KR20020070490A - 사용자의 현재 무드에 기초한 추천들을 발생시키기 위한방법 및 장치 - Google Patents

사용자의 현재 무드에 기초한 추천들을 발생시키기 위한방법 및 장치 Download PDF

Info

Publication number
KR20020070490A
KR20020070490A KR1020027009314A KR20027009314A KR20020070490A KR 20020070490 A KR20020070490 A KR 20020070490A KR 1020027009314 A KR1020027009314 A KR 1020027009314A KR 20027009314 A KR20027009314 A KR 20027009314A KR 20020070490 A KR20020070490 A KR 20020070490A
Authority
KR
South Korea
Prior art keywords
user
current mood
mood
viewer
profile
Prior art date
Application number
KR1020027009314A
Other languages
English (en)
Other versions
KR100876300B1 (ko
Inventor
구타스리니바스
트라즈코빅미로슬라브
제이. 콜메나레즈안토니오
Original Assignee
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 코닌클리케 필립스 일렉트로닉스 엔.브이. filed Critical 코닌클리케 필립스 일렉트로닉스 엔.브이.
Publication of KR20020070490A publication Critical patent/KR20020070490A/ko
Application granted granted Critical
Publication of KR100876300B1 publication Critical patent/KR100876300B1/ko

Links

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
    • 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
    • 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
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/4223—Cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/42201—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] biosensors, e.g. heat sensor for presence detection, EEG sensors or any limb activity sensors worn by the user
    • 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
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/42203—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] sound input device, e.g. microphone
    • 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
    • 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)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
  • Television Systems (AREA)

Abstract

사용자의 현재 무드에 기초한 추천 시스템에서 사용자 프로파일을 발생시키기 위한 방법 및 장치가 개시된다. 본 발명은 사용자의 하나 이상의 현재 무드들을 시청 세션과 같은 각각의 세션과 연관시킨다. 본 발명은 다양한 무드들에 따른 사용자의 선호도들을 학습하고, 대응하는 추천들을 발생시키기 위해 이러한 무드 기반의 시청 선호도들을 이용한다. 일 구현에서, 자신의 현대 무드에 기초하여, 시청자가 매력을 느낄 것 같은 하나 이상의 프로그램을 시청자가 선택할 수 있게 하는 전자 프로그래밍 가이드가 제공된다.

Description

사용자의 현재 무드에 기초한 추천들을 발생시키기 위한 방법 및 장치{Method and apparatus for generating recommendations based on current mood of user}
최근 들어, 텔레비전 프로그램 가이드들은 종종 전자 프로그램 가이드들(electronic program guides: EPG)로서 언급되는, 전자 형식으로 이용가능하게 되었다. 인쇄된 텔레비전 프로그램 가이드들과 같이, EPG들은 시간, 날짜, 채널 및 제목으로 이용가능한 텔레비전 프로그램들을 목록화하는 그리드들을 포함한다. 하지만, 일부 EPG들은 텔레비전 시청자들이 개인화된 선호도에 따라 이용가능한 텔레비전 프로그램들을 분류하거나 검색할 수 있게 한다. 또한, EPG들은 이용가능한 텔레비전 프로그램들의 온스크린(on-screen) 제공을 허용한다.
EPG들은 사용자가 종래의 인쇄된 가이드들보다 효과적으로 바람직한 프로그램들을 식별할 수 있게 하지만, 그것들은 다수의 제약들을 받으며, 이것이 해소된다면, 바람직한 프로그램들을 식별하는 시청자들의 능력을 더 향상시킬 수 있다. 예컨대, 많은 시청자들은 액션 기반의 프로그램들 또는 스포츠 프로그래밍과 같은 프로그래밍의 특정 카테고리들에 대한 특정 선호도 또는 성향을 갖는다. 그러므로, 시청자 선호도들은 특정 시청자들에게 흥미 있을 수 있는 추천된 프로그램들의 세트를 얻도록 EPG에 이용될 수 있다.
그러므로, 텔레비전 프로그래밍을 추천하기 위해 다수의 도구들이 제안되어 왔다. 캘리포니아 서니베일 소재의 티보 인크(Tivo Inc.,)로부터 상업적으로 이용가능한 TivoTM시스템은 시청자가 "만족해하고 불만족해하는(Thumbs Up and Thumbs Down)" 특성을 이용하여 쇼들을 평가할 수 있도록 하여, 시청자가 각각 좋아하고 싫어하는 프로그램들을 나타낸다. 이런 식으로, TivoTM시스템은 시청자가 좋아했거나 싫어했던 이전의 텔레비전 프로그램들로부터 시청자의 선호도들을 암시적으로 도출한다. 그에 따라, TiVo 수신기는 각각의 시청자에게 맞추어진 추천들을 하도록 EPG와 같은 수신된 프로그램 데이터와 기록된 시청자 선호도들을 매치(match)시킨다.
암시적(implicit) 텔레비전 프로그램 추천들은 비강제적인(non-obtrusive) 방식으로 시청자들의 시청 히스토리(history)로부터 도출된 정보에 기초하여 텔레비전 프로그램을 추천한다. 한편, 명시적인(explicit) 텔레비전 프로그램 추천들은 시청자 프로파일들을 도출하여 추천을 하기 위해, 제목, 장르, 배우들, 채널, 및 날짜/시간과 같은 프로그램 속성들에 대한 시청자들의 선호도들에 대해 시청자들에게 명시적으로 질문한다.
이러한 텔레비전 프로그램 추천들은 주어진 시청자들에게 흥미있을 것 같은 프로그램들을 식별하지만, 다수의 제약들을 받으며, 이것이 해소된다면, 발생된 프로그램 추천들의 품질을 더 향상시킬 수 있다. 예컨대, 텔레비전 프로그램 추천들을 발생시키기 위한 종래의 도구들은 시청자 프로파일 및 텔레비전 프로그램 추천 점수를 발생시킬 때 전체로서 사람의 시청 히스토리를 고려한다. 그러므로, 식별된 프로그램들은 시청자의 현재 관심사 또는 무드에 대해 특별한 상관관계를 갖지 않는다. 따라서, 시청자의 현재 무드에 반응하는 텔레비전 프로그램 추천들을 발생시키기 위한 방법 및 장치의 필요성이 존재한다.
(발명의 분야)
본 발명은 텔레비전 프로그래밍 또는 다른 콘텐트에 대한 추천기들과 같은 추천기들에 관한 것으로, 특히 사용자의 현재 무드에 기초하여 텔레비전 프로그램들 또는 다른 콘텐트의 추천들과 같은 추천들을 하기 위한 방법 및 장치에 관한 것이다.
(발명의 배경)
개인에게 이용가능한 다수의 매체 옵션들은 지수적으로 증가하고 있다. 텔레비전 시청자들에게 이용가능한 채널들의 수는 예컨대, 이러한 채널들 상에서 이용가능한 프로그래밍 콘텐트의 다양성에 따라 증가되어 왔으며, 텔레비전 시청자들이 흥미 있는 텔레비전 프로그램들을 식별하도록 하기 위한 도전이 증가되어 왔다. 역사적으로, 텔레비전 시청자들은 인쇄된 텔레비전 프로그램 가이드들을 분석함으로써 흥미 있는 텔레비전 프로그램들을 식별하였다. 통상, 이러한 인쇄된 텔레비전 프로그램 가이드들은 시간과 날짜, 채널 및 제목에 의해 이용가능한 텔레비전 프로그램들을 작성하는 그리드들(grids)을 포함하였다. 텔레비전 프로그램들의 수가 증가함에 따라, 이러한 인쇄된 가이드들을 이용하여 원하는 텔레비전 프로그램들을 효과적으로 식별하기 더욱 어렵게 되었다.
도 1은 본 발명에 따른 텔레비전 프로그래밍 추천기(recommender)를 도시하는 도면.
도 2는 도 1의 프로그램 데이터베이스로부터 샘플 표를 도시하는 도면.
도 3a는 도 1의 암시적인 시청자 프로파일의 베이시안 구현(Bayesian implementation)으로부터 샘플 표를 도시하는 도면.
도 3b는 결정 트리(Decision tree: DT) 추천기에 의해 사용된 시청 히스토리로부터 샘플 표를 도시하는 도면.
도 3c는 도 3b의 시청 히스토리로부터 결정 트리(DT) 추천기에 의해 발생된 시청자 프로파일로부터 샘플 표를 도시하는 도면.
도 4는 본 발명의 원리들을 이용한 예시적인 무드 검출 및 프로파일 업데이트 프로세스를 설명하는 흐름도.
도 5는 본 발명의 원리들을 이용한 예시적인 무드 기반의 추천 프로세스를 설명하는 흐름도.
(발명의 요약)
일반적으로, 사용자의 현재 무드에 기초한 추천 시스템에서 사용자 프로파일을 발생시키기 위한 방법 및 장치가 개시된다. 그러므로, 본 발명은 다양한 무드들에 따라 사용자의 선호도들을 학습하고, 그에 따라 사용자의 현재 모들에 맞추어진 추천들을 발생시키기 위해 이러한 무드 기반의 선호도들을 이용한다.
본 발명은 사용자의 표정과 같은 오디오 또는 비주얼 정보를 처리함으로써 사용자의 무드를 검출한다. 일단 무드가 검출되면, 주어진 세션(session)과 관련된 행동은 시청자의 현재 무드들과 관련될 수 있다. 일 구현에서, 본 발명은 사용자의 현재 모들에 기초하여, 시청자가 매력을 느낄 것 같은 하나 이상의 프로그램들을 시청자가 선택할 수 있도록 하는 전자 프로그램 가이드를 제공한다.
본 발명의 특징들 및 장점들과 본 발명의 더 완벽한 이해는 이하의 상세한 설명 및 도면들을 참조하여 얻어진다.
도 1은 본 발명에 따른 텔레비전 프로그래밍 추천기(100)를 보여준다. 도 1에 도시된 바와 같이, 텔레비전 프로그래밍 추천기(100)는 하나 이상의 시청자(들)(140)에게 흥미 있는 프로그램들을 식별하도록 전자 프로그래밍 가이드(electronic programming guide: EPG) 각각을 평가한다. 추천된 프로그램들의 세트가 예컨대 종래의 온스크린 제공 기술들을 이용하여 셋톱 단말/텔레비전(160)을 사용하는 시청자(140)에게 제공될 수 있다. 본 발명은 텔레비전 프로그래밍 추천들을 배경으로 본 명세서에서 설명되었지만, 본 발명은 시청히스토리 또는 구매 히스토리와 같은, 행동 히스토리에 기초하여 임의의 자동 발생된 추천들에 이용될 수 있다.
본 발명의 일 특징에 따라, 텔레비전 프로그램 추천기(10)는 시청자의 종래의 시청 행동에 부가하는, 시청자의 현재 무드에 기초한, 도 3a 및 도 3c와 관련하여 아래에서 논의되는 사용자 프로파일(300)을 발생시킨다. 종래의 추천기는 시청자 프로파일을 발생시킬 때 전체로서 사람의 시청 히스토리를 고려하지만, 본 발명은 다양한 부류의 문제로서 시청자의 선호도들을 처리하며, 시청자의 하나 이상의 무드들과 각각의 시청 세션을 연관시킨다. 그러므로, 본 발명은 다양한 무드들에 따라 시청자의 선호도들을 학습하고, 프로그램 추천들을 발생시기 위해 이러한 무드 기반의 시청 선호도들을 이용한다. 이런 식으로, 시청자가 자신의 현재 무드에 기초하여, 흥미를 끌 것 같은 하나 이상의 프로그램들을 선택할 수 있게 하는 전자 프로그래밍 가이드가 제공된다.
도 1에 도시된 바와 같이, 텔레비전 프로그램 추천기(100)는 시청자(140)에게 초점이 맞춰진 하나 이상의 오디오/비주얼 장치들(150-1 내지 150-N)(이하, 총괄적으로 오디오/비주얼 포착 장치들(capture devices)(150)이라 함)을 포함한다. 오디오/비주얼 포착 장치들(150)은 예컨대 비디오 정보를 포착하기 위한 팬-틸트-줌(pan-tilt-zoom: PTZ) 또는 오디오 정보를 포착하기 위한 마이크로폰들의 어레이를 포함할 수 있으며, 또는 이 둘 모두를 포함할 수 있다.
오디오/비디오 포착 장치들(150)에 의해 발생된 오디오 또는 비디오 영상(또는 둘 모두)은 시청자(140)의 하나 이상의 미리정의된 무드들을 식별하기 위해, 도4 및 도 5와 연관하여 아래에 설명된 방식으로 텔레비전 프로그래밍 추천기에 의해 처리된다. 아래에 논의된 바와 같이, 표정 처리 기술들은 예컨대 시청자가 행복한지 또는 슬픈지의 여부를 검출하기 위해 시청자의 얼굴을 분석하는데 사용될 수 있다. 또한, 오디오 처리 기술들은 예컨대 시청자의 현재 무드를 시사할 수 있는 웃음이나 울음을 검출하기 위해 시청자에 의해 만들어진 소리들을 분석하는데 이용될 수 있다. 시청자의 무드는 예컨대 프로파일 정보가 기록되는 때, 또는 추천이 발생하려는 때(또는 둘 모두)를 검출할 수 있다.
도 1에 도시된 바와 같이, 텔레비전 프로그래밍 추천기(100)는 프로그램 데이터베이스(200), 하나 이상의 시청자 프로파일들(300), 무드 검출 및 프로파일 업데이트 프로세스(400) 및 무드 기반의 추천 프로세스(500)를 포함하며, 각각은 도 2 내지 도 5와 연관하여 각각 아래에서 더 논의된다. 일반적으로, 프로그램 데이터베이스(200)는 주어진 시간 구간에서 이용가능한 각 프로그램에 대한 정보를 기록한다. 도 3a에 도시된, 하나의 예시적인 시청자 프로파일(300)은 시청자가 좋아했거나 싫어했던 프로그램들의 세트에 기초한 시청자의 시청 히스토리로부터 통상 도출되는 암시적인 시청자 프로파일이다. 도 3c에 도시된 또 다른 예시적인 시청자 프로파일(300)은 도 3b에 도시된 예시적인 시청 히스토리(360)에 기초한 결정 트리 추천기에 의해 발생된다.
무드 검출 및 프로파일 업데이트 프로세스(400)는 시청자의 현재 무드를 감지하고 이러한 무드에 있을 때 시청자의 선호도들을 학습하도록 오디오/비주얼 포착 장치들(150)에 의해 발생된 비디오 또는 정지 영상들(또는 둘 모두)을 처리한다. 무드 기반의 추천 프로세스(50)는 시청자의 도출된 현재 무드에 기초한 프로그램 추천을 발생하기 위해 무드 검출 및 프로파일 업데이트 프로세스(400)에 의해 개발된 무드 기반의 시청 선호도들을 이용한다.
텔레비전 프로그램 추천기(100)는 중앙 처리 장치(CPU)와 같은 프로세서(120), 및 RAM 및/또는 ROM과 같은 메모리(110)를 포함하는 개인용 컴퓨터 또는 워크스테이션과 같은 임의의 계산 장치로서 구현될 수 있다. 또한, 텔레비전 프로그래밍 추천기(100)는 캘리포니아 서니베일 소재의 티보 인크로부터 상업적으로 이용가능한 TivoTM시스템과 같은 임의의 이용가능한 텔레비전 프로그램 추천기로서 구현될 수 있으며, 또는 1999년 12월 17일에 출원된 발명의 명칭이 "Method and Apparatus for Recommending Television Programming Using Decision Trees"(대리인 문서번호 제700772)인 미국 특허출원번호 제09/466,406호, 및 2000년 2월 4일에 출원된 발명의 명칭이 "Bayesian TV Show Recommender"(대리인 문서번호 제700690호)인 미국 특허출원번호 제09/498,271호, 및 2000년 7월 27일에 출원된 발명의 명칭이 "Three-Way Media Recommendation Method and System"(대리인 문서번호 제700913호)인 미국 특허출원번호 제09/627,139호에 개시된 텔레비전 프로그램 추천기들로서 구현될 수 있으며, 또는 본 발명의 특징들 및 기능들을 실행하기 위해 본 명세서에서 변형된 것으로서 그것들의 임의 조합으로서 구현될 수 있다.
도 2는 주어진 시간 구간에서 이용가능한 각각의 프로그램에 대한 정보를 기록하는 도 1의 프로그램 데이터베이스(200)로부터의 샘플 표이다. 도 2에 도시된바와 같이, 프로그램 데이터베이스(200)는 각각이 주어진 프로그램과 관련되는 리코더들(205 내지 220)과 같은 복수의 리코더들을 포함한다. 각각의 프로그램에 대해, 프로그램 데이터베이스(200)는 각각 필드들(240 및 245) 내의 프로파일과 관련된 날짜/시간 및 채널을 나타낸다. 또한, 각 프로그램에 대한 제목, 장르 및 배우들이 필드들(250,255 및 270)에서 각각 식별된다. 프로그램의 존속시간 및 설명과 같은 부가적인 공지된 특징들(도시되지 않음)이 또한 프로그램 데이터베이스(200)에 포함될 수 있다.
도 3a는 예시적인 암시적인 시청자 프로파일(300)을 보여주는 표이다. 도 3에 도시된 바와 같이, 암시적인 시청자 프로파일(300)은 각각이 다른 프로그램 특징과 관련된 복수의 리코더들(305-313)을 포함한다. 또한, 열(column)(330)로 열거된 각각의 특징은 필드들(335 내지 345)에서의 대응하는 긍정적인 계수들(positive counts) 및 필드(350)에서의 부정적인 계수들(negative counts)을 제공한다. 본 발명의 특징에 따라, 긍정적인 계수가 텔레비전 프로그래밍 추천기(100)에 의해 검출되는 각각의 개별 무드에 대해 제공된다. 다양한 긍정적인 계수들은 대응하는 무드 동안 각각의 특징을 갖는 프로그램들을 시청자가 시청한 횟수를 나타낸다. 부정적인 계수들은 각각의 특징을 갖는 프로그램을 시청자가 시청하지 않은 횟수를 나타낸다.
각각의 긍정적인 및 부정적인 프로그램 예(즉, 시청된 프로그램들 및 시청되지 않은 프로그램들)에 대해, 프로그램 특징들의 수는 사용자 프로파일(300)에서 분류된다. 예로서, 만약 주어진 시청자가 행복한 무드에서 늦은 오후에 채널2의 주어진 스포츠 프로그램을 10번 시청한다면, 그후, 암시적인 시청자 프로파일(300)에서 이들 특징들과 관련된 긍정적인 계수들(행복)은 필드(345)에서 10만큼 증가되고, 부정적인 계수들은 0(제로)이다. 암시적인 시청 프로파일(300)은 사용자의 시청 히스토리에 기초하고, 프로파일(300)에 포함된 데이터는 시청 히스토리가 증대됨에 따라 시간에 대해 개정된다. 대안으로는, 암시적인 시청자 프로파일(300)은 예컨대 사람들의 인구통계(demographics)에 기초하여 사용자에 대해 선택된 일반적이거나 미리정의된 프로파일에 기초할 수 있다.
도 3b는 결정 트리 텔레비전 추천기에 의해 유지되는 예시적인 시청 히스토리(360)를 보여주는 표이다. 도 3b에 도시된 바와 같이, 시청 히스토리(360)는 각각이 다른 프로그램과 관련된 복수의 리코더들(361-369)을 포함한다. 또한, 각각의 프로그램에 대해, 시청 히스토리(360)는 필드들(370-379)에서 다양한 프로그램 특징들을 식별한다. 필드들(370-379)에 열거된 값들은 통상적으로 전자 프로그램 가이드(130)로부터 얻어질 수 있다. 전자 프로그램 가이드(130)가 주어진 프로그램에 대해 주어진 특징을 지정하지 않으며, 그 값은 "?"을 사용하여 시청 히스토리(360)에 지정된다.
도 3c는 도 3b에 열거된 시청 히스토리(360)로부터 결정 트리 텔레비전 추천기에 의해 발생될 수 있는 예시적인 시청자 프로파일(300')을 보여주는 표이다. 도 3c에 도시된 바와 같이, 결정 트리 시청자 프로파일(300')은 각각이 시청자 선호도들을 지정하는 다른 규칙과 관련된 복수의 리코더들(381-384)을 포함한다. 또한, 열(390)에서 식별된 각각의 규칙에 대해, 시청자 프로파일(300')은 필드(391)와 관련된 조건들 및 필드(392)에서 대응하는 추천을 식별한다.
결정 트리 추천 시스템에서 시청자 프로파일들의 발생에 관한 보다 상세한 논의를 위해, 예컨대, 위에서 참조문헌으로 포함된, 1999년 12월 17일에 출원된 발명의 명칭이 "Method and Apparatus for Recommending Television Programming Using Decision Trees"(대리인 문서번호 제700772)인 미국 특허출원번호 제09/466,406호를 보자.
도 4는 예시적인 무드 검출 및 프로파일 업데이트 프로세스(400)를 설명하는 흐름도이다. 도 4에 도시된 바와 같이, 무드 검출 및 프로파일 업데이트 프로세스(400)는 초기에 프로그램의 종료 또는 새로운 프로그램 채널의 선택과 같은 시청자 프로파일(300)의 업데이트를 트리거(trigger)하기 위해 이벤트(event)가 일어나는지의 여부를 결정하도록 단계 410 동안 테스트를 행한다. 만약 단계 410 동안 이벤트가 시청자 프로파일(300)의 업데이트를 트리거하기 위해 일어나지 않는 것으로 결정되면, 그후에 프로그램 제어는 이러한 이벤트가 검출될 때까지 단계 410으로 되돌아간다.
하지만, 만약 단계 410 동안 이벤트가 시청자 프로파일(300)의 업데이트를 트리거하기 위해 일어나는 것으로 결정되면, 그후, 시청자(140)의 현재 무드(들)는 각각이 본 명세서에서 참조문헌으로써 포함된, 어바나 샴페인(Urbana-Champaign)(1999)에서 일리노이즈 대학의. Ph.D 논문인 "Facial Analysis from Continuous Video with Application to Human-Computer Interface" 또는 콜로라도 포트 콜린스, 볼륨 I, 592-97, "Computer Vision and Pattern Recognition" (1999)의 국제 회의의 진행에서, Antonio Colmenarez 등의 "A Probabilistic Framework for Embedded Face and Facial Expression Recognition"에 개시된 바와 같은 종래의 표정 분석 기술들을 이용하여 단계 420 동안 검출된다. 표정의 세기는 예컨대 본 발명의 양수인에게 양도되고, 본 명세서에 참조문헌으로써 포함된, 발명의 명칭이 "Estimation of Facial Expression Intensity Using a Bi-Directional Star Topology Hidden Markov Model"(대리인 문서번호 제701253)인 미국특허출원번호 제09/705,666호에 개시된 기술들에 따라 얻어질 수 있다. 일반적으로, 표정 분석은 오디오/비디오 포착 장치들(150)에 포함된 카메라의 뷰(view)의 필드에서 시청자의 얼굴을 검출하고, 미소지음 또는 찡그림과 같은 시청자(140)에 의해 노출된 특정한 표정을 식별한다. 표정은 시청자(140)의 현재 무드를 도출하기 위해 사용된다.
텔레비전 프로그래밍 추천기(100)가 베이시안 추천기 또는 결정 트리(DT) 추천기인지를 결정하기 위해 단계 425 동안 테스트가 행해진다. 만약 단계 425 동안 텔레비전 프로그래밍 추천기(100)가 베이시안 추천기인 것으로 결정되면, 그후에, 시청자(140)의 현재 무드(들)에 대응하는 긍정적인 계수들은 현재 프로그램과 관련된 프로그램 특징들에 대한 단계 430 동안 사용자 프로파일(300)에서 업데이트된다. 또한, 부정적인 계수들은 시청되지 않은 하나 이상의 무작위로 선택된 프로그램들과 관련된 프로그램 특징들에 대해 단계 430 동안 사용자 프로파일(300)에서 선택적으로 업데이트된다.
하지만, 만약 텔레비전 프로그래밍 추천기(100)가 결정 트리(DT) 추천기인 것으로 단계 425 동안 결정되면, 그후에, 시청자 프로파일(300')의 규칙들은 현재무드와 관련된 이들 규칙들만을 식별하도록 단계 450 동안 필터링한다. 그에 따라, 남아있는 규칙들(필터링 후)은 현재 프로그램에 의해 만족되는 규칙들을 식별하도록 추가로 처리된다. 그후에, 현재 프로그램은 다음과 같이 단계 370 동안 식별된 규칙들에 부가된다.
새로운 점수 = 현재 점수 +[((1개의 새로운 프로그램)/(규칙으로 커버된 총 # 프로그램들))×표시된 세기]
여기에서, 세기는 행복 무드에 대해 7의 값을, 슬픔 무드에 대해 1의 값을, 그리고 중립 무드에 대해 3의 값을 가질 수 있다. 대안으로는, 도 3c의 시청자 프로파일(300')은 시청자 히스토리(360)에 시청된 프로그램을 부가하고 그 프로파일(300')을 재설정함으로써 단계 470 동안 업데이트될 수 있다. 그에 따라, 프로그램 제어가 종결된다.
도 5는 본 발명의 원리를 구현하는 무드 기반의 추천 프로세스(500)를 설명하는 흐름도이다. 무드 기반의 추천 프로세스(500)는 시청자의 도출된 현재 무드에 기초한 프로그램 추천들을 발생시키기 위해 무드 검출 및 프로파일 업데이트 프로세스(400)에 위해 개발된 무드 기반의 시청 선호도들을 이용한다.
도 5에 도시된 바와 같이, 무드 기반의 추천 프로세스(500)는 초기에 흥미 있는 시간 주기에 대한 단계 510 동안 전자 프로그램 가이드(EPG)(130)를 얻는다. 그에 따라, 적절한 시청자 프로파일들(300)은 단계 515 동안 시청자를 위해 얻어진다. 그후에, 무드 기반의 추천 프로세스(500)는 무드 검출 및 프로파일 업데이트 프로세스(400)에 대해 위에서 설명한 것과 동일한 방식으로 오디오/비디오 포착 장치들(150)을 이용하여 단계 520 동안 시청자의 현재 무드를 도출한다.
텔레비전 프로그래밍 추천기(100)가 베이시안 추천기 또는 결정 트리(DT) 추천기인지의 여부를 결정하도록 단계 525 동안 테스트가 행해진다. 단계 525 동안 만약 텔레비전 프로그래밍 추천기(100)가 베이시안 추천기인 것으로 결정되면, 그후에, 추천 점수는 단계 530 동안 현대 무드(들)만에 대한 특징 계수들을 이용하는 각각의 프로그램에 대해 계산된다.
하지만, 만약 단계 535 동안 텔레비전 프로그래밍 추천기(100)가 결정 트리(DT) 추천기인 것으로 결정되면, 그후에, 시청자 프로파일(300')의 규칙들은 현재 무드와 관련된 이들 규칙들만을 식별하도록 단계 540 동안 필터링된다. 그에 따라, 남아지 규칙들(필터링 후)이 단계 550 동안 흥미 있는 시간 주기에서 모든 프로그램들에 적용된다. 점수는 프로파일(300')의 정리된 목록에서 가장 먼저 만족된 규칙에 대응하는 프로파일(300')의 필드(392)로부터 각각의 프로그램에 대해 회복된다.
마지막으로, 사용자에게는 프로그램 제어를 종결짓기 전에, 단계 570 동안 각각의 프로그램에 대해 계산된 추천 점수가 제공된다.
본 명세서에서 도시되고 설명된 실시예들 및 변형예들은 본 발명의 원리를 단순히 예시하는 것이며, 다양한 변형이 본 발명의 범위 및 사상에서 벗어남이 없이 당해 기술분야의 당업자에 의해 구현될 수 있음이 이해될 것이다.

Claims (16)

  1. 하나 이상의 항목들(items)을 추천하기 위한 방법에 있어서,
    이용가능한 항목들(130)의 목록을 얻는 단계와,
    사용자(140)의 현재 무드(mood)를 결정하는 단계와,
    상기 현재 무드에 기초하여 적어도 하나의 상기 이용가능한 항목들(130)에 대한 추천 점수(recommendation score)를 발생시키는 단계를 포함하는, 하나 이상의 항목들 추천 방법.
  2. 제 1항에 있어서, 상기 현재 무드는 표정 처리 기술들(facial expression processing techniques)을 이용하여 결정되는, 하나 이상의 항목들 추천 방법.
  3. 제 1항에 있어서, 상기 현재 무드는 오디오 및/또는 비디오 처리 기술들을 이용하여 결정되는, 하나 이상의 항목들 추천 방법.
  4. 제 1항에 있어서, 상기 현재 무드는 상기 사용자(140)에게 질문을 함으로써 결정되는, 하나 이상의 항목들 추천 방법.
  5. 제 1항에 있어서, 상기 하나 이상의 항목들은 프로그램들, 콘텐트들, 또는 제품들인, 하나 이상의 항목들 추천 방법.
  6. 사용자(140)의 선호도들을 나타내는 사용자 프로파일(300)을 발생시키기 위한 방법에 있어서,
    상기 사용자(140)에 의해 선택된 하나 이상의 항목들을 모니터하는 단계와,
    상기 선택 도중 사용자(140)의 현재 무드를 결정하는 단계와,
    상기 프로파일에서의 상기 항목 선택으로 상기 현재 무드의 표시를 기록하는 단계를 포함하는, 사용자 프로파일 발생 방법.
  7. 제6항에 있어서, 상기 사용자 프로파일(300)은 프로그램 콘텐트 추천기(program content recommender:100)와 관련되는, 사용자 프로파일 발생 방법.
  8. 제 6항에 있어서, 상기 항목 선택의 표시를 기록하는 상기 단계는 상기 항목 및 상기 현재 무드와 관련된 하나 이상의 긍정적인 특징 계수들(positive feature counts)을 증가시키는 단계를 더 포함하는, 사용자 프로파일 발생 방법.
  9. 제 6항에 있어서, 상기 현재 무드는 상기 사용자(140)에게 질문을 함으로써 결정되는, 사용자 프로파일 발생 방법.
  10. 제 6항에 있어서, 상기 하나 이상의 항목들은 프로그램들, 콘텐트들, 또는제품들인, 사용자 프로파일 발생 방법.
  11. 하나 이상의 항목들을 추천하기 위한 시스템(100)에 있어서,
    컴퓨터 판독가능 코드를 저장하기 위한 메모리(110)와,
    상기 메모리(110)에 동작가능하게 결합된 프로세서(120)로서, 상기 프로세서(120)는,
    이용가능한 항목들(130)의 목록을 얻고,
    사용자(140)의 현재 무드를 결정하고,
    상기 현재 무드에 기초하여 상기 이용가능한 항목들(130)중 적어도 하나에 대한 추천 점수를 발생하도록 구성된, 상기 프로세서(120)를 포함하는, 추천 시스템.
  12. 제 11항에 있어서, 상기 현재 무드는 오디오 및/또는 비디오 처리 기술들을 이용하여 결정되는, 추천 시스템.
  13. 제 11항에 있어서, 상기 현재 무드는 상기 사용자(140)에게 질문을 함으로써 결정되는, 추천 시스템.
  14. 사용자(140)의 선호도를 나타내는 사용자 프로파일(300)을 발생시키기 위한 시스템(100)에 있어서,
    컴퓨터 판독가능 코드를 저장하기 위한 메모리(110)와,
    상기 메모리(110)에 동작가능하게 결합된 프로세서(120)로서, 상기 프로세서(120)는,
    상기 사용자(140)에 의해 선택된 하나 이상의 항목들을 모니터하고,
    상기 선택 도중 사용자(140)의 현재 무드를 결정하고,
    상기 프로파일에서의 상기 항목 선택으로 상기 현재 무드의 표시를 기록하도록 구성된, 상기 프로세서(120)를 포함하는, 사용자 프로파일 발생 시스템.
  15. 제 14항에 있어서, 상기 프로세서(120)는 또한 상기 항목 및 상기 현재 무드와 관련된 적어도 하나의 긍정적인 특징 계수들을 증가시키도록 구성되는, 사용자 프로파일 발생 시스템.
  16. 제 14항에 있어서, 상기 하나 이상의 항목들은 프로그램들, 콘텐트들 또는 제품들인, 사용자 프로파일 발생 시스템.
KR1020027009314A 2000-11-22 2001-11-16 사용자의 현재 기분에 기초한 추천들을 생성하기 위한 방법 및 장치 KR100876300B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US71826000A 2000-11-22 2000-11-22
US09/718,260 2000-11-22
PCT/EP2001/013453 WO2002043391A1 (en) 2000-11-22 2001-11-16 Method and apparatus for generating recommendations based on current mood of user

Publications (2)

Publication Number Publication Date
KR20020070490A true KR20020070490A (ko) 2002-09-09
KR100876300B1 KR100876300B1 (ko) 2008-12-31

Family

ID=24885424

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020027009314A KR100876300B1 (ko) 2000-11-22 2001-11-16 사용자의 현재 기분에 기초한 추천들을 생성하기 위한 방법 및 장치

Country Status (5)

Country Link
EP (1) EP1340375A1 (ko)
JP (1) JP2004515128A (ko)
KR (1) KR100876300B1 (ko)
CN (1) CN100423574C (ko)
WO (1) WO2002043391A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012070812A3 (en) * 2010-11-22 2012-07-19 Lg Electronics Inc. Control method using voice and gesture in multimedia device and multimedia device thereof
WO2012064565A3 (en) * 2010-11-12 2012-08-02 Microsoft Corporation Audience-based presentation and customization of content
WO2021025264A1 (ko) * 2019-08-02 2021-02-11 삼성전자주식회사 디스플레이 장치 및 이의 제어 방법

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005022910A1 (en) * 2003-08-29 2005-03-10 Koninklijke Philips Electronics N.V. User-profile controls rendering of content information
KR20050117829A (ko) * 2004-06-11 2005-12-15 삼성전자주식회사 사용자의 신체상태에 따른 서비스 자동선택방법, 장치 및그 기능이 부가된 단말기
JP2007041988A (ja) * 2005-08-05 2007-02-15 Sony Corp 情報処理装置および方法、並びにプログラム
CN100455012C (zh) * 2005-09-12 2009-01-21 中兴通讯股份有限公司 一种电视节目推荐装置及其方法
JP2007215046A (ja) * 2006-02-10 2007-08-23 Sharp Corp 情報処理装置、情報処理方法、情報処理プログラム、および記録媒体
US20080263591A1 (en) * 2007-04-23 2008-10-23 Microsoft Corporation Content viewing session
JP5042883B2 (ja) * 2008-02-28 2012-10-03 株式会社日立製作所 コンテンツ推薦装置およびコンテンツ推薦方法
FR2931332A1 (fr) * 2008-05-16 2009-11-20 Alcatel Lucent Sas Procede et systeme d'etablissement d'un guide des programmes dans un service de videos a la demande en fonction de l'humeur de l'utilisateur
US8658576B1 (en) 2009-10-21 2014-02-25 Encore Wire Corporation System, composition and method of application of same for reducing the coefficient of friction and required pulling force during installation of wire or cable
JP2011166572A (ja) * 2010-02-12 2011-08-25 Nec Personal Products Co Ltd 番組嗜好推定装置、画像視聴システム、番組視聴確認方法、及びプログラム
US9123061B2 (en) 2010-03-24 2015-09-01 Disney Enterprises, Inc. System and method for personalized dynamic web content based on photographic data
US10289898B2 (en) 2010-06-07 2019-05-14 Affectiva, Inc. Video recommendation via affect
CN101958138A (zh) * 2010-06-08 2011-01-26 宇龙计算机通信科技(深圳)有限公司 一种音乐数据存储方法、装置及音乐播放终端
CN102098567B (zh) * 2010-11-30 2013-01-16 深圳创维－Rgb电子有限公司 一种互动电视系统及其控制方法
TW201225649A (en) * 2010-12-07 2012-06-16 Acer Inc Television system and interaction method thereof
AU2012256402A1 (en) * 2011-02-27 2013-07-11 Affectiva, Inc, Video recommendation based on affect
US8887095B2 (en) * 2011-04-05 2014-11-11 Netflix, Inc. Recommending digital content based on implicit user identification
US20130061257A1 (en) * 2011-09-02 2013-03-07 Sony Corporation Verbally communicating facially responsive television apparatus
CN102427553A (zh) * 2011-09-23 2012-04-25 Tcl集团股份有限公司 一种电视节目播放方法、系统及电视机和服务器
CN103137043B (zh) * 2011-11-23 2015-07-15 财团法人资讯工业策进会 结合搜索引擎服务的广告播放系统及广告播放方法
US9100685B2 (en) 2011-12-09 2015-08-04 Microsoft Technology Licensing, Llc Determining audience state or interest using passive sensor data
CN102523502A (zh) * 2011-12-15 2012-06-27 四川长虹电器股份有限公司 智能电视交互系统及交互方法
CN102402765B (zh) * 2011-12-27 2017-07-28 北京京东尚科信息技术有限公司 基于用户表情分析的电子商务推荐方法
US9352371B1 (en) 2012-02-13 2016-05-31 Encore Wire Corporation Method of manufacture of electrical wire and cable having a reduced coefficient of friction and required pulling force
CN103383597B (zh) * 2012-05-04 2017-07-28 微软技术许可有限责任公司 用于呈现媒体节目的方法
CA2775700C (en) 2012-05-04 2013-07-23 Microsoft Corporation Determining a future portion of a currently presented media program
US11328843B1 (en) 2012-09-10 2022-05-10 Encore Wire Corporation Method of manufacture of electrical wire and cable having a reduced coefficient of friction and required pulling force
CN103024521B (zh) * 2012-12-27 2017-02-08 深圳Tcl新技术有限公司 节目筛选方法、系统及具有该系统的电视
KR20140094125A (ko) * 2013-01-21 2014-07-30 삼성전자주식회사 디스플레이 장치 및 이를 이용한 사용자 맞춤형 정보 제공방법
KR20140096935A (ko) * 2013-01-29 2014-08-06 이종식 인간의 감정 또는 성향 기반으로 한 사용자 인터페이스를 구비한 스마트 기기 및 사용자 인터페이스 방법
US10056742B1 (en) 2013-03-15 2018-08-21 Encore Wire Corporation System, method and apparatus for spray-on application of a wire pulling lubricant
KR20150062647A (ko) 2013-11-29 2015-06-08 삼성전자주식회사 영상처리장치 및 그 제어방법
DK178068B1 (en) * 2014-01-21 2015-04-20 Bang & Olufsen As Mood based recommendation
CN104811801A (zh) * 2015-04-23 2015-07-29 天脉聚源(北京)传媒科技有限公司 一种自动切换频道的方法及装置
CN106294489B (zh) * 2015-06-08 2022-09-30 北京三星通信技术研究有限公司 内容推荐方法、装置及系统
FR3037757B1 (fr) * 2015-06-18 2018-11-16 Spideo Procede et systeme de recommandation a un utilisateur de contenus a partir de parametre(s) activable(s) par l'utilisateur depuis une interface correspondante.
CN106327234A (zh) * 2015-07-02 2017-01-11 中兴通讯股份有限公司 一种信息推荐方法和装置
CN106658202A (zh) 2015-10-30 2017-05-10 中国移动通信集团公司 一种触发互动应用的方法和设备
CN105898411A (zh) * 2015-12-15 2016-08-24 乐视网信息技术（北京）股份有限公司 视频推荐方法、系统及服务器
CN105578277A (zh) * 2015-12-15 2016-05-11 四川长虹电器股份有限公司 基于用户心情推送资源的智能电视系统及其处理方法
CN105721936B (zh) * 2016-01-20 2018-01-16 中山大学 一种基于情景感知的智能电视节目推荐系统
CN106331109A (zh) * 2016-08-26 2017-01-11 天津通信广播集团有限公司 一种数字电视中可视信息智能推荐系统的实现方法
CN106445365A (zh) * 2016-09-12 2017-02-22 上海斐讯数据通信技术有限公司 一种情绪调整方法及智能终端
KR20180057096A (ko) * 2016-11-21 2018-05-30 삼성전자주식회사 표정 인식과 트레이닝을 수행하는 방법 및 장치
CN108234591B (zh) * 2017-09-21 2021-01-05 深圳市商汤科技有限公司 基于身份验证装置的内容数据推荐方法、装置和存储介质
CN109327736B (zh) * 2018-10-25 2021-01-26 合肥澳视智能科技有限公司 一种基于节目观看表情与用户信息的节目推荐方法
CN109542624B (zh) * 2018-11-23 2021-09-28 中国农业银行股份有限公司 一种应用变更的资源调配方法及装置
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
CN111414883A (zh) * 2020-03-27 2020-07-14 深圳创维－Rgb电子有限公司 一种基于人脸情绪的节目推荐方法、终端及存储介质
CN111417017A (zh) * 2020-04-28 2020-07-14 安徽国广数字科技有限公司 基于人体识别的iptv节目推荐方法及系统
US11849177B2 (en) * 2020-11-11 2023-12-19 Rovi Guides, Inc. Systems and methods for providing media recommendations
US11641506B2 (en) * 2020-11-11 2023-05-02 Rovi Guides, Inc. Systems and methods for providing media recommendations
CN113992991A (zh) * 2021-10-27 2022-01-28 四川启睿克科技有限公司 一种基于声纹识别的视频推荐系统及方法
CN115866339A (zh) * 2022-12-07 2023-03-28 深圳创维－Rgb电子有限公司 电视节目推荐方法、装置、智能设备及可读存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012064565A3 (en) * 2010-11-12 2012-08-02 Microsoft Corporation Audience-based presentation and customization of content
US8640021B2 (en) 2010-11-12 2014-01-28 Microsoft Corporation Audience-based presentation and customization of content
WO2012070812A3 (en) * 2010-11-22 2012-07-19 Lg Electronics Inc. Control method using voice and gesture in multimedia device and multimedia device thereof
CN103201790A (zh) * 2010-11-22 2013-07-10 Lg电子株式会社 多媒体设备中使用语音和姿势的控制方法及其多媒体设备
US9390714B2 (en) 2010-11-22 2016-07-12 Lg Electronics Inc. Control method using voice and gesture in multimedia device and multimedia device thereof
WO2021025264A1 (ko) * 2019-08-02 2021-02-11 삼성전자주식회사 디스플레이 장치 및 이의 제어 방법

Also Published As

Publication number Publication date
KR100876300B1 (ko) 2008-12-31
JP2004515128A (ja) 2004-05-20
CN100423574C (zh) 2008-10-01
EP1340375A1 (en) 2003-09-03
WO2002043391A1 (en) 2002-05-30
CN1395798A (zh) 2003-02-05

Similar Documents

Publication Publication Date Title
KR100876300B1 (ko) 사용자의 현재 기분에 기초한 추천들을 생성하기 위한 방법 및 장치
US11323776B2 (en) Apparatus, systems and methods for generating an emotional-based content recommendation list
EP1337914B1 (en) Method and apparatus for obtaining auditory and gestural feedback in a recommendation system
KR100946222B1 (ko) 감성적 텔레비전 모니터링 및 제어
KR100852869B1 (ko) 시청자 선호도들의 변화를 자동 식별하는 텔레비전프로그램 추천기
KR100965457B1 (ko) 퍼스널 프로파일에 기초한 콘텐츠의 증가
JP2004527954A (ja) ユーザ行動に基づき代替アイテムを自動的に選択する方法及び装置
US20060225088A1 (en) Generation of implicit tv recommender via shows image content
US20020186867A1 (en) Filtering of recommendations employing personal characteristics of users
WO2002080551A1 (en) Method and apparatus for generating recommendations for a plurality of users
WO2004030360A1 (en) Commercial recommender
JP2007501581A (ja) Ｔｖ番組の視聴状態に依存した推薦スコアの変換
CN112784069B (zh) 一种iptv内容智能推荐系统以及方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20121221

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20131220

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20141216

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20161213

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20171205

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20181130

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20191129

Year of fee payment: 12