KR102384215B1 - 전자 장치 및 그의 제어방법 - Google Patents

전자 장치 및 그의 제어방법 Download PDF

Info

Publication number
KR102384215B1
KR102384215B1 KR1020170097828A KR20170097828A KR102384215B1 KR 102384215 B1 KR102384215 B1 KR 102384215B1 KR 1020170097828 A KR1020170097828 A KR 1020170097828A KR 20170097828 A KR20170097828 A KR 20170097828A KR 102384215 B1 KR102384215 B1 KR 102384215B1
Authority
KR
South Korea
Prior art keywords
weight
electronic device
day
history
service
Prior art date
Application number
KR1020170097828A
Other languages
English (en)
Other versions
KR20190013348A (ko
Inventor
김성원
김도성
배무공
윤현돈
이봉석
이희란
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 KR1020170097828A priority Critical patent/KR102384215B1/ko
Priority to CN201880047168.4A priority patent/CN110892730B/zh
Priority to PCT/KR2018/008157 priority patent/WO2019027160A1/ko
Priority to US16/633,045 priority patent/US11064233B2/en
Publication of KR20190013348A publication Critical patent/KR20190013348A/ko
Application granted granted Critical
Publication of KR102384215B1 publication Critical patent/KR102384215B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808—Management of client data
    • H04N21/25841—Management of client data involving the geographical location of the client
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
    • H04N21/26241—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints involving the time of distribution, e.g. the best time of the day for inserting an advertisement or airing a children program
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Computer Graphics (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Telephonic Communication Services (AREA)
  • Computational Linguistics (AREA)

Abstract

본 개시는 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템 및 그 응용에 관련된 것으로, 전자 장치가 개시된다. 본 전자 장치는 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 중 적어도 하나에 대응되는 이력정보를 저장하는 메모리 및 기설정된 이벤트가 발생하면, 이벤트가 발생한 요일 및 시간대 중 적어도 하나에 대응되는 이력에 가중치를 부여하고, 가중치가 부여된 이력에 기초하여 복수의 서비스 중 추천 서비스를 선정하는 프로세서를 포함한다.

Description

전자 장치 및 그의 제어방법 { ELECTRONIC APPARATUS AND CONTROLLING METHOD THEREOF }
본 개시는 전자 장치 및 이의 제어방법에 관한 것으로, 더욱 상세하게는 기기 이용 이력을 바탕으로 서비스 추천 정보를 제공할 수 있는 전자 장치 및 이의 제어방법에 관한 것이다.
인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다.
인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성된다.
요소기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.
이러한 인공지능 기술의 활용의 일 예로서, 사용자의 기기 이용 패턴을 분석하고 이를 활용하는 모델링 및 기능/서비스에 대한 다양한 방법이 존재하였다. 종래의 방법에는 예컨대, 서버에서 대량의 데이터를 사용하여 학습한 모델을 클라이언트 장치에 직접 구현하거나, 또는 클라우드 기반으로 로컬 장치의 모델을 지속적으로 업데이트하는 방법 등이 있었다.
하지만, 서버에서 학습한 모델을 클라이언트 장치에 직접 구현하는 경우, 지속적으로 변하는 사용자들의 이용 패턴을 반영할 수 있는 모델의 유연성(Flexibility)이 확보되지 못한다는 문제가 있고, 그리고 클라우드 기반 모델은 성능 및 비용 등에 있어서 효과적이 못하다는 문제가 있었다.
본 개시는 상술한 문제를 개선하기 위해 고안된 것으로, 본 개시의 목적은 최소한의 리소스를 활용하여 기기 이용 이력을 바탕으로 서비스 추천 정보를 제공할 수 있는 전자 장치 및 이의 제어방법을 제공함에 있다.
이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 전자 장치는 상기 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 중 적어도 하나에 대응되는 이력정보를 저장하는 메모리 및 기설정된 이벤트가 발생하면, 상기 이벤트가 발생한 요일 및 시간대 중 적어도 하나에 대응되는 이력에 가중치를 부여하고, 상기 가중치가 부여된 이력에 기초하여 상기 복수의 서비스 중 추천 서비스를 선정하는 프로세서를 포함한다.
이 경우, 상기 프로세서는, 상기 부여된 가중치 및 상기 복수의 서비스 각각에 대한 이용 시간에 기초하여 상기 복수의 서비스 각각의 이용 지수를 산출하고, 상기 산출된 이용 지수를 기초로 상기 복수의 서비스 중 추천 서비스를 선정할 수 있다.
이 경우, 상기 프로세서는, 이력에 대응되는 서비스가 수행된 일자에 대응되는 감쇄 값을 적용하여 상기 복수의 서비스 각각의 이용 지수를 산출할 수 있다.
한편, 상기 프로세서는, 상기 이력 정보에 기초하여 서비스 이용 패턴 지수를 산출하고, 상기 산출된 서비스 이용 패턴 지수를 기초로 상기 가중치를 결정할 수 있다.
이 경우, 상기 프로세서는, 상기 이력 정보가 업데이트되면, 업데이트된 이력 정보를 기초로 산출된 서비스 이용 패턴 지수에 기초하여 상기 가중치를 결정할 수 있다.
한편, 본 개시의 일 실시 예에 따른 전자 장치는 복수의 전자 장치로부터 수집한 서비스 이용 패턴 지수를 군집화하는 외부 서버와 통신하는 통신부를 더 포함하며, 상기 프로세서는, 상기 산출된 서비스 이용 패턴 지수를 상기 통신부를 통해 상기 외부 서버로 전송하여 상기 외부 서버로부터 상기 산출된 서비스 이용 패턴 지수가 속하는 군집에 대응하는 가중치 정보를 수신하고, 수신된 가중치 정보를 기초로 상기 가중치를 결정할 수 있다.
한편, 상기 프로세서는, 상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 요일별 이용 시간에 대한 분산을 산출하고, 산출된 분산을 기초로 요일 패턴 지수를 산출하고, 상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 시간대별 이용 시간에 대한 분산을 산출하여 산출된 분산을 기초로 시간 패턴 지수를 산출하고, 상기 산출된 요일 패턴 지수와 상기 산출된 시간 패턴 지수를 기초로 상기 가중치를 결정할 수 있다.
한편, 상기 프로세서는, 상기 이벤트가 발생한 시간대에 대응하는 이력에 제1 가중치를 부여하고, 상기 이벤트가 발생한 요일에 대응하는 이력에 상기 제1 가중치와는 다른 제2 가중치를 부여할 수 있다.
이 경우, 상기 제1 가중치는 상기 제2 가중치보다 큰 것일 수 있다.
한편, 상기 프로세서는, 상기 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 대응하는 이력에 상기 제1 및 제2 가중치보다 작은 제3 가중치를 부여할 수 있다.
한편, 상기 프로세서는, 상기 전자 장치를 제어하는 원격제어장치의 특정 버튼에 대응하는 제어신호가 수신되거나, 사용자의 특정 음성에 대응하는 제어 신호가 수신되면 상기 기 설정된 이벤트가 발생한 것으로 판단할 수 있다.
한편, 상기 복수의 서비스는, 복수의 방송 채널, 복수의 애플리케이션 또는 복수의 컨텐츠일 수 있다.
한편, 본 개시의 일 실시 예에 따른 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 중 적어도 하나에 대응되는 이력정보가 저장된 상기 전자 장치의 제어방법은, 기설정된 이벤트가 발생하면, 상기 이벤트가 발생한 요일 및 시간대 중 적어도 하나에 대응되는 이력에 가중치를 부여하는 단계 및 상기 가중치가 부여된 이력에 기초하여 상기 복수의 서비스 중 추천 서비스를 선정하는 단계를 포함한다.
이 경우, 상기 선정하는 단계는, 상기 부여된 가중치 및 상기 복수의 서비스 각각에 대한 이용시간에 기초하여 상기 복수의 서비스 각각의 이용 지수를 산출하고, 상기 산출된 이용 지수를 기초로 상기 복수의 서비스 중 추천 서비스를 선정할 수 있다.
이 경우, 상기 선정하는 단계는, 이력에 대응되는 서비스가 수행된 일자에 대응되는 감쇄 값을 적용하여 상기 복수의 서비스 각각의 이용 지수를 산출할 수 있다.
한편, 본 개시의 일 실시 예에 따른 전자 장치의 제어방법은, 상기 이력 정보에 기초하여 상기 복수의 서비스에 대한 서비스 이용 패턴 지수를 산출하는 단계 및 상기 산출된 서비스 이용 패턴 지수를 기초로 상기 가중치를 결정하는 단계를 더 포함할 수 있다.
이 경우, 상기 가중치를 결정하는 단계는, 상기 이력 정보가 업데이트되면, 업데이트된 이력 정보를 기초로 산출된 서비스 이용 패턴 지수에 기초하여 상기 가중치를 결정할 수 있다.
한편, 상기 가중치를 결정하는 단계는, 복수의 전자 장치로부터 수집한 서비스 이용 패턴 지수를 군집화하는 외부 서버로 상기 산출된 서비스 이용 패턴 지수를 전송하는 단계 및 상기 외부 서버로부터 상기 산출된 서비스 이용 패턴 지수가 속하는 군집에 대응하는 가중치 정보를 수신하고, 수신된 가중치 정보를 기초로 상기 가중치를 결정하는 단계를 포함할 수 있다.
한편, 본 개시의 일 실시 예에 따른 전자 장치의 제어방법은, 상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 요일별 이용 시간에 대한 분산을 산출하고, 산출된 분산을 기초로 요일 패턴 지수를 산출하는 단계, 상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 시간대별 이용 시간에 대한 분산을 산출하여 산출된 분산을 기초로 시간 패턴 지수를 산출하는 단계 및 상기 산출된 요일 패턴 지수와 상기 산출된 시간 패턴 지수를 기초로 상기 가중치를 결정하는 단계를 더 포함할 수 있다.
본 개시의 일 실시 예에 따른 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 중 적어도 하나에 대응되는 이력 정보가 저장된 상기 전자 장치의 제어방법을 실행하기 위한 프로그램을 포함하는 기록매체에 있어서, 상기 제어방법은, 기설정된 이벤트가 발생하면, 상기 이벤트가 발생한 요일 및 시간대 중 적어도 하나에 대응되는 이력에 가중치를 부여하는 단계 및 상기 가중치가 부여된 이력에 기초하여 상기 복수의 서비스 중 추천 서비스를 선정하는 단계를 포함한다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블럭도,
도 2는 이력 정보를 기초로 추천 서비스를 서비스 선정하는 본 개시의 다양한 실시 예를 설명하기 위한 도면,
도 3 내지 도 5는 본 개시의 다양한 실시 예에 따른 추천 서비스에 대한 정보를 제공하는 방식을 설명하기 위한 도면,
도 6 내지 도 7은 본 개시의 일 실시 예에 따른 서비스 이용 패턴 분류방식을 설명하기 위한 도면,
도 8은 본 개시의 또 다른 실시 예에 따른 전자 장치의 구성을 설명하기 위한 블럭도, 그리고
도 9는 본 개시의 일 실시 예에 따른 전자 장치의 제어방법을 설명하기 위한 흐름도이다.
본 개시에 대하여 구체적으로 설명하기에 앞서, 본 명세서 및 도면의 기재 방법에 대하여 설명한다.
먼저, 본 명세서 및 청구범위에서 사용되는 용어는 본 개시의 다양한 실시 예들에서의 기능을 고려하여 일반적인 용어들을 선택하였다 하지만, 이러한 용어들은 당해 기술 분야에 종사하는 기술자의 의도나 법률적 또는 기술적 해석 및 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 일부 용어는 출원인이 임의로 선정한 용어도 있다. 이러한 용어에 대해서는 본 명세서에서 정의된 의미로 해석될 수 있으며, 구체적인 용어 정의가 없으면 본 명세서의 전반적인 내용 및 당해 기술 분야의 통상적인 기술 상식을 토대로 해석될 수도 있다.
또한, 본 명세서에 첨부된 각 도면에 기재된 동일한 참조번호 또는 부호는 실질적으로 동일한 기능을 수행하는 부품 또는 구성요소를 나타낸다. 설명 및 이해의 편의를 위해서 서로 다른 실시 예들에서도 동일한 참조번호 또는 부호를 사용하여 설명한다. 즉, 복수의 도면에서 동일한 참조 번호를 가지는 구성요소를 모두 도시되어 있다고 하더라도, 복수의 도면들이 하나의 실시 예를 의미하는 것은 아니다.
또한, 본 명세서 및 청구범위에서는 구성요소들 간의 구별을 위하여 "제1", "제2" 등과 같이 서수를 포함하는 용어가 사용될 수 있다. 이러한 서수는 동일 또는 유사한 구성요소들을 서로 구별하기 위하여 사용하는 것이며 이러한 서수 사용으로 인하여 용어의 의미가 한정 해석되어서는 안 된다. 일 예로, 이러한 서수와 결합된 구성요소는 그 숫자에 의해 사용 순서나 배치 순서 등이 제한되어서는 안 된다. 필요에 따라서는, 각 서수들은 서로 교체되어 사용될 수도 있다.
본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시의 실시 예에서 "모듈", "유닛", "부(part)" 등과 같은 용어는 적어도 하나의 기능이나 동작을 수행하는 구성요소를 지칭하기 위한 용어이며, 이러한 구성요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈", "유닛", "부(part)" 등은 각각이 개별적인 특정한 하드웨어로 구현될 필요가 있는 경우를 제외하고는, 적어도 하나의 모듈이나 칩으로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
또한, 본 개시의 실시 예에서, 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적인 연결뿐 아니라, 다른 매체를 통한 간접적인 연결의 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 포함한다는 의미는, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 첨부된 도면을 이용하여 본 개시에 대하여 구체적으로 설명한다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치를 설명하기 위한 블럭도이다.
도 1을 참고하면 전자 장치(100)는 메모리(110) 및 프로세서(120)를 포함한다.
전자 장치(100)는 컴퓨터, TV, 셋톱박스, 스마트폰, 스마트 워치 등 다양한 기기로 구현될 수 있다.
메모리(110)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 한편, 메모리(110)는 전자 장치(100) 내의 저장 매체뿐만 아니라, 외부 저장 매체, 예를 들어, micro SD 카드, USB 메모리 또는 네트워크를 통한 웹 서버(Web server) 등으로 구현될 수 있다.
메모리(110)에는 사용자가 전자 장치(100)를 사용한 이력 정보가 저장될 수 있다. 이력 정보는 예컨대, 전자 장치(100)의 기기 ON/OFF 시간, 서비스 이용 이력, 입력 정보(리모컨, 음성 등), 기능 사용 이력(메뉴 선택 이력 등) 등을 포함할 수 있다. 메모리(110)는 전자 장치(100)에서 제공하는 적어도 하나의 서비스 각각에 대한 요일 및 시간별 이력정보를 저장할 수 있다. 메모리(110)는 요일별 이력 정보만 저장할 수도 있으며, 시간별 이력정보만 저장할 수도 있다. 구체적으로 이력 정보는 특정 서비스를 언제(날짜 및 시간) 이용했는지, 얼마나 이용했는지(이용 시간)에 대한 정보를 포함할 수 있다. 이력 정보는 사용자가 서비스를 이용함에 따라 새로운 이력이 추가되어 업데이트될 수 있다.
여기서 서비스란 예컨대, 방송 채널, 컨텐츠(예컨대, VoD, 스트리밍 컨텐츠( 영상, 음악 등))일 수 있고, 또는 전자 장치(100)에서 실행될 수 있는 복수의 애플리케이션, 기능 등일 수 있다. 즉, 이력 정보는 예컨대, 특정 방송 채널이 언제 시청되었는지, 얼마나 시청되었는지에 대한 정보를 포함할 수 있고, 특정 애플리케이션이 언제 이용되었는지, 얼마나 이용되었는지에 대한 정보를 포함할 수 있고, 특정 컨텐츠가 언제 재생되었는지, 얼마나 재생되었는지에 대한 정보를 포함할 수 있다. 상술한 예시에 한정되는 것은 아니고, 전자 장치(100)가 어떤 서비스를 제공하느냐에 따라 메모리(110)에는 다양한 이력 정보가 저장될 수 있다.
프로세서(120)는 전자 장치(100)의 전반적인 동작을 제어하기 위한 구성이다.
예를 들어, 프로세서(120)는 프로세서(120)는 CPU, AP, SoC로 구성될 수 있으며, 상술한 메모리(110)와 구분되는 별도의 램(RAM), 롬(ROM)을 포함할 수 있다. 여기서, 롬은 시스템 부팅을 위한 명령어 세트가 저장되는 구성이고, CPU는 롬에 저장된 명령어에 따라 전자 장치(100)의 메모리(110)에 저장된 운영체제를 램에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, CPU는 메모리(110)에 저장된 각종 애플리케이션을 램에 복사하고, 실행시켜 각종 동작을 수행할 수 있다.
프로세서(120)는 기설정된 이벤트가 발생하면, 메모리(110)에 저장된 이력 정보를 기초로 상기 이벤트가 발생한 시점에 사용자가 이용할 가능성이 높은 서비스에 대한 정보를 사용자에게 제공할 수 있다. 프로세서(120)는 인공지능 기술을 이용하여 서비스에 대한 추천 정보를 제공할 수 있다. 인공 지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성된다. 인공 지능 기술 중 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술을 이용함으로써 서비스에 대한 추천 정보를 제공할 수 있다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다.
일 실시 예에 따르면, 프로세서(120)는 기설정된 이벤트가 발생하면, 이벤트가 발생한 요일 및 시간대 중 적어도 하나에 대응되는 이력에 가중치를 부여하고, 가중치가 부여된 이력에 기초하여 복수의 서비스 중 추천 서비스를 선정할 수 있다. 여기서 이력이란, 이력 정보에 포함된 서비스 이용 횟수 및 서비스 이용 시간 중 적어도 하나를 나타낸다.
여기서 기 설정된 이벤트는 예컨대 사용자가 전자 장치(100)를 제어하는 원격제어장치의 특정 버튼을 선택하여 이에 대응하는 제어신호가 전자 장치(100)로 수신되는 이벤트일 수 있다. 또 다른 예로, 전자 장치(100)는 음성 명령을 수신할 수 있고, 상기 기 설정된 이벤트는 사용자가 특정 음성, 예컨대 "채널 추천해줘"를 발화하여 해당 음성 명령이 전자 장치(100)로 수신되는 이벤트일 수 있다. 또 다른 예로 전자 장치(100)가 턴온 되는 이벤트일 수 있다. 또 다른 예로 전자 장치(100)의 터치 스크린에 표시된 추천 메뉴를 선택하는 이벤트 일 수 있다. 또 다른 예로, 미리 설정해 둔 시간이 도래하는 이벤트일 수 있다. 또 다른 예로, 메모리(110)에 저장된 이력 정보가 업데이트되는 이벤트일 수 있다. 상술한 예시에 한정되는 것은 아니고 서비스의 추천이 요구되는 경우라면 어떠한 경우라도 상기 기 설정된 이벤트로서 설정될 수 있다.
프로세서(120)는 기 설정된 이벤트가 발생하면, 상기 기 설정된 이벤트가 발생한 시간대에 대응되는 이력에 제1 가중치(W1)를 부여하고, 상기 기 설정된 이벤트가 발생한 요일에 대응되는 이력에 제2 가중치(W2)를 부여하고, 상기 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 대응되는 이력에 제3 가중치(W3)를 부여하여 상기 복수의 서비스 각각에 대한 이용 지수(index)를 산출할 수 있다. 그리고 프로세서(120)는 이용 지수가 높은 순서에 기초해서 추천 서비스를 선정할 수 있다. 여기서 제1 가중치, 제2 가중치, 제3 가중치는 서로 다른 값이고, 값의 크기는 제1 가중치, 제2 가중치, 제3 가중치 순서대로 큰 것일 수 있다. 그리고 제3 가중치는 기본 값인 "1"로 설정될 수 있다.
한편, 상술한 것처럼 기 설정된 이벤트가 발생한 시간대에 대응되는 이력, 기 설정된 이벤트가 발생한 요일에 대응되는 이력, 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 대응되는 이력 모두에 각각의 가중치가 부여될 수도 있으나, 이들 셋 중 어느 하나 또는 두 개에만 가중치가 부여되어 이용 지수가 산출되는 것도 가능하다.
도 2는 이용 지수 산출에 대한 일 예를 설명하기 위한 도면이다.
도 2를 참고하면, 복수의 서비스가 방송 채널이고, 메모리(110)에 2017-07-24부터 2017-07-30까지의 채널 시청 이력이 있다고 가정하도록 한다. 2017-08-04(토요일) 20시에 기 설정된 이벤트(예컨대 사용자가 리모컨의 특정 버튼을 선택함)가 발생하면, 20시가 속하는 시간대에 대응되는 시청 이력에 제1 가중치(W1)가 부여되고, 토요일에 대응되는 시청 이력에 제2 가중치(W2)가 부여되고, 기타 요일 및 시간대에 대응되는 시청 이력에 제3 가중치(W3)가 부여되어 복수의 방송 채널 각각의 이용 지수가 산출된다.
구체적으로, CB# 채널에 대해선 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 4번의 시청 이력이 있으므로 CB# 채널에 대한 이용 지수는 4×W3이다. FO# 채널에 대해선 기 설정된 이벤트가 발생한 시간대에 1번의 시청 이력이 있고 기 설정된 이벤트가 발생한 요일에 1번의 시청 이력이 있으므로 FO# 채널에 대한 이용 지수는 1×W1+1×W2이다. ESP# 채널에 대해선 기 설정된 이벤트가 발생한 시간대에 3번의 시청 이력이 있고, 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 1번의 시청 이력이 있으므로 ESP# 채널에 대한 이용 지수는 3×W1+1×W3이다. TN# 채널에 대해선 기 설정된 이벤트가 발생한 시간대에 2번의 시청 이력이 있으므로 TN# 채널에 대한 이용 지수는 2×W1이다. Golf 채널에 대해선 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 1번의 시청 이력이 있으므로 Golf 채널에 대한 이용 지수는 1×W3이다.
상술한 예에선 이용 지수가 이용 횟수(시청 횟수)를 기초로 산출되는 것으로 설명하였으나, 또 다른 실시 예에 따르면 이용 시간(시청 시간)을 기초로 산출될 수 있다. 이용시간은 1시간 단위로 구분하여 산출될 수 있다. 이에 대해 다시 도 2를 참고하여 설명하자면, CB# 채널에 대해선 기 설정된 이벤트가 발생한 요일과 시간대에 대응되지 않는 화요일 17시에서 18시, 수요일 17시에서 18시, 목요일 17시에서 18시, 금요일 22시에서 23시의 시청 이력이 있으므로 CB# 채널에 대한 이용 지수는 1hr×W3+1hr×W3+1hr×W3+1hr×W3이다. FO# 채널에 대해선 기 설정된 이벤트가 발생한 요일이지만 기 설정된 이벤트가 발생한 시간대가 아닌 토요일 19시에서 20시의 1시간 동안의 시청 이력이 있고(1hr×W2), 기 설정된 이벤트가 발생한 요일이면서 기 설정된 이벤트가 발생한 시간대인 토요일 20시에서 21시의 1시간 동안의 시청 이력(1hr×(W1+W2))이 있으므로, FO# 채널에 대한 이용 지수는 1hr×W2+1hr×(W1+W2)이다. ESP# 채널에 대해선 기 설정된 이벤트가 발생한 요일과 시간대에 대응하지 않는 월요일 19시에서 20시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일엔 대응되지 않지만 시간대에 대응하는 월요일 20시에서 21시의 1시간 동안의 시청 이력이 있고(1hr×W1), 기 설정된 이벤트가 발생한 요일과 시간대에 대응하지 않는 월요일 21시에서 22시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일과 시간대에 대응하지 않는 화요일 19시에서 20시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일엔 대응되지 않지만 시간대에 대응하는 화요일 20시에서 21시의 1시간 동안의 시청 이력이 있고(1hr×W1), 기 설정된 이벤트가 발생한 요일과 시간대에 대응하지 않는 금요일 19시에서 20시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일엔 대응되지 않지만 시간대에 대응하는 금요일 20시에서 21시의 1시간 동안의 시청 이력이 있고(1hr×W1), 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 일요일 17시에서 18시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 일요일 18시에서 19시의 1시간 동안의 시청 이력(1hr×W3)이 있으므로, ESP# 채널에 대한 이용 지수는 1hr×W3+1hr×W1+1hr×W3+1hr×W3+1hr×W1+1hr×W3+1hr×W1+1hr×W3+1hr×W3이다. TN# 채널에 대해선 기 설정된 이벤트가 발생한 요일과 시간대에 대응하지 않는 수요일 19시에서 20시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일엔 대응되지 않지만 시간대에 대응하는 수요일 20시에서 21시의 1시간 동안의 시청 이력이 있고(1hr×W1), 기 설정된 이벤트가 발생한 요일과 시간대에 대응하지 않는 목요일 19시에서 20시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일엔 대응되지 않지만 시간대에 대응하는 목요일 20시에서 21시의 1시간 동안의 시청 이력(1hr×W1)이 있으므로 TN# 채널에 대한 이용 지수는 1hr×W3+1hr×W1+1hr×W3+1hr×W1이다. Golf 채널에 대해선 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대인 월요일 22시에서 23시의 1시간 동안의 시청 이력이 있고(1hr×W3), 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대인 월요일 22시에서 23시의 1시간 동안의 시청 이력(1hr×W3)이 있으므로 Golf 채널에 대한 이용 지수는 1hr×W3+1hr×W3이다. 이를 정리하면 아래 표 1과 같다.
채널 이용 지수
CB# 1hr×W3+1hr×W3+1hr×W3+1hr×W3
FO# 1hr×W2+1hr×(W1+W2)
ESP# 1hr×W3+1hr×W1+1hr×W3+1hr×W3+1hr×W1+1hr×W3+1hr×W1+1hr×W3+1hr×W3
TN# 1hr×W3+1hr×W1+1hr×W3+1hr×W1
Golf 1hr×W3+1hr×W3
한편, 상술한 실시 예에선 1시간을 하나의 단위로 하여 산출하는 것으로 설명하였으나, 본 개시의 또 다른 실시 예에 따르면, 특정 채널의 시청 시작 시점부터 시청 종료 시점까지를 하나의 단위로 하여 산출할 수 있다. 이에 대해 다시 도 2를 참고하여 설명하자면, CB# 채널에 대해선 기 설정된 이벤트가 발생한 요일과 시간대에 대응되지 않는 화요일 17시에서 18시(1hr), 수요일 17시에서 18시(1hr), 목요일 17시에서 18시(1hr), 금요일 22시에서 23시(1hr)의 시청 이력이 있으므로 CB# 채널에 대한 이용 지수는 1hr×W3+1hr×W3+1hr×W3+1hr×W3이다. FO# 채널에 대해선 기 설정된 이벤트가 발생한 요일이면서 기 설정된 이벤트가 발생한 시각인 20시가 속하는 시간대인 토요일에 19시(시청 시작 시점)에서 21시(시청 종료 시점)의 2시간 동안의 시청 이력이 있으므로 FO# 채널에 대한 이용 지수는 2hr×(W1+W2)이다. ESP# 채널에 대해선 기 설정된 이벤트가 발생한 시간대인 월요일 19시에서 22시(3hr), 화요일 19시에서 21시(2hr), 금요일 19시에서 21시(2hr)의 총 7시간의 시청 이력이 있고, 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대인 일요일 17시에서 19시의 2시간의 시청 이력이 있으므로 ESP# 채널에 대한 이용 지수는 3hr×W1+2hr×W1+2hr×W1+2hr×W3이다. TN# 채널에 대해선 기 설정된 이벤트가 발생한 시간대인 수요일 19시에서 21시(2hr) 및 목요일 19시에서 21시(2hr)의 시청 이력이 있으므로 TN# 채널에 대한 이용 지수는 2hr×W1+2hr×W1이다. Golf 채널에 대해선 기 설정된 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대인 월요일 22시에서 24시의 2시간의 시청 이력이 있으므로 Golf 채널에 대한 이용 지수는 2hr×W3이다. 이를 정리하면 아래 표 2와 같다.
채널 이용 지수
CB# 1hr×W3 + 1hr×W3 + 1hr×W3 + 1hr×W3
FO# 2hr×(W1 + W2)
ESP# 3hr×W1 + 2hr×W1 + 2hr×W1 + 2hr×W3
TN# 2hr×W1 + 2hr×W1
Golf 2hr×W3
한편, 본 개시의 또 다른 실시 예에 따르면, 이력에 대응되는 서비스가 수행된 일자에 대응되는 감쇄 값(Reduction value)을 적용하여 이용 지수가 산출될 수 있다. 즉, 상술한 실시 예들에선 '이용 시간(T)×가중치(W)'에 기초하여 이용 지수가 산출된 것으로 설명하였으나, 감쇄 값이 적용되는 실시 예에 따르면 '감쇄 값(R)×이용 시간(T)×가중치(W)'에 기초하여 이용 지수가 산출된다.
감쇄 값은 오래된 날짜일수록 감소 비율이 커지도록 정해질 수 있다. 예컨대 감쇄 값(A)는 다음과 같이 정의될 수 있다.
감쇄 값(R)=(1-r)d
여기서, 0＜r＜1 이고, d는 이력에 대응하는 서비스가 수행된 날에서 이벤트가 발생한 날의 차이이다.
표 1에서 산출된 값들에 감쇄 값이 적용한 것을 설명하도록 한다. 대표적으로 CB# 채널에 대해서 설명하도록 한다. 기 설정된 이벤트가 발생한 날짜가 2017-08-04이면, 2017-07-25일 17시에서 18시에 CB#를 시청한 것에 대해선 2017-08-04 일자와 2017-07-25일자의 차이(d)가 11이므로 이용지수가 (1-r)11×1hr×W3로서 산출된다. 마찬가지 방식으로, 2017-07-26일 17시에서 18시에 CB#를 시청한 것에 대해선 이용지수가 (1-r)10×1hr×W3로서 산출되고, 2017-07-27일 17시에서 18시에 CB#를 시청한 것에 대해선 이용지수가 (1-r)9×1hr×W3로서 산출되고, 2017-07-28일 22시에서 23시에 CB#를 시청한 것에 대해선 이용지수가 (1-r)8×1hr×W3로서 산출된다. 같은 방식으로 나머지 채널들에 대해서도 계산하면 아래 표 3과 같다.
채널 이용 지수
CB# (1-r)11×1hr×W3 + (1-r)10×1hr×W3 + (1-r)9×1hr×W3 + (1-r)8×1hr×W3
FO# (1-r)7×{1hr×W2 + 1hr×(W1+W2)}
ESP# (1-r)12×{1hr×W3+1hr×W1+1hr×W3}+(1-r)11×{1hr×W3+1hr×W1}+(1-r)8×{1hr×W3+1hr×W1}+(1-r)6×{1hr×W3+1hr×W3}
TN# (1-r)10×{1hr×W3+1hr×W1}+(1-r)9×{1hr×W3+1hr×W1}
Golf (1-r)12×{1hr×W3+1hr×W3}
표 2에서 산출된 값들에 감쇄 값을 적용하면 아래 표 4와 같다.
채널 이용 지수
CB# (1-r)11×1hr×W3 + (1-r)10×1hr×W3 + (1-r)9×1hr×W3 + (1-r)8×1hr×W3
FO# (1-r)7×2hr×(W1 + W2)
ESP# (1-r)12×3hr×W1 + (1-r)11×2hr×W1 + (1-r)8×2hr×W1 + (1-r)6×2hr×W3
TN# (1-r)10×2hr×W1 + (1-r)9×2hr×W1
Golf (1-r)12×2hr×W3
상술한 예와 같이 감쇄 값의 개념을 적용하면 최근 이용 이력이 더 큰 비중으로 반영되어 이용 지수가 산출되므로 최근의 사용자의 서비스 이용 성향에 더욱 적합한 추천 서비스를 제공할 수 있다는 장점이 있다.
한편, 도 2를 참고하여 설명한 예들에선 일주일의 이력 정보가 이용되는 것으로 설명하였으나 이에 한정되는 것은 아니고 최근 며칠 또는 최근 몇주의 이력 정보가 이용될 수 있고, 또는 전자 장치(100)의 최초 사용일부터 축적된 전체 이력에 대한 정보가 이용될 수도 있다.
프로세서(120)는 산출된 이용 지수를 기초로 추천 서비스를 선정할 수 있다. 예컨대, 이용 지수의 크기가 ESP#채널 > TN#채널 > FO#채널 > CB# 채널 > Golf 채널 순서라면, 프로세서(120)는 이용 지수가 가장 높은 ESP#채널을 추천 서비스로 선정하거나, 기 결정된 순위(예컨대 3위)까지인 ESP# 채널, TN# 채널, FO# 채널을 추천 서비스로 선정할 수 있다.
그리고 프로세서(120)는 선정된 추천 서비스에 대한 정보를 출력부를 통해 제공할 수 있다.
출력부는 추천 서비스에 대한 정보를 제공할 수 있는 구성으로서, 예컨대 전자 장치(100)에 구비된 스피커 또는 디스플레이로 구현될 수 있다.
또 다른 예로, 전자 장치(100)는 통신부를 통해 유선 또는 무선 통신을 수행하여 추천 서비스에 대한 정보를 전송하는 외부 기기로 전송할 수 있다. 이 경우 통신부는 예컨대, 근거리 통신망(LAN: Local Area Network) 또는 인터넷망을 통해 외부 기기에 접속될 수 있고, 무선 통신 방식(예를 들어, Z-wave, 4LoWPAN, RFID, LTE D2D, BLE, GPRS, Weightless, Edge Zigbee, ANT+, NFC, IrDA, DECT, WLAN, 블루투스, 와이파이, Wi-Fi Direct, GSM, UMTS, LTE, WiBRO 등의 무선 통신) 또는 유선 통신 방식(예를 들어, RGB, DVI, HDMI, DP, 썬더볼트 등의 포트)으로 외부 기기에 접속될 수 있다.
도 3 내지 도 5는 추천 서비스에 대한 정보 제공에 관한 몇몇의 예시를 설명하기 위한 도면이다.
도 3a를 참고하면, 전자 장치(100)가 TV이고, 추천 대상 서비스가 방송 채널인 경우, 기 설정된 이벤트가 발생하면(예컨대 원격제어장치에서 특정 버튼이 선택되면), 추천 채널로 선정된 적어도 하나의 채널을 선택받을 수 있는 UI 요소(30)가 표시될 수 있다. 사용자는 UI 요소(30)를 통해 원하는 채널을 선택하여 해당 채널을 시청할 수 있다. 추천 서비스로 선정된 서비스의 개수가 여러 개인 경우, 이용 지수의 크기가 큰 순서대로 정렬되어 제공될 수 있다.
또 다른 방식으로, 방송 채널이 맵핑되어 있는 스크롤 형태의 UI에서 커서를 이동시켜 채널을 선택하는 경우, 스크롤 형태의 UI 상의 추천 방송 채널이 위치한 부분에 인디케이터(예컨대 별모양 표시)를 표시할 수 있다. 이와 관련해선 도 3b를 참고하여 설명하도록 한다.
도 3b를 참고하면, 전자 장치(100)에 스크롤 형태의 UI(310)가 제공될 수 있다. 스크롤 형태의 UI(310)에는 복수의 채널이 맵핑되어 있고, 커서(320)를 원격제어장치(300)를 통해 상, 하로 이동시켜서 채널을 선택할 수 있다. 구체적으로, 커서(320)가 움직여서 특정 위치에 일정 시간 동안 머무르면, 해당 위치에 대응하는 채널이 선국될 수 있다. 스크롤 형태의 UI(310)에는 추천 채널로서 선정된 채널들이 위치한 곳을 알리는 인디케이터(31, 32, 33)가 표시될 수 있다. 사용자는 인디케이터(31, 32, 33)가 있는 곳으로 커서를 움직여서 추천 채널을 선택할 수 있다.
방송 채널을 추천하는 또 다른 방식으로는, EPG상에서 추천 방송 채널을 다른 방송 채널과 다르게 표시할 수 있다(예컨대, 다른 색상으로 표시).
도 4를 참고하면, 전자 장치(100)가 스마트폰이고, 기 설정된 이벤트가 발생하면(예컨대 "RECOMMENDED"가 터치되면), 추천 음악으로 선정된 음악을 선택받을 수 있는 UI 요소(40)가 표시될 수 있다. 사용자는 UI 요소(40)를 통해 원하는 음악을 선택하여 해당 음악을 재생할 수 있다.
도 5를 참고하면, 추천 대상 서비스가 애플리케이션인 경우, 기 설정된 이벤트가 발생하면(예컨대 미리 설정된 시간이 도래하면), 추천 애플리케이션으로 선정된 애플리케이션에 대응하는 아이콘을 포함한 UI 요소(50)가 표시될 수 있다. 사용자는 UI 요소(50)를 통해 원하는 애플리케이션을 선택하여 실행할 수 있다. '더보기'를 선택하면 다음 순위의 애플리케이션들, 즉 이용 지수가 다음으로 큰 애플리케이션들이 표시될 수 있다.
한편, 도 3 내지 도 5에선 전자 장치(100)에서 추천 정보가 제공되는 것으로 설명하였으나, 전자 장치(100)의 외부의 장치에서 추천 정보가 제공되는 것도 가능하다. 예를 들어, 전자 장치(100)가 스마트폰으로 구현된 경우, 미러링, DLNA, 또는 Wi-Fi 등의 무선 통신으로 TV 등의 대화면 장치로 추천 서비스에 대한 정보를 제공하여 대화면에서 추천 서비스에 대한 정보가 표시될 수 있다.
본 개시의 일 실시 예에 따르면, 자체 검증된 패턴 분류기를 적용하여, 사용자별 서비스 이용 패턴에 따라 적응적인 서비스 추천 서비스를 제공할 수 있다. 구체적으로, 이력에 부여되는 가중치(W1, W2, W3)를 사용자의 서비스 이용 패턴에 따라 적응적으로 결정함으로써, 사용자의 성향에 더욱 맞는 서비스가 추천될 수 있다. 이를 위해 본 개시의 일 실시 예에 따르면, 사용자의 서비스 이용 패턴을 수치화한 서비스 이용 패턴 지수가 이용될 수 있다.
서비스 이용 패턴 지수란, 예컨대, 특정 시간대에만 주로 서비스를 이용하는 사용자의 서비스 이용 패턴, 특정 요일에만 주로 서비스를 이용하는 사용자의 서비스 이용 패턴, 모든 시간대에 고르게 서비스를 이용하는 사용자의 서비스 이용 패턴 등과 같은 사용자의 서비스 이용 패턴을 수치화한 것이다. 프로세서(120)는 메모리(110)에 저장된 이력 정보에 기초하여 서비스의 이용 패턴 지수를 산출할 수 있다.
서비스 이용 패턴 지수는 분산 개념을 도입하여 평균에서 어긋나는 정도가 커질수록 서비스 이용 패턴 지수가 커지도록 설정될 수 있다. 따라서, 특정 요일 혹은 특정 시간에 서비스 이용 비중이 큰 사용자의 서비스 이용 패턴 지수는 모든 시간대에 혹은 모든 요일에 고르게 서비스를 이용하는 사용자의 서비스 이용 패턴 지수보다 크다.
서비스 이용 패턴지수는 요일 패턴지수 및 시간 패턴지수 중 적어도 하나를 포함할 수 있다. 요일 패턴지수는 요일별 이용 이력을 기초로 산출될 수 있고, 시간 패턴 지수는 시간대별 이용 이력을 기초로 산출될 수 있다.
요일 패턴지수를 산출하는 방식의 일 예를 설명하자면, 프로세서(120)는 메모리(110)에 저장된 이력 정보를 기초로 복수의 서비스 각각에 대하여 요일별 이용 시간에 대한 분산을 산출하고, 산출된 분산을 기초로 요일 패턴 지수를 산출할 수 있다. 예컨대 이력 정보에 따를 때 제1 서비스 내지 제3 서비스가 이용된 경우, 프로세서(120)는 제1 서비스에 대하여 요일별 이용 시간에 대한 분산을 산출하고, 제2 서비스에 대하여 요일별 이용 시간에 대한 분산을 산출하고, 제3 서비스에 대하여 요일별 이용 시간에 대한 분산을 산출한다. 상기 제1 내지 제3 서비스에 대하여 산출된 분산들 각각에 해당 서비스의 이용 비율을 곱한 것의 합이 요일 패턴 지수가 된다.
시간 패턴지수를 산출하는 방식의 일 예를 설명하자면, 프로세서(120)는 메모리(110)에 저장된 이력 정보를 기초로 복수의 서비스 각각에 대하여 시간대별 이용 시간에 대한 분산을 산출하여 산출된 분산을 기초로 시간 패턴 지수를 산출할 수 있다. 예컨대 이력 정보에 따를 때 제1 서비스 내지 제3 서비스가 이용된 경우, 프로세서(120)는 제1 서비스에 대하여 시간대별 이용 시간에 대한 분산을 산출하고, 제2 서비스에 대하여 시간대별 이용 시간에 대한 분산을 산출하고, 제3 서비스에 대하여 시간대별 이용 시간에 대한 분산을 산출한다. 상기 제1 내지 제3 서비스에 대하여 산출된 분산들 각각에 해당 서비스의 이용 비율을 곱한 것의 합이 시간 패턴 지수가 된다.
한편, 서비스 이용 패턴 지수를 산출하는데 기초가 되는 이용 이력은 예컨대 최근 몇 주간 또는 며칠 간의 이용 이력이거나, 또는 전체 이용 이력일 수 있다. 서비스 이용 패턴 지수 산출에 기 설정된 시간(예컨대 10분) 미만으로 사용된 이력은 무시될 수 있다.
프로세서(120)는 복수의 서비스에 대한 서비스 이용 패턴 지수를 기초로 가중치를 결정할 수 있다. 예컨대, 메모리(110)에 서비스 이용 패턴 지수별로 서로 다른 가중치에 대한 정보가 기 저장되어 있고, 프로세서(120)는 상기 기 저장된 가중치에 대한 정보로부터 현재 산출된 서비스 이용 패턴 지수에 대응되는 가중치를 선택할 수 있다.
서비스 이용 패턴 지수는 이력 정보를 기초로 산출되는 것이므로, 전자 장치(100)의 사용에 따라 이력 정보가 업데이트되면 업데이트된 이력 정보를 기초로 서비스 이용 패턴 지수도 재산출되고, 재산출된 서비스 이용 패턴 지수를 기초로 가중치도 업데이트된다. 업데이트는 기 설정된 주기마다 이루어질 수 있다.
상술한 것과 같이 본 개시에 따르면 시청 이력의 변화에 따라 적응적으로 가중치도 변화되어, 사용자의 최근 서비스 이용 패턴에 맞는 서비스가 추천될 수 있다는 장점이 있다. 또한, 서버 기반이 아니라 전자 장치(100) 상에서 실시간(On-device real-time)으로 이루어질 수 있다는 장점이 있다.
또 다른 실시 예에 따르면, 전자 장치(100)의 사용자의 서비스 이용 패턴이 타 전자 장치들의 사용자의 서비스 이용 패턴과 상대적으로 비교하여 어떤 특성을 갖는지를 기초로, 해당 특성에 맞는 가중치가 결정될 수 있다. 이를 위해, 상기와 같이 전자 장치(100)에서 산출된 서비스 이용 패턴 지수와, 타 전자 장치들에서 산출된 서비스 이용 패턴 지수를 군집화하여, 전자 장치(100)에서 산출된 서비스 이용 패턴 지수가 속하는 군집에 대응하는 가중치가 선택될 수 있다. 서비스 이용 패턴 지수를 군집화하는 작업은 외부의 서버에서 수행될 수 있다. 이와 관련하여선 도 6을 참고하여 설명하도록 한다.
도 6을 참고하면, 전자 장치(100)와 타 전자 장치들(100-1 ~ 100-n)은 서버(200)로 서비스 이용 패턴 지수를 전송하고, 서버(200)는 수집된 데이터에 인공지능 기술을 적용하여 각 전자 장치들의 사용자의 서비스 이용 패턴이 어떤 특성을 갖는지를 파악할 수 있다. 타 전자 장치들(100-1 ~ 100-n)은 전자 장치(100)와 연관성이 높은 장치인 것이 바람직하다. 이는 연관성이 있는 장치들의 사용자들의 서비스 이용 패턴을 비교하는 것이 유의미한 결과를 도출하는데 유리할 수 있기 때문이다. 따라서, 일 실시 예에 따르면 타 전자 장치들(100-1 ~ 100-n)은 전자 장치(100)와 동일 지역 내에 있는 것일 수 있다. 예를 들어, 전자 장치(100)와 타 전자 장치들(100-1 ~ 100-n)은 특정 도시의 가정들에서 사용하는 TV들일 수 있다.
인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술과 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성되고, 이러한 요소 기술들 중에서 서버(200)는 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술을 이용해서 각 전자 장치의 서비스 이용 패턴을 군집화할 수 있다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다.
일 예로, 서버(200)는 수집된 서비스 이용 패턴 지수들의 표준편차(σ)의 값을 기준으로 서비스 이용 패턴 지수들을 N개의 묶음으로 군집(Clustering)하여 분류할 수 있다.
일 예로서, 서버(200)는 수집된 시간 패턴 지수들을 약한 시간 패턴의 군집(시간패턴지수＜0.5σ), 중간 시간 패턴의 군집(0.5σ≤시간패턴지수＜σ), 강한 시간 패턴의 군집(시간패턴지수＞σ)으로 분류할 수 있다. 그리고 서버(200)는 수집된 요일 패턴 지수들을 약한 요일 패턴의 군집(요일패턴지수＜0.5σ), 중간 요일 패턴의 군집(0.5σ≤요일패턴지수＜σ), 강한 요일 패턴의 군집(요일패턴지수＞σ)으로 분류할 수 있다. 이와 같이 군집화된 3개의 시간패턴 군집과 3개의 요일패턴 군집의 조합으로 도 7과 같이 9개의 그룹을 정의할 수 있다. 그리고 9개 그룹의 각각의 성격에 맞게 제1 가중치(W1), 제2 가중치(W2) 및 제3 가중치(W3)를 설정할 수 있다. 도 7의 괄호 안의 숫자는 (W1:W2:W3)를 의미하는 것이다. 가중치는 강한 패턴일수록 큰 값을 가지도록 설정된다. 다시 말해, 사용자의 서비스 이용 패턴이 시간에 의존도가 높다면 시간 가중치가 높게 설정되고, 사용자의 서비스 이용 패턴이 요일에 의존도가 높다면 요일 가중치가 높게 설정된다.
서버(200)는 전자 장치(100) 및 타 전자 장치들(100-1 ~ 100-n)에게 각각이 속한 그룹에 대응하는 가중치 정보를 전자 장치(100)로 전송한다. 예컨대, 전자 장치(100)가 속한 그룹이 '약 요일패턴&강 시간패턴 그룹'이라면 서버(200)가 전송하는 가중치 정보에는 W1=30, W2=5, W3=1임을 알리는 내용이 포함된다. 또는, 서버(200)가 전자 장치(100)로 전송하는 정보에는 전자 장치(100)가 속한 그룹이 '약 요일패턴&강 시간패턴 그룹'임을 알리는 내용만이 포함되고, 전자 장치(100)는 서버(200)로부터 수신된 정보와 전자 장치(100)에 기 저장되어 있는 그룹별 가중치 정보를 기초로 가중치를 W1=30, W2=5, W3=1로 결정할 수 있다.
상술한 바와 같이 본 개시에 따르면 이력 정보와 가중치를 기초로 추천 서비스를 선정하는 모델을 전자 장치(100)에 구현하고, 서버(200)에서는 다량의 데이터를 활용하여 그룹화를 위한 파라미터를 도출하여 이 값을 기초로 전자 장치(100)의 모델이 업데이트될 수 있다. 이에 따라 최소한의 리소스 활용으로 지속적으로 변할 수 있는 서비스 이용 패턴을 반영하여 추천 서비스를 선정할 수 있다.
한편, 도 7을 참고하여 설명한 예에선 9개의 그룹으로 분류하는 것으로 설명하였으나, 이는 예시일 뿐 다른 개수의 그룹으로 분류하는 것도 물론 가능하다. 또한, 도 7의 괄호 안의 가중치 값은 예시일 뿐 본 개시가 이에 한정되는 것은 아니다. 그리고 상술한 예시에선 같은 그룹에 속하면 동일한 가중치가 적용되는 것으로 설명하였으나, 동일 그룹 내에 있더라도 그 그룹 내에서의 상대적인 위치에 기초하여 서로 다른 가중치가 적용되는 것도 가능하다.
한편, 서버(200)에서 이루어지는 것으로 설명한 동작의 전부 또는 일부는 전자 장치(100)에서 수행되는 것도 가능하다. 예컨대, 전자 장치(100)가 타 전자 장치들(100-1 ~ 100-n)로부터 서비스 이용 패턴 지수에 대한 정보를 수신해서 상술한 방법과 같이 군집화를 수행하고, 전자 장치(100)가 속하는 군집에 대응하는 가중치 정보에 기초하여 가중치를 결정할 수 있다.
또한, 전자 장치(100)에서 이루어지는 동작의 일부가 서버(200)에서 수행되는 것도 가능하다. 예컨대, 전자 장치(100)가 이력 정보를 서버(200)로 제공하여, 서버(200)에서 서비스 이용 패턴 지수를 산출하는 것이 가능하며, 서버(200)에서 이용 지수를 산출하여 추천 서비스를 선정하고 이에 대한 정보를 전자 장치(100)로 제공하는 것이 가능하다. 즉, 주요 동작은 서버(200)에서 이루어지도록 하고, 전자 장치(100)는 정보의 출력 기능 정도만을 담당하도록 하는 것이 가능하다. 다만, 이력 정보는 개인 정보이기 때문에 외부로 유출되지 않는 것이 바람직하므로, 전자 장치(100)가 이력 정보 대신에, 이력 정보를 가공하여 얻은 서비스 이용 패턴 지수를 서버(200)에 전송하는 방식이 선호될 수 있다.
한편, 전자 장치(100)에 저장된 이력 정보가 아니라, 타 전자 장치(100-1 ~ 100-n)들의 이력 정보를 기반으로 사용 가능성이 높은 추천 서비스를 제공할 수 있다. 예를 들어, 서버(200)가 타 전자 장치(100-1 ~ 100-n) 중 적어도 하나로부터 이력 정보를 수신하고, 수신된 이력 정보를 기초로 상술한 바와 같이 서비스 이용 패턴 지수 및 서비스 이용 지수를 산출해서 추천 서비스를 선정하고, 선정된 추천 서비스에 대한 정보를 전자 장치(100)로 제공할 수 있다. 또는, 서버(200)를 거치지 않더라도 전자 장치(100)가 타 전자 장치(100-1 ~ 100-n) 중 적어도 하나로부터 직접 이력 정보를 수신하고, 수신된 이력 정보를 기초로 상술한 바와 같이 서비스 이용 패턴 지수 및 서비스 이용 지수를 산출해서 추천 서비스를 선정할 수 있다. 본 실시 예들에 따르면, 타 전자 장치의 사용자가 선호하는 서비스가 전자 장치(100)에서 제공될 수 있다.
도 8은 전자장치(100)가 TV로 구현된 경우의 구성을 도시한 블럭도이다. 도 8을 설명함에 있어서 도 1에서 설명한 구성과 중복되는 구성에 대한 설명은 생략한다.
도 8을 참고하면, 전자 장치(100)는 예를 들어 아날로그 TV, 디지털 TV, 3D-TV, 스마트 TV, LED TV, OLED TV, 플라즈마 TV, 모니터, 고정 곡률(curvature)인 화면을 가지는 커브드(curved) TV, 고정 곡률인 화면을 가지는 플렉시블(flexible) TV, 고정 곡률인 화면을 가지는 벤디드(bended) TV, 및/또는 수신되는 사용자 입력에 의해 현재 화면의 곡률을 변경 가능한 곡률 가변형 TV 등으로 구현될 수 있으나, 이에 한정되지 않는다.
전자 장치(100)는 메모리(110), 프로세서(120), 출력부(130), 통신부(140), 튜너(150), 마이크(160), 포트부(170)를 포함한다.
튜너(150)는 유선 또는 무선으로 수신되는 방송 신호를 증폭(amplification), 혼합(mixing), 공진(resonance) 등을 통하여 많은 전파 성분 중에서 전자 장치(100)에서 수신하고자 하는 채널의 주파수만을 튜닝(tuning)시켜 선택할 수 있다. 방송 신호는 비디오(video), 오디오(audio) 및 부가 데이터(예를 들어, EPG(Electronic Program Guide)를 포함할 수 있다.
튜너(150)는 사용자 입력에 대응되는 채널 번호에 대응되는 주파수 대역에서 비디오, 오디오 및 데이터를 수신할 수 있다.
튜너(150)는 지상파 방송, 케이블 방송, 또는, 위성 방송 등과 같이 다양한 소스에서부터 방송 신호를 수신할 수 있다. 튜너(150)는 다양한 소스에서부터 아날로그 방송 또는 디지털 방송 등과 같은 소스로부터 방송 신호를 수신할 수도 있다.
튜너(150)는 전자 장치(100)와 일체형(all-in-one)으로 구현되거나 또는 전자 장치(100)와 전기적으로 연결되는 튜너 유닛을 가지는 별개의 장치(예를 들어, 셋톱박스(set-top box), 포트부(170)에 연결되는 튜너)로 구현될 수 있다.
통신부(140)는 다양한 유형의 통신방식에 따라 다양한 유형의 외부 기기와 통신을 수행하는 구성이다. 통신부(140)는 근거리 통신망(LAN: Local Area Network) 또는 인터넷망을 통해 외부 기기에 접속될 수 있고, 무선 통신(예를 들어, Z-wave, 4LoWPAN, RFID, LTE D2D, BLE, GPRS, Weightless, Edge Zigbee, ANT+, NFC, IrDA, DECT, WLAN, 블루투스, 와이파이, Wi-Fi Direct, GSM, UMTS, LTE, WiBRO 등의 무선 통신) 방식에 의해서 외부 기기에 접속될 수 있다. 통신부(140)는 와이파이칩, 블루투스 칩, NFC칩, 무선 통신 칩 등과 같은 다양한 통신 칩을 포함할 수 있다. 와이파이 칩, 블루투스 칩, NFC 칩은 각각 WiFi 방식, 블루투스 방식, NFC 방식으로 통신을 수행한다. 무선 통신 칩은 IEEE, 지그비, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evoloution) 등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다. 또한 통신부(140)는 외부장치로부터 제어신호(예를 들어 IR 펄스)를 수신할 수 있는 광 수신부를 포함할 수 있다. 통신부(140)를 통해 외부 장치에서 입력된 사용자 명령을 수신할 수 있으며, 통신부(140)를 통해 선정된 추천 서비스에 대한 정보를 외부의 사용자 단말로 전송할 수 있으며, 통신부(140)를 통해 서버(200)와 데이터 송수신을 할 수 있다.
전자 장치(100)는 디스플레이(131)에 표시되는 영상을 인식하여 현재 사용되는 서비스를 판단하고, 판단 결과를 기초로 이력 정보를 생성할 수 있다. 예컨대, 전자 장치(100)에는 영상 인식을 위한 인공지능 시스템이 구비되어 있을 수 있다. 인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다. 인공 지능 기술 중에서 사물을 인간의 시각처럼 인식하는 시각적 이해 기술을 통해 영상을 인식할 수 있다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 예를 들어 전자 장치(100)는 OCR 기반의 시각적 이해 기술을 기초로 디스플레이(131)에 표시된 영상 내 방송 채널 번호를 인식하고, EPG 정보를 기초로 해당 채널 번호에 대응하는 프로그램의 제목, 프로그램과 관련한 기타 부가 정보를 획득할 수 있다. 그리고 획득한 정보를 메모리(110)에 저장할 수 있다. 또 다른 예로, 전자 장치(100)는 비디오 또는 오디오 핑거프린트, 워터마크와 같은 특징 정보를 이용한 ACR(Automatic content recognition) 기술을 이용하여 이용된 서비스가 무엇인지 판단할 수 있다. 한편, 전자 장치(100)가 핑거프린트, 캡처된 영상 등을 외부 서버로 전송하여 외부 서버가 핑거프린트 매칭, OCR 등과 같은 영상 인식 동작을 수행하는 것도 가능하다.
메모리(110)는 전자 장치(100)의 사용 이력 정보를 저장한다. 저장되는 주요 정보는 전자 기기(100)의 ON/OFF 시간, 시청 이력(채널, 제목, 프로그램 부가 정보 등), App(YouTubeTM, NetflixTM 등) 실행 이력, 리모콘 입력, 음성 입력 등과 같은 입력 이력, 기능 사용 이력(Menu 등) 등을 포함하며, 사용 시점에 대한 정보도 저장된다. 저장된 정보는 일정시간이 지나면 삭제될 수 있다.
또한 메모리(110)에는 이력에 부여될 가중치(W1, W2, W3)가 저장된다. 가중치는 지속적으로 변화되는 사용 패턴이 반영되어 주기적으로 업데이트될 수 있다. 정해진 주기마다 가중치가 업데이트될 수 있도록 주기적으로 이를 확인하는 테스크가 반복될 수 있다. 구체적으로, 프로세서(120)는 주기적인 업데이트 일정이 도래하면 서버(200)로 쿼리하여 가중치를 업데이트할 수 있다.
메모리(110)는 프로세서(120)의 제어에 의해 전자 장치(100)를 구동하고 제어하기 위한 각종 애플리케이션 프로그램, 데이터, 소프트웨어 모듈을 포함할 수 있다. 예컨대, 메모리(110)에는 전자 장치(100)가 제공하는 서비스의 이용 이력을 저장하는 이력저장/분석모듈, 추천 서비스를 선정하는 큐레이터 모듈, 선정된 추천 서비스에 대한 정보를 제공하는 서비스 노출 모듈, 음성 인식 모듈, 영상 인식 모듈 등을 포함할 수 있다.
프로세서(120)는 전자 장치(100)의 전반적인 동작 및 전자 장치(100)의 내부 구성요소들 사이의 신호 흐름을 제어하고, 데이터를 처리하는 기능을 수행한다.
프로세서(120)는 RAM(121), ROM(122), CPU(123) 및 버스(124)를 포함한다. RAM(121), ROM(122), CPU(123) 등은 버스(124)를 통해 서로 연결될 수 있다. 프로세서(120)는 SoC(System On Chip)로 구현될 수 있다.
CPU(123)는 메모리(110)에 액세스하여, 메모리(110)에 저장된 O/S를 이용하여 부팅을 수행한다. 그리고 메모리(110)에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행한다.
ROM(122)에는 시스템 부팅을 위한 명령어 세트 등이 저장된다. 턴 온 명령이 입력되어 전원이 공급되면, CPU(123)는 ROM(122)에 저장된 명령어에 따라 메모리(110)에 저장된 O/S를 RAM(121)에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, CPU(123)는 메모리(110)에 저장된 각종 애플리케이션 프로그램을 RAM(121)에 복사하고, RAM(121)에 복사된 애플리케이션 프로그램을 실행시켜 각종 동작을 수행한다. 프로세서(120)는 메모리(110)에 저장된 모듈을 이용하여 다양한 동작을 수행할 수 있다.
전자 장치(100)는 내장 마이크(150) 또는 외부 장치에 내장된 마이크를 통해 음성을 입력받아 직접 음성 인식을 하거나, 음성 인식을 수행하는 외부의 서버로 입력된 음성을 전달하여 음성 인식 결과를 수신할 수 있다.
전자 장치(100)가 직접 음성 인식을 수행하는 경우, 음성을 인식하기 위한 인공지능 시스템이 구비되어 있을 수 있다. 인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다. 인공 지능 기술 중에서 인간의 언어/문자를 인식하는 언어적 이해 기술을 통해 입력된 음성을 인식할 수 있다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다.
또 다른 실시 예에 따르면, 마이크가 내장된 별도의 외부 장치가 존재하고, 상기 외부 장치는 입력된 음성에 대한 음성 인식 처리를 하여 음성 인식 결과를 전자 장치(100)로 제공할 수 있다.
전자 장치(100)는 음성 인식 결과에 기초하여 제어될 수 있다. 예컨대, 음성 인식 결과가 "채널 추천해줘"를 포함하면, 추천 채널을 선정하여 선정된 추천 채널에 대한 정보를 출력부(130)를 통해 제공할 수 있다.
출력부(130)는 영상을 출력하기 위한 디스플레이(131), 오디오를 출력하기 위한 스피커(131)를 포함할 수 있다. 디스플레이(131)는 LCD(Liquid Crystal Display), PDP(plasma display panel), OLED(organic light emitting diodes) 등으로 구현될 수 있고 터치 스크린으로 구현될 수 있다.
포트부(170)는 외부 장치와 연결되기 위한 구성이다. 포트부(170)는 HDMI 입력 포트(High-Definition Multimedia Interface port, 171), 컴포넌트 입력 잭(172), 및 USB 포트(173) 중 적어도 하나를 포함할 수 있다. 도시한 것 이외에도 포트부(170)는 RGB, DVI, HDMI, DP, 썬더볼트 등의 포트 중 적어도 하나를 포함할 수 있다. 포트부(170)를 통해 외부 장치로 추천 서비스에 대한 정보가 전달되는 것이 가능하다.
도 9는 본 개시의 일 실시 예에 따른 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 이력 정보가 저장된 상기 전자 장치의 제어방법을 설명하기 위한 흐름도이다. 도 9에 도시된 흐름도는 본 명세서에서 설명되는 전자 장치(100)에서 처리되는 동작들로 구성될 수 있다. 따라서, 이하에서 생략된 내용이라 하더라도 전자 장치(100)에 관하여 기술된 내용은 도 9에 도시된 흐름도에도 적용될 수 있다.
도 9를 참고하면, 기설정된 이벤트가 발생하면, 저장된 이력 중 상기 이벤트가 발생한 요일 및 시간대 중 적어도 하나에 대응되는 이력에 가중치를 부여한다(S910).
그리고 전자 장치는 가중치가 부여된 이력에 기초하여 복수의 서비스 중 추천 서비스를 선정한다(S920).
예컨대, 전자 장치는 상기 이벤트가 발생한 시간대에 대응하는 이력에 제1 가중치를 부여하고, 상기 이벤트가 발생한 요일에 대응하는 이력에 상기 제1 가중치와는 다른 제2 가중치를 부여하고, 상기 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 대응하는 이력에 제3 가중치가 부여될 수 있다.
상기의 가중치들은 이력 정보에 기초하여 산출된 복수의 서비스에 대한 서비스 이용 패턴 지수에 기초하여 결정될 수 있다. 따라서, 가중치는 이력 정보가 업데이트됨에 따라 업데이트될 수 있다.
일 실시 예에 따르면, 가중치는 전자 장치 자체적으로 결정될 수 있고, 복수의 전자 장치로부터 수집한 서비스 이용 패턴 지수를 군집화하는 서버(200)와의 통신을 통해 결정될 수 있다. 후자의 경우, 전자 장치는 서버(200)로 상기 산출된 서비스 이용 패턴 지수를 전송하고, 상기 산출된 서비스 이용 패턴 지수가 속하는 군집에 대응하는 가중치 정보를 수신해서, 수신된 가중치 정보를 기초로 가중치를 결정할 수 있다. 전자 장치(100)는 주기적으로 새롭게 서비스 이용 패턴 지수를 산출하여 서버(200)로 산출된 서비스 이용 패턴 지수를 제공함으로써, 주기적으로 가중치를 업데이트할 수 있다.
전자 장치(100)는 상기와 같은 방식으로 결정된 가중치와 상기 복수의 서비스 각각에 대한 이용시간에 기초하여 상기 복수의 서비스 각각의 이용 지수를 산출하고, 상기 산출된 이용 지수를 기초로 상기 복수의 서비스 중 추천 서비스를 선정할 수 있다. 이 경우, 이력에 대응되는 서비스가 수행된 일자에 대응되는 감쇄 값을 적용하여 상기 복수의 서비스 각각의 이용 지수를 산출할 수 있다.
상술한 본 개시의 실시 예들에 따르면, 로컬 기기의 모델의 주요 파라미터를 주기적으로 패턴 분석 서버를 통해 업데이트할 수 있으며, 군집화 모델을 기반으로 하기 때문에 기기마다 다른 모델을 제공할 필요가 없어 모델 구성이 단순하며, 이력 정보를 외부 서버로 제공하지 않아도 되기 때문에 개인 정보가 유출될 우려가 없다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시 예들이 프로세서(120) 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 전자 장치(100)에서의 처리동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 전자 장치(100)에서의 처리 동작을 상기 특정 기기가 수행하도록 한다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
100: 전자 장치
110: 메모리
120: 프로세서

Claims (20)

  1. 전자 장치에 있어서,
    상기 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 중 적어도 하나에 대응되는 이력정보를 저장하는 메모리; 및
    기설정된 이벤트가 발생하면,
    상기 이벤트가 발생한 시간대에 대응하는 이력에 제1 가중치를 부여하고,
    상기 이벤트가 발생한 요일에 대응하는 이력에 상기 제1 가중치와는 다른 제2 가중치를 부여하고,
    상기 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 대응하는 이력에 상기 제1 및 제2 가중치보다 작은 제3 가중치를 부여하고,
    상기 제1 가중치, 제2 가중치, 제3 가중치가 부여된 이력에 기초하여 상기 복수의 서비스 중 추천 서비스를 선정하는 프로세서;를 포함하는 전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 부여된 가중치 및 상기 복수의 서비스 각각에 대한 이용 시간에 기초하여 상기 복수의 서비스 각각의 이용 지수를 산출하고, 상기 산출된 이용 지수를 기초로 상기 복수의 서비스 중 추천 서비스를 선정하는 전자 장치.
  3. 제2항에 있어서,
    상기 프로세서는,
    이력에 대응되는 서비스가 수행된 일자에 대응되는 감쇄 값을 적용하여 상기 복수의 서비스 각각의 이용 지수를 산출하는 전자 장치.
  4. 제1항에 있어서,
    상기 프로세서는,
    상기 이력 정보에 기초하여 서비스 이용 패턴 지수를 산출하고, 상기 산출된 서비스 이용 패턴 지수를 기초로 상기 가중치를 결정하는 전자 장치.
  5. 제4항에 있어서,
    상기 프로세서는,
    상기 이력 정보가 업데이트되면, 업데이트된 이력 정보를 기초로 산출된 서비스 이용 패턴 지수에 기초하여 상기 가중치를 결정하는 전자 장치.
  6. 제4항에 있어서,
    복수의 전자 장치로부터 수집한 서비스 이용 패턴 지수를 군집화하는 외부 서버와 통신하는 통신부;를 더 포함하며,
    상기 프로세서는,
    상기 산출된 서비스 이용 패턴 지수를 상기 통신부를 통해 상기 외부 서버로 전송하여 상기 외부 서버로부터 상기 산출된 서비스 이용 패턴 지수가 속하는 군집에 대응하는 가중치 정보를 수신하고, 수신된 가중치 정보를 기초로 상기 가중치를 결정하는 전자 장치.
  7. 제1항에 있어서,
    상기 프로세서는,
    상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 요일별 이용 시간에 대한 분산을 산출하고, 산출된 분산을 기초로 요일 패턴 지수를 산출하고,
    상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 시간대별 이용 시간에 대한 분산을 산출하여 산출된 분산을 기초로 시간 패턴 지수를 산출하고,
    상기 산출된 요일 패턴 지수와 상기 산출된 시간 패턴 지수를 기초로 상기 가중치를 결정하는 전자 장치.
  8. 삭제
  9. 제8항에 있어서,
    상기 제1 가중치는 상기 제2 가중치보다 큰 것인 전자 장치.
  10. 삭제
  11. 제1항에 있어서,
    상기 프로세서는,
    상기 전자 장치를 제어하는 원격제어장치의 특정 버튼에 대응하는 제어신호가 수신되거나, 사용자의 특정 음성에 대응하는 제어 신호가 수신되면 상기 기 설정된 이벤트가 발생한 것으로 판단하는 전자 장치.
  12. 제1항에 있어서,
    상기 복수의 서비스는,
    복수의 방송 채널, 복수의 애플리케이션 또는 복수의 컨텐츠인 전자 장치.
  13. 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 중 적어도 하나에 대응되는 이력정보가 저장된 상기 전자 장치의 제어방법에 있어서,
    기설정된 이벤트가 발생하면,
    상기 이벤트가 발생한 시간대에 대응하는 이력에 제1 가중치를 부여하고,
    상기 이벤트가 발생한 요일에 대응하는 이력에 상기 제1 가중치와는 다른 제2 가중치를 부여하고,
    상기 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 대응하는 이력에 상기 제1 및 제2 가중치보다 작은 제3 가중치를 부여하는 단계; 및
    상기 제1 가중치, 제2 가중치 및 제3 가중치가 부여된 이력에 기초하여 상기 복수의 서비스 중 추천 서비스를 선정하는 단계;를 포함하는 전자 장치의 제어방법.
  14. 제13항에 있어서,
    상기 선정하는 단계는,
    상기 부여된 가중치 및 상기 복수의 서비스 각각에 대한 이용시간에 기초하여 상기 복수의 서비스 각각의 이용 지수를 산출하고, 상기 산출된 이용 지수를 기초로 상기 복수의 서비스 중 추천 서비스를 선정하는 전자 장치의 제어방법.
  15. 제14항에 있어서,
    상기 선정하는 단계는,
    이력에 대응되는 서비스가 수행된 일자에 대응되는 감쇄 값을 적용하여 상기 복수의 서비스 각각의 이용 지수를 산출하는 전자 장치의 제어방법.
  16. 제13항에 있어서,
    상기 이력 정보에 기초하여 상기 복수의 서비스에 대한 서비스 이용 패턴 지수를 산출하는 단계; 및
    상기 산출된 서비스 이용 패턴 지수를 기초로 상기 가중치를 결정하는 단계;를 더 포함하는 전자 장치의 제어방법.
  17. 제16항에 있어서,
    상기 가중치를 결정하는 단계는,
    상기 이력 정보가 업데이트되면, 업데이트된 이력 정보를 기초로 산출된 서비스 이용 패턴 지수에 기초하여 상기 가중치를 결정하는 전자 장치의 제어방법.
  18. 제16항에 있어서,
    상기 가중치를 결정하는 단계는,
    복수의 전자 장치로부터 수집한 서비스 이용 패턴 지수를 군집화하는 외부 서버로 상기 산출된 서비스 이용 패턴 지수를 전송하는 단계; 및
    상기 외부 서버로부터 상기 산출된 서비스 이용 패턴 지수가 속하는 군집에 대응하는 가중치 정보를 수신하고, 수신된 가중치 정보를 기초로 상기 가중치를 결정하는 단계;를 포함하는 전자 장치의 제어방법.
  19. 제13항에 있어서,
    상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 요일별 이용 시간에 대한 분산을 산출하고, 산출된 분산을 기초로 요일 패턴 지수를 산출하는 단계;
    상기 이력 정보에 기초하여 상기 복수의 서비스 각각에 대하여 시간대별 이용 시간에 대한 분산을 산출하여 산출된 분산을 기초로 시간 패턴 지수를 산출하는 단계; 및
    상기 산출된 요일 패턴 지수와 상기 산출된 시간 패턴 지수를 기초로 상기 가중치를 결정하는 단계;를 더 포함하는 전자 장치의 제어방법.
  20. 전자 장치에서 제공하는 복수의 서비스 각각에 대한 요일 및 시간별 중 적어도 하나에 대응되는 이력 정보가 저장된 상기 전자 장치의 제어방법을 실행하기 위한 프로그램을 포함하는 기록매체에 있어서,
    상기 제어방법은,
    기설정된 이벤트가 발생하면,
    상기 이벤트가 발생한 시간대에 대응하는 이력에 제1 가중치를 부여하고,
    상기 이벤트가 발생한 요일에 대응하는 이력에 상기 제1 가중치와는 다른 제2 가중치를 부여하고,
    상기 이벤트가 발생한 요일 및 시간대와 다른 요일 및 시간대에 대응하는 이력에 상기 제1 및 제2 가중치보다 작은 제3 가중치를 부여하는 단계; 및
    상기 제1 가중치, 제2 가중치 및 제3 가중치가 부여된 이력에 기초하여 상기 복수의 서비스 중 추천 서비스를 선정하는 단계;를 포함하는 기록매체.
KR1020170097828A 2017-08-01 2017-08-01 전자 장치 및 그의 제어방법 KR102384215B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020170097828A KR102384215B1 (ko) 2017-08-01 2017-08-01 전자 장치 및 그의 제어방법
CN201880047168.4A CN110892730B (zh) 2017-08-01 2018-07-19 电子设备及其控制方法
PCT/KR2018/008157 WO2019027160A1 (ko) 2017-08-01 2018-07-19 전자 장치 및 그의 제어방법
US16/633,045 US11064233B2 (en) 2017-08-01 2018-07-19 Providing service recommendation information on the basis of a device use history

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170097828A KR102384215B1 (ko) 2017-08-01 2017-08-01 전자 장치 및 그의 제어방법

Publications (2)

Publication Number Publication Date
KR20190013348A KR20190013348A (ko) 2019-02-11
KR102384215B1 true KR102384215B1 (ko) 2022-04-07

Family

ID=65233930

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170097828A KR102384215B1 (ko) 2017-08-01 2017-08-01 전자 장치 및 그의 제어방법

Country Status (4)

Country Link
US (1) US11064233B2 (ko)
KR (1) KR102384215B1 (ko)
CN (1) CN110892730B (ko)
WO (1) WO2019027160A1 (ko)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190347349A1 (en) * 2018-05-08 2019-11-14 Comcast Cable Communications, Llc Using contextual data to recommend relevant content
KR102582046B1 (ko) 2018-07-19 2023-09-22 삼성전자주식회사 추천 채널 리스트 제공 방법 및 그에 따른 디스플레이 장치
KR20210155000A (ko) * 2019-05-13 2021-12-21 엘지전자 주식회사 복수의 전자 장치의 분류 및 설정하기 위한 장치 및 그 방법
KR20210051349A (ko) * 2019-10-30 2021-05-10 삼성전자주식회사 전자장치 및 그 제어방법
KR20210069421A (ko) * 2019-12-03 2021-06-11 엘지전자 주식회사 식기 세척기 및 식기 세척기의 제어 방법
KR102347065B1 (ko) * 2020-02-04 2022-01-04 주식회사 원더풀플랫폼 인공지능형 멀티미디어 컨텐츠 추천 및 도우미 방법과 시스템
CN114229637B (zh) * 2021-12-03 2024-02-27 北京声智科技有限公司 电梯楼层确定方法、装置、设备及计算机可读存储介质
CN114861056A (zh) * 2022-05-12 2022-08-05 阿波罗智联(北京)科技有限公司 信息推送方法、装置、电子设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160088365A1 (en) 2014-03-26 2016-03-24 Panasonic Intellectual Property Management Co., Ltd. Video reception device, video recognition method and additional information display system

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6564381B1 (en) * 1997-09-26 2003-05-13 Vxl Capitol Partners Corporation, Ltd. Automatic digital information and content scheduling and barkering system
US7581237B1 (en) * 2000-10-30 2009-08-25 Pace Plc Method and apparatus for generating television program recommendations based on prior queries
US20030097186A1 (en) * 2001-11-13 2003-05-22 Koninklijke Philips Electronics N.V Method and apparatus for generating a stereotypical profile for recommending items of interest using feature-based clustering
EP1395056A1 (en) * 2002-08-30 2004-03-03 Sony International (Europe) GmbH Methods to create a user profile and to specify a suggestion for a next selection of the user
KR100497428B1 (ko) * 2002-09-24 2005-07-01 전자부품연구원 메타 데이터를 이용한 지능화된 프로그램 추천 서비스방법
KR20040083797A (ko) 2003-03-25 2004-10-06 엘지전자 주식회사 디지털 ｔｖ에서 선호 메뉴 항목 디스플레이 방법
JP4909033B2 (ja) * 2006-11-30 2012-04-04 富士通株式会社 番組検索装置
US8060525B2 (en) * 2007-12-21 2011-11-15 Napo Enterprises, Llc Method and system for generating media recommendations in a distributed environment based on tagging play history information with location information
US8488500B2 (en) 2008-05-02 2013-07-16 Dhaani Systems Power management of networked devices
EP2304947A2 (en) * 2008-06-26 2011-04-06 Honeybee TV Israel Ltd. Methods and system for providing viewing recommendations
US20100017455A1 (en) * 2008-07-17 2010-01-21 Lemi Technology, Llc Customized media broadcast for a broadcast group
US20100100618A1 (en) * 2008-10-22 2010-04-22 Matthew Kuhlke Differentiating a User from Multiple Users Based on a Determined Pattern of Network Usage
US8650138B2 (en) 2008-11-26 2014-02-11 Nec Corporation Active metric learning device, active metric learning method, and active metric learning program
US8756619B2 (en) * 2008-12-08 2014-06-17 Verizon Patent And Licensing Inc. Cluster analysis of viewer tendencies
US20120192214A1 (en) * 2009-12-22 2012-07-26 Resonate Networks Method and apparatus for delivering targeted content to television viewers
KR20120003362A (ko) 2010-07-02 2012-01-10 아코지토(주) 협력적 필터링 알고리즘 기반의 ｉｐｔｖ 개인별 선호프로그램 추천시스템
US9330162B2 (en) * 2010-12-21 2016-05-03 Telefonaktiebolaget L M Ericsson Method and apparatus for providing temporal context for recommending content for consumption by a user device
KR101438764B1 (ko) * 2011-05-13 2014-09-12 한국전자통신연구원 사용자 시청 이력 기반 콘텐츠 추천 방법
TW201316753A (zh) * 2011-10-13 2013-04-16 Wistron Corp 電視節目推薦系統及其方法
CN103218377A (zh) * 2012-01-19 2013-07-24 北京千橡网景科技发展有限公司 辅助用户选择兴趣点的方法和设备
CN104247441B (zh) * 2012-02-21 2018-01-09 欧亚拉股份有限公司 自动推荐内容
KR20130098841A (ko) 2012-02-28 2013-09-05 전자부품연구원 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법
US9990666B2 (en) * 2012-09-12 2018-06-05 Canon Kabushiki Kaisha Method, system and apparatus for delivering a recommendation
KR101772404B1 (ko) * 2012-12-14 2017-08-29 한국전자통신연구원 시청자 콘텐츠 선호도 추론 정확도 향상 방법 및 장치
US20150052554A1 (en) * 2013-01-25 2015-02-19 Mobitv, Inc. Geographic content recommendation
US20140215506A1 (en) * 2013-01-25 2014-07-31 Mobitv, Inc. Time context weighted content recommendation
US8732737B1 (en) * 2013-01-25 2014-05-20 Mobitv, Inc. Geographic context weighted content recommendation
US9313551B2 (en) * 2013-06-17 2016-04-12 Google Inc. Enhanced program guide
US20150082330A1 (en) * 2013-09-18 2015-03-19 Qualcomm Incorporated Real-time channel program recommendation on a display device
US20150120722A1 (en) * 2013-10-31 2015-04-30 Telefonica Digital Espana, S.L.U. Method and system for providing multimedia content recommendations
CN104811755A (zh) * 2014-01-24 2015-07-29 中兴通讯股份有限公司 设置开机频道的方法、装置、机顶盒、服务器及系统
US20150334461A1 (en) * 2014-05-14 2015-11-19 Looq System Inc. Methods and systems for dynamically recommending favorite channels or programs
US11343553B2 (en) * 2014-08-05 2022-05-24 Piksel, Inc. Context driven recommendation for content delivery and display system
KR102277182B1 (ko) * 2014-08-25 2021-07-14 삼성전자 주식회사 개인화 서비스 제공 방법 및 장치
KR20160064448A (ko) 2014-11-28 2016-06-08 이종찬 유사 집합의 예상 선호도 대비 기반 아이템 추천 제공 방법
US11416566B2 (en) * 2014-12-31 2022-08-16 Rovi Guides, Inc. Methods and systems for determining media content to download
US9661386B2 (en) * 2015-02-11 2017-05-23 Google Inc. Methods, systems, and media for presenting a suggestion to watch videos
EP3256966B1 (en) * 2015-02-11 2023-04-05 Hulu, LLC Relevance table aggregation in a database system
KR20160145351A (ko) 2015-06-10 2016-12-20 삼성전자주식회사 디스플레이장치 및 그 제어 방법
US10516964B2 (en) * 2015-07-28 2019-12-24 Microsoft Technology Licensing, Llc Inferring user availability for a communication
US10445304B1 (en) * 2015-11-18 2019-10-15 Cox Communications, Inc. Automatic identification and creation of user profiles
US20170169330A1 (en) * 2015-12-15 2017-06-15 Le Holdings (Beijing) Co., Ltd. Method and Electronic Device for Displaying Play Content in Smart Television
US10341728B2 (en) * 2015-12-30 2019-07-02 Sling Media L.L.C. Media systems for temporally and contextually relevant recommendations
CN106028070A (zh) * 2016-05-16 2016-10-12 乐视控股（北京）有限公司 直播或轮播频道推荐方法、装置及视频服务器
US10242098B2 (en) * 2016-05-31 2019-03-26 Microsoft Technology Licensing, Llc Hierarchical multisource playlist generation
US10231020B2 (en) * 2017-05-16 2019-03-12 The Directv Group, Inc Sports recommender system utilizing content based filtering
US10922624B2 (en) * 2017-06-01 2021-02-16 Facebook, Inc. Identifying users of shared devices based on user interactions and identity graph

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160088365A1 (en) 2014-03-26 2016-03-24 Panasonic Intellectual Property Management Co., Ltd. Video reception device, video recognition method and additional information display system

Also Published As

Publication number Publication date
US11064233B2 (en) 2021-07-13
US20200175398A1 (en) 2020-06-04
CN110892730A (zh) 2020-03-17
CN110892730B (zh) 2023-06-20
WO2019027160A1 (ko) 2019-02-07
KR20190013348A (ko) 2019-02-11

Similar Documents

Publication Publication Date Title
KR102384215B1 (ko) 전자 장치 및 그의 제어방법
KR102395243B1 (ko) 전자 장치 및 이의 제어방법
EP3902277A1 (en) Method for providing recommended content list and electronic device according thereto
US11146859B2 (en) Method and apparatus for executing content
US10845941B2 (en) Image display apparatus and method
US11412308B2 (en) Method for providing recommended channel list, and display device according thereto
CN106973323A (zh) 电子设备和在电子设备中扫描频道的方法
WO2019001153A1 (zh) 多观众电视节目推荐方法及系统
KR102611422B1 (ko) 디스플레이 장치 및 그 컨텐츠 추천 방법
KR102503466B1 (ko) 전자 장치 및 그의 제어방법
CN113302946B (zh) 电子装置及其控制方法
EP3509311A1 (en) Electronic apparatus, user interface providing method and computer readable medium
KR20190051255A (ko) 영상 표시 장치 및 그 동작 방법
KR102384209B1 (ko) 전자 장치 및 이의 제어 방법
KR20190049248A (ko) 전자 장치 및 이의 제어방법
US20200221179A1 (en) Method of providing recommendation list and display device using the same
US20210027743A1 (en) Display apparatus and control method thereof
KR20220061431A (ko) 전자장치 및 그 제어방법
US20240177214A1 (en) Computing device and operating method thereof
KR102670524B1 (ko) 추천 리스트 제공 방법 및 그에 따른 디스플레이 장치
US20170127130A1 (en) Device, system, method and non-transitory computer-readable storage medium for identifying viewer profile
KR20240078140A (ko) 컴퓨팅 디바이스 및 그 동작 방법
KR20240082095A (ko) 전자 장치 및 전자 장치의 제어 방법
KR20230094834A (ko) 사용자 디바이스에 대한 맞춤형 설정 메뉴를 생성하는 서버 및 그 동작 방법
KR20170082361A (ko) 디스플레이 장치 및 그 제어 방법

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