KR102525599B1 - 스트레스 관련 콘텐츠 제공 장치 및 방법 - Google Patents
스트레스 관련 콘텐츠 제공 장치 및 방법 Download PDFInfo
- Publication number
- KR102525599B1 KR102525599B1 KR1020200091137A KR20200091137A KR102525599B1 KR 102525599 B1 KR102525599 B1 KR 102525599B1 KR 1020200091137 A KR1020200091137 A KR 1020200091137A KR 20200091137 A KR20200091137 A KR 20200091137A KR 102525599 B1 KR102525599 B1 KR 102525599B1
- Authority
- KR
- South Korea
- Prior art keywords
- stress
- content
- information
- user
- relieving
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 51
- 230000004044 response Effects 0.000 claims abstract description 32
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000007726 management method Methods 0.000 claims abstract description 13
- 230000008451 emotion Effects 0.000 claims description 46
- 230000036541 health Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000002996 emotional effect Effects 0.000 claims description 11
- 230000007423 decrease Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims 1
- 229910052698 phosphorus Inorganic materials 0.000 claims 1
- 239000011574 phosphorus Substances 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 16
- 238000003745 diagnosis Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 230000000284 resting effect Effects 0.000 description 5
- 208000019901 Anxiety disease Diseases 0.000 description 4
- 230000036506 anxiety Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000004092 self-diagnosis Methods 0.000 description 4
- 206010010144 Completed suicide Diseases 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 208000008035 Back Pain Diseases 0.000 description 2
- 206010024264 Lethargy Diseases 0.000 description 2
- 208000005793 Restless legs syndrome Diseases 0.000 description 2
- 235000019789 appetite Nutrition 0.000 description 2
- 230000036528 appetite Effects 0.000 description 2
- 238000009223 counseling Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 208000036993 Frustration Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010020710 Hyperphagia Diseases 0.000 description 1
- 206010022998 Irritability Diseases 0.000 description 1
- 206010051602 Laziness Diseases 0.000 description 1
- 206010058672 Negative thoughts Diseases 0.000 description 1
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 208000021017 Weight Gain Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000005686 eating Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000021266 loss of appetite Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 235000020830 overeating Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000005808 skin problem Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 210000002820 sympathetic nervous system Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/024—Measuring pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- G06Q50/01—Social networking
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Cardiology (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Psychology (AREA)
- Strategic Management (AREA)
- Heart & Thoracic Surgery (AREA)
- Marketing (AREA)
- Child & Adolescent Psychology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Hospice & Palliative Care (AREA)
- Veterinary Medicine (AREA)
- Economics (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- General Business, Economics & Management (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Evolutionary Computation (AREA)
Abstract
스트레스 관리 방법에 관한 것이며, 스트레스 관리 방법은, 복수의 스트레스 관련 평가 설문 항목을 사용자 단말로 제공하는 단계, 상기 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신하는 단계, 상기 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 상기 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 판단하는 단계 및 상기 제1스트레스 지수를 고려하여 상기 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천하는 단계를 포함하되, 상기 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델일 수 있다.
Description
본원은 스트레스 관련 콘텐츠 제공 장치 및 방법에 관한 것이다.
스트레스(stress)는 인간이 심리적 혹은 신체적으로 감당하기 어려운 상황에 처했을 때 느끼는 불안과 위협의 감정을 나타낸다.
스트레스를 받게 되면 교감신경계가 흥분하고 맥박과 호흡이 빨라지는 등 생리적인 현상이 나타나게 되고 이후 외부 자극에 대해 적응을 하거나 저항하게 된다. 그러나 적응하려고 노력하는데도 그 자극이 계속되거나 적응에 실패하면, 내부의 에너지가 고갈되고 심리적으로 자포자기하거나 우울해 지는 단계를 겪게 된다. 자살자의 80%는 우울증을 경험하게 된다고 하며, 한국의 경우, 2000년대 들어 우울증 환자와 자살자 수도 빠르게 늘어나고 있는 추세에 있다.
이러한 우울증, 자살 등을 방지하기 위해서는 사용자가 받는 스트레스의 정도를 정확히 측정해야 할 필요가 있다.
본원의 배경이 되는 기술은 한국등록특허공보 제10-1645607호에 개시되어 있다.
본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 스트레스 관리에 도움을 주고, 스트레스의 경감, 완화 및 제거에 도움을 줄 수 있는, 스트레스 관련 콘텐츠 제공 장치 및 방법을 제공하려는 것을 목적으로 한다.
다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 방법은, 복수의 스트레스 관련 평가 설문 항목을 사용자 단말로 제공하는 단계, 상기 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신하는 단계, 상기 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 상기 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 판단하는 단계 및 상기 제1스트레스 지수를 고려하여 상기 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천하는 단계를 포함하되, 상기 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델일 수 있다.
또한, 스트레스 관련 콘텐츠 제공 방법은, 상기 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보를 수신하여 제2스트레스 지수를 분석하는 단계 및 상기 제1스트레스 지수 및 상기 제2스트레스 지수를 비교하고, 비교 결과 스트레스 지수가 저하되지 않은 경우, 신규 스트레스 해소 콘텐츠를 추천하는 단계를 더 포함할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 방법은, 사용자 단말로부터 사용자의 SNS 정보 및 검색 이력 정보를 수신하는 단계 및 감정 사전에 포함된 데이터와 상기 SNS 정보에 포함된 텍스트 데이터 간의 유사도 매칭 및 복수의 스트레스 관련 이미지 데이터 및 SNS 정보에 포함된 이미지 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석하는 단계를 더 포함하되, 상기 복수의 스트레스 해소 콘텐츠를 추천하는 단계는, 분석된 상기 사용자의 감정 정보를 더 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 추천할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 방법은, 상기 복수의 스트레스 해소 콘텐츠 중 헬스케어 콘텐츠를 이용하는 사용자의 심박수 정보를 수신하는 단계, 상기 심박수 정보가 미리 산출된 복수의 심박 구간 중 어느 구간에 속하는지 판단하는 단계 및 판단 결과를 고려하여 상기 헬스케어 콘텐츠의 난이도를 조절하여 헬스케어 콘텐츠를 제공하는 단계를 더 포함하되, 상기 헬스케어 콘텐츠의 난이도를 조절하여 헬스케어 콘텐츠를 제공하는 단계는, 상기 심박수의 정보가 제1구간에 속하는 경우, 제1난이도에 대응하는 헬스케어 콘텐츠를 제공하고, 상기 심박수의 정보가 제2구간에 속하는 경우, 제2난이도에 대응하는 헬스케어 콘텐츠를 제공할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 방법은, 상기 제1스트레스 지수, 상기 제2스트레스 지수 및 사용자가 이용한 스트레스 해소 콘텐츠를 연계하여 사용자의 스트레스 해소 콘텐츠 이력 정보로 저장하는 단계를 더 포함하되, 상기 신규 스트레스 해소 콘텐츠를 추천하는 단계는, 상기 스트레스 해소 콘텐츠 이력 정보를 고려하여 상기 신규 스트레스 해소 콘텐츠를 추천하되, 상기 제1스트레스 지수와 상기 제2스트레스 지수를 비교한 결과 상대적으로 빠르게 스트레스 지수가 저하된 스트레스 해소 콘텐츠를 우선하여 상기 신규 스트레스 해소 콘텐츠로 추천할 수 있다.
또한, 상기 복수의 스트레스 해소 콘텐츠는, 복수의 사용자의 스트레스 해소 콘텐츠 사용 이력 정보 및 스트레스 해소 정도를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 사용자 정보를 입력으로 하여 추천되되, 상기 사용자 정보는, 건강 정보, SNS 정보, 생활 환경 정보를 포함할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치는, 복수의 스트레스 관련 평가 설문 항목을 사용자 단말로 제공하는 제공부, 상기 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신하는 수신부, 상기 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 상기 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 분석하는 분석부 및 상기 제1스트레스 지수를 고려하여 상기 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천하는 추천부를 포함하되, 상기 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델일 수 있다.
또한, 상기 분석부는, 상기 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보를 수신하여 제2스트레스 지수를 분석하고, 상기 추천부는, 상기 제1스트레스 지수 및 상기 제2스트레스 지수를 비교하고, 비교 결과 스트레스 지수가 저하되지 않은 경우, 신규 스트레스 해소 콘텐츠를 추천할 수 있다.
또한, 상기 수신부는, 사용자 단말로부터 사용자의 SNS 정보 및 웹 사이트 검색 이력 정보를 수신하고, 상기 분석부는, 감정 사전에 포함된 데이터와 상기 SNS 정보에 포함된 텍스트 데이터 간의 유사도 매칭 및 복수의 스트레스 관련 이미지 데이터 및 SNS 정보에 포함된 이미지 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석하고, 상기 추천부는, 분석된 상기 사용자의 감정 정보를 더 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 추천할 수 있다.
또한, 상기 수신부는, 상기 복수의 스트레스 해소 콘텐츠에 포함된 헬스케어 콘텐츠를 이용하는 사용자의 심박수 정보를 수신하고, 상기 분석부는, 상기 심박수 정보가 미리 산출된 복수의 심박 구간 중 어느 구간에 속하는지 판단하고, 상기 추천부는, 판단 결과를 고려하여 상기 헬스케어 콘텐츠의 난이도를 조절하여 헬스케어 콘텐츠를 제공하되, 상기 심박수의 정보가 제1구간에 속하는 경우, 제1난이도에 대응하는 헬스케어 콘텐츠를 제공하고, 상기 심박수의 정보가 제2구간에 속하는 경우, 제2난이도에 대응하는 헬스케어 콘텐츠를 제공할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치는, 상기 제1스트레스 지수, 상기 제2스트레스 지수 및 사용자가 이용한 스트레스 해소 콘텐츠를 연계하여 사용자의 스트레스 해소 콘텐츠 이력 정보로 저장하는 저장부를 더 포함하고, 상기 추천부는, 상기 스트레스 해소 콘텐츠 이력 정보를 고려하여 상기 신규 스트레스 해소 콘텐츠를 추천하되, 상기 제1스트레스 지수와 상기 제2스트레스 지수를 비교한 결과 상대적으로 빠르게 스트레스 지수가 저하된 스트레스 해소 콘텐츠를 우선하여 상기 신규 스트레스 해소 콘텐츠로 추천할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관리 시스템은, 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신하고, 상기 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 상기 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 분석하고, 상기 제1스트레스 지수를 고려하여 상기 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천하는 스트레스 관련 콘텐츠 제공 장치 및 상기 스트레스 관련 콘텐츠 제공 장치로부터 복수의 스트레스 관련 평가 설문 항목을 제공받아 출력하고, 상기 스트레스 관련 평가 설문에 대한 응답을 상기 사용자의 입력 정보로서 제공하는 사용자 단말을 포함하되, 상기 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수 각각의 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델일 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 사용자의 스트레스 지수에 대응하는 다양한 구성 및 입력 정보를 활용하여 정확하게 확인할 수 있고, 이를 해소하기 위한 컨텐츠를 통해 스트레스 지수를 관리할 수 있으며, 전문가와의 상담을 통해 스트레스 관리 및 완화에 도움을 줄 수 있다.
다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.
도 1은 본원의 일 실시예에 따른 스트레스 관리 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 홈 화면 인터페이스를 예시적으로 나타낸 도면이다.
도 3은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 복수의 스트레스 관련 평가 설문 항목 인터페이스를 예시적으로 나타낸 도면이다.
도 4는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 복수의 스트레스 해소 콘텐츠 정보를 제공하는 인터페이스를 예시적으로 나타낸 도면이다.
도 5는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 헬스케어 콘텐츠를 예시적으로 나타낸 도면이다.
도 6은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 사용자의 스트레스 지수 정보와 관련된 인터페이스를 예시적으로 나타낸 도면이다.
도 7은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 일기장 정보와 관련된 인터페이스를 예시적으로 나타낸 도면이다.
도 8은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치의 개략적인 블록도이다.
도 9는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 방법에 대한 동작 흐름도이다.
도 2는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 홈 화면 인터페이스를 예시적으로 나타낸 도면이다.
도 3은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 복수의 스트레스 관련 평가 설문 항목 인터페이스를 예시적으로 나타낸 도면이다.
도 4는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 복수의 스트레스 해소 콘텐츠 정보를 제공하는 인터페이스를 예시적으로 나타낸 도면이다.
도 5는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 헬스케어 콘텐츠를 예시적으로 나타낸 도면이다.
도 6은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 사용자의 스트레스 지수 정보와 관련된 인터페이스를 예시적으로 나타낸 도면이다.
도 7은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 일기장 정보와 관련된 인터페이스를 예시적으로 나타낸 도면이다.
도 8은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치의 개략적인 블록도이다.
도 9는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 방법에 대한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 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" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이하에서 설명되는 콘텐츠는 인터넷이나 컴퓨터 통신 등을 통하여 제공되는 각종 정보로 그 내용물을 의미하는 것으로서, CONTENTS, 콘텐츠, 컨텐츠 등으로 혼동되어 사용될 수 있다.
도 1은 본원의 일 실시예에 따른 스트레스 관리 시스템의 개략적인 구성도이다.
도 1을 참조하면, 스트레스 관련 시스템(1)은 스트레스 관련 콘텐츠 제공 장치(10) 및 사용자 단말(20)을 포함할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로부터 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 분석할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수를 고려하여 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천할 수 있다. 여기서, 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수 각각의 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델일 수 있다.
스트레스 관련 콘텐츠 제공 장치(10) 및 사용자 단말(20) 상호간은 네트워크(30)를 통해 통신할 수 있다. 네트워크(30)는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(30)의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
사용자 단말(20)은 예를 들면, 스마트폰(Smartphone), 스마트패드(Smart Pad), 태블릿 PC, 웨어러블 디바이스 등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치 및 데스크탑 컴퓨터, 스마트 TV와 같은 고정용 단말기일 수도 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로 스트레스 관련 메뉴를 제공할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)가 제공하는 어플리케이션 프로그램을 사용자 단말(20)이 다운로드하여 설치하고, 설치된 어플리케이션을 통해 스트레스 관련 메뉴가 제공될 수 있다. 또한, 사용자 단말(20)은 스트레스 관련 콘텐츠 제공 장치(10)로부터 복수의 스트레스 관련 평가 설문 항목을 제공받아 출력하고, 스트레스 관련 평가 설문에 대한 응답을 사용자의 입력 정보로서 스트레스 관련 콘텐츠 제공 장치(10)로 제공할 수 있다.
스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)과 데이터, 콘텐츠, 각종 통신 신호를 네트워크를 통해 송수신하고, 데이터 저장 및 처리의 기능을 가지는 모든 종류의 서버, 단말, 또는 디바이스를 포함할 수 있다.
이하에서 설명되는 사용자 단말(20)은 스트레스 관련 콘텐츠 제공 장치(10)에서 제공하는 스트레스 관련 콘텐츠를 사용하는 사용자의 단말일 수 있다. 스트레스 관련 콘텐츠는, 메인 항목, 컨텐츠, 진단 케어, 커뮤니티 및 마이페이지 항목을 포함할 수 있다. 메인 항목에는 타이틀 이미지, 하루 자가진단, 진단에 따른 영상추천, 진단에 따른 음악추천 및 타이틀 좋은 글귀에 해당하는 콘텐츠가 포함될 수 있다. 또한, 컨텐츠 항목은, 영상, 음악, 라이프 스타일(lifestyle) 관련 항목을 포함할 수 있다. 또한, 진단 케어 항목은 자가진단 및 전문가 진단 항목을 포함할 수 있다. 전문가 진단 항목은 1:1 전문가 상담 및 헬스케어 항목을 포함할 수 있다. 또한, 커뮤니티 항목은 익명성이 보장되는 폐쇄형 SNS 항목을 포함할 수 있다. 또한, 마이페이지 항목은 저장된 컨텐츠, 활동내역, 일기장 및 통계 항목을 포함할 수 있다.
콘텐츠 항목은 다양한 콘텐츠를 통해 가벼운 스트레스 해소 방법을 제안하기 위한 정보를 포함할 수 있다. 라이프 스타일 항목은 위치를 기반으로 한 맛집 및 명소 추천 콘텐츠를 포함할 수 있다. 또한, 진단케어 항목은 스트레스의 근본적인 원인을 파악하고 통계자료를 통한 스트레스 지수를 파악하여 전문적으로 케어하기 위한 콘텐츠를 포함할 수 있다. 1:1 전문가 상담 항목은 1:1 채팅 상담 및 영상통화 상담 컨텐츠를 포함할 수 있다. 또한, 헬스케어 항목은 휴대폰 미러링 및 AR을 통해 헬스케어 콘텐츠를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본원에서의 스트레스 관련 콘텐츠 제공 장치(10)는 임의의 사용자(예를 들면, 어플리케이션 기반 서비스의 회원)에게 스트레스 해소와 관련된 콘텐츠를 제공하고 상담 및 공유 등의 프로세스를 지원하고 스트레스 관련 제반 사항 등을 사용자 단말(20)을 통해 용이하게 관리할 수 있도록 어플리케이션 기반 서비스를 제공하는 주체일 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 어플리케이션 기반 서비스를 제공하는 단말 또는 서버일 수 있다.
도 2는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 홈 화면 인터페이스를 예시적으로 나타낸 도면이고, 도 3은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 복수의 스트레스 관련 평가 설문 항목 인터페이스를 예시적으로 나타낸 도면이고, 도 4는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 복수의 스트레스 해소 콘텐츠 정보를 제공하는 인터페이스를 예시적으로 나타낸 도면이다.
도 2의 (a)를 참조하면, 홈 화면 인터페이스는, 하단 바에 컨텐츠(A) 및 진단/케어(B)항목을 포함할 수 있다. 또한, 홈 화면 인터페이스에는, 비디오 콘텐츠 제공 항목, 음악(MUSIC) 콘텐츠 제공 항목, 글귀(PHRASE) 콘텐츠 제공 항목 등이 출력될 수 있다. 비디오 콘텐츠 제공 항목은 유튜브에 업로드된 영상 콘텐츠와 연동되어 사용자의 진단 결과에 기반하여 생성된 복수의 영상 콘텐츠가 포함될 수 있다. 또한, 음악 콘텐츠 제공 항목은 음악 스트리밍 사이트와 연동되어 사용자의 진단 결과에 기반하여 생성된 복수의 음악 콘텐츠가 포함될 수 있다. 또한, 글귀 콘텐츠 제공 항목은 웹 사이트상에 업로드된 콘텐츠와 연동되어 사용자의 진단 결과에 기반하여 생성된 복수의 글귀 콘텐츠가 포함될 수 있다.
또한, 도 2의 (b)는 홈 화면 인터페이스에서 사이드바(C)가 활성화된 상태를 나타낸 예시이다. 사이드바(C)에는, 저장된 컨텐츠 항목, 진단내용 검토 항목, 일기장 항목이 포함될 수 있다. 사이드바(C)에 포함된 복수의 항목들은 로그인된 사용자의 정보에 연계된 콘텐츠를 포함할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 스트레스 관련 평가 설문 항목을 사용자 단말(20)로 제공하고 복수의 스트레스 관련 평가 설문 항목에 대한 응답인 사용자의 입력 정보에 기초하여 사용자의 스트레스 지수를 판단할 수 있다. 예시적으로 도 3을 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 스트레스 관련 평가 설문 항목을 사용자 단말(20)로 제공할 수 있다. 복수의 스트레스 관련 평가 설문 항목은, 1. 자주슬프다. 2. 스스로가 실망스럽다. 3. 요즘들어 식욕이 없다. 4. 잠을 깊이 못자고 자주 깬다. 등과 관련된 복수의 스트레스 관련 질문 항목이 포함될 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 스트레스 관련 평가 설문 항목의 1번 문항에 대한 응답으로 가끔 그렇다를 선택한 사용자의 입력 정보를 수신할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 평가 설문 항목에 대한 응답 각각에 대하여 서로 다른 점수를 부여할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 그렇지 않다는 것에 1점, 가끔 그렇다는 것에 2점, 자주 그렇다는 것에 3점, 항상 그렇다는 것에 4점에 대한 점수를 부여하고, 사용자의 입력 정보에 기반하여 해당 점수를 합산할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 합산 점수를 고려하여 사용자의 스트레스 지수를 판단할 수 있다. 일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 미리 설정된 합산 점수 범위와 사용자의 입력 정보를 기반으로 연산된 점수를 고려하여 사용자의 스트레스 지수를 판단할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 판단(판별)할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로부터 사용자의 생체 정보를 수신할 수 있다. 일예로, 생체 정보는, 심박수 정보, 호흡량 정보, 혈중 산소 농도 정보, 맥박 정보, 혈압 정보, 심전도 정보 등을 포함할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자가 착용한 웨어러블 디바이스(미도시)로부터 생체 정보를 수집할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 외부 서버(미도시)로부터 사용자의 건강 정보를 제공받고, 사용자의 입력 정보, 생체 정보 및 건강 정보를 스트레스 정도 판별 모델에 입력하고 제1스트레스 지수를 판별할 수 있다. 예를 들어, 건강 정보는, 사용자의 성별, 나이, 키, 몸무게, 인종, 국적, 흡연량, 음주량, 가족력, 직업, 생활습관, 운동 여부, 개인 질병과 관련된 이력, 약 복용 상태 정보 등을 포함할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 건강 정보를 더 고려하여 표준화된 스트레스 지수(정도)를 측정하는 것이 아닌 사용자 각각의 건강 상태까지 모두 고려한 개인화된 스트레스 지수(정도)를 측정할 수 있다.
여기서, 제1스트레스 지수는, 사용자가 스트레스 해소 콘텐츠를 사용하기 이전에 판단(측정)된 스트레스 지수일 수 있다. 예를 들어, 스트레스 지수(단계)는 미리 설정된 수의 단계로 구분될 수 있다. 미리 설정된 수는 예시적으로 4개일 수 있다. 다만, 이에 한정되는 것은 아니고, 스트레스 지수(단계)의 구분 수는 다양하게 적용될 수 있다. 미리 설정된 수가 4개인 경우, 스트레스 지수(단계)는 스트레스 지수(스트레스를 받는 양, 스트레스의 강도)에 따라 1단계, 2단계, 3단계 및 4단계로 구분될 수 있다. 달리 표현하여, 스트레스 정도(단계)는 0(1단계), 1(2단계), 2(3단계) 및 3(4단계)으로 구분될 수 있다. 이때, 스트레스 정도는 단계가 높아질수록 스트레스의 강도(크기, 양)가 커짐을 의미할 수 있으나, 이에 한정되는 것은 아니다. 일예로, 스트레스 정도가 0(1단계)인 경우는 다른 1(2단계), 2(3단계) 및 3(4단계)인 경우와 대비하여 스트레스가 가장 적은 경우를 의미할 수 있다.
또한, 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델일 수 있다. 예시적으로, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보는 스트레스 관련 콘텐츠 제공 어플리케이션을 사용하는 사용자를 기반으로 수행된 복수의 스트레스 관련 평가 설문 항목에 대한 사용자의 입력 정보일 수 있다. 또한, 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보는, 1단계의 스트레스 지수로 판별된 사용자의 생체 정보, 2단계의 스트레스 지수로 판별된 사용자의 생체 정보, 3단계의 스트레스 지수로 판별된 사용자의 생체 정보 및 4단계의 스트레스 지수로 판별된 사용자의 생체 정보를 포함할 수 있다. 일예로, 인공신경망은 딥 러닝 신경망일 수 있으나, 이에만 한정되는 것은 아니며, 기 개발되었거나 향후 개발되는 다양한 신경망 체계를 적용할 수 있다.
또한, 스트레스 관련 평가 설문에는 스트레스 요인, 스트레스의 영향, 스트레스 해소 방법들과 관련된 항목이 포함될 수 있다. 스트레스 요인은, 경제적 요인, 육아로 인한 스트레스, 취업난으로 발생한 스트레스, 미래에 대한 불확실성, 직장생활에서 오는 스트레스, 코로나로 인한 스트레스, 학업 문제, 인간관계, 외적인 부분에 대응하는 복수의 항목들이 포함될 수 있다. 또한, 스트레스 영향은 건강상의 문제, 기력 저하, 게을러짐과 나태, 우울감과 무기력, 두통과 만성피로, 부정적인 생각, 과식으로 인해 체중증가 피부트러블, 의욕저하, 짜증지수 증가에 대응하는 복수의 항목들이 포함될 수 있다. 또한, 스트레스의 해소 방법들과 관련하여 게임을 통한 해소, 맛있는 음식 먹기, 여행, 취미활동, 명상(무념무상), 좋은 사람 만나기, 수면을 통한 스트레스 해소, 영화 및 음악, 운동하기, 반려동물을 통한 해소, 소비를 통한 해소, 일기를 통해 자신을 돌아보기 등에 대응하는 복수의 항목들이 포함될 수 있다. 즉, 스트레스 관련 콘텐츠 제공 장치(10)는 스트레스 요인, 스트레스의 영향, 스트레스 해소 방법들과 관련된 항목을 스트레스 관련 평가 설문으로 제공하고, 복수의 사용자의 입력정보를 인공신경망에 적용하여 학습 모델을 생성하고, 사용자의 정보를 입력하여 사용자의 스트레스 지수를 판단(판별)할 수 있다.
예시적으로, 도 4를 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수를 고려하여 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 스트레스 정도 판별 모델의 출력 결과인 제1스트레스 지수를 고려하여 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천할 수 있다. 예시적으로, 복수의 스트레스 해소 콘텐츠는, 전문가 상담 콘텐츠, 헬스케어 콘텐츠, 영상 콘텐츠, 음악 콘텐츠, 글귀 콘텐츠, 여행 콘텐츠, 맛집 콘텐츠, 게임 콘텐츠를 포함할 수 있다. 일예로, 도 4의 (a)를 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 제1스트레스 지수가 2단계인 경우, 2단계에 연계된 비디오 콘텐츠를 추천할 수 있다. 비디오 콘텐츠는, 유튜브 사이트와 연동되어 제공될 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 단계로 나누어진 스트레스 지수에 대응하여 서로 다른 스트레스 해소 콘텐츠가 연계되어 제공될 수 있다.
본원의 일 실시예에 따르면, 복수의 스트레스 해소 콘텐츠는, 복수의 사용자의 스트레스 해소 콘텐츠 사용 이력 정보 및 스트레스 해소 정도를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 사용자 정보를 입력으로 하여 추천될 수 있다. 이때, 사용자 정보는, 건강 정보, SNS 정보, 생활환경 정보를 포함할 수 있다. 일예로, 복수의 사용자의 스트레스 해소 콘텐츠 사용 이력 정보는, 제1사용자가 스트레스 해소를 위해 사용한 콘텐츠의 이력 정보일 수 있다. 여기서, 복수의 사용자의 스트레스 해소 콘텐츠 사용 이력 정보는, 사용자의 정보 및 사용자의 스트레스 해소 콘텐츠 사용 이력 정보가 포함될 수 있다. 달리 말해, 제1사용자의 제1사용자 정보 및 제1사용자가 사용한 스트레스 해소 콘텐츠(예를 들어, 게임 콘텐츠)가 연계되어 저장될 수 있다. 다른 일예로, 스트레스 해소 정도는, 제1사용자가 제1컨텐츠를 사용한 이후 제1스트레스 지수와 제2스트레스 지수를 비교한 결과일 수 있다. 예를 들어, 제1사용자의 제1스트레스 지수는 3단계이고, 제1콘텐츠(예를 들어, 영상 콘텐츠)를 사용한 이후 분석된 제2스트레스 수는 1단계일 수 있다. 이때, 스트레스 해소 정도는, 2감소에 해당할 수 있다. 또한, 제2사용자의 제1스트레스 지수는 4단계이고, 제2콘텐츠(예를 들어, 게임 콘텐츠)를 사용한 이후 분석된 제2스트레스 지수는 1단계일 수 있다. 이때, 스트레스 해소 정도는, 3감소에 해당할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 비지도 학습 기반의 패턴 산출 모델에 복수의 사용자의 스트레스 해소 콘텐츠 사용 이력 정보 및 스트레스 해소 정도를 입력으로 하여, 사용자와 유사한 성향을 가진 사용자가 특정 콘텐츠를 사용한 이후 해소(감소)된 스트레스 정도를 고려하여 사용자의 스트레스를 보다 빠르게 해소시킬 수 있는 콘텐츠를 추천할 수 있다.
일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 비지도 학습 기반의 군집 알고리즘에 기초하여 복수의 스트레스 해소 콘텐츠 추천할 수 있다. 비지도 학습이란 학습용 데이터를 구축하는 것이 아닌 데이터 자체를 분석하거나 군집하면서 학습하는 알고리즘을 의미한다. 스트레스 관련 콘텐츠 제공 장치(10)는 군집 알고리즘에 기초하여 복수의 사용자 정보 및 복수의 사용자의 스트레스 해소 정보를 군집하여 산출할 수 있다. 예시적으로, 비지도 학습을 위한 군집 알고리즘에는 로지스틱 회귀 알고리즘, 랜덤 포레스트 알고리즘, SVM(Support Vector Machine)알고리즘, 의사결정 알고리즘 및 군집 알고리즘이 이용될 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 상술한 알고리즘 외에도 Extra Tree알고리즘, XG Boost알고리즘 및 Deep Learning 알고리즘, K-means 클러스터링 알고리즘, SOM(Self-Organizing-Maps) 알고리즘 EM & Canopy 알고리즘과 같은 군집 알고리즘을 통해 비지도 학습을 수행할 수 있다. Random Forest알고리즘은 수많은 Decision Tree들이 Forest를 구성하여 각각의 예측결과를 하나의 결과변수로 평균화하는 알고리즘이고, SVM알고리즘은 데이터의 분포공간에서 가장 큰 폭의 경계를 구분하여 데이터가 속하는 분류를 판단하는 비확률적 알고리즘이다. Extra Tree알고리즘은 Random forest와 비슷하나 속도가 Random forest에 비해 빠른 알고리즘이며, XGBoost알고리즘은 Random Forest의 Tree는 독립적이라면 XGBoost의 Tree의 결과를 다음 트리에 적용하는 boost방식의 알고리즘이다. Deep Learning알고리즘은 다층구조의 Neural Network을 기반으로 변수의 패턴이 결과에 미치는 영향을 가중치로 조절하며 학습하는 알고리즘이다. 또한, K-means 클러스터링 알고리즘은 전통적인 분류기법으로 대상집단을 거리의 평균값(유사도)을 기준으로 K개의 군집으로 반복 세분화하는 기법이고, SOM알고리즘은 인공신경망을 기반으로 훈련집합의 입력 패턴을 가중치로 학습하여 군집화하는 기법이다. 또한 EM & Canopy 알고리즘은 주어진 초기값으로 가능성이 최대인 것부터 반복 과정을 통해 파라미터 값을 갱신하여 군집화하는 기법을 의미한다. 다만, 인공신경망의 학습 모델이 이에 한정되는 것은 아니다. 예를 들어, 인공신경망은 딥러닝 신경망일 수 있으며, 기 개발되었거나 향수 개발되는 다양한 신경망 체계를 적용할 수 있다.
한편, 스트레스 관련 콘텐츠 제공 장치(10)는 단계별로 스트레스 해소 콘텐츠를 추천할 수 있다. 스트레스 관련 콘텐츠 1단계로 활동성이 있는 콘텐츠를 제공할 수 있다. 또한, 2단계로 긍정적 자극을 포함하는 콘텐츠를 제공할 수 있다. 또한, 3단계로 휴식과 관련된 콘텐츠를 제공할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수를 고려하여 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 1단계 내지 3단계로 구분하여 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 땀을 내며 스트레스 해소가 가능한 헬스케어 콘텐츠를 1단계로 추천하고, 영화, 독서, 음악 감상 등을 통해 긍정적인 이미지를 포함하는 콘텐츠를 2단계로 추천하고, ASMR, 사용자 단말(20)의 방해 금지 모드 활성화 등을 포함하는 휴식과 관련된 콘텐츠를 3단계로 추천할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로부터 사용자의 SNS 정보 및 검색 이력 정보를 수신할 수 있다. 사용자의 SNS 정보는, 사용자 단말의 식별번호와 연계되어 가입된 소셜네트워크에 게시한 게시물과 관련된 정보, 소셜네트워크에 업로드 되는 게시물에 대하여 좋아요, 보관 등과 관련된 사용자의 입력 정보를 포함할 수 있다. 또한, 검색 이력 정보는, 사용자가 웹 사이트를 이용하는 도중에 검색한 이력 정보를 포함할 수 있다. 예를 들어, 검색 이력 정보는, 사용자가 네이버, 다음, 구글 등의 포털 사이트를 이용하여 검색한 단어들을 수집한 정보일 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 SNS 정보 및 검색 이력 정보에 포함된 텍스트 데이터 및 이미지 데이터를 기반으로 사용자의 감정 정보를 분석할 수 있다. 달리 말해, 스트레스 관련 콘텐츠 제공 장치(10)는 감정 사전에 포함된 데이터와 SNS 정보에 포함된 텍스트 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석할 수 있다. 감정 사전은, 복수의 감정과 연계된 텍스트 데이터 및 이미지 데이터를 포함할 수 있다. 복수의 감정은 크게 기쁨 및 우울로 구분될 수 있으며, 기쁨을 기준으로 미리 설정된 키워드(단어)는 즐거움, 설렘, 희망, 만족, 행복 등을 포함할 수 있다. 또한, 우울을 기준으로 미리 설정된 키워드(단어)는 분노, 슬픔, 불안, 침울, 무기력, 좌절, 외로움 등을 포함할 수 있다. 일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 SNS에 기재된 게시글(텍스트)을 분석하여 사용자의 감정을 분석할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 SNS에 기재된 게시글에 감정별로 구분하여 저장된 미리 설정된 키워드(단어)의 매칭을 통해 사용자의 감정 분석을 수행할 수 있다. 예를 들어, 감정은 기쁨, 우울 등으로 구분될 수 있다. 달리 말해, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 SNS에 기재된 게시글(텍스트)에 미리 설정된 키워드(단어)가 매칭 또는 유사한 경우를 판단하고, 사용자의 감정을 분석할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 스트레스 관련 이미지 데이터 및 SNS 정보에 포함된 이미지 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자가 SNS에 게시한 게시물에 이미지가 포함된 경우, 이미지 알고리즘에 SNS 정보에 포함된 이미지를 적용하여 이미지 분석을 수행할 수 있다. 복수의 스트레스 관련 이미지 데이터는, 웹 사이트에서 크롤링하여 수집된 이미지를 포함할 수 있다. 이때, 이미지 분석 알고리즘은 종래 기 개발되거나 향후 개발되는 모든 종류의 이미지 분석 알고리즘이 적용될 수 있다. 다른 일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 소셜네트워크 이미지 게시물의 채도, 명도, 조도, 밝기, 휘도, 그림자 정도 등의 정보를 획득할 수 있다. 예시적으로, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자가 SNS 게시물에 이미지의 분석 결과 어두운 색상(예를 들어, 검정, 회색 등)이 포함된 경우, 사용자의 감정을 우울으로 구분할 수 있다. 반면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자가 업로드한 SNS 게시물의 이미지 분석 결과 밝은 색상(예를 들어, 빨강, 노랑 등)이 포함된 경우, 사용자의 감정을 기쁨(밝음)으로 구분할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 분석된 사용자의 감정 정보를 더 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 추천할 수 있다. 달리 말해, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 감정 정보 및 제1스트레스 지수를 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 추천할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수가 높고(예를 들어, 제4단계), 감정 정보에 분노가 포함된 경우, 스트레스 해소 및 분노를 조절할 수 있는 스트레스 해소 콘텐츠(예를 들어, 두더지 잡기 게임)를 제공할 수 있다. 반면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 제1스트레스 지수는 낮고(예를 들어, 제1단계), 감정 정보에 분노가 포함된 경우, 감정을 해결할 수 있는 스트레스 해소 콘텐츠(예를 들어, 바다, 숲과 관련된 이미지)를 제공할 수 있다. 한편, 스트레스 관련 콘텐츠 제공 장치(10)는 분석된 사용자의 감정 정보 결과 기쁨(밝음)으로 분석되었으나, 제1스트레스 지수가 4단계로 분석된 경우, 사용자가 받는 스트레스가 심하지만, SNS 상에서는 행복한 것으로 표출하려는 것으로 분석하고, 사용자의 심리 상태를 고려하여 전문가 상담 콘텐츠를 추천할 수 있다. 다만, 앞서 설명된 예시는 일 실시예일뿐 보다 다양한 예시들이 포함될 수 있다.
한편, 도 4의 (b)를 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 취향 정보를 획득하기 위해, 추천 아티스트 리스트를 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로 복수의 추천 아티스트 정보를 포함하는 추천 아티스트 리스트를 제공할 수 있다. 사용자는 사용자 단말(20)에 표시된 추천 아티스트 리스트 중 사용자가 선호하는 아티스트 정보를 선택하고, 사용자 단말(20)은 사용자의 입력 정보를 스트레스 관련 콘텐츠 제공 장치(10)로 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자가 선택한 사용자 선호 아티스트를 고려하여, 복수의 스트레스 해소 콘텐츠에 포함된 음악 콘텐츠를 제공할 수 있다.
또한, 도 4의 (b)를 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 취향 정보를 획득하기 위해, 추천 앨범 리스트를 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로 복수의 추천 앨범 정보를 포함하는 추천 앨범 리스트를 제공할 수 있다. 사용자는 사용자 단말(20)에 표시된 추천 앨범 리스트 중 사용자가 선호하는 앨범 정보를 선택하고, 사용자 단말(20)은 사용자의 입력 정보를 스트레스 관련 콘텐츠 제공 장치(10)로 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자가 선택한 사용자 선호 앨범 정보를 고려하여, 복수의 스트레스 해소 콘텐츠에 포함된 음악 콘텐츠를 제공할 수 있다. 달리 말해, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 취향 정보를 더 고려하여, 스트레스 해소 콘텐츠를 제공할 수 있다.
본원의 다른 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수 및 사용자의 위치 정보를 고려하여 복수의 스트레스 해소 콘텐츠에 포함된 맛집 콘텐츠를 제공할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로부터 캘린더(calender) 정보를 획득하고, 사용자의 일정을 고려하여 복수의 스트레스 해소 콘텐츠에 포함된 여행 콘텐츠를 제공할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보를 수신하여 제2스트레스 지수를 분석할 수 있다. 제2스트레스 지수는, 제1스트레스 지수와 다르게 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 사용한 이후에 판단(분석)되는 스트레스 지수일 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스의 지수가 3단계로 판단된 사용자가 영상 콘텐츠를 시청(사용)을 완료한 이후 사용자 단말(20)로부터 수신된 생체 정보를 기반으로 제2스트레스 지수를 분석할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 건강 정보 및 사용자의 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보를 고려하여 제2스트레스 지수를 분석할 수 있다.
이때, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수 및 제2스트레스 지수를 비교하고, 비교 결과 스트레스 지수가 저하되지 않은 경우, 신규 스트레스 해소 콘텐츠를 추천할 수 있다. 달리 말해, 제1스트레스의 지수가 3단계로 판단된 사용자가 영상 콘텐츠를 시청(사용)을 완료한 이후 분석된 제2스트레스 결과 역시 3단계인 경우 또는 4단계로 상승된 경우, 스트레스 관련 콘텐츠 제공 장치(10)는 해당 사용자의 스트레스가 해소되지 않았다고 판단하고 신규 스트레스 해소 콘텐츠를 추천할 수 있다. 신규 스트레스 해소 콘텐츠는, 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠에 제공되지 않은 콘텐츠를 포함할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수, 제2스트레스 지수 및 사용자가 이용한 스트레스 해소 콘텐츠를 연계하여 사용자의 스트레스 해소 콘텐츠 이력 정보를 저장할 수 있다. 달리 말해, 스트레스 관련 콘텐츠 제공 장치(10)는 제1사용자의 제1스트레스 지수, 제2스트레스 지수 및 사용자가 이용한 스트레스 해소 콘텐츠를 연계하여 사용자의 스트레스 해소 콘텐츠 이력 정보로 저장할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수 및 제2스트레스 지수를 비교한 비교 결과를 포함하여 사용자의 스트레스 해소 콘텐츠 이력 정보로서 저장할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 제1사용자에 대한 스트레스 해소 콘텐츠 이력 정보로서, 제1스트레스 지수 3단계, 제2스트레스 지수 1단계 및 사용자가 이용한 스트레스 해소 콘텐츠 영상 콘텐츠 및 음악 콘텐츠, 비교 결과 2단계 감소 등과 같은 이력 정보를 연계하여 저장할 수 있다.
스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 스트레스 해소 콘텐츠 이력 정보를 고려하여 신규 스트레스 해소 콘텐츠를 추천할 수 있다. 일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 스트레스 해소 콘텐츠 이력 정보 중 비교 결과 정보를 고려하여 신규 스트레스 해소 콘텐츠를 추천할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 제1사용자의 제1스트레스 지수와 제2스트레스 지수의 비교 결과에 이용(사용)된 스트레스 해소 콘텐츠 이력 정보를 우선하여 신규 스트레스 해소 콘텐츠를 추천할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 제1 사용자가 제1스트레스 해소 콘텐츠(예를 들어, 영상 콘텐츠)를 사용한 경우, 제1스트레스 지수와 제2스트레스 지수 비교 결과가 1단계 감소이고, 제2스트레스 해소 콘텐츠(예를 들어, 헬스케어 콘텐츠)를 사용한 경우, 제1스트레스 지수와 제2스트레스 지수 비교 결과가 2단계 감소인 경우, 제2스트레스 해소 콘텐츠(예를 들어, 헬스케어 콘텐츠)를 신규 스트레스 해소 콘텐츠로 추천할 수 있다.
이때, 스트레스 관련 콘텐츠 제공 장치(10)는 제1스트레스 지수와 제2스트레스 지수를 비교한 결과 상대적으로 빠르게 스트레스 지수가 저하된 스트레스 해소 콘텐츠를 우선하여 신규 스트레스 해소 콘텐츠로 추천할 수 있다. 달리 말해, 스트레스 관련 콘텐츠 제공 장치(10)는 특정 콘텐츠를 제공하였을 때 가장 빠르게 스트레스 해소되는 스트레스 해소 콘텐츠를 우선하여 신규 스트레스 해소 콘텐츠로 추천할 수 있다.
스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 스트레스 해소 콘텐츠 이력 정보를 저장함으로써, 특정 콘텐츠를 제공하였을 때 가장 빠르게 스트레스가 해소되는지를 파악할 수 있다.
도 5는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 헬스케어 콘텐츠를 예시적으로 나타낸 도면이다.
도 5를 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 휴대폰 미러링 및 AR 기반의 요가 및 케어를 위한 콘텐츠를 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 건강 정보를 고려하여 복수의 스트레스 해소 콘텐츠 중 헬스케어 콘텐츠를 제공할 수 있다. 일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 건강 정보에 허리통증 정보가 포함된 경우, 허리통증과 관련된 케어 콘텐츠를 제공할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 건강 정보에 하지 불안증 정보가 포함된 경우, 하지 불안증과 관련된 케어 콘텐츠를 제공할 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 복수의 스트레스 해소 콘텐츠 중 헬스케어 콘텐츠를 이용하는 사용자의 심박수 정보를 수신할 수 있다. 사용자의 심박수 정보는 사용자의 신체 일부(예를 들어, 손목)에 착용된 웨어러블 단말로부터 사용자의 심박수 정보를 수신받을 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 헬스케어 콘텐츠를 사용하기 이전의 사용자의 심박수 정보를 수신할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 헬스케어 콘텐츠를 사용하고 있는 사용자의 심박수 정보를 소정의 시간 간격마다 수신할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 심박수 정보가 미리 산출된 복수의 심박 구간 중 어느 구간에 속하는지 판단할 수 있다. 일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 나이, 사용자가 수행하려는 운동의 운동 강도, 안정시 심박수를 고려하여 복수의 심박 구간을 산출할 수 있다. 복수의 심박 구간은 제1구간 내지 제3구간을 포함할 수 있다. 제1구간은 사용자의 안정시 심박수에 해당하는 구간일 수 있다. 또한, 제2구간은 안정시 심박수를 기준으로 60% 내지 70%가 상승한 심박수를 포함하는 구간일 수 있다. 제3구간은 안정시 심박수를 기준으로 70% 내지 80%가 상승한 심박수를 포함하는 구간일 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로부터 사용자가 원하는 운동 강도를 수신할 수 있다. 일예로, 운동 강도는 80%, 90% 및 100%를 포함할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 안정시 심박수를 고려하여 복수의 심박 구간을 산출하고, 소정의 시간 간격마다 수집되는 심박수 정보가 복수의 심박 구간 중 어느 구간에 속하는지 판단할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 판단 결과를 고려하여 헬스케어 콘텐츠의 난이도를 조절하여 헬스케어 콘텐츠를 제공할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 심박수의 정보가 제1구간에 속하는 경우, 제1난이도에 대응하는 헬스케어 콘텐츠를 제공할 수 있다. 예를 들어, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 심박수가 안정 심박수를 유지한 경우, 운동 강도가 약한 것으로 판단하여, 현재 제공되는 헬스케어 콘텐츠보다 높은 단계의 헬스케어 콘텐츠를 제공할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 심박수가 변화가 없는 경우, 사용자가 헬스케어 콘텐츠를 제대로 수행하고 있지 않은 것으로 판단하여, 흥미를 유발하며 사용자가 쉽게 따라할 수 있는 헬스케어 콘텐츠를 제공할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 심박수의 정보가 제2구간에 속하는 경우, 제2난이도에 대응하는 헬스케어 콘텐츠를 제공할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 심박수의 정보가 제2구간에 속하는 경우, 사용자에게 벅찬 운동인 것으로 판단하여 한 단계 낮은 난이도의 헬스케어 콘텐츠를 제공할 수 있다.
도 6은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 사용자의 스트레스 지수 정보와 관련된 인터페이스를 예시적으로 나타낸 도면이다.
도 6을 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 현재 스트레스 지수를 백분율로 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 미리 설정된 기준 정보에 대응하여 사용자의 스트레스 지수를 나쁨 보통 좋음 중 적어도 어느 하나로 구분할 수 있다.
한편, 스트레스 관련 콘텐츠 제공 장치(10)는 제1시점에서 수집된 복수의 스트레스 관련 평가 설문 항목에 대한 응답 및 사용자 단말(20)로부터 제공되는 사용자 정보와 제2시점에서 수집된 복수의 스트레스 관련 평가 설문 항목에 대한 응답 및 사용자 단말(20)로부터 제공되는 사용자 정보를 비교하여 우울감, 식욕, 건강, 걱정, 불안에 대한 분석을 수행할 수 있다. 제1시점은 제2시점보다 이전 시점을 의미할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자가 더욱 쉽게 파악할 수 있도록 우울감, 식욕, 건강, 걱정, 불안에 대한 항목을 그래프 및 텍스트로 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 현재 스트레스 지수와 관련하여 간략한 코멘트를 제공할 수 있다. 예를 들어, 현재 스트레스 지수는 100% 중 67%로 '보통' 수준입니다. 하지만, 최근 들어 걱정지수가 증가하였습니다. 등과 같이 현재 시점에서 수집되는 정보와 이전 시점에서 수집되는 정보를 고려하여 사용자의 스트레스 지수를 판단할 수 있다.
도 7은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치에 의해 사용자 단말에 표시되는 일기장 정보와 관련된 인터페이스를 예시적으로 나타낸 도면이다.
도 7을 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)로 사용자의 현재 상태를 기록할 수 있는 일기장 항목을 제공할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 일기장 항목에 기록되는 텍스트 데이터를 고려하여, 사용자의 스트레스 지수를 분석할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 데이터베이스(미도시)에 저장된 스트레스 관련 단어와 일기장 항목에 기록되는 텍스트 데이터의 매칭 개수를 기반으로 사용자의 스트레스 지수를 분석할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 스트레스 관련 단어와 일기장 항목에 기록되는 텍스트 데이터의 매칭 개수와 미리 설정된 범위를 고려하여 사용자의 스트레스 지수를 분석할 수 있다. 예를 들어, 매칭 개수가 미리 설정된 제1범위를 초과한 경우 사용자의 스트레스 지수를 제4단계로 분석할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 스트레스 관련 단어와 일기장 항목에 기록되는 텍스트 데이터의 매칭 개수가 미리 설정된 제2범위에 포함된 경우 사용자의 스트레스 지수를 제3단계로 분석할 수 있다.
다른 일예로, 스트레스 관련 콘텐츠 제공 장치(10)는 AI 스피커(미도시)로부터 제공받은 소리를 인식하고, 소리를 텍스트 데이터로 변환하여 사용자의 감정을 분석할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 AI 스피커(미도시)로부터 제공받은 소리(음성)를 텍스트로 작성(STT: Speech To Text)할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 텍스트로 작성(STT: Speech To Text)된 데이터를 기반으로 사용자의 감정을 분석할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 텍스트 데이터 및 소리의 특징을 고려하여 사용자의 감정 분석을 수행하고, 감정 분석 결과를 포함하는 감정 정보를 생성할 수 있다. 일예로, 소리의 특징은, 음색, 피치, 속도, 악센트, 크기, 발음 중 적어도 어느 하나를 포함할 수 있다. 달리 말해, 스트레스 관련 콘텐츠 제공 장치(10)는 단순히 텍스트 데이터만을 고려하여 사용자의 감정 분석을 수행하는 것이 아니라, 사용자의 소리의 특징을 더 고려하여 감정 분석 결과를 포함하는 감정 정보를 생성함으로써, 보다 더 정확한 사용자의 감정을 분석할 수 있다.
또한, 스트레스 관련 콘텐츠 제공 장치(10)는 AI 스피커(미도시)에서 출력되는 음성 콘텐츠 및 사용자로부터 발성된 소리를 텍스트 데이터로 변환하여 일기장 항목에 저장할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 날짜를 기반으로, AI 스피커(미도시)에서 출력되는 음성 콘텐츠 및 사용자로부터 발성된 소리를 텍스트 데이터로 변환하여 일기장 어플리케이션에 저장할 수 있다. 일예로, 일기는 날마다 그날그날 겪은 일이나 생각, 느낌 따위를 적는 개인의 기록이다. 일기장 항목은, 날짜를 기반으로 AI 스피커(미도시)를 통해 사용자가 음성으로 기록한 개인의 기록들을 텍스트 데이터 변환하여 저장한 데이터를 포함할 수 있다. 스트레스 관련 콘텐츠 제공 장치(10)는 분석된 사용자의 감정 정보와 AI 스피커(미도시)에서 출력되는 음성 콘텐츠 및 사용자로부터 발성된 소리를 텍스트 데이터로 변환한 정보를 연계하여 일기장 항목에 저장할 수 있다.
도 8은 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 장치의 개략적인 블록도이다.
도 8을 참조하면, 스트레스 관련 콘텐츠 제공 장치(10)는 제공부(11), 수신부(12), 분석부(13), 저장부(14) 및 추천부(15)를 포함할 수 있다. 다만, 스트레스 관리 장치(10)의 구성이 이에 한정되는 것은 아니다.
본원의 일 실시예에 따르면, 제공 부(11)는 복수의 스트레스 관련 평가 설문 항목을 사용자 단말(20)로 제공할 수 있다. 사용자 단말(20)은 제공부(11)로부터 수신한 복수의 스트레스 관련 평가 설문 항목을 출력할 수 있다.
본원의 일 실시예에 따르면, 수신부(12)는 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신할 수 있다. 또한, 수신부(12)는 사용자 단말(20)로부터 사용자의 SNS 정보 및 웹 사이트 검색 이력 정보를 수신할 수 있다.
본원의 일 실시예에 따르면, 분석부(13)는 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 분석할 수 있다. 여기서, 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 할 수 있다. 또한, 추천부(15)는 제1스트레스 지수를 고려하여 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천할 수 있다.
또한, 분석부(13)는 수신부(12)에서 사용자 단말(20)로부터 사용자의 SNS 정보 및 웹 사이트 검색 이력 정보를 수신한 정보에 기반하여 사용자의 감정 정보를 분석할 수 있다. 달리 말해, 분석부(13)는 SNS 정보 및 검색 이력 정보에 포함된 텍스트 데이터 및 이미지 데이터를 기반으로 사용자의 감정 정보를 분석하되, 감정 사전에 포함된 데이터와 SNS 정보에 포함된 텍스트 데이터 및 이미지 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석할 수 있다. 이때, 추천부(15)는 분석된 사용자의 감정 정보를 더 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 콘텐츠를 추천할 수 있다.
본원의 일 실시예에 따르면, 저장부(14)는 제1스트레스 지수, 제2스트레스 지수 및 사용자가 이용한 스트레스 해소 콘텐츠를 연계하여 사용자의 스트레스 해소 콘텐츠 이력 정보를 저장할 수 있다. 여기서, 추천부(15)는 제1스트레스 지수 및 제2스트레스 지수를 비교하고, 스트레스 지수가 저하되지 않은 경우, 신규 스트레스 해소 콘텐츠를 추천할 수 있다. 제2스트레스 지수는, 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보에 기반하여 분석부(13)에서 분석된 정보일 수 있다.
본원의 일 실시예에 따르면, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자 단말(20)에 복수의 스트레스 관련 평가 설문 항목을 제공함으로써, 사용자가 자가진단을 통한 스트레스 지수 및 스트레스 항목을 확인할 수 있도록 한다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 스트레스 측정을 위한 다양한 구성 및 입력 정보를 활용(예를 들어, 사용자 단말의 GPS, 통화 기록, 메시지 분석, 사용자의 맥박 체온 등의 생체 정보)하여 사용자의 스트레스 지수를 판단할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 영상 및 음악 등의 스트레스 완화 콘텐츠를 제공하고, 자가진달 결과와 연계하여 다양한 콘텐츠를 제공할 수 있다. 또한, 스트레스 관련 콘텐츠 제공 장치(10)는 사용자의 환경 정보를 고려하여 복수의 스트레스 해소 콘텐츠를 제공할 수 있다. 일예로, 환경 정보는, 사용자의 생활공간에 설치되는 부가단말 또는 IoT 센서 유무, 단독 또는 그룹 생활 여부, 사용자가 스트레스 관련 콘텐츠를 사용하고 있는 시간 정보 등을 포함할 수 있다.
이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.
도 9는 본원의 일 실시예에 따른 스트레스 관련 콘텐츠 제공 방법에 대한 동작 흐름도이다.
도 9에 도시된 스트레스 관련 콘텐츠 제공 방법은 앞서 설명된 스트레스 관리 장치(10)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 스트레스 관리 장치(10)에 대하여 설명된 내용은 스트레스 관련 콘텐츠 제공 방법에 대한 설명에도 동일하게 적용될 수 있다.
단계 S901에서, 스트레스 관리 장치(10)는 복수의 스트레스 관련 평가 설문 항목을 사용자 단말로 제공할 수 있다.
단계 S902에서, 스트레스 관리 장치(10)는 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신할 수 있다.
단계 S903에서, 스트레스 관리 장치(10)는 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 판단할 수 있다. 이때, 스트레스 정도 판별 모델은, 복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델일 수 있다.
단계 S904에서, 스트레스 관리 장치(10)는 제1스트레스 지수를 고려하여 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천할 수 있다.
상술한 설명에서, 단계 S901 내지 S904는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본원의 일 실시 예에 따른 스트레스 관련 콘텐츠 제공 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 전술한 스트레스 관련 콘텐츠 제공 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 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.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
1: 스트레스 관리 시스템
10: 스트레스 관련 콘텐츠 제공 장치
11: 제공부
12: 수신부
13: 분석부
14: 저장부
15: 추천부
20: 사용자 단말
10: 스트레스 관련 콘텐츠 제공 장치
11: 제공부
12: 수신부
13: 분석부
14: 저장부
15: 추천부
20: 사용자 단말
Claims (12)
- 스트레스 관련 콘텐츠 제공 장치에 의해 수행되는 스트레스 관련 콘텐츠 제공 방법에 있어서,
복수의 스트레스 관련 평가 설문 항목을 사용자 단말로 제공하는 단계;
상기 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신하는 단계;
상기 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 상기 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 판단하는 단계;
상기 제1스트레스 지수를 고려하여 상기 제1스트레스 지수를 미리 설정된 수의 단계에 따라 구분하고, 상기 단계가 구분된 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천하는 단계;
사용자 단말로부터 사용자의 SNS 정보 및 검색 이력 정보를 수신하는 단계; 및
감정 사전에 포함된 데이터와 상기 SNS 정보에 포함된 텍스트 데이터 간의 유사도 매칭 및 복수의 스트레스 관련 이미지 데이터 및 SNS 정보에 포함된 이미지 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석하는 단계;
를 포함하되,
상기 감정 정보를 분석하는 단계는,
상기 텍스트 데이터와 감정별로 구분하여 미리 설정된 키워드간의 상기 유사도를 판단하여 상기 사용자의 감정을 분석하고, 상기 이미지 데이터로부터 채도, 명도, 조도, 밝기, 휘도, 그림자 정보를 획득하고 분석하여 상기 사용자의 감정을 구분하고,
상기 복수의 스트레스 해소 콘텐츠를 추천하는 단계는,
분석된 상기 사용자의 감정 정보 및 상기 단계가 구분된 제1스트레스 지수를 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 추천하고,
상기 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보를 수신하여 제2스트레스 지수를 상기 미리 설정된 수의 단계에 따라 구분하는 단계; 및
상기 제1스트레스 지수에 따른 단계 대비 상기 제2스트레스 지수에 따른 단계가 저하되지 않은 경우, 상기 복수의 스트레스 해소 콘텐츠에 포함되지 않은 콘텐츠에 해당하는 신규 스트레스 해소 콘텐츠를 추천하는 단계,
를 포함하고,
상기 스트레스 정도 판별 모델은,
복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델인 것인, 스트레스 관련 콘텐츠 제공 방법. - 삭제
- 삭제
- 제1항에 있어서,
상기 복수의 스트레스 해소 콘텐츠 중 헬스케어 콘텐츠를 이용하는 사용자의 심박수 정보를 수신하는 단계;
상기 심박수 정보가 미리 산출된 복수의 심박 구간 중 어느 구간에 속하는지 판단하는 단계; 및
판단 결과를 고려하여 상기 헬스케어 콘텐츠의 난이도를 조절하여 헬스케어 콘텐츠를 제공하는 단계,
를 더 포함하되,
상기 헬스케어 콘텐츠의 난이도를 조절하여 헬스케어 콘텐츠를 제공하는 단계는,
상기 심박수의 정보가 제1구간에 속하는 경우, 제1난이도에 대응하는 헬스케어 콘텐츠를 제공하고, 상기 심박수의 정보가 제2구간에 속하는 경우, 제2난이도에 대응하는 헬스케어 콘텐츠를 제공하는 것인, 스트레스 관련 콘텐츠 제공 방법. - 제1항에 있어서,
상기 제1스트레스 지수, 상기 제2스트레스 지수 및 사용자가 이용한 스트레스 해소 콘텐츠를 연계하여 사용자의 스트레스 해소 콘텐츠 이력 정보로 저장하는 단계를 더 포함하되,
상기 신규 스트레스 해소 콘텐츠를 추천하는 단계는,
상기 스트레스 해소 콘텐츠 이력 정보를 고려하여 상기 신규 스트레스 해소 콘텐츠를 추천하되,
상기 제1스트레스 지수와 상기 제2스트레스 지수를 비교한 결과 상대적으로 빠르게 스트레스 지수가 저하된 스트레스 해소 콘텐츠를 우선하여 상기 신규 스트레스 해소 콘텐츠로 추천하는 것인, 스트레스 관련 콘텐츠 제공 방법. - 제1항에 있어서,
상기 복수의 스트레스 해소 콘텐츠는,
복수의 사용자의 스트레스 해소 콘텐츠 사용 이력 정보 및 스트레스 해소 정도를 입력으로 하여 구축된 비지도 학습 기반의 패턴 산출 모델에 사용자 정보를 입력으로 하여 추천되되,
상기 사용자 정보는,
건강 정보, SNS 정보, 생활환경 정보를 포함하는 것인, 스트레스 관련 콘텐츠 제공 방법. - 복수의 스트레스 관련 평가 설문 항목을 사용자 단말로 제공하는 제공부;
상기 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신하는 수신부;
상기 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 상기 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 분석하는 분석부; 및
상기 제1스트레스 지수를 고려하여 상기 제1스트레스 지수를 미리 설정된 수의 단계에 따라 구분하고, 상기 단계가 구분된 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천하는 추천부,
를 포함하되,
상기 수신부는 사용자 단말로부터 사용자의 SNS 정보 및 검색 이력 정보를 수신하고,
상기 분석부는 감정 사전에 포함된 데이터와 상기 SNS 정보에 포함된 텍스트 데이터 간의 유사도 매칭 및 복수의 스트레스 관련 이미지 데이터 및 SNS 정보에 포함된 이미지 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석하되,
상기 분석부는 상기 텍스트 데이터와 감정별로 구분하여 미리 설정된 키워드간의 상기 유사도를 판단하여 상기 사용자의 감정을 분석하고, 상기 이미지 데이터로부터 채도, 명도, 조도, 밝기, 휘도, 그림자 정보를 획득하고 분석하여 상기 사용자의 감정을 구분하고,
상기 추천부는 분석된 상기 사용자의 감정 정보 및 상기 단계가 구분된 제1스트레스 지수를 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 추천하되,
상기 추천부는 상기 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보를 수신하여 제2스트레스 지수를 상기 미리 설정된 수의 단계에 따라 구분하고, 상기 제1스트레스 지수에 따른 단계 대비 상기 제2스트레스 지수에 따른 단계가 저하되지 않은 경우, 상기 복수의 스트레스 해소 콘텐츠에 포함되지 않은 콘텐츠에 해당하는 신규 스트레스 해소 콘텐츠를 추천하고,
상기 스트레스 정도 판별 모델은,
복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수에 대응하는 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델인 것인, 스트레스 관련 콘텐츠 제공 장치. - 삭제
- 삭제
- 제7항에 있어서,
상기 수신부는,
상기 복수의 스트레스 해소 콘텐츠에 포함된 헬스케어 콘텐츠를 이용하는 사용자의 심박수 정보를 수신하고,
상기 분석부는,
상기 심박수 정보가 미리 산출된 복수의 심박 구간 중 어느 구간에 속하는지 판단하고,
상기 추천부는,
판단 결과를 고려하여 상기 헬스케어 콘텐츠의 난이도를 조절하여 헬스케어 콘텐츠를 제공하되, 상기 심박수의 정보가 제1구간에 속하는 경우, 제1난이도에 대응하는 헬스케어 콘텐츠를 제공하고, 상기 심박수의 정보가 제2구간에 속하는 경우, 제2난이도에 대응하는 헬스케어 콘텐츠를 제공하는 것인, 스트레스 관련 콘텐츠 제공 장치. - 제7항에 있어서,
상기 제1스트레스 지수, 상기 제2스트레스 지수 및 사용자가 이용한 스트레스 해소 콘텐츠를 연계하여 사용자의 스트레스 해소 콘텐츠 이력 정보로 저장하는 저장부를 더 포함하고,
상기 추천부는,
상기 스트레스 해소 콘텐츠 이력 정보를 고려하여 상기 신규 스트레스 해소 콘텐츠를 추천하되, 상기 제1스트레스 지수와 상기 제2스트레스 지수를 비교한 결과 상대적으로 빠르게 스트레스 지수가 저하된 스트레스 해소 콘텐츠를 우선하여 상기 신규 스트레스 해소 콘텐츠로 추천하는 것인, 스트레스 관련 콘텐츠 제공 장치. - 복수의 스트레스 관련 평가 설문 항목에 대한 응답으로 사용자의 입력 정보를 수신하고, 상기 사용자의 입력 정보 및 생체 정보를 스트레스 정도 판별 모델에 입력하고, 상기 스트레스 정도 판별 모델의 출력 결과를 기반으로 제1스트레스 지수를 분석하고, 상기 제1스트레스 지수를 고려하여 상기 제1스트레스 지수를 미리 설정된 수의 단계에 따라 구분하고, 상기 단계가 구분된 제1스트레스 지수와 연계된 복수의 스트레스 해소 콘텐츠를 추천하되,
사용자 단말로부터 사용자의 SNS 정보 및 검색 이력 정보를 수신하고, 감정 사전에 포함된 데이터와 상기 SNS 정보에 포함된 텍스트 데이터 간의 유사도 매칭 및 복수의 스트레스 관련 이미지 데이터 및 SNS 정보에 포함된 이미지 데이터 간의 유사도 매칭을 통해 사용자의 감정 정보를 분석하고,
상기 텍스트 데이터와 감정별로 구분하여 미리 설정된 키워드간의 상기 유사도를 판단하여 상기 사용자의 감정을 분석하고, 상기 이미지 데이터로부터 채도, 명도, 조도, 밝기, 휘도, 그림자 정보를 획득하고 분석하여 상기 사용자의 감정을 구분하고, 분석된 상기 사용자의 감정 정보 및 상기 단계가 구분된 제1스트레스 지수를 고려하여 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠를 추천하되,
상기 복수의 스트레스 해소 콘텐츠 중 어느 하나의 스트레스 해소 콘텐츠의 사용을 완료한 사용자의 생체 정보를 수신하여 제2스트레스 지수를 상기 미리 설정된 수의 단계에 따라 구분하고, 상기 제1스트레스 지수에 따른 단계 대비 상기 제2스트레스 지수에 따른 단계가 저하되지 않은 경우, 상기 복수의 스트레스 해소 콘텐츠에 포함되지 않은 콘텐츠에 해당하는 신규 스트레스 해소 콘텐츠를 추천하는 스트레스 관련 콘텐츠 제공 장치; 및
상기 스트레스 관련 콘텐츠 제공 장치로부터 복수의 스트레스 관련 평가 설문 항목을 제공받아 출력하고, 상기 스트레스 관련 평가 설문에 대한 응답을 상기 사용자의 입력 정보로서 제공하는 사용자 단말,
을 포함하되,
상기 스트레스 정도 판별 모델은,
복수의 사용자 각각으로부터 스트레스 관련 평가 설문에 대한 응답을 기반으로 한 설문 기반 스트레스 정도 정보 및 복수의 스트레스 지수 각각의 상황에서 수집된 생체 정보를 입력으로 하고 단계별로 구분된 스트레스 지수에 관한 항목을 출력으로 하는 인공신경망 기반의 학습 모델인 것인, 스트레스 관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200091137A KR102525599B1 (ko) | 2020-07-22 | 2020-07-22 | 스트레스 관련 콘텐츠 제공 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200091137A KR102525599B1 (ko) | 2020-07-22 | 2020-07-22 | 스트레스 관련 콘텐츠 제공 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220012066A KR20220012066A (ko) | 2022-02-03 |
| KR102525599B1 true KR102525599B1 (ko) | 2023-04-24 |
Family
ID=80268777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200091137A KR102525599B1 (ko) | 2020-07-22 | 2020-07-22 | 스트레스 관련 콘텐츠 제공 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102525599B1 (ko) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20240079137A1 (en) * | 2022-09-06 | 2024-03-07 | Samsung Electronics Co., Ltd. | System and method for stress profiling and personalized stress intervention recommendation |
| KR20240085966A (ko) * | 2022-12-08 | 2024-06-18 | 주식회사 맘트 | 맞춤형 디지털 콘텐츠 처방 및 행동습관 형성 유도를 위한 셀프-케어 정신건강 관리 장치 및 방법 |
| KR20240092995A (ko) | 2022-12-15 | 2024-06-24 | 동의대학교 산학협력단 | 의료종사자를 위한 사용자 맞춤형 명상 프로그램 제공을 위한 중개 시스템 및 방법 |
| KR102679438B1 (ko) * | 2023-02-07 | 2024-07-02 | 이은미 | 정신 건강 관리 시스템 및 방법 |
| KR102560729B1 (ko) * | 2023-05-17 | 2023-07-27 | 주식회사 스윙크 | 온라인 정신건강 검진 결과에 따른 맞춤형 영상 솔루션 제공 방법 및 검진자 피드백 모니터링 시스템 |
| KR102608964B1 (ko) * | 2023-08-01 | 2023-12-06 | (주) 마인즈에이아이 | 적어도 하나의 이벤트 키워드를 참조로 하여 사용자에게훈련 컨텐츠를 제공하기 위한 방법 및 컴퓨팅 장치 |
| KR102638337B1 (ko) * | 2023-08-16 | 2024-02-19 | (주)테라모션 | 우울증과 불안 장애에 특화된 개인 맞춤형 인공지능챗봇을 포함하는 전자 장치의 동작 방법 |
| KR102612333B1 (ko) * | 2023-08-24 | 2023-12-12 | (주) 마인즈에이아이 | 사용자 메타데이터 및 타액 내 호르몬 데이터를 참조하여 특정 사용자에게 맞춤형 컨텐츠를 제공하는 방법 및 이를 이용한 컴퓨팅 장치 |
| KR102610266B1 (ko) * | 2023-08-28 | 2023-12-07 | 주식회사 메디마인드 | 사용자의 감정 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 방법 및 이를 이용한 컴퓨팅 장치 |
| KR102610271B1 (ko) * | 2023-08-28 | 2023-12-07 | 주식회사 메디마인드 | 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 방법 및 이를 이용한 컴퓨팅 장치 |
| KR102691459B1 (ko) * | 2024-01-25 | 2024-08-05 | 주식회사 게임프로 | E스포츠 게이머의 멘탈 상태 측정 및 케어 시스템 및 그 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101912939B1 (ko) * | 2018-06-14 | 2018-10-29 | 이영달 | 사용자 상태에 따른 맞춤형 자기관리정보 제공시스템 |
| KR102097246B1 (ko) * | 2019-08-26 | 2020-05-29 | 경희대학교 산학협력단 | 복합적 스트레스 지수에 기반한 스트레스 관리 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160091694A (ko) * | 2015-01-26 | 2016-08-03 | 삼성전자주식회사 | 운동 가이드 정보를 제공하는 방법, 장치 및 시스템 |
| KR20170093470A (ko) * | 2016-02-05 | 2017-08-16 | 삼성전자주식회사 | 스트레스 관리 서비스를 제공하기 위한 방법 및 그 전자 장치 |
| KR102033065B1 (ko) * | 2017-08-17 | 2019-10-16 | 충북도립대학산학협력단 | 개인 맞춤형 건강 관리 시스템 및 방법 |
-
2020
- 2020-07-22 KR KR1020200091137A patent/KR102525599B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101912939B1 (ko) * | 2018-06-14 | 2018-10-29 | 이영달 | 사용자 상태에 따른 맞춤형 자기관리정보 제공시스템 |
| KR102097246B1 (ko) * | 2019-08-26 | 2020-05-29 | 경희대학교 산학협력단 | 복합적 스트레스 지수에 기반한 스트레스 관리 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220012066A (ko) | 2022-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102525599B1 (ko) | 스트레스 관련 콘텐츠 제공 장치 및 방법 | |
| Shoumy et al. | Multimodal big data affective analytics: A comprehensive survey using text, audio, visual and physiological signals | |
| US11568364B2 (en) | Computing system implementing morbidity prediction using a correlative health assertion library | |
| US11334804B2 (en) | Cognitive music selection system and method | |
| US11164105B2 (en) | Intelligent recommendations implemented by modelling user profile through deep learning of multimodal user data | |
| Harari et al. | Personality sensing for theory development and assessment in the digital age | |
| US10572679B2 (en) | Privacy-guided disclosure of crowd-based scores computed based on measurements of affective response | |
| Orhan et al. | The adaptive nature of visual working memory | |
| US20170103469A1 (en) | System and method for using social network content to determine a lifestyle category of users | |
| US11281553B1 (en) | Digital systems for enrolling participants in health research and decentralized clinical trials | |
| US11574714B2 (en) | Remote health assertion verification and mortality prediction system | |
| US20170103179A1 (en) | System and method for predicting mortality amongst a user base | |
| WO2019183612A1 (en) | Methods of predicting emotional response to sensory stimuli based on individual traits | |
| Deng et al. | Sensor feature selection and combination for stress identification using combinatorial fusion | |
| Renner et al. | Bringing back the person into behavioural personality science using big data | |
| US20130144919A1 (en) | Template development based on reported aspects of a plurality of source users | |
| Ernst et al. | Insight into individual differences in emotion dynamics with clustering | |
| CN113383345B (zh) | 用于定义情感机器的方法和系统 | |
| Halberstadt et al. | Two faces of attractiveness: Making beauty in averageness appear and reverse | |
| Gay et al. | Religiosity, spirituality, and attitudes toward same-sex marriage: A cross-sectional cohort comparison | |
| Francese et al. | A user-centered approach for detecting emotions with low-cost sensors | |
| Stroope et al. | Social context and college completion in the United States: The role of congregational biblical literalism | |
| Lynn et al. | Is popular more likeable? Choice status by intrinsic appeal in an experimental music market | |
| Ma et al. | Cost-sensitive two-stage depression prediction using dynamic visual clues | |
| Woolard et al. | Evaluating the performance of five asset-based wealth indices in predicting socioeconomic position in rural Bangladesh |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |