KR102593761B1 - 디지털 서비스 기반의 맞춤형 dj 추천 서버, 방법 및 프로그램 - Google Patents
디지털 서비스 기반의 맞춤형 dj 추천 서버, 방법 및 프로그램 Download PDFInfo
- Publication number
- KR102593761B1 KR102593761B1 KR1020230066149A KR20230066149A KR102593761B1 KR 102593761 B1 KR102593761 B1 KR 102593761B1 KR 1020230066149 A KR1020230066149 A KR 1020230066149A KR 20230066149 A KR20230066149 A KR 20230066149A KR 102593761 B1 KR102593761 B1 KR 102593761B1
- Authority
- KR
- South Korea
- Prior art keywords
- listener
- broadcast
- broadcast channel
- terminal
- grade
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 20
- 238000004891 communication Methods 0.000 claims abstract description 37
- 230000002996 emotional effect Effects 0.000 claims description 32
- 230000006399 behavior Effects 0.000 claims description 22
- 230000008921 facial expression Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 7
- 230000004044 response Effects 0.000 description 20
- 230000014509 gene expression Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 208000037656 Respiratory Sounds Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010021703 Indifference Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- IJJVMEJXYNJXOJ-UHFFFAOYSA-N fluquinconazole Chemical compound C=1C=C(Cl)C=C(Cl)C=1N1C(=O)C2=CC(F)=CC=C2N=C1N1C=NC=N1 IJJVMEJXYNJXOJ-UHFFFAOYSA-N 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/4508—Management of client data or end-user data
- H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
- H04N21/4666—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Computer Networks & Wireless Communication (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
본 개시는 청취자의 단말기와 통신을 수행하는 통신부; 및 디지털 서비스 기반 맞춤형 DJ의 추천 제공과 관련된 동작을 제어하는 프로세서를 포함하고, 프로세서는 통신부를 통해 청취자의 단말기로부터 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 수신받고, 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석하며, 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력하고, 맞춤형 DJ 정보를 통신부를 통해 청취자의 단말기로 전송하는 것을 특징으로 할 수 있다.
Description
본 개시는 DJ 추천 서버에 관한 것이다. 보다 상세하게는, 본 개시는 디지털 서비스 기반의 맞춤형 DJ 추천 서버, 방법 및 프로그램에 관한 것이다.
개인방송 기술은, 다양한 기기를 통해 개인이 자유롭게 방송을 할 수 있는 환경을 제공한다.
개인방송 이용자들은, 각자의 취향에 따라 자신이 원하는 방송을 자유롭게 이용할 수 있다.
개인방송 플랫폼을 통해 수많은 개인방송이 개설되면서, 이용자들은 자신에게 가장 적합한 방송을 찾는데 많은 시간을 소모하고 있다.
따라서, 최근에는 청취자에게 맞춤형 DJ의 방송을 청취할 수 있도록 편리함과 플랫폼 서비스의 만족도를 향상시키고, DJ에게 타겟 청취자를 더 많이 모객할 수 있도록 플랫폼 서비스의 만족도를 향상시키기 위한 연구가 지속적으로 행해져오고 있다.
본 개시에 개시된 실시예는, 청취자에게 맞춤형 DJ의 방송을 청취할 수 있도록 편리함과 플랫폼 서비스의 만족도를 향상시킬 수 있는 것을 제공하는데 그 목적이 있다.
또한, 본 개시에 개시된 실시예는, DJ에게 타겟 청취자를 더 많이 모객할 수 있도록 플랫폼 서비스의 만족도를 향상시킬 수 있는 것을 제공하는데 그 목적이 있다.
본 개시가 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 측면에 따른 디지털 서비스 기반의 맞춤형 DJ 추천 서버는, 청취자의 단말기와 통신을 수행하는 통신부; 및 디지털 서비스 기반 맞춤형 DJ의 추천 제공과 관련된 동작을 제어하는 프로세서를 포함하고, 상기 프로세서는 상기 통신부를 통해 상기 청취자의 단말기로부터 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 수신받고, 상기 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 상기 방송 채널별 청취자의 성향을 분석하며, 상기 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력하고, 상기 맞춤형 DJ 정보를 상기 통신부를 통해 상기 청취자의 단말기로 전송하는 것을 특징으로 할 수 있다.
또한, 상기 DJ의 방송 정보는, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대인 것을 특징으로 할 수 있다.
또한, 상기 청취자의 행동 정보는, 상기 해당 방송 채널에서 청취자의 머문 시간, 청취자의 후원 내역, 청취자의 반응 횟수인 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 감정 상태 데이터를 기 설정된 시간 동안 추출하는 것을 특징으로 할 수 있다.
또한, 상기 프로세서는, 상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 얼굴 표정 상태 데이터를 기 설정된 시간 동안 추출하는 것을 특징으로 할 수 있다.
또한, 본 개시의 다른 측면에 따른 서버에 의해 수행되는 디지털 서비스 기반의 맞춤형 DJ 추천 방법은, 청취자의 단말기로부터 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 수신받는 단계; 상기 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 상기 방송 채널별 청취자의 성향을 분석하는 단계; 상기 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력하는 단계; 및 상기 맞춤형 DJ 정보를 상기 청취자의 단말기로 전송하는 단계; 를 포함할 수 있다.
또한, 상기 DJ의 방송 정보는, 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대인 것을 특징으로 할 수 있다.
또한, 상기 청취자의 행동 정보는, 상기 해당 방송 채널에서 청취자의 머문 시간, 청취자의 후원 내역, 청취자의 반응 횟수인 것을 특징으로 할 수 있다.
또한, 상기 분석 단계는, 상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 감정 상태 데이터를 기 설정된 시간 동안 추출하는 것을 특징으로 할 수 있다.
또한, 상기 분석 단계는, 상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 얼굴 표정 상태 데이터를 기 설정된 시간 동안 추출하는 것을 특징으로 할 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 더 제공될 수 있다.
이 외에도, 본 개시를 구현하기 위한 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
본 개시의 전술한 과제 해결 수단에 의하면, 청취자에게 맞춤형 DJ의 방송을 청취할 수 있도록 편리함과 플랫폼 서비스의 만족도를 향상시킬 수 있는 효과를 제공한다.
또한, 본 개시의 전술한 과제 해결 수단에 의하면, DJ에게 타겟 청취자를 더 많이 모객할 수 있도록 플랫폼 서비스의 만족도를 향상시킬 수 있는 효과를 제공한다.
본 개시의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시에 따른 맞춤형 DJ 추천 시스템을 나타낸 도면이다.
도 2는 도 1의 서버의 구성을 나타낸 도면이다.
도 3 및 도 4는 본 개시에 따른 맞춤형 DJ 추천 방법을 나타낸 순서도들이다.
도 5는 도 1의 서버의 인공지능 모델을 기반으로 맞춤형 DJ 데이터를 출력하는 과정을 일 예로 나타낸 도면이다.
도 6 및 도 7은 도 1의 청취자의 단말기를 통해 맞춤형 DJ UI를 선택하는 과정을 일 예로 나타낸 도면들이다.
도 2는 도 1의 서버의 구성을 나타낸 도면이다.
도 3 및 도 4는 본 개시에 따른 맞춤형 DJ 추천 방법을 나타낸 순서도들이다.
도 5는 도 1의 서버의 인공지능 모델을 기반으로 맞춤형 DJ 데이터를 출력하는 과정을 일 예로 나타낸 도면이다.
도 6 및 도 7은 도 1의 청취자의 단말기를 통해 맞춤형 DJ UI를 선택하는 과정을 일 예로 나타낸 도면들이다.
본 개시 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 개시가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 개시가 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는'부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제 1, 제 2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하 첨부된 도면들을 참고하여 본 개시의 작용 원리 및 실시예들에 대해 설명한다.
본 명세서에서 본 개시에 따른 디지털 서비스 기반의 맞춤형 DJ 추천 서버는 연산처리를 수행하여 사용자에게 결과를 제공할 수 있는 다양한 장치들이 모두 포함된다. 예를 들어, 본 개시에 따른 디지털 서비스 기반의 맞춤형 DJ 추천 서버는, 컴퓨터, 서버 및 휴대용 단말기를 모두 포함하거나, 또는 어느 하나의 형태가 될 수 있다.
여기에서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함할 수 있다.
서버는 외부 장치와 통신을 수행하여 정보를 처리하는 것으로써, 애플리케이션 서버, 컴퓨팅 서버, 데이터베이스 서버, 파일 서버, 메일 서버, 프록시 서버 및 웹 서버 등을 포함할 수 있다.
휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.
본 개시에 따른 디지털 서비스 기반의 맞춤형 DJ 추천 시스템은, 청취자의 단말기로부터 방송 채널별 청취자의 행동 정보를 수신받고, 방송 채널별 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석하며, 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력하고, 맞춤형 DJ 정보를 청취자의 단말기로 전송하도록 제공될 수 있다.
이러한, 디지털 서비스 기반의 맞춤형 DJ 추천 시스템은, 청취자에게 맞춤형 DJ의 방송을 청취할 수 있도록 편리함과 플랫폼 서비스의 만족도를 향상시킬 수 있고, DJ에게 타겟 청취자를 더 많이 모객할 수 있도록 플랫폼 서비스의 만족도를 향상시킬 수 있다.
이하에서는, 디지털 서비스 기반의 맞춤형 DJ 추천 시스템을 자세하게 살펴보기로 한다.
도 1은 본 개시에 따른 맞춤형 DJ 추천 시스템을 나타낸 도면이다. 도 2는 도 1의 서버의 구성을 나타낸 도면이다.
도 1 및 도 2를 참조하면, 맞춤형 DJ 추천 시스템(100)은 청취자의 단말기(110), DJ의 단말기(120), 서버(130)를 포함할 수 있다.
서버(130)는 청취자의 단말기(110)와 DJ의 단말기(120) 중 적어도 하나가 플랫폼에 등록되어 있는지를 판단하여, 접속(access)을 허용할 수 있다. 이때, 서버(130)는 청취자의 단말기(110)와 DJ의 단말기(120) 중 적어도 하나에 적용된 암호화키와 복호화키등을 이용하여 보안 인증을 수행할 수 있다.
서버(130)는 통신부(131), 메모리(132), 프로세서(133)를 포함할 수 있다.
통신부(131)는 청취자의 단말기(110)와 통신을 수행할 수 있다. 이때, 청취자는 방송 채널별로 해당 DJ 방송을 듣는 사람일 수 있다. 또한, 통신부(131)는 청취자의 단말기(110)와 통신을 수행하는 DJ의 단말기(120)와 통신을 더 수행할 수 있다. 이때, DJ(DISK JOCKEY)는, 청취자에게 음악을 전달하는 사람일 수 있다. 여기에서, 통신부(131)는 와이파이(Wifi) 모듈, 와이브로(Wireless broadband) 모듈 외에도, GSM(global System for Mobile Communication), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), UMTS(universal mobile telecommunications system), TDMA(Time Division Multiple Access), LTE(Long Term Evolution), 4G, 5G, 6G 등 다양한 무선 통신 방식을 지원하는 무선 통신 모듈을 포함할 수 있다.
메모리(132)는 본 장치 내의 구성요소들의 동작을 제어하기 위한 알고리즘 또는 알고리즘을 재현한 프로그램에 대한 데이터를 저장할 수 있고, 메모리(132)에 저장된 데이터를 이용하여 전술한 동작을 수행하는 적어도 하나의 프로세서(133)로 구현될 수 있다. 여기에서, 메모리(132)와 프로세서(133)는 각각 별개의 칩으로 구현될 수 있다. 또한, 메모리(132)와 프로세서(133)는 단일 칩으로 구현될 수도 있다.
메모리(132)는 본 장치의 다양한 기능을 지원하는 데이터와, 프로세서(133)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 저장할 있고, 본 장치에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 본 장치의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다.
이러한, 메모리(132)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 메모리(132)는 본 장치와는 분리되어 있으나, 유선 또는 무선으로 연결된 데이터베이스가 될 수도 있다.
프로세서(133)는 맞춤형 DJ의 추천 제공과 관련된 동작을 제어할 수 있다.
프로세서(133)는, 통신부(131)를 통해 청취자의 단말기(110)로부터 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 수신받을 수 있다. 이때, 프로세서(133)는, 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석할 수 있다. 또한, 프로세서(133)는, 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력할 수 있다. 또한, 프로세서(133)는, 맞춤형 DJ 정보를 통신부(131)를 통해 청취자의 단말기(110)로 전송할 수 있다. 여기에서, DJ의 방송 정보는, 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대일 수 있다. 또한, 청취자의 행동 정보는, 해당 방송 채널에서 청취자의 머문 시간, 청취자의 후원 내역, 청취자의 반응 횟수일 수 있다.
프로세서(133)는, 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석할 때, 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 감정 상태 데이터를 기 설정된 시간 동안 추출할 수도 있다.
프로세서(133)는, 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석할 때, 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 얼굴 표정 상태 데이터를 기 설정된 시간 동안 추출할 수도 있다.
도 3 및 도 4는 본 개시에 따른 맞춤형 DJ 추천 방법을 나타낸 순서도들이다.
도 3을 참조하면, 맞춤형 DJ 추천 방법은, 수신 단계(S302), 분석 단계(S304), 출력 단계(S306), 전송 단계(S308)를 포함할 수 있다.
수신 단계는, 통신부(131)를 통해, 청취자의 단말기(110)로부터 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 수신받을 수 있다(S302).
이때, 방송 채널별 DJ의 방송 정보는, 해당 방송 채널에서 DJ의 음성, 해당 방송 채널에서 DJ의 얼굴, 해당 방송 채널에서 DJ의 방송 시간대일 수 있다. 즉, 청취자의 단말기(110)는 통신부(131)를 통해, 해당 방송 채널에서 방송중인 해당 DJ의 음성 데이터, 해당 DJ의 얼굴 이미지 데이터, 해당 DJ의 방송 시간대 데이터를 프로세서(133)로 전송할 수 있다.
또한, 방송 채널별 청취자의 행동 정보는, 해당 방송 채널에서 청취자의 머문 시간, 해당 방송 채널에서 청취자의 반응 횟수, 해당 방송 채널에서 청취자의 후원 내역일 수 있다. 즉, 청취자의 단말기(110)는 통신부(131)를 통해, 해당 방송 채널에서 방송중인 해당 DJ의 방송에 대한 관심 정도를 나타내는 청취자의 머문 시간 데이터, 채팅등과 같은 청취자의 반응 횟수 데이터, 청취자의 후원 내역 데이터를 프로세서(133)로 전송할 수 있다.
분석 단계는, 프로세서(133)를 통해, 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석할 수 있다(S304).
예를 들어, 프로세서(133)는 청취자의 머문 시간이 기 설정된 제1 시간을 만족하지 않으면, 해당 DJ의 방송에 대한 관심 정도가 상당히 적은 상태인 것으로 판단할 수 있다. 이때, 프로세서(133)는 해당 DJ의 방송 진행 정도를 최하위 등급으로 결정할 수 있다. 여기에서, 프로세서(133)는 최하위 등급을 갖는 해당 DJ의 단말기(120)로 통신부(131)를 통해 하위 등급, 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송할 수도 있다. 이때, 최하위 등급을 갖는 해당 DJ의 단말기(120)는 하위 등급, 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 각각 표시할 수도 있다. 즉, 최하위 등급을 갖는 해당 DJ는 하위 등급, 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행 상태를 각각 확인하고, 자신의 방송 진행 스킬을 개선시킬 수 있다.
다른 예를 들어, 프로세서(133)는 청취자의 머문 시간이 기 설정된 제1 시간을 만족하고 기 설정된 제1 시간보다 많은 제2 시간을 만족하지 않으면, 해당 DJ의 방송에 대한 관심 정도가 적은 상태인 것으로 판단할 수 있다. 이때, 프로세서(133)는 해당 DJ의 방송 진행 정도를 하위 등급으로 결정할 수 있다. 여기에서, 프로세서(133)는 하위 등급을 갖는 해당 DJ의 단말기(120)로 통신부(131)를 통해 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송할 수도 있다. 이때, 하위 등급을 갖는 해당 DJ의 단말기(120)는 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 각각 표시할 수도 있다. 즉, 하위 등급을 갖는 해당 DJ는 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행 상태를 각각 확인하고, 자신의 방송 진행 스킬을 개선시킬 수 있다.
또 다른 예를 들어, 프로세서(133)는 청취자의 머문 시간이 기 설정된 제2 시간을 만족하고 기 설정된 제2 시간보다 많은 제3 시간을 만족하지 않으며, 채팅등과 같은 청취자의 반응 횟수가 기 설정된 1회를 만족하면, 해당 DJ의 방송에 대한 관심 정도가 보통 상태인 것으로 판단할 수 있다. 이때, 프로세서(133)는 해당 DJ의 방송 진행 정도를 보통 등급으로 결정할 수 있다. 여기에서, 프로세서(133)는 보통 등급을 갖는 해당 DJ의 단말기(120)로 통신부(131)를 통해 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송할 수도 있다. 이때, 보통 등급을 갖는 해당 DJ의 단말기(120)는 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 각각 표시할 수도 있다. 즉, 보통 등급을 갖는 해당 DJ는 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행 상태를 각각 확인하고, 자신의 방송 진행 스킬을 개선시킬 수 있다.
또 다른 예를 들어, 프로세서(133)는 청취자의 머문 시간이 기 설정된 제3 시간을 만족하고, 채팅등과 같은 청취자의 반응 횟수가 기 설정된 2회 이상을 만족하면, 해당 DJ의 방송에 대한 관심 정도가 많은 상태인 것으로 판단할 수 있다. 이때, 프로세서(133)는 해당 DJ의 방송 진행 등급을 상위 등급으로 결정할 수 있다. 여기에서, 프로세서(133)는 상위 등급을 갖는 해당 DJ의 단말기(120)로 통신부(131)를 통해 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송할 수도 있다. 이때, 상위 등급을 갖는 해당 DJ의 단말기(120)는 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 표시할 수도 있다. 즉, 상위 등급을 갖는 해당 DJ는 최상위 등급을 갖는 해당 DJ의 방송 진행 상태를 확인하고, 자신의 방송 진행 스킬을 개선시킬 수 있다.
또 다른 예를 들어, 프로세서(133)는 청취자의 머문 시간이 기 설정된 제3 시간을 만족하고, 채팅등과 같은 청취자의 반응 횟수가 기 설정된 2회 이상을 만족하며, 청취자의 후원 내역이 기 설정된 1회 이상을 만족하면, 해당 DJ의 방송에 대한 관심 정도가 상당히 많은 상태인 것으로 판단할 수 있다. 이때, 프로세서(133)는 해당 DJ의 방송 진행 등급을 최상위 등급으로 결정할 수 있다.
프로세서(133)는, 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석할 때, 해당 방송 채널에서 DJ의 음성, 해당 방송 채널에서 DJ의 얼굴, 해당 방송 채널에서 DJ의 방송 시간대에 따른 청취자의 감정 상태 데이터를 기 설정된 시간 동안 추출할 수도 있다.
즉, 청취자의 단말기(110)는 통신부(131)를 통해, 해당 방송 채널에서 방송중인 해당 DJ의 음성 데이터, 해당 DJ의 얼굴 이미지 데이터, 해당 DJ의 방송 시간대 데이터를 프로세서(133)로 전송할 수 있다. 또한, 청취자의 단말기(110)는 해당 방송 채널에서의 채팅 데이터를 프로세서(133)로 전송할 수 있다. 여기에서, 프로세서(133)는, 해당 DJ의 음성 데이터, 해당 DJ의 얼굴 이미지 데이터, 해당 DJ의 방송 시간대 데이터와 연계되어 설정된 해당 방송 채널에서의 채팅 데이터를 출력할 수 있다. 이때, 프로세서(133)는, 채팅 데이터 내의 감정 키워드에 상응하는 청취자의 감정 상태 데이터를 기 설정된 시간 동안 추출할 수 있다. 예를 들어, 프로세서(133)는, 좋은 감정 키워드에 상응하는 청취자의 좋은 감정 상태 데이터와 나쁜 감정 키워드에 상응하는 청취자의 나쁜 감정 상태 데이터를 기 설정된 시간 동안 추출할 수 있다.
여기에서, 프로세서(133)는 좋은 감정 상태 데이터의 개수에 따라 보통 등급, 상위 등급, 최상위 등급으로 결정할 수 있다. 또한, 프로세서(133)는 나쁜 감정 상태 데이터의 개수에 따라 하위 등급, 최하위 등급으로 결정할 수 있다. 이때, 프로세서(133)는 하위 등급, 최하위 등급을 갖는 해당 DJ의 단말기(120)로 통신부(131)를 통해 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송할 수도 있다. 이때, 하위 등급, 최하위 등급을 갖는 해당 DJ의 단말기(120)는 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 각각 표시할 수도 있다. 즉, 하위 등급, 최하위 등급을 갖는 해당 DJ는 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행 상태를 각각 확인하고, 자신의 방송 진행 스킬을 개선시킬 수 있다.
프로세서(133)는, 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 방송 채널별 청취자의 성향을 분석할 때, 해당 방송 채널에서 DJ의 음성, 해당 방송 채널에서 DJ의 얼굴, 해당 방송 채널에서 DJ의 방송 시간대에 따른 청취자의 얼굴 표정 상태 데이터를 기 설정된 시간 동안 추출할 수도 있다.
즉, 청취자의 단말기(110)는 통신부(131)를 통해, 해당 방송 채널에서 방송중인 해당 DJ의 음성 데이터, 해당 DJ의 얼굴 이미지 데이터, 해당 DJ의 방송 시간대 데이터를 프로세서(133)로 전송할 수 있다. 또한, 청취자의 단말기(110)는 해당 DJ의 방송 시간대에 카메라 기반으로 촬영된 청취자의 얼굴 표정 상태 데이터를 프로세서(133)로 전송할 수 있다. 여기에서, 프로세서(133)는, 해당 DJ의 음성 데이터, 해당 DJ의 얼굴 이미지 데이터, 해당 DJ의 방송 시간대 데이터와 연계되어 설정된 청취자의 얼굴 표정 상태 데이터를 출력할 수 있다. 예를 들어, 프로세서(133)는, 얼굴 표정 상태 데이터 내의 기쁜 표정 데이터, 슬픈 표정 데이터, 감동 표정 데이터, 무관심 표정 데이터를 기 설정된 시간 동안 추출할 수 있다.
여기에서, 프로세서(133)는 기쁜 표정 데이터의 지속 시간, 슬픈 표정 데이터의 지속 시간, 감동 표정 데이터의 지속 시간에 따라 보통 등급, 상위 등급, 최상위 등급으로 결정할 수 있다. 또한, 프로세서(133)는 무관심 표정 데이터의 지속 시간에 따라 하위 등급, 최하위 등급으로 결정할 수 있다. 이때, 프로세서(133)는 하위 등급, 최하위 등급을 갖는 해당 DJ의 단말기(120)로 통신부(131)를 통해 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송할 수도 있다. 이때, 하위 등급, 최하위 등급을 갖는 해당 DJ의 단말기(120)는 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 각각 표시할 수도 있다. 즉, 하위 등급, 최하위 등급을 갖는 해당 DJ는 보통 등급, 상위 등급 및 최상위 등급을 갖는 해당 DJ의 방송 진행 상태를 각각 확인하고, 자신의 방송 진행 스킬을 개선시킬 수 있다.
출력 단계는, 프로세서(133)를 통해, 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력할 수 있다(S306). 여기에서, 프로세서(133)는 방송 채널별로 청취자들의 성향을 유사도 분석 기법으로 측정하고, 유사도 분석 기법으로 측정된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력할 수 있다.
도 5는 도 1의 서버의 인공지능 모델을 기반으로 맞춤형 DJ 데이터를 출력하는 과정을 일 예로 나타낸 도면이다.
도 5를 참조하면, 서버(130)는 메타 데이터 중 DJ별 음성 데이터(ID1), DJ별 얼굴 이미지 데이터(ID2), DJ별 방송 시간대 데이터(ID3), DJ별 청취자의 머문 시간 데이터(ID4), DJ별 청취자의 반응 횟수 데이터(ID5), DJ별 청취자의 후원 내역 데이터(ID6), DJ별 청취자의 감정 상태 데이터(ID7), DJ별 청취자의 얼굴 표정 상태 데이터(ID8), 환경적 요인 데이터(ID9)의 입력값을 인공지능 모델(AIM)을 기반으로 학습하여 추천된 맞춤형 DJ 데이터(OD)의 결과값을 출력할 수 있다.
인공지능 모델(AIM)은 다양한 DJ별 음성 데이터(ID1), 다양한 DJ별 얼굴 이미지 데이터(ID2), 다양한 DJ별 방송 시간대 데이터(ID3), 다양한 DJ별 청취자의 머문 시간 데이터(ID4), 다양한 DJ별 청취자의 반응 횟수 데이터(ID5), 다양한 DJ별 청취자의 후원 내역 데이터(ID6), 다양한 DJ별 청취자의 감정 상태 데이터(ID7), 다양한 DJ별 청취자의 얼굴 표정 상태 데이터(ID8), 다양한 환경적 요인 데이터(ID9)를 CNN 알고리즘 또는 RNN 알고리즘을 이용하여 학습데이터 셋으로 구축 및 강화 학습시킬 수 있다.
여기에서, 다양한 DJ별 음성 데이터(ID1)는 청취자의 단말기(110)에 저장된 스피커 기반의 데이터일 수 있다. 또한, 다양한 DJ별 얼굴 이미지 데이터(ID2), 다양한 DJ별 방송 시간대 데이터(ID3), 다양한 DJ별 청취자의 머문 시간 데이터(ID4), 다양한 DJ별 청취자의 반응 횟수 데이터(ID5), 다양한 DJ별 청취자의 후원 내역 데이터(ID6)는 청취자의 단말기(110)에 저장된 방송 영상 기반의 데이터일 수 있다. 또한, 다양한 DJ별 청취자의 감정 상태 데이터(ID7)는 청취자의 단말기(110)에 저장된 채팅 데이터 내의 키워드를 기반으로한 좋은 감정 상태 데이터와 나쁜 감정 상태 데이터를 포함할 수 있다. 또한, 다양한 DJ별 청취자의 얼굴 표정 상태 데이터(ID8)는 청취자의 단말기(110)에 저장된 카메라 기반과 스피커 기반의 기쁜 표정 데이터, 슬픈 표정 데이터, 감동 표정 데이터, 무관심 표정 데이터를 포함할 수 있다. 또한, 다양한 환경적 요인 데이터(ID9)는 청취자의 단말기(110)에 저장된 카메라 기반과 스피커 기반 및 GPS 기반의 대중 교통 이용 상황 데이터, 차 이용 상황 데이터, 집에 있는 상황 데이터, 외부에 있는 상황 데이터를 포함할 수 있다. 이때, 메모리(132)는 인공지능 모델(AIM)을 기반으로 학습하여 추천된 맞춤형 DJ 데이터(OD)를 저장할 수 있다.
전송 단계는, 통신부(131)를 통해, 맞춤형 DJ 정보를 청취자의 단말기(110)로 전송할 수 있다(S308). 여기에서, 통신부(131)는 추천된 맞춤형 DJ 데이터(OD)를 청취자의 단말기(110)로 전송할 수 있다. 이때, 청취자의 단말기(110)는 추천된 맞춤형 DJ 데이터(OD)를 표시할 수 있다.
도 6 및 도 7은 도 1의 청취자의 단말기를 통해 맞춤형 DJ UI를 선택하는 과정을 일 예로 나타낸 도면들이다.
도 6에 도시된 바와 같이, 청취자의 단말기(110)는 맞춤형 DJ 선택 UI(111)를 표시할 수 있다. 이때, 청취자는 맞춤형 DJ 선택 UI(111)의 "예"를 선택하면, 도 7에 도시된 바와 같이, 청취자의 단말기(110)는 1순위 맞춤형 DJ UI(111a), 2순위 맞춤형 DJ UI(111b), 3순위 맞춤형 DJ UI(111c)를 표시할 수 있다. 이때, 청취자는 1순위 맞춤형 DJ UI(111a)를 선택하면, 1순위 맞춤형 DJ의 방송을 청취할 수 있는 방송 채널의 리스트를 표시할 수 있다. 또한, 청취자는 2순위 맞춤형 DJ UI(111b)를 선택하면, 1순위 맞춤형 DJ의 방송과 다른 2순위 맞춤형 DJ의 방송을 청취할 수 있는 방송 채널의 리스트를 표시할 수 있다. 또한, 청취자는 3순위 맞춤형 DJ UI(111b)를 선택하면, 1, 2순위 맞춤형 DJ의 방송과 다른 3순위 맞춤형 DJ의 방송을 청취할 수 있는 방송 채널의 리스트를 표시할 수 있다.
이러한, 서버(130)는 청취자에게 맞춤형 DJ의 방송을 청취할 수 있도록 편리함과 플랫폼 서비스의 만족도를 향상시키고, DJ에게 타겟 청취자를 더 많이 모객할 수 있도록 플랫폼 서비스의 만족도를 향상시킬 수 있다.
도 4을 참조하면, 맞춤형 DJ 추천 방법은, 판단 단계(S310), 오프 동작 단계(S312), 온 동작 유지 단계(S314)를 포함할 수 있다.
판단 단계는, 프로세서(133)를 통해, 청취자가 수면 상태인지를 판단할 수 있다(S310). 여기에서, 프로세서(133)는 청취자의 단말기(110)에 저장된 카메라 기반의 영상 데이터, 스피커 기반의 음성 데이터, 중력 센서 기반의 위치 데이터, 가속도 센서 기반의 위치 데이터, 자이로 센서 기반의 위치 데이터, 응답 팝업창 기반의 응답 데이터를 수신받아 청취자가 수면 상태인지를 판단할 수 있다.
오프 동작 단계는, 프로세서(133)를 통해, 청취자가 수면 상태일 경우, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 오프 동작시키도록, 해당 청취자의 단말기(110)를 제어할 수 있다(S312).
예를 들어, 프로세서(133)는 카메라 기반의 영상 데이터 내의 뒤척임 수준이 기 설정된 시간 동안 제1 수준을 만족하지 않을 경우, 청취자가 수면 상태인 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 오프 동작시키도록, 해당 청취자의 단말기(110)를 제어할 수 있다. 다른 예를 들어, 프로세서(133)는 스피커 기반의 음성 데이터 내의 숨소리 수준이 기 설정된 시간 동안 제2 수준을 만족하지 않을 경우, 청취자가 수면 상태인 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 오프 동작시키도록, 해당 청취자의 단말기(110)를 제어할 수 있다. 또 다른 예를 들어, 프로세서(133)는 중력 센서 기반의 위치 데이터, 가속도 센서 기반의 위치 데이터, 자이로 센서 기반의 위치 데이터 내의 위치 좌표 수준이 기 설정된 시간 동안 제3 수준을 만족하지 않을 경우, 청취자가 수면 상태인 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 오프 동작시키도록, 해당 청취자의 단말기(110)를 제어할 수 있다. 또 다른 예를 들어, 프로세서(133)는 응답 팝업창 기반의 응답 데이터 내의 응답 시간 수준이 기 설정된 시간 동안 제4 수준을 만족하지 않을 경우, 청취자가 수면 상태인 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 오프 동작시키도록, 해당 청취자의 단말기(110)를 제어할 수 있다.
온 동작 유지 단계는, 프로세서(133)를 통해, 청취자가 수면 상태가 아닐 경우, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 온 상태로 유지하도록, 해당 청취자의 단말기(110)를 제어할 수 있다(S314).
예를 들어, 프로세서(133)는 카메라 기반의 영상 데이터 내의 뒤척임 수준이 기 설정된 시간 동안 제1 수준을 만족할 경우, 청취자가 수면 상태로 진입하는 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 온 상태로 유지하되, 제1 수준에 연계되어 저장된 맞춤형 DJ의 방송 채널을 자동으로 실행하도록, 해당 청취자의 단말기(110)를 제어할 수 있다. 다른 예를 들어, 프로세서(133)는 스피커 기반의 음성 데이터 내의 숨소리 수준이 기 설정된 시간 동안 제2 수준을 만족할 경우, 청취자가 수면 상태로 진입하는 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 온 상태로 유지하되, 제2 수준에 연계되어 저장된 맞춤형 DJ의 방송 채널을 자동으로 실행하도록, 해당 청취자의 단말기(110)를 제어할 수 있다. 또 다른 예를 들어, 프로세서(133)는 중력 센서 기반의 위치 데이터, 가속도 센서 기반의 위치 데이터, 자이로 센서 기반의 위치 데이터 내의 위치 좌표 수준이 기 설정된 시간 동안 제3 수준을 만족할 경우, 청취자가 수면 상태로 진입하는 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 온 상태로 유지하되, 제3 수준에 연계되어 저장된 맞춤형 DJ의 방송 채널을 자동으로 실행하도록, 해당 청취자의 단말기(110)를 제어할 수 있다. 또 다른 예를 들어, 프로세서(133)는 응답 팝업창 기반의 응답 데이터 내의 응답 시간 수준이 기 설정된 시간 동안 제4 수준을 만족할 경우, 청취자가 수면 상태로 진입하는 것으로 판단하고, 해당 청취자의 단말기(110) 내 DJ의 방송 채널을 온 상태로 유지하되, 제4 수준에 연계되어 저장된 맞춤형 DJ의 방송 채널을 자동으로 실행하도록, 해당 청취자의 단말기(110)를 제어할 수 있다.
이러한, 서버(130)는 수면 상태로 진입하는 청취자에게 맞춤형 DJ의 방송을 청취할 수 있도록 편안함과 플랫폼 서비스의 만족도를 향상시키고, 청취자가 수면 상태인 경우 해당 청취자의 단말기 내 DJ의 방송 채널을 효율적으로 오프 동작시킬 수 있다.
도 1, 도 2, 도 5 내지 도 7에 도시된 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.
도 3 및 도 4는 복수의 단계를 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3 및 도 4에 기재된 순서를 변경하여 실행하거나 복수의 단계 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3 및 도 4는 시계열적인 순서로 한정되는 것은 아니다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자는 본 개시의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 개시가 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.
100: 맞춤형 DJ 추천 시스템 110: 청취자의 단말기
120: DJ의 단말기 130: 서버
131: 통신부 132: 메모리
133: 프로세서
120: DJ의 단말기 130: 서버
131: 통신부 132: 메모리
133: 프로세서
Claims (10)
- 청취자의 단말기와 통신을 수행하는 통신부; 및
디지털 서비스 기반 맞춤형 DJ의 추천 제공과 관련된 동작을 제어하는 프로세서를 포함하고,
상기 프로세서는,
상기 통신부를 통해 상기 청취자의 단말기로부터 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 수신받고,
상기 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 상기 방송 채널별 청취자의 성향을 분석하며,
상기 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력하고,
상기 맞춤형 DJ 정보를 상기 통신부를 통해 상기 청취자의 단말기로 전송하되,
상기 DJ의 방송 정보는, 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대이고,
상기 프로세서는,
상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 좋은 감정 키워드에 상응하는 청취자의 좋은 감정 상태 데이터와 나쁜 감정 키워드에 상응하는 청취자의 나쁜 감정 상태 데이터를 기 설정된 시간 동안 추출하고,
상기 좋은 감정 상태 데이터의 개수에 따라 보통 등급, 상위 등급, 최상위 등급으로 결정하며,
상기 나쁜 감정 상태 데이터의 개수에 따라 하위 등급, 최하위 등급으로 결정하고,
상기 하위 등급, 상기 최하위 등급을 갖는 해당 DJ의 단말기로 상기 통신부를 통해 상기 보통 등급, 상기 상위 등급 및 상기 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송하며,
상기 하위 등급, 상기 최하위 등급을 갖는 해당 DJ의 단말기를 통해, 상기 보통 등급, 상기 상위 등급 및 상기 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 각각 표시하도록, 상기 하위 등급, 상기 최하위 등급을 갖는 해당 DJ의 단말기를 제어하는 것을 특징으로 하는, 디지털 서비스 기반의 맞춤형 DJ 추천 서버. - 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 프로세서는,
상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 얼굴 표정 상태 데이터를 기 설정된 시간 동안 추출하는 것을 특징으로 하는, 디지털 서비스 기반의 맞춤형 DJ 추천 서버. - 서버에 의해 수행되는 디지털 서비스 기반의 맞춤형 DJ 추천 방법에 있어서,
청취자의 단말기로부터 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 수신받는 단계;
상기 방송 채널별 DJ의 방송 정보와 청취자의 행동 정보를 기반으로, 상기 방송 채널별 청취자의 성향을 분석하는 단계;
상기 분석된 방송 채널별 청취자의 성향 결과에 상응하는 맞춤형 DJ 정보를 출력하는 단계; 및
상기 맞춤형 DJ 정보를 상기 청취자의 단말기로 전송하는 단계; 를 포함하되,
상기 DJ의 방송 정보는, 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대이고,
상기 서버는,
상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 좋은 감정 키워드에 상응하는 청취자의 좋은 감정 상태 데이터와 나쁜 감정 키워드에 상응하는 청취자의 나쁜 감정 상태 데이터를 기 설정된 시간 동안 추출하고,
상기 좋은 감정 상태 데이터의 개수에 따라 보통 등급, 상위 등급, 최상위 등급으로 결정하며,
상기 나쁜 감정 상태 데이터의 개수에 따라 하위 등급, 최하위 등급으로 결정하고,
상기 하위 등급, 상기 최하위 등급을 갖는 해당 DJ의 단말기로 상기 보통 등급, 상기 상위 등급 및 상기 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 방송 진행 가이드 정보를 전송하며,
상기 하위 등급, 상기 최하위 등급을 갖는 해당 DJ의 단말기를 통해, 상기 보통 등급, 상기 상위 등급 및 상기 최상위 등급을 갖는 해당 DJ의 방송 진행에 대한 가이드 정보를 각각 표시하도록, 상기 하위 등급, 상기 최하위 등급을 갖는 해당 DJ의 단말기를 제어하는 것을 특징으로 하는, 방법. - 삭제
- 삭제
- 삭제
- 제6항에 있어서,
상기 분석 단계는,
상기 방송 채널별 청취자의 성향을 분석할 때, 상기 해당 방송 채널에서 DJ의 음성, DJ의 얼굴, DJ의 방송 시간대에 따른 청취자의 얼굴 표정 상태 데이터를 기 설정된 시간 동안 추출하는 것을 특징으로 하는, 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230066149A KR102593761B1 (ko) | 2023-05-23 | 2023-05-23 | 디지털 서비스 기반의 맞춤형 dj 추천 서버, 방법 및 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230066149A KR102593761B1 (ko) | 2023-05-23 | 2023-05-23 | 디지털 서비스 기반의 맞춤형 dj 추천 서버, 방법 및 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102593761B1 true KR102593761B1 (ko) | 2023-10-26 |
Family
ID=88508747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230066149A KR102593761B1 (ko) | 2023-05-23 | 2023-05-23 | 디지털 서비스 기반의 맞춤형 dj 추천 서버, 방법 및 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102593761B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101715070B1 (ko) | 2015-12-21 | 2017-03-13 | 미디어스코프 주식회사 | 디지털음성송신 기반의 음악 라디오 서비스 제공 시스템 및 방법 |
| KR20190015964A (ko) * | 2017-08-07 | 2019-02-15 | 주식회사 아프리카티비 | 추천 방송 제공 방법 및 이를 이용하는 장치 |
| KR20220087215A (ko) * | 2020-12-17 | 2022-06-24 | 강민경 | 컨텐츠 추천 시스템 및 그 제어 방법 |
| KR20220135203A (ko) * | 2021-03-26 | 2022-10-06 | 주식회사 뮤팟 | 스트리밍 방송에서의 자동 추천 음악 지원 시스템 |
-
2023
- 2023-05-23 KR KR1020230066149A patent/KR102593761B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101715070B1 (ko) | 2015-12-21 | 2017-03-13 | 미디어스코프 주식회사 | 디지털음성송신 기반의 음악 라디오 서비스 제공 시스템 및 방법 |
| KR20190015964A (ko) * | 2017-08-07 | 2019-02-15 | 주식회사 아프리카티비 | 추천 방송 제공 방법 및 이를 이용하는 장치 |
| KR20220087215A (ko) * | 2020-12-17 | 2022-06-24 | 강민경 | 컨텐츠 추천 시스템 및 그 제어 방법 |
| KR20220135203A (ko) * | 2021-03-26 | 2022-10-06 | 주식회사 뮤팟 | 스트리밍 방송에서의 자동 추천 음악 지원 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108351992B (zh) | 根据活动预测的增强型计算机体验 | |
| CN108351870B (zh) | 根据活动模式的计算机语音识别和语义理解 | |
| US10446142B2 (en) | Crafting feedback dialogue with a digital assistant | |
| US20180101776A1 (en) | Extracting An Emotional State From Device Data | |
| US20170090690A1 (en) | Continuity of experience card for index | |
| CN104035995B (zh) | 群标签生成方法及装置 | |
| CN104520841A (zh) | 用于改进用户体验的方法和装置 | |
| US11301534B2 (en) | Mediating method and device | |
| KR20150095624A (ko) | 다수의 개인을 위한 가상 에이전트 추천 시스템 및 방법 | |
| US10726087B2 (en) | Machine learning system and method to identify and connect like-minded users | |
| KR102585230B1 (ko) | 통화 요청에 대한 알림 메시지를 제공하는 디바이스 및 방법 | |
| KR20190047867A (ko) | 빅데이터를 이용한 사용자 맞춤형 숙소추천장치 및 방법 | |
| US20170017996A1 (en) | Social aggregation communications | |
| CN111159570A (zh) | 一种信息推荐方法及服务器 | |
| KR20180096182A (ko) | 전자 장치 및 그 전자 장치의 제어 방법 | |
| US20200005784A1 (en) | Electronic device and operating method thereof for outputting response to user input, by using application | |
| KR101861828B1 (ko) | 개인화 컨텐츠 제공 방법 및 이를 위한 컴퓨터 프로그램 | |
| KR102593761B1 (ko) | 디지털 서비스 기반의 맞춤형 dj 추천 서버, 방법 및 프로그램 | |
| KR102350594B1 (ko) | 유전자 검사 결과 기반 개인성향 유전자 마커를 이용한 라이프 스타일 추천 서비스 제공 방법 | |
| US20110258131A1 (en) | System and method for sharing information | |
| US10924568B1 (en) | Machine learning system for networking | |
| US20230325944A1 (en) | Adaptive wellness collaborative media system | |
| US20230100788A1 (en) | Server and method for providing recommendation content | |
| KR102508151B1 (ko) | 이동 단말기 및 그 제어 방법 | |
| KR20180075227A (ko) | 전자 장치 및 전자 장치의 검색 서비스 제공 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |