KR102324302B1 - 온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치 - Google Patents

Abstract

본 발명의 다양한 실시예들은 온라인 플랫폼을 통한 미디어 컨텐츠(media contents)를 제공하는 방법 및 이를 지원하는 장치에 대한 것이다.
또한 본 발명의 다양한 실시예들은 온라인 플랫폼을 통한 커머스(commercial)를 제공하는 방법 및 이를 지원하는 장치에 대한 것이다.

Description

온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치{METHOD FOR PROVIDING MEDIA CONTENTS THROUGH ONLINE PLATFORM AND APPARATUS SUPPORTING THE SAME}

다양한 실시예들은 온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치에 대한 것이다.

다양한 실시예들은 온라인 플랫폼을 통한 커머스 제공 방법 및 이를 지원하는 장치에 대한 것이다.

디지털 기술 및 통신 기술의 발전으로 방송, 영화 뿐만 아니라 인터넷 및 개인 미디어 등의 다양한 영역에서 오디오/비디오 중심의 멀티미디어 컨텐츠 보급 및 수요가 급속도로 확대되고 있다. 나아가 방송 및 영화를 통하여 입체감을 제공하는 실감미디어에 대한 소비자 요구가 증가되고 있다. 또한, 디스플레이 기술의 발전과 더불어 스마트 디바이스에서 HD (High Definition)급, UHDTV (Ultra High Definition)급 이상의 고화질 컨텐츠, AR (augmented reality), VR (virtual reality) 등의 실감나는 컨텐츠를 즐기고자 하는 요구가 증가되고 있다.

한편 온라인 쇼핑몰에서 상품을 구매하는 사용자가 급격하게 증가하고 있으며, 이러한 온라인 쇼핑몰 사업 시장이 매우 빠른 속도로 커지는 상황이다.

온라인 쇼핑몰에 상품을 판매하는 수많은 판매자가 입점해 있으며, 이러한 판매자는 온라인 쇼핑몰에 접속한 더욱 많은 사용자에게 자신이 판매하는 상품을 홍보하기 위해 여러 가지 노력을 기울이고 있다.

통상적으로, 온라인 쇼핑몰은 판매자, 즉 광고주로부터 광고를 요청 받아, 요청 받은 광고를 사이트에서 보여주는 웹 페이지의 정해진 위치에 무작위로 게재한다. 이러한 광고 게재 방식은 웹 페이지에서 보여주는 상품과 이 웹 페이지에서 노출된 광고와는 무관한 경우 많은데, 이러한 점 때문에, 사용자는 온라인 쇼핑몰에서 자신이 찾고자 하는 상품과는 무관한 광고라고 판단하여 다른 웹 페이지로 이동하거나, 게재된 광고를 그냥 지나쳐 보는 경우가 발생하여 광고주는 원하는 광고효과를 기대할 수 없는 문제점이 있다.

공개특허 10-2021-0009910 공개특허 10-2010-0044304

다양한 실시예들은 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치를 제공할 수 있다.

다양한 실시예들은 사용자가 온라인 플랫폼에서 찾고자 하는 상품 카테고리와 관련성 있는 광고를 사용자의 시선이 머물 수밖에 없는 곳에 게재하여 광고효과를 극대화하는 데 주된 목적이 있다.

다양한 실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.

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

다양한 실시예들에 따르면, 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하는 전자 장치의 동작 방법이 제공될 수 있다.

다양한 실시예들에 따르면, 상기 방법은: 사용자 ID (identifier) 에 대한 정보를 포함하는 미디어 컨텐츠 제공 요청 정보를 수신; 상기 미디어 컨텐츠와 관련된 복수의 미디어 컨텐츠 타입들에 대한 정보를 송신; 상기 복수의 미디어 컨텐츠 타입들 중 어느 하나의 미디어 컨텐츠 타입을 선택하는 정보를 수신하면, 상기 사용자 ID 와 상기 하나의 미디어 컨텐츠 타입에 대한 정보가 입력됨에 대한 응답으로 획득되는 미디어 컨텐츠 추천 모델의 출력에 기초하여 추천 미디어 컨텐츠 리스트를 획득; 상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신; 및 상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신한 이후, 미디어 컨텐츠를 제공하는 정보를 송신; 하는 것을 포함할 수 있다.

다양한 실시예들에 따르면, 상기 미디어 컨텐츠 추천 모델은, 상기 미디어 컨텐츠 추천 모델 획득을 위한 제1 AI (artificial intelligence) 엔진에 제1 기계 학습 (machine learning) 이 적용됨에 기초하여 미리 설정될 수 있다.

다양한 실시예들에 따르면, 상기 제1 기계 학습은: - (a1) 상기 미디어 컨텐츠 추천 모델 획득을 위한 제1 훈련용 데이터에 기초하여 상기 제1 AI 엔진을 학습; - (b1) 학습된 제1 AI 엔진의 검증을 위한 제1 테스트용 데이터가 상기 제1 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득; - (c1) 상기 제1 피드백 정보에 기초하여 상기 제1 AI 엔진을 업데이트; 및 - (d1) 상기 (a1) 내지 (c1) 가 반복되되, 상기 (a1) 내지 (c1) 가 반복될 때 마다 초기값 0 인 제1 카운트 값이 1 씩 증가 되고, 상기 제1 카운트 값이 미리 설정된 제1 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행될 수 있다.

다양한 실시예들에 따르면, 상기 사용자 ID 는, 복수의 사용자 ID 들 중 하나일 수 있다.

다양한 실시예들에 따르면, 상기 제1 훈련용 데이터와 상기 제1 테스트용 데이터는, 상기 질문 추천 모델 획득을 위한 제1 학습용 데이터에 기초하여 획득될 수 있다.

다양한 실시예들에 따르면, 상기 제1 학습용 데이터는, 상기 복수의 사용자 ID 들에 대응하는 복수의 사용자들 각각의 미디어 컨텐츠 요청 이력에 대한 정보, 미리 연계된 하나 이상의 포털 사이트에서의 상기 복수의 사용자들 각각의 검색 키워드에 대한 정보, 상기 복수의 사용자들의 나이, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 상기 복수의 사용자들 각각의 선호 미디어 컨텐츠 타입에 대한 정보에 기초하여 획득될 수 있다.

다양한 실시예들에 따르면, 상기 방법은: 상기 추천 미디어 컨텐츠 리스트에 포함된 제1 미디어 컨텐츠를 요청하는 정보를 수신하면, 상기 제1 미디어 컨텐츠를 포함하는 상기 미디어 컨텐츠를 제공; 및 상기 추천 미디어 컨텐츠 리스트에 포함되지 않은 제2 미디어 컨텐츠를 요청하는 정보를 수신하면: - (i) 상기 제2 미디어 컨텐츠를 포함하는 상기 미디어 컨텐츠를 제공; - (ii) 상기 제2 미디어 컨텐츠를 요청하는 정보에 기초하여 제2 피드백 정보를 획득; 및 - (iii) 상기 제2 피드백 정보에 기초하여 상기 미디어 컨텐츠 추천 모델을 업데이트; 하는 것을 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 미디어 컨텐츠를 제공하는 정보를 송신 중인 시간 구간 내 임의 시점에서, 상기 미디어 컨텐츠의 내용과 관련된 질문에 대한 정보 및 상기 질문에 대한 답변 인터페이스에 대한 정보를 송신; 및 상기 질문에 대한 답변에 대한 정보를 수신하고, 상기 답변이 상기 질문의 정답이면, 마일리지를 상기 사용자 ID 에 적립; 하는 것을 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 마일리지의 양은 상기 질문의 예상 정답율에 기초하여 설정될 수 있다.

다양한 실시예들에 따르면, 상기 방법은: 상기 질문에 대한 답변에 대한 정보를 수신하고, 상기 답변이 상기 질문의 오답이면: (i) 상기 질문의 정답과 관련된 하나 이상의 힌트에 대한 정보를 송신; 및 (ii) 상기 하나 이상의 힌트에 대한 정보를 송신한 이후 수신된 답변이 정답이면, 상기 마일리지를 상기 사용자 ID 에 적립; 하는 것을 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 하나 이상의 힌트의 개수가 미리 설정된 힌트 임계값 이상임에 기초하여, 상기 마일리지의 양은 상기 질문의 예상 정답율과 상기 하나 이상의 힌트의 개수와 관련된 스케일링 인자 (scaling factor) 에 기초하여 설정될 수 있다.

다양한 실시예들에 따르면, 상기 질문은 상기 미디어 컨텐츠에 대한 정보가 입력됨에 대한 응답으로 획득되는 질문 추천 모델의 출력에 기초하여 획득되는 추천 질문 리스트에 포함된 복수의 질문들 중에서 임의로 선택될 수 있다.

다양한 실시예들에 따르면, 상기 질문 추천 모델은, 상기 질문 추천 모델 획득을 위한 제2 AI 엔진에 제2 기계 학습이 적용됨에 기초하여 미리 설정될 수 있다.

다양한 실시예들에 따르면, 상기 제2 기계 학습은: - (a2) 상기 질문 추천 모델 획득을 위한 제2 훈련용 데이터에 기초하여 상기 제2 AI 엔진을 학습; - (b2) 학습된 제2 AI 엔진의 검증을 위한 제2 테스트용 데이터가 상기 제2 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제3 피드백 정보를 획득; - (c2) 상기 제3 피드백 정보에 기초하여 상기 제2 AI 엔진을 업데이트; 및 - (d2) 상기 (a2) 내지 (c2) 가 반복되되, 상기 (a2) 내지 (c2) 가 반복될 때 마다 초기값 0 인 제2 카운트 값이 1 씩 증가 되고, 상기 제2 카운트 값이 미리 설정된 제2 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행될 수 있다.

다양한 실시예들에 따르면, 상기 미디어 컨텐츠는, 복수의 미디어 컨텐츠들 중 하나일 수 있다.

다양한 실시예들에 따르면, 상기 제2 훈련용 데이터와 상기 제2 테스트용 데이터는, 상기 질문 추천 모델 획득을 위한 제2 학습용 데이터에 기초하여 획득될 수 있다.

다양한 실시예들에 따르면, 상기 제2 학습용 데이터는, 상기 복수의 미디어 컨텐츠들 각각의 제목, 장르, 타입, 해시태그, 리뷰, 평균 평점을 포함하는 정보 및 상기 미디어 컨텐츠의 제공 이력에 기초하여 획득되는 상기 복수의 미디어 컨텐츠들 각각의 서비스 사용자의 평균 연령에 대한 정보에 기초하여 획득될 수 있다.

다양한 실시예들에 따르면, 상기 미디어 컨텐츠에 대한 정보는, 미리 설정된 미디어 컨텐츠 정보 데이터베이스에 기초하여 획득되는 상기 미디어 컨텐츠와 관련된 복수의 주요 내용 요약 텍스트들을 포함할 수 있다.

다양한 실시예들에 따르면, 상기 질문 추천 모델은: - (i) 상기 복수의 주요 내용 요약 텍스트들 각각을 하나 이상의 어절을 포함하는 소단위로 구분; - (ii) 상기 구분된 소단위에 기초하여 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 핵심어를 획득; - (iii) 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 핵심어와 매핑 가능한 질문 텍스트 정보를 획득; 및 - (iv) 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 질문 텍스트 정보에 기초하여, 상기 복수의 질문들을 포함하는 추천 질문 리스트를 획득; 하도록 설정될 수 있다.

다양한 실시예들에 따르면, 상기 질문과 상기 답변 인터페이스는, 상기 미디어 컨텐츠에 대응되는 영역의 적어도 일부에 오버랩 (overlap) 되어 표시되는 또는 상기 미디어 컨텐츠에 대응되는 영역의 외부의 적어도 일부에 오버랩 되어 표시되는 노티피케이션 (notification)을 터치하는 사용자 입력에 따라 팝-업 (pop-up) 되는 형태로 제공될 수 있다.

다양한 실시예들에 따르면, 상기 방법은: 상기 미디어 컨텐츠 제공 요청 정보에 기초하여, 상기 사용자 ID 에 대응되는 사용자로부터 서비스 과금이 납부되었는지 여부를 식별; 및 상기 서비스 과금이 납부되지 않은 것으로 식별됨에 기초하여, 서비스 과금 납부 요청 정보를 송신; 하는 것을 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 서비스 과금이 납부되지 않은 것으로 식별됨에 기초하여: 상기 복수의 미디어 컨텐츠 타입들에 대한 정보를 송신; 상기 추천 미디어 컨텐츠 리스트를 획득; 상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신; 및 상기 미디어 컨텐츠를 제공하는 정보를 송신; 하는 것은 드롭 (drop) 될 수 있다.

다양한 실시예들에 따르면, 상기 미디어 컨텐츠 제공 요청 정보는, 상기 사용자가 서비스 구독자 (subscriber) 인지 여부를 지시하는 제1 비트를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 제1 비트가 제1 값임에 대응하여, 상기 미디어 컨텐츠 제공 요청 정보는 상기 사용자로부터 일회성 (one-time) 서비스 과금이 납부되었는지 여부를 지시하는 제2 비트를 더 포함할 수 있다.

다양한 실시예들에 따르면, 상기 제1 비트가 제1 값이고 상기 제2 비트가 제1 값임에 기초하여, 상기 서비스 과금이 납부되지 않은 것으로 식별될 수 있다.

다양한 실시예들에 따르면, (i) 상기 제1 비트가 제2 값임 또는 (ii) 상기 제1 비트가 제1 값이고 상기 제2 비트가 제2 값임에 기초하여, 상기 서비스 과금이 납부된 것으로 식별될 수 있다.

다양한 실시예들에 따르면, 상기 제1 비트의 제1 값은, 상기 서비스 구독자가 아님을 지시할 수 있다.

다양한 실시예들에 따르면, 상기 제1 비트의 제2 값은, 상기 서비스 구독자임을 지시할 수 있다.

다양한 실시예들에 따르면, 상기 제2 비트의 제1 값은, 상기 일회성 과금이 납부되지 않았음을 지시할 수 있다.

다양한 실시예들에 따르면, 상기 제2 비트의 제2 값은, 상기 일회성 과금이 납부되었음을 지시할 수 있다.

다양한 실시예들에 따르면, 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하는 전자 장치가 제공될 수 있다.

다양한 실시예들에 따르면, 상기 전자 장치는: 하나 이상의 프로세서 (processor); 및 상기 하나 이상의 프로세서와 동작 가능하도록 연결되고, 실행됨에 기초하여 상기 하나 이상의 프로세서가 동작을 수행하도록 하는 하나 이상의 인스트럭션 (instruction)을 저장하는 하나 이상의 메모리 (memory)를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 동작은: 사용자 ID (identifier) 에 대한 정보를 포함하는 미디어 컨텐츠 제공 요청 정보를 수신; 상기 미디어 컨텐츠와 관련된 복수의 미디어 컨텐츠 타입들에 대한 정보를 송신; 상기 복수의 미디어 컨텐츠 타입들 중 어느 하나의 미디어 컨텐츠 타입을 선택하는 정보를 수신하면, 상기 사용자 ID 와 상기 하나의 미디어 컨텐츠 타입에 대한 정보가 입력됨에 대한 응답으로 획득되는 미디어 컨텐츠 추천 모델의 출력에 기초하여 추천 미디어 컨텐츠 리스트를 획득; 상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신; 및 상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신한 이후, 미디어 컨텐츠를 제공하는 정보를 송신; 하는 것을 포함할 수 있다.

다양한 실시예들에 따르면, 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공 받는 전자 장치의 동작 방법이 제공될 수 있다.

다양한 실시예들에 따르면, 상기 방법은: 사용자 ID (identifier) 에 대한 정보를 포함하는 미디어 컨텐츠 제공 요청 정보를 송신; 상기 미디어 컨텐츠와 관련된 복수의 미디어 컨텐츠 타입들에 대한 정보를 수신; 복수의 미디어 컨텐츠 타입들 중 어느 하나의 미디어 컨텐츠 타입을 선택하는 정보를 송신; 추천 미디어 컨텐츠 리스트에 대한 정보를 수신; 및 상기 추천 미디어 컨텐츠 리스트에 대한 정보를 수신한 이후, 미디어 컨텐츠를 제공하는 정보를 수신; 하는 것을 포함할 수 있다.

다양한 실시예들에 따르면, 상기 추천 미디어 컨텐츠 리스트는, 상기 사용자 ID 와 상기 하나의 미디어 컨텐츠 타입에 대한 정보가 입력된 미디어 컨텐츠 추천 모델의 출력에 기초하여 획득될 수 있다.

다양한 실시예들에 따르면, 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공 받는 전자 장치가 제공될 수 있다.

다양한 실시예들에 따르면, 상기 전자 장치는: 하나 이상의 프로세서 (processor); 및

상기 하나 이상의 프로세서와 동작 가능하도록 연결되고, 실행됨에 기초하여 상기 하나 이상의 프로세서가 동작을 수행하도록 하는 하나 이상의 인스트럭션 (instruction)을 저장하는 하나 이상의 메모리 (memory)를 포함할 수 있다.

다양한 실시예들에 따르면, 상기 동작은: 사용자 ID (identifier) 에 대한 정보를 포함하는 미디어 컨텐츠 제공 요청 정보를 송신; 상기 미디어 컨텐츠와 관련된 복수의 미디어 컨텐츠 타입들에 대한 정보를 수신; 복수의 미디어 컨텐츠 타입들 중 어느 하나의 미디어 컨텐츠 타입을 선택하는 정보를 송신; 추천 미디어 컨텐츠 리스트에 대한 정보를 수신; 및 상기 추천 미디어 컨텐츠 리스트에 대한 정보를 수신한 이후, 미디어 컨텐츠를 제공하는 정보를 수신; 하는 것을 포함할 수 있다.

다양한 실시예들에 따르면, 상기 추천 미디어 컨텐츠 리스트는, 상기 사용자 ID 와 상기 하나의 미디어 컨텐츠 타입에 대한 정보가 입력된 미디어 컨텐츠 추천 모델의 출력에 기초하여 획득될 수 있다.

상술한 다양한 실시예들은 바람직한 실시예들 중 일부에 불과하며, 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치가 제공될 수 있다.

다양한 실시예들에 따르면, AI 엔진에 기초하여 미디어 컨텐츠가 제공되어, 빠르고, 저렴하고, 효율적으로 미디어 컨텐츠가 제공될 수 있어, 미디어 컨텐츠 제공 전체 과정의 효율이 증대될 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 제공을 요청한 사용자의 취향을 고려하여 미디어 컨텐츠가 제공될 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 제공을 요청한 사용자의 피드백을 반영하여 미디어 컨텐츠가 제공될 수 있다.

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

본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 다양한 실시예들에 따른 미디어 컨텐츠를 위한 장치의 동작 방법이 구현될 수 있는 미디어 컨텐츠 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 3 은 다양한 실시예들에 따른 사용자 디바이스와 서버 간의 신호 송수신 동작의 일 예를 나타낸 도면이다.
도 4 는 다양한 실시예들에 따른 사용자 디바이스의 동작의 일 예를 나타낸 도면이다.
도 5 는 다양한 실시예들에 따른 서버의 동작의 일 예를 나타낸 도면이다.
도 6 은 다양한 실시예들에 따른 인공 지능 모델을 이용하여 미디어 컨텐츠를 제공하는 동작의 일 예를 나타낸 도면이다.
도 7 은 다양한 실시예들에 따른 질문 추천 모델을 이용하여 질문을 제공하는 동작의 일 예를 나타낸 도면이다.
도 8는 다양한 실시예들에 따른 AI (artificial intelligence) 엔진에 기초한 모델을 획득하는 과정을 도시한 도면이다.
도 9은 다양한 실시예들에 따른 AI 엔진에 기초한 모델을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

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

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

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

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

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

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

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

1. 미디어 컨텐츠 시스템 구현

도 1은 다양한 실시예들에 따른 미디어 컨텐츠를 위한 장치의 동작 방법이 구현될 수 있는 미디어 컨텐츠 시스템을 설명하기 위한 도면이다.

도 1을 참조하면, 다양한 실시예들에 따른 미디어 컨텐츠 시스템은 다양한 종류의 장치들에 구현될 수 있다. 예를 들어, 미디어 컨텐츠 시스템은 제1 디바이스(100) 및/또는 제2 디바이스(200)에 구현될 수 있다. 달리 말해, 제1 디바이스(100) 및/또는 제2 디바이스(200)는 각각의 장치에 구현된 미디어 컨텐츠 시스템을 기반으로, 다양한 실시예들에 따른 동작을 수행할 수 있다. 한편, 다양한 실시예들에 따른 미디어 컨텐츠 시스템은, 상기 도 1에 도시된 바에 국한되지 않고, 더 다양한 장치들 및/또는 서버들에 구현될 수도 있을 것이다.

다양한 실시예들에 따른 제2 디바이스(200)는, 제1 디바이스(100)들과 무선 및/또는 유선 통신을 수행하며, 대단위의 저장 용량을 갖는 데이터베이스를 포함하는 장치일 수 있다. 예를 들어, 제2 디바이스(200)는 복수 개의 제1 디바이스(100)들과 연동될 수도 있다.

1.1. 기능적 구현

다양한 실시예들에 따른 미디어 컨텐츠 시스템은 동작을 위한 다양한 모듈들을 포함할 수 있다. 미디어 컨텐츠 시스템에 포함된 모듈들은 미디어 컨텐츠 시스템이 구현되는(또는, 물리적 장치에 포함되는) 물리적 장치(예: 제1 디바이스(100) 및/또는 제2 디바이스(200))가 지정된 동작을 수행할 수 있도록 구현된 컴퓨터 코드 내지는 하나 이상의 인스트럭션 (instruction) 일 수 있다. 다시 말해, 미디어 컨텐츠 시스템이 구현되는 물리적 장치는 복수 개의 모듈들을 컴퓨터 코드 형태로 메모리에 저장하고, 메모리에 저장된 복수 개의 모듈들이 실행되는 경우 복수 개의 모듈들은 물리적 장치가 복수 개의 모듈들에 대응하는 지정된 동작들을 수행하도록 할 수 있다.

1.2. 장치 구현

도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.

도 2를 참조하면, 제1 디바이스 및/또는 제2 디바이스는 입/출력부(210), 통신부(220), 데이터베이스(230) 및 프로세서(240)를 포함할 수 있다.

입/출력부(210)는 사용자 입력을 받거나 또는 사용자에게 정보를 출력하는 각종 인터페이스나 연결 포트 등일 수 있다. 입/출력부(210)는 입력 모듈과 출력 모듈로 구분될 수 있는데, 입력 모듈은 사용자로부터 사용자 입력을 수신한다. 사용자 입력은 키 입력, 터치 입력, 음성 입력을 비롯한 다양한 형태로 이루어질 수 있다. 이러한 사용자 입력을 받을 수 있는 입력 모듈의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서, 음성 신호를 입력 받는 마이크, 영상 인식을 통해 제스처 등을 인식하는 카메라, 사용자 접근을 감지하는 조도 센서나 적외선 센서 등으로 구성되는 근접 센서, 가속도 센서나 자이로 센서 등을 통해 사용자 동작을 인식하는 모션 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력 받는 다양한 형태의 입력 수단을 모두 포함하는 포괄적인 개념이다. 여기서, 터치 센서는 디스플레이 패널에 부착되는 터치 패널이나 터치 필름을 통해 터치를 감지하는 압전식 또는 정전식 터치 센서, 광학적인 방식에 의해 터치를 감지하는 광학식 터치 센서 등으로 구현될 수 있다. 이외에도 입력 모듈은 자체적으로 사용자 입력을 감지하는 장치 대신 사용자 입력을 입력 받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다. 또 출력 모듈은 각종 정보를 출력해 사용자에게 이를 제공할 수 있다. 출력 모듈은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커, 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단을 모두 포함하는 포괄적인 개념이다. 이외에도 출력 모듈은 상술한 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.

일 예로, 디스플레이 형태의 출력 모듈은 텍스트, 정지 영상, 동영상을 디스플레이 할 수 있다. 디스플레이는 액정 디스플레이(LCD: Liquid Crystal Display), 발광 다이오드(LED: light emitting diode) 디스플레이, 유기 발광 다이오드(OLED: Organic Light Emitting Diode) 디스플레이, 평판 디스플레이(FPD: Flat Panel Display), 투명 디스플레이(transparent display), 곡면 디스플레이(Curved Display), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 홀로그래픽 디스플레이(holographic display), 프로젝터 및 그 외의 영상 출력 기능을 수행할 수 있는 다양한 형태의 장치를 모두 포함하는 광의의 영상 표시 장치를 의미하는 개념이다. 이러한 디스플레이는 입력 모듈의 터치 센서와 일체로 구성된 터치 디스플레이의 형태일 수도 있다.

통신부(220)는 외부 기기와 통신할 수 있다. 따라서, 제1 디바이스 및/또는 제2 디바이스는 통신부를 통해 외부 기기와 정보를 송수신할 수 있다. 예를 들어, 제1 디바이스 및/또는 제2 디바이스는 통신부를 이용해 미디어 컨텐츠 시스템에 저장 및 생성된 정보들이 공유되도록 외부 기기와 통신을 수행할 수 있다.

여기서, 통신, 즉 데이터의 송수신은 유선 또는 무선으로 이루어질 수 있다. 이를 위해 통신부는 LAN(Local Area Network)를 통해 인터넷 등에 접속하는 유선 통신 모듈, 이동 통신 기지국을 거쳐 이동 통신 네트워크에 접속하여 데이터를 송수신하는 이동 통신 모듈, 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 블루투스(Bluetooth), 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용하는 근거리 통신 모듈, GPS(Global Positioning System)과 같은 GNSS(Global Navigation Satellite System)을 이용하는 위성 통신 모듈 또는 이들의 조합으로 구성될 수 있다.

데이터베이스(230)는 각종 정보를 저장할 수 있다. 데이터베이스는 데이터를 임시적으로 또는 반영구적으로 저장할 수 있다. 예를 들어, 데이터베이스에는 제1 디바이스 및/또는 제2 디바이스를 구동하기 위한 운용 프로그램(OS: Operating System), 웹 사이트를 호스팅하기 위한 데이터나 점자 생성을 위한 프로그램 내지는 어플리케이션(예를 들어, 웹 어플리케이션)에 대한 데이터 등이 저장될 수 있다. 또, 데이터베이스는 상술한 바와 같이 모듈들을 컴퓨터 코드 형태로 저장할 수 있다.

데이터베이스(230)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 이러한 데이터베이스는 내장 타입 또는 탈부착 가능한 타입으로 제공될 수 있다.

프로세서(240)는 제1 디바이스(100) 및/또는 제2 디바이스(200)의 전반적인 동작을 제어한다. 이를 위해 프로세서(340)는 각종 정보의 연산 및 처리를 수행하고 제1 디바이스 및/또는 제2 디바이스의 구성요소들의 동작을 제어할 수 있다. 예를 들어, 프로세서(340)는 미디어 컨텐츠를 위한 프로그램 내지 어플리케이션을 실행시킬 수 있을 것이다. 프로세서(240)는 하드웨어 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 프로세서(240)는 전기적인 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적인 프로세서(240)를 구동시키는 프로그램 형태로 제공될 수 있다. 한편, 이하의 설명에서 특별한 언급이 없는 경우에는 제1 디바이스 및/또는 제2 디바이스의 동작은 프로세서(240)의 제어에 의해 수행되는 것으로 해석될 수 있다. 즉, 미디어 컨텐츠 시스템에 구현되는 모듈들이 실행되는 경우, 모듈들은 프로세서(240)가 제1 디바이스 및/또는 제2 디바이스를 이하의 동작들을 수행하도록 제어하는 것으로 해석될 수 있다.

요약하면, 다양한 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.

하드웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.

펌웨어나 소프트웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 이하에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치할 수 있으며, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.

2. 다양한 실시예들에 따른 장치의 구성/동작

이하에서는, 상기와 같은 기술적 사상에 기초하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들은 상호 배척되지 않는 한 전부 또는 일부가 결합되어 또 다른 다양한 실시예들을 구성할 수도 있으며, 이는 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있다.

이하에서 설명되는 다양한 실시예들에 대해서는 앞서 설명한 제 1 절의 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 제 1 절의 내용들에 기초하여 수행되고 설명될 수 있다.

특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A/B/C 는 A 및/또는 B 및/또는 C를 의미할 수 있다.

특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A 초과/이상인 것은 A 이상/초과인 것으로 대체될 수 있다.

특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, B 미만/이하인 것은 B 이하/미만인 것으로 대체될 수 있다.

이하에서는, 다양한 실시예들에 따른 제1 디바이스(100)의 일 구현 예에 따른 사용자 디바이스가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제1 디바이스가 될 수 있다. 예를 들어, 제1 디바이스는 단말, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 태블릿 PC, 전자북 단말기, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), PC (personal computer) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.

이하에서는, 다양한 실시예들에 따른 제2 디바이스(200)의 일 구현 예에 따른 서버가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제2 디바이스가 될 수 있다.

특별히 달리 언급되지 않은 한, 이하의 다양한 실시예들에 대한 설명에서 미디어 컨텐츠 시스템에서 이용/획득/출력/표시하는 정보 등은 제1 디바이스 및/또는 제2 디바이스가 직접 식별/획득한 정보이거나, 제1 디바이스 및/또는 제2 디바이스에 포함된 데이터베이스에 저장된 정보이거나, 서버 및/또는 기타 외부 기기로부터 제1 디바이스 및/또는 제2 디바이스가 수신 받은 정보 중 하나 이상일 수 있다.

다양한 실시예들에 대한 설명에서, 온라인 플랫폼이란 미디어 컨텐츠를 제공하는 플랫폼 및/또는 미디어를 제공하는 서비스가 수행되는 플랫폼을 의미할 수 있다. 예를 들어, 온라인 플랫폼은 OTT (over the top), IPTV (internet protocol television), 기타 인터넷 및/또는 유무선 네트워크를 활용한 미디어 제공 시스템, SVOD (subscription video on demand), AVOD (advertising VOD), TVOD (transactional VOD), 기타 주문형 비디오를 활용한 미디어 제공 시스템을 포함할 수 있으며, 이에 제한되지 아니한다.

다양한 실시예들에 대한 설명에서, 미디어는 뉴스 미디어 (예를 들어, 신문, 잡지, 서적, 라디오, 텔레비전, 인터넷 등), 디지털 미디어 (예를 들어, 디지털 오디오, 디지털 영상, 기타 디지털 콘텐츠 등), 매스 미디어 (예를 들어, 텔레비전, 라디오, 신문, 잡지, 영화, 정보통신, 서적 등), 멀티미디어 (예를 들어, 텍스트, 오디오, 그래픽, 애니메이션, 비디오 등), 소셜 미디어 (소셜 네트워크의 기반 위에서 개인의 생각이나 의견, 경험, 정보 등을 서로 공유하고 타인과의 관계를 생성 또는 확장 시킬 수 있는 개방화된 온라인 플랫폼), 인터랙티브 미디어 (텍스트, 그래픽, 애니메이션, 영상, 소리와 같은 콘텐츠를 눌러서 사용자의 동작에 반응하는 디지털 컴퓨터 기반 시스템 상의 제품과 용역), 전통 미디어 (예를 들어, TV, 신문, 잡지, 라디오 등과 같은 전통매체), 하이퍼 미디어 등을 포함할 수 있으며, 이에 제한되지 아니한다. 다양한 실시예들에 대한 설명에서, 미디어는 커머스(광고)로 대체될 수 있으며, 화장품, 커피, 유아용품 등 온라인 플랫폼에서 판매 및/또는 광고될 수 있는 상품들에 대한 텍스트, 오디오, 그래픽, 애니메이션, 비디오 등을 포함할 수도 있다.

2.1. 미디어 컨텐츠 제공 동작

이하의 설명에서는 사용자 디바이스로부터 미디어 컨텐츠 제공 요청을 획득한 서버가 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하는 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하였으나, 다양한 실시예들에 따르면, 서버로부터 미디어 컨텐츠 제공 요청을 획득한 사용자 디바이스가 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하는 동작을 수행할 수도 있다. 및/또는, 다양한 실시예들에 따르면, 하나의 서버 또는 하나의 사용자 디바이스 각각이 직접 미디어 컨텐츠 제공 요청을 획득(예를 들어, 사용자로부터 직접 입력)하여, 미디어 컨텐츠를 제공하는 동작을 수행할 수도 있다. 및/또는, 다양한 실시예들에 따르면, 복수의 사용자 디바이스들 및/또는 복수의 서버들이 마련되어, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버들 간에 미디어 컨텐츠 제공 요청 및 미디어 컨텐츠를 제공하는 동작이 각 동작 별로 분배되어, 별개로 실시될 수도 있다. 다양한 실시예들에 대한 설명에서, 미디어가 커머스(광고)를 포함하는 경우에는, 복수의 사용자 디바이스(200) 각각의 사용자들의 개인 정보를 더 고려하여 맞춤형 커머스(광고)를 결정하여 상기 복수의 사용자 디바이스(200)를 통하여 제공(및/또는 표시)되도록 제어할 수도 있다.

도 3 은 다양한 실시예들에 따른 사용자 디바이스와 서버 간의 신호 송수신 동작의 일 예를 나타낸 도면이다.

도 4 는 다양한 실시예들에 따른 사용자 디바이스의 동작의 일 예를 나타낸 도면이다.

도 5 는 다양한 실시예들에 따른 서버의 동작의 일 예를 나타낸 도면이다.

도 3 내지 도 5를 참조하면, 다양한 실시예들에 따른 동작 301, 401, 501에서 사용자 디바이스는 미디어 컨텐츠 제공 요청 정보를 송신할 수 있으며, 서버는 이를 수신할 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 제공 요청 정보는 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하여 줄 것을 요청하는 정보일 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 제공 요청 정보는 사용자 ID (identifier) 정보를 포함할 수 있다. 다양한 실시예들에 따르면, 사용자 ID 정보는 사용자 디바이스 및/또는 사용자 디바이스를 사용하는 사용자 및/또는 서버 디바이스가 운용하는 온라인 플랫폼에 가입된 사용자에 대한 식별 정보일 수 있다. 다양한 실시예들에 따르면, 사용자 디바이스 및/또는 사용자 디바이스를 사용하는 사용자 및/또는 서버 디바이스가 운용하는 온라인 플랫폼에 가입된 사용자 별로 서로 다른 사용자 ID 정보가 부여될 수 있다. 다양한 실시예들에 따르면, 사용자 ID 정보는 사용자 디바이스가 서버에게 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하여 줄 것을 요청하는 정보로 이해되거나 및/또는 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하여 줄 것을 요청하는 정보에 대응되거나 및/또는 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하여 줄 것을 요청하는 정보에 포함되거나 및/또는 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하여 줄 것을 요청하는 정보에 추가로 및/또는 별개로 송신될 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 제공 요청 정보는 미디어 컨텐츠 제공을 요청한 사용자 (예를 들어, 미디어 컨텐츠 제공 요청 정보에 포함된 사용자 ID에 대응되는 사용자) 로부터 서비스 과금이 납부되었는지 여부를 식별하기 위한 정보를 포함할 수 있다. 예를 들어, 서버는 해당 정보에 기초하여 사용자로부터 서비스 과금이 납부되었는지 여부를 식별할 수 있다.

예를 들어, 해당 정보는 제1 비트와 제2 비트를 포함할 수 있다. 예를 들어, 제1 비트 및/또는 제2 비트는 각각 1-비트 크기(one-bit size)를 가질 수 있다.

예를 들어, 제1 비트는 사용자가 서비스 구독자 (subscriber) 인지 여부를 지시할 수 있다, 예를 들어, 제1 비트가 0 (또는 1) 인 경우, 제1 비트는 사용자가 서비스 구독자가 아님을 지시하고, 제1 비트가 1 (또는 0) 인 경우, 제1 비트는 사용자가 서비스 구독자임을 지시할 수 있다.

예를 들어, 서버는, 사용자가 서비스 구독자로 식별된 경우, 해당 사용자로부터 구독을 위한 정기적 서비스 과금 (예를 들어, 일/월/년 단위로 정기적 납부되는 서비스 이용료) 이 납부된 것으로 보아, 해당 사용자로부터 서비스 과금이 납부되었다고 식별할 수 있다.

예를 들어, 제2 비트는 사용자로부터 일회성 (one-time) 서비스 과금이 납부되었는지 여부를 지시할 수 있다. 예를 들어, 일회성 서비스 과금이란, 정기적 서비스 과금의 반대 의미로, 사용자가 해당 서비스를 이용할 때마다 해당 서비스 별로 지불해야할 과금 (즉, 케이스 기반 이용료) 일 수 있다. 예를 들어, 일회성 서비스 과금은 대상 음원 개수 별로 부과될 수 있으며, 정기적 서비스 과금은 미리 설정된 서비스 패키지 별 (예를 들어, 하나의 미디어 컨텐츠 및/또는 하나 이상의 미디어 컨텐츠가 포함된 서비스 패키지) 로 다르게 정의될 수 있다. 예를 들어, 제2 비트가 0 (또는 1) 인 경우, 제2 비트는 일회성 서비스 과금이 납부되지 않았음을 지시하고, 제2 비트가 1 (또는 0) 인 경우, 제2 비트는 일회성 서비스 과금이 납부되었음을 지시할 수 있다.

예를 들어, 제2 비트는, 제1 비트가 서비스 구독자가 아님을 지시하는 경우에만 미디어 컨텐츠 제공 요청 정보에 포함될 수 있다. 이 경우, 예를 들어, 서버는 제1 비트가 0 (또는 1)인 경우, 미디어 컨텐츠 제공 요청 정보에 제2 비트가 포함되었음 알 수 있고, 제1 비트가 1 (또는 0) 인 경우, 제2 비트가 포함되지 않았음을 알 수 있다.

예를 들어, 서버는, 서비스 과금이 납부되지 않았음이 식별되는 경우, 서비스 과금 납부를 요청하는 정보를 포함하는 피드백을 생성하여, 사용자 디바이스로 송신할 수 있다. 예를 들어, 서비스 과금 납부를 요청하는 정보는, 서비스 구독을 요청하는 정보 및/또는 일회성 서비스 과금 납부를 요청하는 정보 중 하나 이상을 포함할 수 있다.

예를 들어, 서버는 서비스 과금이 납부되었음이 식별되는 경우에만 후술할 다양한 실시예들에 따른 동작을 수행하고, 서비스 과금이 납부되지 않았음이 식별되는 경우에는 후술할 다양한 실시예들에 따른 동작을 수행하지 않을 수 (예를 들어, 각 동작 수행을 드롭(drop)/취소) 있다.

다양한 실시예들에 따른 동작 303, 403, 503에서 서버는 미디어 컨텐츠 타입 정보를 송신할 수 있으며, 사용자 디바이스는 이를 수신할 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 타입 정보는 서버로부터 제공 가능한 복수의 미디어 컨텐츠 타입들에 대한 정보를 포함할 수 있다. 예를 들어, 미디어 컨텐츠 타입은 뉴스 미디어 (예를 들어, 신문, 잡지, 서적, 라디오, 텔레비전, 인터넷 등), 디지털 미디어 (예를 들어, 디지털 오디오, 디지털 영상, 기타 디지털 콘텐츠 등), 매스 미디어 (예를 들어, 텔레비전, 라디오, 신문, 잡지, 영화, 정보통신, 서적 등), 멀티미디어 (예를 들어, 텍스트, 오디오, 그래픽, 애니메이션, 비디오 등), 소셜 미디어 (소셜 네트워크의 기반 위에서 개인의 생각이나 의견, 경험, 정보 등을 서로 공유하고 타인과의 관계를 생성 또는 확장 시킬 수 있는 개방화된 온라인 플랫폼), 인터랙티브 미디어 (텍스트, 그래픽, 애니메이션, 영상, 소리와 같은 콘텐츠를 눌러서 사용자의 동작에 반응하는 디지털 컴퓨터 기반 시스템 상의 제품과 용역), 전통 미디어 (예를 들어, TV, 신문, 잡지, 라디오 등과 같은 전통매체), 하이퍼 미디어 및/또는 미디어 컨텐츠의 장르 (예를 들어, 뉴스, 영화, 코미디, 드라마, 스포츠, 음악, 시트콤, 다큐멘터리, 예능, 오락, 애니메이션 등) 등을 포함할 수 있으며, 이에 제한되지 아니한다.

다양한 실시예들에 따른 동작 305, 405, 505에서, 사용자 디바이스는 미디어 컨텐츠 타입 선택 정보를 송신할 수 있으며, 서버는 이를 수신할 수 있다.

다양한 실시예들에 따르면, 미디어 컨텐츠 타입 선택 정보는 미디어 컨텐츠 타입 정보로부터 식별/획득되는 복수의 미디어 컨텐츠 타입들 중에서 선택된 어느 하나의 미디어 컨텐츠 타입일 수 있다. 예를 들어, 복수의 미디어 컨텐츠 타입들은 사용자 디바이스의 터치 디스플레이 상에 터치 가능하도록 디스플레이 될 수 있으며, 복수의 미디어 컨텐츠 타입들 중 어느 하나를 터치하는 사용자 터치 입력에 기초하여 어느 하나의 미디어 컨텐츠 타입이 선택될 수 있다. 예를 들어, 뉴스, 영화, 코미디, 드라마, 스포츠, 음악, 시트콤, 다큐멘터리, 예능, 오락, 애니메이션 중 어느 하나에 대한 터치 입력을 받을 수 있도록, 사용자 디바이스의 터치 디스플레이 상에 UI (user interface) 가 표시/표현될 수 있으며, 예를 들어, 사용자 터치 입력에 따라 스포츠가 선택된 경우, 사용자 디바이스는 스포츠가 선택되었음을 지시하는 미디어 컨텐츠 타입 선택 정보를 획득/생성하여 서버로 송신할 수 있다.

다양한 실시예들에 따른 동작 307, 407, 507에서, 서버는 추천 미디어 컨텐츠 리스트를 획득/생성할 수 있다.

다양한 실시예들에 따른 동작 309, 409, 509에서, 서버는 추천 미디어 컨텐츠 리스트 정보를 송신할 수 있으며, 사용자 디바이스는 이를 수신할 수 있다.

다양한 실시예들에 따르면, 추천 미디어 컨텐츠 리스트는, 미디어 컨텐츠 타입 선택 정보로부터 식별되는 선택된 미디어 컨텐츠 타입에 대한 추천 미디어 컨텐츠 리스트를 포함할 수 있다. 예를 들어, 미디어 컨텐츠 타입 선택 정보로부터 스포츠가 선택되었음이 식별된 경우, 추천 미디어 컨텐츠 리스트는 축구, 농구, 야구, 배구, 아이스하키, 골프, 미식축구 등의 서브 타입 중, 사용자 ID에 대응되는 사용자가 선호할 것으로 추정되는 하나 이상의 서브 타입 (예를 들어, 축구) 각각에 대한 제1 경기, 제2 경기, 제3 경기 등의 실시간 방송 영상, 주요 하이라이트 영상 등을 포함할 수 있다.

다양한 실시예들에 따르면, 추천 미디어 컨텐츠 리스트는 미디어 컨텐츠 추천 모델에 기초하여 획득/생성될 수 있다. 다양한 실시예들에 따르면, 미디어 컨텐츠 추천 모델은 일정 AI (artificial intelligence) 엔진에 대한 기계학습 (machine learning)에 기초하여 미리 설정/획득/생성된 것일 수 있다. 다양한 실시예들에 따르면, 서버는 미디어 컨텐츠 추천 모델에 사용자 ID 와 선택된 미디어 컨텐츠 타입을 입력하고, 그에 대한 미디어 컨텐츠 추천 모델의 출력으로부터 추천 미디어 컨텐츠 리스트를 획득할 수 있다. 즉, 다양한 실시예들에 따르면, 미디어 컨텐츠 추천 모델은 사용자 ID 와 선택된 미디어 컨텐츠 타입을 포함하는 입력에 대한 응답으로 추천 미디어 컨텐츠 리스트를 출력할 수 있다. 예를 들어, 스포츠가 선택되었음을 나타내는 미디어 컨텐츠 타입 식별 정보와 사용자 ID 가 입력된 경우, 미디어 컨텐츠 추천 모델은 축구, 농구, 야구, 배구, 아이스하키, 골프, 미식축구 등의 서브 타입 중, 사용자 ID에 대응되는 사용자가 선호할 것으로 추정되는 하나 이상의 서브 타입 (예를 들어, 축구) 각각에 대한 제1 경기, 제2 경기, 제3 경기 (예를 들어, 사용자가 선호하는 팀의 경기 등) 등의 실시간 방송 영상, 주요 하이라이트 영상 등을 포함하는 추천 미디어 컨텐츠 리스트를 출력할 수 있다.

다양한 실시예들에 따르면, 추천 미디어 컨텐츠 리스트는, 그에 포함된 하나 이상의 미디어 컨텐츠 각각에 대한 텍스트 정보, 정지 영상 정보, 동적 영상 정보, 음성 정보 중 하나 이상을 포함할 수 있다.

다양한 실시예들에 따른 동작 311, 411, 511에서, 서버는 미디어 컨텐츠를 제공하는 정보를 송신할 수 있으며, 사용자 디바이스는 이를 수신할 수 있다.

예를 들어, 사용자 디바이스는 추천 미디어 컨텐츠 리스트에 포함된 미디어 컨텐츠를 요청하는 정보를 송신할 수 있으며, 이 경우 서버는 요청된 추천 미디어 컨텐츠 리스트에 포함된 미디어 컨텐츠를 제공할 수 있다.

예를 들어, 사용자 디바이스에는, 추천 미디어 컨텐츠 리스트 뿐만 아니라, 서버로부터 제공 가능한 모든 미디어 컨텐츠 리스트가 제공될 수 있다. 예를 들어, 사용자 디바이스는 추천 미디어 컨텐츠 리스트에 포함되지 않은 미디어 컨텐츠를 요청하는 정보를 송신할 수 있으며, 이 경우 서버는 요청된 추천 미디어 컨텐츠 리스트에 포함되지 않은 미디어 컨텐츠를 제공할 수 있다. 또한, 예를 들어, 서버는 미디어 컨텐츠 추천 모델로부터 획득/생성된 추천 미디어 컨텐츠 리스트가 부정확하였던 것으로 판단하고, 미디어 컨텐츠 추천 모델의 정확도를 높일 수 있도록 추천 미디어 컨텐츠 리스트에 포함되지 않은 미디어 컨텐츠를 요청하는 정보로부터 미디어 컨텐츠 추천 모델에 대한 피드백 정보를 획득/생성하여, 이를 이용하여 미디어 컨텐츠 추천 모델을 피드백/업데이트 할 수 있다.

다양한 실시예들에 따르면, 서버는 미디어 컨텐츠를 제공하는 정보를 송신 중인 시간 구간 (사용자 디바이스로부터 해당 미디어 컨텐츠가 재생 중인 시간 구간에 대응) 내 임의 시점에서, 제공 중인 미디어 컨텐츠의 내용과 관련된 질문/퀴즈와 질문/퀴즈에 대한 답변 인터페이스를 송신할 수 있으며, 사용자 디바이스는 이를 수신할 수 있다. 다양한 실시예들에 따르면, 미디어 컨텐츠의 내용과 관련된 질문/퀴즈는 질문 추천 모델에 기초하여 획득/생성될 수 있다. 다양한 실시예들에 따르면, 질문/퀴즈와 질문/퀴즈에 대한 답변 인터페이스는 재생 중인 미디어 컨텐츠가 사용자 디바이스의 디스플레이 상에서 차지하는 영역(및/또는 미디어 컨텐츠에 대응되는 영역)의 적어도 일부에 오버랩 (overlap) 되어 표시되는 또는 미디어 컨텐츠에 대응되는 영역의 외부의 적어도 일부에 오버랩 되어 표시되는 노티피케이션 (notification)을 터치하는 사용자 입력에 따라 팝-업 (pop-up) 되는 형태로 제공될 수 있다.

도 6 은 다양한 실시예들에 따른 인공 지능 모델을 이용하여 미디어 컨텐츠를 제공하는 동작의 일 예를 나타낸 도면이다.

도 6을 참조하면, 서버는 복수의 인공 지능 모델들을 이용하여 미디어 컨텐츠 서비스를 제공할 수 있다. 다양한 실시예들에 따르면, 복수의 인공 지능 모델들은 미디어 컨텐츠 추천 모델 또는 질문 추천 모델 중 하나 이상을 포함할 수 있다. 다양한 실시예들에 따르면, 서버는 미디어 컨텐츠 추천 모델을 이용하여 추천 미디어 컨텐츠 리스트를 사용자 디바이스에 제공할 수 있고, 질문 추천 모델을 이용하여 미디어 컨텐츠와 관련된 질문/퀴즈를 사용자 디바이스에 제공할 수 있다.

다양한 실시예들에 따르면, 서버는 사용자 디바이스의 사용자 정보 (예를 들어, 사용자 ID 등)를 포함하는 미디어 컨텐츠 제공 요청 정보를 수신/획득할 수 있다. 다양한 실시예들에 따르면, 서버는 사용자 정보를 미디어 컨텐츠 추천 모델로 입력하고, 미디어 컨텐츠 추천 모델로부터 추천 미디어 컨텐츠 리스트를 획득할 수 있다. 다양한 실시예들에 따르면, 서버는 추천 미디어 컨텐츠 리스트를 사용자 디바이스로 전달/송신할 수 있다.

다양한 실시예들에 따르면, 서버는 추천 미디어 컨텐츠 리스트에 대한 응답으로, 사용자 디바이스로부터 특정 미디어 컨텐츠를 요청하는 정보를 수신/획득할 수 있다. 다양한 실시예들에 따르면, 서버는 특정 미디어 컨텐츠를 요청하는 정보에 대응되는 특정 미디어 컨텐츠에 대한 정보를 질문 추천 모델로 입력하고, 질문 추천 모델로부터 추천 질문 리스트를 획득할 수 있다.

다양한 실시예들에 따르면, 서버는 추천 질문 리스트에 포함된 하나 이상의 질문 중 특정 질문을 임의로 선택하고, 선택된 특정 질문을 사용자 디바이스로 전달/송신할 수 있다. 및/또는 다양한 실시예들에 따르면, 서버는 추천 질문 리스트를 사용자 디바이스로 전달/송신할 수 있다.

도 7 은 다양한 실시예들에 따른 질문 추천 모델을 이용하여 질문을 제공하는 동작의 일 예를 나타낸 도면이다.

다양한 실시예들에 따르면, 특정 미디어 컨텐츠에 대한 정보는 미디어 컨텐츠와 관련된 복수의 주요 내용 요약 텍스트들을 포함할 수 있다. 다양한 실시예들에 따르면, 서버로부터 제공 가능한 모든 미디어 컨텐츠들 각각의 주요 내용 요약 텍스트가 데이터베이스에 미리 설정/정의/저장될 수 있다. 예를 들어, 미디어 컨텐츠가 스포츠 경기 하이라이트 동영상인 경우, 주요 내용 요약 텍스트는 스포츠의 종류 (예를 들어, 축구, 농구, 야구 등), 해당 스포츠 경기에 참여한 팀의 이름, 해당 스포츠 경기에 참여한 선수 명단, 해당 스포츠 경기의 승리 팀, 해당 스포츠 경기의 득점/스코어, 해당 스포츠 경기에서 득점/스코어를 기록한 선수, 해당 스포츠 경기에서 어시스트를 기록한 선수, 해당 스포츠 경기에서 MVP (most valuable player) 로 선정된 선수 중 하나 이상을 포함할 수 있다. 예를 들어, "A팀과 B팀의 축구 경기에서 A팀이 승리하였으며 스코어는 3:2 였고 선수C가 MVP로 선정되었다" 와 같은 문장을 들어 다양한 실시예들에 따른 질문 추천 모델의 동작 예를 설명한다.

다양한 실시예들에 따른 동작 701에서, 질문 추천 모델은 주요 내용 요약 텍스트 "A팀과 B팀의 축구 경기에서 A팀이 승리하였으며 스코어는 3:2였고 선수C가 MVP로 선정되었다" 가 입력되면, 이를 소단위로 구분할 수 있다. 다양한 실시예들에 따르면, 구분된 각 소단위는 하나 이상의 단어/어절을 포함할 수 있다. 예를 들어, 각 소단위는 주요 내용 요약 텍스트의 문장 구조에 기초하여 획득될 수 있다. 예를 들어, 각 소단위는 주요 내용 요약 텍스트에 포함된 텍스트 중에서 각각 독립적인 문장으로 구성 가능한 단위 및/또는 독립적인 문장에 매핑 가능한 단위일 수 있다. 예를 들어, "A팀과 B팀의 축구 경기에서 A팀이 승리하였으며 스코어는 3:2였고 선수C가 MVP로 선정되었다"에서는 "A팀과 B팀의 축구 경기에서" "A팀이 승리하였으며" "스코어는 3:2였고" "선수C가 MVP로 선정되었다" 가 각각 "A팀과 B팀의 축구 경기가 있었다", "A팀이 승리하였다", "스코어는 3:2였다", "선수C가 MVP로 선정되었다" 와 같이 독립적인 문장으로 구성 가능한 단위 및/또는 독립적인 문장에 매핑 가능한 단위일 수 있다. 이 경우, 예를 들어, "A팀과 B팀의 축구 경기에서" "A팀이 승리하였으며" "스코어는 3:2였고" "선수C가 MVP로 선정되었다" 각각이 소단위가 될 수 있다.

다양한 실시예들에 따른 동작 703에서, 질문 추천 모델은 각 소단위로부터 하나 이상의 핵심어를 추출/획득할 수 있다. 다양한 실시예들에 따르면, 질문 추천 모델은 획득/생성된 소단위의 의미/내용을 확인/식별할 수 있으며, 확인/식별된 소단위의 의미/내용에 기초하여 각 소단위에 대응되는 핵심어를 추출/획득할 수 있다.

다양한 실시예들에 따르면, 핵심어는 각 소단위의 의미/내용과 관련된 주요 키워드일 수 있다. 다양한 실시예들에 따르면, 질문 추천 모델은 각 소단위의 의미/내용을 확인/식별하고, 확인된 소단위의 의미/내용과 소단위에 포함된 하나 이상의 단어 간의 연관성 및/또는 관련성에 기초하여, 하나 이상의 단어 각각에 대하여 가중치를 부여할 수 있고, 가중치의 오름차순으로 중요도를 판단할 수 있다. 예를 들어, 보다 큰 가중치가 부여된 단어가 소단위와 보다 높은 연관성 및/또는 관련성을 갖는 것일 수 있다. 예를 들어, 가중치를 부여함에 있어서, 하나 이상의 단어 각각과 결합된 조사 등은 생략될 수 있으며, 조사 등이 분리된 단어 각각에 대하여 가중치가 부여될 수 있다. 예를 들어, 조사 등이 분리된 단어 각각은 후보 핵심어로 이해될 수 있다.

다양한 실시예들에 따르면, 질문 추천 모델은 가중치가 가장 높은 단어 및/또는 가중치가 높은 하나 이상의 단어 간의 조합으로 해당 소단어에 대응되는 핵심어로 추출/획득할 수 있다. 예를 들어, 핵심어는 고유명사 및/또는 일반명사 (복수의 고유명사 및/또는 복수의 일반명사의 조합을 포함) 일 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 소단위 "A팀과 B팀의 축구 경기에서" 는 "A팀 B팀", "축구" 가 핵심어가 될 수 있으며, 소단위 "A팀이 승리하였으며" 는 "A팀 승리" 가 핵심어가 될 수 있으며, 소단위 "스코어는 3:2였고"에서는 "3:2" 가 핵심어가 될 수 있으며, 소단위 "선수C가 MVP로 선정되었다"에서는 "MVP 선수C" 가 핵심어가 될 수 있다.

보다 구체적인 일 예로, 질문 추천 모델은 소단위 "선수C가 MVP로 선정되었다"에서 각 어절에서 조사를 생략하여, "선수C", "MVP", "선정"을 후보 핵심어로 추출/획득할 수 있다. 예를 들어, 소단위 "선수C가 MVP로 선정되었다"에서 주된 내용은 선수C 가 MVP 인 점이 고려되어, 질문 추천 모델은 후보 핵심어 "선수C"에 대하여 가중치 5.7, 후보 핵심어 "MVP"에 대하여 가중치 3.9, 후보 핵심어 "선정"에 대하여 가중치 1.2를 부여할 수 있다. 예를 들어, 질문 추천 모델은 가중치가 가장 낮은 후보 핵심어 "선정"을 배제하고, 나머지 후보 핵심어 "선수C" 와 "MVP" 가 결합된 "MVP 선수C" (또는 "선수C MVP")를 핵심어로 추출/획득할 수 있다.

다양한 실시예들에 따른 동작 703 내지 705에서, 질문 추천 모델은 추출/획득된 핵심어와 매핑 가능한 질문 텍스트 (Q1 내지 Q5)를 획득/생성하고, 획득/생성된 질문 텍스트를 포함하는 추천 질문 리스트를 획득/생성할 수 있다. 다양한 실시예들에 따르면, 핵심어와 매핑 가능한 질문 텍스트는, 핵심어의 의미/내용과 관련된 질문을 포함하는 텍스트일 수 있다.

다양한 실시예들에 따르면, 질문 텍스트는 핵심어와 매핑 가능한 질문 템플릿에 기초하여 획득/생성될 수 있다. 다양한 실시예들에 따르면, 질문 추천 모델은 획득/생성된 핵심어의 의미/내용을 확인/식별할 수 있으며, 확인/식별된 핵심어의 의미/내용에 기초하여 확인/식별된 핵심어의 의미/내용에 대응되는 질문 템플릿을 데이터베이스로부터 획득할 수 있다.

다양한 실시예들에 따르면, 질문 추천 모델은 핵심어와 핵심어에 대응되는 질문 템플릿을 결합하여, 질문 텍스트를 획득/생성할 수 있다. 다양한 실시예들에 따르면, 질문 추천 모델은 획득된 핵심어의 의미/내용에 기초하여 매핑 가능한 질문 템플릿을 데이터베이스에서 검색/확인/식별할 수 있다. 다양한 실시예들에 따르면, 질문 추천 모델은 질문 템플릿에 기초하여 핵심어, 핵심어와 관련된 메타데이터 단어, 기타 부가 정보 중 하나 이상에 대하여, 질문 텍스트 내에서의 위치를 결정할 수 있다.

다양한 실시예들에 따르면, 질문 추천 모델은 생성/획득된 질문 텍스트와 매핑 가능한 추천 질문 리스트 템플릿을 데이터베이스에서 검색/확인/식별할 수 있다. 다양한 실시예들에 따르면, 질문 추천 모델은 추천 질문 리스트 템플릿에 기초하여 생성/획득된 각 질문 텍스트, 각 질문 텍스트와 관련된 메타 데이터 문장, 각 질문 텍스트와 관련된 이미지 또는 영상 컨텐츠의 배치 위치를 결정할 수 있다.

도 7에서 설명된 다양한 실시예들은, 미디어 컨텐츠 추천 모델을 이용한 추천 미디어 컨텐츠 리스트를 획득/생성하는 것에도 유사하게 적용될 수 있다. 예를 들어, 미디어 컨텐츠 추천 모델은 생성/획득된 하나 이상의 추천 미디어 컨텐츠에 대응되는 추천 미디어 컨텐츠 리스트 템플릿을 데이터베이스에서 검색/확인/식별할 수 있다. 다양한 실시예들에 따르면, 질문 추천 모델은 추천 미디어 컨텐츠 리스트 템플릿에 기초하여 생성/획득된 하나 이상의 추천 미디어 컨텐츠에 대응되는 텍스트, 각 텍스트와 관련된 메타 데이터 문장, 각 텍스트와 관련된 이미지 또는 영상 컨텐츠의 배치 위치를 결정할 수 있다.

다양한 실시예들에 따르면, 서버는 사용자 디바이스로부터 답변 인터페이스에 기초하여 미디어 컨텐츠의 내용과 관련된 질문에 대한 답변을 수신할 수 있다. 다양한 실시예들에 따르면, 서버는 답변의 정오 및/또는 정답 여부를 결정/확인할 수 있다.

다양한 실시예들에 따르면, 서버는, 사용자 디바이스로부터 수신된 답변이 정답이면, 마일리지를 사용자 디바이스에 대응되는 사용자 ID에 적립할 수 있다. 다양한 실시예들에 따르면, 마일리지는, 서버로부터 제공 가능한 복수의 미디어 컨텐츠들의 구매를 위한 캐시 포인트, 복수의 미디어 컨텐츠들의 구매를 위한 상품권으로의 교환, 복수의 미디어 컨텐츠들의 구매를 위한 할인 쿠폰으로의 교환, 미리 연계된 하나 이상의 쇼핑몰에서의 복수의 미디어 컨텐츠들과 관련된 굿즈 (goods) 의 구매를 위한 캐시 포인트, 굿즈의 구매를 위한 캐시 포인트, 굿즈의 구매를 위한 상품권으로의 교환, 굿즈의 할인 쿠폰으로의 교환에 사용 가능할 수 있다.

다양한 실시예들에 따르면, 사용자 ID에 적립되는 마일리지의 양은 질문의 예상 정답율에 기초하여 설정될 수 있다. 예를 들어, 예상 정답율이 커질수록 마일리지의 양은 감소되고, 예상 정답율이 낮을수록 마일리지의 양은 커질 수 있다. 예를 들어, 일회에 적립 가능한 마일리지의 최대값이 미리 정해지고 (예를 들어, 10000), 해당 최대값에 예상 정답율에 따른 스케일링 인자 (scaling factor) (예상 정답율이 낮을수록 스케일링 인자의 값은 커지고, 예상 정답율이 높을수록 스케일링 인자의 값은 작아질 수 있음) 가 적용된 값이 적립되는 마일리지 양일 수 있다. 예를 들어, 예상 정답율은 이전 서비스 제공 히스토리에 기초하여 추정되거나 및/또는 히스토리가 없는 경우에는 초기값 (예를 들어 50%) 로 설정될 수 있다.

다양한 실시예들에 따르면, 서버는, 사용자 디바이스로부터 수신된 답변이 오답이면, 질문의 정답과 관련된 하나 이상의 힌트에 대한 정보를 송신할 수 있다. 다양한 실시예들에 따르면, 서버는 하나 이상의 힌트에 대한 정보를 송신한 이후 수신된 답변이 정답이면, 사용자 ID에 마일리지를 제공할 수 있다. 다양한 실시예들에 따르면, 서버는 하나 이상의 힌트에 대한 정보를 송신한 이후 수신된 답변이 오답이면, 질문의 정답과 관련된 하나 이상의 힌트로써, 사용자 디바이스로 이미 제공된 하나 이상의 힌트와는 다른 하나 이상의 힌트에 대한 정보를 송신할 수 있다. 다양한 실시예들에 따르면, 사용자 디바이스에 대하여 하나 이상의 힌트가 제공된 경우, 적립되는 마일리지의 양은 질문에 대한 예상 정답율과 하나 이상의 힌트의 개수에 기초하여 결정될 수 있다. 예를 들어, 제공된 힌트의 개수가 많을수록, 마일리지의 양은 줄어들 수 있고, 제공된 힌트의 개수가 적을수록, 마일리지의 양은 증가될 수 있다. 예를 들어, 일회에 적립 가능한 마일리지의 최대값이 미리 정해지고 (예를 들어, 10000), 해당 최대값에 예상 정답율에 따른 스케일링 인자와 제공된 힌트의 개수에 따른 스케일링 인자 (제공된 힌트의 개수가 작을수록 스케일링 인자의 값은 커지고, 제공된 힌트의 개수가 많을수록 스케일링 인자의 값은 작아질 수 있음) 가 적용된 값이 적립되는 마일리지의 양일 수 있다.

다양한 실시예들에 따르면, 서비스 제공 이력 등에 기초하여, 사용자 ID에 대응되는 사용자 디바이스가 제공된 질문에 대한 답변을 보낸 횟수 및/또는 참여율에 기초하여, 횟수 및/또는 참여율이 일정 임계치 이상이면, 질문에 대한 정답 여부와 무관하게, 마일리지를 사용자 ID에 적립할 수도 있다.

2.2. AI 엔진 획득 동작

인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습(딥러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다.

기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

이하의 설명에서는 서버가 AI 엔진 획득 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하였으나, 다양한 실시예들에 따르면, 서버 외부의 다른 서버가 AI 엔진 획득 동작을 수행할 수도 있다. 또는, 다양한 실시예들에 따르면, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버들이 마련되어, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버들 간에 AI 엔진 획득 동작의 각 동작이 분배되어, 별개로 실시될 수도 있다.

도 8는 다양한 실시예들에 따른 AI (artificial intelligence) 엔진에 기초한 모델을 획득하는 과정을 도시한 도면이다.

도 9은 다양한 실시예들에 따른 AI 엔진에 기초한 모델을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.

다양한 실시예들에 따르면, AI (artificial intelligence) 엔진에 기초한 모델을 획득하는 과정 및/또는 AI 엔진에 기초한 모델을 획득하는 전자 장치의 동작은 미디어 컨텐츠 서비스를 제공함에 이용되는 복수의 인공 지능 모델들 각각에 대하여 (미디어 컨텐츠 추천 모델, 질문 추천 모델 각각에 대하여) 별도로 수행될 수 있다. 예를 들어, 각 인공 지능 모델은 별도의 AI 엔진에 대한 학습 과정을 통하여 획득/생성될 수 있으며, 각 인공 지능 모델을 위한 학습 과정 각각을 위하여 학습용 데이터 및/또는 파라미터가 설정될 수 있다.

도 8를 참조하면, 다양한 실시예들에 따르면, 서버는, 학습용 데이터를 수집할 수 있다. 예를 들어, 학습용 데이터는 AI 엔진으로부터 획득될 모델에 따라 달라질 수 있다.

예를 들어, 미디어 컨텐츠 추천 모델 획득을 위한 학습용 데이터는, 복수의 사용자 ID 들에 대응하는 복수의 사용자들 각각의 미디어 컨텐츠 요청 이력에 대한 정보, 미리 연계된 하나 이상의 포털 사이트에서의 복수의 사용자들 각각의 검색 키워드에 대한 정보, 복수의 사용자들의 나이, 성별, 이메일, 휴대폰, 주소를 포함하는 프로필 정보, 복수의 사용자들 각각의 선호 미디어 컨텐츠 타입에 대한 정보에 기초하여 획득될 수 있다.

예를 들어, 질문 추천 모델 획득을 위한 학습용 데이터는, 복수의 미디어 컨텐츠들 각각의 제목, 장르, 타입, 해시태그, 리뷰, 평균 평점을 포함하는 정보 및 미디어 컨텐츠의 제공 이력에 기초하여 획득되는 복수의 미디어 컨텐츠들 각각의 서비스 사용자의 평균 연령에 대한 정보에 기초하여 획득될 수 있다.

다양한 실시예들에 따르면, 서버는, 학습용 데이터에 기초하여 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터는 학습용 데이터를 AI 엔진에 학습을 위하여 입력시킬 수 있도록 전 처리/변환된 것일 수 있다. 예를 들어, 학습 데이터는 훈련용 데이터 및 테스트용 데이터를 포함할 수 있다.

예를 들어, 서버는, 학습 데이터를 훈련용 데이터 및 테스트용 데이터로 분류할 수 있다. 예를 들어, 훈련용 데이터는 AI 엔진을 학습시키는데 활용되고, 테스트용 데이터는 학습된 AI 엔진을 검증 및 업데이트 하는데 활용될 수 있다.

예를 들어, 서버는, 훈련용 데이터에 기초하여 AI 엔진을 학습 시킬 수 있다. 예를 들어, AI 엔진은 인공지능 알고리즘을 기반으로 학습될 수 있는 인공 지능 엔진일 수 있다. 예를 들어, AI 엔진은 심층 신경망(DNN:Deep Neural Network)을 포함할 수도 있다. 예를 들어, 인공 지능 엔진은 CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 이에 한정되는 것은 아니다.

다양한 실시예들에 따르면, 서버는 학습된 AI 엔진에 기초하여 테스트용 데이터에 대한 가공 데이터를 획득할 수 있다.

다양한 실시예들에 따르면, 서버는 가공 데이터에 대한 피드백 정보를 획득할 수 있다.

예를 들어, 피드백 정보는, 서버 관리자로부터 입력될 수 있다.

또 다른 예시로, 피드백 정보는, 해당 미디어에 대하여 미리 가공된 학습 데이터가 있는 경우, 서버는 해당 미리 가공된 학습 데이터와 가공 데이터를 비교하고, 그 비교 결과에 기초하여 피드백 정보를 생성할 수도 있다. 예를 들어, 학습 데이터에는 미디어의 가공 전 및 가공 후 버전이 포함될 수 있으며, 서버는 가공 전 미디어를 학습된 모델에 기초하여 가공하여 가공 데이터를 생성하고, 가공 데이터와 학습 데이터에 포함된 가공 후 버전을 비교하여 그 비교 결과에 기초하여 피드백을 획득할 수도 있다.

다양한 실시예들에 따르면, 서버는, 피드백에 기초하여 학습된 AI 엔진을 업데이트할 수 있다.

예를 들어, 서버는 피드백에 기초하여 학습된 AI 엔진의 특성 (예를 들어, CNN 의 특성)을 수정하고, 수정된 AI 엔진에 기초하여 테스트용 미디어를 가공하고, 다시 피드백을 획득하여 업데이트 하는 과정을 반복할 수 있다.

다양한 실시예들에 따르면, 서버는 반복 횟수가 미리 설정된 임계값 (예를 들어, 7-9회)에 도달하면, 동작을 종료하고 학습된 AI 엔진을 모델로서 획득할 수 있다.

도 9을 참조하면, 다양한 실시예들에 따르면, 동작 901에서, 서버는, 학습용 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 모델을 학습시킬 수 있다.

다양한 실시예들에 따르면, 동작 903에서, 서버는, 테스트용 데이터가 학습된 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득할 수 있다.

다양한 실시예들에 따르면, 동작 905에서, 서버는, 피드백 정보에 기초하여 모델을 업데이트할 수 있다.

다양한 실시예들에 따르면, 동작 907에서, 서버는, 동작 901 내지 동작 905 가 반복된 횟수를 미리 설정된 임계값 (N_TH) 과 비교할 수 있다. 예를 들어, 동작 901 내지 동작 905 의 반복 횟수에 대응되는 카운트 값이 설정될 수 있다. 예를 들어, 카운트 값의 초기값은 0 일 수 있다. 예를 들어, 동작 901 내지 동작 905 가 1 회 반복될 때 마다, 카운트 값이 1 증가될 수 있다. 예를 들어, 서버는, 이러한 카운트 값을 미리 설정된 임계값 (N_TH) 과 비교할 수 있다. 예를 들어, 카운트 값은 AI 엔진으로부터 획득될 모델에 대하여 모두 동일하게 설정되거나 및/또는 달리 설정될 수 있다. 예를 들어, 미디어 컨텐츠 추천 모델 획득을 위한 카운트 값과 질문 추천 모델 획득을 위한 카운트 값이 모두 7 내지 9 중 하나로 설정되거나 및/또는 미디어 컨텐츠 추천 모델 획득을 위한 카운트 값은 7 로 설정되고, 질문 추천 모델 획득을 위한 카운트 값은 9 로 설정될 수 있다.

예를 들어, 서버는, 반복된 횟수가 미리 설정된 임계값과 일치하지 않으면 (즉, 반복된 횟수가 미리 설정된 임계값 미만이면), 동작 901 로 돌아가, 동작 901 내지 동작 905을 재수행할 수 있다.

예를 들어, 서버는, 반복된 횟수가 미리 설정된 임계값과 일치하면, 프로세스를 종료할 수 있다.

상술한 다양한 실시예들에 따른 장치의 보다 구체적인 동작은 앞서 설명한 제 1 절 내지 제 2 절의 내용에 기반하여 설명되고 수행될 수 있다.

상기 설명한 제안 방식에 대한 일례들 또한 다양한 실시예들 중 하나로 포함될 수 있으므로, 일종의 제안 방식들로 간주될 수 있음은 명백한 사실이다. 또한, 상기 설명한 제안 방식들은 독립적으로 구현될 수도 있지만, 일부 제안 방식들의 조합 (또는 병합) 형태로 구현될 수 도 있다.

다양한 실시예들은 그 기술적 아이디어 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 다양한 실시예들의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 다양한 실시예들의 등가적 범위 내에서의 모든 변경은 다양한 실시예들의 범위에 포함된다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.

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

또한, 본 발명의 시스템, 서버, 및/또는 단말을 제어하는 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.

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

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

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

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

삭제

Claims (5)

1. 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하는 서버의 동작 방법에 있어서,
   사용자 ID(identifier)에 대한 정보를 포함하는 미디어 컨텐츠 제공 요청 정보를 수신;
   상기 미디어 컨텐츠와 관련된 복수의 미디어 컨텐츠 타입들에 대한 정보를 송신;
   상기 복수의 미디어 컨텐츠 타입들 중 어느 하나의 미디어 컨텐츠 타입을 선택하는 정보를 수신하면, 상기 사용자 ID와 상기 하나의 미디어 컨텐츠 타입에 대한 정보가 입력됨에 대한 응답으로 획득되는 미디어 컨텐츠 추천 모델의 출력에 기초하여 추천 미디어 컨텐츠 리스트를 획득;
   상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신; 및
   상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신한 이후, 미디어 컨텐츠를 제공하는 정보를 송신; 하는 것을 포함하고,
   상기 미디어 컨텐츠 추천 모델은 상기 미디어 컨텐츠 추천 모델의 획득을 위한 제1 AI(artificial intelligence) 엔진에 제1 기계 학습(machine learning) 이 적용됨에 기초하여 미리 설정되고,
   상기 제1 기계 학습은:
   (a1) 상기 미디어 컨텐츠 추천 모델의 획득을 위한 제1 훈련용 데이터에 기초하여 상기 제1 AI 엔진을 학습;
   (b1) 상기 학습된 제1 AI 엔진의 검증을 위한 제1 테스트용 데이터가 상기 제1 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득;
   (c1) 상기 제1 피드백 정보에 기초하여 상기 제1 AI 엔진을 업데이트; 및
   (d1) 상기 (a1) 내지 (c1) 가 반복되되, 상기 (a1) 내지 (c1) 가 반복될 때 마다 초기값 0 인 제1 카운트 값이 1씩 증가되고, 상기 제1 카운트 값이 미리 설정된 제1 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행되고,
   상기 사용자 ID는 복수의 사용자 ID 들 중 하나이고,
   상기 제1 훈련용 데이터와 상기 제1 테스트용 데이터는, 제1 학습용 데이터에 기초하여 획득되고,
   상기 제1 학습용 데이터는 상기 복수의 사용자 ID 들에 대응하는 복수의 사용자들 각각의 미디어 컨텐츠 요청 이력에 대한 정보, 미리 연계된 하나 이상의 포털 사이트에서의 상기 복수의 사용자들 각각의 검색 키워드에 대한 정보, 상기 복수의 사용자들의 나이, 성별, 이메일, 휴대폰 번호 및 주소를 포함하는 프로필 정보, 상기 복수의 사용자들 각각의 선호 미디어 컨텐츠 타입에 대한 정보에 기초하여 획득되고,
   상기 방법은:
   상기 추천 미디어 컨텐츠 리스트에 포함된 제1 미디어 컨텐츠를 요청하는 정보를 수신하면, 상기 제1 미디어 컨텐츠를 포함하는 상기 미디어 컨텐츠를 제공; 및
   상기 추천 미디어 컨텐츠 리스트에 포함되지 않은 제2 미디어 컨텐츠를 요청하는 정보를 수신하면:
   ⓐ 상기 제2 미디어 컨텐츠를 포함하는 상기 미디어 컨텐츠를 제공;
   ⓑ 상기 제2 미디어 컨텐츠를 요청하는 정보에 기초하여 제2 피드백 정보를 획득; 및
   ⓒ 상기 제2 피드백 정보에 기초하여 상기 미디어 컨텐츠 추천 모델을 업데이트; 하는 것을 더 포함하고,
   상기 방법은:
   상기 미디어 컨텐츠를 제공하는 정보를 송신 중인 시간 구간 내 임의 시점에서, 상기 미디어 컨텐츠의 내용과 관련된 질문에 대한 정보 및 상기 질문에 대한 답변 인터페이스에 대한 정보를 송신;
   상기 질문에 대한 답변을 수신;
   상기 답변이 상기 질문의 정답이면: 마일리지를 상기 사용자 ID에 적립; 하되, 상기 질문과 상기 답변 인터페이스는, 상기 미디어 컨텐츠에 대응되는 영역의 적어도 일부에 오버랩(overlap) 되어 표시되는 또는 상기 미디어 컨텐츠에 대응되는 영역의 외부의 적어도 일부에 오버랩 되어 표시되는 노티피케이션(notification)을 터치하는 사용자 입력에 따라 팝-업(pop-up)되는 형태로 제공되고, 상기 마일리지의 양은 상기 질문의 예상 정답율에 기초하여 설정되고, 그리고
   상기 답변이 상기 질문의 오답이면: ① 상기 질문의 정답과 관련된 하나 이상의 힌트에 대한 정보를 송신; 및 ② 상기 하나 이상의 힌트에 대한 정보를 송신한 이후 수신된 답변이 정답이면, 상기 마일리지를 상기 사용자 ID에 적립; 하는 것을 더 포함하고,
   상기 하나 이상의 힌트의 개수가 미리 설정된 힌트 임계값 이상임에 기초하여, 상기 마일리지의 양은 상기 질문의 예상 정답율과 상기 하나 이상의 힌트의 개수와 관련된 스케일링 인자(scaling factor)에 기초하여 설정되고,
   상기 질문은 상기 미디어 컨텐츠에 대한 정보가 입력됨에 대한 응답으로 획득되는 질문 추천 모델의 출력에 기초하여 획득되는 추천 질문 리스트에 포함된 복수의 질문들 중에서 임의로 선택되고,
   상기 질문 추천 모델은 상기 질문 추천 모델의 획득을 위한 제2 AI 엔진에 제2 기계 학습이 적용됨에 기초하여 미리 설정되고,
   상기 제2 기계 학습은:
   (a2) 상기 질문 추천 모델의 획득을 위한 제2 훈련용 데이터에 기초하여 상기 제2 AI 엔진을 학습;
   (b2) 학습된 제2 AI 엔진의 검증을 위한 제2 테스트용 데이터가 상기 제2 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제3 피드백 정보를 획득;
   (c2) 상기 제3 피드백 정보에 기초하여 상기 제2 AI 엔진을 업데이트; 및
   (d2) 상기 (a2) 내지 (c2) 가 반복되되, 상기 (a2) 내지 (c2) 가 반복될 때 마다 초기값 0 인 제2 카운트 값이 1씩 증가되고, 상기 제2 카운트 값이 미리 설정된 제2 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행되고,
   상기 미디어 컨텐츠는 복수의 미디어 컨텐츠들 중 하나이고,
   상기 제2 훈련용 데이터와 상기 제2 테스트용 데이터는, 상기 질문 추천 모델의 획득을 위한 제2 학습용 데이터에 기초하여 획득되고,
   상기 제2 학습용 데이터는, 상기 복수의 미디어 컨텐츠들 각각의 제목, 장르, 타입, 해시태그, 리뷰, 및 평균 평점을 포함하는 정보 및 상기 미디어 컨텐츠의 제공 이력에 기초하여 획득되는 상기 복수의 미디어 컨텐츠들 각각의 서비스 사용자의 평균 연령에 대한 정보에 기초하여 획득되고,
   상기 미디어 컨텐츠에 대한 정보는 미리 설정된 미디어 컨텐츠 정보 데이터베이스에 기초하여 획득되는 상기 미디어 컨텐츠와 관련된 복수의 주요 내용 요약 텍스트들을 포함하고,
   상기 질문 추천 모델은:
   (i) 상기 복수의 주요 내용 요약 텍스트들 각각을 하나 이상의 어절을 포함하는 소단위로 구분;
   (ii) 상기 구분된 소단위에 기초하여 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 핵심어를 획득;
   (iii) 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 핵심어와 매핑 가능한 질문 텍스트 정보를 획득; 및
   (iv) 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 질문 텍스트 정보에 기초하여, 상기 복수의 질문들을 포함하는 추천 질문 리스트를 획득; 하도록 설정되는,
   방법.
   
2. 삭제
3. 삭제
4. 온라인 플랫폼을 통하여 미디어 컨텐츠를 제공하는 서버에 있어서,
   프로세서(processor); 및
   상기 프로세서와 동작 가능하도록 연결되고, 실행됨에 기초하여 상기 하나 이상의 프로세서가 동작을 수행하도록 하는 하나 이상의 인스트럭션(instruction)을 저장하는 하나 이상의 메모리(memory); 를 포함하고,
   상기 프로세서는:
   사용자 ID (identifier)에 대한 정보를 포함하는 미디어 컨텐츠 제공 요청 정보를 수신하고,
   상기 미디어 컨텐츠와 관련된 복수의 미디어 컨텐츠 타입들에 대한 정보를 송신하고,
   상기 복수의 미디어 컨텐츠 타입들 중 어느 하나의 미디어 컨텐츠 타입을 선택하는 정보를 수신하면, 상기 사용자 ID 와 상기 하나의 미디어 컨텐츠 타입에 대한 정보가 입력됨에 대한 응답으로 획득되는 미디어 컨텐츠 추천 모델의 출력에 기초하여 추천 미디어 컨텐츠 리스트를 획득하고,
   상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신하고,
   상기 추천 미디어 컨텐츠 리스트에 대한 정보를 송신한 이후, 미디어 컨텐츠를 제공하는 정보를 송신하고
   상기 미디어 컨텐츠 추천 모델은 상기 미디어 컨텐츠 추천 모델의 획득을 위한 제1 AI(artificial intelligence) 엔진에 제1 기계 학습(machine learning) 이 적용됨에 기초하여 미리 설정되고,
   상기 제1 기계 학습은:
   (a1) 상기 미디어 컨텐츠 추천 모델의 획득을 위한 제1 훈련용 데이터에 기초하여 상기 제1 AI 엔진을 학습하고,
   (b1) 상기 학습된 제1 AI 엔진의 검증을 위한 제1 테스트용 데이터가 상기 제1 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득하고,
   (c1) 상기 제1 피드백 정보에 기초하여 상기 제1 AI 엔진을 업데이트하고,
   (d1) 상기 (a1) 내지 (c1) 가 반복되되, 상기 (a1) 내지 (c1) 가 반복될 때 마다 초기값 0 인 제1 카운트 값이 1씩 증가되고, 상기 제1 카운트 값이 미리 설정된 제1 카운트 임계값과 일치됨에 기초하여 종료됨에 기초하여 수행되고,
   상기 사용자 ID는 복수의 사용자 ID 들 중 하나이고,
   상기 제1 훈련용 데이터와 상기 제1 테스트용 데이터는, 제1 학습용 데이터에 기초하여 획득되고,
   상기 제1 학습용 데이터는 상기 복수의 사용자 ID 들에 대응하는 복수의 사용자들 각각의 미디어 컨텐츠 요청 이력에 대한 정보, 미리 연계된 하나 이상의 포털 사이트에서의 상기 복수의 사용자들 각각의 검색 키워드에 대한 정보, 상기 복수의 사용자들의 나이, 성별, 이메일, 휴대폰 번호 및 주소를 포함하는 프로필 정보, 상기 복수의 사용자들 각각의 선호 미디어 컨텐츠 타입에 대한 정보에 기초하여 획득되고,
   상기 프로세서는:
   - 상기 추천 미디어 컨텐츠 리스트에 포함된 제1 미디어 컨텐츠를 요청하는 정보를 수신하면, 상기 제1 미디어 컨텐츠를 포함하는 상기 미디어 컨텐츠를 제공하고,
   - 상기 추천 미디어 컨텐츠 리스트에 포함되지 않은 제2 미디어 컨텐츠를 요청하는 정보를 수신하면:
   ⓐ 상기 제2 미디어 컨텐츠를 포함하는 상기 미디어 컨텐츠를 제공하고,
   ⓑ 상기 제2 미디어 컨텐츠를 요청하는 정보에 기초하여 제2 피드백 정보를 획득하고,
   ⓒ 상기 제2 피드백 정보에 기초하여 상기 미디어 컨텐츠 추천 모델을 업데이트하는 것을 더 포함하고,
   상기 프로세서는:
   상기 미디어 컨텐츠를 제공하는 정보를 송신 중인 시간 구간 내 임의 시점에서, 상기 미디어 컨텐츠의 내용과 관련된 질문에 대한 정보 및 상기 질문에 대한 답변 인터페이스에 대한 정보를 송신하고,
   상기 질문에 대한 답변을 수신하고,
   - 상기 답변이 상기 질문의 정답이면: 마일리지를 상기 사용자 ID에 적립하되, 상기 질문과 상기 답변 인터페이스는, 상기 미디어 컨텐츠에 대응되는 영역의 적어도 일부에 오버랩(overlap) 되어 표시되는 또는 상기 미디어 컨텐츠에 대응되는 영역의 외부의 적어도 일부에 오버랩 되어 표시되는 노티피케이션(notification)을 터치하는 사용자 입력에 따라 팝-업(pop-up)되는 형태로 제공되고, 상기 마일리지의 양은 상기 질문의 예상 정답율에 기초하여 설정되고,
   - 상기 답변이 상기 질문의 오답이면: ① 상기 질문의 정답과 관련된 하나 이상의 힌트에 대한 정보를 송신; 및 ② 상기 하나 이상의 힌트에 대한 정보를 송신한 이후 수신된 답변이 정답이면, 상기 마일리지를 상기 사용자 ID에 적립하고,
   상기 하나 이상의 힌트의 개수가 미리 설정된 힌트 임계값 이상임에 기초하여, 상기 마일리지의 양은 상기 질문의 예상 정답율과 상기 하나 이상의 힌트의 개수와 관련된 스케일링 인자(scaling factor)에 기초하여 설정되고,
   상기 질문은 상기 미디어 컨텐츠에 대한 정보가 입력됨에 대한 응답으로 획득되는 질문 추천 모델의 출력에 기초하여 획득되는 추천 질문 리스트에 포함된 복수의 질문들 중에서 임의로 선택되고,
   상기 질문 추천 모델은 상기 질문 추천 모델의 획득을 위한 제2 AI 엔진에 제2 기계 학습이 적용됨에 기초하여 미리 설정되고,
   상기 제2 기계 학습은:
   (a2) 상기 질문 추천 모델의 획득을 위한 제2 훈련용 데이터에 기초하여 상기 제2 AI 엔진을 학습하고,
   (b2) 학습된 제2 AI 엔진의 검증을 위한 제2 테스트용 데이터가 상기 제2 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제3 피드백 정보를 획득하고,
   (c2) 상기 제3 피드백 정보에 기초하여 상기 제2 AI 엔진을 업데이트하고,
   (d2) 상기 (a2) 내지 (c2) 가 반복되되, 상기 (a2) 내지 (c2) 가 반복될 때 마다 초기값 0 인 제2 카운트 값이 1씩 증가되고, 상기 제2 카운트 값이 미리 설정된 제2 카운트 임계값과 일치됨에 기초하여 종료됨에 기초하여 수행되고,
   상기 미디어 컨텐츠는 복수의 미디어 컨텐츠들 중 하나이고,
   상기 제2 훈련용 데이터와 상기 제2 테스트용 데이터는, 상기 질문 추천 모델의 획득을 위한 제2 학습용 데이터에 기초하여 획득되고,
   상기 제2 학습용 데이터는, 상기 복수의 미디어 컨텐츠들 각각의 제목, 장르, 타입, 해시태그, 리뷰, 및 평균 평점을 포함하는 정보 및 상기 미디어 컨텐츠의 제공 이력에 기초하여 획득되는 상기 복수의 미디어 컨텐츠들 각각의 서비스 사용자의 평균 연령에 대한 정보에 기초하여 획득되고,
   상기 미디어 컨텐츠에 대한 정보는 미리 설정된 미디어 컨텐츠 정보 데이터베이스에 기초하여 획득되는 상기 미디어 컨텐츠와 관련된 복수의 주요 내용 요약 텍스트들을 포함하고,
   상기 질문 추천 모델은:
   (i) 상기 복수의 주요 내용 요약 텍스트들 각각을 하나 이상의 어절을 포함하는 소단위로 구분하고,
   (ii) 상기 구분된 소단위에 기초하여 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 핵심어를 획득하고,
   (iii) 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 핵심어와 매핑 가능한 질문 텍스트 정보를 획득하고,
   (iv) 상기 복수의 주요 내용 요약 텍스트들 각각에 대한 질문 텍스트 정보에 기초하여, 상기 복수의 질문들을 포함하는 추천 질문 리스트를 획득하도록 설정되는, 서버.
5. 삭제

Images