KR20030022884A - 전문가 모델 추천 방법 및 시스템 - Google Patents

전문가 모델 추천 방법 및 시스템 Download PDF

Info

Publication number
KR20030022884A
KR20030022884A KR10-2003-7001721A KR20037001721A KR20030022884A KR 20030022884 A KR20030022884 A KR 20030022884A KR 20037001721 A KR20037001721 A KR 20037001721A KR 20030022884 A KR20030022884 A KR 20030022884A
Authority
KR
South Korea
Prior art keywords
program
recommendation
programming
module
classifier
Prior art date
Application number
KR10-2003-7001721A
Other languages
English (en)
Inventor
스리니바스 브이. 알. 쿠타
카우살 쿠파파티
제임스 디. 쉐퍼
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 KR20030022884A publication Critical patent/KR20030022884A/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
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees
    • 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
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/414—Specialised client platforms, e.g. receiver in car or embedded in a mobile appliance
    • H04N21/4147—PVR [Personal Video Recorder]
    • 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
    • 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]
    • H04N21/80—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Stored Programmes (AREA)
  • Debugging And Monitoring (AREA)

Abstract

복수의 분류기 모듈들(36, 37)을 이용하는 프로그램 추천 시스템(30)이 개시된다. 프로그램에 대응하는 기록(17)의 수신에 응답하여, 프로그램에 대응하는 것으로 기록에 의해 나타나는 프로그래밍 카테고리에 상관되는 분류기 모듈은 프로그램의 추천을 발생할 것이고 또는 각각의 분류기 모듈은 기록이 프로그램에 대응하는 프로그래밍 카테고리를 나타내는데 실패할 때 프로그램의 추천을 발생한다. 다수의 추천들이 발생될 때, 시스템(30)의 프로그램 기록 모듈(35)은 추천들의 순위를 매기고 프로그램에 대한 최상의 순위의 추천을 이용한다.

Description

전문가 모델 추천 방법 및 시스템{Expert model recommendation method and system}
(관련 기술의 설명)
텔레비전 시청자들에게 이용 가능한 채널들의 수가 증가함에 따라, 그러한 채널들 상에서 이용 가능한 프로그래밍 콘텐트의 다양성과 함께, 텔레비전 시청자들이 흥미있는 텔레비전 프로그램들을 식별하는 것은 점점 어려운 일이 되고 있다. 역사적으로, 텔레비전 시청자들은 프린트된 텔레비전 프로그램 가이드들을 분석함으로써 흥미있는 텔레비전 프로그램을 식별한다. 통상적으로, 그러한 프린트된 텔레비전 프로그램 가이드들은 시간 및 날짜, 채널 및 제목에 의해 이용 가능한 텔레비전 프로그램들을 나열하는 격자(grid)들을 포함한다. 프로그램들의 수가 증가함에 따라, 그러한 프린트된 가이드들을 이용하여 바람직한 텔레비전 프로그램들을 효율적으로 식별하는 능력은 비실용적으로 되고 있다.
매우 최근에, 텔레비전 프로그램 가이드들은 전자 프로그램 가이드(electronic program guide : EPG)들로서 자주 불리는, 전자 포맷으로 이용 가능하게 된다. 프린트된 텔레비전 프로그램 가이드들과 같이, EPG들은 시간, 날짜, 채널 및 제목에 의해 이용 가능한 텔레비전 프로그램들을 나열하는 격자들을 포함한다. 그러나, EPG는 텔레비전 시청자들이 개인화된 선호들에 따라 이용 가능한 텔레비전 프로그램들을 분류하거나 검색하는 것을 허용한다. 또한, EPG들은 이용 가능한 텔레비전 프로그램들의 스크린 상의 표현들을 허용한다.
EPG들이 시청자들이 종래의 프린트된 가이드들보다 더 효율적으로 몇 개의 바람직한 프로그램들을 식별하는 것을 허용하는 반면에, 시청자들은 다수의 제한들로부터 어려움을 겪고, 이 제한들을 극복하면, 바람직한 프로그램들을 식별하기 위해 시청자들의 능력을 더 향상시킬 수 있다. 예를 들어, 많은 시청자들은 액션에 기초한 프로그램들, 또는 스포츠 프로그래밍과 같은, 프로그래밍의 특정 카테고리들을 향한 특정한 선호, 또는 그에 대항하는 성향을 가진다. 따라서, 시청자 선호들은 특정한 시청자들에게 흥미로울 수 있는 추천된 프로그램들의 세트를 얻기 위해 EPG에 적용될 수 있다.
텔레비전 프로그램 추천 프로그램의 설계에서의 최종 목표는 프로그램들의 최상의 가능한 분류들을 성취하는 것이다. 이 목적은 분류기(예를 들어, 결정 트리분류기, 베이스 분류기(Bayesian classifier), 등) 또는 텔레비전 프로그램 추천 프로그램의 기본으로서 역할을 하는 분류기들의 결합의 개발을 이끄는 것이다. 그러나, 기본으로서 단일 분류기 또는 분류기들의 결합을 이용하는 것은 각각의 분류기의 고유의 제한들 때문에 각각의 추천에 대해 시스템의 최적의 수행을 성취하지 못한다.
본 발명은 이 문제를 다룬다.
(이 발명의 분야)
본 발명은 다수의 미디어-콘텐트 선택들(예를 들어, 텔레비전 프로그래밍, 챗룸들(chatrooms), 주문 비디오 미디어 파일들, 오디오, 등.)을 관리하는 것으로 미디어 사용자를 돕기 위해 전자 프로그램 가이드를 이용하는 시스템들에 관한 것이다. 본 발명은 더욱 특히 사용자에게 선택들을 제안하고 제안들(예를 들어, 이용자를 위한 프로그램 기록)에 기초되어 행동들을 취하기 위해 "지능(intelligence)"를 가진 시스템들에 관한 것이다.
도 1은 자동적인 추천 시스템의 본 발명에 따른 하나의 실시예의 개략적인 다이어그램.
도 2 는 도 1 시스템의 제어기의 본 발명에 따른 하나의 실시예의 블록 다이어그램.
도 3a는 본 발명의 제 1 실시예에 따른 프로그램 추천 루틴의 순서도.
도 3b는 본 발명의 제 2 실시예에 따른 프로그램 추천 루틴의 순서도.
(이 발명의 요약)
본 발명은 종래의 기술에 관련된 단점들을 극복하는 전문가 모델 추천 방법 및 시스템에 관한 것이다. 이 발명의 다양한 양상들은 신규하고, 진보된 것이고, 다양한 이점들을 제공한다. 여기에 포함된 본 발명의 실제 특성이 단지 여기에 첨부된 청구항들에 관련하여 결정될 수 있지만, 여기에 개시된 실시예들의 특성인, 특정한 특징들은 다음과 같이 간단하게 설명된다.
본 발명의 하나의 형태는 복수의 프로그램들의 추천들을 발생하기 위한 방법이다. 첫 번째로, 프로그램에 대응하는 기록이 수신된다. 두 번째, 프로그램에 대응하는 프로그래밍 카테고리가 식별된다. 그리고, 마지막으로, 프로그램의 추천이 프로그래밍 카테고리에 상관되는 분류기 모듈로부터 발생된다.
본 발명의 제 2 형태는 복수의 프로그램들의 추천들을 발생하기 위한 컴퓨터 시스템이다. 컴퓨터 시스템은 프로그램 기록 모듈 및 분류기 모듈을 포함한다. 프로그램에 대응하는 기록의 수신에 응답하여, 프로그램 기록 모듈은 프로그램에 대응하는 프로그래밍 카테고리를 식별하기 위해 동작 가능하다. 분류기 모듈은 분류기 모듈이 프로그래밍 카테고리에 상관될 때 프로그램의 추천을 발생하기 위해 동작 가능하다.
본 발명의 제 3 형태는 복수의 프로그램들의 추천들을 발생하기 위해 컴퓨터 판독 가능 매체에서의 컴퓨터 프로그램 제품이다. 컴퓨터 프로그램 제품은 몇 개의 컴퓨터 판독 가능 코드들을 포함한다. 즉, 프로그램에 대응하는 기록을 수신하기 위한 컴퓨터 판독 가능 코드. 프로그램에 대응하는 프로그래밍 카테고리를 식별하기 위한 컴퓨터 판독 가능 코드. 프로그램에 상관된 분류기로부터 프로그램의 추천을 발생하기 위한 컴퓨터 판독 가능 코드.
본 발명의 선행하는 형태들 및 다른 형태들, 특징들 및 이점들은 첨부된 도면들에 관련하여 판독되어, 현재 양호한 실시예들의 다음의 상술된 설명들로부터 더 명백해질 것이다. 이 상세한 설명과 도면들은 제한보다는 본 발명의 단지 예시적인 것이고, 본 발명의 범위는 첨부된 청구항들 및 그것에 상응하는 것들에 의해 정의된다.
도 1은 이용자(11)를 위한 자동화된 프로그램 추천 시스템(10)을 도시한다. 시스템(10)은 컴퓨터(30)뿐만 아니라 종래의 텔레비전(20)의 형태로 디스플레이 장치를 포함한다. 컴퓨터(30)는 도시된 바와 같이 텔레비전(20) 내에 하우징(house)될 수 있거나 텔레비전(20)으로부터 떨어져 세팅될 수 있다.
도시된 실시예에 있어서, 컴퓨터(30)는 서버(16)로부터 프로그램 스케줄 데이터(예를 들어, 전자 프로그램 가이드)를 수신하기 위해 장착된다. 컴퓨터(30)는 서버(16)로부터 다른 시스템(10) 이용자들의 피드백 프로파일 데이터, 암시적인 프로파일 데이터, 및/또는 명백한 프로파일 데이터를 선택적으로 수신할 수 있다. 컴퓨터(30)는 튜너(12)(예를 들어, 케이블 튜너 또는 위성 튜너)로부터 프로그램 스케줄 데이터를 포함하는 비디오 신호를 수신하기 위해 더 장착된다. 컴퓨터(30)는 또한 이용자(11)가 원격 제어기(15)를 통해 시청되도록 프로그램을 선택하는 것을 허용하기 위해 적외선 포트(32)에 장착된다. 예를 들어, 이용자(11)는 텔레비전(20) 상에 디스플레이되는 전자 프로그램 가이드로부터 원하는 선택을 강조하기 위해 원격 제어기(15)를 이용할 수 있다. 컴퓨터(30)는 컴퓨터(30)가 갱신된 프로그램 스케줄 데이터를 수신할 수 있는 것으로부터 데이터베이스(13)에 액세스할 수 있다. 액세스는 인터넷 서비스 제공자 또는 일부 다른 적절한 데이터 접속으로 접속 가능한 전화 라인에 의해 성취될 수 있다. 컴퓨터(30)는 이용자(11)의 프로그램 스케줄 데이터, 프로파일 데이터 및 디스크(14)와 같이 제거 가능한 미디어를 통해 다른 시스템(10) 이용자들의 프로파일 데이터를 갱신하기 위해 디스크 드라이브(31)에 더 장착된다.
컴퓨터(30)는 이 기술분야에 숙련된 기술을 가진 자들이 알 수 있는 규정된 규칙들에 따라 구조화된 입력들을 수용하고, 그 입력들을 처리하고, 그 처리 결과들을 출력하여 텔레비전(20)의 디스플레이를 제어하는 임의의 형태로 구성될 수 있다. 그러므로 컴퓨터(30)는 디지털 회로, 아날로그 회로, 또는 둘 다로 구성될 수 있다. 또한, 컴퓨터(30)는 그러므로 전용 상태 기계, 또는 프로그램 가능한 하이브리드 결합 및 전용 하드웨어가 프로그램 가능할 수 있다.
도 2는 컴퓨터(30)의 하나의 실시예를 도시한다. 도시된 실시예에 있어서, 컴퓨터(30)는 솔리드-상태 메모리(34)에 효과적으로 결합되는 중앙 처리 유닛(central processing unit : CPU)(33)을 포함한다. CPU(33)는 마이크로프로세서들의 인텔 계열사, 마이크로프로세서들의 모토로라 계열사, 또는 상업적으로 이용 가능한 마이크로프로세서가 임의의 다른 유형으로부터의 것일 수 있다. 메모리(34)는 프로그램 기록 모듈(35), 결정 트리 분류기 모듈(36), 및 베이스 분류기 모듈(37)에 대응하는 컴퓨터 판독 가능 코드를 포함하기 위해 전기적, 자기적, 광학적 또는 화학적으로 변경되는 컴퓨터 판독 가능 매체(예를 들어, 롬(read-only memory : ROM), 지워질 수 있는 롬, 랜덤 액세스 메모리, 콤팩트 디스크, 플로피 디스크, 하드 디스크 드라이브, 및 다른 알려진 형태들)이다. 추가적으로, 메모리(34)는 이용자(11)(도 1)의 시청 이력 데이터베이스(38), 및 이용자(11)(도 1)의 시청자 프로파일 데이터베이스(39)를 저장한다. 메모리(34) 내의 컴퓨터 판독가능 코드를 구현하기 위해서, 컴퓨터(30)는 임의의 제어 클럭들, 인터페이스들, 신호 컨디셔너들, 필터들, 아날로그-투-디지털(Analog-to-Digital : A/D) 변환기들, 디지털-투-아날로그(Digital-to-Analog : D/A) 변환기들, 통신 포트들, 또는 이 기술분야에 숙련된 기술을 가진 자들에게서 발생할 것으로서 오퍼레이터들의 다른 유형들을 포함할 수 있다.
컴퓨터(30)의 대안적인 실시예들에 있어서, 프로그램 기록 모듈(35), 결정 트리 분류기 모듈(36), 및/또는 베이스 분류기 모듈(37)은, 예를 들어 주문형 반도체(application specific integrated circuit : ASIC)와 같은, 디지털 회로, 아날로그 회로, 또는 둘 다로 부분적으로 또는 완전히 구현될 수 있다.
결정 트리 분류기 모듈(36)은, 예를 들어, 참조로서 여기에 통합된, 1999년 12월 17일에 출원된 미국특허출원번호 09/466,406에 개시되고, 발명의 명칭이 "결정 트리들을 이용하여 텔레비전 프로그래밍을 추천하기 위한 장치 및 방법(Method And Apparatus For Recommending Television Programming Using Decision Trees"인 결정 트리 분류기와 같이, 습득한 컨셉의 잘 정립된 이론에 기초되어 추천들 제공하기 위한 많은 종래의 기술의 프로그램들 중 하나이다.
베이스 분류기 모듈(37)은, 예를 들어 참조로서 여기에 통합된, 2001년 6월 6일에 출원된 미국특허출원번호 09/875,403에 개시되고, 발명의 명칭이 "적응적 TV 프로그램 추천기(Adaptive TV Program Recommender)"인 베이스 분류기와 같은, 확률적 계산을 제공하기 위한 많은 종래의 기술의 프로그램들 중 하나이다.
컴퓨터(30)의 다른 실시예들에 있어서, 메모리(33)는, 예를 들어 참조로서여기에 통합된, 본 출원서와 동시에 출원된, 미국특허출원번호 09/875,403에 개시되고, 발명의 명칭이 "가장 가까이에 인접한 추천 방법 및 시스템(Nearest Neighbor Recommendation Method and System)"인 하나 이상의 가장 가까이에 인접한 분류기 모듈들과 같은, 추가적인 분류기들 모듈을 저장할 수 있다. 컴퓨터(30)의 여전히 다른 실시예들에 있어서, 결정 트리 분류기 모듈(36) 및/또는 베이스 분류기 모듈(37)은 컴퓨터(30)로부터 생략될 수 있다.
EPG와 같은 프로그램 스케줄 데이터로부터의 프로그램 기록(17)의 수신에 응답하여, CPU(33)는 프로그램 기록 모듈(35) 및 결정 트리 분류기 모듈(36)의 실행 또는 프로그램 기록 모듈(35) 및 프로그램 추천 루틴(40) 또는 프로그램 추천 루틴(50)에 의해 구현되는 베이스 분류기 모듈(37)의 실행을 제어한다.
도 3a는 루틴(40)을 도시한다. 도시된 실시예에 있어서, 루틴(40)의 스테이지(S42) 동안, 모듈(35)은 프로그램 기록(17)에 의해 나타나는 프로그래밍 카테고리를 식별한다. 스테이지(S42)의 하나의 실시예에 있어서, 프로그램 기록(17)은 프로그래밍 카테고리로 대응하는 프로그램의 할당의 표시로서 쇼 태그(show tag)를 포함한다. 다음 TABLE 1은 예시적으로 쇼 태그들 및 관련된 프로그래밍 카테고리들의 리스트를 도시한다:
쇼 태그들 프로그래밍 카테고리들
MVxxxxxxxxxSHxxxxxxxxxEpxxxxxxxxx 영화들뉴스/토크 쇼들/포럼들시트콤들
스테이지(S42)의 제 2 실시예에 있어서, 프로그램 기록(17)은 프로그램 카테고리로 대응하는 프로그램의 할당의 표시로서 복수의 키 필드들을 포함한다. 다음 TABLE 2는 예시적으로 프로그램(17) 내의 가능한 키 필드들의 리스트를 도시한다:
키 필드 설명
$date yyyymmdd
$air_time 0000-2359로부터의 hhmm
$station_sign 4 개의 문자들
$title 120 개의 문자들
$desc 120 개의 문자들
$genre 20 개의 문자들
$actors 120 개의 문자들
$directors$hosts$producers$writers 120 개의 문자들120 개의 문자들120 개의 문자들120 개의 문자들
프로그래밍 카테고리는 프로그램 기록(17) 내의 키 필드들 및/또는 키 필드들 내의 데이터에 기초되어 식별이 가능하다. 예를 들어, 9시에 2 시간 프로그램을 나타내는 키 필드($air_time) 및 키 필드들($actors, $directors, $producers, 및 $writers)을 포함할 뿐만 아니라 행동 프로그램을 나타내는 키 필드($genre)를 포함하는 프로그램 기록(17)은 영화 프로그램으로서 식별된다. 또한 예에 의해, 아침에 한 시간을 나타내는 키 필드($air_time) 및 키 필드($hosts)를 포함할뿐만 아니라 뉴스 프로그램을 나타내는 키 필드($genre)를 포함하는 프로그램 기록(17)은 뉴스/토크 쇼/포럼 프로그램으로서 식별된다.
루틴(40)의 스테이지(S44) 동안, 모듈(35)은 스테이지(S42) 동안 식별된 프로그래밍 카테고리로 상관된(즉, 추천을 제공하기 위해 훈련된) 식별자 모듈을 식별한다. 다음 TABLE 3은 예시적으로 프로그래밍 카테고리들 및 상관된 분류기 모듈들의 리스트를 도시한다:
프로그래밍 카테고리들 분류기
영화들뉴스/토크 쇼들/ 포럼들시트콤들 베이스 분류기 모듈(37)결정 트리 분류기 모듈(36)베이스 분류기 모듈(37)
루틴(40)의 스테이지(S46) 동안, 프로그램 기록(17)은 프로그램 기록(17)에대응하는 프로그램의 프로그램 추천(18)을 그것에 의해 발생하기 위해 스테이지(S44) 동안 식별된 분류기 모듈에 의해 처리된다. 프로그램 추천(18)은 그 후에 일반적으로 텔레비전(20) 상에 디스플레이된다.
루틴(40)은 스테이지(S46)의 완료 시 종료된다. 루틴(40)의 이점을 이해할 이 기술분야에 숙련된 기술을 가진 자들은 최적의 분류기 리소스들을 가진다.
도 3b는 루틴(50)을 도시한다. 도시된 실시예에 있어서, 루틴(50)의 스테이지(S52) 동안, 모듈(35)은 프로그램 기록(17)이 프로그램 카테고리를 나타내는 지의 여부를 확인한다. 스테이지(S52)의 하나의 실시예에 있어서, 모듈(35)은 프로그램 기록(17)이 루틴(40)의 스테이지(S42)에 관련하여 여기에 이미 설명된 바와 같이 프로그래밍 카테고리들을 나타내는 쇼 태그들을 포함하는 지의 여부를 확인한다. 스테이지(S52)의 또다른 실시예에 있어서, 프로그램 기록(17)이 루틴(40)의 스테이지(S42)에 관련하여 여기에 이미 설명된 바와 같이 프로그래밍 카테고리들을 나타내는 키 필드들을 포함하는 지의 여부를 확인한다.
모듈(35)이 프로그램 기록(17)이 스테이지(S52) 동안 프로그래밍 카테고리를 나타내는 것을 결정할 때, 모듈(35)은 루틴(50)의 스테이지(S54) 및 스테이지(S56)를 연속적으로 진행한다. 스테이지(S54)는 루틴(40)의 스테이지(S44)와 동일하고, 스테이지(S56)는 루틴(40)의 스테이지(S46)와 동일하다. 루틴(50)은 스테이지(S56)의 완료 시 종료된다.
모듈(35)이 프로그램 기록(17)이 스테이지(S52) 동안 프로그래밍 카테고리를 나타내는데 실패하는 것을 결정할 때, 모듈(35)은 루틴(50)의 스테이지(S58)와 스테이지(S60)를 연속적으로 진행한다. 스테이지(S58) 동안, 결정 트리 분류기 모듈(36) 및 베이스 분류기 모듈(37) 각각은 프로그램 기록(17)의 프로그램 추천을 발생하고 모듈(35)은 추천들의 순위를 매긴다. 스테이지(S60) 동안, 모듈(35)은 프로그램 추천(18)으로서 최상위로 순위 매겨진 추천을 이용한다. 루틴(50)은 스테이지(S60)의 완료 시 종료된다. 루틴(50)의 이점을 이해할 이 기술분야의 숙련된 기술을 가진 자들은 최적의 분류기 리소스들을 가진다.
이 발명이 선행하는 도시적인 실시예들의 항목들에 제한되지 않고, 본 발명이 그것의 정신 또는 본질적인 특성으로부터 벗어나지 않는 다른 특정 형태들로 구성될 수 있음이 이 기술분야의 숙련된 자들에 명백할 것이다. 그러므로 본 실시예들은 모든 면에서 제한적인 것이 아니고 예시적인 것으로서 고려되어야 하고, 이 발명의 범위는 선행하는 설명보다는 첨부된 청구항들에 의해 나타나며, 그러므로 청구항들의 등가의 범위 및 의미 내에서 오는 모든 변화들은 거기에 수용되는 것으로 의도된다.

Claims (12)

  1. 프로그램의 하나 이상의 추천들을 발생하기 위한 방법에 있어서, 상기 방법은
    상기 프로그램에 대응하는 기록(17)을 수신하는 것과;
    상기 기록(17)이 상기 프로그램이 제 1 프로그래밍 카테고리에 대응하는 것을 나타낼 때 복수의 프로그래밍 카테고리들의 제 1 프로그래밍 카테고리에 상관된 제 1 분류기 모듈(36)(36)로부터 상기 프로그램의 제 1 추천(18)을 발생하는 것을 포함하는, 프로그램의 하나 이상의 추천들을 발생하기 위한 방법.
  2. 제 1항에 있어서,
    상기 기록(17)이 상기 프로그램이 제 2 프로그래밍 카테고리에 대응하는 것을 나타낼 때 상기 복수의 프로그래밍 카테고리들의 제 2 프로그래밍 카테고리에 상관된 제 2 분류기 모듈(37)(37)로부터 상기 프로그램의 제 2 추천을 발생하는 것을 더 포함하는, 프로그램의 하나 이상의 추천들을 발생하기 위한 방법.
  3. 제 2항에 있어서,
    상기 기록(17)이 상기 복수의 프로그래밍 카테고리들의 상기 프로그래밍 카테고리들 중 하나로 상기 프로그램의 할당을 나타내는데 실패할 때 상기 제 1 분류기 모듈(36)(36)로부터의 상기 제 1 추천(18) 및 상기 제 2 분류기 모듈(37)(37)로부터의 상기 제 2 추천(18)을 동시에 발생하는 것을 더 포함하는, 프로그램의 하나 이상의 추천들을 발생하기 위한 방법.
  4. 제 3항에 있어서,
    상기 제 1 추천(18) 및 상기 제 2 추천(18)의 순위를 매기는 것과;
    상기 제 1 추천(18)이 최상위 순위를 가질 때 상기 제 1 추천(18)을 이용하는 것과;
    상기 제 2 추천이 최상위 순위를 가질 때 상기 제 2 추천을 이용하는 것을 더 포함하는, 프로그램의 하나 이상의 추천들을 발생하기 위한 방법.
  5. 복수의 프로그램들의 추천들을 발생하기 위한 컴퓨터 시스템(30)에 있어서, 상기 컴퓨터 시스템(30)은
    제 1 프로그램에 대응하는 제 1 기록(17)의 수신에 응답하여 제 1 프로그램에 대응하는 복수의 프로그래밍 카테고리들의 제 1 프로그래밍 카테고리를 식별하기 위해 동작 가능한 프로그램 기록 모듈(35)과;
    상기 제 1 프로그래밍 카테고리에 상관되는 제 1 분류기 모듈(36)로서, 상기 분류기 모듈(36)은 상기 프로그램 기록 모듈(35)이 상기 제 1 프로그램에 대응하는 것으로 상기 제 1 프로그래밍 카테고리를 식별할 때 상기 제 1 프로그램의 제 1 추천(18)을 발생하기 위해 동작 가능한, 상기 제 1 분류기 모듈(36)을 포함하는, 컴퓨터 시스템.
  6. 제 5항에 있어서,
    상기 프로그램 기록 모듈(35)은 제 2 프로그램에 대응하는 제 2 기록의 수신에 응답하여 제 2 프로그램에 대응하는 상기 제 1 프로그래밍 카테고리를 식별하기 위해 더 동작 가능하고;
    상기 제 1 분류기 모듈(36)은 상기 프로그램 기록 모듈(35)이 상기 제 2 프로그램에 대응하는 것으로 상기 제 1 프로그래밍 카테고리를 식별할 때 상기 제 2 프로그램의 제 2 추천을 발생하기 위해 더 동작 가능한, 컴퓨터 시스템.
  7. 제 5항에 있어서,
    상기 복수의 프로그램밍 카테고리들의 제 2 프로그래밍 카테고리에 상관되는 제 2 분류기 모듈(37)을 더 포함하는, 컴퓨터 시스템.
  8. 제 7항에 있어서,
    상기 프로그램 기록 모듈(35)은 상기 제 1 기록(17)의 수신에 응답하여 제 1 프로그램에 대응하는 상기 제 2 프로그래밍 카테고리를 식별하기 위해 더 동작 가능하고;
    상기 제 2 프로그램 기록 모듈(35)은 상기 프로그램 기록 모듈(35)이 상기 제 1 프로그램에 대응하는 것으로 상기 제 2 프로그래밍 카테고리를 식별할 때 상기 제 2 프로그램의 제 2 추천을 발생하기 위해 더 동작 가능한, 컴퓨터 시스템.
  9. 제 7항에 있어서,
    상기 프로그램 기록 모듈(35)은 상기 제 2 기록의 수신에 응답하여 제 2 프로그램에 대응하는 상기 제 2 프로그래밍 카테고리를 식별하기 위해 더 동작 가능하고;
    상기 제 2 분류기 모듈(37)은 상기 프로그램 기록 모듈(35)이 상기 제 2 프로그램에 대응하는 것으로 상기 제 2 프로그래밍 카테고리를 식별할 때 상기 제 2 프로그램의 제 2 추천을 발생하기 위해 더 동작 가능한, 컴퓨터 시스템.
  10. 제 8항에 있어서,
    상기 제 1 분류기 모듈(36)은 상기 프로그램 기록 모듈(35)이 상기 제 1 프로그램에 대응하는 것으로 상기 프로그래밍 카테고리들 중 어느 것을 식별하는데 실패할 때 상기 제 1 프로그램의 상기 제 1 추천(18)을 발생하기 위해 더 동작 가능하고;
    상기 제 2 분류기 모듈(37)은 상기 프로그램 기록 모듈(35)이 상기 제 1 프로그램에 대응하는 것으로 상기 프로그래밍 카테고리들 중 어느 것을 식별하는데 실패할 때 상기 제 1 프로그램의 상기 제 2 추천(18)을 발생하기 위해 더 동작 가능한, 컴퓨터 시스템.
  11. 제 10항에 있어서,
    상기 프로그램 기록 모듈(35)은 상기 제 1 추천(18) 및 상기 제 2 추천의 순위를 매기기 위해 더 동작 가능하고;
    상기 프로그램 기록 모듈(35)은 상기 제 1 추천(18)이 최상위 순위를 가질 때 상기 제 1 추천(18)을 이용하기 위해 더 동작 가능하고;
    상기 프로그램 기록 모듈(18)은 상기 제 2 추천이 최상위 순위를 가질 때 상기 제 2 추천을 이용하기 위해 더 동작 가능한, 컴퓨터 시스템.
  12. 컴퓨터 프로그램 제품에 있어서,
    컴퓨터 프로그램 제품이 실행할 때 프로그램 가능한 장치로 하여금 상기 청구항 제 5항 내지 제 11항 중 어느 한 항에 정의된 컴퓨터 시스템으로서 기능하기 하게 하는 컴퓨터 프로그램 제품.
KR10-2003-7001721A 2001-06-06 2002-06-03 전문가 모델 추천 방법 및 시스템 KR20030022884A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/875,403 US20020194602A1 (en) 2001-06-06 2001-06-06 Expert model recommendation method and system
US09/875,403 2001-06-06
PCT/IB2002/001994 WO2002100103A2 (en) 2001-06-06 2002-06-03 Expert model recommendation method and system

Publications (1)

Publication Number Publication Date
KR20030022884A true KR20030022884A (ko) 2003-03-17

Family

ID=25365740

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2003-7001721A KR20030022884A (ko) 2001-06-06 2002-06-03 전문가 모델 추천 방법 및 시스템

Country Status (6)

Country Link
US (1) US20020194602A1 (ko)
EP (1) EP1402730A2 (ko)
JP (1) JP4355569B2 (ko)
KR (1) KR20030022884A (ko)
CN (1) CN1250004C (ko)
WO (1) WO2002100103A2 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8495081B2 (en) * 2009-12-14 2013-07-23 International Business Machines Corporation Method, system and computer program product for federating tags across multiple systems
JP2016509268A (ja) * 2013-03-04 2016-03-24 トムソン ライセンシングＴｈｏｍｓｏｎ Ｌｉｃｅｎｓｉｎｇ プライバシーを保護する計数の方法およびシステム
CN109963175B (zh) * 2019-01-29 2020-12-15 中国人民解放军战略支援部队信息工程大学 基于显隐性潜在因子模型的电视产品精准推荐方法及系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0178536B1 (ko) * 1991-03-11 1999-04-15 강진구 동종 프로그램 채널 선택방법
US5469206A (en) * 1992-05-27 1995-11-21 Philips Electronics North America Corporation System and method for automatically correlating user preferences with electronic shopping information
EP0856993B1 (en) * 1992-12-09 2002-07-31 Discovery Communications, Inc. Set top terminal for cable television delivery systems
US5798785A (en) * 1992-12-09 1998-08-25 Discovery Communications, Inc. Terminal for suggesting programs offered on a television program delivery system
JP3500741B2 (ja) * 1994-03-01 2004-02-23 ソニー株式会社 テレビ放送の選局方法及び選局装置
US6177931B1 (en) * 1996-12-19 2001-01-23 Index Systems, Inc. Systems and methods for displaying and recording control interface with television programs, video, advertising information and program scheduling information
US6064980A (en) * 1998-03-17 2000-05-16 Amazon.Com, Inc. System and methods for collaborative recommendations
JP2000013708A (ja) * 1998-06-26 2000-01-14 Hitachi Ltd 番組選択支援装置
JP3579263B2 (ja) * 1998-09-30 2004-10-20 株式会社東芝 番組データ選択方法及び番組視聴システム
JP4465560B2 (ja) * 1998-11-20 2010-05-19 ソニー株式会社 情報表示制御装置及び情報表示制御装置の情報表示制御方法
US6628302B2 (en) * 1998-11-30 2003-09-30 Microsoft Corporation Interactive video programming methods
US6457010B1 (en) * 1998-12-03 2002-09-24 Expanse Networks, Inc. Client-server based subscriber characterization system
JP2000287189A (ja) * 1999-03-31 2000-10-13 Toshiba Corp テレビ番組の視聴管理装置
US6304864B1 (en) * 1999-04-20 2001-10-16 Textwise Llc System for retrieving multimedia information from the internet using multiple evolving intelligent agents
US6549929B1 (en) * 1999-06-02 2003-04-15 Gateway, Inc. Intelligent scheduled recording and program reminders for recurring events
WO2001015449A1 (en) * 1999-08-20 2001-03-01 Singularis S.A. Method and apparatus for creating recommendations from users profile built interactively
KR20010089778A (ko) * 1999-11-05 2001-10-08 요트.게.아. 롤페즈 정보 소스들을 위한 매체의 융합
US6727914B1 (en) * 1999-12-17 2004-04-27 Koninklijke Philips Electronics N.V. Method and apparatus for recommending television programming using decision trees
US6751614B1 (en) * 2000-11-09 2004-06-15 Satyam Computer Services Limited Of Mayfair Centre System and method for topic-based document analysis for information filtering

Also Published As

Publication number Publication date
US20020194602A1 (en) 2002-12-19
WO2002100103A3 (en) 2003-10-16
CN1250004C (zh) 2006-04-05
JP2004527991A (ja) 2004-09-09
WO2002100103A2 (en) 2002-12-12
JP4355569B2 (ja) 2009-11-04
CN1513264A (zh) 2004-07-14
EP1402730A2 (en) 2004-03-31

Similar Documents

Publication Publication Date Title
US8595769B2 (en) System and method for providing a personalized channel
KR100860354B1 (ko) 유저 선호도를 등록하기 위한 방법 및 시스템, 및 컴퓨터 프로그램 제품을 포함하는 컴퓨터 판독가능 매체
JP5032477B2 (ja) ユーザに関心を引くアイテムを推奨するシステムおよび方法
US8250605B2 (en) Systems and methods for presentation of preferred program selections
KR100908822B1 (ko) 미디어 컨텐트를 추천하기 위해 사용될 에이전트들을생성하는 방법
EP1332615B1 (en) Method and apparatus for displaying program recommendations with indication of strength of contribution of significant attributes
US20030066071A1 (en) Program recommendation method and system utilizing a viewing history of commercials
KR20040041661A (ko) 동일 타임 슬롯에서 다중 프로그램들을 디스플레이하는방법 및 시스템
US20030106058A1 (en) Media recommender which presents the user with rationale for the recommendation
US20020174429A1 (en) Methods and apparatus for generating recommendation scores
JP2002184157A (ja) オーディオビジュアル情報を管理するための使用履歴記述スキーム、システム、及び方法
KR20040026703A (ko) 다수의 전자 프로그램 가이드 소스들을 하나의 신뢰가능한전자 프로그램 가이드로 조합하는 방법 및 시스템
EP1504593A1 (en) Conversational content recommender
WO2002060176A2 (en) User interface for collecting viewer ratings of media content and facilitating adaptation of content recommenders
EP1449380B1 (en) Method and apparatus for recommending items of interest based on stereotype preferences of third parties
US20060174275A1 (en) Generation of television recommendations via non-categorical information
KR101034512B1 (ko) 가장 근접한 이웃 추천 방법 및 시스템
KR20030022884A (ko) 전문가 모델 추천 방법 및 시스템

Legal Events

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