KR20120050255A - 사용자 아이덴티티 모델링에 기초한 상황인지기반 서비스 제공 방법 및 시스템 - Google Patents

Abstract

본 발명은 사용자 컨텍스트(Context) 정보를 활용한 사용자 아이덴티티 모델링에 기초하여, 보다 향상된 상황인지기반의 서비스를 제공할 수 있는 방법 및 시스템에 관한 것이다.

Description

사용자 아이덴티티 모델링에 기초한 상황인지기반 서비스 제공 방법 및 시스템{Method and System for Providing Context-Aware Based Services on User Identity Modeling Basis}

본 발명은 상황인지기반 서비스 제공 방법 및 시스템에 관한 것으로서, 특히, 사용자 컨텍스트(Context) 정보를 활용한 사용자 아이덴티티 모델링에 기초하여, 보다 향상된 상황인지기반의 서비스를 제공할 수 있는 방법 및 시스템에 관한 것이다.

스마트폰이 활성화됨에 따라 모바일 인터넷 사용자들 사이에 소셜네트워크를 형성하고, 주변 상황을 인지하여 컨텐츠를 추천하는 다양한 소셜미디어 서비스가 제공되고 있다. 이러한 지능화되고 개인화된 소셜미디어 서비스의 기반이 되는 소셜네트워크 분석 및 상황인지 기술은 중장기적으로 매우 전망있는 분야로 예측되고 있다(참조: Gartner's Hype Cycle for Social Software, Context-Aware Computing, 2010).

그럼에도 불구하고, 종래의 소셜네트워크 분석기술은 개인이 한번 입력하면 크게 변하지 않는 프로파일 정보와 지인관계를 파악하는 수준에 머물러 있고, 장소, 시간, 계절, 관계, 정서 등 쉴 새 없이 변화하는 사용자의 상황을 기반으로 그에 적합한 서비스를 제공하고자 하는 경우에는 상호 실시간 연계성을 따라잡기 어려운 문제점이 있다.

또한, 종래의 상황인지 기술은 사용자 관점보다는 사물 관점에서 물리적 환경을 센싱하여 하위 컨텍스트(Low-level context) 정보를 수집하는 기술에 집중되어, 사용자를 중심으로 타인과의 관계, 예측되는 행동 패턴, 선호하는 취향 등에 대한 분석과 서비스 제공 방법에 대한 연구는 미흡했다.

그래서, 사회화 과정을 거치면서 사용자가 교류하는 집단의 특성과, 관계에 영향을 받아 점진적으로 진화해 가는 사용자의 행동 패턴을 추출하는데 어려움이 있다.

특히, 상황인지를 기반으로 사용자 개개인에게 맞춤형 서비스를 제공하고자 하는 경우, 사용자에 대한 모델링이 우선적으로 필요하다. 이에 따라, 서비스 제공자는 사용자가 파티에 가기 위해 옷을 찾는 것을 관심정보로 등록한 것을 알았다고 하더라도, 물품을 구매하는 순간에 같이 매장에 간 멤버들, 파티에 참가하는 멤버들이 미리 선택한 옷의 목록, 과거에 사용자가 구매했던 옷 스타일 등 사용자의 전반적인 상황을 고려해서 맞춤형 물품을 추천해줄 필요가 있지만, 기존 기술로는 위와 같은 문제점으로 인하여 해당 서비스를 제공하지 못하고 있다.

이처럼, 페이스북(Facebook), 트위터(Twitter), 포스퀘어(Foursquare) 등과 같은 소셜미디어를 이용하는 사람들이 급격히 늘어나고, 오프라인 상의 활동들이 온라인으로 전환되어 가는 패러다임의 변화 속에서, 소셜 네트워크에서 활동하는 개인과 집단의 정체성을 분석하고, 사용자의 다음 행동을 예측하여 상황에 맞게 적절히 대응하여 서비스할 필요가 있다.

따라서, 본 발명은 상술한 문제점을 해결하기 위한 것으로서, 본 발명의 목적은, 기존 단순 프로파일 분석 방법의 한계점에 대한 대안적 모델로써 상황에 따라 사용자의 아이덴티티를 모델링하는 방법을 제시하고, 학습과 추론의 과정을 거쳐 형성된 소셜 아이덴티티 그래프를 구현하는 방법을 제시하여, 이를 이용한 일실시예로서 비행기 좌석배정 서비스와 시스템을 제공하는 데 있다.

또한, Kurt Lewin의 행동역학 공식(B=F(P, E)에 착안하여 개인의 행동은 관계된 사람과 환경에 영향을 받는다는 가설하에 사용자의 사회적 관계와 환경 변수를 고려하여, 소셜네트워크 환경에서 사용자 아이덴티티를 그래프로(social identity graph) 시각화하기 위한 방법론으로 소셜 컨텍스트(Social context)를 관계지향적 속성(Relation-oriented attribute)과 자기지향적 속성(Self-oriented attribute)으로 분류하고, 컨텍스트간의 연관관계를 추론하는 알고리즘(Reasoning algorithm)을 통한 상황 인지 기반 서비스 제공 방법 및 시스템을 제공하는 데 있다.

그리고, 소셜네트워크에서의 사용자 아이덴티티는 확장된 사용자의 프로파일 정보(Expanded User Profile information)와 사용자 행동패턴이 저장된 히스토리 데이터(history data) 등을 이용하여 모델링되고, 학습과정을 통하여 아이덴티티가 정교화 되며, 유사한 상황에 놓인 사용자의 행동을 미리 예측하고 반응하게(Anticipate and Respond) 학습시킴으로써, 사용자의 상황에 맞게 적절히 대응하여 서비스할 수 있는 상황 인지 기반 서비스 제공 방법 및 시스템을 제공하는 데 있다.

먼저, 본 발명의 특징을 요약하면, 상기와 같은 본 발명의 목적을 달성하기 위한 본 발명의 일면에 따른 상황 인지 서비스 시스템은, 사용자 인터페이스를 통해 입력되는 사용자 프로파일을 관리하는 프로파일 관리부; 상기 사용자 프로파일을 이용하여 소셜 그룹의 사용자들(구성원들) 간의 관계에 대한 컨텍스트로 이루어진 소셜 네트워크를 구성하는 소셜 네트워크 관리부; 상기 사용자 프로파일의 프로파일 정보와 히스토리 정보로 구분되는 각 사용자의 아이덴티티 모델 타입을 결정하고, 입력되는 사용자 컨텍스트 정보에 따라 구분된 복수의 컨텍스트에 대한 정보를 포함하는 각 사용자의 상황 인지 프레임워크를 구성하며, 입력되는 사용자 활동 정보에 따라 각 사용자의 활동 패턴을 추출하고, 상기 아이덴티티 모델 타입, 상기 상황 인지 프레임워크, 및 상기 활동 패턴을 학습시켜 업데이트하고 데이터베이스에 누적시키는 러닝 관리부; 및 상기 데이터베이스를 참조하여 상기 소셜 네트워크의 사용자들의 각 사용자 단말로 상황 인지 정보를 제공하는 추론엔진 관리부를 포함한다.

상기 상황 인지 정보를 제공하기 위하여, 상기 러닝 관리부는, 상기 데이터베이스를 참조하여 해당 사용자에 대하여 선택된 상황 인지 프레임워크에 대응되는 아이덴티티 모델 타입을 검색하며, 해당 모델 타입에 대하여 상기 소셜 네트워크의 사용자들의 사용자 컨텍스트 정보를 수집하고, 상기 추론엔진 관리부는, 수집된 상기 사용자 컨텍스트 정보를 기초로 상기 소셜 네트워크의 사용자들의 아이덴티티 정보를 서로 비교하고 우선 순위화하여 상황 인지 정보의 후보군을 획득하여 해당 사용자의 단말로 상황 인지 정보를 제공할 수 있다.

상기 추론엔진 관리부는, 상기 아이덴티티 정보로서, 다른 객체를 향하는 관계지향적 속성을 나타내는 제1 가중치, 또는 자신을 향하는 자기지향적 속성을 나타내는 제2가중에 기초하여 상기 후보군을 획득할 수 있다.

상기 프로파일 정보는 기본 속성과 확장 속성으로 구분될 수 있다.

상기 상황 인지 프레임워크는 개인 상황, 환경 상황, 또는 소셜 상황으로 구분될 수 있다.

상기 활동 패턴은 인터넷을 통한 온라인 공간에서 수행되는 Watching, Sharing, Commenting, Producing, Curating, 또는 의사결정 활동에 대한 데이터를 기초로 특정상황에서 반복적으로 나타내는 소정 정규화된 패턴으로 구분될 수 있다.

그리고, 본 발명의 다른 일면에 따른 네트워크 상의 상황 인지 서비스 시스템에서 상황 인지 서비스 방법은, 사용자 인터페이스를 통해 입력되는 사용자 프로파일을 관리하는 단계; 상기 사용자 프로파일을 이용하여 소셜 그룹의 사용자들(구성원들) 간의 관계에 대한 컨텍스트로 이루어진 소셜 네트워크를 구성하는 단계; 상기 사용자 프로파일의 프로파일 정보와 히스토리 정보로 구분되는 각 사용자의 아이덴티티 모델 타입을 결정하고, 입력되는 사용자 컨텍스트 정보에 따라 구분된 복수의 컨텍스트에 대한 정보를 포함하는 각 사용자의 상황 인지 프레임워크를 구성하며, 입력되는 사용자 활동 정보에 따라 각 사용자의 활동 패턴을 추출하고, 상기 아이덴티티 모델 타입, 상기 상황 인지 프레임워크, 및 상기 활동 패턴을 학습시켜 업데이트하고 데이터베이스에 누적시키는 단계; 및 상기 데이터베이스를 참조하여 상기 소셜 네트워크의 사용자들의 각 사용자 단말로 상황 인지 정보를 제공하는 단계를 포함한다.

본 발명에 따른 상황 인지 기반 서비스 제공 방법 및 시스템에 따르면, 기술적으로는 종래의 고정화된(static) 사용자 프로파일링 기술과 차별화된 상황 변화에 유연한(dynamic) 사용자 아이덴티티 모델링 방식을 독창적으로 제시함으로써, 상황인지(context aware), 패턴추출(pattern extraction), 소셜러닝(social learning), 추론(reasoning) 등 연관 기술분야에 공통적으로 활용할 수 있는 핵심기술 개발의 효과가 있다.

또한, 사업적으로는 고객의 상황과 특성에 맞춤형으로 서비스를 제공 하고자 하는 기업, 기업 환경 변화와 조직문화가 다양하여 경영혁신 프로그램 도입 전에 조직과 구성원에 대한 분석이 요구되는 기업, 소셜 집단내의 갈등을 사전적으로 해소하고자 하는 기관이나 집단, 상황인지기반 서비스를 제공받고자 하는 개인 등 모두에게 혁신적으로 변화를 제공할 수 있는 효과가 있다.

특히, 본 발명에서 일실시예로써 제시한 비행기 좌석배정 서비스는, 기상이 악화된 상태에서 장시간 여행을 해야 하는 탑승자 중 자주 발작증세를 보였던 사용자와 전문의를 가까운 좌석에 배정하는 등 긴급상황시에 구성원간 협업을 통하여 문제를 해결할 수 있도록 도움을 줄 수 있는 효과와, 사용자가 호감을 갖는 사람/사물은 가까이 배치하고, 비호감을 갖는 사람/사물은 멀리 배치하여 밀폐된 공간안에서 발생할 수 있는 사회적 갈등을 해소하는 효과가 있다.

또한, 비행기 좌석은 거리의 벤치와 달리 누구나 특별한 기억, 소중한 순간, 좋은 감정 등 잊지 못할 순간의 기록으로 개인의 경험을 다른 사람들과 공유하고 스토리를 이어갈 수 있는 소셜 오브젝트(Social Object)로써 활용할 수 있고, 동일한 좌석에서 유사한 경험을 공유한 사람들간의 소셜네트워크를 확장할 수 있는 장점과, 장기간 여행에 불편한 자리라고 하더라도 특별한 의미를 부여하여 여행의 즐거움을 증대하게 할 수 있는 효과가 있다.

위와 같은 서비스의 범위를 확대하여, 골프 라운딩 멤버 구성, 기숙사 룸 학생 편성, 여행 팀원 구성 등 그룹 구성원간의 취향과 성격 등에 따라 그룹의 분위기를 좌우하는 경우 상기 어플리케이션은 유용한 도구로 사용될 될 수 있다.

그리고, 위와 같은 사용자 아이덴티티 모델을 확장하고, 사용자간 컨텍스트 정보를 공유하는 방법 등을 이용하여, 소셜 네트워크 그룹 모델링(Social network group modeling)을 수행할 수 있다.

도 1은 본 발명의 일실시예에 따른 사용자 아이덴티티 모델링에 기초한 상황인지기반 서비스 제공 시스템의 구성도,
도 2는 도 1의 사용자 아이덴티티 모델링 유닛에서의 사용자 아이덴티티 모델의 일실시예 예시도,
도 3은 도 1의 사용자 아이덴티티 모델링 유닛에서의 사용자 아이덴티티 모델에 대한 카테고리별 분류의 일실시예 예시도,
도 4는 도 1의 상황인지 유닛에서의 상황인지 프레임워크의 일실시예 예시도,
도 5은 사용자 컨텍스트 정보에 대한 카테고리별 분류의 일실시예 예시도,
도 6는 환경 컨텍스트 정보에 대한 카테고리별 분류의 일실시예 예시도,
도 7은 소셜 컨텍스트 정보에 대한 카테고리별 분류의 일실시예 예시도,
도 8은 도 1의 행동패턴 추출 유닛에서의 사용자 행동 패턴을 추출하기 위한 카테고리별 행위(Activities) 분류의 일실시예 예시도,
도 9는 도 1의 경험축적 유닛에서의 사용자 경험 축적을 위한 카테고리별 분류의 일실시예 예시도,
도 10은 도 1의 추론엔진 관리부에서 사용자의 상황에 맞게 행동 패턴을 예측하고 대응하기 위한 각 단계의 일실시예 예시도,
도 11은 본 발명의 일실시예에 따른 사용자 아이덴티티 모델링에 기초한 상황인지기반 서비스 제공 시스템의 동작을 설명하기 위한 흐름도,
도 12는 본 발명의 일실시예에 따른 사용자 아이덴티티 모델링에 기초한 상황인지기반 서비스 제공 시스템의 소셜 그룹 내부 구성원간 아이덴티티에 따른 선호도 관계의 예시도(Social Identity Graph),
도 13은 도 1의 상황인지 유닛에서의 컨텍스트 필터링 옵션의 일실시예 예시도이다.

이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하지만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다.

도 1은 본 발명의 일실시예에 따른 사용자 아이덴티티 모델링에 기초한 상황인지기반 서비스 제공 시스템(500)의 구성도이다.

도 1을 참조하면, 본 발명의 일실시예에 따른 상황인지기반 서비스 제공 시스템(500)은 전자 공간(네트워크) 상에서 연동하는 프리젠테이션 레이어(Presentation Layer)(10), 어플리케이션 레이어(Application Layer)(20), 데이터베이스 레이어(Database Layer)(30)를 포함할 수 있다. 이와 같은 레이어들은 전자 공간 상에서 연동하기 위하여 하드웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있다. 사용자는 사용자 단말기를 통하여 시스템(500)에 접근할 수 있다.

프리젠테이션 레이어(10)는 사용자에게 서비스를 제공하기 위한 응용 어플리케이션과 사용자 인터페이스 등의 수단을 포함할 수 있다. 예를 들어, 프리젠테이션 레이어(10)는, 프로파일관리부(101), 사용자인터페이스 관리부(102), 및 커뮤니케이션관리부(103)를 포함할 수 있다. 사용자인터페이스 관리부(102)는 사용자 단말기로부터 정보를 입력받고, 시스템(500)에서 처리되는 다양한 처리 결과를 디스플레이할 수 있는 수단들을 포함한다. 프로파일관리부(101)는 사용자인터페이스 관리부(102)를 통해 사용자 단말기로부터 사용자의 신체적, 생리적, 사회적 정보를 입력받아 저장하고 관리한다. 커뮤니케이션관리부(103)는 온라인 커뮤니케이션 수단을 활용하여, 소셜네트워크 내에서 다양한 통신 방식으로 통신하는 사용자 단말기들 간에 쪽지, 문자 메시지, 이메일 등의 방식으로 온라인 상에서 필요한 정보를 공유하도록 지원한다.

어플리케이션 레이어(20)는, 시스템 내부의 대용량 트랜잭션이 발생하는 웹서비스(Web Service)를 원활하게 처리하고, 공통으로 사용되는 어플리케이션의 재활용율을 높이기 위해 EAI(Enterprise Architecture Interface)/ESB(Enterprise Service Bus) 솔루션 수단을 사용할 수 있다. 예를 들어, 어플리케이션 레이어(20)는, 소셜네트워크 관리부(201), 추론엔진 관리부(202), 검색엔진 관리부(203), 및 러닝(learning) 관리부(300)를 포함한다. 소셜네트워크 관리부(201)는 사용자들의 소셜 그룹을 구성하고 구성원을 관리한다. 추론엔진 관리부(202)는 러닝 관리부(300)에서 수집한 각 사용자의 행동패턴을 분석하여 유사한 상황에서 사용자의 행동을 예측하고 반응한다. 검색엔진 관리부(203)는 히스토리 관리부(402) 등에 축적된 데이터를 검색하여 필요 정보를 제공할 수 있도록 지원한다. 러닝 관리부(300)는 각 사용자의 행동패턴을 학습시킨다.

데이터베이스 레이어(30)는, 콘텐츠와 히스토리 정보를 저장, 가공(분석), 제공하거나 각 정보를 데이터베이스화하여 관리하기 위하여, 대규모 데이터 처리를 위한 EDW(Enterprise Data Ware house) 솔루션 수단을 사용할 수 있다. 예를 들어, 데이터베이스 레이어(30)는, 러닝 관리부(300)에서 처리되는 각 정보를 저장 및 관리하기 위하여 모델 관리부(401)와 히스토리관리부(402)를 포함할 수 있다. 모델 관리부(401)는 각 사용자가 상황에 따라 아이덴티티 모델을 적용할 수 있도록 사용자 모델에 대한 아키텍처를 관리하고, 센서 등으로부터 수집되는 상황정보를 관리할 수 있도록 컨텍스트 모델에 대한 아키텍처를 관리하며, 각 사용자의 생활 스타일(life style)의 변동 또는 새로운 상황 정보를 수집하였을 때 각 모델을 확장할 수 있도록 관리한다. 히스토리관리부(402)는 상황에 따라 발생한 사용자의 행동패턴을 저장, 가공, 분석한 정보를 관리한다.

이하 본 발명의 일실시예에 따른 상황인지기반 서비스 제공 시스템(500)의 각 구성 요소의 동작을 좀더 자세히 설명한다.

프로파일관리부(101)는 사용자를 식별(identification)하기 위한 기본 속성 외에 사용자의 상황을 인지하기 위한 목적의 확장 속성을 저장 관리할 수 있다. 여기서, 프로파일의 기본 속성(basic profile attributes)은 사용자의 신체적, 생리적, 사회적 정보로서 사용자의 특징을 나타내는 나이, 성별, 이메일, 주소 등의 정보를 포함할 수 있고, 확장 속성(extended profile attributes)은 사용자의 감성과 성향을 나타내는 관심(interests), 감성(emotion), 정치성향(politics), 예술취향(art), 출신국가(nationality), 종교성향(religion), 건강상태(health) 등의 정보를 포함할 수 있다. 프로파일 관리부(101)은 사용자에 의해서 관리되며 정보의 등록, 삭제, 수정의 권한은 사용자에게 있고, 다만 서비스를 위하여 프로파일 관리부(101)에 저장 관리되는 각종 정보는 소셜네트워크 관리부(201), 사용자인터페이스 관리부(102), 커뮤니케이션 관리부(103), 러닝 관리부(300) 등에 제공될 수 있다.

소셜네트워크 관리부(201)는 프로파일 관리부(101)의 정보를 이용하여 소셜 네트워크를 구성할 수 있다. 소셜 네트워크는 소셜 그룹, 구성원의 역할, 구성원간의 관계로 나타낼 수 있으며, 구성원간의 관계는 형태에 따라 친구관계(friendship), 친족관계(kinship), 회원관계(membership) 등의 컨텍스트(상황) 정보이며, 상대방에 따라 호감, 비호감(like, dislike) 등으로 관계의 정도, 즉, 그 수준을 나타낼 수 있으며, 상기 관계의 정도는 정보의 제공과 상대방을 선택해야 하는 경우에 판단의 정보로써 사용될 수 있다. 이와 같이 소셜네트워크 관리부(201)는 소셜 네트워크 구성원간에 공유해야 할 위와 같은 컨텍스트(상황) 정보와 그 수준을 관리하여, 소셜 그룹이 개인에게 미치는 영향을 학습시키기 위하여 사용될 수 있다.

사용자인터페이스관리부(102)는 사용자 단말기로부터 프로파일관리부(101)에 활용될 사용자의 프로파일 정보(기본 속성, 확장 속성), 소셜네트워크 관리부(201)에서 활용될 상황 정보(컨텍스트 정보와 그 수준 등) 등을 입력 받고, 시스템(500)에서 처리되는 다양한 처리 결과를 디스플레이할 수 있는 수단들을 포함하여 사용자에게 필요한 정보를 제공할 수 있다.

커뮤니케이션관리부(103)은 SMS(Short Message Service), MMS(Multimedia Message Service), 이메일, IM(Instant Messenger) 등의 온라인 서비스를 활용하여 구성원간 정보 공유 및 전달하는 기능을 제공할 수 있다.

추론엔진 관리부(202)는 러닝 관리부(300)에서 수집한 사용자의 행동패턴을 분석(User Behavior Pattern Analysis)하고, 상황정보를 인지하여 유사한 상황에서 사용자의 행동을 예측하고, 적합한 반응을 나타낼 수 있는 기능을 제공할 수 있다(Anticipate and Respond).

러닝 관리부(300)는 각 사용자의 행동패턴을 학습시킨다. 도 1과 같이, 러닝관리부(300)은 사용자 아이덴티티 모델을 결정하는 사용자 아이덴티티 모델링(User Identity Modeling) 유닛(301), 상황인지(Context Aware) 유닛(302), 행동패턴 추출(Behavior Pattern Extraction) 유닛(303), 경험 축적(Experience Accumulation) 유닛(304)을 포함하며, 이들은 시간의 변화에 따라 순환적으로 수행되어 행동패턴을 학습시키며, 학습 결과에 따라 각 상황에서 발생한 사용자의 행동 패턴과 관련된 데이터를 히스토리 관리부(402)에 저장할 수 있다.

러닝 관리부(300)의 사용자 아이덴티티 모델링(User Identity Modeling) 유닛(301)은, 도 2와 같이 확장된 프로파일(Extended profile)과 히스토리(History) 정보에 기초하여 사용자의 아이덴티티를 모델링하며, 이에 따라 모델관리부(401)는 사용자 개개인에 대한 아이덴티티 모델 타입을 관리할 수 있고, 상황에 따라 적합한 사용자 아이덴티티 모델을 사용하여 사용자 단말기 등으로부터 수집되는 컨텍스트 정보에 대한 표준 프레임워크에 해당되는 컨텍스트 모델을 관리할 수 있다. 또한, 모델관리부(401)는 사용자의 생활 스타일(life style) 변동이나 새로운 컨텍스트가 발견되었을 때 도 3과 같이 확장될 수 있는 프로파일과 히스토리에 따라 모델을 확장할 수 있다.

러닝 관리부(300)의 상황인지(Context Aware) 유닛(302)은, 도 4의 상황 인지 프레임워크와 같이, 개인상황(Personal Context), 환경상황(Environmental Context), 소셜상황(Social Context)에 대한 정보로 구분하여 상황을 인지하고 프레임워크를 구성하며, 여기서, 개인상황은 도 5과 같이 기본 프로파일 정보와 관심, 감성, 정치성향, 예술취향, 출신국가, 종교성향 등을 포함할 수 있고, 환경상황은 도 6와 같이 시간(time), 장소(location) 뿐만 아니라, 날씨(weather), 빛의 강도, 소리 등을 포함할 수 있으며, 소셜상황은 도 7과 같이 소셜그룹(Social Group), 소셜역할(Social Role), 소셜관계(Social Relation) 등을 포함할 수 있다.

개인상황과 소셜상황에 대한 정보는 사용자가 입력하는 데이터를 주기적 또는 일시적으로 받아서 현행화 할 수 있고, 환경상황 정보는 사용자 단말기에서 자동으로 센싱하거나(auto-sensing) 외부정보를(GPS 등) 받아서 현행화 할 수 있다. 특히, 개인상황에 해당하는 감성(emotion) 정보는 사용자와 대화식으로 수집할 수 있고, 도 6와 같이 기분이 좋거나(UP), 안좋은 상태(DOWN) 두 가지로 감정 상태를 단순화해서 파악할 수 있다. 다만, 단말기 인터페이스 기술의 발전 정도에 따라서 음성, 얼굴표정, 행동패턴 등을 수신하여 사용자의 감정상태를 세분화하여 관리할 수 있다.

러닝 관리부(300)의 행동패턴 추출(Behavior Pattern Extraction) 유닛(303)은, 도 8과 같은 사용자의 단편적인 활동(Activity) 데이터를 수집하여 행동패턴(Behavior Pattern)을 추출하며, 인터넷을 통한 온라인 공간에서 수행되는 주요 다섯 가지 활동(Watching, Sharing, Commenting, Producing, Curating)과 실제 구매나 의사결정과 같은 활동에 대한 데이터를 수집, 가공, 분석하여 사용자가 일정시간, 특정장소, 특정상황에서 반복적으로 나타내는 특징화된 패턴을 정규화하여 각 행동패턴을 결정할 수 있다. 예를 들어, Watching, Sharing, Commenting, Producing, 또는 Curating에 대한 일정 규칙성이 나타나는 경우 반복 횟수별로 각 행동에 대한 패턴을 구분할 수도 있으며, 구매와 같은 의사결정 활동에 대하여도 가격대, 결제시간, 취소/환불 요구 등에서 일정 규칙성이 나타나는 경우 각각에 대한 반복 횟수별로 패턴을 구분할 수도 있다.

러닝 관리부(300)의 경험 축적(Experience Accumulation) 유닛(304)은, 도 9와 같은 장소, 시간, 감정상태 등 사용자의 상황별 활동 데이터를 데이터베이스화하여 축적하며, 히스토리 관리부(402)에서도 축적된 데이터들을 저장, 가공, 공유할 수 있다. 또한, 경험 축적 유닛(304)은, 사용자가 입력하는 행동의 결과에 대한 선호도(GOOD, BAD) 정보도 상황별 활동 데이터에 저장할 수 있다.

이에 따라 추론엔진 관리부(202)에서는 러닝 관리부(300)에서 수집한 각 사용자의 행동패턴을 분석하여 유사한 상황에서 사용자의 행동을 예측하고 반응한다(도 10 참조). 추론엔진 관리부(202)는 러닝 관리부(300)에서 수집한 데이터를 기초로, 유사한 상황이 발생했을 경우, 누적된 사용자의 경험정보를 반영하여 선호도가 높았던 서비스 또는 콘텐츠를 추천할 수 있고, 타 사용자 중 소셜 아이덴티티가 유사한 사용자들의 누적된 경험정보, 또는 선호정보를 이용하여 사용자 단말들로 서비스 또는 콘텐츠를 추천 할 수 있고, 사용자가 통계적 경험 정보와 급격히 다른 행동을 사용자가 수행했을 경우, 사용자 단말로 이상 행동에 대한 경보 메시지를 보내 주는 등의 상황인지(Context-aware) 기반 다양한 상황 인지 정보를 서비스할 수 있다.

검색엔진 관리부(203)는 러닝 관리부(300)에서 수집한 데이터를 기초로 데이터를 검색하여 필요 정보를 제공할 수 있도록 지원한다. 검색엔진 관리부(203)는 사용자가 활동한 정보, 경험정보, 평가정보 등을 검색하여 디스플레이하거나 타 사용자와 공유하기 위한 목적으로 사용할 수 있다. 검색엔진 관리부(203)는 API를 통하여 타 시스템에서 검색을 요청했을 경우, 서비스의 정보보호 수준에 따라 검색 결과를 전달할 수도 있다. 추론엔진관리부(202)는 히스토리 관리부(402)에서 관린되는 히스토리 데이터를 참조하여 상황적으로 관계가 있는 정보들을 추출하고, 사용자의 행동패턴을 예측하여, 유사한 상황이 발생했을 경우 상황에 맞는 반응을 보이는 기능을 제공할 수도 있다(도 10 참조).

도 11은 도 1의 추론엔진 관리부(202), 러닝관리부(300), 모델관리부(401), 히스토리관리부(402) 등의 서비스 수행으로 최적의 비행기 좌석을 배정하는 서비스의 일실시예 흐름도이다.

도 11을 참조하면, 본 발명의 일실시예에 따른 상황인지기반 서비스 제공 시스템(500)을 통한 사용자 아이덴티티 모델링에 기초한 상황인지기반 서비스는, 서비스에 적합한 컨텍스트 프레임워크(context framework)를 선택하는 단계(S400), 컨텍스트 프레임워크에 맞는 사용자 아이덴티티 모델을 결정하는 단계(S401), 사용자 모델이 없을 경우(S402) 프로파일 정보와 히스토리 데이터를 이용하여 모델을 신규로 생성하는 모델링 단계(S403), 상황정보를 수집하는 단계(S404), 수집한 상황정보 중에서 사용자에게 필요한 정보만 필터링하는 컨텍스트 필터링(context filtering) 단계(S405), 최종적으로 사용자에게 맞는 최적의 비행기 좌석을 추천하는 서비스 발굴(service discovery) 단계(S407) 등을 포함할 수 있다.

S400 단계에서는, 러닝 관리부(300)의 상황인지 유닛(302)이 모델 관리부(401)에 저장된 정보를 이용하여 해당 사용자에 대한 컨텍스트 프레임워크를 선택할 수 있다. 상황인지를 위한 프레임워크의 요소는 [알고리즘 1]과 같이, 개인상황(Personal Context), 환경상황(Environmental Context), 소셜상황(Social Context) 등으로 이루어진 집합에서 필요한 요소를 추출하여 구성할 수 있고, 여기서, 개인상황은 도 5과 같이 기본 프로파일 정보와 관심, 감성, 정치성향, 예술취향, 출신국가, 종교성향 등을 포함할 수 있고, 환경상황은 도 6와 같이 시간(time), 장소(location) 뿐만 아니라, 날씨(weather), 빛의 강도, 소리 등을 포함할 수 있으며, 소셜상황은 도 7과 같이 소셜그룹(Social Group), 소셜역할(Social Role), 소셜관계(Social Relation) 등을 포함할 수 있다.

또한, 각 컨텍스트는 상위 카테고리와 하위 카테고리로 분류할 수 있고, 상위수준 컨텍스트는 하위수준 컨텍스트로부터 추론하여 정보를 얻을 수 있으며, 하위 카테고리의 속성은 코드와 변수로 정의할 수 있다.

[알고리즘 1]

Context-aware Framework = {PC(BP1, EP1, EP2, EP3, EP4, EP5, EP6, EP7), EC(E1, E2, E3), SC(S1, S2, S3)}

- PC : Personal Context, BP : Basic Profile, EP : Extended Profile

- EC : Environmental Context, E1 = time, E2 = location, E3 = weather

- SC : Social Context, S1 = Social Group, S2 = Social Role, S3 = Social Relation

S401단계에서, 러닝 관리부(300)의 사용자 아이덴티티 모델링 유닛(301)이, 모델 관리부(401)의 프레임워크를 기반으로 구성된 [알고리즘 2]와 같은 아이덴티티 모델을 검색하여, 컨텍스트 프레임워크에 맞는 사용자 아이덴티티 모델을 결정하는데, 사용자 모델이 없을 경우 S403단계에서 프로파일 정보와 히스토리 데이터를 이용하여 모델을 신규로 생성할 수 있다. 사용자 아이덴티티 모델은 프로파일 정보와 히스토리 데이터로 이루어지며, 히스토리는 소셜관계(Social Relations), 사용자 행동패턴(User Behavior Patterns), 감성정보(Emotion Information), 체크인정보(Check-in) 등으로 구성할 수 있고, 각각의 속성 정보는 시간, 장소, 날씨 등의 상황에 따라 기록되어 히스토리 정보로 관리할 수 있고, 향후 사용자가 유사한 상황에 도래하게 되었을 때 시스템(500)에서 자동적으로 예측/반응 (Anticipate and Respond)하기 위한 데이터로 사용할 수 있다.

[알고리즘 2]

User Identity Model = {U.profiles, H.history}

- U.profiles = {basic_profile, body_type, interests, emotion, politics, nationality, religion, health}

- H.history = [{social_group, social_role, social_relation, behavior_patterns, emotion} + {experience}] w/ {time, location, weather}

S404 단계에서, 러닝 관리부(300)의 상황인지 유닛(302)이 사용자 단말기로부터 해당 모델에 맞는 상황정보(Context factor)를 수집하고 관리하며, 여기서, 환경정보(Environmental Context)는 모바일 단말기의 지원 기능에 따라 자동으로 센싱(Sensing)하여 수집할 수 있고, 개인정보(Personal Context)는 사용자가 입력하도록 하여 수집하거나, 질의-응답 등 대화형 수집방법을 활용할 수 있고, 소셜정보(Social Context)는 사용자가 입력한 정보와 친구, 친구의 친구에 대한 관계정보를 자동으로 추출하여 수집할 수 있다. 특히, 친구간의 호감도(like-minded)로 표시되는 관계정보는 좋아하는 친구(like), 좋아하지 않는 친구(dislike) 정보를 주기적 또는 비주기적으로 사용자에게 대화식으로 수집하거나, 소셜 네트워크의 친구 리스트에서 기입된 호감도로부터 수집될 수 있다.

S405 단계에서, 추론엔진 관리부(202)는 위와 같으 수집된 컨텍스트의 필터링(도 13참조)을 위하여, 사용자의 아이덴티티 정보와 친구의 아이덴티티 정보를 상호 비교하여, 사용자의 정체성(identity)과 대척점을 갖는 친구는 멀리 배치하고, 사용자의 정체성(identity)과 유사한 친구는 가깝게 배치하는 비교와 우선순위화 과정(Comparing and Ranking)을 통하여 사용자가 기대하는 좌석의 후보군(정보 후보군)을 확보할 수 있다.

S407 단계에서, 추론엔진 관리부(202)는 추론 알고리즘에 따라 개인별 최적의 좌석을 추천하며, 이때 확보된 좌석의 후보군 중에서 최적의 좌석을 사용자의 상황에 맞게 추천하고 배정한다(상황 인지 정보의 서비스). 또한, 사용자의 아이덴티티와 유사한 친구들이 선택한 좌석을 추천해 줄 수도 있다.

도 12는 상기 사용자 아이덴티티 모델을 활용한 일실시예로써, 사용자의 상황을 인지한 개인화된 비행기 좌석배정 서비스를 위한 추론 알고리즘이다.

도 12와 같이, 추론엔진 관리부(202)는 분석된 소셜 그룹 내부 구성원간 아이덴티티에 따른 선호도를 이용한다. 소셜 그룹 내부 구성원간 사용자 아이덴티티 속성 정보를 도 12와 같이 도식화할 수 있으며, 소셜 네트워크 그래프(Social Network Graph) 위에 중첩된 레이어(Overlapping Layer)로 소셜 아이덴티티 그래프(Social Identity Graph)를 그릴 수 있다.

사용자 아이덴티티 속성 정보는 벡터적으로 다른 객체를 향하는 가중치인 관계지향적 속성(Relation-oriented attribute)과 방향이 자기 자신에게로 향하는 가중치만 가지는 자기지향적 속성(Self-oriented attribute)으로 구분할 수 있다. 예를 들어, 관계지향적 속성(Relation-oriented attribute)은 정치성향, 예술취향, 종교성향, 친구 선호도 등이 있을 수 있고, 자기지향적 속성(Self-oriented attribute)으로는 건강상태, 아이를 동반한 임산부, 비행기좌석 중 창가 선호, 햇빛이 안 드는 창가 선호 등으로 정의할 수 있다.

특히, 관계지향적 속성(Relation-oriented attribute)을 수식적으로 표현하면 [수학식 1]과 같이 나타낼 수 있다.

[수학식 1]

Relation(Sn, Sm) = Σ{Friendship(Sn, Sm) + Politics(Sn, Sm) + .....}

상황에 따라, 관계지향적 속성(Relation-oriented attribute)과 자기지향적 속성(Self-oriented attribute)을 동시에 가질 수 있는 복합된 속성(Mixed attribute)도 존재할 수 있다.

비행기 좌석 배치를 위하여, 대학교(College) 그룹(G2)에 속하는 학생 세 명(S1, S2, S3)에 대한 정치성향과, 호감도(like-minded)가 도2와 같다고 가정하자. 상대방을 좋아할 경우 5점, 상대방을 싫어할 경우 -5점, 상대방을 알고 있으나 관심이 없는 경우(don't-care) 1점, 상대방을 모를 경우(don't-know) 0점을 각각 주었고, 둘 사이 관계는 양방향을 합산하여 관계의 가중치(Weight)로 표시할 수 있고, 가중치(Weight)에 대한 레벨을 나누는 항목은 상황에 따라 추가하거나 변경할 수 있다. 또한, 정치적인 성향을 구분하여 성향이 다를 경우 각각 가중치(Weight)를 두어 최종적으로 세 명에 대한 거리감(Distance)으로 표시 하였다. 정치성향이 다른 두 그룹 간에는 기본적으로 -2점을 주었다. 둘 사이의 거리감(Distance)을 표시하는 변수는 상황에 따라서, 예를 들어 종교성향, 예술취향 등 다른 변수를 추가할 수 있다. 이를 결과값으로 표현하면 [수학식 2]와 같이 나타낼 수 있다.

[수학식 2]

Relation(S1, S2) = Friendship(10) + Politics(-2) = 8

Relation(S1, S3) = Friendship(5) + Politics(-3) = 2

Relation(S2, S3) = Friendship(-4) + Politics(-1) = -5

이와 같은 결과값에, 각 사용자의 방향이 자기 자신에게로 향하고 가중치를 가지는 속성값(Self-oriented attribute)을 합산하면 좌석에 대한 우선순위가 나오고, 최적의 배치를 할 수 있는 리스트가 추론되어 나올 수 있고, 일정값 이상을 후부군으로 결정할 수 있다. 이때, 그래프(Graph) G={V, E} 로 나타낼 수 있으며, V(Vertex)=N 일 경우, 에지(Edge)의 갯수는 En=N(N-1)/2로 계산될 수 있다.

S405 단계에서, 추론엔진 관리부(202)는, 노드(Vertex, node)간의 자기지향 속성을 우선적으로 비교(Comparing)하고, 2차적으로 관계지향 속성(Relation-oriented attribute)을 비교하여 우선순위화(Ranking) 할 수 있다. 자기지향 정보만 존재하고 관계지향 정보가 없을 경우, 관계지향 정보를 설정한 사용자 보다 우선하여 랭킹에 반영할 수 있다. 예시적으로, 관계지향 정보가 전체 관계없음(don't care all)으로 설정한 사용자가, 해가 비치지 않는 창가를 선택했을 경우 다른 멤버보다 우선권을 부여할 수 있다.

특히, 이와 같은 관계지향 정보에 의한 컨텍스트 필터링에서, 사용자와 불편한 관계에 있는 사람들과는 서로 선호하는 좌석이 동일하게 나오더라도 최대한 이격시킬 수 있게 하고, 우호적인 관계에 있거나 선망하는 사람과 최대한 가까운 위치로 배정(Allocation)될 수 있도록 할 수 있다. 관계정도와 선호도가 유사한 사용자가 다수가 나오고 좌석이 한정적일 경우 개인지향특성이 가장 높게 나타난 사용자 순으로 선택할 수 있는 기회를 갖도록 추천(Recommendation)할 수 있다.

추가로, 이와 같은 아이덴티티 모델링 방법에서 나타난 사용자의 과거 행동 패턴 분석 정보를 이용하여, 사용자가 과거 여행에서 자주 사용했거나, 날씨, 시간대, 항로, 감정상태 등을 추론하여, 현재 상황과 유사한 상태에서 과거에 사용했던 좌석 중 만족도가 상대적으로 높은 좌석을 추천(Recommendation)할 수 있다. 다만, 여행에 가장 직접적으로 영향을 받는 사용자의 건강상태가 특이한 경우, 또는 유아를 동반한 경우 등 사회적 약자에 대한 배려를 우선적으로 고려하여 좌석배치를 실시하고, 이 경우 사용자의 과거 이용 행태정보를 반영하여 좌석을 추천하고 배정(Recommendation and Allocation)을 할 수 있다.

사용자가 소셜관계에 상관없이, 자신이 주변의 도움을 받고자 하는 경우, 프로파일(Profile)에 자신의 건강상태, 여행지역, 예약한 호텔 등 개인정보를 입력하면, 도움을 줄 수 있는 사람 주변에 좌석을 배정할 수 있고, 시스템은 개인의 프라이버시는 보호할 수 있도록 좌석배정 알고리즘에만 사용할 수 있다.

또한, 경험 공유를 위하여 비행기를 처음 타게 되었을 때의 상황이나 신혼여행 같은 잊지 못할 이벤트에 대한 기록을 좌석에 남기면, 다음에 그 좌석을 이용하는 사람이 그 좌석에 앉았을 때 서비스에 접속하여, 좌석에 묶어 있는 스토리 꾸러미를 풀어 보게 할 수 있다. 사용자는 비행기를 내린 뒤에도 자신이 앉았던 좌석에 누군가 남기는 스토리를 읽어 볼 수 있고, 어디쯤 현재 날아가고 있는지도 지도에서 확인할 수 있는 즐거움을 공유할 수 있다.

지도 서비스는 상기 스토리를 남긴 위치를 표시할 수 있도록 관련 기능을 제공할 수 있고, 항로 또는 여행 일정에 따라 개인화된 기록, 또는 같은 좌석을 이용한 사람들과의 공유된 기록을 시각적으로 확인할 수 있도록 할 수 있다.

같은 좌석을 이용한 사람들간에는 소셜 네트워크로 묶을 수 있고, 좌석에 얽힌 스토리 중 좋은 내용에 대해서는 평점부여, 페이스북이나 트위터 등 소셜미디어로 내용을 공유, 행운의 좌석, 감동의 좌석, 귀여운 아이가 태어난 자리, 스타가 앉았던 자리 등 특별한 랜드마크를 부여하거나, 다음에 여행에 앉을 사람에게 좌석에 관련된 자신의 메시지나 주의할 점, 도착지에서의 일정 등을 남겨 스토리를 이어나갈 수 있도록 할 수 있다. 또한, 시스템은 출발지와 도착지의 항로에 따라 이전 메시지를 달리하여 보여줄 수 있다.

좌석배정 결과 커뮤니케이션을 원하는 친구들과 멀리 떨어져 있고 모바일 환경 구성이 어려운 상황에서는 사용자들 간에 애드혹(ad-hoc) 네트워크를 구성하여 피어투피어(Peer to Peer) 기반의 커뮤니케이션을 제공 할 수 있다.

본 명세서에서 개시된 방법 및 장치에서 사용되는 기능은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치, 하드 디스크, 이동형 저장장치 등이 있으며 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

500: 사용자 아이덴티티 모델링 시스템
101: 프로파일관리부
102: 사용자인터페이스관리부
103: 커뮤니케이션관리부
201: 소셜네트워크관리부
202: 추론엔진관리부
203: 검색엔진관리부
300: 러닝관리부
301: 사용자 아이덴티티 모델링 유닛
302: 상황인지 유닛
303: 행동패턴추출 유닛
304: 경험축적 유닛
401: 모델관리부
402: 히스토리관리부

Claims (7)

1. 사용자 인터페이스를 통해 입력되는 사용자 프로파일을 관리하는 프로파일 관리부;
   상기 사용자 프로파일을 이용하여 소셜 그룹의 사용자들(구성원들) 간의 관계에 대한 컨텍스트로 이루어진 소셜 네트워크를 구성하는 소셜 네트워크 관리부;
   상기 사용자 프로파일의 프로파일 정보와 히스토리 정보로 구분되는 각 사용자의 아이덴티티 모델 타입을 결정하고, 입력되는 사용자 컨텍스트 정보에 따라 구분된 복수의 컨텍스트에 대한 정보를 포함하는 각 사용자의 상황 인지 프레임워크를 구성하며, 입력되는 사용자 활동 정보에 따라 각 사용자의 활동 패턴을 추출하고, 상기 아이덴티티 모델 타입, 상기 상황 인지 프레임워크, 및 상기 활동 패턴을 학습시켜 업데이트하고 데이터베이스에 누적시키는 러닝 관리부; 및
   상기 데이터베이스를 참조하여 상기 소셜 네트워크의 사용자들의 각 사용자 단말로 상황 인지 정보를 제공하는 추론엔진 관리부
   를 포함하는 것을 특징으로 하는 상황 인지 서비스 시스템.
2. 제1항에 있어서,
   상기 상황 인지 정보를 제공하기 위하여,
   상기 러닝 관리부는, 상기 데이터베이스를 참조하여 해당 사용자에 대하여 선택된 상황 인지 프레임워크에 대응되는 아이덴티티 모델 타입을 검색하며, 해당 모델 타입에 대하여 상기 소셜 네트워크의 사용자들의 사용자 컨텍스트 정보를 수집하고,
   상기 추론엔진 관리부는, 수집된 상기 사용자 컨텍스트 정보를 기초로 상기 소셜 네트워크의 사용자들의 아이덴티티 정보를 서로 비교하고 우선 순위화하여 상황 인지 정보의 후보군을 획득하여 해당 사용자의 단말로 상황 인지 정보를 제공하는 것을 특징으로 하는 상황 인지 서비스 시스템.
3. 제2항에 있어서,
   상기 추론엔진 관리부는, 상기 아이덴티티 정보로서, 다른 객체를 향하는 관계지향적 속성을 나타내는 제1 가중치, 또는 자신을 향하는 자기지향적 속성을 나타내는 제2가중에 기초하여 상기 후보군을 획득하는 것을 특징으로 하는 상황 인지 서비스 시스템.
4. 제1항에 있어서,
   상기 프로파일 정보는 기본 속성과 확장 속성으로 구분되는 것을 특징으로 하는 상황 인지 서비스 시스템.
5. 제1항에 있어서,
   상기 상황 인지 프레임워크는 개인 상황, 환경 상황, 또는 소셜 상황으로 구분되는 것을 특징으로 하는 상황 인지 서비스 시스템.
6. 제1항에 있어서,
   상기 활동 패턴은 인터넷을 통한 온라인 공간에서 수행되는 Watching, Sharing, Commenting, Producing, Curating, 또는 의사결정 활동에 대한 데이터를 기초로 특정상황에서 반복적으로 나타내는 소정 정규화된 패턴으로 구분되는 것을 특징으로 하는 상황 인지 서비스 시스템.
7. 네트워크 상의 상황 인지 서비스 시스템에서 상황 인지 서비스 방법에 있어서,
   사용자 인터페이스를 통해 입력되는 사용자 프로파일을 관리하는 단계;
   상기 사용자 프로파일을 이용하여 소셜 그룹의 사용자들(구성원들) 간의 관계에 대한 컨텍스트로 이루어진 소셜 네트워크를 구성하는 단계;
   상기 사용자 프로파일의 프로파일 정보와 히스토리 정보로 구분되는 각 사용자의 아이덴티티 모델 타입을 결정하고, 입력되는 사용자 컨텍스트 정보에 따라 구분된 복수의 컨텍스트에 대한 정보를 포함하는 각 사용자의 상황 인지 프레임워크를 구성하며, 입력되는 사용자 활동 정보에 따라 각 사용자의 활동 패턴을 추출하고, 상기 아이덴티티 모델 타입, 상기 상황 인지 프레임워크, 및 상기 활동 패턴을 학습시켜 업데이트하고 데이터베이스에 누적시키는 단계; 및
   상기 데이터베이스를 참조하여 상기 소셜 네트워크의 사용자들의 각 사용자 단말로 상황 인지 정보를 제공하는 단계
   를 포함하는 것을 특징으로 하는 상황 인지 서비스 방법.

Images