KR20020033202A - 3가지 방식의 매체 추천 방법 및 시스템 명세 - Google Patents

3가지 방식의 매체 추천 방법 및 시스템 명세 Download PDF

Info

Publication number
KR20020033202A
KR20020033202A KR1020027003916A KR20027003916A KR20020033202A KR 20020033202 A KR20020033202 A KR 20020033202A KR 1020027003916 A KR1020027003916 A KR 1020027003916A KR 20027003916 A KR20027003916 A KR 20027003916A KR 20020033202 A KR20020033202 A KR 20020033202A
Authority
KR
South Korea
Prior art keywords
user
data
sets
profile
profile data
Prior art date
Application number
KR1020027003916A
Other languages
English (en)
Other versions
KR100943444B1 (ko
Inventor
샤페어제임스디.
리궉피.
구타스리니바스
Original Assignee
요트.게.아. 롤페즈
코닌클리케 필립스 일렉트로닉스 엔.브이.
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 요트.게.아. 롤페즈, 코닌클리케 필립스 일렉트로닉스 엔.브이. filed Critical 요트.게.아. 롤페즈
Publication of KR20020033202A publication Critical patent/KR20020033202A/ko
Application granted granted Critical
Publication of KR100943444B1 publication Critical patent/KR100943444B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04H—BROADCAST COMMUNICATION
    • H04H60/00—Arrangements for broadcast applications with a direct linking to broadcast information or broadcast space-time; Broadcast-related systems
    • H04H60/35—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users
    • H04H60/46—Arrangements for identifying or recognising characteristics with a direct linkage to broadcast information or to broadcast space-time, e.g. for identifying broadcast stations or for identifying users for recognising users' preferences
    • 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
    • H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering
    • 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
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H04N21/44224—Monitoring of user activity on external systems, e.g. Internet browsing
    • 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
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • 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
    • H04N21/454—Content or additional data filtering, e.g. blocking advertisements
    • 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
    • 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
    • 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
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4755—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for defining user preferences, e.g. favourite actors or genre
    • 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
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
    • 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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4821—End-user interface for program selection using a grid, e.g. sorted out by channel and broadcast time
    • 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
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/16—Analogue secrecy systems; Analogue subscription systems
    • H04N7/162—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing
    • H04N7/163—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing by receiver means only

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Television Systems (AREA)

Abstract

선호 엔진(preference engine)을 이용하는 전자 프로그래밍 가이드(electronic programming guide; EPG) 시스템, 및 새로운 예측들을 발생시키도록 명시적 규칙 프로파일, 이력 프로파일, 및 피드백 프로파일 데이터를 조합하는 프로세싱 시스템이 개시된다. 텔레비전 쇼들은 많은 특징들에 의해 색인 되도록 가정된다. 이들 특징들은 시청되는 TV 쇼들(암묵적 프로파일) 및 시청자에 의해 평가된 TV 쇼들(피드백 프로파일)에 대해 추출되고 카운트된다. 이들 프로파일들은 피드백 정보에 대해 주어지는 적당히 더 큰 가중치와 조합하는 것이 수월하다. 부가하여, 명시적 프로파일들은 추천들(recommendations)을 고립(stand alone)할 수 있으며, 또는 2개의 소스들 중 하나로부터 발생하는 추천들을 변경하는데 사용될 수 있다. 변경들은 기존의 추천들 또는 몇몇 다른 적합한 수학적인 형태로 덧셈 또는 곱셈의 변화들의 형태를 취할 수 있다.

Description

3가지 방식의 매체 추천 방법 및 시스템 명세{Three-way media recommendation method and system specification}
종래의 전자 프로그램 가이드(Electronic Program Guide; EPG) 시스템들 중 공통 요소들은 많은 이용 가능한 채널들을 위한 프로그램들의 리스팅들(listings)을 디스플레이하는 그것들의 능력이다. 리스팅들은 ABC, PBS, 또는 ESPN과 같은 특정한 방송 또는 케이블 채널을 나타내는 그리드의 각각의 로우 및 4:00 p.m.에서 4:30 p.m과 같은 특정한 타임 슬롯을 나타내는 그리드의 각각의 칼럼으로 그리드에 통상적으로 배열된다. 다수의 로우들 및 다수의 칼럼들은 스크린 상에 동시에 디스플레이될 수 있다. 여러 가지 스케줄된 프로그램들 또는 쇼들은 그들이 발견될수 있는 채널들 및 시간들을 표시하는 로우들 및 칼럼들 내에 배열된다. 그리드는 시청자가 시간의 주어진 간격 내에 서로 다른 채널들을 통해 주사할 수 있도록 수직으로 스크롤될 수 있다. 또한, 그리드는 디스플레이된 시간 간격을 변화하도록 수평으로 스크롤(팬(panned))될 수 있다.
이용 가능한 프로그램들에 관한 데이터는 데이터 레코드들의 세트로서 케이블 시스템 또는 전화 라인에 의해 수신될 수 있다. 각각의 이용 가능한 프로그램은 그 채널, 그 시작 및 종료 시간들, 그 타이틀, 주연 배우들의 이름들, 닫혀진 캡셔닝(closed-captioning) 및 스테레오가 이용 가능한지 여부, 및 아마 프로그램의 간결한 기술(brief description)과 같은 프로그램에 관한 정보를 포함하는 단일 대응하는 데이터 레코드를 가질 수 있다. 데이터 레코드들의 이들 타입들로부터 상술된 것과 같은 그리드를 포맷하는 것은 어렵지 않다. 데이터 스패닝 주기(data spanning period)(예를 들어, 2주)는 서버(예를 들어, 케이블 시스템의 헤드-엔드(head-end))에서 전형적으로 포맷되고, 케이블 시스템에 의해 서빙된 가정들에 반복적으로 계속적으로 방송된다. 대안적으로, 데이터는 전화 라인, 또는 다른 네트워크를 통해 온-디맨드 또는 미리 결정된 스케줄에 대해 다운로드될 수 있다.
EPG 시스템은 셋-톱 박스(STB), 일반적인 목적의 컴퓨터, 내장 시스템(embedded system), 텔레비전 내의 제어기, 또는 통신 네트워크의 서버 또는 인터넷 서버일 수 있는 사용자 인터페이스를 갖는 장치(이하, "사용자 인터페이스 장치") 상에 실행할 수 있다. 사용자 인터페이스 장치는 디스플레이들을 발생시키고, 사용자로부터 입력을 수신하도록 TV에 접속된다. 새로운 칼럼 또는 로우에 스크롤할 때, 사용자 인터페이스 장치는 새로운 로우들 또는 칼럼들을 위해 제공될 필요가 있는 프로그래밍 정보에 관하여 저장된 데이터베이스(사용자 인터페이스 장치 또는 다른 경우에서)로부터 적절한 정보를 검색할 수 있다. 예컨대, 새로운 칼럼에 스크롤할 때, 새로운 타임 슬롯에 포함되는 프로그램들은 디스플레이될 필요가 있다.
전자 프로그램 가이드들(EPGs)은 무수한 텔레비전(myriad television) 중에서 선택하는 태스크 및 다른 매체 시청 선택들을 더 관리할 수 있도록 한다. EPG들의 상호 작용하는 애플리케이션은 사용자-선호 데이터베이스를 구축하고, 제안을 하고, 선택하는 작업(job)을 간결화하도록 현재 또는 미래의 프로그래밍 정보를 필터링하거나, 사용자의 이익에 대한 선택들을 하도록 선호 데이터를 사용한다. 예컨대, 시스템은 사용자로부터의 특정 요청 또는 그것이 추천하는 하이라이트 선택들 없이 프로그램을 기록할 수 있다.
본 발명은 많은 매체-콘텐트 선택들, 예컨대, 텔레비전 프로그래밍, 채팅방들(chatrooms), 온-디맨드 비디오 매체 파일들(on-demand video media files), 오디오, 등의 관리에서 매체 사용자들을 보조하도록 전자 프로그램 가이드들(EPGs)을 이용하는 시스템들에 관한 것이다. 특히, 본 발명은 선택들을 제안하는 능력 및 행동들을 취하는 능력, 예컨대, 사용자의 선호들(preferences)에 기초한 사용자의 이익(user's behalf)에서 프로그램을 기록하는 능력과 같은 "지능"을 제공하는 시스템에 관한 것이다.
도 1은, EPG 디스플레이를 발생시키는 컴퓨터와 함께 EPG, 및 본 발명의 실시예들과 함께 사용하기에 적합한 상호 작용 인터페이스(interaction interface)를 디스플레이하는 텔레비전/모니터를 도시하는 도면.
도 2는 본 발명의 UI 실시예들과 함께 사용하기에 적합한 원격 제어를 도시하는 도면.
도 3은 본 발명의 UI 실시예들과 함께 사용하기에 적합한 EPG 디스플레이를 도시하는 도면.
도 4는 본 발명의 여러 가지 실시예들이 실현될 수 있는 물리적 구성 요소들의 레이아웃을 도시하는 도면.
도 5는 본 발명의 실시예들에 따라 피드백-기반 프로파일러들(feedback-based profilers)의 데이터 흐름을 예시하는 도면.
도 6은 본 발명의 실시예에 따라 시청-이력-기반 프로파일러들(view-history-based profilers)의 데이터 흐름을 예시하는 도면.
도 7은 본 발명의 실시예에 따라 명시-기반 프로파일러들(explicit-based profilers)의 데이터 흐름을 예시하는 도면.
도 8은 본 발명의 실시예에 따라 조합된 추천 프로세스(combined recommendation process)를 제공하도록 프로파일 데이터의 3가지 다른 타입들의 조합을 예시하는 도면.
도 9는 본 발명의 다른 실시예에 따라 조합된 추천 프로세스를 제공하도록 프로파일 데이터의 3가지 다른 타입들의 조합을 예시하는 도면.
도 10은 본 발명의 또 다른 실시예에 따라 조합된 추천 프로세스를 제공하도록 프로파일 데이터의 3가지 다른 타입들의 조합을 예시하는 도면.
선호 데이터베이스를 구축하기 위한 장치의 제 1 타입은 사용자의 관점으로부터 수동적인 것들이다. 사용자는 단지 원 EPG 데이터(raw EPG data)로부터 정상적인 형식으로 선택들을 하고, 시스템은 선택들로부터 사용자의 동작의 모델을 추출함으로써 개인 선호 데이터베이스를 점차적으로 구축한다. 이어서, 그것은 사용자가 앞으로 무엇을 시청하기를 더 좋아하는가에 관한 예측을 하도록 모델을 사용한다. 이 추출 프로세스는 동일한 항목을 위한 반복된 요청들을 검출함으로써 명백한 선호도들을 식별하는 것과 같은 단순한 알고리즘들을 수반할 수 있거나, 또는, 많은 수의 입력들(자유도들)을 갖는 경정 트리 기술과 같은 복잡한 기계-학습 프로세스일 수 있다. 일반적으로 말하면, 그런 모델들은 사용자의 상호 작용 동작(즉, 선택들을 하기 위한 사용자 인터페이스(UI)와의 상호 작용)에서의 패턴들을 찾는다.
사용자의 시청 패턴으로부터 유용한 정보를 추출하기 위한 하나의 간단하고 꽤 튼튼한 기술은 특징-값 카운트들(feature-value counts)의 테이블을 발생시키는 것이다. 특징의 예는 "하루 중 시간"이고, 대응하는 값은 "아침"이 될 수 있다. 선택이 이루어질 때, 선택을 특징화하는 특징-값들의 카운트들은 증가된다. 보통, 주어진 선택은 많은 특징-값들을 가질 것이다. 네거티브 선택들의 세트는 또한, 선택이 감소되는 것으로부터 쇼들의 서브세트를 선택함으로써(선택적으로, 동시에) 발생될 수 있다. 그들 각각의 특징 값 카운트들은 감소될 것이다(또는, 시청하지 않는 쇼들을 위한 카운트가 증가한다). 이들 데이터는, 후보가 사용자에 의해 선호될 가능성을 예측하도록 후보들을 특징화하는 특징-카운트들에 가중치들(weights)로서 카운트들을 사용하는 베이스의 예측기(Bayesian predictor)에 송신된다. 이 타입의 프로파일링 메커니즘(profiling mechanism)은 2000년 2월 4일 출원된 베이스의 TV 쇼 추천기(BAYESIAN TV SHOW RECOMMENDER)에 대한 미국 특허 출원 제 09/498,271 호에 기술되고, 본 명세서 전반에 걸쳐 참조로써 통합된다. 사용자 동작의 관측들로부터 수동적으로 프로파일들을 구축하는 시스템들의 이 동일한 종류에서 규칙-기반 추천기(rule-based recommender)는 또한, 1999년 1월 14일 공개된 지능형 전자 프로그램 가이드(INTELLIGENT ELECTRONIC PROGRAM GUIDE)에 대한 PCT 출원에 기술된다.
제 1 타입의 다른 예는 MbTV, 그들의 시청 패턴들을 모니터링함으로써 시청자의 텔레비전 시청 선호들을 학습하는 시스템이다. 이 프로파일은 서비스들, 예컨대, 시청자가 시청에 흥미를 가질 수 있는 텔레비전 프로그램들의 추천을 제공하는데 사용된다. MbTV는 그 시청자의 기호들의 각각에 관해 학습하고, 다가오는 프로그램들(upcoming programs)을 추천하도록 그가 학습한 것을 사용한다. MbTV는 원하는 다가오는 프로그램들에 대해 경고(alert)함으로써 시청자가 그 텔레비전 시청 시간을 스케줄링할 수 있게 하고, 저장 장치의 부가로 시청자가 부재중일 때, 자동적으로 이들 프로그램들을 기록할 수 있게 한다.
MbTV는 선호 결정 엔진(Preference Determination Engine)과 저장 관리 엔진(Storage Management Engine)을 갖는다. 이들은 시간-이동된 텔레비전을 용이하게 하는데 사용된다. MbTV는 원하는 프로그래밍을 간단히 제안하는 것보다는 오히려 자동적으로 기록할 수 있다. MbTV의 저장 관리 엔진은 저장 장치가 최적의 콘텐츠를 갖는 것을 보장한다. 이 프로세스는 기록된 프로그램들이 시청되었음(완전히 또는 부분적으로) 및 무시되었음을 추적하는 것을 포함한다. 시청자들은 삭제를 방지하기 위해 미래의 시청에 대해 기록된 프로그램들을 "잠금(lock)"할 수 있다. 시청자들이 프로그램 제안들 또는 기록된 콘텐트를 조종하는 방식은 미래의 결정들을 개량하는데 이 정보를 사용하는 MbTV의 선호 엔진에 부가적인 피드백을 제공한다.
MbTV는 각각의 "구성하는 관심(constituent interest)"을 나타내도록 기록 광간의 부분을 예약할 것이다. 이들 "관심들"은 서로 다른 패밀리 멤버들로 번역할 수 있고, 또는 서로 다른 기호 카테고리들을 나타낼 수 있다. MbTV가 사용자 개입을 요구하지 않더라도, 그것은 그 성능들을 미세-조정(fine-tune)하기 원하는 것들에 의해 사용자화 가능하다. 시청자들은 프로그램들의 서로 다른 타입들에 대한 "저장 예산(storage budget)"에 영향을 줄 수 있다. 예컨대, 시청자는, 아이들이 가족 중에 텔레비전의 대부분을 시청할지라도, 기록 공간의 25% 이하가 아이들의 프로그램들에 의해 소모되어야 한다.
제 2 타입의 장치는 더 활동적이다. 그것은 사용자가 특징들을 등급화함으로써 좋아하는 것들 또는 좋아하지 않는 것들을 명시하는 것을 허용한다. 이들은 특징-값 쌍들(특징 + 값에 대한 가중치; 예를 들어, 가중치 = 특징 및 값, 선호된 또는 선호되지 않은 값의 중요도) 또는 좋아하는 프로그램들과 같은 몇몇 다른 규칙-명세를 스코어링(scoring)할 수 있고, 특징-값 쌍들의 조합들은 "나는, 갱스터 영화가 나오는 목요일을 제외하고는 다큐멘터리들을 좋아한다."와 같다. 예컨대, 사용자는 사용자 인터페이스를 통해 드라마들 및 액션 영화들을 좋아하고 일정한 배우들을 싫어하는 것을 표시할 수 있다. 이때, 이들 기준들은 프로그램들의 세트 중에서 사용자에 의해 선호되는 것을 예측하는데 응용될 수 있다.
제 2 타입의 시스템의 예로서, 한 EP 출원(EP 0854645A2)은 사용자가 선호된 프로그램 카테고리, 예컨대, 시트콤, 드라마 시리즈, 옛날 영화들, 등과 같은 일반적인 선호들을 기입하게 할 수 있는 시스템을 기술한다. 이 출원은 또한, 선호 프로파일이 선택될 수 있는 선호 템플릿들(templates), 예컨대, 10세 내지 12세의 아이들을 위한 것, 10대 소녀들을 위한 것, 항공기 취미 생활자들(airplane hobbyists)을 위한 것, 등을 기술한다.
다른 타입의 시스템은 사용자가 몇 가지 양식으로 프로그램들을 랭크하게 한다. 예컨대, 현재, TIVO??은 사용자가 쇼를 3단계 위(three thumbs up)로 올리거나 또는 3단계 아래(thee thumbs down)로 내리게 한다. 이 정보는, 달성될 수 있는 특징-값 쌍들에 주어진 가중치에 더 훌륭한 등급의 해상도(finer degree of resolution)를 허용하는 것을 제외하고, 제 2 타입의 시스템과 유사하고, 이 문맥에서의 사용자 기호의 표현이 더 명시적인 것을 제외하고 제 1 타입과 유사하다(이는 제 3 타입의 시스템에서와 같이 사용자-랭킹과 조합된 미국 특허 출원 제 09/498,271 호에 논의된 베이스의 기술이 종래 기술이라는 승인이 아님을 주목한다).
PCT 출원(발명의 명칭이 텔레비전 스케줄 정보를 사용하기 위한 시스템 및 방법인 WO 97/4924)은 제 3 타입의 예이다. 그것은 사용자가 보통의 그리드 양식으로 디스플레이된 전자 프로그램 가이드를 통해 네비게이트할 수 있고, 여러 가지 프로그램들을 선택할 수 있는 시스템을 기술한다. 각각의 지점에서, 그/그녀는, 기록 또는 시청을 위해 프로그램을 선택하는 단계, 프로그램을 시청하도록 리마인더(reminder)를 스케줄링하는 단계와, 선호(favorite)로서 지정하도록 프로그램을 선택하는 단계를 포함하는 다양한 기술된 태스크들의 어떤 것을 수행할 수 있다. 선호로서 프로그램을 지정하는 것은 아마도 "이 쇼를 시청하는 선택(option)을 항상 디스플레이한다"와 같은 고정된 규칙을 구현하거나 순환하는 리마인더를 구현하는 목적을 위한 것이다. 선호들을 지정하는 목적은 본원에 명확히 기술되지 않았다. 그러나, 더 중요하게는, 선호 데이터베이스를 제작하는 목적들에 대해, 사용자가 선호로서 지정하도록 프로그램을 선택할 때, 그/그녀에게는 그것을 선호하는 이유를 표시하는 선택이 제공될 수 있다. 이유는 일반적인 선호들을 규정함으로써 다른 명시적 기준들과 동일한 약식으로 표시된다.
제 1 타입의 시스템은 사용자가 어떤 명시적 데이터를 제공할 필요가 없기 때문에 사용자에게 더 쉬운 이점을 갖는다. 사용자는 단지 시스템과 상호 작용할 필요가 있다. 어떤 다양한 기계-학습 또는 효율적인 예측 방법들을 위해, 상호 작용의 실질적인 이력은 유용한 선호 데이터베이스를 구축하는데 이용 가능할 것이다. 제 2 및 제 3 타입들은 명시적 선호 정보를 제공하는 이점을 갖는다. 제 2 타입은, 사용자가 어떤 기준이 우수한 판별기들(discriminators)인지 및 그것들에 제공하는 가중치를 결정할 수 있는 지점에 그 자신의 선호들을 요약하는 곤란한 시간(hard time)을 가질 수 있기 때문에, 완벽하지 않지만 신뢰할 수 있다. 제 3 타입은 사용자에게 부담을 지우지 않으며, 아마도 정보의 최상 품질을 제공하지만, 발생시킬 부담이 있을 수 있고, 또한, 제 2 타입에서 얻어질 수 있는 모든 정보를 포함하지 않을 수 있으며, 또한, 제 1 타입과 같은 많은 쇼들 상의 정보를 요구할 수 있다.
간단히, 전자 프로그래밍 가이드(EPG) 시스템은 선호 엔진 및 명시적 규칙 프로파일, 이력 프로파일, 및 새로운 예측들을 발생시키는 피드백 프로파일을 조합하는 프로세싱 시스템을 이용한다. 텔레비전 쇼들은 많은 특징들에 의해 색인되도록 가정된다. 이들 특징들은 시청된 쇼들(암묵적 프로파일), 및 시청자에 의해 등급된 쇼들(피드백 프로파일)에 대해 추출되고 카운트된다. 이들 프로파일들은 피드백 정보에 주어지는 적당하게 더 큰 가중치와 조합하도록 한다. 부가하여, 명시적 프로파일들은 추천들을 고립하게 할 수 있고 또는, 다른 2개의 자원들 중 하나로부터 나오는 추천들을 변경하는데 사용될 수 있다. 변경은 기존의 추천들로 덧셈 또는 곱셈 변화들의 형태 또는 몇몇 다른 적절한 수학적 형태를 취할 수 있다. 본 발명은 좀 더 나은 이해를 위해 다음의 예시적인 도면들을 참조하여 일정한 양호한 실시예들에 관하여 기술될 것이다.
도면들을 참조하여 도시된 특정한 것들이 단지 본 발명의 양호한 실시예들의 예시적인 설명의 목적으로 예로서 도시되었으며, 본 발명의 원리들 및 개념적인 면들을 가장 유용하고 쉽게 이해시키려고 제공되었음을 강조한다. 이와 관련하여, 본 발명의 기초적인 이해를 위해 필요한 것 외에 더 상세하게 본 발명의 구조적인 상세들을 도시한 어떠한 시도도 없고, 도면들과 함께 취해진 상세한 설명은 본 발명의 몇몇 형태들이 실제로 실시될 수 있는 방법을 당업자들에게 명백하게 하는 것이다.
도 1 내지 도 4를 참조하면, 본 발명은 전자 프로그램 가이드들(EPGs)의 환경에 관한 것이다. 텔레비전들의 문맥에 있어서, EPG는 프로그램 정보의 데이터베이스를 사용하여 전달될 수 있는 여러 가지 특징들에 대충 적용된다. 프로그램 정보는 타이틀들 및 이야기 식의 요약(narrative summary), 콘텐트를 카테고리화하는 여러 가지 키워드들, 등과 같은 여러 가지 기술 정보(descriptive information)를 포함할 수 있다. 한 실시예에서, 컴퓨터(240)는 프로그램 정보를 텔레비전(230)에 송신한다. 프로그램 정보는 기존의 케이블 텔레비전 채널 가이드들에 통상적으로 사용된 포맷과 유사한 타임-그리드 디스플레이(time-grid display; 170)의 형태로 사용자에게 보여질 수 있다. 타임-그리드 디스플레이(170)에 있어서, 여러 가지 프로그램들은 120, 125, 130, 135, 및 140에서 바들에 의해 표시된 바와 같이 보여진다. 각각의 바(120 - 140)의 길이는 각각의 프로그램들의 지속 기간을 표시하고, 각각의 바의 시작 및 끝 지점들은 각각의 프로그램의 시작 및 끝 시간들을 각각 표시한다. 기술 윈도우(description window; 165)는 현재 선택된 프로그램에 관한 상세한 정보를 제공한다. 현재 선택된 프로그램, 125에서의 프로그램 7은, 예컨대, 현재 선택된 프로그램 항목 주위에 착색된 보더(137)를 하이라이팅(highlighting)함으로써 표시된다. 원격 제어(210) 상의 커서 키들(215)과 같은 여러 가지 장치들은 프로그램들을 선택하는데 사용될 수 있다.
이제 또한, 도 4를 참조하면, 컴퓨터(240)는 비디오 신호를 수신 및 채널-변화 기능을 제어하며, 사용자가 텔레비전의 튜너(230)를 통하는 것보다는 컴퓨터(240)에 링크된 튜너(245)를 통해 채널들을 선택하게 하도록 갖추어질 수 있다. 이어서, 사용자는 컴퓨터를 제어하는 원격 제어(210)를 사용하여 디스플레이된 프로그램 스케줄로부터 원하는 선택을 하이라이팅함으로써 시청되는 프로그램을 선택할 수 있다. 컴퓨터(240)는 갱신된 프로그램 스케줄 데이터를 수신할 수 있는 데이터 링크(260)를 갖는다. 이는 인터넷 서비스 제공자에 접속할 수 있는 전화 라인 또는 몇 가지 다른 적합한 데이터 접속이 될 수 있다. 컴퓨터(240)는 프로그램 스케줄 정보, 프로그램 애플리케이션들 및 업그레이드들, 및 다른 정보를 저장하는 대량 저장 장치(mass storage device; 235), 예컨대, 하드디스크를 갖는다. 사용자의 선호들(preferences)에 관한 정보 및 다른 데이터는 메모리 카드 또는 디스크(220)와 같은 분리 가능한 매체(removable media)를 통해 컴퓨터(240)에 업로드될 수 있다.
많은 대용물들(substitutions)이 상술한 예의 하드웨어 환경에서 가능하며, 양쪽이 본 발명과 관련하여 사용될 수 있음을 주목한다. 대량 저장 장치는 휘발성 메모리 또는 비휘발성 메모리에 의해 대체될 수 있다. 데이터는 국부적으로 또는 원격으로 저장될 수 있다. 사실상, 전체 컴퓨터(240)는 링크를 통해 오프사이트(offsite)를 동작하는 서버와 대체될 수 있다. 제어기는, 적외선 포트(215)를 통해 컴퓨터(240)에 명령들을 송신하는 원격 제어를 사용하는 것보다는, 비디오를 운반하는 물리적 채널과 같은 것으로부터 분리할 수 있는 데이터 채널(260)을 통해 명령들을 송신한다. 비디오(270) 또는 다른 콘텐트는 케이블, RF, 또는 다른 광대역 물리적 채널(broadband physical channel)에 의해 운반되고, 대량 저장 장치 또는 분리 가능한 저장 매체로부터 얻어질 수 있다. 그것은 전화 라인과 같은 스위칭된 물리적 채널 또는 ATM 또는 동기 데이터 통신(synchronous data communication)에 적합한 다른 네트워크와 같은 가상적으로 스위칭된 채널에 의해 운반될 수 있다. 콘텐트는 비동기일 수 있으며, 현대의 IP 네트워크가 사용될 수 있도록 드롭아웃들(dropouts)을 허용한다. 또한, 프로그래밍 콘텐트가 수신되는 라인의 콘텐트는 오디오, 채팅 대화 데이터(chat conversation data), 웹사이트들, 또는 다양한 선택이 가능한 다른 종류의 콘텐트일 수 있다. 프로그램 가이드 데이터는 개별적인 데이터 링크(260)와 다른 채널들을 통해 수신될 수 있다. 예컨대, 프로그램 가이드 정보는 비디오 또는 다른 콘텐트와 동일한 물리적 채널을 통해 수신될 수 있다. 심지어, 그것은 메모리 카드 또는 디스크(220)와 같은 분리 가능한 데이터 저장 매체를 통해 제공될 수 있다. 원격 제어(210)는 키보드, 음성 명령 인터페이스, 3D-마우스, 조이스틱, 또는 어떤 다른 적합한 입력 장치에 의해 대체될 수 있다. 선택들은 부호적으로(예를 들어, 명칭 또는 숫자) 선택을 식별하는 하이라이팅 표시자를 이동시키거나, 데이터 송신 또는 분리 가능한 매체를 통해 배치 형태(batch form)로 선택들을 함으로써 이루어질 수 있다. 후자의 경우에, 하나 또는 그 이상의 선택들은 몇 가지 형태로 저장될 수 있으며, 디스플레이(170)를 전체적으로 바이패스하여 컴퓨터(240)에 송신될 수 있다. 예컨대, 배치 데이터는 휴대 가능한 저장 장치(예를 들어, 개인용 디지털 보조물, 메모리 카드, 또는 스마트 카드)로부터 올 수 있다. 그런 장치는 사용될 컴퓨터 장비를 사용자화(customize)하도록 많은 환경들에서 사용을 위해 저장된 많은 선호들을 갖는다.
이제, 도 5를 참조하면, 제 3 타입의 시스템에 있어서, 등급(degree)에 대해 사용자는 좋아하거나 좋아하지 않음과 같이 선택적으로 선택을 랭크하도록 피드백을 제공한다. 예컨대, 티보 시스템(Tivo?? system)은 1, 2 및 3, 또는 중립인 4를 갖는 1 내지 7로부터의 스코어를 사용한다. 사용자 인터페이스(UI; 300)는 리스트 프로그램들에 사용되고, 피드백 정보를 수용한다. 대안적으로, UI(300)는, 프로그램이 종료하거나 사용자가 프로그램으로부터 떨어져 스위칭될 때 프로그램 상에 피드백을 제공하도록 사용자에게 요청하는 간단한 프롬프트(simple prompt)일 수 있다. 양호하게, 프롬프트-타입은, 원하면 몇 가지 또는 모든 상황에서 사용자가 프롬프팅을 무효로 하게 하는 선호 세트(preference set)에 종속할 것이다.
피드백 UI(300)의 각각의 인스턴스(instance)에 의해 발생된 정보는 선택과 연관된 스코어를 갖는 하나 또는 그 이상의 선택들(그것이 텔레비전 데이터베이스이면, 쇼들)(440)이다. 이는 다수의 그러한 엔트리들을 포함할 수 있는 피드백 이력 파일(305)을 채우는데 사용된다. 이어서, 피드백 데이터(445)는 프로파일러(350)에 적용될 수 있다. 대안적으로, 데이터는 먼저 프로파일러(350)에서 그것을 감소시키고, 이어서, 피드백 프로파일 데이터베이스(325)에 저장시킴으로써 감소된 형태로 저장될 수 있다. 감소는, 2000년 2월 4일 출원된 베이스의 TV 쇼 추천기(BAYESIAN TV SHOW RECOMMENDER)에 대한 미국특허출원 제 09/498,271 호에 개시된 바와 같은 랭킹(ranking)을 각각 갖는 특징-값 쌍들(450)의 세트일 수 있다. 주어진 선택은 대응하는 스코어들을 갖는 숫자(M) 특징 값 쌍들(450)을 발생시킬 수 있다. 양호하게, 사용자는, 포지티브 및 네거티브 피드백이 모두 얻어지도록 선호 및 선호하지 않는 프로그램들 양쪽을 평가한다. 유일한 포지티브 피드백이 얻어지면, 피드백이 시청을 위해 선택된 프로그램들에 대해서만 제공되기 때문에, 네거티브 요인들(negative factors)은 데이터베이스를 차지할 수 없다. 이때, 이것은 선택이 이루어짐과 동시에 이용할 수 있는 쇼들의 서브세트를 선택함으로써 시스템이 네거티브 선택들의 세트를 발생시키게 함으로써 개선될 수 있다. 양호하게는, 상술된 바와 같이, 사용자는 포지티브 및 네거티브 피드백의 밸런스를 제공하고, 네거티브 선택들의 자동 샘플링은 요구되지 않는다. 각각의 특징-값 카운트들은 감소될 것이다. 많은 선택들 상에 저장된 이 데이터는 피드백 프로파일(325) 데이터 베이스에 저장될 수 있다. 이어서, N개의 레코드들(455)의 전체 보디는, 추천기(400)가 쇼 데이터베이스(320)로부터 유도된 후보들의 리스트에 기초하여 추천들을 만들 때 이용 가능하다. 이 프로세서의 최종 결과는 쇼 데이터베이스(320)로부터 이용 가능한 선택들의 필터링되거나 저장된 리스트(460)이다. 추천기는 베이스의 필터(Bayesian filter) 또는 어떤 다른 예측기일 수 있다.
도 6을 참조하면, 도 5에서와 매우 유사한 처리는 특징-값 쌍 프로파일 데이터베이스를 발생시키는데 사용될 수 있다. 이 예측기는 배경기술 섹션에 기술된 제 1 타입이다. 여기서, 프로그램 선택의 사용자의 선택(user's selection of a program choice)은 프로그램 선택에 대한 포지티브 스코어를 표시하도록 추론된다. 사용자에 의한 주어진 선택의 결과는 수반하는 스코어(attending score)를 선택적으로 갖는 특정 프로그램(465)이다. 이 결과는 또한, 사용자가 응답한 방식으로부터 추론될 수 있는 스코어를 포함한다. 사용자가 완료할 때까지 프로그램을 시청하였다면, 스코어는 높을 수 있으며, 단지 짧은 시간 동안 보았다면, 스코어는 네거티브일 수 있다. 프로그램이 이들 2가지 사이의 기간 동안 시청되었다면, 스코어는 중간 크기(middle magnitude)일 수 있다. 대안적으로, 시청된 프로그램은 포지티브 스코어를 수신하고, 시청 안된 프로그램들(선택적으로, 동시에)의 랜덤 샘플은 네거티브 스코어를 수신할 수 있다.
시청 이력 데이터베이스(310)는 쇼들 및 스코어들을 저장한다. 레코드들은 수반하는 스코어들(475)을 갖는 특징-값 쌍들을 발생시키는 프로파일러(355)에 공급되며, 이는 암묵적 프로파일 데이터베이스(330)에 저장될 수 있다. 이어서, 암묵적 프로파일 데이터베이스(330)의 콘텐츠(480)는 추천들(485)을 발생시키도록 현재 쇼들(320)로부터의 데이터와 그것들을 조합하는 추천기(420)에 이용 가능하다.
도 5 및 도 6의 실시예들에서는, 베이스의 추천기(Bayesian recommender)를 가정하였다. 또한, 중간 데이터 스트림들의 변경을 요구하는 다른 타입들의 예측 기술들을 사용하는 것은 가능하다. 예컨대, 결정-트리 기술은 특징-값 쌍들을 발생시키지 않지만, 오히려 트리의 루트(root)를 만드는 최고의 판별기(discriminator)인 특징에 대한 스코어들 및 선택들의 전집(corpus)을 탐색하며, 이어서, 트리의 가지들(branches), 등을 규정하는 페널티메이트 판별기들(penultimate discriminators)을 탐색한다. 모델의 신경망 타입은 또한, 다른 예이며, 그 입력 벡터 세트는 간단히 쇼-스코어 데이터 및 그 상호 접속들 상의 가중치들인 저장된 데이터일 수 있다.
도 7을 참조하면, 명시적 프로파일(315)은 선호들을 표시하도록 UI(317)와사용자가 상호 작용함으로써 형성된다. 예로서, 결과는 연관된 스코어들(490)과 특징-값 쌍들의 명시적 표시(indication)일 수 있다. 이 경우에, 이들 특징-값 쌍들은 사용자에 의해 또한 가중치가 주어질 수 있다. 따라서, 사용자에게는 특정한 특징 및/또는 특징-값 쌍이 그/그녀의 의사 결정(decision-making)에 얼마나 중요한지를 표시하도록 요구될 수 있다. 결과적인 규칙들은, 이때 베이스의 추천기 또는 어떤 다른 적합한 타입과 같은 추천기(510)에 의해 사용될 수 있는 명시적 프로파일 데이터베이스(315)에 저장될 수 있다. 선택적으로, 규칙들(490)은 협조적인 필터링 기술들을 사용하여 외부 데이터(425)와의 조합(415)에 의해 증가/변경될 수 있다. 결과는 다시, 이전의 실시예들에서와 같이, 쇼 추천들(515)의 리스트이다.
도 5 및 도 6에 도시된 추천 프로세스들의 2가지 타입들은, 입력 벡터들(추천기에 대한)이 동일하다면, 중간 단계에서 결합될 수 있다. 예컨대, 프로세스들 양쪽이 베이스의 필터링을 사용할 것이면, 입력 벡터들은 수반하는 스코어들을 갖는 특징-값 쌍들일 것이다. 이들은 산술 또는 가중된 합(arithmetic or weighted sum)에 조합될 수 있으며, 이어서 단일 추천기에 직접 적용될 수 있다.
이제, 도 8을 참조하면, 피드백 프로파일(325) 및 암묵적 프로파일(330)의 각각으로부터의 특징 값 쌍들은 특징-값 쌍/스코어 벡터들의 2개 세트들을 가중 및 합하는 프로세스(370)에 적용된다. 양호하게는, 피드백 프로파일 데이터는 암묵적 프로파일 데이터보다 더 가중되어 제공된다. 이어서, 조합된 추천기(265)는 추천들(335)을 만들 수 있다. 이들은 쇼들을 선택하는데 직접 사용될 수 있다.
도 8에 또한 도시된 부가적인 실시예에 있어서, 조합된 피드백 및 암묵적 프로파일들로부터의 추천들은 명시적 프로파일에 기초하여 추천들과 조합된다. 명시적 프로파일 추천들(342)은 도 7의 실시예에서 이용된 양식으로 발생되고, 추천들(340)을 생성하도록 합병/무시(merge/override)하는데 적용된다. 암묵적 및 명시적 프로파일의 이전에 기술된 조합은 또한, 합병/무시 프로세스(375)에 적용된다. 합병/무시 프로세스(375)는 다음과 같이 추천들의 2개 세트들을 조합한다.
추천들의 각각의 세트는 대응하는 신용 레벨들(confidence levels)을 갖는 선택들의 리스트와 같이 표현될 수 있다. 예컨대, 높은 신용 레벨은, 추천기가 선택이 사용자에 의해 선호될 것이라는 강한 표시를 발생시켰음을 표시한다. 2개의 세트들의 조합은, 더 큰 가중치를 수신하는 명시적 추천들을 갖는 가중된 평균일 수 있다. 따라서, 신용이 명시적 프로파일의 프로세스에서 90%이었고, 조합된 암묵적 및 피드백 프로파일들의 프로세스에서 75%이었던 쇼는 85%의 값을 생성하도록 가중치-평균화될 수 있다. 양호하게는, 합병/무시 프로세스(375)는, 2개가 전혀 다른 종류라면, 가중된 평균을 무시한다. 그런 경우에, 명시적 프로파일은 선호될 수 있고(즉, 조합된 암묵적 및 피드백 프로파일 추천들을 지운다), 또는, 가중치는 발산 증가들(divergence increases)과 같은 명시적인 훨씬 더 큰 강조를 생성하도록 차(difference)에 대응한다.
또한, 도 8을 참조하면, 다른 실시예에 있어서, 피드백 UI(300)는 그 디스플레이 상에 명시적 프로파일 추천들을 디스플레이할 수 있다. 예컨대, 사용자가 쇼 시청을 막 끝내고, 등급화(rating)를 위해 프롬프팅되면, 그 쇼의 명시적 프로파일들의 등급은 나란히 또는 사용자가 쇼를 등급화한 후에 도시될 수 있다. 디스패리티(disparity)가 있다면, 사용자는 그 결과를 발생시켰던 규칙들을 보고, 선택적으로 정정들을 할 수 있도록 요청할 수 있다. 대안적으로, 시스템은, 2개의 등급들 사이의 문턱값 디스패리티가 있을 때, 결과를 발생시켰던 규칙들을 자동적으로 노출할 수 있다. 따라서, 명시적 프로파일 UI(315)에 대한 조건부 링크는 사용자가 피드백 UI(300)에 있을 때 발생될 수 있다.
도 9를 참조하면, 도 8의 그것과 유사한 프로파일들을 조합하기 위한 메커니즘에 있어서, 프로파일러들에 대한 입력들은 본질적으로 동일한 타입이 되도록 모두 가정된다. 예컨대, 모두 스코어들을 갖는 특징 벡터들일 수 있거나, 모두 등급화된 선택들일 수 있다. 예컨대, 입력들이 대응하는 등급을 갖는 특징-값 쌍들이라고 가정한다. 이어서, 각각은 조합된 가중치 및 합 프로세서(combined weight and sum processor; 371)에 조합될 수 있다. 이어서, 조합된 프로파일 데이터는 조합된 추천기(365)에 공급될 수 있다.
가중치 및 합 프로세스는 벡터 세트들을 조합하는 여러 가지 방식들을 제공할 수 있다. 하나는, 명시적 프로파일 벡터들과 암묵적 또는 피드백 프로파일 벡터들 사이의 헤드-투-헤드 충돌(head-to-head collision)이 있다면, 그것은 다른 것을 지울 수 있고, 또는, 사용자는 선택적으로 불일치를 해결하도록 시도하기 위해 프롬프팅될 수 있다. 가중치 및 합 프로세스(371)의 출력이 주기적으로 수행될 수 있고, 결과들은 추천들을 위해 사용될 때까지 저장될 수 있음을 주목한다.
또한, 도 9를 참조하면, 도 8 및 도 9의 프로세스들의 여러 가지 위치들에서 협조적인 필터링 기술들을 사용하는 것은 가능하다. 모든 3개의 형태들, 명시적,암묵적, 및 피드백의 외부 사용자 선호 데이터는 공지된 기술들을 사용하여 많은 사용자들의 데이터로부터 동기화된 유사한 데이터와 함께 조합될 수 있다. 도 9의 예에 있어서, 외부 데이터를 갖는 명시적 프로파일 데이터의 조합은 도시되었지만, 이는 사용자 선호 데이터의 모든 3가지 종류들 또는 어떤 다른 것으로 이루어질 수 있다.
명시적 추천기를 위한 입력 벡터들이 다른 2개의 타입들 중 하나와 동일한 형태가 아닌 데이터를 조합하는 다른 가능한 방식은 명시적 추천기를 사용하여 쇼 등급들을 발생시키는 것이다. 이어서, 쇼 등급들은 결정 트리, 신경망, 또는 다른 예측기에 공급될 수 있고, 단일 추천기에 입력 벡터들의 한 보디로 조합될 수 있다. 대안적으로, 예컨대, 베이스의 추천기가 사용되었다면, 명시적 프로파일 추천들은 암묵적 및 피드백 프로파일들의 그것들과 조합될 수 있는 특징-값 등급 벡터들을 산출하도록 프로파일러에 의해 적절하게 감소될 수 있다.
도 10을 참조하면, 다른 실시예에 있어서, 프로파일의 각각의 타입(325, 330, 및 315)은 대응하는 추천기(600, 610, 및 620)에 공급된다. 이 실시예에 있어서, 추천기들의 모든 3가지 타입들이 입력들의 서로 다른 타입들을 갖는다고 가정되었다. 도 8의 실시예에 관하여 논의된 바와 같이, 서로 다른 추천들은 최종 추천들을 만들도록 단일 합병 무시 프로세스(630)에 의해 또한 조합될 수 있다.
다른 종류의 프로파일 데이터를 조합하는 동일한 기술들이 텔레비전 EPG들과 다른 문맥들(contexts)에 응용될 수 있음은 상기 기술로부터 명백해진다. 예컨대, 동일 기술들은 라디오 방송들과 같이 텔레비전과 다른 웹-서핑(web-surfing) 또는매체 형태들을 위한 기호들(favorites)을 발생시키는데 응용될 수 있다. 도서관 브라우징(library browsing)은 다른 예이다. 누군가는, 정확하게 동일한 기술들이 선택들의 범위를 제한하도록 이용될 수 있는 온라인 도서관 또는 저널 기사(journal article)를 상상할 수 있다. 상기 시스템은 한 쌍의 예들을 명명하도록 새로운 기사들 또는 판매품들(sell products)을 제공하는 웹사이트들의 사용자 인터페이스들을 사용자화하는데 사용될 수 있다.
본 발명이 상술한 예시적인 실시예들의 상세들에 제한되지 않고, 본 발명이 그 본질적인 속성 또는 사상으로부터 벗어나지 않고 다른 특정 형태들로 구현될 수 있음은 당업자들에게는 자명할 것이다. 그러므로, 본 실시예들은 예시적이고, 제한적이지 않은 모든 점에서 고려되고, 본 발명의 범위는 상기 설명에 의해서보다는 첨부된 청구의 범위에 의해 표시되며, 그러므로, 청구의 범위와 동등한 의미 및 범위 내에 있는 모든 변형들은 그 안에 포함된다.

Claims (23)

  1. 이용 가능한 자원들을 규정하는 자원 데이터와 각각이 상기 자원들에 대한 사용자 선호들(user preferences)을 규정하는 적어도 두 세트들의 프로파일 데이터를 수신하도록 접속된 프로세서(240)를 포함하는 자동화된 추천 시스템(automated recommendation system)에 있어서,
    상기 프로파일 데이터의 세트들 각각은 상기 자원 데이터의 제 1 부분과 상기 사용자의 서로 다른 종류의 상호 작용으로부터 유도되고, 상기 세트들 상기 각각에 기초하여 주어진 자원의 호감도(desirability)를 예측하도록 사용 가능하고;
    상기 프로세서는 프로파일 데이터의 단일의 조합된 세트를 발생시키도록 상기 세트들 각각으로부터 대응하는 레코드들의 가중된 합을 발생시키는, 자동화된 추천 시스템.
  2. 제 1 항에 있어서,
    상기 프로세서는 상기 단일의 조합된 세트로부터 예측들을 또한 발생시키는, 자동화된 추천 시스템.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 프로세서는 상기 자원 데이터 및 상기 예측들에 응답하여 대응하는 자원들(260, 270)의 전달을 제어하도록 접속되는, 자동화된 추천 시스템.
  4. 제 1 항에 있어서,
    상기 적어도 2개의 프로파일 데이터 세트들은 상기 자원 데이터에서의 특정한 자원에 대하여 사용자에 의해 제공된 등급들(ratings)로부터 유도된 피드백 데이터 세트를 포함하는, 자동화된 추천 시스템.
  5. 제 1 항에 있어서,
    상기 적어도 2개의 프로파일 데이터 세트들은 사용자의 자원 사용 이력의 기계-관측(machine-observation)으로부터 유도된 암묵적 데이터 세트를 포함하고, 그에 의해 상기 암묵적 데이터는 사용할 자원들의 상기 사용자 선택들을 반영하는, 자동화된 추천 시스템.
  6. 제 1 항에 있어서,
    상기 입력 세트들은 특징-값 쌍들을 각각 포함하는, 자동화된 추천 시스템.
  7. 제 1 항에 있어서,
    상기 입력 세트들은 특징-값 쌍들과 등급값을 포함하는, 자동화된 추천 시스템.
  8. 제 1 항에 있어서,
    상기 프로파일 데이터의 세트들은 사용자에 의한 선호되는 특정한 자원들의 표시들보다 오히려 상기 사용자에 의한 프로그램의 선호된 종류들의 사용자에 의한 명확한 표시들을 표시하는 명시적 프로파일 데이터의 세트를 포함하고;
    상기 프로파일 데이터의 세트들은 상기 자원 데이터에서의 특정한 자원에 대하여 상기 사용자에 의해 제공된 등급들로부터 유도된 피드백 데이터 세트를 더 포함하고;
    상기 프로파일 데이터의 세트들은 사용자의 자원 사용 이력의 기계-관측으로부터 유도된 암묵적 데이터 세트를 더 포함하고, 그에 의해 상기 암묵적 데이터는 상기 사용자의 선택을 반영하고;
    상기 프로세서는 상기 프로파일 데이터의 세트들 중 하나 또는 조합에 기초하여 예측들의 적어도 2개의 세트들을 발생시키고, 상기 예측들의 각각의 신용 레벨(confidence level)을 포함하고;
    상기 프로세서는 상기 적어도 2개의 세트들 중 각각으로부터 대응하는 것들을 가중치-평균화함으로써 상기 예측들을 또한 조합하는, 자동화된 추천 시스템.
  9. 제 8 항에 있어서,
    상기 프로세서는 상기 대응하는 것들 사이의 차에 응답하여 상기 가중 평균의 가중치들을 또한 조정하는, 자동화된 추천 시스템.
  10. 제 8 항에 있어서,
    상기 프로세서는 상기 대응하는 것들 사이의 차에 응답하여 상기 가중 평균을 선택적으로 또한 무시하는, 자동화된 추천 시스템.
  11. 자원들을 추천하는 방법에 있어서,
    상기 자원들에 대한 사용자의 표현된 선호들에 기초하여 적어도 두 세트들의 프로파일 데이터를 발생시키는 단계로서, 각각이 상기 세트들 중 상기 각각에 기초하여 주어진 자원의 호감도(desirability)를 예측하는데 사용 가능한, 상기 발생 단계와;
    프로파일 데이터의 단일의 조합된 세트를 발생시키도록 상기 세트들 중 각각으로부터 대응하는 레코드들의 가중된 합을 발생시키는 단계를 포함하는 자원들의 추천 방법.
  12. 제 11 항에 있어서,
    상기 단일의 조합된 세트로부터 예측들을 발생시키는 단계를 더 포함하는 자원들의 추천 방법.
  13. 제 11 항 또는 제 12 항에 있어서,
    상기 예측들에 응답하여 상기 자원 데이터에 대응하는 자원들의 전달을 제어하는 단계를 더 포함하는 자원들의 추천 방법.
  14. 제 11 항에 있어서,
    상기 프로파일 데이터의 세트들은 사용자에 의한 선호되는 특정한 자원들의 표시들보다 오히려 상기 사용자에 의한 프로그램의 선호된 종류들의 명확한 표현들을 표시하는 명시적 프로파일 데이터의 세트를 포함하고;
    상기 프로파일 데이터의 세트들은 상기 자원 데이터에서의 특정한 자원에 대하여 상기 사용자에 의해 제공된 등급들로부터 유도된 피드백 데이터 세트를 더 포함하고;
    상기 프로파일 데이터의 세트들은 사용자의 자원 사용 이력의 기계-관측으로부터 유도된 암묵적 데이터 세트를 포함하고, 그에 의해 상기 암묵적 데이터는 상기 사용자의 선택을 반영하는, 자원들의 추천 방법.
  15. 자원들을 자동적으로 추천하는 방법에 있어서,
    이용 가능한 자원들과 각각이 상기 자원들에 대한 사용자 선호들을 규정하는 프로파일 데이터의 세트들을 수신하는 단계로서,
    상기 프로파일 데이터의 세트들은 사용자에 의한 선호되는 특정한 자원들의 표시들보다 오히려 상기 사용자에 의한 프로그램의 선호된 종류들의 명확한 표시들을 표시하는 명시적 프로파일 데이터의 세트를 포함하고;
    상기 프로파일 데이터의 세트들은 상기 자원 데이터에서의 특정한 자원에 대하여 상기 사용자에 의해 제공된 등급들로부터 유도된 피드백 데이터 세트를 더 포함하며;
    상기 프로파일 데이터의 세트들은 사용자의 자원 사용 이력의 기계-관측으로부터 유도된 암묵적 데이터 세트를 더 포함하고, 그에 의해 상기 암묵적 데이터는 상기 사용자의 선택을 반영하는, 상기 수신 단계;
    상기 프로파일 데이터의 세트들의 하나 또는 조합에 기초하여 예측들의 적어도 2개의 세트들을 발생시키는 단계로서, 상기 예측들의 각각은 신용 레벨을 포함하는, 상기 발생 단계와;
    조합된 세트를 생성하도록 적어도 2개의 세트들의 각각으로부터 대응하는 것들을 가중 평균함으로써 상기 예측들을 조합하는 단계를 포함하는 자원들의 자동적인 추천 방법.
  16. 제 15 항에 있어서,
    상기 조합 단계는 상기 대응하는 것들 사이의 차에 응답하여 상기 가중 평균의 가중치들을 조정하는 단계를 포함하는, 자원들의 자동적인 추천 방법.
  17. 제 15 항에 있어서,
    상기 조합 단계는 상기 예측들의 세트들 중 하나의 예측이 상기 조합된 세트에 포함되고, 상기 예측들의 세트들 중 다른 하나의 예측이 배제되도록 상기 대응하는 것들 사이의 차에 응답하여 상기 가중 평균을 선택적으로 무시하는 단계를 포함하는, 자원들의 자동적인 추천 방법.
  18. 프로파일 데이터를 조합하는 방법에 있어서,
    자원들의 종류들에 대응하는 표현되고 일반화된 선호들의 형태로 사용자 선호들을 사용자 인터페이스를 통해 수신함으로써 제 1 프로파일 데이터를 발생시키는 단계;
    특정 자원들에 대응하는 등급 데이터의 형태로 사용자 선호들을 수신함으로써 제 2 프로파일 데이터를 발생시키는 단계를 포함하고,
    상기 제 1 및 제 2 프로파일 데이터를 각각의 예측 엔진들에 적용하고, 그 각각의 결과들을 조합하는 단계와;
    상기 제 1 및 제 2 프로파일 데이터를 하나의 예측 엔진에 직접 조합하는 단계 중 하나에 의해 예측들을 생성하도록 상기 제 1 및 제 2 프로파일 데이터를 조합하는 단계를 포함하는 프로파일 데이터 조합 방법.
  19. 제 18 항에 있어서,
    상기 직접 조합 단계는 상기 프로파일 데이터 중 대응하는 것들을 가중 평균하는 단계를 포함하는, 프로파일 데이터 조합 방법.
  20. 제 18 항에 있어서,
    상기 각각의 결과들의 조합 단계는 상기 예측들 중 대응하는 것들을 선택적으로 가중 평균하는 단계를 포함하는, 프로파일 데이터 조합 방법.
  21. 자원-선택 추천들을 하기 위한 선호 프로파일을 변경하는 방법에 있어서,
    사용자의 표현된 선호들에 기초하여 프로파일을 형성하는 단계;
    이용 가능한 자원들의 데이터베이스로부터 적어도 하나의 자원을 제공하는 단계;
    상기 프로파일 및 상기 적어도 하나의 자원에 응답하여 적어도 하나의 적합 예측(suitability prediction)을 발생시키는 단계와;
    상기 발생 단계에 응답하여 상기 프로파일을 변경하도록 상기 사용자로부터 데이터를 선택적으로 수용하는 단계를 포함하는, 선호 프로파일의 변경 방법.
  22. 제 21 항에 있어서,
    상기 프로파일은 상기 사용자의 선호들을 표시하는 명시적으로-열거된 규칙들의 데이터베이스인, 선호 프로파일의 변경 방법.
  23. 제 21 항에 있어서,
    상기 선택적 수용 단계는 상기 적합 예측이 기초하는 상기 프로파일로부터 데이터를 디스플레이하는 단계를 포함하는, 선호 프로파일의 변경 방법.
KR1020027003916A 2000-07-27 2001-07-09 미디어 콘텐트를 자동적으로 추천하는 시스템 및 방법, 프로파일 데이터를 조합하는 방법, 그리고 프로파일을 변경하는 방법 KR100943444B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/627,139 US7937725B1 (en) 2000-07-27 2000-07-27 Three-way media recommendation method and system
US09/627,139 2000-07-27

Publications (2)

Publication Number Publication Date
KR20020033202A true KR20020033202A (ko) 2002-05-04
KR100943444B1 KR100943444B1 (ko) 2010-02-19

Family

ID=24513345

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020027003916A KR100943444B1 (ko) 2000-07-27 2001-07-09 미디어 콘텐트를 자동적으로 추천하는 시스템 및 방법, 프로파일 데이터를 조합하는 방법, 그리고 프로파일을 변경하는 방법

Country Status (8)

Country Link
US (1) US7937725B1 (ko)
EP (1) EP1316214B1 (ko)
JP (1) JP4991082B2 (ko)
KR (1) KR100943444B1 (ko)
AT (1) ATE491305T1 (ko)
DE (1) DE60143612D1 (ko)
ES (1) ES2357194T3 (ko)
WO (1) WO2002011445A2 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100707299B1 (ko) * 2003-11-21 2007-04-13 캐논 가부시끼가이샤 컨텐츠 추출방법 및 컨텐츠 추출장치 및 컨텐츠정보표시방법 및 표시장치
KR100907744B1 (ko) * 2006-11-13 2009-07-14 에스케이커뮤니케이션즈 주식회사 협업 필터링 시스템 및 그 방법
KR101019976B1 (ko) * 2002-12-12 2011-03-09 소니 주식회사 정보 처리 장치 및 정보 처리 방법, 정보 처리 시스템, 기록 매체
WO2011126885A3 (en) * 2010-03-30 2011-12-22 Microsoft Corporation Summary presentation of media consumption
KR101157453B1 (ko) * 2007-11-06 2012-06-22 숭실대학교산학협력단 내용 기반 추천 기법을 이용한 개인화 서비스 시스템 개발 장치 및 방법
US8789109B2 (en) 2011-10-17 2014-07-22 Electronics And Telecommunications Research Institute System for recommending favorite channel/program based on TV watching pattern and method thereof
KR20160024194A (ko) * 2014-08-25 2016-03-04 삼성전자주식회사 개인화 서비스 제공 방법 및 장치
KR20170073589A (ko) * 2014-08-15 2017-06-28 시드니 니콜 엡스타인 현재의 관심에 대해 사용자에게 시각적으로 안내하는 시스템 및 컴퓨터 방법
KR102096419B1 (ko) 2019-09-24 2020-04-03 주식회사 옵티마이즈 위치정보와 빅데이터 분석에 기반한 여행 동행 및 상품 제공 시스템 및 방법

Families Citing this family (77)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7937725B1 (en) 2000-07-27 2011-05-03 Koninklijke Philips Electronics N.V. Three-way media recommendation method and system
US20030126606A1 (en) * 2001-12-27 2003-07-03 Koninklijke Philips Esectronics N.V. Hierarchical decision fusion of recommender scores
FR2836321B1 (fr) * 2002-02-18 2006-02-24 Cit Alcatel Recepteur selectif d'elements d'information
GB2387676A (en) * 2002-04-15 2003-10-22 Agena Ltd A method of recommending television programmes
US7640563B2 (en) 2002-04-16 2009-12-29 Microsoft Corporation Describing media content in terms of degrees
US7073193B2 (en) 2002-04-16 2006-07-04 Microsoft Corporation Media content descriptions
US7617511B2 (en) 2002-05-31 2009-11-10 Microsoft Corporation Entering programming preferences while browsing an electronic programming guide
US7836466B2 (en) 2002-06-06 2010-11-16 Microsoft Corporation Methods and systems for generating electronic program guides
US20030229896A1 (en) * 2002-06-10 2003-12-11 Koninklijke Philips Electronics N.V. Decision fusion of recommender scores through fuzzy aggregation connectives
US20030237095A1 (en) * 2002-06-25 2003-12-25 Koninklijke Philips Electronics N.V. Trend analysis of chunked view history/profiles view voting
US20040002995A1 (en) * 2002-06-28 2004-01-01 Koninklijke Philips Electronics N.V. Context and time sensitive profile builder
JP3714310B2 (ja) 2002-08-07 2005-11-09 ソニー株式会社 コンテンツの自動記録装置及び方法、記録媒体、並びにプログラム
CN1635498A (zh) * 2003-12-29 2005-07-06 皇家飞利浦电子股份有限公司 一种内容推荐方法及系统
WO2005101817A1 (ja) * 2004-04-15 2005-10-27 Mitsubishi Denki Kabushiki Kaisha 推奨番組抽出装置、推奨番組抽出方法、この方法を実行させるプログラム、及びこのプログラムを記録した記録媒体
JP2008519523A (ja) * 2004-11-04 2008-06-05 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ テレビ番組をユーザに提案する方法及び装置
KR101194706B1 (ko) * 2004-11-04 2012-10-29 코닌클리케 필립스 일렉트로닉스 엔.브이. Ｔｖ 추천기들을 위한 주연 배우 정보의 통합
TW200704183A (en) 2005-01-27 2007-01-16 Matrix Tv Dynamic mosaic extended electronic programming guide for television program selection and display
JP2006339794A (ja) * 2005-05-31 2006-12-14 Sony Corp 情報処理装置、情報処理方法、およびプログラム
EP1732013A1 (en) * 2005-06-06 2006-12-13 Deutsche Thomson-Brandt Gmbh Method and device for searching a data unit in a database
US8875196B2 (en) * 2005-08-13 2014-10-28 Webtuner Corp. System for network and local content access
US8181201B2 (en) 2005-08-30 2012-05-15 Nds Limited Enhanced electronic program guides
US8381130B2 (en) * 2006-11-29 2013-02-19 Yahoo! Inc. Method and user interface tool for navigation through grid of scheduled items
JP2008187575A (ja) * 2007-01-31 2008-08-14 Sony Corp 情報処理装置および方法、並びにプログラム
US8099315B2 (en) * 2007-06-05 2012-01-17 At&T Intellectual Property I, L.P. Interest profiles for audio and/or video streams
DE102007056620A1 (de) * 2007-07-24 2009-01-29 Alexander Brandt Verfahren zur Situationsadaptiven Dokumentation strukturierter Daten
US8275764B2 (en) 2007-08-24 2012-09-25 Google Inc. Recommending media programs based on media program popularity
US20100057924A1 (en) * 2008-09-02 2010-03-04 Qualcomm Incorporated Access point for improved content delivery system
US9178632B2 (en) * 2008-09-02 2015-11-03 Qualcomm Incorporated Methods and apparatus for an enhanced media content rating system
US11291503B2 (en) 2008-10-21 2022-04-05 Microcube, Llc Microwave treatment devices and methods
EP2202657A1 (en) * 2008-12-23 2010-06-30 Axel Springer Digital TV Guide GmbH Adaptive implicit learning for recommender systems
EP2382780A1 (en) * 2009-01-01 2011-11-02 Orca Interactive Ltd. Adaptive blending of recommendation engines
US11076189B2 (en) * 2009-03-30 2021-07-27 Time Warner Cable Enterprises Llc Personal media channel apparatus and methods
US9215423B2 (en) 2009-03-30 2015-12-15 Time Warner Cable Enterprises Llc Recommendation engine apparatus and methods
JP5709359B2 (ja) * 2009-04-07 2015-04-30 ソニー株式会社 通信装置、通信方法、及び通信システム
JP2011142468A (ja) * 2010-01-06 2011-07-21 Sony Corp 情報処理装置、情報処理方法およびプログラム
US20110264530A1 (en) 2010-04-23 2011-10-27 Bryan Santangelo Apparatus and methods for dynamic secondary content and data insertion and delivery
CN102279856B (zh) 2010-06-09 2013-10-02 阿里巴巴集团控股有限公司 一种网站导航实现方法及系统
CN102279851B (zh) * 2010-06-12 2017-05-03 阿里巴巴集团控股有限公司 一种智能导航方法、装置和系统
EP2397952A1 (en) 2010-06-15 2011-12-21 Axel Springer Digital TV Guide GmbH Profile based content retrieval for recommender systems
US9699503B2 (en) * 2010-09-07 2017-07-04 Opentv, Inc. Smart playlist
US10210160B2 (en) 2010-09-07 2019-02-19 Opentv, Inc. Collecting data from different sources
CA2815273A1 (en) 2010-10-21 2012-04-26 Holybrain Bvba Method and apparatus for neuropsychological modeling of human experience and purchasing behavior
US8826313B2 (en) * 2011-03-04 2014-09-02 CSC Holdings, LLC Predictive content placement on a managed services systems
US9420320B2 (en) 2011-04-01 2016-08-16 The Nielsen Company (Us), Llc Methods, apparatus and articles of manufacture to estimate local market audiences of media content
US9141982B2 (en) 2011-04-27 2015-09-22 Right Brain Interface Nv Method and apparatus for collaborative upload of content
KR20140033412A (ko) 2011-05-17 2014-03-18 웹튜너 코포레이션 스케일링가능 고정밀 센서 및 id 기초 청중 측정 시스템용 시스템 및 방법
CN103649906A (zh) 2011-05-24 2014-03-19 韦伯图纳公司 提高观众测量系统中的分析报告产生的效率和速度的系统和方法
AU2012258513A1 (en) 2011-05-26 2013-12-12 WebTuner, Corporation Highly scalable audience measurement system with client event pre-processing
US8433815B2 (en) 2011-09-28 2013-04-30 Right Brain Interface Nv Method and apparatus for collaborative upload of content
CN103218719B (zh) 2012-01-19 2016-12-07 阿里巴巴集团控股有限公司 一种电子商务网站导航方法及系统
US9230212B2 (en) * 2012-02-02 2016-01-05 Peel Technologies, Inc. Content based recommendation system
US9426123B2 (en) 2012-02-23 2016-08-23 Time Warner Cable Enterprises Llc Apparatus and methods for content distribution to packet-enabled devices via a network bridge
US8978079B2 (en) 2012-03-23 2015-03-10 Time Warner Cable Enterprises Llc Apparatus and methods for managing delivery of content in a network with limited bandwidth using pre-caching
CA2791935A1 (en) * 2012-03-30 2013-09-30 Disternet Technology, Inc. Transcoding system and method
US9467723B2 (en) 2012-04-04 2016-10-11 Time Warner Cable Enterprises Llc Apparatus and methods for automated highlight reel creation in a content delivery network
EP2682910A1 (en) * 2012-07-06 2014-01-08 Axel Springer Digital TV Guide GmbH Device and method for automatic filter adjustment
US20140082645A1 (en) 2012-09-14 2014-03-20 Peter Stern Apparatus and methods for providing enhanced or interactive features
US9805378B1 (en) 2012-09-28 2017-10-31 Google Inc. Use of user consumption time to rank media suggestions
US11259087B2 (en) * 2012-10-03 2022-02-22 Mimik Technology Inc. System and method for managing streaming services
US8799957B2 (en) 2012-11-08 2014-08-05 Motorola Mobility Llc Electronic program guide with display of alternative-source multimedia program options and estimated availability parameters
KR101500874B1 (ko) * 2013-11-22 2015-03-10 포항공과대학교 산학협력단 상황 인지 컨텐츠 추천 시점 결정 방법 및 장치
IN2014MU00140A (ko) * 2014-01-15 2015-08-28 Whats On India Media Private Ltd
US9754306B2 (en) 2014-03-03 2017-09-05 Invent.ly LLC Recommendation engine with profile analysis
KR101507328B1 (ko) 2014-03-10 2015-03-31 단국대학교 산학협력단 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법
KR101573601B1 (ko) 2014-03-10 2015-12-04 단국대학교 산학협력단 사용자 프로파일과 상황 정보를 이용한 선호도 기반 하이브리드 필터링 콘텐츠 추천 장치 및 방법
US10223458B1 (en) * 2014-09-16 2019-03-05 Amazon Technologies, Inc. Automatic magazine generator for web content
US20160100221A1 (en) * 2014-10-06 2016-04-07 StreamRail Ltd. System and method for preventing abandonment of web-based video content
US10116676B2 (en) 2015-02-13 2018-10-30 Time Warner Cable Enterprises Llc Apparatus and methods for data collection, analysis and service modification based on online activity
US10178436B2 (en) * 2015-11-25 2019-01-08 International Business Machines Corporation Method to auto-select media channel programs
US10277944B2 (en) 2016-11-30 2019-04-30 The Nielsen Company (Us), Llc Methods and apparatus to calibrate audience measurement ratings based on return path data
US20180192127A1 (en) * 2016-12-30 2018-07-05 Jamdeo Canada Ltd. System and method for digital television operation and control - conversense
US10257572B2 (en) 2017-01-03 2019-04-09 Bliss Point Media, Inc. Optimization of broadcast event effectiveness
US11368752B2 (en) 2017-01-03 2022-06-21 Bliss Point Media, Inc. Optimization of broadcast event effectiveness
US10356458B2 (en) 2017-03-06 2019-07-16 The Directv Group, Inc. Controlling content presentation and display of program information in an electronic program guide
CN109754316B (zh) * 2018-12-29 2022-07-29 深圳Tcl新技术有限公司 产品推荐方法、产品推荐系统及存储介质
US11589094B2 (en) * 2019-07-22 2023-02-21 At&T Intellectual Property I, L.P. System and method for recommending media content based on actual viewers
US11403849B2 (en) 2019-09-25 2022-08-02 Charter Communications Operating, Llc Methods and apparatus for characterization of digital content

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5953485A (en) 1992-02-07 1999-09-14 Abecassis; Max Method and system for maintaining audio during video control
US5446891A (en) * 1992-02-26 1995-08-29 International Business Machines Corporation System for adjusting hypertext links with weighed user goals and activities
US5223924A (en) * 1992-05-27 1993-06-29 North American Philips Corporation System and method for automatically correlating user preferences with a T.V. program information database
US5469206A (en) * 1992-05-27 1995-11-21 Philips Electronics North America Corporation System and method for automatically correlating user preferences with electronic shopping information
KR100289174B1 (ko) * 1992-12-09 2001-05-02 마크 홀린저 케이블 텔레비젼 전달 시스템을 위한 세트 탑 터미날
US6463585B1 (en) * 1992-12-09 2002-10-08 Discovery Communications, Inc. Targeted advertisement using television delivery systems
US5798785A (en) * 1992-12-09 1998-08-25 Discovery Communications, Inc. Terminal for suggesting programs offered on a television program delivery system
US5410344A (en) * 1993-09-22 1995-04-25 Arrowsmith Technologies, Inc. Apparatus and method of selecting video programs based on viewers' preferences
US5617565A (en) 1994-11-29 1997-04-01 Hitachi America, Ltd. Broadcast interactive multimedia system
US6460036B1 (en) * 1994-11-29 2002-10-01 Pinpoint Incorporated System and method for providing customized electronic newspapers and target advertisements
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US5778135A (en) * 1994-12-30 1998-07-07 International Business Machines Corporation Real-time edit control for video program material
JP4001942B2 (ja) * 1995-02-06 2007-10-31 ソニー株式会社 受信装置および受信方法、並びに放送システムおよび放送方法
US6112186A (en) * 1995-06-30 2000-08-29 Microsoft Corporation Distributed system for facilitating exchange of user information and opinion using automated collaborative filtering
US5978766A (en) * 1995-12-20 1999-11-02 Starwave Corporation Machine, method and medium for assisted selection of information from a choice space
US5867799A (en) * 1996-04-04 1999-02-02 Lang; Andrew K. Information system and method for filtering a massive flow of information entities to meet user information classification needs
US5848396A (en) * 1996-04-26 1998-12-08 Freedom Of Information, Inc. Method and apparatus for determining behavioral profile of a computer user
US5790426A (en) * 1996-04-30 1998-08-04 Athenium L.L.C. Automated collaborative filtering system
WO1997048230A1 (en) 1996-06-13 1997-12-18 Starsight Telecast, Inc. Method and apparatus for searching a guide using program characteristics
DK0932398T3 (da) * 1996-06-28 2006-09-25 Ortho Mcneil Pharm Inc Anvendelse af topiramat eller derivater deraf til fremstilling af et lægemiddel til behandling af maniodepressive bipolære forstyrrelser
JPH1032797A (ja) * 1996-07-17 1998-02-03 Matsushita Electric Ind Co Ltd 放送信号伝送方法，および受信装置
US6177931B1 (en) * 1996-12-19 2001-01-23 Index Systems, Inc. Systems and methods for displaying and recording control interface with television programs, video, advertising information and program scheduling information
BR9714949A (pt) * 1996-12-20 2005-04-12 Princeton Video Image Inc Dispositivo de ajuste superior para inserção eletrônica direcionada de indicações em vìdeo
US6163316A (en) * 1997-01-03 2000-12-19 Texas Instruments Incorporated Electronic programming system and method
ATE257996T1 (de) 1997-02-21 2004-01-15 Pinpoint Inc Rundfunkdatenverteilsystem mit asymmetrischen auf-und abwärtsverbindungsbandbreiten
JPH10257405A (ja) * 1997-03-11 1998-09-25 Mitsubishi Electric Corp 番組選択装置及び映像受信機
IL121230A (en) * 1997-07-03 2004-05-12 Nds Ltd Intelligent electronic program guide
US6005597A (en) * 1997-10-27 1999-12-21 Disney Enterprises, Inc. Method and apparatus for program selection
US6236978B1 (en) * 1997-11-14 2001-05-22 New York University System and method for dynamic profiling of users in one-to-one applications
JPH11261908A (ja) * 1998-03-06 1999-09-24 Toshiba Corp 番組及び又は情報の選択支援装置
US6064980A (en) * 1998-03-17 2000-05-16 Amazon.Com, Inc. System and methods for collaborative recommendations
US6530083B1 (en) * 1998-06-19 2003-03-04 Gateway, Inc System for personalized settings
US6256633B1 (en) * 1998-06-25 2001-07-03 U.S. Philips Corporation Context-based and user-profile driven information retrieval
JP2000013708A (ja) * 1998-06-26 2000-01-14 Hitachi Ltd 番組選択支援装置
US6334127B1 (en) * 1998-07-17 2001-12-25 Net Perceptions, Inc. System, method and article of manufacture for making serendipity-weighted recommendations to a user
US6317881B1 (en) 1998-11-04 2001-11-13 Intel Corporation Method and apparatus for collecting and providing viewer feedback to a broadcast
US6457010B1 (en) * 1998-12-03 2002-09-24 Expanse Networks, Inc. Client-server based subscriber characterization system
US6445306B1 (en) * 1999-03-31 2002-09-03 Koninklijke Philips Electronics N.V. Remote control program selection by genre
US6584466B1 (en) * 1999-04-07 2003-06-24 Critical Path, Inc. Internet document management system and methods
AU5934900A (en) * 1999-07-16 2001-02-05 Agentarts, Inc. Methods and system for generating automated alternative content recommendations
AU6310500A (en) 1999-08-20 2001-03-19 Singularis S.A. Method and apparatus for creating recommendations from users profile built interactively
AU2099201A (en) 1999-12-21 2001-07-03 Tivo, Inc. Intelligent system and methods of recommending media content items based on userpreferences
US6662177B1 (en) * 2000-03-29 2003-12-09 Koninklijke Philips Electronics N.V. Search user interface providing mechanism for manipulation of explicit and implicit criteria
US6425128B1 (en) * 2000-06-30 2002-07-23 Keen Personal Media, Inc. Video system with a control device for displaying a menu listing viewing preferences having a high probability of acceptance by a viewer that include weighted premium content
US7937725B1 (en) 2000-07-27 2011-05-03 Koninklijke Philips Electronics N.V. Three-way media recommendation method and system
US8843965B1 (en) 2000-09-20 2014-09-23 Kaushal Kurapati Method and apparatus for generating recommendation scores using implicit and explicit viewing preferences
FR2836321B1 (fr) 2002-02-18 2006-02-24 Cit Alcatel Recepteur selectif d'elements d'information
GB2387676A (en) 2002-04-15 2003-10-22 Agena Ltd A method of recommending television programmes
US7073193B2 (en) 2002-04-16 2006-07-04 Microsoft Corporation Media content descriptions
US20030229896A1 (en) 2002-06-10 2003-12-11 Koninklijke Philips Electronics N.V. Decision fusion of recommender scores through fuzzy aggregation connectives
US20040002995A1 (en) 2002-06-28 2004-01-01 Koninklijke Philips Electronics N.V. Context and time sensitive profile builder
JP3714310B2 (ja) 2002-08-07 2005-11-09 ソニー株式会社 コンテンツの自動記録装置及び方法、記録媒体、並びにプログラム
CN1635498A (zh) 2003-12-29 2005-07-06 皇家飞利浦电子股份有限公司 一种内容推荐方法及系统
JP2008519523A (ja) 2004-11-04 2008-06-05 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ テレビ番組をユーザに提案する方法及び装置
EP1732013A1 (en) 2005-06-06 2006-12-13 Deutsche Thomson-Brandt Gmbh Method and device for searching a data unit in a database

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101019976B1 (ko) * 2002-12-12 2011-03-09 소니 주식회사 정보 처리 장치 및 정보 처리 방법, 정보 처리 시스템, 기록 매체
KR100707299B1 (ko) * 2003-11-21 2007-04-13 캐논 가부시끼가이샤 컨텐츠 추출방법 및 컨텐츠 추출장치 및 컨텐츠정보표시방법 및 표시장치
KR100907744B1 (ko) * 2006-11-13 2009-07-14 에스케이커뮤니케이션즈 주식회사 협업 필터링 시스템 및 그 방법
KR101157453B1 (ko) * 2007-11-06 2012-06-22 숭실대학교산학협력단 내용 기반 추천 기법을 이용한 개인화 서비스 시스템 개발 장치 및 방법
WO2011126885A3 (en) * 2010-03-30 2011-12-22 Microsoft Corporation Summary presentation of media consumption
US8789109B2 (en) 2011-10-17 2014-07-22 Electronics And Telecommunications Research Institute System for recommending favorite channel/program based on TV watching pattern and method thereof
KR20170073589A (ko) * 2014-08-15 2017-06-28 시드니 니콜 엡스타인 현재의 관심에 대해 사용자에게 시각적으로 안내하는 시스템 및 컴퓨터 방법
KR20160024194A (ko) * 2014-08-25 2016-03-04 삼성전자주식회사 개인화 서비스 제공 방법 및 장치
KR102096419B1 (ko) 2019-09-24 2020-04-03 주식회사 옵티마이즈 위치정보와 빅데이터 분석에 기반한 여행 동행 및 상품 제공 시스템 및 방법

Also Published As

Publication number Publication date
EP1316214A2 (en) 2003-06-04
WO2002011445A2 (en) 2002-02-07
ATE491305T1 (de) 2010-12-15
EP1316214B1 (en) 2010-12-08
KR100943444B1 (ko) 2010-02-19
WO2002011445A3 (en) 2002-04-18
DE60143612D1 (de) 2011-01-20
JP2004505562A (ja) 2004-02-19
ES2357194T3 (es) 2011-04-19
US7937725B1 (en) 2011-05-03
JP4991082B2 (ja) 2012-08-01

Similar Documents

Publication Publication Date Title
KR100943444B1 (ko) 미디어 콘텐트를 자동적으로 추천하는 시스템 및 방법, 프로파일 데이터를 조합하는 방법, 그리고 프로파일을 변경하는 방법
US6934964B1 (en) Electronic program guide viewing history generator method and system
US20030051240A1 (en) Four-way recommendation method and system including collaborative filtering
US9788030B2 (en) Television system with aided user program searching
US20030066067A1 (en) Individual recommender profile modification using profiles of others
US7627824B2 (en) Personalized video entertainment system
US20030066068A1 (en) Individual recommender database using profiles of others
KR100860354B1 (ko) 유저 선호도를 등록하기 위한 방법 및 시스템, 및 컴퓨터 프로그램 제품을 포함하는 컴퓨터 판독가능 매체
US20030131355A1 (en) Program guide system
JP4358219B2 (ja) 番組情報提供装置、番組情報提供方法及びそのプログラム
US20020144267A1 (en) Dynamic television channel creation
WO2018125497A1 (en) Systems and methods for a framework for generating predictive models for media planning
WO2002052856A2 (en) Program guide system
JP2008010951A (ja) 推薦番組情報提供装置、推薦番組情報提供方法及びプログラム
Dixon TURNING PAY TV INTO MY TV

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
E902 Notification of reason for refusal
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130204

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140210

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20150211

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20160211

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee