KR20120076475A - 컨텐츠 제공 방법 및 그 시스템 - Google Patents

컨텐츠 제공 방법 및 그 시스템 Download PDF

Info

Publication number
KR20120076475A
KR20120076475A KR1020100118105A KR20100118105A KR20120076475A KR 20120076475 A KR20120076475 A KR 20120076475A KR 1020100118105 A KR1020100118105 A KR 1020100118105A KR 20100118105 A KR20100118105 A KR 20100118105A KR 20120076475 A KR20120076475 A KR 20120076475A
Authority
KR
South Korea
Prior art keywords
cluster
time interval
contents
representative
representative type
Prior art date
Application number
KR1020100118105A
Other languages
English (en)
Other versions
KR101802332B1 (ko
Inventor
이형동
박승택
박희선
여해동
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020100118105A priority Critical patent/KR101802332B1/ko
Priority to EP11842778.0A priority patent/EP2643807A4/en
Priority to PCT/KR2011/009014 priority patent/WO2012070880A2/en
Priority to CN201180056996.2A priority patent/CN103229169B/zh
Priority to JP2013539779A priority patent/JP5830545B2/ja
Priority to US13/304,479 priority patent/US9465863B2/en
Publication of KR20120076475A publication Critical patent/KR20120076475A/ko
Application granted granted Critical
Publication of KR101802332B1 publication Critical patent/KR101802332B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명의 일 실시 예에 따른 컨텐츠 제공 방법 및 그 시스템은, 사용자의 사용 이력을 나타내는 행위 데이터들과 연관된 컨텐츠들을 유형 별로 클러스터링하여, 적어도 하나의 대표 유형 클러스터를 식별하고, 상기 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하고, 상기 매핑된 적어도 하나의 대표 유형 클러스터 및 적어도 하나의 시간 구간을 저장한다.

Description

컨텐츠 제공 방법 및 그 시스템{Method for providing contents and the system thereof}
본 발명은 컨텐츠 제공 방법 및 그 시스템에 관한 것으로서, 더욱 상세하게는 사용자 식별정보 없이 축적된 사용자의 행위 데이터를 대표적인 유형 별로 분석하고 각 유형이 일관되게 나타나는 시간 구간을 식별해냄으로써 효과적인 맞춤형 서비스를 제공하는 컨텐츠 제공 방법 및 그 시스템에 관한 것이다.
종래의 일반적인 맞춤형 서비스 시스템들은 현재 사용자에 대한 식별을 가정하고 해당 사용자의 과거 이력을 기반으로 해당 사용자에게 가장 적합한 서비스를 매칭한다. 하지만 대표적인 패밀리 디바이스(Family Device)인 TV와 같은 시스템에서 맞춤형 컨텐츠 제공 서비스를 하려 할 때, 현재 시청하는 사용자 모두를 개별적으로 식별하는데 어려움이 있어 적절한 맞춤형 서비스 제공이 어렵다. 일반적으로 사용되는 사용자 시청이력 기반 개인화 추천의 경우 다양한 취향을 갖는 복수 사용자의 시청 이력 데이터들이 하나의 디바이스(TV)에 사용자 구분 없이 혼합되어 저장되고 이를 기반으로 한 추천 방식은 종종 부적절한 추천결과를 제공하게 된다.
따라서 사용자 활동(선호도)이 일관성을 띠는 시간 구간 발견 및 추출이 중요하며 이를 위해 시간대 별 시청 이력이나 장치에 대한 행위 이력 등의 데이터를 저장 관리할 수 있는 기술과 이러한 데이터를 이용하여 시간대 별 시청 패턴을 추출하고 시청 컨텐츠 간의 유사도를 분석할 수 있는 정보 검색 기술과 데이터마이닝 관련 기술이 필요하다.
본 발명이 해결하고자 하는 기술적 과제는 컨텐츠 제공 방법 및 그 시스템을 제공하는데 있고, 상기 방법을 실행시키기 위한 프로그램을 기록한, 컴퓨터로 읽을 수 있는 기록 매체를 제공하는데 있다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시 예에 따르면 컨텐츠 제공 방법은, 사용자의 사용 이력을 나타내는 행위 데이터들과 연관된 컨텐츠들을 유형 별로 클러스터링하여, 적어도 하나의 대표 유형 클러스터를 식별하는 단계; 상기 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하는 단계; 및 상기 매핑된 적어도 하나의 대표 유형 클러스터 및 적어도 하나의 시간 구간을 저장하는 단계를 포함한다.
본 발명의 일 실시 예에 따르면, 상기 컨텐츠 제공 방법은, 상기 적어도 하나의 시간 구간에서, 상기 맵핑된 적어도 하나의 대표 유형 클러스터에 따라 결정된 컨텐츠를 제공하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 식별하는 단계는, 상기 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하는 단계; 상기 추출된 컨텐츠들의 메타데이터들을 유형 별로 클러스터링하여, 상기 컨텐츠들을 멤버들로 포함하는 유형 클러스터들을 생성하는 단계; 및 상기 유형 클러스터들 중에서, 미리 설정된 임계치 이상의 개수의 컨텐츠들을 멤버로 포함하는 적어도 하나의 대표 유형 클러스터를 식별하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 매핑하는 단계는, 상기 행위 데이터들을 상기 적어도 하나의 시간 구간으로 나누는 단계; 상기 적어도 하나의 시간 구간 중 하나의 시간 구간의 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하는 단계; 상기 추출된 컨텐츠들의 메타데이터들과 적어도 하나의 대표 유형 클러스터들의 컨텐츠 멤버들의 메타데이터들 간의 유사도를 비교하는 단계; 및 상기 유사도를 기반으로, 상기 하나의 시간 구간의 컨텐츠들을 상기 적어도 하나의 대표 유형 클러스터와 매핑하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 매핑하는 단계는, 상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 클러스터 맵핑 확률이 임계치 이하인 대표 유형 클러스터는 삭제하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 적어도 하나의 대표 유형 클러스터들의 전부가 임계치 이하의 클러스터 매핑 확률을 갖는 경우, 상기 하나의 시간 구간을 삭제하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 매핑하는 단계는, 상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 적어도 하나의 대표 유형 클러스터들의 각각을 순위화하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 컨텐츠 제공 방법은, 상기 순위화된 적어도 하나의 대표 유형 클러스터들 중에서 1순위의 대표 유형 클러스터를 기반으로 결정된 컨텐츠들을 제공하거나, 상기 순위화된 적어도 하나의 대표 유형 클러스터들의 각각의 특징을 이용하여 결정된 컨텐츠들을 순차적으로 제공하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 행위 데이터들을 상기 적어도 하나의 시간 구간으로 나누는 단계는, 상기 행위 데이터들을, 사용 패턴에 따라 미리 정해지는 단위 시간별로 나누는 단계를 더 포함할 수 있다.
상기 기술적 과제를 해결하기 위하여, 본 발명의 다른 실시 예에 따르면, 컨텐츠 제공 시스템은, 사용자의 사용 이력을 나타내는 행위 데이터들과 연관된 컨텐츠들을 유형 별로 클러스터링하여, 적어도 하나의 대표 유형 클러스터를 식별하는 사용 이력 분석부; 및 상기 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하고, 상기 매핑된 적어도 하나의 대표 유형 클러스터 및 적어도 하나의 시간 구간을 저장하는 시간 구간 식별부를 포함한다.
본 발명의 다른 실시 예에 따르면, 컨텐츠 제공 시스템은, 상기 적어도 하나의 시간 구간에서, 상기 맵핑된 적어도 하나의 대표 유형 클러스터에 따라 결정된 컨텐츠를 제공하는 제공부를 더 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 사용 이력 분석부는, 상기 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하고, 상기 추출된 컨텐츠들의 메타데이터들을 유형 별로 클러스터링하여, 상기 컨텐츠들을 멤버들로 포함하는 유형 클러스터들을 생성하고, 그리고, 상기 유형 클러스터들 중에서, 미리 설정된 임계치 이상의 개수의 컨텐츠들을 멤버로 포함하는 적어도 하나의 대표 유형 클러스터를 식별하도록 또한 구성될 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 시간 구간 식별부는, 상기 행위 데이터들을 상기 적어도 하나의 시간 구간으로 나누고, 상기 적어도 하나의 시간 구간 중 하나의 시간 구간의 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하고, 상기 추출된 컨텐츠들의 메타데이터들과 적어도 하나의 대표 유형 클러스터들의 컨텐츠 멤버들의 메타데이터들 간의 유사도를 비교하고, 그리고 상기 유사도를 기반으로, 상기 하나의 시간 구간의 컨텐츠들을 상기 적어도 하나의 대표 유형 클러스터와 매핑하도록 또한 구성될 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 시간 구간 식별부는, 상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 클러스터 맵핑 확률이 임계치 이하인 대표 유형 클러스터는 삭제하도록 또한 구성될 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 시간 구간 식별부는, 상기 적어도 하나의 대표 유형 클러스터들의 전부가 임계치 이하의 클러스터 매핑 확률을 갖는 경우, 상기 하나의 시간 구간을 삭제하도록 또한 구성될 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 시간 구간 식별부는, 상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 적어도 하나의 대표 유형 클러스터들의 각각을 순위화하도록 또한 구성될 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 순위화된 적어도 하나의 대표 유형 클러스터들 중에서 1순위의 대표 유형 클러스터를 기반으로 결정된 컨텐츠들을 제공하거나, 상기 순위화된 적어도 하나의 대표 유형 클러스터들의 각각의 특징을 이용하여 결정된 컨텐츠들을 순차적으로 제공하도록 구성된 제공부를 더 포함할 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 시간 구간 식별부는, 상기 행위 데이터들을, 사용 패턴에 따라 미리설정된 단위 시간 구간별로 나누도록 또한 구성될 수 있다.
본 발명의 다른 실시 예에 따르면, 상기 컨텐츠 제공 시스템은, 상기 행위데이터들을 시간 정보와 함께 저장하는 사용 이력 관리부; 및 상기 컨텐츠 제공 시스템이 제공하는 서비스 항목에 대한 컨텐츠들 및 그 컨텐츠들에 대한 메타데이터들을 관리하는 컨텐츠 및 메타데이터 관리부를 더 포함할 수 있다.
또한, 본 발명의 또 다른 실시 예에 따르면 상기 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 포함한다.
도 1은 본 발명의 일 실시 예에 따른 컨텐츠 제공 시스템의 개략적인 블록도이다.
도 2는 도 1의 컨텐츠 제공 시스템을 더 상세히 나타낸 블록도이다.
도 3은, 본 발명의 일 실시 예에 따른 시간 구간 식별부의 동작 방법을 개략적으로 나타낸 도면이다.
도 4는 도 1의 컨텐츠 제공 시스템을 더 상세히 나타낸 블록도이다.
도 5은 도 4의 컨텐츠 제공 시스템의 컨텐츠 제공 예를 나타낸 것이다.
도 6은 본 발명의 일 실시 예에 따른, 컨텐츠 제공 방법을 개략적으로 나타낸 흐름도이다.
도 7은 도 6의 적어도 하나의 대표 유형 클러스터를 식별하는 단계를 상세히 설명한 흐름도이다.
도 8은 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하는 단계를 상세히 설명한 흐름도이다.
도 9는 본 발명의 일 실시 예에 따른, 컨텐츠 제공 방법을 상세히 나타낸 흐름도이다.
본 발명의 실시 예에 대한 이하의 설명에서, 본 명세서의 일부를 형성하는 첨부된 도면에 대한 참조가 이루어지며, 발명이 실시될 수 있는 다수의 특정한 실시 예들을 예시의 방법으로 나타낸다. 기타의 실시 예들이 이용될 수도 있으며, 본 발명의 범주를 벗어나지 않고도 구조적인 변경이 이루어질 수 있음을 이해해야 한다.
본 발명은 첨부된 도면에 도시되며, 이는 한정이 아닌 예시로서 간주되어야 한다. 본 명세서 및 도면들에서, 실질적으로 동일한 기능 구성을 가지는 구성요소에 대해서는 동일한 부호를 부여함으로써 중복 설명을 생략한다.
도 1은 본 발명의 일 실시 예에 따른 컨텐츠 제공 시스템(100)의 개략적인 블록도이다.
도 1을 참조하면, 컨텐츠 제공 시스템(100)은, 사용 이력 분석부(110) 및 시간 구간 식별부(120)를 포함할 수 있다.
사용 이력 분석부(110)는, 사용자의 사용 이력을 나타내는 행위 데이터들과 연관된 컨텐츠들을 유형 별로 클러스터링하여, 적어도 하나의 대표 유형 클러스터를 식별한다.
본원에서 유형은, 미확인 사용자의 취향(또는 선호도)을 포함하는 의미일 수 있다. 예컨대 어린이 취향의 행위 데이터들은, 애니메이션 중심의 컨텐츠들과 연관될 수 있고, 주부 취향의 행위 데이터들은, 로맨스 중심의 컨텐츠들과 연관될 수 있다. 도 5에서 더 자세히 후술한다.
다시 도 1을 참조하면, 예컨대, 사용 이력 분석부(110)는, 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하고, 추출된 컨텐츠들의 메타데이터들을 유형 별로 클러스터링하여, 컨텐츠들을 멤버들로 포함하는 유형 클러스터들을 생성하며, 그리고, 유형 클러스터들 중에서, 미리 설정된 임계치 이상의 개수의 컨텐츠들을 멤버로 포함하는 적어도 하나의 대표 유형 클러스터를 식별하도록 구성될 수 있다.
사용자는 미확인된 사용자로서, 개인, 그룹, 특정 시스템의 전체 사용자가 될 수 있다.
행위 데이터들은, 컨텐츠 제공 시스템(100)이 제공하는 서비스 항목에 대한 사용자의 사용 이력을 나타낼 수 있다.
예컨대, 그 서비스 항목은, VOD 서비스에서 시청 이력 기반의 맞춤형 컨텐츠 추천 서비스, 공항에서의 TV 프로그램 선택, 쇼핑 센터나 마트에서의 시간대별 주요 고객군 (주부고객, 맞벌이 부부, 싱글)에 따른 맞춤형 프로모션 리스트 결정, 지하철역에서의 시간별 주요 고객별 성향 (학생, 출근자, 퇴근자, 일반)에 따른 맞춤형 광고 및 환경관리(배경음악) 등이 있을 수 있다. 다만, 이에 한정된 것은 아니다.
사용 이력은 대표적으로 컨텐츠에 대한 시청 이력이나 구매 이력 등이 있을 수 있다. 또한, 사용 이력은 특정 컨텐츠에 대한 선호도를 나타내는 북마크, 평가, 인터넷 공유 등 다양한 행위가 있을 수 있다. 예컨대, TV 시청 이력, VOD 시청 이력, 음악 청취이력, 상품 구매 이력, 항목 클릭, 북마크　등 서비스 항목과 관련된 사용자의 모든 상호작용(interaction)이 포함될 수 있다.
다시 도 1을 참조하면, 시간 구간 식별부(120)는, 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하고, 매핑된 적어도 하나의 대표 유형 클러스터 및 적어도 하나의 시간 구간을 저장한다.
이때 시간 구간 식별부(120)는, 행위 데이터들을 적어도 하나의 시간 구간으로 나누고, 적어도 하나의 시간 구간 중 하나의 시간 구간의 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하고, 추출된 컨텐츠들의 메타데이터들과 적어도 하나의 대표 유형 클러스터들의 컨텐츠 멤버들의 메타데이터들 간의 유사도를 비교하고, 그리고 유사도를 기반으로, 하나의 시간 구간의 컨텐츠들을 적어도 하나의 대표 유형 클러스터와 매핑하도록 구성될 수 있다. 이때 행위 데이터들은 사용 패턴에 따라 미리 정해지는 단위 시간 구간 별로 나뉠 수 있다.
또한, 시간 구간 식별부(120)는, 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 클러스터 맵핑 확률이 임계치 이하인 대표 유형 클러스터는 삭제하도록 또한 구성될 수 있다. 나아가, 적어도 하나의 대표 유형 클러스터들의 전부가 임계치 이하의 클러스터 매핑 확률을 갖는 경우, 그 하나의 시간 구간을 삭제하도록 또한 구성될 수 있다.
또한, 시간 구간 식별부(120)는, 클러스터 매핑 확률을 기반으로, 적어도 하나의 대표 유형 클러스터들의 각각을 순위화하도록 또한 구성될 수 있다.
이처럼, 본 발명의 일 실시 예에 따른 컨텐츠 제공 시스템(100)은 사용자가 식별되지 않는 장치에서 사용자 또는 사용자 그룹의 시청 시간 중 일관성 있는 시청 선호도를 가진 시간 구간을 찾아내는 기술을 다룬다.
구체적인 실시 예로는 TV와 같은 다수의 사용자 그룹이 이용하는 장치에서의 선호도에 일관성을 띠는 시간 구간을 발견하는 서비스를 들 수 있다. 일반적으로 TV 사용자들은 식별정보 제공을 기피하기에 현재의 사용자를 정확하게 식별하기 어렵고, 다수의 사용자가 함께 시청하는 경우가 많기에 맞춤형 서비스에 많은 어려움이 존재한다. 하지만 TV 시청패턴은 시간에 따라 달라지며 몇몇 시청 구간은 다른 시청구간들과 확연히 구분되며 일관성 있는 특징을 가진다.
따라서 본 발명의 일 실시 예에 따른 맞춤 서비스 시스템은, 이와 같은 특징을 이용하여 특정 시간대에 시청 컨텐츠의 보다 정확한 맞춤형 서비스를 사용자의 식별 없이 사용자에게 공급할 수 있다.
이하, 도 2를 참조하여, 본 발명에 따른 컨텐츠 제공 시스템(100)에 대해 더 구체적으로 살펴보기로 한다.
도 2는 도 1의 컨텐츠 제공 시스템(100)을 더 상세히 나타낸 블록도이다.
도 2를 참조하면, 컨텐츠 제공 시스템(100)은, 사용 이력 관리부(210), 컨텐츠 및 메타데이터 관리부(230), 사용 이력 분석부(110), 및 시간 구간 식별부(120)를 구비할 수 있다. 또한 컨텐츠 제공 시스템(100)은, 사용 이력 관리부(210)와 연결된 사용 이력 저장부(220), 컨텐츠 및 메타데이터 관리부(230)와 연결된 컨텐츠 및 메타데이터 저장부(240)를 더 구비할 수 있다.
사용 이력 관리부(210)는, 사용자 장치로부터 행위 데이터를 수집해서 시간 정보와 함께 저장하는 역할을 수행한다.
사용자 장치는 클라이언트 장치일 수 있고, 예컨대 인터넷이 연결된 TV나 PC 같은 장치 일 수 있다. 본 발명에 따른 컨텐츠 제공 시스템(100)은 이런 사용자 장치에 맞춤형 서비스를 제공하는 서버 장치일 수 있다.
사용 이력 관리부(210)는, 행위 데이터들을 시간 순으로 저장 및 관리한다. 예를 들어, 사용 이력 관리부(210)는, <Device id, Content id, Timestamp>와 같은 형식으로 해당 사용자 장치 ID, 해당 사용자 장치에서 특정 시간에 구매한 컨텐츠에 대한 정보, 구매가 이루어진 시간 정보를 저장할 수 있다. 사용 이력 관리부(210)는, 사용자가 식별되지 않으므로 해당 사용자 장치에 대한 아이디로 모든 기록을 저장할 수 있다. 쇼핑몰의 예시의 경우, 사용 이력 관리부(210)는, 모든 개인 사용자의 구매 관련 행위 모두를 시간 정보와 함께 저장할 수 있다.
컨텐츠 및 메타데이터 관리부(230)는, 해당 사용자 장치가 제공하는 컨텐츠, 상품, 서비스와 같은 서비스 대상 항목 및 메타데이터를 관리하는 역할을 수행할 수 있다. 또한 컨텐츠 관리부는, 각 컨텐츠에 대해 특징 정보를 추출하여 관리하는데, 이는 예컨대 제목, 설명, 출연자, 장르 등의 컨텐츠 메타데이터를 피쳐(Feature)로 이용하여 피쳐 벡터(Feature Vector) 형식으로 표현할 수 있다.
사용 이력 분석부(110)는, 특정 사용자 장치에 대한 사용 이력과 연관된 컨텐츠에 대한 분석을 통해 대표적인 유형별로 분류해서 클러스터를 구성할 수 있다. 구체적으로, 사용 이력 분석부(110)는 각 사용자 장치별로 저장된 모든 사용자 행위 데이터의 컨텐츠를 클러스터링(Clustering)한다. 클러스터링은 유사한 컨텐츠들을 몇 그룹으로 분류하는 작업이다.
사용 이력 분석부(110)는 컨텐츠 관리부에서 각 컨텐츠별로 추출된 특징 정보, 즉 메타데이터를 이용하여 유사한 특징을 가지는 컨텐츠별로 그룹화한다. 사용 이력 분석부(110)는, 컨텐츠별 거리를 측정하고 거리가 가까운 컨텐츠들을 하나의 그룹으로 묶는다.
사용 이력 분석부(110)는 이러한 클러스터링을 위해서 대표적인 k-means 알고리즘과 같은 방법을 사용할 수 있으며, 컨텐츠 간의 유사도를 나타내는 거리 측정을 위해서는 특징 벡터 간의 코사인(Cosine) 값이나 유클리드 거리(Euclidean Distance) 등을 사용할 수 있다. 다만 클러스터링 방법은 상술한 방법에 한정되는 것은 아니고, 이 기술 분야에서 숙련된 기술을 가진 자에게 알려진 다양한 방법을 사용할 수 있다.
이러한 유형 클러스터의 특징은 일관된 성향의 컨텐츠의 집합이며, 실제로 복수 사용자의 관련된 컨텐츠가 하나의 유형 클러스터가 될 수도 있고, 한 사용자의 컨텐츠도 복수의 유형 클러스터들로 나뉠 수도 있다. 이때, 사용 이력 분석부(110)는 이런 유형 클러스터들 중에서, 미리설정된 임계치 이상의 개수의 컨텐츠들을 멤버로 포함하는 적어도 하나의 대표 유형 클러스터를 식별할 수 있다.
시간 구간 식별부(120)는, 사용 이력 분석부(110)에서 분석된 대표 유형 클러스터와 시간 구간을 매핑하는 역할을 한다. 그 매핑 방법에 대해서는, 도 3을 참조하여, 더 상세히 설명하기로 한다.
도 3은, 본 발명의 일 실시 예에 따른 시간 구간 식별부(120)의 동작 방법을 개략적으로 나타낸 도면이다. 기호 A, B, C, D는 식별된 대표 유형 클러스터 A, B, C, D 각각을 나타낸다.
도 1 내지 도 3을 참조하면, 시간 구간 식별부(120)는 적어도 하나의 대표 유형 클러스터와 시간 구간 간의 매핑 작업을 수행한다. 시간 구간 식별부(120)는 사용 이력, 즉 행위 데이터를 사용 패턴에 따라 미리 정해지는 단위 시간 구간별로 나눌 수 있다. 시간 구간 식별부(120)는, 시간 구간을 하루의 시간으로 분할할 수도 있고, 요일이나 그 이상의 주기로 데이터를 누적하여 활용할 수도 있다.
다음 단계로, 시간 구간 식별부(120)는 각 시간 구간을 적어도 하나의 대표 유형 클러스터와 매핑하는데, 이는 시간 구간 내의 컨텐츠의 클러스터 멤버쉽, 즉 클러스터 매핑 확률을 기반으로 수행한다.
이때 시간 구간 식별부(120)는 하나의 대표 유형 클러스터를 복수의 시간 구간에 매핑할 수 있으며, 이는 동일한 성향의 사용자가 두 시간대에 출현하는 경우일 수 있다. 예를 들어, 대표 유형 클러스터 C는 9~10시, 13~14시 시간 구간에 맵핑된다.
또한 시간 구간 식별부(120)는 하나의 시간 구간 역시 복수의 대표 유형 클러스터에 매핑할 수 있는데, 이 경우는 해당 시간 구간의 컨텐츠 구성 비율에 따라 가장 적합한 대표 유형 클러스터 순서로, 대표 유형 클러스터들을 순위화할 수 있다. 이 경우 시간 구간 식별부(120)는 클러스터의 매핑 확률이 특정 임계치(threshold) 이하의 대표 유형 클러스터를 제외한다.
시간 구간 식별부(120)는 하나의 시간구간 (11시~12시) 내의 50%의 컨텐츠가 대표 유형 클러스터 A에 다른 40%의 컨텐츠가 대표 유형 클러스터 B에 그리고 마지막 10%가 대표 유형 클러스터 D에 맵핑된 경우, 정해진 임계치가 (30%)일 경우 대표 유형 클러스터 A와 대표 유형 클러스터 B는 선택하고 대표 유형 클러스터 D는 버린다. 시간 구간 식별부(120)는, 만약 모든 대표 유형 클러스터의 매핑 확률이 임계치보다 낮은 경우, 즉 혼합된 유형(또는 취향)을 가지는 구간의 경우 해당 시간 구간은 제외한다.
이러한 과정을 통해 식별된 시간 구간은 다양한 맞춤형 서비스에 활용될 수 있는데, 식별된 대표 유형 클러스터의 특징 데이터를 기반으로 서비스를 제공함으로써 하나의 시간 구간만의 특징 데이터를 활용하는 것보다 향상된 서비스를 제공할 수 있다.
도 4 및 도 5를 참조하여, 컨텐츠 제공 시스템(100)의 다양한 맞춤형 서비스에 활용 방안을 살펴본다.
도 4는 도 1의 컨텐츠 제공 시스템(100)을 더 상세히 나타낸 블록도이다. 도 4를 참조하면, 컨텐츠 제공 시스템(100)은, 사용 이력 관리부(210), 사용 이력 저장부(220), 컨텐츠 및 메타데이터 관리부(230), 컨텐츠 및 메타데이터 저장부(240), 사용 이력 분석부(110), 시간 구간 식별부(120), 및 제공부(410)를 구비할 수 있다. 사용 이력 관리부(210), 사용 이력 저장부(220), 컨텐츠 및 메타데이터 관리부(230), 컨텐츠 및 메타데이터 저장부(240), 사용 이력 분석부(110), 시간 구간 식별부(120)는 도 4와 동일하므로 설명을 생략한다.
제공부(410)는, 적어도 하나의 시간 구간에서, 그 적어도 하나의 시간 구간과 맵핑된 적어도 하나의 대표 유형 클러스터에 따라 결정된 컨텐츠를 제공할 수 있다. 컨텐츠 제공 시스템(100)에 의해 제공되는 컨텐츠는, 맞춤형 서비스, 맞춤형 광고 등 상기 서비스 항목을 포함할 수 있다.
예컨대 제공부(410)는, 복수 개의 대표 유형 클러스터와 연관된 시간구간인 경우 1순위의 대표 유형 클러스터 기반으로 결정된 컨텐츠를 제공하거나 순위화된 대표 유형 클러스터 각각의 특징을 이용하여 결정된 컨텐츠를 순차적으로 제공할 수도 있다.
본원에서, 컨텐츠 제공은 컨텐츠 추천을 포함할 수 있다.
구체적인 예로서, 제공부(410)는 추천 시간이 하나의 대표 유형 클러스터에만 매핑되어 있을 경우 해당 클러스터의 프로파일을 바탕으로 추천 시간대의 추천을 생성할 수 있다. 이 경우 해당 시간대에 비교적 작은 시청 이력이 있더라도 대표 유형 클러스터 내의 비슷한 성향의 다수의 다른 시청 이력을 이용함으로써 안정적인 추천 결과를 얻을 수 있다.
또한 제공부(410)는 시간 구간이 2개 이상의 대표 유형 클러스터와 매핑되어 있을 경우 각 대표 유형 클러스터의 맴버쉽 확률에 비례한 추천을 제공할 수 있다. 위의 예를 들어 설명하면 5/9의 확률로 대표 유형 클러스터 A의 프로파일을 기반으로 추천하고 4/9의 확률로 대표 유형 클러스터 B 의 프로파일을 기반으로 추천할 수 있다. 이것은 대표 유형 클러스터 A 와 대표 유형 클러스터 B 의 프로파일을 혼합하여 추천하는 방식과 근본적으로 다른 추천 결과를 제공할 수 있다. 이러면, 적어도 4/9의 사용자는 항상 추천결과에 만족할 것이다.
정리하면, 본 발명의 일 실시 예에 따른 컨텐츠 제공 시스템(100)은, 패밀리 디바이스와 같이 복수의 사용자가 사용하며 개인 식별정보를 제공하지 않는 상황 하에서, 효과적인 맞춤형 서비스를 제공하기 위해 타 시간대와 차별화되는 성향이 일관적으로 유지되는 시간구간 식별 및 추출을 할 수 있다. 실제 인터넷 TV와 같은 장치에서 VOD 컨텐츠 시청 시 사용자별로 식별 정보를 제공하는 경우는 희박하며, 식별 정보 제공이 아예 불가능한 경우도 존재한다.
본 발명의 일 실시 예에 따른 컨텐츠 제공 시스템(100)은, 사용자 식별정보 없이 축적된 시청 이력 데이터를 대표적인 유형별로 분석하고 각 유형이 일관되게 나타나는 시간구간을 식별해냄으로써 효과적인 맞춤형 서비스 제공을 위한 기반을 제공할 수 있다. 또한, 본 발명을 통해 식별되는 일관된 유형의 시간 구간을 통한 컨텐츠 제공 시스템(100)은, 컨텐츠 추천의 경우 사용자의 만족도를 높여 추가적인 컨텐츠 소비를 촉진하고 맞춤형 광고의 경우 사용자의 관심을 끌어 광고 효과를 제고시킬 수 있다.
도 5는 도 4의 컨텐츠 제공 시스템(100)의 컨텐츠 제공 예를 나타낸 것이다.
도 5를 참조하면, 제공부(410)는 어린이 취향의 시청 이력을 기반으로 초저녁에는 애니메이션 컨텐츠 중심의 컨텐츠를 추천한다. 또한, 제공부(410)는 주부 취향의 시청 이력을 기반으로 오전 시간에는 로맨스 중심의 컨텐츠를 추천한다.
참고로, 기존의 컨텐츠 제공 시스템의 경우 복수 사용자의 혼합된 시청 이력에 의해 추천되어 왔다. 구체적으로, 기존의 컨텐츠 제공 시스템은 액션 영화를 많이 시청하는 부모들의 시청 이력의 영향으로 어린이 가족 구성원들에게 폭력성향이 강한 액션물을 추천한다던가 성인 어른에게 어린이 만화물을 추천하는 경우가 발생할 수 있으며 이때 각 사용자의 추천 만족도는 저하된다. 또한 코메디를 좋아하는 사용자와 범죄물을 좋아하는 사용자가 같이 시청 할 경우 단순히 프로파일을 혼합하여 블랙 코메디 장르의 영화를 추천하는 것은 두 사용자 모두에게 불만족스러운 추천이 될 수도 있다.
반면에, 본 발명의 일 실시 예에 따른 컨텐츠 제공 시스템(100)에서의 유형별로 추출된 시간 구간 추천 결과는 각 타겟 사용자에게 만족스러운 추천 결과를 제공한다.
이하, 도 6 내지 도 9를 참조하여, 본 발명의 일 실시 예에 따른 컨텐츠 제공 방법을 살펴본다. 도 1 내지 도 4의 컨텐츠 제공 시스템(100)의 동작과 동일하므로 설명을 간략히 하도록 한다.
도 6은 본 발명의 일 실시 예에 따른, 컨텐츠 제공 방법을 개략적으로 나타낸 흐름도이다.
도 6을 참조하면, 단계 610에서, 사용자의 사용 이력을 나타내는 행위 데이터들과 연관된 컨텐츠들을 유형 별로 클러스터링하여, 적어도 하나의 대표 유형 클러스터를 식별한다(S610).
단계 620에서, 상기 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑한다(S620).
단계 630에서, 상기 매핑된 적어도 하나의 대표 유형 클러스터 및 적어도 하나의 시간 구간을 저장한다(S630).
도 7 및 도 8을 참조하여, 적어도 하나의 대표 유형 클러스터를 식별하는 단계(S610) 및 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하는 단계(S620)에 대해 더 구체적으로 살펴본다.
도 7은 도 6의 적어도 하나의 대표 유형 클러스터를 식별하는 단계를 상세히 설명한 흐름도이다.
도 7을 참조하면, 단계 710에서, 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출한다(S710).
단계 720에서, 상기 추출된 컨텐츠들의 메타데이터들을 유형 별로 클러스터링하여, 상기 컨텐츠들을 멤버들로 포함하는 유형 클러스터들을 생성한다(S720).
단계 730에서, 상기 유형 클러스터들 중에서, 미리 설정된 임계치 이상의 개수의 컨텐츠들을 멤버로 포함하는 적어도 하나의 대표 유형 클러스터를 식별한다(S730).
도 8은 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하는 단계를 상세히 설명한 흐름도이다.
도 8을 참조하면, 단계 810에서, 상기 행위 데이터들을 상기 적어도 하나의 시간 구간으로 나눈다(810).
단계 820에서, 상기 적어도 하나의 시간 구간 중 하나의 시간 구간의 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출한다(820).
단계 830에서, 상기 추출된 컨텐츠들의 메타데이터들과 적어도 하나의 대표 유형 클러스터들의 컨텐츠 멤버들의 메타데이터들 간의 유사도를 비교한다(830).
단계 840에서, 상기 유사도를 기반으로, 상기 하나의 시간 구간의 컨텐츠들을 상기 적어도 하나의 대표 유형 클러스터와 매핑한다(S840).
도 9는 본 발명의 일 실시 예에 따른, 컨텐츠 제공 방법을 개략적으로 나타낸 흐름도이다.
도 9는 구체적인 실시 예로 인터넷이 연결된 TV나 PC와 같은 장치에서 제공하는 VOD 서비스에서 시청 이력 기반의 맞춤형 컨텐츠 추천 서비스 방법을 고려한 것이다. 다만, 이에 한정되는 것은 아니다.
도 9를 참조하면, 단계 910에서, 전체 시청 이력 내에의 각 컨텐츠에 대한 특징을 추출한다(S910). 각 컨텐츠에 대한 특징은 각 컨텐츠에 대한 메타데이터이다.
단계 920에서, 컨텐츠 특징 간의 유사도를 기반으로 클러스터링을 통해 시청이력을 그룹핑하고, 임계치 이상의 대표 유형 클러스터를 식별한다(S920).
단계 930에서, 단위 시간 구간 별 컨텐츠에 대한 특징을 추출한다(S930).
단계 940에서, 각 시간 구간과 대표 유형 클러스터 간 매핑한다(S940).
단계 950에서, 임계치 이상의 클러스터 매핑 확률을 갖는 대표 유형 클러스터에 매핑되는 시간 구간을 저장한다(S950).
또한, 본 발명의 일 실시 예에 따른 컨텐츠 제공 방법은 컴퓨터가 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 정보가 저장되는 모든 종류의 저장 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 정보 저장장치 등이 있으며, 또한 캐리어 웨이브 (예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드로서 저장되고 실행될 수 있다. 그리고, 컨텐츠 제공 방법을 구현하기 위한 기능적(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 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 실시 예들은 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.

Claims (20)

  1. 사용자의 사용 이력을 나타내는 행위 데이터들과 연관된 컨텐츠들을 유형 별로 클러스터링하여, 적어도 하나의 대표 유형 클러스터를 식별하는 단계;
    상기 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하는 단계; 및
    상기 매핑된 적어도 하나의 대표 유형 클러스터 및 적어도 하나의 시간 구간을 저장하는 단계를 포함하는, 컨텐츠 제공 방법.
  2. 제1항에 있어서, 상기 컨텐츠 제공 방법은,
    상기 적어도 하나의 시간 구간에서, 상기 맵핑된 적어도 하나의 대표 유형 클러스터에 따라 결정된 컨텐츠를 제공하는 단계를 더 포함하는, 컨텐츠 제공 방법.
  3. 제1항에 있어서, 상기 식별하는 단계는,
    상기 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하는 단계;
    상기 추출된 컨텐츠들의 메타데이터들을 유형 별로 클러스터링하여, 상기 컨텐츠들을 멤버들로 포함하는 유형 클러스터들을 생성하는 단계; 및
    상기 유형 클러스터들 중에서, 미리 설정된 임계치 이상의 개수의 컨텐츠들을 멤버로 포함하는 적어도 하나의 대표 유형 클러스터를 식별하는 단계를 포함하는, 컨텐츠 제공 방법.
  4. 제1항에 있어서, 상기 매핑하는 단계는,
    상기 행위 데이터들을 상기 적어도 하나의 시간 구간으로 나누는 단계;
    상기 적어도 하나의 시간 구간 중 하나의 시간 구간의 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하는 단계;
    상기 추출된 컨텐츠들의 메타데이터들과 적어도 하나의 대표 유형 클러스터들의 컨텐츠 멤버들의 메타데이터들 간의 유사도를 비교하는 단계; 및
    상기 유사도를 기반으로, 상기 하나의 시간 구간의 컨텐츠들을 상기 적어도 하나의 대표 유형 클러스터와 매핑하는 단계를 더 포함하는, 컨텐츠 제공 방법.
  5. 제4항에 있어서, 상기 매핑하는 단계는,
    상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 클러스터 맵핑 확률이 임계치 이하인 대표 유형 클러스터는 삭제하는 단계를 더 포함하는, 컨텐츠 제공 방법.
  6. 제5항에 있어서,
    상기 적어도 하나의 대표 유형 클러스터들의 전부가 임계치 이하의 클러스터 매핑 확률을 갖는 경우, 상기 하나의 시간 구간을 삭제하는 단계를 더 포함하는, 컨텐츠 제공 방법.
  7. 제4항에 있어서, 상기 매핑하는 단계는,
    상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 적어도 하나의 대표 유형 클러스터들의 각각을 순위화하는 단계를 더 포함하는, 컨텐츠 제공 방법.
  8. 제7항에 있어서, 상기 컨텐츠 제공 방법은,
    상기 순위화된 적어도 하나의 대표 유형 클러스터들 중에서 1순위의 대표 유형 클러스터를 기반으로 결정된 컨텐츠들을 제공하거나, 상기 순위화된 적어도 하나의 대표 유형 클러스터들의 각각의 특징을 이용하여 결정된 컨텐츠들을 순차적으로 제공하는 단계를 더 포함하는, 컨텐츠 제공 방법.
  9. 제4항에 있어서, 상기 행위 데이터들을 상기 적어도 하나의 시간 구간으로 나누는 단계는,
    상기 행위 데이터들을, 사용 패턴에 따라 미리 정해지는 단위 시간별로 나누는 단계를 더 포함하는, 컨텐츠 제공 방법.
  10. 사용자의 사용 이력을 나타내는 행위 데이터들과 연관된 컨텐츠들을 유형 별로 클러스터링하여, 적어도 하나의 대표 유형 클러스터를 식별하는 사용 이력 분석부; 및
    상기 식별된 적어도 하나의 대표 유형 클러스터를 적어도 하나의 시간 구간과 매핑하고, 상기 매핑된 적어도 하나의 대표 유형 클러스터 및 적어도 하나의 시간 구간을 저장하는 시간 구간 식별부를 포함하는, 컨텐츠 제공 시스템.
  11. 제10항에 있어서, 컨텐츠 제공 시스템은,
    상기 적어도 하나의 시간 구간에서, 상기 맵핑된 적어도 하나의 대표 유형 클러스터에 따라 결정된 컨텐츠를 제공하는 제공부를 더 포함하는, 컨텐츠 제공 시스템.
  12. 제10항에 있어서, 상기 사용 이력 분석부는,
    상기 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하고,
    상기 추출된 컨텐츠들의 메타데이터들을 유형 별로 클러스터링하여, 상기 컨텐츠들을 멤버들로 포함하는 유형 클러스터들을 생성하고, 그리고,
    상기 유형 클러스터들 중에서, 미리 설정된 임계치 이상의 개수의 컨텐츠들을 멤버로 포함하는 적어도 하나의 대표 유형 클러스터를 식별하도록 또한 구성된, 컨텐츠 제공 시스템.
  13. 제10항에 있어서, 상기 시간 구간 식별부는,
    상기 행위 데이터들을 상기 적어도 하나의 시간 구간으로 나누고,
    상기 적어도 하나의 시간 구간 중 하나의 시간 구간의 행위 데이터들과 연관된 컨텐츠들의 메타데이터들을 추출하고,
    상기 추출된 컨텐츠들의 메타데이터들과 적어도 하나의 대표 유형 클러스터들의 컨텐츠 멤버들의 메타데이터들 간의 유사도를 비교하고, 그리고
    상기 유사도를 기반으로, 상기 하나의 시간 구간의 컨텐츠들을 상기 적어도 하나의 대표 유형 클러스터와 매핑하도록 또한 구성된, 컨텐츠 제공 시스템.
  14. 제13항에 있어서, 상기 시간 구간 식별부는,
    상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 클러스터 맵핑 확률이 임계치 이하인 대표 유형 클러스터는 삭제하도록 또한 구성된, 컨텐츠 제공 시스템.
  15. 제14항에 있어서, 상기 시간 구간 식별부는,
    상기 적어도 하나의 대표 유형 클러스터들의 전부가 임계치 이하의 클러스터 매핑 확률을 갖는 경우, 상기 하나의 시간 구간을 삭제하도록 또한 구성된, 컨텐츠 제공 시스템.
  16. 제13항에 있어서, 상기 시간 구간 식별부는,
    상기 적어도 하나의 대표 유형 클러스터들의 각각에 매핑되는, 상기 하나의 시간 구간의 컨텐츠들의 클러스터 매핑 확률을 기반으로, 상기 적어도 하나의 대표 유형 클러스터들의 각각을 순위화하도록 또한 구성된, 컨텐츠 제공 시스템.
  17. 제16항에 있어서,
    상기 순위화된 적어도 하나의 대표 유형 클러스터들 중에서 1순위의 대표 유형 클러스터를 기반으로 결정된 컨텐츠들을 제공하거나, 상기 순위화된 적어도 하나의 대표 유형 클러스터들의 각각의 특징을 이용하여 결정된 컨텐츠들을 순차적으로 제공하도록 구성된 제공부를 더 포함하는, 컨텐츠 제공 시스템.
  18. 제13항에 있어서, 상기 시간 구간 식별부는,
    상기 행위 데이터들을, 사용 패턴에 따라 미리설정된 단위 시간 구간별로 나누도록 또한 구성된, 컨텐츠 제공 시스템.
  19. 제10항에 있어서, 상기 컨텐츠 제공 시스템은,
    상기 행위데이터들을 시간 정보와 함께 저장하는 사용 이력 관리부; 및
    상기 컨텐츠 제공 시스템이 제공하는 서비스 항목에 대한 컨텐츠들 및 그 컨텐츠들에 대한 메타데이터들을 관리하는 컨텐츠 및 메타데이터 관리부를 더 포함하는 것을 특징으로 하는 컨텐츠 제공 시스템.
  20. 제1항 내지 제9항 중 어느 한 항의 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
KR1020100118105A 2010-11-25 2010-11-25 컨텐츠 제공 방법 및 그 시스템 KR101802332B1 (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020100118105A KR101802332B1 (ko) 2010-11-25 2010-11-25 컨텐츠 제공 방법 및 그 시스템
EP11842778.0A EP2643807A4 (en) 2010-11-25 2011-11-24 METHOD AND SYSTEM FOR CONTENT PROVIDING
PCT/KR2011/009014 WO2012070880A2 (en) 2010-11-25 2011-11-24 Content-providing method and system
CN201180056996.2A CN103229169B (zh) 2010-11-25 2011-11-24 内容提供方法和系统
JP2013539779A JP5830545B2 (ja) 2010-11-25 2011-11-24 コンテンツ提供方法及びそのシステム
US13/304,479 US9465863B2 (en) 2010-11-25 2011-11-25 Content-providing method and system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100118105A KR101802332B1 (ko) 2010-11-25 2010-11-25 컨텐츠 제공 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20120076475A true KR20120076475A (ko) 2012-07-09
KR101802332B1 KR101802332B1 (ko) 2017-12-29

Family

ID=46127319

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100118105A KR101802332B1 (ko) 2010-11-25 2010-11-25 컨텐츠 제공 방법 및 그 시스템

Country Status (6)

Country Link
US (1) US9465863B2 (ko)
EP (1) EP2643807A4 (ko)
JP (1) JP5830545B2 (ko)
KR (1) KR101802332B1 (ko)
CN (1) CN103229169B (ko)
WO (1) WO2012070880A2 (ko)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6015162B2 (ja) * 2012-06-27 2016-10-26 ソニー株式会社 端末装置、情報処理システム、情報処理方法およびプログラム
US9607025B2 (en) 2012-09-24 2017-03-28 Andrew L. DiRienzo Multi-component profiling systems and methods
EP2840514A1 (en) * 2013-08-21 2015-02-25 Thomson Licensing Method and device for assigning time information to a multimedia content
CN104661055A (zh) * 2013-11-21 2015-05-27 中兴通讯股份有限公司 一种业务推荐方法及装置
CN105320702B (zh) * 2014-08-04 2019-02-01 Tcl集团股份有限公司 一种用户行为数据的分析方法、装置及智能电视
CN104918070A (zh) * 2015-06-02 2015-09-16 四川九天揽月文化传媒有限公司 一种基于智能电视的视频节目推送系统及推送方法
CN105979376A (zh) * 2015-12-02 2016-09-28 乐视致新电子科技（天津）有限公司 一种推荐方法和装置
CN106131703A (zh) * 2016-06-28 2016-11-16 青岛海信传媒网络技术有限公司 一种视频推荐的方法和终端
US20180211270A1 (en) * 2017-01-25 2018-07-26 Business Objects Software Ltd. Machine-trained adaptive content targeting
CN108804462B (zh) * 2017-05-03 2021-08-27 腾讯科技（深圳）有限公司 一种广告推荐方法、装置及服务器
CN107071578B (zh) * 2017-05-24 2019-11-22 中国科学技术大学 Iptv节目推荐方法
WO2019058717A1 (ja) * 2017-09-22 2019-03-28 シャープ株式会社 情報処理装置、表示システム、コンテンツ推奨方法、および制御プログラム
WO2019159288A1 (ja) * 2018-02-15 2019-08-22 楽天株式会社 情報処理システム、情報処理方法、及びプログラム
CN109146474A (zh) * 2018-07-18 2019-01-04 阿里巴巴集团控股有限公司 一种支付限额定制方法及装置
CN111277859B (zh) * 2020-01-15 2021-12-14 腾讯科技（深圳）有限公司 配乐获取方法、装置、计算机设备和存储介质
CN113377775B (zh) * 2021-06-21 2024-02-02 特赞（上海）信息科技有限公司 信息处理方法及装置

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010013009A1 (en) * 1997-05-20 2001-08-09 Daniel R. Greening System and method for computer-based marketing
JP3844901B2 (ja) * 1999-02-26 2006-11-15 株式会社東芝 電子番組ガイド受信システム
AU2001277071A1 (en) * 2000-07-21 2002-02-13 Triplehop Technologies, Inc. System and method for obtaining user preferences and providing user recommendations for unseen physical and information goods and services
JP2004515145A (ja) * 2000-11-22 2004-05-20 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ 期間ベース・プロファイルを利用して時間変動する条件付き確率を判定するテレビ番組推奨器
US20040181604A1 (en) 2003-03-13 2004-09-16 Immonen Pekka S. System and method for enhancing the relevance of push-based content
US20050222987A1 (en) * 2004-04-02 2005-10-06 Vadon Eric R Automated detection of associations between search criteria and item categories based on collective analysis of user activity data
JP2005318343A (ja) 2004-04-30 2005-11-10 Sony Corp 視聴覚情報データ処理装置
JP2005352754A (ja) * 2004-06-10 2005-12-22 Sharp Corp 情報ナビゲーション装置、方法、プログラム、及び記録媒体
US7693863B2 (en) * 2004-12-20 2010-04-06 Claria Corporation Method and device for publishing cross-network user behavioral data
US8281037B2 (en) 2005-01-03 2012-10-02 Orb Networks, Inc. System and method for delivering content to users on a network
US8073866B2 (en) * 2005-03-17 2011-12-06 Claria Innovations, Llc Method for providing content to an internet user based on the user's demonstrated content preferences
US7340060B2 (en) * 2005-10-26 2008-03-04 Black Box Intelligence Limited System and method for behavioural modelling
US7739280B2 (en) * 2006-03-06 2010-06-15 Veveo, Inc. Methods and systems for selecting and presenting content based on user preference information extracted from an aggregate preference signature
WO2008154029A1 (en) * 2007-06-11 2008-12-18 The Trustees Of Columbia University In The City Of New York Data classification and hierarchical clustering
KR101351022B1 (ko) 2007-03-05 2014-01-13 엘지전자 주식회사 방송 신호 송수신 방법 및 방송 신호 수신 장치
JP2008233295A (ja) * 2007-03-19 2008-10-02 Kddi Corp 広告配信装置、広告配信方法およびプログラム
CN101079063A (zh) * 2007-06-25 2007-11-28 腾讯科技（深圳）有限公司 一种基于场景信息推送广告的方法、系统及设备
EP2165437A4 (en) * 2007-06-25 2012-02-29 Jump Tap Inc PRESENTING THE CONTENTS OF A MOBILE COMMUNICATION DEVICE BASED ON CONTEXT AND BEHAVIOR DATA WITH RESPECT TO A PART OF A MOBILE CONTENT
JP5251039B2 (ja) 2007-08-23 2013-07-31 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JP2009239686A (ja) 2008-03-27 2009-10-15 Hitachi Ltd 放送受信システム、ホームゲートウェイ装置及び放送受信端末装置
US7979426B2 (en) * 2008-06-05 2011-07-12 Samsung Electronics Co., Ltd. Clustering-based interest computation
US20100011020A1 (en) * 2008-07-11 2010-01-14 Motorola, Inc. Recommender system
JP5079642B2 (ja) 2008-09-16 2012-11-21 日本電信電話株式会社 履歴処理装置、履歴処理方法および履歴処理プログラム
KR20100043639A (ko) 2008-10-20 2010-04-29 주식회사 대우일렉트로닉스 사용자 식별 기반의 방송 수신 제어 장치 및 방법
KR20100055712A (ko) * 2008-11-18 2010-05-27 한국전자통신연구원 개인 맞춤형 컨텐트 추천 방법 및 장치
KR101054088B1 (ko) * 2009-02-25 2011-08-03 한국과학기술원 협업 필터링을 이용한 사용자 맞춤형 아이피 티브이 프로그램 자동 추천 방법
WO2010119807A1 (ja) * 2009-04-13 2010-10-21 シャープ株式会社 番組検索装置、情報表示装置およびデジタル放送受信装置
EP2454684A4 (en) * 2009-07-14 2014-05-07 Hewlett Packard Development Co DETERMINING A SEASONAL EFFECT IN TIME DATA
US9836482B2 (en) * 2009-12-29 2017-12-05 Google Inc. Query categorization based on image results

Also Published As

Publication number Publication date
KR101802332B1 (ko) 2017-12-29
US9465863B2 (en) 2016-10-11
EP2643807A4 (en) 2016-08-17
JP2014502392A (ja) 2014-01-30
WO2012070880A2 (en) 2012-05-31
CN103229169B (zh) 2016-06-01
WO2012070880A3 (en) 2012-10-04
JP5830545B2 (ja) 2015-12-09
CN103229169A (zh) 2013-07-31
EP2643807A2 (en) 2013-10-02
US20120136861A1 (en) 2012-05-31

Similar Documents

Publication Publication Date Title
JP5830545B2 (ja) コンテンツ提供方法及びそのシステム
Pan et al. Online to offline (O2O) service recommendation method based on multi-dimensional similarity measurement
US8407230B2 (en) System and method for identifying similar media objects
US20180240152A1 (en) Content for targeted transmission
US20080077568A1 (en) Talent identification system and method
US20150134460A1 (en) Method and apparatus for selecting an advertisement for display on a digital sign
US20170213243A1 (en) Media content advertisement system based on a ranking of a segment of the media content and user interest
US20090055376A1 (en) System and method for identifying similar media objects
Vigliensoni et al. The music listening histories dataset.
An et al. Automatic generation of personas using youtube social media data
Guney et al. A combined approach for customer profiling in video on demand services using clustering and association rule mining
KR20170114673A (ko) 컨텐츠 추천 시스템 및 방법
US20200111121A1 (en) Systems and methods for automatic processing of marketing documents
KR20200057209A (ko) K-means Clustering을 활용한 맞춤형 도서를 추천하는 방법 및 그 장치
Zheng et al. A scalable purchase intention prediction system using extreme gradient boosting machines with browsing content entropy
US20200111130A1 (en) Systems and methods for automatic processing of marketing documents
US20160117704A1 (en) System and method for storing and retrieving objects of interest relevant to different audience profiles.
JP2011015355A (ja) 属性推定装置及び方法及びプログラム
JP6618962B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN102483828B (zh) 基于参与分类的自动信息选择
Konishi et al. Clustering Nico Nico Douga Videos by Using the Distribution of Time-Synchronyzed Comments
US20240187668A1 (en) Affinity profile system and method
Karlapalepu A Taxonomy of Sequential Patterns Based Recommendation Systems
KR102030383B1 (ko) 컨텐츠 기반의 광고 타깃 장치 및 방법
Ishida Periodic topic mining from massive amounts of data

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant