KR102391640B1 - Method and Apparatus for VOD Content Recommendation - Google Patents

Method and Apparatus for VOD Content Recommendation Download PDF

Info

Publication number
KR102391640B1
KR102391640B1 KR1020200116429A KR20200116429A KR102391640B1 KR 102391640 B1 KR102391640 B1 KR 102391640B1 KR 1020200116429 A KR1020200116429 A KR 1020200116429A KR 20200116429 A KR20200116429 A KR 20200116429A KR 102391640 B1 KR102391640 B1 KR 102391640B1
Authority
KR
South Korea
Prior art keywords
score
specific content
content
calculating
ranking
Prior art date
Application number
KR1020200116429A
Other languages
Korean (ko)
Other versions
KR20220033942A (en
Inventor
장시영
Original Assignee
주식회사 엘지유플러스
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 주식회사 엘지유플러스 filed Critical 주식회사 엘지유플러스
Priority to KR1020200116429A priority Critical patent/KR102391640B1/en
Publication of KR20220033942A publication Critical patent/KR20220033942A/en
Application granted granted Critical
Publication of KR102391640B1 publication Critical patent/KR102391640B1/en

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
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47202—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for requesting content on demand, e.g. video on demand
    • 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
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4784—Supplemental services, e.g. displaying phone caller identification, shopping application receiving rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

VOD(Video On Demand) 컨텐츠 추천 방법이 제공된다. 본 방법은, 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 단계, 상기 특정 컨텐츠의 출시일 순위에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 단계, 상기 특정 컨텐츠의 매출액 순위에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 단계, 상기 특정 컨텐츠의 서비스 출시일 및 상기 컨텐츠의 상영관 개봉일에 기초하여 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 단계, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수를 기초로 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계, 및 상기 특정 컨텐츠에 대한 합산 점수가 임계값 이상인 경우 상기 특정 컨텐츠를 고객에게 추천하는 것으로 결정하는 단계를 포함할 수 있다.A video on demand (VOD) content recommendation method is provided. The method includes the steps of calculating a first score for the specific content according to whether the specific content is a price-promoted content, calculating a second score for the specific content according to a release date ranking of the specific content , calculating a third score for the specific content according to the sales ranking of the specific content, calculating a fourth score for the specific content based on a service release date of the specific content and a theater opening date of the content; calculating a sum score for the specific content based on a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content; and determining that the specific content is recommended to a customer when the sum of the scores for the specific content is equal to or greater than a threshold value.

Description

VOD 컨텐츠 추천 방법 및 장치{Method and Apparatus for VOD Content Recommendation}Method and Apparatus for VOD Content Recommendation

개시된 기술은 VOD(Video On Demand) 컨텐츠 관련의 정보 처리 기술에 관한 것이다.The disclosed technology relates to information processing technology related to video on demand (VOD) content.

근래에 들어 인터넷(Internet)의 활용이 일상화됨에 따라 홈 네트워크 시대가 도래하였다. 이러한 홈 네트워크를 실현한 구체적인 한 예로서 IPTV(Internet Protocol Television) 서비스를 들 수 있다. IPTV 서비스는 인터넷을 이용하여 제공되는 양방향 TV 서비스로서, 인터넷에 연결된 셋탑박스(set-top box)를 이용하여 컨텐츠 제공 서비스 사업자가 운용하는 컨텐츠 제공 서버와 연결하여 VOD(video on demand) 컨텐츠와 같은 컨텐츠를 다운로드 방식 또는 스트리밍 방식으로 내려 받아 시청할 수 있도록 한 서비스이다. IPTV 서비스는 일반 케이블 방송과는 달리 시청자가 자신이 편리한 시간에 보고 싶은 프로그램을 선별하여 볼 수 있도록 한다는 점에서 시청자에게는 다양한 볼거리와 편의성을 제공하는 한편 사업자에게는 가입자 별로 일반 케이블 방송사가 징수하는 월정액 이상의 매출을 올릴 수 있는 수익 모델이 되고 있다. 따라서 IPTV 서비스 사업자의 입장에서는 시청자에게 다양한 컨텐츠를 다양한 방식으로 마케팅하여 구매를 독려하는 것이 지대한 관심사가 되고 있다.In recent years, as the use of the Internet has become commonplace, the era of home networks has arrived. As a specific example of realizing such a home network, an Internet Protocol Television (IPTV) service is provided. The IPTV service is an interactive TV service provided using the Internet, and is connected to a content providing server operated by a content providing service provider using a set-top box connected to the Internet, such as video on demand (VOD) content. It is a service that allows you to download and watch content in a download or streaming manner. Unlike general cable broadcasting, IPTV service provides a variety of attractions and convenience to viewers in that it allows viewers to select and watch the programs they want to watch at a convenient time. It is becoming a revenue model that can increase sales. Therefore, from the perspective of IPTV service providers, marketing various contents to viewers in various ways to encourage purchase is of great interest.

개시된 기술의 과제는 고객 개개인의 주관적인 취향이 아닌 객관적인 척도에 의한 컨텐츠 인기도에 기반하여 최신의 인기 VOD 컨텐츠를 효율적으로 추천할 수 있도록 한, VOD 컨텐츠 추천 방법 및 장치를 제공하는 것이다.An object of the disclosed technology is to provide a method and apparatus for recommending VOD contents, which enables efficient recommendation of the latest popular VOD contents based on the popularity of contents based on an objective measure rather than the subjective taste of individual customers.

개시된 기술이 해결하고자 하는 과제들은 이상에서 언급한 과제들에 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the disclosed technology are not limited to the problems mentioned above, and other problems not mentioned will be clearly understood by those skilled in the art from the following description.

일 측면에서, VOD(Video On Demand) 컨텐츠 추천 방법이 제공된다. 본 방법은, 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 단계, 상기 특정 컨텐츠의 출시일 순위에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 단계, 상기 특정 컨텐츠의 매출액 순위에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 단계, 상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일에 기초하여 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 단계, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수를 기초로 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계, 및 상기 특정 컨텐츠에 대한 합산 점수가 임계값 이상인 경우 상기 특정 컨텐츠를 고객에게 추천하는 것으로 결정하는 단계를 포함할 수 있다.In one aspect, a video on demand (VOD) content recommendation method is provided. The method includes the steps of calculating a first score for the specific content according to whether the specific content is a price-promoted content, calculating a second score for the specific content according to a release date ranking of the specific content , calculating a third score for the specific content according to the sales ranking of the specific content, calculating a fourth score for the specific content based on a service release date of the specific content and a theater opening date of the specific content , calculating a sum score for the specific content based on a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content , and determining that the specific content is recommended to a customer when the sum of the scores for the specific content is equal to or greater than a threshold value.

일 실시예에서, 상기 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 단계는, 아래의 식In an embodiment, the step of calculating the first score for the specific content according to whether the specific content is a price-promoted content includes the following formula

Figure 112020096332100-pat00001
Figure 112020096332100-pat00001

에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, P는 컨텐츠 d의 가격을 나타내고, Promotionprice는 프로모션 가격을 나타내고, n은 1보다 작은 상수를 나타낸다.calculating the first score for the specific content according to the price represents the promotional price, and n represents a constant less than 1.

일 실시예에서, 상기 특정 컨텐츠의 출시일 순위에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 단계는, 아래의 식

Figure 112020096332100-pat00002
에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, LDR(d)는 컨텐츠 d의 출시일 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타낸다.In an embodiment, calculating the second score for the specific content according to the release date ranking of the specific content includes the following formula
Figure 112020096332100-pat00002
calculating a second score for the specific content according to , DR ( .) represents a dense ranking function.

일 실시예에서, 상기 특정 컨텐츠의 매출액 순위에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 단계는, 아래의 식

Figure 112020096332100-pat00003
에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, MBR(d)는 컨텐츠 d의 매출액 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타낸다.In an embodiment, calculating the third score for the specific content according to the sales ranking of the specific content includes the following formula
Figure 112020096332100-pat00003
calculating a third score for the specific content according to , DR ( .) represents a dense ranking function.

일 실시예에서, 상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일에 기초하여 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 단계는, 아래의 식In an embodiment, the calculating of the fourth score for the specific content based on the service release date of the specific content and the theater opening date of the specific content includes the following equation

Figure 112020096332100-pat00004
Figure 112020096332100-pat00004

에 따라 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 단계를 포함하고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, ReleaseDateservice는 컨텐츠 d의 서비스 출시일을 나타내고, ReleaseDate는 컨텐츠 d의 상영관 개봉일을 나타내고, Km은 임계값을 나타내는 양의 상수이다.calculating a fourth score for the specific content according to , and K m is a positive constant representing a threshold value.

일 실시예에서, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수를 기초로 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계는, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계를 포함한다.In an embodiment, the summed score for the specific content based on a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content The calculating may include a weighted sum of a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content. and calculating a sum score for the specific content.

일 실시예에서, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계는, 아래의 식In one embodiment, the first score for the specific content, the second score for the specific content, the third score for the specific content, and the fourth score for the specific content The step of calculating the summed score for specific content is performed by the following formula

Figure 112020096332100-pat00005
Figure 112020096332100-pat00005

에 따라 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, SCORE는 상기 특정 컨텐츠에 대한 합산 점수를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, MPP는 상기 제1 점수에 대한 가중치를 나타내고, MLDR은 상기 제2 점수에 대한 가중치를 나타내고, MMBR은 상기 제3 점수에 대한 가중치를 나타내고, MRDI는 상기 제4 점수에 대한 가중치를 나타낸다.calculating the sum score for the specific content according to , LDR SCORE represents the second score for the content d, MBR SCORE represents the third score for the content d, RDI SCORE represents the fourth score for the content d, M PP represents the weight for the first score , M LDR represents a weight for the second score, M MBR represents a weight for the third score, and M RDI represents a weight for the fourth score.

다른 측면에서, VOD 컨텐츠 추천을 위한 장치가 제공된다. 본 장치는, 복수의 컨텐츠에 대한 정보를 저장하는 데이터베이스부 - 상기 복수의 컨텐츠에 대한 정보는 상기 컨텐츠들의 각각의 가격에 관한 정보, 상기 해당 컨텐츠의 출시일 순위에 관한 정보, 상기 해당 컨텐츠의 매출액 순위에 관한 정보, 상기 해당 컨텐츠의 서비스 출시일에 관한 정보 및 상기 해당 컨텐츠의 상영관 개봉일에 관한 정보를 포함함 -, 및 상기 데이터베이스부에 통신 가능하게 결합된 프로세싱 엔진을 포함할 수 있다. 상기 프로세싱 엔진은, 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 동작, 상기 특정 컨텐츠의 출시일 순위에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 동작, 상기 특정 컨텐츠의 매출액 순위에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 동작, 상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일에 기초하여 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 동작, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수를 기초로 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 동작, 및 상기 특정 컨텐츠에 대한 합산 점수가 임계값 이상인 경우 상기 특정 컨텐츠를 고객에게 추천하는 것으로 결정하는 동작을 수행하도록 구성될 수 있다.In another aspect, an apparatus for recommending VOD content is provided. The device includes a database unit for storing information on a plurality of contents. The information on the plurality of contents includes information about the price of each of the contents, information about a release date ranking of the corresponding contents, and a sales ranking of the corresponding contents. information, including information on a service release date of the corresponding content, and information on a theater opening date of the corresponding content - and a processing engine communicatively coupled to the database unit. The processing engine is configured to calculate a first score for the specific content according to whether the specific content is a price-promoted content, calculating a second score for the specific content according to a release date ranking of the specific content operation, calculating a third score for the specific content according to the sales ranking of the specific content, calculating a fourth score for the specific content based on a service release date of the specific content and a theater opening date of the specific content Calculating a sum score for the specific content based on an operation, a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content and an operation of determining to recommend the specific content to a customer when the sum score for the specific content is equal to or greater than a threshold value.

일 실시예에서, 상기 프로세싱 엔진은, 아래의 식In one embodiment, the processing engine is

Figure 112020096332100-pat00006
Figure 112020096332100-pat00006

에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, P는 컨텐츠 d의 가격을 나타내고, Promotionprice는 프로모션 가격을 나타내고, n은 1보다 작은 상수를 나타낸다.is further configured to perform an operation of calculating the first score for the specific content according to , promotion price represents the promotion price, and n represents a constant less than 1.

일 실시예에서, 상기 프로세싱 엔진은, 아래의 식

Figure 112020096332100-pat00007
에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, LDR(d)는 컨텐츠 d의 출시일 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타낸다.In one embodiment, the processing engine is
Figure 112020096332100-pat00007
is further configured to perform an operation of calculating a second score for the specific content according to Represents a rank, and DR ( .) represents a dense ranking function.

일 실시예에서, 상기 프로세싱 엔진은, 아래의 식

Figure 112020096332100-pat00008
에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, MBR(d)는 컨텐츠 d의 매출액 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타낸다.In one embodiment, the processing engine is
Figure 112020096332100-pat00008
is further configured to perform an operation of calculating a third score for the specific content according to Represents a rank, and DR ( .) represents a dense ranking function.

일 실시예에서, 상기 프로세싱 엔진은, 아래의 식In one embodiment, the processing engine is

Figure 112020096332100-pat00009
Figure 112020096332100-pat00009

에 따라 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 동작을 수행하도록 더 구성되고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, ReleaseDateservice는 컨텐츠 d의 서비스 출시일을 나타내고, ReleaseDate는 컨텐츠 d의 상영관 개봉일을 나타내고, Km은 임계값을 나타내는 양의 상수이다.is further configured to perform an operation of calculating a fourth score for the specific content in accordance Represents the theater opening date, and K m is a positive constant representing a threshold value.

일 실시예에서, 상기 프로세싱 엔진은, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 동작을 수행하도록 더 구성된다.In an embodiment, the processing engine is a weighted sum of a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content sum), and is further configured to perform an operation of calculating a sum score for the specific content.

일 실시예에서, 상기 프로세싱 엔진은, 아래의 식In one embodiment, the processing engine is

Figure 112020096332100-pat00010
Figure 112020096332100-pat00010

에 따라 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, SCORE는 상기 특정 컨텐츠에 대한 합산 점수를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, MPP는 상기 제1 점수에 대한 가중치를 나타내고, MLDR은 상기 제2 점수에 대한 가중치를 나타내고, MMBR은 상기 제3 점수에 대한 가중치를 나타내고, MRDI는 상기 제4 점수에 대한 가중치를 나타낸다.is further configured to perform an operation of calculating the summed score for the specific content according to represents a score, LDR SCORE represents a second score for content d, MBR SCORE represents a third score for content d, RDI SCORE represents a fourth score for content d, and M PP represents the first score represents a weight for , M LDR represents a weight for the second score, M MBR represents a weight for the third score, and M RDI represents a weight for the fourth score.

또 다른 측면에서, VOD 컨텐츠 추천을 위한 장치가 제공된다. 본 장치는, 복수의 컨텐츠에 대한 정보를 저장하는 데이터베이스부 - 상기 복수의 컨텐츠에 대한 정보는 상기 컨텐츠들의 각각의 가격에 관한 정보, 상기 해당 컨텐츠의 출시일 순위에 관한 정보, 상기 해당 컨텐츠의 매출액 순위에 관한 정보, 상기 해당 컨텐츠의 서비스 출시일에 관한 정보 및 상기 해당 컨텐츠의 상영관 개봉일에 관한 정보를 포함함 -, 및 상기 데이터베이스부에 통신 가능하게 결합된 프로세싱 엔진을 포함할 수 있다. 상기 프로세싱 엔진은, 상기 데이터베이스부로부터 특정 컨텐츠에 대한 정보를 검색하고, 상기 검색된 특정 컨텐츠에 대한 정보에 의해 상기 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부, 상기 특정 컨텐츠의 출시일 순위, 상기 특정 컨텐츠의 매출액 순위, 상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일을 식별하고, 상기 식별에 기초하여 상기 특정 컨텐츠를 고객에게 추천할지의 여부를 결정하도록 구성될 수 있다.In another aspect, an apparatus for recommending VOD content is provided. The device includes a database unit for storing information on a plurality of contents. The information on the plurality of contents includes information about the price of each of the contents, information about a release date ranking of the corresponding contents, and a sales ranking of the corresponding contents. information, including information on a service release date of the corresponding content, and information on a theater opening date of the corresponding content - and a processing engine communicatively coupled to the database unit. The processing engine retrieves information on specific content from the database unit, and whether the specific content is price-promoted content based on the retrieved information on the specific content, a release date ranking of the specific content, and the specific content may be configured to identify a sales ranking of , a service release date of the specific content, and a theater opening date of the specific content, and determine whether to recommend the specific content to a customer based on the identification.

또 다른 측면에서, 프로그램을 기록한 컴퓨터 판독가능 기록매체가 제공된다. 여기서 상기 프로그램은 명령어들을 포함하고, 상기 명령어들은 컴퓨터에 의해 실행될 때 상기 방법을 수행할 수 있다.In another aspect, a computer-readable recording medium recording a program is provided. Here, the program includes instructions, and the instructions can perform the method when executed by a computer.

개시된 기술의 실시예들에 따르면, 고객 개개인의 주관적인 취향이 아닌 객관적인 척도에 의한 컨텐츠 인기도에 기반하여 최신의 인기 VOD 컨텐츠를 효율적으로 추천할 수 있는 기술적 효과가 있다.According to embodiments of the disclosed technology, there is a technical effect of efficiently recommending the latest popular VOD content based on content popularity based on an objective measure rather than a subjective taste of each customer.

도 1은 VOD(Video On Demand) 컨텐츠 추천 장치의 블록도의 일 실시예를 도시한 도면이다.
도 2는 VOD 컨텐츠 추천 방법을 설명하기 위한 흐름도의 일 실시예를 도시한 도면이다.1 is a diagram illustrating an embodiment of a block diagram of a video on demand (VOD) content recommendation apparatus.
2 is a diagram illustrating an embodiment of a flowchart for explaining a method of recommending VOD content.

본 발명의 이점들과 특징들 그리고 이들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해 질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 본 실시예들은 단지 본 발명의 개시가 완전하도록 하며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려 주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.Advantages and features of the present invention and a method of achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in a variety of different forms, and these embodiments merely allow the disclosure of the present invention to be complete and those of ordinary skill in the art to which the present invention pertains. It is provided to fully inform the person of the scope of the invention, and the present invention is only defined by the scope of the claims.

본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로 본 발명을 한정하려는 의도에서 사용된 것이 아니다. 예를 들어, 단수로 표현된 구성 요소는 문맥상 명백하게 단수만을 의미하지 않는다면 복수의 구성 요소를 포함하는 개념으로 이해되어야 한다. 또한, 본 발명의 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐이고, 이러한 용어의 사용에 의해 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성이 배제되는 것은 아니다. 또한, 본 명세서에 기재된 실시예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하는 기능적 부분을 의미할 수 있다.The terms used herein are used only to describe specific embodiments and are not intended to limit the present invention. For example, a component expressed in a singular should be understood as a concept including a plurality of components unless the context clearly means only the singular. In addition, in the specification of the present invention, terms such as 'include' or 'have' are only intended to designate that the features, numbers, steps, operations, components, parts, or combinations thereof described in the specification exist, and such The use of the term does not exclude the possibility of the presence or addition of one or more other features or numbers, steps, operations, components, parts, or combinations thereof. In addition, in the embodiments described in this specification, a 'module' or 'unit' may mean a functional part that performs at least one function or operation.

덧붙여, 다르게 정의되지 않는 한 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 발명의 명세서에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in the specification of the present invention, it should be interpreted in an ideal or excessively formal meaning. doesn't happen

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 보다 상세히 설명한다. 다만, 이하의 설명에서는 본 발명의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.Hereinafter, embodiments of the present invention will be described in more detail with reference to the accompanying drawings. However, in the following description, if there is a risk of unnecessarily obscuring the gist of the present invention, detailed descriptions of well-known functions or configurations will be omitted.

도 1은 VOD(Video On Demand) 컨텐츠 추천 장치의 블록도의 일 실시예를 도시한 도면이다.1 is a diagram illustrating an embodiment of a block diagram of a video on demand (VOD) content recommendation apparatus.

도 1의 컨텐츠 추천 장치(100)는 IPTV 서비스 사업자가 운용하는, 하나 이상의 위치에 설치되는 하나 이상의 서버 컴퓨터에서 실행되는 컴퓨터 프로그램들로서 구현되는 시스템의 일 예일 수 있다. 도 1에 도시된 바와 같이, 장치(100)는 데이터베이스부(110) 및 데이터베이스부(110)에 통신 가능하게 결합된 프로세싱 엔진(120)을 포함할 수 있다. 데이터베이스부(110)는 복수의 컨텐츠에 대한 정보를 저장할 수 있다. 데이터베이스부(110)에 포함되는 각각의 컨텐츠에 대한 정보는 해당 컨텐츠의 가격에 관한 정보, 해당 컨텐츠의 출시일 순위에 관한 정보, 해당 컨텐츠의 매출액 순위에 관한 정보, 해당 컨텐츠의 서비스 출시일에 관한 정보 및 해당 컨텐츠의 상영관 개봉일에 관한 정보를 포함할 수 있다. 데이터베이스부(110)에 저장된 컨텐츠의 가격 정보에 의해 식별되는 컨텐츠의 가격은 원래의 가격이거나 원래의 가격 보다 싼 프로모션 가격일 수 있다. 데이터베이스부(110)는 IPTV 서비스 사업자가 제공하는 서비스 상품들 중 적어도 하나에 가입한 복수의 고객에 대한 고객 정보를 더 저장할 수 있다.The content recommendation apparatus 100 of FIG. 1 may be an example of a system implemented as computer programs running on one or more server computers installed in one or more locations, operated by an IPTV service provider. As shown in FIG. 1 , the apparatus 100 may include a database unit 110 and a processing engine 120 communicatively coupled to the database unit 110 . The database unit 110 may store information about a plurality of contents. Information on each content included in the database unit 110 includes information on the price of the corresponding content, information on the release date ranking of the corresponding content, information on the sales ranking of the corresponding content, information on the service release date of the corresponding content, and It may include information on a theater opening date of the corresponding content. The price of the content identified by the price information of the content stored in the database unit 110 may be the original price or a promotional price cheaper than the original price. The database unit 110 may further store customer information about a plurality of customers who have subscribed to at least one of service products provided by the IPTV service provider.

데이터베이스부(110)는 프로세싱 엔진(120)을 구현하기 위해 필요한 소프트웨어/펌웨어를 더 저장할 수 있다. 데이터베이스부(110)는, 플래시 메모리 타입(flash memory type), 하드 디스크 타입(hard disk type), 멀티미디어 카드(MultiMedia Card: MMC), 카드 타입의 메모리(예를 들어, SD(Secure Digital) 카드 또는 XD(eXtream Digital) 카드 등), RAM(Random Access Memory), SRAM(Static Random Access Memory), ROM(Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크 및 광 디스크 중 어느 하나의 저장 매체로 구현될 수 있으나, 당업자라면 데이터베이스부(110)의 구현 형태가 이에 한정되는 것이 아님을 알 수 있을 것이다.The database unit 110 may further store software/firmware necessary to implement the processing engine 120 . The database unit 110 is a flash memory type (flash memory type), a hard disk type (hard disk type), a multimedia card (MultiMedia Card: MMC), a card type memory (eg, SD (Secure Digital) card or XD (eXtream Digital) card, etc.), RAM (Random Access Memory), SRAM (Static Random Access Memory), ROM (Read-Only Memory), EEPROM (Electrically Erasable Programmable Read-Only Memory), PROM (Programmable Read-Only Memory) ), a magnetic memory, a magnetic disk, and an optical disk may be implemented as any one storage medium, but those skilled in the art will understand that the implementation form of the database unit 110 is not limited thereto.

개시된 실시예들에 따르면, 프로세싱 엔진(120)은 데이터베이스부(110)로부터 복수의 컨텐츠에 대한 정보를 차례로 검색하여 선정된 기준에 근거하여 각각의 컨텐츠를 고객에게 추천할지의 여부를 결정하도록 동작한다. 선정된 기준은 결정 대상의 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부, 해당 컨텐츠의 출시일 순위, 해당 컨텐츠의 매출액 순위, 해당 컨텐츠의 서비스 출시일 및 해당 컨텐츠의 상영관 개봉일에 근거하여 해당 컨텐츠의 추천 여부를 결정하는 기준일 수 있다.According to the disclosed embodiments, the processing engine 120 operates to sequentially retrieve information on a plurality of contents from the database unit 110 and determine whether to recommend each content to a customer based on a selected criterion. . The selected criteria are based on whether the content to be determined is a price-promoted content, the release date ranking of the content, the sales ranking of the content, the service release date of the content, and the theater opening date of the content. It may be a deciding criterion.

프로세싱 엔진(120)은 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 특정 컨텐츠에 대한 제1 점수를 산출하는 동작을 수행하도록 구성될 수 있다. 일 실시예에서, 프로세싱 엔진(120)은 아래의 수학식 1에 따라 특정 컨텐츠에 대한 제1 점수를 산출하는 동작을 수행하도록 구성된다.The processing engine 120 may be configured to perform an operation of calculating a first score for the specific content according to whether the specific content is price-promoted content. In one embodiment, the processing engine 120 is configured to perform an operation of calculating a first score for a specific content according to Equation 1 below.

Figure 112020096332100-pat00011
Figure 112020096332100-pat00011

여기서, d는 컨텐츠 인덱스를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, P는 컨텐츠 d의 가격을 나타내고, Promotionprice는 프로모션 가격을 나타내고, n은 1보다 작은 상수를 나타낸다.Here, d denotes a content index, PP(d) denotes the first score for content d, P denotes the price of content d, promotion price denotes a promotion price, and n denotes a constant less than 1.

위 수학식 1에 따르면 특정 컨텐츠의 가격 P가 원래의 가격 보다 낮은 프로모션 가격인 경우 특정 컨텐츠에 대한 제1 점수 PP(d)는 프로모션 가격에 프로모션 가격의 선정된 비율만큼을 더한 값으로 산출되는 반면, 특정 컨텐츠의 가격 P가 프로모션 가격이 아닌 경우 특정 컨텐츠에 대한 제1 점수 PP(d)는 원래의 가격에 해당하는 점수로 산출된다. 일 실시예에서, 특정 컨텐츠의 가격 P가 프로모션 가격인지의 여부는 해당 가격의 끝자리가 9인지의 여부에 의해 판별될 수 있다.According to Equation 1 above, when the price P of the specific content is a promotion price lower than the original price, the first score PP(d) for the specific content is calculated as a value obtained by adding a selected ratio of the promotion price to the promotion price, whereas , when the price P of the specific content is not the promotion price, the first score PP(d) for the specific content is calculated as a score corresponding to the original price. In an embodiment, whether the price P of the specific content is the promotion price may be determined by whether the last digit of the price is 9.

프로세싱 엔진(120)은 특정 컨텐츠의 출시일 순위에 따라 특정 컨텐츠에 대한 제2 점수를 산출하는 동작을 수행하도록 더 구성될 수 있다. 일 실시예에서, 프로세싱 엔진(120)은 아래의 수학식 2에 따라 특정 컨텐츠에 대한 제2 점수를 산출하는 동작을 수행하도록 구성된다.The processing engine 120 may be further configured to perform an operation of calculating a second score for the specific content according to the release date ranking of the specific content. In one embodiment, the processing engine 120 is configured to perform an operation of calculating a second score for a specific content according to Equation 2 below.

Figure 112020096332100-pat00012
Figure 112020096332100-pat00012

여기서, d는 컨텐츠 인덱스를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, LDR(d)는 컨텐츠 d의 출시일 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타낸다.Here, d represents a content index, LDR SCORE represents a second score for content d, LDR(d) represents a release date ranking of content d, and DR(.) represents a dense ranking function.

위 수학식 2에 따르면, 전체 컨텐츠들 중에서 특정 컨텐츠의 출시일 순위가 높은 경우 LDR(d)는 작은 값을 가지게 되고 이 작은 값은 덴스 랭킹 함수에 의해 높은 제2 점수로 변환된다. 반면 특정 컨텐츠의 출시일 순위가 낮은 경우 LDR(d)는 큰 값을 가지게 되고 이 큰 값은 덴스 랭킹 함수에 의해 낮은 제2 점수로 변환된다. 따라서 컨텐츠는 그 출시일이 빠를수록 그에 대한 제2 점수가 크게 된다.According to Equation 2 above, when the release date of a specific content is ranked high among all the contents, LDR(d) has a small value, and this small value is converted into a high second score by the density ranking function. On the other hand, when the release date ranking of a specific content is low, LDR(d) has a large value, and this large value is converted into a low second score by the density ranking function. Accordingly, the earlier the release date of the content, the greater the second score for it.

프로세싱 엔진(120)은 특정 컨텐츠의 매출액 순위에 따라 특정 컨텐츠에 대한 제3 점수를 산출하는 동작을 수행하도록 더 구성될 수 있다. 일 실시예에서, 프로세싱 엔진(120)은 아래의 수학식 3에 따라 특정 컨텐츠에 대한 제3 점수를 산출하는 동작을 수행하도록 구성된다.The processing engine 120 may be further configured to perform an operation of calculating a third score for the specific content according to the sales ranking of the specific content. In one embodiment, the processing engine 120 is configured to perform an operation of calculating a third score for a specific content according to Equation 3 below.

Figure 112020096332100-pat00013
Figure 112020096332100-pat00013

여기서, d는 컨텐츠 인덱스를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, MBR(d)는 컨텐츠 d의 매출액 순위를 나타내고, DR( .)는 덴스 랭킹 함수를 나타낸다.Here, d represents the content index, MBR SCORE represents the third score for the content d, MBR(d) represents the sales rank of the content d, and DR( .) represents the dense ranking function.

위 수학식 3에 따르면, 전체 컨텐츠들 중에서 특정 컨텐츠의 매출액 순위가 높은 경우 MBR(d)는 작은 값을 가지게 되고 이 작은 값은 덴스 랭킹 함수에 의해 높은 제3 점수로 변환된다. 반면 특정 컨텐츠의 매출액 순위가 낮은 경우 MBR(d)는 큰 값을 가지게 되고 이 큰 값은 덴스 랭킹 함수에 의해 낮은 제3 점수로 변환된다. 따라서 컨텐츠는 그 매출액이 클수록 그에 대한 제3 점수가 크게 된다.According to Equation 3 above, when the sales rank of a specific content is high among all contents, MBR(d) has a small value, and this small value is converted into a high third score by the density ranking function. On the other hand, when the sales ranking of specific content is low, MBR(d) has a large value, and this large value is converted into a low third score by the density ranking function. Accordingly, the third score for the content increases as the sales volume increases.

프로세싱 엔진(120)은 특정 컨텐츠의 서비스 출시일 및 특정 컨텐츠의 상영관 개봉일에 기초하여 특정 컨텐츠에 대한 제4 점수를 산출하는 동작을 수행하도록 더 구성될 수 있다. 일 실시예에서, 프로세싱 엔진(120)은 아래의 수학식 4에 따라 특정 컨텐츠에 대한 제4 점수를 산출하는 동작을 수행하도록 구성된다.The processing engine 120 may be further configured to perform an operation of calculating a fourth score for the specific content based on a service release date of the specific content and a theater opening date of the specific content. In one embodiment, the processing engine 120 is configured to perform an operation of calculating a fourth score for a specific content according to Equation 4 below.

Figure 112020096332100-pat00014
Figure 112020096332100-pat00014

여기서, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, ReleaseDateservice는 컨텐츠 d의 서비스 출시일을 나타내고, ReleaseDate는 컨텐츠 d의 상영관 개봉일을 나타내고, Km은 임계값을 나타내는 양의 상수이다.Here, RDI SCORE represents the fourth score for the content d, ReleaseDate service represents the service release date of the content d, ReleaseDate represents the theater opening date of the content d, and K m is a positive constant representing a threshold value.

위 수학식 4에 따르면, 특정 컨텐츠의 서비스 출시일과 그 상영관 개봉일이 크게 차이가 나지 않는 경우, 즉 특정 컨텐츠가 상영관에서 개봉된 후 얼마 안되어 서비스 출시가 이루어지는 경우 특정 컨텐츠에 대한 제4 점수는 1이 될 가능성이 많다. 반면 특정 컨텐츠가 상영관에서 개봉된 후 한참 지나 서비스 출시가 이루어지는 경우 특정 컨텐츠에 대한 제4 점수는 0이 될 가능성이 많고, 이는 해당 컨텐츠의 추천에 있어 부정적인 요소로 작용하게 된다.According to Equation 4 above, when the service release date of a specific content and the opening date of the theater do not differ significantly, that is, when the service is released shortly after the specific content is opened in the theater, the fourth score for the specific content is 1. it is very likely to be On the other hand, when a service is released long after a specific content is opened in a theater, the fourth score for the specific content is likely to be 0, which acts as a negative factor in recommending the specific content.

프로세싱 엔진(120)은 특정 컨텐츠에 대한 제1 점수, 특정 컨텐츠에 대한 제2 점수, 특정 컨텐츠에 대한 제3 점수 및 특정 컨텐츠에 대한 제4 점수를 기초로 특정 컨텐츠에 대한 합산 점수를 산출하는 동작을 수행하도록 더 구성될 수 있다. 일 실시예에서, 프로세싱 엔진(120)은 특정 컨텐츠에 대한 제1 점수, 특정 컨텐츠에 대한 제2 점수, 특정 컨텐츠에 대한 제3 점수 및 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 특정 컨텐츠에 대한 합산 점수를 산출하도록 구성된다. 일 실시예에서, 프로세싱 엔진(120)은 아래의 수학식 5에 따라 특정 컨텐츠에 대한 합산 점수를 산출하도록 구성된다.The processing engine 120 calculates a sum score for the specific content based on the first score for the specific content, the second score for the specific content, the third score for the specific content, and the fourth score for the specific content It may be further configured to perform In one embodiment, the processing engine 120 calculates a weighted sum of a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content. is configured to calculate a summation score for specific content by In one embodiment, the processing engine 120 is configured to calculate the summed score for the specific content according to Equation 5 below.

Figure 112020096332100-pat00015
Figure 112020096332100-pat00015

여기서, d는 컨텐츠 인덱스를 나타내고, SCORE는 특정 컨텐츠에 대한 합산 점수를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, MPP는 제1 점수에 대한 가중치를 나타내고, MLDR은 제2 점수에 대한 가중치를 나타내고, MMBR은 제3 점수에 대한 가중치를 나타내고, MRDI는 제4 점수에 대한 가중치를 나타낸다.Here, d represents the content index, SCORE represents the summed score for specific content, PP(d) represents the first score for content d, LDR SCORE represents the second score for content d, and MBR SCORE denotes the third score for the content d, RDI SCORE denotes the fourth score for the content d, M PP denotes the weight for the first score, M LDR denotes the weight for the second score, M MBR denotes a weight for the third score, and M RDI denotes a weight for the fourth score.

위 수학식 5에 따르면, 특정 컨텐츠에 대한 합산 점수 SCORE는 특정 컨텐츠에 대한 제1 점수, 제2 점수, 제3 점수 및 제4 점수가 높을수록 높게 되나, 가중치(MPP, MLDR, MMBR, MRDI)를 어떻게 설정하는지에 따라 달라질 수 있게 된다. 예를 들어, 출시일 순위가 높은 컨텐츠인 경우 가중치(MLDR)가 높게 설정될수록 합산 점수 SCORE가 높게 산출될 가능성이 많다. 다른 예로서, 매출액 순위가 높은 컨텐츠인 경우 가중치(MMBR)가 높게 설정될수록 합산 점수 SCORE가 높게 산출될 가능성이 많다.According to Equation 5 above, the sum score SCORE for specific content is higher as the first score, second score, third score, and fourth score for specific content are higher, but the weights (M PP , M LDR , M MBR , M RDI ) can be changed depending on how it is set. For example, in the case of content having a high release date ranking, the higher the weight (M LDR ) is set, the higher the probability that the sum score SCORE will be calculated. As another example, in the case of content with a high sales ranking, the higher the weight (M MBR ) is set, the higher the probability that the sum score SCORE will be calculated.

프로세싱 엔진(120)은 특정 컨텐츠에 대한 합산 점수가 임계값 이상인 경우 특정 컨텐츠를 고객들에게 추천하는 것으로 결정하는 동작을 수행하도록 더 구성될 수 있다. 이와 같이 특정 컨텐츠를 고객에게 추천할지의 여부가 결정되면, 프로세싱 엔진(120)은 데이터베이스부(110)로부터 다른 컨텐츠에 대한 정보를 검색하여 이 다른 컨텐츠를 고객에게 추천할지의 여부를 결정하는 동작을 수행한다. 이런 식으로 모든 컨텐츠들을 대상으로 하여 고객에게의 추천 여부를 결정하는 동작을 수행한다.The processing engine 120 may be further configured to perform an operation of determining that the specific content is recommended to customers when the sum score for the specific content is equal to or greater than a threshold value. When it is determined whether or not to recommend specific content to the customer as described above, the processing engine 120 searches the database unit 110 for information on other content and determines whether to recommend the other content to the customer. carry out In this way, an operation of determining whether to recommend to a customer is performed by targeting all contents.

프로세싱 엔진(120)은, 응용 주문형 집적 회로(Application Specific Integrated Circuits: ASICs), 디지털 신호 처리기(Digital Signal Processors: DSPs), 디지털 신호 처리 소자(Digital Signal Processing Devices: DSPDs), 프로그램 가능 논리 소자(Programmable Logic Devices: PLDs), 현장 프로그램 가능 게이트 어레이(Field-Programmable Gate Arrays: FPGAs), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers) 및 마이크로 프로세서(microprocessors) 중 적어도 하나에 기반한 하드웨어 플랫폼(hardware platform)으로서 구현될 수 있다. 프로세싱 엔진(120)은 또한 전술한 하드웨어 플랫폼 상에서 실행 가능한 펌웨어(firmware)/소프트웨어 모듈로 구현될 수 있다. 이 경우, 소프트웨어 모듈은 적절한 프로그램(program) 언어로 쓰여진 소프트웨어 애플리케이션(application)에 의해 구현될 수 있다.The processing engine 120 includes Application Specific Integrated Circuits (ASICs), Digital Signal Processors (DSPs), Digital Signal Processing Devices (DSPDs), and programmable logic devices (Programmable Logic Devices). Hardware based on at least one of Logic Devices (PLDs), Field-Programmable Gate Arrays (FPGAs), processors, controllers, micro-controllers, and microprocessors. It may be implemented as a hardware platform. The processing engine 120 may also be implemented as a firmware/software module executable on the hardware platform described above. In this case, the software module may be implemented by a software application written in an appropriate program language.

도 2는 VOD 컨텐츠 추천 방법을 설명하기 위한 흐름도의 일 실시예를 도시한 도면이다.2 is a diagram illustrating an embodiment of a flowchart for explaining a method of recommending VOD content.

본 방법은 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 특정 컨텐츠에 대한 제1 점수를 산출하는 단계(S205)로부터 시작된다. 일 실시예에서, 특정 컨텐츠에 대한 제1 점수는 위 수학식 1에 따라 산출된다. 단계(S210)에서는 특정 컨텐츠의 출시일 순위에 따라 특정 컨텐츠에 대한 제2 점수를 산출한다. 일 실시예에서, 특정 컨텐츠에 대한 제2 점수는 위 수학식 2에 따라 산출된다. 출시일이 빠른 컨텐츠일수록 그 제2 점수가 높게 된다. 단계(S215)에서는 특정 컨텐츠의 매출액 순위에 따라 특정 컨텐츠에 대한 제3 점수를 산출한다. 일 실시예에서, 특정 컨텐츠에 대한 제3 점수는 위 수학식 3에 따라 산출된다. 매출액이 큰 컨텐츠일수록 그 제3 점수가 높게 된다. 단계(S220)에서는 특정 컨텐츠의 서비스 출시일 및 특정 컨텐츠의 상영관 개봉일에 기초하여 특정 컨텐츠에 대한 제4 점수를 산출한다. 일 실시예에서, 특정 컨텐츠에 대한 제4 점수는 위 수학식 4에 따라 산출된다. 특정 컨텐츠가 상영관에서 개봉된 후 얼마 안되어 서비스 출시가 이루어지는 경우 특정 컨텐츠에 대한 제4 점수는 1이 될 가능성이 많고, 특정 컨텐츠가 상영관에서 개봉된 후 한참 지나 서비스 출시가 이루어지는 경우 특정 컨텐츠에 대한 제4 점수는 0이 될 가능성이 많다. 단계(S225)에서는 특정 컨텐츠에 대한 제1 점수, 특정 컨텐츠에 대한 제2 점수, 특정 컨텐츠에 대한 제3 점수 및 특정 컨텐츠에 대한 제4 점수를 기초로 특정 컨텐츠에 대한 합산 점수를 산출한다. 일 실시예에서, 특정 컨텐츠에 대한 제1 점수, 특정 컨텐츠에 대한 제2 점수, 특정 컨텐츠에 대한 제3 점수 및 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 특정 컨텐츠에 대한 합산 점수가 산출된다. 일 실시예에서, 특정 컨텐츠에 대한 합산 점수는 위 수학식 5에 따라 산출된다. 특정 컨텐츠에 대한 합산 점수는 특정 컨텐츠에 대한 제1 점수, 제2 점수, 제3 점수 및 제4 점수가 높을수록 높게 되나, 가중치(MPP, MLDR, MMBR, MRDI)를 어떻게 설정하는지에 따라 달라질 수 있다. 단계(S230)에서는 특정 컨텐츠에 대한 합산 점수가 임계값 이상인 경우 특정 컨텐츠를 고객들에게 추천하는 것으로 결정한다.The method starts with the step S205 of calculating a first score for the specific content according to whether the specific content is price-promoted content. In an embodiment, the first score for the specific content is calculated according to Equation 1 above. In step S210, a second score for the specific content is calculated according to the release date ranking of the specific content. In an embodiment, the second score for the specific content is calculated according to Equation 2 above. The faster the release date, the higher the second score. In step S215, a third score for the specific content is calculated according to the sales ranking of the specific content. In an embodiment, the third score for the specific content is calculated according to Equation 3 above. The higher the content, the higher the third score. In step S220, a fourth score for the specific content is calculated based on the service release date of the specific content and the theater opening date of the specific content. In an embodiment, the fourth score for the specific content is calculated according to Equation 4 above. When a service is released shortly after a specific content is opened in a theater, the fourth score for a specific content is likely to be 1. A score of 4 is likely to be zero. In step S225, a sum score for the specific content is calculated based on the first score for the specific content, the second score for the specific content, the third score for the specific content, and the fourth score for the specific content. In one embodiment, summing the specific content by a weighted sum of the first score for the specific content, the second score for the specific content, the third score for the specific content, and the fourth score for the specific content score is calculated. In an embodiment, the sum score for specific content is calculated according to Equation 5 above. The sum score for a specific content increases as the first score, the second score, the third score, and the fourth score for the specific content are higher, but how to set the weights (M PP , M LDR , M MBR , M RDI ) may vary depending on In step S230, when the sum of the scores for the specific content is equal to or greater than the threshold, it is determined that the specific content is recommended to customers.

이상의 설명에 있어서 어떤 구성 요소가 다른 구성 요소에 접속되거나 결합된다는 기재의 의미는 당해 구성 요소가 그 다른 구성 요소에 직접적으로 접속되거나 결합된다는 의미뿐만 아니라 이들이 그 사이에 개재된 하나 또는 그 이상의 타 구성 요소를 통해 접속되거나 결합될 수 있다는 의미를 포함하는 것으로 이해되어야 한다. 이외에도 구성 요소들 간의 관계를 기술하기 위한 용어들(예컨대, '간에', '사이에' 등)도 유사한 의미로 해석되어야 한다.In the above description, the meaning of the description that a component is connected to or coupled to another component does not only mean that the component is directly connected or coupled to the other component, but also means that one or more other components are interposed therebetween. It should be understood to include the meaning that may be connected or coupled via an element. In addition, terms for describing the relationship between the elements (eg, 'between', 'between', etc.) should also be interpreted with similar meanings.

본원에 개시된 실시예들에 있어서, 도시된 구성 요소들의 배치는 발명이 구현되는 환경 또는 요구 사항에 따라 달라질 수 있다. 예컨대, 일부 구성 요소가 생략되거나 몇몇 구성 요소들이 통합되어 하나로 실시될 수 있다. 또한 일부 구성 요소들의 배치 순서 및 연결이 변경될 수 있다.In the embodiments disclosed herein, the arrangement of the illustrated components may vary depending on the environment or requirements in which the invention is implemented. For example, some components may be omitted or some components may be integrated and implemented as one. Also, the arrangement order and connection of some components may be changed.

이상에서는 개시된 기술의 다양한 실시예들에 대하여 도시하고 설명하였지만, 개시된 기술은 상술한 특정의 실시예들에 한정되지 아니하며, 상술한 실시예들은 첨부하는 특허청구범위에서 청구하는 개시된 기술의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양하게 변형 실시될 수 있음은 물론이고, 이러한 변형 실시예들이 개시된 기술의 기술적 사상이나 범위와 별개로 이해되어져서는 아니 될 것이다. 따라서, 개시된 기술의 기술적 범위는 오직 첨부된 특허청구범위에 의해서만 정해져야 할 것이다.In the above, various embodiments of the disclosed technology have been illustrated and described, but the disclosed technology is not limited to the specific embodiments described above, and the above-described embodiments depart from the gist of the disclosed technology as claimed in the appended claims. Without this, various modifications may be made by those of ordinary skill in the art to which the present invention pertains, and these modified embodiments should not be understood separately from the technical spirit or scope of the disclosed technology. Accordingly, the technical scope of the disclosed technology should be defined only by the appended claims.

100: VOD 컨텐츠 추천 장치
110: 데이터베이스부
120: 프로세싱 엔진100: VOD content recommendation device
110: database unit
120: processing engine

Claims (16)

VOD(Video On Demand) 컨텐츠 추천 방법으로서,
특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 단계,
상기 특정 컨텐츠의 출시일 순위에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 단계,
상기 특정 컨텐츠의 매출액 순위에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 단계,
상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일에 기초하여 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 단계,
상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수를 기초로 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계, 및
상기 특정 컨텐츠에 대한 합산 점수가 임계값 이상인 경우 상기 특정 컨텐츠를 고객에게 추천하는 것으로 결정하는 단계를 포함하는 컨텐츠 추천 방법.
A video on demand (VOD) content recommendation method, comprising:
Calculating a first score for the specific content according to whether the specific content is price-promoted content;
calculating a second score for the specific content according to the release date ranking of the specific content;
calculating a third score for the specific content according to the sales ranking of the specific content;
calculating a fourth score for the specific content based on a service release date of the specific content and a theater opening date of the specific content;
calculating a sum score for the specific content based on a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content; and
and determining that the specific content is recommended to a customer when the sum of the scores for the specific content is equal to or greater than a threshold value.
 제1항에 있어서,
상기 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 단계는, 아래의 식
Figure 112020096332100-pat00016

에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, P는 컨텐츠 d의 가격을 나타내고, Promotionprice는 프로모션 가격을 나타내고, n은 1보다 작은 상수를 나타내는, 컨텐츠 추천 방법.
According to claim 1,
The step of calculating the first score for the specific content according to whether the specific content is the content that has been price-promoted includes the following formula
Figure 112020096332100-pat00016

calculating the first score for the specific content according to the A content recommendation method, where price represents a promotional price, and n represents a constant less than 1.
 제1항에 있어서,
상기 특정 컨텐츠의 출시일 순위에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 단계는, 아래의 식
Figure 112020096332100-pat00017

에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, LDR(d)는 컨텐츠 d의 출시일 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타내는, 컨텐츠 추천 방법.
According to claim 1,
Calculating the second score for the specific content according to the release date ranking of the specific content includes the following formula
Figure 112020096332100-pat00017

calculating a second score for the specific content according to , DR ( .) represents a dense ranking function, a content recommendation method.
 제1항에 있어서,
상기 특정 컨텐츠의 매출액 순위에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 단계는, 아래의 식
Figure 112020096332100-pat00018

에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, MBR(d)는 컨텐츠 d의 매출액 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타내는, 컨텐츠 추천 방법.
According to claim 1,
Calculating the third score for the specific content according to the sales ranking of the specific content includes the following formula
Figure 112020096332100-pat00018

calculating a third score for the specific content according to , DR ( .) represents a dense ranking function, a content recommendation method.
 제1항에 있어서,
상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일에 기초하여 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 단계는, 아래의 식
Figure 112020096332100-pat00019

에 따라 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 단계를 포함하고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, ReleaseDateservice는 컨텐츠 d의 서비스 출시일을 나타내고, ReleaseDate는 컨텐츠 d의 상영관 개봉일을 나타내고, Km은 임계값을 나타내는 양의 상수인, 컨텐츠 추천 방법.
According to claim 1,
Calculating the fourth score for the specific content based on the service release date of the specific content and the theater opening date of the specific content includes the following equation
Figure 112020096332100-pat00019

calculating a fourth score for the specific content according to , and K m is a positive constant representing a threshold value.
 제1항에 있어서,
상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수를 기초로 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계는, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계를 포함하는, 컨텐츠 추천 방법.
According to claim 1,
Calculating the summed score for the specific content based on the first score for the specific content, the second score for the specific content, the third score for the specific content, and the fourth score for the specific content, , for the specific content by a weighted sum of the first score for the specific content, the second score for the specific content, the third score for the specific content, and the fourth score for the specific content A content recommendation method comprising the step of calculating a summed score.
 제6항에 있어서,
상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계는, 아래의 식
Figure 112020096332100-pat00020

에 따라 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 단계를 포함하고, d는 컨텐츠 인덱스를 나타내고, SCORE는 상기 특정 컨텐츠에 대한 합산 점수를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, MPP는 상기 제1 점수에 대한 가중치를 나타내고, MLDR은 상기 제2 점수에 대한 가중치를 나타내고, MMBR은 상기 제3 점수에 대한 가중치를 나타내고, MRDI는 상기 제4 점수에 대한 가중치를 나타내는, 컨텐츠 추천 방법.
7. The method of claim 6,
The summation of the specific content by a weighted sum of the first score for the specific content, the second score for the specific content, the third score for the specific content, and the fourth score for the specific content The steps to calculate the score are as follows
Figure 112020096332100-pat00020

calculating the sum score for the specific content according to , LDR SCORE represents the second score for the content d, MBR SCORE represents the third score for the content d, RDI SCORE represents the fourth score for the content d, M PP represents the weight for the first score , M LDR represents a weight for the second score, M MBR represents a weight for the third score, and M RDI represents a weight for the fourth score.
 VOD 컨텐츠 추천을 위한 장치로서,
복수의 컨텐츠에 대한 정보를 저장하는 데이터베이스부 - 상기 복수의 컨텐츠에 대한 정보는 상기 컨텐츠들의 각각의 가격에 관한 정보, 해당 컨텐츠의 출시일 순위에 관한 정보, 상기 해당 컨텐츠의 매출액 순위에 관한 정보, 상기 해당 컨텐츠의 서비스 출시일에 관한 정보 및 상기 해당 컨텐츠의 상영관 개봉일에 관한 정보를 포함함 -, 및
상기 데이터베이스부에 통신 가능하게 결합된 프로세싱 엔진을 포함하고,
상기 프로세싱 엔진은,
특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 동작,
상기 특정 컨텐츠의 출시일 순위에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 동작,
상기 특정 컨텐츠의 매출액 순위에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 동작,
상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일에 기초하여 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 동작,
상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수를 기초로 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 동작, 및
상기 특정 컨텐츠에 대한 합산 점수가 임계값 이상인 경우 상기 특정 컨텐츠를 고객에게 추천하는 것으로 결정하는 동작을 수행하도록 구성되는, 컨텐츠 추천 장치.
A device for VOD content recommendation, comprising:
Database unit for storing information on a plurality of contents - The information on the plurality of contents includes information about the price of each of the contents, information about the release date ranking of the corresponding contents, information about the sales ranking of the corresponding contents, and the information on the service release date of the corresponding content and information on the theater opening date of the corresponding content; and
a processing engine communicatively coupled to the database unit;
The processing engine is
an operation of calculating a first score for the specific content according to whether the specific content is the content with a price promotion;
calculating a second score for the specific content according to the release date ranking of the specific content;
calculating a third score for the specific content according to the sales ranking of the specific content;
calculating a fourth score for the specific content based on a service release date of the specific content and a theater opening date of the specific content;
calculating a sum score for the specific content based on a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content; and
The content recommendation apparatus, configured to perform an operation of determining to recommend the specific content to a customer when the sum score for the specific content is equal to or greater than a threshold value.
 제8항에 있어서,
상기 프로세싱 엔진은, 아래의 식
Figure 112020096332100-pat00021

에 따라 상기 특정 컨텐츠에 대한 제1 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, P는 컨텐츠 d의 가격을 나타내고, Promotionprice는 프로모션 가격을 나타내고, n은 1보다 작은 상수를 나타내는, 컨텐츠 추천 장치.
9. The method of claim 8,
The processing engine is
Figure 112020096332100-pat00021

is further configured to perform an operation of calculating the first score for the specific content according to represents, promotion price represents a promotion price, and n represents a constant less than 1, a content recommendation device.
 제8항에 있어서,
상기 프로세싱 엔진은, 아래의 식
Figure 112020096332100-pat00022

에 따라 상기 특정 컨텐츠에 대한 제2 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, LDR(d)는 컨텐츠 d의 출시일 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타내는, 컨텐츠 추천 장치.
9. The method of claim 8,
The processing engine is
Figure 112020096332100-pat00022

is further configured to perform an operation of calculating a second score for the specific content according to Representing a ranking, DR ( .) represents a dense ranking (Dense Ranking) function, content recommendation device.
 제8항에 있어서,
상기 프로세싱 엔진은, 아래의 식
Figure 112020096332100-pat00023

에 따라 상기 특정 컨텐츠에 대한 제3 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, MBR(d)는 컨텐츠 d의 매출액 순위를 나타내고, DR( .)는 덴스 랭킹(Dense Ranking) 함수를 나타내는, 컨텐츠 추천 장치.
9. The method of claim 8,
The processing engine is
Figure 112020096332100-pat00023

is further configured to perform an operation of calculating a third score for the specific content according to Representing a ranking, DR ( .) represents a dense ranking (Dense Ranking) function, content recommendation device.
 제8항에 있어서,
상기 프로세싱 엔진은, 아래의 식
Figure 112020096332100-pat00024

에 따라 상기 특정 컨텐츠에 대한 제4 점수를 산출하는 동작을 수행하도록 더 구성되고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, ReleaseDateservice는 컨텐츠 d의 서비스 출시일을 나타내고, ReleaseDate는 컨텐츠 d의 상영관 개봉일을 나타내고, Km은 임계값을 나타내는 양의 상수인, 컨텐츠 추천 장치.
9. The method of claim 8,
The processing engine is
Figure 112020096332100-pat00024

is further configured to perform an operation of calculating a fourth score for the specific content in accordance A content recommendation apparatus, wherein a theater opening date is indicated, and K m is a positive constant indicating a threshold value.
 제8항에 있어서,
상기 프로세싱 엔진은, 상기 특정 컨텐츠에 대한 제1 점수, 상기 특정 컨텐츠에 대한 제2 점수, 상기 특정 컨텐츠에 대한 제3 점수 및 상기 특정 컨텐츠에 대한 제4 점수의 가중합(weighted sum)에 의해 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 동작을 수행하도록 더 구성되는, 컨텐츠 추천 장치.
9. The method of claim 8,
The processing engine is configured to calculate the processing engine by a weighted sum of a first score for the specific content, a second score for the specific content, a third score for the specific content, and a fourth score for the specific content. The content recommendation apparatus, further configured to perform an operation of calculating a summation score for specific content.
 제13항에 있어서,
상기 프로세싱 엔진은, 아래의 식
Figure 112020096332100-pat00025

에 따라 상기 특정 컨텐츠에 대한 합산 점수를 산출하는 동작을 수행하도록 더 구성되고, d는 컨텐츠 인덱스를 나타내고, SCORE는 상기 특정 컨텐츠에 대한 합산 점수를 나타내고, PP(d)는 컨텐츠 d에 대한 제1 점수를 나타내고, LDRSCORE는 컨텐츠 d에 대한 제2 점수를 나타내고, MBRSCORE는 컨텐츠 d에 대한 제3 점수를 나타내고, RDISCORE는 컨텐츠 d에 대한 제4 점수를 나타내고, MPP는 상기 제1 점수에 대한 가중치를 나타내고, MLDR은 상기 제2 점수에 대한 가중치를 나타내고, MMBR은 상기 제3 점수에 대한 가중치를 나타내고, MRDI는 상기 제4 점수에 대한 가중치를 나타내는, 컨텐츠 추천 장치.
14. The method of claim 13,
The processing engine is
Figure 112020096332100-pat00025

is further configured to perform an operation of calculating the summed score for the specific content according to represents a score, LDR SCORE represents a second score for content d, MBR SCORE represents a third score for content d, RDI SCORE represents a fourth score for content d, and M PP represents the first score represents a weight for , M LDR represents a weight for the second score, M MBR represents a weight for the third score, and M RDI represents a weight for the fourth score.
 VOD 컨텐츠 추천을 위한 장치로서,
복수의 컨텐츠에 대한 정보를 저장하는 데이터베이스부 - 상기 복수의 컨텐츠에 대한 정보는 상기 컨텐츠들의 각각의 가격에 관한 정보, 해당 컨텐츠의 출시일 순위에 관한 정보, 상기 해당 컨텐츠의 매출액 순위에 관한 정보, 상기 해당 컨텐츠의 서비스 출시일에 관한 정보 및 상기 해당 컨텐츠의 상영관 개봉일에 관한 정보를 포함함 -, 및
상기 데이터베이스부에 통신 가능하게 결합된 프로세싱 엔진을 포함하고,
상기 프로세싱 엔진은, 상기 데이터베이스부로부터 특정 컨텐츠에 대한 정보를 검색하고, 상기 검색된 특정 컨텐츠에 대한 정보에 의해 상기 특정 컨텐츠가 가격 프로모션이 된 컨텐츠인지의 여부, 상기 특정 컨텐츠의 출시일 순위, 상기 특정 컨텐츠의 매출액 순위, 상기 특정 컨텐츠의 서비스 출시일 및 상기 특정 컨텐츠의 상영관 개봉일을 식별하고, 상기 식별에 기초하여 상기 특정 컨텐츠를 고객에게 추천할지의 여부를 결정하도록 구성되는, 컨텐츠 추천 장치.
A device for VOD content recommendation, comprising:
Database unit for storing information on a plurality of contents - The information on the plurality of contents includes information about the price of each of the contents, information about the release date ranking of the corresponding contents, information about the sales ranking of the corresponding contents, and the information on the service release date of the corresponding content and information on the theater opening date of the corresponding content; and
a processing engine communicatively coupled to the database unit;
The processing engine retrieves information on the specific content from the database unit, and whether the specific content is price-promoted content based on the retrieved information on the specific content, the release date ranking of the specific content, and the specific content The content recommendation apparatus, configured to identify a sales ranking of the specific content, a service release date of the specific content, and a theater opening date of the specific content, and determine whether to recommend the specific content to a customer based on the identification.
 프로그램을 기록한 컴퓨터 판독가능 기록매체로서, 상기 프로그램은 명령어들을 포함하고, 상기 명령어들은 컴퓨터에 의해 실행될 때 제1항 내지 제7항 중 어느 한 항에 따른 방법을 수행하는, 컴퓨터 판독가능 기록매체.A computer-readable recording medium recording a program, the program including instructions, which, when executed by a computer, perform the method according to any one of claims 1 to 7.
KR1020200116429A 2020-09-10 2020-09-10 Method and Apparatus for VOD Content Recommendation KR102391640B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200116429A KR102391640B1 (en) 2020-09-10 2020-09-10 Method and Apparatus for VOD Content Recommendation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200116429A KR102391640B1 (en) 2020-09-10 2020-09-10 Method and Apparatus for VOD Content Recommendation

Publications (2)

Publication Number Publication Date
KR20220033942A KR20220033942A (en) 2022-03-17
KR102391640B1 true KR102391640B1 (en) 2022-04-27

Family

ID=80936221

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200116429A KR102391640B1 (en) 2020-09-10 2020-09-10 Method and Apparatus for VOD Content Recommendation

Country Status (1)

Country Link
KR (1) KR102391640B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019105942A (en) * 2017-12-11 2019-06-27 株式会社Ｎｔｔドコモ Device, method and program for controlling presentation order of content

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101169170B1 (en) * 2010-11-09 2012-07-30 경희대학교 산학협력단 Method for recommending content based on user preference with time flow
KR101410786B1 (en) * 2012-05-16 2014-06-25 주식회사 그래픽리포트 Contents Evaluation System
CN105993028B (en) * 2014-01-29 2020-04-24 诺基亚技术有限公司 Method, device and system for content recommendation
KR101616843B1 (en) * 2014-06-17 2016-05-02 김강호 System for registration estimation and compensation of target contents and method thereof

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019105942A (en) * 2017-12-11 2019-06-27 株式会社Ｎｔｔドコモ Device, method and program for controlling presentation order of content

Also Published As

Publication number Publication date
KR20220033942A (en) 2022-03-17

Similar Documents

Publication Publication Date Title
US11416536B2 (en) Content recommendation system
US11409792B2 (en) System and method for streaming individualized media content
US11418846B2 (en) System and method for enabling review of a digital multimedia presentation and redirection therefrom
CN111178970B (en) Advertisement putting method and device, electronic equipment and computer readable storage medium
WO2012067938A2 (en) Selecting media advertisements for presentation based on their predicted playtimes
CN108595493B (en) Media content pushing method and device, storage medium and electronic device
BRPI0620649A2 (en) enhanced advertising with video ad creations
KR101616843B1 (en) System for registration estimation and compensation of target contents and method thereof
US9542482B1 (en) Providing items of interest
US20240064348A1 (en) Image analysis system
US20240185302A1 (en) Managing metadata enrichment of digital asset portfolios
KR102380871B1 (en) Method and Apparatus for Recommendation of Similar Content Items
WO2023027754A1 (en) Systems and methods for selectively providing supplemental content during presentation of media asset
KR102391640B1 (en) Method and Apparatus for VOD Content Recommendation
KR102399834B1 (en) Method and Apparatus for VOD Content Recommendation
KR102357357B1 (en) Method and Apparatus for Content Recommendation Based on User-Based Collaborative Filtering
KR102391644B1 (en) Method and Apparatus for VOD Content Recommendation
KR102342485B1 (en) Method and Apparatus for Deep Learning Based Content Recommendation
KR102342492B1 (en) Method and Apparatus for Deep Learning Based Content Recommendation
Ferreira et al. Welfare properties of recommender systems: Theory and results from a randomized experiment
US11490172B2 (en) Method and system for the classification and categorization of video pathways in interactive videos
KR20210123803A (en) Method and Apparatus for Deep Learning Based Content Recommendation
CN113761364B (en) Multimedia data pushing method and device
US20230222548A1 (en) System and method of adapting a programmatic advertising transaction in response to content analysis
US20240048818A1 (en) Creating and populating related short-form video segments

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant