KR20050061548A - 사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는방법 및 시스템 - Google Patents

사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는방법 및 시스템 Download PDF

Info

Publication number
KR20050061548A
KR20050061548A KR1020057006818A KR20057006818A KR20050061548A KR 20050061548 A KR20050061548 A KR 20050061548A KR 1020057006818 A KR1020057006818 A KR 1020057006818A KR 20057006818 A KR20057006818 A KR 20057006818A KR 20050061548 A KR20050061548 A KR 20050061548A
Authority
KR
South Korea
Prior art keywords
user
event
media content
context
information
Prior art date
Application number
KR1020057006818A
Other languages
English (en)
Inventor
헤르만 제이. 테르 호르스트
마커스 지. 엘. 엠. 반 도오른
나타샤 크라브트소바
와르너 알. 티. 텐 카테
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 KR20050061548A publication Critical patent/KR20050061548A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Abstract

본 발명은 일 사용자 또는 사용자들의 그룹에 대해 저장 시스템 상에 존재하는 미디어 컨텐츠를 제공하는 방법으로서, 상기 미디어 컨텐츠를 검색하기 위해, 컨텍스트 정보(context information)를 사용함으로써 상기 사용자의 상황에 대해 적합한 조회(query)를 한정하는 단계와; 상기 저장 시스템으로부터 상기 조회된 미디어 컨텐츠를 검색하는 단계; 및 상기 사용자 또는 사용자 그룹에게 상기 검색된 미디어 컨텐츠를 제공하는 단계를 포함한다.

Description

사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는 방법 및 시스템{METHOD OF AND SYSTEM FOR PRESENTING MEDIA CONTENT TO A USER OR GROUP OF USERS}
본 발명은 한 명의 사용자 또는 일 그룹의 사용자들에게 미디어 컨텐츠를 제공하는 방법에 관한 것으로, 상기 미디어 컨텐츠는 저장 시스템 상에 상주한다.
본 발명은 또한 한 명의 사용자 또는 일 그룹의 사용자들에게 미디어 컨텐츠를 제공하는 시스템에 관한 것으로, 상기 미디어 컨텐츠는 저장 시스템 상에 존재한다.
본 발명은 또한 상기 방법을 수행하도록 설계된 컴퓨터 프로그램 제품에 관한 것이다.
본 발명은 또한 상기 컴퓨터 프로그램 제품을 포함하는 정보 캐리어(information carrier)에 관한 것이다.
본 발명은 또한 상기 시스템을 포함하는 엔터테인먼트 디바이스에 관한 것이다.
상기 방법 및 시스템의 일 예가 미국 특허 6,311,194에 기술되어 있다. 여기서, 인터넷 상에서 전달되는 TV와 라디오 컨텐츠를 포함하여, 다양한 디지털 미디어 컨텐츠의 메타 데이터의 데이터베이스를 만드는 방법 및 시스템이 기술되어 있다. 이 방법은, 오리지널 미디어 컨텐츠의 특정 의미와 의도적인 사용을 포함하여, 디지털 미디어 컨텐츠의 도메인 또는 주제 특정 메타 데이터를 캡쳐링하고 향상시킨다. 의미론을 지원하기 위하여, 오리지널 컨텐츠와 관련된 규칙 세트뿐만 아니라 특정 도메인 지식 즉 존재론을 포함하는 월드모델(WorldModel)이 제공된다. 영역 지식을 표현하는데 사용되는 언어들 중 하나는, 월드와이드웹 컨소시움(W3C) (http://www.w3.org 참조)에서 한정된 바와 같은, 확장 마크업 언어(XML: Extensible Markup Language)이다. 메타데이터의 데이터베이스는 또한, TV 및 라디오 프로그래밍의 생방송물 또는 저장방송물을 포함하여, 미디어 컨텐츠에 대한 변화를 추적할 수 있다는 점에서 동적일 수 있다. 메타데이터의 데이터베이스는 사용자에 의해 조회(query)될 수 있다. 상기 조회에 있어, 사용자는 월드모델의 흥미있는 영역을 특정해야만 하며, 그후 해당 영역에 속하는 속성들 각각을 위한 필드들을 포함하는 양식(form)이 사용자에게 제공된다. 사용자는 이 양식을 채워야만 하고 이 양식을 제출하여 조회를 실행한다. 조회를 제출하는 다른 방식은, 사용자로 하여금 영역을 선택하게 하고 키워드를 입력하도록 함으로써 수행될 수 있다. 조회를 제출하는 3번째 방식은, 단일 영역으로 맞춤화된 사용자 인터페이스를 제공함으로써 성립된다. 그후 사용자는 사용자가 조회하고자 원하는 영역의 사용자 인터페이스를 선택할 수 있다. 이들 조회 모두 명시적인 사용자 상호작용을 요구한다.
도 1은 미디어-관련 시스템의 전체 시스템 아키텍처를 도시하는 도면.
도 2는 RDF 데이터의 모델을 도시하는 도면.
도 3은 개략적으로 본 발명에 따른 시스템의 주요 부분을 도시하는 도면.
도 4는 개략적으로 본 발명에 따른 시스템을 포함하는 인터넷-인에이블형 디바이스를 도시하는 도면.
본 발명의 목적은 향상된 방식으로 미디어 컨텐츠를 검색(retrieve)하는 도입부에 따른 방법을 제공하고자 하는 것이다. 이 목적을 성취하기 위하여, 본 방법은 미디어 컨텐츠를 검색하기 위해 컨텍스트 정보(context information)를 사용함으로써 사용자의 환경에 대해 적합한 조회(query)를 한정하는 단계와; 저장 시스템으로부터 조회된 미디어 컨텐츠를 검색하는 단계와; 사용자 그룹 또는 사용자에게 상기 조회된 미디어 컨텐츠를 제공하는 단계를 포함한다. 컨텍스트 정보와 사용자의 환경에 대한 센서 데이터를 결합함으로써, 고레벨 사용자 상황이 추론될 수 있다. 예컨대, 사용자가 집에서 혼자 자신이 좋아하는 팔걸이 의자에 앉아있다는 것이 검출된 경우, 사용자가 집에서 휴식 중이라는 것이 추론될 수 있다. 컨텍스트 정보의 추론는 명시적인 사용자 상호작용없이 자동으로 수행될 수 있다.
WO 01/69380은 사용자로 하여금 데이터베이스로부터 컨텐츠를 검색할 수 있게 하는 사용자 인터페이스를 만들기 위해 컨텍스트 정보를 사용하는 것을 기술한다. 컨텍스트 정보는 사용자의 능력에 관한 설명 정보를 포함한다. 이 설명 정보는 사용자에 의해 명시적으로 시스템에 공급된다. 컨텍스트 정보는, 상황적, 환경적, 행위적 및 집이나 차와 같은 사용자 위치와 같은, 사용자의 작동 컨텍스트 조건을 더 포함할 수 있다. 컨텍스트 정보는, 특정 사용자를 위한 선호도를 계산하고 이 사용자에 의해 작동가능한 사용자 인터페이스를 만들기 위해, 설명 정보와 함께 사용된다. 예컨대, 사용자가 자신의 손발을 사용할 수 없는 경우, 제어 및 입력 기능이 손을 사용하여 작동될 수 없지만, 음성이 이들 상호작용 모드에 대해 선호된다고 결정될 수 있다. 따라서, 액세스 제어의 제공 및 작동만이 컨텍스트 정보에 의해서 영향을 받는다. 그러나, 사용자가 검색하고자 하는 컨텐츠는 이 컨텍스트 정보에 의해 영향받지 않는다.
본 발명에 따른 방법의 일 실시예는 청구항 2에 기술되어 있다. 본 실시예에서, 컨텍스트 정보는, 적어도 한 사람의 존재에 관한 센서 데이터, 적어도 한 물체의 존재에 관한 센서 데이터, 컨텍스트-종속 사용자 프로필, 컨텍스트-종속 그룹 프로필 중 적어도 하나를 포함한다. 이 방식에서, 사용자의 상황을 자동으로 결정하기 위하여, 예컨대 한 사람이 인식될 수 있고, 일 그룹의 개별적인 사람들 또는 단순히 사람들의 수가 카운팅될 수 있다. 또한 환경 안에 존재하는 물체들이 고려될 수 있다. 예컨대, 많은 사람이 존재하며 방은 풍선들로 장식되어 있는 경우, 파티가 진행 중이며 파티 음악이 인터넷으로부터 검색되어야만 한다는 것이 추론될 수 있다. 또 다른 예로서, 그룹 내의 다수의 사람들의 음악 선호도가, 이 사람들 모두 좋아하는 음악을 인터넷으로부터 검색하는데 사용될 수 있다. 컨텍스트 정보는 또한 개인들만이 아니라 일 그룹의 사람들을 고려할 수 있다.
본 발명에 따른 방법의 일 실시예는 청구항 3에 기술된다. 본 실시예에서, 컨텍스트 정보는, 각각의 이벤트가 공간에 관한 정보, 시간에 관한 정보, 및 각각의 이벤트에 의해 기술되는 사람 또는 물체에 관한 정보 중 적어도 하나를 통해 기술되는 이벤트들의 조합을 포함한다. 또한, 예컨대 누가 또는 무엇이 이벤트를 지정하는가를 포함하여, 이벤트에 관한 메타데이터를 기록하는 것이 유용할 수 있다. 공간은 물리 공간 및 월드와이드웹{URI(Uniform Resource Identifier)들의 집합}과 같은 가상 공간 둘 모두를 기술할 수 있다. 이러한 일반적인 이벤트 사용 방식은 컨텍스트 정보에 관해 추론이 가능하게 하며, 컨텍스트 지식에 대한 추론과 표현을 단순화시킬 수 있다. 또한 모든 종류의 사용자 상황이 이벤트를 통해 표현될 수 있다. 예컨대, 물체는 이벤트로서 간주될 수 있고; 시간 간격은 이벤트로서 간주될 수 있고; 한 사람은 각자의 전체 수명동안 또는 단지 하루 동안에 하나의 이벤트로서 간주될 수 있고; 특정 시간 동안에 특정 장소에서의 한 사람의 존재는 하나의 이벤트로서 간주될 수 있다.
본 발명에 따른 방법의 일 실시예는 청구항 4에 기술된다. 본 실시예에서, 컨텍스트 정보는, 이벤트에 관한 추론을 가능하게 하는 이벤트간 수학적 관계를 포함한다. 이것은 임의의 이벤트가 다른 이벤트들로 구성된다는 것, 예컨대 두 이벤트가 교차한다 등과 같이 표현할 수 있게 한다. 특히, 이러한 이벤트간의 수학적 관계는, 다른 이벤트들이 해당 컨텍스트에 적용된다고 알려져 있는 때에, 특정한 하나의 이벤트가 특정한 컨텍스트에 적용된다고 결론지어질 수 있는 바와 같은 결론이 가능하게 한다. 이런 방식으로, 이미 언급된 고-레벨 사용자 상황이 사용 컨텍스트에 관한 저-레벨 센서 데이터로부터 추론될 수 있다. 이러한 추론 프로세스는 몇개의 단계를 거칠 수 있다.
본 발명에 따른 방법의 일 실시예는 청구항 5에 기술된다. 본 실시예에서, 이벤트는 물리 이벤트, 컨텐츠 이벤트, 사람 이벤트, 및 입력 이벤트 중 적어도 하나를 포함한다. 물리 이벤트, 사람 이벤트, 및 입력 이벤트는 컨텍스트를 기술한다. 서로 다른 종류의 이벤트 사이를 구별함으로써, 이벤트에 관한 추가적인 추론이 가능하다.
본 발명에 따른 방법의 일 실시예는 청구항 6에 기술된다. 본 실시예에서, 사용자 프로필 및 그룹 프로필은 적어도 하나의 프로필 규칙에 기초하며, 이 적어도 하나의 프로필 규칙은 가능한 이벤트가 사용자 또는 사용자 그룹에 대해 소정 이벤트가 취해질 때 사용자 또는 사용자 그룹에 따라 실현되어야 하는 관련 행동을 기술하고, 상기 방법은, 상기 가능한 이벤트를 결정하기 위하여, 상기 주어진 이벤트를 포함하는 컨텍스트 정보에 상기 적어도 하나의 프로필 규칙을 적용하는 단계를 포함한다. 행동(action)은 예컨대 "하라(do)"라는 행동일 수 있다. 이 행동은 소정 이벤트가 발생할 때 가능한 이벤트의 실현을 요구할 수 있다. 일반적인 애플리케이션에서, 프로필 규칙 내의 소정 이벤트는 컨텍스트를 기술하며, 가능한 이벤트는 컨텍스트를 기술한다. 그러나, 프로필 규칙은 또한, 예컨대: 특정 노래가 주어지면, 또 다른 노래도 역시 매우 흥미롭다; 전화가 울리면, 음향 레벨을 낮춰라; 내가 혼자서 집중하고 있을 때는 방해하지 말아주세요와 같이, 그 외의 다른 좋아함 또는 싫어함 또는 지시사항을 표현하는데 사용될 수 있다. 임의의 규칙 내에 주어진 이벤트에 두 사용자를 포함하기 위한 결합(conjunction)을 사용함으로써, 특정 사용자 쌍을 위한 프로필이 수립될 수 있다.
본 발명에 따른 방법의 일 실시예는 청구항 7에 기술된다. 본 실시예에서, 가능한 이벤트는 등급값 및 이 등급값을 제공하는 사용자를 이용하여 결정된다. 프로필 규칙에 나타날 수 있는 행위의 예는, 소정 이벤트가 발생하는 상황에 있어 가능 이벤트의 등급을 매기는 행위이다. 등급값과 이 등급값을 제공하는 사용자 둘 모두를 포함함으로써, 해당 규칙의 중요성이 결정될 수 있다. 일부 경우에, 예컨대, 일 그룹의 사람들을 접대하는 사람에 의해 결정된 등급에 높은 우선순위를 주는 것이 바람직할 수 있다.
본 발명에 따른 방법의 일 실시예는 청구항 8에 기술된다. 본 실시예에서, 미디어 컨텐츠와 컨텍스트 정보에 대한 정보를 표현하기 위하여 의미론 웹 언어(Semantic Web language)가 사용된다. "의미론 웹"이란 용어는 월드 와이드 웹의 미래에 대한 비전을 나타낸다. Berners-Lee, T. 1998. Semantic Web Road Map. World Wide Web Consortium, http://www.w3.org/DesignIssues/Semantic.html; Berners-Lee, T. 및 Fischetti, M., 1999. Weaving the web. Harper Collins, New York; Berners-Lee, T., Hendler, J., 및 Lassila, O. 2001. The Semantic Web. Scientific American, 2001.05, http://www.scientificamerican.com/2001/ 0501issue/0501berners-lee.html 을 참조하라. 의미론 웹 언어는 인터넷 상의 정보를 표현하고 추론하는 것을 용이하게 하기 위하여 사용될 수 있다. 이런 목적으로 Resource Description Framework {http://www.w3.org/TR/REC-rdf-syntax (RDF)를 참조하라} 및 RDF 스키마 (http://www.w3.org/TR/2000/CR-rdf-schema-20000327을 참조하라) 및 Web Ontology Language {http://www.w3.org/2001/sw/WebOnt/ (OWL)을 참조하라}가 사용될 수 있다.
본 발명에 따른 방법의 일 실시예는 청구항 9에 기술된다. 본 실시예에서, 서로 다른 사용자들의 사용자 프로필은 인터넷 상의 서로 다른 장소들에 분리되어 저장된다. 인터넷 상의 서로 다른 장소들에 사용자 프로필들을 저장함으로써, 저장 용량 요건은 인터넷에 연결되어 있는 다수의 서버들에 걸쳐 분산된다. 또한, 사용자 프로필은 서로 다른 장소에서 액세스될 수 있어, 서로 다른 서버들에 저장되어 있는 사용자 프로필의 여러개의 복제물들은 필요없다. 가능하게는 개인적인 사용만을 위해 보호되어 있는, 인터넷 상에서 이용가능한 각자의 선호도 파일(preference file)을 구비함으로써, 사용자는 복수의 상황에서 그 프로필을 이용할 수 있다. 예컨대, 세계 중의 어느 호텔에 도착한 경우, 객실의 라디오는 이러한 선호도에 따라 제공되는 지식을 사용하여 음악을 재생할 수 있다(이것은 해당 호텔의 라디오가 인터넷 라디오 시스템의 일부라는 것을 가정한다). 또한 사용자 프로필의 유지관리도 단순화될 수 있는데, 이는 사용자가 선호도 파일을 갱신할 수 있고 일관성 문제는 선호도 파일의 컨텍스트 내에서 다루어지기 때문이다. 더우기, 인터넷을 사용함으로써, 임의의 장소에서 임의의 시간에 선호도를 갱신하는 것이 가능하다.
본 발명에 따른 방법의 일 실시예는 청구항 10에 기술된다. 본 실시예에서 이벤트들 사이의 알려진 수학적 관계는 중앙 서버에 위치된다. 이 정보는 특정 사용자 상황에 대해 적합한 조회를 결정하기 위한 프로세스에서 중심 역할을 담당한다. 이 정보를 중앙 서버에 위치시키는 것은, 특히 이 정보를 유지관리(갱신)하기 위하여, 이 정보에 대한 제어를 실행할 가능성을 용이하게 한다. 더 나아가, 이는 성능, 신뢰성 및 보안성의 면에서 유리하다. 또한 이 정보의 전부를 검색하기 위하여는 단지 이 서버에 연결하기만 하면 된다. 이 서버로부터 수학적 관계를 사용함에 있어서, 이 관계가 원래 저장되어 있던 방식과는 상이한 다른 형태의 표현으로 되도록 변형이 이루어질 수 있다.
본 발명에 따른 방법의 일 실시예는 청구항 11에 기술된다. 본 실시예에서, 본 방법은 조회 생성 전략을 적용하는 단계를 포함한다. 서로 다른 조회 생성 전략을 적용함으로써, 서로 다른 미디어 컨텐츠가 동일한 컨텍스트 정보에 기초하여 인터넷을 통해 검색될 수 있다. 이러한 조회 생성 전략의 예에는: '모두 동등', '특정 사용자 전용', '호스트 전략', 또는 '다수자 전략'이 있다.
본 발명에 따른 방법의 일 실시예는 청구항 12에 기술된다. 본 실시예에서, 본 방법은 조회된 미디어 컨텐츠를 공동 필터링(collaborative filtering)을 사용함으로써 검색하는 단계를 포함한다. 공동 필터링을 사용함으로써, 효율적이라고 증명된 잘 알려진 기술이 사용될 수 있다. 이는 미디어 컨텐츠가 오히려 일반적인 방식으로, 예컨대 특정 노래의 식별자가 아니라 음악 장르를 기술하는 키워드의 면에서, 형성된 조회를 이용하여 검색될 수 있게 한다.
본 발명의 다른 목적은 향상된 방식으로 미디어 컨텐츠를 검색할 수 있게 하는 도입부에 따른 시스템을 제공하려는 것이다. 이 목적을 성취하기 위하여, 상기 시스템은: 미디어 컨텐츠를 검색하기 위하여, 컨텍스트 정보를 사용함으로써 사용자의 상황에 적절한 조회를 한정하도록 고안된 한정 수단과; 저장 시스템으로부터 해당 조회된 미디어 컨텐츠를 검색하도록 고안된 검색 수단; 및 사용자에게 이 조회된 미디어 컨텐츠를 제공하도록 고안된 제공 수단을 포함한다.
본 발명의 다른 목적은 향상된 방식으로 미디어 컨텐츠를 검색할 수 있게 하는 도입부에 따른 컴퓨터 프로그램 제품을 제공하려는 것이다. 이 목적을 성취하기 위하여, 본 컴퓨터 프로그램 제품은 본 발명에 따른 방법을 수행하도록 설계된다.
본 발명의 다른 목적은 향상된 방식으로 미디어 컨텐츠를 검색할 수 있게 하는 도입부에 따른 정보 운반자(information carrier)를 제공하려는 것이다. 이 목적을 성취하기 위하여, 본 정보 운반자는 본 발명에 따른 컴퓨터 프로그램 제품을 포함한다.
본 발명의 다른 목적은 향상된 방식으로 미디어 컨텐츠를 검색할 수 있게 하는 도입부에 따른 엔터테인먼트 디바이스를 제공하려는 것이다. 이 목적을 성취하기 위하여, 본 엔터테인먼트 디바이스는 본 발명에 따른 시스템을 포함한다.
이들 및 본 발명의 다른 양상은 아래의 도면에 의해 도시되고 이후에 기술될 실시예들을 참조하여 명확하고 명백해질 것이다.
'의미론 웹(Semantic Web)'이란 용어는 월드 와이드 웹의 미래에 대한 점점 더 대중화되고 있는 비전을 대표한다. 참고: Berners-Lee, T. 1998. Semantic Web Road Map. World Wide Web Consortium, http://www.w3.org/DesignIssues/ Semantic.html, Berners-Lee, T., 및 Fischetti, M., 1999. Weaving the Web. Harper Collins, New York 또는 Berners-Lee, T., Hendler, J., 및 Lassila, O. 2001. The Semantic Web. Scientific American, 2001.5. (http://www. scientificamerican.com/2001/0501issue/0501berners-lee.html 에서 전자적으로 이용가능함.) 의미론 웹의 실현을 위한 진지한 노력이 존재한다. 월드 와이드 웹 컨소시엄(W3C)은 의미론 웹을 지원하기 위한 언어 개발 부문을 조직하고 있다.
초기부터, 기존 웹은 사람들로 하여금 웹 상의 임의의 위치에 존재하는 데이터를 보고 검색할 수 있게 허용하고 있다. 의미론 웹은 기계에 의해 프로세싱될 수 있는 데이터의 웹이 되는 것을 목적으로 한다.
기존 웹은 하나의 커다란 '책'이라고 볼 수 있으며, 여기서 데이터는 일차적으로 특정 페이지로의 링크를 통해, 또는 페이지 상에서 특정 단어의 발생을 찾음으로써 발견될 수 있다. 의미론 웹은 하나의 커다란 '데이터베이스' 또는 '지식 기반'으로서 기대된다. 보통의 데이터베이스에 있어서, 데이터는 원하는 바의 의미를 이용하여 요구를 명시함으로써 발견될 수 있다. 의미론 웹은 기계가 이해가능한 방식으로 정보를 기록하는 것을 목적으로 하는데, 여기서 이해란 이해하는 의미를 뜻하거나 또는 사람들에 있어서와 마찬가지로 이미 이해된 것들에 관한 것이다.
기존 웹은 인터넷과 하이퍼텍스트의 결합이라고 볼 수 있는 반면, 의미론 웹은 인터넷과 지식 표현(knowledge representation)의 결합이라고 볼 수 있다: 지식 표현 분야에서는, 지식을 이용한 추론이 자동화될 수 있는 방식으로 지식이 표현되는 방법이 연구된다. 의미론 웹은 추론을 명시적으로 만들자(make reasoning explicit) 라는 슬로건으로 기술될 수도 있다. 현재 상황에서, 추론 프로세스는 종종, 예컨대 자바 프로그램 내에서, 주로 숨겨진 상태로 있다. 추론 프로세스에 필요한 지식은, 의미론 웹 기술을 사용하지 않고도, XML을 사용하여 명시적으로 될 수 있다. XML은 도큐먼트 내 항목들의 순서를 명시하는데 사용될 수 있는 문법을 명시하기 위한 일반적인 수단을 제공하지만, 현재로서는 특정 종류의 정보의 의미를 명시하기 위한 일반적인 수단은 제공하지 않고 있다. 의미론 웹 비전의 중심 요점은 웹 상에서 지식과 의미를 표현하기 위한 일관된 메커니즘을 달성하려는 것이다. 결론을 도출하기 위한 사실과 규칙은, 임의의 컴퓨터 프로그램이 실제 추론을 따라올 수 있도록 하는 방식으로, 의미론 웹 상에서 명시적으로 표현될 것이다.
의미론 웹은 웹을 이용하는 인텔리전트 에이전트(intelligent agent)를 개발할 수 있는 가능성을 증가시키려는 목적을 가진다. 데이터가 표준화된 방식으로 의미론적으로 표현되는 경우, 그 비전은 심지어 이러한 특정 데이터를 특히 취급하도록 개발되지 않았던 컴퓨터 프로그램에 의해서조차 취급될 수 있다는 것이다.
기존 웹이 HTML과 XML을 사용하는 반면, 의미론 웹은 이에 더하여 정보의 의미를 명시하기 위한 소위 존재론 언어(ontology language)를 이용한다. 표준적인 의미론 웹 언어는 XML에 기초할 것이며, 또한 존재론 웹 상의 정보에 의해 함축되는 기본적인 추론 단계들을 자동으로 포함할 수 있는 표준적인 구현예에 포함될 것이다. 이에 의해, 의미론 웹 언어 및 그 구현예는 추론 기능을 가진 웹-기반 시스템의 개발을 용이하게 한다. 이런 방향으로의 처음 단계들은 (XML 기반의) 언어 RDF 및 RDF 스키마를 이용하여 만들어졌다.
도 1은 미디어-관련 시스템의 전체 시스템 아키텍처를 도시한다. 이 시스템은 현재 컨텍스트(context)에 적응하는 방식으로 미디어(음악, 비디오, 게임, 등등)를 제공한다. 예를 들어, 현재 사람들의 선호도는 재생될 적합한 노래를 결정하는데 사용될 수 있다. 적응에 추가하여, 직접적인 사용자 입력도 역시 허용된다. 인터넷과 웹 기술이 적용되어 이런 종류의 적응을 실현할 수 있다. 특히, 의미론적 웹 기술은 인터넷 상의 정보를 표현하는 것 및 이 정보를 이용하여 추론하는 것을 용이하게 하기 위하여 사용될 수 있고, 자동화된 조회 형성 절차가 정보 검색 시스템에 연결하기 위하여 개발된다. 본 발명은 기존의 추천기 시스템(recommender system)을 컨텍스트-인식형(context-aware)으로, 그리고 단지 개인들만이 아니라 사람들의 그룹에 적용가능하게 만들 수 있다. 본 발명은 컨텍스트 정보를 사용하며, 이 컨텍스트 정보는 현존하는 사람과 물체에 관한 정보, 컨텍스트에 관한 추론 규칙, 및 컨텍스트-의존 사용자 프로필을 포함한다.
여기서는 사용 컨텍스트에 대해 알고 있으며 이 컨텍스트에 대해 적응가능한 미디어-관련 시스템의 개발을 위한 전체 아키텍처를 기술한다. 이 아키텍처는 도 1에 도시되어 있다.
사용자들과의 상호작용, 그리고 사용 컨텍스트에 대한 관찰은, 다양한 입출력(I/O) 디바이스(102 내지 108)을 이용하여 이루어진다. 예컨대, 입력 디바이스, 출력 디바이스, 센서, 및 액추에이터가 존재할 수 있다. 입력 디바이스 및 출력 디바이스는 인간과 시스템 사이의 상호작용을 위한 도구를 나타내며, 리모콘(원격 제어기)과 디스플레이와 같은 디바이스를 포함한다. 미디어 컨텐츠는 출력 디바이스를 통해 사용자에게 제공될 수 있다. 센서는, 시스템이 컨텍스트-인식형 방식으로 사용자-시스템 상호작용을 적응시킬 수 있도록, 사용자의 현재 상황을 검출하거나 참조하기 위하여 시스템이 사용하는 디바이스를 나타낸다. 물론, 시스템은 또한 입력 디바이스를 통해 수신된 정보도 사용할 수 있다. 센서의 예를 들면, 실내에서 물체(의 ID)를 감지하는 태그 판독기, 또는 자동 시각장비(vision)가 있다.
본 발명의 범위는, 오직 오디오, 비디오, 또는 그래픽과 같은 형태로 미디어 컨텐츠를 제공하는 것에만 제한되지는 않는다. 본 발명의 개념은 또한, 명시적인 사용자 입력에 대한 필요성을 축소시키는 방식으로, 조명 또는 실내온도와 같은 그 외의 다른 상태의 선택 또는 조정을 다루도록 적용될 수도 있다. 이 경우, 앞서 언급된 입출력 디바이스는 예컨대 조명 또는 난방 설비를 제어하는 액추에이터를 포함한다. 특히, 예컨대, 미디어 프리젠테이션 시에 조명 상태를 적합하게 조정하는 것을 포함시키는 것이 자연스러울 수 있다.
이 시스템 아키텍처의 중심 부분은 정보 저장에 의해 형성되는데, 이는 기계가 이해가능한 방식으로 세계 규모로 사용자, 디바이스, 컨텐츠 항목, 및 경험에 관한 정보를 기술하며, 링크하고, 및 배포할 수 있게 한다. '주변 정보(ambient information)'라는 어구는 컨텍스트-인식형 적응 미디어 시스템에 의해 요구되는 컨텐츠와 컨텍스트에 관한 정보를 지칭하는데 사용된다. 이러한 주변 정보(112)를 의미론 웹(110) 상에서 명시적으로 표현함에 의해, 우리는, 여러가지 입출력(I/O) 디바이스(102 내지 108)를 포함하는 여러가지 사용자 경험에 대해 웹(114) 상에서 컨텐츠의 적응과 관련된 컴퓨팅 프로세스(116 내지 124)를 커스터마이징(맞춤화)할 수 있다. 입출력 디바이스(102 내지 108)는 XML을 교환함으로써 직접적으로 또는 의미론 웹에 XML(RDF)을 씀으로써 간접적으로 중 어느 한 방식으로 이들 컴퓨팅 프로세스(116 내지 124)와 통신한다. 주지되어야 할 점은, 전체 시스템 아키텍처의 본 상세한 설명에 있어서, 의미론 웹은 단지 주변 정보의 저장을 조직화하는 한가지 방식에 불과하다는 것이다. 의미론 웹에 대한 대안으로서, 예컨대 보통의 웹이 사용될 수 있고, 또는 데이터베이스 기술을 사용하여 중앙집중화된 방식의 정보 저장이 사용될 수 있다. 유사하게, 컨텐츠는 웹으로부터 취해지는 것이 아니라 중앙집중화된 컨텐츠 저장부로부터 취해질 수 있다.
의미론 웹(110)의 일부로서의 주변 정보(112)의 실현은 RDF 도큐먼트들을 배포하고 연결시키는 것에 의해 이루어진다. 실제 물체(예컨대, 사람, 디바이스, 물리적 물체)과 가상 물체(예컨대, 컨텐츠 항목, 웹 서비스, 일반 지식 규칙)은 이들 물체를 기계가 이해가능한 방식으로 기술하는 RDF 도큐먼트와 연관될 수 있다. 물체들 간의 관계는 이들 RDF 도큐먼트들을 연결시킴으로써 기술될 수 있다.
도 1의 아키텍처는 유지관리 구성요소와 동작 구성요소로 구성된다. 유지관리 구성요소는 크롤링(crawling) 프로세스(122)와 인덱싱(indexing) 프로세스(120)로 구성된다. 도 1의 동작 구성요소는 조회 형성 프로세스(124), 정보 검색 프로세스(118), 및 프레젠테이션 생성 프로세스(126)로 구성된다.
첫번째 단계는 조회 형성 프로세스(124)에 의해 처리된다. 이 프로세스의 태스크(task)는 의미론 웹(110)을 통해 간접적이거나 직접적으로 중 어느 하나로 서로 다른 I/O 디바이스(102 내지 108)로부터 수신된 입력 신호를 분석하는 것이다. 그후, 이 정보와 의미론 웹(110) 상에 이미 존재할 수 있는 컨텍스트 정보에 기초하여, 이 프로세스는 조회를 계산하고 어느 검색 프로세스(118)로 이 조회를 전달해야만 할지에 대해 결정한다.
두번째 단계는 하나 이상의 서로 다른 컨텐츠 제공자에 의해 호스팅되는 하나 이상의 검색 프로세스(118)에 대하여 이 조회를 실행하는 것을 포함한다. 검색 프로세스(118)의 태스크는, 인덱싱 프로세스(120)에 의해 생성된 도큐먼트 표현에 대해 이 조회를 비교하는 것, 및 일부 기초적인 유사 기능에 따라 데이터베이스로부터 가장 잘 매칭하는 도큐먼트 표현을 리턴시키는 것이다. 검색 프로세스(118)는 어느 도큐먼트 표현이 프레젠테이션되어야 할지를 결정한다. 검색 프로세스(118)는 서로 다른 서버에 위치하는 서로 다른 검색 엔진에 의해 실행될 수 있다.
세번째 단계, 즉 프레젠테이션 생성 프로세스(126)는, 사용자 주위의 출력 디바이스(102 내지 108)를 위한 도큐먼트를 생성한다. 이 프레젠테이션 생성 프로세스의 첫번째 태스크는 검색 프로세스(118)에 의해 수신된 출력 신호를 분석하고 이들 도큐먼트 표현이 출력 디바이스(102 내지 108)에 의해 사용자에게 프레젠테이션될 수 있는 새로운 도큐먼트로 구조화될 수 있는 방법을 결정한다. 그후, 이 정보와 의미론 웹(110) 상에 이미 존재하고 있는 컨텍스트 정보(예컨대 디바이스 성능, 타겟 애플리케이션, 및 사용자에 관한 지식)에 기초하여, 이 프레젠테이션 생성 프로세스는 도큐먼트를 생성하고 적절한 도큐먼트를 적절한 출력 디바이스로 전달{또는 이 도큐먼트를 나중에 사용하기 위하여 의미론 웹(110) 내에서 저장}한다. 프레젠테이션 생성 프로세스(126)은 마지막으로 출력 디바이스(102 내지 108)이 해석해야할, 예컨대 스크린 상에 프레젠테이션해야될 것이 무엇인지를 결정한다. 해석 예컨대 스크린 상의 프레젠테이션이 실제로 행해지는 과정은 출력 디바이스(102 내지 108) 자체에서 담당한다.
주변 정보 구성요소(112)는, 컨텍스트 및 컨텐츠에 관한 필요한 정보를 포함한다. 주변 정보의 관리는 AI 측면 뿐만 아니라 데이터베이스 측면도 포함할 수 있다. 데이터베이스 측면은, 예컨대, 데이터 정의, 파일들에 걸친 분포, 트랜잭션 관리, 동시발생, 및 보안을 취급한다. AI 측면은 예컨대 : 어떤 종류의 개념이 컨텍스트를 기술하기 위하여 사용되어야 하는가, 어떤 종류의 규칙이 컨텍스트에 대해 추론하기 위하여 사용되어야만 할까? 와 같은 지식 표현 및 추론을 포함한다.
컨텍스트에 관한 지식을 표현하는 문제에 대한 몇가지 접근법에 있어서, 정적 측면과 동적 측면 사이의 분리가 존재한다. 예를 들어, 상황 계산법(situation calculus), 즉 AI에서 널리 연구되어 오고 있는 접근법은, 천이(transition)들이 발생하는 사이인, 시간에 있어서 구별되는 포인트들에서, 상황들을 구별한다{예컨대, McCarthy, J.의 1963년, Situations, actions and causal laws (기술보고서), 스탠포드 대학교의 1963년, Semantic Information Processing (M.Minsky 편집, 재프린트판, MIT 출판사, 캠브릿지, 매사추세츠, 1968년, pp.410-417), 또는 Russell, S.J., 및 Norvig, P.의 1995년, Artificial Intelligence (프렌티스 홀, 잉글우드 클리프스)를 참조하라}. 또 다른 예로서, 시간적인 논리는 임의의 다른 진술들 중 시간적으로 유효함을 기술하는 진술의 계층을 분리한다{예컨대, Allen, J.F.의 1983년, Maintaining Knowledge about Temporal Intervals. Commun. ACM26(11) pp. 832-843, 또는 Allen, J.F.의 1984년. Towards a general theory of action and time. Artificial Intelligence 23(2) pp.123-154 를 참조하라}. 이러한 접근법들은 예컨대 서로 다른 지속시간을 가지는 동시발생 이벤트들을 취급할 때 복잡해지는 경향이 있다. 따라서 공간적 측면과 시간적 측면을 통합하는 것이 유리하다{Hobbs,J. R. 및 Moore,R.C.(편집자)의 Formal Theories of the Commonsense World, pp. 71-107. Ablex, Norwood에 포함된, Hayes,P.J., 1985년, Naive physics I: Ontology for liquids를 참조하라; 또한 상기에서 언급된 Russell 및 Norvig의 책을 참조하라}. 단순화된 정보 모델링은, 처음부터 정적 측면과 동적 측면이 서로 분리되어 있지 않을 때, 얻어질 수 있는 것처럼 보인다. 따라서, 본 발명은 통합된 방식으로 공간적 측면과 시간적 측면을 보는 접근법을 고려하며, 또한 이벤트의 관념을 중요하게 취급한다.
매우 일반적으로, 지식 표현의 영역에서 하나의 중요한 타협(tradeoff)은 표현력 대 추론 효율의 문제를 다룬다. 고도의 표현력은 추론의 대화성으로 귀결될 수 있는 반면, 효율적인 추론은 제한된 표현성과 결합할 때에만 얻어질 수 있다. 이것은, 전용의 추론 절차 및 알고리즘과 결합된, 특수화된 지식 표현 구조에 유리한 논거를 가진다.
여기서, 컨텍스트 정보는 주로 다음의 측면들을 고려한다:
- 컨텍스트: 상황, 이벤트, 현존하는 사람 등등.
- 컨텍스트에 관한 지식, 컨텍스트에 관하여 추론가능한 방식을 결정한다.
- 사람들과 컨텍스트-의존 방식의 각자의 컨텍스트 관련 선호도.
더 나아가, 컨텍스트는 이벤트들의 조합이라고 간주될 수 있다. 단어 이벤트(event)는 매우 일반적인 방식으로 해석되어야만 한다. 각각의 이벤트는 한 조각의(즉, 한 부분집합의) 시공간(space-time)과 연관되는데, 여기서 공간은 보통의 물리적 공간뿐만 아니라 가상적인 차원도 역시 포함한다. 종종 이벤트를 단순히 한 조각의 시공간으로서 식별하는 것이 편리하다. 하나의 물체는 (시간에 걸쳐 연장하는) 하나의 이벤트로서 보여지며, 하나의 시간 간격도 역시 (공간에 걸쳐 연장하는) 하나의 이벤트로서 보여진다. 사람도 역시 아마도 그 전체 수명에 걸쳐 또는 오직 하루동안에만 이벤트로서 간주될 수 있다. 특정한 시간동안 특정 장소에서의 어떤 사람의 존재도 역시 하나의 이벤트로서 간주될 수 있다.
이러한 이벤트를 바라보는 일반적인 방식은 컨텍스트 지식의 표현과 추론을 단순화시킬 수 있다. 이는 예컨대 정적 물체와 동적 변화의 단일화로 귀결될 수 있다.
이벤트들 사이의 관계 중 하나는 서브이벤트 관계인데, 이는 특정 이벤트가 또 다른 이벤트의 일부임을 특정한다. 이 경우, (시공간 조각의) 첫번째 이벤트는 (시공간 조각의) 두번째 이벤트의 부분집합이다. 따라서 이벤트들은 그 이외의 다른 이벤트들로 구성될 수 있다.
두 이벤트의 결합을 형성할 수 있는데, 이 결합의 시공간 조각은 두 이벤트의 시공간 조각을 합친 것이다. 이벤트 결합은 삽입사 ∧ 또는 키워드 AND 에 의해 표시된다. 가장 일반적인 이벤트는 임의-이벤트(any-event)인데, 이는 전체 시공간을 차지한다. 가장 특정한 이벤트는 빈-이벤트(empty-event)인데, 이는 시공간의 공 부분집합을 차지하며, 따라서 실제 이벤트를 나타내지 않는다.
실제 물리적 공간은 가상 차원으로 연장될 수 있다. 구체적으로, 월드 와이드 웹 상에서 아이템을 기술하는 URL(URI)들의 세트는 공간의 일부라고 생각된다.
컨텍스트-인식형 미디어 시스템을 다루기 위한 목적으로 다음 종류의 이벤트들이 구별될 수 있다:
- 물리 이벤트는 사람을 포함하지 않지만, 예컨대 조명, 커튼, 및 전화를 포함하는 디바이스들의 환경설정(configuration)을 다룬다. 이 물리 이벤트는 전화의 울림과 같은 트리거를 포함한다.
- 컨텐츠 이벤트는 컨텐츠 아이템의 존재를 기술할 수 있고, 또한 특정 컨텐츠가 특정 위치에서 예컨대 특정 음향 레벨로 특정 시간 간격 동안 존재하고 있다는 사실을 기술할 수 있다. 그러므로, 컨텐츠 이벤트는 URI뿐만 아니라 통상적인 공간을 포함할 수 있다.
- 사람 이벤트는 물론 사람을 포함한다. 예컨대 사람이 방에 들어오거나 나가는 것, 감정의 표현 등등.
- 입력 이벤트는 환경(즉, 해당 시스템)에 대해 입력으로서 의도되는 특정 사람의 표현이다. 예: 명시적인 요구, 특정 음악에 대한 피드백, 특정한 한편의 음악에 등급을 매기는 효과를 가진 행동. 따라서 입력 이벤트 클래스는 사람 이벤트 클래스의 일부라고 생각될 수 있다.
물리 이벤트, 사람 이벤트, 또는 입력 이벤트는 컨텍스트 이벤트(context event)라고 지칭될 수 있다.
특정한 고레벨 사용자 상황은 특별한 종류의 사람 이벤트로서 지칭될 수 있다. 이러한 사용자 상황의 몇가지 예는 다음과 같이 주어질 수 있다. 즉, 혼자:휴식중, 혼자:집중, 파티:대규모(축제), 파티:소규모(대화), 이동, 차량, 낭만, 기상, 취침, 아무도 없음.
컨텍스트에 대한 지식은 원자 이벤트(atomic event)라고 불리울 용어로 기술된다. 이벤트들의 결합으로 표현되지 않는 이벤트는 원자 이벤트가 되어야만 한다. 각각의 원자 이벤트에 있어서, 다음의 3가지 속성 중 적어도 하나가 이벤트 기술 내에 포함되어야 한다. 즉, 위치, 또는 공간의 영역; 시간 또는 시간 간격; 이벤트 명칭, 또는 더 구체적으로, 해당 이벤트에 의해 진술되는 사람이나 사물. 복잡한 시공간 조각에 있어서, 공간 및 시간 측면의 더 복잡한 설명이 요구될 수 있다. 더욱이, 어떤 시간에, 누가 또는 무엇이 해당 이벤트를 진술하는가와 같은, 이벤트에 대한 메타데이터가 포함되는 것이 관련될 수 있다. 주지되어야 할 점은, 불완전한 정보가 허용된다는 것이다. 예를 들어, 이벤트(예컨대, 어떤 사람의 생일)의 시작 시간은 알려져 있지 않을 수 있다. 더 나아가, 다른 속성들도 본 발명의 개념에서 벗어나지 않으면서 이벤트 기술에 포함될 수 있다.
중요한 주제는 사용자 상황의 검출을 포함한다. 사람들의 그룹이 앉아서 이야기하고 있다가 어느 유명한 음악이 재생되기 시작할 때 갑자기 춤추기 시작한다는 것을 시스템에 알려주는 대신, 이것은 특정 압력 센서들의 판독으로부터 자동으로 결론지어질 수 있다. "주변 정보의 레벨'은, 저-레벨의 자동 관찰로부터 자동으로 연역될 수 있는 고-레벨 사용자 상황이 더 많이 존재할수록, 더 높을 수 있다.
이벤트에 대한 추론은 이벤트들 사이의 수학적 관계를 사용하여 행해질 수 있는데, 이 관계는 서브이벤트 규칙을 사용하여 표현될 수 있다. 서브이벤트 규칙은 특정 이벤트가 다른 이벤트의 일부임을 표현한다:
(서브이벤트 이벤트A, 이벤트B)
이 규칙은 이벤트A의 시공간 조각이 이벤트B의 시공간 조각의 부분집합임을 특정한다. 서브이벤트 규칙의 이러한 구문론적 기술에서, 이벤트A는 이 규칙의 왼쪽 측부이고 이벤트B는 오른쪽 측부라고 불린다. 서브이벤트 규칙의 왼쪽 측부는 유한 갯수의 원자 이벤트들의 결합일 수 있는 반면, 서브이벤트 규칙의 오른쪽 측부는 하나의 원자 이벤트이어야만 한다. 서브이벤트 규칙의 이러한 왼쪽 측부와 오른쪽 측부의 요건은 서브이벤트 규칙 집합에 의해 특정되는 수학적 관계의 확장 가능 정도를 결정한다. 서브이벤트 규칙들을 포함하는 기본 추론 단계는 다음과 같이 기술되는 긍정식(modus ponens)의 형태이다.
이벤트A 그리고 (서브이벤트 이벤트A, 이벤트B)는 이벤트B를 함축한다.
임의의 서브이벤트 규칙은, 만약 그 왼쪽 측부의 각각의 원자 이벤트가 특정 컨텍스트에 적용되면 그 오른쪽 측부의 원자 이벤트도 역시 이 컨텍스트에 적용된다고 결론지어질 수 있을 때, 타당하다고 진술될 수 있다. 따라서, 서브이벤트 규칙은 사용자 상황의 연역을 위하여 충분한 조건들을 진술할 수 있게 한다. 주요 목적은, 사용의 컨텍스트에 대한 저-레벨 센서 데이터가 주어졌을 때, 고-레벨 사용자 상황에 대한 결론을 이끌어낼 수 있도록 하는 것이다. 예를 들어, 서브이벤트 규칙은 '한 사람만 존재한다' 그리고 '안락의자에 앉아 있다'라는 이벤트들로부터 '혼자 휴식중'이라는 이벤트(사용자 상황)를 타당하다고 결론내릴 수 있다. 다른 사람에 대해서, 동일한 두 이벤트들로부터의 결론은 그게 아니라 '혼자 집중하고 있음'일 수도 있다. 서브이벤트 규칙의 사용은 이러한 선택을 유연성있고 커스터마이징가능하게 만들며, 사용자의 제어하에 놓여질 수 있게 한다.
사용자 프로필을 기술하기 위하여, 아래 형태의 프로필 규칙이 포함된다:
(프로필 사용자, 주어진이벤트, 가능한이벤트, 행동)
본 발명의 개념을 벗어나지 않고도 서브이벤트 규칙과 프로필 규칙에 대하여 다른 표기법들도 역시 사용될 수 있다는 점에 주목하라.
이러한 프로필 규칙에서 첫번째 속성은 해당 규칙이 표현하는 대상인 사용자를 나타낸다. 그 다음의 두 속성은 주어진 이벤트 및 가능한 이벤트를 각각 기술한다. 주어진 이벤트는 유한 갯수의 원자 이벤트들의 결합일 수 있는 반면, 가능한 이벤트는 원자 이벤트이어야만 한다. 마지막 속성은, 해당 규칙의 주어진 이벤트가 실제로 발생할 때, 사용자의 관점에서, 실현되어야만 하는 해당 규칙의 가능한 이벤트에 관련된 행동을 기술한다. 행동의 일예는 하라 이다: 이 행동은 주어진 이벤트가 발생할 때 가능한 이벤트의 실현을 요구한다. 예컨대, 액추에이터가 램프를 제어하는 디바이스를 포함할 때, 특정 조건이 만족되면 조명 조건을 조정하는 행동을 포함하는 프로필 규칙이 사용될 수 있다. 프로필 규칙내에 나타날 수 있는 행동의 또 다른 예는, 주어진 이벤트가 발생하는 상황에 대해 가능한 이벤트의 등급을 매기는 행동이다. 이러한 등급의 값은 예컨대 5-점제로 표현될 수 있고, 이 경우 등급은 등급[i](여기서 i는 1 과 5 사이에 있다)라고 표시될 수 있다.
통상적인 응용에 있어서, 프로필 규칙 내의 주어진 이벤트는 컨텍스트를 기술하며, 가능한 이벤트는 컨텐츠를 기술한다. 그러나 또한 사용자는 그 이외의 호 또는 불호 또는 지시, 예컨대: 특정 노래가 주어질 때, 또 다른 노래가 매우 흥미롭다; 전화가 울릴 때, 음향 레벨을 낮추어라; 혼자 집중하고 있을 때, 방해하지 마시오 를 표현하기 위하여 프로필 규칙을 사용할 수도 있다. 규칙의 주어진 이벤트에서 두 사용자를 포함하도록 결합을 사용함으로써, 특정 쌍의 사용자들에 대해 하나의 프로필을 만들 수 있다. 이미 언급되었던 바와 같이, 프로필 규칙에서 가능한 이벤트는 원자 이벤트가 되어야 한다. 더 구체적으로, 우리는 프로필 규칙내의 가능한 이벤트는 스테레오타입(stereotype)일 것을 요구할 수 있으며, 이는 음악 장르를 사용하여 식별된다.
조회 형성 프로세스(124)는 다음과 같이 기술될 수 있다:
비록 사용자들이 또한 시스템에 대해 욕구를 표현할 수 있기는 하지만, 조회 형성 구성요소는 컨텍스트 정보에 기초하여 자동으로 조회를 형성할 수 있음으로써기여하도록 의도된다. 조회 형성 구성요소는 원하는 컨텐츠에 대한 정보와 또한 가능하게는 현재 컨텍스트에 대한 정보를 전달한다. 조회 형성 구성요소는, 관련 개별 사용자 프로필들을 결합시키고 이들을 현태 컨텍스트에 적용시켜, 컨텍스트에 대한 특정 종류의 추론을 사용하여, 원하는 컨텐츠의 적절한 설명을 발견하도록 한다. 조회 형성 출력은 가중된 '스테레오타입' 사용자 프로필들의 리스트일 수 있다. 조회 형성 구성요소로부터의 입력에 기초하여, 검색 시스템은 컨텍트 식별자들의 리스트(컨텐츠 URL들의 리스트 및 가능하게는 관련 주석)를 전달한다.
조회 형성 프로세스(124)는 다음의 단계들을 포함한다:
첫째, 컨텍스트 결정 단계는, 현재 컨텍스트를 기술하는 원자 이벤트의 완전한 집합을 발견하기 위하여 센서에 의해 검출된 이벤트를 기록한 이벤트 기술(event description)에 서브이벤트 규칙을 적용시킨다. 이러한 최종 이벤트 집합은 컨텍스트 기술(context description)이라고 불리운다. 컨텍스트 결정 단계는 센서의 입력 관찰의 해석을 수행하는 단계라고 볼 수 있다. 예컨대, 컨텍스트 결정 단계는 통상적으로 특정한 저-레벨 관찰을 고-레벨 사용자 상황으로 변환한다. 일반적으로 컨텍스트 결정 단계는 규칙들을 "연쇄시키는(chaining)" 단계를 포함할 수 있다는 점을 주목하라. 즉 임의의 서브이벤트 규칙은 또 다른 서브이벤트 규칙을 적용함으로써 얻어졌던 이벤트에 대해 적용가능할 수 있다.
컨텍스트 결정 단계는 조회 형성 절차에 대해 요구되는 계산의 대부분을 사용한다. 그 계산 복잡도가 낮은 차수의 다항식이라는 것을 보여주기 위하여, 컨텍스트 결정 단계를 위한 알고리즘이 주어진다. 이 알고리즘은 대문자로 구별된 두 개의 변수, 즉 Context 및 Rule 을 사용한다. 변수 Context의 값은 원자 이벤트 집합이 되도록 취해진다.
Context := set of input events
repeat until Context remains unchanged
for each subevent rule Rule do
if left-hand side of Rule is contained in Context
then add right-hand side of Rule to Context
return Context.
e 를 입력과 서브이벤트 규칙에 나타나는 원자 이벤트의 총 갯수라고 하고, s 를 서브이벤트 규칙의 갯수라고 하고, 또 k 를 서브이벤트 규칙에 나타나는 원자 이벤트의 최대 갯수라고 하자. 이 경우, 컨텍스트 결정 단계를 위한 이 알고리즘의 시간 복잡도는 O(e2sk)로 된다.
둘째, 선호도 결정 단계는 프로필 규칙들을 컨텍스트 기술에 적용시켜, 등급 값과 이 등급을 제공한 사람을 결합시킨 가능한 이벤트 집합을 결정하고, 또한 관련된 사람들의 관점에서 실현되어야 할 이벤트를 결정한다. 만약 사용자가 2개의 프로필 규칙을 가지며, 이때 주어진 이벤트가 컨텍스트 기술에 포함되고, 또 만약 첫번째 규칙의 주어진 이벤트가 두번째 규칙의 주어진 이벤트보다 더 특수하다면, 선호도 결정 단계에서 오직 첫번째 규칙만이 선택된다. 여기서, 임의의 이벤트가 제 2 이벤트의 모든 원자 이벤트들을 포함하는 결합이고 또한 추가적인 원자 이벤트도 더 포함하는 경우, 이 임의의 이벤트는 이 다른(제 2) 이벤트보다 더 특수한 것으로 취해진다.
현재 컨텍스트에 존재하는 사용자 집합을 Uc 로 표시하고, 스테레오타입 집합을 S 로 표시하고, 프로필 규칙에서 스테레오타입에 할당될 수 있는 행동 집합을 A 로 표시하면, 선호도 결정 단계는 본직적으로 수학 함수, 즉
를 각각의 사용자 u ∈ Uu 에 대하여 결정하며, 여기서 Su ⊂ S 는 선호도 결정 단계에서 사용자 u 에 대한 프로필 규칙들에서 선택된 스테레오타입의 집합이다.
이 선호도 결정 단계의 출력은 조회 생성 단계에서 사용되며, 이 조회 생성 단계는 검색 구성요소로 송신될 실제 조회를 생성시킨다. 조회 생성 단계는 및 인 방식으로, 각각의 스테레오타입 s ∈ S 에 대해 가중치 ps 를 결정한다. 조회 생성 단계에 있어서 몇가지 가능성들이 고려될 수 있다. 이들을 기술하기 위하여, 몇가지 전문용어가 도입될 필요가 있다. 각각의 사용자 u ∈ Uu 에 대하여 및 인 방식으로, 사용자 우선순위 fu 가 주어진다. 더욱이, 각각의 행동 a ∈ A 에는 행동 가중치(action weight)라고 불리우는 수 가 할당된다.
예를 들어, 다음의 행동은 앞서 기술된 바와 같이 고려될 수 있다:
이들 행동에는 다음의 가중치가 주어질 수 있다. 예컨대:
사용자 우선순위 fu 가 주어지면, 함수 와 방금 정의된 행동 가중치 , 스테레오타입 s ∈ S 의 가중치는 다음과 같이 되도록 정의될 수 있다:
말로 표현하면, 외부 합계는 선호도 결정 단계에서 스테레오타입 s가 선택된 현재 컨텍스트 내의 모든 사용자들에 대해 취해진다. 이 정의에서, 분모는 현재 컨텍스트에 대한 프로필 규칙들에서 많은 스테레오타입들이 나타나는 사용자에 대한 각 개별 프로필 규칙 단정의 영향을 축소하기 위하여 도입된다. 이 정의는 를 만족시킨다는 것이 증명될 수 있다.
많은 조회 생성 전략들이 수학식 6을 사용자 우선순위 fu 의 특수한 값과 결합하여 사용함으로써 정의될 수 있다. 예컨대 모두 동등 전략(everybody equal strategy)(E)는 각각의 사용자에게 동등한 우선순위를 제공한다:
다른 전략, 즉 특정 유저 전용 전략(D)은 하나의 특정 사용자 d ∈ U 에게 가장 높은 우선순위 fd 를 제공하고, 반면에 그 외의 사용자들에게는 동일한 낮은 우선순위를 제공한다:
이 전략의 일예는 예컨대 회의나 파티의 호스트(host)에 대해 전용인 호스트 전략(H)이다.
전략 E, D, H 중 각각은, 적은 행복을 많은 행복으로 만드는(make least happy more happy) 전략(L)으로 불리우는 다른 단계에 보충될 수 있다. 이 아이디어는 만약 어떤 사람이 어떤 스테레오타입을 좋아하지 않는다면 이 스테레오타입은 조회 생성 출력에서 포함되지 않는다라는 것이다. 이것은 다음과 같이 실현될 수 있다:
만약 몇몇 사용자 u ∈ UC 에 대해 이라면, ps = 0으로 놓는다. 후속적으로, 이 되도록 가중치 ps 는 재정규화될 필요가 있다. 주목되어야 할 점은, 원리적으로, 이 방식에서 각각의 가중치 ps 가 0이 되는 것도 가능한데, 이 경우 본 단계는 적용될 수 없다는 것이다.
방금 논의된 전략들에 대한 대안으로서, 다수자 전략(majority strategy)(M)이 있다. 이 다수자 전략은 수학식 6으로 정의되지는 않지만, 상부 행동 do를 가진 가장 자주 나타나는 스테레오타입을 단순히 리턴시키고:
,
이 스테레오타입에 동일한 가중치를 부여한다(통상적으로 이것은 단지 하나의 스테레오타입으로 귀결될 것이다).
조회 생성 단계는 전략들 E, D, 또는 H (가능하게는 L이 보충된) 중 하나, 또는 전략 M 을 사용할 수 있다. 조회 생성 전략의 선택에 대한 제어를 호스트 사용자에게 부여하는 것이 자연스럽다. 주목되어야 할 점은, 대안적인 조회 생성 전략들이 본 발명의 개념에서 벗어나지 않고도 정의될 수 있다는 점이다.
이제 정보 검색 프로세스(118)의 기능이 더 기술된다. 본 발명에서 기존 추천기 시스템은 컨텍스트-인식형으로 만들어질 수 있고 오직 개인들만이 아니라 사람들의 그룹에게 적용가능하게 만들어질 수 있다. 이 점에 대하여, 협동 필터링(collaborative filtering)이 사용될 수 있다{예컨대, Goldberg, D., Nichols, D., Oki, B.M., 및 Terry, D. 1992. Using Collaborative Filtering to Weave an Information Tapestry. Comm. ACM. 32(12) pp. 51-60, 또는 Breese, J., Heckerman, D., 및 Kadie, C. 1998. Empirical Analysis of Predictive Algorithms for Collaborative Fitering. 인공지능의 불확실성에 대한 14차 회의의 회보지. Madison, WI.를 참조하라}.
협동 필터링을 위한 표준적인 절차는 다음과 같이 기술될 수 있다:
중심 데이터는 사용자 데이터베이스로서, 아이템 i 에 대하여 사용자 u 로부터의 투표 vu,i 를 포함한다. 본 발명에서 고려되는 전형적인 응용 분야에서, 아이템은 미디어 컨텐츠 아이템이다. 만약 응용 분야가 음악 선택이라면, 아이템은 노래일 수 있다. 모든 사용자들의 집합은 U로 표시되고 모든 아이템들의 집합은 I로 표시된다. 비록 알고리즘은 더 일반적이긴 하지만, 투표는 1 내지 5의 값을 가지는 5-점제로부터 취해진다고 가정된다. 만약 Iu 를 사용자 u 가 투표한 아이템 집합이라고 하면, 사용자 u에 대한 평균 투표는 다음과 같다:
만약 w(u,u')를 사용자 u와 사용자 u' 사이의 사용자 유사성으로 정의하고, Uu는 0이 아닌 사용자 유사성 점수(사용자 u에 대해)를 가진 사용자 집합이라고 정의한다면, 아이템 i 에 대하여 사용자 u의 예측된 투표 pu,i 는 다음과 같이 기술된다:
여기서 ku 는 등식 에 의해 정의되는 정규화 상수이다.
사용자 유사성 w(u,u')에 있어서, 사용되는 몇가지 정의가 존재한다. 이 점에 대하여, 벡터 유사성 정의가 사용될 수 있다.
여기서 분모에서 제곱항은, 더 많은 타이틀에 대해 투표한 사용자들이 다른 사용자들에 대해 선험적으로 더 많이 유사하게 되지 않도록 하기 위하여, 투표를 정규화하는데 사용된다. 협동 필터링에서 벡터 유사성은 정보 검색에 있어서 벡터 유사성의 적응이라는 점을 주목하라. 사용자는 도큐먼트 역할을 맡고, 타이틀은 단어의 역할을 맡고, 투표는 단어 빈도수 역할을 맡는다.
사용자 u에 대하여, 협동 필터링 프로세스의 출력은 값 pu,i를 사용하여 정렬된 아이템 i의 리스트이다. 이 프로세스는 개인 사용자에게 추천을 전달하며, 이 사용자의 투표는 사용자 데이터베이스 내에 존재하다고 가정된다는 점을 주목하라.
이러한 절차를 컨텍스트-의존 방식으로, 사용자 데이터베이스에 그들의 투표가 나타나지 않을 수 있는 사용자 그룹에게 적용하기 위하여, 새로운 사용자로부터의 투표가 사용자 데이터베이스에 추가될 수 있다. 이러한 접근법의 단점은, 사용자 유사성 매트릭스 w(u,u')가 실행시에 재계산되어야만 하기 때문에 이 접근법이 스케일러빌리티(scalability) 문제를 초래할 수 있다는 것이다. 또 다른 문제는 투표들 vu,i가 컨텍스트-독립방식이라는 것: 즉, 예컨대, 상기 투표들은 특정 사용자가 한 상황에서 클래식 음악을 원할 수 있고 다른 상황에서는 대중 음악을 원할 수 있다는 점을 명확하게 하지 않는다는 것이다.
이들 문제를 해결하기 위하여, 기존 사용자 프로필들의 가중된 선형 결합으로서, 동적 방식으로, 그룹 프로필(group profile)을 정의하는 것과, 개별 사용자 예측들의 가중된 평균을 취함으로써 그룹의 예측을 결정하는 것이 허용된다. 만약 G가 사용자 그룹이고 wu,G가 이 그룹 내의 사용자 프로필 u의 가중치라면, 아이템 i에 대한 그룹 예측 pG,i는 다음과 같이 정의될 수 있다:
여기서 가중치 wu,G 는 를 만족시킬 것이 요구된다.
현재 컨텍스트에서 사용자들의 개별 데이터들이 협동 필터링 절차에 의해 사용되는 사용자 데이터베이스 내에 있다는 것을 가정하는 것 대신, 스테레오타입들의 집합 S가 취해질 수 있다. 스테레오타입은 협동 필터링 데이터베이스 내의 '사용자'라고 볼 수 있는데, 이는 컨텐츠 장르를 이용하여 식별되며, 특정한 컨텐츠 아이템에 대한 투표의 면에서 정의될 수 있다. 이러한 스테레오타입의 예에는, LatinMusic, Rock, ClassicalMusic, Sinatra, Waking-up, Romantic이 포함될 수 있다.
앞에서 기술된 바와 같이, 조회 형성 절차는 인 스테레오타입 s ∈ S의 음이 아닌 가중치들 ps의 집합을 생성시킨다. 이들 가중치는, 수학식 9에서 사용자 그룹 G 대신 스테레오타입의 집합 S를 취함으로써, 앞서 기술된 방식으로, 협동 필터링에 기초한 추천을 발견하는데 사용된다. 이제, 현재 컨텍스트 내에 존재하는 사용자의 투표는 협동 필터링 절차에 의해 사용되는 사용자 데이터베이스 내에 존재하여야만 할 필요가 없다. 따라서, 컨텍스트-의존 방식으로 사용자 프로필을 결정하는데 사용된 프로필 규칙은 협동-필터링 데이터베이스 vu,i에 대해 완전히 독립적일 수 있다. 사용자 유사성 매트릭스의 갱신이 자주 이루어져야 할 필요가 없다.
본 발명의 일 실시예는 응용 시나리오로서, 이 시나리오를 실현시키기 위해 사용될 수 있는 컨텍스트 정보의 표지를 가진 응용 시나리오이다. 이 예는 위에서 논의된 모든 용어: 즉, 이벤트에 대한 일반적인 표기(구체적으로 사용자 상황), 서브이벤트 규칙, 및 프로필 규칙과; 컨텍스트 결정, 선호도 결정, 및 조회 생성; 스테레오타입을 통한 협동 필터링에 기초하는 검색을 모두 사용한다. 이 시나리오는 본 발명의 또 다른 특징, 즉 컨텍스트란 한 장소를 지칭하여야 할 필요가 없으며, 동일한 미디어 컨텐츠를 공유하길 원하는 사람들이 존재하는 구별되고 연결되어 있지 않은 장소들을 지칭할 수 있다는 점을 예시한다. 예컨대 차 안에 앉아있는 한 사람이 집에 앉아있는 한 사람과 노래를 공유하고 싶어한다. 인터넷 라디오와 같은 인터넷에 기초한 현재 미디어 시스템은 서로 멀리 떨어져 있는 장소들 사이에서 테일러링(tailor)된 미디어 컨텐츠의 이러한 공유를 가능하게 한다. 본 발명도 역시 이러한 상황에 적용가능하다. 본 예에서 복잡도의 원천은 사용자 프로필과 컨텍스트 지식에 의해 형성되는데, 이는 의미론 웹 상의 서로 다른 파일들 안에 존재할 수 있다. 이것이 어떻게 행해지는가는 아래의 섹션에서 예시된다.
본 시나리오는 다음과 같이 진행된다:
탐이 방안에서 클래식 음악을 듣고 있다.
앤, 케이트, 밥이 그 방으로 들어온다.
음악은 모든 사용자의 프로필에 따라 변한다.
누군가가 야자 나무를 가져온다(테이블 위에 놓는다). 이 야자 나무는 특별한 종류의 파티, 즉 라틴 파티와 연관되어 있다.
음악은 다시 변한다. 파티가 계속된다.
마이크가 전화해서 교통체증에 막혀있으며 30분 후에나 도착할 것이라고 말한다.
톰은 마이크에게 파티에서 지금 플레이되고 있는 음악을 들으라고 권한다. 마이크는 "아주 좋은 생각인데"라고 말한다.
음악은 그 차에서 플레이되기 시작한다...
파티가 끝난다.
모두가 가고, 모든 것이 스위칭 오프된다.
다음의 서브이벤트 규칙은, 본 시나리오를 실현시키기 위해 사용될 수 있는 컨텍스트 지식을 형성한다:
(서브이벤트, 사용자A, 사람)
(서브이벤트, 사용자B, 사람)
(서브이벤트, 사용자C, 사람)
(서브이벤트, 사용자D, 사람)
(서브이벤트, 사용자E, 사람)
(서브이벤트, #persons=1 AND sittingInAmchair, userSituationAR)
(서브이벤트, #persons>=3, userSituationSP)
(서브이벤트, #persons=0, userSituationNP)
function:#persons()
여기서 함수 #persons 는 현재 있는 사람들의 수를 카운트하기 위해 도입된다. 그리고, AR은 '혼자:휴식중(alone:relaxing)'을 나타내고, SP는 '소규모 파티(small party)'를 나타내고, NP는 '아무도 없음(nobody present)'를 나타낸다. 예컨대 몇가지 프로필 규칙은 다음과 같다:
(프로필 사용자A, userSituationAR, ClassicalMusic, do)
(프로필 사용자A, userSituationSP, PartyMusic, do)
(프로필 사용자A, userSituationNP, NoMusic, do)
(프로필 사용자B, userSituationSP AND PalmTreePutOnTable, LatinMusic, do)
(프로필 사용자B, userSituationAR, songX, rating[5])
아래에서, 본 시나리오는 다시 진행되고, 센서에 의해 검출되는 이벤트와 시스템에 의해 추론되는 이벤트가 요약될 것이다.
초기 시기에, 탐이 혼자 있을 때, 다음의 이벤트는 입력 센서에 의해 검출되고:
사용자A, sittingInArmchair,
또한 다음의 이벤트가 시스템에 의해 추론된다:
userSituationAR.
이 상황에서, 시스템은 클래식 음악을 선택한다. 앤, 케이트, 및 밥이 들어올 때, 센서는 다음의 이벤트를 검출하고:
사용자A, 사용자B, 사용자C, 사용자D,
또한 시스템은 다음의 이벤트를 추론한다:
userSituationSP.
이 상황에서, 시스템에 의해 파티 음악이 선택된다. 야자 나무가 테이블 위에 놓여진 후, 센서는 다음의 이벤트를 검출하고:
사용자A, 사용자B, 사용자C, 사용자D, PalmTreePutOnTable,
또한 다음의 이벤트가 추론된다:
userSituationSP.
이 상황에서, 시스템은 라틴 음악을 선택한다. 마이크가 전화한 후에, 유일한 변화는 그 방이 마이크의 차로 확장된 것이라고 생각되는 방식으로, 컨텍스트 파일에 한 사용자가 추가되는 것이다.
본 시나리오의 끝에서, 모든 사람이 가고, 컨텍스트 파일에 아무런 이벤트가 존재하지 않을때, 시스템은 다음의 이벤트를 추론하고:
userSituationNP,
아무런 음악도 플레이되지 않는다.
도 2는 앞서 논의된 컨텍스트 정보를 기술하는 RDF 데이터의 일 모델을 예시한다. 몇가지 기본 RDF 스키마 성질들이 하나의 문자를 포함하는 원을 통과하는 화살표로 지시되어 있다. 이는 성질 rdfs:domain(문자:d) 및 rdfs:range(문자:r) 뿐만 아니라, 성질 rdfs:subClassOf 및 rdfs:subPropertyOf(둘 모두에 대해, 문자 s가 사용된다)에 대해 타당하다. 클래스 명칭은 둥근 사각형 안에 있고, 성질 명칭은 타원 안에 있으며, 리터럴(literal: 상수)의 명칭은 사각형안에 있다.
주요 클래스는 yme:Event 및 yme:Rule이다. 클래스 yme:Rule은 2개의 서브클래스, 즉 yme:subEventRule 및 yme:profileRule을 가진다. 중심 성질은, 서브성질 yme:itsGivenEvent, yme:itsPossEvent, yme:itsLeftEvent, 및 yme:itsRightEvent를 가진 yme:itsEvent이다. 성질 yme:itsEvent의 범위는 클래스 yme:Event이다. 두 성질 yme:itsGivenEvent 및 yme:itsPossEvent 양자의 영역은 클래스 yme:profileRule이다. 두 성질 yme:itsLeftEvent 및 yme:itsRightEvent 양자의 영역은 클래스 yme:subEventRule이다. 마지막으로, 영역 yme:profileRule 및 범위 Action(리터럴 타입)을 갖는, 성질 yme:itsAction이 있다.
단순하게 하기 위하여, 도 2는 자원 rdf:Property, rdfs:Class 및 rdfs:Resource, 및 각각의 성질은 임의의 성질이며 각각의 클래스는 임의의 클래스임을 나타내는데 사용된 여러가지 rdf:type 진술을 포함하지 않고 있다.
의미론 웹 언어 RDF가 사용될 때, 다음 종류의 RDF 파일이 포함될 수 있다:
- 이벤트들의 결합으로서 입력 센서들에 의해 결정되는 컨텍스트를 기술하는 컨텍스트 파일,
- 컨텍스트에 대한 일반적인 지식 또는 추론을 기술하는 서브이벤트 규칙들을 포함하는, 컨텍스트 지식 파일,
- 각각의 사용자에 위한, 프로필 규칙들을 포함하는 프로필 파일.
만약 어떤 사용자가 어떤 특정 컨텍스트 안에 존재한다면, 컨텍스트 파일은 이 사용자를 위한 프로필에의 링크를 포함한다. 명시적인 사용자 입력은 컨텍스트 파일에 추가되는 입력 이벤트들을 사용하여 처리된다.
다음의 예는 서브이벤트 규칙과 프로필 규칙이 RDF로 기술되는 방식을 예시하고 있다. 서브이벤트 규칙
(서브이벤트 이벤트A AND 이벤트B, 이벤트C)
은 다음의 방식으로 기술될 수 있다:
<rdf:Description rdf:about="http://.../yme/coKn.rdf#subEventRuleA">
<rdf:type rdf:resource="http://.../yme/yme#subEventRule"/>
<yme:itsLeftEvent rdf:resource="http://.../yme/coKn.rdf#eventA"/>
<yme:itsLeftEvent rdf:resource="http://.../yme/coKn.rdf#eventB"/>
<yme:itsRightEvent rdf:resource="http://.../yme/coKn.rdf#eventC"/>
</rdf:Description>
여러 URL은 표시하기 쉽게 하기 위하여 생략되어 있다. 프로필 규칙
(프로필 사용자A, 이벤트A, 이벤트B, actionA)
는 다음의 방식으로 기술될 수 있다:
<rdf:Description rdf:about="http://.../usPr-userA.rdf#profileRuleA">
<rdf:type rdf:resource="http://.../yme/yme#profileRule"/>
<yme:itsGivenEvent rdf:resource="http://.../yme/coKn.rdf#eventA"/>
<yme:itsPossEvent rdf:resource="http://.../yme/coKn.rdf#eventB"/>
<rdf:itsAction>actionA</rdf:itsAction>
</rdf:Description>
더욱이, 이들 규칙에서 나타나는 이벤트들은 다음의 방식으로 이벤트라고 선언될 수 있다:
<rdf:Description rdf:about="http://.../yme/coKn.rdf#eventA">
<rdf:type rdf:resource="http://.../yme/yme#Event"/>
</rdf:Description>
이들 예는 서브이벤트 규칙과 프로필 규칙이 또한 일종의 규칙의 형태로 RDF/XML 로도 표현된다는 것을 보여준다. 이들 RDF 진술들은 해석에 사용되는 RDF 스키마 정보를 수반한다. 방금 예시된 RDF 데이터를 위한 스키마는 도 2에 예시되어 있다.
조회 형성 프로세스는 다음과 같이 구현될 수 있다: 초기 추론 단계들(컨텍스트 결정 및 선호도 결정)은 특수한 API를 통해 이용가능하게 될 수 있는데, 이 특수한 API는 적절한 타입의 RDF 파일들의 결함으로 조회 생성 단계를 실현하는데 사용된다. API는 예컨대, 휼렛패커드 사에 의해 개발된 The Jena Semantic Web Toolkit(http://www.hpl.hp.com/semweb/jena-top.htmlJena를 참조하라)과 같은, 예컨대 RDF와 RDF 스키마 정보를 조작하기 위한 Java 클래스 라이브러리를 사용하여, Java로 실현될 수 있다.
본 발명의 몇가지 장점들은 다음과 같이 요약될 수 있다. 첫째, 기존 미디어 추천기는 스크래치(scratch)로부터 이를 재기록할 필요없이 컨텍스트-인식형으로 만들어질 수 있다. 둘째, 표준적인 인터넷 및 웹 기술을 사용함으로써 상호운용성 및 사용자에 대한 편리성이 성취될 수 있다. 파티에서의 인터넷 라디오 및 마이크의 차의 라디오 둘 모두(앞서 논의된 시나리오를 참조하라), 단순히 동일한 URL을 선택함으로써 동일한 플레이리스트에 액세스할 수 있다. 셋째, 사용자 프로필을 웹 상에서 이용가능하게 만듬으로써, 동일한 사용자 프로필이 다른 컨텍스트-인식형 미디어 시스템들에서 액세스될 수 있다.
도 3은 개략적으로 본 발명에 따른 시스템의 주요 부분들을 예시한다. 이 시스템(300)은 랜덤 액세스 메모리(302), 소프트웨어 버스(310), 및 중앙처리유닛(312)를 포함한다. 메모리(302)는 소프트웨어 버스(310)를 통해 중앙처리유닛(312)과 통신할 수 있다. 메모리(302)는 컴퓨터 판독가능 코드(304, 306, 308)를 포함한다. 컴퓨터 판독가능 코드(304)는 앞서 기술된 바와 같은 조회 형성 프로세스를 수행하도록 설계된다. 컴퓨터 판독가능 코드(306)는 앞서 기술된 바와 같은 정보 검색 프로세스를 수행하도록 설계되고, 컴퓨터 판독가능 코드(308)는 앞서 기술된 바와 같은 프레젠테이션 생성 프로세스를 수행하도록 설계된다. 정보 검색 프로세스는 원격으로 위치된 저장 시스템(314)에 저장되어 있는 미디오 컨텐츠를 검색하도록 설계된다. 저장 시스템(314)과 본 발명에 따른 시스템은 서로 인터넷을 통해 연결된다. 저장 시스템(314)은 예컨대 오디오 파일 및 비디오 파일을 포함하는 데이터베이스(316)를 포함하는 서버일 수 있다. 저장 시스템(314)은 또한, 각각의 서버가 다수의 오디오 파일 및/또는 비디오 파일을 포함하는, 다수의 서버들에 걸쳐 분산되어 있을 수도 있다. 시스템은 소프트웨어 시스템으로서 예시적으로 기술된다. 그러나, 언급된 방법 단계들을 수행하도록 설계된 예컨대 프로그램가능한 하드웨어와 같은, 소프트웨어와 하드웨어의 결합 또는 전용 하드웨어도 역시 포함된다.
도 4는 개략적으로 본 발명에 따른 시스템을 포함하는 인터넷-인에이블형 디바이스를 예시한다. 인터넷-인에이블형 텔레비전 세트(402)는 본 발명에 따른 시스템(410)을 포함하며 인터넷-인에이블형 라디오(404)에 인터넷 연결(408)을 통해 양방향으로 연결되어 있다. 인터넷-인에이블형 라디오(404)는 본 발명에 따른 시스템(412)을 포함하며 퍼스널 컴퓨터(406)에 인터넷 연결(408)을 통해 양방향으로 연결되어 있다. 퍼스널 컴퓨터(406)는 본 발명에 따른 시스템(414)을 포함하며 텔레비전 세트(402)에 양방향으로 연결되어 있다. 퍼스널 컴퓨터(406)는, 앞서 기술된 바와 같은 본 발명에 따른 방법을 수행하도록 설계된 컴퓨터 판독가능 코드(418)를 다운로드할 수 있다. 컴퓨터 판독가능 코드(418)는 CD, CD+RW, DVD 등등과 같은 저장 디바이스(416)로부터 퍼스털 컴퓨터(406)에 의해 판독될 수 있다. 텔레비전 세트(402), 라디오(404), 및 퍼스널 컴퓨터(406)는 인터넷-인에이블형 디바이스의 예들이다. 예컨대 이동 전화와 같이 다른 인터넷-인에이블형 디바이스들도 역시 사용될 수 있다.
본 발명의 방법에 대한 기술된 실시예들에서 순서는 강제적인 것은 아니며, 당업자라면 본 발명의 의해 의도되는 개념으로부터 벗어나지 않고도 스레딩 모델(threading model), 멀티-프로세서 시스템, 또는 멀티 프로세스를 사용하여 단계들의 순서를 변경하거나 또는 단계들을 동시에 수행할 수 있다.
주목되어야 할 점은, 위에 언급된 실시예들은 본 발명을 제한하려는 것이 아니라 예시하려는 것이며, 당업자라면 첨부된 청구범위의 범위에서 벗어나지 않고도 수많은 대안적인 실시예들을 고안할 수 있을 것이다. 청구범위에서, 괄호안에 놓인 어떠한 참조부호도 해당 청구항을 제한하는 것으로 해석되어서는 안된다. 단어 "포함한다"는 청구항에 나열된 것이 아닌 다른 요소나 단계의 존재를 배제하지 않는다. 어느 요소가 단수형으로 쓰였다고 해서 그 요소의 복수의 존재를 배제하지 않는다. 본 발명은 몇개의 구별되는 요소들을 포함하는 하드웨어를 사용하여 구현될 수 잇고, 또한 하나의 적절히 프로그램된 컴퓨터를 사용하여 구현될 수 있다. 몇가지 수단들을 나열하는 시스템 청구항에서, 이들 몇가지 수단들은 하나의 동일한 컴퓨터 판독가능 소프트웨어나 하드웨어 아이템으로 구현될 수 있다. 특정 조치들이 서로 다른 종속항들에서 언급되어 있다는 단순한 사실은 이들 조치들의 임의의 조합이 유리하게 사용될 수 없다는 것을 나타내지 않는다.
상술한 바와 같이, 본 발명은 한 명의 사용자 또는 일 그룹의 사용자들에게 미디어 컨텐츠를 제공하는 방법 및 시스템에 이용할 수 있는 것으로, 상기 미디어 컨텐츠는 저장 시스템 상에 상주한다. 본 발명은 또한 상기 방법을 수행하도록 설계된 컴퓨터 프로그램 제품과 상기 시스템을 포함하는 엔터테인먼트 디바이스 등에 이용가능하다.

Claims (16)

  1. 일 사용자 또는 사용자들의 그룹에 대해 저장 시스템 상에 존재하는 미디어 컨텐츠를 제공하는 방법으로서,
    상기 미디어 컨텐츠를 검색하기 위해, 컨텍스트 정보(context information)를 사용함으로써 상기 사용자의 상황에 대해 적합한 조회(query)를 한정하는 단계와;
    상기 저장 시스템으로부터 상기 조회된 미디어 컨텐츠를 검색하는 단계; 및
    상기 사용자 또는 사용자 그룹에게 상기 조회된 미디어 컨텐츠를 제공하는 단계를
    포함하는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  2. 제 1 항에 있어서, 상기 컨텍스트 정보는 적어도 하나의 현존하는 사람에 대한 센서 데이터, 적어도 하나의 현존하는 물체에 대한 센서 데이터, 컨텍스트-의존 사용자 프로필, 및 컨텍스트-의존 그룹 프로필 중 적어도 하나를 포함하는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  3. 제 1 항에 있어서, 상기 컨텍스트 정보는, 각각의 이벤트가 공간에 대한 정보, 시간에 대한 정보, 관련 이벤트에 의해 기술되는 사람 또는 사물에 대한 정보 중 적어도 하나를 통해 기술되는, 이벤트들의 결합을 포함하는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  4. 제 3 항에 있어서, 상기 컨텍스트 정보는 상기 이벤트들에 대한 추론(reasoning)을 가능하게 하기 위하여 상기 이벤트들 사이의 수학적 관계를 포함하는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  5. 제 3 항에 있어서, 이벤트들은 물리 이벤트, 컨텐츠 이벤트, 사람 이벤트, 입력 이벤트 중 적어도 하나를 포함하는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  6. 제 2 항에 있어서, 상기 사용자 프로필과 상기 그룹 프로필은 적어도 하나의 프로필 규칙에 기초하며, 상기 적어도 하나의 프로필 규칙은, 상기 사용자 또는 사용자 그룹에 대하여, 주어진 이벤트(given event)가 발생될 때 상기 사용자 또는 사용자 그룹에 따라 실현되어야할 가능한 이벤트(possible event)를 고려하는 행동(action)을 기술하고, 또한 상기 방법은, 상기 가능한 이벤트를 결정하기 위하여, 상기 주어진 이벤트를 포함하는 상기 컨텍스트 정보에 상기 적어도 하나의 프로필 규칙을 적용하는 단계를 포함하는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  7. 제 6 항에 있어서, 상기 가능한 이벤트는 등급 값 및 이 등급 값을 제공하는 사용자를 이용하여 결정되는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  8. 제 2 항에 있어서, 의미론 웹(Semantic Web) 언어가 상기 미디어 컨텐츠에 대한 정보와 상기 컨텍스트 정보를 나타내는데 사용되는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  9. 제 2 항에 있어서, 서로 다른 사용자들의 상기 사용자 프로필들은 인터넷 상의 서로 다른 장소에서 별개로 저장되는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  10. 제 6 항에 있어서, 이벤트들에 대해 추론하기 위한 상기 수학적 관계는 하나의 중앙 서버에 위치되는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  11. 제 6 항에 있어서, 상기 방법은 적용할 상기 적어도 하나의 프로필 규칙을 결정하기 위하여 조회 생성 전략을 적용하는 단계를 포함하는, 사용자 또는 사용자 그룹에게 미디어 컨텐츠를 제공하는 방법.
  12. 제 1 항에 있어서, 상기 방법은 협동 필터링(collaborative filtering)을 이용하여 상기 조회된 미디어 컨텐츠를 검색하는 단계를 포함하는, 사용자에게 미디어 컨텐츠를 제공하는 방법.
  13. 사용자에 대해 저장 시스템 상에 존재하는 미디어 컨텐츠를 제공하는 시스템으로서,
    상기 미디어 컨텐츠를 검색하기 위해, 컨텍스트 정보를 사용함으로써 상기 사용자의 상황에 대해 적합한 조회를 한정하도록 구성된 한정 수단과;
    상기 저장 시스템으로부터 상기 조회된 미디어 컨텐츠를 검색하도록 구성된 검색 수단; 및
    상기 사용자에게 상기 조회된 미디어 컨텐츠를 제공하도록 구성된 제공 수단을
    포함하는, 사용자에게 미디어 컨텐츠를 제공하는 시스템.
  14. 제 1 항 내지 제 12 항 중 어느 한 항에 기재된 방법을 수행하도록 설계된 컴퓨터 프로그램 제품.
  15. 제 14 항에 기재된 컴퓨터 프로그램 제품을 포함하는 정보 캐리어.
  16. 제 13 항에 기재된 시스템을 포함하는 엔터테인먼트 디바이스.
KR1020057006818A 2002-10-21 2003-09-22 사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는방법 및 시스템 KR20050061548A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP02079382.4 2002-10-21
EP02079382 2002-10-21

Publications (1)

Publication Number Publication Date
KR20050061548A true KR20050061548A (ko) 2005-06-22

Family

ID=32103973

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020057006818A KR20050061548A (ko) 2002-10-21 2003-09-22 사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는방법 및 시스템

Country Status (7)

Country Link
US (1) US20060031288A1 (ko)
EP (1) EP1556799A2 (ko)
JP (1) JP2006504161A (ko)
KR (1) KR20050061548A (ko)
CN (1) CN1689001A (ko)
AU (1) AU2003260923A1 (ko)
WO (1) WO2004036458A2 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012002685A2 (ko) * 2010-07-02 2012-01-05 아코지토(주) 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템
US8799936B2 (en) 2010-07-02 2014-08-05 Byuck San Power, Ltd. Cooperative filtering algorithm-based personal preference program recommendation system for IPTV
KR101511403B1 (ko) * 2007-10-24 2015-04-10 소우셜 커뮤니케이션즈 컴퍼니 실시간 데이터 스트림 접속 스위칭 방법, 장치 및 컴퓨터 판독가능 매체
KR20150098568A (ko) * 2014-02-20 2015-08-28 삼성전자주식회사 전자 장치에서 비정형 데이터에 기초한 에피소드 기억 식별 방법
US9483157B2 (en) 2007-10-24 2016-11-01 Sococo, Inc. Interfacing with a spatial virtual communication environment
US9853922B2 (en) 2012-02-24 2017-12-26 Sococo, Inc. Virtual area communications

Families Citing this family (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7640267B2 (en) 2002-11-20 2009-12-29 Radar Networks, Inc. Methods and systems for managing entities in a computing device using semantic objects
US8335755B1 (en) * 2003-09-23 2012-12-18 Evolving Logic Derived contexts for computational experiments
US7389285B2 (en) * 2004-01-22 2008-06-17 International Business Machines Corporation Process for distributed production and peer-to-peer consolidation of subjective ratings across ad-hoc networks
US7433876B2 (en) 2004-02-23 2008-10-07 Radar Networks, Inc. Semantic web portal and platform
US8069194B1 (en) 2004-03-04 2011-11-29 Ophivain Applications NY L.L.C. Automated annotation of a resource on a computer network using a network address of the resource
JP2006025281A (ja) * 2004-07-09 2006-01-26 Hitachi Ltd 情報源選択システム、および方法
US7627824B2 (en) * 2004-07-12 2009-12-01 Alcatel Lucent Personalized video entertainment system
US7734569B2 (en) 2005-02-03 2010-06-08 Strands, Inc. Recommender system for identifying a new set of media items responsive to an input set of media items and knowledge base metrics
EP1911289B1 (en) * 2005-07-21 2019-12-04 S.I.Sv.El. Societa' Italiana Per Lo Sviluppo Dell'elettronica S.P.A. Collaborative device for enabling users to select collaborative content, and method thereof
US20070067818A1 (en) * 2005-09-21 2007-03-22 Telefonaktiebolaget Lm Ericsson (Publ) Means and method for mobile television
WO2007068268A1 (en) 2005-12-14 2007-06-21 Telecom Italia S.P.A. Method and system for automatically providing contents from a service provider to a mobile telephonic terminal
JP5161794B2 (ja) 2006-02-10 2013-03-13 アップル インコーポレイテッド 動的インタラクティブエンターテイメントベニュー
US7987088B2 (en) * 2006-07-24 2011-07-26 Lockheed Martin Corporation System and method for automating the generation of an ontology from unstructured documents
US8324826B2 (en) 2006-09-29 2012-12-04 Koninklijke Philips Electronics N.V. Method and device for composing a lighting atmosphere from an abstract description and lighting atmosphere composition system
US8370812B2 (en) * 2007-04-02 2013-02-05 International Business Machines Corporation Method and system for automatically assembling processing graphs in information processing systems
US8166465B2 (en) * 2007-04-02 2012-04-24 International Business Machines Corporation Method and system for composing stream processing applications according to a semantic description of a processing goal
US10489795B2 (en) 2007-04-23 2019-11-26 The Nielsen Company (Us), Llc Determining relative effectiveness of media content items
US8117233B2 (en) * 2007-05-14 2012-02-14 International Business Machines Corporation Method and system for message-oriented semantic web service composition based on artificial intelligence planning
US20090037822A1 (en) * 2007-07-31 2009-02-05 Qurio Holdings, Inc. Context-aware shared content representations
US20090083768A1 (en) * 2007-09-20 2009-03-26 Hatalkar Atul N Context platform framework for aggregation, analysis and use of contextual information
US7844724B2 (en) * 2007-10-24 2010-11-30 Social Communications Company Automated real-time data stream switching in a shared virtual area communication environment
US8261307B1 (en) 2007-10-25 2012-09-04 Qurio Holdings, Inc. Wireless multimedia content brokerage service for real time selective content provisioning
US8244721B2 (en) * 2008-02-13 2012-08-14 Microsoft Corporation Using related users data to enhance web search
US20100004975A1 (en) * 2008-07-03 2010-01-07 Scott White System and method for leveraging proximity data in a web-based socially-enabled knowledge networking environment
US8489599B2 (en) * 2008-12-02 2013-07-16 Palo Alto Research Center Incorporated Context and activity-driven content delivery and interaction
US8316020B1 (en) * 2008-12-09 2012-11-20 Amdocs Software Systems Limited System, method, and computer program for creating a group profile based on user profile attributes and a rule
US10628847B2 (en) 2009-04-15 2020-04-21 Fiver Llc Search-enhanced semantic advertising
US8200617B2 (en) 2009-04-15 2012-06-12 Evri, Inc. Automatic mapping of a location identifier pattern of an object to a semantic type using object metadata
WO2010120925A2 (en) 2009-04-15 2010-10-21 Evri Inc. Search and search optimization using a pattern of a location identifier
US20110035683A1 (en) * 2009-08-07 2011-02-10 Larry Stead Method and apparatus for synchronous, collaborative media consumption
FI122770B (fi) * 2009-11-11 2012-06-29 Adfore Technologies Oy Kontekstitietoisuudella ohjattava mobiililaite
US9092516B2 (en) * 2011-06-20 2015-07-28 Primal Fusion Inc. Identifying information of interest based on user preferences
US8204890B1 (en) * 2011-09-26 2012-06-19 Google Inc. Media content voting, ranking and playing system
US8983905B2 (en) 2011-10-03 2015-03-17 Apple Inc. Merging playlists from multiple sources
KR101812657B1 (ko) * 2011-11-22 2018-01-31 삼성전자주식회사 컨텍스트 정보에 기초한 애플리케이션 추천 시스템 및 방법
US9369532B2 (en) * 2013-03-01 2016-06-14 Qualcomm Incorporated Method and apparatus for providing contextual context to a user device
US20190332656A1 (en) * 2013-03-15 2019-10-31 Sunshine Partners, LLC Adaptive interactive media method and system
US20140298195A1 (en) * 2013-04-01 2014-10-02 Harman International Industries, Incorporated Presence-aware information system
US9483580B2 (en) * 2013-06-11 2016-11-01 International Business Machines Corporation Estimation of closeness of topics based on graph analytics
US9471671B1 (en) 2013-12-18 2016-10-18 Google Inc. Identifying and/or recommending relevant media content
US8938488B1 (en) * 2013-12-27 2015-01-20 Linkedin Corporation Techniques for populating a content stream on a mobile device
US20170065792A1 (en) * 2015-09-03 2017-03-09 Withings Method and System to Optimize Lights and Sounds For Sleep
US11108657B2 (en) * 2017-06-16 2021-08-31 Arris Enterprises Llc QoE-based CATV network capacity planning and upgrade system
TWI711942B (zh) * 2019-04-11 2020-12-01 仁寶電腦工業股份有限公司 聽力輔助裝置之調整方法
JP7244458B2 (ja) * 2020-06-03 2023-03-22 ヤフー株式会社 情報処理装置、情報処理方法および情報処理プログラム
US11853968B2 (en) 2021-01-20 2023-12-26 Dropbox, Inc. Generating and providing collections of collaborative content items to teams of user accounts

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6236768B1 (en) * 1997-10-14 2001-05-22 Massachusetts Institute Of Technology Method and apparatus for automated, context-dependent retrieval of information
US6311194B1 (en) * 2000-03-15 2001-10-30 Taalee, Inc. System and method for creating a semantic web and its applications in browsing, searching, profiling, personalization and advertising
US7739335B2 (en) * 2000-06-22 2010-06-15 Sony Corporation Method and apparatus for providing a customized selection of audio content over the internet

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101511403B1 (ko) * 2007-10-24 2015-04-10 소우셜 커뮤니케이션즈 컴퍼니 실시간 데이터 스트림 접속 스위칭 방법, 장치 및 컴퓨터 판독가능 매체
US9483157B2 (en) 2007-10-24 2016-11-01 Sococo, Inc. Interfacing with a spatial virtual communication environment
US9762641B2 (en) 2007-10-24 2017-09-12 Sococo, Inc. Automated real-time data stream switching in a shared virtual area communication environment
WO2012002685A2 (ko) * 2010-07-02 2012-01-05 아코지토(주) 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템
WO2012002685A3 (ko) * 2010-07-02 2012-02-23 아코지토(주) 협력적 필터링 알고리즘 기반의 아이피티브이 개인별 선호프로그램 추천시스템
US8799936B2 (en) 2010-07-02 2014-08-05 Byuck San Power, Ltd. Cooperative filtering algorithm-based personal preference program recommendation system for IPTV
US9853922B2 (en) 2012-02-24 2017-12-26 Sococo, Inc. Virtual area communications
KR20150098568A (ko) * 2014-02-20 2015-08-28 삼성전자주식회사 전자 장치에서 비정형 데이터에 기초한 에피소드 기억 식별 방법

Also Published As

Publication number Publication date
WO2004036458A2 (en) 2004-04-29
EP1556799A2 (en) 2005-07-27
WO2004036458A3 (en) 2004-07-22
CN1689001A (zh) 2005-10-26
JP2006504161A (ja) 2006-02-02
US20060031288A1 (en) 2006-02-09
AU2003260923A8 (en) 2004-05-04
AU2003260923A1 (en) 2004-05-04

Similar Documents

Publication Publication Date Title
KR20050061548A (ko) 사용자 그룹 또는 사용자에게 미디어 컨텐츠를 제공하는방법 및 시스템
US20230100286A1 (en) Methods, systems, and media for aggregating and presenting content relevant to a particular video game
US20210173834A1 (en) Method and system for capturing and exploiting user intent in a conversational interaction based information retrieval system
KR102030078B1 (ko) 대화형 상호작용 시스템에서 서치 입력에서의 사용자 의도를 추론하는 방법 및 이를 위한 시스템
US9824150B2 (en) Systems and methods for providing information discovery and retrieval
US11354510B2 (en) System and method for semantic analysis of song lyrics in a media content environment
US10360260B2 (en) System and method for semantic analysis of song lyrics in a media content environment
US20190339835A1 (en) Systems and Methods for Presentation of Content Items Relating to a Topic
JP2009514075A (ja) 選択されたコンテンツアイテムをユーザーに提供する方法
JP7171911B2 (ja) ビジュアルコンテンツからのインタラクティブなオーディオトラックの生成
Lu et al. Personalization in multimedia retrieval: A survey
GB2597207A (en) Conversational user interface system and method of operation
Uhlmann et al. Personalization algorithms for portable personality
Vildjiounaite et al. Context-dependent user modelling for smart homes
Mateas et al. Terminal time: An ideologically-biased history machine
Bellekens et al. User model elicitation and enrichment for context-sensitive personalization in a multiplatform TV environment
Laakko Context-aware web content adaptation for mobile user agents
Berkovsky et al. Case-based to content-based user model mediation
Uhlmann et al. Portable personality and its personalization algorithms: An overview and directions
Hardman et al. Creating meaningful multimedia presentations
Willems Design and development of a voice controlled music
Tsatsou et al. deliverable 4.1 Specification of user profiling and contextualisation
Caschera et al. Information extraction based on personalization and contextualization models for multimodal data
Hardman et al. REPORT INS-E0602 FEBRUARY 2006
Smeets et al. Dynamic Integration of Web and TV content for Personalized Information Retrieval in Interactive TV

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid