KR102636391B1

KR102636391B1 - 적응형 템플릿 디자인 생성 플랫폼 운영 서버 및 그 동작 방법

Info

Publication number: KR102636391B1
Application number: KR1020230046935A
Authority: KR
Inventors: 박진태
Original assignee: 박진태
Priority date: 2023-04-10
Filing date: 2023-04-10
Publication date: 2024-02-13

Abstract

본 발명의 일 측면은, 적응형 템플릿 디자인 생성 플랫폼 운영 서버를 제공한다. 적응형 템플릿 디자인 생성 플랫폼 운영 서버는, 적어도 하나의 프로세서(processor) 및 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다. 적어도 하나의 단계는, 적어도 하나의 단계는, 콘텐츠를 분석하여, 콘텐츠의 주제, 감정, 스타일, 구조, 시각적 요소, 읽기 수준 및 길이 중 적어도 하나를 포함하는 템플릿 구성요소를 추출하는 단계, 추출된 템플릿 구성요소를 기초로 템플릿 디자인을 생성하는 단계, 사용자로부터 미리 수신한 콘텐츠 선호도와 템플릿 구성요소를 기초로 생성된 템플릿 디자인 사이의 유사도를 산출하는 단계 및 산출된 유사도가 가장 높은 템플릿 디자인을 사용자에게 추천하는 단계를 포함할 수 있다.

Description

적응형 템플릿 디자인 생성 플랫폼 운영 서버 및 그 동작 방법{SERVER AND METHOD FOR OPERATING ADAPTIVE TEMPLATE DESIGN GENERATION PLATFORM}

본 발명은 적응형 템플릿 디자인 생성 플랫폼 운영 서버 및 그 동작 방법에 관한 것으로, 더욱 상세하게는 콘텐츠의 내용 및 주된 소비자의 속성에 따라, 출판물을 포함하는 콘텐츠의 템플릿 디자인을 생성함으로써 사용자 맞춤형 출판물 템플릿 디자인을 추천하는 적응형 템플릿 디자인 생성 플랫폼 운영 서버 및 그 동작 방법에 관한 것이다.

사용자의 성향과 속성에 맞춘 템플릿에 기초한 콘텐츠의 제공은 현대 사회에서 중요하게 인식된다. 출판되는 책, 신문, 홍보물 나아가 전자 서적의 경우에도 사용자의 속성과 기호에 맞는 구성에 따라 콘텐츠가 제공될 필요가 있다.

동일한 내용의 콘텐츠를 표현하는 경우에도, 해당 콘텐츠를 어떻게 배열하여 어떻게 제공하느냐에 따라 가독성이 달라질 수 있으며, 고객 흡입력이 다르게 작용할 수 있다.

그러나, 종래의 출판물들은 정형화된 템플릿에 단순히 출판물을 구성하는 컨텐츠를 나열하는 정도에 불과하여, 해당 템플릿에 익숙하지 않은 사용자 또는 사용자의 성향과 맞지 않는 경우, 실제 그 콘텐츠가 사용자에게 유익한 경우라고 하더라도 이를 알지 못하거나, 그러한 경우에 놓이더라도 이를 배척할 수 있다.

인터넷 발행물로서 예컨대, 블로그 또는 적응형 템플릿의 경우 사용자가 사용하는 단말 또는 브라우저에 따라 동일한 내용의 콘텐츠라고 하더라도 그 배치 또는 표현 방식을 달리하여 제공할 수 있지만, 이는 정량적인 요소들에 따라 그 형태를 달리할 뿐 정성적 요소를 반영하여 사용자의 속성을 반영하지 못하는 한계가 있다.

이에 따라, 사용자의 적극적인 개입이 없이도 사용자의 속성과 주변 환경을 고려하여 적응형 템플릿 디자인 생성 플랫폼 운영을 제공하기 위한 연구가 필요한 실정이다.

국내특허공보 제10-2512633호

상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 적응형 템플릿 디자인 생성 플랫폼 운영 서버 및 그 동작 방법을 제공하는 데 있다.

상기 목적을 달성하기 위한 본 발명의 일 측면은, 적응형 템플릿 디자인 생성 플랫폼 운영 서버를 제공한다.

적응형 템플릿 디자인 생성 플랫폼 운영 서버는, 적어도 하나의 프로세서(processor) 및 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.

적어도 하나의 단계는, 콘텐츠를 분석하여, 콘텐츠의 주제, 감정, 스타일, 구조, 시각적 요소, 읽기 수준 및 길이 중 적어도 하나를 포함하는 템플릿 구성요소를 추출하는 단계, 추출된 템플릿 구성요소를 기초로 템플릿 디자인을 생성하는 단계, 사용자로부터 미리 수신한 콘텐츠 선호도와 템플릿 구성요소를 기초로 생성된 템플릿 디자인 사이의 유사도를 산출하는 단계 및 산출된 유사도가 가장 높은 템플릿 디자인을 사용자에게 추천하는 단계를 포함할 수 있다.

또한, 템플릿 디자인을 생성하는 단계는, 사용자기기로부터 사용자가 위치한 장소의 온도, 강수량, 습도, 구름량, 자외선 강도, 미세먼지 농도 중 적어도 하나를 포함하는 환경 정보를 수신하는 단계, 수신한 환경 정보를 미리 정해진 임계값과 비교하여 적어도 하나 이상의 환경 범주로 할당하는 단계 및 적어도 하나 이상의 환경 범주로 할당된 환경 정보 및 사용자 속성정보에 템플릿 구성요소를 대응시켜 템플릿 디자인을 생성하는 단계를 더 포함할 수 있다.

또한, 템플릿 디자인을 생성하는 단계는, 생성될 템플릿 디자인의 채도와 실외 조도를 대응시켜, 실외 조도가 높을수록 템플릿 디자인의 채도를 높게 결정하고, 실외 조도가 낮을수록 템플릿 디자인의 채도를 낮게 결정하는 단계, 생성될 템플릿 디자인의 글자 크기와 기온을 대응시켜, 기온이 낮을수록 글자 크기를 작게 결정하고, 기온이 높을수록 글자 크기를 크게 결정하는 단계, 생성될 템플릿 디자인의 줄간격을 강수와 대응시켜, 강수량이 적을수록 줄간격을 넓게 결정하고, 강수량이 많을수록 줄간격을 좁게 결정하는 단계 및 생성될 템플릿 디자인의 배경 계절을 사용자의 연령과 대응시켜, 사용자의 연령에 따라 미리 정해진 계절로 템플릿 디자인의 배경을 결정하는 단계를 포함할 수 있다.

한편, 템플릿 디자인을 사용자에게 추천하는 단계는, 사용자가 위치한 장소의 환경 정보와 사용자의 속성 정보를 기초로 사용자에게 템플릿을 추천하는 단계를 더 포함할 수 있다.

이때, 템플릿 디자인을 생성하는 단계는 생성된 템플릿에 템플릿 구성 요소에 기초하여 생성된 템플릿의 계절과 날씨를 표현하는 아이콘을 미리 정해진 위치에 배치하는 단계를 더 포함할 수 있다.

상기와 같은 본 발명에 따른 적응형 템플릿 디자인 생성 플랫폼 운영 서버 및 그 동작 방법을 이용할 경우에는 콘텐츠의 속성을 분석하여 콘텐츠에 적합한 템플릿을 생성하고, 사용자의 속성에 따라 사용자 적응형 템플릿을 추천함으로써 사용자별 적응형 템플릿을 통해 콘텐츠를 경험할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 적응형 템플릿 디자인 생성 플랫폼 운영 서버의 구동 환경을 나타낸 예시도이다.
도 2는 콘텐츠 분석 결과에 따라 생성된 템플릿을 설명하기 예시도이다.
도 3은 적응형 템플릿 디자인 생성 플랫폼 운영 서버의 일 예를 설명하기 위한 예시도이다.
도 4는 적응형 템플릿 디자인 생성 플랫폼 운영 서버의 다른 예를 설명하기 위한 예시도이다.
도 5는 도 1에 따른 적응형 템플릿 디자인 생성 플랫폼 운영 서버에 대한 하드웨어 구성도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.

마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 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, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.

도 1은 본 발명의 일 실시예에 따른 적응형 템플릿 디자인 생성 플랫폼 운영 서버의 구동 환경을 나타낸 예시도이다.

도 1을 참조하면, 적응형 템플릿 디자인 생성 플랫폼 운영 서버(100)(이하, '서버'라고 함)는 사용자 단말(10)로부터 콘텐츠 주제, 대상 독자, 작문 어조, 시각적 요소, 서식 사항, 노출 의도, 저자 정보, 콘텐츠 계층구조, 상호작용 요소, 읽기 수준, 콘텐츠 길이를 포함하는 콘텐츠 정보를 수신할 수 있다.

이때, 콘텐츠는 정기간행물, 연차보고서, 사사, 연감, 백서, 브로슈어, 리플릿, 포스터, 캘린더, 미디어아트, 광고 또는 홍보를 위한 로고, 영상, 이미지, 또는 생활정보(예: 날씨, 증시, 뉴스, 시간 등)를 포함할 수 있으나, 이에 제한되는 것은 아니다.

또한, 주제는 소설, 논픽션, 교육 또는 비즈니스와 같은 콘텐츠의 범주 또는 장르를 포함하는 콘텐츠의 주요 내용을 포괄하는 범주를 의미할 수 있다. 또한, 대상 독자는 템플릿 디자인을 독자의 선호도에 더 잘 맞출 수 있도록 연령 그룹, 관심사 또는 직업과 같이 간행물의 주요 대상이 되는 독자의 통계로부터 산출될 수 있으며, 의도된 독자층 또는 콘텐츠가 가장 관련성이 있고 접근 가능한 사람들의 그룹을 의미할 수 있다.

또한, 작문 어조는 템플릿이 콘텐츠의 성향을 정확하게 반영하는지 판단하기 위한 요소로서, 작성자의 작문 어조(예: 공식, 비공식, 학술, 대화 등)를 의미하고, 시각적 요소는 출판물의 매력과 가독성을 향상시키기 위해 템플릿 디자인에 통합할 수 있는 이미지, 차트, 그래프 또는 일러스트레이션과 같은 주요 시각적 요소를 의미하며, 서식 사항은 제목, 부제목, 글머리 기호 또는 번호 매기기 목록, 장 또는 섹션 나누기를 포함하며, 콘텐츠의 주제와 일치하고 대상 독자의 선호도에 맞는 적절한 글꼴 유형, 크기 및 스타일과 같은 콘텐츠 주제에 따른 서식을 의미하고, 노출 의도는 콘텐츠의 노출 형태(예: 인쇄, 디지털 또는 적용 기기 등)를 의미하며, 콘텐츠 계층구조는 템플릿 내에서 표현된 콘텐츠의 콘텐츠 계층 구조로서, 중요한 정보를 강조하고, 중요한 세부 정보를 시각적으로 매력적이고 직관적인 방식으로 구성하기 위한 계층 구조를 의미하며, 상호작용 요소는 저자와 독자가 상호작용 할 수 있는 요소로서, 링크, 영상, 애니메이션, 수정 및 편집을 포함한 사용자 경험을 제공하는 상호작용 요소를 의미할 수 있다.

일 예로, 서버(100)는 서버(100)에 저장된 콘텐츠의 내용을 분석하여 콘텐츠의 유형, 속성 및 내용을 기초로 해당 콘텐츠에 가장 적합한 형태의 템플릿을 생성할 수 있다. 한편, 이에 제한되지 않으며 서버(100)는 유무선 네트워크를 통해 외부의 콘텐츠 데이터베이스로부터 콘텐츠를 수신하여 콘텐츠를 분석할 수 있다.

또한, 서버(100)는 사용자기기와 연결되어 사용자 기기로부터 사용자의 주관적 정보 및 객관적 정보를 포함하여, 사용자가 위치한 장소의 환경 정보를 수신하여, 환경 정보에 따른 템플릿을 생성하거나 이미 생성된 템플릿 중 적어도 하나를 환경 정보에 따라 사용자에게 추천할 수 있다.

도 2는 콘텐츠 분석 결과에 따라 생성된 템플릿을 설명하기 예시도이다.

도 2를 참조하면, 템플릿(200)은 제목 영역(210), 시각적 요소 영역(220), 상호작용요소(230) 및 텍스트 영역(240)을 포함할 수 있다. 예를 들어, 서버(100)는 콘텐츠를 분석하여, 콘텐츠 주제, 대상 독자, 작문 어조, 시각적 요소, 서식 사항, 노출 의도, 저자 정보, 콘텐츠 계층구조, 상호작용 요소, 읽기 수준, 콘텐츠 길이를 포함하는 콘텐츠 정보에 따라 콘텐츠를 분석하여 콘텐츠에 가장 적합한 템플릿을 생성할 수 있다.

예를 들어, 학술 콘텐츠 중 기술과 관련된 내용이 다수 포함된 콘텐츠의 경우, 텍스트의 정확한 전달이 중요할 수 있으며, 이 경우 서버(100)는 템플릿(200)의 텍스트 영역(240)을 가장 크게 생성하고, 중앙에 배치할 수 있다. 또한, 콘텐츠가 디자인에 관한 설명을 포함하는 경우 시각적 요소가 가장 중요할 수 있으며, 이 경우 서버(100)는 시각적 요소 영역(220) 및 상호작용요소(230)를 가장 크게 생성하고, 중앙에 배치할 수 있다. 이에 제한되지 않으며, 서버(100)는 각 콘텐츠의 속성에 따라 템플릿을 구성하는 요소들의 크기, 개수 및 배치를 변경함으로써 각 콘텐츠의 주요 목적에 따라 독자에게 제공하는 템플릿의 레이아웃을 상이하게 변경할 수 있다. 한편, 이하 설명에서는 '템플릿'과 '템플릿 디자인'을 혼용하여 사용할 수 있으며, 특별히 다르게 정의하지 않는 이상 동일한 의미로 사용될 수 있다.

도 3은 적응형 템플릿 디자인 생성 플랫폼 운영 서버의 일 예를 설명하기 위한 예시도이다. 도 3을 참조하면, 적응형 템플릿 디자인 생성 플랫폼 운영 서버(300)(이하, '서버'라고 함)는 콘텐츠분석부(310), 템플릿 생성부(320) 및 템플릿 추천부(330)를 포함할 수 있다.

콘텐츠 분석부(310)는 서버(100)에 저장된 콘텐츠의 내용 및 속성을 분석하여 템플릿 생성에 필요한 템플릿 구성 요소 정보를 추출할 수 있다. 예를 들어, 콘텐츠 분석부(310)는 텍스트를 내용에 따라 미리 정의된 그룹으로 텍스트 분류를 통해 콘텐츠를 분석할 수 있다. 이를 통해, 콘텐츠 분석부(310)는 대량의 구조화되지 않은 데이터를 분석하여, 해당 콘텐츠의 내용 및 속성과 목적을 분석하여 이해할 수 있다.

일 예로, 콘텐츠 분석부(310)는 규칙 기반 접근 방식, 기계 학습 및 딥 러닝을 포함하여 텍스트 분류를 위한 알고리즘을 사용하여 콘텐츠를 분석함으로써 콘텐츠의 내용 및 속성을 이해할 수 있다.

규칙 기반 접근 방식의 예로는 텍스트 내의 특정 키워드 또는 구의 존재를 기반으로 자동으로 정의된 규칙 집합을 생성할 수 있다. 일 예로, 콘텐츠의 텍스트에 "레시피"라는 단어가 세 번 이상 포함된 경우 요리 콘텐츠로 분류될 수 있으며, "CPU", "램"의 단어가 미리 정해진 횟수(예: 3회)를 초과하여 등장하는 경우 해당 콘텐츠의 내용을 "컴퓨터" 관련 콘텐츠로 분류할 수 있다.

또한, 콘텐츠 분석부(310)는 Naive Bayes, 로지스틱 회귀 및 지원 벡터 머신과 같은 기계 학습 알고리즘을 사용하여 다양한 콘텐츠 유형의 예가 포함된 레이블이 지정된 데이터 세트에서 모델을 학습할 수 있다. 이를 통해, 콘텐츠 분석부(310)는 특정 단어의 빈도 또는 단어 쌍의 분포와 같은 텍스트의 특징을 분석하여 레이블이 지정되지 않은 새 텍스트의 콘텐츠 유형을 예측하는 데 사용할 수 있는 패턴을 학습할 수 있다.

콘텐츠 분석부(310)는 반복 신경망(RNN) 및 변환기와 같은 딥 러닝 기술을 사용하여 텍스트 내의 단어와 구 사이의 복잡한 관계를 모델링하여 보다 정확한 콘텐츠의 분류를 수행할 수 있다. 이때, 학습 모델은 학습을 위해 많은 양의 레이블이 지정된 데이터가 필요할 수 있으며, 이는 미리 수집된 대량의 텍스트 분류 작업을 통해 수행될 수 있다.

예를 들어, 콘텐츠 분석부(310)는 콘텐츠의 모음에서 잠재적인 주제를 추출하여 주제 모델링을 수행할 수 있다. 일 예로, 콘텐츠 분석부(310)는 주제 모델링을 통해 콘텐츠 내의 주요 주제 또는 주제를 식별하고 주제 간의 관계를 분석할 수 있다. 예컨대, 콘텐츠 분석부(310)는 LDA(Latent Dirichlet Allocation) 또는 NMF(Non-negative Matrix Factorization)과 같은 주제 모델링 기술을 사용하여 문서가 주제의 혼합에서 생성되고 각 주제들이 다양한 단어의 분포로 특징지어 진다고 가정할 수 있다. 그 다음, LDA는 먼저 콘텐츠를 전처리하여 중지 단어, 형태소 분석을 수행하고, 콘텐츠의 각 단어를 주제에 반복적으로 할당하고 주제 분포를 업데이트하며, 업데이트된 분포를 기반으로 다양한 주제에 대해 단어 할당을 구체화할 수 있다.

이를 통해, 콘텐츠 분석부(310)는 각 단어 모음과 해당 확률로 표현되는 일련의 주제 목록을 생성하고, 관련 단어의 등장 및 그 확률이 가장 높게 나타나는 주제를 해당 콘텐츠의 주제로 판단할 수 있다. 예컨대, 콘텐츠 분석부(310)는 기술에 관한 콘텐츠에 대해 분석 결과로서 LDA(Latent Dirichlet Allocation) 또는 NMF(Non-negative Matrix Factorization) 주제 분석을 통해 기술 콘텐츠로 분류될 확률을 0.75%로 결정할 수 있다.

주제 모델링 결과를 해석하기 위해 각 주제에서 가장 가능성 있는 단어를 결정하고, 해당 단어가 나타나는 컨텍스트를 고려할 수 있다. 일 예로, 콘텐츠 분석부(310)는 콘텐츠의 주제에 대한 분석을 제공할 수 있으며 추가 분석을 안내하거나 콘텐츠 템플릿의 디자인을 생성하는데 주제를 반영하도록 할 수 있다.

또한, 콘텐츠 분석부(310)는 콘텐츠의 내용을 분석하여 콘텐츠의 감정 및 스타일을 분석할 수 있다. 예를 들어, 콘텐츠 분석부(310)는 콘텐츠에 표현된 감정을 분석할 수 있다. 예컨대, 콘텐츠에 사용된 단어의 의미, 콘텍스트를 기초로 주관적인 콘텐츠의 감정을 분석할 수 있다. 일 예로, 콘텐츠 분석부(310)는 미리 알려진 자연어 처리(NLP) 알고리즘을 사용하여 텍스트의 극성(긍정적, 부정적 또는 중립적)을 식별하고 경우에 따라 감정 점수를 할당함으로써 콘텐츠의 감정을 분석할 수 있다.

일 예로, 콘텐츠 분석부(310)는 미리 정의된 긍정 및 부정 단어 또는 구 목록에 기초하는 규칙 기반 방법(VADER)을 포함하여 감정 분석을 수행할 수 있다. 예컨대, 레이블이 지정된 예를 기반으로 감정을 예측하도록 모델을 훈련시키는 기계 학습 기술 신경망을 사용하여 텍스트 내의 복잡한 패턴을 학습할 수 있다.

또한, 콘텐츠 분석부(310)는 콘텐츠의 작문 스타일과 다양한 저자 또는 장르에 걸친 변형 구조를 분석하여 콘텐츠 스타일을 분석할 수 있다. 예컨대, 콘텐츠의 "지문"을 생성하기 위해 단어 빈도, 문장 길이 및 어휘와 같은 다양한 언어적 특징 분석을 통해 콘텐츠의 스타일을 분석할 수 있다.

콘텐츠 분석부(310)는 콘텐츠의 문체를 분석하여 콘텐츠의 서로 다른 텍스트를 비교 및 대조하고, 저자를 식별하거나, 시간 경과에 따른 글쓰기 스타일의 변화를 감지할 수 있다. 이를 위해, 콘텐츠 분석부(310)는 평균 문장 길이 또는 유형-토큰 비율과 같은 기본 통계 측정의 계산을 통해 스타일을 분석할 수 있으며, 이에 제한되지 않고, 구문 복잡성 또는 n-gram 빈도와 같은 고급 기능 사용 데이터 내에서 패턴과 관계를 식별하기 위한 기계 학습 알고리즘의 적용을 통하여 스타일을 분석할 수 있다. 이를 통해, 콘텐츠 분석부(310)는 콘텐츠에 대한 감정 수준을 0.5(중립)로 결정할 수 있다.

예를 들어, 콘텐츠 분석부(310)는 콘텐츠의 스타일을 분석하여 다양한 콘텐츠를 분석하고 각 출처와 관련된 고유한 글쓰기 스타일을 식별할 수 있다. 또한, 콘텐츠에 대한 언어적 특징의 범위를 계산한 다음 계층적 군집화 또는 k-평균 군집화와 같은 군집화 알고리즘을 사용하여 특징 프로필을 기반으로 콘텐츠를 그룹화하여 클러스터링한 다음, 각 컨텐츠의 스타일을 정의할 수 있다.

한편, 콘텐츠 분석부(310)는 콘텐츠가 제목, 부제목, 단락 및 기타 구조적 요소를 포함하여 문서 내의 콘텐츠 구성을 포함하는 경우 콘텐츠 구조를 분석할 수 있다. 예를 들어, 콘텐츠에 각 제목이 아텔릭체로 표현된 경우, 또는 HTML(예: <h1>, <h2>, <h3> 등)과 같이 특정 형식에 따라 작성된 경우 각 구문을 분석하여 콘텐츠의 계층 구조를 분석할 수 있다. 이를 통해 콘텐츠 분석부(310)는 각 문서의 동일한 계층 구조에 해당하는 콘텐츠를 서로 관련지어 구분할 수 있다. 예를 들어, 상이한 텍스트 구조 및 마크업 태그를 통해 제목 3개, 부제목 5개와 같이 텍스트의 구조를 파악할 수 있다.

또한, 콘텐츠 분석부(310)는 콘텐츠에 포함된 시각적 요소를 추출하여 분석할 수 있다. 예를 들어, 이미지, 표, 그래프, 다이어그램을 포함하는 시각적 요소는 콘텐츠의 주요 내용을 함축적으로 포함하는 중요한 요소로서 주된 개념을 설명하는 컨텐츠 요소일 수 있다. 콘텐츠 분석부(310)는 컴퓨터 비전 및 패턴 인식 기술을 사용하여 이미지 및 기타 시각적 요소에서 정보를 식별, 분류 및 추출할 수 있다.

예를 들어, 콘텐츠 분석부(310)는 합성곱 신경망(CNN)과 같은 컴퓨터 비전 알고리즘을 사용하여, 콘텐츠 내의 이미지 데이터에서 패턴과 기능을 식별하는 방법을 학습하여 사진, 선 그림 또는 차트와 같은 특정 유형의 시각적 콘텐츠를 인식하도록 훈련할 수 있다. 그 다음, 시각적 요소 추출 모델이 학습되면 학습 모델을 콘텐츠에 적용하여 콘텐츠 내의 시각적 요소를 감지하고 분류할 수 있다.

예컨대, 콘텐츠가 기후 변화에 대한 보고서인 경우, 콘텐츠 분석부(310)는 문서 내의 이미지와 차트를 식별할 수 있다. 그 다음 콘텐츠 분석부(310)는 학습 모델을 통해 시각적 요소(예: 자연 재해 사진, 온도 추세를 보여주는 차트 등)를 분류함으로써 콘텐츠를 분석할 수 있다. 이에 제한되지 않으며, HTML 문서의 경우 마크업 태그를 분석하여, <img> 또는 <svg>와 같은 시각적 요소를 감지하고 콘텐츠를 분석할 수 있다.

또한, 콘텐츠 분석부(310)는 콘텐츠의 주된 독자를 파악하고, 해당 독자에 대한 읽기 수준을 분석할 수 있다.

콘텐츠 분석부(310)는 콘텐츠에 대한 읽기 수준 분석을 통해 텍스트의 복잡성과 가독성을 평가하여 콘텐츠의 대상 독자를 결정하거나, 대상 독자와 해당 콘텐츠의 읽기 수준을 비교할 수 있다. 일 예로, 콘텐츠 분석부(310)는 콘텐츠를 이해하는데 필요한 교육수준 또는 읽기 능력 수준을 추정하는 Flesch-Kincaid Grade Level 또는 Gunning Fog Index와 같은 가독성 메트릭을 사용하여 콘텐츠의 읽기 수준을 분석할 수 있으며, 이에 제한되지 않고 콘텐츠에 포함된 문장의 평균 길이, 단어 길이 및 텍스트 내의 복잡한 단어의 수와 같은 정량적 요소를 기초로 읽기 수준 분석을 할 수 있다.

예를 들어, 콘텐츠 분석부(310)는 개인 금융에 대한 일련의 콘텐츠를 분석하여 각 콘텐츠의 대상 독자를 결정할 수 있다. 각 콘텐츠에 대한 Flesch-Kincaid Grade Level을 계산하여 작가는 일반 독자가 가장 쉽게 접근할 수 있는 항목(예: Grade level이 6-8인 항목)과 고급 지식을 가진 독자에게 더 적합한 항목(예: Grade level 12+)을 구분할 수 있다. 이를 통해, 콘텐츠 분석부(310)는 다양한 독자를 대상으로 하도록 콘텐츠를 분석할 수 있다.

콘텐츠 분석부(310)는 콘텐츠 길이를 분석함으로써 단어수 또는 문자수로 측정되는 콘텐츠의 텍스트량을 분석할 수 있다. 이를 통해, 콘텐츠 분석부(310)는 자료의 깊이, 범위 및 형식과 표현 대상에 대한 적합성을 분석할 수 있다.

콘텐츠 분석부(310)는 콘텐츠의 길이를 분석하기 위해 텍스트 처리 기술을 사용하거나 자연어 처리(NLP) 도구를 활용하여 수행할 수 있는 텍스트의 단어 수를 계산할 수 있다. 또한, 콘텐츠의 텍스트 밀도 분석을 통해 텍스트 내의 특정 단어나 구의 빈도를 계산하고 이를 전체 단어 수와 비교하여 밀도를 산출할 수 있다.

예를 들어, 콘텐츠 분석부(310)는 단어 수 분석을 사용하여 동일한 주제에 대한 일련의 기사를 비교하고 각 콘텐츠에서 제공하는 세부 정보 및 적용 범위를 결정할 수 있다. 단어 수가 많은 긴 콘텐츠는 더 포괄적이고 깊이 있는 것으로 간주될 수 있는 반면, 단어 수가 적은 짧은 콘텐츠는 보다 집중적이고 간결할 수 있다.

밀도 분석은 또한 텍스트 내에서 가장 중요하거나 관련성이 높은 용어를 식별하는 데 사용될 수 있으며, 이는 키워드, 제목 및 기타 콘텐츠 요소의 선택을 안내하는 데 도움이 될 수 있다. 콘텐츠 분석부(310)는 특정 단어나 구의 밀도를 계산하여 문서 내에서 어떤 주제가 가장 두드러지는지 판단함으로써 콘텐츠를 분석할 수 있다.

템플릿 생성부(320)는 콘텐츠 분석부(310)의 분석 결과에 따라 콘텐츠에 적합한 템플릿 디자인을 생성할 수 있다.

예를 들어, 템플릿 생성부(320)는 콘텐츠 분석부의 분석 결과에 따라, 콘텐츠의 주제, 감정, 스타일, 구조, 시각적 요소(예: 이미지, 차트), 예상 읽기 수준(예: Flesch-Kincaid 등급 수준), 및 길이(예: 단어수)를 포함하는 템플릿 구성요소를 기초로 템플릿 디자인을 생성할 수 있다.

일 예로, 템플릿 생성부(320)는 콘텐츠 분석부(310)의 콘텐츠 분석 결과를 기초로, 추출된 템플릿 구성 요소를 사용하여 템플릿 디자인을 생성할 수 있다. 예컨대, 템플릿 생성부(320)는 콘텐츠 유형 및 주제를 반영한 머리글 및 바닥글 디자인을 생성할 수 있다. 일 예로, 콘텐츠 유형이 뉴스 기사이고 주요 주제가 기술인 경우 기술 관련 시각적 요소와 현대적인 글꼴이 포함된 헤더를 사용할 수 있다. 예컨대, 산세리프(Sans Serif) 글꼴(예: Helvetica, Arial, Calibri 및 Open Sans)를 사용할 수 있다.

또한, 템플릿 생성부(320)는 콘텐츠 길이와 읽기 수준에 따라 열 수와 텍스트 정렬을 결정할 수 있다. 일 예로, 읽기 수준이 낮은 짧은 콘텐츠는 단일 열 레이아웃을 사용하고 읽기 수준이 높은 긴 콘텐츠는 여러 열 레이아웃을 사용할 수 있다.

또한, 템플릿 생성부(320)는 추출된 텍스트 구조를 기반으로 제목 및 부제목의 계층 구조를 생성할 수 있다. 예컨대, 콘텐츠의 감정 및 스타일과 일치하는 글꼴, 크기 및 스타일에 따라 템플릿을 생성할 수 있다.

또한, 템플릿 생성부(320)는 시각적 요소 수를 기반으로 이미지, 차트 및 기타 시각적 요소에 대한 템플릿의 위치 표시 식별자를 생성할 수 있다. 콘텐츠의 초점 및 레이아웃과 일치하도록 개체 틀의 크기와 위치를 조정할 수 있다.

또한, 템플릿 생성부(320)는 콘텐츠의 어조, 스타일, 대상 독자에 맞는 글꼴 스타일, 크기, 줄 간격을 선택할 수 있다. 예를 들어 학술 콘텐츠에는 형식적인 글꼴을 선택하고 블로그 게시물에는 좀 더 캐주얼한 글꼴(예: Comic Sans, Chalkboard, Lobster 등)을 선택하여 템플릿을 생성할 수 있다.

템플릿 생성부(320)는 생성된 템플릿 구성 요소를 결합하여 템플릿 디자인을 생성할 수 있다. 예를 들어, 템플릿 생성부(320)는 템플릿의 전체 레이아웃, 시각적 요소의 균형, 가독성을 고려하여 템플릿을 생성할 수 있다. 일 예로, 페이지 상단과 하단에 각각 머리글과 바닥글을 배치할 수 있다. 또한, 열 구조 및 텍스트 정렬을 고려하여 기본 콘텐츠 영역의 텍스트 레이아웃을 정렬하고, 계층 구조에 따라 텍스트 레이아웃 내의 적절한 위치에 제목과 부제목을 삽입할 수 있다. 또한, 시각적 요소 자리 표시자를 텍스트 레이아웃 내에 배치하여 주변 콘텐츠를 보완하고 시각적 균형을 유지하도록 템플릿을 생성할 수 있다.

예컨대, 콘텐츠 분석부(310)의 콘텐츠 분석 결과, 콘텐츠 종류는 뉴스 기사(확률 0.9), 주된 주제는 '기술'(0.75확률), 감성 점수는 중립(0.5), 제목수는 5, 부제목수는 8, 시각적 요소 수는 이미지 3개, 차트 2개이고, 예상 읽기 수준은 10학년, 콘텐츠의 단어수는 1200으로 분석될 수 있다.

이때, 템플릿 생성부(320)는 템플릿의 머리글로서 콘텐츠 유형(뉴스 기사, 확률 0.9)과 주된 주제(기술, 확률 0.75)를 기반으로, 콘텐츠 내에 기술 관련 시각적 요소(예: 스마트폰 또는 노트북 아이콘)와 현대적인 글꼴을 사용하고, 바닥글은 동일한 서체를 사용하여 간행물의 이름과 날짜가 포함하도록 디자인을 생성할 수 있다.

또한, 템플릿 생성부(320)는 단어 수(1200)와 예상 읽기 수준(10학년)은 단일열의 레이아웃을 적용하여 템플릿을 생성할 수 있으며, 다양한 화면 크기와 장치에 쉽게 적응할 수 있도록 반응형 그리드 템플릿을 생성할 수 있다.

또한, 템플릿 생성부(320)는 콘텐츠의 5개의 제목과 8개의 부제목에 대하여 다양한 글꼴 크기와 두께를 사용하여 계층 구조를 갖는 템플릿을 생성할 수 있다. 일 예로, 제목은 24px 글꼴 크기의 Roboto Bold를 사용하고 부제목은 18px 글꼴 크기의 Roboto Regular를 사용할 수 있다.

또한, 템플릿 생성부(320)는 시각적 요소 수(이미지 3개, 차트 2개)에 따라 텍스트 레이아웃 내에 5개의 자리 표시자를 생성할 수 있다. 일 예로, 기본 콘텐츠 영역 내에서 두 개의 이미지와 하나의 차트를 위한 공간을 할당하고 나머지 이미지와 차트를 기사의 관련 섹션 옆에 배치할 수 있다. 문자 배열과 관련하여, 템플릿 생성부(320)는 본문의 경우 16px 글꼴 크기, 1.5 줄 간격 및 양쪽 정렬로 Roboto Regular를 사용하여 대상 독자(10학년)에게 편안한 읽기 경험을 제공할 수 있다.

템플릿의 구성 요소가 생성되고 나면 템플릿 생성부(320)는 각 요소를 결합하여 템플릿을 결합할 수 있다. 예를 들어, 템플릿 생성부(320)는 머리글은 페이지 상단에, 바닥글은 하단에 배치하고, 일관성을 위해 두 구성 요소에서 기술 테마의 시각적 요소와 현대적인 글꼴(Roboto)을 사용할 수 있다. 이때, 템플릿의 레이아웃은 다양한 장치에서 적응형으로 동작할 수 있도록 반응형 그리드 시스템에 따라 기본 콘텐츠 영역에 단일 열 텍스트 레이아웃을 정렬할 수 있다.

그 다음, 템플릿 생성부(320)는 계층구조에 따라 텍스트 레이아웃 내에 제목과 부제목을 삽입할 수 있다. 이때, 제목(Roboto Bold, 24px) 및 부제목(Roboto Regular, 18px)에 미리 정의된 글꼴 크기와 두께를 적용할 수 있다. 또한, 템플릿 생성부(320)는 시각적 요소 자리 표시자를 텍스트 레이아웃에 배치하여 주변 콘텐츠를 보완하고 시각적 균형을 유지하도록 배치할 수 있다. 예를 들어 서론 근처에 이미지를 배치하고 관련 하위 섹션 근처에 다른 이미지를 배치하고 데이터 기반 토론 옆에 차트를 배치할 수 있다.

이를 통해, 콘텐츠의 유형, 주제, 어조, 구조, 시각적 요소, 타겟 청중, 길이 등을 고려하여 분석된 콘텐츠에 맞는 맞춤형 템플릿을 생성할 수 있다. 생성된 템플릿은 중성적인 어조, 적절한 레이아웃 및 10학년 읽기 수준의 청중을 위한 시각적 요소가 있는 기술 중심의 뉴스 기사를 위해 적응형으로 생성될 수 있다.

템플릿 추천부(330)는 사용자의 속성 정보를 기초로 생성된 템플릿을 사용자에게 추천할 수 있다.

예를 들어, 템플릿 추천부(330)는 사용자와의 상호작용을 통해 사용자의 선호도와 관심사를 추출할 수 있다. 일 예로, 사용자의 속성정보로부터 사용자가 상호작용하는 콘텐츠에 대한 주제, 디자인, 스타일, 읽기 수준 및 빈도를 추출하여 분석할 수 있다.

예를 들어, 사용자가 100개의 콘텐츠를 접하였고, 이중 60개가 기술 관련 콘텐츠이고, 20개가 정치 관련 콘텐츠, 20개가 유머 관련 콘텐츠라면 기술에 대한 선호도는 0.6, 정치 선호도는 0.2, 유머 선호도는 0.2로 판단될 수 있다.

이 경우, 해당 사용자에 대한 사용자 선호도 벡터는 기술, 정치, 유머에 대해 [0.6, 0.2, 0.2]로 결정될 수 있다. 또한, 템플릿 추천부(330)는 템플릿 생성부(320)에서 생성된 각 템플릿에 대한 주제 관련성에 대한 확률 벡터를 생성할 수 있다. 예컨대, 템플릿 생성부(320)에서 생성된 템플릿이 기술과 관련된 주제에 적합하게 생성된 템플릿이라면, 해당 템플릿의 확률 벡터는 기술에 대해 [0.8, 0.2]로 생성될 수 있다. 이때, 0.8은 기술 주제와의 관련성, 0.2는 비관련성을 의미할 수 있다.

예를 들어, 사용자는 자신이 선호하는 콘텐츠의 주제, 감정, 스타일, 구조, 시각적 요소, 읽기 수준 및 길이 중 적어도 하나를 콘텐츠 선호도로서 미리 입력할 수 있으며, 이를 템플릿 생성부(320)에서 생성된 템플릿의 구성요소와 유사도 비교하여 사용자에게 가장 적합한 템플릿을 추천할 수 있다.

예컨대, 템플릿 추천부(330)는 사용자로부터 미리 수신된 콘텐츠 선호도와 템플릿 생성부(320)에서 생성된 템플릿 디자인과의 유사도를 산출하여 가장 유사도가 높은 템플릿 디자인을 사용자에게 추천할 수 있으며, 유사도 점수는, 코사인 유사도 또는 유클리드 거리를 통해 산출할 수 있으나, 이에 제한되지 않는다.

표 1을 참조하면, 상이한 주제를 갖는 콘텐츠 1 내지 5가 "기술"카테고리에 속하게 될 확률을 정규화 하여 표시한 점수를 나타낸다.

예를 들어, 콘텐츠 1은 "기술" 주제에 속할 확률이 0.9이고, 주제목이 3개, 부제목이 0개로서 제목 점수가 3, 문장의 감정 점수가 0.5로서 중립에 해당하며, 시각적 요소는 각 카테고리에 대해 미리 정해진 시각적요소의 개수 대비 해당 콘텐츠에 포함된 시각적 요소의 비율에 따라 0.6으로 산출되며, 읽기 수준은 Flesch-Kincaid Grade Level 또는 Gunning Fog Index와 같은 가독성 메트릭을 통해 산출되어, 절대 값으로 10으로 산출되며, 단어수는 산출된 단어수를 1000으로 나누어 1.1로 산출될 수 있다.

순번	항목	주제	제목	감정점수	시각적요소	읽기수준	단어수
1	콘텐츠1	0.9	3.0	0.5	0.9	10	1.0
2	콘텐츠2	0.7	2.5	1	0.4	12	0.8
3	콘텐츠3	0.8	2.5	0	0.9	7	0.6
4	콘텐츠4	0.6	1.5	0	0.7	8	1.2
5	콘텐츠5	0.5	4.0	0.5	0.8	10	0.7

이에 대해, 템플릿 추천부(330)는 사용자의 속성 정보로서 선호도 벡터를 미리 입력 받을 수 있다. 예컨대, 사용자 K의 "기술" 분야에 대한 선호도로서 주제, 제목, 감정점수, 시각적요소, 읽기 수준 및 단어수에 대한 선호도 벡터는 [1.0, 5.0, 0.5, 1.0, 10, 1.0]으로 결정될 수 있으며, 사용자 K는 기술분야에 대해 적극적 선호도(1.0), 적어도 5개 이상의 텍스트 구조를 희망하며, 중립(0.5) 수준의 문장 감정을 선호하고, 충분한 시각적 요소(1.0)에 따라, 중간 정도 읽기 난이도(10)의 콘텐츠로서, 문장의 길이가 긴(1.0) 콘텐츠에 대한 선호도를 가질 수 있다.

이 경우, 템플릿 추천부(330)는 각 콘텐츠에 대한 사용자 속성 사이의 유사도를 산출하고, 유사도가 가장 높은 콘텐츠 1을 사용자 K에 대한 최 선호 콘텐츠로 결정하여, 해당 콘텐츠의 분석 결과로 생성된 템플릿에 따라, 사용자 K에게 콘텐츠 1에 대해 생성된 템플릿을 추천하여 콘텐츠를 제공할 수 있다.

이를 통해, 템플릿 추천부(330)는 다수의 콘텐츠에 대해 사용자가 선호하는 콘텐츠에 대해 해당 콘텐츠를 가장 잘 반영하는 템플릿을 추천할 수 있으며, 해당 템플릿에 기반한 콘텐츠를 제공함으로써 사용자의 콘텐츠 소비 욕구를 상승시킬 수 있다.

도 4는 적응형 템플릿 디자인 생성 플랫폼 운영 서버의 다른 예를 설명하기 위한 예시도이다.

도 4를 참조하면, 적응형 템플릿 디자인 생성 플랫폼 운영 서버(400)(이하, '서버'라고 함)는 콘텐츠분석부(410), 템플릿 생성부(420), 사용자기기연결부(430) 및 템플릿 추천부(440)를 포함할 수 있다.

여기서, 콘텐츠분석부(410), 템플릿 생성부(420), 및 템플릿 추천부(440)는 도 3을 참조하여 설명한 콘텐츠분석부(310), 템플릿 생성부(320), 및 템플릿 추천부(330)과 각 동일한 구성이므로, 이하 중복되지 않는 구성을 중심으로 설명한다.

콘텐츠분석부(410)는 콘텐츠의 내용 및 속성을 분석하여 템플릿 생성에 필요한 구성 요소 정보를 추출할 수 있다.

템플릿 생성부(420)는 콘텐츠 분석부(410)의 분석 결과에 따라 콘텐츠에 적합한 템플릿 디자인을 생성할 수 있다.

사용자기기연결부(430)는 사용자의 기기와 연결되어 사용자의 주관적 및 객관적 정보를 수신할 수 있다. 여기서 사용자 기기는 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다. 또한, 이에 제한되지 않으며, 웨어러블 디바이스로서(Wearable device)를 포함할 수 있다.

일 예로, 사용자기기연결부(430)는 사용자 기기가 미리 정해진 일정 범위 내에 진입하는 경우, 사용자 기기와 자동으로 연결될 수 있다. 이때, 사용자기기연결부(430)는 블루투스(Bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신 등 다양한 통신방법을 통해 사용자 기기와 연결될 수 있다.

또한, 사용자기기연결부(430)는 사용자 기기와 연결될 때, 사용자의 기기정보를 수신하여 사용자의 기기가 기존에 연결이 되었는지를 판단하고, 사용자기기가 최초 연결시도 되는 경우 사용자 기기를 등록할 수 있다. 이때, 사용자기기연결부(430)는 사용자기기에 사용자 인증을 위한 인증코드를 전송하고 이에 대응되는 인증코드 입력을 통해 사용자기기를 인증하여, 사용자 기기를 연결할 수 있다.

사용자기기연결부(430)에 사용자기기가 연결되고 나면, 사용자기기연결부(430)는 연결된 사용자 기기로부터 사용자의 성명, 이름, 나이, 주소, 연락처, 취미, 특기, 콘텐츠 선호도를 포함하는 사용자 정보를 수신할 수 있다.

또한, 사용자기기연결부(430)는 사용자 기기로부터 사용자가 위치한 장소의 환경 정보를 수신할 수 있다. 예를 들어, 사용자기기연결부(430)는 사용자기기로부터 사용자가 위치한 장소의 온도, 강수량, 습도, 구름량, 자외선 강도, 미세먼지 농도 중 적어도 하나를 포함하는 환경 정보를 수신할 수 있다. 이때, 사용자기기연결부(430)는 수신한 환경 정보를 미리 정해진 임계값과 비교함으로써 적어도 하나 이상의 범주로 환경 정보를 할당할 수 있다.

예를 들어, 사용자기기연결부(430)는 온도가 10도 이하인 경우 '추움', 10도 초과 25도 이하인 경우 '온화', 25도 초과인 경우 '더움'으로 범주를 결정하고, 강수량은 0mm 초과 5mm 이하인 경우 '이슬비', 5mm 초과인 경우 '비'로 결정하는 것과 같이 각 환경 정보에 대해 미리 정해진 임계값에 따른 범주를 결정할 수 있다.

한편, 템플릿 생성부(420)는 환경 정보에 따른 콘텐츠 템플릿을 생성할 수 있다. 예를 들어, 템플릿 생성부(420)는 연령, 성별, 직업 또는 선호도와 같은 사용자 특성은 물론 선호하는 템플릿을 포함하여 사용자 기본 설정의 과거 데이터를 수집할 수 있으며, 템플릿의 디자인 스타일, 색상 팔레트, 레이아웃 및 타이포그래피와 같은 템플릿에 대한 정보를 수집하여 템플릿을 생성할 수 있다.

일 예로, 템플릿 생성부(420)는 각 템플릿을 구성하는 템플릿 구성요소(예: 콘텐츠의 주제, 감정, 스타일, 구조, 시각적 요소, 읽기 수준 및 길이 중 적어도 하나를 포함하는 템플릿 구성요소)에 대해 색상 대비, 글꼴 크기, 공백 비율 및 기타 관련 지표와 같은 정량적 요소를 추출하고, 추출된 정량적 값을 "환경"에 해당하는 범주로 변환할 수 있다. 템플릿 생성부(420)는 할당된 환경 정보와 사용자 속성 정보에 템플릿 구성요소를 대응시켜 템플릿을 생성할 수 있다.

예컨대, 템플릿 생성부(420)는 생성될 템플릿의 채도와 실외 조도를 대응시켜, 실외 조도가 높을수록 템플릿의 채도를 높게 결정하고, 실외 조도가 낮을수록 템플릿의 채도를 낮게 결정하여 템플릿을 생성할 수 있다. 예를 들어, 실외 조도가 낮은 경우(예: 5,000lux) 템플릿의 배경을 낮은 채도(예: 30%) 결정하고, 실외 조도가 중간인 경우(예: 20,000lux) 템플릿의 배경을 보통 채도(예: 60%) 로 결정하고, 실외 조도가 높은 경우(예: 50,000lux) 템플릿의 배경을 높은 채도(예: 90%) 로 결정할 수 있다.

또한, 템플릿 생성부(420)는 글자 크기와 기온을 대응시켜, 기온이 낮을수록 글자 크기을 작게 결정하고, 기온이 높을수록 글자 크기를 크게 결정하여, 템플릿을 생성할 수 있다. 예를 들어, 기온이 낮은 경우(예: 10도 미만) 글자 크기를 작게(예: 8pt), 기온이 중간인 경우(예: 영상10도 이상 25도 미만) 글자 크기를 보통으로(예: 12pt), 기온이 높은 경우(예: 영상 25도 이상) 글자 크기를 크게(예: 16pt)로 결정할 수 있다.

또한, 템플릿 생성부(420)는 줄간격을 강수와 대응시켜, 강수량이 적을수록 줄간격을 넓게 결정하고, 강수량이 많을수록 줄간격을 좁게 결정하여 템플릿을 생성할 수 있다. 예를 들어, 강수량이 많은 경우(예: 10mm 초과) 줄간격을 좁게(예: 100%), 강수량이 적은 경우(예: 5mm 초과 10mm 이하) 줄간격을 중간으로(예: 150%), 강수량이 없거나 매우 적은 경우(예: 5mm 이하) 줄간격을 넓게(예: 200%) 템플릿을 생성할 수 있다.

또한, 템플릿 생성부(420)는 사용자의 속성에 따라 템플릿을 생성할 수 있다. 일 예로, 템플릿 생성부는 사용자의 연령, 성별, 직업과 같이 사용자의 속성에 관한 정보를 사용하여 템플릿을 생성할 수 있다.

예컨대 템플릿 생성부(420)는 사용자의 연령이 미리 정해진 범위에 포함되는 경우 사용자의 나이에 따른 범주를 각 계절에 대응시켜 템플릿 배경을 결정함으로써 템플릿을 생성할 수 있다. 즉, 템플릿 생성부(420)는 생성될 템플릿 디자인의 배경 계절을 사용자의 연령과 대응시켜, 사용자의 연령에 따라 미리 정해진 계절로 템플릿 디자인의 배경을 결정할 수 있다.

일 예로, 사용자의 연령이 청년인 경우(예: 만 40세 미만) 템플릿 배경을 봄으로 결정하고, 사용자 연령이 중년인 경우(예: 만 40세 이상 70세 미만) 템플릿 배경을 여름으로 결정하고, 사용자 연령이 장년인 경우(예: 만 70세 이상) 템플릿 배경을 가을로 결정할 수 있다.

또한, 템플릿 생성부(420)는 생성된 템플릿에 템플릿 구성 요소에 기초하여 생성된 템플릿의 계절과 날씨를 표현하는 아이콘을 미리 정해진 위치에 배치할 수 있다. 예를 들어, 28세의 사용자가 기온이 높고, 강수량이 없는 지역(예: 25도 이상 및 5mm 이하)에 위치하는 것으로 판단되는 경우, 템플릿 생성부(420)는 생성된 템플릿의 미리 정해진 위치(예: 우측 상단)에 봄과 맑은 날씨(예: 태양)를 표현하는 아이콘을 배치할 수 있다.

한편, 템플릿 추천부(440)는 사용자기기연결부(430)으로부터 수신한 사용자가 위치한 장소의 환경 정보와 사용자의 속성정보를 기초로 사용자에게 템플릿을 추천할 수 있다.

예를 들어, 템플릿 추천부(440)는 사용자기기연결부(430)를 통해 사용자기기로부터 수신한 사용자가 위치한 장소의 온도, 강수량, 습도, 구름량, 자외선 강도, 미세먼지 농도를 포함하는 환경 정보를 사용하여, 사용자의 환경에 적합한 템플릿을 추천할 수 있다. 이에 제한되지 않으며, 템플릿 추천부(440)는 사용자 속성정보를 기초로 사용자에게 적합한 템플릿을 추천할 수 있다.

일 예로, 연령이 28세인 사용자가 위치한 장소의 온도가 영상 20도, 강수량은 0인 경우, 템플릿 추천부(440)는 봄 배경, 줄간격을 넓게(예: 200%), 보통크기의 글꼴(예: 12pt)로 생성된 템플릿을 사용자에게 추천할 수 있다.

다만, 이에 제한되지 않으며, 템플릿 생성부(420)는 사용자기기연결부(430)를 통해 수신한 사용자 정보를 기초로 사용자에 적합한 템플릿을 생성하여 사용자에게 제공할 수 있다.

이때, 사용자 속성 정보 및 환경 정보를 기초로 생성된 템플릿은 사용자의 속성정보 및 환경정보와의 유사도를 기초로 사용에게 추천될 수 있다.

이를 통해, 사용자는 자신이 속한 공간의 환경과 사용자의 속성에 따라 생성된 템플릿을 통해 콘텐츠를 접하게 됨으로써 콘텐츠의 소비 효율을 증대시킬 수 있다.

도 5는 도 1에 따른 적응형 템플릿 디자인 생성 플랫폼 운영 서버에 대한 하드웨어 구성도이다.

도 5를 참조하면, 적응형 템플릿 디자인 생성 플랫폼 운영 서버(500)는, 적어도 하나의 프로세서(processor, 510) 및 적어도 하나의 프로세서(510)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 520)를 포함할 수 있다.

여기서 적어도 하나의 프로세서(510)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(520) 및 저장 장치(560) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(520)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.

또한, 적응형 템플릿 디자인 생성 플랫폼 운영 서버(500)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver, 530)를 포함할 수 있다. 또한, 적응형 템플릿 디자인 생성 플랫폼 운영 서버 (500)는 입력 인터페이스 장치(540), 출력 인터페이스 장치(550), 저장 장치(560) 등을 더 포함할 수 있다. 적응형 템플릿 디자인 생성 플랫폼 운영 서버(500)에 포함된 각각의 구성 요소들은 버스(bus, 570)에 의해 연결되어 서로 통신을 수행할 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 포함될 수 있다. 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 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.

상기에서는 본 발명의 바람직한 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

적응형 템플릿 디자인 생성 플랫폼 운영 서버를 포함하는 장치로서,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서가 적어도 하나의 동작을 수행하도록 지시하는 명령어들을 저장하는 메모리를 포함하고,
상기 적어도 하나의 동작은,
콘텐츠를 분석하여, 상기 콘텐츠의 주제, 감정, 스타일, 구조, 시각적 요소, 읽기 수준 및 길이 중 적어도 하나를 포함하는 템플릿 구성요소를 추출하는 동작;
상기 추출된 템플릿 구성요소를 기초로 반응형 그리드 템플릿 디자인을 생성하는 동작;
상기 생성된 템플릿 디자인에 대한 주제 관련성에 대한 확률 벡터를 생성하는 동작;
사용자로부터 미리 수신한 콘텐츠 선호도와 상기 템플릿 구성요소를 기초로 생성된 상기 템플릿 디자인 사이의 유사도를 산출하는 동작; 및
상기 산출된 유사도가 가장 높은 템플릿 디자인을 상기 사용자에게 추천하는 동작;을 포함하고,
상기 템플릿 디자인을 생성하는 동작은,
사용자기기로부터 상기 사용자가 위치한 장소의 온도, 강수량, 습도, 구름량, 자외선 강도, 미세먼지 농도 중 적어도 하나를 포함하는 환경 정보를 수신하는 동작;
상기 수신한 환경 정보를 미리 정해진 임계값과 비교하여 적어도 하나 이상의 환경 범주로 할당하는 동작; 및
상기 적어도 하나 이상의 환경 범주로 할당된 환경 정보 및 사용자 속성정보에 상기 템플릿 구성요소를 대응시켜 상기 템플릿 디자인을 생성하는 동작;를 더 포함하고,
상기 템플릿 디자인을 생성하는 동작은,
상기 템플릿 디자인의 채도와 실외 조도를 대응시켜, 실외 조도가 높을수록 템플릿 디자인의 채도를 높게 결정하고, 실외 조도가 낮을수록 템플릿 디자인의 채도를 낮게 결정하는 동작;
상기 템플릿 디자인의 글자 크기와 기온을 대응시켜, 기온이 낮을수록 글자 크기를 작게 결정하고, 기온이 높을수록 글자 크기를 크게 결정하는 동작;
상기 템플릿 디자인의 줄간격을 강수와 대응시켜, 강수량이 적을수록 줄간격을 넓게 결정하고, 강수량이 많을수록 줄간격을 좁게 결정하는 동작; 및
상기 템플릿 디자인의 배경 계절을 사용자의 연령과 대응시켜, 사용자의 연령에 따라 미리 정해진 계절로 템플릿 디자인의 배경을 결정하는 동작;을 포함하는,
서버를 포함하는 장치.
삭제
삭제
청구항 1에서,
상기 템플릿 디자인을 상기 사용자에게 추천하는 동작은,
상기 사용자가 위치한 장소의 환경 정보와 사용자의 속성 정보를 기초로 상기 사용자에게 템플릿을 추천하는 동작;을 더 포함하는,
서버를 포함하는 장치.
청구항 1에서,
상기 템플릿 디자인을 생성하는 동작은,
상기 생성된 템플릿에 상기 템플릿 구성 요소에 기초하여 생성된 템플릿의 계절과 날씨를 표현하는 아이콘을 미리 정해진 위치에 배치하는 동작;을 더 포함하는,
서버를 포함하는 장치.