KR20100001650A - 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치 및방법 - Google Patents

Abstract

본 발명은 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치 및 방법에 관한 것으로, 내가 반응한 웹상의 UCC에 동일하게 반응한 회원의 반응 행태의 분석에 기초한 친밀도 지수를 산출하고, 그 친밀도 지수 값이 높은 상위 회원들의 회원 정보를 제공하는 웹상의 컴퓨터에 의해 실행가능한 친구 추천 장치 및 방법에 의해 보다 구체적이고 정확한 기준에 따라 자신과 매칭되는 친구 검색이 가능하다.

친밀도, 친구, 매칭, 가중치, 이퀄라이저

Description

웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치 및 방법{Apparatus and Method for recommending friends using contents reaction behavior analysis}

본 발명은 친구 추천 장치 및 방법에 관한 것으로 특히, 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치 및 방법에 관한 것이다.

점차 웹 기반의 영역이 넓어지면서, 직접적인 만남을 통해서 뿐 아니라 웹 상에서 특정 자료의 공유, 혹은 대화를 통해 친분을 쌓는 일이 증가하고 있다. 예를 들어 동호회나 카페 활동을 통해서 동일한 취미를 갖거나, 사상이 비슷한 사람들과의 만남을 가질 수 있다.

이에 따라 회원의 요청에 따라 특정 조건이 일치하는 상대방 정보를 찾아주는 매칭 서비스도 제공되고 있다. 예를 들어 등록된 회원의 온라인 매칭 요구에 따라 개인 성향 분석 항목을 회원에게 제시한다. 그리고 개인 성향 항목에 대한 회원의 선택 결과에 따라 회원 매칭 유형을 결정하여, 개인 성향 분석 항목별 매칭 결과로 최우선 매칭 조화도를 보이는 상대방에 관한 정보를 해당 회원들에게 알려주는 온라인 매칭 서비스가 있다.

본 발명은 이 같은 배경에서 도출된 것으로 보다 구체적이고, 정확한 기준에 따라 자신과 매칭되는 친구 검색이 가능한 친구 추천 장치 및 방법을 제공하는 것을 목적으로 한다.

또한, 매칭 기준에 대해 가중치를 설정할 수 있는 사용자 인터페이스를 제공하는 친구 추천 장치 및 방법을 제공하는 것을 목적으로 한다.

상기 기술적 과제는 내가 반응한 웹상의 UCC에 동일하게 반응한 회원의 반응 행태의 분석에 기초한 친밀도 지수를 산출하고, 그 친밀도 지수 값이 높은 상위 회원들의 회원 정보를 제공하는 웹상의 컴퓨터에 의해 실행가능한 친구 추천 장치 및 방법에 의해 달성된다.

이때, 웹상에서 콘텐츠에 대한 회원의 반응 행태 정보를 모니터링하여 수집하고, 수집 결과를 데이터베이스화하여 행태 정보 저장부에 저장하는 행태 정보 수집부를 더 포함한다.

그리고 추가적인 양상에 따라 각 반응 행태별 가중치 정보를 입력받아 이를 반영한 친밀도 지수를 산출한다.

본 발명에 따르면 보다 구체적이고 정확한 기준에 따라 자신과 매칭되는 친구 검색이 가능하다는 효과가 있다. 또한, 매칭 기준에 대한 세부 항목별로 가중 치를 설정하기 위한 사용자 인터페이스를 제공하고, 특정 항목에 대해서 자신과 더 조건이 일치하는 회원의 검색이 가능하다는 효과가 있다.

또한, 단순히 콘텐츠 태그 정보, 분야 정보만을 반영한 콘텐츠 위주의 검색에서 벗어나, 동일한 취향 및 성향을 갖는 회원 정보에 기초하여 회원 정보 및 콘텐츠 정보를 제공받을 수 있다는 효과가 있다.

전술한, 그리고 추가적인 본 발명의 양상들은 첨부된 도면들을 참조하여 설명되는 바람직한 실시예들을 통해 더욱 명확해질 것이다. 이하에서는 본 발명을 이러한 실시예들을 통해 당업자가 용이하게 이해하고 재현할 수 있도록 상세히 설명하기로 한다.

도 1 은 본 발명에 따른 친구 추천 장치의 구성을 도시한 블록도이다.

본 발명에 따른 친구 추천 장치는 특정 회원으로부터의 친구 추천 요청에 따라 기 수집된 반응 행태 정보에 기초하여 특정 회원과 웹상의 콘텐츠에 대해 유사한 반응 행태를 보이는 회원 정보를 추출하는 정보 추출부(120), 추출된 정보에 기초하여 특정 회원과 콘텐츠 반응 행태가 유사한 회원들의 친밀도 지수를 산출하는 친밀도 지수 산출부(130) 및 친밀도 지수에 따라 순차적으로 정렬하여 친밀도 지수가 높은 상위 회원들 정보를 특정 회원에게 제공하는 결과 제공부(140)를 포함한다.

또한, 친구 추천 장치는 콘텐츠에 대한 회원의 반응 행태 정보를 저장하는 행태 정보 저장부(110) 및 웹상에서 콘텐츠에 대한 회원의 반응 행태 정보를 모니 터링하여 수집하고, 수집 결과를 데이터베이스화하여 상기 행태 정보 저장부에 저장하는 행태 정보 수집부(100)를 더 포함한다.

행태 정보 수집부(100)는 웹 상에서 콘텐츠에 대한 회원들의 반응 행태를 모니터링한다. 그리고 모니터링 결과를 행태 정보 저장부(110)에 데이터베이스화하여 저장한다. 행태 정보 저장부(110)는 메모리와 같은 데이터 저장 장치이다. 본 실시예에 있어서 행태 정보 저장부(110)는 웹상의 콘텐츠들에 대한 회원들의 반응 행태 정보를 저장한다. 일 실시예에 있어서, 행태 정보 수집부(100)는 콘텐츠별로 해당 콘텐츠의 업로드 회원 정보와, 그 콘텐츠에 대해 회원들이 반응할 때마다 그 회원들의 반응 행태 정보를 갱신하여 행태 정보 저장부(110)에 저장한다.

이때 반응 행태 정보는 콘텐츠에 대해 댓글 입력, 태그, 스크랩, 편집, 재생, 다운로드 중 적어도 하나에 대한 이력 정보를 포함한다. 즉 행태 정보 수집부(100)는 수집된 정보들을 행태 정보 저장부(110)에 각 콘텐츠별로 어느 회원이 댓글을 입력했는지, 또 어느 회원이 스크랩을 하거나 다운로드했는지 여부를 확인할 수 있는 형태로 저장한다. 그러나 이에 한정되지 않고, 행태 정보 수집부(100)는 행태 정보 저장부(110)에 회원별로 어느 콘텐츠에 댓글을 입력하고, 스크랩하거나 편집하였는지 여부를 확인할 수 있는 형태로 저장할 수도 있다.

이때, 행태 정보 수집부(100)는 웹상에서 콘텐츠에 대한 회원들의 반응 행태를 모니터링하여, 변화가 발생할 때마다 실시간 행태 정보 저장부(110)에 저장된 정보를 갱신하는 것이 바람직하다.

정보 추출부(120)는 특정 회원으로부터 친구 추천 요청에 따라 행태 정보 저 장부(110)에 저장된 반응 행태 정보에 기초하여 특정 회원과 웹상의 콘텐츠에 대해 유사한 반응 행태를 보이는 회원 정보를 추출한다. 구체적으로 정보 추출부(120)는 콘텐츠 반응 정보 추출부(122)와 반응자 정보 추출부(124)를 포함한다.

콘텐츠 반응 정보 추출부(122)는 친구 추천 요청을 한 특정 회원이 업로드한 콘텐츠에 반응한 회원의 반응 행태 정보를 추출하여 수집한다. 즉, 콘텐츠 반응 정보 추출부(122)는 특정 회원이 올린 동영상등을 보고 댓글을 입력한 회원, 특정 회원이 올린 영상과 같은 태그의 영상을 본 회원, 특정 회원이 올린 영상을 편집한 회원, 특정 회원이 올린 영상을 다운로드하거나, 재생한 회원 정보와 같은 정보들을 수집한다. 이때 콘텐츠 반응 정보 추출부(122)는 특정 회원이 업로드한 콘텐츠가 복수 개인 경우에는 모든 콘텐츠들에 대해 반응한 회원의 반응 행태 정보를 추출한다.

반응자 정보 추출부(124)는 웹상의 콘텐츠들 중 친구 추천 요청을 한 특정 회원이 열람하거나, 댓글, 편집과 같은 방법으로 반응한 콘텐츠에 반응한 다른 회원 정보를 추출한다. 이때 반응자 정보 추출부(124) 역시 특정 회원이 열람하거나, 반응한 콘텐츠가 복수개인 경우에는 모든 콘텐츠들에 대해서 반응한 다른 회원 정보를 추출한다.

추가적인 양상에 따라 본 발명에 따른 친구 추천 장치의 정보 추출부(120)는 회원들의 감성 지수를 파악하는 개인 성향 정보 수집부(126)를 더 포함한다. 이때 별도로 성향 정보 저장부(115)를 더 포함한다.

성향 정보 저장부(115)는 회원들의 감정 상태 등의 정보를 저장한다. 이때 성향 정보 저장부(115)는 행태 정보 저장부(110)와 물리적으로 단일 구성으로 구현될 수도 있고, 별도의 구성으로 구현될 수도 있다.

성향 정보는 콘텐츠별로 반응한 회원들에게 반응시 즉, 콘텐츠를 열람하거나 편집하였을 때에 그 콘텐츠에 대해 입력받은 감정 정보를 포함한다. 또한, 성향 정보는 콘텐츠 업 로드시에 업로드하는 회원이 선택한 그 콘텐츠에 대한 감정 상태를 포함한다. 예를 들어 콘텐츠를 업로드할 때 업로드한 회원이 우울할 때 보면 좋은 콘텐츠라는 의미로 감정 상태를 '우울'한 감정 상태 정보를 함께 설정하도록 구현될 수 있다.

개인 성향 정보 수집부(126)는 성향 정보 저장부(115)에 저장된 정보들에 기초하여 회원의 감정 정보를 포함하는 개인의 성향 정보를 추출한다. 또한 최초 회원 가입시에 입력한 생년월일에 기초하여 회원의 바이오리듬 정보를 파악할 수 있다. 이때 개인 성향 정보 수집부(126)는 예를 들어 특정 기간 이상 특정 회원과 동일한 감정 상태를 갖는 회원들의 정보를 추출한다. 그러나 이에 한정되지 않고 개인 성향 정보 수집부(126)는 특정 회원과 바이오 리듬이 동일한 회원을 추출한다. 또는 특정 회원과 동일한 콘텐츠를 이용한 후에 동일한 감정 상태를 선택한 회원들의 정보를 수집할 수도 있다.

친밀도 지수 산출부(130)는 친구 찾기 요청을 한 특정 회원과 콘텐츠 반응 행태가 유사한 회원들의 친밀도 지수를 산출한다.

친밀도 지수 산출부(130)는 콘텐츠 반응 정보 추출부(122)에서의 추출 결과에 따라 친구 추천 요청을 한 특정 회원이 업로드한 콘텐츠에 대해 반응한 정도를 지수로 산출한다. 예를 들어 특정 회원이 업로드한 콘텐츠에 대해 댓글을 단 횟수, 또 특정 회원이 올린 콘텐츠들을 다운받은 횟수와 같은 정보들을 반영하여 친밀도 지수를 산출한다. 즉, 특정 회원이 업로드한 콘텐츠에 대해 댓글을 입력하거나, 다운로드 하는등 반응한 회원들에 대해서는 특정 회원에 대한 친밀도 지수가 높아지게 된다. 이때, 특정 회원이 업로드한 콘텐츠 혹은 특정 회원이 반응한 콘텐츠가 다수인 경우에 모든 콘텐츠에 대한 반응 정도를 반영하여 지수를 산출하는 것이 바람직하다.

또한, 친밀도 지수 산출부(130)는 반응자 정보 추출부(124)에서의 추출 결과에 따라 친구 추천 요청을 한 특정 회원이 반응한 콘텐츠에 반응한 회원들의 반응 행태 정보를 지수로 산출한다. 예를 들어 특정 회원이 댓글을 입력한 콘텐츠에 댓글을 입력한 회원, 특정 회원이 다운 로드한 콘텐츠를 다운 로드한 회원, 또 그 횟수를 파악하고 이를 반영하여 친밀도 지수를 산출한다. 즉, 특정 회원이 다운로드 한 콘텐츠를 다운로드 하거나, 그 콘텐츠에 댓글을 입력한 회원의 친밀도 지수는 높아지게 된다.

또한, 이때 추가적으로 친밀도 지수 산출부(130)는 최초 회원 가입시에 입력된 회원 정보에 기초하여 나이대, 성별, 지역 정보를 더 반영하여 친밀도 지수를 산출하는 것도 가능하다. 어느 정도 연령대가 비슷한 회원에게 추가 점수를 부여하거나, 근접한 지역에 거주하는 회원에게 추가 점수를 부여할 수 있다.

본 발명의 특징적인 양상에 따라 본 발명에 따른 친구 추천 장치는 가중치 입력부(150)를 더 포함한다. 가중치 입력부(150)는 각 반응 행태 별로 가중치 정 보를 입력받는다.

도 2는 가중치 정보를 입력받기 위한 사용자 인터페이스 화면의 예시도이다.

도시된 바와 같이 특정 회원은 이퀄라이저 형태의 사용자 인터페이스를 통해 어느 부분에서 특히 자신의 정보와 매칭되는 회원 정보를 제공받기를 원하는지를 선택할 수 있다. 도 2에 도시된 이퀄라이저 항목들 즉, 콘텐츠 반응 행태 세부 항목에 대해 각각 가중치를 설정할 수 있다. 예를 들어 댓글 입력, 태그 정보, 스크랩, 감정, 편집, 다운로드 및 열람과 같은 반응 행태의 세부 항목별 가중치를 부여할 수 있다. 콘텐츠에 대해 느끼는 감정 상태에 비중을 더 높게 설정하여 매칭되는 회원을 찾고 싶으면, 감정 항목의 가중치 비율을 높게 설정한다. 또한, 자신이 올린 콘텐츠의 열람 횟수와 다운로드 횟수가 많은 회원에게 가중치를 부여하고 싶으면, '다운로드','열람' 항목의 가중치 값을 높게 설정한다.

그리고 친밀도 지수 산출부(130)는 가중치 입력부(150)에서 입력되는 각 반응 행태별 가중치 정보를 반영하여 지수를 산출한다. 예를 들어 가중치가 높게 설정된 항목에 대해서는 지수 반영도를 더 크게 적용하여 친밀도 지수를 산출한다.

친밀도 지수 산출부(130)는

형태로 지수를 산출한다.

여기서

는 각각 특정 회원이 업로드한 콘텐츠에 반응한 정보에 대한 가중치 지수, 특정 회원이 반응한 콘텐츠에 동일하게 반응한 정보에 대한 가 중치 지수, 감정 정보에 대한 가중치 지수이다. 그리고

는 각각 반응 형태별 특정 회원과 일치하는 횟수 정보이다.

일 실시에에 있어서, 특정 회원이 가중치 입력부(150)에서 제공되는 사용자 인터페이스를 통해 가중치 지수를 업로드한 콘텐츠에 대한 댓글 입력 0.8, 다운로드 3, 편집 1로 설정하고, 콘텐츠에 대해 특정 회원과 동일하게 반응한 경우의 가중치는 댓글 입력 1.2, 다운로드 3으로 설정하였으며, 감정 지수에 대한 가중치는 2로 설정하였다고 가정한다.

이때 회원 A는 콘텐츠 반응 정보 추출부(122)가 행태 정보 저장부(110)에 저장된 정보에 기초하여 추출한 결과, 특정 회원이 업로드에 대해 반응한 정보가 댓글 입력 2회, 다운로드 3회, 편집 1회이다. 그리고 반응자 정보 추출부(124)가 추출한 결과, 콘텐츠에 대해 특정 회원과 동일하게 반응한 횟수가 댓글 입력 1회, 다운로드 5회이다. 그리고 친구 추천을 요청한 특정 회원과 감정 일치 횟수가 8회라고 가정한다.

이 경우에 회원 A 에 대해 특정 회원과의 친밀도 지수를 산출하면,

{(2*0.8)+(3*3)+(1*1)}+{(1*1.2)(5*3)}+(8*2)= 45이다.

또 다른 회원 B는 콘텐츠 반응 정보 추출부(122)가 행태 정보 저장부(110)에 저장된 정보에 기초하여 추출한 결과, 특정 회원이 업로드에 대해 반응한 정보가 댓글 입력 8회, 다운로드 5회, 편집 2회이다. 그리고 반응자 정보 추출부(124)가 추출한 결과, 콘텐츠에 대해 특정 회원과 동일하게 반응한 횟수가 댓글 입력 2회, 다운로드 2회이다. 그리고 친구 추천을 요청한 특정회원과 감정 일치 횟수가 2회라고 가정한다.

이 경우에 회원 B 에 대해 특정 회원과의 친밀도 지수를 산출하면,

{(8*0.8)+(5*3)+(2*1)}+{(2*1.2)+(2*3)}+(2*2)=35.8이다.

즉, 특정 회원이 가중치가 낮게 설정한 부분에서는 특정 회원과 유사한 동작을 여러 번 반복하더라도, 친밀도 지수 산출시에는 낮은 비중을 차지하게 된다. 반면에 가중치를 높게 설정한 부분에서는 비록 그 횟수가 많지 않더라도 친밀도 지수 산출시에 높은 비중을 차지하게 된다. 이 같이 친구 추천을 요청한 회원이 어떤 반응 행태에 대해 가중치를 크게 설정하느냐에 따라서, 특정 반응 행태를 선택하여 그 부분에서 자신과 더 유사하게 반응한 회원을 친구로 추천받을 수 있다.

결과 제공부(140)는 친밀도 지수 산출부(130)에서 산출된 친밀도 지수 값에 기초하여 순차적으로 정렬한다. 그리고 특정 회원에 대한 친밀도 지수가 높은 상위 N명의 회원들 정보를 화면을 통해 특정 회원에게 제공한다. 추가적으로 결과 제공부(140)는 친밀도 지수가 높은 상위 N명 회원들이 업로드한 콘텐츠 정보를 추가로 더 제공하는 것도 가능하다. 이에 따라 콘텐츠 반응 성향이 유사한 회원이 선호하는 콘텐츠 정보를 더 제공할 수 있다.

본 발명의 양상에 따라 결과 제공부(140)는 친밀도 지수가 높은 상위 회원들의 친밀도 지수 등급에 따라 상이한 아이콘으로 표시하여 출력한다. 예를 들어, 상위 3명의 회원들의 아이디에 금색 왕관 모양 아이콘을 추가로 표시하고, 그 아래 3명의 회원들의 아이디에는 은색 왕관 모양 아이콘을 추가로 표시하는 것이다. 이 에 따라 결과를 시각적으로 제공할 수 있다.

도 3 은 본 발명에 따른 웹상의 친구 추천 방법의 플로우차트이다.

먼저, 웹 환경에서 콘텐츠들에 대한 회원의 반응 행태 정보를 모니터링한다. 그리고, 회원별 반응 행태 정보를 데이터베이스화하여 저장한다(S300). 이 후에 특정 회원으로부터 친구 추천 요청이 입력되면 저장된 정보에 기초하여 그 특정 회원과 콘텐츠에 대한 반응 행태가 유사한 회원들의 정보를 추출한다. 예를 들어 먼저, 특정 회원이 업로드한 콘텐츠에 대한 회원들의 반응 정보를 수집한다(S310). 특정 회원이 업로드한 콘텐츠에 댓글을 입력하거나, 다운로드 하거나, 재생한 회원의 정보를 파악하는 것이다.

그리고 특정 회원이 반응한 콘텐츠에 대해서 동일하게 반응한 다른 회원들의 정보를 파악한다(S320). 특정 회원이 다운로드하거나, 댓글을 입력하거나, 편집한 콘텐츠들을 파악하여, 그 콘텐츠에 대해서 특정 회원과 동일하게 다운로드 하거나, 댓글을 입력하거나, 편집하는 등의 반응 행태를 보인 회원 정보를 추출한다.

또한, 추가적으로 회원과 동일한 감정 상태를 갖는 회원을 파악하기 위해서 회원들의 감성 지수 정보를 수집한다. 그리고 특정 회원과 유사한 감정 성향을 갖는 회원 정보를 추출한다(S330). 이때 감정 지수 정보는 최초 회원 가입시에 입력되는 회원의 생년월일에 기초한 바이오리듬 정보일 수 있다. 또한, 콘텐츠를 업로드하거나, 다운로드시에 회원들이 그 콘텐츠에 대응되는 감정 정보를 입력한 정보일 수 있다. 즉, 특정 회원과 바이오 리듬이 유사하거나, 동일한 콘텐츠에 대해 느끼는 감성 정보가 동일한 회원의 정보를 추출한다.

이 후에 본 발명의 특징적인 양상에 따라 콘텐츠에 대한 반응 행태 세부 항목별로 가중치 정보를 입력받는다(S340). 여기서 반응 행태 세부 항목으로는 댓글 입력, 태그, 스크랩, 감정, 편집, 다운로드 열람 등과 같은 항목들이 포함된다.

그리고 추출된 회원 정보에 기초하여 입력된 가중치 정보를 반영하여(S350) 친밀도 지수를 산출한다(S360). 그리고 특정 회원에 대한 친밀도 지수가 높은 소정 수의 회원을 추출하여(S370), 친구 추천 요청을 한 특정 회원에게 결과를 제공한다(S380). 이때 추출된 회원이 업로드 하거나 선호하는 콘텐츠 정보를 더 출력할 수도 있다.

이제까지 본 발명에 대해 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

도 1 은 본 발명에 따른 친구 추천 장치의 구성을 도시한 블록도,

도 2는 가중치 정보를 입력받기 위한 출력 화면의 예시도,

도 3 은 본 발명에 따른 웹상의 친구 추천 방법의 플로우차트이다.

<도면의 주요부분에 대한 부호의 설명>

100 : 행태 정보 수집부 110 : 행태 정보 저장부

120 : 정보 추출부 130 : 친밀도 지수 산출부

140 : 결과 제공부 150 : 가중치 입력부

Claims (9)

1. 특정 회원으로부터의 친구 추천 요청에 따라 기 수집된 반응 행태 정보에 기초하여 상기 특정 회원과 웹상의 콘텐츠에 대해 유사한 반응 행태를 보이는 회원 정보를 추출하는 정보 추출부;

   상기 추출된 정보에 기초하여 특정 회원과 콘텐츠 반응 행태가 유사한 회원들의 친밀도 지수를 산출하는 친밀도 지수 산출부; 및

   상기 친밀도 지수에 따라 순차적으로 정렬하여 친밀도 지수가 높은 상위 회원들 정보를 상기 특정 회원에게 제공하는 결과 제공부;를 포함하는 것을 특징으로 하는 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치.
2. 제 1 항에 있어서,

   콘텐츠에 대한 회원의 반응 행태 정보를 저장하는 행태 정보 저장부; 및

   웹상에서 콘텐츠에 대한 회원의 반응 행태 정보를 모니터링하여 수집하고, 수집 결과를 데이터베이스화하여 상기 행태 정보 저장부에 저장하는 행태 정보 수집부;를 더 포함하여, 상기 정보 추출부는 상기 행태 정보 저장부에 저장된 반응 행태 정보에 기초하여 정보를 추출하는 것을 특징으로 하는 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치.
3. 제 1 항에 있어서,

   상기 반응 행태 정보는 콘텐츠에 대해 댓글 입력, 태그, 스크랩, 편집, 재생, 다운로드 중 적어도 하나에 대한 이력 정보를 포함하고, 상기 장치가 :

   상기 각 반응 정보에 대한 가중치 지수를 입력받기 위해 이퀄라이저 형태의 사용자 인터페이스를 제공하는 가중치 입력부;를 더 포함하며,

   상기 지수 산출부는 상기 입력된 가중치 지수를 반영하여 친밀도 지수를 산출하는 것을 특징으로 하는 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치.
4. 제 1 항에 있어서, 상기 정보 추출부는 :

   상기 특정 회원이 업로드한 콘텐츠에 반응한 회원의 반응 행태 정보를 추출하는 콘텐츠 반응 정보 추출부; 및

   웹 상의 콘텐츠들 중 상기 특정 회원이 열람한 콘텐츠에 반응한 동일 콘텐츠에 대한 반응자 정보 추출부;를 포함하는 것을 특징으로 하는 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치.
5. 제 4 항에 있어서, 상기 정보 추출부는 :

   회원들의 감성 지수를 파악하는 개인 성향 정보 수집부를 더 포함하는 것을 특징으로 하는 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치.
6. 제 1 항에 있어서, 상기 결과 제공부는

   상기 친밀도 지수가 높은 상위 회원들의 친밀도 지수 등급에 따라 상이한 아이콘으로 표시하여 출력하는 것을 특징으로 하는 웹상에서 콘텐츠 반응 행태 분석을 통한 친구 추천 장치.
7. 웹상의 콘텐츠에 대한 회원들의 반응 행태 정보를 모니터링하는 단계;

   상기 모니터링 결과를 수집하여 데이터베이스화하여 저장하는 단계;

   특정 회원으로부터 친구 추천 요청이 입력되면, 상기 저장된 정보에 기초하여 특정 회원이 반응한 콘텐츠에 대해 반응한 회원들의 반응 행태 정보를 추출하는 단계;

   상기 추출된 반응 행태 정보들로부터 각 회원들에 대해 상기 특정 회원과의 친밀도 지수를 산출하는 단계; 및

   상기 산출된 친밀도 지수에 따라 소팅하여, 친밀도 지수가 높은 상위 회원들 정보를 제공하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터에서 실행 가능한 웹상의 친구 추천 방법.
8. 제 7 항에 있어서, 상기 방법은 :

   상기 반응 행태 정보의 세부 항목별로 가중치 정보를 입력받는 단계;를 더 포함하고,

   상기 친밀도 지수를 산출하는 단계는 상기 입력된 가중치 정보를 반영하여 친밀도 지수를 산출하는 것을 특징으로 하는 컴퓨터에서 실행 가능한 웹상의 친구 추천 방법.
9. 제 7항 또는 제 8항에 있어서, 상기 추출하는 단계는 :

   웹상에 상기 특정 회원이 올린 콘텐츠에 반응한 회원들의 반응 행태 정보를 추출하는 단계;

   웹상의 콘텐츠들 중 상기 특정 회원이 열람한 콘텐츠에 대해 반응한 회원들의 반응 정보를 추출하는 단계; 및

   회원들의 감정 지수 정보를 파악하는 단계;를 포함하는 것을 특징으로 하는 컴퓨터에서 실행 가능한 웹상의 친구 추천 방법.

Images