KR102617004B1 - 추천 컨텐츠를 제공하는 전자 장치 및 방법 - Google Patents
추천 컨텐츠를 제공하는 전자 장치 및 방법 Download PDFInfo
- Publication number
- KR102617004B1 KR102617004B1 KR1020220186076A KR20220186076A KR102617004B1 KR 102617004 B1 KR102617004 B1 KR 102617004B1 KR 1020220186076 A KR1020220186076 A KR 1020220186076A KR 20220186076 A KR20220186076 A KR 20220186076A KR 102617004 B1 KR102617004 B1 KR 102617004B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- contents
- genre
- content
- processor
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 25
- 230000002996 emotional effect Effects 0.000 claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000012552 review Methods 0.000 claims description 5
- 230000009193 crawling Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 6
- 239000003990 capacitor Substances 0.000 description 5
- 206010011469 Crying Diseases 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Library & Information Science (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 개시의 다양한 실시예에 따른 전자 장치는, 제1 사용자의 컨텐츠 시청 이력을 확인하고, 제1 사용자의 컨텐츠 시청 이력에 기초하여, 복수의 장르 중 제1 사용자가 선호하는 적어도 하나의 제1 장르를 결정하고, 제1 사용자가 적어도 하나의 제1 장르와는 상이한 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였는지 여부를 확인하고, 제1 사용자가 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청한 것에 대한 응답으로, 제2 장르에 기초하여 제1 사용자의 감정 상태를 분석하고, 제1 사용자의 감정 상태에 기초하여, 복수의 컨텐츠 중 제1 사용자를 위한 추천 컨텐츠를 결정하고, 결정한 추천 컨텐츠를 제1 사용자의 단말 장치로 전송하도록 구성될 수 있다.
Description
본 개시는 추천 컨텐츠를 제공하는 전자 장치 및 방법에 관한 것이다. 구체적으로, 사용자의 감정 상태에 기반하여 사용자를 위한 추천 컨텐츠를 결정하여 제공하는 기술에 관한 것이다.
최근에는 OTT(over the top) 서비스가 대중화됨에 따라서, 사용자들은 소유한 단말 장치를 통해 OTT 서비스를 이용할 수 있다. 사용자들은 단말 장치를 통해 다양한 컨텐츠를 시간과 공간의 제약 없이 제공받을 수 있다. OTT 서비스 제공자는 사용자들이 OTT 서비스를 오랫동안 사용하게 유도하기 위하여, 사용자에게 적합한 추천 컨텐츠를 제공하기 위한 노력을 지속하고 있다.
OTT 서비스 제공자는 사용자에 개인화된 추천 컨텐츠를 제공하기 보다는, 일반적인 방식으로 추천 컨텐츠를 제공해오고 있다. 예를 들어, 사용자의 지난 시청 이력에 기초하여, 추천 컨텐츠를 제공해오고 있다. 예를 들어, 현재 조회수가 가장 높은 컨텐츠를 추천 컨텐츠로 제공하거나, OTT 서비스 제공자가 결정한 컨텐츠를 추천 컨텐츠로 제공해오고 있다.
본 개시의 다양한 실시예에 따르면, 사용자의 감정 상태를 분석하고, 사용자의 감정 상태에 기초하여, 사용자를 위한 추천 컨텐츠를 결정하여 제공하는 것을 기술적 해결 과제로 한다.
본 개시의 다양한 실시예에 따르면, 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정하고, 복수의 태그 및 사용자의 감정 상태에 기초하여, 사용자를 위한 추천 컨텐츠를 결정하여 제공하는 것을 기술적 해결 과제로한다. 나아가, 인공지능 모델을 이용하여 복수의 컨텐츠 각각에 적합한 복수의 태그를 획득함으로써, 복수의 컨텐츠 각각에 보다 정확한 태그가 부여될 수 있도록 하는 것을 기술적 해결 과제로 한다.
본 개시의 다양한 실시예에 따른 전자 장치는, 복수의 사용자 각각의 단말 장치와 통신 연결된 통신 회로; 복수의 장르로 분류되는 복수의 컨텐츠를 저장하는 메모리; 및 프로세서를 포함할 수 있다. 다양한 실시예에 따른 상기 프로세서는, 제1 사용자의 컨텐츠 시청 이력을 확인하고, 상기 제1 사용자의 컨텐츠 시청 이력에 기초하여, 상기 복수의 장르 중 상기 제1 사용자가 선호하는 적어도 하나의 제1 장르를 결정하고, 상기 제1 사용자가 상기 적어도 하나의 제1 장르와는 상이한 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였는지 여부를 확인하고, 상기 제1 사용자가 상기 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청한 것에 대한 응답으로, 상기 제2 장르에 기초하여 상기 제1 사용자의 감정 상태를 분석하고, 상기 제1 사용자의 감정 상태에 기초하여, 상기 복수의 컨텐츠 중 상기 제1 사용자를 위한 추천 컨텐츠를 결정하고, 상기 결정한 추천 컨텐츠를 상기 제1 사용자의 단말 장치로 전송하도록 구성될 수 있다.
다양한 실시예에 따른 상기 프로세서는, 제1 외부 서버로부터 상기 복수의 컨텐츠 각각에 관한 정보를 수집하고, 상기 복수의 컨텐츠 각각에 관한 정보에 기초하여, 상기 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정하고, 상기 복수의 컨텐츠에 상기 복수의 태그를 각각 부여하고, 상기 복수의 태그에 기초하여, 상기 복수의 컨텐츠 각각의 장르를 결정하도록 구성될 수 있다.
다양한 실시예에 따른 상기 메모리는 인공지능 모델을 저장하고, 상기 프로세서는, 상기 복수의 컨텐츠 각각에 관한 정보를 상기 인공지능 모델에 입력하고, 상기 인공지능 모델로부터, 상기 복수의 컨텐츠 각각에 적합한 복수의 태그를 획득하고, 상기 복수의 컨텐츠에 대하여 상기 획득한 복수의 태그를 각각 부여하도록 구성되고, 상기 인공지능 모델은, 머신 러닝 알고리즘을 이용하여, 복수의 샘플 컨텐츠 각각에 관한 정보를 포함하는 입력 데이터 세트와, 상기 복수의 샘플 컨텐츠 각각에 적합한 복수의 태그를 포함하는 출력 데이터 세트 사이의 상관 관계를 모델링하여 구축된 상관 모델일 수 있다.
다양한 실시예에 따른 상기 제1 외부 서버는 포털 사이트를 운영하는 서버이고, 상기 프로세서는, 상기 제1 외부 서버로부터, 상기 복수의 컨텐츠 각각에 대한 줄거리, 감상평 및 메타데이터를 크롤링함으로써, 상기 복수의 컨텐츠 각각에 관한 정보를 수집하도록 구성될 수 있다.
다양한 실시예에 따른 상기 프로세서는, 상기 제1 사용자의 컨텐츠 시청 이력에 기초하여, 상기 복수의 장르 각각에 대한 컨텐츠 시청 횟수를 확인하고, 상기 복수의 장르 중 컨텐츠 시청 횟수가 가장 많은 순서대로 상기 적어도 하나의 제1 장르를 결정하도록 구성될 수 있다.
다양한 실시예에 따른 상기 제1 사용자의 감정 상태는 미리 정해진 복수의 감정 상태 중 하나에 해당하고, 상기 복수의 감정 상태 각각은 적어도 하나의 장르와 대응되도록 설정될 수 있다.
다양한 실시예에 따른 상기 프로세서는, 상기 결정한 추천 컨텐츠와 함께, 상기 제1 사용자의 감정 상태에 관한 정보를 상기 제1 사용자의 단말 장치로 전송하도록 구성될 수 있다.
다양한 실시예에 따른 상기 프로세서는, 상기 복수의 컨텐츠 각각에 대하여, 적어도 하나의 이미지를 추출하고, 상기 복수의 컨텐츠 각각에 대하여, 상기 복수의 사용자의 평가 정보를 획득하고, 상기 적어도 하나의 이미지 및 상기 복수의 사용자의 평가 정보에 기초하여, 상기 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정하고, 상기 복수의 컨텐츠에 상기 복수의 태그를 각각 부여하고, 상기 복수의 태그에 기초하여, 상기 복수의 컨텐츠 각각의 장르를 결정하도록 구성될 수 있다.
다양한 실시예에 따른 상기 통신 회로는 날씨 정보를 제공하는 제2 외부 서버와 통신 연결되고, 상기 프로세서는, 상기 제1 사용자의 단말 장치로부터, 상기 제1 사용자의 위치 정보를 수집하고, 상기 제1 사용자의 위치 정보에 대응하는 날씨 정보를 상기 제2 외부 서버로부터 수집하고, 상기 제2 장르 및 상기 날씨 정보에 기초하여, 상기 제1 사용자의 감정 상태를 분석하도록 구성될 수 있다.
다양한 실시예에 따른 상기 복수의 컨텐츠는, 동영상 컨텐츠일 수 있다.
본 개시의 다양한 실시예에 따른 전자 장치에 의해 수행되는 추천 컨텐츠를 제공하는 방법은, 제1 사용자의 컨텐츠 시청 이력을 확인하는 동작; 상기 제1 사용자의 컨텐츠 시청 이력에 기초하여, 복수의 장르 중 상기 제1 사용자가 선호하는 적어도 하나의 제1 장르를 결정하는 동작; 상기 제1 사용자가 상기 적어도 하나의 제1 장르와는 상이한 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였는지 여부를 확인하는 동작; 상기 제1 사용자가 상기 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청한 것에 대한 응답으로, 상기 제2 장르에 기초하여 상기 제1 사용자의 감정 상태를 분석하는 동작; 상기 제1 사용자의 감정 상태에 기초하여, 복수의 컨텐츠 중 상기 제1 사용자를 위한 추천 컨텐츠를 결정하는 동작; 및 상기 결정한 추천 컨텐츠를 상기 제1 사용자의 단말 장치로 전송하는 동작을 포함할 수 있다.
본 개시의 다양한 실시예에 따르면, 사용자의 감정 상태를 분석하고, 사용자의 감정 상태에 기초하여, 사용자를 위한 추천 컨텐츠를 결정하여 제공할 수 있다.
본 개시의 다양한 실시예에 따르면, 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정하고, 복수의 태그 및 사용자의 감정 상태에 기초하여, 사용자를 위한 추천 컨텐츠를 결정하여 제공할 수 있다. 나아가, 인공지능 모델을 이용하여 복수의 컨텐츠 각각에 적합한 복수의 태그를 획득함으로써, 복수의 컨텐츠 각각에 보다 정확한 태그가 부여될 수 있다.
도 1은 본 개시의 다양한 실시예에 따른 시스템을 도시한 도면이다.
도 2는 본 개시의 다양한 실시예에 따른 전자 장치 및 단말 장치를 도시한 블록도이다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 5a 및 5b는 본 개시의 다양한 실시예에 따른 인공지능 모델을 구축하는 방법 및 인공지능 모델을 활용하는 방법을 도시한 도면이다.
도 6은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 2는 본 개시의 다양한 실시예에 따른 전자 장치 및 단말 장치를 도시한 블록도이다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 5a 및 5b는 본 개시의 다양한 실시예에 따른 인공지능 모델을 구축하는 방법 및 인공지능 모델을 활용하는 방법을 도시한 도면이다.
도 6은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
본 개시의 실시예들은 본 개시의 기술적 사상을 설명하기 위한 목적으로 예시된 것이다. 본 개시에 따른 권리범위가 이하에 제시되는 실시예들이나 이들 실시예들에 대한 구체적 설명으로 한정되는 것은 아니다.
본 개시에 사용되는 모든 기술적 용어들 및 과학적 용어들은, 달리 정의되지 않는 한, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 일반적으로 이해되는 의미를 갖는다. 본 개시에 사용되는 모든 용어들은 본 개시를 더욱 명확히 설명하기 위한 목적으로 선택된 것이며 본 개시에 따른 권리범위를 제한하기 위해 선택된 것이 아니다.
본 개시에서 사용되는 "포함하는", "구비하는", "갖는" 등과 같은 표현은, 해당 표현이 포함되는 어구 또는 문장에서 달리 언급되지 않는 한, 다른 실시예를 포함할 가능성을 내포하는 개방형 용어(open-ended terms)로 이해되어야 한다.
본 개시에서 기술된 단수형의 표현은 달리 언급하지 않는 한 복수형의 의미를 포함할 수 있으며, 이는 청구범위에 기재된 단수형의 표현에도 마찬가지로 적용된다.
본 개시에서 사용되는 "제1", "제2" 등의 표현들은 복수의 구성요소들을 상호 구분하기 위해 사용되며, 해당 구성요소들의 순서 또는 중요도를 한정하는 것은 아니다.
본 개시에서 사용되는 용어 "부"는, 소프트웨어, 또는 FPGA(field-programmable gate array), ASIC(application specific integrated circuit)과 같은 하드웨어 구성요소를 의미한다. 그러나, "부"는 하드웨어 및 소프트웨어에 한정되는 것은 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세서, 함수, 속성, 프로시저, 서브루틴, 프로그램 코드의 세그먼트, 드라이버, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조, 테이블, 어레이 및 변수를 포함한다. 구성요소와 "부" 내에서 제공되는 기능은 더 작은 수의 구성요소 및 "부"로 결합되거나 추가적인 구성요소와 "부"로 더 분리될 수 있다.
본 개시에서 사용되는 "~에 기초하여"라는 표현은, 해당 표현이 포함되는 어구 또는 문장에서 기술되는, 결정, 판단의 행위 또는 동작에 영향을 주는 하나 이상의 인자를 기술하는데 사용되며, 이 표현은 결정, 판단의 행위 또는 동작에 영향을 주는 추가적인 인자를 배제하지 않는다.
본 개시에서, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 경우, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결될 수 있거나 접속될 수 있는 것으로, 또는 새로운 다른 구성요소를 매개로 하여 연결될 수 있거나 접속될 수 있는 것으로 이해되어야 한다.
이하, 첨부한 도면들을 참조하여, 본 개시의 실시예들을 설명한다. 첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응하는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
도 1은 본 개시의 다양한 실시예에 따른 OTT(over the top) 서비스를 운용하는 시스템(10)을 도시한 도면이다. 시스템(10)은, 전자 장치(110) 및 복수의 단말 장치(120)를 포함할 수 있다. 전자 장치(110)는 OTT(over the top) 서비스를 운영하기 위한 서버(server) 장치일 수 있다. 본 문서에서 사용된 복수의 단말 장치(120)라는 용어는 복수의 사용자 각각의 단말 장치를 의미할 수 있다. 복수의 사용자는 OTT 서비스를 이용하기 위해 가입한 이용자들을 의미할 수 있다.
시스템(10)은, 복수의 외부 서버(미도시)와 통신 연결될 수 있다. 외부 서버는, 예를 들어, 포털 사이트를 운영하는 제1 외부 서버 및 날씨 정보를 제공하는 제2 외부 서버를 포함할 수 있다.
복수의 사용자 각각의 단말 장치(120)는 OTT 서비스를 이용하기 위한 사용자(또는 소비자)의 장치를 의미할 수 있다. 단말 장치(120)는 인터넷에 연결 가능한 장치일 수 있으며, 예를 들어, 휴대폰, 스마트폰, 노트북 컴퓨터, 웨어러블 장치 또는 HMD(head mounted display)일 수 있다. 복수의 사용자 각각이 사용하는 복수의 단말 장치(120)는 전자 장치(110)와 네트워크를 통해서 서로 연결되어 다양한 데이터를 송수신할 수 있다.
전자 장치(110)는 OTT 서비스에 관한 애플리케이션 또는 웹사이트를 통해, 복수의 컨텐츠를 단말 장치(120)로 제공할 수 있다. 복수의 컨텐츠는, 예를 들어, 동영상 컨텐츠일 수 있다. 전자 장치(110)는 복수의 컨텐츠를 저장할 수 있고, 복수의 컨텐츠는 복수의 장르(genre)로 분류될 수 있다. 예를 들어, 전자 장치(110)는 "액션(action)" 장르로 분류되는 제1 컨텐츠, "코메디(comedy)" 장르로 분류되는 제2 컨텐츠, "다큐멘터리(documentary)" 장르로 분류되는 제3 컨텐츠, 및 "호러(horror)" 장르로 분류되는 제4 컨텐츠를 저장할 수 있다. 상술한 장르는 예시적인 것이며, 이보다 많은 장르가 포함될 수 있음은 물론이다.
본 도면에서는 설명의 편의를 위해 복수의 단말 장치(120)에 제1 사용자의 단말 장치(120a), 제2 사용자의 단말 장치(120b) 및 제3 사용자의 단말 장치(120c)를 포함하는 것으로 가정하여 설명하지만, 사용자 단말 장치의 수는 4개 이상일 수도 있음은 물론이다.
다양한 실시예에 따른 전자 장치(110)는 복수의 사용자의 개인 정보를 수집하여 저장할 수 있다. 전자 장치(110)는 OTT 서비스에 가입한 제1 사용자의 개인 정보를 저장할 수 있다. 다양한 실시예에 따른 전자 장치(110)는 복수의 사용자의 컨텐츠 시청 이력을 저장할 수 있다. 전자 장치(110)는 OTT 서비스에 가입한 제1 사용자의 컨텐츠 시청 이력을 저장할 수 있다.
다양한 실시예에 따른 전자 장치(110)는 복수의 사용자의 시간에 따른 위치 정보를 수집하여 저장할 수 있다. 전자 장치(110)는 OTT 서비스에 가입한 제1 사용자의 단말 장치(120a)로부터, 미리 정해진 기간 동안의 제1 사용자의 시간에 따른 위치 정보를 수집할 수 있다. 위치 정보를 수집하기에 앞서서, 제1 사용자의 단말 장치(120a)를 통해 제1 사용자에게 위치 정보 수집 동의를 우선적으로 받아야 한다.
도 2는 본 개시의 다양한 실시예에 따른 전자 장치(110) 및 단말 장치(120)를 도시한 블록도이다.
도 2를 참조하면, 다양한 실시예에 따른 전자 장치(110)는 프로세서(111), 메모리(113) 및 통신 회로(115)를 포함할 수 있다. 전자 장치(110)에 포함된 구성요소들 중 적어도 하나가 생략되거나, 다른 구성요소가 전자 장치(110)에 추가될 수 있다. 추가적으로 또는 대체적으로 일부의 구성요소들이 통합되어 구현되거나, 단수 또는 복수의 개체로 구현될 수 있다. 전자 장치(110) 내의 적어도 일부의 구성요소들은 버스(bus), GPIO(general purpose input/output), SPI(serial peripheral interface) 또는 MIPI(mobile industry processor interface) 등을 통해 서로 연결되어, 데이터 및/또는 시그널을 주고 받을 수 있다.
다양한 실시예에 따르면, 전자 장치(110)의 프로세서(111)는 전자 장치(110)의 각 구성요소들(예: 메모리(113))의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 수행 할 수 있는 구성일 수 있다. 프로세서(111)는, 예를 들어, 전자 장치(110)의 구성요소들과 작동적으로 연결될 수 있다. 프로세서(111)는 전자 장치(110)의 다른 구성요소로부터 수신된 명령 또는 데이터를 메모리(113)에 로드(load)하고, 메모리(113)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 저장할 수 있다. 본 문서에 개시된 프로세서(111)는 하나 이상의 프로세서(111)의 집합을 의미할 수도 있다. 다양한 실시예에 따르면, 전자 장치(110)의 메모리(113)는 프로세서(111)의 동작에 대한 인스트럭션들을 저장할 수 있다.
다양한 실시예에 따르면, 전자 장치(110)의 통신 회로(115)는 외부 장치(예: 단말 장치(120))와 유선 또는 무선 통신 채널을 설립하고, 외부 장치와 다양한 데이터를 송수신할 수 있다. 일 실시예에 따르면, 통신 회로(115)는 외부 장치와 유선으로 통신하기 위해서, 외부 장치와 유선 케이블로 연결되기 위한 적어도 하나의 포트를 포함할 수 있다. 상기의 경우, 통신 회로(115)는 적어도 하나의 포트를 통하여 유선 연결된 외부 장치와 통신을 수행할 수 있다. 일 실시예에 따르면, 통신 회로(115)는 셀룰러 통신 모듈을 포함하여 셀룰러 네트워크(예: 3G, LTE, 5G, Wibro 또는 Wimax)에 연결되도록 구성할 수 있다. 다양한 실시예에 따르면, 통신 회로(115)는 근거리 통신 모듈을 포함하여 근거리 통신(예를 들면, Wi-Fi, Bluetooth, Bluetooth Low Energy(BLE), UWB)을 이용해 외부 장치와 데이터 송수신을 할 수 있으나, 이에 제한되지 않는다. 일 실시예에 따르면, 통신 회로(115)는 비접촉식 통신을 위한 비접촉 통신 모듈을 포함할 수 있다. 비접촉식 통신은, 예를 들면, NFC(near field communication) 통신, RFID(radio frequency identification) 통신 또는 MST(magnetic secure transmission) 통신과 같이 적어도 하나의 비접촉 방식의 근접 통신 기술을 포함할 수 있다.
다양한 실시예에 따른 단말 장치(120)는 컨트롤러(121), 메모리(123), 디스플레이(125) 및 통신 회로(127)를 포함할 수 있다. 도 2에 도시된 구성 중 일부가 생략 또는 치환되더라도 본 문서에 개시된 다양한 실시예를 구현함에는 지장이 없을 것이다. 또한, 본 문서에 개시된 제1 사용자의 단말 장치(120a)는 본 도면에서 설명하는 단말 장치(120)와 동일하다.
다양한 실시예에 따른 단말 장치(120)의 컨트롤러(121)는, 단말 장치(120)의 각 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 수행할 수 있는 구성이다. 컨트롤러(121)는, 예를 들어, 단말 장치(120)의 구성 요소들과 작동적으로 연결될 수 있다. 컨트롤러(121)는 단말 장치(120)의 다른 구성요소로부터 수신된 명령 또는 데이터를 단말 장치(120)의 메모리(123)에 로드(load)하고, 메모리(123)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 저장할 수 있다. 다양한 실시예에 따른 메모리(123)는, 컨트롤러(121)의 동작에 대한 인스트럭션들을 저장할 수 있다.
다양한 실시예에 따른 단말 장치(120)의 디스플레이(125)는, 컨트롤러(121)의 제어에 기반하여 다양한 화면을 표시할 수 있다. 디스플레이(125)는 다양한 외부 객체(예: 손가락)의 접촉 또는 근접을 인식할 수 있는 터치 센서 패널(touch sensor panel, TSP)의 형태로 구현될 수 있다. 터치 센서 패널은 다양한 구조 및 타입을 가질 수 있으며, 본 개시는 터치 센서 패널의 구조 및 타입과 관계없이 모두 적용될 수 있다. 디스플레이(125)는 다양한 외부 객체의 접촉 또는 근접을 인식하기 위해서, 정전 용량 센서를 포함할 수 있다. 정전 용량 센서는 복수의 캐패시터로 구성될 수 있으며, 정전 용량 센서는 캐패시터에 전기 신호를 인가할 수 있다. 캐패시터는 전기 신호의 인가에 대응하여 전하를 충전 및 방전할 수 있다. 전기 신호가 캐패시터에 인가되면 전기 신호의 전압의 크기에 따라 캐패시터에 전하가 충전될 수 있다. 디스플레이(125)는 정전 용량 센서에서 수집한 신호에 기반하여 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이(125)는 사용자의 탭(tap) 터치, 더블 탭(double tap) 터치, 슬라이딩(sliding) 터치, 드래그 앤 드롭(drag & drop) 터치 및 롱(long) 터치를 수신할 수 있다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도이다.
동작 흐름도 300을 참조하면, 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는, 동작 310에서, 제1 사용자의 컨텐츠 시청 이력을 확인할 수 있다. 전자 장치(110)의 메모리(113)는 복수의 장르로 분류되는 복수의 컨텐츠를 저장할 수 있고, 복수의 사용자 각각의 컨텐츠 시청 이력을 저장할 수 있다. 프로세서(111)는 메모리(113)에 저장된 정보에 기초하여, 제1 사용자의 컨텐츠 시청 이력을 확인할 수 있다. 제1 사용자의 컨텐츠 시청 이력이란, 제1 사용자가 시청한 컨텐츠에 관한 기록을 의미할 수 있다. 복수의 컨텐츠는, 예를 들어, 동영상 컨텐츠일 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 320에서, 제1 사용자의 컨텐츠 시청 이력에 기초하여, 복수의 장르 중 상기 제1 사용자가 선호하는 적어도 하나의 제1 장르를 결정할 수 있다. 예를 들어, 제1 사용자의 컨텐츠 시청 이력에 기초해볼 때, 제1 사용자가 "액션" 장르 및 "코메디" 장르의 컨텐츠들을 주로 시청한 경우, 프로세서(111)는 제1 사용자가 선호하는 적어도 하나의 제1 장르를 "액션" 장르 및 "코메디" 장르로 결정할 수 있다. 제1 사용자가 선호하는 제1 장르의 수는 하나일 수도 있고, 2 이상일 수도 있다.
프로세서(111)는 제1 사용자의 컨텐츠 시청 이력에 기초하여, 복수의 장르 각각에 대한 컨텐츠 시청 횟수를 확인할 수 있다. 프로세서(111)는, 복수의 장르 각각에 대한 컨텐츠 시청 횟수에 기초하여, 복수의 장르 중 컨텐츠 시청 횟수가 가장 많은 순서대로 적어도 하나의 제1 장르를 결정할 수 있다. 예를 들어, 제1 사용자의 컨텐츠 시청 이력에 기초해볼 때, 제1 사용자가 "액션" 장르의 컨텐츠를 가장 많이 시청하였고, "코메디" 장르를 2번째로 많이 시청하였으며, "호러" 장르의 컨텐츠를 3번째로 많이 시청한 경우, 프로세서(111)는 제1 사용자가 선호하는 적어도 하나의 제1 장르를 "액션" 장르, "코메디" 장르 및 "호러" 장르로 결정할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 330에서, 제1 사용자가 상기 적어도 하나의 제1 장르와는 상이한 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였는지 여부를 확인할 수 있다. 미리 정해진 기간은 시스템(10)의 관리자에 의해 자유롭게 설정될 수 있다. 미리 정해진 기간은 예를 들어, 5일일 수 있다. 예를 들어, 제1 사용자가 선호하는 적어도 하나의 제1 장르가 "액션" 장르 및 "코메디" 장르인 경우, 프로세서(111)는 상기 제1 장르와는 상이한 "슬픔(sad)" 장르에 해당하는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였는지 여부를 확인할 수 있다. 예를 들어, 프로세서(111)는 제1 사용자가 제2 장르인 "슬픔" 장르에 해당하는 컨텐츠를 5일 연속 시청하였는지 여부를 확인할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 340에서, 제1 사용자가 상기 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청한 것에 대한 응답으로, 제2 장르에 기초하여 제1 사용자의 감정 상태를 분석할 수 있다. 프로세서(111)는 제1 사용자가 선호하는 적어도 하나의 제1 장르가 아닌 제2 장르에 해당하는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였다면, 제1 사용자의 컨텐츠 시청 이력에 변화가 있다고 판단하고, 제1 사용자의 감정 상태에 변화가 있는 것으로 판단할 수 있다. 상기의 경우, 프로세서(111)는 제2 장르에 기초하여 제1 사용자의 감정 상태를 분석할 수 있다. 즉, 프로세서(111)는 사용자의 컨텐츠 시청 이력의 급진적인 변화 및 연속성을 탐지하여, 제1 사용자의 감정 상태를 분석할 수 있다.
예를 들어, 제1 사용자가 선호하는 적어도 하나의 제1 장르가 "액션" 장르 및 "코메디" 장르인데, 적어도 하나의 제1 장르와 상이한 제2 장르인 "슬픔" 장르를 5일 연속 시청한 경우, 프로세서(111)는 "슬픔" 장르에 기초하여, 제1 사용자의 감정 상태를 "슬픔(sadness) 또는 울음(cry)" 상태로 분석(추정)할 수 있다. 예를 들어, 제1 사용자가 선호하는 적어도 하나의 제1 장르가 "다큐멘터리" 장르 및 "호러" 장르인데, 이와는 상이한 제2 장르인 "코메디" 장르에 해당하는 적어도 하나의 컨텐츠를 5일 연속 시청한 경우, 프로세서(111)는 "코메디" 장르에 기초하여 제1 사용자의 감정 상태를 "기쁨(happiness) 또는 웃음(laugh)" 상태로 분석할 수 있다.
다양한 실시예에 따르면, 제1 사용자의 감정 상태는 미리 정해진 복수의 감정 상태 중 하나에 해당할 수 있다. 미리 정해진 복수의 감정 상태는 시스템(10)의 관리자에 의해 설정될 수 있다. 미리 정해진 복수의 감정 상태는, "기쁨(happiness) 또는 웃음(laugh)" 상태, "슬픔(sadness) 또는 울음(cry)" 상태, "분노(rage)" 상태, "평온한(calm)" 상태, "우울함(gloomy)" 상태, 또는 "지침(tired)" 상태를 포함할 수 있다. 상술한 미리 정해진 복수의 감정 상태는 예시적인 것이며, 다양한 감정 상태가 설정될 수 있다. 복수의 감정 상태 각각은 적어도 하나의 장르와 대응될 수 있다. 예를 들어, "기쁨 또는 웃음" 상태는, "코메디" 장르와 대응될 수 있다. 예를 들어, "분노" 상태는, "액션" 장르와 대응될 수 있다.
일 실시예에 따르면, 프로세서(111)는 제1 사용자의 시청 이력의 변화뿐만 아니라, 날씨 정보에 기초하여, 제1 사용자의 감정 상태를 분석할 수도 있다. 프로세서(111)는 제1 사용자의 단말 장치(120a)로부터 제1 사용자의 위치 정보를 수집할 수 있다. 프로세서(111)는 제1 사용자의 위치 정보에 대응하는 날씨 정보를 제2 외부 서버로부터 수집할 수 있다. 제2 외부 서버는 날씨 정보를 제공하는 서버일 수 있다. 프로세서(111)는 제2 장르 및 날씨 정보에 기초하여, 제1 사용자의 감정 상태를 분석할 수 있다. 예를 들어, 제2 장르가 "슬픔" 장르이고, 현재의 날씨 정보가 "비(rain)"인 경우, 프로세서(111)는 제1 사용자의 감정 상태가 "슬픔 또는 울음" 상태로 분석할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 350에서, 제1 사용자의 감정 상태에 기초하여, 상기 복수의 컨텐츠 중 상기 제1 사용자를 위한 추천 컨텐츠를 결정할 수 있다. 예를 들어, 프로세서(111)는, 제1 사용자의 감정 상태를 "슬픔 또는 울음" 상태로 분석한 경우, "슬픔 또는 울음" 상태에 적합한 컨텐츠인 슬픈 영화 "M"을 추천 컨텐츠로 결정할 수 있다. 즉, 프로세서(111)는 제1 사용자의 감정 상태가 "슬픔 또는 울음" 상태인 경우, 제1 사용자가 울고 싶어하는 상태인 것으로 판단하고, 슬픈 영화 "M"을 추천 컨텐츠로 결정할 수 있다.
예를 들어, 프로세서(111)는, 제1 사용자의 감정 상태를 "기쁨 또는 웃음" 상태로 분석한 경우, "기쁨 또는 웃음" 상태에 적합한 컨텐츠인 웃긴 예능 "N"을 추천 컨텐츠로 결정할 수 있다. 즉, 프로세서(111)느 제1 사용자의 감정 상태가 "기쁨 또는 웃음" 상태인 경우, 제1 사용자가 웃고 싶어하는 상태인 것으로 판단하고, 웃긴 예능 "N"을 추천 컨텐츠로 결정할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 360에서, 결정한 추천 컨텐츠를 상기 제1 사용자의 단말 장치(120a)로 전송할 수 있다. 제1 사용자는 제1 사용자의 단말 장치(120a)를 통해 추천 컨텐츠를 제공받을 수 있다.
다양한 실시예에 따른 프로세서(111)는, 결정한 추천 컨텐츠와 함께, 제1 사용자의 감정 상태에 관한 정보를 제1 사용자의 단말 장치(120a)로 전송할 수 있다. 제1 사용자는 제1 사용자의 단말 장치(120a)를 통해 추천 컨텐츠와 함께 자신의 감정 상태에 관한 정보를 제공받을 수 있다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도이다.
동작 흐름도 400을 참조하면, 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는, 동작 410에서, 제1 외부 서버로부터 복수의 컨텐츠 각각에 관한 정보를 수집할 수 있다. 제1 외부 서버는, 예를 들어, 포털 사이트를 운영하는 서버일 수 있다. 제1 외부 서버는 복수의 컨텐츠 각각에 대한 줄거리, 사용자들의 감상평, 및 메타데이터를 저장할 수 있다. 메타데이터는, 예를 들어, 컨텐츠에 관한 속성에 관한 정보일 수 있다. 제1 외부 서버는 복수의 컨텐츠 각각에 대한 정보를 저장할 수 있다. 프로세서(111)는 제1 외부 서버로부터 복수의 컨텐츠 각각에 대한 줄거리, 감상평 및 메터데이터를 크롤링함으로써, 복수의 컨텐츠 각각에 관한 정보를 수집할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 420에서, 복수의 컨텐츠 각각에 관한 정보에 기초하여, 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정할 수 있다. 다양한 실시예에 따른 프로세서(111)는, 동작 430에서, 복수의 컨텐츠에 상기 복수의 태그를 각각 부여할 수 있다. 예를 들어, 복수의 컨텐츠 각각에 관한 정보 중 "A" 영화에 관한 정보에, "눈물" 또는 "통곡"이라는 내용이 포함되어 있는 경우, 프로세서(111)는 "A" 영화에 적합한 태그를 "슬픔" 태그로 결정하여 부여할 수 있다. 예를 들어, "B" 예능에 관한 정보에, "웃음" 또는 "재미"라는 내용이 포함되어 있는 경우, 프로세서(111)는 "B" 예능에 적합한 태그를 "웃음" 태그로 결정하여 부여할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 440에서, 복수의 태그에 기초하여, 상기 복수의 컨텐츠 각각의 장르를 결정할 수 있다. 프로세서(111)는 복수의 컨텐츠 각각에 부여된 복수의 태그에 기초하여, 복수의 컨텐츠 각각의 장르를 결정할 수 있다. "A" 영화에 "슬픔" 태그가 부여되어 있는 경우, 프로세서(111)는 "A" 영화의 장르는 "슬픔" 장르로 결정할 수 있다.
일 실시예에 따르면, 프로세서(111)는 학습된 인공지능 모델을 통해, 복수의 컨텐츠 각각에 적합한 태그를 부여할 수도 있다. 인공지능 모델은, 복수의 컨텐츠 각각에 관한 정보를 입력하는 경우, 복수의 컨텐츠 각각에 적합한 복수의 태그를 출력하도록 학습된 상관 모델일 수 있다. 인공지능 모델의 구체적인 학습 방법은 후술하기로한다.
도 5a 및 5b는 본 개시의 다양한 실시예에 따른 인공지능 모델(500)을 구축하는 방법 및 인공지능 모델(500)을 활용하는 방법을 도시한 도면이다.
도 5a를 참조하면, 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는, 머신 러닝 알고리즘을 이용하여, 복수의 샘플 컨텐츠 각각에 관한 정보를 포함하는 입력 데이터 세트(510)와, 상기 복수의 샘플 컨텐츠 각각에 적합한 복수의 태그를 포함하는 출력 데이터 세트(520) 사이의 상관 관계를 모델링함으로써, 인공지능 모델(500)을 구출할 수 있다. 즉, 인공지능 모델(500)은 상술한 입력 데이터 세트(510)를 학습용(훈련용) 입력 데이터로 사용하고, 상술한 출력 데이터 세트(520)를 학습용(훈련용) 출력 데이터로 사용함으로써, 인공지능 모델(500)을 생성할 수 있다.
예를 들어, 특정 샘플 컨텐츠에 관한 정보에는 "눈물" 또는 "통곡" 등의 정보가 포함될 수 있다. 상기 특정 샘플 컨텐츠에 적합한 태그는 "슬픔" 태그일 수 있다. 즉, "눈물" 또는 "통곡"의 정보라는 데이터와, "슬픔" 태그라는 데이터 사이의 상관 관계를 학습함으로써, 인공지능 모델(500)을 구축할 수 있다. 위와 같은 방법으로, 복수의 샘플 컨텐츠 각각에 관한 정보 및 복수의 샘플 컨텐츠 각각에 적합한 복수의 태그를 학습용 데이터로 사용할 수 있다.
본 개시에서, 인공지능 모델, 기계 학습 모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습 모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 인공지능 학습 모델은, 예를 들어, 인공 신경망 모델(artificial neural network), 합성곱 신경망 모델(convolution neural network) 등일 수 있다.
본 개시에서, 머신 러닝 알고리즘은, 심층 신경망, 순환 신경망, 합성곱 신경망, 분류-회귀 분석을 위한 머신 러닝 모델 또는 강화 학습 모델 중 하나를 의미할 수 있다.
도 5b를 참조하면, 전술한 바와 같이, 인공지능 모델(500)은 머신 러닝 알고리즘에 따라 구축될 수 있다.
다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는 구축된 인공지능 모델(500)을 이용하여, 복수의 컨텐츠 각각에 적합한 복수의 태그를 획득할 수 있다. 프로세서(111)는, 복수의 컨텐츠 각각에 관한 정보를 입력 데이터(530)로서 인공지능 모델(500)에 입력할 수 있다. 이 경우, 인공지능 모델(500)은 복수의 컨텐츠 각각에 적합한 복수의 태그를 출력 데이터(540)로서 출력할 수 있다. 프로세서(111)는 인공지능 모델(500)로부터 복수의 컨텐츠 각각에 적합한 복수의 태그를 획득할 수 있다. 즉, 구축된 인공지능 모델(500)을 이용하여 복수의 컨텐츠 각각에 적합한 태그를 정확하고 빠르게 분석할 수 있다.
도 6은 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도이다.
동작 흐름도 600을 참조하면, 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는, 동작 610에서, 복수의 컨텐츠 각각에 대하여 적어도 하나의 이미지를 추출할 수 있다. 컨텐츠가 동영상 컨텐츠인 경우, 컨텐츠는 복수의 캡쳐 이미지 또는 스틸컷 이미지를 포함할 수 있다. 상술한 이미지들은 메모리(113)에 저장되어 있을 수 있다. 프로세서(111)는 복수의 컨텐츠 각각에 대하여 적어도 하나의 이미지를 추출할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 620에서, 복수의 컨텐츠 각각에 대하여, 상기 복수의 사용자의 평가 정보를 획득할 수 있다. 복수의 컨텐츠 각각에 대한 복수의 사용자의 평가 정보는 메모리(113)에 저장되어 있을 수 있다. 복수의 사용자의 평가 정보는 컨텐츠를 평가한 점수 정보 또는 컨텐츠에 대한 감상평일 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 630에서, 적어도 하나의 이미지 및 상기 복수의 사용자의 평가 정보에 기초하여, 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정할 수 있다. 다양한 실시예에 따른 프로세서(111)는, 동작 640에서, 복수의 컨텐츠에 상기 복수의 태그를 각각 부여할 수 있다. 프로세서(111)는, 예를 들어, 적어도 하나의 이미지의 채도를 분석하여, 복수의 컨텐츠 각각의 분위기를 판단할 수 있다. 예를 들어, 특정 컨텐츠로부터 추출된 적어도 하나의 이미지의 채도가 낮은 것으로 판단되는 경우, 프로세서(111)는 특정 컨텐츠에 적합한 태그를 "슬픔" 태그로 결정할 수 있다. 예를 들어, 특정 컨텐츠에 관한 복수의 사용자 각각의 평가 정보에 "눈물" 또는 "통곡"이라는 내용이 포함되어 있는 경우, 프로세서(111)는 특정 컨텐츠에 적합한 태그를 "슬픔" 태그로 결정할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 650에서, 복수의 태그에 기초하여, 상기 복수의 컨텐츠 각각의 장르를 결정할 수 있다.
도면들에 도시된 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 순차적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동하도록 구성될 수 있다. 다시 말하면, 본 개시의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 개시에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 다른 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 개시의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.
상기 방법은 특정 실시예들을 통하여 설명되었지만, 상기 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 개시가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
Claims (11)
- 전자 장치에 있어서,
복수의 사용자 각각의 단말 장치와 통신 연결된 통신 회로;
복수의 장르로 분류되는 복수의 컨텐츠를 저장하는 메모리; 및
프로세서를 포함하고,
상기 프로세서는,
제1 사용자의 컨텐츠 시청 이력을 확인하고,
상기 제1 사용자의 컨텐츠 시청 이력에 기초하여, 상기 복수의 장르 중 상기 제1 사용자가 선호하는 적어도 하나의 제1 장르를 결정하고,
상기 제1 사용자가 상기 적어도 하나의 제1 장르와는 상이한 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였는지 여부를 확인하고,
상기 제1 사용자가 상기 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청한 것에 대한 응답으로, 상기 제1 사용자의 컨텐츠 시청 이력에 변화가 있다고 판단하고,
상기 제1 사용자의 컨텐츠 시청 이력에 변화가 있다고 판단하는 것에 응답하여, 상기 제2 장르에 기초하여 상기 제1 사용자의 감정 상태를 분석하고,
상기 복수의 컨텐츠 중 상기 제1 사용자의 감정 상태에 대응하는 컨텐츠를 상기 제1 사용자를 위한 추천 컨텐츠로 결정하고,
상기 결정한 추천 컨텐츠를 상기 제1 사용자의 단말 장치로 전송하도록 구성된, 전자 장치. - 제1항에 있어서,
상기 프로세서는,
제1 외부 서버로부터 상기 복수의 컨텐츠 각각에 관한 정보를 수집하고,
상기 복수의 컨텐츠 각각에 관한 정보에 기초하여, 상기 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정하고,
상기 복수의 컨텐츠에 상기 복수의 태그를 각각 부여하고,
상기 복수의 태그에 기초하여, 상기 복수의 컨텐츠 각각의 장르를 결정하도록 구성된, 전자 장치. - 제2항에 있어서,
상기 메모리는 인공지능 모델을 저장하고,
상기 프로세서는,
상기 복수의 컨텐츠 각각에 관한 정보를 상기 인공지능 모델에 입력하고,
상기 인공지능 모델로부터, 상기 복수의 컨텐츠 각각에 적합한 복수의 태그를 획득하고,
상기 복수의 컨텐츠에 대하여 상기 획득한 복수의 태그를 각각 부여하도록 구성되고,
상기 인공지능 모델은, 머신 러닝 알고리즘을 이용하여, 복수의 샘플 컨텐츠 각각에 관한 정보를 포함하는 입력 데이터 세트와, 상기 복수의 샘플 컨텐츠 각각에 적합한 복수의 태그를 포함하는 출력 데이터 세트 사이의 상관 관계를 모델링하여 구축된 상관 모델인, 전자 장치. - 제2항에 있어서,
상기 제1 외부 서버는 포털 사이트를 운영하는 서버이고,
상기 프로세서는,
상기 제1 외부 서버로부터, 상기 복수의 컨텐츠 각각에 대한 줄거리, 감상평 및 메타데이터를 크롤링함으로써, 상기 복수의 컨텐츠 각각에 관한 정보를 수집하도록 구성되는, 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 제1 사용자의 컨텐츠 시청 이력에 기초하여, 상기 복수의 장르 각각에 대한 컨텐츠 시청 횟수를 확인하고,
상기 복수의 장르 중 컨텐츠 시청 횟수가 가장 많은 순서대로 상기 적어도 하나의 제1 장르를 결정하도록 구성된, 전자 장치. - 제1항에 있어서,
상기 제1 사용자의 감정 상태는 미리 정해진 복수의 감정 상태 중 하나에 해당하고,
상기 복수의 감정 상태 각각은 적어도 하나의 장르와 대응되도록 설정된, 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 결정한 추천 컨텐츠와 함께, 상기 제1 사용자의 감정 상태에 관한 정보를 상기 제1 사용자의 단말 장치로 전송하도록 구성된, 전자 장치. - 제1항에 있어서,
상기 프로세서는,
상기 복수의 컨텐츠 각각에 대하여, 적어도 하나의 이미지를 추출하고,
상기 복수의 컨텐츠 각각에 대하여, 상기 복수의 사용자의 평가 정보를 획득하고,
상기 적어도 하나의 이미지 및 상기 복수의 사용자의 평가 정보에 기초하여, 상기 복수의 컨텐츠 각각에 적합한 복수의 태그를 결정하고,
상기 복수의 컨텐츠에 상기 복수의 태그를 각각 부여하고,
상기 복수의 태그에 기초하여, 상기 복수의 컨텐츠 각각의 장르를 결정하도록 구성된, 전자 장치. - 제1항에 있어서,
상기 통신 회로는 날씨 정보를 제공하는 제2 외부 서버와 통신 연결되고,
상기 프로세서는,
상기 제1 사용자의 단말 장치로부터, 상기 제1 사용자의 위치 정보를 수집하고,
상기 제1 사용자의 위치 정보에 대응하는 날씨 정보를 상기 제2 외부 서버로부터 수집하고,
상기 제2 장르 및 상기 날씨 정보에 기초하여, 상기 제1 사용자의 감정 상태를 분석하도록 구성된, 전자 장치. - 제1항에 있어서,
상기 복수의 컨텐츠는, 동영상 컨텐츠인, 전자 장치. - 전자 장치에 의해 수행되는 추천 컨텐츠를 제공하는 방법에 있어서,
제1 사용자의 컨텐츠 시청 이력을 확인하는 동작;
상기 제1 사용자의 컨텐츠 시청 이력에 기초하여, 복수의 장르 중 상기 제1 사용자가 선호하는 적어도 하나의 제1 장르를 결정하는 동작;
상기 제1 사용자가 상기 적어도 하나의 제1 장르와는 상이한 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청하였는지 여부를 확인하는 동작;
상기 제1 사용자가 상기 제2 장르에 해당되는 적어도 하나의 컨텐츠를 미리 정해진 기간 동안 연속적으로 시청한 것에 대한 응답으로, 상기 제1 사용자의 컨텐츠 시청 이력에 변화가 있다고 판단하는 동작;
상기 제1 사용자의 컨텐츠 시청 이력에 변화가 있다고 판단하는 것에 응답하여, 상기 제2 장르에 기초하여 상기 제1 사용자의 감정 상태를 분석하는 동작;
복수의 컨텐츠 중 상기 제1 사용자의 감정상태에 대응하는 컨텐츠를 상기 제1 사용자를 위한 추천 컨텐츠로 결정하는 동작; 및
상기 결정한 추천 컨텐츠를 상기 제1 사용자의 단말 장치로 전송하는 동작을 포함하는, 추천 컨텐츠를 제공하는 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220186076A KR102617004B1 (ko) | 2022-12-27 | 2022-12-27 | 추천 컨텐츠를 제공하는 전자 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220186076A KR102617004B1 (ko) | 2022-12-27 | 2022-12-27 | 추천 컨텐츠를 제공하는 전자 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102617004B1 true KR102617004B1 (ko) | 2023-12-27 |
Family
ID=89377648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220186076A KR102617004B1 (ko) | 2022-12-27 | 2022-12-27 | 추천 컨텐츠를 제공하는 전자 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102617004B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110052997A (ko) * | 2009-11-13 | 2011-05-19 | 삼성전자주식회사 | 디스플레이 장치와 클라이언트 단말 및 이의 제어 방법 |
| KR102339377B1 (ko) * | 2021-03-29 | 2021-12-13 | 김지혜 | 사용자 맞춤형 문화 예술 컨텐츠 제공 방법 및 장치 |
| KR20220030473A (ko) * | 2020-09-01 | 2022-03-11 | 주식회사 인생노트에이아이 | 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 |
| KR20220085219A (ko) * | 2020-12-15 | 2022-06-22 | 주식회사 와이즈넛 | 유튜브의 영상의 메타데이터를 이용한 광고 필터링 방법 |
-
2022
- 2022-12-27 KR KR1020220186076A patent/KR102617004B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110052997A (ko) * | 2009-11-13 | 2011-05-19 | 삼성전자주식회사 | 디스플레이 장치와 클라이언트 단말 및 이의 제어 방법 |
| KR20220030473A (ko) * | 2020-09-01 | 2022-03-11 | 주식회사 인생노트에이아이 | 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치 |
| KR20220085219A (ko) * | 2020-12-15 | 2022-06-22 | 주식회사 와이즈넛 | 유튜브의 영상의 메타데이터를 이용한 광고 필터링 방법 |
| KR102339377B1 (ko) * | 2021-03-29 | 2021-12-13 | 김지혜 | 사용자 맞춤형 문화 예술 컨텐츠 제공 방법 및 장치 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111444428B (zh) | 基于人工智能的信息推荐方法、装置、电子设备及存储介质 | |
| CN111241311B (zh) | 媒体信息推荐方法、装置、电子设备及存储介质 | |
| CN112163165B (zh) | 信息推荐方法、装置、设备及计算机可读存储介质 | |
| CN111090756B (zh) | 基于人工智能的多目标推荐模型的训练方法及装置 | |
| WO2022016556A1 (zh) | 一种神经网络蒸馏方法以及装置 | |
| EP3455750A1 (en) | Primary key-foreign key relationship determination through machine learning | |
| CN111625715B (zh) | 信息提取方法、装置、电子设备及存储介质 | |
| CN112528147A (zh) | 内容推荐方法和装置、训练方法、计算设备和存储介质 | |
| Nappi et al. | Context awareness in biometric systems and methods: State of the art and future scenarios | |
| Yang | OntoIAS: An ontology-supported information agent shell for ubiquitous services | |
| CN103399957A (zh) | 搜索方法、系统、搜索引擎和客户端 | |
| CN115033739A (zh) | 搜索方法、模型训练方法、装置、电子设备和介质 | |
| CN111061394B (zh) | 触摸力度识别方法及其模型的训练方法、装置和电子系统 | |
| KR20190130410A (ko) | 스마트 시니어를 위한 맞춤형 콘텐츠 추천 장치 및 방법 | |
| Zhang et al. | Image tweet popularity prediction with convolutional neural network | |
| KR102617004B1 (ko) | 추천 컨텐츠를 제공하는 전자 장치 및 방법 | |
| Shome et al. | A generalized mechanism beyond NLP for real-time detection of cyber abuse through facial expression analytics | |
| KR101743999B1 (ko) | 컨텐츠 검증 단말기, 시스템 및 그 것들의 제어방법 | |
| US20220269935A1 (en) | Personalizing Digital Experiences Based On Predicted User Cognitive Style | |
| CN115132324A (zh) | 心理健康预测方法和装置、电子设备、存储介质 | |
| CN116484085A (zh) | 一种信息投放方法、装置、设备及存储介质、程序产品 | |
| Banerjee et al. | Multimodal behavior analysis in computer-enabled laboratories using nonverbal cues | |
| Li | [Retracted] An Advertising Recommendation Algorithm Based on Deep Learning Fusion Model | |
| CN114816180A (zh) | 一种内容浏览引导方法、装置、电子设备和存储介质 | |
| Balfaqih | A Hybrid Movies Recommendation System Based on Demographics and Facial Expression Analysis using Machine Learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |