KR102197098B1 - 콘텐츠 추천 방법 및 장치 - Google Patents

콘텐츠 추천 방법 및 장치 Download PDF

Info

Publication number
KR102197098B1
KR102197098B1 KR1020140014184A KR20140014184A KR102197098B1 KR 102197098 B1 KR102197098 B1 KR 102197098B1 KR 1020140014184 A KR1020140014184 A KR 1020140014184A KR 20140014184 A KR20140014184 A KR 20140014184A KR 102197098 B1 KR102197098 B1 KR 102197098B1
Authority
KR
South Korea
Prior art keywords
user
content
determining
user model
preferred content
Prior art date
Application number
KR1020140014184A
Other languages
English (en)
Other versions
KR20150093425A (ko
Inventor
이창교
유병인
한승주
한재준
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020140014184A priority Critical patent/KR102197098B1/ko
Priority to PCT/KR2014/003915 priority patent/WO2015119335A1/ko
Priority to US15/111,943 priority patent/US10524004B2/en
Publication of KR20150093425A publication Critical patent/KR20150093425A/ko
Application granted granted Critical
Publication of KR102197098B1 publication Critical patent/KR102197098B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—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
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25875—Management of end-user data involving end-user authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—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
    • H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
    • H04N21/4415—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card using biometric characteristics of the user, e.g. by voice recognition or fingerprint scanning
    • 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
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2354/00—Aspects of interface with display user

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Social Psychology (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

사용자에게 콘텐츠를 추천하는 콘텐츠 추천 방법 및 장치가 개시된다. 일실시예에 따르면, 콘텐츠 추천 장치는 영상 데이터, 오디오 데이터 등으로부터 사용자 특징을 추출하고, 사용자 특징별로 미리 결정된 사용자 모델로 인식되는 정도를 나타내는 인식률을 결정할 수 있다. 콘텐츠 추천 장치는 결정된 인식률에 기초하여 사용자에게 제공할 추천 콘텐츠를 결정할 수 있다.

Description

콘텐츠 추천 방법 및 장치{METHOD AND APPARATUS FOR RECOMMENDING CONTENT}
아래의 설명은 사용자에게 콘텐츠를 추천하는 기술에 관한 것이다.
일반적으로 콘텐츠 검색 및 추천은 콘텐츠에 대한 메타데이터에 기초하여 수행될 수 있다. 사용자는 인터넷이나 콘텐츠 제공 플랫폼에서 제공하는 검색 엔진에 검색하고자 하는 콘텐츠의 명칭, 종류 등과 같은 콘텐츠 관련 검색 정보를 입력하여 콘텐츠 추천을 요청한다.
최근에는, 사용자를 자동으로 인식하고, 인식된 사용자가 선호할 만한 콘텐츠를 제공하는 기술이 등장하고 있다. 예를 들어, 미리 사용자 얼굴마다 ID를 설정하고, 카메라를 통해 촬영된 사용자 얼굴에 기초하여 현재 사용자가 어느 ID에 해당하는지를 결정한 후, 결정된 ID의 선호 콘텐츠를 제공하는 기술이 있다.
일실시예에 따른 콘텐츠 추천 방법은, 영상 데이터 및 오디오 데이터 중 적어도 하나로부터 사용자의 사용자 특징을 추출하는 단계; 상기 사용자 특징별로 미리 결정된 사용자 모델로 인식되는 정도를 나타내는 인식률을 결정하는 단계; 및 상기 인식률에 기초하여 상기 사용자에게 제공할 추천 콘텐츠를 결정하는 단계를 포함할 수 있다.
일실시예에 따른 콘텐츠 추천 방법에 있어서, 상기 추천 콘텐츠를 결정하는 단계는, 미리 결정된 제1 임계값, 상기 제1 임계값보다 큰 제2 임계값, 및 상기 사용자 특징별로 결정된 인식률에 기초하여 상기 사용자에 대응하는 사용자 모델을 결정하는 단계; 및 상기 결정된 사용자 모델의 선호 콘텐츠를 상기 사용자에게 제공할 추천 콘텐츠로 결정하는 단계를 포함할 수 있다.
일실시예에 따른 콘텐츠 추천 방법에 있어서, 상기 추천 콘텐츠를 결정하는 단계는, 사용자 특징별로 결정된 인식률이 미리 결정된 제1 임계값과 상기 제1 임계값보다 큰 제2 임계값 사이의 범위에 포함되는 사용자 모델들을 사용자 모델 그룹으로 결정하는 단계; 상기 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않고, 각각의 사용자 특징별로 결정된 사용자 모델 그룹이 서로 동일한 경우, 상기 사용자 모델 그룹에 포함된 사용자 모델들의 공통 선호 콘텐츠를 상기 사용자에게 제공할 추천 콘텐츠로 결정하는 단계를 포함할 수 있다.
다른 실시예에 따른 콘텐츠 추천 방법은, 카메라를 통해 획득된 영상 데이터에 기초하여 신규 사용자의 존재를 감지하는 단계; 신규 사용자의 존재가 감지된 경우, 상기 신규 사용자의 선호 콘텐츠를 결정하는 단계; 및 상기 결정된 선호 콘텐츠에 관한 정보를 제공하는 단계를 포함할 수 있다.
또 다른 실시예에 따른 콘텐츠 추천 방법은, 카메라를 통해 획득된 영상 데이터에 기초하여 기존 사용자의 이탈을 감지하는 단계; 기존 사용자의 이탈이 감지된 경우, 상기 기존 사용자를 제외한 나머지 사용자의 선호 콘텐츠를 결정하는 단계; 및 상기 결정된 선호 콘텐츠에 관한 정보를 제공하는 단계를 포함할 수 있다.
일실시예에 따른 콘텐츠 추천 장치는, 영상 데이터 및 오디오 데이터 중 적어도 하나로부터 사용자의 사용자 특징을 추출하는 사용자 특징 추출부; 상기 사용자 특징별로 미리 결정된 사용자 모델로 인식되는 정도를 나타내는 인식률을 결정하는 인식률 결정부; 및 상기 인식률에 기초하여 상기 사용자에게 제공할 추천 콘텐츠를 결정하는 추천 콘텐츠 결정부를 포함할 수 있다.
일실시예에 따른 콘텐츠 추천 장치는, 상기 추천 콘텐츠를 디스플레이하는 콘텐츠 디스플레이부를 더 포함할 수 있다.
도 1은 일실시예에 따른 콘텐츠 추천 장치의 구성을 도시한 도면이다.
도 2는 일실시예에 따른 사용자 특징별로 결정된 인식률의 일례를 도시한 도면이다.
도 3은 일실시예에 따른 사용자 모델 그룹을 구성하는 일례를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 사용자 모델 그룹의 공통 선호 콘텐츠를 결정하는 일례를 설명하기 위한 도면이다.
도 5 내지 도 6은 다른 실시예에 따른 추천 콘텐츠를 디스플레이하는 일례를 도시한 도면이다.
도 7은 일실시예에 따른 콘텐츠 추천 방법의 동작을 도시한 흐름도이다.
도 8은 다른 실시예에 따른 콘텐츠 추천 방법의 동작을 도시한 흐름도이다.
도 9는 또 다른 실시예에 따른 콘텐츠 추천 방법의 동작을 도시한 흐름도이다.
도 10a 내지 도 10b는 일실시예에 따른 신규 사용자의 유입 및 기존 사용자의 이탈을 설명하기 위한 도면이다.
도 11은 일실시예에 따른 선호 콘텐츠를 추천하는 과정을 설명하기 위한 도면이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 아래의 특정한 구조적 내지 기능적 설명들은 단지 발명의 실시예들을 설명하기 위한 목적으로 예시된 것으로, 발명의 범위가 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 안된다. 일실시예에 따른 콘텐츠 추천 방법은 콘텐츠 추천 장치에 의해 수행될 수 있다.
도 1은 일실시예에 따른 콘텐츠 추천 장치(100)의 구성을 도시한 도면이다.
콘텐츠 추천 장치(100)는 영상 데이터 또는 오디오 데이터를 이용하여 사용자를 인식하고, 사용자가 선호할 만한 콘텐츠를 결정할 수 있다. 콘텐츠 추천 장치(100)는 사용자가 자기의 ID를 직접 등록하지 않더라도 사용자를 자동으로 인식하고, 인식한 사용자에 제공할 추천 콘텐츠를 결정할 수 있다. 콘텐츠 추천 장치(100)는 사용자가 촬영된 영상 데이터 및 사용자의 음성 등이 포함된 오디오 데이터 중 적어도 하나로부터 사용자 특징을 추출하고, 추출된 사용자 특징별로 인식률을 결정한 다음, 인식률과 미리 설정된 임계값을 이용하여 사용자에게 제공할 추천 콘텐츠를 결정할 수 있다.
도 1을 참조하면, 콘텐츠 추천 장치(100)는 사용자 특징 추출부(110), 인식률 결정부(120), 추천 콘텐츠 결정부(130), 및 콘텐츠 디스플레이부(140)를 포함할 수 있다.
사용자 특징 추출부(110)는 영상 데이터 및 오디오 데이터 중 적어도 하나로부터 사용자의 사용자 특징을 추출할 수 있다. 예를 들어, 사용자 특징 추출부(110)는 사용자가 촬영된 영상 데이터로부터 사용자의 얼굴, 헤어 스타일, 키, 체형, 걸음걸이, 성별, 피부색, 사용자가 착용한 옷 등의 사용자 특징을 추출할 수 있다. 사용자 특징 추출부(110)는 오디오 데이터로부터 사용자의 음성, 발걸음 소리 등의 사용자 특징을 추출할 수 있다.
예를 들어, 사용자가 카메라의 촬영 영역에 진입하면, 사용자를 촬영한 영상 데이터가 콘텐츠 추천 장치(100)로 전송되고, 사용자 특징 추출부(110)는 수신한 영상 데이터로부터 각각의 사용자를 분리할 수 있다. 사용자 특징 추출부(110)는 영상 데이터에서 분리된 각각의 사용자들로부터 사용자 특징을 추출할 수 있다. 영상 데이터에 제1 사용자와 제2 사용자가 나타나 있다고 가정하면, 사용자 특징 추출부(110)는 제1 사용자와 제2 사용자를 분리하고, 제1 사용자의 사용자 특징과 제2 사용자의 사용자 특징을 독립적으로 추출할 수 있다.
사용자 특징 추출부(110)가 영상 데이터와 오디오 데이터를 모두 이용하는 경우, 사용자 특징 추출부(110)는 영상 데이터에 나타난 사용자의 동작 시점과 오디오 데이터에 포함된 오디오 발생 시점 간의 동기화를 통해 오디오 데이터에 포함된 사용자 특징이 영상 데이터에 나타난 사용자 중 누구의 것인지를 결정할 수 있다. 예를 들어, 특정 사용자의 음성이 오디오 데이터의 특정 시점에 포함되어 있는 경우, 사용자 특징 추출부(110)는 영상 데이터로부터 오디오 데이터의 특정 시점에 대응되는 시점에서 말을 하고 있는 사용자를 식별하고, 위 음성을 영상 데이터에서 식별된 사용자의 사용자 특징이라고 결정할 수 있다.
인식률 결정부(120)는 사용자 특징별로 미리 결정된 사용자 모델로 인식되는 정도를 나타내는 인식률을 결정할 수 있다. 예를 들어, 사용자 모델 A, 사용자 모델 B가 있고, 사용자 특징 추출부(110)가 영상 데이터에 나타난 사용자의 얼굴 및 피부색의 사용자 특징을 추출한 경우, 인식률 결정부(120)는 사용자의 얼굴과 관련하여, 사용자가 사용자 모델 A로 인식되는 정도와 사용자 모델 B로 인식되는 정도를 계산할 수 있다. 그리고, 인식률 결정부(120)는 사용자의 피부색과 관련하여, 사용자가 사용자 모델 A로 인식되는 정도와 사용자 모델 B로 인식되는 정도를 계산할 수 있다.
콘텐츠 추천 장치(100)는 미리 결정된 복수 개의 사용자 모델들에 관한 정보를 미리 저장하고 있고, 미리 저장된 사용자 모델들에 관한 정보에 기초하여 사용자에게 제공할 추천 콘텐츠를 결정할 수 있다. 예를 들어, 사용자 모델에 관한 정보는 각 사용자 모델이 선호하는 특정 콘텐츠, 콘텐츠의 장르, 콘텐츠에 관한 선호도 등의 정보를 포함할 수 있다. 사용자 모델에 관한 정보는 메타데이터의 형식으로 미리 저장될 수 있다.
예를 들어, 콘텐츠 추천 장치(100)가 가정에서 동작하는 경우, 각각의 가족 구성원에 대응되는 사용자 모델들이 설정될 수 있다. 사용자 모델은 콘텐츠 추천 장치(100)의 처음 동작 시에 사용자의 설정에 의해 생성되거나 또는 별도의 설정 과정 없이 무감독 학습(unsupervised learning)을 통해 생성될 수 있다. 사용자의 설정에 의해 사용자 모델들이 생성되고 난 이후에는, 콘텐츠 추천 장치(100)는 저장된 사용자 모델에 관한 정보를 이용할 수 있다. 무감독 학습을 이용하는 경우, 콘텐츠 추천 장치(100)는 새로운 사용자가 추가되더라도 별도의 설정 과정 없이 새로운 사용자에 대응하는 사용자 모델을 생성하고, 새로운 사용자에 대한 영상 데이터 또는 음성 데이터 기초하여 생성된 사용자 모델에 관한 정보를 업데이트할 수 있다. 그 후, 콘텐츠 추천 장치(100)는 미리 결정된 사용자 모델들에 기초하여 인식률을 결정할 수 있다.
추천 콘텐츠 결정부(130)는 사용자 특징별로 결정된 인식률에 기초하여 사용자에게 제공할 추천 콘텐츠를 결정할 수 있다. 추천 콘텐츠 결정부(130)는 미리 결정된 제1 임계값, 제1 임계값보다 큰 제2 임계값, 및 사용자 특징별로 결정된 인식률에 기초하여 사용자에 대응하는 사용자 모델을 결정할 수 있다. 제1 임계값과 제2 임계값은 사용자 특징에 관계없이 서로 동일하거나 또는 사용자 특징에 따라 다를 수 있다.
추천 콘텐츠 결정부(130)는 사용자 특징별로 결정된 인식률이 제1 임계값과 제2 임계값 사이의 범위에 포함되는 사용자 모델들을 사용자 모델 그룹으로 결정할 수 있다. 추천 콘텐츠 결정부(130)는 사용자 모델 그룹에 포함된 사용자 모델의 선호 콘텐츠에 기초하여 사용자에게 제공할 추천 콘텐츠를 결정할 수 있다.
예를 들어, 얼굴의 사용자 특징만이 이용되고, 얼굴과 관련하여 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않으며, 사용자 모델 A, 사용자 모델 B가 제1 임계값과 제2 임계값 사이의 범위에 포함되는 경우, 추천 콘텐츠 결정부(130)는 사용자 모델 A와 사용자 모델 B가 공통으로 선호하는 콘텐츠인 공통 선호 콘텐츠를 추천 콘텐츠로 결정할 수 있다. 사용자 모델 A와 사용자 모델 B의 공통 선호 콘텐츠가 존재하지 않는 경우, 추천 콘텐츠 결정부(130)는 사용자가 콘텐츠를 직접 선택하도록 사용자 모델 A와 사용자 모델 B의 선호 콘텐츠들을 디스플레이할 수 있다.
다른 예로, 복수 개의 사용자 특징들이 이용되더라도, 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않고, 각각의 사용자 특징별로 결정된 사용자 모델 그룹이 서로 동일한 경우, 추천 콘텐츠 결정부(130)는 사용자 모델 그룹에 포함된 사용자 모델들의 공통 선호 콘텐츠를 추천 콘텐츠로 결정할 수 있다. 사용자 모델 그룹에 포함된 사용자 모델들의 공통 선호 콘텐츠가 존재하지 않는 경우, 추천 콘텐츠 결정부(130)는 사용자 모델 그룹에 포함된 사용자 모델들의 선호 콘텐츠를 디스플레이할 수 있다.
또 다른 예로, 추천 콘텐츠 결정부(130)는 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않고, 각각의 사용자 특징별로 결정된 사용자 모델 그룹이 서로 동일한 경우, 사용자 모델 그룹에 포함된 사용자 모델들에 대한 선택 요청 메시지를 출력할 수 있다. 예를 들어, 추천 콘텐츠 결정부(130)는 사용자 모델들에 대한 선택 요청 메시지를 텍스트, 팝업 윈도우, 또는 음성을 통해 출력할 수 있다. 추천 콘텐츠 결정부(130)는 선택 요청 메시지에 대응하는 선택 응답 메시지에 기초하여 사용자에 대응하는 사용자 모델을 결정하고, 결정된 사용자 모델의 선호 콘텐츠를 사용자에게 제공할 추천 콘텐츠로 결정할 수 있다. 예를 들어, 추천 콘텐츠 결정부(130)는 선택 응답 메시지로부터 사용자가 선택한 사용자 모델을 식별하고, 식별한 사용자 모델의 선호 콘텐츠를 추천 콘텐츠로 결정할 수 있다.
추천 콘텐츠 결정부(130)는 사용자 특징별로 제2 임계값 이상의 인식률을 가지는 사용자 모델을 식별할 수 있다. 그리고, 추천 콘텐츠 결정부(130)는 사용자 특징별로 제1 임계값보다 크고, 제2 임계값보다 작은 인식률을 가지는 사용자 모델들을 사용자 모델 그룹으로 결정할 수 있다. 추천 콘텐츠 결정부(130)는 제2 임계값 이상의 인식률을 가지는 사용자 모델, 사용자 모델 그룹, 및 사용자 특징별로 결정된 가중치에 기초하여 사용자에 대응하는 사용자 모델을 결정할 수 있다. 예를 들어, 추천 콘텐츠 결정부(130)는 추천 콘텐츠를 결정하기 위해 제2 임계값보다 큰 인식률을 가지는 사용자 모델에 대해서는 가중치를 상대적으로 크게 적용하고, 제1 임계값 이하의 인식률을 가지는 사용자 모델은 고려 대상에서 제외하거나 또는 상대적으로 작은 가중치를 적용할 수 있다. 추천 콘텐츠 결정부(130)는 결정된 사용자 모델의 선호 콘텐츠를 사용자에게 제공할 추천 콘텐츠로 결정할 수 있다.
추천 콘텐츠 결정부(130)는 사용자 특징별로 결정된 인식률 및 사용자 특징별로 결정된 가중치를 이용하여 각 사용자 모델들에 대한 최종 인식률을 결정하고, 최종 인식률이 가장 큰 사용자 모델을 사용자에 대응하는 사용자 모델로 결정할 수 있다. 사용자 특징별로 결정된 가중치는 카메라로부터 사용자까지의 거리, 시간 등에 기초하여 결정될 수 있다. 예를 들어, 가중치가 카메라로부터 사용자까지의 거리인 경우, 다양한 사용자 특징들 중 얼굴의 가중치를 줄이고, 사용자가 착용한 옷, 체형 등의 가중치를 상대적으로 높일 수 있다. 다른 예로, 가중치가 시간인 경우, 사용자 모델을 결정하기까지의 시간이 길어질수록 사용자의 음성, 발걸음 소리 등의 오디오 특징에 대한 가중치를 상대적으로 높일 수 있다.
사용자 특징별로 결정된 인식률이 모두 0 이상 제1 임계값 이하의 범위에 포함되는 경우, 추천 콘텐츠 결정부(130)는 추천 콘텐츠의 결정을 종료하고, 현재 재생되고 있는 콘텐츠를 계속 유지할 수 있다.
콘텐츠 디스플레이부(140)는 추천 콘텐츠를 디스플레이할 수 있다. 콘텐츠 디스플레이부(140)는 추천 콘텐츠를 자동으로 디스플레이하거나 또는 사용자로부터 추천 콘텐츠에 대한 재생 요청을 수신한 경우에 추천 콘텐츠를 디스플레이할 수 있다. 콘텐츠 디스플레이부(140)가 복수 개의 콘텐츠를 스크린에 디스플레이하는 경우, 콘텐츠 디스플레이부(140)는 사용자 모델의 선호도 정보에 기초하여 추천 콘텐츠를 디스플레이할 수 있다. 사용자에 대응하는 사용자 모델이 결정된 경우, 콘텐츠 디스플레이부(140)는 결정된 사용자 모델의 선호 콘텐츠들을 각 선호 콘텐츠들의 선호도에 기초하여 스크린에 디스플레이할 수 있다. 예를 들어, 콘텐츠 디스플레이부(140)는 선호도가 큰 선호 콘텐츠는 넓은 영역에 디스플레이하고, 선호도가 작은 선호 콘텐츠는 상대적으로 작은 영역에 디스플레이할 수 있다.
도 2는 일실시예에 따른 사용자 특징별로 결정된 인식률의 일례를 도시한 도면이다.
도 2는 사용자 특징별로 결정된 인식률의 일례를 나타내고 있다. 그래프의 세로 축은 인식률의 크기를 나타내고, TH1, TH2는 미리 결정된 임계값들을 나타낸다. 그래프의 가로 축은 사용자 특징들을 나타내고, 도 2에는 사용자의 얼굴, 헤어 스타일, 걸음걸이, 음성의 4 가지 사용자 특징이 이용되고 있다. A, B, C, D는 사용자 모델들을 나타내고, 인식률은 각 사용자 특징과 관련하여 사용자가 각 사용자 모델로 인식되는 정도를 나타낸다. 예를 들어, 얼굴의 사용자 특징과 관련하여, 도 2는 현재 대상이 되는 사용자가 사용자 모델 B로 인식되는 정도가 가장 크고, 사용자 모델 C로 인식되는 정도가 가장 낮다는 것을 나타낸다. 콘텐츠 추천 장치는 각 사용자 특징별로 인식률이 TH1과 TH2 사이의 범위에 포함되는 사용자 모델들을 사용자 모델 그룹으로 결정할 수 있다. 예를 들어, 콘텐츠 추천 장치는 사용자 특징별로 TH1 이하의 인식률을 가지는 사용자 모델은 제외하고, TH1보다 큰 인식률을 가지는 사용자 모델들에 기초하여 사용자에게 제공할 추천 콘텐츠를 결정할 수 있다.
도 3은 일실시예에 따른 사용자 모델 그룹을 구성하는 일례를 설명하기 위한 도면이다.
도 3에 도시된 표(300)은 도 2에 기초하여 구성한 사용자 모델 그룹을 나타낸다. 콘텐츠 추천 장치는 사용자 특징별로 TH1<인식률<TH2의 범위에 포함되는 사용자 모델들을 사용자 모델 그룹으로 설정할 수 있다. 도 2에서 얼굴의 사용자 특징과 관련하여, 사용자 모델 A, B, D가 TH1<인식률<TH2의 범위에 있으므로, 표(300)에서와 같이 사용자 모델 A, B, D가 사용자 모델 그룹으로 결정될 수 있다. 예를 들어, 콘텐츠 추천 장치는 다음의 수학식 1에 기초하여 사용자 특징별로 사용자 모델 그룹을 설정할 수 있다.
Figure 112014012282419-pat00001
수학식 1에서, USER는 각 사용자 특징별 사용자 모델 그룹을 나타내고, Pi, j는 사용자 특징 i에서, 사용자 모델 j가 가지는 인식률을 나타낸다. 수학식 1은 사용자 특징별로 설정된 사용자 모델 그룹이 해당 사용자 특징에서 인식률이 임계값 TH1과 임계값 TH2 사이에 포함되는 사용자 모델들의 그룹임을 나타낸다.
이용되는 사용자 특징이 복수 개인 경우, 콘텐츠 추천 장치는 아래의 수학식 2에 기초하여 각 사용자 모델에 대한 최종 인식률을 결정할 수 있다.
Figure 112014012282419-pat00002
수학식 2에서, P는 특정 사용자 모델에 대한 최종 인식률을 나타내고, P1과 P2는 사용자 특징별로 결정된 해당 특정 사용자 모델의 인식률들을 나타낸다.
Figure 112014012282419-pat00003
,
Figure 112014012282419-pat00004
는 사용자 특징별로 결정된 가중치를 나타낸다. 사용자 특징별 가중치의 크기는 카메라로부터 사용자까지의 거리 또는 시간 등에 기초하여 결정될 수 있다.
콘텐츠 추천 장치는 각각의 사용자 모델들의 최종 인식률을 결정하고, 가장 큰 최종 인식률을 가지는 사용자 모델의 선호 콘텐츠를 사용자에게 제공할 추천 콘텐츠로 결정할 수 있다.
도 4는 일실시예에 따른 사용자 모델 그룹의 공통 선호 콘텐츠를 결정하는 일례를 설명하기 위한 도면이다.
이용되는 사용자 특징이 하나이고, 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않으며, 사용자 모델 A, B, C를 포함하는 사용자 모델 그룹이 결정된 경우, 콘텐츠 추천 장치는 사용자 모델 그룹에 포함된 사용자 모델 A, B, C의 선호 콘텐츠 중 공통되는 선호 콘텐츠를 사용자에게 제공할 추천 콘텐츠로 결정할 수 있다. 도 4에서는 선호 콘텐츠의 일례로서, 방송 채널에 대한 선호 채널을 나타내고 있다. 사용자 모델 A의 선호 채널인 Ch1, Ch2, Ch3, 사용자 모델 B의 선호 채널인 Ch2, Ch3, 사용자 모델 C의 선호 채널인 Ch1, Ch2 중 공통되는 선호 채널인 Ch2가 추천 콘텐츠로 결정될 수 있다. 사용자 모델 A, B, C 간에 공통되는 선호 채널이 존재하지 않는 경우, 콘텐츠 추천 장치는 사용자가 시청하길 원하는 채널을 선택하기 위해 사용자 모델 A, B, C의 선호 채널들을 디스플레이할 수 있다. 사용자 모델에 관한 정보는 선호 콘텐츠 정보, 각 선호 콘텐츠에 대한 선호도 정보를 포함할 수 있다.
도 5 내지 도 6은 다른 실시예에 따른 추천 콘텐츠를 디스플레이하는 일례를 도시한 도면이다.
도 5 및 도 6은 복수 개의 콘텐츠를 각 콘텐츠에 대한 선호도에 기초하여 디스플레이하는 일례로서, 콘텐츠 추천 장치가 웹페이지 등에서 사용자에게 제공할 추천 콘텐츠들을 디스플레이하는 일례를 나타낸다.
콘텐츠 추천 장치는 사용자에 대응하는 사용자 모델이 결정된 경우, 결정된 사용자 모델의 선호 콘텐츠들을 각 콘텐츠의 선호도에 기초하여 디스플레이할 수 있다. 예를 들어, 사용자에 대응하는 사용자 모델이 스포츠에 대한 선호도가 가장 높은 경우, 콘텐츠 추천 장치는 도 5에서와 같이, 스포츠를 웹페이지에서 가장 큰 영역으로 구성하고, 경제, 정치, 사회, 문화와 같은 다른 콘텐츠들을 각 콘텐츠의 선호도 크기에 따라 배치 또는 크기를 달리하여 디스플레이할 수 있다. 다른 예로, 사용자에 대응하는 사용자 모델이 드라마에 대한 선호도가 가장 높은 경우, 콘텐츠 추천 장치는 도 6에서와 같이, 드라마를 웹페이지에서 가장 큰 영역으로 구성하고, 요리, 패션, 교육, 다이어트 및 운동과 같은 다른 콘텐츠들을 각 콘텐츠의 선호도 크기에 따라 배치 또는 크기를 달리하여 디스플레이할 수 있다.
도 7은 일실시예에 따른 콘텐츠 추천 방법의 동작을 도시한 흐름도이다.
단계(710)에서, 콘텐츠 추천 장치는 영상 데이터 및 오디오 데이터 중 적어도 하나로부터 사용자의 사용자 특징을 추출할 수 있다. 콘텐츠 추천 장치는 영상 데이터로부터 각각의 사용자를 분리할 수 있다. 콘텐츠 추천 장치는 영상 데이터에서 분리된 각각의 사용자들로부터 사용자의 얼굴, 헤어 스타일, 키, 체형, 걸음걸이, 성별, 피부색, 사용자가 착용한 옷 등의 사용자 특징을 추출할 수 있다. 콘텐츠 추천 장치는 오디오 데이터로부터 사용자의 음성, 발걸음 소리 등의 사용자 특징을 추출할 수 있다.
단계(720)에서, 콘텐츠 추천 장치는 사용자 특징별로 인식률을 결정할 수 있다. 인식률은 각각의 사용자 특징별로 사용자가 각각의 사용자 모델로 인식되는 정도를 나타낸다. 예를 들어, 사용자의 얼굴과 관련하여, 사용자 모델 A의 인식률이 높다는 것은 사용자의 얼굴과 사용자 모델 A의 얼굴 간의 유사도가 다른 사용자 모델들에 비해 높다는 것을 나타낸다.
단계(730)에서, 콘텐츠 추천 장치는 단계(720)에서 결정된 사용자 특징별 인식률, 제1 임계값, 및 제1 임계값보다 큰 제2 임계값에 기초하여 사용자에 대응하는 사용자 모델 또는 사용자 모델 그룹을 결정할 수 있다. 제1 임계값과 제2 임계값은 사용자 특징에 관계없이 서로 동일하거나 또는 사용자 특징에 따라 다를 수 있다.
예를 들어, 콘텐츠 추천 장치는 수학식 2와 같이 각 사용자 모델의 사용자 특징별 인식률과 사용자 특징별 가중치를 이용하여 각 사용자 모델별로 최종 인식률을 결정할 수 있고, 최종 인식률이 가장 큰 사용자 모델을 사용자에 대응하는 사용자 모델로 결정할 수 있다. 콘텐츠 추천 장치는 사용자 특징별로 제2 임계값 이상의 인식률을 가지는 사용자 모델을 식별하고, 사용자 특징별로 제1 임계값보다 크고, 제2 임계값보다 작은 인식률을 가지는 사용자 모델들을 사용자 모델 그룹으로 결정할 수 있다. 콘텐츠 추천 장치는 제2 임계값 이상의 인식률을 가지는 사용자 모델, 사용자 모델 그룹, 및 사용자 특징별로 결정된 가중치에 기초하여 사용자에 대응하는 사용자 모델을 결정할 수 있다.
콘텐츠 추천 장치는 어느 하나의 사용자 특징만이 고려되고, 해당 사용자 특징과 관련하여 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않으며, 제1 임계값과 제2 임계값 사이의 범위에 포함되는 사용자 모델들을 사용자에 대응하는 사용자 모델 그룹으로 결정할 수 있다. 또는, 복수 개의 사용자 특징들이 이용되더라도, 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않고, 각각의 사용자 특징별로 결정된 사용자 모델 그룹이 서로 동일한 경우, 콘텐츠 추천 장치는 해당 사용자 모델 그룹을 사용자에 대응하는 사용자 모델 그룹으로 결정할 수 있다.
단계(740)에서, 콘텐츠 추천 장치는 사용자에 대응하는 사용자 모델이 결정되었는지 또는 사용자 모델 그룹이 결정되었는지 여부를 판단할 수 있다.
사용자에 대응하는 사용자 모델이 결정된 경우, 단계(750)에서, 콘텐츠 추천 장치는 결정된 사용자 모델의 선호 콘텐츠를 사용자에게 제공할 추천 콘텐츠로 결정할 수 있다.
사용자에 대응하는 사용자 모델 그룹이 결정된 경우, 단계(760)에서, 콘텐츠 추천 장치는 결정된 사용자 모델 그룹에 포함된 사용자 모델들의 공통 선호 콘텐츠를 사용자에게 제공할 추천 콘텐츠로 결정할 수 있다.
단계(770)에서, 콘텐츠 추천 장치는 결정된 추천 콘텐츠를 디스플레이할 수 있다. 콘텐츠 추천 장치는 추천 콘텐츠를 자동으로 디스플레이하거나 또는 사용자로부터 추천 콘텐츠에 대한 재생 요청을 수신한 경우에 추천 콘텐츠를 디스플레이할 수 있다. 콘텐츠 추천 장치가 복수 개의 콘텐츠를 스크린에 디스플레이하는 경우, 콘텐츠 추천 장치는 사용자 모델의 선호도 정보에 기초하여 추천 콘텐츠를 디스플레이할 수 있다.
도 8은 다른 실시예에 따른 콘텐츠 추천 방법의 동작을 도시한 흐름도이다.
도 8은 도 10a에 도시된 일례와 같이 기존 사용자(1030)가 콘텐츠 재생 장치(1010)를 통해 콘텐츠를 시청하고 있는 상태에서, 도 10b에 도시된 일례와 같이 카메라(1020)를 통해 신규 사용자(1040)의 유입이 감지된 경우의 콘텐츠 추천 방법을 나타낸다.
다시 도 8로 돌아가면, 단계(810)에서, 콘텐츠 추천 장치는 카메라를 통해 획득된 영상 데이터에 기초하여 신규 사용자의 존재를 감지할 수 있다.
단계(820)에서, 콘텐츠 추천 장치는 신규 사용자의 존재가 감지된 경우, 신규 사용자의 선호 콘텐츠를 결정할 수 있다. 예를 들어, 콘텐츠 추천 장치는 신규 사용자가 촬영된 영상 데이터 및 신규 사용자의 음성, 발걸음 소리 등이 기록된 오디오 데이터 중 적어도 하나를 이용하여 신규 사용자의 사용자 특징을 추출할 수 있다. 콘텐츠 추천 장치는 추출된 사용자 특징에 기초하여 신규 사용자에 대응하는 사용자 모델 또는 사용자 모델 그룹을 결정할 수 있다. 신규 사용자에 대응하는 사용자 모델 또는 사용자 모델 그룹을 결정하는 과정은 도 1의 관련 내용을 참고할 수 있다. 콘텐츠 추천 장치는 사용자 모델의 선호 콘텐츠 또는 사용자 모델 그룹의 공통 선호 콘텐츠에 기초하여 신규 사용자의 선호 콘텐츠를 결정할 수 있다. 신규 사용자에 대응하는 사용자 모델이 결정된 경우, 콘텐츠 추천 장치는 결정된 사용자 모델의 선호 콘텐츠를 신규 사용자의 선호 콘텐츠로 결정하고, 신규 사용자에 대응하는 사용자 모델 그룹이 결정된 경우, 콘텐츠 추천 장치는 결정된 사용자 모델 그룹의 공통 선호 콘텐츠를 신규 사용자의 선호 콘텐츠로 결정할 수 있다.
단계(830)에서, 콘텐츠 추천 장치는 단계(820)에서 결정된 신규 사용자의 선호 콘텐츠에 관한 정보를 제공할 수 있다. 예를 들어, 콘텐츠 추천 장치는 선호 콘텐츠에 관한 정보를 팝업 윈도우, 텍스트 등으로 표시하거나 또는 선호 콘텐츠를 스크린의 일부 영역에 재생할 수 있다. 신규 사용자의 선호 콘텐츠를 스크린의 일부 영역에 재생하는 경우, 콘텐츠 추천 장치는 신규 사용자의 인식 정도에 기초하여 스크린의 일부 영역에서 재생되는 선호 콘텐츠의 투명도를 결정할 수 있다. 예를 들어, 콘텐츠 추천 장치는 신규 사용자와 사용자 모델 간의 매칭 정도가 높을수록 선호 콘텐츠를 보다 선명하게 재생하고, 신규 사용자와 사용자 모델 간의 매칭 정도가 낮을수록 스크린의 일부 영역에서 재생되는 선호 콘텐츠의 투명도를 증가시킬 수 있다.
단계(840)에서, 콘텐츠 추천 장치는 사용자로부터 선호 콘텐츠에 대한 선택 요청을 수신하였는지 여부를 판단할 수 있다.
단계(860)에서, 콘텐츠 추천 장치는 선호 콘텐츠에 대한 선택 요청을 수신하는 경우, 기존 콘텐츠의 재생을 중단하고, 선호 콘텐츠를 재생할 수 있다.
단계(850)에서, 콘텐츠 추천 장치는 신규 사용자의 존재가 감지되지 않거나 또는 사용자로부터 선호 콘텐츠에 대한 선택 요청을 수신하지 않은 경우, 현재 콘텐츠를 유지할 수 있다.
도 9는 또 다른 실시예에 따른 콘텐츠 추천 방법의 동작을 도시한 흐름도이다.
도 9는 도 10b에 도시된 일례와 같이 기존 사용자(1030, 1040)가 콘텐츠 재생 장치(1010)를 통해 콘텐츠를 시청하고 있는 상태에서, 도 10a에 도시된 일례와 같이 카메라(1020)를 통해 기존 사용자(1040)의 이탈이 감지된 경우의 콘텐츠 추천 방법을 나타낸다.
다시 도 9로 돌아가면, 단계(910)에서, 콘텐츠 추천 장치는 카메라를 통해 획득된 영상 데이터에 기초하여 기존 사용자의 이탈을 감지할 수 있다.
단계(920)에서, 콘텐츠 추천 장치는 기존 사용자의 이탈이 감지된 경우, 기존 사용자를 제외한 나머지 사용자의 선호 콘텐츠를 결정할 수 있다. 콘텐츠 추천 장치는 나머지 사용자에 대응하는 사용자 모델의 선호 콘텐츠 또는 나머지 사용자에 대응하는 사용자 모델 그룹의 공통 선호 콘텐츠에 기초하여 나머지 사용자의 선호 콘텐츠를 결정할 수 있다. 나머지 사용자에 대응하는 사용자 모델 또는 사용자 모델 그룹을 결정하는 과정은 도 1의 관련 내용을 참고할 수 있다.
단계(930)에서, 콘텐츠 추천 장치는 단계(920)에서 결정된 나머지 사용자의 선호 콘텐츠에 관한 정보를 제공할 수 있다. 예를 들어, 콘텐츠 추천 장치는 선호 콘텐츠에 관한 정보를 팝업 윈도우, 텍스트 등으로 표시하거나 또는 선호 콘텐츠를 스크린의 일부 영역에 재생할 수 있다. 신규 사용자의 선호 콘텐츠를 스크린의 일부 영역에 재생하는 경우, 콘텐츠 추천 장치는 나머지 사용자의 인식 정도에 기초하여 스크린의 일부 영역에서 재생되는 선호 콘텐츠의 투명도를 결정할 수 있다. 예를 들어, 콘텐츠 추천 장치는 나머지 사용자와 사용자 모델 간의 매칭 정도가 높을수록 선호 콘텐츠를 보다 선명하게 재생하고, 나머지 사용자와 사용자 모델 간의 매칭 정도가 낮을수록 스크린의 일부 영역에서 재생되는 선호 콘텐츠의 투명도를 증가시킬 수 있다.
단계(940)에서, 콘텐츠 추천 장치는 사용자로부터 선호 콘텐츠에 대한 선택 요청을 수신하였는지 여부를 판단할 수 있다.
단계(960)에서, 콘텐츠 추천 장치는 선호 콘텐츠에 대한 선택 요청을 수신하는 경우, 기존 콘텐츠의 재생을 중단하고, 선호 콘텐츠를 재생할 수 있다.
단계(950)에서, 콘텐츠 추천 장치는 기존 사용자의 이탈이 감지되지 않거나 또는 사용자로부터 선호 콘텐츠에 대한 선택 요청을 수신하지 않은 경우, 현재 콘텐츠를 유지할 수 있다.
도 11은 일실시예에 따른 선호 콘텐츠를 추천하는 과정을 설명하기 위한 도면이다.
<카메라에 신규 사용자의 존재가 감지된 경우>
예를 들어, 기존 사용자가 스크린(1110)을 통해 축구 영상을 방송하고 있는 CB* 채널을 시청하고 있다가, 신규 사용자의 존재가 감지된 경우의 선호 콘텐츠 추천 과정을 설명하도록 한다.
콘텐츠 추천 장치는 신규 사용자의 존재를 감지한 경우, 신규 사용자의 선호 채널을 팝업 윈도우(1120)를 통해 사용자에게 알릴 수 있다. 팝업 윈도우(1120)에는 신규 사용자의 선호 채널에 관한 정보가 포함될 수 있다. 팝업 윈도우(1120)에는 신규 사용자의 선호 채널로 변경할 것인지를 문의하는 메시지가 포함될 수 있다. 예를 들어, 신규 사용자의 선호 채널이 AB* 채널이라고 결정되면, 콘텐츠 추천 장치는 팝업 윈도우(1120)에 AB* 채널이 추천 채널임을 나타내는 텍스트와 AB* 채널로의 변경 여부를 문의하는 텍스트를 표시할 수 있다.
또는, 콘텐츠 추천 장치는 신규 사용자의 선호 콘텐츠를 스크린(1110)의 일부 영역(1130)에 작은 박스 형태로 실시간 재생할 수 있다. 사용자는 스크린(1110)의 일부 영역(1130)에서 재생되는 선호 콘텐츠를 확인하고, 선호 콘텐츠로의 변경 여부를 선택할 수 있다. 콘텐츠 추천 장치는 신규 사용자의 인식 정도에 따라 영역(1130)에서 재생되는 선호 콘텐츠의 투명도를 조절할 수 있다. 예를 들어, 신규 사용자와 신규 사용자에 대응되는 사용자 모델 간의 유사도가 높은 경우, 콘텐츠 추천 장치는 선호 콘텐츠를 선명하게 디스플레이하고, 유사도가 낮은 경우에는 선호 콘텐츠를 흐리게 재생할 수 있다.
<사용자의 이탈이 감지된 경우>
예를 들어, 복수의 사용자들이 스크린(1110)을 통해 축구 영상을 방송하고 있는 CB* 채널을 시청하고 있다가, 카메라를 통해 기존 사용자의 이탈이 감지된 경우의 선호 콘텐츠 추천 과정을 설명하도록 한다.
콘텐츠 추천 장치는 기존 사용자의 이탈을 감지한 경우, 기존 사용자를 제외한 나머지 사용자의 선호 채널을 팝업 윈도우(1120)를 통해 나머지 사용자에게 알릴 수 있다. 팝업 윈도우(1120)에는 나머지 사용자의 선호 채널에 관한 정보가 포함될 수 있다. 팝업 윈도우(1120)에는 나머지 사용자의 선호 채널로 변경할 것인지를 문의하는 메시지가 포함될 수 있다. 예를 들어, 나머지 사용자의 선호 채널이 AB* 채널이라고 결정되면, 콘텐츠 추천 장치는 팝업 윈도우(1120)에 AB* 채널이 추천 채널임을 나타내는 텍스트와 AB* 채널로의 변경 여부를 문의하는 텍스트를 표시할 수 있다.
또는, 콘텐츠 추천 장치는 나머지 사용자의 선호 콘텐츠를 스크린(1110)의 일부 영역(1130)에 작은 박스 형태로 실시간 재생할 수 있다. 사용자는 스크린(1110)의 일부 영역(1130)에서 재생되는 선호 콘텐츠를 확인하고, 선호 콘텐츠로의 변경 여부를 선택할 수 있다. 콘텐츠 추천 장치는 나머지 사용자의 인식 정도에 따라 영역(1130)에서 재생되는 선호 콘텐츠의 투명도를 조절할 수 있다. 예를 들어, 나머지 사용자와 나머지 사용자에 대응되는 사용자 모델 간의 유사도가 높은 경우, 콘텐츠 추천 장치는 선호 콘텐츠를 선명하게 디스플레이하고, 유사도가 낮은 경우에는 선호 콘텐츠를 흐리게 재생할 수 있다.
실시예에 따른 장치 및 방법은 하나 이상의 프로세서(processor)에 의해 수행되거나 또는 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 또는 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (22)

  1. 영상 데이터 및 오디오 데이터 중 적어도 하나로부터 사용자의 사용자 특징을 추출하는 단계;
    상기 사용자 특징별로 미리 결정된 사용자 모델로 인식되는 정도를 나타내는 인식률을 결정하는 단계; 및
    상기 인식률에 기초하여 상기 사용자에게 제공할 추천 콘텐츠를 결정하는 단계
    를 포함하고
    상기 추천 콘텐츠를 결정하는 단계는,
    미리 결정된 제1 임계값, 상기 제1 임계값보다 큰 제2 임계값, 및 상기 사용자 특징별로 결정된 인식률에 기초하여 상기 사용자에 대응하는 사용자 모델을 결정하는 단계; 및
    상기 결정된 사용자 모델의 선호 콘텐츠를 상기 사용자에게 제공할 추천 콘텐츠로 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 사용자 모델을 결정하는 단계는,
    사용자 특징별로 결정된 인식률 및 사용자 특징별로 결정된 가중치를 이용하여 각 사용자 모델들에 대한 최종 인식률을 결정하는 단계; 및
    상기 최종 인식률이 가장 큰 사용자 모델을 상기 사용자에 대응하는 사용자 모델을 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  4. 제3항에 있어서,
    상기 사용자 특징별로 결정된 가중치는,
    카메라로부터 사용자까지의 거리 및 시간 중 적어도 하나에 기초하여 결정되는 콘텐츠 추천 방법.
  5. 제1항에 있어서,
    상기 사용자 모델을 결정하는 단계는,
    사용자 특징별로 상기 제2 임계값 이상의 인식률을 가지는 사용자 모델을 식별하는 단계;
    사용자 특징별로 상기 제1 임계값보다 크고, 상기 제2 임계값보다 작은 인식률을 가지는 사용자 모델들을 사용자 모델 그룹으로 결정하는 단계; 및
    상기 식별된 사용자 모델, 상기 사용자 모델 그룹, 및 사용자 특징별로 결정된 가중치에 기초하여 상기 사용자에 대응하는 사용자 모델을 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  6. 제1항에 있어서,
    상기 사용자 모델의 선호도에 기초하여 상기 추천 콘텐츠를 디스플레이하는 단계
    를 더 포함하는 콘텐츠 추천 방법.
  7. 제1항에 있어서,
    상기 추천 콘텐츠를 결정하는 단계는,
    사용자 특징별로 결정된 인식률이 미리 결정된 제1 임계값과 상기 제1 임계값보다 큰 제2 임계값 사이의 범위에 포함되는 사용자 모델들을 사용자 모델 그룹으로 결정하는 단계;
    상기 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않고, 각각의 사용자 특징별로 결정된 사용자 모델 그룹이 서로 동일한 경우, 상기 사용자 모델 그룹에 포함된 사용자 모델들의 공통 선호 콘텐츠를 상기 사용자에게 제공할 추천 콘텐츠로 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  8. 제1항에 있어서,
    상기 추천 콘텐츠를 결정하는 단계는,
    사용자 특징별로 결정된 인식률이 미리 결정된 제1 임계값과 상기 제1 임계값보다 큰 제2 임계값 사이의 범위에 포함되는 사용자 모델들을 사용자 모델 그룹으로 결정하는 단계;
    상기 제2 임계값 이상의 인식률을 가지는 사용자 모델이 존재하지 않고, 각각의 사용자 특징별로 결정된 사용자 모델 그룹이 서로 동일한 경우, 상기 사용자 모델 그룹에 포함된 사용자 모델들에 대한 선택 요청 메시지를 출력하는 단계; 및
    상기 선택 요청 메시지에 대응하는 선택 응답 메시지에 기초하여 상기 사용자에 대응하는 사용자 모델을 결정하고, 상기 결정된 사용자 모델의 선호 콘텐츠를 상기 사용자에게 제공할 추천 콘텐츠로 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  9. 제1항에 있어서,
    상기 사용자의 특징은,
    사용자의 얼굴, 헤어 스타일, 키, 체형, 걸음걸이, 성별, 피부색, 음성, 발걸음 소리, 및 사용자가 착용한 옷 중 적어도 하나를 포함하는 콘텐츠 추천 방법.
  10. 제1항의 방법을 실행하기 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록 매체.
  11. 카메라를 통해 획득된 영상 데이터에 기초하여 신규 사용자의 존재를 감지하는 단계;
    신규 사용자의 존재가 감지된 경우, 상기 신규 사용자의 선호 콘텐츠를 결정하는 단계; 및
    상기 결정된 선호 콘텐츠에 관한 정보를 제공하는 단계
    를 포함하고,
    상기 신규 사용자의 선호 콘텐츠를 결정하는 단계는,
    미리 결정된 제1 임계값, 상기 제1 임계값보다 큰 제2 임계값, 및 상기 신규 사용자의 특징별로 결정된 인식률에 기초하여 상기 신규 사용자에 대응하는 사용자 모델을 결정하는 단계; 및
    상기 결정된 사용자 모델의 선호 콘텐츠를 상기 신규 사용자의 선호 콘텐츠로 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  12. 제11항에 있어서,
    상기 신규 사용자의 선호 콘텐츠를 결정하는 단계는,
    상기 신규 사용자의 사용자 특징을 추출하는 단계;
    상기 추출된 사용자 특징에 기초하여 상기 신규 사용자에 대응하는 사용자 모델 또는 사용자 모델 그룹을 결정하는 단계; 및
    상기 사용자 모델의 선호 콘텐츠 또는 상기 사용자 모델 그룹의 공통 선호 콘텐츠에 기초하여 상기 신규 사용자의 선호 콘텐츠를 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  13. 제11항에 있어서,
    상기 선호 콘텐츠에 관한 정보를 제공하는 단계는,
    상기 선호 콘텐츠에 관한 정보를 팝업 윈도우로 표시하거나 또는 상기 선호 콘텐츠를 스크린의 일부 영역에 재생하는 단계
    를 포함하는 콘텐츠 추천 방법.
  14. 제11항에 있어서,
    상기 선호 콘텐츠에 관한 정보를 제공하는 단계는,
    상기 선호 콘텐츠를 스크린의 일부 영역에 재생하는 경우, 상기 신규 사용자의 인식 정도에 기초하여 상기 스크린의 일부 영역에서 재생되는 선호 콘텐츠의 투명도를 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  15. 제11항에 있어서,
    상기 선호 콘텐츠에 대한 선택 요청을 수신하는 경우, 기존 콘텐츠의 재생을 중단하고, 상기 선호 콘텐츠를 재생하는 단계
    를 더 포함하는 콘텐츠 추천 방법.
  16. 카메라를 통해 획득된 영상 데이터에 기초하여 기존 사용자의 이탈을 감지하는 단계;
    기존 사용자의 이탈이 감지된 경우, 상기 기존 사용자를 제외한 나머지 사용자의 선호 콘텐츠를 결정하는 단계; 및
    상기 결정된 선호 콘텐츠에 관한 정보를 제공하는 단계
    를 포함하고,
    상기 나머지 사용자의 선호 콘텐츠를 결정하는 단계는,
    미리 결정된 제1 임계값, 상기 제1 임계값보다 큰 제2 임계값, 및 상기 나머지 사용자의 특징별로 결정된 인식률에 기초하여 상기 나머지 사용자에 대응하는 사용자 모델을 결정하는 단계; 및
    상기 결정된 사용자 모델의 선호 콘텐츠를 상기 나머지 사용자의 선호 콘텐츠로 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  17. 제16항에 있어서,
    상기 나머지 사용자의 선호 콘텐츠를 결정하는 단계는,
    상기 나머지 사용자에 대응하는 사용자 모델의 선호 콘텐츠 또는 사용자 모델 그룹의 공통 선호 콘텐츠에 기초하여 상기 나머지 사용자의 선호 콘텐츠를 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  18. 제16항에 있어서,
    상기 선호 콘텐츠에 관한 정보를 제공하는 단계는,
    상기 선호 콘텐츠에 관한 정보를 팝업 윈도우로 표시하거나 또는 상기 선호 콘텐츠를 스크린의 일부 영역에 재생하는 단계
    를 포함하는 콘텐츠 추천 방법.
  19. 제16항에 있어서,
    상기 선호 콘텐츠에 관한 정보를 제공하는 단계는,
    상기 선호 콘텐츠를 스크린의 일부 영역에 재생하는 경우, 상기 나머지 사용자의 인식 정도에 기초하여 상기 스크린의 일부 영역에서 재생되는 선호 콘텐츠의 투명도를 결정하는 단계
    를 포함하는 콘텐츠 추천 방법.
  20. 제16항에 있어서,
    상기 선호 콘텐츠에 대한 선택 요청을 수신하는 경우, 기존 콘텐츠의 재생을 중단하고, 상기 선호 콘텐츠를 재생하는 단계
    를 더 포함하는 콘텐츠 추천 방법.
  21. 영상 데이터 및 오디오 데이터 중 적어도 하나로부터 사용자의 사용자 특징을 추출하는 사용자 특징 추출부;
    상기 사용자 특징별로 미리 결정된 사용자 모델로 인식되는 정도를 나타내는 인식률을 결정하는 인식률 결정부; 및
    상기 인식률에 기초하여 상기 사용자에게 제공할 추천 콘텐츠를 결정하는 추천 콘텐츠 결정부
    를 포함하고,
    상기 추천 콘텐츠 결정부는,
    미리 결정된 제1 임계값, 상기 제1 임계값보다 큰 제2 임계값, 및 상기 사용자 특징별로 결정된 인식률에 기초하여 상기 사용자에 대응하는 사용자 모델을 결정하고,
    상기 결정된 사용자 모델의 선호 콘텐츠를 상기 사용자에게 제공할 추천 콘텐츠로 결정하는 콘텐츠 추천 장치.
  22. 제21항에 있어서,
    상기 추천 콘텐츠를 디스플레이하는 콘텐츠 디스플레이부
    를 더 포함하는 콘텐츠 추천 장치.
KR1020140014184A 2014-02-07 2014-02-07 콘텐츠 추천 방법 및 장치 KR102197098B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020140014184A KR102197098B1 (ko) 2014-02-07 2014-02-07 콘텐츠 추천 방법 및 장치
PCT/KR2014/003915 WO2015119335A1 (ko) 2014-02-07 2014-05-02 콘텐츠 추천 방법 및 장치
US15/111,943 US10524004B2 (en) 2014-02-07 2014-05-02 Content recommendation method and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140014184A KR102197098B1 (ko) 2014-02-07 2014-02-07 콘텐츠 추천 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20150093425A KR20150093425A (ko) 2015-08-18
KR102197098B1 true KR102197098B1 (ko) 2020-12-30

Family

ID=53778121

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140014184A KR102197098B1 (ko) 2014-02-07 2014-02-07 콘텐츠 추천 방법 및 장치

Country Status (3)

Country Link
US (1) US10524004B2 (ko)
KR (1) KR102197098B1 (ko)
WO (1) WO2015119335A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102654931B1 (ko) 2023-12-14 2024-04-04 주식회사 아브코 자연어 처리 기반 사용자 맞춤형 블록체인 콘텐츠 최적화 및 제공 서비스 제공 방법, 장치 및 시스템

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279898A (zh) * 2015-10-28 2016-01-27 小米科技有限责任公司 报警方法及装置
US20210295344A1 (en) * 2015-11-09 2021-09-23 Dentsu Inc. Customer relation management device and method
CN106341734A (zh) * 2016-09-23 2017-01-18 四川长虹电器股份有限公司 基于智能电视收视记录推荐体育赛事的方法及系统
KR102399084B1 (ko) * 2017-12-29 2022-05-18 삼성전자주식회사 디스플레이 장치 및 그 제어 방법
EP3553776A1 (en) * 2018-04-12 2019-10-16 InterDigital CE Patent Holdings Device and method for identifying users using voice and gait information
CN109857930A (zh) * 2019-01-07 2019-06-07 珠海格力电器股份有限公司 一种信息推送方法、装置、存储介质及家用电器
CN109815398A (zh) * 2019-01-17 2019-05-28 平安城市建设科技(深圳)有限公司 楼盘户型的查询方法、装置、设备及计算机可读存储介质
KR20200094829A (ko) * 2019-01-22 2020-08-10 삼성전자주식회사 전자 장치에서 어플리케이션 목록 제공 방법 및 장치
JP2020147066A (ja) * 2019-03-11 2020-09-17 本田技研工業株式会社 車両制御システム、車両制御方法、及びプログラム
CN110399560A (zh) * 2019-07-30 2019-11-01 厦门美图之家科技有限公司 护肤信息推荐方法、装置、设备及存储介质
CN113127681A (zh) * 2019-12-30 2021-07-16 深圳Tcl数字技术有限公司 一种基于人脸识别的视频推荐方法及装置、电视
CN111311355A (zh) * 2020-01-20 2020-06-19 深圳市博乐信息技术有限公司 应用身份识别进行推送的方法、模块及ar推送系统
KR20210153826A (ko) 2020-06-11 2021-12-20 삼성전자주식회사 디스플레이장치 및 그 제어방법
WO2022051129A1 (en) * 2020-09-03 2022-03-10 Arris Enterprises Llc Method and system for content switching and content control based on facial identification profiling
CN112115293A (zh) * 2020-09-27 2020-12-22 广州三星通信技术研究有限公司 内容推荐方法及内容推荐装置
CN113010017B (zh) * 2021-03-29 2023-06-30 武汉虹信技术服务有限责任公司 一种多媒体信息交互显示方法、系统及电子设备
KR20230095288A (ko) 2021-12-22 2023-06-29 씨제이올리브네트웍스 주식회사 사용자 맞춤형 콘텐츠 추천 서비스 제공 방법 및 이를 위한 장치
CN114302242B (zh) * 2022-01-25 2023-10-31 聚好看科技股份有限公司 一种媒资推荐方法、显示设备及服务器

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130329966A1 (en) * 2007-11-21 2013-12-12 Qualcomm Incorporated Media preferences

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI299471B (en) * 2001-08-24 2008-08-01 Toshiba Kk Person recognition apparatus
CA2527083C (en) 2003-06-02 2011-04-26 Disney Enterprises, Inc. System and method of programmatic window control for consumer video players
US7564994B1 (en) * 2004-01-22 2009-07-21 Fotonation Vision Limited Classification system for consumer digital images using automatic workflow and face detection and recognition
JP4371024B2 (ja) 2004-09-28 2009-11-25 ソニー株式会社 記録再生装置、記録再生方法および記録再生システム
KR100775005B1 (ko) * 2004-12-07 2007-11-08 한국전자통신연구원 사용자 인식 시스템 및 그 방법
JP2006324809A (ja) 2005-05-17 2006-11-30 Sony Corp 情報処理装置，情報処理方法，およびコンピュータプログラム
KR101157453B1 (ko) * 2007-11-06 2012-06-22 숭실대학교산학협력단 내용 기반 추천 기법을 이용한 개인화 서비스 시스템 개발 장치 및 방법
US20090285454A1 (en) 2008-05-15 2009-11-19 Samsung Electronics Co., Ltd. Method and system for facial recognition training of users of entertainment systems
WO2010063463A2 (en) * 2008-12-05 2010-06-10 Fotonation Ireland Limited Face recognition using face tracker classifier data
KR20100069395A (ko) * 2008-12-16 2010-06-24 주식회사 케이티 얼굴 인식 기술을 이용하여 사용자에 따라 특화된 아이피티브이 콘텐츠를 추천하는 시스템 및 방법
US20100199310A1 (en) * 2009-01-30 2010-08-05 Echostar Technologies L.L.C. Methods and devices for recommending media content
KR20110023496A (ko) 2009-08-31 2011-03-08 엘지전자 주식회사 사용자를 인식하여 기능을 제공하는 방송 수신기의 제어 방법 및 그 방법을 채용한 방송 수신기
JP2012022258A (ja) 2010-07-16 2012-02-02 Tokyo Ohka Kogyo Co Ltd ポジ型レジスト組成物、レジストパターン形成方法
KR20120042314A (ko) 2010-10-25 2012-05-03 주식회사 케이티 얼굴 영상 정보에 기초하여 콘텐츠를 추천하는 시스템 및 방법
KR20120046653A (ko) * 2010-11-02 2012-05-10 에스케이플래닛 주식회사 얼굴 및 스타일 인식 기반의 상품 추천 시스템 및 그 방법
KR101819499B1 (ko) 2010-11-11 2018-01-17 엘지전자 주식회사 멀티미디어 장치와 복수 개의 이종 이미지 센서 그리고 그 제어방법
US8552873B2 (en) * 2010-12-28 2013-10-08 Automotive Research & Testing Center Method and system for detecting a driving state of a driver in a vehicle
US8824749B2 (en) * 2011-04-05 2014-09-02 Microsoft Corporation Biometric recognition
US20140152869A1 (en) * 2011-07-13 2014-06-05 Simon Solotko Methods and Systems for Social Overlay Visualization
KR20130072038A (ko) 2011-12-21 2013-07-01 한국전자통신연구원 Ｔｖ의 시작 채널 설정 장치 및 방법
US20130174035A1 (en) * 2011-12-30 2013-07-04 United Video Properties, Inc. Systems and methods for representing a content dependency list
US9177130B2 (en) * 2012-03-15 2015-11-03 Google Inc. Facial feature detection
US9055337B2 (en) * 2012-05-17 2015-06-09 Cable Television Laboratories, Inc. Personalizing services using presence detection
US20130347039A1 (en) 2012-06-21 2013-12-26 United Video Properties, Inc. Graphical user interface for media content selection

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130329966A1 (en) * 2007-11-21 2013-12-12 Qualcomm Incorporated Media preferences

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102654931B1 (ko) 2023-12-14 2024-04-04 주식회사 아브코 자연어 처리 기반 사용자 맞춤형 블록체인 콘텐츠 최적화 및 제공 서비스 제공 방법, 장치 및 시스템

Also Published As

Publication number Publication date
WO2015119335A1 (ko) 2015-08-13
US10524004B2 (en) 2019-12-31
US20160337696A1 (en) 2016-11-17
KR20150093425A (ko) 2015-08-18

Similar Documents

Publication Publication Date Title
KR102197098B1 (ko) 콘텐츠 추천 방법 및 장치
US11902626B2 (en) Control method of playing content and content playing apparatus performing the same
JP6824332B2 (ja) 動画サービス提供方法およびこれを用いるサービスサーバ
US8750681B2 (en) Electronic apparatus, content recommendation method, and program therefor
KR102290419B1 (ko) 디지털 컨텐츠의 시각적 내용 분석을 통해 포토 스토리를 생성하는 방법 및 장치
US9654845B2 (en) Electronic apparatus of generating summary content and method thereof
CN105373768B (zh) 提供图像内容的方法和设备
KR102206184B1 (ko) 동영상 내 객체 관련 정보 검색 방법 및 동영상 재생 장치
JP2019525272A (ja) 自然言語クエリのための近似的テンプレート照合
CN108292314B (zh) 信息处理装置、信息处理方法和程序
US11057457B2 (en) Television key phrase detection
KR20140037874A (ko) 관심 기반 비디오 스트림 선택 기법
KR20080114786A (ko) 다수의 이미지들 요약의 자동 생성 방법 및 장치
JP6557592B2 (ja) 映像シーン分割装置及び映像シーン分割プログラム
KR102314645B1 (ko) 미디어 리소스를 제공하는 방법 및 장치
US20170206243A1 (en) Control apparatus, control method and computer program
JP5914762B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
KR102550305B1 (ko) 머신 러닝 기반의 영상 자동 편집 방법 및 시스템
KR20180131226A (ko) 광고 편성 장치 및 방법
KR102298066B1 (ko) 영상 콘텐츠 제공 방법 및 영상 콘텐츠 제공 장치
JP2006186426A (ja) 情報検索表示装置、情報検索表示方法および情報検索表示プログラム
JP2014130536A (ja) 情報管理装置、サーバ及び制御方法
KR101369270B1 (ko) 멀티 채널 분석을 이용한 비디오 스트림 분석 방법
JP2019216355A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
US20170061215A1 (en) Clustering method using broadcast contents and broadcast related data and user terminal to perform the method

Legal Events

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