KR102150561B1 - 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법 및 이를 위한 장치 - Google Patents

Abstract

사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법 및 이를 위한 장치가 개시된다. 클라우드 스트리밍 서버와 연동된 분석 서버가, 클라우드 스트리밍 서버에서 실행되는 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 기반으로 사용자 활동 예측 모델을 학습시키고, 웹 어플리케이션에 대한 사용자 활동이 감지되는 경우, 분석 서버가 사용자 활동 예측 모델을 기반으로 사용자 활동에 대한 다음 활동을 예측하고, 클라우드 스트리밍 서버가 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공할 수 있다. 클라우드 스트리밍 서비스의 반응성을 향상시킴으로써 클라우드 스트리밍 서비스를 이용하는 사용자들에게 보다 원활한 서비스를 제공하는 것이 가능하다.

Description

사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법 및 이를 위한 장치 {METHOD FOR CLOUD STREAMING SERVICE BASED ON PREDICT OF USER ACTICITY AND APPARATUS FOR THE SAME}

본 발명은 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 기술에 관한 것으로, 특히 클라우드 스트리밍 시스템에서 사용자 활동을 분석하여 다음에 일어날 활동을 예측하고, 다음 활동에 대한 작업을 미리 준비하여 제공함으로써 클라우드 스트리밍 서비스 시 반응성을 향상시킬 수 있는 기술에 관한 것이다.

인터넷의 급속한 발달은 개인의 통신 속도를 급격히 향상시키는 결과를 가져왔으며, 이러한 통신 속도의 향상은 원격지에 위치한 컴퓨터에 접속하여 대용량의 데이터를 다운로드 또는 업로드 하거나, 원격지 컴퓨터 제어 프로그램을 사용하여 마치 원격지 컴퓨터에 로컬 로그인한 것과 같이 원격지 컴퓨터를 이용할 수 있는 환경을 제공하고 있다. 또한, 스마트폰과 같은 이동통신 단말에서 구동되는 어플리케이션이 다양하게 개발되면서, 비교적 낮은 성능의 사용자 단말에서 높은 성능을 필요로 하는 어플리케이션을 구동하기 위한 가상화 기술들이 많이 제안되고 있다.

클라우드 스트리밍(Cloud Streaming) 기술은 고사양의 시스템 자원을 필요로 하는 어플리케이션 또는 서비스를 클라우드 스트리밍 서버에서 구동하고, 렌더링된 결과만을 클라이언트 단말로 전달하는 솔루션에 해당한다. 따라서, 저사양의 단말에서도 고사양의 비디오를 재생하거나 또는 3D 게임을 플레이 할 수 있다.

따라서, 클라우드 스트리밍 서버에서 어플리케이션을 구동하여 그 결과를 이미지 또는 영상으로 전달하는 클라우드 스트리밍 기술의 특성상 반응성은 매우 중요하다.

한국 등록 특허 제10-1610351호, 2016년 4월 1일 등록 (명칭: 사용자 활동 정보 추출 및 데이터 연관성 분석을 통한 정보 예측 클라우드 컴퓨팅 시스템)

본 발명의 목적은, 클라우드 스트리밍 시스템에서 사용자 활동을 분석하여 다음에 일어날 활동을 예측하고, 다음 활동에 대한 작업을 미리 준비하는 것이다.

또한, 본 발명의 목적은 사용자의 다음 활동에 대한 작업을 미리 수행하여 제공함으로써 클라우드 스트리밍 시스템의 반응성을 향상시키는 것이다.

또한, 본 발명의 목적은 클라우드 스트리밍 서비스에 대한 사용자 활동 분석결과를 통해 클라우드 스트리밍 시스템의 기능을 향상시키는 것이다.

상기한 목적을 달성하기 위한 본 발명에 따른 클라우드 스트리밍 서비스 방법은, 클라우드 스트리밍 서버와 연동된 분석 서버가, 상기 클라우드 스트리밍 서버에서 실행되는 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 기반으로 사용자 활동 예측 모델을 학습시키는 단계; 상기 웹 어플리케이션에 대한 사용자 활동이 감지되는 경우, 상기 분석 서버가 상기 사용자 활동 예측 모델을 기반으로 상기 사용자 활동에 대한 다음 활동을 예측하는 단계; 및 상기 클라우드 스트리밍 서버가, 상기 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공하는 단계를 포함한다.

이 때, 연속 활동 정보는 상기 사용자에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 상기 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함할 수 있다.

이 때, 다른 브라우저는 상기 사용자에게 할당된 브라우저가 동작하는 경우에 생성될 수 있다.

이 때, 예측하는 단계는 머신 러닝에 기반한 뉴럴 네트워크의 회귀 분류 방식을 기반으로 상기 다음 활동을 확률적으로 계산할 수 있다.

이 때, 예측하는 단계는 문서 객체 모델(DOCUMENT OF MODEL) 및 상기 웹 어플리케이션의 URL 중 적어도 하나를 기반으로 상기 사용자 활동이 발생한 웹 페이지를 검출하고, 상기 사용자 활동이 발생한 웹 페이지를 기준으로 상기 다음 활동에 상응하는 웹 페이지를 확률적으로 예측할 수 있다.

이 때, 제공하는 단계는 상기 다른 브라우저가 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 클라우드 스트리밍 엔진으로 전달하는 단계; 및 예측된 다음 활동이 발생하는 경우, 상기 클라우드 스트리밍 엔진이 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 상기 사용자의 단말로 전달하는 단계를 포함할 수 있다.

이 때, 사용자 활동은 상기 사용자에게 할당된 브라우저를 통해 감지될 수 있다.

이 때, 클라우드 스트리밍 서비스 방법은 상기 사용자 활동이 감지된 이후에 예측되지 않은 다음 활동이 발생하는 경우, 상기 예측되지 않은 다음 활동을 포함하는 연속 활동 정보를 생성하여 상기 사용자 활동 예측 모델을 갱신하는 단계를 더 포함할 수 있다.

또한, 본 발명에 따른 클라우드 스트리밍 서버는, 분석 서버로부터 웹 어플리케이션에서의 사용자 활동에 대해 예측된 다음 활동을 수신하고, 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공하는 프로세서; 및 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 저장하는 메모리를 포함하고, 상기 다음 활동은 상기 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 기반으로 학습된 사용자 활동 예측 모델을 기반으로 예측된다.

이 때, 연속 활동 정보는 상기 사용자에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 상기 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함할 수 있다.

이 때, 다른 브라우저는 상기 사용자에게 할당된 브라우저가 동작하는 경우에 생성될 수 있다.

이 때, 분석 서버는 머신 러닝에 기반한 뉴럴 네트워크의 회귀 분류 방식을 기반으로 상기 다음 활동을 확률적으로 계산할 수 있다.

이 때, 분석 서버는 문서 객체 모델(DOCUMENT OF MODEL) 및 상기 웹 어플리케이션의 URL 중 적어도 하나를 기반으로 상기 사용자 활동이 발생한 웹 페이지를 검출하고, 상기 사용자 활동이 발생한 웹 페이지를 기준으로 상기 다음 활동에 상응하는 웹 페이지를 확률적으로 예측할 수 있다.

이 때, 프로세서는 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 클라우드 스트리밍 엔진으로 전달하고, 예측된 다음 활동이 발생하는 경우에 상기 클라우드 스트리밍 엔진을 통해 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 상기 사용자의 단말로 전달할 수 있다.

이 때, 사용자 활동은 상기 사용자에게 할당된 브라우저를 통해 감지될 수 있다.

이 때, 사용자 활동 예측 모델은 상기 사용자 활동이 감지된 이후에 예측되지 않은 다음 활동이 발생하는 경우, 상기 예측되지 않은 다음 활동을 포함하는 연속 활동 정보를 기반으로 갱신될 수 있다.

본 발명에 따르면, 클라우드 스트리밍 시스템에서 사용자 활동을 분석하여 다음에 일어날 활동을 예측하고, 다음 활동에 대한 작업을 미리 준비할 수 있다.

또한, 본 발명은 사용자의 다음 활동에 대한 작업을 미리 수행하여 제공함으로써 클라우드 스트리밍 시스템의 반응성을 향상시킬 수 있다.

또한, 본 발명은 클라우드 스트리밍 서비스에 대한 사용자 활동 분석결과를 통해 클라우드 스트리밍 시스템의 기능을 향상시킬 수 있다.

도 1은 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 시스템을 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법을 나타낸 동작흐름도이다.
도 3은 본 발명에 따른 연속 활동 정보의 일 예를 나타낸 도면이다.
도 4는 본 발명에 따른 클라우드 스트리밍 서비스 시스템의 다른 예를 나타낸 도면이다.
도 5는 도 3에 도시된 연속 활동 정보를 기반으로 다음 활동을 확률적으로 계산한 일 예를 나타낸 도면이다.
도 6은 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법을 상세하게 나타낸 동작흐름도이다.
도 7은 본 발명의 일실시예에 따른 클라우드 스트리밍 서버를 나타낸 블록도이다.

본 발명에서 사용되는 기술적 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 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 발명에서 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.

또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서 "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.

또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.

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 아니 됨을 유의해야 한다.

도 1은 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 시스템을 나타낸 도면이다.

도 1을 참조하면, 본 발명의 일실시예에 따른 클라우드 스트리밍 환경에서의 사용자 활동 재생 시스템은 클라우드 스트리밍 서버(110), 클라이언트(120-1~120-3), 분석 서버(130) 및 네트워크(140)를 포함한다.

클라우드 스트리밍 서비스 또는 클라우드 컴퓨팅 서비스는 사용자가 컨텐츠를 로컬 스토리지가 아닌, 인터넷상의 클라우드 스토리지에 저장해놓고, 인터넷이 가능한 기기를 이용하여 언제 어디서든지 클라우드 스토리지에 접근하여 컨텐츠를 이용할 수 있는 서비스이다.

본 발명의 일실시예에 따른 클라우드 스트리밍 서버(110)는 클라이언트(120-1~120-3)로부터 요청된 클라우드 스트리밍 서비스를 처리하기 위한 클라우드 스트리밍 엔진을 포함할 수 있다.

이 때, 도 1에서는 클라이언트를 3개로 나타내었으나, 이는 일실시예에 해당할 뿐 클라이언트의 개수는 3개로 한정되지 않는다.

이 때, 클라우드 스트리밍 서버(110)에서는 클라우드 스트리밍 엔진이 실행되는 시점에 기 정의된 수만큼 브라우저를 생성할 수 있는데, 브라우저는 HTML, CSS 및 JavaScript등을 다운로드하고 실행하여 화면에 렌더링해줄 수 있다.

이 때, HTML(Hyper Text Markup Language)는 웹 페이지의 큰 뼈대를 제공하고, CSS(Cascading Style Sheets)는 색깔이나 글씨체와 같은 디자인 요소를 관리하며, 자바스크립트(Javascritp)는 크로스 플랫폼, 객체지향 스크립트 언어로 웹페이지의 동작을 담당할 수 있다.

또한, 본 발명의 일실시예에 따른 클라우드 스트리밍 서버(110)는 분석 서버(130)로부터 웹 어플리케이션에서의 사용자 활동에 대해 예측된 다음 활동을 수신하고, 클라이언트(120-1~120-3)에게 할당된 브라우저와 다른 브라우저를 이용하여 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공한다.

이 때, 다음 활동은 웹 어플리케이션에 대한 클라이언트(120-1~120-3)의 연속 활동 정보를 기반으로 학습된 사용자 활동 예측 모델을 기반으로 예측될 수 있다.

이 때, 연속 활동 정보는 클라이언트(120-1~120-3)에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함할 수 있다.

이 때, 다른 브라우저는 클라이언트(120-1~120-3)에게 할당된 브라우저가 동작하는 경우에 생성될 수 있다.

이 때, 분석 서버(130)는 머신 러닝에 기반한 뉴럴 네트워크의 회귀 분류 방식을 기반으로 다음 활동을 확률적으로 계산될 수 있다.

이 때, 분석 서버(130)는 문서 객체 모델(Document of Model) 및 웹 어플리케이션 URL 중 적어도 하나를 기반으로 사용자 활동이 발생한 웹 페이지를 검출하고, 사용자 활동이 발생한 웹 페이지를 기준으로 다음 활동에 상응하는 웹 페이지를 확률적으로 예측할 수 있다.

이 때, 다른 브라우저가 다음 활동에 상응하는 웹 어플리케이션 실행화면을 클라우드 스트리밍 엔진으로 전달할 수 있고, 예측된 다음 활동이 발생하는 경우에 클라우드 스트리밍 엔진이 다음 활동에 상응하는 웹 어플리케이션 실행화면을 클라이언트(120-1~120-3)로 전달할 수 있다.

이 때, 사용자 활동은 클라이언트(120-1~120-3)에게 할당된 브라우저를 통해 감지될 수 있다.

이 때, 사용자 활동 예측 모델은 사용자 활동이 감지된 이후에 예측되지 않은 다음 활동이 발생하는 경우, 예측되지 않은 다음 활동을 포함하는 연속 활동 정보를 기반으로 갱신될 수 있다.

또한, 클라우드 스트리밍 서버(110)는 다음 활동에 상응하는 웹 어플리케이션 실행화면을 저장한다.

클라이언트(120-1~120-3)는 클라우드 스트리밍 서버(110)에게 클라우드 스트리밍 서비스를 요청하고, 클라우드 스트리밍 서버(110)로부터 요청에 따른 실행화면을 수신하여 사용자에게 제공해줄 수 있다. 따라서, 사용자는 마치 요청된 서비스에 해당하는 동영상이나 어플리케이션이 클라이언트(120-1~120-3)에 상응하는 단말에서 실행되는 것처럼 느낄 수 있다.

이 때, 클라이언트(120-1~120-3)는 각각 통신망에 연결되어 클라우드 스트리밍 서버(110)와 통신 가능한 장치에 해당할 수 있다. 예를 들어, 클라이언트(120-1~120-3)는 모든 정보통신기기, 멀티미디어 단말, 유선 단말, 고정형 단말, 이동통신단말기 및 IP(Internet Protocol) 단말 등의 다양한 단말에 해당할 수 있다. 또한, 클라이언트(120-1~120-3)는 휴대폰, 휴대폰, PMP(Portable Multimedia Played), MID(Mobile Internet Device), 스마트폰(Smart Phone), 데스크톱(Desktop), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net Book), 개인휴대용 정보단말(Personal Digital Assistant; PDA), 스마트 TV 및 정보통신 기기 등과 같은 다양한 이동통신 사양을 갖는 모바일(Mobile) 단말일 수도 있다.

또한, 클라이언트(120-1~120-3)에 상응하는 단말은 숫자 및 문자 정보 등의 다양한 정보를 입력 받고, 각종 기능을 설정 및 클라이언트(120-1~120-3)에 상응하는 단말의 기능 제어와 관련하여 입력되는 신호를 입력부를 통해 제어부로 전달할 수 있다. 또한, 클라이언트(120-1~120-3)에 상응하는 단말의 입력부는 사용자의 터치 또는 조작에 따른 입력 신호를 발생하는 키패드와 터치패드 중 적어도 하나를 포함하여 구성할 수 있다. 이 때, 클라이언트(120-1~120-3)에 상응하는 단말의 입력부는 클라이언트(120-1~120-3)에 상응하는 단말의 표시부와 함께 하나의 터치패널(또는 터치 스크린(touch screen))의 형태로 구성되어 입력과 표시 기능을 동시에 수행할 수 있다. 또한, 클라이언트(120-1~120-3)에 상응하는 단말의 입력부는 키보드, 키패드, 마우스, 조이스틱 등과 같은 입력 장치 외에도 향후 개발될 수 있는 모든 형태의 입력 수단이 사용될 수 있다.

또한, 클라이언트(120-1~120-3)에 상응하는 단말의 표시부는 클라이언트(120-1~120-3)에 상응하는 단말의 기능 수행 중에 발생하는 일련의 동작상태 및 동작결과 등에 대한 정보를 표시할 수 있다. 또한, 클라이언트(120-1~120-3)에 상응하는 단말의 표시부는 클라이언트(120-1~120-3)에 상응하는 단말의 메뉴 및 사용자가 입력한 사용자 데이터 등을 표시할 수 있다. 여기서, 클라이언트(120-1~120-3)에 상응하는 단말의 표시부는 액정표시장치(LCD, Liquid Crystal Display), 초박막 액정표시장치(TFT-LCD, Thin Film Transistor LCD), 발광다이오드(LED, Light Emitting Diode), 유기 발광다이오드(OLED, Organic LED), 능동형 유기발광다이오드(AMOLED, Active Matrix OLED), 레티나 디스플레이(Retina Display), 플렉시블 디스플레이(Flexible display) 및 3차원(3 Dimension) 디스플레이 등으로 구성될 수 있다. 이 때, 클라이언트(120-1~120-3)에 상응하는 단말의 표시부가 터치스크린 형태로 구성된 경우, 클라이언트(120-1~120-3)에 상응하는 단말의 표시부는 클라이언트(120-1~120-3)에 상응하는 단말의 입력부의 기능 중 일부 또는 전부를 수행할 수 있다.

또한, 클라이언트(120-1~120-3)에 상응하는 단말의 저장부는 데이터를 저장하기 위한 장치로, 주 기억장치 및 보조 기억장치를 포함하고, 클라이언트(120-1~120-3)에 상응하는 단말의 기능 동작에 필요한 응용 프로그램을 저장할 수 있다. 이러한 클라이언트(120-1~120-3)에 상응하는 단말의 저장부는 크게 프로그램 영역과 데이터 영역을 포함할 수 있다. 여기서, 클라이언트(120-1~120-3)에 상응하는 단말은 사용자의 요청에 상응하여 각 기능을 활성화하는 경우, 제어부의 제어 하에 해당 응용 프로그램들을 실행하여 각 기능을 제공하게 된다.

또한, 클라이언트(120-1~120-3)에 상응하는 단말의 통신부는 클라우드 스트리밍 서버(110)와 네트워크를 통해 데이터를 송수신하기 위한 기능을 수행할 수 있다. 여기서 클라이언트(120-1~120-3)에 상응하는 단말의 통신부는 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신 수단과 수신되는 신호를 저잡음 증폭하고 주파수를 하강 변환하는 RF 수신 수단 등을 포함할 수 있다. 이러한 클라이언트(120-1~120-3)에 상응하는 단말의 통신부는 무선통신 모듈을 포함할 수 있다. 그리고, 무선통신 모듈은 무선 통신 방법에 따라 데이터를 송수신하기 위한 구성이며, 클라이언트(120-1~120-3)에 상응하는 단말이 무선 통신을 이용하는 경우, 무선망 통신 모듈, 무선랜 통신 모듈 및 무선팬 통신 모듈 중 어느 하나를 이용하여 데이터를 클라우드 스트리밍 서버(110)로 송수신할 수 있다. 즉 클라이언트(120-1~120-3)에 상응하는 단말은 무선통신 모듈을 이용하여 네트워크에 접속하며, 네트워크를 통해 클라우드 스트리밍 서버(110)와 데이터를 송수신할 수 있다.

또한, 클라이언트(120-1~120-3)에 상응하는 단말의 제어부는 운영 체제(OS, Operation System) 및 각 구성을 구동시키는 프로세스 장치가 될 수 있다. 예를 들어, 제어부는 클라우드 스트리밍 서버(110)에 접속하는 과정 전반을 제어할 수 있다. 이 때, 클라이언트(120-1~120-3)에 상응하는 단말이 클라우드 스트리밍 서버(110)에 접속하는 경우, 사용자의 요청에 따라 동영상과 같은 컨텐츠나 어플리케이션이 실행되는 과정 전반을 제어할 수 있으며, 실행과 동시에 클라우드 스트리밍 서버(110)로 서비스 이용 요청이 전송되도록 제어할 수 있다. 이 때 사용자 인증에 필요한 클라이언트(120-1~120-3)에 상응하는 단말의 정보가 함께 전송되도록 제어할 수도 있다.

분석 서버(130)는 클라우드 스트리밍 서버(110)로부터 사용자 활동 정보를 획득하여 사용자 활동을 분석하고, 사용자 활동 예측 모델을 학습시킬 수 있다.

이 때, 분석 서버(130)는 웹 기반의 서버에 상응하는 것으로, 클라우드 스트리밍 서버(110)에서 생성되는 사용자 활동 데이터를 수신하여 저장할 수 있다.

이 때, 클라우드 스트리밍 서버(110)를 통해 클라이언트(120-1~120-3)에 의한 사용자 활동이 감지되는 경우, 분석 서버(130)를 통해 사용자 활동에 대한 다음 활동을 예측함으로써 클라우드 스트리밍 서버(110)가 다음 활동에 대한 웹 어플리케이션 실행화면을 준비할 수 있다.

이 때, 네트워크(140)는 클라우드 스트리밍 서버(110) 및 클라이언트(120-1~120-3) 사이에 데이터를 전달하는 통로를 제공하는 것으로서, 기존에 이용되는 네트워크 및 향후 개발 가능한 네트워크를 모두 포괄하는 개념이다. 예를 들어, 네트워크는 한정된 지역 내에서 각종 정보장치들의 통신을 제공하는 유무선근거리 통신망, 이동체 상호 간 및 이동체와 이동체 외부와의 통신을 제공하는 이동통신 망, 위성을 이용해 지구국과 지구국간 통신을 제공하는 위성통신망이거나 유무선 통신망 중에서 어느 하나이거나, 둘 이상의 결합으로 이루어질 수 있다. 한편, 네트워크의 전송 방식 표준은, 기존의 전송 방식 표준에 한정되는 것은 아니며, 향후 개발될 모든 전송 방식 표준을 포함할 수 있다.

이와 같은 시스템을 통해 웹 어플리케이션에 대한 사용자 활동을 미리 예측하고, 예측된 작업을 사용자 활동이 일어나기 전에 이미지나 영상으로 미리 생성해둠으로써 서비스의 반응성을 크게 향상시킬 수 있다.

도 2는 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법을 나타낸 동작흐름도이다.

도 2를 참조하면, 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법은 클라우드 스트리밍 서버와 연동된 분석 서버가, 클라우드 스트리밍 서버에서 실행되는 웹 어플리케이션에 대한 사용자 연속 활동 정보를 기반으로 사용자 활동 예측 모델을 학습시킨다(S210).

이 때, 클라우드 스트리밍 서비스 또는 클라우드 컴퓨팅 서비스는 사용자가 컨텐츠를 로컬 스토리지가 아닌, 인터넷상의 클라우드 스토리지에 저장해놓고, 인터넷이 가능한 기기를 이용하여 언제 어디서든지 클라우드 스토리지에 접근하여 컨텐츠를 이용할 수 있는 서비스이다.

이 때, 웹 어플리케이션은 클라우드 스트리밍 기반의 브라우저에서 실행될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 웹 어플리케이션은 클라우드 스트리밍 서버에서 클라우드 스트리밍 엔진의 실행을 기반으로 로드되는 브라우저에서 실행될 수 있다.

이 때, 연속 활동 정보는 웹 어플리케이션에서 연속적으로 발생하는 사용자 활동을 순서대로 저장한 정보에 상응할 수 있다.

이 때, 브라우저를 기반으로 실행되는 웹 어플리케이션은 사용자로부터 입력되는 키 입력 이벤트를 바탕으로 동작하기 때문에 연속 활동 정보는 사용자로부터 입력되는 키 입력 이벤트와 함께 사용자가 이용하는 웹 페이지에 대한 정보를 포함할 수 있다.

이 때, 연속 활동 정보는 사용자에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함할 수 있다.

즉, 사용자 단말을 통해 출력되는 웹 어플리케이션 실행화면에서 화면 변화가 발생하는 시점에 사용자에 의한 새로운 사용자 활동이 발생한 것으로 판단하고 연속 활동 정보에 추가적인 정보를 입력할 수 있다.

예를 들어, 연속 활동 정보는, 도 3에 도시된 것과 같이 이벤트 발생 순서와, 키 입력 이벤트의 종류 및 활동 내역을 순서대로 저장한 형태에 상응할 수 있다. 이 때, 도 3을 참조하면, 사용자가 웹 어플리케이션을 구성하는 복수개의 웹 페이지들 중 Page1에 진입한 순간에 사용자 활동이 발생한 것을 감지하고 연속 활동 정보가 생성되었음을 예측할 수 있다. 이 후, 사용자가 Right Key를 누른 것을 두번째 사용자 활동으로 감지하고, 이에 대한 활동 내역을 순차적으로 기록할 수 있다. 또한, 도 3을 참조하면, 사용자의 연속 활동 정보에는 8번째 사용자 활동까지 기록되어 있으므로, 사용자가 Page4에 진입한 이후에 웹 어플리케이션에 대한 접속을 해제하였거나 더 이상의 사용자 활동이 발생하지 않은 것으로 예측할 수 있다.

이 때, 분석 서버는 클라우드 스트리밍 서버와는 독립적으로 존재하는 웹 서버에 상응할 수 있으며, 머신러닝(Machin Learning) 기술을 이용하여 연속 활동 정보를 학습하여 사용자 활동 예측 모델을 생성할 수 있다.

이 때, 분석 서버는 충분한 양의 연속 활동 정보를 기반으로 학습을 수행하여 사용자 활동 예측 모델을 생성할 수 있다.

예를 들어, 분석 서버가 최초로 실행된 경우에는 일정한 기간 동안 클라우드 스트리밍 서버로부터 연속 활동 정보를 수집하고, 기설정된 목표량만큼 연속 활동 정보가 수집된 경우에 수집된 정보를 이용하여 사용자 활동 예측 모델을 생성할 수 있다.

이 때, 도 4를 참조하면, 분석 서버(420)는 클라우드 스트리밍 서버(410)와의 통신을 기반으로 웹 어플리케이션에서의 사용자 활동 정보를 수신할 수 있다.

이 때, 사용자 활동 정보는 사용자 단말에 해당하는 클라이언트(440)가 클라우드 스트리밍 서버(410)에 생성된 브라우저(412)에서 실행되는 웹 어플리케이션을 이용하면서 발생할 수 있다. 따라서, 분석 서버(420)는 클라우드 스트리밍 서버(410)의 브라우저(412)와 통신을 수행하여 사용자 활동 정보 또는 사용자 활동 데이터를 수집할 수 있다.

또한, 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법은 웹 어플리케이션에 대한 사용자 활동이 감지되는 경우, 분석 서버가 사용자 활동 예측 모델을 기반으로 사용자 활동에 대한 다음 활동을 예측한다(S220).

이 때, 사용자 활동은 사용자에게 할당된 브라우저를 통해 감지될 수 있다.

즉, 사용자에게 할당되어 웹 어플리케이션을 실행시키는 브라우저는 문서 객체 모델(Document of Model) 및 웹 어플리케이션의 URL 중 적어도 하나를 기반으로 사용자 활동이 발생한 웹 페이지를 검출할 수 있다.

예를 들어, 브라우저에서는 사용자 활동이 발생한 URL을 검색하고, 해당 URL에 할당된 웹 페이지를 검출할 수 있다.

이 때, 웹 어플리케이션은 복수개의 페이지들을 하나의 URL을 통해 접근 가능하게 하는 싱글 페이지 웹 어플리케이션(Single Page Web Application)에 상응할 수 있다.

따라서, 사용자 활동 정보를 기반으로 웹 어플리케이션의 웹 페이지에 대한 문서 객체 모델을 추출함으로써 사용자 활동이 발생한 웹 페이지에 대한 정보를 획득할 수 있다.

이 때, 문서 객체 모델은 웹 브라우저를 통해 확장성 생성 언어 문서의 상호 연동을 위한 객체 기반의 문서 모델에 해당하는 것으로, 프로그램과 스크립트에 의한 문서의 내용, 구조 종류 등의 동적인 접근과 변경이 가능할 수 있다. 또한, 스크립트나 프로그램 언어에 웹 페이지를 연결해줄 수 있다. 이 때, 웹 페이지를 조작 및 생성하기 위해 사용되는 속성, 방법 및 이벤트가 객체를 구성하는데, 이러한 객체들은 대부분의 웹 브라우저에서 스크립트 언어를 통해 접근할 수 있다.

이 때, 분석 서버에서는 머신 러닝에 기반한 뉴럴 네트워크의 회귀 분류 방식을 기반으로 다음 활동을 확률적으로 계산할 수 있다.

이 때, 뉴럴 네트워크(Neural Network)란 인간의 뇌의 기능을 모방하여 학습하기 위한 것으로, 무언가를 보고, 그것이 무엇인가를 인식하며, 필요에 따라 행동을 취한다는 개념의 인간의 사고방식을 컴퓨터에 학습시키는 것일 수 있다. 이와 같은 뉴럴 네트워크는 계산하는 과정에 학습기능을 부가함으로써 컴퓨터가 최적의 제어를 수행할 수 있도록 할 수 있다.

이 때, 사용자 활동이 발생한 웹 페이지를 기준으로 다음 활동에 상응하는 웹 페이지를 확률적으로 예측할 수 있다.

예를 들어, 도 3에 도시된 연속 활동 정보 중 4번째 사용자 활동이 발생한 직후의 상태는 Page1 네비게이션에 상응할 수 있다. 만약, 5번째 사용자 활동이 발생하기 전에 5번째 사용자 활동이 무엇일지 예측하고자 한다면, 도 3에 도시된 연속 활동 정보 중 5번째까지의 사용자 활동을 수집하여 사용자 활동 예측 모델을 학습시킬 수 있다. 이 후, 학습된 사용자 활동 예측 모델을 통해 5번째로 발생할 사용자 활동을 확률적으로 계산한 결과가 도 5라고 가정한다면, 사용자 활동 예측 모델은 다음 활동에 상응하는 웹 페이지를 Page 2라고 판단할 수 있다.

즉, 사용자 활동 예측 모델은 사용자 활동(510)에 의한 웹 페이지에서 예측 가능한 다음 활동에 의한 웹 페이지(521~524)를 분류하고, 예측 가능한 다음 활동에 의한 웹 페이지(521~524) 각각에 대한 확률을 계산함으로써 다음 활동에 상응하는 웹 페이지를 예측할 수 있다.

또한, 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법은 클라우드 스트리밍 서버가, 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 다름 활동에 상응하는 웹 어플리케이션 실행화면을 제공한다(S230).

이 때, 클라우드 스트리밍 시에는 사용자의 단말과 일대일로 매칭되는 브라우저가 클라우드 스트리밍 서버에서 동작할 수 있다. 따라서, 본 발명에서는 사용자의 다음 활동을 추론하여 미리 준비할 수 있는 또 다른 브라우저를 생성하고, 다음 활동이 발생하기 전에 다른 브라우저에서 다음 활동에 대한 웹 어플리케이션 실행화면을 생성해둘 수 있다.

이 때, 다른 브라우저가 다음 활동에 상응하는 웹 어플리케이션 실행화면을 클라우드 스트리밍 엔진으로 전달할 수 있고, 클라우드 스트리밍 엔진에서는 예측된 다음 활동이 발생하는 경우에 다음 활동에 상응하는 웹 어플리케이션 실행화면을 사용자의 단말로 전달할 수 있다.

예를 들어, 도 5에 도시된 것처럼 다음 활동으로 예측된 웹 페이지가 Page 2라고 가정할 수 있다. 이 때, Page 1 네비게이션 상태 후 다음 활동이 발생하기 전에 도 4에 도시된 것과 같은 다른 브라우저(430)를 통해 Page 2 진입을 수행하고, 해당하는 웹 어플리케이션 실행화면을 이미지로 생성하여 클라우드 스트리밍 엔진(411)으로 전달할 수 있다.

이 때, 다른 브라우저는 사용자에게 할당된 브라우저가 동작하는 경우에 생성될 수 있다. 또한, 다른 브라우저는 분석 서버를 통해 다음 활동이 예측된 경우에 생성될 수도 있다.

이 때, 다른 브라우저가 생성되어 동작하는 시점은 시스템의 성능이나 설정에 따라 상이하게 적용될 수 있으며 특정한 시점으로 한정되지 않을 수 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법은 사용자 활동이 감지된 이후에 예측되지 않은 다음 활동이 발생하는 경우, 예측되지 않은 다음 활동을 포함하는 연속 활동 정보를 생성하여 사용자 활동 예측 모델을 갱신할 수 있다.

즉, 예측되지 않은 다음 활동이 발생하였다는 것은 사용자 활동 예측 모델의 예측이 틀렸다는 것을 의미할 수 있다. 따라서, 보다 정교한 예측을 수행하기 위해 예측되지 않은 다음 활동을 포함하는 연속 활동 정보를 이용하여 추가적으로 사용자 활동 예측 모델의 학습을 수행할 수 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법은 네트워크와 같은 통신망을 통해 사용자 활동 예측 기반의 클라우드 스트리밍 서비스를 위해 필요한 정보를 송수신할 수 있다. 특히, 사용자로부터 입력되는 요청을 수신하거나, 분석 서버로 사용자 활동 데이터를 전송할 수 있다.

이 때, 네트워크는 클라우드 스트리밍 서버 및 사용자 단말 사이에 데이터를 전달하는 통로를 제공하는 것으로서, 기존에 이용되는 네트워크 및 향후 개발 가능한 네트워크를 모두 포괄하는 개념이다. 예를 들어, 네트워크는 한정된 지역 내에서 각종 정보장치들의 통신을 제공하는 유무선근거리 통신망, 이동체 상호 간 및 이동체와 이동체 외부와의 통신을 제공하는 이동통신 망, 위성을 이용해 지구국과 지구국간 통신을 제공하는 위성통신망이거나 유무선 통신망 중에서 어느 하나이거나, 둘 이상의 결합으로 이루어질 수 있다. 한편, 네트워크의 전송 방식 표준은, 기존의 전송 방식 표준에 한정되는 것은 아니며, 향후 개발될 모든 전송 방식 표준을 포함할 수 있다.

또한, 도 2에는 도시하지 아니하였으나, 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법은 상술한 바와 같이 본 발명의 일실시예에 따른 클라우드 스트리밍 서비스를 위한 과정에서 발생하는 다양한 정보를 별도의 저장 모듈에 저장할 수 있다.

이와 같은 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법을 통해 클라우드 스트리밍 시스템에서 사용자 활동을 분석하여 다음에 일어날 활동을 예측하고, 다음 활동에 대한 작업을 미리 준비할 수 있다.

또한, 사용자의 다음 활동에 대한 작업을 미리 수행하여 제공함으로써 클라우드 스트리밍 시스템의 반응성을 향상시킬 수 있다.

또한, 클라우드 스트리밍 서비스에 대한 사용자 활동 분석결과를 통해 클라우드 스트리밍 시스템의 기능을 향상시킬 수도 있다.

도 6은 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법을 상세하게 나타낸 동작흐름도이다.

도 6을 참조하면, 본 발명의 일실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법은 먼저 클라우드 스트리밍 서버와 연동된 분석 서버가 클라우드 스트리밍 서버에서 실행되는 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 수집한다(S610).

이 때, 분석 서버는 클라우드 스트리밍 서버와의 통신을 기반으로 웹 어플리케이션에서의 사용자 활동 정보를 수신할 수 있다.

이 때, 사용자 활동 정보는 사용자 단말에 해당하는 클라이언트가 클라우드 스트리밍 서버에 생성된 브라우저에서 실행되는 웹 어플리케이션을 이용하면서 발생할 수 있다. 따라서, 분석 서버는 클라우드 스트리밍 서버의 브라우저와 통신을 수행하여 사용자 활동 정보 또는 사용자 활동 데이터를 수집할 수 있다.

이 때, 연속 활동 정보는 웹 어플리케이션에서 연속적으로 발생하는 사용자 활동을 순서대로 저장한 정보에 상응할 수 있다.

이 때, 브라우저를 기반으로 실행되는 웹 어플리케이션은 사용자로부터 입력되는 키 입력 이벤트를 바탕으로 동작하기 때문에 연속 활동 정보는 사용자로부터 입력되는 키 입력 이벤트와 함께 사용자가 이용하는 웹 페이지에 대한 정보를 포함할 수 있다.

이 때, 연속 활동 정보는 사용자에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함할 수 있다.

즉, 사용자 단말을 통해 출력되는 웹 어플리케이션 실행화면에서 화면 변화가 발생하는 시점에 사용자에 의한 새로운 사용자 활동이 발생한 것으로 판단하고 연속 활동 정보에 추가적인 정보를 입력할 수 있다.

이 후, 분석 서버가 수집된 연속 활동 정보를 이용하여 사용자 활동 예측 모델을 학습시킨다(S620).

이 때, 분석 서버는 클라우드 스트리밍 서버와는 독립적으로 존재하는 웹 서버에 상응할 수 있으며, 머신러닝(Machin Learning) 기술을 이용하여 연속 활동 정보를 학습하여 사용자 활동 예측 모델을 생성할 수 있다.

이 때, 분석 서버는 충분한 양의 연속 활동 정보를 기반으로 학습을 수행하여 사용자 활동 예측 모델을 생성할 수 있다.

예를 들어, 분석 서버가 최초로 실행된 경우에는 일정한 기간 동안 클라우드 스트리밍 서버로부터 연속 활동 정보를 수집하고, 기설정된 목표량만큼 연속 활동 정보가 수집된 경우에 수집된 정보를 이용하여 사용자 활동 예측 모델을 생성할 수 있다.

이 후, 웹 어플리케이션에 대한 사용자 활동이 감지되면, 분석 서버가 사용자 활동에 대한 다음 활동을 예측한다(S630).

이 때, 사용자 활동은 사용자에게 할당된 브라우저를 통해 감지될 수 있다.

즉, 사용자에게 할당되어 웹 어플리케이션을 실행시키는 브라우저는 문서 객체 모델(Document of Model) 및 웹 어플리케이션의 URL 중 적어도 하나를 기반으로 사용자 활동이 발생한 웹 페이지를 검출할 수 있다.

예를 들어, 브라우저에서는 사용자 활동이 발생한 URL을 검색하고, 해당 URL에 할당된 웹 페이지를 검출할 수 있다.

이 때, 웹 어플리케이션은 복수개의 페이지들을 하나의 URL을 통해 접근 가능하게 하는 싱글 페이지 웹 어플리케이션(Single Page Web Application)에 상응할 수 있다.

따라서, 사용자 활동 정보를 기반으로 웹 어플리케이션의 웹 페이지에 대한 문서 객체 모델을 추출함으로써 사용자 활동이 발생한 웹 페이지에 대한 정보를 획득할 수 있다.

이 때, 문서 객체 모델은 웹 브라우저를 통해 확장성 생성 언어 문서의 상호 연동을 위한 객체 기반의 문서 모델에 해당하는 것으로, 프로그램과 스크립트에 의한 문서의 내용, 구조 종류 등의 동적인 접근과 변경이 가능할 수 있다. 또한, 스크립트나 프로그램 언어에 웹 페이지를 연결해줄 수 있다. 이 때, 웹 페이지를 조작 및 생성하기 위해 사용되는 속성, 방법 및 이벤트가 객체를 구성하는데, 이러한 객체들은 대부분의 웹 브라우저에서 스크립트 언어를 통해 접근할 수 있다.

이 때, 분석 서버에서는 머신 러닝에 기반한 뉴럴 네트워크의 회귀 분류 방식을 기반으로 다음 활동을 확률적으로 계산할 수 있다.

이 때, 뉴럴 네트워크(Neural Network)란 인간의 뇌의 기능을 모방하여 학습하기 위한 것으로, 무언가를 보고, 그것이 무엇인가를 인식하며, 필요에 따라 행동을 취한다는 개념의 인간의 사고방식을 컴퓨터에 학습시키는 것일 수 있다. 이와 같은 뉴럴 네트워크는 계산하는 과정에 학습기능을 부가함으로써 컴퓨터가 최적의 제어를 수행할 수 있도록 할 수 있다.

이 때, 사용자 활동이 발생한 웹 페이지를 기준으로 다음 활동에 상응하는 웹 페이지를 확률적으로 예측할 수 있다.

예를 들어, 도 3에 도시된 연속 활동 정보 중 4번째 사용자 활동이 발생한 직후의 상태는 Page1 네비게이션에 상응할 수 있다. 만약, 5번째 사용자 활동이 발생하기 전에 5번째 사용자 활동이 무엇일지 예측하고자 한다면, 도 3에 도시된 연속 활동 정보 중 5번째까지의 사용자 활동을 수집하여 사용자 활동 예측 모델을 학습시킬 수 있다. 이 후, 학습된 사용자 활동 예측 모델을 통해 5번째로 발생할 사용자 활동을 확률적으로 계산한 결과가 도 5라고 가정한다면, 사용자 활동 예측 모델은 다음 활동에 상응하는 웹 페이지를 Page 2라고 판단할 수 있다.

즉, 사용자 활동 예측 모델은 사용자 활동(510)에 의한 웹 페이지에서 예측 가능한 다음 활동에 의한 웹 페이지(521~524)를 분류하고, 예측 가능한 다음 활동에 의한 웹 페이지(521~524) 각각에 대한 확률을 계산함으로써 다음 활동에 상응하는 웹 페이지를 예측할 수 있다.

이 후, 예측된 다음 활동을 사용자에게 할당된 브라우저와 다른 브라우저에서 실행한다(S640).

이 때, 클라우드 스트리밍 시에는 사용자의 단말과 일대일로 매칭되는 브라우저가 클라우드 스트리밍 서버에서 동작할 수 있다. 따라서, 본 발명에서는 사용자의 다음 활동을 추론하여 미리 준비할 수 있는 또 다른 브라우저를 생성하고, 다음 활동이 발생하기 전에 다른 브라우저에서 다음 활동에 대한 웹 어플리케이션 실행화면을 생성해둘 수 있다.

이 후, 다른 브라우저에서 생성된 다음 활동에 대한 웹 어플리케이션 실행화면을 클라우드 스트리밍 엔진으로 전달한다(S650).

이 후, 예측된 다음 활동이 발생하였는지 여부를 판단하고(S655), 예측된 다음 활동이 발생하였으면 사용자 단말로 웹 어플리케이션 실행화면을 전달한다(S660).

예를 들어, 도 5에 도시된 것처럼 다음 활동으로 예측된 웹 페이지가 Page 2라고 가정할 수 있다. 이 때, Page 1 네비게이션 상태 후 다음 활동이 발생하기 전에 도 4에 도시된 것과 같은 다른 브라우저(430)를 통해 Page 2 진입을 수행하고, 해당하는 웹 어플리케이션 실행화면을 이미지로 생성하여 클라우드 스트리밍 엔진(411)으로 전달할 수 있다.

또한, 단계(S655)의 판단결과 예측된 다음 활동이 발생하지 않았으면, 발생한 사용자 활동에 대한 정보를 기반으로 사용자 활동 예측 모델의 학습을 추가적으로 수행하여 사용자 활동 예측 모델을 갱신한다.

즉, 예측된 다음 활동이 발생하지 않았거나 또는 예측되지 않은 다음 활동이 발생하였다는 것은 사용자 활동 예측 모델의 예측이 틀렸다는 것을 의미할 수 있다. 따라서, 보다 정교한 예측을 수행하기 위해 사용자 활동 예측 모델의 예측이 틀린 경우의 연속 활동 정보를 이용하여 추가적으로 사용자 활동 예측 모델의 학습을 수행할 수 있다.

도 7은 본 발명의 일실시예에 따른 클라우드 스트리밍 서버를 나타낸 블록도이다.

도 7을 참조하면, 본 발명의 일실시예에 따른 클라우드 스트리밍 서버는 통신부(710), 프로세서(720) 및 메모리(730)를 포함한다.

이 때, 클라우드 스트리밍 서비스 또는 클라우드 컴퓨팅 서비스는 사용자가 컨텐츠를 로컬 스토리지가 아닌, 인터넷상의 클라우드 스토리지에 저장해놓고, 인터넷이 가능한 기기를 이용하여 언제 어디서든지 클라우드 스토리지에 접근하여 컨텐츠를 이용할 수 있는 서비스이다.

이 때, 웹 어플리케이션은 클라우드 스트리밍 기반의 브라우저에서 실행될 수 있다. 예를 들어, 본 발명의 일실시예에 따른 웹 어플리케이션은 클라우드 스트리밍 서버에서 클라우드 스트리밍 엔진의 실행을 기반으로 로드되는 브라우저에서 실행될 수 있다.

통신부(710)는 네트워크와 같은 통신망을 통해 사용자 활동 예측 기반의 클라우드 스트리밍 서비스를 위해 필요한 정보를 송수신하는 역할을 한다. 특히, 본 발명의 일실시예에 따른 통신부(710)는 사용자로부터 입력되는 요청을 수신하거나, 분석 서버로 사용자 활동 데이터를 전송할 수 있다.

이 때, 네트워크는 클라우드 스트리밍 서버 및 사용자 단말 사이에 데이터를 전달하는 통로를 제공하는 것으로서, 기존에 이용되는 네트워크 및 향후 개발 가능한 네트워크를 모두 포괄하는 개념이다. 예를 들어, 네트워크는 한정된 지역 내에서 각종 정보장치들의 통신을 제공하는 유무선근거리 통신망, 이동체 상호 간 및 이동체와 이동체 외부와의 통신을 제공하는 이동통신 망, 위성을 이용해 지구국과 지구국간 통신을 제공하는 위성통신망이거나 유무선 통신망 중에서 어느 하나이거나, 둘 이상의 결합으로 이루어질 수 있다. 한편, 네트워크의 전송 방식 표준은, 기존의 전송 방식 표준에 한정되는 것은 아니며, 향후 개발될 모든 전송 방식 표준을 포함할 수 있다.

이 때, 사용자 단말은 클라우드 스트리밍 서버에게 클라우드 스트리밍 서비스를 요청하고, 클라우드 스트리밍 서버로부터 요청에 따른 실행화면을 수신하여 사용자에게 제공해줄 수 있다. 따라서, 사용자는 마치 요청된 서비스에 해당하는 동영상이나 어플리케이션이 사용자 단말에 상응하는 단말에서 실행되는 것처럼 느낄 수 있다.

이 때, 사용자 단말은 각각 통신망에 연결되어 클라우드 스트리밍 서버와 통신 가능한 장치에 해당할 수 있다. 예를 들어, 사용자 단말은 모든 정보통신기기, 멀티미디어 단말, 유선 단말, 고정형 단말, 이동통신단말기 및 IP(Internet Protocol) 단말 등의 다양한 단말에 해당할 수 있다. 또한, 사용자 단말은 휴대폰, PMP(Portable Multimedia Played), MID(Mobile Internet Device), 스마트폰(Smart Phone), 데스크톱(Desktop), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net Book), 개인휴대용 정보단말(Personal Digital Assistant; PDA), 스마트 TV 및 정보통신 기기 등과 같은 다양한 이동통신 사양을 갖는 모바일(Mobile) 단말일 수도 있다.

또한, 사용자 단말은 숫자 및 문자 정보 등의 다양한 정보를 입력 받고, 각종 기능을 설정 및 사용자 단말의 기능 제어와 관련하여 입력되는 신호를 입력부를 통해 제어부로 전달할 수 있다. 또한, 사용자 단말의 입력부는 사용자의 터치 또는 조작에 따른 입력 신호를 발생하는 키패드와 터치패드 중 적어도 하나를 포함하여 구성할 수 있다. 이 때, 사용자 단말의 입력부는 사용자 단말의 표시부와 함께 하나의 터치패널(또는 터치 스크린(touch screen))의 형태로 구성되어 입력과 표시 기능을 동시에 수행할 수 있다. 또한, 사용자 단말의 입력부는 키보드, 키패드, 마우스, 조이스틱 등과 같은 입력 장치 외에도 향후 개발될 수 있는 모든 형태의 입력 수단이 사용될 수 있다.

또한, 사용자 단말의 표시부는 사용자 단말의 기능 수행 중에 발생하는 일련의 동작상태 및 동작결과 등에 대한 정보를 표시할 수 있다. 또한, 사용자 단말의 표시부는 사용자 단말의 메뉴 및 사용자가 입력한 사용자 데이터 등을 표시할 수 있다. 여기서, 사용자 단말의 표시부는 액정표시장치(LCD, Liquid Crystal Display), 초박막 액정표시장치(TFT-LCD, Thin Film Transistor LCD), 발광다이오드(LED, Light Emitting Diode), 유기 발광다이오드(OLED, Organic LED), 능동형 유기발광다이오드(AMOLED, Active Matrix OLED), 레티나 디스플레이(Retina Display), 플렉시블 디스플레이(Flexible display) 및 3차원(3 Dimension) 디스플레이 등으로 구성될 수 있다. 이 때, 사용자 단말의 표시부가 터치스크린 형태로 구성된 경우, 사용자 단말의 표시부는 사용자 단말의 입력부의 기능 중 일부 또는 전부를 수행할 수 있다.

또한, 사용자 단말의 저장부는 데이터를 저장하기 위한 장치로, 주 기억장치 및 보조 기억장치를 포함하고, 사용자 단말의 기능 동작에 필요한 응용 프로그램을 저장할 수 있다. 이러한 사용자 단말의 저장부는 크게 프로그램 영역과 데이터 영역을 포함할 수 있다. 여기서, 사용자 단말은 사용자의 요청에 상응하여 각 기능을 활성화하는 경우, 제어부의 제어 하에 해당 응용 프로그램들을 실행하여 각 기능을 제공하게 된다.

또한, 사용자 단말의 통신부는 클라우드 스트리밍 서버와 네트워크를 통해 데이터를 송수신하기 위한 기능을 수행할 수 있다. 여기서 사용자 단말의 통신부는 송신되는 신호의 주파수를 상승 변환 및 증폭하는 RF 송신 수단과 수신되는 신호를 저잡음 증폭하고 주파수를 하강 변환하는 RF 수신 수단 등을 포함할 수 있다. 이러한 사용자 단말의 통신부는 무선통신 모듈을 포함할 수 있다. 그리고, 무선통신 모듈은 무선 통신 방법에 따라 데이터를 송수신하기 위한 구성이며, 사용자 단말이 무선 통신을 이용하는 경우, 무선망 통신 모듈, 무선랜 통신 모듈 및 무선팬 통신 모듈 중 어느 하나를 이용하여 데이터를 클라우드 스트리밍 서버로 송수신할 수 있다. 즉, 사용자 단말은 무선통신 모듈을 이용하여 네트워크에 접속하며, 네트워크를 통해 클라우드 스트리밍 서버와 데이터를 송수신할 수 있다.

또한, 사용자 단말의 제어부는 운영 체제(OS, Operation System) 및 각 구성을 구동시키는 프로세스 장치가 될 수 있다. 예를 들어, 제어부는 클라우드 스트리밍 서버에 접속하는 과정 전반을 제어할 수 있다. 이 때, 사용자 단말이 클라우드 스트리밍 서버에 접속하는 경우, 사용자의 요청에 따라 동영상과 같은 컨텐츠나 어플리케이션이 실행되는 과정 전반을 제어할 수 있으며, 실행과 동시에 클라우드 스트리밍 서버로 서비스 이용 요청이 전송되도록 제어할 수 있다. 이 때 사용자 인증에 필요한 사용자 단말의 정보가 함께 전송되도록 제어할 수도 있다.

프로세서는(720) 분석 서버로부터 웹 어플리케이션에서의 사용자 활동에 대해 예측된 다음 활동을 수신한다.

이 때, 다음 활동은 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 기반으로 학습된 사용자 활동 예측 모델을 기반으로 예측될 수 있다.

이 때, 연속 활동 정보는 웹 어플리케이션에서 연속적으로 발생하는 사용자 활동을 순서대로 저장한 정보에 상응할 수 있다.

이 때, 브라우저를 기반으로 실행되는 웹 어플리케이션은 사용자로부터 입력되는 키 입력 이벤트를 바탕으로 동작하기 때문에 연속 활동 정보는 사용자로부터 입력되는 키 입력 이벤트와 함께 사용자가 이용하는 웹 페이지에 대한 정보를 포함할 수 있다.

이 때, 연속 활동 정보는 사용자에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함할 수 있다.

즉, 사용자 단말을 통해 출력되는 웹 어플리케이션 실행화면에서 화면 변화가 발생하는 시점에 사용자에 의한 새로운 사용자 활동이 발생한 것으로 판단하고 연속 활동 정보에 추가적인 정보를 입력할 수 있다.

예를 들어, 연속 활동 정보는, 도 3에 도시된 것과 같이 이벤트 발생 순서와, 키 입력 이벤트의 종류 및 활동 내역을 순서대로 저장한 형태에 상응할 수 있다. 이 때, 도 3을 참조하면, 사용자가 웹 어플리케이션을 구성하는 복수개의 웹 페이지들 중 Page1에 진입한 순간에 사용자 활동이 발생한 것을 감지하고 연속 활동 정보가 생성되었음을 예측할 수 있다. 이 후, 사용자가 Right Key를 누른 것을 두번째 사용자 활동으로 감지하고, 이에 대한 활동 내역을 순차적으로 기록할 수 있다. 또한, 도 3을 참조하면, 사용자의 연속 활동 정보에는 8번째 사용자 활동까지 기록되어 있으므로, 사용자가 Page4에 진입한 이후에 웹 어플리케이션에 대한 접속을 해제하였거나 더 이상의 사용자 활동이 발생하지 않은 것으로 예측할 수 있다.

이 때, 분석 서버는 클라우드 스트리밍 서버와는 독립적으로 존재하는 웹 서버에 상응할 수 있으며, 머신러닝(Machin Learning) 기술을 이용하여 연속 활동 정보를 학습하여 사용자 활동 예측 모델을 생성할 수 있다.

이 때, 분석 서버는 충분한 양의 연속 활동 정보를 기반으로 학습을 수행하여 사용자 활동 예측 모델을 생성할 수 있다.

예를 들어, 분석 서버가 최초로 실행된 경우에는 일정한 기간 동안 클라우드 스트리밍 서버로부터 연속 활동 정보를 수집하고, 기설정된 목표량만큼 연속 활동 정보가 수집된 경우에 수집된 정보를 이용하여 사용자 활동 예측 모델을 생성할 수 있다.

이 때, 도 4를 참조하면, 분석 서버(420)는 클라우드 스트리밍 서버(410)와의 통신을 기반으로 웹 어플리케이션에서의 사용자 활동 정보를 수신할 수 있다.

이 때, 사용자 활동 정보는 사용자 단말에 해당하는 클라이언트(440)가 클라우드 스트리밍 서버(410)에 생성된 브라우저(412)에서 실행되는 웹 어플리케이션을 이용하면서 발생할 수 있다. 따라서, 분석 서버(420)는 클라우드 스트리밍 서버(410)의 브라우저(412)와 통신을 수행하여 사용자 활동 정보 또는 사용자 활동 데이터를 수집할 수 있다.

이 때, 사용자 활동은 사용자에게 할당된 브라우저를 통해 감지될 수 있다.

즉, 사용자에게 할당되어 웹 어플리케이션을 실행시키는 브라우저는 문서 객체 모델(Document of Model) 및 웹 어플리케이션의 URL 중 적어도 하나를 기반으로 사용자 활동이 발생한 웹 페이지를 검출할 수 있다.

예를 들어, 브라우저에서는 사용자 활동이 발생한 URL을 검색하고, 해당 URL에 할당된 웹 페이지를 검출할 수 있다.

이 때, 웹 어플리케이션은 복수개의 페이지들을 하나의 URL을 통해 접근 가능하게 하는 싱글 페이지 웹 어플리케이션(Single Page Web Application)에 상응할 수 있다.

따라서, 사용자 활동 정보를 기반으로 웹 어플리케이션의 웹 페이지에 대한 문서 객체 모델을 추출함으로써 사용자 활동이 발생한 웹 페이지에 대한 정보를 획득할 수 있다.

이 때, 문서 객체 모델은 웹 브라우저를 통해 확장성 생성 언어 문서의 상호 연동을 위한 객체 기반의 문서 모델에 해당하는 것으로, 프로그램과 스크립트에 의한 문서의 내용, 구조 종류 등의 동적인 접근과 변경이 가능할 수 있다. 또한, 스크립트나 프로그램 언어에 웹 페이지를 연결해줄 수 있다. 이 때, 웹 페이지를 조작 및 생성하기 위해 사용되는 속성, 방법 및 이벤트가 객체를 구성하는데, 이러한 객체들은 대부분의 웹 브라우저에서 스크립트 언어를 통해 접근할 수 있다.

이 때, 분석 서버에서는 머신 러닝에 기반한 뉴럴 네트워크의 회귀 분류 방식을 기반으로 다음 활동을 확률적으로 계산할 수 있다.

이 때, 뉴럴 네트워크(Neural Network)란 인간의 뇌의 기능을 모방하여 학습하기 위한 것으로, 무언가를 보고, 그것이 무엇인가를 인식하며, 필요에 따라 행동을 취한다는 개념의 인간의 사고방식을 컴퓨터에 학습시키는 것일 수 있다. 이와 같은 뉴럴 네트워크는 계산하는 과정에 학습기능을 부가함으로써 컴퓨터가 최적의 제어를 수행할 수 있도록 할 수 있다.

이 때, 사용자 활동이 발생한 웹 페이지를 기준으로 다음 활동에 상응하는 웹 페이지를 확률적으로 예측할 수 있다.

예를 들어, 도 3에 도시된 연속 활동 정보 중 4번째 사용자 활동이 발생한 직후의 상태는 Page1 네비게이션에 상응할 수 있다. 만약, 5번째 사용자 활동이 발생하기 전에 5번째 사용자 활동이 무엇일지 예측하고자 한다면, 도 3에 도시된 연속 활동 정보 중 5번째까지의 사용자 활동을 수집하여 사용자 활동 예측 모델을 학습시킬 수 있다. 이 후, 학습된 사용자 활동 예측 모델을 통해 5번째로 발생할 사용자 활동을 확률적으로 계산한 결과가 도 5라고 가정한다면, 사용자 활동 예측 모델은 다음 활동에 상응하는 웹 페이지를 Page 2라고 판단할 수 있다.

즉, 사용자 활동 예측 모델은 사용자 활동(510)에 의한 웹 페이지에서 예측 가능한 다음 활동에 의한 웹 페이지(521~524)를 분류하고, 예측 가능한 다음 활동에 의한 웹 페이지(521~524) 각각에 대한 확률을 계산함으로써 다음 활동에 상응하는 웹 페이지를 예측할 수 있다.

또한, 프로세서(720)는 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공한다.

이 때, 클라우드 스트리밍 시에는 사용자의 단말과 일대일로 매칭되는 브라우저가 클라우드 스트리밍 서버에서 동작할 수 있다. 따라서, 본 발명에서는 사용자의 다음 활동을 추론하여 미리 준비할 수 있는 또 다른 브라우저를 생성하고, 다음 활동이 발생하기 전에 다른 브라우저에서 다음 활동에 대한 웹 어플리케이션 실행화면을 생성해둘 수 있다.

이 때, 다른 브라우저가 다음 활동에 상응하는 웹 어플리케이션 실행화면을 클라우드 스트리밍 엔진으로 전달할 수 있고, 클라우드 스트리밍 엔진에서는 예측된 다음 활동이 발생하는 경우에 다음 활동에 상응하는 웹 어플리케이션 실행화면을 사용자의 단말로 전달할 수 있다.

예를 들어, 도 5에 도시된 것처럼 다음 활동으로 예측된 웹 페이지가 Page 2라고 가정할 수 있다. 이 때, Page 1 네비게이션 상태 후 다음 활동이 발생하기 전에 도 4에 도시된 것과 같은 다른 브라우저(430)를 통해 Page 2 진입을 수행하고, 해당하는 웹 어플리케이션 실행화면을 이미지로 생성하여 클라우드 스트리밍 엔진(411)으로 전달할 수 있다.

이 때, 다른 브라우저는 사용자에게 할당된 브라우저가 동작하는 경우에 생성될 수 있다. 또한, 다른 브라우저는 분석 서버를 통해 다음 활동이 예측된 경우에 생성될 수도 있다.

이 때, 다른 브라우저가 생성되어 동작하는 시점은 시스템의 성능이나 설정에 따라 상이하게 적용될 수 있으며 특정한 시점으로 한정되지 않을 수 있다.

메모리(730)는 다음 활동에 상응하는 웹 어플리케이션 실행화면을 저장한다.

또한, 메모리(730)는 상술한 바와 같이 본 발명의 실시예에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스를 위한 기능을 지원할 수 있다. 이 때, 메모리(730)는 별도의 대용량 스토리지로 동작할 수 있고, 동작 수행을 위한 제어 기능을 포함할 수 있다.

한편, 클라우드 스트리밍 서버는 메모리가 탑재되어 그 장치 내에서 정보를 저장할 수 있다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.

이와 같은 클라우드 스트리밍 서버를 이용하여 클라우드 스트리밍 시스템에서 사용자 활동을 분석하여 다음에 일어날 활동을 예측하고, 다음 활동에 대한 작업을 미리 준비할 수 있다.

또한, 사용자의 다음 활동에 대한 작업을 미리 수행하여 제공함으로써 클라우드 스트리밍 시스템의 반응성을 향상시킬 수 있다.

또한, 클라우드 스트리밍 서비스에 대한 사용자 활동 분석결과를 통해 클라우드 스트리밍 시스템의 기능을 향상시킬 수도 있다.

본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 처리 시스템의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다.

컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.

본 명세서에서 '시스템'이나 '장치'라 함은 예컨대 프로그래머블 프로세서, 컴퓨터 혹은 다중 프로세서나 컴퓨터를 포함하여 데이터를 처리하기 위한 모든 기구, 장치 및 기계를 포괄한다. 처리 시스템은, 하드웨어에 부가하여, 예컨대 프로세서 펌웨어를 구성하는 코드, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제 혹은 이들 중 하나 이상의 조합 등 요청 시 컴퓨터 프로그램에 대한 실행 환경을 형성하는 코드를 포함할 수 있다.

컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 혹은 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 혹은 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 혹은 컴퓨터 환경에서 사용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 혹은 다중의 상호 작용하는 파일(예컨대, 하나 이상의 모듈, 하위 프로그램 혹은 코드의 일부를 저장하는 파일) 내에, 혹은 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상의 스크립트) 내에 저장될 수 있다. 컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.

한편, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 EPROM, EEPROM 및 플래시메모리 장치와 같은 반도체 메모리 장치, 예컨대 내부 하드디스크나 외장형 디스크와 같은 자기 디스크, 자기광학 디스크 및 CD-ROM과 DVD-ROM 디스크를 포함하여 모든 형태의 비휘발성 메모리, 매체 및 메모리 장치를 포함할 수 있다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다.

본 명세서에서 설명한 주제의 구현물은 예컨대 데이터 서버와 같은 백엔드 컴포넌트를 포함하거나, 예컨대 어플리케이션 서버와 같은 미들웨어 컴포넌트를 포함하거나, 예컨대 사용자가 본 명세서에서 설명한 주제의 구현물과 상호 작용할 수 있는 웹 브라우저나 그래픽 유저 인터페이스를 갖는 클라이언트 컴퓨터와 같은 프론트엔드 컴포넌트 혹은 그러한 백엔드, 미들웨어 혹은 프론트엔드 컴포넌트의 하나 이상의 모든 조합을 포함하는 연산 시스템에서 구현될 수도 있다. 시스템의 컴포넌트는 예컨대 통신 네트워크와 같은 디지털 데이터 통신의 어떠한 형태나 매체에 의해서도 상호 접속 가능하다.

본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 마찬가지로, 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.

또한, 본 명세서에서는 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징될 수 있다는 점을 이해하여야 한다

이와 같이, 본 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하려는 의도가 아니다. 따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

이상에서와 같이 본 발명에 따른 사용자 활동 예측 기반의 클라우드 스트리밍 서비스 방법 및 이를 위한 장치는 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

본 발명에 의하면 클라우드 스트리밍 서버와 연동된 분석 서버가, 클라우드 스트리밍 서버에서 실행되는 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 기반으로 사용자 활동 예측 모델을 학습시키고, 웹 어플리케이션에 대한 사용자 활동이 감지되는 경우, 분석 서버가 사용자 활동 예측 모델을 기반으로 사용자에 대한 다음 활동을 예측하고, 클라우드 스트리밍 서버가, 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공할 수 있다. 나아가, 클라우드 스트리밍 서비스의 반응성을 향상시킴으로써 클라우드 스트리밍 서비스를 이용하는 사용자들에게 보다 원활한 서비스를 제공하는 것이 가능하다.

110, 410: 클라우드 스트리밍 서버 120-1~120-3, 440: 클라이언트
130, 420: 분석 서버 140: 네트워크
411: 클라우드 스트리밍 엔진 412: 브라우저
430: 다른 브라우저 510: 사용자 활동
521~524: 예측 가능한 다음 활동에 의한 웹 페이지
710: 통신부 720: 프로세서
730: 메모리

Claims (10)

1. 클라우드 스트리밍 서버와 연동된 분석 서버가, 상기 클라우드 스트리밍 서버에서 실행되는 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 기반으로 사용자 활동 예측 모델을 학습시키는 단계;
   상기 웹 어플리케이션에 대한 사용자 활동이 감지되는 경우, 상기 분석 서버가 상기 사용자 활동 예측 모델을 기반으로 상기 사용자 활동에 대한 다음 활동을 예측하는 단계; 및
   상기 클라우드 스트리밍 서버가, 상기 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공하는 단계
   를 포함하고,
   상기 다음 활동은 상기 웹 어플리케이션에서의 활동에 상응하고,
   상기 제공하는 단계는
   상기 다른 브라우저를 통해 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 미리 생성하여 클라우드 스트리밍 엔진으로 전달하는 단계; 및
   상기 다음 활동에 상응하는 키 입력 이벤트가 발생하는 경우, 상기 사용자에게 할당된 브라우저를 변경하지 않고도 상기 클라우드 스트리밍 엔진을 기반으로 상기 미리 준비해 두었던 다음 활동에 상응하는 웹 어플리케이션 실행화면을 상기 사용자의 단말로 전달하는 단계를 포함하는 것을 특징으로 하는 클라우드 스트리밍 서비스 방법.
2. 청구항 1에 있어서,
   상기 연속 활동 정보는
   상기 사용자에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 상기 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함하는 것을 특징으로 하는 클라우드 스트리밍 서비스 방법.
3. 청구항 1에 있어서,
   상기 다른 브라우저는
   상기 사용자에게 할당된 브라우저가 동작하는 경우에 생성되는 것을 특징으로 하는 클라우드 스트리밍 서비스 방법.
4. 청구항 1에 있어서,
   상기 예측하는 단계는
   머신 러닝에 기반한 뉴럴 네트워크의 회귀 분류 방식을 기반으로 상기 다음 활동을 확률적으로 계산하는 것을 특징으로 하는 클라우드 스트리밍 서비스 방법.
5. 청구항 4에 있어서,
   상기 예측하는 단계는
   문서 객체 모델(DOCUMENT OF MODEL) 및 상기 웹 어플리케이션의 URL 중 적어도 하나를 기반으로 상기 사용자 활동이 발생한 웹 페이지를 검출하고, 상기 사용자 활동이 발생한 웹 페이지를 기준으로 상기 다음 활동에 상응하는 웹 페이지를 확률적으로 예측하는 것을 특징으로 하는 클라우드 스트리밍 서비스 방법.
6. 삭제
7. 청구항 1에 있어서,
   상기 사용자 활동은
   상기 사용자에게 할당된 브라우저를 통해 감지되는 것을 특징으로 하는 클라우드 스트리밍 서비스 방법.
8. 청구항 1에 있어서,
   상기 클라우드 스트리밍 서비스 방법은
   상기 사용자 활동이 감지된 이후에 예측되지 않은 다음 활동이 발생하는 경우, 상기 예측되지 않은 다음 활동을 포함하는 연속 활동 정보를 생성하여 상기 사용자 활동 예측 모델을 갱신하는 단계를 더 포함하는 것을 특징으로 하는 클라우드 스트리밍 서비스 방법.
9. 분석 서버로부터 웹 어플리케이션에서의 사용자 활동에 대해 예측된 다음 활동을 수신하고, 사용자에게 할당된 브라우저와 다른 브라우저를 이용하여 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 제공하는 프로세서; 및
   상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 저장하는 메모리를 포함하고,
   상기 다음 활동은
   상기 웹 어플리케이션에 대한 사용자의 연속 활동 정보를 기반으로 학습된 사용자 활동 예측 모델을 기반으로 예측되고,
   상기 다음 활동은 상기 웹 어플리케이션에서의 활동에 상응하고,
   상기 프로세서는
   상기 다른 브라우저를 통해 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 클라우드 스트리밍 엔진으로 전달하고, 상기 다음 활동에 상응하는 키 입력 이벤트가 발생하는 경우에 상기 사용자에게 할당된 브라우저를 변경하지 않고도 상기 클라우드 스트리밍 엔진을 기반으로 상기 다음 활동에 상응하는 웹 어플리케이션 실행화면을 상기 사용자의 단말로 전달하는 것을 특징으로 하는 클라우드 스트리밍 서버.
10. ◈청구항 10은(는) 설정등록료 납부시 포기되었습니다.◈

    청구항 9에 있어서,
    상기 연속 활동 정보는
    상기 사용자에게 디스플레이되는 웹 어플리케이션 실행화면의 화면 변화를 기준으로 적어도 한 번 이상의 화면 변화를 발생시키는 키 입력 이벤트와 상기 적어도 한 번 이상의 화면 변화에 상응하는 활동 내역을 시간 순서대로 포함하는 것을 특징으로 하는 클라우드 스트리밍 서버.

Images