KR20020077444A - 선택의 일관성에 기초된 추천들을 발생하기 위한 방법 및장치 - Google Patents

선택의 일관성에 기초된 추천들을 발생하기 위한 방법 및장치 Download PDF

Info

Publication number
KR20020077444A
KR20020077444A KR1020027010510A KR20027010510A KR20020077444A KR 20020077444 A KR20020077444 A KR 20020077444A KR 1020027010510 A KR1020027010510 A KR 1020027010510A KR 20027010510 A KR20027010510 A KR 20027010510A KR 20020077444 A KR20020077444 A KR 20020077444A
Authority
KR
South Korea
Prior art keywords
program
recommendation score
item
consistency
items
Prior art date
Application number
KR1020027010510A
Other languages
English (en)
Inventor
카우살 쿠라파티
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 KR20020077444A publication Critical patent/KR20020077444A/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
    • H04N21/4668—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]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user 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
    • H04N21/43—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
    • H04N21/45—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]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors
    • 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
    • H04N7/165—Centralised control of user terminal ; Registering at central

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Television Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

아이템이 제공되었던 횟수에 관련하여 이 아이템이 선택되었던 일관성에 기초하는 하나 또는 그 이상의 아이템들을 위한 추천들을 발생하는 방법 및 장치가 개시된다. 본 발명은 일관성 매트릭(consistency metric)에 기초하는 종래의 프로그램 추천 스코어(program recommendation score)를 조정한다. 예시적인 일관성 매트릭은 주어진 시간 기간내에 아이템이 제공되었던 횟수에 대한 아이템이 선택되었던 횟수의 비율로써 정의된다. 예시적 프로그램 추천 구현에서, 일관성 매트릭은 주어진 시간 기간내에 프로그램이 제공된 횟수에 대한 프로그램이 시청되었던 횟수의 비율로써 정의된다. 발생된 추천 스코어들은 각각 아이템의 일관성 있는 또는 일관성이 없는 선택에 대해 사용자를 보상하거나 또는 패널티를 주기 위해 적당한 방법으로 증가되거나 또는 감소될 수 있다.

Description

선택의 일관성에 기초된 추천들을 발생하기 위한 방법 및 장치{Method and apparatus for generating recommendations based on consistency of selection}
개인들에 이용가능한 미디어 선택들의 수는 지수적 페이스(exponential pace)로 증가하고 있다. 텔레비젼 시청자들에게 이용가능한 채널들의 수가, 그런 채널들에 이용가능한 프로그래밍 콘텐츠의 다양함과 함께 증가함에 따라, 텔레비젼 시청자들이 관심있는 텔레비젼 프로그램들을 식별하기 위한 시도는 점점 도전이 되고 있다. 역사적으로, 텔레비젼 시청자들은 인쇄된 텔레비젼 프로그램 가이드들을 분석함으로써 관심있는 텔레비젼 프로그램들을 식별했다. 전형적으로, 그렇게 인쇄된 텔레비젼 프로그램 가이드들(guides)은 시간과 날짜, 채널과 제목에 의해 이용가능한 텔레비젼 프로그램들을 나열하는(listing) 격자 모양들(grids)을 포함했다.텔레비젼 프로그램들의 수가 증가됨에 따라서, 그런 인쇄된 가이드들을 이용하여 원하는 텔레비젼 프로그램들을 효과적으로 식별하기가 점점 어렵게 된다.
더 최근에, 텔레비젼 프로그램 가이드들은 전자 프로그램 가이드들(EPGs)로 불리는, 전자 포맷으로 이용가능하게 되었다. 인쇄된 텔레비젼 프로그램 가이드들과 같이, EPGs는 시간과 날짜, 채널과 제목에 의해 이용가능한 텔레비젼 프로그램들을 나열한 격자모양들을 포함한다. 그러나, 어떤 EPGs는, 개인화된 선호도들(preferences)에 따라 이용가능한 텔레비젼 프로그램들을 분류 또는 검색하도록 텔레비젼 시청자들을 허용한다. 게다가, EPGs는 이용가능한 텔레비젼 프로그램들의 스크린 상에서의 표시(on-screen presentation)를 허용한다.
EPGs가 종래의 인쇄된 가이드들보다 원하는 프로그램들을 더 효과적으로 식별하도록 시청자들을 허용하는 반면에, EPGs는 많은 한계들(limitations)로부터 어려움을 겪고, 만약 이 한계들을 극복하면, 원하는 프로그램들을 식별하도록 시청자들의 능력을 더 향상시킬 수 있다. 예를 들어, 많은 시청자들은 액션 프로그램들 또는 스포츠 프로그램들과 같은, 어떤 프로그래밍의 일정한 카테고리들 대해 특정 선호도 성향들(preference towards), 반대 성향(bias against)을 갖는다. 그래서, 시청자 선호도들을 특정 시청자들이 관심을 가질 수 있는 추천된 프로그램들의 세트(set)를 얻도록 EPGs에 적용될 수 있다.
따라서, 다수의 도구들(tools)이 텔레비젼 프로그래밍을 추천하기 위해 제안되거나 또는 제의되었다. 예를 들어, 캘리포니아 서니배일(sunnyvale)의 티보(Tivo) Inc.로부터 상업적으로 이용가능한 티보™시스템(Tivo™system)은 "승인 및 거절(thumbs up and thumbs down)" 특징을 이용하여 쇼들(shows)을 평가하도록(rate) 시청자를 허용하고 그에 따라 시청자가 각각 좋아하고 싫어하는 프로그램들을 표시한다. 그 후에, 티보 수신기는 각 시청자들에게 맞춰진 추천들을 만들기 위해 기록된 시청자 선호도들을 EPGs와 같은, 수신된 프로그램 데이터와 매칭한다.
텔레비젼 프로그램 추천들을 발생하기 위한 그런 도구들은 그들의 이전 시청 이력(viewing history)에 기초되어 시청자가 좋아할 것 같은 프로그램들의 선택들을 제공한다. 그러나 비록 그런 추천 프로그램들의 도움(aid)을 받지만, 시청자가 모든 선택들 중에서 관심있는 프로그램들을 식별하는 것은 여전히 어렵다. 게다가, 현재 이용가능한 프로그램 추천들은 전형적으로 시청자의 시청 이력에 기초된 추천 스코어(recommendation score)를 발생한다. 그래서, 프로그램이 시청될 때 마다 프로그램과 연관된 양의 카운트들(positive counts)은 증가되어 그 후에 프로그램을 위해 높은 프로그램 추천 스코어를 생성한다. 그러나 현재 이용가능한 프로그램 추천기들은 시청을 위해 제공되었던 프로그램의 횟수에 관련해 얼마나 자주 프로그램이 시청되는지 고려하지 않는다.
그러므로 아이템이 제공되었던 각 때마다 아이템을 선택했던 사용자의 일관성(consistency)에 기초되는 콘텐트(content) 및 다른 아이템들을 추천하기 위한 방법과 장치를 위한 필요가 존재한다.
본 발명은 텔레비젼 프로그래밍 또는 다른 콘텐츠(contents)를 위한 추천기들(recommenders)과 같은, 추천 시스템(recommendation system)에 관련하고, 더욱 특히, 사용자에 의해 선택들의 일관성(consistency)에 기초하여 추천들을 발생하기 위한 방법 및 장치에 관련한다.
도 1은 본 발명에 관련한 텔레비젼 프로그래밍 추천기를 도시한 도면.
도 2는 도 1의 시청자 프로파일 데이터베이스로부터의 샘플 테이블.
도 3은 도 1의 프로그램 데이터베어스로부터의 샘플 테이블.
도 4는 본 발명의 원리들을 구현한 예시적 프로그램 추천 프로세스를 설명한 순서도.
(발명의 요약)
일반적으로, 아이템이 제공되었던 횟수의 아이템에 대해 아이템이 선택되었던 일관성에 기초하여 하나 또는 그 이상의 아이템들을 위한 추천들을 발생하기 위해 장치 및 방법이 개시된다. 본 발명은 일관성 매트릭(consistency metric)에 기초하는 종래의 프로그램 추천 스코어를 조정한다.
예시적 일관성 매트릭은 주어진 시간 기간내에 이 아이템이 제공되었던 횟수에 대해 이 아이템이 선택되었던 횟수의 비율로써 정의된다. 그래서, 프로그램 추천 구현에서, 일관성 매트릭은 주어진 시간 기간내에 프로그램이 주어졌던(present) 횟수에 대해 이 프로그램이 시청되었던 횟수의 비율로써 정의된다. 그리하여, 발생된 추천 스코어들은 아이템의 각각 일관성 있는 또는 일관성이 없는 선택에 대해 보상(reward) 또는 패널티를 주도록 적합한 방법으로 증가되거나 또는 감소된다.
본 발명의 그 밖의 특징들과 이점들 뿐만 아니라, 본 발명의 더 완전한 이해는 이하 상세한 설명 및 도면들을 참고에 의해 얻어질 것이다.
도 1은 본 발명에 따라 텔레비젼 프로그램 추천기(100)을 도시한다. 도 1에 도시된 것처럼, 텔레비젼 프로그래밍 추천기(100)는 특정 시청자에게 관심있는 프로그램들을 식별하도록 전자 프로그래밍 가이드(electronic programming guide(EPG))내의 각각의 프로그램들을 평가한다. 추천된 프로그램들의 셋트(set)는 예를 들어, 잘 알려진 스크린 상에서의 프리젼테이션(presentation) 기술들을 사용한 셋 톱(set-top) 단말기/텔레비젼(180)을 사용하여, 시청자에게 주어질(present) 수 있다.
본 발명의 하나의 특징에 따라서, 텔레비젼 프로그래밍 추천기(100)는 주어진 아이템이 제공되었던 아이템 횟수에 대하여 이 주어진 아이템이 선택되었던 일관성에 기초하여 텔레비젼 프로그램 추천들을 발생한다. 본 발명은 일관성 매트릭에 기초하여 종래의 프로그램 추천기 스코어를 조정한다. 예시적 일관성 매트릭은 주어진 시간 기간내에 이 아이템이 제공되었던 횟수에 대해 이 아이템이 선택되었던 횟수의 비율로써 정의된다. 시간 기간은 최근 행동(behavior)에 초점되도록 일관성 매트릭,,를 허용하도록 변경될 수 있다. 일관성 매트릭은 예를 들어, 0인 일관성 매트릭,을 25% 패널티로 변환하고 100인 일관성 매트릭,을 25% 보상으로 변환하는 선형 매핑(linear mapping)을 사용하여, 종래의 프로그램 추천 스코어에 관한 조정으로 변환될 수 있다. 그래서, 도시한 실시예에서, 종래의 프로그램 추천기 스코어는 각각의 아이템의 일관성 있는 또는 일관성이 없는 선택에 대해 사용자를 보상하거나 또는 패널티하도록 최고 25퍼센트(25%)만큼 증가되거나 또는 감소될 수 있다.
본 발명이 텔레비젼 추천기에 관련하여 여기에 예시되는 반면에, 본 발명은 시청 이력 또는 구매 이력과 같이, 사용자 행동의 평가에 기초하여 임의의 자동적으로 발생된 추천들에 적용할 수 있다. 그래서, 프로그램 추천 구현에서, 일관성 매트릭은 주어진 시간 기간내에 프로그램이 주어진 횟수에 대한 이 프로그램이 시청된 횟수의 비율로써 정의된다. 예를 들어, 만약 주어진 프로그램이 매 주에 일곱번 주어지고 사용자가 주어진 주(week)내에 프로그램을 다섯번 시청했으면, 그때 일관성 매트릭,는 5/7이다.
마찬가지로, 더 일반적인 추천 구현에서, 일관성 매트릭은 주어진 시간 기간내의 아이템이 제공되었던 횟수에 대한 이 아이템이 선택되었던 횟수의 비율로써 정의된다. 예를 들어, 아이템은 특정 저자에 의해 쓰여진 책들, 또는 잡지와 같은, 주어진 정기 간행물일 수 있다.
텔레비젼 프로그램 추천기(100)는 중앙 처리 장치(central processing unit(CPU))와 같은 프로세서(150)과, 램(RAM)과 롬(ROM)과 같은, 메모리(160)를 포함한, 개인 컴퓨터 또는 워크스테이션과 같은, 임의의 컴퓨팅 장치(computing device)로써 구현될 수 있다. 게다가, 텔레비젼 프로그래밍 추천기(100)는 캘리포니아 서니배일의 티보(Tivo) Inc.로부터 상업적으로 이용가능한 티보™시스템 또는 발명의 명칭이 "결정 트리들(decision trees)를 이용한 텔레비젼 프로그래밍을 추천하기 위한 방법 및 장치(Method and Apparatus for Recommendation Television Programming Using Decision Trees), "(대리인 문서번호 700772)인 1999년 12월 17에 출원된 미국 특허 출원 번호 09/466,406에서 설명된 텔레비젼 프로그램 추천기들과 발명의 명칭이 "베이시안(bayesian) TV 쇼 추천기"(대리인 문서번호 700690)인 2000년 2월 4일에 출원된 미국 특허 출원 번호 09/498,271, 또는 본 발명의 특징들과 기능들을 수행하도록 여기에서 변형된, 그것의 임의의 결합과 같이, 임의의 이용가능한 텔레비젼 프로그램 추천기로써 구현될 수 있다.
도 1에서 도시되고, 각각 도 2내지 4에 관련하여 이하에 더 논의된 것처럼, 텔레비젼 프로그래밍 추천기(100)의 메모리(160)는 하나 또는 그 이상의 시청자 프로파일(들)(200), 프로그램 데이터베이스(300) 그리고 프로그램 추천 프로세스(500)를 포함한다. 일반적으로, 예시적 시청자 프로파일(200)은 사용자의 시청 이력으로 유도된 특징 카운트들을 제공한다. 프로그램 데이터베이스(300)는 주어진 시간 간격에서 이용가능한 각 프로그램을 위해 정보를 기록한다. 마지막으로, 프로그램 추천 프로세스(400)는 프로그램이 주어졌던 프로그램 횟수에 대해 주어진 프로그램들이 선택되었던 일관성을 고려하여, 특정 시간 간격에서 각 프로그램을 위해 추천 스코어들을 발생한다.
도 2는 예시적인 함축적 시청자 프로파일(implicit viewer profile)(200)을 도시한 테이블이다. 도 2에 도시된 것처럼, 함축적 시청자 프로파일(200)은 다른 프로그램 특징들에 각각 연관된 복수개의 기록들(205-213)을 포함한다. 게다가, 열(230)에서 설명된 각 특징들에 대해, 함축적 시청자 프로파일(200)은필드들(235)내의 대응하는 양의 카운트들(positive counts)과 필드(250)내의 음의 카운트들(negative counts)을 제공한다. 양의 카운트들은 시청자가 각 특징을 갖는 프로그램들을 시청했던 횟수를 표시한다. 음의 카운트들은 시청자가 각 특징을 갖는 프로그램들을 시청하지 않았던 횟수를 표시한다.
각 양 및 음의 프로그램 예시를 위해(즉, 시청되고 시청되지 않은 프로그램들), 다수의 프로그램 특징들은 사용자 프로파일(200)내에서 분류된다. 예를 들어, 만약 주어진 시청자가 늦은 오후에 채널 2에서 주어진 스포츠 프로그램을 10회 시청했다면, 그때 함축적 시청자 프로파일(200)내의 이 특징들과 연관된 양의 카운트들은 필드들(235)에서 10만큼 증가될 것이고, 음의 카운트들은 0(제로)이 될 것이다.
함축적 시청자 프로파일(200)은 사용자의 시청 이력에 기초되기 때문에, 프로파일(200)에 포함된 데이터는 시청 이력이 증가함에 따라, 시간상 변경된다. 대안으로, 함축적 시청자 프로파일(200)은 예를 들어, 그 또는 그녀의 인구통계학(demographics)에 기초되는 사용자를 위해 선택되는 일반적인(generic) 또는 미리정의된 프로파일에 기초될 수 있다.
비록 시청자 프로파일(200)이 함축적 시청자 프로파일을 사용하여 도시되었지만, 시청자 프로파일(200)은 또한 이 기술에서 보통 숙련된 자에 의해 명백해질 것과 같이, 명시적 프로파일, 또는 명시적 및 함축적 프로파일들의 결합을 사용하여 구현될 수 있다. 결합된 프로그램 추천 스코어를 얻도록 함축적 및 명시적 프로파일들 둘 다 사용하는 텔레비젼 프로그램 추천기(100)의 논의를 위해서, 예를 들어, 여기에 참고로 통합된, 발명의 명칭이 "함축적 및 명시적 시청 선호들을 사용하는 추천 스코어들을 발생하기 위한 방법 및 장치(Method and Apparatus For Generating Recommendation Scores Using Implicit And Explicit Viewing Preperences),"(대리인 문서번호 701247)인 2000년 9월 20일에 출원된 미국 특허 출원 번호 09/666/401을 봐라.
도 3은 주어진 시간 간격에서 이용가능한 각 프로그램들을 위한 정보를 기록하는 도 1의 프로그램 데이터베이스(300)로부터의 샘플 테이블(sample table)이다. 프로그램 데이터베이스(300)에서 나타나는 데이터는 예를 들어, 전자 프로그램 가이드(110)로부터 얻을 수 있다. 도 3에 도시된 바와 같이, 프로그램 데이터베이스(300)는 기록들(305 내지 320)과 같이, 각각 주어진 각 프로그램과 연관된 복수개의 기록들을 포함한다. 각 프로그램에 대해, 프로그램 데이터베이스(300)는 각각, 필드들(340 및 345)내의 프로그램에 연관된 날짜/시간 및 채널을 표시한다. 게다가, 각 프로그램에 대한 제목과 장르는 필드들(350 및 355)에서 식별된다. 프로그램의 배우들(actors), 지속기간(duration), 그리고 설명(description)과 같은, 부가적인 잘 알려진 속성들(attributes)(미도시)이 프로그램 데이터베이스(300)에 또한 포함될 수 있다.
프로그램 데이터베이스(300)는 또한 필드(370)내의 텔레비젼 프로그래밍 추천기(100)에 의해 각 프로그램으로 할당된 추천 스코어(R)의 표시를 선택적으로 기록할 수 있다. 게다가, 프로그램 데이터베이스(300)는 본 발명에 따른 텔레비젼 프로그래밍 추천기(100)에 의해 각 프로그램에 할당된 조정된 추천 스코어(A)를필드(370)에 또한 선택적으로 표시할 수 있다. 이 방식에서, 본 발명에 의한 조정처럼, 수치 스코어들은 직접적으로 각 프로그램을 갖는 전자 프로그램 가이드에서 사용자에게 디스플레이될 수 있거나 또는 관심있는 프로그램들을 빠르게 찾도록 사용자를 허락하는 컬러 스펙트럼(color spectrum) 또는 또다른 비쥬얼 큐(visual cue)로 맵핑될 수 있다.
도 4는 본 발명의 본 발명의 원리들을 구현하는 예시적 프로그램 추천 프로세스(400)을 설명한 순서도이다. 도 4에 도시한 바와 같이, 프로그램 추천 프로세스(400)는 초기에 단계(410) 동안 전자 프로그램 가이드(EPG)를 얻는다. 그 후에, 프로그램 추천 프로세서(400)는 종래의 방법으로 관심있는 시간 기간내의 각 프로그램을 위해 단계(420) 동안, 프로그램 추천 스코어(R)을 계산한다(또는 종래의 추천기로부터 프로그램 추천 스코어(R)를 얻는다).
그 후에, 프로그램 추천 프로세스(400)는 단계(430) 동안 관심있는 시간 기간내의 각 프로그램을 위해, 일관성 매트릭,을 계산한다. 테스트는 그 후 계산된 일관성 매트릭,가 미리정의된 문턱값(threshold) 미만 인지를 결정하도록 단계(440) 동안 선택적으로 수행된다. 일반적으로, 단계(440) 동안 수행된 테스트는 시청자가 프로그램 전체를 시청하는데 실패했거나 또는 단지 프로그램을 명목상 시간(amount of times)동안 시청했으면 사용자에게 패널티가 주어지는 것을 방지하도록 의도된다.
만약 계산된 일관성 매트릭,이 미리정의된 문턱값 아래임이 단계(440)동안 결정되면, 일관성 매트릭,은 현재 프로그램의 일관성에 관련될 수 있는 유사한 프로그램들에 대해 단계(450) 동안 계산된다 . 일반적으로, 유사한 프로그램들은 예를 들어, 두 프로그램의 다양한 프로그램 특징들을 비교한 근사 행렬(closeness matrix)을 평가함으로써 식별될 수 있다. 유사성은 예를 들어, 텔레비젼 프로그램에 대응하는 두 가지 특징 벡터들의 도트 곱(dot product)으로써 계산될 수 있다. 일반적으로, 만약 S1 및 S2가 두 개의 쇼들(shows)이면, 쇼들은 S1(프로그램(101))<장르:코미디, 장르:시츄에이션, 장르:가족, 채널:NCB> 및 S2(프로그램(228))< 장르:코미디, 장르:시츄에이션(stuation), 장르:가족, 채널:NCB>로써 특성화될 수 있다. S1 및 S2의 도트 곱은 가중된 정규 평균(normalized average)일 수 있다. 가중치들은 장르와 채널 유사성과 같이, 각 특징의 유사성에 대해 할당될 수 있다. 게다가, 날짜-시간과 같은, 특정한 특징들은 두 개의 쇼들이 동일한 채널에 있으면 두 프로그램들은 동일한 시간에 동일한 채널에 결코 존재하지 않을 것이므로 계산에서 선택적으로 고려될 수 있다. 사용한 날짜-시간 특징의 사용은 다른 채널들의 경우에만 의미가 있다. 가중치들은 1.0까지만 가산되어야 한다.
그러나, 만약 계산된 일관성 매트릭,이 미리정의된 문턱값 아래가 아닌 단계(440) 동안 결정되었다면, 관심있는 시간 기간내의 각 프로그램에 대해(또는 만약 일관성 매트릭,이 문턱값 아래였던 유사한 프로그램들에 대해) 계산된 일관성 매트릭,은 예를 들어, 선형 매핑(linear mapping)을 사용하여, 조정계수(adjustment factor), F로 단계(460) 동안 변경되고, 그 후에 조정된 프로그램 추천 스코어, A는 또한 아래와 같이, 관심있는 시간 기간내의 각 프로그램을 위해 단계(460) 동안 계산된다:
A = R ㆍ F
프로그램 추천 프로세스(400)는 그 후 아래와 같이, 관심있는 시간 기간내의 각 프로그램을 위해 단계(470) 동안 결합된 프로그램 추천 스코어, C를 계산한다:
C = MIN {A, 100}
그래서 단계(470) 동안, 예시적 프로그램 츠천 프로세스(400)는 결합된 프로그램 추천 스코어, C가 100%(최고 스코어)를 초과하지 않는 것이 보장된다.
최종적으로, 프로그램 추천 프로세스(400)는 프로그램 제어가 종료되기 전에 단계(450) 동안 사용자에게 관심있는 시간 기간내의 프로그램들을 위해 결합된 프로그램 추천 스코어, C를 제공한다.
프로그램 추천 프로세스(400)의 더 변형들에서, 조정된 프로그램 추천 스코어, A는 보너스 산정 시스템(bonus scoring system)을 사용하여 단계(430) 동안 계산될 수 있고, 미리정의되었거나 또는 고정된 보너스는 예를 들어, 일관성 매트릭이 기초하여 결정된다.
여기서 도시되고 기술된 본 실시예들과 변형들은 본 발명의 원리들의 단순한 예시이고 다양한 변형들은 본 발명의 범위 및 정신을 벗어나지 않고 숙련된 자들에 의해 구현될 수 있음이 이해되어야 한다.

Claims (15)

  1. 아이템들(items)(305, 310, 320)을 추천하기 위한 방법에 있어서,
    하나 또는 그 이상의 이용가능한 아이템들(305, 310, 320)의 리스트를 얻는단계와,
    상기 아이템(305, 310, 320)이 제공되었던 횟수에 대해 이 아이템(305, 310, 320)이 사용자에 의해 선택되었던 일관성에 기초하여 상기 하나 또는 그 이상의 아이템들(305, 310, 320)을 위해 결합된 추천 스코어(score)를 계산하는 단계를 포함하는, 아이템들을 추천하기 위한 방법.
  2. 제 1항에 있어서,
    사용자에게 상기 프로그램에 대한 상기 결합된 추천 스코어 (C;recommendation score)를 제공하는 단계를 더 포함하는, 아이템들을 추천하기 위한 방법.
  3. 제 1항에 있어서,
    상기 하나 또는 그 이상의 이용가능한 아이템들(305,310,320)은 전자 프로그램 가이드(Electronic program guide)(110)로부터 얻은 프로그램들인, 아이템들을 추천하기 위한 방법.
  4. 제 1항에 있어서,
    상기 계산 단계는,
    상기 하나 또는 그 이상의 이용가능한 아이템들(305, 310, 320)에 대해, 추천 스코어(R)을 얻고,
    상기 아이템(305, 310, 320)이 제공되었던 상기 횟수에 대해 이 아이템(305, 310, 320)이 사용자에 의해 선택되었던 일관성에 기초하여 상기 추천 스코어(R)로, 조정(A)을 계산하고,
    상기 추천 스코어(R)과 상기 조정(A)에 기초하여 상기 결합된 추천 스코어( C)를 발생하는 것을 포함하는, 아이템들을 추천하기 위한 방법.
  5. 제 4항에 있어서,
    상기 추천 스코어(R)는 프로그램 추천기에 의해 제공되는, 아이템들을 추천하기 위한 방법.
  6. 제 4항에 있어서,
    상기 추천 스코어(R)는 프로그램 특징들(340, 345, 350, 355)의 개별 비율들(Individual ratings)의 가중 평균(weighted average)으로서 정의되는, 아이템들을 추천하기 위한 방법.
  7. 제 4항에 있어서,
    상기 추천 스코어(R)에 대한 상기 조정은 미리정의된 값을 초과하지 않는, 아이템들을 추천하기 위한 방법.
  8. 아이템들(305, 310, 320)을 추천하기 위한 시스템(100)에 있어서,
    컴퓨터 판독 코드(computer readable code)를 저장하기 위한 메모리(160)와,
    상기 메모리(160)에 동작 가능하게 결합된 프로세서(150)을 포함하며, 상기 프로세서(150)는,
    하나 또는 그 이상의 이용가능한 아이템들(305, 310, 320)의 리스트를 획득하고;
    상기 아이템(305, 310, 320)이 제공되었던 횟수에 대해 이 아이템(305, 310, 320)이 사용자에 의해 선택되었던 일관성에 기초하여 상기 하나 또는 그 이상의 아이템들(305, 310, 320)을 위해 결합된 추천 스코어를 계산하도록 구성되는, 아이템들을 추천하기 위한 시스템.
  9. 제 8항에 있어서,
    상기 프로세서(150)는 사용자에게 상기 프로그램에 대한 상기 결합된 추천 스코어(C)를 제공하도록 더 구성된, 아이템들을 추천하기 위한 시스템.
  10. 제 8항에 있어서,
    하나 또는 그 이상의 이용가능한 아이템들(305, 310, 320)의 상기 리스트들은 전자 프로그램 가이드(110)로부터 얻어진 프로그램들인, 아이템들을 추천하기 위한 시스템.
  11. 제 8항에 있어서,
    상기 프로세서(150)는,
    하나 또는 그 이상의 이용가능한 아이템들(305, 310, 320)의 리스트를 얻고;
    상기 하나 또는 그 이상의 이용가능한 아이템들(305, 310, 320)에 대한 추천 스코어(R)를 얻고;
    상기 아이템(305, 310, 320)이 제공되었던 횟수에 대해 이 아이템(305, 310, 320)이 사용자에 의해 선택되었던 일관성에 기초하여, 상기 추천 스코어(R)에 대한 조정(A)을 계산하고;
    상기 추천 스코어(R)와 상기 조정(A)에 기초하여 상기 결합된 추천 스코어(C)를 발생하도록 구성된, 아이템들을 추천하기 위한 시스템.
  12. 제 11항에 있어서,
    상기 추천 스코어(R)는 프로그램 추천기에 의해 제공되는, 아이템들을 추천하기 위한 시스템.
  13. 제 11항에 있어서,
    상기 추천 스코어(R)는 프로그램 특징들(340, 345, 350, 355)의 개별 비율들의 가중 평균으로서 정의되는, 아이템들을 추천하기 위한 시스템.
  14. 제 11항에 있어서,
    상기 추천 스코어(R)에 대한 상기 조정은 미리정의된 값을 초과하지 않는, 아이템들을 추천하기 위한 시스템.
  15. 컴퓨터 프로그램 제품을 실행할 경우 프로그램 가능 장치가 청구항 8 내지 14에 정의된 시스템으로서 작용하게 하는 컴퓨터 프로그램 제품.
KR1020027010510A 2000-12-14 2001-11-27 선택의 일관성에 기초된 추천들을 발생하기 위한 방법 및장치 KR20020077444A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/736,908 US20020075320A1 (en) 2000-12-14 2000-12-14 Method and apparatus for generating recommendations based on consistency of selection
US09/736,908 2000-12-14
PCT/EP2001/014141 WO2002049357A2 (en) 2000-12-14 2001-11-27 Method and apparatus for generating recommendations based on consistency of selection

Publications (1)

Publication Number Publication Date
KR20020077444A true KR20020077444A (ko) 2002-10-11

Family

ID=24961817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020027010510A KR20020077444A (ko) 2000-12-14 2001-11-27 선택의 일관성에 기초된 추천들을 발생하기 위한 방법 및장치

Country Status (6)

Country Link
US (1) US20020075320A1 (ko)
EP (1) EP1374581A2 (ko)
JP (1) JP2004516565A (ko)
KR (1) KR20020077444A (ko)
CN (1) CN1199465C (ko)
WO (1) WO2002049357A2 (ko)

Families Citing this family (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6694482B1 (en) * 1998-09-11 2004-02-17 Sbc Technology Resources, Inc. System and methods for an architectural framework for design of an adaptive, personalized, interactive content delivery system
US7231652B2 (en) * 2001-03-28 2007-06-12 Koninklijke Philips N.V. Adaptive sampling technique for selecting negative examples for artificial intelligence applications
US7096234B2 (en) 2002-03-21 2006-08-22 Microsoft Corporation Methods and systems for providing playlists
US7159000B2 (en) * 2002-03-21 2007-01-02 Microsoft Corporation Methods and systems for repairing playlists
US6941324B2 (en) * 2002-03-21 2005-09-06 Microsoft Corporation Methods and systems for processing playlists
US7220910B2 (en) * 2002-03-21 2007-05-22 Microsoft Corporation Methods and systems for per persona processing media content-associated metadata
US20060100987A1 (en) * 2002-11-08 2006-05-11 Leurs Nathalie D P Apparatus and method to provide a recommedation of content
US8086093B2 (en) * 2002-12-05 2011-12-27 At&T Ip I, Lp DSL video service with memory manager
US20040111750A1 (en) * 2002-12-05 2004-06-10 Stuckman Bruce E. DSL video service with automatic program selector
US20040111748A1 (en) * 2002-12-05 2004-06-10 Bushey Robert R. System and method for search, selection and delivery of media content
US20040111754A1 (en) * 2002-12-05 2004-06-10 Bushey Robert R. System and method for delivering media content
US7870593B2 (en) * 2002-12-05 2011-01-11 Att Knowledge Ventures, L.P. DSL video service with storage
JP2004194108A (ja) * 2002-12-12 2004-07-08 Sony Corp 情報処理装置および情報処理方法、記録媒体、並びにプログラム
US20060174275A1 (en) * 2003-03-11 2006-08-03 Koninklijke Philips Electronics Generation of television recommendations via non-categorical information
US7526735B2 (en) * 2003-12-15 2009-04-28 International Business Machines Corporation Aiding visual search in a list of learnable speech commands
JP4676441B2 (ja) * 2004-10-01 2011-04-27 パナソニック株式会社 チャンネル契約提案装置、方法、プログラム及び集積回路
JP2008521315A (ja) * 2004-11-18 2008-06-19 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 ユーザープロファイルを更新するための装置および方法
KR100698277B1 (ko) * 2005-07-15 2007-03-22 엘지전자 주식회사 영상표시장치 및 이를 이용한 방송신호 재생 방법
WO2007063714A1 (ja) * 2005-11-29 2007-06-07 Matsushita Electric Industrial Co., Ltd. 入出力装置、入出力方法及びそのプログラム
US7844603B2 (en) * 2006-02-17 2010-11-30 Google Inc. Sharing user distributed search results
US20070244983A1 (en) * 2006-04-12 2007-10-18 Penthera Technologies Inc. System and method for delivering content based on demand to a client
CN101535936B (zh) * 2006-11-30 2015-12-02 联想创新有限公司（香港) 信息选择辅助系统、信息选择辅助方法和程序
US20080268829A1 (en) * 2007-04-24 2008-10-30 Motorola, Inc. Method and apparatus for user personalized mobile video program list population
JP2010527066A (ja) * 2007-05-07 2010-08-05 フォースウォール・メディア・インコーポレーテッド 個人化されたリソースをオンデマンドで消費者デバイスアプリケーションに広帯域ネットワークを介して提供すること
CN101094372B (zh) * 2007-07-25 2010-06-09 北京中星微电子有限公司 一种电视节目推荐装置及方法
CN101779180B (zh) * 2007-08-08 2012-08-15 贝诺特公司 基于背景的内容推荐的方法和设备
US20090070198A1 (en) * 2007-09-12 2009-03-12 Sony Corporation Studio farm
JP4717871B2 (ja) * 2007-11-06 2011-07-06 シャープ株式会社 コンテンツ視聴装置及びコンテンツ推薦方法
CN101227433B (zh) * 2008-02-04 2014-07-30 华为软件技术有限公司 在网络电视业务系统中实现信息共享的方法和终端
US8645516B2 (en) 2008-02-22 2014-02-04 Accenture Global Services Limited System for analyzing user activity in a collaborative environment
US20090216608A1 (en) * 2008-02-22 2009-08-27 Accenture Global Services Gmbh Collaborative review system
US8239228B2 (en) * 2008-02-22 2012-08-07 Accenture Global Services Limited System for valuating users and user generated content in a collaborative environment
US9009601B2 (en) * 2008-02-22 2015-04-14 Accenture Global Services Limited System for managing a collaborative environment
US20090216578A1 (en) * 2008-02-22 2009-08-27 Accenture Global Services Gmbh Collaborative innovation system
US9208262B2 (en) * 2008-02-22 2015-12-08 Accenture Global Services Limited System for displaying a plurality of associated items in a collaborative environment
US20100185498A1 (en) * 2008-02-22 2010-07-22 Accenture Global Services Gmbh System for relative performance based valuation of responses
US9298815B2 (en) 2008-02-22 2016-03-29 Accenture Global Services Limited System for providing an interface for collaborative innovation
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
US8661471B2 (en) * 2008-10-29 2014-02-25 Sony Corporation Information processing apparatus and information processing method
US20100125599A1 (en) * 2008-11-17 2010-05-20 International Business Machines Corporation Obtaining trusted recommendations through discovery of common contacts in contact lists
JP5458636B2 (ja) * 2009-04-07 2014-04-02 ソニー株式会社 情報処理装置、情報処理方法、プログラム、情報提供装置、情報提供方法および情報処理システム
US9786159B2 (en) 2010-07-23 2017-10-10 Tivo Solutions Inc. Multi-function remote control device
FR2977345A1 (fr) * 2011-06-30 2013-01-04 Alcatel Lucent Systeme de recommandation de contenu numerique
JP6028429B2 (ja) * 2012-07-10 2016-11-16 富士ゼロックス株式会社 表示制御装置、サービス提供装置、及びプログラム
US20150006294A1 (en) * 2013-06-28 2015-01-01 Linkedln Corporation Targeting rules based on previous recommendations
JP2014060790A (ja) * 2013-11-28 2014-04-03 Nec Corp 携帯端末並びに携帯端末におけるテレビ番組名広告方法
CN104079960B (zh) * 2013-12-05 2015-10-07 深圳市腾讯计算机系统有限公司 文件推荐方法和装置
US9836765B2 (en) 2014-05-19 2017-12-05 Kibo Software, Inc. System and method for context-aware recommendation through user activity change detection
JP2015053710A (ja) * 2014-10-23 2015-03-19 レノボ・イノベーションズ・リミテッド（香港） 携帯端末並びに携帯端末におけるテレビ番組名広告方法
US20160349961A1 (en) * 2015-06-01 2016-12-01 International Business Machines Corporation Dynamic tidy correlated icon depending on the favorite
CN104954821B (zh) * 2015-06-24 2018-06-19 北京酷云互动科技有限公司 一种节目关联度的计算方法及其计算系统
US10674214B2 (en) * 2015-08-28 2020-06-02 DISH Technologies L.L.C. Systems, methods and apparatus for presenting relevant programming information
US11838571B2 (en) 2021-03-04 2023-12-05 The Nielsen Company (Us), Llc Apparatus and methods to estimate media audience consistency

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5410344A (en) * 1993-09-22 1995-04-25 Arrowsmith Technologies, Inc. Apparatus and method of selecting video programs based on viewers' preferences
KR100348915B1 (ko) * 1994-05-12 2002-12-26 마이크로소프트 코포레이션 텔레비젼프로그램선택방법및그시스템
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
JP3360705B2 (ja) * 1994-12-21 2002-12-24 ソニー株式会社 放送受信装置および放送受信方法
US6112186A (en) * 1995-06-30 2000-08-29 Microsoft Corporation Distributed system for facilitating exchange of user information and opinion using automated collaborative filtering
US5848396A (en) * 1996-04-26 1998-12-08 Freedom Of Information, Inc. Method and apparatus for determining behavioral profile of a computer user
JP3048926B2 (ja) * 1996-07-26 2000-06-05 静岡日本電気株式会社 音声通知機能付き無線選択呼出受信機
US6005597A (en) * 1997-10-27 1999-12-21 Disney Enterprises, Inc. Method and apparatus for program selection
US6298482B1 (en) * 1997-11-12 2001-10-02 International Business Machines Corporation System for two-way digital multimedia broadcast and interactive services
JP2000013708A (ja) * 1998-06-26 2000-01-14 Hitachi Ltd 番組選択支援装置
US6898762B2 (en) * 1998-08-21 2005-05-24 United Video Properties, Inc. Client-server electronic program guide
US6704931B1 (en) * 2000-03-06 2004-03-09 Koninklijke Philips Electronics N.V. Method and apparatus for displaying television program recommendations
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
US7017172B2 (en) * 2000-12-06 2006-03-21 Koninklijke Philips Electronics N.V. Recommender system using “fuzzy-now” for real-time events
US20030074447A1 (en) * 2001-10-16 2003-04-17 Rafey Richter A. Intuitive mapping between explicit and implicit personalization
US7571452B2 (en) * 2001-11-13 2009-08-04 Koninklijke Philips Electronics N.V. Method and apparatus for recommending items of interest to a user based on recommendations for one or more third parties

Also Published As

Publication number Publication date
WO2002049357A3 (en) 2003-10-09
CN1199465C (zh) 2005-04-27
EP1374581A2 (en) 2004-01-02
US20020075320A1 (en) 2002-06-20
CN1475078A (zh) 2004-02-11
JP2004516565A (ja) 2004-06-03
WO2002049357A2 (en) 2002-06-20

Similar Documents

Publication Publication Date Title
KR20020077444A (ko) 선택의 일관성에 기초된 추천들을 발생하기 위한 방법 및장치
KR100864186B1 (ko) 텔레비전 프로그램을 추천하는 방법 및 텔레비전 프로그램에 대한 추천을 얻기 위한 시스템
CN100426860C (zh) 根据向一个或多个第三方的推荐向用户推荐感兴趣项目的方法和设备
KR100858639B1 (ko) 유사성 메트릭에 기초한 텔레비전 프로그램 추천들을 생성하는 방법 및 장치
EP1332620A2 (en) Method and apparatus for generating television program recommendations based on prior queries
JP4625610B2 (ja) 重要な属性の寄与の強さを示す示標と共に番組推奨を表示する方法及び装置
US20020178440A1 (en) Method and apparatus for automatically selecting an alternate item based on user behavior
US20020174428A1 (en) Method and apparatus for generating recommendations for a plurality of users
KR20020073525A (ko) 이용자 프로파일의 선택적 갱신을 위한 방법 및 장치
JP2004513572A (ja) 番組の推薦用の問合せサーチ項目を自動的に生成するための方法及び装置
US20080256579A1 (en) Assisted User Control in Recommenders
KR20070100903A (ko) 추천기들에서의 보조 사용자 제어
JP2005519535A (ja) ユーザの好みにしたがってプログラム情報を推奨するためのシステム
KR101068657B1 (ko) Ｔｖ 쇼들의 시청 상태에 의존하는 추천기 스코어들의 변환
JP6563572B1 (ja) 情報処理装置、情報処理方法及びプログラム
EP1882365A1 (en) Assisted user control in recommenders
KR20080007512A (ko) 추천기에서 조력된 사용자 제어

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application