KR102216049B1 - 시맨틱 라벨링 시스템 및 방법 - Google Patents

시맨틱 라벨링 시스템 및 방법 Download PDF

Info

Publication number
KR102216049B1
KR102216049B1 KR1020140047687A KR20140047687A KR102216049B1 KR 102216049 B1 KR102216049 B1 KR 102216049B1 KR 1020140047687 A KR1020140047687 A KR 1020140047687A KR 20140047687 A KR20140047687 A KR 20140047687A KR 102216049 B1 KR102216049 B1 KR 102216049B1
Authority
KR
South Korea
Prior art keywords
place
user
semantic
places
location
Prior art date
Application number
KR1020140047687A
Other languages
English (en)
Other versions
KR20150121596A (ko
Inventor
성재모
문민영
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 KR1020140047687A priority Critical patent/KR102216049B1/ko
Priority to JP2015087130A priority patent/JP6660098B2/ja
Priority to CN201510191873.XA priority patent/CN105023020B/zh
Priority to US14/691,876 priority patent/US10762119B2/en
Priority to EP15164461.4A priority patent/EP2950252A1/en
Publication of KR20150121596A publication Critical patent/KR20150121596A/ko
Application granted granted Critical
Publication of KR102216049B1 publication Critical patent/KR102216049B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/355—Class or cluster creation or modification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
    • H04W8/186—Processing of subscriber group data
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1091—Recording time for administrative or management purposes
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2101/00—Indexing scheme associated with group H04L61/00
    • H04L2101/60—Types of network addresses
    • H04L2101/69—Types of network addresses using geographic information, e.g. room number

Abstract

시맨틱 라벨링 시스템 및 방법이 개시된다. 일 예에 따라, 시맨틱 라벨링 시스템은 시간에 따른 지리적인 사용자의 위치를 나타내는 위치 데이터로부터 상기 사용자의 위치가 일정 시간 동안 일정한 크기의 지리적 영역 내에 머물고 있을 때, 이 지리적 영역을 장소로서 식별하고, 식별된 장소 각각에 대한 사용자의 방문 정보에 기초하는 장소 속성을 생성하는 장소 식별부와; 상기 장소들을 상기 장소 속성에 기초하여 클러스터링 함으로써 그룹들로 분류하고, 상기 그룹들 각각에 대해 시맨틱 라벨을 사용자에게 요청하여 획득함으로써, 획득된 시맨틱 라벨을 상기 그룹들 각각의 시멘틱 라벨로 지정하는 그룹 식별부와; 상기 그룹들 각각의 시맨틱 라벨을 상기 그룹들 각각의 멤버 장소들의 시맨틱 라벨로 결정하는 라벨 결정부를 포함한다.

Description

시맨틱 라벨링 시스템 및 방법{SYSTEM AND METHOD FOR SEMANTIC LABELING}
시맨틱 라벨링 기술에 관련된다. 보다 상세하게는 사용자 위치의 의미를 결정하는 시맨틱 라벨링 기술에 관련된다.
근래 모바일 기기인 스마트폰의 대중화와 GPS(Global Positioning System), 셀 식별번호(Cell ID)를 이용한 위치 추적 등과 같은 위치 추적 기술의 발전에 따라, 모바일 기기를 통해 사용자의 물리적인 위치를 파악할 수 있게 되었다. 이러한 위치 추적 기술을 기반으로 하여, 특정 위치에서 사용자가 필요로 할 법한 서비스를 추정하여 제공하는 것과 같은 위치 기반 서비스(LBS, Location-Based Intelligent Service)가 제안되고 있다. 위치 기반 서비스는, 특정 위치에서, 사용자에게 맞춤형 광고, 맞춤형 정보, 맞춤형 장치 컨트롤 등의 개인화된 서비스를 지능적으로 제공할 수 있다는 장점이 있다. 특히, 위치 기반 서비스의 개인화를 달성하기 위해서는 특정 위치에 대한 특정 사용자의 시맨틱 라벨(semantic label)이 미리 정의될 필요가 있다. 여기서 시맨틱 라벨이란, 특정 위치가 사용자에게, 예를 들어, 집, 학교, 직장, 약속 장소 등과 같은 의미가 있음을 나타내는 정보이다. 예컨대, 임의의 지리적 좌표의 위치는 한편으로 한 사용자에게는 학교이면서, 다른 한편으로 다른 한 사용자에게는 직장일 수 있다.
종래 기법들에서, 특정 위치의 시맨틱 라벨은 사용자에 의해 지정되거나, 또는 서비스 제공자에 의해 지정되는 방식으로 미리 정의된다. 그러나 서비스 제공자에 의해 특정 위치의 시맨틱 라벨이 지정되는 방식으로는 적절하게 개인화된 위치 기반 서비스를 제공할 수 없다는 단점이 있다. 한편, 일반적으로 사용자가 방문하는 장소들은 매우 많기 때문에, 사용자가 일일이 수동으로 모든 장소의 의미를 정하는 방식의 시맨틱 라벨링 작업은 사용자에게는 매우 성가시고 불편한 작업이다.
특정 위치에 대해 사용자 시맨틱 라벨을 결정할 때, 사용자의 개입이 최소로 되도록 하는, 시맨틱 라벨링 시스템 및 방법을 제안한다.
일 양상에 따라 제공되는 시맨틱 라벨링 시스템은, 시간에 따른 지리적인 사용자의 위치를 나타내는 위치 데이터로부터 상기 사용자의 위치가 일정 시간 동안 일정한 크기의 영역 내에 머물고 있을 때, 이 영역을 장소로서 식별하고, 식별된 장소 각각에 대한 사용자의 방문 정보에 기초하는 장소 속성을 생성하는 장소 식별부와; 상기 장소들을 상기 장소 속성에 기초하여 클러스터링 함으로써 그룹들로 분류하고, 상기 그룹들 각각에 대해 시맨틱 라벨을 사용자에게 요청하여 획득함으로써, 획득된 시맨틱 라벨을 상기 그룹들 각각의 시멘틱 라벨로 지정하는 그룹 식별부와; 상기 그룹들 각각의 시맨틱 라벨을 상기 그룹들 각각의 멤버 장소들의 시맨틱 라벨로 결정하는 라벨 결정부를 포함할 수 있다.
일 실시예에 있어서, 상기 위치 데이터는, 모바일 장치에 내장된 센서에 의해 검출될 수 있다.
다른 실시예에 있어서, 상기 위치 데이터는, 상기 모바일 장치에서 구동되는 애플리케이션의 타입, 상기 모바일 장치에 의해 수행되는 전화 통화의 착신 또는 발신 횟수, 상기 모바일 장치에 의해 수행되는 문자 메시지(SMS) 수신 또는 발신 횟수, 상기 모바일 장치에 내장된 모션 센서에 의해 검출되는 상기 사용자의 행동 중 적어도 하나를 더 포함할 수 있다.
또 다른 실시예에 있어서, 상기 장소 속성은, 상기 장소를 그 외 다른 장소들과 구별되도록 하는 식별정보, 및 상기 장소에 상기 사용자가 방문한 시간정보를 포함할 수 있다.
또 다른 실시예에 있어서, 상기 장소 속성은, 상기 장소에 상기 사용자가 방문한 시간정보로부터 계산될 수 있는 정보를 더 포함할 수 있다.
또 다른 실시예에 있어서, 상기 장소 속성은, 상기 장소에서 동작시킨 사용자가 소지하거나 착용한 모바일 장치의 동작 상태를 나타내는 정보를 더 포함할 수 있다.
또 다른 실시예에 있어서, 상기 장소 속성은, 상기 장소에서 이루어진 것으로 상기 모바일 장치에 의해 검출된 상기 사용자의 행동을 나타내는 정보를 더 포함할 수 있다.
또 다른 실시예에 있어서, 상기 그룹 식별부는, 상기 그룹들 각각의 멤버 장소들 중 하나를 대표 장소로 선정하고, 선정된 대표 장소의 시맨틱 라벨을 사용자에게 요청하여 획득함으로써, 획득된 대표 장소의 시맨틱 라벨을 상기 그룹들 각각의 시맨틱 라벨로 지정할 수 있다.
또 다른 실시예에 있어서, 상기 그룹 식별부는, 상기 그룹들 각각의 멤버 장소들의 장소 속성들에 기초하여, 상기 그룹들 각각의 멤버 장소들 중 하나의 장소를 대표 장소로 선정할 수 있다.
또 다른 실시예에 있어서, 상기 그룹 식별부는, 상기 그룹들 각각의 멤버 장소들의 장소 속성들 중 사용자 방문과 연관된 정보에 기초하여, 상기 그룹들 각각의 멤버 장소들 중 하나의 장소를 대표 장소로 선정할 수 있다.
또한 다른 양상에 따라 제공되는 시멘틱 라벨링 방법은, 시간에 따른 지리적인 사용자의 위치를 나타내는 위치 데이터 위치 데이터로부터 상기 사용자의 위치가 일정 시간 동안 일정한 크기의 영역 내에 머물고 있을 때, 이 영역을 장소로서 식별하고, 식별된 장소 각각에 대한 사용자의 방문 정보에 기초하는 장소 속성을 생성하는 장소 식별 단계와; 상기 장소들을 상기 장소 속성에 기초하여 클러스터링 함으로써 그룹들로 분류하고, 상기 그룹들 각각에 대해 시맨틱 라벨을 사용자에게 요청하여 획득함으로써, 획득된 시맨틱 라벨을 상기 그룹들 각각의 시멘틱 라벨로 지정하는 그룹 식별 단계와; 상기 그룹들 각각의 시맨틱 라벨을 상기 그룹들 각각의 멤버 장소들의 시맨틱 라벨로 결정하는 라벨 결정 단계를 포함할 수 있다.
위에서 간단히 기술된 양상들 및 실시예들과 그 외 다른 양상들 및 실시예들에 관한 더 상세한 설명이 아래에서 제공될 것이다.
특정 위치에 대해 사용자 시맨틱 라벨을 결정할 때, 해당 위치에서 수집되는 데이터에 기초하여 유사 위치들을 그룹들로 분류하고, 각 그룹에 대해 사용자가 지정한 시맨틱 라벨에 기초하여 그룹 내 개별 위치들의 시맨틱 라벨이 자동 결정될 수 있게 함으로써, 사용자 개입이 최소로 되도록 하는, 시맨틱 라벨링 시스템 및 방법을 구현할 수 있는 효과가 있다.
도 1은 위치 기반 서비스 환경을 설명하기 위한 개략도.
도 2는 시맨틱 라벨링 시스템의 일 실시예의 구성을 보여주는 블록도.
도 3은 시맨틱 라벨링 시스템의 일 실시예에서, 위치 데이터로부터 최종적인 라벨 데이터까지의 과정을 설명하기 위한 개략도.
도 4는 시맨틱 라벨링 시스템의 일 실시예에서, 센서에 의해 감지된 사용자의 위치를 나타내는 위치 데이터의 예를 설명하기 위한 개략도.
도 5는 시맨틱 라벨링 시스템의 일 실시예에서, 사용자가 각 장소를 방문한 누적 횟수 데이터를 예시하는 그래프.
도 6은 시맨틱 라벨링 시스템의 일 실시예에서, 사용자가 각 장소를 방문한 누적 지속시간 데이터를 예시하는 그래프.
도 7은 시맨틱 라벨링 시스템의 일 실시예에서, 사용자가 각 장소를 한번 방문할 때마다 평균 지속시간 데이터를 예시하는 그래프.
도 8은 시맨틱 라벨링 시스템의 일 실시예에서, 하루 중에서 사용자가 각 장소를 방문하는 시간대별 방문 누적 횟수 데이터를 예시하는 그래프.
도 9는 시맨틱 라벨링 시스템의 일 실시예에서, 일주일 중에서 사용자가 각 장소를 방문하는 요일별 방문 누적 횟수 데이터를 예시하는 그래프.
도 10은 시맨틱 라벨링 시스템의 일 실시예에서, 검출 위치의 라벨을 기저장된 유사 장소의 라벨로서 결정하는 예를 설명하기 위한 블록도.
도 11은 시맨틱 라벨링 시스템의 일 실시예에서, 검출 위치의 라벨을 기저장된 유사 그룹의 라벨로서 결정하는 예를 설명하기 위한 블록도.
도 12는 시맨틱 라벨링 시스템의 일 실시예에서, 검출 위치의 라벨을 새로운 라벨로서 결정하는 예를 설명하기 위한 블록도.
도 13은 모바일에서 검출된 데이터에 대해 원격 서버에서 시맨틱 라벨링을 수행하는 실시예를 보여주는 블록도.
도 14는 시맨틱 라벨링 방법의 일 실시예를 예시하는 흐름도.
도 15는 시맨틱 라벨링 방법의 다른 실시예를 예시하는 흐름도.
도 16은 시맨틱 라벨링 방법의 또 다른 실시예를 예시하는 흐름도.
도 17은 시맨틱 라벨링 방법의 또 다른 실시예를 보여주는 흐름도.
도 18은 시맨틱 라벨링 방법의 또 다른 일 실시예를 보여주는 흐름도.
위치 기반 서비스(LBS) 기술은, 특정 위치에 대해 미리 정의되어 있는 시맨틱 라벨을 기초로 하여, 사용자가 필요로 할 것이라고 추정되는 서비스를 제공하는 기술이다. LBS의 일 예를 들면, 사용자의 모바일 기기에서, 사용자가 수동으로 집(home), 직장(work) 등으로 의미를 지정한 시맨틱 라벨 정보가 미리 저장된다. 이후, 모바일 기기 내 GPS 센서에 의해 사용자가 미리 저장된 직장의 GPS 좌표 근처에 진입하는 것이 검출될 수 있다. 그러면, 사용자가 진입한 장소의 의미, 즉 '직장'과 연관되어 저장되어 있는 스케줄(schedule) 정보가 조회된다. 그런 다음, 조회된 스케줄 정보가 모바일 기기의 디스플레이 상에 표시됨으로써 사용자에게 제공될 수 있다. 이 예에서, 사용자에 의해 사전에 시맨틱 라벨이 지정되어 있는 장소에 대해서는 개인화된 서비스가 제공될 수 있다. 하지만 사전에 지정된 시맨틱 라벨이 없는 장소들에게 대해서는 개인화된 서비스가 제공되기 어렵다.
예를 들어, 일반적인 직장인의 경우, 집, 집 근처의 다양한 장소들, 집과 직장 사이의 출퇴근 시에 방문하는 장소들, 직장, 직장 근처의 다양한 장소들, 및 친구나 업무상 미팅 장소들 등과 같이, 상당히 많은 장소들을 방문할 수 있다. 이렇게 많은 장소들에 대해 사용자가 일일이 수동으로 의미를 지정하는 시맨틱 라벨링 방식은 매우 성가시고 불편하며, 현실적으로 불가능하다. 뿐만 아니라, 몇몇 장소들의 경우, 사용자는 해당 장소의 시맨틱 라벨로서 어떤 단어를 사용하여야 할 지에 대해 명확한 판단을 내리기 어려울 수 있다.
이에 비하여, 실시예들에 따른 시맨틱 라벨링 기법은, 일부 장소에 대해서만 사용자가 시맨틱 라벨을 지정하는 것으로, 사용자에게 의미있는 장소들 의 거의 모두에 대해 적절한 시맨틱 라벨을 정의할 수 있는 기술을 제공할 수 있다. 실시예들에서, 모든 장소에 대해서가 아니라, 단지 일부의 장소에 대해서만 사용자가 정의한 시맨틱 라벨들이 필요하다. 사용자가 정의하지 않은 그 외 다른 장소들의 시맨틱 라벨들은, 사용자가 일부 장소들에 대해 정의한 시맨틱 라벨들에 기초하여, 자동으로 결정될 수 있다. 따라서 실시예들에 따른 시맨틱 라벨링 기법은 부분-수동 방식의 또는 부분-자동 방식의 시맨틱 라벨링 기법이라고 할 수 있다.
실시예들에서, 사용자가 일부 장소들에 대해 지정한 시맨틱 라벨은 집합적 라벨의 성격을 가질 수 있다. 다시 말해서, 실시예들에 따라, 다수의 서로 다른 장소들은, 미리 정해진 기준에 기초하여 집합들로 분류될 수 있다. 분류된 집합들에 대해 사용자가 각각 시맨틱 라벨을 지정할 수 있고, 특정 그룹의 시맨틱 라벨은 해당 그룹을 구성하는 모든 장소들의 시맨틱 라벨로 간주될 수 있다. 이와 같이, 실시예들에 따른 시맨틱 라벨링 기법은, 사용자가 하나의 집합적 시맨틱 라벨을 수동으로 정의하면 이 집합적 시맨틱 라벨이 다수의 개별 장소들의 개별 시맨틱 라벨로서 자동 결정되는 방식의, 집합적 시맨틱 라벨링 기법이라고 할 수 있다.
또한 실시예들에서, 지리적으로 서로 구별되는 장소들은 미리 정해진 기준에 따라 유사성이 판단될 수 있다. 예컨대, 사용자가 특정 장소를 방문한 때에 어떤 행동을 하는 지와 관련한 방문 정보에 기초하여, 장소 각각에 대해 하나 이상의 속성들이 식별될 수 있다. 그런 다음 장소들의 속성들에 기초하여 장소들 사이의 유사성이 판단될 수 있다. 그 결과, 속성들이 유사하다고 판단된 장소들은 하나의 그룹으로 분류될 수 있다. 그런 다음, 각 그룹에 대해 또는 각 그룹의 대표 장소에 대해 사용자가 집합적인 그룹 시맨틱 라벨을 지정할 수 있다. 그러면, 이 그룹 시맨틱 라벨 또는 대표 장소의 시맨틱 라벨은 그룹 내 장소들의 시맨틱 라벨로서 자동 정의될 수 있다. 이와 같이 실시예들에 따른 시맨틱 라벨링 기법은, 장소들 사이의 유사성을 자동으로 판단하여 그룹화하여 라벨링 함으로써, 사용자의 개입을 최소화시킨 시맨틱 라벨링 기법이라고 할 수 있다.
이와 같은 실시예들에 따르면, 사용자의 임의의 위치가 검출되었을 때, 이 검출된 위치의 시맨틱 라벨은, 검출 위치의 속성에 따라, 미리 저장되어 있는 시맨틱 라벨들 중 하나로 자동으로 결정될 수 있다. 만약 검출 위치의 속성이 이미 시맨틱 라벨들이 결정되어 있는 장소들의 속성과 유사하지 않다면, 새로운 시맨틱 라벨이 위에 언급된 실시예들에 따라 반-자동으로 결정될 수 있다.
본 명세서에서 '장소(place)'는 시맨틱 라벨을 가지는 단위에 대응한다. 실시예에 따라, '장소'는 사용자의 위치로서 파악되는 물리적인 위치들 중에서, 미리 정의된 일정한 지속시간 이상 사용자가 머문 위치이면서 또한 미리 정의된 일정한 크기의 면적을 가지는 영역을 가리킨다고 정의될 수 있다. 검출되는 사용자의 위치들 중에서 사용자가 일정시간 이상 머물지 않은 위치는 사용자에게 별로 의미없는 위치일 가능성이 크고, 검출된 사용자의 위치들 모두가 시맨틱 라벨을 가질 필요도 없다. 그러므로, 사용자가 일정 시간 이상 머문 위치들만을 사용자에게 의미 있는 장소로서 선별하는 것이 합리적이다. 더 나아가, 예컨대 집, 직장, 커피숍, 도서관, 학원, 아르바이트 등과 같은 의미가 붙여지는 장소는 대개 일정한 면적 이상을 가지는 영역이므로, 시맨틱 라벨을 결정하는 단위로서의 '장소'를, 면적을 가지지 않는 포인트로서보다는, 일정한 반경을 가지는 영역으로 정의하는 것이 더 합리적이다.
장소의 속성에는, 장소ID가 포함될 수 있다. 각각의 장소는 장소ID에 의해 각각 구별될 수 있다. 장소ID는 지리적으로 서로 다른 각 개별 장소를 고유하게 구별하기 위해 생성되는 식별번호일 수 있다.
또한 장소의 속성에는, 장소를 지리적으로 식별하는 식별정보 포함될 수 있다. 장소의 지리적인 식별정보는 본 명세서에서 '장소 프로파일'이라고 지칭된다. 장소 프로파일에는 장소의 중심 좌표, 장소 반경 등의 지리적인 정보가 포함될 수 있다. 각각의 장소는 하나의 장소 프로파일을 가질 수 있다.
이미 언급된 바와 같이, 장소는 지리적으로 미리 결정된 크기의 면적을 가지는 영역이다. 장소의 영역은 장소 프로파일 즉 중심 좌표와 반경에 의해 표현될 수 있다. 각 장소의 중심 좌표는 GPS 좌표, 또는 인근 기지국ID 또는 액세스포인트ID와 같은 셀ID 좌표에 기초할 수 있다. 일반적으로, GPS 좌표는 수 미터 또는 수십 센티미터 반경의 좁은 영역 단위로 사용자의 위치를 정확하게 파악할 수 있다는 장점이 있으나, GPS 위성으로부터의 전파 신호가 도달될 수 없는 지하공간이나 실내에서는 파악이 불가하다는 단점이 있다. 그러므로, 지하공간이나 실내에서의 사용자 위치를 파악하기 위해, 예컨대 Wi-Fi 액세스 포인트 또는 무선 전화 기지국 식별정보와 같은, 셀ID 정보를 부가적으로 이용할 수 있다. 예컨대, 3G 네트워크의 기지국 하나는 약 2~3 km 반경의 영역을 커버하므로, 기지국 ID에 의해 파악되는 사용자 위치는 어느 지하철 역인지, 어느 쇼핑몰인지, 어느 대학교 안에 있는지 정도의 정확성을 가질 수 있다.
또한 선택적으로, 장소의 속성에는, 사용자가 해당 장소를 방문한 것과 연관된 방문 정보가 포함될 수 있다. 이러한 방문 정보는 본 명세서에서 '방문 프로파일'이라고 지칭된다. 방문 프로파일은 특정 장소에 사용자가 방문한 때에 센서에 의해 감지함으로써 및/또는 모바일 기기의 동작 이벤트를 감지함으로써 수집할 수 있는 다양한 관련 정보가 포함될 수 있다. 방문 프로파일에는, 특정 장소에 사용자가 방문한 시간 즉 장소에 진입한 시간과 이 장소로부터 진출한 시간 즉 방문이 종료된 시간이 포함될 수 있다. 또한 방문 프로파일에는, 해당 장소에서 감지된 사용자의 활동량, 해당 장소에서 감지된 사용자 모바일 기기의 동작 상태 등의 관련 정보가 포함될 수 있다.
본 명세서에서 '방문'이라는 용어는, 사용자가 특정 장소에 진입한 때부터 진출한 때까지를 하나의 방문으로 카운트하는 의미의 용어로서 사용된다. 여기서, 특정 장소에 사용자가 진입/진출한 시점(즉, 방문 개시/종료 시점)은, 만약 사용자의 위치가 실시간으로 연속 검출되는 경우가 아니라면, 사용자가 해당 장소에 물리적으로 진입/진출한 시점과는 차이가 발생할 수 있다. 예를 들어, 사용자 위치를 초단위로 검출하는 것과 분단위로 검출하는 것은 시스템 부담이 서로 다를 수 있다. 그러므로, 시스템 부담을 경감시키기 위해 사용자 위치 검출 시간 간격을 상대적으로 길게 구성하는 실시예도 가능하다. 이런 실시예에서, 사용자가 특정 장소를 방문 개시한 시점은, 사용자 위치가 특정 장소에서 최초 검출된 시점에 기반하여 결정될 수 있다. 그리고, 사용자가 특정 장소의 방문을 종료한 시점은, 방문 개시 시점 이후 사용자의 위치가 이 장소에서 마지막으로 검출된 시점에 기반하여 결정될 수 있다.
사용자는 하나의 장소를 여러 회 방문할 수 있고, 오랜 시간 동안 방문하거나 아주 짧은 시간 동안만 방문할 수 있다. 방문한 시간이 체크되기 때문에, 방문 동안 사용자가 모바일 기기의 어떤 기능을 동작시켰는지가 방문 프로파일에 포함될 수 있다. 예컨대, 사용자의 모바일 기기가 가속도 센서와 같은 모션 센서에 의해 활동량을 기록할 수 있는 스마트폰인 경우, 사용자가 특정 위치에 방문하는 동안, 얼마나 운동을 하였는지가 방문 프로파일에 포함될 수 있다. 다른 예를 들면, 전화 통화를 발신/수신 빈도수, 문자메시지(SMS) 송신/수신 빈도수 등이 방문 프로파일에 포함될 수 있다.
각각의 1회 방문에 대해 1개의 방문 프로파일이 생성될 수 있다. 1개의 장소에는 서로 다른 시간대에 생성된 복수의 방문 프로파일들이 연관될 수 있다. 그러므로, 각 장소에 대해 복수의 방문 프로파일들을 합산한 파생 정보가 생성될 수 있다. 생성될 수 있는 파생 정보에는, 예컨대, 하루 중 특정 장소를 방문한 누적 횟수/시간, 일주일 중 특정 요일에 특정 장소를 방문한 누적 횟수/시간, 기타 등등이 포함되지만, 이들로만 제한되지 않는다.
지리적으로 서로 다른 좌표를 가지는 서로 다른 장소들은, 서로 다른 장소 프로파일을 가진다. 하지만, 몇몇 장소들은 서로 유사한 방문 프로파일들을 가질 수 있다. 예컨대, 몇몇 장소들은 사용자가 하루 중 낮 시간에만 방문하는 형태의 유사한 방문 프로파일을 가질 수 있다. 몇몇 장소들은 사용자가 하루 중 저녁 시간에만 방문하는 형태의 유사한 방문 프로파일을 가질 수 있다. 몇몇 장소들은 사용자가 낮 시간에 한달 동안 30회 이상 방문하는 형태의 유사한 방문 프로파일을 가질 수 있다. 몇몇 장소들은 사용자가 수요일 저녁에만 방문하는 형태의 유사한 방문 프로파일을 가질 수 있다. 어떤 장소들은 사용자가 주중 오후 6시에서 10시 사이에 방문하고, 방문 동안에, 모바일 기기의 음악 플레이어 애플리케이션을 동작시킨다는 형태의 유사한 방문 프로파일을 가질 수 있다.
실시예에 따라, 장소들의 방문 프로파일에 기초하여 장소들의 유사성이 판단될 수 있다. 유사하다고 판단된 장소들은 하나의 그룹(group)으로서 분류될 수 있다. 이와 같이 장소들의 유사성을 판단하여 그룹들로 분류하는 과정은 본 명세서에서 '클러스터링(clustering)'이라고 지칭된다. 각각의 그룹에 대해, 장소ID와 유사한 식별번호 형태의 그룹ID가 생성될 수 있다. 각 그룹에 속하는 멤버들 즉 장소ID들은 해당 그룹의 그룹ID와 연관될 수 있다. 이와 같이, 각각의 그룹에는 유사한 방문 프로파일을 가진 하나 이상의 장소들이 멤버들로서 포함될 수 있다.
실시예에 따라, 각각의 그룹에 대해 사용자에게 시맨틱 라벨을 요청하여 입력 받음으로써 각 그룹의 시맨틱 라벨이 결정될 수 있다. 더 나아가, 구체적인 실시예에 따라, 어떤 그룹의 복수의 장소들 중에서 예컨대 "일정기간 동안 총 방문 누적 횟수가 가장 큰" 장소, 또는 "일정기간 동안 총 방문 누적 시간이 긴" 장소를 이 그룹의 대표 장소로서 선택할 수 있다. 그런 다음, 대표 장소에 대한 시맨틱 라벨을 사용자에게 요청할 수 있다. 그 결과 사용자가 수동의 입력한 시맨틱 라벨은 대표 장소의 시맨틱 라벨로서 정해진다. 그런 다음, 대표 장소의 시맨틱 라벨은 그룹의 시맨틱 라벨로서 정의될 수 있다. 이어서 이 그룹의 시맨틱 라벨은, 그룹 내에서 대표 장소를 제외한 나머지 장소들의 시맨틱 라벨로서 정의될 수 있다.
실시예들에서, 사용자의 위치가 검출되면, 이 검출 위치가 기 저장된 장소에 대응하는지 여부가 판단될 수 있다. 검출 위치가 기 저장된 장소에 대응하면, 대응된 기 저장된 장소의 시맨틱 라벨이 검출 위치의 시맨틱 라벨이라고 간주될 수 있다. 만약, 검출 위치가 기 저장된 장소에 대응하지 않는다면 검출 위치는 새로운 장소로서 식별되고, 이 새로운 장소의 속성이 기 저장된 장소들의 속성들과 유사한지 여부가 판단될 수 있다. 만약 유사한 속성을 가진 기 저장된 장소가 발견되면, 유사한 속성을 가진 기 저장된 장소의 시맨틱 라벨이 새로운 장소의 시맨틱 라벨이라고 간주될 수 있다. 만약 유사한 속성을 가진 기 저장된 장소가 발견되었으나, 시맨틱 라벨이 지정되어 있지 않으면, 새로운 장소는 발견된 기 저장된 장소의 그룹에 새로운 멤버로서 추가되도록 결정될 수 있다. 만약 유사한 속성을 가진 기 저장된 장소가 발견되지 않으면, 새로운 장소는 새로운 그룹의 멤버라고 결정될 수 있다. 이후 아직 시맨틱 라벨이 지정되지 않은 그룹의 멤버들이 충분히 증가하게 되면, 사용자에게 이 그룹의 시맨틱 라벨을 요청함으로써 이 그룹 내 장소들의 시맨틱 라벨들을 결정할 수 있다.
실시예들에 따른 시맨틱 라벨링 기법은 사용자의 위치 데이터가 누적되면 될수록 신뢰도가 증가하게 되지만, 사용자 행동 패턴이 갑자기 변하게 되는 경우에는 해당되지 않는다. 예를 들어, 만약 사용자가 학교를 졸업하였거나, 타 지역으로 거주지를 옮겼거나, 타 지역의 직장으로 이직을 하는 등의 상황이 발생하면, 사용자의 행동 패턴은 급격히 변화될 수 있다. 이러한 경우에는 기존에 저장되어 있는 시맨틱 라벨들을 재설정할 필요가 있게 된다. 이와 같이 사용자의 행동 패턴의 변화가 급격히 발생하는 시점 전후 기간 동안은 실시예들의 적용 범위에서 벗어난다. 실시예들은 사용자의 행동 패턴이 상대적으로 반복적이고 안정적일 때에 잘 적용될 수 있다. 이런 경우, 심지어 아직 시맨틱 라벨이 지정되지 않은 장소를 사용자가 방문하였다고 하더라도, 실시예들에 따라, 기존에 저장되어 있는 시맨틱 라벨들에 기초하여, 자동으로 현재 방문 장소의 시맨틱 라벨이 추정될 수 있다.
아래에서 시맨틱 라벨링 시스템 및 방법이 도면들을 참조하여 예시로서 기술된다.
도 1은 실시예들이 적용될 수 있는 위치 기반 서비스 환경의 일 예를 설명하기 위한 개략도이다.
도 1을 참조하면, 사용자(11)의 위치는 모바일 기기(13)에 의해 파악될 수 있다. 모바일 기기(13)는 이동 전화 기지국(15) 또는 GPS 위성(17)으로부터 셀ID 또는 GPS 좌표를 수신함으로써, 사용자(11)의 위치를 검출할 수 있다. 검출된 사용자의 위치는, 실시예들에 따른 시맨틱 라벨링 기법에 의해 시맨틱 라벨이 정의되어 있는 장소(A, B, C, D) 중 어느 하나에 대응될 수 있다. 도시된 예에서, 사용자의 위치는 장소 B에 대응되며, 장소 B의 시맨틱 라벨이 현재 사용자 위치의 시맨틱 라벨로서 판단될 수 있다. 도시된 예에서, 사용자 위치의 시맨틱 라벨을 실시예에 따라 판단하는 과정이 모바일 기기(13)에서 이루어질 수 있다. 그 결과 시맨틱 라벨이 판단되면, 모바일 기기(13)에 내장된 LBS 모듈에 의해 서비스가 제공될 수 있다. 또는, 사용자 위치의 시맨틱 라벨이 모바일 기기(13)로부터 위치 기반 서비스 서버(19)로 전송되고, 서버(19)로부터 관련 서비스가 모바일 기기(13)로 제공될 수도 있다.
도시된 예는 단지 예시에 불과하며, 실시예들을 한정하는 것으로 의도되지 않는다. 예컨대, 실시예들에 따른 시맨틱 라벨링 기법은, 사용자가 소지한 모바일 기기(13)에서가 아니라 원격의 라벨링 서버에서 수행될 수 있다. 이 경우, 모바일 기기는 사용자의 위치와 관련 수집 정보를 통신망을 통해 라벨링 서버로 제공할 수 있다. 라벨링 서버는 실시예들에 따라 사용자 위치의 시맨틱 라벨을 판단하고, 판단된 시맨틱 라벨을 모바일 기기(13)로 전송할 수 있다. 및/또는 라벨링 서버는, 도시된 예에서 LBS 서버(19)와 통합될 수 있으며, 실시예들에 따라 사용자 위치의 시맨틱 라벨을 판단하고, 판단된 시맨틱 라벨에 따른 LBS 정보를 모바일 기기(13)로 전송할 수 있다.
이하 도 2 내지 도 13을 참조하여 시맨틱 라벨링 시스템의 실시예들이 기술된다. 도 2 내지 도 13을 참조하여 기술된 시맨틱 라벨링 시스템들은 단지 예시에 불과하다. 해당 기술분야의 통상의 지식을 가진 자는, 청구항들의 범위 내에서 다양한 조합의 다른 시스템들이 가능하다는 것을 쉽게 이해할 것이다. 시맨틱 라벨링 시스템의 컴포넌트들은, 각각의 기능을 구현하는 회로들을 포함하는 하드웨어에 의해 구현될 수 있다. 또한 시맨틱 라벨링 시스템의 컴포넌트들은, 컴퓨팅 장치의 프로세서에 의해 수행되면 특정 태스크를 실행할 수 있도록 하는 컴퓨터-실행가능 인스트럭션, 데이터 구조, 펌웨어 및 하드웨어의 조합에 의해 구현될 수도 있다.
도 2를 참조하면, 시맨틱 라벨링 시스템의 일 실시예의 구성을 보여주는 블록도가 도시된다. 도시된 실시예에서, 시맨틱 라벨링 시스템(20)은, 사용자의 위치를 검출한 위치 데이터(21)로부터 사용자에 대한 특정 위치의 의미를 나타내는 시맨틱 라벨을 포함하는 라벨데이터(29)를 산출하는 시스템이다. 이를 위하여 시맨틱 라벨링 시스템(20)은, 장소 식별부(22), 그룹 식별부(24), 사용자 인터페이스(26), 및 라벨 결정부(26) 등의 컴포넌트들을 포함할 수 있다.
장소 식별부(22)는 위치 데이터(21)로부터 장소를 식별하는 컴포넌트이다. 위치 데이터(21)는 사용자의 위치와 관련된 데이터를 포함한다. 위치 데이터(21)는 예컨대, 스마트폰, 스마트워치, 스마트안경 등의 모바일 기기 내에 내장된 센서에 의해 감지되어 생성될 수 있다. 위치 데이터(21)는 모바일 기기의 센서에 의해 일정한 시간 단위로 감지된 지리적인 좌표, 예컨대 GPS좌표, 셀ID 등을 포함할 수 있다. 장소 식별부(22)는 위치 데이터(21)에 의해 알 수 있는 사용자 위치(즉, 지리적인 좌표)의 시간적인 변화를 감시할 수 있다. 만약 사용자의 위치가 일정한 시간 동안 일정한 영역 내에 머물고 있음이 발견되면, 그 영역을 사용자에게 중요한 의미가 있는 위치인 장소(place)로 식별할 수 있다.
예를 들어, 사용자의 위치가 셀ID로 표시될 때, 사용자의 위치가 특정 셀ID에서 일정 시간 동안 머물고 있다면 장소 식별부(22)는 이 특정 셀ID가 커버하는 영역을 사용자에게 중요한 의미가 있는 장소로서 식별할 수 있다. 다른 예를 들면, 사용자의 위치가 GPS 좌표로 표시될 때, 일정한 반경 내의 특정 영역에서 일정 시간 동안 머물고 있다면, 이 특정 영역을 사용자에게 중요한 의미가 있는 장소로서 식별할 수 있다. 이렇게 식별된 장소에는 장소 식별부(22)에 의해 고유한 식별번호(즉, 장소ID)가 할당될 수 있다. 장소ID는 사용자의 시맨틱 라벨과 달리 단순히 식별용으로 쓰이는 정보이면 충분하므로 숫자들의 조합과 같은 것으로 이루어질 수 있다.
식별된 장소에는 속성 정보가 연관되는데, 장소 속성에는 사용자가 그 장소를 방문한 것과 관련된 정보가 포함된다. 사용자가 장소를 방문하는 것과 관련하여, 사용자가 그 장소에 진입한 시간 및 그 장소로부터 진출한 시간이 알려질 수 있다. 이러한 진입 및 진출 시간은 사용자의 위치를 검출할 때의 시간에 의해 알려질 수 있다. 이러한 시간 데이터에 의해 특정 장소에 대한 사용자의 진입 시간과 진출 시간 사이의 시간 길이가 알려질 수 있다. 이 시간길이는 방문 지속시간(duration)으로서 저장될 수 있다. 또한 서로 다른 시간대의 방문들의 횟수가 카운트될 수 있다. 이에 따라, 예컨대 하루, 일주일, 또는 한달 동안에 누적된 방문 횟수, 방문 지속시간 등이 계산될 수 있다. 이러한 정보는 장소 식별부(22)에 의해 생성되는 장소 속성(23)에 포함될 수 있다.
그룹 식별부(24)는 장소 식별부(22)에 의해 식별된 장소들을 분류하여 클러스터링 하는 컴포넌트이다. 장소들의 분류는 장소의 속성들에 기초할 수 있다. 그룹 식별부(24)는 각각의 장소ID와 연관되어 있는 속성들을 서로 비교하여 유사한 속성들을 가진 장소ID를 하나의 그룹으로 분류할 수 있다. 어떠한 속성들을 유사한 것으로 판단할 것인가에 대한 기준은, 일반적인 개인들의 행동 패턴에 기초할 수 있다. 예를 들어, 대개의 사람들은 "밤에 집에서 잠을 자고 낮에 학교나 직장 등에서 활동한다"는 패턴을 따른다는 사실을 이용하는 경우, 사용자가 밤 또는 낮의 특정 시간대에 머무는 장소들은 서로 유사한 속성들을 가지고 있다고 판단될 수 있다. 더 나아가, 대개의 사람들은 "매일 또는 매주 특정 시간대에 운동 등의 취미 생활을 한다"는 패턴을 따른다는 사실을 이용하는 경우, 아침, 저녁, 점심시간 또는 주말의 특정 시간대에 상대적으로 방문 빈도수가 낮지만 규칙적으로 방문되는 장소들은 유사한 속성들을 가지고 있다고 판단될 수 있다.
이런 식으로, 그룹 식별부(24)는 장소들을 하나 이상의 그룹들로 클러스터링 할 수 있다. 각각의 그룹에는 그룹 식별부(24)에 의해 각 그룹을 고유하게 식별하기 위한 그룹ID가 할당될 수 있다. 그룹ID도 역시, 장소ID와 마찬가지로, 사용자의 시맨틱 라벨과 달리 단순히 식별용으로 쓰이는 정보이면 충분하므로 숫자들의 조합으로 이루어질 수 있다. 각 그룹에도 속성 정보가 연관될 수 있다. 그룹의 속성 정보는, 각 그룹의 그룹ID 및 그룹 멤버쉽 정보가 포함될 수 있다. 그룹 멤버쉽 정보는 그룹의 멤버 장소들의 장소ID들 및 각 장소ID와 연관되어 있는 장소 프로파일 정보를 포함할 수 있다.
그룹 식별부(24)는 클러스터링 된 각 그룹에 대해 사용자에게 시맨틱 라벨을 요청할 수 있다. 이 요청은 사용자 인터페이스(26)를 통해 사용자에게 제공될 수 있고, 사용자는 사용자 인터페이스(26)를 통해 원하는 시맨틱 라벨을 입력함으로써 각 그룹의 시맨틱 라벨을 지정할 수 있다.
사용자 인터페이스(26)는 예컨대 스마트폰의 디스플레이 상에 시각적으로 제공되는 것일 수 있다. 사용자 인터페이스(26)에는, 예컨대, 요청된 그룹의 멤버 장소들 전부 또는 하나의 대표 장소의 지리적인 위치 정보와 속성 정보가 포함될 수 있다. 이와 함께, 사용자 인터페이스(26)에는 사용자가 선택할 수 있는 시맨틱 라벨들의 리스트가 포함될 수 있다. 사용자는 요청된 그룹에 대해, 자신에게 가장 알맞다고 생각하는 시맨틱 라벨을, 디스플레이 되어 있는 시맨틱 라벨들의 리스트 중에서 선택함으로써 그룹의 시맨틱 라벨을 지정할 수 있다. 대안적으로, 사용자는 원하는 시맨틱 라벨을 단어, 구절, 또는 문장의 형태로 사용자 인터페이스(26) 상에서 자유롭게 기입함으로써 요청에 응답하여 그룹의 시맨틱 라벨을 지정할 수 있다.
실시예에 따르면, 사용자가 시맨틱 라벨을 구체적으로 어떤 단어를 사용하여 구성하였는지 실제로는 큰 의미가 없다. 왜냐하면 실제로 의미있는 것은 동일 그룹에 속하는 장소들의 속성들이 어떠한 유사성을 가지고 있느냐 하는 것이기 때문이다. 장소 속성의 유사성에 따라, 서로 다른 장소들이 동일 그룹에 속하느냐 서로 다른 그룹으로 나뉘느냐가 결정된다. 따라서, 사용자는 시스템에 의해 결정되는 단어만을 사용하여 시맨틱 라벨을 구성하도록 구속되지 않는다. 오히려 실시예에 따라 사용자가 자유롭게 자신이 원하는 내용으로 시맨틱 라벨을 표현할 수 있다는 편리함이 제공된다.
사용자가 선택하거나 기입함으로써 지정한 시맨틱 라벨은, 사용자 인터페이스(26)를 통해 그룹 식별부(24)로 전달될 수 있다. 그룹 식별부(24)는 사용자에 의해 지정된 시맨틱 라벨을 해당 그룹의 시맨틱 라벨로서 결정할 수 있다. 이에 따라, 그룹 식별부(24)는 각 그룹ID, 그룹 멤버쉽 정보를 포함할 수 있으며, 사용자가 지정한 경우 그룹 라벨 정보를 더 포함할 수 있는, 그룹 속성(25)을 생성할 수 있다.
라벨 결정부(26)는 개별 장소의 시맨틱 라벨을 결정하는 컴포넌트이다. 라벨 결정부(26)는 그룹 속성(25)을 조회하여 개별 장소의 시맨틱 라벨을 결정할 수 있다. 즉, 그룹 속성(25)에서, 사용자가 지정한 시맨틱 라벨을 그룹 라벨로 포함하는 그룹의 경우, 라벨 결정부(26)는 해당 그룹의 현재 멤버 장소들뿐만 아니라 미래에 멤버로 속하게 될 장소들 모두의 시맨틱 라벨이라고 결정할 수 있다. 라벨 결정부(26)는 각각 시맨틱 라벨이 지정된 개별 장소들과 관련된 정보들을 포함하는 라벨데이터(29)를 생성할 수 있다.
상술한 바와 같이, 도 2에 예시된 시맨틱 라벨링 시스템(20)은 위치 데이터로부터 사용자가 방문한 장소들을 식별한다. 이후 시스템(20)은 식별된 장소들을 유사 여부에 따라 클러스터링 하여 그룹들을 생성하고, 생성된 그룹에 대해 사용자에게 시맨틱 라벨을 요청하여 지정하게 한다. 그런 다음, 시스템(20)은, 그룹에 대해 지정된 시맨틱 라벨을 그룹 내 멤버 장소들의 시맨틱 라벨로 간주함으로써, 개별 장소들의 시맨틱 라벨들을 결정할 수 있다. 이 예에서, 개별 장소들의 중요성은 사용자가 해당 장소에 일정 시간 이상 머물렀다는 사실로부터 유래한다. 그리고, 개별 장소들과 그룹의 연관성은 사용자가 해당 장소들을 방문한 시간대 등의 속성의 유사성에 의해 보장될 수 있다.
도 3을 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 위치 데이터로부터 생성되는 최종적인 라벨 데이터까지의 과정을 설명하기 위한 개략도가 도시된다. 도시된 예는 시맨틱 라벨링 시스템의 컴포넌트들을 생략하고 데이터들만을 보여준다. 초기의 위치 데이터(31)는 장소 식별부에 의해 장소 속성(33)으로 변환될 수 있다. 장소 속성(33)은 그룹 식별부에 의해 그룹 속성(35)으로 변환될 수 있다. 그리고 그룹 속성(35)은 최종적으로 라벨 결정부에 의해 라벨 데이터(39)로 변환될 수 있다.
위치 데이터(31)는 센서 등에 의해 감지된 감지 데이터이다. 위치 데이터(31)는 시간별 위치 데이터(312) 및/또는 활동량/이벤트 데이터(314)를 포함할 수 있다. 시간별 위치 데이터(312)는, 예컨대, GPS 좌표 감지 센서 또는 셀ID 좌표 감지 센서 등에 의해 획득되는 2차원적인 지리적인 좌표 값일 수 있다. 활동량/이벤트 데이터(314)는 시간별 위치 데이터(312)에 포함되어 있는 각 위치와 연관되어 있는 사용자의 행동을 나타내는 데이터를 포함할 수 있다. 예를 들어, 모션 센서 등에 의해 기록된 사용자의 활동량은 사용자가 걷고 있는지, 정지하고 있는지, 뛰고 있는지, 또는 차량으로 이동 중인지 등의 다양한 활동을 식별할 수 있게 한다. 사용자가, 스마트폰을 사용하고 있다면, 특정한 애플리케이션을 구동 중이거나, 전화 통화를 하는 중이거나, 문자를 주고 받는 중이라는 등의 이벤트가 감지됨으로써 사용자 행동이 식별될 수 있다.
실시예에서, 원칙적으로 시간별 위치 데이터(312)에 의해 장소가 식별되고 장소의 속성이 생성될 수 있다. 활동량/이벤트 데이터(314)는 특정 장소에서의 사용자 행동을 식별하게 하는 데이터로서 활용될 수 있다. 특정 장소에서의 사용자 행동은 장소의 속성 정보를 풍부하게 만들 수 있다.
위치 데이터(31)로부터 생성되는 장소 속성(33)은 장소ID(332), 장소 프로파일(334), 방문 프로파일(336)을 포함할 수 있다. 장소ID(332)는 각 장소를 고유하게 구별하게 하는 식별정보로서, 숫자 및/또는 문자 등의 조합에 의해 이루어질 수 있다. 사용자의 위치가 일정 시간 기간 동안 일정한 영역 내에 머물고 있는 경우 이 영역을 장소로서 식별할 수 있다. 따라서, 사용자 위치가 검출되지 않는 지역에서는 장소가 식별될 수 없다.
장소 프로파일(334)은 장소ID에 의해 식별되는 장소들 각각의 지리적인 정보를 나타내는 속성일 수 있다. 예컨대, 장소 프로파일(334)은 임의의 장소ID에 의해 식별된 장소의 중심부 좌표와 반경을 포함할 수 있다. 중심부 좌표는 GPS 좌표, 셀ID, 이동전화 기지국ID, Wi-Fi 액세스포인트 등과 같이 다양한 방식으로 표현될 수 있다. 반경은 cm, m, km 등의 단위를 가질 수 있다.
방문 프로파일(336)은 장소ID에 의해 식별되는 장소들 각각에 관련된 사용자 방문 이력 정보를 포함할 수 있다. 방문 이력 정보에는, 예를 들어, 방문 시작/종료 시각, 방문 지속시간, 방문한 날짜, 방문한 요일 등이 포함될 수 있다. 방문 이력 정보는 위치 데이터(31)의 시간별 위치 데이터(312)에 기초해서 생성될 수 있다. 또한 방문 프로파일(336)에는 장소ID에 의해 식별되는 장소들 각각에 관련된 사용자 행동 정보가 포함될 수 있다. 사용자 행동 정보에는, 예를 들어, 구동된 모바일 기기의 애플리케이션 종류, 전화 통화 횟수/지속시간, 문자메시지(SMS) 송수신 횟수, 사용자 걷기/정지/차량이동 등의 행동 등등이 포함될 수 있다. 사용자 행동 정보는 위치 데이터(31)의 활동량/이벤트 데이터(314)에 기초하여 생성될 수 있다. 더 나아가 방문 프로파일(336)에는 장소ID에 의해 식별되는 장소들 각각에 관련된 방문 누적 정보가 포함될 수 있다. 방문 누적 정보에는, 예컨대, 하루/일주일/한달 동안의 총 방문 횟수, 총 방문 지속시간, 또는 1회 방문당 평균 지속시간 등이 포함될 수 있다. 방문 누적 정보는 위치 데이터(31)의 방문 이력 정보에 기초하여 생성될 수 있다. 더 나아가 사용자 행동 정보의 누적 데이터도 생성될 수 있다.
장소 속성(33)으로부터 생성되는 그룹 속성(35)은 그룹ID(352), 그룹 프로파일(354), 그룹 라벨(356)을 포함할 수 있다. 그룹ID(352)는 각 그룹을 고유하게 구별하게 하는 식별정보이며, 숫자 및/또는 문자의 조합에 의해 이루어질 수 있다. 각 그룹은 하나 이상의 장소들을 멤버로서 포함할 수 있다. 각 그룹은 유사한 속성들을 가지는 장소들을 모아놓은 집합이다.
그룹 프로파일(354)은 그룹ID에 의해 식별되는 그룹들 각각이 포함하는 멤버 장소들의 장소ID들, 멤버 장소들의 유사하거나 공통적인 속성 정보 등을 포함할 수 있다.
그룹 라벨(356)은 각 그룹에 대해 사용자가 지정한 시맨틱 라벨을 나타낸다. 사용자는 그룹 프로파일(354)에 포함된 그룹 멤버 장소들의 유사한 속성 정보에 기초하여 그룹의 시맨틱 라벨을 지정할 수 있다. 대안적으로, 사용자는 그룹에서 선별된 하나의 대표 장소에 대해서만 시맨틱 라벨을 지정하고, 이 대표 장소의 시맨틱 라벨이 그룹의 시맨틱 라벨로 간주될 수 있다.
그룹 속성(35)으로부터 생성되는 라벨 데이터(39)는, 장소 속성(33) 및 그룹 속성(35)을 포함하고, 이에 더하여 각각의 장소에 대한 시맨틱 라벨을 정의한 장소 라벨(398)을 더 포함할 수 있다. 도시된 예에서, 라벨 데이터(39)는 장소ID(392), 프로파일 데이터(394), 그룹 라벨(396), 장소 라벨(398)을 포함하고 있다.
그룹 속성(39)에서, 장소ID(392)는 장소 속성(33)에 포함되어 있는 장소ID(332)와 동일할 수 있다. 프로파일 데이터(394)는 장소 프로파일(334), 방문 프로파일(336), 및 그룹 프로파일(354)를 모두 포함할 수 있다. 그룹 라벨(394)는 그룹 속성(35)의 그룹 라벨(356)과 동일할 수 있다.
장소 라벨(398)는 장소ID에 의해 식별되는 각 장소의 시맨틱 라벨 정보를 포함한다. 각 장소의 시맨틱 라벨은, 그룹 속성(35)의 그룹 라벨(356)이 해당 그룹 내 멤버 장소들 각각의 시맨틱 라벨로서 간주됨으로써 결정될 수 있다.
상술한 바와 같이, 실시예에 따르면, 사용자가 이전에 방문하지 아니한 새로운 장소를 방문하는 경우, 새로운 장소의 시맨틱 라벨은 새로운 장소의 속성(즉, 사용자 방문 이력 및/또는 사용자 행동을 나타내는)에 따라 추정될 수 있다. 즉, 새로운 장소의 속성이 기존에 라벨 데이터(39) 내에 저장되어 있는 장소들의 속성과 비교되고, 유사한 속성의 장소나 그룹이 발견되는 경우, 그 장소나 그룹의 시맨틱 라벨이 새로운 장소의 시맨틱 라벨로 간주될 수 있다.
도 4를 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 센서에 의해 감지된 사용자의 위치를 나타내는 위치 데이터(40)의 예를 설명하기 위한 개략도가 도시된다. 이 예에서 X축 및 Y축으로 예시된 이차원적인 지리적 좌표계 내에서 검출된 사용자의 위치들(41, 43, 45)의 분포가 나타나 있다. 도시된 위치 데이터(40)는 단순한 위치 좌표만을 나타내지만, 이들 위치가 검출된 시점 데이터와 결합하면, 왼쪽 위의 사용자의 위치(41) 및 그 주변은 사용자가 저녁부터 아침까지 방문한 장소라는 것, 오른쪽 아래의 사용자의 위치(45) 및 그 주변은 아침부터 저녁까지 방문한 장소이며, 중간의 사용자의 위치(43)는 저녁의 짧은 시간대에만 방문한 장소라는 것이 파악될 수 있다.
도 5 내지 도 9는, 시맨틱 라벨링 시스템의 일 실시예에서, 장소ID에 의해 구별되는 장소들에 대하여 사용자의 방문 이력을 가공한 방문 이력 정보의 예들이 도시된다.
도 5를 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 사용자가 각 장소를 방문한 누적 횟수 데이터(50)를 예시하는 그래프가 도시된다. 도면에서 수직축에 표시된 숫자들 각각은 특정 장소의 장소ID를 표시하며, 수평축에 표시된 숫자는 일정 기간 동안 사용자가 특정 장소를 방문한 횟수를 나타낸다. 도시된 예에서, 그래프의 맨 위에서부터 보면, 제50번 장소에는 사용자가 10회 방문했고, 제8번 장소에는 37회 방문했고, 제25번 장소에는 35회 방문했고, 제7번 장소에는 62회 방문했다는 것을 알 수 있다. 이 그래프에서, 방문횟수가 큰 장소들과 방문횟수가 작은 장소들이 서로 구별될 수 있다는 것과, 유사한 방문횟수를 가진 장소들을 동일 그룹으로 클러스터링 할 수 있다는 것을 쉽게 알 수 있다.
도 6을 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 사용자가 각 장소를 방문한 누적 지속시간 데이터(60)를 예시하는 그래프가 도시된다. 도면에서 수직축에 표시된 숫자들 각각은 특정 장소의 장소ID를 표시하며, 수평축에 표시된 숫자는 하루 동안 사용자가 특정 장소를 방문한 누적 지속시간을 나타낸다. 도시된 예에서, 그래프의 맨 위에서부터 보면, 제50번 장소에는 사용자가 하루 24시간 중에서 5시간 정도 머물렀고, 제8번 장소에는 2시간 10분 정도 머물렀고, 제25번 장소에는 1시간 50분 정도 머물렀고, 제7번 장소에는 1시간 30분 정도 머물렀다는 것을 알 수 있다. 이 그래프에서, 방문 지속시간이 긴 장소들과 방문 지속시간이 짧은 장소들이 서로 구별될 수 있다는 것과, 유사한 방문 지속시간을 가진 장소들을 동일 그룹으로 클러스터링 할 수 있다는 것을 쉽게 알 수 있다.
도 7을 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 사용자가 각 장소를 한번 방문할 때마다 평균 지속시간 데이터(70)를 예시하는 그래프가 도시된다. 도면에서 수직축에 표시된 숫자들 각각은 특정 장소의 장소ID를 표시하며, 수평축에 표시된 숫자는 사용자가 특정 장소를 1회 방문할 때마다 평균 지속시간(일 단위)을 나타낸다. 도시된 예에서, 그래프의 맨 위에서부터 보면, 제50번 장소에는 사용자가 방문할 때마다 평균 0.5일을 머물렀고, 제8번 장소에는 0.06일 정도 머물렀고, 제25번 장소에는 0.05일 정도 머물렀고, 제7번 장소에는 0.001일 정도 머물렀다는 것을 알 수 있다. 이 그래프에서, 평균 방문 지속시간이 긴 장소들과 평균 방문 지속시간이 짧은 장소들이 서로 구별될 수 있다는 것과, 유사한 평균 방문 지속시간을 가진 장소들을 동일 그룹으로 클러스터링 할 수 있다는 것을 쉽게 알 수 있다.
도 8을 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 하루 중에서 사용자가 각 장소를 방문하는 시간대별 방문 누적 횟수 데이터(80)를 예시하는 그래프가 도시된다. 도면에서 왼쪽 수직축에 표시된 숫자들 각각은 특정 장소의 장소ID를 표시하며, 수평축에 표시된 숫자는 하루 동안 사용자가 특정 장소를 방문한 시간대를 나타낸다. 그리고 표시된 컬러의 밝기는 누적 방문 횟수를 나타내며, 흰색으로 갈수록 누적 방문 횟수가 크다. 흰색은 최대 방문 횟수를 나타내고 검은색은 최소 방문 횟수 또는 0회를 나타낼 수 있다. 그래프의 맨 위에서부터 보면, 제50번 장소에는 사용자가 하루 중에서 0시 ~ 10시 사이와 20시 ~ 24시 사이에 많이 머물렀다는 것을 알 수 있다. 이 그래프에서, 하루 중 방문하는 시간대가 유사한 장소들이 서로 구별될 수 있다는 것과, 유사한 방문 시간대를 가진 장소들을 동일 그룹으로 클러스터링 할 수 있다는 것을 쉽게 알 수 있다.
도 9를 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 일주일 중에서 사용자가 각 장소를 방문하는 요일별 방문 누적 횟수 데이터(90)를 예시하는 그래프가 도시된다. 도면에서 왼쪽 수직축에 표시된 숫자들 각각은 특정 장소의 장소ID를 표시하며, 수평축에 표시된 숫자는 사용자가 특정 장소를 방문한 요일을 나타낸다. 그리고 표시된 컬러의 밝기는 누적 방문 횟수를 나타내며, 흰색으로 갈수록 누적 방문 횟수가 크다. 흰색은 최대 방문 횟수를 나타내고 검은색은 최소 방문 횟수 또는 0회를 나타낼 수 있다. 그래프의 맨 위에서부터 보면, 제50번 장소에는 사용자가 일주일 중에서 일요일(Sun)과 토요일(Sat)에 가장 많이 방문했고, 월요일(Mon)과 수요일(Wen)에는 거의 방문하지 않았음을 알 수 있다. 이 그래프에서, 방문하는 요일이 유사한 장소들이 서로 구별될 수 있다는 것과, 유사한 방문 요일을 가진 장소들을 동일 그룹으로 클러스터링 할 수 있다는 것을 쉽게 알 수 있다.
위에서 도 5 내지 도 9를 참조하여 설명한 바와 같이, 사용자 방문 장소의 속성들은 단순한 사용자의 시간별 위치를 나타내는 위치 데이터에 기초하여 생성될 수 있다. 그럼에도 불구하고 장소들에 대하여 다양한 속성들이 생성될 수 있고, 이들 다양한 속성들은 서로 다른 장소들이 유사한 속성을 가지는 그룹들로 클러스터링 될 수 있게 한다. 이에 따라, 사용자 방문 장소들 모두에 대해 사용자가 수동으로 시맨틱 라벨을 지정하지 않음에도 불구하고, 사용자 방문 장소들 모두에 대해 적절한 시맨틱 라벨이 정의될 수 있다. 더 나아가, 심지어 기존에 정의되어 있지 않은 새로이 검출된 사용자 방문 장소에 대해서도, 사용자 개입 없이, 자동으로 적절한 시맨틱 라벨이 정의될 수 있다.
도 10을 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 검출 위치의 라벨을 기저장된 유사 장소의 라벨로서 결정하는 예를 설명하기 위한 블록도가 도시된다. 시맨틱 라벨링 시스템(100)에서, 위치 검출부(102)에 의해 사용자의 위치가 검출되면, 이 검출 위치는 장소 식별부(104)로 전송된다. 장소 식별부(104)는 검출 위치에 대응하는 장소를 식별하고, 라벨 데이터(106) 내에 저장되어 있는 장소들과 비교할 수 있다. 비교 결과, 만약 검출 위치가 저장된 장소들 중 어느 하나와 동일하다면, 장소 식별부(104)는 이 동일 장소의 시맨틱 라벨을 현재 검출 위치의 시맨틱 라벨을 나타내는 검출 위치 라벨(108)로서 출력할 수 있다. 그리고, 장소 식별부(104)는 이 장소의 방문 프로파일 등의 관련 정보를 갱신할 수 있다. 반면에, 만약 검출 위치가 저장된 장소들 중 어느 것과도 동일하지 않다면, 장소 식별부(104)는 검출 위치에 대응하는 장소를 새로운 장소로서 등록할 수 있다. 등록된 새로운 장소에는, 예컨대 도 2를 참조하여 기술된 바와 같은 방식으로, 장소ID가 할당되고, 장소 속성이 생성되며, 또한 장소 속성에 기초하여 새로운 시맨틱 라벨이 지정될 수 있다.
도 11을 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 검출 위치의 라벨을 기저장된 유사 그룹의 라벨로서 결정하는 예를 설명하기 위한 블록도가 도시된다. 시맨틱 라벨링 시스템(110)에서, 위치 검출부(112)에 의해 사용자의 위치가 검출되면, 장소 식별부(114)는 검출 위치에 대응하는 장소를 식별하고, 라벨 데이터(118) 내에 저장되어 있는 장소들과 비교할 수 있다. 비교 결과, 만약 검출 위치가 저장된 장소들 중 어느 하나와 동일하지 않다면, 장소 식별부(114)는 검출 위치에 대응하는 장소에 대해 새로운 장소ID를 할당하고, 그것의 장소 속성 정보를 생성할 수 있다.
그런 다음, 그룹 식별부(116)는 새 장소의 장소 속성을, 라벨 데이터(118) 내에 저장되어 있는 장소들의 장소 속성들과 비교할 수 있다. 비교 결과, 만약 새 장소의 속성이 저장된 장소들 중 어느 하나의 속성과 동일하거나 유사하다면, 그룹 식별부(116)는 새 장소를 이 동일하거나 유사한 속성의 장소가 속한 그룹에 소속시킬 수 있다. 그런 다음, 그룹 식별부(116)는 이 그룹의 시맨틱 라벨을 현재 검출 위치의 시맨틱 라벨을 나타내는 검출 위치 라벨(119)로서 출력할 수 있다. 그리고, 그룹 식별부(116)는 이 그룹의 그룹 프로파일 등의 관련 정보를 갱신할 수 있다. 반면에, 만약 새 장소의 속성이 저장된 장소들 중 어느 하나의 속성과 동일하지도 유사하지도 않다면, 그룹 식별부(116)는 새 장소를 멤버로 하는 새로운 그룹을 등록할 수 있다. 등록된 새로운 그룹에는, 예컨대 도 2를 참조하여 기술된 바와 같은 방식으로, 사용자에 의해 새로운 시맨틱 라벨이 지정될 수 있다.
도 12를 참조하면, 시맨틱 라벨링 시스템의 일 실시예에서, 검출 위치의 라벨을 새로운 라벨로서 결정하는 예를 설명하기 위한 블록도가 도시된다. 시맨틱 라벨링 시스템(120)에서, 위치 검출부(121)에 의해 사용자의 위치가 검출되면, 장소 식별부(122)는 검출 위치에 대응하는 장소를 식별하고, 라벨 데이터(126) 내에 저장되어 있는 장소들과 비교할 수 있다. 비교 결과, 만약 검출 위치가 저장된 장소들 중 어느 하나와 동일하지 않다면, 장소 식별부(122)는 검출 위치에 대응하는 장소에 대해 새로운 장소ID를 할당하고, 그것의 장소 속성 정보를 생성할 수 있다.
그런 다음, 그룹 식별부(122)는 새 장소의 장소 속성을, 라벨 데이터(126) 내에 저장되어 있는 장소들의 장소 속성들과 비교할 수 있다. 비교 결과, 만약 새 장소의 속성이 저장된 장소들 중 어느 하나의 속성과 동일하지도 유사하지도 않다면, 그룹 식별부(123)는 새 장소를 멤버로 포함하는 새로운 그룹을 생성하여 새로운 그룹ID를 할당하고, 그것의 그룹 속성 정보를 생성할 수 있다. 그룹 식별부(123)는 새로운 그룹에 대해 시맨틱 라벨을 지정할 것을 사용자 인터페이스(124)를 통해 사용자에게 요청할 수 있다. 사용자에 의해 새 그룹의 시맨틱 라벨이 지정되면, 라벨 결정부(125)는 새 그룹의 시맨틱 라벨을 현재 검출 위치의 시맨틱 라벨을 나타내는 검출 위치 라벨(127)로서 출력할 수 있다.
도 13을 참조하면, 모바일에서 검출된 데이터에 대해 원격 서버에서 시맨틱 라벨링을 수행하는 실시예를 보여주는 블록도가 도시된다. 도시된 예에서, 모바일 장치(131)와 라벨링 서버(133)는 예컨대 무선 인터넷과 같은 통신망을 통해 서로 연결될 수 있다. 모바일 장치(131)는 사용자가 소지하거나 착용하고 있는 컴퓨팅 장치로서, 사용자의 위치를 검출하는 역할을 담당할 수 있다. 라벨링 서버(133)는, 위에서 도 2를 참조하여 기술된 시맨틱 라벨링 기법을 수행하기 위한 컴포넌트들을 포함할 수 있다.
모바일 장치(131)는 위치 검출부(1312), 이벤트 검출부(1314), 송신부(1316) 등의 컴포넌트를 구비할 수 있다. 위치 검출부(1312)는 GPS 센서 또는 셀ID 검출기와 같이 일정한 시점에 모바일 장치(131)의 위치를 검출할 수 있다. 모바일 장치(131)의 위치는, 이 모바일 장치(131)를 소지하거나 착용한 사용자의 위치라고 간주될 수 있다. 이벤트 검출부(1314)는 모바일 장치(131)에 의해 실행되는 애플리케이션의 구동/종료, 전화통화 발신/수신, 문자메시지 발신/수신 등의 이벤트를 검출할 수 있는 컴포넌트이다. 그 이외에 모바일 장치(131)에는 모바일 장치(131)의 움직임을 감지함으로써 모바일 장치(131)를 소지하거나 착용한 사용자의 움직임을 감지하는 가속도 센서 등을 더 포함할 수 있다. 위치 검출부(1312)에서 동일한 시점에 검출된 위치 값 및 이벤트 데이터 등은 검출된 위치 데이터로서 송신부(1316)를 통해 무선 신호로 변환된 뒤 라벨링 서버(133)로 전송될 수 있다.
라벨링 서버(133)의 수신부(1331)는 모바일 장치(131)로부터 위치 데이터를 수신할 수 있다. 수신된 위치 데이터는 장소 식별부(1333), 그룹 식별부(1335), 사용자 인터페이스(1337), 및 라벨 결정부(1339) 등의 컴포넌트에 의해 처리됨으로써, 예컨대 도 10 내지 도 12를 참조하여 기술된 바와 같은 방식으로, 현재 검출된 사용자 위치의 시맨틱 라벨이 출력될 수 있다. 출력된 시맨틱 라벨에 대해서 위치 기반 서비스 서버(도 1의 19 참조)에 의해 적절한 서비스가 연관될 수 있고, 연관된 서비스는 모바일 장치(131)로 제공될 수 있다.
이하 도 14 내지 도 18을 참조하여, 시맨틱 라벨링 방법의 실시예들이 기술된다. 여기서 기술되는 시맨틱 라벨링 방법들은 단지 예시에 불과하다. 해당 기술분야의 통상의 지식을 가진 자는, 청구항들의 범위 내에서 다양한 조합의 다른 방법들이 가능하다는 것을 쉽게 이해할 것이다. 시맨틱 라벨링 방법의 전부 또는 일부는, 컴퓨팅 장치의 프로세서에 의해 수행되면 특정 태스크를 실행할 수 있도록 하는 컴퓨터-실행가능 인스트럭션, 모듈, 소프트웨어, 데이터, 알고리즘, 프로시저 등으로 코딩될 수 있다. 컴퓨터-실행가능 인스트럭션 등은 소프트웨어 개발자에 의해 예를 들어 베이직, 포트란, C, C++ 등과 같은 프로그래밍 언어에 의해 코딩된 후, 기계언어로 컴파일될 수 있다.
도 14를 참조하면, 시맨틱 라벨링 방법의 일 실시예를 예시하는 흐름도가 도시된다. 도시된 시맨틱 라벨링 방법(140)은, 예컨대 사용자가 소지하거나 착용하고 있는 스마트폰, 스마트워치, 스마트안경 등과 같은 모바일 장치 내에서 실행될 수 있으며, 먼저 사용자의 위치와 관련된 위치 데이터를 획득하는 단계(141)로부터 시작될 수 있다. 위치 데이터는 GPS 좌표 또는 셀ID와 같이 지리적인 위치를 나타내는 위치 값과 이 위치 값이 검출된 시간 값을 포함할 수 있다.
이후 획득된 위치 데이터로부터 사용자에게 의미있는 장소가 식별될 수 있다(143). 장소는 사용자의 위치가 일정 시간 이상 머문(즉, 방문한) 일정 크기의 지리적인 영역으로서 미리 정의될 수 있다. 다시 말해서, 사용자가 특정 크기의 영역 내에서 일정 시간 이상 머물고 있음이 검출되면, 이 영역은 사용자에게 어떠한 형태로든 의미가 있는 장소로서 식별될 수 있다. 그런 다음, 식별된 장소에는, 기존에 식별되었던 장소들과 구별되도록 하기 위해 장소ID가 할당되고, 이 장소에 대한 관련 위치 데이터를 기반으로 하여 장소 속성이 생성될 수 있다. 장소 속성에는, 예를 들어, 사용자가 방문한 시간, 방문 지속시간, 방문 요일, 사용한 애플리케이션 타입, 전화 통화 횟수 또는 빈도, SMS 사용 빈도, 사용자의 걷기, 앉기, 뛰기 등의 행동 등이 포함될 수 있다.
그런 다음, 장소들은 이 장소 속성에 기초하여 유사성이 판단되고, 임의의 유사한 속성을 가지는 장소들은 하나의 동일한 그룹으로 클러스터링 될 수 있다(145).
그룹들이 형성되면, 사용자로부터 그룹의 시맨틱 라벨을 획득할 수 있다(147). 예컨대, 모바일 장치의 디스플레이 상에 표현되는 사용자 인터페이스를 통해, 임의의 그룹에 대해 사용자에게 시맨틱 라벨을 지정할 것을 요청할 수 있다. 그러면, 사용자는 모바일 장치의 디스플레이 상의 사용자 인터페이스를 통해 원하는 시맨틱 라벨을 선택하거나 기입함으로써 그룹의 시맨틱 라벨을 수동으로 지정할 수 있다. 이후, 그룹의 시맨틱 라벨은 각 그룹에 속하는 멤버 장소들의 시맨틱 라벨로 간주됨으로써, 각 장소의 시맨틱 라벨이 결정될 수 있다(149).
도 15를 참조하면, 시맨틱 라벨링 방법의 다른 실시예를 예시하는 흐름도가 도시된다. 도시된 시맨틱 라벨링 방법(150)은 먼저 사용자의 위치와 관련된 위치 데이터를 획득하는 단계(151)로부터 시작될 수 있다.
이후 획득된 위치 데이터로부터 사용자에게 의미있는 장소가 식별될 수 있다(152). 식별된 장소에는 각 장소를 고유하게 식별하는 장소ID가 할당되며, 장소의 지리적인 특징을 나타내는 장소 프로파일이 생성될 수 있다. 그런 다음, 각 장소에는 사용자가 그 장소를 방문한 시간, 방문 지속시간, 방문 요일, 사용한 애플리케이션 타입, 전화 통화 횟수 또는 빈도, SMS 사용 빈도, 사용자의 걷기, 앉기, 뛰기 등의 행동 등이 포함될 수 있는 방문 프로파일이 생성될 수 있다(154).
그런 다음, 장소들은 각 장소의 방문 프로파일에 기초하여 유사성이 판단되고, 임의의 유사한 방문 프로파일을 가지는 장소들은 하나의 동일한 그룹으로 클러스터링 될 수 있다(154). 그룹들이 형성되면, 사용자로부터 그룹의 시맨틱 라벨을 획득할 수 있다(155). 이후, 그룹의 시맨틱 라벨은 각 그룹에 속하는 멤버 장소들의 시맨틱 라벨로 간주됨으로써, 각 장소의 시맨틱 라벨이 결정될 수 있다(156).
도 16을 참조하면, 시맨틱 라벨링 방법의 또 다른 실시예를 예시하는 흐름도가 도시된다. 도시된 시맨틱 라벨링 방법(160)은, 먼저 사용자의 위치와 관련된 위치 데이터를 획득하는 단계(161)로부터 시작될 수 있다. 이후 획득된 위치 데이터로부터 사용자에게 의미있는 장소가 식별될 수 있다(162). 그런 다음, 식별된 장소에는, 기존에 식별되었던 장소들과 구별되도록 하기 위해 장소ID가 할당되고, 이 장소에 대한 관련 위치 데이터를 기반으로 하여 장소 속성이 생성될 수 있다. 장소 속성에는, 예를 들어, 사용자가 방문한 시간, 방문 지속시간, 방문 요일, 사용한 애플리케이션 타입, 전화 통화 횟수 또는 빈도, SMS 사용 빈도, 사용자의 걷기, 앉기, 뛰기 등의 행동 등이 포함될 수 있다.
그런 다음, 장소들은 이 장소 속성에 기초하여 유사성이 판단되고, 임의의 유사한 속성을 가지는 장소들은 하나의 동일한 그룹으로 클러스터링 될 수 있다(163).
그룹들이 형성되면, 그룹의 멤버 장소들 중에서 하나의 장소가 대표 장소로 선정될 수 있다(164). 대표 장소는 각 그룹의 속성을 가장 잘 나타내는 속성을 가지고 있는 장소라고 판단되는 장소일 수 있다. 예를 들어, 그룹의 멤버 장소들 중 일정 기간 동안 사용자 방문 횟수가 가장 많은 장소, 또는 일정 기간 동안 사용자 방문 지속시간이 가장 긴 장소 등이 대표 장소로 선정될 수 있다.
대표 장소가 선정되면, 대표 장소에 대해 사용자로부터 그룹의 시맨틱 라벨을 획득할 수 있다(165). 이후, 대표 장소의 시맨틱 라벨은 그룹에 속하는 멤버 장소들의 시맨틱 라벨로 간주됨으로써, 각 장소의 시맨틱 라벨이 결정될 수 있다(166).
도 17을 참조하면, 시맨틱 라벨링 방법의 또 다른 실시예를 보여주는 흐름도가 도시된다. 도시된 시맨틱 라벨링 방법(170)은 모바일 장치와 통신망을 통해 서로 연결된 서버가 상호작용함으로써 수행되는 예로서, 예컨대 사용자가 소지하거나 착용하고 있는 스마트폰, 스마트워치, 스마트안경 등과 같은 모바일 장치는 사용자 위치를 검출하는 역할을 담당하고, 원격 서버는 사용자 위치의 시맨틱 라벨을 결정하는 역할을 담당한다. 먼저, 모바일 장치에서 사용자의 위치가 검출되고, 검출 위치는 서버로 전송될 수 있다(171).
서버에서 수신된 검출 위치에 대해, 위에서 도 10 내지 도 12를 참조하여 기술된 바와 같은 방식으로, 또는 아래에서 도 18을 참조하여 기술할 바와 같은 방식으로, 시맨틱 라벨이 결정될 수 있다(172).
이후, 서버에서 결정된 시맨틱 라벨에 대하여 연관된 서비스가 서버에서 모바일 장치로 제공될 수 있다(173). 예컨대, 검출 위치의 시맨틱 라벨이 미술관, 학교, 도서관 등의 조용한 환경이 요구되는 장소를 의미한다면, 모바일 장치를 진동모드로 자동 변환하는 서비스가 제공될 수 있다.
도 18을 참조하면, 시맨틱 라벨링 방법의 또 다른 일 실시예를 보여주는 흐름도가 도시된다. 도시된 시맨틱 라벨링 방법(180)은, 검출 위치의 시맨틱 라벨을 출력하는 과정을 보여주며, 먼저 사용자의 위치가 검출되는 단계(181)로부터 시작될 수 있다. 여기서, 검출 위치는 GPS 좌표 값 또는 셀ID와 같이 지리적인 위치를 나타내는 값을 포함하는 데이터이면 충분하다.
이후 검출된 위치에 대응하는 장소가 식별될 수 있다(182). 장소는 사용자의 위치가 일정 시간 이상 머문(즉, 방문한) 일정 크기의 지리적인 영역으로서, 중심부의 GPS 좌표 값과 영역의 크기를 나타내는 값(예컨대, 반경)에 의해 정의될 수 있다. 예를 들어, 검출 위치의 GPS 좌표 값이 중심부이며 일정한 반경을 가지는 영역이 장소로서 식별될 수 있다.
이 식별된 장소는 기 저장된 장소들과 비교될 수 있다(183). 기 저장된 장소들도 역시 중심부의 GPS 좌표 값 및 반경을 가질 수 있다. 이 경우, 장소들을 비교할 때, 각 장소의 중심부 GPS 좌표를 서로 비교하고, 반경 범위에서 오차를 가지는지 아닌지를 판단할 수 있다. 그 결과, 중심부 GPS 좌표가 반경 범위 내에서 서로 근접하고 있다면, 서로 유사한 장소라고 판단될 수 있다.
비교 결과, 만약 검출 위치에 대응하는 장소가 기저장된 장소들 중 어느 하나와 동일하거나 유사한 GPS 좌표 값을 가진다면(184의 예), 이 동일하거나 유사한 장소가 검출 위치의 장소라고 볼 수 있다. 그러므로 유사 장소의 시맨틱 라벨을 검출 위치의 라벨로 출력할 수 있다(185). 반면 만약 검출 위치에 대응하는 장소가 기저장된 장소들 중 어느 하나와 동일하거나 유사한 GPS 좌표 값이 없다면(184의 아니오), 식별된 장소는 새 장소이다. 그러므로, 식별된 장소에 대해 새로운 장소ID를 할당하고, 그것의 장소 속성 정보를 생성한 다음, 기 저장 그룹의 장소들과 유사성을 비교할 수 있다(186).
기 저장 그룹의 장소들은 장소 속성 정보를 가지고 있으므로, 예컨대 사용자 방문 횟수나 방문 시간, 방문 지속시간 등의 속성 중 임의의 것이 유사한 장소가 발견될 수 있다(187의 예). 그러면, 새 장소는 발견된 장소와 동일 그룹에 속할 것이므로, 그룹의 시맨틱 라벨을 검출 위치의 라벨로서 출력할 수 있다(188). 만약 유사한 속성을 가진 장소가 발견되지 않으면(187의 아니오), 도 14 또는 도 15를 참조하여 기술된 방식(140, 150)으로, 새로운 시맨틱 라벨이 지정될 수 있다(189).
20: 시맨틱 라벨링 시스템
21: 위치 데이터
22: 장소 식별부
23: 장소 속성
24: 그룹 식별부
25: 그룹 속성
26: 사용자 인터페이스
28: 라벨 결정부
29: 라벨 데이터

Claims (20)

  1. 시간에 따른 지리적인 사용자의 위치를 나타내는 위치 데이터로부터 상기 사용자의 위치가 일정 시간 동안 일정한 크기의 영역 내에 머물고 있을 때, 이 영역을 장소로서 식별하고, 식별된 장소 각각에 대한 사용자의 방문 정보에 기초하는 장소 속성을 생성하는 장소 식별부와;
    상기 장소들을 상기 장소 속성에 기초하여 클러스터링 함으로써 그룹들로 분류하고, 상기 그룹들 각각의 멤버 장소들 중에서 일정기간 동안 사용자 방문 횟수가 가장 많은 장소를 대표 장소로 선정하고 선정된 대표 장소의 시맨틱 라벨을 사용자에게 요청하여 획득함으로써, 획득된 대표 장소의 시맨틱 라벨을 상기 그룹들 각각의 시멘틱 라벨로 지정하는 그룹 식별부와;
    상기 그룹들 각각의 시맨틱 라벨을 상기 그룹들 각각의 멤버 장소들의 시맨틱 라벨로 결정하는 라벨 결정부를
    포함하는, 시맨틱 라벨링 시스템.
  2. 제 1 항에 있어서,
    상기 위치 데이터는, 모바일 장치에 내장된 센서에 의해 검출되는,
    시맨틱 라벨링 시스템.
  3. 제 2 항에 있어서,
    상기 위치 데이터는,
    상기 모바일 장치에서 구동되는 애플리케이션의 타입, 상기 모바일 장치에 의해 수행되는 전화 통화의 착신 또는 발신 횟수, 상기 모바일 장치에 의해 수행되는 문자 메시지(SMS) 수신 또는 발신 횟수, 상기 모바일 장치에 내장된 모션 센서에 의해 검출되는 상기 사용자의 행동 중 적어도 하나를 더 포함하는,
    시맨틱 라벨링 시스템.
  4. 제 1 항에 있어서,
    상기 장소 속성은,
    상기 장소를 그 외 다른 장소들과 구별되도록 하는 식별정보, 및 상기 장소에 상기 사용자가 방문한 시간정보를 포함하는,
    시맨틱 라벨링 시스템.
  5. 제 4 항에 있어서,
    상기 장소 속성은,
    상기 장소에 상기 사용자가 방문한 시간정보로부터 계산될 수 있는 정보를 더 포함하는,
    시맨틱 라벨링 시스템.
  6. 제 5 항에 있어서,
    상기 장소 속성은,
    상기 장소에서 동작시킨 사용자가 소지하거나 착용한 모바일 장치의 동작 상태를 나타내는 정보를 더 포함하는,
    시맨틱 라벨링 시스템.
  7. 제 5 항에 있어서,
    상기 장소 속성은,
    상기 장소에서 이루어진 것으로 모바일 장치에 의해 검출된 상기 사용자의 행동을 나타내는 정보를 더 포함하는,
    시맨틱 라벨링 시스템.
  8. 삭제
  9. 제 1 항에 있어서,
    상기 그룹 식별부는,
    상기 그룹들 각각의 멤버 장소들의 장소 속성들에 기초하여, 상기 그룹들 각각의 멤버 장소들 중 하나의 장소를 대표 장소로 선정하는,
    시맨틱 라벨링 시스템.
  10. 제 1 항에 있어서,
    상기 그룹 식별부는,
    상기 그룹들 각각의 멤버 장소들의 장소 속성들 중 사용자 방문과 연관된 정보에 기초하여, 상기 그룹들 각각의 멤버 장소들 중 하나의 장소를 대표 장소로 선정하는,
    시맨틱 라벨링 시스템.
  11. 시간에 따른 지리적인 사용자의 위치를 나타내는 위치 데이터 위치 데이터로부터 상기 사용자의 위치가 일정 시간 동안 일정한 크기의 영역 내에 머물고 있을 때, 이 영역을 장소로서 식별하고, 식별된 장소 각각에 대한 사용자의 방문 정보에 기초하는 장소 속성을 생성하는 장소 식별 단계와;
    상기 장소들을 상기 장소 속성에 기초하여 클러스터링 함으로써 그룹들로 분류하고, 상기 그룹들 각각의 멤버 장소들 중에서 일정기간 동안 사용자 방문 횟수가 가장 많은 장소를 대표 장소로 선정하고 선정된 대표 장소의 시맨틱 라벨을 사용자에게 요청하여 획득함으로써, 획득된 대표 장소의 시맨틱 라벨을 상기 그룹들 각각의 시멘틱 라벨로 지정하는 그룹 식별 단계와;
    상기 그룹들 각각의 시맨틱 라벨을 상기 그룹들 각각의 멤버 장소들의 시맨틱 라벨로 결정하는 라벨 결정 단계를
    포함하는, 시맨틱 라벨링 방법.
  12. 제 11 항에 있어서,
    상기 위치 데이터는, 모바일 장치에 내장된 센서에 의해 검출되는,
    시맨틱 라벨링 방법.
  13. 제 12 항에 있어서,
    상기 위치 데이터는,
    상기 모바일 장치에서 구동되는 애플리케이션의 타입, 상기 모바일 장치에 의해 수행되는 전화 통화의 착신 또는 발신 횟수, 상기 모바일 장치에 의해 수행되는 문자 메시지(SMS) 수신 또는 발신 횟수, 상기 모바일 장치에 내장된 모션 센서에 의해 검출되는 상기 사용자의 행동 중 적어도 하나를 더 포함하는,
    시맨틱 라벨링 방법.
  14. 제 11 항에 있어서,
    상기 장소 속성은,
    상기 장소를 그 외 다른 장소들과 구별되도록 하는 식별정보, 및 상기 장소에 상기 사용자가 방문한 시간정보를 포함하는,
    시맨틱 라벨링 방법.
  15. 제 14 항에 있어서,
    상기 장소 속성은,
    상기 장소에 상기 사용자가 방문한 시간정보로부터 계산될 수 있는 정보를 더 포함하는,
    시맨틱 라벨링 방법.
  16. 제 15 항에 있어서,
    상기 장소 속성은,
    상기 장소에서 동작시킨 사용자가 소지하거나 착용한 모바일 장치의 동작 상태를 나타내는 정보, 정보를 더 포함하는,
    시맨틱 라벨링 방법.
  17. 제 15 항에 있어서,
    상기 장소 속성은,
    상기 장소에서 이루어진 것으로 모바일 장치에 의해 검출된 상기 사용자의 행동을 나타내는 정보를 더 포함하는,
    시맨틱 라벨링 방법.
  18. 삭제
  19. 제 11 항에 있어서,
    상기 그룹 식별 단계는,
    상기 그룹들 각각의 멤버 장소들의 장소 속성들에 기초하여, 상기 그룹들 각각의 멤버 장소들 중 하나의 장소를 대표 장소로 선정하는,
    시맨틱 라벨링 방법.
  20. 제 11 항에 있어서,
    상기 그룹 식별 단계는,
    상기 그룹들 각각의 멤버 장소들의 장소 속성들 중 사용자 방문과 연관된 정보에 기초하여, 상기 그룹들 각각의 멤버 장소들 중 하나의 장소를 대표 장소로 선정하는,
    시맨틱 라벨링 방법.
KR1020140047687A 2014-04-21 2014-04-21 시맨틱 라벨링 시스템 및 방법 KR102216049B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020140047687A KR102216049B1 (ko) 2014-04-21 2014-04-21 시맨틱 라벨링 시스템 및 방법
JP2015087130A JP6660098B2 (ja) 2014-04-21 2015-04-21 セマンティックラベリング装置及び方法
CN201510191873.XA CN105023020B (zh) 2014-04-21 2015-04-21 语义标注设备及其方法
US14/691,876 US10762119B2 (en) 2014-04-21 2015-04-21 Semantic labeling apparatus and method thereof
EP15164461.4A EP2950252A1 (en) 2014-04-21 2015-04-21 Semantic labeling apparatus and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140047687A KR102216049B1 (ko) 2014-04-21 2014-04-21 시맨틱 라벨링 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20150121596A KR20150121596A (ko) 2015-10-29
KR102216049B1 true KR102216049B1 (ko) 2021-02-15

Family

ID=53039724

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140047687A KR102216049B1 (ko) 2014-04-21 2014-04-21 시맨틱 라벨링 시스템 및 방법

Country Status (5)

Country Link
US (1) US10762119B2 (ko)
EP (1) EP2950252A1 (ko)
JP (1) JP6660098B2 (ko)
KR (1) KR102216049B1 (ko)
CN (1) CN105023020B (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104704505B (zh) * 2012-08-28 2018-04-17 维萨国际服务协会 保护设备上的资产
JP6100810B2 (ja) * 2015-01-29 2017-03-22 キャンバスマップル株式会社 情報提供サーバ、および情報提供プログラム
US9565521B1 (en) * 2015-08-14 2017-02-07 Samsung Electronics Co., Ltd. Automatic semantic labeling based on activity recognition
JP2018533774A (ja) * 2015-10-27 2018-11-15 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド メッセージを配信するためのシステム及び方法
US20170116285A1 (en) * 2015-10-27 2017-04-27 Microsoft Technology Licensing, Llc Semantic Location Layer For User-Related Activity
CN105890600A (zh) * 2016-04-14 2016-08-24 南京大学 基于手机传感器的地铁乘客位置推测方法
US9883544B1 (en) * 2016-09-23 2018-01-30 Dell Products L.P. Automatic wireless docking system
JP7138410B2 (ja) * 2016-11-08 2022-09-16 株式会社Ｎｔｔドコモ 拠点推定装置
CN106534382B (zh) * 2016-12-31 2020-02-18 中国移动通信集团江苏有限公司 确定家庭群组的位置信息的方法、系统和家庭网关
CN107220856B (zh) * 2017-06-02 2020-07-10 武汉大学 一种移动消费群组识别的系统及方法
JP6970553B2 (ja) * 2017-08-17 2021-11-24 キヤノン株式会社 画像処理装置、画像処理方法
CN114207671A (zh) 2019-08-09 2022-03-18 索尼集团公司 图像处理装置、图像处理方法和程序
CN112989221B (zh) * 2021-02-18 2022-09-23 支付宝(杭州)信息技术有限公司 基于位置的家庭关系分析方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346347A1 (en) * 2012-06-22 2013-12-26 Google Inc. Method to Predict a Communicative Action that is Most Likely to be Executed Given a Context

Family Cites Families (70)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USRE46310E1 (en) * 1991-12-23 2017-02-14 Blanding Hovenweep, Llc Ergonomic man-machine interface incorporating adaptive pattern recognition based control system
US7630986B1 (en) * 1999-10-27 2009-12-08 Pinpoint, Incorporated Secure data interchange
JP2003296782A (ja) 2002-03-29 2003-10-17 Casio Comput Co Ltd 行動記録装置及び行動記録プログラム
JP4611069B2 (ja) * 2004-03-24 2011-01-12 富士フイルム株式会社 特定シーンの画像を選別する装置、プログラムおよびプログラムを記録した記録媒体
CN100573514C (zh) * 2004-12-01 2009-12-23 皇家飞利浦电子股份有限公司 相关内容检索中的位置相似度阈值的调整
JP2006301884A (ja) * 2005-04-19 2006-11-02 Sony Ericsson Mobilecommunications Japan Inc 携帯通信装置
US8869200B2 (en) * 2006-02-14 2014-10-21 At&T Intellectual Property I, L.P. Selection list of thumbnails
US7843454B1 (en) * 2007-04-25 2010-11-30 Adobe Systems Incorporated Animated preview of images
US9003488B2 (en) * 2007-06-06 2015-04-07 Datavalet Technologies System and method for remote device recognition at public hotspots
US7792836B2 (en) * 2007-06-17 2010-09-07 Global Telegenetics, Inc. Portals and doors for the semantic web and grid
US9392074B2 (en) * 2007-07-07 2016-07-12 Qualcomm Incorporated User profile generation architecture for mobile content-message targeting
KR20090017151A (ko) 2007-08-14 2009-02-18 주식회사 케이티 사용자 제작 컨텐츠 기반의 지역 ｐｏｉ 정보 서비스 제공시스템 및 방법
KR101442149B1 (ko) * 2008-01-17 2014-09-23 삼성전자 주식회사 전문가 지식 기반의 영상 획득 장치 및 방법
US20100278396A1 (en) * 2008-01-18 2010-11-04 Nikon Corporation Image group title assigning device, image grouping device, representative image determination device for image group, image display device, camera, and image display program
US8229911B2 (en) * 2008-05-13 2012-07-24 Enpulz, Llc Network search engine utilizing client browser activity information
US10163113B2 (en) 2008-05-27 2018-12-25 Qualcomm Incorporated Methods and apparatus for generating user profile based on periodic location fixes
KR101651524B1 (ko) * 2008-09-01 2016-08-26 구글 인코포레이티드 브라우저의 새로운 탭 페이지 및 북마크 툴바
US7669147B1 (en) * 2009-01-02 2010-02-23 International Business Machines Corporation Reorienting navigation trees based on semantic grouping of repeating tree nodes
US20100185518A1 (en) * 2009-01-21 2010-07-22 Yahoo! Inc. Interest-based activity marketing
US20100185517A1 (en) * 2009-01-21 2010-07-22 Yahoo! Inc. User interface for interest-based targeted marketing
JP4874351B2 (ja) 2009-02-17 2012-02-15 株式会社デンソーアイティーラボラトリ 関心エリア設定装置、関心エリア設定方法、及び推薦経路決定装置ならびに推薦経路決定方法
KR101578428B1 (ko) 2009-07-06 2015-12-17 엘지전자 주식회사 이동단말기 및 그의 일상 로그 시각화 방법
JP2011019192A (ja) * 2009-07-10 2011-01-27 Toshiba Corp 画像表示装置
US9465890B1 (en) * 2009-08-10 2016-10-11 Donald Jay Wilson Method and system for managing and sharing geographically-linked content
US8558693B2 (en) * 2009-09-10 2013-10-15 Tribal Technologies, Inc. System and method for location-based reminders on a mobile device
CN102577494B (zh) * 2009-09-28 2016-03-16 瑞典爱立信有限公司 支持通信网络中的社交网络分析的方法和装置
US8341196B2 (en) * 2009-11-23 2012-12-25 Nokia Corporation Method and apparatus for creating a contextual model based on offline user context data
US8571331B2 (en) * 2009-11-30 2013-10-29 Xerox Corporation Content based image selection for automatic photo album generation
JP5466713B2 (ja) 2009-12-11 2014-04-09 株式会社日立製作所 生活パターン分類装置及び生活パターン分類システム
US8600967B2 (en) * 2010-02-03 2013-12-03 Apple Inc. Automatic organization of browsing histories
US8773424B2 (en) * 2010-02-04 2014-07-08 Microsoft Corporation User interfaces for interacting with top-down maps of reconstructed 3-D scences
JP5025782B2 (ja) * 2010-02-17 2012-09-12 キヤノン株式会社 画像検索装置及び画像検索方法
US8321251B2 (en) * 2010-03-04 2012-11-27 Accenture Global Services Limited Evolutionary process system
US20110279453A1 (en) * 2010-05-16 2011-11-17 Nokia Corporation Method and apparatus for rendering a location-based user interface
US9798822B2 (en) * 2010-06-29 2017-10-24 Apple Inc. Location based grouping of browsing histories
US20120075433A1 (en) * 2010-09-07 2012-03-29 Qualcomm Incorporated Efficient information presentation for augmented reality
US20120109715A1 (en) * 2010-10-29 2012-05-03 Peng Wu Visualizing visitation patterns at sites of a commercial facility
US9152726B2 (en) * 2010-12-01 2015-10-06 Microsoft Technology Licensing, Llc Real-time personalized recommendation of location-related entities
US9223461B1 (en) * 2010-12-08 2015-12-29 Wendell Brown Graphical user interface
US9177381B2 (en) * 2010-12-22 2015-11-03 Nani Holdings IP, LLC Depth estimate determination, systems and methods
KR101771574B1 (ko) 2011-05-04 2017-08-28 에스케이플래닛 주식회사 고객 성향기반 정보 서비스 장치 및 방법
US9552334B1 (en) * 2011-05-10 2017-01-24 Myplanit Inc. Geotemporal web and mobile service system and methods
US8645353B2 (en) * 2011-06-23 2014-02-04 Microsoft Corporation Anchor image identification for vertical video search
US8645354B2 (en) * 2011-06-23 2014-02-04 Microsoft Corporation Scalable metadata extraction for video search
KR101242973B1 (ko) 2011-06-27 2013-03-12 (주) 세인 휴대단말장치의 위치계산방법
KR20130022919A (ko) 2011-08-26 2013-03-07 삼성에스디에스 주식회사 광고 제공 서버 및 그 방법
US9432805B2 (en) 2011-09-28 2016-08-30 Qualcomm Incorporated Discovering and automatically sizing a place of relevance
US8682345B2 (en) * 2011-09-28 2014-03-25 Qualcomm Incorporated Utilizing relationships between places of relevance
US9996626B1 (en) * 2011-10-26 2018-06-12 Richrelevance, Inc. Selection of content item recommendations based on user search results
US20140236932A1 (en) * 2011-11-22 2014-08-21 Artashes Valeryevich Ikonomov Information search device
KR101867853B1 (ko) 2012-02-29 2018-06-15 엘지전자 주식회사 휴대 단말기 및 네트워크 시스템
KR101936605B1 (ko) * 2012-03-13 2019-01-09 삼성전자주식회사 휴대용 단말기에서 콘텐츠 태깅 방법 및 장치
US20140310379A1 (en) * 2013-04-15 2014-10-16 Flextronics Ap, Llc Vehicle initiated communications with third parties via virtual personality
US20150178321A1 (en) * 2012-04-10 2015-06-25 Google Inc. Image-based 3d model search and retrieval
US8644596B1 (en) * 2012-06-19 2014-02-04 Google Inc. Conversion of monoscopic visual content using image-depth database
US8886576B1 (en) * 2012-06-22 2014-11-11 Google Inc. Automatic label suggestions for albums based on machine learning
IN2014KN03045A (ko) * 2012-06-22 2015-05-08 Google Inc
US8429103B1 (en) * 2012-06-22 2013-04-23 Google Inc. Native machine learning service for user adaptation on a mobile platform
US8510238B1 (en) * 2012-06-22 2013-08-13 Google, Inc. Method to predict session duration on mobile devices using native machine learning
KR101880480B1 (ko) * 2012-06-25 2018-08-17 엘지전자 주식회사 휴대 단말기의 동작 방법
US9401097B2 (en) * 2012-06-29 2016-07-26 Jong-Phil Kim Method and apparatus for providing emotion expression service using emotion expression identifier
US9194702B2 (en) * 2012-06-29 2015-11-24 Symbol Technologies, Llc Methods and apparatus for adjusting heading direction in a navigation system
US8838436B2 (en) * 2012-07-25 2014-09-16 Aro, Inc. Labeling context slices to produce a storyline from mobile device data
US20140068433A1 (en) * 2012-08-30 2014-03-06 Suresh Chitturi Rating media fragments and use of rated media fragments
US20140180798A1 (en) * 2012-12-26 2014-06-26 Richrelevance, Inc. Contextual selection and display of information
US9367607B2 (en) * 2012-12-31 2016-06-14 Facebook, Inc. Natural-language rendering of structured search queries
US9047847B2 (en) * 2013-02-05 2015-06-02 Facebook, Inc. Displaying clusters of media items on a map using representative media items
CN111580715B (zh) * 2013-03-27 2024-03-22 皇家飞利浦有限公司 基于用户偏好在结构水平上的偏好视图生成
US9654831B2 (en) * 2013-10-21 2017-05-16 Time Warner Cable Enterprises Llc Content consumption and management in a network
US11228814B2 (en) * 2013-10-21 2022-01-18 Time Warner Cable Enterprises Llc Content consumption and notification in a network

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130346347A1 (en) * 2012-06-22 2013-12-26 Google Inc. Method to Predict a Communicative Action that is Most Likely to be Executed Given a Context

Also Published As

Publication number Publication date
JP6660098B2 (ja) 2020-03-04
EP2950252A1 (en) 2015-12-02
CN105023020A (zh) 2015-11-04
US20150302013A1 (en) 2015-10-22
KR20150121596A (ko) 2015-10-29
JP2015207291A (ja) 2015-11-19
US10762119B2 (en) 2020-09-01
CN105023020B (zh) 2019-09-13

Similar Documents

Publication Publication Date Title
KR102216049B1 (ko) 시맨틱 라벨링 시스템 및 방법
KR101399267B1 (ko) 모바일 디바이스에서의 애플리케이션 추천 장치 및 방법
US10748121B2 (en) Enriching calendar events with additional relevant information
Montoliu et al. Discovering places of interest in everyday life from smartphone data
EP2875655B1 (en) Inferring user interests
US10185973B2 (en) Inferring venue visits using semantic information
US20130303198A1 (en) Inferring a context from crowd-sourced activity data
US20150073693A1 (en) Ranking nearby destinations based on visit likelihoods and predicting future visits to places from location history
US20130210480A1 (en) State detection
CN108960785B (zh) 一种信息提示方法及装置
EP3329431A1 (en) Activity detection based on activity models
CN104704863A (zh) 用于智能移动伴侣的用户行为建模
EP3036506A2 (en) Realtime activity suggestion from social and event data
US20170329766A1 (en) Information processing apparatus, control method, and program
EP3627806A1 (en) Method for generating user portrait, and terminal
US11436293B2 (en) Characterizing a place by features of a user visit
US20220078135A1 (en) Signal upload optimization
US20180165589A1 (en) Wearable device control with inferred insights
Ahmad et al. Quality and context-aware data collection architecture from crowd-sourced data
Chavhan et al. Context Mining with Machine Learning Approach: Understanding, Sensing, Categorizing, and Analyzing Context Parameters
KR101669253B1 (ko) 사용자를 프로파일링하기 위한 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터 판독 가능한 기록매체
US20170116540A1 (en) Method for triggering an action on a mobile device of a user

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