KR102412142B1 - 딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법 - Google Patents

딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법 Download PDF

Info

Publication number
KR102412142B1
KR102412142B1 KR1020220003149A KR20220003149A KR102412142B1 KR 102412142 B1 KR102412142 B1 KR 102412142B1 KR 1020220003149 A KR1020220003149 A KR 1020220003149A KR 20220003149 A KR20220003149 A KR 20220003149A KR 102412142 B1 KR102412142 B1 KR 102412142B1
Authority
KR
South Korea
Prior art keywords
avatar
metaverse
information
storage unit
data
Prior art date
Application number
KR1020220003149A
Other languages
English (en)
Inventor
김보
이관수
장보금
Original Assignee
인트인 주식회사
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 인트인 주식회사 filed Critical 인트인 주식회사
Priority to KR1020220003149A priority Critical patent/KR102412142B1/ko
Application granted granted Critical
Publication of KR102412142B1 publication Critical patent/KR102412142B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/003—Navigation within 3D models or images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Graphics (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명은 메타버스 아바타 행동 분석 방법에 관한 것으로, 서버에서 메타버스 내 아바타의 행동 정보를 수집하여 제1 저장부에 저장하는 단계; 상기 제1 저장부에 저장된 아바타의 행동 정보를 순환 신경망을 이용하여 데이터 그룹화를 수행하고 제2 저장부에 저장하는 단계; 상기 제2 저장부에 저장된 그룹화된 데이터를 분석하여 제3 저장부에 저장하는 단계; 및 상기 제3 저장부에 저장된 데이터를 가공하여, 메타버스 내 아바타에 개인화된 서비스로 제공하는 단계;를 포함한다.

Description

딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법{METHOD FOR PATTERN-ANALYZING BEHAVIOR OF AVATAR IN METAVERSE BASED ON DEEP LEARNING}
본 발명은 딥러닝 기반 메타버스 내 아바타의 행동 시퀀스 패턴을 분석하는 방법에 관한 것이다. 보다 상세하게는 메타버스 내 아바타에 의해서 생성되는 시퀀스 데이터를 수집하고 이를 딥러닝 기반으로 2차례 분석하는 방법에 관한 것이다.
메타버스(Metaverse)는 3차원 가상 세계를 의미하는 메타(Meta)와 현실 세계를 의미하는 유니버스(Universe)의 합성어로서, 기존의 가상 현실(Virtual Reality)보다 진보된 개념으로 웹과 인터넷 등의 가상 세계가 현실 세계에 흡수된 형태이다.
사용자들은 현실세계와 같은 사회적·경제적 활동이 통용되는 3차원 가상 공간인 메타버스 환경 안에서 아바타(Avatar)로서 활동을 하게 되는데 그 아바타가 사용자 본인과 유사한 행동을 하는지에 대해서 활발히 연구가 진행되고 있다.
가상 공간이라는 점에서 현실 세계와는 다른 행동 패턴을 보이는 사용자들에 대한 학술 연구들을 살펴볼 때(‘온라인 게임에서 나타난 가상현실의 커뮤니티와 아바타에 관한 고찰’, 이향재 등), 현실에서의 자아와 또 다른 자아를 가상 공간에 형성하려는 일부 사용자들이 존재하며, 이는 현실에서의 문제를 극복하지 못하기 때문에 가상 공간에서 이에 대한 보상 심리로서 다르게 행동하려는 것이다.
다만, 사용자들이 비록 메타버스와 같은 가상 공간에서 다르게 행동하려고 하지만, 현실 자아에 근거하여 가상 공간에 표현하기 때문에 사용자의 생활습관, 소비패턴, 말투 등이 그대로 가상공간에 반영될 수 있다.
따라서, 메타버스 내의 아바타들의 행동 데이터들은 일정 수준 패턴화될 수 있으며, 메타버스 내 아바타들의 행동 패턴 데이터를 수집하고 분석할 수 있다.
본 발명에서는 분석된 결과를 사용자의 인증 방법으로 활용하고, 사용자에 적합한 상품을 추천하는 방법에 대하여 개시하기로 한다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 서버는 메타버스 내 아바타의 행동들을 패턴화할 수 있다.
또한, 서버는 패턴화된 사용자의 행동을 통해서 사용자를 인증하는 방법으로 활용할 수 있다.
또한, 서버는 패턴화된 행동 정보에 기반하여 식별된 사용자에게 적합한 상품을 추천할 수 있다.
본 발명의 일 실시예는 메타버스 아바타 행동 분석 방법에 관한 것으로, 서버에서 메타버스 내 아바타의 행동 정보를 수집하여 제1 저장부에 저장하는 단계; 상기 제1 저장부에 저장된 아바타의 행동 정보를 순환 신경망을 이용하여 데이터 그룹화를 수행하고 제2 저장부에 저장하는 단계; 상기 제2 저장부에 저장된 그룹화된 데이터를 분석하여 제3 저장부에 저장하는 단계; 및 상기 제3 저장부에 저장된 데이터를 가공하여, 메타버스 내 아바타에 개인화된 서비스로 제공하는 단계; 를 포함한다.
또한, 상기 아바타의 행동 정보는, 메타버스에 접속하는 시간 정보, 접속 IP 정보, 아바타의 이동 동선, 맵 내 머무르는 시간 및 좌표, 사용자의 조작 정보 및 대화 정보를 포함한다.
또한, 상기 제2 저장부에 저장된 그룹화된 데이터를 분석하는 단계는, 메타버스 접속시간, IP, 이동 동선에 기반한 사용자 인증 그룹, 메타버스 내에서 발생하는 결제 정보에 기반한 금융 거래 그룹, 아이템 구매, 메타버스 내에서 선호하는 위치에 따른 소비 성향에 기반한 소비 성향 그룹 중 어느 하나의 그룹과 매핑하고, 상기 사용자 인증 그룹, 금융 거래 그룹, 소비 성향 그룹 중 매칭되는 그룹이 없다고 판단되는 경우, 새로운 그룹을 생성하는 단계를 포함할 수 있다.
또한, 상기 제1 저장부에 저장된 아바타의 행동 정보를 순환 신경망을 이용하여 데이터 그룹화를 수행하고, 상기 아바타의 행동 정보에 포함된 대화 정보는 자연어처리(NLP)하는 것을 특징으로 한다.
또한, 상기 메타버스 내 아바타에 개인화된 서비스로 제공하는 단계 이후에, 상기 제공된 서비스에 대한 아바타의 피드백 정보를 수집하여 분석하는 단계를 더 포함할 수 있다.
본 발명에 따를 때, 서버는 메타버스 내 아바타의 행동들을 패턴화할 수 있다.
또한, 서버는 패턴화된 사용자의 행동을 통해서 사용자를 인증하는 방법으로 활용할 수 있다.
또한, 서버는 패턴화된 행동 정보에 기반하여 식별된 사용자에게 적합한 상품을 추천할 수 있다.
도 1은 본 발명의 일 예에 따르는 메타버스 내 아바타 행동 분석 시스템을 나타낸 도면이다.
도 2는 본 발명에 따르는 메타버스 아바타 행동 분석 과정을 나타낸 도면이다.
도 3은 본 발명의 일 예에 따르는 서버의 구조를 개념적으로 나타낸 블록도이다.
도 4는 본 발명의 일 예에 따르는 아바타 행동 분석 과정을 나타낸 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하에서 언급되는 "사용자 단말"은 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), LTE(Long Term Evolution) 통신 기반 단말, 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, “네트워크”는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
도 1은 본 발명의 일 예에 따르는 메타버스 내 아바타 행동 분석 시스템을 나타낸 도면이다.
도 1을 참조하면, 메타버스 아바타 행동 분석 시스템은 서버(100) 및 사용자 단말(200)이 네트워크로 연결되어 있다.
본 발명에 따르는 서버(100)는 메타버스 내 아바타의 행동을 분석할 수 있는 서버로서, 메타버스 서비스를 제공하는 서버, 메타버스 서비스 제공 서버와 연결된 서버 등이 이에 해당될 수 있다.
본 발명에 따르는 서버(100)는 메타버스 내 아바타의 행동을 분석하기 위하여 행동 정보를 수집하고, 이를 분석하여 사용자 그룹화를 수행하고, 사용자 개인에 맞춘 서비스를 제공할 수 있는 서버이다.
따라서, 본 발명에 따르는 서버(100)는 메타버스 서버 이외에도 금융 서버, 게임 서비스 서버, 유통 서버 등 다양한 타 서버들과 연결될 수 있다.
본 발명에 따르는 클라이언트(사용자 단말,200)는 스마트폰(210), 노트북(220), 데스크탑(230), 태블릿, PDA(Personal Digital Assistant), 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 사용자는 클라이언트(200)를 통하여 메타버스 관련 서비스를 제공받을 수 있다.
네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
도 2는 본 발명에 따르는 메타버스 아바타 행동 분석 과정을 나타낸 도면이다.
서버는 메타버스 내 아바타의 행동 정보를 수집하여 제1 저장부에 저장한다(S210).
서버는 사용자가 메타버스 플랫폼에 접속하는 시간, IP 등을 포함하여 메타버스 환경 내에서 아바타의 이동 동선, 맵 내 머무르는 시간 및 좌표, 사용자의 조작 정보(표정, 걷기, 뛰기, 점프 등), 대화 내용을 수집한다.
서버는 사용자 계정을 식별할 수 있으며, 각각의 로그(log) 정보를 분석하여, 접속 시간, 접속 IP 등을 부가 정보로 하여 사용자 계정 식별 정보로 활용할 수 있다. 서버는 메타버스라는 3차원 가상 공간도 현실 공간과 같이 좌표로 나타낼 수 있으며, 아바타의 이동 동선 또한 하나의 정보로서 수집할 수 있다.
또한, 서버는 사용자의 조작 정보 및 대화 내용을 수집할 수 있다. 조작 정보는 현실에서의 사용자가 메타버스 내 아바타의 행동에 어떻게 영향을 미치는지 분석하는 데 중요한 변수이다. 서버는 메타버스 내에서 어떤 주제의 공간 좌표에 관심을 가지는지 분석하여 사용자의 선호 주제 등을 결정할 수 있다.
예를 들어, 서버는 메타버스 내에서 가상 부동산 투자와 관련하여 사용자가 어느 지역 또는 어떠한 유형의 가상 부동산 투자를 선호하는지 아바타의 동선 등을 분석함으로써 결정할 수 있다.
또한, 서버는 아바타의 대화 내용, 다른 아바타와의 대화 내용, 검색 내용, NPC(non-playing character) 과의 커뮤니케이션 정보를 분석하여 사용자의 선호 주제 등을 결정할 수 있다.
수집된 메타버스 내 아바타의 행동 정보는 하나의 서버에서 수집된 정보뿐만 아니라 연계된 다른 메타버스 서버에서 수집된 정보일 수도 있다. 메타버스라는 가상 공간은 이를 제공하는 플랫폼에 따라 다양한 형태로 생성될 수 있기 때문에, 서버는 복수의 메타버스 환경에서의 아바타 행동 정보를 수신 또는 수집할 수 있다.
서버는 복수의 메타버스 환경에서의 아바타 행동 정보를 분석함으로써, 균질화된 사용자 정보로 활용할 수 있다. 이는 사용자가 메타버스 환경마다 서로 다른 행동 패턴을 가질 수 있기 때문에, 메타버스 환경마다 차이가 있는 행동에 대한 분석이 가능하다.
서버는 수집된 아바타의 행동 정보를 제1 저장부에 저장한다. 제1 저장부는 데이터 웨어하우스(Data Warehouse)일 수 있으며, 아바타의 행동 정보가 메타데이터로서 선후 관계가 있는 항목들의 집합인 시퀀스 데이터(sequence data) 형태로 제1 저장부에 저장된다.
서버는 아바타의 행동 정보를 순환 신경망(Recurrent Neural Network; RNN)을 이용하여 데이터 그룹화를 수행하고(1차 분석), 제2 저장부에 저장한다(S220).
입력되는 데이터가 시퀀스 단위이기 때문에, 서버는 순서가 있는 데이터를 처리하는 데에 특화된 모델인 순환 신경망을 이용한다. 순환 신경망(RNN)은 은닉층의 노드에서 활성화 함수를 통해 나온 결과값을 출력층 방향으로 보내고, 다시 은닉층 노드의 다음 계산의 입력으로 보낸다.
서버는 순서가 있는 데이터 중 아바타의 대화 정보에 대해서는 자연어처리(Natural Language Processing; NLP)를 수행하여 분석할 수 있다. 자연어처리(NLP)는 1) 텍스트 전처리 - 2) 피처 벡터화(feature vectorization) - 3) 머신 러닝 모델링 순으로 진행할 수 있다.
보다 구체적으로 설명하면, 텍스트 전처리 단계에서, 대/소문자 변경, 특수문자 삭제, 이모티콘 삭제 등의 전처리 작업, 단어(word) 토큰화 작업, 불용어(Stop word) 제거 작업, 어근 추출(stemming/lemmatization) 등의 텍스트 정규화 작업을 수행한다.
다음으로 피처 벡터화 단계에서는 전처리된 텍스트에서 피처(feature)를 추출하고 여기에 벡터 값을 할당한다.
마지막으로, 피처 벡터화된 데이터에 대하여 모델을 수립하여 학습 및 예측을 수행한다.
1차 분석이 끝난 데이터는 특성에 따라 그룹화되고, 이를 제2 저장부(데이터 웨어하우스)에 저장된 기존 그룹과 비교를 수행한다. 비교 결과에 따라 기존 그룹에 해당한다고 판단되면 1차 분석이 끝난 데이터를 제2 저장부에 저장하고, 기존 그룹에 해당하지 않는다고 판단되면, 신규 그룹을 생성하고 1차 분석이 끝난 데이터를 신규 그룹에 저장한다.
그룹화된 데이터의 예시는 하기의 표 1과 같다.
그룹 분석 데이터
사용자 인증 메타버스 접속 시간, IP, 이동 경로 등
금융 거래 메타버스 환경 내에서 발생하는 결제 내용 등
소비 성향 아이템 구매 정보, 메타버스 환경 내 선호하는 위치 등
서버는 그룹화된 데이터를 순환 신경망(RNN)을 이용하여 다시 분석한다(2차 분석). 이후 분석된 데이터를 제3 저장부에 저장한다(S230).
한번 분석(1차 분석)된 데이터를 다시 분석을 수행하는 이유는 그룹화된 데이터를 순환 신경망을 이용하여 재분석(2차 분석) 함으로써, 분류 품질인 정확도, 정밀도, 재현율 등을 높이는 효과가 있기 때문이다.
서버는 데이터를 가공하여, 메타버스 내 아바타에 개인화된 서비스로 제공한다(S240).
서버는 아바타의 행동을 분석함으로써, 메타버스 내 환경에서 어떠한 주제를 선호하는지, 관심을 보이는 구매 물품 정보들을 확인하고 구매할 것으로 예상되는 상품들을 추천함으로써, 개인화된 서비스를 제공할 수 있다.
예를 들어, 연예인을 좋아하는 사용자가 메타버스 내에서 특정 아이돌 그룹을 자주 검색하거나, 이를 주제로 대화할 경우, 서버는 해당 아이돌 그룹에 대한 메타버스 내 또는 현실 세계에서의 굿즈(goods)를 추천함으로써, 구매 욕구를 향상시킬 수 있다.
도 3은 본 발명의 일 예에 따르는 서버의 구조를 개념적으로 나타낸 블록도이다.
도 3에 도시된 바와 같이, 본 발명의 일 예에 따르는 메타버스 아바타의 행동 분석 서버(100)는 행동 정보 수집부(110), 제1 분석부(120), 제2 분석부(130), 서비스 제공부(140) 및 저장부(150)를 포함한다. 본 발명의 저장부(150)는 제1 저장부(151), 제2 저장부(152) 및 제3 저장부(153)를 포함한다. 도 3에는 미도시되었지만, 전원부, 입출력부, 통신부, 제어부 등의 모듈이 서버(100)의 원활한 동작을 위해 포함될 수 있다.
본 발명의 일 예에 따르는 행동 정보 수집부(110)는 사용자가 메타버스 플랫폼에 접속하는 시간, IP 등을 포함하여 메타버스 환경 내에서 아바타의 이동 동선, 맵 내 머무르는 시간 및 좌표, 사용자의 조작 정보(표정, 걷기, 뛰기, 점프 등), 대화 내용을 수집한다.
본 발명의 일 예에 따르는 행동 정보 수집부(110)는 사용자 계정을 식별할 수 있으며, 각각의 로그(log) 정보를 분석하여, 접속 시간, 접속 IP 등을 부가 정보로 하여 사용자 계정 식별 정보로 활용할 수 있다.
본 발명의 일 예에 따르는 행동 정보 수집부(110)는 메타버스라는 3차원 가상 공간도 현실 공간과 같이 좌표로 나타낼 수 있으며, 아바타의 이동 동선 또한 하나의 정보로서 수집할 수 있다.
또한, 본 발명의 일 예에 따르는 행동 정보 수집부(110)는 사용자의 조작 정보 및 대화 내용을 수집할 수 있다. 조작 정보는 현실에서의 사용자가 메타버스 내 아바타의 행동에 어떻게 영향을 미치는지 분석하는 데 중요한 변수이다. 본 발명의 일 예에 따르는 행동 정보 수집부(110)는 메타버스 내에서 어떤 주제의 공간 좌표에 관심을 가지는지 분석하여 사용자의 선호 주제 등을 결정할 수 있다.
본 발명의 일 예에 따르는 행동 정보 수집부(110)는 하나의 서버에서 아바타의 행동 정보를 수집할 뿐만 아니라 연계된 다른 메타버스 서버에서 수집할 수도 있다.
본 발명의 일 예에 따르는 제1 분석부(120)는 제1 저장부(151)에 저장된 시퀀스 데이터를 순환 신경망(RNN)을 이용하여 분석한다(제1 분석부).
제1 저장부(151)는 데이터 웨어하우스(Data Warehouse)일 수 있으며, 아바타의 행동 정보가 메타데이터로서 선후 관계가 있는 항목들의 집합인 시퀀스 데이터(sequence data) 형태로 제1 저장부(151)에 저장된다.
본 발명의 일 예에 따르는 제1 분석부(120)는 아바타의 행동 정보를 순환 신경망(Recurrent Neural Network; RNN)을 이용하여 데이터 그룹화를 수행하고, 제2 저장부(152)에 저장한다.
입력되는 데이터가 시퀀스 단위이기 때문에, 제1 분석부(120)는 순서가 있는 데이터를 처리하는 데에 특화된 모델인 순환 신경망을 이용한다.
본 발명의 일 예에 따르는 제1 분석부(120)는 순서가 있는 데이터 중 아바타의 대화 정보에 대해서는 자연어처리(Natural Language Processing; NLP)를 수행하여 분석할 수 있다.
본 발명의 일 예에 따르는 제2 분석부(130)는 제2 저장부(152)에 저장된 데이터를 재차 분석하여, 제3 저장부(153)에 저장한다.
본 발명의 일 예에 따르는 제3 저장부(153)에 저장된 데이터는 가공된 데이터로서, 메타버스 내에서 개인화된 서비스로 활용 가능한 데이터일 수 있다.
본 발명의 일 예에 따르는 서비스 제공부(140)는 가공된 데이터를 메타버스 내 또는 사용자 단말에 전송함으로써, 개인화된 서비스를 제공한다.
또한, 본 발명의 일 예에 따르는 서버(100)는 메타버스 내 아바타에 대한 개인화된 서비스를 제공한 이후에, 제공된 서비스에 대한 아바타의 피드백 정보를 수집하여 분석할 수 있다. 즉, 제공된 개인화된 서비스에 대한 응답 여부, 반응 정도 등을 행동 정보 수집부(110)에서 다시 또 하나의 행동 정보로 수집함으로써, 앞서 설명한 과정을 반복할 수 있다.
예를 들어, 특정 아이돌 그룹을 좋아하는 아바타에 해당 아이돌 그룹과 관련된 정보를 제공하거나, 굿즈 구매 정보를 제공하는 경우에도 별다른 피드백이 없다면, 이러한 개인화된 서비스에 대한 관심이 낮은 것으로 판단하고 다른 서비스를 제공할 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 서버
200: 클라이언트

Claims (5)

  1. 메타버스 아바타 행동 분석 방법에 있어서,
    서버에서 메타버스 내 아바타의 행동 정보를 수집하여 선후 관계가 있는 항목들의 집합인 시퀀스 데이터 형태로 제1 저장부에 저장하는 단계;
    상기 제1 저장부에 저장된 아바타의 행동 정보를 순환 신경망(RNN)을 이용하여 데이터 그룹화를 하는 1차 분석을 수행하고 제2 저장부에 저장하는 단계;
    상기 제2 저장부에 저장된 그룹화된 데이터를 2차 분석하여 제3 저장부에 저장하는 단계; 및
    상기 제3 저장부에 저장된 데이터를 가공하여, 메타버스 내 아바타에 개인화된 서비스로 제공하는 단계;
    를 포함하고,
    상기 제3 저장부에 저장하는 단계는,
    1차 분석된 데이터를 2차 분석함으로써, 정확도, 정밀도, 재현율의 지표 중 적어도 하나를 높이고 저장하는 것을 특징으로 하는, 메타버스 아바타 행동 분석 방법.
  2. 제1항에 있어서,
    상기 아바타의 행동 정보는,
    메타버스에 접속하는 시간 정보, 접속 IP 정보, 아바타의 이동 동선, 맵 내 머무르는 시간 및 좌표, 사용자의 조작 정보 및 대화 정보를 포함하는 것을 특징으로 하는, 메타버스 아바타 행동 분석 방법.
  3. 제1항에 있어서,
    상기 제2 저장부에 저장된 그룹화된 데이터를 분석하는 단계는,
    메타버스 접속시간, IP, 이동 동선에 기반한 사용자 인증 그룹, 메타버스 내에서 발생하는 결제 정보에 기반한 금융 거래 그룹, 아이템 구매, 메타버스 내에서 선호하는 위치에 따른 소비 성향에 기반한 소비 성향 그룹 중 어느 하나의 그룹과 매핑하고,
    상기 사용자 인증 그룹, 금융 거래 그룹, 소비 성향 그룹 중 매칭되는 그룹이 없다고 판단되는 경우, 새로운 그룹을 생성하는 단계를 포함하는 것을 특징으로 하는, 메타버스 아바타 행동 분석 방법.
  4. 제2항에 있어서,
    상기 제1 저장부에 저장된 아바타의 행동 정보를 순환 신경망을 이용하여 데이터 그룹화를 수행하고,
    상기 아바타의 행동 정보에 포함된 대화 정보는 자연어처리(NLP)하는 것을 특징으로 하는, 메타버스 아바타 행동 분석 방법.
  5. 제1항에 있어서,
    상기 메타버스 내 아바타에 개인화된 서비스로 제공하는 단계 이후에,
    상기 제공된 서비스에 대한 아바타의 피드백 정보를 수집하여 분석하는 단계를 더 포함하는 것을 특징으로 하는, 메타버스 아바타 행동 분석 방법.
KR1020220003149A 2022-01-10 2022-01-10 딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법 KR102412142B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220003149A KR102412142B1 (ko) 2022-01-10 2022-01-10 딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220003149A KR102412142B1 (ko) 2022-01-10 2022-01-10 딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법

Publications (1)

Publication Number Publication Date
KR102412142B1 true KR102412142B1 (ko) 2022-06-22

Family

ID=82216246

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220003149A KR102412142B1 (ko) 2022-01-10 2022-01-10 딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법

Country Status (1)

Country Link
KR (1) KR102412142B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102455172B1 (ko) * 2022-07-12 2022-10-17 주식회사 디버 메타버스 내 가상주소를 이용한 인공지능 기반의 가상 오피스 서비스 제공 서버, 방법 및 프로그램
KR102484522B1 (ko) * 2022-07-11 2023-01-09 주식회사 리오랩 메타버스 기반 사용성테스트 플랫폼 서비스 제공 방법 및 시스템
KR102484523B1 (ko) * 2022-07-11 2023-01-09 주식회사 리오랩 메타버스 기반 사용성테스트에서 테스트 참여자의 동작을 분석하기 위한 방법 및 시스템
KR102593236B1 (ko) * 2022-10-12 2023-10-26 주식회사 와이드브레인 메타버스 환경에서 사용자 프로파일 생성 방법 및 그 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110000996A (ko) * 2009-06-29 2011-01-06 주식회사 모임 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체
KR20130068593A (ko) * 2011-12-15 2013-06-26 한국전자통신연구원 실감 융합형 메타버스 플랫폼 장치 및 이를 이용한 서비스 제공 방법
KR20180121466A (ko) * 2017-04-06 2018-11-07 네이버 주식회사 딥러닝을 활용한 개인화 상품 추천
KR102293743B1 (ko) * 2020-05-29 2021-08-24 가천대학교 산학협력단 인공지능 챗봇 기반 케어 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110000996A (ko) * 2009-06-29 2011-01-06 주식회사 모임 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체
KR20130068593A (ko) * 2011-12-15 2013-06-26 한국전자통신연구원 실감 융합형 메타버스 플랫폼 장치 및 이를 이용한 서비스 제공 방법
KR20180121466A (ko) * 2017-04-06 2018-11-07 네이버 주식회사 딥러닝을 활용한 개인화 상품 추천
KR102293743B1 (ko) * 2020-05-29 2021-08-24 가천대학교 산학협력단 인공지능 챗봇 기반 케어 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102484522B1 (ko) * 2022-07-11 2023-01-09 주식회사 리오랩 메타버스 기반 사용성테스트 플랫폼 서비스 제공 방법 및 시스템
KR102484523B1 (ko) * 2022-07-11 2023-01-09 주식회사 리오랩 메타버스 기반 사용성테스트에서 테스트 참여자의 동작을 분석하기 위한 방법 및 시스템
KR102455172B1 (ko) * 2022-07-12 2022-10-17 주식회사 디버 메타버스 내 가상주소를 이용한 인공지능 기반의 가상 오피스 서비스 제공 서버, 방법 및 프로그램
KR102593236B1 (ko) * 2022-10-12 2023-10-26 주식회사 와이드브레인 메타버스 환경에서 사용자 프로파일 생성 방법 및 그 장치

Similar Documents

Publication Publication Date Title
KR102412142B1 (ko) 딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법
Cunha et al. Metalearning and Recommender Systems: A literature review and empirical study on the algorithm selection problem for Collaborative Filtering
Hasan et al. Fischer linear discrimination and quadratic discrimination analysis–based data mining technique for internet of things framework for Healthcare
CN104254852B (zh) 用于混合信息查询的方法和系统
US9654593B2 (en) Discovering signature of electronic social networks
Rakesh et al. Project recommendation using heterogeneous traits in crowdfunding
WO2018040069A1 (zh) 信息推荐系统及方法
CN110402570A (zh) 信息处理方法和系统、服务器、终端、计算机存储介质
CN111461841A (zh) 物品推荐方法、装置、服务器及存储介质
Song et al. Personalized menu optimization with preference updater: a Boston case study
US20160314484A1 (en) Method and system for mining churn factor causing user churn for network application
Khan et al. Collaborative filtering based online recommendation systems: A survey
CN116595398A (zh) 基于元宇宙的资源智能匹配方法及相关装置
CN113191838A (zh) 一种基于异质图神经网络的购物推荐方法及系统
CN107368499B (zh) 一种客户标签建模及推荐方法及装置
US20220358175A1 (en) Method and system of personalized blending for content recommendation
CN114371946B (zh) 基于云计算和大数据的信息推送方法及信息推送服务器
US9323643B1 (en) Method and system for analyzing mobile apps
US20170140428A1 (en) Method and apparatus for dynamically selecting content for online visitors
Korkeila Social capital in video game studies: A scoping review
CN109829593B (zh) 目标对象的信用度确定方法、装置、存储介质及电子装置
Stankova et al. Classification over bipartite graphs through projection
US20230368226A1 (en) Systems and methods for improved user experience participant selection
Claussen et al. Obtaining Data from the Internet: A Guide to Data Crawling in Management Research
Tulloch et al. Games and data capture culture: play in the era of accelerated neoliberalism

Legal Events

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