KR102610271B1

KR102610271B1 - Method for providing content to induce thought data corresponding to the action data of a user and computing device using the same

Info

Publication number: KR102610271B1
Application number: KR1020230113168A
Authority: KR
Inventors: 강상욱; 채헌주; 박종현
Original assignee: 주식회사 메디마인드
Priority date: 2023-08-28
Filing date: 2023-08-28
Publication date: 2023-12-07

Abstract

본 발명은 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 방법에 관한 것으로서, 보다 상세하게는 (a) 컴퓨팅 장치가, 특정 사용자의 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단하는 단계; 및 (b) 상기 컴퓨팅 장치가, 상기 특정 행동 데이터에 대응되는 특정 원인 데이터를 포함하는 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 상기 제1 특정 생각 데이터가 입력되면, 상기 특정 원인 데이터에 대한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부를 상기 특정 사용자에게 제공하여, 상기 특정 행동 데이터의 강도의 변화를 감지하고, 상기 특정 행동 데이터의 강도의 변화를 참조로 하여, 상기 제1 특정 생각 데이터로부터 상기 특정 행동 데이터로 향하는 방향의 제1 특정 벡터 성분의 크기 값을 결정하고, 상기 제1 특정 벡터 성분의 크기 값을 참조로 하여, 상기 특정 사용자의 상기 제1 특정 생각 데이터와 상기 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하는 순방향 프로세스를 수행하는 단계를 포함하는 방법이 개시된다.The present invention relates to a method of providing content for inducing thought data corresponding to a user's behavioral data. More specifically, (a) the computing device determines that specific behavioral data of a specific user belongs to a negative behavior category. steps; and (b) supporting the computing device to derive and input first specific thought data including specific cause data corresponding to the specific behavior data, and when the first specific thought data is input, to the specific cause data. By providing at least some of the first specific visual stimulus and the first specific auditory stimulus to the specific user, detecting a change in the intensity of the specific behavioral data, and referring to the change in the intensity of the specific behavioral data, Determine the size value of the first specific vector component in the direction from the first specific thought data to the specific action data, and refer to the size value of the first specific vector component to determine the first specific thought data of the specific user. and performing a forward process to determine a first specific degree of correlation between the specific behavioral data.

Description

A method of providing content for inducing thought data corresponding to user behavior data and a computing device using the same {METHOD FOR PROVIDING CONTENT TO INDUCE THOUGHT DATA CORRESPONDING TO THE ACTION DATA OF A USER AND COMPUTING DEVICE USING THE SAME}

본 발명은 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 방법 및 이를 이용한 컴퓨팅 장치에 관한 것이다.The present invention relates to a method of providing content for inducing thought data corresponding to user behavior data and a computing device using the same.

최근, 보건복지부의 조사 결과에 따르면, 성인 4명 중 1명이 평생 한 번 이상 정신건강 문제를 경험하는 것으로 나타났다. 이처럼 적지 않은 인원이 정신건강 문제를 경험하고 있지만, 정신과 질환의 치료를 위해서는 환자가 직접 병원에 방문해야 하는 번거로움이 있고, 병원에 대한 심리적인 저항 및 사회적 인식 등의 문제로 내원을 거부하는 환자가 많아 적절히 치료를 받지 못하는 환자의 수는 계속해서 증가하고 있는 상황이다.Recently, according to a survey by the Ministry of Health and Welfare, one in four adults experiences mental health problems at least once in their lifetime. Although a significant number of people are experiencing mental health problems, it is inconvenient for patients to visit hospitals in person for treatment of psychiatric disorders, and patients refuse to visit hospitals due to problems such as psychological resistance and social perception toward hospitals. The number of patients who do not receive appropriate treatment continues to increase.

또한, 후유증, 공황장애 등 정신과 질환의 치료의 경우, 전문가가 환자의 이야기를 듣고 질문을 통해 환자 본인으로 하여금 직접 원인을 찾을 수 있도록 도와주는 과정이 필요한데, 종래에는 진료인력의 부족으로 인해 대다수의 환자들이 약물처방에 의존하고 있고, 심리상담 전문기관을 통한 심리상담의 경우 비교적 높은 상담 비용으로 인해 접근성이 떨어지는 문제점이 있었다.In addition, in the case of treatment of psychiatric diseases such as aftereffects and panic disorder, a process is necessary in which an expert listens to the patient's story and asks questions to help the patient find the cause. However, due to a lack of medical personnel, the majority of patients Patients depend on drug prescriptions, and in the case of psychological counseling through specialized psychological counseling agencies, there was a problem of poor accessibility due to the relatively high counseling cost.

따라서, 이러한 문제점들을 극복하기 위해, 환자의 부정적인 행동 상태를 파악하고, 환자로 하여금 부정적인 행동 상태의 원인을 찾도록 유도하여, 원인에 맞는 외부 자극을 최적으로 가해줌으로써 부정적인 행동을 해소할 수 있는 환자별 맞춤형 치료 서비스가 필요한 상황이다.Therefore, in order to overcome these problems, patients can resolve their negative behavior by identifying the patient's negative behavioral state, guiding the patient to find the cause of the negative behavioral state, and optimally applying external stimulation appropriate for the cause. This situation requires customized treatment services.

한국등록특허제10-1998819호Korean Patent No. 10-1998819

본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.The purpose of the present invention is to solve all of the above-mentioned problems.

또한, 본 발명은 특정 행동 데이터에 대응되는 특정 원인 데이터를 포함하는 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 제1 특정 생각 데이터가 입력되면, 특정 원인 데이터에 대한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부를 특정 사용자에게 제공하여, 특정 행동 데이터의 강도의 변화를 감지하고, 특정 행동 데이터의 강도의 변화를 참조로 하여, 제1 특정 생각 데이터로부터 특정 행동 데이터로 향하는 방향의 제1 특정 벡터 성분의 크기 값을 결정하고, 제1 특정 벡터 성분의 크기 값을 참조로 하여, 특정 사용자의 제1 특정 생각 데이터와 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하는 순방향 프로세스를 수행하는 것을 다른 목적으로 한다.In addition, the present invention supports deriving and inputting first specific thought data including specific cause data corresponding to specific action data, and when the first specific thought data is input, a first specific visual stimulus for the specific cause data and Providing at least some of the first specific auditory stimuli to a specific user, detecting a change in the intensity of the specific behavioral data, and using the change in the intensity of the specific behavioral data as a reference, directing from the first specific thought data to the specific behavioral data. Forward direction for determining a magnitude value of a first specific vector component of the direction, and determining a first specific degree of correlation between first specific thought data and specific action data of a specific user, using the size value of the first specific vector component as a reference. The purpose of performing a process is different.

또한, 본 발명은 특정 사용자의 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 특정 행동 데이터에 대응되는 학습용 특정 원인 데이터, 학습용 제1 특정 시각적 자극의 종류, 학습용 제1 특정 청각적 자극의 종류, 학습용 특정 행동 데이터의 조정치, 특정 사용자와 기설정된 임계치 이상의 유사도를 가지는 타 사용자의 타 메타데이터, 학습용 타 행동 데이터의 초기치, 학습용 타 행동 데이터에 대응되는 학습용 타 원인 데이터, 학습용 제1 타 시각적 자극의 종류, 학습용 제1 타 청각적 자극의 종류 및 학습용 타 행동 데이터의 조정치 중 적어도 일부를 학습 장치에 입력하여, 학습을 수행한 후, 특정 사용자의 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단되면, 테스트용 특정 행동 데이터에 대응되는 테스트용 특정 원인 데이터를 포함하는 테스트용 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 테스트용 제1 특정 생각 데이터가 입력되면, 테스트용 특정 원인 데이터에 대한 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 예측하고, 특정 사용자에게 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 테스트용 특정 행동 데이터의 강도의 예측 변화 정도를 산출하고, 특정 사용자에게 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공한 후, 특정 사용자의 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 획득하고, 테스트용 특정 행동 데이터의 강도의 예측 변화 정도 및 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 참조로 하여, 로스를 산출하고, 로스를 백프로퍼게이션하여, 학습 장치를 재학습하는 순방향 프로세스를 추가적으로 수행하는 것을 또 다른 목적으로 한다.In addition, the present invention provides specific metadata of a specific user, initial value of specific behavioral data for learning, specific cause data for learning corresponding to specific behavioral data, type of first specific visual stimulus for learning, type of first specific auditory stimulus for learning, and specific cause data for learning. Adjustment value of specific behavior data, other metadata of other users with similarity above a preset threshold to a specific user, initial value of other behavior data for learning, other cause data for learning corresponding to other behavior data for learning, first other visual stimulus for learning After performing learning by inputting at least some of the type, type of first auditory stimulus for learning, and adjustment value of other behavioral data for learning into the learning device, it is determined that the specific behavioral data for test of a specific user belongs to the negative behavior category. If determined, support is provided to induce and input first specific thought data for testing, including specific cause data for testing corresponding to specific behavior data for testing, and when first specific thought data for testing is input, specific cause data for testing. predict at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing, and provide at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing to a particular user. After calculating the predicted degree of change in the intensity of the specific behavioral data for testing and providing at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing to the specific user, Obtain the actual degree of change in the intensity of the behavioral data, calculate the loss using the predicted degree of change in the intensity of the specific behavioral data for testing and the actual degree of change in the intensity of the specific behavioral data for testing as a reference, and backpropagate the loss. Therefore, another purpose is to additionally perform a forward process to retrain the learning device.

상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한, 본 발명의 특징적인 구성은 하기와 같다.In order to achieve the object of the present invention as described above and realize the characteristic effects of the present invention described later, the characteristic configuration of the present invention is as follows.

본 발명의 일 태양에 따르면, 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 방법에 있어서, (a) 컴퓨팅 장치가, 특정 사용자의 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단하는 단계; 및 (b) 상기 컴퓨팅 장치가, 상기 특정 행동 데이터에 대응되는 특정 원인 데이터를 포함하는 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 상기 제1 특정 생각 데이터가 입력되면, 상기 특정 원인 데이터에 대한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부를 상기 특정 사용자에게 제공하여, 상기 특정 행동 데이터의 강도의 변화를 감지하고, 상기 특정 행동 데이터의 강도의 변화를 참조로 하여, 상기 제1 특정 생각 데이터로부터 상기 특정 행동 데이터로 향하는 방향의 제1 특정 벡터 성분의 크기 값을 결정하고, 상기 제1 특정 벡터 성분의 크기 값을 참조로 하여, 상기 특정 사용자의 상기 제1 특정 생각 데이터와 상기 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하는 순방향 프로세스를 수행하는 단계를 포함하는 방법이 개시된다.According to one aspect of the present invention, in a method of providing content for inducing thought data corresponding to a user's behavioral data, (a) the computing device determines that specific behavioral data of a specific user belongs to a negative behavior category; steps; and (b) supporting the computing device to derive and input first specific thought data including specific cause data corresponding to the specific behavior data, and when the first specific thought data is input, to the specific cause data. By providing at least some of the first specific visual stimulus and the first specific auditory stimulus to the specific user, detecting a change in the intensity of the specific behavioral data, and referring to the change in the intensity of the specific behavioral data, Determine the size value of the first specific vector component in the direction from the first specific thought data to the specific action data, and refer to the size value of the first specific vector component to determine the first specific thought data of the specific user. and performing a forward process to determine a first specific degree of correlation between the specific behavioral data.

일례로서, 상기 (b) 단계에서, 상기 순방향 프로세스에서, 상기 컴퓨팅 장치는, 제1 특정 생체 데이터, 제1 특정 표정 데이터, 제1 특정 표현 언어 데이터, 제1 특정 디지털 피노타입 및 제1 입력 데이터 중 적어도 일부를 참조로 하여 상기 특정 사용자의 상기 특정 행동 데이터의 초기치를 제1 특정 행동 데이터 강도 밸류로서 결정하며, 상기 제1 특정 시각적 자극 및 상기 제1 특정 청각적 자극 중 적어도 일부가 상기 특정 사용자에게 제공된 이후에, 상기 특정 사용자의 제2 특정 생체 데이터, 제2 특정 표정 데이터, 제2 특정 표현 언어 데이터, 제2 특정 디지털 피노타입 및 제2 입력 데이터 중 적어도 일부를 참조로 하여 상기 특정 사용자의 상기 특정 행동 데이터의 조정치를 제2 특정 행동 데이터 강도 밸류로서 결정하며, 상기 제1 특정 행동 데이터 강도 밸류 및 상기 제2 특정 행동 데이터 강도 밸류의 차이값을 참조로 하여 상기 제1 특정 벡터 성분의 크기 값을 결정하는 것을 특징으로 하는 방법이 개시된다.As an example, in step (b), in the forward process, the computing device includes first specific biometric data, first specific facial expression data, first specific expressive language data, first specific digital pinotype, and first input data. An initial value of the specific behavior data of the specific user is determined as a first specific behavioral data intensity value with reference to at least some of the first specific visual stimulus and the first specific auditory stimulus. After being provided to, the specific user's second specific biometric data, second specific facial expression data, second specific expressive language data, second specific digital pinotype, and second input data are referred to. Determining the adjustment value of the specific behavior data as a second specific behavior data intensity value, and determining the size of the first specific vector component with reference to the difference value between the first specific behavior data intensity value and the second specific behavior data intensity value. A method characterized by determining a value is disclosed.

일례로서, 상기 (b) 단계에서, 상기 컴퓨팅 장치는, 상기 특정 사용자의 상기 제1 특정 생체 데이터를 획득한 제1_1 시각, 상기 제1 특정 표정 데이터를 획득한 제1_2 시각, 상기 제1 특정 표현 언어 데이터를 획득한 제1_3 시각, 상기 제1 특정 디지털 피노타입을 획득한 제1_4 시각 및 상기 제1 입력 데이터를 획득한 제1_5 시각 중 적어도 일부를 참조로 하여 제1 특정 타임프레임을 결정하고, 상기 제2 특정 생체 데이터를 획득한 제2_1 시각, 상기 제2 특정 표정 데이터를 획득한 제2_2 시각, 상기 제2 특정 표현 언어 데이터를 획득한 제2_3 시각, 상기 제2 특정 디지털 피노타입을 획득한 제2_4 시각, 상기 제2 입력 데이터를 획득한 제2_5 시각 중 적어도 일부를 참조로 하여 제2 특정 타임프레임을 결정하며, 상기 제1 특정 타임 프레임 및 상기 제2 특정 타임 프레임은 기설정된 임계 시간 이내로 근접한 것으로서 결정하는 것을 특징으로 하는 방법이 개시된다.As an example, in step (b), the computing device is configured to: a 1_1 time at which the first specific biometric data of the specific user is acquired, a 1_2 time at which the first specific facial expression data is acquired, and the first specific expression. Determine a first specific time frame with reference to at least a portion of the 1_3 time at which the language data is acquired, the 1_4 time at which the first specific digital pinotype is acquired, and the 1_5 time at which the first input data is acquired, The 2_1 time at which the second specific biometric data is acquired, the 2_2 time at which the second specific facial expression data is acquired, the 2_3 time at which the second specific expression language data is acquired, and the second specific digital pinotype is acquired. A second specific time frame is determined with reference to at least part of the 2_4 time and the 2_5 time at which the second input data is acquired, and the first specific time frame and the second specific time frame are within a preset threshold time. A method characterized by determining as being close is disclosed.

일례로서, 상기 (b) 단계에서, 상기 컴퓨팅 장치가, 상기 특정 행동 데이터의 강도를 줄이도록 유도하기 위하여 제2 특정 시각적 자극 및 제2 특정 청각적 자극 중 적어도 일부를 상기 특정 사용자에게 제공하고, 상기 특정 행동 데이터의 강도가 기설정된 임계치 이상 줄어듦이 감지되거나 상기 제2 특정 시각적 자극 및 상기 제2 특정 청각적 자극 중 적어도 일부가 상기 특정 사용자에게 소정 시간 동안 노출되면, 제2 특정 생각 데이터의 변화 상태를 입력하도록 지원하고, 상기 제2 특정 생각 데이터의 변화 상태를 참조로 하여, 상기 특정 행동 데이터로부터 상기 제2 특정 생각 데이터로 향하는 방향의 제2 특정 벡터 성분의 크기 값을 결정하고, 상기 제2 특정 벡터 성분의 크기 값을 참조로 하여, 상기 특정 사용자의 상기 특정 행동 데이터와 상기 제2 특정 생각 데이터 간의 제2 특정 코릴레이션 정도를 추가적으로 결정하는 역방향 프로세스를 추가적으로 수행하는 것을 특징으로 하는 방법이 개시된다,As an example, in step (b), the computing device provides at least a portion of a second specific visual stimulus and a second specific auditory stimulus to the specific user to induce the specific user to reduce the intensity of the specific behavioral data; When the intensity of the specific behavior data is detected to decrease beyond a preset threshold or when at least a portion of the second specific visual stimulus and the second specific auditory stimulus are exposed to the specific user for a predetermined time, the second specific thought data changes. Supports inputting a state, and determines, with reference to a change state of the second specific thought data, a magnitude value of a second specific vector component in a direction from the specific action data to the second specific thought data, and 2 A method characterized by additionally performing a reverse process of additionally determining a second specific correlation degree between the specific behavior data of the specific user and the second specific thought data, with reference to the size value of a specific vector component. It begins,

일례로서, 상기 (b) 단계에서, 상기 역방향 프로세스에서, 상기 컴퓨팅 장치는, 상기 제2 특정 생각 데이터에 자연어처리 및 형태소분석을 적용하여 상기 특정 사용자의 상기 제2 특정 생각 데이터의 초기치를 제2_1 특정 생각 데이터 강도 밸류로서 결정하고 상기 제2 특정 생각 데이터의 조정치를 제2_2 특정 생각 데이터 강도 밸류로서 결정하며, 상기 제2_1 특정 생각 데이터 강도 밸류 및 상기 제2_2 특정 생각 데이터 강도 밸류의 차이값을 참조로 하여 상기 제2 특정 벡터 성분의 크기 값을 결정하는 것을 특징으로 하는 방법이 개시된다.As an example, in step (b), in the reverse process, the computing device applies natural language processing and morphological analysis to the second specific thought data to set an initial value of the second specific thought data of the specific user to 2_1. Determined as the specific thought data intensity value, and determining the adjustment value of the second specific thought data as the 2_2 specific thought data intensity value, referring to the difference value between the 2_1 specific thought data intensity value and the 2_2 specific thought data intensity value. A method is disclosed, characterized in that the magnitude value of the second specific vector component is determined.

일례로서, 상기 (b) 단계에서, 상기 역방향 프로세스에서, 상기 컴퓨팅 장치는, 상기 특정 행동 데이터의 강도를 상기 기설정된 임계치 이상 줄이도록 유도하는 제2_1 특정 자극 데이터 및 상기 특정 행동 데이터를 소정의 긍정적 행동 데이터로 바꾸도록 유도하는 제2_2 특정 자극 데이터 중 적어도 일부를 상기 제2 특정 시각적 자극 및 상기 제2 특정 청각적 자극 중 적어도 일부로서 결정하는 것을 특징으로 하는 방법이 개시된다.As an example, in step (b), in the reverse process, the computing device converts the 2_1 specific stimulus data and the specific behavioral data into a predetermined positive response that induces the intensity of the specific behavioral data to be reduced beyond the preset threshold. A method is disclosed, characterized in that determining at least part of the 2_2 specific stimulus data that induces conversion into behavioral data as at least part of the second specific visual stimulus and the second specific auditory stimulus.

일례로서, 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 최적으로 제공하기 위하여 학습하는 방법에 있어서, (a) 컴퓨팅 장치가, 특정 사용자의 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 상기 특정 행동 데이터에 대응되는 학습용 특정 원인 데이터, 학습용 제1 특정 시각적 자극의 종류, 학습용 제1 특정 청각적 자극의 종류, 상기 학습용 특정 행동 데이터의 조정치, 상기 특정 사용자와 기설정된 임계치 이상의 유사도를 가지는 타 사용자의 타 메타데이터, 학습용 타 행동 데이터의 초기치, 상기 학습용 타 행동 데이터에 대응되는 학습용 타 원인 데이터, 학습용 제1 타 시각적 자극의 종류, 학습용 제1 타 청각적 자극의 종류 및 상기 학습용 타 행동 데이터의 조정치 중 적어도 일부를 학습 장치에 입력하여, 학습을 수행한 후, 상기 특정 사용자의 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단하는 단계; 및 (b) 상기 컴퓨팅 장치가, 상기 테스트용 특정 행동 데이터에 대응되는 테스트용 특정 원인 데이터를 포함하는 테스트용 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 상기 테스트용 제1 특정 생각 데이터가 입력되면, 상기 테스트용 특정 원인 데이터에 대한 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 예측하고, 상기 특정 사용자에게 상기 테스트용 제1 최적 시각적 자극 및 상기 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 상기 테스트용 특정 행동 데이터의 강도의 예측 변화 정도를 산출하고, 상기 특정 사용자에게 상기 테스트용 제1 최적 시각적 자극 및 상기 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공한 후, 상기 특정 사용자의 상기 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 획득하고, 상기 테스트용 특정 행동 데이터의 강도의 상기 예측 변화 정도 및 상기 테스트용 특정 행동 데이터의 강도의 상기 실제 변화 정도를 참조로 하여, 로스를 산출하고, 상기 로스를 백프로퍼게이션하여, 상기 학습 장치를 재학습하는 순방향 프로세스를 수행하는 단계;를 포함하는 방법이 개시된다.As an example, in a method of learning to optimally provide content for inducing thought data corresponding to user's behavior data, (a) a computing device includes specific metadata of a specific user, an initial value of specific behavioral data for learning, Specific cause data for learning corresponding to the specific behavior data, a type of a first specific visual stimulus for learning, a type of a first specific auditory stimulus for learning, an adjustment value of the specific behavior data for learning, and a similarity between the specific user and the preset threshold or more. It has other metadata of other users, initial value of other behavior data for learning, other cause data for learning corresponding to the other behavior data for learning, type of first other visual stimulus for learning, type of first other auditory stimulus for learning, and other example for learning. inputting at least some of the adjustment values of the behavioral data into a learning device, performing learning, and then determining that the specific behavioral data for testing of the specific user belongs to a negative behavior category; and (b) supporting the computing device to derive and input first specific thought data for testing including specific cause data for testing corresponding to the specific behavior data for testing, wherein the first specific thought data for testing is Once input, predict at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing for the specific cause data for testing, and predict the first optimal visual stimulus for testing and the first optimal visual stimulus for testing for the specific user. Calculating a predicted degree of change in the intensity of the specific behavioral data for testing when at least some of the first optimal auditory stimulation is provided, and providing the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing to the specific user. After providing at least some of the stimulus, the actual degree of change in the intensity of the test-specific behavior data of the specific user is obtained, the predicted degree of change in the intensity of the test-specific behavior data and the test-specific behavior data. Calculating a loss with reference to the actual degree of change in the intensity of , backpropagating the loss, and performing a forward process to retrain the learning device.

일례로서, 상기 (a) 단계에서, 상기 컴퓨팅 장치가, 상기 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 학습용 제2 특정 시각적 자극의 종류, 학습용 제2 특정 청각적 자극의 종류, 학습용 특정 생각 데이터의 초기치, 상기 학습용 특정 생각 데이터의 조정치, 상기 타 메타데이터, 학습용 타 행동 데이터의 초기치, 학습용 제2 타 시각적 자극의 종류, 학습용 제2 타 청각적 자극의 종류, 학습용 타 생각 데이터의 초기치 및 상기 학습용 타 생각 데이터의 조정치 중 적어도 일부를 상기 학습 장치에 입력하여, 학습을 추가적으로 수행한 후, 상기 테스트용 특정 행동 데이터가 상기 부정적 행동 카테고리에 속하는 것으로 판단하고, 상기 (b) 단계에서, 상기 컴퓨팅 장치는, 상기 테스트용 특정 행동 데이터의 강도를 줄이도록 유도하기 위한 테스트용 제2 최적 시각적 자극 및 테스트용 제2 최적 청각적 자극 중 적어도 일부를 예측하고, 상기 특정 사용자에게 상기 테스트용 제2 최적 시각적 자극 및 상기 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 테스트용 특정 생각 데이터의 강도의 예측 변화 정도를 산출하고, 상기 특정 사용자에게 상기 테스트용 제2 최적 시각적 자극 및 상기 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공한 후, 상기 특정 사용자로부터 입력된 상기 테스트용 특정 생각 데이터에 자연어처리 및 형태소분석을 적용하여 상기 테스트용 특정 생각 데이터의 강도의 실제 변화 정도를 획득하고, 상기 테스트용 특정 생각 데이터의 강도의 상기 예측 변화 정도 및 상기 테스트용 특정 생각 데이터의 강도의 상기 실제 변화 정도를 참조로 하여, 로스를 산출하고, 상기 로스를 백프로퍼게이션하여, 상기 학습 장치를 재학습하는 역방향 프로세스를 추가적으로 수행하는 것을 특징으로 하는 방법이 개시된다.As an example, in step (a), the computing device includes the specific metadata, an initial value of specific behavioral data for learning, a type of a second specific visual stimulus for learning, a type of a second specific auditory stimulus for learning, and specific thought data for learning. Initial value, adjustment value of the specific thought data for learning, other metadata, initial value of other behavioral data for learning, type of second other visual stimulus for learning, type of second other auditory stimulus for learning, initial value of other thought data for learning, and After additionally performing learning by inputting at least some of the adjustment values of the other thought data for learning into the learning device, it is determined that the specific behavior data for testing belongs to the negative behavior category, and in step (b), The computing device predicts at least a portion of a second optimal visual stimulus for testing and a second optimal auditory stimulus for testing to induce the intensity of the specific behavioral data for testing to be reduced, and provides the specific user with a second optimal auditory stimulus for testing. 2 Calculate the degree of predicted change in the intensity of the specific thought data for testing when at least some of the optimal visual stimulus and the second optimal auditory stimulus for testing are provided, and provide the second optimal visual stimulus for testing and the specific user to the specific user. After providing at least some of the second optimal auditory stimulation for the test, natural language processing and morphological analysis are applied to the specific thought data for the test input from the specific user to determine the degree of actual change in the intensity of the specific thought data for the test. Obtaining, calculating the loss with reference to the predicted degree of change in the intensity of the specific thought data for testing and the actual degree of change in the intensity of the specific thought data for testing, backpropagating the loss, and A method is disclosed, characterized in that it additionally performs a reverse process to retrain a learning device.

본 발명의 또 다른 태양에 따르면, 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 컴퓨팅 장치에 있어서, 인스트럭션들을 저장하는 적어도 하나의 메모리; 및 상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서를 포함하되, 상기 프로세서는, (I) 특정 사용자의 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단하는 프로세스; 및 (II) 상기 특정 행동 데이터에 대응되는 특정 원인 데이터를 포함하는 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 상기 제1 특정 생각 데이터가 입력되면, 상기 특정 원인 데이터에 대한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부를 상기 특정 사용자에게 제공하여, 상기 특정 행동 데이터의 강도의 변화를 감지하고, 상기 특정 행동 데이터의 강도의 변화를 참조로 하여, 상기 제1 특정 생각 데이터로부터 상기 특정 행동 데이터로 향하는 방향의 제1 특정 벡터 성분의 크기 값을 결정하고, 상기 제1 특정 벡터 성분의 크기 값을 참조로 하여, 상기 특정 사용자의 상기 제1 특정 생각 데이터와 상기 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하는 순방향 프로세스;를 수행하는 컴퓨팅 장치가 개시된다.According to another aspect of the present invention, a computing device providing content for inducing thought data corresponding to behavioral data of a user, comprising: at least one memory storing instructions; and at least one processor configured to execute the instructions, wherein the processor comprises: (I) a process for determining that specific behavior data of a specific user belongs to a negative behavior category; and (II) supporting the derivation and input of first specific thought data including specific cause data corresponding to the specific action data, and when the first specific thought data is input, a first specific visual for the specific cause data. By providing at least some of the stimulus and the first specific auditory stimulus to the specific user, detecting a change in the intensity of the specific behavioral data, and referring to the change in the intensity of the specific behavioral data, the first specific thought data Determine the size value of the first specific vector component in the direction toward the specific behavior data, and refer to the size value of the first specific vector component to determine the first specific thought data and the specific behavior data of the specific user. A computing device is disclosed that performs a forward process of determining a first specific degree of correlation between objects.

일례로서, 상기 (II) 프로세스에서, 상기 순방향 프로세스에서, 상기 프로세서는, 제1 특정 생체 데이터, 제1 특정 표정 데이터, 제1 특정 표현 언어 데이터, 제1 특정 디지털 피노타입 및 제1 입력 데이터 중 적어도 일부를 참조로 하여 상기 특정 사용자의 상기 특정 행동 데이터의 초기치를 제1 특정 행동 데이터 강도 밸류로서 결정하며, 상기 제1 특정 시각적 자극 및 상기 제1 특정 청각적 자극 중 적어도 일부가 상기 특정 사용자에게 제공된 이후에, 상기 특정 사용자의 제2 특정 생체 데이터, 제2 특정 표정 데이터, 제2 특정 표현 언어 데이터, 제2 특정 디지털 피노타입 및 제2 입력 데이터 중 적어도 일부를 참조로 하여 상기 특정 사용자의 상기 특정 행동 데이터의 조정치를 제2 특정 행동 데이터 강도 밸류로서 결정하며, 상기 제1 특정 행동 데이터 강도 밸류 및 상기 제2 특정 행동 데이터 강도 밸류의 차이값을 참조로 하여 상기 제1 특정 벡터 성분의 크기 값을 결정하는 것을 특징으로 하는 컴퓨팅 장치가 개시된다.As an example, in the process (II), in the forward process, the processor selects one of first specific biometric data, first specific facial expression data, first specific expression language data, first specific digital pinotype, and first input data. An initial value of the specific behavior data of the specific user is determined as a first specific behavioral data intensity value with reference to at least a part of the specific user, and at least some of the first specific visual stimulus and the first specific auditory stimulus are provided to the specific user. After being provided, the information of the specific user is provided with reference to at least some of the second specific biometric data, the second specific facial expression data, the second specific expression language data, the second specific digital pinotype, and the second input data of the specific user. The adjustment value of the specific behavior data is determined as a second specific behavior data intensity value, and the size value of the first specific vector component is determined by referring to the difference value between the first specific behavior data intensity value and the second specific behavior data intensity value. A computing device is disclosed, characterized in that determining .

일례로서, 상기 (II) 프로세스에서, 상기 프로세서는, 상기 특정 사용자의 상기 제1 특정 생체 데이터를 획득한 제1_1 시각, 상기 제1 특정 표정 데이터를 획득한 제1_2 시각, 상기 제1 특정 표현 언어 데이터를 획득한 제1_3 시각, 상기 제1 특정 디지털 피노타입을 획득한 제1_4 시각 및 상기 제1 입력 데이터를 획득한 제1_5 시각 중 적어도 일부를 참조로 하여 제1 특정 타임프레임을 결정하고, 상기 제2 특정 생체 데이터를 획득한 제2_1 시각, 상기 제2 특정 표정 데이터를 획득한 제2_2 시각, 상기 제2 특정 표현 언어 데이터를 획득한 제2_3 시각, 상기 제2 특정 디지털 피노타입을 획득한 제2_4 시각, 상기 제2 입력 데이터를 획득한 제2_5 시각 중 적어도 일부를 참조로 하여 제2 특정 타임프레임을 결정하며, 상기 제1 특정 타임 프레임 및 상기 제2 특정 타임 프레임은 기설정된 임계 시간 이내로 근접한 것으로서 결정하는 것을 특징으로 하는 컴퓨팅 장치가 개시된다.As an example, in the process (II), the processor is configured to: a 1_1 time at which the first specific biometric data of the specific user is acquired, a 1_2 time at which the first specific facial expression data is acquired, and the first specific expression language. Determine a first specific time frame with reference to at least a portion of the 1_3 time at which the data is acquired, the 1_4 time at which the first specific digital pinotype is acquired, and the 1_5 time at which the first input data is acquired, 2_1 time at which the second specific biometric data is acquired, 2_2 time at which the second specific facial expression data is acquired, 2_3 time at which the second specific expression language data is acquired, and 2_3 time at which the second specific digital pinotype is acquired. A second specific time frame is determined with reference to at least part of the 2_4 time and the 2_5 time at which the second input data is acquired, and the first specific time frame and the second specific time frame are close to each other within a preset threshold time. A computing device is disclosed, which is characterized in that it makes a decision.

일례로서, 상기 (II) 프로세스에서, 상기 프로세서가, 상기 특정 행동 데이터의 강도를 줄이도록 유도하기 위하여 제2 특정 시각적 자극 및 제2 특정 청각적 자극 중 적어도 일부를 상기 특정 사용자에게 제공하고, 상기 특정 행동 데이터의 강도가 기설정된 임계치 이상 줄어듦이 감지되거나 상기 제2 특정 시각적 자극 및 상기 제2 특정 청각적 자극 중 적어도 일부가 상기 특정 사용자에게 소정 시간 동안 노출되면, 제2 특정 생각 데이터의 변화 상태를 입력하도록 지원하고, 상기 제2 특정 생각 데이터의 변화 상태를 참조로 하여, 상기 특정 행동 데이터로부터 상기 제2 특정 생각 데이터로 향하는 방향의 제2 특정 벡터 성분의 크기 값을 결정하고, 상기 제2 특정 벡터 성분의 크기 값을 참조로 하여, 상기 특정 사용자의 상기 특정 행동 데이터와 상기 제2 특정 생각 데이터 간의 제2 특정 코릴레이션 정도를 추가적으로 결정하는 역방향 프로세스를 추가적으로 수행하는 것을 특징으로 하는 컴퓨팅 장치가 개시된다.As an example, in process (II), the processor provides at least some of a second specific visual stimulus and a second specific auditory stimulus to the specific user to induce the specific user to reduce the intensity of the specific behavioral data, When the intensity of specific behavioral data is detected to decrease beyond a preset threshold or when at least some of the second specific visual stimulus and the second specific auditory stimulus are exposed to the specific user for a predetermined period of time, the change state of the second specific thought data Supports input, and determines, with reference to the change state of the second specific thought data, a magnitude value of a second specific vector component in a direction from the specific action data to the second specific thought data, and the second A computing device characterized in that it additionally performs a reverse process of additionally determining a second specific correlation degree between the specific behavior data of the specific user and the second specific thought data, with reference to the size value of a specific vector component. It begins.

일례로서, 상기 (II) 프로세스에서, 상기 역방향 프로세스에서, 상기 프로세서는, 상기 제2 특정 생각 데이터에 자연어처리 및 형태소분석을 적용하여 상기 특정 사용자의 상기 제2 특정 생각 데이터의 초기치를 제2_1 특정 생각 데이터 강도 밸류로서 결정하고 상기 제2 특정 생각 데이터의 조정치를 제2_2 특정 생각 데이터 강도 밸류로서 결정하며, 상기 제2_1 특정 생각 데이터 강도 밸류 및 상기 제2_2 특정 생각 데이터 강도 밸류의 차이값을 참조로 하여 상기 제2 특정 벡터 성분의 크기 값을 결정하는 것을 특징으로 하는 컴퓨팅 장치가 개시된다.As an example, in the process (II), in the reverse process, the processor applies natural language processing and morphological analysis to the second specific thought data to specify an initial value of the second specific thought data of the specific user as 2_1. The thought data intensity value is determined, and the adjustment value of the second specific thought data is determined as the 2_2 specific thought data intensity value, with reference to the difference value between the 2_1 specific thought data intensity value and the 2_2 specific thought data intensity value. A computing device is disclosed, characterized in that the magnitude value of the second specific vector component is determined.

일례로서, 상기 (II) 프로세스에서, 상기 역방향 프로세스에서, 상기 프로세서는, 상기 특정 행동 데이터의 강도를 상기 기설정된 임계치 이상 줄이도록 유도하는 제2_1 특정 자극 데이터 및 상기 특정 행동 데이터를 소정의 긍정적 행동 데이터로 바꾸도록 유도하는 제2_2 특정 자극 데이터 중 적어도 일부를 상기 제2 특정 시각적 자극 및 상기 제2 특정 청각적 자극 중 적어도 일부로서 결정하는 것을 특징으로 하는 컴퓨팅 장치가 개시된다.As an example, in the process (II), in the reverse process, the processor converts the 2_1 specific stimulus data and the specific behavioral data into a predetermined positive behavior that induces the intensity of the specific behavioral data to be reduced beyond the preset threshold. A computing device is disclosed, characterized in that it determines at least a part of the 2_2 specific stimulus data to be converted into data as at least a part of the second specific visual stimulus and the second specific auditory stimulus.

일례로서, 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 최적으로 제공하기 위하여 학습하는 컴퓨팅 장치에 있어서, 인스트럭션들을 저장하는 적어도 하나의 메모리; 및 상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서를 포함하되, 상기 프로세서가, (I) 특정 사용자의 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 상기 특정 행동 데이터에 대응되는 학습용 특정 원인 데이터, 학습용 제1 특정 시각적 자극의 종류, 학습용 제1 특정 청각적 자극의 종류, 상기 학습용 특정 행동 데이터의 조정치, 상기 특정 사용자와 기설정된 임계치 이상의 유사도를 가지는 타 사용자의 타 메타데이터, 학습용 타 행동 데이터의 초기치, 상기 학습용 타 행동 데이터에 대응되는 학습용 타 원인 데이터, 학습용 제1 타 시각적 자극의 종류, 학습용 제1 타 청각적 자극의 종류 및 상기 학습용 타 행동 데이터의 조정치 중 적어도 일부를 학습 장치에 입력하여, 학습을 수행한 후, 상기 특정 사용자의 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단하는 프로세스; 및 (II) 상기 테스트용 특정 행동 데이터에 대응되는 테스트용 특정 원인 데이터를 포함하는 테스트용 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 상기 테스트용 제1 특정 생각 데이터가 입력되면, 상기 테스트용 특정 원인 데이터에 대한 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 예측하고, 상기 특정 사용자에게 상기 테스트용 제1 최적 시각적 자극 및 상기 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 상기 테스트용 특정 행동 데이터의 강도의 예측 변화 정도를 산출하고, 상기 특정 사용자에게 상기 테스트용 제1 최적 시각적 자극 및 상기 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공한 후, 상기 특정 사용자의 상기 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 획득하고, 상기 테스트용 특정 행동 데이터의 강도의 상기 예측 변화 정도 및 상기 테스트용 특정 행동 데이터의 강도의 상기 실제 변화 정도를 참조로 하여, 로스를 산출하고, 상기 로스를 백프로퍼게이션하여, 상기 학습 장치를 재학습하는 순방향 프로세스;를 수행하는 컴퓨팅 장치가 개시된다.As an example, a computing device that learns to optimally provide content for inducing thought data corresponding to user behavior data includes: at least one memory storing instructions; and at least one processor configured to execute the instructions, wherein the processor includes: (I) specific metadata of a specific user, an initial value of specific behavior data for learning, specific cause data for learning corresponding to the specific behavior data, and A type of a first specific visual stimulus, a type of a first specific auditory stimulus for learning, an adjustment value of the specific behavior data for learning, other metadata of another user having a similarity of the specific user and a preset threshold or more, and other behavior data for learning. Input at least some of the initial value, the other cause data for learning corresponding to the other behavior data for learning, the type of first other visual stimulus for learning, the type of first other auditory stimulus for learning, and the adjustment value of the other behavior data for learning to the learning device. Thus, after performing learning, a process of determining that the specific behavior data for testing of the specific user belongs to a negative behavior category; and (II) supporting the derivation and input of first specific thought data for testing including specific cause data for testing corresponding to the specific behavior data for testing, and when the first specific thought data for testing is input, the test Predicting at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing for specific causal data, and predicting for the specific user the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing. Calculating a predicted degree of change in the intensity of the specific behavioral data for the test when at least some of the stimuli are provided, and at least some of the first optimal visual stimulus for the test and the first optimal auditory stimulus for the test to the specific user After providing, the actual degree of change in the intensity of the specific behavioral data for testing of the specific user is obtained, the predicted degree of change in the intensity of the specific behavioral data for testing and the actual degree of change in the intensity of the specific behavioral data for testing. A computing device that performs a forward process of calculating a loss with reference to the degree of change, backpropagating the loss, and retraining the learning device is disclosed.

일례로서, 상기 (I) 프로세스에서, 상기 프로세서가, 상기 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 학습용 제2 특정 시각적 자극의 종류, 학습용 제2 특정 청각적 자극의 종류, 학습용 특정 생각 데이터의 초기치, 상기 학습용 특정 생각 데이터의 조정치, 상기 타 메타데이터, 학습용 타 행동 데이터의 초기치, 학습용 제2 타 시각적 자극의 종류, 학습용 제2 타 청각적 자극의 종류, 학습용 타 생각 데이터의 초기치 및 상기 학습용 타 생각 데이터의 조정치 중 적어도 일부를 상기 학습 장치에 입력하여, 학습을 추가적으로 수행한 후, 상기 테스트용 특정 행동 데이터가 상기 부정적 행동 카테고리에 속하는 것으로 판단하고, 상기 (II) 프로세스에서, 상기 프로세서는, 상기 테스트용 특정 행동 데이터의 강도를 줄이도록 유도하기 위한 테스트용 제2 최적 시각적 자극 및 테스트용 제2 최적 청각적 자극 중 적어도 일부를 예측하고, 상기 특정 사용자에게 상기 테스트용 제2 최적 시각적 자극 및 상기 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 테스트용 특정 생각 데이터의 강도의 예측 변화 정도를 산출하고, 상기 특정 사용자에게 상기 테스트용 제2 최적 시각적 자극 및 상기 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공한 후, 상기 특정 사용자로부터 입력된 상기 테스트용 특정 생각 데이터에 자연어처리 및 형태소분석을 적용하여 상기 테스트용 특정 생각 데이터의 강도의 실제 변화 정도를 획득하고, 상기 테스트용 특정 생각 데이터의 강도의 상기 예측 변화 정도 및 상기 테스트용 특정 생각 데이터의 강도의 상기 실제 변화 정도를 참조로 하여, 로스를 산출하고, 상기 로스를 백프로퍼게이션하여, 상기 학습 장치를 재학습하는 역방향 프로세스를 추가적으로 수행하는 것을 특징으로 하는 컴퓨팅 장치가 개시된다.As an example, in the process (I), the processor configures the specific metadata, the initial value of the specific behavioral data for learning, the type of second specific visual stimulus for learning, the type of second specific auditory stimulus for learning, and the specific thought data for learning. Initial value, adjustment value of the specific thought data for learning, other metadata, initial value of other behavior data for learning, type of second other visual stimulus for learning, type of second other auditory stimulus for learning, initial value of other thought data for learning, and the above After additionally performing learning by inputting at least some of the adjustment values of other thought data for learning into the learning device, it is determined that the specific behavior data for testing belongs to the negative behavior category, and in the process (II), The processor predicts at least some of the second optimal visual stimulus for testing and the second optimal auditory stimulus for testing to induce a decrease in the intensity of the specific behavioral data for testing, and provides the second optimal visual stimulus for testing to the specific user. Calculate the predicted degree of change in the intensity of specific thought data for testing when at least a portion of the visual stimulus and the second optimal auditory stimulus for the test are provided, and provide the second optimal visual stimulus for the test and the test to the specific user. After providing at least some of the second optimal auditory stimulation, natural language processing and morphological analysis are applied to the specific thought data for testing input from the specific user to obtain the actual degree of change in the intensity of the specific thought data for testing. And, with reference to the predicted degree of change in the intensity of the specific thought data for testing and the actual degree of change in the intensity of the specific thought data for testing, a loss is calculated, the loss is backpropagated, and the learning device A computing device is disclosed, characterized in that it additionally performs a reverse process of relearning.

본 발명은 특정 행동 데이터에 대응되는 특정 원인 데이터를 포함하는 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 제1 특정 생각 데이터가 입력되면, 특정 원인 데이터에 대한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부를 특정 사용자에게 제공하여, 특정 행동 데이터의 강도의 변화를 감지하고, 특정 행동 데이터의 강도의 변화를 참조로 하여, 제1 특정 생각 데이터로부터 특정 행동 데이터로 향하는 방향의 제1 특정 벡터 성분의 크기 값을 결정하고, 제1 특정 벡터 성분의 크기 값을 참조로 하여, 특정 사용자의 제1 특정 생각 데이터와 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하는 순방향 프로세스를 수행하는 효과가 있다.The present invention supports deriving and inputting first specific thought data including specific cause data corresponding to specific action data, and when the first specific thought data is input, a first specific visual stimulus and a first specific thought data for the specific cause data. Providing at least some of the specific auditory stimuli to a specific user, detecting a change in the intensity of the specific behavioral data, and using the change in the intensity of the specific behavioral data as a reference, detecting a direction from the first specific thought data to the specific behavioral data. A forward process of determining a size value of a first specific vector component, and determining a first specific degree of correlation between the first specific thought data and specific action data of a specific user, using the size value of the first specific vector component as a reference. It has the effect of performing.

또한, 본 발명은 특정 사용자의 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 특정 행동 데이터에 대응되는 학습용 특정 원인 데이터, 학습용 제1 특정 시각적 자극의 종류, 학습용 제1 특정 청각적 자극의 종류, 학습용 특정 행동 데이터의 조정치, 특정 사용자와 기설정된 임계치 이상의 유사도를 가지는 타 사용자의 타 메타데이터, 학습용 타 행동 데이터의 초기치, 학습용 타 행동 데이터에 대응되는 학습용 타 원인 데이터, 학습용 제1 타 시각적 자극의 종류, 학습용 제1 타 청각적 자극의 종류 및 학습용 타 행동 데이터의 조정치 중 적어도 일부를 학습 장치에 입력하여, 학습을 수행한 후, 특정 사용자의 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단되면, 테스트용 특정 행동 데이터에 대응되는 테스트용 특정 원인 데이터를 포함하는 테스트용 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 테스트용 제1 특정 생각 데이터가 입력되면, 테스트용 특정 원인 데이터에 대한 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 예측하고, 특정 사용자에게 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 테스트용 특정 행동 데이터의 강도의 예측 변화 정도를 산출하고, 특정 사용자에게 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공한 후, 특정 사용자의 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 획득하고, 테스트용 특정 행동 데이터의 강도의 예측 변화 정도 및 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 참조로 하여, 로스를 산출하고, 로스를 백프로퍼게이션하여, 학습 장치를 재학습하는 순방향 프로세스를 수행하는 효과가 있다.In addition, the present invention provides specific metadata of a specific user, initial value of specific behavioral data for learning, specific cause data for learning corresponding to specific behavioral data, type of first specific visual stimulus for learning, type of first specific auditory stimulus for learning, and specific cause data for learning. Adjustment value of specific behavior data, other metadata of other users with similarity above a preset threshold to a specific user, initial value of other behavior data for learning, other cause data for learning corresponding to other behavior data for learning, first other visual stimulus for learning After performing learning by inputting at least some of the type, type of first auditory stimulus for learning, and adjustment value of other behavioral data for learning into the learning device, it is determined that the specific behavioral data for test of a specific user belongs to the negative behavior category. If determined, support is provided to induce and input first specific thought data for testing, including specific cause data for testing corresponding to specific behavior data for testing, and when first specific thought data for testing is input, specific cause data for testing. predict at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing, and provide at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing to a particular user. After calculating the predicted degree of change in the intensity of the specific behavioral data for testing and providing at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing to the specific user, Obtain the actual degree of change in the intensity of the behavioral data, calculate the loss using the predicted degree of change in the intensity of the specific behavioral data for testing and the actual degree of change in the intensity of the specific behavioral data for testing as a reference, and backpropagate the loss. Thus, there is an effect of performing a forward process of retraining the learning device.

본 발명의 실시예의 설명에 이용되기 위하여 첨부된 아래 도면들은 본 발명의 실시예들 중 단지 일부일 뿐이며, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자(이하 "통상의 기술자")에게 있어서는 발명적 작업이 이루어짐 없이 이 도면들에 기초하여 다른 도면들이 얻어질 수 있다.
도 1은 본 발명의 일 실시예에 따른 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하기 위한 컴퓨팅 장치의 개략적인 구성을 나타내는 도면이며,
도 2는 본 발명의 일 실시예에 따른 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 방법의 순서를 설명하기 위한 흐름도이며,
도 3은 본 발명의 일 실시예에 따른 데이터베이스에 저장된 사용자의 행동 데이터에 대한 제1 행동 데이터 강도 밸류, 제1 시각적 자극, 제1 청각적 자극, 제2 행동 데이터 강도 밸류, 제1 벡터 성분 크기 및 제1 코릴레이션 정도를 매칭하여 관리하는 상태를 나타내는 도면이며,
도 4는 본 발명의 일 실시예에 따른 데이터베이스에 저장된 사용자의 행동 데이터에 대한 제2 시각적 자극, 제2 청각적 자극, 제2_1 생각 데이터 강도 밸류, 제2_2 생각 데이터 강도 밸류, 제2 벡터 성분 크기 및 제2 코릴레이션 정도를 매칭하여 관리하는 상태를 나타내는 도면이며,
도 5a는 본 발명의 일 실시예에 따른 테스트용 제1 특정 생각 데이터가 입력된 후, 학습 장치를 통해 산출되는 특정 사용자에 대응되는 테스트용 특정 행동 데이터의 강도의 예측 변화 정도 및 이에 대응되는 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공한 후 획득되는 특정 사용자에 대응되는 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 참조로 하여 산출된 Loss값을 백프로퍼게이션하여, 학습 장치를 재학습하는 순방향 프로세스를 수행하는 단계를 나타내는 도면이며,
도 5b는 본 발명의 일 실시예에 따른 테스트용 특정 행동 데이터의 강도가 입력된 후, 학습 장치를 통해 산출되는 특정 사용자에 대응되는 테스트용 특정 생각 데이터의 강도의 예측 변화 정도 및 이에 대응되는 테스트용 제2 최적 시각적 자극 및 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공한 후 획득되는 특정 사용자에 대응되는 테스트용 특정 생각 데이터의 강도의 실제 변화 정도를 참조로 하여 산출된 Loss값을 백프로퍼게이션하여, 학습 장치를 재학습하는 역방향 프로세스를 추가적으로 수행하는 단계를 나타내는 도면이다.The following drawings attached for use in explaining embodiments of the present invention are only some of the embodiments of the present invention, and to those skilled in the art (hereinafter “those skilled in the art”), the invention Other drawings can be obtained based on these drawings without further work being done.
1 is a diagram showing a schematic configuration of a computing device for providing content for inducing thought data corresponding to user behavior data according to an embodiment of the present invention;
Figure 2 is a flowchart illustrating the sequence of a method for providing content for inducing thought data corresponding to user behavior data according to an embodiment of the present invention;
3 shows a first behavioral data intensity value, a first visual stimulus, a first auditory stimulus, a second behavioral data intensity value, and a first vector component size for the user's behavioral data stored in the database according to an embodiment of the present invention. and a diagram showing a state of matching and managing the first correlation degree,
Figure 4 shows the second visual stimulus, second auditory stimulus, 2_1 thought data intensity value, 2_2 thought data intensity value, and second vector component size for the user's behavior data stored in the database according to an embodiment of the present invention. and a diagram showing the state of matching and managing the second correlation degree,
Figure 5A shows the degree of predicted change in the intensity of specific behavior data for testing corresponding to a specific user calculated through a learning device after inputting first specific thought data for testing according to an embodiment of the present invention and the corresponding test. The loss value calculated by 100% with reference to the actual degree of change in the intensity of the specific behavioral data for testing corresponding to a specific user obtained after providing at least some of the first optimal visual stimulation for testing and the first optimal auditory stimulation for testing. This is a diagram showing the steps of performing a forward process of pergating and retraining the learning device,
Figure 5b shows the degree of predicted change in the intensity of specific thought data for testing corresponding to a specific user calculated through a learning device after the intensity of specific behavior data for testing is input according to an embodiment of the present invention and the corresponding test. The loss value calculated by 100 percent with reference to the actual degree of change in the intensity of the specific thought data for testing corresponding to a specific user obtained after providing at least some of the second optimal visual stimulation for testing and the second optimal auditory stimulation for testing. This is a diagram showing the steps of additionally performing the reverse process of pergating and relearning the learning device.

후술하는 본 발명에 대한 상세한 설명은, 본 발명의 목적들, 기술적 해법들 및 장점들을 분명하게 하기 위하여 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 통상의 기술자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다.The detailed description of the present invention described below refers to the accompanying drawings, which show by way of example specific embodiments in which the present invention may be practiced to make clear the objectives, technical solutions and advantages of the present invention. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention.

또한, 본 발명의 상세한 설명 및 청구항들에 걸쳐, "포함하다"라는 단어 및 그것의 변형은 다른 기술적 특징들, 부가물들, 구성요소들 또는 단계들을 제외하는 것으로 의도된 것이 아니다. 통상의 기술자에게 본 발명의 다른 목적들, 장점들 및 특성들이 일부는 본 설명서로부터, 그리고 일부는 본 발명의 실시로부터 드러날 것이다. 아래의 예시 및 도면은 실례로서 제공되며, 본 발명을 한정하는 것으로 의도된 것이 아니다.Additionally, throughout the description and claims, the word “comprise” and variations thereof are not intended to exclude other technical features, attachments, components or steps. Other objects, advantages and features of the invention will appear to those skilled in the art, partly from this description and partly from practice of the invention. The examples and drawings below are provided by way of example and are not intended to limit the invention.

더욱이 본 발명은 본 명세서에 표시된 실시예들의 모든 가능한 조합들을 망라한다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.Moreover, the present invention encompasses all possible combinations of the embodiments shown herein. It should be understood that the various embodiments of the present invention are different from one another but are not necessarily mutually exclusive. For example, specific shapes, structures and characteristics described herein with respect to one embodiment may be implemented in other embodiments without departing from the spirit and scope of the invention. Additionally, it should be understood that the location or arrangement of individual components within each disclosed embodiment may be changed without departing from the spirit and scope of the invention. Accordingly, the detailed description that follows is not intended to be taken in a limiting sense, and the scope of the invention is limited only by the appended claims, together with all equivalents to what those claims assert, if properly described. Similar reference numbers in the drawings refer to identical or similar functions across various aspects.

이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.Hereinafter, in order to enable those skilled in the art to easily practice the present invention, preferred embodiments of the present invention will be described in detail with reference to the attached drawings.

도 1은 본 발명의 일 실시예에 따른 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하기 위한 컴퓨팅 장치의 개략적인 구성을 나타내는 도면이다.1 is a diagram illustrating a schematic configuration of a computing device for providing content for inducing thought data corresponding to user behavior data according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하기 위한 컴퓨팅 장치(100)는 메모리(110), 프로세서(120) 및 디스플레이(130)를 포함할 수 있다.As shown in FIG. 1, the computing device 100 for providing content for inducing thought data corresponding to the user's behavior data of the present invention includes a memory 110, a processor 120, and a display 130. It can be included.

도 1을 참조하면, 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하기 위한 컴퓨팅 장치(100)의 메모리(110)는 프로세서(120)에 의해 수행될 인스트럭션들을 저장할 수 있는데, 구체적으로, 인스트럭션들은 컴퓨팅 장치(100)로 하여금 특정의 방식으로 기능하게 하기 위한 목적으로 생성되는 코드로서, 컴퓨터 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장될 수 있다. 인스트럭션들은 본 발명의 명세서에서 설명되는 기능들을 실행하기 위한 프로세스들을 수행할 수 있다.Referring to FIG. 1, the memory 110 of the computing device 100 for providing content for inducing thought data corresponding to the user's behavior data may store instructions to be performed by the processor 120. In other words, instructions are code generated for the purpose of causing computing device 100 to function in a specific manner, and may be stored in computer-usable or computer-readable memory that can be directed to a computer or other programmable data processing equipment. there is. Instructions may perform processes to execute functions described in the specification of the present invention.

그리고, 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하기 위한 컴퓨팅 장치(100)의 프로세서(120)는 MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 컴퓨팅 장치(100)는 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.In addition, the processor 120 of the computing device 100 for providing content for inducing thought data corresponding to the user's behavior data is a Micro Processing Unit (MPU), a Central Processing Unit (CPU), or a Cache Memory. ), and may include hardware configurations such as a data bus. Additionally, the computing device 100 may further include an operating system and a software component of an application that performs a specific purpose.

또한, 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하기 위한 컴퓨팅 장치(100)는 데이터베이스(200)와 연동될 수 있다. 여기서, 데이터베이스(200)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(ReadOnly Memory, ROM), EEPROM(Electrically Erasable Programmable ReadOnly Memory), PROM(Programmable ReadOnly Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장 매체를 포함할 수 있으며, 이에 한정되지 않으며 데이터를 저장할 수 있는 모든 매체를 포함할 수 있다. 또한, 데이터베이스(200)는 컴퓨팅 장치(100)와 분리되어 설치되거나, 이와는 달리 컴퓨팅 장치(100)의 내부에 설치되어 데이터를 전송하거나 수신되는 데이터를 기록할 수도 있고, 둘 이상으로 분리되어 구현될 수도 있으며, 이는 발명의 실시 조건에 따라 달라질 수 있다.Additionally, the computing device 100 may be linked with the database 200 to provide content for inducing thought data corresponding to the user's behavior data. Here, the database 200 includes a flash memory type, hard disk type, multimedia card micro type, card type memory (for example, SD or XD memory), At least one of RAM (Random Access Memory), SRAM (Static Random Access Memory), ROM (ReadOnly Memory), EEPROM (Electrically Erasable Programmable ReadOnly Memory), PROM (Programmable ReadOnly Memory), magnetic memory, magnetic disk, and optical disk. It may include one type of storage medium, but is not limited to this and may include all media capable of storing data. In addition, the database 200 may be installed separately from the computing device 100, or alternatively, may be installed inside the computing device 100 to transmit data or record received data, or may be implemented separately in two or more parts. This may vary depending on the implementation conditions of the invention.

이와 같이 구성된 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)를 이용한 방법을 도 2를 참조하여 설명하면 다음과 같다.A method using the computing device 100 according to an embodiment of the present invention configured as described above will be described with reference to FIG. 2 as follows.

도 2는 본 발명의 일 실시예에 따른 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 제공하는 방법의 순서를 설명하기 위한 흐름도이다.Figure 2 is a flowchart illustrating the sequence of a method for providing content for inducing thought data corresponding to user behavior data according to an embodiment of the present invention.

먼저, 컴퓨팅 장치(100)는, 특정 사용자의 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단한다(S201).First, the computing device 100 determines that specific behavior data of a specific user belongs to the negative behavior category (S201).

여기서, 특정 사용자의 특정 행동 데이터가 부정적 행동 카테고리에 속하는지 여부는, 생체 신호 수집 디바이스에 의해 획득되어지는 특정 사용자의 생체 신호 데이터(가령, 특정 사용자의 심전도 데이터, 혈압 데이터, 호흡 데이터, 혈액 내 이산화탄소 농도 데이터 및 뇌파 데이터 중 적어도 일부), 컨텐츠를 제공하는 도중에 가속도계에 의해 추출되는 특정 사용자의 가속도 센서 데이터(가령, 특정 사용자의 이동 방향 데이터, 이동 거리 데이터, 속도 데이터 중 적어도 일부), 컨텐츠를 제공하는 도중에 센서에 의해 모니터링 되어 획득되어지는 특정 사용자의 영상 센서 데이터(가령, 특정 사용자의 자세 데이터, 액션 데이터, 움직임 데이터 중 적어도 일부), 디지털 피노타입 수집용 툴에 의해 획득되어지는 특정 사용자의 피노타입 데이터(가령, 특정 사용자에 의해 송신/수신된 현실 전화 관련 데이터, 현실 문자 관련 데이터, 현실 E-mail 관련 데이터, 현실 SNS 관련 데이터 및 현실 수면 데이터 중 적어도 일부) 및 특정 사용자에 의해 컴퓨팅 장치(100)로 입력될 수 있는 설문 데이터를 포함한 모든 입력 데이터 중 적어도 일부를 참조로 하여 결정될 수 있을 것이나, 이에 한정되는 것은 아니다.Here, whether the specific behavior data of a specific user belongs to the negative behavior category is determined by the biosignal data of the specific user acquired by the biosignal collection device (e.g., the specific user's electrocardiogram data, blood pressure data, respiration data, blood (at least some of the carbon dioxide concentration data and brain wave data), acceleration sensor data of a specific user extracted by an accelerometer while providing the content (e.g., at least some of the moving direction data, moving distance data, and speed data of the specific user), the content Image sensor data of a specific user that is monitored and acquired by a sensor during provisioning (e.g., at least some of the posture data, action data, and movement data of a specific user), and video sensor data of a specific user that is acquired by a tool for collecting digital pinotypes. Pinotype data (e.g., at least some of real phone related data, real text related data, real E-mail related data, real SNS related data and real sleep data sent/received by a specific user) and computing devices by a specific user It may be determined by referring to at least some of all input data, including survey data that can be input as (100), but is not limited to this.

가령, 컴퓨팅 장치(100)는 특정 사용자가 기설정된 임계치 이상의 시간이 경과 되었음에도 서있는 상태에서 경직된 상태를 유지하고 있다거나, 출입문 쪽을 응시하면서 계속 출입문을 통해 도망가려는 소위 회피 행동을 보이거나, 특정 사용자의 부정적인 행동(가령, 과호흡 등)이 감지되면, 상기 특정 사용자의 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단할 것이다.For example, the computing device 100 may detect that a specific user maintains a rigid state while standing even after a period of time exceeding a preset threshold, shows so-called avoidance behavior of continuously trying to run away through the door while staring at the door, or detects that the specific user If negative behavior (e.g., hyperventilation, etc.) is detected, it will be determined that the specific behavior data of the specific user belongs to the negative behavior category.

다음으로, 상기 컴퓨팅 장치(100)는 특정 행동 데이터에 대응되는 특정 원인 데이터를 포함하는 제1 특정 생각 데이터를 유도하여 입력하도록 지원하고, 제1 특정 생각 데이터가 입력되면, 특정 원인 데이터에 대한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부를 특정 사용자에게 제공하여, 특정 행동 데이터의 강도의 변화를 감지하고, 특정 행동 데이터의 강도의 변화를 참조로 하여, 제1 특정 생각 데이터로부터 특정 행동 데이터로 향하는 방향의 제1 특정 벡터 성분의 크기 값을 결정하고, 제1 특정 벡터 성분의 크기 값을 참조로 하여, 특정 사용자의 제1 특정 생각 데이터와 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하는 순방향 프로세스를 수행할 수 있다(S202).Next, the computing device 100 supports deriving and inputting first specific thought data including specific cause data corresponding to specific behavior data, and when the first specific thought data is input, the first specific thought data for the specific cause data is supported. 1 Provide at least a portion of a specific visual stimulus and a first specific auditory stimulus to a specific user, detect a change in the intensity of specific behavioral data, and, with reference to the change in intensity of the specific behavioral data, detect a change in the intensity of the specific behavioral data from the first specific thought data. Determining the size value of a first specific vector component in the direction toward the specific action data, and using the size value of the first specific vector component as a reference, a first specific correlation between the first specific thought data and the specific action data of the specific user A forward process to determine the degree can be performed (S202).

여기서, 특정 사용자의 행동 데이터가 회피 행동이라고 할 때, 특정 행동 데이터에 대응되는 특정 원인 데이터는 회피 행동의 원인이 되는 모든 원인 데이터 중 적어도 일부가 될 것이며, 가령, 실내에 억압적으로 갇혀 있었을 때에 느꼈던 트라우마로 인하여 자신이 실내에 들어가기만하면 출입문을 통해 도망가려는 회피 행동을 보인다고 하였을 때, 여기서 원인 데이터는 실내에 억압적으로 갇혀 있었다는 사실이 될 수 있을 것이다.Here, when the behavior data of a specific user is an avoidance behavior, the specific cause data corresponding to the specific behavior data will be at least some of all the cause data that causes the avoidance behavior, for example, when the user is oppressively confined indoors. When a person says that due to the trauma he felt, he shows avoidance behavior by trying to escape through the door whenever he enters the room, the causal data here could be the fact that he was oppressively confined indoors.

또한, 컴퓨팅 장치(100)는 특정 사용자로 하여금, 상기 특정 원인 데이터를 포함하는 제1 특정 생각 데이터를 유도하여 입력하도록 지원할 수 있는데, 여기서, 제1 특정 생각 데이터의 입력을 유도하는 방법은 특정 사용자의 화면 및/또는 스피커 등을 통해 이루어질 수 있다. 가령, 컴퓨팅 장치(100)는 특정 사용자의 화면 및/또는 스피커를 통해 '당신은 현재 회피 행동을 보이는 상태로 나타나는데, 그 이유가 무엇이라고 생각하시나요?' 등의 문구를 시각적으로 표시 및/또는 청각적으로 노출(후술할 제1 특정 시각적 자극 및 제1 특정 청각적 자극과는 전혀 다른 것임)함으로써 특정 사용자의 제1 특정 생각 데이터를 입력하도록 유도할 수 있을 것이다. 여기서, 특정 사용자의 제1 특정 생각 데이터는 타이핑 등을 통해 입력되거나, 보이스 등을 통해 컴퓨팅 장치(100)에 입력될 수 있으나, 이에 한정되지는 않는다.Additionally, the computing device 100 may support a specific user to induce and input first specific thought data including the specific cause data, wherein the method of inducing input of the first specific thought data is performed by a specific user. This can be done through the screen and/or speakers, etc. For example, the computing device 100 may display, through a specific user's screen and/or speaker, 'Are you currently exhibiting avoidance behavior? What do you think is the reason?' By visually displaying and/or audibly exposing phrases such as (which are completely different from the first specific visual stimulus and first specific auditory stimulus, which will be described later), a specific user can be induced to input the first specific thought data. There will be. Here, the first specific thought data of a specific user may be input through typing, etc., or may be input into the computing device 100 through voice, etc., but is not limited thereto.

다음으로, 특정 사용자의 제1 특정 생각 데이터가 입력되면, 컴퓨팅 장치(100)는 상기 특정 원인 데이터에 대한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부를 특정 사용자에게 제공할 수 있는데, 가령, 컴퓨팅 장치(100)가 특정 사용자의 화면 및/또는 스피커 등을 통해 '과연 출입문만 보면 불안한 마음이 드는 것이 올바른 행동일까요?' 등의 문구를 시각적 및/또는 청각적으로 특정 사용자에게 제공함으로써, 특정 사용자로 하여금, 부정적인 행동의 원인 데이터에 집착하는 것(즉, 가중치를 두는 것)이 과연 자신의 몸과 마음을 상하면서까지 끄달려야 할만한 가치가 있는 것인지에 대해 숙고할 수 있도록 유도하고, 상기 부정적인 행동의 원인 데이터에 대한 집착을 생각의 변화를 통해 해결함으로써, 특정 행동 데이터의 강도의 변화를 유도할 수 있을 것이다. 제1 특정 시각적 자극 및 제1 특정 청각적 자극에 대한 다른 예로서, 복식호흡 및 근이완훈련 중 적어도 일부를 상정할 수도 있을 것이다. 이는 원인 데이터에 대한 집착의 정당성 여부에 대해 숙고하도록 하는 자극은 아니지만, 복식호흡 및 근이완훈련 역시 제1 특정 시각적 자극 및 제1 특정 청각적 자극의 형태를 통해 특정 사용자에게 가이드를 제공함으로써, 원인 데이터에 의해 회피행동을 하려는 불안한 상태를 치유하도록 하는데에 도움을 줄 수 있는 것이다.Next, when the first specific thought data of a specific user is input, the computing device 100 may provide at least some of the first specific visual stimulus and the first specific auditory stimulus for the specific cause data to the specific user. , for example, the computing device 100 may ask, 'Is it really the right thing to do to feel anxious just by looking at the door?' through the screen and/or speaker of a specific user. By visually and/or audibly presenting phrases like, By encouraging people to reflect on whether it is worth pursuing or not, and by resolving the obsession with data that causes negative behavior through a change in thinking, it will be possible to induce a change in the intensity of specific behavioral data. As another example of the first specific visual stimulus and the first specific auditory stimulus, at least some of abdominal breathing and muscle relaxation training may be assumed. This is not a stimulus to ponder whether or not obsession with causal data is justified, but abdominal breathing and muscle relaxation training also provide guidance to specific users through the form of a first specific visual stimulus and a first specific auditory stimulus, thereby It can help to heal the anxious state of trying to avoid data.

이후, 컴퓨팅 장치(100)는 특정 사용자의 특정 행동 데이터의 강도의 변화를 참조로 하여, 제1 특정 생각 데이터로부터 특정 행동 데이터로 향하는 방향의 제1 특정 벡터 성분의 크기 값(즉, 원인 데이터에 대해 집착하는 것이 올바른지에 대한 숙고를 통해 부정적인 행동이 완화되는 정도가 얼마나 강한지를 나타내는 값)을 결정하고, 제1 특정 벡터 성분의 크기 값을 참조로 하여, 특정 사용자의 제1 특정 생각 데이터와 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하는 순방향 프로세스를 수행할 수 있는데, 여기서는 구체적인 설명을 위하여 도 3을 참조로 하여 설명하겠다.Thereafter, the computing device 100 refers to the change in intensity of the specific behavior data of the specific user, and determines the size value of the first specific vector component in the direction from the first specific thought data to the specific behavioral data (i.e., in the causal data). A value indicating how strong the degree to which negative behavior is alleviated through deliberation on whether it is right to obsess about is determined, and using the magnitude value of the first specific vector component as a reference, the first specific thought data of a specific user and the specific A forward process may be performed to determine a first specific degree of correlation between behavioral data, which will be described with reference to FIG. 3 for detailed explanation.

도 3은 본 발명의 일 실시예에 따른 데이터베이스(200)에 저장된 사용자의 행동 데이터에 대한 제1 행동 데이터 강도 밸류, 제1 시각적 자극, 제1 청각적 자극, 제2 행동 데이터 강도 밸류, 제1 벡터 성분 크기 및 제1 코릴레이션 정도를 매칭하여 관리하는 상태를 나타내는 도면이다.3 shows a first behavioral data intensity value, a first visual stimulus, a first auditory stimulus, a second behavioral data intensity value, and a first behavioral data intensity value for the user's behavioral data stored in the database 200 according to an embodiment of the present invention. This is a diagram showing a state in which vector component sizes and first correlation degrees are matched and managed.

여기서, 컴퓨팅 장치(100)는 특정 사용자(가령 사용자 A)의 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단되면, 특정 사용자의 제1 특정 생체 데이터, 제1 특정 가속도 센서 데이터, 제1 특정 영상 센서 데이터, 제1 특정 디지털 피노타입 및 제1 입력 데이터 중 적어도 일부를 참조로 하여 특정 사용자의 특정 행동 데이터의 초기치를 제1 특정 행동 데이터 강도 밸류로서 결정하고, 특정 원인 데이터에 대한 집착을 감소시키기 위한 제1 특정 시각적 자극 및 제1 특정 청각적 자극 중 적어도 일부가 특정 사용자에게 제공된 이후에, 특정 사용자의 제2 특정 생체 데이터, 제2 특정 가속도 센서 데이터, 제2 특정 영상 센서 데이터, 제2 특정 디지털 피노타입 및 제2 입력 데이터 중 적어도 일부를 참조로 하여 특정 사용자의 특정 행동 데이터의 조정치를 제2 특정 행동 데이터 강도 밸류로서 결정할 수 있다. 다만, 이에 한정하지 않으며, 특정 사용자의 특정 행동 데이터의 초기치인 제1 특정 행동 데이터 강도 밸류는 상기 특정 사용자의 행동 데이터가 부정적 행동 카테고리에 속하는지 여부를 판단되기 이전에 결정될 수도 있을 것이다. Here, if the computing device 100 determines that the behavior data of a specific user (for example, user A) belongs to the negative behavior category, the computing device 100 may use the first specific biometric data, first specific acceleration sensor data, and first specific image sensor data of the specific user. , determining an initial value of specific behavior data of a specific user as a first specific behavior data intensity value with reference to at least some of the first specific digital pinotype and the first input data, and a method for reducing obsession with specific cause data. 1 After at least some of the specific visual stimulus and the first specific auditory stimulus are provided to the specific user, the specific user's second specific biometric data, second specific acceleration sensor data, second specific image sensor data, and second specific digital Pino An adjustment value of the specific behavior data of a specific user may be determined as the second specific behavior data strength value by referring to at least some of the type and the second input data. However, the present invention is not limited to this, and the first specific behavior data intensity value, which is the initial value of the specific behavior data of a specific user, may be determined before determining whether the specific user's behavioral data belongs to the negative behavior category.

좀 더 구체적으로는, 상기 제1 특정 행동 데이터 강도 밸류는 제1 특정 타임 프레임에서 결정되고, 상기 제2 특정 행동 데이터 강도 밸류는 제2 특정 타임 프레임에서 결정될 수 있는데, 여기서, 제1 특정 타임 프레임은 상기 컴퓨팅 장치(100)가 상기 특정 사용자의 제1 특정 생체 데이터를 획득한 제1_1 시각, 제1 특정 가속도 센서 데이터를 획득한 제1_2 시각, 제1 특정 영상 센서 데이터를 획득한 제1_3 시각, 제1 특정 디지털 피노타입을 획득한 제1_4 시각 및 제1 입력 데이터를 획득한 제1_5 시각 중 적어도 일부를 참조로 하여 결정되고, 제2 특정 타임 프레임은 상기 컴퓨팅 장치(100)가 상기 특정 사용자의 제2 특정 생체 데이터를 획득한 제2_1 시각, 제2 특정 가속도 센서 데이터를 획득한 제2_2 시각, 제2 특정 영상 센서 데이터를 획득한 제2_3 시각, 제2 특정 디지털 피노타입을 획득한 제2_4 시각 및 제2 입력 데이터를 획득한 제2_5 시각 중 적어도 일부를 참조로 하여 결정된다.More specifically, the first specific behavioral data intensity value may be determined at a first specific time frame, and the second specific behavioral data intensity value may be determined at a second specific time frame, wherein the first specific time frame is the 1_1 time at which the computing device 100 acquires the first specific biometric data of the specific user, the 1_2 time at which the first specific acceleration sensor data is acquired, the 1_3 time at which the first specific image sensor data is acquired, It is determined with reference to at least a portion of the 1_4 time at which the first specific digital pinotype is acquired and the 1_5 time at which the first input data is acquired, and the second specific time frame is determined by the computing device 100 at the time of the specific user. 2_1 time at which the second specific biometric data is acquired, 2_2 time at which the second specific acceleration sensor data is acquired, 2_3 time at which the second specific image sensor data is acquired, 2_4 time at which the second specific digital pinotype is acquired and the 2_5th time at which the second input data is acquired.

또한, 제1 특정 타임 프레임 및 제2 특정 타임 프레임은 기설정된 임계 시간 이내로 근접한 것으로서 결정될 수 있는데, 이는, 제1 특정 타임 프레임 및 제2 특정 타임 프레임 사이의 타임 프레임 갭이 기설정된 임계치 이상일 경우, 제1 특정 벡터 성분의 크기 값을 참조로 하여 결정되는 제1 특정 코릴레이션 정도에 대한 신뢰도가 상기 제1 특정 타임 프레임 및 상기 제2 특정 타임 프레임 사이의 타임 프레임 갭이 기설정된 임계치 미만일 경우보다 낮아질 수 있기 때문이다. 여기서, 상기 제1 특정 벡터 성분 크기 값은 제1 특정 행동 데이터 강도 밸류와 제2 특정 행동 데이터 강도 밸류의 차이값을 참조로 하여 결정될 수 있으며, 상기 제1 특정 코릴레이션 정도는 상기 제1 특정 벡터 성분 크기 값을 참조로 하여 결정될 수 있으며, 이에 대한 좀 더 구체적인 설명은 후술하기로 한다. 다만, 이에 한정되는 것은 아니며, 가령, 상기 제1 특정 코릴레이션 정도는, 상기 제1 특정 벡터 성분 크기 값 및 이에 대한 신뢰도를 참조로 하여 결정될 수도 있으며, 추가적으로 사용자 이외의 타 사용자의 데이터도 같이 참조로 하여 획득되는 상대적인 수치를 반영하여 결정될 수도 있을 것이다.Additionally, the first specific time frame and the second specific time frame may be determined to be close within a preset threshold time, which is when the time frame gap between the first specific time frame and the second specific time frame is greater than or equal to the preset threshold. The reliability of the first specific correlation degree determined with reference to the size value of the first specific vector component will be lower than when the time frame gap between the first specific time frame and the second specific time frame is less than a preset threshold. Because you can. Here, the first specific vector component size value may be determined with reference to the difference value between the first specific behavior data intensity value and the second specific behavior data intensity value, and the first specific correlation degree may be determined by referring to the first specific vector component size value. It can be determined with reference to the component size value, and a more detailed description of this will be provided later. However, it is not limited to this, and for example, the first specific correlation degree may be determined with reference to the size value of the first specific vector component and its reliability, and may also refer to data of other users other than the user. It may be determined by reflecting the relative numbers obtained by .

또한, 상기 제1 특정 타임 프레임 및 상기 제2 특정 타임 프레임 사이의 타임 프레임 갭을 결정하는 방법으로서, 한 예로, 상기 타임 프레임 갭은 제1 타임 프레임이 시작되는 시각과 제2 타임 프레임이 시작되는 시각의 차이, 제1 타임 프레임이 시작되는 시각과 제2 타임 프레임이 종료되는 시각의 차이, 및 제1 타임 프레임이 시작되는 시각과 제2 타임 프레임 중 제2 타임 프레임이 시작되는 시각과 제2 타임 프레임이 종료되는 시각 사이의 특정 시각의 차이, 중 적어도 하나를 참조로 하여 결정될 수 있으나 이에 한정되는 것은 아니다.In addition, as a method of determining a time frame gap between the first specific time frame and the second specific time frame, as an example, the time frame gap is the time when the first time frame starts and the time when the second time frame starts. The difference in time, the difference between the time at which the first time frame starts and the time at which the second time frame ends, and the time at which the second time frame starts and the second time among the starting time and the second time frame. It may be determined with reference to at least one of the differences in specific times between the time frames end, but is not limited thereto.

다른 예로, 상기 타임 프레임 갭은 제1 타임 프레임이 종료되는 시각과 제2 타임 프레임이 시작되는 시각의 차이, 제1 타임 프레임이 종료되는 시각과 제2 타임 프레임이 종료되는 시각의 차이, 및 제1 타임 프레임이 종료되는 시각과 제2 타임 프레임 중 제2 타임 프레임이 시작되는 시각과 제2 타임 프레임이 종료되는 시각 사이의 특정 시각의 차이, 중 적어도 하나를 참조로 하여 결정될 수 있으나 이에 한정되는 것은 아니다.As another example, the time frame gap is the difference between the time when the first time frame ends and the time when the second time frame begins, the difference between the time when the first time frame ends and the time when the second time frame ends, and a second time frame. 1 It may be determined with reference to at least one of the end time of the time frame and the difference in specific times between the start time of the second time frame and the end time of the second time frame, but is limited thereto. That is not the case.

또 다른 예로, 상기 타임 프레임 갭은 제1 타임 프레임 중 제1 타임 프레임이 시작되는 시각과 제1 타임 프레임이 종료되는 시각 사이의 특정 시각과 제2 타임 프레임이 시작되는 시각의 차이, 제1 타임 프레임 중 제1 타임 프레임이 시작되는 시각과 제1 타임 프레임이 종료되는 시각 사이의 특정 시각과 제2 타임 프레임이 종료되는 시각의 차이, 및 제1 타임 프레임 중 제1 타임 프레임이 시작되는 시각과 제1 타임 프레임이 종료되는 시각 사이의 특정 시각과 제2 타임 프레임 중 제2 타임 프레임이 시작되는 시각과 제2 타임 프레임이 종료되는 시각 사이의 특정 시각의 차이, 중 적어도 하나를 참조로 하여 결정될 수 있으나 이에 한정되는 것은 아니다.As another example, the time frame gap is the difference between a specific time between the start time of the first time frame and the end time of the first time frame and the start time of the second time frame, the first time frame The difference between the specific time between the start time of the first time frame and the end time of the first time frame among the frames and the end time of the second time frame, and the start time of the first time frame of the first time frames, and To be determined with reference to at least one of the difference between a specific time between the end time of the first time frame and the specific time between the start time of the second time frame and the end time of the second time frame. It may be possible, but it is not limited to this.

한편, 상기 컴퓨팅 장치(100)는 결정된 타임 프레임 갭을 참조로 하여, 제1 특정 코릴레이션 정도 각각에 대한 신뢰도를 결정할 수도 있는데, 좀 더 구체적으로 설명하자면, 타임 프레임 갭이 기설정된 임계치 이상일 경우 결정되는 제1_1 특정 코릴레이션 정도에 대한 신뢰도를 제1 신뢰도라고 하고, 타임 프레임 갭이 기설정된 임계치 미만일 경우 결정되는 제1_2 특정 코릴레이션 정도에 대한 신뢰도를 제2 신뢰도라고 할 때, 상기 제1 신뢰도를 상기 제2 신뢰도보다 낮게 설정함으로써, 특정 사용자에 대응하는 최적의 특정 타임 프레임 갭 및 이에 대응되는 최적의 특정 코릴레이션 정도를 판별할 수도 있을 것이다. 여기서, 최적의 특정 코릴레이션 정도를 판별하는 방법의 좀 더 구체적인 설명은 후술하기로 한다.Meanwhile, the computing device 100 may determine the reliability of each first specific correlation degree with reference to the determined time frame gap. To be more specific, the determination is made when the time frame gap is greater than or equal to a preset threshold. When the reliability of the 1_1 specific correlation degree that is determined is called the first reliability, and the reliability of the 1_2 specific correlation degree that is determined when the time frame gap is less than a preset threshold is called the second reliability, the first reliability is called the second reliability. By setting it lower than the second reliability, it may be possible to determine an optimal specific time frame gap corresponding to a specific user and an optimal specific correlation degree corresponding thereto. Here, a more detailed description of the method for determining the optimal specific correlation degree will be described later.

다음으로, 컴퓨팅 장치(100)는 상기 제1 특정 행동 데이터 강도 밸류 및 상기 제2 특정 행동 데이터 강도 밸류의 차이값을 참조로 하여 제1 특정 벡터 성분의 크기 값을 결정할 수 있는데, 가령, 제1 특정 행동 데이터 강도 밸류가 '10'이고, 제2 특정 행동 데이터 강도 밸류가 '5'라고 가정했을 때, 제1 특정 벡터 성분의 크기 값은 단순하게 '10 - 5'의 값인 '5'로 결정될 수도 있을 것이다.Next, the computing device 100 may determine a size value of the first specific vector component by referring to the difference value between the first specific behavior data intensity value and the second specific behavior data intensity value, for example, the first specific behavior data intensity value. Assuming that the specific behavior data intensity value is '10' and the second specific behavior data intensity value is '5', the size value of the first specific vector component is simply determined as '5', which is the value of '10 - 5'. It might be possible.

또한, 컴퓨팅 장치(100)는 제1 특정 벡터 성분의 크기 값을 참조로 하여, 특정 사용자의 제1 특정 생각 데이터와 특정 행동 데이터 간의 제1 특정 코릴레이션 정도를 결정하고, 특정 사용자의 특정 행동 데이터에 대한 제1 특정 행동 데이터 강도 밸류 각각, 제1 특정 시각적 자극 각각, 제1 특정 청각적 자극 각각, 제2 특정 행동 데이터 강도 밸류 각각, 제1 벡터 성분 크기 값 각각 및 제1 특정 코릴레이션 정도 각각을 매칭하여 데이터베이스(200)에 저장하여 관리할 수 있다.In addition, the computing device 100 determines a first specific degree of correlation between the first specific thought data and the specific behavior data of a specific user, with reference to the size value of the first specific vector component, and determines the specific behavior data of the specific user. Each of the first specific action data intensity values, each of the first specific visual stimuli, each of the first specific auditory stimuli, each of the second specific behavioral data intensity values, each of the first vector component magnitude values, and each of the first specific correlation degrees. can be managed by matching and storing it in the database 200.

가령, 도 3을 참조하면, 제1 특정 행동 데이터 강도 밸류가 '8'일 때의 특정 사용자에 대해, 상기 컴퓨팅 장치(100)가 제1 특정 시각적 자극으로서 제1 근이완훈련 방법을 안내해 주는 영상을 상기 특정 사용자의 화면에 표시하고, 제1 특정 청각적 자극으로서 시냇물 소리를 상기 특정 사용자의 스피커를 통해 노출 시킨 후, 특정 사용자의 제2 특정 행동 데이터 강도 밸류가 '2'로 낮아졌다고 가정했을 때, 제1 특정 벡터 성분의 크기 값은 '6'로서 결정될 수 있는 반면에, 제1 특정 행동 데이터 강도 밸류가 '5'일 때의 특정 사용자에 대해, 상기 컴퓨팅 장치(100)가 제1 특정 시각적 자극으로서 제2 근이완훈련과 제1 복식호흡 방법을 안내해 주는 영상을 상기 특정 사용자의 화면에 표시하고, 제1 특정 청각적 자극으로서 소녀 아바타를 통해 사람의 호흡 소리를 상기 특정 사용자의 스피커를 통해 노출 시켰음에도, 특정 사용자의 제2 특정 행동 데이터 강도 밸류가 '5'로 변동이 없다고 가정했을 때, 제1 특정 벡터 성분의 크기 값은 '0'으로서 결정될 수 있는데, 이때, 컴퓨팅 장치(100)는 제1 특정 벡터 성분의 크기 값 각각인 '6'과 '0' 각각을 참조로 하여, 제1 코릴레이션 정도 각각인 '75%' 와 '0%'로 각각 결정(코릴레이션 정도를 측정하는 방법의 다양한 변형예는 위에서 말한 바 있음)하여 매칭시키고, 데이터베이스(200)에 저장하여 관리할 수 있을 것이다.For example, referring to FIG. 3, an image in which the computing device 100 guides a first muscle relaxation training method as a first specific visual stimulus for a specific user when the first specific behavior data intensity value is '8'. After displaying the screen of the specific user and exposing the sound of a stream as a first specific auditory stimulus through the speaker of the specific user, it is assumed that the intensity value of the second specific action data of the specific user is lowered to '2'. When, the magnitude value of the first specific vector component may be determined as '6', while for a specific user when the first specific behavior data strength value is '5', the computing device 100 may determine the first specific vector component as '6'. As a visual stimulus, an image guiding the second muscle relaxation training and the first abdominal breathing method is displayed on the screen of the specific user, and as a first specific auditory stimulus, the sound of human breathing through a girl avatar is displayed through the speaker of the specific user. Even though it is exposed through, assuming that the intensity value of the second specific behavior data of a specific user remains unchanged at '5', the size value of the first specific vector component may be determined as '0'. At this time, the computing device (100 ) is determined as '75%' and '0%', respectively, as the first correlation degree, with reference to '6' and '0', respectively, which are the size values of the first specific vector component (measures the degree of correlation Various modifications of the method (as described above) can be used to match, store and manage the data in the database 200.

즉, 제1 특정 코릴레이션 정도의 의미는 부정적 행동 카테고리에 속하는 특정 행동 데이터 및 이에 대응되는 제1 특정 행동 데이터 강도 밸류가 높은 상태에서, 특정 원인 데이터에 대한 제1 특정 시각적 자극 및/또는 제1 특정 청각적 자극을 특정 사용자에게 제공하였을 때(또는 제공한 뒤), 특정 사용자의 제2 특정 행동 데이터 강도 밸류가 얼마만큼 낮아졌느냐(즉, 특정 사용자가 제1 특정 시각적 자극 및/또는 제1 특정 청각적 자극을 통해 부정적인 행동의 원인을 파악하고, 상기 부정적인 행동의 원인 데이터에 대한 집착을 생각의 변화를 통해 낮춤으로써, 부정적인 행동을 완화하는데 얼마만큼의 효과를 가지고 있는지)에 대한 척도로서 활용될 수 있을 것이다.That is, the meaning of the first specific correlation degree is that in a state where the intensity value of the specific behavioral data belonging to the negative behavior category and the first specific behavioral data corresponding thereto is high, the first specific visual stimulus and/or the first specific causal data When a specific auditory stimulus is provided to a specific user (or after providing it), how much does the intensity value of the specific user's second specific behavioral data decrease (i.e., how much does the specific user experience the first specific visual stimulus and/or the first specific visual stimulus? Used as a measure of how effective it is in alleviating negative behavior by identifying the cause of negative behavior through specific auditory stimulation and lowering obsession with the data causing the negative behavior through a change in thinking. It could be.

여기서, 제1 특정 시각적 자극 및/또는 제1 특정 청각적 자극의 종류에는 제한이 없으며, 가령, 제1 특정 시각적 자극은, 등장 인물, 등장 객체, 공간, 배경, 화면의 밝기, 노출 문구, 등장 인물 및/또는 등장 객체의 표정, 움직임, 색채 등 중 적어도 일부에 의해 규정될 수 있을뿐만 아니라, 앞서 언급하였듯이 복식호흡, 근이완훈련 등의 각종 행동치료에 대한 다양한 컨텐츠에 의해 세분화하여 규정될 수도 있을 것이며, 제1 특정 청각적 자극은, 등장 인물 및/또는 등장 객체의 소리의 강도, 고저, 속도, 텐션이라든가 공간이나 배경에 대해 노출되는 소리(가령, 시냇물 소리, 바람소리, 새소리) 중 적어도 일부에 의해 규정될 수 있을뿐만 아니라, 앞서 언급하였듯이 복식호흡, 근이완훈련 등의 각종 행동치료에 대한 다양한 컨텐츠에 포함되어 있는 안내 음성이라든가 배경 음성 등의 톤, 빠르기, 성별 목소리 등에 의해 세분화하여 규정될 수도 있을 것이다. 또한, 이와 같은 제1 특정 시각적 자극 및/또는 제1 특정 청각적 자극의 종류는 사용자별로 그리고 사용자의 상태별로 대응되어 데이터베이스(200)를 통해 관리될 수 있을 것이며, 사용자별로 그리고 사용자의 상태별로 최적으로 결정되는 제1 특정 시각적 자극 및/또는 제1 특정 청각적 자극의 종류를 별도로 관리할 수도 있을 것이다. 이와 같은 내용은 후술할 제2 특정 시각적 자극 및 제2 특정 청각적 자극에 대해서도 그대로 적용될 수 있을 것이며, 뒤에서는 설명을 생략한다.Here, there is no limitation on the type of the first specific visual stimulus and/or the first specific auditory stimulus, for example, the first specific visual stimulus may include a character, an appearing object, a space, a background, the brightness of the screen, an exposure phrase, an appearance, etc. Not only can it be defined by at least some of the facial expressions, movements, colors, etc. of characters and/or appearing objects, but, as mentioned earlier, it can also be subdivided and defined by various contents about various behavioral treatments such as abdominal breathing and muscle relaxation training. There will be, and the first specific auditory stimulus is at least one of the intensity, pitch, speed, and tension of the sound of the character and/or the character or the sound exposed to the space or background (e.g., the sound of a stream, the sound of the wind, the sound of birds). Not only can it be regulated by some, but as mentioned earlier, it can be subdivided and regulated by the tone, speed, gender, voice, etc. of the guidance voice or background voice included in various contents about various behavioral treatments such as abdominal breathing and muscle relaxation training. It could be. In addition, the type of the first specific visual stimulus and/or the first specific auditory stimulus may be managed through the database 200 in correspondence with each user and the user's status, and may be optimally matched for each user and the user's status. The type of the first specific visual stimulus and/or the first specific auditory stimulus determined may be managed separately. This same content can also be applied to the second specific visual stimulus and the second specific auditory stimulus, which will be described later, and descriptions will be omitted hereinafter.

한편, 컴퓨팅 장치(100)는 특정 사용자에게 컨텐츠를 제공하는 도중에, 제1 특정 행동 데이터 강도 밸류, 제2 특정 행동 데이터 강도 밸류, 제1 특정 벡터 성분 크기 값 및 제1 특정 코릴레이션 정도 중 적어도 일부를 상기 특정 사용자의 화면을 통해 제공할 수도 있다.Meanwhile, while providing content to a specific user, the computing device 100 may use at least some of the first specific behavior data intensity value, the second specific behavior data intensity value, the first specific vector component size value, and the first specific correlation degree. may be provided through the screen of the specific user.

한편, 컴퓨팅 장치(100)는 특정 사용자의 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단한 상태에서, 특정 행동 데이터의 강도를 줄이도록 유도하기 위하여 제2 특정 시각적 자극 및 제2 특정 청각적 자극 중 적어도 일부를 상기 특정 사용자에게 제공하고, 상기 특정 행동 데이터의 강도가 기설정된 임계치 이상 줄어듦이 감지되거나 상기 제2 특정 시각적 자극 및 상기 제2 특정 청각적 자극 중 적어도 일부가 상기 특정 사용자에게 소정 시간 동안 노출되면, 제2 특정 생각 데이터의 변화 상태(즉, 초기 상태와 조정 상태 중 적어도 일부)를 입력하도록 지원하고, 상기 제2 특정 생각 데이터의 변화 상태를 참조로 하여, 상기 특정 행동 데이터로부터 상기 제2 특정 생각 데이터로 향하는 방향의 제2 특정 벡터 성분의 크기 값을 결정하고, 상기 제2 특정 벡터 성분의 크기 값을 참조로 하여, 상기 특정 사용자의 상기 특정 행동 데이터와 상기 제2 특정 생각 데이터 간의 제2 특정 코릴레이션 정도를 추가적으로 결정하는 역방향 프로세스를 추가적으로 수행할 수 있는데, 좀 더 구체적인 설명을 위해, 여기서는 도 4를 참조로 하여 설명하겠다.Meanwhile, in a state where the computing device 100 determines that the specific behavior data of a specific user belongs to the negative behavior category, the computing device 100 determines at least one of the second specific visual stimulus and the second specific auditory stimulus to induce the intensity of the specific behavioral data to be reduced. Some of the data is provided to the specific user, and the intensity of the specific behavioral data is detected to be reduced by more than a preset threshold, or at least some of the second specific visual stimulus and the second specific auditory stimulus are exposed to the specific user for a predetermined period of time. When doing so, it supports inputting the change state (i.e., at least part of the initial state and the adjusted state) of the second specific thought data, and, with reference to the change state of the second specific thought data, the second specific action data Determine the size value of a second specific vector component in the direction toward the specific thought data, and with reference to the size value of the second specific vector component, a first difference between the specific action data of the specific user and the second specific thought data 2 A reverse process to additionally determine a specific correlation degree can be additionally performed. For a more detailed explanation, this will be described with reference to FIG. 4.

도 4는 본 발명의 일 실시예에 따른 데이터베이스에 저장된 사용자의 행동 데이터에 대한 제2 시각적 자극, 제2 청각적 자극, 제2_1 생각 데이터 강도 밸류, 제2_2 생각 데이터 강도 밸류, 제2 벡터 성분 크기 및 제2 코릴레이션 정도를 매칭하여 관리하는 상태를 나타내는 도면이다. 다만, 도 3에서의 설명과 대응되는 용어에 대한 자세한 설명은 생략하도록 한다.Figure 4 shows the second visual stimulus, second auditory stimulus, 2_1 thought data intensity value, 2_2 thought data intensity value, and second vector component size for the user's behavior data stored in the database according to an embodiment of the present invention. This is a diagram showing a state of matching and managing the second correlation degree. However, detailed description of terms corresponding to the description in FIG. 3 will be omitted.

먼저, 컴퓨팅 장치(100)는 특정 사용자(가령 사용자 A)의 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단되면, 특정 사용자의 부정적 행동의 강도를 줄이기 위한 제2 특정 시각적 자극 및/또는 제2 특정 청각적 자극을 특정 사용자의 화면 및/또는 스피커 등을 통해 제공할 수 있다.First, if the computing device 100 determines that the behavior data of a specific user (for example, user A) belongs to the negative behavior category, the computing device 100 provides a second specific visual stimulus and/or a second specific auditory stimulus to reduce the intensity of the negative behavior of the specific user. Stimulation can be provided through a specific user's screen and/or speaker.

즉, 컴퓨팅 장치(100)는 특정 사용자의 특정 행동 데이터의 강도를 기설정된 임계치 이상(가령, 특정 사용자의 부정적 행동의 강도가 10점인 상태라고 하고, 이때, 제2 특정 시각적 자극 및/또는 제2 특정 청각적 자극을 제공함으로써 상기 부정적 행동의 강도를 7점 이하로 줄이는 것을 목표로 했을 때, 여기서 기설정된 임계치는 3점이 될 수 있을 것임) 줄이도록 유도하는 제2_1 특정 자극 데이터 및 특정 행동 데이터를 소정의 긍정적 행동 데이터로 바꾸도록 유도하는 제2_2 특정 자극 데이터 중 적어도 일부를 상기 제2 특정 시각적 자극 및 상기 제2 특정 청각적 자극 중 적어도 일부로서 결정할 수 있다. 가령, 컴퓨팅 장치(100)는 특정 사용자에게 '이 세상에 두려운 건 없어요' 등의 문구를 시각적 및/또는 청각적으로 제공함으로써, 특정 사용자의 심리적 안정을 유도하거나, 복식호흡 영상, 근이완훈련 영상 및/또는 차분한 음악 등을 제공함으로써, 특정 사용자의 행동 상태를 긍정적으로 변화시키도록 유도할 수도 있을 것이다. 여기서, 복식호흡 영상, 근이완훈련 영상 등은 등장 인물의 특성, 호흡 횟수, 호흡 길이, 근이완 부위, 근이완 강도 등에 따라 다양하게 세분화될 수도 있으며, 사용자별로 최적의 자극이 무엇인지에 대해 별도로 관리될 수도 있을 것이다.That is, the computing device 100 sets the intensity of the specific behavior data of a specific user above a preset threshold (for example, the intensity of the specific user's negative behavior is 10 points, and at this time, the second specific visual stimulus and/or the second When the goal is to reduce the intensity of the negative behavior to 7 points or less by providing a specific auditory stimulus, the preset threshold here may be 3 points) 2_1 specific stimulus data and specific behavior data that induce reduction At least a part of the 2_2 specific stimulus data that induces change into predetermined positive behavior data may be determined as at least a part of the second specific visual stimulus and the second specific auditory stimulus. For example, the computing device 100 induces psychological stability in a specific user by visually and/or audibly providing phrases such as 'There is nothing to be afraid of in this world', or provides abdominal breathing images, muscle relaxation training images, and /Or, by providing calming music, etc., it may be possible to induce a positive change in the behavioral state of a specific user. Here, abdominal breathing videos, muscle relaxation training videos, etc. may be subdivided in various ways according to the character's characteristics, number of breaths, breathing length, muscle relaxation area, muscle relaxation intensity, etc., and the optimal stimulation for each user is separately determined. It might be manageable.

이와 같이, 컴퓨팅 장치(100)는 제2 특정 시각적 자극 및/또는 제2 특정 청각적 자극을 특정 사용자에게 소정 시간 동안 노출시킨 후, 제2 특정 생각 데이터의 변화 상태를 입력하도록 지원할 수 있다. 이때, 특정 사용자는 가령 '컨텐츠를 수행하기 전에는 출입문만 보면 몸이 경직되고 괴로웠는데, 복식호흡을 반복하다 보니까, 이제는 출입문을 봐도 아무렇지 않아요' 등의 문구를 글자로 입력하거나 말로 입력하는 경우를 상정할 수 있을 것이다.In this way, the computing device 100 may support inputting a change state of the second specific thought data after exposing the specific user to the second specific visual stimulus and/or the second specific auditory stimulus for a predetermined time. At this time, it is assumed that a specific user enters phrases such as 'Before performing the content, just looking at the door made my body stiff and painful, but after repeating abdominal breathing, I now feel fine even when I look at the door'. You can do it.

이에 대해, 상기 컴퓨팅 장치(100)는 상기 특정 사용자로부터 입력된 제2 특정 생각 데이터에 자연어처리 및 형태소분석을 적용하여 상기 특정 사용자의 상기 제2 특정 생각 데이터의 초기치를 제2_1 특정 생각 데이터 강도 밸류로서 결정하고 상기 제2 특정 생각 데이터의 조정치를 제2_2 특정 생각 데이터 강도 밸류로서 결정하며, 상기 제2_1 특정 생각 데이터 강도 밸류 및 상기 제2_2 특정 생각 데이터 강도 밸류의 차이값을 참조로 하여 상기 제2 특정 벡터 성분의 크기 값을 결정할 수 있다.In response, the computing device 100 applies natural language processing and morphological analysis to the second specific thought data input from the specific user and sets the initial value of the second specific thought data of the specific user to 2_1 specific thought data intensity value. and determine the adjustment value of the second specific thought data as the 2_2 specific thought data intensity value, with reference to the difference value between the 2_1 specific thought data intensity value and the 2_2 specific thought data intensity value. The magnitude value of a specific vector component can be determined.

즉, 상기 컴퓨팅 장치(100)는 상기 특정 사용자로부터 '컨텐츠를 수행하기 전에는 출입문만 보면 몸이 경직되고 괴로웠는데, 복식호흡을 반복하다 보니까, 이제는 출입문을 봐도 아무렇지 않아요'등의 문구(즉, 제2 특정 생각 데이터)를 입력 받은 후, 상기 제2 특정 생각 데이터에 자연어처리 및 형태소분석을 적용하여, 제2 특정 시각적 자극 및/또는 제2 특정 청각적 자극이 제공되기 전의 특정 사용자의 제2_1 생각 데이터 강도 밸류(가령, 부정적인 행동과 관련된 생각 강도가 '8'이라고 가정함) 및 상기 제2 특정 시각적 자극 및/또는 상기 제2 특정 청각적 자극이 제공된 후의 상기 특정 사용자의 제2_2 생각 데이터 강도 밸류(가령, 부정적인 행동과 관련된 생각 강도가 '2'라고 가정함)의 차이값(가령, '8 - 2'의 값인 '6')을 제2 특정 벡터 성분의 크기 값으로 결정할 수 있을 것이다. 물론 이에 대한 변형예는 도 3 을 참조로 설명한 바와 같으므로 설명을 생략한다.That is, the computing device 100 receives a phrase from the specific user, such as 'Before performing the content, just looking at the door made my body stiff and painful, but after repeating abdominal breathing, I don't feel anything now when I look at the door' (i.e. 2 After receiving the specific thought data), natural language processing and morphological analysis are applied to the second specific thought data to obtain the second_1st thought of the specific user before the second specific visual stimulus and/or the second specific auditory stimulus are provided. Data intensity value (e.g., assuming that the thought intensity associated with negative behavior is '8') and the second_second thought data intensity value of the specific user after the second specific visual stimulus and/or the second specific auditory stimulus are provided. (For example, assuming that the intensity of thoughts related to negative behavior is '2'), the difference value (for example, '6', which is the value of '8 - 2') may be determined as the magnitude value of the second specific vector component. Of course, since the modified example is the same as that described with reference to FIG. 3, the description is omitted.

또한, 컴퓨팅 장치(100)는 제2 특정 벡터 성분의 크기 값을 참조로 하여, 특정 사용자의 특정 행동 데이터와 제2 특정 생각 데이터 간의 제2 특정 코릴레이션 정도를 추가적으로 결정하고, 특정 사용자의 특정 행동 데이터에 대한 제2 특정 시각적 자극 각각, 제2 특정 청각적 자극 각각, 제2_1 특정 생각 데이터 강도 밸류 각각, 제2_2 특정 생각 데이터 강도 밸류 각각, 제2 특정 벡터 성분 크기 값 각각 및 제2 특정 코릴레이션 정도 각각을 매칭하여 데이터베이스(200)에 저장하여 관리할 수도 있다. 물론 이에 대한 변형예는 도 3을 참조로 설명한 바와 같으므로 설명을 생략한다.In addition, the computing device 100 further determines a second specific correlation degree between the specific behavior data of a specific user and the second specific thought data, with reference to the size value of the second specific vector component, and determines the specific behavior of the specific user. Each of the second specific visual stimuli, each of the second specific auditory stimuli, each of the 2_1 specific thought data intensity values, each of the 2_2 specific thought data intensity values, each of the second specific vector component magnitude values, and the second specific correlation for the data. Each degree can be matched and stored in the database 200 for management. Of course, since the modified example is the same as that described with reference to FIG. 3, the description is omitted.

가령, 도 4를 참조하면, 특정 행동 데이터가 부정적 카테고리에 속하는 특정 사용자에 대해, 상기 컴퓨팅 장치(100)가 제2 특정 시각적 자극으로서 제2 복식호흡과 제3 근이완훈련 방법을 안내해 주는 영상을 상기 특정 사용자의 화면에 표시하고, 제2 특정 청각적 자극으로서 '파도 소리'를 상기 특정 사용자의 스피커를 통해 노출 시킨 후, 특정 사용자의 제2 특정 생각 데이터의 변화 상태를 참조로 하여, 제2_1 특정 생각 데이터 강도 밸류를 '8'로서 판단하고, 제2_2 특정 생각 데이터 강도 밸류를 '2'로서 판단하였을 때, 제2 특정 벡터 성분 크기 값은 '6'으로서 결정될 수 있는 반면에, 제2 특정 시각적 자극으로서 '제3 복식호흡과 제1 근이완훈련 방법을 안내해 주는 영상을 상기 특정 사용자의 화면에 표시하고, 제2 특정 청각적 자극으로서 '차분한 발라드 음악'을 상기 특정 사용자의 스피커를 통해 노출 시킨 후, 특정 사용자의 제2 특정 생각 데이터의 변화 상태를 참조로 하여, 제2_1 특정 생각 데이터 강도 밸류를 '6'으로서 판단하고, 제2_2 특정 생각 데이터 강도 밸류를 '2'로서 판단하였을 때, 제2 특정 벡터 성분 크기 값은 '4'로서 결정될 수 있는데, 이때, 컴퓨팅 장치(100)는 제2 특정 벡터 성분의 크기 값 각각인 '6'과 '4' 각각을 참조로 하여, 제2 코릴레이션 정도 각각인 '75%' 와 '67%'로 각각 결정(이에 대한 변형예는 도 3 을 참조로 설명한 바와 같으므로 설명을 생략함)하여 매칭시키고, 데이터베이스(200)에 저장하여 관리할 수 있을 것이다.For example, referring to FIG. 4, for a specific user whose specific behavior data falls into the negative category, the computing device 100 displays an image guiding the second abdominal breathing and third muscle relaxation training method as a second specific visual stimulus. After displaying the screen of the specific user and exposing the 'sound of waves' as a second specific auditory stimulus through the speaker of the specific user, with reference to the change state of the specific user's second specific thought data, 2_1 When the specific thought data intensity value is determined as '8' and the 2_2 specific thought data intensity value is determined as '2', the second specific vector component size value may be determined as '6', while the second specific thought data intensity value may be determined as '6'. As a visual stimulus, an image guiding the third abdominal breathing and first muscle relaxation training method is displayed on the screen of the specific user, and as a second specific auditory stimulus, 'calm ballad music' is exposed through the speaker of the specific user. After doing so, when the 2_1st specific thought data intensity value is judged as '6' and the 2_2nd specific thought data intensity value is judged as '2', referring to the change state of the 2nd specific thought data of the specific user, The second specific vector component size value may be determined as '4'. At this time, the computing device 100 refers to each of the size values of '6' and '4', respectively, of the second specific vector component, and determines the second specific vector component size value as '4'. The relation degrees can be determined to be '75%' and '67%' respectively (the modified example is the same as that described with reference to FIG. 3, so description is omitted), matched, and stored in the database 200 for management. There will be.

즉, 제2 특정 코릴레이션 정도의 의미는 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 결정된 상태에서, 제2 특정 시각적 자극 및/또는 제2 특정 청각적 자극을 특정 사용자에게 제공하였을 때(또는 제공한 뒤), 입력되는 제2 특정 생각 데이터의 변화 상태를 참조로 하여, 제2_1 특정 생각 데이터 강도 밸류에 비해 제2_2 특정 생각 데이터 강도 밸류가 얼마만큼 낮아졌느냐(즉, 특정 사용자가 제2 특정 시각적 자극 및/또는 제2 특정 청각적 자극을 통해 부정적인 행동 상태를 해소함으로써, 부정적인 생각을 완화하는데 얼마만큼의 효과를 가지고 있는지)에 대한 척도로서 활용될 수 있을 것이다.In other words, the meaning of the second specific correlation degree is when (or provided) a second specific visual stimulus and/or a second specific auditory stimulus to a specific user while the specific behavioral data is determined to belong to the negative behavior category. (back), with reference to the change state of the input second specific thought data, how much the 2_2 specific thought data intensity value has been lowered compared to the 2_1 specific thought data intensity value (i.e., how much the 2_2 specific thought data intensity value has been lowered compared to the 2_1 specific thought data intensity value) It can be used as a measure of how effective it is in alleviating negative thoughts by relieving negative behavioral states through stimulation and/or second specific auditory stimulation.

한편, 컴퓨팅 장치(100)는 특정 사용자에게 컨텐츠를 제공하는 도중에, 제2_1 특정 생각 데이터 강도 밸류, 제2_2 특정 생각 데이터 강도 밸류, 제2 특정 벡터 성분 크기 값 및 제2 특정 코릴레이션 정도 중 적어도 일부를 상기 특정 사용자의 화면을 통해 제공할 수도 있다.Meanwhile, while providing content to a specific user, the computing device 100 may use at least some of the 2_1 specific thought data intensity value, the 2_2 specific thought data intensity value, the 2nd specific vector component size value, and the 2nd specific correlation degree. may be provided through the screen of the specific user.

다음으로, 컴퓨팅 장치는 사용자의 행동 데이터에 대응되는 생각 데이터를 유도하기 위한 컨텐츠를 최적으로 제공하기 위하여 학습을 수행할 수 있는데, 좀 더 구체적인 설명을 위해 도 5a를 참조로 하여 설명하겠다.Next, the computing device may perform learning to optimally provide content for inducing thought data corresponding to the user's behavior data, which will be described with reference to FIG. 5A for a more detailed explanation.

도 5a는 본 발명의 일 실시예에 따른 테스트용 제1 특정 생각 데이터가 입력된 후, 학습 장치를 통해 산출되는 특정 사용자에 대응되는 테스트용 특정 행동 데이터의 강도의 예측 변화 정도 및 이에 대응되는 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공한 후 획득되는 특정 사용자에 대응되는 테스트용 특정 행동 데이터의 강도의 실제 변화 정도를 참조로 하여 산출된 Loss값을 백프로퍼게이션하여, 학습 장치를 재학습하는 순방향 프로세스를 수행하는 단계를 나타내는 도면이다.Figure 5A shows the degree of predicted change in the intensity of specific behavior data for testing corresponding to a specific user calculated through a learning device after inputting first specific thought data for testing according to an embodiment of the present invention and the corresponding test. The loss value calculated by 100% with reference to the actual degree of change in the intensity of the specific behavioral data for testing corresponding to a specific user obtained after providing at least some of the first optimal visual stimulation for testing and the first optimal auditory stimulation for testing. This is a diagram showing the steps of performing a forward process of pergating and retraining the learning device.

도 5a를 참조하면, 컴퓨팅 장치(100)는 학습 장치(530)를 포함할 수 있으며, 특정 사용자의 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 상기 특정 행동 데이터에 대응되는 학습용 특정 원인 데이터, 학습용 제1 특정 시각적 자극의 종류, 학습용 제1 특정 청각적 자극의 종류, 상기 학습용 특정 행동 데이터의 조정치, 상기 특정 사용자와 기설정된 임계치 이상의 유사도를 가지는 타 사용자의 타 메타데이터, 학습용 타 행동 데이터의 초기치, 상기 학습용 타 행동 데이터에 대응되는 학습용 타 원인 데이터, 학습용 제1 타 시각적 자극의 종류, 학습용 제1 타 청각적 자극의 종류 및 상기 학습용 타 행동 데이터의 조정치 중 적어도 일부(510)를 학습 장치(530)에 입력하여, 학습을 수행할 수 있다.Referring to FIG. 5A, the computing device 100 may include a learning device 530, and includes specific metadata of a specific user, an initial value of specific behavior data for learning, specific cause data for learning corresponding to the specific behavior data, and data for learning. A type of a first specific visual stimulus, a type of a first specific auditory stimulus for learning, an adjustment value of the specific behavior data for learning, other metadata of another user having a similarity of the specific user and a preset threshold or more, and other behavior data for learning. Learning at least some 510 of the initial value, the other cause data for learning corresponding to the other behavior data for learning, the type of first other visual stimulus for learning, the type of first other auditory stimulus for learning, and the adjustment value of the other behavior data for learning. Learning can be performed by inputting information into the device 530.

다음으로, 상기 학습 장치(530)가 학습을 수행한 상태에서, 상기 컴퓨팅 장치(100)는 특정 사용자의 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단하는 단계(미도시)를 수행하고, 상기 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단되면, 상기 컴퓨팅 장치(100)는 상기 테스트용 특정 행동 데이터에 대응되는 테스트용 특정 원인 데이터를 포함하는 테스트용 제1 특정 생각 데이터(520)를 상기 특정 사용자로부터 유도하여 입력하도록 지원하고, 상기 테스트용 제1 특정 생각 데이터(520)가 입력되면, 상기 학습 장치(530)로 하여금, 상기 테스트용 특정 원인 데이터에 대한 테스트용 제1 최적 시각적 자극 및 테스트용 제1 최적 청각적 자극 중 적어도 일부를 예측하고, 상기 특정 사용자에게 상기 테스트용 제1 최적 시각적 자극 및 상기 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 상기 테스트용 특정 행동 데이터의 강도의 예측 변화 정도(540)를 산출할 수 있다.Next, with the learning device 530 performing learning, the computing device 100 performs a step (not shown) of determining that specific behavior data for testing of a specific user belongs to a negative behavior category, If it is determined that the specific behavior data for testing belongs to a negative behavior category, the computing device 100 generates first specific thought data for testing 520 including specific cause data for testing corresponding to the specific behavioral data for testing. It supports input by deriving from the specific user, and when the first specific thought data 520 for testing is input, the learning device 530 provides the first optimal visual for testing for the specific cause data for testing. For the test when at least some of the first optimal auditory stimuli for the test and the first optimal visual stimulus for the test are predicted and at least some of the first optimal visual stimulus for the test and the first optimal auditory stimulus for the test are provided to the specific user. The predicted degree of change 540 in the intensity of specific behavioral data can be calculated.

다음으로, 상기 컴퓨팅 장치(100)는 상기 특정 사용자에게 상기 테스트용 제1 최적 시각적 자극 및 상기 테스트용 제1 최적 청각적 자극 중 적어도 일부를 제공한 후, 상기 특정 사용자의 상기 테스트용 특정 행동 데이터의 강도의 실제 변화 정도(550)를 획득하고, 상기 테스트용 특정 행동 데이터의 강도의 상기 예측 변화 정도(540) 및 상기 테스트용 특정 행동 데이터의 강도의 상기 실제 변화 정도(550)를 참조로 하여, Loss값(560)을 산출하고, 상기 Loss값(560)을 백프로퍼게이션하여, 상기 학습 장치(530)를 재학습하는 순방향 프로세스를 수행하는 단계(미도시)를 수행할 수 있다.Next, the computing device 100 provides at least a portion of the first optimal visual stimulus for the test and the first optimal auditory stimulus for the test to the specific user, and then provides the specific behavioral data for the test of the specific user. Obtaining the actual degree of change 550 in the intensity of the test-specific behavior data, with reference to the predicted degree of change 540 in the intensity of the test-specific behavior data and the actual change degree 550 of the intensity of the test-specific behavior data , a step (not shown) of calculating a loss value 560, backpropagating the loss value 560, and performing a forward process to retrain the learning device 530 can be performed.

한편, 여기서는 도시하지 않았지만, 상기 컴퓨팅 장치(100)는 학습 장치(530)가 학습이 완료된 상태에서, 신규 사용자에 대한 신규 행동 데이터의 강도의 예측 변화 정도 및 신규 행동 데이터의 강도의 실제 변화 정도를 위 기재한 방법과 동일한 방법으로 결정하여, 상기 신규 사용자에 대응되는 최적의 제1 최적 시각적 자극 및 제1 최적 청각적 자극을 추가적으로 결정할 수도 있을 것이다.Meanwhile, although not shown here, the computing device 100 calculates the predicted degree of change in the intensity of new behavior data for a new user and the actual degree of change in the intensity of new behavior data in a state in which the learning device 530 has completed learning. By determining the same method as described above, the optimal first optimal visual stimulus and first optimal auditory stimulus corresponding to the new user may be additionally determined.

다음으로, 컴퓨팅 장치(100)는 상기 학습 장치(530)를 재학습하는 역방향 프로세스를 추가적으로 수행할 수 있는데, 여기서는 좀 더 구체적인 설명을 위해 도 5b를 참조로 하여 설명하겠다.Next, the computing device 100 may additionally perform a reverse process of relearning the learning device 530, which will be described with reference to FIG. 5B for a more detailed explanation.

도 5b는 본 발명의 일 실시예에 따른 테스트용 특정 행동 데이터의 강도가 입력된 후, 학습 장치를 통해 산출되는 특정 사용자에 대응되는 테스트용 특정 생각 데이터의 강도의 예측 변화 정도 및 이에 대응되는 테스트용 제2 최적 시각적 자극 및 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공한 후 획득되는 특정 사용자에 대응되는 테스트용 특정 생각 데이터의 강도의 실제 변화 정도를 참조로 하여 산출된 Loss값을 백프로퍼게이션하여, 학습 장치를 재학습하는 역방향 프로세스를 추가적으로 수행하는 단계를 나타내는 도면이다.Figure 5b shows the degree of predicted change in the intensity of specific thought data for testing corresponding to a specific user calculated through a learning device after the intensity of specific behavior data for testing is input according to an embodiment of the present invention and the corresponding test. The loss value calculated by 100 percent with reference to the actual degree of change in the intensity of the specific thought data for testing corresponding to a specific user obtained after providing at least some of the second optimal visual stimulation for testing and the second optimal auditory stimulation for testing. This is a diagram showing the steps of additionally performing the reverse process of pergating and relearning the learning device.

도 5b를 참조하면, 컴퓨팅 장치(100)는 상기 특정 메타데이터, 학습용 특정 행동 데이터의 초기치, 학습용 제2 특정 시각적 자극의 종류, 학습용 제2 특정 청각적 자극의 종류, 학습용 특정 생각 데이터의 초기치, 상기 학습용 특정 생각 데이터의 조정치, 상기 타 메타데이터, 학습용 타 행동 데이터의 초기치, 학습용 제2 타 시각적 자극의 종류, 학습용 제2 타 청각적 자극의 종류, 학습용 타 생각 데이터의 초기치 및 상기 학습용 타 생각 데이터의 조정치 중 적어도 일부(511)를 학습 장치(530)에 입력하여, 학습을 수행할 수 있다.Referring to FIG. 5B, the computing device 100 includes the specific metadata, an initial value of specific behavioral data for learning, a type of a second specific visual stimulus for learning, a type of a second specific auditory stimulus for learning, an initial value of specific thought data for learning, The adjustment value of the specific thought data for learning, the other metadata, the initial value of the other behavior data for learning, the type of the second other visual stimulus for learning, the type of the second other auditory stimulus for learning, the initial value of the other thought data for learning, and the other other thought data for learning. Learning can be performed by inputting at least a portion 511 of the adjustment values of the thought data into the learning device 530.

다음으로, 상기 학습 장치(530)가 학습을 수행한 상태에서, 상기 컴퓨팅 장치(100)는 특정 사용자의 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단하는 단계(미도시)를 수행하고, 상기 테스트용 특정 행동 데이터가 부정적 행동 카테고리에 속하는 것으로 판단되면, 상기 컴퓨팅 장치(100)는 상기 특정 사용자로부터 테스트용 특정 행동 데이터의 강도(521)를 추가적으로 입력 받고, 상기 학습 장치(530)로 하여금, 상기 테스트용 특정 행동 데이터의 강도를 줄이도록 유도하기 위한 테스트용 제2 최적 시각적 자극 및 테스트용 제2 최적 청각적 자극 중 적어도 일부를 예측하고, 상기 특정 사용자에게 상기 테스트용 제2 최적 시각적 자극 및 상기 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공하였을 때의 테스트용 특정 생각 데이터의 강도의 예측 변화 정도(541)를 산출할 수 있다.Next, with the learning device 530 performing learning, the computing device 100 performs a step (not shown) of determining that specific behavior data for testing of a specific user belongs to a negative behavior category, If it is determined that the specific behavior data for testing belongs to the negative behavior category, the computing device 100 additionally receives the intensity 521 of the specific behavior data for testing from the specific user and causes the learning device 530 to , predicting at least some of a second optimal visual stimulus for testing and a second optimal auditory stimulus for testing to induce the intensity of the specific behavioral data for testing to be reduced, and providing the specific user with a second optimal visual stimulus for testing. And the predicted degree of change 541 in the intensity of the specific thought data for testing when at least part of the second optimal auditory stimulation for testing is provided can be calculated.

다음으로, 상기 컴퓨팅 장치(100)는 상기 특정 사용자에게 상기 테스트용 제2 최적 시각적 자극 및 상기 테스트용 제2 최적 청각적 자극 중 적어도 일부를 제공한 후, 상기 특정 사용자로부터 입력된 상기 테스트용 특정 생각 데이터에 자연어처리 및 형태소분석을 적용하여 상기 테스트용 특정 생각 데이터의 강도의 실제 변화 정도(551)를 획득하고, 상기 테스트용 특정 생각 데이터의 강도의 상기 예측 변화 정도(541) 및 상기 테스트용 특정 생각 데이터의 강도의 상기 실제 변화 정도(551)를 참조로 하여, Loss값(561)을 산출하고, 상기 Loss값(561)을 백프로퍼게이션하여, 상기 학습 장치(530)를 재학습하는 역방향 프로세스를 추가적으로 수행할 수 있다.Next, the computing device 100 provides at least a portion of the second optimal visual stimulus for testing and the second optimal auditory stimulus for testing to the specific user, and then provides the specific user for testing input from the specific user. Apply natural language processing and morphological analysis to thought data to obtain the actual degree of change 551 in the intensity of the specific thought data for the test, and obtain the predicted degree of change 541 in the intensity of the specific thought data for the test and the degree of change 541 for the test. With reference to the actual degree of change 551 in the intensity of specific thought data, a loss value 561 is calculated, and the loss value 561 is backpropagated to retrain the learning device 530. Additional processes can be performed.

한편, 여기서는 도시하지 않았지만, 상기 컴퓨팅 장치(100)는 학습 장치(530)가 학습이 완료된 상태에서, 신규 사용자에 대한 신규 생각 데이터의 강도의 예측 변화 정도 및 신규 생각 데이터의 강도의 실제 변화 정도를 위 기재한 방법과 동일한 방법으로 결정하여, 상기 신규 사용자에 대응되는 최적의 제2 최적 시각적 자극 및 제2 최적 청각적 자극을 추가적으로 결정할 수도 있을 것이다.Meanwhile, although not shown here, the computing device 100 determines the predicted degree of change in the intensity of new thought data for a new user and the actual degree of change in the intensity of new thought data in a state in which the learning device 530 has completed learning. By using the same method as described above, the second optimal visual stimulus and the second optimal auditory stimulus corresponding to the new user may be additionally determined.

또한, 이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 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(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Additionally, the embodiments according to the present invention described above may be implemented in the form of program instructions that can be executed through various computer components and recorded on a computer-readable recording medium. The computer-readable recording medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the computer-readable recording medium may be specially designed and configured for the present invention, or may be known and usable by those skilled in the computer software field. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. media), and hardware devices specifically configured to store and perform program instructions, such as ROM, RAM, flash memory, etc. Examples of program instructions include not only machine language code such as that created by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like. The hardware device may be configured to operate as one or more software modules to perform processing according to the invention and vice versa.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.In the above, the present invention has been described with specific details such as specific components and limited embodiments and drawings, but this is only provided to facilitate a more general understanding of the present invention, and the present invention is not limited to the above embodiments. , a person skilled in the art to which the present invention pertains can make various modifications and variations from this description.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.Accordingly, the spirit of the present invention should not be limited to the above-described embodiments, and the scope of the patent claims described below as well as all modifications equivalent to or equivalent to the scope of the claims fall within the scope of the spirit of the present invention. They will say they do it.

Claims

In a method of providing content to induce thought data corresponding to the user's behavioral data,
(a) determining, by the computing device, that specific behavioral data of a specific user belongs to a negative behavior category; and
(b) The computing device supports deriving and inputting first specific thought data including specific cause data corresponding to the specific behavior data, and when the first specific thought data is input, the specific cause data By providing at least a portion of a first specific visual stimulus and a first specific auditory stimulus to the specific user, detecting a change in the intensity of the specific behavioral data, and referring to the change in the intensity of the specific behavioral data, 1 Determine the size value of a first specific vector component in a direction from specific thought data to the specific action data, and refer to the size value of the first specific vector component to determine the first specific thought data of the specific user and performing a forward process to determine a first specific degree of correlation between the specific behavioral data;
How to include .

According to paragraph 1,
In step (b) above,
In the forward process, the computing device, with reference to at least some of first specific biometric data, first specific acceleration sensor data, first specific image sensor data, first specific digital pinotype, and first input data, Determine an initial value of the specific behavior data of the user as a first specific behavior data intensity value, and after at least some of the first specific visual stimulus and the first specific auditory stimulus are provided to the specific user, A second adjustment value of the specific behavioral data of the specific user is provided with reference to at least some of the second specific biometric data, second specific acceleration sensor data, second specific image sensor data, second specific digital pinotype, and second input data. 2 Determined as a specific behavior data intensity value, and determining the size value of the first specific vector component with reference to the difference between the first specific behavior data intensity value and the second specific behavior data intensity value. method.

According to paragraph 2,
In step (b) above,
The computing device includes a 1_1 time at which the first specific biometric data of the specific user is acquired, a 1_2 time at which the first specific acceleration sensor data is acquired, a 1_3 time at which the first specific image sensor data is acquired, A first specific time frame is determined with reference to at least a portion of the 1_4 time at which the first specific digital pinotype is acquired and the 1_5 time at which the first input data is acquired, and the second specific biometric data is acquired. 2_1 time, 2_2 time at which the second specific acceleration sensor data is acquired, 2_3 time at which the second specific image sensor data is acquired, 2_4 time at which the second specific digital pinotype is acquired, and the second input A second specific time frame is determined with reference to at least part of the 2_5 time at which the data was acquired, and the first specific time frame and the second specific time frame are determined as being close to each other within a preset threshold time. method.

According to paragraph 1,
In step (b) above,
The computing device provides at least a portion of a second specific visual stimulus and a second specific auditory stimulus to the specific user to induce the user to reduce the intensity of the specific behavioral data, and the intensity of the specific behavioral data reaches a preset threshold. When an abnormal decrease is detected or at least some of the second specific visual stimulus and the second specific auditory stimulus are exposed to the specific user for a predetermined time, support to input a change state of the second specific thought data, and the second specific thought data With reference to the change state of the specific thought data, the size value of the second specific vector component in the direction from the specific action data to the second specific thought data is determined, and the size value of the second specific vector component is determined with reference to the change state of the specific thought data. Thus, a method characterized in that a reverse process is additionally performed to additionally determine a second specific degree of correlation between the specific behavior data of the specific user and the second specific thought data.

According to paragraph 4,
In step (b) above,
In the reverse process, the computing device determines an initial value of the second specific thought data of the specific user as a 2_1 specific thought data intensity value by applying natural language processing and morphological analysis to the second specific thought data, and 2 The adjustment value of the specific thought data is determined as the 2_2 specific thought data intensity value, and the size of the second specific vector component is determined by referring to the difference value between the 2_1 specific thought data intensity value and the 2_2 specific thought data intensity value. A method characterized by determining a value.

According to paragraph 4,
In step (b) above,
In the reverse process, the computing device provides 2_1 specific stimulus data that induces the intensity of the specific behavior data to be reduced by more than the preset threshold and 2_2 specific stimulus data that induces the specific behavior data to be changed into predetermined positive behavior data. Determining at least some of the stimulus data as at least some of the second specific visual stimulus and the second specific auditory stimulus.

In a method of learning to optimally provide content to induce thought data corresponding to the user's behavior data,
(a) The computing device includes specific metadata of a specific user, an initial value of specific behavioral data for learning, specific cause data for learning corresponding to the specific behavioral data, a type of a first specific visual stimulus for learning, and a first specific auditory stimulus for learning. Type, adjustment value of the specific behavior data for learning, other metadata of other users having a similarity of the specific user and more than a preset threshold, initial value of other behavior data for learning, other cause data for learning corresponding to the other behavior data for learning, for learning After performing learning by inputting at least some of the type of first other visual stimulus, the type of first other auditory stimulus for learning, and the adjustment value of the other behavior data for learning into the learning device, the specific behavior for testing of the specific user determining that the data falls into a negative behavior category; and
(b) the computing device supports deriving and inputting first specific thought data for testing including specific cause data for testing corresponding to the specific behavioral data for testing, and the first specific thought data for testing is input; Then, predict at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing for the specific cause data for testing, and predict the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing for the specific user. 1 Calculate the predicted degree of change in the intensity of the specific behavioral data for the test when at least some of the optimal auditory stimuli are provided, and provide the first optimal visual stimulus for the test and the first optimal auditory stimulus for the test to the specific user. After providing at least some of the stimuli, the actual degree of change in the intensity of the test-specific behavior data of the specific user is obtained, the predicted degree of change in the intensity of the test-specific behavior data and the test-specific behavior data of the specific user. Calculating a loss with reference to the actual degree of change in intensity, backpropagating the loss, and performing a forward process to retrain the learning device;
How to include .

In clause 7,
In step (a) above,
The computing device includes the specific metadata, an initial value of the specific behavior data for learning, a type of a second specific visual stimulus for learning, a type of a second specific auditory stimulus for learning, an initial value of the specific thought data for learning, and a set of the specific thought data for learning. Politics, the other metadata, the initial value of the other behavior data for learning, the type of the second other visual stimulus for learning, the type of the second other auditory stimulus for learning, the initial value of the other thought data for learning, and the adjustment value of the other thought data for learning, at least After additionally performing learning by inputting some of the data into the learning device, it is determined that the specific behavior data for the test belongs to the negative behavior category,
In step (b) above,
The computing device predicts at least a portion of a second optimal visual stimulus for testing and a second optimal auditory stimulus for testing to induce the intensity of the specific behavioral data for testing to be reduced, and provides the specific user with a second optimal auditory stimulus for testing. 2 Calculate the degree of predicted change in the intensity of the specific thought data for testing when at least some of the optimal visual stimulus and the second optimal auditory stimulus for testing are provided, and provide the second optimal visual stimulus for testing and the specific user to the specific user. After providing at least some of the second optimal auditory stimulation for the test, natural language processing and morphological analysis are applied to the specific thought data for the test input from the specific user to determine the degree of actual change in the intensity of the specific thought data for the test. Obtaining, calculating the loss with reference to the predicted degree of change in the intensity of the specific thought data for testing and the actual degree of change in the intensity of the specific thought data for testing, backpropagating the loss, and A method characterized by additionally performing a reverse process to retrain the learning device.

In a computing device that provides content to induce thought data corresponding to the user's behavioral data,
at least one memory storing instructions; and
At least one processor configured to execute the instructions,
The processor may include: (I) determining that specific behavioral data of a specific user falls into a negative behavior category; and (II) supporting the derivation and input of first specific thought data including specific cause data corresponding to the specific action data, and when the first specific thought data is input, a first specific visual for the specific cause data. By providing at least some of the stimulus and the first specific auditory stimulus to the specific user, detecting a change in the intensity of the specific behavioral data, and referring to the change in the intensity of the specific behavioral data, the first specific thought data Determine the size value of the first specific vector component in the direction toward the specific behavior data, and refer to the size value of the first specific vector component to determine the first specific thought data and the specific behavior data of the specific user. A computing device that performs a forward process of determining a first specific degree of correlation between the devices.

According to clause 9,
In process (II) above,
In the forward process, the processor may refer to at least some of first specific biometric data, first specific facial expression data, first specific expression language data, first specific digital pinotype, and first input data of the specific user. An initial value of the specific behavior data is determined as a first specific behavior data intensity value, and after at least some of the first specific visual stimulus and the first specific auditory stimulus are provided to the specific user, a second specific behavioral data intensity value of the specific user is determined. Adjusting the specific behavior data of the specific user to a second specific behavior with reference to at least some of specific biometric data, second specific facial expression data, second specific expression language data, second specific digital pinotype, and second input data A computing device that determines the size value of the first specific vector component by referring to the difference between the first specific behavior data intensity value and the second specific behavior data intensity value.

According to clause 10,
In process (II) above,
The processor is configured to: a 1_1 time at which the first specific biometric data of the specific user is acquired, a 1_2 time at which the first specific facial expression data is acquired, a 1_3 time at which the first specific expression language data is acquired, and the 1 A first specific time frame is determined with reference to at least a portion of the 1_4 time at which the specific digital pinotype is acquired and the 1_5 time at which the first input data is acquired, and the second specific biometric data is acquired at 2_1 Time, the 2_2 time at which the second specific expression data is acquired, the 2_3 time at which the second specific expression language data is acquired, the 2_4 time at which the second specific digital pinotype is acquired, the second input data is acquired A computing device characterized in that the second specific time frame is determined with reference to at least part of the 2_5 time, and the first specific time frame and the second specific time frame are determined as being close to each other within a preset threshold time.

According to clause 9,
In process (II) above,
The processor provides at least a portion of a second specific visual stimulus and a second specific auditory stimulus to the specific user to induce the intensity of the specific behavioral data to be reduced, and the intensity of the specific behavioral data is greater than or equal to a preset threshold. When a decrease is detected or at least some of the second specific visual stimulus and the second specific auditory stimulus are exposed to the specific user for a predetermined time, support to input a change state of the second specific thought data, and With reference to the change state of thought data, determine the size value of a second specific vector component in a direction from the specific action data to the second specific thought data, and with reference to the size value of the second specific vector component , Computing device characterized in that additionally performing a reverse process of additionally determining a second specific degree of correlation between the specific behavior data of the specific user and the second specific thought data.

According to clause 12,
In process (II) above,
In the reverse process, the processor applies natural language processing and morphological analysis to the second specific thought data to determine the initial value of the second specific thought data of the specific user as a 2_1 specific thought data intensity value and the second specific thought data. The adjustment value of the specific thought data is determined as the 2_2 specific thought data intensity value, and the size value of the second specific vector component is determined by referring to the difference value between the 2_1 specific thought data intensity value and the 2_2 specific thought data intensity value. A computing device characterized in that determining.

According to clause 12,
In process (II) above,
In the reverse process, the processor generates 2_1 specific stimulus data that induces the intensity of the specific behavior data to be reduced by more than the preset threshold and 2_2 specific stimulus that induces the specific behavior data to be changed into predetermined positive behavior data. and determining at least some of the data as at least some of the second specific visual stimulus and the second specific auditory stimulus.

In a computing device that learns to optimally provide content to induce thought data corresponding to the user's behavior data,
at least one memory storing instructions; and
At least one processor configured to execute the instructions,
The processor, (I) specific metadata of a specific user, an initial value of specific behavioral data for learning, specific cause data for learning corresponding to the specific behavioral data, a type of a first specific visual stimulus for learning, and a first specific auditory stimulus for learning. Type, adjustment value of the specific behavior data for learning, other metadata of other users having a similarity of the specific user and more than a preset threshold, initial value of other behavior data for learning, other cause data for learning corresponding to the other behavior data for learning, for learning After performing learning by inputting at least some of the type of first other visual stimulus, the type of first other auditory stimulus for learning, and the adjustment value of the other behavior data for learning into the learning device, the specific behavior for testing of the specific user The process of determining whether data falls into a negative behavior category; and (II) supporting the derivation and input of first specific thought data for testing including specific cause data for testing corresponding to the specific behavior data for testing, and when the first specific thought data for testing is input, the test Predicting at least some of the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing for specific causal data, and predicting for the specific user the first optimal visual stimulus for testing and the first optimal auditory stimulus for testing. Calculating a predicted degree of change in the intensity of the specific behavioral data for the test when at least some of the stimuli are provided, and at least some of the first optimal visual stimulus for the test and the first optimal auditory stimulus for the test to the specific user After providing, the actual degree of change in the intensity of the test-specific behavior data of the specific user is obtained, the predicted degree of change in the strength of the test-specific behavior data and the actual degree of change in the intensity of the test-specific behavior data. A computing device that performs a forward process of calculating a loss with reference to the degree of change, backpropagating the loss, and retraining the learning device.

According to clause 15,
In process (I) above,
The processor includes the specific metadata, an initial value of the specific behavior data for learning, a type of a second specific visual stimulus for learning, a type of a second specific auditory stimulus for learning, an initial value of the specific thought data for learning, and an adjustment value of the specific thought data for learning. , At least some of the other metadata, the initial value of the other behavior data for learning, the type of the second other visual stimulus for learning, the type of the second other auditory stimulus for learning, the initial value of the other thought data for learning, and the adjustment value of the other thought data for learning. input to the learning device, perform additional learning, and then determine that the specific behavior data for testing belongs to the negative behavior category,
In process (II) above,
The processor predicts at least a portion of a second optimal visual stimulus for testing and a second optimal auditory stimulus for testing to induce the intensity of the specific behavioral data for testing to be reduced, and provides the second optimal auditory stimulus for testing to the specific user. Calculating a predicted degree of change in the intensity of specific thought data for testing when at least a portion of the optimal visual stimulus and the second optimal auditory stimulus for testing are provided, and providing the specific user with the second optimal visual stimulus for testing and the second optimal auditory stimulus for testing. After providing at least some of the second optimal auditory stimuli for testing, natural language processing and morphological analysis are applied to the specific thought data for testing input from the specific user to determine the degree of actual change in the intensity of the specific thought data for testing. Obtaining, calculating the loss with reference to the predicted degree of change in the intensity of the specific thought data for testing and the actual degree of change in the intensity of the specific thought data for testing, backpropagating the loss, and performing the learning A computing device characterized by additionally performing a reverse process to retrain the device.