KR102185884B1 - 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터를 수집하는 방법 및 인공지능 시스템 - Google Patents

Abstract

본 발명은 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템에 관한 것이다.
보다 상세하게는, 개인화 데이터 생성 서버로부터 수신한 운세 정보에 기반하여, 인터랙션 정보를 생성하는 사용자 단말 및 사용자의 개인정보를 기반으로 상기 운세 정보를 생성하고, 상기 사용자 단말로부터 상기 인터랙션 정보를 수신하며, 상기 운세 정보 및 상기 인터랙션 정보에 기반하여 사용자의 심리정보에 상응하는 개인화 데이터를 생성하는 개인화 데이터 생성 서버를 포함할 수 있다.

Description

운세 정보 콘텐츠를 기반으로 하는 개인화 데이터를 수집하는 방법 및 인공지능 시스템{METHOD AND ARTIFICIAL INTELLIGENCE SYSTEM OF COLLECTING PERSONALIZED DATA BASED ON THE RESULTS OF FORTUNE-TELLING INFORMATION CONTENTS}

본 발명은 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템에 관한 것으로써, 운세 정보를 기반으로 한 사용자의 심리 및 감정적인 요인을 개인화 데이터로 생성할 수 있는 기술에 관한 것이다.

또한 본 발명은 운세 정보를 기반으로 한 사용자의 심리 및 감정적인 요인을 개인화 데이터로 생성할 때 4차 산업 기술인 인공지능(artificial intelligence) 기술을 접목시키기 위한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

최근 사용자 등에게 서비스나 콘텐츠 등을 추천함에 있어, 기존의 일률적인 추천 방식이 아닌, 사용자 개인의 특성을 반영하여 가장 적합한 맞춤형 추천 방식이 도입되고 있다.

따라서, 사용자 개인의 특성을 고려하는 다양한 AI 추론 알고리즘이 적용되고 있다.

대표적인 AI 알고리즘으로는 사용자와 비슷한 조건의 사람과 비교하여 데이터를 추천하는 '협업 필터링(Collaborative Filtering; CF)'과 콘텐츠에 내재된 메타 데이터를 분석하여 추천하는 '콘텐츠 기반 필터링(Contents Based Filtering; CBF)'이 있다.

그러나, '협업 필터링'은 사용자 데이터가 일정 기준 이상 축척되어야 의미있는 추천이 가능하여, 데이터가 충분하지 않은 상황에서는 서비스 또는 콘텐츠를 추천이 불가능하다는 '콜드 스타트(Cold Start)' 문제점이 있고, 수집되는 데이터가 늘어날수록 신속한 분석이 어렵다는 문제점이 있다.

또한, '콘텐츠 기반 필터링'은 콘텐츠가 가지고 있는 메타 데이터가 한정적이라는 한계점으로 인해 정밀성이 떨어진다는 문제점이 있다.

이에 상기 두가지 필터를 상호 보완적으로 사용하는 새로운 알고리즘과 기술이 개발되고 있다.

이에 한국공개특허 제10-2020-0060993호는 사용자 맞춤형 추천 콘텐츠 정보의 출력 방법을 개시하고 있다.

보다 상세하게 살펴보면, 복수 개의 기업체들의 콘텐츠 구매목록과 기업체들의 기업정보가 저장되는 데이터베이스 및 데이터를 수집 및 가공하는 네트워크서버를 제공하는 단계, 사용자의 데이터를 입력 받아 상기 네트워크서버에 전달하고, 상기 네트워크서버에서 피드백 되는 데이터를 출력하는 단말기를 제공하는 단계, 사용자가 단말기를 통해 원하는 기업체들의 기업정보를 검색하는 단계, 상기 네트워크서버가 사용자가 원하는 기업체들의 기업정보와 상기 데이터베이스에 상기 저장된 기업체들의 기업정보 및 상기 기업체들의 콘텐츠 구매목록을 매칭하는 단계 및 상기 단말기가 사용자가 원하는 기업체들의 기업정보와 매칭되는 상기 기업체들의 콘텐츠 구매목록을 출력하는 단계를 포함하는 사용자 맞춤형 추천 콘텐츠 정보의 출력 방법을 개시하고 있다.

그러나, 사용자 맞춤형 서비스 또는 콘텐츠를 추천함에 있어, 사용자의 객관적인 정보는 요소로써 고려되고 있으나, 사용자 개인의 심리 또는 감정적 요인까지 데이터화하여 맞춤형 서비스를 제공하는 기술이 부재한다는 문제점이 있다.

이에 본 발명은 사용자 맞춤형 서비스 또는 콘텐츠를 추천하기 위하여, 사용자 개인의 심리 또는 감정적 요인까지 포함된 사용자 데이터를 수집하는 시스템을 제안하려고 한다.

또한 본 발명은 운세 정보를 기반으로 한 사용자의 심리 및 감정적인 요인을 개인화 데이터로 생성할 때 4차 산업 기술인 인공지능(artificial intelligence) 기술을 접목시키는 내용을 제안하려고 한다.

현재, 디지털기술과 정보통신기술(ICT, information and communication technology)의 융합에 의한 제4차 산업 혁명이 눈앞에 전개되고 있다. 4차 산업혁명은 사물인터넷(IoT), 로봇공학, 가상현실(VR) 및 인공지능(AI)과 같은 혁신적인 기술이 우리가 살고 일하는 방식을 변화시키는 현재 및 미래를 의미한다. 디지털 혁명(Digital Revolution)이라고 하는 3차 산업혁명이 일으킨 컴퓨터와 정보기술(IT)의 발전이 계속 이루어지고 있는 형태이지만 발전의 폭발성과 파괴성 때문에 3차 산업 혁명이 계속된다고 하기 보다 새로운 시대로 여겨진다.

현재 진행되고 있는 제4차 산업혁명의 특징은 디지털, 바이오, 오프라인 등의 각 기술의 융합으로 각종 정보 및 데이터의 생성과 수집 기술, 수집된 각종 정보 및 데이터의 분류 및 분석, 이러한 분석을 통하여 반복 학습에 의한 최적의 목표값(새로운 SW)을 도출하고 있다. 이러한 제4차 산업혁명과 관련된 기술들은 우선 인공지능(Artificial Intelligence: AI)이 핵심으로 부상하고 있고, 그 외에 빅데이터(Big data), 사물인터넷(loT), 블록체인(Block chain) 등이 있다. 이들의 기술들은 단독으로 또는 융합된 기술사상으로 컴퓨터, 인터넷, 모바일, 로봇 등 다양한 산업분야에 적용됨으로써 인간이 상상할 수 없을 정도의 비약적인 사회 변화와 산업발전을 촉진하고 있다.

세계 각국에서는 제4차 산업혁명이 일어나면서 한 시대를 지배하던 패러다임이 완전히 사라지고 상호 간 보완과 경쟁 관계에 있던 패러다임이 새로운 패러다임으로 자리를 대신하고 있다. 제4차 산업혁명은 현실세계에서 데이터를 수집하여(데이터 확보), 가상세계에서 이를 분석하여 지식을 추출하고(데이터분석), 이를 다시 현실세계에 활용(현실에 적용)하는 가치창출 방식에 주목하면서, 종전의 정보통신기술(ICT)을 넘어서는 다양한 SW분야로서 AI, 빅데이터, IoT, 블록체인, 클라우드 컴퓨팅, 모바일 등에 관한 지능정보기술의 개발이 진행되고 있다. 특히 제4차 산업혁명의 중심지표는 기술적으로 발전한 각종 기술들이 상호 간 융합하면편서 컴퓨터의 소프트웨어(SW)를 기반으로 한 AI가 가장 중요한 지위에 있다.

이러한 컴퓨터와 정보통신기술(ICT)의 융합현상은 모든 사물 및 다양한 빅데이터가 네트워크를 통해 상호연결 및 결합(융합)되는 IoT 및 블록체인, 그리고 이들의 기술 경계를 넘어 혁신과 기업의경계가 무너지는 산업현장에서 뚜렷한 현상이 나타나고 있다. 각국 4차 산업혁명의 특징은 초연결 사회, 융합, 탈경계라는 목표를 가지고 컴퓨터와 정보통신기술(ICT)의 발전에 의해 인간과 인간, 사물과 사물, 인간과 사물이 상호 간에 연결된 초연결사회(hyper-connected society)를 형성하고, 이로 인하여 산업 경계가 없어지는 사회 융합이 이루어지는 새로운 기술적 혁명을 일으키고 있다. 제4차 산업혁명 시대는 컴퓨터, 스마트폰, SNS, 모바일 등으로 소통하던 과거의 정보화사회와 달리, AI와 빅데이터, IoT, 블록체인 등으로 융합된 네트워크를 구축함으로서 초연결사회가 형성되고, 이러한 초연결사회에서는 오프라인과 온라인의 융합을 통해 가치혁신산업으로서의 신사업 및 신상품 등 그동안 생각하지 못한 새로운 성장과 혁신, 가치창출을 달성하고 있다.

앞으로는 수십억 인구가 모바일 기기로 연결되어 거대용량의 데이터 및 정보의 수집과 저장이 가능하고, 그 수집된 데이터와 정보는 인간의 지식과 유사한 인공신경망의 딥러닝 기술로 초연결성을 가지게 됨으로써 AI와 빅데이터의 결합 기술, AI와 IoT의 결합 기술, AI와 빅데이터 및 IoT의 복합결합기술의 발전으로 제조, 유통, 의료, 교육, 금융, 영화 등 다양한 분야에서 지능적이고 혁신적인 변화가 일어나고 있다. 즉, 제4차 산업혁명 관련기술의 융합 및 응용으로 기존의 인터넷과 모바일 발전에 의한 산업성장보다 획기적이고 진보된 지능정보사회로 변화하고 있다.

한국공개특허 제10-2020-0060993호

본 발명의 목적은 사용자 개인의 심리 또는 감정적 요인까지 포함된 사용자 데이터를 수집할 수 있는 시스템을 제공하는 것이다.

또한, 본 발명의 목적은 운세 정보에서 사용자의 주요 관심정보를 추출하고 이를 반영한 사용자 데이터를 수집하고자 한다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상술한 목적을 달성하기 위하여 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템은 개인화 데이터 생성 서버로부터 수신한 운세 정보에 기반하여, 인터랙션 정보를 생성하는 사용자 단말 및 사용자의 개인정보를 기반으로 상기 운세 정보를 생성하고, 상기 사용자 단말로부터 상기 인터랙션 정보를 수신하며, 상기 운세 정보 및 상기 인터랙션 정보에 기반하여 사용자의 심리정보에 상응하는 개인화 데이터를 생성하는 개인화 데이터 생성 서버를 포함할 수 있다.

이 때, 상기 인터랙션 정보는, 상기 사용자 단말에 출력되는 상기 운세 정보에 대응하는 사용자의 입력신호을 기반으로 생성될 수 있다.

이 때, 상기 입력신호는, 상기 운세 정보에 대한 사용자의 공감 표시 또는 메모 중 적어도 하나 이상에 상응하는 직접 입력신호 및 상기 운세 정보에 대한 사용자의 화면 내 체류시간, 화면 확대 행위, 슬라이드 속도 및 사용자 제스처 중 적어도 하나 이상에 상응하는 간접 입력신호를 포함할 수 있다.

이 때, 상기 개인화 데이터 생성 서버는, 상기 운세 정보를 단락별로 적어도 하나 이상의 영역으로 구분하고, 상기 영역에 대한 고유값을 초기화하고, 상기 입력신호를 기반으로 상기 고유값에 가중치를 부여하고, 상기 영역별로 적어도 하나 이상의 심리/감정키워드를 추출하고, 상기 영역의 고유값을 상기 심리/감정키워드에 상속하고, 모든 영역에 대한 심리/감정키워드를 중첩 제거 후 병합하고, 상기 고유값이 높은 상위 3개의 상위 심리/감정키워드를 추출하고, 상기 사용자의 개인정보 및 상기 상위 심리/감정키워드를 기반으로 상기 사용자의 심리정보에 상응하는 상기 개인화 데이터를 생성할 수 있다.

이 때, 상기 개인화 데이터 생성 서버는, 상기 심리/감정키워드를 입력으로 성격에 관한 키워드와 현재 상태에 관한 키워드를 구분하여 출력하는 인공지능 모듈을 포함하고, 상기 성격에 관한 키워드와 상기 현재 상태에 관한 키워드를 구분하여 상기 개인화 데이터를 생성할 수 있다.

본 발명에 따르면, 개선된(enhanced) 개인화 데이터 수집 시스템을 제안한다는 측면에서 기술적인 효과를 갖는다.

또한, 본 발명에 따르면, 사용자 개인의 심리 또는 감정적 요인까지 포함된 사용자 데이터를 수집할 수 있는 시스템을 제공할 수 있다.

또한, 본 발명에 따르면, 운세 정보에서 사용자의 주요 관심정보를 추출하고 이를 반영한 사용자 데이터를 수집할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템의 블록도이다.
도 3은 본 발명의 일 실시예에 따라 사용자 단말에서 운세 정보에 직접 입력신호가 입력되는 실시예를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따라 사용자 단말에서 운세 정보에 간접 입력신호가 입력되는 실시예를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 개인화 데이터 생성 서버에서 개인화 데이터를 생성하는 과정을 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법의 흐름도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.

마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.

도 1은 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템(100)을 나타내는 도면이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템(100)은 개인화 데이터 생성 서버(110) 및 사용자 단말(120)을 포함할 수 있다. 도 1의 경우, 총 1개의 사용자 단말(120)이 도시되어 있으나, 이는 도안화의 편의를 위해 일 예를 선택한 것에 불과하며, 본 발명의 시스템(100)에 포함되는 사용자 단말(120)의 개수는 이에 한정되지 아니하며, 다수의 사용자 단말(120)을 포함할 수도 있고, 개인화 데이터 생성 서버(110) 또한 다수개 포함할 수도 있다. 또한 도 1을 참조하면, 개인화 데이터 생성 서버(110)는 사용자 단말(120)과 유무선 네트워크를 통해 연결될 수 있다.

이 때, 사용자 단말(120)은 컴퓨터, 스마트폰, 핸드폰, 스마트 TV, 셋톱박스(set-top box), 태블릿 PC, 디지털 카메라, 캠코더, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 착용형 기기(wearable device), 에어컨, 전자 레인지, 오디오, DVD 플레이어 등 통신이 가능한 장치를 모두 포함할 수 있고, 여기서 컴퓨터는 노트북 컴퓨터(laptop computer), 데스크톱 등을 포함할 수 있다.

이 때, 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템(100)은 하나 이상의 사용자 단말(120)과 하나 이상의 개인화 데이터 생성 서버(110)를 통하여, 사용자의 개인 특성을 반영하는 개인화 데이터를 생성하고 수집할 수 있다.

보다 상세하게 살펴보면, 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템(100)은 사용자 단말(120)과 개인화 데이터 생성 서버(110)를 포함하여, 운세 정보(300)를 기반으로 개인화 데이터를 생성할 수 있다.

이 때, 사용자 단말(120)은 개인화 데이터 생성 서버(110)로부터 수신한 운세 정보(300)에 기반하여, 인터랙션 정보를 생성할 수 있다. 보다 상세하게 살펴보면, 상기 운세 정보(300)는 사용자 단말(120)에 출력되고, 사용자는 상기 운세 정보(300)를 읽으면서 그에 대한 인터랙션 또는 피드백을 취하는데, 사용자 단말(120)은 상기 사용자의 인터랙션 또는 피드백을 인식하여, 이에 상응하는 인터랙션 정보를 생성할 수 있다.

인터랙션 또는 피드백에 대한 예를 들면, 운세 정보(300)를 읽고 있는 사용자의 시선정보, 사용자의 심박수정보 등 사용자의 생체정보 및/또는 사용자의 제스처 정보, 사용자의 강조 표시 정보, 사용자의 메모 정보 등 사용자의 입력신호 등 상기 운세 정보(300)에 대한 사용자의 모든 행위에 관한 정보를 포함할 수 있다.

바람직하게는, 상기 인터랙션 정보는 사용자 단말(120)에 출력되는 상기 운세 정보(300)에 대응하는 사용자의 입력신호를 기반으로 생성될 수 있다. 그 이유는, 사용자의 생체정보를 취득하기 위한 센서가 사용자 단말(120)에 포함되어 있어야 하는데, 일반적인 사용자 단말(120)에는 사용자의 생체정보를 취득하기 위한 센서가 포함되어 있지 않고, 사용자의 입력신호를 인식할 수 있는 입력모듈을 대부분 구비하고 있기 때문이다.

이 때, 상기 입력신호는 상기 운세 정보(300)에 대한 사용자의 공감 표시(311) 또는 메모(313) 중 적어도 하나 이상에 상응하는 직접 입력신호 및 상기 운세 정보(300)에 대한 사용자의 화면 내 체류시간, 화면 확대 행위, 슬라이드 속도 및 사용자 제스처 중 적어도 하나 이상에 상응하는 간접 입력신호를 포함할 수 있다.

이 때, 상기 직접 입력신호는 후술하는 바와 같이 사용자 단말(120)의 입력모듈을 통하여, 사용자가 직접 상기 운세 정보(300)에 밑줄, 강조 표시, 체크 등으로 입력한 신호일 수 있고, 상기 간접 입력신호는 후술하는 바와 같이 사용자의 화면 내 체류시간, 화면 확대 행위, 슬라이드 속도 및 사용자 제스처 등을 통하여 사용자의 관심여부를 판단한 정보일 수 있다. 이와 관련하여 도 3 및 도 4를 참조하여 후술하도록 한다. 또한, 사용자 단말(120)은 개인화 데이터 서버로부터 상기 운세 정보(300)를 수신하고, 상기 인터랙션 정보를 개인화 데이터 생성 서버(110)로 송신하는 통신모듈을 포함할 수도 있다.

이 때, 개인화 데이터 생성 서버(110)는 사용자의 개인정보를 기반으로 상기 운세 정보(300)를 생성하고, 사용자 단말(120)로부터 상기 인터랙션 정보를 수신하며, 상기 운세 정보(300) 및 상기 인터랙션 정보에 기반하여 사용자의 심리정보에 상응하는 개인화 데이터를 생성할 수 있다.

이 때, 상기 운세 정보(300)는 사주팔자, 신년운세, 점, 궁합, 별자리 운세 등 모든 운세에 관한 정보를 포함할 수 있고, 따라서, 상기 사용자의 개인정보는 사용자의 생년월일, 양력음력여부, 이름, 성별, 태어난 시간 등 사주팔자, 신년운세, 점, 궁합 및 별자리운세 등 운세를 볼 수 있는 모든 정보를 포함할 수 있다. 따라서, 개인화 데이터 생성 서버(110)는 상기 사용자의 개인정보를 입력으로 운세 정보(300)를 생성할 수 있는 운세 정보 생성 모듈을 포함할 수 있으며, 사용자 단말(120)의 사용자의 개인정보를 수신받아, 이를 입력으로 상기 사용자의 운세 정보(300)를 출력할 수 있다. 또한, 이를 사용자 단말(120)로 송신할 수 있는 통신 모듈을 포함할 수 있다.

이 때, 개인화 데이터 생성 서버(110)는, 상기 운세 정보(300)를 단락별로 적어도 하나 이상의 영역으로 구분하고, 상기 영역에 대한 고유값(401)을 초기화하며, 상기 입력신호를 기반으로 상기 고유값(401)에 가중치를 부여하고, 상기 영역별로 적어도 하나 이상의 심리/감정키워드(403)를 추출하며, 상기 영역의 고유값(401)을 상기 심리/감정키워드(403)에 상속하고, 모든 영역에 대한 심리/감정키워드(403)를 중첩 제거 후 병합하고, 상기 고유값(401)이 높은 상위 3개의 상위 심리/감정키워드(405)를 추출하고, 상기 사용자의 개인정보 및 상기 상위 심리/감정키워드(405)를 기반으로 상기 사용자의 심리정보에 상응하는 상기 개인화 데이터를 생성할 수 있다.

보다 상세하게 살펴보면, 개인화 데이터 생성 서버(110)는 먼저 상기 운세 정보(300)를 동일하거나 유사한 심리/감정키워드(403)를 포함하고 있는 단락별로 적어도 하나 이상의 영역으로 구분할 수 있다. 이 때, 상기 단락은 문단, 문장 또는 하나 이상 연결된 단어일 수도 있다.

또한, 개인화 데이터 생성 서버(110)는 상기 영역에 대한 고유값(401)을 초기화하며, 상기 입력신호를 기반으로 상기 고유값(401)에 가중치를 부여할 수 있는데, 상기 입력신호는 상술한 바와 같이 직접 입력신호 및 간접 입력신호를 포함할 수 있고, 상기 직접 입력신호에 대한 가중치는 +2로 상기 간접 입력신호에 대한 가중치는 +1로 설정되어, 상기 고유값(401)에 부여될 수 있다(즉, 상기 직접 입력신호에 대한 제1 가중치와 상기 간접 입력신호에 대한 제2 가중치가 각각 상기 고유값(401)에 부여될 수 있다). 이는 사용자가 직접 입력한 신호가 가장 정확하기 때문에 보다 높은 가중치를 부여하는 것이다. 이 때, 고유값(401)에 부여된 가중치가 가지는 의미는 사용자가 생각하는 공감도 또는 중요도일 수 있다. 또한 상기 '직접 입력신호'는 사용자 단말(120)의 입력모듈을 통하여, 사용자가 직접 상기 운세 정보(300)에 밑줄, 강조 표시, 체크 등으로 입력한 신호일 수 있고, 상기 '간접 입력신호'는 후술하는 바와 같이 사용자의 화면 내 체류시간, 화면 확대 행위, 슬라이드 속도 및 사용자 제스처 등을 통하여 사용자의 관심여부를 판단한 정보일 수 있다.

또한, 개인화 데이터 생성 서버(110)는 상기 영역별로 적어도 하나 이상의 심리/감정키워드(403)를 추출할 수 있는 인공지능 모듈을 포함할 수 있으며, 상기 인공지능 모듈을 통하여, 상기 영역을 입력으로 심리/감정키워드(403)를 출력할 수 있다.

이 때, 개인화 데이터 생성 서버(110)는 상기 심리/감정키워드(403)에 해당하는 영역의 고유값(401)을 상속할 수 있다. 심리/감정키워드(403)에 직접 고유값(401)과 가중치를 부여할 수도 있으나, 사용자의 인터랙션 정보를 키워드 별로 추출하는 것은 효율적이지 못하기 때문에 상기 영역에 대한 사용자의 공감도 또는 중요도를 상기 심리/감정키워드(403)에 상속시키는 것이다.

이 때, 개인화 데이터 생성 서버(110)는 모든 영역에 대한 상기 심리/감정키워드(403)를 중첩 제거 후 병합할 수 있는데, 동일한 의미를 가지는 키워드는 하나만 남기고 제거하고, 유사한 의미를 갖는 키워드는 더 넓은 의미를 갖는 키워드를 우선적으로 남기고, 나머지를 제거할 수 있다.

이 때, 제거되는 심리/감정키워드(403)의 고유값(401)은 제거되지 않은 키워드에 흡수될 수 있다. 예를 들어 모든 영역에서 추출된 심리/감정키워드(403)(고유값)가 '불안(1), 불안(2), 피곤(1), 확고함(2), 자신감(1), 소심(1)'인 경우에 동일한 의미를 가진 '불안(1)'과 '불안(2)'은 하나만 남기고 제거하되, 고유값(401)을 하나로 합쳐 '불안(3)'으로 병합시킬 수 있고, 유사한 의미를 가진 '확고함(2)'과 '자신감(1)'은 보다 넓은 의미를 갖는 키워드를 우선적으로 남기고 고유값(401)을 하나로 합쳐 '자신감(3)'으로 병합시킬 수 있다.

상술한 예시에서 '자신감(3)'과 '소심(1)'은 서로 대립되는 의미를 가지고 있는데, 이 경우에 개인화 데이터 생성 서버(110)는 대립되는 의미를 갖는 심리/감정키워드(403) 중 고유값(401)이 높은 심리/감정키워드(403)만 남기고 나머지를 제거할 수 있고, 이 때는 서로 대립되는 의미를 가지고 있어, 고유값(401)을 합치지 않을 수 있다. 이는 대립되는 의미를 갖는 심리/감정키워드(403)가 동시에 존재하는 경우, 사용자에게 맞춤형 서비스 또는 콘텐츠를 추천할 때 모순이 발생할 우려가 있기 때문이다. 따라서, 상기 예를 들면, '자신감(3)'만을 남기고 '소심(1)'을 제거할 수 있다.

이 때, 개인화 데이터 생성 서버(110)는 병합이 완료된 상기 심리/감정키워드(403) 중 고유값(401)이 높은 상위 3개를 상위 심리/감정키워드(405)로 추출할 수 있다. 이는 모든 심리/감정키워드(403)를 대상으로 상기 개인화 데이터를 생성하는 경우, 사용자에게 가장 적합한 서비스 또는 콘텐츠를 추천하기 어려울 수 있어 사용자의 공감도 또는 중요도를 의미하는 고유값(401)이 높은 상위 3개만을 상위 심리/감정키워드(405)로 추출하는 것이다.

또한, 개인화 데이터 생성 서버(110)는 상기 심리/감정키워드(403)를 입력으로 성격에 관한 키워드와 현재 상태에 관한 키워드를 구분하여 출력하는 인공지능 모듈을 포함하고, 상기 성격에 관한 키워드와 상기 현재 상태에 관한 키워드를 구분하여 상기 개인화 데이터를 생성할 수 있다. 예를 들면, 추출된 상기 심리/감정키워드(403)가 '성급함, 대범함, 불안, 걱정'인 경우, '성급함'과 '대범함'은 성격에 관한 키워드로 구분하고, '불안'과 '걱정'은 현재 상태에 관한 키워드로 구분할 수 있다.

이 때, 상기 개인화 데이터는 영구저장데이터와 임시저장데이터를 포함할 수 있고, 상기 성격에 관한 키워드는 영구저장데이터에 보관하고, 상기 현재 상태에 관한 키워드는 임시저장데이터에 보관할 수 있다. 이는 사용자에게 맞춤형 서비스 또는 콘텐츠를 추천할 때, 성격에 관한 부분은 지속적으로 고려할 수 있지만, 현재 상태에 관한 부분은 서비스 또는 콘텐츠를 추천할 당시를 기준으로 변동될 수 있기 때문이다. 따라서, 현재 상태에 관한 키워드는 상기 임시저장데이터에 보관될 때, 유효기간을 설정할 수 있으며, 바람직하게는 3일 내지 7일로 설정할 수 있다.

또한, 개인화 데이터 생성 서버(110)는 고유값(401)이 높은 상위 3개의 심리/감정키워드(403)를 추출하는데, 성격에 관한 키워드와 현재 상태에 관한 키워드를 구분하는 경우, 성격에 관한 키워드와 현재 상태에 관한 키워드를 구분하여 고유값(401)을 비교하고, 각각 고유값(401)이 높은 3개의 키워드를 추출하는 것이 바람직하다.

그리고, 개인화 데이터 생성 서버(110)는 상기 사용자의 개인정보 및 상기 상위 심리/감정키워드(405)를 기반으로 상기 사용자의 심리정보에 상응하는 상기 개인화 데이터를 생성할 수 있다. 이 때, 상기 사용자의 개인정보는 상술한 바와 같이 운세를 보기 위한 모든 정보일 수 있고, 맞춤형 서비스 또는 콘텐츠를 추천하기 위한 필수적인 개인정보만을 포함할 수도 있다. 예를 들면, 정확한 나이가 연령대와 성별, 직업군 등을 포함할 수 있다.

이 때, 본 발명의 일 실시예에 따른 개인화 데이터 생성 서버(110)에 포함되는 인공지능 모듈은 상기 영역을 입력으로 심리/감정키워드(403)를 출력하는 제1 기계학습 모델을 생성할 수 있고, 상기 심리/감정키워드(403)를 입력으로 성격에 관한 키워드와 현재 상태에 관한 키워드를 구분하여 출력하는 제2 기계학습 모델을 생성할 수 있다.

또한, 인공지능 모듈은 개인화 데이터 생성 서버(110)의 저장 모듈(250)에 저장된 빅데이터를 입력변수로 하여 인공지능망을 학습시키는데, 구체적으로는 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용하여 정확한 상관 관계가 도출될 수 있도록 학습을 수행할 수 있다.

또한 인공지능 모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.

여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥 러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.

도 2는 본 발명의 일 실시예에 따른 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템(100)의 블록도이다.

도 2를 참조하면, 개인화 데이터 생성 서버(110)는 제1 제어 모듈(210), 제1 통신 모듈(220), 제1 입력 모듈(230), 제1 출력 모듈(240), 및/또는 저장 모듈(250)을 포함할 수 있으며, 개인화 데이터 생성 서버(110)는 본 발명의 운세 정보 콘텐츠를 기반으로 개인화 데이터를 생성하고 수집하는 웹사이트(및/또는 모바일앱)를 운용하는 서버일 수 있다. 또한, 사용자 단말(120)은 제2 제어 모듈(260), 제2 통신 모듈(270), 제2 입력 모듈(280), 및/또는 제2 출력 모듈(290)을 포함할 수 있다.

제어 모듈(210, 260)은 본 발명의 일 실시예에 따른 동작/단계/과정을 구현할 수 있도록 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120)을 직/간접적으로 제어할 수 있다. 또한 제어 모듈(210, 260)은 적어도 하나의 프로세서를 포함할 수 있으며, 프로세서는 적어도 하나의 중앙 처리 유닛(CPU) 및/또는 적어도 하나의 그래픽 처리 디바이스(GPU)를 포함할 수 있다.

또한 제어 모듈(210, 260)은 API(Application Programming Interface), IoT(Internet of Things), IIoT(Industrial Internet of Things), ICT(Information & Communication Technology) 기술에 기반하여 제어 정보(예; 명령어) 등을 생성하거나 및/또는 관리할 수 있다.

통신 모듈(220, 270)은 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120) 등과 각종 데이터, 신호, 정보를 송수신할 수 있다. 또한, 통신 모듈(220, 270)은 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 또한, 통신 모듈(220, 270)은 제1 네트워크(예: 블루투스, WiFi direct 또는 IrDA(Infrared Data Association) 같은 근거리 통신 네트워크) 또는 제2 네트워크(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다.

입력 모듈(230, 280)은 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120)의 구성요소(예: 제어 모듈(210) 등)에 사용될 명령 또는 데이터를 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120)의 외부(예: 사용자(예; 제1 사용자, 제2 사용자 등), 개인화 데이터 생성 서버(110)의 관리자 등)로부터 수신할 수 있다. 또한, 입력 모듈(230, 280)은 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120)에 설치된 터치인식가능 디스플레이, 터치패드, 버튼형 인식 모듈, 음성인식센서, 마이크, 마우스, 또는 키보드 등을 포함할 수 있다. 여기서 터치인식가능 디스플레이, 터치패드, 버튼형 인식 모듈은 감압식 및/또는 정전식 방식을 통하여 사용자의 신체(예; 손가락)를 통한 터치를 인식할 수 있다.

출력 모듈(240, 290)은 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120)의 제어 모듈(210, 260)에 의해 생성되거나 통신 모듈(220, 270)을 통하여 획득된 신호(예; 음성 신호), 정보, 데이터, 이미지, 및/또는 각종 객체(object) 등을 표시하는 모듈이다. 예를 들면, 출력 모듈(240, 290)은 디스플레이, 스크린, 표시부(displaying unit), 스피커 및/또는 발광장치(예; LED 램프) 등을 포함할 수 있다.

저장 모듈(250)은 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120)의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 저장한다. 또한, 저장 모듈(250)은 플래시 메모리 타입(Flash Memory Type), 하드 디스크 타입(Hard Disk Type), 멀티미디어 카드 마이크로 타입(Multimedia Card Micro Type), 카드 타입의 메모리(예를 들면, SD 또는 XD 메모리 등), 자기 메모리, 자기 디스크, 광디스크, 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), PROM(Programmable Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory) 중 적어도 하나의 저장매체를 포함할 수 있다.

또한, 저장 모듈(250)은 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120)을 사용하는 고객(제1 사용자)의 개인정보, 관리자(제2 사용자)의 개인정보 등을 저장할 수 있다. 여기서 개인정보는 이름, 아이디(ID; identifier), 패스워드, 도로명 주소, 전화 번호, 휴대폰 번호, 이메일 주소, 및/또는 개인화 데이터 생성 서버(110)에 의해 생성되는 리워드(reward)(예; 포인트 등)를 나타내는 정보 등을 포함할 수 있다. 또한, 제어 모듈(210, 260)은 상기 저장 모듈(250)에 저장된 각종 이미지, 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행할 수 있다.

도 3은 본 발명의 일 실시예에 따라 사용자 단말(120)에서 운세 정보에 직접 입력신호가 입력되는 실시예를 나타내는 도면이다.

상술한 바와 같이, 상기 운세 정보(300)는 사용자 단말(120)에 출력되고, 사용자는 상기 운세 정보(300)를 읽으면서 그에 대한 인터랙션 또는 피드백을 취하는데, 사용자 단말(120)은 상기 사용자의 인터랙션 또는 피드백을 인식하여, 이에 상응하는 인터랙션 정보를 생성할 수 있다. 또한, 상기 인터랙션 정보는 사용자 단말(120)에 출력되는 상기 운세 정보(300)에 대응하는 사용자의 입력신호를 기반으로 생성될 수 있으며, 상기 입력신호는 직접 입력신호 및 간접 입력신호를 포함할 수 있으며, 이하에서는 도 3을 참조하여 직접 입력신호에 대하여 설명한다.

도 3을 참조하여 예를 들면, 본 발명의 일 실시예에 따른 사용자 단말(120)에는 운세 정보(300)가 출력되고, 사용자는 상기 운세 정보(300)를 읽을 수 있다. 이 때, 사용자는 자신의 운세 정보(300)를 읽으면서, 공감되거나 중요하다고 생각되는 부분에 대하여 공감 표시(311) 또는 메모(313) 등을 할 수 있으며, 사용자 단말(120)은 상기 사용자의 공감 표시(311) 또는 메모(313)를 기반으로 인터랙션 정보를 생성할 수 있다.

이 때, 사용자의 공감 표시(311) 또는 메모(313)는 상술한 바와 같이 해당 영역의 부여되는 가중치를 정하는 기준이 될 수 있다. 상술한 예시에서는 직접 입력신호와 간접 입력신호로만 구분하여, 직접 입력신호는 +2의 가중치(즉, 제1 가중치)를 간접 입력신호는 +1의 가중치(즉, 제2 가중치)를 부여하는 것으로 설정하였으나, 직접 입력신호를 공감 표시(311)와 메모(313)로 구분하여 공감 표시(311)는 +2.5, 메모(313)는 +1.5의 가중치를 부여하는 것으로 설정할 수도 있다.

도 4는 본 발명의 일 실시예에 따라 사용자 단말(120)에서 운세 정보(300)에 간접 입력신호가 입력되는 실시예를 나타내는 도면이다.

상술한 바와 같이, 상기 운세 정보(300)는 사용자 단말(120)에 출력되고, 사용자는 상기 운세 정보(300)를 읽으면서 그에 대한 인터랙션 또는 피드백을 취하는데, 사용자 단말(120)은 상기 사용자의 인터랙션 또는 피드백을 인식하여, 이에 상응하는 인터랙션 정보를 생성할 수 있다. 또한, 상기 인터랙션 정보는 사용자 단말(120)에 출력되는 상기 운세 정보(300)에 대응하는 사용자의 입력신호를 기반으로 생성될 수 있으며, 상기 입력신호는 직접 입력신호 및 간접 입력신호를 포함할 수 있으며, 이하에서는 도 4를 참조하여 간접 입력신호에 대하여 설명한다.

도 4를 참조하여 예를 들면, 본 발명의 일 실시예에 따른 사용자 단말(120)에는 운세 정보(300)가 출력되고, 사용자는 상기 운세 정보(300)를 읽을 수 있다. 이 때, 사용자는 상기 운세 정보(300)가 표시된 화면을 스크롤하면서 읽게 되는데, 특히 관심있는 부분에 대해서는 화면 내 체류시간이 길어지거나, 확대하는 행위 등 이에 상응하는 행위(325)를 할 수 있고, 사용자 단말(120)은 이를 간접 입력신호로 추출하여 상기 인터랙션 정보를 생성할 수 있다.

상술한 실시예에서는 직접 입력신호와 간접 입력신호로만 구분하여 직접 입력 신호는 +2의 가중치를 간접 입력신호는 +1의 가중치를 부여하는 것으로 설정하였으나, 간접 입력신호는 화면 내 체류시간, 화면 확대 행위, 슬라이드 속도 및 사용자 제스처를 포함할 수 있으며, 이에 따라, 각 간접 입력신호마다 별도의 가중치를 부여할 수도 있다.

이 때, 화면 내 체류시간은 사용자 단말(120)에 출력되는 운세 정보(300)에서 사용자가 특정 영역을 보고 있는 시간에 관한 정보로써, 사용자가 공감하고 중요하게 읽고 있다는 반증이 될 수 있어 중요한 요소로 사용될 수 있다.

이 때, 화면 내 체류시간을 측정하기 위하여, 상기 운세 정보(300)가 출력되는 화면을 사용자가 집중해서 보고 있는 집중 화면(321)과 그 외의 비집중 화면(323)으로 구분할 수 있고, 사용자가 상기 화면을 보고 있는 경우, 상기 집중 화면(321)에 포함된 영역의 체류시간이 증가하고, 상기 비집중 화면(323)에 포함된 영역의 체류시간은 증가하지 않을 수 있다.

이 때, 일 실시예에서는 각 영역의 화면 내 체류시간을 모두 추출하고, 화면 내 체류시간이 가장 긴 영역에만 가중치를 부여하도록 설정할 수 있다.

또한, 상기 화면 내 체류시간은 상기 수학식 1에 의하여 산출될 수 있으며, 상기 화면 내 체류시간은 바로 가중치가 될 수 있다. 이때, 상기 RT(Residence Time)는 상기 화면 내 체류시간을 의미하고, 상기 ART(Area Residence Time)는 상기 영역별 체류시간을 의미하며, 상기 AT(Average Time)는 영역별 평균 체류시간을 의미한다.

이 때, 상기 AT는 아래의 수학식 2에 의하여 산출될 수 있다.

이 때, TT(Total Time)은 상기 운세 정보(300) 전체를 읽은 총 시간을 의미하고, 상기 AN(Area Number)은 영역의 총 수를 의미할 수 있다.

상기 수학식 1과 상기 수학식 2를 적용하여 상기 화면 내 체류시간을 산출하는 예를 들어 보면, 상기 운세 정보(300) 전체를 읽은 총 시간 TT가 5분이고, 상기 AN이 5인 경우, 상기 AT는 1이 될 수 있다. 그리고, 각 영역 A_1에 대한 체류시간(ART1)이 3분, A_2에 대한 체류시간(ART2)이 30초(0.5분), A_3에 대한 체류시간(ART3)이 1분, A_4에 대한 체류시간(ART4)이 30초(0.5분), A_5에 대한 체류시간(ART5)이 0초(0분)인 경우에, 각 영역별 화면 내 체류시간(RT)은 A_1 영역은 2, A_2 영역은 -0.5, A_3 영역은 0, A_4 영역은 -0.5, A_5 영역은 -1일수 있다. 또한, 이 때의 상기 화면 내 체류시간은 바로 가중치가 될 수 있다.

또한, 상기 특정 영역에 대한 화면 확대 행위도 사용자가 공감하고 중요하게 읽고 있다는 반증이 될 수 있어, 확대 행위에 대하여 별도의 가중치를 부가할 수 있다.

또한, 상기 운세 정보(300)를 스크롤하는 슬라이드 속도가 빠를 경우 사용자의 공감도가 다소 낮은 것으로 판단할 수 있고, 느릴 경우 정독을 하고 있는 것으로 사용자의 공감도가 높은 것으로 판단할 수 있어, 이에 기반하여 별도의 가중치를 부가할 수도 있다.

도 5는 본 발명의 일 실시예에 따라 개인화 데이터 생성 서버(110)에서 개인화 데이터를 생성하는 과정을 나타내는 도면이다.

상술한 바와 같이 본 발명의 일 실시예에 따른 개인화 데이터 생성 서버(110)는 상기 운세 정보(300)를 단락별로 적어도 하나 이상의 영역으로 구분하고, 상기 영역에 대한 고유값(401)을 초기화하며, 상기 입력신호를 기반으로 상기 고유값(401)에 가중치를 부여하고, 상기 영역별로 적어도 하나 이상의 심리/감정키워드(403)를 추출하며, 상기 영역의 고유값(401)을 상기 심리/감정키워드(403)에 상속하고, 모든 영역에 대한 심리/감정키워드(403)를 중첩 제거 후 병합하고, 상기 고유값(401)이 높은 상위 3개의 상위 심리/감정키워드(405)를 추출하고, 상기 사용자의 개인정보 및 상기 상위 심리/감정키워드(405)를 기반으로 상기 사용자의 심리정보에 상응하는 상기 개인화 데이터를 생성할 수 있다.

또한, 개인화 데이터 생성 서버(110)는, 상기 심리/감정키워드(403)를 입력으로 성격에 관한 키워드와 현재 상태에 관한 키워드를 구분하여 출력하는 인공지능 모듈을 포함하고, 상기 성격에 관한 키워드와 상기 현재 상태에 관한 키워드를 구분하여 상기 개인화 데이터를 생성할 수 있다.

이와 관련하여, 상세한 내용은 도 1을 참조하여 이미 설명하였으므로 생략하고, 이하 도 5를 참조하여, 실시예를 설명하도록 한다. 이하에서는 상기 인터랙션 정보는 사용자의 입력신호를 기반으로 생성되되, 상기 입력신호는 사용자의 직접 입력신호와 간접 입력신호를 포함하고, 가중치는 직접 입력신호와 간접 입력신호만을 구분하여, 직접 입력신호는 +2, 간접 입력신호는 +1을 부여하는 것으로 가정하고 설명한다.

도 5를 참조하면, 개인화 데이터 생성 서버(110)는, 상기 운세 정보(300)를 단락별로 구분하여 A_1 내지 A_6의 영역으로 구분할 수 있고, 사용자의 직접 입력신호와 간접 입력신호에 기반하여 가중치를 부여하고 영역별로 고유값(401)을 설정할 수 있다.

도 5에서 A_1영역은 사용자의 공감표시 즉, 직접 입력신호와 화면 내 체류시간이 가장 큰 영역으로써, 간접 입력신호에 상응하는 인터랙션 정보가 있어, 직접 입력신호에 대한 가중치 +2와 간접 입력신호에 대한 가중치 +1이 부여되어 고유값(401)이 3으로 설정될 수 있다.

또한, A_2영역은 사용자의 공감표시와 메모(313)에 상응하는 인터랙션 정보가 있어, 직접 입력신호에 대한 가중치 +6(공감표시 2건, 메모(313) 1건)이 부여되어 고유값(401)이 6으로 설정될 수 있다. 나머지 A_3 내지 A_6 영역도 마찬가지 방식으로 고유값(401)이 설정될 수 있다.

각 영역에 대한 고유값(401)이 설정되고 나면, 개인화 데이터 생성 서버(110)는 각 영역에서 심리/감정키워드(403)를 추출할 수 있다. 이 때, 상술한 바와 같이 인공지능 모듈을 사용하여 추출할 수 있다. 도 5의 실시예를 살펴보면, A_1 영역에서는 '꿈, 야망 큼'이라는 심리/감정키워드(403)가 추출되었고, A_2영역에서는 '책임, 신경 예민, 세심'이라는 심리/감정키워드(403)가 추출되었다. 이 때, 상술한 바와 같이 각 심리/감정키워드(403)는 해당하는 영역의 고유값(401)을 상속받을 수 있다. 따라서, '꿈, 야망 큼'이라는 심리/감정키워드(403)는 3의 고유값(401)을 상속받을 수 있고, '책임, 신경 예민, 세심'이라는 심리/감정키워드(403)는 6의 고유값(401)을 상속받을 수 있다.

그리고, 본 발명의 일 실시예에 따른 개인화 데이터 생성 서버(110)는 심리/감정키워드(403)의 고유값(401)을 비교하여, 고유값(401)이 높은 상위 3개의 상위 심리/감정키워드(405)를 추출할 수 있다. 이는 상술한 바와 같이 모든 심리/감정키워드(403)를 대상으로 상기 개인화 데이터를 생성하는 경우, 사용자에게 가장 적합한 서비스 또는 콘텐츠를 추천하기 어려울 수 있어 사용자의 공감도 또는 중요도를 의미하는 고유값(401)이 높은 상위 3개만을 상위 심리/감정키워드(405)로 추출하는 것이다. 이와 관련하여 도 5를 참조하여 설명하면, A_2영역(고유값:6), A_4영역(고유값:4) 및 A_1영역(고유값:3) 순으로 고유값(401)이 높으며, 이에 따라 A_2영역, A_4영역 및 A_1영역에 해당하는 심리/감정키워드(403)가 상위 심리/감정키워드(405)가 될 수 있다.

도 5에서는 과정을 설명하기 위하여 중첩 제거 및 합병하는 과정이 생략한 것으로써, 상술한 중첩 제거 및 합병 과정과 모순되는 것이 아니다.

도 6은 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법의 흐름도이다.

도 6을 참조하면, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 먼저 상기 운세 정보(300)를 하나 이상의 영역으로 구분할 수 있다(S610).

또한, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 상기 영역에 대한 고유값(401)을 초기화할 수 있다(S620).

또한, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 상기 영역별 심리/감정키워드(403)를 추출할 수 있다(S630).

또한, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 상기 영역의 고유값(401)을 해당 심리/감정키워드(403)에 상속할 수 있다(S640).

또한, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 모든 영역의 상기 심리/감정키워드(403)를 중첩 제거 후 병합할 수 있다(S650).

또한, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 상기 고유값(401)이 높은 상위 3개의 상위 심리/감정키워드(405)를 추출할 수 있다(S660).

또한, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 상기 사용자의 개인정보 및 상기 상위 심리/감정키워드(405)를 기반으로 개인화 데이터를 생성할 수 있다(S670).

이 때, 본 발명의 일 실시예에 따른 개인화 데이터 생성 방법은 상술한 운세 정보(300)를 기반으로 하는 개인화 데이터 수집 시스템(100)과 실질적으로 동일하게 동작할 수 있으며, 개인화 데이터 수집 시스템(100)의 구성을 모두 포함하여 실시될 수 있음은 자명하다.

본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다. 예컨대, 본 발명의 모든 실시예는 일부분들이 서로 조합되어 시스템(100), 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120) 등에 의해 구현될 수 있다.

또한, 본 발명에 따른 시스템(100), 개인화 데이터 생성 서버(110) 및/또는 사용자 단말(120) 등을 제어하는 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.

이와 같이, 본 발명의 다양한 실시예들은 특정 관점에서 컴퓨터 리드 가능 기록 매체(computer readable recording medium)에서 컴퓨터 리드 가능 코드(computer readable code)로서 구현될 수 있다. 컴퓨터 리드 가능 기록 매체는 컴퓨터 시스템에 의해 리드될 수 있는 데이터를 저장할 수 있는 임의의 데이터 저장 디바이스이다. 컴퓨터 리드 가능 기록 매체의 예들은 읽기 전용 메모리(read only memory: ROM)와, 랜덤-접속 메모리(random access memory: RAM)와, 컴팩트 디스크- 리드 온니 메모리(compact disk-read only memory: CD-ROM)들과, 마그네틱 테이프(magnetic tape)들과, 플로피 디스크(floppy disk)들과, 광 데이터 저장 디바이스들, 및 캐리어 웨이브(carrier wave)들(인터넷을 통한 데이터 송신 등)을 포함할 수 있다. 컴퓨터 리드 가능 기록 매체는 또한 네트워크 연결된 컴퓨터 시스템들을 통해 분산될 수 있고, 따라서 컴퓨터 리드 가능 코드는 분산 방식으로 저장 및 실행된다. 또한, 본 발명의 다양한 실시예들을 성취하기 위한 기능적 프로그램들, 코드, 및 코드 세그먼트(segment)들은 본 발명이 적용되는 분야에서 숙련된 프로그래머들에 의해 쉽게 해석될 수 있다.

또한 본 발명의 다양한 실시예들에 따른 장치 및 방법은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현 가능하다는 것을 알 수 있을 것이다. 이러한 소프트웨어는 예를 들어, 삭제 가능 또는 재기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 콤팩트 디스크(compact disk: CD), DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 본 발명의 다양한 실시예들에 따른 방법은 제어부(제어 모듈(210, 260)) 및 메모리를 포함하는 컴퓨터 또는 휴대 단말에 의해 구현될 수 있고, 이러한 메모리는 본 발명의 실시예들을 구현하는 명령들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다.

따라서, 본 발명은 본 명세서의 청구항에 기재된 장치 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 이러한 프로그램을 저장하는 기계(컴퓨터 등)로 읽을 수 있는 저장 매체를 포함한다. 또한, 이러한 프로그램은 유선 또는 무선 연결을 통해 전달되는 통신 신호와 같은 임의의 매체를 통해 전자적으로 이송될 수 있고, 본 발명은 이와 균등한 것을 적절하게 포함한다.

본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고, 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 발명에 따른 실시예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.

100 : 운세 정보를 기반으로 하는 개인화 데이터 수집 시스템
110 : 개인화 데이터 생성 서버
120 : 사용자 단말
300 : 운세 정보

Claims (5)

1. 개인화 데이터 생성 서버로부터 수신한 운세 정보에 기반하여, 인터랙션 정보를 생성하는 사용자 단말; 및
   사용자의 개인정보를 기반으로 상기 운세 정보를 생성하고, 상기 사용자 단말로부터 상기 인터랙션 정보를 수신하며, 상기 운세 정보 및 상기 인터랙션 정보에 기반하여 사용자의 심리정보에 상응하는 개인화 데이터를 생성하는 개인화 데이터 생성 서버; 를 포함하되,
   상기 인터랙션 정보는,
   상기 사용자 단말에 출력되는 상기 운세 정보에 대응하는 사용자의 입력신호을 기반으로 생성되고,
   상기 입력신호는,
   상기 운세 정보에 대한 사용자의 공감 표시 또는 메모 중 적어도 하나 이상에 상응하는 직접 입력신호; 및
   상기 운세 정보에 대한 사용자의 화면 내 체류시간, 화면 확대 행위, 슬라이드 속도 및 사용자 제스처 중 적어도 하나 이상에 상응하는 간접 입력신호; 를 포함하고,
   상기 개인화 데이터 생성 서버는,
   상기 운세 정보를 단락별로 적어도 하나 이상의 영역으로 구분하고, 개별 영역에 대한 고유값을 초기화하고, 상기 입력신호를 기반으로 상기 고유값에 가중치를 부여하되, 상기 입력신호가 상기 직접 입력신호인 경우 제1 가중치를 부여하고, 상기 간접 입력신호인 경우 상기 제1 가중치보다 낮은 제2 가중치를 부여하고, 개별 영역별로 적어도 하나 이상의 심리/감정키워드를 추출하고, 개별 영역의 고유값을 상기 심리/감정키워드에 상속하고, 모든 영역에 대한 심리/감정키워드를 중첩 제거 후 병합하고, 상기 고유값이 높은 상위 3개의 상위 심리/감정키워드를 추출하고, 상기 사용자의 개인정보 및 상기 상위 심리/감정키워드를 기반으로 상기 사용자의 심리정보에 상응하는 상기 개인화 데이터를 생성하되,
   인공지능 모듈을 통하여 상기 심리/감정키워드를 성격에 관한 키워드와 현재 상태에 관한 키워드를 구분하여 추출하고, 상기 성격에 관한 키워드와 상기 현재 상태에 관한 키워드를 구분하여 상기 개인화 데이터를 생성하고,
   상기 개인화 데이터를 영구저장데이터 및 기설정된 기간 후 삭제되는 임시저장데이터로 구분하여 저장하되, 상기 성격에 관한 키워드는 상기 영구저장데이터로 저장하고, 상기 현재 상태에 관한 키워드는 상기 임시저장데이터로 저장하고,
   상기 화면 내 체류시간은 아래 수학식에 의하여 산출되되,
   

   

   
   상기 RT_n은 상기 적어도 하나 이상의 영역 중 n번째 영역에 대한 상기 화면 내 체류시간이고, 상기 ART_n은 상기 적어도 하나 이상의 영역 중 n번째 영역에 대한 영역별 체류시간이고, AT는 영역별 평균 체류시간이고,
   상기 AT는 아래 수학식에 의하여 산출되되,
   

   

   
   상기 TT는 상기 운세 정보 전체를 읽은 총 시간이고, 상기 AN은 상기 영역의 총 수인 것을 특징으로 하는 운세 정보 콘텐츠를 기반으로 하는 개인화 데이터 수집 시스템.
2. 삭제
3. 삭제
4. 삭제
5. 삭제

Images