KR20090074108A - 상황인지를 통한 컨텐츠 추천방법 - Google Patents

상황인지를 통한 컨텐츠 추천방법 Download PDF

Info

Publication number
KR20090074108A
KR20090074108A KR1020087006084A KR20087006084A KR20090074108A KR 20090074108 A KR20090074108 A KR 20090074108A KR 1020087006084 A KR1020087006084 A KR 1020087006084A KR 20087006084 A KR20087006084 A KR 20087006084A KR 20090074108 A KR20090074108 A KR 20090074108A
Authority
KR
South Korea
Prior art keywords
information
content
recommendation
user
preference
Prior art date
Application number
KR1020087006084A
Other languages
English (en)
Inventor
김건오
최광선
정용일
하상범
이호진
Original Assignee
주식회사 솔트룩스
주식회사 케이티프리텔
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 주식회사 솔트룩스, 주식회사 케이티프리텔 filed Critical 주식회사 솔트룩스
Publication of KR20090074108A publication Critical patent/KR20090074108A/ko

Links

Images

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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 상황인지를 통한 컨텐츠 추천방법에 관한 것으로, 구체적으로는 IMS 망으로부터 수집된 정보들을 데이터 마이닝을 통해 분석하고 의미적인 패턴을 식별한 뒤, 온톨로지 기반으로 기술하고, 제공될 컨텐츠의 특성을 온톨로지와 언어 형태적 패턴으로 기록한 뒤, 다양한 관점과 방식에 의한 추천 필터를 통합된 추천 프레임워크에서 운영함으로써, 각종 상황에 적합한 컨텐츠 추천을 수행할 수 있는 컨텐츠 추천방법에 관한 것이다.
본 발명의 상황인지를 통한 컨텐츠 추천방법은 사용자 정보를 수신하는 단계와 상기 사용자 정보를 이용한 개인 선호 정보를 생성하는 단계와 상기 컨텐츠 선호 정보를 이용하여 추천 전략을 결정하는 단계와 상기 추천 전략과 컨텐츠 정보를 이용하여 추천 기능을 조합하는 단계와 상기 조합에 대해 추천 결과를 개인화하는 단계 및 상기 개인화된 컨텐츠 정보를 제공하는 단계를 포함하여 이루어짐에 기술적 특징이 있다.
또한, 본 발명에 의한 상황인지를 통한 컨텐츠 추천방법은 이동통신망이 IMS(IP Multimedia Subsystem) 기반으로 확장되고 개방되어 짐에 따라 휴대폰을 비롯한 모바일 단말장치에서 접근 가능한 컨텐츠의 종류와 수가 급격히 늘어남에 따라 모바일 단말장치 사용자에게 좀더 효율적이고 정확한 컨텐츠를 제공할 수 있는 장점이 있으며, 또한, 상황인지를 통한 컨텐츠 추천방법은 모바일 단말장치 사용자의 현재 상황정보에 따라 사용자의 생활 패턴 등을 추론할 수 있으며, 추론된 생활 패턴에 매칭되는 컨텐츠를 적시적소에 제공할 수 있는 장점이 있다.

Description

상황인지를 통한 컨텐츠 추천방법{METHOD FOR RECOMMENDING CONTENTS WITH CONTEXT AWARENESS}
본 발명은 상황인지를 통한 컨텐츠 추천방법에 관한 것으로, 구체적으로는 IMS 망으로부터 수집된 정보들을 데이터 마이닝을 통해 분석하고 의미적인 패턴을 식별한 뒤, 온톨로지 기반으로 기술하고, 제공될 컨텐츠의 특성을 온톨로지와 언어 형태적 패턴으로 기록한 뒤, 다양한 관점과 방식에 의한 추천필터를 통합된 추천 프레임워크에서 운영함으로써, 각종 상황에 적합한 컨텐츠 추천을 수행할 수 있는 컨텐츠 추천방법에 관한 것이다.
종래의 컨텐츠의 추천에서 개인의 성향을 판단하는 방법은 주로 데이터마이닝을 통해 식별된 성향 판단을 통한 추천과 각각의 정해진 상황에 대한 한정된 결정 트리를 이용한 추천으로 대별된다.
또한, 개인화된 추천을 수행하는 체계에 대해서는 사용자 정보 공개를 전제로 개인화된 정보를 추천하고 이에 대한 단말의 조건을 제시하거나, 개인 중심의 서비스 제공방법에 있어서는 온톨로지에 기반한 시맨틱 매칭을 근간으로 각각의 모듈(시맨틱 매칭, 온톨로지 서비스, 프로파일 관리)을 별도의 관점으로 구성하고 있다.
데이터마이닝을 통해 식별된 성향 판단의 경우는 주로 고객이 과거에 컨텐츠를 사용한 이력을 토대로 관련된 성향의 패턴을 분석하고 구별되는 패턴들을 기준으로 고객을 세분화하여 세분화된 성향에 따른 고객 선호를 발견하게 된다. 이러한 방법은 다수의 고객 이력이 존재하고, 고객 이력의 수가 통계적으로 충분히 많을 때(통계적 변별력이 있을 때)에 매우 효과적이다.
하지만 고객의 이력이 충분히 많지 않은 경우(예를 들면, 새로운 컨텐츠 종류에 대한 이력이 충분히 많지 않은 경우)에는 해당 추천이 적절한 효과를 발휘할 수 없다. 더욱이 IMS 모바일 통신환경에서 처럼 계속적으로 새롭고 다양한 종류의 컨텐츠가 생성되는 경우에는 새롭게 추가된 컨텐츠는 추천의 범주에 속하지 않을 가능성이 있다.
또한, 데이터마이닝을 통해 구별된 선호는 한 명의 개인을 위한 것이 아닌, 비슷한 성향을 지닌 대표 그룹의 성향이므로 충분히 개인화 될 수 없다.
또한, 종래에는 파악된 고객 선호를 기반으로 미리 정의된 결정 트리에 의해 추천을 하는 경우에는, 미리 정의되지 못한 경우에 대해 부적합한 추천의 결론을 도출할 수 있다는 한계가 있다. 이러한 방식은 계속적으로 고객과 컨텐츠가 확장되고 변화하는 환경에서 또한, 고객의 성향이 문화적 시대상을 반영하는 컨텐츠의 경우에는 마이닝과 같은 통계적 방식으로의 추천은 한계를 보일 수 있는 문제점이 있다.
기술적 과제
본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위한 것으로, 데이터마이닝을 통한 과거의 이력 기반의 선호 추출과 함께 선호의 온톨로지 기반의 표현을 군집된 대표 그룹의 선호가 각각의 개인의 선호로 확장될 수 있는 체계를 지원하는 상황인지를 통한 컨텐츠 추천 방법을 제공하는 목적이 있다.
또한, 본 발명은 온톨로지 기반의 개념 확장과 추론을 통해 이미 정의되어 분류된 선호만이 아닌 계속적인 개념 확장의 틀을 제공하고 추천의 기반 모델이 계속 확장될 수 있도록 하는 컨텐츠 추천 방법을 제공하는 목적이 있다.
또한, 본 발명은 개인정보의 명시적인 공개 없이 각각의 개인의 익명화된 컨텐츠 서비스 사용기록을 통한 선호 추출이 가능한 컨텐츠 추천 방법을 제공하는 목적이 있다.
또한, 본 발명은 각각의 특성을 지는 컨텐츠 추천 방식에 대해, 개인의 상황과 서비스 상황에 따른 적절한 추천 전략을 적용할 수 있게 함으로써, 보다 개인화되고 개인의 필요에 맞는 추천이 가능하도록 하는 통합적인 컨텐츠 추천의 방법과 체계를 제공하는 목적이 있다.
기술적 해결방법
본 발명에 따른 상황인지를 통한 컨텐츠 추천방법은 사용자 정보를 수신하는 단계와 상기 사용자 정보를 이용한 개인 선호 정보를 생성하는 단계와 상기 컨텐츠 선호 정보를 이용하여 추천 전략을 결정하는 단계와 상기 추천 전략과 컨텐츠 정보를 이용하여 추천 기능을 조합하는 단계와 상기 조합에 대해 추천결과를 개인화하는 단계 및 상기 개인화된 컨텐츠 정보를 제공하는 단계를 포함한다.
유리한 효과
따라서, 본 발명의 상황인지를 통한 컨텐츠 추천방법은 데이터마이닝을 통한 과거의 컨텐츠 사용 이력 기반의 선호 추출과 함께 선호의 온톨로지 기반의 표현을 군집된 대표 그룹의 선호가 각각의 개인의 선호로 확장될 수 있는 체계를 지원할 수 있다.
또한, 본 발명은 온톨로지 기반의 개념 확장과 추론을 통해 이미 정의되어 분류된 선호만이 아닌 계속적인 개념 확장의 틀을 제공하고 추천의 기반 모델이 계속 확장될 수 있도록 하는 컨텐츠 추천 방법을 제공할 수 있다.
또한, 본 발명은 개인정보의 명시적인 공개 없이 각각의 개인의 익명화된 컨텐츠 서비스 사용기록을 통한 선호 추출이 가능한 컨텐츠 추천 방법을 제공할 수 있다.
또한, 본 발명은 각각의 특성을 지는 컨텐츠 추천 방식에 대해, 개인의 상황과 서비스 상황에 따른 적절한 추천 전략을 적용할 수 있게 함으로써, 보다 개인화되고 개인의 필요에 맞는 추천이 가능하도록 하는 통합적인 컨텐츠 추천의 방법과 체계를 제공할 수 있다.
또한, 본 발명에 의한 상황인지를 통한 컨텐츠 추천방법은 이동통신망이 IMS(IP Multimedia Subsystem) 기반으로 확장되고 개방되어 짐에 따라 휴대폰을 비롯한 모바일 단말장치에서 접근 가능한 컨텐츠의 종류와 수가 급격히 늘어남에 따라 모바일 단말장치 사용자에게 좀더 효율적이고 정확한 컨텐츠를 제공할 수 있는 장점이 있다.
또한, 본 발명에 의한 상황인지를 통한 컨텐츠 추천방법은 모바일 단말장치 사용자의 현재 상황정보에 따라 사용자의 생활 패턴 등을 추론할 수 있으며, 추론된 생활 패턴에 매칭되는 컨텐츠를 적시적소에 제공할 수 있는 장점이 있다.
도 1은 본 발명에 따른 지능혼합형 컨텐츠 추천 방법을 나타내는 개략도,
도 2는 본 발명에 따른 컨텐츠 기반 추천을 나타내는 구성도,
도 3은 본 발명에 따른 컨텐츠 기반 추천을 나타내는 흐름도,
도 4는 본 발명에 따른 온톨로지 기반 추천을 나타내는 구성도,
도 5는 본 발명에 따른 온톨로지 기반 추천을 나타내는 흐름도,
도 6은 본 발명에 따른 추천기법 선택 과정을 나타내는 흐름도,
도 7은 본 발명에 따른 사회 관계망을 생성하는 흐름도이다.
발명의 실시를 위한 형태
본 발명의 상기 목적과 구성 및 효과에 대한 자세한 사항은 본 발명의 실시예를 도시한 도면을 참조한 상세한 설명에 의해 보다 명확하게 이해될 것이다.
도 1은 본 발명에 따른 지능혼합형 컨텐츠 추천 방법을 나타내는 개략도이다. 도 1에 도시된 바와 같이, 가입자 프로필 정보(105) 및 컨텐츠 사용 이력 정보(110)를 수신한 개인선호 식별 정보(120)는 컨텐츠 선호 분석(121) 및 사회 관계망 분석(122)을 포함하며, 개인선호 식별 정보(120)는 컨텐츠 사용 이력 정보(110) 분석을 통한 개인 선호 정보(125)와 표본 집단에 대한 데이터 마이닝 분석을 통한 대표 그룹 선호 정보(130) 및 사회 관계망을 통해 분석된 관계 그룹의 선호 정보 (135) 등 3가지 형태의 선호 정보가 식별되어 추출된다. 이러한 선호 정보는 서비스나 개인의 상황에 따라 각각의 활용가치를 갖게 된다.
가입자 프로필 정보(105)는 사용자가 서비스 등록시 등록정보에 입력하는 기본 정보로서, 이름, 집주소, 전화번호, 직장주소, 취미, 선호하는 컨텐츠 종류 등으로 상기에서 나열한 것 이외에 가입자가 기재 가능한 정보를 더 포함할 수 있다.
사회 관계망 분석(122)은 가입자 프로필 정보(105)인 정적 정보 및 가입자의 현재 상태의 정보를 수집한 동적 정보를 통해 가입자가 직접적으로 입력하지 않은 다른 가입자들을 파악하여 사회적 관계를 유추할 수 있다. 동적 정보는 시간에 따라 변하는 정보들로서, 사용자의 현재 위치, 최근 통화목록을 통한 통화 대상자, 통화 음성을 분석을 통한 사용자의 현재 심리 상태 등이 있다. 예를 들어, 가입자가 업무 시간에 자주 통화하는 다른 가입자는 직장동료, 가족, 애인 내지 업무 관계사 직원 등으로 유추할 수 있으며, 유추된 다른 가입자 중에서 오후 9시부터 오후 12시까지 동일한 기지국을 이용하고 있으나, 가입자와 서로 통화하지 않는 다른 가입자는 가족 또는 애인으로 범위를 좁힐 수 있다. 왜냐하면, 가입자와 해당 다른 가입자가 밤 늦은 시간에 동일한 장소에서 함께 있다는 것은 동일한 건물 내에 같이 존재한다고 추론할 수 있기 때문이다.
또한, 대표 그룹 선호 정보(130)는 사용자의 컨텐츠 사용이력이나 선호 컨텐츠 정보가 없는 경우, 사용자의 프로필 정보인 성별, 나이, 직업, 지역 등의 정보를 통해 유사한 사용자 그룹을 설정하고 설정된 그룹에 해당하는 컨텐츠 선호 정보를 파악하여 구성한다.
또한, 관계 그룹 선호 정보(135)는 사회 관계망 분석(122)을 통해 판단된 하나 이상의 다른 가입자 중에서 사용자와 유사한 프로필 정보를 보유한 가입자 그룹을 설정하여 설정된 그룹에 해당하는 컨텐츠 선호 정보를 파악하여 구성한다.
IMS(IP Multimedia Subsystem) 응용 서비스로부터 전달되는 컨텐츠 정보(140)는 컨텐츠 분류 정보(141)와 컨텐츠 자체의 내용에 대한 컨텐츠 특성 정보(142)로 구분되어 분석되고 이러한 결과는 텍스트 마이닝 기술과 온톨로지를 통해 기술된다. 또한, IMS 망과 응용 서비스로부터 전달되는 개인 상황 정보(144)와 서비스의 상황 정보(143)는 온톨로지를 통해 기술되고 컨텐츠 추천시 추천 전략을 결정하는 과정에서 사용되게 된다. 컨텐츠 추천(150)시 추천 전략 결정 과정(151)에서는 개인의 선호 유무(초기 가입자인지와 관련)와 추천의 범위(사용자의 원하는 것, 비슷한 것, 남들이 할만 한 것)에 따라 어떤 선호를 사용할 것인지를 결정하게 된고, 컨텐츠의 분류와 특성 및 개인과 서비스의 상황에 대한 반영 정도에 따라 컨텐츠 기반의 추천 기능과 온톨로지 기반의 추천 기능 혹은 혼합 사용 등을 결정하여 추천 기능을 조합(152)하게 된다.
이렇게 추천된 결과는 다시 각각의 개인의 선호를 반영하여 우선 순위를 결정함으로써 개인화(153) 된다. 상기와 같은 단계 이후, 상황인지에 따른 개인화된 추천결과(160)를 사용자에게 제공하게 된다.
도 2는 본 발명에 따른 컨텐츠 기반 추천을 나타내는 구성도이다. 도 2에 도시된 바와 같이, 사용자 상황 정보 수집부(210)는 사용자의 현재 위치, 현재 시각, 최근 통화 기록, 통화에 따른 음성정보를 통한 사용자 심리상태, 사용자가 보유한 단말기와 연결되는 기지국 정보를 이용한 이동 경로(이동 경로는 GPS 기능을 통해 수집할 수 있음) 및 컨텐츠 서비스 이력 등의 정보를 수집한다.
선호 컨텐츠 관리부(220)는 지능형 추천을 관장하며, 사용자에게 전달하고자 하는 컨텐츠의 추천 의도를 판단하고 적합한 추천 방식을 결정하여 추천형 검색을 수행하는 구성으로서, 사용자의 선호 정보 유무와 상기 사용자 상황 정보 수집부(210)를 통해 수집되는 상황정보를 바탕으로 추천 방식을 선택한다.
선호 컨텐츠 관리부(220)는 사용자 상황 정보 수집부(210)로부터 사용자 현재 상황정보를 수신하며, 사용자 정보 관리부(240)로 사용자에 대한 정보를 요청한다. 또한, 사용자 상황 정보 수집부(210)는 수집된 사용자 상황 정보를 사용자 정보 관리부(240)로 전달하여 사용자 정보를 갱신할 수 있다.
컨텐츠 추천 매칭부(230)는 컨텐츠의 내용 기반 추천을 수행하는 객체로서 컨텐츠의 내용 기반의 추천은 컨텐츠를 구성하는 텍스트에서 통계적으로 유의미한 키워드를 식별하고 해당 키워드의 특성(빈도수 등의 통계치)과 각 사용자 선호를 구성하는 키워드들의 특성을 기반으로 벡터 연산을 통한 유사성에 근거하여 컨텐츠를 추천하는 방식을 사용한다.
사용자 정보 관리부(240)는 사용자가 가입시 입력하거나 추가적으로 정보를 갱신하기 위해 입력한 프로필 정보인 정적 정보와 사용자 상황 정보 수집부(210)를 통해 전송되는 사용자 상황 정보인 동적 정보를 저장하고, 관리한다. 사용자 정보 관리부(240)는 선호 컨텐츠 관리부(220)가 요청하는 사용자 정보를 전송하며, 컨텐츠 추천 매칭부(230)에서 요청하는 사용자의 선호 컨텐츠 정보를 전송한다.
또한, 컨텐츠 정보 관리부(250)는 사용자를 포함하는 서비스 가입자들에게 제공된 컨텐츠 정보를 저장 및 관리하는 구성이다. 컨텐츠 정보 관리부(250)는 도 1에서와 같이, 저장된 컨텐츠에 대해 컨텐츠 분류 정보(141), 컨텐츠 특성 정보(142), 서비스 상황 정보(143) 및 컨텐츠를 이용한 사용자의 개인 상황 정보(144) 등을 포함한다. 또한, 컨텐츠 정보 관리부(250)는 컨텐츠 추천 매칭부(230)에서 요청하는 컨텐츠 모델에 대한 정보를 제공한다.
사용자 선호 결정부(260)는 추천된 컨텐츠의 개인화 랭킹(우선 순위 결정)을 관장하는 객체로서 추천을 통해 1차적으로 구성된 컨텐츠의 정렬 순서를 개인의 선호를 기반으로 재정렬할 수 있다.
도 3은 본 발명에 따른 컨텐츠 기반 추천을 나타내는 흐름도이다. 도 3에 도시된 바와 같이(도 2 참조), 선호 컨텐츠 관리부(220)는 사용자의 상황정보를 사용자 상황정보 수집부(210)로 요청하며 이에 대한 사용자 상황정보를 수신한다(S205). 또한, 선호 컨텐츠 관리부(220)는 사용자 정보 관리부(240)로 사용자의 정적 정보 및 동적 정보를 요청하고 이를 수신한다(S210).
사용자의 상황정보, 정적 정보 및 동적 정보를 수신한 선호 컨텐츠 관리부(220)는 사용자 추천목적을 분석한다(S215). 이후, 사용자 정보를 통해 선호 그룹을 선택한다(S220). 선호 그룹 선택은 사용자 정보를 통해 분류된 개인 선호 정보와 표본 집단에 대한 데이터 마이닝 분석을 통한 대표 그룹 선호 정보 및 사회 관계망을 통해 분석된 관계 그룹의 선호 정보 등 3가지 형태의 선호 정보가 식별되어 추출된다.
선호 컨텐츠 관리부(220)는 추천목적을 분석한 결과와 S220 단계에서 선택된 선호 그룹에 따라 추천방법을 매칭하는데(S225), 매칭되는 추천 방법은 컨텐츠 기반 추천과 온톨로지 기반 추천으로 구분된다. 이때, 컨텐츠 기반 추천으로 추천방법이 매칭되는 경우(S230), 사용자의 특성과 컨텐츠 특성을 비교하여 사용자에 매칭되는 컨텐츠를 추출하여 목록을 구성한다(S235). 이후, 추출된 컨텐츠에 대응하는 사용자 선호 컨텐츠 정보를 컨텐츠 정보 관리부(250)로 요청하고 대응되는 정보를 수신한다(S240).
컨텐츠 추천 매칭부(230)는 컨텐츠 정보 관리부(250)로부터 수신된 컨텐츠 정보와 사용자 선호 정보와 매칭하고(S245), 매칭된 정보를 사용자 선호 결정부(260)로 전송하여 사용자 선호 정도에 따라 제공 우선순위를 결정한다(S250).
이후, 컨텐츠 추천 매칭부(230)는 사용자 선호 결정부(260)로부터 수신되는 우선순위 결정 결과에 따라 추천 결과를 사용자에게 제공한다(S255).
도 4는 본 발명에 따른 온톨로지 기반 추천을 나타내는 구성도이다. 도 4에 도시된 바와 같이, 사용자 상황 정보 수집부(210)는 사용자의 현재 위치, 현재 시각, 최근 통화 기록, 통화에 따른 음성정보를 통한 사용자 심리상태, 사용자가 보유한 단말기와 연결되는 기지국 정보를 이용한 이동 경로(이동 경로는 GPS 기능을 통해 수집할 수 있음) 및 컨텐츠 서비스 이력 등의 정보를 수집한다.
선호 컨텐츠 관리부(220)는 지능형 추천을 관장하며, 사용자에게 전달하고자 하는 컨텐츠의 추천 의도를 판단하고 적합한 추천 방식을 결정하여 추천형 검색을 수행하는 구성으로서, 사용자의 선호 정보 유무와 상기 사용자 상황 정보 수집부 (210)를 통해 수집되는 상황정보를 바탕으로 추천 방식을 선택한다.
선호 컨텐츠 관리부(220)는 사용자 상황 정보 수집부(210)로부터 사용자 현재 상황정보를 수신하며, 사용자 정보 관리부(240)로 사용자에 대한 정보를 요청한다. 또한, 사용자 상황 정보 수집부(210)는 수집된 사용자 상황 정보를 사용자 정보 관리부(240)로 전달하여 사용자 정보를 갱신할 수 있다.
시멘틱 매칭부(310)는 온톨로지를 활용한 의미 기반 추천을 수행하는 구성으로서, 온톨로지에 매핑되어 있는 사용자의 선호와 컨텐츠 특성 간의 ㅣ온톨로지 구상상의 개념적 유사도를 측정하는 알고리즘을 제공한다. 또한, 시멘틱 매칭부(310)는 컨텐츠 정보 관리부(250)로 시멘틱 컨텐츠 모델을 요청하며, 사용자 정보 관리부(240)로 사용자 온톨로지 모델과 사용자 상황 모델을 요청한다.
사용자 정보 관리부(240)는 사용자가 가입시 입력하거나 추가적으로 정보를 갱신하기 위해 입력한 프로필 정보인 정적 정보와 사용자 상황 정보 수집부(210)를 통해 전송되는 사용자 상황 정보인 동적 정보를 저장하고, 관리한다. 사용자 정보 관리부(240)는 선호 컨텐츠 관리부(220)가 요청하는 사용자 정보를 전송하며, 시멘틱 매칭부(310)에서 요청하는 사용자 온톨로지 모델과 사용자 상황 모델 정보를 전송한다.
또한, 컨텐츠 정보 관리부(250)는 사용자를 포함하는 서비스 가입자들에게 제공된 컨텐츠 정보를 저장 및 관리하는 구성이다. 컨텐츠 정보 관리부(250)는 도 1에서와 같이, 저장된 컨텐츠에 대해 컨텐츠 분류 정보(141), 컨텐츠 특성 정보(142), 서비스 상황 정보(143) 및 컨텐츠를 이용한 사용자의 개인 상황 정보(144) 등을 포함한다. 또한, 컨텐츠 정보 관리부(250)는 컨텐츠 추천 매칭부(230)에서 요청하는 컨텐츠 모델에 대한 정보를 제공한다.
상황분석 추론부(320)는 가입자의 상황을 추론하는 구성으로서, 가입자의 상황 정보를 통해 개념적 상황정보를 추론하는 기능을 담당한다. 예를 들어, 화요일 오전 10시에 사용자 상황 정보 수집부(210)를 통해 입력된 사용자의 상황이 삼성동 근처에 있는 경우(사용자 프로필 정보에 직장 주소가 삼성동이라고 명시되어 있음), 상황분석 추론부(320)는 이러한 정보들을 이용하여, 현재 사용자는 화요일 오전 10시이기 때문에 업무시간이며, 삼성동 근처에 위치하기 때문에 사무실 내지 사무실 근처에서 업무를 수행하고 있을 것임을 추론할 수 있다.
시멘틱 선호 추론부(330)는 사용자의 상황, 선호를 고려하여 규칙 기반 추론을 수행하는 구성으로서, 정의된 가설에 기반한 추론 규칙을 통해 사용자의 상황이나 선호를 추측한다. 예를 들어, 청바지와 핫팬츠를 즐겨입는 사용자라는 사실을 통해 해당 사용자는 '20∼30대 여성'임을 추측할 수 있다.
사용자 선호 결정부(260)는 추천된 컨텐츠의 개인화 랭킹(우선 순위 결정)을 관장하는 객체로서 추천을 통해 1차적으로 구성된 컨텐츠의 정렬 순서를 개인의 선호를 기반으로 재정렬할 수 있다.
도 5는 본 발명에 따른 온톨로지 기반 추천을 나타내는 흐름도이다. 도 5에 도시된 바와 같이(도 4 참조), 선호 컨텐츠 관리부(220)는 사용자의 상황정보를 사용자 상황정보 수집부(210)로 요청하며 이에 대한 사용자 상황정보를 수신한다(S305). 또한, 선호 컨텐츠 관리부(220)는 사용자 정보 관리부(240)로 사용자의 정 적 정보 및 동적 정보를 요청하고 이를 수신한다(S310).
사용자의 상황정보, 정적 정보 및 동적 정보를 수신한 선호 컨텐츠 관리부(220)는 사용자 추천목적을 분석한다(S315). 이후, 사용자 정보를 통해 선호 그룹을 선택한다(S320). 선호 그룹 선택은 사용자 정보를 통해 분류된 개인 선호 정보와 표본 집단에 대한 데이터 마이닝 분석을 통한 대표 그룹 선호 정보 및 사회 관계망을 통해 분석된 관계 그룹의 선호 정보 등 3가지 형태의 선호 정보가 식별되어 추출된다.
선호 컨텐츠 관리부(220)는 추천목적을 분석한 결과와 S320 단계에서 선택된 선호 그룹에 따라 추천방법을 매칭하는데(S325), 매칭되는 추천 방법은 컨텐츠 기반 추천과 온톨로지 기반 추천으로 구분된다. 이때, 온톨로지 기반 추천으로 추천방법이 매칭되는 경우(S330), 시맨틱 매칭부(310)는 컨텐츠 정보 관리부(250)로 시멘틱 컨텐츠 모델을 요청하고 이에 대한 정보를 수신한다(S335).
이후, 시맨틱 매칭부(310)는 사용자 정보 관리부(240)로 사용자 온톨로지 모델을 요청하고 이에 대한 정보를 수신하며(S340), 사용자 상황 모델을 요청하고 이에 대한 정보를 수신한다(S345).
시맨틱 매칭부(310)는 S335, S340 및 S345 단계에서 수신된 정보를 상황분석 추론부(320)로 전송하여 해당 정보에 대한 추론 결과를 요청하고 이에 대한 정보를 수신한다(S360).
상황분석 추론부(320)로부터 추론 결과를 전송받은 시맨틱 매칭부(310)는 시맨틱 룰을 구성하고(S355), S335, S340 및 S345 단계에서 수신된 정보와 구성된 시 맨틱 룰을 포함한 정보를 시맨틱 선호 추론부(330)로 전송하여 추론에 의한 선호 결과를 요청하고 이에 대한 정보를 수신한다(S360).
이후, 시맨틱 매칭부(310)는 수신된 정보를 사용자 선호 결정부(260)로 전송하여 사용자 선호 정도에 따라 제공 우선순위 결정을 요청하고(S365), 사용자 선호 결정부(260)로부터 수신되는 우선순위 결정 결과에 따라 추천 결과를 사용자에게 제공한다(S370).
도 6은 본 발명에 따른 추천기법 선택 과정을 나타내는 흐름도이다. 도 6에 도시된 바와 같이, 사용자의 개인선호 정보 저장여부를 판단하여(S405), 개인선호 정보가 저장되어 있는 경우, 개인 선호기반 추천을 수행하며(S420), 신규가입 등으로 인해 사용자의 개인선호 정보가 저장되어 있지 않은 경우, 사용자의 프로필 정보 등을 통해 사용자의 프로필과 유사한 대표그룹의 선호기반 추천을 수행하고(S410) 또한, 해당 사용자의 사회관계 그룹의 선호 정보를 이용한 사회관계그룹 선호기반 추천을 수행한다(S415).
개인 선호기반 추천을 수행하는 경우(S420), 통합 추천 여부를 파악하고(S425), 이에 대해 통합 추천을 수행하는 경우에는 대표그룹 선호기반 추천(S430)과 사회관계그룹 선호기반 추천을 더 수행한다(S435). 반면, 통합 추천을 수행하지 않는 경우에는 상기와 같은 대표그룹 선호기반 추천과 사회관계그룹 선호기반 추천을 수행하지 않는다.
각각의 선호기반 추천을 수행한 이후, 추천 결과에 대한 가중치를 부여하는 단계를 수행하고(S440), 부여된 가중치를 판단하여(S445), 판단된 결과에 따라 컨 텐츠 기반 추천(S450)과 온톨로지 기반 추천(S455)을 각각 수행한다.
도 7은 본 발명에 따른 사회 관계망을 생성하는 흐름도이다. 도 7에 도시된 바와 같이, 사용자의 사회 관계망 생성을 위한 Raw 자료를 확보한다(S505). Raw 자료는 사용자의 이름, 나이, 성별, 주소, 요금제 등의 기본인적 사항과 시간대별 통화 빈도수, 통화 패턴, 통화 대상자, 통화 지역, 통화 시간 등의 통화자료를 포함한다. 사회 관계망 생성을 위한 Raw 자료는 상기 자료 이외에 단말기 정보 등을 더 포함할 수 있다. 이후, 수집된 Raw 자료는 기본인적 사항 자료와 통화자료로 분류한다(S510).
분류된 기본 인적사항(S515)은 인적 데이터 분석 단계를 통해 사용자의 사회 관계망을 위한 자료를 추출한다(S520). 즉, 서비스 가입 시 등록한 등록정보(프로필 정보)와 사용자 행위에 따른 축적된 정보를 바탕으로 실사용자를 구분하고 부가적인 환경 정보, 선호도, 생활패턴 등을 분석하여 예측한다.
또한, 분류된 통화자료(S530)는 통화 데이터 분석 단계를 통해 현재 사용자가 위치한 지역, 주요 통화 대상자, 주요 통화의 통화 시간 및 시간대역 등의 정보를 분석한다(S535). 예를 들어, 직장이 있는 사용자의 경우, 업무 시간에 통화하는 주요 대상자 또는 퇴근 이후, 통화하는 주요 대상자 등의 데이터를 분석하여 통화 대상자들의 사화 관계망 정보를 추출할 수 있다.
다음으로 인적 데이터 분석을 통해 추출된 정보를 1차 Social Relation 정의하고(S525), 통화 데이터 분석을 통해 추출된 정보를 2차 Social Relation 정의한다(S540). 인적 데이터 및 통화 데이터를 분석해서 나온 자료를 통합하는 단계를 수행한(S545) 이후, 통합된 결과 자료에 대해 최종 Social Network을 구축하는 단계를 수행한다(S550). 최종 Social Network 구축 단계는 1차 Social Relation 정의 단계와 2차 Social Relation 정의 단계에서 정의된 자료의 적합성 여부 및 유사 자료 분석 및 동일 데이터 삭제 등을 통해 사용자의 최종 사회 관계망을 정의하는 데이터를 추출한다. 다음으로 최종 Social Network 구축 단계에서 산출된 자료의 적합성 여부를 판단하여 산출자료가 적합한 경우, 해당 사용자의 사회 관계망을 생성하기 위한 모든 단계를 종료하며, 산출자료가 적합하지 않은 경우, 해당 산출자료의 결과를 판단하여 Raw 자료 확보, 1차 Social Relation 또는 2차 Social Relation 단계로 이동한다(S555).
이때, 해당 산출자료의 판단은 사회 관계망 테이블에 저장된 기존 정보와 상호 비교하여, 유사한 정도를 파악하는 것으로 할 수 있다. 즉, 기존 사회 관계망을 생성하는 작업을 통해 산출된 자료를 사회 관계망 테이블에 저장하여 이후에 산출된 사회 관계망 정보와 비교하여 그 결과 값이 해당 임계값에 부합하는 경우, 해당 사회 관계망 정보를 사용하고, 또한 기존 사회 관계망 테이블에 저장하여 사회 관계망 테이블을 업데이트 한다.

Claims (8)

  1. 아이엠에스(IMS) 통신망에서 컨텐츠를 추천하는 방법에 있어서,
    사용자 정보를 수신하는 단계;
    상기 사용자 정보를 이용한 개인 선호 정보를 생성하는 단계;
    상기 컨텐츠 선호 정보를 이용하여 추천 전략을 결정하는 단계;
    상기 추천 전략과 컨텐츠 정보를 이용하여 추천 기능을 조합하는 단계;
    상기 조합에 대해 추천 결과를 개인화하는 단계; 및
    상기 개인화된 컨텐츠 정보를 제공하는 단계를 포함하는 상황인지를 통한 컨텐츠 추천방법.
  2. 제 1 항에 있어서,
    상기 사용자 정보는 서비스 가입시 등록한 프로필 정보인 정적 정보; 및
    상기 사용자의 현재 상황에 따라 선택되는 동적 정보 중 어느 하나 이상을 포함하는 상황인지를 통한 컨텐츠 추천방법.
  3. 제 1 항에 있어서,
    상기 개인 선호 정보는 상기 사용자가 선호하는 컨텐츠 정보; 및
    상기 사용자의 사회 관계망 정보 중 어느 하나 이상을 포함하는 상황인지를 통한 컨텐츠 추천방법.
  4. 제 1 항에 있어서,
    상기 추천 전략은 컨텐츠 기반 추천 및 온톨로지 기반 추천 중 어느 하나 이상인 것을 특징으로 하는 상황인지를 통한 컨텐츠 추천방법.
  5. 제 4 항에 있어서, 상기 추천 전략은
    개인 선호 정보 저장여부 판단 단계;
    상기 판단 결과에 따라 추천 그룹을 선택하는 단계;
    선택된 상기 추천 그룹에 따라 추천 컨텐츠에 대해 가중치를 부여하는 단계; 및
    부여된 가중치를 분석하여 컨텐츠 기반 추천 및 온톨로지 기반 추천 중 어느 하나 이상을 선택하는 단계를 포함하는 상황인지를 통한 컨텐츠 추천방법.
  6. 제 5 항에 있어서, 상기 추천 그룹은
    상기 사용자가 선호하는 컨텐츠 정보를 포함하는 개인선호 그룹;
    상기 사용자의 프로필 정보와 유사한 사용자 그룹의 컨텐츠 정보를 통계화한 대표선호 그룹; 및
    상기 사용자의 사회 관계망에 따라 선택되어지는 하나 이상의 제2의 사용자의 컨텐츠 정보를 통계화한 사회관계 그룹을 포함하는 상황인지를 통한 컨텐츠 추천방법.
  7. 제 4 항에 있어서, 상기 컨텐츠 기반 추천 방법은
    상기 사용자 정보를 이용하여 상기 사용자가 선호하는 컨텐츠 목록을 생성하는 단계;
    상기 컨텐츠 목록에 대응하는 컨텐츠 정보를 수집하는 단계;
    수집된 상기 컨텐츠 정보와 상기 컨텐츠 목록을 매칭하는 단계; 및
    상기 매칭된 결과의 우선순위를 결정하고, 이에 대한 컨텐츠를 제공하는 단계를 포함하는 상황인지를 통한 컨텐츠 추천방법.
  8. 제 4 항에 있어서, 상기 온톨로지 기반 추천 방법은
    시멘틱 컨텐츠 정보, 사용자 온톨로지 정보 및 사용자 상황 정보를 수집하는 단계;
    상기 시멘틱 컨텐츠 정보, 사용자 온톨로지 정보 및 사용자 상황 정보를 통해 규칙 기반 추론을 수행하는 단계;
    상기 규칙 기반 추론을 통해 시멘틱 룰을 생성하는 단계;
    상기 시멘틱 룰의 추론을 통해 선호 결과를 생성하는 단계; 및
    상기 선호 결과의 우선순위를 결정하고, 이에 대한 컨텐츠를 제공하는 단계를 포함하는 상황인지를 통한 컨텐츠 추천방법.
KR1020087006084A 2007-12-28 2007-12-28 상황인지를 통한 컨텐츠 추천방법 KR20090074108A (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2007/006969 WO2009084749A1 (en) 2007-12-28 2007-12-28 Method for recommending contents with context awareness

Publications (1)

Publication Number Publication Date
KR20090074108A true KR20090074108A (ko) 2009-07-06

Family

ID=40824449

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020087006084A KR20090074108A (ko) 2007-12-28 2007-12-28 상황인지를 통한 컨텐츠 추천방법

Country Status (3)

Country Link
US (1) US20100257131A1 (ko)
KR (1) KR20090074108A (ko)
WO (1) WO2009084749A1 (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012116236A2 (en) * 2011-02-23 2012-08-30 Nova Spivack System and method for analyzing messages in a network or across networks
WO2012128434A1 (ko) * 2011-03-18 2012-09-27 경희대학교 산학협력단 목표 사용자의 상황 정보와 서비스의 보완도를 고려한 조합 서비스 추천 방법 및 시스템
CN103544623A (zh) * 2013-11-06 2014-01-29 武汉大学 一种基于用户偏好特征建模的Web 服务推荐方法
US8762302B1 (en) 2013-02-22 2014-06-24 Bottlenose, Inc. System and method for revealing correlations between data streams
KR101418393B1 (ko) * 2010-10-25 2014-07-14 한국전자통신연구원 모바일 사용자 상황 기반 지능형 광고 서비스 방법 및 장치
US8832092B2 (en) 2012-02-17 2014-09-09 Bottlenose, Inc. Natural language processing optimized for micro content
US8990097B2 (en) 2012-07-31 2015-03-24 Bottlenose, Inc. Discovering and ranking trending links about topics
KR20160093489A (ko) * 2015-01-29 2016-08-08 주식회사 솔트룩스 컨텐츠 수집, 추천 시스템 및 방법
WO2017078288A1 (ko) * 2015-11-02 2017-05-11 삼성전자 주식회사 사용자 프로파일을 생성하기 위한 전자 장치 및 방법

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8572211B2 (en) * 2008-07-09 2013-10-29 Sony Corporation System and method for effectively transmitting content items to electronic devices
US8645554B2 (en) * 2010-05-27 2014-02-04 Nokia Corporation Method and apparatus for identifying network functions based on user data
US9002924B2 (en) 2010-06-17 2015-04-07 Microsoft Technology Licensing, Llc Contextual based information aggregation system
KR101007336B1 (ko) * 2010-06-25 2011-01-13 한국과학기술정보연구원 온톨로지 기반 개인화 서비스 시스템 및 방법
US10511609B2 (en) 2010-09-15 2019-12-17 Core Mobile Networks, Inc. Context-based analytics and intelligence
US8606923B2 (en) * 2010-09-15 2013-12-10 Core Mobile Networks, Inc. System and method for real time delivery of context based content from the cloud to mobile devices
CN102547554B (zh) * 2011-12-28 2015-03-04 华中科技大学 基于移动用户行为的移动业务推荐方法
FR2988547A1 (fr) * 2012-03-26 2013-09-27 France Telecom Procede et systeme de notification, a un utilisateur d'un terminal, de donnees contextuelles a des elements identifies dans une application de type repertoire
CN103632278A (zh) * 2012-08-21 2014-03-12 镇江雅迅软件有限责任公司 一种基于上下文信息的多策略商品推荐系统
CN104956363B (zh) 2013-02-26 2019-06-11 企业服务发展公司有限责任合伙企业 联合社会媒体分析系统及其方法、存储介质
KR101590023B1 (ko) * 2014-03-27 2016-02-18 전자부품연구원 상황 기반 서비스 기술
KR101598601B1 (ko) * 2014-05-14 2016-03-02 전자부품연구원 상황 기반 서비스 지원 기술
CN104008203B (zh) * 2014-06-17 2018-04-17 浙江工商大学 一种融入本体情境的用户兴趣挖掘方法
US9818162B2 (en) * 2014-06-27 2017-11-14 Intel Corporation Socially and contextually appropriate recommendation systems
EP3070661A1 (en) * 2015-03-20 2016-09-21 Tata Consultancy Services Limited System and method for providing context driven hyper-personalized recommendation
CN104699859A (zh) * 2015-04-09 2015-06-10 成都卡莱博尔信息技术有限公司 基于知识工程的大数据采集方法
CN106126578B (zh) * 2016-06-17 2019-07-19 清华大学 一种Web服务推荐方法以及装置
US10803297B2 (en) 2017-09-27 2020-10-13 International Business Machines Corporation Determining quality of images for user identification
US10839003B2 (en) 2017-09-27 2020-11-17 International Business Machines Corporation Passively managed loyalty program using customer images and behaviors
US10776467B2 (en) * 2017-09-27 2020-09-15 International Business Machines Corporation Establishing personal identity using real time contextual data
US10795979B2 (en) 2017-09-27 2020-10-06 International Business Machines Corporation Establishing personal identity and user behavior based on identity patterns
US10565432B2 (en) 2017-11-29 2020-02-18 International Business Machines Corporation Establishing personal identity based on multiple sub-optimal images

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US6567797B1 (en) * 1999-01-26 2003-05-20 Xerox Corporation System and method for providing recommendations based on multi-modal user clusters
US6327590B1 (en) * 1999-05-05 2001-12-04 Xerox Corporation System and method for collaborative ranking of search results employing user and group profiles derived from document collection content analysis
US6606624B1 (en) * 1999-08-13 2003-08-12 The Regents Of The University Of California Apparatus and method for recommending to an individual selective information contained within a computer network
KR20020061119A (ko) * 2001-01-12 2002-07-22 유겐가이샤 츠유키 소프트 겐큐쇼 관계 설정 정보 관리 시스템, 관계 설정 정보 관리용프로그램 및 기록 매체
US7412202B2 (en) * 2001-04-03 2008-08-12 Koninklijke Philips Electronics N.V. Method and apparatus for generating recommendations based on user preferences and environmental characteristics
US7570943B2 (en) * 2002-08-29 2009-08-04 Nokia Corporation System and method for providing context sensitive recommendations to digital services
US7689432B2 (en) * 2003-06-06 2010-03-30 Hayley Logistics Llc System and method for influencing recommender system & advertising based on programmed policies
US7526464B2 (en) * 2003-11-28 2009-04-28 Manyworlds, Inc. Adaptive fuzzy network system and method
WO2005072405A2 (en) * 2004-01-27 2005-08-11 Transpose, Llc Enabling recommendations and community by massively-distributed nearest-neighbor searching
KR20070008990A (ko) * 2005-07-14 2007-01-18 주식회사 케이티 지식기반 홈네트워크에서 사용자 적응적 서비스 제공을위한 추론 장치
KR20070009134A (ko) * 2005-07-15 2007-01-18 주식회사 케이티 상황인지서비스를 위한 컨텍스트 정보관리 방법 및 그시스템
EP1873657A1 (en) * 2006-06-29 2008-01-02 France Télécom User-profile based web page recommendation system and method
US20080104045A1 (en) * 2006-11-01 2008-05-01 Cohen Alain J Collectively enhanced semantic search
KR100720762B1 (ko) * 2007-01-30 2007-05-23 (주) 프람트 사용자의 상황 정보를 이용한 유사도 계산 및 콘텐츠의검색 방법

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101418393B1 (ko) * 2010-10-25 2014-07-14 한국전자통신연구원 모바일 사용자 상황 기반 지능형 광고 서비스 방법 및 장치
WO2012116236A2 (en) * 2011-02-23 2012-08-30 Nova Spivack System and method for analyzing messages in a network or across networks
WO2012116236A3 (en) * 2011-02-23 2013-04-04 Nova Spivack System and method for analyzing messages in a network or across networks
GB2502736A (en) * 2011-02-23 2013-12-04 Bottlenose Inc System and method for analyzing messages in a network or across networks
US9876751B2 (en) 2011-02-23 2018-01-23 Blazent, Inc. System and method for analyzing messages in a network or across networks
US9614807B2 (en) 2011-02-23 2017-04-04 Bottlenose, Inc. System and method for analyzing messages in a network or across networks
WO2012128434A1 (ko) * 2011-03-18 2012-09-27 경희대학교 산학협력단 목표 사용자의 상황 정보와 서비스의 보완도를 고려한 조합 서비스 추천 방법 및 시스템
KR101304156B1 (ko) * 2011-03-18 2013-09-04 경희대학교 산학협력단 목표 사용자의 상황 정보와 서비스의 보완도를 고려한 서비스 조합 추천 방법 및 시스템
US8832092B2 (en) 2012-02-17 2014-09-09 Bottlenose, Inc. Natural language processing optimized for micro content
US8938450B2 (en) 2012-02-17 2015-01-20 Bottlenose, Inc. Natural language processing optimized for micro content
US9304989B2 (en) 2012-02-17 2016-04-05 Bottlenose, Inc. Machine-based content analysis and user perception tracking of microcontent messages
US8990097B2 (en) 2012-07-31 2015-03-24 Bottlenose, Inc. Discovering and ranking trending links about topics
US9009126B2 (en) 2012-07-31 2015-04-14 Bottlenose, Inc. Discovering and ranking trending links about topics
US8909569B2 (en) 2013-02-22 2014-12-09 Bottlenose, Inc. System and method for revealing correlations between data streams
US8762302B1 (en) 2013-02-22 2014-06-24 Bottlenose, Inc. System and method for revealing correlations between data streams
CN103544623B (zh) * 2013-11-06 2016-07-13 武汉大学 一种基于用户偏好特征建模的Web 服务推荐方法
CN103544623A (zh) * 2013-11-06 2014-01-29 武汉大学 一种基于用户偏好特征建模的Web 服务推荐方法
KR20160093489A (ko) * 2015-01-29 2016-08-08 주식회사 솔트룩스 컨텐츠 수집, 추천 시스템 및 방법
WO2017078288A1 (ko) * 2015-11-02 2017-05-11 삼성전자 주식회사 사용자 프로파일을 생성하기 위한 전자 장치 및 방법

Also Published As

Publication number Publication date
WO2009084749A1 (en) 2009-07-09
US20100257131A1 (en) 2010-10-07

Similar Documents

Publication Publication Date Title
KR20090074108A (ko) 상황인지를 통한 컨텐츠 추천방법
US8260823B2 (en) Dissemination, acquisition, discovery and use of people-oriented folksonomies
CN105426436B (zh) 基于人工智能机器人的信息提供方法和装置
US8140561B2 (en) Service recommendation system and service recommendation method
CN111782965A (zh) 意图推荐方法、装置、设备及存储介质
KR100446640B1 (ko) 유무선 네트워크를 이용한 실시간 지식정보 검색 시스템과실시간 지식정보 검색방법 및 이에 대한 지식정보의등록관리 방법
CN105808590B (zh) 搜索引擎实现方法、搜索方法以及装置
US20100299319A1 (en) Method, apparatus, and architecture for automated interaction between subscribers and entities
WO2015149713A1 (zh) 一种向移动终端发送商户推广信息的方法、装置和系统
JP2014194796A (ja) 地理的ユーザプロファイルに基づいてターゲット・コンテンツ・メッセージの適切性を決定するように地理的ユーザプロファイルを決定するための方法およびシステム
US9069880B2 (en) Prediction and isolation of patterns across datasets
CN101361089A (zh) 一种生成通信用户描述信息的系统及方法
CN106375369A (zh) 基于用户行为分析的移动Web业务推荐方法及协同推荐系统
CN110222265A (zh) 一种信息推送的方法、系统、用户终端及服务器
CN108287862A (zh) 搜索引擎
CN107767153A (zh) 一种数据处理方法及装置
CN109559152A (zh) 一种网络营销方法、系统及计算机存储介质
CN113806503A (zh) 一种对话融合方法和装置及设备
CN102404240A (zh) 信息搜索系统及方法
CN106951470B (zh) 一种基于业务知识图检索的智能问答系统
JP2016153998A (ja) サービスの評価装置及びサービスの評価方法
CN109544271A (zh) 一种交易管理系统
KR20090041700A (ko) 정보의 태그 데이터와 큐브 구조체를 이용하는 검색 시스템및 검색 방법
CN111241401B (zh) 一种搜索请求处理方法及装置
CN109460506A (zh) 一种用户需求驱动的资源匹配推送方法

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E601 Decision to refuse application