KR20130098841A - 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법 - Google Patents

추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법 Download PDF

Info

Publication number
KR20130098841A
KR20130098841A KR1020120154325A KR20120154325A KR20130098841A KR 20130098841 A KR20130098841 A KR 20130098841A KR 1020120154325 A KR1020120154325 A KR 1020120154325A KR 20120154325 A KR20120154325 A KR 20120154325A KR 20130098841 A KR20130098841 A KR 20130098841A
Authority
KR
South Korea
Prior art keywords
content
user
users
preference information
specific
Prior art date
Application number
KR1020120154325A
Other languages
English (en)
Inventor
이석필
신사임
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Publication of KR20130098841A publication Critical patent/KR20130098841A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q50/01—Social networking
    • 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

Landscapes

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

Abstract

본 발명은 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법에 관한 것으로서, 본 발명에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치는 각 사용자의 콘텐츠 사용 히스토리 정보를 분석하여 추출한 패턴들을 기반으로 특정 사용자의 선호정보를 추출하고 추출된 특정 사용자의 선호정보를 토대로 콘텐츠를 추천하되, 특정 사용자의 선호 정보 추출에 있어서 각 사용자의 콘텐츠 사용 히스토리 정보 외에, 각 사용자와 소셜 네트워크상에서 온라인/오프라인으로 관계를 맺은 유관 사용자들의 콘텐츠 사용 히스토리 정보도 사용하여 특정 사용자가 선호할만한 콘텐츠를 추천해줌으로써 추천된 콘텐츠에 대한 특정 사용자의 만족도를 높여주는 것을 특징으로 한다.

Description

추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법{Apparatus and Method Suggesting Each User Contents Using Extracted User Group}
본 발명은 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법에 관한 것으로서, 보다 구체적으로는 수집된 사용자의 각종 멀티미디어 콘텐츠 소비 기록을 기반으로 사용자가 선호할 것으로 예측되는 멀티미디어 콘텐츠를 추출하여 제공하는 장치 및 방법에 관한 것이다.
기존의 콘텐츠 추천 방식은 사용자별 콘텐츠 소비 기록을 분석하고, 분석결과를 바탕으로 각 사용자에게 콘텐츠 추천을 수행하였기 때문에 활용 데이터의 성격이 단순하고 제한적이어서 데이터 희귀문제가 자주 발생하였다.
예컨대, 콘텐츠 사용에 따른 사용 로그가 많이 남아있는 사용자일 경우 사용 로그를 통해 사용자의 소비 패턴을 정확하게 분석할 수 있으므로 이러한 사용자에게는 만족도 높은 콘텐츠를 추천해줄 수 있지만, 상대적으로 사용 로그가 적게 남아있는 사용자일 경우 자료가 부족하여 사용 로그만으로는 소비 패턴을 정확하게 분석할 수 없으므로, 추천해줄 콘텐츠의 양과 그에 대한 충실도가 떨어져 추천 결과에 대한 사용자 만족도가 저하될 수 있다.
한편, 음악, 방송, 광고, 기사 등의 다양한 콘텐츠를 복합적으로 사용자들에게 제공하는 종래의 개인 맞춤형 추천엔진은 사용자의 만족도를 높이기 위해 다양한 콘텐츠의 연관성과 사용자의 콘텐츠 선호 패턴을 반영하여 사용자가 선호할만한 콘텐츠들을 추천하였다.
즉, 종래의 콘텐츠 추천 알고리즘은 사용자의 콘텐츠 소비 성향을 파악하여 사용자별로 선호 콘텐츠를 예측하는 것으로서, 사용자별 콘텐츠 관련 히스토리(Usage History)를 분석하고 분석 결과를 토대로 사용자 선호정보(User Preferences)를 도출하며, 도출된 사용자 선호정보를 근거로 사용자의 콘텐츠 소비 성향을 파악함으로써 사용자별 선호 콘텐츠를 예측하였다.
이러한 각 사용자의 선호정보 기반 콘텐츠 추천 방식은 사용자별 콘텐츠 사용 히스토리(Usage History)만을 분석하기 때문에, 통계적 자동화 알고리즘의 가장 큰 문제점인 데이터 희귀 문제(data sparseness problem)를 빈번하게 유발시킨다는 문제점이 있다.
즉, 데이터 희귀 문제는 통계적으로 처리하기에 부족한 양의 데이터를 통계적으로 처리하여 학습 및 예측함으로써 소수의 잘못된 선택이 전혀 다른 예측 결과를 만들어 내거나, 실제 의미 있는 결과가 통계기반 데이터에 의해 무시되어 예측에 반영되지 못하는 것으로서, 종래의 사용자 선호정보 기반 콘텐츠 추천 방식은 사용자 로그 기록이 적은 경우 분석에 활용할 데이터의 부족으로(전술된 데이터 희귀 문제로 인해) 추천 양과 충실도가 떨어진 콘텐츠를 해당 사용자에게 추천할 수밖에 없고, 이렇게 추천된 콘텐츠에 대한 사용자 만족도는 저하될 수밖에 없으며, 결국 사용자 로그 기록이 적은 사용자는 해당 서비스를 이용하지 않게 될 것이 자명하다. 즉 사용자 로그 기록이 적은 사용자의 해당 서비스 이용 빈도 수는 점점 더 줄어들게 된다.
전술한 바와 같이, 종래의 사용자 선호정보 기반 콘텐츠 추천 방식은 사용자 로그 기록이 적은 사용자의 해당 서비스 이용 빈도 수가 점점 더 줄어드는 악순환이 지속적으로 반복된다는 문제점이 있다.
본 발명은 상기와 같은 문제점을 감안하여 창출한 것으로서, 각 사용자의 콘텐츠 사용 히스토리 정보를 분석하여 추출한 패턴들을 기반으로 특정 사용자의 선호정보를 추출하고 추출된 특정 사용자의 선호정보를 토대로 콘텐츠를 추천하되, 특정 사용자의 선호 정보 추출에 있어서 각 사용자의 콘텐츠 사용 히스토리 정보 외에, 각 사용자와 소셜 네트워크상에서 온라인/오프라인으로 관계를 맺은 유관 사용자들의 콘텐츠 사용 히스토리 정보도 사용하여 특정 사용자가 선호할만한 콘텐츠를 추천해줌으로써 추천된 콘텐츠에 대한 특정 사용자의 만족도를 높여주는 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법을 제공하는 데 그 목적이 있다.
전술한 목적을 달성하기 위하여, 본 발명의 일면에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치는 기록된 전체 사용자 각각의 콘텐츠 사용 히스토리 정보를 토대로 상기 전체 사용자 각각의 콘텐츠 선호정보를 추출하고, 상기 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 계산하며, 계산된 각 유사도를 토대로 상기 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하여 사용자 선호정보 그룹으로 그룹화하는 CUG 업데이터; 추출된 상기 전체 사용자의 콘텐츠 선호정보를 콘텐츠 타입별로 업데이트하여 관리하는 UP 업데이터; 및 상기 특정 사용자의 콘텐츠 추천 목록을 상기 콘텐츠 타입별로 도출할 수 있도록 추출된 상기 전체 사용자의 콘텐츠 선호정보를 기반으로 상기 콘텐츠 타입별로 각 콘텐츠 타입에 포함된 콘텐츠들을 순위화하는 멀티미디어 콘텐츠 순위화 모듈을 포함하고, 상기 특정 사용자의 콘텐츠 사용 히스토리 정보와, 상기 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보를 사용하여 상기 특정 사용자의 콘텐츠 선호정보 추출하고, 추출된 상기 특정 사용자의 콘텐츠 선호정보를 토대로 상기 특정 사용자에게 콘텐츠를 추천하는 것을 특징으로 한다.
본 발명의 다른 면에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 방법은 기록된 전체 사용자 각각의 콘텐츠 사용 히스토리 정보를 토대로 상기 전체 사용자 각각의 콘텐츠 선호정보를 추출하는 단계; 상기 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 계산하는 단계; 계산된 각 유사도를 토대로 상기 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하여 사용자 선호정보 그룹으로 그룹화하는 단계; 상기 특정 사용자의 콘텐츠 사용 히스토리 정보와, 상기 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보를 사용하여 상기 특정 사용자의 콘텐츠 선호정보 추출하는 단계; 및 추출된 상기 특정 사용자의 콘텐츠 선호정보를 토대로 상기 특정 사용자에게 콘텐츠를 추천하는 단계를 포함한다.
본 발명에 따르면, 사용자별 사용 로그 부족 문제를 보완할 수 있다.
특히 특정 사용자와 취향이 비슷한 사용자들(사용자 그룹)의 콘텐츠 사용 패턴을 기반으로 특정 사용자의 선호도에 부합된 광범위한 콘텐츠를 특정 사용자에게 추천해줄 수 있다.
또한, 각 사용자의 소비 트랜드와 경향이 실시간으로 반영되고 나타나는 웹 기반 소셜 네트워크 환경의 다양한 정보로부터 대중과 연관된 각 사용자의 콘텐츠 소비 패턴을 찾고, 다양한 정보로부터 찾은 각 사용자의 콘텐츠 소비 패턴을 토대로 콘텐츠 소비 변화가 반영된 콘텐츠를 각 사용자에게 추천해줄 수 있다.
도 1은 본 발명의 일 실시예에 따른 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 설명하기 위한 도면.
도 2는 본 발명의 일 실시예에 따른 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 방법을 설명하기 위한 흐름도.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 용이하게 이해할 수 있도록 제공되는 것이며, 본 발명은 청구항의 기재에 의해 정의된다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자 이외의 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
개인 맞춤형 콘텐츠 추천엔진은 음악, 방송, 광고, 기사 등의 다양한 콘텐츠를 복합적으로 사용자들에게 제공하는 유무선 공유 에이전트들 간의 연관성과, 사용자의 콘텐츠 선호 패턴을 반영하여 사용자가 선호할만한 콘텐츠를 추천함으로써 추천된 콘텐츠에 대한 사용자 만족도를 높여주는 것이다.
즉, 개인 맞춤형 콘텐츠 추천엔진은 콘텐츠 추천 알고리즘을 통해 사용자의 콘텐츠 소비 성향을 파악하여 사용자별로 선호 콘텐츠를 예측하는 것으로서, 각 사용자의 콘텐츠 사용 히스토리(usage history)를 분석하고, 분석된 결과를 통해 콘텐츠 선호정보(user preferences)를 추출하여 사용자의 콘텐츠 소비 성향을 파악함으로써 사용자별 선호 콘텐츠를 예측할 수 있고, 예측된 결과를 토대로 사용자에게 콘텐츠를 추천함으로써 추천된 콘텐츠에 대한 사용자 만족도를 높일 수 있는 것이다.
전술한 바와 같이, 각 사용자의 선호정보를 기반으로 콘텐츠를 추천하는 개인 맞춤형 콘텐츠 추천엔진은 각 사용자의 콘텐츠 사용 히스토리(usage history)만을 분석하기 때문에, 통계적 자동화 알고리즘의 가장 큰 문제점인 데이터 희귀 문제(data sparseness problme)를 빈번하게 유발시킬 수 있다.
전술한 데이터 희귀 문제는 통계적 처리에 적합하지 않은 양, 즉 통계처리 하기에 부족한 양의 데이터를 통계적으로 처리하여 학습 및 예측함으로써 소수의 잘못된 선택이 전혀 다른 예측 결과를 만들어 낸다거나, 실제로 의미 있는 결과가 통계기반 데이터에 의해 무시되어 예측에 반영되지 못하는 현상 등을 일컫는 것이다.
이러한 데이터 희귀 문제를 극복하기 위해서는 데이터를 통계 분석하여 결과를 도출하기에 앞서 양질의 다량의 데이터를 확보하는 것이 매우 중요하다.
이하, 도 1을 참조하여 본 발명의 일 실시예에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치를 설명한다. 도 1은 본 발명의 일 실시예에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치를 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치는 CUG (Collaborative User Group) 기반 콘텐츠 추천 엔진 시스템(100)으로서, CUG 업데이터(Collaborative User Group Updaters, 110), UP 업데이터(User Preferences Updaters, 120) 및 멀티미디어 콘텐츠 순위화 모듈(Contents Ranker, 130)을 포함한다.
CUG 업데이터(110)는 기록된 전체 사용자 각각의 콘텐츠 사용 히스토리 정보를 토대로 전체 사용자 각각의 콘텐츠 선호정보를 추출하고, 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 계산하며, 계산된 각 유사도를 토대로 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하여 사용자 선호정보 그룹으로 그룹화한다.
UP 업데이터(120)는 전체 사용자(각 사용자)의 콘텐츠 선호정보를 콘텐츠 타입(Music, Broad., Article, Adver., Moving picture 등)별로 업데이트하여 관리한다.
멀티미디어 콘텐츠 순위화 모듈(130)은 특정 사용자의 콘텐츠 추천 목록을 콘텐츠 타입별로 도출할 수 있도록, 전체 사용자의 콘텐츠 선호정보를 기반으로 콘텐츠 타입별로 각 콘텐츠 타입에 포함된 콘텐츠들을 순위화한다.
한편, 특정 사용자의 콘텐츠 추천시 특정 사용자의 콘텐츠 사용 히스토리 정보로부터 추출된 콘텐츠 선호정보만이 활용될 경우, 종래의 인공 지능 에이전트 활용에 의한 콘텐츠 추천시 빈번하게 발생했던 데이터 희귀 문제로 인해 콘텐츠 추천결과에 대한 사용자 만족도는 향상에 있어 한계가 있으므로, CUG 기반 콘텐츠 추천 엔진 시스템(100)은 추천된 콘텐츠에 대한 사용자 만족도를 보다 향상시키기 위해, 특정 사용자의 콘텐츠 사용 히스토리 정보 외에, 사용자 선호정보 그룹에 포함된 사용자들의 콘텐츠 사용 히스토리 정보를 특정 사용자의 콘텐츠 선호정보를 추출하는데 사용한다.
대중의 콘텐츠 소비 성형 또한 각 사용자의 콘텐츠 소비 성향에 직/간접적으로 영향을 줄 수 있으므로, CUG 업데이터(110)는 특정 사용자와 사용자 선호정보 그룹에 포함된 사용자들 각각이 소셜 네트워크 서비스를 통해 관계를 맺은 유관 사용자들을 소셜 사용자 그룹으로 그룹화하고, CUG 기반 콘텐츠 추천 엔진 시스템(100)은 특정 사용자의 콘텐츠 사용 히스토리 정보와 사용자 선호정보 그룹에 포함된 사용자들의 콘텐츠 사용 히스토리 정보 외에, 소셜 사용자 그룹으로 그룹화된 유관 사용자들의 콘텐츠 사용 히스토리 정보까지 특정 사용자의 콘텐츠 선호정보 추출에 사용한다.
즉, CUG 기반 콘텐츠 추천 엔진 시스템(100)은 특정 사용자의 콘텐츠 사용 히스토리 정보와 사용자 선호정보 그룹에 포함된 사용자들의 콘텐츠 사용 히스토리 정보 외에 특정 사용자와 사용자 선호정보 그룹에 포함된 사용자들이 소셜 네트워크 서비스를 통해 관계를 맺은 유관 사용자들의 콘텐츠 사용 히스토리 정보까지 함께 사용하여 특정 사용자의 콘텐츠 선호정보를 유추하여 추출하고, 추출된 특정 사용자의 콘텐츠 선호정보를 토대로 특정 사용자에게 콘텐츠를 추천한다.
이하에서는 수학식을 통해 CUG 업데이터(110)가 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 계산하며, 계산된 각 유사도를 토대로 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하고, 추출된 사용자들을 사용자 선호정보 그룹으로 그룹화하는 것에 대해 상세하게 설명한다.
사용자(ui)를 위한 이진 선호 정보 벡터(Zui)는 수학식 1과 같다.
Figure pat00001
Figure pat00002

수학식 1에서 gij는 형태별 콘텐츠에 포함된 코텐츠들-광고 콘텐츠(a), 비디오 콘텐츠(v), 방송 콘텐츠(b), 음악 콘텐츠(m), 신문 기사 콘텐츠(n)-의 모든 장르에 대한 이진값이고, Nk는 ∀i를 위한 장르의 개수이다. 즉, Na, Nv, Nb, Nm, Nn은 각각 광고 콘텐츠, 오디오 콘텐츠, 방송 콘텐츠, 음악 콘텐츠, 뉴스 콘텐츠들을 위한 장르의 총 개수를 의미한다. 예컨대, 특정 사용자(예컨대, u1)가 해당 장르 an, vn, bn, mn, nn을 선호한다고 기록되어 있다면, gij는 1, 선호하지 않는다면 0으로 표현된다.
CUG 업데이터(110)은 특정 사용자 벡터(예컨대, Zu1)와 특정 사용자(u1)를 제외한 나머지 사용자들 사이의 dice coefficient 유사도를 계산하여 그룹화를 진행하며, 그 유사도 계산식은 수학식 2와 같고,
Figure pat00003
Figure pat00004
Figure pat00005
여기서 N은 전체 벡터 Z의 차원 수를 표현한다.
사용자(ui)를 위한 사용자 선호정보 그룹은 수학식 3과 같다.
Figure pat00006
D는 dice coefficient 계산값이고, Nu는 본 발명에서 대상으로 하는 모든 콘텐츠 추천 사용자의 수이며, 유사도 비교를 통해 추출된 최종 사용자 선호정보 그룹은 PC이다.
사용자 선호정보 그룹(PCui)은 사용자(ui)와의 dice coefficent값이 전체 사용자와 사용자(ui)와의 평균 dice coefficient값보다 큰 사용자들의 집합이고, 사용자 선호정보 그룹(PCui)에 속한 사용자들은 특정 사용자와 선호 콘텐츠에 관해 유사한 패턴을 보여주기 때문에, 사용자 선호정보 그룹(PCui)에 속한 사용자들의 콘텐츠 사용 히스토리 정보는 특정 사용자의 최근 선호정보 예측에 활용될 수 있다.
전술한 바와 같이, 본 발명에 따르면, 사용자 선호정보 그룹(PC)을 기반으로 특정 사용자의 콘텐츠 선호정보를 더욱 견고하게 예측할 수 있고, 대중의 성향을 반영한 특정 사용자의 콘텐츠 선호정보를 예측할 수 있다.
이상, 도 1을 참조하여 본 발명의 일 실시예에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치를 설명하였고, 이하에서는 도 2를 참조하여 본 발명의 일 실시예에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 방법을 설명한다. 도 2는 본 발명의 일 실시예에 따른 사용자 그룹을 활용한 사용자별 콘텐츠 추천 방법을 설명하기 위한 흐름도이다.
도 2에 도시된 바와 같이, CUG (Collaborative User Group) 기반 콘텐츠 추천 엔진 시스템(100)은 기록된 각 사용자(전체 사용자)의 콘텐츠 사용 히스토리 정보가 통계적으로 각 사용자의 콘텐츠 선호정보를 추출하는데 충분한 양의 정보가 아닐 경우, 각 사용자의 콘텐츠 선호정보를 추출하기에 앞서 양질의 다량의 데이터 확보를 위해 기록된 전체 사용자 각각의 콘텐츠 사용 히스토리 정보를 토대로 전체 사용자 각각의 콘텐츠 선호정보를 추출하고(S200), 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 계산한다(S201).
계산된 각 유사도를 토대로 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하여 사용자 선호정보 그룹으로 그룹화하고(S202), 특정 사용자의 콘텐츠 사용 히스토리 정보뿐만 아니라 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보까지 특정 사용자의 콘텐츠 선호정보 추출에 사용한다.
CUG 기반 콘텐츠 추천 엔진 시스템(100)은 특정 사용자의 콘텐츠 사용 히스토리 정보와, 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보를 사용하여 특정 사용자의 콘텐츠 선호정보 추출하고(S203), 추출된 특정 사용자의 콘텐츠 선호정보를 토대로 특정 사용자에게 콘텐츠를 추천한다(S204).
또한, CUG 기반 콘텐츠 추천 엔진 시스템(100)은 특정 사용자의 콘텐츠 선호정보 추출시 특정 사용자의 콘텐츠 사용 히스토리 정보와 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보 외에도 특정 사용자와 사용자 선호정보 그룹으로 그룹화된 사용자들 각각이 소셜 네트워크 서비스를 통해 관계를 맺은 유관 사용자들의 콘텐츠 사용 히스토리 정보까지 함께 사용하여 특정 사용자의 콘텐츠 선호정보(User Preferences)를 유추하여 추출하는 협업 필터링(Collaborative filtering) 콘텐츠 추천 방식을 사용한다.
CUG 기반 콘텐츠 추천 엔진 시스템(100)은 특정 사용자의 콘텐츠 사용 히스토리 정보와, 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보 및 소셜 네트워크 서비스를 통해 관계를 맺은 유관 사용자들의 콘텐츠 사용 히스토리 정보까지 함께 사용하여 특정 사용자의 콘텐츠 선호정보 추출하고, 추출된 특정 사용자의 콘텐츠 선호정보를 토대로 특정 사용자에게 콘텐츠를 추천한다.
이상 바람직한 실시예와 첨부도면을 참조하여 본 발명의 구성에 관해 구체적으로 설명하였으나, 이는 예시에 불과한 것으로 본 발명의 기술적 사상을 벗어나지 않는 범주내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
110 : CUG 업데이터 120 : UP 업데이터
130 : 멀티미디어 콘텐츠 순위화 모듈

Claims (6)

  1. 기록된 전체 사용자 각각의 콘텐츠 사용 히스토리 정보를 토대로 상기 전체 사용자 각각의 콘텐츠 선호정보를 추출하고, 상기 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 계산하며, 계산된 각 유사도를 토대로 상기 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하여 사용자 선호정보 그룹으로 그룹화하는 CUG 업데이터;
    추출된 상기 전체 사용자의 콘텐츠 선호정보를 콘텐츠 타입별로 업데이트하여 관리하는 UP 업데이터; 및
    상기 특정 사용자의 콘텐츠 추천 목록을 상기 콘텐츠 타입별로 도출할 수 있도록 추출된 상기 전체 사용자의 콘텐츠 선호정보를 기반으로 상기 콘텐츠 타입별로 각 콘텐츠 타입에 포함된 콘텐츠들을 순위화하는 멀티미디어 콘텐츠 순위화 모듈을 포함하고,
    상기 특정 사용자의 콘텐츠 사용 히스토리 정보와, 상기 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보를 사용하여 상기 특정 사용자의 콘텐츠 선호정보 추출하고, 추출된 상기 특정 사용자의 콘텐츠 선호정보를 토대로 상기 특정 사용자에게 콘텐츠를 추천하는 것
    인 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치.
  2. 제1항에 있어서,
    상기 CUG 업데이터는 상기 특정 사용자와 상기 사용자 선호정보 그룹에 포함된 사용자들 각각이 소셜 네트워크 서비스를 통해 관계를 맺은 유관 사용자들을 소셜 사용자 그룹으로 그룹화하고,
    상기 특정 사용자의 콘텐츠 사용 히스토리 정보와, 상기 사용자 선호정보 그룹에 포함된 사용자들의 콘텐츠 사용 히스토리 정보 및 상기 소셜 사용자 그룹으로 그룹화된 유관 사용자들의 콘텐츠 사용 히스토리 정보를 토대로 상기 특정 사용자의 콘텐츠 선호정보 추출하고, 추출된 상기 특정 사용자의 콘텐츠 선호정보를 토대로 상기 특정 사용자에게 콘텐츠를 추천하는 것
    인 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치.
  3. 제1항에 있어서,
    상기 CUG 업데이터는 사용자(ui)를 위한 이진 선호 정보 벡터(Zui)룰 나타낸 수학식 1을 토대로
    [수학식 1]
    Figure pat00007

    Figure pat00008


    상기 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 수학식 2와 같이 유사도를 계산하고,
    [수학식 2]
    Figure pat00009

    Figure pat00010

    Figure pat00011

    계산된 각 유사도를 토대로 상기 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하여 상기 사용자 선호정보 그룹으로 그룹화하는 것
    인 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치.
    (gij는 형태별 콘텐츠에 포함된 콘텐츠들-광고 콘텐츠(a), 비디오 콘텐츠(v), 방송 콘텐츠(b), 음악 콘텐츠(m), 신문 기사 콘텐츠(n)-의 모든 장르에 대한 이진 값, Nk는 ∀i를 위한 장르의 개수, 즉 Na, Nv, Nb, Nm, Nn은 각각 광고 콘텐츠, 오디오 콘텐츠, 방송 콘텐츠, 음악 콘텐츠, 뉴스 콘텐츠들을 위한 장르의 총 개수, N은 전체 벡터 Z의 차원 수, D는 dice coefficient 계산 값, Nu는 모든 콘텐츠 추천 사용자의 수)
  4. 기록된 전체 사용자 각각의 콘텐츠 사용 히스토리 정보를 토대로 상기 전체 사용자 각각의 콘텐츠 선호정보를 추출하는 단계;
    상기 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 계산하는 단계;
    계산된 각 유사도를 토대로 상기 특정 사용자와 유사 패턴의 콘텐츠 선호정보를 갖는 사용자들을 추출하여 사용자 선호정보 그룹으로 그룹화하는 단계;
    상기 특정 사용자의 콘텐츠 사용 히스토리 정보와, 상기 사용자 선호정보 그룹으로 그룹화된 사용자들의 콘텐츠 사용 히스토리 정보를 사용하여 상기 특정 사용자의 콘텐츠 선호정보 추출하는 단계; 및
    추출된 상기 특정 사용자의 콘텐츠 선호정보를 토대로 상기 특정 사용자에게 콘텐츠를 추천하는 단계
    를 포함하는 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 방법.
  5. 제4항에 있어서,
    상기 그룹화하는 단계는 상기 특정 사용자와 상기 사용자 선호정보 그룹에 포함된 사용자들 각각이 소셜 네트워크 서비스를 통해 관계를 맺은 유관 사용자들을 소셜 사용자 그룹으로 그룹화하는 단계를 포함하고,
    상기 추출하는 단계는 상기 특정 사용자의 콘텐츠 사용 히스토리 정보와, 상기 사용자 선호정보 그룹에 포함된 사용자들의 콘텐츠 사용 히스토리 정보 및 상기 소셜 사용자 그룹으로 그룹화된 유관 사용자들의 콘텐츠 사용 히스토리 정보를 토대로 상기 특정 사용자의 콘텐츠 선호정보 추출하는 단계를 포함하는 것
    인 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 방법.
  6. 제4항에 있어서,
    상기 계산하는 단계는 사용자(ui)를 위한 이진 선호 정보 벡터(Zui)룰 나타낸 수학식 1을 토대로
    [수학식 1]
    Figure pat00012

    Figure pat00013

    상기 전체 사용자 중 특정 사용자를 제외한 나머지 사용자의 추출된 콘텐츠 선호정보 각각에 대해 유사도를 수학식 2와 같이 계산하는 것
    인 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 방법.
    [수학식 2]
    Figure pat00014

    Figure pat00015

    Figure pat00016

    (gij는 형태별 콘텐츠에 포함된 콘텐츠들-광고 콘텐츠(a), 비디오 콘텐츠(v), 방송 콘텐츠(b), 음악 콘텐츠(m), 신문 기사 콘텐츠(n)-의 모든 장르에 대한 이진 값, Nk는 ∀i를 위한 장르의 개수, 즉 Na, Nv, Nb, Nm, Nn은 각각 광고 콘텐츠, 오디오 콘텐츠, 방송 콘텐츠, 음악 콘텐츠, 뉴스 콘텐츠들을 위한 장르의 총 개수, N은 전체 벡터 Z의 차원 수, D는 dice coefficient 계산 값, Nu는 모든 콘텐츠 추천 사용자의 수)
KR1020120154325A 2012-02-28 2012-12-27 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법 KR20130098841A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20120020278 2012-02-28
KR1020120020278 2012-02-28

Publications (1)

Publication Number Publication Date
KR20130098841A true KR20130098841A (ko) 2013-09-05

Family

ID=49450562

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120154325A KR20130098841A (ko) 2012-02-28 2012-12-27 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20130098841A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160064447A (ko) 2014-11-28 2016-06-08 이종찬 협력적 필터링의 예측 선호도를 이용한 처음 사용자에 대한 추천 제공 방법
KR20160064446A (ko) 2014-11-28 2016-06-08 이종찬 선호 점수를 이용한 협력적 필터링 기반 선호도 예측 방법
KR20160064448A (ko) 2014-11-28 2016-06-08 이종찬 유사 집합의 예상 선호도 대비 기반 아이템 추천 제공 방법
WO2016137763A1 (en) * 2015-02-25 2016-09-01 At&T Intellectual Property I, L.P. Predictive cached buffer for communication devices
US11064233B2 (en) 2017-08-01 2021-07-13 Samsung Electronics Co., Ltd. Providing service recommendation information on the basis of a device use history

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160064447A (ko) 2014-11-28 2016-06-08 이종찬 협력적 필터링의 예측 선호도를 이용한 처음 사용자에 대한 추천 제공 방법
KR20160064446A (ko) 2014-11-28 2016-06-08 이종찬 선호 점수를 이용한 협력적 필터링 기반 선호도 예측 방법
KR20160064448A (ko) 2014-11-28 2016-06-08 이종찬 유사 집합의 예상 선호도 대비 기반 아이템 추천 제공 방법
WO2016137763A1 (en) * 2015-02-25 2016-09-01 At&T Intellectual Property I, L.P. Predictive cached buffer for communication devices
US9973448B2 (en) 2015-02-25 2018-05-15 At&T Mobility Ii Llc Predictive cached buffer for communication devices
US11064233B2 (en) 2017-08-01 2021-07-13 Samsung Electronics Co., Ltd. Providing service recommendation information on the basis of a device use history

Similar Documents

Publication Publication Date Title
Le et al. Attitudes toward mobile advertising: A study of mobile web display and mobile app display advertising
CN109615060B (zh) Ctr预估方法、装置及计算机可读存储介质
US20190034963A1 (en) Dynamic sentiment-based mapping of user journeys
JP6435426B1 (ja) 情報分析装置、情報分析方法および情報分析プログラム
AU2015246423A1 (en) Method and apparatus for judging age brackets of users
CN110852793A (zh) 文案推荐方法及装置、电子设备
CN111177538B (zh) 一种基于无监督权值计算的用户兴趣标签构建方法
KR20130098841A (ko) 추출된 사용자 그룹을 활용한 사용자별 콘텐츠 추천 장치 및 방법
US20190163741A1 (en) Determining personality profiles based on online social speech
Rui et al. Designing a social-broadcasting-based business intelligence system
US20230066853A1 (en) Method and apparatus for training information prediction models, method and apparatus for predicting information, and storage medium and device thereof
Boratto et al. Investigating the role of the rating prediction task in granularity-based group recommender systems and big data scenarios
KR20130062442A (ko) 협업 필터링 추천 방식을 이용한 추천 방법 및 추천 시스템
CN110191171B (zh) 气象信息传播方法
CN116137004A (zh) 广告投放效果的归因方法、系统及计算机
CN115249170A (zh) 一种基于5g消息的营销客群触达方法和装置
CN110191363A (zh) 一种面向家庭组用户的推荐模型
Ruhrländer et al. Improving box office result predictions for movies using consumer-centric models
CN112395499B (zh) 信息推荐方法及装置、电子设备、存储介质
Zhao et al. Association rules analysis between brand post characteristics and consumer engagement on social media
Semenenko et al. Effective frequency of displaying the communication message to consumers of beer brand in digital media
CN115795156A (zh) 物料召回和神经网络训练方法、装置、设备及存储介质
CN115311001A (zh) 一种基于多重投票算法的预测用户换机倾向的方法及系统
CN116091133A (zh) 一种目标对象属性的识别方法、装置及存储介质
KR20100129667A (ko) 웹 마이닝 기반 상황지식 추출 장치 및 방법과 이를 이용한 상황인지 모바일 광고 시스템

Legal Events

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