KR20120045415A - Method and apparatus for providing intelligent service - Google Patents
Method and apparatus for providing intelligent service Download PDFInfo
- Publication number
- KR20120045415A KR20120045415A KR1020100106937A KR20100106937A KR20120045415A KR 20120045415 A KR20120045415 A KR 20120045415A KR 1020100106937 A KR1020100106937 A KR 1020100106937A KR 20100106937 A KR20100106937 A KR 20100106937A KR 20120045415 A KR20120045415 A KR 20120045415A
- Authority
- KR
- South Korea
- Prior art keywords
- behavior
- unit
- information
- user
- terminal
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006399 behavior Effects 0.000 claims abstract description 199
- 238000000605 extraction Methods 0.000 claims description 32
- 230000009471 action Effects 0.000 claims description 23
- 238000005065 mining Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000007418 data mining Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims 3
- 230000008569 process Effects 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 229920001690 polydopamine Polymers 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
- H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Radar, Positioning & Navigation (AREA)
- Economics (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 라이프로깅(Lifelogging)에 관한 것이다. 바람직하게, 라이프로깅을 이용하여 사용자 행동을 예측 및 그에 대응하는 지능형 서비스를 제공하는 방법에 관한 것이다. The present invention relates to lifelogging. Preferably, the present invention relates to a method of predicting user behavior by using lifelogging and providing an intelligent service corresponding thereto.
보다 구체적으로, 본 발명에서는 유비쿼터스 환경에서 스마트폰, 핸드폰, PDA, 노트북, 핸드헬드 장치등과 같은 단말기를 통해 사용자의 행동을 예측하여 지능형 서비스를 제공하는 라이프로깅 서비스를 제공하고자 한다. More specifically, the present invention is to provide a lifelogging service that provides an intelligent service by predicting the user's behavior through a terminal such as a smartphone, a mobile phone, a PDA, a notebook, a handheld device, and the like in a ubiquitous environment.
라이프로깅이란 일상생활에서 일어나는 모든 순간을 텍스트, 영상 등을 통해 캡쳐하고 그 내용을 네트워크를 통해 서버에 저장하여, 나중에 PC나 모바일 단말등을 통해 확인하고 정리할 수 있도록 하는 서비스이다. Lifelogging is a service that captures every moment that occurs in daily life through text, video, etc., and stores the contents in a server through a network, so that you can check and organize them later through a PC or a mobile terminal.
종래에 단말기에서 제공되던 모바일 라이프로깅은 특수하게 고안된 마이크로소프트사의 센스캠(SenseCam)과 같은 디지털 카메라를 이용하여 서비스가 제공되었다. 센스캠(SenseCam) 등과 같은 장치를 이용하여 제공되던 종래의 라이프로깅 서비스는 라이프로거의 하루의 대부분을 단순히 시간 순으로 이미지와 오디오 파일을 이용하여 저장한다. Mobile lifelogging previously provided in a terminal has been provided using a digital camera such as a specially designed SenseCam of Microsoft Corporation. Conventional lifelogging services provided using devices such as SenseCam store most of the lifelogger's day simply using images and audio files in chronological order.
이와같이 별도의 데이터 가공절차 없이 단순히 시간 순으로 하루의 일상을 저장하게 되므로, 사용자는 언제 어떤 일을 했는지에 대한 기억의 단편이 떠오르지 않는 한 필요한 정보를 찾기 어려운 문제점이 있다. In this way, since the daily routine is simply stored in chronological order without a separate data processing procedure, it is difficult for the user to find the necessary information unless a fragment of the memory regarding when and what he / she did.
또한, 라이프로깅을 위해 목적에 따라 특수하게 고안된 장치를 별도로 구입하고, 사용자가 직접 관리해야 되는 경제적, 사용적 불편함을 내포하고 있다. In addition, a separate device specially designed for lifelogging is purchased separately, and it implies economic and user inconvenience that a user must manage directly.
이 외에도 현재 사용되는 라이프로깅 시스템의 경우 독립적이고 표준화된 시스템이 부재한다는 문제점이 있다. 따라서, 사용자는목적에 따라 별도의 라이프로깅 장치를 구입해야 한다. 구입한 이후에도 각각의 라이프로깅 장치에서 얻은 자료나 정보를 통합 관리하기 어려운 문제점이 있다. In addition, there is a problem in that there is no independent and standardized system in the current lifelogging system. Therefore, the user must purchase a separate lifelogging device according to the purpose. Even after purchase, there is a problem that it is difficult to integrate and manage data or information obtained from each lifelogging device.
본 발명에서는 상기 기술한 문제점을 해결하기 위하여, 통합형 라이프로깅 장치를 제공하고자 한다. In the present invention, in order to solve the above-described problems, to provide an integrated life logging device.
본 발명의 바람직한 일 실시예로서, 지능형서비스제공 라이프로깅장치는 사용자가 이용하는 단말기를 통해 사용자의 행동 정보를 수집하여 행동패턴을 추출 및 학습하는 행동패턴추출부; 상기 단말기에서 제공하는 서비스나 정보를 이용하는 정도를 기초로 사용자의 서비스나 정보에 대한 선호도를 학습하는 선호도학습부; 상기 단말기를 사용한 사용기록 및 상기 행동패턴추출부에서 학습된 행동패턴을 분석하는 행동분석부; 상기 행동패턴추출부, 상기 선호도학습부 및 상기 행동분석부에서 가공된 데이터와 상황정보를 기초로 특정행동 이후 다음행동의 발생가능성을 예측하는 행동 예측부; 및 상기 행동 예측부에서 예측된 다음행동에 관련된 서비스나 메시지를 생성하는 지능형서비스추천부를 포함한다. As a preferred embodiment of the present invention, an intelligent service providing lifelogging device comprises: a behavior pattern extraction unit for extracting and learning behavior patterns by collecting behavior information of a user through a terminal used by the user; A preference learning unit learning a preference for a service or information of a user based on a degree of using a service or information provided by the terminal; A behavior analysis unit for analyzing the usage history using the terminal and the behavior pattern learned by the behavior pattern extraction unit; A behavior prediction unit predicting the possibility of the next behavior after a specific behavior based on the data processed by the behavior pattern extraction unit, the preference learning unit, and the behavior analysis unit and the situation information; And an intelligent service recommendation unit generating a service or a message related to the next action predicted by the behavior predictor.
바람직하게, 상기 행동패턴추출부는 사용자가 휴대하는 단말기에 장착된 기능 및 센서들로부터 획득가능한 정보 및 상기 단말기가 통신을 통해 획득가능한 정보를 기초로 상기 사용자의 주기적 행동을 파악하여 행동패턴을 추출 및 학습한다. Preferably, the behavior pattern extraction unit extracts a behavior pattern by grasping the periodic behavior of the user based on information obtainable from functions and sensors mounted on a terminal carried by the user and information obtainable through communication by the terminal. Learn.
바람직하게, 상기 행동분석부는 사용자가 사용하는 텍스트의 데이터 마이닝을 통해서 사용자의 행동을 예측하고, 상황정보를 추출하는 Text Mining부; 단말기 내부의 데이터 마이닝을 통해 사용자의 행동 패턴을 파악하고, 상황정보를 추출하는 Local Mining부;및 Association Mining 기법을 이용하여 상기 행동패턴추출부에서 파악된 행동들 간의 상호연관관례를 파악하는 Activity Mining부;를 포함한다. Preferably, the behavior analysis unit Text Mining unit for predicting the user's behavior through the data mining of the text used by the user, extracting the situation information; Local Mining unit to grasp user's behavior pattern through data mining inside the terminal and extract situation information; and Activity Mining to grasp the correlation between actions identified in the behavior pattern extraction unit using Association Mining technique It includes;
본 발명의 또 다른 바람직한 일 실시예로서, 단말기에서 라이프로깅을 지원하는 방법은 상기 단말기를 통해 사용자의 행동 정보를 수집하여 행동패턴을 추출 및 학습하는 행동패턴 추출단계; 상기 단말기에서 제공하는 서비스나 정보를 이용하는 정도를 기초로 사용자의 서비스나 정보에 대한 선호도를 학습하는 선호도 학습단계; 상기 단말기를 사용한 사용기록 및 상기 행동패턴 추출단계에서 학습된 행동패턴을 분석하는 행동분석단계; 상기 행동패턴추출단계, 상기 선호도 학습단계 및 상기 행동분석단계에서 가공된 데이터와 상황정보를 기초로 특정행동 이후 다음행동의 발생가능성을 예측하는 행동 예측단계; 및 상기 예측된 다음행동과 관련된 서비스나 메시지를 생성하는 지능형서비스추천단계를 포함한다.In another preferred embodiment of the present invention, a method for supporting lifelogging in a terminal includes: extracting and learning a behavior pattern by collecting behavior information of a user through the terminal; A preference learning step of learning a preference for a service or information of a user based on a degree of using a service or information provided by the terminal; Behavior analysis step of analyzing the behavior pattern learned in the usage history and the behavior pattern extraction step using the terminal; A behavior prediction step of predicting the possibility of the next behavior after a specific behavior based on the processed data and the situation information in the behavior pattern extraction step, the preference learning step and the behavior analysis step; And an intelligent service recommendation step of generating a service or a message related to the predicted next action.
본 발명에서 제시하는 라이프로깅 장치 및 방법은 사용자가 손쉽게 사용하는 핸드폰, 스마트폰, 노트북, PDA, 노트패드, 핸드헬드 장치와 같은 단말기에서 구현되고 지원됨으로서, 사용자가 별도의 장치를 구비하지 않고도 손쉽게 라이프로깅 서비스를 제공받을 수 있다. The lifelogging device and method proposed by the present invention are implemented and supported in a terminal such as a mobile phone, a smart phone, a notebook, a PDA, a notepad, a handheld device, which are easily used by a user, and thus, the user can easily perform the device without a separate device. Lifelogging service can be provided.
또한, 본 발명에서 제시하는 라이프로깅 장치 및 방법은 사용자 주변에서 일어나는 상황정보의 단순한 저장 및 검색을 제공하는 것이 아니라, 라이프로깅 장치를 구현한 장치에서 자체적으로 상황정보를 인식하고, 이를 바탕으로 사용자의 행동 및 선호도에 대한 패턴을 추출한다. 따라서, 단순히 행동 패턴을 저장하여 패턴 모델대로만 다음 행동을 예측하는 것이 아니라 행동 패턴, 선호 정보, 추천 정보, 트랜젝셔널 데이터 분석을 통해서 정확한 행동을 예측할 수 있다. In addition, the lifelogging device and method proposed by the present invention do not provide simple storage and retrieval of contextual information occurring around the user, but recognize the contextual information by the device implementing the lifelogging device on the basis of the user. Extract patterns for behaviors and preferences. Therefore, rather than simply storing behavior patterns to predict the next behavior according to the pattern model, accurate behaviors can be predicted through behavior patterns, preference information, recommendation information, and transactional data analysis.
그리고, 추출된 행동 패턴과 선호도를 바탕으로 가까운 미래에 발생 가능한 사용자의 행동을 예측하고 이에 필요한 정보 또는 서비스를 추천함으로써, 상황에 적합한 서비스를 추천하는 효과가 있다. And, by predicting the user's behavior that can occur in the near future based on the extracted behavior pattern and preferences and recommending the necessary information or services, there is an effect of recommending a service suitable for a situation.
본 발명은 스마트 홈, u-City, 모바일 서비스, 헬스케어, 엔터테인먼트, 소셜 네트워크 등 상황인식이 필요한 분야에 적용이 가능하다. The present invention can be applied to a field that requires situational awareness, such as smart home, u-City, mobile services, healthcare, entertainment, social networks.
도 1 은 본 발명의 바람직한 일 실시예로서, 지능형 서비스 제공 라이프로깅 장치의 개념도를 도시한다.
도 2 는 본 발명의 바람직한 일 실시예로서, 지능형 서비스 제공 라이프로깅 장치의 일 예를 도시한다.
도 3은 본 발명의 바람직한 일 실시예로서, 라이프로깅 장치에서 학습하는 행동패턴의 그래프의 일 예를 도시한다.
도 4는 본 발명의 바람직한 일 실시예로서, 라이프로깅 장치에서 사용자의 행동패턴을 파악하기 위한 방안의 일 예를 도시한다.
도 5 는 본 발명의 바람직한 일 실시예로서, 라이프로깅 장치에서 사용자의 행동을 예측하기 위해 사용하는 예측모델의 일 예를 도시한다. 1 illustrates a conceptual diagram of an intelligent service providing lifelogging device as a preferred embodiment of the present invention.
2 illustrates an example of an intelligent service providing lifelogging device as a preferred embodiment of the present invention.
3 is a diagram for one example of a graph of behavior patterns learned in a lifelogging device according to one embodiment of the present invention.
4 illustrates an example of a method for identifying a user's behavior pattern in a lifelogging device according to an embodiment of the present invention.
FIG. 5 illustrates an example of a predictive model used to predict a user's behavior in a lifelogging device as a preferred embodiment of the present invention.
라이프로깅은 사물과 사람이 경험하게 되는 일상의 정보들을 실시간으로 저장 관리하여, 사용자에게 제공하는 정보기술을 의미하며, 그 예는 광범위하다. 최근에는 스마트폰, PDA, 디지털 카메라 등 다양한 기능을 지닌 단말기 등이 부각하면서 라이프로깅이 새로운 문화로 자리잡아 가고 있다. Lifelogging refers to information technology that provides the user with real-time storage and management of everyday information that objects and people experience. Examples are extensive. In recent years, lifelogging is becoming a new culture with the emergence of terminals with various functions such as smartphones, PDAs and digital cameras.
단말기는 대부분 블루투스와 같은 근거리 무선통신이 지원되므로 독립적으로 분리되어 있는 센서들의 정보를 하나로 통합할 수 있다. 이 외에도 3G나 Wi-Fi 등을 이용하거나 클라우드 컴퓨팅을 이용하여 자동으로 정보를 백업이 가능하다. Most terminals support short-range wireless communication such as Bluetooth, so they can integrate information from independently separated sensors into one. In addition, information can be automatically backed up using 3G, Wi-Fi, or cloud computing.
라이프 로깅을 수행하기 위해 단말기 내부 정보와 단말기에 장착된 센서에서 획득한 정보를 분석하여 라이프로거(life-logger)의 행동 패턴을 분석한다. In order to perform life logging, the life pattern of the life-logger is analyzed by analyzing the internal information of the terminal and the information acquired from the sensor mounted in the terminal.
단말기 내부 정보란 단말기로 부터 파악할 수 있는 정보로 Call log, IM(Instant Message), 달력, 웹 브라우징 이용 현황 등이 있다. 단말기에 장착된 센서에서 획득한 정보로는 단말기에 장착된 가속도계, 디지털 콤파스, GPS 및 광센서 등과 같은 다양한 센서에서 획득한 정보 등을 들 수 있다. The internal information of the terminal is information that can be grasped from the terminal and includes call log, instant message (IM), calendar, and web browsing usage. Information obtained from a sensor mounted on the terminal may include information obtained from various sensors such as an accelerometer, a digital compass, a GPS, and an optical sensor mounted on the terminal.
기계학습의 확률모델을 이용하여 라이프로거의 행동 패턴을 분석하고, 이를 확률 그래프 모델로 표현하는 과정을 통해 학습된 행동패턴 모델을 이용하여 라이프로거의 현재 상태 및 행동을 인지할 수 있다. 또한, 현재 시점 이후 미래에 발생할 수 있는 라이프로거의 행동패턴을 예측하여, 이에 대응하는 서비스를 추천할 수 있게 된다. Through the process of analyzing the life logger's behavior pattern using the machine learning probability model and expressing it as the probability graph model, the current state and behavior of the life logger can be recognized using the learned behavior pattern model. In addition, it is possible to predict the behavior pattern of the life logger that may occur in the future after the present time, and to recommend a corresponding service.
본 발명의 라이프로깅 장치 및 방법을 이용한 구체적인 일 예로는 대학생, 회사원의 라이프로깅의 예를 들 수 있다. 대학생, 회사원과 같은 특정 영역의 라이프로깅과 행동패턴 및 상황정보의 수집을 통해 가까운 미래의 행동에 관련된 서비스 및 정보를 추천한다. 예를 들어 회사원의 점심식사 패턴과 선호,위치,날씨 등의 상황정보를 함께 로깅하고 추천 모델을 제작하면, 회사원이 특정 위치에 특정 날씨가 되면 국물있는 음식을 자주 먹는다는 정보를 알려줄 수 있다. 도한 사용자가 선호하는 음식을 파는 음식점을 추천해줄 수 있으며, 단말기 내의 애플리케이션을 이용하여 관련 음식점까지 가는 길을 네비게이션하거나 음식점에 전화 및 예약을 할 수 있는 서비스를 제공할 수 있다.Specific examples using the lifelogging device and method of the present invention may include lifelogging of university students and office workers. Recommends services and information related to near future behavior through lifelogging and behavioral patterns and contextual information in specific areas such as university students and office workers. For example, if you log an employee's lunch patterns, contextual information such as preferences, location, and weather, and make a recommendation model, you can tell that the employee often eats broth when the weather is specific at a particular location. In addition, a user may recommend a restaurant that sells preferred foods, and may provide a service for navigating the way to a related restaurant or calling and making a reservation by using an application in the terminal.
이하에서, 첨부된 도면들을 참조하여 본 발명에 따른 장문 메시지를 단문 메시지로 변환하는 방법 및 그 시스템에 대해 상세히 설명한다. 한편 본 발명이 속하는 기술분야에서 통상의 지식을 가진자라면 이해할 수 있는 용어 및 기술적 사항에 대하여는 설명을 생략하기로 한다. Hereinafter, a method and a system for converting a long message according to the present invention into a short message will be described in detail with reference to the accompanying drawings. Meanwhile, descriptions of terms and technical matters that can be understood by those skilled in the art will be omitted.
도 1 은 본 발명의 바람직한 일 실시예로서, 지능형 서비스 제공 라이프로깅 장치의 개념도를 도시하고, 도 2 는 본 발명의 바람직한 일 실시예로서, 지능형 서비스 제공 라이프로깅 장치의 일 예를 도시한다.1 is a preferred embodiment of the present invention, shows a conceptual diagram of an intelligent service providing lifelogging device, Figure 2 is a preferred embodiment of the present invention, an example of an intelligent service providing lifelogging device.
본 발명의 라이프로깅 장치(100)는 단말기에 장착되거나 단말기와 통신을 통해 수집될 수 있는 센서들(101)로부터 수집한 데이터와 단말기의 사용기록 및 획득한 데이터들을 가공하여 밝혀진 사용자의 행동간의 연관관계을 분석한 데이터를 수집한다. 이에 기초하여 사용자의 행동패턴과 선호도를 파악하며, 향후 사용자의 행동을 예측하여 그에 적합한 지능형 서비스를 추천한다. The
본 발명의 바람직한 일 실시예인 지능형 서비스 제공 라이프로깅 장치(100)는 행동패턴추출부(110), 선호도학습부(120), 행동분석부(130), 행동 예측부(140) 및 지능형서비스추천부(150)를 포함한다. The intelligent service providing
행동패턴추출부(110)는 센서부(101)로부터 정보를 획득한다. 그 후 센서로부터 받을 정보를 기초로 사용자의 주기적 행동을 파악하여 행동패턴을 추출, 학습한다. 이 과정에서 반복적으로 발생하는 사용자의 행동과 각 행동간의 연관성을 파악할 수 있다. 행동패턴추출부(110)에서 학습하는 행동패턴의 그래프는 도 3을 참고한다. The behavior
센서부(101)의 예로는 GPS, Wi-Fi, 가속도계, Compass camera, mp3 등을 포함한다. 센서부(101)에서 획득할 수 있는 정보는 스마트폰, PDA, 노트북, 핸드폰, 아이패드, 핸드헬드 장치, 소셜네트워크지원 장치 등과 같은 단말기에서 지원하는 기능들, 장착된 센서들, 기기 등에서 얻을 수 있는 정보와 상기 단말기가 통신을 통해 얻을 수 있는 정보를 모두 포함한다. Examples of the
구체적인 일 예로서, 행동패턴추출부(110)에서는 [위치, 시간, 행동]의 형식으로 센서부(101)에서 파악한 데이터를 가공하여 행동패턴을 추출, 학습할 수 있다. 이러한 주기적 행동패턴을 파악하기 위해 행동패턴추출부(110)는 위치검출부(211, 도 2 참고)와 ESP(Experience Sampling Program, 212, 도 2 참고)를 포함할 수 있다. As a specific example, the behavior
위치검출부(211, 도 2 참고)는 주기적으로 GPS 신호를 저장하여 사용자의 (위치,시간) 정보 내지 (이동경로,시간)를 파악한다. GPS 신호를 저장할 때는 단순한 이동 등은 수집 데이터에서 제외된다. 위치검출부(211, 도 2 참고)의 상세한 구현 예는 도 4를 참고한다.The position detection unit 211 (see FIG. 2) periodically stores GPS signals to grasp (position, time) information or (moving path, time) of the user. When storing GPS signals, simple movements are excluded from the collected data. For a detailed implementation example of the position detection unit 211 (see FIG. 2), see FIG. 4.
그리고, ESP(212, 도 2 참고)는 위치검출부(211, 도 2 참고)에서 제공된 (위치, 시간)정보 내지 위치를 표시하는 지도정보와 시간 정보를 이용하여 사용자에게 어떤 행동을 했는지 입력받는다. In addition, the ESP 212 (see FIG. 2) receives input from the location detector 211 (refer to FIG. 2) to the user by using the location information and the map information and time information indicating the location.
행동패턴추출부(110)에서 위치검출부(211, 도 2 참고)와 ESP(212, 도 2 참고)를 포함하는 경우 지속적으로 수집되는 데이터를 이용하여 [위치, 시간, 행동]의 형식으로 데이터를 가공하여 행동패턴을 추출한다. 그 후, 의미 있는 행동을 하는 위치와 어떤 행동을 위해 특정 장소에 머물고 있는지의 형태로 데이터를 가공한다.When the behavior
선호도학습부(120)는 단말기에서 제공하는 서비스나 정보를 이용하는 정도를 기초로 사용자가 서비스나 정보를 선호하는 정도를 학습한다.The
행동분석부(130)는 단말기를 사용한 데이터 사용기록과 행동패턴추출부(110)에서 학습된 사용자의 행동패턴을 이용하여 상황정보나 예측정보 등을 분석한다. The
도 2를 참고하면, 행동분석부(230)는 Text Mining부(231), Local Mining부(232) 및 Activity Mining부(233)를 포함할 수 있다. Referring to FIG. 2, the
Text Mining부(231)는 사용자가 사용하는 텍스트데이터 마이닝을 통해서 사용자의 행동을 예측하고, 정확도를 높이기 위해 사용할 상황정보를 추출한다. 사용자가 사용하는 텍스트데이터의 예로는 E-mail, SNS(Social Network Service, SMS(Short Message Service)등이 있다. The
Local Mining부(232)는 단말기 내부의 데이터 마이닝을 통해 사용자의 행동 패턴을 파악하고, 적합한 서비스를 추천하기 위한 상황정보를 추출한다. 단말기 내부의 데이터로는 Call-log 데이터, IM 데이터, 애플리케이션 사용 히스토리 등이 있다. The
Activity Mining부(233)는 행동패턴추출부(110,210)에서 파악된 행동들 간의 상호연관관례를 Association Mining 기법을 이용하여 파악한다. 이로써, 사용자가 기억해야 할 행동을 기억하지 못하는 경우, 사용자에게 이를 상기시킬 수 있는 규칙을 생성한다. The
행동 예측부(140)는 행동패턴추출부(110), 선호도학습부(120) 및 행동분석부(130)에서 가공된 데이터와 상황정보를 기초로 특정행동 Ax 이후 다음행동 Ax +1의 발생가능성을 예측한다. 이를 위해, 행동 예측부(140)는 행동패턴추출부(110)에서 추출한 행동패턴의 정보에 시간정보를 부가하여 예측모델을 생성하고, 도 3에 도시된 결합력(320) 정보를 이용하여 다음행동을 예측한다. 행동 예측부(140)에서 생성하는 예측모델의 예는 도 5를 참고한다. 선호도학습부(120)에서 학습된 사용자 선호도 정보를 이용하여
지능형서비스추천부(150)는 행동 예측부(140)에서 예측된 행동이 관련된 애플리케이션 또는 정보를 파악하여 관련 서비스나 메시지를 생성한다. 지능형서비스추천부(150)에서는 Key-Value Chain의 형태로 (행동, 애플리케이션 또는 정보, 선호도)의 형태로 연관되어 미리 저장된 테이블이나 데이터베이스를 이용할 수 있다. 주의할 것은 (행동, 애플리케이션 또는 정보, 선호도)의 형태는 본 발명의 이해를 돕기 위한 일 형태일 뿐 이에 제한되는 것은 아니다. The intelligent
본 발명의 바람직한 일 실시예로서 라이프로깅 장치는 이상의 구성요소 외에 도 2와 같이 Message Layer(251)를 더 포함할 수 있다. Message Layer(251)는 메시지생성부(252) 및 API(253) 등을 포함할 수 있다. As a preferred embodiment of the present invention, the lifelogging device may further include a
메시지생성부(252)는 지능형서비스추천부(도 1, 150 및 도 2, 250 참고)에서 제공하는 행동 예측 정보와 이에 대응하는 서비스 추천정보를 이를 필요로 하는 애플리케이션(260)에 정보를 제공한다. The
API(253)는 애플리케이션(260)에서 행동 예측 정보와 이에 대응하는 서비스 추천에 직접 접속하고, 피드백 정보를 Message Layer(251)에 전달하는 인터페이스를 제공한다. The
도 3은 본 발명의 바람직한 일 실시예로서, 라이프로깅 장치에서 학습하는 행동패턴의 그래프의 일 예를 도시한다. 도 1 내지 2 에서 기술한 라이프로깅 장치 내의 행동패턴추출부(110)에서는 반복적으로 발생하는 사용자의 행동을 도 3과 같이 방향성을 가지는 그래프 형태로 학습한다. 3 is a diagram for one example of a graph of behavior patterns learned in a lifelogging device according to one embodiment of the present invention. The behavior
도 3에서 사용자의 행동은 310과 같이 원으로 표시된다. 사용자의 행동 간의 연관관계는 320과 같이 방향성을 지니는 라인으로 연결된다. 또한 각 행동간의 연관관계가 발생한 회수를 바탕으로 320과 같이 결합력이 함께 표현된다. 도 3을 참고하면, A0(310)행동과 A1(330)행동 간의 결합력은 5회(320)로 표시되어 있다. In FIG. 3, the user's behavior is indicated by a circle such as 310. The association between the user's actions is connected by a directional line such as 320. In addition, as shown in 320, the binding force is expressed together based on the number of times the relationship between each action has occurred. Referring to FIG. 3, the coupling force between the
이러한 과정을 통해 사용자의 행동 패턴은 모두 그래프 모형으로 표시되어, 행동을 그래프를 통해 모두 파악할 수 있다. 또한, 그래프를 통해 사용자의 빈번한 행동과 그렇지 않은 행동도 파악할 수 있는 장점이 있다. Through this process, the user's behavior patterns are all displayed in a graph model, so that all the behaviors can be identified through the graph. In addition, there is an advantage in that it is possible to grasp the frequent and non-user behavior through the graph.
도 4는 본 발명의 바람직한 일 실시예로서, 라이프로깅 장치에서 사용자의 행동패턴을 파악하기 위한 방안의 일 예를 도시한다. 4 illustrates an example of a method for identifying a user's behavior pattern in a lifelogging device according to an embodiment of the present invention.
도 2의 위치검출부(211)는 도 4 에 도시된 지도분할 방법을 이용하여 사용자에게 의미있는 지역을 파악할 수 있다. 행동패턴추출부에 포함된 위치검출부(211)에서는 단순히 위치정보만을 지속적으로 저장하는 것이 아니라, 사용자에게 의미있는 지역 데이터를 가공한다. The
도 4를 참고하면 (i,j)라는 지역(400)을 20개의 셀로 분할한다. 이후, 각 셀에 GPS 좌표가 얼마나 많이 찍혀있는지를 계산한다. 그 후, 라이프로깅 장치에서 기설정된 임계값을 초과하는 지역만을 관심지역(ROI, Region of Interest)으로 파악한다. 도 4의 경우 410, 420 셀 구간이 관심지역에 해당한다. 이러한 방식을 통해, 사용자가 자주 방문하거나 장시간 머무는 장소를 파악하여 행동패턴을 분석할 수 있다. Referring to FIG. 4, an
도 5 는 본 발명의 바람직한 일 실시예로서, 라이프로깅 장치에서 사용자의 행동을 예측하기 위해 사용하는 예측모델의 일 예를 도시한다. FIG. 5 illustrates an example of a predictive model used to predict a user's behavior in a lifelogging device as a preferred embodiment of the present invention.
라이프로깅 장치 내의 행동예측부(도 1, 140 및 도 2, 240 참고)는 도 5와 같은 예측모델을 이용하여 다음 행동을 예측한다. 행동 예측부(도 1, 140 및 도 2, 240 참고)는 추출된 행동패턴의 정보에 시간정보가 부가되어 생성되며, 특정시간 T1 에서 특정행동 Ax후에 다음 행동 Ax +1의 발생 가능성을 예측한다. The behavior prediction unit in the lifelogging device (see FIGS. 1, 140, 2, and 240) predicts the next behavior by using the prediction model as shown in FIG. 5. The behavior predictor (see FIGS. 1, 140 and 2, 240) is generated by adding time information to the extracted behavior pattern information, and the possibility of occurrence of the next behavior A x +1 after a specific behavior A x at a specific time T 1 . To predict.
도 5를 참고하면, 세 개의 시간 슬롯 T1(510), T2(520) 및 T3(530)에 각각의 행동예측모델이 존재하며, 행동예측모델 간에 상호 연관되어 있어 특정 행동 후 발생가능한 다음행동들을 찾아낼 수 있다. 이 경우 다음 행동을 예측하기 위해 도 3에 도시된 결합력(320) 등이 주요 팩터(factor)로 이용될 수 있다. Referring to FIG. 5, each behavior prediction model exists in three
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.The present invention can also be embodied as computer-readable codes on a computer-readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system is stored. Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disks, optical data storage devices, and the like. The computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 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 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.So far I looked at the center of the preferred embodiment for the present invention. Those skilled in the art will appreciate that the present invention can be implemented in a modified form without departing from the essential features of the present invention. Therefore, the disclosed embodiments should be considered in an illustrative rather than a restrictive sense. The scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the scope will be construed as being included in the present invention.
Claims (18)
상기 단말기에서 제공하는 서비스나 정보를 이용하는 정도를 기초로 사용자의 서비스나 정보에 대한 선호도를 학습하는 선호도학습부;
상기 단말기를 사용한 사용기록 및 상기 행동패턴추출부에서 학습된 행동패턴을 분석하는 행동분석부;
상기 행동패턴추출부, 상기 선호도학습부 및 상기 행동분석부에서 가공된 데이터와 상황정보를 기초로 특정행동 이후 다음행동의 발생가능성을 예측하는 행동 예측부; 및
상기 행동 예측부에서 예측된 다음행동에 관련된 서비스나 메시지를 생성하는 지능형서비스추천부를 포함하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.A behavior pattern extraction unit for collecting and learning behavior patterns by collecting behavior information of the user through a terminal used by the user;
A preference learning unit learning a preference for a service or information of a user based on a degree of using a service or information provided by the terminal;
A behavior analysis unit for analyzing the usage history using the terminal and the behavior pattern learned by the behavior pattern extraction unit;
A behavior prediction unit predicting the possibility of the next behavior after a specific behavior based on the data processed by the behavior pattern extraction unit, the preference learning unit, and the behavior analysis unit and the situation information; And
And an intelligent service recommendation unit generating a service or a message related to the next action predicted by the behavior predicting unit.
사용자가 휴대하는 단말기에 장착된 기능 및 센서들로부터 획득가능한 정보 및 상기 단말기가 통신을 통해 획득가능한 정보를 기초로 상기 사용자의 주기적 행동을 파악하여 행동패턴을 추출 및 학습하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 1, wherein the behavior pattern extraction unit
Intelligent service, characterized by extracting and learning behavior patterns by grasping the periodic behavior of the user based on information obtainable from functions and sensors mounted on the terminal carried by the user and information obtainable through communication by the terminal Provide life logging device.
주기적으로 GPS 신호를 저장하여 (위치, 시간) 정보를 저장하는 위치검출부;및
상기 위치검출부로 부터 수신한 (위치, 시간) 정보에 대응하여 사용자가 수행한 행동을 입력받는 ESP(Experience Sampling Program);를 포함하고,
상기 행동패턴추출부는 상기 위치검출부 및 상기 ESP를 통해 지속적으로 수집되는 데이터를 이용하여 (위치, 시간, 행동)의 형식으로 데이터를 가공하여 행동패턴을 추출하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 1, wherein the behavior pattern extraction unit
A position detector which periodically stores GPS signals and stores (position, time) information; and
It includes; ESP (Experience Sampling Program) for receiving an action performed by the user in response to the (location, time) information received from the location detection unit;
The intelligent service providing life logging device, wherein the behavior pattern extracting unit extracts the behavior pattern by processing the data in the form of (location, time, behavior) by using the data continuously collected through the position detecting unit and the ESP. .
사용자의 행동이 발생한 회수, 제 1 행동과 제 2 행동간의 연관관계, 상기 제 1 행동과 제 2 행동간의 연관관계가 발생한 회수를 기초로 행동패턴 그래프를 생성하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 2 or 3, wherein the behavior pattern extraction unit
Intelligent service provision lifelogging, characterized by generating a behavior pattern graph based on the number of times a user's behavior occurred, the relationship between the first behavior and the second behavior, and the number of occurrences of the association between the first behavior and the second behavior Device.
사용자가 사용하는 텍스트의 데이터 마이닝을 통해서 사용자의 행동을 예측하고, 상황정보를 추출하는 Text Mining부;
단말기 내부의 데이터 마이닝을 통해 사용자의 행동 패턴을 파악하고, 상황정보를 추출하는 Local Mining부;및
Association Mining 기법을 이용하여 상기 행동패턴추출부에서 파악된 행동들 간의 상호연관관례를 파악하는 Activity Mining부;를 포함하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 1, wherein the behavior analysis unit
A text mining unit for predicting a user's behavior and extracting contextual information through data mining of text used by the user;
Local Mining unit to grasp the user's behavior patterns through the data mining inside the terminal, and extract the situation information; And
Intelligent service providing life logging device comprising a; activity mining unit for identifying the correlation between the behaviors identified by the behavior pattern extraction unit using an association mining technique.
Call-log 데이터, IM 데이터, 애플리케이션 사용 히스토리를 포함하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 5, wherein the data inside the terminal is
An intelligent service providing lifelogging device comprising call-log data, IM data, and application usage history.
상기 행동 예측부는 행동패턴추출부에서 추출한 행동패턴의 정보에 시간정보를 부가하여 예측모델을 생성하고, 상기 제 1 행동과 제 2 행동간의 연관관계가 발생한 회수를 이용하여 특정행동 이후의 행동을 예측하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 4, wherein
The behavior predictor generates a prediction model by adding time information to the behavior pattern information extracted by the behavior pattern extractor, and predicts the behavior after a specific behavior by using the number of times the association between the first behavior and the second behavior occurs. Intelligent service providing life logging device, characterized in that.
(행동, 애플리케이션 또는 정보, 선호도)의 형태로 연관되어 미리 저장된 데이터베이스를 이용하여 예측된 다음행동에 관련된 서비스나 메시지를 생성하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.According to claim 1, wherein the intelligent service recommendation unit
Intelligent service providing life logging device, characterized in that to generate a service or message related to the next predicted behavior using a pre-stored database associated with (action, application or information, preference).
상기 행동 예측부에서 예측된 다음행동에 관련된 서비스나 메시지를 생성하는 API;를 더 포함하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 1,
And an API for generating a service or a message related to the next behavior predicted by the behavior predicting unit.
GPS, Wi-Fi, 가속도계, Compass, camera, mp3를 포함하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 2, wherein the functions and sensors mounted to the terminal are
Intelligent service providing lifelogging device comprising GPS, Wi-Fi, accelerometer, Compass, camera, mp3.
상기 단말기를 통해 사용자의 행동 정보를 수집하여 행동패턴을 추출 및 학습하는 행동패턴 추출단계;
상기 단말기에서 제공하는 서비스나 정보를 이용하는 정도를 기초로 사용자의 서비스나 정보에 대한 선호도를 학습하는 선호도 학습단계;
상기 단말기를 사용한 사용기록 및 상기 행동패턴 추출단계에서 학습된 행동패턴을 분석하는 행동분석단계;
상기 행동패턴추출단계, 상기 선호도 학습단계 및 상기 행동분석단계에서 가공된 데이터와 상황정보를 기초로 특정행동 이후 다음행동의 발생가능성을 예측하는 행동 예측단계; 및
상기 예측된 다음행동과 관련된 서비스나 메시지를 생성하는 지능형서비스추천단계를 포함하는 것을 특징으로 하는 단말기에서 라이프로깅을 지원하는 방법.As a method of supporting lifelogging on a terminal,
A behavior pattern extraction step of extracting and learning a behavior pattern by collecting behavior information of the user through the terminal;
A preference learning step of learning a preference for a service or information of a user based on a degree of using a service or information provided by the terminal;
Behavior analysis step of analyzing the behavior pattern learned in the usage history and the behavior pattern extraction step using the terminal;
A behavior prediction step of predicting the possibility of the next behavior after a specific behavior based on the processed data and the situation information in the behavior pattern extraction step, the preference learning step and the behavior analysis step; And
And a smart service recommendation step of generating a service or a message related to the predicted next action.
주기적으로 GPS 신호를 저장하여 (위치, 시간) 정보를 저장하는 위치검출단계;및
ESP(Experience Sampling Program)를 통해 상기 위치검출단계에서 저장한 (위치, 시간) 정보에 대응하여 사용자가 수행한 행동을 입력받는 단계;를 포함하고,
상기 행동패턴 추출단계는 상기 위치검출단계 및 상기 ESP를 통해 지속적으로 수집되는 데이터를 이용하여 (위치, 시간, 행동)의 형식으로 데이터를 가공하여 행동패턴을 추출하는 것을 특징으로 하는 단말기에서 라이프로깅을 지원하는 방법.The method of claim 11, wherein the behavior pattern extraction step
A location detection step of periodically storing location (time) information by storing GPS signals; and
And receiving an action performed by the user in response to the (location, time) information stored in the location detection step through an ESP (Experience Sampling Program).
The behavior pattern extraction step is a lifelogging in the terminal, characterized in that the behavior pattern is extracted by processing the data in the form of (location, time, behavior) using the data continuously collected through the position detection step and the ESP. How to support.
사용자가 사용하는 텍스트의 데이터 마이닝을 통해서 사용자의 행동을 예측하고, 상황정보를 추출하는 Text Mining단계;
단말기 내부의 데이터 마이닝을 통해 사용자의 행동 패턴을 파악하고, 상황정보를 추출하는 Local Mining단계;및
Association Mining 기법을 이용하여 상기 행동패턴 추출단계에서 파악된 행동들 간의 상호연관관례를 파악하는 Activity Mining단계;를 포함하는 것을 특징으로 하는 단말기에서 라이프로깅을 지원하는 방법.The method of claim 11, wherein the behavior analysis step
A text mining step of predicting a user's behavior through data mining of text used by the user and extracting contextual information;
Local mining step of identifying the user's behavior pattern through the data mining inside the terminal, and extracting the situation information; And
Activity Mining step of identifying the correlation between the behaviors identified in the behavior pattern extraction step using the Association Mining method; Supporting lifelogging in the terminal.
상기 단말기에서 제공하는 서비스나 정보를 이용하는 정도를 기초로 사용자의 서비스나 정보에 대한 선호도를 학습하는 선호도학습부;및
상기 단말기를 사용한 사용기록 및 상기 행동패턴추출부에서 학습된 행동패턴을 분석하는 행동분석부;를 포함하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.A behavior pattern extraction unit for collecting and learning behavior patterns by collecting behavior information of the user through a terminal used by the user;
A preference learning unit learning a preference for a service or information of a user based on a degree of using a service or information provided by the terminal; and
Intelligent service providing life logging device comprising a; using the terminal and a behavior analysis unit for analyzing the behavior pattern learned in the behavior pattern extraction unit.
주기적으로 GPS 신호를 저장하여 (위치, 시간) 정보를 저장하는 위치검출부;및
상기 위치검출부로 부터 수신한 (위치, 시간) 정보에 대응하여 사용자가 수행한 행동을 입력받는 ESP(Experience Sampling Program);를 포함하고,
상기 행동패턴추출부는 상기 위치검출부 및 상기 ESP를 통해 지속적으로 수집되는 데이터를 이용하여 (위치, 시간, 행동)의 형식으로 데이터를 가공하여 행동패턴을 추출하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 15, wherein the behavior pattern extraction unit
A position detector which periodically stores GPS signals and stores (position, time) information; and
It includes; ESP (Experience Sampling Program) for receiving an action performed by the user in response to the (location, time) information received from the location detection unit;
The intelligent service providing life logging device, wherein the behavior pattern extracting unit extracts the behavior pattern by processing the data in the form of (location, time, behavior) by using the data continuously collected through the position detecting unit and the ESP. .
사용자가 사용하는 텍스트의 데이터 마이닝을 통해서 사용자의 행동을 예측하고, 상황정보를 추출하는 Text Mining부;
단말기 내부의 데이터 마이닝을 통해 사용자의 행동 패턴을 파악하고, 상황정보를 추출하는 Local Mining부;및
Association Mining 기법을 이용하여 상기 행동패턴추출부에서 파악된 행동들 간의 상호연관관례를 파악하는 Activity Mining부;를 포함하는 것을 특징으로 하는 지능형서비스제공 라이프로깅장치.The method of claim 15, wherein the behavior analysis unit
A text mining unit for predicting a user's behavior and extracting contextual information through data mining of text used by the user;
Local Mining unit to grasp the user's behavior patterns through the data mining inside the terminal, and extract the situation information; And
Intelligent service providing life logging device comprising an; activity mining unit for identifying the correlation between the behaviors identified by the behavior pattern extraction unit using an association mining technique.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100106937A KR20120045415A (en) | 2010-10-29 | 2010-10-29 | Method and apparatus for providing intelligent service |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100106937A KR20120045415A (en) | 2010-10-29 | 2010-10-29 | Method and apparatus for providing intelligent service |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20120045415A true KR20120045415A (en) | 2012-05-09 |
Family
ID=46264882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100106937A KR20120045415A (en) | 2010-10-29 | 2010-10-29 | Method and apparatus for providing intelligent service |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20120045415A (en) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101396498B1 (en) * | 2012-08-17 | 2014-05-19 | 이화여자대학교 산학협력단 | Method for recognizing and presenting activities of users in social network service |
| WO2014209004A1 (en) * | 2013-06-25 | 2014-12-31 | 아주대학교산학협력단 | Lifestyle service design system and method |
| WO2015102931A1 (en) * | 2013-12-31 | 2015-07-09 | Google Inc. | Systems and methods for guided user actions |
| KR20150133749A (en) * | 2013-03-13 | 2015-11-30 | 워런 존 패리 | A method of, and a system for, analysing data relating to an individual |
| KR101586262B1 (en) * | 2014-09-11 | 2016-01-20 | 경북대학교 산학협력단 | Method for finding social interaction patterns, recording medium and mobile terminal for performing the method |
| KR20160115515A (en) * | 2015-03-27 | 2016-10-06 | 금오공과대학교 산학협력단 | A user behavior prediction System and Method for using mobile-based Life log |
| KR20190009102A (en) * | 2017-07-18 | 2019-01-28 | 한국과학기술원 | Augmented Human Platform Framework for Enhancing User Capability and System Therefor |
| US10789961B2 (en) | 2018-05-31 | 2020-09-29 | Electronics And Telecommunications Research Institute | Apparatus and method for predicting/recognizing occurrence of personal concerned context |
| US10817791B1 (en) | 2013-12-31 | 2020-10-27 | Google Llc | Systems and methods for guided user actions on a computing device |
| US10885905B2 (en) | 2018-07-13 | 2021-01-05 | Samsung Electronics Co., Ltd. | Predicting user actions on ubiquitous devices |
| US11367441B2 (en) | 2018-11-01 | 2022-06-21 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
| US11842735B2 (en) | 2018-11-01 | 2023-12-12 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
| WO2024135935A1 (en) * | 2022-12-23 | 2024-06-27 | 쿠팡 주식회사 | Method for mutually connecting services |
-
2010
- 2010-10-29 KR KR1020100106937A patent/KR20120045415A/en not_active Application Discontinuation
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101396498B1 (en) * | 2012-08-17 | 2014-05-19 | 이화여자대학교 산학협력단 | Method for recognizing and presenting activities of users in social network service |
| CN105122292A (en) * | 2013-03-13 | 2015-12-02 | 沃伦·约翰·帕里 | A method of, and a system for, analysing data relating to an individual |
| KR20150133749A (en) * | 2013-03-13 | 2015-11-30 | 워런 존 패리 | A method of, and a system for, analysing data relating to an individual |
| WO2014209004A1 (en) * | 2013-06-25 | 2014-12-31 | 아주대학교산학협력단 | Lifestyle service design system and method |
| US9519408B2 (en) | 2013-12-31 | 2016-12-13 | Google Inc. | Systems and methods for guided user actions |
| CN105874447A (en) * | 2013-12-31 | 2016-08-17 | 谷歌公司 | Systems and methods for guided user actions |
| WO2015102931A1 (en) * | 2013-12-31 | 2015-07-09 | Google Inc. | Systems and methods for guided user actions |
| CN105874447B (en) * | 2013-12-31 | 2019-09-17 | 谷歌有限责任公司 | For being guided method, medium and the equipment of user action |
| US10817791B1 (en) | 2013-12-31 | 2020-10-27 | Google Llc | Systems and methods for guided user actions on a computing device |
| KR101586262B1 (en) * | 2014-09-11 | 2016-01-20 | 경북대학교 산학협력단 | Method for finding social interaction patterns, recording medium and mobile terminal for performing the method |
| KR20160115515A (en) * | 2015-03-27 | 2016-10-06 | 금오공과대학교 산학협력단 | A user behavior prediction System and Method for using mobile-based Life log |
| KR20190009102A (en) * | 2017-07-18 | 2019-01-28 | 한국과학기술원 | Augmented Human Platform Framework for Enhancing User Capability and System Therefor |
| US10789961B2 (en) | 2018-05-31 | 2020-09-29 | Electronics And Telecommunications Research Institute | Apparatus and method for predicting/recognizing occurrence of personal concerned context |
| US10885905B2 (en) | 2018-07-13 | 2021-01-05 | Samsung Electronics Co., Ltd. | Predicting user actions on ubiquitous devices |
| US11367441B2 (en) | 2018-11-01 | 2022-06-21 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
| US11842735B2 (en) | 2018-11-01 | 2023-12-12 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
| WO2024135935A1 (en) * | 2022-12-23 | 2024-06-27 | 쿠팡 주식회사 | Method for mutually connecting services |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20120045415A (en) | Method and apparatus for providing intelligent service | |
| US20210374579A1 (en) | Enhanced Computer Experience From Activity Prediction | |
| US10748121B2 (en) | Enriching calendar events with additional relevant information | |
| Cao et al. | Mining smartphone data for app usage prediction and recommendations: A survey | |
| Shin et al. | Understanding and prediction of mobile application usage for smart phones | |
| US10516964B2 (en) | Inferring user availability for a communication | |
| EP2847978B1 (en) | Calendar matching of inferred contexts and label propagation | |
| JP6791569B2 (en) | User profile generation method and terminal | |
| US20140100835A1 (en) | User Behavior Modeling for Intelligent Mobile Companions | |
| Ferrari et al. | Discovering daily routines from google latitude with topic models | |
| US20130210480A1 (en) | State detection | |
| US9414197B2 (en) | Identifying personalized meaningful locations | |
| US20120331137A1 (en) | Method and apparatus for estimating user characteristics based on user interaction data | |
| US20160142544A1 (en) | Apparatus and method for customer interaction service | |
| CN103902640A (en) | Portable electronic device, content recommendation method and computer-readable medium | |
| US9881481B2 (en) | Mobile device loss prevention | |
| KR20120028885A (en) | System and method for behavioural and contextual data analytics | |
| EP2915319A1 (en) | Managing a context model in a mobile device by assigning context labels for data clusters | |
| EP2983082A1 (en) | Method, mobile device, system and computer product for detecting and measuring the attention level of a user | |
| KR20110037247A (en) | Mobile terminal and method for transmitting contents thereof | |
| CN105653589A (en) | Information processing method and device | |
| Hammer et al. | Exploiting usage statistics for energy-efficient logical status inference on mobile phones | |
| KR101344888B1 (en) | Apparatus for providing social network service using relationship of ontology and method thereof | |
| Huangfu et al. | A context-aware usage prediction approach for smartphone applications | |
| KR102294573B1 (en) | Method of predicting mentality by associating response data and context data and device implementing thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |