KR102599369B1 - WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법 - Google Patents

Abstract

본 발명은 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 관한 것으로, 콘텐츠 기반 필터링을 통해 학습 콘텐츠의 내용을 분석하며, 서로 유사한 학습 콘텐츠를 학습자에게 리스트 형식으로 제공할 수 있고, 학습자와 교습자 간 원활한 멘토링 서비스를 위한 WebRTC 기반의 실시간 영상 및 채팅이 가능한 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 관한 것이다. 본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템은, 학습자가 소지한 학습자단말기로부터 학습자의 정보를 수집하는 정보수집부; 상기 학습자의 정보를 분석하여 상기 학습자의 학습 콘텐츠 선호 정보가 포함된 유저프로파일(user profile)을 생성하는 학습자분석부; 교습자단말기 또는 외부서버로부터 수신한 복수개의 학습 콘텐츠가 저장되는 데이터베이스부; 상기 학습 콘텐츠를 분석하여 상기 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성하는 콘텐츠분석부; 상기 아이템프로파일 및 상기 유저프로파일에 기반하여 상기 데이터베이스부에 저장된 복수개의 학습 콘텐츠 중 상기 학습자가 학습하도록 추천되는 학습 콘텐츠 정보를 생성하는 매칭부; 상기 학습 콘텐츠 정보를 상기 학습자단말기로 송신하는 추천부; 상기 학습자단말기로부터 상기 학습 콘텐츠를 학습한 정보를 수신 및 분석하여 통계 정보를 생성하고, 생성된 상기 통계 정보를 상기 학습자단말기로 제공하는 통계부; 및 상기 학습자단말기 및 상기 교습자단말기 간 WebRTC 기반 실시간 채팅 서비스 제공하는 영상서비스부;를 포함하되, 상기 정보수집부는, 상기 학습자단말기로부터 상기 학습자의 SNS(Social Network Service) 계정 정보를 수신하고, 상기 SNS 계정 정보를 기반으로 SNS 서버에서 상기 학습자의 비정형 데이터를 수집하며, 상기 학습자분석부는, 상기 정보수집부에 의해 수집된 학습자의 비정형 데이터에서 개인정보를 걸러내고 학습자의 감정 상태를 나타내는 단어를 포함하는 감정 텍스트 요소를 추출해내며, 추출된 상기 감정 텍스트 요소가 긍정의 감정 상태를 나타내는지 부정의 감정 상태를 나타내는지 판단하는 감성분석(sentiment analysis)을 실시하며, 상기 학습자분석부는, 상기 매칭부에 의해 추천된 학습 콘텐츠와 관련된 학습자의 감정 텍스트 요소를 기초로 감성분석하되, 상기 감성분석에 의해 학습자가 상기 추천된 학습 콘텐츠에 관하여 긍정의 감정 상태를 가진다고 판단되는 경우에는 현재의 추천 방식을 유지하고, 부정의 감정 상태를 가진다고 판단되는 경우에는 다른 카테고리의 학습 콘텐츠가 추천되도록 상기 유저프로파일을 변경시키며, 상기 학습자분석부는, 상기 학습자의 SNS 계정 개설일이 현 시점으로부터 1개월 이내인 경우에는 SNS 계정에서 수집된 비정형 데이터에 낮은 가중치를 주고, SNS 계정 개설일이 현 시점으로부터 1개월을 초과한 경우에는 SNS 계정에서 수집된 비정형 데이터에 높은 가중치를 주어 상기 유저프로파일을 변경시키며, 상기 매칭부는, 상기 학습자의 목표 직업과 상기 SNS 서버에 저장된 기 학습자의 현재 직업을 비교하고, 상기 학습자의 목표 직업과 상기 기 학습자의 현재 직업이 일치하는 경우, 기 학습자가 학습한 학습 콘텐츠를 포함하는 학습 콘텐츠 정보를 생성하고, 생성된 상기 학습 콘텐츠 정보를 학습자단말기로 제공하며, 상기 영상서비스부는, 상기 학습자단말기의 화면을 구성하는 서비스서버; 상기 학습자단말기가 방화벽 네트워크 상에서도 송수신이 가능하도록 하는 턴/스턴서버; 상기 교습자단말기의 화면을 구성하는 오엔엠서버; 상기 오엔엠서버와 연동하는 데이터베이스서버; 상기 서비스서버 및 상기 데이타베이스서버와 연동하는 코어서버; 상기 코어서버와 연동하며, 상기 학습자단말기 및 상기 교습자단말기를 포함하는 외부의 IOS 및 안드로이드 장치와 연동하기 위한 푸쉬서버; 및 상기 코어서버와 연동하며 외부의 네트워크와 연동하기 위한 로긴에스에스오게이트웨이를 포함한다.

Description

WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법{CUSTOMIZED CONTENT PROVIDING SYSTEM ANS METHOD FOR PROVIDING WebRTC-BASED REAL-TIME CHAT SERVICE}

본 발명은 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 콘텐츠 기반 필터링을 통해 학습 콘텐츠의 내용을 분석하며, 서로 유사한 학습 콘텐츠를 학습자에게 리스트 형식으로 제공할 수 있고, 학습자와 교습자 간 원활한 멘토링 서비스를 위한 WebRTC 기반의 실시간 영상 및 채팅이 가능한 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 관한 것이다.

최근 스마트폰, 태블릿 PC와 같은 이동 통신 단말기의 보급이 대중화되고 소셜 네트워크 서비스(SNS, Social Network Service), 사물 네트워크(M2M, Machine To Machine), 센서 네트워크(Sensor Network) 등의 사용이 증가함에 따라 데이터의 양, 생성 속도 및 그 다양성이 기하급수적으로 증가하고 있다.

이처럼 다양하고 방대한 규모를 가지는 빅데이터를 분석하면 지능형 로봇, 차세대 PC, 텔레매틱스, 홈네트워크, 고객 관계 관리, 인공 지능, 검색 엔진 등의 다양한 기술 분야에 활용될 수 있다는 점에서 빅데이터 분석 기술에 대한 연구가 활발하게 진행되고 있다.

한편, 고교, 대학교 등의 입시 전형에서 자기 주도 학습전형이 증가하면서 그에 관련된 인터넷 강의 및 교재가 범람하고 있는 반면에, 정작 수험생 입장에서는 전략적인 커리큘럼 생산 및 강의 선택 능력이 부재함에 따라 사교육을 이용 중인 학생의 대다수가 학습 스케줄링 및 목표 관리 서비스에 대한 필요성을 느끼고 있다.

또한, 다양한 학습 콘텐츠의 증가로 인해 스스로 학습하는 학습 유형이 증가하고, 학습자에게 특화된 커리큘럼의 추천 및 지속성 유지를 위한 관리가 절실해짐에 따라, 학습량의 많고 적음보다 어떻게 무엇을 공부할 것인지에 관련된 학습 전략이 중요해지고 있다. 이러한 교육 환경의 변화에 따라 개인별 코칭 학습의 전략이 요구되는 실정이다. 특히, 교육용 서비스는 개개인의 경험에 의존하기 보다는 다수의 학습 패턴을 분석하여 이를 빅데이터로 활용할 필요가 있는데, 아직까지 사용자에게 최적화된 콘텐츠 추천 및 학습 관리를 위한 시스템은 제시되지 못한 한계가 있다. 또한 학습자와 교습자 간 원활한 멘토링 서비스를 위한 WebRTC 기반의 실시간 영상 및 채팅이 가능한 시스템은 제시되지 못하고 있다.

한편, 격지자 간에 생생한 대화 및 정보교환을 가능하게 하는 기술로서 다양한 쌍방향 통신기술이 개발되어 왔으며, 등록특허 10-1493835호에서는 웹 서버를 기반으로 전자 장치의 교육 컨텐츠 저작 및 장치 제어를 제공하는 교육 장치, 교육 시스템 및 교육 방법을 개시하고 있으나, 교환의 대상이 되는 정보의 형태 및 방법이 HTML문서에 한정되어 있어서 변화된 기술상을 반영하지 못하는 한계가 있으며, 다양한 방화벽의 존재 및 복잡해진 인터넷 환경에서 원활한 정보 교환이 가능하기 위해서는 이에 상응하는 기술이 요청되고 있다.

대한민국 공개특허공보 제10-2018-0102786호 (2018년09월18일 공개)

상술한 문제점을 해결하기 위한 본 발명의 목적은 콘텐츠 기반 필터링을 통해 학습 콘텐츠의 내용을 분석하며, 서로 유사한 학습 콘텐츠를 학습자에게 리스트 형식으로 제공할 수 있는 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법을 제공하는 것이다.

상술한 문제점을 해결하기 위한 본 발명의 목적은 학습자와 교습자 간 원활한 멘토링 서비스를 위한 WebRTC 기반의 실시간 영상 및 채팅이 가능한 시스템 및 그 방법을 제공하는 것이다.

상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템은, 본 발명은 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 관한 것으로, 콘텐츠 기반 필터링을 통해 학습 콘텐츠의 내용을 분석하며, 서로 유사한 학습 콘텐츠를 학습자에게 리스트 형식으로 제공할 수 있고, 학습자와 교습자 간 원활한 멘토링 서비스를 위한 WebRTC 기반의 실시간 영상 및 채팅이 가능한 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 관한 것이다. 본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템은, 학습자가 소지한 학습자단말기로부터 학습자의 정보를 수집하는 정보수집부; 상기 학습자의 정보를 분석하여 상기 학습자의 학습 콘텐츠 선호 정보가 포함된 유저프로파일(user profile)을 생성하는 학습자분석부; 교습자단말기 또는 외부서버로부터 수신한 복수개의 학습 콘텐츠가 저장되는 데이터베이스부; 상기 학습 콘텐츠를 분석하여 상기 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성하는 콘텐츠분석부; 상기 아이템프로파일 및 상기 유저프로파일에 기반하여 상기 데이터베이스부에 저장된 복수개의 학습 콘텐츠 중 상기 학습자가 학습하도록 추천되는 학습 콘텐츠 정보를 생성하는 매칭부; 상기 학습 콘텐츠 정보를 상기 학습자단말기로 송신하는 추천부; 상기 학습자단말기로부터 상기 학습 콘텐츠를 학습한 정보를 수신 및 분석하여 통계 정보를 생성하고, 생성된 상기 통계 정보를 상기 학습자단말기로 제공하는 통계부; 및 상기 학습자단말기 및 상기 교습자단말기 간 WebRTC 기반 실시간 채팅 서비스 제공하는 영상서비스부;를 포함하되, 상기 정보수집부는, 상기 학습자단말기로부터 상기 학습자의 SNS(Social Network Service) 계정 정보를 수신하고, 상기 SNS 계정 정보를 기반으로 SNS 서버에서 상기 학습자의 비정형 데이터를 수집하며, 상기 학습자분석부는, 상기 정보수집부에 의해 수집된 학습자의 비정형 데이터에서 개인정보를 걸러내고 학습자의 감정 상태를 나타내는 단어를 포함하는 감정 텍스트 요소를 추출해내며, 추출된 상기 감정 텍스트 요소가 긍정의 감정 상태를 나타내는지 부정의 감정 상태를 나타내는지 판단하는 감성분석(sentiment analysis)을 실시하며, 상기 학습자분석부는, 상기 매칭부에 의해 추천된 학습 콘텐츠와 관련된 학습자의 감정 텍스트 요소를 기초로 감성분석하되, 상기 감성분석에 의해 학습자가 상기 추천된 학습 콘텐츠에 관하여 긍정의 감정 상태를 가진다고 판단되는 경우에는 현재의 추천 방식을 유지하고, 부정의 감정 상태를 가진다고 판단되는 경우에는 다른 카테고리의 학습 콘텐츠가 추천되도록 상기 유저프로파일을 변경시키며, 상기 학습자분석부는, 상기 학습자의 SNS 계정 개설일이 현 시점으로부터 1개월 이내인 경우에는 SNS 계정에서 수집된 비정형 데이터에 낮은 가중치를 주고, SNS 계정 개설일이 현 시점으로부터 1개월을 초과한 경우에는 SNS 계정에서 수집된 비정형 데이터에 높은 가중치를 주어 상기 유저프로파일을 변경시키며, 상기 매칭부는, 상기 학습자의 목표 직업과 상기 SNS 서버에 저장된 기 학습자의 현재 직업을 비교하고, 상기 학습자의 목표 직업과 상기 기 학습자의 현재 직업이 일치하는 경우, 기 학습자가 학습한 학습 콘텐츠를 포함하는 학습 콘텐츠 정보를 생성하고, 생성된 상기 학습 콘텐츠 정보를 학습자단말기로 제공하며, 상기 영상서비스부는, 상기 학습자단말기의 화면을 구성하는 서비스서버; 상기 학습자단말기가 방화벽 네트워크 상에서도 송수신이 가능하도록 하는 턴/스턴서버; 상기 교습자단말기의 화면을 구성하는 오엔엠서버; 상기 오엔엠서버와 연동하는 데이터베이스서버; 상기 서비스서버 및 상기 데이타베이스서버와 연동하는 코어서버; 상기 코어서버와 연동하며, 상기 학습자단말기 및 상기 교습자단말기를 포함하는 외부의 IOS 및 안드로이드 장치와 연동하기 위한 푸쉬서버; 및 상기 코어서버와 연동하며 외부의 네트워크와 연동하기 위한 로긴에스에스오게이트웨이를 포함한다.

상기 매칭부는, 콘텐츠 기반 필터링(Content-based filtering)을 기반으로 상기 학습 콘텐츠 정보를 생성하되, 상기 매칭부는, 상기 유저프로파일에 기반하여 상기 학습자가 학습하도록 추천되는 제1 학습 콘텐츠 정보를 생성하고, 상기 매칭부는, 상기 제1 학습 콘텐츠에 대한 제1 아이템프로파일에 기반하여 상기 제1 학습 콘텐츠와 유사한 제2 학습 콘텐츠 정보를 생성하고, 상기 추천부는, 상기 제1 학습 콘텐츠 정보 및 상기 제2 학습 콘텐츠 정보를 상기 학습자단말기로 송신하되, 상기 추천부는, 상기 학습 콘텐츠 정보가 상기 학습자단말기로 송신될 때, 복수개의 학습 콘텐츠를 리스트 형식으로 송신한다.

상기 정보수집부는, 상기 학습자단말기로 진단문항을 제공하고, 상기 학습자단말기로부터 상기 진단문항에 대한 답변을 수신하며, 상기 학습자분석부는, 상기 진단문항에 대한 답변을 기반으로 상기 유저프로파일을 생성한다.

상기 학습자분석부는, 상기 비정형 데이터를 기반으로 상기 학습자의 상기 유저프로파일을 생성한다.

상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 방법은, 학습 콘텐츠 제공 서버의 정보수집부가 학습자가 소지한 학습자단말기로부터 학습자의 정보를 수집하는 단계, 학습 콘텐츠 제공 서버의 학습자분석부가 상기 학습자의 정보를 분석하여 상기 학습자의 콘텐츠 선호 정보가 포함된 유저프로파일(user profile)을 생성하는 단계, 학습 콘텐츠 제공 서버의 데이터베이스부에 교습자단말기 또는 외부서버로부터 수신한 복수개의 학습 콘텐츠가 저장되는 단계, 학습 콘텐츠 제공 서버의 콘텐츠분석부가 상기 학습 콘텐츠를 분석하여 상기 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성하는 단계, 학습 콘텐츠 제공 서버의 매칭부가 상기 아이템프로파일 및 상기 유저프로파일을 비교하여 상기 데이터베이스부에 저장된 복수개의 학습 콘텐츠 중 상기 학습자가 학습하도록 추천되는 학습 콘텐츠 정보를 생성하는 단계, 학습 콘텐츠 제공 서버의 추천부가 상기 학습 콘텐츠 정보를 상기 학습자단말기로 송신하는 단계, 학습 콘텐츠 제공 서버의 통계부가 상기 학습자단말기로부터 상기 학습 콘텐츠를 학습한 정보를 수신 및 분석하여 통계 정보를 생성하고, 생성된 상기 통계 정보를 상기 학습자단말기로 제공하는 단계 및 영상서비스부가 상기 학습자단말기 및 상기 교습자단말기 간 WebRTC 기반 실시간 채팅 서비스 제공하는 단계를 포함한다.

본 발명인 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 따르면, 콘텐츠 기반 필터링을 통해 학습 콘텐츠의 내용을 분석하며, 서로 유사한 학습 콘텐츠를 학습자에게 리스트 형식으로 제공하는 것이 가능한 효과가 있다.

본 발명인 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법에 따르면, 학습자와 교습자 간 원활한 멘토링 서비스를 위한 WebRTC 기반의 실시간 영상 및 채팅이 가능한 효과가 있다.

도 1은 본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템의 구성이 도시된 블록도이다.
도 2는 본 발명에 따른 학습 콘텐츠 제공 서버가 포함하는 구성이 도시된 블록도이다.
도 3은 본 발명에 따른 매칭부가 학습 콘텐츠 정보를 생성하는 과정이 도시된 블록도이다.
도 4는 본 발명에 따른 영상서비스부의 각 구성이 도시된 블록도이다.
도 5는 본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 방법의 흐름을 보여주는 흐름도이다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다.

그리고 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.

또한, 본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다.

본 명세서에서 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 “포함한다” 및/또는 “포함하는” 은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.

본 명세서에서 학습 콘텐츠는, 강의 모습이 영상의 방식으로 생성된 영상형 학습 콘텐츠 및 텍스트와 이미지가 포함된 카드 방식으로 생성된 카드형 학습 콘텐츠를 포함한다.

본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템(1000) 및 그 방법에서, 학습 콘텐츠 제공 서버(100)가 학습자단말기(200)로 제공하는 일련의 과정은 각 단말기 상에서 동작하는 어플리케이션의 형태로서 학습자단말기(200)로 제공될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명을 보다 상세하게 설명하고자 한다.

도 1은 본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템(1000)의 구성이 도시된 블록도이다.

본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템(1000)(이하, ‘시스템(1000)’)은, 학습자가 소지하는 학습자단말기(200), 학습자단말기(200)로 맞춤형 학습 콘텐츠를 제공하는 학습 콘텐츠 제공 서버(100), 생성 또는 저작한 학습 콘텐츠를 학습 콘텐츠 제공 서버(100)로 송신하는 교습자단말기(300) 및/또는 저장된 학습 콘텐츠를 학습 콘텐츠 제공 서버(100)로 송신하는 외부서버(400)를 포함한다. 또한 본 발명에 따른 시스템(1000)은, 학습 콘텐츠 제공 서버(100)를 관리하는 관리자단말기(500)를 더 포함할 수 있다.

본 발명에 따른 학습자단말기(200), 학습 콘텐츠 제공 서버(100), 교습자단말기(300), 관리자단말기(500) 및/또는 외부서버(400)는 각각 서로 통신망을 통해 연결된다. 한편 학습자단말기(200) 및 교습자단말기(300)는 서로 피어커넥션(peer connection)을 통한 실시간 음성 및 화상 채팅이 가능하다.

도 2는 본 발명에 따른 학습 콘텐츠 제공 서버(100)가 포함하는 구성이 도시된 블록도이다.

본 발명에 따른 학습 콘텐츠 제공 서버(100)는, 정보수집부(110), 학습자분석부(120), 데이터베이스부(130), 콘텐츠분석부(140), 매칭부(150), 추천부(160), 통계부(170) 및 영상서비스부(180)를 포함한다.

정보수집부(110)는, 학습자가 소지한 학습자단말기(200)로부터 학습자의 정보를 수집한다.

학습자분석부(120)는, 정보수집부(110)가 수집한 학습자의 정보를 분석하여 학습자의 학습 콘텐츠 선호 정보가 포함된 유저프로파일(user profile)을 생성한다.

유저프로파일에는 학습자의 학습 콘텐츠 선호도 정보 외에도 학습자의 목표직업, 성별, 나이, 학습자의 학습 수준, 학습 목적, 강의에 대한 평가, 수강한 강의 정보, 수강 기간 정보, 시험에 대한 응답율, 정답율, 순간 최대 이용량, 일 평균 접속 시간 등의 정보가 포함될 수 있다.

정보수집부(110)는, 학습자분석부(120)가 학습자의 유저프로파일을 생성하는 데 기초가 되는 정형 데이터를 수집하기 위해 학습자단말기(200)로 복수개의 문항이 포함된 진단문항을 송신한다. 학습자는 학습자단말기(200)로 수신된 진단문항에 대한 답변을 수행하고, 학습자단말기(200)는 그 진단문항에 대한 답변을 정보수집부(110)로 송신한다. 학습자분석부(120)는 수신한 진단문항에 대한 답변을 기반으로 유저프로파일을 생성한다. 정보수집부(110)가 학습자단말기(200)로 제공하는 진단문항은 전술한 유저프로파일에 포함된 정보들에 대한 문항을 포함한다.

학습자분석부(120)는 학습자의 특정 학습에 대한 수준 정보를 획득할 수 있으며, 정보수집부(110)는 이를 위해 학습자가 수강한 강의와 관련한 질문지를 생성하여 학습자단말기(200)로 송신할 수 있다. 정보수집부(110)는, 학습자단말기(200)가 송신한 질문지에 대한 답변을 기초로 학습자의 특정 학습에 대한 수준 정보를 획득할 수 있다.

한편, 정보수집부(110)는, 학습자분석부(120)가 학습자의 유저프로파일을 생성할 때, 그 기초가되는 정보를 수집하기 위해 정형 데이터가 아닌 비정형 데이터를 수집할 수 있다. 이때의 비정형 데이터는 공지의 SNS 서버에서 수집될 수 있다. 진단문항에 의한 답변, 즉 정형 데이터는 학습자에게 특정 문항에 대한 답변을 하도록 강요 또는 유도된 것으로, 정확한 또는 진실된 답변이 수신된 것으로 기대하기 어려울 수 있다. 반면에 학습자가 특정 문항에 대한 답변이 강요 또는 유도되지 않는 상태에서 작성한 글에는 더 정확한 또는 진실된 정보가 담겨있을 수 있다. 즉, 트위터, 블로그, 커뮤니티, 인스타그램 등과 같은 SNS(Social Network Service) 서버로부터 수집된 비정형 데이터는 소비자 스스로 입력한 것이어서 ‘디지털 자백약(truth serum)’이라 불릴 정도로 소비자의 솔직한 감성이 반영되어 있다는 특성을 갖는다. 정보수집부(110)가 수집하는 비정형 데이터는 전술한 진단문항의 답변에 의해 수집한 정형 데이터와 함께 유저프로파일을 생성하는 기초가 될 수 있다.

정보수집부(110)는, 학습자단말기(200)로부터 학습자의 SNS(Social Network Service) 계정 정보를 수신한다. 정보수집부(110)는 수신한 계정을 기반으로 카카오스토리, 페이스북(facebook), 트위터(twitter) 등 공지의 SNS 서버에서 학습자의 비정형 데이터를 수집한다. 학습자분석부(120)는, 수집한 비정형 데이터를 기반으로 학습자의 유저프로파일을 생성한다. 정보수집부(110)가 수신하는 계정 정보는, SNS 주소, 팔로어 수, 접속 지역 및 SNS 개설일을 포함한다.

정보수집부(110)는, 데이터베이스부(130)에 저장된 특정 학습 콘텐트의 명칭과, 긍정 또는 부정 등의 감정 상태를 표현하는 단어가 동일한 피드 내 기재된 경우 그 명칭과 감정 상태 단어를 수집할 수 있다. 정보수집부(110)는 SNS 서버에서 학습자 계정에 속한 피드 데이터를 모두 수집한 후, 상술한 그 명칭과 감성 상태 단어를 추출할 수 있다.

학습자분석부(120)는, 계정 정보에 따라 가중치를 주어 유저프로파일을 생성할 수 있다. 예를 들어, 학습자분석부(120)는, 수신한 계정의 SNS 개설일이 최근(예를 들어, 현재부터 1개월 이하)인 경우 해당 SNS 계정에서 수집한 비정형 데이터에 의한 값을 최소화하고, SNS 개설일이 오래된 과거(예를 들어, 현재부터 1개월 초과)인 경우 수집한 비정형 데이터에 의한 값에 충분한 가중치를 주어 생성된 유저프로파일을 변경할 수 있다. 즉, 진단문항에 의한 정형 데이터에 기반하여 생성된 유저프로파일이 SNS 계정 정보에 의한 비정형 데이터에 따라 변경될 때, SNS 계정 정보에 의해 변경되는 유저프로파일 값에 변화를 줄 수 있다. 예를 들어, 학습자분석부(120)는 학습자가 특정 과목의 특정 강사의 학습 콘텐츠를 진단문항에 의해 부정적으로 평가하는 것으로 유저프로파일을 생성한 상태에서, SNS 계정에 의해 수집된 정보에 의해 긍정적으로 평가하는 것으로 유저프로파일을 변경된다면, 후술하게 될 매칭부(150)는 학습자단말기(200)로 송신될 유저프로파일에 포함된 특정 강사의 다른 학습 콘텐츠 정보 또는 그 특정 강사와 유사한 강사에 대한 학습 콘텐츠 정보를 생성할 수 있다. 그러나 SNS 개설일이 최근인 경우 SNS 계정에 의해 수집된 정보는 진단문항에 의해 생성된 유저프로파일을 변경하지 않을 수 있다. 학습자분석부(120)가 추출한 학습자의 정보 및 유저프로파일은 데이터베이스부(130)에 저장된다.

본 발명에 따른 데이터베이스부(130)에는, 교습자단말기(300) 또는 외부서버(400)로부터 수신한 복수개의 학습 콘텐츠가 저장된다. 교습자단말기(300)는, 학습 콘텐츠를 생성하는 교습자 또는 강사가 소지하는 단말기이다. 교습자단말기(300)는 생성한 학습 콘텐츠를 데이터베이스부(130)에 송신하여 저장한다. 외부서버(400)에는 기 생성된 학습 콘텐츠가 저장된다. 외부서버(400)는 기 생성된 학습 콘텐츠를 본 발명에 따른 학습 콘텐츠 제공 서버(100)의 데이터베이스부(130)에 송신하여 저장한다. 외부서버(400)는, 인터넷 강의를 서비스하는 학교 서버, 학원 서버 등일 수 있다. 학습 콘텐츠가 데이터베이스부(130)에 저장되어 교육용 빅데이터를 구축할 수 있다.

본 발명에 따른 콘텐츠분석부(140)는, 데이터베이스부(130)에 저장된 학습 콘텐츠를 분석하여 그 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성한다. 콘텐츠분석부(140)는 학습 콘텐츠의 내용을 분석한다. 콘텐츠분석부(140)는 학습 콘텐츠의 내용을 분석하여 학습 콘텐츠의 종류, 과목, 단원, 난이도, 강사에 대한 정보 등을 추출하여 아이템프로파일을 생성한다. 콘텐츠분석부(140)가 학습 콘텐츠의 내용을 분석하기 위하여 공지된 군집분석(cluster analysis), 인공신경망(Artificial Neural Network) 또는 tf-idf(Term Frequency-Inverse Document Frequency)의 알고리즘이 이용될 수 있다.

군집분석은 관찰대상인 개체들을 유사성에 근거하여 보다 유사한 동류집단으로 분류하는 다변량분석 기법이다. 군집분석을 통하여 동일집단으로 분류된 개체들은 공유하는 특성이 유사한 것으로 해석되며, 통계학적 방법은 집단 내 개체들간의 유사성을 개체내 변수들간의 상관계수, 개체간의 거리, 확률적 유사성 측정치 등을 활용하여 측정하고, 이에 기초하여 개체들을 유사한 동류집단으로 분류하는 것이다. 통상적으로 군집분석은 많은 개체들을 소수의 군집으로 분류하는 Q분석에 속하며, 개체들의 소속집단이 알려진 다음에 소속집단을 결정하는 변수를 탐색하는 판별분석과는 달리, 개체들의 다양한 특성(즉, 변수)들 사이의 관계를 분석하여 동류의 집단들로 분류하는 기능을 한다. 또한 요인분석이 다양한 변수들을 소수의 변수 묶음으로 단순화하는 반면에, 군집분석은 변수가 아니라 개체를 소수의 집단으로 분류한다.

인공신경망은 사람 또는 동물 두뇌의 신경망에 착안하여 구현된 컴퓨팅 시스템의 총칭이며, 기계 학습(machine learning)의 세부 방법론 중 하나로, 신경 세포인 뉴런(neuron)이 여러 개 연결된 망의 형태이다. 구조 및 기능에 따라 여러 종류로 구분되며, 가장 일반적인 인공 신경망은 한 개의 입력층과 출력층 사이에 다수의 은닉층(hidden layer)이 있는 다층 퍼셉트론(multilayer perceptron)이다. 인공신경망은 하드웨어로 구현될 수도 있으나, 주로 컴퓨터 소프트웨어로 구현된다. 인공신경망은 기초 컴퓨팅 단위인 뉴런 여러 개가 가중된 링크(weighted link)로 연결된 형태이다. 가중된 링크(weighted link)는 주어진 환경에 적응할 수 있도록 가중치를 조정할 수 있다. 인공 신경망은 자기 조직화 지도(SOM: Self-Organizing Map), 순환 신경망(RNN: Recurrent Neural Network), 콘볼루션 신경망(CNN: Convolutional Neural Network)과 같은 다양한 모델에 대한 총칭으로, 그 종류는 수십 가지에 이른다. 인공신경망은 컴퓨터 하드웨어 및 학습 알고리즘의 발달로 수십 개의 은닉층(hidden layer)이 있는 심층 신경망(DNN: Deep Neural Network)이 널리 사용되게 되었다. 바둑을 비롯해 이미지 및 자연어 처리, 음성 인식 등의 분야에서 기존의 기계 학습 방법의 성능을 뛰어 넘는 결과를 보이고 있다.

본 발명에 따른 콘텐츠분석부(140)가, 데이터베이스부(130)에 저장된 학습 콘텐츠를 분석하여 그 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성할 때 TF-IDF(Term Frequency-Inverse Document Frequency)의 알고리즘을 이용하는 경우, 콘텐츠분석부(140)는 데이터베이스부(130)에 저장된 학습 콘텐츠들을 TF-IDF 값에 기초하여 복수의 클러스터로 분류한다. 콘텐츠분석부(140)는, 복수의 학습 콘텐츠 각각의 메타 데이터(Metadata)에 기초하여 TF-IDF 값을 산출하고, 산출된 TF-IDF 값을 기반으로 다수의 콘텐츠를 복수의 클러스터로 분류한다. 콘텐츠분석부(140)는 다수의 콘텐츠를 복수의 클러스터로 분류한 후, 데이터베이스부(130)에 저장된 각 콘텐츠의 카테고리 및 키워드 정보에 서로 다른 가중치를 부여하고, 그 가중치가 부여된 키워드들의 TF-IDF 값을 각각 산출하며, 콘텐츠분석부(140)가 산출된 키워드들의 TF-IDF 값을 연산하여 각 콘텐츠의 TF-IDF 값을 산출하고, 각 콘텐츠의 TF-IDF 값을 기 설정된 임계값과 비교하고, 그 비교결과에 따라 복수의 학습 콘텐츠를 복수의 클러스터로 분류한다. 각 학습 콘텐츠의 분류된 정보는 아이템프로파일에 포함된다. 후술하게 될 매칭부(150)는, 분류된 클러스터에 기반하여 학습 콘텐츠를 학습자단말기(200)로 추천할 수 있다.

본 발명에 따른 매칭부(150)는, 콘텐츠분석부(140)가 생성한 아이템프로파일 및 학습자분석부(120)가 생성한 유저프로파일에 기반하여 데이터베이스부(130)에 저장된 복수개의 학습 콘텐츠 중 학습자가 학습하도록 추천되는 학습 콘텐츠 정보를 생성한다. 학습 콘텐츠 정보에는 학습 콘텐츠가 구비하는 일련번호 정보가 포함될 수 있으며, 그 학습 콘텐츠의 과목, 단원 및 강사 정보가 포함될 수 있다. 학습 콘텐츠 정보에는 복수개의 학습 콘텐츠가 포함될 수 있다.

매칭부(150)는, 콘텐츠 기반 필터링을 기반으로 학습자에게 학습을 추천할 학습 콘텐츠 정보를 생성한다.

콘텐츠 기반 필터링(Contents Based Filtering; CBF)은 콘텐츠를 추천하는 정보를 생성하는데 개인화 수준을 목표로 하고 학습자의 선호도와 학습 콘텐츠의 내용을 고려하여 추천하는 방법이다. 콘텐츠 기반 필터링은, 콘텐츠 내용에 대한 분석을 기반으로 추천을 구현하는 기술이다. 콘텐츠를 분석한 아이템프로파일(item profile)과 사용자의 선호도 정보가 포함된 유저프로파일(user profile)를 추출하고 유사성 분석을 통해 추천을 수행한다. 콘텐츠 기반 필터링은, 일반적으로, 콘텐츠의 고유 정보를 바탕으로 콘텐츠 간 유사성을 파악하여 사용자가 선호할 수 있는 콘텐츠를 사용자에게 추천할 수 있는 기술을 의미한다. 콘텐츠 기반 필터링은, 콜드 스타트, 계산 효율 저하 및 롱테일 문제 등을 해결한다.

도 3은 본 발명에 따른 매칭부(150)가 학습 콘텐츠 정보를 생성하는 과정이 도시된 블록도이다.

먼저 매칭부(150)는, 학습자의 선호도 정보가 포함된 유저프로파일에 기반하여 학습자가 학습하도록 추천되는 제1 학습 콘텐츠 정보를 생성한다. 유저프로파일은, 전술한 바와 같이, 학습자분석부(120)가 생성한다. 학습자분석부(120)는 정보수집부(110)가 수집한 학습자의 정보를 분석하여 유저프로파일을 생성한다. 매칭부(150)가 생성하는 제1 학습 콘텐츠 정보는 유저프로파일이 포함하는 학습자의 정보를 기초로 추천되는 학습 콘텐츠를 포함한다. 즉 제1 학습 콘텐츠 정보는 학습자의 선호도에 기반한 것이다.

본 발명에 따른 추천부(160)는, 매칭부(150)가 생성한 학습 콘텐츠 정보를 학습자단말기(200)로 송신하여 추천된 학습 콘텐츠를 학습자가 학습할 수 있도록 한다. 학습 콘텐츠 정보는 학습자의 선호도 정보에 기초하여 생성된 제1 학습 콘텐츠 정보 및 제1 학습 콘텐츠 정보에 기초하여 새롭게 생성되는 제2 학습 콘텐츠 정보를 포함한다.

매칭부(150)는 제1 학습 콘텐츠 정보를 생성한 후, 제1 학습 콘텐츠 정보에 포함된 학습 콘텐츠의 아이템프로파일에 기초하여 제2 학습 콘텐츠 정보를 생성한다. 제2 학습 콘텐츠 정보에는, 일 실시예로서, 제1 학습 콘텐츠 정보에 포함된 학습 콘텐츠와 유사한 학습 콘텐츠가 포함된다. 매칭부(150)가 생성하는 제1 학습 콘텐츠 정보 및 제2 학습 콘텐츠 정보는 각각 복수개의 학습 콘텐츠를 포함할 수 있다.

추천부(160)는, 전술한 바와 같이, 매칭부(150)가 생성한 제1 학습 콘텐츠 정보 및 제2 학습 콘텐츠 정보를 학습자단말기(200)로 송신한다. 추천부(160)는 제1 학습 콘텐츠 정보 및 제2 학습 콘텐츠 정보를 학습자단말기(200)로 송신할 때 제1 학습 콘텐츠 정보 및 제2 학습 콘텐츠 정보가 포함하는 복수개의 학습 콘텐츠를 리스트 형식으로 가공하여 송신할 수 있다. 학습자는 학습자단말기(200)가 수신한 학습 콘텐츠 리스트 중 원하는 학습 콘텐츠를 선택하여 학습할 수 있으며 학습 중 또는 학습이 완료된 학습 콘텐츠는 리스트 내 표시될 수 있다. 또한 학습 중 또는 학습이 완료된 정보는 후술하게 될 통계부(170)로 송신된다. 추천부(160)가 송신하는 리스트는 to-do-list로서, 학습자의 목표 진척도 확인 및 학습 방향의 제시의 역할을 수행한다.

본 발명에 따른 통계부(170)는, 추천부(160)가 송신한 리스트에 대한 학습 중 또는 학습이 완료된 학습 콘텐츠에 대한 정보를 학습자단말기(200)로부터 수신 및 분석하여 통계 정보를 생성한다. 통계부(170)가 생성하는 통계 정보는 학습 시작 일시, 날짜, 학습 달성률(達成率) 등을 포함한다. 통계부(170)가 생성하는 통계 정보는 막대 그래프, 벤 다이어그램 등으로 가공될 수 있다. 통계부(170)가 생성하는 통계 정보는 학습자단말기(200)로 송신되고, 학습자는 학습자단말기(200)를 통해 생성된 통계 정보를 확인할 수 있다.

전술한 바와 같이, 정보수집부(110)는 SNS 서버에서 학습자의 비정형 데이터를 수집하고, 학습자분석부(120)는 수집한 비정형 데이터를 기반으로 학습자의 유저프로파일을 생성 또는 변경한다. 학습자분석부(120)가 유저프로파일을 생성 또는 변경할 때 사용되는 비정형 데이터는 학습자의 감정 상태를 나타내는 단어를 포함할 수 있다. 학습자분석부(120)는 학습자의 감정분석을 통해 학습 콘텐츠의 추천의 정확도를 향상시키도록 유저프로파일을 생성 또는 변경한다. 학습자분석부(120)가 학습자의 감정 상태를 분석함에 따라 학습 콘텐츠의 추천 서비스를 제공받을 때 추천된 학습 콘텐츠에 따른 긍정 또는 부정의 감정 상태를 기반하여 긍정의 감정상태를 가졌을 때 현재 추천 방식을 유지하고, 부정의 감정 상태를 가졌을 때에는 다른 카테고리의 학습 콘텐츠를 추천하도록 한다.

빅데이터는 일반적으로 양적으로 방대한 데이터를 의미하며, 설문조사 등을 통해 연구자의 계획에 의해 만들어진 데이터(made data)와는 달리 연구자의 개입 없이 자연스럽게 발견된 데이터(found data)로, 데이터의 형태도 텍스트, 이미지, 위치정보 등 다양한 특성을 갖는다(Connelly, Playford, Gayle & Dibben, 2016). 그리고 빅데이터 중 트위터, 블로그, 커뮤니티, 인스타그램, 뉴스와 같은 소셜 네트워크 (social network)를 통해 수집된 데이터를 SNS(Social Network Service) 빅데이터 혹은 소셜(social) 빅데이터라 칭하며 텍스트 형태를 갖는다. 특히 소셜 네트워크 중 뉴스를 제외한 트위터, 블로그 등으로부터 수집된 SNS 빅데이터는 소셜 네트워크 이용자가 스스로 입력한 것이기 때문에 이용자의 솔직한 감성 즉, 이용자의 심리적 특성이 반영된 자료를 얻을 수 있다는 장점이 있다

빅데이터의 감성분석(sentiment analysis)은 오피니언 마이닝(opinion mining)이라고도 불리며, 텍스트에 나타난 사람들의 주관적인 감정이나 생각을 분석하는 자연어 처리기술이다. 감성분석은 크게 3단계를 거치며, 첫 단계는 데이터 수집(data crawling) 단계로 각종 블로그, 게시판, 제품평가란 등 공개적인 데이터 소스 뿐만 아니라 트위터, 페이스북과 같은 개인적인 소셜 네트워크 사이트에서도 데이터 끌어올 수 있다. 그 다음은 주관성 탐지(subjectivity detection) 단계를 거치게 되며, 이는 수집한 데이터(텍스트) 중 개인정보를 걸러내고 감성분석에 사용될 텍스트 요소만 추출하는 작업과정을 의미한다. 그리고 마지막으로 극성탐지 단계를 거치게 되는데, 이는 추출된 텍스트 요소가 긍정, 부정, 혹은 중립인지를 판단하는 작업이 이루어지는 것을 의미하며, 미리 만들어 놓은 사전(dictionary)에 기초하여 감성분류가 이루어진다.

한국어 텍스트 분석은 어렵고 복잡하여 높은 전문성이 필요한 것으로 알려져 있으나, 현재는 기성 프로그램을 통하여 비전문인도 비교적 쉽게 분석을 할 수 있다. 현재 시중에 나와 있는 프로그램은 다음 소프트(Daum soft)에서 개발한 썸트렌드 비즈(Sometrend Biz)를 비롯하여 KoALA, R 등이 있다.

SNS 빅데이터의 감성분석에 기초한 선행연구는 매우 다양한 분야에서 나타나고 있으며, 크게 2가지 방법으로 감성분석 결과를 활용할 수 있다. 그 2가지 방법은 각각 감성어가 갖고 있는 의미자체에 기초한 방법과 감성유형(긍정, 부정 등)별 감성어 빈도(수)에 기초한 방법을 포함한다. 특히 감성유형별 감성어 빈도는 전체 감성어 빈도 중 긍정, 부정 감성어 빈도의 비율을 각각 산출하여 활용한다.

정보수집부(110)는, 현재 또는 과거 본 발명에 따른 매칭부(150)에 의해 추천된 학습 콘텐츠를 학습하고 있는 학습자의 계정에서 SNS 피드 정보를 수집한다. 학습자분석부(120)는 학습자의 피드에서 추천 학습 콘텐츠의 명칭 등 아이템프로파일에 포함된 단어가 포함된 경우, 동일한 피드에 포함된 감성어를 추출한다. 한편, 학습자분석부(120)는 현재 학습자가 초, 중, 고등학교 학생 또는 그에 준하는 학습(수능, 자격증, 대학원 진학 등을 위한 학습을 포함한다)을 하는 성인인 경우, 그 피드에 ‘학교’, ‘학원’ 이라는 단어가 포함된 경우에만 그 피드에서 감성어를 추출하도록 할 수 있다. 이는 초, 중, 고등학교 학생 또는 그에 준하는 학습을 하는 성인인 경우에 추출한 감성어와 학습 콘텐츠 간의 매칭 정확도를 높이기 위한 것이다.

학습자분석부(120)는 추출한 감성어를 감성어 수(빈도), 감성 유형별(긍정, 부정, 중립, 기타) 감성어 수 또는 감성 유형별 감성어 비율을 분석할 수 있다. 특히 긍정, 부정 감성어들 중 동일한 단어별로 빈도수가 높은 감성어와 감성어 수를 분석할 수 있다. 다만, ‘즐겁다’, ‘즐거운’과 같이 동일한 의미이지만 어미가 달라 서로 다른 단어로 인식되는 경우, 이들을 동일한 감성어로 다시 정리하여 분석할 수 있다.

초중고보습학원, 성인교습학원, 인터넷교육 등 교육서비스의 대표 긍정 감성은 ‘체계적’을 선택할 수 있고, 부정감성은 ‘어렵다’라는 감성어를 대표 부정 감성어로 선택할 수 있다. 즉 다른 감성어와 비교하여 ‘체계적’이라는 감성어가 추출된 경우, 현재 또는 과거 추천된 학습 콘텐츠가 정확히 추천되었다는 것을 파악할 수 있고, 만일 ‘어렵다’라는 감성어가 추출된 경우 추천된 학습 콘텐츠보다 난이도가 더 낮은 학습 콘텐츠를 추천하도록 유저프로파일을 변경하도록 한다.

긍정 감성어의 ‘체계적’ 외의 다른 예로는, 좋은, 도움, 가능한, 효율적, 열정, 성공하다, 우수한, 쉬운 을 포함하며 부정 감성어의 ‘어렵다’ 외의 다른 예로는 부족한, 고민, 힘들다, 걱정, 고민, 걱정, 지루하다, 한계있다, 아쉽다 를 포함한다.

학습자분석부(120)는 긍정 감성어에는 + 점수를, 부정 감성어에는 - 점수를 주어 연산할 수 있다. 또한 학습자분석부(120)는 추출된 감성어에 따라 가중치를 적용하여 각각 연산하고, 최종 점수에 따라 추천된 학습 콘텐츠의 추천도를 평가할 수 있다. 평가된 추천도에 따라 유저프로파일을 생성 또는 변경할 수 있다.

본 발명에 따른 시스템(1000)은, 스마트 워치 등을 포함하는 웨어러블 장치(미도시)를 더 포함할 수 있다. 웨어러블 장치는 학습 콘텐츠 정보를 추천받았을 때 학습자의 감정상태를 수집한다. 이때의 감정상태는 긍정 또는 부정의 감정상태를 포함한다. 공지된 웨어러블 장치는 착용자의 감정상태 및 스트레스 등의 데이터를 수집할 수 있다.

학습자분석부(120)는 웨어러블 장치와 연결되고, 웨어러블 장치로부터 감정상태 정보를 수신한다. 학습자분석부(120)는 학습자가 학습자단말기(200)를 통해 추천된 학습 콘텐츠를 학습할 때 학습자의 감정상태를 파악할 수 있다. 이때의 감정상태가 전술한 바와 같은 긍정 감정상태 또는 부정 감정상태인 여부를 파악하여 학습 콘텐츠의 추천을 위한 유저프로파일을 생성 또는 변경할 수 있다.

한편, 학습자분석부(120)는 학습자가 선호하는 색을 SNS 서버에서 추출할 수 있다. 학습자분석부(120)는 학습자의 계정에서 학습자가 선호하는 색을 추출하여 유저프로파일에 포함시킨다. 매칭부(150)는 학습 콘텐츠 정보를 생성할 때 학습자가 선호하는 색을 포함하는 학습 콘텐츠에 가중치를 줄 수 있다. 예를 들어 학습자가 선호하는 색으로 이루어진 카드형 학습 콘텐츠를 포함하도록 학습 콘텐츠 정보를 생성할 수 있다.

본 발명에 따른 콘텐츠분석부(140)는 학습 콘텐츠의 내용을 분석하여 아이템프로파일을 생성한다. 콘텐츠분석부(140)는 학습 콘텐츠의 내용을 분석할 때, 학습 콘텐츠가 카드형 학습 콘텐츠인 경우, 학습 콘텐츠 내 포함된 단어를 자연어 처리하여 추출할 수 있다. 또한 콘텐츠분석부(140)는 학습 콘텐츠가 영상형 학습 콘텐츠인 경우, 학습 콘텐츠 내 포함된 음성을 자연어 처리하여 텍스트화 하고, 텍스트화 된 단어를 추출 및 분석할 수 있다. 즉, 콘텐츠분석부(140)는 데이터베이스부(130)에 저장된 복수개의 학습 콘텐츠에서 각 학습 콘텐츠가 포함하는 단어를 추출할 수 있다. 추출된 각 단어는 아이템프로파일에 포함된다. 매칭부(150)는 아이템프로파일과 유저프로파일을 비교하여 서로 유사도를 파악하고, 유사한 학습 콘텐츠를 추출하여 학습 콘텐츠 정보를 생성하여, 학습자단말기(200)로 학습자의 선호도에 따른 학습 콘텐츠를 더 정확히 추천할 수 있다.

콘텐츠분석부(140)가 학습 콘텐츠 내 포함된 단어를 추출할 때 사용되는 음성 추출, 자연어 처리, 단어 추출 등에 사용되는 알고리즘은 공지된 알고리즘이 사용될 수 있다.

자연어 처리(Natural Language Processing)에 대해 부가적으로 설명하자면, 자연어 처리는 일반적으로 인간이 발화하는 언어 현상을 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 자연어(자연 언어) 이해 혹은 그러한 형태를 다시 인간이 이해할 수 있는 언어로 표현하는 제반 기술을 의미한다.

이러한 자연어 처리는 형태소 분석 및 품사 부착을 통해 이루어 질 수 있다. 형태소 분석은 예를 들어 '복합 명사'는 '복합+명사', '복+합명사', '복합명+사' 등등의 다양한 방식으로 쪼개질 수 있는 데 이들 중에서 가장 적합한 분해 결과를 선택하는 것인데, 다양하게 쪼개지는 분석 결과들 중에서 적합한 결과를 선택하기 위해, 테이블 파싱이라는 동적 프로그래밍 방법을 사용한다. 구체적으로 '복합+명사'로 쪼개질 확률이 그 외로 분석될 확률보다 더 크면 그걸로 선택하도록 하는 알고리즘이다

품사 부착은 형태소 분석을 통해 나온 결과 중 가장 적합한 형태의 품사를 부착하는 것을 말한다. 보통 태거라고 하는 모듈이 이 기능을 수행한다. 이는 형태소 분석기가 출력한 다양한 분석 결과 중에서 문맥에 적합한 하나의 분석 결과를 선택하는 모듈이라 할 수 있다. 분석 시 문맥 좌우에 위치한 중의성 해소의 힌트가 되는 정보를 이용해서 적합한 분석 결과를 선택한다. 보통 태거는 대규모의 품사부착을 이용해서 구현하는데 은닉 마르코프 모델(HMM)이 널리 사용되고 있다. 본 발명에서는 위와 방식의 자연어 처리를 통해 학습자분석부(120) 및 콘텐츠분석부(140)는 텍스트를 분석 및 처리할 수 있다.

본 발명에 따른 매칭부(150)는, 수집된 학습자의 목표 직업과, SNS 서버에 저장된 기 학습자의 현재 직업을 비교하고, 학습자의 목표 직업과 기 학습자의 현재 직업이 일치하는 경우, 기 학습자가 학습한 학습 콘텐츠를 포함하는 학습 콘텐츠 정보를 생성한다. 학습자의 목표 직업과 일치하는 직업을 현재 갖고 있는 기 학습자가 복수명인 경우, 학습자의 유저프로파일과 기 학습자의 유저프로파일의 유사도를 연산하여 가장 유사한 유저프로파일을 가진 기 학습자를 추출하고, 추출된 기 학습자가 학습한 학습 콘텐츠에 기반하여 학습 콘텐츠 정보를 생성하고, 생성한 학습 콘텐츠 정보를 학습자단말기(200)로 제공할 수 있다.

본 발명에 따른 영상서비스부(180)는, 학습자단말기 및 교습자단말기 간 WebRTC 기반 실시간 채팅 서비스 제공을 위한 구성으로, 각 단말기 간 1:1 또는 N:1로 음성통화, 영상통화, 파일 전송, 채팅이 가능이 가능하도록 한다.

영상서비스부(180)는, 더욱 상세하게는, PC, 태블릿, 스마트 폰 등의 웹 브라우저 간에 플러그인의 도움없이 통신할 수 있는 API를 이용하여 격지자간에 서로 음성통화, 영상통화, 영상정보 등을 P2P파일 형태로 공유할 수 있도록 함으로써, 격지자간에 수업, 회의, 토론, 정보공유 등이 효율적으로 가능하도록 하는 서비스를 제공한다.

본 발명의 일 실시예로서, 영상서비스부(180)와 연결된 교습자단말기(300)가 영상서비스부(180)에 연결된 특정의 학습자단말기(200)를 화면상에서 선택하면, 선택된 학습자단말기(200)의 영상이 교습자단말기(300)의 화면에 표시되어 학습자단말기(200)와 영상이 공유된다. 즉, 학습자단말기(200)를 학생으로 설정하며, 교습자단말기(300)를 선생님으로 설정하여 설명하면, 원격으로 수업진행시 발언권을 얻은 학생을 선생님이 선택하면 해당 학생에 대한 영상이 선생님 화면에 표시되며, 선생님이 학생의 발언권을 닫으면 화면은 다시 선생님의 화면으로 변경될 수 있다.

도 4는 본 발명에 따른 영상서비스부의 각 구성이 도시된 블록도이다.

영상서비스부(180)는, 도 4를 참조하면, 학습자단말기(200)의 화면을 구성하는 서비스서버(181), 학습자단말기(200)가 방화벽 네트워크 상에서도 송수신이 가능하도록 하는 턴/스턴서버(182), 교습자단말기(300)의 화면을 구성하는 오엔엠서버(183), 오엔엠서버(183)와 연동하는 데이터베이스서버(184), 서비스서버(181) 및 데이타베이스서버(184)와 연동하는 코어서버(185), 코어서버(185)와 연동하며 학습자단말기(200) 및 교습자단말기(300)를 포함하는 외부의 IOS 및 안드로이드 장치와 연동하기 위한 푸쉬서버(186) 및 코어서버(185)와 연동하며 외부의 네트워크와 연동하기 위한 로긴에스에스오게이트웨이(187)을 포함한다.

학습자단말기(200) 및 교습자단말기(300)는 유무선통신이 가능한 스마트 기기로서 예를 들면, 컴퓨터, 스마트폰, 태블릿 PC 등이 해당되나 이에 국한되는 것은 아니다. 교습자단말기(300)는 학습자단말기(200)와 피어커넥션(peer connection)하므로, 학습자단말기(200)와 교습자단말기(300)는 1:1 또는 N:1로 음성통화, 영상통화, 파일전송, 채팅이 가능하다. 또한, 플러그인의 도움 없이 통신할 수 있는 API를 이용하므로, 웹브라우저간에 상술한 다양한 정보형태가 송수신 가능하도록 편리성이 강화되어 있다.

서비스서버(181)는, 학습자단말기(200)의 화면을 구성하는 것으로서, 바람직하게는 WebRTC, HTML5, javascript, jQuery의 기술로 구현한다.

턴/스턴서버(182)는, 학습자단말기(200)가 방화벽 네트워크 상에서도 정보 등이 중단되지 않고 송수신이 원할하게 가능하도록 하기 위한 것으로서, 발신자와 수신자에 대한 호처리(call processing) 이후 실질적인 영상통화데이터의 전송방식은 서버를 거치는 방식과 서버를 거치지 않고 발신자와 수신자간에 직접 전송하도록하는 2가지 방식을 이용하도록 한다. 즉, stun서버통한 공인 IP를 획득한 이후에 P2P로 미디어를 연결하여 영상이나 음성을 송수신하고, 공인 IP를 획득하지 못할 경우 turn서버를 통하여 영상이나 음성 데이터를 릴레이하여 송수신하도록 한다.

오엔엠서버(183)는, 교습자단말기(300)의 화면을 구성하는 것으로서, 관리자모드, 모니터링, 통계치 등을 저장한다.

데이터베이스서버(184)는, 오엔엠서버(183)와 연동하는 것으로서, 친구정보, 친구등록, 주소록, 친구그룹관리, 친구 관계관리 등의 정보와 메세지정보, 히스토리정보 등을 저장한다.

코어서버(185)는, 서비스서버(181) 및 데이타베이스서버(184)와 연동하여 커뮤니케이션 서버로 기능하는데, 1:1 또는 1:N 세션정보를 공유하고 그 정보를 이용하여 영상통화 및 음성통화를 구현한다.

푸쉬서버(186)는, 코어서버(185)와 연동하며 외부의 IOS 및 안드로이드 장치와 연동하기 위하여 프로토콜을 변환한다,

로긴에스에스오게이트웨이(187)는, 코어서버(185)와 연동하며 외부의 네트워크와 연동하기 위한 것으로서, 외부의 네트워크는 카카오톡, 페이스북, 트위터와 같은 SNS, 소셜네트워크를 포함하나 이에 한정하는 것은 아니다.

본 발명에 따른 영상서비스부가, 학습자단말기 및 교습자단말기 간 WebRTC 기반 실시간 채팅 서비스 제공하는 방법은 크게 4 단계로 분별된다. 제1 단계는 교습자단말기(300)에서 환경을 구성하여 방을 생성한 후에 학습자단말기(200)에게 요청하게 되며, 제2 단계는 학습자단말기(200)가 교습자단말기(300)의 요청을 받아 방으로 접속하게 되며, 제3 단계는 학습자단말기(200)가 방으로 접속할 경우 학습자단말기(200) 및 교습자단말기(300)의 브라우저 간에 데이터 전달을 위한 피어커넥션이 시작되어 영상이 공유되며, 이 경우 피어커넥션과 무관하게 채팅도 가능하다. 제4 단계는 서비스 종료 시 음성대화에 대하여 녹화파일이 생성되어 데이타베이스서버(184)로 자동업로드되며, 상기 환경에 대한 정보들도 데이타베이스서버(184)로 저장된다.

본 발명에 의하면 플러그인의 도움없이도 웹브라우저간에 이용이 가능하므로 편리성이 강화되어 있으며, 방화벽이 설정된 환경에서도 막힘없이 데이터의 송수신이 가능하여 업무진행에 차질이 없도록하며, 음성, 영상, 파일 뿐만 아니라 위치정보, 발언권선택 등의 다양한 정보를 P2P 형태로 전송가능하여 신속한 처리가 가능할 뿐만 아니라 외부의 SNS등과도 연동이 가능하도록 함으로써 다종다양한 이용이 가능하여 최적의 영상서비스를 제공할 수 있다.

도 5는 본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 방법의 흐름을 보여주는 흐름도이다.

본 발명에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 방법(이하, ‘방법’)은, 정보수집부(110)가 학습자가 소지한 학습자단말기(200)로부터 학습자의 정보를 수집하는 단계(S101), 학습자분석부(120)가 상기 학습자의 정보를 분석하여 상기 학습자의 콘텐츠 선호 정보가 포함된 유저프로파일(user profile)을 생성하는 단계(S102), 데이터베이스부(130)에 교습자단말기(300) 또는 외부서버(400)로부터 수신한 복수개의 학습 콘텐츠가 저장되는 단계(S103), 콘텐츠분석부(140)가 상기 학습 콘텐츠를 분석하여 상기 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성하는 단계(S104), 매칭부(150)가 상기 아이템프로파일 및 상기 유저프로파일을 비교하여 상기 데이터베이스부(130)에 저장된 복수개의 학습 콘텐츠 중 상기 학습자가 학습하도록 추천되는 학습 콘텐츠 정보를 생성하는 단계(S105) 추천부(160)가 상기 학습 콘텐츠 정보를 상기 학습자단말기(200)로 송신하는 단계(S106), 통계부(170)가 상기 학습자단말기(200)로부터 상기 학습 콘텐츠를 학습한 정보를 수신 및 분석하여 통계 정보를 생성하고, 생성된 상기 통계 정보를 상기 학습자단말기(200)로 제공하는 단계(S107) 및 영상서비스부(180)가 상기 학습자단말기(200) 및 상기 교습자단말기(300) 간 WebRTC 기반 실시간 채팅 서비스 제공하는 단계(S108)를 포함한다. 각 단계별 상세한 내용은 전술한 바와 같다.

본 발명에 따른 학습자단말기(200), 교습자단말기(300) 및 관리자단말기(500)는 키보드, 마우스, 터치패드, 터치 스크린 등의 입력수단과, 디스플레이 화면을 구비한 데스크탑 PC, 노트북 PC, 태블릿 PC, 스마트폰 등의 단말기로서, 이에 한정되는 것은 아니고, 통신망을 통해 학습 콘텐츠 제공 서버(100)에 접속할 수 있으며, 검색 정보 및 선택 정보의 입력과, 검색된 결과 정보를 디스플레이할 수 있는 애플리케이션 프로그램의 설치가 가능한 디지털 정보의 처리가 가능한 구성이면 모두 포함될 수 있다. 본 발명에 따른 학습자단말기(200), 교습자단말기(300) 및 관리자단말기(500)는 학습 콘텐츠 제공 서버(100)에 통신망을 통해 접속하여 정보를 송수신하는 구성요소로서, 예를 들면 스마트폰(smartphone), 태블릿 PC(tablet personalcomputer), 이동 전화기(mobile phone), 영상 전화기, 데스크탑 PC(desktoppersonal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), PDA(personal digital assistant), PMP(portable multimedia player), 웨어러블 장치(wearable device)(예: 스마트 안경, 머리 착용형 장치(head-mounted-device(HMD) 등), 무인단말기(kiosk) 또는 스마트 와치(smart watch)) 중 적어도 하나를 포함할 수 있다.

본 발명에 따른 학습자단말기(200), 교습자단말기(300) 및 관리자단말기(500)와 학습 콘텐츠 제공 서버(100)는 각각이 구비한 통신부 및 통신망을 통해 통신할 수 있다. 통신망은 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결구조를 의미하는 것으로, 이러한 통신망의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다. 학습자단말기(200), 교습자단말기(300) 및 관리자단말기(500)와 학습 콘텐츠 제공 서버(100)가 각각 구비한 통신부는, 전술한 통신망을 통한 유무선 데이터 통신을 수행할 수 있도록 상기 통신망을 위해 구비된 전자 부품을 포함할 수 있다.

본 발명에 따른 데이터베이스부(130)는 데이터베이스 관리 시스템(1000)(이하, DBMS)을 포함할 수 있다. DBMS는 다수의 사용자들이 데이터베이스부(130) 내의 데이터에 접근할 수 있도록 해주는 소프트웨어 도구의 집합이다. DBMS는 IMS, CODASYL DB, DB2, ORACLE, INFORMIX, SYBASE, INGRES, MS-SQL, Objectivity, O2, Versanat, Ontos, Gemstone, Unisql, Object Store, Starburst, Postgres, Tibero, MySQL 또는 MS-access등을 포함할 수 있다. DBMS는 특정 명령어의 입력에 따라 해당하는 특정 데이터에 접근하는 것이 가능하다.

본 명세서에서 학습 콘텐츠 제공 서버(100) 및 학습 콘텐츠 제공 서버(100)가 포함하는 각 구성은 메모리에 저장된 연속된 수행과정들을 실행하는 프로세서들일 수 있다. 또는, 프로세서에 의해 구동되고 제어되는 소프트웨어 모듈들로서 동작할 수 있다. 나아가, 프로세서는 하드웨어 장치일 수 있다.

참고로, 본 발명의 일 실시예에 따른 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독가능매체에 기록될 수 있다. 상기 컴퓨터 판독가능매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용가능한 것일 수도 있다. 컴퓨터 판독가능매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체, 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급언어코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1개의 유닛이 2개 이상의 하드웨어를 이용하여 실현되어도 되고, 2개 이상의 유닛이 1개의 하드웨어에 의해 실현되어도 된다.

본 발명의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명이 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.

100 : 학습 콘텐츠 제공 서버
110 : 정보수집부
120 : 학습자분석부
130 : 데이터베이스부
140 : 콘텐츠분석부
150 : 매칭부
160 : 추천부
170 : 통계부
180 : 영상서비스부
181 : 서비스서버
182 : 턴/스턴서버
183 : 오엔엠서버
184 : 데이터베이스서버
185 : 코어서버
186 : 푸쉬서버
187 : 로긴에스에스오게이트웨이
200 : 학습자단말기
300 : 교습자단말기
400 : 외부서버
500 : 관리자단말기
1000 : WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템

Claims (5)

1. 학습자가 소지한 학습자단말기로부터 학습자의 정보를 수집하는 정보수집부;
   상기 학습자의 정보를 분석하여 상기 학습자의 학습 콘텐츠 선호 정보가 포함된 유저프로파일(user profile)을 생성하는 학습자분석부;
   교습자단말기 또는 외부서버로부터 수신한 복수개의 학습 콘텐츠가 저장되는 데이터베이스부;
   상기 학습 콘텐츠를 분석하여 상기 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성하는 콘텐츠분석부;
   상기 아이템프로파일 및 상기 유저프로파일에 기반하여 상기 데이터베이스부에 저장된 복수개의 학습 콘텐츠 중 상기 학습자가 학습하도록 추천되는 학습 콘텐츠 정보를 생성하는 매칭부;
   상기 학습 콘텐츠 정보를 상기 학습자단말기로 송신하는 추천부;
   상기 학습자단말기로부터 상기 학습 콘텐츠를 학습한 정보를 수신 및 분석하여 통계 정보를 생성하고, 생성된 상기 통계 정보를 상기 학습자단말기로 제공하는 통계부; 및
   상기 학습자단말기 및 상기 교습자단말기 간 WebRTC 기반 실시간 채팅 서비스 제공하는 영상서비스부;를 포함하되,
   상기 정보수집부는,
   상기 학습자단말기로부터 상기 학습자의 SNS(Social Network Service) 계정 정보를 수신하고, 상기 SNS 계정 정보를 기반으로 SNS 서버에서 상기 학습자의 비정형 데이터를 수집하며,
   상기 학습자분석부는,
   상기 정보수집부에 의해 수집된 학습자의 비정형 데이터에서 개인정보를 걸러내고 학습자의 감정 상태를 나타내는 단어를 포함하는 감정 텍스트 요소를 추출해내며, 추출된 상기 감정 텍스트 요소가 긍정의 감정 상태를 나타내는지 부정의 감정 상태를 나타내는지 판단하는 감성분석(sentiment analysis)을 실시하며,
   상기 학습자분석부는,
   상기 매칭부에 의해 추천된 학습 콘텐츠와 관련된 학습자의 감정 텍스트 요소를 기초로 감성분석하되, 상기 감성분석에 의해 학습자가 상기 추천된 학습 콘텐츠에 관하여 긍정의 감정 상태를 가진다고 판단되는 경우에는 현재의 추천 방식을 유지하고, 부정의 감정 상태를 가진다고 판단되는 경우에는 다른 카테고리의 학습 콘텐츠가 추천되도록 상기 유저프로파일을 변경시키며,
   상기 학습자분석부는,
   상기 학습자의 SNS 계정 개설일이 현 시점으로부터 1개월 이내인 경우에는 SNS 계정에서 수집된 비정형 데이터에 낮은 가중치를 주고, SNS 계정 개설일이 현 시점으로부터 1개월을 초과한 경우에는 SNS 계정에서 수집된 비정형 데이터에 높은 가중치를 주어 상기 유저프로파일을 변경시키며,
   상기 매칭부는,
   상기 학습자의 목표 직업과 상기 SNS 서버에 저장된 기 학습자의 현재 직업을 비교하고, 상기 학습자의 목표 직업과 상기 기 학습자의 현재 직업이 일치하는 경우, 기 학습자가 학습한 학습 콘텐츠를 포함하는 학습 콘텐츠 정보를 생성하고, 생성된 상기 학습 콘텐츠 정보를 학습자단말기로 제공하며,
   상기 영상서비스부는,
   상기 학습자단말기의 화면을 구성하는 서비스서버;
   상기 학습자단말기가 방화벽 네트워크 상에서도 송수신이 가능하도록 하는 턴/스턴서버;
   상기 교습자단말기의 화면을 구성하는 오엔엠서버;
   상기 오엔엠서버와 연동하는 데이터베이스서버;
   상기 서비스서버 및 상기 데이타베이스서버와 연동하는 코어서버;
   상기 코어서버와 연동하며, 상기 학습자단말기 및 상기 교습자단말기를 포함하는 외부의 IOS 및 안드로이드 장치와 연동하기 위한 푸쉬서버; 및
   상기 코어서버와 연동하며 외부의 네트워크와 연동하기 위한 로긴에스에스오게이트웨이를 포함하는 것을 특징으로 하는, WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템.
2. 청구항 1에 있어서,
   상기 매칭부는, 콘텐츠 기반 필터링(Content-based filtering)을 기반으로 상기 학습 콘텐츠 정보를 생성하되,
   상기 매칭부는, 상기 유저프로파일에 기반하여 상기 학습자가 학습하도록 추천되는 제1 학습 콘텐츠 정보를 생성하며,
   상기 매칭부는, 상기 제1 학습 콘텐츠에 대한 제1 아이템프로파일에 기반하여 상기 제1 학습 콘텐츠와 유사한 제2 학습 콘텐츠 정보를 생성하고,
   상기 추천부는, 상기 제1 학습 콘텐츠 정보 및 상기 제2 학습 콘텐츠 정보를 상기 학습자단말기로 송신하되,
   상기 추천부는, 상기 학습 콘텐츠 정보가 상기 학습자단말기로 송신될 때, 복수개의 학습 콘텐츠를 리스트 형식으로 송신하는 것을 특징으로 하는, WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템.
3. 청구항 2에 있어서,
   상기 정보수집부는, 상기 학습자단말기로 진단문항을 제공하고, 상기 학습자단말기로부터 상기 진단문항에 대한 답변을 수신하며,
   상기 학습자분석부는, 상기 진단문항에 대한 답변을 기반으로 상기 유저프로파일을 생성하는 것을 특징으로 하는, WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템.
4. 청구항 3에 있어서,
   상기 학습자분석부는, 상기 비정형 데이터를 기반으로 상기 학습자의 상기 유저프로파일을 생성하는 것을 특징으로 하는, WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템.
5. 학습 콘텐츠 제공 서버의 정보수집부가 학습자가 소지한 학습자단말기로부터 학습자의 정보를 수집하는 단계;
   학습 콘텐츠 제공 서버의 학습자분석부가 상기 학습자의 정보를 분석하여 상기 학습자의 콘텐츠 선호 정보가 포함된 유저프로파일(user profile)을 생성하는 단계;
   학습 콘텐츠 제공 서버의 데이터베이스부에 교습자단말기 또는 외부서버로부터 수신한 복수개의 학습 콘텐츠가 저장되는 단계;
   학습 콘텐츠 제공 서버의 콘텐츠분석부가 상기 학습 콘텐츠를 분석하여 상기 학습 콘텐츠의 정보가 포함된 아이템프로파일(item profile)을 생성하는 단계;
   학습 콘텐츠 제공 서버의 매칭부가 상기 아이템프로파일 및 상기 유저프로파일을 비교하여 상기 데이터베이스부에 저장된 복수개의 학습 콘텐츠 중 상기 학습자가 학습하도록 추천되는 학습 콘텐츠 정보를 생성하는 단계;
   학습 콘텐츠 제공 서버의 추천부가 상기 학습 콘텐츠 정보를 상기 학습자단말기로 송신하는 단계;
   학습 콘텐츠 제공 서버의 통계부가 상기 학습자단말기로부터 상기 학습 콘텐츠를 학습한 정보를 수신 및 분석하여 통계 정보를 생성하고, 생성된 상기 통계 정보를 상기 학습자단말기로 제공하는 단계; 및
   학습 콘텐츠 제공 서버의 영상서비스부가 상기 학습자단말기 및 상기 교습자단말기 간 WebRTC 기반 실시간 채팅 서비스 제공하는 단계;
   를 포함하는 것을 특징으로 하는, WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 방법.