KR102452577B1 - 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치 - Google Patents

뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치 Download PDF

Info

Publication number
KR102452577B1
KR102452577B1 KR1020220068074A KR20220068074A KR102452577B1 KR 102452577 B1 KR102452577 B1 KR 102452577B1 KR 1020220068074 A KR1020220068074 A KR 1020220068074A KR 20220068074 A KR20220068074 A KR 20220068074A KR 102452577 B1 KR102452577 B1 KR 102452577B1
Authority
KR
South Korea
Prior art keywords
webtoon
information
score
user
server
Prior art date
Application number
KR1020220068074A
Other languages
English (en)
Inventor
박경오
신준길
Original Assignee
주식회사 투디스튜디오
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 투디스튜디오 filed Critical 주식회사 투디스튜디오
Priority to KR1020220068074A priority Critical patent/KR102452577B1/ko
Priority to KR1020220126481A priority patent/KR20230168097A/ko
Application granted granted Critical
Publication of KR102452577B1 publication Critical patent/KR102452577B1/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Biophysics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

실시예들은 뉴럴 네트워크(neural network)를 이용하여 서버가 웹툰(webtoon)에 대한 시각화 정보를 제1 단말에게 제공하는 방법 및 장치를 제시한다. 일 실시예에 따른 상기 방법은, 상기 서버에 입력된 활동 정보를 기반으로 상기 웹툰에 대한 제1 정보를 획득하고, 상기 제1 정보는 웹툰에 대한 대표 이미지가 노출된 횟수, 웹툰에 대한 유저(user)의 클릭 수, 웹툰을 유저가 감상한 시간, 웹툰에 대해 유저가 연속으로 감상한 에피소드들, 웹툰에서 유저가 이탈한 에피소드, 상기 에피소드에서 유저가 이탈한 부분, 웹툰을 감상한 유저에 대한 정보, 웹툰에 대한 유저의 평점 및 복수의 웹툰들 중에서 웹툰이 열람된 순서를 포함하고, 상기 제1 정보 및 상기 웹툰에 대한 리뷰(review) 정보를 기반으로 뉴럴 네트워크를 통해 상기 웹툰에 대한 제2 정보를 결정하고, 상기 제2 정보는 그림체에 대한 제1 점수, 전개 속도에 대한 제2 점수 및 스토리에 대한 제3 점수를 포함하고, 상기 제1 정보 및 상기 제2 정보를 포함하는 상기 웹툰에 대한 시각화 정보를 상기 제1 단말에게 전송할 수 있다. 예를 들어, 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수는 상기 리뷰 정보에 포함된 사전 설정된 복수의 텍스트 및 가중치를 기반으로 결정될 수 있다. 예를 들어, 상기 가중치는 상기 리뷰 정보를 작성한 작성 유저에 대한 정보를 기반으로 결정된 유사도에 따라 서로 다른 값을 가질 수 있다.

Description

뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING VISUALIZATION INFORMATION ABOUT A WEBTOON BY A SERVER USING NEURAL NETWORK}
본 개시의 실시예들은 웹툰에 대한 시각화 정보를 제공하는 기술에 관한 것으로, 뉴럴 네트워크를 이용하여 웹툰에 대한 시각화 정보를 제공하는 기술에 대한 것이다.
정보 통신의 발달로 인해, 스마트폰을 통해 쉽게 접근할 수 있는 다양한 디지털 컨텐츠들이 생성되고 있다. 그 중에서 대표적인 디지털 컨텐츠로 웹툰(webtoon)이 있으며, 웹툰은 웹과 카툰(cartoon)을 합성한 단어로, 네이버, 다음 등과 같은 각종 플랫폼 또는 인터넷에서 연재하는 만화를 지칭할 수 있다.
한편, 웹툰 관리자 또는 웹툰 작가는 웹툰의 인기도 및 구독자들의 평가를 웹툰의 조회 수 및 웹툰에 대한 평점을 통해 쉽게 파악할 수 있다. 다만, 웹툰 관리자 또는 웹툰 작가가 웹툰에 대해 보다 정확하게 파악하기 위해서는, 웹툰 구독자의 행동 패턴을 확인할 필요가 있다.
예를 들어, 웹툰에 대한 평점의 경우, 구독자가 간편하게 평점을 입력할 수 있다는 점에서 다수의 구독자들에 의해 조작될 가능성이 있기 때문에, 웹툰에 대한 평점은 상대적으로 신뢰하기 어려울 수 있다.
한편, 웹툰에 대한 종합적인 평가를 기반으로 웹툰을 구독자들에게 추천하는 경우, 정확한 평가를 기반으로 상기 구독자들의 행동 패턴을 파악하여 적절한 시간에 웹툰을 추천할 필요가 있다.
또한, 웹툰의 장르가 점점 더 다양해지고 있으며, 트렌드에 따라 주된 장르들이 변경되고 있으므로, 구독자가 선호하는 장르를 현재 트렌드에 맞추어 파악하고, 해당 장르와 동일 또는 유사한 장르의 웹툰을 추천해줄 필요가 있다.
본 개시의 실시예들은, 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치를 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 뉴럴 네트워크(neural network)를 이용하여 서버가 웹툰(webtoon)에 대한 시각화 정보를 제1 단말에게 제공하는 방법은, 상기 서버에 입력된 활동 정보를 기반으로 상기 웹툰에 대한 제1 정보를 획득하고, 상기 제1 정보는 웹툰에 대한 대표 이미지가 노출된 횟수, 웹툰에 대한 유저(user)의 클릭 수, 웹툰을 유저가 감상한 시간, 웹툰에 대해 유저가 연속으로 감상한 에피소드들, 웹툰에서 유저가 이탈한 에피소드, 상기 에피소드에서 유저가 이탈한 부분, 웹툰을 감상한 유저에 대한 정보, 웹툰에 대한 유저의 평점 및 복수의 웹툰들 중에서 웹툰이 열람된 순서를 포함하고, 상기 제1 정보 및 상기 웹툰에 대한 리뷰(review) 정보를 기반으로 뉴럴 네트워크를 통해 상기 웹툰에 대한 제2 정보를 결정하고, 상기 제2 정보는 그림체에 대한 제1 점수, 전개 속도에 대한 제2 점수 및 스토리에 대한 제3 점수를 포함하고, 상기 제1 정보 및 상기 제2 정보를 포함하는 상기 웹툰에 대한 시각화 정보를 상기 제1 단말에게 전송할 수 있다. 예를 들어, 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수는 상기 리뷰 정보에 포함된 사전 설정된 복수의 텍스트 및 가중치를 기반으로 결정될 수 있다. 예를 들어, 상기 가중치는 상기 리뷰 정보를 작성한 작성 유저에 대한 정보를 기반으로 결정된 유사도에 따라 서로 다른 값을 가질 수 있다.
예를 들어, 상기 리뷰 정보를 작성한 작성 유저에 대한 정보는 상기 작성 유저의 성별, 상기 작성 유저의 나이 및 상기 작성 유저의 웹툰 구독 이력을 포함할 수 있다.
예를 들어, 상기 사전 설정된 복수의 텍스트 각각에 대해 서로 다른 점수가 매칭될 수 있다.
예를 들어, 상기 유사도는 상기 아래 수학식에 의해 설정될 수 있다.
Figure 112022058498147-pat00001
상기 수학식에서, 상기 z는 상기 유사도이고, 상기 n은 상기 웹툰 구독 이력에 포함된 구독 웹툰의 개수이고, 상기 xi는 i번째 구독 웹툰의 장르 값이고, 상기 x0는 상기 웹툰의 장르 값이고, 상기 ci는 i번째 구독 웹툰에 대한 클릭 수이고, 상기 c0는 상기 웹툰에 대한 클릭 수이고, a는 상기 작성 유저의 나이이고, 상기 a0는 상기 웹툰을 감상한 복수의 유저에 대한 평균 나이이고, 상기 d는 기본 값일 수 있다.
예를 들어, 상기 유사도가 작은 값 일수록 상기 가중치가 크게 결정될 수 있다.
예를 들어, 상기 웹툰을 유저가 감상한 시간, 상기 웹툰에 대한 유저의 클릭 수, 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수, 상기 웹툰에 대한 유저의 평점 및 상기 웹툰이 열람된 순서에 기반하여, 상기 웹툰에 대한 추천 점수가 결정될 수 있다.
예를 들어, 서버는 제2 단말의 유저에 대한 웹툰 구독 이력에 상기 웹툰의 장르 값과 동일한 장르 값을 가지는 구독 웹툰이 포함되는 것에 기반하여, 상기 제2 단말이 상기 서버에 대한 연결을 해제하는 평균 시점으로부터 사전 설정된 시간 이전에 상기 웹툰에 대한 추천 정보를 상기 제2 단말에게 전송할 수 있다. 예를 들어, 상기 사전 설정된 시간은 상기 추천 점수와 상기 웹툰을 유저가 감상한 시간에 기반하여 결정될 수 있다.
예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 예를 들어, 복수의 제1 정보, 복수의 리뷰 정보 및 정답 웹툰에 대한 제2 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실값이 작아지는 방향으로 학습될 수 있다.
부가적으로, 예를 들어, 추천 점수는 아래 수학식에 의해 결정될 수 있다.
Figure 112022058498147-pat00002
상기 수학식에서, 상기 r은 추천 점수, 상기 n은 웹툰 구독 이력에 포함된 웹툰의 개수, 상기 b는 상기 추천 웹툰이 열람된 순서, 상기 c는 상기 추천 웹툰의 클릭 수, 상기 cavg는 평균 클릭 수, 상기 g는 상기 추천 웹툰의 평점, 상기 gavg는 평균 평점, 상기 p는 상기 추천 웹툰의 제1 점수, 상기 pavg는 평균 제1 점수, 상기 m은 상기 추천 웹툰의 제2 점수, 상기 mavg는 평균 제2 점수, 상기 s는 상기 추천 웹툰의 제3 점수, 상기 savg는 평균 제3 점수를 나타낼 수 있다. 예를 들어, 평균 클릭 수는 복수의 웹툰들에 대한 평균 클릭 수일 수 있다. 예를 들어, 평균 평점은 복수의 웹툰들에 대한 평균 평점일 수 있다. 예를 들어, 평균 제1 점수, 평균 제2 점수, 평균 제3 점수는 복수의 웹툰들에 대한 평균 제1 점수, 평균 제2 점수, 평균 제3 점수일 수 있다.
부가적으로, 예를 들어, 추천 시간은 상기 제2 단말이 상기 서버에 연결된 후 상기 서버에 대한 연결을 해제하는 평균 시간으로부터 사전 설정된 시간을 뺀 시간일 수 있다. 즉, 상기 제2 단말이 상기 서버에 연결된 후, 상기 추천 시간이 경과되면, 서버는 상기 제2 단말에게 상기 추천 웹툰에 대한 추천 정보를 전송할 수 있다. 예를 들어, 상기 사전 설정된 시간은 아래 수학식에 의해 설정될 수 있다.
Figure 112022058498147-pat00003
상기 수학식에서, 상기 t는 사전 설정된 시간이고, 상기 r은 추천 점수이고, 상기 v는 추천 웹툰에 대한 감상 시간, 상기 x는 추천 웹툰에 대한 회차 연속율일 수 있다.
부가적으로, 일 실시예에 따르면, 웹툰 구독 이력에 추천 웹툰과 동일한 장르가 포함된 것으로 결정된 경우, 웹툰 구독 이력에 추천 웹툰과 유사한 장르가 포함된 것으로 결정된 경우 및 웹툰 구독 이력에 추천 웹툰과 동일한 장르 및 유사한 장르가 포함되지 않았지만 추천 웹툰의 장르에 대한 추천이 허용된 경우에 따라, 추천 웹툰에 대한 추천 정보를 전송할지 여부를 결정하기 위한 임계 값이 상이하게 결정될 수 있다.
부가적으로, 일 실시예에 따라, 웹툰의 장르에 대한 카테고리는 뉴럴 네트워크를 통해 웹툰과 관련된 웹 사이트들을 기반으로 분류될 수 있다. 그리고, 분류된 카테고리의 연관성을 기반으로 웹툰의 장르 값이 결정될 수 있다. 예를 들어, 분류된 카테고리 중에서 해당 장르를 구독한 유저의 성별 비율 및 유저의 나이가 유사한 카테고리들을 하나의 집단으로 결정하고, 해당 집단 내 카테고리들 사이의 장르 값에 대한 차이를 사전 설정된 임계 값 이하로 설정할 수 있다.
실시예들에 따르면, 서버가 상기 서버에 입력된 활동 정보에 기반한 제1 정보 및 리뷰 정보에 따라 뉴럴 네트워크를 통해 그림체에 대한 점수, 전개에 대한 점수 및 스토리에 대한 점수를 결정함으로써, 웹툰에 대한 다각적인 평가가 가능하고, 해당 평가에 대한 신뢰도를 높일 수 있다.
실시예들에 따르면, 서버가 웹툰에 대한 다양한 정보를 기반으로 추천 점수를 결정하고, 추천 웹툰에 대한 추천 정보를 추천 점수 및 사전 설정된 시간에 기반하여 전송함으로써, 유저에게 적합한 시간에 맞춤형 추천 정보를 전송할 수 있다.
실시예들에 따르면, 서버가 웹툰에 대한 다양한 정보를 결정하고, 유저에게 추천 정보를 결정하고 전송할 때, 웹툰 장르들을 뉴럴 네트워크를 통해 결정함으로써, 현재 트렌드에 맞는 웹툰 장르에 대한 추천 정보를 전송할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 서버가 웹툰에 대한 시각화 정보를 제공하는 방법을 나타낸다.
도 4는 일 실시예에 따른 웹툰에 대한 제2 정보를 결정하기 위한 뉴럴 네트워크의 예를 나타낸다.
도 5는 일 실시예에 따른 웹툰에 대한 시각화 정보가 디스플레이된 제1 단말의 화면을 나타낸다.
도 6은 일 실시예에 따른 추천 점수에 기반하여 추천 웹툰에 대한 추천 정보를 제공하는 방법에 대한 흐름도이다.
도 7은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 왑 서버(WAP Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Visual Basic, Visual C 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 도스(DOS), 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 웹사이트(Website), IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH등이 이용될 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따른 서버가 웹툰에 대한 시각화 정보를 제공하는 방법을 나타낸다. 도 3의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, 단계 S301에서, 서버(예:4 도 1의 서버(108))는 서버에 입력된 활동 정보를 기반으로 웹툰에 대한 제1 정보를 획득할 수 있다.
여기서, 활동 정보는 상기 서버에 연결된 단말의 다양한 활동 기록과 상기 단말로부터 수신된 정보를 포함할 수 있다. 예를 들어, 상기 제1 정보는 상기 웹툰에 대한 대표 이미지가 유저에게 노출된 횟수, 상기 웹툰에 대한 유저(user)의 클릭 수, 상기 웹툰을 유저가 감상한 시간, 상기 웹툰에 대해 유저가 연속으로 감상한 에피소드들, 상기 웹툰에서 유저가 이탈한 에피소드, 상기 에피소드에서 유저가 이탈한 부분, 상기 웹툰을 감상한 유저에 대한 정보, 상기 웹툰에 대한 유저의 평점 및 복수의 웹툰들 중에서 상기 웹툰이 열람된 순서를 포함할 수 있다. 여기서, 유저는 상기 서버에 연결된 단말의 사용자를 지칭할 수 있다.
예를 들어, 상기 웹툰에 대한 대표 이미지가 유저에게 노출된 횟수는 상기 웹툰에 대한 대표 이미지가 상기 서버에 연결된 단말에게 전송된 횟수일 수 있다. 예를 들어, 상기 대표 이미지는 썸네일로 지칭될 수 있다. 예를 들어, 상기 웹툰에 대한 유저의 클릭 수는 단말이 상기 웹툰에 대한 링크에 접속한 횟수일 수 있다. 예를 들어, 상기 웹툰을 유저가 감상한 시간은 상기 서버에 연결된 단말이 상기 웹툰에 대한 링크에 접속한 이후 상기 웹툰에 해당하는 페이지별 체류시간의 합산 값일 수 있다.
예를 들어, 상기 웹툰은 복수의 에피소드를 포함할 수 있고, 단말이 상기 웹툰에 대한 링크에 접속하는 경우, 서버로부터 상기 복수의 에피소드들에 대한 링크 및 정보가 단말에게 전송될 수 있다. 예를 들어, 상기 웹툰에 대해 유저가 연속으로 감상한 에피소드들은 상기 유저가 사전 설정된 시간동안 상기 단말이 접속한 에피소드 링크들일 수 있다. 예를 들어, 상기 에피소드에서 유저가 이탈한 에피소드는 상기 단말이 상기 웹툰에 대한 링크를 이탈할 때 마지막으로 접속한 에피소드 링크일 수 있다. 예를 들어, 상기 에피소드에서 유저가 이탈한 부분은 상기 단말이 상기 에피소드에 대한 링크를 이탈할 때 상기 단말에게 전송된 장면일 수 있다.
예를 들어, 서버는 복수의 웹툰들에 대한 링크를 상기 서버에 연결된 단말에게 전송할 수 있다. 예를 들어, 상기 복수의 웹툰들 중에서 상기 웹툰이 열람된 순서는 상기 복수의 웹툰들에 대한 링크들 중에서 상기 단말이 접속한 웹툰에 대한 링크의 순서를 기반으로 결정될 수 있다.
예를 들어, 상기 웹툰에 대한 유저의 평점은 서버에 연결된 단말로부터 수신될 수 있다. 예를 들어, 상기 웹툰을 감상한 유저에 대한 정보는 유저의 성별, 유저의 나이 및 유저의 웹툰 구독 이력을 포함할 수 있다. 여기서, 상기 웹툰 구독 이력은 상기 유저가 구독한 웹툰(이하, 구독 웹툰)에 대한 리스트와 상기 구독 웹툰의 장르 값을 포함할 수 있다. 여기서, 장르 값은 웹툰의 장르를 나타내는 값일 수 있다.
예를 들어, 웹툰의 장르가 순정인 경우, 장르 값은 '1'로 설정될 수 있고, 웹툰의 장르가 액션이 경우, 장르 값은 '11'로 설정될 수 있다. 예를 들어, 웹툰의 장르에 대한 카테고리는 뉴럴 네트워크를 통해 웹툰과 관련된 사이트들을 기반으로 분류될 수 있다.
단계 S302에서, 서버는 상기 제1 정보 및 상기 웹툰에 대한 리뷰(review) 정보를 기반으로 뉴럴 네트워크를 통해 상기 웹툰에 대한 제2 정보를 결정할 수 있다. 여기서, 리뷰 정보는 상기 웹툰에 대해 유저가 작성한 리뷰 텍스트 정보와 상기 웹툰의 장르 값을 포함할 수 있다. 예를 들어, 상기 제2 정보는 그림체에 대한 제1 점수, 전개 속도에 대한 제2 점수 및 스토리에 대한 제3 점수를 포함할 수 있다. 예를 들어, 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수는 상기 리뷰 정보에 포함된 사전 설정된 복수의 텍스트 및 가중치를 기반으로 결정될 수 있다. 예를 들어, 상기 가중치는 상기 리뷰 정보를 작성한 작성 유저에 대한 정보를 기반으로 결정된 유사도에 따라 서로 다른 값을 가질 수 있다.
예를 들어, 상기 리뷰 정보를 작성한 작성 유저에 대한 정보는 상기 작성 유저의 성별, 상기 작성 유저의 나이, 상기 작성 유저의 웹툰 구독 이력을 포함할 수 있다. 예를 들어, 상기 사전 설정된 복수의 텍스트 각각에 대해 서로 다른 점수가 매칭되고, 상기 유사도는 아래 수학식 1에 의해 설정될 수 있다.
Figure 112022058498147-pat00004
상기 수학식 1에서, 상기 z는 상기 유사도이고, 상기 n은 상기 웹툰 구독 이력에 포함된 구독 웹툰의 개수이고, 상기 xi는 i번째 구독 웹툰의 장르 값이고, 상기 x0는 상기 웹툰의 장르 값이고, 상기 ci는 i번째 구독 웹툰에 대한 클릭 수이고, 상기 c0는 상기 웹툰에 대한 클릭 수이고, a는 상기 작성 유저의 나이이고, 상기 a0는 상기 웹툰을 감상한 복수의 유저에 대한 평균 나이이고, 상기 d는 기본 값일 수 있다.
예를 들어, 상기 유사도가 작은 값 일수록 상기 가중치가 크게 결정될 수 있다.
부가적으로, 예를 들어, 사전 설정된 복수의 텍스트는 "그림체", "훌륭", "스토리", "좋음", "연출", "전개", "시원" 등과 같은 단어들의 조합일 수 있다. 예를 들어, 텍스트 정보 중 "그림체"텍스트가 포함된 리뷰 문장이 존재하고, 해당 리뷰 문장 내에 "훌륭"이라는 텍스트가 존재하는 경우, 상기 제1 점수가 5점으로 결정될 수 있다. 예를 들어, 텍스트 정보 중 "스토리"텍스트가 포함된 리뷰 문장이 존재하고, 해당 리뷰 문장 내에 "별로"라는 텍스트가 존재하는 경우, 상기 제3 점수가 1점으로 결정될 수 있다.
예를 들어, 상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 예를 들어, 복수의 제1 정보, 복수의 리뷰 정보 및 정답 웹툰에 대한 제2 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실값이 작아지는 방향으로 학습될 수 있다.
단계 S303에서, 서버는 상기 웹툰에 대한 제1 정보, 상기 웹툰에 대한 제2 정보를 포함하는 상기 웹툰에 대한 시각화 정보를 상기 제1 단말(예: 도 1의 전자 장치(101))에게 전송할 수 있다.
여기서, 시각화 정보는 상기 웹툰에 대한 제1 정보, 상기 웹툰에 대한 제2 정보를 상기 제1 단말의 화면에 디스플레이하는 정보일 수 있다.
일 실시 예에 따라, 상기 웹툰을 유저가 감상한 시간, 상기 웹툰에 대한 유저의 클릭 수, 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수, 상기 웹툰에 대한 유저의 평점 및 상기 웹툰이 열람된 순서에 기반하여, 상기 웹툰에 대한 추천 점수가 결정될 수 있다.
일 실시 예에 따라, 제2 단말의 유저에 대한 웹툰 구독 이력에 상기 웹툰의 장르 값과 동일한 장르 값을 가지는 구독 웹툰이 포함되는 것에 기반하여, 서버는 상기 제2 단말이 상기 서버에 대한 연결을 해제하는 평균 시점으로부터 사전 설정된 시간 이전에 상기 웹툰에 대한 정보를 상기 제2 단말에게 전송할 수 있다. 예를 들어, 상기 사전 설정된 시간은 상기 추천 점수와 상기 웹툰을 유저가 감상한 시간에 기반하여 결정될 수 있다.
즉, 상기 제2 단말이 상기 서버에 연결된 후, 추천 시간이 경과되면, 서버는 상기 제2 단말에게 상기 추천 웹툰에 대한 추천 정보를 전송할 수 있다. 예를 들어, 상기 추천 시간은 상기 제2 단말이 상기 서버에 연결된 후 상기 서버에 대한 연결을 해제하는 평균 시간으로부터 사전 설정된 시간을 뺀 시간일 수 있다. 예를 들어, 추천 정보는 웹툰에 대한 썸네일 정보와 웹툰에 대한 텍스트 정보를 포함할 수 있다.
도 4는 일 실시예에 따른 웹툰에 대한 제2 정보를 결정하기 위한 뉴럴 네트워크의 예를 나타낸다. 도 4의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 뉴럴 네트워크는 입력 레이어(411), 하나 이상의 히든 레이어(412) 및 출력 레이어(413)를 포함할 수 있다.
예를 들어, 복수의 제1 정보, 복수의 리뷰 정보 및 정답 웹툰에 대한 제2 정보로 구성된 각각의 학습 데이터가 상기 뉴럴 네트워크의 입력 레이어(411)에 입력되고, 하나 이상의 히든 레이어(412) 및 출력 레이어(413)를 통과하여 출력 벡터를 출력할 수 있다. 그리고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어(미도시)에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실값이 작아지는 방향으로 학습될 수 있다.
구체적으로, 상기 복수의 리뷰 정보에 포함된 텍스트 정보는 입력 레이어에 입력되기 이전에 텍스트 전처리가 수행될 수 있다. 예를 들어, 텍스트 전처리 과정에서, 서버는 상기 텍스트 정보에 포함된 문장들을 단어 집합으로 변환시키고, 상기 단어 집합을 벡터의 차원으로 변환시킬 수 있다. 그리고, 상기 변환된 벡터들을 상기 입력 레이어에 입력시킬 수 있다.
예를 들어, 사전 설정된 복수의 텍스트는 그림체와 관련된 제1 텍스트(예를 들어, 작화, 그림, 캐릭터 비율 등), 전개와 관련된 제2 텍스트(전개 방식, 연출, 전개 속도, 짜임새 등), 스토리와 관련된 제3 텍스트(구성, 시나리오, 글 등) 및 긍정적 평가와 관련된 제4 텍스트(좋음, 훌륭, 시원 등), 부정적 평가와 관련된 제5 텍스트(나쁨, 별로, 답답 등), 중간 평가와 관련된 제6 텍스트(평범, 나름, 괜찮음)을 포함할 수 있다. 예를 들어, 상기 평가와 관련된 텍스트 각각은 점수와 매칭될 수 있다. 예를 들어, 상기 제4 텍스트는 5점, 상기 제5 텍스트는 -1점, 상기 제6 텍스트는 3점으로 사전 설정될 수 있다. 예를 들어, 상기 텍스트 전처리된 복수의 리뷰 정보에서 상기 사전 설정된 복수의 텍스트와 매칭되는 출력 벡터들을 추출할 수 있다. 그리고, 상기 추출된 출력 벡터들과 매칭된 점수에 대한 평균 값이 상기 제1 점수, 상기 제2 점수 또는 상기 제3 점수로 결정될 수 있다. 예를 들어, 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수는 최소 0점에서 최대 5점 사이의 값을 가질 수 있다. 또한, 상기 점수가 음의 값이면, 0점으로 결정될 수 있고, 상기 점수가 5점을 초과하면, 5점으로 결정될 수 있다. 예를 들어, 상기 제1 점수가 음의 값을 가지면, 0점으로 결정할 수 있고, 상기 제2 점수가 5점을 초과하면, 5점으로 결정할 수 있다.
즉, 예를 들어, 상기 복수의 리뷰 정보 내 텍스트 정보에서 제1 텍스트, 제2 텍스트 또는 제3 텍스트를 포함한 문장을 검출할 수 있다. 이때, 예를 들어, 제1 텍스트가 포함된 문장 5개를 검출한 경우, 상기 문장 5개 각각에 포함된 제4 텍스트, 제5 텍스트 또는 제6 텍스트를 검출할 수 있다. 예를 들어, 상기 제1 텍스트가 포함된 문장 5개에 대해 제4 텍스트가 2개, 제5 텍스트가 3개 검출되면, 상기 제1 점수가 결정될 수 있다. 이때, 상기 제1 점수에 대해 상기 수학식 1에 의해 설정된 유사도를 기반으로 가중치가 적용될 수 있다. 예를 들어, 상기 제1 텍스트가 포함된 문장 5개를 동일한 유저가 작성하고, 상기 유사도가 4로 설정되면, 상기 가중치는 1.8로 설정될 수 있다. 여기서, 예를 들어, 가중치의 범위는 0.5에서 2 사이로 설정될 수 있다. 따라서, 상기 문장 5개 각각의 제1 점수에 대해 1.8의 가중치가 적용됨으로써, 제1 점수는 (1.8(5X2)-1.8(1X3))/5로 계산될 수 있다. 즉, 제1 점수는 2.52점으로 결정될 수 있다. 상술한 과정에 대한 값을 예측 값으로 하여, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 결정하고, 손실값을 출력할 수 있고, 상기 뉴럴 네트워크의 파라미터는 상기 손실값이 작아지는 방향으로 학습될 수 있다.
부가적으로, 일 실시예에 따라, 웹툰의 장르에 대한 카테고리는 뉴럴 네트워크를 통해 웹툰과 관련된 웹 사이트들을 기반으로 분류될 수 있다. 그리고, 분류된 카테고리의 연관성을 기반으로 웹툰의 장르 값이 결정될 수 있다. 예를 들어, 분류된 카테고리 중에서 해당 장르를 구독한 유저의 성별 비율 및 유저의 나이가 유사한 카테고리들을 하나의 집단으로 결정하고, 해당 집단 내 카테고리들 사이의 장르 값에 대한 차이를 사전 설정된 임계 값 이하로 설정할 수 있다.
상기 유사도를 설정하기 위한 파라미터들 중에서 장르 값에 대해 구체적으로 설명한다. 예를 들어, 웹툰의 장르는 웹툰과 관련된 웹 사이트들에 대한 웹 크롤링을 통해 각 웹 사이트의 장르에 대한 탭을 기반으로 설정될 수 있다. 여기서, 웹 크롤링은 웹 사이트들의 정보를 수집하는 동작일 수 있다. 예를 들어, 웹툰의 장르가 공포, 미스터리, 순정, 연애, 액션, 판타지, 스릴러, 드라마, 일상, 개그, 학원, 시대극, 스포츠, 히어로, 옴니버스 및 스토리로 설정될 수 있다. 이때, 웹툰과 관련된 웹 사이트들로부터 상기 웹툰의 장르에 대한 유저의 성별 비율 및 유저의 나이에 대한 정보가 획득될 수 있고, 상기 웹툰의 장르에 대한 유저의 성별 비율 및 유저의 나이에 대한 정보에 기반하여 뉴럴 네트워크를 통해 사전 설정된 범위 내 벡터 값을 가진 장르끼리 클러스터링을 수행할 수 있다.
예를 들어, 공포, 미스터리 및 스릴러가 제1 집단으로 결정되고, 개그, 일상 및 옴니버스가 제2 집단으로 결정될 수 있다. 예를 들어, 유저의 성별 비율이 50:50이고, 20대 연령층인 제1 집단의 상위 3개의 장르가 공포, 미스터리 및 스릴러일 수 있다. 예를 들어, 유저의 성별 비율이 40:60이고, 10대 연령층인 제2 집단의 상위 3개의 장르가 개그, 일상 및 옴니버스일 수 있다.
이때, 제1 집단의 장르 값은 1에서 3으로 설정되고, 공포에 대한 장르 값은 1, 미스터리에 대한 장르 값은 2, 스릴러에 대한 장르 값은 3으로 설정될 수 있다. 또한, 제2 집단의 장르 값은 9에서 11로 설정되고, 개그에 대한 장르 값은 11, 일상에 대한 장르 값은 10, 옴니버스에 대한 장르 값은 9로 설정될 수 있다. 즉, 유사한 장르에 대해서 장르 값의 차이 값이 2 이하로 설정될 수 있다.
도 5는 일 실시예에 따른 웹툰에 대한 시각화 정보가 디스플레이된 제1 단말의 화면을 나타낸다. 도 5의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 5를 참고하면, 특정 웹툰에 대한 시각화 정보가 디스플레이된 제1 단말의 화면(510)은 썸네일이 노출된 횟수(511), 웹툰 조회수(512), 감상 시간(513), 회차 연속율(514), 연속 회차(515), 이탈 에피소드(516), 이탈 컷(517), 평점(518), 구독자 정보(519), 제1 점수(521), 제2 점수(522) 및 제3 점수(523)를 포함할 수 있다.
그러나, 도 5에 도시된 구성 요소가 웹툰에 대한 시각화 정보가 디스플레이된 제1 단말의 화면(510)의 필수 구성 요소인 것은 아니다. 도 5에 도시된 구성 요소보다 많은 구성 요소가 화면(510)에 디스플레이 될 수도 있고, 도 5에 도시된 구성 요소보다 적은 구성 요소가 화면(510)에 디스플레이 될 수도 있다.
예를 들어, 썸네일이 노출된 횟수(511)는 웹툰의 썸네일이 유저에게 노출된 횟수이며, 상기 썸네일에 대한 정보가 서버로부터 상기 서버에 연결된 단말에게 전송된 횟수에 기반하여 결정될 수 있다. 썸네일이 노출된 횟수(511)는 상기 특정 웹툰의 썸네일이 서버에 연결된 단말에게 543회 전송된 것을 나타내고, 복수의 웹툰에 대한 평균 썸네일의 전송 횟수는 411회 일 수 있다.
예를 들어, 웹툰 조회수(512)는 단말이 상기 웹툰에 대한 링크에 접속한 횟수일 수 있다. 웹툰 조회수(512)는 상기 특정 웹툰에 대한 링크에 단말이 443회 접속한 것을 나타내고, 복수의 웹툰에 대한 평균 웹툰 조회수는 302회 일 수 있다.
예를 들어, 감상 시간(513)은 각 단말이 웹툰의 페이지별로 체류한 시간을 합산한 값을 평균 값일 수 있다. 또는, 예를 들어, 감상 시간(513)은 단말이 하루동안 각 단말이 웹툰의 페이지별로 체류한 시간을 합산한 시간의 평균 값일 수 있다. 감상 시간(513)은 각 단말이 웹툰의 페이지별로 체류한 시간을 합산한 시간의 평균 값이 5분 17초를 나타내고, 복수의 웹툰에 대한 평균 감상 시간은 4분 03초 일 수 있다. 예를 들어, 상기 합산 값은 하루동안 합산된 값일 수 있다.
즉, 썸네일이 노출된 횟수(511), 웹툰 조회수(512) 및 감상 시간(513)을 통해, 제1 단말의 유저는 상기 특정 웹툰의 썸네일이 노출된 횟수, 웹툰 조회수 및 감상 시간을 복수의 웹툰에 대한 평균 값들과 직관적으로 비교할 수 있다.
예를 들어, 회차 연속율(514)은 사전 설정된 시간 동안 유저가 연속으로 감상한 에피소드들의 개수일 수 있다. 회차 연속율(514)은 사전 설정된 시간동안 유저가 연속으로 5화의 에피소드들을 감상한 것을 나타낸다. 예를 들어, 사전 설정된 시간은 24시간일 수 있다.
예를 들어, 연속 회차(515)는 상기 회차 연속율(514)에 해당하는 에피소드들일 수 있다. 연속 회차(515)는 유저가 상기 특정 웹툰의 27화, 28화, 29화, 30화, 31화를 연속으로 감상한 것을 나타낸다. 예를 들어, 회차 연속율(514)에 대한 링크가 상기 제1 단말의 유저에 의해 클릭되면, 연속 회차(515)가 별도로 디스플레이될 수 있다.
예를 들어, 이탈 에피소드(516)는 단말이 웹툰에 대한 링크를 이탈할 때 접속한 에피소드 링크일 수 있다. 이탈 에피소드(516)는 유저가 상기 특정 웹툰의 19화에서 주로 이탈하는 것을 나타낸다.
예를 들어, 이탈 컷(517)은 단말이 상기 이탈 에피소드(516)에 대한 링크를 이탈할 때 상기 단말에게 전송된 장면일 수 있다. 예를 들어, 회차 이탈 에피소드(516)에 대한 링크가 상기 제1 단말의 유저에 의해 클릭되면, 이탈 컷(517)이 별도로 디스플레이될 수 있다.
예를 들어, 평점(518)은 서버에 연결된 각 단말로부터 수신한 평가 값을 평균한 값일 수 있다. 상기 특정 웹툰에 대한 평점(518)은 9.71점이다. 예를 들어, 구독자 정보(519)는 서버에 연결된 각 단말로부터 수신한 유저의 정보를 기반으로 결정된 정보일 수 있다. 예를 들어, 구독자 정보(519)는 상기 특정 웹툰의 구독자에 대한 성별 비율이 남성이 80퍼센트, 여성이 20퍼센트인 것을 나타내고, 상기 특정 웹툰의 구독자에 대한 연령층의 비율을 나타낸다.
예를 들어, 제1 점수(521), 제2 점수(522) 및 제3 점수(523)는 상술한 도 3 및 도 4의 제1 점수, 제2 점수 및 제3 점수일 수 있다. 즉, 제1 점수, 상기 제2 점수 및 상기 제3 점수는 리뷰 정보에 포함된 사전 설정된 복수의 텍스트 및 가중치를 기반으로 결정될 수 있고, 상기 가중치는 상기 리뷰 정보를 작성한 작성 유저에 대한 정보를 기반으로 결정된 유사도에 따라 서로 다른 값을 가질 수 있다. 제1 점수(521)는 상기 특정 웹툰의 그림체에 대한 점수가 4점인 것을 나타내고, 제2 점수(522)는 상기 특정 웹툰의 전개에 대한 점수가 4점인 것을 나타내고, 제3 점수(523)는 상기 특정 웹툰의 스토리에 대한 점수가 2점인 것을 나타낸다.
도 6은 일 실시예에 따른 추천 점수에 기반하여 추천 웹툰에 대한 추천 정보를 제공하는 방법에 대한 흐름도이다. 도 6의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 6을 참고하면, 단계 S601에서, 서버는 상기 서버에 연결된 제2 단말의 유저에 대한 정보를 획득할 수 있다. 예를 들어, 유저에 대한 정보는 유저의 성별, 유저의 나이 및 유저의 웹툰 구독 이력을 포함할 수 있다. 예를 들어, 유저의 성별 및 유저의 나이는 상기 서버에 연결된 단말로부터 수신될 수 있다. 예를 들어, 유저의 웹툰 구독 이력은 상기 서버에 연결된 단말의 다양한 활동 기록을 포함하는 로그 정보로부터 획득될 수 있다.
단계 S602에서, 서버는 웹툰 구독 이력 내에서 추천 웹툰과 동일한 장르가 포함되었는지 결정할 수 있다. 예를 들어, 웹툰 구독 이력에 포함된 웹툰에 대한 장르 값들 중에서 상기 추천 웹툰의 장르 값과 동일한 장르 값이 존재하는 경우, 서버는 웹툰 구독 이력 내에서 추천 웹툰과 동일한 장르가 포함되었다고 결정할 수 있다. 예를 들어, 상기 추천 웹툰의 장르가 순정인 경우, 장르 값은 '1'로 설정될 수 있고, 상기 웹툰 구독 이력에 포함된 장르 값들 중에서 '1'이 존재하는 경우, 서버는 웹툰 구독 이력 내에서 추천 웹툰과 동일한 장르가 포함되었다고 결정할 수 있다.
단계 S603에서, 서버는 웹툰 구독 이력 내에서 추천 웹툰과 유사한 장르가 포함되었는지 결정할 수 있다. 예를 들어, 웹툰 구독 이력에 포함된 웹툰에 대한 장르 값들 중에서 상기 추천 웹툰의 장르 값과의 차이 값이 사전 설정된 값 이하인 장르 값이 존재하는 경우, 서버는 웹툰 구독 이력 내에서 추천 웹툰과 유사한 장르가 포함되었다고 결정할 수 있다. 예를 들어, 상기 추천 웹툰의 장르가 순정인 경우, 장르 값은 '1'로 설정될 수 있고, 상기 웹툰 구독 이력에 포함된 장르 값들 중에서 '2'또는'3'이 존재하는 경우, 서버는 웹툰 구독 이력 내에서 추천 웹툰과 유사한 장르가 포함되었다고 결정할 수 있다. 여기서, 사전 설정된 값은 2일 수 있다. 예를 들어, 웹툰의 장르가 로맨스인 경우, 장르 값이 '2'일 수 있고, 웹툰의 장르가 드라마인 경우, 장르 값이 '3'일 수 있다.
단계 S604에서, 단계 S602 및 단계 S603에서 '아니오'인 경우, 서버는 상기 추천 웹툰의 장르에 대한 추천과 관련된 메시지를 제2 단말에게 전송할 수 있다. 즉, 웹툰 구독 이력 내에서 추천 웹툰과 동일한 장르 및 유사한 장르가 포함되지 않은 경우, 서버는 상기 웹툰의 추천 장르에 대한 추천과 관련된 메시지를 제2 단말에게 전송할 수 있다. 예를 들어, 추천과 관련된 메시지는 상기 추천 웹툰의 장르에 대한 추천 정보를 수신할지 여부를 확인하기 위한 메시지일 수 있다.
단계 S605에서, 서버는 제2 단말로부터 추천 정보를 허용하는 메시지를 수신할 수 있다. 예를 들어, 제2 단말은 상기 추천과 관련된 메시지에 기반하여 추천 정보를 허용하는 메시지를 서버에게 전송할 수 있다. 이후, 서버는 상기 추천 정보를 허용하는 메시지에 기반하여 상기 제3 단말에게 추천 웹툰에 대한 추천 정보를 전송할 수 있다.
단계 S606에서, 단계 S602, 단계 S603 및 단계 S604에서 '예'인 경우, 서버는 상기 추천 웹툰에 대한 추천 점수 및 사전 설정된 시간을 결정할 수 있다.
예를 들어, 추천 점수는 웹툰을 유저가 감상한 시간, 웹툰에 대한 유저의 클릭 수, 웹툰에 대한 제1 점수, 제2 점수 및 상기 제3 점수, 웹툰에 대한 유저의 평점 및 웹툰이 열람된 순서에 기반하여, 결정될 수 있다.
부가적으로, 예를 들어, 추천 점수는 아래 수학식 2에 의해 결정될 수 있다.
Figure 112022058498147-pat00005
상기 수학식 2에서, 상기 r은 추천 점수, 상기 n은 웹툰 구독 이력에 포함된 웹툰의 개수, 상기 b는 상기 추천 웹툰이 열람된 순서, 상기 c는 상기 추천 웹툰의 클릭 수, 상기 cavg는 평균 클릭 수, 상기 g는 상기 추천 웹툰의 평점, 상기 gavg는 평균 평점, 상기 p는 상기 추천 웹툰의 제1 점수, 상기 pavg는 평균 제1 점수, 상기 m은 상기 추천 웹툰의 제2 점수, 상기 mavg는 평균 제2 점수, 상기 s는 상기 추천 웹툰의 제3 점수, 상기 savg는 평균 제3 점수를 나타낼 수 있다. 예를 들어, 평균 클릭 수는 복수의 웹툰들에 대한 평균 클릭 수일 수 있다. 예를 들어, 평균 평점은 복수의 웹툰들에 대한 평균 평점일 수 있다. 예를 들어, 평균 제1 점수, 평균 제2 점수, 평균 제3 점수는 복수의 웹툰들에 대한 평균 제1 점수, 평균 제2 점수, 평균 제3 점수일 수 있다.
즉, 추천 점수는 상기 추천 웹툰에 대한 파라미터 값들과 복수의 웹툰들에 대한 평균 파라미터 값들에 기반하여 결정될 수 있다.
단계 S607에서, 서버는 상기 추천 점수 및 사전 설정된 시간에 기반하여 상기 추천 웹툰에 대한 추천 정보를 제공할 수 있다.
예를 들어, 추천 시간은 상기 제2 단말이 상기 서버에 연결된 후 상기 서버에 대한 연결을 해제하는 평균 시간으로부터 사전 설정된 시간을 뺀 시간일 수 있다. 즉, 상기 제2 단말이 상기 서버에 연결된 후, 상기 추천 시간이 경과되면, 서버는 상기 제2 단말에게 상기 추천 웹툰에 대한 추천 정보를 전송할 수 있다.
부가적으로, 예를 들어, 상기 사전 설정된 시간은 아래 수학식 3에 의해 설정될 수 있다.
Figure 112022058498147-pat00006
상기 수학식 3에서, 상기 t는 사전 설정된 시간이고, 상기 r은 추천 점수이고, 상기 v는 추천 웹툰에 대한 감상 시간, 상기 x는 추천 웹툰에 대한 회차 연속율일 수 있다.
예를 들어, 감상 시간이 3분이고, 회차 연속율이 3화, 추천 점수가 50점인 경우, t는 9분으로 설정될 수 있다. 이때, 상기 제2 단말이 상기 서버에 연결된 후 연결을 해제하는 평균 시간이 15분인 경우, 서버는 상기 제2 단말이 상기 서버에 연결되고 6분이 경과된 후, 상기 제2 단말에게 상기 추천 웹툰에 대한 추천 정보를 전송할 수 있다. 즉, 추천 시간은 6분일 수 있다.
따라서, 추천 점수가 높을수록, 상기 사전 설정된 시간이 길게 설정되고, 상기 추천 시간이 짧아지므로, 상기 추천 웹툰에 대한 추천 정보가 제2 단말에게 더 빨리 전송될 수 있다. 또한, 상기 사전 설정된 시간은 상기 추천 웹툰에 대한 감상 시간 및 회차 연속율을 고려하여 설정되기 때문에, 상기 제2 단말의 유저가 상기 추천 웹툰을 감상할 시간을 충분히 확보할 수 있다.
예를 들어, 추천 웹툰에 대한 추천 정보는 추천 웹툰에 대한 썸네일 정보와 추천 웹툰에 대한 텍스트 정보를 포함할 수 있다. 예를 들어, 추천 정보는 상기 수학식 2의 파라미터들에 의해 결정될 수 있다. 예를 들어, 상기 추천 웹툰의 클릭 수가 상기 평균 클릭 수보다 큰 경우, 상기 추천 정보는 상기 추천 웹툰이 인기 작품인 것을 나타내는 내용의 텍스트를 포함할 수 있다.
예를 들어, 상기 추천 웹툰의 클릭 수가 상기 평균 클릭 수보다 큰 경우, 상기 추천 정보는 상기 추천 웹툰이 인기 작품인 것을 나타내는 텍스트를 포함할 수 있다.
예를 들어, 상기 추천 웹툰의 제1 점수가 상기 평균 제1 점수보다 큰 경우, 상기 추천 정보는 상기 추천 웹툰의 그림체가 뛰어남을 나타내는 텍스트를 포함할 수 있다. 예를 들어, 상기 추천 웹툰의 제2 점수가 상기 평균 제2 점수보다 큰 경우, 상기 추천 정보는 상기 추천 웹툰의 연출력이 뛰어남을 나타내는 텍스트를 포함할 수 있다. 예를 들어, 상기 추천 웹툰의 제3 점수가 상기 평균 제3 점수보다 큰 경우, 상기 추천 정보는 상기 추천 웹툰의 스토리가 좋은 것을 나타내는 텍스트를 포함할 수 있다.
부가적으로, 일 실시예에 따르면, 웹툰 구독 이력에 추천 웹툰과 동일한 장르가 포함된 것으로 결정된 경우(단계 S602), 웹툰 구독 이력에 추천 웹툰과 유사한 장르가 포함된 것으로 결정된 경우(단계 S603) 및 웹툰 구독 이력에 추천 웹툰과 동일한 장르 및 유사한 장르가 포함되지 않았지만 추천 웹툰의 장르에 대한 추천이 허용된 경우(단계 S604)에 따라, 추천 웹툰에 대한 추천 정보를 전송할지 여부를 결정하기 위한 임계 값이 상이하게 결정될 수 있다.
예를 들어, 상기 수학식 2에 의해 추천 점수가 결정되고, 웹툰 구독 이력에 추천 웹툰과 동일한 장르가 포함된 것으로 결정된 경우, 서버는 상기 추천 점수가 사전 설정된 제1 임계 값보다 큰 것에 기반하여 상기 추천 웹툰에 대한 추천 정보를 전송할 수 있다.
예를 들어, 상기 수학식 2에 의해 추천 점수가 결정되고, 웹툰 구독 이력에 추천 웹툰과 유사한 장르가 포함된 것으로 결정된 경우, 서버는 상기 추천 점수가 사전 설정된 제2 임계 값보다 큰 것에 기반하여 상기 추천 웹툰에 대한 추천 정보를 전송할 수 있다.
예를 들어, 상기 수학식 2에 의해 추천 점수가 결정되고, 웹툰 구독 이력에 추천 웹툰과 동일한 장르 및 유사한 장르가 포함되지 않았지만 추천 웹툰의 장르에 대한 추천이 허용된 경우, 서버는 상기 추천 점수가 사전 설정된 제3 임계 값보다 큰 것에 기반하여 상기 추천 웹툰에 대한 추천 정보를 전송할 수 있다.
예를 들어, 상기 사전 설정된 제1 임계 값은 상기 사전 설정된 제2 임계 값 및 상기 사전 설정된 제3 임계 값보다 작은 값일 수 있다. 예를 들어, 상기 사전 설정된 제3 임계 값은 상기 사전 설정된 제1 임계 값 및 상기 사전 설정된 제2 임계 값보다 큰 값일 수 있다.
도 7은 일 실시예에 따른 서버의 구성을 나타내는 블록도이다. 도 7의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 7에 도시된 바와 같이, 서버(700)는 프로세서(710), 통신부(720) 및 메모리(730)를 포함할 수 있다. 그러나, 도 7에 도시된 구성 요소 모두가 서버(700)의 필수 구성 요소인 것은 아니다. 도 7에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(700)가 구현될 수도 있고, 도 7에 도시된 구성 요소보다 적은 구성 요소에 의해 서비스 제공 서버(700)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 서버(700)는 프로세서(710), 통신부(720) 및 메모리(730) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(710)는, 통상적으로 서버(700)의 전반적인 동작을 제어한다. 프로세서(710)는 하나 이상의 프로세서를 구비하여, 서버(700)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(710)는, 메모리(730)에 저장된 프로그램들을 실행함으로써, 통신부(720) 및 메모리(730) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(710)는 메모리(730)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 6에 기재된 서버(700)의 기능을 수행할 수 있다.
일 실시예에 따라, 프로세서(710)는 서버(700)에 입력된 활동 정보를 기반으로 웹툰에 대한 제1 정보를 획득할 수 있다.
일 실시예에 따라, 프로세서(710)는 상기 제1 정보 및 웹툰에 대한 리뷰(review) 정보를 기반으로 뉴럴 네트워크를 통해 웹툰에 대한 제2 정보를 결정할 수 있다.
예를 들어, 프로세서(710)는 상기 제2 정보에 포함된 제1 점수, 제2 점수 및 제3 점수를 상기 리뷰 정보에 포함된 사전 설정된 복수의 텍스트 및 가중치를 기반으로 결정할 수 있다. 예를 들어, 프로세서(710)는 상기 리뷰 정보를 작성한 작성 유저에 대한 정보를 기반으로 결정된 유사도에 따라 상기 가중치를 서로 다른 값으로 결정할 수 있다. 예를 들어, 프로세서(710)는 상기 유사도를 상술한 수학식 1에 의해 설정될 수 있다. 예를 들어, 프로세서(710)는 상기 유사도가 작은 값 일수록 상기 가중치를 크게 결정할 수 있다.
예를 들어, 프로세서(710)는 메모리(730)를 통해 복수의 제1 정보, 복수의 리뷰 정보 및 정답 웹툰에 대한 제2 정보로 구성된 각각의 학습 데이터를 뉴럴 네트워크의 입력 레이어에 입력시키고, 하나 이상의 히든 레이어(412) 및 출력 레이어(413)를 통과하여 출력 벡터를 출력할 수 있다. 그리고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력될 수 있고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 프로세서(710)는 메모리(730)를 통해 상기 복수의 리뷰 정보에 포함된 텍스트 정보에 대해 입력 레이어에 입력되기 이전에 텍스트 전처리를 수행할 수 있다. 예를 들어, 텍스트 전처리 과정에서, 프로세서(710)는 상기 텍스트 정보에 포함된 문장들을 단어 집합으로 변환시키고, 상기 단어 집합을 벡터의 차원으로 변환시킬 수 있다. 그리고, 상기 변환된 벡터들을 상기 입력 레이어에 입력시킬 수 있다.
예를 들어, 프로세서(710)는 메모리(730)를 통해 웹툰의 장르에 대한 카테고리를 뉴럴 네트워크를 통해 웹툰과 관련된 웹 사이트들을 기반으로 분류할 수 있다. 그리고, 프로세서(710)는 분류된 카테고리의 연관성을 기반으로 웹툰의 장르 값을 결정할 수 있다. 예를 들어, 프로세서(710)는 분류된 카테고리 중에서 해당 장르를 구독한 유저의 성별 비율 및 유저의 나이가 유사한 카테고리들을 하나의 집단으로 결정하고, 해당 집단 내 카테고리들 사이의 장르 값에 대한 차이를 사전 설정된 임계 값 이하로 설정할 수 있다.
일 실시예에 따라, 프로세서(710)는 통신부(720)를 통해 상기 웹툰에 대한 제1 정보, 상기 웹툰에 대한 제2 정보를 포함하는 웹툰에 대한 시각화 정보를 제1 단말에게 전송할 수 있다.
일 실시예에 따라, 프로세서(710)는 웹툰을 유저가 감상한 시간, 상기 웹툰에 대한 유저의 클릭 수, 제1 점수, 제2 점수 및 제3 점수, 웹툰에 대한 유저의 평점 및 웹툰이 열람된 순서에 기반하여, 웹툰에 대한 추천 점수를 결정할 수 있다. 예를 들어, 프로세서(710)는 상술한 수학식 2에 의해 추천 점수를 결정할 수 있다.
일 실시예에 따라, 제2 단말의 유저에 대한 웹툰 구독 이력에 상기 웹툰의 장르 값과 동일한 장르 값을 가지는 구독 웹툰이 포함되는 것에 기반하여, 프로세서(710)는 통신부(720)를 통해 상기 제2 단말이 상기 서버에 대한 연결을 해제하는 평균 시점으로부터 사전 설정된 시간 이전에 상기 웹툰에 대한 정보를 상기 제2 단말에게 전송할 수 있다. 예를 들어, 프로세서(710)는 상기 사전 설정된 시간을 상기 추천 점수와 상기 웹툰을 유저가 감상한 시간에 기반하여 결정할 수 있다. 예를 들어, 프로세서(710)는 상기 사전 설정된 시간을 상술한 수학식 3에 의해 결정할 수 있다.
예를 들어, 제2 단말이 서버에 연결된 후 추천 시간이 경과되면, 프로세서(710)는 통신부(720)를 통해 상기 제2 단말에게 추천 웹툰에 대한 추천 정보를 전송할 수 있다. 예를 들어, 상기 추천 시간은 상기 제2 단말이 상기 서버에 연결된 후 상기 서버에 대한 연결을 해제하는 평균 시간으로부터 상기 사전 설정된 시간을 뺀 시간일 수 있다.
통신부(720)는, 서버(700)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 서버(700)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(720)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(720)는 상기 서버(700)와 연결된 단말들로부터 정보를 수신할 수 있다. 예를 들어, 통신부(720) 상기 제1 정보, 상기 제2 정보를 포함하는 웹툰에 대한 시각화 정보를 제1 단말에게 전송할 수 있다.
예를 들어, 제2 단말의 유저에 대한 웹툰 구독 이력에 상기 웹툰의 장르 값과 동일한 장르 값을 가지는 구독 웹툰이 포함되는 것에 기반하여, 통신부(720)는 상기 제2 단말이 상기 서버에 대한 연결을 해제하는 평균 시간으로부터 사전 설정된 시간 이전에 상기 웹툰에 대한 추천 정보를 상기 제2 단말에게 전송할 수 있다.
예를 들어, 상기 제2 단말이 상기 서버에 연결된 후, 추천 시간이 경과되면, 통신부(720)는 상기 제2 단말에게 추천 웹툰에 대한 추천 정보를 전송할 수 있다. 예를 들어, 상기 추천 시간은 상기 제2 단말이 상기 서버에 연결된 후 상기 서버에 대한 연결을 해제하는 평균 시간으로부터 사전 설정된 시간을 뺀 시간일 수 있다.
예를 들어, 웹툰 구독 이력 내에서 추천 웹툰과 동일한 장르 및 유사한 장르가 포함되지 않은 경우, 통신부(720)는 웹툰의 추천 장르에 대한 추천과 관련된 메시지를 제2 단말에게 전송할 수 있다. 예를 들어, 통신부(720)는 제2 단말로부터 추천 정보를 허용하는 메시지를 수신할 수 있다.
예를 들어, 통신부(720)는 서버(700)와 연결된 단말에게 복수의 웹툰들에 대한 링크를 전송할 수 있다. 예를 들어, 단말이 웹툰에 대한 링크에 접속하는 경우, 통신부(720)는 복수의 에피소드들에 대한 링크 및 정보를 단말에게 전송할 수 있다. 예를 들어,
예를 들어, 통신부(720)는 서버(700)와 연결된 단말에게 복수의 웹툰들에 대한 링크를 전송할 수 있다. 예를 들어, 단말이 웹툰에 대한 링크에 접속하는 경우, 통신부(720)는 복수의 에피소드들에 대한 링크 및 정보를 단말에게 전송할 수 있다.
메모리(730)는, 프로세서(710)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 메모리(730)는 사용자에 의해 입력된 정보 또는 네트워크를 통해 단말로부터 수신된 정보를 저장할 수 있다. 메모리(730)는 서버(700)로 입력되거나 서버(700)로부터 출력되는 정보를 저장할 수도 있다. 예를 들어, 메모리(720)는 웹툰에 대한 대표 이미지가 노출된 횟수, 웹툰에 대한 유저의 클릭 수, 웹툰을 유저가 감상한 시간, 웹툰에 대해 유저가 연속으로 감상한 에피소드들, 웹툰에서 유저가 이탈한 에피소드, 상기 에피소드에서 유저가 이탈한 부분, 웹툰을 감상한 유저에 대한 정보, 웹툰에 대한 유저의 평점 및 복수의 웹툰들 중에서 웹툰이 열람된 순서를 저장할 수 있다. 또한, 메모리(730)는 프로세서(710)에서 생성된 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(720)는 프로세서(710)에 의해 생성된 그림체에 대한 제1 점수, 전개 속도에 대한 제2 점수, 스토리에 대한 제3 점수, 웹툰에 대한 시각화 정보를 저장할 수 있다. 예를 들어, 메모리(730)는 프로세서(710)에서 생성된 추천 점수, 추천 시간과 관련된 사전 설정된 시간 및 추천 정보를 저장할 수 있다. 예를 들어, 메모리(730)는 사전 설정된 복수의 텍스트 및 사전 설정된 복수의 텍스트에 매칭된 점수를 저장할 수 있다.
메모리(730)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

  1. 뉴럴 네트워크(neural network)를 이용하여 서버가 웹툰(webtoon)에 대한 시각화 정보를 제1 단말에게 제공하는 방법에 있어서,
    상기 서버에 입력된 활동 정보를 기반으로 상기 웹툰에 대한 제1 정보를 획득하는 단계 -상기 제1 정보는 웹툰에 대한 대표 이미지가 노출된 횟수, 웹툰에 대한 유저(user)의 클릭 수, 웹툰을 유저가 감상한 시간, 웹툰에 대해 유저가 연속으로 감상한 에피소드들, 웹툰에서 유저가 이탈한 에피소드, 상기 에피소드에서 유저가 이탈한 부분, 웹툰을 감상한 유저에 대한 정보, 웹툰에 대한 유저의 평점 및 복수의 웹툰들 중에서 웹툰이 열람된 순서를 포함함-;
    상기 제1 정보 및 상기 웹툰에 대한 리뷰(review) 정보를 기반으로 뉴럴 네트워크를 통해 상기 웹툰에 대한 제2 정보를 결정하는 단계 -상기 제2 정보는 그림체에 대한 제1 점수, 전개 속도에 대한 제2 점수 및 스토리에 대한 제3 점수를 포함함-; 및
    상기 제1 정보 및 상기 제2 정보를 포함하는 상기 웹툰에 대한 시각화 정보를 상기 제1 단말에게 전송하는 단계;를 포함하되,
    상기 제1 점수, 상기 제2 점수 및 상기 제3 점수는 상기 리뷰 정보에 포함된 사전 설정된 복수의 텍스트 및 가중치를 기반으로 결정되고,
    상기 가중치는 상기 리뷰 정보를 작성한 작성 유저에 대한 정보를 기반으로 결정된 유사도에 따라 서로 다른 값을 가지고,
    상기 리뷰 정보를 작성한 작성 유저에 대한 정보는 상기 작성 유저의 성별, 상기 작성 유저의 나이 및 상기 작성 유저의 웹툰 구독 이력을 포함하고,
    상기 사전 설정된 복수의 텍스트 각각에 대해 서로 다른 점수가 매칭되고,
    상기 유사도는 아래 수학식에 의해 설정되고,
    Figure 112022092806474-pat00015

    상기 수학식에서, 상기 z는 상기 유사도이고, 상기 n은 상기 웹툰 구독 이력에 포함된 구독 웹툰의 개수이고, 상기 xi는 i번째 구독 웹툰의 장르 값이고, 상기 x0는 상기 웹툰의 장르 값이고, 상기 ci는 i번째 구독 웹툰에 대한 클릭 수이고, 상기 c0는 상기 웹툰에 대한 클릭 수이고, a는 상기 작성 유저의 나이이고, 상기 a0는 상기 웹툰을 감상한 복수의 유저에 대한 평균 나이이고, 상기 d는 기본 값이고,
    상기 유사도가 작은 값 일수록 상기 가중치가 크게 결정되는,
    방법.
  2. 삭제
  3. 제 1항에 있어서,
    상기 웹툰을 유저가 감상한 시간, 상기 웹툰에 대한 유저의 클릭 수, 상기 제1 점수, 상기 제2 점수 및 상기 제3 점수, 상기 웹툰에 대한 유저의 평점 및 상기 웹툰이 열람된 순서에 기반하여, 상기 웹툰에 대한 추천 점수가 결정되는,
    방법.
  4. 제 3항에 있어서,
    제2 단말의 유저에 대한 웹툰 구독 이력에 상기 웹툰의 장르 값과 동일한 장르 값을 가지는 구독 웹툰이 포함되는 것에 기반하여, 상기 제2 단말이 상기 서버에 대한 연결을 해제하는 평균 시점으로부터 사전 설정된 시간 이전에 상기 웹툰에 대한 추천 정보를 상기 제2 단말에게 전송하는 단계;를 더 포함하되,
    상기 사전 설정된 시간은 상기 추천 점수와 상기 웹툰을 유저가 감상한 시간에 기반하여 결정되는,
    방법.
  5. 제 1항에 있어서,
    상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
    복수의 제1 정보, 복수의 리뷰 정보 및 정답 웹툰에 대한 제2 정보로 구성된 각각의 학습 데이터는 상기 뉴럴 네트워크의 상기 입력 레이어에 입력되고, 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 뉴럴 네트워크의 파라미터는 상기 손실값이 작아지는 방향으로 학습되는,
    방법.
KR1020220068074A 2022-06-03 2022-06-03 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치 KR102452577B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220068074A KR102452577B1 (ko) 2022-06-03 2022-06-03 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치
KR1020220126481A KR20230168097A (ko) 2022-06-03 2022-10-04 웹툰의 장르 값에 기반하여 웹툰의 유사도를 결정하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220068074A KR102452577B1 (ko) 2022-06-03 2022-06-03 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220126481A Division KR20230168097A (ko) 2022-06-03 2022-10-04 웹툰의 장르 값에 기반하여 웹툰의 유사도를 결정하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102452577B1 true KR102452577B1 (ko) 2022-10-11

Family

ID=83599040

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020220068074A KR102452577B1 (ko) 2022-06-03 2022-06-03 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치
KR1020220126481A KR20230168097A (ko) 2022-06-03 2022-10-04 웹툰의 장르 값에 기반하여 웹툰의 유사도를 결정하는 방법 및 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220126481A KR20230168097A (ko) 2022-06-03 2022-10-04 웹툰의 장르 값에 기반하여 웹툰의 유사도를 결정하는 방법 및 장치

Country Status (1)

Country Link
KR (2) KR102452577B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102652783B1 (ko) * 2023-07-13 2024-03-29 주식회사 투니플레이 인공지능 기반 웹툰작품 취향에 기초한 게임 제공 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101755653B1 (ko) * 2016-07-28 2017-07-11 주식회사 탑코 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법
KR20190018276A (ko) * 2017-08-14 2019-02-22 삼성전자주식회사 모델을 학습하는 방법 및 장치 및 상기 뉴럴 네트워크를 이용한 인식 방법 및 장치
KR102376805B1 (ko) * 2021-04-07 2022-03-21 주식회사 동아미디어 차기 웹툰 작가를 선정하는 웹툰 제공 플랫폼

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101755653B1 (ko) * 2016-07-28 2017-07-11 주식회사 탑코 사용자 맞춤형 웹툰 자동 추천 시스템 및 방법
KR20190018276A (ko) * 2017-08-14 2019-02-22 삼성전자주식회사 모델을 학습하는 방법 및 장치 및 상기 뉴럴 네트워크를 이용한 인식 방법 및 장치
KR102376805B1 (ko) * 2021-04-07 2022-03-21 주식회사 동아미디어 차기 웹툰 작가를 선정하는 웹툰 제공 플랫폼

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102652783B1 (ko) * 2023-07-13 2024-03-29 주식회사 투니플레이 인공지능 기반 웹툰작품 취향에 기초한 게임 제공 시스템

Also Published As

Publication number Publication date
KR20230168097A (ko) 2023-12-12

Similar Documents

Publication Publication Date Title
KR102434342B1 (ko) 뉴럴 네트워크를 이용하여 서버가 추천 상품과 관련된 데이터를 제공하는 방법 및 장치
KR102413770B1 (ko) 뉴럴 네트워크를 이용하는 심리 치료 서비스 제공 방법 및 장치
KR102360727B1 (ko) 뉴럴 네트워크를 이용한 차량 추천 방법 및 장치
KR102452577B1 (ko) 뉴럴 네트워크를 이용하여 서버가 웹툰에 대한 시각화 정보를 제공하는 방법 및 장치
KR102476292B1 (ko) 인공지능을 이용하여 차량의 페달 박스 촬영 영상 데이터를 가공하는 블랙박스 관리 시스템
KR102433654B1 (ko) 뉴럴 네트워크를 이용하여 서버가 색상 이미지에 기반한 심리 상태와 관련된 정보를 단말에게 제공하는 방법 및 장치
KR102414167B1 (ko) 뉴럴 네트워크를 이용한 패킷 센딩을 통한 보안 방법 및 장치
KR102422153B1 (ko) 뉴럴 네트워크를 이용한 상담 가이드 정보 추천 방법 및 장치
KR102463860B1 (ko) 인공지능 기반의 사주 및 궁합을 이용한 커플 매칭 서비스 제공 방법
KR102492334B1 (ko) 뉴럴 네트워크를 이용하여 챗봇 서비스와 관련된 이용 정보를 기반으로 고객 단말과 상담원 단말 사이의 통화 연결을 관리하는 방법 및 장치
KR102446469B1 (ko) 뉴럴 네트워크 기반의 파일 매니지먼트 시스템
KR20220087410A (ko) 뉴럴 네트워크를 이용하는 심리 치료 서비스 제공 방법 및 장치
KR102585090B1 (ko) 뉴럴 네트워크를 이용하여 웹툰과 연동된 게임을 사용자 단말에게 제공하는 방법 및 장치
KR102554242B1 (ko) 뉴럴 네트워크를 이용하여 서버가 이벤트와 관련된 메시지를 단말에게 제공하는 방법 및 장치
KR102600656B1 (ko) 능동-수동 매칭 알고리즘 기반 농구 플레이어 매칭 서비스 제공 방법
KR102456402B1 (ko) 뉴럴 네트워크를 이용한 디자인 공동 작업 보조 방법 및 장치
KR102651497B1 (ko) 텍스트마이닝 기반의 인력 중개 플랫폼 시스템 및 방법
KR102464057B1 (ko) 인공지능을 이용한 신용점수 기반의 렌탈 서비스 제공 장치 및 방법
KR102487754B1 (ko) 뉴럴 네트워크를 이용하여 서버가 마케팅 비용에 대한 정보를 단말에게 제공하는 방법 및 장치
KR102465106B1 (ko) 뉴럴 네트워크를 이용한 주식 종목 분석 방법 및 장치
KR102564511B1 (ko) 사용자 커스터마이징 기반의 메뉴판 인터페이스 제공 장치 및 방법
KR102610945B1 (ko) B2b 서비스 통합 관리 방법
KR102468193B1 (ko) IP-Cam 모니터링 방법 및 장치
KR102583984B1 (ko) 사용자 건강상태 기반의 식단 추천서비스 제공 장치 및 방법
KR102562282B1 (ko) 성향 기반 매칭 방법 및 장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant