KR20140028160A - 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템 - Google Patents

감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템 Download PDF

Info

Publication number
KR20140028160A
KR20140028160A KR1020110108611A KR20110108611A KR20140028160A KR 20140028160 A KR20140028160 A KR 20140028160A KR 1020110108611 A KR1020110108611 A KR 1020110108611A KR 20110108611 A KR20110108611 A KR 20110108611A KR 20140028160 A KR20140028160 A KR 20140028160A
Authority
KR
South Korea
Prior art keywords
user
music
information
emotion
situation
Prior art date
Application number
KR1020110108611A
Other languages
English (en)
Inventor
윤경로
최현석
이종형
Original Assignee
건국대학교 산학협력단
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 건국대학교 산학협력단 filed Critical 건국대학교 산학협력단
Priority to KR1020110108611A priority Critical patent/KR20140028160A/ko
Publication of KR20140028160A publication Critical patent/KR20140028160A/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
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • 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
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies

Abstract

본 발명은 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템에 관한 것으로서, 사용자의 감성 및 상황에 관하여 수집된 히스토리 정보를 바탕으로, 사용자의 감성과 상황에 맞는 음악을 추천하도록 함에 그 목적이 있다.
이러한 목적을 달성하기 위한 본 발명은, 사용자의 감성 및 상황에 관한 사용자의 히스토리 정보를 수집하는 정보수집 서버; 상기 정보수집 서버로부터 사용자 히스토리 정보를 입력받아, 확장된 협업 필터링 기법을 이용하여 사용자가 원하는 유사 음악을 추천하는 음악추천 서버; 및 상기 음악추천 서버를 통해 생성된 음원 리스트를 사용자에게 제공하는 어플리케이션 서버; 를 포함한다.

Description

감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템{SYSTEM FOR RECOMMENDING MUSIC USING EXTENDED COLLABORATIVE FILTERING BASED ON EMOTION INFORMATION AND CONTEXT INFORMATION}
본 발명은 음악추천 시스템에 관한 것으로서, 더욱 상세하게는 사용자의 감성 및 상황에 관하여 수집된 히스토리 정보를 바탕으로, 사용자의 감성과 상황에 맞는 음악을 추천하는 시스템에 관한 것이다.
최근 인터넷이 보편화되면서 서비스 제공자들이 고객 정보를 실시간으로 모니터링하는 것이 가능하게 되고, 그로 인해 다양한 개인화 추천 서비스가 제공되고 있다. 개인화 추천 서비스란 사용자가 관심을 가지는 서비스 및 상품에 관한 정보, 과거 구매 행동 분석을 토대로 사용자의 요구에 맞는 서비스 및 상품을 추천해주는 시스템이자, 사용자들이 선호하는 서비스 및 상품을 쉽게 찾을 수 있도록 도와주는 정보 필터링 기술이기도 하다.
이러한 개인화 추천 서비스는 해외의 유수한 전자상거래 사이트에 적용되고 있으며, 음악추천이나 비디오 추천에도 이용되는 등 전자거래 상에서 사용자 개개인에게 맞춤화된 개인화 추천 서비스가 강조되고 있고, 이에 대한 연구들이 진행되어 왔다.
한편, 음악추천 시스템과 관련해서는 한국공개특허 제10-2010-0024769호(이하, '선행문헌') 이외에 다수 출원 및 등록되어 있다.
선행문헌에 따른 음악추천 시스템은, 음악을 제공받으며, 추천된 음악을 출력하는 입출력장치와; 청취자의 사용자정보를 제공하는 사용자정보 저장장치 및 상기 입출력장치로부터 제공된 음악을 구조적으로 분석하고, 분석된 음악의 구조적 특징을 추출하며, 상기 음악의 구조 및 특징의 분석결과를 상기 사용자정보 저장장치로부터 제공된 사용자정보에 기초하여 모델링하고, 상기 모델링 결과에 대응하는 추천음악을 상기 입출력장치로 전송하는 서버를 포함하여 구현된다.
그러나, 종래의 음악추천 시스템과 현재 일반적으로 잘 알려진 개인화 추천 서비스의 정보 필터링 기술에 대한 이슈는 다음과 같다.
첫 번째는 콜드 스타트 문제(Cold Start Problem)이고, 두 번째는 희소성 문제(Sparsity Problem)이며, 세 번째는 확장성 문제(Scalability Problem)이다.
콜드 스타트 문제는 지금까지 한 번도 평가를 하지 않은 사용자들이 있을 경우에 발생한다. 이런 경우에는 시스템은 사용자의 어느 정보도 없기 때문에 사용자의 선호도 예측과 추천을 할 수 없다.
희소성 문제는 대부분의 사용자들이 모든 항목에 평가를 하지 않기 때문에 행렬 값은 드문드문한 분포성을 가지게 되어 사용자들 사이에 유사도가 부정확할 뿐만 아니라 많은 수의 행과 열로 인하여 메모리 낭비가 발생하게 된다.
마지막으로 확장성 문제는 사용자가 데이터가 늘어남에 따라 목표 사용자의 최근접이웃을 찾기 위한 연산이 기하급수적으로 늘어난다. 따라서, 추천목록을 생성하기까지 오랜 시간이 걸려 시스템의 효율성이 떨어지는 문제점이 있었다.
본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 사용자의 감성 및 상황에 관하여 수집된 히스토리 정보를 바탕으로, 사용자의 감성과 상황에 맞는 음악을 추천하도록 함에 그 목적이 있다.
이러한 기술적 과제를 달성하기 위한 본 발명은 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템에 관한 것으로서, 사용자의 감성 및 상황에 관한 사용자의 히스토리 정보를 수집하는 정보수집 서버; 상기 정보수집 서버로부터 사용자 히스토리 정보를 입력받아, 확장된 협업 필터링 기법을 이용하여 사용자가 원하는 유사 음악을 추천하는 음악추천 서버; 및 상기 음악추천 서버를 통해 생성된 음원 리스트를 사용자에게 제공하는 어플리케이션 서버; 를 포함한다.
또한 상기 사용자 히스토리 정보는, 사용자의 현재 감성과 유사한 상태에서 감상한 '노래와 감성' 에 관한 감성 히스토리 정보와, 사용자의 외부상황과 유사한 상태에서 감상한 '노래와 상황' 에 관한 상황 히스토리 정보, 및 감상한 노래에 대한 음악의 '무드' 에 관한 무드 정보를 포함하는 것을 특징으로 한다.
또한 상기 음악추천 서버는, 상기 정보수집 서버로부터 사용자의 히스토리 정보를 입력받아 저장하는 데이터베이스부; 상기 데이터베이스부를 통해 사용자 히스토리 정보를 입력받아, 감성상태와 청취횟수를 퓨전한 음악 평가치를 생성하는 음악 평가치 생성부; 피어슨 상관계수를 이용하여 사용자간 유사도를 측정하여 최근접 사용자를 구성하는 최근접 사용자 구성부; 사용자의 곡에 대한 선호도를 예측하는 선호도 예측부; 및 상기 선호도 예측부를 통해 구해진 사용자의 선호도와, 사용자의 외부상황과 유사한 상태에서 감상한 '노래와 상황' 에 관한 상황 히스토리 정보를 매핑하여, 최종적으로 사용자 감성과 상황에 맞는 음원 리스트를 생성하는 음원 리스트 생성부; 를 포함하는 것을 특징으로 한다.
또한 상기 음악 평가치 생성부는, 사용자 감성과 청취횟수를 퓨전한 사용자 평가 테이블을 생성하되, 사용자의 현재 감성상태와 플레이카운트(곡)를 기반으로 평가치를 구하는 것을 특징으로 한다.
또한 상기 최근접 사용자 구성부는, 각 사용자의 감성 퓨전 평가치를 기준으로 사용자간 유사도를 측정하여 최근접 사용자를 구성하는 것을 특징으로 한다.
그리고 상기 선호도 예측부는, 상기 최근접 사용자 구성부를 통해 구해진 최근접 사용자수, 피어슨 상관계수를 이용한 가중치 값, 목표 사용자(A)와 목표 사용자(A)의 최근접 사용자들간의 관계를 보이는 수식을 이용하여, 목표 사용자(A)의 곡(i)에 대한 평가치를 구함으로써 목표 사용자(A)의 곡(i)에 대한 선호도를 예측하는 것을 특징으로 한다.
상기와 같은 본 발명에 따르면, 사용자의 감성 및 상황에 관하여 수집된 히스토리 정보를 바탕으로, 손쉽게 사용자의 감성과 상황에 맞는 음악을 추천할 수 있는 효과가 있다.
그리고 본 발명에 따르면, 목표 사용자와 최근접 사용자간의 유사도는 긍정적 및 부정적 유사도를 모두 표현하고 있으므로, 취향이 다른 사용자의 경우도 전체적인 추천 메카니즘에 공헌할 수 있는 효과도 있다.
도 1 은 본 발명에 따른 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템을 개념적으로 도시한 전체 구성도.
도 2 는 본 발명에 따른 음악추천 서버에 관한 세부 구성도.
본 발명의 구체적 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명을 상세하게 설명한다.
본 발명에 따른 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템에 관하여 도 1 내지 도 2 를 참조하여 설명하면 다음과 같다.
도 1 은 본 발명에 따른 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템(S)을 개념적으로 도시한 전체 구성도로서, 도시된 바와 같이 정보수집 서버(100), 음악추천 서버(200) 및 어플리케이션 서버(300)를 포함하여 이루어진다.
정보수집 서버(100)는 사용자의 감성 및 상황에 관한 사용자의 히스토리 정보를 수집한다.
구체적으로, 정보수집 서버(100)는 음악감상 UI를 통해 음악을 감상을 제공하며, 감성상태, 외부상황 및 음악의 무드에 관하여 카테고리별로 구분하고 있어, 사용자의 입력신호를 바탕으로 사용자 현재의 감성상태, 외부상황, 음악 및 음악의 무드를 지정하고, 지정된 정보를 사용자의 히스토리 정보로서 저장한다.
본 실시예에서, 현재 감성상태를 0~100개의 값으로 구분하고 있으며, 외부상황은 활동(movement, exercise, business, study, drive), 날씨(sunny, rainy, snowy), 시간(morning, afternoon, evening) 등에 관한 정보이며, 무드는 Aggressive, Anxious, Forceful, wild, Angry, Bold, Passionate, Rousing, Enthusiastic, Rowdy, Excited, Upbeat, Soulful, Dramatic 를 포함하는 클러스터 1~2와, Sad, Bitter, Down, Negative, Tragic, Dark, Tense, Calm, Mellow, Simple, Elegant, Ambient 를 포함하는 클러스터 3~4와, Sweet, Cheerful, Lovely, Amiable, Hopeful, Romantic, Sensitive, Autumnal, Sentimental, Sensual, Sexual 을 포함하는 클러스터 5~6 및 Ethereal, Exotic, Futuristic, Hypnotic, Dreamy, Humorous, Sarcastic, Spiritual, Whimsical 을 포함하는 클러스터 7~8 로 분류되는 것으로 설정하겠으나, 본 발명이 이에 한정되는 것은 아니다.
참고로, 정보수집 과정을 설명하면, 사용자는 현재 감성과 외부상황을 지정한 후, 감성과 상황이 유사한 상태의 음악을 감상한다. 또한, 지정하여 감상한 음악에 대한 무드를 지정한다.
이에, 저장되는 사용자의 히스토리 정보는, 사용자의 현재 감성과 유사한 상태에서 감상한 '노래와 감성' 에 관한 감성 히스토리 정보와, 사용자의 외부상황과 유사한 상태에서 감상한 '노래와 상황' 에 관한 상황 히스토리 정보, 그리고 감상한 노래에 대한 음악의 '무드' 에 관한 무드 정보를 포함한다.
본 발명의 특징적인 일양상에 따른 음악추천 서버(200)는 상기 정보수집 서버(100)로부터 사용자 히스토리 정보를 입력받아, 확장된 협업 필터링 기법을 이용하여 사용자가 원하는 유사 음악을 추천하는 기능을 수행하는 바, 도 2 에 도시된 바와 같이 데이터베이스부(210), 음악 평가치 생성부(220), 최근접 사용자 구성부(230), 선호도 예측부(240) 및 음원 리스트 생성부(250)를 포함한다.
데이터베이스부(210)는 상기 정보수집 서버(100)로부터 사용자의 히스토리 정보 즉, 앞서 서술한 바와 같이 사용자의 현재 감성과 유사한 상태에서 감상한 '노래와 감성' 에 관한 감성 히스토리 정보와, 사용자의 외부상황과 유사한 상태에서 감상한 '노래와 상황' 에 관한 상황 히스토리 정보, 그리고 감상한 노래에 대한 음악의 '무드' 에 관한 무드 정보를 입력받아 저장한다.
음악 평가치 생성부(220)는 상기 데이터베이스부(210)를 통해 사용자 히스토리 정보를 입력받아, 감성상태와 청취횟수를 퓨전한 음악 평가치를 생성한다.
아래의 [표 1] 은 각 곡별로 서로 다른 사용자들이 평가한 데이터에서 다시 사용자 감성과 청취횟수를 퓨전하여 만든 사용자 평가 테이블이다.
곡 1 곡 2 곡 3 곡 4
사용자 A RA,1 ㅧ RA,3 RA,4
사용자 B RB,1 RB,2 ㅧ RB,4
사용자 C RC,1 ㅧ RC,3 ㅧ
여기서, RA,1은 a라는 사용자가 i라는 곡에 대하여 평가한 평가치를 의미한다.
이때, 음악 평가치 생성부(220)는 사용자 감성상태와 청취횟수를 퓨전하기 위해 다음의 [수식 1] 과 같이 평가치를 구한다.
[수식 1]
Figure pat00001
상기한 [수식 1] 은, 사용자가 들었던 곡들을 사용자의 현재 감성상태와 플레이카운트, 즉
Figure pat00002
과
Figure pat00003
(곡) 기반으로 평가치를 구하는 것이다.
i는 테이블에서 곡들을 나타내며, e값에 따라 Happy 또는 Sad 등의 감성 값을 나타낸다. 마찬가지로,
Figure pat00004
는 테이블에서 i번째 곡의 감성 정보를 의미한다. 따라서, 음악 평가치 생성부(220)는 [수식 1] 을 통해 감성 히스토리 정보의 모든 곡들의 평가치를 정할 수 있다.
이렇게 사용자 감성의 퓨전 평가치가 정의되면, 최근접 사용자 구성부(230)는 피어슨 상관계수를 이용하여 사용자간 유사도를 측정하여 최근접 사용자를 구성한다.
구체적으로, 최근접 사용자 구성부(230)는 아래의 [수식 2] 를 통해 각 사용자의 감성 퓨전 평가치를 기준으로 사용자간 유사도(
Figure pat00005
)를 측정하여 최근접 사용자를 구성한다.
[수식 2]
Figure pat00006
여기서,
Figure pat00007
와
Figure pat00008
는 사용자 A와 B가 i라는 곡에 대하여 평가한 값이 되고,
Figure pat00009
와
Figure pat00010
는 사용자 A와 B의 전체 항목에 대한 평가치 평균값이 된다.
이렇게, 최근접 사용자 구성부(230)는 상기한 [수식 2] 를 통해 사용자간 유사도를 구하여, 목표 사용자와의 유사도가 높은 K명의 최근접 사용자들을 구성한다.
선호도 예측부(240)는 상기 최근접 사용자 구성부(230)를 통해 구해진 최근접 사용자수, 피어슨 상관계수를 이용한 가중치 값, 목표 사용자(A)와 목표 사용자(A)의 최근접 사용자들간의 [수식 3] 을 이용하여, 목표 사용자(A)의 곡(i)에 대한 평가치를 구함으로써 목표 사용자(A)의 곡(i)에 대한 선호도를 예측한다.
[수식 3]
Figure pat00011
여기서,
Figure pat00012
는 사용자 A의 선호도 평균값을 나타내며,
Figure pat00013
는 사용자 A와 j의 유사도 가중치,
Figure pat00014
는 사용자 j가 곡 i에 대하여 평가한 값,
Figure pat00015
는 사용자 A의 최근접사용자인 사용자 j의 선호도 평균값, K는 결정된 최근접사용자의 수를 나타낸다.
음원 리스트 생성부(250)는 상기 선호도 예측부(240)를 통해 구해진 사용자의 선호도와, 사용자의 외부상황과 유사한 상태에서 감상한 '노래와 상황' 에 관한 상황 히스토리 정보를 매핑하여, 최종적으로 사용자 감성과 상황에 맞는 음원 리스트를 생성한다.
어플리케이션 서버(300)는 상기 음악추천 서버(200)를 통해 생성된 음원 리스트를 라이브러리(Library) 형태로 사용자에게 제공한다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
S: 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템
100: 정보수집 서버 200: 음악추천 서버
210: 데이터베이스부 220: 음악 평가치 생성부
230: 최근접 사용자 구성부 240: 선호도 예측부
250: 음원 리스트 생성부 300: 어플리케이션 서버

Claims (6)

  1. 사용자의 감성 및 상황에 관한 사용자의 히스토리 정보를 수집하는 정보수집 서버(100);
    상기 정보수집 서버(100)로부터 사용자 히스토리 정보를 입력받아, 확장된 협업 필터링 기법을 이용하여 사용자가 원하는 유사 음악을 추천하는 음악추천 서버(200); 및
    상기 음악추천 서버(200)를 통해 생성된 음원 리스트를 사용자에게 제공하는 어플리케이션 서버(300); 를 포함하는 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템.
  2. 제 1 항에 있어서,
    상기 사용자 히스토리 정보는,
    사용자의 현재 감성과 유사한 상태에서 감상한 '노래와 감성' 에 관한 감성 히스토리 정보와, 사용자의 외부상황과 유사한 상태에서 감상한 '노래와 상황' 에 관한 상황 히스토리 정보, 및 감상한 노래에 대한 음악의 '무드' 에 관한 무드 정보를 포함하는 것을 특징으로 하는 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템.
  3. 제 1 항에 있어서,
    상기 음악추천 서버(200)는,
    상기 정보수집 서버(100)로부터 사용자의 히스토리 정보를 입력받아 저장하는 데이터베이스부(210);
    상기 데이터베이스부(210)를 통해 사용자 히스토리 정보를 입력받아, 감성상태와 청취횟수를 퓨전한 음악 평가치를 생성하는 음악 평가치 생성부(220);
    피어슨 상관계수를 이용하여 사용자간 유사도를 측정하여 최근접 사용자를 구성하는 최근접 사용자 구성부(230);
    사용자의 곡에 대한 선호도를 예측하는 선호도 예측부(240); 및
    상기 선호도 예측부(240)를 통해 구해진 사용자의 선호도와, 사용자의 외부상황과 유사한 상태에서 감상한 '노래와 상황' 에 관한 상황 히스토리 정보를 매핑하여, 최종적으로 사용자 감성과 상황에 맞는 음원 리스트를 생성하는 음원 리스트 생성부(250); 를 포함하는 것을 특징으로 하는 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템.
  4. 제 3 항에 있어서,
    상기 음악 평가치 생성부(220)는,
    사용자 감성과 청취횟수를 퓨전한 사용자 평가 테이블을 생성하되,
    사용자의 현재 감성상태와 플레이카운트(곡)를 기반으로 평가치를 구하는 것을 특징으로 하는 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템.
  5. 제 3 항에 있어서,
    상기 최근접 사용자 구성부(230)는,
    아래의 [수식 2] 를 통해 각 사용자의 감성 퓨전 평가치를 기준으로 사용자간 유사도(
    Figure pat00016
    )를 측정하여 최근접 사용자를 구성하는 것을 특징으로 하는 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템.
    [수식 2]
    Figure pat00017

    여기서,
    Figure pat00018
    와
    Figure pat00019
    는 사용자 A와 B가 i라는 곡에 대하여 평가한 값,
    Figure pat00020
    와
    Figure pat00021
    는 사용자 A와 B의 전체 항목에 대한 평가치 평균값.
  6. 제 3 항에 있어서,
    상기 선호도 예측부(240)는,
    상기 최근접 사용자 구성부(230)를 통해 구해진 최근접 사용자수, 피어슨 상관계수를 이용한 가중치 값, 목표 사용자(A)와 목표 사용자(A)의 최근접 사용자들간의 관계를 보이는 [수식 3] 을 이용하여, 목표 사용자(A)의 곡(i)에 대한 평가치를 구함으로써 목표 사용자(A)의 곡(i)에 대한 선호도를 예측하는 것을 특징으로 하는 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템.
    [수식 3]
    Figure pat00022

    여기서,
    Figure pat00023
    는 사용자 A의 선호도 평균값,
    Figure pat00024
    는 사용자 A와 j의 유사도 가중치,
    Figure pat00025
    는 사용자 j가 곡 i에 대하여 평가한 값,
    Figure pat00026
    는 사용자 A의 최근접사용자인 사용자 j의 선호도 평균값, K는 결정된 최근접사용자의 수.
KR1020110108611A 2011-10-24 2011-10-24 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템 KR20140028160A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110108611A KR20140028160A (ko) 2011-10-24 2011-10-24 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110108611A KR20140028160A (ko) 2011-10-24 2011-10-24 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템

Publications (1)

Publication Number Publication Date
KR20140028160A true KR20140028160A (ko) 2014-03-10

Family

ID=50641633

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110108611A KR20140028160A (ko) 2011-10-24 2011-10-24 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템

Country Status (1)

Country Link
KR (1) KR20140028160A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069072A (zh) * 2015-07-30 2015-11-18 天津大学 基于情感分析的混合用户评分信息推荐方法及其推荐装置
KR102128043B1 (ko) * 2018-12-21 2020-06-29 주식회사 스위트케이 개인맞춤형 생활체육 추천 플랫폼 시스템
CN113220929A (zh) * 2021-04-06 2021-08-06 辽宁工程技术大学 一种基于时间驻留与状态驻留混合模型的音乐推荐方法
KR102297403B1 (ko) * 2020-02-25 2021-09-01 공주대학교 산학협력단 음악 추천 장치 및 기록매체
KR20220063817A (ko) * 2020-11-09 2022-05-18 주식회사 스피랩 감성 기반 추천 시스템 및 방법
WO2023096119A1 (ko) * 2021-11-26 2023-06-01 삼성전자 주식회사 전자 장치 및 그 동작 방법
CN116682159A (zh) * 2023-06-07 2023-09-01 广东辉杰智能科技股份有限公司 一种立体音响自动识别方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069072A (zh) * 2015-07-30 2015-11-18 天津大学 基于情感分析的混合用户评分信息推荐方法及其推荐装置
CN105069072B (zh) * 2015-07-30 2018-08-21 天津大学 基于情感分析的混合用户评分信息推荐方法及其推荐装置
KR102128043B1 (ko) * 2018-12-21 2020-06-29 주식회사 스위트케이 개인맞춤형 생활체육 추천 플랫폼 시스템
KR102297403B1 (ko) * 2020-02-25 2021-09-01 공주대학교 산학협력단 음악 추천 장치 및 기록매체
KR20220063817A (ko) * 2020-11-09 2022-05-18 주식회사 스피랩 감성 기반 추천 시스템 및 방법
CN113220929A (zh) * 2021-04-06 2021-08-06 辽宁工程技术大学 一种基于时间驻留与状态驻留混合模型的音乐推荐方法
CN113220929B (zh) * 2021-04-06 2023-12-05 辽宁工程技术大学 一种基于时间驻留与状态驻留混合模型的音乐推荐方法
WO2023096119A1 (ko) * 2021-11-26 2023-06-01 삼성전자 주식회사 전자 장치 및 그 동작 방법
CN116682159A (zh) * 2023-06-07 2023-09-01 广东辉杰智能科技股份有限公司 一种立体音响自动识别方法
CN116682159B (zh) * 2023-06-07 2024-02-02 广东辉杰智能科技股份有限公司 一种立体音响自动识别方法

Similar Documents

Publication Publication Date Title
KR20140028160A (ko) 감성 및 상황 정보 융합 기반의 확장된 협업 필터링을 이용한 음악추천 시스템
Song et al. A survey of music recommendation systems and future perspectives
US8442849B2 (en) Emotional mapping
US7337458B2 (en) Content recommendation device with user feedback
KR101061807B1 (ko) 유무선 네트워크를 통하여 방송 서비스를 수행하는 방송 서비스 시스템의 정보 처리 방법
US20110225043A1 (en) Emotional targeting
US8888497B2 (en) Emotional web
Deldjoo et al. Content-driven music recommendation: Evolution, state of the art, and challenges
EP2706497A1 (en) Method for recommending musical entities to a user
TWI396105B (zh) 用於模擬個體差異之個人化資訊檢索之數位資料處理方法及其電腦裝置可讀式資訊儲存媒體與資訊檢索系統
CN107016026A (zh) 一种用户标签确定、信息推送方法和设备
JP2009514075A (ja) 選択されたコンテンツアイテムをユーザーに提供する方法
CN102163211A (zh) 信息处理设备、重要度计算方法和程序
WO2007013390A1 (ja) 情報処理装置、特徴抽出方法、記録媒体、および、プログラム
CN103198082B (zh) 信息处理装置和信息处理方法
Light et al. Managing the boundaries of taste: culture, valuation, and computational social science
Kang et al. Personalized smart home audio system with automatic music selection based on emotion
US20110225049A1 (en) Emoticlips
JP2011253243A (ja) 情報提供装置、情報提供方法、及び情報提供プログラム
De Pessemier et al. Collaborative recommendations with content-based filters for cultural activities via a scalable event distribution platform
Schedl et al. Personalization in multimodal music retrieval
JP7094997B2 (ja) 音楽年齢に基づいて音楽コンテンツを推薦する方法及び装置
Bogdanov et al. A content-based system for music recommendation and visualization of user preferences working on semantic notions
Deldjoo Enhancing video recommendation using multimedia content
Bogdanov et al. Taking advantage of editorial metadata to recommend music

Legal Events

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