KR20050023583A - 콘텐츠 추천방법 및 시스템 - Google Patents

콘텐츠 추천방법 및 시스템 Download PDF

Info

Publication number
KR20050023583A
KR20050023583A KR1020030059919A KR20030059919A KR20050023583A KR 20050023583 A KR20050023583 A KR 20050023583A KR 1020030059919 A KR1020030059919 A KR 1020030059919A KR 20030059919 A KR20030059919 A KR 20030059919A KR 20050023583 A KR20050023583 A KR 20050023583A
Authority
KR
South Korea
Prior art keywords
content
user
metadata
contents
user profile
Prior art date
Application number
KR1020030059919A
Other languages
English (en)
Other versions
KR100493902B1 (ko
Inventor
포포브안드레이
신효섭
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR10-2003-0059919A priority Critical patent/KR100493902B1/ko
Priority to JP2004232712A priority patent/JP2005078627A/ja
Priority to EP04254977A priority patent/EP1511315A3/en
Priority to US10/922,847 priority patent/US7434244B2/en
Priority to CNB2004100569998A priority patent/CN100352280C/zh
Publication of KR20050023583A publication Critical patent/KR20050023583A/ko
Application granted granted Critical
Publication of KR100493902B1 publication Critical patent/KR100493902B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • 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
    • 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
    • H04N7/162—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing
    • H04N7/163—Authorising the user terminal, e.g. by paying; Registering the use of a subscription channel, e.g. billing by receiver means only

Abstract

본 발명은 콘텐츠 추천방법 및 이를 위한 시스템에 관한 것이다.
본 발명에 따른 콘텐츠 추천방법은 콘텐츠에 대한 사용자의 반응을 바탕으로 소정의 모델에 따라 사용자 프로파일을 생성하는 단계와, 하나 또는 복수의 데이터 소스로부터 콘텐츠 특성을 얻는 단계와, 상기 사용자 프로파일과 상기 콘텐츠 특성을 바탕으로 소정의 과정에 의해 콘텐츠 추천목록을 생성하는 단계를 포함한다.
한편, 본 발명에 따른 콘텐츠 추천시스템은 콘텐츠에 대한 사용자의 반응을 바탕으로 소정의 모델에 따라 사용자 프로파일을 생성하는 사용자 프로파일링부와, 하나 또는 복수의 데이터 소스로부터 콘텐츠 메타데이터를 얻는 디지털 텔레비전부와, 상기 사용자 프로파일링 부시스템과 상기 디지털 텔레비전 부시스템으로부터 얻은 사용자 프로파일 및 콘텐츠 메타데이터를 바탕으로 콘텐츠 추천목록을 생성하는 콘텐츠 레이팅부를 포함한다.
본 발명에 따르면 사용자는 자신이 좋아하는 콘텐츠와 유사한 콘텐츠에 대하여 추천을 받을 수 있다.

Description

콘텐츠 추천방법 및 시스템{Method And System For Recommending Contents}
본 발명은 콘텐츠 추천방법 및 이를 위한 시스템에 관한 것으로서, 보다 상세하게는 사용자 프로파일을 이용하여 콘텐츠의 순위(rate)를 계산한 후에 높은 순위를 갖는 콘텐츠를 사용자에게 추천하는 방법 및 이를 위한 시스템에 관한 것이다.
최근 디지털 텔레비전이 출현함에 따라 사용자들은 전에 없었던 다양한 멀티미디어 콘텐츠를 즐길 수 있게 됐다. 이용할 수 있는 정보의 양이 방대하게 증가하는 것과 더불어 사용자들은 적시에 적절한 콘텐츠를 찾아야 하는 문제에 직면하게 됐다. 콘텐츠를 제공하는 서비스업자에 의해 제공되는 콘텐츠는 최종 사용자의 관점에서 제공되는 콘텐츠가 적합한지 여부에 의해 그 유용성이 판단된다. 이에 따라 콘텐츠 커스토마이제이션(Contents Customization)을 위하여 다양한 정보 시스템과 어플리케이션이 개발되고 있다. 추천기술(Recommendation Technology)은 이러한 어플리케이션 중에 하나인데, 인터넷기반 개인 전자 프로그램 가이드 서비스와 같은 중앙 집중형 시스템이나 디지털 텔레비전 제품과 세톱박스를 포함한 분산 환경 의 형태로 구현된다.
최근까지 콘텐츠 추천 기술에 초점을 맞추어 많은 연구와 노력이 있었으며, 그 결과로 다양한 방법들이 제시되었다. 현존 시스템의 대부분은 사용자 프로파일링(User Profiling)과 콘텐츠 레이팅 활성(Contents Rating Activity)의 몇몇 형태에 의존한다.
사용자 프로파일링의 목적은 사용자 선호사항(User Preference)을 생성하기 위하여 사용되며, 사용자 선호사항은 사용자의 관심과 기호의 변화에 따라 점차 변화한다. 종전의 기술은 콘텐츠의 사용자의 명시적 반응(Explicit Feedback)과 선호사항 설정을 이용하거나, 콘텐츠에 관한 사용자의 행동의 특성을 묵시적으로 관찰하여 사용자 프로파일링을 하였다. 명시적 선호사항 설정에서 사용자는 다양한 필드의 상세한 선호사항 값을 등록을 해야한다. 그러나 이를 위해서 사용자는 시간과 의식적인 노력을 해야 하고, 이는 이러한 시스템의 유용성을 저해하는 요인이 되었다. 이에 비해 묵시적 선호사항 추출방법은 선호사항 지정과 관련한 사용자의 번거러움을 극복할 수 있다. 즉, 사용자는 어떤 장르의 콘텐츠를 좋아하는지 혹은 어떤 배우가 출연하는 영화를 좋아하는 지 또는 나이가 몇 살인지 등에 대한 정보를 입력할 필요가 없다. 묵시적 선호사항 추출방법은 사용자의 개입없이 지속적으로 동작하기 때문에 일정하면서도 장기간의 사용자 선호사항에 대한 정보를 제공할 수 있다.
그러나 일반적으로 알려진 시스템들은 사용자의 행동에 관한 몇몇 관점만을 분석한다. 즉, 대부분의 경우에는 특정 콘텐츠를 재생하기 위한 선택이나 어떤 방송 채널로 튜닝하는 지 여부 등이 고려될 뿐이다. 좀더 개량된 시스템은 콘텐츠에 대한 사용자 행동의 단순한 시간적 특성, 예를 들면 재생 시간 등을 사용자 선호사항을 찾기 위한 자료로 이용할 뿐이다. 그러나, 실제적으로 재생시간과 실제 시청 시간은 동일하지 않을 수 있다. 이와 같이 관찰되는 행동이 제한된 범위(Limited Scope)인 경우에 사용자 프로파일의 질에 나쁜 영향을 준다. 따라서 사용자의 선호도를 측정하기 위하여 보다 복잡한 구조의 모델 즉, 다양한 파라미터를 갖는 모델이 필요하다.
한편, 콘텐츠 레이팅 프로세스는 특정 콘텐츠에 대한 사용자 만족의 가능성을 측정하는 수단이다. 전통적으로, 높은 순위의 콘텐츠의 한정된 목록이 사용자의 프로파일과 달리 사용자에게 제공된다. 이러한 목록은 종종 커스텀 전자 프로그램 가이드(Custom Electronic Program Guide)라고 불린다. 종전의 시스템은 키워드 기반이나 연관 기반의 연관성 측정을 이용하여 사용자의 프로파일과 달리 콘텐츠의 순위를 정했다. 키워드 기반의 접근법은 텍스트 필터링을 위한 것으로는 효과적이지만, 단독으로 시청각 콘텐츠에는 사용하기에는 제한적일 수 있다. 왜냐하면 키워드 기반의 접근법은 전통적으로 포괄적이고 긴 문자 그대로의 서술을 동반할 수 없기 때문이다.
연관 기반 접근법은 미리 정의된 콘텐츠 타입의 계층의 존재를 기반으로 한다(예를 들면, 드라마, 뉴스, 스포츠, 음악 등등이 이에 해당한다). 연관 기반 접근법에서는 콘텐츠의 종류가 사용자 프로파일에 정확히 일치하지는 않을 때 콘텐츠의 어울림의 정도(Degree of Content Appropriateness)를 평가한다. 종전의 시스템은 깊이 또는 경로 길이를 이용하여 콘텐츠 간의 연관성을 측정한다. 깊이 기반 연관성 방법은 콘텐츠 타입의 계층구조에서 공통의 상위 타입과의 깊이를 평가함으로써 두 타입을 비교한다. 경로 길이 방법은 의미론적 네트워크(Semantic Network)에서 노드들간의 링크들을 카운팅하는 것에 기반한다. 깊이 기반 방법은 연관성이 측정될 수 있는 노드들간의 실제 거리를 무시하는 문제점이 있고, 경로 기반 방법은 노드들의 깊이를 무시하는 문제점이 있다. 즉, 노드들의 일반성의 정도를 무시한다. 게다가 가능한 콘텐츠 타입의 계층구조의 경우의 수가 무제한적이고, 다양하게 존재하는 계층구조들은 서로 다른 원칙에 따라 조직된다. 이에 따라 서로 다르게 조직된 계층구조에서도 쉽게 이용할 수 있는 보다 유연한 연관성 측정방법이 필요하다.
본 발명은 상기한 필요성에 따라 안출된 것으로, 사용도의 선호도를 측정하기 위한 정교한 모델을 제시하고, 서로 다른 다양한 계층구조에도 콘텐츠간의 연관성을 유연한게 측정할 수 있는 모델과 이를 통하여 사용자에게 콘텐츠를 추천하는 방법 및 이를 위한 시스템을 제공하는 것을 그 기술적 과제로 한다.
상기 목적을 달성하기 위하여, 본 발명에 따른 콘텐츠 추천방법은 콘텐츠에 대한 사용자의 반응을 바탕으로 소정의 모델에 따라 사용자 프로파일을 생성하는 단계와, 하나 또는 복수의 데이터 소스로부터 콘텐츠 특성을 얻는 단계와, 상기 사용자 프로파일과 상기 콘텐츠 특성을 바탕으로 소정의 과정에 의해 콘텐츠 추천목록을 생성하는 단계를 포함한다.
상기 사용자 프로파일을 생성하는 단계는 특정 콘텐츠에 대하여 콘텐츠 필드와 각 콘텐츠 필드에 대한 사용자의 행동들을 정의하고 각각의 사용자 행동에 대하여 서로 다른 가중치를 주고 이를 소정의 계산방법에 의해 계산하여 해당 콘텐츠에 대한 콘텐츠 레이트를 구하는 것이 바람직하다. 이 때 콘텐츠 레이트(R)는 에 의해 계산하는데, W는 각 행동에 대한 가중치이고, n은 특정 콘텐츠에서 관찰된 행동의 수이며, T는 콘텐츠 아이템의 시간적 길이를 의미한다.
상기 콘텐츠 특성을 얻는 단계에서 데이터 소스는 ATSC PSIP 또는 TV-Anytime 메타데이터 중 적어도 하나를 포함하는 것이 바람직하다.
상기 콘텐츠 추천목록을 생성하는 단계는 상기 사용자 프로파일과 상기 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 소정의 계산 방법에 의해 소정의 분류 계층을 바탕으로 각 개체에 대한 콘텐츠 레이트를 계산하여 콘텐츠 레이트가 일정 값을 넘는 것에 대하여 추천목록을 생성하는 것이 바람직하다. 이 때 상기 계산 방법은 상기 사용자 프로파일 및 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 각 개체간의 연관값=에 의해 계산하는데, N은 주어진 계층구조의 총 레벨의 수를 의미하고, n은 부카테고리(Parent Category)가 전체 계층구조에서 몇 번째 레벨인지를 의미하고, m은 부카테고리에서 자카테고리(Child Category)까지의 깊이를 의미한다. 상기 계산에 의해 얻어진 연관값을 이용하여 각 개체의 콘텐츠 레이트를 구한다.
상기 목적을 달성하기 위하여, 본 발명에 따른 콘텐츠 추천시스템은 콘텐츠에 대한 사용자의 반응을 바탕으로 소정의 모델에 따라 사용자 프로파일을 생성하는 사용자 프로파일링부와, 하나 또는 복수의 데이터 소스로부터 콘텐츠 메타데이터를 얻는 디지털 텔레비전부와, 상기 사용자 프로파일링 부시스템과 상기 디지털 텔레비전 부시스템으로부터 얻은 사용자 프로파일 및 콘텐츠 메타데이터를 바탕으로 콘텐츠 추천목록을 생성하는 콘텐츠 레이팅부를 포함한다.
상기 사용자 프로파일링부는 특정 콘텐츠에 대하여 콘텐츠 필드와 각 콘텐츠 필드에 대한 각각의 사용자 행동들을 관찰하기 위한 적어도 하나 이상의 프로파일러와, 상기 프로파일러에서 관찰된 각각의 사용자 행동에 대하여 서로 다른 가중치를 주고 이를 소정의 계산방법에 의해 계산하여 해당 콘텐츠에 대한 콘텐츠 레이트를 구하는 사용자 프로파일 관리부를 포함하는 것이 바람직하다. 이 때 상기 사용자 프로파일 관리부는 콘텐츠 레이트(R)을 에 의해 계산하는데, W는 각 행동에 대한 가중치이고, n은 특정 콘텐츠에서 관찰된 행동의 수이며, T는 콘텐츠 아이템의 시간적 길이를 의미한다.
상기 디지털 텔레비전부는 ATSC PSIP 메타데이터를 처리하기 위한 PSIP 핸들러 또는 TV-Anytime 메타데이터를 처리하기 위한 TV-Anytime 메타데이터 핸들러 중 적어도 하나를 포함하는 것이 바람직하다.
상기 콘텐츠 레이팅부는 상기 사용자 프로파일과 상기 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 이 둘 사이의 상호연관 계수를 계산함으로써 콘텐츠 레이팅을 계산하는 키워드 에이전트와, 장르, 언어 및 채널 정보를 포함한 각 분류를 기반으로 소정의 계산 방법에 의해 콘텐츠 레이팅을 수행하는 분류 에이전트 중 적어도 하나를 포함하는 것이 바람직하다. 상기 분류 에이전트는 상기 사용자 프로파일링부로부터 얻은 사용자 프로파일과 상기 디지털 텔레비전부에서 얻은 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 각 개체간의 연관값은 연관값=에 의해 계산하는데, N은 주어진 계층구조의 총 레벨의 수를 의미하고, n은 부카테고리(Parent Category)가 전체 계층구조에서 몇 번째 레벨인지를 의미하고, m은 부카테고리에서 자카테고리(Child Category)까지의 깊이를 의미한다. 상기 계산에 의해 얻은 연관값을 이용하여 각 개체의 콘텐츠 레이트를 구한다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 콘텐츠 추천시스템의 구성을 보여주는 블록도이다.
콘텐츠 추천시스템은 크게 사용자 프로파일링 부시스템(100)과 콘텐츠 레이팅 부시스템(300)을 포함한다.
사용자 프로파일링 부시스템(100)은 보다 정확하고 유연한 사용자 프로파일을 생성할 수 있도록 복수의 프로파일러를 포함하는 것이 바람직하다. 도 1의 사용자 프로파일링 부시스템(100)은 묵시적 프로파일러(110)와 명시적 프로파일러(120) 및 스테레오타입 프로파일러(130)를 포함한다. 먼저 묵시적 프로파일러(110)는 사용자의 시청 습관을 분석함으로써 변화하는 사용자의 흥미에 본 발명이 역동적으로 적응할 수 있게 한다. 명시적 프로파일러(120)는 디지털 텔레비전의 사용자 인터페이스를 통해 사용자가 명시적으로 세팅할 수 있도록 한다. 한편, 스테로오타입 프로파일러(130)는 사용자를 위하여 선호사항에 대하여 값들이 이미 입력되어 있는 스테레오타입의 세트들을 제공한다. 사용자는 스테레오타입의 세트들 중에 어느 하나를 선택함으로써 선호사항의 빈칸을 채워넣는 수고를 덜 수 있다. 따라서 사용자는 일일이 모든 선호사항 값을 하나하나 입력할 필요가 없으며, 미리 선호사항에 대한 각 파라미터값이 미리 세팅된 여러 개의 스테레오타입 중에서 하나의 스테레오타입을 선택함으로써 선호사항 값을 세팅할 수 있다. 한편 사용자 프로파일 관리부(150)는 각각의 프로파일러에 의해 제공되는 다량의 데이터를 통합하고 사용자 프로파일을 생성한다. 각 사용자에 대한 생성된 사용자 프로파일은 데이터 베이스(400)에 저장된다.
콘텐츠 레이팅 부시스템(200)은 콘텐츠 레이팅을 통해 사용자에게 콘텐츠 추천 목록을 생성하는데, 복수개의 에이전트와 콘텐츠 레이팅 관리부(250)를 포함한다. 도 1의 실시예에서는 콘텐츠 레이팅 부시스템(200)은 키워드 에이전트(210)과 분류 에이전트(220)의 두 에이전트를 포함한다. 콘텐츠 레이팅 관리부(250)는 크게 두 가지 기능을 한다.
첫 째는 추천이라는 목적을 달성하기에 충분한 콘텐츠 서술 데이터의 통합된 하위세트를 추출하여 저장하는 것이다. 이 때 가공되지 않은 데이터는 디지털 텔레비전 부시스템(300)을 통해 제공받는다. 도 1의 실시예어서 디지털 텔레비전 부시스템(300)은 PSIP(Program and System Information Protocol) 핸들러(310)와 TV-Anytime 메타데이터 핸들러(320)로 구성되어 있다. PSIP 핸들러(310)는 ATSC(Advanced Television Systems Committee)규격의 지상파 디지털 텔레비전 프로그램을 디지털 텔레비전 튜너를 통해 입력받는다. TV-Anytime 메타데이터 핸들러(320)는 TV-Anytime 규격을 만족하는 콘텐츠를 유선 또는 무선 인터넷 망을 통해 받는다. 본 발명의 디지털 텔레비전 부시스템은 상기 두 개의 핸들러만을 이용하는 것에 한정되지는 않는다. 디지털 텔레비전 부시스템(300)에서 받은 가공되지 않은 콘텐츠 메타데이터는 콘텐츠 레이팅 관리부(250)에 의해 가공되고(콘텐츠 추천 정보를 추출하고) 가공된 콘텐츠 메타데이터는 데이터베이스(400)에 저장된다.
둘 째는 사용자 프로파일과 콘텐츠 메타데이터 정보를 이용하여 각 사용자를 위한 추천목록을 생성한다. 추천목록은 사용자 프로파일 및 콘텐츠 메타데이터 정보를 콘텐츠 레이팅을 위한 하나 또는 복수의 에이전트에 제공하고, 에이전트로부터 받은 콘텐츠 레이팅을 통합하여 생성한다. 콘텐츠 레이팅을 통합할 때는 사용자 프로파일에 의한 값과 콘텐츠 메타데이터 정보에 의한 값의 산술 평균을 구하는 방식으로 할 수도 있고 기하평균을 이용하는 방식으로도 할 수 있다. 전자의 경우에는 사용자 프로파일에 의해 계산된 값과 콘텐츠 메타데이터 정보에 의해 계산된 값에 대하여 어느정도 대등하게 처리를 한 경우이고(OR 개념), 후자의 경우에는 양자의 공통점이 있을 경우에 높은 레이트를 갖는다(AND 개념). 이 밖에 양자의 상관도를 측정하고 상관도가 높은 값에 콘텐츠에 대하여 높은 레이트를 줄 수도 있다. 한편, 콘텐츠 메타데이터 정보로부터는 콘텐츠 추천을 받지 않고 사용자 프로파일에 의해서만 콘텐츠 콘텐츠 메타데이터 정보로부터 얻은 콘텐츠 목록에 대한 추천목록을 결정할 수도 있다. 그러나 상기의 방법들은 예시적인 것으로서 본 발명의 기술적 사상은 이에 한정되지 않는다.
콘텐츠 레이팅을 위한 에이전트로 본 발명의 실시예에서는 키워드 에이전트(210)와 분류 에이전트(220)가 있다. 키워드 에이전트(210)는 느슨한 형식을 갖거나 문자로된 콘텐츠 서술, 예를 들면 ATSC PSIP나 TV-Anytime 메타데이터를 분석한다. 키워드 에이전트(210)는 각 사용자와 콘텐츠에 대하여 사용자 프로파일과 콘텐츠 서술 메타데이터 사이의 상호연관 계수를 계산함으로써 콘텐츠 레이팅을 수행한다. 분류 에이전트(220)는 장르, 언어 및 채널 정보를 포함한 각 분류를 기반으로 콘텐츠 레이팅을 수행한다. 이를 위하여 분류 에이전트(220)는 계층적 분류를 처리할 수 있도록 설계되어야 한다.
한편, 본 발명에 따른 콘텐츠 추천시스템은 계산의 부담을 줄이기 위하여 이벤트가 생길 때 동작하도록 구현하는 것이 바람직하다. 이에 대하여 구체적으로 설명하면 다음과 같다. 각 사용자는 사용자 인터페이스(10)를 통해 적당한 프로파일러를 동작시킨다. 각 프로파일러들은 사용자 선호사항을 평가한다. 만일 중요한 변화가 발생했을 때는 사용자 프로파일 관리부(150)가 동작하도록 한다. 디지털 텔레비전 부시스템(300)이나 사용자 프로파일 관리부(150)는 콘텐츠 서술 정보가 업데이트되거나 사용자 선호사항이 바뀔 경우에 콘텐츠 레이팅 관리부(250)가 동작하도록 한다. 콘텐츠 레이팅 관리부(250)은 콘텐츠 레이팅 값을 얻기 위하여 적절한 하나의 에이전트나 복수의 에이전트들을 호출한다. 에이전트로부터 받은 콘텐츠 레이트를 통해 각 사용자를 위한 추천목록을 생성한다.
도 2는 본 발명의 일실시예에 따른 콘텐츠 추천과정을 보여주는 흐름도이다.
콘텐츠 추천을 윈한 정보를 제공하기 위하여 사용자 프로파일링(S100)과 콘텐츠 메타데이터 추출과정을(S200) 병행한다. 사용자 프로파일링(S100)을 통해 만들어진 사용자 프로파일과 콘텐츠 메타데이터 추출(S200)을 통해 얻어진 콘텐츠 메타데이터를 바탕으로 콘텐츠 레이팅(S300)을 수행한다. 콘텐츠 레이팅(S300)은 키워드 에이전트 또는 분류 에이전트 등이 담당한다. 상위 레이트의 콘텐츠는 사용자에게 추천된다. 사용자 프로파일링(S100)과 콘텐츠 레이팅(S300) 및 콘텐츠 레이팅(S300)에 관한 좀더 자세한 설명은 도 3 내지 도 5를 참조하여 설명한다.
도 3은 도 2의 사용자 프로파일링 과정을 보여주는 흐름도로서 묵시적 프로파일을 중심으로 설명한다.
사용자 프로파일을 생성하는 과정은 사용자의 행동을 관찰하는 과정(S110)을 통해 얻은 데이터를 바탕으로 사용자가 실행한 콘텐츠에 대한 레이팅(S120)을 하는 단계(S120) 및 사용자 프로파일을 생성하는 단계(S130)를 포함한다.
먼저 사용자의 행동을 관찰한다(S110). 사용자 행동을 확인하는 것은 묵시적 선호사항 추출을 위한 초석이 된다. 표 1은 디지털 텔레비전 콘텐츠와 관계된 사용자 행동의 2차원 모델을 예시로 보여준다.
표1 디지털 텔레비전 콘텐츠에 대한 관찰할 수 있는 사용자 행동
Video Frame Program Segment Entire Program Program Group
Consume Pause Request infoPlayPauseRewindSkip backwardFast forwardSkip forwardStop Request infoSchedule to tuneTunePlayPauseRewindSkip backwardFast forwardSkip forwardStop Request info
Record Capture still imageCopy still image Schedule to recordRecordCopyDelete Schedule to recordRecordDelete
Approve BookmarkAnnotate Add to favoritesAnnotate Add to favoritesAnnotate Add to favoritesAnotate
관찰된 사용자 행동(콘텐츠 실행)에 대하여 레이팅을 한다(S120). 각 관찰 가능한 행동들에 대해서는 적절한 가중 계수를 곱하는 것이 바람직하다. 예를 들면, Play동작의 계수는 재생시간에 비례하도록 한다. Rewind와 그 부분에 대한 재생을 반복하는 것과 같은 동작은 콘텐츠 레이팅을 증가시킨다. 반면에 Delete나 Skip 동작은 콘텐츠 레이팅을 감소시킨다. 수학식 1은 묵시적 콘텐츠 레이팅(R)을 계산하기 위한 식이다.
여기서, W는 각 행동에 대한 가중치이고 n은 특정 콘텐츠에서 관찰된 행동의 수이고 T는 콘텐츠 아이템의 시간적 길이를 말한다. R을 구함에 있어 T로 나누는 것은 콘텐츠별로 단위 시간동안의 사용자 행동을 비교하는 것이 합리적이기 때문이다.
그리고 나서 사용자 프로파일을 생성한다(S130). 특정 사용자와 콘텐츠에 대한 묵시적 프로파일은 상기와 같은 과정을 통해 생성할 수 있다. 한편, 명시적 프로파일은 사용자가 직접 콘텐츠에 대한 선호값을 입력하거나 장르 등의 특정 분류에 대한 값을 입력함으로써 생성할 수 있다. 스테레오 타입의 프로파일은 명시적 프로파일 입력의 불편함을 덜어주기 위하여 미리 세팅된 프로파일들 중 하나를 사용자가 선택하게 하여 생성할 수 있다.
도 4는 도 2의 콘텐츠 메타데이터 추출 과정을 보여주는 흐름도이다.
콘텐츠 메타데이터를 추출하기 위해서는 콘텐츠 메타데이터를 수신한다(S210). 콘텐츠 메타데이터는 다양한 매체를 통해서 수신할 수 있다. 예를 들면, 인터넷과 같은 IP망을 통해서 TV-Anytime 콘텐츠 서술 메타데이터(TV-Anytime Content Description Metadata)를 수신할 수 있고, 디지털 텔레비전 튜너를 통해 PSIP 이벤트 정보 테이블(PSIP Event Information Table)을 수신할 수도 있다. 수신된 데이터들은 메타데이터 파싱과정(S220)을 거쳐 적절히 가공된다.
도 5는 도 2의 콘텐츠 레이팅 과정을 보여주는 흐름도이다.
먼저 사용자 프로파일과 파싱된 메타데이터를 입력받는다(S310). 적절한 레이팅 과정을 거치는데, 키워드기반 레이팅(S320)과 분류기반 레이팅(S330)이 이에 해당한다. 키워드기반 레이팅(S320)과 분류기반 레이팅(S330)의 결과는 통합하여 통합된 레이팅을 생성하고 이를 통해 사용자를 위한 추천 목록을 생성한다(S340).
키워드기반 레이팅(S320)은 그 자체로 사용되는 것보다는 장르 또는 배우 등과 같이 어떤 분류를 바탕으로 수행되는 것이 바람직하다. 예를 들면, 드라마 장르에 대한 키워드 검색이 많은 경우에 드라마 장르의 레이트를 높인다. 마찬가지로 특정 배우에 대한 검색이 많은 경우에 해당 배우가 출연하는 영화나 드라마 등의 레이트를 높인다.
분류기반 레이팅을 위해서 사용자 프로파일에는 몇몇 종류의 분류에 대한 선호사항 값이 저장되어 있다. 분류는 장르나 채널 또는 언어 등을 기준으로 할 수 있으며 이 밖에 다른 사항을 기준으로 분류할 수 있다. 분류기반 레이팅은 카테고리기반의 콘텐츠 추천을 위해 사용된다. 이러한 분류의 한 예로서 도 6은 장르의 계층적 분류를 보여준다. 도 6은 콘텐츠 분류의 일 예로서 TV-Anytime 장르의 계층적 분류의 예를 보여주는 도면이다. 도 6에서 Non-Fiction 장르는 Sports 장르와 Arts & Media 장르로 나누어 진다. 이 중 Sports 장르는 다시 Winter Sports와 Team Sports로 나뉘고, Team Sports는 Croquet과 Football 및 Baseball로 나누어진다.
추천목록을 만들기 위해서는 각 카테고리의 개체들간의 연관성 측정을 할 필요가 있다. 연관 기반의 연관성 측정은 깊이 또는 경로 길이를 기반으로 한다. 깊이기반 연관성 측정 방법은 두 개체를 비교함에 있어 분류 계층구조에서 공통의 모개체(Parent Entity)로부터의 깊이를 가지고 평가한다. 종전의 MSCA(Most Specific Common Abstraction)방법을 살펴보면, 도 6에서 Football과 Baseball의 모개체는 Team Sports가 되고 깊이는 1이다. 그러나 Baseball과 Skating의 모개체는 Sports로서 깊이는 2가 된다. 그렇다면 Baseball에 대해서는 Football이 Skating보다는 더 연관한 것으로 판단한다. 즉, Baseball에 대하여 선호도가 높은 사용자에게 Football이 Skating보다 추천될 가능성이 더 크다. 종전에 방법에 의할 때 Baseball과 가장 가까운 것은 Croquet과 Football이다. 그러나 실제 Baseball을 좋아하는 사용자가 Croquet을 좋아한다고 판단하는 것은 좀 무리가 있다고 할 수 있다. 경로 길이 방법은 의미유사 네트워크 구조에서 각 엔터티간의 링크수(거리)를 카운팅하는 것에 기반한다. 즉, 두 개체가 유사한 경우에는 링크수가 작아지게되고 유사하지 않은 경우에는 링크수가 커진다. 그러나 이러한 깊이 또는 경로기반의 연관성 측정값은 분류의 정도에 따라 그 값이 민감하게 변한다. 예를 들면 Sports와 같이 세분화된 구조를 가진 부분은 Arts & Media와 같이 덜 세분화된 구조를 가진 부분에 비하여 각 개체들은 덜 연관된 것으로 판단되는 문제점이 있다. 즉 Baseball과 Skating을 비교하면 깊이는 2가 되지만 Fine Arts와 Music의 경우에 깊이는 1이 된다. 이러한 문제점을 해결하기 위해서는 세분화된 정도에 따라 깊이나 경로의 값을 다르게 주어야 한다. 즉, 깊이기반 연관성 측정에서 깊이뿐만 아니라 계층의 분화정도까지 고려한다. 본 발명에서는 연관성 측정을 위하여 계층의 분화정도를 고려한 연관성 측정 모델을 제시한다. 이러한 연관성 측정방법은 다음과 같은 기본 원칙에 따라 수행될 수 있다.
1. 세분화가 된 카테고리의 비교일수록, 연관성은 커진다.
2. 개체가 레벨의 차이가 커질수록, 연관성은 작아진다.
3. 레이팅이 없는 콘텐츠, 그리고 형제간은 0의 값을 갖는다.
수학식 2는 상기의 기본 원칙을 바탕으로 연관값을 구하는 방법의 일 실시예이다.
여기서, N은 주어진 계층구조의 총 레벨의 수를 의미하고, n은 부카테고리(Parent Category)가 전체 계층구조에서 몇 번째 레벨인지를 의미하고, m은 부카테고리에서 자카테고리(Child Category)까지의 깊이를 의미한다. 수학식 2에 의하여 계산할 때는 많이 세분화된 카테고리간의 관계는 더 연관의 정도가 크게 나오고 세분화가 덜 된 경우에는 작게 나온다. 예를 들면 Football과 Croquet은 형제 카테고리이므로 연관값은 0이 된다. 만일 사용자가 Team Sports에 대하여 선호값을 지정한 경우에는 Football의 연관값은 약 0.7이 된다. 왜냐하면 Team Sports는 레벨 3(=n)의 카테고리이고 Football과의 깊이는 1(=m)이며, 전체 카테고리의 레벨은 4(=N)이기 때문이다. 즉 이 값들을 수학식 2에 대입하면 약 0.7의 값이 나온다. 만일 사용자 프로파일에 Team Sports의 선호값(=R)이 5로 나왔다면, 이에 의하여 Football의 선호값은 5*0.7이 되어 3.5가 될 것이다. 마찬가지로 계산하면 Sports와 Team Sports의 경우에 연관값은 0.47이고 Arts & Media와 Music의 연관값은 0.6이 나온다. 모든 경우에 있어 깊이(=m)는 1로 동일하지만 연관값은 다르게 나온다. 이를 해석하면 보다 세분화된 분류에서의 하위레벨간의 연관값이 덜 세분화된 분류에서의 하위레벨간의 연관값보다 크고, 보다 세분화된 분류에서 상위레벨간의 연관값은 덜 세분화된 분류에서의 상위레벨간의 연관값보다 크다. 한편, Sports와 Baseball의 경우에 연관값은 0.42로서 Sports와 Team Sports간의 연관값보다 작고, 이는 깊이가 깊을수록 연관값은 작다는 것을 의미한다.
한편, 경로 길이기반의 연관값 측정도 깊이기반의 연관값 측정과 마찬가지 방법으로 할 수 있다. 즉, 분화의 정도가 클수록 다시 말해, 많이 세분화된 경우일수록 한 링크 떨어진 개체간의 연관값은 크고 덜 세분화될수록 작도록 계산한다.
연관값을 이용하여 분류 계층의 각 개체에 대한 콘텐츠 레이트를 계산하고 이 중에서 기준 값을 넘는 콘텐츠 레이트를 모아서 추천목록을 생성한다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 상기 설명에서 콘텐츠 추천시스템은 사용자가 콘텐츠를 시청할 수 있는 디지털 텔레비전인 것을 중심으로 설명하였다. 그러나 본 발명은 이에 한정되지 않으며 콘텐츠 추천시스템과 디지털 텔레비전이 별도인 경우도 본 발명의 기술적 사상에 포함되는 것으로 해석하여야 한다. 따라서 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명에 따르면 사용자의 선호사항을 평가하기 위한 정교한 모델을 통해 사용자는 자신이 좋아하는 콘텐츠와 유사한 콘텐츠에 대하여 추천을 받을 수 있다. 한편, 추천을 위한 콘텐츠 레이팅에 있어서도 본 발명에 따르면, 기존의 방법이나 시스템에 비하여 보다 정교한 콘텐츠 레이팅이 가능한다. 한편, 본 발명에 따르면 콘텐츠 제공자로부터의 추천과 사용자의 행동에 따른 추천을 별도로 평가하여 추천의 정도를 다양화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 콘텐츠 추천시스템의 구성을 보여주는 블록도이다.
도 2는 본 발명의 일실시예에 따른 콘텐츠 추천과정을 보여주는 흐름도이다.
도 3은 도 2의 사용자 프로파일링 과정을 보여주는 흐름도이다.
도 4는 도 2의 콘텐츠 메타데이터 추출 과정을 보여주는 흐름도이다.
도 5는 도 2의 콘텐츠 레이팅 과정을 보여주는 흐름도이다.
도 6은 콘텐츠 분류의 일 예로서 TV-Anytime 장르 분류의 계층을 보여주는 도면이다.

Claims (12)

  1. (a) 콘텐츠에 대한 사용자의 반응을 바탕으로 소정의 모델에 따라 사용자 프로파일을 생성하는 단계;
    (b) 하나 또는 복수의 데이터 소스로부터 콘텐츠 특성을 얻는 단계;
    (c) 상기 사용자 프로파일과 상기 콘텐츠 특성을 바탕으로 소정의 과정에 의해 콘텐츠 추천목록을 생성하는 단계를 포함하는 콘텐츠 추천방법
  2. 제1항에 있어서, 상기 (a) 단계는 특정 콘텐츠에 대하여 콘텐츠 필드와 각 콘텐츠 필드에 대한 사용자의 행동들을 정의하고 각각의 사용자 행동에 대하여 서로 다른 가중치를 주고 이를 소정의 계산방법에 의해 계산하여 해당 콘텐츠에 대한 콘텐츠 레이트를 구하는 과정을 포함하는 것을 특징으로 하는 콘텐츠 추천방법
  3. 제2항에 있어서, 상기 콘텐츠 레이트(R)는 에 의해 계산되는데, W는 각 행동에 대한 가중치이고, n은 특정 콘텐츠에서 관찰된 행동의 수이며, T는 콘텐츠 아이템의 시간적 길이인 것을 특징으로 하는 콘텐츠 추천방법
  4. 제1항에 있어서, 상기 (b) 단계의 데이터 소스는 ATSC PSIP 또는 TV-Anytime 메타데이터 중 적어도 하나를 포함하는 것을 특징으로 하는 콘텐츠 추천방법
  5. 제1항에 있어서, 상기 (c) 단계는 상기 사용자 프로파일과 상기 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 소정의 계산 방법에 의해 소정의 분류 계층을 바탕으로 각 개체에 대한 콘텐츠 레이트를 계산하여 콘텐츠 레이트가 일정 값을 넘는 것에 대하여 추천목록을 생성하는 것을 특징으로 하는 콘텐츠 추천방법
  6. 제5항에 있어서, 상기 계산 방법은 상기 사용자 프로파일 및 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 각 개체간의 연관값=에 의해 계산되는데, N은 주어진 계층구조의 총 레벨의 수를 의미하고, n은 부카테고리(Parent Category)가 전체 계층구조에서 몇 번째 레벨인지를 의미하고, m은 부카테고리에서 자카테고리(Child Category)까지의 깊이를 의미하며, 상기 계산에 의해 얻어진 연관값을 이용하여 각 개체의 콘텐츠 레이트를 구하는 것을 특징으로 하는 콘텐츠 추천방법
  7. 콘텐츠에 대한 사용자의 반응을 바탕으로 소정의 모델에 따라 사용자 프로파일을 생성하는 사용자 프로파일링부;
    하나 또는 복수의 데이터 소스로부터 콘텐츠 메타데이터를 얻는 디지털 텔레비전부;
    상기 사용자 프로파일링 부시스템과 상기 디지털 텔레비전 부시스템으로부터 얻은 사용자 프로파일 및 콘텐츠 메타데이터를 바탕으로 콘텐츠 추천목록을 생성하는 콘텐츠 레이팅부를 포함하는 콘텐츠 추천시스템
  8. 제7항에 있어서, 상기 사용자 프로파일링부는 특정 콘텐츠에 대하여 콘텐츠 필드와 각 콘텐츠 필드에 대한 각각의 사용자 행동들을 관찰하기 위한 적어도 하나 이상의 프로파일러와, 상기 프로파일러에서 관찰된 각각의 사용자 행동에 대하여 서로 다른 가중치를 주고 이를 소정의 계산방법에 의해 계산하여 해당 콘텐츠에 대한 콘텐츠 레이트를 구하는 사용자 프로파일 관리부를 포함하는 것을 특징으로 하는 콘텐츠 추천시스템
  9. 제8항에 있어서, 상기 사용자 프로파일 관리부는 콘텐츠 레이트(R)을 에 의해 계산하는데, W는 각 행동에 대한 가중치이고, n은 특정 콘텐츠에서 관찰된 행동의 수이며, T는 콘텐츠 아이템의 시간적 길이인 것을 특징으로 하는 콘텐츠 추천시스템
  10. 제7항에 있어서, 상기 디지털 텔레비전부는 ATSC PSIP 메타데이터를 처리하기 위한 PSIP 핸들러 또는 TV-Anytime 메타데이터를 처리하기 위한 TV-Anytime 메타데이터 핸들러 중 적어도 하나를 포함하는 것을 특징으로 하는 콘텐츠 추천시스템
  11. 제7항에 있어서, 상기 콘텐츠 레이팅부는 상기 사용자 프로파일과 상기 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 이 둘 사이의 상호연관 계수를 계산함으로써 콘텐츠 레이팅을 계산하는 키워드 에이전트와, 장르, 언어 및 채널 정보를 포함한 각 분류를 기반으로 소정의 계산 방법에 의해 콘텐츠 레이팅을 수행하는 분류 에이전트 중 적어도 하나를 포함하는 것을 특징으로 하는 콘텐츠 추천시스템
  12. 제11항에 있어서, 상기 분류 에이전트는 상기 사용자 프로파일링부로부터 얻은 사용자 프로파일과 상기 디지털 텔레비전부에서 얻은 콘텐츠 메타데이터로부터 얻은 콘텐츠 레이트를 바탕으로 각 개체간의 연관값은 연관값=에 의해 계산하는데, N은 주어진 계층구조의 총 레벨의 수를 의미하고, n은 부카테고리(Parent Category)가 전체 계층구조에서 몇 번째 레벨인지를 의미하고, m은 부카테고리에서 자카테고리(Child Category)까지의 깊이를 의미하며, 상기 계산에 의해 얻은 연관값을 이용하여 각 개체의 콘텐츠 레이트를 구하는 것을 특징으로 하는 콘텐츠 추천시스템
KR10-2003-0059919A 2003-08-28 2003-08-28 콘텐츠 추천방법 및 시스템 KR100493902B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR10-2003-0059919A KR100493902B1 (ko) 2003-08-28 2003-08-28 콘텐츠 추천방법 및 시스템
JP2004232712A JP2005078627A (ja) 2003-08-28 2004-08-09 コンテンツ推薦方法およびシステム
EP04254977A EP1511315A3 (en) 2003-08-28 2004-08-19 Method and system for recommending content
US10/922,847 US7434244B2 (en) 2003-08-28 2004-08-23 Method and system for recommending content
CNB2004100569998A CN100352280C (zh) 2003-08-28 2004-08-26 用于推荐内容的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-2003-0059919A KR100493902B1 (ko) 2003-08-28 2003-08-28 콘텐츠 추천방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20050023583A true KR20050023583A (ko) 2005-03-10
KR100493902B1 KR100493902B1 (ko) 2005-06-10

Family

ID=34101859

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2003-0059919A KR100493902B1 (ko) 2003-08-28 2003-08-28 콘텐츠 추천방법 및 시스템

Country Status (5)

Country Link
US (1) US7434244B2 (ko)
EP (1) EP1511315A3 (ko)
JP (1) JP2005078627A (ko)
KR (1) KR100493902B1 (ko)
CN (1) CN100352280C (ko)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080111180A (ko) * 2007-05-28 2008-12-23 주식회사 엔씨소프트 컨텐츠 수명을 이용하여 컨텐츠를 관리하는 시스템 및 그방법
WO2009051942A2 (en) * 2007-10-17 2009-04-23 Motorola, Inc. Method and system for generating recommendations of content items
WO2010002423A2 (en) * 2008-07-03 2010-01-07 Radar Networks, Inc. System and method of leveraging proximity data in a web-based socially-enabled knowledge networking environment
KR100940212B1 (ko) * 2008-01-30 2010-02-10 단국대학교 산학협력단 적응화된 콘텐츠 제공방법 및 적응화된 콘텐츠 제공 시스템
KR101120103B1 (ko) * 2008-11-26 2012-03-16 연세대학교 산학협력단 개인화된 파라미터를 이용한 컨텐츠 추천 시스템 및 방법
US8161066B2 (en) 2002-11-20 2012-04-17 Evri, Inc. Methods and systems for creating a semantic object
US8275796B2 (en) 2004-02-23 2012-09-25 Evri Inc. Semantic web portal and platform
US8418205B2 (en) 2008-11-18 2013-04-09 Electronics And Telecommunications Research Institute Method and apparatus for recommending personalized content
US8438124B2 (en) 2007-09-16 2013-05-07 Evri Inc. System and method of a knowledge management and networking environment
KR20130097488A (ko) * 2012-02-24 2013-09-03 삼성전자주식회사 정보 제공 방법 및 이를 위한 이동 단말기
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
RU2524375C2 (ru) * 2008-09-12 2014-07-27 Аксель Спрингер Диджитал Тв Гайд Гмбх Способ распределения элементов второго содержания мультимедиа в списке элементов первого содержания мультимедиа
US8862579B2 (en) 2009-04-15 2014-10-14 Vcvc Iii Llc Search and search optimization using a pattern of a location identifier
US8924838B2 (en) 2006-08-09 2014-12-30 Vcvc Iii Llc. Harvesting data from page
US9020967B2 (en) 2002-11-20 2015-04-28 Vcvc Iii Llc Semantically representing a target entity using a semantic object
US9613149B2 (en) 2009-04-15 2017-04-04 Vcvc Iii Llc Automatic mapping of a location identifier pattern of an object to a semantic type using object metadata
KR101863965B1 (ko) * 2011-06-14 2018-06-08 삼성전자주식회사 적응적 멀티미디어 서비스를 제공하는 장치 및 방법
US10628847B2 (en) 2009-04-15 2020-04-21 Fiver Llc Search-enhanced semantic advertising
KR20210035621A (ko) * 2019-09-24 2021-04-01 주식회사 투비원솔루션즈 다수의 종류의 미디어 추천 시스템 및 그 추천 방법
US11601703B2 (en) 2011-12-14 2023-03-07 Google Llc Video recommendation based on video co-occurrence statistics

Families Citing this family (152)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285727B2 (en) * 2003-03-06 2012-10-09 Thomson Licensing S.A. Simplified searching for media services using a control device
US7631336B2 (en) 2004-07-30 2009-12-08 Broadband Itv, Inc. Method for converting, navigating and displaying video content uploaded from the internet to a digital TV video-on-demand platform
US7590997B2 (en) 2004-07-30 2009-09-15 Broadband Itv, Inc. System and method for managing, converting and displaying video content on a video-on-demand platform, including ads used for drill-down navigation and consumer-generated classified ads
US11259059B2 (en) 2004-07-30 2022-02-22 Broadband Itv, Inc. System for addressing on-demand TV program content on TV services platform of a digital TV services provider
US9641902B2 (en) 2007-06-26 2017-05-02 Broadband Itv, Inc. Dynamic adjustment of electronic program guide displays based on viewer preferences for minimizing navigation in VOD program selection
US9584868B2 (en) 2004-07-30 2017-02-28 Broadband Itv, Inc. Dynamic adjustment of electronic program guide displays based on viewer preferences for minimizing navigation in VOD program selection
JP2006134236A (ja) * 2004-11-09 2006-05-25 Canon Inc プロファイル取得方法、装置、プログラム、および、記憶媒体
US7921028B2 (en) * 2005-04-12 2011-04-05 Hewlett-Packard Development Company, L.P. Systems and methods of partnering content creators with content partners online
US8365306B2 (en) * 2005-05-25 2013-01-29 Oracle International Corporation Platform and service for management and multi-channel delivery of multi-types of contents
US7917612B2 (en) 2005-05-25 2011-03-29 Oracle International Corporation Techniques for analyzing commands during streaming media to confirm delivery
US7783635B2 (en) * 2005-05-25 2010-08-24 Oracle International Corporation Personalization and recommendations of aggregated data not owned by the aggregator
US8977636B2 (en) 2005-08-19 2015-03-10 International Business Machines Corporation Synthesizing aggregate data of disparate data types into data of a uniform data type
US8266220B2 (en) * 2005-09-14 2012-09-11 International Business Machines Corporation Email management and rendering
KR100562427B1 (ko) * 2005-10-04 2006-03-17 주식회사 솔루션박스 컨텐츠 수신 장치 및 컨텐츠 수신을 수행하는 프로그램이저장된 기록 매체
US8694319B2 (en) 2005-11-03 2014-04-08 International Business Machines Corporation Dynamic prosody adjustment for voice-rendering synthesized data
KR100697536B1 (ko) * 2005-11-08 2007-03-20 전자부품연구원 ＴＶ－Ａｎｙｔｉｍｅ　서비스에서　ｇｅｔ＿Ｄａｔａ　오퍼레이션을　이용한　사용자 정보 기초　검색 방법
EP1949273A1 (en) 2005-11-16 2008-07-30 Evri Inc. Extending keyword searching to syntactically and semantically annotated data
US8271107B2 (en) 2006-01-13 2012-09-18 International Business Machines Corporation Controlling audio operation for data management and data rendering
US20070192683A1 (en) * 2006-02-13 2007-08-16 Bodin William K Synthesizing the content of disparate data types
US7505978B2 (en) * 2006-02-13 2009-03-17 International Business Machines Corporation Aggregating content of disparate data types from disparate data sources for single point access
US9135339B2 (en) 2006-02-13 2015-09-15 International Business Machines Corporation Invoking an audio hyperlink
US7996754B2 (en) * 2006-02-13 2011-08-09 International Business Machines Corporation Consolidated content management
US7779004B1 (en) 2006-02-22 2010-08-17 Qurio Holdings, Inc. Methods, systems, and products for characterizing target systems
US7764701B1 (en) 2006-02-22 2010-07-27 Qurio Holdings, Inc. Methods, systems, and products for classifying peer systems
US9037466B2 (en) * 2006-03-09 2015-05-19 Nuance Communications, Inc. Email administration for rendering email on a digital audio player
US9361299B2 (en) * 2006-03-09 2016-06-07 International Business Machines Corporation RSS content administration for rendering RSS content on a digital audio player
US20070214148A1 (en) * 2006-03-09 2007-09-13 Bodin William K Invoking content management directives
US9092542B2 (en) 2006-03-09 2015-07-28 International Business Machines Corporation Podcasting content associated with a user account
US8849895B2 (en) * 2006-03-09 2014-09-30 International Business Machines Corporation Associating user selected content management directives with user selected ratings
US20070219856A1 (en) * 2006-03-14 2007-09-20 Comcast Cable Holdings, Llc Method and system of recommending television programs
US8005841B1 (en) * 2006-04-28 2011-08-23 Qurio Holdings, Inc. Methods, systems, and products for classifying content segments
US20070277088A1 (en) * 2006-05-24 2007-11-29 Bodin William K Enhancing an existing web page
US8286229B2 (en) * 2006-05-24 2012-10-09 International Business Machines Corporation Token-based content subscription
US7778980B2 (en) * 2006-05-24 2010-08-17 International Business Machines Corporation Providing disparate content as a playlist of media files
US11622154B2 (en) * 2006-06-13 2023-04-04 Comcast Cable Communications, Llc Method of recommending related programs
KR100755864B1 (ko) * 2006-06-22 2007-09-05 엘지전자 주식회사 텔레비전 수신기 및 이 텔레비전 수신기에서 녹화 목록들을디스플레이 하는 방법
US8560463B2 (en) 2006-06-26 2013-10-15 Oracle International Corporation Techniques for correlation of charges in multiple layers for content and service delivery
US8615573B1 (en) 2006-06-30 2013-12-24 Quiro Holdings, Inc. System and method for networked PVR storage and content capture
US8655916B2 (en) * 2006-09-22 2014-02-18 Yahoo! Inc. System and method for creating user profiles
US7801971B1 (en) 2006-09-26 2010-09-21 Qurio Holdings, Inc. Systems and methods for discovering, creating, using, and managing social network circuits
US7831432B2 (en) * 2006-09-29 2010-11-09 International Business Machines Corporation Audio menus describing media contents of media players
US9196241B2 (en) * 2006-09-29 2015-11-24 International Business Machines Corporation Asynchronous communications using messages recorded on handheld devices
US7590615B2 (en) * 2006-12-11 2009-09-15 Yahoo! Inc. Systems and methods for providing cross-vertical profiling and searching
US7886334B1 (en) 2006-12-11 2011-02-08 Qurio Holdings, Inc. System and method for social network trust assessment
US8135800B1 (en) 2006-12-27 2012-03-13 Qurio Holdings, Inc. System and method for user classification based on social network aware content analysis
US9195996B1 (en) 2006-12-27 2015-11-24 Qurio Holdings, Inc. System and method for classification of communication sessions in a social network
US9318100B2 (en) * 2007-01-03 2016-04-19 International Business Machines Corporation Supplementing audio recorded in a media file
US20080162131A1 (en) * 2007-01-03 2008-07-03 Bodin William K Blogcasting using speech recorded on a handheld recording device
US8219402B2 (en) * 2007-01-03 2012-07-10 International Business Machines Corporation Asynchronous receipt of information from a user
US8224298B2 (en) * 2007-02-05 2012-07-17 Boadin Technology, LLC Systems and methods for mobile media services utilizing a short form command structure
US8954469B2 (en) * 2007-03-14 2015-02-10 Vcvciii Llc Query templates and labeled search tip system, methods, and techniques
WO2008117099A1 (en) * 2007-03-28 2008-10-02 Expway A method and device for broadcasting additional information in a system for broadcasting video programs
US20080268829A1 (en) * 2007-04-24 2008-10-30 Motorola, Inc. Method and apparatus for user personalized mobile video program list population
KR20080099592A (ko) * 2007-05-10 2008-11-13 엘지전자 주식회사 원격제어유닛 및 원격동작방법
US8806534B2 (en) 2007-06-21 2014-08-12 Imagine Communications Corp. System and method for creating and using a smart channel tuner list
US9094717B2 (en) * 2007-06-21 2015-07-28 Imagine Communications Corp. System and method for creating and using a smart electronic programming guide
US9319726B2 (en) * 2007-06-21 2016-04-19 Imagine Communications Corp. System and method for a passively-adaptive preferred channel list
US8782703B2 (en) * 2007-06-21 2014-07-15 Imagine Communications Corp. System and method for picture-in-picture assisted time-adaptive surfing for a content presentation system
US20080320520A1 (en) * 2007-06-21 2008-12-25 Beadle Edward R System and method for biometric identification using portable interface device for content presentation system
US11570521B2 (en) 2007-06-26 2023-01-31 Broadband Itv, Inc. Dynamic adjustment of electronic program guide displays based on viewer preferences for minimizing navigation in VOD program selection
US20090006368A1 (en) * 2007-06-29 2009-01-01 Microsoft Corporation Automatic Video Recommendation
US9118811B2 (en) * 2007-08-24 2015-08-25 The Invention Science Fund I, Llc Predicted concurrent streaming program selection
US20090064229A1 (en) * 2007-08-30 2009-03-05 Microsoft Corporation Recommendation from stochastic analysis
AU2008312423B2 (en) 2007-10-17 2013-12-19 Vcvc Iii Llc NLP-based content recommender
US8594996B2 (en) 2007-10-17 2013-11-26 Evri Inc. NLP-based entity recognition and disambiguation
US8010536B2 (en) * 2007-11-20 2011-08-30 Samsung Electronics Co., Ltd. Combination of collaborative filtering and cliprank for personalized media content recommendation
US20090158146A1 (en) * 2007-12-13 2009-06-18 Concert Technology Corporation Resizing tag representations or tag group representations to control relative importance
US8290801B1 (en) 2008-01-11 2012-10-16 Certainteed Corporation System and method for providing building product specification and product recommendations
JP4561864B2 (ja) * 2008-04-08 2010-10-13 ソニー株式会社 ディスク型記録媒体および製造方法
AU2008100718B4 (en) * 2008-04-11 2009-03-26 Kieran Stafford Means for navigating data using a graphical interface
KR101552147B1 (ko) * 2008-04-24 2015-09-11 삼성전자주식회사 방송 컨텐츠를 추천하는 방법과 그 장치
KR101528857B1 (ko) 2008-04-24 2015-06-16 삼성전자주식회사 방송 프로그램 정보를 제공하는 방법과 그 장치
KR101517769B1 (ko) 2008-04-24 2015-05-06 삼성전자주식회사 미디어 컨텐츠 재생장치에서 방송 컨텐츠의 추천 방법과 그장치
FR2934743A1 (fr) * 2008-07-31 2010-02-05 Alcatel Lucent Dispositif et procede de controle parental elabore.
US8037011B2 (en) * 2008-09-15 2011-10-11 Motorola Mobility, Inc. Method and apparatus for recommending content items
WO2010049932A1 (en) * 2008-10-30 2010-05-06 Taboola.Com Ltd. A system and method for the presentation of alternative content to viewers of video content
US8566855B2 (en) * 2008-12-02 2013-10-22 Sony Corporation Audiovisual user interface based on learned user preferences
US9477672B2 (en) 2009-12-02 2016-10-25 Gartner, Inc. Implicit profile for use with recommendation engine and/or question router
EP2202657A1 (en) * 2008-12-23 2010-06-30 Axel Springer Digital TV Guide GmbH Adaptive implicit learning for recommender systems
US20100205222A1 (en) * 2009-02-10 2010-08-12 Tom Gajdos Music profiling
US20100205041A1 (en) * 2009-02-12 2010-08-12 Samsung Electronics Co., Ltd. Determining the interest of individual entities based on a general interest
US9600581B2 (en) * 2009-02-19 2017-03-21 Yahoo! Inc. Personalized recommendations on dynamic content
JP2012521585A (ja) * 2009-03-20 2012-09-13 ピール・テクノロジーズ，インコーポレーテッド デバイスベースの制御システム
US11076189B2 (en) * 2009-03-30 2021-07-27 Time Warner Cable Enterprises Llc Personal media channel apparatus and methods
US9215423B2 (en) 2009-03-30 2015-12-15 Time Warner Cable Enterprises Llc Recommendation engine apparatus and methods
US20100262630A1 (en) * 2009-04-14 2010-10-14 Microsoft Corporation Adaptive profile for directing graphical content in a computing system
JP5359534B2 (ja) * 2009-05-01 2013-12-04 ソニー株式会社 情報処理装置および方法、並びにプログラム
US8549561B2 (en) * 2009-08-19 2013-10-01 Sony Corporation TV user interface with recommended content entry in favorites menu
US9521453B2 (en) 2009-09-14 2016-12-13 Tivo Inc. Multifunction multimedia device
US8682145B2 (en) 2009-12-04 2014-03-25 Tivo Inc. Recording system based on multimedia content fingerprints
US20110154399A1 (en) * 2009-12-22 2011-06-23 Verizon Patent And Licensing, Inc. Content recommendation engine
JP2011145742A (ja) * 2010-01-12 2011-07-28 Sony Corp 情報処理装置、情報処理方法、およびプログラム
US10102278B2 (en) * 2010-02-03 2018-10-16 Gartner, Inc. Methods and systems for modifying a user profile for a recommendation algorithm and making recommendations based on user interactions with items
US9710556B2 (en) 2010-03-01 2017-07-18 Vcvc Iii Llc Content recommendation based on collections of entities
US9680886B2 (en) 2010-03-22 2017-06-13 Peel Technologies, Inc. Internet enabled universal remote control system
US8645125B2 (en) 2010-03-30 2014-02-04 Evri, Inc. NLP-based systems and methods for providing quotations
US9124651B2 (en) 2010-03-30 2015-09-01 Microsoft Technology Licensing, Llc Controlling media consumption privacy settings
KR101151176B1 (ko) 2010-08-17 2012-06-01 숭실대학교산학협력단 메뉴 선호 정보를 이용한 콘텐츠 추천 방법
US9405848B2 (en) 2010-09-15 2016-08-02 Vcvc Iii Llc Recommending mobile device activities
US20120078953A1 (en) * 2010-09-24 2012-03-29 Rovi Technologies Corporation Browsing hierarchies with social recommendations
US8725739B2 (en) * 2010-11-01 2014-05-13 Evri, Inc. Category-based content recommendation
US20120144117A1 (en) * 2010-12-03 2012-06-07 Microsoft Corporation Recommendation based caching of content items
WO2012089898A1 (en) * 2010-12-27 2012-07-05 Nokia Corporation Method and apparatus for providing input suggestions
WO2012094564A1 (en) 2011-01-06 2012-07-12 Veveo, Inc. Methods of and systems for content search based on environment sampling
US9116995B2 (en) 2011-03-30 2015-08-25 Vcvc Iii Llc Cluster-based identification of news stories
US8760395B2 (en) 2011-05-31 2014-06-24 Microsoft Corporation Gesture recognition techniques
JP5346992B2 (ja) * 2011-06-17 2013-11-20 日本電信電話株式会社 コンテンツ関連度算出装置、コンテンツ関連度算出方法、およびコンテンツ関連度算出プログラム
US8842840B2 (en) 2011-11-03 2014-09-23 Arvind Gidwani Demand based encryption and key generation and distribution systems and methods
US20130145385A1 (en) * 2011-12-02 2013-06-06 Microsoft Corporation Context-based ratings and recommendations for media
US8635637B2 (en) 2011-12-02 2014-01-21 Microsoft Corporation User interface presenting an animated avatar performing a media reaction
US9100685B2 (en) 2011-12-09 2015-08-04 Microsoft Technology Licensing, Llc Determining audience state or interest using passive sensor data
US9426123B2 (en) 2012-02-23 2016-08-23 Time Warner Cable Enterprises Llc Apparatus and methods for content distribution to packet-enabled devices via a network bridge
US8898687B2 (en) 2012-04-04 2014-11-25 Microsoft Corporation Controlling a media program based on a media reaction
US9467723B2 (en) 2012-04-04 2016-10-11 Time Warner Cable Enterprises Llc Apparatus and methods for automated highlight reel creation in a content delivery network
CA2775700C (en) 2012-05-04 2013-07-23 Microsoft Corporation Determining a future portion of a currently presented media program
KR20140038577A (ko) * 2012-09-11 2014-03-31 한국과학기술연구원 메타데이터를 이용한 콘텐츠 추천
US10140372B2 (en) 2012-09-12 2018-11-27 Gracenote, Inc. User profile based on clustering tiered descriptors
ITTO20120867A1 (it) * 2012-10-05 2014-04-06 Rai Radiotelevisione Italiana Metodo e sistema per la raccomandazione di contenuti multimediali su una piattaforma multimediale
US8881209B2 (en) 2012-10-26 2014-11-04 Mobitv, Inc. Feedback loop content recommendation
US9020945B1 (en) * 2013-01-25 2015-04-28 Humana Inc. User categorization system and method
US10600011B2 (en) 2013-03-05 2020-03-24 Gartner, Inc. Methods and systems for improving engagement with a recommendation engine that recommends items, peers, and services
US9053419B2 (en) 2013-03-14 2015-06-09 The Directv Group, Inc. Method and system for recording recommended content using clustering
US10148375B2 (en) 2013-03-14 2018-12-04 The Directv Group, Inc. Method and system for displaying recommended content such as movies associated with a cluster
WO2014144730A1 (en) * 2013-03-15 2014-09-18 Pardo-Fernandez Eduardo A system and a method for designing buildings
JP6080649B2 (ja) * 2013-03-29 2017-02-15 キヤノン株式会社 レコメンド装置、レコメンド方法及びプログラム
CN103269444A (zh) * 2013-04-03 2013-08-28 深圳市龙视传媒有限公司 一种自动生成节目团购的方法及装置
CN103500212B (zh) * 2013-09-30 2016-08-17 乐视网信息技术（北京）股份有限公司 一种多媒体文件推荐方法及电子设备
CN103631888B (zh) * 2013-11-15 2017-02-15 北京火信网络科技有限公司 基于位置的多数据源的数据搜索方法和装置
CN104035982B (zh) * 2014-05-28 2017-10-20 小米科技有限责任公司 多媒体资源推荐方法及装置
KR102277087B1 (ko) * 2014-08-21 2021-07-14 삼성전자주식회사 콘텐츠 분류 방법 및 전자 장치
US10116676B2 (en) 2015-02-13 2018-10-30 Time Warner Cable Enterprises Llc Apparatus and methods for data collection, analysis and service modification based on online activity
RU2632131C2 (ru) 2015-08-28 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для создания рекомендуемого списка содержимого
RU2632100C2 (ru) 2015-09-28 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер создания рекомендованного набора элементов
RU2629638C2 (ru) 2015-09-28 2017-08-30 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер создания рекомендуемого набора элементов для пользователя
RU2632144C1 (ru) 2016-05-12 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Компьютерный способ создания интерфейса рекомендации контента
CN106055617A (zh) * 2016-05-26 2016-10-26 乐视控股（北京）有限公司 一种数据推送方法及装置
RU2636702C1 (ru) 2016-07-07 2017-11-27 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для выбора сетевого ресурса в качестве источника содержимого для системы рекомендаций
RU2632132C1 (ru) 2016-07-07 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Способ и устройство для создания рекомендаций содержимого в системе рекомендаций
US10223359B2 (en) 2016-10-10 2019-03-05 The Directv Group, Inc. Determining recommended media programming from sparse consumption data
USD882600S1 (en) 2017-01-13 2020-04-28 Yandex Europe Ag Display screen with graphical user interface
US10231020B2 (en) 2017-05-16 2019-03-12 The Directv Group, Inc Sports recommender system utilizing content based filtering
CN107341208B (zh) * 2017-06-26 2020-10-30 广州华多网络科技有限公司 一种内容推荐方法及装置
CN107786894B (zh) * 2017-09-29 2021-03-02 维沃移动通信有限公司 一种用户反馈数据的识别方法、移动终端和存储介质
CN108363655B (zh) * 2018-02-11 2021-07-13 百度在线网络技术（北京）有限公司 用户行为特征分析方法及装置
RU2720899C2 (ru) 2018-09-14 2020-05-14 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для определения зависящих от пользователя пропорций содержимого для рекомендации
RU2720952C2 (ru) 2018-09-14 2020-05-15 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для создания рекомендации цифрового содержимого
RU2714594C1 (ru) 2018-09-14 2020-02-18 Общество С Ограниченной Ответственностью "Яндекс" Способ и система определения параметра релевантность для элементов содержимого
RU2725659C2 (ru) 2018-10-08 2020-07-03 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для оценивания данных о взаимодействиях пользователь-элемент
RU2731335C2 (ru) 2018-10-09 2020-09-01 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для формирования рекомендаций цифрового контента
US11366845B2 (en) * 2019-05-20 2022-06-21 Accenture Global Solutions Limited Facilitating merging of concept hierarchies
RU2757406C1 (ru) 2019-09-09 2021-10-15 Общество С Ограниченной Ответственностью «Яндекс» Способ и система для обеспечения уровня сервиса при рекламе элемента контента
WO2022119345A1 (en) * 2020-12-03 2022-06-09 Samsung Electronics Co., Ltd. Electronic apparatus and control method thereof

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5798785A (en) * 1992-12-09 1998-08-25 Discovery Communications, Inc. Terminal for suggesting programs offered on a television program delivery system
US6029195A (en) * 1994-11-29 2000-02-22 Herz; Frederick S. M. System for customized electronic identification of desirable objects
US5699125A (en) * 1995-03-31 1997-12-16 Matsushita Electric Corporation Of America Electronic television program guide for a television system having two tuners
US5872850A (en) * 1996-02-02 1999-02-16 Microsoft Corporation System for enabling information marketplace
EP0886963A4 (en) * 1996-02-29 1999-05-19 Guide E Inc IMPROVED TELEVISION TUNING SYSTEM
JPH1063679A (ja) 1996-08-23 1998-03-06 Nippon Telegr & Teleph Corp <Ntt> 情報提供装置
ES2271976T3 (es) * 1996-11-15 2007-04-16 Mindport B.V. Metodo y aparato para localizar un programa en una guia de programas electronica.
US6104334A (en) * 1997-12-31 2000-08-15 Eremote, Inc. Portable internet-enabled controller and information browser for consumer devices
KR20000045149A (ko) 1998-12-30 2000-07-15 전주범 디지털 텔레비젼 수상기에서 채널 검색방법
JP2000227918A (ja) 1999-02-05 2000-08-15 Nec Corp 情報フィルタリング方法及びその装置並びに情報フィルタリングプログラムを記録した記録媒体
CN1148965C (zh) 1999-03-30 2004-05-05 提维股份有限公司 数据存储管理及排程系统和方法
US6978471B1 (en) 1999-05-25 2005-12-20 Thomson Licensing S.A. System for acquiring and processing broadcast programs and program guide data
WO2001006398A2 (en) * 1999-07-16 2001-01-25 Agentarts, Inc. Methods and system for generating automated alternative content recommendations
US7188355B1 (en) * 1999-09-30 2007-03-06 Canon Kabushiki Kaisha Television program recommendation system
JP3654173B2 (ja) 2000-11-02 2005-06-02 日本電気株式会社 番組選択支援装置、番組選択支援方法およびそのプログラムを記録した記録媒体
JP2002245082A (ja) 2001-02-15 2002-08-30 Nippon Telegr & Teleph Corp <Ntt> 情報推薦方法，情報推薦装置，情報推薦処理用のプログラム記録媒体および情報推薦処理用のプログラム
KR100757423B1 (ko) 2001-06-19 2007-09-11 엘지전자 주식회사 디지털 티브이의 선호언어채널 탐색 방법
KR100428266B1 (ko) 2001-11-01 2004-04-28 한국전자통신연구원 피에스아이피 변환 장치 및 그 변환 방법과 이피에스아이피 변환 장치를 사용하는 디지털 케이블텔레비전 방송 시스템
CN1299505C (zh) * 2001-12-13 2007-02-07 皇家飞利浦电子股份有限公司 推荐媒体系统中的媒体内容

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8190684B2 (en) 2002-11-20 2012-05-29 Evri Inc. Methods and systems for semantically managing offers and requests over a network
US10033799B2 (en) 2002-11-20 2018-07-24 Essential Products, Inc. Semantically representing a target entity using a semantic object
US9020967B2 (en) 2002-11-20 2015-04-28 Vcvc Iii Llc Semantically representing a target entity using a semantic object
US8965979B2 (en) 2002-11-20 2015-02-24 Vcvc Iii Llc. Methods and systems for semantically managing offers and requests over a network
US8161066B2 (en) 2002-11-20 2012-04-17 Evri, Inc. Methods and systems for creating a semantic object
US9189479B2 (en) 2004-02-23 2015-11-17 Vcvc Iii Llc Semantic web portal and platform
US8275796B2 (en) 2004-02-23 2012-09-25 Evri Inc. Semantic web portal and platform
US8924838B2 (en) 2006-08-09 2014-12-30 Vcvc Iii Llc. Harvesting data from page
KR20080111180A (ko) * 2007-05-28 2008-12-23 주식회사 엔씨소프트 컨텐츠 수명을 이용하여 컨텐츠를 관리하는 시스템 및 그방법
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
US8868560B2 (en) 2007-09-16 2014-10-21 Vcvc Iii Llc System and method of a knowledge management and networking environment
US8438124B2 (en) 2007-09-16 2013-05-07 Evri Inc. System and method of a knowledge management and networking environment
WO2009051942A2 (en) * 2007-10-17 2009-04-23 Motorola, Inc. Method and system for generating recommendations of content items
WO2009051942A3 (en) * 2007-10-17 2009-06-04 Motorola Inc Method and system for generating recommendations of content items
KR100940212B1 (ko) * 2008-01-30 2010-02-10 단국대학교 산학협력단 적응화된 콘텐츠 제공방법 및 적응화된 콘텐츠 제공 시스템
WO2010002423A3 (en) * 2008-07-03 2010-03-18 Radar Networks, Inc. System and method of leveraging proximity data in a web-based socially-enabled knowledge networking environment
GB2474396A (en) * 2008-07-03 2011-04-13 Evri Inc System and method of leveraging proximity data in a web-based socially-enabled knowledge networking environment
WO2010002423A2 (en) * 2008-07-03 2010-01-07 Radar Networks, Inc. System and method of leveraging proximity data in a web-based socially-enabled knowledge networking environment
RU2524375C2 (ru) * 2008-09-12 2014-07-27 Аксель Спрингер Диджитал Тв Гайд Гмбх Способ распределения элементов второго содержания мультимедиа в списке элементов первого содержания мультимедиа
US8418205B2 (en) 2008-11-18 2013-04-09 Electronics And Telecommunications Research Institute Method and apparatus for recommending personalized content
KR101120103B1 (ko) * 2008-11-26 2012-03-16 연세대학교 산학협력단 개인화된 파라미터를 이용한 컨텐츠 추천 시스템 및 방법
US9607089B2 (en) 2009-04-15 2017-03-28 Vcvc Iii Llc Search and search optimization using a pattern of a location identifier
US9613149B2 (en) 2009-04-15 2017-04-04 Vcvc Iii Llc Automatic mapping of a location identifier pattern of an object to a semantic type using object metadata
US8862579B2 (en) 2009-04-15 2014-10-14 Vcvc Iii Llc Search and search optimization using a pattern of a location identifier
US10628847B2 (en) 2009-04-15 2020-04-21 Fiver Llc Search-enhanced semantic advertising
KR101863965B1 (ko) * 2011-06-14 2018-06-08 삼성전자주식회사 적응적 멀티미디어 서비스를 제공하는 장치 및 방법
US11601703B2 (en) 2011-12-14 2023-03-07 Google Llc Video recommendation based on video co-occurrence statistics
KR20130097488A (ko) * 2012-02-24 2013-09-03 삼성전자주식회사 정보 제공 방법 및 이를 위한 이동 단말기
KR20210035621A (ko) * 2019-09-24 2021-04-01 주식회사 투비원솔루션즈 다수의 종류의 미디어 추천 시스템 및 그 추천 방법

Also Published As

Publication number Publication date
JP2005078627A (ja) 2005-03-24
EP1511315A2 (en) 2005-03-02
CN1592404A (zh) 2005-03-09
CN100352280C (zh) 2007-11-28
EP1511315A3 (en) 2010-08-25
US7434244B2 (en) 2008-10-07
KR100493902B1 (ko) 2005-06-10
US20050076365A1 (en) 2005-04-07

Similar Documents

Publication Publication Date Title
KR100493902B1 (ko) 콘텐츠 추천방법 및 시스템
JP4768208B2 (ja) 暗黙的及び明示的な視聴の選択を使用した推薦スコアを生成するための方法及び装置
US7657907B2 (en) Automatic user profiling
Ehrmantraut et al. The personal electronic program guide—towards the pre-selection of individual TV programs
US8843966B2 (en) Method for content presentation
US8020183B2 (en) Audiovisual management system
US9473730B1 (en) Method and system for personalized recommendation modeling
JP2004515128A (ja) ユーザーの現在の気分に基づいて推薦を発生させる方法および装置
CN108471544B (zh) 一种构建视频用户画像方法及装置
JP2005530255A (ja) 適応性ステレオタイプ・プロフィールを適用してユーザに関心アイテムを推奨するための方法及び装置
JP2008542870A (ja) コンテンツに対するユーザの群の全体の関心を推定するため方法及び装置
JP2006526817A (ja) プロフィールに基づく協調フィルタリングを実行する装置及び方法
CN102089782A (zh) 推荐器系统
KR20130090344A (ko) Tv 프로그램 콘텐츠와 웹 콘텐츠의 연계추천 장치, 시스템, 방법 및 그 방법을 실행하는 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
JP2008525875A (ja) コンテンツを推薦するための方法及び装置
JP2005352754A (ja) 情報ナビゲーション装置、方法、プログラム、及び記録媒体
KR20050013258A (ko) Ｔｖ 프로그램을 분류하기 위해 추가적인 클러스터를생성하기 위한 수단으로서 클러스터 콤팩트니스를사용하는 방법 및 장치
Xu et al. Catch-up TV recommendations: show old favourites and find new ones
Xu et al. The development and prospect of personalized TV program recommendation systems
Weiß et al. A user profile-based personalization system for digital multimedia content
Lee et al. Personalized contents guide and browsing based on user preference
EP2151799A1 (en) Recommander method and system, in particular for IPTV
JP6040137B2 (ja) アイテム推薦装置、アイテム推薦方法およびアイテム推薦プログラム
JP3850013B2 (ja) コンテンツ選択装置、コンテンツ選択方法および記録媒体
Zibriczky et al. EPG content recommendation in large scale: a case study on interactive TV platform

Legal Events

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

Payment date: 20130429

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20140429

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20150429

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20160428

Year of fee payment: 12

LAPS Lapse due to unpaid annual fee