KR102610787B1 - 사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템 - Google Patents

사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템 Download PDF

Info

Publication number
KR102610787B1
KR102610787B1 KR1020210088185A KR20210088185A KR102610787B1 KR 102610787 B1 KR102610787 B1 KR 102610787B1 KR 1020210088185 A KR1020210088185 A KR 1020210088185A KR 20210088185 A KR20210088185 A KR 20210088185A KR 102610787 B1 KR102610787 B1 KR 102610787B1
Authority
KR
South Korea
Prior art keywords
user
factors
tendencies
tendency
dominant
Prior art date
Application number
KR1020210088185A
Other languages
English (en)
Other versions
KR20220094101A (ko
Inventor
유원일
Original Assignee
주식회사 텐덤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 텐덤 filed Critical 주식회사 텐덤
Priority to KR1020210088185A priority Critical patent/KR102610787B1/ko
Publication of KR20220094101A publication Critical patent/KR20220094101A/ko
Application granted granted Critical
Publication of KR102610787B1 publication Critical patent/KR102610787B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

사용자의 성향 파악을 위한 설문 조사 데이터 분석을 위한 시스템의 동작 방법은, 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하는 단계; 상기 사용자 단말로부터 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 수신하는 단계; 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 기초로 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하는 단계; 및 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하는 단계를 포함할 수 있다.

Description

사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템{METHOD FOR ANALYZING SURVEY DATA TO ANALYZE DISPOSITION OF USER AND SYSTEM THEREOF}
본 발명은 설문 조사 데이터 분석 방법 및 시스템에 관한 것으로, 보다 상세하게는 사용자에게 최적화된 관심사 정보를 제공하기 위해 설문 조사 응답 데이터를 기초로 사용자의 성향을 분석하는 설문 조사 데이터 분석 방법 및 시스템에 관한 것이다.
네트워크를 통해 연결되는 사용자에게 콘텐츠 또는 정보를 추천하고 제공하는 기술이 구현되고 있다. 예컨대, 기존의 콘텐츠 또는 정보를 추천하고 제공하는 방법에 따르면, 서비스 제공자는 기존의 사용자들이 많이 이용한 콘텐츠 또는 정보를 사용자에게 추천할 수 있다. 하지만, 최근의 추세는 사용자들의 특성에 따라 사용자에게 최적화된 콘텐츠를 제공하는 것이다. 사용자 각각에 최적화된 콘텐츠를 제공하기 위해서, 서비스 제공자는 사용자에 대한 정보를 기초로 사용자에게 최적화된 콘텐츠를 결정할 수 있다. 따라서, 사용자에게 컨텐츠를 추천하거나, 사용자에게 최적화된 정보들을 제공하기 위해서는 사용자의 성향 등의 정보를 확보하는 것이 필요하다.
사용자의 성향을 분석하기 위한 방법으로, 사용자에게 성향 분석을 위한 설문지를 제공하고, 설문지에 대한 응답을 기초로 사용자의 성향을 분석하는 방식이 주로 사용된다. 여기서, 설문지 및 응답에 대응되는 사용자의 성향 정보는 미리 설정되어 있어, 사용자들의 요청을 반영하지 못하는 문제가 있다. 이에, 설문 조사에 대한 응답 데이터를 보다 사용자의 요구 사항에 적합하게 분석함으로써, 사용자 성향을 확인하는 방법의 필요성이 대두되고 있다. 본 발명은 이와 관련된 것이다.
등록특허공보 10-2164836
본 발명은 상기 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 사용자에게 최적화된 오브젝트 및 콘텐츠를 제공하기 위해, 설문 조사의 응답 정보를 기초로 사용자의 성향을 분석하는 설문 조사 데이터 분석 방법 및 시스템을 제공하는 것이다.
본 발명을 통해 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 사용자의 성향 파악을 위한 설문 조사 데이터 분석을 위한 시스템의 동작 방법은, 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하는 단계; 상기 사용자 단말로부터 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 수신하는 단계; 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 기초로 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하는 단계; 및 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하는 단계를 포함할 수 있다.
여기서, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하는 단계는, 상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하는 단계; 및 상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하는 단계를 더 포함할 수 있다.
여기서, 동작 방법은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하는 단계; 및 상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하는 단계를 포함할 수 있다.
여기서, 동작 방법은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하는 단계; 상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하는 단계; 상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하는 단계; 및 상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하는 단계를 포함할 수 있다.
여기서, 동작 방법은, 상기 미리 저장된 설문 조사 데이터 중에서, 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답 정보의 비교 결과를 기초로, 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 사용자의 성향 파악을 위한 설문 조사 데이터 분석을 위한 시스템의 서버는, 적어도 하나의 프로그램이 저장된 메모리; 상기 적어도 하나의 프로그램 명령을 수행하는 프로세서; 및 네트워크와 연결되어 통신을 수행하는 송수신 장치를 포함하고, 상기 적어도 하나의 프로그램 명령은, 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하고; 상기 사용자 단말로부터 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 수신하고; 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 기초로 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하고; 및 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하도록 실행될 수 있다.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 추출하도록 실행됨에 있어, 상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하고; 그리고 상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하도록 실행될 수 있다.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하고; 그리고 상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하도록 더 실행될 수 있다.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하고; 상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하고; 상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하고; 그리고 상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하도록 더 실행될 수 있다.
여기서, 상기 적어도 하나의 프로그램 명령은, 상기 미리 저장된 설문 조사 데이터 중에서, 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답 정보의 비교 결과를 기초로, 상기 미리 저장된 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출하도록 더 실행될 수 있다.
상술한 본 개시의 양태들은 본 개시의 바람직한 실시 예들 중 일부에 불과하며, 본 개시의 기술적 특징들이 반영된 다양한 실시 예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 본 개시의 상세한 설명을 기반으로 도출되고 이해될 수 있다.
본 발명의 실시예에 따르면, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 설문 조사 데이터에 대한 사용자의 응답 정보를 기초로 사용자의 성향을 분석함으로써, 사용자에게 최적화된 컨텐츠를 추천하기 위한 데이터들을 확보할 수 있다.
본 발명의 실시예에 따르면, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 인공 신경망을 이용하여, 설문 조사 데이터에 대한 사용자의 응답 정보를 기초로 사용자의 성향을 분석함으로써, 보다 정확하게 사용자 성향 정보를 분석할 수 있다.
본 발명을 통해 얻을 수 있는 효과는 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 구성의 실시예를 도시한 개념도이다.
도 2는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템을 구성하는 디바이스의 구성의 실시예를 도시한 블록도이다.
도 3은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 디바이스에 포함된 인공 신경망의 실시예를 도시한 개념도이다.
도 4는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다.
도 5는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제1 실시예를 도시한 개념도이다.
도 6은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제2 실시예를 도시한 개념도이다.
도 7은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 결과 리포트 생성 동작의 일 실시예를 도시한 흐름도이다.
도 8은 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제1 실시예를 도시한 개념도이다.
도 9는 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제1 실시예를 도시한 개념도이다.
도 10은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 생성되는 분석 결과 리포트의 일 실시예를 도시한 개념도이다.
도 11은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 추가설문 데이터를 통한 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다.
도 12는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 제공되는 추가 설문 조사 데이터의 일 실시예를 도시한 개념도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 발명에 따른 실시예들이 적용되는 은 파일 접근 제어 시스템이 설명될 것이다. 본 발명에 따른 실시예들이 적용되는 은 파일 접근 제어 시스템은 아래 설명된 내용에 한정되지 않으며, 본 발명에 따른 실시예들은 다양한 통신 시스템에 적용될 수 있다.
도 1은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 구성의 실시예를 도시한 개념도이다.
도 1을 참조하면, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서버(110)와 네트워크(120)를 통해 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서버(110)와 연결되는 사용자 단말(130)을 포함할 수 있다. 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템은 유선 또는 무선 통신 네트워크를 통하여 사용자의 성향을 분석하고 사용자에게 최적화된 오브젝트 및/또는 컨텐츠를 추천하기 위한 시스템일 수 있다.
설문 조사 데이터 분석 서버(110)는 사용자 성향 분석 서비스 및 오브젝트 및/또는 컨텐츠를 추천하기 위한 서비스를 제공하기 위해 필요한 정보들을 저장할 수 있다. 설문 조사 데이터 분석 서버(110)는 설문 조사 데이터, 사용자 성향 분석 알고리즘, 오브젝트 및/또는 컨텐츠 추천 알고리즘 등을 포함하는 정보들을 미리 저장할 수 있다. 그리고 설문 조사 데이터 분석 서버(110)는 기존 사용자들의 사용자 성향 분석 정보 및 오브젝트 및/또는 컨텐츠 추천 이력 정보를 저장할 수 있다.
네트워크(120)는 설문 조사 데이터 분석 서버(110)와 사용자 단말(130) 상호 간의 정보를 교환하기 위한 연결 구조를 의미할 수 있다. 네트워크(120)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE(long term evolution), VoLTE(voice over LTE), 5G NR(new radio) Wi-Fi(wireless-fidelity), 블루투스(Bluetooth), NFC, RFID (radio frequency identification) 홈 네트워크(home network), IoT(internet of things) 등을 포함할 수 있다.
사용자 단말(130)은 네트워크(120)를 통해 설문 조사 데이터 분석 서버(110)와 연결될 수 있다. 그리고 사용자 단말(130)은 컴퓨터, 태블릿, 스마트폰과 같은 사용자 장치(user equipment)를 포함할 수 있다. 사용자 단말(130)은 설문 조사 데이터 분석 서버(110)로부터 사용자 성향 분석 서비스 및 오브젝트 및/또는 컨텐츠를 추천하기 위한 서비스를 제공하기 위해 필요한 정보를 수신할 수 있다. 설문 조사 데이터 분석 서버(110)로부터 수신한 정보는 설문 조사 데이터, 사용자 성향 분석 결과 정보, 오브젝트 및/또는 컨텐츠 추천 결과 정보 등을 포함할 수 있다.
사용자 단말(130)은 수신한 사용자 성향 분석 서비스 및 오브젝트 및/또는 컨텐츠를 추천하기 위한 서비스를 제공하기 위한 정보를 출력 장치를 통해 디스플레이할 수 있다. 그리고 사용자 단말(130)은 사용자로부터 입력받은 정보를 기초로 데이터 분석 서버(110)로부터 제공받은 서비스에 대해 피드백할 수 있다.
도 1의 데이터 분석 서버(110) 및 사용자 단말(130)는 디바이스로 지칭될 수 있으며, 디바이스의 구성은 아래에 설명하는 바와 같을 수 있다.
도 2는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템을 구성하는 디바이스의 구성의 실시예를 도시한 블록도이다.
사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는, 적어도 하나의 프로세서(210) 및 적어도 하나의 프로세서(210)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(220)를 포함할 수 있다.
여기서 적어도 하나의 프로세서(210)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(220) 및 저장 장치(260) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(220)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
또한, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(230)를 포함할 수 있다. 또한, 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는 입력 인터페이스 장치(240), 출력 인터페이스 장치(250), 저장 장치(260) 등을 더 포함할 수 있다. 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)에 포함된 각각의 구성 요소들은 버스(bus)(270)에 의해 연결되어 서로 통신을 수행할 수 있다.
또한 사용자의 성향 분석을 위한 설문 조사 데이터 분석 서비스를 제공하는 시스템에 포함된 디바이스(200)는 인공 신경망을 구현/구동하기 위한 하드웨어적인 구성요소 또는 소프트웨어적인 구성요소들을 더 포함할 수 있다. 예를 들어, 하드웨어적인 구성요소들은 NPU(neural processer unit) 등을 포함할 수 있다. 예를 들어, 소프트웨어적인 구성요소들은 프레임워크(framework), 커널(kernel) 또는 장치 드라이버(device driver), 미들웨어(middleware), 어플리케이션 프로그래밍 인터페이스(application programming interface, API), 어플리케이션 프로그램(또는 어플리케이션) 등을 포함할 수 있다. 디바이스에 의해 구현되는 인공 신경망은 아래에 설명하는 바와 같다.
도 3은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 디바이스에 포함된 인공 신경망의 실시예를 도시한 개념도이다.
도 3을 참조하면, 인공 신경망은 입력 레이어(IL), 복수의 히든 레이어들(HL1, HL2, ..., HLn) 및 출력 레이어(OL)를 포함할 수 있다.
입력 레이어(IL)는 i(i는 자연수)개의 입력 노드들(x1, x2, ..., xi)을 포함할 수 있다. 그리고, 길이가 i인 벡터 입력 데이터가 입력 노드에 입력될 수 있다.
복수의 히든 레이어들(HL1, HL2, ..., HLn)은 n(n은 자연수)개의 히든 레이어들을 포함하며, 히든 노드들(h11, h12, h13, ..., h1m, h21, h22, h23, ..., h2m, hn1, hn2, hn3, ..., hnm)을 포함할 수 있다. 예를 들어, 히든 레이어(HL1)는 m(m은 자연수)개의 히든 노드들(h11, h12, h13, ..., h1m)을 포함할 수 있고, 히든 레이어(HL2)는 m개의 히든 노드들(h21, h22, h23, ..., h2m)을 포함할 수 있으며, 히든 레이어(HLn)는 m개의 히든 노드들(hn1, hn2, hn3, ..., hnm)을 포함할 수 있다.
출력 레이어(OL)는 분류할 클래스에 대응하는 j(j는 자연수)개의 출력 노드들(y1, y2, ..., yj)을 포함할 수 있고, 입력 데이터에 대하여 각 클래스 별로 결과(예를 들어, 점수 또는 class score)를 출력할 수 있다. 출력 레이어(OL)는 전연결(fully connected) 레이어라고 부를 수 있다.
도 3에 도시된 인공 신경망은 두 개의 노드들 사이에 직선으로 도시된 노드들 간의 연결(branch)과, 연결되는 노드들 간의 가중치(weight) 값들을 포함할 수 있다. 여기서, 하나의 레이어 내의 노드들은 서로 연결이 되지 않을 수 있고, 서로 다른 레이어들에 포함되는 노드들은 완전하게 혹은 부분적으로 연결될 수 있다.
도 3의 각 노드(예를 들어, h11)는 이전 노드(예를 들어, x1)의 출력을 입력 받아 연산할 수 있고, 연산 결과를 이후 노드(예를 들어, h21)에게 전달할 수 있다. 여기서, 노드들 각각은 입력된 값을 특정 함수(예를 들어, 비선형 함수)에 적용하여 출력할 값을 연산할 수 있다.
일반적으로 인공 신경망의 구조는 미리 결정되어 있으며, 노드들 간의 연결에 따른 가중치들은 이미 어떤 클래스에 속할지 정답이 알려진 데이터를 이용하여 적절한 값을 산정할 수 있다. 이미 정답이 알려진 데이터들을 '학습 데이터'라고 지칭하고, 가중치를 결정하는 과정을 '학습'이라고 지칭할 수 있다. 또한, 독립적으로 학습이 가능한 구조와 가중치의 묶음을 '모델'이라고 지칭할 수 있다.
즉, 도 2에 도시된 서버 등의 디바이스는 도 3에 도시된 인공 신경망을 이용하여, 시스템에서 지원하는 동작들을 수행할 수 있다. 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 포함된 서버 및 사용자 단말의 동작들은 아래에 설명하는 바와 같을 수 있다.
도 4는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다.
S401 단계에서, 서버는 사용자 단말에게 미리 저장된 설문 조사 데이터를 전송할 수 있다. 설문 조사 데이터는 사용자의 성향 정보를 파악하기 위한 복수개의 문항들 및 문항들 각각에 대한 선택지인 응답지들을 포함할 수 있다. 복수개의 문항들 각각은 사용자의 퍼스널 태그 등의 성향 정보를 수집하기 위해 설계될 수 있다. 그리고 응답지들 각각은 사용자의 퍼스널 태그 등의 성향 정보의 측정치와 맵핑될 수 있다.
S403 단계에서, 사용자 단말은 사용자로부터 설문 조사 응답 데이터를 입력받을 수 있다. 사용자는 사용자 단말에 의해 출력되는 설문 조사 데이터의 복수개의 문항들 및 응답지들을 확인할 수 있으며, 복수개의 문항들 각각에 대한 응답지를 선택할 수 있다. 사용자 단말은 사용자로부터 입력 받은 복수개의 문항들 각각에 대한 응답 정보를 저장할 수 있다.
S405 단계에서, 서버는 사용자 단말로부터 설문 조사 데이터에 대한 응답 데이터를 수신할 수 있다. 서버는 사용자 단말로부터 사용자의 식별 정보(예를 들어, ID 등) 및 사용자에 의해 입력된 복수개의 문항들 각각에 대해 선택된 응답 정보를 포함하는 설문 조사 응답 메시지를 수신할 수 있다.
S407 단계에서, 서버는 사용자 단말로부터 수신한 설문 조사 응답 데이터의 노이즈를 검출할 수 있다. 여기서, 서버는 설문 조사 데이터 중에서 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답 정보들을 비교할 수 있다. 그리고 서버는, 연관 관계를 가지는 설문들 각각에 대한 응답 정보들의 비교 결과를 기초로, 설문 조사 응답 데이터의 노이즈를 검출할 수 있다. 응답 데이터의 노이즈를 검출한 서버는 설문 조사 응답 데이터의 노이즈를 캔슬링할 수 있다.
S409 단계에서, 서버는 미리 저장된 설문 조사 데이터에 대한 응답 데이터를 기초로 사용자의 성향 정보를 추출할 수 있다. 여기서, 사용자의 성향은 외적 성향, 내적 성향 및 감정적 성향 정보를 포함할 수 있다. 여기서, 서버는 설문 조사 데이터에 포함된 문항들 및 설문 조사 응답 데이터에 포함된 응답지들 각각에 미리 정의된 퍼스널 태그를 기초로, 사용자의 퍼스널 태그들의 정보들을 획득할 수 있다. 그리고 서버는 사용자의 퍼스널 태그들을 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하고, 사용자의 성향 정보를 추출할 수 있다. 설문 조사 응답 데이터를 통해 수집되는 퍼스널 태그들은 아래에 설명하는 바와 같을 수 있다.
도 5는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제1 실시예를 도시한 개념도이다.
도 5를 참조하면, 퍼스널 태그들은 제1 퍼스널 태그(1st tag) 및 제2 퍼스널 태그(2nd tag)로 구분될 수 있다. 제1 퍼스널 태그는 사람의 성격을 표현할 수 있는 특성(trait)에 관한 정보이다. 그리고 제2 퍼스널 태그는 사람의 다양한 성격적인 측면들을 표현할 수 있는 사용자의 성향(disposition)에 관한 정보이다.
제2 퍼스널 태그들 각각은 복수의 제1 퍼스널 태그들을 그룹핑하는 태그일 수 있다. 예를 들어, 제2 퍼스널 태그들은 제1 성향 내지 제6 성향으로 지칭될 수 있으며, 각각의 퍼스널 태그들은 하위의 제1 퍼스널 태그들을 포함할 수 있다. 제1 성향의 제2 퍼스널 태그는 제1-1 특성 내지 제1-4 특성 등의 제1 퍼스널 태그들을 포함할 수 있다.
여기서, 제2 퍼스널 태그는 외적 성향 및 내적 성향으로 구분될 수 있다. 외적 성향은 특정 인물의 다른 인물과의 관계 형성 및 유지 등에 관한 성향에 관한 정보일 수 있다. 그리고 내적 성향은 특정 인물에 내재되어 있는 성향에 관한 정보일 수 있다.
도 6은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 대상인 퍼스널 태그들의 제2 실시예를 도시한 개념도이다.
도 6을 참조하면, 퍼스널 태그들은 제1 퍼스널 태그(1st tag) 및 제2 퍼스널 태그(2nd tag)로 구분될 수 있다.
일 실시예에 따르면, 서버는 퍼스널 태그들 중 적어도 일부의 퍼스널 태그들을 지속적으로 추가할 수 있다. 예를 들어, 서버는 제2 퍼스널 태그들 및 제2 퍼스널 태그들 각각에 포함되는 제1 퍼스널 태그들에 관한 정보를 지속적으로 추가하고, 수집할 수 있다. 여기서, 지속적으로 추가되는 제2 퍼스널 태그들 각각은 nth 성향으로 지칭되고, 제1 퍼스널 태그들 각각은 nth 특성으로 지칭될 수 있다. 서버는 사용자 특성의 분석의 목적, 사용자 특성의 분석을 통한 서비스를 제공하기 위한 기획, 및 분석하고자 하는 대상에 따라서, 일부의 퍼스널 태그들을 지속적으로 추가할 수 있다.
제1 퍼스널 태그들 중 적어도 일부는 사람의 감정 상태가 발현되는 특성에 관한 정보이다. 예를 들어, 사람의 감정 상태가 발현되는 특성에 관한 제1 퍼스널 태그들은 제7-1 특성 내지 제7-4 특성으로 지칭될 수 있다. 그리고 제2 퍼스널 태그는 복수의 제1 퍼스널 태그들을 그룹핑하는 태그로서, 사람의 다양한 감정적인 측면들을 표현할 수 있는 사용자의 성향에 관한 정보일 수 있다. 제2 퍼스널 태그는 제7 성향으로 지칭될 수 있다. 즉, 제2 퍼스널 태그는 사용자의 감정적 성향에 관한 정보일 수 있다. 제7 성향의 제2 퍼스널 태그는 제7-1 특성 내지 제7-4 특성 등의 제1 퍼스널 태그들을 포함할 수 있다.
다시 도 4를 참조하면, S411 단계에서, 서버는 사용자의 성향 정보를 기초로, 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성할 수 있다. 여기서, 데이터 셋은 사용자의 외적 성향, 내적 성향 및 감정적 성향 등의 분석 정보 및 사용자의 성향 정보와 관련되는 평가 요소들의 분석 결과 정보를 포함할 수 있다. 서버가 사용자 단말로부터 사용자의 개인 정보를 추가로 수신한 경우, 데이터 셋은 사용자의 개인 정보를 더 포함할 수 있다.
S413 단계에서, 서버는 사용자의 성향 정보에 따른 분석 결과 리포트를 생성할 수 있다. 분석 결과 리포트는 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보들 각각의 평가 요소에 관한 분석 결과 및 정보들을 포함할 수 있다.
S415 단계에서, 서버는 생성한 사용자의 성향 정보에 따른 분석 결과 리포트를 사용자 단말에게 전송할 수 있다. 여기서, 서버에 의한 분석 결과 리포트 생성 동작 및 서버에 의해 생성된 분석 결과 리포트는 아래에 설명한 바와 같을 수 있다.
도 7은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 분석 결과 리포트 생성 동작의 일 실시예를 도시한 흐름도이다.
S701 단계에서, 서버는 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류할 수 있다. 구체적으로, 서버는 성향 정보에 따라 분류된 퍼스널 태그들의 값을 기초로, 성향 정보 중에서 우세 요소들 및 약세 요소들을 분류할 수 있다.
S703 단계에서, 서버는 우세 요소들 및 약세 요소들을 조합하여, 사용자의 성격 유형을 도출할 수 있다. 여기서, 사용자의 성격 유형을 도출하기 위해 우세 요소 및 약세 요소의 조합 방식은 아래에 설명하는 바와 같을 수 있다.
도 8은 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제1 실시예를 도시한 개념도이다.
서버는 사용자 단말로부터 수신한 설문 조사 응답 데이터를 기초로 각각의 평가 요소들(예를 들어, A, B, C 및 D)의 부호(예를 들어, 양 또는 음) 및 크기 값을 포함하는 평가치를 도출할 수 있다. 서버는 도출한 평가 요소들 각각의 평가치들을 조합할 수 있다. 서버는 우세 요소들 및 약세 요소들을 조합함에 있어, 미리 정의된 조합식을 이용하여 우세 요소들 및 약세 요소들을 조합할 수 있다.
여기서 조합식들은 전체 요소 조합식, 우세 요소값 조합식, 우세 요소값/약세 요소값 조합식 및 특정 요소 조건 조합식 등을 포함할 수 있다. 서버는 설문 조사 데이터의 유형에 따라서 조합식을 결정하고, 결정한 조합식을 이용하여 요소들을 조합할 수 있다.
전체 요소 조합식은 설문 조사의 평가 요소들 전체 요소를 지정하고, 평가 요소들 전체를 조합할 수 있다. 예를 들어, 서버는 전체 요소 조합식을 이용하여, 설문 조사의 평가 요소들 각각의 부호를 기초로 사용자의 성향을 분석할 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제2 퍼스널 태그들 각각일 수 있으며, 서버는 제2 퍼스널 태그들 각각에 대한 측정치의 부호를 기초로 사용자의 성향을 분석할 수 있다. 제2 퍼스널 태그들 중 A, B, C, D 각각의 부호가 +, -, +, -인 경우, 서버는 A 내지 D 각각의 측정치의 부호(+, -, +, -)를 기초로, A 내지 D에 대응되는 제2 퍼스널 태그에 반영할 수 있다.
우세 요소 조합식은 설문 조사의 평가 요소들 중에서, 우세 요소들을 지정하고, 우세 요소들을 조합함으로써, 사용자의 성향 분석 결과를 도출하는 조합식일 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 측정치의 부호를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그)을 분석할 수 있다. A 내지 D의 측정치의 크기가 B, A, C, D 순으로 측정된 경우, 서버는 측정치들 중 상대적으로 큰 값을 가지는 B, A의 측정치를 조합하고, 조합된 측정치 값을 제2 퍼스널 태그에 반영할 수 있다. 서버는 우세 요소 조합식을 이용하여, 우세 요소들 값을 표준 편차에 따라 조합할 수 있다. 여기서, 서버는 우세 요소들 각각의 서로 다른 값에 따라 우세 요소들 각각에 가중치를 더 부여할 수 있다.
우세 요소값/약세 요소값 조합식은 평가 요소들 중에서, 우세 요소들 및 약세요소들을 분류하고, 최우세 요소 및 최약세 요소 값을 조합함으로써, 사용자의 성향 분석 결과를 도출하는 조합식일 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 및/또는 제2 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 측정치의 부호 및/또는 크기를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)을 분석할 수 있다. A 내지 D의 측정치들 중에서, A의 측정치가 가장 큰 양수 값이고, B의 측정치가 가장 작은 음수 값인 경우, 서버는 측정치들 중 가장 큰 값을 가지는 A의 측정치와 가장 작은 값을 가지는 B의 측정치를 조합하고, 조합된 측정치 값을 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)에 반영할 수 있다. 서버는 우세 요소값/약세 요소값 조합식을 이용하여, 우세 요소들 및 약세요소들로 분류된 평가 요소들 각각에 대해 결과를 분석하고, 특히 최우세 요소 및 최약세 요소의 분석 결과를 기초로 사용자의 성향 분석 결과를 도출할 수 있다.
특정 요소 조건 조합식은 설문 조사의 평가 요소들 중에서 미리 설정된 조건에 따른 특정 요소의 빈출도를 기초로 사용자의 성향 분석 결과를 도출하는 조합식일 수 있다. 여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 및/또는 제2 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 빈출도를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)을 분석할 수 있다. 예를 들어, 복수의 평가 요소들 중에서, 특정 평가 요소(예를 들어, 도 8에 따르면 3번 요소)가 3회 이상 수집된 경우, 서버는 A 결과를 도출할 수 있으며, 특정 평가 요소(예를 들어, 도 8에 따르면 3번 요소)가 3회 미만 수집된 경우, 서버는 B 결과를 도출할 수 있다. 서버는 도출한 결과(예를 들어, A 결과 및/또는 B 결과)를 반영함으로써, 사용자의 성향 분석 결과를 도출할 수 있다.
도 9는 사용자의 성향 분석을 위해 우세 요소 및 약세 요소들을 조합하여 설명하는 방법의 제2 실시예를 도시한 개념도이다.
서버는 사용자 단말로부터 수신한 설문 조사 응답 데이터를 기초로 각각의 평가 요소들(예를 들어, A, B, C 및 D)의 부호(예를 들어, 양 또는 음) 및 크기 값을 도출 수 있다. 서버는 도출한 평가 요소들 각각의 값들을 조합할 수 있다. 서버는 우세 요소들 및 약세 요소들을 조합함에 있어, 미리 정의된 조합식을 이용하여 우세 요소들 및 약세 요소들을 조합할 수 있다. 여기서 조합식은 우세 요소값 조합식과 우세 요소값/약세 요소값 조합식을 결합한 형태의 조합식일 수 있다.
여기서, 설문 조사의 평가 요소들 각각은 제1 퍼스널 태그들 각각일 수 있으며, 서버는 제1 퍼스널 태그들 각각에 대한 측정치의 부호를 기초로 사용자의 성향(예를 들어, 제2 퍼스널 태그)을 분석할 수 있다. A 내지 D의 측정치들 중에서, B의 측정치가 가장 큰 양수 값이고, A의 측정치가 두번째로 큰 양수 값이며, D의 측정치가 가장 작은 음수 값일 수 있다. 서버는 측정치들 중 가장 큰 값을 가지는 B의 측정치와 두번째로 큰 값을 가지는 A의 측정치를 조합하고, 조합된 결과를 반영함으로써, 사용자의 성향 분석 결과를 도출할 수 있다.
그리고 서버는 가장 큰 값을 가지는 B의 측정치와 가장 작은 값을 가지는 D의 측정치를 조합하고, 조합된 측정치 값을 사용자의 성향(예를 들어, 제2 퍼스널 태그 등)에 추가로 반영할 수 있다.
서버는 우세 요소 조합식을 이용하여, 우세 요소들 값을 표준 편차에 따라 조합할 수 있다. 여기서, 서버는 우세 요소들 각각의 서로 다른 값에 따라 우세 요소들 각각에 가중치를 더 부여할 수 있다. 그리고, 서버는 약세 요소들 중에서 최약세 요소 값에 대한 결과를 분석하고, 우세 요소들을 반영한 후, 최약세 요소를 더 반영함으로써, 사용자의 성향 분석 결과를 도출할 수 있다.
다시 도 7을 참조하면, S705 단계에서, 서버는 사용자의 우세 요소들 및 약세 요소들 각각에 대한 분석 결과를 생성할 수 있다. 여기서, 분석 결과는 분석 결과를 도출하는 데에 이용된 조합식에 따라서, 사용자의 외적 성향, 내적 성향 및 감정적 성향들에 대한 평가 요소들 전체에 대한 분석 결과일 수 있으며, 또는 평가 요소들 중 일부에 대한 분석 결과일 수 있다.
S707 단계에서, 서버는 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 사용자의 퍼스널 태그들을 기초로, 사용자에 대한 분석 결과 리포트를 생성할 수 있다. 서버에 의해 사용자에 대한 분석 결과 리포트를 생성하기 위한 동작 및 분석 결과 리포트는 아래에 설명하는 바와 같을 수 있다.
도 10은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 생성되는 분석 결과 리포트의 일 실시예를 도시한 개념도이다.
도 10을 참조하면, 서버는 설문 조사 응답 데이터의 분석 결과 외적 성향, 내적 성향 등을 포함하는 사용자의 성향에 관한 정보를 확보할 수 있으며, 확보한 사용자의 성향 정보를 기초로 사용자의 성향 분석 결과 리포트를 생성할 수 있다. 예를 들어, 서버는 서버는 설문 조사 응답 데이터의 분석 결과 제1 성향 내지 제3 성향에 대한 리포트인 제1 성향 리포트 내지 제3 성향 리포트를 생성할 수 있다.
서버는 사용자의 외적 성향 정보를 기초로 사용자의 인간 관계에 대한 분석 결과 리포트를 생성할 수 있다. 예를 들어, 서버는 사용자의 성향 정보를 기초로 사용자의 인간 관계 형성 능력을 분석한 관계 형성 능력 리포트, 사용자의 인간 관계 지속 능력을 분석한 관계 지속 능력 리포트를 생성할 수 있다. 또한 서버는 사용자의 외적 성향 정보를 기초로 사용자의 미래 산업에 대한 적합도를 분석한 미래 산업 적합도 리포트를 생성할 수 있다. 여기서, 서버는 사용자 단말로부터 수신한 사용자의 요청에 따라 사용자의 성향 분석 결과 리포트를 생성할 수 있다.
서버는 사용자의 내적 성향 정보를 기초로 특정한 판단 대상에 대한 사용자의 적합성 여부를 분석한 대상 별 적합성 리포트를 생성할 수 있다. 여기서 판단 대상은 학업, 학과, 진로, 직업, 업무, 특정 인물 중 어느 하나의 대상일 수 있다. 예를 들어, 판단 대상이 학업인 경우, 대상 별 적합성 리포트는 수리 학업 적성 분석 결과 리포트, 논술 성적 향상 가능성 분석 결과 리포트 등과 같이 사용자의 학업 적성에 관한 분석 결과 정보를 포함할 수 있다. 여기서, 서버는 사용자 단말에 요청에 따라서 판단 대상을 결정할 수 있어, 사용자의 요청에 따라 대상 별 적합성 리포트를 생성할 수 있다.
서버는 사용자의 외적 성향 분석 결과 및 사용자의 내적 성향 분석 결과를 종합하여 개인별 분석 결과인 개인별 결과 리포트를 생성할 수 있다. 여기서, 외적 성향 분석 결과 리포트는 사용자의 내적 성향 분석 결과 리포트와 연관성을 가질 수 있다. 그리고 서버는 사용자의 성향을 분석하고 개인별 결과 리포트를 생성하기 위해, 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보의 하위 요소들 및 퍼스널 태그들을 지속적으로 수집할 수 있다.
도 11은 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템의 추가설문 데이터를 통한 사용자 성향 분석 동작의 일 실시예를 도시한 순서도이다.
S1101 단계에서, 서버는 사용자 단말에게 추가 설문 조사 데이터를 전송할 수 있다. 구체적으로, 서버는 데이터베이스에 저장된 복수의 추가 설문 조사 데이터들 중에서, 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 하나의 추가 설문 조사 데이터를 결정할 수 있다. 서버는 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 입력 값으로 하는 인공 신경망 모델에 의해 하나의 추가 설문 조사 데이터를 결정할 수 있다.
S1103 단계에서, 사용자 단말은 사용자로부터 추가 설문 조사에 대한 응답 데이터를 입력받을 수 있다. 사용자는 사용자 단말에 의해 출력되는 추가 설문 조사 데이터의 복수개의 문항들 및 응답지들을 확인할 수 있으며, 복수개의 문항들 각각에 대한 응답지를 선택할 수 있다. 사용자 단말은 사용자로부터 입력 받은 복수개의 문항들 각각에 대한 응답 정보를 저장할 수 있다.
S1105 단계에서, 서버는 사용자 단말로부터 추가 설문 조사 데이터에 대한 응답 데이터를 수신할 수 있다. 서버는 사용자 단말로부터 사용자의 식별 정보(예를 들어, ID 등) 및 사용자에 의해 입력된 복수개의 문항들 각각에 대해 선택된 응답지 정보를 포함하는 추가 설문 조사 응답 메시지를 수신할 수 있다.
S1107 단계에서, 서버는 추가 설문 조사 응답 데이터의 노이즈를 검출할 수 있다. 구체적으로, 서버는 추가 설문 조사 데이터 중에서, 서로 간의 연관 관계를 가지는 설문들 각각에 대한 응답지 정보의 비교 결과를 기초로, 추가 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출할 수 있다. 또는 서버는 사용자의 기존 성향 분석 결과와 추가 설문 조사의 응답 데이터와의 비교 결과를 기초로 추가 설문 조사 데이터에 대한 응답 데이터의 노이즈를 검출할 수 있다.
S1109 단계에서, 서버는 추가 설문 조사 데이터에 대한 응답 데이터를 기반으로 사용자의 성향 정보를 업데이트할 수 있다. 예를 들어, 서버는 추가 설문 조사 데이터에 대한 응답 데이터를 기반으로 외적 성향, 내적 성향 및 감정적 성향 중 하나 이상의 성향을 업데이트할 수 있다.
도 12는 사용자의 성향 분석을 위한 설문 조사 데이터 분석 시스템에 의해 제공되는 추가 설문 조사 데이터의 일 실시예를 도시한 개념도이다.
추가 설문 조사 데이터는 외적 성향, 내적 성향 및 감정적 성향 중 하나의 하위 성향에 관한 정보를 획득하기 위한 설문 조사 데이터일 수 있다. 도 12에 도시된 바에 따르면, 추가 설문 조사 데이터는 제6 성향에 관한 정보를 획득하기 위한 설문 조사 데이터일 수 있다.
추가 설문 조사 데이터를 통해 획득하고자 하는 성향에 관한 정보는 미리 정의될 수 있다. 그리고 추가 설문 조사 데이터는 미리 설정된 주제와 키워드를 가질 수 있다. 추가 설문 조사 데이터는 미리 설정된 주제와 키워드를 통한 스토리텔링(story telling) 형식의 설문 조사일 수 있다. 추가 설문 조사 데이터의 주제 및 키워드는 사용자에게 적합한 추가 설문 조사 데이터를 탐색하기 위해 활용될 수 있다.
추가 설문 조사 데이터는 복수개의 문항(question)들과 문항들 각각에 대한 보기(answer)를 포함할 수 있다. 보기들 각각은 성향의 하위 요소인 특성 정보를 측정하기 위한 선택지일 수 있다. 보기들 각각과 하위 요소의 측정치는 서로 맵핑되는 관계일 수 있다. 측정치는 특성 정보에 대한 부호와 크기 정보를 포함할 수 있다. 즉, 사용자가 선택한 보기에 따라서 사용자의 하위 요소는 다르게 측정될 수 있다. 서버는 문항에 대한 사용자에 의해 선택된 보기 정보를 기초로 성향의 하위 요소를 측정할 수 있다. 예를 들어, 문항#1에 대한 보기#1-1을 참조하면, 보기#1-1는 측정 대상인 제6 성향에 포함되는 제6-1 특성에 대한 측정치(-1)와 맵핑될 수 있다.
추가 설문 조사 데이터의 복수개의 문항들 중 적어도 일부는 측정 대상 성향과 연관성을 갖는 별도 성향의 추가 하위 요소들의 측정치와 더 맵핑될 수 있다. 예를 들어, 문항#2에 대한 보기#2-2를 참조하면, 보기#2-2는 별도 성향인 제5 성향에 포함되는 제5-2 특성에 대한 측정치(+0.7)와 맵핑될 수 있다.
서버는 추가 설문 조사에 대한 응답률을 높이기 위해, 사용자에게 적합한 추가 설문 조사 데이터를 결정하는 인공 신경망 모델을 업데이트할 수 있다. 예를 들어, 서버는 미리 설정된 기간 이내에 사용자 단말로부터 추가 설문 조사 데이터에 대한 응답 데이터를 수신하였는지 여부를 판단할 수 있다. 그리고, 서버는 추가 설문 조사 데이터에 대한 상기 응답 데이터의 수신 여부를 기초로, 인공 신경망 모델을 업데이트할 수 있다.
서버는 사용자로부터 수신한 설문 조사 및/또는 추가 설문 조사에 대한 응답 데이터를 기초로, 사용자에게 최적화된 오브젝트 및/또는 컨텐츠를 추천하거나 제공할 수 있다. 사용자에게 최적화된 오브젝트 및/또는 컨텐츠를 추천하는 서버의 동작은 아래에 설명하는 바와 같을 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (4)

  1. 서버에 의해 실행되는, 성향 분석 시스템을 활용한 사용자의 성향 분석 및 분석 결과 제공 방법에 있어서,
    사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하는 단계;
    응답 데이터를 수신하는 단계;
    상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하는 단계;
    상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하는 단계;
    상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하는 단계;
    상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하는 단계; 및
    상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하는 단계;를 포함하고,
    상기 퍼스널 태그는 복수의 제1 퍼스널 태그 및 상기 복수의 제1 퍼스널 태그를 그룹핑하는 제2 퍼스널 태그를 포함하고, 상기 제2 퍼스널 태그는 외적 성향 및 내적 성향으로 구분되는 제1 성향 내지 제6 성향을 포함하고, 상기 복수의 제1 퍼스널 태그 중 일부는 사람의 감정 상태가 발현되는 특성에 관한 정보이며,
    상기 제2 퍼스널 태그는 제7 성향을 더 포함하되, 상기 제7 성향의 제2 퍼스널 태그는 사람의 감정 상태가 발현되는 특성에 관한 정보인 제1 퍼스널 태그로 구성되고,
    상기 사용자에 대한 분석 결과 리포트를 생성하는 단계는,
    상기 성향 정보에 따라 분류된 상기 퍼스널 태그들의 값을 기초로, 상기 성향 정보 중에서 우세 요소들 및 약세 요소들을 분류하는 단계; 및
    상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하는 단계;를 포함하고,
    상기 우세 요소들 및 상기 약세 요소들을 조합하는 단계는,
    상기 응답 데이터를 기초로 상기 퍼스널 태그들을 포함하는 평가 요소들 각각의 부호 및 크기 값을 포함하는 평가치를 도출하는 단계; 및
    도출한 상기 평가 요소들 각각의 평가치들을 미리 정의된 조합식을 이용하여 조합하는 단계;를 포함하고,
    상기 조합식은 전체 요소 조합식, 우세 요소값 조합식, 우세 요소값/약세 요소값 조합식 및 특정 요소 조건 조합식 중 적어도 하나로 결정되며,
    상기 전체 요소 조합식은 상기 평가 요소들 전체 요소를 지정하고, 상기 평가 요소들 전체를 조합하는 조합식이고,
    상기 우세 요소값 조합식은 상기 평가 요소들 중에서 상기 우세 요소들을 지정하고, 상기 우세 요소들을 조합함으로써, 상기 사용자의 성향 분석 결과를 도출하는 조합식이며,
    상기 우세 요소값/약세 요소값 조합식은 상기 평가 요소들 중에서, 상기 우세 요소들 및 상기 약세 요소들을 분류하고, 최우세 요소 및 최약세 요소 값을 조합함으로써, 상기 사용자의 성향 분석 결과를 도출하는 조합식이고,
    상기 특정 요소 조건 조합식은 상기 평가 요소들 중에서 미리 설정된 조건에 따른 특정 요소의 빈출도를 기초로 상기 사용자의 성향 분석 결과를 도출하는 조합식인, 성향 분석 및 분석 결과 제공 방법.
  2. 청구항 1에 있어서,
    상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하는 단계;
    상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하는 단계;
    상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하는 단계; 및
    상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하는 단계를 포함하는, 성향 분석 및 분석 결과 제공 방법.
  3. 성향 분석 시스템의 서버에 있어서,
    적어도 하나의 프로그램이 저장된 메모리;
    상기 적어도 하나의 프로그램 명령을 수행하는 프로세서; 및
    네트워크와 연결되어 통신을 수행하는 송수신 장치를 포함하고,
    상기 적어도 하나의 프로그램 명령은,
    사용자 단말에게 미리 저장된 설문 조사 데이터를 전송하고;
    응답 데이터를 수신하고;
    상기 설문 조사 데이터에 포함된 단어들 각각에 미리 정의된 퍼스널 태그를 기초로, 상기 응답 데이터를 기반으로 한 상기 사용자의 퍼스널 태그들의 정보를 획득하고;
    상기 사용자의 퍼스널 태그들을 상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류하고;
    상기 사용자의 외적 성향, 내적 성향 및 감정적 성향 정보를 기초로, 상기 사용자에 최적화된 관심사 정보를 제공하기 위한 데이터 셋을 생성하고;
    상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 각각에 따라 분류된 상기 사용자의 퍼스널 태그들을 기초로, 상기 사용자에 대한 분석 결과 리포트를 생성하고; 그리고
    상시 생성한 분석 결과 리포트를 상기 사용자 단말에게 전송하고,
    상기 퍼스널 태그는 복수의 제1 퍼스널 태그 및 상기 복수의 제1 퍼스널 태그를 그룹핑하는 제2 퍼스널 태그를 포함하고, 상기 제2 퍼스널 태그는 외적 성향 및 내적 성향으로 구분되는 제1 성향 내지 제6 성향을 포함하고, 상기 복수의 제1 퍼스널 태그 중 일부는 사람의 감정 상태가 발현되는 특성에 관한 정보이며,
    상기 제2 퍼스널 태그는 제7 성향을 더 포함하되, 상기 제7 성향의 제2 퍼스널 태그는 사람의 감정 상태가 발현되는 특성에 관한 정보인 제1 퍼스널 태그로 구성되고,
    상기 사용자에 대한 분석 결과 리포트를 생성하도록 실행됨에 있어,
    상기 성향 정보에 따라 분류된 상기 퍼스널 태그들의 값을 기초로, 상기 성향 정보 중에서 우세 요소들 및 약세 요소들을 분류하고;
    상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하며;
    상기 우세 요소들 및 상기 약세 요소들을 조합하도록 실행됨에 있어,
    상기 응답 데이터를 기초로 상기 퍼스널 태그들을 포함하는 평가 요소들 각각의 부호 및 크기 값을 포함하는 평가치를 도출하고;
    도출한 상기 평가 요소들 각각의 평가치들을 미리 정의된 조합식을 이용하여 조합하며;
    상기 조합식은 전체 요소 조합식, 우세 요소값 조합식, 우세 요소값/약세 요소값 조합식 및 특정 요소 조건 조합식 중 적어도 하나로 결정되고,
    상기 전체 요소 조합식은 상기 평가 요소들 전체 요소를 지정하고, 상기 평가 요소들 전체를 조합하는 조합식이고,
    상기 우세 요소값 조합식은 상기 평가 요소들 중에서 상기 우세 요소들을 지정하고, 상기 우세 요소들을 조합함으로써, 상기 사용자의 성향 분석 결과를 도출하는 조합식이며,
    상기 우세 요소값/약세 요소값 조합식은 상기 평가 요소들 중에서, 상기 우세 요소들 및 상기 약세 요소들을 분류하고, 최우세 요소 및 최약세 요소 값을 조합함으로써, 상기 사용자의 성향 분석 결과를 도출하는 조합식이고,
    상기 특정 요소 조건 조합식은 상기 평가 요소들 중에서 미리 설정된 조건에 따른 특정 요소의 빈출도를 기초로 상기 사용자의 성향 분석 결과를 도출하는 조합식인, 서버.
  4. 청구항 3에 있어서,
    상기 적어도 하나의 프로그램 명령은,
    상기 사용자의 외적 성향, 내적 성향 및 감정적 성향들 중에서, 우세 요소들 및 약세 요소들을 분류하고;
    상기 우세 요소들 및 상기 약세 요소들을 조합하여, 상기 사용자의 성격 유형을 도출하고;
    상기 사용자의 상기 우세 요소들 및 상기 약세 요소들 각각에 대한 분석 결과를 생성하고; 그리고
    상기 사용자의 성격 유형을 상기 분석 결과 리포트에 반영하도록 더 실행되는, 서버.
KR1020210088185A 2020-12-28 2021-07-06 사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템 KR102610787B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210088185A KR102610787B1 (ko) 2020-12-28 2021-07-06 사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200184271 2020-12-28
KR1020210088185A KR102610787B1 (ko) 2020-12-28 2021-07-06 사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020200184271 Division 2020-12-28 2020-12-28

Publications (2)

Publication Number Publication Date
KR20220094101A KR20220094101A (ko) 2022-07-05
KR102610787B1 true KR102610787B1 (ko) 2023-12-06

Family

ID=82402270

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210088185A KR102610787B1 (ko) 2020-12-28 2021-07-06 사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102610787B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102061893B1 (ko) * 2019-08-18 2020-01-06 주식회사 알앤디아시아 질의 응답을 이용한 소셜 러닝 시스템
KR102164836B1 (ko) * 2019-07-10 2020-10-13 주식회사 엘지유플러스 콘텐츠 추천을 위한 장치 및 그 제어방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102011495B1 (ko) * 2012-11-09 2019-08-16 삼성전자 주식회사 사용자의 심리 상태 판단 장치 및 방법
KR102079441B1 (ko) * 2018-04-02 2020-02-19 스토리앤브라더스(주) 복수의 사용자의 매칭 적합도를 판별하는 서비스를 제공하는 방법 및 서버

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102164836B1 (ko) * 2019-07-10 2020-10-13 주식회사 엘지유플러스 콘텐츠 추천을 위한 장치 및 그 제어방법
KR102061893B1 (ko) * 2019-08-18 2020-01-06 주식회사 알앤디아시아 질의 응답을 이용한 소셜 러닝 시스템

Also Published As

Publication number Publication date
KR20220094101A (ko) 2022-07-05

Similar Documents

Publication Publication Date Title
Lolli et al. On the elicitation of criteria weights in PROMETHEE-based ranking methods for a mobile application
US20190147369A1 (en) Rule Determination for Black-Box Machine-Learning Models
WO2021093821A1 (zh) 智能助理评价、推荐方法、系统、终端及可读存储介质
US11521020B2 (en) Evaluation of modeling algorithms with continuous outputs
US10726025B2 (en) Standardized entity representation learning for smart suggestions
US20170154307A1 (en) Personalized data-driven skill recommendations and skill gap prediction
US11158003B1 (en) Methods and systems for improving the underwriting process
US20180315019A1 (en) Multinodal job-search control system
US11836768B2 (en) Machine learning systems for computer generation of automated recommendation outputs
KR102008992B1 (ko) 챗봇을 이용한 부동산 거래 비서 서비스 장치 및 방법
US11615466B1 (en) Contextual graphical user interfaces
KR102669829B1 (ko) 사용자의 성향 분석 결과를 기초로 한 오브젝트 추천 방법 및 시스템
CN104428804A (zh) 用于评价对象的方法和装置
Crespo et al. Predicting teamwork results from social network analysis
KR102115606B1 (ko) 도서관 자료 관리 시스템
US20220164549A1 (en) Natural language processing parsimonious question generator
KR20230005753A (ko) 사용자의 검색 정보를 기반으로 사용자의 학습 능력을 평가하는 방법, 장치, 및 시스템
US20180285822A1 (en) Ranking job offerings based on connection mesh strength
Kainulainen et al. A statistical approach to assessing interval scale preferences in discrete choice problems
CN110322375A (zh) 在线面试考核方法、装置、介质及电子设备
KR102610787B1 (ko) 사용자의 성향 분석을 위한 설문 조사 데이터 분석 방법 및 시스템
Zhang et al. Less is more: Rejecting unreliable reviews for product question answering
Oleksyk et al. Supporting investment decisions based on cognitive technology
US20190318371A1 (en) Computing systems and methods for improving content quality for internet webpages
JP7012696B2 (ja) 情報処理装置及び情報処理方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right