KR102531719B1 - 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법 - Google Patents
어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법 Download PDFInfo
- Publication number
- KR102531719B1 KR102531719B1 KR1020230006882A KR20230006882A KR102531719B1 KR 102531719 B1 KR102531719 B1 KR 102531719B1 KR 1020230006882 A KR1020230006882 A KR 1020230006882A KR 20230006882 A KR20230006882 A KR 20230006882A KR 102531719 B1 KR102531719 B1 KR 102531719B1
- Authority
- KR
- South Korea
- Prior art keywords
- representative
- short
- form content
- content
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012552 review Methods 0.000 claims abstract description 23
- 230000015654 memory Effects 0.000 claims abstract description 17
- 239000000284 extract Substances 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000306 recurrent effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 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
- 230000035755 proliferation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
Abstract
본 발명은 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법에 관한 것이다.
본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 제1 사용자단말로부터 제1 사용자에 대한 제1 영상시청이력 및 나이, 성별에 관한 개인정보를 수신하고, 상기 제1 영상시청이력 및 상기 개인정보를 기반으로 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠 중에서 상기 제1 사용자에게 추천할 제1 추천리스트를 생성하고, 상기 제1 추천리스트를 상기 제1 사용자의 관리자로 설정된 제2 사용자가 사용하는 제2 사용자단말에게 송신하고, 상기 제2 사용자단말로부터 상기 제1 추천리스트에 대한 제1 검토정보를 수신하고, 상기 제1 추천리스트 및 상기 제1 검토정보를 기반으로 제2 추천리스트를 생성하고, 상기 제2 추천리스트를 상기 제1 사용자단말에게 송신할 수 있다.
본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 제1 사용자단말로부터 제1 사용자에 대한 제1 영상시청이력 및 나이, 성별에 관한 개인정보를 수신하고, 상기 제1 영상시청이력 및 상기 개인정보를 기반으로 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠 중에서 상기 제1 사용자에게 추천할 제1 추천리스트를 생성하고, 상기 제1 추천리스트를 상기 제1 사용자의 관리자로 설정된 제2 사용자가 사용하는 제2 사용자단말에게 송신하고, 상기 제2 사용자단말로부터 상기 제1 추천리스트에 대한 제1 검토정보를 수신하고, 상기 제1 추천리스트 및 상기 제1 검토정보를 기반으로 제2 추천리스트를 생성하고, 상기 제2 추천리스트를 상기 제1 사용자단말에게 송신할 수 있다.
Description
본 발명은 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
기술의 발전에 따라 아이들은 스마트폰을 장난감 삼아 하루에 많은 시간을 소비하고 있다.
스마트폰은 아이들에게 교육과 지능발달에도 도움이 될 수도 있으나, 무분별한 콘텐츠의 난립으로 아이들에게 유해한 콘텐츠에 쉽게 노출될 수도 있다는 문제점이 있다.
또한, 아이들은 스마트폰을 통하여 특히, 영상 콘텐츠를 많이 보는 경향이 있어, 아이들에게 건전한 미디어 환경을 제공하기 위한 조치가 필요한 실정이다.
이에, 본 발명에서는 아이들이 손쉽게 다가갈 수 있는 영상콘텐츠 공유시스템을 제공하되, 부적절한 콘텐츠를 부모가 쉽게 감시할 수 있으며, 아이들이 직접적으로 콘텐츠에 참여하여 창의력 및 기타 능력을 키울 수 있는 기술을 제안하고자 한다.
본 발명의 일 실시예는 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법을 제공하는 것이다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 전자 장치는 메모리(memory) 및 상기 메모리와 연결된 프로세서(processor)를 포함하고, 상기 프로세서는, 제1 사용자단말로부터 제1 사용자에 대한 제1 영상시청이력 및 나이, 성별에 관한 개인정보를 수신하고, 상기 제1 영상시청이력 및 상기 개인정보를 기반으로 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠 중에서 상기 제1 사용자에게 추천할 제1 추천리스트를 생성하고, 상기 제1 추천리스트를 상기 제1 사용자의 관리자로 설정된 제2 사용자가 사용하는 제2 사용자단말에게 송신하고, 상기 제2 사용자단말로부터 상기 제1 추천리스트에 대한 제1 검토정보를 수신하고, 상기 제1 추천리스트 및 상기 제1 검토정보를 기반으로 제2 추천리스트를 생성하고, 상기 제2 추천리스트를 상기 제1 사용자단말에게 송신할 수 있다.
이 때, 상기 프로세서는, 상기 제1 영상시청이력이 없는 경우, 상기 개인정보와 동일한 다른 복수의 제1-1 사용자의 영상시청이력을 추출하고, 상호 중복되는 제1 대표숏폼콘텐츠를 추출하고, 상기 제1 대표숏폼콘텐츠 중에서 중복된 횟수를 기초로 내림차순으로 기설정된 기본이력개수만큼 추출하여 상기 제1 사용자의 제2 영상시청이력을 생성하고, 상기 제2 영상시청이력 중에서 제2 대표숏폼콘텐츠를 추출하고, 상기 제1 영상시청이력이 있는 경우, 상기 제1 영상시청이력 중에서 상기 제2 대표숏폼콘텐츠를 추출하고, 상기 제2 대표숏폼콘텐츠를 기반으로 상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠와의 유사도를 평가하여, 상기 유사도가 높은 숏폼콘텐츠를 기설정된 추천개수만큼 추출하여, 상기 제1 추천리스트를 생성할 수 있다.
이 때, 상기 프로세서는, 상기 제1 영상시청이력 또는 상기 제2 영상시청이력 중에서 상기 제2 대표숏폼콘텐츠를 추출하되, 상기 제1 영상시청이력 또는 상기 제2 영상시청이력 중에서, 주요시청자성별 및 주요시청자나이가 상기 개인정보와 동일한 제1 임시대표콘텐츠를 추출하고, 상기 제1 임시대표콘텐츠의 추천 대비 조회수가 기설정된 임계비율을 초과하는 제2 임시대표콘텐츠를 추출하고, 상기 제2 임시대표콘텐츠 중에서 조회수가 가장 높은 상기 제2 임시대표콘텐츠를 상기 제2 대표숏폼콘텐츠로 추출할 수 있다.
이 때, 상기 프로세서는, 상기 제2 대표숏폼콘텐츠를 (A-1) 기설정된 분할간격으로 분할하여 복수개의 분할구간을 생성하고, (A-2) 상기 분할구간에서 대표프레임을 추출하고, (A-3) 인공지능모듈을 통하여 상기 대표프레임에서 상기 대표프레임 내에 포함되는 기설정된 임시객체를 추출하고, (A-4) 모든 분할구간에서 추출된 전체 임시객체를 기반으로 제1 대표객체를 도출하고, 상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠를, 상기 (A-1), (A-2), (A-3) 및 (A-4)의 과정을 통하여, 제2 대표객체를 도출하고, 상기 제1 대표객체와 상기 제2 대표객체를 기반으로 상기 유사도를 도출할 수 있다.
이 때, 상기 프로세서는, 상기 전체 임시객체 중에서 상기 임시객체의 노출횟수가 기설정된 기준횟수를 초과하는 상기 임시객체를 임시대표객체로 추출하고, 상기 임시대표객체에서 기설정된 마이너스객체를 제거하여 상기 제1 대표객체를 도출할 수 있다.
이 때, 상기 프로세서는, 상기 마이너스객체를 제거한 이후 상기 제1 대표객체의 수가 기설정된 최소임계개수 이하인 경우, 상기 마이너스객체에 의하여 제거된 제거객체 중에서 기설정된 중심점수에 따라, 상기 최소임계개수를 초과할 때까지 복구하여 상기 제1 대표객체를 도출할 수 있다.
이 때, 상기 중심점수는, 해당 마이너스객체가 노출된 제1 대표프레임을 추출하고, 상기 제1 대표프레임의 가상의 제1 중심점에서 상기 마이너스객체의 제2 중심점까지의 거리값을 도출하고, 상기 거리값의 평균값으로 설정될 수 있다.
이 때, 상기 프로세서는, 이미지태그생성모듈을 통하여, 상기 제1 대표객체 및 상기 제2 대표객체에 대하여 제1 태그 및 제2 태그를 생성하고, 상기 제1 태그를 상기 제1 대표객체의 명칭에 해당하는 제1 대표태그 및 상기 제1 대표객체의 상태에 해당하는 제1 상태태그로 구분하고, 상기 제2 태그를 상기 제2 대표객체의 명칭에 해당하는 제2 대표태그 및 상기 제2 대표객체의 상태에 해당하는 제2 상태태그로 구분하고, 상기 제1 대표태그, 상기 제1 상태태그, 상기 제2 대표태그 및 상기 제2 상태태그를 기반으로 상기 제2 대표숏폼콘텐츠와 상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠와의 상기 유사도를 도출할 수 있다.
이 때, 상기 유사도는, 아래 수학식에 의하여 산출되되,
Similarity는 상기 유사도를 의미하고, NoO_1(Number of Objects_1)은 상기 제1 대표객체의 수를 의미하고, NoO_2(Number of Objects_2)는 상기 제2 대표객체의 수를 의미하고, k는 상기 제1 대표객체와 상기 제2 대표객체 중에서 상기 제1 대표태그와 상기 제2 대표태그가 동일한 객체의 수를 의미하고, NoSToO_2,n(Number of Status Tag of Objects_2,n)은 상기 제1 대표태그와 상기 제2 대표태그가 동일한 n번째 상기 제2 대표객체에 대한 상기 제2 상태태그의 수를 의미하고, NoOST_n(Number of Overlap Status Tag_n)은 상기 제1 대표태그와 상기 제2 대표태그가 동일한 n번째 상기 제2 대표객체에 대한 상기 제2 상태태그 중에서 상기 제1 상태태그와 중복되는 상기 제2 상태태그의 수를 의미할 수 있다.
이 때, 상기 제1 검토정보는, 상기 제1 추천리스트에 포함되는 숏폼콘텐츠에서 제거할 제1 제거숏폼콘텐츠에 대한 정보를 포함하고, 상기 프로세서는, 다른 제2-1 사용자 중에서 제2 검토정보를 통하여 상기 제1 제거숏폼콘텐츠와 동일한 숏폼콘텐츠를 제거한 제2-2 사용자를 추출하고, 상기 제2-2 사용자의 상기 제2 검토정보를 기반으로 상호 중복되는 제2 제거숏폼콘텐츠를 추출하고, 상기 제2 제거숏폼콘텐츠 중에서 중복된 횟수를 기초로 내림차순으로 기설정된 기본제거개수만큼 제3 제거숏폼콘텐츠를 추출하고, 상기 제1 추천리스트에서 상기 제1 제거숏폼콘텐츠 및 상기 제3 제거숏폼콘텐츠를 제거하여 상기 제2 추천리스트를 생성할 수 있다.
이 때, 상기 프로세서는, 상기 제1 사용자단말로부터 영상으로 촬영된 사용자숏폼콘텐츠 및 상기 사용자숏폼콘텐츠에 대한 상세정보를 수신하는 경우, 상기 사용자숏폼콘텐츠를 상기 숏폼콘텐츠DB에 저장하고, 상기 제1 사용자를 식별하는 고유계정에 기설정된 제1 리워드를 제공할 수 있다.
이 때, 상기 상세정보는, 상기 사용자숏폼콘텐츠가 특정숏폼콘텐츠의 챌린지영상인지 여부에 관한 정보를 포함하고, 상기 프로세서는, 상기 상세정보에 상기 특정숏폼콘텐츠의 챌린지영상을 나타내는 정보가 포함되는 경우, 상기 사용자숏폼콘텐츠와 상기 특정숏폼콘텐츠를 챌린지링크로 상호연결하고, 상기 제1 사용자를 식별하는 고유계정에 기설정된 제2 리워드를 제공할 수 있다.
이 때, 상기 프로세서는, 상기 제2 추천리스트를 상기 제1 사용자단말에게 송신하되, 상기 제2 추천리스트에 포함되는 숏폼콘텐츠와 상기 챌린지링크로 상호연결된 숏폼콘텐츠를 기반으로 챌린지콘텐츠목록을 생성하여, 상기 제2 추천리스트와 함께 제1 사용자단말에게 송신할 수 있다.
이와 같이 본 발명의 일 실시예에 따르면, 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법을 제공할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따라 임시대표객체를 추출하는 예시도이다.
도 4는 본 발명의 일 실시예에 따라 제1 대표객체를 추출하는 예시도이다.
도 5는 본 발명의 일 실시예에 따라 마이너스객체의 중심점수를 도출하는 예시도이다.
도 6은 본 발명의 일 실시예에 따라 대표객체의 태크정보를 나타내는 예시도이다.
도 7은 본 발명의 일 실시예에 따라 챌린지링크를 설정하고 리워드를 제공하는 예시도이다.
도 8은 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법의 흐름도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
도 1은 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 전자 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따라 임시대표객체를 추출하는 예시도이다.
도 4는 본 발명의 일 실시예에 따라 제1 대표객체를 추출하는 예시도이다.
도 5는 본 발명의 일 실시예에 따라 마이너스객체의 중심점수를 도출하는 예시도이다.
도 6은 본 발명의 일 실시예에 따라 대표객체의 태크정보를 나타내는 예시도이다.
도 7은 본 발명의 일 실시예에 따라 챌린지링크를 설정하고 리워드를 제공하는 예시도이다.
도 8은 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법의 흐름도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
도 1은 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치(100)의 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치(100)는 어린이에게 적합한 콘텐츠를 추천할 수 있도록 부모로부터 피드백을 받을 수 있고, 어린이가 직접 콘텐츠에 참여할 수 있는 동기를 제공하여 다양한 콘텐츠환경을 조성할 수 있다.
한편, 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치(100)는 본 발명에서 '전자 장치(100)'로 호칭될 수도 있으며, 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스는 상기 전자 장치(100)를 통해 운용되는 온라인 플랫폼을 통해 제공 및/또는 제어될 수 있다.
이 때, 제1 사용자단말(200) 및 제2 사용자단말(300)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등을 포함할 수 있다.
도 2는 본 발명의 일 실시예에 따른 전자 장치(100)의 블록도이다.
일 실시예에 따른 전자 장치(100)는 프로세서(110) 및 메모리(120)를 포함한다. 프로세서(110)는 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(120)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(120)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. 메모리(120)는 '데이터베이스', '저장부' 등으로 호칭될 수 있다.
프로세서(110)는 프로그램을 실행하고, 전자 장치(100)를 제어할 수 있다. 프로세서(110)에 의하여 실행되는 프로그램의 코드는 메모리(120)에 저장될 수 있다. 장치(100)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이 때, 상기 프로세서(110)는, 제1 사용자단말(200)로부터 제1 사용자에 대한 제1 영상시청이력 및 나이, 성별에 관한 개인정보를 수신할 수 있다.
이 때, 상기 제1 사용자단말(200)은 제1 사용자 즉, 어린이가 사용하는 단말을 의미할 수 있다.
또한, 상기 프로세서(110)는, 상기 제1 영상시청이력 및 상기 개인정보를 기반으로 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠 중에서 상기 제1 사용자에게 추천할 제1 추천리스트를 생성할 수 있다.
이 때, 상기 숏폼콘텐츠는 러닝타임이 짧은 영상을 담은 콘텐츠를 의미할 수 있다.
또한, 상기 제1 영상시청이력은 처음 사용자의 경우 없을 수 있으므로, 그에 따라 상이하게 상기 제1 추천리스트를 생성할 필요가 있다. 이와 관련하여 후술하도록 한다.
또한, 상기 프로세서(110)는, 상기 제1 추천리스트를 상기 제1 사용자의 관리자로 설정된 제2 사용자가 사용하는 제2 사용자단말(300)에게 송신할 수 있다.
이 때, 상기 제2 사용자는 상기 제1 사용자의 부모 또는 선생님과 같은 관리자일 수 있으며, 상기 제2 사용자단말(300)은 상기 제2 사용자가 사용하는 단말을 의미할 수 있다.
이 때, 상기 제1 추천리스트를 상기 제2 사용자단말(300)에게 송신하는 이유는 알고리즘에 의하여 도출된 추천리스트라고 하더라도, 어린이에게 유해한 콘텐츠가 포함되어 있을 수 있으므로, 부모 또는 관리자가 한 번 더 검토하기 위함이다.
따라서, 상기 프로세서(110)는, 상기 제2 사용자단말(300)로부터 상기 제1 추천리스트에 대한 제1 검토정보를 수신할 수 있다.
이 때, 상기 제1 검토정보는, 상기 제1 추천리스트에 포함되는 숏폼콘텐츠에서 제거할 제1 제거숏폼콘텐츠에 대한 정보를 포함할 수 있다.
또한, 상기 프로세서(110)는, 상기 제1 추천리스트 및 상기 제1 검토정보를 기반으로 제2 추천리스트를 생성할 수 있다. 상기 제2 추천리스트와 관련하여 상기 제1 검토정보 만으로 영상콘텐츠의 특성상 내부에 포함되는 유해성을 정확하게 판단하지 못할 가능성이 있다. 이에 추가적인 필터링이 필요한데, 이와 관련하여 후술하도록 한다.
또한, 상기 프로세서(110)는, 상기 제2 추천리스트를 상기 제1 사용자단말(200)에게 송신할 수 있다.
1차적으로 추천리스트를 도출하기 위해서는 사용자의 성향을 분석해야 한다. 그래서 상기 제1 영상시청이력이 있는 경우에는 상기 제1 영상시청이력을 기반으로 사용자의 성향을 분석할 수 있으나, 상기 제1 영상시청이력이 없는 경우에는 사용자와 유사한 개인정보를 가진 다른 사용자의 시청이력으로 성향을 분석할 필요가 있다.
이에, 상기 프로세서(110)는, 상기 제1 영상시청이력이 없는 경우, 상기 개인정보와 동일한 다른 복수의 제1-1 사용자의 영상시청이력을 추출하고, 상호 중복되는 제1 대표숏폼콘텐츠를 추출하고, 상기 제1 대표숏폼콘텐츠 중에서 중복된 횟수를 기초로 내림차순으로 기설정된 기본이력개수만큼 추출하여 상기 제1 사용자의 제2 영상시청이력을 생성하고, 상기 제2 영상시청이력 중에서 제2 대표숏폼콘텐츠를 추출할 수 있다.
이 대, 상기 개인정보와 동일한 다른 복수의 제1-1 사용자는, 상기 개인정보에 포함된 성별과 동일하고, 나이가 동일하거나, 기설정된 나이범위에 포함되는 경우의 사용자를 의미할 수 있다. 이 때, 상기 나이범위는 운영자에 의하여 임의로 설정될 수 있으며, 2살, 3살 등으로 설정될 수 있다.
이 때, 상기 기본이력개수는 상기 제1 사용자 및 상기 제1-1사용자의 상기 제1 영상시청이력에 포함되는 숏폼콘텐츠의 평균개수로 설정될 수 있다.
또한, 상기 프로세서(110)는, 상기 제1 영상시청이력이 있는 경우, 상기 제1 영상시청이력 중에서 상기 제2 대표숏폼콘텐츠를 추출할 수 있다.
이 때, 상기 제2 대표숏폼콘텐츠는 사용자의 성향을 보다 확실하게 설정하면서, 너무 한정되지 않도록 확장하는 역할을 할 대표콘텐츠를 의미할 수 있다. 상기 제2 대표숏폼콘텐츠를 추출하는 방법은 후술하도록 한다.
또한, 상기 프로세서(110)는, 상기 제2 대표숏폼콘텐츠를 기반으로 상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠와의 유사도를 평가하여, 상기 유사도가 높은 숏폼콘텐츠를 기설정된 추천개수만큼 추출하여, 상기 제1 추천리스트를 생성할 수 있다.
이 때, 상기 추천개수는 후술하는 바와 같이, 상기 제2 사용자들의 상기 제1 검토정보에 포함된 제1 제거숏폼콘텐츠 수의 평균에 2배 또는 3배로 설정될 수 있다. 이는, 제2 사용자에 의하여 전부 제거되는 것을 방지하기 위함이다.
이 때, 상기 프로세서(110)는, 상기 제2 대표숏폼콘텐츠를 추출하기 위하여, 먼저 상기 제1 영상시청이력 또는 상기 제2 영상시청이력 중에서, 주요시청자성별 및 주요시청자나이가 상기 개인정보와 동일한 제1 임시대표콘텐츠를 추출할 수 있다.
상기 주요시청자성별은 상기 제2 영상시청이력에 포함된 숏폼콘텐츠의 시청정보를 기반으로 과반수가 넘는 성별로 설정될 수 있고, 상기 주요시청자 나이는 상기 제2 영상시청이력에 포함된 숏폼콘텐츠의 시청정보를 기반으로 상기 나이범위로 분할되는 나이대 중 가장 많이 시청한 나이대로 설정될 수 있다.
또한, 상기 프로세서(110)는, 상기 제1 임시대표콘텐츠의 추천 대비 조회수가 기설정된 임계비율을 초과하는 제2 임시대표콘텐츠를 추출할 수 있다.
이 때, 상기 임계비율은 상기 제1 임시대표콘텐츠의 추천 대비 조회수의 평균값으로 설정될 수 있다.
또한, 상기 프로세서(110)는, 상기 제2 임시대표콘텐츠 중에서 조회수가 가장 높은 상기 제2 임시대표콘텐츠를 상기 제2 대표숏폼콘텐츠로 추출할 수 있다.
상술한 방법으로 제1 사용자에 대한 대표숏폼콘텐츠를 추출할 수 있다. 이를 통하여, 상기 제2 대표숏폼콘텐츠와 유사한 숏폼콘텐츠를 추출하여 상기 사용자에게 제공할 수 있다.
상기 제2 대표숏폼콘텐츠와 다른 숏폼콘텐츠가 유사한지 판단하는 방법으로는 각각의 영상에 포함되는 객체가 상호 유사한지 여부로 판단하는 방법을 사용할 수 있다.
도 3은 본 발명의 일 실시예에 따라 임시대표객체를 추출하는 예시도이다.
도 3을 참조하면, 상기 프로세서(110)는, 상기 제2 대표숏폼콘텐츠를 (A-1) 기설정된 분할간격으로 분할하여 복수개의 분할구간을 생성하고, (A-2) 상기 분할구간에서 대표프레임을 추출하고, (A-3) 인공지능모듈을 통하여 상기 대표프레임에서 상기 대표프레임 내에 포함되는 기설정된 임시객체를 추출하고, (A-4) 모든 분할구간에서 추출된 전체 임시객체를 기반으로 제1 대표객체를 도출할 수 있다.
이 때, 상기 분할간격은 운영자에 의하여 임의로 설정될 수 있으며, 10초, 20초, 30초 등으로 설정될 수 있다.
또한, 상기 대표프레임은 특정 구간에서 시작 프레임과 끝 프레임 사이에서 가장 중심이 되는 프레임을 의미하며, 논문과 특허에서 이미 공개된 방식을 사용하여 추출될 수 있다.
또한, 상기 인공지능모듈은 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용하여, 상기 대표프레임에 포함되는 객체들을 임시객체로 추출하는 기계학습모델을 생성할 수 있다.
이 때, 상기 임시객체는 미리 학습되어 설정되어 있는 객체를 의미할 수 있으며, 예를 들면, 사람, 책상, 침대, 창문, 태블릿 등등 일상생활에서 볼 수 있는 모든 객체들을 포함하도록 설정될 수 있다.
또한, 인공지능모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.
여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.
또한, 상기 프로세서(110)는, 상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠를, 상기 (A-1), (A-2), (A-3) 및 (A-4)의 과정을 통하여, 제2 대표객체를 도출하고, 상기 제1 대표객체와 상기 제2 대표객체를 기반으로 상기 유사도를 도출할 수 있다.
도 4는 본 발명의 일 실시예에 따라 제1 대표객체를 추출하는 예시도이다.
이 때, 추출된 상기 임시객체를 모두다 사용하여 유사도를 도출하는 경우, 정확도가 떨어질 수 있다. 왜냐하면, 모든 객체를 추출하다 보면, 해당 숏폼콘텐츠를 대표하는 객체가 아닌 매우 일반적인 객체까지도 추출되어, 해당 숏폼콘텐츠의 특징이 무엇인지 식별하기 어려워지기 때문이다.
따라서, 추출된 상기 임시객체에서 특징으로 보기 어려운 일반적인 객체를 제거하는 과정이 필요하다.
이와 관련하여, 상기 프로세서(110)는, 상기 전체 임시객체 중에서 상기 임시객체의 노출횟수가 기설정된 기준횟수를 초과하는 상기 임시객체를 임시대표객체로 추출할 수 있다.
이 때, 상기 기준횟수는 운영자에 의하여 임의로 설정될 수도 있으며, 상기 분할구간의 수의 50% 이상이 되도록 설정될 수도 있다.
이는, 자주 반복하는 객체가 해당 숏폼콘텐츠를 대표할 가능성이 높으므로 1차적으로 필터링을 하는 것이다.
또한, 상기 프로세서(110)는, 상기 임시대표객체에서 기설정된 마이너스객체를 제거하여 상기 제1 대표객체를 도출할 수 있다.
이 때, 상기 마이너스객체는 운영자에 의하여 가장 일반적인 것으로 설정될 수 있으며, 예를 들면, 창문, 책상, 침대 등과 같은 것으로 설정될 수 있다.
이 때, 상기 임시대표객체의 수가 많은 경우, 모든 마이너스객체를 제거하면 되나, 상기 임시대표객체의 수가 적은 경우에 모든 마이너스객체를 제거하면 해당 숏폼콘텐츠의 특징으로 도출할 대표객체가 줄어들어, 정확한 유사도 판단이 어려워질 수 있다.
따라서, 상기 프로세서(110)는, 상기 마이너스객체를 제거한 이후 상기 제1 대표객체의 수가 기설정된 최소임계개수 이하인 경우, 상기 마이너스객체에 의하여 제거된 제거객체 중에서 기설정된 중심점수가 높은순으로, 상기 최소임계개수를 초과할 때까지 복구하여 상기 제1 대표객체를 도출할 수 있다.
이 때, 상기 최소임계개수는 운영자에 의하여 임의로 결정될 수도 있고, 전체 숏폼콘텐츠에 대하여 상기 마이너스객체를 제거하기 전의 제1 대표객체의 평균개수를 기반으로 설정될 수도 있다.
이 때, 상기 중심점수는 상기 마이너스객체라고 하더라도, 화면의 중심에 노출이 되고 있는지에 대한 지표로써, 화면의 중심에 가깝게 노출되는 경우, 해당 객체는 중요하다고 볼 수 있기 때문이다.
도 5는 본 발명의 일 실시예에 따라 마이너스객체의 중심점수를 도출하는 예시도이다.
도 5를 참조하면, 상기 중심점수는, 해당 마이너스객체가 노출된 제1 대표프레임을 추출하고, 상기 제1 대표프레임의 가상의 제1 중심점에서 상기 마이너스객체의 제2 중심점까지의 거리값을 도출하고, 상기 거리값의 평균값으로 설정될 수 있다.
이 때, 상기 거리값은 상기 프레임에서의 픽셀간격을 수치로 표현한 값일 수 있다. 예를 들면, 상기 제1 중심점과 상기 제2 중심점 사이에 존재하는 픽셀이 300개인 경우, 상기 거리값은 300으로 설정될 수 있다.
도 6은 본 발명의 일 실시예에 따라 대표객체의 태크정보를 나타내는 예시도이다.
유사도 판단을 위하여 동일한 객체가 존재하는지를 확인했다고 하더라도, 객체 그 자체가 아닌, 객체의 상태가 보다 중요한 경우가 있을 수 있다. 예를 들면, 사람(객체)이 춤을 추는(상태) 숏폼콘텐츠에 대하여, 사람(객체)이 그냥 존재하는 모든 숏폼콘텐츠를 유사하다고 볼 수 없기 때문이다. 따라서, 객체의 상태도 함께 판단하는 것이 중요하다.
이를 위하여, 도 6을 참조하면, 상기 프로세서(110)는, 이미지태그생성모듈을 통하여, 상기 제1 대표객체 및 상기 제2 대표객체에 대하여 제1 태그 및 제2 태그를 생성할 수 있다.
이 때, 이미지태그생성모듈은 객체(이미지)를 입력으로 해당 객체가 무엇인지, 해당 객체의 색상이나, 상태, 감정, 동작에 대한 상태가 무엇인지 출력하는 인공지능모듈로 구성될 수 있다.
또한, 상기 프로세서(110)는, 상기 제1 태그를 상기 제1 대표객체의 명칭에 해당하는 제1 대표태그 및 상기 제1 대표객체의 상태에 해당하는 제1 상태태그로 구분하고, 상기 제2 태그를 상기 제2 대표객체의 명칭에 해당하는 제2 대표태그 및 상기 제2 대표객체의 상태에 해당하는 제2 상태태그로 구분할 수 있다.
이 때, 상기 제1 대표태그 및 상기 제2 대표태그는 제1 대표객체 및 제2 대표객체의 명칭에 관한 것으로써, 예를 들면, 사람, 책상, 의자, 창문, 침대 등일 수 있다.
또한, 상기 제1 상태태그 및 상기 제2 상태태그는 상기 제1 대표객체 및 상기 제2 대표객체의 상태에 관한 것으로써, 예를 들면, 색상, 동작, 감정, 상태(파손, 깨끗함, 더러움, 고장난 등)등일 수 있다.
또한, 상기 프로세서(110)는, 상기 제1 대표태그, 상기 제1 상태태그, 상기 제2 대표태그 및 상기 제2 상태태그를 기반으로 상기 제2 대표숏폼콘텐츠와 상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠와의 상기 유사도를 도출할 수 있다.
이 때, 상기 유사도는, 아래 수학식 1에 의하여 산출될 수 있다.
[수학식 1]
이 때, Similarity는 상기 유사도를 의미하고, NoO_1(Number of Objects_1)은 상기 제1 대표객체의 수를 의미하고, NoO_2(Number of Objects_2)는 상기 제2 대표객체의 수를 의미하고, k는 상기 제1 대표객체와 상기 제2 대표객체 중에서 상기 제1 대표태그와 상기 제2 대표태그가 동일한 객체의 수를 의미하고, NoSToO_2,n(Number of Status Tag of Objects_2,n)은 상기 제1 대표태그와 상기 제2 대표태그가 동일한 n번째 상기 제2 대표객체에 대한 상기 제2 상태태그의 수를 의미하고, NoOST_n(Number of Overlap Status Tag_n)은 상기 제1 대표태그와 상기 제2 대표태그가 동일한 n번째 상기 제2 대표객체에 대한 상기 제2 상태태그 중에서 상기 제1 상태태그와 중복되는 상기 제2 상태태그의 수를 의미할 수 있다.
이는, 출현하는 객체의 수가 차이가 많이 나는 경우, 서로 유사하다고 볼 수 없고, 동일한 객체가 많으면 많을 수록 서로 유사한 것으로 볼 수 있기 때문이다.
다만, 동일한 객체라 하더라도, 해당 객체의 상태가 동일한 경우와 차이가 나는 경우를 구분할 필요가 있기 때문에, 본 실시예에서는 전체 제2 상태태그의 수(NoSToO_2,n)와 중복되는 제2 상태태그의 수(NoOST_n)를 반영하여 유사도를 산출할 수 있다.
또한, 상술한 바와 같이, 제2 사용자의 제1 검토정보가 불완전할 수 있으므로, 이를 보완하기 위하여, 상기 프로세서(110)는, 다른 제2-1 사용자 중에서 제2 검토정보를 통하여 상기 제1 제거숏폼콘텐츠와 동일한 숏폼콘텐츠를 제거한 제2-2 사용자를 추출하고, 상기 제2-2 사용자의 상기 제2 검토정보를 기반으로 상호 중복되는 제2 제거숏폼콘텐츠를 추출하고, 상기 제2 제거숏폼콘텐츠 중에서 중복된 횟수를 기초로 내림차순으로 기설정된 기본제거개수만큼 제3 제거숏폼콘텐츠를 추출하고, 상기 제1 추천리스트에서 상기 제1 제거숏폼콘텐츠 및 상기 제3 제거숏폼콘텐츠를 제거하여 상기 제2 추천리스트를 생성할 수 있다.
이는, 비슷한 제거 성향을 가진 다른 부모의 제거이력을 기반으로 제2 사용자의 검토를 보조하기 위함이다.
이 때, 상기 기본제거개수는 운영자에 의하여 임의로 설정될 수 있으며, 상기 제1 추천리스트에 포함되는 숏폼콘텐츠의 전체개수의 절반으로 설정될 수 있다.
또한, 본 발명은 제1 사용자 즉, 어린이로 하여금 숏폼콘텐츠를 단순히 보는 것에 그치지 않고, 직접 영상을 촬영하도록 유도하여, 영상콘텐츠 환경을 풍부히 하고, 제1 사용자가 창의성을 기를 수 있도록 유도할 수 있다.
이를 위하여, 상기 프로세서(110)는, 상기 제1 사용자단말(200)로부터 영상으로 촬영된 사용자숏폼콘텐츠 및 상기 사용자숏폼콘텐츠에 대한 상세정보를 수신하는 경우, 상기 사용자숏폼콘텐츠를 상기 숏폼콘텐츠DB에 저장하고, 상기 제1 사용자를 식별하는 고유계정에 기설정된 제1 리워드를 제공할 수 있다.
이 때, 상기 제1 리워드는 본 발명이 실시되는 플랫폼에서 재화처럼 사용할 수 있는 포인트이거나, 기타 이모티콘과 같은 디지털콘텐츠일 수도 있다.
또한, 특정숏폼콘텐츠를 보고 제1 사용자가 따라하는 일종의 챌린지가 이루어지는 경우, 이 또한, 상호 연결하여 많은 사용자가 챌린지에 도전할 동기를 부여함이 바람직하다.
이에, 도 7을 참조하면, 상기 상세정보는, 상기 사용자숏폼콘텐츠가 특정숏폼콘텐츠의 챌린지영상인지 여부에 관한 정보를 포함할 수 있다.
또한, 상기 프로세서(110)는, 상기 상세정보에 상기 특정숏폼콘텐츠의 챌린지영상을 나타내는 정보가 포함되는 경우, 상기 사용자숏폼콘텐츠와 상기 특정숏폼콘텐츠를 챌린지링크로 상호연결하고, 상기 제1 사용자를 식별하는 고유계정에 기설정된 제2 리워드를 제공할 수 있다.
이 때, 상기 제2 리워드 또한, 상기 제1 리워드와 마찬가지로 본 발명이 실시되는 플랫폼에서 재화처럼 사용할 수 있는 포인트이거나, 기타 이모티콘과 같은 디지털콘텐츠일 수도 있다.
또한, 상기 프로세서(110)는, 상기 제2 추천리스트를 상기 제1 사용자단말(200)에게 송신하되, 상기 제2 추천리스트에 포함되는 숏폼콘텐츠와 상기 챌린지링크로 상호연결된 숏폼콘텐츠를 기반으로 챌린지콘텐츠목록을 생성하여, 상기 제2 추천리스트와 함께 제1 사용자단말(200)에게 송신할 수 있다.
이를 통하여, 상기 제1 사용자가 챌린지링크로 연결될 숏폼콘텐츠를 업로드하도록 유도할 수 있다.
도 8은 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법의 흐름도이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법은 제1 사용자단말(200)로부터 제1 사용자에 대한 제1 영상시청이력 및 나이, 성별에 관한 개인정보를 수신할 수 있다(S101).
또한, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법은 상기 제1 영상시청이력 및 상기 개인정보를 기반으로 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠 중에서 상기 제1 사용자에게 추천할 제1 추천리스트를 생성할 수 있다(S103).
또한, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법은 상기 제1 추천리스트를 상기 제1 사용자의 관리자로 설정된 제2 사용자가 사용하는 제2 사용자단말(300)에게 송신할 수 있다(S105).
또한, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법은 상기 제2 사용자단말(300)로부터 상기 제1 추천리스트에 대한 제1 검토정보를 수신할 수 있다(S107).
또한, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법은 상기 제1 추천리스트 및 상기 제1 검토정보를 기반으로 제2 추천리스트를 생성할 수 있다(S109).
또한, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법은 상기 제2 추천리스트를 상기 제1 사용자단말(200)에게 송신할 수 있다(S111).
또한, 본 발명의 일 실시예에 따른 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 방법은 도 1 내지 도 7에 개시된 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치(100)와 동일하게 구성될 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, 컨트롤러, 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.
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.
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.
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 청구범위의 범위에 속한다.
Claims (9)
- 전자 장치에 있어서,
메모리(memory); 및
상기 메모리와 연결된 프로세서(processor); 를 포함하고,
상기 프로세서는:
제1 사용자단말로부터 제1 사용자에 대한 제1 영상시청이력 및 나이, 성별에 관한 개인정보를 수신하고,
상기 제1 영상시청이력 및 상기 개인정보를 기반으로 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠 중에서 상기 제1 사용자에게 추천할 제1 추천리스트를 생성하고,
상기 제1 추천리스트를 상기 제1 사용자의 관리자로 설정된 제2 사용자가 사용하는 제2 사용자단말에게 송신하고,
상기 제2 사용자단말로부터 상기 제1 추천리스트에 대한 제1 검토정보를 수신하고,
상기 제1 추천리스트 및 상기 제1 검토정보를 기반으로 제2 추천리스트를 생성하고,
상기 제2 추천리스트를 상기 제1 사용자단말에게 송신하고,
상기 프로세서는:
상기 제1 영상시청이력이 없는 경우,
상기 개인정보가 동일한 다른 복수의 제1-1 사용자의 영상시청이력을 추출하고, 상호 중복되는 제1 대표숏폼콘텐츠를 추출하고, 상기 제1 대표숏폼콘텐츠 중에서 중복된 횟수를 기초로 내림차순으로 기설정된 기본이력개수만큼 추출하여 상기 제1 사용자의 제2 영상시청이력을 생성하고, 상기 제2 영상시청이력 중에서 제2 대표숏폼콘텐츠를 추출하고,
상기 제1 영상시청이력이 있는 경우,
상기 제1 영상시청이력 중에서 상기 제2 대표숏폼콘텐츠를 추출하고,
상기 제2 대표숏폼콘텐츠를 기반으로 상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠와의 유사도를 도출하여, 상기 유사도가 높은 숏폼콘텐츠를 기설정된 추천개수만큼 추출하여, 상기 제1 추천리스트를 생성하고,
상기 프로세서는:
상기 제1 영상시청이력 또는 상기 제2 영상시청이력 중에서 상기 제2 대표숏폼콘텐츠를 추출하되,
상기 제1 영상시청이력 또는 상기 제2 영상시청이력 중에서, 주요시청자성별 및 주요시청자나이가 상기 개인정보와 동일한 제1 임시대표콘텐츠를 추출하고,
상기 제1 임시대표콘텐츠의 추천 대비 조회수가 기설정된 임계비율을 초과하는 제2 임시대표콘텐츠를 추출하고,
상기 제2 임시대표콘텐츠 중에서 조회수가 가장 높은 상기 제2 임시대표콘텐츠를 상기 제2 대표숏폼콘텐츠로 추출하고,
상기 프로세서는:
상기 제2 대표숏폼콘텐츠를
(A-1) 기설정된 분할간격으로 분할하여 복수개의 분할구간을 생성하고,
(A-2) 상기 분할구간에서 대표프레임을 추출하고,
(A-3) 인공지능모듈을 통하여 상기 대표프레임에서 상기 대표프레임 내에 포함되는 기설정된 임시객체를 추출하고,
(A-4) 모든 분할구간에서 추출된 전체 임시객체 중에서 상기 임시객체의 노출횟수가 기설정된 기준횟수를 초과하는 상기 임시객체를 임시대표객체로 추출하고, 상기 임시대표객체에서 마이너스객체를 제거하여 제1 대표객체를 도출하되, 상기 마이너스객체는 운영자에 의해 기 설정되고,
상기 숏폼콘텐츠DB에 포함되는 숏폼콘텐츠를,
상기 (A-1), (A-2), (A-3) 및 (A-4)의 과정을 통하여, 제2 대표객체를 도출하고,
상기 제1 대표객체와 상기 제2 대표객체를 기반으로 상기 유사도를 도출하고,
상기 프로세서는:
상기 마이너스객체를 제거한 이후 상기 제1 대표객체의 수가 기설정된 최소임계개수 이하인 경우,
상기 마이너스객체에 의하여 제거된 제거객체 중에서 기설정된 중심점수가 높은순으로, 상기 최소임계개수를 초과할 때까지 복구하여 상기 제1 대표객체를 도출하는 것을 특징으로 하고,
상기 제1 검토정보는,
상기 제1 추천리스트에 포함되는 숏폼콘텐츠에서 제거할 제1 제거숏폼콘텐츠에 대한 정보를 포함하고,
상기 프로세서는:
다른 제2-1 사용자 중에서 제2 검토정보를 통하여 상기 제1 제거숏폼콘텐츠와 동일한 숏폼콘텐츠를 제거한 제2-2 사용자를 추출하고,
상기 제2-2 사용자의 상기 제2 검토정보를 기반으로 상호 중복되는 제2 제거숏폼콘텐츠를 추출하고, 상기 제2 제거숏폼콘텐츠 중에서 중복된 횟수를 기초로 내림차순으로 기설정된 기본제거개수만큼 제3 제거숏폼콘텐츠를 추출하고,
상기 제1 추천리스트에서 상기 제1 제거숏폼콘텐츠 및 상기 제3 제거숏폼콘텐츠를 제거하여 상기 제2 추천리스트를 생성하고,
상기 중심점수는:
해당 마이너스객체가 노출된 제1 대표프레임을 추출하고,
상기 제1 대표프레임의 가상의 제1 중심점에서 상기 마이너스객체의 제2 중심점까지의 거리값을 도출하고,
상기 거리값의 평균값으로 설정되는, 전자 장치
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 청구항 1에 있어서,
상기 프로세서는:
이미지태그생성모듈을 통하여, 상기 제1 대표객체 및 상기 제2 대표객체에 대하여 제1 태그 및 제2 태그를 생성하고,
상기 제1 태그를 상기 제1 대표객체의 명칭에 해당하는 제1 대표태그 및 상기 제1 대표객체의 상태에 해당하는 제1 상태태그로 구분하고,
상기 제2 태그를 상기 제2 대표객체의 명칭에 해당하는 제2 대표태그 및 상기 제2 대표객체의 상태에 해당하는 제2 상태태그로 구분하는 것을 특징으로 하는, 전자 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230006882A KR102531719B1 (ko) | 2023-01-17 | 2023-01-17 | 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법 |
| KR1020230058510A KR20240114674A (ko) | 2023-01-17 | 2023-05-04 | 실시간 객체 분석을 통한 맞춤형 영상 콘텐츠 제공 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230006882A KR102531719B1 (ko) | 2023-01-17 | 2023-01-17 | 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230058510A Division KR20240114674A (ko) | 2023-01-17 | 2023-05-04 | 실시간 객체 분석을 통한 맞춤형 영상 콘텐츠 제공 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102531719B1 true KR102531719B1 (ko) | 2023-05-10 |
Family
ID=86386086
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230006882A KR102531719B1 (ko) | 2023-01-17 | 2023-01-17 | 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법 |
| KR1020230058510A KR20240114674A (ko) | 2023-01-17 | 2023-05-04 | 실시간 객체 분석을 통한 맞춤형 영상 콘텐츠 제공 방법 및 장치 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230058510A KR20240114674A (ko) | 2023-01-17 | 2023-05-04 | 실시간 객체 분석을 통한 맞춤형 영상 콘텐츠 제공 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102531719B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102631271B1 (ko) * | 2023-09-21 | 2024-01-30 | 키즐링 주식회사 | 자녀를 위한 보호자 승인 기반의 안전콘텐츠 추천서비스 제공 장치 및 방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190106865A (ko) * | 2019-08-27 | 2019-09-18 | 엘지전자 주식회사 | 동영상 검색방법 및 동영상 검색 단말기 |
| KR20210097432A (ko) * | 2020-01-30 | 2021-08-09 | 주식회사 케이티 | 콘텐츠를 추천하기 위한 장치 및 방법 |
| KR20220080356A (ko) * | 2020-12-07 | 2022-06-14 | (주)라이앤캐처스 | 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치 |
| KR20220108668A (ko) * | 2021-01-27 | 2022-08-03 | 오지큐 주식회사 | 동영상 분석 방법 |
| KR102476471B1 (ko) | 2022-01-28 | 2022-12-12 | 주식회사 앱플러 | 숏폼 비디오 커머스 플랫폼에서 숏폼 비디오의 리뷰영상에 대해 리워드를 지급하기 위한 방법 및 이를 지원하는 장치 |
-
2023
- 2023-01-17 KR KR1020230006882A patent/KR102531719B1/ko active IP Right Grant
- 2023-05-04 KR KR1020230058510A patent/KR20240114674A/ko unknown
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190106865A (ko) * | 2019-08-27 | 2019-09-18 | 엘지전자 주식회사 | 동영상 검색방법 및 동영상 검색 단말기 |
| KR20210097432A (ko) * | 2020-01-30 | 2021-08-09 | 주식회사 케이티 | 콘텐츠를 추천하기 위한 장치 및 방법 |
| KR20220080356A (ko) * | 2020-12-07 | 2022-06-14 | (주)라이앤캐처스 | 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치 |
| KR20220108668A (ko) * | 2021-01-27 | 2022-08-03 | 오지큐 주식회사 | 동영상 분석 방법 |
| KR102476471B1 (ko) | 2022-01-28 | 2022-12-12 | 주식회사 앱플러 | 숏폼 비디오 커머스 플랫폼에서 숏폼 비디오의 리뷰영상에 대해 리워드를 지급하기 위한 방법 및 이를 지원하는 장치 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102631271B1 (ko) * | 2023-09-21 | 2024-01-30 | 키즐링 주식회사 | 자녀를 위한 보호자 승인 기반의 안전콘텐츠 추천서비스 제공 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20240114674A (ko) | 2024-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schofield et al. | Chimpanzee face recognition from videos in the wild using deep learning | |
| Kitchin et al. | Code/space: Software and everyday life | |
| US20210027514A1 (en) | Method and system for creating animal type avatar using human face | |
| Lovett | Social media metrics secrets | |
| CN104246656B (zh) | 建议的视频编辑的自动检测 | |
| CN111160569A (zh) | 基于机器学习模型的应用开发方法、装置及电子设备 | |
| US11275596B2 (en) | System and method for optimizing a user interface and a system and method for manipulating a user's interaction with an interface | |
| US12118042B2 (en) | Method, system, and non-transitory computer-readable record medium for providing multiple models of federated learning using personalization | |
| Verma et al. | Web application implementation with machine learning | |
| KR102531719B1 (ko) | 어린이를 위한 숏폼콘텐츠 공유 및 추천 서비스 제공 장치 및 방법 | |
| Mattmann | Machine learning with tensorflow | |
| Menke et al. | Introduction to artificial intelligence and deep learning using interactive electronic programming notebooks | |
| Trampas | Extracting learning analytics from game based learning sessions generated by multimodal data sources. | |
| Wang et al. | Intelligent Crowdsourced Testing | |
| Baldeon et al. | Augmented Reality for Learning Sign Language Using Kinect Tool | |
| Wang et al. | A Learning Analytic Model for Smart Classroom | |
| Shimada et al. | Supporting theatrical performance practice by collaborating real and virtual space | |
| Sultana et al. | A Novel Framework for Malpractice Detection in Online Proctoring | |
| Moussawi et al. | Using Machine Learning to Enhance" Students' Assessment" Moodle Application | |
| US20240282204A1 (en) | Using collected user data and cognitive information to generate a scene set in a training environment | |
| KR102464163B1 (ko) | 드론 제어를 위한 코딩 교육 콘텐츠 제공 방법, 장치 및 시스템 | |
| KR102647904B1 (ko) | 딥러닝 기반으로 장소 리뷰 이미지를 분류하는 방법, 시스템, 및 컴퓨터 프로그램 | |
| Angulo | EXPLORATION OF NOVEL EDUCATIONAL TOOLS BASED ON VISUALIZATION | |
| US20230019194A1 (en) | Deep Learning in a Virtual Reality Environment | |
| US20240193420A1 (en) | Low-dimensional neural-network-based entity representation |
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 |