KR20030003396A - Method for Content Recommendation Service using Content Category-based Personal Profile structures - Google Patents

Method for Content Recommendation Service using Content Category-based Personal Profile structures Download PDF

Info

Publication number
KR20030003396A
KR20030003396A KR20010039133A KR20010039133A KR20030003396A KR 20030003396 A KR20030003396 A KR 20030003396A KR 20010039133 A KR20010039133 A KR 20010039133A KR 20010039133 A KR20010039133 A KR 20010039133A KR 20030003396 A KR20030003396 A KR 20030003396A
Authority
KR
Grant status
Application
Patent type
Prior art keywords
user
recommendation
profile
preference
system
Prior art date
Application number
KR20010039133A
Other languages
Korean (ko)
Inventor
박준호
윤수영
류정섭
김진한
Original Assignee
주식회사 케이티
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

Links

Images

Abstract

PURPOSE: A method for a contents recommendation service using a categorized preference profile of a user is provided to recommend the contents preferable to the user from a recommendation candidate list by configuring the preference profile of each user based on the keyword and preference information of the contents. CONSTITUTION: The user's preference profile is configured and stored in a profile database(210) of a recommendation system(201). The system judges that the user is logged on(202). If the user does not log in, a web screen including a general recommendation item(204). If the user logs in, the system requests the preference profile information of the user to the profile database(210) and the profile database(210) transfers the recommendation candidate list to a buffer manager(203, 220). The system decides the recommendation list considering a position of the user(205) and outputs the recommendation list according to the user's position(206).

Description

사용자의 분야별 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법{Method for Content Recommendation Service using Content Category-based Personal Profile structures} Content using the user's preference profile sector like service method {Method for Content Recommendation Service using Content Category-based Personal Profile structures}

본 발명은 인터넷 웹사이트에서 사용자의 선호 프로파일을 이용하여 분야별 컨텐츠를 추천하기 위한 사용자 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법과 상기 방법을 실현 시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다. The present invention relates to a computer-readable recording medium recording a program for realizing the content recommendation service method using a user preference profile, to recommend the sector content using the user preference profile, and the method in an Internet Web site.

인터넷을 통한 서비스가 하나의 새로운 사업영역으로 자리잡아감에 따라, 사용자들에게 보다 양질의 컨텐츠 서비스를 제공함으로써 새로운 수익을 창출하려는 방안들이 새롭게 제시되고 있다. Services over the Internet to hold position as one of the new business area, according to the senses, by providing more high-quality content services to users has been suggested that new ways to generate new revenue.

종래의 컨텐츠 추천 서비스 기술에서는 해당 컨텐츠가 도서, 음반 등 하나의 상품 아이템에 국한되어 있으며, 실제 각 개인의 선호 정보를 분석하기 보다는 집단의 성향 분석을 통한 예측을 통해 기본적인 추천을 수행하고 있다. In conventional content recommendation service skills and perform basic recommendations by the prediction through the analysis of the tendencies and that its content is limited to one item of goods, such as books, CDs, rather than analyzing the actual preferences of each individual group.

따라서, 개인의 선호 컨텐츠에 대한 추천의 정확도가 그다지 높지 않으며, 상품 아이템 이외의 멀티미디어 컨텐츠 등 다양한 웹 컨텐츠들에 대해서 추천하는 방법에 대한 기술력이 부족한 문제점이 있었다. Thus, the accuracy of the recommendation for the content of personal preference not so high, there was a lack of skills on how to recommendations for a variety of web content, such as multimedia content items other than product problems.

또한, 컨텐츠의 추천 방법에 있어서도, 사용자의 위치(예를 들면, 웹사이트 내 컨텐츠의 분류 레벨과 동일한 위치)와는 상관없이 이미 결정된 추천 컨텐츠들을 임의 시점에서 사용자에게 그대로 보여줌으로써 불필요한 정보가 전달되는 문제점이 있었다. Further, in, the user's location (e.g., Web same location as the site classification level of my content) than previously determined recommendation problem in that unnecessary information by showing to the user as at any time of delivering the content regardless of the recommended method of the content there was.

본 발명은, 상기한 바와 같은 문제점을 해결하기 위하여 제안된 것으로, 컨텐츠에 대한 키워드와 선호도 정보를 바탕으로 사용자 각각의 선호 프로파일을 구성하고, 사용자가 선호할 수 있는 컨텐츠들을 사용자의 웹사이트 상의 위치에 맞게 추천 후보 리스트로부터 선택하여 추천할 수 있는 사용자 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법과 상기 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는데 그 목적이 있다. The present invention has been proposed to solve the problems as described above, the configuration of each user preference profile based on the keyword and the preference information on the content, and the user's location on the users of which may be preferred content websites to fit there is provided a computer readable recording medium recording a program for realizing the content recommendation service method and the method using the user preference profile that can be recommended to choose from a list of recommended candidates.

도 1 은 본 발명이 적용되는 컨텐츠 추천 서비스 시스템의 구성예시도. 1 is a configuration example of a content recommendation service system to which the present invention is applied.

도 2 는 본 발명에 따른 사용자 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법에 대한 일실시예 흐름도. Figure 2 is one embodiment of a flow diagram for content recommendation service method using a user preference profile in accordance with the present invention.

도 3 은 본 발명에 따른 웹사이트의 논리적 단계에 대한 일실시예 설명도. Figure 3 is one embodiment of a description of the logical steps of the Web site in accordance with the present invention.

도 4 는 본 발명에 따른 레벨 별 사용자 선호 프로파일 구조의 일실시예 설명도. Figure 4 is an embodiment described in the level per user preference profile structure according to the present invention.

도 5 는 본 발명에 따른 레벨 별 추천 후보 리스트 구조의 일실시예 설명도. Figure 5 is an embodiment described in the level recommended by the candidate list structure in accordance with the present invention.

도 6 은 본 발명에 따른 사용자의 위치에 따른 추천 리스트 결정 방법에 대한 일실시예 설명도. Figure 6 is one embodiment of a description of the recommendation list determination method according to the location of the user in accordance with the present invention.

도 7 은 본 발명에 따른 사용자 선호 프로파일 구성 방법에 대한 일실시예 흐름도. Figure 7 is one embodiment of a flow diagram for a user preference profile configuration method according to the invention.

도 8 은 본 발명에 따른 프로파일 매칭에 대한 일실시예 흐름도. Figure 8 is one embodiment of a flow diagram for a profile matching in accordance with the present invention.

* 도면의 주요 부분에 대한 부호의 설명 * Description of the Related Art

101 : 사용자102 : 웹 서버 101: 102 Users: Web Server

103 : 추천 시스템104 : 프로파일 데이터베이스 103: 104 referral system: a profile database

상기 목적을 달성하기 위한 본 발명의 방법은, 컨텐츠 추천 서비스 시스템에서의 사용자 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법에 있어서, 사용자 선호 프로파일을 구성하는 제 1 단계; A first step of the method of the present invention for achieving the above object, in the content recommendation service method using a user preference profile in a content recommendation service system, configure the user preference profile; 상기 사용자 선호 프로파일을 추천시스템의 프로파일 데이터베이스에 저장하고, 사용자의 로그인(login)을 판단하는 제 2 단계; Storing the user preference profile in the profile database of the recommendation system, and a second step of determining the user's login (login); 상기 판단 결과, 상기 사용자가 로그인하지 않았으면 일반 추천사항을 포함한 웹 화면을 출력하는 제 3 단계; The result of the determination, the third step of outputting the web screen including General recommendations If the user is not logged in; 및 상기 판단 결과, 상기 사용자가 로그인하였으면추천시스템의 프로파일 데이터베이스에 사용자 선호 프로파일 정보를 요구하여 추천 후보 리스트를 획득한 후, 상기 사용자의 현재 웹 컨텐츠 상의 위치를 반영하여 추천 리스트를 출력하는 제 4 단계를 포함하는 것을 특징으로 한다. And the determination results, a fourth step of the user logs Once you like and then by requiring a user preference profile information in the profile database of the system acquires the recommended candidate list, and the user's current reflecting the position on the Web content output a recommendation list in that it comprises the features.

한편, 본 발명은, 프로세서를 구비한 컨텐츠 추천 서비스 시스템에, 사용자 선호 프로파일을 구성하는 제 1 기능; On the other hand, the present invention provides a content recommendation service system having a processor, a first function to configure the user preference profile; 상기 사용자 선호 프로파일을 추천시스템의 프로파일 데이터베이스에 저장하고, 사용자의 로그인(login)을 판단하는 제 2 기능; Storing the user preference profile in the profile database of the recommendation system, and the second function of determining a user's login (login); 상기 판단 결과, 상기 사용자가 로그인하지 않았으면 일반 추천사항을 포함한 웹 화면을 출력하는 제 3 기능; It determined that a third function to output a web screen including General recommendations If the user is not logged in; 및 상기 판단 결과, 상기 사용자가 로그인하였으면 추천시스템의 프로파일 데이터베이스에 사용자 선호 프로파일 정보를 요구하여 추천 후보 리스트를 획득한 후, 상기 사용자의 현재 웹 컨텐츠 상의 위치를 반영하여 추천 리스트를 출력하는 제 4 기능을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다. And the determination results, a fourth feature that the user logs Once you like and then by requiring a user preference profile information in the profile database of the system acquires the recommended candidate list, and the user's current reflecting the position on the Web content output a recommendation list to provide a computer readable recording medium recording a program for realizing.

상술한 목적, 특징들 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이다. The aforementioned objects, features and advantages will become apparent from the following description in conjunction with the accompanying drawings. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명한다. With reference to the accompanying drawings, it will be described the preferred embodiments of the present invention;

도 1 은 본 발명이 적용되는 컨텐츠 추천 서비스 시스템의 구성예시도이다. 1 is a configuration example of a content recommendation service system to which the present invention is applied.

도면에서, "101"은 사용자, "102"는 웹 서버, "103"은 추천시스템, 그리고 "104"는 프로파일 데이터베이스를 각각 나타낸다. In the drawing, "101" user, "102" is a Web server, "103" is like the system, and "104" denotes a profile database, respectively.

사용자(101)는 네트워크를 통하여 웹 서버(102)에 접속하여 컨텐츠 서비스를 받을 수 있다. User 101 over a network by connecting to a web server 102 can receive the content service. 여기서, 네트워크는 다수간의 통신 접속을 수행하여 상호간에 데이터 통신이 이루어지도록 하는 데, 이러한 네트워크는 인터넷, 무선 통신망 등을 포함한다. Here, the network is to ensure the data communication performed with each other to perform a communication connection between a plurality, these networks include the Internet, wireless communication network or the like.

상기 컨텐츠 추천 서비스 시스템은, 컨텐츠의 카테고리 분류에 따라 사용자(101)의 선호 프로파일을 구성한다. The content recommendation service system, constitutes a preferred profile of the user 101 according to the category classification of content. 그리고, 실제 서비스에서는 사용자 로그인 시 추천 시스템(103)의 프로파일 데이터베이스(104)에게 사용자 선호 프로파일에 대한 정보(예를 들면, 추천 후보 리스트 등)를 미리 요구한다. Then, the actual service, and to a profile database (104) when the user logs in like system 103 requests information (e.g., recommended candidate list, etc.) for the user preference profile in advance. 이는 실시간 추천 속도를 높이기 위한 것으로, 이를 위한 버퍼 관리자 등을 사용하여 추천 후보 리스트의 인덱스를 유지한다. It recommended that to improve the real-time speed, using the buffer manager like for them to maintain the index of the candidate recommendation list. 여기서, 사용자가 로그인을 하지 않은 상태에서는 웹 서버(102)에서 일반 추천 사항을 포함한 웹 컨텐츠를 보여준다. Here, in the state of a user not logged in show the web content, including general recommendations on the web server (102).

한편, 추천시스템(103)의 프로파일 데이터베이스(104)로부터 사용자의 추천 후보 리스트를 받게 되면, 사용자의 추천 후보 리스트 중에서 사용자의 위치에 따른 추천을 제공하기 위한 추천 리스트를 결정하여 사용자(101)의 선호 프로파일에 따른 컨텐츠를 제공한다. On the other hand, like when from the profile database 104 of the system 103 receives a recommendation candidate list of the user, by determining the recommendation list for providing recommendations based on the user's location from the recommended candidate list of user preferences of a user (101) It provides content according to the profile.

도 2 는 본 발명에 따른 사용자 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법에 대한 일실시예 흐름도이다. 2 is a flowchart illustrating one embodiment of the content recommendation service method using a user preference profile in accordance with the present invention.

도 2에 도시된 바와 같이, 본 발명에 따른 사용자 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법은, 먼저 사용자 선호 프로파일을 구성하여(201) 추천시스템의 프로파일 데이터베이스(210)에 저장한다. As shown in Figure 2, a content recommendation service method using a user preference profile in accordance with the present invention it is first stored in the profile database 210 of the configure the user preference profile 201 like the system.

다음으로, 사용자의 로그인(login)을 판단한다(202). Next, it is determined the user's login (login) (202).

상기 판단 결과, 사용자가 로그인하지 않았으면 일반 추천사항을 포함한 웹화면을 출력하고, 사용자가 로그인하였으면 추천시스템 프로파일 데이터베이스(210)에 사용자 선호 프로파일 정보를 요구하고, 상기 추천시스템 프로파일 데이터베이스(210)는 추천 후보 리스트를 버퍼 관리자(220)로 전달하고, 추천시스템을 통한 추천 후보 리스트를 획득한다(203). A result of the determination, if the user is not logged in output a web screen including general recommendations and Once you have your login recommended system requirements, the user preference profile information in the profile database (210), and the recommended system profile database (210) passing the like candidate list to the buffer manager 220, and obtains the recommended candidate recommendation system via the list (203).

다음으로, 사용자의 위치를 반영한 추천 리스트를 결정하고(205), 사용자의 위치에 따른 추천 컨텐츠를 출력한다(206). Next, the determining recommendation list that reflects the user's location and outputs a recommended content in accordance with 205, the user's location (206).

본 발명에 따른 컨텐츠 추천 서비스 방법을 좀 더 상세히 설명하면 다음과 같다. When a bit described in greater detail the recommended content service method according to the present invention.

컨텐츠 추천 서비스 방법에서는 컨텐츠의 카테고리 분류에 따른 사용자의 선호 프로파일을 구성한다(201). The content recommendation service method to configure the user's preference profile in accordance with the categorization of the content 201. The 그리고, 실제 서비스에서는 사용자 로그인 시 추천 시스템 프로파일 데이터베이스(210)에게 사용자 선호 프로파일에 대한 정보(예를 들면, 추천 후보 리스트 등)를 미리 요구한다. And, in actual service requires a user login system like profile database (210) information (for example, the recommended candidate lists, etc.) on user preference profiles in advance. 이것은 본 발명에 따른 실시간 추천 속도를 높이기 위한 것으로, 이를 위한 버퍼 관리자 등을 사용하여 추천 후보 리스트의 인덱스를 유지한다. This is to be recommended to improve the real-time speed in accordance with the present invention, by using the buffer manager maintains the like for this purpose the index list of recommended candidates. 여기서, 사용자가 로그인을 하지 않은 상태에서는 일반 추천 사항을 포함한 웹 컨텐츠를 보여준다. Here, in the state of a user not logged in show the web content, including general recommendations.

한편, 추천시스템 프로파일 데이터베이스(210)로부터 사용자의 추천 후보 리스트를 받게 되면(203), 사용자의 추천 후보 리스트 중에서 사용자의 위치에 따른 추천을 제공하기 위한 추천 리스트를 결정한다(205). On the other hand, systems like profile when subjected to recommend the candidate list of the user from the database 210, 203, and from the user's recommended candidate list determines the recommendation list for providing recommendations based on the location of the user 205. The

상기 사용자의 위치에 따른 추천 리스트를 결정하기 위해서 웹사이트의 레벨을 논리적인 단계로 나누어 고려하여야 하며, 이는 다음의 도 3을 이용하여 좀 더상세히 설명한다. In order to determine the recommendation list according to the user's location it should be considered by dividing the level of the Web site, and the logical steps, which will be described in more detail with reference to Fig following.

도 3 은 본 발명에 따른 웹사이트의 논리적 단계에 대한 일실시예 설명도이다. 3 is a diagram of one embodiment a description of the logical steps of the website according to the invention.

도면에서, "301"은 웹사이트의 홈, "302"는 레벨1의 컨텐츠, "303"은 레벨2의 컨텐츠, 그리고 "30m"은 레벨m의 컨텐츠를 각각 나타낸다. In the drawing, "301" is the Web site home, "302" is the content of the level 1, "303" is the content of the level 2, and "30m" indicates the content of the level m respectively.

사용자의 위치에 따른 추천 리스트를 결정하기 위해서는 웹사이트의 레벨을 도 3과 같이 논리적 M 단계로 나누어 고려한다. In order to determine the recommendation list according to the user's location into account the logical dividing the M stage as shown in FIG. 3, the level of the Web site.

웹사이트의 구조가 도 3과 같이 표현될 수 있다는 것은 컨텐츠의 분류가 명확히 이루어져 있다는 것을 의미하는 것으로, 컨텐츠의 카테고리 분류에 따라서 그 구조와 레벨이 정해질 수 있다. The presence of the structure of the web site can be represented as shown in FIG. 3 as meaning that the classification of the content made clear, according to the classification category of contents can be the structure and level information.

따라서, 해당 웹사이트의 레벨, 다시 말해서 컨텐츠의 분류 구조와 사용자의 위치를 연관 시켜서 사용자의 위치에 따른 적절한 컨텐츠의 추천을 가능하게 한다. Thus, speaking level, again the website should be to associate the position of the classification structure and users of content available on the recommendation of the appropriate content according to the user's location.

도 4 는 본 발명에 따른 레벨 별 사용자 선호 프로파일 구조의 일실시예 설명도이다. 4 is a diagram of one embodiment of the described levels by user preference profile structure according to the present invention.

도면에서, "401"은 사용자 아이디(ID), "402"는 웹사이트의 레벨, "403"은 레벨 별 집합을 각각 나타낸다. In the drawing, "401" is the user ID (ID), "402" is the level of the Web site, "403" denotes a level-specific set, respectively.

도 4는 사용자의 선호 프로파일이 <키워드, 선호도>의 쌍(403)으로 표현된다고 했을 때, 이를 반영한 사용자 선호 프로파일의 구조를 나타낸다. 4 is that when the user's preference profile is represented as a pair 403 of the <keyword, preference> shows the structure of a user preference profile to reflect this.

사용자는 각각의 카테고리 그룹에 대해서 레벨(402) 별 <키워드, 선호도> 쌍(403)의 집합을 가지는 것으로 생각할 수 있다. The user can be thought of as having a set of level 402 by <keyword, preference> pair 403 for each category group.

도 5 는 본 발명에 따른 레벨 별 추천 후보 리스트 구조의 일실시예 설명도이다. 5 is an embodiment described in the level recommended by the candidate list structure in accordance with the present invention.

도면에서, "501"은 사용자 아이디(ID), "502"는 웹사이트 레벨, 그리고 "503"은 레벨 별 집합을 각각 나타낸다. In the drawing, "501" is the user ID (ID), "502" is the Web site level, and "503" are respectively a level-specific set.

도 5는 추천 후보 리스트를 웹사이트의 레벨(502)에 따라서 표현한 것이다. Figure 5 is a graphical representation along a list of recommended candidates to the level 502 of the web site.

즉, 상기 분류된 추천 후보 리스트들을 대상으로, 추천 정책에 따라서 지정된 상위 N개의 카테고리별 추천 컨텐츠 리스트를 결정하여 사용자에게 출력한다. That is, in the classified destination list of recommended candidates, to determine the top N recommended content list by category according to the specified policy like and outputs to the user.

도 6 은 본 발명에 따른 사용자의 위치에 따른 추천 리스트 결정 방법에 대한 일실시예 설명도이다. 6 is a diagram of one embodiment a description of the recommendation list determination method according to the location of the user in accordance with the present invention.

본 발명에 따른 사용자의 위치에 따른 추천 리스트 결정 방법은 도 6과 같이 사용자의 현재 위치(602) 이하의 카테고리에 속한 추천 후보 리스트들의 모든 컨텐츠들에 대하여 각각의 유사도를 비교하여 유사도가 높은 상위 N개의 아이템을 현재 위치에서의 추천 컨텐츠(603)로 선정하고 추천 컨텐츠(603)와 유사도의 쌍으로 이루어진 추천 리스트를 작성한다. Recommendation list determination method according to the user's location according to the invention a high degree of similarity higher compared to the respective degree of similarity with respect to all the contents of their recommended candidate list belonging to the user of the following current position (602) categories as shown in Figure 6 N selecting a number of items to recommend content 603 of the in-place and creates a recommended list of pairs of the recommended content (603) and the similarity degree.

추천 컨텐츠(603)의 출력은 상기 결정된 최종 추천 리스트를 사용자 화면에 출력하는 것으로 사용자 화면의 일부분이나 새로운 윈도우를 띄우는 등 사용자의 정의에 따라 다양한 방법으로 출력이 가능하다. Like the output of the content 603 can be output in a variety of ways according to the user-defined such as to float a part or the new window from the window to be output to the user display of the determined final recommendation list.

도 7 은 본 발명에 따른 사용자 선호 프로파일 구성 방법에 대한 일실시예 흐름도이다. 7 is a flowchart illustrating one embodiment of the user preference profile configuration method according to the invention.

도 7에 도시된 바와 같이, 사용자 선호 프로파일 구성 방법은, 먼저서버군(710)으로부터 로그데이터를 받아 로그데이터 전처리를 한다(701). 7, the user preference profile configuration method, First, the received log data, log data pre-processing from the server group 710, 701.

다음으로, 카테고리 별 컨텐츠 선호 키워드를 필터링하여 컨텐츠 아이디(ID), 사용자 행동정보 등을 추천시스템(720)으로 전송하여 상기 추천시스템의 프로파일 데이터베이스(721)에 저장하고, 사용자 프로파일 갱신에 필요한 관련 프로파일을 학습서버(730)로 전송하여 학습시킨 후, 학습결과를 다시 프로파일 데이터베이스(721)에 저장한다. Next, filter content preferred keywords by category content ID (ID), transfer the user behavior information and a referral system (720) and stored in a profile database (721) of the referral system, and associated profile required for the user profile update after the learning and transmits it to the learning server 730 stores the learning result back to the profile database 721.

상기 프로파일 데이터베이스(721)에 저장된 사용자의 카테고리별 <키워드, 선호도> 쌍의 집합으로 사용자 선호 프로파일을 구성한다(703). The profile database and 721 configure the user preference profile is stored as a set of specific categories of users <keyword, preference> pair to 703.

사용자 선호 프로파일은 전처리된 로그데이터 정보를 바탕으로, 웹사이트의 컨텐츠 특성을 반영한 카테고리별 선호 키워드 정보를 찾아내어 하기 [표1]과 같이 구성한다. The user preference profile is to identify and category keyword preference information reflecting a characteristic of the content on the basis of the pre-processed log data information, the web site configuration as shown in [Table 1].

C C C_1 C_1 C_2 C_2 C_3 C_3 C_4 C_4
k k w w k k w w k k w w k k w w
C1 C1 6 6 0.3 0.3 14 14 0.4 0.4 11 11 0.3 0.3 . . . .
4 4 0.25 0.25 12 12 0.25 0.25 14 14 0.1 0.1 . . . .
3 3 0.2 0.2 47 47 0.1 0.1 34 34 0.25 0.25 . . . .
2 2 0.15 0.15 26 26 0.15 0.15 31 31 0.35 0.35 . . . .
7 7 0.1 0.1 23 23 0.1 0.1 . . . . . . . .
C2 C2 1 One 0.4 0.4 21 21 0.1 0.1 162 162 0.4 0.4 . . . .
3 3 0.1 0.1 39 39 0.2 0.2 172 172 0.2 0.2 . . . .
8 8 0.2 0.2 27 27 0.3 0.3 153 153 0.25 0.25 . . . .
4 4 0.3 0.3 13 13 0.4 0.4 115 115 0.15 0.15 . . . .
C3 C3 65 65 0.6 0.6 79 79 0.7 0.7 . . . . . . . .
68 68 0.4 0.4 75 75 0.3 0.3 . . . . . . . .
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

여기서, C1, C2,...는 상위 컨텐츠 카테고리(분류)를 의미하고, C_1, C_2,...는 해당 카테고리의 두번째 카테고리를 의미한다. Here, C1, C2, ... means the higher the content category (Category), C_1, C_2, ..., and refers to the second category of the categories. 그리고 "k"는 키워드를 의미하며, "w"는 선호도를 의미한다. And "k" refers to the keyword, and "w" refers to the preference.

상기와 같이, 사용자의 선호정보를 하위 카테고리 분류까지 유지하므로 컨텐츠 추천 시에 사용자의 위치에 따라서 보다 적절한 정보를 제공할 수가 있다. As described above, it maintains the user's preference information to the sub-category classification, so it is possible to provide a more suitable information according to the user's location at the time of content recommendation.

한편, 사용자 선호 프로파일은 사용자가 선호하는 각각의 카테고리 분류에 대해서 <키워드, 선호도> 쌍의 집합을 가지게 되며, 사용자가 서비스를 이용할 때마다 관련 값들이 갱신되어 새로운 사용자의 선호 프로파일이 만들어지게 된다. On the other hand, the user preference profile becomes user and have the set of the <keyword, preference> pair for preference each category classification, the user and associated values ​​are updated each time using the service of a new user preference profile is created.

이렇게 사용자 프로파일이 사용자가 선호하는 컨텐츠의 특성을 곧바로 반영하기 때문에, 추천시스템(720)이 사용자가 선호하는 카테고리별 컨텐츠를 쉽게 찾아내는 방법을 제공할 수 있다. This user profile is because it reflects directly the characteristics of the content of the user's preference, like system 720 can provide a way to find easily a category-specific content that a user prefers.

한편, 사용자의 선호 프로파일 갱신에 필요한 입력(input) 정보와 출력(output) 정보가 필요하며, 이와 같은 작업을 위한 학습서버(730)가 필요하다. On the other hand, the input (input) required for the user's preference profile updating information and the output (output) and the information is required, it is necessary to study the server 730 for this work.

상기 입력 정보에는 기존 선호 프로파일의 <키워드, 선호도> 쌍의 집합, 사용자의 행동에 따른 피드백 타입 등 로그 정보, 사용자의 행동과 관련된 해당 컨텐츠들의 특성 정보 등이 포함되며, 출력 정보는 해당 사용자 선호 프로파일의 갱신된 <키워드, 선호도> 쌍의 집합이다. The input information includes such as <keyword, preference> set of pairs, the feedback type according to a user action, such as log information, the characteristics of the content related to the behavior of the user information of the existing preference profile, and the output information is the user preference profile, of the updated set of the <keyword, preference> pairs.

그리고, 사용자가 웹사이트에 접속한 후의 행동에 대한 웹 서버로그와 스트리밍 서버로그 등이 필요하며, 전처리(Pre-processing)된 상기 로그 데이터는 사용자 아이디(ID)에 따른 사이트 내 컨텐츠 페이지 탐색경로, 컨텐츠에 대한 보기 유지시간, 컨텐츠 페이지의 북마크 여부 및 인쇄 여부, 컨텐츠 내에서 이루어지는 사용자의 행동정보 등을 포함한다. Then, the user and the web and site action is required, such as web server log and the streaming server logs on after connection, the pre-treatment (Pre-processing) the log data within the site content according to the user identity (ID) page search path, It includes a retention time view of the content and whether bookmarks, and whether the content of the printed page, the user's behavior information, such as occurs within the content.

상기와 같은, 사용자의 피드백 정보를 포함하는 데이터를 얻는 것이 서버 자체의 로그만으로 부족할 경우에는, 이러한 정보들을 얻을 수 있는 다른 인터넷 기술들을 사용하며, 사이트의 서비스 성격에 따라서 필요한 경우 구매로그 등도 추가될 수 있다. If it gets data including user feedback information, such as the lack of only log on the server itself, and use other Internet technology to get this information, be added also purchase log, if necessary, depending on the service nature of the site, can.

본 발명에서는 이러한 로그 데이터를 얻는 방법에 대한 설명은 제외하며, 초기 사용자 프로파일이 사용자의 입력 정보나 협업 필터링(collaborative filtering) 등의 방법에 의해서 간단히 만들어져 있다고 가정한다. In the present invention, except for the description of the method for obtaining such a log data, it is assumed that the initial user profile is simply made by a method such as the user's input information and the collaborative filtering (collaborative filtering).

도 8 은 본 발명에 따른 프로파일 매칭에 대한 일실시예 흐름도로서, 추천시스템에서 프로파일 매칭을 통한 추천 후보 리스트의 작성과정을 나타낸다. 8 is a flow diagram of one embodiment for the profile matching in accordance with the invention, it shows the process of creating a recommendation candidate list with matching profiles in the recommendation system.

도 8에 도시된 바와 같이, 프로파일 매칭은 추천시스템의 프로파일 데이터베이스(810)로부터 사용자 선호 프로파일을 획득하여(801) 사용자 선호 프로파일과 컨텐츠 프로파일을 매칭시킨다(802). 8, the profile matching is thereby matching the 801 user preference profiles and content profiles to obtain the user preference profile from the profile database 810 of the recommendation system 802.

다음으로, 유사도가 임계값 보다 큰지를 판단한다(803). Next, determine the degree of similarity is larger than the threshold (803).

상기 판단 결과, 유사도가 임계값 보다 크면 추천 후보 리스트를 결정하고(804), 사용자의 위치에 따른 추천 리스트를 결정한다(805). The determination result, the degree of similarity is determined is greater than the threshold value like the candidate list to determine a recommendation list according to the 804, the user's location (805).

상기 판단 결과, 유사도가 임계값 보다 작으면 그대로 종료한다. A result of the determination, and is terminated if the degree of similarity is less than the threshold value.

[표 2]는 사용자 선호 프로파일의 "C2" 카테고리에 대해서 사용자가 선호하는 컨텐츠를 찾는 프로파일 매칭 과정의 예를 보이고 있다. Table 2 is showing an example of a profile matching process of finding content that a user prefers with respect to the "C2" category of the user preference profile.

컨텐츠 프로파일에서 "CID"는 각 컨텐츠의 등록번호를 나타내며, "ai~ ak" 는 컨텐츠의 특성을 각각 나타내는 애트리뷰트들이다. In the content profile "CID" represents the registration number of each content, "ai ~ ak" are the attributes that characterize the content respectively. 그러나, 실제 데이타베이스의 구현과 저장은 상기 [표 2]와 정확히 일치하지는 않는다. However, actual implementation of the database and storage does not exactly match the table 2.

상기 예에서, 매칭의 결과로 사용자 "JHP" 프로파일의 "C2", "C21" 카테고리와 관련이 있는 컨텐츠 "i+1" 과 컨텐츠 "i+3" 등을 찾아낸다. In this example, as a result of the matching find user "JHP" that are related to the "C2", "C21" of the category content profile "i + 1" and the content "i + 3" and so on. 이렇게 선택된 컨텐츠들의 추천 가능성을 카테고리에 대한 유사도를 바탕으로 결정하여, 추천 후보 리스트 테이블을 구성한다. Thus determining the recommended probability of the selected content based on the similarity of the Category constitute a recommendation candidate list table. 즉, 실제 구현에서는 사용자의 선호도에 따른 컨텐츠 카테고리별 추천 후보 리스트가 데이터베이스 테이블에 저장된다. In other words, in the actual implementation of specific content categories like candidate list according to user preferences are stored in a database table.

본 발명은, 전처리 과정을 거친 로그 데이터 등을 이용하여 사용자의 선호 프로파일을 구성하는 방법, 프로파일 매칭 등 일괄 처리과정을 거쳐 사용자별 추천 후보 리스트를 결정하는 방법, 그리고 상기 두 가지를 바탕으로 사용자의 위치에 따라서 추천 리스트를 결정하여 사용자에게 해당 컨텐츠들을 보여주는 과정을 각각 제시한다. The present invention, by using the pre-processing via the log data and a method for configuring the user's preference profile, via a batch process, such as the profile matching determining a recommendation candidate list by the user, and the user based on the two above to determine the recommended list, depending on the position presented to the user, showing the process of its contents, respectively.

상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다. The method of the present invention as described above may be stored in a form that is implemented as a program in a computer-readable recording medium (a CD-ROM, RAM, ROM, floppy disk, hard disk, optical magnetic disk, etc.).

이상에서 설명한 본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것이 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다. The present invention described above is not limited by the embodiments described above and the accompanying drawings, it is that various changes and modifications may be made without departing from the scope of the present invention in the art got to those of ordinary skill will be obvious.

상기한 바와 같은 본 발명은, 인터넷 웹사이트의 사용자들에게 컨텐츠 개인화 서비스를 제공하고, 이를 통해 사용자는 웹사이트에 접속 시 편리하게 자신에게 필요한 정보를 선택적으로 서비스 받을 수 있으며, 웹서비스 제공자의 경우는 사용자의 충성도를 높힐 수 있는 효과가 있다. In the case of the present invention as described above, the Internet Web site to provide users with the content, personalized service, through which the users are convenient when connecting to the Web site can be optionally service information they need, the web service provider there are effects that can nophil your loyalty.

또한, 본 발명은 전자상거래 사이트에 적용되는 경우 지능형 마켓팅 서비스지원에 활용할 수 있어 서비스의 차별화를 통해 매출증대에 기여할 수 있는 효과가 있다. In addition, the present invention has an effect that can contribute to increase sales via the differentiation of the service can take advantage of the intelligent marketing services supported when applied to the e-commerce site.

Claims (7)

  1. 컨텐츠 추천 서비스 시스템에서의 사용자 선호 프로파일을 이용한 컨텐츠 추천 서비스 방법에 있어서, In the content recommendation service method using a user preference profile in a content recommendation service system,
    사용자의 컨텐츠 분야별 선호 프로파일을 구성하는 제 1 단계; A first step of configuring a user's content preferences sector profile;
    상기 사용자 선호 프로파일을 추천시스템의 프로파일 데이터베이스에 저장하고, 사용자의 로그인(login)을 판단하는 제 2 단계; Storing the user preference profile in the profile database of the recommendation system, and a second step of determining the user's login (login);
    상기 판단 결과, 상기 사용자가 로그인하지 않았으면 일반 추천사항을 포함한 웹 화면을 출력하는 제 3 단계; The result of the determination, the third step of outputting the web screen including General recommendations If the user is not logged in; And
    상기 판단 결과, 상기 사용자가 로그인하였으면 추천시스템의 프로파일 데이터베이스에 사용자 선호 프로파일 정보를 요구하여 추천 후보 리스트를 획득한 후, 상기 사용자의 현재 웹 컨텐츠 상의 위치를 반영하여 추천 리스트를 출력하는 제 4 단계 A result of the determination, a fourth step of the user is logged in and then Once you like to request the user preference profile information in the profile database of the system acquires the recommended candidate list to reflect the user's current position on the Web content output a recommendation list
    를 포함하는 컨텐츠 추천 서비스 방법. Content recommendation service comprises a.
  2. 제 1 항에 있어서, According to claim 1,
    상기 제 1 단계는, The first step,
    서버군으로부터 전달된 로그 데이터를 전처리하는 제 5 단계; A fifth step of pre-processing the log data transmitted from the server group;
    상기 로그 데이터를 바탕으로 카테고리별 컨텐츠 선호 키워드 정보를 찾아내는 제 6 단계; The sixth step to find a category content preference keyword information on the basis of the log data; And
    상기 선호 키워드 정보를 이용하여 상기 사용자의 카테고리별 사용자 선호 프로파일을 구성하는 제 7 단계 Seventh step of using the keyword preference information constituting the user of the user preference profile by Category
    를 포함하는 컨텐츠 추천 서비스 방법. Content recommendation service comprises a.
  3. 제 2 항에 있어서, 3. The method of claim 2,
    상기 로그 데이터는, The log data,
    상기 사용자 식별자에 따른 사이트 내의 컨텐츠 페이지 탐색 경로, 컨텐츠에 대한 보기 유지시간, 컨텐츠 페이지의 북마크 여부 및 인쇄 여부, 컨텐츠 내에서 이루어지는 사용자의 행동정보를 포함하는 것을 특징으로 하는 컨텐츠 추천 서비스 방법. Content recommendation service method comprising the bookmark status and printing status, a user's actions in the content information composed of views holding time, the content page for the content page search path, the content within the site according to the user identifier.
  4. 제 1 항에 있어서, According to claim 1,
    상기 제 4 단계는, The fourth step,
    상기 추천시스템으로부터 사용자 선호 프로파일을 획득하는 제 5 단계; A fifth step of acquiring the user preference profile from the recommendation system;
    상기 획득된 사용자 선호 프로파일과 컨텐츠 프로파일을 매칭하는 제 6 단계; A sixth step for matching the obtained user preference profiles and content profiles;
    상기 매칭의 결과에 따라 카테고리에 대한 유사도와 임계값을 판단하는 제 7단계; A seventh step of determining the degree of similarity and a threshold for the category according to the result of the matching; And
    상기 판단 결과, 상기 유사도가 임계값 보다 크면 추천 후보 리스트를 결정하여 사용자의 위치에 따른 추천 리스트를 결정하는 제 8 단계 A result of the determination, the eighth step of the degree of similarity is determined is greater than the threshold value recommended candidate list determines the recommendation list according to the location of the user
    를 포함하는 컨텐츠 추천 서비스 방법. Content recommendation service comprises a.
  5. 제 4 항에 있어서, 5. The method of claim 4,
    상기 판단 결과, 유사도가 임계값 보다 작으면 추천 후보 리스트에서 제외하는 제 9 단계 A result of the determination, a ninth step of, if the degree of similarity is less than the threshold value, except in the recommended candidate list
    를 더 포함하는 컨텐츠 추천 서비스 방법. The content recommendation service, including how to.
  6. 제 4 항 또는 제 5 항에 있어서, 5. The method of claim 4 or 5,
    상기 제 8 단계의 추천 후보 리스트를 결정하는 과정은, The determining recommendation candidate list in the eighth step,
    실질적으로, 사용자의 선호도에 따른 컨텐츠 카테고리별 추천 후보 리스트 테이블을 구성하여 데이터베이스 테이블에 저장하는 것을 특징으로 하는 컨텐츠 추천 서비스 방법. In practice, by configuring the recommended candidate list table specific content categories like content service method characterized in that stored in the database tables according to user preferences.
  7. 프로세서를 구비한 컨텐츠 추천 서비스 시스템에, The content recommendation service system with a processor,
    사용자 선호 프로파일을 구성하는 제 1 기능; First function to configure the user preference profile;
    상기 사용자 선호 프로파일을 추천시스템의 프로파일 데이터베이스에 저장하고, 사용자의 로그인(login)을 판단하는 제 2 기능; Storing the user preference profile in the profile database of the recommendation system, and the second function of determining a user's login (login);
    상기 판단 결과, 상기 사용자가 로그인하지 않았으면 일반 추천사항을 포함한 웹 화면을 출력하는 제 3 기능; It determined that a third function to output a web screen including General recommendations If the user is not logged in; And
    상기 판단 결과, 상기 사용자가 로그인하였으면 추천시스템의 프로파일 데이터베이스에 사용자 선호 프로파일 정보를 요구하여 추천 후보 리스트를 획득한 후, 상기 사용자의 현재 웹 컨텐츠 상의 위치를 반영하여 추천 리스트를 출력하는 제 4 기능 A result of the determination, and the fourth function of the user login Once like to then require the user preference profile information in the profile database of the system acquires the recommended candidate list to reflect the user's current position on the Web content output a recommendation list
    을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체. A computer-readable recording medium recording a program for realizing.
KR20010039133A 2001-06-30 2001-06-30 Method for Content Recommendation Service using Content Category-based Personal Profile structures KR20030003396A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20010039133A KR20030003396A (en) 2001-06-30 2001-06-30 Method for Content Recommendation Service using Content Category-based Personal Profile structures

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20010039133A KR20030003396A (en) 2001-06-30 2001-06-30 Method for Content Recommendation Service using Content Category-based Personal Profile structures

Publications (1)

Publication Number Publication Date
KR20030003396A true true KR20030003396A (en) 2003-01-10

Family

ID=27712942

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20010039133A KR20030003396A (en) 2001-06-30 2001-06-30 Method for Content Recommendation Service using Content Category-based Personal Profile structures

Country Status (1)

Country Link
KR (1) KR20030003396A (en)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006080820A1 (en) * 2005-01-28 2006-08-03 Sk Telecom Co., Ltd. Method and system for recommending preferred service using mobile robot
KR100781399B1 (en) * 2005-07-26 2007-11-30 연세대학교 산학협력단 Apparatus and method for providing weights to recommendation engines according to situation of user and computer readable medium processing the method
WO2008054744A1 (en) * 2006-10-31 2008-05-08 Hewlett-Packard Development Company, L.P. Content rating systems and methods
KR100907744B1 (en) * 2006-11-13 2009-07-14 에스케이커뮤니케이션즈 주식회사 Collaborative filtering system and method
KR20090080982A (en) * 2006-10-18 2009-07-27 구글 인코포레이티드 Generic online ranking system and method suitable for syndication
KR100925511B1 (en) * 2008-03-24 2009-11-06 에스케이커뮤니케이션즈 주식회사 Method and system for classifing content using collaborative filtering
WO2010090433A2 (en) * 2009-02-06 2010-08-12 팅크웨어(주) Method and apparatus for recommending an area with relative interest
KR101048100B1 (en) * 2008-05-14 2011-07-11 주식회사 비엔에스웍스 Intelligent services provide a device and method
WO2011019524A3 (en) * 2009-08-13 2011-08-04 Vertical Acuity Systems and methods for providing targeted content to a network user
WO2011126885A3 (en) * 2010-03-30 2011-12-22 Microsoft Corporation Summary presentation of media consumption
KR101111086B1 (en) * 2010-01-19 2012-02-24 충남대학교산학협력단 Agent-Based Personalized Multimedia Jukebox System
US8200667B2 (en) 2007-08-30 2012-06-12 Samsung Electronics Co., Ltd. Method and apparatus for constructing user profile using content tag, and method for content recommendation using the constructed user profile
US8254230B2 (en) 2004-09-06 2012-08-28 Sony Corporation Recording apparatus and method, and recording medium and program used therewith
KR101415022B1 (en) * 2007-07-24 2014-07-09 삼성전자주식회사 Method and apparatus for information recommendation using hybrid algorithm
KR20160075103A (en) * 2014-12-19 2016-06-29 연세대학교 산학협력단 Method and Device for Predicting Preference of New Content
US9396485B2 (en) 2009-12-24 2016-07-19 Outbrain Inc. Systems and methods for presenting content
KR101691220B1 (en) * 2016-03-28 2016-12-29 주식회사 쿨리오 Personalized contents recommendation system in accordance with contents rating

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8254230B2 (en) 2004-09-06 2012-08-28 Sony Corporation Recording apparatus and method, and recording medium and program used therewith
WO2006080820A1 (en) * 2005-01-28 2006-08-03 Sk Telecom Co., Ltd. Method and system for recommending preferred service using mobile robot
KR100781399B1 (en) * 2005-07-26 2007-11-30 연세대학교 산학협력단 Apparatus and method for providing weights to recommendation engines according to situation of user and computer readable medium processing the method
KR20090080982A (en) * 2006-10-18 2009-07-27 구글 인코포레이티드 Generic online ranking system and method suitable for syndication
WO2008054744A1 (en) * 2006-10-31 2008-05-08 Hewlett-Packard Development Company, L.P. Content rating systems and methods
KR100907744B1 (en) * 2006-11-13 2009-07-14 에스케이커뮤니케이션즈 주식회사 Collaborative filtering system and method
KR101415022B1 (en) * 2007-07-24 2014-07-09 삼성전자주식회사 Method and apparatus for information recommendation using hybrid algorithm
US8200667B2 (en) 2007-08-30 2012-06-12 Samsung Electronics Co., Ltd. Method and apparatus for constructing user profile using content tag, and method for content recommendation using the constructed user profile
US8583641B2 (en) 2007-08-30 2013-11-12 Samsung Electronics Co., Ltd. Method and apparatus for constructing user profile using content tag, and method for content recommendation using the constructed user profile
KR100925511B1 (en) * 2008-03-24 2009-11-06 에스케이커뮤니케이션즈 주식회사 Method and system for classifing content using collaborative filtering
KR101048100B1 (en) * 2008-05-14 2011-07-11 주식회사 비엔에스웍스 Intelligent services provide a device and method
WO2010090433A3 (en) * 2009-02-06 2010-11-18 팅크웨어(주) Method and apparatus for recommending an area with relative interest
WO2010090433A2 (en) * 2009-02-06 2010-08-12 팅크웨어(주) Method and apparatus for recommending an area with relative interest
WO2011019524A3 (en) * 2009-08-13 2011-08-04 Vertical Acuity Systems and methods for providing targeted content to a network user
US9396485B2 (en) 2009-12-24 2016-07-19 Outbrain Inc. Systems and methods for presenting content
KR101111086B1 (en) * 2010-01-19 2012-02-24 충남대학교산학협력단 Agent-Based Personalized Multimedia Jukebox System
WO2011126885A3 (en) * 2010-03-30 2011-12-22 Microsoft Corporation Summary presentation of media consumption
KR20160075103A (en) * 2014-12-19 2016-06-29 연세대학교 산학협력단 Method and Device for Predicting Preference of New Content
KR101691220B1 (en) * 2016-03-28 2016-12-29 주식회사 쿨리오 Personalized contents recommendation system in accordance with contents rating

Similar Documents

Publication Publication Date Title
US7409362B2 (en) Vendor-driven, social-network enabled review system and method with flexible syndication
US7072888B1 (en) Process for improving search engine efficiency using feedback
US6839680B1 (en) Internet profiling
US7613769B1 (en) Methods and systems for providing blog information associated with a member of a social network
US20090281988A1 (en) Systems and Methods to Provide Search Based on Social Graphs and Affinity Groups
US20090119258A1 (en) System and method for content ranking and reviewer selection
US20090216639A1 (en) Advertising selection and display based on electronic profile information
US20110106746A1 (en) Affiliate linking
US20070027859A1 (en) System and method for providing profile matching with an unstructured document
US20090248599A1 (en) Universal system and method for representing and predicting human behavior
US8170971B1 (en) Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
McDonald et al. A comparison of online and postal data collection methods in marketing research
US20020087408A1 (en) System for providing information to intending consumers
US20090307205A1 (en) Friendly search and socially augmented search query assistance layer
US20080109445A1 (en) Systems and methods of enhancing leads
US20060009994A1 (en) System and method for reputation rating
US20030135582A1 (en) Context aware search service
US20020073088A1 (en) System and method for personalization implemented on multiple networks and multiple interfaces
US7050990B1 (en) Information distribution system
US8131685B1 (en) Duplicate account identification and scoring
US7925743B2 (en) Method and system for qualifying user engagement with a website
US6510431B1 (en) Method and system for the routing of requests using an automated classification and profile matching in a networked environment
US20100250341A1 (en) Digital content personalization method and system
US20020103792A1 (en) Acumatch cross-matching system
US8595297B2 (en) Searching data in a social network to provide an answer to an information request

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
J501 Disposition of invalidation of trial