KR102411524B1 - 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치 - Google Patents

개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치 Download PDF

Info

Publication number
KR102411524B1
KR102411524B1 KR1020200169377A KR20200169377A KR102411524B1 KR 102411524 B1 KR102411524 B1 KR 102411524B1 KR 1020200169377 A KR1020200169377 A KR 1020200169377A KR 20200169377 A KR20200169377 A KR 20200169377A KR 102411524 B1 KR102411524 B1 KR 102411524B1
Authority
KR
South Korea
Prior art keywords
content
recommendation
user
recommended
relevance
Prior art date
Application number
KR1020200169377A
Other languages
English (en)
Other versions
KR20220080356A (ko
Inventor
허윤
Original Assignee
(주)라이앤캐처스
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 (주)라이앤캐처스 filed Critical (주)라이앤캐처스
Priority to KR1020200169377A priority Critical patent/KR102411524B1/ko
Publication of KR20220080356A publication Critical patent/KR20220080356A/ko
Application granted granted Critical
Publication of KR102411524B1 publication Critical patent/KR102411524B1/ko

Links

Images

Classifications

    • 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
    • G06Q50/20—Education
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 개인형 맞춤 교육 콘텐츠 제공 방법은 콘텐츠 서버가 사용자의 사용자 개인 정보를 수신하는 단계, 콘텐츠 서버가 사용자의 콘텐츠 이용 기록 및 사용자 개인 정보를 기반으로 추천 콘텐츠를 결정하는 단계와 콘텐츠 서버가 사용자의 사용자 장치로 추천 콘텐츠에 대한 정보를 전송할 수 있다.

Description

개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치{Method for providing personal eduational contents and apparatus for performing the method}
본 발명은 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치에 관한 것이다. 보다 상세하게는 개인의 흥미, 소질, 적성, 학습 이력, 성취도를 위해 빅데이터 및 AI(artificial intelligence)를 활용하여 차별화, 개인화, 개별화된 교육 콘텐츠를 제공하는 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치에 관한 것이다.
정보 통신 기술의 급속한 발전으로 인해, 스마트폰, 태블릿 PC(personal computer), 넷북 등이 널리 보급되고 있다. 사용자는 시간과 공간의 제약 없이 언제든 원하는 시간이나 장소에서 인터넷, 동영상, 음악 등 다양한 콘텐츠를 이용할 수 있게 되었다. 다양한 종류의 IT(information technology) 기기가 일반 가정에 보급됨에 따라 교육 콘텐츠의 제공 방식이 학교와 사설 학원, 과외, 학습지 등의 전통적인 오프라인 방식에서 인터넷을 이용한 동영상 강의, 태블릿 PC(personal computer)를 이용한 온라인 방식으로 서서히 변화하고 있는 실정이다.
현재 교육 콘텐츠의 방대함으로 인해 사용자는 자기에게 맞는 교육 콘텐츠를 효과적으로 찾기 위한 한계가 있고, 사용자에게 맞는 교육 콘텐츠를 찾느라 많은 시간이 소비되고 있다. 따라서, 학습 시스템이 자동적으로 개개인의 사용자에게 필요한 교육 콘텐츠를 알고 사용자에게 제시해준다면 사용자는 교육 콘텐츠를 찾는 시간을 단축할 수 있을 뿐만 아니라, 시스템이 제공해준 사용자에게 맞는 교육 콘텐츠를 통해 효과적인 학습이 이루어질 수 있다.
따라서, 사용자에게 필요한 교육 서비스를 효과적으로 제공하기 위해 정확한 개인형 맞춤 교육 콘텐츠의 선택이 필요하다.
선행 기술로 공개특허 공보 제10-2009-0045972호(2009.5.11), 공개특허 공보 제10-2009-0045972호(2019.4.8) 등이 있다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 콘텐츠 추천 알고리즘을 기반으로 적응적으로 사용자에게 필요한 맞춤형 교육 콘텐츠를 제공하는 것을 목적으로 한다.
또한, 본 발명은, 교육 커리큘럼이 정해진 교육 콘텐츠를 순서에 맞게 추천하고, 서로 다른 교육 과목의 교육 콘텐츠를 교육 커리큘럼에 따라 추천 가능한 콘텐츠 추천 알고리즘을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 실시예에 따르면, 개인형 맞춤 교육 콘텐츠 제공 방법은 콘텐츠 서버가 사용자의 사용자 개인 정보를 수신하는 단계, 상기 콘텐츠 서버가 상기 사용자의 콘텐츠 이용 기록 및 상기 사용자 개인 정보를 기반으로 추천 콘텐츠를 결정하는 단계와 상기 콘텐츠 서버가 상기 사용자의 사용자 장치로 상기 추천 콘텐츠에 대한 정보를 전송하는 단계를 포함할 수 있다.
한편, 상기 추천 콘텐츠는 추천 기초 콘텐츠를 기반으로 결정되고, 상기 추천 기초 콘텐츠는 상기 콘텐츠 이용 기록에 포함된 콘텐츠 중 추천 콘텐츠를 결정하기 위해 사용되는 콘텐츠일 수 있다.
또한, 상기 추천 콘텐츠는 복수의 추천 엔진을 기반으로 결정될 수 있다.
본 발명의 다른 실시예에 따르면, 개인형 맞춤 교육 콘텐츠를 제공하는 콘텐츠 서버는 사용자의 사용자 개인 정보를 수신하도록 구현된 통신부와 상기 통신부와 연결된 프로세서를 포함하되, 상기 프로세서는 상기 사용자의 콘텐츠 이용 기록 및 상기 사용자 개인 정보를 기반으로 추천 콘텐츠를 결정하고, 상기 사용자의 사용자 장치로 추천 콘텐츠에 대한 정보를 전송하도록 구현될 수 있다.
한편, 상기 추천 콘텐츠는 추천 기초 콘텐츠를 기반으로 결정되고, 상기 추천 기초 콘텐츠는 상기 콘텐츠 이용 기록에 포함된 콘텐츠 중 추천 콘텐츠를 결정하기 위해 사용되는 콘텐츠일 수 있다.
또한, 상기 추천 콘텐츠는 복수의 추천 엔진을 기반으로 결정될 수 있다.
본 발명에 의하면, 콘텐츠 추천 알고리즘을 기반으로 적응적으로 사용자에게 필요한 맞춤형 교육 콘텐츠가 제공될 수 있다.
또한, 본 발명에 의하면, 교육 커리큘럼이 정해진 교육 콘텐츠를 순서에 맞게 추천하고, 서로 다른 교육 과목의 교육 콘텐츠가 교육 커리큘럼에 따라 추천 가능한 콘텐츠 추천 알고리즘이 제공될 수 있다.
도 1은 본 발명의 실시예에 따른 개인형 맞춤 콘텐츠 제공 시스템을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 콘텐츠 서버를 포함할 수 있다.
도 3은 본 발명의 실시예에 따른 추천 엔진의 동작을 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 콘텐츠 간 연관도의 결정 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 추천 엔진의 동작을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 타겟 사용자 결정 방법 및 제2 후보 추천 콘텐츠 결정 방법을 나타낸 개념도이다.
도 7은 본 발명의 실시예에 따른 추천 엔진의 동작을 나타낸 개념도이다.
도 8은 본 발명의 실시예에 따른 타겟 사용자 그룹 결정 방법 및 제3 후보 추천 콘텐츠 결정 방법을 나타낸 개념도이다.
도 9는 본 발명의 실시예에 따른 추천 콘텐츠를 결정하는 방법을 나타낸 개념도이다.
도 10은 본 발명의 실시예에 따른 추천 콘텐츠 결정 방법을 나타낸 개념도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
이하, 본 발명의 실시예에서 개시되는 콘텐츠는 교육 콘텐츠를 포함하는 의미로 해석될 수 있다.
도 1은 본 발명의 실시예에 따른 개인형 맞춤 콘텐츠 제공 시스템을 나타낸 개념도이다.
도 1에서는 개인형 맞춤 콘텐츠 제공 시스템은 사용자 장치(180), 콘텐츠 서버(100)를 포함할 수 있다.
사용자 장치(180)는 콘텐츠 서버(100)를 통해 교육 서비스를 제공받기 위해 구현될 수 있다. 사용자 장치(180)는 사용자 개인 정보를 콘텐츠 서버(100)로 전송할 수 있고, 콘텐츠 서버(100)는 사용자 개인 정보를 기반으로 추천 콘텐츠를 사용자 장치(180)로 전송할 수 있다.
콘텐츠 서버(100)는 사용자 장치(180)로 추천 콘텐츠를 제공하기 위해 구현될 수 있다. 콘텐츠 서버(100)는 사용자 콘텐츠 이용 기록부(110), 콘텐츠 필터부(120), 추천 기초 콘텐츠부(130), 추천 엔진부(140), 통신부(150), 프로세서(160)를 포함할 수 있다.
사용자 콘텐츠 이용 기록부(110)는 사용자 및 다른 사용자에 의해 이용된 콘텐츠에 대한 정보를 포함할 수 있다. 사용자 콘텐츠 이용 기록부(110)는 복수의 사용자 각각에 의해 이용된(또는 시청된) 콘텐츠에 대한 정보를 카테고리 별로 분류하여 저장할 수 있다.
콘텐츠 필터부(120)는 사용자에게 추천할 추천 콘텐츠를 결정하기 위한 추천 기초 콘텐츠를 결정하기 위해 구현될 수 있다. 콘텐츠 필터부(120)는 사용자의 콘텐츠 이용 기록에 포함된 콘텐츠 중 추천 콘텐츠를 결정하기 위해 사용되는 추천 기초 콘텐츠를 결정할 수 있다. 추천 콘텐츠를 결정하기 위해서는 추천의 기초가 되는 추천 기초 콘텐츠가 활용될 수 있다.
추천 기초 콘텐츠부(130)는 콘텐츠 필터부(120)에 의해 필터링된 추천 기초 콘텐츠를 저장하기 위해 구현될 수 있다.
추천 엔진부(140)는 추천 기초 콘텐츠를 기반으로 추천 콘텐츠를 결정하기 위해 구현될 수 있다.
통신부(150)는 사용자 장치(180)와의 통신을 위해 구현될 수 있다.
프로세서(160)는 사용자 콘텐츠 이용 기록부(110), 콘텐츠 필터부(120), 추천 기초 콘텐츠부(130), 추천 엔진부(140) 및 통신부(150)의 동작을 제어하기 위해 구현될 수 있다.
도 2는 본 발명의 실시예에 따른 콘텐츠 서버를 포함할 수 있다.
도 2에서는 콘텐츠 서버는 사용자 장치로 추천 콘텐츠를 전송하기 위해 구현될 수 있다.
도 2를 참조하면, 콘텐츠 서버는 사용자 콘텐츠 이용 기록부(200), 콘텐츠 필터부(210), 추천 기초 콘텐츠부(220), 추천 엔진부(230), 프로세서(미도시), 통신부(미도시)를 포함할 수 있다.
사용자 콘텐츠 이용 기록부(200)는 사용자에 의해 이용된 콘텐츠에 대한 기록을 저장하기 위해 구현될 수 있다. 사용자 콘텐츠 이용 기록부(200)는 제1 저장부(203)와 제2 저장부(206)를 포함할 수 있다.
제1 저장부(203)는 장기 기억부로서 사용자의 장기 사용자 콘텐츠 이용 기록을 저장할 수 있다. 장기 사용자 콘텐츠 이용 기록은 사용자의 모든 콘텐츠 이용 기록 또는 설정된 현재 기준으로 제1 임계 시간 이내에 사용자에 의해 이용된 사용자 콘텐츠 이용 기록에 대한 정보를 포함할 수 있다.
제2 저장부(206)는 단기 기억부로서 단기 사용자 콘텐츠 이용 기록을 저장할 수 있다. 제2 저장부는 설정된 현재 기준으로 제2 임계 시간 이내에 사용자에 의해 이용된 사용자 콘텐츠 이용 기록에 대한 정보를 포함할 수 있고, 제2 임계 시간은 제1 임계 시간 보다 상대적으로 짧은 시간일 수 있다.
다른 표현으로 제1 저장부(203)는 장기 기억 저장 공간이고, 제2 저장부(206)는 단기 기억 저장 공간으로서 사용자에 의해 이용된 콘텐츠 중 서로 다른 콘텐츠를 저장할 수 있다.
제1 저장부(203)와 제2 저장부(206) 상에서는 콘텐츠가 카테고리별로 저장될 수도 있다. 카테고리는 콘텐츠의 속성 정보를 기반으로 분류될 수 있다.
콘텐츠 필터부(210)는 추천 속성 정보를 기반으로 추천 기초 콘텐츠를 필터링하기 위해 구현될 수 있다.
추천 속성 정보는 추천을 위한 추천 기초 콘텐츠를 결정하기 위한 속성 정보일 수 있다. 예를 들어, 추천 속성 정보는 사용자 개인 정보, 콘텐츠 특성 정보, 추천 설정 조건 정보를 포함할 수 있다.
사용자 개인 정보는 추천 기초 콘텐츠를 결정하기 위한 사용자의 개인 정보로서 사용자 나이, 사용자 성별, 사용자 학습 능력 등에 대한 정보를 포함할 수 있다.
콘텐츠 특성 정보는 추천 기초 콘텐츠를 결정하기 위한 콘텐츠의 카테고리, 콘텐츠의 다른 콘텐츠와의 연관성에 대한 정보를 포함할 수 있다.
추천 설정 조건 정보는 추천 기초 콘텐츠를 결정하기 위한 사용자의 추천 조건에 대한 정보일 수 있다. 예를 들어, 특정 카테고리의 콘텐츠, 특정 날짜 이내 생성된 콘텐츠, 특정 주체에 의해 생성된 콘텐츠 등과 같이 사용자에 의해 별도로 설정된 추천 설정 조건일 수 있다.
콘텐츠 필터부(210)는 복수의 하위 콘텐츠 필터부(예를 들어, 제1 콘텐츠 필터부(213)와 제2 콘텐츠 필터부(216))를 개별적으로 포함할 수 있다. 제1 콘텐츠 필터부(213)는 제1 저장부(203)와 연결되어 제1 저장부(203)에 저장된 콘텐츠에 대한 필터링을 수행할 수 있고, 제2 콘텐츠 필터부(216)는 제2 저장부(206)에 저장된 콘텐츠에 대한 필터링을 수행할 수 있다.
콘텐츠 필터부(210)는 제1 콘텐츠 필터부(213)를 통해 제1 추천 기초 콘텐츠를 결정하고, 제2 콘텐츠 필터부(216)를 통해 제2 추천 기초 콘텐츠를 결정할 수 있다.
추천 기초 콘텐츠부(220)는 제1 콘텐츠 필터부(213)와 제2 콘텐츠 필터부(216) 각각에 의해 필터링된 제1 추천 기초 콘텐츠와 제2 추천 기초 콘텐츠를 저장할 수 있다.
추천 기초 콘텐츠부(220)는 제1 추천 기초 콘텐츠와 제2 추천 기초 콘텐츠를 카테고리 별로 구분하고, 카테고리 별로 구분된 제1 추천 기초 콘텐츠와 제2 추천 기초 콘텐츠를 추천 엔진부(230)로 전송할 수 있다.
추천 엔진부(230)는 추천 기초 콘텐츠를 기반으로 추천 콘텐츠를 결정하기 위해 구현될 수 있다.
추천 엔진부(230)는 복수의 하위 추천 엔진을 포함할 수 있고, 복수의 하위 추천 엔진 각각은 추천 콘텐츠를 결정하기 위해 구현될 수 있다.
복수의 하위 추천 엔진은 제1 하위 추천 엔진(233), 제2 하위 추천 엔진(236), 제3 하위 추천 엔진(239)을 포함할 수 있다.
제1 하위 추천 엔진(233)은 사용자 콘텐츠 이용 기록이 아닌 콘텐츠 자체의 이용 기록만을 고려한 추천 엔진으로서 콘텐츠-콘텐츠 추천 엔진일 수 있다.
제2 하위 추천 엔진(236)은 사용자의 콘텐츠 이용 기록을 고려한 추천 엔진으로서 사용자-콘텐츠 추천 엔진일 수 있다.
제3 하위 추천 엔진(239)은 사용자 그룹의 콘텐츠 이용 기록을 고려한 추천 엔진으로서 사용자 그룹-콘텐츠 추천 엔진일 수 있다.
사용자의 설정에 따라 추천 콘텐츠(동종) 및/또는 추천 콘텐츠(이종)이 각 하위 추천 엔진 각각으로부터 생성될 수 있다. 추천 콘텐츠(동종) 및 추천 콘텐츠(이종)가 모두 추천되는 것으로 가정되면, 하위 추천 엔진 각각에서는 아래와 같은 후보 추천 콘텐츠가 출력될 수 있다.
구체적으로, 제1 하위 추천 엔진(233)에서는 제1 후보 추천 콘텐츠(동종), 제1 후보 추천 콘텐츠(이종)가 출력된다.
제2 하위 추천 엔진(236)에서는 제2 후보 추천 콘텐츠(동종), 제2 후보 추천 콘텐츠(이종)가 출력된다.
제3 하위 추천 엔진(239)에서는 제3 후보 추천 콘텐츠(동종), 제3 후보 추천 콘텐츠(이종)가 출력된다.
프로세서(미도시)는 사용자 콘텐츠 이용 기록부, 콘텐츠 필터부, 추천 기초 콘텐츠부, 추천 엔진부를 제어하기 위해 구현될 수 있다.
통신부(미도시)는 사용자 장치와 통신하기 위해 구현될 수 있다.
도 3은 본 발명의 실시예에 따른 추천 엔진의 동작을 나타낸 개념도이다.
도 3에서는 추천 엔진 중 제1 하위 추천 엔진의 동작이 개시된다.
도 3을 참조하면, 제1 하위 추천 엔진(300)은 콘텐츠 이용 기록만을 고려한 추천 엔진으로서 콘텐츠-콘텐츠 추천 엔진일 수 있다.
콘텐츠-콘텐츠 추천 엔진은 콘텐츠-콘텐츠 추천 테이블(305)을 기반으로 제1 후보 추천 콘텐츠(315, 325)를 결정할 수 있다. 콘텐츠-콘텐츠 추천 테이블(305)은 콘텐츠-콘텐츠 추천 테이블(동종)(310), 이종 콘텐츠를 추천하기 위한 콘텐츠-콘텐츠 추천 테이블(이종)(320)을 포함할 수 있다.
콘텐츠-콘텐츠 추천 테이블(305)의 제1 측(1열)에는 추천 기초 콘텐츠부에 의해 필터링된 추천 기초 콘텐츠 각각이 위치할 수 있고, 콘텐츠-콘텐츠 추천 테이블(305)의 제2 측(1행)에는 추천 기초 콘텐츠와 관련성을 가지는 콘텐츠가 위치할 수 있다. 이하, 사용자들에 의해 추천 기초 콘텐츠와 함께 시청된 추천 기초 콘텐츠가 아닌 콘텐츠는 일반 콘텐츠라는 용어로 표현될 수 있다.
콘텐츠-콘텐츠 추천 테이블(305) 상의 행과 열을 기준으로 추천 기초 콘텐츠와 연관되어 시청한 콘텐츠에 대한 정보가 기록될 수 있다. 예를 들어, 1열 상에서는 추천 기초 콘텐츠A, 추천 기초 콘텐츠B, ??, 추천 기초 콘텐츠Z와 같은 추천 기초 콘텐츠가 위치할 수 있고, 추천 기초 콘텐츠A와 관련된 행에는 추천 기초 콘텐츠A와 특정 일반 콘텐츠를 함께 시청한 사용자의 수가 기록될 수 있다. 예를 들어, 5명의 사용자가 추천 기초 콘텐츠A와 일반 콘텐츠b를 시청한 경우, 콘텐츠-콘텐츠 추천 테이블(305)의 (추천 기초 콘텐츠A, 일반 콘텐츠b)는 5일 수 있다.
콘텐츠-콘텐츠 추천 테이블(동종)(310)의 제2측(1행)에는 추천 기초 콘텐츠와 함께 시청된 다른 콘텐츠가 위치하되, 동종 카테고리의 콘텐츠가 위치할 수 있고, 콘텐츠-콘텐츠 추천 테이블(이종)(320)의 제2측(1행)에는 추천 기초 콘텐츠와 함께 시청된 다른 콘텐츠가 위치하되, 이종 카테고리의 콘텐츠가 위치할 수 있다. 콘텐츠-콘텐츠 추천 테이블(동종)(310)에서는 제1 후보 추천 콘텐츠(동종)(315)이 결정되고, 콘텐츠-콘텐츠 추천 테이블(이종)(320)에서는 제1 후보 추천 콘텐츠(이종)(325)이 결정된다. 콘텐츠-콘텐츠 추천 테이블(동종)(310), 콘텐츠-콘텐츠 추천 테이블(이종)(320) 각각에서 후보 추천 콘텐츠를 결정하는 방식은 동일하다.
콘텐츠-콘텐츠 추천 엔진은 콘텐츠의 이용 기록만을 반영하여 추천하는 엔진이고, 위와 같은 방식으로 콘텐츠-콘텐츠 추천 테이블(305)은 콘텐츠 간의 관련성(correlation)에 대한 정보를 포함할 수 있다.
예를 들어, 추천 기초 콘텐츠A와 일반 콘텐츠b를 시청한 사용자 5명, 추천 기초 콘텐츠A와 일반 콘텐츠c를 시청한 사용자 6명, 추천 기초 콘텐츠A와 일반 콘텐츠d를 시청한 사용자 15명, 추천 기초 콘텐츠A와 일반 콘텐츠e를 시청한 사용자 10명과 같은 정보를 기록한 콘텐츠-콘텐츠 추천 테이블이 생성될 수 있다.
이러한 콘텐츠-콘텐츠 추천 테이블은 콘텐츠 간의 연관성(correlation)에 대한 정보를 포함하고, 이를 기반으로 연관도 스코어가 결정될 수 있다.
본 발명의 실시예에 따르면, 교육과 관련된 콘텐츠의 경우, 커리큘럼에 따라 순차적인 콘텐츠 추천이 필요할 수 있고, 연관도가 높더라도 이러한 상황을 고려하여 콘텐츠A를 시청한 이후, 콘텐츠B의 추천은 필요하나, 콘텐츠B를 시청한 이후, 콘텐츠A의 추천은 필요하지 않을 수 있다.
따라서, 본 발명에서는 연관도의 방향성을 추가적으로 고려하여 제1 후보 추천 콘텐츠가 결정될 수 있다.
구체적인 콘텐츠 간 연관도 및 연관도 방향성을 결정하는 방법은 도 4에서 후술된다.
도 4는 본 발명의 실시예에 따른 콘텐츠 간 연관도의 결정 방법을 나타낸 개념도이다.
도 4에서는 콘텐츠-콘텐츠 추천 테이블 상에서 콘텐츠 간 연관도를 결정하는 방법이 개시된다.
도 4를 참조하면, 제1 콘텐츠(410)와 제2 콘텐츠(420) 간의 연관도 스코어는 제1 콘텐츠 연관도(430)와 제2 콘텐츠 연관도(440)를 기반으로 결정될 수 있다. 제1 콘텐츠(410)가 추천 기초 콘텐츠인 경우가 가정된다. 이러한 콘텐츠 간 연관도 스코어는 전체 사용자의 제1 콘텐츠(410)와 제2 콘텐츠(420)를 시청한 기록을 기반으로 결정된다.
제1 콘텐츠 연관도(430)는 제1 콘텐츠(추천 기초 콘텐츠)(410)를 시청한 횟수, 제2 콘텐츠(420)를 시청한 횟수, 제1 콘텐츠(추천 기초 콘텐츠)(410) 이후에 제2 콘텐츠(420)를 시청한 횟수를 기반으로 아래의 수학식1을 기반으로 결정될 수 있다.
<수학식 1>
Figure 112020132134011-pat00001
제2 콘텐츠 연관도(440)는 제1 콘텐츠(추천 기초 콘텐츠)(410)를 시청한 횟수, 제2 콘텐츠(420)를 시청한 횟수, 제2 콘텐츠(420) 이후에 제1 콘텐츠(추천 기초 콘텐츠)(410)를 시청한 횟수를 기반으로 아래의 수학식2를 기반으로 결정될 수 있다.
<수학식 2>
Figure 112020132134011-pat00002
위의 수학식 1 및 수학식 2는 콘텐츠 연관도를 결정하기 위한 예시적인 수식으로서 연관도를 결정하기 위해 다양한 수식이 활용될 수 있다.
이후, 제1 콘텐츠 연관도(430)와 제2 콘텐츠 연관도(440)의 차이를 기반으로 1) 제1 콘텐츠(추천 기초 콘텐츠)(410)를 기준으로 한 제2 콘텐츠(420)의 제1 연관도 스코어(450), 2) 제2 (420)콘텐츠를 기준으로 한 제1 콘텐츠(추천 기초 콘텐츠)(410)의 제2 연관도 스코어(460)가 결정될 수 있다.
제1 연관도 스코어(450)와 제2 연관도 스코어(460)의 차이가 임계값 이하인 경우, 양방향 추천이 가능한 컨텐츠로 설정되어 제1 연관도 스코어(450)와 제2 연관도 스코어(460)의 평균을 기준으로 제1 콘텐츠(추천 기초 콘텐츠)(410)를 기준으로 제2 콘텐츠(420)가 추천될 수 있다.
제1 연관도 스코어(450)와 제2 연관도 스코어(460)의 차이가 임계값 초과인 경우, 일방향 추천만이 가능한 컨텐츠로서 설정될 수 있다. 제1 연관도 스코어(450)와 제2 연관도 스코어(460)의 차이가 임계값 초과는 일방향의 콘텐츠 시청가 주로 발생됨을 의미할 수 있다.
1) 제1 연관도 스코어(450)가 제2 연관도 스코어(460)보다 큰 경우, 제1 콘텐츠(추천 기초 콘텐츠)(410) 이후에 제2 콘텐츠(420)가 추천될 수 있다.
2) 제2 연관도 스코어(460)가 제1 연관도 스코어(450)보다 큰 경우, 제1 콘텐츠(추천 기초 콘텐츠)(410) 이후에 제2 콘텐츠(420)가 추천되지 않는다.
2)의 경우는 역방향으로 콘텐츠 시청이 이루어지지 않는 경우로서 제2 콘텐츠(420)는 제1 후보 추천 콘텐츠에서 제외될 수 있다.
이러한, 양방향 추천 가능 콘텐츠, 일방향 추천 가능 콘텐츠에 대한 판단을 통해서 학습 콘텐츠가 가지는 학습 순서에 따른 추천 정확도가 높아질 수 있다.
도 5는 본 발명의 실시예에 따른 추천 엔진의 동작을 나타낸 개념도이다.
도 5에서는 추천 엔진 중 제2 하위 추천 엔진의 동작이 개시된다.
도 5를 참조하면, 제2 하위 추천 엔진(500)은 사용자별 콘텐츠 이용 기록을 고려한 추천 엔진으로서 사용자-콘텐츠 추천 엔진일 수 있다.
사용자-콘텐츠 추천 엔진은 사용자-콘텐츠 추천 테이블(505)을 기반으로 제2 후보 추천 콘텐츠(515, 525)를 결정할 수 있다. 사용자-콘텐츠 추천 테이블(505)은 사용자-콘텐츠 추천 테이블(동종)(510), 이종 콘텐츠를 추천하기 위한 사용자-콘텐츠 추천 테이블(이종)(520)을 포함할 수 있다.
사용자-콘텐츠 추천 테이블(505)의 제1 측(1열)에는 사용자를 포함한 복수의 다른 사용자 정보가 위치할 수 있고, 제2 측(1행)에는 복수의 콘텐츠 정보가 위치할 수 있다. 1열에는 사용자A, 사용자B, 사용자C, ??, 사용자Z가 위치할 수 있고, 행에는 각 사용자가 시청한 콘텐츠에 대한 정보가 표시될 수 있다.
예를 들어, 사용자A가 콘텐츠a, 콘텐츠c, 콘텐츠d, 콘텐츠f를 시청한 경우, (사용자A, 콘텐츠a), (사용자A, 콘텐츠c), (사용자A, 콘텐츠d), (사용자A, 콘텐츠f)에 '1'이 표시될 수 있고, 나머지 콘텐츠에 해당하는 (행, 열)에는 '0'이 표시될 수 있다.
사용자-콘텐츠 추천 테이블(동종)(510)의 제2측(1행)에는 추천 기초 콘텐츠와 함께 시청된 다른 콘텐츠가 위치하되, 동종 카테고리의 콘텐츠가 위치할 수 있고, 사용자-콘텐츠 추천 테이블(이종)(520)의 제2측(1행)에는 추천 기초 콘텐츠와 함께 시청된 다른 콘텐츠가 위치하되, 이종 카테고리의 콘텐츠가 위치할 수 있다. 사용자-콘텐츠 추천 테이블(동종)(510)에서는 제2 후보 추천 콘텐츠(동종)(515)이 결정되고, 사용자-콘텐츠 추천 테이블(이종)(520)에서는 제2 후보 추천 콘텐츠(이종)(525)이 결정된다. 사용자-콘텐츠 추천 테이블(동종)(510), 사용자-콘텐츠 추천 테이블(이종)(520) 각각에서 후보 추천 콘텐츠를 결정하는 방식은 동일하다.
사용자-콘텐츠 추천 엔진은 사용자와 복수의 다른 사용자의 콘텐츠 이용 기록을 기반으로 복수의 다른 사용자 중 사용자와 콘텐츠 시청의 유사도가 높은 타겟 사용자를 결정할 수 있다. 이후, 사용자-콘텐츠 추천 엔진은 타겟 사용자의 콘텐츠 시청 기록을 기반으로 사용자에게 추천할 제2 후보 추천 콘텐츠를 결정할 수 있다.
구체적인 타겟 사용자 결정 방법 및 제2 후보 추천 콘텐츠 결정 방법은 후술된다.
도 6은 본 발명의 실시예에 따른 타겟 사용자 결정 방법 및 제2 후보 추천 콘텐츠 결정 방법을 나타낸 개념도이다.
도 6에서는 사용자-콘텐츠 추천 테이블 상에서 타겟 사용자 및 제2 후보 추천 콘텐츠를 결정하는 방법이 개시된다.
도 6을 참조하면, 타겟 사용자를 결정하기 위해 추천 기초 콘텐츠(600) 기준으로 한 제1 유사도(620)가 결정되고, 추천 기초 콘텐츠(600)가 아닌 다른 일반 콘텐츠(610)를 기준으로 한 제2 유사도(630)가 결정될 수 있다.
복수의 다른 사용자가 사용자의 추천 기초 콘텐츠(600)를 시청하였는지 여부를 고려하여 제1 유사도(620)가 결정될 수 있다.
예를 들어, 사용자의 추천 기초 콘텐츠(600)가 추천 기초 콘텐츠A, 추천 기초 콘텐츠B, 추천 기초 콘텐츠C인 경우, 복수의 다른 사용자의 추천 기초 콘텐츠A, 추천 기초 콘텐츠B 및/또는 추천 기초 콘텐츠C의 시청 여부를 기반으로 제1 유사도가 결정될 수 있다. 구체적으로 복수의 다른 사용자 중 다른 사용자A가 추천 기초 콘텐츠A, 추천 기초 콘텐츠B 및 추천 기초 콘텐츠C를 시청하였고, 다른 사용자B가 추천 기초 콘텐츠A만을 시청한 경우, 사용자와 다른 사용자A의 제1 유사도(620)가 사용자와 다른 사용자B의 제1 유사도(620)보다 상대적으로 높은 값일 수 있다.
이때, 다른 사용자의 추천 기초 콘텐츠(600)의 시청 시점을 추가적으로 더 고려하여 제1 유사도(620)가 결정될 수 있다. 예를 들어, 다른 사용자A와 다른 사용자C가 모두 추천 기초 콘텐츠A, 추천 기초 콘텐츠B 및 추천 기초 콘텐츠C를 시청한 경우, 다른 사용자A 및 다른 사용자C 중 최근 추천 기초 콘텐츠A, 추천 기초 콘텐츠B 및 추천 기초 콘텐츠C를 시청한 다른 사용자가 더 높은 제1 유사도(620)를 가지도록 설정될 수 있다.
제2 유사도(630)는 동일한 방식으로 추천 기초 콘텐츠(600)가 아닌 다른 일반 콘텐츠(610)를 기반으로 결정될 수 있다. 구체적으로 제2 유사도(630)는 사용자에 의해 시청된 일반 콘텐츠(610)가 일반 콘텐츠A, 일반 콘텐츠B, 일반 콘텐츠C인 경우, 복수의 다른 사용자의 일반 콘텐츠A, 일반 콘텐츠B 및/또는 일반 콘텐츠C의 시청 여부를 기반으로 제2 유사도(630)가 결정될 수 있다.
마찬가지로 이때, 다른 사용자의 일반 콘텐츠(610)의 시청 시점을 추가적으로 더 고려하여 제2 유사도(630)가 결정될 수 있다.
위와 같은 방식으로 제1 유사도(620) 및 제2 유사도(630)가 결정된 이후, 제1 유사도(620)에 제1 가중치를 설정하고, 제2 유사도(630)에 제2 가중치를 설정하여 최종적으로 유사도가 결정되고, 유사도가 임계값 이상인 다른 사용자가 타겟 사용자(650)로 설정될 수 있다. 이때 제1 가중치가 제2 가중치보다 높게 설정될 수 있다.
타겟 사용자(650)의 결정 이후, 타겟 사용자(650)가 시청을 하였으나, 사용자가 아직 시청하지 않은 콘텐츠가 제2 후보 추천 콘텐츠(660)로 결정될 수 있다. 이때, 제2 후보 추천 콘텐츠(660)의 우선 순위는 타겟 사용자(650)의 시청 기록을 기반으로 추천 기초 콘텐츠의 시청 시간과 인접할수록 높은 우선 순위를 가지도록 결정될 수 있다.
즉, 추천 기초 콘텐츠(600) 이후에 연달아서 본 제2 후보 추천 콘텐츠(660)일수록 상대적으로 높은 우선 순위로 설정되어 사용자에게 추천될 수 있다.
도 7은 본 발명의 실시예에 따른 추천 엔진의 동작을 나타낸 개념도이다.
도 7에서는 추천 엔진 중 제3 하위 추천 엔진의 동작이 개시된다.
도 7을 참조하면, 제3 하위 추천 엔진(700)은 사용자 그룹별 콘텐츠 이용 기록을 고려한 추천 엔진으로서 사용자 그룹-콘텐츠 추천 엔진일 수 있다.
사용자 그룹-콘텐츠 추천 엔진은 사용자 그룹-콘텐츠 추천 테이블(705)을 기반으로 제3 후보 추천 콘텐츠(715, 725)를 결정할 수 있다. 사용자 그룹-콘텐츠 추천 테이블(705)은 사용자 그룹-콘텐츠 추천 테이블(동종)(710), 이종 콘텐츠를 추천하기 위한 사용자 그룹-콘텐츠 추천 테이블(이종)(720)을 포함할 수 있다.
사용자 그룹-콘텐츠 추천 테이블(705)의 제1 측(1열)에는 사용자를 포함한 사용자 그룹과 복수의 다른 사용자를 포함한 적어도 하나의 사용자 그룹 정보가 위치할 수 있고, 제2 측(1행)에는 복수의 콘텐츠 정보가 위치할 수 있다. 1열에는 사용자 그룹A, 사용자 그룹B, 사용자 그룹C, ??, 사용자 그룹Z가 위치할 수 있고, 행에는 각 사용자가 시청한 콘텐츠에 대한 정보가 표시될 수 있다.
예를 들어, 사용자 그룹A가 콘텐츠a, 콘텐츠c, 콘텐츠d, 콘텐츠f를 시청한 경우, (사용자 그룹A, 콘텐츠a), (사용자 그룹A, 콘텐츠c), (사용자 그룹A, 콘텐츠d), (사용자 그룹A, 콘텐츠f)에 '1'이 표시될 수 있고, 나머지 콘텐츠에 해당하는 (행, 열)에는 '0'이 표시될 수 있다. 이때 사용자 그룹이 시청한 콘텐츠는 사용자 그룹에 포함된 사용자 수에 대비하여 결정된 임계 개수 이상으로 시청된 콘텐츠일 수 있다.
사용자 그룹-콘텐츠 추천 테이블(동종)(710)의 제2측(1행)에는 추천 기초 콘텐츠와 함께 시청된 다른 콘텐츠가 위치하되, 동종 카테고리의 콘텐츠가 위치할 수 있고, 사용자 그룹-콘텐츠 추천 테이블(이종)(720)의 제2측(1행)에는 추천 기초 콘텐츠와 함께 시청된 다른 콘텐츠가 위치하되, 이종 카테고리의 콘텐츠가 위치할 수 있다. 사용자 그룹-콘텐츠 추천 테이블(동종)(710)에서는 제3 후보 추천 콘텐츠(동종)(715)이 결정되고, 사용자 그룹-콘텐츠 추천 테이블(이종)(720)에서는 제3 후보 추천 콘텐츠(이종)(725)이 결정된다. 사용자 그룹-콘텐츠 추천 테이블(동종)(710), 사용자 그룹-콘텐츠 추천 테이블(이종)(720) 각각에서 후보 추천 콘텐츠를 결정하는 방식은 동일하다.
사용자 그룹-콘텐츠 추천 엔진은 사용자 그룹과 복수의 다른 사용자 그룹의 콘텐츠 이용 기록을 기반으로 복수의 다른 사용자 그룹 중 사용자와 콘텐츠 시청의 유사도가 높은 타겟 사용자 그룹을 결정할 수 있다. 이후, 사용자-콘텐츠 추천 엔진은 타겟 사용자 그룹의 콘텐츠 시청 기록을 기반으로 사용자에게 추천할 제3 후보 추천 콘텐츠를 결정할 수 있다.
구체적인 타겟 사용자 그룹 결정 방법 및 제3 후보 추천 콘텐츠 결정 방법은 후술된다.
도 8은 본 발명의 실시예에 따른 타겟 사용자 그룹 결정 방법 및 제3 후보 추천 콘텐츠 결정 방법을 나타낸 개념도이다.
도 8에서는 사용자 그룹-콘텐츠 추천 테이블 상에서 타겟 사용자 그룹 및 제3 후보 추천 콘텐츠를 결정하는 방법이 개시된다.
도 8을 참조하면, 타겟 사용자 그룹을 결정하기 위해 추천 기초 콘텐츠 기준으로 한 제1 유사도가 결정되고, 추천 기초 콘텐츠가 아닌 다른 일반 콘텐츠를 기준으로 한 제2 유사도가 결정될 수 있다.
복수의 다른 사용자 그룹에서 사용자의 추천 기초 콘텐츠를 시청하였는지 여부를 고려하여 제1 유사도가 결정될 수 있다.
예를 들어, 사용자의 추천 기초 콘텐츠가 추천 기초 콘텐츠A, 추천 기초 콘텐츠B, 추천 기초 콘텐츠C인 경우, 복수의 다른 사용자 그룹의 추천 기초 콘텐츠A, 추천 기초 콘텐츠B 및/또는 추천 기초 콘텐츠C의 시청 여부를 기반으로 제1 유사도(그룹)이 결정될 수 있다. 구체적으로 복수의 다른 사용자 그룹 중 다른 사용자 그룹A가 추천 기초 콘텐츠A, 추천 기초 콘텐츠B 및 추천 기초 콘텐츠C를 시청하였고, 다른 사용자 그룹B가 추천 기초 콘텐츠A만을 시청한 경우, 사용자와 다른 사용자 그룹A의 제1 유사도(그룹)이 사용자와 다른 사용자 그룹B의 제1 유사도(그룹)보다 상대적으로 높은 값일 수 있다.
제2 유사도(그룹)은 동일한 방식으로 추천 기초 콘텐츠가 아닌 다른 일반 콘텐츠를 기반으로 결정될 수 있다. 구체적으로 제2 유사도(그룹)은 사용자에 의해 시청된 일반 콘텐츠가 일반 콘텐츠A, 일반 콘텐츠B, 일반 콘텐츠C인 경우, 복수의 다른 사용자 그룹의 일반 콘텐츠A, 일반 콘텐츠B 및/또는 일반 콘텐츠C의 시청 여부를 기반으로 제2 유사도(그룹)이 결정될 수 있다.
위와 같은 방식으로 제1 유사도(그룹) 및 제2 유사도(그룹)이 결정된 이후, 제1 유사도(그룹)에 제1 가중치를 설정하고, 제2 유사도(그룹)에 제2 가중치를 설정하여 최종적으로 유사도(그룹)이 결정되고, 유사도(그룹)이 임계값 이상인 다른 사용자가 타겟 사용자 그룹으로 설정될 수 있다. 이때 제1 가중치가 제2 가중치보다 높게 설정될 수 있다.
타겟 사용자 그룹의 결정 이후, 타겟 사용자 그룹이 시청을 하였으나, 사용자가 아직 시청하지 않은 콘텐츠가 제3 후보 추천 콘텐츠로 결정될 수 있다.
사용자 그룹 기반의 추천을 통해 사용자 그룹 단위로 사용자에게 추천을 할 콘텐츠를 선별함으로써 학습 콘텐츠가 가지는 그룹별 향유 특성이 반영된 추천 콘텐츠가 제3 후보 추천 콘텐츠로서 제공될 수 있다.
도 9는 본 발명의 실시예에 따른 추천 콘텐츠를 결정하는 방법을 나타낸 개념도이다.
도 9에서는 제1 후보 추천 콘텐츠, 제2 후보 추천 콘텐츠, 제3 후보 추천 콘텐츠를 기반으로 최종적으로 추천 콘텐츠를 결정하는 방법이 개시된다.
도 9를 참조하면, 제1 후보 추천 콘텐츠, 제2 후보 추천 콘텐츠, 제3 후보 추천 콘텐츠 각각은 추천 우선 순위 결정부로 입력되고, 최종적으로 추천 콘텐츠가 결정될 수 있다.
우선 추천 우선 순위 결정부는 아래의 요소를 고려하여 추천 콘텐츠를 결정할 수 있다.
1) 추천 결과 중첩도 정보(910)
추천 결과 중첩도 정보(910)는 제1 후보 추천 콘텐츠, 제2 후보 추천 콘텐츠 및/또는 제3 후보 추천 콘텐츠의 중첩 여부를 고려하여 결정될 수 있다. 특정 콘텐츠가 제1 후보 추천 콘텐츠, 제2 후보 추천 콘텐츠, 제3 후보 추천 콘텐츠 중 상대적으로 많은 후보 추천 콘텐츠에 포함될수록 추천 결과 중첩도가 상대적으로 높아질 수 있다.
예를 들어, 콘텐츠A가 제1 후보 추천 콘텐츠, 제2 후보 추천 콘텐츠, 제3 후보 추천 콘텐츠에 모두 포함되고, 콘텐츠B가 제3 후보 추천 콘텐츠에만 포함되는 경우, 콘텐츠A의 추천 결과 중첩도가 콘텐츠B의 추천 결과 중첩도보다 상대적으로 높을 수 있다.
2) 추천 결과 신뢰도 정보(920)
추천 결과 신뢰도 정보(920)는 인기 콘텐츠일수록 높은 신뢰도를 가지도록 설정될 수 있다. 예를 들어, 제1 후보 추천 콘텐츠가 콘텐츠A와 콘텐츠B인 경우, 콘텐츠A와 콘텐츠B 중 더 많은 사람들이 시청한 콘텐츠가 인기 콘텐츠이고, 더 높은 추천 결과 신뢰도를 가지는 것으로 설정될 수 있다. 이는 제2 후보 추천 콘텐츠, 제3 후보 콘텐츠에도 동일하게 적용될 수 있다.
3) 콘텐츠 간 연관도 정보(930)
콘텐츠 간 연관도 정보(930)는 콘텐츠 간 연관도에 관한 것이다. 콘텐츠 간 연관도는 콘텐츠 자체의 속성 정보를 고려하여 결정될 수 있다. 학습 콘텐츠인 경우, 학년, 과목, 과목 커리큘럼과 같은 속성 정보를 기반으로 콘텐츠의 특성이 좌표 상으로 표현될 수 있고, 좌표 간의 거리에 따라 콘텐츠 간 연관도가 결정될 수 있다. 이뿐만 아니라, 이종 과목 간의 관계에 대한 별도의 기계 학습을 통해 서로 다른 과목의 콘텐츠 간에도 콘텐츠 간 연관도가 결정될 수 있다.
이러한 콘텐츠 간 연관도는 사용자의 학습 능력에 따라 적응적으로 결정될 수 있다. 사용자의 학습 능력이 높은 경우, 콘텐츠 간의 연관도를 결정하는 거리가 상대적으로 짧게 설정될 수 있다. 이러한 경우, 학습 능력이 상대적으로 높은 사용자에게 상대적으로 어려운 콘텐츠를 추천할 가능성이 높아질 수 있다.
4) 사용자 개인 특성 정보(940)
사용자 개인 특성 정보(940)는 사용자 개인 정보, 사용자 추천 설정 정보들을 포함할 수 있다.
위와 같은 요소들을 고려하여 최종적으로 추천 콘텐츠가 결정될 수 있다.
도 10은 본 발명의 실시예에 따른 추천 콘텐츠 결정 방법을 나타낸 개념도이다.
도 10에서는 신규 콘텐츠에 대한 추천을 수행하는 방법이 개시된다.
도 10을 참조하면, 신규 콘텐츠는 사용자들의 기존 이용 기록이 없기 때문에 추천 대상에 선정될 가능성이 낮다. 따라서, 본 발명에서는 업로드가 된지 임계 시간 이하의 콘텐츠가 신규 콘텐츠로 정의되고, 신규 콘텐츠에 대한 추천은 별도의 방식으로 수행될 수 있다.
신규 콘텐츠의 경우, 콘텐츠 간 유사도(1010)와 사용자 관심도(1020)를 고려하여 추천 콘텐츠에 포함될 수 있다.
1) 콘텐츠 간 유사도(1010)
콘텐츠 간 유사도(1010)는 콘텐츠 분류 태그 정보(1030), 콘텐츠 TF-IDF(1040), 콘텐츠 업로드 주체(1050)를 기반으로 결정될 수 있다.
콘텐츠 분류 태그 정보(1030)는 후보 추천 콘텐츠의 태그 정보와 신규 콘텐츠의 태그 정보의 유사도를 기반으로 결정될 수 있다.
콘텐츠 TF-IDF(term frequency - inverse document frequency)(1040)는 신규 콘텐츠의 요약된 콘텐츠 요약 문서와 후보 추천 콘텐츠 간의 단어 유사도를 기반으로 결정될 수 있다.
콘텐츠 업로드 주체(1050)는 신규 콘텐츠의 업로드 주체와 후보 추천 콘텐츠의 업로드 주체 간의 유사도를 기반으로 결정될 수 있다.
2) 사용자 관심도(1020)
사용자 관심도는 조회수 상승률(1060), 콘텐츠 업로드 주체(1070)를 고려하여 결정될 수 있다.
조회수 상승률(1060)은 업로드 시간 대비 조회수가 늘어나는 비율에 대한 정보를 포함할 수 있다.
콘텐츠 업로드 주체(1070)는 신규 콘텐츠의 업로드 주체와 후보 추천 콘텐츠의 업로드 주체 간의 유사도를 기반으로 결정될 수 있다.
위의 요소들을 고려하여 콘텐츠 간 유사도와 사용자 관심도가 결정되고, 콘텐츠 간 유사도와 사용자 관심도가 설정된 값 이상인 경우, 추가적인 신규 콘텐츠도 추천 콘텐츠로서 추천될 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (6)

  1. 개인형 맞춤 교육 콘텐츠 제공 방법은,
    콘텐츠 서버가 사용자의 사용자 개인 정보를 수신하는 단계;
    상기 콘텐츠 서버가 상기 사용자의 사용자 콘텐츠 이용 기록 및 상기 사용자 개인 정보를 기반으로 추천 콘텐츠를 결정하는 단계; 및
    상기 콘텐츠 서버가 상기 사용자의 사용자 장치로 상기 추천 콘텐츠에 대한 정보를 전송하는 단계를 포함하고,
    상기 추천 콘텐츠는 추천 기초 콘텐츠를 기반으로 결정되고,
    상기 추천 기초 콘텐츠는 상기 사용자 콘텐츠 이용 기록에 포함된 콘텐츠 중 추천 콘텐츠를 결정하기 위해 사용되는 콘텐츠이고,
    상기 추천 콘텐츠는 복수의 추천 엔진을 기반으로 결정되고,
    상기 복수의 추천 엔진은 제1 하위 추천 엔진, 제2 하위 추천 엔진 및 제3 하위 추천 엔진을 포함하고,
    상기 제1 하위 추천 엔진은 상기 사용자 콘텐츠 이용 기록이 아닌 콘텐츠 자체 이용 기록만을 고려한 추천 엔진이고,
    상기 제2 하위 추천 엔진은 상기 사용자 콘텐츠 이용 기록을 고려한 추천 엔진이고,
    상기 제3 하위 추천 엔진은 상기 사용자가 포함되는 사용자 그룹의 사용자 그룹 콘텐츠 이용 기록을 고려한 추천 엔진이고,
    상기 복수의 추천 엔진 각각은 별도의 추천 테이블을 기반으로 추천 콘텐츠(동종) 및 추천 콘텐츠(이종)을 결정하고,
    상기 추천 콘텐츠(동종)은 상기 추천 기초 콘텐츠와 동일한 카테고리의 콘텐츠이고,
    상기 추천 콘텐츠(이종)은 상기 추천 기초 콘텐츠와 서로 다른 카테고리의 콘텐츠이고,
    제1 하위 추천 엔진은 콘텐츠-콘텐츠 추천 테이블 상에서 콘텐츠 간 연관도를 기반으로 상기 추천 콘텐츠(동종) 및 상기 추천 콘텐츠(이종)을 결정하고,
    상기 제1 하위 추천 엔진은 상기 추천 콘텐츠(동종) 및 상기 추천 콘텐츠(이종)을 결정하기 위한 제1 콘텐츠와 제2 콘텐츠 간의 연관도 스코어를 제1 콘텐츠 연관도와 제2 콘텐츠 연관도를 기반으로 결정하고,
    상기 제1 콘텐츠 연관도는 상기 제1 콘텐츠가 상기 추천 기초 콘텐츠인 경우, 상기 제1 콘텐츠를 기준으로 한 상기 제2 콘텐츠의 연관도이고,
    상기 제2 콘텐츠 연관도는 상기 제2 콘텐츠가 상기 추천 기초 콘텐츠인 경우의 상기 제2 콘텐츠를 기준으로 한 상기 제1 콘텐츠의 연관도인 것을 특징으로 하는 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 제1 하위 추천 엔진은 상기 제1 콘텐츠 연관도와 제2 콘텐츠 연관도의 차이를 기반으로 상기 제1 콘텐츠 기준으로 한 상기 제2 콘텐츠의 제1 연관도 스코어, 상기 제2 콘텐츠를 기준으로 한 상기 제1 콘텐츠의 제2 연관도 스코어를 결정하고,
    상기 제1 연관도 스코어와 상기 제2 연관도 스코어의 차이가 임계값 이하인 경우, 양방향 추천이 가능한 컨텐츠로 설정되고,
    상기 제1 연관도 스코어와 상기 제2 연관도 스코어의 차이가 상기 임계값 초과인 경우, 일방향 추천만이 가능한 컨텐츠로서 설정되는 것을 특징으로 하는 방법.
  4. 개인형 맞춤 교육 콘텐츠를 제공하는 콘텐츠 서버는,
    사용자의 사용자 개인 정보를 수신하도록 구현된 통신부; 및
    상기 통신부와 연결된 프로세서를 포함하되,
    상기 프로세서는 상기 사용자의 사용자 콘텐츠 이용 기록 및 상기 사용자 개인 정보를 기반으로 추천 콘텐츠를 결정하고,
    상기 사용자의 사용자 장치로 추천 콘텐츠에 대한 정보를 전송하도록 구현되고,
    상기 추천 콘텐츠는 추천 기초 콘텐츠를 기반으로 결정되고,
    상기 추천 기초 콘텐츠는 상기 사용자 콘텐츠 이용 기록에 포함된 콘텐츠 중 추천 콘텐츠를 결정하기 위해 사용되는 콘텐츠이고,
    상기 추천 콘텐츠는 복수의 추천 엔진을 기반으로 결정되고,
    상기 복수의 추천 엔진은 제1 하위 추천 엔진, 제2 하위 추천 엔진 및 제3 하위 추천 엔진을 포함하고,
    상기 제1 하위 추천 엔진은 상기 사용자 콘텐츠 이용 기록이 아닌 콘텐츠 자체 이용 기록만을 고려한 추천 엔진이고,
    상기 제2 하위 추천 엔진은 상기 사용자 콘텐츠 이용 기록을 고려한 추천 엔진이고,
    상기 제3 하위 추천 엔진은 상기 사용자가 포함되는 사용자 그룹의 사용자 그룹 콘텐츠 이용 기록을 고려한 추천 엔진이고,
    상기 복수의 추천 엔진 각각은 별도의 추천 테이블을 기반으로 추천 콘텐츠(동종) 및 추천 콘텐츠(이종)을 결정하고,
    상기 추천 콘텐츠(동종)은 상기 추천 기초 콘텐츠와 동일한 카테고리의 콘텐츠이고,
    상기 추천 콘텐츠(이종)은 상기 추천 기초 콘텐츠와 서로 다른 카테고리의 콘텐츠이고,
    제1 하위 추천 엔진은 콘텐츠-콘텐츠 추천 테이블 상에서 콘텐츠 간 연관도를 기반으로 상기 추천 콘텐츠(동종) 및 상기 추천 콘텐츠(이종)을 결정하고,
    상기 제1 하위 추천 엔진은 상기 추천 콘텐츠(동종) 및 상기 추천 콘텐츠(이종)을 결정하기 위한 제1 콘텐츠와 제2 콘텐츠 간의 연관도 스코어를 제1 콘텐츠 연관도와 제2 콘텐츠 연관도를 기반으로 결정하고,
    상기 제1 콘텐츠 연관도는 상기 제1 콘텐츠가 상기 추천 기초 콘텐츠인 경우, 상기 제1 콘텐츠를 기준으로 한 상기 제2 콘텐츠의 연관도이고,
    상기 제2 콘텐츠 연관도는 상기 제2 콘텐츠가 상기 추천 기초 콘텐츠인 경우의 상기 제2 콘텐츠를 기준으로 한 상기 제1 콘텐츠의 연관도인 것을 특징으로 하는 콘텐츠 서버.
  5. 삭제
  6. 제4항에 있어서,
    상기 제1 하위 추천 엔진은 상기 제1 콘텐츠 연관도와 제2 콘텐츠 연관도의 차이를 기반으로 상기 제1 콘텐츠 기준으로 한 상기 제2 콘텐츠의 제1 연관도 스코어, 상기 제2 콘텐츠를 기준으로 한 상기 제1 콘텐츠의 제2 연관도 스코어를 결정하고,
    상기 제1 연관도 스코어와 상기 제2 연관도 스코어의 차이가 임계값 이하인 경우, 양방향 추천이 가능한 컨텐츠로 설정되고,
    상기 제1 연관도 스코어와 상기 제2 연관도 스코어의 차이가 상기 임계값 초과인 경우, 일방향 추천만이 가능한 컨텐츠로서 설정되는 것을 특징으로 하는 콘텐츠 서버.
KR1020200169377A 2020-12-07 2020-12-07 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치 KR102411524B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200169377A KR102411524B1 (ko) 2020-12-07 2020-12-07 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200169377A KR102411524B1 (ko) 2020-12-07 2020-12-07 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치

Publications (2)

Publication Number Publication Date
KR20220080356A KR20220080356A (ko) 2022-06-14
KR102411524B1 true KR102411524B1 (ko) 2022-06-21

Family

ID=81980237

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200169377A KR102411524B1 (ko) 2020-12-07 2020-12-07 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치

Country Status (1)

Country Link
KR (1) KR102411524B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102531719B1 (ko) * 2023-01-17 2023-05-10 키즐링 주식회사 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101884161B1 (ko) * 2017-11-07 2018-08-30 한국과학기술정보연구원 맞춤형 콘텐츠 제공 방법 및 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100987277B1 (ko) * 2007-11-05 2010-10-12 에스케이 텔레콤주식회사 추천 통합 시스템 및 방법
KR102131791B1 (ko) * 2013-01-30 2020-07-08 에스케이플래닛 주식회사 추천 컨텐츠 및 연관 컨텐츠 제공 방법
KR20190038207A (ko) * 2017-09-29 2019-04-08 주식회사 더케이플랫폼 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101884161B1 (ko) * 2017-11-07 2018-08-30 한국과학기술정보연구원 맞춤형 콘텐츠 제공 방법 및 장치

Also Published As

Publication number Publication date
KR20220080356A (ko) 2022-06-14

Similar Documents

Publication Publication Date Title
US11645301B2 (en) Cross media recommendation
US11620326B2 (en) User-specific media playlists
US11218777B2 (en) Method, device and system for processing bullet screen
CA2858992C (en) Video recommendation based on video co-occurrence statistics
US9754288B2 (en) Recommendation of media content items based on geolocation and venue
US10129596B2 (en) Adaptive row selection
US8554640B1 (en) Content completion recommendations
US9451329B2 (en) Systems, methods, and computer program products for providing contextually-aware video recommendation
US20160132601A1 (en) Hybrid Explanations In Collaborative Filter Based Recommendation System
US20220107978A1 (en) Method for recommending video content
US20150066897A1 (en) Systems and methods for conveying passive interest classified media content
US11128904B2 (en) System and method for recommending multimedia data
CN108476336A (zh) 识别内容频道的听众的查看特性
KR102411524B1 (ko) 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치
CN114845149B (zh) 视频片段的剪辑方法、视频推荐方法、装置、设备及介质
KR101826594B1 (ko) 지식 구조 기반의 전자책 추천 방법 및 시스템
TWI696386B (zh) 多媒體資料推薦系統及多媒體資料推薦方法
CN107038169B (zh) 对象推荐方法和对象推荐设备
WO2014122454A2 (en) Processing audio-video data to produce metadata
CN112650884B (zh) 基于深度学习的视频推送方法
CN116506691B (zh) 多媒体资源的处理方法、装置、电子设备及存储介质
EP4174686A1 (en) Method and system for initiating a location-based topic
US20220358168A1 (en) Natural language query handling in multi-domain systems
KR20230112301A (ko) 사용자 속성에 기초한 영상 및 제작 펀딩 추천 방법 및 시스템
CN112487240A (zh) 一种视频数据的推荐方法和装置

Legal Events

Date Code Title Description
GRNT Written decision to grant