 미만이면, 직전의 사용자 검색 시 이용한 개인정보들 중 하나의 개인정보를 제외한 나머지 개인정보들과 동일한 개인정보를 갖는 사용자를 재 검색하는 사용자 재검색 과정을 수행한다.① The content recommendation device searches for a user having the same personal information as all of the personal information (age, gender, birthday, anniversary, address, education, interests, etc.) of a specific user. Thereafter, as a result of searching for the same user as all of the user's basic information, if the number of users searched is less than the preset number of groups (for example, 50), the rest of the personal information used for searching for the previous user is excluded. A user re-search process is performed to re-search a user having the same personal information as personal information.

이처럼, 상기 컨텐츠 추천 장치는 검색된 사용자의 수가 그룹인원수(예: 50명) 이상이 될 때까지 전술의 사용자 재검색 과정을 수행하고, 검색된 사용자의 수가 그룹 인원수(예: 50명) 이상이 되면 비로소 금번 검색된 사용자들로 구성된 사용자 그룹을 결정할 수 있다.As described above, the content recommendation device performs the above-described user re-search process until the number of searched users is greater than or equal to the number of group members (for example, 50 people), and the number of searched users is greater than the number of group members (for example, 50). A user group composed of searched users can be determined.

② 상기 컨텐츠 추천 장치는 사용자의 개인정보 별로 기 설정된 중요도를 기초로, 중요도가 가장 높은 개인정보부터 중요도가 낮아지는 순서에 따라 순차적으로 선택하여 2 이상의 개인정보를 결정하고, 상기 결정한 개인정보가 동일한 사용자들로 구성된 사용자 그룹을 생성한다.② The content recommendation device sequentially selects two or more personal information by sequentially selecting the personal information having the highest importance from the highest personality information based on the predetermined importance level for each user's personal information, and the determined personal information is the same. Create a user group consisting of users.

이때, 사용자의 기본정보 별 중요도는, 개인정보 별로 수집되는 반응률일 수 있다. 즉, 특정 개인정보의 반응률은 기 지정된 반응수집기간 동안 상기 특정 개인정보를 이용하여 결정된 사용자 그룹에게 특정 추천 컨텐츠를 제공하여 상기 제공한 추천 컨텐츠가 열람 또는 구매되는 빈도수에 의해 결정될 수 있다.At this time, the importance of each user's basic information may be a response rate collected for each personal information. That is, the response rate of specific personal information may be determined by a frequency of viewing or purchasing the provided recommended content by providing specific recommended content to a user group determined using the specific personal information during a predetermined reaction collection period.

상기 컨텐츠 추천 장치는 전술한 ① 또는 ②에 따라 사용자 그룹이 결정되면, 사용자 그룹에 속하는 각 사용자의 활동이력을 기초로 하여 추천 컨텐츠를 선정한다. 즉, 사용자 그룹에 속하는 각 사용자(예: A,B,C ...)의 검색 및 열람 및 구매 중 적어도 하나와 관련된 활동이력을 기초로, 특정 컨텐츠카테고리(예 : 대중교통 어플리케이션)에 속하는 컨텐츠 중에서 사용자 그룹에 속하는 사용자(예: A,B,C ...)에 의해 검색 및 열람 및 구매 중 적어도 하나가 발생된 컨텐츠(예: 1,2,3,4,5,6...)를 검색한다. 그리고, 상기 컨텐츠 추천 장치는 검색된 컨텐츠(예: 1,2,3,4,5,6...) 중 특정 컨텐츠를 선택하여 추천 컨텐츠로서 사용자에게 제공할 수 있다.When the user group is determined according to the aforementioned ① or ②, the content recommendation device selects recommended content based on the activity history of each user belonging to the user group. That is, content belonging to a specific content category (for example, a public transportation application) based on activity history related to at least one of searching and browsing and purchasing of each user (eg, A, B, C ...) belonging to a user group. Among the contents, at least one of search, search, and purchase is generated by users belonging to the user group (for example, A, B, C ...) (for example, 1,2,3,4,5,6...) Search for. In addition, the content recommendation device may select a specific content among searched content (eg, 1,2,3,4,5,6...) and provide it to the user as recommended content.

보다 구체적으로 설명하면, 상기 컨텐츠 추천 장치는 검색 및 열람 및 구매 별로 상이하게 부여되는 활동이력별 가중치를 기초로, 검색된 컨텐츠 각각(예: 1,2,3,4,5,6...)에 대하여 추천레벨을 계산할 수 있다. 예컨대, 검색된 컨텐츠 각각(예: 1,2,3,4,5,6...)에 대하여 계산되는 추천레벨은, 다음의 수식을 따를 수 있다.In more detail, the content recommendation device is based on the weight of each activity history, which is differently given for each search and browsing and purchase, and each of the searched contents (for example, 1,2,3,4,5,6...) The recommended level can be calculated for. For example, the recommended level calculated for each of the searched contents (eg, 1,2,3,4,5,6...) may follow the following equation.

추천레벨 = 검색 횟수*검색이력의 가중치 + 열람 횟수*열람이력의 가중치 + 구매 횟수*구매이력의 가중치Recommended Level = Search Count * Weight of Search History + Number of Readings * Weight of Reading History + Number of Purchases * Weight of Purchase History

그리고, 활동이력 별 가중치는 구매가 가장 높고 열람, 검색 순서로 가중치가 작아지도록 부여되는 것이 바람직하며, 예컨대 검색이력의 가중치는 1, 열람이력의 가중치는 3, 구매이력의 가중치는 5일 수 있다.
In addition, the weight for each activity history is preferably given so that the purchase is highest and the weight is decreased in the order of browsing and searching, for example, the weight of the search history may be 1, the weight of the browsing history may be 3, and the weight of the purchasing history may be 5. .

상술한 (1) 내지 (4) 중 어느 하나 이상의 방식으로 해당 사용자에 대한 추천 컨텐츠가 생성되면, 상기 컨텐츠 추천 장치는 상기 생성된 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정할 수 있다(S320). 즉, 생성된 추천 컨텐츠 각각과 일정 수준 이상의 관련도를 갖는 컨텐츠들을 연관 컨텐츠로 제공할 수 있다. 상기 연관 컨텐츠는 어느 하나의 추천 컨텐츠와 동일 카테고리의 컨텐츠이거나, 다수 개의 메타 정보가 동일한 컨텐츠이거나, 상기 추천 컨텐츠와 동시에 검색/예약/구매되는 빈도가 많은 컨텐츠일 수 있다.When recommendation content for a corresponding user is generated by any one or more of the methods (1) to (4) described above, the content recommendation device selects related content of the recommended content based on the degree of association with the generated recommendation content It can be done (S320). That is, it is possible to provide the related content with content having a certain level of relevance to each of the generated recommended content as related content. The related content may be a content of the same category as one of the recommended content, a plurality of pieces of meta-information content, or a content that is frequently searched/reserved/purchased simultaneously with the recommended content.

이때 상기 컨텐츠 추천 장치는 상기 결정된 추천 컨텐츠와 동일 카테고리의 컨텐츠 중에서 추천 반응율이 임계치 이상인 컨텐츠를 추천 컨텐츠로 선정할 수 있다. 여기서, 상기 추천 반응율은 상기 사용자와 연령대, 성별, 기념일, 관심사 중 어느 하나 이상이 동일한 타 사용자에게 추천한 컨텐츠에 대한 선택, 열람 및 구매 중 적어도 하나의 이력을 기초로 산정될 수 있다. 이는 동종 카테고리의 컨텐츠 수가 매우 많을 가능성이 높으며, 이러한 동종 카테고리 컨텐츠를 평면적으로 제공하는 것보다는 사용자와 공통성이 클 것으로 보이는 사용자들의 선행 반응을 참고하여 제공하는 것이 더 효과적일 것이라는 가정에 기반한 것이다.In this case, the content recommendation device may select content that has a recommended response rate of a threshold or higher from among the content of the same category as the determined recommended content. Here, the recommended response rate may be calculated based on at least one history of selection, viewing, and purchase of content recommended to other users having the same age, gender, anniversary, or interest as the user. This is based on the assumption that there is a high possibility that the number of contents of the same category is very high, and it will be more effective to provide the contents of the same category by referring to the prior reactions of users who seem to have great commonality with the user rather than providing them flatly.

추천 컨텐츠 및 연관 컨텐츠가 생성되면, 상기 컨텐츠 추천 장치는 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 사용자에게 제공한다(S330). 여기서 제1 방향은 세로방향이고 제2 방향은 가로방향일 수 있고, 그 반대일 수도 있다.When the recommended content and the related content are generated, the content recommending device arranges the recommended content in a first direction, and arranges the related content in a second direction different from the first direction based on the related recommended content and provides the content to the user (S330). Here, the first direction may be a vertical direction, the second direction may be a horizontal direction, or vice versa.

예시적으로 도 3을 참조하여 보면, (a)는 제1 방향(가로방향)으로 추천 컨텐츠 1, 2, 3을 정렬하고, 추천 컨텐츠 2의 연관 컨텐츠 1, 2 를 제2 방향(세로방향)으로 정렬한 컨텐츠 제공화면이다. 또한 (b)는 제1 방향(세로방향)으로 추천 컨텐츠 1, 2, 3, 4를 정렬하고, 추천 컨텐츠 2의 연관 컨텐츠들을 제2 방향(가로방향)으로 정렬한 컨텐츠 제공화면이다. Referring to FIG. 3 as an example, (a) arranges the recommended contents 1, 2, and 3 in the first direction (horizontal direction), and the related contents 1 and 2 of the recommended content 2 in the second direction (vertical direction). It is a screen for providing contents sorted by. Also, (b) is a content providing screen in which recommended contents 1, 2, 3, and 4 are arranged in a first direction (vertical direction), and related contents of recommended contents 2 are arranged in a second direction (horizontal direction).

이때 상기 제1 방향과 제2 방향은 컨텐츠 제공 화면에 따라 적합하게 선택될 수 있다 .즉, 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 가로 길이가 세로 길이보다 더 긴 경우라면, 상기 제1 방향은 가로 방향, 상기 제2 방향은 상기 제1 방향과 직교하는 세로방향으로 선택될 수 있다. 반대로 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 세로 길이가 가로 길이보다 더 긴 경우 상기 제1 방향은 세로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 가로방향으로 선택될 수 있다.
At this time, the first direction and the second direction may be appropriately selected according to the content providing screen. That is, if the horizontal length of the screen displaying the recommended content and the related content is longer than the vertical length, the first direction The direction may be selected as a horizontal direction, and the second direction may be selected as a vertical direction orthogonal to the first direction. Conversely, when the vertical length of the screen displaying the recommended content and the related content is longer than the horizontal length, the first direction may be a vertical direction and the second direction may be selected as a horizontal direction orthogonal to the first direction.

도 6은 본 명세서의 일 실시예에 따른 컨텐츠 추천 서비스 시스템이 사용자에게 컨텐츠를 추천하는 방법을 나타낸 흐름도이다.6 is a flowchart illustrating a method for a content recommendation service system to recommend content to a user according to an embodiment of the present disclosure.

상기 컨텐츠 추천 서비스 방법은 컨텐츠 추천 장치 및 사용자 단말에 의해 수행될 수 있다. 상기 컨텐츠 추천 장치(100)는 특정 사용자의 디지털 컨텐츠(애플리케이션, 멀티미디어 컨텐츠 등) 구매 이력, 검색 이력, 실행 이력, 사용자 그룹 활동 정보 등을 분석하여 해당 사용자에게 추천할 컨텐츠를 생성하고, 생성된 추천 컨텐츠와 일정 수준 이상의 관련도를 가진 연관 컨텐츠를 생성하며, 이러한 추천 컨텐츠 및 연관 컨텐츠를 사용자에게 제공할 수 있다.The content recommendation service method may be performed by a content recommendation device and a user terminal. The content recommendation device 100 analyzes digital user's digital content (application, multimedia content, etc.) purchase history, search history, execution history, user group activity information, and generates content to be recommended to the user, and generates the generated recommendation Related content having a certain level of relevance to the content is generated, and the recommended content and the related content can be provided to the user.

상기 사용자 단말은, 사용자가 수행한 컨텐츠 구매, 검색, 실행 이력을 전송할 수 있다(S410). 상기 이력을 수신한 상기 컨텐츠 추천 장치(100)는 특정 사용자가 수행한 컨텐츠 구매, 검색, 실행 이력을 수집할 수 있다. 또한 상기 컨텐츠 추천 장치(100)는 특정 사용자와 유사한 개인정보를 보유한 사용자들이 컨텐츠를 검색/열람/구매한 이력을 수집할 수 있다.The user terminal may transmit the content purchase, search, and execution history performed by the user (S410). The content recommendation device 100 receiving the history may collect content purchase, search, and execution history performed by a specific user. In addition, the content recommendation device 100 may collect his/her search/view/purchased content by users who have personal information similar to a specific user.

상기 컨텐츠 추천 장치(100)는 사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정할 수 있다(S420). 즉, 상기 컨텐츠 추천 장치(100)는 도 1에서 설명한 (1) 내지 (4)의 방식 중 하나 이상을 사용하여 추천 컨텐츠를 생성할 수 있다.The content recommendation device 100 may select recommended content based on one or more of a user's content purchase history, content search history, content execution history, and user group activity information (S420). That is, the content recommendation device 100 may generate recommended content using one or more of the methods (1) to (4) described in FIG. 1.

해당 사용자에 대한 추천 컨텐츠가 생성되면, 상기 컨텐츠 추천 장치(100)는 상기 생성된 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정할 수 있다(S430). 즉, 생성된 추천 컨텐츠 각각과 일정 수준 이상의 관련도를 갖는 컨텐츠들을 연관 컨텐츠로 제공할 수 있다. 상기 연관 컨텐츠는 어느 하나의 추천 컨텐츠와 동일 카테고리의 컨텐츠이거나, 다수 개의 메타 정보가 동일한 컨텐츠이거나, 상기 추천 컨텐츠와 동시에 검색/예약/구매되는 빈도가 많은 컨텐츠일 수 있다.When the recommended content for the corresponding user is generated, the content recommendation device 100 may select the related content of the recommended content based on the degree of association with the generated recommended content (S430). That is, it is possible to provide the related content with content having a certain level of relevance to each of the generated recommended content as related content. The related content may be a content of the same category as one of the recommended content, a plurality of pieces of meta-information content, or a content that is frequently searched/reserved/purchased simultaneously with the recommended content.

이때 상기 컨텐츠 추천 장치(100)는 상기 결정된 추천 컨텐츠와 동일 카테고리의 컨텐츠 중에서 추천 반응율이 임계치 이상인 컨텐츠를 추천 컨텐츠로 선정할 수 있다. 여기서, 상기 추천 반응율은 상기 사용자와 연령대, 성별, 기념일, 관심사 중 어느 하나 이상이 동일한 타 사용자에게 추천한 컨텐츠에 대한 선택, 열람 및 구매 중 적어도 하나의 이력을 기초로 산정될 수 있다. 이는 동종 카테고리의 컨텐츠 수가 매우 많을 가능성이 높으며, 이러한 동종 카테고리 컨텐츠를 평면적으로 제공하는 것보다는 사용자와 공통성이 클 것으로 보이는 사용자들의 선행 반응을 참고하여 제공하는 것이 더 효과적일 것이라는 가정에 기반한 것이다.At this time, the content recommendation device 100 may select content, which has a recommended response rate of a threshold or higher, from among the content of the same category as the determined recommended content. Here, the recommended response rate may be calculated based on at least one history of selection, viewing, and purchase of content recommended to other users having the same age, gender, anniversary, or interest as the user. This is based on the assumption that there is a high possibility that the number of contents of the same category is very high, and it will be more effective to provide the contents of the same category by referring to the prior reactions of users who seem to have great commonality with the user rather than providing them flatly.

추천 컨텐츠 및 연관 컨텐츠가 생성되면, 상기 컨텐츠 추천 장치(100)는 상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 사용자에게 제공한다(S440, S450). 여기서 제1 방향은 세로방향이고 제2 방향은 가로방향일 수 있고, 그 반대일 수도 있다.When the recommended content and the related content are generated, the content recommendation device 100 arranges the recommended content in a first direction, and aligns the related content in a second direction different from the first direction based on the related recommended content. Provided to the user (S440, S450). Here, the first direction may be a vertical direction, the second direction may be a horizontal direction, or vice versa.

이때 상기 제1 방향과 제2 방향은 컨텐츠 제공 화면에 따라 적합하게 선택될 수 있다 .즉, 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 가로 길이가 세로 길이보다 더 긴 경우라면, 상기 제1 방향은 가로 방향, 상기 제2 방향은 상기 제1 방향과 직교하는 세로방향으로 선택될 수 있다. 반대로 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 세로 길이가 가로 길이보다 더 긴 경우 상기 제1 방향은 세로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 가로방향으로 선택될 수 있다.At this time, the first direction and the second direction may be appropriately selected according to the content providing screen. That is, if the horizontal length of the screen displaying the recommended content and the related content is longer than the vertical length, the first direction The direction may be selected as a horizontal direction and the second direction as a vertical direction orthogonal to the first direction. Conversely, when the vertical length of the screen displaying the recommended content and the related content is longer than the horizontal length, the first direction may be a vertical direction and the second direction may be selected as a horizontal direction orthogonal to the first direction.

상기 사용자 단말(10)은 상기 컨텐츠 추천 장치에 의해 제공된 추천 컨텐츠 및 연관 컨텐츠를 표시한다. 이때 상기 컨텐츠 추천 장치(100)에서 결정한 발에 따라 추천 컨텐츠를 제1 방향으로, 추천 컨텐츠와 관련된 연관 컨텐츠를 제2 방향으로 표시한다.The user terminal 10 displays recommended content and related content provided by the content recommendation device. At this time, the recommended content is displayed in the first direction and the related content related to the recommended content is displayed in the second direction according to the foot determined by the content recommendation device 100.

이상, 본 발명의 실시예에 대하여 설명하였으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 특허청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서, 구성 요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경시킬 수 있을 것이며, 이 또한 본 발명의 권리범위 내에 포함된다고 할 것이다.The embodiments of the present invention have been described above, but those skilled in the art can add, change, delete, or add components within the scope of the present invention as described in the claims. By this, the present invention can be variously modified and changed, and it will be said that it is also included within the scope of the present invention.

100 : 컨텐츠 추천 장치
101 : 추천 컨텐츠 생성부
102 : 연관 컨텐츠 생성부
103 : 추천 컨텐츠 제공부100: content recommendation device
101: recommended content generation unit
102: associated content generation unit
103: recommended content provider

Claims (18)

사용자의 컨텐츠 구매 이력, 컨텐츠 검색 이력, 컨텐츠 실행 이력 및 사용자 그룹 활동 정보 중 어느 하나 이상에 기반하여 추천 컨텐츠를 선정하는 추천 컨텐츠 생성부;
상기 추천 컨텐츠와의 관련도에 기반하여 상기 추천 컨텐츠의 연관 컨텐츠를 선정하는 연관 컨텐츠 생성부;
상기 추천 컨텐츠를 제1 방향으로 정렬하고, 상기 연관 컨텐츠를 관련된 추천 컨텐츠를 기준으로 상기 제1 방향과 다른 제2 방향으로 정렬하여 제공하는 추천 컨텐츠 제공부를 포함하며;
상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 가로 길이가 세로 길이보다 더 긴 경우, 상기 제1 방향은 가로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 세로방향이며, 상기 추천 컨텐츠 및 상기 연관 컨텐츠를 표시하는 화면의 세로 길이가 가로 길이보다 더 긴 경우, 상기 제1 방향은 세로 방향이고 상기 제2 방향은 상기 제1 방향과 직교하는 가로방향이며,
상기 추천 컨텐츠 생성부는,
상기 사용자가 구매한 컨텐츠의 실행 횟수 및 실행 시간을 포함하는 컨텐츠 실행이력 정보를 수신하고, 상기 수신한 컨텐츠 실행이력 정보를 기초로 하여 상기 컨텐츠의 실행 활성도를 산출하고, 상기 산출된 실행 활성도를 기초로 하여 추천 컨텐츠를 선정하는 것을 특징으로 하는 컨텐츠 추천 장치.A recommendation content generation unit for selecting recommendation content based on at least one of a user's content purchase history, content search history, content execution history, and user group activity information;
An associated content generator that selects related content of the recommended content based on the degree of association with the recommended content;
A recommendation content providing unit for arranging the recommended content in a first direction and arranging and providing the related content in a second direction different from the first direction based on related recommended content;
When the horizontal length of the screen displaying the recommended content and the related content is longer than the vertical length, the first direction is a horizontal direction and the second direction is a vertical direction orthogonal to the first direction, and the recommended content and When the vertical length of the screen displaying the related content is longer than the horizontal length, the first direction is a vertical direction and the second direction is a horizontal direction orthogonal to the first direction,
The recommended content generation unit,
Receive content execution history information including the number of execution times and execution time of the content purchased by the user, calculate the execution activity of the content based on the received content execution history information, and based on the calculated execution activity A content recommendation device, characterized in that for selecting the recommended content. 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete
KR1020130010636A 2013-01-30 2013-01-30 Method to provide recommended contents and associated contents KR102131791B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130010636A KR102131791B1 (en) 2013-01-30 2013-01-30 Method to provide recommended contents and associated contents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130010636A KR102131791B1 (en) 2013-01-30 2013-01-30 Method to provide recommended contents and associated contents

Publications (2)

Publication Number Publication Date
KR20140098314A KR20140098314A (en) 2014-08-08
KR102131791B1 true KR102131791B1 (en) 2020-07-08

Family

ID=51745116

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130010636A KR102131791B1 (en) 2013-01-30 2013-01-30 Method to provide recommended contents and associated contents

Country Status (1)

Country Link
KR (1) KR102131791B1 (en)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102172707B1 (en) * 2018-04-26 2020-11-02 성균관대학교산학협력단 Apparatus and method for providing content and recommending content using cloud server
KR102195691B1 (en) * 2018-07-25 2020-12-29 주식회사 마이셀럽스 Apparatus of recommending restaurants based on types and drinking volumes of alcohols and method thereof
KR102102565B1 (en) * 2019-12-27 2020-04-20 김진아 Method and system for providing contents based on online web page
KR20210125781A (en) * 2020-04-09 2021-10-19 네이버웹툰 유한회사 Method, system, and non-transitory computer readable record medium for personalization recommendation of image based content
KR102411524B1 (en) * 2020-12-07 2022-06-21 (주)라이앤캐처스 Method for providing personal eduational contents and apparatus for performing the method
CN114612126A (en) * 2021-12-08 2022-06-10 江苏众亿国链大数据科技有限公司 Information pushing method based on big data
KR102409598B1 (en) 2021-12-14 2022-06-22 주식회사 밀리의서재 Method for providing user interface capable of allowing a user to retrieve information on e-book and server using the same
CN114357140A (en) * 2022-01-11 2022-04-15 瀚云科技有限公司 Question and answer information pushing method and device, electronic equipment and readable storage medium
KR102647566B1 (en) * 2022-01-19 2024-03-14 네이버웹툰 유한회사 Method and system for providing contents
KR20240025396A (en) * 2022-08-18 2024-02-27 삼성전자주식회사 Electronic apparatus providing recommended content list and controlling method thereof

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001195412A (en) 2000-01-12 2001-07-19 Hitachi Ltd Electronic book system and method for displaying its contents
JP2003296232A (en) 2002-04-02 2003-10-17 Canon Inc System providing contents and system, information processor, and program generating the contents
JP2007300565A (en) * 2006-05-03 2007-11-15 Sony Computer Entertainment Inc Multimedia reproduction device, and menu screen display method
KR101045589B1 (en) * 2010-09-15 2011-07-01 주식회사 유비온 Playback equipment for contents received over network and method thereof
JP2012069011A (en) 2010-09-24 2012-04-05 Sharp Corp Electronic terminal, control method of electronic terminal, content distribution system, control program and recording medium
JP2012208604A (en) * 2011-03-29 2012-10-25 Sony Corp Content recommendation apparatus, retrieval method of recommendation contents and program

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101117173B1 (en) * 2008-11-26 2012-03-07 엔에이치엔비즈니스플랫폼 주식회사 Method, system and computer-readable recording medium for selecting and providing related search keyword based on plural search keywords received in sequence from user terminal
US20110134143A1 (en) * 2009-12-04 2011-06-09 Samsung Electronics Co., Ltd. Method and apparatus for display screen reorientation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001195412A (en) 2000-01-12 2001-07-19 Hitachi Ltd Electronic book system and method for displaying its contents
JP2003296232A (en) 2002-04-02 2003-10-17 Canon Inc System providing contents and system, information processor, and program generating the contents
JP2007300565A (en) * 2006-05-03 2007-11-15 Sony Computer Entertainment Inc Multimedia reproduction device, and menu screen display method
KR101045589B1 (en) * 2010-09-15 2011-07-01 주식회사 유비온 Playback equipment for contents received over network and method thereof
JP2012069011A (en) 2010-09-24 2012-04-05 Sharp Corp Electronic terminal, control method of electronic terminal, content distribution system, control program and recording medium
JP2012208604A (en) * 2011-03-29 2012-10-25 Sony Corp Content recommendation apparatus, retrieval method of recommendation contents and program

Also Published As

Publication number Publication date
KR20140098314A (en) 2014-08-08

Similar Documents

Publication Publication Date Title
KR102131791B1 (en) Method to provide recommended contents and associated contents
Neidhardt et al. Eliciting the users' unknown preferences
KR102150660B1 (en) Method to recommend digital contents based on search log and apparatus therefor
US8515828B1 (en) Providing product recommendations through keyword extraction from negative reviews
CN106503025B (en) Application recommendation method and system
TWI472720B (en) Systems and methods for presenting point of interest (poi) information map, and storage medium thereof
US8893012B1 (en) Visual indicator based on relative rating of content item
US20150186368A1 (en) Comment-based media classification
CN109739768B (en) Search engine evaluation method, device, equipment and readable storage medium
KR101646312B1 (en) Personal Action-Based Interest and Preference Analysis Method and System
KR102266517B1 (en) System for recommending product using execution pattern of user, method of recommending product using execution pattern of user and apparatus for the same
WO2016202214A2 (en) Method and device for displaying keyword
US20150248720A1 (en) Recommendation engine
US20150120634A1 (en) Information processing device, information processing method, and program
US20160379270A1 (en) Systems and methods for customized internet searching and advertising
US20160098404A1 (en) System and method for enhancing exploration of data items
CN109636530B (en) Product determination method, product determination device, electronic equipment and computer-readable storage medium
JP5386660B1 (en) Information processing apparatus, information processing method, and information processing program
KR101542417B1 (en) Method and apparatus for learning user preference
CN113360790A (en) Information recommendation method and device and electronic equipment
CN111177564A (en) Product recommendation method and device
KR102094877B1 (en) Contents recommendation service system and service method thereof
CN106909582A (en) Recommend method and device with reference to the hot word of multi-data source
KR20200065754A (en) Method for recommending book and service device supporting the same
JP5915724B2 (en) Information processing method, display method, information processing apparatus, display apparatus, information processing program, display program

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant