KR102568875B1 - Server for providing service for recommending mentor and lecture and method for operation thereof - Google Patents
Server for providing service for recommending mentor and lecture and method for operation thereof Download PDFInfo
- Publication number
- KR102568875B1 KR102568875B1 KR1020220066479A KR20220066479A KR102568875B1 KR 102568875 B1 KR102568875 B1 KR 102568875B1 KR 1020220066479 A KR1020220066479 A KR 1020220066479A KR 20220066479 A KR20220066479 A KR 20220066479A KR 102568875 B1 KR102568875 B1 KR 102568875B1
- Authority
- KR
- South Korea
- Prior art keywords
- mentee
- mentor
- specific
- lecture
- account
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 23
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 7
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 27
- 239000013598 vector Substances 0.000 description 19
- 239000000284 extract Substances 0.000 description 15
- 210000001747 pupil Anatomy 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004753 textile Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 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
- 230000010267 cellular communication Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 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
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 다양한 실시예는, 멘티(mentee)에게 멘토(mentor) 및 강의를 추천하는 서버 및 그 동작 방법에 관한 것이다.
본 발명의 일 실시예에 따른 프로세서는, 멘토링 관련 메뉴 영역 및 화상과외 관련 메뉴 영역을 포함하는 제 1 화면을 통신 인터페이스를 통하여 사용자 장치로 제공하고, 사용자 장치를 이용하여 웹 사이트에 로그인한 특정 멘티 계정에 의하여, 멘토링 관련 메뉴 영역 내의 멘토링 신청이 선택되는 경우: i) 미리 정해진 멘티 유형 테스트 문항들 전체에 대한 특정 멘티 계정이 입력한 답변에 기초하여 생성된 제 1 이진 영상(binary image)을 확인하고, ii) 유사 이미지 검색을 위한 인공지능 모델을 이용하여, 전체 멘티 계정들의 미리 저장된 이진 영상들 중에서 제 1 이진 영상과 미리 정해진 제 1 값 이상의 유사도를 갖는 복수의 제 1 이진 영상들을 결정하고, iii) 복수의 제 1 이진 영상들에 대응하는 복수의 멘티 계정들에 의하여 미리 정해진 횟수 이상 선택된 멘토 계정들 중에서 평점이 가장 높은 특정 멘토 계정을 포함하는 멘토 추천 목록을 통신 인터페이스를 통하여 상기 사용자 장치로 제공하는 것을 특징으로 할 수 있다.Various embodiments of the present invention relate to a server for recommending mentors and lectures to a mentee and an operation method thereof.
The processor according to an embodiment of the present invention provides a first screen including a menu area related to mentoring and a menu area related to video tutoring to a user device through a communication interface, and a specific mentee who logs in to a website using the user device When the mentoring application in the mentoring-related menu area is selected by the account: i) Check the first binary image generated based on the answers entered by the specific mentee account for all of the predetermined mentee type test questions and ii) using an artificial intelligence model for similar image search, determining a plurality of first binary images having a similarity with a first binary image of a predetermined first value or higher among pre-stored binary images of all mentee accounts, iii) A mentor recommendation list including a specific mentor account with the highest rating among mentor accounts selected a predetermined number of times or more by a plurality of mentee accounts corresponding to a plurality of first binary images is sent to the user device through a communication interface It can be characterized by providing.
Description
본 발명의 다양한 실시예는, 멘티(mentee)에게 멘토(mentor) 및 강의를 추천하는 서버 및 그 동작 방법에 관한 것이다.Various embodiments of the present invention relate to a server for recommending mentors and lectures to a mentee and an operation method thereof.
통신 수단이 점점 발달함에 따라 오프라인으로 진행하였던 과외 수업이 온라인(예: 웹 사이트 또는 어플리케이션)으로 진행하는 추세로 변화하고 있다. 온라인으로 수업을 진행함에 따라 불필요하게 낭비되는 비용을 감소시킬 수 있다.With the development of communication means, extracurricular classes, which were conducted offline, are changing to a trend that is conducted online (eg, a website or application). By conducting classes online, you can reduce unnecessary and wasted costs.
본 발명의 다양한 실시예에 따른 서버 및 그 동작 방법은, 멘티 계정의 학습 유형을 분석하여, 해당 학습 유형에 적합한 멘토 추천 목록을 제공할 수 있고, 멘티 계정에 등록된 다양한 정보를 이용하여 강의 추천 목록을 제공할 수 있다.A server and its operating method according to various embodiments of the present invention may analyze the learning type of a mentee account, provide a mentor recommendation list suitable for the corresponding learning type, and recommend lectures using various information registered in the mentee account A list can be provided.
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.The technical problems to be achieved in the present invention are not limited to the technical problems mentioned above, and other technical problems not mentioned will be clearly understood by those skilled in the art from the description below. You will be able to.
일 실시예에 따라서, 사용자 장치로부터 수신된 요청을 처리하고, 요청된 정보를 상기 사용자 장치에게 제공하며, 멘토 추천 서비스 및 강의 추천 서비스를 제공하는 웹 사이트를 지원하는 서버는, 통신 인터페이스, 프로세서, 및 상기 프로세서와 작동적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 멘토링 관련 메뉴 영역 및 화상과외 관련 메뉴 영역을 포함하는 제1 화면을 상기 통신 인터페이스를 통하여 상기 사용자 장치에게 제공하고, 상기 사용자 장치를 이용하여 상기 웹 사이트에 로그인한 특정 멘티 계정에 의하여, 상기 멘토링 관련 메뉴 영역 내의 멘토링 신청이 선택되는 경우: 미리 정해진 멘티 유형 테스트 문항들 전체에 대한 상기 특정 멘티 계정이 입력한 답변에 기초하여 생성된 제1 이진 영상(binary image)을 확인하고, 유사 이미지 검색을 위한 인공지능 모델을 이용하여, 전체 멘티 계정들의 미리 저장된 이진 영상들 중에서 상기 제1 이진 영상과 미리 정해진 제1 값 이상의 유사도를 갖는 복수의 제1 이진 영상들을 결정하고, 및 상기 복수의 제1 이진 영상들에 대응하는 복수의 멘티 계정들에 의하여 미리 정해진 횟수 이상 선택된 멘토 계정들 중에서 평점이 가장 높은 특정 멘토 계정을 포함하는 멘토 추천 목록을 상기 통신 인터페이스를 통하여 상기 사용자 장치에게 제공하고, 및 상기 특정 멘티 계정에 의하여 상기 화상과외 관련 메뉴 영역 내의 특정 과목이 선택되는 경우, 상기 특정 과목에 해당하는 복수의 강의들 중에서 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제1 추천 강의 및 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제2 추천 강의를 포함하는 제1 추천 강의 목록을 상기 통신 인터페이스를 통하여 상기 사용자 장치에게 제공하도록 하는 인스트럭션들(instructions)을 저장할 수 있다.According to an embodiment, a server that processes a request received from a user device, provides requested information to the user device, and supports a website that provides a mentor recommendation service and a lecture recommendation service includes a communication interface, a processor, and a memory operatively connected to the processor, wherein the memory, when executed, causes the processor to display a first screen including a menu area related to mentoring and a menu area related to video tutoring through the communication interface. and when a mentoring application in the mentoring-related menu area is selected by a specific mentee account logged into the website using the user device: the specific mentee account for all of the predetermined mentee type test questions A first binary image generated based on the input answer is checked, and an artificial intelligence model for similar image search is used to determine the first binary image and a predetermined image among pre-stored binary images of all mentee accounts. Determining a plurality of first binary images having a similarity of a first value or more, and selecting a specific score having the highest rating among mentor accounts selected more than a predetermined number of times by a plurality of mentee accounts corresponding to the plurality of first binary images When a mentor recommendation list including a mentor account is provided to the user device through the communication interface, and a specific subject in the video tutoring related menu area is selected by the specific mentee account, a plurality of subjects corresponding to the specific subject A first recommended lecture list including a first recommended lecture most frequently selected from a plurality of first mentee accounts and a second recommended lecture most frequently selected from a plurality of second mentee accounts among lectures is provided to the user through the communication interface. It may store instructions for the device to provide.
본 발명의 다양한 실시예에 따라, 특정 멘티 계정의 학습 유형과 유사한 다른 멘티 계정들이 선택한 멘토 계정들을 이용하여 특정 멘티 계정에게 적합한 멘토 계정을 추천하고, 특정 멘티 계정에 등록된 친구 정보, 학교 정보, 학년 정보를 이용하여 특정 멘티 계정에게 적합한 강의를 추천함으로써, 신뢰도 있고 비용 효율적인 멘토/강의 추천 서비스를 제공할 수 있다.According to various embodiments of the present invention, a mentor account suitable for a specific mentee account is recommended using mentor accounts selected by other mentee accounts similar to the learning type of the specific mentee account, and friend information registered in the specific mentee account, school information, It is possible to provide a reliable and cost-effective mentor/lecture recommendation service by recommending lectures suitable for a specific mentee account using grade information.
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.The effects obtainable in the present invention are not limited to the effects mentioned above, and other effects not mentioned can be clearly understood by those skilled in the art from the description below. will be.
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 다양한 실시예에 따른 전자 장치 및 네트워크의 블록도를 도시한다.
도 2는 일 실시예에 따른, 전자 장치가 화상 멘토링 서비스 및 화상 과외 서비스를 제공하는 웹 사이트를 통하여 멘토 추천 목록 및 추천 강의 목록을 제공하는 방법을 설명하기 위한 흐름도이다.
도 3a 내지 도 3d는 일 실시예에 따른, 전자 장치가 멘토 추천 목록을 제공하기 위한 실시예를 나타내는 도면이다.
도 4a 내지 도 4d는 일 실시예에 따른, 전자 장치가 추천 강의 목록을 제공하기 위한 실시예를 나타내는 도면이다.
도 5a 내지 도 5d는 일 실시예에 따른, 전자 장치가 멘티 계정의 학습 유형을 분류하는 실시예를 설명하기 위한 도면이다.
도 6a 및 도 6b는 일 실시예에 따른, 전자 장치가 제공하는 멘토링 프로그램에 대한 실시예를 설명하기 위한 도면이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.Also other aspects as described above, features and benefits of certain preferred embodiments of the present invention will become more apparent from the following description taken in conjunction with the accompanying drawings.
1 shows a block diagram of an electronic device and network according to various embodiments of the present invention.
FIG. 2 is a flowchart illustrating a method of providing a mentor recommendation list and a recommended lecture list through a web site providing a video mentoring service and a video tutoring service, by an electronic device, according to an exemplary embodiment.
3A to 3D are diagrams illustrating examples for an electronic device to provide a mentor recommendation list, according to an embodiment.
4A to 4D are diagrams illustrating embodiments for providing a list of recommended lectures by an electronic device, according to an embodiment.
5A to 5D are diagrams for explaining an embodiment in which an electronic device classifies a learning type of a mentee account, according to an embodiment.
6A and 6B are diagrams for explaining an embodiment of a mentoring program provided by an electronic device, according to an embodiment.
It should be noted that throughout the drawings, like reference numbers are used to show the same or similar elements, features and structures.
이하, 본 문서의 다양한 실시예들이 첨부된 도면을 참조하여 기재된다. 실시예 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다.Hereinafter, various embodiments of this document will be described with reference to the accompanying drawings. Examples and terms used therein are not intended to limit the technology described in this document to specific embodiments, and should be understood to include various modifications, equivalents, and/or substitutes of the embodiments. In connection with the description of the drawings, like reference numerals may be used for like elements. Singular expressions may include plural expressions unless the context clearly dictates otherwise. In this document, expressions such as "A or B" or "at least one of A and/or B" may include all possible combinations of the items listed together. Expressions such as "first," "second," "first," or "second," may modify the corresponding components regardless of order or importance, and are used to distinguish one component from another. It is used only and does not limit the corresponding components. When a (e.g., first) element is referred to as being "(functionally or communicatively) coupled to" or "connected to" another (e.g., second) element, that element refers to the other (e.g., second) element. It may be directly connected to the component or connected through another component (eg, a third component).
본 문서에서, "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 application processor)를 의미할 수 있다. In this document, "configured (or configured to)" means "suitable for," "having the ability to," "changed to," depending on the situation, for example, hardware or software. ," can be used interchangeably with "made to," "capable of," or "designed to." In some contexts, the expression "device configured to" can mean that the device is "capable of" in conjunction with other devices or components. For example, the phrase "a processor configured (or configured) to perform A, B, and C" may include a dedicated processor (eg, embedded processor) to perform the operation, or by executing one or more software programs stored in a memory device. , may mean a general-purpose processor (eg, CPU or application processor) capable of performing corresponding operations.
본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.Electronic devices according to various embodiments of the present document include, for example, a smart phone, a tablet PC, a mobile phone, a video phone, an e-book reader, a desktop PC, a laptop PC, a netbook computer, a workstation, a server, a PDA, and a PMP. It may include at least one of a portable multimedia player, an MP3 player, a medical device, a camera, or a wearable device. A wearable device may be in the form of an accessory (e.g. watch, ring, bracelet, anklet, necklace, eyeglasses, contact lens, or head-mounted-device (HMD)), integrated into textiles or clothing (e.g. electronic garment); In some embodiments, the electronic device may include, for example, a television, a digital video disk (DVD) player, Audio, refrigerator, air conditioner, vacuum cleaner, oven, microwave, washing machine, air purifier, set top box, home automation control panel, security control panel, media box (e.g. Samsung HomeSync TM , Apple TV TM , or Google TV TM ) , a game console (eg, Xbox TM , PlayStation TM ), an electronic dictionary, an electronic key, a camcorder, or an electronic picture frame.
다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다. 어떤 실시예에 따르면, 전자 장치는 가구, 건물/구조물 또는 자동차의 일부, 전자 보드(electronic board), 전자 사인 수신 장치(electronic signature receiving device), 프로젝터, 또는 각종 계측 기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 다양한 실시예에서, 전자 장치는 플렉서블하거나, 또는 전술한 다양한 장치들 중 둘 이상의 조합일 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다. 본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다. In another embodiment, the electronic device may include various types of medical devices (e.g., various portable medical measuring devices (such as blood glucose meter, heart rate monitor, blood pressure monitor, or body temperature monitor), magnetic resonance angiography (MRA), magnetic resonance imaging (MRI), CT (computed tomography), imager, or ultrasonicator, etc.), navigation device, global navigation satellite system (GNSS), EDR (event data recorder), FDR (flight data recorder), automobile infotainment device, marine electronic equipment (e.g. navigation devices for ships, gyrocompasses, etc.), avionics, security devices, head units for vehicles, industrial or home robots, drones, ATMs in financial institutions, point of sale (POS) in stores of sales), or IoT devices (eg, light bulbs, various sensors, sprinkler devices, fire alarms, thermostats, street lights, toasters, exercise equipment, hot water tanks, heaters, boilers, etc.). According to some embodiments, the electronic device may be a piece of furniture, a building/structure or a vehicle, an electronic board, an electronic signature receiving device, a projector, or various measuring devices (eg, water, electricity, gas, radio wave measuring device, etc.). In various embodiments, the electronic device may be flexible or a combination of two or more of the various devices described above. An electronic device according to an embodiment of the present document is not limited to the aforementioned devices. In this document, the term user may refer to a person using an electronic device or a device using an electronic device (eg, an artificial intelligence electronic device).
도 1을 참조하여, 다양한 실시예에서의, 네트워크 환경(100) 내의 전자 장치(101)가 기재된다. 전자 장치(101)는 버스(110), 프로세서(120), 메모리(130), 입출력 인터페이스(150), 디스플레이(160), 및 통신 인터페이스(170)를 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)는, 구성요소들 중 적어도 하나를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다. 전술한 통신 인터페이스(170)는 본 발명에서 통신부, 송수신기(transceiver) 등으로 대체될 수 있다. 메모리(130)는 데이터베이스에 상응할 수 있다.Referring to FIG. 1 , an electronic device 101 in a network environment 100 in various embodiments is described. The electronic device 101 may include a bus 110, a processor 120, a memory 130, an input/output interface 150, a display 160, and a communication interface 170. In some embodiments, the electronic device 101 may omit at least one of the components or may additionally include other components. The aforementioned communication interface 170 may be replaced with a communication unit, a transceiver, and the like in the present invention. Memory 130 may correspond to a database.
도 1은 본 발명의 일 실시예에 따른 전자 장치에 대해 설명하고 있으며, 구체적인 설명은 본 문서에서 후술하도록 한다.1 illustrates an electronic device according to an embodiment of the present invention, and detailed descriptions will be made later in this document.
도 2는 일 실시예에 따른, 전자 장치(예: 도 1의 전자 장치(101))가 화상 멘토링 서비스 및 화상 과외 서비스를 제공하는 웹 사이트를 통하여 멘토 추천 목록 및 추천 강의 목록을 제공하는 방법을 설명하기 위한 흐름도이다. 상기 웹 사이트는 화상 멘토링 서비스 및 화상 과외 서비스를 제공하는 온라인 플랫폼을 의미할 수 있다.FIG. 2 illustrates a method for an electronic device (eg, the electronic device 101 of FIG. 1 ) to provide a mentor recommendation list and a recommended lecture list through a website providing video mentoring service and video tutoring service, according to an embodiment. It is a flow chart to explain. The web site may refer to an online platform providing a video mentoring service and a video tutoring service.
도 3a 내지 도 3d는 일 실시예에 따른, 전자 장치(101)가 멘토 추천 목록을 제공하기 위한 실시예를 나타내는 도면이며, 도 4a 내지 도 4d는 일 실시예에 따른, 전자 장치(101)가 추천 강의 목록을 제공하기 위한 실시예를 나타내는 도면이다.3A to 3D are diagrams illustrating an example for the electronic device 101 to provide a mentor recommendation list, according to an embodiment, and FIGS. 4A to 4D are diagrams showing an electronic device 101 according to an embodiment. It is a diagram showing an embodiment for providing a list of recommended lectures.
일 실시예에 따르면, 전자 장치(101)는 사용자 장치(예: 도 1의 전자 장치(102))(예: 스마트폰 또는 노트북)와 통신망을 통해 통신하며, 사용자 장치(102)로 복수의 실행 화면들로 구성된 어플리케이션 또는 복수의 웹 페이지(web page)들로 구성된 웹 사이트(web site)를 제공하는 서버일 수 있다. 전자 장치(101)는 사용자 장치(102)가 화상 멘토링 서비스 및 화상 과외 서비스를 제공하는 전용 어플리케이션 또는 웹 사이트의 각 실행 화면을 표시할 수 있도록 하는 소스 코드를 사용자 장치(102)에게 제공할 수 있고, 사용자 장치(102)는 상기 소스 코드를 수신하여, 상기 전용 어플리케이션 또는 웹 브라우저를 통하여 사용자 장치(102)의 사용자에 의하여 요청된 실행 화면을 표시할 수 있다.According to an embodiment, the electronic device 101 communicates with a user device (eg, the electronic device 102 of FIG. 1) (eg, a smartphone or a laptop computer) through a communication network, and executes a plurality of actions by the user device 102. It may be a server that provides an application composed of screens or a web site composed of a plurality of web pages. The electronic device 101 may provide the user device 102 with a source code that enables the user device 102 to display each execution screen of a dedicated application or website providing a video mentoring service and a video tutoring service, and , the user device 102 may receive the source code and display an execution screen requested by the user of the user device 102 through the dedicated application or a web browser.
S401 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 멘토링 관련 메뉴 영역 및 화상과외 관련 메뉴 영역을 포함하는 제1 화면을 통신 인터페이스(예: 도 1의 통신 인터페이스(170))를 통하여 사용자 장치(102)에게 제공할 수 있다. 예를 들어, 도 3a를 참조하면, 멘토링 서비스를 신청하기 위한 항목들을 포함하는 멘토링 관련 메뉴 영역(501) 및 화상과외 서비스를 신청하기 위한 항목들을 포함하는 화상과외 관련 메뉴 영역(502)으로 구성된 제1 화면(500)을 사용자 장치(102)에게 제공할 수 있다. 멘토링 관련 메뉴 영역(501) 및 화상과외 관련 메뉴 영역(502)은 멘티 계정이 해당 항목을 선택함에 따라 확장될 수 있다. 이하에서 전자 장치(101)가 특정 객체들을 사용자 장치(102)에게 제공한다는 의미는 사용자 장치(102)가 특정 객체들을 웹 브라우저 상에 표시할 수 있도록, 특정 객체들에 해당하는 소스 코드를 사용자 장치(102)에게 제공한다는 의미를 나타낸다. In operation S401, according to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1 ) displays a first screen including a menu area related to mentoring and a menu area related to video tutoring to a communication interface (eg, the processor 120 of FIG. 1 ). It can be provided to the user device 102 through the communication interface 170 of 1). For example, referring to FIG. 3A , a menu area 501 related to mentoring including items for requesting a mentoring service and a menu area 502 related to video tutoring including items for requesting a video tutoring service are provided. One screen 500 may be provided to the user device 102 . The mentoring-related menu area 501 and the video tutoring-related menu area 502 can be expanded as the mentee account selects the corresponding item. Hereinafter, the provision of specific objects by the electronic device 101 to the user device 102 means that the user device 102 provides source codes corresponding to specific objects to the user device so that the user device 102 can display the specific objects on the web browser. (102).
S403 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 사용자 장치(102)를 이용하여 웹 사이트에 로그인한 특정 멘티 계정에 의하여, 멘토링 관련 메뉴 영역(501) 내의 멘토링 신청이 선택되는 경우, 미리 정해진 멘티 유형 테스트 문항들 전체에 대하여 특정 멘티 계정이 입력한 답변에 기초하여 생성된 제1 이진 영상(binary image)을 확인할 수 있다. 예를 들어, 도 3a를 참조하면, 전자 장치(101)는 특정 멘티 계정에 의하여, 멘토링 관련 메뉴 영역(501) 내의 특정 항목(예: 자존감 높이기 1개월)이 선택되는 것을 확인하거나 또는 상기 특정 항목을 선택한 후, 해당 비용에 관한 결제를 완료하면, 멘토링 신청을 선택한 것으로 확인할 수 있다. In operation S403, according to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1) displays a menu area related to mentoring by a specific mentee account logged in to the website using the user device 102. When the mentoring application in 501 is selected, a first binary image generated based on answers input by a specific mentee account for all predetermined mentee type test questions may be checked. For example, referring to FIG. 3A , the electronic device 101 confirms that a specific item (eg, one month to increase self-esteem) in the mentoring-related menu area 501 is selected by a specific mentee account, or selects the specific item. After selecting and completing the payment for the corresponding cost, you can confirm that you have chosen to apply for mentoring.
일 실시예에 따르면, 사용자가 본 발명에 따른 웹 사이트에 회원가입을 할 경우, 사용자는 학생에 해당하는 멘티(mentee) 계정, 학생의 보호자에 해당하는 보호자 계정, 또는 선생에 해당하는 멘토(mentor) 계정 중 하나를 선택하여 회원가입을 함으로써, 웹 사이트에 사용자를 등록할 수 있다. 전자 장치(101)는 사용자가 멘티 계정으로 회원가입을 완료하면, 미리 정해진 멘티 유형 테스트 문항들을 멘티 계정에 해당하는 사용자 장치(102)에게 제공할 수 있고, 해당 멘티는 테스트 문항들에 대한 답변을 작성하여 전자 장치(101)에게 제공할 수 있다. 예를 들어, 도 3b를 참조하면, 전자 장치(101)는 미리 정해진 멘티 유형 테스트 문항들(예: 집중력 테스트 문항들)(510)을 특정 멘티 계정에 해당하는 사용자 장치(102)에게 제공할 수 있고, 특정 멘티 계정에 의하여 입력된 답변들을 사용자 장치(102)로부터 획득할 수 있다. 전자 장치(101)는 멘티 유형 테스트 문항들에 대하여 특정 멘티 계정이 입력한 답변에 기초하여 특정 멘티 계정의 학습 유형을 분류할 수 있다. 학습 유형을 분류하는 구체적인 실시예는 도 5a 내지 도 5d에서 후술하도록 한다.According to an embodiment, when a user registers as a member of the website according to the present invention, the user has a mentee account corresponding to the student, a guardian account corresponding to the student's guardian, or a mentor corresponding to the teacher. ) You can register a user on the website by selecting one of the accounts and registering as a member. When the user completes membership registration with the mentee account, the electronic device 101 may provide predetermined mentee type test questions to the user device 102 corresponding to the mentee account, and the mentee may provide answers to the test questions. It can be written and provided to the electronic device 101 . For example, referring to FIG. 3B , the electronic device 101 may provide predetermined mentee type test questions (eg, concentration test questions) 510 to the user device 102 corresponding to a specific mentee account. and answers input by a specific mentee account can be obtained from the user device 102 . The electronic device 101 may classify the learning type of a specific mentee account based on answers input by the specific mentee account for the mentee type test questions. A specific embodiment of classifying the learning type will be described later with reference to FIGS. 5A to 5D.
일 실시예에 따르면, 전자 장치(101)는 미리 정해진 멘티 유형 테스트 문항들 전체에 대한 특정 멘티 계정이 입력한 답변에 기초하여 제1 이진 영상(binary image)을 생성할 수 있다. 예를 들어, 도 3c를 참조하면, 16개의 테스트 문항들(510)이 존재하고, 각 문항에 대한 답변을 A, B, C, 또는 D 중 하나로 선택 가능한 경우, 전자 장치(101)는 멘티 계정이 입력한 답변 A를 '00'으로 지정하고, 답변 B를 '01'로 지정하고, 답변 C를 '10'으로 지정하고, 답변 D를 '11'로 지정하여 4×8 픽셀의 제1 이진 영상(520)을 생성할 수 있다. 전자 장치(101)는 생성된 제1 이진 영상(520)을 메모리(예: 도 1의 메모리(130))에 다른 멘티 계정들의 이진 영상들과 함께 저장할 수 있다.According to an embodiment, the electronic device 101 may generate a first binary image based on answers input by a specific mentee account for all predetermined mentee type test questions. For example, referring to FIG. 3C , when there are 16 test questions 510 and an answer to each question can be selected as A, B, C, or D, the electronic device 101 provides a mentee account This input designates answer A as '00', answer B as '01', answer C as '10', and answer D as '11' to obtain a 4x8 pixel first binary An image 520 may be generated. The electronic device 101 may store the generated first binary image 520 together with binary images of other mentee accounts in a memory (eg, the memory 130 of FIG. 1 ).
S405 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 유사 이미지 검색을 위한 인공지능 모델을 이용하여 전체 멘티 계정들의 미리 저장된 이진 영상들 중에서 1 이진 영상(520)과 미리 정해진 제1 값 이상의 유사도를 갖는 복수의 제1 이진 영상들을 결정할 수 있다. 상기 인공지능 모델은 컨볼루션 신경망 기반의 이미지검색(CNN, Convolutional Neural Network-based image retrieval) 알고리즘을 사용할 수 있다. 유사도는 0 내지 1 사이의 값을 가질 수 있고, 유사도가 0에 가까울수록 제1 이진 영상(520)과 상이함을 나타내고, 유사도가 1에 가까울수록 제1 이진 영상(520)과 유사함을 나타낸다. 전자 장치(101)는 상기 인공지능 모델을 이용하여 전체 멘티 계정들 각각에 대응하는 각각의 미리 저장된 이진 영상들과 제1 이진 영상(520)을 비교하여, 미리 정해진 제1 값(예: 0.8) 이상의 유사도를 갖는 복수의 제1 이진 영상들을 결정할 수 있다. 미리 정해진 제1 값은 전자 장치(101)의 관리자에 의하여 선택될 수 있다.In operation S405, according to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1 ) uses an artificial intelligence model for similar image retrieval to select one binary from pre-stored binary images of all mentee accounts. A plurality of first binary images having a similarity to the image 520 and a predetermined first value or higher may be determined. The artificial intelligence model may use a convolutional neural network-based image retrieval (CNN) algorithm. The similarity can have a value between 0 and 1. The closer the similarity is to 0, the more similar it is to the first binary image 520, and the closer the similarity is to 1, the more similar it is to the first binary image 520. . The electronic device 101 compares the first binary image 520 with each of the pre-stored binary images corresponding to each of all the mentee accounts using the artificial intelligence model, and obtains a predetermined first value (eg, 0.8). A plurality of first binary images having the above degree of similarity may be determined. The predetermined first value may be selected by a manager of the electronic device 101 .
S407 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 복수의 제1 이진 영상들에 대응하는 복수의 멘티 계정들에 의하여 미리 정해진 횟수 이상 선택된 멘토 계정들 중에서 평점이 가장 높은 특정 멘토 계정을 포함하는 멘토 추천 목록을 상기 통신 인터페이스(170)를 통하여 사용자 장치(102)에게 제공할 수 있다. In operation S407, according to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1 ) selects a mentor selected more than a predetermined number of times by a plurality of mentee accounts corresponding to the plurality of first binary images. A mentor recommendation list including a specific mentor account having the highest rating among accounts may be provided to the user device 102 through the communication interface 170 .
예를 들어, 도 3d를 참조하면, 전자 장치(101)는 결정된 복수의 제1 이진 영상들에 대응하는 복수의 멘티 계정들을 확인할 수 있고, 상기 복수의 멘티 계정들에 의하여 미리 정해진 횟수(예: 5회) 이상 선택된 멘토 계정들 중에서 평점이 가장 높은 특정 멘토 계정(531)을 확인할 수 있으며, 확인된 특정 멘토 계정(531)을 포함하는 멘토 추천 목록(530)을 사용자 장치(102)에게 제공할 수 있다. 일 실시예에 따르면, 특정 멘토 계정(531)은 특정 멘토에 대한 썸네일 이미지 및 특정 멘토에 관한 사용자 정보를 포함할 수 있다. For example, referring to FIG. 3D , the electronic device 101 may check a plurality of mentee accounts corresponding to a plurality of determined first binary images, and a predetermined number of times (eg: 5 times) among the selected mentor accounts, a specific mentor account 531 having the highest rating may be identified, and a mentor recommendation list 530 including the identified specific mentor account 531 may be provided to the user device 102 . can According to an embodiment, the specific mentor account 531 may include a thumbnail image of a specific mentor and user information about the specific mentor.
일 실시예에 따르면, 멘토 계정에 대한 선택 횟수는 멘티 계정이 상기 멘토 계정에 대한 멘토링 서비스 비용을 결제함으로써 카운트될 수 있다. 미리 정해진 횟수는 전자 장치(101)의 관리자에 의하여 선택될 수 있다. According to one embodiment, the number of selections for the mentor account may be counted when the mentee account pays the mentoring service fee for the mentor account. The predetermined number of times may be selected by a manager of the electronic device 101 .
일 실시예에 따르면, 각 멘티 계정은 멘토링 과정을 완료한 후에 해당 멘토 계정에 대한 평점을 등록할 수 있다. According to an embodiment, each mentee account may register a rating for the corresponding mentor account after completing the mentoring process.
일 실시예에 따르면, 멘토 추천 목록(530)은 멘토링 관련 메뉴 영역(501)의 우측에 인접하도록 표시될 수 있다.According to one embodiment, the mentor recommendation list 530 may be displayed adjacent to the right side of the mentoring related menu area 501 .
S403 동작 내지 S407 동작을 수행하는 이유는, 특정 멘티가 사전 정보 없이 멘토를 선택하기에 앞서, 특정 멘티의 학습 유형과 유사한 다른 멘티들이 선택한 멘토들 중에서 평점이 가장 높은 멘토를 상기 특정 멘티에게 추천함으로써, 상기 특정 멘티에게 적합한 멘토링 서비스를 제공하기 위함이다.The reason for performing operations S403 to S407 is that prior to a specific mentee selecting a mentor without prior information, a mentor with the highest rating among mentors selected by other mentees similar to the specific mentee's learning type is recommended to the specific mentee. , To provide a mentoring service suitable for the specific mentee.
S409 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 확인된 특정 멘토 계정(531)에 대응하는 제2 이진 영상을 이용하여 추가 멘토 계정들을 더 포함하는 멘토 추천 목록(530)을 사용자 장치(102)에게 제공할 수 있다.In operation S409, according to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1) further adds additional mentor accounts by using the second binary image corresponding to the confirmed specific mentor account 531. The mentor recommendation list 530 including the list may be provided to the user device 102 .
일 실시예에 따르면, 전자 장치(101)는 미리 정해진 멘토 유형 테스트 문항들 전체에 대하여 상기 특정 멘토 계정(531)이 입력한 답변에 기초하여 생성된 제2 이진 영상을 확인할 수 있다. 전자 장치(101)는 사용자가 멘토 계정으로 회원가입을 완료하면, 미리 정해진 멘토 유형 테스트 문항들을 멘토 계정에 해당하는 다른 사용자 장치(예: 도 1의 전자 장치(104)))에게 제공할 수 있고, 해당 멘토는 테스트 문항들에 대한 답변을 작성하여 전자 장치(101)에게 제공할 수 있다. 전자 장치(101)는 미리 정해진 멘티 유형 테스트 문항들 전체에 대한 특정 멘티 계정이 입력한 답변에 기초하여 제2 이진 영상(binary image)을 생성할 수 있다. 제2 이진 영상을 생성하는 방법은 S403 동작의 제1 이진 영상(520)을 생성하는 방법을 이용할 수 있다. 전자 장치(101)는 멘토 유형 테스트 문항들에 대하여 특정 멘토 계정(531)이 입력한 답변에 기초하여 특정 멘토 계정(531)의 지도(teaching) 유형을 분류할 수 있다. 전자 장치(101)는 메모리(예: 도 1의 메모리(130))에 멘토 계정들의 이진 영상들을 저장할 수 있다.According to an embodiment, the electronic device 101 may check the second binary image generated based on the answers input by the specific mentor account 531 for all predetermined mentor type test questions. When a user completes membership registration with a mentor account, the electronic device 101 may provide predetermined mentor type test questions to other user devices corresponding to the mentor account (eg, the electronic device 104 of FIG. 1), and , the corresponding mentor may prepare answers to the test questions and provide them to the electronic device 101 . The electronic device 101 may generate a second binary image based on answers input by a specific mentee account for all predetermined mentee type test questions. A method of generating the first binary image 520 of operation S403 may be used as a method of generating the second binary image. The electronic device 101 may classify the teaching type of the specific mentor account 531 based on the answers input by the specific mentor account 531 to the mentor type test questions. The electronic device 101 may store binary images of mentor accounts in a memory (eg, the memory 130 of FIG. 1 ).
일 실시예에 따르면, 전자 장치(101)는 이미지 유사 검색 알고리즘을 이용하여, 전체 멘토 계정들의 이진 영상들 중에서 상기 제2 이진 영상과 미리 정해진 제2 값 이상의 유사도를 갖는 복수의 제2 이진 영상들을 결정할 수 있다. 복수의 제2 이진 영상들을 결정하는 방법은 S405 동작의 복수의 제1 이진 영상들을 결정하는 방법을 이용할 수 있다.According to an embodiment, the electronic device 101 selects a plurality of second binary images having a similarity of a predetermined second value or more to the second binary image from among binary images of all mentor accounts by using an image similarity search algorithm. can decide The method of determining the plurality of second binary images may use the method of determining the plurality of first binary images of operation S405.
일 실시예에 따르면, 전자 장치(101)는 상기 복수의 제2 이진 영상들에 대응하는 복수의 멘토 계정들을 더 포함하는 상기 멘토 추천 목록(530)을 사용자 장치(102)에게 제공할 수 있다. S409 동작을 수행하는 이유는, S407 동작에 따라 특정 멘토 계정(531)을 추천하는 한편, 특정 멘토 계정(531)과 지도 방식이 유사한 다른 멘토 계정들을 특정 멘티에게 추천함으로써, 상기 특정 멘티에게 적합하면서도 다양한 멘토를 추천하기 위함이다.According to an embodiment, the electronic device 101 may provide the user device 102 with the mentor recommendation list 530 further including a plurality of mentor accounts corresponding to the plurality of second binary images. The reason for performing operation S409 is to recommend a specific mentor account 531 according to operation S407, while recommending other mentor accounts similar in teaching method to the specific mentor account 531 to a specific mentee, so that while suitable for the specific mentee, To recommend a variety of mentors.
S411 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 특정 멘티 계정에 의하여 화상과외 관련 메뉴 영역(502) 내의 특정 과목이 선택되는 경우, 특정 과목에 해당하는 복수의 강의들 중에서 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제1 추천 강의 및 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제2 추천 강의를 포함하는 제1 추천 강의 목록을 상기 통신 인터페이스(170)를 통하여 상기 사용자 장치에게 제공할 수 있다. 전자 장치(101)는 화상과외 관련 메뉴 영역(502) 내의 강의 검색용 유저 인터페이스를 통하여 특정 멘티 계정에 의하여 선택되는 특정 과목을 확인할 수 있다. 예를 들어, 도 3a 및 도 4a를 참조하면, 멘티 계정이 제1 화면(500)에서 화상과외 관련 메뉴 영역(502) 내의 초등 화상 과외 항목을 선택한 경우, 전자 장치(101)는 초등 화상 과외 내의 강의들을 검색하기 위한 강의 검색용 유저 인터페이스(600)를 사용자 장치(102)에게 제공할 수 있고, 상기 검색용 유저 인터페이스(600)에 포함된 과목 선택 항목(601), 강의 시간 선택 항목(602), 및 교재 정보 입력 항목(603)을 통하여 입력되는 정보를 확인할 수 있다. 일 실시예에 따르면, 검색용 유저 인터페이스(600)는 화상과외 관련 메뉴 영역(502) 내에 포함될 수 있다. In operation S411, according to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1) selects a specific subject within the video tutoring related menu area 502 by a specific mentee account. The first recommended lecture list including the first recommended lecture most selected from a plurality of first mentee accounts and the second recommended lecture most selected from a plurality of second mentee accounts among a plurality of lectures corresponding to the communication It can be provided to the user device through the interface 170. The electronic device 101 may check a specific subject selected by a specific mentee account through a user interface for searching for lectures in the video tutoring related menu area 502 . For example, referring to FIGS. 3A and 4A , when the mentee account selects an elementary video tutoring item in a menu area 502 related to video tutoring on the first screen 500, the electronic device 101 displays a video in elementary video tutoring. A lecture search user interface 600 for searching for lectures may be provided to the user device 102, and a subject selection item 601 and a lecture time selection item 602 included in the search user interface 600 , and information inputted through the textbook information input item 603 can be confirmed. According to an embodiment, the search user interface 600 may be included in the image tutoring related menu area 502 .
일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 특정 멘티 계정에 의하여 화상과외 관련 메뉴 영역(502) 내의 특정 과목이 선택되는 경우, 특정 멘티 계정에 친구로서 미리 등록된 계정들인 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제1 추천 강의 및 특정 멘티 계정에 미리 등록된 학교 정보 및 학년 정보와 모두 동일한 학교 정보 및 학년 정보를 갖는 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제2 추천 강의를 포함하는 제1 추천 강의 목록을 사용자 장치(102)에게 제공할 수 있다. According to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1 ), when a specific subject in the video tutoring related menu area 502 is selected by a specific mentee account, as a friend to the specific mentee account. A plurality of second mentee accounts having the same school information and grade information as the first recommended lecture selected the most from the plurality of first mentee accounts, which are pre-registered accounts, and school information and grade information pre-registered in a specific mentee account A first recommended lecture list including the most selected second recommended lectures from may be provided to the user device 102 .
일 실시예에 따르면, 각각의 멘티 계정은, 회원가입 시에 또는 회원가입 후에, 웹 사이트 내의 다른 멘티 계정들(예: 같은 반 친구)을 친구 추가(친구 등록)할 수 있고, 또한 학교 정보 및 학년 정보를 전자 장치(101)에 저장(등록)할 수 있다. According to one embodiment, each mentee account can add (friend register) other mentee accounts (eg, classmates) in the website at the time of membership registration or after membership registration, and also provide school information and Grade information may be stored (registered) in the electronic device 101 .
일 실시예에 따르면, 추천 강의에 대한 선택 횟수는 멘티 계정이 상기 추천 강의에 대한 강의 비용을 결제함으로써 카운트될 수 있다. 예를 들어, 도 4a를 참조하면, 검색용 유저 인터페이스(600)에 포함된 과목 선택 항목(601)을 통하여 특정 멘티 계정에 의하여 특정 과목(620)(예: 국어)이 선택되는 것에 응답하여, 전자 장치(101)는 초등 화상 과외의 국어 과목에서 제공되는 복수의 강의들을 확인할 수 있고, 복수의 강의들 중에서 상기 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제1 추천 강의(611) 및 상기 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제2 추천 강의(612)를 포함하는 제1 추천 강의 목록(610)을 사용자 장치(102)에게 제공할 수 있다. 일 실시예에 따르면, 제1 추천 강의 목록(610)은 검색용 유저 인터페이스(600)를 포함하는 화상과외 관련 메뉴 영역(502)의 우측에 인접하도록 표시될 수 있다.According to one embodiment, the number of selections for the recommended lecture may be counted when the mentee account pays for the lecture for the recommended lecture. For example, referring to FIG. 4A , in response to a specific subject 620 (eg, Korean language) being selected by a specific mentee account through the subject selection item 601 included in the search user interface 600, The electronic device 101 may check a plurality of lectures provided in Korean subjects of elementary school video tutoring, and among the plurality of lectures, a first recommended lecture 611 most selected from the plurality of first mentee accounts and the plurality of lectures The first recommended lecture list 610 including the most selected second recommended lectures 612 from the second mentee accounts of the user device 102 may be provided. According to an embodiment, the first recommended lecture list 610 may be displayed adjacent to a right side of a menu area 502 related to video tutoring including a search user interface 600 .
일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 제1 추천 강의(611)를 제공하는 제1 멘토 계정 또는 제2 추천 강의(612)를 제공하는 제2 멘토 계정 중 적어도 하나가 특정 멘토 계정(531)과 일치하는 경우, 특정 멘토 계정(531) 및 해당 추천 강의를 동일한 색상으로 하이라이트 표시하도록 멘토 추천 목록(530) 및 제1 추천 강의 목록(610)을 사용자 장치(102)에게 제공할 수 있다. 예를 들어, 도 4b를 참조하면, 제1 추천 강의(611)가 제1 멘토 계정(미도시)에 의하여 제공되고, 제2 추천 강의(612)가 특정 멘토 계정(531)에 의하여 제공되는 경우, 전자 장치(101)는 특정 멘토 계정(531) 및 제2 추천 강의(612)를 동일한 색상(예: 노란색)으로 하이라이트 표시(604)하도록 멘토 추천 목록(530) 및 제1 추천 강의 목록(610)을 사용자 장치(102)에게 제공할 수 있다. According to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1 ) provides a first mentor account providing a first recommended lecture 611 or a second mentor account providing a second recommended lecture 612 . If at least one of the mentor accounts matches the specific mentor account 531, the mentor recommendation list 530 and the first recommended lecture list 610 are set so that the specific mentor account 531 and the corresponding recommended lecture are highlighted in the same color. It can be provided to the user device 102 . For example, referring to FIG. 4B , when a first recommended lecture 611 is provided by a first mentor account (not shown) and a second recommended lecture 612 is provided by a specific mentor account 531 , The electronic device 101 selects a mentor recommendation list 530 and a first recommended lecture list 610 so as to highlight 604 the specific mentor account 531 and the second recommended lecture 612 in the same color (eg, yellow). ) to the user device 102 .
S411 동작을 수행하는 이유는, 청소년기의 학생들은 소속감을 중요시 여기는 바, 특정 학생(특정 멘티 계정)에 등록된 친구들에 의하여 가장 많이 선택된 강의(즉, 제1 추천 강의)를 추천하고, 특정 학생과 동일한 학교, 학년에 의하여 가장 많이 선택된 강의(즉, 제2 추천 강의)를 특정 학생에게 추천함으로써, 상기 특정 학생에게 적합한 화상과외 서비스를 제공하기 위함이다.The reason for performing the S411 operation is that adolescent students value a sense of belonging, so the most selected lecture (ie, the first recommended lecture) by friends registered to a specific student (specific mentee account) is recommended, and the same lecture as the specific student is recommended. This is to provide a video tutoring service suitable for the specific student by recommending the most selected lecture (ie, the second recommended lecture) according to the school and grade level to the specific student.
S413 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 특정 과목(620)이 선택된 이후에 상기 특정 과목(620)에 대한 특정 강의 시간이 추가로 선택되는 것에 응답하여, 제1 추천 강의 목록(610)을 갱신할 수 있다. 예를 들어, 도 4c를 참조하면, 특정 과목(620)(예: 국어)이 선택된 이후에 검색용 유저 인터페이스(600) 내의 강의 시간 선택 항목(602)을 통하여 특정 멘티 계정에 의하여 특정 강의 시간(621)(예: 14시 내지 16시)이 추가로 선택되는 것에 응답하여, 전자 장치(101)는 제1 추천 강의 목록(610)에서 제1 추천 강의(611) 및 제2 추천 강의(612)를 제거하고, 특정 과목(620)에 해당하는 복수의 강의들 중에서 특정 강의 시간(621)에 이용 가능한 적어도 하나의 강의를 결정할 수 있다. 이후, 전자 장치(101)는 상기 적어도 하나의 강의 중에서 상기 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제3 추천 강의(613) 및 상기 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제4 추천 강의(614)를 포함하도록 제1 추천 강의 목록(610)을 갱신할 수 있다.In operation S413, according to an embodiment, after the specific subject 620 is selected, the electronic device 101 (eg, the processor 120 of FIG. 1) additionally sets a specific lecture time for the specific subject 620. In response to being selected, the first recommended lecture list 610 may be updated. For example, referring to FIG. 4C , after a specific subject 620 (eg Korean language) is selected, a specific lecture time ( 621) (eg, 14:00 to 16:00) is additionally selected, the electronic device 101 selects a first recommended lecture 611 and a second recommended lecture 612 from the first recommended lecture list 610. may be removed, and at least one lecture available for a specific lecture time 621 may be determined from among a plurality of lectures corresponding to the specific subject 620 . Thereafter, the electronic device 101 selects a third recommended lecture 613 most selected from the plurality of first mentee accounts and a fourth recommended lecture most selected from the plurality of second mentee accounts among the at least one lecture. The first recommended lecture list 610 may be updated to include 614 .
S415 동작에서, 일 실시예에 따르면, 전자 장치(101)(예: 도 1의 프로세서(120))는 특정 과목(620) 및 특정 강의 시간(621)이 선택된 이후에 상기 특정 과목(620)에 대한 특정 교재 정보가 추가로 입력되는 것에 응답하여, 제1 추천 강의 목록(610)을 갱신할 수 있다. 예를 들어, 도 4d를 참조하면, 특정 과목(620)(예: 국어) 및 특정 강의 시간(621)(예: 14시 내지 16시)이 선택된 이후에 검색용 유저 인터페이스(600) 내의 교재 정보 입력 항목(603)을 통하여 특정 멘티 계정에 의하여 특정 교재 정보(622)(예: 교재명 'A', 지은이 'B', 출판사 'C')가 추가로 입력되는 것에 응답하여, 전자 장치(101)는 제1 추천 강의 목록(610)에서 제3 추천 강의(613) 및 제4 추천 강의(614)를 제거하고, 상기 적어도 하나의 강의 중에서 특정 교재 정보(622)와 동일한 교재 정보를 채택한 하나 이상의 강의들을 결정할 수 있다. 이후, 전자 장치(101)는 상기 하나 이상의 강의들 중에서 상기 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제5 추천 강의(615) 및 상기 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제6 추천 강의(616)를 포함하도록 제1 추천 강의 목록(610)을 갱신할 수 있다. 상술한 제1 추천 강의(611) 내지 제6 추천 강의(616)은 서로 상이하거나 적어도 일부가 동일할 수 있다.In operation S415, according to an embodiment, the electronic device 101 (eg, the processor 120 of FIG. 1) returns to the specific subject 620 after the specific subject 620 and the specific lecture time 621 are selected. The first recommended lecture list 610 may be updated in response to additional input of specific textbook information. For example, referring to FIG. 4D , textbook information in the search user interface 600 after a specific subject 620 (eg Korean) and a specific lecture time 621 (eg 14:00 to 16:00) are selected. In response to additional input of specific textbook information 622 (eg, textbook name 'A', author 'B', publisher 'C') by a specific mentee account through the input item 603, the electronic device 101 Removes the third recommended lecture 613 and the fourth recommended lecture 614 from the first recommended lecture list 610, and one or more lectures adopting the same textbook information as the specific textbook information 622 from among the at least one lecture can determine them. Thereafter, the electronic device 101 displays a fifth recommended lecture 615 most selected from the plurality of first mentee accounts and a sixth recommended lecture most selected from the plurality of second mentee accounts among the one or more lectures. The first recommended lecture list 610 may be updated to include 616 . The above-described first recommended lectures 611 to sixth recommended lectures 616 may be different from each other or at least partially the same.
S413 동작 및 S415 동작을 수행하는 이유는, 특정 멘티가 과목과 관련되는 조건(예: 과목, 시간, 교재)을 변경하면, 조건을 변경하는 즉시 변경된 조건에 해당하는 강의들을 특정 멘티에게 추천함으로써, 상기 특정 멘티에게 적합하면서도 다양한 강의를 추천하기 위함이다.The reason for performing S413 operation and S415 operation is that when a specific mentee changes a condition related to a subject (eg, subject, time, textbook), lectures corresponding to the changed condition are recommended to the specific mentee as soon as the condition is changed, This is to recommend various lectures suitable for the specific mentee.
도 5a 내지 도 5d는 일 실시예에 따른, 전자 장치(예: 도 1의 전자 장치(101))가 멘티 계정의 학습 유형을 분류하는 실시예를 설명하기 위한 도면이다.5A to 5D are diagrams for explaining an embodiment in which an electronic device (eg, the electronic device 101 of FIG. 1 ) classifies a learning type of a mentee account, according to an embodiment.
전자 장치(101)는 미리 정해진 멘티 유형 테스트 문항들(예: 도 3b의 테스트 문항들(510))을 특정 멘티 계정에 해당하는 사용자 장치(예: 도 1의 전자 장치(102))에게 제공할 수 있고, 특정 멘티 계정에 의하여 입력된 답변들을 사용자 장치(102)로부터 획득할 수 있다. 전자 장치(101)는 멘티 유형 테스트 문항들에 대하여 특정 멘티 계정이 입력한 답변에 기초하여 특정 멘티 계정의 학습 유형을 분류할 수 있다. 예를 들어, 전자 장치(101)는 테스트 문항들(510)에 대한 답변을 분석하여 특정 멘티 계정의 학습 유형을 4가지 카테고리(예: 학습 성향, 학습 의지, 학습 스타일, 및 학습 행동)로 분류하여 진단할 수 있고, 각각의 카테고리 내에서의 구체적인 분류 형태는 도 5a 내지 도 5d를 참고하도록 한다.The electronic device 101 provides predetermined mentee type test items (eg, the test items 510 of FIG. 3B ) to a user device (eg, the electronic device 102 of FIG. 1 ) corresponding to a specific mentee account. and answers entered by a specific mentee account may be obtained from the user device 102 . The electronic device 101 may classify the learning type of a specific mentee account based on answers input by the specific mentee account for the mentee type test questions. For example, the electronic device 101 analyzes the answers to the test questions 510 and classifies the learning type of the specific mentee account into four categories (eg, learning tendency, learning willingness, learning style, and learning behavior). 5A to 5D for specific classification forms within each category.
도 6a 및 도 6b는 일 실시예에 따른, 전자 장치(예: 도 1의 전자 장치(101))가 제공하는 멘토링 프로그램에 대한 실시예를 설명하기 위한 도면이다.6A and 6B are diagrams for explaining an embodiment of a mentoring program provided by an electronic device (eg, the electronic device 101 of FIG. 1 ) according to an embodiment.
각각의 멘토 계정들은 멘티 계정의 학습 유형을 참고하여, 52주 과정의 멘토링 프로그램을 4가지 카테고리(예: 자존감 높이기, 진로비전, 학습코칭, 및 타임 플래닝)로 분류하여 준비할 수 있고, 각 카테고리는 13주 과정으로 진행될 수 있다. 구체적인 멘토링 과정은 도 6a를 참고하도록 한다. 그 후, 각각의 멘토 계정들은, 52주 멘토링 프로그램을 종료한 후, 추가로 감정 코칭 과정을 멘티 계정에 해당하는 학생과 진행할 수 있다. 구체적인 감정 코칭 과정은 도 6b를 참고하도록 한다.Each mentor account can prepare a 52-week mentoring program by referring to the learning type of the mentee account by classifying it into four categories (e.g., self-esteem enhancement, career vision, learning coaching, and time planning), and each category may be conducted as a 13-week course. For a specific mentoring process, refer to FIG. 6A. After that, each of the mentor accounts may conduct an additional emotional coaching process with the student corresponding to the mentee account after completing the 52-week mentoring program. For a detailed emotion coaching process, refer to FIG. 6B.
일 실시예에 따라서, 사용자 장치로부터 수신된 요청을 처리하고, 요청된 정보를 상기 사용자 장치에게 제공하며, 멘토 추천 서비스 및 강의 추천 서비스를 제공하는 웹 사이트를 지원하는 서버는, 통신 인터페이스, 프로세서, 및 상기 프로세서와 작동적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 멘토링 관련 메뉴 영역 및 화상과외 관련 메뉴 영역을 포함하는 제1 화면을 상기 통신 인터페이스를 통하여 상기 사용자 장치에게 제공하고, 상기 사용자 장치를 이용하여 상기 웹 사이트에 로그인한 특정 멘티 계정에 의하여, 상기 멘토링 관련 메뉴 영역 내의 멘토링 신청이 선택되는 경우: 미리 정해진 멘티 유형 테스트 문항들 전체에 대한 상기 특정 멘티 계정이 입력한 답변에 기초하여 생성된 제1 이진 영상(binary image)을 확인하고, 유사 이미지 검색을 위한 인공지능 모델을 이용하여, 전체 멘티 계정들의 미리 저장된 이진 영상들 중에서 상기 제1 이진 영상과 미리 정해진 제1 값 이상의 유사도를 갖는 복수의 제1 이진 영상들을 결정하고, 및 상기 복수의 제1 이진 영상들에 대응하는 복수의 멘티 계정들에 의하여 미리 정해진 횟수 이상 선택된 멘토 계정들 중에서 평점이 가장 높은 특정 멘토 계정을 포함하는 멘토 추천 목록을 상기 통신 인터페이스를 통하여 상기 사용자 장치에게 제공하고, 및 상기 특정 멘티 계정에 의하여 상기 화상과외 관련 메뉴 영역 내의 특정 과목이 선택되는 경우, 상기 특정 과목에 해당하는 복수의 강의들 중에서 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제1 추천 강의 및 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제2 추천 강의를 포함하는 제1 추천 강의 목록을 상기 통신 인터페이스를 통하여 상기 사용자 장치에게 제공하도록 하는 인스트럭션들(instructions)을 저장할 수 있다. 상기 복수의 제1 멘티 계정들은 상기 특정 멘티 계정에 미리 친구 등록된 계정들이고, 상기 복수의 제2 멘티 계정들은 상기 특정 멘티 계정에 미리 등록된 학교 정보 및 학년 정보와 모두 동일한 학교 정보 및 학년 정보를 갖는 계정들일 수 있다.According to an embodiment, a server that processes a request received from a user device, provides requested information to the user device, and supports a website that provides a mentor recommendation service and a lecture recommendation service includes a communication interface, a processor, and a memory operatively connected to the processor, wherein the memory, when executed, causes the processor to display a first screen including a menu area related to mentoring and a menu area related to video tutoring through the communication interface. and when a mentoring application in the mentoring-related menu area is selected by a specific mentee account logged into the website using the user device: the specific mentee account for all of the predetermined mentee type test questions A first binary image generated based on the input answer is checked, and an artificial intelligence model for similar image search is used to determine the first binary image and a predetermined image among pre-stored binary images of all mentee accounts. Determining a plurality of first binary images having a similarity of a first value or more, and selecting a specific score having the highest rating among mentor accounts selected more than a predetermined number of times by a plurality of mentee accounts corresponding to the plurality of first binary images When a mentor recommendation list including a mentor account is provided to the user device through the communication interface, and a specific subject in the video tutoring related menu area is selected by the specific mentee account, a plurality of subjects corresponding to the specific subject A first recommended lecture list including a first recommended lecture most frequently selected from a plurality of first mentee accounts and a second recommended lecture most frequently selected from a plurality of second mentee accounts among lectures is provided to the user through the communication interface. It may store instructions for the device to provide. The plurality of first mentee accounts are accounts registered as friends in advance in the specific mentee account, and the plurality of second mentee accounts have the same school information and grade information as those previously registered in the specific mentee account. accounts may have.
삭제delete
일 실시예에 따라서, 상기 인스트럭션들은, 상기 프로세서가, 미리 정해진 멘토 유형 테스트 문항들 전체에 대한 상기 특정 멘토 계정이 입력한 답변에 기초하여 생성된 제2 이진 영상을 확인하고, 상기 이미지 유사 검색 알고리즘을 이용하여, 전체 멘토 계정들의 이진 영상들 중에서 상기 제2 이진 영상과 미리 정해진 제2 값 이상의 유사도를 갖는 복수의 제2 이진 영상들을 결정하고, 및 상기 복수의 제2 이진 영상들에 대응하는 복수의 멘토 계정들을 더 포함하는 상기 멘토 추천 목록을 상기 사용자 장치에게 제공하도록 할 수 있다.According to an embodiment, the instructions include: the processor checks a second binary image generated based on an answer input by the specific mentor account for all predetermined mentor type test items, and the image similarity search algorithm Using , a plurality of second binary images having a similarity to the second binary image and a predetermined second value or higher are determined among binary images of all mentor accounts, and a plurality of binary images corresponding to the plurality of second binary images. The mentor recommendation list further including mentor accounts of may be provided to the user device.
일 실시예에 따라서, 상기 멘토 추천 목록은 상기 멘토링 관련 메뉴 영역의 우측에 인접하도록 표시되고, 상기 제1 추천 강의 목록(610)은 상기 화상과외 관련 메뉴 영역의 우측에 인접하도록 표시될 수 있다.According to an embodiment, the mentor recommendation list may be displayed adjacent to the right side of the mentoring related menu area, and the first recommended lecture list 610 may be displayed adjacent to the right side of the video tutoring related menu area.
일 실시예에 따라서, 상기 인스트럭션들은, 상기 프로세서가, 상기 제1 추천 강의를 제공하는 제1 멘토 계정 또는 상기 제2 추천 강의를 제공하는 제2 멘토 계정 중 적어도 하나가 상기 특정 멘토 계정과 일치하는 경우, 상기 특정 멘토 계정 및 해당 추천 강의를 동일한 색상으로 하이라이트 표시하도록 상기 멘토 추천 목록 및 상기 제1 추천 강의 목록을 사용자 장치에게 제공하도록 할 수 있다.According to an embodiment, the instructions may cause the processor to determine whether at least one of a first mentor account providing the first recommended lecture or a second mentor account providing the second recommended lecture matches the specific mentor account. In this case, the mentor recommendation list and the first recommended lecture list may be provided to the user device so that the specific mentor account and the corresponding recommended lecture are highlighted in the same color.
일 실시예에 따라서, 상기 인스트럭션들은, 상기 프로세서가, 상기 특정 과목이 선택된 이후에 상기 특정 과목에 대한 특정 강의 시간이 추가로 선택되는 것에 응답하여, 상기 제1 추천 강의 목록에서 상기 제1 추천 강의 및 상기 제2 추천 강의를 제거하고, 상기 복수의 강의들 중에서 상기 특정 강의 시간에 이용 가능한 적어도 하나의 강의를 결정하고, 및 상기 적어도 하나의 강의 중에서 상기 복수의 제1 사용자들로부터 가장 많이 선택된 제3 추천 강의 및 상기 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제4 추천 강의를 포함하도록 상기 제1 추천 강의 목록을 갱신하도록 할 수 있다.According to an embodiment, the instructions may cause the processor to select the first recommended lecture in the first recommended lecture list in response to an additional selection of a specific lecture time for the specific subject after the specific subject is selected. and removing the second recommended lecture, determining at least one lecture available at the specific lecture time from among the plurality of lectures, and determining the most selected lecture from the plurality of first users among the at least one lecture. The list of first recommended lectures may be updated to include 3 recommended lectures and a fourth recommended lecture most selected from the plurality of second mentee accounts.
일 실시예에 따라서, 상기 인스트럭션들은, 상기 프로세서가, 상기 특정 과목 및 상기 특정 강의 시간이 선택된 이후에 상기 특정 과목에 대한 특정 교재 정보가 추가로 입력되는 것에 응답하여, 상기 제1 추천 강의 목록에서 상기 제3 추천 강의 및 상기 제4 추천 강의를 제거하고, 상기 특정 강의 시간에 이용 가능한 상기 적어도 하나의 강의 중에서 상기 특정 교재 정보와 동일한 교재 정보를 채택한 하나 이상의 강의들을 결정하고, 및 상기 하나 이상의 강의들 중에서 상기 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제5 추천 강의 및 상기 복수의 제2 멘티 계정들로부터 가장 많이 선택된 상기 제6 추천 강의를 포함하도록 상기 제1 추천 강의 목록을 갱신하도록 할 수 있다.According to an embodiment, the instructions may be performed by the processor in the first recommended lecture list in response to additional input of specific textbook information for the specific subject after the specific subject and the specific lecture time are selected. removing the third recommended lecture and the fourth recommended lecture, determining one or more lectures adopting the same textbook information as the specific textbook information among the at least one lecture available at the specific lecture time, and the one or more lectures Among them, the first recommended lecture list may be updated to include the fifth recommended lecture most selected from the plurality of first mentee accounts and the sixth recommended lecture most selected from the plurality of second mentee accounts. there is.
또한 본 발명의 일 실시예는 다음과 같은 특징을 더 포함할 수도 있다.In addition, an embodiment of the present invention may further include the following features.
일 실시예에 따르면, 본 발명의 전자 장치(101)는 화상 멘토링 서비스 및/또는 화상 과외 서비스를 제대로 이용하는 것이 아닌, 복수의 사용자들이 접속한 온라인 환경에서 단순히 접속만 하여 시간만 채우고자 하는 사용자를 분류 및/또는 판단하는 특징을 더 제안할 수 있다. 이는 일종의 유령 접속자(ghost accessor), 즉 온라인 플랫폼(예; 화상 멘토링 서비스 및/또는 화상 과외 서비스)에 접속은 하였지만 실질적으로는 해당 온라인 플랫폼에서의 화상 멘토링 서비스 및/또는 화상 과외 서비스를 제대로 참여하고 있는 것이 아닌 출석만 하는데 의의를 두고 있는 자를 찾아내기 위한 실시예라고 볼 수 있다. 일 예로, 사용자 장치의 카메라 앞에 사용자의 모습(외형)을 포함하는 사진을 위치시키거나, 사용자의 모습(외형)을 촬영한 영상을 재생시키는 방식으로 구현되는 경우가 있다. 상기 유렵 접속자는 비참여 사용자, 비참여 접속자, 비적극 참여자 등으로 호칭될 수 있다.According to an embodiment, the electronic device 101 of the present invention is intended for a user who does not properly use a video mentoring service and/or a video tutoring service, but wants to fill time by simply accessing an online environment where a plurality of users are connected. Further classification and/or judging features may be proposed. This is a kind of ghost accessor, that is, access to an online platform (e.g., video mentoring service and/or video tutoring service), but actually properly participating in the video mentoring service and/or video tutoring service on the online platform. It can be seen as an embodiment for finding a person who has significance only in attendance, not in existence. For example, there is a case where a picture including the user's appearance (appearance) is placed in front of the camera of the user device, or an image of the user's appearance (appearance) is reproduced. The European visitor may be referred to as a non-participating user, a non-participating visitor, and a non-active participant.
예를 들면, 전자 장치(101)를 통해 본 발명의 온라인 플랫폼에 관한 웹 페이지(web page) 및/또는 모바일 앱(mobile app)이 운용 및/또는 관리될 수 있다. 한편, 상기 웹 페이지 및/또는 모바일 앱은 사용자 장치에서 실행되고, 사용자는 이를 이용(using) 및/또는 제어(controlling)할 수 있다. 또한 상기 전자 장치(101)는 서버(server)로서 구현되고, 사용자 장치는 휴대용 단말로서 구현될 수 있다.For example, a web page and/or a mobile app related to the online platform of the present invention may be operated and/or managed through the electronic device 101 . Meanwhile, the web page and / or mobile app is executed in the user device, and the user can use and / or control it. Also, the electronic device 101 may be implemented as a server, and the user device may be implemented as a portable terminal.
예를 들면, 전자 장치(101)는 상기 사용자 장치에 설치된 복수의 앱(app, application)에 대한 정보를 상기 사용자 장치로부터 수신할 수 있으며, 상기 복수의 앱에 관한 정보는 상기 복수의 앱 각각의 명칭, 앱 설명(또는 앱 안내), 카테고리, 용량, 이용시간(예; 평균이용시간, 누적이용시간) 등을 포함할 수 있다.For example, the electronic device 101 may receive information on a plurality of apps (applications) installed on the user device from the user device, and the information on the plurality of apps may be received from the user device. It may include the name, app description (or app guide), category, capacity, usage time (eg average usage time, cumulative usage time), etc.
예를 들면, 전자 장치(101)는 본 발명의 온라인 플랫폼을 위한 모바일 앱(app)에 상응하는 유사 앱이 상기 사용자 장치(101)에 설치되어 있는지 여부를 상기 복수의 앱에 관한 정보를 토대로 판단할 수 있다.For example, the electronic device 101 determines whether a similar app corresponding to the mobile app for the online platform of the present invention is installed in the user device 101 based on the information about the plurality of apps. can do.
이때 유사 앱이라 함은 앱의 명칭, 카테고리 중 적어도 어느 하나가 동일한 앱으로 정의될 수 있다. 또한 본 발명에서의 유사 앱에는 비대면 서비스, 멘토링 서비스, 화상과외 서비스 중 적어도 둘 이상을 제공(및/또는 서비스)하는 앱이 포함될 수도 있다.In this case, similar apps may be defined as apps having the same at least one of the name and category of the apps. Also, similar apps in the present invention may include apps that provide (and/or service) at least two of a non-face-to-face service, a mentoring service, and a video tutoring service.
또한 전자 장치(101)는 상기 사용자 장치에 몇 개의 유사 앱이 설치되었는지 여부를 확인할 수 있다. 또한 전자 장치(101)는 상기 사용자 장치에 설치된 상기 유사 앱의 개수를 소정의 기준치와 비교할 수 있다. 이때 기준치는 후술되는 유사도를 고려하여 조절(및/또는 재설정)될 수 있다.Also, the electronic device 101 may check how many similar apps are installed in the user device. Also, the electronic device 101 may compare the number of similar apps installed on the user device with a predetermined reference value. In this case, the reference value may be adjusted (and/or reset) in consideration of the degree of similarity described below.
또한 본 발명의 일 실시예는 다음과 같은 특징을 더 포함할 수도 있다.In addition, an embodiment of the present invention may further include the following features.
예를 들면, 전자 장치(101)는 사용자 장치의 2D 카메라를 통하여 획득한 사용자를 촬영한 수강 영상(예; 제1 수강 영상)을 이용하여, 사용자가 미리 정해진 시간 이내에 재수강한 사용자인지 여부를 판단할 수 있다.For example, the electronic device 101 determines whether the user is a user who has retaken a course within a predetermined period of time by using an image of the user captured through a 2D camera of the user device (eg, a first course image). can do.
예를 들면, 전자 장치(101)는 화상 멘토링 서비스 및/또는 화상 과외 서비스를 제공하는 전용 어플리케이션(= 모바일 앱) 및/또는 웹 사이트의 각 실행 화면이 사용자 장치에서 실행되는 동안, 상기 사용자 장치를 이용하는 상기 사용자를 촬영한 수강 영상들(예; 제1 수강 영상들)을 수집할 수 있다.For example, the electronic device 101 operates the user device while each execution screen of a dedicated application (= mobile app) and/or website providing a video mentoring service and/or video tutoring service is executed in the user device. Course images (eg, first enrollment images) captured by the user may be collected.
또한 전자 장치(101)는 화상 멘토링 서비스 및/또는 화상 과외 서비스를 제공하는 전용 어플리케이션(= 모바일 앱) 및/또는 웹 사이트의 각 실행 화면이 다른 사용자 장치들에서 실행되는 동안, 상기 다른 사용자 장치들을 이용하는 복사의 다른 사용자 각각을 촬영한 수강 영상들(예; 기존 수강 영상들)을 수집할 수 있다.In addition, while the electronic device 101 is executing each execution screen of a dedicated application (= mobile app) and/or website providing a video mentoring service and/or a video tutoring service, the other user devices are executed. It is possible to collect lecture images (eg, existing lecture images) taken by each other user of the copy in use.
예를 들면, 전자 장치(101)는 수집된 제1 수강 영상들(및/또는 기존 수강 영상들) 내의 객체(사용자)에 대한 질감 피처(texture features) 및/또는 형태 피처(shape features)의 추출을 위한 기준에 따라 프로세싱하고, 프로세싱 결과를 합성(merge)하기 위한 기준에 따라 인덱스(index)로 변환하여 해당 영상에 인덱싱한 데이터베이스를 구축할 수 있다.For example, the electronic device 101 extracts texture features and/or shape features of an object (user) in collected first course images (and/or existing course images). A database indexed to a corresponding image may be constructed by processing according to a criterion for merging and converting the processing result into an index according to a criterion for merging.
예를 들면, 전자 장치(101)는 수집된 수강 영상들(예; 제1 수강 영상들 및/또는 기존 수강 영상들)의 객체를 프로세싱할 수 있다. 이는 다른 텍스트 정보에 의존하지 않고, 영상을 기준으로 객체를 레이블링하고 나아가 영상 내의 객체의 유사도를 기준으로 검색 결과를 제공하기 위한 것이다. 이를 위해 전자 장치(101)는 수집된 수강 영상들의 특징을 추출하고, 검색을 효율성을 위해 수강 영상들의 특징 정보를 구조화(indexing)할 수 있다. 보다 구체적으로 전자 장치(101)는 수강 영상들의 특징 영역을 탐지(Interest Point Detection)할 수 있다.For example, the electronic device 101 may process an object of collected lecture images (eg, first lecture images and/or existing lecture images). This is to label an object based on an image without depending on other text information and to provide a search result based on similarity of objects in the image. To this end, the electronic device 101 may extract features of the collected lecture images and index feature information of the lecture images for search efficiency. More specifically, the electronic device 101 may detect (interest point detection) a feature region of the pupil images.
특징 영역이란, 수강 영상들(예; 제1 수강 영상들 및/또는 기존 수강 영상들) 사이의 동일 유사 여부를 판단하기 위한 수강 영상들의 특징에 대한 기술자, 즉 특징 기술자(Feature Descriptor)를 추출하는 주요 영역을 말한다. 예를 들면, 상기 특징 영역은 수강 영상들이 포함하고 있는 윤곽선, 윤곽선 중에서도 코너 등의 모퉁이, 주변 영역과 구분되는 블롭(blob), 수강 영상들의 변형에 따라 불변하거나 공변하는 영역, 또는 주변 밝기보다 어둡거나 밝은 특징이 있는 극점일 수 있으며, 수강 영상들의 패치(조각) 또는 수강 영상들의 프레임 전체를 대상으로 할 수 있다.The feature region refers to a descriptor of a feature of the course images for determining whether or not the same or similar between course images (eg, first course images and/or existing course images), that is, extracting a feature descriptor. refers to the main area For example, the feature region may be a contour line included in the pupil images, a corner such as a corner among the contour lines, a blob distinguished from the surrounding region, a region that is invariant or covariant according to deformation of the pupil images, or darker than the surrounding brightness. or poles with bright features, and patches (pieces) of pupil images or entire frames of pupil images may be targeted.
또한, 전자 장치(101)는 특징 영역에서 특징 기술자를 추출(Descriptor Extraction)할 수 있다. 특징 기술자는 수강 영상들(예; 제1 수강 영상들 및/또는 기존 수강 영상들)의 특징들을 벡터 값으로 표현한 것이다. 이러한 특징 기술자는 해당 영상에 대한 특징 영역의 위치, 또는 특징 영역의 밝기, 색상, 선명도, 그라디언트(Gradation), 스케일 또는 패턴 정보를 이용하여 계산할 수 있다. 예를 들어 특징 기술자는 특징 영역의 밝기 값, 밝기의 변화 값 또는 분포 값 등을 벡터로 변환하여 계산할 수도 있다. 일 실시예에 따르면, 수강 영상들에 대한 특징 기술자는 위와 같이 특징 영역에 기반한 지역 기술자(Local Descriptor) 뿐 아니라, 전역 기술자(Global descriptor), 빈도 기술자(Frequency Descriptor), 바이너리 기술자(Binary Descriptor) 또는 신경망 기술자(Neural Network descriptor)로 표현될 수 있다. 보다 구체적으로, 특징 기술자는 수강 영상들 전체 또는 수강 영상들을 임의의 기준으로 분할한 구역 각각, 또는 특징 영역 각각의 밝기, 색상, 선명도, 그라디언트, 스케일, 패턴 정보 등을 벡터값으로 변환하여 추출하는 전역 기술자 (Global descriptor)를 포함할 수 있다. 예를 들어 특징 기술자는 미리 구분한 특정 기술자들이 수강 영상들에 포함되는 횟수, 종래 정의된 색상표와 같은 전역적 특징의 포함 횟수 등을 벡터값으로 변환하여 추출하는 빈도 기술자 (Frequency Descriptor), 각 기술자들의 포함 여부 또는 기술자를 구성하는 각 요소 값들의 크기가 특정값 보다 크거나 작은지 여부를 비트 단위로 추출한 뒤 이를 정수형으로 변환하여 사용하는 바이너리 기술자 (Binary descriptor), 신경망(Neural Network)의 레이어에서 학습 또는 분류를 위해 사용되는 영상정보를 추출하는 신경망 기술자(Neural Network descriptor)를 포함할 수 있다. 일 실시예에 따르면, 수강 영상들로부터 추출한 특징 정보 벡터를 낮은 차원으로 변환할 수 있다. 예를 들어 인공신경망을 통해 추출된 특징 정보는 고차원 벡터 정보에 해당하며, 검색에 요구되는 리소스를 고려하여 적정한 범위의 낮은 차원 벡터로 변환하는 것이 적절하다. 이를 위해 전자 장치(101)는 수집한 수강 영상들에서 텍스처 피처(즉, 질감 피처)와 형태 피처를 추출하고, 상기 피처의 벡터값을 합성(merge)하여 하나의 기술자로 해당 영상을 표현할 수 있다. 상기 특징 텍스처 피처는 가버 필터(Gabor Filter)를 이용하여 추출되며, 형태 피처는 HOG 필터를 이용하여 추출될 수 있다. 이후 생성된 특징 정보 벡터는 해당 영상에 인덱싱 될 수 있다. 텍스처 피처를 추출하고, 상기 텍스처 피처의 벡터를 계산하는 동작 및 형태 피처를 추출하고, 상기 형태 피처의 벡터를 계산하는 동작은 이하의 [수학식 1] 및 [수학식 2]를 통하여 후술하도록 한다.Also, the electronic device 101 may extract a feature descriptor from a feature region (Descriptor Extraction). The feature descriptor is a vector value representing features of the student images (eg, first student images and/or previous student images). Such a feature descriptor may be calculated using the position of a feature region of a corresponding image, or brightness, color, sharpness, gradation, scale, or pattern information of a feature region. For example, a feature descriptor may convert a brightness value, a change value of brightness, or a distribution value of a feature region into a vector for calculation. According to an embodiment, the feature descriptor for the course images is not only a local descriptor based on the feature region as above, but also a global descriptor, a frequency descriptor, a binary descriptor, or a binary descriptor. It can be expressed as a neural network descriptor. More specifically, the feature descriptor converts and extracts brightness, color, sharpness, gradient, scale, pattern information, etc. of all of the images taken, or each of the regions obtained by dividing the images according to an arbitrary criterion, or each of the feature regions into vector values. May contain global descriptors. For example, the feature descriptor is a frequency descriptor that converts the number of pre-classified specific descriptors included in course images, the number of included global features such as a conventionally defined color table into vector values, and extracts each frequency descriptor. Binary descriptor, neural network layer that extracts whether descriptors are included or whether the size of each element value constituting the descriptor is larger or smaller than a specific value in bit units and converts it to an integer type for use may include a neural network descriptor that extracts image information used for learning or classification in According to an embodiment, a feature information vector extracted from pupil images may be converted into a low-dimensional one. For example, feature information extracted through an artificial neural network corresponds to high-dimensional vector information, and it is appropriate to convert it into a low-dimensional vector within an appropriate range in consideration of resources required for search. To this end, the electronic device 101 extracts texture features (ie, texture features) and shape features from the collected student images, merges vector values of the features, and expresses the image as a single descriptor. . The feature texture feature may be extracted using a Gabor filter, and the shape feature may be extracted using a HOG filter. Afterwards, the generated feature information vector may be indexed to a corresponding image. An operation of extracting a texture feature, calculating a vector of the texture feature, extracting a shape feature, and calculating a vector of the shape feature will be described later through [Equation 1] and [Equation 2] below. .
예를 들면, 전자 장치(101)는 사용자를 촬영한 수강 영상(예; 제1 수강 영상 및/또는 기존 수강 영상)을 프리 프로세싱(pre-processing)할 수 있다. 수강 영상에 대한 프리 프로세싱은 이후의 이미지 프로세싱과 달리, 검색을 위해 수강 영상 자체의 스케일을 미리 설정된 포맷에 따라 변경하거나 사이즈를 변경하거나 해상도를 변경할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 수강 영상 또는 상기 수강 영상 내의 객체(사용자)를 그레이 스케일(Grayscale)로 변환할 수 있다. 전자 장치(101)는 상기 수강 영상에서 텍스처 피처 및 형태 피처를 추출할 수 있으며, 해당 피처는 색상 값에 종속되지 않기 때문에 채도 값과 명암 값만 존재하는 그레이 스케일로 변환하는 것이 이후의 프로세싱에 소요되는 자원의 양을 줄일 수 있기 때문이다.For example, the electronic device 101 may pre-process an enrollment image (eg, a first enrollment image and/or an existing enrollment image) of a user. Unlike the subsequent image processing, the pre-processing of the course image may change the scale, size, or resolution of the course image itself according to a preset format for retrieval. According to an embodiment, the electronic device 101 may convert a student image or an object (user) in the student image into grayscale. The electronic device 101 may extract texture features and shape features from the pupil image, and since the features are not dependent on color values, converting them into gray scales in which only saturation values and contrast values exist is required for subsequent processing. This is because the amount of resources can be reduced.
예를 들면, 전자 장치(101)는 가버 필터(Gabor Filter)를 수강 영상 내의 사용자에 적용하여 텍스처 피처를 추출할 수 있다. 보다 구체적으로, 전자 장치(101)는 수강 영상을 주파수 공간으로 변환하고, 가버 필터링하여 텍스처 피처를 추출할 수 있다. 이미지에서 질감, 즉 텍스처 정보는 그 영상의 특징을 나타내는 중요한 시각적 특징 중의 하나로서 오랫동안 연구되어 왔다. 이러한 이미지의 질감 피처는 이미지에서 레이블을 추출하고, 추출된 레이블을 인덱싱하고(indexing) 및 요약화(abstraction)하는 데 있어서, 주요한 하위레벨 기술자(descriptor)로 이용될 수 있다. 또한, 상기 이미지의 텍스처 피처는 타일 또는 직물 데이터베이스에서의 내용 기반 검색에 중요하게 이용될 수 있다. 상기 가버 필터는 이미지로부터 피처 벡터를 추출하기 위해 사용되는 알고리즘으로 가우시안 함수에 의한 BPF (bandpass filter)에 해당한다.For example, the electronic device 101 may extract a texture feature by applying a Gabor filter to the user in the pupil image. More specifically, the electronic device 101 may transform the pupil image into a frequency space and perform Gabor filtering to extract a texture feature. Texture in an image, that is, texture information, has been studied for a long time as one of the important visual characteristics representing the characteristics of the image. Texture features of these images can be used as key low-level descriptors in extracting labels from images, indexing and abstracting extracted labels. In addition, the texture features of the image can be important for content-based search in tile or textile databases. The Gabor filter is an algorithm used to extract a feature vector from an image and corresponds to a bandpass filter (BPF) based on a Gaussian function.
상기 가버 필터(Gabor filter)는 아래의 [수학식 1] 내지 [수학식 3]을 따라 수강 영상 내의 객체(사용자)로부터 텍스처 피처에 대한 2차원 벡터를 추출할 수 있다.The Gabor filter may extract a 2D vector for a texture feature from an object (user) in the pupil image according to [Equation 1] to [Equation 3] below.
[수학식 1][Equation 1]
[수학식 2][Equation 2]
[수학식 3][Equation 3]
또한, 전자 장치(101)는 수강 영상 내의 객체로부터 형태 피처를 추출할 수 있다. 예를 들어, 전자 장치(101)는 HOG(Histograms of Oriented Gradients) 알고리즘을 적용하여 상기 형태 피처를 추출할 수 있다. HOG 피처는 다양한 버전이 존재할 수 있으나, 주된 컨셉은 객체의 로컬 피처를 계산하고, 상기 객체의 특징을 강도 균등분포를 이용하여 이미지에서 객체의 형태 피처를 추출하는 알고리즘이다.Also, the electronic device 101 may extract a shape feature from an object in a student image. For example, the electronic device 101 may extract the shape features by applying a Histograms of Oriented Gradients (HOG) algorithm. The HOG feature may exist in various versions, but the main concept is an algorithm that calculates local features of an object and extracts shape features of an object from an image using intensity uniform distribution of the features of the object.
예를 들면, 전자 장치(101)는 아래의 [수학식 4] 내지 [수학식 7]를 따라 수강 영상 내의 객체로부터 형태 피처에 대한 저차원 벡터를 추출할 수 있다.For example, the electronic device 101 may extract a low-dimensional vector for a shape feature from an object in a pupil image according to [Equation 4] to [Equation 7] below.
[수학식 4][Equation 4]
[수학식 5][Equation 5]
[수학식 6][Equation 6]
[수학식 7][Equation 7]
이후 전자 장치(101)는 추출한 피처(feature)에 대한 벡터를 합성(merge)하여 데이터베이스 내의 기존 수강 영상들 내의 객체들(사용자들)과의 유사도를 계산할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 기존 수강 영상들 내의 객체들의 특징 기술자(Feature Descriptor)들의 집합을 검색하여, 상기 기존 수강 영상들과 사용자의 제1 수강 영상의 동일 유사 여부를 판단할 수 있다. 한편, 기존 수강 영상들이라 함은 사용자의 제1 수강 영상을 획득하기 이전에 촬영된 것으로써, 데이터베이스에 저장될 수 있다.Thereafter, the electronic device 101 may calculate a similarity with objects (users) in existing lecture images in the database by merging vectors of the extracted features. According to an embodiment, the electronic device 101 searches a set of feature descriptors of objects in existing course images, and determines whether the existing course images and the user's first course image are the same or similar. can On the other hand, existing lecture images are captured before obtaining the user's first lecture image, and may be stored in the database.
예를 들면, 전자 장치(101)가 모든 범주를 기준으로 각 범주에 해당하는 복수의 영상들 내의 객체의 정보를 데이터베이스에 역으로 인덱싱 한 경우, 복수의 영상들 중에서 제1 수강 영상의 특징 기술자들이 가장 많이 가리키는 특정 영상을 선정하는 방식으로 검색을 처리할 수 있다. 이러한 검색을 통해 전자 장치(101)는 특정 영상 내의 객체(사용자)의 특징 기술자 벡터 값과 제1 수강 영상 내의 객체(사용자)의 특징 기술자 벡터 값 사이의 거리가 미리 설정된 임계값 이내인지 여부를 판단할 수 있다.For example, when the electronic device 101 reverse-indexes object information in a plurality of images corresponding to each category on the basis of all categories, feature descriptors of a first course image among the plurality of images The search can be processed in a way to select a specific image that is pointed out the most. Through this search, the electronic device 101 determines whether the distance between the feature descriptor vector value of the object (user) in the specific image and the feature descriptor vector value of the object (user) in the first course image is within a preset threshold value. can do.
예를 들면, 전자 장치(101)는 아래의 [수학식 8]에 따라 제1 수강 영상 내의 객체 벡터와 특정 영상 내의 객체 벡터의 거리값을 계산할 수 있고, 이에 기초하여 수집된 복수의 영상들 중에서 제1 수강 영상 내의 객체와 임계치 이상의 유사도를 갖는 특정 영상 내의 객체를 검색할 수 있다.For example, the electronic device 101 may calculate a distance value between an object vector in the first student image and an object vector in a specific image according to [Equation 8] below, and based on this, among a plurality of images collected An object in a specific image having a similarity with an object in the first student image and a threshold value or higher may be searched for.
[수학식 8][Equation 8]
예를 들면, 전자 장치(101)는 제1 수강 영상을 획득한 시점으로부터 미리 정해진 시간 이전의 기간 동안 수집된 복수의 영상들 중에서 제1 수강 영상 내의 객체(즉, 사용자)와 임계치 이상의 유사도를 갖는 객체를 포함하는 영상이 존재하면, 해당 사용자가 유령 접속자인지 여부를 확인하는 절차가 진행될 수 있다.For example, the electronic device 101 has a similarity with an object (ie, user) in the first student image among a plurality of images collected for a period of time prior to a predetermined time from the point in time at which the first student image was obtained. If there is an image including an object, a procedure for checking whether the corresponding user is a ghost visitor may be performed.
한편, 설명의 편의를 위해 사용자 장치를 통해 제1 수강 영상이 촬영된 시간과 전자 장치(101)가 상기 제1 수강 영상을 상기 사용자 장치로부터 수신한 시간 사이에 시간 차는 '0'인 것을 전제로 설명하며, 이때 신호의 송수신을 위한 초미세한 시간 차는 존재할 수 있으나 이는 무시해도 될 정도의 값이기에 생략하도록 한다.On the other hand, for convenience of explanation, it is assumed that the time difference between the time when the first lecture video is captured through the user device and the time when the electronic device 101 receives the first lecture video from the user device is '0'. In this case, an ultra-fine time difference for signal transmission and reception may exist, but it is omitted because it is a negligible value.
예를 들면, 전자 장치(101)는 제1 수강 영상을 획득한 시점으로부터 미리 정해진 시간 이전의 기간 동안 수집된 복수의 영상들 중에서 제1 수강 영상 내의 객체(즉, 사용자)와 제1 임계치 이상의 유사도를 갖는 객체를 포함하는 영상이 존재하면, 다음과 같은 절차들이 진행될 수 있다. 먼저 전자 장치(101)는 상기 제1 임계치를 영상이 존재하는지 여부를 소정의 주기마다 확인되는지 여부를 판단할 수 있다. 그리고, 전자 장치(101)는 소정의 주기마다 (상기 제1 임계치를 영상의 존재가) 확인된 횟수가 소정의 기준 횟수를 넘는 경우(☜ 제1 조건), 멘토에게 알림(및/또는 경고)하는 메시지를 생성하여 온라인 플랫폼을 통해 상기 멘토에게 제공할 수 있다. For example, the electronic device 101 determines the degree of similarity between an object (ie, a user) in the first student image and a first threshold value or higher among a plurality of images collected for a period before a predetermined time from when the first student image was acquired. If there is an image including an object having , the following procedures may be performed. First, the electronic device 101 may determine whether the first threshold value is checked every predetermined period to see whether an image exists. In addition, the electronic device 101 notifies (and/or warns) the mentor when the number of times that the first threshold is checked (existence of the first threshold image) exceeds the predetermined reference number (☜ 1st condition) at each predetermined period. A message may be generated and provided to the mentor through an online platform.
예를 들면, 전자 장치(101)는 제1 수강 영상을 획득한 시점으로부터 미리 정해진 시간 이전의 기간 동안 수집된 복수의 영상들 중에서 제1 수강 영상 내의 객체(즉, 사용자)와 제2 임계치 이상의 유사도를 갖는 객체를 포함하는 영상이 존재하면(☜ 제2 조건), 멘토에게 알림(및/또는 경고)하는 메시지를 생성하여 온라인 플랫폼을 통해 상기 멘토에게 제공할 수 있다(이때 소정의 주기마다 확인하는 절차는 생략된다). 일 예로, 상기 제2 임계치는 상기 제1 임계치보다 더 높은 값으로 설정될 수 있다.For example, the electronic device 101 determines the degree of similarity between an object (ie, a user) in the first student image and a second threshold value or higher among a plurality of images collected for a period before a predetermined time from the point in time at which the first student image was acquired. If there is an image including an object having (☜ second condition), a message notifying (and/or warning) to the mentor may be generated and provided to the mentor through an online platform (at which time, a message to be checked every predetermined period) may be generated. procedure is omitted). For example, the second threshold may be set to a higher value than the first threshold.
알림(및/또는 경고)하는 메시지를 수신한 멘토는 그 대상이 되는 사용자인 멘티에게 별도의 문답을 함으로써, 해당 멘티가 실제로 참여하고 있는지 여부를 판단할 수 있다. 여기서 해당 멘티라 함은 상기 제1 조건 및/또는 제2 조건을 만족하여 알림 메시지의 대상이 되는 멘티를 지칭할 수 있다. 일 예로, 알림(및/또는 경고)하는 메시지를 수신한 멘토는 온라인 플랫폼을 통해 해당 관찰 대상인 멘티에게 (확인을 위한) 질문 메시지를 전달할 수 있다. 즉 상기 질문 메시지는 전자 장치(101)로부터 관찰 대상인 멘티의 단말에게 전달될 수 있다.Upon receiving the notification (and/or warning) message, the mentor may determine whether the mentee is actually participating by conducting separate questions and answers to the mentee, the target user. Here, the corresponding mentee may refer to a mentee who is a target of the notification message by satisfying the first condition and/or the second condition. For example, the mentor who has received the notification (and/or warning) message may deliver a question message (for confirmation) to the mentee, the target of observation, through an online platform. That is, the question message may be delivered from the electronic device 101 to the terminal of the mentee to be observed.
일 예로, 멘토의 관찰 대상인 멘티가 상기 질문 메시지에 대응하여 소정의 시간 동안 답변을 하지 않는 경우, 전자 장치(101)는 상기 관찰 대상인 멘티가 유령 접속자인 것으로 판단할 수 있다.For example, if the mentee, the mentor's observation target, does not respond to the question message for a predetermined period of time, the electronic device 101 may determine that the observation target, the mentee, is a ghost visitor.
일 예로, 멘토의 관찰 대상인 멘티가 문자(또는 채팅), 메시지, 이모티콘 등으로만 답변하는 경우, 상기 제1 조건 또는 상기 제2 조건 중 어느 하나라도 만족된다면, 전자 장치(101)는 상기 관찰 대상인 멘티가 유령 접속자인 것으로 판단할 수 있다.For example, when a mentee, the mentor's observation target, responds only with a text message (or chatting), message, emoticon, etc., and any one of the first condition or the second condition is satisfied, the electronic device 101 is the observation target It can be determined that the mentee is a ghost visitor.
일 예로, 관찰 대상인 멘티가 (영상 비공개 상태에서) 음성(voice)으로 답변하는 경우, 상기 제1 조건 및 상기 제2 조건이 만족된다면, 전자 장치(101)는 상기 관찰 대상인 멘티가 유령 접속자인 것으로 판단할 수 있다.For example, when the mentee to be observed answers with a voice (in the video closed state), if the first condition and the second condition are satisfied, the electronic device 101 determines that the mentee to be observed is a ghost visitor can judge
일 예로, 관찰 대상인 멘티가 (영상 공개 상태에서) 영상 및/또는 음성(voice)으로 답변하는 경우, 전자 장치(101)는 상기 관찰 대상인 멘티가 유령 접속자가 아닌 진정한 접속한(true connecter)인 것으로 판단할 수 있다.For example, when the mentee to be observed responds with video and/or voice (in a video open state), the electronic device 101 determines that the mentee to be observed is not a ghost visitor but a true connecter. can judge
전술한 바와 같이 유령 접속자로 판단된 멘티에 대해서는, 전자 장치(101)는 온라인 플랫폼에서의 포인트의 차감, 접속 제한, 특정 멘티와의 멘토링 불허 등의 패널티를 주도록 제어할 수 있다.As described above, for the mentee determined to be a ghost visitor, the electronic device 101 may control to give a penalty, such as deducting points on the online platform, restricting access, or disallowing mentoring with a specific mentee.
한편, 본 발명의 일 실시예에 따른 전자 장치에 대해 이하 도 1을 참조하여 구체적인 설명을 기재토록 한다.Meanwhile, a detailed description of an electronic device according to an embodiment of the present invention will be described below with reference to FIG. 1 .
도 1을 참조하면, 버스(110)는 구성요소들(110-170)을 서로 연결하고, 구성요소들 간의 통신(예: 제어 메시지 또는 데이터)을 전달하는 회로를 포함할 수 있다. 프로세서(120)는, 중앙처리장치, 어플리케이션 프로세서, 또는 커뮤니케이션 프로세서(communication processor(CP)) 중 하나 또는 그 이상을 포함할 수 있다. 프로세서(120)는, 예를 들면, 전자 장치(101)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. Referring to FIG. 1 , a bus 110 may include circuitry that connects components 110 to 170 to each other and transfers communication (eg, control messages or data) between components. The processor 120 may include one or more of a central processing unit, an application processor, or a communication processor (CP). The processor 120 may, for example, execute calculations or data processing related to control and/or communication of at least one other component of the electronic device 101 .
메모리(130)는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 메모리(130)는, 예를 들면, 전자 장치(101)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 한 실시예에 따르면, 메모리(130)는 소프트웨어 및/또는 프로그램(140)을 저장할 수 있다. 프로그램(140)은, 예를 들면, 커널(141), 미들웨어(143), 어플리케이션 프로그래밍 인터페이스(API)(145), 및/또는 어플리케이션 프로그램(또는 "어플리케이션")(147) 등을 포함할 수 있다. 커널(141), 미들웨어(143), 또는 API(145)의 적어도 일부는, 운영 시스템으로 지칭될 수 있다. 커널(141)은, 예를 들면, 다른 프로그램들(예: 미들웨어(143), API(145), 또는 어플리케이션 프로그램(147))에 구현된 동작 또는 기능을 실행하는 데 사용되는 시스템 리소스들(예: 버스(110), 프로세서(120), 또는 메모리(130) 등)을 제어 또는 관리할 수 있다. 또한, 커널(141)은 미들웨어(143), API(145), 또는 어플리케이션 프로그램(147)에서 전자 장치(101)의 개별 구성요소에 접근함으로써, 시스템 리소스들을 제어 또는 관리할 수 있는 인터페이스를 제공할 수 있다. Memory 130 may include volatile and/or non-volatile memory. The memory 130 may store, for example, commands or data related to at least one other component of the electronic device 101 . According to one embodiment, memory 130 may store software and/or programs 140 . The program 140 may include, for example, a kernel 141, middleware 143, an application programming interface (API) 145, and/or an application program (or “application”) 147, and the like. . At least part of the kernel 141, middleware 143, or API 145 may be referred to as an operating system. Kernel 141, for example, includes system resources (eg, middleware 143, API 145, or application program 147) used to execute operations or functions implemented in other programs (eg, middleware 143, API 145, or application program 147). : The bus 110, the processor 120, or the memory 130, etc.) can be controlled or managed. In addition, the kernel 141 may provide an interface capable of controlling or managing system resources by accessing individual components of the electronic device 101 from the middleware 143, API 145, or application program 147. can
디스플레이(160)는, 예를 들면, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, 유기 발광 다이오드(OLED) 디스플레이, 또는 마이크로 전자기계 시스템 (MEMS) 디스플레이, 또는 전자종이(electronic paper) 디스플레이를 포함할 수 있다. 디스플레이(160)는, 예를 들면, 사용자에게 각종 콘텐츠(예: 텍스트, 이미지, 비디오, 아이콘, 및/또는 심볼 등)을 표시할 수 있다. 디스플레이(160)는, 터치 스크린을 포함할 수 있으며, 예를 들면, 전자 펜 또는 사용자의 신체의 일부를 이용한 터치, 제스쳐, 근접, 또는 호버링 입력을 수신할 수 있다. 통신 인터페이스(170)는, 예를 들면, 전자 장치(101)와 외부 장치(예: 제1 외부 전자 장치(102), 제2 외부 전자 장치(104), 또는 서버(106)) 간의 통신을 설정할 수 있다. 예를 들면, 통신 인터페이스(170)는 무선 통신 또는 유선 통신을 통해서 네트워크(162)에 연결되어 외부 장치(예: 제2 외부 전자 장치(104) 또는 서버(106))와 통신할 수 있다.The display 160 may be, for example, a liquid crystal display (LCD), a light emitting diode (LED) display, an organic light emitting diode (OLED) display, a microelectromechanical system (MEMS) display, or an electronic paper display. can include The display 160 may display various types of content (eg, text, image, video, icon, and/or symbol) to the user. The display 160 may include a touch screen, and may receive, for example, a touch, gesture, proximity, or hovering input using an electronic pen or a part of the user's body. The communication interface 170 establishes communication between the electronic device 101 and an external device (eg, the first external electronic device 102 , the second external electronic device 104 , or the server 106 ). can For example, the communication interface 170 may be connected to the network 162 through wireless or wired communication to communicate with an external device (eg, the second external electronic device 104 or the server 106).
무선 통신은, 예를 들면, LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다.Wireless communication is, for example, LTE, LTE-A (LTE Advance), CDMA (code division multiple access), WCDMA (wideband CDMA), UMTS (universal mobile telecommunications system), WiBro (Wireless Broadband), or GSM (Global System for Mobile Communications) may include cellular communication using at least one of the like.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다. 다양한 실시예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체(예: 메모리(130))에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서(예: 프로세서(120))에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(예: 자기테이프), 광기록 매체(예: CD-ROM, DVD, 자기-광 매체 (예: 플롭티컬 디스크), 내장 메모리 등을 포함할 수 있다. 명령어는 컴파일러에 의해 만들어지는 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 다양한 실시예에 따른 모듈 또는 프로그램 모듈은 전술한 구성요소들 중 적어도 하나 이상을 포함하거나, 일부가 생략되거나, 또는 다른 구성요소를 더 포함할 수 있다. 다양한 실시예에 따른, 모듈, 프로그램 모듈 또는 다른 구성요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.The term "module" used in this document includes a unit composed of hardware, software, or firmware, and may be used interchangeably with terms such as logic, logic block, component, or circuit, for example. A “module” may be an integrally constructed component or a minimal unit or part thereof that performs one or more functions. A "module" may be implemented mechanically or electronically, for example, a known or future developed application-specific integrated circuit (ASIC) chip, field-programmable gate arrays (FPGAs), or A programmable logic device may be included. At least some of the devices (eg, modules or functions thereof) or methods (eg, operations) according to various embodiments are instructions stored in a computer-readable storage medium (eg, the memory 130) in the form of program modules. can be implemented as When the command is executed by a processor (eg, the processor 120), the processor may perform a function corresponding to the command. Computer-readable recording media include hard disks, floppy disks, magnetic media (e.g. magnetic tape), optical recording media (e.g. CD-ROM, DVD, magneto-optical media (e.g. floptical disks), built-in memory, etc.) A command may include code generated by a compiler or code executable by an interpreter A module or program module according to various embodiments may include at least one or more of the above-described components or , some may be omitted, or may further include other elements.According to various embodiments, operations performed by modules, program modules, or other elements may be executed sequentially, in parallel, iteratively, or heuristically, or at least Some actions may be performed in a different order, omitted, or other actions may be added.
그리고 본 문서에 개시된 실시예는 개시된, 기술 내용의 설명 및 이해를 위해 제시된 것이며, 본 개시의 범위를 한정하는 것은 아니다. 따라서, 본 개시의 범위는, 본 개시의 기술적 사상에 근거한 모든 변경 또는 다양한 다른 실시예를 포함하는 것으로 해석되어야 한다.And the embodiments disclosed in this document are presented for explanation and understanding of the disclosed technical content, and do not limit the scope of the present disclosure. Therefore, the scope of the present disclosure should be construed to include all changes or various other embodiments based on the technical spirit of the present disclosure.
Claims (3)
송수신기(transceiver); 및 프로세서(processor); 를 포함하고,
상기 프로세서는:
멘토링 관련 메뉴 영역 및 화상과외 관련 메뉴 영역을 포함하는 제1 화면을 상기 송수신기를 통하여 상기 사용자 장치에게 제공하고,
㉮ 상기 사용자 장치를 이용하여 상기 웹 사이트에 로그인한 특정 멘티 계정에 의하여, 상기 멘토링 관련 메뉴 영역 내의 멘토링 신청이 선택되는 경우:
미리 정해진 멘티 유형 테스트 문항들 전체에 대한 상기 특정 멘티 계정이 입력한 답변에 기초하여 생성된 제1 이진 영상(binary image)을 확인하고,
유사 이미지 검색을 위한 인공지능 모델을 이용하여, 전체 멘티 계정들의 미리 저장된 이진 영상들 중에서 상기 제1 이진 영상과 미리 정해진 제1 값 이상의 유사도를 갖는 복수의 제1 이진 영상들을 결정하고,
상기 복수의 제1 이진 영상들에 대응하는 복수의 멘티 계정들에 의하여 미리 정해진 횟수 이상 선택된 멘토 계정들 중에서 평점이 가장 높은 특정 멘토 계정을 포함하는 멘토 추천 목록을 상기 송수신기를 통하여 상기 사용자 장치에게 제공하고,
㉯ 상기 특정 멘티 계정에 의하여, 상기 화상과외 관련 메뉴 영역 내의 특정 과목이 선택되는 경우:
상기 특정 과목에 해당하는 복수의 강의들 중에서 복수의 제1 멘티 계정들로부터 가장 많이 선택된 제1 추천 강의 및 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제2 추천 강의를 포함하는 제1 추천 강의 목록을 상기 송수신기를 통하여 상기 사용자 장치에게 제공하도록 제어하고,
상기 복수의 제1 멘티 계정들은 상기 특정 멘티 계정에 미리 친구 등록된 계정들이고, 상기 복수의 제2 멘티 계정들은 상기 특정 멘티 계정에 미리 등록된 학교 정보 및 학년 정보와 모두 동일한 학교 정보 및 학년 정보를 갖는 계정들이고,
상기 프로세서는:
미리 정해진 멘토 유형 테스트 문항들 전체에 대한 상기 특정 멘토 계정이 입력한 답변에 기초하여 생성된 제2 이진 영상을 확인하고,
이미지 유사 검색 알고리즘을 이용하여, 전체 멘토 계정들의 이진 영상들 중에서 상기 제2 이진 영상과 미리 정해진 제2 값 이상의 유사도를 갖는 복수의 제2 이진 영상들을 결정하고,
상기 복수의 제2 이진 영상들에 대응하는 복수의 멘토 계정들을 더 포함하는 상기 멘토 추천 목록을 상기 사용자 장치에게 제공하도록 제어하고,
상기 제1 추천 강의를 제공하는 제1 멘토 계정 또는 상기 제2 추천 강의를 제공하는 제2 멘토 계정 중 적어도 하나가 상기 특정 멘토 계정과 일치하는 경우, 상기 특정 멘토 계정 및 해당 추천 강의를 동일한 색상으로 하이라이트 표시하도록 상기 멘토 추천 목록 및 상기 제1 추천 강의 목록을 사용자 장치에게 제공하도록 제어하는, 서버.
A server that processes a request received from a user device, provides the requested information to the user device, and supports a website that provides a mentor recommendation service and a lecture recommendation service,
transceiver; and a processor; including,
The processor:
Providing a first screen including a menu area related to mentoring and a menu area related to video tutoring to the user device through the transceiver;
㉮ When a mentoring application in the mentoring-related menu area is selected by a specific mentee account logged into the website using the user device:
Checking a first binary image generated based on answers entered by the specific mentee account for all of the predetermined mentee type test questions;
Using an artificial intelligence model for similar image search, determining a plurality of first binary images having a degree of similarity equal to or greater than a predetermined first value to the first binary image among pre-stored binary images of all mentee accounts;
Providing a mentor recommendation list including a specific mentor account having the highest rating among mentor accounts selected a predetermined number of times or more by a plurality of mentee accounts corresponding to the plurality of first binary images to the user device through the transceiver do,
B When a specific subject in the video tutoring related menu area is selected by the specific mentee account:
A first recommended lecture list including a first recommended lecture most selected from a plurality of first mentee accounts and a second recommended lecture most selected from a plurality of second mentee accounts among a plurality of lectures corresponding to the specific subject Control to provide to the user device through the transceiver,
The plurality of first mentee accounts are accounts registered as friends in advance in the specific mentee account, and the plurality of second mentee accounts have the same school information and grade information as those previously registered in the specific mentee account. accounts with
The processor:
Checking a second binary image generated based on answers entered by the specific mentor account for all of the predetermined mentor type test questions;
Using an image similarity search algorithm, determining a plurality of second binary images having a similarity with the second binary image of a predetermined second value or higher among binary images of all mentor accounts;
Control to provide the mentor recommendation list, which further includes a plurality of mentor accounts corresponding to the plurality of second binary images, to the user device;
When at least one of the first mentor account providing the first recommended lecture and the second mentor account providing the second recommended lecture matches the specific mentor account, the specific mentor account and the corresponding recommended lecture are colored the same color. A server that controls to provide the mentor recommendation list and the first recommended lecture list to the user device to be highlighted.
상기 프로세서는:
상기 특정 과목이 선택된 이후에 상기 특정 과목에 대한 특정 강의 시간이 추가로 선택되는 것에 응답하여, 상기 제1 추천 강의 목록에서 상기 제1 추천 강의 및 상기 제2 추천 강의를 제거하고, 상기 복수의 강의들 중에서 상기 특정 강의 시간에 이용 가능한 적어도 하나의 강의를 결정하고,
상기 적어도 하나의 강의 중에서 복수의 사용자들로부터 가장 많이 선택된 제3 추천 강의 및 상기 복수의 제2 멘티 계정들로부터 가장 많이 선택된 제4 추천 강의를 포함하도록 상기 제1 추천 강의 목록을 갱신하도록 제어하는, 서버.According to claim 1,
The processor:
In response to additionally selecting a specific lecture time for the specific subject after the specific subject is selected, the first recommended lecture and the second recommended lecture are removed from the list of first recommended lectures, and the plurality of lectures Determine at least one lecture available at the specific lecture time among them,
Controlling to update the first recommended lecture list to include a third recommended lecture most selected from a plurality of users among the at least one lecture and a fourth recommended lecture most selected from the plurality of second mentee accounts, server.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220066479A KR102568875B1 (en) | 2022-05-31 | 2022-05-31 | Server for providing service for recommending mentor and lecture and method for operation thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220066479A KR102568875B1 (en) | 2022-05-31 | 2022-05-31 | Server for providing service for recommending mentor and lecture and method for operation thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102568875B1 true KR102568875B1 (en) | 2023-08-22 |
Family
ID=87799461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220066479A KR102568875B1 (en) | 2022-05-31 | 2022-05-31 | Server for providing service for recommending mentor and lecture and method for operation thereof |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102568875B1 (en) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100107179A (en) | 2009-03-25 | 2010-10-05 | 유비벨록스(주) | Method and server for providing mentoring services |
KR20160072526A (en) | 2014-12-15 | 2016-06-23 | 한국과학기술정보연구원 | System and methof for mentoring service |
KR20180005877A (en) * | 2016-07-07 | 2018-01-17 | 주식회사 이음솔 | System for providing language learning using user terminal and method thereof |
KR20200046184A (en) * | 2018-10-18 | 2020-05-07 | 카페24 주식회사 | Search method for goods based on online shopping mall, apparatus and system using said method |
-
2022
- 2022-05-31 KR KR1020220066479A patent/KR102568875B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100107179A (en) | 2009-03-25 | 2010-10-05 | 유비벨록스(주) | Method and server for providing mentoring services |
KR20160072526A (en) | 2014-12-15 | 2016-06-23 | 한국과학기술정보연구원 | System and methof for mentoring service |
KR20180005877A (en) * | 2016-07-07 | 2018-01-17 | 주식회사 이음솔 | System for providing language learning using user terminal and method thereof |
KR20200046184A (en) * | 2018-10-18 | 2020-05-07 | 카페24 주식회사 | Search method for goods based on online shopping mall, apparatus and system using said method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10699062B2 (en) | Apparatus and method for providing summarized information using an artificial intelligence model | |
CN106164959B (en) | Behavioral event measurement system and related method | |
US11573991B2 (en) | Deep reinforcement learning-based multi-step question answering systems | |
CN111260545B (en) | Method and device for generating image | |
US20240152548A1 (en) | Electronic apparatus for searching related image and control method therefor | |
US11126835B2 (en) | Hand detection in first person view | |
CN109034069B (en) | Method and apparatus for generating information | |
US10380461B1 (en) | Object recognition | |
US20160004904A1 (en) | Facial tracking with classifiers | |
CN111598164B (en) | Method, device, electronic equipment and storage medium for identifying attribute of target object | |
US10664894B2 (en) | Determination of unique items based on generating descriptive vectors of users | |
US11675928B2 (en) | Electronic device for obfuscating and decoding data and method for controlling same | |
US10789474B2 (en) | System, method and apparatus for displaying information | |
CN108491823B (en) | Method and device for generating human eye recognition model | |
US11115359B2 (en) | Method and apparatus for importance filtering a plurality of messages | |
EP3757817A1 (en) | Electronic device and control method therefor | |
US20220207875A1 (en) | Machine learning-based selection of a representative video frame within a messaging application | |
CN115885321A (en) | Enhanced unification of real and object recognition attributes | |
CN110169021B (en) | Method and apparatus for filtering multiple messages | |
KR20190118108A (en) | Electronic apparatus and controlling method thereof | |
KR102678351B1 (en) | English education system that analyzes the similarity of English words | |
KR102568875B1 (en) | Server for providing service for recommending mentor and lecture and method for operation thereof | |
EP4272184A1 (en) | Selecting representative video frame by machine learning | |
KR102647904B1 (en) | Method, system, and computer program for classify place review images based on deep learning | |
CN114677691B (en) | Text recognition method, device, electronic equipment and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |